MeedoSam commited on
Commit
569febb
1 Parent(s): cdb1cf0

Uploaded checkpoint-2000

Browse files
Files changed (5) hide show
  1. model.safetensors +1 -1
  2. optimizer.pt +1 -1
  3. rng_state.pth +1 -1
  4. scheduler.pt +1 -1
  5. trainer_state.json +361 -3
model.safetensors CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:d10c905060a8fb9799b74c25d481c34611c9de9b480817812d33857c534c228a
3
  size 2836579040
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:6de7026ac70336a1e4f551d99a58a8514e4bd50583f739c7893192c7a65816a1
3
  size 2836579040
optimizer.pt CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:977e579e2ef1ecdd4b4a2a07787051dc204b437a958f6bb3774f7b810fdf5fba
3
  size 5673376169
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:134bc8892a2731bc1e2f8484e566ed4e144adf4f48185fbbdea1cfb162ccab36
3
  size 5673376169
rng_state.pth CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:ba1ab4afddc1b42e59e07ab68c21af6f77eaf33ebe920a8a196bc4d34ce85d64
3
  size 14244
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:ab013867373e136d27f7d01b3dabf2d49ddfdadab46a1f92a068804ac704272a
3
  size 14244
scheduler.pt CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:7b5ba5f4da1b25af3b36501cdb417cae3a94cdecabb4332617c829913a9d9c0a
3
  size 1064
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:57607646084b17d566404fe68cd6273a1c70907c03ac525780a2134b72276444
3
  size 1064
trainer_state.json CHANGED
@@ -1,9 +1,9 @@
1
  {
2
  "best_metric": null,
3
  "best_model_checkpoint": null,
4
- "epoch": 0.075,
5
  "eval_steps": 500,
6
- "global_step": 1500,
7
  "is_hyper_param_search": false,
8
  "is_local_process_zero": true,
9
  "is_world_process_zero": true,
@@ -1081,6 +1081,364 @@
1081
  "eval_samples_per_second": 15.353,
1082
  "eval_steps_per_second": 15.353,
1083
  "step": 1500
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1084
  }
1085
  ],
1086
  "logging_steps": 10,
@@ -1088,7 +1446,7 @@
1088
  "num_input_tokens_seen": 0,
1089
  "num_train_epochs": 1,
1090
  "save_steps": 500,
1091
- "total_flos": 2.420883062784e+16,
1092
  "train_batch_size": 1,
1093
  "trial_name": null,
1094
  "trial_params": null
 
1
  {
2
  "best_metric": null,
3
  "best_model_checkpoint": null,
4
+ "epoch": 0.1,
5
  "eval_steps": 500,
6
+ "global_step": 2000,
7
  "is_hyper_param_search": false,
8
  "is_local_process_zero": true,
9
  "is_world_process_zero": true,
 
1081
  "eval_samples_per_second": 15.353,
1082
  "eval_steps_per_second": 15.353,
1083
  "step": 1500
1084
+ },
1085
+ {
1086
+ "epoch": 0.08,
1087
+ "grad_norm": 56.25,
1088
+ "learning_rate": 3.5933333333333335e-07,
1089
+ "loss": 0.9445,
1090
+ "step": 1510
1091
+ },
1092
+ {
1093
+ "epoch": 0.08,
1094
+ "grad_norm": 57.0,
1095
+ "learning_rate": 3.5200000000000003e-07,
1096
+ "loss": 0.9411,
1097
+ "step": 1520
1098
+ },
1099
+ {
1100
+ "epoch": 0.08,
1101
+ "grad_norm": 55.25,
1102
+ "learning_rate": 3.446666666666667e-07,
1103
+ "loss": 0.9502,
1104
+ "step": 1530
1105
+ },
1106
+ {
1107
+ "epoch": 0.08,
1108
+ "grad_norm": 55.5,
1109
+ "learning_rate": 3.3733333333333334e-07,
1110
+ "loss": 0.9696,
1111
+ "step": 1540
1112
+ },
1113
+ {
1114
+ "epoch": 0.08,
1115
+ "grad_norm": 53.25,
1116
+ "learning_rate": 3.3e-07,
1117
+ "loss": 0.9587,
1118
+ "step": 1550
1119
+ },
1120
+ {
1121
+ "epoch": 0.08,
1122
+ "grad_norm": 55.5,
1123
+ "learning_rate": 3.226666666666667e-07,
1124
+ "loss": 1.0107,
1125
+ "step": 1560
1126
+ },
1127
+ {
1128
+ "epoch": 0.08,
1129
+ "grad_norm": 56.75,
1130
+ "learning_rate": 3.153333333333334e-07,
1131
+ "loss": 0.9738,
1132
+ "step": 1570
1133
+ },
1134
+ {
1135
+ "epoch": 0.08,
1136
+ "grad_norm": 54.0,
1137
+ "learning_rate": 3.0800000000000006e-07,
1138
+ "loss": 0.9859,
1139
+ "step": 1580
1140
+ },
1141
+ {
1142
+ "epoch": 0.08,
1143
+ "grad_norm": 57.25,
1144
+ "learning_rate": 3.006666666666667e-07,
1145
+ "loss": 0.9419,
1146
+ "step": 1590
1147
+ },
1148
+ {
1149
+ "epoch": 0.08,
1150
+ "grad_norm": 54.75,
1151
+ "learning_rate": 2.9333333333333337e-07,
1152
+ "loss": 0.9493,
1153
+ "step": 1600
1154
+ },
1155
+ {
1156
+ "epoch": 0.08,
1157
+ "grad_norm": 54.75,
1158
+ "learning_rate": 2.8600000000000005e-07,
1159
+ "loss": 0.9896,
1160
+ "step": 1610
1161
+ },
1162
+ {
1163
+ "epoch": 0.08,
1164
+ "grad_norm": 56.0,
1165
+ "learning_rate": 2.7866666666666673e-07,
1166
+ "loss": 0.9342,
1167
+ "step": 1620
1168
+ },
1169
+ {
1170
+ "epoch": 0.08,
1171
+ "grad_norm": 56.5,
1172
+ "learning_rate": 2.7133333333333335e-07,
1173
+ "loss": 0.9641,
1174
+ "step": 1630
1175
+ },
1176
+ {
1177
+ "epoch": 0.08,
1178
+ "grad_norm": 56.25,
1179
+ "learning_rate": 2.64e-07,
1180
+ "loss": 0.9459,
1181
+ "step": 1640
1182
+ },
1183
+ {
1184
+ "epoch": 0.08,
1185
+ "grad_norm": 55.5,
1186
+ "learning_rate": 2.5666666666666666e-07,
1187
+ "loss": 0.9835,
1188
+ "step": 1650
1189
+ },
1190
+ {
1191
+ "epoch": 0.08,
1192
+ "grad_norm": 54.0,
1193
+ "learning_rate": 2.4933333333333334e-07,
1194
+ "loss": 0.9505,
1195
+ "step": 1660
1196
+ },
1197
+ {
1198
+ "epoch": 0.08,
1199
+ "grad_norm": 57.5,
1200
+ "learning_rate": 2.42e-07,
1201
+ "loss": 0.9574,
1202
+ "step": 1670
1203
+ },
1204
+ {
1205
+ "epoch": 0.08,
1206
+ "grad_norm": 52.5,
1207
+ "learning_rate": 2.346666666666667e-07,
1208
+ "loss": 0.9476,
1209
+ "step": 1680
1210
+ },
1211
+ {
1212
+ "epoch": 0.08,
1213
+ "grad_norm": 56.0,
1214
+ "learning_rate": 2.2733333333333333e-07,
1215
+ "loss": 0.9757,
1216
+ "step": 1690
1217
+ },
1218
+ {
1219
+ "epoch": 0.09,
1220
+ "grad_norm": 57.75,
1221
+ "learning_rate": 2.2e-07,
1222
+ "loss": 1.0152,
1223
+ "step": 1700
1224
+ },
1225
+ {
1226
+ "epoch": 0.09,
1227
+ "grad_norm": 55.5,
1228
+ "learning_rate": 2.1266666666666667e-07,
1229
+ "loss": 0.9584,
1230
+ "step": 1710
1231
+ },
1232
+ {
1233
+ "epoch": 0.09,
1234
+ "grad_norm": 56.25,
1235
+ "learning_rate": 2.0533333333333335e-07,
1236
+ "loss": 0.9793,
1237
+ "step": 1720
1238
+ },
1239
+ {
1240
+ "epoch": 0.09,
1241
+ "grad_norm": 57.0,
1242
+ "learning_rate": 1.98e-07,
1243
+ "loss": 0.9512,
1244
+ "step": 1730
1245
+ },
1246
+ {
1247
+ "epoch": 0.09,
1248
+ "grad_norm": 54.75,
1249
+ "learning_rate": 1.9066666666666668e-07,
1250
+ "loss": 0.9505,
1251
+ "step": 1740
1252
+ },
1253
+ {
1254
+ "epoch": 0.09,
1255
+ "grad_norm": 56.5,
1256
+ "learning_rate": 1.8333333333333333e-07,
1257
+ "loss": 0.9632,
1258
+ "step": 1750
1259
+ },
1260
+ {
1261
+ "epoch": 0.09,
1262
+ "grad_norm": 53.5,
1263
+ "learning_rate": 1.7600000000000001e-07,
1264
+ "loss": 0.9366,
1265
+ "step": 1760
1266
+ },
1267
+ {
1268
+ "epoch": 0.09,
1269
+ "grad_norm": 57.5,
1270
+ "learning_rate": 1.6866666666666667e-07,
1271
+ "loss": 0.9409,
1272
+ "step": 1770
1273
+ },
1274
+ {
1275
+ "epoch": 0.09,
1276
+ "grad_norm": 59.5,
1277
+ "learning_rate": 1.6133333333333335e-07,
1278
+ "loss": 1.0027,
1279
+ "step": 1780
1280
+ },
1281
+ {
1282
+ "epoch": 0.09,
1283
+ "grad_norm": 56.25,
1284
+ "learning_rate": 1.5400000000000003e-07,
1285
+ "loss": 0.9519,
1286
+ "step": 1790
1287
+ },
1288
+ {
1289
+ "epoch": 0.09,
1290
+ "grad_norm": 57.25,
1291
+ "learning_rate": 1.4666666666666668e-07,
1292
+ "loss": 0.9499,
1293
+ "step": 1800
1294
+ },
1295
+ {
1296
+ "epoch": 0.09,
1297
+ "grad_norm": 55.5,
1298
+ "learning_rate": 1.3933333333333336e-07,
1299
+ "loss": 0.9739,
1300
+ "step": 1810
1301
+ },
1302
+ {
1303
+ "epoch": 0.09,
1304
+ "grad_norm": 56.0,
1305
+ "learning_rate": 1.32e-07,
1306
+ "loss": 0.9899,
1307
+ "step": 1820
1308
+ },
1309
+ {
1310
+ "epoch": 0.09,
1311
+ "grad_norm": 61.25,
1312
+ "learning_rate": 1.2466666666666667e-07,
1313
+ "loss": 0.9731,
1314
+ "step": 1830
1315
+ },
1316
+ {
1317
+ "epoch": 0.09,
1318
+ "grad_norm": 56.0,
1319
+ "learning_rate": 1.1733333333333335e-07,
1320
+ "loss": 0.9449,
1321
+ "step": 1840
1322
+ },
1323
+ {
1324
+ "epoch": 0.09,
1325
+ "grad_norm": 57.25,
1326
+ "learning_rate": 1.1e-07,
1327
+ "loss": 1.0051,
1328
+ "step": 1850
1329
+ },
1330
+ {
1331
+ "epoch": 0.09,
1332
+ "grad_norm": 54.75,
1333
+ "learning_rate": 1.0266666666666667e-07,
1334
+ "loss": 0.9907,
1335
+ "step": 1860
1336
+ },
1337
+ {
1338
+ "epoch": 0.09,
1339
+ "grad_norm": 56.0,
1340
+ "learning_rate": 9.533333333333334e-08,
1341
+ "loss": 0.9608,
1342
+ "step": 1870
1343
+ },
1344
+ {
1345
+ "epoch": 0.09,
1346
+ "grad_norm": 57.5,
1347
+ "learning_rate": 8.800000000000001e-08,
1348
+ "loss": 0.9558,
1349
+ "step": 1880
1350
+ },
1351
+ {
1352
+ "epoch": 0.09,
1353
+ "grad_norm": 59.0,
1354
+ "learning_rate": 8.066666666666667e-08,
1355
+ "loss": 0.9928,
1356
+ "step": 1890
1357
+ },
1358
+ {
1359
+ "epoch": 0.1,
1360
+ "grad_norm": 57.25,
1361
+ "learning_rate": 7.333333333333334e-08,
1362
+ "loss": 0.9629,
1363
+ "step": 1900
1364
+ },
1365
+ {
1366
+ "epoch": 0.1,
1367
+ "grad_norm": 56.75,
1368
+ "learning_rate": 6.6e-08,
1369
+ "loss": 0.9358,
1370
+ "step": 1910
1371
+ },
1372
+ {
1373
+ "epoch": 0.1,
1374
+ "grad_norm": 57.25,
1375
+ "learning_rate": 5.8666666666666676e-08,
1376
+ "loss": 0.9602,
1377
+ "step": 1920
1378
+ },
1379
+ {
1380
+ "epoch": 0.1,
1381
+ "grad_norm": 59.25,
1382
+ "learning_rate": 5.1333333333333336e-08,
1383
+ "loss": 0.9639,
1384
+ "step": 1930
1385
+ },
1386
+ {
1387
+ "epoch": 0.1,
1388
+ "grad_norm": 58.5,
1389
+ "learning_rate": 4.4000000000000004e-08,
1390
+ "loss": 0.9643,
1391
+ "step": 1940
1392
+ },
1393
+ {
1394
+ "epoch": 0.1,
1395
+ "grad_norm": 59.25,
1396
+ "learning_rate": 3.666666666666667e-08,
1397
+ "loss": 0.9413,
1398
+ "step": 1950
1399
+ },
1400
+ {
1401
+ "epoch": 0.1,
1402
+ "grad_norm": 55.25,
1403
+ "learning_rate": 2.9333333333333338e-08,
1404
+ "loss": 0.9927,
1405
+ "step": 1960
1406
+ },
1407
+ {
1408
+ "epoch": 0.1,
1409
+ "grad_norm": 56.75,
1410
+ "learning_rate": 2.2000000000000002e-08,
1411
+ "loss": 0.987,
1412
+ "step": 1970
1413
+ },
1414
+ {
1415
+ "epoch": 0.1,
1416
+ "grad_norm": 53.75,
1417
+ "learning_rate": 1.4666666666666669e-08,
1418
+ "loss": 0.9517,
1419
+ "step": 1980
1420
+ },
1421
+ {
1422
+ "epoch": 0.1,
1423
+ "grad_norm": 56.25,
1424
+ "learning_rate": 7.3333333333333345e-09,
1425
+ "loss": 0.9575,
1426
+ "step": 1990
1427
+ },
1428
+ {
1429
+ "epoch": 0.1,
1430
+ "grad_norm": 55.75,
1431
+ "learning_rate": 0.0,
1432
+ "loss": 0.9746,
1433
+ "step": 2000
1434
+ },
1435
+ {
1436
+ "epoch": 0.1,
1437
+ "eval_loss": 0.9655321836471558,
1438
+ "eval_runtime": 64.9317,
1439
+ "eval_samples_per_second": 15.401,
1440
+ "eval_steps_per_second": 15.401,
1441
+ "step": 2000
1442
  }
1443
  ],
1444
  "logging_steps": 10,
 
1446
  "num_input_tokens_seen": 0,
1447
  "num_train_epochs": 1,
1448
  "save_steps": 500,
1449
+ "total_flos": 3.227844083712e+16,
1450
  "train_batch_size": 1,
1451
  "trial_name": null,
1452
  "trial_params": null