{
  "best_global_step": 300,
  "best_metric": 6.477707862854004,
  "best_model_checkpoint": "./llama2-step4/checkpoint-300",
  "epoch": 50.0,
  "eval_steps": 10,
  "global_step": 300,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.8333333333333334,
      "grad_norm": NaN,
      "learning_rate": 4.000000000000001e-06,
      "loss": 8.655,
      "step": 5
    },
    {
      "epoch": 1.6666666666666665,
      "grad_norm": 5.807435035705566,
      "learning_rate": 9e-06,
      "loss": 8.6675,
      "step": 10
    },
    {
      "epoch": 1.6666666666666665,
      "eval_loss": 8.762306213378906,
      "eval_runtime": 1.1641,
      "eval_samples_per_second": 8.591,
      "eval_steps_per_second": 2.577,
      "step": 10
    },
    {
      "epoch": 2.5,
      "grad_norm": 4.866168022155762,
      "learning_rate": 9.862068965517241e-06,
      "loss": 8.5013,
      "step": 15
    },
    {
      "epoch": 3.3333333333333335,
      "grad_norm": 4.68835973739624,
      "learning_rate": 9.689655172413794e-06,
      "loss": 8.3972,
      "step": 20
    },
    {
      "epoch": 3.3333333333333335,
      "eval_loss": 8.49362850189209,
      "eval_runtime": 1.1628,
      "eval_samples_per_second": 8.6,
      "eval_steps_per_second": 2.58,
      "step": 20
    },
    {
      "epoch": 4.166666666666667,
      "grad_norm": 7.694056510925293,
      "learning_rate": 9.517241379310346e-06,
      "loss": 8.2902,
      "step": 25
    },
    {
      "epoch": 5.0,
      "grad_norm": 6.873053550720215,
      "learning_rate": 9.344827586206898e-06,
      "loss": 8.1007,
      "step": 30
    },
    {
      "epoch": 5.0,
      "eval_loss": 8.257888793945312,
      "eval_runtime": 1.1642,
      "eval_samples_per_second": 8.59,
      "eval_steps_per_second": 2.577,
      "step": 30
    },
    {
      "epoch": 5.833333333333333,
      "grad_norm": 6.409057140350342,
      "learning_rate": 9.172413793103448e-06,
      "loss": 8.0427,
      "step": 35
    },
    {
      "epoch": 6.666666666666667,
      "grad_norm": 5.669801235198975,
      "learning_rate": 9e-06,
      "loss": 7.9235,
      "step": 40
    },
    {
      "epoch": 6.666666666666667,
      "eval_loss": 8.044379234313965,
      "eval_runtime": 1.1677,
      "eval_samples_per_second": 8.564,
      "eval_steps_per_second": 2.569,
      "step": 40
    },
    {
      "epoch": 7.5,
      "grad_norm": 4.534883499145508,
      "learning_rate": 8.827586206896552e-06,
      "loss": 7.708,
      "step": 45
    },
    {
      "epoch": 8.333333333333334,
      "grad_norm": 4.812073707580566,
      "learning_rate": 8.655172413793104e-06,
      "loss": 7.6847,
      "step": 50
    },
    {
      "epoch": 8.333333333333334,
      "eval_loss": 7.831937313079834,
      "eval_runtime": 1.1678,
      "eval_samples_per_second": 8.563,
      "eval_steps_per_second": 2.569,
      "step": 50
    },
    {
      "epoch": 9.166666666666666,
      "grad_norm": 4.398963928222656,
      "learning_rate": 8.482758620689656e-06,
      "loss": 7.5551,
      "step": 55
    },
    {
      "epoch": 10.0,
      "grad_norm": 6.508076190948486,
      "learning_rate": 8.310344827586207e-06,
      "loss": 7.4255,
      "step": 60
    },
    {
      "epoch": 10.0,
      "eval_loss": 7.6158857345581055,
      "eval_runtime": 1.1694,
      "eval_samples_per_second": 8.552,
      "eval_steps_per_second": 2.566,
      "step": 60
    },
    {
      "epoch": 10.833333333333334,
      "grad_norm": 7.493861198425293,
      "learning_rate": 8.137931034482759e-06,
      "loss": 7.3105,
      "step": 65
    },
    {
      "epoch": 11.666666666666666,
      "grad_norm": 5.808365821838379,
      "learning_rate": 7.965517241379311e-06,
      "loss": 7.3573,
      "step": 70
    },
    {
      "epoch": 11.666666666666666,
      "eval_loss": 7.405577659606934,
      "eval_runtime": 1.17,
      "eval_samples_per_second": 8.547,
      "eval_steps_per_second": 2.564,
      "step": 70
    },
    {
      "epoch": 12.5,
      "grad_norm": 5.766481399536133,
      "learning_rate": 7.793103448275863e-06,
      "loss": 7.0032,
      "step": 75
    },
    {
      "epoch": 13.333333333333334,
      "grad_norm": 5.715093612670898,
      "learning_rate": 7.655172413793104e-06,
      "loss": 6.9862,
      "step": 80
    },
    {
      "epoch": 13.333333333333334,
      "eval_loss": 7.243984222412109,
      "eval_runtime": 1.1687,
      "eval_samples_per_second": 8.556,
      "eval_steps_per_second": 2.567,
      "step": 80
    },
    {
      "epoch": 14.166666666666666,
      "grad_norm": 6.890617370605469,
      "learning_rate": 7.482758620689656e-06,
      "loss": 6.908,
      "step": 85
    },
    {
      "epoch": 15.0,
      "grad_norm": 6.349765300750732,
      "learning_rate": 7.310344827586208e-06,
      "loss": 6.8809,
      "step": 90
    },
    {
      "epoch": 15.0,
      "eval_loss": 7.085419654846191,
      "eval_runtime": 1.1695,
      "eval_samples_per_second": 8.55,
      "eval_steps_per_second": 2.565,
      "step": 90
    },
    {
      "epoch": 15.833333333333334,
      "grad_norm": 5.365812301635742,
      "learning_rate": 7.137931034482759e-06,
      "loss": 6.7798,
      "step": 95
    },
    {
      "epoch": 16.666666666666668,
      "grad_norm": 7.526610374450684,
      "learning_rate": 6.9655172413793105e-06,
      "loss": 6.606,
      "step": 100
    },
    {
      "epoch": 16.666666666666668,
      "eval_loss": 6.946846961975098,
      "eval_runtime": 1.1712,
      "eval_samples_per_second": 8.538,
      "eval_steps_per_second": 2.561,
      "step": 100
    },
    {
      "epoch": 17.5,
      "grad_norm": 5.357245922088623,
      "learning_rate": 6.7931034482758626e-06,
      "loss": 6.7679,
      "step": 105
    },
    {
      "epoch": 18.333333333333332,
      "grad_norm": 7.445984363555908,
      "learning_rate": 6.620689655172415e-06,
      "loss": 6.4131,
      "step": 110
    },
    {
      "epoch": 18.333333333333332,
      "eval_loss": 6.84014892578125,
      "eval_runtime": 1.1688,
      "eval_samples_per_second": 8.556,
      "eval_steps_per_second": 2.567,
      "step": 110
    },
    {
      "epoch": 19.166666666666668,
      "grad_norm": 5.064093589782715,
      "learning_rate": 6.448275862068966e-06,
      "loss": 6.4387,
      "step": 115
    },
    {
      "epoch": 20.0,
      "grad_norm": 6.121270179748535,
      "learning_rate": 6.275862068965518e-06,
      "loss": 6.5389,
      "step": 120
    },
    {
      "epoch": 20.0,
      "eval_loss": 6.772418975830078,
      "eval_runtime": 1.1693,
      "eval_samples_per_second": 8.552,
      "eval_steps_per_second": 2.566,
      "step": 120
    },
    {
      "epoch": 20.833333333333332,
      "grad_norm": 4.504457473754883,
      "learning_rate": 6.103448275862069e-06,
      "loss": 6.3358,
      "step": 125
    },
    {
      "epoch": 21.666666666666668,
      "grad_norm": 2.5440237522125244,
      "learning_rate": 5.9310344827586205e-06,
      "loss": 6.4499,
      "step": 130
    },
    {
      "epoch": 21.666666666666668,
      "eval_loss": 6.720807075500488,
      "eval_runtime": 1.169,
      "eval_samples_per_second": 8.554,
      "eval_steps_per_second": 2.566,
      "step": 130
    },
    {
      "epoch": 22.5,
      "grad_norm": 3.769169807434082,
      "learning_rate": 5.758620689655173e-06,
      "loss": 6.3462,
      "step": 135
    },
    {
      "epoch": 23.333333333333332,
      "grad_norm": 3.5738062858581543,
      "learning_rate": 5.586206896551725e-06,
      "loss": 6.3467,
      "step": 140
    },
    {
      "epoch": 23.333333333333332,
      "eval_loss": 6.676053047180176,
      "eval_runtime": 1.1692,
      "eval_samples_per_second": 8.553,
      "eval_steps_per_second": 2.566,
      "step": 140
    },
    {
      "epoch": 24.166666666666668,
      "grad_norm": 2.525397539138794,
      "learning_rate": 5.413793103448276e-06,
      "loss": 6.4262,
      "step": 145
    },
    {
      "epoch": 25.0,
      "grad_norm": 7.168394565582275,
      "learning_rate": 5.241379310344829e-06,
      "loss": 6.2056,
      "step": 150
    },
    {
      "epoch": 25.0,
      "eval_loss": 6.641719818115234,
      "eval_runtime": 1.1685,
      "eval_samples_per_second": 8.558,
      "eval_steps_per_second": 2.567,
      "step": 150
    },
    {
      "epoch": 25.833333333333332,
      "grad_norm": 3.0939154624938965,
      "learning_rate": 5.06896551724138e-06,
      "loss": 6.1915,
      "step": 155
    },
    {
      "epoch": 26.666666666666668,
      "grad_norm": 3.166870355606079,
      "learning_rate": 4.896551724137931e-06,
      "loss": 6.3653,
      "step": 160
    },
    {
      "epoch": 26.666666666666668,
      "eval_loss": 6.614515781402588,
      "eval_runtime": 1.1686,
      "eval_samples_per_second": 8.557,
      "eval_steps_per_second": 2.567,
      "step": 160
    },
    {
      "epoch": 27.5,
      "grad_norm": 4.855230331420898,
      "learning_rate": 4.724137931034483e-06,
      "loss": 6.0945,
      "step": 165
    },
    {
      "epoch": 28.333333333333332,
      "grad_norm": 4.497844219207764,
      "learning_rate": 4.551724137931035e-06,
      "loss": 6.4573,
      "step": 170
    },
    {
      "epoch": 28.333333333333332,
      "eval_loss": 6.58881139755249,
      "eval_runtime": 1.1689,
      "eval_samples_per_second": 8.555,
      "eval_steps_per_second": 2.566,
      "step": 170
    },
    {
      "epoch": 29.166666666666668,
      "grad_norm": 5.766814231872559,
      "learning_rate": 4.379310344827587e-06,
      "loss": 6.25,
      "step": 175
    },
    {
      "epoch": 30.0,
      "grad_norm": 2.9528305530548096,
      "learning_rate": 4.206896551724138e-06,
      "loss": 6.1068,
      "step": 180
    },
    {
      "epoch": 30.0,
      "eval_loss": 6.571514129638672,
      "eval_runtime": 1.1695,
      "eval_samples_per_second": 8.551,
      "eval_steps_per_second": 2.565,
      "step": 180
    },
    {
      "epoch": 30.833333333333332,
      "grad_norm": 4.210498809814453,
      "learning_rate": 4.03448275862069e-06,
      "loss": 6.4773,
      "step": 185
    },
    {
      "epoch": 31.666666666666668,
      "grad_norm": 3.7556307315826416,
      "learning_rate": 3.862068965517241e-06,
      "loss": 6.1074,
      "step": 190
    },
    {
      "epoch": 31.666666666666668,
      "eval_loss": 6.5557684898376465,
      "eval_runtime": 1.1685,
      "eval_samples_per_second": 8.558,
      "eval_steps_per_second": 2.567,
      "step": 190
    },
    {
      "epoch": 32.5,
      "grad_norm": 2.2701170444488525,
      "learning_rate": 3.6896551724137934e-06,
      "loss": 6.0287,
      "step": 195
    },
    {
      "epoch": 33.333333333333336,
      "grad_norm": 3.6891818046569824,
      "learning_rate": 3.517241379310345e-06,
      "loss": 6.0739,
      "step": 200
    },
    {
      "epoch": 33.333333333333336,
      "eval_loss": 6.541436195373535,
      "eval_runtime": 1.1714,
      "eval_samples_per_second": 8.537,
      "eval_steps_per_second": 2.561,
      "step": 200
    },
    {
      "epoch": 34.166666666666664,
      "grad_norm": 3.8515024185180664,
      "learning_rate": 3.3448275862068967e-06,
      "loss": 6.2661,
      "step": 205
    },
    {
      "epoch": 35.0,
      "grad_norm": 2.5693061351776123,
      "learning_rate": 3.172413793103449e-06,
      "loss": 6.1364,
      "step": 210
    },
    {
      "epoch": 35.0,
      "eval_loss": 6.5295000076293945,
      "eval_runtime": 1.1683,
      "eval_samples_per_second": 8.559,
      "eval_steps_per_second": 2.568,
      "step": 210
    },
    {
      "epoch": 35.833333333333336,
      "grad_norm": 3.240337610244751,
      "learning_rate": 3e-06,
      "loss": 6.4022,
      "step": 215
    },
    {
      "epoch": 36.666666666666664,
      "grad_norm": 3.298610210418701,
      "learning_rate": 2.827586206896552e-06,
      "loss": 6.0031,
      "step": 220
    },
    {
      "epoch": 36.666666666666664,
      "eval_loss": 6.518210411071777,
      "eval_runtime": 1.1686,
      "eval_samples_per_second": 8.557,
      "eval_steps_per_second": 2.567,
      "step": 220
    },
    {
      "epoch": 37.5,
      "grad_norm": 2.766157865524292,
      "learning_rate": 2.6551724137931034e-06,
      "loss": 5.9806,
      "step": 225
    },
    {
      "epoch": 38.333333333333336,
      "grad_norm": 13.019350051879883,
      "learning_rate": 2.4827586206896555e-06,
      "loss": 6.1952,
      "step": 230
    },
    {
      "epoch": 38.333333333333336,
      "eval_loss": 6.507277011871338,
      "eval_runtime": 1.168,
      "eval_samples_per_second": 8.562,
      "eval_steps_per_second": 2.568,
      "step": 230
    },
    {
      "epoch": 39.166666666666664,
      "grad_norm": 7.104252815246582,
      "learning_rate": 2.310344827586207e-06,
      "loss": 5.9675,
      "step": 235
    },
    {
      "epoch": 40.0,
      "grad_norm": 2.4420504570007324,
      "learning_rate": 2.137931034482759e-06,
      "loss": 6.2932,
      "step": 240
    },
    {
      "epoch": 40.0,
      "eval_loss": 6.499304294586182,
      "eval_runtime": 1.1692,
      "eval_samples_per_second": 8.553,
      "eval_steps_per_second": 2.566,
      "step": 240
    },
    {
      "epoch": 40.833333333333336,
      "grad_norm": 4.704829692840576,
      "learning_rate": 1.9655172413793105e-06,
      "loss": 6.086,
      "step": 245
    },
    {
      "epoch": 41.666666666666664,
      "grad_norm": 8.435072898864746,
      "learning_rate": 1.7931034482758622e-06,
      "loss": 5.9113,
      "step": 250
    },
    {
      "epoch": 41.666666666666664,
      "eval_loss": 6.4918694496154785,
      "eval_runtime": 1.1699,
      "eval_samples_per_second": 8.548,
      "eval_steps_per_second": 2.564,
      "step": 250
    },
    {
      "epoch": 42.5,
      "grad_norm": 8.287426948547363,
      "learning_rate": 1.6206896551724138e-06,
      "loss": 6.4342,
      "step": 255
    },
    {
      "epoch": 43.333333333333336,
      "grad_norm": 2.980454921722412,
      "learning_rate": 1.4482758620689657e-06,
      "loss": 5.8916,
      "step": 260
    },
    {
      "epoch": 43.333333333333336,
      "eval_loss": 6.487914085388184,
      "eval_runtime": 1.1689,
      "eval_samples_per_second": 8.555,
      "eval_steps_per_second": 2.567,
      "step": 260
    },
    {
      "epoch": 44.166666666666664,
      "grad_norm": 3.5956976413726807,
      "learning_rate": 1.2758620689655174e-06,
      "loss": 6.2072,
      "step": 265
    },
    {
      "epoch": 45.0,
      "grad_norm": 3.0276715755462646,
      "learning_rate": 1.103448275862069e-06,
      "loss": 6.1625,
      "step": 270
    },
    {
      "epoch": 45.0,
      "eval_loss": 6.483713626861572,
      "eval_runtime": 1.169,
      "eval_samples_per_second": 8.554,
      "eval_steps_per_second": 2.566,
      "step": 270
    },
    {
      "epoch": 45.833333333333336,
      "grad_norm": 8.784070014953613,
      "learning_rate": 9.310344827586208e-07,
      "loss": 5.9684,
      "step": 275
    },
    {
      "epoch": 46.666666666666664,
      "grad_norm": 2.9220991134643555,
      "learning_rate": 7.586206896551725e-07,
      "loss": 6.2368,
      "step": 280
    },
    {
      "epoch": 46.666666666666664,
      "eval_loss": 6.479860782623291,
      "eval_runtime": 1.1685,
      "eval_samples_per_second": 8.558,
      "eval_steps_per_second": 2.567,
      "step": 280
    },
    {
      "epoch": 47.5,
      "grad_norm": 1.8880271911621094,
      "learning_rate": 5.862068965517241e-07,
      "loss": 6.2116,
      "step": 285
    },
    {
      "epoch": 48.333333333333336,
      "grad_norm": 1.3617124557495117,
      "learning_rate": 4.137931034482759e-07,
      "loss": 6.0661,
      "step": 290
    },
    {
      "epoch": 48.333333333333336,
      "eval_loss": 6.4777703285217285,
      "eval_runtime": 1.1695,
      "eval_samples_per_second": 8.551,
      "eval_steps_per_second": 2.565,
      "step": 290
    },
    {
      "epoch": 49.166666666666664,
      "grad_norm": 3.9891092777252197,
      "learning_rate": 2.413793103448276e-07,
      "loss": 6.1543,
      "step": 295
    },
    {
      "epoch": 50.0,
      "grad_norm": 3.708580493927002,
      "learning_rate": 6.896551724137931e-08,
      "loss": 5.9788,
      "step": 300
    },
    {
      "epoch": 50.0,
      "eval_loss": 6.477707862854004,
      "eval_runtime": 1.1698,
      "eval_samples_per_second": 8.548,
      "eval_steps_per_second": 2.565,
      "step": 300
    }
  ],
  "logging_steps": 5,
  "max_steps": 300,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 50,
  "save_steps": 10,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": true
      },
      "attributes": {}
    }
  },
  "total_flos": 9.7491093553152e+16,
  "train_batch_size": 4,
  "trial_name": null,
  "trial_params": null
}