Upload 9 files
Browse filesUpload Model Weights and Tokenization
- Model/preprocessor_config.json +22 -0
- Model/rng_state.pth +3 -0
- Model/scheduler.pt +3 -0
- Model/special_tokens_map.json +6 -0
- Model/tokenizer.json +0 -0
- Model/tokenizer_config.json +20 -0
- Model/trainer_state.json +536 -0
- Model/training_args.bin +3 -0
- Model/vocab.json +0 -0
Model/preprocessor_config.json
ADDED
|
@@ -0,0 +1,22 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"do_normalize": true,
|
| 3 |
+
"do_rescale": true,
|
| 4 |
+
"do_resize": true,
|
| 5 |
+
"image_mean": [
|
| 6 |
+
0.485,
|
| 7 |
+
0.456,
|
| 8 |
+
0.406
|
| 9 |
+
],
|
| 10 |
+
"feature_extractor_type": "ViTFeatureExtractor",
|
| 11 |
+
"image_std": [
|
| 12 |
+
0.229,
|
| 13 |
+
0.224,
|
| 14 |
+
0.225
|
| 15 |
+
],
|
| 16 |
+
"resample": 3,
|
| 17 |
+
"rescale_factor": 0.00392156862745098,
|
| 18 |
+
"size": {
|
| 19 |
+
"height": 384,
|
| 20 |
+
"width": 384
|
| 21 |
+
}
|
| 22 |
+
}
|
Model/rng_state.pth
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:0ed7612de6b8d4c06ccacb9ae48d72f25eaa405bb7d12ebc21c86121cca30197
|
| 3 |
+
size 14575
|
Model/scheduler.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:d9f8ff02ac948318fd4b1db36c6dc3626126a027e501925cfc3bd76ac45c3505
|
| 3 |
+
size 627
|
Model/special_tokens_map.json
ADDED
|
@@ -0,0 +1,6 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"bos_token": "<|endoftext|>",
|
| 3 |
+
"eos_token": "<|endoftext|>",
|
| 4 |
+
"pad_token": "<|endoftext|>",
|
| 5 |
+
"unk_token": "<|endoftext|>"
|
| 6 |
+
}
|
Model/tokenizer.json
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|
Model/tokenizer_config.json
ADDED
|
@@ -0,0 +1,20 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"add_prefix_space": false,
|
| 3 |
+
"added_tokens_decoder": {
|
| 4 |
+
"50256": {
|
| 5 |
+
"content": "<|endoftext|>",
|
| 6 |
+
"lstrip": false,
|
| 7 |
+
"normalized": true,
|
| 8 |
+
"rstrip": false,
|
| 9 |
+
"single_word": false,
|
| 10 |
+
"special": true
|
| 11 |
+
}
|
| 12 |
+
},
|
| 13 |
+
"bos_token": "<|endoftext|>",
|
| 14 |
+
"clean_up_tokenization_spaces": true,
|
| 15 |
+
"eos_token": "<|endoftext|>",
|
| 16 |
+
"model_max_length": 1024,
|
| 17 |
+
"pad_token": "<|endoftext|>",
|
| 18 |
+
"tokenizer_class": "GPT2Tokenizer",
|
| 19 |
+
"unk_token": "<|endoftext|>"
|
| 20 |
+
}
|
Model/trainer_state.json
ADDED
|
@@ -0,0 +1,536 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_metric": 0.0629316121339798,
|
| 3 |
+
"best_model_checkpoint": "./Swin-GPT2_Mimic/checkpoint-37500",
|
| 4 |
+
"epoch": 5.0,
|
| 5 |
+
"eval_steps": 500,
|
| 6 |
+
"global_step": 37500,
|
| 7 |
+
"is_hyper_param_search": false,
|
| 8 |
+
"is_local_process_zero": true,
|
| 9 |
+
"is_world_process_zero": true,
|
| 10 |
+
"log_history": [
|
| 11 |
+
{
|
| 12 |
+
"epoch": 0.07,
|
| 13 |
+
"learning_rate": 4.9833333333333336e-05,
|
| 14 |
+
"loss": 0.1362,
|
| 15 |
+
"step": 500
|
| 16 |
+
},
|
| 17 |
+
{
|
| 18 |
+
"epoch": 0.13,
|
| 19 |
+
"learning_rate": 4.966666666666667e-05,
|
| 20 |
+
"loss": 0.089,
|
| 21 |
+
"step": 1000
|
| 22 |
+
},
|
| 23 |
+
{
|
| 24 |
+
"epoch": 0.2,
|
| 25 |
+
"learning_rate": 4.9500000000000004e-05,
|
| 26 |
+
"loss": 0.0805,
|
| 27 |
+
"step": 1500
|
| 28 |
+
},
|
| 29 |
+
{
|
| 30 |
+
"epoch": 0.27,
|
| 31 |
+
"learning_rate": 4.933333333333334e-05,
|
| 32 |
+
"loss": 0.0779,
|
| 33 |
+
"step": 2000
|
| 34 |
+
},
|
| 35 |
+
{
|
| 36 |
+
"epoch": 0.33,
|
| 37 |
+
"learning_rate": 4.9166666666666665e-05,
|
| 38 |
+
"loss": 0.0775,
|
| 39 |
+
"step": 2500
|
| 40 |
+
},
|
| 41 |
+
{
|
| 42 |
+
"epoch": 0.4,
|
| 43 |
+
"learning_rate": 4.9e-05,
|
| 44 |
+
"loss": 0.0763,
|
| 45 |
+
"step": 3000
|
| 46 |
+
},
|
| 47 |
+
{
|
| 48 |
+
"epoch": 0.47,
|
| 49 |
+
"learning_rate": 4.883333333333334e-05,
|
| 50 |
+
"loss": 0.0749,
|
| 51 |
+
"step": 3500
|
| 52 |
+
},
|
| 53 |
+
{
|
| 54 |
+
"epoch": 0.53,
|
| 55 |
+
"learning_rate": 4.866666666666667e-05,
|
| 56 |
+
"loss": 0.0702,
|
| 57 |
+
"step": 4000
|
| 58 |
+
},
|
| 59 |
+
{
|
| 60 |
+
"epoch": 0.6,
|
| 61 |
+
"learning_rate": 4.85e-05,
|
| 62 |
+
"loss": 0.0701,
|
| 63 |
+
"step": 4500
|
| 64 |
+
},
|
| 65 |
+
{
|
| 66 |
+
"epoch": 0.67,
|
| 67 |
+
"learning_rate": 4.8333333333333334e-05,
|
| 68 |
+
"loss": 0.0715,
|
| 69 |
+
"step": 5000
|
| 70 |
+
},
|
| 71 |
+
{
|
| 72 |
+
"epoch": 0.73,
|
| 73 |
+
"learning_rate": 4.8166666666666674e-05,
|
| 74 |
+
"loss": 0.0725,
|
| 75 |
+
"step": 5500
|
| 76 |
+
},
|
| 77 |
+
{
|
| 78 |
+
"epoch": 0.8,
|
| 79 |
+
"learning_rate": 4.8e-05,
|
| 80 |
+
"loss": 0.0677,
|
| 81 |
+
"step": 6000
|
| 82 |
+
},
|
| 83 |
+
{
|
| 84 |
+
"epoch": 0.87,
|
| 85 |
+
"learning_rate": 4.7833333333333335e-05,
|
| 86 |
+
"loss": 0.0696,
|
| 87 |
+
"step": 6500
|
| 88 |
+
},
|
| 89 |
+
{
|
| 90 |
+
"epoch": 0.93,
|
| 91 |
+
"learning_rate": 4.766666666666667e-05,
|
| 92 |
+
"loss": 0.065,
|
| 93 |
+
"step": 7000
|
| 94 |
+
},
|
| 95 |
+
{
|
| 96 |
+
"epoch": 1.0,
|
| 97 |
+
"learning_rate": 4.75e-05,
|
| 98 |
+
"loss": 0.0646,
|
| 99 |
+
"step": 7500
|
| 100 |
+
},
|
| 101 |
+
{
|
| 102 |
+
"epoch": 1.0,
|
| 103 |
+
"eval_gen_len": 8.897,
|
| 104 |
+
"eval_loss": 0.06988305598497391,
|
| 105 |
+
"eval_rouge1": 34.7412,
|
| 106 |
+
"eval_rouge2": 25.6954,
|
| 107 |
+
"eval_rougeL": 34.4803,
|
| 108 |
+
"eval_rougeLsum": 34.7871,
|
| 109 |
+
"eval_runtime": 103.0848,
|
| 110 |
+
"eval_samples_per_second": 9.701,
|
| 111 |
+
"eval_steps_per_second": 1.213,
|
| 112 |
+
"step": 7500
|
| 113 |
+
},
|
| 114 |
+
{
|
| 115 |
+
"epoch": 1.07,
|
| 116 |
+
"learning_rate": 4.7333333333333336e-05,
|
| 117 |
+
"loss": 0.0651,
|
| 118 |
+
"step": 8000
|
| 119 |
+
},
|
| 120 |
+
{
|
| 121 |
+
"epoch": 1.13,
|
| 122 |
+
"learning_rate": 4.716666666666667e-05,
|
| 123 |
+
"loss": 0.0647,
|
| 124 |
+
"step": 8500
|
| 125 |
+
},
|
| 126 |
+
{
|
| 127 |
+
"epoch": 1.2,
|
| 128 |
+
"learning_rate": 4.7e-05,
|
| 129 |
+
"loss": 0.0644,
|
| 130 |
+
"step": 9000
|
| 131 |
+
},
|
| 132 |
+
{
|
| 133 |
+
"epoch": 1.27,
|
| 134 |
+
"learning_rate": 4.683333333333334e-05,
|
| 135 |
+
"loss": 0.0613,
|
| 136 |
+
"step": 9500
|
| 137 |
+
},
|
| 138 |
+
{
|
| 139 |
+
"epoch": 1.33,
|
| 140 |
+
"learning_rate": 4.666666666666667e-05,
|
| 141 |
+
"loss": 0.0664,
|
| 142 |
+
"step": 10000
|
| 143 |
+
},
|
| 144 |
+
{
|
| 145 |
+
"epoch": 1.4,
|
| 146 |
+
"learning_rate": 4.6500000000000005e-05,
|
| 147 |
+
"loss": 0.0631,
|
| 148 |
+
"step": 10500
|
| 149 |
+
},
|
| 150 |
+
{
|
| 151 |
+
"epoch": 1.47,
|
| 152 |
+
"learning_rate": 4.633333333333333e-05,
|
| 153 |
+
"loss": 0.0623,
|
| 154 |
+
"step": 11000
|
| 155 |
+
},
|
| 156 |
+
{
|
| 157 |
+
"epoch": 1.53,
|
| 158 |
+
"learning_rate": 4.6166666666666666e-05,
|
| 159 |
+
"loss": 0.0612,
|
| 160 |
+
"step": 11500
|
| 161 |
+
},
|
| 162 |
+
{
|
| 163 |
+
"epoch": 1.6,
|
| 164 |
+
"learning_rate": 4.600000000000001e-05,
|
| 165 |
+
"loss": 0.062,
|
| 166 |
+
"step": 12000
|
| 167 |
+
},
|
| 168 |
+
{
|
| 169 |
+
"epoch": 1.67,
|
| 170 |
+
"learning_rate": 4.5833333333333334e-05,
|
| 171 |
+
"loss": 0.0605,
|
| 172 |
+
"step": 12500
|
| 173 |
+
},
|
| 174 |
+
{
|
| 175 |
+
"epoch": 1.73,
|
| 176 |
+
"learning_rate": 4.566666666666667e-05,
|
| 177 |
+
"loss": 0.0619,
|
| 178 |
+
"step": 13000
|
| 179 |
+
},
|
| 180 |
+
{
|
| 181 |
+
"epoch": 1.8,
|
| 182 |
+
"learning_rate": 4.55e-05,
|
| 183 |
+
"loss": 0.062,
|
| 184 |
+
"step": 13500
|
| 185 |
+
},
|
| 186 |
+
{
|
| 187 |
+
"epoch": 1.87,
|
| 188 |
+
"learning_rate": 4.5333333333333335e-05,
|
| 189 |
+
"loss": 0.0622,
|
| 190 |
+
"step": 14000
|
| 191 |
+
},
|
| 192 |
+
{
|
| 193 |
+
"epoch": 1.93,
|
| 194 |
+
"learning_rate": 4.516666666666667e-05,
|
| 195 |
+
"loss": 0.06,
|
| 196 |
+
"step": 14500
|
| 197 |
+
},
|
| 198 |
+
{
|
| 199 |
+
"epoch": 2.0,
|
| 200 |
+
"learning_rate": 4.5e-05,
|
| 201 |
+
"loss": 0.0597,
|
| 202 |
+
"step": 15000
|
| 203 |
+
},
|
| 204 |
+
{
|
| 205 |
+
"epoch": 2.0,
|
| 206 |
+
"eval_gen_len": 14.724,
|
| 207 |
+
"eval_loss": 0.06516863405704498,
|
| 208 |
+
"eval_rouge1": 38.0809,
|
| 209 |
+
"eval_rouge2": 26.9533,
|
| 210 |
+
"eval_rougeL": 37.259,
|
| 211 |
+
"eval_rougeLsum": 37.8078,
|
| 212 |
+
"eval_runtime": 113.6453,
|
| 213 |
+
"eval_samples_per_second": 8.799,
|
| 214 |
+
"eval_steps_per_second": 1.1,
|
| 215 |
+
"step": 15000
|
| 216 |
+
},
|
| 217 |
+
{
|
| 218 |
+
"epoch": 2.07,
|
| 219 |
+
"learning_rate": 4.483333333333333e-05,
|
| 220 |
+
"loss": 0.0559,
|
| 221 |
+
"step": 15500
|
| 222 |
+
},
|
| 223 |
+
{
|
| 224 |
+
"epoch": 2.13,
|
| 225 |
+
"learning_rate": 4.466666666666667e-05,
|
| 226 |
+
"loss": 0.0595,
|
| 227 |
+
"step": 16000
|
| 228 |
+
},
|
| 229 |
+
{
|
| 230 |
+
"epoch": 2.2,
|
| 231 |
+
"learning_rate": 4.4500000000000004e-05,
|
| 232 |
+
"loss": 0.0569,
|
| 233 |
+
"step": 16500
|
| 234 |
+
},
|
| 235 |
+
{
|
| 236 |
+
"epoch": 2.27,
|
| 237 |
+
"learning_rate": 4.433333333333334e-05,
|
| 238 |
+
"loss": 0.0558,
|
| 239 |
+
"step": 17000
|
| 240 |
+
},
|
| 241 |
+
{
|
| 242 |
+
"epoch": 2.33,
|
| 243 |
+
"learning_rate": 4.4166666666666665e-05,
|
| 244 |
+
"loss": 0.0578,
|
| 245 |
+
"step": 17500
|
| 246 |
+
},
|
| 247 |
+
{
|
| 248 |
+
"epoch": 2.4,
|
| 249 |
+
"learning_rate": 4.4000000000000006e-05,
|
| 250 |
+
"loss": 0.0571,
|
| 251 |
+
"step": 18000
|
| 252 |
+
},
|
| 253 |
+
{
|
| 254 |
+
"epoch": 2.47,
|
| 255 |
+
"learning_rate": 4.383333333333334e-05,
|
| 256 |
+
"loss": 0.0586,
|
| 257 |
+
"step": 18500
|
| 258 |
+
},
|
| 259 |
+
{
|
| 260 |
+
"epoch": 2.53,
|
| 261 |
+
"learning_rate": 4.3666666666666666e-05,
|
| 262 |
+
"loss": 0.0577,
|
| 263 |
+
"step": 19000
|
| 264 |
+
},
|
| 265 |
+
{
|
| 266 |
+
"epoch": 2.6,
|
| 267 |
+
"learning_rate": 4.35e-05,
|
| 268 |
+
"loss": 0.0583,
|
| 269 |
+
"step": 19500
|
| 270 |
+
},
|
| 271 |
+
{
|
| 272 |
+
"epoch": 2.67,
|
| 273 |
+
"learning_rate": 4.3333333333333334e-05,
|
| 274 |
+
"loss": 0.0574,
|
| 275 |
+
"step": 20000
|
| 276 |
+
},
|
| 277 |
+
{
|
| 278 |
+
"epoch": 2.73,
|
| 279 |
+
"learning_rate": 4.316666666666667e-05,
|
| 280 |
+
"loss": 0.0563,
|
| 281 |
+
"step": 20500
|
| 282 |
+
},
|
| 283 |
+
{
|
| 284 |
+
"epoch": 2.8,
|
| 285 |
+
"learning_rate": 4.3e-05,
|
| 286 |
+
"loss": 0.057,
|
| 287 |
+
"step": 21000
|
| 288 |
+
},
|
| 289 |
+
{
|
| 290 |
+
"epoch": 2.87,
|
| 291 |
+
"learning_rate": 4.2833333333333335e-05,
|
| 292 |
+
"loss": 0.0559,
|
| 293 |
+
"step": 21500
|
| 294 |
+
},
|
| 295 |
+
{
|
| 296 |
+
"epoch": 2.93,
|
| 297 |
+
"learning_rate": 4.266666666666667e-05,
|
| 298 |
+
"loss": 0.0565,
|
| 299 |
+
"step": 22000
|
| 300 |
+
},
|
| 301 |
+
{
|
| 302 |
+
"epoch": 3.0,
|
| 303 |
+
"learning_rate": 4.25e-05,
|
| 304 |
+
"loss": 0.0577,
|
| 305 |
+
"step": 22500
|
| 306 |
+
},
|
| 307 |
+
{
|
| 308 |
+
"epoch": 3.0,
|
| 309 |
+
"eval_gen_len": 13.501,
|
| 310 |
+
"eval_loss": 0.06393314898014069,
|
| 311 |
+
"eval_rouge1": 37.8142,
|
| 312 |
+
"eval_rouge2": 26.9542,
|
| 313 |
+
"eval_rougeL": 37.076,
|
| 314 |
+
"eval_rougeLsum": 37.5874,
|
| 315 |
+
"eval_runtime": 112.3223,
|
| 316 |
+
"eval_samples_per_second": 8.903,
|
| 317 |
+
"eval_steps_per_second": 1.113,
|
| 318 |
+
"step": 22500
|
| 319 |
+
},
|
| 320 |
+
{
|
| 321 |
+
"epoch": 3.07,
|
| 322 |
+
"learning_rate": 4.233333333333334e-05,
|
| 323 |
+
"loss": 0.0511,
|
| 324 |
+
"step": 23000
|
| 325 |
+
},
|
| 326 |
+
{
|
| 327 |
+
"epoch": 3.13,
|
| 328 |
+
"learning_rate": 4.216666666666667e-05,
|
| 329 |
+
"loss": 0.0526,
|
| 330 |
+
"step": 23500
|
| 331 |
+
},
|
| 332 |
+
{
|
| 333 |
+
"epoch": 3.2,
|
| 334 |
+
"learning_rate": 4.2e-05,
|
| 335 |
+
"loss": 0.0514,
|
| 336 |
+
"step": 24000
|
| 337 |
+
},
|
| 338 |
+
{
|
| 339 |
+
"epoch": 3.27,
|
| 340 |
+
"learning_rate": 4.183333333333334e-05,
|
| 341 |
+
"loss": 0.053,
|
| 342 |
+
"step": 24500
|
| 343 |
+
},
|
| 344 |
+
{
|
| 345 |
+
"epoch": 3.33,
|
| 346 |
+
"learning_rate": 4.166666666666667e-05,
|
| 347 |
+
"loss": 0.0526,
|
| 348 |
+
"step": 25000
|
| 349 |
+
},
|
| 350 |
+
{
|
| 351 |
+
"epoch": 3.4,
|
| 352 |
+
"learning_rate": 4.15e-05,
|
| 353 |
+
"loss": 0.0542,
|
| 354 |
+
"step": 25500
|
| 355 |
+
},
|
| 356 |
+
{
|
| 357 |
+
"epoch": 3.47,
|
| 358 |
+
"learning_rate": 4.133333333333333e-05,
|
| 359 |
+
"loss": 0.0533,
|
| 360 |
+
"step": 26000
|
| 361 |
+
},
|
| 362 |
+
{
|
| 363 |
+
"epoch": 3.53,
|
| 364 |
+
"learning_rate": 4.116666666666667e-05,
|
| 365 |
+
"loss": 0.0537,
|
| 366 |
+
"step": 26500
|
| 367 |
+
},
|
| 368 |
+
{
|
| 369 |
+
"epoch": 3.6,
|
| 370 |
+
"learning_rate": 4.1e-05,
|
| 371 |
+
"loss": 0.0519,
|
| 372 |
+
"step": 27000
|
| 373 |
+
},
|
| 374 |
+
{
|
| 375 |
+
"epoch": 3.67,
|
| 376 |
+
"learning_rate": 4.0833333333333334e-05,
|
| 377 |
+
"loss": 0.0532,
|
| 378 |
+
"step": 27500
|
| 379 |
+
},
|
| 380 |
+
{
|
| 381 |
+
"epoch": 3.73,
|
| 382 |
+
"learning_rate": 4.066666666666667e-05,
|
| 383 |
+
"loss": 0.0538,
|
| 384 |
+
"step": 28000
|
| 385 |
+
},
|
| 386 |
+
{
|
| 387 |
+
"epoch": 3.8,
|
| 388 |
+
"learning_rate": 4.05e-05,
|
| 389 |
+
"loss": 0.0533,
|
| 390 |
+
"step": 28500
|
| 391 |
+
},
|
| 392 |
+
{
|
| 393 |
+
"epoch": 3.87,
|
| 394 |
+
"learning_rate": 4.0333333333333336e-05,
|
| 395 |
+
"loss": 0.0544,
|
| 396 |
+
"step": 29000
|
| 397 |
+
},
|
| 398 |
+
{
|
| 399 |
+
"epoch": 3.93,
|
| 400 |
+
"learning_rate": 4.016666666666667e-05,
|
| 401 |
+
"loss": 0.0536,
|
| 402 |
+
"step": 29500
|
| 403 |
+
},
|
| 404 |
+
{
|
| 405 |
+
"epoch": 4.0,
|
| 406 |
+
"learning_rate": 4e-05,
|
| 407 |
+
"loss": 0.0528,
|
| 408 |
+
"step": 30000
|
| 409 |
+
},
|
| 410 |
+
{
|
| 411 |
+
"epoch": 4.0,
|
| 412 |
+
"eval_gen_len": 11.784,
|
| 413 |
+
"eval_loss": 0.06298327445983887,
|
| 414 |
+
"eval_rouge1": 37.8876,
|
| 415 |
+
"eval_rouge2": 26.9586,
|
| 416 |
+
"eval_rougeL": 37.2585,
|
| 417 |
+
"eval_rougeLsum": 37.7378,
|
| 418 |
+
"eval_runtime": 109.3283,
|
| 419 |
+
"eval_samples_per_second": 9.147,
|
| 420 |
+
"eval_steps_per_second": 1.143,
|
| 421 |
+
"step": 30000
|
| 422 |
+
},
|
| 423 |
+
{
|
| 424 |
+
"epoch": 4.07,
|
| 425 |
+
"learning_rate": 3.983333333333333e-05,
|
| 426 |
+
"loss": 0.0488,
|
| 427 |
+
"step": 30500
|
| 428 |
+
},
|
| 429 |
+
{
|
| 430 |
+
"epoch": 4.13,
|
| 431 |
+
"learning_rate": 3.966666666666667e-05,
|
| 432 |
+
"loss": 0.0475,
|
| 433 |
+
"step": 31000
|
| 434 |
+
},
|
| 435 |
+
{
|
| 436 |
+
"epoch": 4.2,
|
| 437 |
+
"learning_rate": 3.9500000000000005e-05,
|
| 438 |
+
"loss": 0.0487,
|
| 439 |
+
"step": 31500
|
| 440 |
+
},
|
| 441 |
+
{
|
| 442 |
+
"epoch": 4.27,
|
| 443 |
+
"learning_rate": 3.933333333333333e-05,
|
| 444 |
+
"loss": 0.0493,
|
| 445 |
+
"step": 32000
|
| 446 |
+
},
|
| 447 |
+
{
|
| 448 |
+
"epoch": 4.33,
|
| 449 |
+
"learning_rate": 3.9166666666666665e-05,
|
| 450 |
+
"loss": 0.0482,
|
| 451 |
+
"step": 32500
|
| 452 |
+
},
|
| 453 |
+
{
|
| 454 |
+
"epoch": 4.4,
|
| 455 |
+
"learning_rate": 3.9000000000000006e-05,
|
| 456 |
+
"loss": 0.0504,
|
| 457 |
+
"step": 33000
|
| 458 |
+
},
|
| 459 |
+
{
|
| 460 |
+
"epoch": 4.47,
|
| 461 |
+
"learning_rate": 3.883333333333333e-05,
|
| 462 |
+
"loss": 0.0495,
|
| 463 |
+
"step": 33500
|
| 464 |
+
},
|
| 465 |
+
{
|
| 466 |
+
"epoch": 4.53,
|
| 467 |
+
"learning_rate": 3.866666666666667e-05,
|
| 468 |
+
"loss": 0.0477,
|
| 469 |
+
"step": 34000
|
| 470 |
+
},
|
| 471 |
+
{
|
| 472 |
+
"epoch": 4.6,
|
| 473 |
+
"learning_rate": 3.85e-05,
|
| 474 |
+
"loss": 0.049,
|
| 475 |
+
"step": 34500
|
| 476 |
+
},
|
| 477 |
+
{
|
| 478 |
+
"epoch": 4.67,
|
| 479 |
+
"learning_rate": 3.8333333333333334e-05,
|
| 480 |
+
"loss": 0.0483,
|
| 481 |
+
"step": 35000
|
| 482 |
+
},
|
| 483 |
+
{
|
| 484 |
+
"epoch": 4.73,
|
| 485 |
+
"learning_rate": 3.816666666666667e-05,
|
| 486 |
+
"loss": 0.0509,
|
| 487 |
+
"step": 35500
|
| 488 |
+
},
|
| 489 |
+
{
|
| 490 |
+
"epoch": 4.8,
|
| 491 |
+
"learning_rate": 3.8e-05,
|
| 492 |
+
"loss": 0.0505,
|
| 493 |
+
"step": 36000
|
| 494 |
+
},
|
| 495 |
+
{
|
| 496 |
+
"epoch": 4.87,
|
| 497 |
+
"learning_rate": 3.7833333333333336e-05,
|
| 498 |
+
"loss": 0.0506,
|
| 499 |
+
"step": 36500
|
| 500 |
+
},
|
| 501 |
+
{
|
| 502 |
+
"epoch": 4.93,
|
| 503 |
+
"learning_rate": 3.766666666666667e-05,
|
| 504 |
+
"loss": 0.049,
|
| 505 |
+
"step": 37000
|
| 506 |
+
},
|
| 507 |
+
{
|
| 508 |
+
"epoch": 5.0,
|
| 509 |
+
"learning_rate": 3.7500000000000003e-05,
|
| 510 |
+
"loss": 0.0485,
|
| 511 |
+
"step": 37500
|
| 512 |
+
},
|
| 513 |
+
{
|
| 514 |
+
"epoch": 5.0,
|
| 515 |
+
"eval_gen_len": 14.157,
|
| 516 |
+
"eval_loss": 0.0629316121339798,
|
| 517 |
+
"eval_rouge1": 39.0822,
|
| 518 |
+
"eval_rouge2": 27.4073,
|
| 519 |
+
"eval_rougeL": 38.1885,
|
| 520 |
+
"eval_rougeLsum": 38.8776,
|
| 521 |
+
"eval_runtime": 112.3853,
|
| 522 |
+
"eval_samples_per_second": 8.898,
|
| 523 |
+
"eval_steps_per_second": 1.112,
|
| 524 |
+
"step": 37500
|
| 525 |
+
}
|
| 526 |
+
],
|
| 527 |
+
"logging_steps": 500,
|
| 528 |
+
"max_steps": 150000,
|
| 529 |
+
"num_input_tokens_seen": 0,
|
| 530 |
+
"num_train_epochs": 20,
|
| 531 |
+
"save_steps": 500,
|
| 532 |
+
"total_flos": 1.601193167290368e+20,
|
| 533 |
+
"train_batch_size": 8,
|
| 534 |
+
"trial_name": null,
|
| 535 |
+
"trial_params": null
|
| 536 |
+
}
|
Model/training_args.bin
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:6dd77040949647fa4b081f2f6be19d1ed5b3019d92fd8ecb74d288af93cd6290
|
| 3 |
+
size 4411
|
Model/vocab.json
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|