lemexp-task1-v2-template_full_nodefs-deepseek-coder-1.3b-base-ddp-8lr-v2

This model is a fine-tuned version of deepseek-ai/deepseek-coder-1.3b-base on an unknown dataset. It achieves the following results on the evaluation set:

• Loss: 0.1453

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

• learning_rate: 0.0008
• train_batch_size: 2
• eval_batch_size: 2
• seed: 42
• distributed_type: multi-GPU
• num_devices: 8
• total_train_batch_size: 16
• total_eval_batch_size: 16
• optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
• lr_scheduler_type: linear
• num_epochs: 12
• mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss
0.2767	0.2	3094	0.2776
0.2557	0.4	6188	0.2610
0.2507	0.6	9282	0.2532
0.2434	0.8	12376	0.2445
0.2395	1.0	15470	0.2353
0.2339	1.2	18564	0.2381
0.2332	1.4	21658	0.2260
0.2275	1.6	24752	0.2299
0.2298	1.8	27846	0.2205
0.2233	2.0	30940	0.2328
0.221	2.2	34034	0.2231
0.2201	2.4	37128	0.2136
0.2154	2.6	40222	0.2186
0.2152	2.8	43316	0.2148
0.2153	3.0	46410	0.2166
0.21	3.2	49504	0.2103
0.2094	3.4	52598	0.2103
0.2054	3.6	55692	0.2095
0.2046	3.8	58786	0.2053
0.2056	4.0	61880	0.2002
0.1989	4.2	64974	0.2069
0.1968	4.4	68068	0.1943
0.1948	4.6	71162	0.2035
0.1905	4.8	74256	0.1966
0.1909	5.0	77350	0.1933
0.1879	5.2	80444	0.1892
0.1877	5.4	83538	0.1933
0.186	5.6	86632	0.1895
0.1844	5.8	89726	0.1868
0.1815	6.0	92820	0.1869
0.1764	6.2	95914	0.1845
0.1764	6.4	99008	0.1874
0.1754	6.6	102102	0.1894
0.176	6.8	105196	0.1816
0.1724	7.0	108290	0.1799
0.1656	7.2	111384	0.1761
0.1637	7.4	114478	0.1751
0.1672	7.6	117572	0.1767
0.164	7.8	120666	0.1714
0.1637	8.0	123760	0.1714
0.1553	8.2	126854	0.1694
0.1538	8.4	129948	0.1700
0.1533	8.6	133042	0.1686
0.1561	8.8	136136	0.1641
0.1544	9.0	139230	0.1627
0.1457	9.2	142324	0.1582
0.1458	9.4	145418	0.1593
0.1447	9.6	148512	0.1590
0.1446	9.8	151606	0.1565
0.1405	10.0	154700	0.1557
0.1357	10.2	157794	0.1539
0.1338	10.4	160888	0.1528
0.1333	10.6	163982	0.1518
0.1319	10.8	167076	0.1509
0.1324	11.0	170170	0.1479
0.1264	11.2	173264	0.1487
0.1227	11.4	176358	0.1483
0.1234	11.6	179452	0.1458
0.1223	11.8	182546	0.1461
0.1226	12.0	185640	0.1453

Framework versions

• PEFT 0.14.0
• Transformers 4.47.0
• Pytorch 2.5.1+cu124
• Datasets 3.2.0
• Tokenizers 0.21.0