lemexp-task1-v2-template_full_notypes-deepseek-coder-1.3b-base-ddp-8lr-v2

This model is a fine-tuned version of deepseek-ai/deepseek-coder-1.3b-base on an unknown dataset. It achieves the following results on the evaluation set:

• Loss: 0.1580

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: 0.0008
• train_batch_size: 2
• eval_batch_size: 2
• seed: 42
• distributed_type: multi-GPU
• num_devices: 8
• total_train_batch_size: 16
• total_eval_batch_size: 16
• optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
• lr_scheduler_type: linear
• num_epochs: 12
• mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss
0.323	0.2	3094	0.3202
0.298	0.4	6188	0.3000
0.2894	0.6	9282	0.2873
0.2822	0.8	12376	0.2833
0.277	1.0	15470	0.2830
0.2735	1.2	18564	0.2703
0.2697	1.4	21658	0.2622
0.2644	1.6	24752	0.2595
0.2639	1.8	27846	0.2525
0.259	2.0	30940	0.2543
0.2525	2.2	34034	0.2585
0.2527	2.4	37128	0.2484
0.2479	2.6	40222	0.2459
0.2474	2.8	43316	0.2459
0.2446	3.0	46410	0.2534
0.2406	3.2	49504	0.2390
0.2406	3.4	52598	0.2351
0.236	3.6	55692	0.2347
0.2342	3.8	58786	0.2295
0.235	4.0	61880	0.2346
0.2275	4.2	64974	0.2235
0.2234	4.4	68068	0.2277
0.2231	4.6	71162	0.2263
0.2181	4.8	74256	0.2214
0.2177	5.0	77350	0.2195
0.2153	5.2	80444	0.2148
0.2134	5.4	83538	0.2133
0.2115	5.6	86632	0.2122
0.2102	5.8	89726	0.2129
0.2063	6.0	92820	0.2095
0.2021	6.2	95914	0.2089
0.2007	6.4	99008	0.2052
0.2002	6.6	102102	0.2038
0.2011	6.8	105196	0.1991
0.1965	7.0	108290	0.1989
0.1892	7.2	111384	0.1965
0.1871	7.4	114478	0.1933
0.1891	7.6	117572	0.1976
0.1866	7.8	120666	0.1919
0.1856	8.0	123760	0.1932
0.1757	8.2	126854	0.1914
0.1758	8.4	129948	0.1854
0.1739	8.6	133042	0.1827
0.1772	8.8	136136	0.1812
0.1746	9.0	139230	0.1789
0.1653	9.2	142324	0.1767
0.165	9.4	145418	0.1739
0.1644	9.6	148512	0.1730
0.163	9.8	151606	0.1720
0.1587	10.0	154700	0.1699
0.1536	10.2	157794	0.1684
0.1508	10.4	160888	0.1662
0.1516	10.6	163982	0.1665
0.1494	10.8	167076	0.1640
0.1494	11.0	170170	0.1621
0.1419	11.2	173264	0.1627
0.1388	11.4	176358	0.1603
0.1384	11.6	179452	0.1588
0.1376	11.8	182546	0.1583
0.1387	12.0	185640	0.1580

Framework versions

• PEFT 0.14.0
• Transformers 4.47.0
• Pytorch 2.5.1+cu124
• Datasets 3.2.0
• Tokenizers 0.21.0