File size: 88,399 Bytes
186fb50 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 | [2026-02-22 13:20:09,846] [DEBUG] [axolotl.utils.config.resolve_dtype:66] [PID:2647] bf16 support detected, enabling for this configuration.
[2026-02-22 13:20:10,096] [DEBUG] [axolotl.utils.config.log_gpu_memory_usage:127] [PID:2647] baseline 0.000GB ()
[2026-02-22 13:20:10,099] [INFO] [axolotl.cli.config.load_cfg:248] [PID:2647] config:
{
"activation_offloading": false,
"adapter": "lora",
"axolotl_config_path": "config.yaml",
"base_model": "Nanbeige/Nanbeige4.1-3B",
"base_model_config": "Nanbeige/Nanbeige4.1-3B",
"batch_size": 8,
"bf16": true,
"capabilities": {
"bf16": true,
"compute_capability": "sm_90",
"fp8": false,
"n_gpu": 1,
"n_node": 1
},
"context_parallel_size": 1,
"dataloader_num_workers": 1,
"dataloader_pin_memory": true,
"dataloader_prefetch_factor": 256,
"dataset_processes": 16,
"datasets": [
{
"chat_template": "tokenizer_default",
"message_property_mappings": {
"content": "content",
"role": "role"
},
"path": "Ailonordsletta/med",
"trust_remote_code": false,
"type": "chat_template"
}
],
"ddp": false,
"device": "cuda:0",
"dion_rank_fraction": 1.0,
"dion_rank_multiple_of": 1,
"env_capabilities": {
"torch_version": "2.7.1"
},
"eval_batch_size": 1,
"eval_causal_lm_metrics": [
"sacrebleu",
"comet",
"ter",
"chrf"
],
"eval_max_new_tokens": 128,
"eval_sample_packing": true,
"eval_table_size": 0,
"experimental_skip_move_to_device": true,
"fp16": false,
"gradient_accumulation_steps": 8,
"gradient_checkpointing": true,
"gradient_checkpointing_kwargs": {
"use_reentrant": true
},
"include_tkps": true,
"is_falcon_derived_model": false,
"is_llama_derived_model": true,
"is_mistral_derived_model": false,
"learning_rate": 0.0002,
"lisa_layers_attribute": "model.layers",
"load_best_model_at_end": false,
"load_in_4bit": false,
"load_in_8bit": true,
"local_rank": 0,
"lora_alpha": 16,
"lora_dropout": 0.05,
"lora_r": 8,
"lora_target_modules": [
"q_proj",
"v_proj",
"k_proj",
"o_proj",
"gate_proj",
"down_proj",
"up_proj"
],
"loraplus_lr_embedding": 1e-06,
"lr_scheduler": "cosine",
"mean_resizing_embeddings": false,
"micro_batch_size": 1,
"model_config_type": "llama",
"num_epochs": 1.0,
"optimizer": "adamw_bnb_8bit",
"output_dir": "./outputs/mymodel",
"pad_to_sequence_len": true,
"pretrain_multipack_attn": true,
"profiler_steps_start": 0,
"qlora_sharded_model_loading": false,
"ray_num_workers": 1,
"resources_per_worker": {
"GPU": 1
},
"sample_packing": true,
"sample_packing_bin_size": 200,
"sample_packing_group_size": 100000,
"save_only_model": false,
"save_safetensors": true,
"sequence_len": 4096,
"shuffle_before_merging_datasets": false,
"shuffle_merged_datasets": true,
"skip_prepare_dataset": false,
"streaming_multipack_buffer_size": 10000,
"strict": false,
"tensor_parallel_size": 1,
"tiled_mlp_use_original_mlp": true,
"tokenizer_config": "Nanbeige/Nanbeige4.1-3B",
"tokenizer_save_jinja_files": true,
"tokenizer_use_fast": false,
"torch_dtype": "torch.bfloat16",
"train_on_inputs": false,
"trl": {
"log_completions": false,
"mask_truncated_completions": false,
"ref_model_mixup_alpha": 0.9,
"ref_model_sync_steps": 64,
"scale_rewards": true,
"sync_ref_model": false,
"use_vllm": false,
"vllm_server_host": "0.0.0.0",
"vllm_server_port": 8000
},
"trust_remote_code": true,
"type_of_model": "AutoModelForCausalLM",
"use_ray": false,
"use_wandb": true,
"val_set_size": 0.0,
"vllm": {
"device": "auto",
"dtype": "auto",
"gpu_memory_utilization": 0.9,
"host": "0.0.0.0",
"port": 8000
},
"wandb_project": "nanbeige-finetune",
"weight_decay": 0.0,
"world_size": 1
}
[2026-02-22 13:20:11,284] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:278] [PID:2647] EOS: 166101 / <|im_end|>
[2026-02-22 13:20:11,285] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:279] [PID:2647] BOS: 166100 / <|im_start|>
[2026-02-22 13:20:11,287] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:280] [PID:2647] PAD: 0 / <unk>
[2026-02-22 13:20:11,288] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:281] [PID:2647] UNK: 0 / <unk>
[2026-02-22 13:20:11,291] [INFO] [axolotl.utils.data.shared.load_preprocessed_dataset:476] [PID:2647] Unable to find prepared dataset in last_run_prepared/5744c3c406d0692562e1b5ec70dff038
[2026-02-22 13:20:11,292] [INFO] [axolotl.utils.data.sft._load_raw_datasets:320] [PID:2647] Loading raw datasets...
[2026-02-22 13:20:11,293] [WARNING] [axolotl.utils.data.sft._load_raw_datasets:322] [PID:2647] Processing datasets during training can lead to VRAM instability. Please pre-process your dataset using `axolotl preprocess path/to/config.yml`.
[2026-02-22 13:20:13,044] [INFO] [axolotl.utils.data.wrappers.get_dataset_wrapper:87] [PID:2647] Loading dataset: Ailonordsletta/med with base_type: chat_template and prompt_style: None
[2026-02-22 13:20:13,055] [INFO] [axolotl.prompt_strategies.chat_template.__call__:969] [PID:2647] Using chat template:
---
{%- if tools %}
{{- '<|im_start|>system
' }}
{%- if messages[0].role == 'system' %}
{{- messages[0].content + '
' }}
{%- else %}
{{- '你是一位工具函数调用专家，你会得到一个问题和一组可能的工具函数。根据问题，你需要进行一个或多个函数/工具调用以实现目的，请尽量尝试探索通过工具解决问题。
如果没有一个函数可以使用，请直接使用自然语言回复用户。
如果给定的问题缺少函数所需的参数，请使用自然语言进行提问，向用户询问必要信息。
如果调用结果已经足够回答用户问题，请对历史结果进行总结，使用自然语言回复用户。' }}
{%- endif %}
{{- "# Tools
You may call one or more functions to assist with the user query.
You are provided with function signatures within <tools></tools> XML tags:
<tools>" }}
{%- for tool in tools %}
{{- "
" }}
{{- tool | tojson }}
{%- endfor %}
{{- "
</tools>
For each function call, return a json object with function name and arguments within <tool_call></tool_call> XML tags:
<tool_call>
{\"name\": <function-name>, \"arguments\": <args-json-object>}
</tool_call><|im_end|>
" }}
{%- else %}
{%- if messages[0].role == 'system' %}
{{- '<|im_start|>system
' + messages[0].content + '<|im_end|>
' }}
{%- else %}
{{- '<|im_start|>system
你是南北阁，一款由BOSS直聘自主研发并训练的专业大语言模型。<|im_end|>
' }}
{%- endif %}
{%- endif %}
{%- set ns = namespace(multi_step_tool=true, last_query_index=messages|length - 1) %}
{%- for message in messages[::-1] %}
{%- set index = (messages|length - 1) - loop.index0 %}
{%- if ns.multi_step_tool and message.role == "user" and message.content is string and not(message.content.startswith('<tool_response>') and message.content.endswith('</tool_response>')) %}
{%- set ns.multi_step_tool = false %}
{%- set ns.last_query_index = index %}
{%- endif %}
{%- endfor %}
{%- for message in messages %}
{%- if message.content is string %}
{%- set content = message.content %}
{%- else %}
{%- set content = '' %}
{%- endif %}
{%- if (message.role == "user") or (message.role == "system" and not loop.first) %}
{{- '<|im_start|>' + message.role + '
' + content + '<|im_end|>' + '
' }}
{%- elif message.role == "assistant" %}
{%- set reasoning_content = '' %}
{%- if message.reasoning_content is string %}
{%- set reasoning_content = message.reasoning_content %}
{%- else %}
{%- if '</think>' in content %}
{%- set reasoning_content = content.split('</think>')[0].rstrip('
').split('<think>')[-1].lstrip('
') %}
{%- set content = content.split('</think>')[-1].lstrip('
') %}
{%- endif %}
{%- endif %}
{%- if loop.index0 > ns.last_query_index or keep_all_think or (extra_body is defined and extra_body.keep_all_think) %}
{%- if loop.last or (not loop.last and reasoning_content) %}
{{- '<|im_start|>' + message.role + '
<think>
' + reasoning_content.strip('
') + '
</think>
' + content.lstrip('
') }}
{%- else %}
{{- '<|im_start|>' + message.role + '
' + content }}
{%- endif %}
{%- else %}
{{- '<|im_start|>' + message.role + '
' + content }}
{%- endif %}
{%- if message.tool_calls %}
{%- for tool_call in message.tool_calls %}
{%- if (loop.first and content) or (not loop.first) %}
{{- '
' }}
{%- endif %}
{%- if tool_call.function %}
{%- set tool_call = tool_call.function %}
{%- endif %}
{{- '<tool_call>
{"name": "' }}
{{- tool_call.name }}
{{- '", "arguments": ' }}
{%- if tool_call.arguments is string %}
{{- tool_call.arguments }}
{%- else %}
{{- tool_call.arguments | tojson }}
{%- endif %}
{{- '}
</tool_call>' }}
{%- endfor %}
{%- endif %}
{{- '<|im_end|>
' }}
{%- elif message.role == "tool" %}
{%- if loop.first or (messages[loop.index0 - 1].role != "tool") %}
{{- '<|im_start|>user' }}
{%- endif %}
{{- '
<tool_response>
' }}
{{- content }}
{{- '
</tool_response>' }}
{%- if loop.last or (messages[loop.index0 + 1].role != "tool") %}
{{- '<|im_end|>
' }}
{%- endif %}
{%- endif %}
{%- endfor %}
{%- if add_generation_prompt %}
{{- '<|im_start|>assistant
' }}
{%- endif %}
---
[2026-02-22 13:20:13,635] [INFO] [axolotl.utils.data.utils.handle_long_seq_in_dataset:218] [PID:2647] min_input_len: 511
[2026-02-22 13:20:13,637] [INFO] [axolotl.utils.data.utils.handle_long_seq_in_dataset:220] [PID:2647] max_input_len: 1062
Dropping Long Sequences (>4096) (num_proc=16): 0%| | 0/1968 [00:00<?, ? examples/s]
Dropping Long Sequences (>4096) (num_proc=16): 6%|███████▌ | 123/1968 [00:00<00:07, 233.81 examples/s]
Dropping Long Sequences (>4096) (num_proc=16): 56%|██████████████████████████████████████████████████████████████████▉ | 1107/1968 [00:00<00:00, 2257.17 examples/s]
Dropping Long Sequences (>4096) (num_proc=16): 100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 1968/1968 [00:00<00:00, 2086.01 examples/s]
Drop Samples with Zero Trainable Tokens (num_proc=16): 0%| | 0/1968 [00:00<?, ? examples/s]
Drop Samples with Zero Trainable Tokens (num_proc=16): 6%|███████ | 123/1968 [00:00<00:09, 190.76 examples/s]
Drop Samples with Zero Trainable Tokens (num_proc=16): 81%|██████████████████████████████████████████████████████████████████████████████████████████▏ | 1599/1968 [00:00<00:00, 2787.49 examples/s]
Drop Samples with Zero Trainable Tokens (num_proc=16): 100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████| 1968/1968 [00:01<00:00, 1924.42 examples/s]
Add position_id column (Sample Packing) (num_proc=16): 0%| | 0/1968 [00:00<?, ? examples/s]
Add position_id column (Sample Packing) (num_proc=16): 6%|███████ | 123/1968 [00:00<00:09, 194.92 examples/s]
Add position_id column (Sample Packing) (num_proc=16): 100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████| 1968/1968 [00:00<00:00, 3455.76 examples/s]
Add position_id column (Sample Packing) (num_proc=16): 100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████| 1968/1968 [00:01<00:00, 1774.43 examples/s]
Saving the dataset (0/7 shards): 0%| | 0/1968 [00:00<?, ? examples/s]
Saving the dataset (0/7 shards): 14%|███████████████████▏ | 282/1968 [00:00<00:01, 1331.67 examples/s]
Saving the dataset (1/7 shards): 14%|███████████████████▏ | 282/1968 [00:00<00:01, 1331.67 examples/s]
Saving the dataset (2/7 shards): 29%|██████████████████████████████████████▎ | 563/1968 [00:00<00:01, 1331.67 examples/s]
Saving the dataset (3/7 shards): 43%|█████████████████████████████████████████████████████████▍ | 844/1968 [00:00<00:00, 1331.67 examples/s]
Saving the dataset (4/7 shards): 57%|████████████████████████████████████████████████████████████████████████████ | 1125/1968 [00:00<00:00, 1331.67 examples/s]
Saving the dataset (5/7 shards): 71%|███████████████████████████████████████████████████████████████████████████████████████████████ | 1406/1968 [00:00<00:00, 1331.67 examples/s]
Saving the dataset (6/7 shards): 86%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 1687/1968 [00:00<00:00, 1331.67 examples/s]
Saving the dataset (7/7 shards): 100%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 1968/1968 [00:00<00:00, 1331.67 examples/s]
Saving the dataset (7/7 shards): 100%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 1968/1968 [00:00<00:00, 5650.96 examples/s]
[2026-02-22 13:20:17,737] [DEBUG] [axolotl.utils.trainer.calculate_total_num_steps:404] [PID:2647] total_num_tokens: 1_452_728
[2026-02-22 13:20:17,771] [DEBUG] [axolotl.utils.trainer.calculate_total_num_steps:422] [PID:2647] `total_supervised_tokens: 429_381`
[2026-02-22 13:20:19,504] [DEBUG] [axolotl.utils.samplers.multipack.__len__:458] [PID:2647] generate_batches time: 0.8231861591339111
[2026-02-22 13:20:20,290] [DEBUG] [axolotl.utils.samplers.multipack.__len__:458] [PID:2647] generate_batches time: 0.7779498100280762
[2026-02-22 13:20:21,101] [DEBUG] [axolotl.utils.samplers.multipack.__len__:458] [PID:2647] generate_batches time: 0.8091142177581787
[2026-02-22 13:20:21,888] [DEBUG] [axolotl.utils.samplers.multipack.__len__:458] [PID:2647] generate_batches time: 0.7763903141021729
[2026-02-22 13:20:21,954] [INFO] [axolotl.utils.samplers.multipack.calc_min_len:434] [PID:2647] gather_len_batches: [379]
[2026-02-22 13:20:21,958] [DEBUG] [axolotl.utils.trainer.calculate_total_num_steps:481] [PID:2647] data_loader_len: 47
[2026-02-22 13:20:21,962] [INFO] [axolotl.utils.trainer.calc_sample_packing_eff_est:497] [PID:2647] sample_packing_eff_est across ranks: [0.9358045432058048]
[2026-02-22 13:20:21,967] [DEBUG] [axolotl.utils.trainer.calculate_total_num_steps:509] [PID:2647] sample_packing_eff_est: 0.94
[2026-02-22 13:20:21,968] [DEBUG] [axolotl.utils.trainer.calculate_total_num_steps:520] [PID:2647] total_num_steps: 47
[2026-02-22 13:20:21,971] [INFO] [axolotl.utils.data.sft._prepare_standard_dataset:121] [PID:2647] Maximum number of steps set at 47
[2026-02-22 13:20:22,031] [DEBUG] [axolotl.train.setup_model_and_tokenizer:65] [PID:2647] Loading tokenizer... Nanbeige/Nanbeige4.1-3B
[2026-02-22 13:20:23,111] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:278] [PID:2647] EOS: 166101 / <|im_end|>
[2026-02-22 13:20:23,113] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:279] [PID:2647] BOS: 166100 / <|im_start|>
[2026-02-22 13:20:23,115] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:280] [PID:2647] PAD: 0 / <unk>
[2026-02-22 13:20:23,117] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:281] [PID:2647] UNK: 0 / <unk>
[2026-02-22 13:20:23,120] [DEBUG] [axolotl.train.setup_model_and_tokenizer:74] [PID:2647] Loading model
[2026-02-22 13:20:23,283] [DEBUG] [axolotl.monkeypatch.transformers.trainer_loss_calc.patch_evaluation_loop:87] [PID:2647] Patched Trainer.evaluation_loop with nanmean loss calculation
[2026-02-22 13:20:23,287] [DEBUG] [axolotl.monkeypatch.transformers.trainer_loss_calc.patch_maybe_log_save_evaluate:138] [PID:2647] Patched Trainer._maybe_log_save_evaluate with nanmean loss calculation
[2026-02-22 13:20:23,290] [INFO] [axolotl.loaders.patch_manager._apply_multipack_patches:301] [PID:2647] Applying multipack dataloader patch for sample packing...
[2026-02-22 13:20:23,292] [INFO] [axolotl.loaders.patch_manager._patch_llama_sample_packing:430] [PID:2647] Patching llama _prepare_4d_causal_attention_mask*...
Loading checkpoint shards: 0%| | 0/2 [00:00<?, ?it/s]
Loading checkpoint shards: 50%|█████████████████████████████████████████████████████████████████████████████ | 1/2 [00:07<00:07, 7.57s/it]
Loading checkpoint shards: 100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 2/2 [00:11<00:00, 5.17s/it]
Loading checkpoint shards: 100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 2/2 [00:11<00:00, 5.53s/it]
[2026-02-22 13:20:35,187] [INFO] [axolotl.loaders.model._prepare_model_for_quantization:863] [PID:2647] converting PEFT model w/ prepare_model_for_kbit_training
[2026-02-22 13:20:35,191] [INFO] [axolotl.loaders.model._configure_embedding_dtypes:345] [PID:2647] Converting modules to torch.bfloat16
[2026-02-22 13:20:35,194] [DEBUG] [axolotl.loaders.model.log_gpu_memory_usage:127] [PID:2647] Memory usage after model load 6.973GB (+6.973GB allocated, +7.955GB reserved)
trainable params: 14,221,312 || all params: 3,947,858,432 || trainable%: 0.3602
[2026-02-22 13:20:35,457] [DEBUG] [axolotl.loaders.model.log_gpu_memory_usage:127] [PID:2647] after adapters 4.589GB (+4.589GB allocated, +8.008GB reserved)
[2026-02-22 13:20:42,514] [INFO] [axolotl.train.save_initial_configs:398] [PID:2647] Pre-saving adapter config to ./outputs/mymodel...
[2026-02-22 13:20:42,526] [INFO] [axolotl.train.save_initial_configs:402] [PID:2647] Pre-saving tokenizer to ./outputs/mymodel...
[2026-02-22 13:20:42,724] [INFO] [axolotl.train.save_initial_configs:407] [PID:2647] Pre-saving model config to ./outputs/mymodel...
[2026-02-22 13:20:42,741] [INFO] [axolotl.train.execute_training:196] [PID:2647] Starting trainer...
[2026-02-22 13:20:46,013] [DEBUG] [axolotl.utils.samplers.multipack.__len__:458] [PID:2647] generate_batches time: 1.1855175495147705
[2026-02-22 13:20:47,024] [DEBUG] [axolotl.utils.samplers.multipack.__len__:458] [PID:2647] generate_batches time: 1.009000301361084
[2026-02-22 13:20:48,163] [DEBUG] [axolotl.utils.samplers.multipack.__len__:458] [PID:2647] generate_batches time: 1.1379358768463135
[2026-02-22 13:20:49,279] [DEBUG] [axolotl.utils.samplers.multipack.__len__:458] [PID:2647] generate_batches time: 1.113976240158081
[2026-02-22 13:20:49,281] [INFO] [axolotl.utils.samplers.multipack.calc_min_len:434] [PID:2647] gather_len_batches: [378]
[34m[1mwandb[0m: (1) Create a W&B account
[34m[1mwandb[0m: (2) Use an existing W&B account
[34m[1mwandb[0m: (3) Don't visualize my results
[34m[1mwandb[0m: You chose "Don't visualize my results"
[34m[1mwandb[0m: Tracking run with wandb version 0.22.2
[34m[1mwandb[0m: W&B syncing is set to [1m`offline`[0m in this directory. Run [1m`wandb online`[0m or set [1mWANDB_MODE=online[0m to enable cloud syncing.
[34m[1mwandb[0m: Run data is saved locally in [35m[1m/workspace/fine-tuning/wandb/offline-run-20260222_132101-oe3kp5o6[0m
[34m[1mwandb[0m: Detected [huggingface_hub.inference, openai] in use.
[34m[1mwandb[0m: Use W&B Weave for improved LLM call tracing. Install Weave with `pip install weave` then add `import weave` to the top of your script.
[34m[1mwandb[0m: For more information, check out the docs at: https://weave-docs.wandb.ai/
[34m[1mwandb[0m: [33mWARNING[0m Saving files without folders. If you want to preserve subdirectories pass base_path to wandb.save, i.e. wandb.save("/mnt/folder/file.h5", base_path="/mnt")
[2026-02-22 13:21:02,096] [INFO] [axolotl.utils.callbacks.on_train_begin:756] [PID:2647] The Axolotl config has been saved to the WandB run under files.
0%| | 0/47 [00:00<?, ?it/s][2026-02-22 13:21:06,821] [WARNING] [py.warnings._showwarnmsg:110] [PID:2647] /root/miniconda3/envs/py3.11/lib/python3.11/site-packages/bitsandbytes/autograd/_functions.py:186: UserWarning: MatMul8bitLt: inputs will be cast from torch.bfloat16 to float16 during quantization
warnings.warn(f"MatMul8bitLt: inputs will be cast from {A.dtype} to float16 during quantization")
2%|███▊ | 1/47 [00:15<11:37, 15.17s/it]
{'loss': 4.243, 'grad_norm': 1.4695137739181519, 'learning_rate': 0.0, 'memory/max_active (GiB)': 13.26, 'memory/max_allocated (GiB)': 13.26, 'memory/device_reserved (GiB)': 14.79, 'tokens_per_second_per_gpu': 831.98, 'epoch': 0.02}
2%|███▊ | 1/47 [00:15<11:37, 15.17s/it]
4%|███████▋ | 2/47 [00:24<09:01, 12.02s/it]
{'loss': 4.4313, 'grad_norm': 1.5494900941848755, 'learning_rate': 0.0001, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 923.02, 'epoch': 0.04}
4%|███████▋ | 2/47 [00:25<09:01, 12.02s/it]
6%|███████████▍ | 3/47 [00:34<08:04, 11.02s/it]
{'loss': 4.3454, 'grad_norm': 1.482877254486084, 'learning_rate': 0.0002, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 947.31, 'epoch': 0.06}
6%|███████████▍ | 3/47 [00:34<08:04, 11.02s/it]
9%|███████████████▎ | 4/47 [00:44<07:33, 10.54s/it]
{'loss': 4.1976, 'grad_norm': 1.6609998941421509, 'learning_rate': 0.00019975640502598244, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 912.5, 'epoch': 0.08}
9%|███████████████▎ | 4/47 [00:44<07:33, 10.54s/it]
11%|███████████████████▏ | 5/47 [00:54<07:12, 10.29s/it]
{'loss': 4.0317, 'grad_norm': 1.8902016878128052, 'learning_rate': 0.00019902680687415705, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 920.49, 'epoch': 0.11}
11%|███████████████████▏ | 5/47 [00:54<07:12, 10.29s/it]
13%|██████████████████████▉ | 6/47 [01:04<06:55, 10.13s/it]
{'loss': 3.7777, 'grad_norm': 1.9003428220748901, 'learning_rate': 0.00019781476007338058, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 964.0, 'epoch': 0.13}
13%|██████████████████████▉ | 6/47 [01:04<06:55, 10.13s/it]
15%|██████████████████████████▊ | 7/47 [01:14<06:40, 10.01s/it]
{'loss': 3.5865, 'grad_norm': 1.749680757522583, 'learning_rate': 0.0001961261695938319, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 987.1, 'epoch': 0.15}
15%|██████████████████████████▊ | 7/47 [01:14<06:40, 10.01s/it]
17%|██████████████████████████████▋ | 8/47 [01:23<06:27, 9.94s/it]
{'loss': 3.3415, 'grad_norm': 1.62205171585083, 'learning_rate': 0.00019396926207859084, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 962.31, 'epoch': 0.17}
17%|██████████████████████████████▋ | 8/47 [01:23<06:27, 9.94s/it]
19%|██████████████████████████████████▍ | 9/47 [01:33<06:16, 9.90s/it]
{'loss': 3.1596, 'grad_norm': 1.6741900444030762, 'learning_rate': 0.0001913545457642601, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 922.19, 'epoch': 0.19}
19%|██████████████████████████████████▍ | 9/47 [01:33<06:16, 9.90s/it]
21%|██████████████████████████████████████ | 10/47 [01:43<06:04, 9.86s/it]
{'loss': 2.9621, 'grad_norm': 1.7453844547271729, 'learning_rate': 0.00018829475928589271, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 919.87, 'epoch': 0.21}
21%|██████████████████████████████████████ | 10/47 [01:43<06:04, 9.86s/it]
23%|█████████████████████████████████████████▉ | 11/47 [01:53<05:54, 9.84s/it]
{'loss': 2.862, 'grad_norm': 1.5820896625518799, 'learning_rate': 0.0001848048096156426, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 927.87, 'epoch': 0.23}
23%|█████████████████████████████████████████▉ | 11/47 [01:53<05:54, 9.84s/it]
26%|█████████████████████████████████████████████▋ | 12/47 [02:03<05:44, 9.83s/it]
{'loss': 2.8199, 'grad_norm': 1.5441746711730957, 'learning_rate': 0.00018090169943749476, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 910.51, 'epoch': 0.25}
26%|█████████████████████████████████████████████▋ | 12/47 [02:03<05:44, 9.83s/it]
28%|█████████████████████████████████████████████████▌ | 13/47 [02:12<05:34, 9.83s/it]
{'loss': 2.644, 'grad_norm': 1.5563510656356812, 'learning_rate': 0.0001766044443118978, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 936.34, 'epoch': 0.28}
28%|█████████████████████████████████████████████████▌ | 13/47 [02:12<05:34, 9.83s/it]
30%|█████████████████████████████████████████████████████▎ | 14/47 [02:22<05:23, 9.80s/it]
{'loss': 2.6187, 'grad_norm': 1.8126300573349, 'learning_rate': 0.0001719339800338651, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 908.78, 'epoch': 0.3}
30%|█████████████████████████████████████████████████████▎ | 14/47 [02:22<05:23, 9.80s/it]
32%|█████████████████████████████████████████████████████████▏ | 15/47 [02:32<05:13, 9.80s/it]
{'loss': 2.4328, 'grad_norm': 1.759360432624817, 'learning_rate': 0.00016691306063588583, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 940.87, 'epoch': 0.32}
32%|█████████████████████████████████████████████████████████▏ | 15/47 [02:32<05:13, 9.80s/it]
34%|████████████████████████████████████████████████████████████▉ | 16/47 [02:42<05:04, 9.81s/it]
{'loss': 2.4698, 'grad_norm': 1.570029616355896, 'learning_rate': 0.0001615661475325658, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 946.92, 'epoch': 0.34}
34%|████████████████████████████████████████████████████████████▉ | 16/47 [02:42<05:04, 9.81s/it]
36%|████████████████████████████████████████████████████████████████▋ | 17/47 [02:51<04:52, 9.73s/it]
{'loss': 2.3629, 'grad_norm': 1.0517549514770508, 'learning_rate': 0.0001559192903470747, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 964.96, 'epoch': 0.36}
36%|████████████████████████████████████████████████████████████████▋ | 17/47 [02:51<04:52, 9.73s/it]
38%|████████████████████████████████████████████████████████████████████▌ | 18/47 [03:01<04:40, 9.68s/it]
{'loss': 2.3148, 'grad_norm': 0.9625561833381653, 'learning_rate': 0.00015000000000000001, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 993.55, 'epoch': 0.38}
38%|████████████████████████████████████████████████████████████████████▌ | 18/47 [03:01<04:40, 9.68s/it]
40%|████████████████████████████████████████████████████████████████████████▎ | 19/47 [03:11<04:31, 9.71s/it]
{'loss': 2.2627, 'grad_norm': 0.8530783653259277, 'learning_rate': 0.00014383711467890774, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 930.48, 'epoch': 0.4}
40%|████████████████████████████████████████████████████████████████████████▎ | 19/47 [03:11<04:31, 9.71s/it]
43%|████████████████████████████████████████████████████████████████████████████▏ | 20/47 [03:20<04:22, 9.71s/it]
{'loss': 2.2487, 'grad_norm': 0.9044063687324524, 'learning_rate': 0.00013746065934159123, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 942.61, 'epoch': 0.42}
43%|████████████████████████████████████████████████████████████████████████████▏ | 20/47 [03:20<04:22, 9.71s/it]
45%|███████████████████████████████████████████████████████████████████████████████▉ | 21/47 [03:30<04:10, 9.65s/it]
{'loss': 2.2553, 'grad_norm': 0.862977147102356, 'learning_rate': 0.00013090169943749476, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 948.24, 'epoch': 0.44}
45%|███████████████████████████████████████████████████████████████████████████████▉ | 21/47 [03:30<04:10, 9.65s/it]
47%|███████████████████████████████████████████████████████████████████████████████████▊ | 22/47 [03:40<04:01, 9.68s/it]
{'loss': 2.1795, 'grad_norm': 0.8309082984924316, 'learning_rate': 0.00012419218955996676, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 936.66, 'epoch': 0.47}
47%|███████████████████████████████████████████████████████████████████████████████████▊ | 22/47 [03:40<04:01, 9.68s/it]
49%|███████████████████████████████████████████████████████████████████████████████████████▌ | 23/47 [03:49<03:52, 9.70s/it]
{'loss': 2.1639, 'grad_norm': 0.7150967717170715, 'learning_rate': 0.00011736481776669306, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 950.7, 'epoch': 0.49}
49%|███████████████████████████████████████████████████████████████████████████████████████▌ | 23/47 [03:49<03:52, 9.70s/it]
51%|███████████████████████████████████████████████████████████████████████████████████████████▍ | 24/47 [03:59<03:43, 9.71s/it]
{'loss': 2.1669, 'grad_norm': 0.7673395276069641, 'learning_rate': 0.00011045284632676536, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 955.67, 'epoch': 0.51}
51%|███████████████████████████████████████████████████████████████████████████████████████████▍ | 24/47 [03:59<03:43, 9.71s/it]
53%|███████████████████████████████████████████████████████████████████████████████████████████████▏ | 25/47 [04:09<03:33, 9.72s/it]
{'loss': 2.1234, 'grad_norm': 0.7678861021995544, 'learning_rate': 0.00010348994967025012, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 931.25, 'epoch': 0.53}
53%|███████████████████████████████████████████████████████████████████████████████████████████████▏ | 25/47 [04:09<03:33, 9.72s/it]
55%|███████████████████████████████████████████████████████████████████████████████████████████████████ | 26/47 [04:18<03:22, 9.66s/it]
{'loss': 2.0938, 'grad_norm': 0.7837774753570557, 'learning_rate': 9.651005032974994e-05, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 946.2, 'epoch': 0.55}
55%|███████████████████████████████████████████████████████████████████████████████████████████████████ | 26/47 [04:18<03:22, 9.66s/it]
57%|██████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 27/47 [04:28<03:13, 9.68s/it]
{'loss': 2.0848, 'grad_norm': 0.7549851536750793, 'learning_rate': 8.954715367323468e-05, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 914.66, 'epoch': 0.57}
57%|██████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 27/47 [04:28<03:13, 9.68s/it]
60%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 28/47 [04:38<03:04, 9.70s/it]
{'loss': 2.0789, 'grad_norm': 0.8423783779144287, 'learning_rate': 8.263518223330697e-05, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 939.69, 'epoch': 0.59}
60%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 28/47 [04:38<03:04, 9.70s/it]
62%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 29/47 [04:48<02:54, 9.71s/it]
{'loss': 2.0791, 'grad_norm': 0.64683598279953, 'learning_rate': 7.580781044003324e-05, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 940.88, 'epoch': 0.61}
62%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 29/47 [04:48<02:54, 9.71s/it]
64%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 30/47 [04:57<02:45, 9.72s/it]
{'loss': 2.0038, 'grad_norm': 0.619359016418457, 'learning_rate': 6.909830056250527e-05, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 935.05, 'epoch': 0.63}
64%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 30/47 [04:57<02:45, 9.72s/it]
66%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 31/47 [05:07<02:35, 9.73s/it]
{'loss': 1.9876, 'grad_norm': 0.6234782934188843, 'learning_rate': 6.25393406584088e-05, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 956.12, 'epoch': 0.66}
66%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 31/47 [05:07<02:35, 9.73s/it]
68%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 32/47 [05:17<02:25, 9.68s/it]
{'loss': 2.018, 'grad_norm': 0.5823737978935242, 'learning_rate': 5.616288532109225e-05, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 937.95, 'epoch': 0.68}
68%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 32/47 [05:17<02:25, 9.68s/it]
70%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 33/47 [05:26<02:15, 9.71s/it]
{'loss': 2.0073, 'grad_norm': 0.6582524180412292, 'learning_rate': 5.000000000000002e-05, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 929.12, 'epoch': 0.7}
70%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 33/47 [05:26<02:15, 9.71s/it]
72%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 34/47 [05:36<02:06, 9.70s/it]
{'loss': 2.064, 'grad_norm': 0.6210567355155945, 'learning_rate': 4.4080709652925336e-05, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 940.96, 'epoch': 0.72}
72%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 34/47 [05:36<02:06, 9.70s/it]
74%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 35/47 [05:46<01:56, 9.70s/it]
{'loss': 1.99, 'grad_norm': 0.5986624360084534, 'learning_rate': 3.843385246743417e-05, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 920.23, 'epoch': 0.74}
74%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 35/47 [05:46<01:56, 9.70s/it]
77%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 36/47 [05:55<01:46, 9.69s/it]
{'loss': 1.9909, 'grad_norm': 0.581673800945282, 'learning_rate': 3.308693936411421e-05, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 922.44, 'epoch': 0.76}
77%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 36/47 [05:55<01:46, 9.69s/it]
79%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 37/47 [06:05<01:36, 9.68s/it]
{'loss': 2.0539, 'grad_norm': 0.5877809524536133, 'learning_rate': 2.8066019966134904e-05, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 966.66, 'epoch': 0.78}
79%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 37/47 [06:05<01:36, 9.68s/it]
81%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 38/47 [06:15<01:27, 9.68s/it]
{'loss': 2.0219, 'grad_norm': 0.6464908719062805, 'learning_rate': 2.339555568810221e-05, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 947.39, 'epoch': 0.8}
81%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 38/47 [06:15<01:27, 9.68s/it]
83%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 39/47 [06:24<01:17, 9.68s/it]
{'loss': 2.0498, 'grad_norm': 0.7040234208106995, 'learning_rate': 1.9098300562505266e-05, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 936.54, 'epoch': 0.83}
83%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 39/47 [06:24<01:17, 9.68s/it]
85%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 40/47 [06:34<01:07, 9.67s/it]
{'loss': 1.9452, 'grad_norm': 0.5954016447067261, 'learning_rate': 1.5195190384357404e-05, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 926.8, 'epoch': 0.85}
85%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 40/47 [06:34<01:07, 9.67s/it]
87%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 41/47 [06:44<00:57, 9.67s/it]
{'loss': 1.9464, 'grad_norm': 0.5770402550697327, 'learning_rate': 1.1705240714107302e-05, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 908.33, 'epoch': 0.87}
87%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 41/47 [06:44<00:57, 9.67s/it]
89%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 42/47 [06:53<00:48, 9.68s/it]
{'loss': 1.968, 'grad_norm': 0.6131947040557861, 'learning_rate': 8.645454235739903e-06, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 950.52, 'epoch': 0.89}
89%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 42/47 [06:53<00:48, 9.68s/it]
91%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 43/47 [07:03<00:38, 9.72s/it]
{'loss': 2.0271, 'grad_norm': 0.5977436304092407, 'learning_rate': 6.030737921409169e-06, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 937.6, 'epoch': 0.91}
91%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 43/47 [07:03<00:38, 9.72s/it]
94%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 44/47 [07:13<00:29, 9.70s/it]
{'loss': 2.0098, 'grad_norm': 0.5758582353591919, 'learning_rate': 3.873830406168111e-06, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 911.55, 'epoch': 0.93}
94%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 44/47 [07:13<00:29, 9.70s/it]
96%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 45/47 [07:23<00:19, 9.69s/it]
{'loss': 1.982, 'grad_norm': 0.6744726300239563, 'learning_rate': 2.1852399266194314e-06, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 948.02, 'epoch': 0.95}
96%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 45/47 [07:23<00:19, 9.69s/it]
98%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 46/47 [07:32<00:09, 9.69s/it]
{'loss': 1.9892, 'grad_norm': 0.593183696269989, 'learning_rate': 9.731931258429638e-07, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 905.03, 'epoch': 0.97}
98%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 46/47 [07:32<00:09, 9.69s/it]
100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 47/47 [07:42<00:00, 9.68s/it]
{'loss': 1.9531, 'grad_norm': 0.5465917587280273, 'learning_rate': 2.4359497401758024e-07, 'memory/max_active (GiB)': 13.29, 'memory/max_allocated (GiB)': 13.29, 'memory/device_reserved (GiB)': 14.82, 'tokens_per_second_per_gpu': 895.64, 'epoch': 0.99}
100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 47/47 [07:42<00:00, 9.68s/it][2026-02-22 13:28:44,559] [INFO] [axolotl.core.trainers.base._save:671] [PID:2647] Saving model checkpoint to ./outputs/mymodel/checkpoint-47
{'train_runtime': 476.6958, 'train_samples_per_second': 0.789, 'train_steps_per_second': 0.099, 'train_loss': 2.5180128127970596, 'memory/max_active (GiB)': 4.68, 'memory/max_allocated (GiB)': 4.68, 'memory/device_reserved (GiB)': 14.82, 'epoch': 0.99}
100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 47/47 [07:43<00:00, 9.68s/it]
100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 47/47 [07:43<00:00, 9.87s/it]
[2026-02-22 13:28:46,238] [INFO] [axolotl.train.save_trained_model:218] [PID:2647] Training completed! Saving trained model to ./outputs/mymodel.
[2026-02-22 13:28:47,222] [INFO] [axolotl.train.save_trained_model:336] [PID:2647] Model successfully saved to ./outputs/mymodel
|