Spaces:
Sleeping
Sleeping
| { | |
| "best_global_step": null, | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 2.56, | |
| "eval_steps": 500, | |
| "global_step": 1600, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.032, | |
| "grad_norm": 671614.75, | |
| "learning_rate": 4.9493333333333336e-05, | |
| "loss": 2.1669, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.064, | |
| "grad_norm": 41173.5, | |
| "learning_rate": 4.896e-05, | |
| "loss": 0.5516, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.096, | |
| "grad_norm": 14334.6923828125, | |
| "learning_rate": 4.842666666666667e-05, | |
| "loss": 0.2249, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 0.128, | |
| "grad_norm": 14753.2421875, | |
| "learning_rate": 4.789333333333334e-05, | |
| "loss": 0.1644, | |
| "step": 80 | |
| }, | |
| { | |
| "epoch": 0.16, | |
| "grad_norm": 12797.7333984375, | |
| "learning_rate": 4.736000000000001e-05, | |
| "loss": 0.103, | |
| "step": 100 | |
| }, | |
| { | |
| "epoch": 0.192, | |
| "grad_norm": 12743.939453125, | |
| "learning_rate": 4.682666666666667e-05, | |
| "loss": 0.0684, | |
| "step": 120 | |
| }, | |
| { | |
| "epoch": 0.224, | |
| "grad_norm": 10378.1640625, | |
| "learning_rate": 4.629333333333333e-05, | |
| "loss": 0.0495, | |
| "step": 140 | |
| }, | |
| { | |
| "epoch": 0.256, | |
| "grad_norm": 8000.236328125, | |
| "learning_rate": 4.576e-05, | |
| "loss": 0.0404, | |
| "step": 160 | |
| }, | |
| { | |
| "epoch": 0.288, | |
| "grad_norm": 8669.037109375, | |
| "learning_rate": 4.5226666666666665e-05, | |
| "loss": 0.0356, | |
| "step": 180 | |
| }, | |
| { | |
| "epoch": 0.32, | |
| "grad_norm": 8630.375, | |
| "learning_rate": 4.4693333333333335e-05, | |
| "loss": 0.0291, | |
| "step": 200 | |
| }, | |
| { | |
| "epoch": 0.352, | |
| "grad_norm": 8318.3955078125, | |
| "learning_rate": 4.4160000000000004e-05, | |
| "loss": 0.0285, | |
| "step": 220 | |
| }, | |
| { | |
| "epoch": 0.384, | |
| "grad_norm": 7282.09619140625, | |
| "learning_rate": 4.3626666666666674e-05, | |
| "loss": 0.0282, | |
| "step": 240 | |
| }, | |
| { | |
| "epoch": 0.416, | |
| "grad_norm": 7333.845703125, | |
| "learning_rate": 4.3093333333333336e-05, | |
| "loss": 0.028, | |
| "step": 260 | |
| }, | |
| { | |
| "epoch": 0.448, | |
| "grad_norm": 8852.5693359375, | |
| "learning_rate": 4.256e-05, | |
| "loss": 0.0312, | |
| "step": 280 | |
| }, | |
| { | |
| "epoch": 0.48, | |
| "grad_norm": 6368.5595703125, | |
| "learning_rate": 4.202666666666667e-05, | |
| "loss": 0.0279, | |
| "step": 300 | |
| }, | |
| { | |
| "epoch": 0.512, | |
| "grad_norm": 7761.8134765625, | |
| "learning_rate": 4.149333333333333e-05, | |
| "loss": 0.0277, | |
| "step": 320 | |
| }, | |
| { | |
| "epoch": 0.544, | |
| "grad_norm": 6672.0615234375, | |
| "learning_rate": 4.096e-05, | |
| "loss": 0.0276, | |
| "step": 340 | |
| }, | |
| { | |
| "epoch": 0.576, | |
| "grad_norm": 7834.865234375, | |
| "learning_rate": 4.042666666666667e-05, | |
| "loss": 0.0276, | |
| "step": 360 | |
| }, | |
| { | |
| "epoch": 0.608, | |
| "grad_norm": 8973.3291015625, | |
| "learning_rate": 3.989333333333333e-05, | |
| "loss": 0.0303, | |
| "step": 380 | |
| }, | |
| { | |
| "epoch": 0.64, | |
| "grad_norm": 5775.8837890625, | |
| "learning_rate": 3.936e-05, | |
| "loss": 0.0275, | |
| "step": 400 | |
| }, | |
| { | |
| "epoch": 0.672, | |
| "grad_norm": 8265.2255859375, | |
| "learning_rate": 3.8826666666666665e-05, | |
| "loss": 0.0275, | |
| "step": 420 | |
| }, | |
| { | |
| "epoch": 0.704, | |
| "grad_norm": 6458.6533203125, | |
| "learning_rate": 3.8293333333333335e-05, | |
| "loss": 0.0275, | |
| "step": 440 | |
| }, | |
| { | |
| "epoch": 0.736, | |
| "grad_norm": 7894.96435546875, | |
| "learning_rate": 3.776e-05, | |
| "loss": 0.029, | |
| "step": 460 | |
| }, | |
| { | |
| "epoch": 0.768, | |
| "grad_norm": 7347.64013671875, | |
| "learning_rate": 3.7226666666666674e-05, | |
| "loss": 0.0275, | |
| "step": 480 | |
| }, | |
| { | |
| "epoch": 0.8, | |
| "grad_norm": 6285.21630859375, | |
| "learning_rate": 3.669333333333334e-05, | |
| "loss": 0.0275, | |
| "step": 500 | |
| }, | |
| { | |
| "epoch": 0.832, | |
| "grad_norm": 8621.4580078125, | |
| "learning_rate": 3.616e-05, | |
| "loss": 0.0274, | |
| "step": 520 | |
| }, | |
| { | |
| "epoch": 0.864, | |
| "grad_norm": 5599.4931640625, | |
| "learning_rate": 3.562666666666667e-05, | |
| "loss": 0.0293, | |
| "step": 540 | |
| }, | |
| { | |
| "epoch": 0.896, | |
| "grad_norm": 6125.87890625, | |
| "learning_rate": 3.509333333333333e-05, | |
| "loss": 0.0272, | |
| "step": 560 | |
| }, | |
| { | |
| "epoch": 0.928, | |
| "grad_norm": 6572.81689453125, | |
| "learning_rate": 3.456e-05, | |
| "loss": 0.0272, | |
| "step": 580 | |
| }, | |
| { | |
| "epoch": 0.96, | |
| "grad_norm": 6079.21435546875, | |
| "learning_rate": 3.402666666666667e-05, | |
| "loss": 0.0298, | |
| "step": 600 | |
| }, | |
| { | |
| "epoch": 0.992, | |
| "grad_norm": 7548.86474609375, | |
| "learning_rate": 3.349333333333334e-05, | |
| "loss": 0.0302, | |
| "step": 620 | |
| }, | |
| { | |
| "epoch": 1.024, | |
| "grad_norm": 5836.685546875, | |
| "learning_rate": 3.296e-05, | |
| "loss": 0.0296, | |
| "step": 640 | |
| }, | |
| { | |
| "epoch": 1.056, | |
| "grad_norm": 5482.8134765625, | |
| "learning_rate": 3.2426666666666666e-05, | |
| "loss": 0.0291, | |
| "step": 660 | |
| }, | |
| { | |
| "epoch": 1.088, | |
| "grad_norm": 7803.9892578125, | |
| "learning_rate": 3.1893333333333335e-05, | |
| "loss": 0.0271, | |
| "step": 680 | |
| }, | |
| { | |
| "epoch": 1.12, | |
| "grad_norm": 5504.576171875, | |
| "learning_rate": 3.136e-05, | |
| "loss": 0.0272, | |
| "step": 700 | |
| }, | |
| { | |
| "epoch": 1.152, | |
| "grad_norm": 6076.79541015625, | |
| "learning_rate": 3.082666666666667e-05, | |
| "loss": 0.0273, | |
| "step": 720 | |
| }, | |
| { | |
| "epoch": 1.184, | |
| "grad_norm": 5411.95458984375, | |
| "learning_rate": 3.0293333333333334e-05, | |
| "loss": 0.0297, | |
| "step": 740 | |
| }, | |
| { | |
| "epoch": 1.216, | |
| "grad_norm": 4871.5166015625, | |
| "learning_rate": 2.976e-05, | |
| "loss": 0.027, | |
| "step": 760 | |
| }, | |
| { | |
| "epoch": 1.248, | |
| "grad_norm": 4601.7197265625, | |
| "learning_rate": 2.922666666666667e-05, | |
| "loss": 0.0295, | |
| "step": 780 | |
| }, | |
| { | |
| "epoch": 1.28, | |
| "grad_norm": 5593.90380859375, | |
| "learning_rate": 2.8693333333333332e-05, | |
| "loss": 0.0271, | |
| "step": 800 | |
| }, | |
| { | |
| "epoch": 1.312, | |
| "grad_norm": 6107.31298828125, | |
| "learning_rate": 2.816e-05, | |
| "loss": 0.0273, | |
| "step": 820 | |
| }, | |
| { | |
| "epoch": 1.3439999999999999, | |
| "grad_norm": 6053.76171875, | |
| "learning_rate": 2.7626666666666668e-05, | |
| "loss": 0.0272, | |
| "step": 840 | |
| }, | |
| { | |
| "epoch": 1.376, | |
| "grad_norm": 6232.923828125, | |
| "learning_rate": 2.7093333333333337e-05, | |
| "loss": 0.0294, | |
| "step": 860 | |
| }, | |
| { | |
| "epoch": 1.408, | |
| "grad_norm": 5416.33056640625, | |
| "learning_rate": 2.6560000000000003e-05, | |
| "loss": 0.0271, | |
| "step": 880 | |
| }, | |
| { | |
| "epoch": 1.44, | |
| "grad_norm": 5725.27197265625, | |
| "learning_rate": 2.6026666666666666e-05, | |
| "loss": 0.0272, | |
| "step": 900 | |
| }, | |
| { | |
| "epoch": 1.472, | |
| "grad_norm": 5987.8583984375, | |
| "learning_rate": 2.5493333333333335e-05, | |
| "loss": 0.0272, | |
| "step": 920 | |
| }, | |
| { | |
| "epoch": 1.504, | |
| "grad_norm": 6128.3720703125, | |
| "learning_rate": 2.496e-05, | |
| "loss": 0.0272, | |
| "step": 940 | |
| }, | |
| { | |
| "epoch": 1.536, | |
| "grad_norm": 5148.74267578125, | |
| "learning_rate": 2.4426666666666668e-05, | |
| "loss": 0.0272, | |
| "step": 960 | |
| }, | |
| { | |
| "epoch": 1.568, | |
| "grad_norm": 5796.38916015625, | |
| "learning_rate": 2.3893333333333334e-05, | |
| "loss": 0.029, | |
| "step": 980 | |
| }, | |
| { | |
| "epoch": 1.6, | |
| "grad_norm": 6873.32763671875, | |
| "learning_rate": 2.336e-05, | |
| "loss": 0.0271, | |
| "step": 1000 | |
| }, | |
| { | |
| "epoch": 1.6320000000000001, | |
| "grad_norm": 5035.609375, | |
| "learning_rate": 2.282666666666667e-05, | |
| "loss": 0.0271, | |
| "step": 1020 | |
| }, | |
| { | |
| "epoch": 1.6640000000000001, | |
| "grad_norm": 7524.55810546875, | |
| "learning_rate": 2.2293333333333336e-05, | |
| "loss": 0.0272, | |
| "step": 1040 | |
| }, | |
| { | |
| "epoch": 1.696, | |
| "grad_norm": 6007.6005859375, | |
| "learning_rate": 2.176e-05, | |
| "loss": 0.0271, | |
| "step": 1060 | |
| }, | |
| { | |
| "epoch": 1.728, | |
| "grad_norm": 5263.6826171875, | |
| "learning_rate": 2.1226666666666668e-05, | |
| "loss": 0.027, | |
| "step": 1080 | |
| }, | |
| { | |
| "epoch": 1.76, | |
| "grad_norm": 6018.93505859375, | |
| "learning_rate": 2.0693333333333334e-05, | |
| "loss": 0.0271, | |
| "step": 1100 | |
| }, | |
| { | |
| "epoch": 1.792, | |
| "grad_norm": 5651.1494140625, | |
| "learning_rate": 2.016e-05, | |
| "loss": 0.0271, | |
| "step": 1120 | |
| }, | |
| { | |
| "epoch": 1.8239999999999998, | |
| "grad_norm": 6097.88623046875, | |
| "learning_rate": 1.962666666666667e-05, | |
| "loss": 0.0294, | |
| "step": 1140 | |
| }, | |
| { | |
| "epoch": 1.8559999999999999, | |
| "grad_norm": 5452.13671875, | |
| "learning_rate": 1.9093333333333336e-05, | |
| "loss": 0.0272, | |
| "step": 1160 | |
| }, | |
| { | |
| "epoch": 1.888, | |
| "grad_norm": 5253.505859375, | |
| "learning_rate": 1.856e-05, | |
| "loss": 0.027, | |
| "step": 1180 | |
| }, | |
| { | |
| "epoch": 1.92, | |
| "grad_norm": 5817.494140625, | |
| "learning_rate": 1.8026666666666668e-05, | |
| "loss": 0.0271, | |
| "step": 1200 | |
| }, | |
| { | |
| "epoch": 1.952, | |
| "grad_norm": 6238.4326171875, | |
| "learning_rate": 1.7493333333333334e-05, | |
| "loss": 0.027, | |
| "step": 1220 | |
| }, | |
| { | |
| "epoch": 1.984, | |
| "grad_norm": 5733.29736328125, | |
| "learning_rate": 1.696e-05, | |
| "loss": 0.027, | |
| "step": 1240 | |
| }, | |
| { | |
| "epoch": 2.016, | |
| "grad_norm": 5119.052734375, | |
| "learning_rate": 1.6426666666666666e-05, | |
| "loss": 0.027, | |
| "step": 1260 | |
| }, | |
| { | |
| "epoch": 2.048, | |
| "grad_norm": 6578.64453125, | |
| "learning_rate": 1.5893333333333336e-05, | |
| "loss": 0.0271, | |
| "step": 1280 | |
| }, | |
| { | |
| "epoch": 2.08, | |
| "grad_norm": 5256.97998046875, | |
| "learning_rate": 1.536e-05, | |
| "loss": 0.027, | |
| "step": 1300 | |
| }, | |
| { | |
| "epoch": 2.112, | |
| "grad_norm": 4901.861328125, | |
| "learning_rate": 1.4826666666666666e-05, | |
| "loss": 0.0269, | |
| "step": 1320 | |
| }, | |
| { | |
| "epoch": 2.144, | |
| "grad_norm": 5661.53173828125, | |
| "learning_rate": 1.4293333333333334e-05, | |
| "loss": 0.027, | |
| "step": 1340 | |
| }, | |
| { | |
| "epoch": 2.176, | |
| "grad_norm": 7117.23974609375, | |
| "learning_rate": 1.376e-05, | |
| "loss": 0.0271, | |
| "step": 1360 | |
| }, | |
| { | |
| "epoch": 2.208, | |
| "grad_norm": 5406.29833984375, | |
| "learning_rate": 1.3226666666666668e-05, | |
| "loss": 0.0288, | |
| "step": 1380 | |
| }, | |
| { | |
| "epoch": 2.24, | |
| "grad_norm": 6967.7265625, | |
| "learning_rate": 1.2693333333333334e-05, | |
| "loss": 0.0295, | |
| "step": 1400 | |
| }, | |
| { | |
| "epoch": 2.2720000000000002, | |
| "grad_norm": 5049.2099609375, | |
| "learning_rate": 1.216e-05, | |
| "loss": 0.027, | |
| "step": 1420 | |
| }, | |
| { | |
| "epoch": 2.304, | |
| "grad_norm": 5249.7470703125, | |
| "learning_rate": 1.1626666666666668e-05, | |
| "loss": 0.0297, | |
| "step": 1440 | |
| }, | |
| { | |
| "epoch": 2.336, | |
| "grad_norm": 5367.24365234375, | |
| "learning_rate": 1.1093333333333333e-05, | |
| "loss": 0.0268, | |
| "step": 1460 | |
| }, | |
| { | |
| "epoch": 2.368, | |
| "grad_norm": 9837.466796875, | |
| "learning_rate": 1.056e-05, | |
| "loss": 0.027, | |
| "step": 1480 | |
| }, | |
| { | |
| "epoch": 2.4, | |
| "grad_norm": 6396.8125, | |
| "learning_rate": 1.0026666666666668e-05, | |
| "loss": 0.0295, | |
| "step": 1500 | |
| }, | |
| { | |
| "epoch": 2.432, | |
| "grad_norm": 5881.74072265625, | |
| "learning_rate": 9.493333333333333e-06, | |
| "loss": 0.0304, | |
| "step": 1520 | |
| }, | |
| { | |
| "epoch": 2.464, | |
| "grad_norm": 4874.60498046875, | |
| "learning_rate": 8.96e-06, | |
| "loss": 0.0269, | |
| "step": 1540 | |
| }, | |
| { | |
| "epoch": 2.496, | |
| "grad_norm": 5798.00390625, | |
| "learning_rate": 8.426666666666667e-06, | |
| "loss": 0.027, | |
| "step": 1560 | |
| }, | |
| { | |
| "epoch": 2.528, | |
| "grad_norm": 5054.810546875, | |
| "learning_rate": 7.893333333333333e-06, | |
| "loss": 0.0298, | |
| "step": 1580 | |
| }, | |
| { | |
| "epoch": 2.56, | |
| "grad_norm": 5496.38818359375, | |
| "learning_rate": 7.36e-06, | |
| "loss": 0.0293, | |
| "step": 1600 | |
| } | |
| ], | |
| "logging_steps": 20, | |
| "max_steps": 1875, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 3, | |
| "save_steps": 50, | |
| "stateful_callbacks": { | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": false | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 4.07229740089344e+16, | |
| "train_batch_size": 8, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |