tensorops commited on
Commit
22bed6d
1 Parent(s): b92314d

Revert "update model"

Browse files

This reverts commit b92314da2b840b4d670310b37317c0e8b808bbbe.

.DS_Store DELETED
Binary file (6.15 kB)
 
added_tokens.json CHANGED
@@ -17,6 +17,7 @@
17
  "<|da|>": 50285,
18
  "<|de|>": 50261,
19
  "<|el|>": 50281,
 
20
  "<|en|>": 50259,
21
  "<|es|>": 50262,
22
  "<|et|>": 50307,
@@ -29,7 +30,6 @@
29
  "<|gu|>": 50333,
30
  "<|haw|>": 50352,
31
  "<|ha|>": 50354,
32
- "<|he|>": 50279,
33
  "<|hi|>": 50276,
34
  "<|hr|>": 50291,
35
  "<|ht|>": 50339,
@@ -38,6 +38,7 @@
38
  "<|id|>": 50275,
39
  "<|is|>": 50311,
40
  "<|it|>": 50274,
 
41
  "<|ja|>": 50266,
42
  "<|jw|>": 50356,
43
  "<|ka|>": 50329,
 
17
  "<|da|>": 50285,
18
  "<|de|>": 50261,
19
  "<|el|>": 50281,
20
+ "<|endoftext|>": 50257,
21
  "<|en|>": 50259,
22
  "<|es|>": 50262,
23
  "<|et|>": 50307,
 
30
  "<|gu|>": 50333,
31
  "<|haw|>": 50352,
32
  "<|ha|>": 50354,
 
33
  "<|hi|>": 50276,
34
  "<|hr|>": 50291,
35
  "<|ht|>": 50339,
 
38
  "<|id|>": 50275,
39
  "<|is|>": 50311,
40
  "<|it|>": 50274,
41
+ "<|iw|>": 50279,
42
  "<|ja|>": 50266,
43
  "<|jw|>": 50356,
44
  "<|ka|>": 50329,
all_results.json CHANGED
@@ -1,12 +1,12 @@
1
  {
2
- "epoch": 18.52,
3
- "eval_loss": 0.320556640625,
4
- "eval_runtime": 365.534,
5
- "eval_samples_per_second": 5.554,
6
- "eval_steps_per_second": 0.175,
7
- "eval_wer": 16.930468837977504,
8
- "train_loss": 0.013725162357091904,
9
- "train_runtime": 12882.8,
10
- "train_samples_per_second": 4.968,
11
- "train_steps_per_second": 0.155
12
  }
 
1
  {
2
+ "epoch": 41.67,
3
+ "eval_loss": 0.3455316126346588,
4
+ "eval_runtime": 597.4957,
5
+ "eval_samples_per_second": 3.398,
6
+ "eval_steps_per_second": 0.107,
7
+ "eval_wer": 17.93395978528797,
8
+ "train_loss": 0.02298767093420029,
9
+ "train_runtime": 31651.1636,
10
+ "train_samples_per_second": 5.055,
11
+ "train_steps_per_second": 0.158
12
  }
config.json CHANGED
@@ -1,5 +1,5 @@
1
  {
2
- "_name_or_path": "checkpoint-5000",
3
  "activation_dropout": 0.0,
4
  "activation_function": "gelu",
5
  "architectures": [
@@ -34,7 +34,7 @@
34
  "num_mel_bins": 80,
35
  "pad_token_id": 50257,
36
  "scale_embedding": false,
37
- "torch_dtype": "float16",
38
  "transformers_version": "4.27.0.dev0",
39
  "use_cache": false,
40
  "vocab_size": 51865
 
1
  {
2
+ "_name_or_path": "./",
3
  "activation_dropout": 0.0,
4
  "activation_function": "gelu",
5
  "architectures": [
 
34
  "num_mel_bins": 80,
35
  "pad_token_id": 50257,
36
  "scale_embedding": false,
37
+ "torch_dtype": "float32",
38
  "transformers_version": "4.27.0.dev0",
39
  "use_cache": false,
40
  "vocab_size": 51865
eval_results.json CHANGED
@@ -1,8 +1,7 @@
1
  {
2
- "epoch": 18.52,
3
- "eval_loss": 0.320556640625,
4
- "eval_runtime": 365.534,
5
- "eval_samples_per_second": 5.554,
6
- "eval_steps_per_second": 0.175,
7
- "eval_wer": 16.930468837977504
8
  }
 
1
  {
2
+ "eval_loss": 0.3455316126346588,
3
+ "eval_runtime": 597.4957,
4
+ "eval_samples_per_second": 3.398,
5
+ "eval_steps_per_second": 0.107,
6
+ "eval_wer": 17.93395978528797
 
7
  }
latest DELETED
@@ -1 +0,0 @@
1
- global_step2000
 
 
pytorch_model.bin CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:889528ca5d57f0e056b6f907ce45d42075c98edde6f0baf8739291772bad5396
3
  size 1527847357
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:7aafd9f00980283b3e88daf7c14ee8513283100b75871e2a69ce07b56eeab07c
3
  size 1527847357
rng_state.pth DELETED
@@ -1,3 +0,0 @@
1
- version https://git-lfs.github.com/spec/v1
2
- oid sha256:4d64e72aba0459326893d9ea79b331788cd9c1845d431a1d7f1a025afe964038
3
- size 14511
 
 
 
 
special_tokens_map.json CHANGED
@@ -22,7 +22,7 @@
22
  "<|hi|>",
23
  "<|fi|>",
24
  "<|vi|>",
25
- "<|he|>",
26
  "<|uk|>",
27
  "<|el|>",
28
  "<|ms|>",
@@ -124,7 +124,7 @@
124
  },
125
  "pad_token": "<|endoftext|>",
126
  "unk_token": {
127
- "content": "<|endoftext|>",
128
  "lstrip": false,
129
  "normalized": true,
130
  "rstrip": false,
 
22
  "<|hi|>",
23
  "<|fi|>",
24
  "<|vi|>",
25
+ "<|iw|>",
26
  "<|uk|>",
27
  "<|el|>",
28
  "<|ms|>",
 
124
  },
125
  "pad_token": "<|endoftext|>",
126
  "unk_token": {
127
+ "content": "",
128
  "lstrip": false,
129
  "normalized": true,
130
  "rstrip": false,
tokenizer_config.json CHANGED
@@ -19,7 +19,7 @@
19
  },
20
  "errors": "replace",
21
  "model_max_length": 1024,
22
- "name_or_path": "checkpoint-5000",
23
  "pad_token": null,
24
  "processor_class": "WhisperProcessor",
25
  "return_attention_mask": false,
@@ -27,7 +27,7 @@
27
  "tokenizer_class": "WhisperTokenizer",
28
  "unk_token": {
29
  "__type": "AddedToken",
30
- "content": "<|endoftext|>",
31
  "lstrip": false,
32
  "normalized": true,
33
  "rstrip": false,
 
19
  },
20
  "errors": "replace",
21
  "model_max_length": 1024,
22
+ "name_or_path": "./",
23
  "pad_token": null,
24
  "processor_class": "WhisperProcessor",
25
  "return_attention_mask": false,
 
27
  "tokenizer_class": "WhisperTokenizer",
28
  "unk_token": {
29
  "__type": "AddedToken",
30
+ "content": "",
31
  "lstrip": false,
32
  "normalized": true,
33
  "rstrip": false,
train_results.json CHANGED
@@ -1,7 +1,7 @@
1
  {
2
- "epoch": 18.52,
3
- "train_loss": 0.013725162357091904,
4
- "train_runtime": 12882.8,
5
- "train_samples_per_second": 4.968,
6
- "train_steps_per_second": 0.155
7
  }
 
1
  {
2
+ "epoch": 41.67,
3
+ "train_loss": 0.02298767093420029,
4
+ "train_runtime": 31651.1636,
5
+ "train_samples_per_second": 5.055,
6
+ "train_steps_per_second": 0.158
7
  }
trainer_state.json CHANGED
@@ -1,514 +1,1234 @@
1
  {
2
- "best_metric": 16.930468837977504,
3
- "best_model_checkpoint": "./checkpoint-2000",
4
- "epoch": 18.51851851851852,
5
- "global_step": 2000,
6
  "is_hyper_param_search": false,
7
  "is_local_process_zero": true,
8
  "is_world_process_zero": true,
9
  "log_history": [
10
  {
11
- "epoch": 0.23,
12
- "learning_rate": 5.0453611334320685e-06,
13
- "loss": 0.1744,
14
  "step": 25
15
  },
16
  {
17
- "epoch": 0.46,
18
- "learning_rate": 6.229195710491767e-06,
19
- "loss": 0.1245,
20
  "step": 50
21
  },
22
  {
23
- "epoch": 0.69,
24
- "learning_rate": 6.903829450223392e-06,
25
- "loss": 0.1109,
26
  "step": 75
27
  },
28
  {
29
- "epoch": 0.93,
30
- "learning_rate": 7.377725845391017e-06,
31
- "loss": 0.1041,
32
  "step": 100
33
  },
34
  {
35
- "epoch": 1.16,
36
- "learning_rate": 7.743343231239583e-06,
37
- "loss": 0.0737,
38
  "step": 125
39
  },
40
  {
41
- "epoch": 1.39,
42
- "learning_rate": 8.041073861170494e-06,
43
- "loss": 0.0589,
44
  "step": 150
45
  },
46
  {
47
- "epoch": 1.62,
48
- "learning_rate": 8.292222957399574e-06,
49
- "loss": 0.0559,
50
  "step": 175
51
  },
52
  {
53
- "epoch": 1.85,
54
- "learning_rate": 8.509413541357755e-06,
55
- "loss": 0.0587,
56
  "step": 200
57
  },
58
  {
59
- "epoch": 2.08,
60
- "learning_rate": 8.700744577655557e-06,
61
- "loss": 0.0519,
62
  "step": 225
63
  },
64
  {
65
- "epoch": 2.31,
66
- "learning_rate": 8.871723942761204e-06,
67
- "loss": 0.0287,
68
  "step": 250
69
  },
70
  {
71
- "epoch": 2.55,
72
- "learning_rate": 9.026267958246849e-06,
73
- "loss": 0.0276,
74
  "step": 275
75
  },
76
  {
77
- "epoch": 2.78,
78
- "learning_rate": 9.16726106663399e-06,
79
- "loss": 0.0303,
80
  "step": 300
81
  },
82
  {
83
- "epoch": 3.01,
84
- "learning_rate": 9.296889251455016e-06,
85
- "loss": 0.0295,
86
  "step": 325
87
  },
88
  {
89
- "epoch": 3.24,
90
- "learning_rate": 9.416848797368692e-06,
91
- "loss": 0.014,
92
  "step": 350
93
  },
94
  {
95
- "epoch": 3.47,
96
- "learning_rate": 9.528482449516371e-06,
97
- "loss": 0.0197,
98
  "step": 375
99
  },
100
  {
101
- "epoch": 3.7,
102
- "learning_rate": 9.632871309784314e-06,
103
- "loss": 0.0145,
104
  "step": 400
105
  },
106
  {
107
- "epoch": 3.94,
108
- "learning_rate": 9.73089868785391e-06,
109
- "loss": 0.0158,
110
  "step": 425
111
  },
112
  {
113
- "epoch": 4.17,
114
- "learning_rate": 9.823295589572114e-06,
115
- "loss": 0.0112,
116
  "step": 450
117
  },
118
  {
119
- "epoch": 4.4,
120
- "learning_rate": 9.910673836465484e-06,
121
- "loss": 0.0088,
122
  "step": 475
123
  },
124
  {
125
- "epoch": 4.63,
126
- "learning_rate": 9.993550644973805e-06,
127
- "loss": 0.0097,
128
  "step": 500
129
  },
130
  {
131
- "epoch": 4.86,
132
- "learning_rate": 9.853333333333334e-06,
133
- "loss": 0.0106,
134
  "step": 525
135
  },
136
  {
137
- "epoch": 5.09,
138
- "learning_rate": 9.686666666666668e-06,
139
- "loss": 0.0084,
140
  "step": 550
141
  },
142
  {
143
- "epoch": 5.32,
144
- "learning_rate": 9.52e-06,
145
- "loss": 0.0057,
146
  "step": 575
147
  },
148
  {
149
- "epoch": 5.56,
150
- "learning_rate": 9.353333333333334e-06,
151
- "loss": 0.0057,
152
  "step": 600
153
  },
154
  {
155
- "epoch": 5.79,
156
- "learning_rate": 9.186666666666666e-06,
157
- "loss": 0.006,
158
  "step": 625
159
  },
160
  {
161
- "epoch": 6.02,
162
- "learning_rate": 9.020000000000002e-06,
163
- "loss": 0.0061,
164
  "step": 650
165
  },
166
  {
167
- "epoch": 6.25,
168
- "learning_rate": 8.853333333333334e-06,
169
- "loss": 0.0039,
170
  "step": 675
171
  },
172
  {
173
- "epoch": 6.48,
174
- "learning_rate": 8.686666666666668e-06,
175
- "loss": 0.0033,
176
  "step": 700
177
  },
178
  {
179
- "epoch": 6.71,
180
- "learning_rate": 8.52e-06,
181
- "loss": 0.0029,
182
  "step": 725
183
  },
184
  {
185
- "epoch": 6.94,
186
- "learning_rate": 8.353333333333335e-06,
187
- "loss": 0.0032,
188
  "step": 750
189
  },
190
  {
191
- "epoch": 7.18,
192
- "learning_rate": 8.186666666666667e-06,
193
- "loss": 0.002,
194
  "step": 775
195
  },
196
  {
197
- "epoch": 7.41,
198
- "learning_rate": 8.020000000000001e-06,
199
- "loss": 0.0022,
200
  "step": 800
201
  },
202
  {
203
- "epoch": 7.64,
204
- "learning_rate": 7.853333333333333e-06,
205
- "loss": 0.0018,
206
  "step": 825
207
  },
208
  {
209
- "epoch": 7.87,
210
- "learning_rate": 7.686666666666667e-06,
211
- "loss": 0.0015,
212
  "step": 850
213
  },
214
  {
215
- "epoch": 8.1,
216
- "learning_rate": 7.520000000000001e-06,
217
- "loss": 0.0015,
218
  "step": 875
219
  },
220
  {
221
- "epoch": 8.33,
222
- "learning_rate": 7.353333333333334e-06,
223
- "loss": 0.001,
224
  "step": 900
225
  },
226
  {
227
- "epoch": 8.56,
228
- "learning_rate": 7.186666666666668e-06,
229
- "loss": 0.0009,
230
  "step": 925
231
  },
232
  {
233
- "epoch": 8.8,
234
- "learning_rate": 7.0200000000000006e-06,
235
- "loss": 0.0006,
236
  "step": 950
237
  },
238
  {
239
- "epoch": 9.03,
240
- "learning_rate": 6.853333333333334e-06,
241
- "loss": 0.0008,
242
  "step": 975
243
  },
244
  {
245
- "epoch": 9.26,
246
- "learning_rate": 6.6866666666666665e-06,
247
- "loss": 0.0005,
248
  "step": 1000
249
  },
250
  {
251
- "epoch": 9.49,
252
- "learning_rate": 6.533333333333334e-06,
253
- "loss": 0.0003,
254
  "step": 1025
255
  },
256
  {
257
- "epoch": 9.72,
258
- "learning_rate": 6.366666666666668e-06,
259
- "loss": 0.0004,
260
  "step": 1050
261
  },
262
  {
263
- "epoch": 9.95,
264
- "learning_rate": 6.200000000000001e-06,
265
- "loss": 0.0003,
266
  "step": 1075
267
  },
268
  {
269
- "epoch": 10.19,
270
- "learning_rate": 6.033333333333335e-06,
271
- "loss": 0.0003,
272
  "step": 1100
273
  },
274
  {
275
- "epoch": 10.42,
276
- "learning_rate": 5.8666666666666675e-06,
277
- "loss": 0.0002,
278
  "step": 1125
279
  },
280
  {
281
- "epoch": 10.65,
282
- "learning_rate": 5.7e-06,
283
- "loss": 0.0003,
284
  "step": 1150
285
  },
286
  {
287
- "epoch": 10.88,
288
- "learning_rate": 5.533333333333334e-06,
289
- "loss": 0.0002,
290
  "step": 1175
291
  },
292
  {
293
- "epoch": 11.11,
294
- "learning_rate": 5.366666666666666e-06,
295
- "loss": 0.0002,
296
  "step": 1200
297
  },
298
  {
299
- "epoch": 11.34,
300
- "learning_rate": 5.2e-06,
301
- "loss": 0.0002,
302
  "step": 1225
303
  },
304
  {
305
- "epoch": 11.57,
306
- "learning_rate": 5.033333333333333e-06,
307
- "loss": 0.0002,
308
  "step": 1250
309
  },
310
  {
311
- "epoch": 11.81,
312
- "learning_rate": 4.866666666666667e-06,
313
- "loss": 0.0002,
314
  "step": 1275
315
  },
316
  {
317
- "epoch": 12.04,
318
- "learning_rate": 4.7e-06,
319
- "loss": 0.0002,
320
  "step": 1300
321
  },
322
  {
323
- "epoch": 12.27,
324
- "learning_rate": 4.533333333333334e-06,
325
- "loss": 0.0002,
326
  "step": 1325
327
  },
328
  {
329
- "epoch": 12.5,
330
- "learning_rate": 4.366666666666667e-06,
331
- "loss": 0.0002,
332
  "step": 1350
333
  },
334
  {
335
- "epoch": 12.73,
336
- "learning_rate": 4.2000000000000004e-06,
337
- "loss": 0.0002,
338
  "step": 1375
339
  },
340
  {
341
- "epoch": 12.96,
342
- "learning_rate": 4.033333333333333e-06,
343
- "loss": 0.0002,
344
  "step": 1400
345
  },
346
  {
347
- "epoch": 13.19,
348
- "learning_rate": 3.866666666666667e-06,
349
- "loss": 0.0001,
350
  "step": 1425
351
  },
352
  {
353
- "epoch": 13.43,
354
- "learning_rate": 3.7e-06,
355
- "loss": 0.0001,
356
  "step": 1450
357
  },
358
  {
359
- "epoch": 13.66,
360
- "learning_rate": 3.5333333333333335e-06,
361
- "loss": 0.0002,
362
  "step": 1475
363
  },
364
  {
365
- "epoch": 13.89,
366
- "learning_rate": 3.366666666666667e-06,
367
- "loss": 0.0001,
368
  "step": 1500
369
  },
370
  {
371
- "epoch": 14.12,
372
- "learning_rate": 3.2000000000000003e-06,
373
- "loss": 0.0001,
374
  "step": 1525
375
  },
376
  {
377
- "epoch": 14.35,
378
- "learning_rate": 3.0333333333333337e-06,
379
- "loss": 0.0001,
380
  "step": 1550
381
  },
382
  {
383
- "epoch": 14.58,
384
- "learning_rate": 2.866666666666667e-06,
385
- "loss": 0.0001,
386
  "step": 1575
387
  },
388
  {
389
- "epoch": 14.81,
390
- "learning_rate": 2.7000000000000004e-06,
391
- "loss": 0.0001,
392
  "step": 1600
393
  },
394
  {
395
- "epoch": 15.05,
396
- "learning_rate": 2.5333333333333338e-06,
397
- "loss": 0.0001,
398
  "step": 1625
399
  },
400
  {
401
- "epoch": 15.28,
402
- "learning_rate": 2.3666666666666667e-06,
403
- "loss": 0.0001,
404
  "step": 1650
405
  },
406
  {
407
- "epoch": 15.51,
408
- "learning_rate": 2.2e-06,
409
- "loss": 0.0001,
410
  "step": 1675
411
  },
412
  {
413
- "epoch": 15.74,
414
- "learning_rate": 2.0333333333333335e-06,
415
- "loss": 0.0001,
416
  "step": 1700
417
  },
418
  {
419
- "epoch": 15.97,
420
- "learning_rate": 1.8666666666666669e-06,
421
- "loss": 0.0001,
422
  "step": 1725
423
  },
424
  {
425
- "epoch": 16.2,
426
- "learning_rate": 1.7000000000000002e-06,
427
- "loss": 0.0001,
428
  "step": 1750
429
  },
430
  {
431
- "epoch": 16.44,
432
- "learning_rate": 1.5333333333333334e-06,
433
- "loss": 0.0001,
434
  "step": 1775
435
  },
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
436
  {
437
  "epoch": 16.67,
438
- "learning_rate": 1.3666666666666668e-06,
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
439
  "loss": 0.0001,
440
- "step": 1800
441
  },
442
  {
443
- "epoch": 16.9,
444
- "learning_rate": 1.2000000000000002e-06,
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
445
  "loss": 0.0001,
446
- "step": 1825
447
  },
448
  {
449
- "epoch": 17.13,
450
- "learning_rate": 1.0333333333333333e-06,
451
  "loss": 0.0001,
452
- "step": 1850
453
  },
454
  {
455
- "epoch": 17.36,
456
- "learning_rate": 8.666666666666668e-07,
457
  "loss": 0.0001,
458
- "step": 1875
459
  },
460
  {
461
- "epoch": 17.59,
462
- "learning_rate": 7.000000000000001e-07,
 
 
 
 
 
 
463
  "loss": 0.0001,
464
- "step": 1900
465
  },
466
  {
467
- "epoch": 17.82,
468
- "learning_rate": 5.333333333333335e-07,
469
  "loss": 0.0001,
470
- "step": 1925
471
  },
472
  {
473
- "epoch": 18.06,
474
- "learning_rate": 3.666666666666667e-07,
475
  "loss": 0.0001,
476
- "step": 1950
477
  },
478
  {
479
- "epoch": 18.29,
480
- "learning_rate": 2.0000000000000002e-07,
481
  "loss": 0.0001,
482
- "step": 1975
483
  },
484
  {
485
- "epoch": 18.52,
486
- "learning_rate": 3.333333333333334e-08,
487
  "loss": 0.0001,
488
- "step": 2000
489
  },
490
  {
491
- "epoch": 18.52,
492
- "eval_loss": 0.320556640625,
493
- "eval_runtime": 367.1583,
494
- "eval_samples_per_second": 5.529,
495
- "eval_steps_per_second": 0.174,
496
- "eval_wer": 16.930468837977504,
497
- "step": 2000
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
498
  },
499
  {
500
- "epoch": 18.52,
501
- "step": 2000,
502
- "total_flos": 6.506152180947354e+19,
503
- "train_loss": 0.013725162357091904,
504
- "train_runtime": 12882.8,
505
- "train_samples_per_second": 4.968,
506
- "train_steps_per_second": 0.155
507
  }
508
  ],
509
- "max_steps": 2000,
510
- "num_train_epochs": 19,
511
- "total_flos": 6.506152180947354e+19,
512
  "trial_name": null,
513
  "trial_params": null
514
  }
 
1
  {
2
+ "best_metric": 17.947723376834624,
3
+ "best_model_checkpoint": "./checkpoint-5000",
4
+ "epoch": 41.666666666666664,
5
+ "global_step": 5000,
6
  "is_hyper_param_search": false,
7
  "is_local_process_zero": true,
8
  "is_world_process_zero": true,
9
  "log_history": [
10
  {
11
+ "epoch": 0.21,
12
+ "learning_rate": 4.898977360288234e-06,
13
+ "loss": 0.546,
14
  "step": 25
15
  },
16
  {
17
+ "epoch": 0.42,
18
+ "learning_rate": 6.160712527409633e-06,
19
+ "loss": 0.4065,
20
  "step": 50
21
  },
22
  {
23
+ "epoch": 0.62,
24
+ "learning_rate": 6.85912902234906e-06,
25
+ "loss": 0.3709,
26
  "step": 75
27
  },
28
  {
29
+ "epoch": 0.83,
30
+ "learning_rate": 7.344547104469332e-06,
31
+ "loss": 0.3362,
32
  "step": 100
33
  },
34
  {
35
+ "epoch": 1.04,
36
+ "learning_rate": 7.716963756434345e-06,
37
+ "loss": 0.3056,
38
  "step": 125
39
  },
40
  {
41
+ "epoch": 1.25,
42
+ "learning_rate": 8.019180844200955e-06,
43
+ "loss": 0.2381,
44
  "step": 150
45
  },
46
  {
47
+ "epoch": 1.46,
48
+ "learning_rate": 8.27351214279797e-06,
49
+ "loss": 0.232,
50
  "step": 175
51
  },
52
  {
53
+ "epoch": 1.67,
54
+ "learning_rate": 8.49307723936858e-06,
55
+ "loss": 0.2129,
56
  "step": 200
57
  },
58
  {
59
+ "epoch": 1.88,
60
+ "learning_rate": 8.686247975778677e-06,
61
+ "loss": 0.214,
62
  "step": 225
63
  },
64
  {
65
+ "epoch": 2.08,
66
+ "learning_rate": 8.858694625217149e-06,
67
+ "loss": 0.1779,
68
  "step": 250
69
  },
70
  {
71
+ "epoch": 2.29,
72
+ "learning_rate": 9.014436199608479e-06,
73
+ "loss": 0.1383,
74
  "step": 275
75
  },
76
  {
77
+ "epoch": 2.5,
78
+ "learning_rate": 9.156425255148058e-06,
79
+ "loss": 0.1322,
80
  "step": 300
81
  },
82
  {
83
+ "epoch": 2.71,
84
+ "learning_rate": 9.28689473531776e-06,
85
+ "loss": 0.1354,
86
  "step": 325
87
  },
88
  {
89
+ "epoch": 2.92,
90
+ "learning_rate": 9.407574351377137e-06,
91
+ "loss": 0.1304,
92
  "step": 350
93
  },
94
  {
95
+ "epoch": 3.12,
96
+ "learning_rate": 9.519831289296397e-06,
97
+ "loss": 0.1044,
98
  "step": 375
99
  },
100
  {
101
+ "epoch": 3.33,
102
+ "learning_rate": 9.624764935335318e-06,
103
+ "loss": 0.076,
104
  "step": 400
105
  },
106
  {
107
+ "epoch": 3.54,
108
+ "learning_rate": 9.723272550712454e-06,
109
+ "loss": 0.079,
110
  "step": 425
111
  },
112
  {
113
+ "epoch": 3.75,
114
+ "learning_rate": 9.816095971633122e-06,
115
+ "loss": 0.0791,
116
  "step": 450
117
  },
118
  {
119
+ "epoch": 3.96,
120
+ "learning_rate": 9.90385555539545e-06,
121
+ "loss": 0.0794,
122
  "step": 475
123
  },
124
  {
125
+ "epoch": 4.17,
126
+ "learning_rate": 9.987075336738768e-06,
127
+ "loss": 0.0534,
128
  "step": 500
129
  },
130
  {
131
+ "epoch": 4.38,
132
+ "learning_rate": 9.955555555555556e-06,
133
+ "loss": 0.0446,
134
  "step": 525
135
  },
136
  {
137
+ "epoch": 4.58,
138
+ "learning_rate": 9.9e-06,
139
+ "loss": 0.0456,
140
  "step": 550
141
  },
142
  {
143
+ "epoch": 4.79,
144
+ "learning_rate": 9.844444444444446e-06,
145
+ "loss": 0.0457,
146
  "step": 575
147
  },
148
  {
149
+ "epoch": 5.0,
150
+ "learning_rate": 9.78888888888889e-06,
151
+ "loss": 0.044,
152
  "step": 600
153
  },
154
  {
155
+ "epoch": 5.21,
156
+ "learning_rate": 9.733333333333334e-06,
157
+ "loss": 0.0244,
158
  "step": 625
159
  },
160
  {
161
+ "epoch": 5.42,
162
+ "learning_rate": 9.677777777777778e-06,
163
+ "loss": 0.0264,
164
  "step": 650
165
  },
166
  {
167
+ "epoch": 5.62,
168
+ "learning_rate": 9.622222222222222e-06,
169
+ "loss": 0.0266,
170
  "step": 675
171
  },
172
  {
173
+ "epoch": 5.83,
174
+ "learning_rate": 9.566666666666668e-06,
175
+ "loss": 0.0253,
176
  "step": 700
177
  },
178
  {
179
+ "epoch": 6.04,
180
+ "learning_rate": 9.511111111111112e-06,
181
+ "loss": 0.024,
182
  "step": 725
183
  },
184
  {
185
+ "epoch": 6.25,
186
+ "learning_rate": 9.455555555555557e-06,
187
+ "loss": 0.0136,
188
  "step": 750
189
  },
190
  {
191
+ "epoch": 6.46,
192
+ "learning_rate": 9.4e-06,
193
+ "loss": 0.013,
194
  "step": 775
195
  },
196
  {
197
+ "epoch": 6.67,
198
+ "learning_rate": 9.344444444444446e-06,
199
+ "loss": 0.0136,
200
  "step": 800
201
  },
202
  {
203
+ "epoch": 6.88,
204
+ "learning_rate": 9.28888888888889e-06,
205
+ "loss": 0.0142,
206
  "step": 825
207
  },
208
  {
209
+ "epoch": 7.08,
210
+ "learning_rate": 9.233333333333334e-06,
211
+ "loss": 0.0131,
212
  "step": 850
213
  },
214
  {
215
+ "epoch": 7.29,
216
+ "learning_rate": 9.17777777777778e-06,
217
+ "loss": 0.0081,
218
  "step": 875
219
  },
220
  {
221
+ "epoch": 7.5,
222
+ "learning_rate": 9.122222222222223e-06,
223
+ "loss": 0.0075,
224
  "step": 900
225
  },
226
  {
227
+ "epoch": 7.71,
228
+ "learning_rate": 9.066666666666667e-06,
229
+ "loss": 0.0085,
230
  "step": 925
231
  },
232
  {
233
+ "epoch": 7.92,
234
+ "learning_rate": 9.011111111111111e-06,
235
+ "loss": 0.0072,
236
  "step": 950
237
  },
238
  {
239
+ "epoch": 8.12,
240
+ "learning_rate": 8.955555555555555e-06,
241
+ "loss": 0.0052,
242
  "step": 975
243
  },
244
  {
245
+ "epoch": 8.33,
246
+ "learning_rate": 8.900000000000001e-06,
247
+ "loss": 0.004,
248
  "step": 1000
249
  },
250
  {
251
+ "epoch": 8.54,
252
+ "learning_rate": 8.844444444444445e-06,
253
+ "loss": 0.0042,
254
  "step": 1025
255
  },
256
  {
257
+ "epoch": 8.75,
258
+ "learning_rate": 8.788888888888891e-06,
259
+ "loss": 0.0045,
260
  "step": 1050
261
  },
262
  {
263
+ "epoch": 8.96,
264
+ "learning_rate": 8.733333333333333e-06,
265
+ "loss": 0.0044,
266
  "step": 1075
267
  },
268
  {
269
+ "epoch": 9.17,
270
+ "learning_rate": 8.677777777777779e-06,
271
+ "loss": 0.0035,
272
  "step": 1100
273
  },
274
  {
275
+ "epoch": 9.38,
276
+ "learning_rate": 8.622222222222223e-06,
277
+ "loss": 0.0029,
278
  "step": 1125
279
  },
280
  {
281
+ "epoch": 9.58,
282
+ "learning_rate": 8.566666666666667e-06,
283
+ "loss": 0.0024,
284
  "step": 1150
285
  },
286
  {
287
+ "epoch": 9.79,
288
+ "learning_rate": 8.511111111111113e-06,
289
+ "loss": 0.0032,
290
  "step": 1175
291
  },
292
  {
293
+ "epoch": 10.0,
294
+ "learning_rate": 8.455555555555555e-06,
295
+ "loss": 0.003,
296
  "step": 1200
297
  },
298
  {
299
+ "epoch": 10.21,
300
+ "learning_rate": 8.400000000000001e-06,
301
+ "loss": 0.0021,
302
  "step": 1225
303
  },
304
  {
305
+ "epoch": 10.42,
306
+ "learning_rate": 8.344444444444445e-06,
307
+ "loss": 0.0024,
308
  "step": 1250
309
  },
310
  {
311
+ "epoch": 10.62,
312
+ "learning_rate": 8.288888888888889e-06,
313
+ "loss": 0.0023,
314
  "step": 1275
315
  },
316
  {
317
+ "epoch": 10.83,
318
+ "learning_rate": 8.233333333333335e-06,
319
+ "loss": 0.0024,
320
  "step": 1300
321
  },
322
  {
323
+ "epoch": 11.04,
324
+ "learning_rate": 8.177777777777779e-06,
325
+ "loss": 0.0019,
326
  "step": 1325
327
  },
328
  {
329
+ "epoch": 11.25,
330
+ "learning_rate": 8.122222222222223e-06,
331
+ "loss": 0.0014,
332
  "step": 1350
333
  },
334
  {
335
+ "epoch": 11.46,
336
+ "learning_rate": 8.066666666666667e-06,
337
+ "loss": 0.0015,
338
  "step": 1375
339
  },
340
  {
341
+ "epoch": 11.67,
342
+ "learning_rate": 8.011111111111113e-06,
343
+ "loss": 0.0018,
344
  "step": 1400
345
  },
346
  {
347
+ "epoch": 11.88,
348
+ "learning_rate": 7.955555555555557e-06,
349
+ "loss": 0.0015,
350
  "step": 1425
351
  },
352
  {
353
+ "epoch": 12.08,
354
+ "learning_rate": 7.9e-06,
355
+ "loss": 0.0016,
356
  "step": 1450
357
  },
358
  {
359
+ "epoch": 12.29,
360
+ "learning_rate": 7.844444444444446e-06,
361
+ "loss": 0.0015,
362
  "step": 1475
363
  },
364
  {
365
+ "epoch": 12.5,
366
+ "learning_rate": 7.788888888888889e-06,
367
+ "loss": 0.0017,
368
  "step": 1500
369
  },
370
  {
371
+ "epoch": 12.71,
372
+ "learning_rate": 7.733333333333334e-06,
373
+ "loss": 0.0016,
374
  "step": 1525
375
  },
376
  {
377
+ "epoch": 12.92,
378
+ "learning_rate": 7.677777777777778e-06,
379
+ "loss": 0.002,
380
  "step": 1550
381
  },
382
  {
383
+ "epoch": 13.12,
384
+ "learning_rate": 7.622222222222223e-06,
385
+ "loss": 0.0015,
386
  "step": 1575
387
  },
388
  {
389
+ "epoch": 13.33,
390
+ "learning_rate": 7.566666666666667e-06,
391
+ "loss": 0.0015,
392
  "step": 1600
393
  },
394
  {
395
+ "epoch": 13.54,
396
+ "learning_rate": 7.511111111111111e-06,
397
+ "loss": 0.0015,
398
  "step": 1625
399
  },
400
  {
401
+ "epoch": 13.75,
402
+ "learning_rate": 7.455555555555556e-06,
403
+ "loss": 0.0014,
404
  "step": 1650
405
  },
406
  {
407
+ "epoch": 13.96,
408
+ "learning_rate": 7.4e-06,
409
+ "loss": 0.0017,
410
  "step": 1675
411
  },
412
  {
413
+ "epoch": 14.17,
414
+ "learning_rate": 7.344444444444445e-06,
415
+ "loss": 0.0014,
416
  "step": 1700
417
  },
418
  {
419
+ "epoch": 14.38,
420
+ "learning_rate": 7.28888888888889e-06,
421
+ "loss": 0.0013,
422
  "step": 1725
423
  },
424
  {
425
+ "epoch": 14.58,
426
+ "learning_rate": 7.233333333333334e-06,
427
+ "loss": 0.0013,
428
  "step": 1750
429
  },
430
  {
431
+ "epoch": 14.79,
432
+ "learning_rate": 7.177777777777778e-06,
433
+ "loss": 0.0018,
434
  "step": 1775
435
  },
436
+ {
437
+ "epoch": 15.0,
438
+ "learning_rate": 7.122222222222222e-06,
439
+ "loss": 0.0015,
440
+ "step": 1800
441
+ },
442
+ {
443
+ "epoch": 15.21,
444
+ "learning_rate": 7.066666666666667e-06,
445
+ "loss": 0.0017,
446
+ "step": 1825
447
+ },
448
+ {
449
+ "epoch": 15.42,
450
+ "learning_rate": 7.011111111111112e-06,
451
+ "loss": 0.0014,
452
+ "step": 1850
453
+ },
454
+ {
455
+ "epoch": 15.62,
456
+ "learning_rate": 6.955555555555557e-06,
457
+ "loss": 0.0018,
458
+ "step": 1875
459
+ },
460
+ {
461
+ "epoch": 15.83,
462
+ "learning_rate": 6.9e-06,
463
+ "loss": 0.0018,
464
+ "step": 1900
465
+ },
466
+ {
467
+ "epoch": 16.04,
468
+ "learning_rate": 6.844444444444445e-06,
469
+ "loss": 0.0021,
470
+ "step": 1925
471
+ },
472
+ {
473
+ "epoch": 16.25,
474
+ "learning_rate": 6.788888888888889e-06,
475
+ "loss": 0.0024,
476
+ "step": 1950
477
+ },
478
+ {
479
+ "epoch": 16.46,
480
+ "learning_rate": 6.733333333333334e-06,
481
+ "loss": 0.0019,
482
+ "step": 1975
483
+ },
484
  {
485
  "epoch": 16.67,
486
+ "learning_rate": 6.677777777777779e-06,
487
+ "loss": 0.0018,
488
+ "step": 2000
489
+ },
490
+ {
491
+ "epoch": 16.88,
492
+ "learning_rate": 6.6222222222222236e-06,
493
+ "loss": 0.0021,
494
+ "step": 2025
495
+ },
496
+ {
497
+ "epoch": 17.08,
498
+ "learning_rate": 6.566666666666667e-06,
499
+ "loss": 0.0019,
500
+ "step": 2050
501
+ },
502
+ {
503
+ "epoch": 17.29,
504
+ "learning_rate": 6.511111111111112e-06,
505
+ "loss": 0.0017,
506
+ "step": 2075
507
+ },
508
+ {
509
+ "epoch": 17.5,
510
+ "learning_rate": 6.455555555555556e-06,
511
+ "loss": 0.0013,
512
+ "step": 2100
513
+ },
514
+ {
515
+ "epoch": 17.71,
516
+ "learning_rate": 6.4000000000000006e-06,
517
+ "loss": 0.0021,
518
+ "step": 2125
519
+ },
520
+ {
521
+ "epoch": 17.92,
522
+ "learning_rate": 6.3444444444444454e-06,
523
+ "loss": 0.0015,
524
+ "step": 2150
525
+ },
526
+ {
527
+ "epoch": 18.12,
528
+ "learning_rate": 6.28888888888889e-06,
529
+ "loss": 0.0015,
530
+ "step": 2175
531
+ },
532
+ {
533
+ "epoch": 18.33,
534
+ "learning_rate": 6.2333333333333335e-06,
535
+ "loss": 0.0016,
536
+ "step": 2200
537
+ },
538
+ {
539
+ "epoch": 18.54,
540
+ "learning_rate": 6.177777777777778e-06,
541
+ "loss": 0.0014,
542
+ "step": 2225
543
+ },
544
+ {
545
+ "epoch": 18.75,
546
+ "learning_rate": 6.1222222222222224e-06,
547
+ "loss": 0.0017,
548
+ "step": 2250
549
+ },
550
+ {
551
+ "epoch": 18.96,
552
+ "learning_rate": 6.066666666666667e-06,
553
+ "loss": 0.0015,
554
+ "step": 2275
555
+ },
556
+ {
557
+ "epoch": 19.17,
558
+ "learning_rate": 6.011111111111112e-06,
559
+ "loss": 0.0016,
560
+ "step": 2300
561
+ },
562
+ {
563
+ "epoch": 19.38,
564
+ "learning_rate": 5.955555555555555e-06,
565
+ "loss": 0.0014,
566
+ "step": 2325
567
+ },
568
+ {
569
+ "epoch": 19.58,
570
+ "learning_rate": 5.9e-06,
571
+ "loss": 0.0013,
572
+ "step": 2350
573
+ },
574
+ {
575
+ "epoch": 19.79,
576
+ "learning_rate": 5.844444444444445e-06,
577
+ "loss": 0.0013,
578
+ "step": 2375
579
+ },
580
+ {
581
+ "epoch": 20.0,
582
+ "learning_rate": 5.788888888888889e-06,
583
+ "loss": 0.0014,
584
+ "step": 2400
585
+ },
586
+ {
587
+ "epoch": 20.21,
588
+ "learning_rate": 5.733333333333334e-06,
589
+ "loss": 0.0009,
590
+ "step": 2425
591
+ },
592
+ {
593
+ "epoch": 20.42,
594
+ "learning_rate": 5.677777777777779e-06,
595
+ "loss": 0.0012,
596
+ "step": 2450
597
+ },
598
+ {
599
+ "epoch": 20.62,
600
+ "learning_rate": 5.622222222222222e-06,
601
+ "loss": 0.0014,
602
+ "step": 2475
603
+ },
604
+ {
605
+ "epoch": 20.83,
606
+ "learning_rate": 5.566666666666667e-06,
607
+ "loss": 0.0011,
608
+ "step": 2500
609
+ },
610
+ {
611
+ "epoch": 21.04,
612
+ "learning_rate": 5.511111111111112e-06,
613
+ "loss": 0.0011,
614
+ "step": 2525
615
+ },
616
+ {
617
+ "epoch": 21.25,
618
+ "learning_rate": 5.455555555555556e-06,
619
+ "loss": 0.001,
620
+ "step": 2550
621
+ },
622
+ {
623
+ "epoch": 21.46,
624
+ "learning_rate": 5.400000000000001e-06,
625
+ "loss": 0.0011,
626
+ "step": 2575
627
+ },
628
+ {
629
+ "epoch": 21.67,
630
+ "learning_rate": 5.344444444444446e-06,
631
+ "loss": 0.001,
632
+ "step": 2600
633
+ },
634
+ {
635
+ "epoch": 21.88,
636
+ "learning_rate": 5.288888888888889e-06,
637
+ "loss": 0.0012,
638
+ "step": 2625
639
+ },
640
+ {
641
+ "epoch": 22.08,
642
+ "learning_rate": 5.233333333333334e-06,
643
+ "loss": 0.0008,
644
+ "step": 2650
645
+ },
646
+ {
647
+ "epoch": 22.29,
648
+ "learning_rate": 5.177777777777779e-06,
649
+ "loss": 0.0007,
650
+ "step": 2675
651
+ },
652
+ {
653
+ "epoch": 22.5,
654
+ "learning_rate": 5.122222222222223e-06,
655
+ "loss": 0.0007,
656
+ "step": 2700
657
+ },
658
+ {
659
+ "epoch": 22.71,
660
+ "learning_rate": 5.0666666666666676e-06,
661
+ "loss": 0.0009,
662
+ "step": 2725
663
+ },
664
+ {
665
+ "epoch": 22.92,
666
+ "learning_rate": 5.011111111111111e-06,
667
+ "loss": 0.0006,
668
+ "step": 2750
669
+ },
670
+ {
671
+ "epoch": 23.12,
672
+ "learning_rate": 4.9555555555555565e-06,
673
+ "loss": 0.0006,
674
+ "step": 2775
675
+ },
676
+ {
677
+ "epoch": 23.33,
678
+ "learning_rate": 4.9000000000000005e-06,
679
+ "loss": 0.0003,
680
+ "step": 2800
681
+ },
682
+ {
683
+ "epoch": 23.54,
684
+ "learning_rate": 4.8444444444444446e-06,
685
+ "loss": 0.0007,
686
+ "step": 2825
687
+ },
688
+ {
689
+ "epoch": 23.75,
690
+ "learning_rate": 4.7888888888888894e-06,
691
+ "loss": 0.0004,
692
+ "step": 2850
693
+ },
694
+ {
695
+ "epoch": 23.96,
696
+ "learning_rate": 4.7333333333333335e-06,
697
+ "loss": 0.0004,
698
+ "step": 2875
699
+ },
700
+ {
701
+ "epoch": 24.17,
702
+ "learning_rate": 4.677777777777778e-06,
703
+ "loss": 0.0003,
704
+ "step": 2900
705
+ },
706
+ {
707
+ "epoch": 24.38,
708
+ "learning_rate": 4.622222222222222e-06,
709
+ "loss": 0.0003,
710
+ "step": 2925
711
+ },
712
+ {
713
+ "epoch": 24.58,
714
+ "learning_rate": 4.566666666666667e-06,
715
+ "loss": 0.0003,
716
+ "step": 2950
717
+ },
718
+ {
719
+ "epoch": 24.79,
720
+ "learning_rate": 4.511111111111111e-06,
721
+ "loss": 0.0003,
722
+ "step": 2975
723
+ },
724
+ {
725
+ "epoch": 25.0,
726
+ "learning_rate": 4.455555555555555e-06,
727
+ "loss": 0.0002,
728
+ "step": 3000
729
+ },
730
+ {
731
+ "epoch": 25.21,
732
+ "learning_rate": 4.404444444444445e-06,
733
+ "loss": 0.0002,
734
+ "step": 3025
735
+ },
736
+ {
737
+ "epoch": 25.42,
738
+ "learning_rate": 4.348888888888889e-06,
739
+ "loss": 0.0002,
740
+ "step": 3050
741
+ },
742
+ {
743
+ "epoch": 25.62,
744
+ "learning_rate": 4.2933333333333334e-06,
745
+ "loss": 0.0002,
746
+ "step": 3075
747
+ },
748
+ {
749
+ "epoch": 25.83,
750
+ "learning_rate": 4.2377777777777775e-06,
751
+ "loss": 0.0002,
752
+ "step": 3100
753
+ },
754
+ {
755
+ "epoch": 26.04,
756
+ "learning_rate": 4.182222222222222e-06,
757
+ "loss": 0.0002,
758
+ "step": 3125
759
+ },
760
+ {
761
+ "epoch": 26.25,
762
+ "learning_rate": 4.126666666666667e-06,
763
+ "loss": 0.0003,
764
+ "step": 3150
765
+ },
766
+ {
767
+ "epoch": 26.46,
768
+ "learning_rate": 4.071111111111111e-06,
769
+ "loss": 0.0002,
770
+ "step": 3175
771
+ },
772
+ {
773
+ "epoch": 26.67,
774
+ "learning_rate": 4.015555555555556e-06,
775
+ "loss": 0.0003,
776
+ "step": 3200
777
+ },
778
+ {
779
+ "epoch": 26.88,
780
+ "learning_rate": 3.96e-06,
781
+ "loss": 0.0002,
782
+ "step": 3225
783
+ },
784
+ {
785
+ "epoch": 27.08,
786
+ "learning_rate": 3.904444444444444e-06,
787
  "loss": 0.0001,
788
+ "step": 3250
789
  },
790
  {
791
+ "epoch": 27.29,
792
+ "learning_rate": 3.848888888888889e-06,
793
+ "loss": 0.0002,
794
+ "step": 3275
795
+ },
796
+ {
797
+ "epoch": 27.5,
798
+ "learning_rate": 3.793333333333334e-06,
799
+ "loss": 0.0002,
800
+ "step": 3300
801
+ },
802
+ {
803
+ "epoch": 27.71,
804
+ "learning_rate": 3.737777777777778e-06,
805
+ "loss": 0.0002,
806
+ "step": 3325
807
+ },
808
+ {
809
+ "epoch": 27.92,
810
+ "learning_rate": 3.6822222222222225e-06,
811
  "loss": 0.0001,
812
+ "step": 3350
813
  },
814
  {
815
+ "epoch": 28.12,
816
+ "learning_rate": 3.6266666666666674e-06,
817
  "loss": 0.0001,
818
+ "step": 3375
819
  },
820
  {
821
+ "epoch": 28.33,
822
+ "learning_rate": 3.5711111111111114e-06,
823
  "loss": 0.0001,
824
+ "step": 3400
825
  },
826
  {
827
+ "epoch": 28.54,
828
+ "learning_rate": 3.515555555555556e-06,
829
+ "loss": 0.0002,
830
+ "step": 3425
831
+ },
832
+ {
833
+ "epoch": 28.75,
834
+ "learning_rate": 3.46e-06,
835
  "loss": 0.0001,
836
+ "step": 3450
837
  },
838
  {
839
+ "epoch": 28.96,
840
+ "learning_rate": 3.404444444444445e-06,
841
  "loss": 0.0001,
842
+ "step": 3475
843
  },
844
  {
845
+ "epoch": 29.17,
846
+ "learning_rate": 3.3488888888888892e-06,
847
  "loss": 0.0001,
848
+ "step": 3500
849
  },
850
  {
851
+ "epoch": 29.38,
852
+ "learning_rate": 3.2933333333333333e-06,
853
  "loss": 0.0001,
854
+ "step": 3525
855
  },
856
  {
857
+ "epoch": 29.58,
858
+ "learning_rate": 3.237777777777778e-06,
859
  "loss": 0.0001,
860
+ "step": 3550
861
  },
862
  {
863
+ "epoch": 29.79,
864
+ "learning_rate": 3.1822222222222226e-06,
865
+ "loss": 0.0001,
866
+ "step": 3575
867
+ },
868
+ {
869
+ "epoch": 30.0,
870
+ "learning_rate": 3.1266666666666667e-06,
871
+ "loss": 0.0001,
872
+ "step": 3600
873
+ },
874
+ {
875
+ "epoch": 30.21,
876
+ "learning_rate": 3.0711111111111115e-06,
877
+ "loss": 0.0001,
878
+ "step": 3625
879
+ },
880
+ {
881
+ "epoch": 30.42,
882
+ "learning_rate": 3.015555555555556e-06,
883
+ "loss": 0.0001,
884
+ "step": 3650
885
+ },
886
+ {
887
+ "epoch": 30.62,
888
+ "learning_rate": 2.96e-06,
889
+ "loss": 0.0001,
890
+ "step": 3675
891
+ },
892
+ {
893
+ "epoch": 30.83,
894
+ "learning_rate": 2.904444444444445e-06,
895
+ "loss": 0.0001,
896
+ "step": 3700
897
+ },
898
+ {
899
+ "epoch": 31.04,
900
+ "learning_rate": 2.8488888888888894e-06,
901
+ "loss": 0.0001,
902
+ "step": 3725
903
+ },
904
+ {
905
+ "epoch": 31.25,
906
+ "learning_rate": 2.7933333333333334e-06,
907
+ "loss": 0.0001,
908
+ "step": 3750
909
+ },
910
+ {
911
+ "epoch": 31.46,
912
+ "learning_rate": 2.7377777777777783e-06,
913
+ "loss": 0.0001,
914
+ "step": 3775
915
+ },
916
+ {
917
+ "epoch": 31.67,
918
+ "learning_rate": 2.6822222222222223e-06,
919
+ "loss": 0.0001,
920
+ "step": 3800
921
+ },
922
+ {
923
+ "epoch": 31.88,
924
+ "learning_rate": 2.6266666666666668e-06,
925
+ "loss": 0.0001,
926
+ "step": 3825
927
+ },
928
+ {
929
+ "epoch": 32.08,
930
+ "learning_rate": 2.5711111111111112e-06,
931
+ "loss": 0.0001,
932
+ "step": 3850
933
+ },
934
+ {
935
+ "epoch": 32.29,
936
+ "learning_rate": 2.5155555555555557e-06,
937
+ "loss": 0.0001,
938
+ "step": 3875
939
+ },
940
+ {
941
+ "epoch": 32.5,
942
+ "learning_rate": 2.46e-06,
943
+ "loss": 0.0001,
944
+ "step": 3900
945
+ },
946
+ {
947
+ "epoch": 32.71,
948
+ "learning_rate": 2.4044444444444446e-06,
949
+ "loss": 0.0001,
950
+ "step": 3925
951
+ },
952
+ {
953
+ "epoch": 32.92,
954
+ "learning_rate": 2.348888888888889e-06,
955
+ "loss": 0.0001,
956
+ "step": 3950
957
+ },
958
+ {
959
+ "epoch": 33.12,
960
+ "learning_rate": 2.2933333333333335e-06,
961
+ "loss": 0.0001,
962
+ "step": 3975
963
+ },
964
+ {
965
+ "epoch": 33.33,
966
+ "learning_rate": 2.237777777777778e-06,
967
+ "loss": 0.0001,
968
+ "step": 4000
969
+ },
970
+ {
971
+ "epoch": 33.54,
972
+ "learning_rate": 2.1866666666666668e-06,
973
+ "loss": 0.0001,
974
+ "step": 4025
975
+ },
976
+ {
977
+ "epoch": 33.75,
978
+ "learning_rate": 2.1311111111111112e-06,
979
+ "loss": 0.0001,
980
+ "step": 4050
981
+ },
982
+ {
983
+ "epoch": 33.96,
984
+ "learning_rate": 2.0755555555555557e-06,
985
+ "loss": 0.0001,
986
+ "step": 4075
987
+ },
988
+ {
989
+ "epoch": 34.17,
990
+ "learning_rate": 2.02e-06,
991
+ "loss": 0.0001,
992
+ "step": 4100
993
+ },
994
+ {
995
+ "epoch": 34.38,
996
+ "learning_rate": 1.9644444444444446e-06,
997
+ "loss": 0.0001,
998
+ "step": 4125
999
+ },
1000
+ {
1001
+ "epoch": 34.58,
1002
+ "learning_rate": 1.908888888888889e-06,
1003
+ "loss": 0.0001,
1004
+ "step": 4150
1005
+ },
1006
+ {
1007
+ "epoch": 34.79,
1008
+ "learning_rate": 1.8533333333333333e-06,
1009
+ "loss": 0.0001,
1010
+ "step": 4175
1011
+ },
1012
+ {
1013
+ "epoch": 35.0,
1014
+ "learning_rate": 1.797777777777778e-06,
1015
+ "loss": 0.0001,
1016
+ "step": 4200
1017
+ },
1018
+ {
1019
+ "epoch": 35.21,
1020
+ "learning_rate": 1.7422222222222224e-06,
1021
+ "loss": 0.0001,
1022
+ "step": 4225
1023
+ },
1024
+ {
1025
+ "epoch": 35.42,
1026
+ "learning_rate": 1.6866666666666667e-06,
1027
+ "loss": 0.0001,
1028
+ "step": 4250
1029
+ },
1030
+ {
1031
+ "epoch": 35.62,
1032
+ "learning_rate": 1.6311111111111114e-06,
1033
+ "loss": 0.0001,
1034
+ "step": 4275
1035
+ },
1036
+ {
1037
+ "epoch": 35.83,
1038
+ "learning_rate": 1.5755555555555558e-06,
1039
+ "loss": 0.0001,
1040
+ "step": 4300
1041
+ },
1042
+ {
1043
+ "epoch": 36.04,
1044
+ "learning_rate": 1.52e-06,
1045
+ "loss": 0.0001,
1046
+ "step": 4325
1047
+ },
1048
+ {
1049
+ "epoch": 36.25,
1050
+ "learning_rate": 1.4644444444444445e-06,
1051
+ "loss": 0.0001,
1052
+ "step": 4350
1053
+ },
1054
+ {
1055
+ "epoch": 36.46,
1056
+ "learning_rate": 1.4088888888888892e-06,
1057
+ "loss": 0.0001,
1058
+ "step": 4375
1059
+ },
1060
+ {
1061
+ "epoch": 36.67,
1062
+ "learning_rate": 1.3533333333333334e-06,
1063
+ "loss": 0.0001,
1064
+ "step": 4400
1065
+ },
1066
+ {
1067
+ "epoch": 36.88,
1068
+ "learning_rate": 1.2977777777777779e-06,
1069
+ "loss": 0.0001,
1070
+ "step": 4425
1071
+ },
1072
+ {
1073
+ "epoch": 37.08,
1074
+ "learning_rate": 1.2422222222222224e-06,
1075
+ "loss": 0.0001,
1076
+ "step": 4450
1077
+ },
1078
+ {
1079
+ "epoch": 37.29,
1080
+ "learning_rate": 1.1866666666666668e-06,
1081
+ "loss": 0.0001,
1082
+ "step": 4475
1083
+ },
1084
+ {
1085
+ "epoch": 37.5,
1086
+ "learning_rate": 1.131111111111111e-06,
1087
+ "loss": 0.0001,
1088
+ "step": 4500
1089
+ },
1090
+ {
1091
+ "epoch": 37.71,
1092
+ "learning_rate": 1.0755555555555557e-06,
1093
+ "loss": 0.0001,
1094
+ "step": 4525
1095
+ },
1096
+ {
1097
+ "epoch": 37.92,
1098
+ "learning_rate": 1.02e-06,
1099
+ "loss": 0.0001,
1100
+ "step": 4550
1101
+ },
1102
+ {
1103
+ "epoch": 38.12,
1104
+ "learning_rate": 9.644444444444444e-07,
1105
+ "loss": 0.0001,
1106
+ "step": 4575
1107
+ },
1108
+ {
1109
+ "epoch": 38.33,
1110
+ "learning_rate": 9.08888888888889e-07,
1111
+ "loss": 0.0001,
1112
+ "step": 4600
1113
+ },
1114
+ {
1115
+ "epoch": 38.54,
1116
+ "learning_rate": 8.533333333333334e-07,
1117
+ "loss": 0.0001,
1118
+ "step": 4625
1119
+ },
1120
+ {
1121
+ "epoch": 38.75,
1122
+ "learning_rate": 7.977777777777779e-07,
1123
+ "loss": 0.0001,
1124
+ "step": 4650
1125
+ },
1126
+ {
1127
+ "epoch": 38.96,
1128
+ "learning_rate": 7.422222222222223e-07,
1129
+ "loss": 0.0001,
1130
+ "step": 4675
1131
+ },
1132
+ {
1133
+ "epoch": 39.17,
1134
+ "learning_rate": 6.866666666666667e-07,
1135
+ "loss": 0.0001,
1136
+ "step": 4700
1137
+ },
1138
+ {
1139
+ "epoch": 39.38,
1140
+ "learning_rate": 6.311111111111112e-07,
1141
+ "loss": 0.0001,
1142
+ "step": 4725
1143
+ },
1144
+ {
1145
+ "epoch": 39.58,
1146
+ "learning_rate": 5.755555555555555e-07,
1147
+ "loss": 0.0001,
1148
+ "step": 4750
1149
+ },
1150
+ {
1151
+ "epoch": 39.79,
1152
+ "learning_rate": 5.2e-07,
1153
+ "loss": 0.0001,
1154
+ "step": 4775
1155
+ },
1156
+ {
1157
+ "epoch": 40.0,
1158
+ "learning_rate": 4.6444444444444446e-07,
1159
+ "loss": 0.0001,
1160
+ "step": 4800
1161
+ },
1162
+ {
1163
+ "epoch": 40.21,
1164
+ "learning_rate": 4.0888888888888897e-07,
1165
+ "loss": 0.0001,
1166
+ "step": 4825
1167
+ },
1168
+ {
1169
+ "epoch": 40.42,
1170
+ "learning_rate": 3.533333333333334e-07,
1171
+ "loss": 0.0001,
1172
+ "step": 4850
1173
+ },
1174
+ {
1175
+ "epoch": 40.62,
1176
+ "learning_rate": 2.977777777777778e-07,
1177
+ "loss": 0.0001,
1178
+ "step": 4875
1179
+ },
1180
+ {
1181
+ "epoch": 40.83,
1182
+ "learning_rate": 2.4222222222222224e-07,
1183
+ "loss": 0.0001,
1184
+ "step": 4900
1185
+ },
1186
+ {
1187
+ "epoch": 41.04,
1188
+ "learning_rate": 1.866666666666667e-07,
1189
+ "loss": 0.0001,
1190
+ "step": 4925
1191
+ },
1192
+ {
1193
+ "epoch": 41.25,
1194
+ "learning_rate": 1.3111111111111113e-07,
1195
+ "loss": 0.0001,
1196
+ "step": 4950
1197
+ },
1198
+ {
1199
+ "epoch": 41.46,
1200
+ "learning_rate": 7.555555555555556e-08,
1201
+ "loss": 0.0001,
1202
+ "step": 4975
1203
+ },
1204
+ {
1205
+ "epoch": 41.67,
1206
+ "learning_rate": 2e-08,
1207
+ "loss": 0.0001,
1208
+ "step": 5000
1209
+ },
1210
+ {
1211
+ "epoch": 41.67,
1212
+ "eval_loss": 0.345458984375,
1213
+ "eval_runtime": 344.0011,
1214
+ "eval_samples_per_second": 5.901,
1215
+ "eval_steps_per_second": 0.186,
1216
+ "eval_wer": 17.947723376834624,
1217
+ "step": 5000
1218
  },
1219
  {
1220
+ "epoch": 41.67,
1221
+ "step": 5000,
1222
+ "total_flos": 1.6225066659249494e+20,
1223
+ "train_loss": 0.02298767093420029,
1224
+ "train_runtime": 31651.1636,
1225
+ "train_samples_per_second": 5.055,
1226
+ "train_steps_per_second": 0.158
1227
  }
1228
  ],
1229
+ "max_steps": 5000,
1230
+ "num_train_epochs": 42,
1231
+ "total_flos": 1.6225066659249494e+20,
1232
  "trial_name": null,
1233
  "trial_params": null
1234
  }
training_args.bin CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:5d9c720edc84c80e54c9cc1d544cc799188d7b98a6d7f6985761f11f56fdcf46
3
  size 4731
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:faf5417f1671844821e708f0d99b9717f45d1adab1b8fbbfe170676b5af68ed8
3
  size 4731
vocab.json CHANGED
@@ -314,7 +314,6 @@
314
  ";;": 35746,
315
  "<": 27,
316
  "</": 3433,
317
- "<|endoftext|>": 50257,
318
  "=": 28,
319
  "=\"": 13114,
320
  "=\"#": 34106,
 
314
  ";;": 35746,
315
  "<": 27,
316
  "</": 3433,
 
317
  "=": 28,
318
  "=\"": 13114,
319
  "=\"#": 34106,