🍻 cheers
Browse files- README.md +2 -1
- all_results.json +13 -0
- eval_results.json +8 -0
- runs/Apr14_20-15-49_bc86745a494f/events.out.tfevents.1744662920.bc86745a494f.673.1 +3 -0
- train_results.json +8 -0
- trainer_state.json +638 -0
README.md
CHANGED
|
@@ -3,6 +3,7 @@ library_name: transformers
|
|
| 3 |
license: apache-2.0
|
| 4 |
base_model: facebook/deit-base-distilled-patch16-224
|
| 5 |
tags:
|
|
|
|
| 6 |
- generated_from_trainer
|
| 7 |
metrics:
|
| 8 |
- accuracy
|
|
@@ -16,7 +17,7 @@ should probably proofread and complete it, then remove this comment. -->
|
|
| 16 |
|
| 17 |
# deit-ena24
|
| 18 |
|
| 19 |
-
This model is a fine-tuned version of [facebook/deit-base-distilled-patch16-224](https://huggingface.co/facebook/deit-base-distilled-patch16-224) on
|
| 20 |
It achieves the following results on the evaluation set:
|
| 21 |
- Loss: 0.1831
|
| 22 |
- Accuracy: 0.9542
|
|
|
|
| 3 |
license: apache-2.0
|
| 4 |
base_model: facebook/deit-base-distilled-patch16-224
|
| 5 |
tags:
|
| 6 |
+
- image-classification
|
| 7 |
- generated_from_trainer
|
| 8 |
metrics:
|
| 9 |
- accuracy
|
|
|
|
| 17 |
|
| 18 |
# deit-ena24
|
| 19 |
|
| 20 |
+
This model is a fine-tuned version of [facebook/deit-base-distilled-patch16-224](https://huggingface.co/facebook/deit-base-distilled-patch16-224) on the ena24 dataset.
|
| 21 |
It achieves the following results on the evaluation set:
|
| 22 |
- Loss: 0.1831
|
| 23 |
- Accuracy: 0.9542
|
all_results.json
ADDED
|
@@ -0,0 +1,13 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"epoch": 1.0,
|
| 3 |
+
"eval_accuracy": 0.9541984732824428,
|
| 4 |
+
"eval_loss": 0.18305547535419464,
|
| 5 |
+
"eval_runtime": 81.3613,
|
| 6 |
+
"eval_samples_per_second": 16.101,
|
| 7 |
+
"eval_steps_per_second": 2.016,
|
| 8 |
+
"total_flos": 4.7604963762671616e+17,
|
| 9 |
+
"train_loss": 0.6042932469863445,
|
| 10 |
+
"train_runtime": 1047.5566,
|
| 11 |
+
"train_samples_per_second": 5.863,
|
| 12 |
+
"train_steps_per_second": 0.733
|
| 13 |
+
}
|
eval_results.json
ADDED
|
@@ -0,0 +1,8 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"epoch": 1.0,
|
| 3 |
+
"eval_accuracy": 0.9541984732824428,
|
| 4 |
+
"eval_loss": 0.18305547535419464,
|
| 5 |
+
"eval_runtime": 81.3613,
|
| 6 |
+
"eval_samples_per_second": 16.101,
|
| 7 |
+
"eval_steps_per_second": 2.016
|
| 8 |
+
}
|
runs/Apr14_20-15-49_bc86745a494f/events.out.tfevents.1744662920.bc86745a494f.673.1
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:87dd78ed4e27d82a4ea913c49b6cddeae6d86198986ad4da96542c19f96ca334
|
| 3 |
+
size 411
|
train_results.json
ADDED
|
@@ -0,0 +1,8 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"epoch": 1.0,
|
| 3 |
+
"total_flos": 4.7604963762671616e+17,
|
| 4 |
+
"train_loss": 0.6042932469863445,
|
| 5 |
+
"train_runtime": 1047.5566,
|
| 6 |
+
"train_samples_per_second": 5.863,
|
| 7 |
+
"train_steps_per_second": 0.733
|
| 8 |
+
}
|
trainer_state.json
ADDED
|
@@ -0,0 +1,638 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_global_step": 700,
|
| 3 |
+
"best_metric": 0.18305547535419464,
|
| 4 |
+
"best_model_checkpoint": "./deit-ena24/checkpoint-700",
|
| 5 |
+
"epoch": 1.0,
|
| 6 |
+
"eval_steps": 100,
|
| 7 |
+
"global_step": 768,
|
| 8 |
+
"is_hyper_param_search": false,
|
| 9 |
+
"is_local_process_zero": true,
|
| 10 |
+
"is_world_process_zero": true,
|
| 11 |
+
"log_history": [
|
| 12 |
+
{
|
| 13 |
+
"epoch": 0.013020833333333334,
|
| 14 |
+
"grad_norm": 13.260034561157227,
|
| 15 |
+
"learning_rate": 0.0001979166666666667,
|
| 16 |
+
"loss": 2.8732,
|
| 17 |
+
"step": 10
|
| 18 |
+
},
|
| 19 |
+
{
|
| 20 |
+
"epoch": 0.026041666666666668,
|
| 21 |
+
"grad_norm": 9.820590019226074,
|
| 22 |
+
"learning_rate": 0.0001953125,
|
| 23 |
+
"loss": 2.4629,
|
| 24 |
+
"step": 20
|
| 25 |
+
},
|
| 26 |
+
{
|
| 27 |
+
"epoch": 0.0390625,
|
| 28 |
+
"grad_norm": 10.095938682556152,
|
| 29 |
+
"learning_rate": 0.00019270833333333333,
|
| 30 |
+
"loss": 2.0921,
|
| 31 |
+
"step": 30
|
| 32 |
+
},
|
| 33 |
+
{
|
| 34 |
+
"epoch": 0.052083333333333336,
|
| 35 |
+
"grad_norm": 12.057257652282715,
|
| 36 |
+
"learning_rate": 0.00019010416666666668,
|
| 37 |
+
"loss": 1.8719,
|
| 38 |
+
"step": 40
|
| 39 |
+
},
|
| 40 |
+
{
|
| 41 |
+
"epoch": 0.06510416666666667,
|
| 42 |
+
"grad_norm": 13.049660682678223,
|
| 43 |
+
"learning_rate": 0.0001875,
|
| 44 |
+
"loss": 1.5668,
|
| 45 |
+
"step": 50
|
| 46 |
+
},
|
| 47 |
+
{
|
| 48 |
+
"epoch": 0.078125,
|
| 49 |
+
"grad_norm": 11.265847206115723,
|
| 50 |
+
"learning_rate": 0.00018515625000000002,
|
| 51 |
+
"loss": 1.3715,
|
| 52 |
+
"step": 60
|
| 53 |
+
},
|
| 54 |
+
{
|
| 55 |
+
"epoch": 0.09114583333333333,
|
| 56 |
+
"grad_norm": 9.338308334350586,
|
| 57 |
+
"learning_rate": 0.00018255208333333334,
|
| 58 |
+
"loss": 1.0822,
|
| 59 |
+
"step": 70
|
| 60 |
+
},
|
| 61 |
+
{
|
| 62 |
+
"epoch": 0.10416666666666667,
|
| 63 |
+
"grad_norm": 9.89381217956543,
|
| 64 |
+
"learning_rate": 0.0001799479166666667,
|
| 65 |
+
"loss": 1.0687,
|
| 66 |
+
"step": 80
|
| 67 |
+
},
|
| 68 |
+
{
|
| 69 |
+
"epoch": 0.1171875,
|
| 70 |
+
"grad_norm": 11.900596618652344,
|
| 71 |
+
"learning_rate": 0.00017734375,
|
| 72 |
+
"loss": 1.23,
|
| 73 |
+
"step": 90
|
| 74 |
+
},
|
| 75 |
+
{
|
| 76 |
+
"epoch": 0.13020833333333334,
|
| 77 |
+
"grad_norm": 11.67223072052002,
|
| 78 |
+
"learning_rate": 0.00017473958333333333,
|
| 79 |
+
"loss": 1.3013,
|
| 80 |
+
"step": 100
|
| 81 |
+
},
|
| 82 |
+
{
|
| 83 |
+
"epoch": 0.13020833333333334,
|
| 84 |
+
"eval_accuracy": 0.7145038167938931,
|
| 85 |
+
"eval_loss": 0.9782444834709167,
|
| 86 |
+
"eval_runtime": 82.9835,
|
| 87 |
+
"eval_samples_per_second": 15.786,
|
| 88 |
+
"eval_steps_per_second": 1.976,
|
| 89 |
+
"step": 100
|
| 90 |
+
},
|
| 91 |
+
{
|
| 92 |
+
"epoch": 0.14322916666666666,
|
| 93 |
+
"grad_norm": 4.8917670249938965,
|
| 94 |
+
"learning_rate": 0.00017213541666666668,
|
| 95 |
+
"loss": 0.7945,
|
| 96 |
+
"step": 110
|
| 97 |
+
},
|
| 98 |
+
{
|
| 99 |
+
"epoch": 0.15625,
|
| 100 |
+
"grad_norm": 5.368461608886719,
|
| 101 |
+
"learning_rate": 0.00016953125,
|
| 102 |
+
"loss": 0.9363,
|
| 103 |
+
"step": 120
|
| 104 |
+
},
|
| 105 |
+
{
|
| 106 |
+
"epoch": 0.16927083333333334,
|
| 107 |
+
"grad_norm": 12.348027229309082,
|
| 108 |
+
"learning_rate": 0.00016692708333333333,
|
| 109 |
+
"loss": 1.0411,
|
| 110 |
+
"step": 130
|
| 111 |
+
},
|
| 112 |
+
{
|
| 113 |
+
"epoch": 0.18229166666666666,
|
| 114 |
+
"grad_norm": 8.018155097961426,
|
| 115 |
+
"learning_rate": 0.00016432291666666668,
|
| 116 |
+
"loss": 1.1303,
|
| 117 |
+
"step": 140
|
| 118 |
+
},
|
| 119 |
+
{
|
| 120 |
+
"epoch": 0.1953125,
|
| 121 |
+
"grad_norm": 8.59954833984375,
|
| 122 |
+
"learning_rate": 0.00016171875,
|
| 123 |
+
"loss": 0.9403,
|
| 124 |
+
"step": 150
|
| 125 |
+
},
|
| 126 |
+
{
|
| 127 |
+
"epoch": 0.20833333333333334,
|
| 128 |
+
"grad_norm": 7.333462715148926,
|
| 129 |
+
"learning_rate": 0.00015911458333333335,
|
| 130 |
+
"loss": 1.0405,
|
| 131 |
+
"step": 160
|
| 132 |
+
},
|
| 133 |
+
{
|
| 134 |
+
"epoch": 0.22135416666666666,
|
| 135 |
+
"grad_norm": 9.870811462402344,
|
| 136 |
+
"learning_rate": 0.00015651041666666667,
|
| 137 |
+
"loss": 0.8883,
|
| 138 |
+
"step": 170
|
| 139 |
+
},
|
| 140 |
+
{
|
| 141 |
+
"epoch": 0.234375,
|
| 142 |
+
"grad_norm": 12.272759437561035,
|
| 143 |
+
"learning_rate": 0.00015390625000000002,
|
| 144 |
+
"loss": 0.8909,
|
| 145 |
+
"step": 180
|
| 146 |
+
},
|
| 147 |
+
{
|
| 148 |
+
"epoch": 0.24739583333333334,
|
| 149 |
+
"grad_norm": 11.775607109069824,
|
| 150 |
+
"learning_rate": 0.00015130208333333334,
|
| 151 |
+
"loss": 0.865,
|
| 152 |
+
"step": 190
|
| 153 |
+
},
|
| 154 |
+
{
|
| 155 |
+
"epoch": 0.2604166666666667,
|
| 156 |
+
"grad_norm": 6.171130180358887,
|
| 157 |
+
"learning_rate": 0.0001486979166666667,
|
| 158 |
+
"loss": 0.8173,
|
| 159 |
+
"step": 200
|
| 160 |
+
},
|
| 161 |
+
{
|
| 162 |
+
"epoch": 0.2604166666666667,
|
| 163 |
+
"eval_accuracy": 0.8557251908396947,
|
| 164 |
+
"eval_loss": 0.5562589168548584,
|
| 165 |
+
"eval_runtime": 74.7249,
|
| 166 |
+
"eval_samples_per_second": 17.531,
|
| 167 |
+
"eval_steps_per_second": 2.195,
|
| 168 |
+
"step": 200
|
| 169 |
+
},
|
| 170 |
+
{
|
| 171 |
+
"epoch": 0.2734375,
|
| 172 |
+
"grad_norm": 6.6932806968688965,
|
| 173 |
+
"learning_rate": 0.00014609375,
|
| 174 |
+
"loss": 0.5124,
|
| 175 |
+
"step": 210
|
| 176 |
+
},
|
| 177 |
+
{
|
| 178 |
+
"epoch": 0.2864583333333333,
|
| 179 |
+
"grad_norm": 16.43584442138672,
|
| 180 |
+
"learning_rate": 0.00014348958333333333,
|
| 181 |
+
"loss": 0.9,
|
| 182 |
+
"step": 220
|
| 183 |
+
},
|
| 184 |
+
{
|
| 185 |
+
"epoch": 0.2994791666666667,
|
| 186 |
+
"grad_norm": 7.73850679397583,
|
| 187 |
+
"learning_rate": 0.00014088541666666668,
|
| 188 |
+
"loss": 0.521,
|
| 189 |
+
"step": 230
|
| 190 |
+
},
|
| 191 |
+
{
|
| 192 |
+
"epoch": 0.3125,
|
| 193 |
+
"grad_norm": 9.52759838104248,
|
| 194 |
+
"learning_rate": 0.00013828125,
|
| 195 |
+
"loss": 0.4835,
|
| 196 |
+
"step": 240
|
| 197 |
+
},
|
| 198 |
+
{
|
| 199 |
+
"epoch": 0.3255208333333333,
|
| 200 |
+
"grad_norm": 11.618107795715332,
|
| 201 |
+
"learning_rate": 0.00013567708333333333,
|
| 202 |
+
"loss": 0.7698,
|
| 203 |
+
"step": 250
|
| 204 |
+
},
|
| 205 |
+
{
|
| 206 |
+
"epoch": 0.3385416666666667,
|
| 207 |
+
"grad_norm": 8.700807571411133,
|
| 208 |
+
"learning_rate": 0.00013307291666666667,
|
| 209 |
+
"loss": 0.6306,
|
| 210 |
+
"step": 260
|
| 211 |
+
},
|
| 212 |
+
{
|
| 213 |
+
"epoch": 0.3515625,
|
| 214 |
+
"grad_norm": 4.3553032875061035,
|
| 215 |
+
"learning_rate": 0.00013046875,
|
| 216 |
+
"loss": 0.7666,
|
| 217 |
+
"step": 270
|
| 218 |
+
},
|
| 219 |
+
{
|
| 220 |
+
"epoch": 0.3645833333333333,
|
| 221 |
+
"grad_norm": 12.448610305786133,
|
| 222 |
+
"learning_rate": 0.00012786458333333332,
|
| 223 |
+
"loss": 0.5738,
|
| 224 |
+
"step": 280
|
| 225 |
+
},
|
| 226 |
+
{
|
| 227 |
+
"epoch": 0.3776041666666667,
|
| 228 |
+
"grad_norm": 9.840099334716797,
|
| 229 |
+
"learning_rate": 0.00012526041666666667,
|
| 230 |
+
"loss": 0.8134,
|
| 231 |
+
"step": 290
|
| 232 |
+
},
|
| 233 |
+
{
|
| 234 |
+
"epoch": 0.390625,
|
| 235 |
+
"grad_norm": 7.528562545776367,
|
| 236 |
+
"learning_rate": 0.00012265625000000002,
|
| 237 |
+
"loss": 0.3854,
|
| 238 |
+
"step": 300
|
| 239 |
+
},
|
| 240 |
+
{
|
| 241 |
+
"epoch": 0.390625,
|
| 242 |
+
"eval_accuracy": 0.8290076335877863,
|
| 243 |
+
"eval_loss": 0.5590693950653076,
|
| 244 |
+
"eval_runtime": 74.2435,
|
| 245 |
+
"eval_samples_per_second": 17.645,
|
| 246 |
+
"eval_steps_per_second": 2.209,
|
| 247 |
+
"step": 300
|
| 248 |
+
},
|
| 249 |
+
{
|
| 250 |
+
"epoch": 0.4036458333333333,
|
| 251 |
+
"grad_norm": 15.404702186584473,
|
| 252 |
+
"learning_rate": 0.00012005208333333333,
|
| 253 |
+
"loss": 0.3826,
|
| 254 |
+
"step": 310
|
| 255 |
+
},
|
| 256 |
+
{
|
| 257 |
+
"epoch": 0.4166666666666667,
|
| 258 |
+
"grad_norm": 12.3324556350708,
|
| 259 |
+
"learning_rate": 0.00011744791666666667,
|
| 260 |
+
"loss": 0.671,
|
| 261 |
+
"step": 320
|
| 262 |
+
},
|
| 263 |
+
{
|
| 264 |
+
"epoch": 0.4296875,
|
| 265 |
+
"grad_norm": 7.279428482055664,
|
| 266 |
+
"learning_rate": 0.00011484375000000001,
|
| 267 |
+
"loss": 0.6104,
|
| 268 |
+
"step": 330
|
| 269 |
+
},
|
| 270 |
+
{
|
| 271 |
+
"epoch": 0.4427083333333333,
|
| 272 |
+
"grad_norm": 4.391035556793213,
|
| 273 |
+
"learning_rate": 0.00011223958333333333,
|
| 274 |
+
"loss": 0.2654,
|
| 275 |
+
"step": 340
|
| 276 |
+
},
|
| 277 |
+
{
|
| 278 |
+
"epoch": 0.4557291666666667,
|
| 279 |
+
"grad_norm": 8.39172077178955,
|
| 280 |
+
"learning_rate": 0.00010963541666666668,
|
| 281 |
+
"loss": 0.3805,
|
| 282 |
+
"step": 350
|
| 283 |
+
},
|
| 284 |
+
{
|
| 285 |
+
"epoch": 0.46875,
|
| 286 |
+
"grad_norm": 12.371193885803223,
|
| 287 |
+
"learning_rate": 0.00010703125,
|
| 288 |
+
"loss": 0.6499,
|
| 289 |
+
"step": 360
|
| 290 |
+
},
|
| 291 |
+
{
|
| 292 |
+
"epoch": 0.4817708333333333,
|
| 293 |
+
"grad_norm": 12.96164608001709,
|
| 294 |
+
"learning_rate": 0.00010442708333333332,
|
| 295 |
+
"loss": 0.479,
|
| 296 |
+
"step": 370
|
| 297 |
+
},
|
| 298 |
+
{
|
| 299 |
+
"epoch": 0.4947916666666667,
|
| 300 |
+
"grad_norm": 7.882753849029541,
|
| 301 |
+
"learning_rate": 0.00010182291666666667,
|
| 302 |
+
"loss": 0.4378,
|
| 303 |
+
"step": 380
|
| 304 |
+
},
|
| 305 |
+
{
|
| 306 |
+
"epoch": 0.5078125,
|
| 307 |
+
"grad_norm": 8.277647018432617,
|
| 308 |
+
"learning_rate": 9.921875000000001e-05,
|
| 309 |
+
"loss": 0.2082,
|
| 310 |
+
"step": 390
|
| 311 |
+
},
|
| 312 |
+
{
|
| 313 |
+
"epoch": 0.5208333333333334,
|
| 314 |
+
"grad_norm": 0.7365554571151733,
|
| 315 |
+
"learning_rate": 9.661458333333335e-05,
|
| 316 |
+
"loss": 0.4819,
|
| 317 |
+
"step": 400
|
| 318 |
+
},
|
| 319 |
+
{
|
| 320 |
+
"epoch": 0.5208333333333334,
|
| 321 |
+
"eval_accuracy": 0.8916030534351145,
|
| 322 |
+
"eval_loss": 0.42133229970932007,
|
| 323 |
+
"eval_runtime": 73.4397,
|
| 324 |
+
"eval_samples_per_second": 17.838,
|
| 325 |
+
"eval_steps_per_second": 2.233,
|
| 326 |
+
"step": 400
|
| 327 |
+
},
|
| 328 |
+
{
|
| 329 |
+
"epoch": 0.5338541666666666,
|
| 330 |
+
"grad_norm": 0.28731444478034973,
|
| 331 |
+
"learning_rate": 9.401041666666667e-05,
|
| 332 |
+
"loss": 0.3491,
|
| 333 |
+
"step": 410
|
| 334 |
+
},
|
| 335 |
+
{
|
| 336 |
+
"epoch": 0.546875,
|
| 337 |
+
"grad_norm": 3.7821755409240723,
|
| 338 |
+
"learning_rate": 9.140625e-05,
|
| 339 |
+
"loss": 0.1838,
|
| 340 |
+
"step": 420
|
| 341 |
+
},
|
| 342 |
+
{
|
| 343 |
+
"epoch": 0.5598958333333334,
|
| 344 |
+
"grad_norm": 3.5339951515197754,
|
| 345 |
+
"learning_rate": 8.880208333333334e-05,
|
| 346 |
+
"loss": 0.3314,
|
| 347 |
+
"step": 430
|
| 348 |
+
},
|
| 349 |
+
{
|
| 350 |
+
"epoch": 0.5729166666666666,
|
| 351 |
+
"grad_norm": 6.025645732879639,
|
| 352 |
+
"learning_rate": 8.619791666666667e-05,
|
| 353 |
+
"loss": 0.1585,
|
| 354 |
+
"step": 440
|
| 355 |
+
},
|
| 356 |
+
{
|
| 357 |
+
"epoch": 0.5859375,
|
| 358 |
+
"grad_norm": 0.45756229758262634,
|
| 359 |
+
"learning_rate": 8.359375000000001e-05,
|
| 360 |
+
"loss": 0.2913,
|
| 361 |
+
"step": 450
|
| 362 |
+
},
|
| 363 |
+
{
|
| 364 |
+
"epoch": 0.5989583333333334,
|
| 365 |
+
"grad_norm": 0.4419526755809784,
|
| 366 |
+
"learning_rate": 8.098958333333334e-05,
|
| 367 |
+
"loss": 0.5086,
|
| 368 |
+
"step": 460
|
| 369 |
+
},
|
| 370 |
+
{
|
| 371 |
+
"epoch": 0.6119791666666666,
|
| 372 |
+
"grad_norm": 2.3669064044952393,
|
| 373 |
+
"learning_rate": 7.838541666666667e-05,
|
| 374 |
+
"loss": 0.3715,
|
| 375 |
+
"step": 470
|
| 376 |
+
},
|
| 377 |
+
{
|
| 378 |
+
"epoch": 0.625,
|
| 379 |
+
"grad_norm": 5.0602335929870605,
|
| 380 |
+
"learning_rate": 7.578125e-05,
|
| 381 |
+
"loss": 0.1702,
|
| 382 |
+
"step": 480
|
| 383 |
+
},
|
| 384 |
+
{
|
| 385 |
+
"epoch": 0.6380208333333334,
|
| 386 |
+
"grad_norm": 1.94741690158844,
|
| 387 |
+
"learning_rate": 7.317708333333334e-05,
|
| 388 |
+
"loss": 0.1096,
|
| 389 |
+
"step": 490
|
| 390 |
+
},
|
| 391 |
+
{
|
| 392 |
+
"epoch": 0.6510416666666666,
|
| 393 |
+
"grad_norm": 0.24792739748954773,
|
| 394 |
+
"learning_rate": 7.057291666666666e-05,
|
| 395 |
+
"loss": 0.5078,
|
| 396 |
+
"step": 500
|
| 397 |
+
},
|
| 398 |
+
{
|
| 399 |
+
"epoch": 0.6510416666666666,
|
| 400 |
+
"eval_accuracy": 0.9145038167938931,
|
| 401 |
+
"eval_loss": 0.30997681617736816,
|
| 402 |
+
"eval_runtime": 73.9129,
|
| 403 |
+
"eval_samples_per_second": 17.724,
|
| 404 |
+
"eval_steps_per_second": 2.219,
|
| 405 |
+
"step": 500
|
| 406 |
+
},
|
| 407 |
+
{
|
| 408 |
+
"epoch": 0.6640625,
|
| 409 |
+
"grad_norm": 0.9492112398147583,
|
| 410 |
+
"learning_rate": 6.796875000000001e-05,
|
| 411 |
+
"loss": 0.2944,
|
| 412 |
+
"step": 510
|
| 413 |
+
},
|
| 414 |
+
{
|
| 415 |
+
"epoch": 0.6770833333333334,
|
| 416 |
+
"grad_norm": 12.045668601989746,
|
| 417 |
+
"learning_rate": 6.536458333333334e-05,
|
| 418 |
+
"loss": 0.4413,
|
| 419 |
+
"step": 520
|
| 420 |
+
},
|
| 421 |
+
{
|
| 422 |
+
"epoch": 0.6901041666666666,
|
| 423 |
+
"grad_norm": 1.8837093114852905,
|
| 424 |
+
"learning_rate": 6.276041666666667e-05,
|
| 425 |
+
"loss": 0.5431,
|
| 426 |
+
"step": 530
|
| 427 |
+
},
|
| 428 |
+
{
|
| 429 |
+
"epoch": 0.703125,
|
| 430 |
+
"grad_norm": 7.727165222167969,
|
| 431 |
+
"learning_rate": 6.015625e-05,
|
| 432 |
+
"loss": 0.1183,
|
| 433 |
+
"step": 540
|
| 434 |
+
},
|
| 435 |
+
{
|
| 436 |
+
"epoch": 0.7161458333333334,
|
| 437 |
+
"grad_norm": 8.092196464538574,
|
| 438 |
+
"learning_rate": 5.755208333333334e-05,
|
| 439 |
+
"loss": 0.2362,
|
| 440 |
+
"step": 550
|
| 441 |
+
},
|
| 442 |
+
{
|
| 443 |
+
"epoch": 0.7291666666666666,
|
| 444 |
+
"grad_norm": 15.029434204101562,
|
| 445 |
+
"learning_rate": 5.4947916666666666e-05,
|
| 446 |
+
"loss": 0.4467,
|
| 447 |
+
"step": 560
|
| 448 |
+
},
|
| 449 |
+
{
|
| 450 |
+
"epoch": 0.7421875,
|
| 451 |
+
"grad_norm": 4.014970302581787,
|
| 452 |
+
"learning_rate": 5.234375e-05,
|
| 453 |
+
"loss": 0.2989,
|
| 454 |
+
"step": 570
|
| 455 |
+
},
|
| 456 |
+
{
|
| 457 |
+
"epoch": 0.7552083333333334,
|
| 458 |
+
"grad_norm": 4.193512916564941,
|
| 459 |
+
"learning_rate": 4.973958333333333e-05,
|
| 460 |
+
"loss": 0.1541,
|
| 461 |
+
"step": 580
|
| 462 |
+
},
|
| 463 |
+
{
|
| 464 |
+
"epoch": 0.7682291666666666,
|
| 465 |
+
"grad_norm": 13.539695739746094,
|
| 466 |
+
"learning_rate": 4.713541666666667e-05,
|
| 467 |
+
"loss": 0.1179,
|
| 468 |
+
"step": 590
|
| 469 |
+
},
|
| 470 |
+
{
|
| 471 |
+
"epoch": 0.78125,
|
| 472 |
+
"grad_norm": 19.648563385009766,
|
| 473 |
+
"learning_rate": 4.453125e-05,
|
| 474 |
+
"loss": 0.3561,
|
| 475 |
+
"step": 600
|
| 476 |
+
},
|
| 477 |
+
{
|
| 478 |
+
"epoch": 0.78125,
|
| 479 |
+
"eval_accuracy": 0.9358778625954198,
|
| 480 |
+
"eval_loss": 0.23049861192703247,
|
| 481 |
+
"eval_runtime": 74.509,
|
| 482 |
+
"eval_samples_per_second": 17.582,
|
| 483 |
+
"eval_steps_per_second": 2.201,
|
| 484 |
+
"step": 600
|
| 485 |
+
},
|
| 486 |
+
{
|
| 487 |
+
"epoch": 0.7942708333333334,
|
| 488 |
+
"grad_norm": 0.04181066155433655,
|
| 489 |
+
"learning_rate": 4.192708333333333e-05,
|
| 490 |
+
"loss": 0.0591,
|
| 491 |
+
"step": 610
|
| 492 |
+
},
|
| 493 |
+
{
|
| 494 |
+
"epoch": 0.8072916666666666,
|
| 495 |
+
"grad_norm": 11.094377517700195,
|
| 496 |
+
"learning_rate": 3.932291666666667e-05,
|
| 497 |
+
"loss": 0.2947,
|
| 498 |
+
"step": 620
|
| 499 |
+
},
|
| 500 |
+
{
|
| 501 |
+
"epoch": 0.8203125,
|
| 502 |
+
"grad_norm": 7.612452983856201,
|
| 503 |
+
"learning_rate": 3.671875e-05,
|
| 504 |
+
"loss": 0.2272,
|
| 505 |
+
"step": 630
|
| 506 |
+
},
|
| 507 |
+
{
|
| 508 |
+
"epoch": 0.8333333333333334,
|
| 509 |
+
"grad_norm": 0.9280955791473389,
|
| 510 |
+
"learning_rate": 3.411458333333333e-05,
|
| 511 |
+
"loss": 0.2866,
|
| 512 |
+
"step": 640
|
| 513 |
+
},
|
| 514 |
+
{
|
| 515 |
+
"epoch": 0.8463541666666666,
|
| 516 |
+
"grad_norm": 13.93165111541748,
|
| 517 |
+
"learning_rate": 3.151041666666667e-05,
|
| 518 |
+
"loss": 0.2116,
|
| 519 |
+
"step": 650
|
| 520 |
+
},
|
| 521 |
+
{
|
| 522 |
+
"epoch": 0.859375,
|
| 523 |
+
"grad_norm": 1.5849241018295288,
|
| 524 |
+
"learning_rate": 2.890625e-05,
|
| 525 |
+
"loss": 0.1249,
|
| 526 |
+
"step": 660
|
| 527 |
+
},
|
| 528 |
+
{
|
| 529 |
+
"epoch": 0.8723958333333334,
|
| 530 |
+
"grad_norm": 2.543943166732788,
|
| 531 |
+
"learning_rate": 2.6302083333333333e-05,
|
| 532 |
+
"loss": 0.1475,
|
| 533 |
+
"step": 670
|
| 534 |
+
},
|
| 535 |
+
{
|
| 536 |
+
"epoch": 0.8854166666666666,
|
| 537 |
+
"grad_norm": 9.006084442138672,
|
| 538 |
+
"learning_rate": 2.3697916666666666e-05,
|
| 539 |
+
"loss": 0.2498,
|
| 540 |
+
"step": 680
|
| 541 |
+
},
|
| 542 |
+
{
|
| 543 |
+
"epoch": 0.8984375,
|
| 544 |
+
"grad_norm": 6.0855488777160645,
|
| 545 |
+
"learning_rate": 2.109375e-05,
|
| 546 |
+
"loss": 0.1729,
|
| 547 |
+
"step": 690
|
| 548 |
+
},
|
| 549 |
+
{
|
| 550 |
+
"epoch": 0.9114583333333334,
|
| 551 |
+
"grad_norm": 3.486813545227051,
|
| 552 |
+
"learning_rate": 1.8489583333333337e-05,
|
| 553 |
+
"loss": 0.1739,
|
| 554 |
+
"step": 700
|
| 555 |
+
},
|
| 556 |
+
{
|
| 557 |
+
"epoch": 0.9114583333333334,
|
| 558 |
+
"eval_accuracy": 0.9541984732824428,
|
| 559 |
+
"eval_loss": 0.18305547535419464,
|
| 560 |
+
"eval_runtime": 74.4827,
|
| 561 |
+
"eval_samples_per_second": 17.588,
|
| 562 |
+
"eval_steps_per_second": 2.202,
|
| 563 |
+
"step": 700
|
| 564 |
+
},
|
| 565 |
+
{
|
| 566 |
+
"epoch": 0.9244791666666666,
|
| 567 |
+
"grad_norm": 9.733048439025879,
|
| 568 |
+
"learning_rate": 1.5885416666666665e-05,
|
| 569 |
+
"loss": 0.3438,
|
| 570 |
+
"step": 710
|
| 571 |
+
},
|
| 572 |
+
{
|
| 573 |
+
"epoch": 0.9375,
|
| 574 |
+
"grad_norm": 8.05999755859375,
|
| 575 |
+
"learning_rate": 1.3281250000000001e-05,
|
| 576 |
+
"loss": 0.2341,
|
| 577 |
+
"step": 720
|
| 578 |
+
},
|
| 579 |
+
{
|
| 580 |
+
"epoch": 0.9505208333333334,
|
| 581 |
+
"grad_norm": 1.3342446088790894,
|
| 582 |
+
"learning_rate": 1.0677083333333333e-05,
|
| 583 |
+
"loss": 0.0848,
|
| 584 |
+
"step": 730
|
| 585 |
+
},
|
| 586 |
+
{
|
| 587 |
+
"epoch": 0.9635416666666666,
|
| 588 |
+
"grad_norm": 1.0999221801757812,
|
| 589 |
+
"learning_rate": 8.072916666666667e-06,
|
| 590 |
+
"loss": 0.2429,
|
| 591 |
+
"step": 740
|
| 592 |
+
},
|
| 593 |
+
{
|
| 594 |
+
"epoch": 0.9765625,
|
| 595 |
+
"grad_norm": 0.9648075699806213,
|
| 596 |
+
"learning_rate": 5.46875e-06,
|
| 597 |
+
"loss": 0.046,
|
| 598 |
+
"step": 750
|
| 599 |
+
},
|
| 600 |
+
{
|
| 601 |
+
"epoch": 0.9895833333333334,
|
| 602 |
+
"grad_norm": 6.7523956298828125,
|
| 603 |
+
"learning_rate": 2.8645833333333334e-06,
|
| 604 |
+
"loss": 0.1141,
|
| 605 |
+
"step": 760
|
| 606 |
+
},
|
| 607 |
+
{
|
| 608 |
+
"epoch": 1.0,
|
| 609 |
+
"step": 768,
|
| 610 |
+
"total_flos": 4.7604963762671616e+17,
|
| 611 |
+
"train_loss": 0.6042932469863445,
|
| 612 |
+
"train_runtime": 1047.5566,
|
| 613 |
+
"train_samples_per_second": 5.863,
|
| 614 |
+
"train_steps_per_second": 0.733
|
| 615 |
+
}
|
| 616 |
+
],
|
| 617 |
+
"logging_steps": 10,
|
| 618 |
+
"max_steps": 768,
|
| 619 |
+
"num_input_tokens_seen": 0,
|
| 620 |
+
"num_train_epochs": 1,
|
| 621 |
+
"save_steps": 100,
|
| 622 |
+
"stateful_callbacks": {
|
| 623 |
+
"TrainerControl": {
|
| 624 |
+
"args": {
|
| 625 |
+
"should_epoch_stop": false,
|
| 626 |
+
"should_evaluate": false,
|
| 627 |
+
"should_log": false,
|
| 628 |
+
"should_save": true,
|
| 629 |
+
"should_training_stop": true
|
| 630 |
+
},
|
| 631 |
+
"attributes": {}
|
| 632 |
+
}
|
| 633 |
+
},
|
| 634 |
+
"total_flos": 4.7604963762671616e+17,
|
| 635 |
+
"train_batch_size": 8,
|
| 636 |
+
"trial_name": null,
|
| 637 |
+
"trial_params": null
|
| 638 |
+
}
|