Hugging Face's logo

SimonMA
/
Codellama-7b-lora-rps-adapter

PEFT
TensorBoard
Safetensors
trl
sft
Generated from Trainer
Model card Files Metrics Community
Codellama-7b-lora-rps-adapter / README.md
SimonMA's picture
SimonMA
End of training
e3bd95b verified
preview code
|
raw
history blame
14.3 kB
metadata
license: llama2
library_name: peft
tags:
  - trl
  - sft
  - generated_from_trainer
base_model: codellama/CodeLlama-7b-Instruct-hf
model-index:
  - name: Codellama-7b-lora-rps-adapter
    results: []

Codellama-7b-lora-rps-adapter

This model is a fine-tuned version of codellama/CodeLlama-7b-Instruct-hf on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2990

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0002
  • train_batch_size: 2
  • eval_batch_size: 2
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.03
  • num_epochs: 5

Training results

Training Loss Epoch Step Validation Loss
0.1884 2.23 10000 0.2693
0.192 2.24 10050 0.2685
0.1956 2.26 10100 0.2687
0.1865 2.27 10150 0.2707
0.1896 2.28 10200 0.2684
0.1965 2.29 10250 0.2665
0.1805 2.3 10300 0.2676
0.2016 2.31 10350 0.2679
0.1755 2.32 10400 0.2695
0.1832 2.33 10450 0.2694
0.1789 2.35 10500 0.2696
0.1866 2.36 10550 0.2683
0.1816 2.37 10600 0.2665
0.1848 2.38 10650 0.2677
0.1629 2.39 10700 0.2684
0.1735 2.4 10750 0.2663
0.1687 2.41 10800 0.2674
0.1895 2.42 10850 0.2658
0.1964 2.43 10900 0.2676
0.1962 2.45 10950 0.2659
0.2073 2.46 11000 0.2645
0.223 2.47 11050 0.2648
0.1857 2.48 11100 0.2644
0.1867 2.49 11150 0.2643
0.1907 2.5 11200 0.2646
0.2093 2.51 11250 0.2626
0.1783 2.52 11300 0.2660
0.1985 2.54 11350 0.2644
0.206 2.55 11400 0.2621
0.1849 2.56 11450 0.2634
0.1838 2.57 11500 0.2638
0.1897 2.58 11550 0.2625
0.1953 2.59 11600 0.2623
0.1972 2.6 11650 0.2617
0.1953 2.61 11700 0.2615
0.1699 2.62 11750 0.2637
0.1748 2.64 11800 0.2651
0.191 2.65 11850 0.2610
0.1924 2.66 11900 0.2618
0.1813 2.67 11950 0.2622
0.1859 2.68 12000 0.2619
0.2019 2.69 12050 0.2610
0.2125 2.7 12100 0.2631
0.167 2.71 12150 0.2640
0.1794 2.73 12200 0.2617
0.1767 2.74 12250 0.2616
0.1976 2.75 12300 0.2600
0.1932 2.76 12350 0.2595
0.1949 2.77 12400 0.2580
0.1813 2.78 12450 0.2596
0.1843 2.79 12500 0.2598
0.1739 2.8 12550 0.2604
0.1925 2.81 12600 0.2587
0.1798 2.83 12650 0.2589
0.1734 2.84 12700 0.2600
0.1962 2.85 12750 0.2580
0.1684 2.86 12800 0.2612
0.1951 2.87 12850 0.2592
0.1765 2.88 12900 0.2590
0.1871 2.89 12950 0.2579
0.1875 2.9 13000 0.2594
0.1792 2.91 13050 0.2570
0.1797 2.93 13100 0.2594
0.1638 2.94 13150 0.2584
0.1846 2.95 13200 0.2575
0.1722 2.96 13250 0.2570
0.1811 2.97 13300 0.2581
0.173 2.98 13350 0.2578
0.2 2.99 13400 0.2575
0.1744 3.0 13450 0.2653
0.1266 3.02 13500 0.2777
0.1407 3.03 13550 0.2771
0.1258 3.04 13600 0.2740
0.1296 3.05 13650 0.2770
0.1325 3.06 13700 0.2741
0.1332 3.07 13750 0.2789
0.1314 3.08 13800 0.2751
0.1261 3.09 13850 0.2764
0.131 3.1 13900 0.2771
0.1222 3.12 13950 0.2795
0.1269 3.13 14000 0.2766
0.1352 3.14 14050 0.2780
0.1355 3.15 14100 0.2791
0.1362 3.16 14150 0.2794
0.1319 3.17 14200 0.2772
0.1177 3.18 14250 0.2765
0.1339 3.19 14300 0.2800
0.1422 3.21 14350 0.2773
0.1295 3.22 14400 0.2770
0.1413 3.23 14450 0.2751
0.1296 3.24 14500 0.2777
0.1318 3.25 14550 0.2743
0.1341 3.26 14600 0.2760
0.1455 3.27 14650 0.2751
0.1349 3.28 14700 0.2764
0.1356 3.29 14750 0.2793
0.1337 3.31 14800 0.2746
0.1338 3.32 14850 0.2777
0.1392 3.33 14900 0.2773
0.1294 3.34 14950 0.2789
0.1313 3.35 15000 0.2799
0.128 3.36 15050 0.2819
0.1351 3.37 15100 0.2771
0.1298 3.38 15150 0.2785
0.13 3.4 15200 0.2779
0.1413 3.41 15250 0.2761
0.1324 3.42 15300 0.2770
0.1517 3.43 15350 0.2758
0.1323 3.44 15400 0.2764
0.1289 3.45 15450 0.2783
0.1281 3.46 15500 0.2784
0.1268 3.47 15550 0.2767
0.1349 3.48 15600 0.2770
0.1277 3.5 15650 0.2772
0.1271 3.51 15700 0.2766
0.1333 3.52 15750 0.2769
0.1262 3.53 15800 0.2759
0.1596 3.54 15850 0.2739
0.1246 3.55 15900 0.2744
0.1387 3.56 15950 0.2780
0.1366 3.57 16000 0.2759
0.1302 3.58 16050 0.2763
0.1309 3.6 16100 0.2761
0.13 3.61 16150 0.2763
0.1289 3.62 16200 0.2753
0.1271 3.63 16250 0.2755
0.1255 3.64 16300 0.2730
0.1275 3.65 16350 0.2725
0.1323 3.66 16400 0.2730
0.1233 3.67 16450 0.2753
0.1256 3.69 16500 0.2733
0.1487 3.7 16550 0.2741
0.1366 3.71 16600 0.2741
0.1495 3.72 16650 0.2743
0.1372 3.73 16700 0.2737
0.142 3.74 16750 0.2715
0.1403 3.75 16800 0.2724
0.1321 3.76 16850 0.2714
0.1313 3.77 16900 0.2733
0.1326 3.79 16950 0.2756
0.1263 3.8 17000 0.2746
0.1193 3.81 17050 0.2726
0.1347 3.82 17100 0.2713
0.13 3.83 17150 0.2733
0.1431 3.84 17200 0.2725
0.1277 3.85 17250 0.2730
0.131 3.86 17300 0.2720
0.1382 3.88 17350 0.2715
0.1322 3.89 17400 0.2710
0.1232 3.9 17450 0.2726
0.1308 3.91 17500 0.2716
0.1285 3.92 17550 0.2709
0.1342 3.93 17600 0.2719
0.1279 3.94 17650 0.2731
0.1294 3.95 17700 0.2740
0.1244 3.96 17750 0.2729
0.1307 3.98 17800 0.2704
0.1291 3.99 17850 0.2707
0.1231 4.0 17900 0.2711
0.105 4.01 17950 0.2896
0.099 4.02 18000 0.2944
0.0914 4.03 18050 0.2960
0.0903 4.04 18100 0.2945
0.1024 4.05 18150 0.2947
0.0937 4.07 18200 0.2993
0.0908 4.08 18250 0.2991
0.1044 4.09 18300 0.2966
0.1023 4.1 18350 0.2945
0.0961 4.11 18400 0.2979
0.0955 4.12 18450 0.2977
0.098 4.13 18500 0.2962
0.091 4.14 18550 0.2959
0.0855 4.15 18600 0.2998
0.0882 4.17 18650 0.2971
0.1019 4.18 18700 0.2987
0.0969 4.19 18750 0.2985
0.0875 4.2 18800 0.2994
0.0892 4.21 18850 0.2992
0.0849 4.22 18900 0.3009
0.0886 4.23 18950 0.2979
0.092 4.24 19000 0.2960
0.0959 4.26 19050 0.2969
0.0957 4.27 19100 0.2965
0.0953 4.28 19150 0.2989
0.0977 4.29 19200 0.2963
0.0917 4.3 19250 0.2989
0.0992 4.31 19300 0.3003
0.0912 4.32 19350 0.2972
0.0889 4.33 19400 0.2973
0.0901 4.34 19450 0.2966
0.0913 4.36 19500 0.2991
0.0886 4.37 19550 0.2974
0.0858 4.38 19600 0.2968
0.0905 4.39 19650 0.2959
0.0916 4.4 19700 0.2986
0.0885 4.41 19750 0.2984
0.0933 4.42 19800 0.2981
0.086 4.43 19850 0.2957
0.0975 4.44 19900 0.2986
0.0929 4.46 19950 0.2994
0.0946 4.47 20000 0.2975
0.0943 4.48 20050 0.2983
0.0951 4.49 20100 0.3004
0.0926 4.5 20150 0.2993
0.0917 4.51 20200 0.2995
0.0984 4.52 20250 0.2977
0.0944 4.53 20300 0.2959
0.0884 4.55 20350 0.2966
0.0883 4.56 20400 0.2986
0.0901 4.57 20450 0.2977
0.0932 4.58 20500 0.2975
0.0946 4.59 20550 0.2992
0.0937 4.6 20600 0.2975
0.0912 4.61 20650 0.2997
0.0919 4.62 20700 0.2991
0.0984 4.63 20750 0.2983
0.0866 4.65 20800 0.2978
0.0977 4.66 20850 0.2983
0.0966 4.67 20900 0.2976
0.0866 4.68 20950 0.2982
0.0926 4.69 21000 0.2999
0.0935 4.7 21050 0.2978
0.0987 4.71 21100 0.2982
0.0867 4.72 21150 0.2985
0.085 4.74 21200 0.2992
0.0859 4.75 21250 0.2989
0.0873 4.76 21300 0.2996
0.093 4.77 21350 0.2984
0.0873 4.78 21400 0.2989
0.0911 4.79 21450 0.2983
0.0873 4.8 21500 0.2987
0.0935 4.81 21550 0.2993
0.0862 4.82 21600 0.2993
0.093 4.84 21650 0.2985
0.0877 4.85 21700 0.2984
0.0808 4.86 21750 0.2979
0.0892 4.87 21800 0.2984
0.0855 4.88 21850 0.2981
0.0866 4.89 21900 0.2988
0.0837 4.9 21950 0.2989
0.0917 4.91 22000 0.2989
0.0818 4.93 22050 0.2994
0.0985 4.94 22100 0.2994
0.093 4.95 22150 0.2991
0.0874 4.96 22200 0.2989
0.0856 4.97 22250 0.2990
0.0972 4.98 22300 0.2991
0.0892 4.99 22350 0.2990

Framework versions

  • PEFT 0.10.0
  • Transformers 4.39.3
  • Pytorch 2.2.1+cu121
  • Datasets 2.18.0
  • Tokenizers 0.15.2