Full run push
Browse files- trainer_state.json +760 -130
trainer_state.json
CHANGED
|
@@ -4,236 +4,866 @@
|
|
| 4 |
"best_model_checkpoint": null,
|
| 5 |
"epoch": 1.0,
|
| 6 |
"eval_steps": 500,
|
| 7 |
-
"global_step":
|
| 8 |
"is_hyper_param_search": false,
|
| 9 |
"is_local_process_zero": true,
|
| 10 |
"is_world_process_zero": true,
|
| 11 |
"log_history": [
|
| 12 |
{
|
| 13 |
-
"epoch": 0.
|
| 14 |
-
"grad_norm":
|
| 15 |
-
"learning_rate":
|
| 16 |
-
"loss": 0.
|
| 17 |
"step": 500
|
| 18 |
},
|
| 19 |
{
|
| 20 |
-
"epoch": 0.
|
| 21 |
-
"grad_norm":
|
| 22 |
-
"learning_rate": 0.
|
| 23 |
-
"loss": 0.
|
| 24 |
"step": 1000
|
| 25 |
},
|
| 26 |
{
|
| 27 |
-
"epoch": 0.
|
| 28 |
-
"grad_norm":
|
| 29 |
-
"learning_rate": 0.
|
| 30 |
-
"loss": 0.
|
| 31 |
"step": 1500
|
| 32 |
},
|
| 33 |
{
|
| 34 |
-
"epoch": 0.
|
| 35 |
-
"grad_norm": 1.
|
| 36 |
-
"learning_rate": 0.
|
| 37 |
-
"loss": 0.
|
| 38 |
"step": 2000
|
| 39 |
},
|
| 40 |
{
|
| 41 |
-
"epoch": 0.
|
| 42 |
-
"grad_norm": 1.
|
| 43 |
-
"learning_rate": 0.
|
| 44 |
-
"loss": 0.
|
| 45 |
"step": 2500
|
| 46 |
},
|
| 47 |
{
|
| 48 |
-
"epoch": 0.
|
| 49 |
-
"grad_norm": 0.
|
| 50 |
-
"learning_rate": 0.
|
| 51 |
-
"loss": 0.
|
| 52 |
"step": 3000
|
| 53 |
},
|
| 54 |
{
|
| 55 |
-
"epoch": 0.
|
| 56 |
-
"grad_norm":
|
| 57 |
-
"learning_rate": 0.
|
| 58 |
-
"loss": 0.
|
| 59 |
"step": 3500
|
| 60 |
},
|
| 61 |
{
|
| 62 |
-
"epoch": 0.
|
| 63 |
-
"grad_norm":
|
| 64 |
-
"learning_rate": 0.
|
| 65 |
-
"loss": 0.
|
| 66 |
"step": 4000
|
| 67 |
},
|
| 68 |
{
|
| 69 |
-
"epoch": 0.
|
| 70 |
-
"grad_norm":
|
| 71 |
-
"learning_rate": 0.
|
| 72 |
-
"loss": 0.
|
| 73 |
"step": 4500
|
| 74 |
},
|
| 75 |
{
|
| 76 |
-
"epoch": 0.
|
| 77 |
-
"grad_norm": 0.
|
| 78 |
-
"learning_rate": 0.
|
| 79 |
-
"loss": 0.
|
| 80 |
"step": 5000
|
| 81 |
},
|
| 82 |
{
|
| 83 |
-
"epoch": 0.
|
| 84 |
-
"grad_norm":
|
| 85 |
-
"learning_rate": 0.
|
| 86 |
-
"loss": 0.
|
| 87 |
"step": 5500
|
| 88 |
},
|
| 89 |
{
|
| 90 |
-
"epoch": 0.
|
| 91 |
-
"grad_norm": 1.
|
| 92 |
-
"learning_rate": 0.
|
| 93 |
-
"loss": 0.
|
| 94 |
"step": 6000
|
| 95 |
},
|
| 96 |
{
|
| 97 |
-
"epoch": 0.
|
| 98 |
-
"grad_norm": 0.
|
| 99 |
-
"learning_rate": 0.
|
| 100 |
-
"loss": 0.
|
| 101 |
"step": 6500
|
| 102 |
},
|
| 103 |
{
|
| 104 |
-
"epoch": 0.
|
| 105 |
-
"grad_norm": 0.
|
| 106 |
-
"learning_rate": 0.
|
| 107 |
-
"loss": 0.
|
| 108 |
"step": 7000
|
| 109 |
},
|
| 110 |
{
|
| 111 |
-
"epoch": 0.
|
| 112 |
-
"grad_norm":
|
| 113 |
-
"learning_rate": 0.
|
| 114 |
-
"loss": 0.
|
| 115 |
"step": 7500
|
| 116 |
},
|
| 117 |
{
|
| 118 |
-
"epoch": 0.
|
| 119 |
-
"grad_norm": 0.
|
| 120 |
-
"learning_rate": 0.
|
| 121 |
-
"loss": 0.
|
| 122 |
"step": 8000
|
| 123 |
},
|
| 124 |
{
|
| 125 |
-
"epoch": 0.
|
| 126 |
-
"grad_norm": 1.
|
| 127 |
-
"learning_rate": 0.
|
| 128 |
-
"loss": 0.
|
| 129 |
"step": 8500
|
| 130 |
},
|
| 131 |
{
|
| 132 |
-
"epoch": 0.
|
| 133 |
-
"grad_norm": 1.
|
| 134 |
-
"learning_rate": 0.
|
| 135 |
-
"loss": 0.
|
| 136 |
"step": 9000
|
| 137 |
},
|
| 138 |
{
|
| 139 |
-
"epoch": 0.
|
| 140 |
-
"grad_norm":
|
| 141 |
-
"learning_rate":
|
| 142 |
-
"loss": 0.
|
| 143 |
"step": 9500
|
| 144 |
},
|
| 145 |
{
|
| 146 |
-
"epoch": 0.
|
| 147 |
-
"grad_norm":
|
| 148 |
-
"learning_rate":
|
| 149 |
-
"loss": 0.
|
| 150 |
"step": 10000
|
| 151 |
},
|
| 152 |
{
|
| 153 |
-
"epoch": 0.
|
| 154 |
-
"grad_norm": 0.
|
| 155 |
-
"learning_rate":
|
| 156 |
-
"loss": 0.
|
| 157 |
"step": 10500
|
| 158 |
},
|
| 159 |
{
|
| 160 |
-
"epoch": 0.
|
| 161 |
-
"grad_norm":
|
| 162 |
-
"learning_rate":
|
| 163 |
-
"loss": 0.
|
| 164 |
"step": 11000
|
| 165 |
},
|
| 166 |
{
|
| 167 |
-
"epoch": 0.
|
| 168 |
-
"grad_norm":
|
| 169 |
-
"learning_rate":
|
| 170 |
-
"loss": 0.
|
| 171 |
"step": 11500
|
| 172 |
},
|
| 173 |
{
|
| 174 |
-
"epoch": 0.
|
| 175 |
-
"grad_norm":
|
| 176 |
-
"learning_rate":
|
| 177 |
-
"loss": 0.
|
| 178 |
"step": 12000
|
| 179 |
},
|
| 180 |
{
|
| 181 |
-
"epoch": 0.
|
| 182 |
-
"grad_norm": 0.
|
| 183 |
-
"learning_rate":
|
| 184 |
-
"loss": 0.
|
| 185 |
"step": 12500
|
| 186 |
},
|
| 187 |
{
|
| 188 |
-
"epoch": 0.
|
| 189 |
-
"grad_norm":
|
| 190 |
-
"learning_rate":
|
| 191 |
-
"loss": 0.
|
| 192 |
"step": 13000
|
| 193 |
},
|
| 194 |
{
|
| 195 |
-
"epoch": 0.
|
| 196 |
-
"grad_norm":
|
| 197 |
-
"learning_rate":
|
| 198 |
-
"loss": 0.
|
| 199 |
"step": 13500
|
| 200 |
},
|
| 201 |
{
|
| 202 |
-
"epoch": 0.
|
| 203 |
-
"grad_norm":
|
| 204 |
-
"learning_rate":
|
| 205 |
-
"loss": 0.
|
| 206 |
"step": 14000
|
| 207 |
},
|
| 208 |
{
|
| 209 |
-
"epoch": 0.
|
| 210 |
-
"grad_norm":
|
| 211 |
-
"learning_rate":
|
| 212 |
-
"loss": 0.
|
| 213 |
"step": 14500
|
| 214 |
},
|
| 215 |
{
|
| 216 |
-
"epoch":
|
| 217 |
-
"grad_norm": 0.
|
| 218 |
-
"learning_rate":
|
| 219 |
-
"loss": 0.
|
| 220 |
"step": 15000
|
| 221 |
},
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 222 |
{
|
| 223 |
"epoch": 1.0,
|
| 224 |
-
"step":
|
| 225 |
-
"total_flos":
|
| 226 |
-
"train_loss": 0.
|
| 227 |
-
"train_runtime":
|
| 228 |
-
"train_samples_per_second": 5.
|
| 229 |
-
"train_steps_per_second": 5.
|
| 230 |
}
|
| 231 |
],
|
| 232 |
"logging_steps": 500,
|
| 233 |
-
"max_steps":
|
| 234 |
"num_input_tokens_seen": 0,
|
| 235 |
"num_train_epochs": 1,
|
| 236 |
-
"save_steps":
|
| 237 |
"stateful_callbacks": {
|
| 238 |
"TrainerControl": {
|
| 239 |
"args": {
|
|
@@ -246,7 +876,7 @@
|
|
| 246 |
"attributes": {}
|
| 247 |
}
|
| 248 |
},
|
| 249 |
-
"total_flos":
|
| 250 |
"train_batch_size": 1,
|
| 251 |
"trial_name": null,
|
| 252 |
"trial_params": null
|
|
|
|
| 4 |
"best_model_checkpoint": null,
|
| 5 |
"epoch": 1.0,
|
| 6 |
"eval_steps": 500,
|
| 7 |
+
"global_step": 60000,
|
| 8 |
"is_hyper_param_search": false,
|
| 9 |
"is_local_process_zero": true,
|
| 10 |
"is_world_process_zero": true,
|
| 11 |
"log_history": [
|
| 12 |
{
|
| 13 |
+
"epoch": 0.008333333333333333,
|
| 14 |
+
"grad_norm": 1.734326958656311,
|
| 15 |
+
"learning_rate": 8.316666666666665e-05,
|
| 16 |
+
"loss": 0.5142,
|
| 17 |
"step": 500
|
| 18 |
},
|
| 19 |
{
|
| 20 |
+
"epoch": 0.016666666666666666,
|
| 21 |
+
"grad_norm": 0.7779222726821899,
|
| 22 |
+
"learning_rate": 0.0001665,
|
| 23 |
+
"loss": 0.3832,
|
| 24 |
"step": 1000
|
| 25 |
},
|
| 26 |
{
|
| 27 |
+
"epoch": 0.025,
|
| 28 |
+
"grad_norm": 1.3082212209701538,
|
| 29 |
+
"learning_rate": 0.0002498333333333333,
|
| 30 |
+
"loss": 0.3418,
|
| 31 |
"step": 1500
|
| 32 |
},
|
| 33 |
{
|
| 34 |
+
"epoch": 0.03333333333333333,
|
| 35 |
+
"grad_norm": 1.115393877029419,
|
| 36 |
+
"learning_rate": 0.000299991345997501,
|
| 37 |
+
"loss": 0.3593,
|
| 38 |
"step": 2000
|
| 39 |
},
|
| 40 |
{
|
| 41 |
+
"epoch": 0.041666666666666664,
|
| 42 |
+
"grad_norm": 1.1185020208358765,
|
| 43 |
+
"learning_rate": 0.0002998932377135537,
|
| 44 |
+
"loss": 0.3316,
|
| 45 |
"step": 2500
|
| 46 |
},
|
| 47 |
{
|
| 48 |
+
"epoch": 0.05,
|
| 49 |
+
"grad_norm": 0.44978195428848267,
|
| 50 |
+
"learning_rate": 0.0002996859478276907,
|
| 51 |
+
"loss": 0.3364,
|
| 52 |
"step": 3000
|
| 53 |
},
|
| 54 |
{
|
| 55 |
+
"epoch": 0.058333333333333334,
|
| 56 |
+
"grad_norm": 1.157468318939209,
|
| 57 |
+
"learning_rate": 0.0002993696273289902,
|
| 58 |
+
"loss": 0.3145,
|
| 59 |
"step": 3500
|
| 60 |
},
|
| 61 |
{
|
| 62 |
+
"epoch": 0.06666666666666667,
|
| 63 |
+
"grad_norm": 1.247792363166809,
|
| 64 |
+
"learning_rate": 0.00029894450662396884,
|
| 65 |
+
"loss": 0.3201,
|
| 66 |
"step": 4000
|
| 67 |
},
|
| 68 |
{
|
| 69 |
+
"epoch": 0.075,
|
| 70 |
+
"grad_norm": 0.9549034833908081,
|
| 71 |
+
"learning_rate": 0.00029841089536875444,
|
| 72 |
+
"loss": 0.3189,
|
| 73 |
"step": 4500
|
| 74 |
},
|
| 75 |
{
|
| 76 |
+
"epoch": 0.08333333333333333,
|
| 77 |
+
"grad_norm": 0.8676638007164001,
|
| 78 |
+
"learning_rate": 0.00029776918224353393,
|
| 79 |
+
"loss": 0.3224,
|
| 80 |
"step": 5000
|
| 81 |
},
|
| 82 |
{
|
| 83 |
+
"epoch": 0.09166666666666666,
|
| 84 |
+
"grad_norm": 1.1023201942443848,
|
| 85 |
+
"learning_rate": 0.00029701983466944016,
|
| 86 |
+
"loss": 0.3048,
|
| 87 |
"step": 5500
|
| 88 |
},
|
| 89 |
{
|
| 90 |
+
"epoch": 0.1,
|
| 91 |
+
"grad_norm": 1.559238076210022,
|
| 92 |
+
"learning_rate": 0.00029616339846808443,
|
| 93 |
+
"loss": 0.3166,
|
| 94 |
"step": 6000
|
| 95 |
},
|
| 96 |
{
|
| 97 |
+
"epoch": 0.10833333333333334,
|
| 98 |
+
"grad_norm": 0.6283588409423828,
|
| 99 |
+
"learning_rate": 0.0002952004974639823,
|
| 100 |
+
"loss": 0.3118,
|
| 101 |
"step": 6500
|
| 102 |
},
|
| 103 |
{
|
| 104 |
+
"epoch": 0.11666666666666667,
|
| 105 |
+
"grad_norm": 0.8453167080879211,
|
| 106 |
+
"learning_rate": 0.0002941318330301624,
|
| 107 |
+
"loss": 0.2962,
|
| 108 |
"step": 7000
|
| 109 |
},
|
| 110 |
{
|
| 111 |
+
"epoch": 0.125,
|
| 112 |
+
"grad_norm": 1.476069688796997,
|
| 113 |
+
"learning_rate": 0.00029295818357728945,
|
| 114 |
+
"loss": 0.3151,
|
| 115 |
"step": 7500
|
| 116 |
},
|
| 117 |
{
|
| 118 |
+
"epoch": 0.13333333333333333,
|
| 119 |
+
"grad_norm": 0.8654290437698364,
|
| 120 |
+
"learning_rate": 0.000291680403986673,
|
| 121 |
+
"loss": 0.297,
|
| 122 |
"step": 8000
|
| 123 |
},
|
| 124 |
{
|
| 125 |
+
"epoch": 0.14166666666666666,
|
| 126 |
+
"grad_norm": 1.922337293624878,
|
| 127 |
+
"learning_rate": 0.00029029942498757556,
|
| 128 |
+
"loss": 0.3089,
|
| 129 |
"step": 8500
|
| 130 |
},
|
| 131 |
{
|
| 132 |
+
"epoch": 0.15,
|
| 133 |
+
"grad_norm": 1.667548418045044,
|
| 134 |
+
"learning_rate": 0.00028881625247927344,
|
| 135 |
+
"loss": 0.295,
|
| 136 |
"step": 9000
|
| 137 |
},
|
| 138 |
{
|
| 139 |
+
"epoch": 0.15833333333333333,
|
| 140 |
+
"grad_norm": 0.7707281112670898,
|
| 141 |
+
"learning_rate": 0.0002872319667983639,
|
| 142 |
+
"loss": 0.2889,
|
| 143 |
"step": 9500
|
| 144 |
},
|
| 145 |
{
|
| 146 |
+
"epoch": 0.16666666666666666,
|
| 147 |
+
"grad_norm": 1.3987542390823364,
|
| 148 |
+
"learning_rate": 0.0002855477219318523,
|
| 149 |
+
"loss": 0.2831,
|
| 150 |
"step": 10000
|
| 151 |
},
|
| 152 |
{
|
| 153 |
+
"epoch": 0.175,
|
| 154 |
+
"grad_norm": 0.8910896182060242,
|
| 155 |
+
"learning_rate": 0.0002837647446765933,
|
| 156 |
+
"loss": 0.2928,
|
| 157 |
"step": 10500
|
| 158 |
},
|
| 159 |
{
|
| 160 |
+
"epoch": 0.18333333333333332,
|
| 161 |
+
"grad_norm": 1.34634268283844,
|
| 162 |
+
"learning_rate": 0.0002818843337456967,
|
| 163 |
+
"loss": 0.2866,
|
| 164 |
"step": 11000
|
| 165 |
},
|
| 166 |
{
|
| 167 |
+
"epoch": 0.19166666666666668,
|
| 168 |
+
"grad_norm": 2.1172733306884766,
|
| 169 |
+
"learning_rate": 0.00027990785882255076,
|
| 170 |
+
"loss": 0.2869,
|
| 171 |
"step": 11500
|
| 172 |
},
|
| 173 |
{
|
| 174 |
+
"epoch": 0.2,
|
| 175 |
+
"grad_norm": 1.0616984367370605,
|
| 176 |
+
"learning_rate": 0.0002778367595631503,
|
| 177 |
+
"loss": 0.2924,
|
| 178 |
"step": 12000
|
| 179 |
},
|
| 180 |
{
|
| 181 |
+
"epoch": 0.20833333333333334,
|
| 182 |
+
"grad_norm": 0.6745150089263916,
|
| 183 |
+
"learning_rate": 0.0002756725445474574,
|
| 184 |
+
"loss": 0.289,
|
| 185 |
"step": 12500
|
| 186 |
},
|
| 187 |
{
|
| 188 |
+
"epoch": 0.21666666666666667,
|
| 189 |
+
"grad_norm": 0.9809184670448303,
|
| 190 |
+
"learning_rate": 0.00027341679018055815,
|
| 191 |
+
"loss": 0.2821,
|
| 192 |
"step": 13000
|
| 193 |
},
|
| 194 |
{
|
| 195 |
+
"epoch": 0.225,
|
| 196 |
+
"grad_norm": 0.9942313432693481,
|
| 197 |
+
"learning_rate": 0.0002710711395444158,
|
| 198 |
+
"loss": 0.2867,
|
| 199 |
"step": 13500
|
| 200 |
},
|
| 201 |
{
|
| 202 |
+
"epoch": 0.23333333333333334,
|
| 203 |
+
"grad_norm": 0.7905780673027039,
|
| 204 |
+
"learning_rate": 0.00026863730120105694,
|
| 205 |
+
"loss": 0.2965,
|
| 206 |
"step": 14000
|
| 207 |
},
|
| 208 |
{
|
| 209 |
+
"epoch": 0.24166666666666667,
|
| 210 |
+
"grad_norm": 0.4196673631668091,
|
| 211 |
+
"learning_rate": 0.0002661170479480619,
|
| 212 |
+
"loss": 0.2869,
|
| 213 |
"step": 14500
|
| 214 |
},
|
| 215 |
{
|
| 216 |
+
"epoch": 0.25,
|
| 217 |
+
"grad_norm": 0.975186824798584,
|
| 218 |
+
"learning_rate": 0.0002635122155272666,
|
| 219 |
+
"loss": 0.276,
|
| 220 |
"step": 15000
|
| 221 |
},
|
| 222 |
+
{
|
| 223 |
+
"epoch": 0.25833333333333336,
|
| 224 |
+
"grad_norm": 1.2537420988082886,
|
| 225 |
+
"learning_rate": 0.00026082470128761597,
|
| 226 |
+
"loss": 0.2794,
|
| 227 |
+
"step": 15500
|
| 228 |
+
},
|
| 229 |
+
{
|
| 230 |
+
"epoch": 0.26666666666666666,
|
| 231 |
+
"grad_norm": 1.1740987300872803,
|
| 232 |
+
"learning_rate": 0.0002580564628031429,
|
| 233 |
+
"loss": 0.2794,
|
| 234 |
+
"step": 16000
|
| 235 |
+
},
|
| 236 |
+
{
|
| 237 |
+
"epoch": 0.275,
|
| 238 |
+
"grad_norm": 1.9777884483337402,
|
| 239 |
+
"learning_rate": 0.00025520951644707966,
|
| 240 |
+
"loss": 0.2871,
|
| 241 |
+
"step": 16500
|
| 242 |
+
},
|
| 243 |
+
{
|
| 244 |
+
"epoch": 0.2833333333333333,
|
| 245 |
+
"grad_norm": 1.662049412727356,
|
| 246 |
+
"learning_rate": 0.0002522859359231401,
|
| 247 |
+
"loss": 0.288,
|
| 248 |
+
"step": 17000
|
| 249 |
+
},
|
| 250 |
+
{
|
| 251 |
+
"epoch": 0.2916666666666667,
|
| 252 |
+
"grad_norm": 0.8431689739227295,
|
| 253 |
+
"learning_rate": 0.0002492878507550424,
|
| 254 |
+
"loss": 0.2752,
|
| 255 |
+
"step": 17500
|
| 256 |
+
},
|
| 257 |
+
{
|
| 258 |
+
"epoch": 0.3,
|
| 259 |
+
"grad_norm": 1.1322907209396362,
|
| 260 |
+
"learning_rate": 0.00024621744473537365,
|
| 261 |
+
"loss": 0.2834,
|
| 262 |
+
"step": 18000
|
| 263 |
+
},
|
| 264 |
+
{
|
| 265 |
+
"epoch": 0.30833333333333335,
|
| 266 |
+
"grad_norm": 0.751252293586731,
|
| 267 |
+
"learning_rate": 0.00024307695433492364,
|
| 268 |
+
"loss": 0.2817,
|
| 269 |
+
"step": 18500
|
| 270 |
+
},
|
| 271 |
+
{
|
| 272 |
+
"epoch": 0.31666666666666665,
|
| 273 |
+
"grad_norm": 0.9835771918296814,
|
| 274 |
+
"learning_rate": 0.00023986866707364964,
|
| 275 |
+
"loss": 0.2651,
|
| 276 |
+
"step": 19000
|
| 277 |
+
},
|
| 278 |
+
{
|
| 279 |
+
"epoch": 0.325,
|
| 280 |
+
"grad_norm": 1.3762648105621338,
|
| 281 |
+
"learning_rate": 0.0002365949198544562,
|
| 282 |
+
"loss": 0.2679,
|
| 283 |
+
"step": 19500
|
| 284 |
+
},
|
| 285 |
+
{
|
| 286 |
+
"epoch": 0.3333333333333333,
|
| 287 |
+
"grad_norm": 1.1998765468597412,
|
| 288 |
+
"learning_rate": 0.0002332580972610051,
|
| 289 |
+
"loss": 0.2751,
|
| 290 |
+
"step": 20000
|
| 291 |
+
},
|
| 292 |
+
{
|
| 293 |
+
"epoch": 0.3416666666666667,
|
| 294 |
+
"grad_norm": 0.4611862599849701,
|
| 295 |
+
"learning_rate": 0.00022986062982079458,
|
| 296 |
+
"loss": 0.2779,
|
| 297 |
+
"step": 20500
|
| 298 |
+
},
|
| 299 |
+
{
|
| 300 |
+
"epoch": 0.35,
|
| 301 |
+
"grad_norm": 0.7198874354362488,
|
| 302 |
+
"learning_rate": 0.00022640499223477339,
|
| 303 |
+
"loss": 0.2666,
|
| 304 |
+
"step": 21000
|
| 305 |
+
},
|
| 306 |
+
{
|
| 307 |
+
"epoch": 0.35833333333333334,
|
| 308 |
+
"grad_norm": 1.37840735912323,
|
| 309 |
+
"learning_rate": 0.000222893701574779,
|
| 310 |
+
"loss": 0.2698,
|
| 311 |
+
"step": 21500
|
| 312 |
+
},
|
| 313 |
+
{
|
| 314 |
+
"epoch": 0.36666666666666664,
|
| 315 |
+
"grad_norm": 1.549021601676941,
|
| 316 |
+
"learning_rate": 0.00021932931545011323,
|
| 317 |
+
"loss": 0.2672,
|
| 318 |
+
"step": 22000
|
| 319 |
+
},
|
| 320 |
+
{
|
| 321 |
+
"epoch": 0.375,
|
| 322 |
+
"grad_norm": 1.489937663078308,
|
| 323 |
+
"learning_rate": 0.00021571443014459024,
|
| 324 |
+
"loss": 0.2611,
|
| 325 |
+
"step": 22500
|
| 326 |
+
},
|
| 327 |
+
{
|
| 328 |
+
"epoch": 0.38333333333333336,
|
| 329 |
+
"grad_norm": 1.0012102127075195,
|
| 330 |
+
"learning_rate": 0.0002120516787254146,
|
| 331 |
+
"loss": 0.2613,
|
| 332 |
+
"step": 23000
|
| 333 |
+
},
|
| 334 |
+
{
|
| 335 |
+
"epoch": 0.39166666666666666,
|
| 336 |
+
"grad_norm": 0.3051554560661316,
|
| 337 |
+
"learning_rate": 0.00020834372912526596,
|
| 338 |
+
"loss": 0.2662,
|
| 339 |
+
"step": 23500
|
| 340 |
+
},
|
| 341 |
+
{
|
| 342 |
+
"epoch": 0.4,
|
| 343 |
+
"grad_norm": 0.6066364049911499,
|
| 344 |
+
"learning_rate": 0.0002045932821989884,
|
| 345 |
+
"loss": 0.2653,
|
| 346 |
+
"step": 24000
|
| 347 |
+
},
|
| 348 |
+
{
|
| 349 |
+
"epoch": 0.4083333333333333,
|
| 350 |
+
"grad_norm": 0.881126344203949,
|
| 351 |
+
"learning_rate": 0.000200803069756299,
|
| 352 |
+
"loss": 0.2563,
|
| 353 |
+
"step": 24500
|
| 354 |
+
},
|
| 355 |
+
{
|
| 356 |
+
"epoch": 0.4166666666666667,
|
| 357 |
+
"grad_norm": 0.9933512210845947,
|
| 358 |
+
"learning_rate": 0.0001969758525719492,
|
| 359 |
+
"loss": 0.2592,
|
| 360 |
+
"step": 25000
|
| 361 |
+
},
|
| 362 |
+
{
|
| 363 |
+
"epoch": 0.425,
|
| 364 |
+
"grad_norm": 0.8219375610351562,
|
| 365 |
+
"learning_rate": 0.00019311441837478816,
|
| 366 |
+
"loss": 0.272,
|
| 367 |
+
"step": 25500
|
| 368 |
+
},
|
| 369 |
+
{
|
| 370 |
+
"epoch": 0.43333333333333335,
|
| 371 |
+
"grad_norm": 1.2546143531799316,
|
| 372 |
+
"learning_rate": 0.0001892215798171928,
|
| 373 |
+
"loss": 0.2567,
|
| 374 |
+
"step": 26000
|
| 375 |
+
},
|
| 376 |
+
{
|
| 377 |
+
"epoch": 0.44166666666666665,
|
| 378 |
+
"grad_norm": 1.4476374387741089,
|
| 379 |
+
"learning_rate": 0.00018530017242634363,
|
| 380 |
+
"loss": 0.2588,
|
| 381 |
+
"step": 26500
|
| 382 |
+
},
|
| 383 |
+
{
|
| 384 |
+
"epoch": 0.45,
|
| 385 |
+
"grad_norm": 1.356984257698059,
|
| 386 |
+
"learning_rate": 0.0001813530525388389,
|
| 387 |
+
"loss": 0.2556,
|
| 388 |
+
"step": 27000
|
| 389 |
+
},
|
| 390 |
+
{
|
| 391 |
+
"epoch": 0.4583333333333333,
|
| 392 |
+
"grad_norm": 0.0,
|
| 393 |
+
"learning_rate": 0.00017738309522015073,
|
| 394 |
+
"loss": 0.2477,
|
| 395 |
+
"step": 27500
|
| 396 |
+
},
|
| 397 |
+
{
|
| 398 |
+
"epoch": 0.4666666666666667,
|
| 399 |
+
"grad_norm": 1.395007848739624,
|
| 400 |
+
"learning_rate": 0.00017339319217043995,
|
| 401 |
+
"loss": 0.2498,
|
| 402 |
+
"step": 28000
|
| 403 |
+
},
|
| 404 |
+
{
|
| 405 |
+
"epoch": 0.475,
|
| 406 |
+
"grad_norm": 0.7972742319107056,
|
| 407 |
+
"learning_rate": 0.00016938624961825358,
|
| 408 |
+
"loss": 0.2473,
|
| 409 |
+
"step": 28500
|
| 410 |
+
},
|
| 411 |
+
{
|
| 412 |
+
"epoch": 0.48333333333333334,
|
| 413 |
+
"grad_norm": 0.8678386807441711,
|
| 414 |
+
"learning_rate": 0.0001653651862036404,
|
| 415 |
+
"loss": 0.2534,
|
| 416 |
+
"step": 29000
|
| 417 |
+
},
|
| 418 |
+
{
|
| 419 |
+
"epoch": 0.49166666666666664,
|
| 420 |
+
"grad_norm": 1.0032129287719727,
|
| 421 |
+
"learning_rate": 0.00016133293085222585,
|
| 422 |
+
"loss": 0.2458,
|
| 423 |
+
"step": 29500
|
| 424 |
+
},
|
| 425 |
+
{
|
| 426 |
+
"epoch": 0.5,
|
| 427 |
+
"grad_norm": 0.9749704599380493,
|
| 428 |
+
"learning_rate": 0.00015729242064179487,
|
| 429 |
+
"loss": 0.2516,
|
| 430 |
+
"step": 30000
|
| 431 |
+
},
|
| 432 |
+
{
|
| 433 |
+
"epoch": 0.5083333333333333,
|
| 434 |
+
"grad_norm": 1.6964690685272217,
|
| 435 |
+
"learning_rate": 0.0001532465986629368,
|
| 436 |
+
"loss": 0.2452,
|
| 437 |
+
"step": 30500
|
| 438 |
+
},
|
| 439 |
+
{
|
| 440 |
+
"epoch": 0.5166666666666667,
|
| 441 |
+
"grad_norm": 1.2840642929077148,
|
| 442 |
+
"learning_rate": 0.0001491984118753108,
|
| 443 |
+
"loss": 0.247,
|
| 444 |
+
"step": 31000
|
| 445 |
+
},
|
| 446 |
+
{
|
| 447 |
+
"epoch": 0.525,
|
| 448 |
+
"grad_norm": 1.1751660108566284,
|
| 449 |
+
"learning_rate": 0.00014515080896109272,
|
| 450 |
+
"loss": 0.2561,
|
| 451 |
+
"step": 31500
|
| 452 |
+
},
|
| 453 |
+
{
|
| 454 |
+
"epoch": 0.5333333333333333,
|
| 455 |
+
"grad_norm": 0.4990275204181671,
|
| 456 |
+
"learning_rate": 0.00014110673817716756,
|
| 457 |
+
"loss": 0.2429,
|
| 458 |
+
"step": 32000
|
| 459 |
+
},
|
| 460 |
+
{
|
| 461 |
+
"epoch": 0.5416666666666666,
|
| 462 |
+
"grad_norm": 1.0772459506988525,
|
| 463 |
+
"learning_rate": 0.0001370691452076314,
|
| 464 |
+
"loss": 0.2622,
|
| 465 |
+
"step": 32500
|
| 466 |
+
},
|
| 467 |
+
{
|
| 468 |
+
"epoch": 0.55,
|
| 469 |
+
"grad_norm": 1.0913983583450317,
|
| 470 |
+
"learning_rate": 0.00013304097101816766,
|
| 471 |
+
"loss": 0.2406,
|
| 472 |
+
"step": 33000
|
| 473 |
+
},
|
| 474 |
+
{
|
| 475 |
+
"epoch": 0.5583333333333333,
|
| 476 |
+
"grad_norm": 0.7937314510345459,
|
| 477 |
+
"learning_rate": 0.0001290251497138601,
|
| 478 |
+
"loss": 0.2317,
|
| 479 |
+
"step": 33500
|
| 480 |
+
},
|
| 481 |
+
{
|
| 482 |
+
"epoch": 0.5666666666666667,
|
| 483 |
+
"grad_norm": 0.866894006729126,
|
| 484 |
+
"learning_rate": 0.0001250246064020032,
|
| 485 |
+
"loss": 0.2381,
|
| 486 |
+
"step": 34000
|
| 487 |
+
},
|
| 488 |
+
{
|
| 489 |
+
"epoch": 0.575,
|
| 490 |
+
"grad_norm": 0.904768705368042,
|
| 491 |
+
"learning_rate": 0.000121042255061466,
|
| 492 |
+
"loss": 0.2416,
|
| 493 |
+
"step": 34500
|
| 494 |
+
},
|
| 495 |
+
{
|
| 496 |
+
"epoch": 0.5833333333333334,
|
| 497 |
+
"grad_norm": 2.5710256099700928,
|
| 498 |
+
"learning_rate": 0.00011708099642016254,
|
| 499 |
+
"loss": 0.2501,
|
| 500 |
+
"step": 35000
|
| 501 |
+
},
|
| 502 |
+
{
|
| 503 |
+
"epoch": 0.5916666666666667,
|
| 504 |
+
"grad_norm": 0.9502021074295044,
|
| 505 |
+
"learning_rate": 0.00011314371584217354,
|
| 506 |
+
"loss": 0.2462,
|
| 507 |
+
"step": 35500
|
| 508 |
+
},
|
| 509 |
+
{
|
| 510 |
+
"epoch": 0.6,
|
| 511 |
+
"grad_norm": 1.1951791048049927,
|
| 512 |
+
"learning_rate": 0.00010923328122605982,
|
| 513 |
+
"loss": 0.2437,
|
| 514 |
+
"step": 36000
|
| 515 |
+
},
|
| 516 |
+
{
|
| 517 |
+
"epoch": 0.6083333333333333,
|
| 518 |
+
"grad_norm": 1.0552036762237549,
|
| 519 |
+
"learning_rate": 0.00010535254091589667,
|
| 520 |
+
"loss": 0.2426,
|
| 521 |
+
"step": 36500
|
| 522 |
+
},
|
| 523 |
+
{
|
| 524 |
+
"epoch": 0.6166666666666667,
|
| 525 |
+
"grad_norm": 1.1212034225463867,
|
| 526 |
+
"learning_rate": 0.00010150432162655218,
|
| 527 |
+
"loss": 0.2454,
|
| 528 |
+
"step": 37000
|
| 529 |
+
},
|
| 530 |
+
{
|
| 531 |
+
"epoch": 0.625,
|
| 532 |
+
"grad_norm": 0.7416337132453918,
|
| 533 |
+
"learning_rate": 9.769142638472033e-05,
|
| 534 |
+
"loss": 0.2401,
|
| 535 |
+
"step": 37500
|
| 536 |
+
},
|
| 537 |
+
{
|
| 538 |
+
"epoch": 0.6333333333333333,
|
| 539 |
+
"grad_norm": 0.6174165606498718,
|
| 540 |
+
"learning_rate": 9.391663248720767e-05,
|
| 541 |
+
"loss": 0.2462,
|
| 542 |
+
"step": 38000
|
| 543 |
+
},
|
| 544 |
+
{
|
| 545 |
+
"epoch": 0.6416666666666667,
|
| 546 |
+
"grad_norm": 1.7195667028427124,
|
| 547 |
+
"learning_rate": 9.01826894779624e-05,
|
| 548 |
+
"loss": 0.2404,
|
| 549 |
+
"step": 38500
|
| 550 |
+
},
|
| 551 |
+
{
|
| 552 |
+
"epoch": 0.65,
|
| 553 |
+
"grad_norm": 0.8892576098442078,
|
| 554 |
+
"learning_rate": 8.649231714531805e-05,
|
| 555 |
+
"loss": 0.237,
|
| 556 |
+
"step": 39000
|
| 557 |
+
},
|
| 558 |
+
{
|
| 559 |
+
"epoch": 0.6583333333333333,
|
| 560 |
+
"grad_norm": 0.5483108758926392,
|
| 561 |
+
"learning_rate": 8.284820354091123e-05,
|
| 562 |
+
"loss": 0.2458,
|
| 563 |
+
"step": 39500
|
| 564 |
+
},
|
| 565 |
+
{
|
| 566 |
+
"epoch": 0.6666666666666666,
|
| 567 |
+
"grad_norm": 0.9700618982315063,
|
| 568 |
+
"learning_rate": 7.925300302171602e-05,
|
| 569 |
+
"loss": 0.24,
|
| 570 |
+
"step": 40000
|
| 571 |
+
},
|
| 572 |
+
{
|
| 573 |
+
"epoch": 0.675,
|
| 574 |
+
"grad_norm": 0.8393011689186096,
|
| 575 |
+
"learning_rate": 7.570933431662156e-05,
|
| 576 |
+
"loss": 0.2334,
|
| 577 |
+
"step": 40500
|
| 578 |
+
},
|
| 579 |
+
{
|
| 580 |
+
"epoch": 0.6833333333333333,
|
| 581 |
+
"grad_norm": 1.7267228364944458,
|
| 582 |
+
"learning_rate": 7.221977861896105e-05,
|
| 583 |
+
"loss": 0.2454,
|
| 584 |
+
"step": 41000
|
| 585 |
+
},
|
| 586 |
+
{
|
| 587 |
+
"epoch": 0.6916666666666667,
|
| 588 |
+
"grad_norm": 1.5230600833892822,
|
| 589 |
+
"learning_rate": 6.878687770638148e-05,
|
| 590 |
+
"loss": 0.2291,
|
| 591 |
+
"step": 41500
|
| 592 |
+
},
|
| 593 |
+
{
|
| 594 |
+
"epoch": 0.7,
|
| 595 |
+
"grad_norm": 0.8894439935684204,
|
| 596 |
+
"learning_rate": 6.541313208942333e-05,
|
| 597 |
+
"loss": 0.2304,
|
| 598 |
+
"step": 42000
|
| 599 |
+
},
|
| 600 |
+
{
|
| 601 |
+
"epoch": 0.7083333333333334,
|
| 602 |
+
"grad_norm": 0.6637595891952515,
|
| 603 |
+
"learning_rate": 6.210099919015931e-05,
|
| 604 |
+
"loss": 0.2256,
|
| 605 |
+
"step": 42500
|
| 606 |
+
},
|
| 607 |
+
{
|
| 608 |
+
"epoch": 0.7166666666666667,
|
| 609 |
+
"grad_norm": 1.5464119911193848,
|
| 610 |
+
"learning_rate": 5.8852891552218674e-05,
|
| 611 |
+
"loss": 0.2296,
|
| 612 |
+
"step": 43000
|
| 613 |
+
},
|
| 614 |
+
{
|
| 615 |
+
"epoch": 0.725,
|
| 616 |
+
"grad_norm": 1.361809492111206,
|
| 617 |
+
"learning_rate": 5.567117508350033e-05,
|
| 618 |
+
"loss": 0.225,
|
| 619 |
+
"step": 43500
|
| 620 |
+
},
|
| 621 |
+
{
|
| 622 |
+
"epoch": 0.7333333333333333,
|
| 623 |
+
"grad_norm": 1.100778341293335,
|
| 624 |
+
"learning_rate": 5.2558167332855614e-05,
|
| 625 |
+
"loss": 0.2171,
|
| 626 |
+
"step": 44000
|
| 627 |
+
},
|
| 628 |
+
{
|
| 629 |
+
"epoch": 0.7416666666666667,
|
| 630 |
+
"grad_norm": 0.8792382478713989,
|
| 631 |
+
"learning_rate": 4.951613580199569e-05,
|
| 632 |
+
"loss": 0.2253,
|
| 633 |
+
"step": 44500
|
| 634 |
+
},
|
| 635 |
+
{
|
| 636 |
+
"epoch": 0.75,
|
| 637 |
+
"grad_norm": 1.008772611618042,
|
| 638 |
+
"learning_rate": 4.65472962938525e-05,
|
| 639 |
+
"loss": 0.2185,
|
| 640 |
+
"step": 45000
|
| 641 |
+
},
|
| 642 |
+
{
|
| 643 |
+
"epoch": 0.7583333333333333,
|
| 644 |
+
"grad_norm": 1.769035816192627,
|
| 645 |
+
"learning_rate": 4.365381129859762e-05,
|
| 646 |
+
"loss": 0.2323,
|
| 647 |
+
"step": 45500
|
| 648 |
+
},
|
| 649 |
+
{
|
| 650 |
+
"epoch": 0.7666666666666667,
|
| 651 |
+
"grad_norm": 1.0002933740615845,
|
| 652 |
+
"learning_rate": 4.0837788418493234e-05,
|
| 653 |
+
"loss": 0.2258,
|
| 654 |
+
"step": 46000
|
| 655 |
+
},
|
| 656 |
+
{
|
| 657 |
+
"epoch": 0.775,
|
| 658 |
+
"grad_norm": 0.6770097613334656,
|
| 659 |
+
"learning_rate": 3.810127883272383e-05,
|
| 660 |
+
"loss": 0.2237,
|
| 661 |
+
"step": 46500
|
| 662 |
+
},
|
| 663 |
+
{
|
| 664 |
+
"epoch": 0.7833333333333333,
|
| 665 |
+
"grad_norm": 1.1669566631317139,
|
| 666 |
+
"learning_rate": 3.544627580332564e-05,
|
| 667 |
+
"loss": 0.2106,
|
| 668 |
+
"step": 47000
|
| 669 |
+
},
|
| 670 |
+
{
|
| 671 |
+
"epoch": 0.7916666666666666,
|
| 672 |
+
"grad_norm": 0.6947309374809265,
|
| 673 |
+
"learning_rate": 3.2874713223303216e-05,
|
| 674 |
+
"loss": 0.2198,
|
| 675 |
+
"step": 47500
|
| 676 |
+
},
|
| 677 |
+
{
|
| 678 |
+
"epoch": 0.8,
|
| 679 |
+
"grad_norm": 0.6739930510520935,
|
| 680 |
+
"learning_rate": 3.038846420798978e-05,
|
| 681 |
+
"loss": 0.2183,
|
| 682 |
+
"step": 48000
|
| 683 |
+
},
|
| 684 |
+
{
|
| 685 |
+
"epoch": 0.8083333333333333,
|
| 686 |
+
"grad_norm": 1.489799976348877,
|
| 687 |
+
"learning_rate": 2.7989339730678078e-05,
|
| 688 |
+
"loss": 0.2189,
|
| 689 |
+
"step": 48500
|
| 690 |
+
},
|
| 691 |
+
{
|
| 692 |
+
"epoch": 0.8166666666666667,
|
| 693 |
+
"grad_norm": 0.8515140414237976,
|
| 694 |
+
"learning_rate": 2.5679087303514894e-05,
|
| 695 |
+
"loss": 0.2244,
|
| 696 |
+
"step": 49000
|
| 697 |
+
},
|
| 698 |
+
{
|
| 699 |
+
"epoch": 0.825,
|
| 700 |
+
"grad_norm": 0.49479931592941284,
|
| 701 |
+
"learning_rate": 2.345938970462068e-05,
|
| 702 |
+
"loss": 0.2369,
|
| 703 |
+
"step": 49500
|
| 704 |
+
},
|
| 705 |
+
{
|
| 706 |
+
"epoch": 0.8333333333333334,
|
| 707 |
+
"grad_norm": 0.8055633902549744,
|
| 708 |
+
"learning_rate": 2.1331863752360973e-05,
|
| 709 |
+
"loss": 0.2217,
|
| 710 |
+
"step": 50000
|
| 711 |
+
},
|
| 712 |
+
{
|
| 713 |
+
"epoch": 0.8416666666666667,
|
| 714 |
+
"grad_norm": 2.17622447013855,
|
| 715 |
+
"learning_rate": 1.9298059127662975e-05,
|
| 716 |
+
"loss": 0.2087,
|
| 717 |
+
"step": 50500
|
| 718 |
+
},
|
| 719 |
+
{
|
| 720 |
+
"epoch": 0.85,
|
| 721 |
+
"grad_norm": 1.8723386526107788,
|
| 722 |
+
"learning_rate": 1.7359457245234156e-05,
|
| 723 |
+
"loss": 0.223,
|
| 724 |
+
"step": 51000
|
| 725 |
+
},
|
| 726 |
+
{
|
| 727 |
+
"epoch": 0.8583333333333333,
|
| 728 |
+
"grad_norm": 1.4284367561340332,
|
| 729 |
+
"learning_rate": 1.5517470174506246e-05,
|
| 730 |
+
"loss": 0.2201,
|
| 731 |
+
"step": 51500
|
| 732 |
+
},
|
| 733 |
+
{
|
| 734 |
+
"epoch": 0.8666666666666667,
|
| 735 |
+
"grad_norm": 1.5737581253051758,
|
| 736 |
+
"learning_rate": 1.3773439611089832e-05,
|
| 737 |
+
"loss": 0.224,
|
| 738 |
+
"step": 52000
|
| 739 |
+
},
|
| 740 |
+
{
|
| 741 |
+
"epoch": 0.875,
|
| 742 |
+
"grad_norm": 1.9173991680145264,
|
| 743 |
+
"learning_rate": 1.212863589948883e-05,
|
| 744 |
+
"loss": 0.2316,
|
| 745 |
+
"step": 52500
|
| 746 |
+
},
|
| 747 |
+
{
|
| 748 |
+
"epoch": 0.8833333333333333,
|
| 749 |
+
"grad_norm": 0.9126625657081604,
|
| 750 |
+
"learning_rate": 1.058425710778692e-05,
|
| 751 |
+
"loss": 0.2099,
|
| 752 |
+
"step": 53000
|
| 753 |
+
},
|
| 754 |
+
{
|
| 755 |
+
"epoch": 0.8916666666666667,
|
| 756 |
+
"grad_norm": 0.9519773721694946,
|
| 757 |
+
"learning_rate": 9.141428154979886e-06,
|
| 758 |
+
"loss": 0.2231,
|
| 759 |
+
"step": 53500
|
| 760 |
+
},
|
| 761 |
+
{
|
| 762 |
+
"epoch": 0.9,
|
| 763 |
+
"grad_norm": 1.7559552192687988,
|
| 764 |
+
"learning_rate": 7.801199991589335e-06,
|
| 765 |
+
"loss": 0.2203,
|
| 766 |
+
"step": 54000
|
| 767 |
+
},
|
| 768 |
+
{
|
| 769 |
+
"epoch": 0.9083333333333333,
|
| 770 |
+
"grad_norm": 1.3599870204925537,
|
| 771 |
+
"learning_rate": 6.564548834154759e-06,
|
| 772 |
+
"loss": 0.2224,
|
| 773 |
+
"step": 54500
|
| 774 |
+
},
|
| 775 |
+
{
|
| 776 |
+
"epoch": 0.9166666666666666,
|
| 777 |
+
"grad_norm": 1.5323917865753174,
|
| 778 |
+
"learning_rate": 5.432375454161458e-06,
|
| 779 |
+
"loss": 0.2131,
|
| 780 |
+
"step": 55000
|
| 781 |
+
},
|
| 782 |
+
{
|
| 783 |
+
"epoch": 0.925,
|
| 784 |
+
"grad_norm": 0.8116886615753174,
|
| 785 |
+
"learning_rate": 4.405504521922571e-06,
|
| 786 |
+
"loss": 0.2122,
|
| 787 |
+
"step": 55500
|
| 788 |
+
},
|
| 789 |
+
{
|
| 790 |
+
"epoch": 0.9333333333333333,
|
| 791 |
+
"grad_norm": 0.9112006425857544,
|
| 792 |
+
"learning_rate": 3.484684005892502e-06,
|
| 793 |
+
"loss": 0.2184,
|
| 794 |
+
"step": 56000
|
| 795 |
+
},
|
| 796 |
+
{
|
| 797 |
+
"epoch": 0.9416666666666667,
|
| 798 |
+
"grad_norm": 0.6394028663635254,
|
| 799 |
+
"learning_rate": 2.6705846278499532e-06,
|
| 800 |
+
"loss": 0.238,
|
| 801 |
+
"step": 56500
|
| 802 |
+
},
|
| 803 |
+
{
|
| 804 |
+
"epoch": 0.95,
|
| 805 |
+
"grad_norm": 0.9545285701751709,
|
| 806 |
+
"learning_rate": 1.9637993743470525e-06,
|
| 807 |
+
"loss": 0.226,
|
| 808 |
+
"step": 57000
|
| 809 |
+
},
|
| 810 |
+
{
|
| 811 |
+
"epoch": 0.9583333333333334,
|
| 812 |
+
"grad_norm": 0.7243571877479553,
|
| 813 |
+
"learning_rate": 1.36484306478033e-06,
|
| 814 |
+
"loss": 0.2236,
|
| 815 |
+
"step": 57500
|
| 816 |
+
},
|
| 817 |
+
{
|
| 818 |
+
"epoch": 0.9666666666666667,
|
| 819 |
+
"grad_norm": 0.8191093802452087,
|
| 820 |
+
"learning_rate": 8.741519763985627e-07,
|
| 821 |
+
"loss": 0.217,
|
| 822 |
+
"step": 58000
|
| 823 |
+
},
|
| 824 |
+
{
|
| 825 |
+
"epoch": 0.975,
|
| 826 |
+
"grad_norm": 1.4871535301208496,
|
| 827 |
+
"learning_rate": 4.920835265201595e-07,
|
| 828 |
+
"loss": 0.2176,
|
| 829 |
+
"step": 58500
|
| 830 |
+
},
|
| 831 |
+
{
|
| 832 |
+
"epoch": 0.9833333333333333,
|
| 833 |
+
"grad_norm": 0.9401077628135681,
|
| 834 |
+
"learning_rate": 2.1891601219199417e-07,
|
| 835 |
+
"loss": 0.2267,
|
| 836 |
+
"step": 59000
|
| 837 |
+
},
|
| 838 |
+
{
|
| 839 |
+
"epoch": 0.9916666666666667,
|
| 840 |
+
"grad_norm": 1.3500021696090698,
|
| 841 |
+
"learning_rate": 5.484840747892461e-08,
|
| 842 |
+
"loss": 0.2189,
|
| 843 |
+
"step": 59500
|
| 844 |
+
},
|
| 845 |
+
{
|
| 846 |
+
"epoch": 1.0,
|
| 847 |
+
"grad_norm": 0.5481218695640564,
|
| 848 |
+
"learning_rate": 2.1853199250188025e-13,
|
| 849 |
+
"loss": 0.2222,
|
| 850 |
+
"step": 60000
|
| 851 |
+
},
|
| 852 |
{
|
| 853 |
"epoch": 1.0,
|
| 854 |
+
"step": 60000,
|
| 855 |
+
"total_flos": 6.731455156851671e+17,
|
| 856 |
+
"train_loss": 0.2601620175679525,
|
| 857 |
+
"train_runtime": 10691.1388,
|
| 858 |
+
"train_samples_per_second": 5.612,
|
| 859 |
+
"train_steps_per_second": 5.612
|
| 860 |
}
|
| 861 |
],
|
| 862 |
"logging_steps": 500,
|
| 863 |
+
"max_steps": 60000,
|
| 864 |
"num_input_tokens_seen": 0,
|
| 865 |
"num_train_epochs": 1,
|
| 866 |
+
"save_steps": 10000,
|
| 867 |
"stateful_callbacks": {
|
| 868 |
"TrainerControl": {
|
| 869 |
"args": {
|
|
|
|
| 876 |
"attributes": {}
|
| 877 |
}
|
| 878 |
},
|
| 879 |
+
"total_flos": 6.731455156851671e+17,
|
| 880 |
"train_batch_size": 1,
|
| 881 |
"trial_name": null,
|
| 882 |
"trial_params": null
|