| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 1.6, | |
| "eval_steps": 500, | |
| "global_step": 800, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 0.28473100066185, | |
| "learning_rate": 4.966666666666667e-05, | |
| "loss": 1.3783, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 0.09849760681390762, | |
| "learning_rate": 4.933333333333334e-05, | |
| "loss": 1.319, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 0.12863746285438538, | |
| "learning_rate": 4.9e-05, | |
| "loss": 1.4715, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 0.16797196865081787, | |
| "learning_rate": 4.866666666666667e-05, | |
| "loss": 1.4091, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 0.2071741819381714, | |
| "learning_rate": 4.8333333333333334e-05, | |
| "loss": 1.5629, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.12, | |
| "grad_norm": 0.11463215947151184, | |
| "learning_rate": 4.8e-05, | |
| "loss": 1.4113, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 0.14, | |
| "grad_norm": 0.4405534565448761, | |
| "learning_rate": 4.766666666666667e-05, | |
| "loss": 1.5984, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 0.16, | |
| "grad_norm": 0.12359176576137543, | |
| "learning_rate": 4.7333333333333336e-05, | |
| "loss": 1.6352, | |
| "step": 80 | |
| }, | |
| { | |
| "epoch": 0.18, | |
| "grad_norm": 0.4452320635318756, | |
| "learning_rate": 4.7e-05, | |
| "loss": 1.4261, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 0.2, | |
| "grad_norm": 0.15276187658309937, | |
| "learning_rate": 4.666666666666667e-05, | |
| "loss": 1.575, | |
| "step": 100 | |
| }, | |
| { | |
| "epoch": 0.22, | |
| "grad_norm": 0.24705903232097626, | |
| "learning_rate": 4.633333333333333e-05, | |
| "loss": 1.3795, | |
| "step": 110 | |
| }, | |
| { | |
| "epoch": 0.24, | |
| "grad_norm": 0.1368730366230011, | |
| "learning_rate": 4.600000000000001e-05, | |
| "loss": 1.4378, | |
| "step": 120 | |
| }, | |
| { | |
| "epoch": 0.26, | |
| "grad_norm": 0.40468767285346985, | |
| "learning_rate": 4.566666666666667e-05, | |
| "loss": 1.4759, | |
| "step": 130 | |
| }, | |
| { | |
| "epoch": 0.28, | |
| "grad_norm": 0.18973663449287415, | |
| "learning_rate": 4.5333333333333335e-05, | |
| "loss": 1.7495, | |
| "step": 140 | |
| }, | |
| { | |
| "epoch": 0.3, | |
| "grad_norm": 0.19974994659423828, | |
| "learning_rate": 4.5e-05, | |
| "loss": 1.4329, | |
| "step": 150 | |
| }, | |
| { | |
| "epoch": 0.32, | |
| "grad_norm": 0.1658446341753006, | |
| "learning_rate": 4.466666666666667e-05, | |
| "loss": 1.4386, | |
| "step": 160 | |
| }, | |
| { | |
| "epoch": 0.34, | |
| "grad_norm": 0.20768527686595917, | |
| "learning_rate": 4.433333333333334e-05, | |
| "loss": 1.5677, | |
| "step": 170 | |
| }, | |
| { | |
| "epoch": 0.36, | |
| "grad_norm": 0.12603804469108582, | |
| "learning_rate": 4.4000000000000006e-05, | |
| "loss": 1.3503, | |
| "step": 180 | |
| }, | |
| { | |
| "epoch": 0.38, | |
| "grad_norm": 0.11383192241191864, | |
| "learning_rate": 4.3666666666666666e-05, | |
| "loss": 1.536, | |
| "step": 190 | |
| }, | |
| { | |
| "epoch": 0.4, | |
| "grad_norm": 0.1635710746049881, | |
| "learning_rate": 4.3333333333333334e-05, | |
| "loss": 1.2382, | |
| "step": 200 | |
| }, | |
| { | |
| "epoch": 0.42, | |
| "grad_norm": 0.1817488968372345, | |
| "learning_rate": 4.3e-05, | |
| "loss": 1.442, | |
| "step": 210 | |
| }, | |
| { | |
| "epoch": 0.44, | |
| "grad_norm": 0.22358669340610504, | |
| "learning_rate": 4.266666666666667e-05, | |
| "loss": 1.6387, | |
| "step": 220 | |
| }, | |
| { | |
| "epoch": 0.46, | |
| "grad_norm": 0.242269828915596, | |
| "learning_rate": 4.233333333333334e-05, | |
| "loss": 1.289, | |
| "step": 230 | |
| }, | |
| { | |
| "epoch": 0.48, | |
| "grad_norm": 0.09938176721334457, | |
| "learning_rate": 4.2e-05, | |
| "loss": 1.6958, | |
| "step": 240 | |
| }, | |
| { | |
| "epoch": 0.5, | |
| "grad_norm": 0.24452297389507294, | |
| "learning_rate": 4.166666666666667e-05, | |
| "loss": 1.7457, | |
| "step": 250 | |
| }, | |
| { | |
| "epoch": 0.52, | |
| "grad_norm": 0.6737746596336365, | |
| "learning_rate": 4.133333333333333e-05, | |
| "loss": 1.4782, | |
| "step": 260 | |
| }, | |
| { | |
| "epoch": 0.54, | |
| "grad_norm": 0.3342950642108917, | |
| "learning_rate": 4.1e-05, | |
| "loss": 1.5557, | |
| "step": 270 | |
| }, | |
| { | |
| "epoch": 0.56, | |
| "grad_norm": 0.2859005928039551, | |
| "learning_rate": 4.066666666666667e-05, | |
| "loss": 1.6331, | |
| "step": 280 | |
| }, | |
| { | |
| "epoch": 0.58, | |
| "grad_norm": 0.196051225066185, | |
| "learning_rate": 4.0333333333333336e-05, | |
| "loss": 1.1884, | |
| "step": 290 | |
| }, | |
| { | |
| "epoch": 0.6, | |
| "grad_norm": 0.13173438608646393, | |
| "learning_rate": 4e-05, | |
| "loss": 1.5273, | |
| "step": 300 | |
| }, | |
| { | |
| "epoch": 0.62, | |
| "grad_norm": 0.15074381232261658, | |
| "learning_rate": 3.966666666666667e-05, | |
| "loss": 1.2017, | |
| "step": 310 | |
| }, | |
| { | |
| "epoch": 0.64, | |
| "grad_norm": 0.43569642305374146, | |
| "learning_rate": 3.933333333333333e-05, | |
| "loss": 1.4196, | |
| "step": 320 | |
| }, | |
| { | |
| "epoch": 0.66, | |
| "grad_norm": 0.13135027885437012, | |
| "learning_rate": 3.9000000000000006e-05, | |
| "loss": 1.2985, | |
| "step": 330 | |
| }, | |
| { | |
| "epoch": 0.68, | |
| "grad_norm": 0.683555543422699, | |
| "learning_rate": 3.866666666666667e-05, | |
| "loss": 2.0534, | |
| "step": 340 | |
| }, | |
| { | |
| "epoch": 0.7, | |
| "grad_norm": 0.18177451193332672, | |
| "learning_rate": 3.8333333333333334e-05, | |
| "loss": 1.4249, | |
| "step": 350 | |
| }, | |
| { | |
| "epoch": 0.72, | |
| "grad_norm": 0.8321959376335144, | |
| "learning_rate": 3.8e-05, | |
| "loss": 1.3113, | |
| "step": 360 | |
| }, | |
| { | |
| "epoch": 0.74, | |
| "grad_norm": 0.2439054697751999, | |
| "learning_rate": 3.766666666666667e-05, | |
| "loss": 1.569, | |
| "step": 370 | |
| }, | |
| { | |
| "epoch": 0.76, | |
| "grad_norm": 0.3370145261287689, | |
| "learning_rate": 3.733333333333334e-05, | |
| "loss": 1.6309, | |
| "step": 380 | |
| }, | |
| { | |
| "epoch": 0.78, | |
| "grad_norm": 0.17391540110111237, | |
| "learning_rate": 3.7e-05, | |
| "loss": 1.2326, | |
| "step": 390 | |
| }, | |
| { | |
| "epoch": 0.8, | |
| "grad_norm": 0.31036776304244995, | |
| "learning_rate": 3.6666666666666666e-05, | |
| "loss": 1.267, | |
| "step": 400 | |
| }, | |
| { | |
| "epoch": 0.82, | |
| "grad_norm": 0.16713590919971466, | |
| "learning_rate": 3.633333333333333e-05, | |
| "loss": 1.2097, | |
| "step": 410 | |
| }, | |
| { | |
| "epoch": 0.84, | |
| "grad_norm": 0.6574969291687012, | |
| "learning_rate": 3.6e-05, | |
| "loss": 1.7074, | |
| "step": 420 | |
| }, | |
| { | |
| "epoch": 0.86, | |
| "grad_norm": 0.21429121494293213, | |
| "learning_rate": 3.566666666666667e-05, | |
| "loss": 1.4363, | |
| "step": 430 | |
| }, | |
| { | |
| "epoch": 0.88, | |
| "grad_norm": 0.35936588048934937, | |
| "learning_rate": 3.5333333333333336e-05, | |
| "loss": 1.2745, | |
| "step": 440 | |
| }, | |
| { | |
| "epoch": 0.9, | |
| "grad_norm": 0.46381500363349915, | |
| "learning_rate": 3.5e-05, | |
| "loss": 1.3376, | |
| "step": 450 | |
| }, | |
| { | |
| "epoch": 0.92, | |
| "grad_norm": 0.1676020473241806, | |
| "learning_rate": 3.466666666666667e-05, | |
| "loss": 1.4441, | |
| "step": 460 | |
| }, | |
| { | |
| "epoch": 0.94, | |
| "grad_norm": 0.17079180479049683, | |
| "learning_rate": 3.433333333333333e-05, | |
| "loss": 1.4486, | |
| "step": 470 | |
| }, | |
| { | |
| "epoch": 0.96, | |
| "grad_norm": 0.35042911767959595, | |
| "learning_rate": 3.4000000000000007e-05, | |
| "loss": 1.6119, | |
| "step": 480 | |
| }, | |
| { | |
| "epoch": 0.98, | |
| "grad_norm": 0.13189171254634857, | |
| "learning_rate": 3.366666666666667e-05, | |
| "loss": 1.3443, | |
| "step": 490 | |
| }, | |
| { | |
| "epoch": 1.0, | |
| "grad_norm": 0.48539966344833374, | |
| "learning_rate": 3.3333333333333335e-05, | |
| "loss": 1.3611, | |
| "step": 500 | |
| }, | |
| { | |
| "epoch": 1.02, | |
| "grad_norm": 0.28593960404396057, | |
| "learning_rate": 3.3e-05, | |
| "loss": 1.6098, | |
| "step": 510 | |
| }, | |
| { | |
| "epoch": 1.04, | |
| "grad_norm": 0.16387881338596344, | |
| "learning_rate": 3.266666666666667e-05, | |
| "loss": 1.3215, | |
| "step": 520 | |
| }, | |
| { | |
| "epoch": 1.06, | |
| "grad_norm": 0.17869319021701813, | |
| "learning_rate": 3.233333333333333e-05, | |
| "loss": 1.6028, | |
| "step": 530 | |
| }, | |
| { | |
| "epoch": 1.08, | |
| "grad_norm": 0.26113930344581604, | |
| "learning_rate": 3.2000000000000005e-05, | |
| "loss": 1.4372, | |
| "step": 540 | |
| }, | |
| { | |
| "epoch": 1.1, | |
| "grad_norm": 0.16049513220787048, | |
| "learning_rate": 3.1666666666666666e-05, | |
| "loss": 1.3916, | |
| "step": 550 | |
| }, | |
| { | |
| "epoch": 1.12, | |
| "grad_norm": 0.14353357255458832, | |
| "learning_rate": 3.1333333333333334e-05, | |
| "loss": 1.3971, | |
| "step": 560 | |
| }, | |
| { | |
| "epoch": 1.1400000000000001, | |
| "grad_norm": 0.348002552986145, | |
| "learning_rate": 3.1e-05, | |
| "loss": 1.5419, | |
| "step": 570 | |
| }, | |
| { | |
| "epoch": 1.16, | |
| "grad_norm": 0.4313276410102844, | |
| "learning_rate": 3.066666666666667e-05, | |
| "loss": 1.4511, | |
| "step": 580 | |
| }, | |
| { | |
| "epoch": 1.18, | |
| "grad_norm": 0.20719008147716522, | |
| "learning_rate": 3.0333333333333337e-05, | |
| "loss": 1.3274, | |
| "step": 590 | |
| }, | |
| { | |
| "epoch": 1.2, | |
| "grad_norm": 0.21788401901721954, | |
| "learning_rate": 3e-05, | |
| "loss": 1.2425, | |
| "step": 600 | |
| }, | |
| { | |
| "epoch": 1.22, | |
| "grad_norm": 0.4731273949146271, | |
| "learning_rate": 2.9666666666666672e-05, | |
| "loss": 1.4746, | |
| "step": 610 | |
| }, | |
| { | |
| "epoch": 1.24, | |
| "grad_norm": 0.2933167517185211, | |
| "learning_rate": 2.9333333333333336e-05, | |
| "loss": 1.475, | |
| "step": 620 | |
| }, | |
| { | |
| "epoch": 1.26, | |
| "grad_norm": 0.22523891925811768, | |
| "learning_rate": 2.9e-05, | |
| "loss": 1.3062, | |
| "step": 630 | |
| }, | |
| { | |
| "epoch": 1.28, | |
| "grad_norm": 0.20424093306064606, | |
| "learning_rate": 2.8666666666666668e-05, | |
| "loss": 1.4697, | |
| "step": 640 | |
| }, | |
| { | |
| "epoch": 1.3, | |
| "grad_norm": 0.5376447439193726, | |
| "learning_rate": 2.8333333333333335e-05, | |
| "loss": 1.5247, | |
| "step": 650 | |
| }, | |
| { | |
| "epoch": 1.32, | |
| "grad_norm": 0.3490164875984192, | |
| "learning_rate": 2.8000000000000003e-05, | |
| "loss": 1.3842, | |
| "step": 660 | |
| }, | |
| { | |
| "epoch": 1.34, | |
| "grad_norm": 0.18214678764343262, | |
| "learning_rate": 2.7666666666666667e-05, | |
| "loss": 1.3442, | |
| "step": 670 | |
| }, | |
| { | |
| "epoch": 1.3599999999999999, | |
| "grad_norm": 0.25049060583114624, | |
| "learning_rate": 2.733333333333333e-05, | |
| "loss": 1.6505, | |
| "step": 680 | |
| }, | |
| { | |
| "epoch": 1.38, | |
| "grad_norm": 0.6477521657943726, | |
| "learning_rate": 2.7000000000000002e-05, | |
| "loss": 1.5945, | |
| "step": 690 | |
| }, | |
| { | |
| "epoch": 1.4, | |
| "grad_norm": 0.17422887682914734, | |
| "learning_rate": 2.6666666666666667e-05, | |
| "loss": 1.0883, | |
| "step": 700 | |
| }, | |
| { | |
| "epoch": 1.42, | |
| "grad_norm": 0.2029237151145935, | |
| "learning_rate": 2.633333333333333e-05, | |
| "loss": 1.3454, | |
| "step": 710 | |
| }, | |
| { | |
| "epoch": 1.44, | |
| "grad_norm": 0.2694133222103119, | |
| "learning_rate": 2.6000000000000002e-05, | |
| "loss": 1.0081, | |
| "step": 720 | |
| }, | |
| { | |
| "epoch": 1.46, | |
| "grad_norm": 0.1709485799074173, | |
| "learning_rate": 2.57e-05, | |
| "loss": 1.5033, | |
| "step": 730 | |
| }, | |
| { | |
| "epoch": 1.48, | |
| "grad_norm": 0.23790444433689117, | |
| "learning_rate": 2.5366666666666665e-05, | |
| "loss": 1.3424, | |
| "step": 740 | |
| }, | |
| { | |
| "epoch": 1.5, | |
| "grad_norm": 0.16748583316802979, | |
| "learning_rate": 2.5033333333333336e-05, | |
| "loss": 1.2721, | |
| "step": 750 | |
| }, | |
| { | |
| "epoch": 1.52, | |
| "grad_norm": 0.7728779315948486, | |
| "learning_rate": 2.47e-05, | |
| "loss": 1.818, | |
| "step": 760 | |
| }, | |
| { | |
| "epoch": 1.54, | |
| "grad_norm": 0.900970458984375, | |
| "learning_rate": 2.4366666666666668e-05, | |
| "loss": 1.3781, | |
| "step": 770 | |
| }, | |
| { | |
| "epoch": 1.56, | |
| "grad_norm": 0.21673746407032013, | |
| "learning_rate": 2.4033333333333336e-05, | |
| "loss": 1.3427, | |
| "step": 780 | |
| }, | |
| { | |
| "epoch": 1.58, | |
| "grad_norm": 0.2009885162115097, | |
| "learning_rate": 2.37e-05, | |
| "loss": 1.265, | |
| "step": 790 | |
| }, | |
| { | |
| "epoch": 1.6, | |
| "grad_norm": 0.2574044466018677, | |
| "learning_rate": 2.3366666666666668e-05, | |
| "loss": 1.4462, | |
| "step": 800 | |
| } | |
| ], | |
| "logging_steps": 10, | |
| "max_steps": 1500, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 3, | |
| "save_steps": 100, | |
| "stateful_callbacks": { | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": false | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 868210777992960.0, | |
| "train_batch_size": 2, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |