mujerry commited on
Commit
1940773
·
verified ·
1 Parent(s): 18f4648

Run 11. Outer Step 52. Inner Step 9.

Browse files
Files changed (4) hide show
  1. config.json +43 -43
  2. gradients.pt +1 -1
  3. inner_optimizer.pt +1 -1
  4. model.safetensors +1 -1
config.json CHANGED
@@ -22,27 +22,27 @@
22
  "114": "NOT_ALIVE",
23
  "115": "SUCCESS",
24
  "116": "NOT_ALIVE",
25
- "117": "SUCCESS",
26
- "118": "NOT_ALIVE",
27
  "119": "NOT_ALIVE",
28
  "12": "NOT_ALIVE",
29
  "120": "NON_PARTICIPATING",
30
  "121": "NOT_ALIVE",
31
  "122": "NOT_ALIVE",
32
  "123": "SUCCESS",
33
- "124": "NOT_ALIVE",
34
- "125": "SUCCESS",
35
- "126": "SUCCESS",
36
  "127": "NOT_ALIVE",
37
  "128": "NOT_ALIVE",
38
  "129": "NOT_ALIVE",
39
- "13": "NOT_ALIVE",
40
- "130": "SUCCESS",
41
  "131": "NOT_ALIVE",
42
  "132": "NOT_ALIVE",
43
  "133": "NOT_ALIVE",
44
  "134": "NOT_ALIVE",
45
- "135": "NOT_ALIVE",
46
  "136": "NOT_ALIVE",
47
  "137": "NOT_ALIVE",
48
  "138": "NOT_ALIVE",
@@ -57,17 +57,17 @@
57
  "146": "NOT_ALIVE",
58
  "147": "NOT_ALIVE",
59
  "148": "NOT_ALIVE",
60
- "149": "SUCCESS",
61
  "15": "NOT_ALIVE",
62
  "150": "NON_PARTICIPATING",
63
  "151": "NOT_ALIVE",
64
  "152": "NOT_ALIVE",
65
- "153": "NOT_ALIVE",
66
  "154": "NOT_ALIVE",
67
  "155": "NOT_ALIVE",
68
  "156": "NOT_ALIVE",
69
- "157": "SUCCESS",
70
- "158": "NOT_ALIVE",
71
  "159": "SUCCESS",
72
  "16": "SUCCESS",
73
  "160": "NOT_ALIVE",
@@ -76,16 +76,16 @@
76
  "163": "NON_PARTICIPATING",
77
  "164": "NOT_ALIVE",
78
  "165": "NOT_ALIVE",
79
- "166": "SUCCESS",
80
  "167": "NOT_ALIVE",
81
  "168": "SUCCESS",
82
- "169": "NON_PARTICIPATING",
83
  "17": "NOT_ALIVE",
84
  "170": "NOT_ALIVE",
85
  "171": "NOT_ALIVE",
86
  "172": "NOT_ALIVE",
87
  "173": "NON_PARTICIPATING",
88
- "174": "NOT_ALIVE",
89
  "175": "SUCCESS",
90
  "176": "NOT_ALIVE",
91
  "177": "NOT_ALIVE",
@@ -98,29 +98,29 @@
98
  "183": "NOT_ALIVE",
99
  "184": "SUCCESS",
100
  "185": "SUCCESS",
101
- "186": "NON_PARTICIPATING",
102
  "187": "NOT_ALIVE",
103
  "188": "NON_PARTICIPATING",
104
  "189": "NOT_ALIVE",
105
  "19": "NON_PARTICIPATING",
106
- "190": "NOT_ALIVE",
107
  "191": "NOT_ALIVE",
108
  "192": "NOT_ALIVE",
109
  "193": "NOT_ALIVE",
110
  "194": "NOT_ALIVE",
111
  "195": "NOT_ALIVE",
112
  "196": "NON_PARTICIPATING",
113
- "197": "SUCCESS",
114
  "198": "NON_PARTICIPATING",
115
  "199": "NOT_ALIVE",
116
  "2": "NOT_ALIVE",
117
- "20": "NON_PARTICIPATING",
118
  "200": "SUCCESS",
119
  "201": "NON_PARTICIPATING",
120
  "202": "NOT_ALIVE",
121
  "203": "NOT_ALIVE",
122
  "204": "NOT_ALIVE",
123
- "205": "NOT_ALIVE",
124
  "206": "SUCCESS",
125
  "207": "NOT_ALIVE",
126
  "208": "NOT_ALIVE",
@@ -150,9 +150,9 @@
150
  "23": "NON_PARTICIPATING",
151
  "230": "NOT_ALIVE",
152
  "231": "NON_PARTICIPATING",
153
- "232": "NOT_ALIVE",
154
  "233": "NOT_ALIVE",
155
- "234": "SUCCESS",
156
  "235": "NOT_ALIVE",
157
  "236": "NON_PARTICIPATING",
158
  "237": "SUCCESS",
@@ -165,7 +165,7 @@
165
  "243": "NOT_ALIVE",
166
  "244": "NOT_ALIVE",
167
  "245": "NOT_ALIVE",
168
- "246": "NON_PARTICIPATING",
169
  "247": "NOT_ALIVE",
170
  "248": "SUCCESS",
171
  "249": "NOT_ALIVE",
@@ -176,12 +176,12 @@
176
  "253": "NOT_ALIVE",
177
  "254": "NOT_ALIVE",
178
  "255": "NOT_ALIVE",
179
- "26": "NON_PARTICIPATING",
180
  "27": "SUCCESS",
181
  "28": "NOT_ALIVE",
182
  "29": "NOT_ALIVE",
183
  "3": "SUCCESS",
184
- "30": "NON_PARTICIPATING",
185
  "31": "SUCCESS",
186
  "32": "NOT_ALIVE",
187
  "33": "NOT_ALIVE",
@@ -198,50 +198,50 @@
198
  "43": "NOT_ALIVE",
199
  "44": "NON_PARTICIPATING",
200
  "45": "NOT_ALIVE",
201
- "46": "NOT_ALIVE",
202
  "47": "NOT_ALIVE",
203
  "48": "SUCCESS",
204
  "49": "NOT_ALIVE",
205
  "5": "NOT_ALIVE",
206
  "50": "NOT_ALIVE",
207
- "51": "NOT_ALIVE",
208
  "52": "SUCCESS",
209
- "53": "SUCCESS",
210
  "54": "NOT_ALIVE",
211
  "55": "NON_PARTICIPATING",
212
  "56": "NOT_ALIVE",
213
  "57": "SUCCESS",
214
- "58": "NOT_ALIVE",
215
  "59": "NOT_ALIVE",
216
  "6": "NOT_ALIVE",
217
- "60": "NOT_ALIVE",
218
- "61": "SUCCESS",
219
  "62": "SUCCESS",
220
  "63": "NON_PARTICIPATING",
221
- "64": "NOT_ALIVE",
222
  "65": "NOT_ALIVE",
223
  "66": "NOT_ALIVE",
224
  "67": "NOT_ALIVE",
225
  "68": "NOT_ALIVE",
226
  "69": "SUCCESS",
227
- "7": "NOT_ALIVE",
228
  "70": "NOT_ALIVE",
229
  "71": "NOT_ALIVE",
230
  "72": "NOT_ALIVE",
231
  "73": "SUCCESS",
232
- "74": "NOT_ALIVE",
233
  "75": "SUCCESS",
234
  "76": "NON_PARTICIPATING",
235
  "77": "NOT_ALIVE",
236
  "78": "NON_PARTICIPATING",
237
  "79": "SUCCESS",
238
- "8": "SUCCESS",
239
  "80": "NON_PARTICIPATING",
240
  "81": "NOT_ALIVE",
241
  "82": "NOT_ALIVE",
242
- "83": "NOT_ALIVE",
243
  "84": "NON_PARTICIPATING",
244
- "85": "NON_PARTICIPATING",
245
  "86": "NOT_ALIVE",
246
  "87": "SUCCESS",
247
  "88": "NON_PARTICIPATING",
@@ -253,9 +253,9 @@
253
  "93": "NON_PARTICIPATING",
254
  "94": "NON_PARTICIPATING",
255
  "95": "NOT_ALIVE",
256
- "96": "NON_PARTICIPATING",
257
  "97": "NOT_ALIVE",
258
- "98": "NOT_ALIVE",
259
  "99": "SUCCESS"
260
  },
261
  "architectures": [
@@ -264,8 +264,8 @@
264
  "attention_bias": false,
265
  "attention_dropout": 0.0,
266
  "block_list": [
267
- 6570894,
268
- 6570926
269
  ],
270
  "bos_token_id": 1,
271
  "dtype": "float32",
@@ -274,9 +274,9 @@
274
  "hidden_act": "silu",
275
  "hidden_size": 2048,
276
  "initializer_range": 0.02,
277
- "inner_step": 45,
278
  "intermediate_size": 5632,
279
- "last_allreduce_block": 6570588,
280
  "max_position_embeddings": 2048,
281
  "mlp_bias": false,
282
  "model_type": "llama",
 
22
  "114": "NOT_ALIVE",
23
  "115": "SUCCESS",
24
  "116": "NOT_ALIVE",
25
+ "117": "NOT_ALIVE",
26
+ "118": "SUCCESS",
27
  "119": "NOT_ALIVE",
28
  "12": "NOT_ALIVE",
29
  "120": "NON_PARTICIPATING",
30
  "121": "NOT_ALIVE",
31
  "122": "NOT_ALIVE",
32
  "123": "SUCCESS",
33
+ "124": "SUCCESS",
34
+ "125": "NOT_ALIVE",
35
+ "126": "NOT_ALIVE",
36
  "127": "NOT_ALIVE",
37
  "128": "NOT_ALIVE",
38
  "129": "NOT_ALIVE",
39
+ "13": "NON_PARTICIPATING",
40
+ "130": "NON_PARTICIPATING",
41
  "131": "NOT_ALIVE",
42
  "132": "NOT_ALIVE",
43
  "133": "NOT_ALIVE",
44
  "134": "NOT_ALIVE",
45
+ "135": "NON_PARTICIPATING",
46
  "136": "NOT_ALIVE",
47
  "137": "NOT_ALIVE",
48
  "138": "NOT_ALIVE",
 
57
  "146": "NOT_ALIVE",
58
  "147": "NOT_ALIVE",
59
  "148": "NOT_ALIVE",
60
+ "149": "NOT_ALIVE",
61
  "15": "NOT_ALIVE",
62
  "150": "NON_PARTICIPATING",
63
  "151": "NOT_ALIVE",
64
  "152": "NOT_ALIVE",
65
+ "153": "SUCCESS",
66
  "154": "NOT_ALIVE",
67
  "155": "NOT_ALIVE",
68
  "156": "NOT_ALIVE",
69
+ "157": "NON_PARTICIPATING",
70
+ "158": "SUCCESS",
71
  "159": "SUCCESS",
72
  "16": "SUCCESS",
73
  "160": "NOT_ALIVE",
 
76
  "163": "NON_PARTICIPATING",
77
  "164": "NOT_ALIVE",
78
  "165": "NOT_ALIVE",
79
+ "166": "NOT_ALIVE",
80
  "167": "NOT_ALIVE",
81
  "168": "SUCCESS",
82
+ "169": "NOT_ALIVE",
83
  "17": "NOT_ALIVE",
84
  "170": "NOT_ALIVE",
85
  "171": "NOT_ALIVE",
86
  "172": "NOT_ALIVE",
87
  "173": "NON_PARTICIPATING",
88
+ "174": "NON_PARTICIPATING",
89
  "175": "SUCCESS",
90
  "176": "NOT_ALIVE",
91
  "177": "NOT_ALIVE",
 
98
  "183": "NOT_ALIVE",
99
  "184": "SUCCESS",
100
  "185": "SUCCESS",
101
+ "186": "NOT_ALIVE",
102
  "187": "NOT_ALIVE",
103
  "188": "NON_PARTICIPATING",
104
  "189": "NOT_ALIVE",
105
  "19": "NON_PARTICIPATING",
106
+ "190": "SUCCESS",
107
  "191": "NOT_ALIVE",
108
  "192": "NOT_ALIVE",
109
  "193": "NOT_ALIVE",
110
  "194": "NOT_ALIVE",
111
  "195": "NOT_ALIVE",
112
  "196": "NON_PARTICIPATING",
113
+ "197": "NOT_ALIVE",
114
  "198": "NON_PARTICIPATING",
115
  "199": "NOT_ALIVE",
116
  "2": "NOT_ALIVE",
117
+ "20": "NOT_ALIVE",
118
  "200": "SUCCESS",
119
  "201": "NON_PARTICIPATING",
120
  "202": "NOT_ALIVE",
121
  "203": "NOT_ALIVE",
122
  "204": "NOT_ALIVE",
123
+ "205": "NON_PARTICIPATING",
124
  "206": "SUCCESS",
125
  "207": "NOT_ALIVE",
126
  "208": "NOT_ALIVE",
 
150
  "23": "NON_PARTICIPATING",
151
  "230": "NOT_ALIVE",
152
  "231": "NON_PARTICIPATING",
153
+ "232": "NON_PARTICIPATING",
154
  "233": "NOT_ALIVE",
155
+ "234": "NOT_ALIVE",
156
  "235": "NOT_ALIVE",
157
  "236": "NON_PARTICIPATING",
158
  "237": "SUCCESS",
 
165
  "243": "NOT_ALIVE",
166
  "244": "NOT_ALIVE",
167
  "245": "NOT_ALIVE",
168
+ "246": "NOT_ALIVE",
169
  "247": "NOT_ALIVE",
170
  "248": "SUCCESS",
171
  "249": "NOT_ALIVE",
 
176
  "253": "NOT_ALIVE",
177
  "254": "NOT_ALIVE",
178
  "255": "NOT_ALIVE",
179
+ "26": "NOT_ALIVE",
180
  "27": "SUCCESS",
181
  "28": "NOT_ALIVE",
182
  "29": "NOT_ALIVE",
183
  "3": "SUCCESS",
184
+ "30": "SUCCESS",
185
  "31": "SUCCESS",
186
  "32": "NOT_ALIVE",
187
  "33": "NOT_ALIVE",
 
198
  "43": "NOT_ALIVE",
199
  "44": "NON_PARTICIPATING",
200
  "45": "NOT_ALIVE",
201
+ "46": "SUCCESS",
202
  "47": "NOT_ALIVE",
203
  "48": "SUCCESS",
204
  "49": "NOT_ALIVE",
205
  "5": "NOT_ALIVE",
206
  "50": "NOT_ALIVE",
207
+ "51": "NON_PARTICIPATING",
208
  "52": "SUCCESS",
209
+ "53": "NON_PARTICIPATING",
210
  "54": "NOT_ALIVE",
211
  "55": "NON_PARTICIPATING",
212
  "56": "NOT_ALIVE",
213
  "57": "SUCCESS",
214
+ "58": "NON_PARTICIPATING",
215
  "59": "NOT_ALIVE",
216
  "6": "NOT_ALIVE",
217
+ "60": "NON_PARTICIPATING",
218
+ "61": "NOT_ALIVE",
219
  "62": "SUCCESS",
220
  "63": "NON_PARTICIPATING",
221
+ "64": "NON_PARTICIPATING",
222
  "65": "NOT_ALIVE",
223
  "66": "NOT_ALIVE",
224
  "67": "NOT_ALIVE",
225
  "68": "NOT_ALIVE",
226
  "69": "SUCCESS",
227
+ "7": "NON_PARTICIPATING",
228
  "70": "NOT_ALIVE",
229
  "71": "NOT_ALIVE",
230
  "72": "NOT_ALIVE",
231
  "73": "SUCCESS",
232
+ "74": "NON_PARTICIPATING",
233
  "75": "SUCCESS",
234
  "76": "NON_PARTICIPATING",
235
  "77": "NOT_ALIVE",
236
  "78": "NON_PARTICIPATING",
237
  "79": "SUCCESS",
238
+ "8": "NOT_ALIVE",
239
  "80": "NON_PARTICIPATING",
240
  "81": "NOT_ALIVE",
241
  "82": "NOT_ALIVE",
242
+ "83": "SUCCESS",
243
  "84": "NON_PARTICIPATING",
244
+ "85": "SUCCESS",
245
  "86": "NOT_ALIVE",
246
  "87": "SUCCESS",
247
  "88": "NON_PARTICIPATING",
 
253
  "93": "NON_PARTICIPATING",
254
  "94": "NON_PARTICIPATING",
255
  "95": "NOT_ALIVE",
256
+ "96": "SUCCESS",
257
  "97": "NOT_ALIVE",
258
+ "98": "SUCCESS",
259
  "99": "SUCCESS"
260
  },
261
  "architectures": [
 
264
  "attention_bias": false,
265
  "attention_dropout": 0.0,
266
  "block_list": [
267
+ 6571012,
268
+ 6571040
269
  ],
270
  "bos_token_id": 1,
271
  "dtype": "float32",
 
274
  "hidden_act": "silu",
275
  "hidden_size": 2048,
276
  "initializer_range": 0.02,
277
+ "inner_step": 8,
278
  "intermediate_size": 5632,
279
+ "last_allreduce_block": 6570982,
280
  "max_position_embeddings": 2048,
281
  "mlp_bias": false,
282
  "model_type": "llama",
gradients.pt CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:cd7dcbdd35f61135ffe87d6f9d369365bafe4f0c3279b7386ea3124902982008
3
  size 88389626
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:ff778b957f0952fa6390852452b3129d17006ca8156d6d19a3954a9a1cdd6069
3
  size 88389626
inner_optimizer.pt CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:666b3a9a1f250a3bbc46d1f804c54eab62dacf2c610cbb7eadab88adb924f732
3
  size 4924926906
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:34f6ada4fa20b69f5232aee40130dd4ba0c6fd2338e90a28c67c7cc9af724ab5
3
  size 4924926906
model.safetensors CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:6a24b598aa4ddf95f3af99f40f6b5dbcc13a78039efc2d514c5ba1b1a3f0b804
3
  size 4400216536
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:54ad59a53012b0e2405373f31f0dbc4a93e78c9e92372e43aa58aeb86a551359
3
  size 4400216536