File size: 7,712 Bytes
d6ddd3e
 
 
 
5d79a51
d6ddd3e
5956dc8
d6ddd3e
4923a8b
 
09ae54f
4923a8b
d6ddd3e
09ae54f
165f8d5
d6ddd3e
 
 
5d79a51
a424a56
d6ddd3e
a424a56
09ae54f
d6ddd3e
0d65ed7
d6ddd3e
 
 
9a80c59
4923a8b
784440a
f929bb3
9a80c59
d6ddd3e
 
165f8d5
a424a56
e43601a
d6ddd3e
 
 
 
165f8d5
 
f929bb3
a424a56
165f8d5
10c8df2
a424a56
d6ddd3e
a424a56
784440a
f929bb3
1b2b5ba
9a80c59
4923a8b
 
d6ddd3e
09ae54f
d050a6b
d6ddd3e
 
a424a56
d6ddd3e
 
a424a56
09ae54f
4923a8b
d6ddd3e
165f8d5
0d65ed7
d6ddd3e
09ae54f
5d79a51
f929bb3
4923a8b
 
a424a56
09ae54f
a424a56
d050a6b
0d65ed7
d6ddd3e
a424a56
f929bb3
a424a56
09ae54f
f929bb3
0d65ed7
d6ddd3e
 
a424a56
 
d6ddd3e
a424a56
e43601a
d6ddd3e
09ae54f
d6ddd3e
e43601a
a424a56
 
d6ddd3e
a424a56
d6ddd3e
f929bb3
09ae54f
e43601a
f929bb3
4923a8b
e43601a
d6ddd3e
4923a8b
7d32113
d6ddd3e
165f8d5
d6ddd3e
f929bb3
9a80c59
4923a8b
f929bb3
d6ddd3e
f929bb3
4923a8b
d6ddd3e
 
 
 
e43601a
5d79a51
a424a56
e43601a
7d32113
9a80c59
a424a56
 
 
09ae54f
d6ddd3e
 
 
 
5d79a51
1b2b5ba
9a80c59
784440a
d6ddd3e
4923a8b
d6ddd3e
 
e43601a
d6ddd3e
 
 
5d79a51
d6ddd3e
 
10c8df2
784440a
a424a56
d6ddd3e
 
10c8df2
4923a8b
d6ddd3e
a424a56
9a80c59
f929bb3
d6ddd3e
 
 
 
784440a
d6ddd3e
7d32113
e43601a
d6ddd3e
e43601a
0d65ed7
 
09ae54f
5d79a51
 
d6ddd3e
5d79a51
a424a56
5d79a51
a424a56
f929bb3
 
0d65ed7
d6ddd3e
 
 
 
0d65ed7
e43601a
a424a56
d6ddd3e
4923a8b
784440a
d6ddd3e
0d65ed7
09ae54f
d6ddd3e
 
 
9a80c59
 
 
d6ddd3e
10c8df2
d6ddd3e
 
d050a6b
d6ddd3e
f929bb3
a424a56
d6ddd3e
09ae54f
9a80c59
09ae54f
a424a56
784440a
d6ddd3e
 
 
5d79a51
01ce474
5956dc8
a424a56
165f8d5
a424a56
01ce474
a424a56
784440a
a424a56
d6ddd3e
 
f929bb3
09ae54f
4923a8b
01ce474
d6ddd3e
e43601a
9a80c59
d6ddd3e
 
 
 
 
4923a8b
165f8d5
e43601a
1b2b5ba
a424a56
d6ddd3e
0d65ed7
4923a8b
d6ddd3e
 
 
 
 
 
 
6e5fb36
 
d6ddd3e
 
 
 
 
 
6e5fb36
d6ddd3e
a424a56
d6ddd3e
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
{
  "_name_or_path": "distributed/llama-1b",
  "all_reduce_scores": {
    "0": "NOT_ALIVE",
    "1": "SUCCESS",
    "10": "NOT_ALIVE",
    "100": "NON_PARTICIPATING",
    "101": "NOT_ALIVE",
    "102": "NOT_ALIVE",
    "103": "NON_PARTICIPATING",
    "104": "NON_PARTICIPATING",
    "105": "NON_PARTICIPATING",
    "106": "NOT_ALIVE",
    "107": "NON_PARTICIPATING",
    "108": "NON_PARTICIPATING",
    "109": "NOT_ALIVE",
    "11": "NOT_ALIVE",
    "110": "NOT_ALIVE",
    "111": "NON_PARTICIPATING",
    "112": "NON_PARTICIPATING",
    "113": "NOT_ALIVE",
    "114": "NOT_ALIVE",
    "115": "NON_PARTICIPATING",
    "116": "NOT_ALIVE",
    "117": "NON_PARTICIPATING",
    "118": "NOT_ALIVE",
    "119": "NON_PARTICIPATING",
    "12": "NOT_ALIVE",
    "120": "NON_PARTICIPATING",
    "121": "NON_PARTICIPATING",
    "122": "NOT_ALIVE",
    "123": "NOT_ALIVE",
    "124": "NON_PARTICIPATING",
    "125": "NOT_ALIVE",
    "126": "NOT_ALIVE",
    "127": "NON_PARTICIPATING",
    "128": "NOT_ALIVE",
    "129": "NON_PARTICIPATING",
    "13": "NOT_ALIVE",
    "130": "NOT_ALIVE",
    "131": "NOT_ALIVE",
    "132": "NOT_ALIVE",
    "133": "SUCCESS",
    "134": "NON_PARTICIPATING",
    "135": "NOT_ALIVE",
    "136": "NON_PARTICIPATING",
    "137": "NON_PARTICIPATING",
    "138": "NON_PARTICIPATING",
    "139": "NON_PARTICIPATING",
    "14": "NOT_ALIVE",
    "140": "SUCCESS",
    "141": "NOT_ALIVE",
    "142": "NOT_ALIVE",
    "143": "NON_PARTICIPATING",
    "144": "NOT_ALIVE",
    "145": "NOT_ALIVE",
    "146": "NON_PARTICIPATING",
    "147": "NOT_ALIVE",
    "148": "NON_PARTICIPATING",
    "149": "NON_PARTICIPATING",
    "15": "NOT_ALIVE",
    "150": "NOT_ALIVE",
    "151": "NOT_ALIVE",
    "152": "NOT_ALIVE",
    "153": "NON_PARTICIPATING",
    "154": "NON_PARTICIPATING",
    "155": "NON_PARTICIPATING",
    "156": "NOT_ALIVE",
    "157": "NOT_ALIVE",
    "158": "NON_PARTICIPATING",
    "159": "NON_PARTICIPATING",
    "16": "NOT_ALIVE",
    "160": "NON_PARTICIPATING",
    "161": "NON_PARTICIPATING",
    "162": "NOT_ALIVE",
    "163": "NON_PARTICIPATING",
    "164": "NON_PARTICIPATING",
    "165": "NON_PARTICIPATING",
    "166": "SUCCESS",
    "167": "NOT_ALIVE",
    "168": "NON_PARTICIPATING",
    "169": "NON_PARTICIPATING",
    "17": "NOT_ALIVE",
    "170": "NON_PARTICIPATING",
    "171": "NOT_ALIVE",
    "172": "NOT_ALIVE",
    "173": "NOT_ALIVE",
    "174": "NOT_ALIVE",
    "175": "NON_PARTICIPATING",
    "176": "NOT_ALIVE",
    "177": "NOT_ALIVE",
    "178": "NON_PARTICIPATING",
    "179": "NOT_ALIVE",
    "18": "NOT_ALIVE",
    "180": "NOT_ALIVE",
    "181": "NON_PARTICIPATING",
    "182": "NON_PARTICIPATING",
    "183": "NON_PARTICIPATING",
    "184": "NOT_ALIVE",
    "185": "NOT_ALIVE",
    "186": "NON_PARTICIPATING",
    "187": "NON_PARTICIPATING",
    "188": "NOT_ALIVE",
    "189": "NON_PARTICIPATING",
    "19": "NOT_ALIVE",
    "190": "NOT_ALIVE",
    "191": "NON_PARTICIPATING",
    "192": "NON_PARTICIPATING",
    "193": "NOT_ALIVE",
    "194": "NON_PARTICIPATING",
    "195": "NON_PARTICIPATING",
    "196": "NOT_ALIVE",
    "197": "NON_PARTICIPATING",
    "198": "NON_PARTICIPATING",
    "199": "NOT_ALIVE",
    "2": "NOT_ALIVE",
    "20": "NOT_ALIVE",
    "200": "NOT_ALIVE",
    "201": "SUCCESS",
    "202": "NON_PARTICIPATING",
    "203": "NOT_ALIVE",
    "204": "NOT_ALIVE",
    "205": "NOT_ALIVE",
    "206": "NON_PARTICIPATING",
    "207": "NOT_ALIVE",
    "208": "NOT_ALIVE",
    "209": "NOT_ALIVE",
    "21": "NOT_ALIVE",
    "210": "NON_PARTICIPATING",
    "211": "NOT_ALIVE",
    "212": "NOT_ALIVE",
    "213": "NOT_ALIVE",
    "214": "NON_PARTICIPATING",
    "215": "NON_PARTICIPATING",
    "216": "NOT_ALIVE",
    "217": "NOT_ALIVE",
    "218": "NOT_ALIVE",
    "219": "NON_PARTICIPATING",
    "22": "NOT_ALIVE",
    "220": "NOT_ALIVE",
    "221": "NOT_ALIVE",
    "222": "NOT_ALIVE",
    "223": "NON_PARTICIPATING",
    "224": "NON_PARTICIPATING",
    "225": "NON_PARTICIPATING",
    "226": "NON_PARTICIPATING",
    "227": "NOT_ALIVE",
    "228": "NOT_ALIVE",
    "229": "NOT_ALIVE",
    "23": "NOT_ALIVE",
    "230": "NON_PARTICIPATING",
    "231": "NOT_ALIVE",
    "232": "NOT_ALIVE",
    "233": "NOT_ALIVE",
    "234": "NON_PARTICIPATING",
    "235": "NOT_ALIVE",
    "236": "NOT_ALIVE",
    "237": "NON_PARTICIPATING",
    "238": "NON_PARTICIPATING",
    "239": "NOT_ALIVE",
    "24": "NOT_ALIVE",
    "240": "NOT_ALIVE",
    "241": "NON_PARTICIPATING",
    "242": "NON_PARTICIPATING",
    "243": "NOT_ALIVE",
    "244": "NOT_ALIVE",
    "245": "NOT_ALIVE",
    "246": "NON_PARTICIPATING",
    "247": "NON_PARTICIPATING",
    "248": "NOT_ALIVE",
    "249": "NOT_ALIVE",
    "25": "SUCCESS",
    "250": "NON_PARTICIPATING",
    "251": "NOT_ALIVE",
    "252": "NON_PARTICIPATING",
    "253": "NON_PARTICIPATING",
    "254": "NOT_ALIVE",
    "255": "NON_PARTICIPATING",
    "26": "NON_PARTICIPATING",
    "27": "NON_PARTICIPATING",
    "28": "NON_PARTICIPATING",
    "29": "NON_PARTICIPATING",
    "3": "NOT_ALIVE",
    "30": "NOT_ALIVE",
    "31": "SUCCESS",
    "32": "NOT_ALIVE",
    "33": "NON_PARTICIPATING",
    "34": "NOT_ALIVE",
    "35": "NOT_ALIVE",
    "36": "NOT_ALIVE",
    "37": "NOT_ALIVE",
    "38": "NOT_ALIVE",
    "39": "NOT_ALIVE",
    "4": "NOT_ALIVE",
    "40": "NON_PARTICIPATING",
    "41": "NON_PARTICIPATING",
    "42": "NOT_ALIVE",
    "43": "NOT_ALIVE",
    "44": "NOT_ALIVE",
    "45": "NON_PARTICIPATING",
    "46": "NON_PARTICIPATING",
    "47": "NOT_ALIVE",
    "48": "NON_PARTICIPATING",
    "49": "NON_PARTICIPATING",
    "5": "NOT_ALIVE",
    "50": "NOT_ALIVE",
    "51": "NOT_ALIVE",
    "52": "NON_PARTICIPATING",
    "53": "NON_PARTICIPATING",
    "54": "NOT_ALIVE",
    "55": "NON_PARTICIPATING",
    "56": "NON_PARTICIPATING",
    "57": "NON_PARTICIPATING",
    "58": "NOT_ALIVE",
    "59": "NOT_ALIVE",
    "6": "NOT_ALIVE",
    "60": "NON_PARTICIPATING",
    "61": "NOT_ALIVE",
    "62": "NOT_ALIVE",
    "63": "NON_PARTICIPATING",
    "64": "NON_PARTICIPATING",
    "65": "NON_PARTICIPATING",
    "66": "NON_PARTICIPATING",
    "67": "NOT_ALIVE",
    "68": "NOT_ALIVE",
    "69": "NON_PARTICIPATING",
    "7": "NOT_ALIVE",
    "70": "NON_PARTICIPATING",
    "71": "NON_PARTICIPATING",
    "72": "NOT_ALIVE",
    "73": "NON_PARTICIPATING",
    "74": "NON_PARTICIPATING",
    "75": "NOT_ALIVE",
    "76": "NON_PARTICIPATING",
    "77": "NOT_ALIVE",
    "78": "NON_PARTICIPATING",
    "79": "NOT_ALIVE",
    "8": "NOT_ALIVE",
    "80": "NOT_ALIVE",
    "81": "NOT_ALIVE",
    "82": "NON_PARTICIPATING",
    "83": "SUCCESS",
    "84": "NON_PARTICIPATING",
    "85": "NOT_ALIVE",
    "86": "NON_PARTICIPATING",
    "87": "NOT_ALIVE",
    "88": "NOT_ALIVE",
    "89": "NOT_ALIVE",
    "9": "NOT_ALIVE",
    "90": "NOT_ALIVE",
    "91": "NOT_ALIVE",
    "92": "NOT_ALIVE",
    "93": "NON_PARTICIPATING",
    "94": "NOT_ALIVE",
    "95": "NON_PARTICIPATING",
    "96": "NOT_ALIVE",
    "97": "NOT_ALIVE",
    "98": "NON_PARTICIPATING",
    "99": "SUCCESS"
  },
  "architectures": [
    "LlamaForCausalLM"
  ],
  "attention_bias": false,
  "attention_dropout": 0.0,
  "block_list": [
    6173342,
    6173374
  ],
  "bos_token_id": 1,
  "eos_token_id": 2,
  "hidden_act": "silu",
  "hidden_size": 2048,
  "initializer_range": 0.02,
  "inner_step": 34,
  "intermediate_size": 5632,
  "last_allreduce_block": 6172668,
  "max_position_embeddings": 2048,
  "mlp_bias": false,
  "model_type": "llama",
  "num_attention_heads": 32,
  "num_hidden_layers": 22,
  "num_key_value_heads": 4,
  "pretraining_tp": 1,
  "rms_norm_eps": 1e-05,
  "rope_scaling": null,
  "rope_theta": 10000.0,
  "tie_word_embeddings": false,
  "torch_dtype": "float32",
  "transformers_version": "4.39.3",
  "use_cache": false,
  "vocab_size": 32000
}