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 +455 -140
- training_args.bin +1 -1
adapter_config.json
CHANGED
|
@@ -24,9 +24,9 @@
|
|
| 24 |
"revision": null,
|
| 25 |
"target_modules": [
|
| 26 |
"gate_up_proj",
|
| 27 |
-
"o_proj",
|
| 28 |
"qkv_proj",
|
| 29 |
-
"down_proj"
|
|
|
|
| 30 |
],
|
| 31 |
"task_type": "CAUSAL_LM",
|
| 32 |
"use_dora": false,
|
|
|
|
| 24 |
"revision": null,
|
| 25 |
"target_modules": [
|
| 26 |
"gate_up_proj",
|
|
|
|
| 27 |
"qkv_proj",
|
| 28 |
+
"down_proj",
|
| 29 |
+
"o_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 184584072
|
|
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:378f8c38bcf12f87f8847d23731af2991c592bdae2d26ced247af7178fd27265
|
| 3 |
size 184584072
|
optimizer.pt
CHANGED
|
@@ -1,3 +1,3 @@
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
-
oid sha256:
|
| 3 |
size 369315019
|
|
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:1fd80ea678ab790a886af1b74bedb36f04b6ae3df559d9ae69f59dc7343c1bcf
|
| 3 |
size 369315019
|
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 sha256:5bba62abab919d97e86e665bcc2b30cdef0058dbbf59538563dd656f3b9d42e6
|
| 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:cd5c6c97d40727b5ce95e0b935d6d973c3b68a39460f9423ef7a3bc12f3b4643
|
| 3 |
size 1465
|
trainer_state.json
CHANGED
|
@@ -1,215 +1,530 @@
|
|
| 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": 8.
|
| 24 |
-
"eval_steps_per_second": 1.
|
| 25 |
"step": 10
|
| 26 |
},
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 27 |
{
|
| 28 |
"epoch": 1.3333333333333333,
|
| 29 |
-
"grad_norm": 0.
|
| 30 |
-
"learning_rate": 0.
|
| 31 |
-
"loss": 1.
|
| 32 |
"step": 20
|
| 33 |
},
|
| 34 |
{
|
| 35 |
"epoch": 1.3333333333333333,
|
| 36 |
-
"eval_loss":
|
| 37 |
-
"eval_runtime": 3.
|
| 38 |
-
"eval_samples_per_second": 9.
|
| 39 |
-
"eval_steps_per_second": 1.
|
| 40 |
"step": 20
|
| 41 |
},
|
| 42 |
{
|
| 43 |
-
"epoch":
|
| 44 |
-
"grad_norm": 0.
|
| 45 |
-
"learning_rate": 0.
|
| 46 |
-
"loss":
|
| 47 |
-
"step":
|
| 48 |
},
|
| 49 |
{
|
| 50 |
-
"epoch":
|
| 51 |
-
"eval_loss": 0.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 52 |
"eval_runtime": 3.3263,
|
| 53 |
"eval_samples_per_second": 9.019,
|
| 54 |
"eval_steps_per_second": 1.203,
|
| 55 |
-
"step":
|
| 56 |
},
|
| 57 |
{
|
| 58 |
-
"epoch":
|
| 59 |
-
"grad_norm": 0.
|
| 60 |
-
"learning_rate": 0.
|
| 61 |
-
"loss": 0.
|
| 62 |
-
"step":
|
| 63 |
},
|
| 64 |
{
|
| 65 |
-
"epoch":
|
| 66 |
-
"eval_loss": 0.
|
| 67 |
-
"eval_runtime": 3.
|
| 68 |
-
"eval_samples_per_second": 9.
|
| 69 |
-
"eval_steps_per_second": 1.
|
| 70 |
-
"step":
|
| 71 |
},
|
| 72 |
{
|
| 73 |
-
"epoch":
|
| 74 |
-
"grad_norm": 0.
|
| 75 |
-
"learning_rate": 0.
|
| 76 |
-
"loss": 0.
|
| 77 |
-
"step":
|
| 78 |
},
|
| 79 |
{
|
| 80 |
-
"epoch":
|
| 81 |
-
"eval_loss": 0.
|
| 82 |
-
"eval_runtime": 3.
|
| 83 |
-
"eval_samples_per_second": 9.
|
| 84 |
-
"eval_steps_per_second": 1.
|
| 85 |
-
"step":
|
| 86 |
},
|
| 87 |
{
|
| 88 |
-
"epoch":
|
| 89 |
-
"grad_norm": 0.
|
| 90 |
-
"learning_rate": 0.
|
| 91 |
-
"loss":
|
| 92 |
-
"step":
|
| 93 |
},
|
| 94 |
{
|
| 95 |
-
"epoch":
|
| 96 |
-
"eval_loss": 0.
|
| 97 |
-
"eval_runtime": 3.
|
| 98 |
-
"eval_samples_per_second": 9.
|
| 99 |
-
"eval_steps_per_second": 1.
|
| 100 |
-
"step":
|
| 101 |
},
|
| 102 |
{
|
| 103 |
-
"epoch":
|
| 104 |
-
"grad_norm": 0.
|
| 105 |
-
"learning_rate": 0.
|
| 106 |
-
"loss":
|
| 107 |
-
"step":
|
| 108 |
},
|
| 109 |
{
|
| 110 |
-
"epoch":
|
| 111 |
-
"eval_loss": 0.
|
| 112 |
-
"eval_runtime": 3.
|
| 113 |
-
"eval_samples_per_second":
|
| 114 |
-
"eval_steps_per_second": 1.
|
| 115 |
-
"step":
|
| 116 |
},
|
| 117 |
{
|
| 118 |
-
"epoch":
|
| 119 |
-
"grad_norm": 0.
|
| 120 |
-
"learning_rate": 0.
|
| 121 |
-
"loss": 0.
|
| 122 |
-
"step":
|
| 123 |
},
|
| 124 |
{
|
| 125 |
-
"epoch":
|
| 126 |
-
"eval_loss": 0.
|
| 127 |
-
"eval_runtime": 3.
|
| 128 |
-
"eval_samples_per_second": 9.
|
| 129 |
-
"eval_steps_per_second": 1.
|
| 130 |
-
"step":
|
| 131 |
},
|
| 132 |
{
|
| 133 |
-
"epoch":
|
| 134 |
-
"grad_norm": 0.
|
| 135 |
-
"learning_rate": 0.
|
| 136 |
-
"loss": 0.
|
| 137 |
-
"step":
|
| 138 |
},
|
| 139 |
{
|
| 140 |
-
"epoch":
|
| 141 |
-
"eval_loss": 0.
|
| 142 |
-
"eval_runtime": 3.
|
| 143 |
-
"eval_samples_per_second": 9.
|
| 144 |
-
"eval_steps_per_second": 1.
|
| 145 |
-
"step":
|
| 146 |
},
|
| 147 |
{
|
| 148 |
-
"epoch":
|
| 149 |
-
"grad_norm": 0.
|
| 150 |
-
"learning_rate": 0.
|
| 151 |
-
"loss": 0.
|
| 152 |
-
"step":
|
| 153 |
},
|
| 154 |
{
|
| 155 |
-
"epoch":
|
| 156 |
-
"eval_loss": 0.
|
| 157 |
-
"eval_runtime": 3.
|
| 158 |
-
"eval_samples_per_second": 9.
|
| 159 |
-
"eval_steps_per_second": 1.
|
| 160 |
-
"step":
|
| 161 |
},
|
| 162 |
{
|
| 163 |
-
"epoch":
|
| 164 |
-
"grad_norm": 0.
|
| 165 |
-
"learning_rate": 0.
|
| 166 |
-
"loss": 0.
|
| 167 |
-
"step":
|
| 168 |
},
|
| 169 |
{
|
| 170 |
-
"epoch":
|
| 171 |
-
"eval_loss": 0.
|
| 172 |
-
"eval_runtime": 3.
|
| 173 |
"eval_samples_per_second": 9.021,
|
| 174 |
"eval_steps_per_second": 1.203,
|
| 175 |
-
"step":
|
| 176 |
},
|
| 177 |
{
|
| 178 |
-
"epoch":
|
| 179 |
-
"grad_norm": 0.
|
| 180 |
-
"learning_rate": 0.
|
| 181 |
-
"loss": 0.
|
| 182 |
-
"step":
|
| 183 |
},
|
| 184 |
{
|
| 185 |
-
"epoch":
|
| 186 |
-
"eval_loss": 0.
|
| 187 |
-
"eval_runtime": 3.
|
| 188 |
-
"eval_samples_per_second": 9.
|
| 189 |
-
"eval_steps_per_second": 1.
|
| 190 |
-
"step":
|
| 191 |
},
|
| 192 |
{
|
| 193 |
-
"epoch":
|
| 194 |
-
"grad_norm": 0.
|
| 195 |
-
"learning_rate": 0.
|
| 196 |
-
"loss": 0.
|
| 197 |
-
"step":
|
| 198 |
},
|
| 199 |
{
|
| 200 |
-
"epoch":
|
| 201 |
-
"eval_loss": 0.
|
| 202 |
-
"eval_runtime": 3.
|
| 203 |
-
"eval_samples_per_second": 9.
|
| 204 |
-
"eval_steps_per_second": 1.
|
| 205 |
-
"step":
|
| 206 |
}
|
| 207 |
],
|
| 208 |
-
"logging_steps":
|
| 209 |
-
"max_steps":
|
| 210 |
"num_input_tokens_seen": 0,
|
| 211 |
-
"num_train_epochs":
|
| 212 |
-
"save_steps":
|
| 213 |
"stateful_callbacks": {
|
| 214 |
"TrainerControl": {
|
| 215 |
"args": {
|
|
@@ -222,7 +537,7 @@
|
|
| 222 |
"attributes": {}
|
| 223 |
}
|
| 224 |
},
|
| 225 |
-
"total_flos":
|
| 226 |
"train_batch_size": 1,
|
| 227 |
"trial_name": null,
|
| 228 |
"trial_params": null
|
|
|
|
| 1 |
{
|
| 2 |
+
"best_global_step": 34,
|
| 3 |
+
"best_metric": 0.8157733678817749,
|
| 4 |
+
"best_model_checkpoint": "/content/drive/MyDrive/lora_model/outputs/task15_microsoft/Phi-4-mini-instruct/checkpoint-34",
|
| 5 |
+
"epoch": 2.2666666666666666,
|
| 6 |
+
"eval_steps": 1,
|
| 7 |
+
"global_step": 34,
|
| 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": 1.6772907972335815,
|
| 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": 3.3465,
|
| 23 |
+
"eval_samples_per_second": 8.965,
|
| 24 |
+
"eval_steps_per_second": 1.195,
|
| 25 |
+
"step": 1
|
| 26 |
+
},
|
| 27 |
+
{
|
| 28 |
+
"epoch": 0.13333333333333333,
|
| 29 |
+
"grad_norm": 1.7768125534057617,
|
| 30 |
+
"learning_rate": 3.3333333333333335e-05,
|
| 31 |
+
"loss": 3.0737,
|
| 32 |
+
"step": 2
|
| 33 |
+
},
|
| 34 |
+
{
|
| 35 |
+
"epoch": 0.13333333333333333,
|
| 36 |
+
"eval_loss": 3.0767996311187744,
|
| 37 |
+
"eval_runtime": 3.3543,
|
| 38 |
+
"eval_samples_per_second": 8.944,
|
| 39 |
+
"eval_steps_per_second": 1.192,
|
| 40 |
+
"step": 2
|
| 41 |
+
},
|
| 42 |
+
{
|
| 43 |
+
"epoch": 0.2,
|
| 44 |
+
"grad_norm": 1.5412702560424805,
|
| 45 |
+
"learning_rate": 6.666666666666667e-05,
|
| 46 |
+
"loss": 2.9943,
|
| 47 |
+
"step": 3
|
| 48 |
+
},
|
| 49 |
+
{
|
| 50 |
+
"epoch": 0.2,
|
| 51 |
+
"eval_loss": 2.8993334770202637,
|
| 52 |
+
"eval_runtime": 3.3523,
|
| 53 |
+
"eval_samples_per_second": 8.949,
|
| 54 |
+
"eval_steps_per_second": 1.193,
|
| 55 |
+
"step": 3
|
| 56 |
+
},
|
| 57 |
+
{
|
| 58 |
+
"epoch": 0.26666666666666666,
|
| 59 |
+
"grad_norm": 1.4991670846939087,
|
| 60 |
+
"learning_rate": 0.0001,
|
| 61 |
+
"loss": 2.8684,
|
| 62 |
+
"step": 4
|
| 63 |
+
},
|
| 64 |
+
{
|
| 65 |
+
"epoch": 0.26666666666666666,
|
| 66 |
+
"eval_loss": 2.637805461883545,
|
| 67 |
+
"eval_runtime": 3.3436,
|
| 68 |
+
"eval_samples_per_second": 8.972,
|
| 69 |
+
"eval_steps_per_second": 1.196,
|
| 70 |
+
"step": 4
|
| 71 |
+
},
|
| 72 |
+
{
|
| 73 |
+
"epoch": 0.3333333333333333,
|
| 74 |
+
"grad_norm": 1.240314245223999,
|
| 75 |
+
"learning_rate": 0.00013333333333333334,
|
| 76 |
+
"loss": 2.5164,
|
| 77 |
+
"step": 5
|
| 78 |
+
},
|
| 79 |
+
{
|
| 80 |
+
"epoch": 0.3333333333333333,
|
| 81 |
+
"eval_loss": 2.359757423400879,
|
| 82 |
+
"eval_runtime": 3.3265,
|
| 83 |
+
"eval_samples_per_second": 9.018,
|
| 84 |
+
"eval_steps_per_second": 1.202,
|
| 85 |
+
"step": 5
|
| 86 |
+
},
|
| 87 |
+
{
|
| 88 |
+
"epoch": 0.4,
|
| 89 |
+
"grad_norm": 1.1895383596420288,
|
| 90 |
+
"learning_rate": 0.00016666666666666666,
|
| 91 |
+
"loss": 2.314,
|
| 92 |
+
"step": 6
|
| 93 |
+
},
|
| 94 |
+
{
|
| 95 |
+
"epoch": 0.4,
|
| 96 |
+
"eval_loss": 2.1061525344848633,
|
| 97 |
+
"eval_runtime": 3.317,
|
| 98 |
+
"eval_samples_per_second": 9.044,
|
| 99 |
+
"eval_steps_per_second": 1.206,
|
| 100 |
+
"step": 6
|
| 101 |
+
},
|
| 102 |
+
{
|
| 103 |
+
"epoch": 0.4666666666666667,
|
| 104 |
+
"grad_norm": 1.2350431680679321,
|
| 105 |
+
"learning_rate": 0.0002,
|
| 106 |
+
"loss": 2.0978,
|
| 107 |
+
"step": 7
|
| 108 |
+
},
|
| 109 |
+
{
|
| 110 |
+
"epoch": 0.4666666666666667,
|
| 111 |
+
"eval_loss": 1.862547755241394,
|
| 112 |
+
"eval_runtime": 3.3088,
|
| 113 |
+
"eval_samples_per_second": 9.067,
|
| 114 |
+
"eval_steps_per_second": 1.209,
|
| 115 |
+
"step": 7
|
| 116 |
+
},
|
| 117 |
+
{
|
| 118 |
+
"epoch": 0.5333333333333333,
|
| 119 |
+
"grad_norm": 1.6615718603134155,
|
| 120 |
+
"learning_rate": 0.00023333333333333333,
|
| 121 |
+
"loss": 1.8403,
|
| 122 |
+
"step": 8
|
| 123 |
+
},
|
| 124 |
+
{
|
| 125 |
+
"epoch": 0.5333333333333333,
|
| 126 |
+
"eval_loss": 1.627223253250122,
|
| 127 |
+
"eval_runtime": 3.3091,
|
| 128 |
+
"eval_samples_per_second": 9.066,
|
| 129 |
+
"eval_steps_per_second": 1.209,
|
| 130 |
+
"step": 8
|
| 131 |
+
},
|
| 132 |
+
{
|
| 133 |
+
"epoch": 0.6,
|
| 134 |
+
"grad_norm": 1.5987708568572998,
|
| 135 |
+
"learning_rate": 0.0002666666666666667,
|
| 136 |
+
"loss": 1.6561,
|
| 137 |
+
"step": 9
|
| 138 |
+
},
|
| 139 |
+
{
|
| 140 |
+
"epoch": 0.6,
|
| 141 |
+
"eval_loss": 1.463124394416809,
|
| 142 |
+
"eval_runtime": 3.3213,
|
| 143 |
+
"eval_samples_per_second": 9.033,
|
| 144 |
+
"eval_steps_per_second": 1.204,
|
| 145 |
+
"step": 9
|
| 146 |
+
},
|
| 147 |
{
|
| 148 |
"epoch": 0.6666666666666666,
|
| 149 |
+
"grad_norm": 1.553259015083313,
|
| 150 |
"learning_rate": 0.0003,
|
| 151 |
+
"loss": 1.532,
|
| 152 |
"step": 10
|
| 153 |
},
|
| 154 |
{
|
| 155 |
"epoch": 0.6666666666666666,
|
| 156 |
+
"eval_loss": 1.3557301759719849,
|
| 157 |
+
"eval_runtime": 3.3346,
|
| 158 |
+
"eval_samples_per_second": 8.996,
|
| 159 |
+
"eval_steps_per_second": 1.2,
|
| 160 |
"step": 10
|
| 161 |
},
|
| 162 |
+
{
|
| 163 |
+
"epoch": 0.7333333333333333,
|
| 164 |
+
"grad_norm": 1.5410878658294678,
|
| 165 |
+
"learning_rate": 0.0003333333333333333,
|
| 166 |
+
"loss": 1.3789,
|
| 167 |
+
"step": 11
|
| 168 |
+
},
|
| 169 |
+
{
|
| 170 |
+
"epoch": 0.7333333333333333,
|
| 171 |
+
"eval_loss": 1.284977674484253,
|
| 172 |
+
"eval_runtime": 3.3397,
|
| 173 |
+
"eval_samples_per_second": 8.983,
|
| 174 |
+
"eval_steps_per_second": 1.198,
|
| 175 |
+
"step": 11
|
| 176 |
+
},
|
| 177 |
+
{
|
| 178 |
+
"epoch": 0.8,
|
| 179 |
+
"grad_norm": 1.5387530326843262,
|
| 180 |
+
"learning_rate": 0.00036666666666666667,
|
| 181 |
+
"loss": 1.3658,
|
| 182 |
+
"step": 12
|
| 183 |
+
},
|
| 184 |
+
{
|
| 185 |
+
"epoch": 0.8,
|
| 186 |
+
"eval_loss": 1.2496088743209839,
|
| 187 |
+
"eval_runtime": 3.3461,
|
| 188 |
+
"eval_samples_per_second": 8.966,
|
| 189 |
+
"eval_steps_per_second": 1.195,
|
| 190 |
+
"step": 12
|
| 191 |
+
},
|
| 192 |
+
{
|
| 193 |
+
"epoch": 0.8666666666666667,
|
| 194 |
+
"grad_norm": 1.2438753843307495,
|
| 195 |
+
"learning_rate": 0.0004,
|
| 196 |
+
"loss": 1.3617,
|
| 197 |
+
"step": 13
|
| 198 |
+
},
|
| 199 |
+
{
|
| 200 |
+
"epoch": 0.8666666666666667,
|
| 201 |
+
"eval_loss": 1.1902137994766235,
|
| 202 |
+
"eval_runtime": 3.3367,
|
| 203 |
+
"eval_samples_per_second": 8.991,
|
| 204 |
+
"eval_steps_per_second": 1.199,
|
| 205 |
+
"step": 13
|
| 206 |
+
},
|
| 207 |
+
{
|
| 208 |
+
"epoch": 0.9333333333333333,
|
| 209 |
+
"grad_norm": 0.8875225186347961,
|
| 210 |
+
"learning_rate": 0.00043333333333333337,
|
| 211 |
+
"loss": 1.1692,
|
| 212 |
+
"step": 14
|
| 213 |
+
},
|
| 214 |
+
{
|
| 215 |
+
"epoch": 0.9333333333333333,
|
| 216 |
+
"eval_loss": 1.129626989364624,
|
| 217 |
+
"eval_runtime": 3.3354,
|
| 218 |
+
"eval_samples_per_second": 8.994,
|
| 219 |
+
"eval_steps_per_second": 1.199,
|
| 220 |
+
"step": 14
|
| 221 |
+
},
|
| 222 |
+
{
|
| 223 |
+
"epoch": 1.0,
|
| 224 |
+
"grad_norm": 0.9996999502182007,
|
| 225 |
+
"learning_rate": 0.00046666666666666666,
|
| 226 |
+
"loss": 1.3193,
|
| 227 |
+
"step": 15
|
| 228 |
+
},
|
| 229 |
+
{
|
| 230 |
+
"epoch": 1.0,
|
| 231 |
+
"eval_loss": 1.0915361642837524,
|
| 232 |
+
"eval_runtime": 3.3299,
|
| 233 |
+
"eval_samples_per_second": 9.009,
|
| 234 |
+
"eval_steps_per_second": 1.201,
|
| 235 |
+
"step": 15
|
| 236 |
+
},
|
| 237 |
+
{
|
| 238 |
+
"epoch": 1.0666666666666667,
|
| 239 |
+
"grad_norm": 0.8160541653633118,
|
| 240 |
+
"learning_rate": 0.0005,
|
| 241 |
+
"loss": 1.0422,
|
| 242 |
+
"step": 16
|
| 243 |
+
},
|
| 244 |
+
{
|
| 245 |
+
"epoch": 1.0666666666666667,
|
| 246 |
+
"eval_loss": 1.0750960111618042,
|
| 247 |
+
"eval_runtime": 3.3294,
|
| 248 |
+
"eval_samples_per_second": 9.011,
|
| 249 |
+
"eval_steps_per_second": 1.201,
|
| 250 |
+
"step": 16
|
| 251 |
+
},
|
| 252 |
+
{
|
| 253 |
+
"epoch": 1.1333333333333333,
|
| 254 |
+
"grad_norm": 0.8319222927093506,
|
| 255 |
+
"learning_rate": 0.0004993910125649561,
|
| 256 |
+
"loss": 1.1637,
|
| 257 |
+
"step": 17
|
| 258 |
+
},
|
| 259 |
+
{
|
| 260 |
+
"epoch": 1.1333333333333333,
|
| 261 |
+
"eval_loss": 1.0480690002441406,
|
| 262 |
+
"eval_runtime": 3.3231,
|
| 263 |
+
"eval_samples_per_second": 9.028,
|
| 264 |
+
"eval_steps_per_second": 1.204,
|
| 265 |
+
"step": 17
|
| 266 |
+
},
|
| 267 |
+
{
|
| 268 |
+
"epoch": 1.2,
|
| 269 |
+
"grad_norm": 0.7125590443611145,
|
| 270 |
+
"learning_rate": 0.0004975670171853926,
|
| 271 |
+
"loss": 1.0326,
|
| 272 |
+
"step": 18
|
| 273 |
+
},
|
| 274 |
+
{
|
| 275 |
+
"epoch": 1.2,
|
| 276 |
+
"eval_loss": 1.0194019079208374,
|
| 277 |
+
"eval_runtime": 3.3294,
|
| 278 |
+
"eval_samples_per_second": 9.011,
|
| 279 |
+
"eval_steps_per_second": 1.201,
|
| 280 |
+
"step": 18
|
| 281 |
+
},
|
| 282 |
+
{
|
| 283 |
+
"epoch": 1.2666666666666666,
|
| 284 |
+
"grad_norm": 0.8782016038894653,
|
| 285 |
+
"learning_rate": 0.0004945369001834514,
|
| 286 |
+
"loss": 1.018,
|
| 287 |
+
"step": 19
|
| 288 |
+
},
|
| 289 |
+
{
|
| 290 |
+
"epoch": 1.2666666666666666,
|
| 291 |
+
"eval_loss": 1.0099557638168335,
|
| 292 |
+
"eval_runtime": 3.3268,
|
| 293 |
+
"eval_samples_per_second": 9.018,
|
| 294 |
+
"eval_steps_per_second": 1.202,
|
| 295 |
+
"step": 19
|
| 296 |
+
},
|
| 297 |
{
|
| 298 |
"epoch": 1.3333333333333333,
|
| 299 |
+
"grad_norm": 0.6835053563117981,
|
| 300 |
+
"learning_rate": 0.0004903154239845797,
|
| 301 |
+
"loss": 1.141,
|
| 302 |
"step": 20
|
| 303 |
},
|
| 304 |
{
|
| 305 |
"epoch": 1.3333333333333333,
|
| 306 |
+
"eval_loss": 1.0006548166275024,
|
| 307 |
+
"eval_runtime": 3.3331,
|
| 308 |
+
"eval_samples_per_second": 9.001,
|
| 309 |
+
"eval_steps_per_second": 1.2,
|
| 310 |
"step": 20
|
| 311 |
},
|
| 312 |
{
|
| 313 |
+
"epoch": 1.4,
|
| 314 |
+
"grad_norm": 0.8351470232009888,
|
| 315 |
+
"learning_rate": 0.0004849231551964771,
|
| 316 |
+
"loss": 1.1354,
|
| 317 |
+
"step": 21
|
| 318 |
},
|
| 319 |
{
|
| 320 |
+
"epoch": 1.4,
|
| 321 |
+
"eval_loss": 0.9695132374763489,
|
| 322 |
+
"eval_runtime": 3.3403,
|
| 323 |
+
"eval_samples_per_second": 8.981,
|
| 324 |
+
"eval_steps_per_second": 1.197,
|
| 325 |
+
"step": 21
|
| 326 |
+
},
|
| 327 |
+
{
|
| 328 |
+
"epoch": 1.4666666666666668,
|
| 329 |
+
"grad_norm": 0.5992692708969116,
|
| 330 |
+
"learning_rate": 0.0004783863644106502,
|
| 331 |
+
"loss": 0.9994,
|
| 332 |
+
"step": 22
|
| 333 |
+
},
|
| 334 |
+
{
|
| 335 |
+
"epoch": 1.4666666666666668,
|
| 336 |
+
"eval_loss": 0.9532836675643921,
|
| 337 |
+
"eval_runtime": 3.34,
|
| 338 |
+
"eval_samples_per_second": 8.982,
|
| 339 |
+
"eval_steps_per_second": 1.198,
|
| 340 |
+
"step": 22
|
| 341 |
+
},
|
| 342 |
+
{
|
| 343 |
+
"epoch": 1.5333333333333332,
|
| 344 |
+
"grad_norm": 0.6349149346351624,
|
| 345 |
+
"learning_rate": 0.00047073689821473173,
|
| 346 |
+
"loss": 1.0141,
|
| 347 |
+
"step": 23
|
| 348 |
+
},
|
| 349 |
+
{
|
| 350 |
+
"epoch": 1.5333333333333332,
|
| 351 |
+
"eval_loss": 0.9443845152854919,
|
| 352 |
+
"eval_runtime": 3.3307,
|
| 353 |
+
"eval_samples_per_second": 9.007,
|
| 354 |
+
"eval_steps_per_second": 1.201,
|
| 355 |
+
"step": 23
|
| 356 |
+
},
|
| 357 |
+
{
|
| 358 |
+
"epoch": 1.6,
|
| 359 |
+
"grad_norm": 0.6412695646286011,
|
| 360 |
+
"learning_rate": 0.00046201202403910646,
|
| 361 |
+
"loss": 0.9325,
|
| 362 |
+
"step": 24
|
| 363 |
+
},
|
| 364 |
+
{
|
| 365 |
+
"epoch": 1.6,
|
| 366 |
+
"eval_loss": 0.9353991150856018,
|
| 367 |
"eval_runtime": 3.3263,
|
| 368 |
"eval_samples_per_second": 9.019,
|
| 369 |
"eval_steps_per_second": 1.203,
|
| 370 |
+
"step": 24
|
| 371 |
},
|
| 372 |
{
|
| 373 |
+
"epoch": 1.6666666666666665,
|
| 374 |
+
"grad_norm": 0.6291660070419312,
|
| 375 |
+
"learning_rate": 0.0004522542485937369,
|
| 376 |
+
"loss": 0.9628,
|
| 377 |
+
"step": 25
|
| 378 |
},
|
| 379 |
{
|
| 380 |
+
"epoch": 1.6666666666666665,
|
| 381 |
+
"eval_loss": 0.9189165830612183,
|
| 382 |
+
"eval_runtime": 3.3278,
|
| 383 |
+
"eval_samples_per_second": 9.015,
|
| 384 |
+
"eval_steps_per_second": 1.202,
|
| 385 |
+
"step": 25
|
| 386 |
},
|
| 387 |
{
|
| 388 |
+
"epoch": 1.7333333333333334,
|
| 389 |
+
"grad_norm": 0.6544055342674255,
|
| 390 |
+
"learning_rate": 0.0004415111107797445,
|
| 391 |
+
"loss": 0.9646,
|
| 392 |
+
"step": 26
|
| 393 |
},
|
| 394 |
{
|
| 395 |
+
"epoch": 1.7333333333333334,
|
| 396 |
+
"eval_loss": 0.9056078195571899,
|
| 397 |
+
"eval_runtime": 3.3284,
|
| 398 |
+
"eval_samples_per_second": 9.013,
|
| 399 |
+
"eval_steps_per_second": 1.202,
|
| 400 |
+
"step": 26
|
| 401 |
},
|
| 402 |
{
|
| 403 |
+
"epoch": 1.8,
|
| 404 |
+
"grad_norm": 0.6583496928215027,
|
| 405 |
+
"learning_rate": 0.0004298349500846628,
|
| 406 |
+
"loss": 1.0333,
|
| 407 |
+
"step": 27
|
| 408 |
},
|
| 409 |
{
|
| 410 |
+
"epoch": 1.8,
|
| 411 |
+
"eval_loss": 0.8940725922584534,
|
| 412 |
+
"eval_runtime": 3.3318,
|
| 413 |
+
"eval_samples_per_second": 9.004,
|
| 414 |
+
"eval_steps_per_second": 1.201,
|
| 415 |
+
"step": 27
|
| 416 |
},
|
| 417 |
{
|
| 418 |
+
"epoch": 1.8666666666666667,
|
| 419 |
+
"grad_norm": 0.623849093914032,
|
| 420 |
+
"learning_rate": 0.0004172826515897146,
|
| 421 |
+
"loss": 1.0129,
|
| 422 |
+
"step": 28
|
| 423 |
},
|
| 424 |
{
|
| 425 |
+
"epoch": 1.8666666666666667,
|
| 426 |
+
"eval_loss": 0.8719626665115356,
|
| 427 |
+
"eval_runtime": 3.3349,
|
| 428 |
+
"eval_samples_per_second": 8.996,
|
| 429 |
+
"eval_steps_per_second": 1.199,
|
| 430 |
+
"step": 28
|
| 431 |
},
|
| 432 |
{
|
| 433 |
+
"epoch": 1.9333333333333333,
|
| 434 |
+
"grad_norm": 0.6031587719917297,
|
| 435 |
+
"learning_rate": 0.00040391536883141455,
|
| 436 |
+
"loss": 0.9091,
|
| 437 |
+
"step": 29
|
| 438 |
},
|
| 439 |
{
|
| 440 |
+
"epoch": 1.9333333333333333,
|
| 441 |
+
"eval_loss": 0.8551884889602661,
|
| 442 |
+
"eval_runtime": 3.3315,
|
| 443 |
+
"eval_samples_per_second": 9.005,
|
| 444 |
+
"eval_steps_per_second": 1.201,
|
| 445 |
+
"step": 29
|
| 446 |
},
|
| 447 |
{
|
| 448 |
+
"epoch": 2.0,
|
| 449 |
+
"grad_norm": 0.55727219581604,
|
| 450 |
+
"learning_rate": 0.0003897982258676867,
|
| 451 |
+
"loss": 0.9028,
|
| 452 |
+
"step": 30
|
| 453 |
},
|
| 454 |
{
|
| 455 |
+
"epoch": 2.0,
|
| 456 |
+
"eval_loss": 0.8516466617584229,
|
| 457 |
+
"eval_runtime": 3.329,
|
| 458 |
+
"eval_samples_per_second": 9.012,
|
| 459 |
+
"eval_steps_per_second": 1.202,
|
| 460 |
+
"step": 30
|
| 461 |
},
|
| 462 |
{
|
| 463 |
+
"epoch": 2.066666666666667,
|
| 464 |
+
"grad_norm": 0.7247292399406433,
|
| 465 |
+
"learning_rate": 0.000375,
|
| 466 |
+
"loss": 0.8681,
|
| 467 |
+
"step": 31
|
| 468 |
},
|
| 469 |
{
|
| 470 |
+
"epoch": 2.066666666666667,
|
| 471 |
+
"eval_loss": 0.8430901765823364,
|
| 472 |
+
"eval_runtime": 3.3279,
|
| 473 |
+
"eval_samples_per_second": 9.015,
|
| 474 |
+
"eval_steps_per_second": 1.202,
|
| 475 |
+
"step": 31
|
| 476 |
},
|
| 477 |
{
|
| 478 |
+
"epoch": 2.1333333333333333,
|
| 479 |
+
"grad_norm": 0.5927403569221497,
|
| 480 |
+
"learning_rate": 0.00035959278669726934,
|
| 481 |
+
"loss": 0.8846,
|
| 482 |
+
"step": 32
|
| 483 |
},
|
| 484 |
{
|
| 485 |
+
"epoch": 2.1333333333333333,
|
| 486 |
+
"eval_loss": 0.8356520533561707,
|
| 487 |
+
"eval_runtime": 3.3256,
|
| 488 |
"eval_samples_per_second": 9.021,
|
| 489 |
"eval_steps_per_second": 1.203,
|
| 490 |
+
"step": 32
|
| 491 |
},
|
| 492 |
{
|
| 493 |
+
"epoch": 2.2,
|
| 494 |
+
"grad_norm": 0.4770275950431824,
|
| 495 |
+
"learning_rate": 0.00034365164835397803,
|
| 496 |
+
"loss": 0.8181,
|
| 497 |
+
"step": 33
|
| 498 |
},
|
| 499 |
{
|
| 500 |
+
"epoch": 2.2,
|
| 501 |
+
"eval_loss": 0.8293011784553528,
|
| 502 |
+
"eval_runtime": 3.3314,
|
| 503 |
+
"eval_samples_per_second": 9.005,
|
| 504 |
+
"eval_steps_per_second": 1.201,
|
| 505 |
+
"step": 33
|
| 506 |
},
|
| 507 |
{
|
| 508 |
+
"epoch": 2.2666666666666666,
|
| 509 |
+
"grad_norm": 0.5398544073104858,
|
| 510 |
+
"learning_rate": 0.00032725424859373687,
|
| 511 |
+
"loss": 0.8316,
|
| 512 |
+
"step": 34
|
| 513 |
},
|
| 514 |
{
|
| 515 |
+
"epoch": 2.2666666666666666,
|
| 516 |
+
"eval_loss": 0.8157733678817749,
|
| 517 |
+
"eval_runtime": 3.3286,
|
| 518 |
+
"eval_samples_per_second": 9.013,
|
| 519 |
+
"eval_steps_per_second": 1.202,
|
| 520 |
+
"step": 34
|
| 521 |
}
|
| 522 |
],
|
| 523 |
+
"logging_steps": 1,
|
| 524 |
+
"max_steps": 60,
|
| 525 |
"num_input_tokens_seen": 0,
|
| 526 |
+
"num_train_epochs": 4,
|
| 527 |
+
"save_steps": 1,
|
| 528 |
"stateful_callbacks": {
|
| 529 |
"TrainerControl": {
|
| 530 |
"args": {
|
|
|
|
| 537 |
"attributes": {}
|
| 538 |
}
|
| 539 |
},
|
| 540 |
+
"total_flos": 1386766593552384.0,
|
| 541 |
"train_batch_size": 1,
|
| 542 |
"trial_name": null,
|
| 543 |
"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 sha256:35a31c5738d1e04a631eaba235b32a635a2d813fe2fdb0a67056063042a474b2
|
| 3 |
size 6033
|