Upload folder using huggingface_hub
Browse files- adapter_config.json +2 -2
- adapter_model.safetensors +1 -1
- optimizer.pt +1 -1
- rng_state.pth +1 -1
- scheduler.pt +1 -1
- trainer_state.json +319 -79
- training_args.bin +1 -1
adapter_config.json
CHANGED
|
@@ -24,9 +24,9 @@
|
|
| 24 |
"revision": null,
|
| 25 |
"target_modules": [
|
| 26 |
"o_proj",
|
|
|
|
| 27 |
"gate_up_proj",
|
| 28 |
-
"qkv_proj"
|
| 29 |
-
"down_proj"
|
| 30 |
],
|
| 31 |
"task_type": "CAUSAL_LM",
|
| 32 |
"use_dora": false,
|
|
|
|
| 24 |
"revision": null,
|
| 25 |
"target_modules": [
|
| 26 |
"o_proj",
|
| 27 |
+
"down_proj",
|
| 28 |
"gate_up_proj",
|
| 29 |
+
"qkv_proj"
|
|
|
|
| 30 |
],
|
| 31 |
"task_type": "CAUSAL_LM",
|
| 32 |
"use_dora": false,
|
adapter_model.safetensors
CHANGED
|
@@ -1,3 +1,3 @@
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
-
oid sha256:
|
| 3 |
size 369133600
|
|
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:a46c49f92a3785a5b6f6738bfa0b39e132054cffdabd69e2262d92c8de9c19b1
|
| 3 |
size 369133600
|
optimizer.pt
CHANGED
|
@@ -1,3 +1,3 @@
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
-
oid sha256:
|
| 3 |
size 738413771
|
|
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:3a8bba4e527d183814b4605d68aeb69ce56b515c3686065b463d96920d8bd622
|
| 3 |
size 738413771
|
rng_state.pth
CHANGED
|
@@ -1,3 +1,3 @@
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
-
oid sha256:
|
| 3 |
size 14645
|
|
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:c52a1d71e1557ac186ac99828ae2743580a49ee952817aecfe62308e6f8bd3fd
|
| 3 |
size 14645
|
scheduler.pt
CHANGED
|
@@ -1,3 +1,3 @@
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
-
oid sha256:
|
| 3 |
size 1465
|
|
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:4fa32736c57e1ff31b6332b23533c0f9d9f24d63a8f9a702d3ad0c5f519b2c55
|
| 3 |
size 1465
|
trainer_state.json
CHANGED
|
@@ -1,125 +1,365 @@
|
|
| 1 |
{
|
| 2 |
-
"best_global_step":
|
| 3 |
-
"best_metric": 0.
|
| 4 |
-
"best_model_checkpoint": "/content/drive/MyDrive/lora_model/outputs/task15_microsoft/Phi-4-mini-instruct/checkpoint-
|
| 5 |
-
"epoch":
|
| 6 |
-
"eval_steps":
|
| 7 |
-
"global_step":
|
| 8 |
"is_hyper_param_search": false,
|
| 9 |
"is_local_process_zero": true,
|
| 10 |
"is_world_process_zero": true,
|
| 11 |
"log_history": [
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 12 |
{
|
| 13 |
"epoch": 0.6666666666666666,
|
| 14 |
-
"grad_norm": 1.
|
| 15 |
"learning_rate": 0.0003,
|
| 16 |
-
"loss":
|
| 17 |
"step": 10
|
| 18 |
},
|
| 19 |
{
|
| 20 |
"epoch": 0.6666666666666666,
|
| 21 |
-
"eval_loss": 1.
|
| 22 |
-
"eval_runtime": 3.
|
| 23 |
-
"eval_samples_per_second":
|
| 24 |
-
"eval_steps_per_second": 1.
|
| 25 |
"step": 10
|
| 26 |
},
|
| 27 |
{
|
| 28 |
-
"epoch":
|
| 29 |
-
"grad_norm":
|
| 30 |
-
"learning_rate": 0.
|
| 31 |
-
"loss": 1.
|
| 32 |
-
"step":
|
| 33 |
},
|
| 34 |
{
|
| 35 |
-
"epoch":
|
| 36 |
-
"eval_loss":
|
| 37 |
-
"eval_runtime": 3.
|
| 38 |
-
"eval_samples_per_second":
|
| 39 |
-
"eval_steps_per_second": 1.
|
| 40 |
-
"step":
|
| 41 |
},
|
| 42 |
{
|
| 43 |
-
"epoch":
|
| 44 |
-
"grad_norm":
|
| 45 |
-
"learning_rate": 0.
|
| 46 |
-
"loss":
|
| 47 |
-
"step":
|
| 48 |
},
|
| 49 |
{
|
| 50 |
-
"epoch":
|
| 51 |
-
"eval_loss":
|
| 52 |
-
"eval_runtime": 3.
|
| 53 |
-
"eval_samples_per_second": 9.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 54 |
"eval_steps_per_second": 1.205,
|
| 55 |
-
"step":
|
| 56 |
},
|
| 57 |
{
|
| 58 |
-
"epoch":
|
| 59 |
-
"grad_norm": 0.
|
| 60 |
-
"learning_rate": 0.
|
| 61 |
-
"loss":
|
| 62 |
-
"step":
|
| 63 |
},
|
| 64 |
{
|
| 65 |
-
"epoch":
|
| 66 |
-
"eval_loss":
|
| 67 |
-
"eval_runtime": 3.
|
| 68 |
-
"eval_samples_per_second": 9.
|
| 69 |
"eval_steps_per_second": 1.202,
|
| 70 |
-
"step":
|
| 71 |
},
|
| 72 |
{
|
| 73 |
-
"epoch":
|
| 74 |
-
"grad_norm": 0.
|
| 75 |
-
"learning_rate": 0.
|
| 76 |
-
"loss":
|
| 77 |
-
"step":
|
| 78 |
},
|
| 79 |
{
|
| 80 |
-
"epoch":
|
| 81 |
-
"eval_loss":
|
| 82 |
-
"eval_runtime": 3.
|
| 83 |
-
"eval_samples_per_second": 9.
|
| 84 |
"eval_steps_per_second": 1.203,
|
| 85 |
-
"step":
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 86 |
},
|
| 87 |
{
|
| 88 |
-
"epoch":
|
| 89 |
-
"
|
| 90 |
-
"
|
| 91 |
-
"
|
| 92 |
-
"
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 93 |
},
|
| 94 |
{
|
| 95 |
-
"epoch": 4
|
| 96 |
-
"eval_loss": 0.
|
| 97 |
-
"eval_runtime": 3.
|
| 98 |
-
"eval_samples_per_second": 9.
|
| 99 |
"eval_steps_per_second": 1.201,
|
| 100 |
-
"step":
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 101 |
},
|
| 102 |
{
|
| 103 |
-
"epoch":
|
| 104 |
-
"grad_norm": 0.
|
| 105 |
-
"learning_rate":
|
| 106 |
-
"loss": 0.
|
| 107 |
-
"step":
|
| 108 |
},
|
| 109 |
{
|
| 110 |
-
"epoch":
|
| 111 |
-
"eval_loss": 0.
|
| 112 |
-
"eval_runtime": 3.
|
| 113 |
-
"eval_samples_per_second": 9.
|
| 114 |
"eval_steps_per_second": 1.202,
|
| 115 |
-
"step":
|
| 116 |
}
|
| 117 |
],
|
| 118 |
-
"logging_steps":
|
| 119 |
-
"max_steps":
|
| 120 |
"num_input_tokens_seen": 0,
|
| 121 |
-
"num_train_epochs":
|
| 122 |
-
"save_steps":
|
| 123 |
"stateful_callbacks": {
|
| 124 |
"TrainerControl": {
|
| 125 |
"args": {
|
|
@@ -127,12 +367,12 @@
|
|
| 127 |
"should_evaluate": false,
|
| 128 |
"should_log": false,
|
| 129 |
"should_save": true,
|
| 130 |
-
"should_training_stop":
|
| 131 |
},
|
| 132 |
"attributes": {}
|
| 133 |
}
|
| 134 |
},
|
| 135 |
-
"total_flos":
|
| 136 |
"train_batch_size": 1,
|
| 137 |
"trial_name": null,
|
| 138 |
"trial_params": null
|
|
|
|
| 1 |
{
|
| 2 |
+
"best_global_step": 23,
|
| 3 |
+
"best_metric": 0.9112974405288696,
|
| 4 |
+
"best_model_checkpoint": "/content/drive/MyDrive/lora_model/outputs/task15_microsoft/Phi-4-mini-instruct/checkpoint-23",
|
| 5 |
+
"epoch": 1.5333333333333332,
|
| 6 |
+
"eval_steps": 1,
|
| 7 |
+
"global_step": 23,
|
| 8 |
"is_hyper_param_search": false,
|
| 9 |
"is_local_process_zero": true,
|
| 10 |
"is_world_process_zero": true,
|
| 11 |
"log_history": [
|
| 12 |
+
{
|
| 13 |
+
"epoch": 0.06666666666666667,
|
| 14 |
+
"grad_norm": 2.376981735229492,
|
| 15 |
+
"learning_rate": 0.0,
|
| 16 |
+
"loss": 3.0786,
|
| 17 |
+
"step": 1
|
| 18 |
+
},
|
| 19 |
+
{
|
| 20 |
+
"epoch": 0.06666666666666667,
|
| 21 |
+
"eval_loss": 3.15524959564209,
|
| 22 |
+
"eval_runtime": 3.328,
|
| 23 |
+
"eval_samples_per_second": 9.014,
|
| 24 |
+
"eval_steps_per_second": 1.202,
|
| 25 |
+
"step": 1
|
| 26 |
+
},
|
| 27 |
+
{
|
| 28 |
+
"epoch": 0.13333333333333333,
|
| 29 |
+
"grad_norm": 2.5206003189086914,
|
| 30 |
+
"learning_rate": 3.3333333333333335e-05,
|
| 31 |
+
"loss": 3.0737,
|
| 32 |
+
"step": 2
|
| 33 |
+
},
|
| 34 |
+
{
|
| 35 |
+
"epoch": 0.13333333333333333,
|
| 36 |
+
"eval_loss": 2.993394374847412,
|
| 37 |
+
"eval_runtime": 3.3792,
|
| 38 |
+
"eval_samples_per_second": 8.878,
|
| 39 |
+
"eval_steps_per_second": 1.184,
|
| 40 |
+
"step": 2
|
| 41 |
+
},
|
| 42 |
+
{
|
| 43 |
+
"epoch": 0.2,
|
| 44 |
+
"grad_norm": 2.022933006286621,
|
| 45 |
+
"learning_rate": 6.666666666666667e-05,
|
| 46 |
+
"loss": 2.9174,
|
| 47 |
+
"step": 3
|
| 48 |
+
},
|
| 49 |
+
{
|
| 50 |
+
"epoch": 0.2,
|
| 51 |
+
"eval_loss": 2.675309658050537,
|
| 52 |
+
"eval_runtime": 3.3473,
|
| 53 |
+
"eval_samples_per_second": 8.962,
|
| 54 |
+
"eval_steps_per_second": 1.195,
|
| 55 |
+
"step": 3
|
| 56 |
+
},
|
| 57 |
+
{
|
| 58 |
+
"epoch": 0.26666666666666666,
|
| 59 |
+
"grad_norm": 1.7762290239334106,
|
| 60 |
+
"learning_rate": 0.0001,
|
| 61 |
+
"loss": 2.6526,
|
| 62 |
+
"step": 4
|
| 63 |
+
},
|
| 64 |
+
{
|
| 65 |
+
"epoch": 0.26666666666666666,
|
| 66 |
+
"eval_loss": 2.3315231800079346,
|
| 67 |
+
"eval_runtime": 3.3202,
|
| 68 |
+
"eval_samples_per_second": 9.036,
|
| 69 |
+
"eval_steps_per_second": 1.205,
|
| 70 |
+
"step": 4
|
| 71 |
+
},
|
| 72 |
+
{
|
| 73 |
+
"epoch": 0.3333333333333333,
|
| 74 |
+
"grad_norm": 1.3709222078323364,
|
| 75 |
+
"learning_rate": 0.00013333333333333334,
|
| 76 |
+
"loss": 2.2509,
|
| 77 |
+
"step": 5
|
| 78 |
+
},
|
| 79 |
+
{
|
| 80 |
+
"epoch": 0.3333333333333333,
|
| 81 |
+
"eval_loss": 2.037416934967041,
|
| 82 |
+
"eval_runtime": 3.3129,
|
| 83 |
+
"eval_samples_per_second": 9.055,
|
| 84 |
+
"eval_steps_per_second": 1.207,
|
| 85 |
+
"step": 5
|
| 86 |
+
},
|
| 87 |
+
{
|
| 88 |
+
"epoch": 0.4,
|
| 89 |
+
"grad_norm": 1.557167649269104,
|
| 90 |
+
"learning_rate": 0.00016666666666666666,
|
| 91 |
+
"loss": 2.0125,
|
| 92 |
+
"step": 6
|
| 93 |
+
},
|
| 94 |
+
{
|
| 95 |
+
"epoch": 0.4,
|
| 96 |
+
"eval_loss": 1.7647929191589355,
|
| 97 |
+
"eval_runtime": 3.3108,
|
| 98 |
+
"eval_samples_per_second": 9.061,
|
| 99 |
+
"eval_steps_per_second": 1.208,
|
| 100 |
+
"step": 6
|
| 101 |
+
},
|
| 102 |
+
{
|
| 103 |
+
"epoch": 0.4666666666666667,
|
| 104 |
+
"grad_norm": 1.630544900894165,
|
| 105 |
+
"learning_rate": 0.0002,
|
| 106 |
+
"loss": 1.7956,
|
| 107 |
+
"step": 7
|
| 108 |
+
},
|
| 109 |
+
{
|
| 110 |
+
"epoch": 0.4666666666666667,
|
| 111 |
+
"eval_loss": 1.5105541944503784,
|
| 112 |
+
"eval_runtime": 3.3226,
|
| 113 |
+
"eval_samples_per_second": 9.029,
|
| 114 |
+
"eval_steps_per_second": 1.204,
|
| 115 |
+
"step": 7
|
| 116 |
+
},
|
| 117 |
+
{
|
| 118 |
+
"epoch": 0.5333333333333333,
|
| 119 |
+
"grad_norm": 1.652570366859436,
|
| 120 |
+
"learning_rate": 0.00023333333333333333,
|
| 121 |
+
"loss": 1.4973,
|
| 122 |
+
"step": 8
|
| 123 |
+
},
|
| 124 |
+
{
|
| 125 |
+
"epoch": 0.5333333333333333,
|
| 126 |
+
"eval_loss": 1.3942221403121948,
|
| 127 |
+
"eval_runtime": 3.3326,
|
| 128 |
+
"eval_samples_per_second": 9.002,
|
| 129 |
+
"eval_steps_per_second": 1.2,
|
| 130 |
+
"step": 8
|
| 131 |
+
},
|
| 132 |
+
{
|
| 133 |
+
"epoch": 0.6,
|
| 134 |
+
"grad_norm": 1.8059905767440796,
|
| 135 |
+
"learning_rate": 0.0002666666666666667,
|
| 136 |
+
"loss": 1.4433,
|
| 137 |
+
"step": 9
|
| 138 |
+
},
|
| 139 |
+
{
|
| 140 |
+
"epoch": 0.6,
|
| 141 |
+
"eval_loss": 1.3118027448654175,
|
| 142 |
+
"eval_runtime": 3.3417,
|
| 143 |
+
"eval_samples_per_second": 8.977,
|
| 144 |
+
"eval_steps_per_second": 1.197,
|
| 145 |
+
"step": 9
|
| 146 |
+
},
|
| 147 |
{
|
| 148 |
"epoch": 0.6666666666666666,
|
| 149 |
+
"grad_norm": 1.695832371711731,
|
| 150 |
"learning_rate": 0.0003,
|
| 151 |
+
"loss": 1.3709,
|
| 152 |
"step": 10
|
| 153 |
},
|
| 154 |
{
|
| 155 |
"epoch": 0.6666666666666666,
|
| 156 |
+
"eval_loss": 1.203778624534607,
|
| 157 |
+
"eval_runtime": 3.3279,
|
| 158 |
+
"eval_samples_per_second": 9.015,
|
| 159 |
+
"eval_steps_per_second": 1.202,
|
| 160 |
"step": 10
|
| 161 |
},
|
| 162 |
{
|
| 163 |
+
"epoch": 0.7333333333333333,
|
| 164 |
+
"grad_norm": 1.048361897468567,
|
| 165 |
+
"learning_rate": 0.0003333333333333333,
|
| 166 |
+
"loss": 1.2364,
|
| 167 |
+
"step": 11
|
| 168 |
},
|
| 169 |
{
|
| 170 |
+
"epoch": 0.7333333333333333,
|
| 171 |
+
"eval_loss": 1.1757938861846924,
|
| 172 |
+
"eval_runtime": 3.3188,
|
| 173 |
+
"eval_samples_per_second": 9.039,
|
| 174 |
+
"eval_steps_per_second": 1.205,
|
| 175 |
+
"step": 11
|
| 176 |
},
|
| 177 |
{
|
| 178 |
+
"epoch": 0.8,
|
| 179 |
+
"grad_norm": 1.2803599834442139,
|
| 180 |
+
"learning_rate": 0.00036666666666666667,
|
| 181 |
+
"loss": 1.2579,
|
| 182 |
+
"step": 12
|
| 183 |
},
|
| 184 |
{
|
| 185 |
+
"epoch": 0.8,
|
| 186 |
+
"eval_loss": 1.1277642250061035,
|
| 187 |
+
"eval_runtime": 3.3144,
|
| 188 |
+
"eval_samples_per_second": 9.051,
|
| 189 |
+
"eval_steps_per_second": 1.207,
|
| 190 |
+
"step": 12
|
| 191 |
+
},
|
| 192 |
+
{
|
| 193 |
+
"epoch": 0.8666666666666667,
|
| 194 |
+
"grad_norm": 0.9900616407394409,
|
| 195 |
+
"learning_rate": 0.0004,
|
| 196 |
+
"loss": 1.2464,
|
| 197 |
+
"step": 13
|
| 198 |
+
},
|
| 199 |
+
{
|
| 200 |
+
"epoch": 0.8666666666666667,
|
| 201 |
+
"eval_loss": 1.096318006515503,
|
| 202 |
+
"eval_runtime": 3.3205,
|
| 203 |
+
"eval_samples_per_second": 9.035,
|
| 204 |
"eval_steps_per_second": 1.205,
|
| 205 |
+
"step": 13
|
| 206 |
},
|
| 207 |
{
|
| 208 |
+
"epoch": 0.9333333333333333,
|
| 209 |
+
"grad_norm": 0.938148558139801,
|
| 210 |
+
"learning_rate": 0.00043333333333333337,
|
| 211 |
+
"loss": 1.1186,
|
| 212 |
+
"step": 14
|
| 213 |
},
|
| 214 |
{
|
| 215 |
+
"epoch": 0.9333333333333333,
|
| 216 |
+
"eval_loss": 1.0564769506454468,
|
| 217 |
+
"eval_runtime": 3.3276,
|
| 218 |
+
"eval_samples_per_second": 9.016,
|
| 219 |
"eval_steps_per_second": 1.202,
|
| 220 |
+
"step": 14
|
| 221 |
},
|
| 222 |
{
|
| 223 |
+
"epoch": 1.0,
|
| 224 |
+
"grad_norm": 0.8505716919898987,
|
| 225 |
+
"learning_rate": 0.00046666666666666666,
|
| 226 |
+
"loss": 1.2296,
|
| 227 |
+
"step": 15
|
| 228 |
},
|
| 229 |
{
|
| 230 |
+
"epoch": 1.0,
|
| 231 |
+
"eval_loss": 1.0473049879074097,
|
| 232 |
+
"eval_runtime": 3.3243,
|
| 233 |
+
"eval_samples_per_second": 9.024,
|
| 234 |
"eval_steps_per_second": 1.203,
|
| 235 |
+
"step": 15
|
| 236 |
+
},
|
| 237 |
+
{
|
| 238 |
+
"epoch": 1.0666666666666667,
|
| 239 |
+
"grad_norm": 0.7325059771537781,
|
| 240 |
+
"learning_rate": 0.0005,
|
| 241 |
+
"loss": 0.9783,
|
| 242 |
+
"step": 16
|
| 243 |
+
},
|
| 244 |
+
{
|
| 245 |
+
"epoch": 1.0666666666666667,
|
| 246 |
+
"eval_loss": 1.0419175624847412,
|
| 247 |
+
"eval_runtime": 3.3416,
|
| 248 |
+
"eval_samples_per_second": 8.978,
|
| 249 |
+
"eval_steps_per_second": 1.197,
|
| 250 |
+
"step": 16
|
| 251 |
+
},
|
| 252 |
+
{
|
| 253 |
+
"epoch": 1.1333333333333333,
|
| 254 |
+
"grad_norm": 0.7908775210380554,
|
| 255 |
+
"learning_rate": 0.0004809698831278217,
|
| 256 |
+
"loss": 1.0939,
|
| 257 |
+
"step": 17
|
| 258 |
+
},
|
| 259 |
+
{
|
| 260 |
+
"epoch": 1.1333333333333333,
|
| 261 |
+
"eval_loss": 1.0089648962020874,
|
| 262 |
+
"eval_runtime": 3.3377,
|
| 263 |
+
"eval_samples_per_second": 8.988,
|
| 264 |
+
"eval_steps_per_second": 1.198,
|
| 265 |
+
"step": 17
|
| 266 |
+
},
|
| 267 |
+
{
|
| 268 |
+
"epoch": 1.2,
|
| 269 |
+
"grad_norm": 0.7146658897399902,
|
| 270 |
+
"learning_rate": 0.00042677669529663686,
|
| 271 |
+
"loss": 0.992,
|
| 272 |
+
"step": 18
|
| 273 |
},
|
| 274 |
{
|
| 275 |
+
"epoch": 1.2,
|
| 276 |
+
"eval_loss": 0.9708396792411804,
|
| 277 |
+
"eval_runtime": 3.33,
|
| 278 |
+
"eval_samples_per_second": 9.009,
|
| 279 |
+
"eval_steps_per_second": 1.201,
|
| 280 |
+
"step": 18
|
| 281 |
+
},
|
| 282 |
+
{
|
| 283 |
+
"epoch": 1.2666666666666666,
|
| 284 |
+
"grad_norm": 0.6956806182861328,
|
| 285 |
+
"learning_rate": 0.0003456708580912725,
|
| 286 |
+
"loss": 0.9578,
|
| 287 |
+
"step": 19
|
| 288 |
+
},
|
| 289 |
+
{
|
| 290 |
+
"epoch": 1.2666666666666666,
|
| 291 |
+
"eval_loss": 0.9544664025306702,
|
| 292 |
+
"eval_runtime": 3.3223,
|
| 293 |
+
"eval_samples_per_second": 9.03,
|
| 294 |
+
"eval_steps_per_second": 1.204,
|
| 295 |
+
"step": 19
|
| 296 |
+
},
|
| 297 |
+
{
|
| 298 |
+
"epoch": 1.3333333333333333,
|
| 299 |
+
"grad_norm": 0.7333602905273438,
|
| 300 |
+
"learning_rate": 0.00025,
|
| 301 |
+
"loss": 1.1197,
|
| 302 |
+
"step": 20
|
| 303 |
+
},
|
| 304 |
+
{
|
| 305 |
+
"epoch": 1.3333333333333333,
|
| 306 |
+
"eval_loss": 0.9369742274284363,
|
| 307 |
+
"eval_runtime": 3.3355,
|
| 308 |
+
"eval_samples_per_second": 8.994,
|
| 309 |
+
"eval_steps_per_second": 1.199,
|
| 310 |
+
"step": 20
|
| 311 |
+
},
|
| 312 |
+
{
|
| 313 |
+
"epoch": 1.4,
|
| 314 |
+
"grad_norm": 0.7053349018096924,
|
| 315 |
+
"learning_rate": 0.00015432914190872756,
|
| 316 |
+
"loss": 1.0545,
|
| 317 |
+
"step": 21
|
| 318 |
},
|
| 319 |
{
|
| 320 |
+
"epoch": 1.4,
|
| 321 |
+
"eval_loss": 0.9231411814689636,
|
| 322 |
+
"eval_runtime": 3.3317,
|
| 323 |
+
"eval_samples_per_second": 9.004,
|
| 324 |
"eval_steps_per_second": 1.201,
|
| 325 |
+
"step": 21
|
| 326 |
+
},
|
| 327 |
+
{
|
| 328 |
+
"epoch": 1.4666666666666668,
|
| 329 |
+
"grad_norm": 0.5652966499328613,
|
| 330 |
+
"learning_rate": 7.322330470336314e-05,
|
| 331 |
+
"loss": 0.9764,
|
| 332 |
+
"step": 22
|
| 333 |
+
},
|
| 334 |
+
{
|
| 335 |
+
"epoch": 1.4666666666666668,
|
| 336 |
+
"eval_loss": 0.9144799709320068,
|
| 337 |
+
"eval_runtime": 3.3324,
|
| 338 |
+
"eval_samples_per_second": 9.003,
|
| 339 |
+
"eval_steps_per_second": 1.2,
|
| 340 |
+
"step": 22
|
| 341 |
},
|
| 342 |
{
|
| 343 |
+
"epoch": 1.5333333333333332,
|
| 344 |
+
"grad_norm": 0.56754070520401,
|
| 345 |
+
"learning_rate": 1.9030116872178316e-05,
|
| 346 |
+
"loss": 0.9562,
|
| 347 |
+
"step": 23
|
| 348 |
},
|
| 349 |
{
|
| 350 |
+
"epoch": 1.5333333333333332,
|
| 351 |
+
"eval_loss": 0.9112974405288696,
|
| 352 |
+
"eval_runtime": 3.3274,
|
| 353 |
+
"eval_samples_per_second": 9.016,
|
| 354 |
"eval_steps_per_second": 1.202,
|
| 355 |
+
"step": 23
|
| 356 |
}
|
| 357 |
],
|
| 358 |
+
"logging_steps": 1,
|
| 359 |
+
"max_steps": 23,
|
| 360 |
"num_input_tokens_seen": 0,
|
| 361 |
+
"num_train_epochs": 2,
|
| 362 |
+
"save_steps": 1,
|
| 363 |
"stateful_callbacks": {
|
| 364 |
"TrainerControl": {
|
| 365 |
"args": {
|
|
|
|
| 367 |
"should_evaluate": false,
|
| 368 |
"should_log": false,
|
| 369 |
"should_save": true,
|
| 370 |
+
"should_training_stop": true
|
| 371 |
},
|
| 372 |
"attributes": {}
|
| 373 |
}
|
| 374 |
},
|
| 375 |
+
"total_flos": 946074559119360.0,
|
| 376 |
"train_batch_size": 1,
|
| 377 |
"trial_name": null,
|
| 378 |
"trial_params": null
|
training_args.bin
CHANGED
|
@@ -1,3 +1,3 @@
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
-
oid sha256:
|
| 3 |
size 6033
|
|
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:f55db786049ad6fe917e1d0d5fd3dc2312035726f08222f291aca0d8f2dee3c5
|
| 3 |
size 6033
|