| { | |
| "best_global_step": null, | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 1.0, | |
| "eval_steps": 500, | |
| "global_step": 1500, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.006666666666666667, | |
| "grad_norm": 15.011067390441895, | |
| "learning_rate": 6.000000000000001e-07, | |
| "loss": 0.5077, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.013333333333333334, | |
| "grad_norm": 5.978664875030518, | |
| "learning_rate": 1.2666666666666669e-06, | |
| "loss": 0.3607, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 4.784296035766602, | |
| "learning_rate": 1.9333333333333336e-06, | |
| "loss": 0.2675, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.02666666666666667, | |
| "grad_norm": 4.564663410186768, | |
| "learning_rate": 2.6e-06, | |
| "loss": 0.2357, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.03333333333333333, | |
| "grad_norm": 3.9217517375946045, | |
| "learning_rate": 3.266666666666667e-06, | |
| "loss": 0.2252, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 3.7402989864349365, | |
| "learning_rate": 3.9333333333333335e-06, | |
| "loss": 0.2203, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 0.04666666666666667, | |
| "grad_norm": 4.9237446784973145, | |
| "learning_rate": 4.600000000000001e-06, | |
| "loss": 0.2173, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 0.05333333333333334, | |
| "grad_norm": 2.4785616397857666, | |
| "learning_rate": 5.2666666666666665e-06, | |
| "loss": 0.2169, | |
| "step": 80 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 2.1568875312805176, | |
| "learning_rate": 5.933333333333335e-06, | |
| "loss": 0.2153, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 0.06666666666666667, | |
| "grad_norm": 2.882227659225464, | |
| "learning_rate": 6.600000000000001e-06, | |
| "loss": 0.2141, | |
| "step": 100 | |
| }, | |
| { | |
| "epoch": 0.07333333333333333, | |
| "grad_norm": 2.707068920135498, | |
| "learning_rate": 7.266666666666668e-06, | |
| "loss": 0.2134, | |
| "step": 110 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 2.3690872192382812, | |
| "learning_rate": 7.933333333333334e-06, | |
| "loss": 0.2106, | |
| "step": 120 | |
| }, | |
| { | |
| "epoch": 0.08666666666666667, | |
| "grad_norm": 2.8716354370117188, | |
| "learning_rate": 8.6e-06, | |
| "loss": 0.2105, | |
| "step": 130 | |
| }, | |
| { | |
| "epoch": 0.09333333333333334, | |
| "grad_norm": 3.572683334350586, | |
| "learning_rate": 9.266666666666667e-06, | |
| "loss": 0.2099, | |
| "step": 140 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 2.217883825302124, | |
| "learning_rate": 9.933333333333334e-06, | |
| "loss": 0.2082, | |
| "step": 150 | |
| }, | |
| { | |
| "epoch": 0.10666666666666667, | |
| "grad_norm": 1.8178412914276123, | |
| "learning_rate": 9.998903417374228e-06, | |
| "loss": 0.2073, | |
| "step": 160 | |
| }, | |
| { | |
| "epoch": 0.11333333333333333, | |
| "grad_norm": 2.0314443111419678, | |
| "learning_rate": 9.995113378907791e-06, | |
| "loss": 0.2042, | |
| "step": 170 | |
| }, | |
| { | |
| "epoch": 0.12, | |
| "grad_norm": 1.2572261095046997, | |
| "learning_rate": 9.988618398427495e-06, | |
| "loss": 0.2048, | |
| "step": 180 | |
| }, | |
| { | |
| "epoch": 0.12666666666666668, | |
| "grad_norm": 3.0037648677825928, | |
| "learning_rate": 9.979421993079853e-06, | |
| "loss": 0.203, | |
| "step": 190 | |
| }, | |
| { | |
| "epoch": 0.13333333333333333, | |
| "grad_norm": 3.1852493286132812, | |
| "learning_rate": 9.967529142880592e-06, | |
| "loss": 0.202, | |
| "step": 200 | |
| }, | |
| { | |
| "epoch": 0.14, | |
| "grad_norm": 0.9672458171844482, | |
| "learning_rate": 9.952946288017899e-06, | |
| "loss": 0.2031, | |
| "step": 210 | |
| }, | |
| { | |
| "epoch": 0.14666666666666667, | |
| "grad_norm": 1.3351553678512573, | |
| "learning_rate": 9.93568132536494e-06, | |
| "loss": 0.2024, | |
| "step": 220 | |
| }, | |
| { | |
| "epoch": 0.15333333333333332, | |
| "grad_norm": 1.296030044555664, | |
| "learning_rate": 9.915743604203563e-06, | |
| "loss": 0.2015, | |
| "step": 230 | |
| }, | |
| { | |
| "epoch": 0.16, | |
| "grad_norm": 1.2502570152282715, | |
| "learning_rate": 9.893143921161501e-06, | |
| "loss": 0.204, | |
| "step": 240 | |
| }, | |
| { | |
| "epoch": 0.16666666666666666, | |
| "grad_norm": 1.7223974466323853, | |
| "learning_rate": 9.867894514365802e-06, | |
| "loss": 0.2026, | |
| "step": 250 | |
| }, | |
| { | |
| "epoch": 0.17333333333333334, | |
| "grad_norm": 0.7631610035896301, | |
| "learning_rate": 9.840009056815674e-06, | |
| "loss": 0.1986, | |
| "step": 260 | |
| }, | |
| { | |
| "epoch": 0.18, | |
| "grad_norm": 1.7041652202606201, | |
| "learning_rate": 9.809502648978311e-06, | |
| "loss": 0.2011, | |
| "step": 270 | |
| }, | |
| { | |
| "epoch": 0.18666666666666668, | |
| "grad_norm": 1.2973121404647827, | |
| "learning_rate": 9.776391810611719e-06, | |
| "loss": 0.1991, | |
| "step": 280 | |
| }, | |
| { | |
| "epoch": 0.19333333333333333, | |
| "grad_norm": 1.5594651699066162, | |
| "learning_rate": 9.740694471818988e-06, | |
| "loss": 0.1983, | |
| "step": 290 | |
| }, | |
| { | |
| "epoch": 0.2, | |
| "grad_norm": 3.2457287311553955, | |
| "learning_rate": 9.702429963338812e-06, | |
| "loss": 0.1992, | |
| "step": 300 | |
| }, | |
| { | |
| "epoch": 0.20666666666666667, | |
| "grad_norm": 1.083480954170227, | |
| "learning_rate": 9.661619006077562e-06, | |
| "loss": 0.1963, | |
| "step": 310 | |
| }, | |
| { | |
| "epoch": 0.21333333333333335, | |
| "grad_norm": 1.096750020980835, | |
| "learning_rate": 9.618283699888543e-06, | |
| "loss": 0.2001, | |
| "step": 320 | |
| }, | |
| { | |
| "epoch": 0.22, | |
| "grad_norm": 1.4397146701812744, | |
| "learning_rate": 9.572447511604536e-06, | |
| "loss": 0.1978, | |
| "step": 330 | |
| }, | |
| { | |
| "epoch": 0.22666666666666666, | |
| "grad_norm": 1.1503710746765137, | |
| "learning_rate": 9.524135262330098e-06, | |
| "loss": 0.1961, | |
| "step": 340 | |
| }, | |
| { | |
| "epoch": 0.23333333333333334, | |
| "grad_norm": 2.4313323497772217, | |
| "learning_rate": 9.473373114000493e-06, | |
| "loss": 0.1968, | |
| "step": 350 | |
| }, | |
| { | |
| "epoch": 0.24, | |
| "grad_norm": 1.5251339673995972, | |
| "learning_rate": 9.420188555214537e-06, | |
| "loss": 0.1949, | |
| "step": 360 | |
| }, | |
| { | |
| "epoch": 0.24666666666666667, | |
| "grad_norm": 1.0177116394042969, | |
| "learning_rate": 9.364610386349048e-06, | |
| "loss": 0.1941, | |
| "step": 370 | |
| }, | |
| { | |
| "epoch": 0.25333333333333335, | |
| "grad_norm": 0.6977091431617737, | |
| "learning_rate": 9.306668703962927e-06, | |
| "loss": 0.192, | |
| "step": 380 | |
| }, | |
| { | |
| "epoch": 0.26, | |
| "grad_norm": 1.0432124137878418, | |
| "learning_rate": 9.246394884499334e-06, | |
| "loss": 0.1935, | |
| "step": 390 | |
| }, | |
| { | |
| "epoch": 0.26666666666666666, | |
| "grad_norm": 0.8408189415931702, | |
| "learning_rate": 9.18382156729481e-06, | |
| "loss": 0.1958, | |
| "step": 400 | |
| }, | |
| { | |
| "epoch": 0.2733333333333333, | |
| "grad_norm": 1.0508525371551514, | |
| "learning_rate": 9.118982636904476e-06, | |
| "loss": 0.1938, | |
| "step": 410 | |
| }, | |
| { | |
| "epoch": 0.28, | |
| "grad_norm": 1.288845181465149, | |
| "learning_rate": 9.051913204752972e-06, | |
| "loss": 0.1961, | |
| "step": 420 | |
| }, | |
| { | |
| "epoch": 0.2866666666666667, | |
| "grad_norm": 1.8887839317321777, | |
| "learning_rate": 8.982649590120982e-06, | |
| "loss": 0.192, | |
| "step": 430 | |
| }, | |
| { | |
| "epoch": 0.29333333333333333, | |
| "grad_norm": 1.890334963798523, | |
| "learning_rate": 8.911229300477716e-06, | |
| "loss": 0.1908, | |
| "step": 440 | |
| }, | |
| { | |
| "epoch": 0.3, | |
| "grad_norm": 1.179054856300354, | |
| "learning_rate": 8.837691011169944e-06, | |
| "loss": 0.1894, | |
| "step": 450 | |
| }, | |
| { | |
| "epoch": 0.30666666666666664, | |
| "grad_norm": 0.8536754846572876, | |
| "learning_rate": 8.762074544478622e-06, | |
| "loss": 0.1892, | |
| "step": 460 | |
| }, | |
| { | |
| "epoch": 0.31333333333333335, | |
| "grad_norm": 1.1508135795593262, | |
| "learning_rate": 8.68442084805442e-06, | |
| "loss": 0.1906, | |
| "step": 470 | |
| }, | |
| { | |
| "epoch": 0.32, | |
| "grad_norm": 1.48867666721344, | |
| "learning_rate": 8.604771972743848e-06, | |
| "loss": 0.1909, | |
| "step": 480 | |
| }, | |
| { | |
| "epoch": 0.32666666666666666, | |
| "grad_norm": 1.4038424491882324, | |
| "learning_rate": 8.523171049817974e-06, | |
| "loss": 0.1881, | |
| "step": 490 | |
| }, | |
| { | |
| "epoch": 0.3333333333333333, | |
| "grad_norm": 0.9167689681053162, | |
| "learning_rate": 8.439662267616093e-06, | |
| "loss": 0.1889, | |
| "step": 500 | |
| }, | |
| { | |
| "epoch": 0.34, | |
| "grad_norm": 0.9470068216323853, | |
| "learning_rate": 8.354290847616954e-06, | |
| "loss": 0.1879, | |
| "step": 510 | |
| }, | |
| { | |
| "epoch": 0.3466666666666667, | |
| "grad_norm": 0.5449260473251343, | |
| "learning_rate": 8.267103019950529e-06, | |
| "loss": 0.1865, | |
| "step": 520 | |
| }, | |
| { | |
| "epoch": 0.35333333333333333, | |
| "grad_norm": 0.8963407874107361, | |
| "learning_rate": 8.178145998363585e-06, | |
| "loss": 0.1894, | |
| "step": 530 | |
| }, | |
| { | |
| "epoch": 0.36, | |
| "grad_norm": 0.6961363554000854, | |
| "learning_rate": 8.087467954652608e-06, | |
| "loss": 0.1886, | |
| "step": 540 | |
| }, | |
| { | |
| "epoch": 0.36666666666666664, | |
| "grad_norm": 1.8404779434204102, | |
| "learning_rate": 7.99511799257793e-06, | |
| "loss": 0.186, | |
| "step": 550 | |
| }, | |
| { | |
| "epoch": 0.37333333333333335, | |
| "grad_norm": 1.507520318031311, | |
| "learning_rate": 7.901146121273165e-06, | |
| "loss": 0.1888, | |
| "step": 560 | |
| }, | |
| { | |
| "epoch": 0.38, | |
| "grad_norm": 1.1237205266952515, | |
| "learning_rate": 7.80560322816439e-06, | |
| "loss": 0.1887, | |
| "step": 570 | |
| }, | |
| { | |
| "epoch": 0.38666666666666666, | |
| "grad_norm": 3.044520854949951, | |
| "learning_rate": 7.7085410514137e-06, | |
| "loss": 0.1881, | |
| "step": 580 | |
| }, | |
| { | |
| "epoch": 0.3933333333333333, | |
| "grad_norm": 1.388904094696045, | |
| "learning_rate": 7.610012151902091e-06, | |
| "loss": 0.1842, | |
| "step": 590 | |
| }, | |
| { | |
| "epoch": 0.4, | |
| "grad_norm": 0.9889079928398132, | |
| "learning_rate": 7.510069884766802e-06, | |
| "loss": 0.1833, | |
| "step": 600 | |
| }, | |
| { | |
| "epoch": 0.4066666666666667, | |
| "grad_norm": 1.494193434715271, | |
| "learning_rate": 7.408768370508577e-06, | |
| "loss": 0.1851, | |
| "step": 610 | |
| }, | |
| { | |
| "epoch": 0.41333333333333333, | |
| "grad_norm": 1.811994194984436, | |
| "learning_rate": 7.3061624656844544e-06, | |
| "loss": 0.1846, | |
| "step": 620 | |
| }, | |
| { | |
| "epoch": 0.42, | |
| "grad_norm": 1.2704815864562988, | |
| "learning_rate": 7.2023077332019755e-06, | |
| "loss": 0.1878, | |
| "step": 630 | |
| }, | |
| { | |
| "epoch": 0.4266666666666667, | |
| "grad_norm": 1.4762800931930542, | |
| "learning_rate": 7.0972604122308865e-06, | |
| "loss": 0.1846, | |
| "step": 640 | |
| }, | |
| { | |
| "epoch": 0.43333333333333335, | |
| "grad_norm": 1.1040509939193726, | |
| "learning_rate": 6.991077387748643e-06, | |
| "loss": 0.1854, | |
| "step": 650 | |
| }, | |
| { | |
| "epoch": 0.44, | |
| "grad_norm": 0.8912225365638733, | |
| "learning_rate": 6.883816159736187e-06, | |
| "loss": 0.1842, | |
| "step": 660 | |
| }, | |
| { | |
| "epoch": 0.44666666666666666, | |
| "grad_norm": 1.0201736688613892, | |
| "learning_rate": 6.775534812040686e-06, | |
| "loss": 0.1849, | |
| "step": 670 | |
| }, | |
| { | |
| "epoch": 0.4533333333333333, | |
| "grad_norm": 0.6647174954414368, | |
| "learning_rate": 6.666291980922122e-06, | |
| "loss": 0.1839, | |
| "step": 680 | |
| }, | |
| { | |
| "epoch": 0.46, | |
| "grad_norm": 0.6822147965431213, | |
| "learning_rate": 6.556146823300701e-06, | |
| "loss": 0.1837, | |
| "step": 690 | |
| }, | |
| { | |
| "epoch": 0.4666666666666667, | |
| "grad_norm": 1.081153392791748, | |
| "learning_rate": 6.445158984722358e-06, | |
| "loss": 0.1838, | |
| "step": 700 | |
| }, | |
| { | |
| "epoch": 0.47333333333333333, | |
| "grad_norm": 0.7878338694572449, | |
| "learning_rate": 6.3333885670596285e-06, | |
| "loss": 0.1813, | |
| "step": 710 | |
| }, | |
| { | |
| "epoch": 0.48, | |
| "grad_norm": 1.1529158353805542, | |
| "learning_rate": 6.220896095965428e-06, | |
| "loss": 0.183, | |
| "step": 720 | |
| }, | |
| { | |
| "epoch": 0.4866666666666667, | |
| "grad_norm": 1.3149681091308594, | |
| "learning_rate": 6.107742488097338e-06, | |
| "loss": 0.1868, | |
| "step": 730 | |
| }, | |
| { | |
| "epoch": 0.49333333333333335, | |
| "grad_norm": 0.6733217239379883, | |
| "learning_rate": 5.993989018130173e-06, | |
| "loss": 0.1818, | |
| "step": 740 | |
| }, | |
| { | |
| "epoch": 0.5, | |
| "grad_norm": 0.9225348830223083, | |
| "learning_rate": 5.879697285574655e-06, | |
| "loss": 0.1813, | |
| "step": 750 | |
| }, | |
| { | |
| "epoch": 0.5066666666666667, | |
| "grad_norm": 1.5371143817901611, | |
| "learning_rate": 5.764929181420191e-06, | |
| "loss": 0.1861, | |
| "step": 760 | |
| }, | |
| { | |
| "epoch": 0.5133333333333333, | |
| "grad_norm": 1.273542046546936, | |
| "learning_rate": 5.649746854619814e-06, | |
| "loss": 0.1834, | |
| "step": 770 | |
| }, | |
| { | |
| "epoch": 0.52, | |
| "grad_norm": 0.9770967364311218, | |
| "learning_rate": 5.5342126784354265e-06, | |
| "loss": 0.1831, | |
| "step": 780 | |
| }, | |
| { | |
| "epoch": 0.5266666666666666, | |
| "grad_norm": 1.3597888946533203, | |
| "learning_rate": 5.41838921666158e-06, | |
| "loss": 0.1842, | |
| "step": 790 | |
| }, | |
| { | |
| "epoch": 0.5333333333333333, | |
| "grad_norm": 0.9349368810653687, | |
| "learning_rate": 5.3023391897460715e-06, | |
| "loss": 0.1812, | |
| "step": 800 | |
| }, | |
| { | |
| "epoch": 0.54, | |
| "grad_norm": 0.8657019138336182, | |
| "learning_rate": 5.18612544082573e-06, | |
| "loss": 0.1837, | |
| "step": 810 | |
| }, | |
| { | |
| "epoch": 0.5466666666666666, | |
| "grad_norm": 1.265539288520813, | |
| "learning_rate": 5.069810901695727e-06, | |
| "loss": 0.1818, | |
| "step": 820 | |
| }, | |
| { | |
| "epoch": 0.5533333333333333, | |
| "grad_norm": 0.9551940560340881, | |
| "learning_rate": 4.953458558730917e-06, | |
| "loss": 0.1817, | |
| "step": 830 | |
| }, | |
| { | |
| "epoch": 0.56, | |
| "grad_norm": 0.7648895382881165, | |
| "learning_rate": 4.837131418777595e-06, | |
| "loss": 0.1826, | |
| "step": 840 | |
| }, | |
| { | |
| "epoch": 0.5666666666666667, | |
| "grad_norm": 1.6153864860534668, | |
| "learning_rate": 4.720892475034181e-06, | |
| "loss": 0.1831, | |
| "step": 850 | |
| }, | |
| { | |
| "epoch": 0.5733333333333334, | |
| "grad_norm": 0.8612309694290161, | |
| "learning_rate": 4.604804672939295e-06, | |
| "loss": 0.1823, | |
| "step": 860 | |
| }, | |
| { | |
| "epoch": 0.58, | |
| "grad_norm": 1.6489547491073608, | |
| "learning_rate": 4.4889308760856826e-06, | |
| "loss": 0.1812, | |
| "step": 870 | |
| }, | |
| { | |
| "epoch": 0.5866666666666667, | |
| "grad_norm": 1.8372234106063843, | |
| "learning_rate": 4.373333832178478e-06, | |
| "loss": 0.1803, | |
| "step": 880 | |
| }, | |
| { | |
| "epoch": 0.5933333333333334, | |
| "grad_norm": 1.4776949882507324, | |
| "learning_rate": 4.258076139056217e-06, | |
| "loss": 0.1819, | |
| "step": 890 | |
| }, | |
| { | |
| "epoch": 0.6, | |
| "grad_norm": 0.6427897810935974, | |
| "learning_rate": 4.143220210792993e-06, | |
| "loss": 0.1807, | |
| "step": 900 | |
| }, | |
| { | |
| "epoch": 0.6066666666666667, | |
| "grad_norm": 1.3922820091247559, | |
| "learning_rate": 4.028828243900141e-06, | |
| "loss": 0.1803, | |
| "step": 910 | |
| }, | |
| { | |
| "epoch": 0.6133333333333333, | |
| "grad_norm": 1.4558333158493042, | |
| "learning_rate": 3.914962183645733e-06, | |
| "loss": 0.1815, | |
| "step": 920 | |
| }, | |
| { | |
| "epoch": 0.62, | |
| "grad_norm": 0.6373324990272522, | |
| "learning_rate": 3.8016836905101157e-06, | |
| "loss": 0.1811, | |
| "step": 930 | |
| }, | |
| { | |
| "epoch": 0.6266666666666667, | |
| "grad_norm": 1.0700113773345947, | |
| "learning_rate": 3.6890541067956775e-06, | |
| "loss": 0.181, | |
| "step": 940 | |
| }, | |
| { | |
| "epoch": 0.6333333333333333, | |
| "grad_norm": 0.8416028022766113, | |
| "learning_rate": 3.577134423408906e-06, | |
| "loss": 0.1787, | |
| "step": 950 | |
| }, | |
| { | |
| "epoch": 0.64, | |
| "grad_norm": 0.9135857224464417, | |
| "learning_rate": 3.465985246832739e-06, | |
| "loss": 0.1796, | |
| "step": 960 | |
| }, | |
| { | |
| "epoch": 0.6466666666666666, | |
| "grad_norm": 0.8940063714981079, | |
| "learning_rate": 3.355666766307084e-06, | |
| "loss": 0.1807, | |
| "step": 970 | |
| }, | |
| { | |
| "epoch": 0.6533333333333333, | |
| "grad_norm": 0.9303551912307739, | |
| "learning_rate": 3.246238721235283e-06, | |
| "loss": 0.1813, | |
| "step": 980 | |
| }, | |
| { | |
| "epoch": 0.66, | |
| "grad_norm": 0.9582270979881287, | |
| "learning_rate": 3.137760368834169e-06, | |
| "loss": 0.182, | |
| "step": 990 | |
| }, | |
| { | |
| "epoch": 0.6666666666666666, | |
| "grad_norm": 1.0482275485992432, | |
| "learning_rate": 3.030290452045245e-06, | |
| "loss": 0.1794, | |
| "step": 1000 | |
| }, | |
| { | |
| "epoch": 0.6733333333333333, | |
| "grad_norm": 1.0967521667480469, | |
| "learning_rate": 2.9238871677243354e-06, | |
| "loss": 0.1799, | |
| "step": 1010 | |
| }, | |
| { | |
| "epoch": 0.68, | |
| "grad_norm": 0.9938267469406128, | |
| "learning_rate": 2.818608135126967e-06, | |
| "loss": 0.18, | |
| "step": 1020 | |
| }, | |
| { | |
| "epoch": 0.6866666666666666, | |
| "grad_norm": 1.176161527633667, | |
| "learning_rate": 2.714510364706531e-06, | |
| "loss": 0.1776, | |
| "step": 1030 | |
| }, | |
| { | |
| "epoch": 0.6933333333333334, | |
| "grad_norm": 0.8891662955284119, | |
| "learning_rate": 2.611650227242102e-06, | |
| "loss": 0.1793, | |
| "step": 1040 | |
| }, | |
| { | |
| "epoch": 0.7, | |
| "grad_norm": 0.904512345790863, | |
| "learning_rate": 2.5100834233126827e-06, | |
| "loss": 0.1799, | |
| "step": 1050 | |
| }, | |
| { | |
| "epoch": 0.7066666666666667, | |
| "grad_norm": 0.7579324245452881, | |
| "learning_rate": 2.40986495313435e-06, | |
| "loss": 0.1796, | |
| "step": 1060 | |
| }, | |
| { | |
| "epoch": 0.7133333333333334, | |
| "grad_norm": 0.7067833542823792, | |
| "learning_rate": 2.3110490867766644e-06, | |
| "loss": 0.1784, | |
| "step": 1070 | |
| }, | |
| { | |
| "epoch": 0.72, | |
| "grad_norm": 0.7477649450302124, | |
| "learning_rate": 2.213689334774479e-06, | |
| "loss": 0.1801, | |
| "step": 1080 | |
| }, | |
| { | |
| "epoch": 0.7266666666666667, | |
| "grad_norm": 0.9237260818481445, | |
| "learning_rate": 2.1178384191510344e-06, | |
| "loss": 0.1797, | |
| "step": 1090 | |
| }, | |
| { | |
| "epoch": 0.7333333333333333, | |
| "grad_norm": 0.8000478148460388, | |
| "learning_rate": 2.023548244868051e-06, | |
| "loss": 0.1788, | |
| "step": 1100 | |
| }, | |
| { | |
| "epoch": 0.74, | |
| "grad_norm": 0.7484294772148132, | |
| "learning_rate": 1.9308698717182874e-06, | |
| "loss": 0.1772, | |
| "step": 1110 | |
| }, | |
| { | |
| "epoch": 0.7466666666666667, | |
| "grad_norm": 1.0123769044876099, | |
| "learning_rate": 1.8398534866757455e-06, | |
| "loss": 0.1784, | |
| "step": 1120 | |
| }, | |
| { | |
| "epoch": 0.7533333333333333, | |
| "grad_norm": 0.8919528126716614, | |
| "learning_rate": 1.7505483767185583e-06, | |
| "loss": 0.1796, | |
| "step": 1130 | |
| }, | |
| { | |
| "epoch": 0.76, | |
| "grad_norm": 0.9421375393867493, | |
| "learning_rate": 1.6630029021392007e-06, | |
| "loss": 0.1769, | |
| "step": 1140 | |
| }, | |
| { | |
| "epoch": 0.7666666666666667, | |
| "grad_norm": 1.1501414775848389, | |
| "learning_rate": 1.5772644703565564e-06, | |
| "loss": 0.1799, | |
| "step": 1150 | |
| }, | |
| { | |
| "epoch": 0.7733333333333333, | |
| "grad_norm": 0.7725605368614197, | |
| "learning_rate": 1.4933795102439558e-06, | |
| "loss": 0.1766, | |
| "step": 1160 | |
| }, | |
| { | |
| "epoch": 0.78, | |
| "grad_norm": 0.8421234488487244, | |
| "learning_rate": 1.4113934469871166e-06, | |
| "loss": 0.1763, | |
| "step": 1170 | |
| }, | |
| { | |
| "epoch": 0.7866666666666666, | |
| "grad_norm": 0.7856913208961487, | |
| "learning_rate": 1.3313506774856177e-06, | |
| "loss": 0.1782, | |
| "step": 1180 | |
| }, | |
| { | |
| "epoch": 0.7933333333333333, | |
| "grad_norm": 0.9160929322242737, | |
| "learning_rate": 1.2532945463111856e-06, | |
| "loss": 0.1781, | |
| "step": 1190 | |
| }, | |
| { | |
| "epoch": 0.8, | |
| "grad_norm": 1.1084160804748535, | |
| "learning_rate": 1.1772673222358421e-06, | |
| "loss": 0.1786, | |
| "step": 1200 | |
| }, | |
| { | |
| "epoch": 0.8066666666666666, | |
| "grad_norm": 7.289871692657471, | |
| "learning_rate": 1.1033101753426285e-06, | |
| "loss": 0.176, | |
| "step": 1210 | |
| }, | |
| { | |
| "epoch": 0.8133333333333334, | |
| "grad_norm": 1.0577805042266846, | |
| "learning_rate": 1.0314631547312738e-06, | |
| "loss": 0.1777, | |
| "step": 1220 | |
| }, | |
| { | |
| "epoch": 0.82, | |
| "grad_norm": 0.926604688167572, | |
| "learning_rate": 9.617651668308914e-07, | |
| "loss": 0.175, | |
| "step": 1230 | |
| }, | |
| { | |
| "epoch": 0.8266666666666667, | |
| "grad_norm": 0.7565999627113342, | |
| "learning_rate": 8.942539543314799e-07, | |
| "loss": 0.1777, | |
| "step": 1240 | |
| }, | |
| { | |
| "epoch": 0.8333333333333334, | |
| "grad_norm": 0.5612711310386658, | |
| "learning_rate": 8.289660757455803e-07, | |
| "loss": 0.1765, | |
| "step": 1250 | |
| }, | |
| { | |
| "epoch": 0.84, | |
| "grad_norm": 1.0191847085952759, | |
| "learning_rate": 7.659368856111926e-07, | |
| "loss": 0.1768, | |
| "step": 1260 | |
| }, | |
| { | |
| "epoch": 0.8466666666666667, | |
| "grad_norm": 1.0744314193725586, | |
| "learning_rate": 7.052005153466779e-07, | |
| "loss": 0.1767, | |
| "step": 1270 | |
| }, | |
| { | |
| "epoch": 0.8533333333333334, | |
| "grad_norm": 0.61516273021698, | |
| "learning_rate": 6.467898547679913e-07, | |
| "loss": 0.1754, | |
| "step": 1280 | |
| }, | |
| { | |
| "epoch": 0.86, | |
| "grad_norm": 1.1486766338348389, | |
| "learning_rate": 5.9073653427826e-07, | |
| "loss": 0.179, | |
| "step": 1290 | |
| }, | |
| { | |
| "epoch": 0.8666666666666667, | |
| "grad_norm": 0.7546462416648865, | |
| "learning_rate": 5.370709077393721e-07, | |
| "loss": 0.1769, | |
| "step": 1300 | |
| }, | |
| { | |
| "epoch": 0.8733333333333333, | |
| "grad_norm": 0.5854225754737854, | |
| "learning_rate": 4.858220360348187e-07, | |
| "loss": 0.1777, | |
| "step": 1310 | |
| }, | |
| { | |
| "epoch": 0.88, | |
| "grad_norm": 0.7740269899368286, | |
| "learning_rate": 4.370176713327118e-07, | |
| "loss": 0.1755, | |
| "step": 1320 | |
| }, | |
| { | |
| "epoch": 0.8866666666666667, | |
| "grad_norm": 0.641555666923523, | |
| "learning_rate": 3.90684242057498e-07, | |
| "loss": 0.1755, | |
| "step": 1330 | |
| }, | |
| { | |
| "epoch": 0.8933333333333333, | |
| "grad_norm": 0.6785816550254822, | |
| "learning_rate": 3.468468385785023e-07, | |
| "loss": 0.1771, | |
| "step": 1340 | |
| }, | |
| { | |
| "epoch": 0.9, | |
| "grad_norm": 0.7350413203239441, | |
| "learning_rate": 3.055291996230492e-07, | |
| "loss": 0.1764, | |
| "step": 1350 | |
| }, | |
| { | |
| "epoch": 0.9066666666666666, | |
| "grad_norm": 0.9928900599479675, | |
| "learning_rate": 2.6675369942151864e-07, | |
| "loss": 0.1788, | |
| "step": 1360 | |
| }, | |
| { | |
| "epoch": 0.9133333333333333, | |
| "grad_norm": 0.7868644595146179, | |
| "learning_rate": 2.3054133559131163e-07, | |
| "loss": 0.1764, | |
| "step": 1370 | |
| }, | |
| { | |
| "epoch": 0.92, | |
| "grad_norm": 0.7987495064735413, | |
| "learning_rate": 1.9691171776626882e-07, | |
| "loss": 0.1743, | |
| "step": 1380 | |
| }, | |
| { | |
| "epoch": 0.9266666666666666, | |
| "grad_norm": 0.703741729259491, | |
| "learning_rate": 1.6588305697770313e-07, | |
| "loss": 0.1753, | |
| "step": 1390 | |
| }, | |
| { | |
| "epoch": 0.9333333333333333, | |
| "grad_norm": 0.884334146976471, | |
| "learning_rate": 1.374721557928116e-07, | |
| "loss": 0.1765, | |
| "step": 1400 | |
| }, | |
| { | |
| "epoch": 0.94, | |
| "grad_norm": 0.9596606492996216, | |
| "learning_rate": 1.1169439921578485e-07, | |
| "loss": 0.1772, | |
| "step": 1410 | |
| }, | |
| { | |
| "epoch": 0.9466666666666667, | |
| "grad_norm": 0.639748752117157, | |
| "learning_rate": 8.856374635655696e-08, | |
| "loss": 0.1749, | |
| "step": 1420 | |
| }, | |
| { | |
| "epoch": 0.9533333333333334, | |
| "grad_norm": 1.1772934198379517, | |
| "learning_rate": 6.809272287169988e-08, | |
| "loss": 0.1744, | |
| "step": 1430 | |
| }, | |
| { | |
| "epoch": 0.96, | |
| "grad_norm": 0.8494715690612793, | |
| "learning_rate": 5.029241418156139e-08, | |
| "loss": 0.1784, | |
| "step": 1440 | |
| }, | |
| { | |
| "epoch": 0.9666666666666667, | |
| "grad_norm": 0.7177859544754028, | |
| "learning_rate": 3.517245946731529e-08, | |
| "loss": 0.178, | |
| "step": 1450 | |
| }, | |
| { | |
| "epoch": 0.9733333333333334, | |
| "grad_norm": 0.9402814507484436, | |
| "learning_rate": 2.27410464511707e-08, | |
| "loss": 0.1774, | |
| "step": 1460 | |
| }, | |
| { | |
| "epoch": 0.98, | |
| "grad_norm": 0.6646594405174255, | |
| "learning_rate": 1.3004906962578723e-08, | |
| "loss": 0.1765, | |
| "step": 1470 | |
| }, | |
| { | |
| "epoch": 0.9866666666666667, | |
| "grad_norm": 0.6555571556091309, | |
| "learning_rate": 5.969313292830126e-09, | |
| "loss": 0.1739, | |
| "step": 1480 | |
| }, | |
| { | |
| "epoch": 0.9933333333333333, | |
| "grad_norm": 1.0935475826263428, | |
| "learning_rate": 1.638075340010814e-09, | |
| "loss": 0.1766, | |
| "step": 1490 | |
| }, | |
| { | |
| "epoch": 1.0, | |
| "grad_norm": 0.8198226690292358, | |
| "learning_rate": 1.3538545881042198e-11, | |
| "loss": 0.174, | |
| "step": 1500 | |
| } | |
| ], | |
| "logging_steps": 10, | |
| "max_steps": 1500, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 9223372036854775807, | |
| "save_steps": 500, | |
| "stateful_callbacks": { | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": true | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 7.104715865748144e+18, | |
| "train_batch_size": 1, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |