Training in progress, step 937, checkpoint
Browse files
checkpoint-937/adapter_config.json
CHANGED
|
@@ -23,12 +23,12 @@
|
|
| 23 |
"rank_pattern": {},
|
| 24 |
"revision": null,
|
| 25 |
"target_modules": [
|
| 26 |
-
"o_proj",
|
| 27 |
-
"up_proj",
|
| 28 |
"k_proj",
|
| 29 |
-
"
|
| 30 |
"v_proj",
|
|
|
|
| 31 |
"q_proj",
|
|
|
|
| 32 |
"gate_proj"
|
| 33 |
],
|
| 34 |
"task_type": "CAUSAL_LM",
|
|
|
|
| 23 |
"rank_pattern": {},
|
| 24 |
"revision": null,
|
| 25 |
"target_modules": [
|
|
|
|
|
|
|
| 26 |
"k_proj",
|
| 27 |
+
"up_proj",
|
| 28 |
"v_proj",
|
| 29 |
+
"o_proj",
|
| 30 |
"q_proj",
|
| 31 |
+
"down_proj",
|
| 32 |
"gate_proj"
|
| 33 |
],
|
| 34 |
"task_type": "CAUSAL_LM",
|
checkpoint-937/adapter_model.safetensors
CHANGED
|
@@ -1,3 +1,3 @@
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
-
oid sha256:
|
| 3 |
size 45118424
|
|
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:40443a6f16112604e5549b7887209b1c83fdfa7d6ef2aa902ec429fcf991cc9b
|
| 3 |
size 45118424
|
checkpoint-937/optimizer.pt
CHANGED
|
@@ -1,3 +1,3 @@
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
-
oid sha256:
|
| 3 |
size 23159546
|
|
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:3948c74c44757b375f6e71036bbdf0e3114274345f46479bec86cdbc4b9c6d9f
|
| 3 |
size 23159546
|
checkpoint-937/trainer_state.json
CHANGED
|
@@ -10,322 +10,322 @@
|
|
| 10 |
"log_history": [
|
| 11 |
{
|
| 12 |
"epoch": 0.021333333333333333,
|
| 13 |
-
"grad_norm": 0.
|
| 14 |
"learning_rate": 0.00019678111587982831,
|
| 15 |
-
"loss": 1.
|
| 16 |
"step": 20
|
| 17 |
},
|
| 18 |
{
|
| 19 |
"epoch": 0.042666666666666665,
|
| 20 |
-
"grad_norm": 0.
|
| 21 |
"learning_rate": 0.0001924892703862661,
|
| 22 |
"loss": 0.8918,
|
| 23 |
"step": 40
|
| 24 |
},
|
| 25 |
{
|
| 26 |
"epoch": 0.064,
|
| 27 |
-
"grad_norm": 0.
|
| 28 |
"learning_rate": 0.00018819742489270387,
|
| 29 |
"loss": 0.8588,
|
| 30 |
"step": 60
|
| 31 |
},
|
| 32 |
{
|
| 33 |
"epoch": 0.08533333333333333,
|
| 34 |
-
"grad_norm": 0.
|
| 35 |
"learning_rate": 0.00018390557939914164,
|
| 36 |
"loss": 0.7577,
|
| 37 |
"step": 80
|
| 38 |
},
|
| 39 |
{
|
| 40 |
"epoch": 0.10666666666666667,
|
| 41 |
-
"grad_norm": 0.
|
| 42 |
"learning_rate": 0.00017961373390557942,
|
| 43 |
"loss": 0.7796,
|
| 44 |
"step": 100
|
| 45 |
},
|
| 46 |
{
|
| 47 |
"epoch": 0.128,
|
| 48 |
-
"grad_norm": 0.
|
| 49 |
"learning_rate": 0.00017532188841201717,
|
| 50 |
"loss": 0.7647,
|
| 51 |
"step": 120
|
| 52 |
},
|
| 53 |
{
|
| 54 |
"epoch": 0.14933333333333335,
|
| 55 |
-
"grad_norm": 0.
|
| 56 |
"learning_rate": 0.00017103004291845494,
|
| 57 |
-
"loss": 0.
|
| 58 |
"step": 140
|
| 59 |
},
|
| 60 |
{
|
| 61 |
"epoch": 0.17066666666666666,
|
| 62 |
-
"grad_norm": 0.
|
| 63 |
"learning_rate": 0.00016673819742489272,
|
| 64 |
"loss": 0.7586,
|
| 65 |
"step": 160
|
| 66 |
},
|
| 67 |
{
|
| 68 |
"epoch": 0.192,
|
| 69 |
-
"grad_norm": 0.
|
| 70 |
"learning_rate": 0.0001624463519313305,
|
| 71 |
"loss": 0.7364,
|
| 72 |
"step": 180
|
| 73 |
},
|
| 74 |
{
|
| 75 |
"epoch": 0.21333333333333335,
|
| 76 |
-
"grad_norm": 0.
|
| 77 |
"learning_rate": 0.00015815450643776824,
|
| 78 |
"loss": 0.7943,
|
| 79 |
"step": 200
|
| 80 |
},
|
| 81 |
{
|
| 82 |
"epoch": 0.23466666666666666,
|
| 83 |
-
"grad_norm": 0.
|
| 84 |
"learning_rate": 0.000153862660944206,
|
| 85 |
-
"loss": 0.
|
| 86 |
"step": 220
|
| 87 |
},
|
| 88 |
{
|
| 89 |
"epoch": 0.256,
|
| 90 |
-
"grad_norm": 0.
|
| 91 |
"learning_rate": 0.00014957081545064377,
|
| 92 |
"loss": 0.7495,
|
| 93 |
"step": 240
|
| 94 |
},
|
| 95 |
{
|
| 96 |
"epoch": 0.2773333333333333,
|
| 97 |
-
"grad_norm": 0.
|
| 98 |
"learning_rate": 0.00014527896995708155,
|
| 99 |
"loss": 0.7739,
|
| 100 |
"step": 260
|
| 101 |
},
|
| 102 |
{
|
| 103 |
"epoch": 0.2986666666666667,
|
| 104 |
-
"grad_norm": 0.
|
| 105 |
"learning_rate": 0.00014098712446351932,
|
| 106 |
"loss": 0.7125,
|
| 107 |
"step": 280
|
| 108 |
},
|
| 109 |
{
|
| 110 |
"epoch": 0.32,
|
| 111 |
-
"grad_norm": 0.
|
| 112 |
"learning_rate": 0.0001366952789699571,
|
| 113 |
-
"loss": 0.
|
| 114 |
"step": 300
|
| 115 |
},
|
| 116 |
{
|
| 117 |
"epoch": 0.3413333333333333,
|
| 118 |
-
"grad_norm": 0.
|
| 119 |
"learning_rate": 0.00013240343347639485,
|
| 120 |
"loss": 0.6974,
|
| 121 |
"step": 320
|
| 122 |
},
|
| 123 |
{
|
| 124 |
"epoch": 0.3626666666666667,
|
| 125 |
-
"grad_norm": 0.
|
| 126 |
"learning_rate": 0.00012811158798283262,
|
| 127 |
"loss": 0.7555,
|
| 128 |
"step": 340
|
| 129 |
},
|
| 130 |
{
|
| 131 |
"epoch": 0.384,
|
| 132 |
-
"grad_norm": 0.
|
| 133 |
"learning_rate": 0.0001238197424892704,
|
| 134 |
-
"loss": 0.
|
| 135 |
"step": 360
|
| 136 |
},
|
| 137 |
{
|
| 138 |
"epoch": 0.4053333333333333,
|
| 139 |
-
"grad_norm": 0.
|
| 140 |
"learning_rate": 0.00011952789699570816,
|
| 141 |
"loss": 0.7466,
|
| 142 |
"step": 380
|
| 143 |
},
|
| 144 |
{
|
| 145 |
"epoch": 0.4266666666666667,
|
| 146 |
-
"grad_norm": 0.
|
| 147 |
"learning_rate": 0.00011523605150214594,
|
| 148 |
"loss": 0.6999,
|
| 149 |
"step": 400
|
| 150 |
},
|
| 151 |
{
|
| 152 |
"epoch": 0.448,
|
| 153 |
-
"grad_norm": 0.
|
| 154 |
"learning_rate": 0.0001109442060085837,
|
| 155 |
"loss": 0.7554,
|
| 156 |
"step": 420
|
| 157 |
},
|
| 158 |
{
|
| 159 |
"epoch": 0.4693333333333333,
|
| 160 |
-
"grad_norm": 0.
|
| 161 |
"learning_rate": 0.00010665236051502145,
|
| 162 |
"loss": 0.7347,
|
| 163 |
"step": 440
|
| 164 |
},
|
| 165 |
{
|
| 166 |
"epoch": 0.49066666666666664,
|
| 167 |
-
"grad_norm": 0.
|
| 168 |
"learning_rate": 0.00010236051502145923,
|
| 169 |
"loss": 0.7075,
|
| 170 |
"step": 460
|
| 171 |
},
|
| 172 |
{
|
| 173 |
"epoch": 0.512,
|
| 174 |
-
"grad_norm": 0.
|
| 175 |
"learning_rate": 9.8068669527897e-05,
|
| 176 |
-
"loss": 0.
|
| 177 |
"step": 480
|
| 178 |
},
|
| 179 |
{
|
| 180 |
"epoch": 0.5333333333333333,
|
| 181 |
-
"grad_norm": 0.
|
| 182 |
"learning_rate": 9.377682403433476e-05,
|
| 183 |
"loss": 0.7269,
|
| 184 |
"step": 500
|
| 185 |
},
|
| 186 |
{
|
| 187 |
"epoch": 0.5546666666666666,
|
| 188 |
-
"grad_norm": 0.
|
| 189 |
"learning_rate": 8.948497854077254e-05,
|
| 190 |
"loss": 0.7505,
|
| 191 |
"step": 520
|
| 192 |
},
|
| 193 |
{
|
| 194 |
"epoch": 0.576,
|
| 195 |
-
"grad_norm": 0.
|
| 196 |
"learning_rate": 8.51931330472103e-05,
|
| 197 |
"loss": 0.7085,
|
| 198 |
"step": 540
|
| 199 |
},
|
| 200 |
{
|
| 201 |
"epoch": 0.5973333333333334,
|
| 202 |
-
"grad_norm": 0.
|
| 203 |
"learning_rate": 8.090128755364808e-05,
|
| 204 |
"loss": 0.6989,
|
| 205 |
"step": 560
|
| 206 |
},
|
| 207 |
{
|
| 208 |
"epoch": 0.6186666666666667,
|
| 209 |
-
"grad_norm": 0.
|
| 210 |
"learning_rate": 7.660944206008584e-05,
|
| 211 |
"loss": 0.7368,
|
| 212 |
"step": 580
|
| 213 |
},
|
| 214 |
{
|
| 215 |
"epoch": 0.64,
|
| 216 |
-
"grad_norm": 0.
|
| 217 |
"learning_rate": 7.23175965665236e-05,
|
| 218 |
"loss": 0.7167,
|
| 219 |
"step": 600
|
| 220 |
},
|
| 221 |
{
|
| 222 |
"epoch": 0.6613333333333333,
|
| 223 |
-
"grad_norm": 0.
|
| 224 |
"learning_rate": 6.802575107296138e-05,
|
| 225 |
"loss": 0.7022,
|
| 226 |
"step": 620
|
| 227 |
},
|
| 228 |
{
|
| 229 |
"epoch": 0.6826666666666666,
|
| 230 |
-
"grad_norm": 0.
|
| 231 |
"learning_rate": 6.373390557939914e-05,
|
| 232 |
-
"loss": 0.
|
| 233 |
"step": 640
|
| 234 |
},
|
| 235 |
{
|
| 236 |
"epoch": 0.704,
|
| 237 |
-
"grad_norm": 0.
|
| 238 |
"learning_rate": 5.944206008583692e-05,
|
| 239 |
"loss": 0.7509,
|
| 240 |
"step": 660
|
| 241 |
},
|
| 242 |
{
|
| 243 |
"epoch": 0.7253333333333334,
|
| 244 |
-
"grad_norm": 0.
|
| 245 |
"learning_rate": 5.515021459227469e-05,
|
| 246 |
"loss": 0.6887,
|
| 247 |
"step": 680
|
| 248 |
},
|
| 249 |
{
|
| 250 |
"epoch": 0.7466666666666667,
|
| 251 |
-
"grad_norm": 0.
|
| 252 |
"learning_rate": 5.085836909871244e-05,
|
| 253 |
"loss": 0.7296,
|
| 254 |
"step": 700
|
| 255 |
},
|
| 256 |
{
|
| 257 |
"epoch": 0.768,
|
| 258 |
-
"grad_norm": 0.
|
| 259 |
"learning_rate": 4.656652360515021e-05,
|
| 260 |
-
"loss": 0.
|
| 261 |
"step": 720
|
| 262 |
},
|
| 263 |
{
|
| 264 |
"epoch": 0.7893333333333333,
|
| 265 |
-
"grad_norm": 0.
|
| 266 |
"learning_rate": 4.227467811158798e-05,
|
| 267 |
"loss": 0.7324,
|
| 268 |
"step": 740
|
| 269 |
},
|
| 270 |
{
|
| 271 |
"epoch": 0.8106666666666666,
|
| 272 |
-
"grad_norm": 0.
|
| 273 |
"learning_rate": 3.798283261802575e-05,
|
| 274 |
"loss": 0.7155,
|
| 275 |
"step": 760
|
| 276 |
},
|
| 277 |
{
|
| 278 |
"epoch": 0.832,
|
| 279 |
-
"grad_norm": 0.
|
| 280 |
"learning_rate": 3.369098712446352e-05,
|
| 281 |
"loss": 0.7063,
|
| 282 |
"step": 780
|
| 283 |
},
|
| 284 |
{
|
| 285 |
"epoch": 0.8533333333333334,
|
| 286 |
-
"grad_norm": 0.
|
| 287 |
"learning_rate": 2.939914163090129e-05,
|
| 288 |
"loss": 0.6556,
|
| 289 |
"step": 800
|
| 290 |
},
|
| 291 |
{
|
| 292 |
"epoch": 0.8746666666666667,
|
| 293 |
-
"grad_norm": 0.
|
| 294 |
"learning_rate": 2.510729613733906e-05,
|
| 295 |
"loss": 0.7319,
|
| 296 |
"step": 820
|
| 297 |
},
|
| 298 |
{
|
| 299 |
"epoch": 0.896,
|
| 300 |
-
"grad_norm": 0.
|
| 301 |
"learning_rate": 2.0815450643776825e-05,
|
| 302 |
"loss": 0.6889,
|
| 303 |
"step": 840
|
| 304 |
},
|
| 305 |
{
|
| 306 |
"epoch": 0.9173333333333333,
|
| 307 |
-
"grad_norm": 0.
|
| 308 |
"learning_rate": 1.6523605150214594e-05,
|
| 309 |
"loss": 0.7442,
|
| 310 |
"step": 860
|
| 311 |
},
|
| 312 |
{
|
| 313 |
"epoch": 0.9386666666666666,
|
| 314 |
-
"grad_norm": 0.
|
| 315 |
"learning_rate": 1.2231759656652362e-05,
|
| 316 |
"loss": 0.7174,
|
| 317 |
"step": 880
|
| 318 |
},
|
| 319 |
{
|
| 320 |
"epoch": 0.96,
|
| 321 |
-
"grad_norm": 0.
|
| 322 |
"learning_rate": 7.93991416309013e-06,
|
| 323 |
"loss": 0.6603,
|
| 324 |
"step": 900
|
| 325 |
},
|
| 326 |
{
|
| 327 |
"epoch": 0.9813333333333333,
|
| 328 |
-
"grad_norm": 0.
|
| 329 |
"learning_rate": 3.648068669527897e-06,
|
| 330 |
"loss": 0.7313,
|
| 331 |
"step": 920
|
|
|
|
| 10 |
"log_history": [
|
| 11 |
{
|
| 12 |
"epoch": 0.021333333333333333,
|
| 13 |
+
"grad_norm": 0.4694526791572571,
|
| 14 |
"learning_rate": 0.00019678111587982831,
|
| 15 |
+
"loss": 1.2772,
|
| 16 |
"step": 20
|
| 17 |
},
|
| 18 |
{
|
| 19 |
"epoch": 0.042666666666666665,
|
| 20 |
+
"grad_norm": 0.34691280126571655,
|
| 21 |
"learning_rate": 0.0001924892703862661,
|
| 22 |
"loss": 0.8918,
|
| 23 |
"step": 40
|
| 24 |
},
|
| 25 |
{
|
| 26 |
"epoch": 0.064,
|
| 27 |
+
"grad_norm": 0.44894590973854065,
|
| 28 |
"learning_rate": 0.00018819742489270387,
|
| 29 |
"loss": 0.8588,
|
| 30 |
"step": 60
|
| 31 |
},
|
| 32 |
{
|
| 33 |
"epoch": 0.08533333333333333,
|
| 34 |
+
"grad_norm": 0.4901750981807709,
|
| 35 |
"learning_rate": 0.00018390557939914164,
|
| 36 |
"loss": 0.7577,
|
| 37 |
"step": 80
|
| 38 |
},
|
| 39 |
{
|
| 40 |
"epoch": 0.10666666666666667,
|
| 41 |
+
"grad_norm": 0.3013491630554199,
|
| 42 |
"learning_rate": 0.00017961373390557942,
|
| 43 |
"loss": 0.7796,
|
| 44 |
"step": 100
|
| 45 |
},
|
| 46 |
{
|
| 47 |
"epoch": 0.128,
|
| 48 |
+
"grad_norm": 0.35143589973449707,
|
| 49 |
"learning_rate": 0.00017532188841201717,
|
| 50 |
"loss": 0.7647,
|
| 51 |
"step": 120
|
| 52 |
},
|
| 53 |
{
|
| 54 |
"epoch": 0.14933333333333335,
|
| 55 |
+
"grad_norm": 0.29885634779930115,
|
| 56 |
"learning_rate": 0.00017103004291845494,
|
| 57 |
+
"loss": 0.674,
|
| 58 |
"step": 140
|
| 59 |
},
|
| 60 |
{
|
| 61 |
"epoch": 0.17066666666666666,
|
| 62 |
+
"grad_norm": 0.26554301381111145,
|
| 63 |
"learning_rate": 0.00016673819742489272,
|
| 64 |
"loss": 0.7586,
|
| 65 |
"step": 160
|
| 66 |
},
|
| 67 |
{
|
| 68 |
"epoch": 0.192,
|
| 69 |
+
"grad_norm": 0.2963835895061493,
|
| 70 |
"learning_rate": 0.0001624463519313305,
|
| 71 |
"loss": 0.7364,
|
| 72 |
"step": 180
|
| 73 |
},
|
| 74 |
{
|
| 75 |
"epoch": 0.21333333333333335,
|
| 76 |
+
"grad_norm": 0.36166927218437195,
|
| 77 |
"learning_rate": 0.00015815450643776824,
|
| 78 |
"loss": 0.7943,
|
| 79 |
"step": 200
|
| 80 |
},
|
| 81 |
{
|
| 82 |
"epoch": 0.23466666666666666,
|
| 83 |
+
"grad_norm": 0.23920877277851105,
|
| 84 |
"learning_rate": 0.000153862660944206,
|
| 85 |
+
"loss": 0.7055,
|
| 86 |
"step": 220
|
| 87 |
},
|
| 88 |
{
|
| 89 |
"epoch": 0.256,
|
| 90 |
+
"grad_norm": 0.32076919078826904,
|
| 91 |
"learning_rate": 0.00014957081545064377,
|
| 92 |
"loss": 0.7495,
|
| 93 |
"step": 240
|
| 94 |
},
|
| 95 |
{
|
| 96 |
"epoch": 0.2773333333333333,
|
| 97 |
+
"grad_norm": 0.34986230731010437,
|
| 98 |
"learning_rate": 0.00014527896995708155,
|
| 99 |
"loss": 0.7739,
|
| 100 |
"step": 260
|
| 101 |
},
|
| 102 |
{
|
| 103 |
"epoch": 0.2986666666666667,
|
| 104 |
+
"grad_norm": 0.27509021759033203,
|
| 105 |
"learning_rate": 0.00014098712446351932,
|
| 106 |
"loss": 0.7125,
|
| 107 |
"step": 280
|
| 108 |
},
|
| 109 |
{
|
| 110 |
"epoch": 0.32,
|
| 111 |
+
"grad_norm": 0.2761971652507782,
|
| 112 |
"learning_rate": 0.0001366952789699571,
|
| 113 |
+
"loss": 0.7306,
|
| 114 |
"step": 300
|
| 115 |
},
|
| 116 |
{
|
| 117 |
"epoch": 0.3413333333333333,
|
| 118 |
+
"grad_norm": 0.27699899673461914,
|
| 119 |
"learning_rate": 0.00013240343347639485,
|
| 120 |
"loss": 0.6974,
|
| 121 |
"step": 320
|
| 122 |
},
|
| 123 |
{
|
| 124 |
"epoch": 0.3626666666666667,
|
| 125 |
+
"grad_norm": 0.33432355523109436,
|
| 126 |
"learning_rate": 0.00012811158798283262,
|
| 127 |
"loss": 0.7555,
|
| 128 |
"step": 340
|
| 129 |
},
|
| 130 |
{
|
| 131 |
"epoch": 0.384,
|
| 132 |
+
"grad_norm": 0.2890004515647888,
|
| 133 |
"learning_rate": 0.0001238197424892704,
|
| 134 |
+
"loss": 0.7221,
|
| 135 |
"step": 360
|
| 136 |
},
|
| 137 |
{
|
| 138 |
"epoch": 0.4053333333333333,
|
| 139 |
+
"grad_norm": 0.3435133397579193,
|
| 140 |
"learning_rate": 0.00011952789699570816,
|
| 141 |
"loss": 0.7466,
|
| 142 |
"step": 380
|
| 143 |
},
|
| 144 |
{
|
| 145 |
"epoch": 0.4266666666666667,
|
| 146 |
+
"grad_norm": 0.42325925827026367,
|
| 147 |
"learning_rate": 0.00011523605150214594,
|
| 148 |
"loss": 0.6999,
|
| 149 |
"step": 400
|
| 150 |
},
|
| 151 |
{
|
| 152 |
"epoch": 0.448,
|
| 153 |
+
"grad_norm": 0.3292069733142853,
|
| 154 |
"learning_rate": 0.0001109442060085837,
|
| 155 |
"loss": 0.7554,
|
| 156 |
"step": 420
|
| 157 |
},
|
| 158 |
{
|
| 159 |
"epoch": 0.4693333333333333,
|
| 160 |
+
"grad_norm": 0.3431546092033386,
|
| 161 |
"learning_rate": 0.00010665236051502145,
|
| 162 |
"loss": 0.7347,
|
| 163 |
"step": 440
|
| 164 |
},
|
| 165 |
{
|
| 166 |
"epoch": 0.49066666666666664,
|
| 167 |
+
"grad_norm": 0.35773923993110657,
|
| 168 |
"learning_rate": 0.00010236051502145923,
|
| 169 |
"loss": 0.7075,
|
| 170 |
"step": 460
|
| 171 |
},
|
| 172 |
{
|
| 173 |
"epoch": 0.512,
|
| 174 |
+
"grad_norm": 0.34283700585365295,
|
| 175 |
"learning_rate": 9.8068669527897e-05,
|
| 176 |
+
"loss": 0.7339,
|
| 177 |
"step": 480
|
| 178 |
},
|
| 179 |
{
|
| 180 |
"epoch": 0.5333333333333333,
|
| 181 |
+
"grad_norm": 0.3486020267009735,
|
| 182 |
"learning_rate": 9.377682403433476e-05,
|
| 183 |
"loss": 0.7269,
|
| 184 |
"step": 500
|
| 185 |
},
|
| 186 |
{
|
| 187 |
"epoch": 0.5546666666666666,
|
| 188 |
+
"grad_norm": 0.3991217315196991,
|
| 189 |
"learning_rate": 8.948497854077254e-05,
|
| 190 |
"loss": 0.7505,
|
| 191 |
"step": 520
|
| 192 |
},
|
| 193 |
{
|
| 194 |
"epoch": 0.576,
|
| 195 |
+
"grad_norm": 0.33239027857780457,
|
| 196 |
"learning_rate": 8.51931330472103e-05,
|
| 197 |
"loss": 0.7085,
|
| 198 |
"step": 540
|
| 199 |
},
|
| 200 |
{
|
| 201 |
"epoch": 0.5973333333333334,
|
| 202 |
+
"grad_norm": 0.31634777784347534,
|
| 203 |
"learning_rate": 8.090128755364808e-05,
|
| 204 |
"loss": 0.6989,
|
| 205 |
"step": 560
|
| 206 |
},
|
| 207 |
{
|
| 208 |
"epoch": 0.6186666666666667,
|
| 209 |
+
"grad_norm": 0.29959481954574585,
|
| 210 |
"learning_rate": 7.660944206008584e-05,
|
| 211 |
"loss": 0.7368,
|
| 212 |
"step": 580
|
| 213 |
},
|
| 214 |
{
|
| 215 |
"epoch": 0.64,
|
| 216 |
+
"grad_norm": 0.32558491826057434,
|
| 217 |
"learning_rate": 7.23175965665236e-05,
|
| 218 |
"loss": 0.7167,
|
| 219 |
"step": 600
|
| 220 |
},
|
| 221 |
{
|
| 222 |
"epoch": 0.6613333333333333,
|
| 223 |
+
"grad_norm": 0.29890871047973633,
|
| 224 |
"learning_rate": 6.802575107296138e-05,
|
| 225 |
"loss": 0.7022,
|
| 226 |
"step": 620
|
| 227 |
},
|
| 228 |
{
|
| 229 |
"epoch": 0.6826666666666666,
|
| 230 |
+
"grad_norm": 0.37701210379600525,
|
| 231 |
"learning_rate": 6.373390557939914e-05,
|
| 232 |
+
"loss": 0.7496,
|
| 233 |
"step": 640
|
| 234 |
},
|
| 235 |
{
|
| 236 |
"epoch": 0.704,
|
| 237 |
+
"grad_norm": 0.3479043245315552,
|
| 238 |
"learning_rate": 5.944206008583692e-05,
|
| 239 |
"loss": 0.7509,
|
| 240 |
"step": 660
|
| 241 |
},
|
| 242 |
{
|
| 243 |
"epoch": 0.7253333333333334,
|
| 244 |
+
"grad_norm": 0.297861784696579,
|
| 245 |
"learning_rate": 5.515021459227469e-05,
|
| 246 |
"loss": 0.6887,
|
| 247 |
"step": 680
|
| 248 |
},
|
| 249 |
{
|
| 250 |
"epoch": 0.7466666666666667,
|
| 251 |
+
"grad_norm": 0.34087368845939636,
|
| 252 |
"learning_rate": 5.085836909871244e-05,
|
| 253 |
"loss": 0.7296,
|
| 254 |
"step": 700
|
| 255 |
},
|
| 256 |
{
|
| 257 |
"epoch": 0.768,
|
| 258 |
+
"grad_norm": 0.3773903548717499,
|
| 259 |
"learning_rate": 4.656652360515021e-05,
|
| 260 |
+
"loss": 0.776,
|
| 261 |
"step": 720
|
| 262 |
},
|
| 263 |
{
|
| 264 |
"epoch": 0.7893333333333333,
|
| 265 |
+
"grad_norm": 0.3205181360244751,
|
| 266 |
"learning_rate": 4.227467811158798e-05,
|
| 267 |
"loss": 0.7324,
|
| 268 |
"step": 740
|
| 269 |
},
|
| 270 |
{
|
| 271 |
"epoch": 0.8106666666666666,
|
| 272 |
+
"grad_norm": 0.2584711015224457,
|
| 273 |
"learning_rate": 3.798283261802575e-05,
|
| 274 |
"loss": 0.7155,
|
| 275 |
"step": 760
|
| 276 |
},
|
| 277 |
{
|
| 278 |
"epoch": 0.832,
|
| 279 |
+
"grad_norm": 0.3200976252555847,
|
| 280 |
"learning_rate": 3.369098712446352e-05,
|
| 281 |
"loss": 0.7063,
|
| 282 |
"step": 780
|
| 283 |
},
|
| 284 |
{
|
| 285 |
"epoch": 0.8533333333333334,
|
| 286 |
+
"grad_norm": 0.35253649950027466,
|
| 287 |
"learning_rate": 2.939914163090129e-05,
|
| 288 |
"loss": 0.6556,
|
| 289 |
"step": 800
|
| 290 |
},
|
| 291 |
{
|
| 292 |
"epoch": 0.8746666666666667,
|
| 293 |
+
"grad_norm": 0.358339786529541,
|
| 294 |
"learning_rate": 2.510729613733906e-05,
|
| 295 |
"loss": 0.7319,
|
| 296 |
"step": 820
|
| 297 |
},
|
| 298 |
{
|
| 299 |
"epoch": 0.896,
|
| 300 |
+
"grad_norm": 0.2910996973514557,
|
| 301 |
"learning_rate": 2.0815450643776825e-05,
|
| 302 |
"loss": 0.6889,
|
| 303 |
"step": 840
|
| 304 |
},
|
| 305 |
{
|
| 306 |
"epoch": 0.9173333333333333,
|
| 307 |
+
"grad_norm": 0.4119875431060791,
|
| 308 |
"learning_rate": 1.6523605150214594e-05,
|
| 309 |
"loss": 0.7442,
|
| 310 |
"step": 860
|
| 311 |
},
|
| 312 |
{
|
| 313 |
"epoch": 0.9386666666666666,
|
| 314 |
+
"grad_norm": 0.3234633505344391,
|
| 315 |
"learning_rate": 1.2231759656652362e-05,
|
| 316 |
"loss": 0.7174,
|
| 317 |
"step": 880
|
| 318 |
},
|
| 319 |
{
|
| 320 |
"epoch": 0.96,
|
| 321 |
+
"grad_norm": 0.2828710377216339,
|
| 322 |
"learning_rate": 7.93991416309013e-06,
|
| 323 |
"loss": 0.6603,
|
| 324 |
"step": 900
|
| 325 |
},
|
| 326 |
{
|
| 327 |
"epoch": 0.9813333333333333,
|
| 328 |
+
"grad_norm": 0.3194393813610077,
|
| 329 |
"learning_rate": 3.648068669527897e-06,
|
| 330 |
"loss": 0.7313,
|
| 331 |
"step": 920
|
checkpoint-937/training_args.bin
CHANGED
|
@@ -1,3 +1,3 @@
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
-
oid sha256:
|
| 3 |
size 5560
|
|
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:69617c1bea4a27e99b6c6729498e45489dcd01641dbfbfbf0cc0b118ad579975
|
| 3 |
size 5560
|