End of training
Browse files- README.md +54 -0
- adapter_config.json +28 -0
- adapter_model.bin +3 -0
- adapter_model.safetensors +3 -0
- all_results.json +7 -0
- args.txt +14 -0
- train_results.json +7 -0
- trainer_state.json +508 -0
- training_args.bin +3 -0
README.md
ADDED
|
@@ -0,0 +1,54 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
---
|
| 2 |
+
license: llama2
|
| 3 |
+
base_model: lmsys/vicuna-7b-v1.5
|
| 4 |
+
tags:
|
| 5 |
+
- generated_from_trainer
|
| 6 |
+
model-index:
|
| 7 |
+
- name: cs_cot_16
|
| 8 |
+
results: []
|
| 9 |
+
---
|
| 10 |
+
|
| 11 |
+
<!-- This model card has been generated automatically according to the information the Trainer had access to. You
|
| 12 |
+
should probably proofread and complete it, then remove this comment. -->
|
| 13 |
+
|
| 14 |
+
# cs_cot_16
|
| 15 |
+
|
| 16 |
+
This model is a fine-tuned version of [lmsys/vicuna-7b-v1.5](https://huggingface.co/lmsys/vicuna-7b-v1.5) on an unknown dataset.
|
| 17 |
+
|
| 18 |
+
## Model description
|
| 19 |
+
|
| 20 |
+
More information needed
|
| 21 |
+
|
| 22 |
+
## Intended uses & limitations
|
| 23 |
+
|
| 24 |
+
More information needed
|
| 25 |
+
|
| 26 |
+
## Training and evaluation data
|
| 27 |
+
|
| 28 |
+
More information needed
|
| 29 |
+
|
| 30 |
+
## Training procedure
|
| 31 |
+
|
| 32 |
+
### Training hyperparameters
|
| 33 |
+
|
| 34 |
+
The following hyperparameters were used during training:
|
| 35 |
+
- learning_rate: 0.0001
|
| 36 |
+
- train_batch_size: 4
|
| 37 |
+
- eval_batch_size: 8
|
| 38 |
+
- seed: 42
|
| 39 |
+
- optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
|
| 40 |
+
- lr_scheduler_type: linear
|
| 41 |
+
- lr_scheduler_warmup_steps: 5
|
| 42 |
+
- num_epochs: 20
|
| 43 |
+
- mixed_precision_training: Native AMP
|
| 44 |
+
|
| 45 |
+
### Training results
|
| 46 |
+
|
| 47 |
+
|
| 48 |
+
|
| 49 |
+
### Framework versions
|
| 50 |
+
|
| 51 |
+
- Transformers 4.36.0.dev0
|
| 52 |
+
- Pytorch 2.1.0+cu121
|
| 53 |
+
- Datasets 2.13.1
|
| 54 |
+
- Tokenizers 0.14.1
|
adapter_config.json
ADDED
|
@@ -0,0 +1,28 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"alpha_pattern": {},
|
| 3 |
+
"auto_mapping": null,
|
| 4 |
+
"base_model_name_or_path": "lmsys/vicuna-7b-v1.5",
|
| 5 |
+
"bias": "none",
|
| 6 |
+
"fan_in_fan_out": false,
|
| 7 |
+
"inference_mode": true,
|
| 8 |
+
"init_lora_weights": true,
|
| 9 |
+
"layers_pattern": null,
|
| 10 |
+
"layers_to_transform": null,
|
| 11 |
+
"lora_alpha": 64,
|
| 12 |
+
"lora_dropout": 0.1,
|
| 13 |
+
"modules_to_save": null,
|
| 14 |
+
"peft_type": "LORA",
|
| 15 |
+
"r": 16,
|
| 16 |
+
"rank_pattern": {},
|
| 17 |
+
"revision": null,
|
| 18 |
+
"target_modules": [
|
| 19 |
+
"v_proj",
|
| 20 |
+
"k_proj",
|
| 21 |
+
"q_proj",
|
| 22 |
+
"gate_proj",
|
| 23 |
+
"o_proj",
|
| 24 |
+
"down_proj",
|
| 25 |
+
"up_proj"
|
| 26 |
+
],
|
| 27 |
+
"task_type": "CAUSAL_LM"
|
| 28 |
+
}
|
adapter_model.bin
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:b0a9cb49e99a5af924384abbf5452f98cd5fb4a79a62b423b2aa5733b6275923
|
| 3 |
+
size 160069834
|
adapter_model.safetensors
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:90e84f015976aa73226946dd08bf3408f4c0784c940a988f4ab19bc2fbb39ff0
|
| 3 |
+
size 159967880
|
all_results.json
ADDED
|
@@ -0,0 +1,7 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"epoch": 20.0,
|
| 3 |
+
"train_loss": 0.6366612183861434,
|
| 4 |
+
"train_runtime": 137.4289,
|
| 5 |
+
"train_samples_per_second": 2.328,
|
| 6 |
+
"train_steps_per_second": 0.582
|
| 7 |
+
}
|
args.txt
ADDED
|
@@ -0,0 +1,14 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
base_model_name: lmsys/vicuna-7b-v1.5
|
| 2 |
+
batch_size: 4
|
| 3 |
+
cot: true
|
| 4 |
+
dataset_name: BENBENBENb/CommonsenseQA1000COT
|
| 5 |
+
epochs: 20
|
| 6 |
+
eval_strategy: epoch
|
| 7 |
+
evaluation: false
|
| 8 |
+
learning_rate: 0.0001
|
| 9 |
+
logging_steps: 1
|
| 10 |
+
output_dir: brettbbb/cs_cot_16
|
| 11 |
+
seed: 42
|
| 12 |
+
skip_example: true
|
| 13 |
+
train_size: 16
|
| 14 |
+
warmup_steps: 5
|
train_results.json
ADDED
|
@@ -0,0 +1,7 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"epoch": 20.0,
|
| 3 |
+
"train_loss": 0.6366612183861434,
|
| 4 |
+
"train_runtime": 137.4289,
|
| 5 |
+
"train_samples_per_second": 2.328,
|
| 6 |
+
"train_steps_per_second": 0.582
|
| 7 |
+
}
|
trainer_state.json
ADDED
|
@@ -0,0 +1,508 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_metric": null,
|
| 3 |
+
"best_model_checkpoint": null,
|
| 4 |
+
"epoch": 20.0,
|
| 5 |
+
"eval_steps": 500,
|
| 6 |
+
"global_step": 80,
|
| 7 |
+
"is_hyper_param_search": false,
|
| 8 |
+
"is_local_process_zero": true,
|
| 9 |
+
"is_world_process_zero": true,
|
| 10 |
+
"log_history": [
|
| 11 |
+
{
|
| 12 |
+
"epoch": 0.25,
|
| 13 |
+
"learning_rate": 2e-05,
|
| 14 |
+
"loss": 2.6877,
|
| 15 |
+
"step": 1
|
| 16 |
+
},
|
| 17 |
+
{
|
| 18 |
+
"epoch": 0.5,
|
| 19 |
+
"learning_rate": 4e-05,
|
| 20 |
+
"loss": 2.5341,
|
| 21 |
+
"step": 2
|
| 22 |
+
},
|
| 23 |
+
{
|
| 24 |
+
"epoch": 0.75,
|
| 25 |
+
"learning_rate": 6e-05,
|
| 26 |
+
"loss": 2.6455,
|
| 27 |
+
"step": 3
|
| 28 |
+
},
|
| 29 |
+
{
|
| 30 |
+
"epoch": 1.0,
|
| 31 |
+
"learning_rate": 8e-05,
|
| 32 |
+
"loss": 3.2075,
|
| 33 |
+
"step": 4
|
| 34 |
+
},
|
| 35 |
+
{
|
| 36 |
+
"epoch": 1.25,
|
| 37 |
+
"learning_rate": 0.0001,
|
| 38 |
+
"loss": 2.4251,
|
| 39 |
+
"step": 5
|
| 40 |
+
},
|
| 41 |
+
{
|
| 42 |
+
"epoch": 1.5,
|
| 43 |
+
"learning_rate": 9.866666666666668e-05,
|
| 44 |
+
"loss": 2.8501,
|
| 45 |
+
"step": 6
|
| 46 |
+
},
|
| 47 |
+
{
|
| 48 |
+
"epoch": 1.75,
|
| 49 |
+
"learning_rate": 9.733333333333335e-05,
|
| 50 |
+
"loss": 2.1589,
|
| 51 |
+
"step": 7
|
| 52 |
+
},
|
| 53 |
+
{
|
| 54 |
+
"epoch": 2.0,
|
| 55 |
+
"learning_rate": 9.6e-05,
|
| 56 |
+
"loss": 1.9223,
|
| 57 |
+
"step": 8
|
| 58 |
+
},
|
| 59 |
+
{
|
| 60 |
+
"epoch": 2.25,
|
| 61 |
+
"learning_rate": 9.466666666666667e-05,
|
| 62 |
+
"loss": 2.14,
|
| 63 |
+
"step": 9
|
| 64 |
+
},
|
| 65 |
+
{
|
| 66 |
+
"epoch": 2.5,
|
| 67 |
+
"learning_rate": 9.333333333333334e-05,
|
| 68 |
+
"loss": 1.7994,
|
| 69 |
+
"step": 10
|
| 70 |
+
},
|
| 71 |
+
{
|
| 72 |
+
"epoch": 2.75,
|
| 73 |
+
"learning_rate": 9.200000000000001e-05,
|
| 74 |
+
"loss": 1.5281,
|
| 75 |
+
"step": 11
|
| 76 |
+
},
|
| 77 |
+
{
|
| 78 |
+
"epoch": 3.0,
|
| 79 |
+
"learning_rate": 9.066666666666667e-05,
|
| 80 |
+
"loss": 1.9995,
|
| 81 |
+
"step": 12
|
| 82 |
+
},
|
| 83 |
+
{
|
| 84 |
+
"epoch": 3.25,
|
| 85 |
+
"learning_rate": 8.933333333333334e-05,
|
| 86 |
+
"loss": 1.5057,
|
| 87 |
+
"step": 13
|
| 88 |
+
},
|
| 89 |
+
{
|
| 90 |
+
"epoch": 3.5,
|
| 91 |
+
"learning_rate": 8.800000000000001e-05,
|
| 92 |
+
"loss": 1.4835,
|
| 93 |
+
"step": 14
|
| 94 |
+
},
|
| 95 |
+
{
|
| 96 |
+
"epoch": 3.75,
|
| 97 |
+
"learning_rate": 8.666666666666667e-05,
|
| 98 |
+
"loss": 1.4045,
|
| 99 |
+
"step": 15
|
| 100 |
+
},
|
| 101 |
+
{
|
| 102 |
+
"epoch": 4.0,
|
| 103 |
+
"learning_rate": 8.533333333333334e-05,
|
| 104 |
+
"loss": 1.3313,
|
| 105 |
+
"step": 16
|
| 106 |
+
},
|
| 107 |
+
{
|
| 108 |
+
"epoch": 4.25,
|
| 109 |
+
"learning_rate": 8.4e-05,
|
| 110 |
+
"loss": 1.2167,
|
| 111 |
+
"step": 17
|
| 112 |
+
},
|
| 113 |
+
{
|
| 114 |
+
"epoch": 4.5,
|
| 115 |
+
"learning_rate": 8.266666666666667e-05,
|
| 116 |
+
"loss": 0.9819,
|
| 117 |
+
"step": 18
|
| 118 |
+
},
|
| 119 |
+
{
|
| 120 |
+
"epoch": 4.75,
|
| 121 |
+
"learning_rate": 8.266666666666667e-05,
|
| 122 |
+
"loss": 1.0334,
|
| 123 |
+
"step": 19
|
| 124 |
+
},
|
| 125 |
+
{
|
| 126 |
+
"epoch": 5.0,
|
| 127 |
+
"learning_rate": 8.266666666666667e-05,
|
| 128 |
+
"loss": 1.5601,
|
| 129 |
+
"step": 20
|
| 130 |
+
},
|
| 131 |
+
{
|
| 132 |
+
"epoch": 5.25,
|
| 133 |
+
"learning_rate": 8.133333333333334e-05,
|
| 134 |
+
"loss": 0.9531,
|
| 135 |
+
"step": 21
|
| 136 |
+
},
|
| 137 |
+
{
|
| 138 |
+
"epoch": 5.5,
|
| 139 |
+
"learning_rate": 8e-05,
|
| 140 |
+
"loss": 0.9553,
|
| 141 |
+
"step": 22
|
| 142 |
+
},
|
| 143 |
+
{
|
| 144 |
+
"epoch": 5.75,
|
| 145 |
+
"learning_rate": 7.866666666666666e-05,
|
| 146 |
+
"loss": 0.9779,
|
| 147 |
+
"step": 23
|
| 148 |
+
},
|
| 149 |
+
{
|
| 150 |
+
"epoch": 6.0,
|
| 151 |
+
"learning_rate": 7.733333333333333e-05,
|
| 152 |
+
"loss": 0.9237,
|
| 153 |
+
"step": 24
|
| 154 |
+
},
|
| 155 |
+
{
|
| 156 |
+
"epoch": 6.25,
|
| 157 |
+
"learning_rate": 7.6e-05,
|
| 158 |
+
"loss": 0.5794,
|
| 159 |
+
"step": 25
|
| 160 |
+
},
|
| 161 |
+
{
|
| 162 |
+
"epoch": 6.5,
|
| 163 |
+
"learning_rate": 7.466666666666667e-05,
|
| 164 |
+
"loss": 0.8356,
|
| 165 |
+
"step": 26
|
| 166 |
+
},
|
| 167 |
+
{
|
| 168 |
+
"epoch": 6.75,
|
| 169 |
+
"learning_rate": 7.333333333333333e-05,
|
| 170 |
+
"loss": 0.7437,
|
| 171 |
+
"step": 27
|
| 172 |
+
},
|
| 173 |
+
{
|
| 174 |
+
"epoch": 7.0,
|
| 175 |
+
"learning_rate": 7.2e-05,
|
| 176 |
+
"loss": 0.5774,
|
| 177 |
+
"step": 28
|
| 178 |
+
},
|
| 179 |
+
{
|
| 180 |
+
"epoch": 7.25,
|
| 181 |
+
"learning_rate": 7.066666666666667e-05,
|
| 182 |
+
"loss": 0.6447,
|
| 183 |
+
"step": 29
|
| 184 |
+
},
|
| 185 |
+
{
|
| 186 |
+
"epoch": 7.5,
|
| 187 |
+
"learning_rate": 6.933333333333334e-05,
|
| 188 |
+
"loss": 0.3526,
|
| 189 |
+
"step": 30
|
| 190 |
+
},
|
| 191 |
+
{
|
| 192 |
+
"epoch": 7.75,
|
| 193 |
+
"learning_rate": 6.800000000000001e-05,
|
| 194 |
+
"loss": 0.8214,
|
| 195 |
+
"step": 31
|
| 196 |
+
},
|
| 197 |
+
{
|
| 198 |
+
"epoch": 8.0,
|
| 199 |
+
"learning_rate": 6.666666666666667e-05,
|
| 200 |
+
"loss": 0.2347,
|
| 201 |
+
"step": 32
|
| 202 |
+
},
|
| 203 |
+
{
|
| 204 |
+
"epoch": 8.25,
|
| 205 |
+
"learning_rate": 6.533333333333334e-05,
|
| 206 |
+
"loss": 0.2205,
|
| 207 |
+
"step": 33
|
| 208 |
+
},
|
| 209 |
+
{
|
| 210 |
+
"epoch": 8.5,
|
| 211 |
+
"learning_rate": 6.400000000000001e-05,
|
| 212 |
+
"loss": 0.2355,
|
| 213 |
+
"step": 34
|
| 214 |
+
},
|
| 215 |
+
{
|
| 216 |
+
"epoch": 8.75,
|
| 217 |
+
"learning_rate": 6.266666666666667e-05,
|
| 218 |
+
"loss": 0.1864,
|
| 219 |
+
"step": 35
|
| 220 |
+
},
|
| 221 |
+
{
|
| 222 |
+
"epoch": 9.0,
|
| 223 |
+
"learning_rate": 6.133333333333334e-05,
|
| 224 |
+
"loss": 0.4161,
|
| 225 |
+
"step": 36
|
| 226 |
+
},
|
| 227 |
+
{
|
| 228 |
+
"epoch": 9.25,
|
| 229 |
+
"learning_rate": 6e-05,
|
| 230 |
+
"loss": 0.1945,
|
| 231 |
+
"step": 37
|
| 232 |
+
},
|
| 233 |
+
{
|
| 234 |
+
"epoch": 9.5,
|
| 235 |
+
"learning_rate": 5.866666666666667e-05,
|
| 236 |
+
"loss": 0.0977,
|
| 237 |
+
"step": 38
|
| 238 |
+
},
|
| 239 |
+
{
|
| 240 |
+
"epoch": 9.75,
|
| 241 |
+
"learning_rate": 5.7333333333333336e-05,
|
| 242 |
+
"loss": 0.1073,
|
| 243 |
+
"step": 39
|
| 244 |
+
},
|
| 245 |
+
{
|
| 246 |
+
"epoch": 10.0,
|
| 247 |
+
"learning_rate": 5.6000000000000006e-05,
|
| 248 |
+
"loss": 0.1344,
|
| 249 |
+
"step": 40
|
| 250 |
+
},
|
| 251 |
+
{
|
| 252 |
+
"epoch": 10.25,
|
| 253 |
+
"learning_rate": 5.466666666666666e-05,
|
| 254 |
+
"loss": 0.0814,
|
| 255 |
+
"step": 41
|
| 256 |
+
},
|
| 257 |
+
{
|
| 258 |
+
"epoch": 10.5,
|
| 259 |
+
"learning_rate": 5.333333333333333e-05,
|
| 260 |
+
"loss": 0.0902,
|
| 261 |
+
"step": 42
|
| 262 |
+
},
|
| 263 |
+
{
|
| 264 |
+
"epoch": 10.75,
|
| 265 |
+
"learning_rate": 5.2000000000000004e-05,
|
| 266 |
+
"loss": 0.1379,
|
| 267 |
+
"step": 43
|
| 268 |
+
},
|
| 269 |
+
{
|
| 270 |
+
"epoch": 11.0,
|
| 271 |
+
"learning_rate": 5.0666666666666674e-05,
|
| 272 |
+
"loss": 0.0515,
|
| 273 |
+
"step": 44
|
| 274 |
+
},
|
| 275 |
+
{
|
| 276 |
+
"epoch": 11.25,
|
| 277 |
+
"learning_rate": 4.933333333333334e-05,
|
| 278 |
+
"loss": 0.0579,
|
| 279 |
+
"step": 45
|
| 280 |
+
},
|
| 281 |
+
{
|
| 282 |
+
"epoch": 11.5,
|
| 283 |
+
"learning_rate": 4.8e-05,
|
| 284 |
+
"loss": 0.0705,
|
| 285 |
+
"step": 46
|
| 286 |
+
},
|
| 287 |
+
{
|
| 288 |
+
"epoch": 11.75,
|
| 289 |
+
"learning_rate": 4.666666666666667e-05,
|
| 290 |
+
"loss": 0.0898,
|
| 291 |
+
"step": 47
|
| 292 |
+
},
|
| 293 |
+
{
|
| 294 |
+
"epoch": 12.0,
|
| 295 |
+
"learning_rate": 4.5333333333333335e-05,
|
| 296 |
+
"loss": 0.0748,
|
| 297 |
+
"step": 48
|
| 298 |
+
},
|
| 299 |
+
{
|
| 300 |
+
"epoch": 12.25,
|
| 301 |
+
"learning_rate": 4.4000000000000006e-05,
|
| 302 |
+
"loss": 0.0515,
|
| 303 |
+
"step": 49
|
| 304 |
+
},
|
| 305 |
+
{
|
| 306 |
+
"epoch": 12.5,
|
| 307 |
+
"learning_rate": 4.266666666666667e-05,
|
| 308 |
+
"loss": 0.0471,
|
| 309 |
+
"step": 50
|
| 310 |
+
},
|
| 311 |
+
{
|
| 312 |
+
"epoch": 12.75,
|
| 313 |
+
"learning_rate": 4.133333333333333e-05,
|
| 314 |
+
"loss": 0.0577,
|
| 315 |
+
"step": 51
|
| 316 |
+
},
|
| 317 |
+
{
|
| 318 |
+
"epoch": 13.0,
|
| 319 |
+
"learning_rate": 4e-05,
|
| 320 |
+
"loss": 0.1072,
|
| 321 |
+
"step": 52
|
| 322 |
+
},
|
| 323 |
+
{
|
| 324 |
+
"epoch": 13.25,
|
| 325 |
+
"learning_rate": 3.866666666666667e-05,
|
| 326 |
+
"loss": 0.0592,
|
| 327 |
+
"step": 53
|
| 328 |
+
},
|
| 329 |
+
{
|
| 330 |
+
"epoch": 13.5,
|
| 331 |
+
"learning_rate": 3.733333333333334e-05,
|
| 332 |
+
"loss": 0.0677,
|
| 333 |
+
"step": 54
|
| 334 |
+
},
|
| 335 |
+
{
|
| 336 |
+
"epoch": 13.75,
|
| 337 |
+
"learning_rate": 3.6e-05,
|
| 338 |
+
"loss": 0.0412,
|
| 339 |
+
"step": 55
|
| 340 |
+
},
|
| 341 |
+
{
|
| 342 |
+
"epoch": 14.0,
|
| 343 |
+
"learning_rate": 3.466666666666667e-05,
|
| 344 |
+
"loss": 0.072,
|
| 345 |
+
"step": 56
|
| 346 |
+
},
|
| 347 |
+
{
|
| 348 |
+
"epoch": 14.25,
|
| 349 |
+
"learning_rate": 3.3333333333333335e-05,
|
| 350 |
+
"loss": 0.0424,
|
| 351 |
+
"step": 57
|
| 352 |
+
},
|
| 353 |
+
{
|
| 354 |
+
"epoch": 14.5,
|
| 355 |
+
"learning_rate": 3.2000000000000005e-05,
|
| 356 |
+
"loss": 0.0442,
|
| 357 |
+
"step": 58
|
| 358 |
+
},
|
| 359 |
+
{
|
| 360 |
+
"epoch": 14.75,
|
| 361 |
+
"learning_rate": 3.066666666666667e-05,
|
| 362 |
+
"loss": 0.0583,
|
| 363 |
+
"step": 59
|
| 364 |
+
},
|
| 365 |
+
{
|
| 366 |
+
"epoch": 15.0,
|
| 367 |
+
"learning_rate": 2.9333333333333336e-05,
|
| 368 |
+
"loss": 0.0561,
|
| 369 |
+
"step": 60
|
| 370 |
+
},
|
| 371 |
+
{
|
| 372 |
+
"epoch": 15.25,
|
| 373 |
+
"learning_rate": 2.8000000000000003e-05,
|
| 374 |
+
"loss": 0.0934,
|
| 375 |
+
"step": 61
|
| 376 |
+
},
|
| 377 |
+
{
|
| 378 |
+
"epoch": 15.5,
|
| 379 |
+
"learning_rate": 2.6666666666666667e-05,
|
| 380 |
+
"loss": 0.0627,
|
| 381 |
+
"step": 62
|
| 382 |
+
},
|
| 383 |
+
{
|
| 384 |
+
"epoch": 15.75,
|
| 385 |
+
"learning_rate": 2.5333333333333337e-05,
|
| 386 |
+
"loss": 0.0537,
|
| 387 |
+
"step": 63
|
| 388 |
+
},
|
| 389 |
+
{
|
| 390 |
+
"epoch": 16.0,
|
| 391 |
+
"learning_rate": 2.4e-05,
|
| 392 |
+
"loss": 0.0255,
|
| 393 |
+
"step": 64
|
| 394 |
+
},
|
| 395 |
+
{
|
| 396 |
+
"epoch": 16.25,
|
| 397 |
+
"learning_rate": 2.2666666666666668e-05,
|
| 398 |
+
"loss": 0.0662,
|
| 399 |
+
"step": 65
|
| 400 |
+
},
|
| 401 |
+
{
|
| 402 |
+
"epoch": 16.5,
|
| 403 |
+
"learning_rate": 2.1333333333333335e-05,
|
| 404 |
+
"loss": 0.0325,
|
| 405 |
+
"step": 66
|
| 406 |
+
},
|
| 407 |
+
{
|
| 408 |
+
"epoch": 16.75,
|
| 409 |
+
"learning_rate": 2e-05,
|
| 410 |
+
"loss": 0.0436,
|
| 411 |
+
"step": 67
|
| 412 |
+
},
|
| 413 |
+
{
|
| 414 |
+
"epoch": 17.0,
|
| 415 |
+
"learning_rate": 1.866666666666667e-05,
|
| 416 |
+
"loss": 0.0639,
|
| 417 |
+
"step": 68
|
| 418 |
+
},
|
| 419 |
+
{
|
| 420 |
+
"epoch": 17.25,
|
| 421 |
+
"learning_rate": 1.7333333333333336e-05,
|
| 422 |
+
"loss": 0.0289,
|
| 423 |
+
"step": 69
|
| 424 |
+
},
|
| 425 |
+
{
|
| 426 |
+
"epoch": 17.5,
|
| 427 |
+
"learning_rate": 1.6000000000000003e-05,
|
| 428 |
+
"loss": 0.0455,
|
| 429 |
+
"step": 70
|
| 430 |
+
},
|
| 431 |
+
{
|
| 432 |
+
"epoch": 17.75,
|
| 433 |
+
"learning_rate": 1.4666666666666668e-05,
|
| 434 |
+
"loss": 0.0569,
|
| 435 |
+
"step": 71
|
| 436 |
+
},
|
| 437 |
+
{
|
| 438 |
+
"epoch": 18.0,
|
| 439 |
+
"learning_rate": 1.3333333333333333e-05,
|
| 440 |
+
"loss": 0.04,
|
| 441 |
+
"step": 72
|
| 442 |
+
},
|
| 443 |
+
{
|
| 444 |
+
"epoch": 18.25,
|
| 445 |
+
"learning_rate": 1.2e-05,
|
| 446 |
+
"loss": 0.0347,
|
| 447 |
+
"step": 73
|
| 448 |
+
},
|
| 449 |
+
{
|
| 450 |
+
"epoch": 18.5,
|
| 451 |
+
"learning_rate": 1.0666666666666667e-05,
|
| 452 |
+
"loss": 0.04,
|
| 453 |
+
"step": 74
|
| 454 |
+
},
|
| 455 |
+
{
|
| 456 |
+
"epoch": 18.75,
|
| 457 |
+
"learning_rate": 9.333333333333334e-06,
|
| 458 |
+
"loss": 0.0554,
|
| 459 |
+
"step": 75
|
| 460 |
+
},
|
| 461 |
+
{
|
| 462 |
+
"epoch": 19.0,
|
| 463 |
+
"learning_rate": 8.000000000000001e-06,
|
| 464 |
+
"loss": 0.0478,
|
| 465 |
+
"step": 76
|
| 466 |
+
},
|
| 467 |
+
{
|
| 468 |
+
"epoch": 19.25,
|
| 469 |
+
"learning_rate": 6.666666666666667e-06,
|
| 470 |
+
"loss": 0.0512,
|
| 471 |
+
"step": 77
|
| 472 |
+
},
|
| 473 |
+
{
|
| 474 |
+
"epoch": 19.5,
|
| 475 |
+
"learning_rate": 5.333333333333334e-06,
|
| 476 |
+
"loss": 0.0378,
|
| 477 |
+
"step": 78
|
| 478 |
+
},
|
| 479 |
+
{
|
| 480 |
+
"epoch": 19.75,
|
| 481 |
+
"learning_rate": 4.000000000000001e-06,
|
| 482 |
+
"loss": 0.0534,
|
| 483 |
+
"step": 79
|
| 484 |
+
},
|
| 485 |
+
{
|
| 486 |
+
"epoch": 20.0,
|
| 487 |
+
"learning_rate": 2.666666666666667e-06,
|
| 488 |
+
"loss": 0.0345,
|
| 489 |
+
"step": 80
|
| 490 |
+
},
|
| 491 |
+
{
|
| 492 |
+
"epoch": 20.0,
|
| 493 |
+
"step": 80,
|
| 494 |
+
"total_flos": 3726753807728640.0,
|
| 495 |
+
"train_loss": 0.6366612183861434,
|
| 496 |
+
"train_runtime": 137.4289,
|
| 497 |
+
"train_samples_per_second": 2.328,
|
| 498 |
+
"train_steps_per_second": 0.582
|
| 499 |
+
}
|
| 500 |
+
],
|
| 501 |
+
"logging_steps": 1,
|
| 502 |
+
"max_steps": 80,
|
| 503 |
+
"num_train_epochs": 20,
|
| 504 |
+
"save_steps": 500,
|
| 505 |
+
"total_flos": 3726753807728640.0,
|
| 506 |
+
"trial_name": null,
|
| 507 |
+
"trial_params": null
|
| 508 |
+
}
|
training_args.bin
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:105e79fab26a307701a260c7238031d11ebe1785158f46cb6d3638f818d4245c
|
| 3 |
+
size 4600
|