Upload 12 files
Browse files- config.json +44 -0
- generation_config.json +9 -0
- merges.txt +0 -0
- model.safetensors +3 -0
- optimizer.pt +3 -0
- rng_state.pth +3 -0
- scheduler.pt +3 -0
- special_tokens_map.json +51 -0
- tokenizer_config.json +57 -0
- trainer_state.json +539 -0
- training_args.bin +3 -0
- vocab.json +0 -0
config.json
ADDED
|
@@ -0,0 +1,44 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"activation_dropout": 0.0,
|
| 3 |
+
"activation_function": "gelu",
|
| 4 |
+
"architectures": [
|
| 5 |
+
"BartForConditionalGeneration"
|
| 6 |
+
],
|
| 7 |
+
"attention_dropout": 0.0,
|
| 8 |
+
"bos_token_id": 0,
|
| 9 |
+
"classifier_dropout": 0.0,
|
| 10 |
+
"d_model": 768,
|
| 11 |
+
"decoder_attention_heads": 12,
|
| 12 |
+
"decoder_ffn_dim": 3072,
|
| 13 |
+
"decoder_layerdrop": 0.0,
|
| 14 |
+
"decoder_layers": 6,
|
| 15 |
+
"decoder_start_token_id": 2,
|
| 16 |
+
"dropout": 0.1,
|
| 17 |
+
"encoder_attention_heads": 12,
|
| 18 |
+
"encoder_ffn_dim": 3072,
|
| 19 |
+
"encoder_layerdrop": 0.0,
|
| 20 |
+
"encoder_layers": 6,
|
| 21 |
+
"eos_token_id": 2,
|
| 22 |
+
"forced_eos_token_id": 2,
|
| 23 |
+
"id2label": {
|
| 24 |
+
"0": "LABEL_0",
|
| 25 |
+
"1": "LABEL_1",
|
| 26 |
+
"2": "LABEL_2"
|
| 27 |
+
},
|
| 28 |
+
"init_std": 0.02,
|
| 29 |
+
"is_encoder_decoder": true,
|
| 30 |
+
"label2id": {
|
| 31 |
+
"LABEL_0": 0,
|
| 32 |
+
"LABEL_1": 1,
|
| 33 |
+
"LABEL_2": 2
|
| 34 |
+
},
|
| 35 |
+
"max_position_embeddings": 1024,
|
| 36 |
+
"model_type": "bart",
|
| 37 |
+
"num_hidden_layers": 6,
|
| 38 |
+
"pad_token_id": 1,
|
| 39 |
+
"scale_embedding": false,
|
| 40 |
+
"torch_dtype": "float32",
|
| 41 |
+
"transformers_version": "4.47.0",
|
| 42 |
+
"use_cache": true,
|
| 43 |
+
"vocab_size": 52000
|
| 44 |
+
}
|
generation_config.json
ADDED
|
@@ -0,0 +1,9 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"_from_model_config": true,
|
| 3 |
+
"bos_token_id": 0,
|
| 4 |
+
"decoder_start_token_id": 2,
|
| 5 |
+
"eos_token_id": 2,
|
| 6 |
+
"forced_eos_token_id": 2,
|
| 7 |
+
"pad_token_id": 1,
|
| 8 |
+
"transformers_version": "4.47.0"
|
| 9 |
+
}
|
merges.txt
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|
model.safetensors
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:9c1d516b7e71ee7045fdee7c33885c718d604faa56bc1485f1cc180b2cdac0da
|
| 3 |
+
size 563249480
|
optimizer.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:07c8258ecd54f898e4aa989766467c1a5ff88869b1e1c0311f223623a0a635ca
|
| 3 |
+
size 1126239674
|
rng_state.pth
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:74b58491497a7314d7539ffc953eb92333471eec5cedfe6164051dfb88c8cadf
|
| 3 |
+
size 14244
|
scheduler.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:3c2ff3dcb5cb3afbe65b4e4c50c6c1f03fc4b4246c6c78feca78b6251e09f29b
|
| 3 |
+
size 1064
|
special_tokens_map.json
ADDED
|
@@ -0,0 +1,51 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"bos_token": {
|
| 3 |
+
"content": "<s>",
|
| 4 |
+
"lstrip": false,
|
| 5 |
+
"normalized": true,
|
| 6 |
+
"rstrip": false,
|
| 7 |
+
"single_word": false
|
| 8 |
+
},
|
| 9 |
+
"cls_token": {
|
| 10 |
+
"content": "<s>",
|
| 11 |
+
"lstrip": false,
|
| 12 |
+
"normalized": true,
|
| 13 |
+
"rstrip": false,
|
| 14 |
+
"single_word": false
|
| 15 |
+
},
|
| 16 |
+
"eos_token": {
|
| 17 |
+
"content": "</s>",
|
| 18 |
+
"lstrip": false,
|
| 19 |
+
"normalized": true,
|
| 20 |
+
"rstrip": false,
|
| 21 |
+
"single_word": false
|
| 22 |
+
},
|
| 23 |
+
"mask_token": {
|
| 24 |
+
"content": "<mask>",
|
| 25 |
+
"lstrip": true,
|
| 26 |
+
"normalized": true,
|
| 27 |
+
"rstrip": false,
|
| 28 |
+
"single_word": false
|
| 29 |
+
},
|
| 30 |
+
"pad_token": {
|
| 31 |
+
"content": "<pad>",
|
| 32 |
+
"lstrip": false,
|
| 33 |
+
"normalized": true,
|
| 34 |
+
"rstrip": false,
|
| 35 |
+
"single_word": false
|
| 36 |
+
},
|
| 37 |
+
"sep_token": {
|
| 38 |
+
"content": "</s>",
|
| 39 |
+
"lstrip": false,
|
| 40 |
+
"normalized": true,
|
| 41 |
+
"rstrip": false,
|
| 42 |
+
"single_word": false
|
| 43 |
+
},
|
| 44 |
+
"unk_token": {
|
| 45 |
+
"content": "<unk>",
|
| 46 |
+
"lstrip": false,
|
| 47 |
+
"normalized": true,
|
| 48 |
+
"rstrip": false,
|
| 49 |
+
"single_word": false
|
| 50 |
+
}
|
| 51 |
+
}
|
tokenizer_config.json
ADDED
|
@@ -0,0 +1,57 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"add_prefix_space": false,
|
| 3 |
+
"added_tokens_decoder": {
|
| 4 |
+
"0": {
|
| 5 |
+
"content": "<s>",
|
| 6 |
+
"lstrip": false,
|
| 7 |
+
"normalized": true,
|
| 8 |
+
"rstrip": false,
|
| 9 |
+
"single_word": false,
|
| 10 |
+
"special": true
|
| 11 |
+
},
|
| 12 |
+
"1": {
|
| 13 |
+
"content": "<pad>",
|
| 14 |
+
"lstrip": false,
|
| 15 |
+
"normalized": true,
|
| 16 |
+
"rstrip": false,
|
| 17 |
+
"single_word": false,
|
| 18 |
+
"special": true
|
| 19 |
+
},
|
| 20 |
+
"2": {
|
| 21 |
+
"content": "</s>",
|
| 22 |
+
"lstrip": false,
|
| 23 |
+
"normalized": true,
|
| 24 |
+
"rstrip": false,
|
| 25 |
+
"single_word": false,
|
| 26 |
+
"special": true
|
| 27 |
+
},
|
| 28 |
+
"3": {
|
| 29 |
+
"content": "<unk>",
|
| 30 |
+
"lstrip": false,
|
| 31 |
+
"normalized": true,
|
| 32 |
+
"rstrip": false,
|
| 33 |
+
"single_word": false,
|
| 34 |
+
"special": true
|
| 35 |
+
},
|
| 36 |
+
"4": {
|
| 37 |
+
"content": "<mask>",
|
| 38 |
+
"lstrip": true,
|
| 39 |
+
"normalized": true,
|
| 40 |
+
"rstrip": false,
|
| 41 |
+
"single_word": false,
|
| 42 |
+
"special": true
|
| 43 |
+
}
|
| 44 |
+
},
|
| 45 |
+
"bos_token": "<s>",
|
| 46 |
+
"clean_up_tokenization_spaces": false,
|
| 47 |
+
"cls_token": "<s>",
|
| 48 |
+
"eos_token": "</s>",
|
| 49 |
+
"errors": "replace",
|
| 50 |
+
"extra_special_tokens": {},
|
| 51 |
+
"mask_token": "<mask>",
|
| 52 |
+
"model_max_length": 1000000000000000019884624838656,
|
| 53 |
+
"pad_token": "<pad>",
|
| 54 |
+
"sep_token": "</s>",
|
| 55 |
+
"tokenizer_class": "BartTokenizer",
|
| 56 |
+
"unk_token": "<unk>"
|
| 57 |
+
}
|
trainer_state.json
ADDED
|
@@ -0,0 +1,539 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_metric": 0.1539839506149292,
|
| 3 |
+
"best_model_checkpoint": "/kaggle/working/bart-la-size-s/checkpoint-5000",
|
| 4 |
+
"epoch": 0.09333333333333334,
|
| 5 |
+
"eval_steps": 2500,
|
| 6 |
+
"global_step": 7000,
|
| 7 |
+
"is_hyper_param_search": false,
|
| 8 |
+
"is_local_process_zero": true,
|
| 9 |
+
"is_world_process_zero": true,
|
| 10 |
+
"log_history": [
|
| 11 |
+
{
|
| 12 |
+
"epoch": 0.0013333333333333333,
|
| 13 |
+
"grad_norm": 1731138.75,
|
| 14 |
+
"learning_rate": 1e-05,
|
| 15 |
+
"loss": 10.7708,
|
| 16 |
+
"step": 100
|
| 17 |
+
},
|
| 18 |
+
{
|
| 19 |
+
"epoch": 0.0026666666666666666,
|
| 20 |
+
"grad_norm": 1756484.75,
|
| 21 |
+
"learning_rate": 2e-05,
|
| 22 |
+
"loss": 9.1863,
|
| 23 |
+
"step": 200
|
| 24 |
+
},
|
| 25 |
+
{
|
| 26 |
+
"epoch": 0.004,
|
| 27 |
+
"grad_norm": 1777691.625,
|
| 28 |
+
"learning_rate": 3e-05,
|
| 29 |
+
"loss": 6.1644,
|
| 30 |
+
"step": 300
|
| 31 |
+
},
|
| 32 |
+
{
|
| 33 |
+
"epoch": 0.005333333333333333,
|
| 34 |
+
"grad_norm": 420227.5,
|
| 35 |
+
"learning_rate": 4e-05,
|
| 36 |
+
"loss": 2.0913,
|
| 37 |
+
"step": 400
|
| 38 |
+
},
|
| 39 |
+
{
|
| 40 |
+
"epoch": 0.006666666666666667,
|
| 41 |
+
"grad_norm": 3494.83251953125,
|
| 42 |
+
"learning_rate": 5e-05,
|
| 43 |
+
"loss": 0.2315,
|
| 44 |
+
"step": 500
|
| 45 |
+
},
|
| 46 |
+
{
|
| 47 |
+
"epoch": 0.008,
|
| 48 |
+
"grad_norm": 5325.4130859375,
|
| 49 |
+
"learning_rate": 6e-05,
|
| 50 |
+
"loss": 0.1778,
|
| 51 |
+
"step": 600
|
| 52 |
+
},
|
| 53 |
+
{
|
| 54 |
+
"epoch": 0.009333333333333334,
|
| 55 |
+
"grad_norm": 3234.634765625,
|
| 56 |
+
"learning_rate": 7e-05,
|
| 57 |
+
"loss": 0.1923,
|
| 58 |
+
"step": 700
|
| 59 |
+
},
|
| 60 |
+
{
|
| 61 |
+
"epoch": 0.010666666666666666,
|
| 62 |
+
"grad_norm": 3789.213134765625,
|
| 63 |
+
"learning_rate": 8e-05,
|
| 64 |
+
"loss": 0.1892,
|
| 65 |
+
"step": 800
|
| 66 |
+
},
|
| 67 |
+
{
|
| 68 |
+
"epoch": 0.012,
|
| 69 |
+
"grad_norm": 4346.5576171875,
|
| 70 |
+
"learning_rate": 9e-05,
|
| 71 |
+
"loss": 0.1866,
|
| 72 |
+
"step": 900
|
| 73 |
+
},
|
| 74 |
+
{
|
| 75 |
+
"epoch": 0.013333333333333334,
|
| 76 |
+
"grad_norm": 3495.9501953125,
|
| 77 |
+
"learning_rate": 0.0001,
|
| 78 |
+
"loss": 0.1757,
|
| 79 |
+
"step": 1000
|
| 80 |
+
},
|
| 81 |
+
{
|
| 82 |
+
"epoch": 0.014666666666666666,
|
| 83 |
+
"grad_norm": 4082.4345703125,
|
| 84 |
+
"learning_rate": 9.833333333333333e-05,
|
| 85 |
+
"loss": 0.1707,
|
| 86 |
+
"step": 1100
|
| 87 |
+
},
|
| 88 |
+
{
|
| 89 |
+
"epoch": 0.016,
|
| 90 |
+
"grad_norm": 4393.69384765625,
|
| 91 |
+
"learning_rate": 9.666666666666667e-05,
|
| 92 |
+
"loss": 0.1655,
|
| 93 |
+
"step": 1200
|
| 94 |
+
},
|
| 95 |
+
{
|
| 96 |
+
"epoch": 0.017333333333333333,
|
| 97 |
+
"grad_norm": 5255.02099609375,
|
| 98 |
+
"learning_rate": 9.5e-05,
|
| 99 |
+
"loss": 0.1697,
|
| 100 |
+
"step": 1300
|
| 101 |
+
},
|
| 102 |
+
{
|
| 103 |
+
"epoch": 0.018666666666666668,
|
| 104 |
+
"grad_norm": 3129.46044921875,
|
| 105 |
+
"learning_rate": 9.333333333333334e-05,
|
| 106 |
+
"loss": 0.1842,
|
| 107 |
+
"step": 1400
|
| 108 |
+
},
|
| 109 |
+
{
|
| 110 |
+
"epoch": 0.02,
|
| 111 |
+
"grad_norm": 4048.822509765625,
|
| 112 |
+
"learning_rate": 9.166666666666667e-05,
|
| 113 |
+
"loss": 0.178,
|
| 114 |
+
"step": 1500
|
| 115 |
+
},
|
| 116 |
+
{
|
| 117 |
+
"epoch": 0.021333333333333333,
|
| 118 |
+
"grad_norm": 3680.73046875,
|
| 119 |
+
"learning_rate": 9e-05,
|
| 120 |
+
"loss": 0.1687,
|
| 121 |
+
"step": 1600
|
| 122 |
+
},
|
| 123 |
+
{
|
| 124 |
+
"epoch": 0.02266666666666667,
|
| 125 |
+
"grad_norm": 7584.31005859375,
|
| 126 |
+
"learning_rate": 8.833333333333333e-05,
|
| 127 |
+
"loss": 0.1493,
|
| 128 |
+
"step": 1700
|
| 129 |
+
},
|
| 130 |
+
{
|
| 131 |
+
"epoch": 0.024,
|
| 132 |
+
"grad_norm": 6930.2001953125,
|
| 133 |
+
"learning_rate": 8.666666666666667e-05,
|
| 134 |
+
"loss": 0.1635,
|
| 135 |
+
"step": 1800
|
| 136 |
+
},
|
| 137 |
+
{
|
| 138 |
+
"epoch": 0.025333333333333333,
|
| 139 |
+
"grad_norm": 3993.606689453125,
|
| 140 |
+
"learning_rate": 8.5e-05,
|
| 141 |
+
"loss": 0.1825,
|
| 142 |
+
"step": 1900
|
| 143 |
+
},
|
| 144 |
+
{
|
| 145 |
+
"epoch": 0.02666666666666667,
|
| 146 |
+
"grad_norm": 4367.501953125,
|
| 147 |
+
"learning_rate": 8.333333333333334e-05,
|
| 148 |
+
"loss": 0.1641,
|
| 149 |
+
"step": 2000
|
| 150 |
+
},
|
| 151 |
+
{
|
| 152 |
+
"epoch": 0.028,
|
| 153 |
+
"grad_norm": 3890.798095703125,
|
| 154 |
+
"learning_rate": 8.166666666666667e-05,
|
| 155 |
+
"loss": 0.1389,
|
| 156 |
+
"step": 2100
|
| 157 |
+
},
|
| 158 |
+
{
|
| 159 |
+
"epoch": 0.029333333333333333,
|
| 160 |
+
"grad_norm": 4143.93505859375,
|
| 161 |
+
"learning_rate": 8e-05,
|
| 162 |
+
"loss": 0.1523,
|
| 163 |
+
"step": 2200
|
| 164 |
+
},
|
| 165 |
+
{
|
| 166 |
+
"epoch": 0.030666666666666665,
|
| 167 |
+
"grad_norm": 3799.543212890625,
|
| 168 |
+
"learning_rate": 7.833333333333333e-05,
|
| 169 |
+
"loss": 0.1456,
|
| 170 |
+
"step": 2300
|
| 171 |
+
},
|
| 172 |
+
{
|
| 173 |
+
"epoch": 0.032,
|
| 174 |
+
"grad_norm": 4041.04638671875,
|
| 175 |
+
"learning_rate": 7.666666666666667e-05,
|
| 176 |
+
"loss": 0.1213,
|
| 177 |
+
"step": 2400
|
| 178 |
+
},
|
| 179 |
+
{
|
| 180 |
+
"epoch": 0.03333333333333333,
|
| 181 |
+
"grad_norm": 4422.04248046875,
|
| 182 |
+
"learning_rate": 7.500000000000001e-05,
|
| 183 |
+
"loss": 0.1501,
|
| 184 |
+
"step": 2500
|
| 185 |
+
},
|
| 186 |
+
{
|
| 187 |
+
"epoch": 0.03333333333333333,
|
| 188 |
+
"eval_loss": 0.20066243410110474,
|
| 189 |
+
"eval_runtime": 12367.8365,
|
| 190 |
+
"eval_samples_per_second": 14.89,
|
| 191 |
+
"eval_steps_per_second": 0.931,
|
| 192 |
+
"step": 2500
|
| 193 |
+
},
|
| 194 |
+
{
|
| 195 |
+
"epoch": 0.034666666666666665,
|
| 196 |
+
"grad_norm": 9264.0322265625,
|
| 197 |
+
"learning_rate": 7.333333333333333e-05,
|
| 198 |
+
"loss": 0.1659,
|
| 199 |
+
"step": 2600
|
| 200 |
+
},
|
| 201 |
+
{
|
| 202 |
+
"epoch": 0.036,
|
| 203 |
+
"grad_norm": 4891.16015625,
|
| 204 |
+
"learning_rate": 7.166666666666667e-05,
|
| 205 |
+
"loss": 0.1513,
|
| 206 |
+
"step": 2700
|
| 207 |
+
},
|
| 208 |
+
{
|
| 209 |
+
"epoch": 0.037333333333333336,
|
| 210 |
+
"grad_norm": 4946.96240234375,
|
| 211 |
+
"learning_rate": 7e-05,
|
| 212 |
+
"loss": 0.1402,
|
| 213 |
+
"step": 2800
|
| 214 |
+
},
|
| 215 |
+
{
|
| 216 |
+
"epoch": 0.03866666666666667,
|
| 217 |
+
"grad_norm": 6305.4404296875,
|
| 218 |
+
"learning_rate": 6.833333333333333e-05,
|
| 219 |
+
"loss": 0.1437,
|
| 220 |
+
"step": 2900
|
| 221 |
+
},
|
| 222 |
+
{
|
| 223 |
+
"epoch": 0.04,
|
| 224 |
+
"grad_norm": 5814.00244140625,
|
| 225 |
+
"learning_rate": 6.666666666666667e-05,
|
| 226 |
+
"loss": 0.162,
|
| 227 |
+
"step": 3000
|
| 228 |
+
},
|
| 229 |
+
{
|
| 230 |
+
"epoch": 0.04133333333333333,
|
| 231 |
+
"grad_norm": 4542.61767578125,
|
| 232 |
+
"learning_rate": 6.500000000000001e-05,
|
| 233 |
+
"loss": 0.1302,
|
| 234 |
+
"step": 3100
|
| 235 |
+
},
|
| 236 |
+
{
|
| 237 |
+
"epoch": 0.042666666666666665,
|
| 238 |
+
"grad_norm": 5265.51806640625,
|
| 239 |
+
"learning_rate": 6.333333333333333e-05,
|
| 240 |
+
"loss": 0.1355,
|
| 241 |
+
"step": 3200
|
| 242 |
+
},
|
| 243 |
+
{
|
| 244 |
+
"epoch": 0.044,
|
| 245 |
+
"grad_norm": 7862.482421875,
|
| 246 |
+
"learning_rate": 6.166666666666667e-05,
|
| 247 |
+
"loss": 0.13,
|
| 248 |
+
"step": 3300
|
| 249 |
+
},
|
| 250 |
+
{
|
| 251 |
+
"epoch": 0.04533333333333334,
|
| 252 |
+
"grad_norm": 6594.36669921875,
|
| 253 |
+
"learning_rate": 6e-05,
|
| 254 |
+
"loss": 0.1447,
|
| 255 |
+
"step": 3400
|
| 256 |
+
},
|
| 257 |
+
{
|
| 258 |
+
"epoch": 0.04666666666666667,
|
| 259 |
+
"grad_norm": 6135.97509765625,
|
| 260 |
+
"learning_rate": 5.833333333333334e-05,
|
| 261 |
+
"loss": 0.1446,
|
| 262 |
+
"step": 3500
|
| 263 |
+
},
|
| 264 |
+
{
|
| 265 |
+
"epoch": 0.048,
|
| 266 |
+
"grad_norm": 7121.572265625,
|
| 267 |
+
"learning_rate": 5.666666666666667e-05,
|
| 268 |
+
"loss": 0.1395,
|
| 269 |
+
"step": 3600
|
| 270 |
+
},
|
| 271 |
+
{
|
| 272 |
+
"epoch": 0.04933333333333333,
|
| 273 |
+
"grad_norm": 8947.796875,
|
| 274 |
+
"learning_rate": 5.500000000000001e-05,
|
| 275 |
+
"loss": 0.1343,
|
| 276 |
+
"step": 3700
|
| 277 |
+
},
|
| 278 |
+
{
|
| 279 |
+
"epoch": 0.050666666666666665,
|
| 280 |
+
"grad_norm": 8219.5732421875,
|
| 281 |
+
"learning_rate": 5.333333333333333e-05,
|
| 282 |
+
"loss": 0.1186,
|
| 283 |
+
"step": 3800
|
| 284 |
+
},
|
| 285 |
+
{
|
| 286 |
+
"epoch": 0.052,
|
| 287 |
+
"grad_norm": 7754.8759765625,
|
| 288 |
+
"learning_rate": 5.166666666666667e-05,
|
| 289 |
+
"loss": 0.1219,
|
| 290 |
+
"step": 3900
|
| 291 |
+
},
|
| 292 |
+
{
|
| 293 |
+
"epoch": 0.05333333333333334,
|
| 294 |
+
"grad_norm": 7000.673828125,
|
| 295 |
+
"learning_rate": 5e-05,
|
| 296 |
+
"loss": 0.1309,
|
| 297 |
+
"step": 4000
|
| 298 |
+
},
|
| 299 |
+
{
|
| 300 |
+
"epoch": 0.05466666666666667,
|
| 301 |
+
"grad_norm": 5756.7763671875,
|
| 302 |
+
"learning_rate": 4.8333333333333334e-05,
|
| 303 |
+
"loss": 0.1192,
|
| 304 |
+
"step": 4100
|
| 305 |
+
},
|
| 306 |
+
{
|
| 307 |
+
"epoch": 0.056,
|
| 308 |
+
"grad_norm": 9121.4453125,
|
| 309 |
+
"learning_rate": 4.666666666666667e-05,
|
| 310 |
+
"loss": 0.1194,
|
| 311 |
+
"step": 4200
|
| 312 |
+
},
|
| 313 |
+
{
|
| 314 |
+
"epoch": 0.05733333333333333,
|
| 315 |
+
"grad_norm": 12909.078125,
|
| 316 |
+
"learning_rate": 4.5e-05,
|
| 317 |
+
"loss": 0.1366,
|
| 318 |
+
"step": 4300
|
| 319 |
+
},
|
| 320 |
+
{
|
| 321 |
+
"epoch": 0.058666666666666666,
|
| 322 |
+
"grad_norm": 10152.21875,
|
| 323 |
+
"learning_rate": 4.3333333333333334e-05,
|
| 324 |
+
"loss": 0.1196,
|
| 325 |
+
"step": 4400
|
| 326 |
+
},
|
| 327 |
+
{
|
| 328 |
+
"epoch": 0.06,
|
| 329 |
+
"grad_norm": 14436.8466796875,
|
| 330 |
+
"learning_rate": 4.166666666666667e-05,
|
| 331 |
+
"loss": 0.1228,
|
| 332 |
+
"step": 4500
|
| 333 |
+
},
|
| 334 |
+
{
|
| 335 |
+
"epoch": 0.06133333333333333,
|
| 336 |
+
"grad_norm": 8110.03125,
|
| 337 |
+
"learning_rate": 4e-05,
|
| 338 |
+
"loss": 0.1151,
|
| 339 |
+
"step": 4600
|
| 340 |
+
},
|
| 341 |
+
{
|
| 342 |
+
"epoch": 0.06266666666666666,
|
| 343 |
+
"grad_norm": 9303.314453125,
|
| 344 |
+
"learning_rate": 3.8333333333333334e-05,
|
| 345 |
+
"loss": 0.1104,
|
| 346 |
+
"step": 4700
|
| 347 |
+
},
|
| 348 |
+
{
|
| 349 |
+
"epoch": 0.064,
|
| 350 |
+
"grad_norm": 9055.736328125,
|
| 351 |
+
"learning_rate": 3.6666666666666666e-05,
|
| 352 |
+
"loss": 0.1023,
|
| 353 |
+
"step": 4800
|
| 354 |
+
},
|
| 355 |
+
{
|
| 356 |
+
"epoch": 0.06533333333333333,
|
| 357 |
+
"grad_norm": 5660.32958984375,
|
| 358 |
+
"learning_rate": 3.5e-05,
|
| 359 |
+
"loss": 0.0936,
|
| 360 |
+
"step": 4900
|
| 361 |
+
},
|
| 362 |
+
{
|
| 363 |
+
"epoch": 0.06666666666666667,
|
| 364 |
+
"grad_norm": 7201.54931640625,
|
| 365 |
+
"learning_rate": 3.3333333333333335e-05,
|
| 366 |
+
"loss": 0.1103,
|
| 367 |
+
"step": 5000
|
| 368 |
+
},
|
| 369 |
+
{
|
| 370 |
+
"epoch": 0.06666666666666667,
|
| 371 |
+
"eval_loss": 0.1539839506149292,
|
| 372 |
+
"eval_runtime": 12373.139,
|
| 373 |
+
"eval_samples_per_second": 14.883,
|
| 374 |
+
"eval_steps_per_second": 0.93,
|
| 375 |
+
"step": 5000
|
| 376 |
+
},
|
| 377 |
+
{
|
| 378 |
+
"epoch": 0.068,
|
| 379 |
+
"grad_norm": 11332.046875,
|
| 380 |
+
"learning_rate": 3.1666666666666666e-05,
|
| 381 |
+
"loss": 0.0977,
|
| 382 |
+
"step": 5100
|
| 383 |
+
},
|
| 384 |
+
{
|
| 385 |
+
"epoch": 0.06933333333333333,
|
| 386 |
+
"grad_norm": 13064.806640625,
|
| 387 |
+
"learning_rate": 3e-05,
|
| 388 |
+
"loss": 0.1043,
|
| 389 |
+
"step": 5200
|
| 390 |
+
},
|
| 391 |
+
{
|
| 392 |
+
"epoch": 0.07066666666666667,
|
| 393 |
+
"grad_norm": 9356.373046875,
|
| 394 |
+
"learning_rate": 2.8333333333333335e-05,
|
| 395 |
+
"loss": 0.0983,
|
| 396 |
+
"step": 5300
|
| 397 |
+
},
|
| 398 |
+
{
|
| 399 |
+
"epoch": 0.072,
|
| 400 |
+
"grad_norm": 9500.935546875,
|
| 401 |
+
"learning_rate": 2.6666666666666667e-05,
|
| 402 |
+
"loss": 0.102,
|
| 403 |
+
"step": 5400
|
| 404 |
+
},
|
| 405 |
+
{
|
| 406 |
+
"epoch": 0.07333333333333333,
|
| 407 |
+
"grad_norm": 9010.0517578125,
|
| 408 |
+
"learning_rate": 2.5e-05,
|
| 409 |
+
"loss": 0.0874,
|
| 410 |
+
"step": 5500
|
| 411 |
+
},
|
| 412 |
+
{
|
| 413 |
+
"epoch": 0.07466666666666667,
|
| 414 |
+
"grad_norm": 9204.0703125,
|
| 415 |
+
"learning_rate": 2.3333333333333336e-05,
|
| 416 |
+
"loss": 0.0939,
|
| 417 |
+
"step": 5600
|
| 418 |
+
},
|
| 419 |
+
{
|
| 420 |
+
"epoch": 0.076,
|
| 421 |
+
"grad_norm": 8989.322265625,
|
| 422 |
+
"learning_rate": 2.1666666666666667e-05,
|
| 423 |
+
"loss": 0.0852,
|
| 424 |
+
"step": 5700
|
| 425 |
+
},
|
| 426 |
+
{
|
| 427 |
+
"epoch": 0.07733333333333334,
|
| 428 |
+
"grad_norm": 3400.31591796875,
|
| 429 |
+
"learning_rate": 2e-05,
|
| 430 |
+
"loss": 0.0952,
|
| 431 |
+
"step": 5800
|
| 432 |
+
},
|
| 433 |
+
{
|
| 434 |
+
"epoch": 0.07866666666666666,
|
| 435 |
+
"grad_norm": 16400.48828125,
|
| 436 |
+
"learning_rate": 1.8333333333333333e-05,
|
| 437 |
+
"loss": 0.0792,
|
| 438 |
+
"step": 5900
|
| 439 |
+
},
|
| 440 |
+
{
|
| 441 |
+
"epoch": 0.08,
|
| 442 |
+
"grad_norm": 3612.99365234375,
|
| 443 |
+
"learning_rate": 1.6666666666666667e-05,
|
| 444 |
+
"loss": 0.0735,
|
| 445 |
+
"step": 6000
|
| 446 |
+
},
|
| 447 |
+
{
|
| 448 |
+
"epoch": 0.08133333333333333,
|
| 449 |
+
"grad_norm": 9866.6279296875,
|
| 450 |
+
"learning_rate": 1.5e-05,
|
| 451 |
+
"loss": 0.0931,
|
| 452 |
+
"step": 6100
|
| 453 |
+
},
|
| 454 |
+
{
|
| 455 |
+
"epoch": 0.08266666666666667,
|
| 456 |
+
"grad_norm": 13096.994140625,
|
| 457 |
+
"learning_rate": 1.3333333333333333e-05,
|
| 458 |
+
"loss": 0.0955,
|
| 459 |
+
"step": 6200
|
| 460 |
+
},
|
| 461 |
+
{
|
| 462 |
+
"epoch": 0.084,
|
| 463 |
+
"grad_norm": 6636.74365234375,
|
| 464 |
+
"learning_rate": 1.1666666666666668e-05,
|
| 465 |
+
"loss": 0.0862,
|
| 466 |
+
"step": 6300
|
| 467 |
+
},
|
| 468 |
+
{
|
| 469 |
+
"epoch": 0.08533333333333333,
|
| 470 |
+
"grad_norm": 7214.32958984375,
|
| 471 |
+
"learning_rate": 1e-05,
|
| 472 |
+
"loss": 0.0966,
|
| 473 |
+
"step": 6400
|
| 474 |
+
},
|
| 475 |
+
{
|
| 476 |
+
"epoch": 0.08666666666666667,
|
| 477 |
+
"grad_norm": 13823.109375,
|
| 478 |
+
"learning_rate": 8.333333333333334e-06,
|
| 479 |
+
"loss": 0.0853,
|
| 480 |
+
"step": 6500
|
| 481 |
+
},
|
| 482 |
+
{
|
| 483 |
+
"epoch": 0.088,
|
| 484 |
+
"grad_norm": 17792.580078125,
|
| 485 |
+
"learning_rate": 6.666666666666667e-06,
|
| 486 |
+
"loss": 0.0902,
|
| 487 |
+
"step": 6600
|
| 488 |
+
},
|
| 489 |
+
{
|
| 490 |
+
"epoch": 0.08933333333333333,
|
| 491 |
+
"grad_norm": 8880.7822265625,
|
| 492 |
+
"learning_rate": 5e-06,
|
| 493 |
+
"loss": 0.0815,
|
| 494 |
+
"step": 6700
|
| 495 |
+
},
|
| 496 |
+
{
|
| 497 |
+
"epoch": 0.09066666666666667,
|
| 498 |
+
"grad_norm": 11938.576171875,
|
| 499 |
+
"learning_rate": 3.3333333333333333e-06,
|
| 500 |
+
"loss": 0.0862,
|
| 501 |
+
"step": 6800
|
| 502 |
+
},
|
| 503 |
+
{
|
| 504 |
+
"epoch": 0.092,
|
| 505 |
+
"grad_norm": 22440.61328125,
|
| 506 |
+
"learning_rate": 1.6666666666666667e-06,
|
| 507 |
+
"loss": 0.0848,
|
| 508 |
+
"step": 6900
|
| 509 |
+
},
|
| 510 |
+
{
|
| 511 |
+
"epoch": 0.09333333333333334,
|
| 512 |
+
"grad_norm": 10622.8349609375,
|
| 513 |
+
"learning_rate": 0.0,
|
| 514 |
+
"loss": 0.1029,
|
| 515 |
+
"step": 7000
|
| 516 |
+
}
|
| 517 |
+
],
|
| 518 |
+
"logging_steps": 100,
|
| 519 |
+
"max_steps": 7000,
|
| 520 |
+
"num_input_tokens_seen": 0,
|
| 521 |
+
"num_train_epochs": 1,
|
| 522 |
+
"save_steps": 2500,
|
| 523 |
+
"stateful_callbacks": {
|
| 524 |
+
"TrainerControl": {
|
| 525 |
+
"args": {
|
| 526 |
+
"should_epoch_stop": false,
|
| 527 |
+
"should_evaluate": false,
|
| 528 |
+
"should_log": false,
|
| 529 |
+
"should_save": true,
|
| 530 |
+
"should_training_stop": true
|
| 531 |
+
},
|
| 532 |
+
"attributes": {}
|
| 533 |
+
}
|
| 534 |
+
},
|
| 535 |
+
"total_flos": 3.415499744477184e+16,
|
| 536 |
+
"train_batch_size": 8,
|
| 537 |
+
"trial_name": null,
|
| 538 |
+
"trial_params": null
|
| 539 |
+
}
|
training_args.bin
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:d417563aab75b6860e14a6a7f411dcfce883873c572103c94ee2f54fb89f434f
|
| 3 |
+
size 5304
|
vocab.json
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|