FLAN_T5 fix
This commit is contained in:
parent
760869a9b7
commit
bb2bd186f3
8449
FLAN_T5.ipynb
8449
FLAN_T5.ipynb
File diff suppressed because it is too large
Load Diff
@ -1,62 +0,0 @@
|
|||||||
---
|
|
||||||
language:
|
|
||||||
- text
|
|
||||||
- label
|
|
||||||
license: apache-2.0
|
|
||||||
tags:
|
|
||||||
- generated_from_trainer
|
|
||||||
metrics:
|
|
||||||
- bleu
|
|
||||||
- accuracy
|
|
||||||
model-index:
|
|
||||||
- name: flan_t5
|
|
||||||
results: []
|
|
||||||
---
|
|
||||||
|
|
||||||
<!-- This model card has been generated automatically according to the information the Trainer had access to. You
|
|
||||||
should probably proofread and complete it, then remove this comment. -->
|
|
||||||
|
|
||||||
# flan_t5
|
|
||||||
|
|
||||||
This model is a fine-tuned version of [google/flan-t5-small](https://huggingface.co/google/flan-t5-small) on an unknown dataset.
|
|
||||||
It achieves the following results on the evaluation set:
|
|
||||||
- Loss: 0.4009
|
|
||||||
- Bleu: 0.0
|
|
||||||
- Accuracy: 1.0
|
|
||||||
- Gen Len: 2.0
|
|
||||||
|
|
||||||
## Model description
|
|
||||||
|
|
||||||
More information needed
|
|
||||||
|
|
||||||
## Intended uses & limitations
|
|
||||||
|
|
||||||
More information needed
|
|
||||||
|
|
||||||
## Training and evaluation data
|
|
||||||
|
|
||||||
More information needed
|
|
||||||
|
|
||||||
## Training procedure
|
|
||||||
|
|
||||||
### Training hyperparameters
|
|
||||||
|
|
||||||
The following hyperparameters were used during training:
|
|
||||||
- learning_rate: 5e-05
|
|
||||||
- train_batch_size: 8
|
|
||||||
- eval_batch_size: 8
|
|
||||||
- seed: 42
|
|
||||||
- optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
|
|
||||||
- lr_scheduler_type: linear
|
|
||||||
- num_epochs: 1.0
|
|
||||||
|
|
||||||
### Training results
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
### Framework versions
|
|
||||||
|
|
||||||
- Transformers 4.26.1
|
|
||||||
- Pytorch 1.13.1+cu116
|
|
||||||
- Datasets 2.9.0
|
|
||||||
- Tokenizers 0.13.2
|
|
||||||
@ -1,24 +0,0 @@
|
|||||||
{
|
|
||||||
"epoch": 1.0,
|
|
||||||
"eval_accuracy": 1.0,
|
|
||||||
"eval_bleu": 0.0,
|
|
||||||
"eval_gen_len": 2.0,
|
|
||||||
"eval_loss": 0.4009273052215576,
|
|
||||||
"eval_runtime": 265.8814,
|
|
||||||
"eval_samples": 2000,
|
|
||||||
"eval_samples_per_second": 7.522,
|
|
||||||
"eval_steps_per_second": 0.94,
|
|
||||||
"predict_accuracy": 1.0,
|
|
||||||
"predict_bleu": 0.0,
|
|
||||||
"predict_gen_len": 2.0,
|
|
||||||
"predict_loss": 0.3817981481552124,
|
|
||||||
"predict_runtime": 289.0109,
|
|
||||||
"predict_samples": 2000,
|
|
||||||
"predict_samples_per_second": 6.92,
|
|
||||||
"predict_steps_per_second": 0.865,
|
|
||||||
"train_loss": 0.6111455688476563,
|
|
||||||
"train_runtime": 3912.895,
|
|
||||||
"train_samples": 16000,
|
|
||||||
"train_samples_per_second": 4.089,
|
|
||||||
"train_steps_per_second": 0.511
|
|
||||||
}
|
|
||||||
@ -1,61 +0,0 @@
|
|||||||
{
|
|
||||||
"_name_or_path": "google/flan-t5-small",
|
|
||||||
"architectures": [
|
|
||||||
"T5ForConditionalGeneration"
|
|
||||||
],
|
|
||||||
"d_ff": 1024,
|
|
||||||
"d_kv": 64,
|
|
||||||
"d_model": 512,
|
|
||||||
"decoder_start_token_id": 0,
|
|
||||||
"dense_act_fn": "gelu_new",
|
|
||||||
"dropout_rate": 0.1,
|
|
||||||
"eos_token_id": 1,
|
|
||||||
"feed_forward_proj": "gated-gelu",
|
|
||||||
"initializer_factor": 1.0,
|
|
||||||
"is_encoder_decoder": true,
|
|
||||||
"is_gated_act": true,
|
|
||||||
"layer_norm_epsilon": 1e-06,
|
|
||||||
"model_type": "t5",
|
|
||||||
"n_positions": 512,
|
|
||||||
"num_decoder_layers": 8,
|
|
||||||
"num_heads": 6,
|
|
||||||
"num_layers": 8,
|
|
||||||
"output_past": true,
|
|
||||||
"pad_token_id": 0,
|
|
||||||
"relative_attention_max_distance": 128,
|
|
||||||
"relative_attention_num_buckets": 32,
|
|
||||||
"task_specific_params": {
|
|
||||||
"summarization": {
|
|
||||||
"early_stopping": true,
|
|
||||||
"length_penalty": 2.0,
|
|
||||||
"max_length": 200,
|
|
||||||
"min_length": 30,
|
|
||||||
"no_repeat_ngram_size": 3,
|
|
||||||
"num_beams": 4,
|
|
||||||
"prefix": "summarize: "
|
|
||||||
},
|
|
||||||
"translation_en_to_de": {
|
|
||||||
"early_stopping": true,
|
|
||||||
"max_length": 300,
|
|
||||||
"num_beams": 4,
|
|
||||||
"prefix": "translate English to German: "
|
|
||||||
},
|
|
||||||
"translation_en_to_fr": {
|
|
||||||
"early_stopping": true,
|
|
||||||
"max_length": 300,
|
|
||||||
"num_beams": 4,
|
|
||||||
"prefix": "translate English to French: "
|
|
||||||
},
|
|
||||||
"translation_en_to_ro": {
|
|
||||||
"early_stopping": true,
|
|
||||||
"max_length": 300,
|
|
||||||
"num_beams": 4,
|
|
||||||
"prefix": "translate English to Romanian: "
|
|
||||||
}
|
|
||||||
},
|
|
||||||
"tie_word_embeddings": false,
|
|
||||||
"torch_dtype": "float32",
|
|
||||||
"transformers_version": "4.26.1",
|
|
||||||
"use_cache": true,
|
|
||||||
"vocab_size": 32100
|
|
||||||
}
|
|
||||||
@ -1,11 +0,0 @@
|
|||||||
{
|
|
||||||
"epoch": 1.0,
|
|
||||||
"eval_accuracy": 1.0,
|
|
||||||
"eval_bleu": 0.0,
|
|
||||||
"eval_gen_len": 2.0,
|
|
||||||
"eval_loss": 0.4009273052215576,
|
|
||||||
"eval_runtime": 265.8814,
|
|
||||||
"eval_samples": 2000,
|
|
||||||
"eval_samples_per_second": 7.522,
|
|
||||||
"eval_steps_per_second": 0.94
|
|
||||||
}
|
|
||||||
File diff suppressed because it is too large
Load Diff
@ -1,7 +0,0 @@
|
|||||||
{
|
|
||||||
"_from_model_config": true,
|
|
||||||
"decoder_start_token_id": 0,
|
|
||||||
"eos_token_id": 1,
|
|
||||||
"pad_token_id": 0,
|
|
||||||
"transformers_version": "4.26.1"
|
|
||||||
}
|
|
||||||
@ -1,10 +0,0 @@
|
|||||||
{
|
|
||||||
"predict_accuracy": 1.0,
|
|
||||||
"predict_bleu": 0.0,
|
|
||||||
"predict_gen_len": 2.0,
|
|
||||||
"predict_loss": 0.3817981481552124,
|
|
||||||
"predict_runtime": 289.0109,
|
|
||||||
"predict_samples": 2000,
|
|
||||||
"predict_samples_per_second": 6.92,
|
|
||||||
"predict_steps_per_second": 0.865
|
|
||||||
}
|
|
||||||
Binary file not shown.
@ -1,107 +0,0 @@
|
|||||||
{
|
|
||||||
"additional_special_tokens": [
|
|
||||||
"<extra_id_0>",
|
|
||||||
"<extra_id_1>",
|
|
||||||
"<extra_id_2>",
|
|
||||||
"<extra_id_3>",
|
|
||||||
"<extra_id_4>",
|
|
||||||
"<extra_id_5>",
|
|
||||||
"<extra_id_6>",
|
|
||||||
"<extra_id_7>",
|
|
||||||
"<extra_id_8>",
|
|
||||||
"<extra_id_9>",
|
|
||||||
"<extra_id_10>",
|
|
||||||
"<extra_id_11>",
|
|
||||||
"<extra_id_12>",
|
|
||||||
"<extra_id_13>",
|
|
||||||
"<extra_id_14>",
|
|
||||||
"<extra_id_15>",
|
|
||||||
"<extra_id_16>",
|
|
||||||
"<extra_id_17>",
|
|
||||||
"<extra_id_18>",
|
|
||||||
"<extra_id_19>",
|
|
||||||
"<extra_id_20>",
|
|
||||||
"<extra_id_21>",
|
|
||||||
"<extra_id_22>",
|
|
||||||
"<extra_id_23>",
|
|
||||||
"<extra_id_24>",
|
|
||||||
"<extra_id_25>",
|
|
||||||
"<extra_id_26>",
|
|
||||||
"<extra_id_27>",
|
|
||||||
"<extra_id_28>",
|
|
||||||
"<extra_id_29>",
|
|
||||||
"<extra_id_30>",
|
|
||||||
"<extra_id_31>",
|
|
||||||
"<extra_id_32>",
|
|
||||||
"<extra_id_33>",
|
|
||||||
"<extra_id_34>",
|
|
||||||
"<extra_id_35>",
|
|
||||||
"<extra_id_36>",
|
|
||||||
"<extra_id_37>",
|
|
||||||
"<extra_id_38>",
|
|
||||||
"<extra_id_39>",
|
|
||||||
"<extra_id_40>",
|
|
||||||
"<extra_id_41>",
|
|
||||||
"<extra_id_42>",
|
|
||||||
"<extra_id_43>",
|
|
||||||
"<extra_id_44>",
|
|
||||||
"<extra_id_45>",
|
|
||||||
"<extra_id_46>",
|
|
||||||
"<extra_id_47>",
|
|
||||||
"<extra_id_48>",
|
|
||||||
"<extra_id_49>",
|
|
||||||
"<extra_id_50>",
|
|
||||||
"<extra_id_51>",
|
|
||||||
"<extra_id_52>",
|
|
||||||
"<extra_id_53>",
|
|
||||||
"<extra_id_54>",
|
|
||||||
"<extra_id_55>",
|
|
||||||
"<extra_id_56>",
|
|
||||||
"<extra_id_57>",
|
|
||||||
"<extra_id_58>",
|
|
||||||
"<extra_id_59>",
|
|
||||||
"<extra_id_60>",
|
|
||||||
"<extra_id_61>",
|
|
||||||
"<extra_id_62>",
|
|
||||||
"<extra_id_63>",
|
|
||||||
"<extra_id_64>",
|
|
||||||
"<extra_id_65>",
|
|
||||||
"<extra_id_66>",
|
|
||||||
"<extra_id_67>",
|
|
||||||
"<extra_id_68>",
|
|
||||||
"<extra_id_69>",
|
|
||||||
"<extra_id_70>",
|
|
||||||
"<extra_id_71>",
|
|
||||||
"<extra_id_72>",
|
|
||||||
"<extra_id_73>",
|
|
||||||
"<extra_id_74>",
|
|
||||||
"<extra_id_75>",
|
|
||||||
"<extra_id_76>",
|
|
||||||
"<extra_id_77>",
|
|
||||||
"<extra_id_78>",
|
|
||||||
"<extra_id_79>",
|
|
||||||
"<extra_id_80>",
|
|
||||||
"<extra_id_81>",
|
|
||||||
"<extra_id_82>",
|
|
||||||
"<extra_id_83>",
|
|
||||||
"<extra_id_84>",
|
|
||||||
"<extra_id_85>",
|
|
||||||
"<extra_id_86>",
|
|
||||||
"<extra_id_87>",
|
|
||||||
"<extra_id_88>",
|
|
||||||
"<extra_id_89>",
|
|
||||||
"<extra_id_90>",
|
|
||||||
"<extra_id_91>",
|
|
||||||
"<extra_id_92>",
|
|
||||||
"<extra_id_93>",
|
|
||||||
"<extra_id_94>",
|
|
||||||
"<extra_id_95>",
|
|
||||||
"<extra_id_96>",
|
|
||||||
"<extra_id_97>",
|
|
||||||
"<extra_id_98>",
|
|
||||||
"<extra_id_99>"
|
|
||||||
],
|
|
||||||
"eos_token": "</s>",
|
|
||||||
"pad_token": "<pad>",
|
|
||||||
"unk_token": "<unk>"
|
|
||||||
}
|
|
||||||
Binary file not shown.
File diff suppressed because one or more lines are too long
@ -1,113 +0,0 @@
|
|||||||
{
|
|
||||||
"additional_special_tokens": [
|
|
||||||
"<extra_id_0>",
|
|
||||||
"<extra_id_1>",
|
|
||||||
"<extra_id_2>",
|
|
||||||
"<extra_id_3>",
|
|
||||||
"<extra_id_4>",
|
|
||||||
"<extra_id_5>",
|
|
||||||
"<extra_id_6>",
|
|
||||||
"<extra_id_7>",
|
|
||||||
"<extra_id_8>",
|
|
||||||
"<extra_id_9>",
|
|
||||||
"<extra_id_10>",
|
|
||||||
"<extra_id_11>",
|
|
||||||
"<extra_id_12>",
|
|
||||||
"<extra_id_13>",
|
|
||||||
"<extra_id_14>",
|
|
||||||
"<extra_id_15>",
|
|
||||||
"<extra_id_16>",
|
|
||||||
"<extra_id_17>",
|
|
||||||
"<extra_id_18>",
|
|
||||||
"<extra_id_19>",
|
|
||||||
"<extra_id_20>",
|
|
||||||
"<extra_id_21>",
|
|
||||||
"<extra_id_22>",
|
|
||||||
"<extra_id_23>",
|
|
||||||
"<extra_id_24>",
|
|
||||||
"<extra_id_25>",
|
|
||||||
"<extra_id_26>",
|
|
||||||
"<extra_id_27>",
|
|
||||||
"<extra_id_28>",
|
|
||||||
"<extra_id_29>",
|
|
||||||
"<extra_id_30>",
|
|
||||||
"<extra_id_31>",
|
|
||||||
"<extra_id_32>",
|
|
||||||
"<extra_id_33>",
|
|
||||||
"<extra_id_34>",
|
|
||||||
"<extra_id_35>",
|
|
||||||
"<extra_id_36>",
|
|
||||||
"<extra_id_37>",
|
|
||||||
"<extra_id_38>",
|
|
||||||
"<extra_id_39>",
|
|
||||||
"<extra_id_40>",
|
|
||||||
"<extra_id_41>",
|
|
||||||
"<extra_id_42>",
|
|
||||||
"<extra_id_43>",
|
|
||||||
"<extra_id_44>",
|
|
||||||
"<extra_id_45>",
|
|
||||||
"<extra_id_46>",
|
|
||||||
"<extra_id_47>",
|
|
||||||
"<extra_id_48>",
|
|
||||||
"<extra_id_49>",
|
|
||||||
"<extra_id_50>",
|
|
||||||
"<extra_id_51>",
|
|
||||||
"<extra_id_52>",
|
|
||||||
"<extra_id_53>",
|
|
||||||
"<extra_id_54>",
|
|
||||||
"<extra_id_55>",
|
|
||||||
"<extra_id_56>",
|
|
||||||
"<extra_id_57>",
|
|
||||||
"<extra_id_58>",
|
|
||||||
"<extra_id_59>",
|
|
||||||
"<extra_id_60>",
|
|
||||||
"<extra_id_61>",
|
|
||||||
"<extra_id_62>",
|
|
||||||
"<extra_id_63>",
|
|
||||||
"<extra_id_64>",
|
|
||||||
"<extra_id_65>",
|
|
||||||
"<extra_id_66>",
|
|
||||||
"<extra_id_67>",
|
|
||||||
"<extra_id_68>",
|
|
||||||
"<extra_id_69>",
|
|
||||||
"<extra_id_70>",
|
|
||||||
"<extra_id_71>",
|
|
||||||
"<extra_id_72>",
|
|
||||||
"<extra_id_73>",
|
|
||||||
"<extra_id_74>",
|
|
||||||
"<extra_id_75>",
|
|
||||||
"<extra_id_76>",
|
|
||||||
"<extra_id_77>",
|
|
||||||
"<extra_id_78>",
|
|
||||||
"<extra_id_79>",
|
|
||||||
"<extra_id_80>",
|
|
||||||
"<extra_id_81>",
|
|
||||||
"<extra_id_82>",
|
|
||||||
"<extra_id_83>",
|
|
||||||
"<extra_id_84>",
|
|
||||||
"<extra_id_85>",
|
|
||||||
"<extra_id_86>",
|
|
||||||
"<extra_id_87>",
|
|
||||||
"<extra_id_88>",
|
|
||||||
"<extra_id_89>",
|
|
||||||
"<extra_id_90>",
|
|
||||||
"<extra_id_91>",
|
|
||||||
"<extra_id_92>",
|
|
||||||
"<extra_id_93>",
|
|
||||||
"<extra_id_94>",
|
|
||||||
"<extra_id_95>",
|
|
||||||
"<extra_id_96>",
|
|
||||||
"<extra_id_97>",
|
|
||||||
"<extra_id_98>",
|
|
||||||
"<extra_id_99>"
|
|
||||||
],
|
|
||||||
"eos_token": "</s>",
|
|
||||||
"extra_ids": 100,
|
|
||||||
"model_max_length": 512,
|
|
||||||
"name_or_path": "google/flan-t5-small",
|
|
||||||
"pad_token": "<pad>",
|
|
||||||
"sp_model_kwargs": {},
|
|
||||||
"special_tokens_map_file": "/home/younes_huggingface_co/.cache/huggingface/hub/models--google--t5-v1_1-small/snapshots/fb7e6cba609f7bab11c614294bc04f82f613c7b1/special_tokens_map.json",
|
|
||||||
"tokenizer_class": "T5Tokenizer",
|
|
||||||
"unk_token": "<unk>"
|
|
||||||
}
|
|
||||||
@ -1,8 +0,0 @@
|
|||||||
{
|
|
||||||
"epoch": 1.0,
|
|
||||||
"train_loss": 0.6111455688476563,
|
|
||||||
"train_runtime": 3912.895,
|
|
||||||
"train_samples": 16000,
|
|
||||||
"train_samples_per_second": 4.089,
|
|
||||||
"train_steps_per_second": 0.511
|
|
||||||
}
|
|
||||||
@ -1,49 +0,0 @@
|
|||||||
{
|
|
||||||
"best_metric": null,
|
|
||||||
"best_model_checkpoint": null,
|
|
||||||
"epoch": 1.0,
|
|
||||||
"global_step": 2000,
|
|
||||||
"is_hyper_param_search": false,
|
|
||||||
"is_local_process_zero": true,
|
|
||||||
"is_world_process_zero": true,
|
|
||||||
"log_history": [
|
|
||||||
{
|
|
||||||
"epoch": 0.25,
|
|
||||||
"learning_rate": 3.7500000000000003e-05,
|
|
||||||
"loss": 0.8478,
|
|
||||||
"step": 500
|
|
||||||
},
|
|
||||||
{
|
|
||||||
"epoch": 0.5,
|
|
||||||
"learning_rate": 2.5e-05,
|
|
||||||
"loss": 0.5567,
|
|
||||||
"step": 1000
|
|
||||||
},
|
|
||||||
{
|
|
||||||
"epoch": 0.75,
|
|
||||||
"learning_rate": 1.25e-05,
|
|
||||||
"loss": 0.5195,
|
|
||||||
"step": 1500
|
|
||||||
},
|
|
||||||
{
|
|
||||||
"epoch": 1.0,
|
|
||||||
"learning_rate": 0.0,
|
|
||||||
"loss": 0.5205,
|
|
||||||
"step": 2000
|
|
||||||
},
|
|
||||||
{
|
|
||||||
"epoch": 1.0,
|
|
||||||
"step": 2000,
|
|
||||||
"total_flos": 289235175800832.0,
|
|
||||||
"train_loss": 0.6111455688476563,
|
|
||||||
"train_runtime": 3912.895,
|
|
||||||
"train_samples_per_second": 4.089,
|
|
||||||
"train_steps_per_second": 0.511
|
|
||||||
}
|
|
||||||
],
|
|
||||||
"max_steps": 2000,
|
|
||||||
"num_train_epochs": 1,
|
|
||||||
"total_flos": 289235175800832.0,
|
|
||||||
"trial_name": null,
|
|
||||||
"trial_params": null
|
|
||||||
}
|
|
||||||
Binary file not shown.
Loading…
Reference in New Issue
Block a user