File size: 10,735 Bytes
f83c04e
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
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
{
  "best_global_step": null,
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 0.37836589533970716,
  "eval_steps": 1024,
  "global_step": 8192,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.011823934229365849,
      "grad_norm": 0.0007770129013806581,
      "learning_rate": 0.000498046875,
      "loss": 0.638597846031189,
      "step": 256
    },
    {
      "epoch": 0.023647868458731697,
      "grad_norm": 0.0036502168513834476,
      "learning_rate": 0.000998046875,
      "loss": 0.6255820393562317,
      "step": 512
    },
    {
      "epoch": 0.03547180268809755,
      "grad_norm": 0.00819552130997181,
      "learning_rate": 0.000999640996023194,
      "loss": 0.5880061388015747,
      "step": 768
    },
    {
      "epoch": 0.047295736917463395,
      "grad_norm": 0.014988946728408337,
      "learning_rate": 0.0009985588674043958,
      "loss": 0.5405965447425842,
      "step": 1024
    },
    {
      "epoch": 0.047295736917463395,
      "eval_bleu": 0.020278462916643203,
      "eval_ce_loss": 0.4954925418988755,
      "eval_loss": 0.4954925418988755,
      "step": 1024
    },
    {
      "epoch": 0.047295736917463395,
      "eval_bleu": 0.020278462916643203,
      "eval_ce_loss": 0.4954925418988755,
      "eval_loss": 0.4954925418988755,
      "eval_runtime": 131.1195,
      "eval_samples_per_second": 213.492,
      "eval_steps_per_second": 3.34,
      "step": 1024
    },
    {
      "epoch": 0.05911967114682925,
      "grad_norm": 0.018301010131835938,
      "learning_rate": 0.0009967551747861387,
      "loss": 0.4193720519542694,
      "step": 1280
    },
    {
      "epoch": 0.0709436053761951,
      "grad_norm": 0.02350299246609211,
      "learning_rate": 0.000994232528651847,
      "loss": 0.32118111848831177,
      "step": 1536
    },
    {
      "epoch": 0.08276753960556095,
      "grad_norm": 0.024243628606200218,
      "learning_rate": 0.0009909945800260092,
      "loss": 0.27625754475593567,
      "step": 1792
    },
    {
      "epoch": 0.09459147383492679,
      "grad_norm": 0.022370202466845512,
      "learning_rate": 0.0009870460151900522,
      "loss": 0.25225532054901123,
      "step": 2048
    },
    {
      "epoch": 0.09459147383492679,
      "eval_bleu": 0.16173067052738044,
      "eval_ce_loss": 0.24119392792655997,
      "eval_loss": 0.24119392792655997,
      "step": 2048
    },
    {
      "epoch": 0.09459147383492679,
      "eval_bleu": 0.16173067052738044,
      "eval_ce_loss": 0.24119392792655997,
      "eval_loss": 0.24119392792655997,
      "eval_runtime": 124.4827,
      "eval_samples_per_second": 224.875,
      "eval_steps_per_second": 3.519,
      "step": 2048
    },
    {
      "epoch": 0.10641540806429264,
      "grad_norm": 0.025183985009789467,
      "learning_rate": 0.0009823925488998885,
      "loss": 0.23278099298477173,
      "step": 2304
    },
    {
      "epoch": 0.1182393422936585,
      "grad_norm": 0.025138691067695618,
      "learning_rate": 0.0009770409161149525,
      "loss": 0.21929927170276642,
      "step": 2560
    },
    {
      "epoch": 0.13006327652302435,
      "grad_norm": 0.02561408467590809,
      "learning_rate": 0.0009709988622506973,
      "loss": 0.20501913130283356,
      "step": 2816
    },
    {
      "epoch": 0.1418872107523902,
      "grad_norm": 0.028821036219596863,
      "learning_rate": 0.000964275131968659,
      "loss": 0.19426275789737701,
      "step": 3072
    },
    {
      "epoch": 0.1418872107523902,
      "eval_bleu": 0.19048343372542764,
      "eval_ce_loss": 0.18918462373214226,
      "eval_loss": 0.18918462373214226,
      "step": 3072
    },
    {
      "epoch": 0.1418872107523902,
      "eval_bleu": 0.19048343372542764,
      "eval_ce_loss": 0.18918462373214226,
      "eval_loss": 0.18918462373214226,
      "eval_runtime": 125.1618,
      "eval_samples_per_second": 223.654,
      "eval_steps_per_second": 3.499,
      "step": 3072
    },
    {
      "epoch": 0.15371114498175603,
      "grad_norm": 0.030421536415815353,
      "learning_rate": 0.0009568794565203123,
      "loss": 0.1839032918214798,
      "step": 3328
    },
    {
      "epoch": 0.1655350792111219,
      "grad_norm": 0.032538577914237976,
      "learning_rate": 0.0009488225396630347,
      "loss": 0.17660538852214813,
      "step": 3584
    },
    {
      "epoch": 0.17735901344048774,
      "grad_norm": 0.030282698571681976,
      "learning_rate": 0.0009401160421685646,
      "loss": 0.1695183515548706,
      "step": 3840
    },
    {
      "epoch": 0.18918294766985358,
      "grad_norm": 0.029157549142837524,
      "learning_rate": 0.0009307725649463714,
      "loss": 0.16315339505672455,
      "step": 4096
    },
    {
      "epoch": 0.18918294766985358,
      "eval_bleu": 0.20316795180629035,
      "eval_ce_loss": 0.16114722188885353,
      "eval_loss": 0.16114722188885353,
      "step": 4096
    },
    {
      "epoch": 0.18918294766985358,
      "eval_bleu": 0.20316795180629035,
      "eval_ce_loss": 0.16114722188885353,
      "eval_loss": 0.16114722188885353,
      "eval_runtime": 124.8908,
      "eval_samples_per_second": 224.14,
      "eval_steps_per_second": 3.507,
      "step": 4096
    },
    {
      "epoch": 0.20100688189921945,
      "grad_norm": 0.033927738666534424,
      "learning_rate": 0.0009208056308063659,
      "loss": 0.15908151865005493,
      "step": 4352
    },
    {
      "epoch": 0.2128308161285853,
      "grad_norm": 0.037180621176958084,
      "learning_rate": 0.0009102296648873445,
      "loss": 0.15225762128829956,
      "step": 4608
    },
    {
      "epoch": 0.22465475035795113,
      "grad_norm": 0.037015024572610855,
      "learning_rate": 0.0008990599737794927,
      "loss": 0.1476851999759674,
      "step": 4864
    },
    {
      "epoch": 0.236478684587317,
      "grad_norm": 0.03508929908275604,
      "learning_rate": 0.0008873127233711644,
      "loss": 0.14329124987125397,
      "step": 5120
    },
    {
      "epoch": 0.236478684587317,
      "eval_bleu": 0.21566794230701403,
      "eval_ce_loss": 0.14114715776418987,
      "eval_loss": 0.14114715776418987,
      "step": 5120
    },
    {
      "epoch": 0.236478684587317,
      "eval_bleu": 0.21566794230701403,
      "eval_ce_loss": 0.14114715776418987,
      "eval_loss": 0.14114715776418987,
      "eval_runtime": 125.5711,
      "eval_samples_per_second": 222.926,
      "eval_steps_per_second": 3.488,
      "step": 5120
    },
    {
      "epoch": 0.24830261881668284,
      "grad_norm": 0.03854870796203613,
      "learning_rate": 0.0008750049154520011,
      "loss": 0.14005360007286072,
      "step": 5376
    },
    {
      "epoch": 0.2601265530460487,
      "grad_norm": 0.03188326954841614,
      "learning_rate": 0.0008621543631062487,
      "loss": 0.13561338186264038,
      "step": 5632
    },
    {
      "epoch": 0.27195048727541454,
      "grad_norm": 0.03463684767484665,
      "learning_rate": 0.0008487796649318904,
      "loss": 0.1329711377620697,
      "step": 5888
    },
    {
      "epoch": 0.2837744215047804,
      "grad_norm": 0.0358298160135746,
      "learning_rate": 0.0008349001781229053,
      "loss": 0.1301661729812622,
      "step": 6144
    },
    {
      "epoch": 0.2837744215047804,
      "eval_bleu": 0.22173654323693984,
      "eval_ce_loss": 0.12855397619000852,
      "eval_loss": 0.12855397619000852,
      "step": 6144
    },
    {
      "epoch": 0.2837744215047804,
      "eval_bleu": 0.22173654323693984,
      "eval_ce_loss": 0.12855397619000852,
      "eval_loss": 0.12855397619000852,
      "eval_runtime": 126.9306,
      "eval_samples_per_second": 220.538,
      "eval_steps_per_second": 3.451,
      "step": 6144
    },
    {
      "epoch": 0.2955983557341462,
      "grad_norm": 0.037201233208179474,
      "learning_rate": 0.0008205359904536107,
      "loss": 0.1271919459104538,
      "step": 6400
    },
    {
      "epoch": 0.30742228996351206,
      "grad_norm": 0.0340813584625721,
      "learning_rate": 0.0008057078912056363,
      "loss": 0.12491822242736816,
      "step": 6656
    },
    {
      "epoch": 0.3192462241928779,
      "grad_norm": 0.031119871884584427,
      "learning_rate": 0.0007904373410796086,
      "loss": 0.12252337485551834,
      "step": 6912
    },
    {
      "epoch": 0.3310701584222438,
      "grad_norm": 0.036261022090911865,
      "learning_rate": 0.0007747464411350876,
      "loss": 0.12051380425691605,
      "step": 7168
    },
    {
      "epoch": 0.3310701584222438,
      "eval_bleu": 0.228738826346753,
      "eval_ce_loss": 0.12006643695169933,
      "eval_loss": 0.12006643695169933,
      "step": 7168
    },
    {
      "epoch": 0.3310701584222438,
      "eval_bleu": 0.228738826346753,
      "eval_ce_loss": 0.12006643695169933,
      "eval_loss": 0.12006643695169933,
      "eval_runtime": 128.0461,
      "eval_samples_per_second": 218.617,
      "eval_steps_per_second": 3.421,
      "step": 7168
    },
    {
      "epoch": 0.34289409265160964,
      "grad_norm": 0.03925757110118866,
      "learning_rate": 0.000758657900803716,
      "loss": 0.11830627918243408,
      "step": 7424
    },
    {
      "epoch": 0.3547180268809755,
      "grad_norm": 0.03783626854419708,
      "learning_rate": 0.000742195005021869,
      "loss": 0.11684451997280121,
      "step": 7680
    },
    {
      "epoch": 0.3665419611103413,
      "grad_norm": 0.04456119239330292,
      "learning_rate": 0.0007253815805303786,
      "loss": 0.11479435861110687,
      "step": 7936
    },
    {
      "epoch": 0.37836589533970716,
      "grad_norm": 0.0406075082719326,
      "learning_rate": 0.0007082419613901028,
      "loss": 0.11298805475234985,
      "step": 8192
    },
    {
      "epoch": 0.37836589533970716,
      "eval_bleu": 0.23316787828393487,
      "eval_ce_loss": 0.11301100160501319,
      "eval_loss": 0.11301100160501319,
      "step": 8192
    },
    {
      "epoch": 0.37836589533970716,
      "eval_bleu": 0.23316787828393487,
      "eval_ce_loss": 0.11301100160501319,
      "eval_loss": 0.11301100160501319,
      "eval_runtime": 129.7081,
      "eval_samples_per_second": 215.815,
      "eval_steps_per_second": 3.377,
      "step": 8192
    }
  ],
  "logging_steps": 256,
  "max_steps": 21651,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 1,
  "save_steps": 1024,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": false
      },
      "attributes": {}
    }
  },
  "total_flos": 0.0,
  "train_batch_size": 64,
  "trial_name": null,
  "trial_params": null
}