Training in progress, step 200, checkpoint
Browse files
last-checkpoint/model.safetensors
CHANGED
|
@@ -1,3 +1,3 @@
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
-
oid sha256:
|
| 3 |
size 234681136
|
|
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:f7818cb9e8dda5e969179fa08e8dd35b115d5074a67004905fa566419d85bb77
|
| 3 |
size 234681136
|
last-checkpoint/optimizer.pt
CHANGED
|
@@ -1,3 +1,3 @@
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
-
oid sha256:
|
| 3 |
size 469516363
|
|
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:8dc22d80526ad400ab0440e70c39e50b019ae3f83f519ccbb65d3d05ae38552d
|
| 3 |
size 469516363
|
last-checkpoint/rng_state.pth
CHANGED
|
@@ -1,3 +1,3 @@
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
-
oid sha256:
|
| 3 |
size 14645
|
|
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:ca0548a1b90eaf6590b9f6afac3530aaed1157198c5a087c4229ad15001933d9
|
| 3 |
size 14645
|
last-checkpoint/scheduler.pt
CHANGED
|
@@ -1,3 +1,3 @@
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
-
oid sha256:
|
| 3 |
size 1465
|
|
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:17980325c36d869e063d721782688706e0e30902ea32568d55af1c62cc6c3e6f
|
| 3 |
size 1465
|
last-checkpoint/trainer_state.json
CHANGED
|
@@ -11,314 +11,314 @@
|
|
| 11 |
"log_history": [
|
| 12 |
{
|
| 13 |
"epoch": 0.0016666666666666668,
|
| 14 |
-
"grad_norm": 0.
|
| 15 |
-
"learning_rate":
|
| 16 |
-
"loss": 2.
|
| 17 |
"step": 5
|
| 18 |
},
|
| 19 |
{
|
| 20 |
"epoch": 0.0033333333333333335,
|
| 21 |
-
"grad_norm": 0.
|
| 22 |
-
"learning_rate":
|
| 23 |
-
"loss": 2.
|
| 24 |
"step": 10
|
| 25 |
},
|
| 26 |
{
|
| 27 |
"epoch": 0.005,
|
| 28 |
-
"grad_norm": 0.
|
| 29 |
-
"learning_rate":
|
| 30 |
-
"loss": 2.
|
| 31 |
"step": 15
|
| 32 |
},
|
| 33 |
{
|
| 34 |
"epoch": 0.006666666666666667,
|
| 35 |
-
"grad_norm": 0.
|
| 36 |
-
"learning_rate":
|
| 37 |
-
"loss": 2.
|
| 38 |
"step": 20
|
| 39 |
},
|
| 40 |
{
|
| 41 |
"epoch": 0.008333333333333333,
|
| 42 |
-
"grad_norm": 0.
|
| 43 |
-
"learning_rate":
|
| 44 |
-
"loss": 2.
|
| 45 |
"step": 25
|
| 46 |
},
|
| 47 |
{
|
| 48 |
"epoch": 0.01,
|
| 49 |
-
"grad_norm": 0.
|
| 50 |
-
"learning_rate": 0.
|
| 51 |
-
"loss": 2.
|
| 52 |
"step": 30
|
| 53 |
},
|
| 54 |
{
|
| 55 |
"epoch": 0.011666666666666667,
|
| 56 |
-
"grad_norm": 0.
|
| 57 |
-
"learning_rate": 0.
|
| 58 |
-
"loss": 2.
|
| 59 |
"step": 35
|
| 60 |
},
|
| 61 |
{
|
| 62 |
"epoch": 0.013333333333333334,
|
| 63 |
-
"grad_norm": 0.
|
| 64 |
-
"learning_rate": 0.
|
| 65 |
-
"loss": 2.
|
| 66 |
"step": 40
|
| 67 |
},
|
| 68 |
{
|
| 69 |
"epoch": 0.015,
|
| 70 |
-
"grad_norm": 0.
|
| 71 |
-
"learning_rate": 0.
|
| 72 |
-
"loss": 2.
|
| 73 |
"step": 45
|
| 74 |
},
|
| 75 |
{
|
| 76 |
"epoch": 0.016666666666666666,
|
| 77 |
-
"grad_norm": 0.
|
| 78 |
-
"learning_rate": 0.
|
| 79 |
-
"loss": 2.
|
| 80 |
"step": 50
|
| 81 |
},
|
| 82 |
{
|
| 83 |
"epoch": 0.016666666666666666,
|
| 84 |
-
"eval_loss": 3.
|
| 85 |
-
"eval_runtime": 4.
|
| 86 |
-
"eval_samples_per_second":
|
| 87 |
-
"eval_steps_per_second": 3.
|
| 88 |
"step": 50
|
| 89 |
},
|
| 90 |
{
|
| 91 |
"epoch": 0.018333333333333333,
|
| 92 |
-
"grad_norm":
|
| 93 |
-
"learning_rate": 0.
|
| 94 |
-
"loss": 2.
|
| 95 |
"step": 55
|
| 96 |
},
|
| 97 |
{
|
| 98 |
"epoch": 0.02,
|
| 99 |
-
"grad_norm": 0.
|
| 100 |
-
"learning_rate": 0.
|
| 101 |
-
"loss": 2.
|
| 102 |
"step": 60
|
| 103 |
},
|
| 104 |
{
|
| 105 |
"epoch": 0.021666666666666667,
|
| 106 |
-
"grad_norm": 0.
|
| 107 |
-
"learning_rate": 0.
|
| 108 |
-
"loss": 2.
|
| 109 |
"step": 65
|
| 110 |
},
|
| 111 |
{
|
| 112 |
"epoch": 0.023333333333333334,
|
| 113 |
-
"grad_norm": 0.
|
| 114 |
-
"learning_rate": 0.
|
| 115 |
-
"loss": 2.
|
| 116 |
"step": 70
|
| 117 |
},
|
| 118 |
{
|
| 119 |
"epoch": 0.025,
|
| 120 |
-
"grad_norm": 0.
|
| 121 |
-
"learning_rate": 0.
|
| 122 |
-
"loss": 2.
|
| 123 |
"step": 75
|
| 124 |
},
|
| 125 |
{
|
| 126 |
"epoch": 0.02666666666666667,
|
| 127 |
-
"grad_norm": 0.
|
| 128 |
-
"learning_rate": 0.
|
| 129 |
-
"loss": 2.
|
| 130 |
"step": 80
|
| 131 |
},
|
| 132 |
{
|
| 133 |
"epoch": 0.028333333333333332,
|
| 134 |
-
"grad_norm": 0.
|
| 135 |
-
"learning_rate": 0.
|
| 136 |
-
"loss": 2.
|
| 137 |
"step": 85
|
| 138 |
},
|
| 139 |
{
|
| 140 |
"epoch": 0.03,
|
| 141 |
-
"grad_norm": 0.
|
| 142 |
-
"learning_rate": 0.
|
| 143 |
-
"loss": 2.
|
| 144 |
"step": 90
|
| 145 |
},
|
| 146 |
{
|
| 147 |
"epoch": 0.03166666666666667,
|
| 148 |
-
"grad_norm": 0.
|
| 149 |
-
"learning_rate": 0.
|
| 150 |
-
"loss": 2.
|
| 151 |
"step": 95
|
| 152 |
},
|
| 153 |
{
|
| 154 |
"epoch": 0.03333333333333333,
|
| 155 |
-
"grad_norm": 0.
|
| 156 |
-
"learning_rate": 0.
|
| 157 |
-
"loss": 2.
|
| 158 |
"step": 100
|
| 159 |
},
|
| 160 |
{
|
| 161 |
"epoch": 0.03333333333333333,
|
| 162 |
-
"eval_loss": 3.
|
| 163 |
-
"eval_runtime": 4.
|
| 164 |
-
"eval_samples_per_second":
|
| 165 |
-
"eval_steps_per_second": 3.
|
| 166 |
"step": 100
|
| 167 |
},
|
| 168 |
{
|
| 169 |
"epoch": 0.035,
|
| 170 |
-
"grad_norm": 0.
|
| 171 |
-
"learning_rate": 0.
|
| 172 |
-
"loss": 2.
|
| 173 |
"step": 105
|
| 174 |
},
|
| 175 |
{
|
| 176 |
"epoch": 0.03666666666666667,
|
| 177 |
-
"grad_norm": 0.
|
| 178 |
-
"learning_rate": 0.
|
| 179 |
-
"loss": 2.
|
| 180 |
"step": 110
|
| 181 |
},
|
| 182 |
{
|
| 183 |
"epoch": 0.03833333333333333,
|
| 184 |
-
"grad_norm": 0.
|
| 185 |
-
"learning_rate": 0.
|
| 186 |
-
"loss": 2.
|
| 187 |
"step": 115
|
| 188 |
},
|
| 189 |
{
|
| 190 |
"epoch": 0.04,
|
| 191 |
-
"grad_norm": 0.
|
| 192 |
-
"learning_rate": 0.
|
| 193 |
-
"loss": 2.
|
| 194 |
"step": 120
|
| 195 |
},
|
| 196 |
{
|
| 197 |
"epoch": 0.041666666666666664,
|
| 198 |
-
"grad_norm": 0.
|
| 199 |
-
"learning_rate": 0.
|
| 200 |
-
"loss": 2.
|
| 201 |
"step": 125
|
| 202 |
},
|
| 203 |
{
|
| 204 |
"epoch": 0.043333333333333335,
|
| 205 |
-
"grad_norm": 0.
|
| 206 |
-
"learning_rate": 0.
|
| 207 |
-
"loss": 2.
|
| 208 |
"step": 130
|
| 209 |
},
|
| 210 |
{
|
| 211 |
"epoch": 0.045,
|
| 212 |
-
"grad_norm":
|
| 213 |
-
"learning_rate": 0.
|
| 214 |
-
"loss": 2.
|
| 215 |
"step": 135
|
| 216 |
},
|
| 217 |
{
|
| 218 |
"epoch": 0.04666666666666667,
|
| 219 |
-
"grad_norm": 0.
|
| 220 |
-
"learning_rate": 0.
|
| 221 |
-
"loss": 2.
|
| 222 |
"step": 140
|
| 223 |
},
|
| 224 |
{
|
| 225 |
"epoch": 0.04833333333333333,
|
| 226 |
-
"grad_norm": 0.
|
| 227 |
-
"learning_rate": 0.
|
| 228 |
-
"loss": 2.
|
| 229 |
"step": 145
|
| 230 |
},
|
| 231 |
{
|
| 232 |
"epoch": 0.05,
|
| 233 |
-
"grad_norm":
|
| 234 |
-
"learning_rate": 0.
|
| 235 |
-
"loss": 2.
|
| 236 |
"step": 150
|
| 237 |
},
|
| 238 |
{
|
| 239 |
"epoch": 0.05,
|
| 240 |
-
"eval_loss": 3.
|
| 241 |
-
"eval_runtime": 4.
|
| 242 |
-
"eval_samples_per_second":
|
| 243 |
-
"eval_steps_per_second": 3.
|
| 244 |
"step": 150
|
| 245 |
},
|
| 246 |
{
|
| 247 |
"epoch": 0.051666666666666666,
|
| 248 |
-
"grad_norm": 0.
|
| 249 |
-
"learning_rate": 0.
|
| 250 |
-
"loss": 2.
|
| 251 |
"step": 155
|
| 252 |
},
|
| 253 |
{
|
| 254 |
"epoch": 0.05333333333333334,
|
| 255 |
-
"grad_norm": 0.
|
| 256 |
-
"learning_rate": 0.
|
| 257 |
-
"loss": 2.
|
| 258 |
"step": 160
|
| 259 |
},
|
| 260 |
{
|
| 261 |
"epoch": 0.055,
|
| 262 |
-
"grad_norm": 0.
|
| 263 |
-
"learning_rate": 0.
|
| 264 |
-
"loss": 2.
|
| 265 |
"step": 165
|
| 266 |
},
|
| 267 |
{
|
| 268 |
"epoch": 0.056666666666666664,
|
| 269 |
-
"grad_norm": 0.
|
| 270 |
-
"learning_rate": 0.
|
| 271 |
-
"loss": 2.
|
| 272 |
"step": 170
|
| 273 |
},
|
| 274 |
{
|
| 275 |
"epoch": 0.058333333333333334,
|
| 276 |
-
"grad_norm": 0.
|
| 277 |
-
"learning_rate": 0.
|
| 278 |
-
"loss": 2.
|
| 279 |
"step": 175
|
| 280 |
},
|
| 281 |
{
|
| 282 |
"epoch": 0.06,
|
| 283 |
-
"grad_norm": 0.
|
| 284 |
-
"learning_rate": 0.
|
| 285 |
-
"loss": 2.
|
| 286 |
"step": 180
|
| 287 |
},
|
| 288 |
{
|
| 289 |
"epoch": 0.06166666666666667,
|
| 290 |
-
"grad_norm": 0.
|
| 291 |
-
"learning_rate": 0.
|
| 292 |
-
"loss": 2.
|
| 293 |
"step": 185
|
| 294 |
},
|
| 295 |
{
|
| 296 |
"epoch": 0.06333333333333334,
|
| 297 |
-
"grad_norm": 0.
|
| 298 |
-
"learning_rate": 0.
|
| 299 |
-
"loss": 2.
|
| 300 |
"step": 190
|
| 301 |
},
|
| 302 |
{
|
| 303 |
"epoch": 0.065,
|
| 304 |
-
"grad_norm": 0.
|
| 305 |
-
"learning_rate": 0.
|
| 306 |
-
"loss": 2.
|
| 307 |
"step": 195
|
| 308 |
},
|
| 309 |
{
|
| 310 |
"epoch": 0.06666666666666667,
|
| 311 |
-
"grad_norm": 0.
|
| 312 |
-
"learning_rate": 0.
|
| 313 |
-
"loss": 2.
|
| 314 |
"step": 200
|
| 315 |
},
|
| 316 |
{
|
| 317 |
"epoch": 0.06666666666666667,
|
| 318 |
-
"eval_loss": 3.
|
| 319 |
-
"eval_runtime": 4.
|
| 320 |
-
"eval_samples_per_second":
|
| 321 |
-
"eval_steps_per_second": 3.
|
| 322 |
"step": 200
|
| 323 |
}
|
| 324 |
],
|
|
@@ -339,8 +339,8 @@
|
|
| 339 |
"attributes": {}
|
| 340 |
}
|
| 341 |
},
|
| 342 |
-
"total_flos":
|
| 343 |
-
"train_batch_size":
|
| 344 |
"trial_name": null,
|
| 345 |
"trial_params": null
|
| 346 |
}
|
|
|
|
| 11 |
"log_history": [
|
| 12 |
{
|
| 13 |
"epoch": 0.0016666666666666668,
|
| 14 |
+
"grad_norm": 0.419921875,
|
| 15 |
+
"learning_rate": 0.0002,
|
| 16 |
+
"loss": 2.7259506225585937,
|
| 17 |
"step": 5
|
| 18 |
},
|
| 19 |
{
|
| 20 |
"epoch": 0.0033333333333333335,
|
| 21 |
+
"grad_norm": 0.326171875,
|
| 22 |
+
"learning_rate": 0.00045000000000000004,
|
| 23 |
+
"loss": 2.7605268478393556,
|
| 24 |
"step": 10
|
| 25 |
},
|
| 26 |
{
|
| 27 |
"epoch": 0.005,
|
| 28 |
+
"grad_norm": 0.490234375,
|
| 29 |
+
"learning_rate": 0.0005,
|
| 30 |
+
"loss": 2.717021179199219,
|
| 31 |
"step": 15
|
| 32 |
},
|
| 33 |
{
|
| 34 |
"epoch": 0.006666666666666667,
|
| 35 |
+
"grad_norm": 0.267578125,
|
| 36 |
+
"learning_rate": 0.0005,
|
| 37 |
+
"loss": 2.661177635192871,
|
| 38 |
"step": 20
|
| 39 |
},
|
| 40 |
{
|
| 41 |
"epoch": 0.008333333333333333,
|
| 42 |
+
"grad_norm": 0.43359375,
|
| 43 |
+
"learning_rate": 0.0005,
|
| 44 |
+
"loss": 2.671949768066406,
|
| 45 |
"step": 25
|
| 46 |
},
|
| 47 |
{
|
| 48 |
"epoch": 0.01,
|
| 49 |
+
"grad_norm": 0.10595703125,
|
| 50 |
+
"learning_rate": 0.0005,
|
| 51 |
+
"loss": 2.673902893066406,
|
| 52 |
"step": 30
|
| 53 |
},
|
| 54 |
{
|
| 55 |
"epoch": 0.011666666666666667,
|
| 56 |
+
"grad_norm": 0.21875,
|
| 57 |
+
"learning_rate": 0.0005,
|
| 58 |
+
"loss": 2.686188316345215,
|
| 59 |
"step": 35
|
| 60 |
},
|
| 61 |
{
|
| 62 |
"epoch": 0.013333333333333334,
|
| 63 |
+
"grad_norm": 0.087890625,
|
| 64 |
+
"learning_rate": 0.0005,
|
| 65 |
+
"loss": 2.6556489944458006,
|
| 66 |
"step": 40
|
| 67 |
},
|
| 68 |
{
|
| 69 |
"epoch": 0.015,
|
| 70 |
+
"grad_norm": 0.119140625,
|
| 71 |
+
"learning_rate": 0.0005,
|
| 72 |
+
"loss": 2.66821346282959,
|
| 73 |
"step": 45
|
| 74 |
},
|
| 75 |
{
|
| 76 |
"epoch": 0.016666666666666666,
|
| 77 |
+
"grad_norm": 0.095703125,
|
| 78 |
+
"learning_rate": 0.0005,
|
| 79 |
+
"loss": 2.6468021392822267,
|
| 80 |
"step": 50
|
| 81 |
},
|
| 82 |
{
|
| 83 |
"epoch": 0.016666666666666666,
|
| 84 |
+
"eval_loss": 3.0268919467926025,
|
| 85 |
+
"eval_runtime": 4.7731,
|
| 86 |
+
"eval_samples_per_second": 31.217,
|
| 87 |
+
"eval_steps_per_second": 3.562,
|
| 88 |
"step": 50
|
| 89 |
},
|
| 90 |
{
|
| 91 |
"epoch": 0.018333333333333333,
|
| 92 |
+
"grad_norm": 139.0,
|
| 93 |
+
"learning_rate": 0.0005,
|
| 94 |
+
"loss": 2.6445695877075197,
|
| 95 |
"step": 55
|
| 96 |
},
|
| 97 |
{
|
| 98 |
"epoch": 0.02,
|
| 99 |
+
"grad_norm": 0.65234375,
|
| 100 |
+
"learning_rate": 0.0005,
|
| 101 |
+
"loss": 2.645796775817871,
|
| 102 |
"step": 60
|
| 103 |
},
|
| 104 |
{
|
| 105 |
"epoch": 0.021666666666666667,
|
| 106 |
+
"grad_norm": 0.07421875,
|
| 107 |
+
"learning_rate": 0.0005,
|
| 108 |
+
"loss": 2.6811267852783205,
|
| 109 |
"step": 65
|
| 110 |
},
|
| 111 |
{
|
| 112 |
"epoch": 0.023333333333333334,
|
| 113 |
+
"grad_norm": 0.08642578125,
|
| 114 |
+
"learning_rate": 0.0005,
|
| 115 |
+
"loss": 2.6605648040771483,
|
| 116 |
"step": 70
|
| 117 |
},
|
| 118 |
{
|
| 119 |
"epoch": 0.025,
|
| 120 |
+
"grad_norm": 0.275390625,
|
| 121 |
+
"learning_rate": 0.0005,
|
| 122 |
+
"loss": 2.668781852722168,
|
| 123 |
"step": 75
|
| 124 |
},
|
| 125 |
{
|
| 126 |
"epoch": 0.02666666666666667,
|
| 127 |
+
"grad_norm": 0.0693359375,
|
| 128 |
+
"learning_rate": 0.0005,
|
| 129 |
+
"loss": 2.6526798248291015,
|
| 130 |
"step": 80
|
| 131 |
},
|
| 132 |
{
|
| 133 |
"epoch": 0.028333333333333332,
|
| 134 |
+
"grad_norm": 0.427734375,
|
| 135 |
+
"learning_rate": 0.0005,
|
| 136 |
+
"loss": 2.6234062194824217,
|
| 137 |
"step": 85
|
| 138 |
},
|
| 139 |
{
|
| 140 |
"epoch": 0.03,
|
| 141 |
+
"grad_norm": 0.08447265625,
|
| 142 |
+
"learning_rate": 0.0005,
|
| 143 |
+
"loss": 2.6748191833496096,
|
| 144 |
"step": 90
|
| 145 |
},
|
| 146 |
{
|
| 147 |
"epoch": 0.03166666666666667,
|
| 148 |
+
"grad_norm": 0.08544921875,
|
| 149 |
+
"learning_rate": 0.0005,
|
| 150 |
+
"loss": 2.665359878540039,
|
| 151 |
"step": 95
|
| 152 |
},
|
| 153 |
{
|
| 154 |
"epoch": 0.03333333333333333,
|
| 155 |
+
"grad_norm": 0.2734375,
|
| 156 |
+
"learning_rate": 0.0005,
|
| 157 |
+
"loss": 2.6298377990722654,
|
| 158 |
"step": 100
|
| 159 |
},
|
| 160 |
{
|
| 161 |
"epoch": 0.03333333333333333,
|
| 162 |
+
"eval_loss": 3.037663221359253,
|
| 163 |
+
"eval_runtime": 4.6626,
|
| 164 |
+
"eval_samples_per_second": 31.956,
|
| 165 |
+
"eval_steps_per_second": 3.646,
|
| 166 |
"step": 100
|
| 167 |
},
|
| 168 |
{
|
| 169 |
"epoch": 0.035,
|
| 170 |
+
"grad_norm": 0.1865234375,
|
| 171 |
+
"learning_rate": 0.0005,
|
| 172 |
+
"loss": 2.639477348327637,
|
| 173 |
"step": 105
|
| 174 |
},
|
| 175 |
{
|
| 176 |
"epoch": 0.03666666666666667,
|
| 177 |
+
"grad_norm": 0.1376953125,
|
| 178 |
+
"learning_rate": 0.0005,
|
| 179 |
+
"loss": 2.671689987182617,
|
| 180 |
"step": 110
|
| 181 |
},
|
| 182 |
{
|
| 183 |
"epoch": 0.03833333333333333,
|
| 184 |
+
"grad_norm": 0.078125,
|
| 185 |
+
"learning_rate": 0.0005,
|
| 186 |
+
"loss": 2.6607818603515625,
|
| 187 |
"step": 115
|
| 188 |
},
|
| 189 |
{
|
| 190 |
"epoch": 0.04,
|
| 191 |
+
"grad_norm": 0.06494140625,
|
| 192 |
+
"learning_rate": 0.0005,
|
| 193 |
+
"loss": 2.6763479232788088,
|
| 194 |
"step": 120
|
| 195 |
},
|
| 196 |
{
|
| 197 |
"epoch": 0.041666666666666664,
|
| 198 |
+
"grad_norm": 0.96875,
|
| 199 |
+
"learning_rate": 0.0005,
|
| 200 |
+
"loss": 2.6471065521240233,
|
| 201 |
"step": 125
|
| 202 |
},
|
| 203 |
{
|
| 204 |
"epoch": 0.043333333333333335,
|
| 205 |
+
"grad_norm": 0.076171875,
|
| 206 |
+
"learning_rate": 0.0005,
|
| 207 |
+
"loss": 2.643071746826172,
|
| 208 |
"step": 130
|
| 209 |
},
|
| 210 |
{
|
| 211 |
"epoch": 0.045,
|
| 212 |
+
"grad_norm": 0.10400390625,
|
| 213 |
+
"learning_rate": 0.0005,
|
| 214 |
+
"loss": 2.6617103576660157,
|
| 215 |
"step": 135
|
| 216 |
},
|
| 217 |
{
|
| 218 |
"epoch": 0.04666666666666667,
|
| 219 |
+
"grad_norm": 0.06640625,
|
| 220 |
+
"learning_rate": 0.0005,
|
| 221 |
+
"loss": 2.617737579345703,
|
| 222 |
"step": 140
|
| 223 |
},
|
| 224 |
{
|
| 225 |
"epoch": 0.04833333333333333,
|
| 226 |
+
"grad_norm": 0.3984375,
|
| 227 |
+
"learning_rate": 0.0005,
|
| 228 |
+
"loss": 2.7076738357543944,
|
| 229 |
"step": 145
|
| 230 |
},
|
| 231 |
{
|
| 232 |
"epoch": 0.05,
|
| 233 |
+
"grad_norm": 0.09375,
|
| 234 |
+
"learning_rate": 0.0005,
|
| 235 |
+
"loss": 2.6471235275268556,
|
| 236 |
"step": 150
|
| 237 |
},
|
| 238 |
{
|
| 239 |
"epoch": 0.05,
|
| 240 |
+
"eval_loss": 3.055941581726074,
|
| 241 |
+
"eval_runtime": 4.6673,
|
| 242 |
+
"eval_samples_per_second": 31.924,
|
| 243 |
+
"eval_steps_per_second": 3.642,
|
| 244 |
"step": 150
|
| 245 |
},
|
| 246 |
{
|
| 247 |
"epoch": 0.051666666666666666,
|
| 248 |
+
"grad_norm": 0.08642578125,
|
| 249 |
+
"learning_rate": 0.0005,
|
| 250 |
+
"loss": 2.6089550018310548,
|
| 251 |
"step": 155
|
| 252 |
},
|
| 253 |
{
|
| 254 |
"epoch": 0.05333333333333334,
|
| 255 |
+
"grad_norm": 0.61328125,
|
| 256 |
+
"learning_rate": 0.0005,
|
| 257 |
+
"loss": 2.6288101196289064,
|
| 258 |
"step": 160
|
| 259 |
},
|
| 260 |
{
|
| 261 |
"epoch": 0.055,
|
| 262 |
+
"grad_norm": 0.0703125,
|
| 263 |
+
"learning_rate": 0.0005,
|
| 264 |
+
"loss": 2.647333335876465,
|
| 265 |
"step": 165
|
| 266 |
},
|
| 267 |
{
|
| 268 |
"epoch": 0.056666666666666664,
|
| 269 |
+
"grad_norm": 0.06689453125,
|
| 270 |
+
"learning_rate": 0.0005,
|
| 271 |
+
"loss": 2.6732242584228514,
|
| 272 |
"step": 170
|
| 273 |
},
|
| 274 |
{
|
| 275 |
"epoch": 0.058333333333333334,
|
| 276 |
+
"grad_norm": 0.060791015625,
|
| 277 |
+
"learning_rate": 0.0005,
|
| 278 |
+
"loss": 2.6399274826049806,
|
| 279 |
"step": 175
|
| 280 |
},
|
| 281 |
{
|
| 282 |
"epoch": 0.06,
|
| 283 |
+
"grad_norm": 0.059326171875,
|
| 284 |
+
"learning_rate": 0.0005,
|
| 285 |
+
"loss": 2.6433204650878905,
|
| 286 |
"step": 180
|
| 287 |
},
|
| 288 |
{
|
| 289 |
"epoch": 0.06166666666666667,
|
| 290 |
+
"grad_norm": 0.05712890625,
|
| 291 |
+
"learning_rate": 0.0005,
|
| 292 |
+
"loss": 2.6490320205688476,
|
| 293 |
"step": 185
|
| 294 |
},
|
| 295 |
{
|
| 296 |
"epoch": 0.06333333333333334,
|
| 297 |
+
"grad_norm": 0.0830078125,
|
| 298 |
+
"learning_rate": 0.0005,
|
| 299 |
+
"loss": 2.6651992797851562,
|
| 300 |
"step": 190
|
| 301 |
},
|
| 302 |
{
|
| 303 |
"epoch": 0.065,
|
| 304 |
+
"grad_norm": 0.0712890625,
|
| 305 |
+
"learning_rate": 0.0005,
|
| 306 |
+
"loss": 2.6375024795532225,
|
| 307 |
"step": 195
|
| 308 |
},
|
| 309 |
{
|
| 310 |
"epoch": 0.06666666666666667,
|
| 311 |
+
"grad_norm": 0.07763671875,
|
| 312 |
+
"learning_rate": 0.0005,
|
| 313 |
+
"loss": 2.616963768005371,
|
| 314 |
"step": 200
|
| 315 |
},
|
| 316 |
{
|
| 317 |
"epoch": 0.06666666666666667,
|
| 318 |
+
"eval_loss": 3.0367250442504883,
|
| 319 |
+
"eval_runtime": 4.6782,
|
| 320 |
+
"eval_samples_per_second": 31.85,
|
| 321 |
+
"eval_steps_per_second": 3.634,
|
| 322 |
"step": 200
|
| 323 |
}
|
| 324 |
],
|
|
|
|
| 339 |
"attributes": {}
|
| 340 |
}
|
| 341 |
},
|
| 342 |
+
"total_flos": 6.52309029715968e+16,
|
| 343 |
+
"train_batch_size": 9,
|
| 344 |
"trial_name": null,
|
| 345 |
"trial_params": null
|
| 346 |
}
|
last-checkpoint/training_args.bin
CHANGED
|
@@ -1,3 +1,3 @@
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
-
oid sha256:
|
| 3 |
size 5265
|
|
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:8120bbf745be8a2e230b2b8e6929b1ee58e282eec5683185cd975c85928dd837
|
| 3 |
size 5265
|