Upload checkpoint 750 from Kaggle
Browse files- config.json +26 -0
- model.safetensors +3 -0
- optimizer.pt +3 -0
- rng_state.pth +3 -0
- scheduler.pt +3 -0
- trainer_state.json +578 -0
- training_args.bin +3 -0
config.json
ADDED
|
@@ -0,0 +1,26 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"architectures": [
|
| 3 |
+
"BertForSequenceClassification"
|
| 4 |
+
],
|
| 5 |
+
"attention_probs_dropout_prob": 0.1,
|
| 6 |
+
"classifier_dropout": null,
|
| 7 |
+
"dtype": "float32",
|
| 8 |
+
"gradient_checkpointing": false,
|
| 9 |
+
"hidden_act": "gelu",
|
| 10 |
+
"hidden_dropout_prob": 0.1,
|
| 11 |
+
"hidden_size": 768,
|
| 12 |
+
"initializer_range": 0.02,
|
| 13 |
+
"intermediate_size": 3072,
|
| 14 |
+
"layer_norm_eps": 1e-12,
|
| 15 |
+
"max_position_embeddings": 512,
|
| 16 |
+
"model_type": "bert",
|
| 17 |
+
"num_attention_heads": 12,
|
| 18 |
+
"num_hidden_layers": 12,
|
| 19 |
+
"pad_token_id": 0,
|
| 20 |
+
"position_embedding_type": "absolute",
|
| 21 |
+
"problem_type": "single_label_classification",
|
| 22 |
+
"transformers_version": "4.56.2",
|
| 23 |
+
"type_vocab_size": 2,
|
| 24 |
+
"use_cache": true,
|
| 25 |
+
"vocab_size": 30522
|
| 26 |
+
}
|
model.safetensors
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:bd52b7ec6f25c83780a9a91a5076c4baa8eedc430aa4dbe670a4f2cf7e56f996
|
| 3 |
+
size 437958648
|
optimizer.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:7759375bc9e8316ca02c9f658bce1e8f0fcda07aa2eda573ed25a93f7119c704
|
| 3 |
+
size 876038330
|
rng_state.pth
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:ad0ee4a9490adb0a6a51054e9d70c5955800dbe9d1d26041c1f4a23e66060853
|
| 3 |
+
size 14244
|
scheduler.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:71f5562428db3b7c5e56b4d3ed6ea58f5e028b1275fd0c421421e8131c43ad77
|
| 3 |
+
size 1064
|
trainer_state.json
ADDED
|
@@ -0,0 +1,578 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_global_step": 750,
|
| 3 |
+
"best_metric": 0.9994999999861112,
|
| 4 |
+
"best_model_checkpoint": "./results/checkpoint-750",
|
| 5 |
+
"epoch": 1.0,
|
| 6 |
+
"eval_steps": 500,
|
| 7 |
+
"global_step": 750,
|
| 8 |
+
"is_hyper_param_search": false,
|
| 9 |
+
"is_local_process_zero": true,
|
| 10 |
+
"is_world_process_zero": true,
|
| 11 |
+
"log_history": [
|
| 12 |
+
{
|
| 13 |
+
"epoch": 0.013333333333333334,
|
| 14 |
+
"grad_norm": 4.2009477615356445,
|
| 15 |
+
"learning_rate": 1.9920000000000002e-05,
|
| 16 |
+
"loss": 0.5793,
|
| 17 |
+
"step": 10
|
| 18 |
+
},
|
| 19 |
+
{
|
| 20 |
+
"epoch": 0.02666666666666667,
|
| 21 |
+
"grad_norm": 5.8630290031433105,
|
| 22 |
+
"learning_rate": 1.9831111111111113e-05,
|
| 23 |
+
"loss": 0.3539,
|
| 24 |
+
"step": 20
|
| 25 |
+
},
|
| 26 |
+
{
|
| 27 |
+
"epoch": 0.04,
|
| 28 |
+
"grad_norm": 2.211989402770996,
|
| 29 |
+
"learning_rate": 1.9742222222222223e-05,
|
| 30 |
+
"loss": 0.1573,
|
| 31 |
+
"step": 30
|
| 32 |
+
},
|
| 33 |
+
{
|
| 34 |
+
"epoch": 0.05333333333333334,
|
| 35 |
+
"grad_norm": 1.2404732704162598,
|
| 36 |
+
"learning_rate": 1.9653333333333334e-05,
|
| 37 |
+
"loss": 0.0594,
|
| 38 |
+
"step": 40
|
| 39 |
+
},
|
| 40 |
+
{
|
| 41 |
+
"epoch": 0.06666666666666667,
|
| 42 |
+
"grad_norm": 0.19655780494213104,
|
| 43 |
+
"learning_rate": 1.9564444444444444e-05,
|
| 44 |
+
"loss": 0.0144,
|
| 45 |
+
"step": 50
|
| 46 |
+
},
|
| 47 |
+
{
|
| 48 |
+
"epoch": 0.08,
|
| 49 |
+
"grad_norm": 0.09529717266559601,
|
| 50 |
+
"learning_rate": 1.9475555555555558e-05,
|
| 51 |
+
"loss": 0.023,
|
| 52 |
+
"step": 60
|
| 53 |
+
},
|
| 54 |
+
{
|
| 55 |
+
"epoch": 0.09333333333333334,
|
| 56 |
+
"grad_norm": 0.06829739362001419,
|
| 57 |
+
"learning_rate": 1.938666666666667e-05,
|
| 58 |
+
"loss": 0.0116,
|
| 59 |
+
"step": 70
|
| 60 |
+
},
|
| 61 |
+
{
|
| 62 |
+
"epoch": 0.10666666666666667,
|
| 63 |
+
"grad_norm": 12.565340995788574,
|
| 64 |
+
"learning_rate": 1.929777777777778e-05,
|
| 65 |
+
"loss": 0.0297,
|
| 66 |
+
"step": 80
|
| 67 |
+
},
|
| 68 |
+
{
|
| 69 |
+
"epoch": 0.12,
|
| 70 |
+
"grad_norm": 5.317912578582764,
|
| 71 |
+
"learning_rate": 1.920888888888889e-05,
|
| 72 |
+
"loss": 0.0085,
|
| 73 |
+
"step": 90
|
| 74 |
+
},
|
| 75 |
+
{
|
| 76 |
+
"epoch": 0.13333333333333333,
|
| 77 |
+
"grad_norm": 0.029530808329582214,
|
| 78 |
+
"learning_rate": 1.912e-05,
|
| 79 |
+
"loss": 0.019,
|
| 80 |
+
"step": 100
|
| 81 |
+
},
|
| 82 |
+
{
|
| 83 |
+
"epoch": 0.14666666666666667,
|
| 84 |
+
"grad_norm": 0.03396850824356079,
|
| 85 |
+
"learning_rate": 1.9031111111111114e-05,
|
| 86 |
+
"loss": 0.0189,
|
| 87 |
+
"step": 110
|
| 88 |
+
},
|
| 89 |
+
{
|
| 90 |
+
"epoch": 0.16,
|
| 91 |
+
"grad_norm": 0.033129382878541946,
|
| 92 |
+
"learning_rate": 1.8942222222222224e-05,
|
| 93 |
+
"loss": 0.0235,
|
| 94 |
+
"step": 120
|
| 95 |
+
},
|
| 96 |
+
{
|
| 97 |
+
"epoch": 0.17333333333333334,
|
| 98 |
+
"grad_norm": 1.7287143468856812,
|
| 99 |
+
"learning_rate": 1.8853333333333335e-05,
|
| 100 |
+
"loss": 0.0063,
|
| 101 |
+
"step": 130
|
| 102 |
+
},
|
| 103 |
+
{
|
| 104 |
+
"epoch": 0.18666666666666668,
|
| 105 |
+
"grad_norm": 15.222946166992188,
|
| 106 |
+
"learning_rate": 1.8764444444444445e-05,
|
| 107 |
+
"loss": 0.0143,
|
| 108 |
+
"step": 140
|
| 109 |
+
},
|
| 110 |
+
{
|
| 111 |
+
"epoch": 0.2,
|
| 112 |
+
"grad_norm": 0.05714699253439903,
|
| 113 |
+
"learning_rate": 1.867555555555556e-05,
|
| 114 |
+
"loss": 0.0011,
|
| 115 |
+
"step": 150
|
| 116 |
+
},
|
| 117 |
+
{
|
| 118 |
+
"epoch": 0.21333333333333335,
|
| 119 |
+
"grad_norm": 0.016429800540208817,
|
| 120 |
+
"learning_rate": 1.858666666666667e-05,
|
| 121 |
+
"loss": 0.0121,
|
| 122 |
+
"step": 160
|
| 123 |
+
},
|
| 124 |
+
{
|
| 125 |
+
"epoch": 0.22666666666666666,
|
| 126 |
+
"grad_norm": 0.019843479618430138,
|
| 127 |
+
"learning_rate": 1.849777777777778e-05,
|
| 128 |
+
"loss": 0.0017,
|
| 129 |
+
"step": 170
|
| 130 |
+
},
|
| 131 |
+
{
|
| 132 |
+
"epoch": 0.24,
|
| 133 |
+
"grad_norm": 7.414809226989746,
|
| 134 |
+
"learning_rate": 1.840888888888889e-05,
|
| 135 |
+
"loss": 0.0237,
|
| 136 |
+
"step": 180
|
| 137 |
+
},
|
| 138 |
+
{
|
| 139 |
+
"epoch": 0.25333333333333335,
|
| 140 |
+
"grad_norm": 0.015916986390948296,
|
| 141 |
+
"learning_rate": 1.832e-05,
|
| 142 |
+
"loss": 0.0008,
|
| 143 |
+
"step": 190
|
| 144 |
+
},
|
| 145 |
+
{
|
| 146 |
+
"epoch": 0.26666666666666666,
|
| 147 |
+
"grad_norm": 0.0964478999376297,
|
| 148 |
+
"learning_rate": 1.823111111111111e-05,
|
| 149 |
+
"loss": 0.0008,
|
| 150 |
+
"step": 200
|
| 151 |
+
},
|
| 152 |
+
{
|
| 153 |
+
"epoch": 0.28,
|
| 154 |
+
"grad_norm": 0.010824169963598251,
|
| 155 |
+
"learning_rate": 1.814222222222222e-05,
|
| 156 |
+
"loss": 0.0006,
|
| 157 |
+
"step": 210
|
| 158 |
+
},
|
| 159 |
+
{
|
| 160 |
+
"epoch": 0.29333333333333333,
|
| 161 |
+
"grad_norm": 0.01576155610382557,
|
| 162 |
+
"learning_rate": 1.8053333333333332e-05,
|
| 163 |
+
"loss": 0.0006,
|
| 164 |
+
"step": 220
|
| 165 |
+
},
|
| 166 |
+
{
|
| 167 |
+
"epoch": 0.30666666666666664,
|
| 168 |
+
"grad_norm": 0.07949530333280563,
|
| 169 |
+
"learning_rate": 1.7964444444444446e-05,
|
| 170 |
+
"loss": 0.0005,
|
| 171 |
+
"step": 230
|
| 172 |
+
},
|
| 173 |
+
{
|
| 174 |
+
"epoch": 0.32,
|
| 175 |
+
"grad_norm": 0.008866013959050179,
|
| 176 |
+
"learning_rate": 1.7875555555555556e-05,
|
| 177 |
+
"loss": 0.0005,
|
| 178 |
+
"step": 240
|
| 179 |
+
},
|
| 180 |
+
{
|
| 181 |
+
"epoch": 0.3333333333333333,
|
| 182 |
+
"grad_norm": 0.009053224697709084,
|
| 183 |
+
"learning_rate": 1.7786666666666667e-05,
|
| 184 |
+
"loss": 0.0004,
|
| 185 |
+
"step": 250
|
| 186 |
+
},
|
| 187 |
+
{
|
| 188 |
+
"epoch": 0.3466666666666667,
|
| 189 |
+
"grad_norm": 0.007565929088741541,
|
| 190 |
+
"learning_rate": 1.7697777777777777e-05,
|
| 191 |
+
"loss": 0.0004,
|
| 192 |
+
"step": 260
|
| 193 |
+
},
|
| 194 |
+
{
|
| 195 |
+
"epoch": 0.36,
|
| 196 |
+
"grad_norm": 5.090193271636963,
|
| 197 |
+
"learning_rate": 1.760888888888889e-05,
|
| 198 |
+
"loss": 0.0127,
|
| 199 |
+
"step": 270
|
| 200 |
+
},
|
| 201 |
+
{
|
| 202 |
+
"epoch": 0.37333333333333335,
|
| 203 |
+
"grad_norm": 0.07115495949983597,
|
| 204 |
+
"learning_rate": 1.752e-05,
|
| 205 |
+
"loss": 0.002,
|
| 206 |
+
"step": 280
|
| 207 |
+
},
|
| 208 |
+
{
|
| 209 |
+
"epoch": 0.38666666666666666,
|
| 210 |
+
"grad_norm": 6.205690860748291,
|
| 211 |
+
"learning_rate": 1.7431111111111112e-05,
|
| 212 |
+
"loss": 0.0014,
|
| 213 |
+
"step": 290
|
| 214 |
+
},
|
| 215 |
+
{
|
| 216 |
+
"epoch": 0.4,
|
| 217 |
+
"grad_norm": 0.0062888432294130325,
|
| 218 |
+
"learning_rate": 1.7342222222222226e-05,
|
| 219 |
+
"loss": 0.0051,
|
| 220 |
+
"step": 300
|
| 221 |
+
},
|
| 222 |
+
{
|
| 223 |
+
"epoch": 0.41333333333333333,
|
| 224 |
+
"grad_norm": 0.006533649750053883,
|
| 225 |
+
"learning_rate": 1.7253333333333336e-05,
|
| 226 |
+
"loss": 0.0328,
|
| 227 |
+
"step": 310
|
| 228 |
+
},
|
| 229 |
+
{
|
| 230 |
+
"epoch": 0.4266666666666667,
|
| 231 |
+
"grad_norm": 0.006772203836590052,
|
| 232 |
+
"learning_rate": 1.7164444444444447e-05,
|
| 233 |
+
"loss": 0.0003,
|
| 234 |
+
"step": 320
|
| 235 |
+
},
|
| 236 |
+
{
|
| 237 |
+
"epoch": 0.44,
|
| 238 |
+
"grad_norm": 0.011663462966680527,
|
| 239 |
+
"learning_rate": 1.7075555555555557e-05,
|
| 240 |
+
"loss": 0.0249,
|
| 241 |
+
"step": 330
|
| 242 |
+
},
|
| 243 |
+
{
|
| 244 |
+
"epoch": 0.4533333333333333,
|
| 245 |
+
"grad_norm": 0.010735326446592808,
|
| 246 |
+
"learning_rate": 1.6986666666666668e-05,
|
| 247 |
+
"loss": 0.0068,
|
| 248 |
+
"step": 340
|
| 249 |
+
},
|
| 250 |
+
{
|
| 251 |
+
"epoch": 0.4666666666666667,
|
| 252 |
+
"grad_norm": 0.10516713559627533,
|
| 253 |
+
"learning_rate": 1.6897777777777778e-05,
|
| 254 |
+
"loss": 0.0308,
|
| 255 |
+
"step": 350
|
| 256 |
+
},
|
| 257 |
+
{
|
| 258 |
+
"epoch": 0.48,
|
| 259 |
+
"grad_norm": 0.01908380538225174,
|
| 260 |
+
"learning_rate": 1.680888888888889e-05,
|
| 261 |
+
"loss": 0.0015,
|
| 262 |
+
"step": 360
|
| 263 |
+
},
|
| 264 |
+
{
|
| 265 |
+
"epoch": 0.49333333333333335,
|
| 266 |
+
"grad_norm": 0.007610603701323271,
|
| 267 |
+
"learning_rate": 1.672e-05,
|
| 268 |
+
"loss": 0.0203,
|
| 269 |
+
"step": 370
|
| 270 |
+
},
|
| 271 |
+
{
|
| 272 |
+
"epoch": 0.5066666666666667,
|
| 273 |
+
"grad_norm": 0.006722429767251015,
|
| 274 |
+
"learning_rate": 1.6631111111111113e-05,
|
| 275 |
+
"loss": 0.0003,
|
| 276 |
+
"step": 380
|
| 277 |
+
},
|
| 278 |
+
{
|
| 279 |
+
"epoch": 0.52,
|
| 280 |
+
"grad_norm": 0.0061662993393838406,
|
| 281 |
+
"learning_rate": 1.6542222222222223e-05,
|
| 282 |
+
"loss": 0.0003,
|
| 283 |
+
"step": 390
|
| 284 |
+
},
|
| 285 |
+
{
|
| 286 |
+
"epoch": 0.5333333333333333,
|
| 287 |
+
"grad_norm": 7.585030555725098,
|
| 288 |
+
"learning_rate": 1.6453333333333334e-05,
|
| 289 |
+
"loss": 0.0334,
|
| 290 |
+
"step": 400
|
| 291 |
+
},
|
| 292 |
+
{
|
| 293 |
+
"epoch": 0.5466666666666666,
|
| 294 |
+
"grad_norm": 0.008586220443248749,
|
| 295 |
+
"learning_rate": 1.6364444444444444e-05,
|
| 296 |
+
"loss": 0.0004,
|
| 297 |
+
"step": 410
|
| 298 |
+
},
|
| 299 |
+
{
|
| 300 |
+
"epoch": 0.56,
|
| 301 |
+
"grad_norm": 0.006108617875725031,
|
| 302 |
+
"learning_rate": 1.6275555555555558e-05,
|
| 303 |
+
"loss": 0.0017,
|
| 304 |
+
"step": 420
|
| 305 |
+
},
|
| 306 |
+
{
|
| 307 |
+
"epoch": 0.5733333333333334,
|
| 308 |
+
"grad_norm": 0.2832947373390198,
|
| 309 |
+
"learning_rate": 1.618666666666667e-05,
|
| 310 |
+
"loss": 0.0004,
|
| 311 |
+
"step": 430
|
| 312 |
+
},
|
| 313 |
+
{
|
| 314 |
+
"epoch": 0.5866666666666667,
|
| 315 |
+
"grad_norm": 0.004175846930593252,
|
| 316 |
+
"learning_rate": 1.609777777777778e-05,
|
| 317 |
+
"loss": 0.0004,
|
| 318 |
+
"step": 440
|
| 319 |
+
},
|
| 320 |
+
{
|
| 321 |
+
"epoch": 0.6,
|
| 322 |
+
"grad_norm": 0.004677283577620983,
|
| 323 |
+
"learning_rate": 1.600888888888889e-05,
|
| 324 |
+
"loss": 0.0038,
|
| 325 |
+
"step": 450
|
| 326 |
+
},
|
| 327 |
+
{
|
| 328 |
+
"epoch": 0.6133333333333333,
|
| 329 |
+
"grad_norm": 0.004427958279848099,
|
| 330 |
+
"learning_rate": 1.5920000000000003e-05,
|
| 331 |
+
"loss": 0.0002,
|
| 332 |
+
"step": 460
|
| 333 |
+
},
|
| 334 |
+
{
|
| 335 |
+
"epoch": 0.6266666666666667,
|
| 336 |
+
"grad_norm": 0.24659259617328644,
|
| 337 |
+
"learning_rate": 1.5831111111111114e-05,
|
| 338 |
+
"loss": 0.0125,
|
| 339 |
+
"step": 470
|
| 340 |
+
},
|
| 341 |
+
{
|
| 342 |
+
"epoch": 0.64,
|
| 343 |
+
"grad_norm": 0.003993011079728603,
|
| 344 |
+
"learning_rate": 1.5742222222222224e-05,
|
| 345 |
+
"loss": 0.0068,
|
| 346 |
+
"step": 480
|
| 347 |
+
},
|
| 348 |
+
{
|
| 349 |
+
"epoch": 0.6533333333333333,
|
| 350 |
+
"grad_norm": 5.769199371337891,
|
| 351 |
+
"learning_rate": 1.5653333333333335e-05,
|
| 352 |
+
"loss": 0.0013,
|
| 353 |
+
"step": 490
|
| 354 |
+
},
|
| 355 |
+
{
|
| 356 |
+
"epoch": 0.6666666666666666,
|
| 357 |
+
"grad_norm": 0.0035064038820564747,
|
| 358 |
+
"learning_rate": 1.5564444444444445e-05,
|
| 359 |
+
"loss": 0.0012,
|
| 360 |
+
"step": 500
|
| 361 |
+
},
|
| 362 |
+
{
|
| 363 |
+
"epoch": 0.68,
|
| 364 |
+
"grad_norm": 0.027934523299336433,
|
| 365 |
+
"learning_rate": 1.5475555555555556e-05,
|
| 366 |
+
"loss": 0.0001,
|
| 367 |
+
"step": 510
|
| 368 |
+
},
|
| 369 |
+
{
|
| 370 |
+
"epoch": 0.6933333333333334,
|
| 371 |
+
"grad_norm": 0.015728602185845375,
|
| 372 |
+
"learning_rate": 1.5386666666666666e-05,
|
| 373 |
+
"loss": 0.0271,
|
| 374 |
+
"step": 520
|
| 375 |
+
},
|
| 376 |
+
{
|
| 377 |
+
"epoch": 0.7066666666666667,
|
| 378 |
+
"grad_norm": 0.019892141222953796,
|
| 379 |
+
"learning_rate": 1.5297777777777777e-05,
|
| 380 |
+
"loss": 0.0029,
|
| 381 |
+
"step": 530
|
| 382 |
+
},
|
| 383 |
+
{
|
| 384 |
+
"epoch": 0.72,
|
| 385 |
+
"grad_norm": 0.013008343055844307,
|
| 386 |
+
"learning_rate": 1.520888888888889e-05,
|
| 387 |
+
"loss": 0.0148,
|
| 388 |
+
"step": 540
|
| 389 |
+
},
|
| 390 |
+
{
|
| 391 |
+
"epoch": 0.7333333333333333,
|
| 392 |
+
"grad_norm": 0.00606475630775094,
|
| 393 |
+
"learning_rate": 1.5120000000000001e-05,
|
| 394 |
+
"loss": 0.0003,
|
| 395 |
+
"step": 550
|
| 396 |
+
},
|
| 397 |
+
{
|
| 398 |
+
"epoch": 0.7466666666666667,
|
| 399 |
+
"grad_norm": 0.006063585169613361,
|
| 400 |
+
"learning_rate": 1.5031111111111111e-05,
|
| 401 |
+
"loss": 0.01,
|
| 402 |
+
"step": 560
|
| 403 |
+
},
|
| 404 |
+
{
|
| 405 |
+
"epoch": 0.76,
|
| 406 |
+
"grad_norm": 0.06981518119573593,
|
| 407 |
+
"learning_rate": 1.4942222222222222e-05,
|
| 408 |
+
"loss": 0.0003,
|
| 409 |
+
"step": 570
|
| 410 |
+
},
|
| 411 |
+
{
|
| 412 |
+
"epoch": 0.7733333333333333,
|
| 413 |
+
"grad_norm": 0.0042991722002625465,
|
| 414 |
+
"learning_rate": 1.4853333333333336e-05,
|
| 415 |
+
"loss": 0.0303,
|
| 416 |
+
"step": 580
|
| 417 |
+
},
|
| 418 |
+
{
|
| 419 |
+
"epoch": 0.7866666666666666,
|
| 420 |
+
"grad_norm": 0.010419433005154133,
|
| 421 |
+
"learning_rate": 1.4764444444444446e-05,
|
| 422 |
+
"loss": 0.0092,
|
| 423 |
+
"step": 590
|
| 424 |
+
},
|
| 425 |
+
{
|
| 426 |
+
"epoch": 0.8,
|
| 427 |
+
"grad_norm": 0.009145410731434822,
|
| 428 |
+
"learning_rate": 1.4675555555555557e-05,
|
| 429 |
+
"loss": 0.0038,
|
| 430 |
+
"step": 600
|
| 431 |
+
},
|
| 432 |
+
{
|
| 433 |
+
"epoch": 0.8133333333333334,
|
| 434 |
+
"grad_norm": 0.32218819856643677,
|
| 435 |
+
"learning_rate": 1.4586666666666667e-05,
|
| 436 |
+
"loss": 0.0181,
|
| 437 |
+
"step": 610
|
| 438 |
+
},
|
| 439 |
+
{
|
| 440 |
+
"epoch": 0.8266666666666667,
|
| 441 |
+
"grad_norm": 0.018776364624500275,
|
| 442 |
+
"learning_rate": 1.449777777777778e-05,
|
| 443 |
+
"loss": 0.0034,
|
| 444 |
+
"step": 620
|
| 445 |
+
},
|
| 446 |
+
{
|
| 447 |
+
"epoch": 0.84,
|
| 448 |
+
"grad_norm": 0.046578943729400635,
|
| 449 |
+
"learning_rate": 1.440888888888889e-05,
|
| 450 |
+
"loss": 0.0033,
|
| 451 |
+
"step": 630
|
| 452 |
+
},
|
| 453 |
+
{
|
| 454 |
+
"epoch": 0.8533333333333334,
|
| 455 |
+
"grad_norm": 0.007687447592616081,
|
| 456 |
+
"learning_rate": 1.432e-05,
|
| 457 |
+
"loss": 0.0004,
|
| 458 |
+
"step": 640
|
| 459 |
+
},
|
| 460 |
+
{
|
| 461 |
+
"epoch": 0.8666666666666667,
|
| 462 |
+
"grad_norm": 0.006212145555764437,
|
| 463 |
+
"learning_rate": 1.4231111111111114e-05,
|
| 464 |
+
"loss": 0.0005,
|
| 465 |
+
"step": 650
|
| 466 |
+
},
|
| 467 |
+
{
|
| 468 |
+
"epoch": 0.88,
|
| 469 |
+
"grad_norm": 0.005200870335102081,
|
| 470 |
+
"learning_rate": 1.4142222222222224e-05,
|
| 471 |
+
"loss": 0.0002,
|
| 472 |
+
"step": 660
|
| 473 |
+
},
|
| 474 |
+
{
|
| 475 |
+
"epoch": 0.8933333333333333,
|
| 476 |
+
"grad_norm": 0.004263885784894228,
|
| 477 |
+
"learning_rate": 1.4053333333333335e-05,
|
| 478 |
+
"loss": 0.0036,
|
| 479 |
+
"step": 670
|
| 480 |
+
},
|
| 481 |
+
{
|
| 482 |
+
"epoch": 0.9066666666666666,
|
| 483 |
+
"grad_norm": 0.018244730308651924,
|
| 484 |
+
"learning_rate": 1.3964444444444445e-05,
|
| 485 |
+
"loss": 0.0218,
|
| 486 |
+
"step": 680
|
| 487 |
+
},
|
| 488 |
+
{
|
| 489 |
+
"epoch": 0.92,
|
| 490 |
+
"grad_norm": 0.0318700410425663,
|
| 491 |
+
"learning_rate": 1.3875555555555557e-05,
|
| 492 |
+
"loss": 0.0005,
|
| 493 |
+
"step": 690
|
| 494 |
+
},
|
| 495 |
+
{
|
| 496 |
+
"epoch": 0.9333333333333333,
|
| 497 |
+
"grad_norm": 0.008346239104866982,
|
| 498 |
+
"learning_rate": 1.3786666666666668e-05,
|
| 499 |
+
"loss": 0.003,
|
| 500 |
+
"step": 700
|
| 501 |
+
},
|
| 502 |
+
{
|
| 503 |
+
"epoch": 0.9466666666666667,
|
| 504 |
+
"grad_norm": 0.004403337836265564,
|
| 505 |
+
"learning_rate": 1.3697777777777778e-05,
|
| 506 |
+
"loss": 0.0012,
|
| 507 |
+
"step": 710
|
| 508 |
+
},
|
| 509 |
+
{
|
| 510 |
+
"epoch": 0.96,
|
| 511 |
+
"grad_norm": 24.84230613708496,
|
| 512 |
+
"learning_rate": 1.3608888888888889e-05,
|
| 513 |
+
"loss": 0.0068,
|
| 514 |
+
"step": 720
|
| 515 |
+
},
|
| 516 |
+
{
|
| 517 |
+
"epoch": 0.9733333333333334,
|
| 518 |
+
"grad_norm": 0.0038202879950404167,
|
| 519 |
+
"learning_rate": 1.3520000000000003e-05,
|
| 520 |
+
"loss": 0.0002,
|
| 521 |
+
"step": 730
|
| 522 |
+
},
|
| 523 |
+
{
|
| 524 |
+
"epoch": 0.9866666666666667,
|
| 525 |
+
"grad_norm": 0.0034862267784774303,
|
| 526 |
+
"learning_rate": 1.3431111111111113e-05,
|
| 527 |
+
"loss": 0.0004,
|
| 528 |
+
"step": 740
|
| 529 |
+
},
|
| 530 |
+
{
|
| 531 |
+
"epoch": 1.0,
|
| 532 |
+
"grad_norm": 0.005799445789307356,
|
| 533 |
+
"learning_rate": 1.3342222222222224e-05,
|
| 534 |
+
"loss": 0.0002,
|
| 535 |
+
"step": 750
|
| 536 |
+
},
|
| 537 |
+
{
|
| 538 |
+
"epoch": 1.0,
|
| 539 |
+
"eval_accuracy": 0.9995,
|
| 540 |
+
"eval_f1": 0.9994999999861112,
|
| 541 |
+
"eval_loss": 0.002998237032443285,
|
| 542 |
+
"eval_runtime": 31.8484,
|
| 543 |
+
"eval_samples_per_second": 188.393,
|
| 544 |
+
"eval_steps_per_second": 5.903,
|
| 545 |
+
"step": 750
|
| 546 |
+
}
|
| 547 |
+
],
|
| 548 |
+
"logging_steps": 10,
|
| 549 |
+
"max_steps": 2250,
|
| 550 |
+
"num_input_tokens_seen": 0,
|
| 551 |
+
"num_train_epochs": 3,
|
| 552 |
+
"save_steps": 500,
|
| 553 |
+
"stateful_callbacks": {
|
| 554 |
+
"EarlyStoppingCallback": {
|
| 555 |
+
"args": {
|
| 556 |
+
"early_stopping_patience": 2,
|
| 557 |
+
"early_stopping_threshold": 0.0
|
| 558 |
+
},
|
| 559 |
+
"attributes": {
|
| 560 |
+
"early_stopping_patience_counter": 0
|
| 561 |
+
}
|
| 562 |
+
},
|
| 563 |
+
"TrainerControl": {
|
| 564 |
+
"args": {
|
| 565 |
+
"should_epoch_stop": false,
|
| 566 |
+
"should_evaluate": false,
|
| 567 |
+
"should_log": false,
|
| 568 |
+
"should_save": true,
|
| 569 |
+
"should_training_stop": false
|
| 570 |
+
},
|
| 571 |
+
"attributes": {}
|
| 572 |
+
}
|
| 573 |
+
},
|
| 574 |
+
"total_flos": 1578666332160000.0,
|
| 575 |
+
"train_batch_size": 32,
|
| 576 |
+
"trial_name": null,
|
| 577 |
+
"trial_params": null
|
| 578 |
+
}
|
training_args.bin
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:92b75f4595d58de68ef5051519d463f1be5dd25b7bfb926939da4d482c8c9948
|
| 3 |
+
size 5304
|