Training in progress, epoch 2, checkpoint
Browse files- checkpoint-5000/README.md +9 -0
- checkpoint-5000/adapter_config.json +23 -0
- checkpoint-5000/adapter_model.bin +3 -0
- checkpoint-5000/optimizer.pt +3 -0
- checkpoint-5000/rng_state.pth +3 -0
- checkpoint-5000/scheduler.pt +3 -0
- checkpoint-5000/special_tokens_map.json +7 -0
- checkpoint-5000/tokenizer.json +0 -0
- checkpoint-5000/tokenizer_config.json +13 -0
- checkpoint-5000/trainer_state.json +637 -0
- checkpoint-5000/training_args.bin +3 -0
- checkpoint-5000/vocab.txt +0 -0
checkpoint-5000/README.md
ADDED
|
@@ -0,0 +1,9 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
---
|
| 2 |
+
library_name: peft
|
| 3 |
+
---
|
| 4 |
+
## Training procedure
|
| 5 |
+
|
| 6 |
+
### Framework versions
|
| 7 |
+
|
| 8 |
+
|
| 9 |
+
- PEFT 0.4.0
|
checkpoint-5000/adapter_config.json
ADDED
|
@@ -0,0 +1,23 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"auto_mapping": null,
|
| 3 |
+
"base_model_name_or_path": "bert-base-cased",
|
| 4 |
+
"bias": "none",
|
| 5 |
+
"fan_in_fan_out": false,
|
| 6 |
+
"inference_mode": true,
|
| 7 |
+
"init_lora_weights": true,
|
| 8 |
+
"layers_pattern": null,
|
| 9 |
+
"layers_to_transform": null,
|
| 10 |
+
"lora_alpha": 32,
|
| 11 |
+
"lora_dropout": 0.1,
|
| 12 |
+
"modules_to_save": [
|
| 13 |
+
"classifier"
|
| 14 |
+
],
|
| 15 |
+
"peft_type": "LORA",
|
| 16 |
+
"r": 8,
|
| 17 |
+
"revision": null,
|
| 18 |
+
"target_modules": [
|
| 19 |
+
"query",
|
| 20 |
+
"value"
|
| 21 |
+
],
|
| 22 |
+
"task_type": "SEQ_CLS"
|
| 23 |
+
}
|
checkpoint-5000/adapter_model.bin
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:aa8aa5499b818938f78677ce99f020927c366bb7372bf8fbfc27463a51afa48c
|
| 3 |
+
size 1203911
|
checkpoint-5000/optimizer.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:77ba37167852f6362c49a393468b66e1e6fffedcb7ed1fe970f69656d53f2c26
|
| 3 |
+
size 2413509
|
checkpoint-5000/rng_state.pth
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:6a79460ac91291ebb25842bd18dd9599a9fad17c6a31c3d43b96a8504fa61e9b
|
| 3 |
+
size 14575
|
checkpoint-5000/scheduler.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:1e9f08b39e99c9a67457b2d1e2ad4d518760fed09df09f5e2cad43bc72b9db92
|
| 3 |
+
size 627
|
checkpoint-5000/special_tokens_map.json
ADDED
|
@@ -0,0 +1,7 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"cls_token": "[CLS]",
|
| 3 |
+
"mask_token": "[MASK]",
|
| 4 |
+
"pad_token": "[PAD]",
|
| 5 |
+
"sep_token": "[SEP]",
|
| 6 |
+
"unk_token": "[UNK]"
|
| 7 |
+
}
|
checkpoint-5000/tokenizer.json
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|
checkpoint-5000/tokenizer_config.json
ADDED
|
@@ -0,0 +1,13 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"clean_up_tokenization_spaces": true,
|
| 3 |
+
"cls_token": "[CLS]",
|
| 4 |
+
"do_lower_case": false,
|
| 5 |
+
"mask_token": "[MASK]",
|
| 6 |
+
"model_max_length": 512,
|
| 7 |
+
"pad_token": "[PAD]",
|
| 8 |
+
"sep_token": "[SEP]",
|
| 9 |
+
"strip_accents": null,
|
| 10 |
+
"tokenize_chinese_chars": true,
|
| 11 |
+
"tokenizer_class": "BertTokenizer",
|
| 12 |
+
"unk_token": "[UNK]"
|
| 13 |
+
}
|
checkpoint-5000/trainer_state.json
ADDED
|
@@ -0,0 +1,637 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_metric": 0.9064,
|
| 3 |
+
"best_model_checkpoint": "output/checkpoint-5000",
|
| 4 |
+
"epoch": 2.0,
|
| 5 |
+
"eval_steps": 500,
|
| 6 |
+
"global_step": 5000,
|
| 7 |
+
"is_hyper_param_search": false,
|
| 8 |
+
"is_local_process_zero": true,
|
| 9 |
+
"is_world_process_zero": true,
|
| 10 |
+
"log_history": [
|
| 11 |
+
{
|
| 12 |
+
"epoch": 0.02,
|
| 13 |
+
"learning_rate": 3.3333333333333337e-06,
|
| 14 |
+
"loss": 0.8125,
|
| 15 |
+
"step": 50
|
| 16 |
+
},
|
| 17 |
+
{
|
| 18 |
+
"epoch": 0.04,
|
| 19 |
+
"learning_rate": 6.6666666666666675e-06,
|
| 20 |
+
"loss": 0.7599,
|
| 21 |
+
"step": 100
|
| 22 |
+
},
|
| 23 |
+
{
|
| 24 |
+
"epoch": 0.06,
|
| 25 |
+
"learning_rate": 1e-05,
|
| 26 |
+
"loss": 0.7309,
|
| 27 |
+
"step": 150
|
| 28 |
+
},
|
| 29 |
+
{
|
| 30 |
+
"epoch": 0.08,
|
| 31 |
+
"learning_rate": 1.3333333333333335e-05,
|
| 32 |
+
"loss": 0.7104,
|
| 33 |
+
"step": 200
|
| 34 |
+
},
|
| 35 |
+
{
|
| 36 |
+
"epoch": 0.1,
|
| 37 |
+
"learning_rate": 1.6666666666666667e-05,
|
| 38 |
+
"loss": 0.6939,
|
| 39 |
+
"step": 250
|
| 40 |
+
},
|
| 41 |
+
{
|
| 42 |
+
"epoch": 0.12,
|
| 43 |
+
"learning_rate": 2e-05,
|
| 44 |
+
"loss": 0.6824,
|
| 45 |
+
"step": 300
|
| 46 |
+
},
|
| 47 |
+
{
|
| 48 |
+
"epoch": 0.14,
|
| 49 |
+
"learning_rate": 2.3333333333333336e-05,
|
| 50 |
+
"loss": 0.686,
|
| 51 |
+
"step": 350
|
| 52 |
+
},
|
| 53 |
+
{
|
| 54 |
+
"epoch": 0.16,
|
| 55 |
+
"learning_rate": 2.666666666666667e-05,
|
| 56 |
+
"loss": 0.6693,
|
| 57 |
+
"step": 400
|
| 58 |
+
},
|
| 59 |
+
{
|
| 60 |
+
"epoch": 0.18,
|
| 61 |
+
"learning_rate": 3e-05,
|
| 62 |
+
"loss": 0.6436,
|
| 63 |
+
"step": 450
|
| 64 |
+
},
|
| 65 |
+
{
|
| 66 |
+
"epoch": 0.2,
|
| 67 |
+
"learning_rate": 3.3333333333333335e-05,
|
| 68 |
+
"loss": 0.6101,
|
| 69 |
+
"step": 500
|
| 70 |
+
},
|
| 71 |
+
{
|
| 72 |
+
"epoch": 0.22,
|
| 73 |
+
"learning_rate": 3.6666666666666666e-05,
|
| 74 |
+
"loss": 0.493,
|
| 75 |
+
"step": 550
|
| 76 |
+
},
|
| 77 |
+
{
|
| 78 |
+
"epoch": 0.24,
|
| 79 |
+
"learning_rate": 3.993333333333333e-05,
|
| 80 |
+
"loss": 0.4239,
|
| 81 |
+
"step": 600
|
| 82 |
+
},
|
| 83 |
+
{
|
| 84 |
+
"epoch": 0.26,
|
| 85 |
+
"learning_rate": 4.326666666666667e-05,
|
| 86 |
+
"loss": 0.3391,
|
| 87 |
+
"step": 650
|
| 88 |
+
},
|
| 89 |
+
{
|
| 90 |
+
"epoch": 0.28,
|
| 91 |
+
"learning_rate": 4.66e-05,
|
| 92 |
+
"loss": 0.3332,
|
| 93 |
+
"step": 700
|
| 94 |
+
},
|
| 95 |
+
{
|
| 96 |
+
"epoch": 0.3,
|
| 97 |
+
"learning_rate": 4.986666666666666e-05,
|
| 98 |
+
"loss": 0.3966,
|
| 99 |
+
"step": 750
|
| 100 |
+
},
|
| 101 |
+
{
|
| 102 |
+
"epoch": 0.32,
|
| 103 |
+
"learning_rate": 5.32e-05,
|
| 104 |
+
"loss": 0.3137,
|
| 105 |
+
"step": 800
|
| 106 |
+
},
|
| 107 |
+
{
|
| 108 |
+
"epoch": 0.34,
|
| 109 |
+
"learning_rate": 5.653333333333333e-05,
|
| 110 |
+
"loss": 0.3072,
|
| 111 |
+
"step": 850
|
| 112 |
+
},
|
| 113 |
+
{
|
| 114 |
+
"epoch": 0.36,
|
| 115 |
+
"learning_rate": 5.986666666666667e-05,
|
| 116 |
+
"loss": 0.272,
|
| 117 |
+
"step": 900
|
| 118 |
+
},
|
| 119 |
+
{
|
| 120 |
+
"epoch": 0.38,
|
| 121 |
+
"learning_rate": 6.32e-05,
|
| 122 |
+
"loss": 0.2715,
|
| 123 |
+
"step": 950
|
| 124 |
+
},
|
| 125 |
+
{
|
| 126 |
+
"epoch": 0.4,
|
| 127 |
+
"learning_rate": 6.653333333333333e-05,
|
| 128 |
+
"loss": 0.2892,
|
| 129 |
+
"step": 1000
|
| 130 |
+
},
|
| 131 |
+
{
|
| 132 |
+
"epoch": 0.42,
|
| 133 |
+
"learning_rate": 6.986666666666667e-05,
|
| 134 |
+
"loss": 0.28,
|
| 135 |
+
"step": 1050
|
| 136 |
+
},
|
| 137 |
+
{
|
| 138 |
+
"epoch": 0.44,
|
| 139 |
+
"learning_rate": 7.32e-05,
|
| 140 |
+
"loss": 0.3102,
|
| 141 |
+
"step": 1100
|
| 142 |
+
},
|
| 143 |
+
{
|
| 144 |
+
"epoch": 0.46,
|
| 145 |
+
"learning_rate": 7.653333333333333e-05,
|
| 146 |
+
"loss": 0.2663,
|
| 147 |
+
"step": 1150
|
| 148 |
+
},
|
| 149 |
+
{
|
| 150 |
+
"epoch": 0.48,
|
| 151 |
+
"learning_rate": 7.986666666666667e-05,
|
| 152 |
+
"loss": 0.2778,
|
| 153 |
+
"step": 1200
|
| 154 |
+
},
|
| 155 |
+
{
|
| 156 |
+
"epoch": 0.5,
|
| 157 |
+
"learning_rate": 8.32e-05,
|
| 158 |
+
"loss": 0.3414,
|
| 159 |
+
"step": 1250
|
| 160 |
+
},
|
| 161 |
+
{
|
| 162 |
+
"epoch": 0.52,
|
| 163 |
+
"learning_rate": 8.653333333333334e-05,
|
| 164 |
+
"loss": 0.2608,
|
| 165 |
+
"step": 1300
|
| 166 |
+
},
|
| 167 |
+
{
|
| 168 |
+
"epoch": 0.54,
|
| 169 |
+
"learning_rate": 8.986666666666666e-05,
|
| 170 |
+
"loss": 0.2847,
|
| 171 |
+
"step": 1350
|
| 172 |
+
},
|
| 173 |
+
{
|
| 174 |
+
"epoch": 0.56,
|
| 175 |
+
"learning_rate": 9.32e-05,
|
| 176 |
+
"loss": 0.2801,
|
| 177 |
+
"step": 1400
|
| 178 |
+
},
|
| 179 |
+
{
|
| 180 |
+
"epoch": 0.58,
|
| 181 |
+
"learning_rate": 9.653333333333334e-05,
|
| 182 |
+
"loss": 0.2777,
|
| 183 |
+
"step": 1450
|
| 184 |
+
},
|
| 185 |
+
{
|
| 186 |
+
"epoch": 0.6,
|
| 187 |
+
"learning_rate": 9.986666666666668e-05,
|
| 188 |
+
"loss": 0.2819,
|
| 189 |
+
"step": 1500
|
| 190 |
+
},
|
| 191 |
+
{
|
| 192 |
+
"epoch": 0.62,
|
| 193 |
+
"learning_rate": 0.0001032,
|
| 194 |
+
"loss": 0.2631,
|
| 195 |
+
"step": 1550
|
| 196 |
+
},
|
| 197 |
+
{
|
| 198 |
+
"epoch": 0.64,
|
| 199 |
+
"learning_rate": 0.00010653333333333333,
|
| 200 |
+
"loss": 0.255,
|
| 201 |
+
"step": 1600
|
| 202 |
+
},
|
| 203 |
+
{
|
| 204 |
+
"epoch": 0.66,
|
| 205 |
+
"learning_rate": 0.00010986666666666668,
|
| 206 |
+
"loss": 0.3253,
|
| 207 |
+
"step": 1650
|
| 208 |
+
},
|
| 209 |
+
{
|
| 210 |
+
"epoch": 0.68,
|
| 211 |
+
"learning_rate": 0.0001132,
|
| 212 |
+
"loss": 0.2632,
|
| 213 |
+
"step": 1700
|
| 214 |
+
},
|
| 215 |
+
{
|
| 216 |
+
"epoch": 0.7,
|
| 217 |
+
"learning_rate": 0.00011653333333333334,
|
| 218 |
+
"loss": 0.2808,
|
| 219 |
+
"step": 1750
|
| 220 |
+
},
|
| 221 |
+
{
|
| 222 |
+
"epoch": 0.72,
|
| 223 |
+
"learning_rate": 0.00011986666666666666,
|
| 224 |
+
"loss": 0.2487,
|
| 225 |
+
"step": 1800
|
| 226 |
+
},
|
| 227 |
+
{
|
| 228 |
+
"epoch": 0.74,
|
| 229 |
+
"learning_rate": 0.0001232,
|
| 230 |
+
"loss": 0.1958,
|
| 231 |
+
"step": 1850
|
| 232 |
+
},
|
| 233 |
+
{
|
| 234 |
+
"epoch": 0.76,
|
| 235 |
+
"learning_rate": 0.00012653333333333334,
|
| 236 |
+
"loss": 0.2882,
|
| 237 |
+
"step": 1900
|
| 238 |
+
},
|
| 239 |
+
{
|
| 240 |
+
"epoch": 0.78,
|
| 241 |
+
"learning_rate": 0.00012986666666666666,
|
| 242 |
+
"loss": 0.2877,
|
| 243 |
+
"step": 1950
|
| 244 |
+
},
|
| 245 |
+
{
|
| 246 |
+
"epoch": 0.8,
|
| 247 |
+
"learning_rate": 0.0001332,
|
| 248 |
+
"loss": 0.2412,
|
| 249 |
+
"step": 2000
|
| 250 |
+
},
|
| 251 |
+
{
|
| 252 |
+
"epoch": 0.82,
|
| 253 |
+
"learning_rate": 0.00013653333333333334,
|
| 254 |
+
"loss": 0.2608,
|
| 255 |
+
"step": 2050
|
| 256 |
+
},
|
| 257 |
+
{
|
| 258 |
+
"epoch": 0.84,
|
| 259 |
+
"learning_rate": 0.00013986666666666666,
|
| 260 |
+
"loss": 0.2296,
|
| 261 |
+
"step": 2100
|
| 262 |
+
},
|
| 263 |
+
{
|
| 264 |
+
"epoch": 0.86,
|
| 265 |
+
"learning_rate": 0.00014319999999999998,
|
| 266 |
+
"loss": 0.2311,
|
| 267 |
+
"step": 2150
|
| 268 |
+
},
|
| 269 |
+
{
|
| 270 |
+
"epoch": 0.88,
|
| 271 |
+
"learning_rate": 0.00014653333333333334,
|
| 272 |
+
"loss": 0.2603,
|
| 273 |
+
"step": 2200
|
| 274 |
+
},
|
| 275 |
+
{
|
| 276 |
+
"epoch": 0.9,
|
| 277 |
+
"learning_rate": 0.00014986666666666669,
|
| 278 |
+
"loss": 0.2923,
|
| 279 |
+
"step": 2250
|
| 280 |
+
},
|
| 281 |
+
{
|
| 282 |
+
"epoch": 0.92,
|
| 283 |
+
"learning_rate": 0.0001532,
|
| 284 |
+
"loss": 0.2415,
|
| 285 |
+
"step": 2300
|
| 286 |
+
},
|
| 287 |
+
{
|
| 288 |
+
"epoch": 0.94,
|
| 289 |
+
"learning_rate": 0.00015646666666666668,
|
| 290 |
+
"loss": 0.2671,
|
| 291 |
+
"step": 2350
|
| 292 |
+
},
|
| 293 |
+
{
|
| 294 |
+
"epoch": 0.96,
|
| 295 |
+
"learning_rate": 0.0001598,
|
| 296 |
+
"loss": 0.2421,
|
| 297 |
+
"step": 2400
|
| 298 |
+
},
|
| 299 |
+
{
|
| 300 |
+
"epoch": 0.98,
|
| 301 |
+
"learning_rate": 0.00016313333333333333,
|
| 302 |
+
"loss": 0.2449,
|
| 303 |
+
"step": 2450
|
| 304 |
+
},
|
| 305 |
+
{
|
| 306 |
+
"epoch": 1.0,
|
| 307 |
+
"learning_rate": 0.00016646666666666668,
|
| 308 |
+
"loss": 0.2399,
|
| 309 |
+
"step": 2500
|
| 310 |
+
},
|
| 311 |
+
{
|
| 312 |
+
"epoch": 1.0,
|
| 313 |
+
"eval_accuracy": 0.9037,
|
| 314 |
+
"eval_loss": 0.2539164125919342,
|
| 315 |
+
"eval_runtime": 132.4594,
|
| 316 |
+
"eval_samples_per_second": 75.495,
|
| 317 |
+
"eval_steps_per_second": 4.718,
|
| 318 |
+
"step": 2500
|
| 319 |
+
},
|
| 320 |
+
{
|
| 321 |
+
"epoch": 1.02,
|
| 322 |
+
"learning_rate": 0.0001698,
|
| 323 |
+
"loss": 0.2453,
|
| 324 |
+
"step": 2550
|
| 325 |
+
},
|
| 326 |
+
{
|
| 327 |
+
"epoch": 1.04,
|
| 328 |
+
"learning_rate": 0.00017313333333333333,
|
| 329 |
+
"loss": 0.2485,
|
| 330 |
+
"step": 2600
|
| 331 |
+
},
|
| 332 |
+
{
|
| 333 |
+
"epoch": 1.06,
|
| 334 |
+
"learning_rate": 0.00017646666666666666,
|
| 335 |
+
"loss": 0.2321,
|
| 336 |
+
"step": 2650
|
| 337 |
+
},
|
| 338 |
+
{
|
| 339 |
+
"epoch": 1.08,
|
| 340 |
+
"learning_rate": 0.00017979999999999998,
|
| 341 |
+
"loss": 0.239,
|
| 342 |
+
"step": 2700
|
| 343 |
+
},
|
| 344 |
+
{
|
| 345 |
+
"epoch": 1.1,
|
| 346 |
+
"learning_rate": 0.00018313333333333336,
|
| 347 |
+
"loss": 0.2389,
|
| 348 |
+
"step": 2750
|
| 349 |
+
},
|
| 350 |
+
{
|
| 351 |
+
"epoch": 1.12,
|
| 352 |
+
"learning_rate": 0.00018646666666666668,
|
| 353 |
+
"loss": 0.2216,
|
| 354 |
+
"step": 2800
|
| 355 |
+
},
|
| 356 |
+
{
|
| 357 |
+
"epoch": 1.14,
|
| 358 |
+
"learning_rate": 0.0001898,
|
| 359 |
+
"loss": 0.3027,
|
| 360 |
+
"step": 2850
|
| 361 |
+
},
|
| 362 |
+
{
|
| 363 |
+
"epoch": 1.16,
|
| 364 |
+
"learning_rate": 0.00019313333333333333,
|
| 365 |
+
"loss": 0.2683,
|
| 366 |
+
"step": 2900
|
| 367 |
+
},
|
| 368 |
+
{
|
| 369 |
+
"epoch": 1.18,
|
| 370 |
+
"learning_rate": 0.00019646666666666668,
|
| 371 |
+
"loss": 0.2378,
|
| 372 |
+
"step": 2950
|
| 373 |
+
},
|
| 374 |
+
{
|
| 375 |
+
"epoch": 1.2,
|
| 376 |
+
"learning_rate": 0.0001998,
|
| 377 |
+
"loss": 0.2598,
|
| 378 |
+
"step": 3000
|
| 379 |
+
},
|
| 380 |
+
{
|
| 381 |
+
"epoch": 1.22,
|
| 382 |
+
"learning_rate": 0.00020313333333333333,
|
| 383 |
+
"loss": 0.2363,
|
| 384 |
+
"step": 3050
|
| 385 |
+
},
|
| 386 |
+
{
|
| 387 |
+
"epoch": 1.24,
|
| 388 |
+
"learning_rate": 0.00020646666666666665,
|
| 389 |
+
"loss": 0.2437,
|
| 390 |
+
"step": 3100
|
| 391 |
+
},
|
| 392 |
+
{
|
| 393 |
+
"epoch": 1.26,
|
| 394 |
+
"learning_rate": 0.0002098,
|
| 395 |
+
"loss": 0.244,
|
| 396 |
+
"step": 3150
|
| 397 |
+
},
|
| 398 |
+
{
|
| 399 |
+
"epoch": 1.28,
|
| 400 |
+
"learning_rate": 0.00021313333333333335,
|
| 401 |
+
"loss": 0.2264,
|
| 402 |
+
"step": 3200
|
| 403 |
+
},
|
| 404 |
+
{
|
| 405 |
+
"epoch": 1.3,
|
| 406 |
+
"learning_rate": 0.00021646666666666668,
|
| 407 |
+
"loss": 0.188,
|
| 408 |
+
"step": 3250
|
| 409 |
+
},
|
| 410 |
+
{
|
| 411 |
+
"epoch": 1.32,
|
| 412 |
+
"learning_rate": 0.0002198,
|
| 413 |
+
"loss": 0.2507,
|
| 414 |
+
"step": 3300
|
| 415 |
+
},
|
| 416 |
+
{
|
| 417 |
+
"epoch": 1.34,
|
| 418 |
+
"learning_rate": 0.00022313333333333333,
|
| 419 |
+
"loss": 0.2265,
|
| 420 |
+
"step": 3350
|
| 421 |
+
},
|
| 422 |
+
{
|
| 423 |
+
"epoch": 1.36,
|
| 424 |
+
"learning_rate": 0.00022646666666666668,
|
| 425 |
+
"loss": 0.2265,
|
| 426 |
+
"step": 3400
|
| 427 |
+
},
|
| 428 |
+
{
|
| 429 |
+
"epoch": 1.38,
|
| 430 |
+
"learning_rate": 0.0002298,
|
| 431 |
+
"loss": 0.226,
|
| 432 |
+
"step": 3450
|
| 433 |
+
},
|
| 434 |
+
{
|
| 435 |
+
"epoch": 1.4,
|
| 436 |
+
"learning_rate": 0.00023313333333333333,
|
| 437 |
+
"loss": 0.2502,
|
| 438 |
+
"step": 3500
|
| 439 |
+
},
|
| 440 |
+
{
|
| 441 |
+
"epoch": 1.42,
|
| 442 |
+
"learning_rate": 0.00023646666666666665,
|
| 443 |
+
"loss": 0.2436,
|
| 444 |
+
"step": 3550
|
| 445 |
+
},
|
| 446 |
+
{
|
| 447 |
+
"epoch": 1.44,
|
| 448 |
+
"learning_rate": 0.00023980000000000003,
|
| 449 |
+
"loss": 0.2472,
|
| 450 |
+
"step": 3600
|
| 451 |
+
},
|
| 452 |
+
{
|
| 453 |
+
"epoch": 1.46,
|
| 454 |
+
"learning_rate": 0.00024313333333333335,
|
| 455 |
+
"loss": 0.2596,
|
| 456 |
+
"step": 3650
|
| 457 |
+
},
|
| 458 |
+
{
|
| 459 |
+
"epoch": 1.48,
|
| 460 |
+
"learning_rate": 0.0002464666666666667,
|
| 461 |
+
"loss": 0.2381,
|
| 462 |
+
"step": 3700
|
| 463 |
+
},
|
| 464 |
+
{
|
| 465 |
+
"epoch": 1.5,
|
| 466 |
+
"learning_rate": 0.0002498,
|
| 467 |
+
"loss": 0.231,
|
| 468 |
+
"step": 3750
|
| 469 |
+
},
|
| 470 |
+
{
|
| 471 |
+
"epoch": 1.52,
|
| 472 |
+
"learning_rate": 0.0002531333333333333,
|
| 473 |
+
"loss": 0.2489,
|
| 474 |
+
"step": 3800
|
| 475 |
+
},
|
| 476 |
+
{
|
| 477 |
+
"epoch": 1.54,
|
| 478 |
+
"learning_rate": 0.0002564666666666667,
|
| 479 |
+
"loss": 0.1849,
|
| 480 |
+
"step": 3850
|
| 481 |
+
},
|
| 482 |
+
{
|
| 483 |
+
"epoch": 1.56,
|
| 484 |
+
"learning_rate": 0.00025979999999999997,
|
| 485 |
+
"loss": 0.2742,
|
| 486 |
+
"step": 3900
|
| 487 |
+
},
|
| 488 |
+
{
|
| 489 |
+
"epoch": 1.58,
|
| 490 |
+
"learning_rate": 0.00026313333333333335,
|
| 491 |
+
"loss": 0.2268,
|
| 492 |
+
"step": 3950
|
| 493 |
+
},
|
| 494 |
+
{
|
| 495 |
+
"epoch": 1.6,
|
| 496 |
+
"learning_rate": 0.0002664666666666667,
|
| 497 |
+
"loss": 0.287,
|
| 498 |
+
"step": 4000
|
| 499 |
+
},
|
| 500 |
+
{
|
| 501 |
+
"epoch": 1.62,
|
| 502 |
+
"learning_rate": 0.0002698,
|
| 503 |
+
"loss": 0.208,
|
| 504 |
+
"step": 4050
|
| 505 |
+
},
|
| 506 |
+
{
|
| 507 |
+
"epoch": 1.64,
|
| 508 |
+
"learning_rate": 0.0002731333333333333,
|
| 509 |
+
"loss": 0.2446,
|
| 510 |
+
"step": 4100
|
| 511 |
+
},
|
| 512 |
+
{
|
| 513 |
+
"epoch": 1.66,
|
| 514 |
+
"learning_rate": 0.0002764666666666667,
|
| 515 |
+
"loss": 0.2359,
|
| 516 |
+
"step": 4150
|
| 517 |
+
},
|
| 518 |
+
{
|
| 519 |
+
"epoch": 1.68,
|
| 520 |
+
"learning_rate": 0.0002798,
|
| 521 |
+
"loss": 0.2917,
|
| 522 |
+
"step": 4200
|
| 523 |
+
},
|
| 524 |
+
{
|
| 525 |
+
"epoch": 1.7,
|
| 526 |
+
"learning_rate": 0.00028313333333333335,
|
| 527 |
+
"loss": 0.2051,
|
| 528 |
+
"step": 4250
|
| 529 |
+
},
|
| 530 |
+
{
|
| 531 |
+
"epoch": 1.72,
|
| 532 |
+
"learning_rate": 0.00028646666666666667,
|
| 533 |
+
"loss": 0.2119,
|
| 534 |
+
"step": 4300
|
| 535 |
+
},
|
| 536 |
+
{
|
| 537 |
+
"epoch": 1.74,
|
| 538 |
+
"learning_rate": 0.0002898,
|
| 539 |
+
"loss": 0.1946,
|
| 540 |
+
"step": 4350
|
| 541 |
+
},
|
| 542 |
+
{
|
| 543 |
+
"epoch": 1.76,
|
| 544 |
+
"learning_rate": 0.0002931333333333334,
|
| 545 |
+
"loss": 0.2159,
|
| 546 |
+
"step": 4400
|
| 547 |
+
},
|
| 548 |
+
{
|
| 549 |
+
"epoch": 1.78,
|
| 550 |
+
"learning_rate": 0.00029646666666666664,
|
| 551 |
+
"loss": 0.2793,
|
| 552 |
+
"step": 4450
|
| 553 |
+
},
|
| 554 |
+
{
|
| 555 |
+
"epoch": 1.8,
|
| 556 |
+
"learning_rate": 0.0002998,
|
| 557 |
+
"loss": 0.2675,
|
| 558 |
+
"step": 4500
|
| 559 |
+
},
|
| 560 |
+
{
|
| 561 |
+
"epoch": 1.82,
|
| 562 |
+
"learning_rate": 0.0003031333333333333,
|
| 563 |
+
"loss": 0.1927,
|
| 564 |
+
"step": 4550
|
| 565 |
+
},
|
| 566 |
+
{
|
| 567 |
+
"epoch": 1.84,
|
| 568 |
+
"learning_rate": 0.00030646666666666667,
|
| 569 |
+
"loss": 0.177,
|
| 570 |
+
"step": 4600
|
| 571 |
+
},
|
| 572 |
+
{
|
| 573 |
+
"epoch": 1.86,
|
| 574 |
+
"learning_rate": 0.00030980000000000005,
|
| 575 |
+
"loss": 0.2681,
|
| 576 |
+
"step": 4650
|
| 577 |
+
},
|
| 578 |
+
{
|
| 579 |
+
"epoch": 1.88,
|
| 580 |
+
"learning_rate": 0.00031306666666666667,
|
| 581 |
+
"loss": 0.2123,
|
| 582 |
+
"step": 4700
|
| 583 |
+
},
|
| 584 |
+
{
|
| 585 |
+
"epoch": 1.9,
|
| 586 |
+
"learning_rate": 0.00031640000000000005,
|
| 587 |
+
"loss": 0.2232,
|
| 588 |
+
"step": 4750
|
| 589 |
+
},
|
| 590 |
+
{
|
| 591 |
+
"epoch": 1.92,
|
| 592 |
+
"learning_rate": 0.0003197333333333333,
|
| 593 |
+
"loss": 0.222,
|
| 594 |
+
"step": 4800
|
| 595 |
+
},
|
| 596 |
+
{
|
| 597 |
+
"epoch": 1.94,
|
| 598 |
+
"learning_rate": 0.0003230666666666667,
|
| 599 |
+
"loss": 0.2126,
|
| 600 |
+
"step": 4850
|
| 601 |
+
},
|
| 602 |
+
{
|
| 603 |
+
"epoch": 1.96,
|
| 604 |
+
"learning_rate": 0.0003264,
|
| 605 |
+
"loss": 0.2268,
|
| 606 |
+
"step": 4900
|
| 607 |
+
},
|
| 608 |
+
{
|
| 609 |
+
"epoch": 1.98,
|
| 610 |
+
"learning_rate": 0.00032973333333333334,
|
| 611 |
+
"loss": 0.2239,
|
| 612 |
+
"step": 4950
|
| 613 |
+
},
|
| 614 |
+
{
|
| 615 |
+
"epoch": 2.0,
|
| 616 |
+
"learning_rate": 0.00033306666666666667,
|
| 617 |
+
"loss": 0.2454,
|
| 618 |
+
"step": 5000
|
| 619 |
+
},
|
| 620 |
+
{
|
| 621 |
+
"epoch": 2.0,
|
| 622 |
+
"eval_accuracy": 0.9064,
|
| 623 |
+
"eval_loss": 0.27525001764297485,
|
| 624 |
+
"eval_runtime": 132.3865,
|
| 625 |
+
"eval_samples_per_second": 75.536,
|
| 626 |
+
"eval_steps_per_second": 4.721,
|
| 627 |
+
"step": 5000
|
| 628 |
+
}
|
| 629 |
+
],
|
| 630 |
+
"logging_steps": 50,
|
| 631 |
+
"max_steps": 25000,
|
| 632 |
+
"num_train_epochs": 10,
|
| 633 |
+
"save_steps": 500,
|
| 634 |
+
"total_flos": 1.166722013005056e+16,
|
| 635 |
+
"trial_name": null,
|
| 636 |
+
"trial_params": null
|
| 637 |
+
}
|
checkpoint-5000/training_args.bin
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:ec3775b4601d79665325e377c01a163d9ef09a7fa47af2b3ae8cc93ce5670761
|
| 3 |
+
size 4027
|
checkpoint-5000/vocab.txt
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|