| { |
| "best_global_step": 600, |
| "best_metric": 0.07363789528608322, |
| "best_model_checkpoint": "results/checkpoint-600", |
| "epoch": 2.0, |
| "eval_steps": 100, |
| "global_step": 600, |
| "is_hyper_param_search": false, |
| "is_local_process_zero": true, |
| "is_world_process_zero": true, |
| "log_history": [ |
| { |
| "epoch": 0.03333333333333333, |
| "grad_norm": 9.697060585021973, |
| "learning_rate": 3.6e-07, |
| "loss": 7.2438, |
| "step": 10 |
| }, |
| { |
| "epoch": 0.06666666666666667, |
| "grad_norm": 8.801666259765625, |
| "learning_rate": 7.600000000000001e-07, |
| "loss": 7.156, |
| "step": 20 |
| }, |
| { |
| "epoch": 0.1, |
| "grad_norm": 7.470696926116943, |
| "learning_rate": 1.16e-06, |
| "loss": 6.9673, |
| "step": 30 |
| }, |
| { |
| "epoch": 0.13333333333333333, |
| "grad_norm": 6.263430595397949, |
| "learning_rate": 1.56e-06, |
| "loss": 6.7094, |
| "step": 40 |
| }, |
| { |
| "epoch": 0.16666666666666666, |
| "grad_norm": 5.286303520202637, |
| "learning_rate": 1.96e-06, |
| "loss": 6.3714, |
| "step": 50 |
| }, |
| { |
| "epoch": 0.2, |
| "grad_norm": 4.652409076690674, |
| "learning_rate": 2.36e-06, |
| "loss": 5.9859, |
| "step": 60 |
| }, |
| { |
| "epoch": 0.23333333333333334, |
| "grad_norm": 4.126605987548828, |
| "learning_rate": 2.7600000000000003e-06, |
| "loss": 5.5458, |
| "step": 70 |
| }, |
| { |
| "epoch": 0.26666666666666666, |
| "grad_norm": 3.8642539978027344, |
| "learning_rate": 3.16e-06, |
| "loss": 5.0487, |
| "step": 80 |
| }, |
| { |
| "epoch": 0.3, |
| "grad_norm": 3.7739064693450928, |
| "learning_rate": 3.5600000000000002e-06, |
| "loss": 4.4878, |
| "step": 90 |
| }, |
| { |
| "epoch": 0.3333333333333333, |
| "grad_norm": 3.5410406589508057, |
| "learning_rate": 3.96e-06, |
| "loss": 3.8707, |
| "step": 100 |
| }, |
| { |
| "epoch": 0.3333333333333333, |
| "eval_loss": 0.8786314725875854, |
| "eval_runtime": 130.6011, |
| "eval_samples_per_second": 18.377, |
| "eval_steps_per_second": 1.531, |
| "step": 100 |
| }, |
| { |
| "epoch": 0.36666666666666664, |
| "grad_norm": 3.659569501876831, |
| "learning_rate": 4.360000000000001e-06, |
| "loss": 3.2011, |
| "step": 110 |
| }, |
| { |
| "epoch": 0.4, |
| "grad_norm": 3.39253306388855, |
| "learning_rate": 4.76e-06, |
| "loss": 2.4442, |
| "step": 120 |
| }, |
| { |
| "epoch": 0.43333333333333335, |
| "grad_norm": 2.4652178287506104, |
| "learning_rate": 5.16e-06, |
| "loss": 1.7345, |
| "step": 130 |
| }, |
| { |
| "epoch": 0.4666666666666667, |
| "grad_norm": 1.445365309715271, |
| "learning_rate": 5.56e-06, |
| "loss": 1.2175, |
| "step": 140 |
| }, |
| { |
| "epoch": 0.5, |
| "grad_norm": 0.7545905113220215, |
| "learning_rate": 5.96e-06, |
| "loss": 0.9318, |
| "step": 150 |
| }, |
| { |
| "epoch": 0.5333333333333333, |
| "grad_norm": 0.6413900256156921, |
| "learning_rate": 5.994080185284815e-06, |
| "loss": 0.7965, |
| "step": 160 |
| }, |
| { |
| "epoch": 0.5666666666666667, |
| "grad_norm": 0.5500534176826477, |
| "learning_rate": 5.973646620754625e-06, |
| "loss": 0.7122, |
| "step": 170 |
| }, |
| { |
| "epoch": 0.6, |
| "grad_norm": 0.5907195210456848, |
| "learning_rate": 5.938725748798032e-06, |
| "loss": 0.6514, |
| "step": 180 |
| }, |
| { |
| "epoch": 0.6333333333333333, |
| "grad_norm": 0.5499018430709839, |
| "learning_rate": 5.889487700392975e-06, |
| "loss": 0.6073, |
| "step": 190 |
| }, |
| { |
| "epoch": 0.6666666666666666, |
| "grad_norm": 0.601067304611206, |
| "learning_rate": 5.82617235836189e-06, |
| "loss": 0.5703, |
| "step": 200 |
| }, |
| { |
| "epoch": 0.6666666666666666, |
| "eval_loss": 0.1373768150806427, |
| "eval_runtime": 130.1499, |
| "eval_samples_per_second": 18.44, |
| "eval_steps_per_second": 1.537, |
| "step": 200 |
| }, |
| { |
| "epoch": 0.7, |
| "grad_norm": 0.6595374345779419, |
| "learning_rate": 5.749088188686719e-06, |
| "loss": 0.5374, |
| "step": 210 |
| }, |
| { |
| "epoch": 0.7333333333333333, |
| "grad_norm": 0.7147516012191772, |
| "learning_rate": 5.658610737693644e-06, |
| "loss": 0.5085, |
| "step": 220 |
| }, |
| { |
| "epoch": 0.7666666666666667, |
| "grad_norm": 0.7410432696342468, |
| "learning_rate": 5.555180802429143e-06, |
| "loss": 0.4852, |
| "step": 230 |
| }, |
| { |
| "epoch": 0.8, |
| "grad_norm": 0.6519659757614136, |
| "learning_rate": 5.439302283141083e-06, |
| "loss": 0.4643, |
| "step": 240 |
| }, |
| { |
| "epoch": 0.8333333333333334, |
| "grad_norm": 0.44764214754104614, |
| "learning_rate": 5.311539728327368e-06, |
| "loss": 0.4464, |
| "step": 250 |
| }, |
| { |
| "epoch": 0.8666666666666667, |
| "grad_norm": 0.48451387882232666, |
| "learning_rate": 5.172515584312403e-06, |
| "loss": 0.4267, |
| "step": 260 |
| }, |
| { |
| "epoch": 0.9, |
| "grad_norm": 0.6145723462104797, |
| "learning_rate": 5.02290716275117e-06, |
| "loss": 0.4102, |
| "step": 270 |
| }, |
| { |
| "epoch": 0.9333333333333333, |
| "grad_norm": 0.6194537281990051, |
| "learning_rate": 4.863443340834931e-06, |
| "loss": 0.3958, |
| "step": 280 |
| }, |
| { |
| "epoch": 0.9666666666666667, |
| "grad_norm": 0.5969278216362, |
| "learning_rate": 4.694901010274814e-06, |
| "loss": 0.3839, |
| "step": 290 |
| }, |
| { |
| "epoch": 1.0, |
| "grad_norm": 0.5556809306144714, |
| "learning_rate": 4.518101292363491e-06, |
| "loss": 0.3699, |
| "step": 300 |
| }, |
| { |
| "epoch": 1.0, |
| "eval_loss": 0.0905652716755867, |
| "eval_runtime": 130.206, |
| "eval_samples_per_second": 18.432, |
| "eval_steps_per_second": 1.536, |
| "step": 300 |
| }, |
| { |
| "epoch": 1.0333333333333334, |
| "grad_norm": 0.588930070400238, |
| "learning_rate": 4.333905537554782e-06, |
| "loss": 0.3568, |
| "step": 310 |
| }, |
| { |
| "epoch": 1.0666666666666667, |
| "grad_norm": 0.6096176505088806, |
| "learning_rate": 4.143211129050823e-06, |
| "loss": 0.3458, |
| "step": 320 |
| }, |
| { |
| "epoch": 1.1, |
| "grad_norm": 0.5085943937301636, |
| "learning_rate": 3.946947110841308e-06, |
| "loss": 0.335, |
| "step": 330 |
| }, |
| { |
| "epoch": 1.1333333333333333, |
| "grad_norm": 0.37106063961982727, |
| "learning_rate": 3.746069661494565e-06, |
| "loss": 0.3275, |
| "step": 340 |
| }, |
| { |
| "epoch": 1.1666666666666667, |
| "grad_norm": 0.30709022283554077, |
| "learning_rate": 3.5415574357516803e-06, |
| "loss": 0.3227, |
| "step": 350 |
| }, |
| { |
| "epoch": 1.2, |
| "grad_norm": 0.3143058717250824, |
| "learning_rate": 3.334406796618976e-06, |
| "loss": 0.3189, |
| "step": 360 |
| }, |
| { |
| "epoch": 1.2333333333333334, |
| "grad_norm": 0.37548017501831055, |
| "learning_rate": 3.125626961187599e-06, |
| "loss": 0.3138, |
| "step": 370 |
| }, |
| { |
| "epoch": 1.2666666666666666, |
| "grad_norm": 0.3183898627758026, |
| "learning_rate": 2.916235083829294e-06, |
| "loss": 0.3136, |
| "step": 380 |
| }, |
| { |
| "epoch": 1.3, |
| "grad_norm": 0.38318926095962524, |
| "learning_rate": 2.707251300722552e-06, |
| "loss": 0.3103, |
| "step": 390 |
| }, |
| { |
| "epoch": 1.3333333333333333, |
| "grad_norm": 0.3728318512439728, |
| "learning_rate": 2.4996937598516936e-06, |
| "loss": 0.3079, |
| "step": 400 |
| }, |
| { |
| "epoch": 1.3333333333333333, |
| "eval_loss": 0.07631697505712509, |
| "eval_runtime": 130.1373, |
| "eval_samples_per_second": 18.442, |
| "eval_steps_per_second": 1.537, |
| "step": 400 |
| }, |
| { |
| "epoch": 1.3666666666666667, |
| "grad_norm": 0.33388274908065796, |
| "learning_rate": 2.29457366069223e-06, |
| "loss": 0.3057, |
| "step": 410 |
| }, |
| { |
| "epoch": 1.4, |
| "grad_norm": 0.3089640438556671, |
| "learning_rate": 2.0928903277486667e-06, |
| "loss": 0.3051, |
| "step": 420 |
| }, |
| { |
| "epoch": 1.4333333333333333, |
| "grad_norm": 0.3750895857810974, |
| "learning_rate": 1.8956263419459662e-06, |
| "loss": 0.3031, |
| "step": 430 |
| }, |
| { |
| "epoch": 1.4666666666666668, |
| "grad_norm": 0.2710581421852112, |
| "learning_rate": 1.7037427535940527e-06, |
| "loss": 0.3026, |
| "step": 440 |
| }, |
| { |
| "epoch": 1.5, |
| "grad_norm": 0.272029310464859, |
| "learning_rate": 1.5181744002473076e-06, |
| "loss": 0.3004, |
| "step": 450 |
| }, |
| { |
| "epoch": 1.5333333333333332, |
| "grad_norm": 0.35962343215942383, |
| "learning_rate": 1.339825352269968e-06, |
| "loss": 0.2999, |
| "step": 460 |
| }, |
| { |
| "epoch": 1.5666666666666667, |
| "grad_norm": 0.3471361994743347, |
| "learning_rate": 1.1695645082961973e-06, |
| "loss": 0.2986, |
| "step": 470 |
| }, |
| { |
| "epoch": 1.6, |
| "grad_norm": 0.30093762278556824, |
| "learning_rate": 1.0082213620432753e-06, |
| "loss": 0.2981, |
| "step": 480 |
| }, |
| { |
| "epoch": 1.6333333333333333, |
| "grad_norm": 0.31187185645103455, |
| "learning_rate": 8.565819611015906e-07, |
| "loss": 0.2982, |
| "step": 490 |
| }, |
| { |
| "epoch": 1.6666666666666665, |
| "grad_norm": 0.3007357716560364, |
| "learning_rate": 7.153850773897903e-07, |
| "loss": 0.2972, |
| "step": 500 |
| }, |
| { |
| "epoch": 1.6666666666666665, |
| "eval_loss": 0.07405494153499603, |
| "eval_runtime": 130.2794, |
| "eval_samples_per_second": 18.422, |
| "eval_steps_per_second": 1.535, |
| "step": 500 |
| }, |
| { |
| "epoch": 1.7, |
| "grad_norm": 0.3840883672237396, |
| "learning_rate": 5.853186079322579e-07, |
| "loss": 0.2969, |
| "step": 510 |
| }, |
| { |
| "epoch": 1.7333333333333334, |
| "grad_norm": 0.28318050503730774, |
| "learning_rate": 4.6701622349395544e-07, |
| "loss": 0.2957, |
| "step": 520 |
| }, |
| { |
| "epoch": 1.7666666666666666, |
| "grad_norm": 0.33587414026260376, |
| "learning_rate": 3.6105428140015095e-07, |
| "loss": 0.2953, |
| "step": 530 |
| }, |
| { |
| "epoch": 1.8, |
| "grad_norm": 0.3025602400302887, |
| "learning_rate": 2.6794901758146895e-07, |
| "loss": 0.2958, |
| "step": 540 |
| }, |
| { |
| "epoch": 1.8333333333333335, |
| "grad_norm": 0.3313562273979187, |
| "learning_rate": 1.8815403152432564e-07, |
| "loss": 0.2953, |
| "step": 550 |
| }, |
| { |
| "epoch": 1.8666666666666667, |
| "grad_norm": 0.29559338092803955, |
| "learning_rate": 1.2205807637982747e-07, |
| "loss": 0.2946, |
| "step": 560 |
| }, |
| { |
| "epoch": 1.9, |
| "grad_norm": 0.32724061608314514, |
| "learning_rate": 6.998316499749624e-08, |
| "loss": 0.2957, |
| "step": 570 |
| }, |
| { |
| "epoch": 1.9333333333333333, |
| "grad_norm": 0.24922741949558258, |
| "learning_rate": 3.2183001111035e-08, |
| "loss": 0.2952, |
| "step": 580 |
| }, |
| { |
| "epoch": 1.9666666666666668, |
| "grad_norm": 0.30010986328125, |
| "learning_rate": 8.84174331923926e-09, |
| "loss": 0.2957, |
| "step": 590 |
| }, |
| { |
| "epoch": 2.0, |
| "grad_norm": 0.3091154396533966, |
| "learning_rate": 7.31078838157595e-11, |
| "loss": 0.2949, |
| "step": 600 |
| }, |
| { |
| "epoch": 2.0, |
| "eval_loss": 0.07363789528608322, |
| "eval_runtime": 130.171, |
| "eval_samples_per_second": 18.437, |
| "eval_steps_per_second": 1.536, |
| "step": 600 |
| } |
| ], |
| "logging_steps": 10, |
| "max_steps": 600, |
| "num_input_tokens_seen": 0, |
| "num_train_epochs": 2, |
| "save_steps": 100, |
| "stateful_callbacks": { |
| "TrainerControl": { |
| "args": { |
| "should_epoch_stop": false, |
| "should_evaluate": false, |
| "should_log": false, |
| "should_save": true, |
| "should_training_stop": true |
| }, |
| "attributes": {} |
| } |
| }, |
| "total_flos": 8.586752390332416e+17, |
| "train_batch_size": 48, |
| "trial_name": null, |
| "trial_params": null |
| } |
|
|
