| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 2.9333333333333336, | |
| "eval_steps": 500, | |
| "global_step": 54, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.05333333333333334, | |
| "grad_norm": 4.666506767272949, | |
| "learning_rate": 2e-05, | |
| "loss": 1.292, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.10666666666666667, | |
| "grad_norm": 7.47365140914917, | |
| "learning_rate": 4e-05, | |
| "loss": 1.7001, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.16, | |
| "grad_norm": 5.822547435760498, | |
| "learning_rate": 6e-05, | |
| "loss": 1.5635, | |
| "step": 3 | |
| }, | |
| { | |
| "epoch": 0.21333333333333335, | |
| "grad_norm": 5.696200370788574, | |
| "learning_rate": 8e-05, | |
| "loss": 1.5232, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.26666666666666666, | |
| "grad_norm": 6.368800640106201, | |
| "learning_rate": 0.0001, | |
| "loss": 1.6976, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 0.32, | |
| "grad_norm": 5.016761779785156, | |
| "learning_rate": 0.00012, | |
| "loss": 1.2749, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 0.37333333333333335, | |
| "grad_norm": 4.986789703369141, | |
| "learning_rate": 0.00014, | |
| "loss": 1.1729, | |
| "step": 7 | |
| }, | |
| { | |
| "epoch": 0.4266666666666667, | |
| "grad_norm": 4.382698059082031, | |
| "learning_rate": 0.00016, | |
| "loss": 0.8026, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 0.48, | |
| "grad_norm": 4.508045196533203, | |
| "learning_rate": 0.00018, | |
| "loss": 0.5936, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 0.5333333333333333, | |
| "grad_norm": 3.433337688446045, | |
| "learning_rate": 0.0002, | |
| "loss": 0.31, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.5866666666666667, | |
| "grad_norm": 28.188095092773438, | |
| "learning_rate": 0.0001999229036240723, | |
| "loss": 0.2593, | |
| "step": 11 | |
| }, | |
| { | |
| "epoch": 0.64, | |
| "grad_norm": 12.629283905029297, | |
| "learning_rate": 0.0001996917333733128, | |
| "loss": 0.2529, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 0.6933333333333334, | |
| "grad_norm": 8.236252784729004, | |
| "learning_rate": 0.00019930684569549264, | |
| "loss": 0.124, | |
| "step": 13 | |
| }, | |
| { | |
| "epoch": 0.7466666666666667, | |
| "grad_norm": 6.509011268615723, | |
| "learning_rate": 0.00019876883405951377, | |
| "loss": 0.1231, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 0.8, | |
| "grad_norm": 5.940812110900879, | |
| "learning_rate": 0.00019807852804032305, | |
| "loss": 0.2561, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 0.8533333333333334, | |
| "grad_norm": 2.8804972171783447, | |
| "learning_rate": 0.00019723699203976766, | |
| "loss": 0.0935, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 0.9066666666666666, | |
| "grad_norm": 1.605584979057312, | |
| "learning_rate": 0.00019624552364536473, | |
| "loss": 0.0779, | |
| "step": 17 | |
| }, | |
| { | |
| "epoch": 0.96, | |
| "grad_norm": 10.454480171203613, | |
| "learning_rate": 0.00019510565162951537, | |
| "loss": 0.2176, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 1.04, | |
| "grad_norm": 15.712906837463379, | |
| "learning_rate": 0.00019381913359224842, | |
| "loss": 0.2194, | |
| "step": 19 | |
| }, | |
| { | |
| "epoch": 1.0933333333333333, | |
| "grad_norm": 3.0404889583587646, | |
| "learning_rate": 0.0001923879532511287, | |
| "loss": 0.0467, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 1.1466666666666667, | |
| "grad_norm": 2.7410025596618652, | |
| "learning_rate": 0.00019081431738250814, | |
| "loss": 0.0759, | |
| "step": 21 | |
| }, | |
| { | |
| "epoch": 1.2, | |
| "grad_norm": 1.3956505060195923, | |
| "learning_rate": 0.0001891006524188368, | |
| "loss": 0.0991, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 1.2533333333333334, | |
| "grad_norm": 2.4015591144561768, | |
| "learning_rate": 0.00018724960070727972, | |
| "loss": 0.1033, | |
| "step": 23 | |
| }, | |
| { | |
| "epoch": 1.3066666666666666, | |
| "grad_norm": 0.7280605435371399, | |
| "learning_rate": 0.00018526401643540922, | |
| "loss": 0.0451, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 1.3599999999999999, | |
| "grad_norm": 0.6601844429969788, | |
| "learning_rate": 0.00018314696123025454, | |
| "loss": 0.0355, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 1.4133333333333333, | |
| "grad_norm": 3.139280319213867, | |
| "learning_rate": 0.00018090169943749476, | |
| "loss": 0.1026, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 1.4666666666666668, | |
| "grad_norm": 1.7711118459701538, | |
| "learning_rate": 0.00017853169308807448, | |
| "loss": 0.0465, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 1.52, | |
| "grad_norm": 3.4875471591949463, | |
| "learning_rate": 0.0001760405965600031, | |
| "loss": 0.0593, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 1.5733333333333333, | |
| "grad_norm": 0.6932216286659241, | |
| "learning_rate": 0.00017343225094356855, | |
| "loss": 0.0367, | |
| "step": 29 | |
| }, | |
| { | |
| "epoch": 1.6266666666666667, | |
| "grad_norm": 0.7455563545227051, | |
| "learning_rate": 0.00017071067811865476, | |
| "loss": 0.0504, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 1.6800000000000002, | |
| "grad_norm": 0.5182009935379028, | |
| "learning_rate": 0.0001678800745532942, | |
| "loss": 0.0498, | |
| "step": 31 | |
| }, | |
| { | |
| "epoch": 1.7333333333333334, | |
| "grad_norm": 0.4234088063240051, | |
| "learning_rate": 0.00016494480483301836, | |
| "loss": 0.0339, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 1.7866666666666666, | |
| "grad_norm": 0.7142859697341919, | |
| "learning_rate": 0.00016190939493098344, | |
| "loss": 0.0437, | |
| "step": 33 | |
| }, | |
| { | |
| "epoch": 1.8399999999999999, | |
| "grad_norm": 0.6082444787025452, | |
| "learning_rate": 0.00015877852522924732, | |
| "loss": 0.0497, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 1.8933333333333333, | |
| "grad_norm": 4.673405170440674, | |
| "learning_rate": 0.00015555702330196023, | |
| "loss": 0.0375, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 1.9466666666666668, | |
| "grad_norm": 1.5520739555358887, | |
| "learning_rate": 0.0001522498564715949, | |
| "loss": 0.1006, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 2.026666666666667, | |
| "grad_norm": 2.047563076019287, | |
| "learning_rate": 0.00014886212414969553, | |
| "loss": 0.0872, | |
| "step": 37 | |
| }, | |
| { | |
| "epoch": 2.08, | |
| "grad_norm": 3.987710952758789, | |
| "learning_rate": 0.00014539904997395468, | |
| "loss": 0.0728, | |
| "step": 38 | |
| }, | |
| { | |
| "epoch": 2.1333333333333333, | |
| "grad_norm": 0.30054906010627747, | |
| "learning_rate": 0.0001418659737537428, | |
| "loss": 0.0322, | |
| "step": 39 | |
| }, | |
| { | |
| "epoch": 2.1866666666666665, | |
| "grad_norm": 0.503038227558136, | |
| "learning_rate": 0.000138268343236509, | |
| "loss": 0.0325, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 2.24, | |
| "grad_norm": 0.7160049080848694, | |
| "learning_rate": 0.0001346117057077493, | |
| "loss": 0.0383, | |
| "step": 41 | |
| }, | |
| { | |
| "epoch": 2.2933333333333334, | |
| "grad_norm": 0.3441831171512604, | |
| "learning_rate": 0.00013090169943749476, | |
| "loss": 0.0395, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 2.3466666666666667, | |
| "grad_norm": 0.6901854276657104, | |
| "learning_rate": 0.00012714404498650743, | |
| "loss": 0.0338, | |
| "step": 43 | |
| }, | |
| { | |
| "epoch": 2.4, | |
| "grad_norm": 0.7378256916999817, | |
| "learning_rate": 0.00012334453638559057, | |
| "loss": 0.0372, | |
| "step": 44 | |
| }, | |
| { | |
| "epoch": 2.453333333333333, | |
| "grad_norm": 0.38442283868789673, | |
| "learning_rate": 0.00011950903220161285, | |
| "loss": 0.0323, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 2.506666666666667, | |
| "grad_norm": 0.4554055333137512, | |
| "learning_rate": 0.0001156434465040231, | |
| "loss": 0.0408, | |
| "step": 46 | |
| }, | |
| { | |
| "epoch": 2.56, | |
| "grad_norm": 0.3607599437236786, | |
| "learning_rate": 0.00011175373974578378, | |
| "loss": 0.0274, | |
| "step": 47 | |
| }, | |
| { | |
| "epoch": 2.6133333333333333, | |
| "grad_norm": 0.5390778183937073, | |
| "learning_rate": 0.0001078459095727845, | |
| "loss": 0.0296, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 2.6666666666666665, | |
| "grad_norm": 0.7152863144874573, | |
| "learning_rate": 0.00010392598157590688, | |
| "loss": 0.0466, | |
| "step": 49 | |
| }, | |
| { | |
| "epoch": 2.7199999999999998, | |
| "grad_norm": 1.0252915620803833, | |
| "learning_rate": 0.0001, | |
| "loss": 0.0605, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 2.7733333333333334, | |
| "grad_norm": 4.168819904327393, | |
| "learning_rate": 9.607401842409317e-05, | |
| "loss": 0.0548, | |
| "step": 51 | |
| }, | |
| { | |
| "epoch": 2.8266666666666667, | |
| "grad_norm": 0.3980584740638733, | |
| "learning_rate": 9.215409042721552e-05, | |
| "loss": 0.0248, | |
| "step": 52 | |
| }, | |
| { | |
| "epoch": 2.88, | |
| "grad_norm": 0.2687112092971802, | |
| "learning_rate": 8.824626025421626e-05, | |
| "loss": 0.0316, | |
| "step": 53 | |
| }, | |
| { | |
| "epoch": 2.9333333333333336, | |
| "grad_norm": 0.3823045492172241, | |
| "learning_rate": 8.435655349597689e-05, | |
| "loss": 0.0263, | |
| "step": 54 | |
| } | |
| ], | |
| "logging_steps": 1, | |
| "max_steps": 90, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 5, | |
| "save_steps": 18, | |
| "stateful_callbacks": { | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": false | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 1.7927192902945997e+17, | |
| "train_batch_size": 1, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |