| { | |
| "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": 5.994134426116943, | |
| "learning_rate": 6.000000000000001e-07, | |
| "loss": 0.175, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.013333333333333334, | |
| "grad_norm": 3.399946451187134, | |
| "learning_rate": 1.2666666666666669e-06, | |
| "loss": 0.1042, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 2.719925880432129, | |
| "learning_rate": 1.9333333333333336e-06, | |
| "loss": 0.0681, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.02666666666666667, | |
| "grad_norm": 1.0270307064056396, | |
| "learning_rate": 2.6e-06, | |
| "loss": 0.0551, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.03333333333333333, | |
| "grad_norm": 1.4608553647994995, | |
| "learning_rate": 3.266666666666667e-06, | |
| "loss": 0.0488, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 0.9024627804756165, | |
| "learning_rate": 3.9333333333333335e-06, | |
| "loss": 0.0438, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 0.04666666666666667, | |
| "grad_norm": 0.9753227233886719, | |
| "learning_rate": 4.600000000000001e-06, | |
| "loss": 0.0373, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 0.05333333333333334, | |
| "grad_norm": 1.1240687370300293, | |
| "learning_rate": 5.2666666666666665e-06, | |
| "loss": 0.0347, | |
| "step": 80 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 1.1371411085128784, | |
| "learning_rate": 5.933333333333335e-06, | |
| "loss": 0.0313, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 0.06666666666666667, | |
| "grad_norm": 0.7895496487617493, | |
| "learning_rate": 6.600000000000001e-06, | |
| "loss": 0.0296, | |
| "step": 100 | |
| }, | |
| { | |
| "epoch": 0.07333333333333333, | |
| "grad_norm": 0.7091456651687622, | |
| "learning_rate": 7.266666666666668e-06, | |
| "loss": 0.0288, | |
| "step": 110 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 0.6584561467170715, | |
| "learning_rate": 7.933333333333334e-06, | |
| "loss": 0.0273, | |
| "step": 120 | |
| }, | |
| { | |
| "epoch": 0.08666666666666667, | |
| "grad_norm": 0.8155165314674377, | |
| "learning_rate": 8.6e-06, | |
| "loss": 0.0249, | |
| "step": 130 | |
| }, | |
| { | |
| "epoch": 0.09333333333333334, | |
| "grad_norm": 0.505539059638977, | |
| "learning_rate": 9.266666666666667e-06, | |
| "loss": 0.0247, | |
| "step": 140 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 0.5572029948234558, | |
| "learning_rate": 9.933333333333334e-06, | |
| "loss": 0.0242, | |
| "step": 150 | |
| }, | |
| { | |
| "epoch": 0.10666666666666667, | |
| "grad_norm": 0.6190933585166931, | |
| "learning_rate": 9.998903417374228e-06, | |
| "loss": 0.0245, | |
| "step": 160 | |
| }, | |
| { | |
| "epoch": 0.11333333333333333, | |
| "grad_norm": 0.6677952408790588, | |
| "learning_rate": 9.995113378907791e-06, | |
| "loss": 0.0222, | |
| "step": 170 | |
| }, | |
| { | |
| "epoch": 0.12, | |
| "grad_norm": 0.7400258183479309, | |
| "learning_rate": 9.988618398427495e-06, | |
| "loss": 0.0223, | |
| "step": 180 | |
| }, | |
| { | |
| "epoch": 0.12666666666666668, | |
| "grad_norm": 0.5202834010124207, | |
| "learning_rate": 9.979421993079853e-06, | |
| "loss": 0.0225, | |
| "step": 190 | |
| }, | |
| { | |
| "epoch": 0.13333333333333333, | |
| "grad_norm": 0.8438924551010132, | |
| "learning_rate": 9.967529142880592e-06, | |
| "loss": 0.0201, | |
| "step": 200 | |
| }, | |
| { | |
| "epoch": 0.14, | |
| "grad_norm": 0.45411738753318787, | |
| "learning_rate": 9.952946288017899e-06, | |
| "loss": 0.02, | |
| "step": 210 | |
| }, | |
| { | |
| "epoch": 0.14666666666666667, | |
| "grad_norm": 0.8377485871315002, | |
| "learning_rate": 9.93568132536494e-06, | |
| "loss": 0.0202, | |
| "step": 220 | |
| }, | |
| { | |
| "epoch": 0.15333333333333332, | |
| "grad_norm": 0.4533974826335907, | |
| "learning_rate": 9.915743604203563e-06, | |
| "loss": 0.0197, | |
| "step": 230 | |
| }, | |
| { | |
| "epoch": 0.16, | |
| "grad_norm": 0.454845130443573, | |
| "learning_rate": 9.893143921161501e-06, | |
| "loss": 0.0187, | |
| "step": 240 | |
| }, | |
| { | |
| "epoch": 0.16666666666666666, | |
| "grad_norm": 0.41856563091278076, | |
| "learning_rate": 9.867894514365802e-06, | |
| "loss": 0.0187, | |
| "step": 250 | |
| }, | |
| { | |
| "epoch": 0.17333333333333334, | |
| "grad_norm": 0.38278889656066895, | |
| "learning_rate": 9.840009056815674e-06, | |
| "loss": 0.0182, | |
| "step": 260 | |
| }, | |
| { | |
| "epoch": 0.18, | |
| "grad_norm": 0.25773000717163086, | |
| "learning_rate": 9.809502648978311e-06, | |
| "loss": 0.018, | |
| "step": 270 | |
| }, | |
| { | |
| "epoch": 0.18666666666666668, | |
| "grad_norm": 0.35702040791511536, | |
| "learning_rate": 9.776391810611719e-06, | |
| "loss": 0.0183, | |
| "step": 280 | |
| }, | |
| { | |
| "epoch": 0.19333333333333333, | |
| "grad_norm": 0.27607065439224243, | |
| "learning_rate": 9.740694471818988e-06, | |
| "loss": 0.0181, | |
| "step": 290 | |
| }, | |
| { | |
| "epoch": 0.2, | |
| "grad_norm": 0.4670927822589874, | |
| "learning_rate": 9.702429963338812e-06, | |
| "loss": 0.0171, | |
| "step": 300 | |
| }, | |
| { | |
| "epoch": 0.20666666666666667, | |
| "grad_norm": 0.5781576037406921, | |
| "learning_rate": 9.661619006077562e-06, | |
| "loss": 0.0176, | |
| "step": 310 | |
| }, | |
| { | |
| "epoch": 0.21333333333333335, | |
| "grad_norm": 0.39511653780937195, | |
| "learning_rate": 9.618283699888543e-06, | |
| "loss": 0.0177, | |
| "step": 320 | |
| }, | |
| { | |
| "epoch": 0.22, | |
| "grad_norm": 0.5679556727409363, | |
| "learning_rate": 9.572447511604536e-06, | |
| "loss": 0.0181, | |
| "step": 330 | |
| }, | |
| { | |
| "epoch": 0.22666666666666666, | |
| "grad_norm": 0.425304651260376, | |
| "learning_rate": 9.524135262330098e-06, | |
| "loss": 0.0184, | |
| "step": 340 | |
| }, | |
| { | |
| "epoch": 0.23333333333333334, | |
| "grad_norm": 0.27742236852645874, | |
| "learning_rate": 9.473373114000493e-06, | |
| "loss": 0.0172, | |
| "step": 350 | |
| }, | |
| { | |
| "epoch": 0.24, | |
| "grad_norm": 0.5351159572601318, | |
| "learning_rate": 9.420188555214537e-06, | |
| "loss": 0.0182, | |
| "step": 360 | |
| }, | |
| { | |
| "epoch": 0.24666666666666667, | |
| "grad_norm": 0.3773418366909027, | |
| "learning_rate": 9.364610386349048e-06, | |
| "loss": 0.0167, | |
| "step": 370 | |
| }, | |
| { | |
| "epoch": 0.25333333333333335, | |
| "grad_norm": 0.16971096396446228, | |
| "learning_rate": 9.306668703962927e-06, | |
| "loss": 0.0161, | |
| "step": 380 | |
| }, | |
| { | |
| "epoch": 0.26, | |
| "grad_norm": 0.501671314239502, | |
| "learning_rate": 9.246394884499334e-06, | |
| "loss": 0.016, | |
| "step": 390 | |
| }, | |
| { | |
| "epoch": 0.26666666666666666, | |
| "grad_norm": 0.24730581045150757, | |
| "learning_rate": 9.18382156729481e-06, | |
| "loss": 0.0165, | |
| "step": 400 | |
| }, | |
| { | |
| "epoch": 0.2733333333333333, | |
| "grad_norm": 0.560579776763916, | |
| "learning_rate": 9.118982636904476e-06, | |
| "loss": 0.0172, | |
| "step": 410 | |
| }, | |
| { | |
| "epoch": 0.28, | |
| "grad_norm": 0.5397422313690186, | |
| "learning_rate": 9.051913204752972e-06, | |
| "loss": 0.0175, | |
| "step": 420 | |
| }, | |
| { | |
| "epoch": 0.2866666666666667, | |
| "grad_norm": 0.2890060842037201, | |
| "learning_rate": 8.982649590120982e-06, | |
| "loss": 0.0163, | |
| "step": 430 | |
| }, | |
| { | |
| "epoch": 0.29333333333333333, | |
| "grad_norm": 0.2693656086921692, | |
| "learning_rate": 8.911229300477716e-06, | |
| "loss": 0.016, | |
| "step": 440 | |
| }, | |
| { | |
| "epoch": 0.3, | |
| "grad_norm": 0.2653290331363678, | |
| "learning_rate": 8.837691011169944e-06, | |
| "loss": 0.0158, | |
| "step": 450 | |
| }, | |
| { | |
| "epoch": 0.30666666666666664, | |
| "grad_norm": 0.32299572229385376, | |
| "learning_rate": 8.762074544478622e-06, | |
| "loss": 0.0156, | |
| "step": 460 | |
| }, | |
| { | |
| "epoch": 0.31333333333333335, | |
| "grad_norm": 0.365024209022522, | |
| "learning_rate": 8.68442084805442e-06, | |
| "loss": 0.0165, | |
| "step": 470 | |
| }, | |
| { | |
| "epoch": 0.32, | |
| "grad_norm": 0.2508654296398163, | |
| "learning_rate": 8.604771972743848e-06, | |
| "loss": 0.0168, | |
| "step": 480 | |
| }, | |
| { | |
| "epoch": 0.32666666666666666, | |
| "grad_norm": 0.48612648248672485, | |
| "learning_rate": 8.523171049817974e-06, | |
| "loss": 0.0162, | |
| "step": 490 | |
| }, | |
| { | |
| "epoch": 0.3333333333333333, | |
| "grad_norm": 0.3079134523868561, | |
| "learning_rate": 8.439662267616093e-06, | |
| "loss": 0.0157, | |
| "step": 500 | |
| }, | |
| { | |
| "epoch": 0.34, | |
| "grad_norm": 0.343406081199646, | |
| "learning_rate": 8.354290847616954e-06, | |
| "loss": 0.0154, | |
| "step": 510 | |
| }, | |
| { | |
| "epoch": 0.3466666666666667, | |
| "grad_norm": 0.37056300044059753, | |
| "learning_rate": 8.267103019950529e-06, | |
| "loss": 0.0149, | |
| "step": 520 | |
| }, | |
| { | |
| "epoch": 0.35333333333333333, | |
| "grad_norm": 0.3414982557296753, | |
| "learning_rate": 8.178145998363585e-06, | |
| "loss": 0.0154, | |
| "step": 530 | |
| }, | |
| { | |
| "epoch": 0.36, | |
| "grad_norm": 0.288027286529541, | |
| "learning_rate": 8.087467954652608e-06, | |
| "loss": 0.016, | |
| "step": 540 | |
| }, | |
| { | |
| "epoch": 0.36666666666666664, | |
| "grad_norm": 0.5601997971534729, | |
| "learning_rate": 7.99511799257793e-06, | |
| "loss": 0.0157, | |
| "step": 550 | |
| }, | |
| { | |
| "epoch": 0.37333333333333335, | |
| "grad_norm": 0.31381815671920776, | |
| "learning_rate": 7.901146121273165e-06, | |
| "loss": 0.015, | |
| "step": 560 | |
| }, | |
| { | |
| "epoch": 0.38, | |
| "grad_norm": 0.4023382067680359, | |
| "learning_rate": 7.80560322816439e-06, | |
| "loss": 0.015, | |
| "step": 570 | |
| }, | |
| { | |
| "epoch": 0.38666666666666666, | |
| "grad_norm": 0.31351611018180847, | |
| "learning_rate": 7.7085410514137e-06, | |
| "loss": 0.0156, | |
| "step": 580 | |
| }, | |
| { | |
| "epoch": 0.3933333333333333, | |
| "grad_norm": 0.3770540952682495, | |
| "learning_rate": 7.610012151902091e-06, | |
| "loss": 0.0147, | |
| "step": 590 | |
| }, | |
| { | |
| "epoch": 0.4, | |
| "grad_norm": 0.36185187101364136, | |
| "learning_rate": 7.510069884766802e-06, | |
| "loss": 0.0147, | |
| "step": 600 | |
| }, | |
| { | |
| "epoch": 0.4066666666666667, | |
| "grad_norm": 0.3803247809410095, | |
| "learning_rate": 7.408768370508577e-06, | |
| "loss": 0.0152, | |
| "step": 610 | |
| }, | |
| { | |
| "epoch": 0.41333333333333333, | |
| "grad_norm": 0.27621161937713623, | |
| "learning_rate": 7.3061624656844544e-06, | |
| "loss": 0.0153, | |
| "step": 620 | |
| }, | |
| { | |
| "epoch": 0.42, | |
| "grad_norm": 0.2006918489933014, | |
| "learning_rate": 7.2023077332019755e-06, | |
| "loss": 0.0146, | |
| "step": 630 | |
| }, | |
| { | |
| "epoch": 0.4266666666666667, | |
| "grad_norm": 0.2993927001953125, | |
| "learning_rate": 7.0972604122308865e-06, | |
| "loss": 0.0141, | |
| "step": 640 | |
| }, | |
| { | |
| "epoch": 0.43333333333333335, | |
| "grad_norm": 0.46337828040122986, | |
| "learning_rate": 6.991077387748643e-06, | |
| "loss": 0.0142, | |
| "step": 650 | |
| }, | |
| { | |
| "epoch": 0.44, | |
| "grad_norm": 0.282240092754364, | |
| "learning_rate": 6.883816159736187e-06, | |
| "loss": 0.0144, | |
| "step": 660 | |
| }, | |
| { | |
| "epoch": 0.44666666666666666, | |
| "grad_norm": 0.4149034023284912, | |
| "learning_rate": 6.775534812040686e-06, | |
| "loss": 0.0143, | |
| "step": 670 | |
| }, | |
| { | |
| "epoch": 0.4533333333333333, | |
| "grad_norm": 0.3922434449195862, | |
| "learning_rate": 6.666291980922122e-06, | |
| "loss": 0.0137, | |
| "step": 680 | |
| }, | |
| { | |
| "epoch": 0.46, | |
| "grad_norm": 0.5721436738967896, | |
| "learning_rate": 6.556146823300701e-06, | |
| "loss": 0.0136, | |
| "step": 690 | |
| }, | |
| { | |
| "epoch": 0.4666666666666667, | |
| "grad_norm": 0.34256666898727417, | |
| "learning_rate": 6.445158984722358e-06, | |
| "loss": 0.014, | |
| "step": 700 | |
| }, | |
| { | |
| "epoch": 0.47333333333333333, | |
| "grad_norm": 0.24049052596092224, | |
| "learning_rate": 6.3333885670596285e-06, | |
| "loss": 0.0148, | |
| "step": 710 | |
| }, | |
| { | |
| "epoch": 0.48, | |
| "grad_norm": 0.46388548612594604, | |
| "learning_rate": 6.220896095965428e-06, | |
| "loss": 0.0139, | |
| "step": 720 | |
| }, | |
| { | |
| "epoch": 0.4866666666666667, | |
| "grad_norm": 0.22854427993297577, | |
| "learning_rate": 6.107742488097338e-06, | |
| "loss": 0.0141, | |
| "step": 730 | |
| }, | |
| { | |
| "epoch": 0.49333333333333335, | |
| "grad_norm": 0.5968183279037476, | |
| "learning_rate": 5.993989018130173e-06, | |
| "loss": 0.014, | |
| "step": 740 | |
| }, | |
| { | |
| "epoch": 0.5, | |
| "grad_norm": 0.4249207675457001, | |
| "learning_rate": 5.879697285574655e-06, | |
| "loss": 0.0138, | |
| "step": 750 | |
| }, | |
| { | |
| "epoch": 0.5066666666666667, | |
| "grad_norm": 0.2231101244688034, | |
| "learning_rate": 5.764929181420191e-06, | |
| "loss": 0.014, | |
| "step": 760 | |
| }, | |
| { | |
| "epoch": 0.5133333333333333, | |
| "grad_norm": 0.36653780937194824, | |
| "learning_rate": 5.649746854619814e-06, | |
| "loss": 0.0139, | |
| "step": 770 | |
| }, | |
| { | |
| "epoch": 0.52, | |
| "grad_norm": 0.19588175415992737, | |
| "learning_rate": 5.5342126784354265e-06, | |
| "loss": 0.0134, | |
| "step": 780 | |
| }, | |
| { | |
| "epoch": 0.5266666666666666, | |
| "grad_norm": 0.24854260683059692, | |
| "learning_rate": 5.41838921666158e-06, | |
| "loss": 0.014, | |
| "step": 790 | |
| }, | |
| { | |
| "epoch": 0.5333333333333333, | |
| "grad_norm": 0.3001134693622589, | |
| "learning_rate": 5.3023391897460715e-06, | |
| "loss": 0.0131, | |
| "step": 800 | |
| }, | |
| { | |
| "epoch": 0.54, | |
| "grad_norm": 0.49862706661224365, | |
| "learning_rate": 5.18612544082573e-06, | |
| "loss": 0.0137, | |
| "step": 810 | |
| }, | |
| { | |
| "epoch": 0.5466666666666666, | |
| "grad_norm": 0.26323696970939636, | |
| "learning_rate": 5.069810901695727e-06, | |
| "loss": 0.014, | |
| "step": 820 | |
| }, | |
| { | |
| "epoch": 0.5533333333333333, | |
| "grad_norm": 0.28076741099357605, | |
| "learning_rate": 4.953458558730917e-06, | |
| "loss": 0.0139, | |
| "step": 830 | |
| }, | |
| { | |
| "epoch": 0.56, | |
| "grad_norm": 0.3357063829898834, | |
| "learning_rate": 4.837131418777595e-06, | |
| "loss": 0.0136, | |
| "step": 840 | |
| }, | |
| { | |
| "epoch": 0.5666666666666667, | |
| "grad_norm": 0.24067562818527222, | |
| "learning_rate": 4.720892475034181e-06, | |
| "loss": 0.0135, | |
| "step": 850 | |
| }, | |
| { | |
| "epoch": 0.5733333333333334, | |
| "grad_norm": 0.25916463136672974, | |
| "learning_rate": 4.604804672939295e-06, | |
| "loss": 0.0136, | |
| "step": 860 | |
| }, | |
| { | |
| "epoch": 0.58, | |
| "grad_norm": 0.20351918041706085, | |
| "learning_rate": 4.4889308760856826e-06, | |
| "loss": 0.0133, | |
| "step": 870 | |
| }, | |
| { | |
| "epoch": 0.5866666666666667, | |
| "grad_norm": 0.4371054172515869, | |
| "learning_rate": 4.373333832178478e-06, | |
| "loss": 0.0134, | |
| "step": 880 | |
| }, | |
| { | |
| "epoch": 0.5933333333333334, | |
| "grad_norm": 0.39079660177230835, | |
| "learning_rate": 4.258076139056217e-06, | |
| "loss": 0.013, | |
| "step": 890 | |
| }, | |
| { | |
| "epoch": 0.6, | |
| "grad_norm": 0.4381239116191864, | |
| "learning_rate": 4.143220210792993e-06, | |
| "loss": 0.0132, | |
| "step": 900 | |
| }, | |
| { | |
| "epoch": 0.6066666666666667, | |
| "grad_norm": 0.3160956799983978, | |
| "learning_rate": 4.028828243900141e-06, | |
| "loss": 0.0129, | |
| "step": 910 | |
| }, | |
| { | |
| "epoch": 0.6133333333333333, | |
| "grad_norm": 0.2651028633117676, | |
| "learning_rate": 3.914962183645733e-06, | |
| "loss": 0.0129, | |
| "step": 920 | |
| }, | |
| { | |
| "epoch": 0.62, | |
| "grad_norm": 0.3607714772224426, | |
| "learning_rate": 3.8016836905101157e-06, | |
| "loss": 0.0133, | |
| "step": 930 | |
| }, | |
| { | |
| "epoch": 0.6266666666666667, | |
| "grad_norm": 0.36503130197525024, | |
| "learning_rate": 3.6890541067956775e-06, | |
| "loss": 0.0134, | |
| "step": 940 | |
| }, | |
| { | |
| "epoch": 0.6333333333333333, | |
| "grad_norm": 0.17073476314544678, | |
| "learning_rate": 3.577134423408906e-06, | |
| "loss": 0.0136, | |
| "step": 950 | |
| }, | |
| { | |
| "epoch": 0.64, | |
| "grad_norm": 0.17764368653297424, | |
| "learning_rate": 3.465985246832739e-06, | |
| "loss": 0.0132, | |
| "step": 960 | |
| }, | |
| { | |
| "epoch": 0.6466666666666666, | |
| "grad_norm": 0.2625918984413147, | |
| "learning_rate": 3.355666766307084e-06, | |
| "loss": 0.0129, | |
| "step": 970 | |
| }, | |
| { | |
| "epoch": 0.6533333333333333, | |
| "grad_norm": 0.2430090755224228, | |
| "learning_rate": 3.246238721235283e-06, | |
| "loss": 0.0126, | |
| "step": 980 | |
| }, | |
| { | |
| "epoch": 0.66, | |
| "grad_norm": 0.19679400324821472, | |
| "learning_rate": 3.137760368834169e-06, | |
| "loss": 0.0124, | |
| "step": 990 | |
| }, | |
| { | |
| "epoch": 0.6666666666666666, | |
| "grad_norm": 0.16957494616508484, | |
| "learning_rate": 3.030290452045245e-06, | |
| "loss": 0.0121, | |
| "step": 1000 | |
| }, | |
| { | |
| "epoch": 0.6733333333333333, | |
| "grad_norm": 0.14903229475021362, | |
| "learning_rate": 2.9238871677243354e-06, | |
| "loss": 0.0122, | |
| "step": 1010 | |
| }, | |
| { | |
| "epoch": 0.68, | |
| "grad_norm": 0.3105601370334625, | |
| "learning_rate": 2.818608135126967e-06, | |
| "loss": 0.0129, | |
| "step": 1020 | |
| }, | |
| { | |
| "epoch": 0.6866666666666666, | |
| "grad_norm": 0.2961723506450653, | |
| "learning_rate": 2.714510364706531e-06, | |
| "loss": 0.0126, | |
| "step": 1030 | |
| }, | |
| { | |
| "epoch": 0.6933333333333334, | |
| "grad_norm": 0.3342641294002533, | |
| "learning_rate": 2.611650227242102e-06, | |
| "loss": 0.0132, | |
| "step": 1040 | |
| }, | |
| { | |
| "epoch": 0.7, | |
| "grad_norm": 0.20333339273929596, | |
| "learning_rate": 2.5100834233126827e-06, | |
| "loss": 0.0122, | |
| "step": 1050 | |
| }, | |
| { | |
| "epoch": 0.7066666666666667, | |
| "grad_norm": 0.3329560458660126, | |
| "learning_rate": 2.40986495313435e-06, | |
| "loss": 0.0119, | |
| "step": 1060 | |
| }, | |
| { | |
| "epoch": 0.7133333333333334, | |
| "grad_norm": 0.22609993815422058, | |
| "learning_rate": 2.3110490867766644e-06, | |
| "loss": 0.0123, | |
| "step": 1070 | |
| }, | |
| { | |
| "epoch": 0.72, | |
| "grad_norm": 0.227346271276474, | |
| "learning_rate": 2.213689334774479e-06, | |
| "loss": 0.0126, | |
| "step": 1080 | |
| }, | |
| { | |
| "epoch": 0.7266666666666667, | |
| "grad_norm": 0.24375805258750916, | |
| "learning_rate": 2.1178384191510344e-06, | |
| "loss": 0.0123, | |
| "step": 1090 | |
| }, | |
| { | |
| "epoch": 0.7333333333333333, | |
| "grad_norm": 0.42897361516952515, | |
| "learning_rate": 2.023548244868051e-06, | |
| "loss": 0.0119, | |
| "step": 1100 | |
| }, | |
| { | |
| "epoch": 0.74, | |
| "grad_norm": 0.18579314649105072, | |
| "learning_rate": 1.9308698717182874e-06, | |
| "loss": 0.0118, | |
| "step": 1110 | |
| }, | |
| { | |
| "epoch": 0.7466666666666667, | |
| "grad_norm": 0.31094327569007874, | |
| "learning_rate": 1.8398534866757455e-06, | |
| "loss": 0.0123, | |
| "step": 1120 | |
| }, | |
| { | |
| "epoch": 0.7533333333333333, | |
| "grad_norm": 0.19215841591358185, | |
| "learning_rate": 1.7505483767185583e-06, | |
| "loss": 0.012, | |
| "step": 1130 | |
| }, | |
| { | |
| "epoch": 0.76, | |
| "grad_norm": 0.2373524308204651, | |
| "learning_rate": 1.6630029021392007e-06, | |
| "loss": 0.0119, | |
| "step": 1140 | |
| }, | |
| { | |
| "epoch": 0.7666666666666667, | |
| "grad_norm": 0.2096996158361435, | |
| "learning_rate": 1.5772644703565564e-06, | |
| "loss": 0.0116, | |
| "step": 1150 | |
| }, | |
| { | |
| "epoch": 0.7733333333333333, | |
| "grad_norm": 0.15444570779800415, | |
| "learning_rate": 1.4933795102439558e-06, | |
| "loss": 0.0117, | |
| "step": 1160 | |
| }, | |
| { | |
| "epoch": 0.78, | |
| "grad_norm": 0.23972508311271667, | |
| "learning_rate": 1.4113934469871166e-06, | |
| "loss": 0.0121, | |
| "step": 1170 | |
| }, | |
| { | |
| "epoch": 0.7866666666666666, | |
| "grad_norm": 0.2645227015018463, | |
| "learning_rate": 1.3313506774856177e-06, | |
| "loss": 0.0117, | |
| "step": 1180 | |
| }, | |
| { | |
| "epoch": 0.7933333333333333, | |
| "grad_norm": 0.2004222571849823, | |
| "learning_rate": 1.2532945463111856e-06, | |
| "loss": 0.0118, | |
| "step": 1190 | |
| }, | |
| { | |
| "epoch": 0.8, | |
| "grad_norm": 0.16215702891349792, | |
| "learning_rate": 1.1772673222358421e-06, | |
| "loss": 0.0115, | |
| "step": 1200 | |
| }, | |
| { | |
| "epoch": 0.8066666666666666, | |
| "grad_norm": 0.31943339109420776, | |
| "learning_rate": 1.1033101753426285e-06, | |
| "loss": 0.0113, | |
| "step": 1210 | |
| }, | |
| { | |
| "epoch": 0.8133333333333334, | |
| "grad_norm": 0.3029946982860565, | |
| "learning_rate": 1.0314631547312738e-06, | |
| "loss": 0.0118, | |
| "step": 1220 | |
| }, | |
| { | |
| "epoch": 0.82, | |
| "grad_norm": 0.2504347860813141, | |
| "learning_rate": 9.617651668308914e-07, | |
| "loss": 0.0113, | |
| "step": 1230 | |
| }, | |
| { | |
| "epoch": 0.8266666666666667, | |
| "grad_norm": 0.2231006771326065, | |
| "learning_rate": 8.942539543314799e-07, | |
| "loss": 0.0116, | |
| "step": 1240 | |
| }, | |
| { | |
| "epoch": 0.8333333333333334, | |
| "grad_norm": 0.3094524145126343, | |
| "learning_rate": 8.289660757455803e-07, | |
| "loss": 0.0114, | |
| "step": 1250 | |
| }, | |
| { | |
| "epoch": 0.84, | |
| "grad_norm": 0.2513866126537323, | |
| "learning_rate": 7.659368856111926e-07, | |
| "loss": 0.0115, | |
| "step": 1260 | |
| }, | |
| { | |
| "epoch": 0.8466666666666667, | |
| "grad_norm": 0.23681369423866272, | |
| "learning_rate": 7.052005153466779e-07, | |
| "loss": 0.0117, | |
| "step": 1270 | |
| }, | |
| { | |
| "epoch": 0.8533333333333334, | |
| "grad_norm": 0.1608186662197113, | |
| "learning_rate": 6.467898547679913e-07, | |
| "loss": 0.0105, | |
| "step": 1280 | |
| }, | |
| { | |
| "epoch": 0.86, | |
| "grad_norm": 0.24096722900867462, | |
| "learning_rate": 5.9073653427826e-07, | |
| "loss": 0.0113, | |
| "step": 1290 | |
| }, | |
| { | |
| "epoch": 0.8666666666666667, | |
| "grad_norm": 0.28255495429039, | |
| "learning_rate": 5.370709077393721e-07, | |
| "loss": 0.0118, | |
| "step": 1300 | |
| }, | |
| { | |
| "epoch": 0.8733333333333333, | |
| "grad_norm": 0.3056003749370575, | |
| "learning_rate": 4.858220360348187e-07, | |
| "loss": 0.0115, | |
| "step": 1310 | |
| }, | |
| { | |
| "epoch": 0.88, | |
| "grad_norm": 0.13782945275306702, | |
| "learning_rate": 4.370176713327118e-07, | |
| "loss": 0.0111, | |
| "step": 1320 | |
| }, | |
| { | |
| "epoch": 0.8866666666666667, | |
| "grad_norm": 0.2869226336479187, | |
| "learning_rate": 3.90684242057498e-07, | |
| "loss": 0.0116, | |
| "step": 1330 | |
| }, | |
| { | |
| "epoch": 0.8933333333333333, | |
| "grad_norm": 0.191489115357399, | |
| "learning_rate": 3.468468385785023e-07, | |
| "loss": 0.0111, | |
| "step": 1340 | |
| }, | |
| { | |
| "epoch": 0.9, | |
| "grad_norm": 0.34388700127601624, | |
| "learning_rate": 3.055291996230492e-07, | |
| "loss": 0.0117, | |
| "step": 1350 | |
| }, | |
| { | |
| "epoch": 0.9066666666666666, | |
| "grad_norm": 0.5081269145011902, | |
| "learning_rate": 2.6675369942151864e-07, | |
| "loss": 0.0112, | |
| "step": 1360 | |
| }, | |
| { | |
| "epoch": 0.9133333333333333, | |
| "grad_norm": 0.16801099479198456, | |
| "learning_rate": 2.3054133559131163e-07, | |
| "loss": 0.0112, | |
| "step": 1370 | |
| }, | |
| { | |
| "epoch": 0.92, | |
| "grad_norm": 0.16556338965892792, | |
| "learning_rate": 1.9691171776626882e-07, | |
| "loss": 0.0115, | |
| "step": 1380 | |
| }, | |
| { | |
| "epoch": 0.9266666666666666, | |
| "grad_norm": 0.2073337435722351, | |
| "learning_rate": 1.6588305697770313e-07, | |
| "loss": 0.012, | |
| "step": 1390 | |
| }, | |
| { | |
| "epoch": 0.9333333333333333, | |
| "grad_norm": 0.254895955324173, | |
| "learning_rate": 1.374721557928116e-07, | |
| "loss": 0.0113, | |
| "step": 1400 | |
| }, | |
| { | |
| "epoch": 0.94, | |
| "grad_norm": 0.27769893407821655, | |
| "learning_rate": 1.1169439921578485e-07, | |
| "loss": 0.0112, | |
| "step": 1410 | |
| }, | |
| { | |
| "epoch": 0.9466666666666667, | |
| "grad_norm": 0.16233797371387482, | |
| "learning_rate": 8.856374635655696e-08, | |
| "loss": 0.0116, | |
| "step": 1420 | |
| }, | |
| { | |
| "epoch": 0.9533333333333334, | |
| "grad_norm": 0.23681287467479706, | |
| "learning_rate": 6.809272287169988e-08, | |
| "loss": 0.0112, | |
| "step": 1430 | |
| }, | |
| { | |
| "epoch": 0.96, | |
| "grad_norm": 0.25841930508613586, | |
| "learning_rate": 5.029241418156139e-08, | |
| "loss": 0.0116, | |
| "step": 1440 | |
| }, | |
| { | |
| "epoch": 0.9666666666666667, | |
| "grad_norm": 0.17749659717082977, | |
| "learning_rate": 3.517245946731529e-08, | |
| "loss": 0.0113, | |
| "step": 1450 | |
| }, | |
| { | |
| "epoch": 0.9733333333333334, | |
| "grad_norm": 0.29562607407569885, | |
| "learning_rate": 2.27410464511707e-08, | |
| "loss": 0.0116, | |
| "step": 1460 | |
| }, | |
| { | |
| "epoch": 0.98, | |
| "grad_norm": 0.24327848851680756, | |
| "learning_rate": 1.3004906962578723e-08, | |
| "loss": 0.0111, | |
| "step": 1470 | |
| }, | |
| { | |
| "epoch": 0.9866666666666667, | |
| "grad_norm": 0.3031357228755951, | |
| "learning_rate": 5.969313292830126e-09, | |
| "loss": 0.0113, | |
| "step": 1480 | |
| }, | |
| { | |
| "epoch": 0.9933333333333333, | |
| "grad_norm": 0.22128340601921082, | |
| "learning_rate": 1.638075340010814e-09, | |
| "loss": 0.0108, | |
| "step": 1490 | |
| }, | |
| { | |
| "epoch": 1.0, | |
| "grad_norm": 0.2441670298576355, | |
| "learning_rate": 1.3538545881042198e-11, | |
| "loss": 0.0115, | |
| "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": 8.67600989843515e+18, | |
| "train_batch_size": 1, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |