Add files using upload-large-folder tool
Browse filesThis view is limited to 50 files because it contains too many changes.
See raw diff
- cross_cell_type_generization/L1/Neutrophils/fold3/checkpoint-1309/trainer_state.json +398 -0
- scaling_performance/2000/.DS_Store +0 -0
- scaling_performance/2000/L2/.DS_Store +0 -0
- scaling_performance/2000/L2/fold0/all_results.json +8 -0
- scaling_performance/2000/L2/fold0/checkpoint-208/config.json +25 -0
- scaling_performance/2000/L2/fold0/checkpoint-208/trainer_state.json +770 -0
- scaling_performance/2000/L2/fold0/config.json +25 -0
- scaling_performance/2000/L2/fold0/eval_results.json +8 -0
- scaling_performance/2000/L2/fold1/all_results.json +8 -0
- scaling_performance/2000/L2/fold1/checkpoint-320/config.json +25 -0
- scaling_performance/2000/L2/fold1/checkpoint-320/trainer_state.json +1176 -0
- scaling_performance/2000/L2/fold1/config.json +25 -0
- scaling_performance/2000/L2/fold1/eval_results.json +8 -0
- scaling_performance/2000/L2/fold2/all_results.json +8 -0
- scaling_performance/2000/L2/fold2/checkpoint-176/config.json +25 -0
- scaling_performance/2000/L2/fold2/checkpoint-176/trainer_state.json +654 -0
- scaling_performance/2000/L2/fold2/config.json +25 -0
- scaling_performance/2000/L2/fold2/eval_results.json +8 -0
- scaling_performance/2000/L2/fold3/all_results.json +8 -0
- scaling_performance/2000/L2/fold3/checkpoint-128/config.json +25 -0
- scaling_performance/2000/L2/fold3/checkpoint-128/trainer_state.json +480 -0
- scaling_performance/2000/L2/fold3/config.json +25 -0
- scaling_performance/2000/L2/fold3/eval_results.json +8 -0
- scaling_performance/2000/L2/fold4/all_results.json +8 -0
- scaling_performance/2000/L2/fold4/checkpoint-160/config.json +25 -0
- scaling_performance/2000/L2/fold4/checkpoint-160/trainer_state.json +596 -0
- scaling_performance/2000/L2/fold4/config.json +25 -0
- scaling_performance/2000/L2/fold4/eval_results.json +8 -0
- scaling_performance/2000/L4/.DS_Store +0 -0
- scaling_performance/2000/L4/fold0/all_results.json +8 -0
- scaling_performance/2000/L4/fold0/checkpoint-208/config.json +25 -0
- scaling_performance/2000/L4/fold0/checkpoint-208/trainer_state.json +770 -0
- scaling_performance/2000/L4/fold0/config.json +25 -0
- scaling_performance/2000/L4/fold0/eval_results.json +8 -0
- scaling_performance/2000/L4/fold1/all_results.json +8 -0
- scaling_performance/2000/L4/fold1/checkpoint-320/config.json +25 -0
- scaling_performance/2000/L4/fold1/checkpoint-320/trainer_state.json +1176 -0
- scaling_performance/2000/L4/fold1/config.json +25 -0
- scaling_performance/2000/L4/fold1/eval_results.json +8 -0
- scaling_performance/2000/L4/fold2/all_results.json +8 -0
- scaling_performance/2000/L4/fold2/checkpoint-176/config.json +25 -0
- scaling_performance/2000/L4/fold2/checkpoint-176/trainer_state.json +654 -0
- scaling_performance/2000/L4/fold2/config.json +25 -0
- scaling_performance/2000/L4/fold2/eval_results.json +8 -0
- scaling_performance/2000/L4/fold3/all_results.json +8 -0
- scaling_performance/2000/L4/fold3/checkpoint-112/config.json +25 -0
- scaling_performance/2000/L4/fold3/checkpoint-112/trainer_state.json +422 -0
- scaling_performance/2000/L4/fold3/config.json +25 -0
- scaling_performance/2000/L4/fold3/eval_results.json +8 -0
- scaling_performance/2000/L4/fold4/all_results.json +8 -0
cross_cell_type_generization/L1/Neutrophils/fold3/checkpoint-1309/trainer_state.json
ADDED
|
@@ -0,0 +1,398 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_metric": 0.4226238429546356,
|
| 3 |
+
"best_model_checkpoint": "/vsphhome/fengguoqing/Geneformer/models/data_diversity/L1/Neutrophils/fold3/checkpoint-935",
|
| 4 |
+
"epoch": 7.0,
|
| 5 |
+
"global_step": 1309,
|
| 6 |
+
"is_hyper_param_search": false,
|
| 7 |
+
"is_local_process_zero": true,
|
| 8 |
+
"is_world_process_zero": true,
|
| 9 |
+
"log_history": [
|
| 10 |
+
{
|
| 11 |
+
"epoch": 0.13,
|
| 12 |
+
"learning_rate": 2.5e-06,
|
| 13 |
+
"loss": 0.6975,
|
| 14 |
+
"step": 25
|
| 15 |
+
},
|
| 16 |
+
{
|
| 17 |
+
"epoch": 0.27,
|
| 18 |
+
"learning_rate": 5e-06,
|
| 19 |
+
"loss": 0.6966,
|
| 20 |
+
"step": 50
|
| 21 |
+
},
|
| 22 |
+
{
|
| 23 |
+
"epoch": 0.4,
|
| 24 |
+
"learning_rate": 7.5e-06,
|
| 25 |
+
"loss": 0.6943,
|
| 26 |
+
"step": 75
|
| 27 |
+
},
|
| 28 |
+
{
|
| 29 |
+
"epoch": 0.53,
|
| 30 |
+
"learning_rate": 1e-05,
|
| 31 |
+
"loss": 0.6909,
|
| 32 |
+
"step": 100
|
| 33 |
+
},
|
| 34 |
+
{
|
| 35 |
+
"epoch": 0.67,
|
| 36 |
+
"learning_rate": 1.25e-05,
|
| 37 |
+
"loss": 0.693,
|
| 38 |
+
"step": 125
|
| 39 |
+
},
|
| 40 |
+
{
|
| 41 |
+
"epoch": 0.8,
|
| 42 |
+
"learning_rate": 1.5e-05,
|
| 43 |
+
"loss": 0.6925,
|
| 44 |
+
"step": 150
|
| 45 |
+
},
|
| 46 |
+
{
|
| 47 |
+
"epoch": 0.94,
|
| 48 |
+
"learning_rate": 1.75e-05,
|
| 49 |
+
"loss": 0.6932,
|
| 50 |
+
"step": 175
|
| 51 |
+
},
|
| 52 |
+
{
|
| 53 |
+
"epoch": 1.0,
|
| 54 |
+
"eval_accuracy": 0.5154766817994222,
|
| 55 |
+
"eval_loss": 0.691068708896637,
|
| 56 |
+
"eval_macro_f1": 0.4829185650936648,
|
| 57 |
+
"eval_runtime": 12.1349,
|
| 58 |
+
"eval_samples_per_second": 399.345,
|
| 59 |
+
"eval_steps_per_second": 3.873,
|
| 60 |
+
"step": 187
|
| 61 |
+
},
|
| 62 |
+
{
|
| 63 |
+
"epoch": 1.07,
|
| 64 |
+
"learning_rate": 2e-05,
|
| 65 |
+
"loss": 0.689,
|
| 66 |
+
"step": 200
|
| 67 |
+
},
|
| 68 |
+
{
|
| 69 |
+
"epoch": 1.2,
|
| 70 |
+
"learning_rate": 2.25e-05,
|
| 71 |
+
"loss": 0.6908,
|
| 72 |
+
"step": 225
|
| 73 |
+
},
|
| 74 |
+
{
|
| 75 |
+
"epoch": 1.34,
|
| 76 |
+
"learning_rate": 2.5e-05,
|
| 77 |
+
"loss": 0.6886,
|
| 78 |
+
"step": 250
|
| 79 |
+
},
|
| 80 |
+
{
|
| 81 |
+
"epoch": 1.47,
|
| 82 |
+
"learning_rate": 2.7500000000000004e-05,
|
| 83 |
+
"loss": 0.6884,
|
| 84 |
+
"step": 275
|
| 85 |
+
},
|
| 86 |
+
{
|
| 87 |
+
"epoch": 1.6,
|
| 88 |
+
"learning_rate": 3e-05,
|
| 89 |
+
"loss": 0.6875,
|
| 90 |
+
"step": 300
|
| 91 |
+
},
|
| 92 |
+
{
|
| 93 |
+
"epoch": 1.74,
|
| 94 |
+
"learning_rate": 3.2500000000000004e-05,
|
| 95 |
+
"loss": 0.6887,
|
| 96 |
+
"step": 325
|
| 97 |
+
},
|
| 98 |
+
{
|
| 99 |
+
"epoch": 1.87,
|
| 100 |
+
"learning_rate": 3.5e-05,
|
| 101 |
+
"loss": 0.6864,
|
| 102 |
+
"step": 350
|
| 103 |
+
},
|
| 104 |
+
{
|
| 105 |
+
"epoch": 2.0,
|
| 106 |
+
"eval_accuracy": 0.5435410647957079,
|
| 107 |
+
"eval_loss": 0.6844078302383423,
|
| 108 |
+
"eval_macro_f1": 0.43449410435016383,
|
| 109 |
+
"eval_runtime": 11.9965,
|
| 110 |
+
"eval_samples_per_second": 403.952,
|
| 111 |
+
"eval_steps_per_second": 3.918,
|
| 112 |
+
"step": 374
|
| 113 |
+
},
|
| 114 |
+
{
|
| 115 |
+
"epoch": 2.01,
|
| 116 |
+
"learning_rate": 3.7500000000000003e-05,
|
| 117 |
+
"loss": 0.6836,
|
| 118 |
+
"step": 375
|
| 119 |
+
},
|
| 120 |
+
{
|
| 121 |
+
"epoch": 2.14,
|
| 122 |
+
"learning_rate": 4e-05,
|
| 123 |
+
"loss": 0.6815,
|
| 124 |
+
"step": 400
|
| 125 |
+
},
|
| 126 |
+
{
|
| 127 |
+
"epoch": 2.27,
|
| 128 |
+
"learning_rate": 4.25e-05,
|
| 129 |
+
"loss": 0.6778,
|
| 130 |
+
"step": 425
|
| 131 |
+
},
|
| 132 |
+
{
|
| 133 |
+
"epoch": 2.41,
|
| 134 |
+
"learning_rate": 4.5e-05,
|
| 135 |
+
"loss": 0.6637,
|
| 136 |
+
"step": 450
|
| 137 |
+
},
|
| 138 |
+
{
|
| 139 |
+
"epoch": 2.54,
|
| 140 |
+
"learning_rate": 4.75e-05,
|
| 141 |
+
"loss": 0.6206,
|
| 142 |
+
"step": 475
|
| 143 |
+
},
|
| 144 |
+
{
|
| 145 |
+
"epoch": 2.67,
|
| 146 |
+
"learning_rate": 5e-05,
|
| 147 |
+
"loss": 0.565,
|
| 148 |
+
"step": 500
|
| 149 |
+
},
|
| 150 |
+
{
|
| 151 |
+
"epoch": 2.81,
|
| 152 |
+
"learning_rate": 4.9858757062146896e-05,
|
| 153 |
+
"loss": 0.5312,
|
| 154 |
+
"step": 525
|
| 155 |
+
},
|
| 156 |
+
{
|
| 157 |
+
"epoch": 2.94,
|
| 158 |
+
"learning_rate": 4.971751412429379e-05,
|
| 159 |
+
"loss": 0.4995,
|
| 160 |
+
"step": 550
|
| 161 |
+
},
|
| 162 |
+
{
|
| 163 |
+
"epoch": 3.0,
|
| 164 |
+
"eval_accuracy": 0.7602146099876187,
|
| 165 |
+
"eval_loss": 0.4883873462677002,
|
| 166 |
+
"eval_macro_f1": 0.7547402082097463,
|
| 167 |
+
"eval_runtime": 11.6796,
|
| 168 |
+
"eval_samples_per_second": 414.91,
|
| 169 |
+
"eval_steps_per_second": 4.024,
|
| 170 |
+
"step": 561
|
| 171 |
+
},
|
| 172 |
+
{
|
| 173 |
+
"epoch": 3.07,
|
| 174 |
+
"learning_rate": 4.957627118644068e-05,
|
| 175 |
+
"loss": 0.4676,
|
| 176 |
+
"step": 575
|
| 177 |
+
},
|
| 178 |
+
{
|
| 179 |
+
"epoch": 3.21,
|
| 180 |
+
"learning_rate": 4.9435028248587575e-05,
|
| 181 |
+
"loss": 0.4293,
|
| 182 |
+
"step": 600
|
| 183 |
+
},
|
| 184 |
+
{
|
| 185 |
+
"epoch": 3.34,
|
| 186 |
+
"learning_rate": 4.929378531073446e-05,
|
| 187 |
+
"loss": 0.4152,
|
| 188 |
+
"step": 625
|
| 189 |
+
},
|
| 190 |
+
{
|
| 191 |
+
"epoch": 3.48,
|
| 192 |
+
"learning_rate": 4.915254237288136e-05,
|
| 193 |
+
"loss": 0.4157,
|
| 194 |
+
"step": 650
|
| 195 |
+
},
|
| 196 |
+
{
|
| 197 |
+
"epoch": 3.61,
|
| 198 |
+
"learning_rate": 4.9011299435028255e-05,
|
| 199 |
+
"loss": 0.4014,
|
| 200 |
+
"step": 675
|
| 201 |
+
},
|
| 202 |
+
{
|
| 203 |
+
"epoch": 3.74,
|
| 204 |
+
"learning_rate": 4.887005649717514e-05,
|
| 205 |
+
"loss": 0.4173,
|
| 206 |
+
"step": 700
|
| 207 |
+
},
|
| 208 |
+
{
|
| 209 |
+
"epoch": 3.88,
|
| 210 |
+
"learning_rate": 4.8728813559322034e-05,
|
| 211 |
+
"loss": 0.4106,
|
| 212 |
+
"step": 725
|
| 213 |
+
},
|
| 214 |
+
{
|
| 215 |
+
"epoch": 4.0,
|
| 216 |
+
"eval_accuracy": 0.7963268675196038,
|
| 217 |
+
"eval_loss": 0.428460955619812,
|
| 218 |
+
"eval_macro_f1": 0.7931237082942566,
|
| 219 |
+
"eval_runtime": 12.1845,
|
| 220 |
+
"eval_samples_per_second": 397.719,
|
| 221 |
+
"eval_steps_per_second": 3.857,
|
| 222 |
+
"step": 748
|
| 223 |
+
},
|
| 224 |
+
{
|
| 225 |
+
"epoch": 4.01,
|
| 226 |
+
"learning_rate": 4.8587570621468934e-05,
|
| 227 |
+
"loss": 0.3815,
|
| 228 |
+
"step": 750
|
| 229 |
+
},
|
| 230 |
+
{
|
| 231 |
+
"epoch": 4.14,
|
| 232 |
+
"learning_rate": 4.844632768361582e-05,
|
| 233 |
+
"loss": 0.3347,
|
| 234 |
+
"step": 775
|
| 235 |
+
},
|
| 236 |
+
{
|
| 237 |
+
"epoch": 4.28,
|
| 238 |
+
"learning_rate": 4.8305084745762714e-05,
|
| 239 |
+
"loss": 0.3282,
|
| 240 |
+
"step": 800
|
| 241 |
+
},
|
| 242 |
+
{
|
| 243 |
+
"epoch": 4.41,
|
| 244 |
+
"learning_rate": 4.816384180790961e-05,
|
| 245 |
+
"loss": 0.3406,
|
| 246 |
+
"step": 825
|
| 247 |
+
},
|
| 248 |
+
{
|
| 249 |
+
"epoch": 4.55,
|
| 250 |
+
"learning_rate": 4.80225988700565e-05,
|
| 251 |
+
"loss": 0.3185,
|
| 252 |
+
"step": 850
|
| 253 |
+
},
|
| 254 |
+
{
|
| 255 |
+
"epoch": 4.68,
|
| 256 |
+
"learning_rate": 4.788135593220339e-05,
|
| 257 |
+
"loss": 0.3311,
|
| 258 |
+
"step": 875
|
| 259 |
+
},
|
| 260 |
+
{
|
| 261 |
+
"epoch": 4.81,
|
| 262 |
+
"learning_rate": 4.7740112994350286e-05,
|
| 263 |
+
"loss": 0.3294,
|
| 264 |
+
"step": 900
|
| 265 |
+
},
|
| 266 |
+
{
|
| 267 |
+
"epoch": 4.95,
|
| 268 |
+
"learning_rate": 4.759887005649718e-05,
|
| 269 |
+
"loss": 0.3394,
|
| 270 |
+
"step": 925
|
| 271 |
+
},
|
| 272 |
+
{
|
| 273 |
+
"epoch": 5.0,
|
| 274 |
+
"eval_accuracy": 0.797358646306232,
|
| 275 |
+
"eval_loss": 0.4226238429546356,
|
| 276 |
+
"eval_macro_f1": 0.79729180116589,
|
| 277 |
+
"eval_runtime": 11.9309,
|
| 278 |
+
"eval_samples_per_second": 406.172,
|
| 279 |
+
"eval_steps_per_second": 3.939,
|
| 280 |
+
"step": 935
|
| 281 |
+
},
|
| 282 |
+
{
|
| 283 |
+
"epoch": 5.08,
|
| 284 |
+
"learning_rate": 4.745762711864407e-05,
|
| 285 |
+
"loss": 0.2855,
|
| 286 |
+
"step": 950
|
| 287 |
+
},
|
| 288 |
+
{
|
| 289 |
+
"epoch": 5.21,
|
| 290 |
+
"learning_rate": 4.7316384180790966e-05,
|
| 291 |
+
"loss": 0.2783,
|
| 292 |
+
"step": 975
|
| 293 |
+
},
|
| 294 |
+
{
|
| 295 |
+
"epoch": 5.35,
|
| 296 |
+
"learning_rate": 4.717514124293785e-05,
|
| 297 |
+
"loss": 0.2821,
|
| 298 |
+
"step": 1000
|
| 299 |
+
},
|
| 300 |
+
{
|
| 301 |
+
"epoch": 5.48,
|
| 302 |
+
"learning_rate": 4.703389830508475e-05,
|
| 303 |
+
"loss": 0.2609,
|
| 304 |
+
"step": 1025
|
| 305 |
+
},
|
| 306 |
+
{
|
| 307 |
+
"epoch": 5.61,
|
| 308 |
+
"learning_rate": 4.689265536723164e-05,
|
| 309 |
+
"loss": 0.2822,
|
| 310 |
+
"step": 1050
|
| 311 |
+
},
|
| 312 |
+
{
|
| 313 |
+
"epoch": 5.75,
|
| 314 |
+
"learning_rate": 4.675141242937853e-05,
|
| 315 |
+
"loss": 0.273,
|
| 316 |
+
"step": 1075
|
| 317 |
+
},
|
| 318 |
+
{
|
| 319 |
+
"epoch": 5.88,
|
| 320 |
+
"learning_rate": 4.6610169491525425e-05,
|
| 321 |
+
"loss": 0.2868,
|
| 322 |
+
"step": 1100
|
| 323 |
+
},
|
| 324 |
+
{
|
| 325 |
+
"epoch": 6.0,
|
| 326 |
+
"eval_accuracy": 0.8052001650846059,
|
| 327 |
+
"eval_loss": 0.4286108911037445,
|
| 328 |
+
"eval_macro_f1": 0.8033503768417375,
|
| 329 |
+
"eval_runtime": 12.1437,
|
| 330 |
+
"eval_samples_per_second": 399.055,
|
| 331 |
+
"eval_steps_per_second": 3.87,
|
| 332 |
+
"step": 1122
|
| 333 |
+
},
|
| 334 |
+
{
|
| 335 |
+
"epoch": 6.02,
|
| 336 |
+
"learning_rate": 4.646892655367232e-05,
|
| 337 |
+
"loss": 0.2971,
|
| 338 |
+
"step": 1125
|
| 339 |
+
},
|
| 340 |
+
{
|
| 341 |
+
"epoch": 6.15,
|
| 342 |
+
"learning_rate": 4.632768361581921e-05,
|
| 343 |
+
"loss": 0.2251,
|
| 344 |
+
"step": 1150
|
| 345 |
+
},
|
| 346 |
+
{
|
| 347 |
+
"epoch": 6.28,
|
| 348 |
+
"learning_rate": 4.6186440677966104e-05,
|
| 349 |
+
"loss": 0.2308,
|
| 350 |
+
"step": 1175
|
| 351 |
+
},
|
| 352 |
+
{
|
| 353 |
+
"epoch": 6.42,
|
| 354 |
+
"learning_rate": 4.6045197740113e-05,
|
| 355 |
+
"loss": 0.2524,
|
| 356 |
+
"step": 1200
|
| 357 |
+
},
|
| 358 |
+
{
|
| 359 |
+
"epoch": 6.55,
|
| 360 |
+
"learning_rate": 4.590395480225989e-05,
|
| 361 |
+
"loss": 0.2353,
|
| 362 |
+
"step": 1225
|
| 363 |
+
},
|
| 364 |
+
{
|
| 365 |
+
"epoch": 6.68,
|
| 366 |
+
"learning_rate": 4.5762711864406784e-05,
|
| 367 |
+
"loss": 0.2587,
|
| 368 |
+
"step": 1250
|
| 369 |
+
},
|
| 370 |
+
{
|
| 371 |
+
"epoch": 6.82,
|
| 372 |
+
"learning_rate": 4.562146892655367e-05,
|
| 373 |
+
"loss": 0.2358,
|
| 374 |
+
"step": 1275
|
| 375 |
+
},
|
| 376 |
+
{
|
| 377 |
+
"epoch": 6.95,
|
| 378 |
+
"learning_rate": 4.548022598870056e-05,
|
| 379 |
+
"loss": 0.231,
|
| 380 |
+
"step": 1300
|
| 381 |
+
},
|
| 382 |
+
{
|
| 383 |
+
"epoch": 7.0,
|
| 384 |
+
"eval_accuracy": 0.8037556747833264,
|
| 385 |
+
"eval_loss": 0.4610762596130371,
|
| 386 |
+
"eval_macro_f1": 0.8037225017799383,
|
| 387 |
+
"eval_runtime": 11.9283,
|
| 388 |
+
"eval_samples_per_second": 406.26,
|
| 389 |
+
"eval_steps_per_second": 3.94,
|
| 390 |
+
"step": 1309
|
| 391 |
+
}
|
| 392 |
+
],
|
| 393 |
+
"max_steps": 9350,
|
| 394 |
+
"num_train_epochs": 50,
|
| 395 |
+
"total_flos": 990317516267520.0,
|
| 396 |
+
"trial_name": null,
|
| 397 |
+
"trial_params": null
|
| 398 |
+
}
|
scaling_performance/2000/.DS_Store
ADDED
|
Binary file (18.4 kB). View file
|
|
|
scaling_performance/2000/L2/.DS_Store
ADDED
|
Binary file (6.15 kB). View file
|
|
|
scaling_performance/2000/L2/fold0/all_results.json
ADDED
|
@@ -0,0 +1,8 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"test_accuracy": 0.575,
|
| 3 |
+
"test_loss": 0.6815145611763,
|
| 4 |
+
"test_macro_f1": 0.36507936507936506,
|
| 5 |
+
"test_runtime": 0.9708,
|
| 6 |
+
"test_samples_per_second": 412.051,
|
| 7 |
+
"test_steps_per_second": 4.121
|
| 8 |
+
}
|
scaling_performance/2000/L2/fold0/checkpoint-208/config.json
ADDED
|
@@ -0,0 +1,25 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"architectures": [
|
| 3 |
+
"BertForSequenceClassification"
|
| 4 |
+
],
|
| 5 |
+
"attention_probs_dropout_prob": 0.02,
|
| 6 |
+
"classifier_dropout": null,
|
| 7 |
+
"hidden_act": "gelu",
|
| 8 |
+
"hidden_dropout_prob": 0.02,
|
| 9 |
+
"hidden_size": 256,
|
| 10 |
+
"initializer_range": 0.02,
|
| 11 |
+
"intermediate_size": 512,
|
| 12 |
+
"layer_norm_eps": 1e-12,
|
| 13 |
+
"max_position_embeddings": 2048,
|
| 14 |
+
"model_type": "bert",
|
| 15 |
+
"num_attention_heads": 4,
|
| 16 |
+
"num_hidden_layers": 2,
|
| 17 |
+
"pad_token_id": 0,
|
| 18 |
+
"position_embedding_type": "absolute",
|
| 19 |
+
"problem_type": "single_label_classification",
|
| 20 |
+
"torch_dtype": "float32",
|
| 21 |
+
"transformers_version": "4.28.0",
|
| 22 |
+
"type_vocab_size": 2,
|
| 23 |
+
"use_cache": true,
|
| 24 |
+
"vocab_size": 30522
|
| 25 |
+
}
|
scaling_performance/2000/L2/fold0/checkpoint-208/trainer_state.json
ADDED
|
@@ -0,0 +1,770 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_metric": 0.6815145611763,
|
| 3 |
+
"best_model_checkpoint": "./models/240626_geneformer_CellClassifier_PM25_Layers2_L2048_B26_LR5e-05_LSlinear_WU600_E20_Oadamw_F0_fold0/checkpoint-176",
|
| 4 |
+
"epoch": 13.0,
|
| 5 |
+
"global_step": 208,
|
| 6 |
+
"is_hyper_param_search": false,
|
| 7 |
+
"is_local_process_zero": true,
|
| 8 |
+
"is_world_process_zero": true,
|
| 9 |
+
"log_history": [
|
| 10 |
+
{
|
| 11 |
+
"epoch": 0.12,
|
| 12 |
+
"learning_rate": 1.6666666666666668e-07,
|
| 13 |
+
"loss": 0.6985,
|
| 14 |
+
"step": 2
|
| 15 |
+
},
|
| 16 |
+
{
|
| 17 |
+
"epoch": 0.25,
|
| 18 |
+
"learning_rate": 3.3333333333333335e-07,
|
| 19 |
+
"loss": 0.6829,
|
| 20 |
+
"step": 4
|
| 21 |
+
},
|
| 22 |
+
{
|
| 23 |
+
"epoch": 0.38,
|
| 24 |
+
"learning_rate": 5.000000000000001e-07,
|
| 25 |
+
"loss": 0.6781,
|
| 26 |
+
"step": 6
|
| 27 |
+
},
|
| 28 |
+
{
|
| 29 |
+
"epoch": 0.5,
|
| 30 |
+
"learning_rate": 6.666666666666667e-07,
|
| 31 |
+
"loss": 0.7016,
|
| 32 |
+
"step": 8
|
| 33 |
+
},
|
| 34 |
+
{
|
| 35 |
+
"epoch": 0.62,
|
| 36 |
+
"learning_rate": 8.333333333333333e-07,
|
| 37 |
+
"loss": 0.6837,
|
| 38 |
+
"step": 10
|
| 39 |
+
},
|
| 40 |
+
{
|
| 41 |
+
"epoch": 0.75,
|
| 42 |
+
"learning_rate": 1.0000000000000002e-06,
|
| 43 |
+
"loss": 0.6822,
|
| 44 |
+
"step": 12
|
| 45 |
+
},
|
| 46 |
+
{
|
| 47 |
+
"epoch": 0.88,
|
| 48 |
+
"learning_rate": 1.1666666666666668e-06,
|
| 49 |
+
"loss": 0.6957,
|
| 50 |
+
"step": 14
|
| 51 |
+
},
|
| 52 |
+
{
|
| 53 |
+
"epoch": 1.0,
|
| 54 |
+
"learning_rate": 1.3333333333333334e-06,
|
| 55 |
+
"loss": 0.6711,
|
| 56 |
+
"step": 16
|
| 57 |
+
},
|
| 58 |
+
{
|
| 59 |
+
"epoch": 1.0,
|
| 60 |
+
"eval_accuracy": 0.5675,
|
| 61 |
+
"eval_loss": 0.6868653297424316,
|
| 62 |
+
"eval_macro_f1": 0.4007568475653582,
|
| 63 |
+
"eval_runtime": 0.9079,
|
| 64 |
+
"eval_samples_per_second": 440.586,
|
| 65 |
+
"eval_steps_per_second": 4.406,
|
| 66 |
+
"step": 16
|
| 67 |
+
},
|
| 68 |
+
{
|
| 69 |
+
"epoch": 1.12,
|
| 70 |
+
"learning_rate": 1.5e-06,
|
| 71 |
+
"loss": 0.687,
|
| 72 |
+
"step": 18
|
| 73 |
+
},
|
| 74 |
+
{
|
| 75 |
+
"epoch": 1.25,
|
| 76 |
+
"learning_rate": 1.6666666666666667e-06,
|
| 77 |
+
"loss": 0.6824,
|
| 78 |
+
"step": 20
|
| 79 |
+
},
|
| 80 |
+
{
|
| 81 |
+
"epoch": 1.38,
|
| 82 |
+
"learning_rate": 1.8333333333333335e-06,
|
| 83 |
+
"loss": 0.6806,
|
| 84 |
+
"step": 22
|
| 85 |
+
},
|
| 86 |
+
{
|
| 87 |
+
"epoch": 1.5,
|
| 88 |
+
"learning_rate": 2.0000000000000003e-06,
|
| 89 |
+
"loss": 0.6971,
|
| 90 |
+
"step": 24
|
| 91 |
+
},
|
| 92 |
+
{
|
| 93 |
+
"epoch": 1.62,
|
| 94 |
+
"learning_rate": 2.166666666666667e-06,
|
| 95 |
+
"loss": 0.6899,
|
| 96 |
+
"step": 26
|
| 97 |
+
},
|
| 98 |
+
{
|
| 99 |
+
"epoch": 1.75,
|
| 100 |
+
"learning_rate": 2.3333333333333336e-06,
|
| 101 |
+
"loss": 0.6869,
|
| 102 |
+
"step": 28
|
| 103 |
+
},
|
| 104 |
+
{
|
| 105 |
+
"epoch": 1.88,
|
| 106 |
+
"learning_rate": 2.5e-06,
|
| 107 |
+
"loss": 0.6945,
|
| 108 |
+
"step": 30
|
| 109 |
+
},
|
| 110 |
+
{
|
| 111 |
+
"epoch": 2.0,
|
| 112 |
+
"learning_rate": 2.666666666666667e-06,
|
| 113 |
+
"loss": 0.6883,
|
| 114 |
+
"step": 32
|
| 115 |
+
},
|
| 116 |
+
{
|
| 117 |
+
"epoch": 2.0,
|
| 118 |
+
"eval_accuracy": 0.57,
|
| 119 |
+
"eval_loss": 0.6863564848899841,
|
| 120 |
+
"eval_macro_f1": 0.40203031567236824,
|
| 121 |
+
"eval_runtime": 0.8835,
|
| 122 |
+
"eval_samples_per_second": 452.754,
|
| 123 |
+
"eval_steps_per_second": 4.528,
|
| 124 |
+
"step": 32
|
| 125 |
+
},
|
| 126 |
+
{
|
| 127 |
+
"epoch": 2.12,
|
| 128 |
+
"learning_rate": 2.8333333333333335e-06,
|
| 129 |
+
"loss": 0.706,
|
| 130 |
+
"step": 34
|
| 131 |
+
},
|
| 132 |
+
{
|
| 133 |
+
"epoch": 2.25,
|
| 134 |
+
"learning_rate": 3e-06,
|
| 135 |
+
"loss": 0.6818,
|
| 136 |
+
"step": 36
|
| 137 |
+
},
|
| 138 |
+
{
|
| 139 |
+
"epoch": 2.38,
|
| 140 |
+
"learning_rate": 3.166666666666667e-06,
|
| 141 |
+
"loss": 0.6838,
|
| 142 |
+
"step": 38
|
| 143 |
+
},
|
| 144 |
+
{
|
| 145 |
+
"epoch": 2.5,
|
| 146 |
+
"learning_rate": 3.3333333333333333e-06,
|
| 147 |
+
"loss": 0.6986,
|
| 148 |
+
"step": 40
|
| 149 |
+
},
|
| 150 |
+
{
|
| 151 |
+
"epoch": 2.62,
|
| 152 |
+
"learning_rate": 3.5000000000000004e-06,
|
| 153 |
+
"loss": 0.6781,
|
| 154 |
+
"step": 42
|
| 155 |
+
},
|
| 156 |
+
{
|
| 157 |
+
"epoch": 2.75,
|
| 158 |
+
"learning_rate": 3.666666666666667e-06,
|
| 159 |
+
"loss": 0.6807,
|
| 160 |
+
"step": 44
|
| 161 |
+
},
|
| 162 |
+
{
|
| 163 |
+
"epoch": 2.88,
|
| 164 |
+
"learning_rate": 3.833333333333334e-06,
|
| 165 |
+
"loss": 0.6958,
|
| 166 |
+
"step": 46
|
| 167 |
+
},
|
| 168 |
+
{
|
| 169 |
+
"epoch": 3.0,
|
| 170 |
+
"learning_rate": 4.000000000000001e-06,
|
| 171 |
+
"loss": 0.6728,
|
| 172 |
+
"step": 48
|
| 173 |
+
},
|
| 174 |
+
{
|
| 175 |
+
"epoch": 3.0,
|
| 176 |
+
"eval_accuracy": 0.5725,
|
| 177 |
+
"eval_loss": 0.6860520839691162,
|
| 178 |
+
"eval_macro_f1": 0.3988134475939354,
|
| 179 |
+
"eval_runtime": 0.9358,
|
| 180 |
+
"eval_samples_per_second": 427.462,
|
| 181 |
+
"eval_steps_per_second": 4.275,
|
| 182 |
+
"step": 48
|
| 183 |
+
},
|
| 184 |
+
{
|
| 185 |
+
"epoch": 3.12,
|
| 186 |
+
"learning_rate": 4.166666666666667e-06,
|
| 187 |
+
"loss": 0.6949,
|
| 188 |
+
"step": 50
|
| 189 |
+
},
|
| 190 |
+
{
|
| 191 |
+
"epoch": 3.25,
|
| 192 |
+
"learning_rate": 4.333333333333334e-06,
|
| 193 |
+
"loss": 0.6832,
|
| 194 |
+
"step": 52
|
| 195 |
+
},
|
| 196 |
+
{
|
| 197 |
+
"epoch": 3.38,
|
| 198 |
+
"learning_rate": 4.5e-06,
|
| 199 |
+
"loss": 0.679,
|
| 200 |
+
"step": 54
|
| 201 |
+
},
|
| 202 |
+
{
|
| 203 |
+
"epoch": 3.5,
|
| 204 |
+
"learning_rate": 4.666666666666667e-06,
|
| 205 |
+
"loss": 0.7016,
|
| 206 |
+
"step": 56
|
| 207 |
+
},
|
| 208 |
+
{
|
| 209 |
+
"epoch": 3.62,
|
| 210 |
+
"learning_rate": 4.833333333333333e-06,
|
| 211 |
+
"loss": 0.6823,
|
| 212 |
+
"step": 58
|
| 213 |
+
},
|
| 214 |
+
{
|
| 215 |
+
"epoch": 3.75,
|
| 216 |
+
"learning_rate": 5e-06,
|
| 217 |
+
"loss": 0.6809,
|
| 218 |
+
"step": 60
|
| 219 |
+
},
|
| 220 |
+
{
|
| 221 |
+
"epoch": 3.88,
|
| 222 |
+
"learning_rate": 5.166666666666667e-06,
|
| 223 |
+
"loss": 0.6962,
|
| 224 |
+
"step": 62
|
| 225 |
+
},
|
| 226 |
+
{
|
| 227 |
+
"epoch": 4.0,
|
| 228 |
+
"learning_rate": 5.333333333333334e-06,
|
| 229 |
+
"loss": 0.6735,
|
| 230 |
+
"step": 64
|
| 231 |
+
},
|
| 232 |
+
{
|
| 233 |
+
"epoch": 4.0,
|
| 234 |
+
"eval_accuracy": 0.5725,
|
| 235 |
+
"eval_loss": 0.6853413581848145,
|
| 236 |
+
"eval_macro_f1": 0.38949829969921185,
|
| 237 |
+
"eval_runtime": 0.9811,
|
| 238 |
+
"eval_samples_per_second": 407.707,
|
| 239 |
+
"eval_steps_per_second": 4.077,
|
| 240 |
+
"step": 64
|
| 241 |
+
},
|
| 242 |
+
{
|
| 243 |
+
"epoch": 4.12,
|
| 244 |
+
"learning_rate": 5.500000000000001e-06,
|
| 245 |
+
"loss": 0.7103,
|
| 246 |
+
"step": 66
|
| 247 |
+
},
|
| 248 |
+
{
|
| 249 |
+
"epoch": 4.25,
|
| 250 |
+
"learning_rate": 5.666666666666667e-06,
|
| 251 |
+
"loss": 0.6672,
|
| 252 |
+
"step": 68
|
| 253 |
+
},
|
| 254 |
+
{
|
| 255 |
+
"epoch": 4.38,
|
| 256 |
+
"learning_rate": 5.833333333333334e-06,
|
| 257 |
+
"loss": 0.6879,
|
| 258 |
+
"step": 70
|
| 259 |
+
},
|
| 260 |
+
{
|
| 261 |
+
"epoch": 4.5,
|
| 262 |
+
"learning_rate": 6e-06,
|
| 263 |
+
"loss": 0.6956,
|
| 264 |
+
"step": 72
|
| 265 |
+
},
|
| 266 |
+
{
|
| 267 |
+
"epoch": 4.62,
|
| 268 |
+
"learning_rate": 6.166666666666667e-06,
|
| 269 |
+
"loss": 0.6704,
|
| 270 |
+
"step": 74
|
| 271 |
+
},
|
| 272 |
+
{
|
| 273 |
+
"epoch": 4.75,
|
| 274 |
+
"learning_rate": 6.333333333333334e-06,
|
| 275 |
+
"loss": 0.6779,
|
| 276 |
+
"step": 76
|
| 277 |
+
},
|
| 278 |
+
{
|
| 279 |
+
"epoch": 4.88,
|
| 280 |
+
"learning_rate": 6.5000000000000004e-06,
|
| 281 |
+
"loss": 0.6982,
|
| 282 |
+
"step": 78
|
| 283 |
+
},
|
| 284 |
+
{
|
| 285 |
+
"epoch": 5.0,
|
| 286 |
+
"learning_rate": 6.666666666666667e-06,
|
| 287 |
+
"loss": 0.6842,
|
| 288 |
+
"step": 80
|
| 289 |
+
},
|
| 290 |
+
{
|
| 291 |
+
"epoch": 5.0,
|
| 292 |
+
"eval_accuracy": 0.57,
|
| 293 |
+
"eval_loss": 0.6844683885574341,
|
| 294 |
+
"eval_macro_f1": 0.3630573248407643,
|
| 295 |
+
"eval_runtime": 1.1196,
|
| 296 |
+
"eval_samples_per_second": 357.275,
|
| 297 |
+
"eval_steps_per_second": 3.573,
|
| 298 |
+
"step": 80
|
| 299 |
+
},
|
| 300 |
+
{
|
| 301 |
+
"epoch": 5.12,
|
| 302 |
+
"learning_rate": 6.833333333333333e-06,
|
| 303 |
+
"loss": 0.6918,
|
| 304 |
+
"step": 82
|
| 305 |
+
},
|
| 306 |
+
{
|
| 307 |
+
"epoch": 5.25,
|
| 308 |
+
"learning_rate": 7.000000000000001e-06,
|
| 309 |
+
"loss": 0.6828,
|
| 310 |
+
"step": 84
|
| 311 |
+
},
|
| 312 |
+
{
|
| 313 |
+
"epoch": 5.38,
|
| 314 |
+
"learning_rate": 7.166666666666667e-06,
|
| 315 |
+
"loss": 0.6874,
|
| 316 |
+
"step": 86
|
| 317 |
+
},
|
| 318 |
+
{
|
| 319 |
+
"epoch": 5.5,
|
| 320 |
+
"learning_rate": 7.333333333333334e-06,
|
| 321 |
+
"loss": 0.6971,
|
| 322 |
+
"step": 88
|
| 323 |
+
},
|
| 324 |
+
{
|
| 325 |
+
"epoch": 5.62,
|
| 326 |
+
"learning_rate": 7.5e-06,
|
| 327 |
+
"loss": 0.6732,
|
| 328 |
+
"step": 90
|
| 329 |
+
},
|
| 330 |
+
{
|
| 331 |
+
"epoch": 5.75,
|
| 332 |
+
"learning_rate": 7.666666666666667e-06,
|
| 333 |
+
"loss": 0.6778,
|
| 334 |
+
"step": 92
|
| 335 |
+
},
|
| 336 |
+
{
|
| 337 |
+
"epoch": 5.88,
|
| 338 |
+
"learning_rate": 7.833333333333333e-06,
|
| 339 |
+
"loss": 0.6941,
|
| 340 |
+
"step": 94
|
| 341 |
+
},
|
| 342 |
+
{
|
| 343 |
+
"epoch": 6.0,
|
| 344 |
+
"learning_rate": 8.000000000000001e-06,
|
| 345 |
+
"loss": 0.6805,
|
| 346 |
+
"step": 96
|
| 347 |
+
},
|
| 348 |
+
{
|
| 349 |
+
"epoch": 6.0,
|
| 350 |
+
"eval_accuracy": 0.57,
|
| 351 |
+
"eval_loss": 0.6841095089912415,
|
| 352 |
+
"eval_macro_f1": 0.3630573248407643,
|
| 353 |
+
"eval_runtime": 1.0842,
|
| 354 |
+
"eval_samples_per_second": 368.94,
|
| 355 |
+
"eval_steps_per_second": 3.689,
|
| 356 |
+
"step": 96
|
| 357 |
+
},
|
| 358 |
+
{
|
| 359 |
+
"epoch": 6.12,
|
| 360 |
+
"learning_rate": 8.166666666666668e-06,
|
| 361 |
+
"loss": 0.6922,
|
| 362 |
+
"step": 98
|
| 363 |
+
},
|
| 364 |
+
{
|
| 365 |
+
"epoch": 6.25,
|
| 366 |
+
"learning_rate": 8.333333333333334e-06,
|
| 367 |
+
"loss": 0.6873,
|
| 368 |
+
"step": 100
|
| 369 |
+
},
|
| 370 |
+
{
|
| 371 |
+
"epoch": 6.38,
|
| 372 |
+
"learning_rate": 8.500000000000002e-06,
|
| 373 |
+
"loss": 0.6759,
|
| 374 |
+
"step": 102
|
| 375 |
+
},
|
| 376 |
+
{
|
| 377 |
+
"epoch": 6.5,
|
| 378 |
+
"learning_rate": 8.666666666666668e-06,
|
| 379 |
+
"loss": 0.6972,
|
| 380 |
+
"step": 104
|
| 381 |
+
},
|
| 382 |
+
{
|
| 383 |
+
"epoch": 6.62,
|
| 384 |
+
"learning_rate": 8.833333333333334e-06,
|
| 385 |
+
"loss": 0.6703,
|
| 386 |
+
"step": 106
|
| 387 |
+
},
|
| 388 |
+
{
|
| 389 |
+
"epoch": 6.75,
|
| 390 |
+
"learning_rate": 9e-06,
|
| 391 |
+
"loss": 0.6669,
|
| 392 |
+
"step": 108
|
| 393 |
+
},
|
| 394 |
+
{
|
| 395 |
+
"epoch": 6.88,
|
| 396 |
+
"learning_rate": 9.166666666666666e-06,
|
| 397 |
+
"loss": 0.7025,
|
| 398 |
+
"step": 110
|
| 399 |
+
},
|
| 400 |
+
{
|
| 401 |
+
"epoch": 7.0,
|
| 402 |
+
"learning_rate": 9.333333333333334e-06,
|
| 403 |
+
"loss": 0.6864,
|
| 404 |
+
"step": 112
|
| 405 |
+
},
|
| 406 |
+
{
|
| 407 |
+
"epoch": 7.0,
|
| 408 |
+
"eval_accuracy": 0.5725,
|
| 409 |
+
"eval_loss": 0.683830738067627,
|
| 410 |
+
"eval_macro_f1": 0.3640699523052464,
|
| 411 |
+
"eval_runtime": 0.9335,
|
| 412 |
+
"eval_samples_per_second": 428.484,
|
| 413 |
+
"eval_steps_per_second": 4.285,
|
| 414 |
+
"step": 112
|
| 415 |
+
},
|
| 416 |
+
{
|
| 417 |
+
"epoch": 7.12,
|
| 418 |
+
"learning_rate": 9.5e-06,
|
| 419 |
+
"loss": 0.7027,
|
| 420 |
+
"step": 114
|
| 421 |
+
},
|
| 422 |
+
{
|
| 423 |
+
"epoch": 7.25,
|
| 424 |
+
"learning_rate": 9.666666666666667e-06,
|
| 425 |
+
"loss": 0.6771,
|
| 426 |
+
"step": 116
|
| 427 |
+
},
|
| 428 |
+
{
|
| 429 |
+
"epoch": 7.38,
|
| 430 |
+
"learning_rate": 9.833333333333333e-06,
|
| 431 |
+
"loss": 0.6702,
|
| 432 |
+
"step": 118
|
| 433 |
+
},
|
| 434 |
+
{
|
| 435 |
+
"epoch": 7.5,
|
| 436 |
+
"learning_rate": 1e-05,
|
| 437 |
+
"loss": 0.7039,
|
| 438 |
+
"step": 120
|
| 439 |
+
},
|
| 440 |
+
{
|
| 441 |
+
"epoch": 7.62,
|
| 442 |
+
"learning_rate": 1.0166666666666667e-05,
|
| 443 |
+
"loss": 0.6806,
|
| 444 |
+
"step": 122
|
| 445 |
+
},
|
| 446 |
+
{
|
| 447 |
+
"epoch": 7.75,
|
| 448 |
+
"learning_rate": 1.0333333333333333e-05,
|
| 449 |
+
"loss": 0.675,
|
| 450 |
+
"step": 124
|
| 451 |
+
},
|
| 452 |
+
{
|
| 453 |
+
"epoch": 7.88,
|
| 454 |
+
"learning_rate": 1.05e-05,
|
| 455 |
+
"loss": 0.6876,
|
| 456 |
+
"step": 126
|
| 457 |
+
},
|
| 458 |
+
{
|
| 459 |
+
"epoch": 8.0,
|
| 460 |
+
"learning_rate": 1.0666666666666667e-05,
|
| 461 |
+
"loss": 0.6704,
|
| 462 |
+
"step": 128
|
| 463 |
+
},
|
| 464 |
+
{
|
| 465 |
+
"epoch": 8.0,
|
| 466 |
+
"eval_accuracy": 0.5725,
|
| 467 |
+
"eval_loss": 0.683628261089325,
|
| 468 |
+
"eval_macro_f1": 0.3640699523052464,
|
| 469 |
+
"eval_runtime": 0.9805,
|
| 470 |
+
"eval_samples_per_second": 407.957,
|
| 471 |
+
"eval_steps_per_second": 4.08,
|
| 472 |
+
"step": 128
|
| 473 |
+
},
|
| 474 |
+
{
|
| 475 |
+
"epoch": 8.12,
|
| 476 |
+
"learning_rate": 1.0833333333333334e-05,
|
| 477 |
+
"loss": 0.683,
|
| 478 |
+
"step": 130
|
| 479 |
+
},
|
| 480 |
+
{
|
| 481 |
+
"epoch": 8.25,
|
| 482 |
+
"learning_rate": 1.1000000000000001e-05,
|
| 483 |
+
"loss": 0.6854,
|
| 484 |
+
"step": 132
|
| 485 |
+
},
|
| 486 |
+
{
|
| 487 |
+
"epoch": 8.38,
|
| 488 |
+
"learning_rate": 1.1166666666666668e-05,
|
| 489 |
+
"loss": 0.6849,
|
| 490 |
+
"step": 134
|
| 491 |
+
},
|
| 492 |
+
{
|
| 493 |
+
"epoch": 8.5,
|
| 494 |
+
"learning_rate": 1.1333333333333334e-05,
|
| 495 |
+
"loss": 0.7049,
|
| 496 |
+
"step": 136
|
| 497 |
+
},
|
| 498 |
+
{
|
| 499 |
+
"epoch": 8.62,
|
| 500 |
+
"learning_rate": 1.1500000000000002e-05,
|
| 501 |
+
"loss": 0.6788,
|
| 502 |
+
"step": 138
|
| 503 |
+
},
|
| 504 |
+
{
|
| 505 |
+
"epoch": 8.75,
|
| 506 |
+
"learning_rate": 1.1666666666666668e-05,
|
| 507 |
+
"loss": 0.6739,
|
| 508 |
+
"step": 140
|
| 509 |
+
},
|
| 510 |
+
{
|
| 511 |
+
"epoch": 8.88,
|
| 512 |
+
"learning_rate": 1.1833333333333334e-05,
|
| 513 |
+
"loss": 0.6886,
|
| 514 |
+
"step": 142
|
| 515 |
+
},
|
| 516 |
+
{
|
| 517 |
+
"epoch": 9.0,
|
| 518 |
+
"learning_rate": 1.2e-05,
|
| 519 |
+
"loss": 0.656,
|
| 520 |
+
"step": 144
|
| 521 |
+
},
|
| 522 |
+
{
|
| 523 |
+
"epoch": 9.0,
|
| 524 |
+
"eval_accuracy": 0.575,
|
| 525 |
+
"eval_loss": 0.682921290397644,
|
| 526 |
+
"eval_macro_f1": 0.36507936507936506,
|
| 527 |
+
"eval_runtime": 1.0912,
|
| 528 |
+
"eval_samples_per_second": 366.574,
|
| 529 |
+
"eval_steps_per_second": 3.666,
|
| 530 |
+
"step": 144
|
| 531 |
+
},
|
| 532 |
+
{
|
| 533 |
+
"epoch": 9.12,
|
| 534 |
+
"learning_rate": 1.2166666666666668e-05,
|
| 535 |
+
"loss": 0.6808,
|
| 536 |
+
"step": 146
|
| 537 |
+
},
|
| 538 |
+
{
|
| 539 |
+
"epoch": 9.25,
|
| 540 |
+
"learning_rate": 1.2333333333333334e-05,
|
| 541 |
+
"loss": 0.6705,
|
| 542 |
+
"step": 148
|
| 543 |
+
},
|
| 544 |
+
{
|
| 545 |
+
"epoch": 9.38,
|
| 546 |
+
"learning_rate": 1.25e-05,
|
| 547 |
+
"loss": 0.6771,
|
| 548 |
+
"step": 150
|
| 549 |
+
},
|
| 550 |
+
{
|
| 551 |
+
"epoch": 9.5,
|
| 552 |
+
"learning_rate": 1.2666666666666668e-05,
|
| 553 |
+
"loss": 0.7135,
|
| 554 |
+
"step": 152
|
| 555 |
+
},
|
| 556 |
+
{
|
| 557 |
+
"epoch": 9.62,
|
| 558 |
+
"learning_rate": 1.2833333333333333e-05,
|
| 559 |
+
"loss": 0.6682,
|
| 560 |
+
"step": 154
|
| 561 |
+
},
|
| 562 |
+
{
|
| 563 |
+
"epoch": 9.75,
|
| 564 |
+
"learning_rate": 1.3000000000000001e-05,
|
| 565 |
+
"loss": 0.6772,
|
| 566 |
+
"step": 156
|
| 567 |
+
},
|
| 568 |
+
{
|
| 569 |
+
"epoch": 9.88,
|
| 570 |
+
"learning_rate": 1.3166666666666665e-05,
|
| 571 |
+
"loss": 0.7109,
|
| 572 |
+
"step": 158
|
| 573 |
+
},
|
| 574 |
+
{
|
| 575 |
+
"epoch": 10.0,
|
| 576 |
+
"learning_rate": 1.3333333333333333e-05,
|
| 577 |
+
"loss": 0.6511,
|
| 578 |
+
"step": 160
|
| 579 |
+
},
|
| 580 |
+
{
|
| 581 |
+
"epoch": 10.0,
|
| 582 |
+
"eval_accuracy": 0.575,
|
| 583 |
+
"eval_loss": 0.6817663311958313,
|
| 584 |
+
"eval_macro_f1": 0.36507936507936506,
|
| 585 |
+
"eval_runtime": 0.9437,
|
| 586 |
+
"eval_samples_per_second": 423.851,
|
| 587 |
+
"eval_steps_per_second": 4.239,
|
| 588 |
+
"step": 160
|
| 589 |
+
},
|
| 590 |
+
{
|
| 591 |
+
"epoch": 10.12,
|
| 592 |
+
"learning_rate": 1.3500000000000001e-05,
|
| 593 |
+
"loss": 0.7026,
|
| 594 |
+
"step": 162
|
| 595 |
+
},
|
| 596 |
+
{
|
| 597 |
+
"epoch": 10.25,
|
| 598 |
+
"learning_rate": 1.3666666666666666e-05,
|
| 599 |
+
"loss": 0.6795,
|
| 600 |
+
"step": 164
|
| 601 |
+
},
|
| 602 |
+
{
|
| 603 |
+
"epoch": 10.38,
|
| 604 |
+
"learning_rate": 1.3833333333333334e-05,
|
| 605 |
+
"loss": 0.674,
|
| 606 |
+
"step": 166
|
| 607 |
+
},
|
| 608 |
+
{
|
| 609 |
+
"epoch": 10.5,
|
| 610 |
+
"learning_rate": 1.4000000000000001e-05,
|
| 611 |
+
"loss": 0.6749,
|
| 612 |
+
"step": 168
|
| 613 |
+
},
|
| 614 |
+
{
|
| 615 |
+
"epoch": 10.62,
|
| 616 |
+
"learning_rate": 1.4166666666666668e-05,
|
| 617 |
+
"loss": 0.6828,
|
| 618 |
+
"step": 170
|
| 619 |
+
},
|
| 620 |
+
{
|
| 621 |
+
"epoch": 10.75,
|
| 622 |
+
"learning_rate": 1.4333333333333334e-05,
|
| 623 |
+
"loss": 0.6673,
|
| 624 |
+
"step": 172
|
| 625 |
+
},
|
| 626 |
+
{
|
| 627 |
+
"epoch": 10.88,
|
| 628 |
+
"learning_rate": 1.45e-05,
|
| 629 |
+
"loss": 0.7079,
|
| 630 |
+
"step": 174
|
| 631 |
+
},
|
| 632 |
+
{
|
| 633 |
+
"epoch": 11.0,
|
| 634 |
+
"learning_rate": 1.4666666666666668e-05,
|
| 635 |
+
"loss": 0.6569,
|
| 636 |
+
"step": 176
|
| 637 |
+
},
|
| 638 |
+
{
|
| 639 |
+
"epoch": 11.0,
|
| 640 |
+
"eval_accuracy": 0.575,
|
| 641 |
+
"eval_loss": 0.6815145611763,
|
| 642 |
+
"eval_macro_f1": 0.36507936507936506,
|
| 643 |
+
"eval_runtime": 0.9326,
|
| 644 |
+
"eval_samples_per_second": 428.928,
|
| 645 |
+
"eval_steps_per_second": 4.289,
|
| 646 |
+
"step": 176
|
| 647 |
+
},
|
| 648 |
+
{
|
| 649 |
+
"epoch": 11.12,
|
| 650 |
+
"learning_rate": 1.4833333333333336e-05,
|
| 651 |
+
"loss": 0.6956,
|
| 652 |
+
"step": 178
|
| 653 |
+
},
|
| 654 |
+
{
|
| 655 |
+
"epoch": 11.25,
|
| 656 |
+
"learning_rate": 1.5e-05,
|
| 657 |
+
"loss": 0.6764,
|
| 658 |
+
"step": 180
|
| 659 |
+
},
|
| 660 |
+
{
|
| 661 |
+
"epoch": 11.38,
|
| 662 |
+
"learning_rate": 1.5166666666666668e-05,
|
| 663 |
+
"loss": 0.6698,
|
| 664 |
+
"step": 182
|
| 665 |
+
},
|
| 666 |
+
{
|
| 667 |
+
"epoch": 11.5,
|
| 668 |
+
"learning_rate": 1.5333333333333334e-05,
|
| 669 |
+
"loss": 0.6934,
|
| 670 |
+
"step": 184
|
| 671 |
+
},
|
| 672 |
+
{
|
| 673 |
+
"epoch": 11.62,
|
| 674 |
+
"learning_rate": 1.55e-05,
|
| 675 |
+
"loss": 0.6608,
|
| 676 |
+
"step": 186
|
| 677 |
+
},
|
| 678 |
+
{
|
| 679 |
+
"epoch": 11.75,
|
| 680 |
+
"learning_rate": 1.5666666666666667e-05,
|
| 681 |
+
"loss": 0.6743,
|
| 682 |
+
"step": 188
|
| 683 |
+
},
|
| 684 |
+
{
|
| 685 |
+
"epoch": 11.88,
|
| 686 |
+
"learning_rate": 1.5833333333333333e-05,
|
| 687 |
+
"loss": 0.6935,
|
| 688 |
+
"step": 190
|
| 689 |
+
},
|
| 690 |
+
{
|
| 691 |
+
"epoch": 12.0,
|
| 692 |
+
"learning_rate": 1.6000000000000003e-05,
|
| 693 |
+
"loss": 0.6719,
|
| 694 |
+
"step": 192
|
| 695 |
+
},
|
| 696 |
+
{
|
| 697 |
+
"epoch": 12.0,
|
| 698 |
+
"eval_accuracy": 0.575,
|
| 699 |
+
"eval_loss": 0.6815577745437622,
|
| 700 |
+
"eval_macro_f1": 0.36507936507936506,
|
| 701 |
+
"eval_runtime": 0.9976,
|
| 702 |
+
"eval_samples_per_second": 400.946,
|
| 703 |
+
"eval_steps_per_second": 4.009,
|
| 704 |
+
"step": 192
|
| 705 |
+
},
|
| 706 |
+
{
|
| 707 |
+
"epoch": 12.12,
|
| 708 |
+
"learning_rate": 1.6166666666666665e-05,
|
| 709 |
+
"loss": 0.6993,
|
| 710 |
+
"step": 194
|
| 711 |
+
},
|
| 712 |
+
{
|
| 713 |
+
"epoch": 12.25,
|
| 714 |
+
"learning_rate": 1.6333333333333335e-05,
|
| 715 |
+
"loss": 0.6802,
|
| 716 |
+
"step": 196
|
| 717 |
+
},
|
| 718 |
+
{
|
| 719 |
+
"epoch": 12.38,
|
| 720 |
+
"learning_rate": 1.65e-05,
|
| 721 |
+
"loss": 0.6714,
|
| 722 |
+
"step": 198
|
| 723 |
+
},
|
| 724 |
+
{
|
| 725 |
+
"epoch": 12.5,
|
| 726 |
+
"learning_rate": 1.6666666666666667e-05,
|
| 727 |
+
"loss": 0.6889,
|
| 728 |
+
"step": 200
|
| 729 |
+
},
|
| 730 |
+
{
|
| 731 |
+
"epoch": 12.62,
|
| 732 |
+
"learning_rate": 1.6833333333333334e-05,
|
| 733 |
+
"loss": 0.6715,
|
| 734 |
+
"step": 202
|
| 735 |
+
},
|
| 736 |
+
{
|
| 737 |
+
"epoch": 12.75,
|
| 738 |
+
"learning_rate": 1.7000000000000003e-05,
|
| 739 |
+
"loss": 0.6763,
|
| 740 |
+
"step": 204
|
| 741 |
+
},
|
| 742 |
+
{
|
| 743 |
+
"epoch": 12.88,
|
| 744 |
+
"learning_rate": 1.7166666666666666e-05,
|
| 745 |
+
"loss": 0.6868,
|
| 746 |
+
"step": 206
|
| 747 |
+
},
|
| 748 |
+
{
|
| 749 |
+
"epoch": 13.0,
|
| 750 |
+
"learning_rate": 1.7333333333333336e-05,
|
| 751 |
+
"loss": 0.6516,
|
| 752 |
+
"step": 208
|
| 753 |
+
},
|
| 754 |
+
{
|
| 755 |
+
"epoch": 13.0,
|
| 756 |
+
"eval_accuracy": 0.585,
|
| 757 |
+
"eval_loss": 0.6822723150253296,
|
| 758 |
+
"eval_macro_f1": 0.40501792114695345,
|
| 759 |
+
"eval_runtime": 0.8812,
|
| 760 |
+
"eval_samples_per_second": 453.944,
|
| 761 |
+
"eval_steps_per_second": 4.539,
|
| 762 |
+
"step": 208
|
| 763 |
+
}
|
| 764 |
+
],
|
| 765 |
+
"max_steps": 320,
|
| 766 |
+
"num_train_epochs": 20,
|
| 767 |
+
"total_flos": 286523483750400.0,
|
| 768 |
+
"trial_name": null,
|
| 769 |
+
"trial_params": null
|
| 770 |
+
}
|
scaling_performance/2000/L2/fold0/config.json
ADDED
|
@@ -0,0 +1,25 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"architectures": [
|
| 3 |
+
"BertForSequenceClassification"
|
| 4 |
+
],
|
| 5 |
+
"attention_probs_dropout_prob": 0.02,
|
| 6 |
+
"classifier_dropout": null,
|
| 7 |
+
"hidden_act": "gelu",
|
| 8 |
+
"hidden_dropout_prob": 0.02,
|
| 9 |
+
"hidden_size": 256,
|
| 10 |
+
"initializer_range": 0.02,
|
| 11 |
+
"intermediate_size": 512,
|
| 12 |
+
"layer_norm_eps": 1e-12,
|
| 13 |
+
"max_position_embeddings": 2048,
|
| 14 |
+
"model_type": "bert",
|
| 15 |
+
"num_attention_heads": 4,
|
| 16 |
+
"num_hidden_layers": 2,
|
| 17 |
+
"pad_token_id": 0,
|
| 18 |
+
"position_embedding_type": "absolute",
|
| 19 |
+
"problem_type": "single_label_classification",
|
| 20 |
+
"torch_dtype": "float32",
|
| 21 |
+
"transformers_version": "4.28.0",
|
| 22 |
+
"type_vocab_size": 2,
|
| 23 |
+
"use_cache": true,
|
| 24 |
+
"vocab_size": 30522
|
| 25 |
+
}
|
scaling_performance/2000/L2/fold0/eval_results.json
ADDED
|
@@ -0,0 +1,8 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"test_accuracy": 0.575,
|
| 3 |
+
"test_loss": 0.6815145611763,
|
| 4 |
+
"test_macro_f1": 0.36507936507936506,
|
| 5 |
+
"test_runtime": 0.9708,
|
| 6 |
+
"test_samples_per_second": 412.051,
|
| 7 |
+
"test_steps_per_second": 4.121
|
| 8 |
+
}
|
scaling_performance/2000/L2/fold1/all_results.json
ADDED
|
@@ -0,0 +1,8 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"test_accuracy": 0.565,
|
| 3 |
+
"test_loss": 0.6680055260658264,
|
| 4 |
+
"test_macro_f1": 0.4771006130544537,
|
| 5 |
+
"test_runtime": 0.9664,
|
| 6 |
+
"test_samples_per_second": 413.918,
|
| 7 |
+
"test_steps_per_second": 4.139
|
| 8 |
+
}
|
scaling_performance/2000/L2/fold1/checkpoint-320/config.json
ADDED
|
@@ -0,0 +1,25 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"architectures": [
|
| 3 |
+
"BertForSequenceClassification"
|
| 4 |
+
],
|
| 5 |
+
"attention_probs_dropout_prob": 0.02,
|
| 6 |
+
"classifier_dropout": null,
|
| 7 |
+
"hidden_act": "gelu",
|
| 8 |
+
"hidden_dropout_prob": 0.02,
|
| 9 |
+
"hidden_size": 256,
|
| 10 |
+
"initializer_range": 0.02,
|
| 11 |
+
"intermediate_size": 512,
|
| 12 |
+
"layer_norm_eps": 1e-12,
|
| 13 |
+
"max_position_embeddings": 2048,
|
| 14 |
+
"model_type": "bert",
|
| 15 |
+
"num_attention_heads": 4,
|
| 16 |
+
"num_hidden_layers": 2,
|
| 17 |
+
"pad_token_id": 0,
|
| 18 |
+
"position_embedding_type": "absolute",
|
| 19 |
+
"problem_type": "single_label_classification",
|
| 20 |
+
"torch_dtype": "float32",
|
| 21 |
+
"transformers_version": "4.28.0",
|
| 22 |
+
"type_vocab_size": 2,
|
| 23 |
+
"use_cache": true,
|
| 24 |
+
"vocab_size": 30522
|
| 25 |
+
}
|
scaling_performance/2000/L2/fold1/checkpoint-320/trainer_state.json
ADDED
|
@@ -0,0 +1,1176 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_metric": 0.6680055260658264,
|
| 3 |
+
"best_model_checkpoint": "./models/240626_geneformer_CellClassifier_PM25_Layers2_L2048_B26_LR5e-05_LSlinear_WU600_E20_Oadamw_F0_fold1/checkpoint-320",
|
| 4 |
+
"epoch": 20.0,
|
| 5 |
+
"global_step": 320,
|
| 6 |
+
"is_hyper_param_search": false,
|
| 7 |
+
"is_local_process_zero": true,
|
| 8 |
+
"is_world_process_zero": true,
|
| 9 |
+
"log_history": [
|
| 10 |
+
{
|
| 11 |
+
"epoch": 0.12,
|
| 12 |
+
"learning_rate": 1.6666666666666668e-07,
|
| 13 |
+
"loss": 0.6891,
|
| 14 |
+
"step": 2
|
| 15 |
+
},
|
| 16 |
+
{
|
| 17 |
+
"epoch": 0.25,
|
| 18 |
+
"learning_rate": 3.3333333333333335e-07,
|
| 19 |
+
"loss": 0.6971,
|
| 20 |
+
"step": 4
|
| 21 |
+
},
|
| 22 |
+
{
|
| 23 |
+
"epoch": 0.38,
|
| 24 |
+
"learning_rate": 5.000000000000001e-07,
|
| 25 |
+
"loss": 0.6939,
|
| 26 |
+
"step": 6
|
| 27 |
+
},
|
| 28 |
+
{
|
| 29 |
+
"epoch": 0.5,
|
| 30 |
+
"learning_rate": 6.666666666666667e-07,
|
| 31 |
+
"loss": 0.6935,
|
| 32 |
+
"step": 8
|
| 33 |
+
},
|
| 34 |
+
{
|
| 35 |
+
"epoch": 0.62,
|
| 36 |
+
"learning_rate": 8.333333333333333e-07,
|
| 37 |
+
"loss": 0.6909,
|
| 38 |
+
"step": 10
|
| 39 |
+
},
|
| 40 |
+
{
|
| 41 |
+
"epoch": 0.75,
|
| 42 |
+
"learning_rate": 1.0000000000000002e-06,
|
| 43 |
+
"loss": 0.6984,
|
| 44 |
+
"step": 12
|
| 45 |
+
},
|
| 46 |
+
{
|
| 47 |
+
"epoch": 0.88,
|
| 48 |
+
"learning_rate": 1.1666666666666668e-06,
|
| 49 |
+
"loss": 0.6935,
|
| 50 |
+
"step": 14
|
| 51 |
+
},
|
| 52 |
+
{
|
| 53 |
+
"epoch": 1.0,
|
| 54 |
+
"learning_rate": 1.3333333333333334e-06,
|
| 55 |
+
"loss": 0.6935,
|
| 56 |
+
"step": 16
|
| 57 |
+
},
|
| 58 |
+
{
|
| 59 |
+
"epoch": 1.0,
|
| 60 |
+
"eval_accuracy": 0.5175,
|
| 61 |
+
"eval_loss": 0.6928809285163879,
|
| 62 |
+
"eval_macro_f1": 0.5169898204979009,
|
| 63 |
+
"eval_runtime": 0.8872,
|
| 64 |
+
"eval_samples_per_second": 450.834,
|
| 65 |
+
"eval_steps_per_second": 4.508,
|
| 66 |
+
"step": 16
|
| 67 |
+
},
|
| 68 |
+
{
|
| 69 |
+
"epoch": 1.12,
|
| 70 |
+
"learning_rate": 1.5e-06,
|
| 71 |
+
"loss": 0.6901,
|
| 72 |
+
"step": 18
|
| 73 |
+
},
|
| 74 |
+
{
|
| 75 |
+
"epoch": 1.25,
|
| 76 |
+
"learning_rate": 1.6666666666666667e-06,
|
| 77 |
+
"loss": 0.6877,
|
| 78 |
+
"step": 20
|
| 79 |
+
},
|
| 80 |
+
{
|
| 81 |
+
"epoch": 1.38,
|
| 82 |
+
"learning_rate": 1.8333333333333335e-06,
|
| 83 |
+
"loss": 0.6905,
|
| 84 |
+
"step": 22
|
| 85 |
+
},
|
| 86 |
+
{
|
| 87 |
+
"epoch": 1.5,
|
| 88 |
+
"learning_rate": 2.0000000000000003e-06,
|
| 89 |
+
"loss": 0.6956,
|
| 90 |
+
"step": 24
|
| 91 |
+
},
|
| 92 |
+
{
|
| 93 |
+
"epoch": 1.62,
|
| 94 |
+
"learning_rate": 2.166666666666667e-06,
|
| 95 |
+
"loss": 0.6957,
|
| 96 |
+
"step": 26
|
| 97 |
+
},
|
| 98 |
+
{
|
| 99 |
+
"epoch": 1.75,
|
| 100 |
+
"learning_rate": 2.3333333333333336e-06,
|
| 101 |
+
"loss": 0.6918,
|
| 102 |
+
"step": 28
|
| 103 |
+
},
|
| 104 |
+
{
|
| 105 |
+
"epoch": 1.88,
|
| 106 |
+
"learning_rate": 2.5e-06,
|
| 107 |
+
"loss": 0.6924,
|
| 108 |
+
"step": 30
|
| 109 |
+
},
|
| 110 |
+
{
|
| 111 |
+
"epoch": 2.0,
|
| 112 |
+
"learning_rate": 2.666666666666667e-06,
|
| 113 |
+
"loss": 0.6942,
|
| 114 |
+
"step": 32
|
| 115 |
+
},
|
| 116 |
+
{
|
| 117 |
+
"epoch": 2.0,
|
| 118 |
+
"eval_accuracy": 0.5175,
|
| 119 |
+
"eval_loss": 0.691374659538269,
|
| 120 |
+
"eval_macro_f1": 0.5107452262803329,
|
| 121 |
+
"eval_runtime": 1.0093,
|
| 122 |
+
"eval_samples_per_second": 396.31,
|
| 123 |
+
"eval_steps_per_second": 3.963,
|
| 124 |
+
"step": 32
|
| 125 |
+
},
|
| 126 |
+
{
|
| 127 |
+
"epoch": 2.12,
|
| 128 |
+
"learning_rate": 2.8333333333333335e-06,
|
| 129 |
+
"loss": 0.6911,
|
| 130 |
+
"step": 34
|
| 131 |
+
},
|
| 132 |
+
{
|
| 133 |
+
"epoch": 2.25,
|
| 134 |
+
"learning_rate": 3e-06,
|
| 135 |
+
"loss": 0.6922,
|
| 136 |
+
"step": 36
|
| 137 |
+
},
|
| 138 |
+
{
|
| 139 |
+
"epoch": 2.38,
|
| 140 |
+
"learning_rate": 3.166666666666667e-06,
|
| 141 |
+
"loss": 0.6917,
|
| 142 |
+
"step": 38
|
| 143 |
+
},
|
| 144 |
+
{
|
| 145 |
+
"epoch": 2.5,
|
| 146 |
+
"learning_rate": 3.3333333333333333e-06,
|
| 147 |
+
"loss": 0.6915,
|
| 148 |
+
"step": 40
|
| 149 |
+
},
|
| 150 |
+
{
|
| 151 |
+
"epoch": 2.62,
|
| 152 |
+
"learning_rate": 3.5000000000000004e-06,
|
| 153 |
+
"loss": 0.684,
|
| 154 |
+
"step": 42
|
| 155 |
+
},
|
| 156 |
+
{
|
| 157 |
+
"epoch": 2.75,
|
| 158 |
+
"learning_rate": 3.666666666666667e-06,
|
| 159 |
+
"loss": 0.6924,
|
| 160 |
+
"step": 44
|
| 161 |
+
},
|
| 162 |
+
{
|
| 163 |
+
"epoch": 2.88,
|
| 164 |
+
"learning_rate": 3.833333333333334e-06,
|
| 165 |
+
"loss": 0.6935,
|
| 166 |
+
"step": 46
|
| 167 |
+
},
|
| 168 |
+
{
|
| 169 |
+
"epoch": 3.0,
|
| 170 |
+
"learning_rate": 4.000000000000001e-06,
|
| 171 |
+
"loss": 0.6851,
|
| 172 |
+
"step": 48
|
| 173 |
+
},
|
| 174 |
+
{
|
| 175 |
+
"epoch": 3.0,
|
| 176 |
+
"eval_accuracy": 0.54,
|
| 177 |
+
"eval_loss": 0.6890630125999451,
|
| 178 |
+
"eval_macro_f1": 0.4837840870833801,
|
| 179 |
+
"eval_runtime": 0.929,
|
| 180 |
+
"eval_samples_per_second": 430.549,
|
| 181 |
+
"eval_steps_per_second": 4.305,
|
| 182 |
+
"step": 48
|
| 183 |
+
},
|
| 184 |
+
{
|
| 185 |
+
"epoch": 3.12,
|
| 186 |
+
"learning_rate": 4.166666666666667e-06,
|
| 187 |
+
"loss": 0.6922,
|
| 188 |
+
"step": 50
|
| 189 |
+
},
|
| 190 |
+
{
|
| 191 |
+
"epoch": 3.25,
|
| 192 |
+
"learning_rate": 4.333333333333334e-06,
|
| 193 |
+
"loss": 0.6847,
|
| 194 |
+
"step": 52
|
| 195 |
+
},
|
| 196 |
+
{
|
| 197 |
+
"epoch": 3.38,
|
| 198 |
+
"learning_rate": 4.5e-06,
|
| 199 |
+
"loss": 0.6855,
|
| 200 |
+
"step": 54
|
| 201 |
+
},
|
| 202 |
+
{
|
| 203 |
+
"epoch": 3.5,
|
| 204 |
+
"learning_rate": 4.666666666666667e-06,
|
| 205 |
+
"loss": 0.6965,
|
| 206 |
+
"step": 56
|
| 207 |
+
},
|
| 208 |
+
{
|
| 209 |
+
"epoch": 3.62,
|
| 210 |
+
"learning_rate": 4.833333333333333e-06,
|
| 211 |
+
"loss": 0.6935,
|
| 212 |
+
"step": 58
|
| 213 |
+
},
|
| 214 |
+
{
|
| 215 |
+
"epoch": 3.75,
|
| 216 |
+
"learning_rate": 5e-06,
|
| 217 |
+
"loss": 0.684,
|
| 218 |
+
"step": 60
|
| 219 |
+
},
|
| 220 |
+
{
|
| 221 |
+
"epoch": 3.88,
|
| 222 |
+
"learning_rate": 5.166666666666667e-06,
|
| 223 |
+
"loss": 0.6892,
|
| 224 |
+
"step": 62
|
| 225 |
+
},
|
| 226 |
+
{
|
| 227 |
+
"epoch": 4.0,
|
| 228 |
+
"learning_rate": 5.333333333333334e-06,
|
| 229 |
+
"loss": 0.6844,
|
| 230 |
+
"step": 64
|
| 231 |
+
},
|
| 232 |
+
{
|
| 233 |
+
"epoch": 4.0,
|
| 234 |
+
"eval_accuracy": 0.575,
|
| 235 |
+
"eval_loss": 0.6868659853935242,
|
| 236 |
+
"eval_macro_f1": 0.4407158836689038,
|
| 237 |
+
"eval_runtime": 0.9167,
|
| 238 |
+
"eval_samples_per_second": 436.364,
|
| 239 |
+
"eval_steps_per_second": 4.364,
|
| 240 |
+
"step": 64
|
| 241 |
+
},
|
| 242 |
+
{
|
| 243 |
+
"epoch": 4.12,
|
| 244 |
+
"learning_rate": 5.500000000000001e-06,
|
| 245 |
+
"loss": 0.695,
|
| 246 |
+
"step": 66
|
| 247 |
+
},
|
| 248 |
+
{
|
| 249 |
+
"epoch": 4.25,
|
| 250 |
+
"learning_rate": 5.666666666666667e-06,
|
| 251 |
+
"loss": 0.6833,
|
| 252 |
+
"step": 68
|
| 253 |
+
},
|
| 254 |
+
{
|
| 255 |
+
"epoch": 4.38,
|
| 256 |
+
"learning_rate": 5.833333333333334e-06,
|
| 257 |
+
"loss": 0.678,
|
| 258 |
+
"step": 70
|
| 259 |
+
},
|
| 260 |
+
{
|
| 261 |
+
"epoch": 4.5,
|
| 262 |
+
"learning_rate": 6e-06,
|
| 263 |
+
"loss": 0.6914,
|
| 264 |
+
"step": 72
|
| 265 |
+
},
|
| 266 |
+
{
|
| 267 |
+
"epoch": 4.62,
|
| 268 |
+
"learning_rate": 6.166666666666667e-06,
|
| 269 |
+
"loss": 0.6837,
|
| 270 |
+
"step": 74
|
| 271 |
+
},
|
| 272 |
+
{
|
| 273 |
+
"epoch": 4.75,
|
| 274 |
+
"learning_rate": 6.333333333333334e-06,
|
| 275 |
+
"loss": 0.6733,
|
| 276 |
+
"step": 76
|
| 277 |
+
},
|
| 278 |
+
{
|
| 279 |
+
"epoch": 4.88,
|
| 280 |
+
"learning_rate": 6.5000000000000004e-06,
|
| 281 |
+
"loss": 0.6994,
|
| 282 |
+
"step": 78
|
| 283 |
+
},
|
| 284 |
+
{
|
| 285 |
+
"epoch": 5.0,
|
| 286 |
+
"learning_rate": 6.666666666666667e-06,
|
| 287 |
+
"loss": 0.6786,
|
| 288 |
+
"step": 80
|
| 289 |
+
},
|
| 290 |
+
{
|
| 291 |
+
"epoch": 5.0,
|
| 292 |
+
"eval_accuracy": 0.5625,
|
| 293 |
+
"eval_loss": 0.6852134466171265,
|
| 294 |
+
"eval_macro_f1": 0.3752175581717081,
|
| 295 |
+
"eval_runtime": 0.9926,
|
| 296 |
+
"eval_samples_per_second": 403.001,
|
| 297 |
+
"eval_steps_per_second": 4.03,
|
| 298 |
+
"step": 80
|
| 299 |
+
},
|
| 300 |
+
{
|
| 301 |
+
"epoch": 5.12,
|
| 302 |
+
"learning_rate": 6.833333333333333e-06,
|
| 303 |
+
"loss": 0.7009,
|
| 304 |
+
"step": 82
|
| 305 |
+
},
|
| 306 |
+
{
|
| 307 |
+
"epoch": 5.25,
|
| 308 |
+
"learning_rate": 7.000000000000001e-06,
|
| 309 |
+
"loss": 0.6761,
|
| 310 |
+
"step": 84
|
| 311 |
+
},
|
| 312 |
+
{
|
| 313 |
+
"epoch": 5.38,
|
| 314 |
+
"learning_rate": 7.166666666666667e-06,
|
| 315 |
+
"loss": 0.68,
|
| 316 |
+
"step": 86
|
| 317 |
+
},
|
| 318 |
+
{
|
| 319 |
+
"epoch": 5.5,
|
| 320 |
+
"learning_rate": 7.333333333333334e-06,
|
| 321 |
+
"loss": 0.6956,
|
| 322 |
+
"step": 88
|
| 323 |
+
},
|
| 324 |
+
{
|
| 325 |
+
"epoch": 5.62,
|
| 326 |
+
"learning_rate": 7.5e-06,
|
| 327 |
+
"loss": 0.6853,
|
| 328 |
+
"step": 90
|
| 329 |
+
},
|
| 330 |
+
{
|
| 331 |
+
"epoch": 5.75,
|
| 332 |
+
"learning_rate": 7.666666666666667e-06,
|
| 333 |
+
"loss": 0.6761,
|
| 334 |
+
"step": 92
|
| 335 |
+
},
|
| 336 |
+
{
|
| 337 |
+
"epoch": 5.88,
|
| 338 |
+
"learning_rate": 7.833333333333333e-06,
|
| 339 |
+
"loss": 0.6912,
|
| 340 |
+
"step": 94
|
| 341 |
+
},
|
| 342 |
+
{
|
| 343 |
+
"epoch": 6.0,
|
| 344 |
+
"learning_rate": 8.000000000000001e-06,
|
| 345 |
+
"loss": 0.6608,
|
| 346 |
+
"step": 96
|
| 347 |
+
},
|
| 348 |
+
{
|
| 349 |
+
"epoch": 6.0,
|
| 350 |
+
"eval_accuracy": 0.5625,
|
| 351 |
+
"eval_loss": 0.6843925714492798,
|
| 352 |
+
"eval_macro_f1": 0.3702714130209879,
|
| 353 |
+
"eval_runtime": 0.9143,
|
| 354 |
+
"eval_samples_per_second": 437.474,
|
| 355 |
+
"eval_steps_per_second": 4.375,
|
| 356 |
+
"step": 96
|
| 357 |
+
},
|
| 358 |
+
{
|
| 359 |
+
"epoch": 6.12,
|
| 360 |
+
"learning_rate": 8.166666666666668e-06,
|
| 361 |
+
"loss": 0.689,
|
| 362 |
+
"step": 98
|
| 363 |
+
},
|
| 364 |
+
{
|
| 365 |
+
"epoch": 6.25,
|
| 366 |
+
"learning_rate": 8.333333333333334e-06,
|
| 367 |
+
"loss": 0.6762,
|
| 368 |
+
"step": 100
|
| 369 |
+
},
|
| 370 |
+
{
|
| 371 |
+
"epoch": 6.38,
|
| 372 |
+
"learning_rate": 8.500000000000002e-06,
|
| 373 |
+
"loss": 0.6624,
|
| 374 |
+
"step": 102
|
| 375 |
+
},
|
| 376 |
+
{
|
| 377 |
+
"epoch": 6.5,
|
| 378 |
+
"learning_rate": 8.666666666666668e-06,
|
| 379 |
+
"loss": 0.7094,
|
| 380 |
+
"step": 104
|
| 381 |
+
},
|
| 382 |
+
{
|
| 383 |
+
"epoch": 6.62,
|
| 384 |
+
"learning_rate": 8.833333333333334e-06,
|
| 385 |
+
"loss": 0.6789,
|
| 386 |
+
"step": 106
|
| 387 |
+
},
|
| 388 |
+
{
|
| 389 |
+
"epoch": 6.75,
|
| 390 |
+
"learning_rate": 9e-06,
|
| 391 |
+
"loss": 0.6724,
|
| 392 |
+
"step": 108
|
| 393 |
+
},
|
| 394 |
+
{
|
| 395 |
+
"epoch": 6.88,
|
| 396 |
+
"learning_rate": 9.166666666666666e-06,
|
| 397 |
+
"loss": 0.6967,
|
| 398 |
+
"step": 110
|
| 399 |
+
},
|
| 400 |
+
{
|
| 401 |
+
"epoch": 7.0,
|
| 402 |
+
"learning_rate": 9.333333333333334e-06,
|
| 403 |
+
"loss": 0.679,
|
| 404 |
+
"step": 112
|
| 405 |
+
},
|
| 406 |
+
{
|
| 407 |
+
"epoch": 7.0,
|
| 408 |
+
"eval_accuracy": 0.5625,
|
| 409 |
+
"eval_loss": 0.683676540851593,
|
| 410 |
+
"eval_macro_f1": 0.36,
|
| 411 |
+
"eval_runtime": 0.9489,
|
| 412 |
+
"eval_samples_per_second": 421.522,
|
| 413 |
+
"eval_steps_per_second": 4.215,
|
| 414 |
+
"step": 112
|
| 415 |
+
},
|
| 416 |
+
{
|
| 417 |
+
"epoch": 7.12,
|
| 418 |
+
"learning_rate": 9.5e-06,
|
| 419 |
+
"loss": 0.6991,
|
| 420 |
+
"step": 114
|
| 421 |
+
},
|
| 422 |
+
{
|
| 423 |
+
"epoch": 7.25,
|
| 424 |
+
"learning_rate": 9.666666666666667e-06,
|
| 425 |
+
"loss": 0.6841,
|
| 426 |
+
"step": 116
|
| 427 |
+
},
|
| 428 |
+
{
|
| 429 |
+
"epoch": 7.38,
|
| 430 |
+
"learning_rate": 9.833333333333333e-06,
|
| 431 |
+
"loss": 0.6881,
|
| 432 |
+
"step": 118
|
| 433 |
+
},
|
| 434 |
+
{
|
| 435 |
+
"epoch": 7.5,
|
| 436 |
+
"learning_rate": 1e-05,
|
| 437 |
+
"loss": 0.6963,
|
| 438 |
+
"step": 120
|
| 439 |
+
},
|
| 440 |
+
{
|
| 441 |
+
"epoch": 7.62,
|
| 442 |
+
"learning_rate": 1.0166666666666667e-05,
|
| 443 |
+
"loss": 0.6736,
|
| 444 |
+
"step": 122
|
| 445 |
+
},
|
| 446 |
+
{
|
| 447 |
+
"epoch": 7.75,
|
| 448 |
+
"learning_rate": 1.0333333333333333e-05,
|
| 449 |
+
"loss": 0.6722,
|
| 450 |
+
"step": 124
|
| 451 |
+
},
|
| 452 |
+
{
|
| 453 |
+
"epoch": 7.88,
|
| 454 |
+
"learning_rate": 1.05e-05,
|
| 455 |
+
"loss": 0.6922,
|
| 456 |
+
"step": 126
|
| 457 |
+
},
|
| 458 |
+
{
|
| 459 |
+
"epoch": 8.0,
|
| 460 |
+
"learning_rate": 1.0666666666666667e-05,
|
| 461 |
+
"loss": 0.6501,
|
| 462 |
+
"step": 128
|
| 463 |
+
},
|
| 464 |
+
{
|
| 465 |
+
"epoch": 8.0,
|
| 466 |
+
"eval_accuracy": 0.56,
|
| 467 |
+
"eval_loss": 0.6837745904922485,
|
| 468 |
+
"eval_macro_f1": 0.36413887784963334,
|
| 469 |
+
"eval_runtime": 0.978,
|
| 470 |
+
"eval_samples_per_second": 408.981,
|
| 471 |
+
"eval_steps_per_second": 4.09,
|
| 472 |
+
"step": 128
|
| 473 |
+
},
|
| 474 |
+
{
|
| 475 |
+
"epoch": 8.12,
|
| 476 |
+
"learning_rate": 1.0833333333333334e-05,
|
| 477 |
+
"loss": 0.689,
|
| 478 |
+
"step": 130
|
| 479 |
+
},
|
| 480 |
+
{
|
| 481 |
+
"epoch": 8.25,
|
| 482 |
+
"learning_rate": 1.1000000000000001e-05,
|
| 483 |
+
"loss": 0.6726,
|
| 484 |
+
"step": 132
|
| 485 |
+
},
|
| 486 |
+
{
|
| 487 |
+
"epoch": 8.38,
|
| 488 |
+
"learning_rate": 1.1166666666666668e-05,
|
| 489 |
+
"loss": 0.6784,
|
| 490 |
+
"step": 134
|
| 491 |
+
},
|
| 492 |
+
{
|
| 493 |
+
"epoch": 8.5,
|
| 494 |
+
"learning_rate": 1.1333333333333334e-05,
|
| 495 |
+
"loss": 0.6942,
|
| 496 |
+
"step": 136
|
| 497 |
+
},
|
| 498 |
+
{
|
| 499 |
+
"epoch": 8.62,
|
| 500 |
+
"learning_rate": 1.1500000000000002e-05,
|
| 501 |
+
"loss": 0.6816,
|
| 502 |
+
"step": 138
|
| 503 |
+
},
|
| 504 |
+
{
|
| 505 |
+
"epoch": 8.75,
|
| 506 |
+
"learning_rate": 1.1666666666666668e-05,
|
| 507 |
+
"loss": 0.6716,
|
| 508 |
+
"step": 140
|
| 509 |
+
},
|
| 510 |
+
{
|
| 511 |
+
"epoch": 8.88,
|
| 512 |
+
"learning_rate": 1.1833333333333334e-05,
|
| 513 |
+
"loss": 0.6876,
|
| 514 |
+
"step": 142
|
| 515 |
+
},
|
| 516 |
+
{
|
| 517 |
+
"epoch": 9.0,
|
| 518 |
+
"learning_rate": 1.2e-05,
|
| 519 |
+
"loss": 0.6843,
|
| 520 |
+
"step": 144
|
| 521 |
+
},
|
| 522 |
+
{
|
| 523 |
+
"epoch": 9.0,
|
| 524 |
+
"eval_accuracy": 0.5625,
|
| 525 |
+
"eval_loss": 0.6833199858665466,
|
| 526 |
+
"eval_macro_f1": 0.36,
|
| 527 |
+
"eval_runtime": 1.072,
|
| 528 |
+
"eval_samples_per_second": 373.151,
|
| 529 |
+
"eval_steps_per_second": 3.732,
|
| 530 |
+
"step": 144
|
| 531 |
+
},
|
| 532 |
+
{
|
| 533 |
+
"epoch": 9.12,
|
| 534 |
+
"learning_rate": 1.2166666666666668e-05,
|
| 535 |
+
"loss": 0.7016,
|
| 536 |
+
"step": 146
|
| 537 |
+
},
|
| 538 |
+
{
|
| 539 |
+
"epoch": 9.25,
|
| 540 |
+
"learning_rate": 1.2333333333333334e-05,
|
| 541 |
+
"loss": 0.6703,
|
| 542 |
+
"step": 148
|
| 543 |
+
},
|
| 544 |
+
{
|
| 545 |
+
"epoch": 9.38,
|
| 546 |
+
"learning_rate": 1.25e-05,
|
| 547 |
+
"loss": 0.6783,
|
| 548 |
+
"step": 150
|
| 549 |
+
},
|
| 550 |
+
{
|
| 551 |
+
"epoch": 9.5,
|
| 552 |
+
"learning_rate": 1.2666666666666668e-05,
|
| 553 |
+
"loss": 0.6892,
|
| 554 |
+
"step": 152
|
| 555 |
+
},
|
| 556 |
+
{
|
| 557 |
+
"epoch": 9.62,
|
| 558 |
+
"learning_rate": 1.2833333333333333e-05,
|
| 559 |
+
"loss": 0.6673,
|
| 560 |
+
"step": 154
|
| 561 |
+
},
|
| 562 |
+
{
|
| 563 |
+
"epoch": 9.75,
|
| 564 |
+
"learning_rate": 1.3000000000000001e-05,
|
| 565 |
+
"loss": 0.6707,
|
| 566 |
+
"step": 156
|
| 567 |
+
},
|
| 568 |
+
{
|
| 569 |
+
"epoch": 9.88,
|
| 570 |
+
"learning_rate": 1.3166666666666665e-05,
|
| 571 |
+
"loss": 0.6946,
|
| 572 |
+
"step": 158
|
| 573 |
+
},
|
| 574 |
+
{
|
| 575 |
+
"epoch": 10.0,
|
| 576 |
+
"learning_rate": 1.3333333333333333e-05,
|
| 577 |
+
"loss": 0.6606,
|
| 578 |
+
"step": 160
|
| 579 |
+
},
|
| 580 |
+
{
|
| 581 |
+
"epoch": 10.0,
|
| 582 |
+
"eval_accuracy": 0.5625,
|
| 583 |
+
"eval_loss": 0.6831080913543701,
|
| 584 |
+
"eval_macro_f1": 0.36,
|
| 585 |
+
"eval_runtime": 0.9603,
|
| 586 |
+
"eval_samples_per_second": 416.552,
|
| 587 |
+
"eval_steps_per_second": 4.166,
|
| 588 |
+
"step": 160
|
| 589 |
+
},
|
| 590 |
+
{
|
| 591 |
+
"epoch": 10.12,
|
| 592 |
+
"learning_rate": 1.3500000000000001e-05,
|
| 593 |
+
"loss": 0.6884,
|
| 594 |
+
"step": 162
|
| 595 |
+
},
|
| 596 |
+
{
|
| 597 |
+
"epoch": 10.25,
|
| 598 |
+
"learning_rate": 1.3666666666666666e-05,
|
| 599 |
+
"loss": 0.6678,
|
| 600 |
+
"step": 164
|
| 601 |
+
},
|
| 602 |
+
{
|
| 603 |
+
"epoch": 10.38,
|
| 604 |
+
"learning_rate": 1.3833333333333334e-05,
|
| 605 |
+
"loss": 0.6673,
|
| 606 |
+
"step": 166
|
| 607 |
+
},
|
| 608 |
+
{
|
| 609 |
+
"epoch": 10.5,
|
| 610 |
+
"learning_rate": 1.4000000000000001e-05,
|
| 611 |
+
"loss": 0.697,
|
| 612 |
+
"step": 168
|
| 613 |
+
},
|
| 614 |
+
{
|
| 615 |
+
"epoch": 10.62,
|
| 616 |
+
"learning_rate": 1.4166666666666668e-05,
|
| 617 |
+
"loss": 0.6654,
|
| 618 |
+
"step": 170
|
| 619 |
+
},
|
| 620 |
+
{
|
| 621 |
+
"epoch": 10.75,
|
| 622 |
+
"learning_rate": 1.4333333333333334e-05,
|
| 623 |
+
"loss": 0.6878,
|
| 624 |
+
"step": 172
|
| 625 |
+
},
|
| 626 |
+
{
|
| 627 |
+
"epoch": 10.88,
|
| 628 |
+
"learning_rate": 1.45e-05,
|
| 629 |
+
"loss": 0.6999,
|
| 630 |
+
"step": 174
|
| 631 |
+
},
|
| 632 |
+
{
|
| 633 |
+
"epoch": 11.0,
|
| 634 |
+
"learning_rate": 1.4666666666666668e-05,
|
| 635 |
+
"loss": 0.6517,
|
| 636 |
+
"step": 176
|
| 637 |
+
},
|
| 638 |
+
{
|
| 639 |
+
"epoch": 11.0,
|
| 640 |
+
"eval_accuracy": 0.5625,
|
| 641 |
+
"eval_loss": 0.6825976371765137,
|
| 642 |
+
"eval_macro_f1": 0.36,
|
| 643 |
+
"eval_runtime": 0.9579,
|
| 644 |
+
"eval_samples_per_second": 417.581,
|
| 645 |
+
"eval_steps_per_second": 4.176,
|
| 646 |
+
"step": 176
|
| 647 |
+
},
|
| 648 |
+
{
|
| 649 |
+
"epoch": 11.12,
|
| 650 |
+
"learning_rate": 1.4833333333333336e-05,
|
| 651 |
+
"loss": 0.7032,
|
| 652 |
+
"step": 178
|
| 653 |
+
},
|
| 654 |
+
{
|
| 655 |
+
"epoch": 11.25,
|
| 656 |
+
"learning_rate": 1.5e-05,
|
| 657 |
+
"loss": 0.6567,
|
| 658 |
+
"step": 180
|
| 659 |
+
},
|
| 660 |
+
{
|
| 661 |
+
"epoch": 11.38,
|
| 662 |
+
"learning_rate": 1.5166666666666668e-05,
|
| 663 |
+
"loss": 0.6711,
|
| 664 |
+
"step": 182
|
| 665 |
+
},
|
| 666 |
+
{
|
| 667 |
+
"epoch": 11.5,
|
| 668 |
+
"learning_rate": 1.5333333333333334e-05,
|
| 669 |
+
"loss": 0.691,
|
| 670 |
+
"step": 184
|
| 671 |
+
},
|
| 672 |
+
{
|
| 673 |
+
"epoch": 11.62,
|
| 674 |
+
"learning_rate": 1.55e-05,
|
| 675 |
+
"loss": 0.659,
|
| 676 |
+
"step": 186
|
| 677 |
+
},
|
| 678 |
+
{
|
| 679 |
+
"epoch": 11.75,
|
| 680 |
+
"learning_rate": 1.5666666666666667e-05,
|
| 681 |
+
"loss": 0.6765,
|
| 682 |
+
"step": 188
|
| 683 |
+
},
|
| 684 |
+
{
|
| 685 |
+
"epoch": 11.88,
|
| 686 |
+
"learning_rate": 1.5833333333333333e-05,
|
| 687 |
+
"loss": 0.7001,
|
| 688 |
+
"step": 190
|
| 689 |
+
},
|
| 690 |
+
{
|
| 691 |
+
"epoch": 12.0,
|
| 692 |
+
"learning_rate": 1.6000000000000003e-05,
|
| 693 |
+
"loss": 0.6475,
|
| 694 |
+
"step": 192
|
| 695 |
+
},
|
| 696 |
+
{
|
| 697 |
+
"epoch": 12.0,
|
| 698 |
+
"eval_accuracy": 0.5625,
|
| 699 |
+
"eval_loss": 0.6822869777679443,
|
| 700 |
+
"eval_macro_f1": 0.36,
|
| 701 |
+
"eval_runtime": 0.9321,
|
| 702 |
+
"eval_samples_per_second": 429.124,
|
| 703 |
+
"eval_steps_per_second": 4.291,
|
| 704 |
+
"step": 192
|
| 705 |
+
},
|
| 706 |
+
{
|
| 707 |
+
"epoch": 12.12,
|
| 708 |
+
"learning_rate": 1.6166666666666665e-05,
|
| 709 |
+
"loss": 0.6934,
|
| 710 |
+
"step": 194
|
| 711 |
+
},
|
| 712 |
+
{
|
| 713 |
+
"epoch": 12.25,
|
| 714 |
+
"learning_rate": 1.6333333333333335e-05,
|
| 715 |
+
"loss": 0.6718,
|
| 716 |
+
"step": 196
|
| 717 |
+
},
|
| 718 |
+
{
|
| 719 |
+
"epoch": 12.38,
|
| 720 |
+
"learning_rate": 1.65e-05,
|
| 721 |
+
"loss": 0.6756,
|
| 722 |
+
"step": 198
|
| 723 |
+
},
|
| 724 |
+
{
|
| 725 |
+
"epoch": 12.5,
|
| 726 |
+
"learning_rate": 1.6666666666666667e-05,
|
| 727 |
+
"loss": 0.6962,
|
| 728 |
+
"step": 200
|
| 729 |
+
},
|
| 730 |
+
{
|
| 731 |
+
"epoch": 12.62,
|
| 732 |
+
"learning_rate": 1.6833333333333334e-05,
|
| 733 |
+
"loss": 0.6585,
|
| 734 |
+
"step": 202
|
| 735 |
+
},
|
| 736 |
+
{
|
| 737 |
+
"epoch": 12.75,
|
| 738 |
+
"learning_rate": 1.7000000000000003e-05,
|
| 739 |
+
"loss": 0.6658,
|
| 740 |
+
"step": 204
|
| 741 |
+
},
|
| 742 |
+
{
|
| 743 |
+
"epoch": 12.88,
|
| 744 |
+
"learning_rate": 1.7166666666666666e-05,
|
| 745 |
+
"loss": 0.6825,
|
| 746 |
+
"step": 206
|
| 747 |
+
},
|
| 748 |
+
{
|
| 749 |
+
"epoch": 13.0,
|
| 750 |
+
"learning_rate": 1.7333333333333336e-05,
|
| 751 |
+
"loss": 0.6503,
|
| 752 |
+
"step": 208
|
| 753 |
+
},
|
| 754 |
+
{
|
| 755 |
+
"epoch": 13.0,
|
| 756 |
+
"eval_accuracy": 0.5625,
|
| 757 |
+
"eval_loss": 0.6819019913673401,
|
| 758 |
+
"eval_macro_f1": 0.36,
|
| 759 |
+
"eval_runtime": 0.974,
|
| 760 |
+
"eval_samples_per_second": 410.695,
|
| 761 |
+
"eval_steps_per_second": 4.107,
|
| 762 |
+
"step": 208
|
| 763 |
+
},
|
| 764 |
+
{
|
| 765 |
+
"epoch": 13.12,
|
| 766 |
+
"learning_rate": 1.75e-05,
|
| 767 |
+
"loss": 0.6959,
|
| 768 |
+
"step": 210
|
| 769 |
+
},
|
| 770 |
+
{
|
| 771 |
+
"epoch": 13.25,
|
| 772 |
+
"learning_rate": 1.7666666666666668e-05,
|
| 773 |
+
"loss": 0.6671,
|
| 774 |
+
"step": 212
|
| 775 |
+
},
|
| 776 |
+
{
|
| 777 |
+
"epoch": 13.38,
|
| 778 |
+
"learning_rate": 1.7833333333333334e-05,
|
| 779 |
+
"loss": 0.6638,
|
| 780 |
+
"step": 214
|
| 781 |
+
},
|
| 782 |
+
{
|
| 783 |
+
"epoch": 13.5,
|
| 784 |
+
"learning_rate": 1.8e-05,
|
| 785 |
+
"loss": 0.6956,
|
| 786 |
+
"step": 216
|
| 787 |
+
},
|
| 788 |
+
{
|
| 789 |
+
"epoch": 13.62,
|
| 790 |
+
"learning_rate": 1.8166666666666667e-05,
|
| 791 |
+
"loss": 0.6559,
|
| 792 |
+
"step": 218
|
| 793 |
+
},
|
| 794 |
+
{
|
| 795 |
+
"epoch": 13.75,
|
| 796 |
+
"learning_rate": 1.8333333333333333e-05,
|
| 797 |
+
"loss": 0.6626,
|
| 798 |
+
"step": 220
|
| 799 |
+
},
|
| 800 |
+
{
|
| 801 |
+
"epoch": 13.88,
|
| 802 |
+
"learning_rate": 1.85e-05,
|
| 803 |
+
"loss": 0.6882,
|
| 804 |
+
"step": 222
|
| 805 |
+
},
|
| 806 |
+
{
|
| 807 |
+
"epoch": 14.0,
|
| 808 |
+
"learning_rate": 1.866666666666667e-05,
|
| 809 |
+
"loss": 0.6718,
|
| 810 |
+
"step": 224
|
| 811 |
+
},
|
| 812 |
+
{
|
| 813 |
+
"epoch": 14.0,
|
| 814 |
+
"eval_accuracy": 0.5625,
|
| 815 |
+
"eval_loss": 0.681367814540863,
|
| 816 |
+
"eval_macro_f1": 0.36,
|
| 817 |
+
"eval_runtime": 0.8835,
|
| 818 |
+
"eval_samples_per_second": 452.731,
|
| 819 |
+
"eval_steps_per_second": 4.527,
|
| 820 |
+
"step": 224
|
| 821 |
+
},
|
| 822 |
+
{
|
| 823 |
+
"epoch": 14.12,
|
| 824 |
+
"learning_rate": 1.8833333333333335e-05,
|
| 825 |
+
"loss": 0.6819,
|
| 826 |
+
"step": 226
|
| 827 |
+
},
|
| 828 |
+
{
|
| 829 |
+
"epoch": 14.25,
|
| 830 |
+
"learning_rate": 1.9e-05,
|
| 831 |
+
"loss": 0.6612,
|
| 832 |
+
"step": 228
|
| 833 |
+
},
|
| 834 |
+
{
|
| 835 |
+
"epoch": 14.38,
|
| 836 |
+
"learning_rate": 1.9166666666666667e-05,
|
| 837 |
+
"loss": 0.6404,
|
| 838 |
+
"step": 230
|
| 839 |
+
},
|
| 840 |
+
{
|
| 841 |
+
"epoch": 14.5,
|
| 842 |
+
"learning_rate": 1.9333333333333333e-05,
|
| 843 |
+
"loss": 0.6926,
|
| 844 |
+
"step": 232
|
| 845 |
+
},
|
| 846 |
+
{
|
| 847 |
+
"epoch": 14.62,
|
| 848 |
+
"learning_rate": 1.9500000000000003e-05,
|
| 849 |
+
"loss": 0.6661,
|
| 850 |
+
"step": 234
|
| 851 |
+
},
|
| 852 |
+
{
|
| 853 |
+
"epoch": 14.75,
|
| 854 |
+
"learning_rate": 1.9666666666666666e-05,
|
| 855 |
+
"loss": 0.6755,
|
| 856 |
+
"step": 236
|
| 857 |
+
},
|
| 858 |
+
{
|
| 859 |
+
"epoch": 14.88,
|
| 860 |
+
"learning_rate": 1.9833333333333335e-05,
|
| 861 |
+
"loss": 0.6928,
|
| 862 |
+
"step": 238
|
| 863 |
+
},
|
| 864 |
+
{
|
| 865 |
+
"epoch": 15.0,
|
| 866 |
+
"learning_rate": 2e-05,
|
| 867 |
+
"loss": 0.6628,
|
| 868 |
+
"step": 240
|
| 869 |
+
},
|
| 870 |
+
{
|
| 871 |
+
"epoch": 15.0,
|
| 872 |
+
"eval_accuracy": 0.5575,
|
| 873 |
+
"eval_loss": 0.6806111931800842,
|
| 874 |
+
"eval_macro_f1": 0.3579454253611557,
|
| 875 |
+
"eval_runtime": 0.931,
|
| 876 |
+
"eval_samples_per_second": 429.659,
|
| 877 |
+
"eval_steps_per_second": 4.297,
|
| 878 |
+
"step": 240
|
| 879 |
+
},
|
| 880 |
+
{
|
| 881 |
+
"epoch": 15.12,
|
| 882 |
+
"learning_rate": 2.0166666666666668e-05,
|
| 883 |
+
"loss": 0.6946,
|
| 884 |
+
"step": 242
|
| 885 |
+
},
|
| 886 |
+
{
|
| 887 |
+
"epoch": 15.25,
|
| 888 |
+
"learning_rate": 2.0333333333333334e-05,
|
| 889 |
+
"loss": 0.6502,
|
| 890 |
+
"step": 244
|
| 891 |
+
},
|
| 892 |
+
{
|
| 893 |
+
"epoch": 15.38,
|
| 894 |
+
"learning_rate": 2.05e-05,
|
| 895 |
+
"loss": 0.6611,
|
| 896 |
+
"step": 246
|
| 897 |
+
},
|
| 898 |
+
{
|
| 899 |
+
"epoch": 15.5,
|
| 900 |
+
"learning_rate": 2.0666666666666666e-05,
|
| 901 |
+
"loss": 0.6792,
|
| 902 |
+
"step": 248
|
| 903 |
+
},
|
| 904 |
+
{
|
| 905 |
+
"epoch": 15.62,
|
| 906 |
+
"learning_rate": 2.0833333333333336e-05,
|
| 907 |
+
"loss": 0.6507,
|
| 908 |
+
"step": 250
|
| 909 |
+
},
|
| 910 |
+
{
|
| 911 |
+
"epoch": 15.75,
|
| 912 |
+
"learning_rate": 2.1e-05,
|
| 913 |
+
"loss": 0.6608,
|
| 914 |
+
"step": 252
|
| 915 |
+
},
|
| 916 |
+
{
|
| 917 |
+
"epoch": 15.88,
|
| 918 |
+
"learning_rate": 2.116666666666667e-05,
|
| 919 |
+
"loss": 0.6996,
|
| 920 |
+
"step": 254
|
| 921 |
+
},
|
| 922 |
+
{
|
| 923 |
+
"epoch": 16.0,
|
| 924 |
+
"learning_rate": 2.1333333333333335e-05,
|
| 925 |
+
"loss": 0.6546,
|
| 926 |
+
"step": 256
|
| 927 |
+
},
|
| 928 |
+
{
|
| 929 |
+
"epoch": 16.0,
|
| 930 |
+
"eval_accuracy": 0.5625,
|
| 931 |
+
"eval_loss": 0.6797133684158325,
|
| 932 |
+
"eval_macro_f1": 0.3752175581717081,
|
| 933 |
+
"eval_runtime": 0.889,
|
| 934 |
+
"eval_samples_per_second": 449.963,
|
| 935 |
+
"eval_steps_per_second": 4.5,
|
| 936 |
+
"step": 256
|
| 937 |
+
},
|
| 938 |
+
{
|
| 939 |
+
"epoch": 16.12,
|
| 940 |
+
"learning_rate": 2.15e-05,
|
| 941 |
+
"loss": 0.6848,
|
| 942 |
+
"step": 258
|
| 943 |
+
},
|
| 944 |
+
{
|
| 945 |
+
"epoch": 16.25,
|
| 946 |
+
"learning_rate": 2.1666666666666667e-05,
|
| 947 |
+
"loss": 0.6618,
|
| 948 |
+
"step": 260
|
| 949 |
+
},
|
| 950 |
+
{
|
| 951 |
+
"epoch": 16.38,
|
| 952 |
+
"learning_rate": 2.1833333333333333e-05,
|
| 953 |
+
"loss": 0.6626,
|
| 954 |
+
"step": 262
|
| 955 |
+
},
|
| 956 |
+
{
|
| 957 |
+
"epoch": 16.5,
|
| 958 |
+
"learning_rate": 2.2000000000000003e-05,
|
| 959 |
+
"loss": 0.6863,
|
| 960 |
+
"step": 264
|
| 961 |
+
},
|
| 962 |
+
{
|
| 963 |
+
"epoch": 16.62,
|
| 964 |
+
"learning_rate": 2.216666666666667e-05,
|
| 965 |
+
"loss": 0.6545,
|
| 966 |
+
"step": 266
|
| 967 |
+
},
|
| 968 |
+
{
|
| 969 |
+
"epoch": 16.75,
|
| 970 |
+
"learning_rate": 2.2333333333333335e-05,
|
| 971 |
+
"loss": 0.6562,
|
| 972 |
+
"step": 268
|
| 973 |
+
},
|
| 974 |
+
{
|
| 975 |
+
"epoch": 16.88,
|
| 976 |
+
"learning_rate": 2.25e-05,
|
| 977 |
+
"loss": 0.6782,
|
| 978 |
+
"step": 270
|
| 979 |
+
},
|
| 980 |
+
{
|
| 981 |
+
"epoch": 17.0,
|
| 982 |
+
"learning_rate": 2.2666666666666668e-05,
|
| 983 |
+
"loss": 0.6436,
|
| 984 |
+
"step": 272
|
| 985 |
+
},
|
| 986 |
+
{
|
| 987 |
+
"epoch": 17.0,
|
| 988 |
+
"eval_accuracy": 0.5675,
|
| 989 |
+
"eval_loss": 0.6785295009613037,
|
| 990 |
+
"eval_macro_f1": 0.3917820259283674,
|
| 991 |
+
"eval_runtime": 0.9187,
|
| 992 |
+
"eval_samples_per_second": 435.418,
|
| 993 |
+
"eval_steps_per_second": 4.354,
|
| 994 |
+
"step": 272
|
| 995 |
+
},
|
| 996 |
+
{
|
| 997 |
+
"epoch": 17.12,
|
| 998 |
+
"learning_rate": 2.2833333333333334e-05,
|
| 999 |
+
"loss": 0.6759,
|
| 1000 |
+
"step": 274
|
| 1001 |
+
},
|
| 1002 |
+
{
|
| 1003 |
+
"epoch": 17.25,
|
| 1004 |
+
"learning_rate": 2.3000000000000003e-05,
|
| 1005 |
+
"loss": 0.6623,
|
| 1006 |
+
"step": 276
|
| 1007 |
+
},
|
| 1008 |
+
{
|
| 1009 |
+
"epoch": 17.38,
|
| 1010 |
+
"learning_rate": 2.3166666666666666e-05,
|
| 1011 |
+
"loss": 0.667,
|
| 1012 |
+
"step": 278
|
| 1013 |
+
},
|
| 1014 |
+
{
|
| 1015 |
+
"epoch": 17.5,
|
| 1016 |
+
"learning_rate": 2.3333333333333336e-05,
|
| 1017 |
+
"loss": 0.676,
|
| 1018 |
+
"step": 280
|
| 1019 |
+
},
|
| 1020 |
+
{
|
| 1021 |
+
"epoch": 17.62,
|
| 1022 |
+
"learning_rate": 2.35e-05,
|
| 1023 |
+
"loss": 0.634,
|
| 1024 |
+
"step": 282
|
| 1025 |
+
},
|
| 1026 |
+
{
|
| 1027 |
+
"epoch": 17.75,
|
| 1028 |
+
"learning_rate": 2.3666666666666668e-05,
|
| 1029 |
+
"loss": 0.6521,
|
| 1030 |
+
"step": 284
|
| 1031 |
+
},
|
| 1032 |
+
{
|
| 1033 |
+
"epoch": 17.88,
|
| 1034 |
+
"learning_rate": 2.3833333333333334e-05,
|
| 1035 |
+
"loss": 0.672,
|
| 1036 |
+
"step": 286
|
| 1037 |
+
},
|
| 1038 |
+
{
|
| 1039 |
+
"epoch": 18.0,
|
| 1040 |
+
"learning_rate": 2.4e-05,
|
| 1041 |
+
"loss": 0.655,
|
| 1042 |
+
"step": 288
|
| 1043 |
+
},
|
| 1044 |
+
{
|
| 1045 |
+
"epoch": 18.0,
|
| 1046 |
+
"eval_accuracy": 0.5775,
|
| 1047 |
+
"eval_loss": 0.6765074133872986,
|
| 1048 |
+
"eval_macro_f1": 0.4492916554651286,
|
| 1049 |
+
"eval_runtime": 0.8818,
|
| 1050 |
+
"eval_samples_per_second": 453.604,
|
| 1051 |
+
"eval_steps_per_second": 4.536,
|
| 1052 |
+
"step": 288
|
| 1053 |
+
},
|
| 1054 |
+
{
|
| 1055 |
+
"epoch": 18.12,
|
| 1056 |
+
"learning_rate": 2.4166666666666667e-05,
|
| 1057 |
+
"loss": 0.6554,
|
| 1058 |
+
"step": 290
|
| 1059 |
+
},
|
| 1060 |
+
{
|
| 1061 |
+
"epoch": 18.25,
|
| 1062 |
+
"learning_rate": 2.4333333333333336e-05,
|
| 1063 |
+
"loss": 0.6581,
|
| 1064 |
+
"step": 292
|
| 1065 |
+
},
|
| 1066 |
+
{
|
| 1067 |
+
"epoch": 18.38,
|
| 1068 |
+
"learning_rate": 2.45e-05,
|
| 1069 |
+
"loss": 0.6406,
|
| 1070 |
+
"step": 294
|
| 1071 |
+
},
|
| 1072 |
+
{
|
| 1073 |
+
"epoch": 18.5,
|
| 1074 |
+
"learning_rate": 2.466666666666667e-05,
|
| 1075 |
+
"loss": 0.674,
|
| 1076 |
+
"step": 296
|
| 1077 |
+
},
|
| 1078 |
+
{
|
| 1079 |
+
"epoch": 18.62,
|
| 1080 |
+
"learning_rate": 2.4833333333333335e-05,
|
| 1081 |
+
"loss": 0.646,
|
| 1082 |
+
"step": 298
|
| 1083 |
+
},
|
| 1084 |
+
{
|
| 1085 |
+
"epoch": 18.75,
|
| 1086 |
+
"learning_rate": 2.5e-05,
|
| 1087 |
+
"loss": 0.6509,
|
| 1088 |
+
"step": 300
|
| 1089 |
+
},
|
| 1090 |
+
{
|
| 1091 |
+
"epoch": 18.88,
|
| 1092 |
+
"learning_rate": 2.5166666666666667e-05,
|
| 1093 |
+
"loss": 0.6736,
|
| 1094 |
+
"step": 302
|
| 1095 |
+
},
|
| 1096 |
+
{
|
| 1097 |
+
"epoch": 19.0,
|
| 1098 |
+
"learning_rate": 2.5333333333333337e-05,
|
| 1099 |
+
"loss": 0.6412,
|
| 1100 |
+
"step": 304
|
| 1101 |
+
},
|
| 1102 |
+
{
|
| 1103 |
+
"epoch": 19.0,
|
| 1104 |
+
"eval_accuracy": 0.585,
|
| 1105 |
+
"eval_loss": 0.6732388138771057,
|
| 1106 |
+
"eval_macro_f1": 0.47361745306950787,
|
| 1107 |
+
"eval_runtime": 0.8851,
|
| 1108 |
+
"eval_samples_per_second": 451.932,
|
| 1109 |
+
"eval_steps_per_second": 4.519,
|
| 1110 |
+
"step": 304
|
| 1111 |
+
},
|
| 1112 |
+
{
|
| 1113 |
+
"epoch": 19.12,
|
| 1114 |
+
"learning_rate": 2.5500000000000003e-05,
|
| 1115 |
+
"loss": 0.6649,
|
| 1116 |
+
"step": 306
|
| 1117 |
+
},
|
| 1118 |
+
{
|
| 1119 |
+
"epoch": 19.25,
|
| 1120 |
+
"learning_rate": 2.5666666666666666e-05,
|
| 1121 |
+
"loss": 0.6332,
|
| 1122 |
+
"step": 308
|
| 1123 |
+
},
|
| 1124 |
+
{
|
| 1125 |
+
"epoch": 19.38,
|
| 1126 |
+
"learning_rate": 2.5833333333333336e-05,
|
| 1127 |
+
"loss": 0.6379,
|
| 1128 |
+
"step": 310
|
| 1129 |
+
},
|
| 1130 |
+
{
|
| 1131 |
+
"epoch": 19.5,
|
| 1132 |
+
"learning_rate": 2.6000000000000002e-05,
|
| 1133 |
+
"loss": 0.6874,
|
| 1134 |
+
"step": 312
|
| 1135 |
+
},
|
| 1136 |
+
{
|
| 1137 |
+
"epoch": 19.62,
|
| 1138 |
+
"learning_rate": 2.6166666666666668e-05,
|
| 1139 |
+
"loss": 0.6256,
|
| 1140 |
+
"step": 314
|
| 1141 |
+
},
|
| 1142 |
+
{
|
| 1143 |
+
"epoch": 19.75,
|
| 1144 |
+
"learning_rate": 2.633333333333333e-05,
|
| 1145 |
+
"loss": 0.6299,
|
| 1146 |
+
"step": 316
|
| 1147 |
+
},
|
| 1148 |
+
{
|
| 1149 |
+
"epoch": 19.88,
|
| 1150 |
+
"learning_rate": 2.6500000000000004e-05,
|
| 1151 |
+
"loss": 0.651,
|
| 1152 |
+
"step": 318
|
| 1153 |
+
},
|
| 1154 |
+
{
|
| 1155 |
+
"epoch": 20.0,
|
| 1156 |
+
"learning_rate": 2.6666666666666667e-05,
|
| 1157 |
+
"loss": 0.6525,
|
| 1158 |
+
"step": 320
|
| 1159 |
+
},
|
| 1160 |
+
{
|
| 1161 |
+
"epoch": 20.0,
|
| 1162 |
+
"eval_accuracy": 0.565,
|
| 1163 |
+
"eval_loss": 0.6680055260658264,
|
| 1164 |
+
"eval_macro_f1": 0.4771006130544537,
|
| 1165 |
+
"eval_runtime": 0.9151,
|
| 1166 |
+
"eval_samples_per_second": 437.089,
|
| 1167 |
+
"eval_steps_per_second": 4.371,
|
| 1168 |
+
"step": 320
|
| 1169 |
+
}
|
| 1170 |
+
],
|
| 1171 |
+
"max_steps": 320,
|
| 1172 |
+
"num_train_epochs": 20,
|
| 1173 |
+
"total_flos": 440805359616000.0,
|
| 1174 |
+
"trial_name": null,
|
| 1175 |
+
"trial_params": null
|
| 1176 |
+
}
|
scaling_performance/2000/L2/fold1/config.json
ADDED
|
@@ -0,0 +1,25 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"architectures": [
|
| 3 |
+
"BertForSequenceClassification"
|
| 4 |
+
],
|
| 5 |
+
"attention_probs_dropout_prob": 0.02,
|
| 6 |
+
"classifier_dropout": null,
|
| 7 |
+
"hidden_act": "gelu",
|
| 8 |
+
"hidden_dropout_prob": 0.02,
|
| 9 |
+
"hidden_size": 256,
|
| 10 |
+
"initializer_range": 0.02,
|
| 11 |
+
"intermediate_size": 512,
|
| 12 |
+
"layer_norm_eps": 1e-12,
|
| 13 |
+
"max_position_embeddings": 2048,
|
| 14 |
+
"model_type": "bert",
|
| 15 |
+
"num_attention_heads": 4,
|
| 16 |
+
"num_hidden_layers": 2,
|
| 17 |
+
"pad_token_id": 0,
|
| 18 |
+
"position_embedding_type": "absolute",
|
| 19 |
+
"problem_type": "single_label_classification",
|
| 20 |
+
"torch_dtype": "float32",
|
| 21 |
+
"transformers_version": "4.28.0",
|
| 22 |
+
"type_vocab_size": 2,
|
| 23 |
+
"use_cache": true,
|
| 24 |
+
"vocab_size": 30522
|
| 25 |
+
}
|
scaling_performance/2000/L2/fold1/eval_results.json
ADDED
|
@@ -0,0 +1,8 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"test_accuracy": 0.565,
|
| 3 |
+
"test_loss": 0.6680055260658264,
|
| 4 |
+
"test_macro_f1": 0.4771006130544537,
|
| 5 |
+
"test_runtime": 0.9664,
|
| 6 |
+
"test_samples_per_second": 413.918,
|
| 7 |
+
"test_steps_per_second": 4.139
|
| 8 |
+
}
|
scaling_performance/2000/L2/fold2/all_results.json
ADDED
|
@@ -0,0 +1,8 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"test_accuracy": 0.5725,
|
| 3 |
+
"test_loss": 0.6825410723686218,
|
| 4 |
+
"test_macro_f1": 0.3640699523052464,
|
| 5 |
+
"test_runtime": 0.9,
|
| 6 |
+
"test_samples_per_second": 444.435,
|
| 7 |
+
"test_steps_per_second": 4.444
|
| 8 |
+
}
|
scaling_performance/2000/L2/fold2/checkpoint-176/config.json
ADDED
|
@@ -0,0 +1,25 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"architectures": [
|
| 3 |
+
"BertForSequenceClassification"
|
| 4 |
+
],
|
| 5 |
+
"attention_probs_dropout_prob": 0.02,
|
| 6 |
+
"classifier_dropout": null,
|
| 7 |
+
"hidden_act": "gelu",
|
| 8 |
+
"hidden_dropout_prob": 0.02,
|
| 9 |
+
"hidden_size": 256,
|
| 10 |
+
"initializer_range": 0.02,
|
| 11 |
+
"intermediate_size": 512,
|
| 12 |
+
"layer_norm_eps": 1e-12,
|
| 13 |
+
"max_position_embeddings": 2048,
|
| 14 |
+
"model_type": "bert",
|
| 15 |
+
"num_attention_heads": 4,
|
| 16 |
+
"num_hidden_layers": 2,
|
| 17 |
+
"pad_token_id": 0,
|
| 18 |
+
"position_embedding_type": "absolute",
|
| 19 |
+
"problem_type": "single_label_classification",
|
| 20 |
+
"torch_dtype": "float32",
|
| 21 |
+
"transformers_version": "4.28.0",
|
| 22 |
+
"type_vocab_size": 2,
|
| 23 |
+
"use_cache": true,
|
| 24 |
+
"vocab_size": 30522
|
| 25 |
+
}
|
scaling_performance/2000/L2/fold2/checkpoint-176/trainer_state.json
ADDED
|
@@ -0,0 +1,654 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_metric": 0.6825410723686218,
|
| 3 |
+
"best_model_checkpoint": "./models/240626_geneformer_CellClassifier_PM25_Layers2_L2048_B26_LR5e-05_LSlinear_WU600_E20_Oadamw_F0_fold2/checkpoint-144",
|
| 4 |
+
"epoch": 11.0,
|
| 5 |
+
"global_step": 176,
|
| 6 |
+
"is_hyper_param_search": false,
|
| 7 |
+
"is_local_process_zero": true,
|
| 8 |
+
"is_world_process_zero": true,
|
| 9 |
+
"log_history": [
|
| 10 |
+
{
|
| 11 |
+
"epoch": 0.12,
|
| 12 |
+
"learning_rate": 1.6666666666666668e-07,
|
| 13 |
+
"loss": 0.6951,
|
| 14 |
+
"step": 2
|
| 15 |
+
},
|
| 16 |
+
{
|
| 17 |
+
"epoch": 0.25,
|
| 18 |
+
"learning_rate": 3.3333333333333335e-07,
|
| 19 |
+
"loss": 0.6952,
|
| 20 |
+
"step": 4
|
| 21 |
+
},
|
| 22 |
+
{
|
| 23 |
+
"epoch": 0.38,
|
| 24 |
+
"learning_rate": 5.000000000000001e-07,
|
| 25 |
+
"loss": 0.6951,
|
| 26 |
+
"step": 6
|
| 27 |
+
},
|
| 28 |
+
{
|
| 29 |
+
"epoch": 0.5,
|
| 30 |
+
"learning_rate": 6.666666666666667e-07,
|
| 31 |
+
"loss": 0.6935,
|
| 32 |
+
"step": 8
|
| 33 |
+
},
|
| 34 |
+
{
|
| 35 |
+
"epoch": 0.62,
|
| 36 |
+
"learning_rate": 8.333333333333333e-07,
|
| 37 |
+
"loss": 0.6991,
|
| 38 |
+
"step": 10
|
| 39 |
+
},
|
| 40 |
+
{
|
| 41 |
+
"epoch": 0.75,
|
| 42 |
+
"learning_rate": 1.0000000000000002e-06,
|
| 43 |
+
"loss": 0.7022,
|
| 44 |
+
"step": 12
|
| 45 |
+
},
|
| 46 |
+
{
|
| 47 |
+
"epoch": 0.88,
|
| 48 |
+
"learning_rate": 1.1666666666666668e-06,
|
| 49 |
+
"loss": 0.6951,
|
| 50 |
+
"step": 14
|
| 51 |
+
},
|
| 52 |
+
{
|
| 53 |
+
"epoch": 1.0,
|
| 54 |
+
"learning_rate": 1.3333333333333334e-06,
|
| 55 |
+
"loss": 0.6907,
|
| 56 |
+
"step": 16
|
| 57 |
+
},
|
| 58 |
+
{
|
| 59 |
+
"epoch": 1.0,
|
| 60 |
+
"eval_accuracy": 0.51,
|
| 61 |
+
"eval_loss": 0.6931056380271912,
|
| 62 |
+
"eval_macro_f1": 0.5034329001038738,
|
| 63 |
+
"eval_runtime": 0.9276,
|
| 64 |
+
"eval_samples_per_second": 431.232,
|
| 65 |
+
"eval_steps_per_second": 4.312,
|
| 66 |
+
"step": 16
|
| 67 |
+
},
|
| 68 |
+
{
|
| 69 |
+
"epoch": 1.12,
|
| 70 |
+
"learning_rate": 1.5e-06,
|
| 71 |
+
"loss": 0.6917,
|
| 72 |
+
"step": 18
|
| 73 |
+
},
|
| 74 |
+
{
|
| 75 |
+
"epoch": 1.25,
|
| 76 |
+
"learning_rate": 1.6666666666666667e-06,
|
| 77 |
+
"loss": 0.6957,
|
| 78 |
+
"step": 20
|
| 79 |
+
},
|
| 80 |
+
{
|
| 81 |
+
"epoch": 1.38,
|
| 82 |
+
"learning_rate": 1.8333333333333335e-06,
|
| 83 |
+
"loss": 0.6985,
|
| 84 |
+
"step": 22
|
| 85 |
+
},
|
| 86 |
+
{
|
| 87 |
+
"epoch": 1.5,
|
| 88 |
+
"learning_rate": 2.0000000000000003e-06,
|
| 89 |
+
"loss": 0.6933,
|
| 90 |
+
"step": 24
|
| 91 |
+
},
|
| 92 |
+
{
|
| 93 |
+
"epoch": 1.62,
|
| 94 |
+
"learning_rate": 2.166666666666667e-06,
|
| 95 |
+
"loss": 0.6958,
|
| 96 |
+
"step": 26
|
| 97 |
+
},
|
| 98 |
+
{
|
| 99 |
+
"epoch": 1.75,
|
| 100 |
+
"learning_rate": 2.3333333333333336e-06,
|
| 101 |
+
"loss": 0.6945,
|
| 102 |
+
"step": 28
|
| 103 |
+
},
|
| 104 |
+
{
|
| 105 |
+
"epoch": 1.88,
|
| 106 |
+
"learning_rate": 2.5e-06,
|
| 107 |
+
"loss": 0.697,
|
| 108 |
+
"step": 30
|
| 109 |
+
},
|
| 110 |
+
{
|
| 111 |
+
"epoch": 2.0,
|
| 112 |
+
"learning_rate": 2.666666666666667e-06,
|
| 113 |
+
"loss": 0.6915,
|
| 114 |
+
"step": 32
|
| 115 |
+
},
|
| 116 |
+
{
|
| 117 |
+
"epoch": 2.0,
|
| 118 |
+
"eval_accuracy": 0.52,
|
| 119 |
+
"eval_loss": 0.6914763450622559,
|
| 120 |
+
"eval_macro_f1": 0.5156285476424733,
|
| 121 |
+
"eval_runtime": 0.9117,
|
| 122 |
+
"eval_samples_per_second": 438.75,
|
| 123 |
+
"eval_steps_per_second": 4.387,
|
| 124 |
+
"step": 32
|
| 125 |
+
},
|
| 126 |
+
{
|
| 127 |
+
"epoch": 2.12,
|
| 128 |
+
"learning_rate": 2.8333333333333335e-06,
|
| 129 |
+
"loss": 0.695,
|
| 130 |
+
"step": 34
|
| 131 |
+
},
|
| 132 |
+
{
|
| 133 |
+
"epoch": 2.25,
|
| 134 |
+
"learning_rate": 3e-06,
|
| 135 |
+
"loss": 0.6966,
|
| 136 |
+
"step": 36
|
| 137 |
+
},
|
| 138 |
+
{
|
| 139 |
+
"epoch": 2.38,
|
| 140 |
+
"learning_rate": 3.166666666666667e-06,
|
| 141 |
+
"loss": 0.693,
|
| 142 |
+
"step": 38
|
| 143 |
+
},
|
| 144 |
+
{
|
| 145 |
+
"epoch": 2.5,
|
| 146 |
+
"learning_rate": 3.3333333333333333e-06,
|
| 147 |
+
"loss": 0.6895,
|
| 148 |
+
"step": 40
|
| 149 |
+
},
|
| 150 |
+
{
|
| 151 |
+
"epoch": 2.62,
|
| 152 |
+
"learning_rate": 3.5000000000000004e-06,
|
| 153 |
+
"loss": 0.695,
|
| 154 |
+
"step": 42
|
| 155 |
+
},
|
| 156 |
+
{
|
| 157 |
+
"epoch": 2.75,
|
| 158 |
+
"learning_rate": 3.666666666666667e-06,
|
| 159 |
+
"loss": 0.6897,
|
| 160 |
+
"step": 44
|
| 161 |
+
},
|
| 162 |
+
{
|
| 163 |
+
"epoch": 2.88,
|
| 164 |
+
"learning_rate": 3.833333333333334e-06,
|
| 165 |
+
"loss": 0.6951,
|
| 166 |
+
"step": 46
|
| 167 |
+
},
|
| 168 |
+
{
|
| 169 |
+
"epoch": 3.0,
|
| 170 |
+
"learning_rate": 4.000000000000001e-06,
|
| 171 |
+
"loss": 0.6909,
|
| 172 |
+
"step": 48
|
| 173 |
+
},
|
| 174 |
+
{
|
| 175 |
+
"epoch": 3.0,
|
| 176 |
+
"eval_accuracy": 0.5225,
|
| 177 |
+
"eval_loss": 0.6889094710350037,
|
| 178 |
+
"eval_macro_f1": 0.48419851605803443,
|
| 179 |
+
"eval_runtime": 0.9272,
|
| 180 |
+
"eval_samples_per_second": 431.396,
|
| 181 |
+
"eval_steps_per_second": 4.314,
|
| 182 |
+
"step": 48
|
| 183 |
+
},
|
| 184 |
+
{
|
| 185 |
+
"epoch": 3.12,
|
| 186 |
+
"learning_rate": 4.166666666666667e-06,
|
| 187 |
+
"loss": 0.6979,
|
| 188 |
+
"step": 50
|
| 189 |
+
},
|
| 190 |
+
{
|
| 191 |
+
"epoch": 3.25,
|
| 192 |
+
"learning_rate": 4.333333333333334e-06,
|
| 193 |
+
"loss": 0.6887,
|
| 194 |
+
"step": 52
|
| 195 |
+
},
|
| 196 |
+
{
|
| 197 |
+
"epoch": 3.38,
|
| 198 |
+
"learning_rate": 4.5e-06,
|
| 199 |
+
"loss": 0.6828,
|
| 200 |
+
"step": 54
|
| 201 |
+
},
|
| 202 |
+
{
|
| 203 |
+
"epoch": 3.5,
|
| 204 |
+
"learning_rate": 4.666666666666667e-06,
|
| 205 |
+
"loss": 0.6968,
|
| 206 |
+
"step": 56
|
| 207 |
+
},
|
| 208 |
+
{
|
| 209 |
+
"epoch": 3.62,
|
| 210 |
+
"learning_rate": 4.833333333333333e-06,
|
| 211 |
+
"loss": 0.6933,
|
| 212 |
+
"step": 58
|
| 213 |
+
},
|
| 214 |
+
{
|
| 215 |
+
"epoch": 3.75,
|
| 216 |
+
"learning_rate": 5e-06,
|
| 217 |
+
"loss": 0.6863,
|
| 218 |
+
"step": 60
|
| 219 |
+
},
|
| 220 |
+
{
|
| 221 |
+
"epoch": 3.88,
|
| 222 |
+
"learning_rate": 5.166666666666667e-06,
|
| 223 |
+
"loss": 0.6978,
|
| 224 |
+
"step": 62
|
| 225 |
+
},
|
| 226 |
+
{
|
| 227 |
+
"epoch": 4.0,
|
| 228 |
+
"learning_rate": 5.333333333333334e-06,
|
| 229 |
+
"loss": 0.6794,
|
| 230 |
+
"step": 64
|
| 231 |
+
},
|
| 232 |
+
{
|
| 233 |
+
"epoch": 4.0,
|
| 234 |
+
"eval_accuracy": 0.555,
|
| 235 |
+
"eval_loss": 0.6868128776550293,
|
| 236 |
+
"eval_macro_f1": 0.4569031273836766,
|
| 237 |
+
"eval_runtime": 0.9184,
|
| 238 |
+
"eval_samples_per_second": 435.532,
|
| 239 |
+
"eval_steps_per_second": 4.355,
|
| 240 |
+
"step": 64
|
| 241 |
+
},
|
| 242 |
+
{
|
| 243 |
+
"epoch": 4.12,
|
| 244 |
+
"learning_rate": 5.500000000000001e-06,
|
| 245 |
+
"loss": 0.6924,
|
| 246 |
+
"step": 66
|
| 247 |
+
},
|
| 248 |
+
{
|
| 249 |
+
"epoch": 4.25,
|
| 250 |
+
"learning_rate": 5.666666666666667e-06,
|
| 251 |
+
"loss": 0.682,
|
| 252 |
+
"step": 68
|
| 253 |
+
},
|
| 254 |
+
{
|
| 255 |
+
"epoch": 4.38,
|
| 256 |
+
"learning_rate": 5.833333333333334e-06,
|
| 257 |
+
"loss": 0.6801,
|
| 258 |
+
"step": 70
|
| 259 |
+
},
|
| 260 |
+
{
|
| 261 |
+
"epoch": 4.5,
|
| 262 |
+
"learning_rate": 6e-06,
|
| 263 |
+
"loss": 0.6992,
|
| 264 |
+
"step": 72
|
| 265 |
+
},
|
| 266 |
+
{
|
| 267 |
+
"epoch": 4.62,
|
| 268 |
+
"learning_rate": 6.166666666666667e-06,
|
| 269 |
+
"loss": 0.6884,
|
| 270 |
+
"step": 74
|
| 271 |
+
},
|
| 272 |
+
{
|
| 273 |
+
"epoch": 4.75,
|
| 274 |
+
"learning_rate": 6.333333333333334e-06,
|
| 275 |
+
"loss": 0.6889,
|
| 276 |
+
"step": 76
|
| 277 |
+
},
|
| 278 |
+
{
|
| 279 |
+
"epoch": 4.88,
|
| 280 |
+
"learning_rate": 6.5000000000000004e-06,
|
| 281 |
+
"loss": 0.6991,
|
| 282 |
+
"step": 78
|
| 283 |
+
},
|
| 284 |
+
{
|
| 285 |
+
"epoch": 5.0,
|
| 286 |
+
"learning_rate": 6.666666666666667e-06,
|
| 287 |
+
"loss": 0.6817,
|
| 288 |
+
"step": 80
|
| 289 |
+
},
|
| 290 |
+
{
|
| 291 |
+
"epoch": 5.0,
|
| 292 |
+
"eval_accuracy": 0.565,
|
| 293 |
+
"eval_loss": 0.6849876642227173,
|
| 294 |
+
"eval_macro_f1": 0.4037828947368421,
|
| 295 |
+
"eval_runtime": 0.9207,
|
| 296 |
+
"eval_samples_per_second": 434.464,
|
| 297 |
+
"eval_steps_per_second": 4.345,
|
| 298 |
+
"step": 80
|
| 299 |
+
},
|
| 300 |
+
{
|
| 301 |
+
"epoch": 5.12,
|
| 302 |
+
"learning_rate": 6.833333333333333e-06,
|
| 303 |
+
"loss": 0.6966,
|
| 304 |
+
"step": 82
|
| 305 |
+
},
|
| 306 |
+
{
|
| 307 |
+
"epoch": 5.25,
|
| 308 |
+
"learning_rate": 7.000000000000001e-06,
|
| 309 |
+
"loss": 0.6822,
|
| 310 |
+
"step": 84
|
| 311 |
+
},
|
| 312 |
+
{
|
| 313 |
+
"epoch": 5.38,
|
| 314 |
+
"learning_rate": 7.166666666666667e-06,
|
| 315 |
+
"loss": 0.6888,
|
| 316 |
+
"step": 86
|
| 317 |
+
},
|
| 318 |
+
{
|
| 319 |
+
"epoch": 5.5,
|
| 320 |
+
"learning_rate": 7.333333333333334e-06,
|
| 321 |
+
"loss": 0.6925,
|
| 322 |
+
"step": 88
|
| 323 |
+
},
|
| 324 |
+
{
|
| 325 |
+
"epoch": 5.62,
|
| 326 |
+
"learning_rate": 7.5e-06,
|
| 327 |
+
"loss": 0.6816,
|
| 328 |
+
"step": 90
|
| 329 |
+
},
|
| 330 |
+
{
|
| 331 |
+
"epoch": 5.75,
|
| 332 |
+
"learning_rate": 7.666666666666667e-06,
|
| 333 |
+
"loss": 0.6834,
|
| 334 |
+
"step": 92
|
| 335 |
+
},
|
| 336 |
+
{
|
| 337 |
+
"epoch": 5.88,
|
| 338 |
+
"learning_rate": 7.833333333333333e-06,
|
| 339 |
+
"loss": 0.6894,
|
| 340 |
+
"step": 94
|
| 341 |
+
},
|
| 342 |
+
{
|
| 343 |
+
"epoch": 6.0,
|
| 344 |
+
"learning_rate": 8.000000000000001e-06,
|
| 345 |
+
"loss": 0.68,
|
| 346 |
+
"step": 96
|
| 347 |
+
},
|
| 348 |
+
{
|
| 349 |
+
"epoch": 6.0,
|
| 350 |
+
"eval_accuracy": 0.5775,
|
| 351 |
+
"eval_loss": 0.6844278573989868,
|
| 352 |
+
"eval_macro_f1": 0.4012983677409641,
|
| 353 |
+
"eval_runtime": 0.9679,
|
| 354 |
+
"eval_samples_per_second": 413.286,
|
| 355 |
+
"eval_steps_per_second": 4.133,
|
| 356 |
+
"step": 96
|
| 357 |
+
},
|
| 358 |
+
{
|
| 359 |
+
"epoch": 6.12,
|
| 360 |
+
"learning_rate": 8.166666666666668e-06,
|
| 361 |
+
"loss": 0.6914,
|
| 362 |
+
"step": 98
|
| 363 |
+
},
|
| 364 |
+
{
|
| 365 |
+
"epoch": 6.25,
|
| 366 |
+
"learning_rate": 8.333333333333334e-06,
|
| 367 |
+
"loss": 0.6837,
|
| 368 |
+
"step": 100
|
| 369 |
+
},
|
| 370 |
+
{
|
| 371 |
+
"epoch": 6.38,
|
| 372 |
+
"learning_rate": 8.500000000000002e-06,
|
| 373 |
+
"loss": 0.6772,
|
| 374 |
+
"step": 102
|
| 375 |
+
},
|
| 376 |
+
{
|
| 377 |
+
"epoch": 6.5,
|
| 378 |
+
"learning_rate": 8.666666666666668e-06,
|
| 379 |
+
"loss": 0.6985,
|
| 380 |
+
"step": 104
|
| 381 |
+
},
|
| 382 |
+
{
|
| 383 |
+
"epoch": 6.62,
|
| 384 |
+
"learning_rate": 8.833333333333334e-06,
|
| 385 |
+
"loss": 0.6801,
|
| 386 |
+
"step": 106
|
| 387 |
+
},
|
| 388 |
+
{
|
| 389 |
+
"epoch": 6.75,
|
| 390 |
+
"learning_rate": 9e-06,
|
| 391 |
+
"loss": 0.6817,
|
| 392 |
+
"step": 108
|
| 393 |
+
},
|
| 394 |
+
{
|
| 395 |
+
"epoch": 6.88,
|
| 396 |
+
"learning_rate": 9.166666666666666e-06,
|
| 397 |
+
"loss": 0.6974,
|
| 398 |
+
"step": 110
|
| 399 |
+
},
|
| 400 |
+
{
|
| 401 |
+
"epoch": 7.0,
|
| 402 |
+
"learning_rate": 9.333333333333334e-06,
|
| 403 |
+
"loss": 0.6693,
|
| 404 |
+
"step": 112
|
| 405 |
+
},
|
| 406 |
+
{
|
| 407 |
+
"epoch": 7.0,
|
| 408 |
+
"eval_accuracy": 0.575,
|
| 409 |
+
"eval_loss": 0.6832872033119202,
|
| 410 |
+
"eval_macro_f1": 0.37571150526972935,
|
| 411 |
+
"eval_runtime": 1.0002,
|
| 412 |
+
"eval_samples_per_second": 399.934,
|
| 413 |
+
"eval_steps_per_second": 3.999,
|
| 414 |
+
"step": 112
|
| 415 |
+
},
|
| 416 |
+
{
|
| 417 |
+
"epoch": 7.12,
|
| 418 |
+
"learning_rate": 9.5e-06,
|
| 419 |
+
"loss": 0.6856,
|
| 420 |
+
"step": 114
|
| 421 |
+
},
|
| 422 |
+
{
|
| 423 |
+
"epoch": 7.25,
|
| 424 |
+
"learning_rate": 9.666666666666667e-06,
|
| 425 |
+
"loss": 0.6872,
|
| 426 |
+
"step": 116
|
| 427 |
+
},
|
| 428 |
+
{
|
| 429 |
+
"epoch": 7.38,
|
| 430 |
+
"learning_rate": 9.833333333333333e-06,
|
| 431 |
+
"loss": 0.6762,
|
| 432 |
+
"step": 118
|
| 433 |
+
},
|
| 434 |
+
{
|
| 435 |
+
"epoch": 7.5,
|
| 436 |
+
"learning_rate": 1e-05,
|
| 437 |
+
"loss": 0.707,
|
| 438 |
+
"step": 120
|
| 439 |
+
},
|
| 440 |
+
{
|
| 441 |
+
"epoch": 7.62,
|
| 442 |
+
"learning_rate": 1.0166666666666667e-05,
|
| 443 |
+
"loss": 0.6748,
|
| 444 |
+
"step": 122
|
| 445 |
+
},
|
| 446 |
+
{
|
| 447 |
+
"epoch": 7.75,
|
| 448 |
+
"learning_rate": 1.0333333333333333e-05,
|
| 449 |
+
"loss": 0.6752,
|
| 450 |
+
"step": 124
|
| 451 |
+
},
|
| 452 |
+
{
|
| 453 |
+
"epoch": 7.88,
|
| 454 |
+
"learning_rate": 1.05e-05,
|
| 455 |
+
"loss": 0.6962,
|
| 456 |
+
"step": 126
|
| 457 |
+
},
|
| 458 |
+
{
|
| 459 |
+
"epoch": 8.0,
|
| 460 |
+
"learning_rate": 1.0666666666666667e-05,
|
| 461 |
+
"loss": 0.6656,
|
| 462 |
+
"step": 128
|
| 463 |
+
},
|
| 464 |
+
{
|
| 465 |
+
"epoch": 8.0,
|
| 466 |
+
"eval_accuracy": 0.5725,
|
| 467 |
+
"eval_loss": 0.6828912496566772,
|
| 468 |
+
"eval_macro_f1": 0.3640699523052464,
|
| 469 |
+
"eval_runtime": 1.0195,
|
| 470 |
+
"eval_samples_per_second": 392.347,
|
| 471 |
+
"eval_steps_per_second": 3.923,
|
| 472 |
+
"step": 128
|
| 473 |
+
},
|
| 474 |
+
{
|
| 475 |
+
"epoch": 8.12,
|
| 476 |
+
"learning_rate": 1.0833333333333334e-05,
|
| 477 |
+
"loss": 0.6853,
|
| 478 |
+
"step": 130
|
| 479 |
+
},
|
| 480 |
+
{
|
| 481 |
+
"epoch": 8.25,
|
| 482 |
+
"learning_rate": 1.1000000000000001e-05,
|
| 483 |
+
"loss": 0.6768,
|
| 484 |
+
"step": 132
|
| 485 |
+
},
|
| 486 |
+
{
|
| 487 |
+
"epoch": 8.38,
|
| 488 |
+
"learning_rate": 1.1166666666666668e-05,
|
| 489 |
+
"loss": 0.6818,
|
| 490 |
+
"step": 134
|
| 491 |
+
},
|
| 492 |
+
{
|
| 493 |
+
"epoch": 8.5,
|
| 494 |
+
"learning_rate": 1.1333333333333334e-05,
|
| 495 |
+
"loss": 0.7109,
|
| 496 |
+
"step": 136
|
| 497 |
+
},
|
| 498 |
+
{
|
| 499 |
+
"epoch": 8.62,
|
| 500 |
+
"learning_rate": 1.1500000000000002e-05,
|
| 501 |
+
"loss": 0.6753,
|
| 502 |
+
"step": 138
|
| 503 |
+
},
|
| 504 |
+
{
|
| 505 |
+
"epoch": 8.75,
|
| 506 |
+
"learning_rate": 1.1666666666666668e-05,
|
| 507 |
+
"loss": 0.665,
|
| 508 |
+
"step": 140
|
| 509 |
+
},
|
| 510 |
+
{
|
| 511 |
+
"epoch": 8.88,
|
| 512 |
+
"learning_rate": 1.1833333333333334e-05,
|
| 513 |
+
"loss": 0.703,
|
| 514 |
+
"step": 142
|
| 515 |
+
},
|
| 516 |
+
{
|
| 517 |
+
"epoch": 9.0,
|
| 518 |
+
"learning_rate": 1.2e-05,
|
| 519 |
+
"loss": 0.6611,
|
| 520 |
+
"step": 144
|
| 521 |
+
},
|
| 522 |
+
{
|
| 523 |
+
"epoch": 9.0,
|
| 524 |
+
"eval_accuracy": 0.5725,
|
| 525 |
+
"eval_loss": 0.6825410723686218,
|
| 526 |
+
"eval_macro_f1": 0.3640699523052464,
|
| 527 |
+
"eval_runtime": 0.8832,
|
| 528 |
+
"eval_samples_per_second": 452.887,
|
| 529 |
+
"eval_steps_per_second": 4.529,
|
| 530 |
+
"step": 144
|
| 531 |
+
},
|
| 532 |
+
{
|
| 533 |
+
"epoch": 9.12,
|
| 534 |
+
"learning_rate": 1.2166666666666668e-05,
|
| 535 |
+
"loss": 0.699,
|
| 536 |
+
"step": 146
|
| 537 |
+
},
|
| 538 |
+
{
|
| 539 |
+
"epoch": 9.25,
|
| 540 |
+
"learning_rate": 1.2333333333333334e-05,
|
| 541 |
+
"loss": 0.6714,
|
| 542 |
+
"step": 148
|
| 543 |
+
},
|
| 544 |
+
{
|
| 545 |
+
"epoch": 9.38,
|
| 546 |
+
"learning_rate": 1.25e-05,
|
| 547 |
+
"loss": 0.6725,
|
| 548 |
+
"step": 150
|
| 549 |
+
},
|
| 550 |
+
{
|
| 551 |
+
"epoch": 9.5,
|
| 552 |
+
"learning_rate": 1.2666666666666668e-05,
|
| 553 |
+
"loss": 0.7002,
|
| 554 |
+
"step": 152
|
| 555 |
+
},
|
| 556 |
+
{
|
| 557 |
+
"epoch": 9.62,
|
| 558 |
+
"learning_rate": 1.2833333333333333e-05,
|
| 559 |
+
"loss": 0.6654,
|
| 560 |
+
"step": 154
|
| 561 |
+
},
|
| 562 |
+
{
|
| 563 |
+
"epoch": 9.75,
|
| 564 |
+
"learning_rate": 1.3000000000000001e-05,
|
| 565 |
+
"loss": 0.6717,
|
| 566 |
+
"step": 156
|
| 567 |
+
},
|
| 568 |
+
{
|
| 569 |
+
"epoch": 9.88,
|
| 570 |
+
"learning_rate": 1.3166666666666665e-05,
|
| 571 |
+
"loss": 0.7024,
|
| 572 |
+
"step": 158
|
| 573 |
+
},
|
| 574 |
+
{
|
| 575 |
+
"epoch": 10.0,
|
| 576 |
+
"learning_rate": 1.3333333333333333e-05,
|
| 577 |
+
"loss": 0.6777,
|
| 578 |
+
"step": 160
|
| 579 |
+
},
|
| 580 |
+
{
|
| 581 |
+
"epoch": 10.0,
|
| 582 |
+
"eval_accuracy": 0.5725,
|
| 583 |
+
"eval_loss": 0.6827515363693237,
|
| 584 |
+
"eval_macro_f1": 0.3640699523052464,
|
| 585 |
+
"eval_runtime": 0.9287,
|
| 586 |
+
"eval_samples_per_second": 430.704,
|
| 587 |
+
"eval_steps_per_second": 4.307,
|
| 588 |
+
"step": 160
|
| 589 |
+
},
|
| 590 |
+
{
|
| 591 |
+
"epoch": 10.12,
|
| 592 |
+
"learning_rate": 1.3500000000000001e-05,
|
| 593 |
+
"loss": 0.6908,
|
| 594 |
+
"step": 162
|
| 595 |
+
},
|
| 596 |
+
{
|
| 597 |
+
"epoch": 10.25,
|
| 598 |
+
"learning_rate": 1.3666666666666666e-05,
|
| 599 |
+
"loss": 0.6851,
|
| 600 |
+
"step": 164
|
| 601 |
+
},
|
| 602 |
+
{
|
| 603 |
+
"epoch": 10.38,
|
| 604 |
+
"learning_rate": 1.3833333333333334e-05,
|
| 605 |
+
"loss": 0.6769,
|
| 606 |
+
"step": 166
|
| 607 |
+
},
|
| 608 |
+
{
|
| 609 |
+
"epoch": 10.5,
|
| 610 |
+
"learning_rate": 1.4000000000000001e-05,
|
| 611 |
+
"loss": 0.6925,
|
| 612 |
+
"step": 168
|
| 613 |
+
},
|
| 614 |
+
{
|
| 615 |
+
"epoch": 10.62,
|
| 616 |
+
"learning_rate": 1.4166666666666668e-05,
|
| 617 |
+
"loss": 0.669,
|
| 618 |
+
"step": 170
|
| 619 |
+
},
|
| 620 |
+
{
|
| 621 |
+
"epoch": 10.75,
|
| 622 |
+
"learning_rate": 1.4333333333333334e-05,
|
| 623 |
+
"loss": 0.6761,
|
| 624 |
+
"step": 172
|
| 625 |
+
},
|
| 626 |
+
{
|
| 627 |
+
"epoch": 10.88,
|
| 628 |
+
"learning_rate": 1.45e-05,
|
| 629 |
+
"loss": 0.6964,
|
| 630 |
+
"step": 174
|
| 631 |
+
},
|
| 632 |
+
{
|
| 633 |
+
"epoch": 11.0,
|
| 634 |
+
"learning_rate": 1.4666666666666668e-05,
|
| 635 |
+
"loss": 0.6529,
|
| 636 |
+
"step": 176
|
| 637 |
+
},
|
| 638 |
+
{
|
| 639 |
+
"epoch": 11.0,
|
| 640 |
+
"eval_accuracy": 0.5725,
|
| 641 |
+
"eval_loss": 0.6835572719573975,
|
| 642 |
+
"eval_macro_f1": 0.3640699523052464,
|
| 643 |
+
"eval_runtime": 0.9118,
|
| 644 |
+
"eval_samples_per_second": 438.682,
|
| 645 |
+
"eval_steps_per_second": 4.387,
|
| 646 |
+
"step": 176
|
| 647 |
+
}
|
| 648 |
+
],
|
| 649 |
+
"max_steps": 320,
|
| 650 |
+
"num_train_epochs": 20,
|
| 651 |
+
"total_flos": 242442947788800.0,
|
| 652 |
+
"trial_name": null,
|
| 653 |
+
"trial_params": null
|
| 654 |
+
}
|
scaling_performance/2000/L2/fold2/config.json
ADDED
|
@@ -0,0 +1,25 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"architectures": [
|
| 3 |
+
"BertForSequenceClassification"
|
| 4 |
+
],
|
| 5 |
+
"attention_probs_dropout_prob": 0.02,
|
| 6 |
+
"classifier_dropout": null,
|
| 7 |
+
"hidden_act": "gelu",
|
| 8 |
+
"hidden_dropout_prob": 0.02,
|
| 9 |
+
"hidden_size": 256,
|
| 10 |
+
"initializer_range": 0.02,
|
| 11 |
+
"intermediate_size": 512,
|
| 12 |
+
"layer_norm_eps": 1e-12,
|
| 13 |
+
"max_position_embeddings": 2048,
|
| 14 |
+
"model_type": "bert",
|
| 15 |
+
"num_attention_heads": 4,
|
| 16 |
+
"num_hidden_layers": 2,
|
| 17 |
+
"pad_token_id": 0,
|
| 18 |
+
"position_embedding_type": "absolute",
|
| 19 |
+
"problem_type": "single_label_classification",
|
| 20 |
+
"torch_dtype": "float32",
|
| 21 |
+
"transformers_version": "4.28.0",
|
| 22 |
+
"type_vocab_size": 2,
|
| 23 |
+
"use_cache": true,
|
| 24 |
+
"vocab_size": 30522
|
| 25 |
+
}
|
scaling_performance/2000/L2/fold2/eval_results.json
ADDED
|
@@ -0,0 +1,8 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"test_accuracy": 0.5725,
|
| 3 |
+
"test_loss": 0.6825410723686218,
|
| 4 |
+
"test_macro_f1": 0.3640699523052464,
|
| 5 |
+
"test_runtime": 0.9,
|
| 6 |
+
"test_samples_per_second": 444.435,
|
| 7 |
+
"test_steps_per_second": 4.444
|
| 8 |
+
}
|
scaling_performance/2000/L2/fold3/all_results.json
ADDED
|
@@ -0,0 +1,8 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"test_accuracy": 0.5425,
|
| 3 |
+
"test_loss": 0.6928573846817017,
|
| 4 |
+
"test_macro_f1": 0.36142928178241485,
|
| 5 |
+
"test_runtime": 0.9417,
|
| 6 |
+
"test_samples_per_second": 424.768,
|
| 7 |
+
"test_steps_per_second": 4.248
|
| 8 |
+
}
|
scaling_performance/2000/L2/fold3/checkpoint-128/config.json
ADDED
|
@@ -0,0 +1,25 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"architectures": [
|
| 3 |
+
"BertForSequenceClassification"
|
| 4 |
+
],
|
| 5 |
+
"attention_probs_dropout_prob": 0.02,
|
| 6 |
+
"classifier_dropout": null,
|
| 7 |
+
"hidden_act": "gelu",
|
| 8 |
+
"hidden_dropout_prob": 0.02,
|
| 9 |
+
"hidden_size": 256,
|
| 10 |
+
"initializer_range": 0.02,
|
| 11 |
+
"intermediate_size": 512,
|
| 12 |
+
"layer_norm_eps": 1e-12,
|
| 13 |
+
"max_position_embeddings": 2048,
|
| 14 |
+
"model_type": "bert",
|
| 15 |
+
"num_attention_heads": 4,
|
| 16 |
+
"num_hidden_layers": 2,
|
| 17 |
+
"pad_token_id": 0,
|
| 18 |
+
"position_embedding_type": "absolute",
|
| 19 |
+
"problem_type": "single_label_classification",
|
| 20 |
+
"torch_dtype": "float32",
|
| 21 |
+
"transformers_version": "4.28.0",
|
| 22 |
+
"type_vocab_size": 2,
|
| 23 |
+
"use_cache": true,
|
| 24 |
+
"vocab_size": 30522
|
| 25 |
+
}
|
scaling_performance/2000/L2/fold3/checkpoint-128/trainer_state.json
ADDED
|
@@ -0,0 +1,480 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_metric": 0.6928573846817017,
|
| 3 |
+
"best_model_checkpoint": "./models/240626_geneformer_CellClassifier_PM25_Layers2_L2048_B26_LR5e-05_LSlinear_WU600_E20_Oadamw_F0_fold3/checkpoint-96",
|
| 4 |
+
"epoch": 8.0,
|
| 5 |
+
"global_step": 128,
|
| 6 |
+
"is_hyper_param_search": false,
|
| 7 |
+
"is_local_process_zero": true,
|
| 8 |
+
"is_world_process_zero": true,
|
| 9 |
+
"log_history": [
|
| 10 |
+
{
|
| 11 |
+
"epoch": 0.12,
|
| 12 |
+
"learning_rate": 1.6666666666666668e-07,
|
| 13 |
+
"loss": 0.6926,
|
| 14 |
+
"step": 2
|
| 15 |
+
},
|
| 16 |
+
{
|
| 17 |
+
"epoch": 0.25,
|
| 18 |
+
"learning_rate": 3.3333333333333335e-07,
|
| 19 |
+
"loss": 0.7166,
|
| 20 |
+
"step": 4
|
| 21 |
+
},
|
| 22 |
+
{
|
| 23 |
+
"epoch": 0.38,
|
| 24 |
+
"learning_rate": 5.000000000000001e-07,
|
| 25 |
+
"loss": 0.718,
|
| 26 |
+
"step": 6
|
| 27 |
+
},
|
| 28 |
+
{
|
| 29 |
+
"epoch": 0.5,
|
| 30 |
+
"learning_rate": 6.666666666666667e-07,
|
| 31 |
+
"loss": 0.6976,
|
| 32 |
+
"step": 8
|
| 33 |
+
},
|
| 34 |
+
{
|
| 35 |
+
"epoch": 0.62,
|
| 36 |
+
"learning_rate": 8.333333333333333e-07,
|
| 37 |
+
"loss": 0.723,
|
| 38 |
+
"step": 10
|
| 39 |
+
},
|
| 40 |
+
{
|
| 41 |
+
"epoch": 0.75,
|
| 42 |
+
"learning_rate": 1.0000000000000002e-06,
|
| 43 |
+
"loss": 0.7089,
|
| 44 |
+
"step": 12
|
| 45 |
+
},
|
| 46 |
+
{
|
| 47 |
+
"epoch": 0.88,
|
| 48 |
+
"learning_rate": 1.1666666666666668e-06,
|
| 49 |
+
"loss": 0.7068,
|
| 50 |
+
"step": 14
|
| 51 |
+
},
|
| 52 |
+
{
|
| 53 |
+
"epoch": 1.0,
|
| 54 |
+
"learning_rate": 1.3333333333333334e-06,
|
| 55 |
+
"loss": 0.6981,
|
| 56 |
+
"step": 16
|
| 57 |
+
},
|
| 58 |
+
{
|
| 59 |
+
"epoch": 1.0,
|
| 60 |
+
"eval_accuracy": 0.4475,
|
| 61 |
+
"eval_loss": 0.7057616710662842,
|
| 62 |
+
"eval_macro_f1": 0.32394710880321814,
|
| 63 |
+
"eval_runtime": 0.9148,
|
| 64 |
+
"eval_samples_per_second": 437.24,
|
| 65 |
+
"eval_steps_per_second": 4.372,
|
| 66 |
+
"step": 16
|
| 67 |
+
},
|
| 68 |
+
{
|
| 69 |
+
"epoch": 1.12,
|
| 70 |
+
"learning_rate": 1.5e-06,
|
| 71 |
+
"loss": 0.6998,
|
| 72 |
+
"step": 18
|
| 73 |
+
},
|
| 74 |
+
{
|
| 75 |
+
"epoch": 1.25,
|
| 76 |
+
"learning_rate": 1.6666666666666667e-06,
|
| 77 |
+
"loss": 0.7138,
|
| 78 |
+
"step": 20
|
| 79 |
+
},
|
| 80 |
+
{
|
| 81 |
+
"epoch": 1.38,
|
| 82 |
+
"learning_rate": 1.8333333333333335e-06,
|
| 83 |
+
"loss": 0.714,
|
| 84 |
+
"step": 22
|
| 85 |
+
},
|
| 86 |
+
{
|
| 87 |
+
"epoch": 1.5,
|
| 88 |
+
"learning_rate": 2.0000000000000003e-06,
|
| 89 |
+
"loss": 0.699,
|
| 90 |
+
"step": 24
|
| 91 |
+
},
|
| 92 |
+
{
|
| 93 |
+
"epoch": 1.62,
|
| 94 |
+
"learning_rate": 2.166666666666667e-06,
|
| 95 |
+
"loss": 0.7097,
|
| 96 |
+
"step": 26
|
| 97 |
+
},
|
| 98 |
+
{
|
| 99 |
+
"epoch": 1.75,
|
| 100 |
+
"learning_rate": 2.3333333333333336e-06,
|
| 101 |
+
"loss": 0.7077,
|
| 102 |
+
"step": 28
|
| 103 |
+
},
|
| 104 |
+
{
|
| 105 |
+
"epoch": 1.88,
|
| 106 |
+
"learning_rate": 2.5e-06,
|
| 107 |
+
"loss": 0.6976,
|
| 108 |
+
"step": 30
|
| 109 |
+
},
|
| 110 |
+
{
|
| 111 |
+
"epoch": 2.0,
|
| 112 |
+
"learning_rate": 2.666666666666667e-06,
|
| 113 |
+
"loss": 0.719,
|
| 114 |
+
"step": 32
|
| 115 |
+
},
|
| 116 |
+
{
|
| 117 |
+
"epoch": 2.0,
|
| 118 |
+
"eval_accuracy": 0.45,
|
| 119 |
+
"eval_loss": 0.7029770612716675,
|
| 120 |
+
"eval_macro_f1": 0.34523809523809523,
|
| 121 |
+
"eval_runtime": 0.8837,
|
| 122 |
+
"eval_samples_per_second": 452.645,
|
| 123 |
+
"eval_steps_per_second": 4.526,
|
| 124 |
+
"step": 32
|
| 125 |
+
},
|
| 126 |
+
{
|
| 127 |
+
"epoch": 2.12,
|
| 128 |
+
"learning_rate": 2.8333333333333335e-06,
|
| 129 |
+
"loss": 0.6957,
|
| 130 |
+
"step": 34
|
| 131 |
+
},
|
| 132 |
+
{
|
| 133 |
+
"epoch": 2.25,
|
| 134 |
+
"learning_rate": 3e-06,
|
| 135 |
+
"loss": 0.7042,
|
| 136 |
+
"step": 36
|
| 137 |
+
},
|
| 138 |
+
{
|
| 139 |
+
"epoch": 2.38,
|
| 140 |
+
"learning_rate": 3.166666666666667e-06,
|
| 141 |
+
"loss": 0.7073,
|
| 142 |
+
"step": 38
|
| 143 |
+
},
|
| 144 |
+
{
|
| 145 |
+
"epoch": 2.5,
|
| 146 |
+
"learning_rate": 3.3333333333333333e-06,
|
| 147 |
+
"loss": 0.6925,
|
| 148 |
+
"step": 40
|
| 149 |
+
},
|
| 150 |
+
{
|
| 151 |
+
"epoch": 2.62,
|
| 152 |
+
"learning_rate": 3.5000000000000004e-06,
|
| 153 |
+
"loss": 0.7099,
|
| 154 |
+
"step": 42
|
| 155 |
+
},
|
| 156 |
+
{
|
| 157 |
+
"epoch": 2.75,
|
| 158 |
+
"learning_rate": 3.666666666666667e-06,
|
| 159 |
+
"loss": 0.6996,
|
| 160 |
+
"step": 44
|
| 161 |
+
},
|
| 162 |
+
{
|
| 163 |
+
"epoch": 2.88,
|
| 164 |
+
"learning_rate": 3.833333333333334e-06,
|
| 165 |
+
"loss": 0.6964,
|
| 166 |
+
"step": 46
|
| 167 |
+
},
|
| 168 |
+
{
|
| 169 |
+
"epoch": 3.0,
|
| 170 |
+
"learning_rate": 4.000000000000001e-06,
|
| 171 |
+
"loss": 0.7045,
|
| 172 |
+
"step": 48
|
| 173 |
+
},
|
| 174 |
+
{
|
| 175 |
+
"epoch": 3.0,
|
| 176 |
+
"eval_accuracy": 0.44,
|
| 177 |
+
"eval_loss": 0.6990571618080139,
|
| 178 |
+
"eval_macro_f1": 0.3783131192584164,
|
| 179 |
+
"eval_runtime": 0.9721,
|
| 180 |
+
"eval_samples_per_second": 411.464,
|
| 181 |
+
"eval_steps_per_second": 4.115,
|
| 182 |
+
"step": 48
|
| 183 |
+
},
|
| 184 |
+
{
|
| 185 |
+
"epoch": 3.12,
|
| 186 |
+
"learning_rate": 4.166666666666667e-06,
|
| 187 |
+
"loss": 0.6963,
|
| 188 |
+
"step": 50
|
| 189 |
+
},
|
| 190 |
+
{
|
| 191 |
+
"epoch": 3.25,
|
| 192 |
+
"learning_rate": 4.333333333333334e-06,
|
| 193 |
+
"loss": 0.6986,
|
| 194 |
+
"step": 52
|
| 195 |
+
},
|
| 196 |
+
{
|
| 197 |
+
"epoch": 3.38,
|
| 198 |
+
"learning_rate": 4.5e-06,
|
| 199 |
+
"loss": 0.6979,
|
| 200 |
+
"step": 54
|
| 201 |
+
},
|
| 202 |
+
{
|
| 203 |
+
"epoch": 3.5,
|
| 204 |
+
"learning_rate": 4.666666666666667e-06,
|
| 205 |
+
"loss": 0.6959,
|
| 206 |
+
"step": 56
|
| 207 |
+
},
|
| 208 |
+
{
|
| 209 |
+
"epoch": 3.62,
|
| 210 |
+
"learning_rate": 4.833333333333333e-06,
|
| 211 |
+
"loss": 0.6955,
|
| 212 |
+
"step": 58
|
| 213 |
+
},
|
| 214 |
+
{
|
| 215 |
+
"epoch": 3.75,
|
| 216 |
+
"learning_rate": 5e-06,
|
| 217 |
+
"loss": 0.6924,
|
| 218 |
+
"step": 60
|
| 219 |
+
},
|
| 220 |
+
{
|
| 221 |
+
"epoch": 3.88,
|
| 222 |
+
"learning_rate": 5.166666666666667e-06,
|
| 223 |
+
"loss": 0.6915,
|
| 224 |
+
"step": 62
|
| 225 |
+
},
|
| 226 |
+
{
|
| 227 |
+
"epoch": 4.0,
|
| 228 |
+
"learning_rate": 5.333333333333334e-06,
|
| 229 |
+
"loss": 0.6959,
|
| 230 |
+
"step": 64
|
| 231 |
+
},
|
| 232 |
+
{
|
| 233 |
+
"epoch": 4.0,
|
| 234 |
+
"eval_accuracy": 0.5,
|
| 235 |
+
"eval_loss": 0.6955833435058594,
|
| 236 |
+
"eval_macro_f1": 0.4666666666666667,
|
| 237 |
+
"eval_runtime": 0.9061,
|
| 238 |
+
"eval_samples_per_second": 441.46,
|
| 239 |
+
"eval_steps_per_second": 4.415,
|
| 240 |
+
"step": 64
|
| 241 |
+
},
|
| 242 |
+
{
|
| 243 |
+
"epoch": 4.12,
|
| 244 |
+
"learning_rate": 5.500000000000001e-06,
|
| 245 |
+
"loss": 0.6924,
|
| 246 |
+
"step": 66
|
| 247 |
+
},
|
| 248 |
+
{
|
| 249 |
+
"epoch": 4.25,
|
| 250 |
+
"learning_rate": 5.666666666666667e-06,
|
| 251 |
+
"loss": 0.6883,
|
| 252 |
+
"step": 68
|
| 253 |
+
},
|
| 254 |
+
{
|
| 255 |
+
"epoch": 4.38,
|
| 256 |
+
"learning_rate": 5.833333333333334e-06,
|
| 257 |
+
"loss": 0.6917,
|
| 258 |
+
"step": 70
|
| 259 |
+
},
|
| 260 |
+
{
|
| 261 |
+
"epoch": 4.5,
|
| 262 |
+
"learning_rate": 6e-06,
|
| 263 |
+
"loss": 0.694,
|
| 264 |
+
"step": 72
|
| 265 |
+
},
|
| 266 |
+
{
|
| 267 |
+
"epoch": 4.62,
|
| 268 |
+
"learning_rate": 6.166666666666667e-06,
|
| 269 |
+
"loss": 0.686,
|
| 270 |
+
"step": 74
|
| 271 |
+
},
|
| 272 |
+
{
|
| 273 |
+
"epoch": 4.75,
|
| 274 |
+
"learning_rate": 6.333333333333334e-06,
|
| 275 |
+
"loss": 0.6822,
|
| 276 |
+
"step": 76
|
| 277 |
+
},
|
| 278 |
+
{
|
| 279 |
+
"epoch": 4.88,
|
| 280 |
+
"learning_rate": 6.5000000000000004e-06,
|
| 281 |
+
"loss": 0.6976,
|
| 282 |
+
"step": 78
|
| 283 |
+
},
|
| 284 |
+
{
|
| 285 |
+
"epoch": 5.0,
|
| 286 |
+
"learning_rate": 6.666666666666667e-06,
|
| 287 |
+
"loss": 0.6852,
|
| 288 |
+
"step": 80
|
| 289 |
+
},
|
| 290 |
+
{
|
| 291 |
+
"epoch": 5.0,
|
| 292 |
+
"eval_accuracy": 0.5375,
|
| 293 |
+
"eval_loss": 0.6935336589813232,
|
| 294 |
+
"eval_macro_f1": 0.397153587343484,
|
| 295 |
+
"eval_runtime": 1.0976,
|
| 296 |
+
"eval_samples_per_second": 364.418,
|
| 297 |
+
"eval_steps_per_second": 3.644,
|
| 298 |
+
"step": 80
|
| 299 |
+
},
|
| 300 |
+
{
|
| 301 |
+
"epoch": 5.12,
|
| 302 |
+
"learning_rate": 6.833333333333333e-06,
|
| 303 |
+
"loss": 0.6904,
|
| 304 |
+
"step": 82
|
| 305 |
+
},
|
| 306 |
+
{
|
| 307 |
+
"epoch": 5.25,
|
| 308 |
+
"learning_rate": 7.000000000000001e-06,
|
| 309 |
+
"loss": 0.6867,
|
| 310 |
+
"step": 84
|
| 311 |
+
},
|
| 312 |
+
{
|
| 313 |
+
"epoch": 5.38,
|
| 314 |
+
"learning_rate": 7.166666666666667e-06,
|
| 315 |
+
"loss": 0.6842,
|
| 316 |
+
"step": 86
|
| 317 |
+
},
|
| 318 |
+
{
|
| 319 |
+
"epoch": 5.5,
|
| 320 |
+
"learning_rate": 7.333333333333334e-06,
|
| 321 |
+
"loss": 0.6996,
|
| 322 |
+
"step": 88
|
| 323 |
+
},
|
| 324 |
+
{
|
| 325 |
+
"epoch": 5.62,
|
| 326 |
+
"learning_rate": 7.5e-06,
|
| 327 |
+
"loss": 0.6824,
|
| 328 |
+
"step": 90
|
| 329 |
+
},
|
| 330 |
+
{
|
| 331 |
+
"epoch": 5.75,
|
| 332 |
+
"learning_rate": 7.666666666666667e-06,
|
| 333 |
+
"loss": 0.6809,
|
| 334 |
+
"step": 92
|
| 335 |
+
},
|
| 336 |
+
{
|
| 337 |
+
"epoch": 5.88,
|
| 338 |
+
"learning_rate": 7.833333333333333e-06,
|
| 339 |
+
"loss": 0.6865,
|
| 340 |
+
"step": 94
|
| 341 |
+
},
|
| 342 |
+
{
|
| 343 |
+
"epoch": 6.0,
|
| 344 |
+
"learning_rate": 8.000000000000001e-06,
|
| 345 |
+
"loss": 0.6746,
|
| 346 |
+
"step": 96
|
| 347 |
+
},
|
| 348 |
+
{
|
| 349 |
+
"epoch": 6.0,
|
| 350 |
+
"eval_accuracy": 0.5425,
|
| 351 |
+
"eval_loss": 0.6928573846817017,
|
| 352 |
+
"eval_macro_f1": 0.36142928178241485,
|
| 353 |
+
"eval_runtime": 0.9106,
|
| 354 |
+
"eval_samples_per_second": 439.253,
|
| 355 |
+
"eval_steps_per_second": 4.393,
|
| 356 |
+
"step": 96
|
| 357 |
+
},
|
| 358 |
+
{
|
| 359 |
+
"epoch": 6.12,
|
| 360 |
+
"learning_rate": 8.166666666666668e-06,
|
| 361 |
+
"loss": 0.6961,
|
| 362 |
+
"step": 98
|
| 363 |
+
},
|
| 364 |
+
{
|
| 365 |
+
"epoch": 6.25,
|
| 366 |
+
"learning_rate": 8.333333333333334e-06,
|
| 367 |
+
"loss": 0.6679,
|
| 368 |
+
"step": 100
|
| 369 |
+
},
|
| 370 |
+
{
|
| 371 |
+
"epoch": 6.38,
|
| 372 |
+
"learning_rate": 8.500000000000002e-06,
|
| 373 |
+
"loss": 0.683,
|
| 374 |
+
"step": 102
|
| 375 |
+
},
|
| 376 |
+
{
|
| 377 |
+
"epoch": 6.5,
|
| 378 |
+
"learning_rate": 8.666666666666668e-06,
|
| 379 |
+
"loss": 0.7001,
|
| 380 |
+
"step": 104
|
| 381 |
+
},
|
| 382 |
+
{
|
| 383 |
+
"epoch": 6.62,
|
| 384 |
+
"learning_rate": 8.833333333333334e-06,
|
| 385 |
+
"loss": 0.6785,
|
| 386 |
+
"step": 106
|
| 387 |
+
},
|
| 388 |
+
{
|
| 389 |
+
"epoch": 6.75,
|
| 390 |
+
"learning_rate": 9e-06,
|
| 391 |
+
"loss": 0.6704,
|
| 392 |
+
"step": 108
|
| 393 |
+
},
|
| 394 |
+
{
|
| 395 |
+
"epoch": 6.88,
|
| 396 |
+
"learning_rate": 9.166666666666666e-06,
|
| 397 |
+
"loss": 0.6951,
|
| 398 |
+
"step": 110
|
| 399 |
+
},
|
| 400 |
+
{
|
| 401 |
+
"epoch": 7.0,
|
| 402 |
+
"learning_rate": 9.333333333333334e-06,
|
| 403 |
+
"loss": 0.681,
|
| 404 |
+
"step": 112
|
| 405 |
+
},
|
| 406 |
+
{
|
| 407 |
+
"epoch": 7.0,
|
| 408 |
+
"eval_accuracy": 0.54,
|
| 409 |
+
"eval_loss": 0.6930812001228333,
|
| 410 |
+
"eval_macro_f1": 0.35064935064935066,
|
| 411 |
+
"eval_runtime": 0.8868,
|
| 412 |
+
"eval_samples_per_second": 451.047,
|
| 413 |
+
"eval_steps_per_second": 4.51,
|
| 414 |
+
"step": 112
|
| 415 |
+
},
|
| 416 |
+
{
|
| 417 |
+
"epoch": 7.12,
|
| 418 |
+
"learning_rate": 9.5e-06,
|
| 419 |
+
"loss": 0.699,
|
| 420 |
+
"step": 114
|
| 421 |
+
},
|
| 422 |
+
{
|
| 423 |
+
"epoch": 7.25,
|
| 424 |
+
"learning_rate": 9.666666666666667e-06,
|
| 425 |
+
"loss": 0.6715,
|
| 426 |
+
"step": 116
|
| 427 |
+
},
|
| 428 |
+
{
|
| 429 |
+
"epoch": 7.38,
|
| 430 |
+
"learning_rate": 9.833333333333333e-06,
|
| 431 |
+
"loss": 0.6644,
|
| 432 |
+
"step": 118
|
| 433 |
+
},
|
| 434 |
+
{
|
| 435 |
+
"epoch": 7.5,
|
| 436 |
+
"learning_rate": 1e-05,
|
| 437 |
+
"loss": 0.7048,
|
| 438 |
+
"step": 120
|
| 439 |
+
},
|
| 440 |
+
{
|
| 441 |
+
"epoch": 7.62,
|
| 442 |
+
"learning_rate": 1.0166666666666667e-05,
|
| 443 |
+
"loss": 0.6792,
|
| 444 |
+
"step": 122
|
| 445 |
+
},
|
| 446 |
+
{
|
| 447 |
+
"epoch": 7.75,
|
| 448 |
+
"learning_rate": 1.0333333333333333e-05,
|
| 449 |
+
"loss": 0.6736,
|
| 450 |
+
"step": 124
|
| 451 |
+
},
|
| 452 |
+
{
|
| 453 |
+
"epoch": 7.88,
|
| 454 |
+
"learning_rate": 1.05e-05,
|
| 455 |
+
"loss": 0.6959,
|
| 456 |
+
"step": 126
|
| 457 |
+
},
|
| 458 |
+
{
|
| 459 |
+
"epoch": 8.0,
|
| 460 |
+
"learning_rate": 1.0666666666666667e-05,
|
| 461 |
+
"loss": 0.6655,
|
| 462 |
+
"step": 128
|
| 463 |
+
},
|
| 464 |
+
{
|
| 465 |
+
"epoch": 8.0,
|
| 466 |
+
"eval_accuracy": 0.54,
|
| 467 |
+
"eval_loss": 0.6934822797775269,
|
| 468 |
+
"eval_macro_f1": 0.35064935064935066,
|
| 469 |
+
"eval_runtime": 0.9074,
|
| 470 |
+
"eval_samples_per_second": 440.807,
|
| 471 |
+
"eval_steps_per_second": 4.408,
|
| 472 |
+
"step": 128
|
| 473 |
+
}
|
| 474 |
+
],
|
| 475 |
+
"max_steps": 320,
|
| 476 |
+
"num_train_epochs": 20,
|
| 477 |
+
"total_flos": 176322143846400.0,
|
| 478 |
+
"trial_name": null,
|
| 479 |
+
"trial_params": null
|
| 480 |
+
}
|
scaling_performance/2000/L2/fold3/config.json
ADDED
|
@@ -0,0 +1,25 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"architectures": [
|
| 3 |
+
"BertForSequenceClassification"
|
| 4 |
+
],
|
| 5 |
+
"attention_probs_dropout_prob": 0.02,
|
| 6 |
+
"classifier_dropout": null,
|
| 7 |
+
"hidden_act": "gelu",
|
| 8 |
+
"hidden_dropout_prob": 0.02,
|
| 9 |
+
"hidden_size": 256,
|
| 10 |
+
"initializer_range": 0.02,
|
| 11 |
+
"intermediate_size": 512,
|
| 12 |
+
"layer_norm_eps": 1e-12,
|
| 13 |
+
"max_position_embeddings": 2048,
|
| 14 |
+
"model_type": "bert",
|
| 15 |
+
"num_attention_heads": 4,
|
| 16 |
+
"num_hidden_layers": 2,
|
| 17 |
+
"pad_token_id": 0,
|
| 18 |
+
"position_embedding_type": "absolute",
|
| 19 |
+
"problem_type": "single_label_classification",
|
| 20 |
+
"torch_dtype": "float32",
|
| 21 |
+
"transformers_version": "4.28.0",
|
| 22 |
+
"type_vocab_size": 2,
|
| 23 |
+
"use_cache": true,
|
| 24 |
+
"vocab_size": 30522
|
| 25 |
+
}
|
scaling_performance/2000/L2/fold3/eval_results.json
ADDED
|
@@ -0,0 +1,8 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"test_accuracy": 0.5425,
|
| 3 |
+
"test_loss": 0.6928573846817017,
|
| 4 |
+
"test_macro_f1": 0.36142928178241485,
|
| 5 |
+
"test_runtime": 0.9417,
|
| 6 |
+
"test_samples_per_second": 424.768,
|
| 7 |
+
"test_steps_per_second": 4.248
|
| 8 |
+
}
|
scaling_performance/2000/L2/fold4/all_results.json
ADDED
|
@@ -0,0 +1,8 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"test_accuracy": 0.5775,
|
| 3 |
+
"test_loss": 0.6842468976974487,
|
| 4 |
+
"test_macro_f1": 0.38194285714285714,
|
| 5 |
+
"test_runtime": 1.0481,
|
| 6 |
+
"test_samples_per_second": 381.652,
|
| 7 |
+
"test_steps_per_second": 3.817
|
| 8 |
+
}
|
scaling_performance/2000/L2/fold4/checkpoint-160/config.json
ADDED
|
@@ -0,0 +1,25 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"architectures": [
|
| 3 |
+
"BertForSequenceClassification"
|
| 4 |
+
],
|
| 5 |
+
"attention_probs_dropout_prob": 0.02,
|
| 6 |
+
"classifier_dropout": null,
|
| 7 |
+
"hidden_act": "gelu",
|
| 8 |
+
"hidden_dropout_prob": 0.02,
|
| 9 |
+
"hidden_size": 256,
|
| 10 |
+
"initializer_range": 0.02,
|
| 11 |
+
"intermediate_size": 512,
|
| 12 |
+
"layer_norm_eps": 1e-12,
|
| 13 |
+
"max_position_embeddings": 2048,
|
| 14 |
+
"model_type": "bert",
|
| 15 |
+
"num_attention_heads": 4,
|
| 16 |
+
"num_hidden_layers": 2,
|
| 17 |
+
"pad_token_id": 0,
|
| 18 |
+
"position_embedding_type": "absolute",
|
| 19 |
+
"problem_type": "single_label_classification",
|
| 20 |
+
"torch_dtype": "float32",
|
| 21 |
+
"transformers_version": "4.28.0",
|
| 22 |
+
"type_vocab_size": 2,
|
| 23 |
+
"use_cache": true,
|
| 24 |
+
"vocab_size": 30522
|
| 25 |
+
}
|
scaling_performance/2000/L2/fold4/checkpoint-160/trainer_state.json
ADDED
|
@@ -0,0 +1,596 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_metric": 0.6842468976974487,
|
| 3 |
+
"best_model_checkpoint": "./models/240626_geneformer_CellClassifier_PM25_Layers2_L2048_B26_LR5e-05_LSlinear_WU600_E20_Oadamw_F0_fold4/checkpoint-128",
|
| 4 |
+
"epoch": 10.0,
|
| 5 |
+
"global_step": 160,
|
| 6 |
+
"is_hyper_param_search": false,
|
| 7 |
+
"is_local_process_zero": true,
|
| 8 |
+
"is_world_process_zero": true,
|
| 9 |
+
"log_history": [
|
| 10 |
+
{
|
| 11 |
+
"epoch": 0.12,
|
| 12 |
+
"learning_rate": 1.6666666666666668e-07,
|
| 13 |
+
"loss": 0.6937,
|
| 14 |
+
"step": 2
|
| 15 |
+
},
|
| 16 |
+
{
|
| 17 |
+
"epoch": 0.25,
|
| 18 |
+
"learning_rate": 3.3333333333333335e-07,
|
| 19 |
+
"loss": 0.7018,
|
| 20 |
+
"step": 4
|
| 21 |
+
},
|
| 22 |
+
{
|
| 23 |
+
"epoch": 0.38,
|
| 24 |
+
"learning_rate": 5.000000000000001e-07,
|
| 25 |
+
"loss": 0.7031,
|
| 26 |
+
"step": 6
|
| 27 |
+
},
|
| 28 |
+
{
|
| 29 |
+
"epoch": 0.5,
|
| 30 |
+
"learning_rate": 6.666666666666667e-07,
|
| 31 |
+
"loss": 0.6949,
|
| 32 |
+
"step": 8
|
| 33 |
+
},
|
| 34 |
+
{
|
| 35 |
+
"epoch": 0.62,
|
| 36 |
+
"learning_rate": 8.333333333333333e-07,
|
| 37 |
+
"loss": 0.694,
|
| 38 |
+
"step": 10
|
| 39 |
+
},
|
| 40 |
+
{
|
| 41 |
+
"epoch": 0.75,
|
| 42 |
+
"learning_rate": 1.0000000000000002e-06,
|
| 43 |
+
"loss": 0.7025,
|
| 44 |
+
"step": 12
|
| 45 |
+
},
|
| 46 |
+
{
|
| 47 |
+
"epoch": 0.88,
|
| 48 |
+
"learning_rate": 1.1666666666666668e-06,
|
| 49 |
+
"loss": 0.6975,
|
| 50 |
+
"step": 14
|
| 51 |
+
},
|
| 52 |
+
{
|
| 53 |
+
"epoch": 1.0,
|
| 54 |
+
"learning_rate": 1.3333333333333334e-06,
|
| 55 |
+
"loss": 0.7029,
|
| 56 |
+
"step": 16
|
| 57 |
+
},
|
| 58 |
+
{
|
| 59 |
+
"epoch": 1.0,
|
| 60 |
+
"eval_accuracy": 0.4575,
|
| 61 |
+
"eval_loss": 0.6974406242370605,
|
| 62 |
+
"eval_macro_f1": 0.4533144386710754,
|
| 63 |
+
"eval_runtime": 0.9243,
|
| 64 |
+
"eval_samples_per_second": 432.744,
|
| 65 |
+
"eval_steps_per_second": 4.327,
|
| 66 |
+
"step": 16
|
| 67 |
+
},
|
| 68 |
+
{
|
| 69 |
+
"epoch": 1.12,
|
| 70 |
+
"learning_rate": 1.5e-06,
|
| 71 |
+
"loss": 0.6934,
|
| 72 |
+
"step": 18
|
| 73 |
+
},
|
| 74 |
+
{
|
| 75 |
+
"epoch": 1.25,
|
| 76 |
+
"learning_rate": 1.6666666666666667e-06,
|
| 77 |
+
"loss": 0.7034,
|
| 78 |
+
"step": 20
|
| 79 |
+
},
|
| 80 |
+
{
|
| 81 |
+
"epoch": 1.38,
|
| 82 |
+
"learning_rate": 1.8333333333333335e-06,
|
| 83 |
+
"loss": 0.6945,
|
| 84 |
+
"step": 22
|
| 85 |
+
},
|
| 86 |
+
{
|
| 87 |
+
"epoch": 1.5,
|
| 88 |
+
"learning_rate": 2.0000000000000003e-06,
|
| 89 |
+
"loss": 0.6894,
|
| 90 |
+
"step": 24
|
| 91 |
+
},
|
| 92 |
+
{
|
| 93 |
+
"epoch": 1.62,
|
| 94 |
+
"learning_rate": 2.166666666666667e-06,
|
| 95 |
+
"loss": 0.7029,
|
| 96 |
+
"step": 26
|
| 97 |
+
},
|
| 98 |
+
{
|
| 99 |
+
"epoch": 1.75,
|
| 100 |
+
"learning_rate": 2.3333333333333336e-06,
|
| 101 |
+
"loss": 0.7002,
|
| 102 |
+
"step": 28
|
| 103 |
+
},
|
| 104 |
+
{
|
| 105 |
+
"epoch": 1.88,
|
| 106 |
+
"learning_rate": 2.5e-06,
|
| 107 |
+
"loss": 0.6943,
|
| 108 |
+
"step": 30
|
| 109 |
+
},
|
| 110 |
+
{
|
| 111 |
+
"epoch": 2.0,
|
| 112 |
+
"learning_rate": 2.666666666666667e-06,
|
| 113 |
+
"loss": 0.6983,
|
| 114 |
+
"step": 32
|
| 115 |
+
},
|
| 116 |
+
{
|
| 117 |
+
"epoch": 2.0,
|
| 118 |
+
"eval_accuracy": 0.485,
|
| 119 |
+
"eval_loss": 0.695452094078064,
|
| 120 |
+
"eval_macro_f1": 0.4841746794871795,
|
| 121 |
+
"eval_runtime": 0.9144,
|
| 122 |
+
"eval_samples_per_second": 437.423,
|
| 123 |
+
"eval_steps_per_second": 4.374,
|
| 124 |
+
"step": 32
|
| 125 |
+
},
|
| 126 |
+
{
|
| 127 |
+
"epoch": 2.12,
|
| 128 |
+
"learning_rate": 2.8333333333333335e-06,
|
| 129 |
+
"loss": 0.6959,
|
| 130 |
+
"step": 34
|
| 131 |
+
},
|
| 132 |
+
{
|
| 133 |
+
"epoch": 2.25,
|
| 134 |
+
"learning_rate": 3e-06,
|
| 135 |
+
"loss": 0.6983,
|
| 136 |
+
"step": 36
|
| 137 |
+
},
|
| 138 |
+
{
|
| 139 |
+
"epoch": 2.38,
|
| 140 |
+
"learning_rate": 3.166666666666667e-06,
|
| 141 |
+
"loss": 0.6905,
|
| 142 |
+
"step": 38
|
| 143 |
+
},
|
| 144 |
+
{
|
| 145 |
+
"epoch": 2.5,
|
| 146 |
+
"learning_rate": 3.3333333333333333e-06,
|
| 147 |
+
"loss": 0.6929,
|
| 148 |
+
"step": 40
|
| 149 |
+
},
|
| 150 |
+
{
|
| 151 |
+
"epoch": 2.62,
|
| 152 |
+
"learning_rate": 3.5000000000000004e-06,
|
| 153 |
+
"loss": 0.694,
|
| 154 |
+
"step": 42
|
| 155 |
+
},
|
| 156 |
+
{
|
| 157 |
+
"epoch": 2.75,
|
| 158 |
+
"learning_rate": 3.666666666666667e-06,
|
| 159 |
+
"loss": 0.6945,
|
| 160 |
+
"step": 44
|
| 161 |
+
},
|
| 162 |
+
{
|
| 163 |
+
"epoch": 2.88,
|
| 164 |
+
"learning_rate": 3.833333333333334e-06,
|
| 165 |
+
"loss": 0.6967,
|
| 166 |
+
"step": 46
|
| 167 |
+
},
|
| 168 |
+
{
|
| 169 |
+
"epoch": 3.0,
|
| 170 |
+
"learning_rate": 4.000000000000001e-06,
|
| 171 |
+
"loss": 0.6968,
|
| 172 |
+
"step": 48
|
| 173 |
+
},
|
| 174 |
+
{
|
| 175 |
+
"epoch": 3.0,
|
| 176 |
+
"eval_accuracy": 0.495,
|
| 177 |
+
"eval_loss": 0.6920776963233948,
|
| 178 |
+
"eval_macro_f1": 0.47608673098869175,
|
| 179 |
+
"eval_runtime": 0.9068,
|
| 180 |
+
"eval_samples_per_second": 441.113,
|
| 181 |
+
"eval_steps_per_second": 4.411,
|
| 182 |
+
"step": 48
|
| 183 |
+
},
|
| 184 |
+
{
|
| 185 |
+
"epoch": 3.12,
|
| 186 |
+
"learning_rate": 4.166666666666667e-06,
|
| 187 |
+
"loss": 0.6908,
|
| 188 |
+
"step": 50
|
| 189 |
+
},
|
| 190 |
+
{
|
| 191 |
+
"epoch": 3.25,
|
| 192 |
+
"learning_rate": 4.333333333333334e-06,
|
| 193 |
+
"loss": 0.6944,
|
| 194 |
+
"step": 52
|
| 195 |
+
},
|
| 196 |
+
{
|
| 197 |
+
"epoch": 3.38,
|
| 198 |
+
"learning_rate": 4.5e-06,
|
| 199 |
+
"loss": 0.6914,
|
| 200 |
+
"step": 54
|
| 201 |
+
},
|
| 202 |
+
{
|
| 203 |
+
"epoch": 3.5,
|
| 204 |
+
"learning_rate": 4.666666666666667e-06,
|
| 205 |
+
"loss": 0.6911,
|
| 206 |
+
"step": 56
|
| 207 |
+
},
|
| 208 |
+
{
|
| 209 |
+
"epoch": 3.62,
|
| 210 |
+
"learning_rate": 4.833333333333333e-06,
|
| 211 |
+
"loss": 0.6893,
|
| 212 |
+
"step": 58
|
| 213 |
+
},
|
| 214 |
+
{
|
| 215 |
+
"epoch": 3.75,
|
| 216 |
+
"learning_rate": 5e-06,
|
| 217 |
+
"loss": 0.6949,
|
| 218 |
+
"step": 60
|
| 219 |
+
},
|
| 220 |
+
{
|
| 221 |
+
"epoch": 3.88,
|
| 222 |
+
"learning_rate": 5.166666666666667e-06,
|
| 223 |
+
"loss": 0.6949,
|
| 224 |
+
"step": 62
|
| 225 |
+
},
|
| 226 |
+
{
|
| 227 |
+
"epoch": 4.0,
|
| 228 |
+
"learning_rate": 5.333333333333334e-06,
|
| 229 |
+
"loss": 0.6868,
|
| 230 |
+
"step": 64
|
| 231 |
+
},
|
| 232 |
+
{
|
| 233 |
+
"epoch": 4.0,
|
| 234 |
+
"eval_accuracy": 0.5325,
|
| 235 |
+
"eval_loss": 0.6893474459648132,
|
| 236 |
+
"eval_macro_f1": 0.46399524188289587,
|
| 237 |
+
"eval_runtime": 0.9384,
|
| 238 |
+
"eval_samples_per_second": 426.254,
|
| 239 |
+
"eval_steps_per_second": 4.263,
|
| 240 |
+
"step": 64
|
| 241 |
+
},
|
| 242 |
+
{
|
| 243 |
+
"epoch": 4.12,
|
| 244 |
+
"learning_rate": 5.500000000000001e-06,
|
| 245 |
+
"loss": 0.6984,
|
| 246 |
+
"step": 66
|
| 247 |
+
},
|
| 248 |
+
{
|
| 249 |
+
"epoch": 4.25,
|
| 250 |
+
"learning_rate": 5.666666666666667e-06,
|
| 251 |
+
"loss": 0.6822,
|
| 252 |
+
"step": 68
|
| 253 |
+
},
|
| 254 |
+
{
|
| 255 |
+
"epoch": 4.38,
|
| 256 |
+
"learning_rate": 5.833333333333334e-06,
|
| 257 |
+
"loss": 0.6864,
|
| 258 |
+
"step": 70
|
| 259 |
+
},
|
| 260 |
+
{
|
| 261 |
+
"epoch": 4.5,
|
| 262 |
+
"learning_rate": 6e-06,
|
| 263 |
+
"loss": 0.7002,
|
| 264 |
+
"step": 72
|
| 265 |
+
},
|
| 266 |
+
{
|
| 267 |
+
"epoch": 4.62,
|
| 268 |
+
"learning_rate": 6.166666666666667e-06,
|
| 269 |
+
"loss": 0.6897,
|
| 270 |
+
"step": 74
|
| 271 |
+
},
|
| 272 |
+
{
|
| 273 |
+
"epoch": 4.75,
|
| 274 |
+
"learning_rate": 6.333333333333334e-06,
|
| 275 |
+
"loss": 0.6903,
|
| 276 |
+
"step": 76
|
| 277 |
+
},
|
| 278 |
+
{
|
| 279 |
+
"epoch": 4.88,
|
| 280 |
+
"learning_rate": 6.5000000000000004e-06,
|
| 281 |
+
"loss": 0.6941,
|
| 282 |
+
"step": 78
|
| 283 |
+
},
|
| 284 |
+
{
|
| 285 |
+
"epoch": 5.0,
|
| 286 |
+
"learning_rate": 6.666666666666667e-06,
|
| 287 |
+
"loss": 0.6779,
|
| 288 |
+
"step": 80
|
| 289 |
+
},
|
| 290 |
+
{
|
| 291 |
+
"epoch": 5.0,
|
| 292 |
+
"eval_accuracy": 0.575,
|
| 293 |
+
"eval_loss": 0.6872670650482178,
|
| 294 |
+
"eval_macro_f1": 0.41748903508771934,
|
| 295 |
+
"eval_runtime": 0.928,
|
| 296 |
+
"eval_samples_per_second": 431.013,
|
| 297 |
+
"eval_steps_per_second": 4.31,
|
| 298 |
+
"step": 80
|
| 299 |
+
},
|
| 300 |
+
{
|
| 301 |
+
"epoch": 5.12,
|
| 302 |
+
"learning_rate": 6.833333333333333e-06,
|
| 303 |
+
"loss": 0.7031,
|
| 304 |
+
"step": 82
|
| 305 |
+
},
|
| 306 |
+
{
|
| 307 |
+
"epoch": 5.25,
|
| 308 |
+
"learning_rate": 7.000000000000001e-06,
|
| 309 |
+
"loss": 0.6892,
|
| 310 |
+
"step": 84
|
| 311 |
+
},
|
| 312 |
+
{
|
| 313 |
+
"epoch": 5.38,
|
| 314 |
+
"learning_rate": 7.166666666666667e-06,
|
| 315 |
+
"loss": 0.6823,
|
| 316 |
+
"step": 86
|
| 317 |
+
},
|
| 318 |
+
{
|
| 319 |
+
"epoch": 5.5,
|
| 320 |
+
"learning_rate": 7.333333333333334e-06,
|
| 321 |
+
"loss": 0.6936,
|
| 322 |
+
"step": 88
|
| 323 |
+
},
|
| 324 |
+
{
|
| 325 |
+
"epoch": 5.62,
|
| 326 |
+
"learning_rate": 7.5e-06,
|
| 327 |
+
"loss": 0.6907,
|
| 328 |
+
"step": 90
|
| 329 |
+
},
|
| 330 |
+
{
|
| 331 |
+
"epoch": 5.75,
|
| 332 |
+
"learning_rate": 7.666666666666667e-06,
|
| 333 |
+
"loss": 0.681,
|
| 334 |
+
"step": 92
|
| 335 |
+
},
|
| 336 |
+
{
|
| 337 |
+
"epoch": 5.88,
|
| 338 |
+
"learning_rate": 7.833333333333333e-06,
|
| 339 |
+
"loss": 0.6965,
|
| 340 |
+
"step": 94
|
| 341 |
+
},
|
| 342 |
+
{
|
| 343 |
+
"epoch": 6.0,
|
| 344 |
+
"learning_rate": 8.000000000000001e-06,
|
| 345 |
+
"loss": 0.6675,
|
| 346 |
+
"step": 96
|
| 347 |
+
},
|
| 348 |
+
{
|
| 349 |
+
"epoch": 6.0,
|
| 350 |
+
"eval_accuracy": 0.58,
|
| 351 |
+
"eval_loss": 0.6864795088768005,
|
| 352 |
+
"eval_macro_f1": 0.4159365874009178,
|
| 353 |
+
"eval_runtime": 0.9734,
|
| 354 |
+
"eval_samples_per_second": 410.925,
|
| 355 |
+
"eval_steps_per_second": 4.109,
|
| 356 |
+
"step": 96
|
| 357 |
+
},
|
| 358 |
+
{
|
| 359 |
+
"epoch": 6.12,
|
| 360 |
+
"learning_rate": 8.166666666666668e-06,
|
| 361 |
+
"loss": 0.6914,
|
| 362 |
+
"step": 98
|
| 363 |
+
},
|
| 364 |
+
{
|
| 365 |
+
"epoch": 6.25,
|
| 366 |
+
"learning_rate": 8.333333333333334e-06,
|
| 367 |
+
"loss": 0.6865,
|
| 368 |
+
"step": 100
|
| 369 |
+
},
|
| 370 |
+
{
|
| 371 |
+
"epoch": 6.38,
|
| 372 |
+
"learning_rate": 8.500000000000002e-06,
|
| 373 |
+
"loss": 0.6801,
|
| 374 |
+
"step": 102
|
| 375 |
+
},
|
| 376 |
+
{
|
| 377 |
+
"epoch": 6.5,
|
| 378 |
+
"learning_rate": 8.666666666666668e-06,
|
| 379 |
+
"loss": 0.699,
|
| 380 |
+
"step": 104
|
| 381 |
+
},
|
| 382 |
+
{
|
| 383 |
+
"epoch": 6.62,
|
| 384 |
+
"learning_rate": 8.833333333333334e-06,
|
| 385 |
+
"loss": 0.6816,
|
| 386 |
+
"step": 106
|
| 387 |
+
},
|
| 388 |
+
{
|
| 389 |
+
"epoch": 6.75,
|
| 390 |
+
"learning_rate": 9e-06,
|
| 391 |
+
"loss": 0.6803,
|
| 392 |
+
"step": 108
|
| 393 |
+
},
|
| 394 |
+
{
|
| 395 |
+
"epoch": 6.88,
|
| 396 |
+
"learning_rate": 9.166666666666666e-06,
|
| 397 |
+
"loss": 0.6934,
|
| 398 |
+
"step": 110
|
| 399 |
+
},
|
| 400 |
+
{
|
| 401 |
+
"epoch": 7.0,
|
| 402 |
+
"learning_rate": 9.333333333333334e-06,
|
| 403 |
+
"loss": 0.6765,
|
| 404 |
+
"step": 112
|
| 405 |
+
},
|
| 406 |
+
{
|
| 407 |
+
"epoch": 7.0,
|
| 408 |
+
"eval_accuracy": 0.5775,
|
| 409 |
+
"eval_loss": 0.6850780248641968,
|
| 410 |
+
"eval_macro_f1": 0.38696484116404134,
|
| 411 |
+
"eval_runtime": 0.9277,
|
| 412 |
+
"eval_samples_per_second": 431.159,
|
| 413 |
+
"eval_steps_per_second": 4.312,
|
| 414 |
+
"step": 112
|
| 415 |
+
},
|
| 416 |
+
{
|
| 417 |
+
"epoch": 7.12,
|
| 418 |
+
"learning_rate": 9.5e-06,
|
| 419 |
+
"loss": 0.6959,
|
| 420 |
+
"step": 114
|
| 421 |
+
},
|
| 422 |
+
{
|
| 423 |
+
"epoch": 7.25,
|
| 424 |
+
"learning_rate": 9.666666666666667e-06,
|
| 425 |
+
"loss": 0.6815,
|
| 426 |
+
"step": 116
|
| 427 |
+
},
|
| 428 |
+
{
|
| 429 |
+
"epoch": 7.38,
|
| 430 |
+
"learning_rate": 9.833333333333333e-06,
|
| 431 |
+
"loss": 0.6763,
|
| 432 |
+
"step": 118
|
| 433 |
+
},
|
| 434 |
+
{
|
| 435 |
+
"epoch": 7.5,
|
| 436 |
+
"learning_rate": 1e-05,
|
| 437 |
+
"loss": 0.698,
|
| 438 |
+
"step": 120
|
| 439 |
+
},
|
| 440 |
+
{
|
| 441 |
+
"epoch": 7.62,
|
| 442 |
+
"learning_rate": 1.0166666666666667e-05,
|
| 443 |
+
"loss": 0.6784,
|
| 444 |
+
"step": 122
|
| 445 |
+
},
|
| 446 |
+
{
|
| 447 |
+
"epoch": 7.75,
|
| 448 |
+
"learning_rate": 1.0333333333333333e-05,
|
| 449 |
+
"loss": 0.6672,
|
| 450 |
+
"step": 124
|
| 451 |
+
},
|
| 452 |
+
{
|
| 453 |
+
"epoch": 7.88,
|
| 454 |
+
"learning_rate": 1.05e-05,
|
| 455 |
+
"loss": 0.7066,
|
| 456 |
+
"step": 126
|
| 457 |
+
},
|
| 458 |
+
{
|
| 459 |
+
"epoch": 8.0,
|
| 460 |
+
"learning_rate": 1.0666666666666667e-05,
|
| 461 |
+
"loss": 0.6902,
|
| 462 |
+
"step": 128
|
| 463 |
+
},
|
| 464 |
+
{
|
| 465 |
+
"epoch": 8.0,
|
| 466 |
+
"eval_accuracy": 0.5775,
|
| 467 |
+
"eval_loss": 0.6842468976974487,
|
| 468 |
+
"eval_macro_f1": 0.38194285714285714,
|
| 469 |
+
"eval_runtime": 0.884,
|
| 470 |
+
"eval_samples_per_second": 452.506,
|
| 471 |
+
"eval_steps_per_second": 4.525,
|
| 472 |
+
"step": 128
|
| 473 |
+
},
|
| 474 |
+
{
|
| 475 |
+
"epoch": 8.12,
|
| 476 |
+
"learning_rate": 1.0833333333333334e-05,
|
| 477 |
+
"loss": 0.6862,
|
| 478 |
+
"step": 130
|
| 479 |
+
},
|
| 480 |
+
{
|
| 481 |
+
"epoch": 8.25,
|
| 482 |
+
"learning_rate": 1.1000000000000001e-05,
|
| 483 |
+
"loss": 0.6784,
|
| 484 |
+
"step": 132
|
| 485 |
+
},
|
| 486 |
+
{
|
| 487 |
+
"epoch": 8.38,
|
| 488 |
+
"learning_rate": 1.1166666666666668e-05,
|
| 489 |
+
"loss": 0.6774,
|
| 490 |
+
"step": 134
|
| 491 |
+
},
|
| 492 |
+
{
|
| 493 |
+
"epoch": 8.5,
|
| 494 |
+
"learning_rate": 1.1333333333333334e-05,
|
| 495 |
+
"loss": 0.7004,
|
| 496 |
+
"step": 136
|
| 497 |
+
},
|
| 498 |
+
{
|
| 499 |
+
"epoch": 8.62,
|
| 500 |
+
"learning_rate": 1.1500000000000002e-05,
|
| 501 |
+
"loss": 0.6755,
|
| 502 |
+
"step": 138
|
| 503 |
+
},
|
| 504 |
+
{
|
| 505 |
+
"epoch": 8.75,
|
| 506 |
+
"learning_rate": 1.1666666666666668e-05,
|
| 507 |
+
"loss": 0.68,
|
| 508 |
+
"step": 140
|
| 509 |
+
},
|
| 510 |
+
{
|
| 511 |
+
"epoch": 8.88,
|
| 512 |
+
"learning_rate": 1.1833333333333334e-05,
|
| 513 |
+
"loss": 0.7023,
|
| 514 |
+
"step": 142
|
| 515 |
+
},
|
| 516 |
+
{
|
| 517 |
+
"epoch": 9.0,
|
| 518 |
+
"learning_rate": 1.2e-05,
|
| 519 |
+
"loss": 0.6802,
|
| 520 |
+
"step": 144
|
| 521 |
+
},
|
| 522 |
+
{
|
| 523 |
+
"epoch": 9.0,
|
| 524 |
+
"eval_accuracy": 0.5775,
|
| 525 |
+
"eval_loss": 0.6846153140068054,
|
| 526 |
+
"eval_macro_f1": 0.38696484116404134,
|
| 527 |
+
"eval_runtime": 0.9145,
|
| 528 |
+
"eval_samples_per_second": 437.397,
|
| 529 |
+
"eval_steps_per_second": 4.374,
|
| 530 |
+
"step": 144
|
| 531 |
+
},
|
| 532 |
+
{
|
| 533 |
+
"epoch": 9.12,
|
| 534 |
+
"learning_rate": 1.2166666666666668e-05,
|
| 535 |
+
"loss": 0.6962,
|
| 536 |
+
"step": 146
|
| 537 |
+
},
|
| 538 |
+
{
|
| 539 |
+
"epoch": 9.25,
|
| 540 |
+
"learning_rate": 1.2333333333333334e-05,
|
| 541 |
+
"loss": 0.6717,
|
| 542 |
+
"step": 148
|
| 543 |
+
},
|
| 544 |
+
{
|
| 545 |
+
"epoch": 9.38,
|
| 546 |
+
"learning_rate": 1.25e-05,
|
| 547 |
+
"loss": 0.6783,
|
| 548 |
+
"step": 150
|
| 549 |
+
},
|
| 550 |
+
{
|
| 551 |
+
"epoch": 9.5,
|
| 552 |
+
"learning_rate": 1.2666666666666668e-05,
|
| 553 |
+
"loss": 0.7028,
|
| 554 |
+
"step": 152
|
| 555 |
+
},
|
| 556 |
+
{
|
| 557 |
+
"epoch": 9.62,
|
| 558 |
+
"learning_rate": 1.2833333333333333e-05,
|
| 559 |
+
"loss": 0.683,
|
| 560 |
+
"step": 154
|
| 561 |
+
},
|
| 562 |
+
{
|
| 563 |
+
"epoch": 9.75,
|
| 564 |
+
"learning_rate": 1.3000000000000001e-05,
|
| 565 |
+
"loss": 0.6835,
|
| 566 |
+
"step": 156
|
| 567 |
+
},
|
| 568 |
+
{
|
| 569 |
+
"epoch": 9.88,
|
| 570 |
+
"learning_rate": 1.3166666666666665e-05,
|
| 571 |
+
"loss": 0.687,
|
| 572 |
+
"step": 158
|
| 573 |
+
},
|
| 574 |
+
{
|
| 575 |
+
"epoch": 10.0,
|
| 576 |
+
"learning_rate": 1.3333333333333333e-05,
|
| 577 |
+
"loss": 0.6693,
|
| 578 |
+
"step": 160
|
| 579 |
+
},
|
| 580 |
+
{
|
| 581 |
+
"epoch": 10.0,
|
| 582 |
+
"eval_accuracy": 0.5875,
|
| 583 |
+
"eval_loss": 0.6855114698410034,
|
| 584 |
+
"eval_macro_f1": 0.4199077125906394,
|
| 585 |
+
"eval_runtime": 1.013,
|
| 586 |
+
"eval_samples_per_second": 394.875,
|
| 587 |
+
"eval_steps_per_second": 3.949,
|
| 588 |
+
"step": 160
|
| 589 |
+
}
|
| 590 |
+
],
|
| 591 |
+
"max_steps": 320,
|
| 592 |
+
"num_train_epochs": 20,
|
| 593 |
+
"total_flos": 220402679808000.0,
|
| 594 |
+
"trial_name": null,
|
| 595 |
+
"trial_params": null
|
| 596 |
+
}
|
scaling_performance/2000/L2/fold4/config.json
ADDED
|
@@ -0,0 +1,25 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"architectures": [
|
| 3 |
+
"BertForSequenceClassification"
|
| 4 |
+
],
|
| 5 |
+
"attention_probs_dropout_prob": 0.02,
|
| 6 |
+
"classifier_dropout": null,
|
| 7 |
+
"hidden_act": "gelu",
|
| 8 |
+
"hidden_dropout_prob": 0.02,
|
| 9 |
+
"hidden_size": 256,
|
| 10 |
+
"initializer_range": 0.02,
|
| 11 |
+
"intermediate_size": 512,
|
| 12 |
+
"layer_norm_eps": 1e-12,
|
| 13 |
+
"max_position_embeddings": 2048,
|
| 14 |
+
"model_type": "bert",
|
| 15 |
+
"num_attention_heads": 4,
|
| 16 |
+
"num_hidden_layers": 2,
|
| 17 |
+
"pad_token_id": 0,
|
| 18 |
+
"position_embedding_type": "absolute",
|
| 19 |
+
"problem_type": "single_label_classification",
|
| 20 |
+
"torch_dtype": "float32",
|
| 21 |
+
"transformers_version": "4.28.0",
|
| 22 |
+
"type_vocab_size": 2,
|
| 23 |
+
"use_cache": true,
|
| 24 |
+
"vocab_size": 30522
|
| 25 |
+
}
|
scaling_performance/2000/L2/fold4/eval_results.json
ADDED
|
@@ -0,0 +1,8 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"test_accuracy": 0.5775,
|
| 3 |
+
"test_loss": 0.6842468976974487,
|
| 4 |
+
"test_macro_f1": 0.38194285714285714,
|
| 5 |
+
"test_runtime": 1.0481,
|
| 6 |
+
"test_samples_per_second": 381.652,
|
| 7 |
+
"test_steps_per_second": 3.817
|
| 8 |
+
}
|
scaling_performance/2000/L4/.DS_Store
ADDED
|
Binary file (6.15 kB). View file
|
|
|
scaling_performance/2000/L4/fold0/all_results.json
ADDED
|
@@ -0,0 +1,8 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"test_accuracy": 0.575,
|
| 3 |
+
"test_loss": 0.6820950508117676,
|
| 4 |
+
"test_macro_f1": 0.36507936507936506,
|
| 5 |
+
"test_runtime": 1.1206,
|
| 6 |
+
"test_samples_per_second": 356.963,
|
| 7 |
+
"test_steps_per_second": 3.57
|
| 8 |
+
}
|
scaling_performance/2000/L4/fold0/checkpoint-208/config.json
ADDED
|
@@ -0,0 +1,25 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"architectures": [
|
| 3 |
+
"BertForSequenceClassification"
|
| 4 |
+
],
|
| 5 |
+
"attention_probs_dropout_prob": 0.02,
|
| 6 |
+
"classifier_dropout": null,
|
| 7 |
+
"hidden_act": "gelu",
|
| 8 |
+
"hidden_dropout_prob": 0.02,
|
| 9 |
+
"hidden_size": 256,
|
| 10 |
+
"initializer_range": 0.02,
|
| 11 |
+
"intermediate_size": 512,
|
| 12 |
+
"layer_norm_eps": 1e-12,
|
| 13 |
+
"max_position_embeddings": 2048,
|
| 14 |
+
"model_type": "bert",
|
| 15 |
+
"num_attention_heads": 4,
|
| 16 |
+
"num_hidden_layers": 4,
|
| 17 |
+
"pad_token_id": 0,
|
| 18 |
+
"position_embedding_type": "absolute",
|
| 19 |
+
"problem_type": "single_label_classification",
|
| 20 |
+
"torch_dtype": "float32",
|
| 21 |
+
"transformers_version": "4.28.0",
|
| 22 |
+
"type_vocab_size": 2,
|
| 23 |
+
"use_cache": true,
|
| 24 |
+
"vocab_size": 30522
|
| 25 |
+
}
|
scaling_performance/2000/L4/fold0/checkpoint-208/trainer_state.json
ADDED
|
@@ -0,0 +1,770 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_metric": 0.6820950508117676,
|
| 3 |
+
"best_model_checkpoint": "./models/240626_geneformer_CellClassifier_PM25_Layers4_L2048_B26_LR5e-05_LSlinear_WU600_E20_Oadamw_F0_fold0/checkpoint-176",
|
| 4 |
+
"epoch": 13.0,
|
| 5 |
+
"global_step": 208,
|
| 6 |
+
"is_hyper_param_search": false,
|
| 7 |
+
"is_local_process_zero": true,
|
| 8 |
+
"is_world_process_zero": true,
|
| 9 |
+
"log_history": [
|
| 10 |
+
{
|
| 11 |
+
"epoch": 0.12,
|
| 12 |
+
"learning_rate": 1.6666666666666668e-07,
|
| 13 |
+
"loss": 0.7054,
|
| 14 |
+
"step": 2
|
| 15 |
+
},
|
| 16 |
+
{
|
| 17 |
+
"epoch": 0.25,
|
| 18 |
+
"learning_rate": 3.3333333333333335e-07,
|
| 19 |
+
"loss": 0.6834,
|
| 20 |
+
"step": 4
|
| 21 |
+
},
|
| 22 |
+
{
|
| 23 |
+
"epoch": 0.38,
|
| 24 |
+
"learning_rate": 5.000000000000001e-07,
|
| 25 |
+
"loss": 0.6727,
|
| 26 |
+
"step": 6
|
| 27 |
+
},
|
| 28 |
+
{
|
| 29 |
+
"epoch": 0.5,
|
| 30 |
+
"learning_rate": 6.666666666666667e-07,
|
| 31 |
+
"loss": 0.6992,
|
| 32 |
+
"step": 8
|
| 33 |
+
},
|
| 34 |
+
{
|
| 35 |
+
"epoch": 0.62,
|
| 36 |
+
"learning_rate": 8.333333333333333e-07,
|
| 37 |
+
"loss": 0.686,
|
| 38 |
+
"step": 10
|
| 39 |
+
},
|
| 40 |
+
{
|
| 41 |
+
"epoch": 0.75,
|
| 42 |
+
"learning_rate": 1.0000000000000002e-06,
|
| 43 |
+
"loss": 0.68,
|
| 44 |
+
"step": 12
|
| 45 |
+
},
|
| 46 |
+
{
|
| 47 |
+
"epoch": 0.88,
|
| 48 |
+
"learning_rate": 1.1666666666666668e-06,
|
| 49 |
+
"loss": 0.6949,
|
| 50 |
+
"step": 14
|
| 51 |
+
},
|
| 52 |
+
{
|
| 53 |
+
"epoch": 1.0,
|
| 54 |
+
"learning_rate": 1.3333333333333334e-06,
|
| 55 |
+
"loss": 0.6664,
|
| 56 |
+
"step": 16
|
| 57 |
+
},
|
| 58 |
+
{
|
| 59 |
+
"epoch": 1.0,
|
| 60 |
+
"eval_accuracy": 0.575,
|
| 61 |
+
"eval_loss": 0.6863978505134583,
|
| 62 |
+
"eval_macro_f1": 0.3704636350170345,
|
| 63 |
+
"eval_runtime": 1.1223,
|
| 64 |
+
"eval_samples_per_second": 356.401,
|
| 65 |
+
"eval_steps_per_second": 3.564,
|
| 66 |
+
"step": 16
|
| 67 |
+
},
|
| 68 |
+
{
|
| 69 |
+
"epoch": 1.12,
|
| 70 |
+
"learning_rate": 1.5e-06,
|
| 71 |
+
"loss": 0.6883,
|
| 72 |
+
"step": 18
|
| 73 |
+
},
|
| 74 |
+
{
|
| 75 |
+
"epoch": 1.25,
|
| 76 |
+
"learning_rate": 1.6666666666666667e-06,
|
| 77 |
+
"loss": 0.6829,
|
| 78 |
+
"step": 20
|
| 79 |
+
},
|
| 80 |
+
{
|
| 81 |
+
"epoch": 1.38,
|
| 82 |
+
"learning_rate": 1.8333333333333335e-06,
|
| 83 |
+
"loss": 0.6752,
|
| 84 |
+
"step": 22
|
| 85 |
+
},
|
| 86 |
+
{
|
| 87 |
+
"epoch": 1.5,
|
| 88 |
+
"learning_rate": 2.0000000000000003e-06,
|
| 89 |
+
"loss": 0.7028,
|
| 90 |
+
"step": 24
|
| 91 |
+
},
|
| 92 |
+
{
|
| 93 |
+
"epoch": 1.62,
|
| 94 |
+
"learning_rate": 2.166666666666667e-06,
|
| 95 |
+
"loss": 0.6865,
|
| 96 |
+
"step": 26
|
| 97 |
+
},
|
| 98 |
+
{
|
| 99 |
+
"epoch": 1.75,
|
| 100 |
+
"learning_rate": 2.3333333333333336e-06,
|
| 101 |
+
"loss": 0.6806,
|
| 102 |
+
"step": 28
|
| 103 |
+
},
|
| 104 |
+
{
|
| 105 |
+
"epoch": 1.88,
|
| 106 |
+
"learning_rate": 2.5e-06,
|
| 107 |
+
"loss": 0.6967,
|
| 108 |
+
"step": 30
|
| 109 |
+
},
|
| 110 |
+
{
|
| 111 |
+
"epoch": 2.0,
|
| 112 |
+
"learning_rate": 2.666666666666667e-06,
|
| 113 |
+
"loss": 0.6913,
|
| 114 |
+
"step": 32
|
| 115 |
+
},
|
| 116 |
+
{
|
| 117 |
+
"epoch": 2.0,
|
| 118 |
+
"eval_accuracy": 0.5775,
|
| 119 |
+
"eval_loss": 0.6860420107841492,
|
| 120 |
+
"eval_macro_f1": 0.37150773064085757,
|
| 121 |
+
"eval_runtime": 1.1219,
|
| 122 |
+
"eval_samples_per_second": 356.528,
|
| 123 |
+
"eval_steps_per_second": 3.565,
|
| 124 |
+
"step": 32
|
| 125 |
+
},
|
| 126 |
+
{
|
| 127 |
+
"epoch": 2.12,
|
| 128 |
+
"learning_rate": 2.8333333333333335e-06,
|
| 129 |
+
"loss": 0.7063,
|
| 130 |
+
"step": 34
|
| 131 |
+
},
|
| 132 |
+
{
|
| 133 |
+
"epoch": 2.25,
|
| 134 |
+
"learning_rate": 3e-06,
|
| 135 |
+
"loss": 0.6795,
|
| 136 |
+
"step": 36
|
| 137 |
+
},
|
| 138 |
+
{
|
| 139 |
+
"epoch": 2.38,
|
| 140 |
+
"learning_rate": 3.166666666666667e-06,
|
| 141 |
+
"loss": 0.6816,
|
| 142 |
+
"step": 38
|
| 143 |
+
},
|
| 144 |
+
{
|
| 145 |
+
"epoch": 2.5,
|
| 146 |
+
"learning_rate": 3.3333333333333333e-06,
|
| 147 |
+
"loss": 0.698,
|
| 148 |
+
"step": 40
|
| 149 |
+
},
|
| 150 |
+
{
|
| 151 |
+
"epoch": 2.62,
|
| 152 |
+
"learning_rate": 3.5000000000000004e-06,
|
| 153 |
+
"loss": 0.677,
|
| 154 |
+
"step": 42
|
| 155 |
+
},
|
| 156 |
+
{
|
| 157 |
+
"epoch": 2.75,
|
| 158 |
+
"learning_rate": 3.666666666666667e-06,
|
| 159 |
+
"loss": 0.6769,
|
| 160 |
+
"step": 44
|
| 161 |
+
},
|
| 162 |
+
{
|
| 163 |
+
"epoch": 2.88,
|
| 164 |
+
"learning_rate": 3.833333333333334e-06,
|
| 165 |
+
"loss": 0.6981,
|
| 166 |
+
"step": 46
|
| 167 |
+
},
|
| 168 |
+
{
|
| 169 |
+
"epoch": 3.0,
|
| 170 |
+
"learning_rate": 4.000000000000001e-06,
|
| 171 |
+
"loss": 0.6727,
|
| 172 |
+
"step": 48
|
| 173 |
+
},
|
| 174 |
+
{
|
| 175 |
+
"epoch": 3.0,
|
| 176 |
+
"eval_accuracy": 0.5775,
|
| 177 |
+
"eval_loss": 0.6859269738197327,
|
| 178 |
+
"eval_macro_f1": 0.37150773064085757,
|
| 179 |
+
"eval_runtime": 1.199,
|
| 180 |
+
"eval_samples_per_second": 333.604,
|
| 181 |
+
"eval_steps_per_second": 3.336,
|
| 182 |
+
"step": 48
|
| 183 |
+
},
|
| 184 |
+
{
|
| 185 |
+
"epoch": 3.12,
|
| 186 |
+
"learning_rate": 4.166666666666667e-06,
|
| 187 |
+
"loss": 0.7026,
|
| 188 |
+
"step": 50
|
| 189 |
+
},
|
| 190 |
+
{
|
| 191 |
+
"epoch": 3.25,
|
| 192 |
+
"learning_rate": 4.333333333333334e-06,
|
| 193 |
+
"loss": 0.6807,
|
| 194 |
+
"step": 52
|
| 195 |
+
},
|
| 196 |
+
{
|
| 197 |
+
"epoch": 3.38,
|
| 198 |
+
"learning_rate": 4.5e-06,
|
| 199 |
+
"loss": 0.6795,
|
| 200 |
+
"step": 54
|
| 201 |
+
},
|
| 202 |
+
{
|
| 203 |
+
"epoch": 3.5,
|
| 204 |
+
"learning_rate": 4.666666666666667e-06,
|
| 205 |
+
"loss": 0.7013,
|
| 206 |
+
"step": 56
|
| 207 |
+
},
|
| 208 |
+
{
|
| 209 |
+
"epoch": 3.62,
|
| 210 |
+
"learning_rate": 4.833333333333333e-06,
|
| 211 |
+
"loss": 0.6788,
|
| 212 |
+
"step": 58
|
| 213 |
+
},
|
| 214 |
+
{
|
| 215 |
+
"epoch": 3.75,
|
| 216 |
+
"learning_rate": 5e-06,
|
| 217 |
+
"loss": 0.6777,
|
| 218 |
+
"step": 60
|
| 219 |
+
},
|
| 220 |
+
{
|
| 221 |
+
"epoch": 3.88,
|
| 222 |
+
"learning_rate": 5.166666666666667e-06,
|
| 223 |
+
"loss": 0.6967,
|
| 224 |
+
"step": 62
|
| 225 |
+
},
|
| 226 |
+
{
|
| 227 |
+
"epoch": 4.0,
|
| 228 |
+
"learning_rate": 5.333333333333334e-06,
|
| 229 |
+
"loss": 0.6749,
|
| 230 |
+
"step": 64
|
| 231 |
+
},
|
| 232 |
+
{
|
| 233 |
+
"epoch": 4.0,
|
| 234 |
+
"eval_accuracy": 0.575,
|
| 235 |
+
"eval_loss": 0.6854825615882874,
|
| 236 |
+
"eval_macro_f1": 0.36507936507936506,
|
| 237 |
+
"eval_runtime": 1.1334,
|
| 238 |
+
"eval_samples_per_second": 352.933,
|
| 239 |
+
"eval_steps_per_second": 3.529,
|
| 240 |
+
"step": 64
|
| 241 |
+
},
|
| 242 |
+
{
|
| 243 |
+
"epoch": 4.12,
|
| 244 |
+
"learning_rate": 5.500000000000001e-06,
|
| 245 |
+
"loss": 0.7027,
|
| 246 |
+
"step": 66
|
| 247 |
+
},
|
| 248 |
+
{
|
| 249 |
+
"epoch": 4.25,
|
| 250 |
+
"learning_rate": 5.666666666666667e-06,
|
| 251 |
+
"loss": 0.6667,
|
| 252 |
+
"step": 68
|
| 253 |
+
},
|
| 254 |
+
{
|
| 255 |
+
"epoch": 4.38,
|
| 256 |
+
"learning_rate": 5.833333333333334e-06,
|
| 257 |
+
"loss": 0.6906,
|
| 258 |
+
"step": 70
|
| 259 |
+
},
|
| 260 |
+
{
|
| 261 |
+
"epoch": 4.5,
|
| 262 |
+
"learning_rate": 6e-06,
|
| 263 |
+
"loss": 0.7023,
|
| 264 |
+
"step": 72
|
| 265 |
+
},
|
| 266 |
+
{
|
| 267 |
+
"epoch": 4.62,
|
| 268 |
+
"learning_rate": 6.166666666666667e-06,
|
| 269 |
+
"loss": 0.6743,
|
| 270 |
+
"step": 74
|
| 271 |
+
},
|
| 272 |
+
{
|
| 273 |
+
"epoch": 4.75,
|
| 274 |
+
"learning_rate": 6.333333333333334e-06,
|
| 275 |
+
"loss": 0.6708,
|
| 276 |
+
"step": 76
|
| 277 |
+
},
|
| 278 |
+
{
|
| 279 |
+
"epoch": 4.88,
|
| 280 |
+
"learning_rate": 6.5000000000000004e-06,
|
| 281 |
+
"loss": 0.6992,
|
| 282 |
+
"step": 78
|
| 283 |
+
},
|
| 284 |
+
{
|
| 285 |
+
"epoch": 5.0,
|
| 286 |
+
"learning_rate": 6.666666666666667e-06,
|
| 287 |
+
"loss": 0.685,
|
| 288 |
+
"step": 80
|
| 289 |
+
},
|
| 290 |
+
{
|
| 291 |
+
"epoch": 5.0,
|
| 292 |
+
"eval_accuracy": 0.575,
|
| 293 |
+
"eval_loss": 0.6849209666252136,
|
| 294 |
+
"eval_macro_f1": 0.36507936507936506,
|
| 295 |
+
"eval_runtime": 1.0714,
|
| 296 |
+
"eval_samples_per_second": 373.352,
|
| 297 |
+
"eval_steps_per_second": 3.734,
|
| 298 |
+
"step": 80
|
| 299 |
+
},
|
| 300 |
+
{
|
| 301 |
+
"epoch": 5.12,
|
| 302 |
+
"learning_rate": 6.833333333333333e-06,
|
| 303 |
+
"loss": 0.6917,
|
| 304 |
+
"step": 82
|
| 305 |
+
},
|
| 306 |
+
{
|
| 307 |
+
"epoch": 5.25,
|
| 308 |
+
"learning_rate": 7.000000000000001e-06,
|
| 309 |
+
"loss": 0.684,
|
| 310 |
+
"step": 84
|
| 311 |
+
},
|
| 312 |
+
{
|
| 313 |
+
"epoch": 5.38,
|
| 314 |
+
"learning_rate": 7.166666666666667e-06,
|
| 315 |
+
"loss": 0.6846,
|
| 316 |
+
"step": 86
|
| 317 |
+
},
|
| 318 |
+
{
|
| 319 |
+
"epoch": 5.5,
|
| 320 |
+
"learning_rate": 7.333333333333334e-06,
|
| 321 |
+
"loss": 0.6967,
|
| 322 |
+
"step": 88
|
| 323 |
+
},
|
| 324 |
+
{
|
| 325 |
+
"epoch": 5.62,
|
| 326 |
+
"learning_rate": 7.5e-06,
|
| 327 |
+
"loss": 0.673,
|
| 328 |
+
"step": 90
|
| 329 |
+
},
|
| 330 |
+
{
|
| 331 |
+
"epoch": 5.75,
|
| 332 |
+
"learning_rate": 7.666666666666667e-06,
|
| 333 |
+
"loss": 0.6808,
|
| 334 |
+
"step": 92
|
| 335 |
+
},
|
| 336 |
+
{
|
| 337 |
+
"epoch": 5.88,
|
| 338 |
+
"learning_rate": 7.833333333333333e-06,
|
| 339 |
+
"loss": 0.6873,
|
| 340 |
+
"step": 94
|
| 341 |
+
},
|
| 342 |
+
{
|
| 343 |
+
"epoch": 6.0,
|
| 344 |
+
"learning_rate": 8.000000000000001e-06,
|
| 345 |
+
"loss": 0.6798,
|
| 346 |
+
"step": 96
|
| 347 |
+
},
|
| 348 |
+
{
|
| 349 |
+
"epoch": 6.0,
|
| 350 |
+
"eval_accuracy": 0.575,
|
| 351 |
+
"eval_loss": 0.6847447156906128,
|
| 352 |
+
"eval_macro_f1": 0.36507936507936506,
|
| 353 |
+
"eval_runtime": 1.2096,
|
| 354 |
+
"eval_samples_per_second": 330.697,
|
| 355 |
+
"eval_steps_per_second": 3.307,
|
| 356 |
+
"step": 96
|
| 357 |
+
},
|
| 358 |
+
{
|
| 359 |
+
"epoch": 6.12,
|
| 360 |
+
"learning_rate": 8.166666666666668e-06,
|
| 361 |
+
"loss": 0.6922,
|
| 362 |
+
"step": 98
|
| 363 |
+
},
|
| 364 |
+
{
|
| 365 |
+
"epoch": 6.25,
|
| 366 |
+
"learning_rate": 8.333333333333334e-06,
|
| 367 |
+
"loss": 0.6879,
|
| 368 |
+
"step": 100
|
| 369 |
+
},
|
| 370 |
+
{
|
| 371 |
+
"epoch": 6.38,
|
| 372 |
+
"learning_rate": 8.500000000000002e-06,
|
| 373 |
+
"loss": 0.6686,
|
| 374 |
+
"step": 102
|
| 375 |
+
},
|
| 376 |
+
{
|
| 377 |
+
"epoch": 6.5,
|
| 378 |
+
"learning_rate": 8.666666666666668e-06,
|
| 379 |
+
"loss": 0.7015,
|
| 380 |
+
"step": 104
|
| 381 |
+
},
|
| 382 |
+
{
|
| 383 |
+
"epoch": 6.62,
|
| 384 |
+
"learning_rate": 8.833333333333334e-06,
|
| 385 |
+
"loss": 0.6721,
|
| 386 |
+
"step": 106
|
| 387 |
+
},
|
| 388 |
+
{
|
| 389 |
+
"epoch": 6.75,
|
| 390 |
+
"learning_rate": 9e-06,
|
| 391 |
+
"loss": 0.6711,
|
| 392 |
+
"step": 108
|
| 393 |
+
},
|
| 394 |
+
{
|
| 395 |
+
"epoch": 6.88,
|
| 396 |
+
"learning_rate": 9.166666666666666e-06,
|
| 397 |
+
"loss": 0.7008,
|
| 398 |
+
"step": 110
|
| 399 |
+
},
|
| 400 |
+
{
|
| 401 |
+
"epoch": 7.0,
|
| 402 |
+
"learning_rate": 9.333333333333334e-06,
|
| 403 |
+
"loss": 0.6833,
|
| 404 |
+
"step": 112
|
| 405 |
+
},
|
| 406 |
+
{
|
| 407 |
+
"epoch": 7.0,
|
| 408 |
+
"eval_accuracy": 0.575,
|
| 409 |
+
"eval_loss": 0.6845291256904602,
|
| 410 |
+
"eval_macro_f1": 0.36507936507936506,
|
| 411 |
+
"eval_runtime": 1.0732,
|
| 412 |
+
"eval_samples_per_second": 372.73,
|
| 413 |
+
"eval_steps_per_second": 3.727,
|
| 414 |
+
"step": 112
|
| 415 |
+
},
|
| 416 |
+
{
|
| 417 |
+
"epoch": 7.12,
|
| 418 |
+
"learning_rate": 9.5e-06,
|
| 419 |
+
"loss": 0.7052,
|
| 420 |
+
"step": 114
|
| 421 |
+
},
|
| 422 |
+
{
|
| 423 |
+
"epoch": 7.25,
|
| 424 |
+
"learning_rate": 9.666666666666667e-06,
|
| 425 |
+
"loss": 0.6767,
|
| 426 |
+
"step": 116
|
| 427 |
+
},
|
| 428 |
+
{
|
| 429 |
+
"epoch": 7.38,
|
| 430 |
+
"learning_rate": 9.833333333333333e-06,
|
| 431 |
+
"loss": 0.6733,
|
| 432 |
+
"step": 118
|
| 433 |
+
},
|
| 434 |
+
{
|
| 435 |
+
"epoch": 7.5,
|
| 436 |
+
"learning_rate": 1e-05,
|
| 437 |
+
"loss": 0.7014,
|
| 438 |
+
"step": 120
|
| 439 |
+
},
|
| 440 |
+
{
|
| 441 |
+
"epoch": 7.62,
|
| 442 |
+
"learning_rate": 1.0166666666666667e-05,
|
| 443 |
+
"loss": 0.6805,
|
| 444 |
+
"step": 122
|
| 445 |
+
},
|
| 446 |
+
{
|
| 447 |
+
"epoch": 7.75,
|
| 448 |
+
"learning_rate": 1.0333333333333333e-05,
|
| 449 |
+
"loss": 0.6752,
|
| 450 |
+
"step": 124
|
| 451 |
+
},
|
| 452 |
+
{
|
| 453 |
+
"epoch": 7.88,
|
| 454 |
+
"learning_rate": 1.05e-05,
|
| 455 |
+
"loss": 0.6834,
|
| 456 |
+
"step": 126
|
| 457 |
+
},
|
| 458 |
+
{
|
| 459 |
+
"epoch": 8.0,
|
| 460 |
+
"learning_rate": 1.0666666666666667e-05,
|
| 461 |
+
"loss": 0.6714,
|
| 462 |
+
"step": 128
|
| 463 |
+
},
|
| 464 |
+
{
|
| 465 |
+
"epoch": 8.0,
|
| 466 |
+
"eval_accuracy": 0.5775,
|
| 467 |
+
"eval_loss": 0.6844103932380676,
|
| 468 |
+
"eval_macro_f1": 0.37150773064085757,
|
| 469 |
+
"eval_runtime": 1.1163,
|
| 470 |
+
"eval_samples_per_second": 358.34,
|
| 471 |
+
"eval_steps_per_second": 3.583,
|
| 472 |
+
"step": 128
|
| 473 |
+
},
|
| 474 |
+
{
|
| 475 |
+
"epoch": 8.12,
|
| 476 |
+
"learning_rate": 1.0833333333333334e-05,
|
| 477 |
+
"loss": 0.682,
|
| 478 |
+
"step": 130
|
| 479 |
+
},
|
| 480 |
+
{
|
| 481 |
+
"epoch": 8.25,
|
| 482 |
+
"learning_rate": 1.1000000000000001e-05,
|
| 483 |
+
"loss": 0.6834,
|
| 484 |
+
"step": 132
|
| 485 |
+
},
|
| 486 |
+
{
|
| 487 |
+
"epoch": 8.38,
|
| 488 |
+
"learning_rate": 1.1166666666666668e-05,
|
| 489 |
+
"loss": 0.6834,
|
| 490 |
+
"step": 134
|
| 491 |
+
},
|
| 492 |
+
{
|
| 493 |
+
"epoch": 8.5,
|
| 494 |
+
"learning_rate": 1.1333333333333334e-05,
|
| 495 |
+
"loss": 0.7047,
|
| 496 |
+
"step": 136
|
| 497 |
+
},
|
| 498 |
+
{
|
| 499 |
+
"epoch": 8.62,
|
| 500 |
+
"learning_rate": 1.1500000000000002e-05,
|
| 501 |
+
"loss": 0.6771,
|
| 502 |
+
"step": 138
|
| 503 |
+
},
|
| 504 |
+
{
|
| 505 |
+
"epoch": 8.75,
|
| 506 |
+
"learning_rate": 1.1666666666666668e-05,
|
| 507 |
+
"loss": 0.6801,
|
| 508 |
+
"step": 140
|
| 509 |
+
},
|
| 510 |
+
{
|
| 511 |
+
"epoch": 8.88,
|
| 512 |
+
"learning_rate": 1.1833333333333334e-05,
|
| 513 |
+
"loss": 0.6895,
|
| 514 |
+
"step": 142
|
| 515 |
+
},
|
| 516 |
+
{
|
| 517 |
+
"epoch": 9.0,
|
| 518 |
+
"learning_rate": 1.2e-05,
|
| 519 |
+
"loss": 0.65,
|
| 520 |
+
"step": 144
|
| 521 |
+
},
|
| 522 |
+
{
|
| 523 |
+
"epoch": 9.0,
|
| 524 |
+
"eval_accuracy": 0.575,
|
| 525 |
+
"eval_loss": 0.6835783123970032,
|
| 526 |
+
"eval_macro_f1": 0.36507936507936506,
|
| 527 |
+
"eval_runtime": 1.1415,
|
| 528 |
+
"eval_samples_per_second": 350.408,
|
| 529 |
+
"eval_steps_per_second": 3.504,
|
| 530 |
+
"step": 144
|
| 531 |
+
},
|
| 532 |
+
{
|
| 533 |
+
"epoch": 9.12,
|
| 534 |
+
"learning_rate": 1.2166666666666668e-05,
|
| 535 |
+
"loss": 0.6848,
|
| 536 |
+
"step": 146
|
| 537 |
+
},
|
| 538 |
+
{
|
| 539 |
+
"epoch": 9.25,
|
| 540 |
+
"learning_rate": 1.2333333333333334e-05,
|
| 541 |
+
"loss": 0.6753,
|
| 542 |
+
"step": 148
|
| 543 |
+
},
|
| 544 |
+
{
|
| 545 |
+
"epoch": 9.38,
|
| 546 |
+
"learning_rate": 1.25e-05,
|
| 547 |
+
"loss": 0.6681,
|
| 548 |
+
"step": 150
|
| 549 |
+
},
|
| 550 |
+
{
|
| 551 |
+
"epoch": 9.5,
|
| 552 |
+
"learning_rate": 1.2666666666666668e-05,
|
| 553 |
+
"loss": 0.7129,
|
| 554 |
+
"step": 152
|
| 555 |
+
},
|
| 556 |
+
{
|
| 557 |
+
"epoch": 9.62,
|
| 558 |
+
"learning_rate": 1.2833333333333333e-05,
|
| 559 |
+
"loss": 0.6681,
|
| 560 |
+
"step": 154
|
| 561 |
+
},
|
| 562 |
+
{
|
| 563 |
+
"epoch": 9.75,
|
| 564 |
+
"learning_rate": 1.3000000000000001e-05,
|
| 565 |
+
"loss": 0.6715,
|
| 566 |
+
"step": 156
|
| 567 |
+
},
|
| 568 |
+
{
|
| 569 |
+
"epoch": 9.88,
|
| 570 |
+
"learning_rate": 1.3166666666666665e-05,
|
| 571 |
+
"loss": 0.7159,
|
| 572 |
+
"step": 158
|
| 573 |
+
},
|
| 574 |
+
{
|
| 575 |
+
"epoch": 10.0,
|
| 576 |
+
"learning_rate": 1.3333333333333333e-05,
|
| 577 |
+
"loss": 0.6494,
|
| 578 |
+
"step": 160
|
| 579 |
+
},
|
| 580 |
+
{
|
| 581 |
+
"epoch": 10.0,
|
| 582 |
+
"eval_accuracy": 0.575,
|
| 583 |
+
"eval_loss": 0.6823403835296631,
|
| 584 |
+
"eval_macro_f1": 0.36507936507936506,
|
| 585 |
+
"eval_runtime": 1.2482,
|
| 586 |
+
"eval_samples_per_second": 320.459,
|
| 587 |
+
"eval_steps_per_second": 3.205,
|
| 588 |
+
"step": 160
|
| 589 |
+
},
|
| 590 |
+
{
|
| 591 |
+
"epoch": 10.12,
|
| 592 |
+
"learning_rate": 1.3500000000000001e-05,
|
| 593 |
+
"loss": 0.6997,
|
| 594 |
+
"step": 162
|
| 595 |
+
},
|
| 596 |
+
{
|
| 597 |
+
"epoch": 10.25,
|
| 598 |
+
"learning_rate": 1.3666666666666666e-05,
|
| 599 |
+
"loss": 0.6782,
|
| 600 |
+
"step": 164
|
| 601 |
+
},
|
| 602 |
+
{
|
| 603 |
+
"epoch": 10.38,
|
| 604 |
+
"learning_rate": 1.3833333333333334e-05,
|
| 605 |
+
"loss": 0.6738,
|
| 606 |
+
"step": 166
|
| 607 |
+
},
|
| 608 |
+
{
|
| 609 |
+
"epoch": 10.5,
|
| 610 |
+
"learning_rate": 1.4000000000000001e-05,
|
| 611 |
+
"loss": 0.6772,
|
| 612 |
+
"step": 168
|
| 613 |
+
},
|
| 614 |
+
{
|
| 615 |
+
"epoch": 10.62,
|
| 616 |
+
"learning_rate": 1.4166666666666668e-05,
|
| 617 |
+
"loss": 0.6782,
|
| 618 |
+
"step": 170
|
| 619 |
+
},
|
| 620 |
+
{
|
| 621 |
+
"epoch": 10.75,
|
| 622 |
+
"learning_rate": 1.4333333333333334e-05,
|
| 623 |
+
"loss": 0.6663,
|
| 624 |
+
"step": 172
|
| 625 |
+
},
|
| 626 |
+
{
|
| 627 |
+
"epoch": 10.88,
|
| 628 |
+
"learning_rate": 1.45e-05,
|
| 629 |
+
"loss": 0.7095,
|
| 630 |
+
"step": 174
|
| 631 |
+
},
|
| 632 |
+
{
|
| 633 |
+
"epoch": 11.0,
|
| 634 |
+
"learning_rate": 1.4666666666666668e-05,
|
| 635 |
+
"loss": 0.6549,
|
| 636 |
+
"step": 176
|
| 637 |
+
},
|
| 638 |
+
{
|
| 639 |
+
"epoch": 11.0,
|
| 640 |
+
"eval_accuracy": 0.575,
|
| 641 |
+
"eval_loss": 0.6820950508117676,
|
| 642 |
+
"eval_macro_f1": 0.36507936507936506,
|
| 643 |
+
"eval_runtime": 1.1022,
|
| 644 |
+
"eval_samples_per_second": 362.906,
|
| 645 |
+
"eval_steps_per_second": 3.629,
|
| 646 |
+
"step": 176
|
| 647 |
+
},
|
| 648 |
+
{
|
| 649 |
+
"epoch": 11.12,
|
| 650 |
+
"learning_rate": 1.4833333333333336e-05,
|
| 651 |
+
"loss": 0.6936,
|
| 652 |
+
"step": 178
|
| 653 |
+
},
|
| 654 |
+
{
|
| 655 |
+
"epoch": 11.25,
|
| 656 |
+
"learning_rate": 1.5e-05,
|
| 657 |
+
"loss": 0.6768,
|
| 658 |
+
"step": 180
|
| 659 |
+
},
|
| 660 |
+
{
|
| 661 |
+
"epoch": 11.38,
|
| 662 |
+
"learning_rate": 1.5166666666666668e-05,
|
| 663 |
+
"loss": 0.6692,
|
| 664 |
+
"step": 182
|
| 665 |
+
},
|
| 666 |
+
{
|
| 667 |
+
"epoch": 11.5,
|
| 668 |
+
"learning_rate": 1.5333333333333334e-05,
|
| 669 |
+
"loss": 0.6876,
|
| 670 |
+
"step": 184
|
| 671 |
+
},
|
| 672 |
+
{
|
| 673 |
+
"epoch": 11.62,
|
| 674 |
+
"learning_rate": 1.55e-05,
|
| 675 |
+
"loss": 0.6642,
|
| 676 |
+
"step": 186
|
| 677 |
+
},
|
| 678 |
+
{
|
| 679 |
+
"epoch": 11.75,
|
| 680 |
+
"learning_rate": 1.5666666666666667e-05,
|
| 681 |
+
"loss": 0.6752,
|
| 682 |
+
"step": 188
|
| 683 |
+
},
|
| 684 |
+
{
|
| 685 |
+
"epoch": 11.88,
|
| 686 |
+
"learning_rate": 1.5833333333333333e-05,
|
| 687 |
+
"loss": 0.6933,
|
| 688 |
+
"step": 190
|
| 689 |
+
},
|
| 690 |
+
{
|
| 691 |
+
"epoch": 12.0,
|
| 692 |
+
"learning_rate": 1.6000000000000003e-05,
|
| 693 |
+
"loss": 0.6803,
|
| 694 |
+
"step": 192
|
| 695 |
+
},
|
| 696 |
+
{
|
| 697 |
+
"epoch": 12.0,
|
| 698 |
+
"eval_accuracy": 0.5775,
|
| 699 |
+
"eval_loss": 0.682160496711731,
|
| 700 |
+
"eval_macro_f1": 0.37150773064085757,
|
| 701 |
+
"eval_runtime": 1.0867,
|
| 702 |
+
"eval_samples_per_second": 368.078,
|
| 703 |
+
"eval_steps_per_second": 3.681,
|
| 704 |
+
"step": 192
|
| 705 |
+
},
|
| 706 |
+
{
|
| 707 |
+
"epoch": 12.12,
|
| 708 |
+
"learning_rate": 1.6166666666666665e-05,
|
| 709 |
+
"loss": 0.7001,
|
| 710 |
+
"step": 194
|
| 711 |
+
},
|
| 712 |
+
{
|
| 713 |
+
"epoch": 12.25,
|
| 714 |
+
"learning_rate": 1.6333333333333335e-05,
|
| 715 |
+
"loss": 0.6741,
|
| 716 |
+
"step": 196
|
| 717 |
+
},
|
| 718 |
+
{
|
| 719 |
+
"epoch": 12.38,
|
| 720 |
+
"learning_rate": 1.65e-05,
|
| 721 |
+
"loss": 0.6719,
|
| 722 |
+
"step": 198
|
| 723 |
+
},
|
| 724 |
+
{
|
| 725 |
+
"epoch": 12.5,
|
| 726 |
+
"learning_rate": 1.6666666666666667e-05,
|
| 727 |
+
"loss": 0.6893,
|
| 728 |
+
"step": 200
|
| 729 |
+
},
|
| 730 |
+
{
|
| 731 |
+
"epoch": 12.62,
|
| 732 |
+
"learning_rate": 1.6833333333333334e-05,
|
| 733 |
+
"loss": 0.6698,
|
| 734 |
+
"step": 202
|
| 735 |
+
},
|
| 736 |
+
{
|
| 737 |
+
"epoch": 12.75,
|
| 738 |
+
"learning_rate": 1.7000000000000003e-05,
|
| 739 |
+
"loss": 0.6743,
|
| 740 |
+
"step": 204
|
| 741 |
+
},
|
| 742 |
+
{
|
| 743 |
+
"epoch": 12.88,
|
| 744 |
+
"learning_rate": 1.7166666666666666e-05,
|
| 745 |
+
"loss": 0.6883,
|
| 746 |
+
"step": 206
|
| 747 |
+
},
|
| 748 |
+
{
|
| 749 |
+
"epoch": 13.0,
|
| 750 |
+
"learning_rate": 1.7333333333333336e-05,
|
| 751 |
+
"loss": 0.6503,
|
| 752 |
+
"step": 208
|
| 753 |
+
},
|
| 754 |
+
{
|
| 755 |
+
"epoch": 13.0,
|
| 756 |
+
"eval_accuracy": 0.58,
|
| 757 |
+
"eval_loss": 0.6827612519264221,
|
| 758 |
+
"eval_macro_f1": 0.3830560757959678,
|
| 759 |
+
"eval_runtime": 1.1101,
|
| 760 |
+
"eval_samples_per_second": 360.318,
|
| 761 |
+
"eval_steps_per_second": 3.603,
|
| 762 |
+
"step": 208
|
| 763 |
+
}
|
| 764 |
+
],
|
| 765 |
+
"max_steps": 320,
|
| 766 |
+
"num_train_epochs": 20,
|
| 767 |
+
"total_flos": 555968928153600.0,
|
| 768 |
+
"trial_name": null,
|
| 769 |
+
"trial_params": null
|
| 770 |
+
}
|
scaling_performance/2000/L4/fold0/config.json
ADDED
|
@@ -0,0 +1,25 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"architectures": [
|
| 3 |
+
"BertForSequenceClassification"
|
| 4 |
+
],
|
| 5 |
+
"attention_probs_dropout_prob": 0.02,
|
| 6 |
+
"classifier_dropout": null,
|
| 7 |
+
"hidden_act": "gelu",
|
| 8 |
+
"hidden_dropout_prob": 0.02,
|
| 9 |
+
"hidden_size": 256,
|
| 10 |
+
"initializer_range": 0.02,
|
| 11 |
+
"intermediate_size": 512,
|
| 12 |
+
"layer_norm_eps": 1e-12,
|
| 13 |
+
"max_position_embeddings": 2048,
|
| 14 |
+
"model_type": "bert",
|
| 15 |
+
"num_attention_heads": 4,
|
| 16 |
+
"num_hidden_layers": 4,
|
| 17 |
+
"pad_token_id": 0,
|
| 18 |
+
"position_embedding_type": "absolute",
|
| 19 |
+
"problem_type": "single_label_classification",
|
| 20 |
+
"torch_dtype": "float32",
|
| 21 |
+
"transformers_version": "4.28.0",
|
| 22 |
+
"type_vocab_size": 2,
|
| 23 |
+
"use_cache": true,
|
| 24 |
+
"vocab_size": 30522
|
| 25 |
+
}
|
scaling_performance/2000/L4/fold0/eval_results.json
ADDED
|
@@ -0,0 +1,8 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"test_accuracy": 0.575,
|
| 3 |
+
"test_loss": 0.6820950508117676,
|
| 4 |
+
"test_macro_f1": 0.36507936507936506,
|
| 5 |
+
"test_runtime": 1.1206,
|
| 6 |
+
"test_samples_per_second": 356.963,
|
| 7 |
+
"test_steps_per_second": 3.57
|
| 8 |
+
}
|
scaling_performance/2000/L4/fold1/all_results.json
ADDED
|
@@ -0,0 +1,8 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"test_accuracy": 0.6025,
|
| 3 |
+
"test_loss": 0.6501033902168274,
|
| 4 |
+
"test_macro_f1": 0.5765617613965472,
|
| 5 |
+
"test_runtime": 1.0691,
|
| 6 |
+
"test_samples_per_second": 374.158,
|
| 7 |
+
"test_steps_per_second": 3.742
|
| 8 |
+
}
|
scaling_performance/2000/L4/fold1/checkpoint-320/config.json
ADDED
|
@@ -0,0 +1,25 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"architectures": [
|
| 3 |
+
"BertForSequenceClassification"
|
| 4 |
+
],
|
| 5 |
+
"attention_probs_dropout_prob": 0.02,
|
| 6 |
+
"classifier_dropout": null,
|
| 7 |
+
"hidden_act": "gelu",
|
| 8 |
+
"hidden_dropout_prob": 0.02,
|
| 9 |
+
"hidden_size": 256,
|
| 10 |
+
"initializer_range": 0.02,
|
| 11 |
+
"intermediate_size": 512,
|
| 12 |
+
"layer_norm_eps": 1e-12,
|
| 13 |
+
"max_position_embeddings": 2048,
|
| 14 |
+
"model_type": "bert",
|
| 15 |
+
"num_attention_heads": 4,
|
| 16 |
+
"num_hidden_layers": 4,
|
| 17 |
+
"pad_token_id": 0,
|
| 18 |
+
"position_embedding_type": "absolute",
|
| 19 |
+
"problem_type": "single_label_classification",
|
| 20 |
+
"torch_dtype": "float32",
|
| 21 |
+
"transformers_version": "4.28.0",
|
| 22 |
+
"type_vocab_size": 2,
|
| 23 |
+
"use_cache": true,
|
| 24 |
+
"vocab_size": 30522
|
| 25 |
+
}
|
scaling_performance/2000/L4/fold1/checkpoint-320/trainer_state.json
ADDED
|
@@ -0,0 +1,1176 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_metric": 0.6501033902168274,
|
| 3 |
+
"best_model_checkpoint": "./models/240626_geneformer_CellClassifier_PM25_Layers4_L2048_B26_LR5e-05_LSlinear_WU600_E20_Oadamw_F0_fold1/checkpoint-320",
|
| 4 |
+
"epoch": 20.0,
|
| 5 |
+
"global_step": 320,
|
| 6 |
+
"is_hyper_param_search": false,
|
| 7 |
+
"is_local_process_zero": true,
|
| 8 |
+
"is_world_process_zero": true,
|
| 9 |
+
"log_history": [
|
| 10 |
+
{
|
| 11 |
+
"epoch": 0.12,
|
| 12 |
+
"learning_rate": 1.6666666666666668e-07,
|
| 13 |
+
"loss": 0.6968,
|
| 14 |
+
"step": 2
|
| 15 |
+
},
|
| 16 |
+
{
|
| 17 |
+
"epoch": 0.25,
|
| 18 |
+
"learning_rate": 3.3333333333333335e-07,
|
| 19 |
+
"loss": 0.6823,
|
| 20 |
+
"step": 4
|
| 21 |
+
},
|
| 22 |
+
{
|
| 23 |
+
"epoch": 0.38,
|
| 24 |
+
"learning_rate": 5.000000000000001e-07,
|
| 25 |
+
"loss": 0.6887,
|
| 26 |
+
"step": 6
|
| 27 |
+
},
|
| 28 |
+
{
|
| 29 |
+
"epoch": 0.5,
|
| 30 |
+
"learning_rate": 6.666666666666667e-07,
|
| 31 |
+
"loss": 0.6899,
|
| 32 |
+
"step": 8
|
| 33 |
+
},
|
| 34 |
+
{
|
| 35 |
+
"epoch": 0.62,
|
| 36 |
+
"learning_rate": 8.333333333333333e-07,
|
| 37 |
+
"loss": 0.6783,
|
| 38 |
+
"step": 10
|
| 39 |
+
},
|
| 40 |
+
{
|
| 41 |
+
"epoch": 0.75,
|
| 42 |
+
"learning_rate": 1.0000000000000002e-06,
|
| 43 |
+
"loss": 0.6856,
|
| 44 |
+
"step": 12
|
| 45 |
+
},
|
| 46 |
+
{
|
| 47 |
+
"epoch": 0.88,
|
| 48 |
+
"learning_rate": 1.1666666666666668e-06,
|
| 49 |
+
"loss": 0.6903,
|
| 50 |
+
"step": 14
|
| 51 |
+
},
|
| 52 |
+
{
|
| 53 |
+
"epoch": 1.0,
|
| 54 |
+
"learning_rate": 1.3333333333333334e-06,
|
| 55 |
+
"loss": 0.6805,
|
| 56 |
+
"step": 16
|
| 57 |
+
},
|
| 58 |
+
{
|
| 59 |
+
"epoch": 1.0,
|
| 60 |
+
"eval_accuracy": 0.5925,
|
| 61 |
+
"eval_loss": 0.6838886737823486,
|
| 62 |
+
"eval_macro_f1": 0.4353951800760311,
|
| 63 |
+
"eval_runtime": 1.1995,
|
| 64 |
+
"eval_samples_per_second": 333.478,
|
| 65 |
+
"eval_steps_per_second": 3.335,
|
| 66 |
+
"step": 16
|
| 67 |
+
},
|
| 68 |
+
{
|
| 69 |
+
"epoch": 1.12,
|
| 70 |
+
"learning_rate": 1.5e-06,
|
| 71 |
+
"loss": 0.696,
|
| 72 |
+
"step": 18
|
| 73 |
+
},
|
| 74 |
+
{
|
| 75 |
+
"epoch": 1.25,
|
| 76 |
+
"learning_rate": 1.6666666666666667e-06,
|
| 77 |
+
"loss": 0.6879,
|
| 78 |
+
"step": 20
|
| 79 |
+
},
|
| 80 |
+
{
|
| 81 |
+
"epoch": 1.38,
|
| 82 |
+
"learning_rate": 1.8333333333333335e-06,
|
| 83 |
+
"loss": 0.6825,
|
| 84 |
+
"step": 22
|
| 85 |
+
},
|
| 86 |
+
{
|
| 87 |
+
"epoch": 1.5,
|
| 88 |
+
"learning_rate": 2.0000000000000003e-06,
|
| 89 |
+
"loss": 0.6948,
|
| 90 |
+
"step": 24
|
| 91 |
+
},
|
| 92 |
+
{
|
| 93 |
+
"epoch": 1.62,
|
| 94 |
+
"learning_rate": 2.166666666666667e-06,
|
| 95 |
+
"loss": 0.6753,
|
| 96 |
+
"step": 26
|
| 97 |
+
},
|
| 98 |
+
{
|
| 99 |
+
"epoch": 1.75,
|
| 100 |
+
"learning_rate": 2.3333333333333336e-06,
|
| 101 |
+
"loss": 0.6828,
|
| 102 |
+
"step": 28
|
| 103 |
+
},
|
| 104 |
+
{
|
| 105 |
+
"epoch": 1.88,
|
| 106 |
+
"learning_rate": 2.5e-06,
|
| 107 |
+
"loss": 0.6947,
|
| 108 |
+
"step": 30
|
| 109 |
+
},
|
| 110 |
+
{
|
| 111 |
+
"epoch": 2.0,
|
| 112 |
+
"learning_rate": 2.666666666666667e-06,
|
| 113 |
+
"loss": 0.6785,
|
| 114 |
+
"step": 32
|
| 115 |
+
},
|
| 116 |
+
{
|
| 117 |
+
"epoch": 2.0,
|
| 118 |
+
"eval_accuracy": 0.5925,
|
| 119 |
+
"eval_loss": 0.6835730075836182,
|
| 120 |
+
"eval_macro_f1": 0.4312184313143914,
|
| 121 |
+
"eval_runtime": 1.1121,
|
| 122 |
+
"eval_samples_per_second": 359.692,
|
| 123 |
+
"eval_steps_per_second": 3.597,
|
| 124 |
+
"step": 32
|
| 125 |
+
},
|
| 126 |
+
{
|
| 127 |
+
"epoch": 2.12,
|
| 128 |
+
"learning_rate": 2.8333333333333335e-06,
|
| 129 |
+
"loss": 0.6944,
|
| 130 |
+
"step": 34
|
| 131 |
+
},
|
| 132 |
+
{
|
| 133 |
+
"epoch": 2.25,
|
| 134 |
+
"learning_rate": 3e-06,
|
| 135 |
+
"loss": 0.6794,
|
| 136 |
+
"step": 36
|
| 137 |
+
},
|
| 138 |
+
{
|
| 139 |
+
"epoch": 2.38,
|
| 140 |
+
"learning_rate": 3.166666666666667e-06,
|
| 141 |
+
"loss": 0.6868,
|
| 142 |
+
"step": 38
|
| 143 |
+
},
|
| 144 |
+
{
|
| 145 |
+
"epoch": 2.5,
|
| 146 |
+
"learning_rate": 3.3333333333333333e-06,
|
| 147 |
+
"loss": 0.6993,
|
| 148 |
+
"step": 40
|
| 149 |
+
},
|
| 150 |
+
{
|
| 151 |
+
"epoch": 2.62,
|
| 152 |
+
"learning_rate": 3.5000000000000004e-06,
|
| 153 |
+
"loss": 0.6775,
|
| 154 |
+
"step": 42
|
| 155 |
+
},
|
| 156 |
+
{
|
| 157 |
+
"epoch": 2.75,
|
| 158 |
+
"learning_rate": 3.666666666666667e-06,
|
| 159 |
+
"loss": 0.6831,
|
| 160 |
+
"step": 44
|
| 161 |
+
},
|
| 162 |
+
{
|
| 163 |
+
"epoch": 2.88,
|
| 164 |
+
"learning_rate": 3.833333333333334e-06,
|
| 165 |
+
"loss": 0.6893,
|
| 166 |
+
"step": 46
|
| 167 |
+
},
|
| 168 |
+
{
|
| 169 |
+
"epoch": 3.0,
|
| 170 |
+
"learning_rate": 4.000000000000001e-06,
|
| 171 |
+
"loss": 0.6733,
|
| 172 |
+
"step": 48
|
| 173 |
+
},
|
| 174 |
+
{
|
| 175 |
+
"epoch": 3.0,
|
| 176 |
+
"eval_accuracy": 0.5725,
|
| 177 |
+
"eval_loss": 0.6828555464744568,
|
| 178 |
+
"eval_macro_f1": 0.37970998721331994,
|
| 179 |
+
"eval_runtime": 1.0735,
|
| 180 |
+
"eval_samples_per_second": 372.607,
|
| 181 |
+
"eval_steps_per_second": 3.726,
|
| 182 |
+
"step": 48
|
| 183 |
+
},
|
| 184 |
+
{
|
| 185 |
+
"epoch": 3.12,
|
| 186 |
+
"learning_rate": 4.166666666666667e-06,
|
| 187 |
+
"loss": 0.6887,
|
| 188 |
+
"step": 50
|
| 189 |
+
},
|
| 190 |
+
{
|
| 191 |
+
"epoch": 3.25,
|
| 192 |
+
"learning_rate": 4.333333333333334e-06,
|
| 193 |
+
"loss": 0.6732,
|
| 194 |
+
"step": 52
|
| 195 |
+
},
|
| 196 |
+
{
|
| 197 |
+
"epoch": 3.38,
|
| 198 |
+
"learning_rate": 4.5e-06,
|
| 199 |
+
"loss": 0.6738,
|
| 200 |
+
"step": 54
|
| 201 |
+
},
|
| 202 |
+
{
|
| 203 |
+
"epoch": 3.5,
|
| 204 |
+
"learning_rate": 4.666666666666667e-06,
|
| 205 |
+
"loss": 0.7063,
|
| 206 |
+
"step": 56
|
| 207 |
+
},
|
| 208 |
+
{
|
| 209 |
+
"epoch": 3.62,
|
| 210 |
+
"learning_rate": 4.833333333333333e-06,
|
| 211 |
+
"loss": 0.6928,
|
| 212 |
+
"step": 58
|
| 213 |
+
},
|
| 214 |
+
{
|
| 215 |
+
"epoch": 3.75,
|
| 216 |
+
"learning_rate": 5e-06,
|
| 217 |
+
"loss": 0.6805,
|
| 218 |
+
"step": 60
|
| 219 |
+
},
|
| 220 |
+
{
|
| 221 |
+
"epoch": 3.88,
|
| 222 |
+
"learning_rate": 5.166666666666667e-06,
|
| 223 |
+
"loss": 0.6933,
|
| 224 |
+
"step": 62
|
| 225 |
+
},
|
| 226 |
+
{
|
| 227 |
+
"epoch": 4.0,
|
| 228 |
+
"learning_rate": 5.333333333333334e-06,
|
| 229 |
+
"loss": 0.6643,
|
| 230 |
+
"step": 64
|
| 231 |
+
},
|
| 232 |
+
{
|
| 233 |
+
"epoch": 4.0,
|
| 234 |
+
"eval_accuracy": 0.5675,
|
| 235 |
+
"eval_loss": 0.6821349859237671,
|
| 236 |
+
"eval_macro_f1": 0.3673142857142857,
|
| 237 |
+
"eval_runtime": 1.2162,
|
| 238 |
+
"eval_samples_per_second": 328.882,
|
| 239 |
+
"eval_steps_per_second": 3.289,
|
| 240 |
+
"step": 64
|
| 241 |
+
},
|
| 242 |
+
{
|
| 243 |
+
"epoch": 4.12,
|
| 244 |
+
"learning_rate": 5.500000000000001e-06,
|
| 245 |
+
"loss": 0.6995,
|
| 246 |
+
"step": 66
|
| 247 |
+
},
|
| 248 |
+
{
|
| 249 |
+
"epoch": 4.25,
|
| 250 |
+
"learning_rate": 5.666666666666667e-06,
|
| 251 |
+
"loss": 0.6752,
|
| 252 |
+
"step": 68
|
| 253 |
+
},
|
| 254 |
+
{
|
| 255 |
+
"epoch": 4.38,
|
| 256 |
+
"learning_rate": 5.833333333333334e-06,
|
| 257 |
+
"loss": 0.6691,
|
| 258 |
+
"step": 70
|
| 259 |
+
},
|
| 260 |
+
{
|
| 261 |
+
"epoch": 4.5,
|
| 262 |
+
"learning_rate": 6e-06,
|
| 263 |
+
"loss": 0.6907,
|
| 264 |
+
"step": 72
|
| 265 |
+
},
|
| 266 |
+
{
|
| 267 |
+
"epoch": 4.62,
|
| 268 |
+
"learning_rate": 6.166666666666667e-06,
|
| 269 |
+
"loss": 0.6876,
|
| 270 |
+
"step": 74
|
| 271 |
+
},
|
| 272 |
+
{
|
| 273 |
+
"epoch": 4.75,
|
| 274 |
+
"learning_rate": 6.333333333333334e-06,
|
| 275 |
+
"loss": 0.668,
|
| 276 |
+
"step": 76
|
| 277 |
+
},
|
| 278 |
+
{
|
| 279 |
+
"epoch": 4.88,
|
| 280 |
+
"learning_rate": 6.5000000000000004e-06,
|
| 281 |
+
"loss": 0.7008,
|
| 282 |
+
"step": 78
|
| 283 |
+
},
|
| 284 |
+
{
|
| 285 |
+
"epoch": 5.0,
|
| 286 |
+
"learning_rate": 6.666666666666667e-06,
|
| 287 |
+
"loss": 0.6813,
|
| 288 |
+
"step": 80
|
| 289 |
+
},
|
| 290 |
+
{
|
| 291 |
+
"epoch": 5.0,
|
| 292 |
+
"eval_accuracy": 0.5675,
|
| 293 |
+
"eval_loss": 0.6816044449806213,
|
| 294 |
+
"eval_macro_f1": 0.3673142857142857,
|
| 295 |
+
"eval_runtime": 1.1264,
|
| 296 |
+
"eval_samples_per_second": 355.105,
|
| 297 |
+
"eval_steps_per_second": 3.551,
|
| 298 |
+
"step": 80
|
| 299 |
+
},
|
| 300 |
+
{
|
| 301 |
+
"epoch": 5.12,
|
| 302 |
+
"learning_rate": 6.833333333333333e-06,
|
| 303 |
+
"loss": 0.7075,
|
| 304 |
+
"step": 82
|
| 305 |
+
},
|
| 306 |
+
{
|
| 307 |
+
"epoch": 5.25,
|
| 308 |
+
"learning_rate": 7.000000000000001e-06,
|
| 309 |
+
"loss": 0.6692,
|
| 310 |
+
"step": 84
|
| 311 |
+
},
|
| 312 |
+
{
|
| 313 |
+
"epoch": 5.38,
|
| 314 |
+
"learning_rate": 7.166666666666667e-06,
|
| 315 |
+
"loss": 0.6761,
|
| 316 |
+
"step": 86
|
| 317 |
+
},
|
| 318 |
+
{
|
| 319 |
+
"epoch": 5.5,
|
| 320 |
+
"learning_rate": 7.333333333333334e-06,
|
| 321 |
+
"loss": 0.7005,
|
| 322 |
+
"step": 88
|
| 323 |
+
},
|
| 324 |
+
{
|
| 325 |
+
"epoch": 5.62,
|
| 326 |
+
"learning_rate": 7.5e-06,
|
| 327 |
+
"loss": 0.6846,
|
| 328 |
+
"step": 90
|
| 329 |
+
},
|
| 330 |
+
{
|
| 331 |
+
"epoch": 5.75,
|
| 332 |
+
"learning_rate": 7.666666666666667e-06,
|
| 333 |
+
"loss": 0.6708,
|
| 334 |
+
"step": 92
|
| 335 |
+
},
|
| 336 |
+
{
|
| 337 |
+
"epoch": 5.88,
|
| 338 |
+
"learning_rate": 7.833333333333333e-06,
|
| 339 |
+
"loss": 0.6929,
|
| 340 |
+
"step": 94
|
| 341 |
+
},
|
| 342 |
+
{
|
| 343 |
+
"epoch": 6.0,
|
| 344 |
+
"learning_rate": 8.000000000000001e-06,
|
| 345 |
+
"loss": 0.6608,
|
| 346 |
+
"step": 96
|
| 347 |
+
},
|
| 348 |
+
{
|
| 349 |
+
"epoch": 6.0,
|
| 350 |
+
"eval_accuracy": 0.5675,
|
| 351 |
+
"eval_loss": 0.6814809441566467,
|
| 352 |
+
"eval_macro_f1": 0.3673142857142857,
|
| 353 |
+
"eval_runtime": 1.0689,
|
| 354 |
+
"eval_samples_per_second": 374.209,
|
| 355 |
+
"eval_steps_per_second": 3.742,
|
| 356 |
+
"step": 96
|
| 357 |
+
},
|
| 358 |
+
{
|
| 359 |
+
"epoch": 6.12,
|
| 360 |
+
"learning_rate": 8.166666666666668e-06,
|
| 361 |
+
"loss": 0.6881,
|
| 362 |
+
"step": 98
|
| 363 |
+
},
|
| 364 |
+
{
|
| 365 |
+
"epoch": 6.25,
|
| 366 |
+
"learning_rate": 8.333333333333334e-06,
|
| 367 |
+
"loss": 0.6718,
|
| 368 |
+
"step": 100
|
| 369 |
+
},
|
| 370 |
+
{
|
| 371 |
+
"epoch": 6.38,
|
| 372 |
+
"learning_rate": 8.500000000000002e-06,
|
| 373 |
+
"loss": 0.6604,
|
| 374 |
+
"step": 102
|
| 375 |
+
},
|
| 376 |
+
{
|
| 377 |
+
"epoch": 6.5,
|
| 378 |
+
"learning_rate": 8.666666666666668e-06,
|
| 379 |
+
"loss": 0.7045,
|
| 380 |
+
"step": 104
|
| 381 |
+
},
|
| 382 |
+
{
|
| 383 |
+
"epoch": 6.62,
|
| 384 |
+
"learning_rate": 8.833333333333334e-06,
|
| 385 |
+
"loss": 0.6827,
|
| 386 |
+
"step": 106
|
| 387 |
+
},
|
| 388 |
+
{
|
| 389 |
+
"epoch": 6.75,
|
| 390 |
+
"learning_rate": 9e-06,
|
| 391 |
+
"loss": 0.6657,
|
| 392 |
+
"step": 108
|
| 393 |
+
},
|
| 394 |
+
{
|
| 395 |
+
"epoch": 6.88,
|
| 396 |
+
"learning_rate": 9.166666666666666e-06,
|
| 397 |
+
"loss": 0.705,
|
| 398 |
+
"step": 110
|
| 399 |
+
},
|
| 400 |
+
{
|
| 401 |
+
"epoch": 7.0,
|
| 402 |
+
"learning_rate": 9.333333333333334e-06,
|
| 403 |
+
"loss": 0.6781,
|
| 404 |
+
"step": 112
|
| 405 |
+
},
|
| 406 |
+
{
|
| 407 |
+
"epoch": 7.0,
|
| 408 |
+
"eval_accuracy": 0.565,
|
| 409 |
+
"eval_loss": 0.681130051612854,
|
| 410 |
+
"eval_macro_f1": 0.3610223642172524,
|
| 411 |
+
"eval_runtime": 1.125,
|
| 412 |
+
"eval_samples_per_second": 355.558,
|
| 413 |
+
"eval_steps_per_second": 3.556,
|
| 414 |
+
"step": 112
|
| 415 |
+
},
|
| 416 |
+
{
|
| 417 |
+
"epoch": 7.12,
|
| 418 |
+
"learning_rate": 9.5e-06,
|
| 419 |
+
"loss": 0.6963,
|
| 420 |
+
"step": 114
|
| 421 |
+
},
|
| 422 |
+
{
|
| 423 |
+
"epoch": 7.25,
|
| 424 |
+
"learning_rate": 9.666666666666667e-06,
|
| 425 |
+
"loss": 0.6823,
|
| 426 |
+
"step": 116
|
| 427 |
+
},
|
| 428 |
+
{
|
| 429 |
+
"epoch": 7.38,
|
| 430 |
+
"learning_rate": 9.833333333333333e-06,
|
| 431 |
+
"loss": 0.6817,
|
| 432 |
+
"step": 118
|
| 433 |
+
},
|
| 434 |
+
{
|
| 435 |
+
"epoch": 7.5,
|
| 436 |
+
"learning_rate": 1e-05,
|
| 437 |
+
"loss": 0.7042,
|
| 438 |
+
"step": 120
|
| 439 |
+
},
|
| 440 |
+
{
|
| 441 |
+
"epoch": 7.62,
|
| 442 |
+
"learning_rate": 1.0166666666666667e-05,
|
| 443 |
+
"loss": 0.6723,
|
| 444 |
+
"step": 122
|
| 445 |
+
},
|
| 446 |
+
{
|
| 447 |
+
"epoch": 7.75,
|
| 448 |
+
"learning_rate": 1.0333333333333333e-05,
|
| 449 |
+
"loss": 0.6753,
|
| 450 |
+
"step": 124
|
| 451 |
+
},
|
| 452 |
+
{
|
| 453 |
+
"epoch": 7.88,
|
| 454 |
+
"learning_rate": 1.05e-05,
|
| 455 |
+
"loss": 0.6875,
|
| 456 |
+
"step": 126
|
| 457 |
+
},
|
| 458 |
+
{
|
| 459 |
+
"epoch": 8.0,
|
| 460 |
+
"learning_rate": 1.0666666666666667e-05,
|
| 461 |
+
"loss": 0.6456,
|
| 462 |
+
"step": 128
|
| 463 |
+
},
|
| 464 |
+
{
|
| 465 |
+
"epoch": 8.0,
|
| 466 |
+
"eval_accuracy": 0.5675,
|
| 467 |
+
"eval_loss": 0.681651771068573,
|
| 468 |
+
"eval_macro_f1": 0.3673142857142857,
|
| 469 |
+
"eval_runtime": 1.0931,
|
| 470 |
+
"eval_samples_per_second": 365.947,
|
| 471 |
+
"eval_steps_per_second": 3.659,
|
| 472 |
+
"step": 128
|
| 473 |
+
},
|
| 474 |
+
{
|
| 475 |
+
"epoch": 8.12,
|
| 476 |
+
"learning_rate": 1.0833333333333334e-05,
|
| 477 |
+
"loss": 0.6914,
|
| 478 |
+
"step": 130
|
| 479 |
+
},
|
| 480 |
+
{
|
| 481 |
+
"epoch": 8.25,
|
| 482 |
+
"learning_rate": 1.1000000000000001e-05,
|
| 483 |
+
"loss": 0.673,
|
| 484 |
+
"step": 132
|
| 485 |
+
},
|
| 486 |
+
{
|
| 487 |
+
"epoch": 8.38,
|
| 488 |
+
"learning_rate": 1.1166666666666668e-05,
|
| 489 |
+
"loss": 0.675,
|
| 490 |
+
"step": 134
|
| 491 |
+
},
|
| 492 |
+
{
|
| 493 |
+
"epoch": 8.5,
|
| 494 |
+
"learning_rate": 1.1333333333333334e-05,
|
| 495 |
+
"loss": 0.6956,
|
| 496 |
+
"step": 136
|
| 497 |
+
},
|
| 498 |
+
{
|
| 499 |
+
"epoch": 8.62,
|
| 500 |
+
"learning_rate": 1.1500000000000002e-05,
|
| 501 |
+
"loss": 0.6771,
|
| 502 |
+
"step": 138
|
| 503 |
+
},
|
| 504 |
+
{
|
| 505 |
+
"epoch": 8.75,
|
| 506 |
+
"learning_rate": 1.1666666666666668e-05,
|
| 507 |
+
"loss": 0.6728,
|
| 508 |
+
"step": 140
|
| 509 |
+
},
|
| 510 |
+
{
|
| 511 |
+
"epoch": 8.88,
|
| 512 |
+
"learning_rate": 1.1833333333333334e-05,
|
| 513 |
+
"loss": 0.6846,
|
| 514 |
+
"step": 142
|
| 515 |
+
},
|
| 516 |
+
{
|
| 517 |
+
"epoch": 9.0,
|
| 518 |
+
"learning_rate": 1.2e-05,
|
| 519 |
+
"loss": 0.6766,
|
| 520 |
+
"step": 144
|
| 521 |
+
},
|
| 522 |
+
{
|
| 523 |
+
"epoch": 9.0,
|
| 524 |
+
"eval_accuracy": 0.5675,
|
| 525 |
+
"eval_loss": 0.6811038851737976,
|
| 526 |
+
"eval_macro_f1": 0.3673142857142857,
|
| 527 |
+
"eval_runtime": 1.1076,
|
| 528 |
+
"eval_samples_per_second": 361.146,
|
| 529 |
+
"eval_steps_per_second": 3.611,
|
| 530 |
+
"step": 144
|
| 531 |
+
},
|
| 532 |
+
{
|
| 533 |
+
"epoch": 9.12,
|
| 534 |
+
"learning_rate": 1.2166666666666668e-05,
|
| 535 |
+
"loss": 0.6936,
|
| 536 |
+
"step": 146
|
| 537 |
+
},
|
| 538 |
+
{
|
| 539 |
+
"epoch": 9.25,
|
| 540 |
+
"learning_rate": 1.2333333333333334e-05,
|
| 541 |
+
"loss": 0.6697,
|
| 542 |
+
"step": 148
|
| 543 |
+
},
|
| 544 |
+
{
|
| 545 |
+
"epoch": 9.38,
|
| 546 |
+
"learning_rate": 1.25e-05,
|
| 547 |
+
"loss": 0.6804,
|
| 548 |
+
"step": 150
|
| 549 |
+
},
|
| 550 |
+
{
|
| 551 |
+
"epoch": 9.5,
|
| 552 |
+
"learning_rate": 1.2666666666666668e-05,
|
| 553 |
+
"loss": 0.6915,
|
| 554 |
+
"step": 152
|
| 555 |
+
},
|
| 556 |
+
{
|
| 557 |
+
"epoch": 9.62,
|
| 558 |
+
"learning_rate": 1.2833333333333333e-05,
|
| 559 |
+
"loss": 0.6697,
|
| 560 |
+
"step": 154
|
| 561 |
+
},
|
| 562 |
+
{
|
| 563 |
+
"epoch": 9.75,
|
| 564 |
+
"learning_rate": 1.3000000000000001e-05,
|
| 565 |
+
"loss": 0.6739,
|
| 566 |
+
"step": 156
|
| 567 |
+
},
|
| 568 |
+
{
|
| 569 |
+
"epoch": 9.88,
|
| 570 |
+
"learning_rate": 1.3166666666666665e-05,
|
| 571 |
+
"loss": 0.6938,
|
| 572 |
+
"step": 158
|
| 573 |
+
},
|
| 574 |
+
{
|
| 575 |
+
"epoch": 10.0,
|
| 576 |
+
"learning_rate": 1.3333333333333333e-05,
|
| 577 |
+
"loss": 0.6678,
|
| 578 |
+
"step": 160
|
| 579 |
+
},
|
| 580 |
+
{
|
| 581 |
+
"epoch": 10.0,
|
| 582 |
+
"eval_accuracy": 0.5675,
|
| 583 |
+
"eval_loss": 0.6808483600616455,
|
| 584 |
+
"eval_macro_f1": 0.3673142857142857,
|
| 585 |
+
"eval_runtime": 1.0842,
|
| 586 |
+
"eval_samples_per_second": 368.92,
|
| 587 |
+
"eval_steps_per_second": 3.689,
|
| 588 |
+
"step": 160
|
| 589 |
+
},
|
| 590 |
+
{
|
| 591 |
+
"epoch": 10.12,
|
| 592 |
+
"learning_rate": 1.3500000000000001e-05,
|
| 593 |
+
"loss": 0.6873,
|
| 594 |
+
"step": 162
|
| 595 |
+
},
|
| 596 |
+
{
|
| 597 |
+
"epoch": 10.25,
|
| 598 |
+
"learning_rate": 1.3666666666666666e-05,
|
| 599 |
+
"loss": 0.6714,
|
| 600 |
+
"step": 164
|
| 601 |
+
},
|
| 602 |
+
{
|
| 603 |
+
"epoch": 10.38,
|
| 604 |
+
"learning_rate": 1.3833333333333334e-05,
|
| 605 |
+
"loss": 0.6646,
|
| 606 |
+
"step": 166
|
| 607 |
+
},
|
| 608 |
+
{
|
| 609 |
+
"epoch": 10.5,
|
| 610 |
+
"learning_rate": 1.4000000000000001e-05,
|
| 611 |
+
"loss": 0.6975,
|
| 612 |
+
"step": 168
|
| 613 |
+
},
|
| 614 |
+
{
|
| 615 |
+
"epoch": 10.62,
|
| 616 |
+
"learning_rate": 1.4166666666666668e-05,
|
| 617 |
+
"loss": 0.6645,
|
| 618 |
+
"step": 170
|
| 619 |
+
},
|
| 620 |
+
{
|
| 621 |
+
"epoch": 10.75,
|
| 622 |
+
"learning_rate": 1.4333333333333334e-05,
|
| 623 |
+
"loss": 0.6868,
|
| 624 |
+
"step": 172
|
| 625 |
+
},
|
| 626 |
+
{
|
| 627 |
+
"epoch": 10.88,
|
| 628 |
+
"learning_rate": 1.45e-05,
|
| 629 |
+
"loss": 0.6971,
|
| 630 |
+
"step": 174
|
| 631 |
+
},
|
| 632 |
+
{
|
| 633 |
+
"epoch": 11.0,
|
| 634 |
+
"learning_rate": 1.4666666666666668e-05,
|
| 635 |
+
"loss": 0.6485,
|
| 636 |
+
"step": 176
|
| 637 |
+
},
|
| 638 |
+
{
|
| 639 |
+
"epoch": 11.0,
|
| 640 |
+
"eval_accuracy": 0.5675,
|
| 641 |
+
"eval_loss": 0.6800907850265503,
|
| 642 |
+
"eval_macro_f1": 0.3673142857142857,
|
| 643 |
+
"eval_runtime": 1.0751,
|
| 644 |
+
"eval_samples_per_second": 372.049,
|
| 645 |
+
"eval_steps_per_second": 3.72,
|
| 646 |
+
"step": 176
|
| 647 |
+
},
|
| 648 |
+
{
|
| 649 |
+
"epoch": 11.12,
|
| 650 |
+
"learning_rate": 1.4833333333333336e-05,
|
| 651 |
+
"loss": 0.7018,
|
| 652 |
+
"step": 178
|
| 653 |
+
},
|
| 654 |
+
{
|
| 655 |
+
"epoch": 11.25,
|
| 656 |
+
"learning_rate": 1.5e-05,
|
| 657 |
+
"loss": 0.6526,
|
| 658 |
+
"step": 180
|
| 659 |
+
},
|
| 660 |
+
{
|
| 661 |
+
"epoch": 11.38,
|
| 662 |
+
"learning_rate": 1.5166666666666668e-05,
|
| 663 |
+
"loss": 0.6648,
|
| 664 |
+
"step": 182
|
| 665 |
+
},
|
| 666 |
+
{
|
| 667 |
+
"epoch": 11.5,
|
| 668 |
+
"learning_rate": 1.5333333333333334e-05,
|
| 669 |
+
"loss": 0.6932,
|
| 670 |
+
"step": 184
|
| 671 |
+
},
|
| 672 |
+
{
|
| 673 |
+
"epoch": 11.62,
|
| 674 |
+
"learning_rate": 1.55e-05,
|
| 675 |
+
"loss": 0.6572,
|
| 676 |
+
"step": 186
|
| 677 |
+
},
|
| 678 |
+
{
|
| 679 |
+
"epoch": 11.75,
|
| 680 |
+
"learning_rate": 1.5666666666666667e-05,
|
| 681 |
+
"loss": 0.6796,
|
| 682 |
+
"step": 188
|
| 683 |
+
},
|
| 684 |
+
{
|
| 685 |
+
"epoch": 11.88,
|
| 686 |
+
"learning_rate": 1.5833333333333333e-05,
|
| 687 |
+
"loss": 0.7018,
|
| 688 |
+
"step": 190
|
| 689 |
+
},
|
| 690 |
+
{
|
| 691 |
+
"epoch": 12.0,
|
| 692 |
+
"learning_rate": 1.6000000000000003e-05,
|
| 693 |
+
"loss": 0.6509,
|
| 694 |
+
"step": 192
|
| 695 |
+
},
|
| 696 |
+
{
|
| 697 |
+
"epoch": 12.0,
|
| 698 |
+
"eval_accuracy": 0.5675,
|
| 699 |
+
"eval_loss": 0.6796495318412781,
|
| 700 |
+
"eval_macro_f1": 0.3673142857142857,
|
| 701 |
+
"eval_runtime": 1.1087,
|
| 702 |
+
"eval_samples_per_second": 360.786,
|
| 703 |
+
"eval_steps_per_second": 3.608,
|
| 704 |
+
"step": 192
|
| 705 |
+
},
|
| 706 |
+
{
|
| 707 |
+
"epoch": 12.12,
|
| 708 |
+
"learning_rate": 1.6166666666666665e-05,
|
| 709 |
+
"loss": 0.6939,
|
| 710 |
+
"step": 194
|
| 711 |
+
},
|
| 712 |
+
{
|
| 713 |
+
"epoch": 12.25,
|
| 714 |
+
"learning_rate": 1.6333333333333335e-05,
|
| 715 |
+
"loss": 0.6679,
|
| 716 |
+
"step": 196
|
| 717 |
+
},
|
| 718 |
+
{
|
| 719 |
+
"epoch": 12.38,
|
| 720 |
+
"learning_rate": 1.65e-05,
|
| 721 |
+
"loss": 0.6673,
|
| 722 |
+
"step": 198
|
| 723 |
+
},
|
| 724 |
+
{
|
| 725 |
+
"epoch": 12.5,
|
| 726 |
+
"learning_rate": 1.6666666666666667e-05,
|
| 727 |
+
"loss": 0.7003,
|
| 728 |
+
"step": 200
|
| 729 |
+
},
|
| 730 |
+
{
|
| 731 |
+
"epoch": 12.62,
|
| 732 |
+
"learning_rate": 1.6833333333333334e-05,
|
| 733 |
+
"loss": 0.6588,
|
| 734 |
+
"step": 202
|
| 735 |
+
},
|
| 736 |
+
{
|
| 737 |
+
"epoch": 12.75,
|
| 738 |
+
"learning_rate": 1.7000000000000003e-05,
|
| 739 |
+
"loss": 0.6595,
|
| 740 |
+
"step": 204
|
| 741 |
+
},
|
| 742 |
+
{
|
| 743 |
+
"epoch": 12.88,
|
| 744 |
+
"learning_rate": 1.7166666666666666e-05,
|
| 745 |
+
"loss": 0.6808,
|
| 746 |
+
"step": 206
|
| 747 |
+
},
|
| 748 |
+
{
|
| 749 |
+
"epoch": 13.0,
|
| 750 |
+
"learning_rate": 1.7333333333333336e-05,
|
| 751 |
+
"loss": 0.6625,
|
| 752 |
+
"step": 208
|
| 753 |
+
},
|
| 754 |
+
{
|
| 755 |
+
"epoch": 13.0,
|
| 756 |
+
"eval_accuracy": 0.57,
|
| 757 |
+
"eval_loss": 0.6790809631347656,
|
| 758 |
+
"eval_macro_f1": 0.3735431235431235,
|
| 759 |
+
"eval_runtime": 1.07,
|
| 760 |
+
"eval_samples_per_second": 373.831,
|
| 761 |
+
"eval_steps_per_second": 3.738,
|
| 762 |
+
"step": 208
|
| 763 |
+
},
|
| 764 |
+
{
|
| 765 |
+
"epoch": 13.12,
|
| 766 |
+
"learning_rate": 1.75e-05,
|
| 767 |
+
"loss": 0.6897,
|
| 768 |
+
"step": 210
|
| 769 |
+
},
|
| 770 |
+
{
|
| 771 |
+
"epoch": 13.25,
|
| 772 |
+
"learning_rate": 1.7666666666666668e-05,
|
| 773 |
+
"loss": 0.6605,
|
| 774 |
+
"step": 212
|
| 775 |
+
},
|
| 776 |
+
{
|
| 777 |
+
"epoch": 13.38,
|
| 778 |
+
"learning_rate": 1.7833333333333334e-05,
|
| 779 |
+
"loss": 0.6618,
|
| 780 |
+
"step": 214
|
| 781 |
+
},
|
| 782 |
+
{
|
| 783 |
+
"epoch": 13.5,
|
| 784 |
+
"learning_rate": 1.8e-05,
|
| 785 |
+
"loss": 0.6938,
|
| 786 |
+
"step": 216
|
| 787 |
+
},
|
| 788 |
+
{
|
| 789 |
+
"epoch": 13.62,
|
| 790 |
+
"learning_rate": 1.8166666666666667e-05,
|
| 791 |
+
"loss": 0.6514,
|
| 792 |
+
"step": 218
|
| 793 |
+
},
|
| 794 |
+
{
|
| 795 |
+
"epoch": 13.75,
|
| 796 |
+
"learning_rate": 1.8333333333333333e-05,
|
| 797 |
+
"loss": 0.6627,
|
| 798 |
+
"step": 220
|
| 799 |
+
},
|
| 800 |
+
{
|
| 801 |
+
"epoch": 13.88,
|
| 802 |
+
"learning_rate": 1.85e-05,
|
| 803 |
+
"loss": 0.6814,
|
| 804 |
+
"step": 222
|
| 805 |
+
},
|
| 806 |
+
{
|
| 807 |
+
"epoch": 14.0,
|
| 808 |
+
"learning_rate": 1.866666666666667e-05,
|
| 809 |
+
"loss": 0.6725,
|
| 810 |
+
"step": 224
|
| 811 |
+
},
|
| 812 |
+
{
|
| 813 |
+
"epoch": 14.0,
|
| 814 |
+
"eval_accuracy": 0.57,
|
| 815 |
+
"eval_loss": 0.6779997944831848,
|
| 816 |
+
"eval_macro_f1": 0.3735431235431235,
|
| 817 |
+
"eval_runtime": 1.09,
|
| 818 |
+
"eval_samples_per_second": 366.986,
|
| 819 |
+
"eval_steps_per_second": 3.67,
|
| 820 |
+
"step": 224
|
| 821 |
+
},
|
| 822 |
+
{
|
| 823 |
+
"epoch": 14.12,
|
| 824 |
+
"learning_rate": 1.8833333333333335e-05,
|
| 825 |
+
"loss": 0.6773,
|
| 826 |
+
"step": 226
|
| 827 |
+
},
|
| 828 |
+
{
|
| 829 |
+
"epoch": 14.25,
|
| 830 |
+
"learning_rate": 1.9e-05,
|
| 831 |
+
"loss": 0.6551,
|
| 832 |
+
"step": 228
|
| 833 |
+
},
|
| 834 |
+
{
|
| 835 |
+
"epoch": 14.38,
|
| 836 |
+
"learning_rate": 1.9166666666666667e-05,
|
| 837 |
+
"loss": 0.645,
|
| 838 |
+
"step": 230
|
| 839 |
+
},
|
| 840 |
+
{
|
| 841 |
+
"epoch": 14.5,
|
| 842 |
+
"learning_rate": 1.9333333333333333e-05,
|
| 843 |
+
"loss": 0.6858,
|
| 844 |
+
"step": 232
|
| 845 |
+
},
|
| 846 |
+
{
|
| 847 |
+
"epoch": 14.62,
|
| 848 |
+
"learning_rate": 1.9500000000000003e-05,
|
| 849 |
+
"loss": 0.6615,
|
| 850 |
+
"step": 234
|
| 851 |
+
},
|
| 852 |
+
{
|
| 853 |
+
"epoch": 14.75,
|
| 854 |
+
"learning_rate": 1.9666666666666666e-05,
|
| 855 |
+
"loss": 0.6648,
|
| 856 |
+
"step": 236
|
| 857 |
+
},
|
| 858 |
+
{
|
| 859 |
+
"epoch": 14.88,
|
| 860 |
+
"learning_rate": 1.9833333333333335e-05,
|
| 861 |
+
"loss": 0.6945,
|
| 862 |
+
"step": 238
|
| 863 |
+
},
|
| 864 |
+
{
|
| 865 |
+
"epoch": 15.0,
|
| 866 |
+
"learning_rate": 2e-05,
|
| 867 |
+
"loss": 0.664,
|
| 868 |
+
"step": 240
|
| 869 |
+
},
|
| 870 |
+
{
|
| 871 |
+
"epoch": 15.0,
|
| 872 |
+
"eval_accuracy": 0.5725,
|
| 873 |
+
"eval_loss": 0.676581621170044,
|
| 874 |
+
"eval_macro_f1": 0.37970998721331994,
|
| 875 |
+
"eval_runtime": 1.1251,
|
| 876 |
+
"eval_samples_per_second": 355.515,
|
| 877 |
+
"eval_steps_per_second": 3.555,
|
| 878 |
+
"step": 240
|
| 879 |
+
},
|
| 880 |
+
{
|
| 881 |
+
"epoch": 15.12,
|
| 882 |
+
"learning_rate": 2.0166666666666668e-05,
|
| 883 |
+
"loss": 0.6893,
|
| 884 |
+
"step": 242
|
| 885 |
+
},
|
| 886 |
+
{
|
| 887 |
+
"epoch": 15.25,
|
| 888 |
+
"learning_rate": 2.0333333333333334e-05,
|
| 889 |
+
"loss": 0.6482,
|
| 890 |
+
"step": 244
|
| 891 |
+
},
|
| 892 |
+
{
|
| 893 |
+
"epoch": 15.38,
|
| 894 |
+
"learning_rate": 2.05e-05,
|
| 895 |
+
"loss": 0.6561,
|
| 896 |
+
"step": 246
|
| 897 |
+
},
|
| 898 |
+
{
|
| 899 |
+
"epoch": 15.5,
|
| 900 |
+
"learning_rate": 2.0666666666666666e-05,
|
| 901 |
+
"loss": 0.676,
|
| 902 |
+
"step": 248
|
| 903 |
+
},
|
| 904 |
+
{
|
| 905 |
+
"epoch": 15.62,
|
| 906 |
+
"learning_rate": 2.0833333333333336e-05,
|
| 907 |
+
"loss": 0.6469,
|
| 908 |
+
"step": 250
|
| 909 |
+
},
|
| 910 |
+
{
|
| 911 |
+
"epoch": 15.75,
|
| 912 |
+
"learning_rate": 2.1e-05,
|
| 913 |
+
"loss": 0.6502,
|
| 914 |
+
"step": 252
|
| 915 |
+
},
|
| 916 |
+
{
|
| 917 |
+
"epoch": 15.88,
|
| 918 |
+
"learning_rate": 2.116666666666667e-05,
|
| 919 |
+
"loss": 0.69,
|
| 920 |
+
"step": 254
|
| 921 |
+
},
|
| 922 |
+
{
|
| 923 |
+
"epoch": 16.0,
|
| 924 |
+
"learning_rate": 2.1333333333333335e-05,
|
| 925 |
+
"loss": 0.6424,
|
| 926 |
+
"step": 256
|
| 927 |
+
},
|
| 928 |
+
{
|
| 929 |
+
"epoch": 16.0,
|
| 930 |
+
"eval_accuracy": 0.5625,
|
| 931 |
+
"eval_loss": 0.67472243309021,
|
| 932 |
+
"eval_macro_f1": 0.38004268848916406,
|
| 933 |
+
"eval_runtime": 1.087,
|
| 934 |
+
"eval_samples_per_second": 367.976,
|
| 935 |
+
"eval_steps_per_second": 3.68,
|
| 936 |
+
"step": 256
|
| 937 |
+
},
|
| 938 |
+
{
|
| 939 |
+
"epoch": 16.12,
|
| 940 |
+
"learning_rate": 2.15e-05,
|
| 941 |
+
"loss": 0.674,
|
| 942 |
+
"step": 258
|
| 943 |
+
},
|
| 944 |
+
{
|
| 945 |
+
"epoch": 16.25,
|
| 946 |
+
"learning_rate": 2.1666666666666667e-05,
|
| 947 |
+
"loss": 0.6524,
|
| 948 |
+
"step": 260
|
| 949 |
+
},
|
| 950 |
+
{
|
| 951 |
+
"epoch": 16.38,
|
| 952 |
+
"learning_rate": 2.1833333333333333e-05,
|
| 953 |
+
"loss": 0.6601,
|
| 954 |
+
"step": 262
|
| 955 |
+
},
|
| 956 |
+
{
|
| 957 |
+
"epoch": 16.5,
|
| 958 |
+
"learning_rate": 2.2000000000000003e-05,
|
| 959 |
+
"loss": 0.6738,
|
| 960 |
+
"step": 264
|
| 961 |
+
},
|
| 962 |
+
{
|
| 963 |
+
"epoch": 16.62,
|
| 964 |
+
"learning_rate": 2.216666666666667e-05,
|
| 965 |
+
"loss": 0.6426,
|
| 966 |
+
"step": 266
|
| 967 |
+
},
|
| 968 |
+
{
|
| 969 |
+
"epoch": 16.75,
|
| 970 |
+
"learning_rate": 2.2333333333333335e-05,
|
| 971 |
+
"loss": 0.6442,
|
| 972 |
+
"step": 268
|
| 973 |
+
},
|
| 974 |
+
{
|
| 975 |
+
"epoch": 16.88,
|
| 976 |
+
"learning_rate": 2.25e-05,
|
| 977 |
+
"loss": 0.6747,
|
| 978 |
+
"step": 270
|
| 979 |
+
},
|
| 980 |
+
{
|
| 981 |
+
"epoch": 17.0,
|
| 982 |
+
"learning_rate": 2.2666666666666668e-05,
|
| 983 |
+
"loss": 0.6318,
|
| 984 |
+
"step": 272
|
| 985 |
+
},
|
| 986 |
+
{
|
| 987 |
+
"epoch": 17.0,
|
| 988 |
+
"eval_accuracy": 0.5925,
|
| 989 |
+
"eval_loss": 0.6718035936355591,
|
| 990 |
+
"eval_macro_f1": 0.49046178854164224,
|
| 991 |
+
"eval_runtime": 1.0788,
|
| 992 |
+
"eval_samples_per_second": 370.789,
|
| 993 |
+
"eval_steps_per_second": 3.708,
|
| 994 |
+
"step": 272
|
| 995 |
+
},
|
| 996 |
+
{
|
| 997 |
+
"epoch": 17.12,
|
| 998 |
+
"learning_rate": 2.2833333333333334e-05,
|
| 999 |
+
"loss": 0.6695,
|
| 1000 |
+
"step": 274
|
| 1001 |
+
},
|
| 1002 |
+
{
|
| 1003 |
+
"epoch": 17.25,
|
| 1004 |
+
"learning_rate": 2.3000000000000003e-05,
|
| 1005 |
+
"loss": 0.6515,
|
| 1006 |
+
"step": 276
|
| 1007 |
+
},
|
| 1008 |
+
{
|
| 1009 |
+
"epoch": 17.38,
|
| 1010 |
+
"learning_rate": 2.3166666666666666e-05,
|
| 1011 |
+
"loss": 0.6501,
|
| 1012 |
+
"step": 278
|
| 1013 |
+
},
|
| 1014 |
+
{
|
| 1015 |
+
"epoch": 17.5,
|
| 1016 |
+
"learning_rate": 2.3333333333333336e-05,
|
| 1017 |
+
"loss": 0.6595,
|
| 1018 |
+
"step": 280
|
| 1019 |
+
},
|
| 1020 |
+
{
|
| 1021 |
+
"epoch": 17.62,
|
| 1022 |
+
"learning_rate": 2.35e-05,
|
| 1023 |
+
"loss": 0.6255,
|
| 1024 |
+
"step": 282
|
| 1025 |
+
},
|
| 1026 |
+
{
|
| 1027 |
+
"epoch": 17.75,
|
| 1028 |
+
"learning_rate": 2.3666666666666668e-05,
|
| 1029 |
+
"loss": 0.6335,
|
| 1030 |
+
"step": 284
|
| 1031 |
+
},
|
| 1032 |
+
{
|
| 1033 |
+
"epoch": 17.88,
|
| 1034 |
+
"learning_rate": 2.3833333333333334e-05,
|
| 1035 |
+
"loss": 0.6627,
|
| 1036 |
+
"step": 286
|
| 1037 |
+
},
|
| 1038 |
+
{
|
| 1039 |
+
"epoch": 18.0,
|
| 1040 |
+
"learning_rate": 2.4e-05,
|
| 1041 |
+
"loss": 0.629,
|
| 1042 |
+
"step": 288
|
| 1043 |
+
},
|
| 1044 |
+
{
|
| 1045 |
+
"epoch": 18.0,
|
| 1046 |
+
"eval_accuracy": 0.6025,
|
| 1047 |
+
"eval_loss": 0.6667739152908325,
|
| 1048 |
+
"eval_macro_f1": 0.516125350923242,
|
| 1049 |
+
"eval_runtime": 1.1647,
|
| 1050 |
+
"eval_samples_per_second": 343.422,
|
| 1051 |
+
"eval_steps_per_second": 3.434,
|
| 1052 |
+
"step": 288
|
| 1053 |
+
},
|
| 1054 |
+
{
|
| 1055 |
+
"epoch": 18.12,
|
| 1056 |
+
"learning_rate": 2.4166666666666667e-05,
|
| 1057 |
+
"loss": 0.6506,
|
| 1058 |
+
"step": 290
|
| 1059 |
+
},
|
| 1060 |
+
{
|
| 1061 |
+
"epoch": 18.25,
|
| 1062 |
+
"learning_rate": 2.4333333333333336e-05,
|
| 1063 |
+
"loss": 0.631,
|
| 1064 |
+
"step": 292
|
| 1065 |
+
},
|
| 1066 |
+
{
|
| 1067 |
+
"epoch": 18.38,
|
| 1068 |
+
"learning_rate": 2.45e-05,
|
| 1069 |
+
"loss": 0.6132,
|
| 1070 |
+
"step": 294
|
| 1071 |
+
},
|
| 1072 |
+
{
|
| 1073 |
+
"epoch": 18.5,
|
| 1074 |
+
"learning_rate": 2.466666666666667e-05,
|
| 1075 |
+
"loss": 0.6558,
|
| 1076 |
+
"step": 296
|
| 1077 |
+
},
|
| 1078 |
+
{
|
| 1079 |
+
"epoch": 18.62,
|
| 1080 |
+
"learning_rate": 2.4833333333333335e-05,
|
| 1081 |
+
"loss": 0.6165,
|
| 1082 |
+
"step": 298
|
| 1083 |
+
},
|
| 1084 |
+
{
|
| 1085 |
+
"epoch": 18.75,
|
| 1086 |
+
"learning_rate": 2.5e-05,
|
| 1087 |
+
"loss": 0.6268,
|
| 1088 |
+
"step": 300
|
| 1089 |
+
},
|
| 1090 |
+
{
|
| 1091 |
+
"epoch": 18.88,
|
| 1092 |
+
"learning_rate": 2.5166666666666667e-05,
|
| 1093 |
+
"loss": 0.6561,
|
| 1094 |
+
"step": 302
|
| 1095 |
+
},
|
| 1096 |
+
{
|
| 1097 |
+
"epoch": 19.0,
|
| 1098 |
+
"learning_rate": 2.5333333333333337e-05,
|
| 1099 |
+
"loss": 0.6098,
|
| 1100 |
+
"step": 304
|
| 1101 |
+
},
|
| 1102 |
+
{
|
| 1103 |
+
"epoch": 19.0,
|
| 1104 |
+
"eval_accuracy": 0.61,
|
| 1105 |
+
"eval_loss": 0.6590699553489685,
|
| 1106 |
+
"eval_macro_f1": 0.568536342515765,
|
| 1107 |
+
"eval_runtime": 1.1087,
|
| 1108 |
+
"eval_samples_per_second": 360.779,
|
| 1109 |
+
"eval_steps_per_second": 3.608,
|
| 1110 |
+
"step": 304
|
| 1111 |
+
},
|
| 1112 |
+
{
|
| 1113 |
+
"epoch": 19.12,
|
| 1114 |
+
"learning_rate": 2.5500000000000003e-05,
|
| 1115 |
+
"loss": 0.6329,
|
| 1116 |
+
"step": 306
|
| 1117 |
+
},
|
| 1118 |
+
{
|
| 1119 |
+
"epoch": 19.25,
|
| 1120 |
+
"learning_rate": 2.5666666666666666e-05,
|
| 1121 |
+
"loss": 0.5953,
|
| 1122 |
+
"step": 308
|
| 1123 |
+
},
|
| 1124 |
+
{
|
| 1125 |
+
"epoch": 19.38,
|
| 1126 |
+
"learning_rate": 2.5833333333333336e-05,
|
| 1127 |
+
"loss": 0.5907,
|
| 1128 |
+
"step": 310
|
| 1129 |
+
},
|
| 1130 |
+
{
|
| 1131 |
+
"epoch": 19.5,
|
| 1132 |
+
"learning_rate": 2.6000000000000002e-05,
|
| 1133 |
+
"loss": 0.6452,
|
| 1134 |
+
"step": 312
|
| 1135 |
+
},
|
| 1136 |
+
{
|
| 1137 |
+
"epoch": 19.62,
|
| 1138 |
+
"learning_rate": 2.6166666666666668e-05,
|
| 1139 |
+
"loss": 0.5927,
|
| 1140 |
+
"step": 314
|
| 1141 |
+
},
|
| 1142 |
+
{
|
| 1143 |
+
"epoch": 19.75,
|
| 1144 |
+
"learning_rate": 2.633333333333333e-05,
|
| 1145 |
+
"loss": 0.6043,
|
| 1146 |
+
"step": 316
|
| 1147 |
+
},
|
| 1148 |
+
{
|
| 1149 |
+
"epoch": 19.88,
|
| 1150 |
+
"learning_rate": 2.6500000000000004e-05,
|
| 1151 |
+
"loss": 0.6168,
|
| 1152 |
+
"step": 318
|
| 1153 |
+
},
|
| 1154 |
+
{
|
| 1155 |
+
"epoch": 20.0,
|
| 1156 |
+
"learning_rate": 2.6666666666666667e-05,
|
| 1157 |
+
"loss": 0.6312,
|
| 1158 |
+
"step": 320
|
| 1159 |
+
},
|
| 1160 |
+
{
|
| 1161 |
+
"epoch": 20.0,
|
| 1162 |
+
"eval_accuracy": 0.6025,
|
| 1163 |
+
"eval_loss": 0.6501033902168274,
|
| 1164 |
+
"eval_macro_f1": 0.5765617613965472,
|
| 1165 |
+
"eval_runtime": 1.0695,
|
| 1166 |
+
"eval_samples_per_second": 374.002,
|
| 1167 |
+
"eval_steps_per_second": 3.74,
|
| 1168 |
+
"step": 320
|
| 1169 |
+
}
|
| 1170 |
+
],
|
| 1171 |
+
"max_steps": 320,
|
| 1172 |
+
"num_train_epochs": 20,
|
| 1173 |
+
"total_flos": 855336812544000.0,
|
| 1174 |
+
"trial_name": null,
|
| 1175 |
+
"trial_params": null
|
| 1176 |
+
}
|
scaling_performance/2000/L4/fold1/config.json
ADDED
|
@@ -0,0 +1,25 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"architectures": [
|
| 3 |
+
"BertForSequenceClassification"
|
| 4 |
+
],
|
| 5 |
+
"attention_probs_dropout_prob": 0.02,
|
| 6 |
+
"classifier_dropout": null,
|
| 7 |
+
"hidden_act": "gelu",
|
| 8 |
+
"hidden_dropout_prob": 0.02,
|
| 9 |
+
"hidden_size": 256,
|
| 10 |
+
"initializer_range": 0.02,
|
| 11 |
+
"intermediate_size": 512,
|
| 12 |
+
"layer_norm_eps": 1e-12,
|
| 13 |
+
"max_position_embeddings": 2048,
|
| 14 |
+
"model_type": "bert",
|
| 15 |
+
"num_attention_heads": 4,
|
| 16 |
+
"num_hidden_layers": 4,
|
| 17 |
+
"pad_token_id": 0,
|
| 18 |
+
"position_embedding_type": "absolute",
|
| 19 |
+
"problem_type": "single_label_classification",
|
| 20 |
+
"torch_dtype": "float32",
|
| 21 |
+
"transformers_version": "4.28.0",
|
| 22 |
+
"type_vocab_size": 2,
|
| 23 |
+
"use_cache": true,
|
| 24 |
+
"vocab_size": 30522
|
| 25 |
+
}
|
scaling_performance/2000/L4/fold1/eval_results.json
ADDED
|
@@ -0,0 +1,8 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"test_accuracy": 0.6025,
|
| 3 |
+
"test_loss": 0.6501033902168274,
|
| 4 |
+
"test_macro_f1": 0.5765617613965472,
|
| 5 |
+
"test_runtime": 1.0691,
|
| 6 |
+
"test_samples_per_second": 374.158,
|
| 7 |
+
"test_steps_per_second": 3.742
|
| 8 |
+
}
|
scaling_performance/2000/L4/fold2/all_results.json
ADDED
|
@@ -0,0 +1,8 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"test_accuracy": 0.5725,
|
| 3 |
+
"test_loss": 0.6870080828666687,
|
| 4 |
+
"test_macro_f1": 0.3746285714285715,
|
| 5 |
+
"test_runtime": 1.1028,
|
| 6 |
+
"test_samples_per_second": 362.72,
|
| 7 |
+
"test_steps_per_second": 3.627
|
| 8 |
+
}
|
scaling_performance/2000/L4/fold2/checkpoint-176/config.json
ADDED
|
@@ -0,0 +1,25 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"architectures": [
|
| 3 |
+
"BertForSequenceClassification"
|
| 4 |
+
],
|
| 5 |
+
"attention_probs_dropout_prob": 0.02,
|
| 6 |
+
"classifier_dropout": null,
|
| 7 |
+
"hidden_act": "gelu",
|
| 8 |
+
"hidden_dropout_prob": 0.02,
|
| 9 |
+
"hidden_size": 256,
|
| 10 |
+
"initializer_range": 0.02,
|
| 11 |
+
"intermediate_size": 512,
|
| 12 |
+
"layer_norm_eps": 1e-12,
|
| 13 |
+
"max_position_embeddings": 2048,
|
| 14 |
+
"model_type": "bert",
|
| 15 |
+
"num_attention_heads": 4,
|
| 16 |
+
"num_hidden_layers": 4,
|
| 17 |
+
"pad_token_id": 0,
|
| 18 |
+
"position_embedding_type": "absolute",
|
| 19 |
+
"problem_type": "single_label_classification",
|
| 20 |
+
"torch_dtype": "float32",
|
| 21 |
+
"transformers_version": "4.28.0",
|
| 22 |
+
"type_vocab_size": 2,
|
| 23 |
+
"use_cache": true,
|
| 24 |
+
"vocab_size": 30522
|
| 25 |
+
}
|
scaling_performance/2000/L4/fold2/checkpoint-176/trainer_state.json
ADDED
|
@@ -0,0 +1,654 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_metric": 0.6870080828666687,
|
| 3 |
+
"best_model_checkpoint": "./models/240626_geneformer_CellClassifier_PM25_Layers4_L2048_B26_LR5e-05_LSlinear_WU600_E20_Oadamw_F0_fold2/checkpoint-144",
|
| 4 |
+
"epoch": 11.0,
|
| 5 |
+
"global_step": 176,
|
| 6 |
+
"is_hyper_param_search": false,
|
| 7 |
+
"is_local_process_zero": true,
|
| 8 |
+
"is_world_process_zero": true,
|
| 9 |
+
"log_history": [
|
| 10 |
+
{
|
| 11 |
+
"epoch": 0.12,
|
| 12 |
+
"learning_rate": 1.6666666666666668e-07,
|
| 13 |
+
"loss": 0.6894,
|
| 14 |
+
"step": 2
|
| 15 |
+
},
|
| 16 |
+
{
|
| 17 |
+
"epoch": 0.25,
|
| 18 |
+
"learning_rate": 3.3333333333333335e-07,
|
| 19 |
+
"loss": 0.6904,
|
| 20 |
+
"step": 4
|
| 21 |
+
},
|
| 22 |
+
{
|
| 23 |
+
"epoch": 0.38,
|
| 24 |
+
"learning_rate": 5.000000000000001e-07,
|
| 25 |
+
"loss": 0.6886,
|
| 26 |
+
"step": 6
|
| 27 |
+
},
|
| 28 |
+
{
|
| 29 |
+
"epoch": 0.5,
|
| 30 |
+
"learning_rate": 6.666666666666667e-07,
|
| 31 |
+
"loss": 0.6976,
|
| 32 |
+
"step": 8
|
| 33 |
+
},
|
| 34 |
+
{
|
| 35 |
+
"epoch": 0.62,
|
| 36 |
+
"learning_rate": 8.333333333333333e-07,
|
| 37 |
+
"loss": 0.6826,
|
| 38 |
+
"step": 10
|
| 39 |
+
},
|
| 40 |
+
{
|
| 41 |
+
"epoch": 0.75,
|
| 42 |
+
"learning_rate": 1.0000000000000002e-06,
|
| 43 |
+
"loss": 0.6875,
|
| 44 |
+
"step": 12
|
| 45 |
+
},
|
| 46 |
+
{
|
| 47 |
+
"epoch": 0.88,
|
| 48 |
+
"learning_rate": 1.1666666666666668e-06,
|
| 49 |
+
"loss": 0.6929,
|
| 50 |
+
"step": 14
|
| 51 |
+
},
|
| 52 |
+
{
|
| 53 |
+
"epoch": 1.0,
|
| 54 |
+
"learning_rate": 1.3333333333333334e-06,
|
| 55 |
+
"loss": 0.6785,
|
| 56 |
+
"step": 16
|
| 57 |
+
},
|
| 58 |
+
{
|
| 59 |
+
"epoch": 1.0,
|
| 60 |
+
"eval_accuracy": 0.5325,
|
| 61 |
+
"eval_loss": 0.6903218030929565,
|
| 62 |
+
"eval_macro_f1": 0.41212992871682425,
|
| 63 |
+
"eval_runtime": 1.1311,
|
| 64 |
+
"eval_samples_per_second": 353.644,
|
| 65 |
+
"eval_steps_per_second": 3.536,
|
| 66 |
+
"step": 16
|
| 67 |
+
},
|
| 68 |
+
{
|
| 69 |
+
"epoch": 1.12,
|
| 70 |
+
"learning_rate": 1.5e-06,
|
| 71 |
+
"loss": 0.7031,
|
| 72 |
+
"step": 18
|
| 73 |
+
},
|
| 74 |
+
{
|
| 75 |
+
"epoch": 1.25,
|
| 76 |
+
"learning_rate": 1.6666666666666667e-06,
|
| 77 |
+
"loss": 0.6875,
|
| 78 |
+
"step": 20
|
| 79 |
+
},
|
| 80 |
+
{
|
| 81 |
+
"epoch": 1.38,
|
| 82 |
+
"learning_rate": 1.8333333333333335e-06,
|
| 83 |
+
"loss": 0.6885,
|
| 84 |
+
"step": 22
|
| 85 |
+
},
|
| 86 |
+
{
|
| 87 |
+
"epoch": 1.5,
|
| 88 |
+
"learning_rate": 2.0000000000000003e-06,
|
| 89 |
+
"loss": 0.6939,
|
| 90 |
+
"step": 24
|
| 91 |
+
},
|
| 92 |
+
{
|
| 93 |
+
"epoch": 1.62,
|
| 94 |
+
"learning_rate": 2.166666666666667e-06,
|
| 95 |
+
"loss": 0.6791,
|
| 96 |
+
"step": 26
|
| 97 |
+
},
|
| 98 |
+
{
|
| 99 |
+
"epoch": 1.75,
|
| 100 |
+
"learning_rate": 2.3333333333333336e-06,
|
| 101 |
+
"loss": 0.6777,
|
| 102 |
+
"step": 28
|
| 103 |
+
},
|
| 104 |
+
{
|
| 105 |
+
"epoch": 1.88,
|
| 106 |
+
"learning_rate": 2.5e-06,
|
| 107 |
+
"loss": 0.6922,
|
| 108 |
+
"step": 30
|
| 109 |
+
},
|
| 110 |
+
{
|
| 111 |
+
"epoch": 2.0,
|
| 112 |
+
"learning_rate": 2.666666666666667e-06,
|
| 113 |
+
"loss": 0.6888,
|
| 114 |
+
"step": 32
|
| 115 |
+
},
|
| 116 |
+
{
|
| 117 |
+
"epoch": 2.0,
|
| 118 |
+
"eval_accuracy": 0.5475,
|
| 119 |
+
"eval_loss": 0.6896157264709473,
|
| 120 |
+
"eval_macro_f1": 0.42094360598571556,
|
| 121 |
+
"eval_runtime": 1.1158,
|
| 122 |
+
"eval_samples_per_second": 358.473,
|
| 123 |
+
"eval_steps_per_second": 3.585,
|
| 124 |
+
"step": 32
|
| 125 |
+
},
|
| 126 |
+
{
|
| 127 |
+
"epoch": 2.12,
|
| 128 |
+
"learning_rate": 2.8333333333333335e-06,
|
| 129 |
+
"loss": 0.6953,
|
| 130 |
+
"step": 34
|
| 131 |
+
},
|
| 132 |
+
{
|
| 133 |
+
"epoch": 2.25,
|
| 134 |
+
"learning_rate": 3e-06,
|
| 135 |
+
"loss": 0.6884,
|
| 136 |
+
"step": 36
|
| 137 |
+
},
|
| 138 |
+
{
|
| 139 |
+
"epoch": 2.38,
|
| 140 |
+
"learning_rate": 3.166666666666667e-06,
|
| 141 |
+
"loss": 0.681,
|
| 142 |
+
"step": 38
|
| 143 |
+
},
|
| 144 |
+
{
|
| 145 |
+
"epoch": 2.5,
|
| 146 |
+
"learning_rate": 3.3333333333333333e-06,
|
| 147 |
+
"loss": 0.6901,
|
| 148 |
+
"step": 40
|
| 149 |
+
},
|
| 150 |
+
{
|
| 151 |
+
"epoch": 2.62,
|
| 152 |
+
"learning_rate": 3.5000000000000004e-06,
|
| 153 |
+
"loss": 0.6818,
|
| 154 |
+
"step": 42
|
| 155 |
+
},
|
| 156 |
+
{
|
| 157 |
+
"epoch": 2.75,
|
| 158 |
+
"learning_rate": 3.666666666666667e-06,
|
| 159 |
+
"loss": 0.6891,
|
| 160 |
+
"step": 44
|
| 161 |
+
},
|
| 162 |
+
{
|
| 163 |
+
"epoch": 2.88,
|
| 164 |
+
"learning_rate": 3.833333333333334e-06,
|
| 165 |
+
"loss": 0.6946,
|
| 166 |
+
"step": 46
|
| 167 |
+
},
|
| 168 |
+
{
|
| 169 |
+
"epoch": 3.0,
|
| 170 |
+
"learning_rate": 4.000000000000001e-06,
|
| 171 |
+
"loss": 0.6736,
|
| 172 |
+
"step": 48
|
| 173 |
+
},
|
| 174 |
+
{
|
| 175 |
+
"epoch": 3.0,
|
| 176 |
+
"eval_accuracy": 0.565,
|
| 177 |
+
"eval_loss": 0.6884350776672363,
|
| 178 |
+
"eval_macro_f1": 0.4037828947368421,
|
| 179 |
+
"eval_runtime": 1.2491,
|
| 180 |
+
"eval_samples_per_second": 320.242,
|
| 181 |
+
"eval_steps_per_second": 3.202,
|
| 182 |
+
"step": 48
|
| 183 |
+
},
|
| 184 |
+
{
|
| 185 |
+
"epoch": 3.12,
|
| 186 |
+
"learning_rate": 4.166666666666667e-06,
|
| 187 |
+
"loss": 0.6931,
|
| 188 |
+
"step": 50
|
| 189 |
+
},
|
| 190 |
+
{
|
| 191 |
+
"epoch": 3.25,
|
| 192 |
+
"learning_rate": 4.333333333333334e-06,
|
| 193 |
+
"loss": 0.6844,
|
| 194 |
+
"step": 52
|
| 195 |
+
},
|
| 196 |
+
{
|
| 197 |
+
"epoch": 3.38,
|
| 198 |
+
"learning_rate": 4.5e-06,
|
| 199 |
+
"loss": 0.6748,
|
| 200 |
+
"step": 54
|
| 201 |
+
},
|
| 202 |
+
{
|
| 203 |
+
"epoch": 3.5,
|
| 204 |
+
"learning_rate": 4.666666666666667e-06,
|
| 205 |
+
"loss": 0.6965,
|
| 206 |
+
"step": 56
|
| 207 |
+
},
|
| 208 |
+
{
|
| 209 |
+
"epoch": 3.62,
|
| 210 |
+
"learning_rate": 4.833333333333333e-06,
|
| 211 |
+
"loss": 0.6859,
|
| 212 |
+
"step": 58
|
| 213 |
+
},
|
| 214 |
+
{
|
| 215 |
+
"epoch": 3.75,
|
| 216 |
+
"learning_rate": 5e-06,
|
| 217 |
+
"loss": 0.6835,
|
| 218 |
+
"step": 60
|
| 219 |
+
},
|
| 220 |
+
{
|
| 221 |
+
"epoch": 3.88,
|
| 222 |
+
"learning_rate": 5.166666666666667e-06,
|
| 223 |
+
"loss": 0.6947,
|
| 224 |
+
"step": 62
|
| 225 |
+
},
|
| 226 |
+
{
|
| 227 |
+
"epoch": 4.0,
|
| 228 |
+
"learning_rate": 5.333333333333334e-06,
|
| 229 |
+
"loss": 0.6711,
|
| 230 |
+
"step": 64
|
| 231 |
+
},
|
| 232 |
+
{
|
| 233 |
+
"epoch": 4.0,
|
| 234 |
+
"eval_accuracy": 0.5675,
|
| 235 |
+
"eval_loss": 0.6877972483634949,
|
| 236 |
+
"eval_macro_f1": 0.3871279149064307,
|
| 237 |
+
"eval_runtime": 1.1515,
|
| 238 |
+
"eval_samples_per_second": 347.367,
|
| 239 |
+
"eval_steps_per_second": 3.474,
|
| 240 |
+
"step": 64
|
| 241 |
+
},
|
| 242 |
+
{
|
| 243 |
+
"epoch": 4.12,
|
| 244 |
+
"learning_rate": 5.500000000000001e-06,
|
| 245 |
+
"loss": 0.6906,
|
| 246 |
+
"step": 66
|
| 247 |
+
},
|
| 248 |
+
{
|
| 249 |
+
"epoch": 4.25,
|
| 250 |
+
"learning_rate": 5.666666666666667e-06,
|
| 251 |
+
"loss": 0.6733,
|
| 252 |
+
"step": 68
|
| 253 |
+
},
|
| 254 |
+
{
|
| 255 |
+
"epoch": 4.38,
|
| 256 |
+
"learning_rate": 5.833333333333334e-06,
|
| 257 |
+
"loss": 0.6821,
|
| 258 |
+
"step": 70
|
| 259 |
+
},
|
| 260 |
+
{
|
| 261 |
+
"epoch": 4.5,
|
| 262 |
+
"learning_rate": 6e-06,
|
| 263 |
+
"loss": 0.7026,
|
| 264 |
+
"step": 72
|
| 265 |
+
},
|
| 266 |
+
{
|
| 267 |
+
"epoch": 4.62,
|
| 268 |
+
"learning_rate": 6.166666666666667e-06,
|
| 269 |
+
"loss": 0.6734,
|
| 270 |
+
"step": 74
|
| 271 |
+
},
|
| 272 |
+
{
|
| 273 |
+
"epoch": 4.75,
|
| 274 |
+
"learning_rate": 6.333333333333334e-06,
|
| 275 |
+
"loss": 0.6782,
|
| 276 |
+
"step": 76
|
| 277 |
+
},
|
| 278 |
+
{
|
| 279 |
+
"epoch": 4.88,
|
| 280 |
+
"learning_rate": 6.5000000000000004e-06,
|
| 281 |
+
"loss": 0.6937,
|
| 282 |
+
"step": 78
|
| 283 |
+
},
|
| 284 |
+
{
|
| 285 |
+
"epoch": 5.0,
|
| 286 |
+
"learning_rate": 6.666666666666667e-06,
|
| 287 |
+
"loss": 0.6811,
|
| 288 |
+
"step": 80
|
| 289 |
+
},
|
| 290 |
+
{
|
| 291 |
+
"epoch": 5.0,
|
| 292 |
+
"eval_accuracy": 0.57,
|
| 293 |
+
"eval_loss": 0.6872588992118835,
|
| 294 |
+
"eval_macro_f1": 0.38351254480286734,
|
| 295 |
+
"eval_runtime": 1.2012,
|
| 296 |
+
"eval_samples_per_second": 333.012,
|
| 297 |
+
"eval_steps_per_second": 3.33,
|
| 298 |
+
"step": 80
|
| 299 |
+
},
|
| 300 |
+
{
|
| 301 |
+
"epoch": 5.12,
|
| 302 |
+
"learning_rate": 6.833333333333333e-06,
|
| 303 |
+
"loss": 0.7024,
|
| 304 |
+
"step": 82
|
| 305 |
+
},
|
| 306 |
+
{
|
| 307 |
+
"epoch": 5.25,
|
| 308 |
+
"learning_rate": 7.000000000000001e-06,
|
| 309 |
+
"loss": 0.677,
|
| 310 |
+
"step": 84
|
| 311 |
+
},
|
| 312 |
+
{
|
| 313 |
+
"epoch": 5.38,
|
| 314 |
+
"learning_rate": 7.166666666666667e-06,
|
| 315 |
+
"loss": 0.6837,
|
| 316 |
+
"step": 86
|
| 317 |
+
},
|
| 318 |
+
{
|
| 319 |
+
"epoch": 5.5,
|
| 320 |
+
"learning_rate": 7.333333333333334e-06,
|
| 321 |
+
"loss": 0.6908,
|
| 322 |
+
"step": 88
|
| 323 |
+
},
|
| 324 |
+
{
|
| 325 |
+
"epoch": 5.62,
|
| 326 |
+
"learning_rate": 7.5e-06,
|
| 327 |
+
"loss": 0.6805,
|
| 328 |
+
"step": 90
|
| 329 |
+
},
|
| 330 |
+
{
|
| 331 |
+
"epoch": 5.75,
|
| 332 |
+
"learning_rate": 7.666666666666667e-06,
|
| 333 |
+
"loss": 0.6789,
|
| 334 |
+
"step": 92
|
| 335 |
+
},
|
| 336 |
+
{
|
| 337 |
+
"epoch": 5.88,
|
| 338 |
+
"learning_rate": 7.833333333333333e-06,
|
| 339 |
+
"loss": 0.6878,
|
| 340 |
+
"step": 94
|
| 341 |
+
},
|
| 342 |
+
{
|
| 343 |
+
"epoch": 6.0,
|
| 344 |
+
"learning_rate": 8.000000000000001e-06,
|
| 345 |
+
"loss": 0.6707,
|
| 346 |
+
"step": 96
|
| 347 |
+
},
|
| 348 |
+
{
|
| 349 |
+
"epoch": 6.0,
|
| 350 |
+
"eval_accuracy": 0.5675,
|
| 351 |
+
"eval_loss": 0.6876999735832214,
|
| 352 |
+
"eval_macro_f1": 0.39632385654840313,
|
| 353 |
+
"eval_runtime": 1.0921,
|
| 354 |
+
"eval_samples_per_second": 366.259,
|
| 355 |
+
"eval_steps_per_second": 3.663,
|
| 356 |
+
"step": 96
|
| 357 |
+
},
|
| 358 |
+
{
|
| 359 |
+
"epoch": 6.12,
|
| 360 |
+
"learning_rate": 8.166666666666668e-06,
|
| 361 |
+
"loss": 0.6923,
|
| 362 |
+
"step": 98
|
| 363 |
+
},
|
| 364 |
+
{
|
| 365 |
+
"epoch": 6.25,
|
| 366 |
+
"learning_rate": 8.333333333333334e-06,
|
| 367 |
+
"loss": 0.6788,
|
| 368 |
+
"step": 100
|
| 369 |
+
},
|
| 370 |
+
{
|
| 371 |
+
"epoch": 6.38,
|
| 372 |
+
"learning_rate": 8.500000000000002e-06,
|
| 373 |
+
"loss": 0.6735,
|
| 374 |
+
"step": 102
|
| 375 |
+
},
|
| 376 |
+
{
|
| 377 |
+
"epoch": 6.5,
|
| 378 |
+
"learning_rate": 8.666666666666668e-06,
|
| 379 |
+
"loss": 0.699,
|
| 380 |
+
"step": 104
|
| 381 |
+
},
|
| 382 |
+
{
|
| 383 |
+
"epoch": 6.62,
|
| 384 |
+
"learning_rate": 8.833333333333334e-06,
|
| 385 |
+
"loss": 0.6727,
|
| 386 |
+
"step": 106
|
| 387 |
+
},
|
| 388 |
+
{
|
| 389 |
+
"epoch": 6.75,
|
| 390 |
+
"learning_rate": 9e-06,
|
| 391 |
+
"loss": 0.6805,
|
| 392 |
+
"step": 108
|
| 393 |
+
},
|
| 394 |
+
{
|
| 395 |
+
"epoch": 6.88,
|
| 396 |
+
"learning_rate": 9.166666666666666e-06,
|
| 397 |
+
"loss": 0.6942,
|
| 398 |
+
"step": 110
|
| 399 |
+
},
|
| 400 |
+
{
|
| 401 |
+
"epoch": 7.0,
|
| 402 |
+
"learning_rate": 9.333333333333334e-06,
|
| 403 |
+
"loss": 0.6672,
|
| 404 |
+
"step": 112
|
| 405 |
+
},
|
| 406 |
+
{
|
| 407 |
+
"epoch": 7.0,
|
| 408 |
+
"eval_accuracy": 0.5725,
|
| 409 |
+
"eval_loss": 0.6871394515037537,
|
| 410 |
+
"eval_macro_f1": 0.37970998721331994,
|
| 411 |
+
"eval_runtime": 1.0755,
|
| 412 |
+
"eval_samples_per_second": 371.911,
|
| 413 |
+
"eval_steps_per_second": 3.719,
|
| 414 |
+
"step": 112
|
| 415 |
+
},
|
| 416 |
+
{
|
| 417 |
+
"epoch": 7.12,
|
| 418 |
+
"learning_rate": 9.5e-06,
|
| 419 |
+
"loss": 0.6833,
|
| 420 |
+
"step": 114
|
| 421 |
+
},
|
| 422 |
+
{
|
| 423 |
+
"epoch": 7.25,
|
| 424 |
+
"learning_rate": 9.666666666666667e-06,
|
| 425 |
+
"loss": 0.684,
|
| 426 |
+
"step": 116
|
| 427 |
+
},
|
| 428 |
+
{
|
| 429 |
+
"epoch": 7.38,
|
| 430 |
+
"learning_rate": 9.833333333333333e-06,
|
| 431 |
+
"loss": 0.673,
|
| 432 |
+
"step": 118
|
| 433 |
+
},
|
| 434 |
+
{
|
| 435 |
+
"epoch": 7.5,
|
| 436 |
+
"learning_rate": 1e-05,
|
| 437 |
+
"loss": 0.7003,
|
| 438 |
+
"step": 120
|
| 439 |
+
},
|
| 440 |
+
{
|
| 441 |
+
"epoch": 7.62,
|
| 442 |
+
"learning_rate": 1.0166666666666667e-05,
|
| 443 |
+
"loss": 0.6652,
|
| 444 |
+
"step": 122
|
| 445 |
+
},
|
| 446 |
+
{
|
| 447 |
+
"epoch": 7.75,
|
| 448 |
+
"learning_rate": 1.0333333333333333e-05,
|
| 449 |
+
"loss": 0.6791,
|
| 450 |
+
"step": 124
|
| 451 |
+
},
|
| 452 |
+
{
|
| 453 |
+
"epoch": 7.88,
|
| 454 |
+
"learning_rate": 1.05e-05,
|
| 455 |
+
"loss": 0.6976,
|
| 456 |
+
"step": 126
|
| 457 |
+
},
|
| 458 |
+
{
|
| 459 |
+
"epoch": 8.0,
|
| 460 |
+
"learning_rate": 1.0666666666666667e-05,
|
| 461 |
+
"loss": 0.6704,
|
| 462 |
+
"step": 128
|
| 463 |
+
},
|
| 464 |
+
{
|
| 465 |
+
"epoch": 8.0,
|
| 466 |
+
"eval_accuracy": 0.5725,
|
| 467 |
+
"eval_loss": 0.687021791934967,
|
| 468 |
+
"eval_macro_f1": 0.3746285714285715,
|
| 469 |
+
"eval_runtime": 1.1916,
|
| 470 |
+
"eval_samples_per_second": 335.684,
|
| 471 |
+
"eval_steps_per_second": 3.357,
|
| 472 |
+
"step": 128
|
| 473 |
+
},
|
| 474 |
+
{
|
| 475 |
+
"epoch": 8.12,
|
| 476 |
+
"learning_rate": 1.0833333333333334e-05,
|
| 477 |
+
"loss": 0.6797,
|
| 478 |
+
"step": 130
|
| 479 |
+
},
|
| 480 |
+
{
|
| 481 |
+
"epoch": 8.25,
|
| 482 |
+
"learning_rate": 1.1000000000000001e-05,
|
| 483 |
+
"loss": 0.6764,
|
| 484 |
+
"step": 132
|
| 485 |
+
},
|
| 486 |
+
{
|
| 487 |
+
"epoch": 8.38,
|
| 488 |
+
"learning_rate": 1.1166666666666668e-05,
|
| 489 |
+
"loss": 0.6775,
|
| 490 |
+
"step": 134
|
| 491 |
+
},
|
| 492 |
+
{
|
| 493 |
+
"epoch": 8.5,
|
| 494 |
+
"learning_rate": 1.1333333333333334e-05,
|
| 495 |
+
"loss": 0.7075,
|
| 496 |
+
"step": 136
|
| 497 |
+
},
|
| 498 |
+
{
|
| 499 |
+
"epoch": 8.62,
|
| 500 |
+
"learning_rate": 1.1500000000000002e-05,
|
| 501 |
+
"loss": 0.6697,
|
| 502 |
+
"step": 138
|
| 503 |
+
},
|
| 504 |
+
{
|
| 505 |
+
"epoch": 8.75,
|
| 506 |
+
"learning_rate": 1.1666666666666668e-05,
|
| 507 |
+
"loss": 0.6655,
|
| 508 |
+
"step": 140
|
| 509 |
+
},
|
| 510 |
+
{
|
| 511 |
+
"epoch": 8.88,
|
| 512 |
+
"learning_rate": 1.1833333333333334e-05,
|
| 513 |
+
"loss": 0.7055,
|
| 514 |
+
"step": 142
|
| 515 |
+
},
|
| 516 |
+
{
|
| 517 |
+
"epoch": 9.0,
|
| 518 |
+
"learning_rate": 1.2e-05,
|
| 519 |
+
"loss": 0.6551,
|
| 520 |
+
"step": 144
|
| 521 |
+
},
|
| 522 |
+
{
|
| 523 |
+
"epoch": 9.0,
|
| 524 |
+
"eval_accuracy": 0.5725,
|
| 525 |
+
"eval_loss": 0.6870080828666687,
|
| 526 |
+
"eval_macro_f1": 0.3746285714285715,
|
| 527 |
+
"eval_runtime": 1.0662,
|
| 528 |
+
"eval_samples_per_second": 375.163,
|
| 529 |
+
"eval_steps_per_second": 3.752,
|
| 530 |
+
"step": 144
|
| 531 |
+
},
|
| 532 |
+
{
|
| 533 |
+
"epoch": 9.12,
|
| 534 |
+
"learning_rate": 1.2166666666666668e-05,
|
| 535 |
+
"loss": 0.6922,
|
| 536 |
+
"step": 146
|
| 537 |
+
},
|
| 538 |
+
{
|
| 539 |
+
"epoch": 9.25,
|
| 540 |
+
"learning_rate": 1.2333333333333334e-05,
|
| 541 |
+
"loss": 0.6673,
|
| 542 |
+
"step": 148
|
| 543 |
+
},
|
| 544 |
+
{
|
| 545 |
+
"epoch": 9.38,
|
| 546 |
+
"learning_rate": 1.25e-05,
|
| 547 |
+
"loss": 0.6716,
|
| 548 |
+
"step": 150
|
| 549 |
+
},
|
| 550 |
+
{
|
| 551 |
+
"epoch": 9.5,
|
| 552 |
+
"learning_rate": 1.2666666666666668e-05,
|
| 553 |
+
"loss": 0.6974,
|
| 554 |
+
"step": 152
|
| 555 |
+
},
|
| 556 |
+
{
|
| 557 |
+
"epoch": 9.62,
|
| 558 |
+
"learning_rate": 1.2833333333333333e-05,
|
| 559 |
+
"loss": 0.6653,
|
| 560 |
+
"step": 154
|
| 561 |
+
},
|
| 562 |
+
{
|
| 563 |
+
"epoch": 9.75,
|
| 564 |
+
"learning_rate": 1.3000000000000001e-05,
|
| 565 |
+
"loss": 0.6635,
|
| 566 |
+
"step": 156
|
| 567 |
+
},
|
| 568 |
+
{
|
| 569 |
+
"epoch": 9.88,
|
| 570 |
+
"learning_rate": 1.3166666666666665e-05,
|
| 571 |
+
"loss": 0.6943,
|
| 572 |
+
"step": 158
|
| 573 |
+
},
|
| 574 |
+
{
|
| 575 |
+
"epoch": 10.0,
|
| 576 |
+
"learning_rate": 1.3333333333333333e-05,
|
| 577 |
+
"loss": 0.6778,
|
| 578 |
+
"step": 160
|
| 579 |
+
},
|
| 580 |
+
{
|
| 581 |
+
"epoch": 10.0,
|
| 582 |
+
"eval_accuracy": 0.565,
|
| 583 |
+
"eval_loss": 0.6875166296958923,
|
| 584 |
+
"eval_macro_f1": 0.3994823123382226,
|
| 585 |
+
"eval_runtime": 1.1086,
|
| 586 |
+
"eval_samples_per_second": 360.799,
|
| 587 |
+
"eval_steps_per_second": 3.608,
|
| 588 |
+
"step": 160
|
| 589 |
+
},
|
| 590 |
+
{
|
| 591 |
+
"epoch": 10.12,
|
| 592 |
+
"learning_rate": 1.3500000000000001e-05,
|
| 593 |
+
"loss": 0.6836,
|
| 594 |
+
"step": 162
|
| 595 |
+
},
|
| 596 |
+
{
|
| 597 |
+
"epoch": 10.25,
|
| 598 |
+
"learning_rate": 1.3666666666666666e-05,
|
| 599 |
+
"loss": 0.6788,
|
| 600 |
+
"step": 164
|
| 601 |
+
},
|
| 602 |
+
{
|
| 603 |
+
"epoch": 10.38,
|
| 604 |
+
"learning_rate": 1.3833333333333334e-05,
|
| 605 |
+
"loss": 0.6747,
|
| 606 |
+
"step": 166
|
| 607 |
+
},
|
| 608 |
+
{
|
| 609 |
+
"epoch": 10.5,
|
| 610 |
+
"learning_rate": 1.4000000000000001e-05,
|
| 611 |
+
"loss": 0.6941,
|
| 612 |
+
"step": 168
|
| 613 |
+
},
|
| 614 |
+
{
|
| 615 |
+
"epoch": 10.62,
|
| 616 |
+
"learning_rate": 1.4166666666666668e-05,
|
| 617 |
+
"loss": 0.6735,
|
| 618 |
+
"step": 170
|
| 619 |
+
},
|
| 620 |
+
{
|
| 621 |
+
"epoch": 10.75,
|
| 622 |
+
"learning_rate": 1.4333333333333334e-05,
|
| 623 |
+
"loss": 0.6701,
|
| 624 |
+
"step": 172
|
| 625 |
+
},
|
| 626 |
+
{
|
| 627 |
+
"epoch": 10.88,
|
| 628 |
+
"learning_rate": 1.45e-05,
|
| 629 |
+
"loss": 0.6859,
|
| 630 |
+
"step": 174
|
| 631 |
+
},
|
| 632 |
+
{
|
| 633 |
+
"epoch": 11.0,
|
| 634 |
+
"learning_rate": 1.4666666666666668e-05,
|
| 635 |
+
"loss": 0.6503,
|
| 636 |
+
"step": 176
|
| 637 |
+
},
|
| 638 |
+
{
|
| 639 |
+
"epoch": 11.0,
|
| 640 |
+
"eval_accuracy": 0.5625,
|
| 641 |
+
"eval_loss": 0.6887872219085693,
|
| 642 |
+
"eval_macro_f1": 0.39820665583438647,
|
| 643 |
+
"eval_runtime": 1.0813,
|
| 644 |
+
"eval_samples_per_second": 369.917,
|
| 645 |
+
"eval_steps_per_second": 3.699,
|
| 646 |
+
"step": 176
|
| 647 |
+
}
|
| 648 |
+
],
|
| 649 |
+
"max_steps": 320,
|
| 650 |
+
"num_train_epochs": 20,
|
| 651 |
+
"total_flos": 470435246899200.0,
|
| 652 |
+
"trial_name": null,
|
| 653 |
+
"trial_params": null
|
| 654 |
+
}
|
scaling_performance/2000/L4/fold2/config.json
ADDED
|
@@ -0,0 +1,25 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"architectures": [
|
| 3 |
+
"BertForSequenceClassification"
|
| 4 |
+
],
|
| 5 |
+
"attention_probs_dropout_prob": 0.02,
|
| 6 |
+
"classifier_dropout": null,
|
| 7 |
+
"hidden_act": "gelu",
|
| 8 |
+
"hidden_dropout_prob": 0.02,
|
| 9 |
+
"hidden_size": 256,
|
| 10 |
+
"initializer_range": 0.02,
|
| 11 |
+
"intermediate_size": 512,
|
| 12 |
+
"layer_norm_eps": 1e-12,
|
| 13 |
+
"max_position_embeddings": 2048,
|
| 14 |
+
"model_type": "bert",
|
| 15 |
+
"num_attention_heads": 4,
|
| 16 |
+
"num_hidden_layers": 4,
|
| 17 |
+
"pad_token_id": 0,
|
| 18 |
+
"position_embedding_type": "absolute",
|
| 19 |
+
"problem_type": "single_label_classification",
|
| 20 |
+
"torch_dtype": "float32",
|
| 21 |
+
"transformers_version": "4.28.0",
|
| 22 |
+
"type_vocab_size": 2,
|
| 23 |
+
"use_cache": true,
|
| 24 |
+
"vocab_size": 30522
|
| 25 |
+
}
|
scaling_performance/2000/L4/fold2/eval_results.json
ADDED
|
@@ -0,0 +1,8 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"test_accuracy": 0.5725,
|
| 3 |
+
"test_loss": 0.6870080828666687,
|
| 4 |
+
"test_macro_f1": 0.3746285714285715,
|
| 5 |
+
"test_runtime": 1.1028,
|
| 6 |
+
"test_samples_per_second": 362.72,
|
| 7 |
+
"test_steps_per_second": 3.627
|
| 8 |
+
}
|
scaling_performance/2000/L4/fold3/all_results.json
ADDED
|
@@ -0,0 +1,8 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"test_accuracy": 0.5425,
|
| 3 |
+
"test_loss": 0.6905966401100159,
|
| 4 |
+
"test_macro_f1": 0.35170178282009723,
|
| 5 |
+
"test_runtime": 1.0988,
|
| 6 |
+
"test_samples_per_second": 364.045,
|
| 7 |
+
"test_steps_per_second": 3.64
|
| 8 |
+
}
|
scaling_performance/2000/L4/fold3/checkpoint-112/config.json
ADDED
|
@@ -0,0 +1,25 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"architectures": [
|
| 3 |
+
"BertForSequenceClassification"
|
| 4 |
+
],
|
| 5 |
+
"attention_probs_dropout_prob": 0.02,
|
| 6 |
+
"classifier_dropout": null,
|
| 7 |
+
"hidden_act": "gelu",
|
| 8 |
+
"hidden_dropout_prob": 0.02,
|
| 9 |
+
"hidden_size": 256,
|
| 10 |
+
"initializer_range": 0.02,
|
| 11 |
+
"intermediate_size": 512,
|
| 12 |
+
"layer_norm_eps": 1e-12,
|
| 13 |
+
"max_position_embeddings": 2048,
|
| 14 |
+
"model_type": "bert",
|
| 15 |
+
"num_attention_heads": 4,
|
| 16 |
+
"num_hidden_layers": 4,
|
| 17 |
+
"pad_token_id": 0,
|
| 18 |
+
"position_embedding_type": "absolute",
|
| 19 |
+
"problem_type": "single_label_classification",
|
| 20 |
+
"torch_dtype": "float32",
|
| 21 |
+
"transformers_version": "4.28.0",
|
| 22 |
+
"type_vocab_size": 2,
|
| 23 |
+
"use_cache": true,
|
| 24 |
+
"vocab_size": 30522
|
| 25 |
+
}
|
scaling_performance/2000/L4/fold3/checkpoint-112/trainer_state.json
ADDED
|
@@ -0,0 +1,422 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_metric": 0.6905966401100159,
|
| 3 |
+
"best_model_checkpoint": "./models/240626_geneformer_CellClassifier_PM25_Layers4_L2048_B26_LR5e-05_LSlinear_WU600_E20_Oadamw_F0_fold3/checkpoint-80",
|
| 4 |
+
"epoch": 7.0,
|
| 5 |
+
"global_step": 112,
|
| 6 |
+
"is_hyper_param_search": false,
|
| 7 |
+
"is_local_process_zero": true,
|
| 8 |
+
"is_world_process_zero": true,
|
| 9 |
+
"log_history": [
|
| 10 |
+
{
|
| 11 |
+
"epoch": 0.12,
|
| 12 |
+
"learning_rate": 1.6666666666666668e-07,
|
| 13 |
+
"loss": 0.6967,
|
| 14 |
+
"step": 2
|
| 15 |
+
},
|
| 16 |
+
{
|
| 17 |
+
"epoch": 0.25,
|
| 18 |
+
"learning_rate": 3.3333333333333335e-07,
|
| 19 |
+
"loss": 0.7142,
|
| 20 |
+
"step": 4
|
| 21 |
+
},
|
| 22 |
+
{
|
| 23 |
+
"epoch": 0.38,
|
| 24 |
+
"learning_rate": 5.000000000000001e-07,
|
| 25 |
+
"loss": 0.7082,
|
| 26 |
+
"step": 6
|
| 27 |
+
},
|
| 28 |
+
{
|
| 29 |
+
"epoch": 0.5,
|
| 30 |
+
"learning_rate": 6.666666666666667e-07,
|
| 31 |
+
"loss": 0.6925,
|
| 32 |
+
"step": 8
|
| 33 |
+
},
|
| 34 |
+
{
|
| 35 |
+
"epoch": 0.62,
|
| 36 |
+
"learning_rate": 8.333333333333333e-07,
|
| 37 |
+
"loss": 0.7141,
|
| 38 |
+
"step": 10
|
| 39 |
+
},
|
| 40 |
+
{
|
| 41 |
+
"epoch": 0.75,
|
| 42 |
+
"learning_rate": 1.0000000000000002e-06,
|
| 43 |
+
"loss": 0.7065,
|
| 44 |
+
"step": 12
|
| 45 |
+
},
|
| 46 |
+
{
|
| 47 |
+
"epoch": 0.88,
|
| 48 |
+
"learning_rate": 1.1666666666666668e-06,
|
| 49 |
+
"loss": 0.6991,
|
| 50 |
+
"step": 14
|
| 51 |
+
},
|
| 52 |
+
{
|
| 53 |
+
"epoch": 1.0,
|
| 54 |
+
"learning_rate": 1.3333333333333334e-06,
|
| 55 |
+
"loss": 0.6982,
|
| 56 |
+
"step": 16
|
| 57 |
+
},
|
| 58 |
+
{
|
| 59 |
+
"epoch": 1.0,
|
| 60 |
+
"eval_accuracy": 0.465,
|
| 61 |
+
"eval_loss": 0.7003238797187805,
|
| 62 |
+
"eval_macro_f1": 0.3600287089924938,
|
| 63 |
+
"eval_runtime": 1.158,
|
| 64 |
+
"eval_samples_per_second": 345.415,
|
| 65 |
+
"eval_steps_per_second": 3.454,
|
| 66 |
+
"step": 16
|
| 67 |
+
},
|
| 68 |
+
{
|
| 69 |
+
"epoch": 1.12,
|
| 70 |
+
"learning_rate": 1.5e-06,
|
| 71 |
+
"loss": 0.6935,
|
| 72 |
+
"step": 18
|
| 73 |
+
},
|
| 74 |
+
{
|
| 75 |
+
"epoch": 1.25,
|
| 76 |
+
"learning_rate": 1.6666666666666667e-06,
|
| 77 |
+
"loss": 0.709,
|
| 78 |
+
"step": 20
|
| 79 |
+
},
|
| 80 |
+
{
|
| 81 |
+
"epoch": 1.38,
|
| 82 |
+
"learning_rate": 1.8333333333333335e-06,
|
| 83 |
+
"loss": 0.7093,
|
| 84 |
+
"step": 22
|
| 85 |
+
},
|
| 86 |
+
{
|
| 87 |
+
"epoch": 1.5,
|
| 88 |
+
"learning_rate": 2.0000000000000003e-06,
|
| 89 |
+
"loss": 0.6941,
|
| 90 |
+
"step": 24
|
| 91 |
+
},
|
| 92 |
+
{
|
| 93 |
+
"epoch": 1.62,
|
| 94 |
+
"learning_rate": 2.166666666666667e-06,
|
| 95 |
+
"loss": 0.7045,
|
| 96 |
+
"step": 26
|
| 97 |
+
},
|
| 98 |
+
{
|
| 99 |
+
"epoch": 1.75,
|
| 100 |
+
"learning_rate": 2.3333333333333336e-06,
|
| 101 |
+
"loss": 0.6984,
|
| 102 |
+
"step": 28
|
| 103 |
+
},
|
| 104 |
+
{
|
| 105 |
+
"epoch": 1.88,
|
| 106 |
+
"learning_rate": 2.5e-06,
|
| 107 |
+
"loss": 0.6953,
|
| 108 |
+
"step": 30
|
| 109 |
+
},
|
| 110 |
+
{
|
| 111 |
+
"epoch": 2.0,
|
| 112 |
+
"learning_rate": 2.666666666666667e-06,
|
| 113 |
+
"loss": 0.7116,
|
| 114 |
+
"step": 32
|
| 115 |
+
},
|
| 116 |
+
{
|
| 117 |
+
"epoch": 2.0,
|
| 118 |
+
"eval_accuracy": 0.48,
|
| 119 |
+
"eval_loss": 0.6973231434822083,
|
| 120 |
+
"eval_macro_f1": 0.4407249065634159,
|
| 121 |
+
"eval_runtime": 1.3824,
|
| 122 |
+
"eval_samples_per_second": 289.36,
|
| 123 |
+
"eval_steps_per_second": 2.894,
|
| 124 |
+
"step": 32
|
| 125 |
+
},
|
| 126 |
+
{
|
| 127 |
+
"epoch": 2.12,
|
| 128 |
+
"learning_rate": 2.8333333333333335e-06,
|
| 129 |
+
"loss": 0.69,
|
| 130 |
+
"step": 34
|
| 131 |
+
},
|
| 132 |
+
{
|
| 133 |
+
"epoch": 2.25,
|
| 134 |
+
"learning_rate": 3e-06,
|
| 135 |
+
"loss": 0.7007,
|
| 136 |
+
"step": 36
|
| 137 |
+
},
|
| 138 |
+
{
|
| 139 |
+
"epoch": 2.38,
|
| 140 |
+
"learning_rate": 3.166666666666667e-06,
|
| 141 |
+
"loss": 0.6977,
|
| 142 |
+
"step": 38
|
| 143 |
+
},
|
| 144 |
+
{
|
| 145 |
+
"epoch": 2.5,
|
| 146 |
+
"learning_rate": 3.3333333333333333e-06,
|
| 147 |
+
"loss": 0.6954,
|
| 148 |
+
"step": 40
|
| 149 |
+
},
|
| 150 |
+
{
|
| 151 |
+
"epoch": 2.62,
|
| 152 |
+
"learning_rate": 3.5000000000000004e-06,
|
| 153 |
+
"loss": 0.6978,
|
| 154 |
+
"step": 42
|
| 155 |
+
},
|
| 156 |
+
{
|
| 157 |
+
"epoch": 2.75,
|
| 158 |
+
"learning_rate": 3.666666666666667e-06,
|
| 159 |
+
"loss": 0.695,
|
| 160 |
+
"step": 44
|
| 161 |
+
},
|
| 162 |
+
{
|
| 163 |
+
"epoch": 2.88,
|
| 164 |
+
"learning_rate": 3.833333333333334e-06,
|
| 165 |
+
"loss": 0.695,
|
| 166 |
+
"step": 46
|
| 167 |
+
},
|
| 168 |
+
{
|
| 169 |
+
"epoch": 3.0,
|
| 170 |
+
"learning_rate": 4.000000000000001e-06,
|
| 171 |
+
"loss": 0.6939,
|
| 172 |
+
"step": 48
|
| 173 |
+
},
|
| 174 |
+
{
|
| 175 |
+
"epoch": 3.0,
|
| 176 |
+
"eval_accuracy": 0.5,
|
| 177 |
+
"eval_loss": 0.6936335563659668,
|
| 178 |
+
"eval_macro_f1": 0.49269480519480524,
|
| 179 |
+
"eval_runtime": 1.1744,
|
| 180 |
+
"eval_samples_per_second": 340.601,
|
| 181 |
+
"eval_steps_per_second": 3.406,
|
| 182 |
+
"step": 48
|
| 183 |
+
},
|
| 184 |
+
{
|
| 185 |
+
"epoch": 3.12,
|
| 186 |
+
"learning_rate": 4.166666666666667e-06,
|
| 187 |
+
"loss": 0.6958,
|
| 188 |
+
"step": 50
|
| 189 |
+
},
|
| 190 |
+
{
|
| 191 |
+
"epoch": 3.25,
|
| 192 |
+
"learning_rate": 4.333333333333334e-06,
|
| 193 |
+
"loss": 0.6893,
|
| 194 |
+
"step": 52
|
| 195 |
+
},
|
| 196 |
+
{
|
| 197 |
+
"epoch": 3.38,
|
| 198 |
+
"learning_rate": 4.5e-06,
|
| 199 |
+
"loss": 0.6905,
|
| 200 |
+
"step": 54
|
| 201 |
+
},
|
| 202 |
+
{
|
| 203 |
+
"epoch": 3.5,
|
| 204 |
+
"learning_rate": 4.666666666666667e-06,
|
| 205 |
+
"loss": 0.695,
|
| 206 |
+
"step": 56
|
| 207 |
+
},
|
| 208 |
+
{
|
| 209 |
+
"epoch": 3.62,
|
| 210 |
+
"learning_rate": 4.833333333333333e-06,
|
| 211 |
+
"loss": 0.6853,
|
| 212 |
+
"step": 58
|
| 213 |
+
},
|
| 214 |
+
{
|
| 215 |
+
"epoch": 3.75,
|
| 216 |
+
"learning_rate": 5e-06,
|
| 217 |
+
"loss": 0.6878,
|
| 218 |
+
"step": 60
|
| 219 |
+
},
|
| 220 |
+
{
|
| 221 |
+
"epoch": 3.88,
|
| 222 |
+
"learning_rate": 5.166666666666667e-06,
|
| 223 |
+
"loss": 0.6906,
|
| 224 |
+
"step": 62
|
| 225 |
+
},
|
| 226 |
+
{
|
| 227 |
+
"epoch": 4.0,
|
| 228 |
+
"learning_rate": 5.333333333333334e-06,
|
| 229 |
+
"loss": 0.6851,
|
| 230 |
+
"step": 64
|
| 231 |
+
},
|
| 232 |
+
{
|
| 233 |
+
"epoch": 4.0,
|
| 234 |
+
"eval_accuracy": 0.5175,
|
| 235 |
+
"eval_loss": 0.6912351846694946,
|
| 236 |
+
"eval_macro_f1": 0.37108455328266166,
|
| 237 |
+
"eval_runtime": 1.115,
|
| 238 |
+
"eval_samples_per_second": 358.733,
|
| 239 |
+
"eval_steps_per_second": 3.587,
|
| 240 |
+
"step": 64
|
| 241 |
+
},
|
| 242 |
+
{
|
| 243 |
+
"epoch": 4.12,
|
| 244 |
+
"learning_rate": 5.500000000000001e-06,
|
| 245 |
+
"loss": 0.689,
|
| 246 |
+
"step": 66
|
| 247 |
+
},
|
| 248 |
+
{
|
| 249 |
+
"epoch": 4.25,
|
| 250 |
+
"learning_rate": 5.666666666666667e-06,
|
| 251 |
+
"loss": 0.6775,
|
| 252 |
+
"step": 68
|
| 253 |
+
},
|
| 254 |
+
{
|
| 255 |
+
"epoch": 4.38,
|
| 256 |
+
"learning_rate": 5.833333333333334e-06,
|
| 257 |
+
"loss": 0.6853,
|
| 258 |
+
"step": 70
|
| 259 |
+
},
|
| 260 |
+
{
|
| 261 |
+
"epoch": 4.5,
|
| 262 |
+
"learning_rate": 6e-06,
|
| 263 |
+
"loss": 0.7045,
|
| 264 |
+
"step": 72
|
| 265 |
+
},
|
| 266 |
+
{
|
| 267 |
+
"epoch": 4.62,
|
| 268 |
+
"learning_rate": 6.166666666666667e-06,
|
| 269 |
+
"loss": 0.6794,
|
| 270 |
+
"step": 74
|
| 271 |
+
},
|
| 272 |
+
{
|
| 273 |
+
"epoch": 4.75,
|
| 274 |
+
"learning_rate": 6.333333333333334e-06,
|
| 275 |
+
"loss": 0.675,
|
| 276 |
+
"step": 76
|
| 277 |
+
},
|
| 278 |
+
{
|
| 279 |
+
"epoch": 4.88,
|
| 280 |
+
"learning_rate": 6.5000000000000004e-06,
|
| 281 |
+
"loss": 0.6976,
|
| 282 |
+
"step": 78
|
| 283 |
+
},
|
| 284 |
+
{
|
| 285 |
+
"epoch": 5.0,
|
| 286 |
+
"learning_rate": 6.666666666666667e-06,
|
| 287 |
+
"loss": 0.6789,
|
| 288 |
+
"step": 80
|
| 289 |
+
},
|
| 290 |
+
{
|
| 291 |
+
"epoch": 5.0,
|
| 292 |
+
"eval_accuracy": 0.5425,
|
| 293 |
+
"eval_loss": 0.6905966401100159,
|
| 294 |
+
"eval_macro_f1": 0.35170178282009723,
|
| 295 |
+
"eval_runtime": 1.1543,
|
| 296 |
+
"eval_samples_per_second": 346.521,
|
| 297 |
+
"eval_steps_per_second": 3.465,
|
| 298 |
+
"step": 80
|
| 299 |
+
},
|
| 300 |
+
{
|
| 301 |
+
"epoch": 5.12,
|
| 302 |
+
"learning_rate": 6.833333333333333e-06,
|
| 303 |
+
"loss": 0.6893,
|
| 304 |
+
"step": 82
|
| 305 |
+
},
|
| 306 |
+
{
|
| 307 |
+
"epoch": 5.25,
|
| 308 |
+
"learning_rate": 7.000000000000001e-06,
|
| 309 |
+
"loss": 0.6804,
|
| 310 |
+
"step": 84
|
| 311 |
+
},
|
| 312 |
+
{
|
| 313 |
+
"epoch": 5.38,
|
| 314 |
+
"learning_rate": 7.166666666666667e-06,
|
| 315 |
+
"loss": 0.6794,
|
| 316 |
+
"step": 86
|
| 317 |
+
},
|
| 318 |
+
{
|
| 319 |
+
"epoch": 5.5,
|
| 320 |
+
"learning_rate": 7.333333333333334e-06,
|
| 321 |
+
"loss": 0.6969,
|
| 322 |
+
"step": 88
|
| 323 |
+
},
|
| 324 |
+
{
|
| 325 |
+
"epoch": 5.62,
|
| 326 |
+
"learning_rate": 7.5e-06,
|
| 327 |
+
"loss": 0.675,
|
| 328 |
+
"step": 90
|
| 329 |
+
},
|
| 330 |
+
{
|
| 331 |
+
"epoch": 5.75,
|
| 332 |
+
"learning_rate": 7.666666666666667e-06,
|
| 333 |
+
"loss": 0.6785,
|
| 334 |
+
"step": 92
|
| 335 |
+
},
|
| 336 |
+
{
|
| 337 |
+
"epoch": 5.88,
|
| 338 |
+
"learning_rate": 7.833333333333333e-06,
|
| 339 |
+
"loss": 0.6877,
|
| 340 |
+
"step": 94
|
| 341 |
+
},
|
| 342 |
+
{
|
| 343 |
+
"epoch": 6.0,
|
| 344 |
+
"learning_rate": 8.000000000000001e-06,
|
| 345 |
+
"loss": 0.6668,
|
| 346 |
+
"step": 96
|
| 347 |
+
},
|
| 348 |
+
{
|
| 349 |
+
"epoch": 6.0,
|
| 350 |
+
"eval_accuracy": 0.5425,
|
| 351 |
+
"eval_loss": 0.6907917261123657,
|
| 352 |
+
"eval_macro_f1": 0.35170178282009723,
|
| 353 |
+
"eval_runtime": 1.0917,
|
| 354 |
+
"eval_samples_per_second": 366.384,
|
| 355 |
+
"eval_steps_per_second": 3.664,
|
| 356 |
+
"step": 96
|
| 357 |
+
},
|
| 358 |
+
{
|
| 359 |
+
"epoch": 6.12,
|
| 360 |
+
"learning_rate": 8.166666666666668e-06,
|
| 361 |
+
"loss": 0.7032,
|
| 362 |
+
"step": 98
|
| 363 |
+
},
|
| 364 |
+
{
|
| 365 |
+
"epoch": 6.25,
|
| 366 |
+
"learning_rate": 8.333333333333334e-06,
|
| 367 |
+
"loss": 0.6576,
|
| 368 |
+
"step": 100
|
| 369 |
+
},
|
| 370 |
+
{
|
| 371 |
+
"epoch": 6.38,
|
| 372 |
+
"learning_rate": 8.500000000000002e-06,
|
| 373 |
+
"loss": 0.6808,
|
| 374 |
+
"step": 102
|
| 375 |
+
},
|
| 376 |
+
{
|
| 377 |
+
"epoch": 6.5,
|
| 378 |
+
"learning_rate": 8.666666666666668e-06,
|
| 379 |
+
"loss": 0.6971,
|
| 380 |
+
"step": 104
|
| 381 |
+
},
|
| 382 |
+
{
|
| 383 |
+
"epoch": 6.62,
|
| 384 |
+
"learning_rate": 8.833333333333334e-06,
|
| 385 |
+
"loss": 0.6781,
|
| 386 |
+
"step": 106
|
| 387 |
+
},
|
| 388 |
+
{
|
| 389 |
+
"epoch": 6.75,
|
| 390 |
+
"learning_rate": 9e-06,
|
| 391 |
+
"loss": 0.667,
|
| 392 |
+
"step": 108
|
| 393 |
+
},
|
| 394 |
+
{
|
| 395 |
+
"epoch": 6.88,
|
| 396 |
+
"learning_rate": 9.166666666666666e-06,
|
| 397 |
+
"loss": 0.6914,
|
| 398 |
+
"step": 110
|
| 399 |
+
},
|
| 400 |
+
{
|
| 401 |
+
"epoch": 7.0,
|
| 402 |
+
"learning_rate": 9.333333333333334e-06,
|
| 403 |
+
"loss": 0.6841,
|
| 404 |
+
"step": 112
|
| 405 |
+
},
|
| 406 |
+
{
|
| 407 |
+
"epoch": 7.0,
|
| 408 |
+
"eval_accuracy": 0.5425,
|
| 409 |
+
"eval_loss": 0.6911839246749878,
|
| 410 |
+
"eval_macro_f1": 0.35170178282009723,
|
| 411 |
+
"eval_runtime": 1.1306,
|
| 412 |
+
"eval_samples_per_second": 353.8,
|
| 413 |
+
"eval_steps_per_second": 3.538,
|
| 414 |
+
"step": 112
|
| 415 |
+
}
|
| 416 |
+
],
|
| 417 |
+
"max_steps": 320,
|
| 418 |
+
"num_train_epochs": 20,
|
| 419 |
+
"total_flos": 299367884390400.0,
|
| 420 |
+
"trial_name": null,
|
| 421 |
+
"trial_params": null
|
| 422 |
+
}
|
scaling_performance/2000/L4/fold3/config.json
ADDED
|
@@ -0,0 +1,25 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"architectures": [
|
| 3 |
+
"BertForSequenceClassification"
|
| 4 |
+
],
|
| 5 |
+
"attention_probs_dropout_prob": 0.02,
|
| 6 |
+
"classifier_dropout": null,
|
| 7 |
+
"hidden_act": "gelu",
|
| 8 |
+
"hidden_dropout_prob": 0.02,
|
| 9 |
+
"hidden_size": 256,
|
| 10 |
+
"initializer_range": 0.02,
|
| 11 |
+
"intermediate_size": 512,
|
| 12 |
+
"layer_norm_eps": 1e-12,
|
| 13 |
+
"max_position_embeddings": 2048,
|
| 14 |
+
"model_type": "bert",
|
| 15 |
+
"num_attention_heads": 4,
|
| 16 |
+
"num_hidden_layers": 4,
|
| 17 |
+
"pad_token_id": 0,
|
| 18 |
+
"position_embedding_type": "absolute",
|
| 19 |
+
"problem_type": "single_label_classification",
|
| 20 |
+
"torch_dtype": "float32",
|
| 21 |
+
"transformers_version": "4.28.0",
|
| 22 |
+
"type_vocab_size": 2,
|
| 23 |
+
"use_cache": true,
|
| 24 |
+
"vocab_size": 30522
|
| 25 |
+
}
|
scaling_performance/2000/L4/fold3/eval_results.json
ADDED
|
@@ -0,0 +1,8 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"test_accuracy": 0.5425,
|
| 3 |
+
"test_loss": 0.6905966401100159,
|
| 4 |
+
"test_macro_f1": 0.35170178282009723,
|
| 5 |
+
"test_runtime": 1.0988,
|
| 6 |
+
"test_samples_per_second": 364.045,
|
| 7 |
+
"test_steps_per_second": 3.64
|
| 8 |
+
}
|
scaling_performance/2000/L4/fold4/all_results.json
ADDED
|
@@ -0,0 +1,8 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"test_accuracy": 0.6975,
|
| 3 |
+
"test_loss": 0.5687375068664551,
|
| 4 |
+
"test_macro_f1": 0.6942881145029971,
|
| 5 |
+
"test_runtime": 1.6145,
|
| 6 |
+
"test_samples_per_second": 247.752,
|
| 7 |
+
"test_steps_per_second": 2.478
|
| 8 |
+
}
|