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
2bf6b34 verified
preview code
|
raw
history blame contribute delete
10.3 kB
metadata
base_model: codellama/CodeLlama-7b-Instruct-hf
library_name: peft
license: llama2
tags:
  - trl
  - sft
  - generated_from_trainer
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: 0.3066

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: 4

Training results

Training Loss Epoch Step Validation Loss
0.197 2.6742 17000 0.2906
0.1777 2.6821 17050 0.2934
0.1949 2.6899 17100 0.2911
0.2131 2.6978 17150 0.2928
0.1839 2.7057 17200 0.2921
0.2039 2.7135 17250 0.2896
0.2187 2.7214 17300 0.2906
0.185 2.7293 17350 0.2906
0.1837 2.7371 17400 0.2933
0.2117 2.7450 17450 0.2889
0.2143 2.7529 17500 0.2904
0.1814 2.7607 17550 0.2897
0.1982 2.7686 17600 0.2898
0.2243 2.7765 17650 0.2903
0.1817 2.7843 17700 0.2895
0.1921 2.7922 17750 0.2919
0.2097 2.8001 17800 0.2913
0.1883 2.8079 17850 0.2903
0.1905 2.8158 17900 0.2882
0.2034 2.8237 17950 0.2884
0.2008 2.8315 18000 0.2891
0.184 2.8394 18050 0.2883
0.1732 2.8473 18100 0.2896
0.1905 2.8551 18150 0.2895
0.1812 2.8630 18200 0.2895
0.1941 2.8709 18250 0.2899
0.2063 2.8787 18300 0.2879
0.1982 2.8866 18350 0.2868
0.1946 2.8944 18400 0.2895
0.2104 2.9023 18450 0.2874
0.1851 2.9102 18500 0.2878
0.1968 2.9180 18550 0.2868
0.1964 2.9259 18600 0.2880
0.1863 2.9338 18650 0.2880
0.1875 2.9416 18700 0.2876
0.1698 2.9495 18750 0.2863
0.2082 2.9574 18800 0.2881
0.1962 2.9652 18850 0.2869
0.2061 2.9731 18900 0.2860
0.2132 2.9810 18950 0.2869
0.1854 2.9888 19000 0.2875
0.1906 2.9967 19050 0.2879
0.144 3.0046 19100 0.3005
0.1302 3.0124 19150 0.3097
0.1324 3.0203 19200 0.3090
0.1344 3.0282 19250 0.3094
0.1392 3.0360 19300 0.3064
0.1464 3.0439 19350 0.3066
0.141 3.0518 19400 0.3070
0.1275 3.0596 19450 0.3103
0.1284 3.0675 19500 0.3074
0.1397 3.0754 19550 0.3111
0.1335 3.0832 19600 0.3105
0.1302 3.0911 19650 0.3082
0.1315 3.0989 19700 0.3094
0.128 3.1068 19750 0.3110
0.1272 3.1147 19800 0.3094
0.1227 3.1225 19850 0.3074
0.1375 3.1304 19900 0.3093
0.1344 3.1383 19950 0.3092
0.1301 3.1461 20000 0.3098
0.1339 3.1540 20050 0.3083
0.1398 3.1619 20100 0.3100
0.132 3.1697 20150 0.3109
0.1499 3.1776 20200 0.3070
0.1438 3.1855 20250 0.3075
0.1267 3.1933 20300 0.3106
0.1282 3.2012 20350 0.3082
0.1365 3.2091 20400 0.3075
0.1239 3.2169 20450 0.3110
0.1507 3.2248 20500 0.3087
0.1364 3.2327 20550 0.3112
0.1281 3.2405 20600 0.3092
0.1271 3.2484 20650 0.3104
0.1124 3.2563 20700 0.3097
0.1382 3.2641 20750 0.3111
0.1415 3.2720 20800 0.3101
0.1246 3.2798 20850 0.3115
0.1337 3.2877 20900 0.3095
0.1378 3.2956 20950 0.3069
0.1219 3.3034 21000 0.3081
0.1303 3.3113 21050 0.3098
0.1445 3.3192 21100 0.3081
0.134 3.3270 21150 0.3090
0.1389 3.3349 21200 0.3098
0.1388 3.3428 21250 0.3087
0.1317 3.3506 21300 0.3094
0.1367 3.3585 21350 0.3080
0.1267 3.3664 21400 0.3092
0.1333 3.3742 21450 0.3102
0.1266 3.3821 21500 0.3102
0.1345 3.3900 21550 0.3075
0.1279 3.3978 21600 0.3083
0.1342 3.4057 21650 0.3078
0.141 3.4136 21700 0.3102
0.1241 3.4214 21750 0.3066
0.14 3.4293 21800 0.3083
0.1232 3.4372 21850 0.3070
0.1296 3.4450 21900 0.3081
0.1286 3.4529 21950 0.3065
0.1313 3.4608 22000 0.3071
0.1484 3.4686 22050 0.3058
0.1395 3.4765 22100 0.3074
0.1311 3.4843 22150 0.3064
0.1116 3.4922 22200 0.3095
0.1269 3.5001 22250 0.3102
0.1308 3.5079 22300 0.3067
0.127 3.5158 22350 0.3077
0.1176 3.5237 22400 0.3086
0.1234 3.5315 22450 0.3095
0.1359 3.5394 22500 0.3075
0.1337 3.5473 22550 0.3083
0.1224 3.5551 22600 0.3088
0.1286 3.5630 22650 0.3090
0.1341 3.5709 22700 0.3076
0.1419 3.5787 22750 0.3099
0.1478 3.5866 22800 0.3072
0.1215 3.5945 22850 0.3080
0.1298 3.6023 22900 0.3073
0.1368 3.6102 22950 0.3071
0.1388 3.6181 23000 0.3070
0.1239 3.6259 23050 0.3069
0.1202 3.6338 23100 0.3066
0.1329 3.6417 23150 0.3060
0.1262 3.6495 23200 0.3070
0.1221 3.6574 23250 0.3084
0.1233 3.6653 23300 0.3068
0.1222 3.6731 23350 0.3063
0.133 3.6810 23400 0.3067
0.1276 3.6888 23450 0.3054
0.1214 3.6967 23500 0.3065
0.1308 3.7046 23550 0.3072
0.1278 3.7124 23600 0.3074
0.1177 3.7203 23650 0.3070
0.1302 3.7282 23700 0.3067
0.1279 3.7360 23750 0.3068
0.132 3.7439 23800 0.3078
0.143 3.7518 23850 0.3070
0.1365 3.7596 23900 0.3068
0.1456 3.7675 23950 0.3073
0.1312 3.7754 24000 0.3069
0.1304 3.7832 24050 0.3073
0.1409 3.7911 24100 0.3069
0.1369 3.7990 24150 0.3067
0.1291 3.8068 24200 0.3065
0.1114 3.8147 24250 0.3073
0.1294 3.8226 24300 0.3067
0.1223 3.8304 24350 0.3071
0.1166 3.8383 24400 0.3074
0.1233 3.8462 24450 0.3076
0.1348 3.8540 24500 0.3073
0.1203 3.8619 24550 0.3069
0.1326 3.8697 24600 0.3072
0.123 3.8776 24650 0.3070
0.13 3.8855 24700 0.3069
0.1305 3.8933 24750 0.3073
0.1366 3.9012 24800 0.3075
0.1428 3.9091 24850 0.3078
0.1258 3.9169 24900 0.3075
0.135 3.9248 24950 0.3073
0.1282 3.9327 25000 0.3071
0.1323 3.9405 25050 0.3073
0.1242 3.9484 25100 0.3072
0.1453 3.9563 25150 0.3071
0.1441 3.9641 25200 0.3067
0.1273 3.9720 25250 0.3066
0.115 3.9799 25300 0.3067
0.1337 3.9877 25350 0.3067
0.1259 3.9956 25400 0.3066

Framework versions

  • PEFT 0.13.0
  • Transformers 4.45.1
  • Pytorch 2.4.1+cu121
  • Datasets 3.0.1
  • Tokenizers 0.20.0