| { | |
| "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": 33.48456954956055, | |
| "learning_rate": 6.000000000000001e-07, | |
| "loss": 0.7513, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.013333333333333334, | |
| "grad_norm": 41.39512634277344, | |
| "learning_rate": 1.2666666666666669e-06, | |
| "loss": 0.3878, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 1.0120981931686401, | |
| "learning_rate": 1.9333333333333336e-06, | |
| "loss": 0.2739, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.02666666666666667, | |
| "grad_norm": 1.7299283742904663, | |
| "learning_rate": 2.6e-06, | |
| "loss": 0.2647, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.03333333333333333, | |
| "grad_norm": 1.8291114568710327, | |
| "learning_rate": 3.266666666666667e-06, | |
| "loss": 0.2341, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 1.3879677057266235, | |
| "learning_rate": 3.9333333333333335e-06, | |
| "loss": 0.2358, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 0.04666666666666667, | |
| "grad_norm": 1.7929078340530396, | |
| "learning_rate": 4.600000000000001e-06, | |
| "loss": 0.237, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 0.05333333333333334, | |
| "grad_norm": 2.4109907150268555, | |
| "learning_rate": 5.2666666666666665e-06, | |
| "loss": 0.2178, | |
| "step": 80 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 3.0150747299194336, | |
| "learning_rate": 5.933333333333335e-06, | |
| "loss": 0.2236, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 0.06666666666666667, | |
| "grad_norm": 1.4729517698287964, | |
| "learning_rate": 6.600000000000001e-06, | |
| "loss": 0.2337, | |
| "step": 100 | |
| }, | |
| { | |
| "epoch": 0.07333333333333333, | |
| "grad_norm": 1.5636557340621948, | |
| "learning_rate": 7.266666666666668e-06, | |
| "loss": 0.2252, | |
| "step": 110 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 2.1455461978912354, | |
| "learning_rate": 7.933333333333334e-06, | |
| "loss": 0.233, | |
| "step": 120 | |
| }, | |
| { | |
| "epoch": 0.08666666666666667, | |
| "grad_norm": 1.4286963939666748, | |
| "learning_rate": 8.6e-06, | |
| "loss": 0.2236, | |
| "step": 130 | |
| }, | |
| { | |
| "epoch": 0.09333333333333334, | |
| "grad_norm": 1.7656251192092896, | |
| "learning_rate": 9.266666666666667e-06, | |
| "loss": 0.2265, | |
| "step": 140 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 1.3794828653335571, | |
| "learning_rate": 9.933333333333334e-06, | |
| "loss": 0.2305, | |
| "step": 150 | |
| }, | |
| { | |
| "epoch": 0.10666666666666667, | |
| "grad_norm": 2.5856478214263916, | |
| "learning_rate": 9.998903417374228e-06, | |
| "loss": 0.2393, | |
| "step": 160 | |
| }, | |
| { | |
| "epoch": 0.11333333333333333, | |
| "grad_norm": 1.3403565883636475, | |
| "learning_rate": 9.995113378907791e-06, | |
| "loss": 0.2245, | |
| "step": 170 | |
| }, | |
| { | |
| "epoch": 0.12, | |
| "grad_norm": 2.1494534015655518, | |
| "learning_rate": 9.988618398427495e-06, | |
| "loss": 0.248, | |
| "step": 180 | |
| }, | |
| { | |
| "epoch": 0.12666666666666668, | |
| "grad_norm": 1.4125661849975586, | |
| "learning_rate": 9.979421993079853e-06, | |
| "loss": 0.2329, | |
| "step": 190 | |
| }, | |
| { | |
| "epoch": 0.13333333333333333, | |
| "grad_norm": 2.1994471549987793, | |
| "learning_rate": 9.967529142880592e-06, | |
| "loss": 0.231, | |
| "step": 200 | |
| }, | |
| { | |
| "epoch": 0.14, | |
| "grad_norm": 1.2215962409973145, | |
| "learning_rate": 9.952946288017899e-06, | |
| "loss": 0.2368, | |
| "step": 210 | |
| }, | |
| { | |
| "epoch": 0.14666666666666667, | |
| "grad_norm": 1.3992868661880493, | |
| "learning_rate": 9.93568132536494e-06, | |
| "loss": 0.2268, | |
| "step": 220 | |
| }, | |
| { | |
| "epoch": 0.15333333333333332, | |
| "grad_norm": 1.2440099716186523, | |
| "learning_rate": 9.915743604203563e-06, | |
| "loss": 0.2232, | |
| "step": 230 | |
| }, | |
| { | |
| "epoch": 0.16, | |
| "grad_norm": 2.6733896732330322, | |
| "learning_rate": 9.893143921161501e-06, | |
| "loss": 0.2244, | |
| "step": 240 | |
| }, | |
| { | |
| "epoch": 0.16666666666666666, | |
| "grad_norm": 1.1489499807357788, | |
| "learning_rate": 9.867894514365802e-06, | |
| "loss": 0.2444, | |
| "step": 250 | |
| }, | |
| { | |
| "epoch": 0.17333333333333334, | |
| "grad_norm": 1.107172966003418, | |
| "learning_rate": 9.840009056815674e-06, | |
| "loss": 0.2186, | |
| "step": 260 | |
| }, | |
| { | |
| "epoch": 0.18, | |
| "grad_norm": 1.8318830728530884, | |
| "learning_rate": 9.809502648978311e-06, | |
| "loss": 0.2363, | |
| "step": 270 | |
| }, | |
| { | |
| "epoch": 0.18666666666666668, | |
| "grad_norm": 1.5097936391830444, | |
| "learning_rate": 9.776391810611719e-06, | |
| "loss": 0.2291, | |
| "step": 280 | |
| }, | |
| { | |
| "epoch": 0.19333333333333333, | |
| "grad_norm": 0.9761540293693542, | |
| "learning_rate": 9.740694471818988e-06, | |
| "loss": 0.2235, | |
| "step": 290 | |
| }, | |
| { | |
| "epoch": 0.2, | |
| "grad_norm": 1.2759957313537598, | |
| "learning_rate": 9.702429963338812e-06, | |
| "loss": 0.2264, | |
| "step": 300 | |
| }, | |
| { | |
| "epoch": 0.20666666666666667, | |
| "grad_norm": 1.1278096437454224, | |
| "learning_rate": 9.661619006077562e-06, | |
| "loss": 0.229, | |
| "step": 310 | |
| }, | |
| { | |
| "epoch": 0.21333333333333335, | |
| "grad_norm": 1.2718846797943115, | |
| "learning_rate": 9.618283699888543e-06, | |
| "loss": 0.2159, | |
| "step": 320 | |
| }, | |
| { | |
| "epoch": 0.22, | |
| "grad_norm": 1.6403460502624512, | |
| "learning_rate": 9.572447511604536e-06, | |
| "loss": 0.2362, | |
| "step": 330 | |
| }, | |
| { | |
| "epoch": 0.22666666666666666, | |
| "grad_norm": 2.6630871295928955, | |
| "learning_rate": 9.524135262330098e-06, | |
| "loss": 0.2209, | |
| "step": 340 | |
| }, | |
| { | |
| "epoch": 0.23333333333333334, | |
| "grad_norm": 2.318145275115967, | |
| "learning_rate": 9.473373114000493e-06, | |
| "loss": 0.2213, | |
| "step": 350 | |
| }, | |
| { | |
| "epoch": 0.24, | |
| "grad_norm": 1.2323272228240967, | |
| "learning_rate": 9.420188555214537e-06, | |
| "loss": 0.2319, | |
| "step": 360 | |
| }, | |
| { | |
| "epoch": 0.24666666666666667, | |
| "grad_norm": 1.3815642595291138, | |
| "learning_rate": 9.364610386349048e-06, | |
| "loss": 0.2155, | |
| "step": 370 | |
| }, | |
| { | |
| "epoch": 0.25333333333333335, | |
| "grad_norm": 1.9921470880508423, | |
| "learning_rate": 9.306668703962927e-06, | |
| "loss": 0.2169, | |
| "step": 380 | |
| }, | |
| { | |
| "epoch": 0.26, | |
| "grad_norm": 2.0954296588897705, | |
| "learning_rate": 9.246394884499334e-06, | |
| "loss": 0.2413, | |
| "step": 390 | |
| }, | |
| { | |
| "epoch": 0.26666666666666666, | |
| "grad_norm": 1.3795796632766724, | |
| "learning_rate": 9.18382156729481e-06, | |
| "loss": 0.2329, | |
| "step": 400 | |
| }, | |
| { | |
| "epoch": 0.2733333333333333, | |
| "grad_norm": 1.356389045715332, | |
| "learning_rate": 9.118982636904476e-06, | |
| "loss": 0.232, | |
| "step": 410 | |
| }, | |
| { | |
| "epoch": 0.28, | |
| "grad_norm": 1.6636598110198975, | |
| "learning_rate": 9.051913204752972e-06, | |
| "loss": 0.2334, | |
| "step": 420 | |
| }, | |
| { | |
| "epoch": 0.2866666666666667, | |
| "grad_norm": 0.9479215741157532, | |
| "learning_rate": 8.982649590120982e-06, | |
| "loss": 0.2331, | |
| "step": 430 | |
| }, | |
| { | |
| "epoch": 0.29333333333333333, | |
| "grad_norm": 1.1392760276794434, | |
| "learning_rate": 8.911229300477716e-06, | |
| "loss": 0.2215, | |
| "step": 440 | |
| }, | |
| { | |
| "epoch": 0.3, | |
| "grad_norm": 1.2210679054260254, | |
| "learning_rate": 8.837691011169944e-06, | |
| "loss": 0.2238, | |
| "step": 450 | |
| }, | |
| { | |
| "epoch": 0.30666666666666664, | |
| "grad_norm": 1.286208152770996, | |
| "learning_rate": 8.762074544478622e-06, | |
| "loss": 0.2236, | |
| "step": 460 | |
| }, | |
| { | |
| "epoch": 0.31333333333333335, | |
| "grad_norm": 0.7681065201759338, | |
| "learning_rate": 8.68442084805442e-06, | |
| "loss": 0.2208, | |
| "step": 470 | |
| }, | |
| { | |
| "epoch": 0.32, | |
| "grad_norm": 1.3145991563796997, | |
| "learning_rate": 8.604771972743848e-06, | |
| "loss": 0.2253, | |
| "step": 480 | |
| }, | |
| { | |
| "epoch": 0.32666666666666666, | |
| "grad_norm": 0.8635473847389221, | |
| "learning_rate": 8.523171049817974e-06, | |
| "loss": 0.2178, | |
| "step": 490 | |
| }, | |
| { | |
| "epoch": 0.3333333333333333, | |
| "grad_norm": 0.7293675541877747, | |
| "learning_rate": 8.439662267616093e-06, | |
| "loss": 0.2259, | |
| "step": 500 | |
| }, | |
| { | |
| "epoch": 0.34, | |
| "grad_norm": 1.2720327377319336, | |
| "learning_rate": 8.354290847616954e-06, | |
| "loss": 0.2292, | |
| "step": 510 | |
| }, | |
| { | |
| "epoch": 0.3466666666666667, | |
| "grad_norm": 1.1091163158416748, | |
| "learning_rate": 8.267103019950529e-06, | |
| "loss": 0.228, | |
| "step": 520 | |
| }, | |
| { | |
| "epoch": 0.35333333333333333, | |
| "grad_norm": 1.0353987216949463, | |
| "learning_rate": 8.178145998363585e-06, | |
| "loss": 0.2176, | |
| "step": 530 | |
| }, | |
| { | |
| "epoch": 0.36, | |
| "grad_norm": 1.4833768606185913, | |
| "learning_rate": 8.087467954652608e-06, | |
| "loss": 0.2186, | |
| "step": 540 | |
| }, | |
| { | |
| "epoch": 0.36666666666666664, | |
| "grad_norm": 1.6826947927474976, | |
| "learning_rate": 7.99511799257793e-06, | |
| "loss": 0.2338, | |
| "step": 550 | |
| }, | |
| { | |
| "epoch": 0.37333333333333335, | |
| "grad_norm": 1.5543522834777832, | |
| "learning_rate": 7.901146121273165e-06, | |
| "loss": 0.2205, | |
| "step": 560 | |
| }, | |
| { | |
| "epoch": 0.38, | |
| "grad_norm": 1.0120986700057983, | |
| "learning_rate": 7.80560322816439e-06, | |
| "loss": 0.2296, | |
| "step": 570 | |
| }, | |
| { | |
| "epoch": 0.38666666666666666, | |
| "grad_norm": 0.9791989922523499, | |
| "learning_rate": 7.7085410514137e-06, | |
| "loss": 0.2129, | |
| "step": 580 | |
| }, | |
| { | |
| "epoch": 0.3933333333333333, | |
| "grad_norm": 1.1297271251678467, | |
| "learning_rate": 7.610012151902091e-06, | |
| "loss": 0.2168, | |
| "step": 590 | |
| }, | |
| { | |
| "epoch": 0.4, | |
| "grad_norm": 1.1336264610290527, | |
| "learning_rate": 7.510069884766802e-06, | |
| "loss": 0.2284, | |
| "step": 600 | |
| }, | |
| { | |
| "epoch": 0.4066666666666667, | |
| "grad_norm": 1.3268166780471802, | |
| "learning_rate": 7.408768370508577e-06, | |
| "loss": 0.2314, | |
| "step": 610 | |
| }, | |
| { | |
| "epoch": 0.41333333333333333, | |
| "grad_norm": 0.8549099564552307, | |
| "learning_rate": 7.3061624656844544e-06, | |
| "loss": 0.2239, | |
| "step": 620 | |
| }, | |
| { | |
| "epoch": 0.42, | |
| "grad_norm": 1.6558032035827637, | |
| "learning_rate": 7.2023077332019755e-06, | |
| "loss": 0.2322, | |
| "step": 630 | |
| }, | |
| { | |
| "epoch": 0.4266666666666667, | |
| "grad_norm": 1.0937647819519043, | |
| "learning_rate": 7.0972604122308865e-06, | |
| "loss": 0.2315, | |
| "step": 640 | |
| }, | |
| { | |
| "epoch": 0.43333333333333335, | |
| "grad_norm": 0.7654536962509155, | |
| "learning_rate": 6.991077387748643e-06, | |
| "loss": 0.2195, | |
| "step": 650 | |
| }, | |
| { | |
| "epoch": 0.44, | |
| "grad_norm": 0.8098658919334412, | |
| "learning_rate": 6.883816159736187e-06, | |
| "loss": 0.221, | |
| "step": 660 | |
| }, | |
| { | |
| "epoch": 0.44666666666666666, | |
| "grad_norm": 0.9748004674911499, | |
| "learning_rate": 6.775534812040686e-06, | |
| "loss": 0.2176, | |
| "step": 670 | |
| }, | |
| { | |
| "epoch": 0.4533333333333333, | |
| "grad_norm": 1.4845142364501953, | |
| "learning_rate": 6.666291980922122e-06, | |
| "loss": 0.2367, | |
| "step": 680 | |
| }, | |
| { | |
| "epoch": 0.46, | |
| "grad_norm": 2.1768786907196045, | |
| "learning_rate": 6.556146823300701e-06, | |
| "loss": 0.2139, | |
| "step": 690 | |
| }, | |
| { | |
| "epoch": 0.4666666666666667, | |
| "grad_norm": 0.7274279594421387, | |
| "learning_rate": 6.445158984722358e-06, | |
| "loss": 0.2152, | |
| "step": 700 | |
| }, | |
| { | |
| "epoch": 0.47333333333333333, | |
| "grad_norm": 1.3629900217056274, | |
| "learning_rate": 6.3333885670596285e-06, | |
| "loss": 0.2241, | |
| "step": 710 | |
| }, | |
| { | |
| "epoch": 0.48, | |
| "grad_norm": 1.6502591371536255, | |
| "learning_rate": 6.220896095965428e-06, | |
| "loss": 0.2279, | |
| "step": 720 | |
| }, | |
| { | |
| "epoch": 0.4866666666666667, | |
| "grad_norm": 0.9277437925338745, | |
| "learning_rate": 6.107742488097338e-06, | |
| "loss": 0.2219, | |
| "step": 730 | |
| }, | |
| { | |
| "epoch": 0.49333333333333335, | |
| "grad_norm": 2.0821571350097656, | |
| "learning_rate": 5.993989018130173e-06, | |
| "loss": 0.2384, | |
| "step": 740 | |
| }, | |
| { | |
| "epoch": 0.5, | |
| "grad_norm": 1.9065651893615723, | |
| "learning_rate": 5.879697285574655e-06, | |
| "loss": 0.2192, | |
| "step": 750 | |
| }, | |
| { | |
| "epoch": 0.5066666666666667, | |
| "grad_norm": 1.5794545412063599, | |
| "learning_rate": 5.764929181420191e-06, | |
| "loss": 0.2202, | |
| "step": 760 | |
| }, | |
| { | |
| "epoch": 0.5133333333333333, | |
| "grad_norm": 1.5839076042175293, | |
| "learning_rate": 5.649746854619814e-06, | |
| "loss": 0.2203, | |
| "step": 770 | |
| }, | |
| { | |
| "epoch": 0.52, | |
| "grad_norm": 0.880457878112793, | |
| "learning_rate": 5.5342126784354265e-06, | |
| "loss": 0.2253, | |
| "step": 780 | |
| }, | |
| { | |
| "epoch": 0.5266666666666666, | |
| "grad_norm": 0.6156707406044006, | |
| "learning_rate": 5.41838921666158e-06, | |
| "loss": 0.2202, | |
| "step": 790 | |
| }, | |
| { | |
| "epoch": 0.5333333333333333, | |
| "grad_norm": 1.1452674865722656, | |
| "learning_rate": 5.3023391897460715e-06, | |
| "loss": 0.2223, | |
| "step": 800 | |
| }, | |
| { | |
| "epoch": 0.54, | |
| "grad_norm": 1.035360336303711, | |
| "learning_rate": 5.18612544082573e-06, | |
| "loss": 0.2013, | |
| "step": 810 | |
| }, | |
| { | |
| "epoch": 0.5466666666666666, | |
| "grad_norm": 1.1336251497268677, | |
| "learning_rate": 5.069810901695727e-06, | |
| "loss": 0.2208, | |
| "step": 820 | |
| }, | |
| { | |
| "epoch": 0.5533333333333333, | |
| "grad_norm": 2.207589626312256, | |
| "learning_rate": 4.953458558730917e-06, | |
| "loss": 0.2224, | |
| "step": 830 | |
| }, | |
| { | |
| "epoch": 0.56, | |
| "grad_norm": 1.2475978136062622, | |
| "learning_rate": 4.837131418777595e-06, | |
| "loss": 0.2249, | |
| "step": 840 | |
| }, | |
| { | |
| "epoch": 0.5666666666666667, | |
| "grad_norm": 1.1205240488052368, | |
| "learning_rate": 4.720892475034181e-06, | |
| "loss": 0.2239, | |
| "step": 850 | |
| }, | |
| { | |
| "epoch": 0.5733333333333334, | |
| "grad_norm": 1.809802532196045, | |
| "learning_rate": 4.604804672939295e-06, | |
| "loss": 0.222, | |
| "step": 860 | |
| }, | |
| { | |
| "epoch": 0.58, | |
| "grad_norm": 0.8518161773681641, | |
| "learning_rate": 4.4889308760856826e-06, | |
| "loss": 0.2102, | |
| "step": 870 | |
| }, | |
| { | |
| "epoch": 0.5866666666666667, | |
| "grad_norm": 0.6665478348731995, | |
| "learning_rate": 4.373333832178478e-06, | |
| "loss": 0.2106, | |
| "step": 880 | |
| }, | |
| { | |
| "epoch": 0.5933333333333334, | |
| "grad_norm": 5.811723232269287, | |
| "learning_rate": 4.258076139056217e-06, | |
| "loss": 0.2147, | |
| "step": 890 | |
| }, | |
| { | |
| "epoch": 0.6, | |
| "grad_norm": 1.3903405666351318, | |
| "learning_rate": 4.143220210792993e-06, | |
| "loss": 0.2196, | |
| "step": 900 | |
| }, | |
| { | |
| "epoch": 0.6066666666666667, | |
| "grad_norm": 2.413207769393921, | |
| "learning_rate": 4.028828243900141e-06, | |
| "loss": 0.2171, | |
| "step": 910 | |
| }, | |
| { | |
| "epoch": 0.6133333333333333, | |
| "grad_norm": 1.6970996856689453, | |
| "learning_rate": 3.914962183645733e-06, | |
| "loss": 0.2223, | |
| "step": 920 | |
| }, | |
| { | |
| "epoch": 0.62, | |
| "grad_norm": 0.8392940759658813, | |
| "learning_rate": 3.8016836905101157e-06, | |
| "loss": 0.2298, | |
| "step": 930 | |
| }, | |
| { | |
| "epoch": 0.6266666666666667, | |
| "grad_norm": 0.9468324184417725, | |
| "learning_rate": 3.6890541067956775e-06, | |
| "loss": 0.2233, | |
| "step": 940 | |
| }, | |
| { | |
| "epoch": 0.6333333333333333, | |
| "grad_norm": 1.0179193019866943, | |
| "learning_rate": 3.577134423408906e-06, | |
| "loss": 0.2125, | |
| "step": 950 | |
| }, | |
| { | |
| "epoch": 0.64, | |
| "grad_norm": 1.0932533740997314, | |
| "learning_rate": 3.465985246832739e-06, | |
| "loss": 0.2212, | |
| "step": 960 | |
| }, | |
| { | |
| "epoch": 0.6466666666666666, | |
| "grad_norm": 0.7202575206756592, | |
| "learning_rate": 3.355666766307084e-06, | |
| "loss": 0.2183, | |
| "step": 970 | |
| }, | |
| { | |
| "epoch": 0.6533333333333333, | |
| "grad_norm": 1.7812130451202393, | |
| "learning_rate": 3.246238721235283e-06, | |
| "loss": 0.2131, | |
| "step": 980 | |
| }, | |
| { | |
| "epoch": 0.66, | |
| "grad_norm": 1.973770260810852, | |
| "learning_rate": 3.137760368834169e-06, | |
| "loss": 0.2192, | |
| "step": 990 | |
| }, | |
| { | |
| "epoch": 0.6666666666666666, | |
| "grad_norm": 1.8320763111114502, | |
| "learning_rate": 3.030290452045245e-06, | |
| "loss": 0.2206, | |
| "step": 1000 | |
| }, | |
| { | |
| "epoch": 0.6733333333333333, | |
| "grad_norm": 1.006077527999878, | |
| "learning_rate": 2.9238871677243354e-06, | |
| "loss": 0.2221, | |
| "step": 1010 | |
| }, | |
| { | |
| "epoch": 0.68, | |
| "grad_norm": 0.8653252720832825, | |
| "learning_rate": 2.818608135126967e-06, | |
| "loss": 0.216, | |
| "step": 1020 | |
| }, | |
| { | |
| "epoch": 0.6866666666666666, | |
| "grad_norm": 0.9505464434623718, | |
| "learning_rate": 2.714510364706531e-06, | |
| "loss": 0.2102, | |
| "step": 1030 | |
| }, | |
| { | |
| "epoch": 0.6933333333333334, | |
| "grad_norm": 1.619780421257019, | |
| "learning_rate": 2.611650227242102e-06, | |
| "loss": 0.214, | |
| "step": 1040 | |
| }, | |
| { | |
| "epoch": 0.7, | |
| "grad_norm": 1.0633811950683594, | |
| "learning_rate": 2.5100834233126827e-06, | |
| "loss": 0.2143, | |
| "step": 1050 | |
| }, | |
| { | |
| "epoch": 0.7066666666666667, | |
| "grad_norm": 1.2037453651428223, | |
| "learning_rate": 2.40986495313435e-06, | |
| "loss": 0.2156, | |
| "step": 1060 | |
| }, | |
| { | |
| "epoch": 0.7133333333333334, | |
| "grad_norm": 0.9945439100265503, | |
| "learning_rate": 2.3110490867766644e-06, | |
| "loss": 0.2167, | |
| "step": 1070 | |
| }, | |
| { | |
| "epoch": 0.72, | |
| "grad_norm": 0.8261489868164062, | |
| "learning_rate": 2.213689334774479e-06, | |
| "loss": 0.1972, | |
| "step": 1080 | |
| }, | |
| { | |
| "epoch": 0.7266666666666667, | |
| "grad_norm": 1.1621766090393066, | |
| "learning_rate": 2.1178384191510344e-06, | |
| "loss": 0.2157, | |
| "step": 1090 | |
| }, | |
| { | |
| "epoch": 0.7333333333333333, | |
| "grad_norm": 1.8021047115325928, | |
| "learning_rate": 2.023548244868051e-06, | |
| "loss": 0.2112, | |
| "step": 1100 | |
| }, | |
| { | |
| "epoch": 0.74, | |
| "grad_norm": 1.160200595855713, | |
| "learning_rate": 1.9308698717182874e-06, | |
| "loss": 0.2238, | |
| "step": 1110 | |
| }, | |
| { | |
| "epoch": 0.7466666666666667, | |
| "grad_norm": 1.0725440979003906, | |
| "learning_rate": 1.8398534866757455e-06, | |
| "loss": 0.205, | |
| "step": 1120 | |
| }, | |
| { | |
| "epoch": 0.7533333333333333, | |
| "grad_norm": 1.2542827129364014, | |
| "learning_rate": 1.7505483767185583e-06, | |
| "loss": 0.2204, | |
| "step": 1130 | |
| }, | |
| { | |
| "epoch": 0.76, | |
| "grad_norm": 1.0758079290390015, | |
| "learning_rate": 1.6630029021392007e-06, | |
| "loss": 0.2184, | |
| "step": 1140 | |
| }, | |
| { | |
| "epoch": 0.7666666666666667, | |
| "grad_norm": 1.411552906036377, | |
| "learning_rate": 1.5772644703565564e-06, | |
| "loss": 0.2153, | |
| "step": 1150 | |
| }, | |
| { | |
| "epoch": 0.7733333333333333, | |
| "grad_norm": 2.0188000202178955, | |
| "learning_rate": 1.4933795102439558e-06, | |
| "loss": 0.2053, | |
| "step": 1160 | |
| }, | |
| { | |
| "epoch": 0.78, | |
| "grad_norm": 2.3859939575195312, | |
| "learning_rate": 1.4113934469871166e-06, | |
| "loss": 0.2133, | |
| "step": 1170 | |
| }, | |
| { | |
| "epoch": 0.7866666666666666, | |
| "grad_norm": 3.4312915802001953, | |
| "learning_rate": 1.3313506774856177e-06, | |
| "loss": 0.2175, | |
| "step": 1180 | |
| }, | |
| { | |
| "epoch": 0.7933333333333333, | |
| "grad_norm": 1.52335786819458, | |
| "learning_rate": 1.2532945463111856e-06, | |
| "loss": 0.2141, | |
| "step": 1190 | |
| }, | |
| { | |
| "epoch": 0.8, | |
| "grad_norm": 1.1572726964950562, | |
| "learning_rate": 1.1772673222358421e-06, | |
| "loss": 0.2195, | |
| "step": 1200 | |
| }, | |
| { | |
| "epoch": 0.8066666666666666, | |
| "grad_norm": 1.0347495079040527, | |
| "learning_rate": 1.1033101753426285e-06, | |
| "loss": 0.2172, | |
| "step": 1210 | |
| }, | |
| { | |
| "epoch": 0.8133333333333334, | |
| "grad_norm": 0.9982233643531799, | |
| "learning_rate": 1.0314631547312738e-06, | |
| "loss": 0.2109, | |
| "step": 1220 | |
| }, | |
| { | |
| "epoch": 0.82, | |
| "grad_norm": 1.1346759796142578, | |
| "learning_rate": 9.617651668308914e-07, | |
| "loss": 0.2251, | |
| "step": 1230 | |
| }, | |
| { | |
| "epoch": 0.8266666666666667, | |
| "grad_norm": 1.5688387155532837, | |
| "learning_rate": 8.942539543314799e-07, | |
| "loss": 0.2211, | |
| "step": 1240 | |
| }, | |
| { | |
| "epoch": 0.8333333333333334, | |
| "grad_norm": 1.6618013381958008, | |
| "learning_rate": 8.289660757455803e-07, | |
| "loss": 0.2137, | |
| "step": 1250 | |
| }, | |
| { | |
| "epoch": 0.84, | |
| "grad_norm": 1.3117378950119019, | |
| "learning_rate": 7.659368856111926e-07, | |
| "loss": 0.217, | |
| "step": 1260 | |
| }, | |
| { | |
| "epoch": 0.8466666666666667, | |
| "grad_norm": 1.3323535919189453, | |
| "learning_rate": 7.052005153466779e-07, | |
| "loss": 0.2055, | |
| "step": 1270 | |
| }, | |
| { | |
| "epoch": 0.8533333333333334, | |
| "grad_norm": 1.4721171855926514, | |
| "learning_rate": 6.467898547679913e-07, | |
| "loss": 0.2118, | |
| "step": 1280 | |
| }, | |
| { | |
| "epoch": 0.86, | |
| "grad_norm": 1.349565029144287, | |
| "learning_rate": 5.9073653427826e-07, | |
| "loss": 0.2164, | |
| "step": 1290 | |
| }, | |
| { | |
| "epoch": 0.8666666666666667, | |
| "grad_norm": 1.4053493738174438, | |
| "learning_rate": 5.370709077393721e-07, | |
| "loss": 0.2104, | |
| "step": 1300 | |
| }, | |
| { | |
| "epoch": 0.8733333333333333, | |
| "grad_norm": 2.291428327560425, | |
| "learning_rate": 4.858220360348187e-07, | |
| "loss": 0.207, | |
| "step": 1310 | |
| }, | |
| { | |
| "epoch": 0.88, | |
| "grad_norm": 1.3034300804138184, | |
| "learning_rate": 4.370176713327118e-07, | |
| "loss": 0.2078, | |
| "step": 1320 | |
| }, | |
| { | |
| "epoch": 0.8866666666666667, | |
| "grad_norm": 1.0496182441711426, | |
| "learning_rate": 3.90684242057498e-07, | |
| "loss": 0.2114, | |
| "step": 1330 | |
| }, | |
| { | |
| "epoch": 0.8933333333333333, | |
| "grad_norm": 1.2907580137252808, | |
| "learning_rate": 3.468468385785023e-07, | |
| "loss": 0.2113, | |
| "step": 1340 | |
| }, | |
| { | |
| "epoch": 0.9, | |
| "grad_norm": 1.1610709428787231, | |
| "learning_rate": 3.055291996230492e-07, | |
| "loss": 0.2058, | |
| "step": 1350 | |
| }, | |
| { | |
| "epoch": 0.9066666666666666, | |
| "grad_norm": 1.9348887205123901, | |
| "learning_rate": 2.6675369942151864e-07, | |
| "loss": 0.2101, | |
| "step": 1360 | |
| }, | |
| { | |
| "epoch": 0.9133333333333333, | |
| "grad_norm": 1.0518368482589722, | |
| "learning_rate": 2.3054133559131163e-07, | |
| "loss": 0.2089, | |
| "step": 1370 | |
| }, | |
| { | |
| "epoch": 0.92, | |
| "grad_norm": 1.478385090827942, | |
| "learning_rate": 1.9691171776626882e-07, | |
| "loss": 0.2148, | |
| "step": 1380 | |
| }, | |
| { | |
| "epoch": 0.9266666666666666, | |
| "grad_norm": 0.8153437972068787, | |
| "learning_rate": 1.6588305697770313e-07, | |
| "loss": 0.2134, | |
| "step": 1390 | |
| }, | |
| { | |
| "epoch": 0.9333333333333333, | |
| "grad_norm": 1.2501732110977173, | |
| "learning_rate": 1.374721557928116e-07, | |
| "loss": 0.215, | |
| "step": 1400 | |
| }, | |
| { | |
| "epoch": 0.94, | |
| "grad_norm": 1.0816752910614014, | |
| "learning_rate": 1.1169439921578485e-07, | |
| "loss": 0.2111, | |
| "step": 1410 | |
| }, | |
| { | |
| "epoch": 0.9466666666666667, | |
| "grad_norm": 0.9998034834861755, | |
| "learning_rate": 8.856374635655696e-08, | |
| "loss": 0.2082, | |
| "step": 1420 | |
| }, | |
| { | |
| "epoch": 0.9533333333333334, | |
| "grad_norm": 1.4752719402313232, | |
| "learning_rate": 6.809272287169988e-08, | |
| "loss": 0.2154, | |
| "step": 1430 | |
| }, | |
| { | |
| "epoch": 0.96, | |
| "grad_norm": 1.1925519704818726, | |
| "learning_rate": 5.029241418156139e-08, | |
| "loss": 0.2098, | |
| "step": 1440 | |
| }, | |
| { | |
| "epoch": 0.9666666666666667, | |
| "grad_norm": 1.416648030281067, | |
| "learning_rate": 3.517245946731529e-08, | |
| "loss": 0.2258, | |
| "step": 1450 | |
| }, | |
| { | |
| "epoch": 0.9733333333333334, | |
| "grad_norm": 1.5981041193008423, | |
| "learning_rate": 2.27410464511707e-08, | |
| "loss": 0.2055, | |
| "step": 1460 | |
| }, | |
| { | |
| "epoch": 0.98, | |
| "grad_norm": 1.2621235847473145, | |
| "learning_rate": 1.3004906962578723e-08, | |
| "loss": 0.2058, | |
| "step": 1470 | |
| }, | |
| { | |
| "epoch": 0.9866666666666667, | |
| "grad_norm": 0.9262104034423828, | |
| "learning_rate": 5.969313292830126e-09, | |
| "loss": 0.2158, | |
| "step": 1480 | |
| }, | |
| { | |
| "epoch": 0.9933333333333333, | |
| "grad_norm": 5.070499897003174, | |
| "learning_rate": 1.638075340010814e-09, | |
| "loss": 0.2064, | |
| "step": 1490 | |
| }, | |
| { | |
| "epoch": 1.0, | |
| "grad_norm": 1.1135783195495605, | |
| "learning_rate": 1.3538545881042198e-11, | |
| "loss": 0.2022, | |
| "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": 4.027162792170619e+18, | |
| "train_batch_size": 1, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |