Upload 16 files
Browse files- README.md +773 -0
- added_tokens.json +3 -0
- bpe.codes +0 -0
- config.json +28 -0
- config_sentence_transformers.json +10 -0
- model.safetensors +3 -0
- modules.json +14 -0
- optimizer.pt +3 -0
- rng_state.pth +3 -0
- scheduler.pt +3 -0
- sentence_bert_config.json +4 -0
- special_tokens_map.json +9 -0
- tokenizer_config.json +55 -0
- trainer_state.json +1160 -0
- training_args.bin +3 -0
- vocab.txt +0 -0
README.md
ADDED
|
@@ -0,0 +1,773 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
---
|
| 2 |
+
language:
|
| 3 |
+
- vi
|
| 4 |
+
tags:
|
| 5 |
+
- sentence-transformers
|
| 6 |
+
- sentence-similarity
|
| 7 |
+
- feature-extraction
|
| 8 |
+
- generated_from_trainer
|
| 9 |
+
- dataset_size:1032889
|
| 10 |
+
- loss:MultipleNegativesRankingLoss
|
| 11 |
+
base_model: vinai/phobert-base-v2
|
| 12 |
+
widget:
|
| 13 |
+
- source_sentence: Nội_soi phế_quản ống mềm là gì ?
|
| 14 |
+
sentences:
|
| 15 |
+
- 'Trang_chủ Hô_hấp Sinh_thiết xuyên thành phế_quản ống mềm trong chẩn_đoán một_số
|
| 16 |
+
bệnh phổi Nôi soi phế_quản ( NSP Q ) là kỹ_thuật để chẩn_đoán một_số bệnh_lý ở
|
| 17 |
+
phế_quản phổi . NSP Q giúp quan_sát cấu_trúc trong lòng phế_quản và lấy bệnh_phẩm
|
| 18 |
+
làm xét nghiêm tế '' bào , mô bệnh học , vi_sinh dịch phế '' quản giúp chẩn_đoán
|
| 19 |
+
xác_định bệnh [ 6 ] , [ 8 ] . Ngày_nay , với sự tiến_bộ của khoa_học có rất nhiều
|
| 20 |
+
phương_pháp ... Rửa phế_quản phế_nang và chải phế_quản trên những tổn_thương dạng
|
| 21 |
+
đám mờ ngoại_vi ở phổi Đám mờ ( moss ) : là những tổn_thương có kích_thước > 3
|
| 22 |
+
cm , mật_độ có_thể thuần_nhất hoặc không , ranh_giới có_thể rõ_ràng hoặc không
|
| 23 |
+
rõ_ràng ; đây là một tổn_thương hay gặp trong bệnh_lý hô_hấp . Nguyên_nhân thường
|
| 24 |
+
gặp là viêm phổi , lao_phổi , ung_thư phổi , nấm phổi , xẹp phổi và một_số nguyên_nhân
|
| 25 |
+
khác ít gặp hơn ... Xây_dựng và đánh_giá kết_quả chương_trình điều_trị phục_hồi
|
| 26 |
+
chức_năng cho người_bệnh copd tại bệnh_viện lao và phổi trung_ương Bênh phổi tắc_nghẽn
|
| 27 |
+
mạn tính ( COPD ) đặc_trưng bởi sự tắc_nghẽn luồng khi " thở ra không hồi_phục
|
| 28 |
+
hoàn_toàn . Sự cản_trở_thông khí này thường tiên triển từ từ và là hâu quả của
|
| 29 |
+
sự tiếp_xúc lâu ngày với các chất và khí độc_hại [ 54 ] , [ 55 ] . Quá_trình viêm
|
| 30 |
+
, mất cân_bằng của hê thống proteinase , anti - proteinase , sự ... Đặc_điểm lâm_sàng
|
| 31 |
+
, hình_ảnh tổn_thương trên phim cắt_lớp vi_tính ngực và rối_loạn thông khí phổi
|
| 32 |
+
ở bệnh_nhân giãn phế_quản Giãn phế_quản ( GPQ ) là tình_trạng tăng khẩu kính một_cách
|
| 33 |
+
bất_thường , vĩnh_viễn và không hồi_phục của một phần cây phế_quản . Có_thể giãn
|
| 34 |
+
ở phế_quản ( PQ ) lớn trong khi PQ nhỏ vẫn bình_thường hoặc giãn ở PQ nhỏ trong
|
| 35 |
+
khi PQ lớn bình_thường [ 12 ] , [ 13 ] , [ 66 ] . Bệnh được Lan nec mô_tả lần
|
| 36 |
+
đầu_tiên năm 1819 với đặc_điểm lâm ... Thực_trạng phát_hiện , điều_trị bệnh lao
|
| 37 |
+
ở nông_dân tại bệnh_viện lao và bệnh phổi tỉnh thanh hoá Công_cuộc đấu_tranh của
|
| 38 |
+
loài_người với bệnh lao đã trải qua nhiều thế_kỷ . Căn_bệnh này đã xuất_hiện cùng
|
| 39 |
+
với loài_người , song mãi đến những năm cuối của thế_kỷ 19 ( 1882 ) , khi Robert
|
| 40 |
+
Koch tìm ra nguyên_nhân gây bệnh : vi_khuẩn lao ( Mycobacteria_Tuberculosis )
|
| 41 |
+
thì cuộc_chiến mới thực_sự bắt_đầu . Những tiến_bộ của khoa_học kỹ_thuật đã ...
|
| 42 |
+
sự tuân_thủ điều_trị lao và hiểu_biết của người lao có hiv về bệnh lao tại 14
|
| 43 |
+
quân huyện thành_phố hà_nội Bênh lao gắn liền với sự phát_triển của loài_người
|
| 44 |
+
. Từ xưa , bênh lao được xem là một bênh di_truyền và không chữa được . Nhưng
|
| 45 |
+
đến năm 1882 khi Robert Koch tìm ra vi_khuẩn lao là nguyên_nhân gây bênh lao thì
|
| 46 |
+
bênh không còn được xem là bênh di_truyền nữa và cùng với việc tìm ra các thuốc
|
| 47 |
+
chống lao sau_này đã ... Kết_quả gần phẫu_thuật tĩnh_mạch phổi trở_về bất_thường
|
| 48 |
+
hoàn_toàn tại bệnh viên nhi trung_ương Tĩnh_mạch phổi trở_về bất_thường hoàn_toàn
|
| 49 |
+
( TMP TVB THT ) là một dị_tật tim bẩm_sinh , trong đó các tĩnh_mạch phổi hoàn_toàn
|
| 50 |
+
không kết_nối trực_tiếp vào nhĩ trái , mà_lại đổ về một tĩnh_mạch hệ_thống hoặc
|
| 51 |
+
về nhĩ phải [ 58 ] . Do máu được oxy hoá từ phổi đổ về tim phải , nên sự tồn_tại
|
| 52 |
+
và độ rộng của lỗ bầu ... Giá_trị của thông khí không xâm_nhập BiP AP trong điều_trị
|
| 53 |
+
đợt cấp bệnh phổi tắc_nghẽn mạn tính tại khoa Hô_hấp Bệnh_viện Bạch_Mai Bệnh phổi
|
| 54 |
+
tắc_nghẽn mạn tính ( COPD - Chronic Obstructive Pulmonary_Disease ) là một bệnh
|
| 55 |
+
rất phổ_biến và có xu_hướng ngày_càng tăng , đặc_biệt ở các nước phát_triển .
|
| 56 |
+
Bệnh là nguyên_nhân gây tử_vong hàng thứ tư trên thế_giới , và sẽ là thứ 3 vào
|
| 57 |
+
năm 2020 [ 40 ] . Hiện_nay trên toàn thế_giới có khoảng 600 triệu người mắc bệnh
|
| 58 |
+
[ 34 ] ... . Đ đặc_điểm lâm_s��ng , cận lâm_sàng và căn nguyên gây bệnh của tràn
|
| 59 |
+
dịch màng phổi thanh tơ Tràn dịch màng phổi ( TDMP ) là sự_tích_tụ dịch trong
|
| 60 |
+
khoang màng phổi . Tràn dịch màng phổi thanh tơ là dịch tiết có phản_ứng Ri_valta
|
| 61 |
+
dương_tính và lượng protein trên 30 g / l [ 54 ] . Chẩn_đoán tràn dịch màng phổi
|
| 62 |
+
không khó nhưng chẩn_đoán nguyên_nhân gây tràn dịch màng phổi vẫn còn gặp nhiều
|
| 63 |
+
khó_khăn : do lao , do ung_thư và một_số_nguyên ... Đặc_điểm lâm_sàng , cận lâm_sàng
|
| 64 |
+
tràn dịch màng phổi do lao và tính kháng thuốc của mycobacterium tuberculosis
|
| 65 |
+
ở bệnh_nhân có xét_nghiệm HIV ( + ) Bệnh lao đã có từ rất lâu ( trước Công_nguyên
|
| 66 |
+
) ở Ân_Đô , Ai Cập , Hy Lạp và các nước vùng Trung_Á . Năm 1882 khi Robert Koch
|
| 67 |
+
tìm ra nguyên_nhân gây bệnh lao là do vi_khuẩn lao , thời_kỳ đó người_ta lạc_quan
|
| 68 |
+
tuyên_bố có_thể thanh_toán được bệnh lao . Nhưng thực_tế bệnh lao không giảm mà
|
| 69 |
+
còn có xu_hướng ...'
|
| 70 |
+
- 'Có một_vài yếu_tố tuy không phải nguyên_nhân trực_tiếp , nhưng lại khiến loạn
|
| 71 |
+
sản phế_quản phổi có khả_năng xuất_hiện hơn , bao_gồm : Mức_độ trẻ sinh thiếu
|
| 72 |
+
tháng : phổi càng kém phát_triển thì càng dễ bị tổn_thương và nguy_cơ xuất_hiện
|
| 73 |
+
loạn sản phế_quản phổi càng cao . Loạn sản phế_quản phổi hiếm gặp ở những trẻ
|
| 74 |
+
sinh sau 32 tuần tuổi thai . Can_thiệp thở máy_kéo_dài : thở máy làm căng giãn
|
| 75 |
+
các phế_nang , và khi bị căng giãn quá mức , trong thời_gian dài , các phế_nang
|
| 76 |
+
sẽ bị tổn_thương . Nồng_độ oxy cao : nồng_độ oxy càng cao , thời_gian thở oxy
|
| 77 |
+
càng kéo_dài thì nguy_cơ xuất_hiện loạn sản phế_quản phổi càng lớn . Thông_thường
|
| 78 |
+
nồng_độ oxy dưới 60 % được coi là mức tương_đối an_toàn . Trẻ là nam_giới : những
|
| 79 |
+
trẻ mang giới_tính nam có nguy_cơ sinh thiếu tháng lớn hơn , và dễ phát_triển
|
| 80 |
+
loạn sản phế_quản phổi hơn . T_ình trạng của thai_phụ : thai_phụ hút thuốc_lá
|
| 81 |
+
, sử_dụng các chất kích_thích bất_hợp_pháp , thai_phụ không được cung_cấp đủ dưỡng_chất
|
| 82 |
+
, nhiễm_khuẩn trong lúc mang thai có_thể tác_động tới sự phát_triển bình_thường
|
| 83 |
+
của bào_thai , từ đó có_thể dẫn tới sinh trẻ thiếu tháng , làm tăng nguy_cơ xuất_hiện
|
| 84 |
+
các hội_chứng rối_loạn hô_hấp , và gây ra loạn sản phế_quản phổi . Cấy_ghép tế_bào
|
| 85 |
+
gốc đã được chứng_minh hiệu_quả trong điều_trị loạn sản phế_quản phổi . Tại Vinmec
|
| 86 |
+
Times City , bệnh_viện duy_nhất ở miền Bắc đã thực_hiện được kỹ_thuật này với
|
| 87 |
+
tỷ_lệ thành_công đạt 80 % . Đây là kỹ_thuật tiên_tiến có_thể điều_trị dứt_điểm
|
| 88 |
+
xơ phổi nặng ở trẻ sinh non . Tế_bào gốc ghép vào là các tế_bào toàn_năng , giúp
|
| 89 |
+
cho phổi xơ_hóa trưởng_thành tốt , tăng thêm cơ_hội cứu_chữa và sống khỏe_mạnh
|
| 90 |
+
cho trẻ sinh non mắc biến_chứng xơ phổi , giảm dần thời_gian lệ_thuộc máy , mau_chóng
|
| 91 |
+
trả lại cho trẻ một cuộc_sống như bình_thường . Cấy_ghép tế_bào gốc điều_trị loạn
|
| 92 |
+
sản phế_quản phổi tại Vinmec Hệ_thống trang thiết_bị hiện_đại hỗ_trợ quá_trình
|
| 93 |
+
điều_trị , Labo ngân_hàng tế_bào gốc , chiết tách , nuôi_cấy , kỹ_thuật cao .
|
| 94 |
+
Bác_sĩ giàu kinh_nghiệm : Bác_sĩ Trần_Liên_Anh và Đội_ngũ điều_dưỡng có kiến_thức
|
| 95 |
+
chuyên_sâu , có trách_nhiệm . Viện nghiên_cứu Tế_bào gốc & Công_nghệ Gen : trình_độ
|
| 96 |
+
kỹ_thuật cao , có khả_năng nuôi_cấy tế_bào gốc . Loạn sản phế_quản phổi là những
|
| 97 |
+
tổn_thương phổi khó tránh khỏi ở trẻ sinh non nếu phải cần đến hô_hấp hỗ_trợ .
|
| 98 |
+
Tuy_vậy , nhờ vào những thành_tựu y_học , đặc_biệt là kỹ_thuật ghép tế_bào gốc
|
| 99 |
+
, căn_bệnh này không còn là nỗi ám_ảnh lâu_dài . Hệ_thống Y_khoa Vinmec đã từng
|
| 100 |
+
bước ứng_dụng và thành_công trong không chỉ nuôi_dưỡng trẻ sinh non và còn bảo_tồn
|
| 101 |
+
được chức_năng hô_hấp cho trẻ . Xem thêm : Hướng_dẫn chẩn_đoán và điều_trị loạn
|
| 102 |
+
sản phế_quản phối Để đặt lịch khám tại viện , Quý_khách vui_lòng bấm số HOTLINE
|
| 103 |
+
hoặc đặt lịch trực_tiếp TẠI ĐÂY . Tải và đặt lịch khám tự_động trên ứng_dụng MyVinmec
|
| 104 |
+
để quản_lý , theo_dõi lịch và đặt hẹn mọi lúc mọi nơi ngay trên ứng_dụng . Bài
|
| 105 |
+
viết tham_khảo nguồn : webmd . com'
|
| 106 |
+
- 'Nội_soi phế_quản hay soi phế_quản là một thủ_thuật để nhìn trực_tiếp vào đường_dẫn
|
| 107 |
+
khí trong phổi bằng cách sử_dụng một ống mỏng , có gắn nguồn sáng và máy thu_hình
|
| 108 |
+
trong suốt quá_trình thực_hiện . Ngã vào của nội_soi phế_quản được đặt trong mũi
|
| 109 |
+
hoặc miệng . Ống nội_soi sẽ đưa di_chuyển xuống cổ_họng , qua khí_quản , vào phế_quản
|
| 110 |
+
và các cấp phân_chia . Nhờ đó , bác_sĩ có_thể quan_sát thấy toàn_bộ đường_dẫn
|
| 111 |
+
khí như : thanh_quản , khí_quản , phế_quản và các nhánh nhỏ của phế_quản là tiểu
|
| 112 |
+
phế_quản . Có hai loại ống soi phế_quản : ống soi cứng và ống soi mềm . Mỗi loại
|
| 113 |
+
có những ưu_điểm riêng và được ứng_dụng trong từng bệnh cảnh khác nhau . Tuy_nhiên
|
| 114 |
+
, trong thực_tế , nội_soi phế_quản ống mềm được sử_dụng thường_xuyên hơn . So
|
| 115 |
+
với ống soi phế_quản cứng , ống soi phế_quản mềm linh_hoạt hơn và có_thể di_chuyển
|
| 116 |
+
xuống các đường_dẫn khí nhỏ hơn như tiểu phế_quản . Nhờ đó , ống soi phế_quản
|
| 117 |
+
mềm có_thể được sử_dụng đặt một ống thở trong đường thở để giúp cung_cấp oxy ,
|
| 118 |
+
hút ra dịch tiết , lấy mẫu mô làm sinh_thiết hay bơm thuốc điều_trị vào phổi .
|
| 119 |
+
Nội_soi phế_quản ống mềm đem lại nhiều ưu_điểm'
|
| 120 |
+
- source_sentence: Tủy răng là gì ?
|
| 121 |
+
sentences:
|
| 122 |
+
- Ống tuỷ chân răng là gì ? | Nha_Khoa_Xuân_Hương_Răng của bạn phía ngoài là men
|
| 123 |
+
, lớp tiếp là ngà , trong cùng là vùng mô mềm gọi là tuỷ răng , ở đó có động_mạch
|
| 124 |
+
, tĩnh_mạch , thần_kinh và các mao_mạch bạch_huyết của răng . Ống tuỷ chân răng
|
| 125 |
+
là những nhánh rất nhỏ , mỏng phân nhánh từ buồng tuỷ phía trên xuống đến chóp
|
| 126 |
+
chân răng . Răng có_thể có từ 1 đến 4 ống tuỷ .
|
| 127 |
+
- Tủy răng là một mô liên_kết đặc_biệt gồm mạch_máu và thần_kinh , nằm trong hốc
|
| 128 |
+
tủy và được bao quanh bởi mô cứng của răng ( gồm men và ngà răng ) . Tủy răng
|
| 129 |
+
đi vào từ đỉnh của chân răng . Hốc tủy là một hốc ở giữa răng . Hốc ở phần thân
|
| 130 |
+
răng gọi là buồng tủy và tủy răng nằm trong đó gọi là tủy buồng . Hốc ở phần chân
|
| 131 |
+
răng gọi là ống tủy và tủy răng nằm trong đó gọi là tủy chân . Mỗi chân răng có_thể
|
| 132 |
+
có 1 hoặc nhiều ống tủy , nhiều ống tủy phụ . Các ống tủy của một răng được gọi
|
| 133 |
+
là hệ_thống ống tủy . Đỉnh của chân răng , nơi có mạch_máu và thần_kinh đi vào
|
| 134 |
+
gọi là chóp răng ( cuống răng ) . Tủy răng tham_gia vào chức_năng cảm_giác , nuôi_dưỡng
|
| 135 |
+
và sửa_chữa ngà răng . Hình_ảnh giải_phẫu răng
|
| 136 |
+
- '5.1 Thuốc nhỏ mắt và thuốc không kê đơn Thuốc nhỏ mắt nhân_tạo có_thể làm rửa
|
| 137 |
+
sạch tạm_thời các chất gây dị_ứng khỏi mắt và làm ẩm mắt . Nước_mắt nhân_tạo giúp
|
| 138 |
+
cho mắt dịu , giảm đỏ và giảm khô kích_ứng . Loại thuốc này có_thể được sử_dụng
|
| 139 |
+
thường_xuyên nếu cần . Thuốc nhỏ mắt thông mũi có tác_dụng làm giảm đỏ mắt do
|
| 140 |
+
dị_ứng mắt bằng cách thu_hẹp những mạch_máu trong mắt . Tuy_nhiên , cần đặc_biệt
|
| 141 |
+
lưu_ý không sử_dụng thuốc trên bệnh_nhân bị tăng nhãn áp . 5.2 Thuốc nhỏ mắt theo
|
| 142 |
+
toa Thuốc nhỏ mắt kháng histamin có_thể làm giảm ngứa , sưng và đỏ do dị_ứng mắt
|
| 143 |
+
. Mặc_dù những loại thuốc này có hiệu_quả nhanh_chóng nhưng tác_dụng có_thể chỉ
|
| 144 |
+
kéo_dài trong vài giờ . Thông_thường liệu_trình điều_trị là 4 lần / ngày . Thuốc
|
| 145 |
+
nhỏ mắt ổn_định tế_bào mast : có tác_dụng ngăn_chặn sự giải_phóng histamin và
|
| 146 |
+
những chất khác gây ra triệu_chứng dị_ứng , qua đó giúp giảm ngứa nhanh_chóng
|
| 147 |
+
. Thuốc nhỏ mắt chống viêm không steroid có tác_dụng giảm ngứa , nhưng có_thể
|
| 148 |
+
gây châm_chích . Thuốc nhỏ mắt có chứa corticosteroid : loại thuốc này có_thể
|
| 149 |
+
giúp điều_trị những triệu_chứng dị_ứng mắt mãn_tính và nghiêm_trọng . Điều_trị
|
| 150 |
+
lâu_dài bằng thuốc steroid cần phải theo phác_đồ điều_trị , vì tác_dụng không
|
| 151 |
+
mong_muốn có_thể làm tăng nguy_cơ nhiễm_trùng , tăng nhãn áp và đục thuỷ_tinh_thể
|
| 152 |
+
.'
|
| 153 |
+
- source_sentence: Tương_tác thuốc Momenazal
|
| 154 |
+
sentences:
|
| 155 |
+
- Sử_dụng chung các thuốc giống thần_kinh giao_cảm nói_chung bao_gồm cả Momenazal
|
| 156 |
+
cho người_bệnh đang dùng các thuốc thuốc chống trầm_cảm ba vòng hay thuốc ức_chế
|
| 157 |
+
monoaminoxydase , maprotilin có_thể gây phản_ứng tăng huyết_áp mức_độ nặng . Nên
|
| 158 |
+
đây là chống chỉ_định tuyệt_đối .
|
| 159 |
+
- 'Cách dùng : Thuốc Tarnir dùng đường uống , bạn nên uống nguyên viên thuốc với
|
| 160 |
+
một cốc nước không nên bẻ hoặc chia nhỏ thuốc . Liều dùng : Thuốc Tarnir được
|
| 161 |
+
dùng theo chỉ_định của bác_sĩ , bạn có_thể tham_khảo thêm liều khuyến_cáo dưới
|
| 162 |
+
đây : Đối_với người_lớn và trẻ_em trên 12 tuổi : Mỗi ngày uống hai lần , mỗi lần
|
| 163 |
+
uống 1 viên , các lần cách nhau 12 giờ . Thời_gian điều_trị tùy thuộc vào đáp_ứng
|
| 164 |
+
của từng bệnh_nhân . Đối_với trẻ_em từ 6 tháng đến 12 tuổi : Liều dùng khuyến_cáo
|
| 165 |
+
là 14mg / kg / ngày , không được vượt quá 600mg / ngày . Đối_với bệnh_nhân suy
|
| 166 |
+
thận : với người có độ thanh thải dưới 30ml / phút , dùng liều 300mg 1 lần duy_nhất
|
| 167 |
+
trong ngày .'
|
| 168 |
+
- Những loại thuốc tuyệt_đối không được dùng chung - Công_ty TNHH Đông_Dược_Xuân_Quang
|
| 169 |
+
Một thiếu_nữ 18 tuổi ở Giang_Môn , Quảng_Đông ( Trung_Quốc ) qua_đời sau khi uống
|
| 170 |
+
hai loại thuốc cảm_cúm cùng lúc . Theo báo_cáo , cô gái sử_dụng một thuốc giảm
|
| 171 |
+
đau và viên nang có chứa thành_phần methoxyphenamine .
|
| 172 |
+
- source_sentence: Các yếu_tố nguy_cơ của ung_thư da
|
| 173 |
+
sentences:
|
| 174 |
+
- "Ung_thư da là sự phát_triển bất_thường của các tế_bào da thường phát_triển nhất\
|
| 175 |
+
\ trên da tiếp_xúc với ánh nắng mặt_trời . Những dạng ung_thư phổ_biến này cũng\
|
| 176 |
+
\ có_thể xảy ra ở những vùng da của bạn không tiếp_xúc với ánh_sáng mặt_trời .\
|
| 177 |
+
\ Có ba loại ung_thư da chính - ung_thư biểu mô tế_bào đáy , ung_thư biểu mô tế_bào\
|
| 178 |
+
\ vảy và khối_u ác_tính . Bạn có_thể giảm nguy_cơ ung_thư da bằng cách hạn_chế\
|
| 179 |
+
\ hoặc tránh tiếp_xúc với tia cực_tím ( UV ) . Kiểm_tra làn da của bạn để biết\
|
| 180 |
+
\ những thay_đổi đáng ngờ có_thể giúp phát_hiện ung_thư da ở giai_đoạn sớm nhất\
|
| 181 |
+
\ . Phát_hiện sớm ung_thư da mang đến cho bạn cơ_hội lớn nhất để điều_trị ung_thư\
|
| 182 |
+
\ da thành_công . Ung_thư biểu mô tế_bào vảy là một loại ung_thư da thường gặp\
|
| 183 |
+
\ \n Hầu_hết các bệnh ung_thư da đều có_thể phòng_ngừa được . Để bảo_vệ bản_thân\
|
| 184 |
+
\ , hãy làm theo các mẹo phòng_chống ung_thư da sau : Tránh ánh nắng mặt_trời\
|
| 185 |
+
\ vào giữa ngày . Đối_với nhiều người ở Bắc_Mỹ , các tia nắng mặt_trời mạnh nhất\
|
| 186 |
+
\ trong khoảng từ 10 giờ sáng đến 4 giờ chiều . Lên lịch các hoạt_động ngoài_trời\
|
| 187 |
+
\ cho những thời_điểm khác trong ngày , ngay cả trong mùa đông hoặc khi trời nhiều\
|
| 188 |
+
\ mây . Bạn hấp_thụ bức_xạ UV quanh_năm và các đám mây cung_cấp ít sự bảo_vệ khỏi\
|
| 189 |
+
\ các tia gây hại . Tránh ánh nắng mặt_trời mạnh nhất giúp bạn tránh được những\
|
| 190 |
+
\ vết cháy nắng và nắng_nóng gây tổn_thương da và tăng nguy_cơ phát_triển ung_thư\
|
| 191 |
+
\ da . Phơi nắng tích_lũy theo thời_gian cũng có_thể gây ung_thư da . Mặc kem\
|
| 192 |
+
\ chống nắng quanh_năm : Kem chống nắng không lọc được tất_cả các bức_xạ tia cực_tím\
|
| 193 |
+
\ có hại , đặc_biệt là bức_xạ có_thể dẫn đến khối_u ác_tính . Nhưng chúng đóng\
|
| 194 |
+
\ một vai_trò quan_trọng trong một chương_trình chống nắng tổng_thể . Sử_dụng\
|
| 195 |
+
\ kem chống nắng là một_cách phòng_ngừa bệnh ung_thư da Sử_dụng kem chống nắng\
|
| 196 |
+
\ phổ rộng với SPF ít_nhất là 30 , ngay cả trong những ngày nhiều mây . Thoa kem\
|
| 197 |
+
\ chống nắng một_cách hào_phóng , và bôi lại sau mỗi hai giờ - hoặc thường_xuyên\
|
| 198 |
+
\ hơn nếu bạn đang bơi hoặc ra mồ_hôi . Sử_dụng một lượng lớn kem chống nắng trên\
|
| 199 |
+
\ tất_cả các vùng da bị phơi nhiễm , bao_gồm cả môi , chóp tai và mu bàn_tay và\
|
| 200 |
+
\ cổ của bạn . Mặc quần_áo bảo_hộ : kem chống nắng không cung_cấp sự bảo_vệ hoàn_toàn\
|
| 201 |
+
\ khỏi tia UV. Vì_vậy , che_phủ làn da của bạn với quần_áo tối màu , dệt chặt_chẽ\
|
| 202 |
+
\ che cánh_tay và chân của bạn , và một chiếc mũ rộng vành , mang lại sự bảo_vệ\
|
| 203 |
+
\ nhiều hơn so với mũ bóng_chày hoặc tấm che mặt . Đeo kính_râm : hãy tìm những\
|
| 204 |
+
\ loại chặn cả hai loại bức_xạ UV - tia UVA và UVB. Kiểm_tra da của bạn thường_xuyên\
|
| 205 |
+
\ và báo_cáo thay_đổi với bác_sĩ của bạn . Kiểm_tra da của bạn thường_xuyên để\
|
| 206 |
+
\ ph��t_triển da mới hoặc thay_đổi trong các nốt_ruồi , tàn_nhang , vết sưng và\
|
| 207 |
+
\ vết bớt hiện có . Khách_hàng có_thể trực_tiếp đến hệ_thống Y_tế Vinmec trên\
|
| 208 |
+
\ toàn_quốc để thăm khám hoặc liên_hệ hotline tại đây để được hỗ_trợ ."
|
| 209 |
+
- '2.1 . Chỉ_định Thuốc Phacoparamol được dùng trong các trường_hợp sau : Sốt ,
|
| 210 |
+
đau_đầu , đau nhức cơ_bắp , đau khớp do cảm_cúm , cảm lạnh gây ra . Hỗ_trợ điều_trị
|
| 211 |
+
triệu_chứng_bệnh nhiễm_trùng đường hô_hấp trên gây hắt_hơi , chảy nước_mắt , nghẹt
|
| 212 |
+
mũi , sổ_mũi , ớn lạnh ; giảm triệu_chứng viêm xoang mũi do nhiễm_khuẩn hay thời_tiết
|
| 213 |
+
, viêm mũi dị_ứng . 2.2 . Chống chỉ_định Không dùng thuốc Phacoparamol trong trường_hợp
|
| 214 |
+
sau : Bệnh_nhân suy gan hoặc bị suy thận nặng . Người mẫn_cảm với bất_kỳ thành_phần_nào
|
| 215 |
+
của thuốc Phacoparamol . Người_bệnh đang bị cơn hen cấp . Người_bệnh thiếu_hụt
|
| 216 |
+
glucose - 6 – phosphat dehydrogenase ( G6PD ) Người_bệnh có triệu_chứng của bệnh
|
| 217 |
+
phì đại tuyến tiền_liệt ; tắc cổ bàng_quang ; Glocom góc hẹp . Người_bệnh dùng
|
| 218 |
+
thuốc ức_chế monoamin oxydase ( IMAO ) trong vòng 14 ngày , tính đến thời_điểm
|
| 219 |
+
điều_trị bằng thuốc clorpheniramin . Vì tính_chất chống tiết acetylcholin của
|
| 220 |
+
clorpheniramin bị tăng lên khi dùng chung với các chất ức_chế MAO.'
|
| 221 |
+
- 'Ung_Thư Da Sức_Khoẻ Bí_quyết chăm_sóc sức_khoẻ cho mọi người Home Các Loại Bệnh
|
| 222 |
+
Bệnh_Về Da và Tóc Ung_Thư Da Tiếp_xúc với những nguy_hại của môi_trường như môi_trường
|
| 223 |
+
như môi_trường hoá_chất , thuốc diệt cỏ cũng tăng nguy_cơ ung_thư da . Nói_chung
|
| 224 |
+
nguy_cơ mắc ung_thư da của bạn tăng lên theo tuổi , thường nhất là sau 50 tuổi
|
| 225 |
+
. Tuy_nhiên một_số trường_hợp vẫn thấy ung_thư ở người trẻ từ Các biện_pháp điều_trị
|
| 226 |
+
ung_thư da và sang thương tiền ung_thư da thay_đổi tuỳ theo kích_thước , phân_loại
|
| 227 |
+
, độ ăn sâu và vị_trí của một hoặc nhiều sang thương . Hầu_hết đều dùng biện_pháp
|
| 228 |
+
vô_cảm tại_chỗ và điều_trị ngoại_trú , nhưng đôi_khi chỉ thực_hiện_sinh_thiết
|
| 229 |
+
sang thương . Hầu_hết các trường_hợp ung_thư da đều có_thể phòng_ngừa được . Bạn
|
| 230 |
+
nên thực_hiện theo một_số biện_pháp sau để duy_trì sự khoẻ_mạnh của làn da . Những
|
| 231 |
+
cách phòng_ngừa : Giảm thời_gian phơi nắng . Tránh làm_việc và tiếp_xúc ánh nắng
|
| 232 |
+
mặt_trời quá lâu . Bỏng nắng , sạm nắng đều tăng Dấu_hiệu báo_động thường gặp
|
| 233 |
+
nhất của ung_thư da là một chỗ biến_đổi bất_thường của da , ví_dụ như một vết
|
| 234 |
+
loét đau , chảy_máu , đóng mài trên bề_mặt , lành rồi sau đó lại loét trợ lại
|
| 235 |
+
ngay tại vị_trí này . Dấu_hiệu và triệu_chứng Dấu_hiệu đầu_tiên thường gặp của
|
| 236 |
+
ung Ung_thư da là một tình_trạng phát_triển bất_thường của tế_bào da . Một trong
|
| 237 |
+
những dạng ung_thư phổ_biến nhất hiện_nay . Ba loại ung_thư da thường gặp là ung_thư
|
| 238 |
+
tế_bào đáy , tế_bào sừng và tế_bào hắc tố , trong đó phổ_biến nhất là ung_thư
|
| 239 |
+
tế_bào đáy và tế'
|
| 240 |
+
- source_sentence: 'Phương_pháp điều_trị tự_nhiên số 5 : Châm_cứu'
|
| 241 |
+
sentences:
|
| 242 |
+
- Châm_cứu là một hình_thức y_học cổ_truyền của Trung_Quốc . Các kim rất mỏng được
|
| 243 |
+
đưa vào da của bạn ở các điểm khác nhau trên_cơ_thể . Nó được sử_dụng để điều_trị
|
| 244 |
+
nhiều tình_trạng khác nhau . Một bài báo được xuất_bản trong Cơ_sở dữ_liệu Cochrane
|
| 245 |
+
về các đánh_giá có hệ_thống cho thấy nó có_thể giúp điều_trị chứng đau cơ xơ_hóa
|
| 246 |
+
. Các tác_giả đã đánh_giá 9 nghiên_cứu với tổng_số 395 người tham_gia . Họ đã
|
| 247 |
+
tìm ra một_số bằng_chứng cho thấy châm_cứu có_thể giúp cải_thiện tình_trạng đau
|
| 248 |
+
và cứng khớp .
|
| 249 |
+
- 'Một_số tương_tác thuốc của Hemarexin gồm : Ofloxacin , norfloxacin , ciprofloxacin
|
| 250 |
+
, Ca carbonate , Na carbonate , Mg trisilicat , Tetracyclin , nước chè , Penicilamin
|
| 251 |
+
, carbidopa / levodopa , methyldopa , hormon giáp , quinolon , muối Zn , ... khi
|
| 252 |
+
sử_dụng đồng_thời . Trước khi sử_dụng thuốc Hemarexin , người_bệnh nên báo_cáo
|
| 253 |
+
cho bác_sĩ về bệnh_lý của bản_thân , các loại thuốc mình đang sử_dụng để đề_phòng
|
| 254 |
+
nguy_cơ tương_tác thuốc . Khi dùng thuốc , bệnh_nhân nên tuân_thủ đúng hướng_dẫn
|
| 255 |
+
của bác_sĩ để luôn đạt được hiệu_quả trị_liệu tốt nhất . Theo_dõi website Bệnh_viện
|
| 256 |
+
Đa_khoa Quốc_tế Vinmec để nắm thêm nhiều thông_tin sức_khỏe , dinh_dưỡng , làm_đẹp
|
| 257 |
+
để bảo_vệ sức_khỏe cho bản_thân và những người_thân_yêu trong gia_đình . Để đặt
|
| 258 |
+
lịch khám tại viện , Quý_khách vui_lòng bấm số HOTLINE hoặc đặt lịch trực_tiếp
|
| 259 |
+
TẠI ĐÂY . Tải và đặt lịch khám tự_động trên ứng_dụng MyVinmec để quản_lý , theo_dõi
|
| 260 |
+
lịch và đặt hẹn mọi lúc mọi nơi ngay trên ứng_dụng .'
|
| 261 |
+
- Những lợi_ích của châm_cứu đối_với sức_khoẻ An Hoà Khang Những lợi_ích của châm_cứu
|
| 262 |
+
đối_với sức_khoẻ Mặc_dù lão_hoá là một quá_trình_tự_nhiên của cơ_thể nhưng châm_cứu
|
| 263 |
+
có_thể giúp làm chậm quá_trình này và giảm hiện_tượng lão_hoá hiệu_quả . Châm_cứu_giúp
|
| 264 |
+
làm_đẹp da bằng cách tăng_cường lưu_thông máu đến các tế_bào da . Nó cũng giúp
|
| 265 |
+
làm giảm nếp nhăn , đốm đồi_mồi và các dấu_hiệu lão_hoá khác . Đẩy_lùi viêm họng
|
| 266 |
+
Đau họng có_thể là do bạn đã bị nhiễm_trùng , dị_ứng hoặc do các chất kích_thích
|
| 267 |
+
. Việc châm_cứu_giúp tăng_cường lưu_thông máu , từ đó cải_thiện hệ miễn_dịch và
|
| 268 |
+
khắc_phục các vấn_đề về hô_hấp hiệu_quả . Châm_cứu làm tăng lưu_lượng máu đến
|
| 269 |
+
tử_cung , giúp thư giãn các cơ và kích_thích giải_phóng endorphin trong não để
|
| 270 |
+
bạn quên đi cảm_giác khó_chịu và đau_đớn trong những ngày " đèn_đỏ " . Nếu muốn
|
| 271 |
+
có đời_sống tình_dục tốt , bạn cần có sức_khoẻ tốt về cả_thể_chất lẫn tinh_thần
|
| 272 |
+
và không bị rối_loạn tình_dục . Châm_cứu có_thể cải_thiện sức_khoẻ thể_chất và
|
| 273 |
+
tinh_thần , từ đó giúp bạn có đời_sống tình_dục tốt_đẹp . Châm_cứu còn có_thể
|
| 274 |
+
giúp điều_trị các chứng rối_loạn tình_dục như rối_loạn cương dương , xuất_tinh
|
| 275 |
+
sớm ... Châm_cứu cũng được xem là một phương_pháp điều_trị hen_suyễn rất hiệu_quả
|
| 276 |
+
. Các nghiên_cứu đã chỉ ra rằng , khoảng 70 bệnh_nhân bị hen_suyễn đã giảm bớt
|
| 277 |
+
các triệu_chứng của bệnh sau khi điều_trị bằng cách châm_cứu . Đối_phó với hội_chứng
|
| 278 |
+
ống cổ_tay Hội_chứng ống cổ_tay hay còn gọi là hội_chứng đường_hầm cổ_tay , hội_chứng
|
| 279 |
+
chèn_ép thần_kinh giữa . Hội_chứng này xảy ra khi dây thần_kinh hoặc dây_chằng
|
| 280 |
+
trong ống cổ_tay bị kích_thích do chấn_thương . Các biểu_hiện lâm_sàng của hội_chứng
|
| 281 |
+
ống cổ_tay là ngứa ran hoặc tê ở lòng bàn_tay và các ngón tay , đặc_biệt là ngón_cái
|
| 282 |
+
và ngón_giữa . Châm_cứu là một phương_pháp điều_trị hội_chứng ống cổ_tay rất hiệu_quả
|
| 283 |
+
thay_vì bạn phải tiến_hành phẫu_thuật .
|
| 284 |
+
datasets:
|
| 285 |
+
- anti-ai/ViNLI-Healthcare-supervised
|
| 286 |
+
pipeline_tag: sentence-similarity
|
| 287 |
+
library_name: sentence-transformers
|
| 288 |
+
---
|
| 289 |
+
|
| 290 |
+
# SentenceTransformer based on vinai/phobert-base-v2
|
| 291 |
+
|
| 292 |
+
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [vinai/phobert-base-v2](https://huggingface.co/vinai/phobert-base-v2) on the [vi_nli-healthcare-supervised](https://huggingface.co/datasets/anti-ai/ViNLI-Healthcare-supervised) dataset. It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.
|
| 293 |
+
|
| 294 |
+
## Model Details
|
| 295 |
+
|
| 296 |
+
### Model Description
|
| 297 |
+
- **Model Type:** Sentence Transformer
|
| 298 |
+
- **Base model:** [vinai/phobert-base-v2](https://huggingface.co/vinai/phobert-base-v2) <!-- at revision e2375d266bdf39c6e8e9a87af16a5da3190b0cc8 -->
|
| 299 |
+
- **Maximum Sequence Length:** 128 tokens
|
| 300 |
+
- **Output Dimensionality:** 768 dimensions
|
| 301 |
+
- **Similarity Function:** Cosine Similarity
|
| 302 |
+
- **Training Dataset:**
|
| 303 |
+
- [vi_nli-healthcare-supervised](https://huggingface.co/datasets/anti-ai/ViNLI-Healthcare-supervised)
|
| 304 |
+
- **Language:** vi
|
| 305 |
+
<!-- - **License:** Unknown -->
|
| 306 |
+
|
| 307 |
+
### Model Sources
|
| 308 |
+
|
| 309 |
+
- **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
|
| 310 |
+
- **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
|
| 311 |
+
- **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
|
| 312 |
+
|
| 313 |
+
### Full Model Architecture
|
| 314 |
+
|
| 315 |
+
```
|
| 316 |
+
SentenceTransformer(
|
| 317 |
+
(0): Transformer({'max_seq_length': 128, 'do_lower_case': False}) with Transformer model: RobertaModel
|
| 318 |
+
(1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
|
| 319 |
+
)
|
| 320 |
+
```
|
| 321 |
+
|
| 322 |
+
## Usage
|
| 323 |
+
|
| 324 |
+
### Direct Usage (Sentence Transformers)
|
| 325 |
+
|
| 326 |
+
First install the Sentence Transformers library:
|
| 327 |
+
|
| 328 |
+
```bash
|
| 329 |
+
pip install -U sentence-transformers
|
| 330 |
+
```
|
| 331 |
+
|
| 332 |
+
Then you can load this model and run inference.
|
| 333 |
+
```python
|
| 334 |
+
from sentence_transformers import SentenceTransformer
|
| 335 |
+
|
| 336 |
+
# Download from the 🤗 Hub
|
| 337 |
+
model = SentenceTransformer("sentence_transformers_model_id")
|
| 338 |
+
# Run inference
|
| 339 |
+
sentences = [
|
| 340 |
+
'Phương_pháp điều_trị tự_nhiên số 5 : Châm_cứu',
|
| 341 |
+
'Châm_cứu là một hình_thức y_học cổ_truyền của Trung_Quốc . Các kim rất mỏng được đưa vào da của bạn ở các điểm khác nhau trên_cơ_thể . Nó được sử_dụng để điều_trị nhiều tình_trạng khác nhau . Một bài báo được xuất_bản trong Cơ_sở dữ_liệu Cochrane về các đánh_giá có hệ_thống cho thấy nó có_thể giúp điều_trị chứng đau cơ xơ_hóa . Các tác_giả đã đánh_giá 9 nghiên_cứu với tổng_số 395 người tham_gia . Họ đã tìm ra một_số bằng_chứng cho thấy châm_cứu có_thể giúp cải_thiện tình_trạng đau và cứng khớp .',
|
| 342 |
+
'Những lợi_ích của châm_cứu đối_với sức_khoẻ An Hoà Khang Những lợi_ích của châm_cứu đối_với sức_khoẻ Mặc_dù lão_hoá là một quá_trình_tự_nhiên của cơ_thể nhưng châm_cứu có_thể giúp làm chậm quá_trình này và giảm hiện_tượng lão_hoá hiệu_quả . Châm_cứu_giúp làm_đẹp da bằng cách tăng_cường lưu_thông máu đến các tế_bào da . Nó cũng giúp làm giảm nếp nhăn , đốm đồi_mồi và các dấu_hiệu lão_hoá khác . Đẩy_lùi viêm họng Đau họng có_thể là do bạn đã bị nhiễm_trùng , dị_ứng hoặc do các chất kích_thích . Việc châm_cứu_giúp tăng_cường lưu_thông máu , từ đó cải_thiện hệ miễn_dịch và khắc_phục các vấn_đề về hô_hấp hiệu_quả . Châm_cứu làm tăng lưu_lượng máu đến tử_cung , giúp thư giãn các cơ và kích_thích giải_phóng endorphin trong não để bạn quên đi cảm_giác khó_chịu và đau_đớn trong những ngày " đèn_đỏ " . Nếu muốn có đời_sống tình_dục tốt , bạn cần có sức_khoẻ tốt về cả_thể_chất lẫn tinh_thần và không bị rối_loạn tình_dục . Châm_cứu có_thể cải_thiện sức_khoẻ thể_chất và tinh_thần , từ đó giúp bạn có đời_sống tình_dục tốt_đẹp . Châm_cứu còn có_thể giúp điều_trị các chứng rối_loạn tình_dục như rối_loạn cương dương , xuất_tinh sớm ... Châm_cứu cũng được xem là một phương_pháp điều_trị hen_suyễn rất hiệu_quả . Các nghiên_cứu đã chỉ ra rằng , khoảng 70 bệnh_nhân bị hen_suyễn đã giảm bớt các triệu_chứng của bệnh sau khi điều_trị bằng cách châm_cứu . Đối_phó với hội_chứng ống cổ_tay Hội_chứng ống cổ_tay hay còn gọi là hội_chứng đường_hầm cổ_tay , hội_chứng chèn_ép thần_kinh giữa . Hội_chứng này xảy ra khi dây thần_kinh hoặc dây_chằng trong ống cổ_tay bị kích_thích do chấn_thương . Các biểu_hiện lâm_sàng của hội_chứng ống cổ_tay là ngứa ran hoặc tê ở lòng bàn_tay và các ngón tay , đặc_biệt là ngón_cái và ngón_giữa . Châm_cứu là một phương_pháp điều_trị hội_chứng ống cổ_tay rất hiệu_quả thay_vì bạn phải tiến_hành phẫu_thuật .',
|
| 343 |
+
]
|
| 344 |
+
embeddings = model.encode(sentences)
|
| 345 |
+
print(embeddings.shape)
|
| 346 |
+
# [3, 768]
|
| 347 |
+
|
| 348 |
+
# Get the similarity scores for the embeddings
|
| 349 |
+
similarities = model.similarity(embeddings, embeddings)
|
| 350 |
+
print(similarities.shape)
|
| 351 |
+
# [3, 3]
|
| 352 |
+
```
|
| 353 |
+
|
| 354 |
+
<!--
|
| 355 |
+
### Direct Usage (Transformers)
|
| 356 |
+
|
| 357 |
+
<details><summary>Click to see the direct usage in Transformers</summary>
|
| 358 |
+
|
| 359 |
+
</details>
|
| 360 |
+
-->
|
| 361 |
+
|
| 362 |
+
<!--
|
| 363 |
+
### Downstream Usage (Sentence Transformers)
|
| 364 |
+
|
| 365 |
+
You can finetune this model on your own dataset.
|
| 366 |
+
|
| 367 |
+
<details><summary>Click to expand</summary>
|
| 368 |
+
|
| 369 |
+
</details>
|
| 370 |
+
-->
|
| 371 |
+
|
| 372 |
+
<!--
|
| 373 |
+
### Out-of-Scope Use
|
| 374 |
+
|
| 375 |
+
*List how the model may foreseeably be misused and address what users ought not to do with the model.*
|
| 376 |
+
-->
|
| 377 |
+
|
| 378 |
+
<!--
|
| 379 |
+
## Bias, Risks and Limitations
|
| 380 |
+
|
| 381 |
+
*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
|
| 382 |
+
-->
|
| 383 |
+
|
| 384 |
+
<!--
|
| 385 |
+
### Recommendations
|
| 386 |
+
|
| 387 |
+
*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
|
| 388 |
+
-->
|
| 389 |
+
|
| 390 |
+
## Training Details
|
| 391 |
+
|
| 392 |
+
### Training Dataset
|
| 393 |
+
|
| 394 |
+
#### vi_nli-healthcare-supervised
|
| 395 |
+
|
| 396 |
+
* Dataset: [vi_nli-healthcare-supervised](https://huggingface.co/datasets/anti-ai/ViNLI-Healthcare-supervised) at [3aadc4d](https://huggingface.co/datasets/anti-ai/ViNLI-Healthcare-supervised/tree/3aadc4df7524e16cc502f124a2b3ba77bd15c976)
|
| 397 |
+
* Size: 1,032,889 training samples
|
| 398 |
+
* Columns: <code>anchor</code>, <code>positive</code>, and <code>negative</code>
|
| 399 |
+
* Approximate statistics based on the first 1000 samples:
|
| 400 |
+
| | anchor | positive | negative |
|
| 401 |
+
|:--------|:---------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|
|
| 402 |
+
| type | string | string | string |
|
| 403 |
+
| details | <ul><li>min: 3 tokens</li><li>mean: 10.1 tokens</li><li>max: 30 tokens</li></ul> | <ul><li>min: 2 tokens</li><li>mean: 118.68 tokens</li><li>max: 128 tokens</li></ul> | <ul><li>min: 20 tokens</li><li>mean: 118.11 tokens</li><li>max: 128 tokens</li></ul> |
|
| 404 |
+
* Samples:
|
| 405 |
+
| anchor | positive | negative |
|
| 406 |
+
|:---------------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
|
| 407 |
+
| <code>Triệu_chứng của u sợi thần_kinh hạ_thanh môn</code> | <code>Bệnh có_thể gặp ở từ 2 đến 60 tuổi nhưng hầu_hết tập_trung ở trẻ_em . Các triệu_chứng của u sợi thần_kinh hạ_thanh môn là khàn tiếng , khó thở , khò_khè , khó nuốt , khó phát_âm ... Trẻ thường được chẩn_đoán nhầm là hen phế_quản và được cho điều_trị nội_khoa nhưng không đáp_ứng với điều_trị . Tình_trạng khó thở ngày_càng tăng đặc_biệt khi nằm , trẻ phải ngồi , nằm đầu cao hoặc ngước cổ lên để thở . Trẻ thường nhập_viện với tình_trạng khó thở nặng , đôi_khi phải mở khí_quản cấp_cứu . Để chẩn_đoán bệnh , bác_sĩ sẽ nội_soi thanh_quản , chụp cắt_lớp vi_tính và sinh_thiết lấy mẫu bệnh_phẩm để thực_hiện xét_nghiệm giải_phẫu bệnh . Xét_nghiệm cho thấy là các tế_bào hình_thoi với nhân gợn sóng , collagen và những sợi thần_kinh trong đó . Ngoài_ra , có_thể xét_nghiệm_hóa mô miễn_dịch dương_tính với S100 để chẩn_đoán u sợi thần_kinh hạ_thanh môn .</code> | <code>Triệu_chứng ung_thư thanh_quản | Triệu_chứng ung_thư thanh_quản > Hiện_nay , rất nhiều người chưa hiểu đầy_đủ về bệnh ung_thư thanh_quản , không biết về các triệu_chứng của nó , không ít bệnh_nhân vì_thế_mà để mất cơ_hội điều_trị bệnh tốt nhất , gây nguy_hại đến tính_mạng . Vậy thì , sau đây chúng_tôi sẽ giới_thiệu tới các bạn những dạng bệnh và triệu_chứng cơ_bản của ung_thư thanh_quản . Khối_u có_thể nằm ở những vị_trí khác nhau của vùng hầu họng , thông_thường chia ung_thư vòm họng thành ba loại : ung_thư trên thanh môn , ung_thư thanh môn và ung_thư dưới thanh môn . Ung_thư thanh_quản trên thanh môn chỉ khối_u nằm ở vị_trí trên dây thanh , ung_thư thanh môn là chỉ ung_thư dây thanh , ung_thư dưới thanh môn là chỉ khối_u nằm ở dưới thanh đới và trên sụn nhẫn . Ung_thư thanh_quản có những triệu_chứng gì ? 1 . Giọng nói khản cổ kéo_dài , họng có cảm_giác vướng hoặc nuốt đau : Khàn tiếng liên_tục là triệu_chứng thường gặp nhất của ung_thư thanh_quản giai_đoạn sớm . Trong cuộc_sống hằng...</code> |
|
| 408 |
+
| <code>Quy_trình chụp cắt_lớp vi_tính hốc mắt axial và coronal có tiêm thuốc cản_quang</code> | <code>Khi người gặp chấn_thương vùng hốc mắt , bác_sĩ sẽ có chỉ_định chụp cắt_lớp vi_tính Chỉ_định : ● Chấn_thương vùng hốc mắt . ● Viêm , nhiễm_trùng như viêm dây thần_kinh thị_giác ... ● Nghi_ngờ có tổn_thương mạch_máu , thần_kinh , khối_u trong vùng hốc mắt . ● Chỉ_định theo yêu_cầu chuyên_môn của bác_sĩ điều_trị . Chống chỉ_định : ● Chống chỉ_định tương_đối : Phụ_nữ mang thai , trẻ nhỏ . Phụ_nữ mang thai nếu chụp phải dùng áo chì để che vùng bụng nếu chụp . ● Chống chỉ_định tuyệt_đối trong các trường_hợp có chống chỉ_định với thuốc đối quang như : Bệnh_nhân mắc bệnh suy thận , suy gan , suy tim nặng , tiền_sử dị_ứng với thuốc cản_quang , hen phế_quản hay cường_giáp_trạng chưa điều_trị ổn_định ... <br> ● Trẻ nhỏ có_thể không hợp_tác trong quá_trình chụp : Xử_trí bằng cách có_thể chụp lúc trẻ ngủ , dùng thuốc an_thần hoặc một_số trường_hợp phải gây_mê . ● Người_bệnh không_thể ngửa cổ được khi chụp lớp cắt đứng ngang ( coronal ) , có_thể tái_tạo_hình_ảnh từ hướng cắt ngang đối_với các máy chụp...</code> | <code>Hệ_thống chụp cắt_lớp võng_mạc hỗ_trợ chẩn_đoán các bệnh_lý chuyên_sâu ( VO H ) - Bệnh_viện Mắt TPHCM vừa được trang_bị Hệ_thống chụp cắt_lớp võng_mạc CIRRUS HD - OCT 5000 ( OCT - A ) nhằm hỗ_trợ chẩn_đoán các bệnh_lý chuyên_sâu về mắt . Đây là máy chẩn_đoán hình_ảnh không xâm_lấn có_thể chụp được những vi_mạch_máu của võng_mạc , hắc mạc , được xem là thành_tựu công_nghệ sáng_tạo nổi_bật mới được Cục quản_l�� thuốc và thực_phẩm Mỹ công_nhận . Máy OCT - A sử_dụng kỹ_thuật laser quét để ghi_nhận hình_ảnh các mạch_máu ở võng_mạc là lớp thần_kinh của mắt . Xét_nghiệm thực_hiện nhanh chỉ trong vòng 15 giây , người_bệnh chỉ cần nhìn vào tia hướng_dẫn trong máy như đo kính thông_thường . Ngoài_ra tia laser quét ở phổ hồng_ngoại có năng_lượng thấp không gây bất_cứ tổn_thương nào cho mắt của người_bệnh . Trước_đây để ghi_nhận được hình_ảnh các mạch_máu tương_tự thì phải tiêm thuốc cản_quang vào tĩnh_mạch người_bệnh và điều này tiềm_ẩn rủi_ro do thuốc gây ra . Người_bệnh cũng phải chịu hàng chục ...</code> |
|
| 409 |
+
| <code>Thế_nào là hở van tim 3 lá ?</code> | <code>Van 3 lá nằm giữa tâm_nhĩ phải và tâm_thất phải của tim , có tác_dụng cho máu lưu_thông theo một_chiều từ tâm_nhĩ xuống tâm_thất . Van 3 lá sẽ mở ra khi tâm_nhĩ co lại để bơm máu vào tâm_thất phải , van ba_lá đóng lại khi tâm_thất co tống máu vào động_mạch phổi , để có_thể ngăn dòng máu chảy ngược về tâm_nhĩ . Hở van tim 3 lá là tình_trạng van không đóng kín hoàn_toàn khi tâm_thất phải co lại , để bơm máu lên động_mạch phổi , khiến cho một phần máu bị trào ngược trở_lại thất phải . Khi có một lượng máu chảy ngược trở_lại tâm_nhĩ thì tâm_nhĩ phải cần phải hoạt_động nhiều hơn và trở_nên to ra , lâu dần gây suy chức_năng tim phải và gây ra nhiều biến_chứng như suy tim , rung nhĩ ... Hở van ba_lá tùy theo mức_độ mà được chia thành 4 mức_độ khác nhau : Hở van tim tim 3 lá 1 / 4 : Mức_độ hở van ba_lá nhẹ nhất , thông_thường còn được gọi là hở van sinh_lý , có_thể gặp ở nhiều người khỏe mạnh bình_thường . Hở van 2 lá 2 / 4 : Mức_độ hở van trung_bình và cần tiến_hành điều_trị khi thấy có các t...</code> | <code>Trang_chủ Bệnh tim_mạch Bệnh_lý về van tim Hở van tim 3 lá Hở van tim 3 lá là gì ? 19 / 04 / 2016 534 luợt xem Hở van tim 3 lá là gì , hậu_quả hở van tim 3 lá như thế_nào và hở van tim 3 lá cần lưu_ý những gì là những vấn_đề mọi người cần trang_bị cho mình những kiến_thức cần_thiết để biết cách đối_phó với căn_bệnh nguy_hiểm này . Van tim 3 lá bị hở cần được phát_hiện sớm và điều_trị hiệu_quả . Khi hai tâm_thất bóp ( thời_kỳ tâm thu ) thì van 2 lá và van 3 lá đóng kín , đồng_thời van động_mạch chủ và van động_mạch phổi mở để đẩy máu lên phổi và đưa máu giàu ôxy tới nuôi các tế_bào . Khi tâm_nhĩ nghỉ ( thời_kỳ tâm trương ) , 2 van động_mạch chủ và phổi đóng kín để máu không chảy ngược_lại tâm_thất được . Chúng_ta có_thể coi các van tim là những cánh cửa , khi mở ra cho máu chảy một_chiều , khi đóng lại giữ máu không chảy ngược_lại được . Van tim 3 lá là van tim thông giữa tâm_nhĩ phải và tâm_thất phải . Nếu van 3 lá bị hở , người_ta gọi là bệnh hở van tim 3 lá . Nguyên_nhân hở van tim 3...</code> |
|
| 410 |
+
* Loss: [<code>MultipleNegativesRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters:
|
| 411 |
+
```json
|
| 412 |
+
{
|
| 413 |
+
"scale": 20.0,
|
| 414 |
+
"similarity_fct": "cos_sim"
|
| 415 |
+
}
|
| 416 |
+
```
|
| 417 |
+
|
| 418 |
+
### Training Hyperparameters
|
| 419 |
+
#### Non-Default Hyperparameters
|
| 420 |
+
|
| 421 |
+
- `per_device_train_batch_size`: 128
|
| 422 |
+
- `learning_rate`: 0.0001
|
| 423 |
+
- `weight_decay`: 0.1
|
| 424 |
+
- `num_train_epochs`: 1
|
| 425 |
+
- `warmup_ratio`: 0.1
|
| 426 |
+
- `fp16`: True
|
| 427 |
+
- `batch_sampler`: no_duplicates
|
| 428 |
+
|
| 429 |
+
#### All Hyperparameters
|
| 430 |
+
<details><summary>Click to expand</summary>
|
| 431 |
+
|
| 432 |
+
- `overwrite_output_dir`: False
|
| 433 |
+
- `do_predict`: False
|
| 434 |
+
- `eval_strategy`: no
|
| 435 |
+
- `prediction_loss_only`: True
|
| 436 |
+
- `per_device_train_batch_size`: 128
|
| 437 |
+
- `per_device_eval_batch_size`: 8
|
| 438 |
+
- `per_gpu_train_batch_size`: None
|
| 439 |
+
- `per_gpu_eval_batch_size`: None
|
| 440 |
+
- `gradient_accumulation_steps`: 1
|
| 441 |
+
- `eval_accumulation_steps`: None
|
| 442 |
+
- `torch_empty_cache_steps`: None
|
| 443 |
+
- `learning_rate`: 0.0001
|
| 444 |
+
- `weight_decay`: 0.1
|
| 445 |
+
- `adam_beta1`: 0.9
|
| 446 |
+
- `adam_beta2`: 0.999
|
| 447 |
+
- `adam_epsilon`: 1e-08
|
| 448 |
+
- `max_grad_norm`: 1.0
|
| 449 |
+
- `num_train_epochs`: 1
|
| 450 |
+
- `max_steps`: -1
|
| 451 |
+
- `lr_scheduler_type`: linear
|
| 452 |
+
- `lr_scheduler_kwargs`: {}
|
| 453 |
+
- `warmup_ratio`: 0.1
|
| 454 |
+
- `warmup_steps`: 0
|
| 455 |
+
- `log_level`: passive
|
| 456 |
+
- `log_level_replica`: warning
|
| 457 |
+
- `log_on_each_node`: True
|
| 458 |
+
- `logging_nan_inf_filter`: True
|
| 459 |
+
- `save_safetensors`: True
|
| 460 |
+
- `save_on_each_node`: False
|
| 461 |
+
- `save_only_model`: False
|
| 462 |
+
- `restore_callback_states_from_checkpoint`: False
|
| 463 |
+
- `no_cuda`: False
|
| 464 |
+
- `use_cpu`: False
|
| 465 |
+
- `use_mps_device`: False
|
| 466 |
+
- `seed`: 42
|
| 467 |
+
- `data_seed`: None
|
| 468 |
+
- `jit_mode_eval`: False
|
| 469 |
+
- `use_ipex`: False
|
| 470 |
+
- `bf16`: False
|
| 471 |
+
- `fp16`: True
|
| 472 |
+
- `fp16_opt_level`: O1
|
| 473 |
+
- `half_precision_backend`: auto
|
| 474 |
+
- `bf16_full_eval`: False
|
| 475 |
+
- `fp16_full_eval`: False
|
| 476 |
+
- `tf32`: None
|
| 477 |
+
- `local_rank`: 0
|
| 478 |
+
- `ddp_backend`: None
|
| 479 |
+
- `tpu_num_cores`: None
|
| 480 |
+
- `tpu_metrics_debug`: False
|
| 481 |
+
- `debug`: []
|
| 482 |
+
- `dataloader_drop_last`: False
|
| 483 |
+
- `dataloader_num_workers`: 0
|
| 484 |
+
- `dataloader_prefetch_factor`: None
|
| 485 |
+
- `past_index`: -1
|
| 486 |
+
- `disable_tqdm`: False
|
| 487 |
+
- `remove_unused_columns`: True
|
| 488 |
+
- `label_names`: None
|
| 489 |
+
- `load_best_model_at_end`: False
|
| 490 |
+
- `ignore_data_skip`: False
|
| 491 |
+
- `fsdp`: []
|
| 492 |
+
- `fsdp_min_num_params`: 0
|
| 493 |
+
- `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
|
| 494 |
+
- `fsdp_transformer_layer_cls_to_wrap`: None
|
| 495 |
+
- `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
|
| 496 |
+
- `deepspeed`: None
|
| 497 |
+
- `label_smoothing_factor`: 0.0
|
| 498 |
+
- `optim`: adamw_torch
|
| 499 |
+
- `optim_args`: None
|
| 500 |
+
- `adafactor`: False
|
| 501 |
+
- `group_by_length`: False
|
| 502 |
+
- `length_column_name`: length
|
| 503 |
+
- `ddp_find_unused_parameters`: None
|
| 504 |
+
- `ddp_bucket_cap_mb`: None
|
| 505 |
+
- `ddp_broadcast_buffers`: False
|
| 506 |
+
- `dataloader_pin_memory`: True
|
| 507 |
+
- `dataloader_persistent_workers`: False
|
| 508 |
+
- `skip_memory_metrics`: True
|
| 509 |
+
- `use_legacy_prediction_loop`: False
|
| 510 |
+
- `push_to_hub`: False
|
| 511 |
+
- `resume_from_checkpoint`: None
|
| 512 |
+
- `hub_model_id`: None
|
| 513 |
+
- `hub_strategy`: every_save
|
| 514 |
+
- `hub_private_repo`: None
|
| 515 |
+
- `hub_always_push`: False
|
| 516 |
+
- `gradient_checkpointing`: False
|
| 517 |
+
- `gradient_checkpointing_kwargs`: None
|
| 518 |
+
- `include_inputs_for_metrics`: False
|
| 519 |
+
- `include_for_metrics`: []
|
| 520 |
+
- `eval_do_concat_batches`: True
|
| 521 |
+
- `fp16_backend`: auto
|
| 522 |
+
- `push_to_hub_model_id`: None
|
| 523 |
+
- `push_to_hub_organization`: None
|
| 524 |
+
- `mp_parameters`:
|
| 525 |
+
- `auto_find_batch_size`: False
|
| 526 |
+
- `full_determinism`: False
|
| 527 |
+
- `torchdynamo`: None
|
| 528 |
+
- `ray_scope`: last
|
| 529 |
+
- `ddp_timeout`: 1800
|
| 530 |
+
- `torch_compile`: False
|
| 531 |
+
- `torch_compile_backend`: None
|
| 532 |
+
- `torch_compile_mode`: None
|
| 533 |
+
- `dispatch_batches`: None
|
| 534 |
+
- `split_batches`: None
|
| 535 |
+
- `include_tokens_per_second`: False
|
| 536 |
+
- `include_num_input_tokens_seen`: False
|
| 537 |
+
- `neftune_noise_alpha`: None
|
| 538 |
+
- `optim_target_modules`: None
|
| 539 |
+
- `batch_eval_metrics`: False
|
| 540 |
+
- `eval_on_start`: False
|
| 541 |
+
- `use_liger_kernel`: False
|
| 542 |
+
- `eval_use_gather_object`: False
|
| 543 |
+
- `average_tokens_across_devices`: False
|
| 544 |
+
- `prompts`: None
|
| 545 |
+
- `batch_sampler`: no_duplicates
|
| 546 |
+
- `multi_dataset_batch_sampler`: proportional
|
| 547 |
+
|
| 548 |
+
</details>
|
| 549 |
+
|
| 550 |
+
### Training Logs
|
| 551 |
+
<details><summary>Click to expand</summary>
|
| 552 |
+
|
| 553 |
+
| Epoch | Step | Training Loss |
|
| 554 |
+
|:------:|:----:|:-------------:|
|
| 555 |
+
| 0.0062 | 50 | 3.345 |
|
| 556 |
+
| 0.0124 | 100 | 0.8099 |
|
| 557 |
+
| 0.0186 | 150 | 0.3079 |
|
| 558 |
+
| 0.0248 | 200 | 0.2089 |
|
| 559 |
+
| 0.0310 | 250 | 0.1961 |
|
| 560 |
+
| 0.0372 | 300 | 0.186 |
|
| 561 |
+
| 0.0434 | 350 | 0.1607 |
|
| 562 |
+
| 0.0496 | 400 | 0.1483 |
|
| 563 |
+
| 0.0558 | 450 | 0.1391 |
|
| 564 |
+
| 0.0620 | 500 | 0.1343 |
|
| 565 |
+
| 0.0682 | 550 | 0.1235 |
|
| 566 |
+
| 0.0743 | 600 | 0.1222 |
|
| 567 |
+
| 0.0805 | 650 | 0.1186 |
|
| 568 |
+
| 0.0867 | 700 | 0.128 |
|
| 569 |
+
| 0.0929 | 750 | 0.1145 |
|
| 570 |
+
| 0.0991 | 800 | 0.1153 |
|
| 571 |
+
| 0.1053 | 850 | 0.1143 |
|
| 572 |
+
| 0.1115 | 900 | 0.1099 |
|
| 573 |
+
| 0.1177 | 950 | 0.1018 |
|
| 574 |
+
| 0.1239 | 1000 | 0.1079 |
|
| 575 |
+
| 0.1301 | 1050 | 0.0982 |
|
| 576 |
+
| 0.1363 | 1100 | 0.0949 |
|
| 577 |
+
| 0.1425 | 1150 | 0.0945 |
|
| 578 |
+
| 0.1487 | 1200 | 0.0952 |
|
| 579 |
+
| 0.1549 | 1250 | 0.1162 |
|
| 580 |
+
| 0.1611 | 1300 | 0.0965 |
|
| 581 |
+
| 0.1673 | 1350 | 0.0847 |
|
| 582 |
+
| 0.1735 | 1400 | 0.0916 |
|
| 583 |
+
| 0.1797 | 1450 | 0.0821 |
|
| 584 |
+
| 0.1859 | 1500 | 0.0693 |
|
| 585 |
+
| 0.1921 | 1550 | 0.0753 |
|
| 586 |
+
| 0.1983 | 1600 | 0.072 |
|
| 587 |
+
| 0.2045 | 1650 | 0.0718 |
|
| 588 |
+
| 0.2107 | 1700 | 0.0715 |
|
| 589 |
+
| 0.2169 | 1750 | 0.0711 |
|
| 590 |
+
| 0.2230 | 1800 | 0.0731 |
|
| 591 |
+
| 0.2292 | 1850 | 0.0636 |
|
| 592 |
+
| 0.2354 | 1900 | 0.076 |
|
| 593 |
+
| 0.2416 | 1950 | 0.06 |
|
| 594 |
+
| 0.2478 | 2000 | 0.0582 |
|
| 595 |
+
| 0.2540 | 2050 | 0.056 |
|
| 596 |
+
| 0.2602 | 2100 | 0.0539 |
|
| 597 |
+
| 0.2664 | 2150 | 0.0548 |
|
| 598 |
+
| 0.2726 | 2200 | 0.0522 |
|
| 599 |
+
| 0.2788 | 2250 | 0.0429 |
|
| 600 |
+
| 0.2850 | 2300 | 0.0543 |
|
| 601 |
+
| 0.2912 | 2350 | 0.055 |
|
| 602 |
+
| 0.2974 | 2400 | 0.0449 |
|
| 603 |
+
| 0.3036 | 2450 | 0.0526 |
|
| 604 |
+
| 0.3098 | 2500 | 0.0432 |
|
| 605 |
+
| 0.3160 | 2550 | 0.0513 |
|
| 606 |
+
| 0.3222 | 2600 | 0.0478 |
|
| 607 |
+
| 0.3284 | 2650 | 0.041 |
|
| 608 |
+
| 0.3346 | 2700 | 0.0455 |
|
| 609 |
+
| 0.3408 | 2750 | 0.0515 |
|
| 610 |
+
| 0.3470 | 2800 | 0.0455 |
|
| 611 |
+
| 0.3532 | 2850 | 0.0429 |
|
| 612 |
+
| 0.3594 | 2900 | 0.037 |
|
| 613 |
+
| 0.3656 | 2950 | 0.0329 |
|
| 614 |
+
| 0.3717 | 3000 | 0.0381 |
|
| 615 |
+
| 0.3779 | 3050 | 0.0381 |
|
| 616 |
+
| 0.3841 | 3100 | 0.0373 |
|
| 617 |
+
| 0.3903 | 3150 | 0.0405 |
|
| 618 |
+
| 0.3965 | 3200 | 0.0344 |
|
| 619 |
+
| 0.4027 | 3250 | 0.0345 |
|
| 620 |
+
| 0.4089 | 3300 | 0.0327 |
|
| 621 |
+
| 0.4151 | 3350 | 0.0271 |
|
| 622 |
+
| 0.4213 | 3400 | 0.0314 |
|
| 623 |
+
| 0.4275 | 3450 | 0.0352 |
|
| 624 |
+
| 0.4337 | 3500 | 0.0262 |
|
| 625 |
+
| 0.4399 | 3550 | 0.0295 |
|
| 626 |
+
| 0.4461 | 3600 | 0.0284 |
|
| 627 |
+
| 0.4523 | 3650 | 0.0248 |
|
| 628 |
+
| 0.4585 | 3700 | 0.0239 |
|
| 629 |
+
| 0.4647 | 3750 | 0.0272 |
|
| 630 |
+
| 0.4709 | 3800 | 0.0253 |
|
| 631 |
+
| 0.4771 | 3850 | 0.0288 |
|
| 632 |
+
| 0.4833 | 3900 | 0.0267 |
|
| 633 |
+
| 0.4895 | 3950 | 0.027 |
|
| 634 |
+
| 0.4957 | 4000 | 0.0233 |
|
| 635 |
+
| 0.5019 | 4050 | 0.0237 |
|
| 636 |
+
| 0.5081 | 4100 | 0.0224 |
|
| 637 |
+
| 0.5143 | 4150 | 0.0252 |
|
| 638 |
+
| 0.5204 | 4200 | 0.0228 |
|
| 639 |
+
| 0.5266 | 4250 | 0.0243 |
|
| 640 |
+
| 0.5328 | 4300 | 0.0269 |
|
| 641 |
+
| 0.5390 | 4350 | 0.0228 |
|
| 642 |
+
| 0.5452 | 4400 | 0.0219 |
|
| 643 |
+
| 0.5514 | 4450 | 0.0215 |
|
| 644 |
+
| 0.5576 | 4500 | 0.0242 |
|
| 645 |
+
| 0.5638 | 4550 | 0.0199 |
|
| 646 |
+
| 0.5700 | 4600 | 0.0196 |
|
| 647 |
+
| 0.5762 | 4650 | 0.0171 |
|
| 648 |
+
| 0.5824 | 4700 | 0.0161 |
|
| 649 |
+
| 0.5886 | 4750 | 0.0182 |
|
| 650 |
+
| 0.5948 | 4800 | 0.019 |
|
| 651 |
+
| 0.6010 | 4850 | 0.0192 |
|
| 652 |
+
| 0.6072 | 4900 | 0.018 |
|
| 653 |
+
| 0.6134 | 4950 | 0.016 |
|
| 654 |
+
| 0.6196 | 5000 | 0.0167 |
|
| 655 |
+
| 0.6258 | 5050 | 0.0155 |
|
| 656 |
+
| 0.6320 | 5100 | 0.0151 |
|
| 657 |
+
| 0.6382 | 5150 | 0.0169 |
|
| 658 |
+
| 0.6444 | 5200 | 0.0151 |
|
| 659 |
+
| 0.6506 | 5250 | 0.0152 |
|
| 660 |
+
| 0.6568 | 5300 | 0.0141 |
|
| 661 |
+
| 0.6629 | 5350 | 0.0167 |
|
| 662 |
+
| 0.6691 | 5400 | 0.0159 |
|
| 663 |
+
| 0.6753 | 5450 | 0.0163 |
|
| 664 |
+
| 0.6815 | 5500 | 0.0153 |
|
| 665 |
+
| 0.6877 | 5550 | 0.0122 |
|
| 666 |
+
| 0.6939 | 5600 | 0.016 |
|
| 667 |
+
| 0.7001 | 5650 | 0.0169 |
|
| 668 |
+
| 0.7063 | 5700 | 0.0132 |
|
| 669 |
+
| 0.7125 | 5750 | 0.0129 |
|
| 670 |
+
| 0.7187 | 5800 | 0.0128 |
|
| 671 |
+
| 0.7249 | 5850 | 0.0119 |
|
| 672 |
+
| 0.7311 | 5900 | 0.0118 |
|
| 673 |
+
| 0.7373 | 5950 | 0.0138 |
|
| 674 |
+
| 0.7435 | 6000 | 0.0123 |
|
| 675 |
+
| 0.7497 | 6050 | 0.0104 |
|
| 676 |
+
| 0.7559 | 6100 | 0.0147 |
|
| 677 |
+
| 0.7621 | 6150 | 0.0102 |
|
| 678 |
+
| 0.7683 | 6200 | 0.0125 |
|
| 679 |
+
| 0.7745 | 6250 | 0.0133 |
|
| 680 |
+
| 0.7807 | 6300 | 0.0134 |
|
| 681 |
+
| 0.7869 | 6350 | 0.0125 |
|
| 682 |
+
| 0.7931 | 6400 | 0.0119 |
|
| 683 |
+
| 0.7993 | 6450 | 0.0134 |
|
| 684 |
+
| 0.8055 | 6500 | 0.0144 |
|
| 685 |
+
| 0.8116 | 6550 | 0.0119 |
|
| 686 |
+
| 0.8178 | 6600 | 0.0109 |
|
| 687 |
+
| 0.8240 | 6650 | 0.0098 |
|
| 688 |
+
| 0.8302 | 6700 | 0.0115 |
|
| 689 |
+
| 0.8364 | 6750 | 0.0127 |
|
| 690 |
+
| 0.8426 | 6800 | 0.0102 |
|
| 691 |
+
| 0.8488 | 6850 | 0.011 |
|
| 692 |
+
| 0.8550 | 6900 | 0.0114 |
|
| 693 |
+
| 0.8612 | 6950 | 0.0116 |
|
| 694 |
+
| 0.8674 | 7000 | 0.0102 |
|
| 695 |
+
| 0.8736 | 7050 | 0.0104 |
|
| 696 |
+
| 0.8798 | 7100 | 0.0098 |
|
| 697 |
+
| 0.8860 | 7150 | 0.01 |
|
| 698 |
+
| 0.8922 | 7200 | 0.01 |
|
| 699 |
+
| 0.8984 | 7250 | 0.0085 |
|
| 700 |
+
| 0.9046 | 7300 | 0.0106 |
|
| 701 |
+
| 0.9108 | 7350 | 0.0085 |
|
| 702 |
+
| 0.9170 | 7400 | 0.0092 |
|
| 703 |
+
| 0.9232 | 7450 | 0.0095 |
|
| 704 |
+
| 0.9294 | 7500 | 0.0099 |
|
| 705 |
+
| 0.9356 | 7550 | 0.0113 |
|
| 706 |
+
| 0.9418 | 7600 | 0.0077 |
|
| 707 |
+
| 0.9480 | 7650 | 0.0095 |
|
| 708 |
+
| 0.9542 | 7700 | 0.0077 |
|
| 709 |
+
| 0.9603 | 7750 | 0.0089 |
|
| 710 |
+
| 0.9665 | 7800 | 0.009 |
|
| 711 |
+
| 0.9727 | 7850 | 0.0077 |
|
| 712 |
+
| 0.9789 | 7900 | 0.0101 |
|
| 713 |
+
| 0.9851 | 7950 | 0.0088 |
|
| 714 |
+
| 0.9913 | 8000 | 0.0098 |
|
| 715 |
+
| 0.9975 | 8050 | 0.0102 |
|
| 716 |
+
|
| 717 |
+
</details>
|
| 718 |
+
|
| 719 |
+
### Framework Versions
|
| 720 |
+
- Python: 3.10.13
|
| 721 |
+
- Sentence Transformers: 3.3.1
|
| 722 |
+
- Transformers: 4.47.1
|
| 723 |
+
- PyTorch: 2.2.0
|
| 724 |
+
- Accelerate: 0.26.0
|
| 725 |
+
- Datasets: 3.2.0
|
| 726 |
+
- Tokenizers: 0.21.0
|
| 727 |
+
|
| 728 |
+
## Citation
|
| 729 |
+
|
| 730 |
+
### BibTeX
|
| 731 |
+
|
| 732 |
+
#### Sentence Transformers
|
| 733 |
+
```bibtex
|
| 734 |
+
@inproceedings{reimers-2019-sentence-bert,
|
| 735 |
+
title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
|
| 736 |
+
author = "Reimers, Nils and Gurevych, Iryna",
|
| 737 |
+
booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
|
| 738 |
+
month = "11",
|
| 739 |
+
year = "2019",
|
| 740 |
+
publisher = "Association for Computational Linguistics",
|
| 741 |
+
url = "https://arxiv.org/abs/1908.10084",
|
| 742 |
+
}
|
| 743 |
+
```
|
| 744 |
+
|
| 745 |
+
#### MultipleNegativesRankingLoss
|
| 746 |
+
```bibtex
|
| 747 |
+
@misc{henderson2017efficient,
|
| 748 |
+
title={Efficient Natural Language Response Suggestion for Smart Reply},
|
| 749 |
+
author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil},
|
| 750 |
+
year={2017},
|
| 751 |
+
eprint={1705.00652},
|
| 752 |
+
archivePrefix={arXiv},
|
| 753 |
+
primaryClass={cs.CL}
|
| 754 |
+
}
|
| 755 |
+
```
|
| 756 |
+
|
| 757 |
+
<!--
|
| 758 |
+
## Glossary
|
| 759 |
+
|
| 760 |
+
*Clearly define terms in order to be accessible across audiences.*
|
| 761 |
+
-->
|
| 762 |
+
|
| 763 |
+
<!--
|
| 764 |
+
## Model Card Authors
|
| 765 |
+
|
| 766 |
+
*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
|
| 767 |
+
-->
|
| 768 |
+
|
| 769 |
+
<!--
|
| 770 |
+
## Model Card Contact
|
| 771 |
+
|
| 772 |
+
*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
|
| 773 |
+
-->
|
added_tokens.json
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"<mask>": 64000
|
| 3 |
+
}
|
bpe.codes
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|
config.json
ADDED
|
@@ -0,0 +1,28 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"_name_or_path": "vinai/phobert-base-v2",
|
| 3 |
+
"architectures": [
|
| 4 |
+
"RobertaModel"
|
| 5 |
+
],
|
| 6 |
+
"attention_probs_dropout_prob": 0.1,
|
| 7 |
+
"bos_token_id": 0,
|
| 8 |
+
"classifier_dropout": null,
|
| 9 |
+
"eos_token_id": 2,
|
| 10 |
+
"hidden_act": "gelu",
|
| 11 |
+
"hidden_dropout_prob": 0.1,
|
| 12 |
+
"hidden_size": 768,
|
| 13 |
+
"initializer_range": 0.02,
|
| 14 |
+
"intermediate_size": 3072,
|
| 15 |
+
"layer_norm_eps": 1e-05,
|
| 16 |
+
"max_position_embeddings": 258,
|
| 17 |
+
"model_type": "roberta",
|
| 18 |
+
"num_attention_heads": 12,
|
| 19 |
+
"num_hidden_layers": 12,
|
| 20 |
+
"pad_token_id": 1,
|
| 21 |
+
"position_embedding_type": "absolute",
|
| 22 |
+
"tokenizer_class": "PhobertTokenizer",
|
| 23 |
+
"torch_dtype": "float32",
|
| 24 |
+
"transformers_version": "4.47.1",
|
| 25 |
+
"type_vocab_size": 1,
|
| 26 |
+
"use_cache": true,
|
| 27 |
+
"vocab_size": 64001
|
| 28 |
+
}
|
config_sentence_transformers.json
ADDED
|
@@ -0,0 +1,10 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"__version__": {
|
| 3 |
+
"sentence_transformers": "3.3.1",
|
| 4 |
+
"transformers": "4.47.1",
|
| 5 |
+
"pytorch": "2.2.0"
|
| 6 |
+
},
|
| 7 |
+
"prompts": {},
|
| 8 |
+
"default_prompt_name": null,
|
| 9 |
+
"similarity_fn_name": "cosine"
|
| 10 |
+
}
|
model.safetensors
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:8011ac8a7a7cca5af16ec8af683b61f4af80e25f38845e1c0a9cfef06516d82f
|
| 3 |
+
size 540015464
|
modules.json
ADDED
|
@@ -0,0 +1,14 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
[
|
| 2 |
+
{
|
| 3 |
+
"idx": 0,
|
| 4 |
+
"name": "0",
|
| 5 |
+
"path": "",
|
| 6 |
+
"type": "sentence_transformers.models.Transformer"
|
| 7 |
+
},
|
| 8 |
+
{
|
| 9 |
+
"idx": 1,
|
| 10 |
+
"name": "1",
|
| 11 |
+
"path": "1_Pooling",
|
| 12 |
+
"type": "sentence_transformers.models.Pooling"
|
| 13 |
+
}
|
| 14 |
+
]
|
optimizer.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:e3c78ab291461c5bb81ce74cac40a81470708b06a22f8a4a9fa92602471751fa
|
| 3 |
+
size 1075426234
|
rng_state.pth
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:e3461834138ec87caf0f66bc8c9f4d66a914e3e303b9cbdec352bcc469dbe636
|
| 3 |
+
size 14244
|
scheduler.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:c98cd14055412be06675f14a4e028118585f12f41701c3642c54881d7494e6db
|
| 3 |
+
size 1064
|
sentence_bert_config.json
ADDED
|
@@ -0,0 +1,4 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"max_seq_length": 128,
|
| 3 |
+
"do_lower_case": false
|
| 4 |
+
}
|
special_tokens_map.json
ADDED
|
@@ -0,0 +1,9 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"bos_token": "<s>",
|
| 3 |
+
"cls_token": "<s>",
|
| 4 |
+
"eos_token": "</s>",
|
| 5 |
+
"mask_token": "<mask>",
|
| 6 |
+
"pad_token": "<pad>",
|
| 7 |
+
"sep_token": "</s>",
|
| 8 |
+
"unk_token": "<unk>"
|
| 9 |
+
}
|
tokenizer_config.json
ADDED
|
@@ -0,0 +1,55 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"added_tokens_decoder": {
|
| 3 |
+
"0": {
|
| 4 |
+
"content": "<s>",
|
| 5 |
+
"lstrip": false,
|
| 6 |
+
"normalized": false,
|
| 7 |
+
"rstrip": false,
|
| 8 |
+
"single_word": false,
|
| 9 |
+
"special": true
|
| 10 |
+
},
|
| 11 |
+
"1": {
|
| 12 |
+
"content": "<pad>",
|
| 13 |
+
"lstrip": false,
|
| 14 |
+
"normalized": false,
|
| 15 |
+
"rstrip": false,
|
| 16 |
+
"single_word": false,
|
| 17 |
+
"special": true
|
| 18 |
+
},
|
| 19 |
+
"2": {
|
| 20 |
+
"content": "</s>",
|
| 21 |
+
"lstrip": false,
|
| 22 |
+
"normalized": false,
|
| 23 |
+
"rstrip": false,
|
| 24 |
+
"single_word": false,
|
| 25 |
+
"special": true
|
| 26 |
+
},
|
| 27 |
+
"3": {
|
| 28 |
+
"content": "<unk>",
|
| 29 |
+
"lstrip": false,
|
| 30 |
+
"normalized": false,
|
| 31 |
+
"rstrip": false,
|
| 32 |
+
"single_word": false,
|
| 33 |
+
"special": true
|
| 34 |
+
},
|
| 35 |
+
"64000": {
|
| 36 |
+
"content": "<mask>",
|
| 37 |
+
"lstrip": false,
|
| 38 |
+
"normalized": false,
|
| 39 |
+
"rstrip": false,
|
| 40 |
+
"single_word": false,
|
| 41 |
+
"special": true
|
| 42 |
+
}
|
| 43 |
+
},
|
| 44 |
+
"bos_token": "<s>",
|
| 45 |
+
"clean_up_tokenization_spaces": false,
|
| 46 |
+
"cls_token": "<s>",
|
| 47 |
+
"eos_token": "</s>",
|
| 48 |
+
"extra_special_tokens": {},
|
| 49 |
+
"mask_token": "<mask>",
|
| 50 |
+
"model_max_length": 1000000000000000019884624838656,
|
| 51 |
+
"pad_token": "<pad>",
|
| 52 |
+
"sep_token": "</s>",
|
| 53 |
+
"tokenizer_class": "PhobertTokenizer",
|
| 54 |
+
"unk_token": "<unk>"
|
| 55 |
+
}
|
trainer_state.json
ADDED
|
@@ -0,0 +1,1160 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_metric": null,
|
| 3 |
+
"best_model_checkpoint": null,
|
| 4 |
+
"epoch": 1.0,
|
| 5 |
+
"eval_steps": 500,
|
| 6 |
+
"global_step": 8070,
|
| 7 |
+
"is_hyper_param_search": false,
|
| 8 |
+
"is_local_process_zero": true,
|
| 9 |
+
"is_world_process_zero": true,
|
| 10 |
+
"log_history": [
|
| 11 |
+
{
|
| 12 |
+
"epoch": 0.006195786864931847,
|
| 13 |
+
"grad_norm": 11.78878402709961,
|
| 14 |
+
"learning_rate": 5.947955390334573e-06,
|
| 15 |
+
"loss": 3.345,
|
| 16 |
+
"step": 50
|
| 17 |
+
},
|
| 18 |
+
{
|
| 19 |
+
"epoch": 0.012391573729863693,
|
| 20 |
+
"grad_norm": 5.766342639923096,
|
| 21 |
+
"learning_rate": 1.2019826517967782e-05,
|
| 22 |
+
"loss": 0.8099,
|
| 23 |
+
"step": 100
|
| 24 |
+
},
|
| 25 |
+
{
|
| 26 |
+
"epoch": 0.01858736059479554,
|
| 27 |
+
"grad_norm": 3.6993865966796875,
|
| 28 |
+
"learning_rate": 1.821561338289963e-05,
|
| 29 |
+
"loss": 0.3079,
|
| 30 |
+
"step": 150
|
| 31 |
+
},
|
| 32 |
+
{
|
| 33 |
+
"epoch": 0.024783147459727387,
|
| 34 |
+
"grad_norm": 3.7327823638916016,
|
| 35 |
+
"learning_rate": 2.4411400247831474e-05,
|
| 36 |
+
"loss": 0.2089,
|
| 37 |
+
"step": 200
|
| 38 |
+
},
|
| 39 |
+
{
|
| 40 |
+
"epoch": 0.030978934324659233,
|
| 41 |
+
"grad_norm": 3.176992416381836,
|
| 42 |
+
"learning_rate": 3.0607187112763326e-05,
|
| 43 |
+
"loss": 0.1961,
|
| 44 |
+
"step": 250
|
| 45 |
+
},
|
| 46 |
+
{
|
| 47 |
+
"epoch": 0.03717472118959108,
|
| 48 |
+
"grad_norm": 3.009659767150879,
|
| 49 |
+
"learning_rate": 3.667905824039653e-05,
|
| 50 |
+
"loss": 0.186,
|
| 51 |
+
"step": 300
|
| 52 |
+
},
|
| 53 |
+
{
|
| 54 |
+
"epoch": 0.04337050805452292,
|
| 55 |
+
"grad_norm": 3.961405038833618,
|
| 56 |
+
"learning_rate": 4.287484510532838e-05,
|
| 57 |
+
"loss": 0.1607,
|
| 58 |
+
"step": 350
|
| 59 |
+
},
|
| 60 |
+
{
|
| 61 |
+
"epoch": 0.04956629491945477,
|
| 62 |
+
"grad_norm": 2.818254232406616,
|
| 63 |
+
"learning_rate": 4.907063197026023e-05,
|
| 64 |
+
"loss": 0.1483,
|
| 65 |
+
"step": 400
|
| 66 |
+
},
|
| 67 |
+
{
|
| 68 |
+
"epoch": 0.055762081784386616,
|
| 69 |
+
"grad_norm": 1.836232304573059,
|
| 70 |
+
"learning_rate": 5.526641883519207e-05,
|
| 71 |
+
"loss": 0.1391,
|
| 72 |
+
"step": 450
|
| 73 |
+
},
|
| 74 |
+
{
|
| 75 |
+
"epoch": 0.061957868649318466,
|
| 76 |
+
"grad_norm": 2.5643157958984375,
|
| 77 |
+
"learning_rate": 6.146220570012391e-05,
|
| 78 |
+
"loss": 0.1343,
|
| 79 |
+
"step": 500
|
| 80 |
+
},
|
| 81 |
+
{
|
| 82 |
+
"epoch": 0.06815365551425032,
|
| 83 |
+
"grad_norm": 2.9712822437286377,
|
| 84 |
+
"learning_rate": 6.765799256505576e-05,
|
| 85 |
+
"loss": 0.1235,
|
| 86 |
+
"step": 550
|
| 87 |
+
},
|
| 88 |
+
{
|
| 89 |
+
"epoch": 0.07434944237918216,
|
| 90 |
+
"grad_norm": 3.6296300888061523,
|
| 91 |
+
"learning_rate": 7.385377942998762e-05,
|
| 92 |
+
"loss": 0.1222,
|
| 93 |
+
"step": 600
|
| 94 |
+
},
|
| 95 |
+
{
|
| 96 |
+
"epoch": 0.080545229244114,
|
| 97 |
+
"grad_norm": 10.417726516723633,
|
| 98 |
+
"learning_rate": 8.004956629491945e-05,
|
| 99 |
+
"loss": 0.1186,
|
| 100 |
+
"step": 650
|
| 101 |
+
},
|
| 102 |
+
{
|
| 103 |
+
"epoch": 0.08674101610904585,
|
| 104 |
+
"grad_norm": 2.5631349086761475,
|
| 105 |
+
"learning_rate": 8.624535315985131e-05,
|
| 106 |
+
"loss": 0.128,
|
| 107 |
+
"step": 700
|
| 108 |
+
},
|
| 109 |
+
{
|
| 110 |
+
"epoch": 0.09293680297397769,
|
| 111 |
+
"grad_norm": 1.6498531103134155,
|
| 112 |
+
"learning_rate": 9.244114002478316e-05,
|
| 113 |
+
"loss": 0.1145,
|
| 114 |
+
"step": 750
|
| 115 |
+
},
|
| 116 |
+
{
|
| 117 |
+
"epoch": 0.09913258983890955,
|
| 118 |
+
"grad_norm": 2.1243278980255127,
|
| 119 |
+
"learning_rate": 9.8636926889715e-05,
|
| 120 |
+
"loss": 0.1153,
|
| 121 |
+
"step": 800
|
| 122 |
+
},
|
| 123 |
+
{
|
| 124 |
+
"epoch": 0.10532837670384139,
|
| 125 |
+
"grad_norm": 1.869721531867981,
|
| 126 |
+
"learning_rate": 9.946303180503924e-05,
|
| 127 |
+
"loss": 0.1143,
|
| 128 |
+
"step": 850
|
| 129 |
+
},
|
| 130 |
+
{
|
| 131 |
+
"epoch": 0.11152416356877323,
|
| 132 |
+
"grad_norm": 1.236275315284729,
|
| 133 |
+
"learning_rate": 9.877461104226904e-05,
|
| 134 |
+
"loss": 0.1099,
|
| 135 |
+
"step": 900
|
| 136 |
+
},
|
| 137 |
+
{
|
| 138 |
+
"epoch": 0.11771995043370508,
|
| 139 |
+
"grad_norm": 2.4983303546905518,
|
| 140 |
+
"learning_rate": 9.808619027949883e-05,
|
| 141 |
+
"loss": 0.1018,
|
| 142 |
+
"step": 950
|
| 143 |
+
},
|
| 144 |
+
{
|
| 145 |
+
"epoch": 0.12391573729863693,
|
| 146 |
+
"grad_norm": 1.4123425483703613,
|
| 147 |
+
"learning_rate": 9.739776951672863e-05,
|
| 148 |
+
"loss": 0.1079,
|
| 149 |
+
"step": 1000
|
| 150 |
+
},
|
| 151 |
+
{
|
| 152 |
+
"epoch": 0.13011152416356878,
|
| 153 |
+
"grad_norm": 2.497483253479004,
|
| 154 |
+
"learning_rate": 9.670934875395842e-05,
|
| 155 |
+
"loss": 0.0982,
|
| 156 |
+
"step": 1050
|
| 157 |
+
},
|
| 158 |
+
{
|
| 159 |
+
"epoch": 0.13630731102850063,
|
| 160 |
+
"grad_norm": 1.100753903388977,
|
| 161 |
+
"learning_rate": 9.602092799118821e-05,
|
| 162 |
+
"loss": 0.0949,
|
| 163 |
+
"step": 1100
|
| 164 |
+
},
|
| 165 |
+
{
|
| 166 |
+
"epoch": 0.14250309789343246,
|
| 167 |
+
"grad_norm": 2.238828182220459,
|
| 168 |
+
"learning_rate": 9.533250722841801e-05,
|
| 169 |
+
"loss": 0.0945,
|
| 170 |
+
"step": 1150
|
| 171 |
+
},
|
| 172 |
+
{
|
| 173 |
+
"epoch": 0.14869888475836432,
|
| 174 |
+
"grad_norm": 1.5351171493530273,
|
| 175 |
+
"learning_rate": 9.46440864656478e-05,
|
| 176 |
+
"loss": 0.0952,
|
| 177 |
+
"step": 1200
|
| 178 |
+
},
|
| 179 |
+
{
|
| 180 |
+
"epoch": 0.15489467162329615,
|
| 181 |
+
"grad_norm": 3.6645586490631104,
|
| 182 |
+
"learning_rate": 9.39556657028776e-05,
|
| 183 |
+
"loss": 0.1162,
|
| 184 |
+
"step": 1250
|
| 185 |
+
},
|
| 186 |
+
{
|
| 187 |
+
"epoch": 0.161090458488228,
|
| 188 |
+
"grad_norm": 2.153944730758667,
|
| 189 |
+
"learning_rate": 9.32672449401074e-05,
|
| 190 |
+
"loss": 0.0965,
|
| 191 |
+
"step": 1300
|
| 192 |
+
},
|
| 193 |
+
{
|
| 194 |
+
"epoch": 0.16728624535315986,
|
| 195 |
+
"grad_norm": 5.332737922668457,
|
| 196 |
+
"learning_rate": 9.25788241773372e-05,
|
| 197 |
+
"loss": 0.0847,
|
| 198 |
+
"step": 1350
|
| 199 |
+
},
|
| 200 |
+
{
|
| 201 |
+
"epoch": 0.1734820322180917,
|
| 202 |
+
"grad_norm": 1.9773648977279663,
|
| 203 |
+
"learning_rate": 9.189040341456699e-05,
|
| 204 |
+
"loss": 0.0916,
|
| 205 |
+
"step": 1400
|
| 206 |
+
},
|
| 207 |
+
{
|
| 208 |
+
"epoch": 0.17967781908302355,
|
| 209 |
+
"grad_norm": 1.072949767112732,
|
| 210 |
+
"learning_rate": 9.120198265179678e-05,
|
| 211 |
+
"loss": 0.0821,
|
| 212 |
+
"step": 1450
|
| 213 |
+
},
|
| 214 |
+
{
|
| 215 |
+
"epoch": 0.18587360594795538,
|
| 216 |
+
"grad_norm": 0.5937812924385071,
|
| 217 |
+
"learning_rate": 9.051356188902658e-05,
|
| 218 |
+
"loss": 0.0693,
|
| 219 |
+
"step": 1500
|
| 220 |
+
},
|
| 221 |
+
{
|
| 222 |
+
"epoch": 0.19206939281288724,
|
| 223 |
+
"grad_norm": 3.5840229988098145,
|
| 224 |
+
"learning_rate": 8.982514112625638e-05,
|
| 225 |
+
"loss": 0.0753,
|
| 226 |
+
"step": 1550
|
| 227 |
+
},
|
| 228 |
+
{
|
| 229 |
+
"epoch": 0.1982651796778191,
|
| 230 |
+
"grad_norm": 1.8539464473724365,
|
| 231 |
+
"learning_rate": 8.913672036348617e-05,
|
| 232 |
+
"loss": 0.072,
|
| 233 |
+
"step": 1600
|
| 234 |
+
},
|
| 235 |
+
{
|
| 236 |
+
"epoch": 0.20446096654275092,
|
| 237 |
+
"grad_norm": 1.8574514389038086,
|
| 238 |
+
"learning_rate": 8.844829960071597e-05,
|
| 239 |
+
"loss": 0.0718,
|
| 240 |
+
"step": 1650
|
| 241 |
+
},
|
| 242 |
+
{
|
| 243 |
+
"epoch": 0.21065675340768278,
|
| 244 |
+
"grad_norm": 2.465460777282715,
|
| 245 |
+
"learning_rate": 8.775987883794575e-05,
|
| 246 |
+
"loss": 0.0715,
|
| 247 |
+
"step": 1700
|
| 248 |
+
},
|
| 249 |
+
{
|
| 250 |
+
"epoch": 0.21685254027261464,
|
| 251 |
+
"grad_norm": 1.191398024559021,
|
| 252 |
+
"learning_rate": 8.707145807517555e-05,
|
| 253 |
+
"loss": 0.0711,
|
| 254 |
+
"step": 1750
|
| 255 |
+
},
|
| 256 |
+
{
|
| 257 |
+
"epoch": 0.22304832713754646,
|
| 258 |
+
"grad_norm": 1.4969195127487183,
|
| 259 |
+
"learning_rate": 8.638303731240535e-05,
|
| 260 |
+
"loss": 0.0731,
|
| 261 |
+
"step": 1800
|
| 262 |
+
},
|
| 263 |
+
{
|
| 264 |
+
"epoch": 0.22924411400247832,
|
| 265 |
+
"grad_norm": 1.8418350219726562,
|
| 266 |
+
"learning_rate": 8.569461654963514e-05,
|
| 267 |
+
"loss": 0.0636,
|
| 268 |
+
"step": 1850
|
| 269 |
+
},
|
| 270 |
+
{
|
| 271 |
+
"epoch": 0.23543990086741015,
|
| 272 |
+
"grad_norm": 2.362734794616699,
|
| 273 |
+
"learning_rate": 8.500619578686494e-05,
|
| 274 |
+
"loss": 0.076,
|
| 275 |
+
"step": 1900
|
| 276 |
+
},
|
| 277 |
+
{
|
| 278 |
+
"epoch": 0.241635687732342,
|
| 279 |
+
"grad_norm": 1.3227559328079224,
|
| 280 |
+
"learning_rate": 8.431777502409473e-05,
|
| 281 |
+
"loss": 0.06,
|
| 282 |
+
"step": 1950
|
| 283 |
+
},
|
| 284 |
+
{
|
| 285 |
+
"epoch": 0.24783147459727387,
|
| 286 |
+
"grad_norm": 2.1812291145324707,
|
| 287 |
+
"learning_rate": 8.362935426132452e-05,
|
| 288 |
+
"loss": 0.0582,
|
| 289 |
+
"step": 2000
|
| 290 |
+
},
|
| 291 |
+
{
|
| 292 |
+
"epoch": 0.2540272614622057,
|
| 293 |
+
"grad_norm": 0.8610977530479431,
|
| 294 |
+
"learning_rate": 8.294093349855432e-05,
|
| 295 |
+
"loss": 0.056,
|
| 296 |
+
"step": 2050
|
| 297 |
+
},
|
| 298 |
+
{
|
| 299 |
+
"epoch": 0.26022304832713755,
|
| 300 |
+
"grad_norm": 1.2188324928283691,
|
| 301 |
+
"learning_rate": 8.225251273578411e-05,
|
| 302 |
+
"loss": 0.0539,
|
| 303 |
+
"step": 2100
|
| 304 |
+
},
|
| 305 |
+
{
|
| 306 |
+
"epoch": 0.2664188351920694,
|
| 307 |
+
"grad_norm": 0.6571711301803589,
|
| 308 |
+
"learning_rate": 8.156409197301392e-05,
|
| 309 |
+
"loss": 0.0548,
|
| 310 |
+
"step": 2150
|
| 311 |
+
},
|
| 312 |
+
{
|
| 313 |
+
"epoch": 0.27261462205700127,
|
| 314 |
+
"grad_norm": 9.587064743041992,
|
| 315 |
+
"learning_rate": 8.08756712102437e-05,
|
| 316 |
+
"loss": 0.0522,
|
| 317 |
+
"step": 2200
|
| 318 |
+
},
|
| 319 |
+
{
|
| 320 |
+
"epoch": 0.2788104089219331,
|
| 321 |
+
"grad_norm": 1.4897613525390625,
|
| 322 |
+
"learning_rate": 8.018725044747349e-05,
|
| 323 |
+
"loss": 0.0429,
|
| 324 |
+
"step": 2250
|
| 325 |
+
},
|
| 326 |
+
{
|
| 327 |
+
"epoch": 0.2850061957868649,
|
| 328 |
+
"grad_norm": 1.3524194955825806,
|
| 329 |
+
"learning_rate": 7.94988296847033e-05,
|
| 330 |
+
"loss": 0.0543,
|
| 331 |
+
"step": 2300
|
| 332 |
+
},
|
| 333 |
+
{
|
| 334 |
+
"epoch": 0.29120198265179675,
|
| 335 |
+
"grad_norm": 0.49432888627052307,
|
| 336 |
+
"learning_rate": 7.88241773371885e-05,
|
| 337 |
+
"loss": 0.055,
|
| 338 |
+
"step": 2350
|
| 339 |
+
},
|
| 340 |
+
{
|
| 341 |
+
"epoch": 0.29739776951672864,
|
| 342 |
+
"grad_norm": 1.082529902458191,
|
| 343 |
+
"learning_rate": 7.813575657441828e-05,
|
| 344 |
+
"loss": 0.0449,
|
| 345 |
+
"step": 2400
|
| 346 |
+
},
|
| 347 |
+
{
|
| 348 |
+
"epoch": 0.30359355638166047,
|
| 349 |
+
"grad_norm": 3.580268144607544,
|
| 350 |
+
"learning_rate": 7.744733581164808e-05,
|
| 351 |
+
"loss": 0.0526,
|
| 352 |
+
"step": 2450
|
| 353 |
+
},
|
| 354 |
+
{
|
| 355 |
+
"epoch": 0.3097893432465923,
|
| 356 |
+
"grad_norm": 3.7611606121063232,
|
| 357 |
+
"learning_rate": 7.675891504887788e-05,
|
| 358 |
+
"loss": 0.0432,
|
| 359 |
+
"step": 2500
|
| 360 |
+
},
|
| 361 |
+
{
|
| 362 |
+
"epoch": 0.3159851301115242,
|
| 363 |
+
"grad_norm": 3.605032205581665,
|
| 364 |
+
"learning_rate": 7.607049428610767e-05,
|
| 365 |
+
"loss": 0.0513,
|
| 366 |
+
"step": 2550
|
| 367 |
+
},
|
| 368 |
+
{
|
| 369 |
+
"epoch": 0.322180916976456,
|
| 370 |
+
"grad_norm": 0.8407074809074402,
|
| 371 |
+
"learning_rate": 7.538207352333747e-05,
|
| 372 |
+
"loss": 0.0478,
|
| 373 |
+
"step": 2600
|
| 374 |
+
},
|
| 375 |
+
{
|
| 376 |
+
"epoch": 0.32837670384138784,
|
| 377 |
+
"grad_norm": 1.2463380098342896,
|
| 378 |
+
"learning_rate": 7.469365276056726e-05,
|
| 379 |
+
"loss": 0.041,
|
| 380 |
+
"step": 2650
|
| 381 |
+
},
|
| 382 |
+
{
|
| 383 |
+
"epoch": 0.3345724907063197,
|
| 384 |
+
"grad_norm": 1.2079633474349976,
|
| 385 |
+
"learning_rate": 7.400523199779705e-05,
|
| 386 |
+
"loss": 0.0455,
|
| 387 |
+
"step": 2700
|
| 388 |
+
},
|
| 389 |
+
{
|
| 390 |
+
"epoch": 0.34076827757125155,
|
| 391 |
+
"grad_norm": 1.7008190155029297,
|
| 392 |
+
"learning_rate": 7.331681123502685e-05,
|
| 393 |
+
"loss": 0.0515,
|
| 394 |
+
"step": 2750
|
| 395 |
+
},
|
| 396 |
+
{
|
| 397 |
+
"epoch": 0.3469640644361834,
|
| 398 |
+
"grad_norm": 0.6003010272979736,
|
| 399 |
+
"learning_rate": 7.262839047225664e-05,
|
| 400 |
+
"loss": 0.0455,
|
| 401 |
+
"step": 2800
|
| 402 |
+
},
|
| 403 |
+
{
|
| 404 |
+
"epoch": 0.35315985130111527,
|
| 405 |
+
"grad_norm": 0.7806116342544556,
|
| 406 |
+
"learning_rate": 7.193996970948645e-05,
|
| 407 |
+
"loss": 0.0429,
|
| 408 |
+
"step": 2850
|
| 409 |
+
},
|
| 410 |
+
{
|
| 411 |
+
"epoch": 0.3593556381660471,
|
| 412 |
+
"grad_norm": 1.190233826637268,
|
| 413 |
+
"learning_rate": 7.125154894671623e-05,
|
| 414 |
+
"loss": 0.037,
|
| 415 |
+
"step": 2900
|
| 416 |
+
},
|
| 417 |
+
{
|
| 418 |
+
"epoch": 0.3655514250309789,
|
| 419 |
+
"grad_norm": 0.49826720356941223,
|
| 420 |
+
"learning_rate": 7.056312818394602e-05,
|
| 421 |
+
"loss": 0.0329,
|
| 422 |
+
"step": 2950
|
| 423 |
+
},
|
| 424 |
+
{
|
| 425 |
+
"epoch": 0.37174721189591076,
|
| 426 |
+
"grad_norm": 1.38163423538208,
|
| 427 |
+
"learning_rate": 6.987470742117583e-05,
|
| 428 |
+
"loss": 0.0381,
|
| 429 |
+
"step": 3000
|
| 430 |
+
},
|
| 431 |
+
{
|
| 432 |
+
"epoch": 0.37794299876084264,
|
| 433 |
+
"grad_norm": 0.6930022835731506,
|
| 434 |
+
"learning_rate": 6.918628665840562e-05,
|
| 435 |
+
"loss": 0.0381,
|
| 436 |
+
"step": 3050
|
| 437 |
+
},
|
| 438 |
+
{
|
| 439 |
+
"epoch": 0.38413878562577447,
|
| 440 |
+
"grad_norm": 0.3004520535469055,
|
| 441 |
+
"learning_rate": 6.849786589563542e-05,
|
| 442 |
+
"loss": 0.0373,
|
| 443 |
+
"step": 3100
|
| 444 |
+
},
|
| 445 |
+
{
|
| 446 |
+
"epoch": 0.3903345724907063,
|
| 447 |
+
"grad_norm": 1.0762969255447388,
|
| 448 |
+
"learning_rate": 6.78094451328652e-05,
|
| 449 |
+
"loss": 0.0405,
|
| 450 |
+
"step": 3150
|
| 451 |
+
},
|
| 452 |
+
{
|
| 453 |
+
"epoch": 0.3965303593556382,
|
| 454 |
+
"grad_norm": 0.9407225251197815,
|
| 455 |
+
"learning_rate": 6.712102437009501e-05,
|
| 456 |
+
"loss": 0.0344,
|
| 457 |
+
"step": 3200
|
| 458 |
+
},
|
| 459 |
+
{
|
| 460 |
+
"epoch": 0.40272614622057,
|
| 461 |
+
"grad_norm": 1.1790508031845093,
|
| 462 |
+
"learning_rate": 6.64326036073248e-05,
|
| 463 |
+
"loss": 0.0345,
|
| 464 |
+
"step": 3250
|
| 465 |
+
},
|
| 466 |
+
{
|
| 467 |
+
"epoch": 0.40892193308550184,
|
| 468 |
+
"grad_norm": 0.6774219274520874,
|
| 469 |
+
"learning_rate": 6.574418284455459e-05,
|
| 470 |
+
"loss": 0.0327,
|
| 471 |
+
"step": 3300
|
| 472 |
+
},
|
| 473 |
+
{
|
| 474 |
+
"epoch": 0.41511771995043373,
|
| 475 |
+
"grad_norm": 0.5361367464065552,
|
| 476 |
+
"learning_rate": 6.505576208178439e-05,
|
| 477 |
+
"loss": 0.0271,
|
| 478 |
+
"step": 3350
|
| 479 |
+
},
|
| 480 |
+
{
|
| 481 |
+
"epoch": 0.42131350681536556,
|
| 482 |
+
"grad_norm": 0.2760148048400879,
|
| 483 |
+
"learning_rate": 6.436734131901418e-05,
|
| 484 |
+
"loss": 0.0314,
|
| 485 |
+
"step": 3400
|
| 486 |
+
},
|
| 487 |
+
{
|
| 488 |
+
"epoch": 0.4275092936802974,
|
| 489 |
+
"grad_norm": 0.7887628674507141,
|
| 490 |
+
"learning_rate": 6.367892055624398e-05,
|
| 491 |
+
"loss": 0.0352,
|
| 492 |
+
"step": 3450
|
| 493 |
+
},
|
| 494 |
+
{
|
| 495 |
+
"epoch": 0.43370508054522927,
|
| 496 |
+
"grad_norm": 1.0329231023788452,
|
| 497 |
+
"learning_rate": 6.299049979347378e-05,
|
| 498 |
+
"loss": 0.0262,
|
| 499 |
+
"step": 3500
|
| 500 |
+
},
|
| 501 |
+
{
|
| 502 |
+
"epoch": 0.4399008674101611,
|
| 503 |
+
"grad_norm": 0.9285022020339966,
|
| 504 |
+
"learning_rate": 6.230207903070356e-05,
|
| 505 |
+
"loss": 0.0295,
|
| 506 |
+
"step": 3550
|
| 507 |
+
},
|
| 508 |
+
{
|
| 509 |
+
"epoch": 0.44609665427509293,
|
| 510 |
+
"grad_norm": 0.23095445334911346,
|
| 511 |
+
"learning_rate": 6.161365826793336e-05,
|
| 512 |
+
"loss": 0.0284,
|
| 513 |
+
"step": 3600
|
| 514 |
+
},
|
| 515 |
+
{
|
| 516 |
+
"epoch": 0.45229244114002476,
|
| 517 |
+
"grad_norm": 0.42350977659225464,
|
| 518 |
+
"learning_rate": 6.092523750516316e-05,
|
| 519 |
+
"loss": 0.0248,
|
| 520 |
+
"step": 3650
|
| 521 |
+
},
|
| 522 |
+
{
|
| 523 |
+
"epoch": 0.45848822800495664,
|
| 524 |
+
"grad_norm": 0.9503557085990906,
|
| 525 |
+
"learning_rate": 6.023681674239295e-05,
|
| 526 |
+
"loss": 0.0239,
|
| 527 |
+
"step": 3700
|
| 528 |
+
},
|
| 529 |
+
{
|
| 530 |
+
"epoch": 0.4646840148698885,
|
| 531 |
+
"grad_norm": 1.4695123434066772,
|
| 532 |
+
"learning_rate": 5.954839597962275e-05,
|
| 533 |
+
"loss": 0.0272,
|
| 534 |
+
"step": 3750
|
| 535 |
+
},
|
| 536 |
+
{
|
| 537 |
+
"epoch": 0.4708798017348203,
|
| 538 |
+
"grad_norm": 0.835435688495636,
|
| 539 |
+
"learning_rate": 5.8859975216852544e-05,
|
| 540 |
+
"loss": 0.0253,
|
| 541 |
+
"step": 3800
|
| 542 |
+
},
|
| 543 |
+
{
|
| 544 |
+
"epoch": 0.4770755885997522,
|
| 545 |
+
"grad_norm": 0.8063173294067383,
|
| 546 |
+
"learning_rate": 5.817155445408233e-05,
|
| 547 |
+
"loss": 0.0288,
|
| 548 |
+
"step": 3850
|
| 549 |
+
},
|
| 550 |
+
{
|
| 551 |
+
"epoch": 0.483271375464684,
|
| 552 |
+
"grad_norm": 0.5583626627922058,
|
| 553 |
+
"learning_rate": 5.748313369131213e-05,
|
| 554 |
+
"loss": 0.0267,
|
| 555 |
+
"step": 3900
|
| 556 |
+
},
|
| 557 |
+
{
|
| 558 |
+
"epoch": 0.48946716232961585,
|
| 559 |
+
"grad_norm": 0.3900113105773926,
|
| 560 |
+
"learning_rate": 5.6794712928541925e-05,
|
| 561 |
+
"loss": 0.027,
|
| 562 |
+
"step": 3950
|
| 563 |
+
},
|
| 564 |
+
{
|
| 565 |
+
"epoch": 0.49566294919454773,
|
| 566 |
+
"grad_norm": 0.684743344783783,
|
| 567 |
+
"learning_rate": 5.610629216577172e-05,
|
| 568 |
+
"loss": 0.0233,
|
| 569 |
+
"step": 4000
|
| 570 |
+
},
|
| 571 |
+
{
|
| 572 |
+
"epoch": 0.5018587360594795,
|
| 573 |
+
"grad_norm": 1.3466298580169678,
|
| 574 |
+
"learning_rate": 5.541787140300152e-05,
|
| 575 |
+
"loss": 0.0237,
|
| 576 |
+
"step": 4050
|
| 577 |
+
},
|
| 578 |
+
{
|
| 579 |
+
"epoch": 0.5080545229244114,
|
| 580 |
+
"grad_norm": 0.814662754535675,
|
| 581 |
+
"learning_rate": 5.472945064023132e-05,
|
| 582 |
+
"loss": 0.0224,
|
| 583 |
+
"step": 4100
|
| 584 |
+
},
|
| 585 |
+
{
|
| 586 |
+
"epoch": 0.5142503097893433,
|
| 587 |
+
"grad_norm": 0.20325958728790283,
|
| 588 |
+
"learning_rate": 5.40410298774611e-05,
|
| 589 |
+
"loss": 0.0252,
|
| 590 |
+
"step": 4150
|
| 591 |
+
},
|
| 592 |
+
{
|
| 593 |
+
"epoch": 0.5204460966542751,
|
| 594 |
+
"grad_norm": 0.9722644686698914,
|
| 595 |
+
"learning_rate": 5.3352609114690896e-05,
|
| 596 |
+
"loss": 0.0228,
|
| 597 |
+
"step": 4200
|
| 598 |
+
},
|
| 599 |
+
{
|
| 600 |
+
"epoch": 0.5266418835192069,
|
| 601 |
+
"grad_norm": 0.8962277770042419,
|
| 602 |
+
"learning_rate": 5.26641883519207e-05,
|
| 603 |
+
"loss": 0.0243,
|
| 604 |
+
"step": 4250
|
| 605 |
+
},
|
| 606 |
+
{
|
| 607 |
+
"epoch": 0.5328376703841388,
|
| 608 |
+
"grad_norm": 0.8505231738090515,
|
| 609 |
+
"learning_rate": 5.1975767589150495e-05,
|
| 610 |
+
"loss": 0.0269,
|
| 611 |
+
"step": 4300
|
| 612 |
+
},
|
| 613 |
+
{
|
| 614 |
+
"epoch": 0.5390334572490706,
|
| 615 |
+
"grad_norm": 1.4101253747940063,
|
| 616 |
+
"learning_rate": 5.128734682638029e-05,
|
| 617 |
+
"loss": 0.0228,
|
| 618 |
+
"step": 4350
|
| 619 |
+
},
|
| 620 |
+
{
|
| 621 |
+
"epoch": 0.5452292441140025,
|
| 622 |
+
"grad_norm": 1.0223798751831055,
|
| 623 |
+
"learning_rate": 5.0598926063610086e-05,
|
| 624 |
+
"loss": 0.0219,
|
| 625 |
+
"step": 4400
|
| 626 |
+
},
|
| 627 |
+
{
|
| 628 |
+
"epoch": 0.5514250309789344,
|
| 629 |
+
"grad_norm": 0.3649487793445587,
|
| 630 |
+
"learning_rate": 4.9910505300839875e-05,
|
| 631 |
+
"loss": 0.0215,
|
| 632 |
+
"step": 4450
|
| 633 |
+
},
|
| 634 |
+
{
|
| 635 |
+
"epoch": 0.5576208178438662,
|
| 636 |
+
"grad_norm": 0.467814564704895,
|
| 637 |
+
"learning_rate": 4.922208453806967e-05,
|
| 638 |
+
"loss": 0.0242,
|
| 639 |
+
"step": 4500
|
| 640 |
+
},
|
| 641 |
+
{
|
| 642 |
+
"epoch": 0.563816604708798,
|
| 643 |
+
"grad_norm": 1.218153953552246,
|
| 644 |
+
"learning_rate": 4.8533663775299466e-05,
|
| 645 |
+
"loss": 0.0199,
|
| 646 |
+
"step": 4550
|
| 647 |
+
},
|
| 648 |
+
{
|
| 649 |
+
"epoch": 0.5700123915737298,
|
| 650 |
+
"grad_norm": 0.2747304141521454,
|
| 651 |
+
"learning_rate": 4.784524301252926e-05,
|
| 652 |
+
"loss": 0.0196,
|
| 653 |
+
"step": 4600
|
| 654 |
+
},
|
| 655 |
+
{
|
| 656 |
+
"epoch": 0.5762081784386617,
|
| 657 |
+
"grad_norm": 0.572721004486084,
|
| 658 |
+
"learning_rate": 4.715682224975905e-05,
|
| 659 |
+
"loss": 0.0171,
|
| 660 |
+
"step": 4650
|
| 661 |
+
},
|
| 662 |
+
{
|
| 663 |
+
"epoch": 0.5824039653035935,
|
| 664 |
+
"grad_norm": 0.48146089911460876,
|
| 665 |
+
"learning_rate": 4.646840148698885e-05,
|
| 666 |
+
"loss": 0.0161,
|
| 667 |
+
"step": 4700
|
| 668 |
+
},
|
| 669 |
+
{
|
| 670 |
+
"epoch": 0.5885997521685254,
|
| 671 |
+
"grad_norm": 0.3745860457420349,
|
| 672 |
+
"learning_rate": 4.577998072421865e-05,
|
| 673 |
+
"loss": 0.0182,
|
| 674 |
+
"step": 4750
|
| 675 |
+
},
|
| 676 |
+
{
|
| 677 |
+
"epoch": 0.5947955390334573,
|
| 678 |
+
"grad_norm": 0.5441644191741943,
|
| 679 |
+
"learning_rate": 4.509155996144844e-05,
|
| 680 |
+
"loss": 0.019,
|
| 681 |
+
"step": 4800
|
| 682 |
+
},
|
| 683 |
+
{
|
| 684 |
+
"epoch": 0.6009913258983891,
|
| 685 |
+
"grad_norm": 0.39052465558052063,
|
| 686 |
+
"learning_rate": 4.4403139198678234e-05,
|
| 687 |
+
"loss": 0.0192,
|
| 688 |
+
"step": 4850
|
| 689 |
+
},
|
| 690 |
+
{
|
| 691 |
+
"epoch": 0.6071871127633209,
|
| 692 |
+
"grad_norm": 0.2999328672885895,
|
| 693 |
+
"learning_rate": 4.371471843590803e-05,
|
| 694 |
+
"loss": 0.018,
|
| 695 |
+
"step": 4900
|
| 696 |
+
},
|
| 697 |
+
{
|
| 698 |
+
"epoch": 0.6133828996282528,
|
| 699 |
+
"grad_norm": 0.5317378044128418,
|
| 700 |
+
"learning_rate": 4.3026297673137825e-05,
|
| 701 |
+
"loss": 0.016,
|
| 702 |
+
"step": 4950
|
| 703 |
+
},
|
| 704 |
+
{
|
| 705 |
+
"epoch": 0.6195786864931846,
|
| 706 |
+
"grad_norm": 1.1451416015625,
|
| 707 |
+
"learning_rate": 4.233787691036762e-05,
|
| 708 |
+
"loss": 0.0167,
|
| 709 |
+
"step": 5000
|
| 710 |
+
},
|
| 711 |
+
{
|
| 712 |
+
"epoch": 0.6257744733581165,
|
| 713 |
+
"grad_norm": 1.846800684928894,
|
| 714 |
+
"learning_rate": 4.164945614759742e-05,
|
| 715 |
+
"loss": 0.0155,
|
| 716 |
+
"step": 5050
|
| 717 |
+
},
|
| 718 |
+
{
|
| 719 |
+
"epoch": 0.6319702602230484,
|
| 720 |
+
"grad_norm": 0.2182386815547943,
|
| 721 |
+
"learning_rate": 4.0961035384827206e-05,
|
| 722 |
+
"loss": 0.0151,
|
| 723 |
+
"step": 5100
|
| 724 |
+
},
|
| 725 |
+
{
|
| 726 |
+
"epoch": 0.6381660470879802,
|
| 727 |
+
"grad_norm": 0.6467189788818359,
|
| 728 |
+
"learning_rate": 4.0272614622057e-05,
|
| 729 |
+
"loss": 0.0169,
|
| 730 |
+
"step": 5150
|
| 731 |
+
},
|
| 732 |
+
{
|
| 733 |
+
"epoch": 0.644361833952912,
|
| 734 |
+
"grad_norm": 1.209778070449829,
|
| 735 |
+
"learning_rate": 3.95841938592868e-05,
|
| 736 |
+
"loss": 0.0151,
|
| 737 |
+
"step": 5200
|
| 738 |
+
},
|
| 739 |
+
{
|
| 740 |
+
"epoch": 0.6505576208178439,
|
| 741 |
+
"grad_norm": 0.8446183204650879,
|
| 742 |
+
"learning_rate": 3.889577309651659e-05,
|
| 743 |
+
"loss": 0.0152,
|
| 744 |
+
"step": 5250
|
| 745 |
+
},
|
| 746 |
+
{
|
| 747 |
+
"epoch": 0.6567534076827757,
|
| 748 |
+
"grad_norm": 1.0092103481292725,
|
| 749 |
+
"learning_rate": 3.820735233374639e-05,
|
| 750 |
+
"loss": 0.0141,
|
| 751 |
+
"step": 5300
|
| 752 |
+
},
|
| 753 |
+
{
|
| 754 |
+
"epoch": 0.6629491945477075,
|
| 755 |
+
"grad_norm": 0.4524877369403839,
|
| 756 |
+
"learning_rate": 3.7518931570976184e-05,
|
| 757 |
+
"loss": 0.0167,
|
| 758 |
+
"step": 5350
|
| 759 |
+
},
|
| 760 |
+
{
|
| 761 |
+
"epoch": 0.6691449814126395,
|
| 762 |
+
"grad_norm": 0.09342479705810547,
|
| 763 |
+
"learning_rate": 3.683051080820597e-05,
|
| 764 |
+
"loss": 0.0159,
|
| 765 |
+
"step": 5400
|
| 766 |
+
},
|
| 767 |
+
{
|
| 768 |
+
"epoch": 0.6753407682775713,
|
| 769 |
+
"grad_norm": 0.5114253759384155,
|
| 770 |
+
"learning_rate": 3.6142090045435776e-05,
|
| 771 |
+
"loss": 0.0163,
|
| 772 |
+
"step": 5450
|
| 773 |
+
},
|
| 774 |
+
{
|
| 775 |
+
"epoch": 0.6815365551425031,
|
| 776 |
+
"grad_norm": 0.1552111655473709,
|
| 777 |
+
"learning_rate": 3.545366928266557e-05,
|
| 778 |
+
"loss": 0.0153,
|
| 779 |
+
"step": 5500
|
| 780 |
+
},
|
| 781 |
+
{
|
| 782 |
+
"epoch": 0.6877323420074349,
|
| 783 |
+
"grad_norm": 0.7425574064254761,
|
| 784 |
+
"learning_rate": 3.476524851989536e-05,
|
| 785 |
+
"loss": 0.0122,
|
| 786 |
+
"step": 5550
|
| 787 |
+
},
|
| 788 |
+
{
|
| 789 |
+
"epoch": 0.6939281288723668,
|
| 790 |
+
"grad_norm": 0.43186843395233154,
|
| 791 |
+
"learning_rate": 3.4076827757125156e-05,
|
| 792 |
+
"loss": 0.016,
|
| 793 |
+
"step": 5600
|
| 794 |
+
},
|
| 795 |
+
{
|
| 796 |
+
"epoch": 0.7001239157372986,
|
| 797 |
+
"grad_norm": 0.7145938277244568,
|
| 798 |
+
"learning_rate": 3.338840699435495e-05,
|
| 799 |
+
"loss": 0.0169,
|
| 800 |
+
"step": 5650
|
| 801 |
+
},
|
| 802 |
+
{
|
| 803 |
+
"epoch": 0.7063197026022305,
|
| 804 |
+
"grad_norm": 0.09214766323566437,
|
| 805 |
+
"learning_rate": 3.269998623158475e-05,
|
| 806 |
+
"loss": 0.0132,
|
| 807 |
+
"step": 5700
|
| 808 |
+
},
|
| 809 |
+
{
|
| 810 |
+
"epoch": 0.7125154894671624,
|
| 811 |
+
"grad_norm": 1.138299584388733,
|
| 812 |
+
"learning_rate": 3.201156546881454e-05,
|
| 813 |
+
"loss": 0.0129,
|
| 814 |
+
"step": 5750
|
| 815 |
+
},
|
| 816 |
+
{
|
| 817 |
+
"epoch": 0.7187112763320942,
|
| 818 |
+
"grad_norm": 1.3126403093338013,
|
| 819 |
+
"learning_rate": 3.132314470604434e-05,
|
| 820 |
+
"loss": 0.0128,
|
| 821 |
+
"step": 5800
|
| 822 |
+
},
|
| 823 |
+
{
|
| 824 |
+
"epoch": 0.724907063197026,
|
| 825 |
+
"grad_norm": 1.0886186361312866,
|
| 826 |
+
"learning_rate": 3.063472394327413e-05,
|
| 827 |
+
"loss": 0.0119,
|
| 828 |
+
"step": 5850
|
| 829 |
+
},
|
| 830 |
+
{
|
| 831 |
+
"epoch": 0.7311028500619579,
|
| 832 |
+
"grad_norm": 0.23192736506462097,
|
| 833 |
+
"learning_rate": 2.9946303180503927e-05,
|
| 834 |
+
"loss": 0.0118,
|
| 835 |
+
"step": 5900
|
| 836 |
+
},
|
| 837 |
+
{
|
| 838 |
+
"epoch": 0.7372986369268897,
|
| 839 |
+
"grad_norm": 0.9914634227752686,
|
| 840 |
+
"learning_rate": 2.9257882417733723e-05,
|
| 841 |
+
"loss": 0.0138,
|
| 842 |
+
"step": 5950
|
| 843 |
+
},
|
| 844 |
+
{
|
| 845 |
+
"epoch": 0.7434944237918215,
|
| 846 |
+
"grad_norm": 0.29283687472343445,
|
| 847 |
+
"learning_rate": 2.8569461654963515e-05,
|
| 848 |
+
"loss": 0.0123,
|
| 849 |
+
"step": 6000
|
| 850 |
+
},
|
| 851 |
+
{
|
| 852 |
+
"epoch": 0.7496902106567535,
|
| 853 |
+
"grad_norm": 0.9173604249954224,
|
| 854 |
+
"learning_rate": 2.788104089219331e-05,
|
| 855 |
+
"loss": 0.0104,
|
| 856 |
+
"step": 6050
|
| 857 |
+
},
|
| 858 |
+
{
|
| 859 |
+
"epoch": 0.7558859975216853,
|
| 860 |
+
"grad_norm": 0.35434839129447937,
|
| 861 |
+
"learning_rate": 2.7192620129423103e-05,
|
| 862 |
+
"loss": 0.0147,
|
| 863 |
+
"step": 6100
|
| 864 |
+
},
|
| 865 |
+
{
|
| 866 |
+
"epoch": 0.7620817843866171,
|
| 867 |
+
"grad_norm": 0.18677830696105957,
|
| 868 |
+
"learning_rate": 2.65041993666529e-05,
|
| 869 |
+
"loss": 0.0102,
|
| 870 |
+
"step": 6150
|
| 871 |
+
},
|
| 872 |
+
{
|
| 873 |
+
"epoch": 0.7682775712515489,
|
| 874 |
+
"grad_norm": 0.28843411803245544,
|
| 875 |
+
"learning_rate": 2.5815778603882695e-05,
|
| 876 |
+
"loss": 0.0125,
|
| 877 |
+
"step": 6200
|
| 878 |
+
},
|
| 879 |
+
{
|
| 880 |
+
"epoch": 0.7744733581164808,
|
| 881 |
+
"grad_norm": 0.5970668792724609,
|
| 882 |
+
"learning_rate": 2.5127357841112487e-05,
|
| 883 |
+
"loss": 0.0133,
|
| 884 |
+
"step": 6250
|
| 885 |
+
},
|
| 886 |
+
{
|
| 887 |
+
"epoch": 0.7806691449814126,
|
| 888 |
+
"grad_norm": 0.4063868224620819,
|
| 889 |
+
"learning_rate": 2.4438937078342283e-05,
|
| 890 |
+
"loss": 0.0134,
|
| 891 |
+
"step": 6300
|
| 892 |
+
},
|
| 893 |
+
{
|
| 894 |
+
"epoch": 0.7868649318463445,
|
| 895 |
+
"grad_norm": 0.7077623605728149,
|
| 896 |
+
"learning_rate": 2.375051631557208e-05,
|
| 897 |
+
"loss": 0.0125,
|
| 898 |
+
"step": 6350
|
| 899 |
+
},
|
| 900 |
+
{
|
| 901 |
+
"epoch": 0.7930607187112764,
|
| 902 |
+
"grad_norm": 0.056457001715898514,
|
| 903 |
+
"learning_rate": 2.3062095552801874e-05,
|
| 904 |
+
"loss": 0.0119,
|
| 905 |
+
"step": 6400
|
| 906 |
+
},
|
| 907 |
+
{
|
| 908 |
+
"epoch": 0.7992565055762082,
|
| 909 |
+
"grad_norm": 0.0479193776845932,
|
| 910 |
+
"learning_rate": 2.2373674790031666e-05,
|
| 911 |
+
"loss": 0.0134,
|
| 912 |
+
"step": 6450
|
| 913 |
+
},
|
| 914 |
+
{
|
| 915 |
+
"epoch": 0.80545229244114,
|
| 916 |
+
"grad_norm": 0.2201872020959854,
|
| 917 |
+
"learning_rate": 2.1685254027261465e-05,
|
| 918 |
+
"loss": 0.0144,
|
| 919 |
+
"step": 6500
|
| 920 |
+
},
|
| 921 |
+
{
|
| 922 |
+
"epoch": 0.8116480793060719,
|
| 923 |
+
"grad_norm": 0.24738062918186188,
|
| 924 |
+
"learning_rate": 2.0996833264491258e-05,
|
| 925 |
+
"loss": 0.0119,
|
| 926 |
+
"step": 6550
|
| 927 |
+
},
|
| 928 |
+
{
|
| 929 |
+
"epoch": 0.8178438661710037,
|
| 930 |
+
"grad_norm": 0.38614606857299805,
|
| 931 |
+
"learning_rate": 2.0308412501721053e-05,
|
| 932 |
+
"loss": 0.0109,
|
| 933 |
+
"step": 6600
|
| 934 |
+
},
|
| 935 |
+
{
|
| 936 |
+
"epoch": 0.8240396530359355,
|
| 937 |
+
"grad_norm": 0.05887860804796219,
|
| 938 |
+
"learning_rate": 1.9619991738950846e-05,
|
| 939 |
+
"loss": 0.0098,
|
| 940 |
+
"step": 6650
|
| 941 |
+
},
|
| 942 |
+
{
|
| 943 |
+
"epoch": 0.8302354399008675,
|
| 944 |
+
"grad_norm": 0.7075309753417969,
|
| 945 |
+
"learning_rate": 1.893157097618064e-05,
|
| 946 |
+
"loss": 0.0115,
|
| 947 |
+
"step": 6700
|
| 948 |
+
},
|
| 949 |
+
{
|
| 950 |
+
"epoch": 0.8364312267657993,
|
| 951 |
+
"grad_norm": 0.39252975583076477,
|
| 952 |
+
"learning_rate": 1.8243150213410437e-05,
|
| 953 |
+
"loss": 0.0127,
|
| 954 |
+
"step": 6750
|
| 955 |
+
},
|
| 956 |
+
{
|
| 957 |
+
"epoch": 0.8426270136307311,
|
| 958 |
+
"grad_norm": 0.4794786870479584,
|
| 959 |
+
"learning_rate": 1.755472945064023e-05,
|
| 960 |
+
"loss": 0.0102,
|
| 961 |
+
"step": 6800
|
| 962 |
+
},
|
| 963 |
+
{
|
| 964 |
+
"epoch": 0.8488228004956629,
|
| 965 |
+
"grad_norm": 0.39937812089920044,
|
| 966 |
+
"learning_rate": 1.686630868787003e-05,
|
| 967 |
+
"loss": 0.011,
|
| 968 |
+
"step": 6850
|
| 969 |
+
},
|
| 970 |
+
{
|
| 971 |
+
"epoch": 0.8550185873605948,
|
| 972 |
+
"grad_norm": 0.7926356792449951,
|
| 973 |
+
"learning_rate": 1.617788792509982e-05,
|
| 974 |
+
"loss": 0.0114,
|
| 975 |
+
"step": 6900
|
| 976 |
+
},
|
| 977 |
+
{
|
| 978 |
+
"epoch": 0.8612143742255266,
|
| 979 |
+
"grad_norm": 1.0466240644454956,
|
| 980 |
+
"learning_rate": 1.5489467162329617e-05,
|
| 981 |
+
"loss": 0.0116,
|
| 982 |
+
"step": 6950
|
| 983 |
+
},
|
| 984 |
+
{
|
| 985 |
+
"epoch": 0.8674101610904585,
|
| 986 |
+
"grad_norm": 0.6414132714271545,
|
| 987 |
+
"learning_rate": 1.4801046399559412e-05,
|
| 988 |
+
"loss": 0.0102,
|
| 989 |
+
"step": 7000
|
| 990 |
+
},
|
| 991 |
+
{
|
| 992 |
+
"epoch": 0.8736059479553904,
|
| 993 |
+
"grad_norm": 0.8947381377220154,
|
| 994 |
+
"learning_rate": 1.4112625636789206e-05,
|
| 995 |
+
"loss": 0.0104,
|
| 996 |
+
"step": 7050
|
| 997 |
+
},
|
| 998 |
+
{
|
| 999 |
+
"epoch": 0.8798017348203222,
|
| 1000 |
+
"grad_norm": 0.8255850076675415,
|
| 1001 |
+
"learning_rate": 1.3424204874019e-05,
|
| 1002 |
+
"loss": 0.0098,
|
| 1003 |
+
"step": 7100
|
| 1004 |
+
},
|
| 1005 |
+
{
|
| 1006 |
+
"epoch": 0.885997521685254,
|
| 1007 |
+
"grad_norm": 0.16911354660987854,
|
| 1008 |
+
"learning_rate": 1.2735784111248796e-05,
|
| 1009 |
+
"loss": 0.01,
|
| 1010 |
+
"step": 7150
|
| 1011 |
+
},
|
| 1012 |
+
{
|
| 1013 |
+
"epoch": 0.8921933085501859,
|
| 1014 |
+
"grad_norm": 0.04949663579463959,
|
| 1015 |
+
"learning_rate": 1.204736334847859e-05,
|
| 1016 |
+
"loss": 0.01,
|
| 1017 |
+
"step": 7200
|
| 1018 |
+
},
|
| 1019 |
+
{
|
| 1020 |
+
"epoch": 0.8983890954151177,
|
| 1021 |
+
"grad_norm": 0.3117857277393341,
|
| 1022 |
+
"learning_rate": 1.1358942585708386e-05,
|
| 1023 |
+
"loss": 0.0085,
|
| 1024 |
+
"step": 7250
|
| 1025 |
+
},
|
| 1026 |
+
{
|
| 1027 |
+
"epoch": 0.9045848822800495,
|
| 1028 |
+
"grad_norm": 0.38259008526802063,
|
| 1029 |
+
"learning_rate": 1.067052182293818e-05,
|
| 1030 |
+
"loss": 0.0106,
|
| 1031 |
+
"step": 7300
|
| 1032 |
+
},
|
| 1033 |
+
{
|
| 1034 |
+
"epoch": 0.9107806691449815,
|
| 1035 |
+
"grad_norm": 0.423921138048172,
|
| 1036 |
+
"learning_rate": 9.982101060167976e-06,
|
| 1037 |
+
"loss": 0.0085,
|
| 1038 |
+
"step": 7350
|
| 1039 |
+
},
|
| 1040 |
+
{
|
| 1041 |
+
"epoch": 0.9169764560099133,
|
| 1042 |
+
"grad_norm": 0.2425990253686905,
|
| 1043 |
+
"learning_rate": 9.29368029739777e-06,
|
| 1044 |
+
"loss": 0.0092,
|
| 1045 |
+
"step": 7400
|
| 1046 |
+
},
|
| 1047 |
+
{
|
| 1048 |
+
"epoch": 0.9231722428748451,
|
| 1049 |
+
"grad_norm": 0.17992499470710754,
|
| 1050 |
+
"learning_rate": 8.605259534627565e-06,
|
| 1051 |
+
"loss": 0.0095,
|
| 1052 |
+
"step": 7450
|
| 1053 |
+
},
|
| 1054 |
+
{
|
| 1055 |
+
"epoch": 0.929368029739777,
|
| 1056 |
+
"grad_norm": 0.634684681892395,
|
| 1057 |
+
"learning_rate": 7.91683877185736e-06,
|
| 1058 |
+
"loss": 0.0099,
|
| 1059 |
+
"step": 7500
|
| 1060 |
+
},
|
| 1061 |
+
{
|
| 1062 |
+
"epoch": 0.9355638166047088,
|
| 1063 |
+
"grad_norm": 0.92573481798172,
|
| 1064 |
+
"learning_rate": 7.228418009087154e-06,
|
| 1065 |
+
"loss": 0.0113,
|
| 1066 |
+
"step": 7550
|
| 1067 |
+
},
|
| 1068 |
+
{
|
| 1069 |
+
"epoch": 0.9417596034696406,
|
| 1070 |
+
"grad_norm": 0.07547607272863388,
|
| 1071 |
+
"learning_rate": 6.539997246316949e-06,
|
| 1072 |
+
"loss": 0.0077,
|
| 1073 |
+
"step": 7600
|
| 1074 |
+
},
|
| 1075 |
+
{
|
| 1076 |
+
"epoch": 0.9479553903345725,
|
| 1077 |
+
"grad_norm": 0.8026949167251587,
|
| 1078 |
+
"learning_rate": 5.851576483546744e-06,
|
| 1079 |
+
"loss": 0.0095,
|
| 1080 |
+
"step": 7650
|
| 1081 |
+
},
|
| 1082 |
+
{
|
| 1083 |
+
"epoch": 0.9541511771995044,
|
| 1084 |
+
"grad_norm": 0.40003785490989685,
|
| 1085 |
+
"learning_rate": 5.163155720776539e-06,
|
| 1086 |
+
"loss": 0.0077,
|
| 1087 |
+
"step": 7700
|
| 1088 |
+
},
|
| 1089 |
+
{
|
| 1090 |
+
"epoch": 0.9603469640644362,
|
| 1091 |
+
"grad_norm": 0.1786423921585083,
|
| 1092 |
+
"learning_rate": 4.474734958006334e-06,
|
| 1093 |
+
"loss": 0.0089,
|
| 1094 |
+
"step": 7750
|
| 1095 |
+
},
|
| 1096 |
+
{
|
| 1097 |
+
"epoch": 0.966542750929368,
|
| 1098 |
+
"grad_norm": 1.094724416732788,
|
| 1099 |
+
"learning_rate": 3.7863141952361286e-06,
|
| 1100 |
+
"loss": 0.009,
|
| 1101 |
+
"step": 7800
|
| 1102 |
+
},
|
| 1103 |
+
{
|
| 1104 |
+
"epoch": 0.9727385377942999,
|
| 1105 |
+
"grad_norm": 0.7275987863540649,
|
| 1106 |
+
"learning_rate": 3.0978934324659235e-06,
|
| 1107 |
+
"loss": 0.0077,
|
| 1108 |
+
"step": 7850
|
| 1109 |
+
},
|
| 1110 |
+
{
|
| 1111 |
+
"epoch": 0.9789343246592317,
|
| 1112 |
+
"grad_norm": 0.17183449864387512,
|
| 1113 |
+
"learning_rate": 2.409472669695718e-06,
|
| 1114 |
+
"loss": 0.0101,
|
| 1115 |
+
"step": 7900
|
| 1116 |
+
},
|
| 1117 |
+
{
|
| 1118 |
+
"epoch": 0.9851301115241635,
|
| 1119 |
+
"grad_norm": 0.138813316822052,
|
| 1120 |
+
"learning_rate": 1.721051906925513e-06,
|
| 1121 |
+
"loss": 0.0088,
|
| 1122 |
+
"step": 7950
|
| 1123 |
+
},
|
| 1124 |
+
{
|
| 1125 |
+
"epoch": 0.9913258983890955,
|
| 1126 |
+
"grad_norm": 0.39123526215553284,
|
| 1127 |
+
"learning_rate": 1.0326311441553077e-06,
|
| 1128 |
+
"loss": 0.0098,
|
| 1129 |
+
"step": 8000
|
| 1130 |
+
},
|
| 1131 |
+
{
|
| 1132 |
+
"epoch": 0.9975216852540273,
|
| 1133 |
+
"grad_norm": 0.0659351795911789,
|
| 1134 |
+
"learning_rate": 3.442103813851026e-07,
|
| 1135 |
+
"loss": 0.0102,
|
| 1136 |
+
"step": 8050
|
| 1137 |
+
}
|
| 1138 |
+
],
|
| 1139 |
+
"logging_steps": 50,
|
| 1140 |
+
"max_steps": 8070,
|
| 1141 |
+
"num_input_tokens_seen": 0,
|
| 1142 |
+
"num_train_epochs": 1,
|
| 1143 |
+
"save_steps": 100,
|
| 1144 |
+
"stateful_callbacks": {
|
| 1145 |
+
"TrainerControl": {
|
| 1146 |
+
"args": {
|
| 1147 |
+
"should_epoch_stop": false,
|
| 1148 |
+
"should_evaluate": false,
|
| 1149 |
+
"should_log": false,
|
| 1150 |
+
"should_save": true,
|
| 1151 |
+
"should_training_stop": true
|
| 1152 |
+
},
|
| 1153 |
+
"attributes": {}
|
| 1154 |
+
}
|
| 1155 |
+
},
|
| 1156 |
+
"total_flos": 0.0,
|
| 1157 |
+
"train_batch_size": 128,
|
| 1158 |
+
"trial_name": null,
|
| 1159 |
+
"trial_params": null
|
| 1160 |
+
}
|
training_args.bin
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:499ebc2395cf3cb41e71c7e6d079b89028b0947d84c3224b685f3d629fd6af93
|
| 3 |
+
size 5560
|
vocab.txt
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|