feat(checkpoint): add checkpoint-240 contents via Git-LFS
Browse files- .gitignore +3 -0
- config.json +48 -0
- model.safetensors +3 -0
- optimizer.pt +3 -0
- preprocessor_config.json +32 -0
- rng_state.pth +3 -0
- scaler.pt +3 -0
- scheduler.pt +3 -0
- trainer_state.json +900 -0
- training_args.bin +3 -0
.gitignore
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
*.log
|
| 2 |
+
.DS_Store
|
| 3 |
+
|
config.json
ADDED
|
@@ -0,0 +1,48 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"architectures": [
|
| 3 |
+
"SiglipForImageClassification"
|
| 4 |
+
],
|
| 5 |
+
"dtype": "float32",
|
| 6 |
+
"id2label": {
|
| 7 |
+
"0": "1.0",
|
| 8 |
+
"1": "4.0",
|
| 9 |
+
"2": "5.0"
|
| 10 |
+
},
|
| 11 |
+
"initializer_factor": 1.0,
|
| 12 |
+
"label2id": {
|
| 13 |
+
"1.0": 0,
|
| 14 |
+
"4.0": 1,
|
| 15 |
+
"5.0": 2
|
| 16 |
+
},
|
| 17 |
+
"model_type": "siglip",
|
| 18 |
+
"problem_type": "single_label_classification",
|
| 19 |
+
"text_config": {
|
| 20 |
+
"attention_dropout": 0.0,
|
| 21 |
+
"dtype": "float32",
|
| 22 |
+
"hidden_act": "gelu_pytorch_tanh",
|
| 23 |
+
"hidden_size": 1152,
|
| 24 |
+
"intermediate_size": 4304,
|
| 25 |
+
"layer_norm_eps": 1e-06,
|
| 26 |
+
"max_position_embeddings": 64,
|
| 27 |
+
"model_type": "siglip_text_model",
|
| 28 |
+
"num_attention_heads": 16,
|
| 29 |
+
"num_hidden_layers": 27,
|
| 30 |
+
"projection_size": 1152,
|
| 31 |
+
"vocab_size": 256000
|
| 32 |
+
},
|
| 33 |
+
"transformers_version": "4.56.2",
|
| 34 |
+
"vision_config": {
|
| 35 |
+
"attention_dropout": 0.0,
|
| 36 |
+
"dtype": "float32",
|
| 37 |
+
"hidden_act": "gelu_pytorch_tanh",
|
| 38 |
+
"hidden_size": 1152,
|
| 39 |
+
"image_size": 512,
|
| 40 |
+
"intermediate_size": 4304,
|
| 41 |
+
"layer_norm_eps": 1e-06,
|
| 42 |
+
"model_type": "siglip_vision_model",
|
| 43 |
+
"num_attention_heads": 16,
|
| 44 |
+
"num_channels": 3,
|
| 45 |
+
"num_hidden_layers": 27,
|
| 46 |
+
"patch_size": 16
|
| 47 |
+
}
|
| 48 |
+
}
|
model.safetensors
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:85cced2fd256ca404c83d8ad4501b6da5289cc28896e426a905a745167e37dd5
|
| 3 |
+
size 1715160092
|
optimizer.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:d61448806e6e68b85fe256535b28ff6669b23bd219b0f8d90fd67de65220e058
|
| 3 |
+
size 3430587433
|
preprocessor_config.json
ADDED
|
@@ -0,0 +1,32 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"crop_size": null,
|
| 3 |
+
"data_format": "channels_first",
|
| 4 |
+
"default_to_square": false,
|
| 5 |
+
"device": null,
|
| 6 |
+
"disable_grouping": null,
|
| 7 |
+
"do_center_crop": null,
|
| 8 |
+
"do_convert_rgb": null,
|
| 9 |
+
"do_normalize": true,
|
| 10 |
+
"do_rescale": true,
|
| 11 |
+
"do_resize": true,
|
| 12 |
+
"image_mean": [
|
| 13 |
+
0.5,
|
| 14 |
+
0.5,
|
| 15 |
+
0.5
|
| 16 |
+
],
|
| 17 |
+
"image_processor_type": "SiglipImageProcessorFast",
|
| 18 |
+
"image_std": [
|
| 19 |
+
0.5,
|
| 20 |
+
0.5,
|
| 21 |
+
0.5
|
| 22 |
+
],
|
| 23 |
+
"input_data_format": null,
|
| 24 |
+
"processor_class": "SiglipProcessor",
|
| 25 |
+
"resample": 2,
|
| 26 |
+
"rescale_factor": 0.00392156862745098,
|
| 27 |
+
"return_tensors": null,
|
| 28 |
+
"size": {
|
| 29 |
+
"height": 512,
|
| 30 |
+
"width": 512
|
| 31 |
+
}
|
| 32 |
+
}
|
rng_state.pth
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:ba754edee13a263d56c094b29332a1d4ef34598eec2cb5f3e1c635626da3cff8
|
| 3 |
+
size 14709
|
scaler.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:b21c5349d5e7d02de630ebc1cb53ade1d9c6079eeb8594d223bb786011a0428b
|
| 3 |
+
size 1383
|
scheduler.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:80cde63d834eb7c6fe64960a4d62a9e696507913c319d6898651bb6fe233824e
|
| 3 |
+
size 1465
|
trainer_state.json
ADDED
|
@@ -0,0 +1,900 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_global_step": null,
|
| 3 |
+
"best_metric": null,
|
| 4 |
+
"best_model_checkpoint": null,
|
| 5 |
+
"epoch": 10.0,
|
| 6 |
+
"eval_steps": 100,
|
| 7 |
+
"global_step": 240,
|
| 8 |
+
"is_hyper_param_search": false,
|
| 9 |
+
"is_local_process_zero": true,
|
| 10 |
+
"is_world_process_zero": true,
|
| 11 |
+
"log_history": [
|
| 12 |
+
{
|
| 13 |
+
"epoch": 0.08333333333333333,
|
| 14 |
+
"grad_norm": 277161.21875,
|
| 15 |
+
"learning_rate": 4.999785818935018e-06,
|
| 16 |
+
"loss": 0.3109,
|
| 17 |
+
"step": 2
|
| 18 |
+
},
|
| 19 |
+
{
|
| 20 |
+
"epoch": 0.16666666666666666,
|
| 21 |
+
"grad_norm": 264979.96875,
|
| 22 |
+
"learning_rate": 4.998072590601808e-06,
|
| 23 |
+
"loss": 0.2757,
|
| 24 |
+
"step": 4
|
| 25 |
+
},
|
| 26 |
+
{
|
| 27 |
+
"epoch": 0.25,
|
| 28 |
+
"grad_norm": 250839.65625,
|
| 29 |
+
"learning_rate": 4.994647308096509e-06,
|
| 30 |
+
"loss": 0.3737,
|
| 31 |
+
"step": 6
|
| 32 |
+
},
|
| 33 |
+
{
|
| 34 |
+
"epoch": 0.3333333333333333,
|
| 35 |
+
"grad_norm": 337547.125,
|
| 36 |
+
"learning_rate": 4.989512318936654e-06,
|
| 37 |
+
"loss": 0.3103,
|
| 38 |
+
"step": 8
|
| 39 |
+
},
|
| 40 |
+
{
|
| 41 |
+
"epoch": 0.4166666666666667,
|
| 42 |
+
"grad_norm": 243754.265625,
|
| 43 |
+
"learning_rate": 4.982671142387316e-06,
|
| 44 |
+
"loss": 0.2833,
|
| 45 |
+
"step": 10
|
| 46 |
+
},
|
| 47 |
+
{
|
| 48 |
+
"epoch": 0.5,
|
| 49 |
+
"grad_norm": 246569.46875,
|
| 50 |
+
"learning_rate": 4.974128467049177e-06,
|
| 51 |
+
"loss": 0.3272,
|
| 52 |
+
"step": 12
|
| 53 |
+
},
|
| 54 |
+
{
|
| 55 |
+
"epoch": 0.5833333333333334,
|
| 56 |
+
"grad_norm": 340996.46875,
|
| 57 |
+
"learning_rate": 4.963890147645195e-06,
|
| 58 |
+
"loss": 0.309,
|
| 59 |
+
"step": 14
|
| 60 |
+
},
|
| 61 |
+
{
|
| 62 |
+
"epoch": 0.6666666666666666,
|
| 63 |
+
"grad_norm": 277841.0625,
|
| 64 |
+
"learning_rate": 4.9519632010080765e-06,
|
| 65 |
+
"loss": 0.2991,
|
| 66 |
+
"step": 16
|
| 67 |
+
},
|
| 68 |
+
{
|
| 69 |
+
"epoch": 0.75,
|
| 70 |
+
"grad_norm": 284092.75,
|
| 71 |
+
"learning_rate": 4.938355801271282e-06,
|
| 72 |
+
"loss": 0.3206,
|
| 73 |
+
"step": 18
|
| 74 |
+
},
|
| 75 |
+
{
|
| 76 |
+
"epoch": 0.8333333333333334,
|
| 77 |
+
"grad_norm": 301649.75,
|
| 78 |
+
"learning_rate": 4.923077274266886e-06,
|
| 79 |
+
"loss": 0.2941,
|
| 80 |
+
"step": 20
|
| 81 |
+
},
|
| 82 |
+
{
|
| 83 |
+
"epoch": 0.9166666666666666,
|
| 84 |
+
"grad_norm": 247042.15625,
|
| 85 |
+
"learning_rate": 4.906138091134118e-06,
|
| 86 |
+
"loss": 0.2782,
|
| 87 |
+
"step": 22
|
| 88 |
+
},
|
| 89 |
+
{
|
| 90 |
+
"epoch": 1.0,
|
| 91 |
+
"grad_norm": 177517.359375,
|
| 92 |
+
"learning_rate": 4.887549861142967e-06,
|
| 93 |
+
"loss": 0.2799,
|
| 94 |
+
"step": 24
|
| 95 |
+
},
|
| 96 |
+
{
|
| 97 |
+
"epoch": 1.0833333333333333,
|
| 98 |
+
"grad_norm": 141740.15625,
|
| 99 |
+
"learning_rate": 4.867325323737765e-06,
|
| 100 |
+
"loss": 0.2632,
|
| 101 |
+
"step": 26
|
| 102 |
+
},
|
| 103 |
+
{
|
| 104 |
+
"epoch": 1.1666666666666667,
|
| 105 |
+
"grad_norm": 148289.796875,
|
| 106 |
+
"learning_rate": 4.845478339806211e-06,
|
| 107 |
+
"loss": 0.2598,
|
| 108 |
+
"step": 28
|
| 109 |
+
},
|
| 110 |
+
{
|
| 111 |
+
"epoch": 1.25,
|
| 112 |
+
"grad_norm": 149420.78125,
|
| 113 |
+
"learning_rate": 4.822023882179811e-06,
|
| 114 |
+
"loss": 0.2401,
|
| 115 |
+
"step": 30
|
| 116 |
+
},
|
| 117 |
+
{
|
| 118 |
+
"epoch": 1.3333333333333333,
|
| 119 |
+
"grad_norm": 137315.53125,
|
| 120 |
+
"learning_rate": 4.796978025372247e-06,
|
| 121 |
+
"loss": 0.2442,
|
| 122 |
+
"step": 32
|
| 123 |
+
},
|
| 124 |
+
{
|
| 125 |
+
"epoch": 1.4166666666666667,
|
| 126 |
+
"grad_norm": 292511.53125,
|
| 127 |
+
"learning_rate": 4.770357934562704e-06,
|
| 128 |
+
"loss": 0.2932,
|
| 129 |
+
"step": 34
|
| 130 |
+
},
|
| 131 |
+
{
|
| 132 |
+
"epoch": 1.5,
|
| 133 |
+
"grad_norm": 98516.1953125,
|
| 134 |
+
"learning_rate": 4.742181853831721e-06,
|
| 135 |
+
"loss": 0.2588,
|
| 136 |
+
"step": 36
|
| 137 |
+
},
|
| 138 |
+
{
|
| 139 |
+
"epoch": 1.5833333333333335,
|
| 140 |
+
"grad_norm": 205524.15625,
|
| 141 |
+
"learning_rate": 4.712469093657605e-06,
|
| 142 |
+
"loss": 0.2865,
|
| 143 |
+
"step": 38
|
| 144 |
+
},
|
| 145 |
+
{
|
| 146 |
+
"epoch": 1.6666666666666665,
|
| 147 |
+
"grad_norm": 222744.65625,
|
| 148 |
+
"learning_rate": 4.681240017681994e-06,
|
| 149 |
+
"loss": 0.2774,
|
| 150 |
+
"step": 40
|
| 151 |
+
},
|
| 152 |
+
{
|
| 153 |
+
"epoch": 1.75,
|
| 154 |
+
"grad_norm": 155741.34375,
|
| 155 |
+
"learning_rate": 4.648516028753632e-06,
|
| 156 |
+
"loss": 0.2486,
|
| 157 |
+
"step": 42
|
| 158 |
+
},
|
| 159 |
+
{
|
| 160 |
+
"epoch": 1.8333333333333335,
|
| 161 |
+
"grad_norm": 138485.5,
|
| 162 |
+
"learning_rate": 4.614319554259934e-06,
|
| 163 |
+
"loss": 0.2815,
|
| 164 |
+
"step": 44
|
| 165 |
+
},
|
| 166 |
+
{
|
| 167 |
+
"epoch": 1.9166666666666665,
|
| 168 |
+
"grad_norm": 180206.0,
|
| 169 |
+
"learning_rate": 4.578674030756364e-06,
|
| 170 |
+
"loss": 0.2778,
|
| 171 |
+
"step": 46
|
| 172 |
+
},
|
| 173 |
+
{
|
| 174 |
+
"epoch": 2.0,
|
| 175 |
+
"grad_norm": 275126.28125,
|
| 176 |
+
"learning_rate": 4.541603887904198e-06,
|
| 177 |
+
"loss": 0.2566,
|
| 178 |
+
"step": 48
|
| 179 |
+
},
|
| 180 |
+
{
|
| 181 |
+
"epoch": 2.0833333333333335,
|
| 182 |
+
"grad_norm": 161235.96875,
|
| 183 |
+
"learning_rate": 4.503134531727652e-06,
|
| 184 |
+
"loss": 0.2413,
|
| 185 |
+
"step": 50
|
| 186 |
+
},
|
| 187 |
+
{
|
| 188 |
+
"epoch": 2.1666666666666665,
|
| 189 |
+
"grad_norm": 151276.75,
|
| 190 |
+
"learning_rate": 4.463292327201862e-06,
|
| 191 |
+
"loss": 0.2387,
|
| 192 |
+
"step": 52
|
| 193 |
+
},
|
| 194 |
+
{
|
| 195 |
+
"epoch": 2.25,
|
| 196 |
+
"grad_norm": 214811.53125,
|
| 197 |
+
"learning_rate": 4.422104580183649e-06,
|
| 198 |
+
"loss": 0.202,
|
| 199 |
+
"step": 54
|
| 200 |
+
},
|
| 201 |
+
{
|
| 202 |
+
"epoch": 2.3333333333333335,
|
| 203 |
+
"grad_norm": 120471.1640625,
|
| 204 |
+
"learning_rate": 4.379599518697444e-06,
|
| 205 |
+
"loss": 0.2424,
|
| 206 |
+
"step": 56
|
| 207 |
+
},
|
| 208 |
+
{
|
| 209 |
+
"epoch": 2.4166666666666665,
|
| 210 |
+
"grad_norm": 223549.71875,
|
| 211 |
+
"learning_rate": 4.335806273589214e-06,
|
| 212 |
+
"loss": 0.2532,
|
| 213 |
+
"step": 58
|
| 214 |
+
},
|
| 215 |
+
{
|
| 216 |
+
"epoch": 2.5,
|
| 217 |
+
"grad_norm": 158741.640625,
|
| 218 |
+
"learning_rate": 4.290754858561636e-06,
|
| 219 |
+
"loss": 0.2222,
|
| 220 |
+
"step": 60
|
| 221 |
+
},
|
| 222 |
+
{
|
| 223 |
+
"epoch": 2.5833333333333335,
|
| 224 |
+
"grad_norm": 168212.796875,
|
| 225 |
+
"learning_rate": 4.244476149604201e-06,
|
| 226 |
+
"loss": 0.2697,
|
| 227 |
+
"step": 62
|
| 228 |
+
},
|
| 229 |
+
{
|
| 230 |
+
"epoch": 2.6666666666666665,
|
| 231 |
+
"grad_norm": 127443.5703125,
|
| 232 |
+
"learning_rate": 4.197001863832355e-06,
|
| 233 |
+
"loss": 0.2598,
|
| 234 |
+
"step": 64
|
| 235 |
+
},
|
| 236 |
+
{
|
| 237 |
+
"epoch": 2.75,
|
| 238 |
+
"grad_norm": 200275.375,
|
| 239 |
+
"learning_rate": 4.1483645377501726e-06,
|
| 240 |
+
"loss": 0.2563,
|
| 241 |
+
"step": 66
|
| 242 |
+
},
|
| 243 |
+
{
|
| 244 |
+
"epoch": 2.8333333333333335,
|
| 245 |
+
"grad_norm": 272594.875,
|
| 246 |
+
"learning_rate": 4.098597504951462e-06,
|
| 247 |
+
"loss": 0.2633,
|
| 248 |
+
"step": 68
|
| 249 |
+
},
|
| 250 |
+
{
|
| 251 |
+
"epoch": 2.9166666666666665,
|
| 252 |
+
"grad_norm": 272273.5,
|
| 253 |
+
"learning_rate": 4.047734873274586e-06,
|
| 254 |
+
"loss": 0.2496,
|
| 255 |
+
"step": 70
|
| 256 |
+
},
|
| 257 |
+
{
|
| 258 |
+
"epoch": 3.0,
|
| 259 |
+
"grad_norm": 346169.5,
|
| 260 |
+
"learning_rate": 3.995811501426648e-06,
|
| 261 |
+
"loss": 0.2604,
|
| 262 |
+
"step": 72
|
| 263 |
+
},
|
| 264 |
+
{
|
| 265 |
+
"epoch": 3.0833333333333335,
|
| 266 |
+
"grad_norm": 195421.421875,
|
| 267 |
+
"learning_rate": 3.942862975093085e-06,
|
| 268 |
+
"loss": 0.2654,
|
| 269 |
+
"step": 74
|
| 270 |
+
},
|
| 271 |
+
{
|
| 272 |
+
"epoch": 3.1666666666666665,
|
| 273 |
+
"grad_norm": 224577.984375,
|
| 274 |
+
"learning_rate": 3.888925582549006e-06,
|
| 275 |
+
"loss": 0.2298,
|
| 276 |
+
"step": 76
|
| 277 |
+
},
|
| 278 |
+
{
|
| 279 |
+
"epoch": 3.25,
|
| 280 |
+
"grad_norm": 149166.828125,
|
| 281 |
+
"learning_rate": 3.83403628978903e-06,
|
| 282 |
+
"loss": 0.2276,
|
| 283 |
+
"step": 78
|
| 284 |
+
},
|
| 285 |
+
{
|
| 286 |
+
"epoch": 3.3333333333333335,
|
| 287 |
+
"grad_norm": 231685.625,
|
| 288 |
+
"learning_rate": 3.77823271519263e-06,
|
| 289 |
+
"loss": 0.2303,
|
| 290 |
+
"step": 80
|
| 291 |
+
},
|
| 292 |
+
{
|
| 293 |
+
"epoch": 3.4166666666666665,
|
| 294 |
+
"grad_norm": 146236.25,
|
| 295 |
+
"learning_rate": 3.721553103742388e-06,
|
| 296 |
+
"loss": 0.21,
|
| 297 |
+
"step": 82
|
| 298 |
+
},
|
| 299 |
+
{
|
| 300 |
+
"epoch": 3.5,
|
| 301 |
+
"grad_norm": 116645.328125,
|
| 302 |
+
"learning_rate": 3.664036300812779e-06,
|
| 303 |
+
"loss": 0.2156,
|
| 304 |
+
"step": 84
|
| 305 |
+
},
|
| 306 |
+
{
|
| 307 |
+
"epoch": 3.5833333333333335,
|
| 308 |
+
"grad_norm": 182062.515625,
|
| 309 |
+
"learning_rate": 3.6057217255475034e-06,
|
| 310 |
+
"loss": 0.2228,
|
| 311 |
+
"step": 86
|
| 312 |
+
},
|
| 313 |
+
{
|
| 314 |
+
"epoch": 3.6666666666666665,
|
| 315 |
+
"grad_norm": 183792.453125,
|
| 316 |
+
"learning_rate": 3.5466493438435707e-06,
|
| 317 |
+
"loss": 0.2395,
|
| 318 |
+
"step": 88
|
| 319 |
+
},
|
| 320 |
+
{
|
| 321 |
+
"epoch": 3.75,
|
| 322 |
+
"grad_norm": 200719.84375,
|
| 323 |
+
"learning_rate": 3.486859640960668e-06,
|
| 324 |
+
"loss": 0.1998,
|
| 325 |
+
"step": 90
|
| 326 |
+
},
|
| 327 |
+
{
|
| 328 |
+
"epoch": 3.8333333333333335,
|
| 329 |
+
"grad_norm": 240248.5625,
|
| 330 |
+
"learning_rate": 3.426393593774591e-06,
|
| 331 |
+
"loss": 0.2072,
|
| 332 |
+
"step": 92
|
| 333 |
+
},
|
| 334 |
+
{
|
| 335 |
+
"epoch": 3.9166666666666665,
|
| 336 |
+
"grad_norm": 142419.359375,
|
| 337 |
+
"learning_rate": 3.3652926426937327e-06,
|
| 338 |
+
"loss": 0.1926,
|
| 339 |
+
"step": 94
|
| 340 |
+
},
|
| 341 |
+
{
|
| 342 |
+
"epoch": 4.0,
|
| 343 |
+
"grad_norm": 304218.34375,
|
| 344 |
+
"learning_rate": 3.303598663257904e-06,
|
| 345 |
+
"loss": 0.2485,
|
| 346 |
+
"step": 96
|
| 347 |
+
},
|
| 348 |
+
{
|
| 349 |
+
"epoch": 4.083333333333333,
|
| 350 |
+
"grad_norm": 206209.65625,
|
| 351 |
+
"learning_rate": 3.2413539374389275e-06,
|
| 352 |
+
"loss": 0.1723,
|
| 353 |
+
"step": 98
|
| 354 |
+
},
|
| 355 |
+
{
|
| 356 |
+
"epoch": 4.166666666666667,
|
| 357 |
+
"grad_norm": 138843.71875,
|
| 358 |
+
"learning_rate": 3.1786011246626858e-06,
|
| 359 |
+
"loss": 0.1827,
|
| 360 |
+
"step": 100
|
| 361 |
+
},
|
| 362 |
+
{
|
| 363 |
+
"epoch": 4.166666666666667,
|
| 364 |
+
"eval_accuracy": 0.6567164179104478,
|
| 365 |
+
"eval_f1": 0.629383374713847,
|
| 366 |
+
"eval_loss": 0.28619036078453064,
|
| 367 |
+
"eval_precision": 0.616748828273677,
|
| 368 |
+
"eval_recall": 0.6567164179104478,
|
| 369 |
+
"eval_roc_auc": 0.7802087163664574,
|
| 370 |
+
"eval_runtime": 24.8222,
|
| 371 |
+
"eval_samples_per_second": 21.594,
|
| 372 |
+
"eval_steps_per_second": 0.201,
|
| 373 |
+
"step": 100
|
| 374 |
+
},
|
| 375 |
+
{
|
| 376 |
+
"epoch": 4.25,
|
| 377 |
+
"grad_norm": 462713.96875,
|
| 378 |
+
"learning_rate": 3.115383232572483e-06,
|
| 379 |
+
"loss": 0.2578,
|
| 380 |
+
"step": 102
|
| 381 |
+
},
|
| 382 |
+
{
|
| 383 |
+
"epoch": 4.333333333333333,
|
| 384 |
+
"grad_norm": 168273.71875,
|
| 385 |
+
"learning_rate": 3.051743587553754e-06,
|
| 386 |
+
"loss": 0.1947,
|
| 387 |
+
"step": 104
|
| 388 |
+
},
|
| 389 |
+
{
|
| 390 |
+
"epoch": 4.416666666666667,
|
| 391 |
+
"grad_norm": 179804.609375,
|
| 392 |
+
"learning_rate": 2.9877258050403214e-06,
|
| 393 |
+
"loss": 0.1886,
|
| 394 |
+
"step": 106
|
| 395 |
+
},
|
| 396 |
+
{
|
| 397 |
+
"epoch": 4.5,
|
| 398 |
+
"grad_norm": 191085.890625,
|
| 399 |
+
"learning_rate": 2.9233737596225616e-06,
|
| 400 |
+
"loss": 0.2014,
|
| 401 |
+
"step": 108
|
| 402 |
+
},
|
| 403 |
+
{
|
| 404 |
+
"epoch": 4.583333333333333,
|
| 405 |
+
"grad_norm": 231197.09375,
|
| 406 |
+
"learning_rate": 2.858731554977948e-06,
|
| 407 |
+
"loss": 0.2,
|
| 408 |
+
"step": 110
|
| 409 |
+
},
|
| 410 |
+
{
|
| 411 |
+
"epoch": 4.666666666666667,
|
| 412 |
+
"grad_norm": 152779.234375,
|
| 413 |
+
"learning_rate": 2.7938434936445946e-06,
|
| 414 |
+
"loss": 0.1916,
|
| 415 |
+
"step": 112
|
| 416 |
+
},
|
| 417 |
+
{
|
| 418 |
+
"epoch": 4.75,
|
| 419 |
+
"grad_norm": 241908.578125,
|
| 420 |
+
"learning_rate": 2.7287540466585067e-06,
|
| 421 |
+
"loss": 0.1927,
|
| 422 |
+
"step": 114
|
| 423 |
+
},
|
| 424 |
+
{
|
| 425 |
+
"epoch": 4.833333333333333,
|
| 426 |
+
"grad_norm": 339523.9375,
|
| 427 |
+
"learning_rate": 2.663507823075358e-06,
|
| 428 |
+
"loss": 0.2068,
|
| 429 |
+
"step": 116
|
| 430 |
+
},
|
| 431 |
+
{
|
| 432 |
+
"epoch": 4.916666666666667,
|
| 433 |
+
"grad_norm": 289464.1875,
|
| 434 |
+
"learning_rate": 2.5981495393976718e-06,
|
| 435 |
+
"loss": 0.2465,
|
| 436 |
+
"step": 118
|
| 437 |
+
},
|
| 438 |
+
{
|
| 439 |
+
"epoch": 5.0,
|
| 440 |
+
"grad_norm": 290908.40625,
|
| 441 |
+
"learning_rate": 2.5327239889283613e-06,
|
| 442 |
+
"loss": 0.2386,
|
| 443 |
+
"step": 120
|
| 444 |
+
},
|
| 445 |
+
{
|
| 446 |
+
"epoch": 5.083333333333333,
|
| 447 |
+
"grad_norm": 221161.90625,
|
| 448 |
+
"learning_rate": 2.4672760110716395e-06,
|
| 449 |
+
"loss": 0.2032,
|
| 450 |
+
"step": 122
|
| 451 |
+
},
|
| 452 |
+
{
|
| 453 |
+
"epoch": 5.166666666666667,
|
| 454 |
+
"grad_norm": 175281.828125,
|
| 455 |
+
"learning_rate": 2.4018504606023295e-06,
|
| 456 |
+
"loss": 0.1925,
|
| 457 |
+
"step": 124
|
| 458 |
+
},
|
| 459 |
+
{
|
| 460 |
+
"epoch": 5.25,
|
| 461 |
+
"grad_norm": 249385.0625,
|
| 462 |
+
"learning_rate": 2.3364921769246423e-06,
|
| 463 |
+
"loss": 0.1868,
|
| 464 |
+
"step": 126
|
| 465 |
+
},
|
| 466 |
+
{
|
| 467 |
+
"epoch": 5.333333333333333,
|
| 468 |
+
"grad_norm": 546758.625,
|
| 469 |
+
"learning_rate": 2.271245953341494e-06,
|
| 470 |
+
"loss": 0.2033,
|
| 471 |
+
"step": 128
|
| 472 |
+
},
|
| 473 |
+
{
|
| 474 |
+
"epoch": 5.416666666666667,
|
| 475 |
+
"grad_norm": 299280.65625,
|
| 476 |
+
"learning_rate": 2.2061565063554063e-06,
|
| 477 |
+
"loss": 0.2214,
|
| 478 |
+
"step": 130
|
| 479 |
+
},
|
| 480 |
+
{
|
| 481 |
+
"epoch": 5.5,
|
| 482 |
+
"grad_norm": 195162.5,
|
| 483 |
+
"learning_rate": 2.1412684450220524e-06,
|
| 484 |
+
"loss": 0.1922,
|
| 485 |
+
"step": 132
|
| 486 |
+
},
|
| 487 |
+
{
|
| 488 |
+
"epoch": 5.583333333333333,
|
| 489 |
+
"grad_norm": 340476.96875,
|
| 490 |
+
"learning_rate": 2.0766262403774388e-06,
|
| 491 |
+
"loss": 0.1725,
|
| 492 |
+
"step": 134
|
| 493 |
+
},
|
| 494 |
+
{
|
| 495 |
+
"epoch": 5.666666666666667,
|
| 496 |
+
"grad_norm": 206147.984375,
|
| 497 |
+
"learning_rate": 2.01227419495968e-06,
|
| 498 |
+
"loss": 0.1952,
|
| 499 |
+
"step": 136
|
| 500 |
+
},
|
| 501 |
+
{
|
| 502 |
+
"epoch": 5.75,
|
| 503 |
+
"grad_norm": 165519.734375,
|
| 504 |
+
"learning_rate": 1.9482564124462478e-06,
|
| 505 |
+
"loss": 0.1861,
|
| 506 |
+
"step": 138
|
| 507 |
+
},
|
| 508 |
+
{
|
| 509 |
+
"epoch": 5.833333333333333,
|
| 510 |
+
"grad_norm": 293182.59375,
|
| 511 |
+
"learning_rate": 1.8846167674275175e-06,
|
| 512 |
+
"loss": 0.1765,
|
| 513 |
+
"step": 140
|
| 514 |
+
},
|
| 515 |
+
{
|
| 516 |
+
"epoch": 5.916666666666667,
|
| 517 |
+
"grad_norm": 208781.828125,
|
| 518 |
+
"learning_rate": 1.8213988753373147e-06,
|
| 519 |
+
"loss": 0.1668,
|
| 520 |
+
"step": 142
|
| 521 |
+
},
|
| 522 |
+
{
|
| 523 |
+
"epoch": 6.0,
|
| 524 |
+
"grad_norm": 254646.9375,
|
| 525 |
+
"learning_rate": 1.758646062561073e-06,
|
| 526 |
+
"loss": 0.2303,
|
| 527 |
+
"step": 144
|
| 528 |
+
},
|
| 529 |
+
{
|
| 530 |
+
"epoch": 6.083333333333333,
|
| 531 |
+
"grad_norm": 324146.96875,
|
| 532 |
+
"learning_rate": 1.6964013367420967e-06,
|
| 533 |
+
"loss": 0.1827,
|
| 534 |
+
"step": 146
|
| 535 |
+
},
|
| 536 |
+
{
|
| 537 |
+
"epoch": 6.166666666666667,
|
| 538 |
+
"grad_norm": 257018.671875,
|
| 539 |
+
"learning_rate": 1.634707357306267e-06,
|
| 540 |
+
"loss": 0.1597,
|
| 541 |
+
"step": 148
|
| 542 |
+
},
|
| 543 |
+
{
|
| 544 |
+
"epoch": 6.25,
|
| 545 |
+
"grad_norm": 206533.25,
|
| 546 |
+
"learning_rate": 1.5736064062254094e-06,
|
| 547 |
+
"loss": 0.16,
|
| 548 |
+
"step": 150
|
| 549 |
+
},
|
| 550 |
+
{
|
| 551 |
+
"epoch": 6.333333333333333,
|
| 552 |
+
"grad_norm": 167917.015625,
|
| 553 |
+
"learning_rate": 1.5131403590393323e-06,
|
| 554 |
+
"loss": 0.1505,
|
| 555 |
+
"step": 152
|
| 556 |
+
},
|
| 557 |
+
{
|
| 558 |
+
"epoch": 6.416666666666667,
|
| 559 |
+
"grad_norm": 212221.5,
|
| 560 |
+
"learning_rate": 1.4533506561564305e-06,
|
| 561 |
+
"loss": 0.2218,
|
| 562 |
+
"step": 154
|
| 563 |
+
},
|
| 564 |
+
{
|
| 565 |
+
"epoch": 6.5,
|
| 566 |
+
"grad_norm": 230035.359375,
|
| 567 |
+
"learning_rate": 1.3942782744524974e-06,
|
| 568 |
+
"loss": 0.1704,
|
| 569 |
+
"step": 156
|
| 570 |
+
},
|
| 571 |
+
{
|
| 572 |
+
"epoch": 6.583333333333333,
|
| 573 |
+
"grad_norm": 214737.0,
|
| 574 |
+
"learning_rate": 1.3359636991872215e-06,
|
| 575 |
+
"loss": 0.1844,
|
| 576 |
+
"step": 158
|
| 577 |
+
},
|
| 578 |
+
{
|
| 579 |
+
"epoch": 6.666666666666667,
|
| 580 |
+
"grad_norm": 235808.03125,
|
| 581 |
+
"learning_rate": 1.2784468962576136e-06,
|
| 582 |
+
"loss": 0.1783,
|
| 583 |
+
"step": 160
|
| 584 |
+
},
|
| 585 |
+
{
|
| 586 |
+
"epoch": 6.75,
|
| 587 |
+
"grad_norm": 232662.234375,
|
| 588 |
+
"learning_rate": 1.2217672848073702e-06,
|
| 589 |
+
"loss": 0.1863,
|
| 590 |
+
"step": 162
|
| 591 |
+
},
|
| 592 |
+
{
|
| 593 |
+
"epoch": 6.833333333333333,
|
| 594 |
+
"grad_norm": 175760.4375,
|
| 595 |
+
"learning_rate": 1.1659637102109713e-06,
|
| 596 |
+
"loss": 0.1831,
|
| 597 |
+
"step": 164
|
| 598 |
+
},
|
| 599 |
+
{
|
| 600 |
+
"epoch": 6.916666666666667,
|
| 601 |
+
"grad_norm": 356778.75,
|
| 602 |
+
"learning_rate": 1.1110744174509952e-06,
|
| 603 |
+
"loss": 0.1989,
|
| 604 |
+
"step": 166
|
| 605 |
+
},
|
| 606 |
+
{
|
| 607 |
+
"epoch": 7.0,
|
| 608 |
+
"grad_norm": 202149.03125,
|
| 609 |
+
"learning_rate": 1.0571370249069163e-06,
|
| 610 |
+
"loss": 0.1838,
|
| 611 |
+
"step": 168
|
| 612 |
+
},
|
| 613 |
+
{
|
| 614 |
+
"epoch": 7.083333333333333,
|
| 615 |
+
"grad_norm": 302604.65625,
|
| 616 |
+
"learning_rate": 1.0041884985733524e-06,
|
| 617 |
+
"loss": 0.1822,
|
| 618 |
+
"step": 170
|
| 619 |
+
},
|
| 620 |
+
{
|
| 621 |
+
"epoch": 7.166666666666667,
|
| 622 |
+
"grad_norm": 202012.578125,
|
| 623 |
+
"learning_rate": 9.522651267254149e-07,
|
| 624 |
+
"loss": 0.1454,
|
| 625 |
+
"step": 172
|
| 626 |
+
},
|
| 627 |
+
{
|
| 628 |
+
"epoch": 7.25,
|
| 629 |
+
"grad_norm": 265440.15625,
|
| 630 |
+
"learning_rate": 9.014024950485384e-07,
|
| 631 |
+
"loss": 0.1883,
|
| 632 |
+
"step": 174
|
| 633 |
+
},
|
| 634 |
+
{
|
| 635 |
+
"epoch": 7.333333333333333,
|
| 636 |
+
"grad_norm": 204455.96875,
|
| 637 |
+
"learning_rate": 8.516354622498279e-07,
|
| 638 |
+
"loss": 0.1683,
|
| 639 |
+
"step": 176
|
| 640 |
+
},
|
| 641 |
+
{
|
| 642 |
+
"epoch": 7.416666666666667,
|
| 643 |
+
"grad_norm": 233323.109375,
|
| 644 |
+
"learning_rate": 8.029981361676456e-07,
|
| 645 |
+
"loss": 0.17,
|
| 646 |
+
"step": 178
|
| 647 |
+
},
|
| 648 |
+
{
|
| 649 |
+
"epoch": 7.5,
|
| 650 |
+
"grad_norm": 316090.125,
|
| 651 |
+
"learning_rate": 7.555238503958001e-07,
|
| 652 |
+
"loss": 0.173,
|
| 653 |
+
"step": 180
|
| 654 |
+
},
|
| 655 |
+
{
|
| 656 |
+
"epoch": 7.583333333333333,
|
| 657 |
+
"grad_norm": 231199.53125,
|
| 658 |
+
"learning_rate": 7.092451414383644e-07,
|
| 659 |
+
"loss": 0.1667,
|
| 660 |
+
"step": 182
|
| 661 |
+
},
|
| 662 |
+
{
|
| 663 |
+
"epoch": 7.666666666666667,
|
| 664 |
+
"grad_norm": 205682.75,
|
| 665 |
+
"learning_rate": 6.641937264107868e-07,
|
| 666 |
+
"loss": 0.1692,
|
| 667 |
+
"step": 184
|
| 668 |
+
},
|
| 669 |
+
{
|
| 670 |
+
"epoch": 7.75,
|
| 671 |
+
"grad_norm": 231449.3125,
|
| 672 |
+
"learning_rate": 6.204004813025569e-07,
|
| 673 |
+
"loss": 0.1544,
|
| 674 |
+
"step": 186
|
| 675 |
+
},
|
| 676 |
+
{
|
| 677 |
+
"epoch": 7.833333333333333,
|
| 678 |
+
"grad_norm": 263006.875,
|
| 679 |
+
"learning_rate": 5.778954198163514e-07,
|
| 680 |
+
"loss": 0.1633,
|
| 681 |
+
"step": 188
|
| 682 |
+
},
|
| 683 |
+
{
|
| 684 |
+
"epoch": 7.916666666666667,
|
| 685 |
+
"grad_norm": 221704.015625,
|
| 686 |
+
"learning_rate": 5.367076727981383e-07,
|
| 687 |
+
"loss": 0.1687,
|
| 688 |
+
"step": 190
|
| 689 |
+
},
|
| 690 |
+
{
|
| 691 |
+
"epoch": 8.0,
|
| 692 |
+
"grad_norm": 362602.21875,
|
| 693 |
+
"learning_rate": 4.968654682723487e-07,
|
| 694 |
+
"loss": 0.1563,
|
| 695 |
+
"step": 192
|
| 696 |
+
},
|
| 697 |
+
{
|
| 698 |
+
"epoch": 8.083333333333334,
|
| 699 |
+
"grad_norm": 193824.296875,
|
| 700 |
+
"learning_rate": 4.5839611209580277e-07,
|
| 701 |
+
"loss": 0.1709,
|
| 702 |
+
"step": 194
|
| 703 |
+
},
|
| 704 |
+
{
|
| 705 |
+
"epoch": 8.166666666666666,
|
| 706 |
+
"grad_norm": 286846.21875,
|
| 707 |
+
"learning_rate": 4.2132596924363666e-07,
|
| 708 |
+
"loss": 0.1591,
|
| 709 |
+
"step": 196
|
| 710 |
+
},
|
| 711 |
+
{
|
| 712 |
+
"epoch": 8.25,
|
| 713 |
+
"grad_norm": 216035.734375,
|
| 714 |
+
"learning_rate": 3.85680445740067e-07,
|
| 715 |
+
"loss": 0.1594,
|
| 716 |
+
"step": 198
|
| 717 |
+
},
|
| 718 |
+
{
|
| 719 |
+
"epoch": 8.333333333333334,
|
| 720 |
+
"grad_norm": 333412.6875,
|
| 721 |
+
"learning_rate": 3.514839712463683e-07,
|
| 722 |
+
"loss": 0.185,
|
| 723 |
+
"step": 200
|
| 724 |
+
},
|
| 725 |
+
{
|
| 726 |
+
"epoch": 8.333333333333334,
|
| 727 |
+
"eval_accuracy": 0.6380597014925373,
|
| 728 |
+
"eval_f1": 0.6324565271085214,
|
| 729 |
+
"eval_loss": 0.2704140543937683,
|
| 730 |
+
"eval_precision": 0.6309064531545356,
|
| 731 |
+
"eval_recall": 0.6380597014925373,
|
| 732 |
+
"eval_roc_auc": 0.7803652914363663,
|
| 733 |
+
"eval_runtime": 25.0632,
|
| 734 |
+
"eval_samples_per_second": 21.386,
|
| 735 |
+
"eval_steps_per_second": 0.199,
|
| 736 |
+
"step": 200
|
| 737 |
+
},
|
| 738 |
+
{
|
| 739 |
+
"epoch": 8.416666666666666,
|
| 740 |
+
"grad_norm": 217248.59375,
|
| 741 |
+
"learning_rate": 3.187599823180071e-07,
|
| 742 |
+
"loss": 0.1632,
|
| 743 |
+
"step": 202
|
| 744 |
+
},
|
| 745 |
+
{
|
| 746 |
+
"epoch": 8.5,
|
| 747 |
+
"grad_norm": 250078.484375,
|
| 748 |
+
"learning_rate": 2.875309063423956e-07,
|
| 749 |
+
"loss": 0.1436,
|
| 750 |
+
"step": 204
|
| 751 |
+
},
|
| 752 |
+
{
|
| 753 |
+
"epoch": 8.583333333333334,
|
| 754 |
+
"grad_norm": 228992.078125,
|
| 755 |
+
"learning_rate": 2.5781814616827936e-07,
|
| 756 |
+
"loss": 0.1599,
|
| 757 |
+
"step": 206
|
| 758 |
+
},
|
| 759 |
+
{
|
| 760 |
+
"epoch": 8.666666666666666,
|
| 761 |
+
"grad_norm": 241761.3125,
|
| 762 |
+
"learning_rate": 2.2964206543729662e-07,
|
| 763 |
+
"loss": 0.1587,
|
| 764 |
+
"step": 208
|
| 765 |
+
},
|
| 766 |
+
{
|
| 767 |
+
"epoch": 8.75,
|
| 768 |
+
"grad_norm": 325764.9375,
|
| 769 |
+
"learning_rate": 2.0302197462775453e-07,
|
| 770 |
+
"loss": 0.1592,
|
| 771 |
+
"step": 210
|
| 772 |
+
},
|
| 773 |
+
{
|
| 774 |
+
"epoch": 8.833333333333334,
|
| 775 |
+
"grad_norm": 454068.09375,
|
| 776 |
+
"learning_rate": 1.7797611782018942e-07,
|
| 777 |
+
"loss": 0.1804,
|
| 778 |
+
"step": 212
|
| 779 |
+
},
|
| 780 |
+
{
|
| 781 |
+
"epoch": 8.916666666666666,
|
| 782 |
+
"grad_norm": 343717.625,
|
| 783 |
+
"learning_rate": 1.5452166019378989e-07,
|
| 784 |
+
"loss": 0.1793,
|
| 785 |
+
"step": 214
|
| 786 |
+
},
|
| 787 |
+
{
|
| 788 |
+
"epoch": 9.0,
|
| 789 |
+
"grad_norm": 232539.609375,
|
| 790 |
+
"learning_rate": 1.3267467626223606e-07,
|
| 791 |
+
"loss": 0.1282,
|
| 792 |
+
"step": 216
|
| 793 |
+
},
|
| 794 |
+
{
|
| 795 |
+
"epoch": 9.083333333333334,
|
| 796 |
+
"grad_norm": 199415.765625,
|
| 797 |
+
"learning_rate": 1.1245013885703343e-07,
|
| 798 |
+
"loss": 0.1457,
|
| 799 |
+
"step": 218
|
| 800 |
+
},
|
| 801 |
+
{
|
| 802 |
+
"epoch": 9.166666666666666,
|
| 803 |
+
"grad_norm": 196572.265625,
|
| 804 |
+
"learning_rate": 9.386190886588208e-08,
|
| 805 |
+
"loss": 0.1373,
|
| 806 |
+
"step": 220
|
| 807 |
+
},
|
| 808 |
+
{
|
| 809 |
+
"epoch": 9.25,
|
| 810 |
+
"grad_norm": 229028.171875,
|
| 811 |
+
"learning_rate": 7.692272573311427e-08,
|
| 812 |
+
"loss": 0.142,
|
| 813 |
+
"step": 222
|
| 814 |
+
},
|
| 815 |
+
{
|
| 816 |
+
"epoch": 9.333333333333334,
|
| 817 |
+
"grad_norm": 193899.640625,
|
| 818 |
+
"learning_rate": 6.164419872871835e-08,
|
| 819 |
+
"loss": 0.1677,
|
| 820 |
+
"step": 224
|
| 821 |
+
},
|
| 822 |
+
{
|
| 823 |
+
"epoch": 9.416666666666666,
|
| 824 |
+
"grad_norm": 239608.796875,
|
| 825 |
+
"learning_rate": 4.8036798991923925e-08,
|
| 826 |
+
"loss": 0.1771,
|
| 827 |
+
"step": 226
|
| 828 |
+
},
|
| 829 |
+
{
|
| 830 |
+
"epoch": 9.5,
|
| 831 |
+
"grad_norm": 290402.34375,
|
| 832 |
+
"learning_rate": 3.610985235480563e-08,
|
| 833 |
+
"loss": 0.1659,
|
| 834 |
+
"step": 228
|
| 835 |
+
},
|
| 836 |
+
{
|
| 837 |
+
"epoch": 9.583333333333334,
|
| 838 |
+
"grad_norm": 260572.0,
|
| 839 |
+
"learning_rate": 2.5871532950824395e-08,
|
| 840 |
+
"loss": 0.1562,
|
| 841 |
+
"step": 230
|
| 842 |
+
},
|
| 843 |
+
{
|
| 844 |
+
"epoch": 9.666666666666666,
|
| 845 |
+
"grad_norm": 237179.59375,
|
| 846 |
+
"learning_rate": 1.732885761268427e-08,
|
| 847 |
+
"loss": 0.162,
|
| 848 |
+
"step": 232
|
| 849 |
+
},
|
| 850 |
+
{
|
| 851 |
+
"epoch": 9.75,
|
| 852 |
+
"grad_norm": 233287.578125,
|
| 853 |
+
"learning_rate": 1.0487681063345856e-08,
|
| 854 |
+
"loss": 0.1814,
|
| 855 |
+
"step": 234
|
| 856 |
+
},
|
| 857 |
+
{
|
| 858 |
+
"epoch": 9.833333333333334,
|
| 859 |
+
"grad_norm": 450626.28125,
|
| 860 |
+
"learning_rate": 5.352691903491303e-09,
|
| 861 |
+
"loss": 0.1711,
|
| 862 |
+
"step": 236
|
| 863 |
+
},
|
| 864 |
+
{
|
| 865 |
+
"epoch": 9.916666666666666,
|
| 866 |
+
"grad_norm": 212048.828125,
|
| 867 |
+
"learning_rate": 1.9274093981927476e-09,
|
| 868 |
+
"loss": 0.1638,
|
| 869 |
+
"step": 238
|
| 870 |
+
},
|
| 871 |
+
{
|
| 872 |
+
"epoch": 10.0,
|
| 873 |
+
"grad_norm": 241610.109375,
|
| 874 |
+
"learning_rate": 2.1418106498249936e-10,
|
| 875 |
+
"loss": 0.1542,
|
| 876 |
+
"step": 240
|
| 877 |
+
}
|
| 878 |
+
],
|
| 879 |
+
"logging_steps": 2,
|
| 880 |
+
"max_steps": 240,
|
| 881 |
+
"num_input_tokens_seen": 0,
|
| 882 |
+
"num_train_epochs": 10,
|
| 883 |
+
"save_steps": 500,
|
| 884 |
+
"stateful_callbacks": {
|
| 885 |
+
"TrainerControl": {
|
| 886 |
+
"args": {
|
| 887 |
+
"should_epoch_stop": false,
|
| 888 |
+
"should_evaluate": false,
|
| 889 |
+
"should_log": false,
|
| 890 |
+
"should_save": true,
|
| 891 |
+
"should_training_stop": true
|
| 892 |
+
},
|
| 893 |
+
"attributes": {}
|
| 894 |
+
}
|
| 895 |
+
},
|
| 896 |
+
"total_flos": 6.115509116059779e+19,
|
| 897 |
+
"train_batch_size": 128,
|
| 898 |
+
"trial_name": null,
|
| 899 |
+
"trial_params": null
|
| 900 |
+
}
|
training_args.bin
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:cb89d25d866d3eb852e6e9c09f9d1897b8a3576cb0fabca2e98459f93dc1ef79
|
| 3 |
+
size 5777
|