chore: import upstream snapshot with attribution
This commit is contained in:
@@ -0,0 +1,11 @@
|
||||
cd yoco/
|
||||
torchrun --master-port=29504 --nproc_per_node=1 validate.py \
|
||||
--task pseudo \
|
||||
--criterion multi_needle --needle-num 4 \
|
||||
--batch-size 1 \
|
||||
--max-epoch 1 \
|
||||
--no-save \
|
||||
--tiktoken-model cl100k_base \
|
||||
--bf16 \
|
||||
--arch yoco_3b_new --tiktoken-model cl100k_base --load-ckpt /data/yutao/ckpt_opensource/YOCO-3B-1M/checkpoint.pth --yoco-model /data/yutao/ckpt_opensource/YOCO-3B-1M --tokens-per-sample 1048576 --interval 1048576
|
||||
|
||||
@@ -0,0 +1,17 @@
|
||||
TASK='harness_boolq'
|
||||
# TASK='hendrycksTest-abstract_algebra'
|
||||
|
||||
cd yoco/
|
||||
torchrun --master-port=29505 --nproc_per_node=1 validate.py \
|
||||
--data-dir ../harness_data/ \
|
||||
--criterion harness_eval \
|
||||
--task harness_eval \
|
||||
--batch-size 4 \
|
||||
--eval-data ${TASK} \
|
||||
--log-format simple --log-interval 10 \
|
||||
--bf16 \
|
||||
--tokenizer-pad-to-multiple 8 \
|
||||
--arch yoco_3b_new --tiktoken-model cl100k_base --load-ckpt /data/yutao/ckpt_opensource/YOCO-3B-1M/checkpoint.pth --yoco-model /data/yutao/ckpt_opensource/YOCO-3B-1M --tokens-per-sample 4096
|
||||
# --arch llama_from_ckpt --llama-model /data/yutao/llama/llama-2-7b --load-ckpt /data/yutao/llama/llama-2-7b/consolidated.00.pth --tokens-per-sample 4096
|
||||
|
||||
|
||||
@@ -0,0 +1,27 @@
|
||||
cd yoco/
|
||||
torchrun --master-port=29501 --nproc-per-node=1 train.py /mnt/nlcredstone/shaohanh/data/redstone_v4_21_config \
|
||||
--save-interval-updates 5000 \
|
||||
--no-epoch-checkpoints \
|
||||
--arch yoco_base \
|
||||
--criterion cross_entropy \
|
||||
--task gpt \
|
||||
--tokens-per-sample 2048 \
|
||||
--tokenizer-pad-to-multiple 8 \
|
||||
--pad-to-max-len \
|
||||
--optimizer adam --adam-betas "(0.9, 0.95)" \
|
||||
--adam-eps 1e-06 \
|
||||
--clip-norm 2.0 \
|
||||
--lr 0.00015 \
|
||||
--lr-scheduler polynomial_decay \
|
||||
--warmup-updates 50 \
|
||||
--weight-decay 0.05 \
|
||||
--batch-size 1 \
|
||||
--model-parallel-size 1 \
|
||||
--update-freq 1 \
|
||||
--batch-read-ahead 1000 \
|
||||
--total-num-update 300000 \
|
||||
--log-format simple --log-interval 10 --disable-validation \
|
||||
--tiktoken-model cl100k_base \
|
||||
--no-save \
|
||||
--bf16 \
|
||||
|
||||
Reference in New Issue
Block a user