| { | |
| "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": 5.007427215576172, | |
| "learning_rate": 6.000000000000001e-07, | |
| "loss": 0.1589, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.013333333333333334, | |
| "grad_norm": 0.6861873269081116, | |
| "learning_rate": 1.2666666666666669e-06, | |
| "loss": 0.1004, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 1.0730198621749878, | |
| "learning_rate": 1.9333333333333336e-06, | |
| "loss": 0.0683, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.02666666666666667, | |
| "grad_norm": 0.8564884662628174, | |
| "learning_rate": 2.6e-06, | |
| "loss": 0.0567, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.03333333333333333, | |
| "grad_norm": 1.2207591533660889, | |
| "learning_rate": 3.266666666666667e-06, | |
| "loss": 0.0475, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 0.5627862811088562, | |
| "learning_rate": 3.9333333333333335e-06, | |
| "loss": 0.0411, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 0.04666666666666667, | |
| "grad_norm": 0.6807485818862915, | |
| "learning_rate": 4.600000000000001e-06, | |
| "loss": 0.038, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 0.05333333333333334, | |
| "grad_norm": 0.49936825037002563, | |
| "learning_rate": 5.2666666666666665e-06, | |
| "loss": 0.0357, | |
| "step": 80 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 0.28609421849250793, | |
| "learning_rate": 5.933333333333335e-06, | |
| "loss": 0.0344, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 0.06666666666666667, | |
| "grad_norm": 0.4019889235496521, | |
| "learning_rate": 6.600000000000001e-06, | |
| "loss": 0.0332, | |
| "step": 100 | |
| }, | |
| { | |
| "epoch": 0.07333333333333333, | |
| "grad_norm": 0.2754182517528534, | |
| "learning_rate": 7.266666666666668e-06, | |
| "loss": 0.0311, | |
| "step": 110 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 0.3996354937553406, | |
| "learning_rate": 7.933333333333334e-06, | |
| "loss": 0.0307, | |
| "step": 120 | |
| }, | |
| { | |
| "epoch": 0.08666666666666667, | |
| "grad_norm": 0.363582968711853, | |
| "learning_rate": 8.6e-06, | |
| "loss": 0.0308, | |
| "step": 130 | |
| }, | |
| { | |
| "epoch": 0.09333333333333334, | |
| "grad_norm": 0.38916730880737305, | |
| "learning_rate": 9.266666666666667e-06, | |
| "loss": 0.0296, | |
| "step": 140 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 0.3249911069869995, | |
| "learning_rate": 9.933333333333334e-06, | |
| "loss": 0.03, | |
| "step": 150 | |
| }, | |
| { | |
| "epoch": 0.10666666666666667, | |
| "grad_norm": 0.2830469310283661, | |
| "learning_rate": 9.998903417374228e-06, | |
| "loss": 0.0299, | |
| "step": 160 | |
| }, | |
| { | |
| "epoch": 0.11333333333333333, | |
| "grad_norm": 0.2858718931674957, | |
| "learning_rate": 9.995113378907791e-06, | |
| "loss": 0.029, | |
| "step": 170 | |
| }, | |
| { | |
| "epoch": 0.12, | |
| "grad_norm": 0.3173503875732422, | |
| "learning_rate": 9.988618398427495e-06, | |
| "loss": 0.0291, | |
| "step": 180 | |
| }, | |
| { | |
| "epoch": 0.12666666666666668, | |
| "grad_norm": 0.2557450532913208, | |
| "learning_rate": 9.979421993079853e-06, | |
| "loss": 0.0279, | |
| "step": 190 | |
| }, | |
| { | |
| "epoch": 0.13333333333333333, | |
| "grad_norm": 0.24146929383277893, | |
| "learning_rate": 9.967529142880592e-06, | |
| "loss": 0.0274, | |
| "step": 200 | |
| }, | |
| { | |
| "epoch": 0.14, | |
| "grad_norm": 0.30874210596084595, | |
| "learning_rate": 9.952946288017899e-06, | |
| "loss": 0.0271, | |
| "step": 210 | |
| }, | |
| { | |
| "epoch": 0.14666666666666667, | |
| "grad_norm": 0.24789240956306458, | |
| "learning_rate": 9.93568132536494e-06, | |
| "loss": 0.0276, | |
| "step": 220 | |
| }, | |
| { | |
| "epoch": 0.15333333333333332, | |
| "grad_norm": 0.26219287514686584, | |
| "learning_rate": 9.915743604203563e-06, | |
| "loss": 0.0272, | |
| "step": 230 | |
| }, | |
| { | |
| "epoch": 0.16, | |
| "grad_norm": 0.34218502044677734, | |
| "learning_rate": 9.893143921161501e-06, | |
| "loss": 0.0269, | |
| "step": 240 | |
| }, | |
| { | |
| "epoch": 0.16666666666666666, | |
| "grad_norm": 0.22423240542411804, | |
| "learning_rate": 9.867894514365802e-06, | |
| "loss": 0.0265, | |
| "step": 250 | |
| }, | |
| { | |
| "epoch": 0.17333333333333334, | |
| "grad_norm": 0.21368414163589478, | |
| "learning_rate": 9.840009056815674e-06, | |
| "loss": 0.0269, | |
| "step": 260 | |
| }, | |
| { | |
| "epoch": 0.18, | |
| "grad_norm": 0.32033297419548035, | |
| "learning_rate": 9.809502648978311e-06, | |
| "loss": 0.0267, | |
| "step": 270 | |
| }, | |
| { | |
| "epoch": 0.18666666666666668, | |
| "grad_norm": 0.25767120718955994, | |
| "learning_rate": 9.776391810611719e-06, | |
| "loss": 0.0264, | |
| "step": 280 | |
| }, | |
| { | |
| "epoch": 0.19333333333333333, | |
| "grad_norm": 0.17641927301883698, | |
| "learning_rate": 9.740694471818988e-06, | |
| "loss": 0.0268, | |
| "step": 290 | |
| }, | |
| { | |
| "epoch": 0.2, | |
| "grad_norm": 0.18101456761360168, | |
| "learning_rate": 9.702429963338812e-06, | |
| "loss": 0.0264, | |
| "step": 300 | |
| }, | |
| { | |
| "epoch": 0.20666666666666667, | |
| "grad_norm": 0.10780258476734161, | |
| "learning_rate": 9.661619006077562e-06, | |
| "loss": 0.0261, | |
| "step": 310 | |
| }, | |
| { | |
| "epoch": 0.21333333333333335, | |
| "grad_norm": 0.21090687811374664, | |
| "learning_rate": 9.618283699888543e-06, | |
| "loss": 0.026, | |
| "step": 320 | |
| }, | |
| { | |
| "epoch": 0.22, | |
| "grad_norm": 0.21452632546424866, | |
| "learning_rate": 9.572447511604536e-06, | |
| "loss": 0.025, | |
| "step": 330 | |
| }, | |
| { | |
| "epoch": 0.22666666666666666, | |
| "grad_norm": 0.24952077865600586, | |
| "learning_rate": 9.524135262330098e-06, | |
| "loss": 0.0259, | |
| "step": 340 | |
| }, | |
| { | |
| "epoch": 0.23333333333333334, | |
| "grad_norm": 0.1787034124135971, | |
| "learning_rate": 9.473373114000493e-06, | |
| "loss": 0.0259, | |
| "step": 350 | |
| }, | |
| { | |
| "epoch": 0.24, | |
| "grad_norm": 0.11072325706481934, | |
| "learning_rate": 9.420188555214537e-06, | |
| "loss": 0.0252, | |
| "step": 360 | |
| }, | |
| { | |
| "epoch": 0.24666666666666667, | |
| "grad_norm": 0.2648320496082306, | |
| "learning_rate": 9.364610386349048e-06, | |
| "loss": 0.0256, | |
| "step": 370 | |
| }, | |
| { | |
| "epoch": 0.25333333333333335, | |
| "grad_norm": 0.10721127688884735, | |
| "learning_rate": 9.306668703962927e-06, | |
| "loss": 0.0259, | |
| "step": 380 | |
| }, | |
| { | |
| "epoch": 0.26, | |
| "grad_norm": 0.16879712045192719, | |
| "learning_rate": 9.246394884499334e-06, | |
| "loss": 0.0256, | |
| "step": 390 | |
| }, | |
| { | |
| "epoch": 0.26666666666666666, | |
| "grad_norm": 0.18450625240802765, | |
| "learning_rate": 9.18382156729481e-06, | |
| "loss": 0.0258, | |
| "step": 400 | |
| }, | |
| { | |
| "epoch": 0.2733333333333333, | |
| "grad_norm": 0.1653374284505844, | |
| "learning_rate": 9.118982636904476e-06, | |
| "loss": 0.0253, | |
| "step": 410 | |
| }, | |
| { | |
| "epoch": 0.28, | |
| "grad_norm": 0.12620121240615845, | |
| "learning_rate": 9.051913204752972e-06, | |
| "loss": 0.0249, | |
| "step": 420 | |
| }, | |
| { | |
| "epoch": 0.2866666666666667, | |
| "grad_norm": 0.11288323998451233, | |
| "learning_rate": 8.982649590120982e-06, | |
| "loss": 0.0252, | |
| "step": 430 | |
| }, | |
| { | |
| "epoch": 0.29333333333333333, | |
| "grad_norm": 0.20224295556545258, | |
| "learning_rate": 8.911229300477716e-06, | |
| "loss": 0.0253, | |
| "step": 440 | |
| }, | |
| { | |
| "epoch": 0.3, | |
| "grad_norm": 0.22105106711387634, | |
| "learning_rate": 8.837691011169944e-06, | |
| "loss": 0.0255, | |
| "step": 450 | |
| }, | |
| { | |
| "epoch": 0.30666666666666664, | |
| "grad_norm": 0.137141153216362, | |
| "learning_rate": 8.762074544478622e-06, | |
| "loss": 0.0252, | |
| "step": 460 | |
| }, | |
| { | |
| "epoch": 0.31333333333333335, | |
| "grad_norm": 0.22038190066814423, | |
| "learning_rate": 8.68442084805442e-06, | |
| "loss": 0.0253, | |
| "step": 470 | |
| }, | |
| { | |
| "epoch": 0.32, | |
| "grad_norm": 0.15362399816513062, | |
| "learning_rate": 8.604771972743848e-06, | |
| "loss": 0.0252, | |
| "step": 480 | |
| }, | |
| { | |
| "epoch": 0.32666666666666666, | |
| "grad_norm": 0.11538795381784439, | |
| "learning_rate": 8.523171049817974e-06, | |
| "loss": 0.0262, | |
| "step": 490 | |
| }, | |
| { | |
| "epoch": 0.3333333333333333, | |
| "grad_norm": 0.19763539731502533, | |
| "learning_rate": 8.439662267616093e-06, | |
| "loss": 0.0251, | |
| "step": 500 | |
| }, | |
| { | |
| "epoch": 0.34, | |
| "grad_norm": 0.19699627161026, | |
| "learning_rate": 8.354290847616954e-06, | |
| "loss": 0.0243, | |
| "step": 510 | |
| }, | |
| { | |
| "epoch": 0.3466666666666667, | |
| "grad_norm": 0.14615878462791443, | |
| "learning_rate": 8.267103019950529e-06, | |
| "loss": 0.0251, | |
| "step": 520 | |
| }, | |
| { | |
| "epoch": 0.35333333333333333, | |
| "grad_norm": 0.1870644986629486, | |
| "learning_rate": 8.178145998363585e-06, | |
| "loss": 0.0241, | |
| "step": 530 | |
| }, | |
| { | |
| "epoch": 0.36, | |
| "grad_norm": 0.11355578154325485, | |
| "learning_rate": 8.087467954652608e-06, | |
| "loss": 0.0249, | |
| "step": 540 | |
| }, | |
| { | |
| "epoch": 0.36666666666666664, | |
| "grad_norm": 0.12107926607131958, | |
| "learning_rate": 7.99511799257793e-06, | |
| "loss": 0.0249, | |
| "step": 550 | |
| }, | |
| { | |
| "epoch": 0.37333333333333335, | |
| "grad_norm": 0.2409648448228836, | |
| "learning_rate": 7.901146121273165e-06, | |
| "loss": 0.0246, | |
| "step": 560 | |
| }, | |
| { | |
| "epoch": 0.38, | |
| "grad_norm": 0.17985346913337708, | |
| "learning_rate": 7.80560322816439e-06, | |
| "loss": 0.0249, | |
| "step": 570 | |
| }, | |
| { | |
| "epoch": 0.38666666666666666, | |
| "grad_norm": 0.13324233889579773, | |
| "learning_rate": 7.7085410514137e-06, | |
| "loss": 0.0247, | |
| "step": 580 | |
| }, | |
| { | |
| "epoch": 0.3933333333333333, | |
| "grad_norm": 0.10812277346849442, | |
| "learning_rate": 7.610012151902091e-06, | |
| "loss": 0.0251, | |
| "step": 590 | |
| }, | |
| { | |
| "epoch": 0.4, | |
| "grad_norm": 0.10378154367208481, | |
| "learning_rate": 7.510069884766802e-06, | |
| "loss": 0.025, | |
| "step": 600 | |
| }, | |
| { | |
| "epoch": 0.4066666666666667, | |
| "grad_norm": 0.09168791770935059, | |
| "learning_rate": 7.408768370508577e-06, | |
| "loss": 0.0252, | |
| "step": 610 | |
| }, | |
| { | |
| "epoch": 0.41333333333333333, | |
| "grad_norm": 0.12985758483409882, | |
| "learning_rate": 7.3061624656844544e-06, | |
| "loss": 0.0253, | |
| "step": 620 | |
| }, | |
| { | |
| "epoch": 0.42, | |
| "grad_norm": 0.15318305790424347, | |
| "learning_rate": 7.2023077332019755e-06, | |
| "loss": 0.0248, | |
| "step": 630 | |
| }, | |
| { | |
| "epoch": 0.4266666666666667, | |
| "grad_norm": 0.16734816133975983, | |
| "learning_rate": 7.0972604122308865e-06, | |
| "loss": 0.0254, | |
| "step": 640 | |
| }, | |
| { | |
| "epoch": 0.43333333333333335, | |
| "grad_norm": 0.0794856995344162, | |
| "learning_rate": 6.991077387748643e-06, | |
| "loss": 0.0255, | |
| "step": 650 | |
| }, | |
| { | |
| "epoch": 0.44, | |
| "grad_norm": 0.07696572691202164, | |
| "learning_rate": 6.883816159736187e-06, | |
| "loss": 0.025, | |
| "step": 660 | |
| }, | |
| { | |
| "epoch": 0.44666666666666666, | |
| "grad_norm": 0.16848257184028625, | |
| "learning_rate": 6.775534812040686e-06, | |
| "loss": 0.0244, | |
| "step": 670 | |
| }, | |
| { | |
| "epoch": 0.4533333333333333, | |
| "grad_norm": 0.16753967106342316, | |
| "learning_rate": 6.666291980922122e-06, | |
| "loss": 0.0253, | |
| "step": 680 | |
| }, | |
| { | |
| "epoch": 0.46, | |
| "grad_norm": 0.1586512327194214, | |
| "learning_rate": 6.556146823300701e-06, | |
| "loss": 0.0248, | |
| "step": 690 | |
| }, | |
| { | |
| "epoch": 0.4666666666666667, | |
| "grad_norm": 0.18935298919677734, | |
| "learning_rate": 6.445158984722358e-06, | |
| "loss": 0.0249, | |
| "step": 700 | |
| }, | |
| { | |
| "epoch": 0.47333333333333333, | |
| "grad_norm": 0.1265689581632614, | |
| "learning_rate": 6.3333885670596285e-06, | |
| "loss": 0.0249, | |
| "step": 710 | |
| }, | |
| { | |
| "epoch": 0.48, | |
| "grad_norm": 0.1812032014131546, | |
| "learning_rate": 6.220896095965428e-06, | |
| "loss": 0.0254, | |
| "step": 720 | |
| }, | |
| { | |
| "epoch": 0.4866666666666667, | |
| "grad_norm": 0.18114884197711945, | |
| "learning_rate": 6.107742488097338e-06, | |
| "loss": 0.0257, | |
| "step": 730 | |
| }, | |
| { | |
| "epoch": 0.49333333333333335, | |
| "grad_norm": 0.16141660511493683, | |
| "learning_rate": 5.993989018130173e-06, | |
| "loss": 0.0259, | |
| "step": 740 | |
| }, | |
| { | |
| "epoch": 0.5, | |
| "grad_norm": 0.07809499651193619, | |
| "learning_rate": 5.879697285574655e-06, | |
| "loss": 0.0249, | |
| "step": 750 | |
| }, | |
| { | |
| "epoch": 0.5066666666666667, | |
| "grad_norm": 0.09137459099292755, | |
| "learning_rate": 5.764929181420191e-06, | |
| "loss": 0.0247, | |
| "step": 760 | |
| }, | |
| { | |
| "epoch": 0.5133333333333333, | |
| "grad_norm": 0.07189946621656418, | |
| "learning_rate": 5.649746854619814e-06, | |
| "loss": 0.0257, | |
| "step": 770 | |
| }, | |
| { | |
| "epoch": 0.52, | |
| "grad_norm": 0.10245739668607712, | |
| "learning_rate": 5.5342126784354265e-06, | |
| "loss": 0.0254, | |
| "step": 780 | |
| }, | |
| { | |
| "epoch": 0.5266666666666666, | |
| "grad_norm": 0.0899691954255104, | |
| "learning_rate": 5.41838921666158e-06, | |
| "loss": 0.0248, | |
| "step": 790 | |
| }, | |
| { | |
| "epoch": 0.5333333333333333, | |
| "grad_norm": 0.08899939060211182, | |
| "learning_rate": 5.3023391897460715e-06, | |
| "loss": 0.0252, | |
| "step": 800 | |
| }, | |
| { | |
| "epoch": 0.54, | |
| "grad_norm": 0.10353093594312668, | |
| "learning_rate": 5.18612544082573e-06, | |
| "loss": 0.0248, | |
| "step": 810 | |
| }, | |
| { | |
| "epoch": 0.5466666666666666, | |
| "grad_norm": 0.06642293930053711, | |
| "learning_rate": 5.069810901695727e-06, | |
| "loss": 0.0252, | |
| "step": 820 | |
| }, | |
| { | |
| "epoch": 0.5533333333333333, | |
| "grad_norm": 0.14880052208900452, | |
| "learning_rate": 4.953458558730917e-06, | |
| "loss": 0.0251, | |
| "step": 830 | |
| }, | |
| { | |
| "epoch": 0.56, | |
| "grad_norm": 0.1822444200515747, | |
| "learning_rate": 4.837131418777595e-06, | |
| "loss": 0.0247, | |
| "step": 840 | |
| }, | |
| { | |
| "epoch": 0.5666666666666667, | |
| "grad_norm": 0.1297464668750763, | |
| "learning_rate": 4.720892475034181e-06, | |
| "loss": 0.0245, | |
| "step": 850 | |
| }, | |
| { | |
| "epoch": 0.5733333333333334, | |
| "grad_norm": 0.19234880805015564, | |
| "learning_rate": 4.604804672939295e-06, | |
| "loss": 0.0251, | |
| "step": 860 | |
| }, | |
| { | |
| "epoch": 0.58, | |
| "grad_norm": 0.19687077403068542, | |
| "learning_rate": 4.4889308760856826e-06, | |
| "loss": 0.0256, | |
| "step": 870 | |
| }, | |
| { | |
| "epoch": 0.5866666666666667, | |
| "grad_norm": 0.1229921206831932, | |
| "learning_rate": 4.373333832178478e-06, | |
| "loss": 0.0245, | |
| "step": 880 | |
| }, | |
| { | |
| "epoch": 0.5933333333333334, | |
| "grad_norm": 0.11681447178125381, | |
| "learning_rate": 4.258076139056217e-06, | |
| "loss": 0.0248, | |
| "step": 890 | |
| }, | |
| { | |
| "epoch": 0.6, | |
| "grad_norm": 0.08771926909685135, | |
| "learning_rate": 4.143220210792993e-06, | |
| "loss": 0.0248, | |
| "step": 900 | |
| }, | |
| { | |
| "epoch": 0.6066666666666667, | |
| "grad_norm": 0.11385726183652878, | |
| "learning_rate": 4.028828243900141e-06, | |
| "loss": 0.0253, | |
| "step": 910 | |
| }, | |
| { | |
| "epoch": 0.6133333333333333, | |
| "grad_norm": 0.06354846060276031, | |
| "learning_rate": 3.914962183645733e-06, | |
| "loss": 0.0251, | |
| "step": 920 | |
| }, | |
| { | |
| "epoch": 0.62, | |
| "grad_norm": 0.09117404371500015, | |
| "learning_rate": 3.8016836905101157e-06, | |
| "loss": 0.0248, | |
| "step": 930 | |
| }, | |
| { | |
| "epoch": 0.6266666666666667, | |
| "grad_norm": 0.11967415362596512, | |
| "learning_rate": 3.6890541067956775e-06, | |
| "loss": 0.0247, | |
| "step": 940 | |
| }, | |
| { | |
| "epoch": 0.6333333333333333, | |
| "grad_norm": 0.10776300728321075, | |
| "learning_rate": 3.577134423408906e-06, | |
| "loss": 0.0248, | |
| "step": 950 | |
| }, | |
| { | |
| "epoch": 0.64, | |
| "grad_norm": 0.19328409433364868, | |
| "learning_rate": 3.465985246832739e-06, | |
| "loss": 0.0245, | |
| "step": 960 | |
| }, | |
| { | |
| "epoch": 0.6466666666666666, | |
| "grad_norm": 0.10390347987413406, | |
| "learning_rate": 3.355666766307084e-06, | |
| "loss": 0.0248, | |
| "step": 970 | |
| }, | |
| { | |
| "epoch": 0.6533333333333333, | |
| "grad_norm": 0.0868527889251709, | |
| "learning_rate": 3.246238721235283e-06, | |
| "loss": 0.0253, | |
| "step": 980 | |
| }, | |
| { | |
| "epoch": 0.66, | |
| "grad_norm": 0.11011222004890442, | |
| "learning_rate": 3.137760368834169e-06, | |
| "loss": 0.0246, | |
| "step": 990 | |
| }, | |
| { | |
| "epoch": 0.6666666666666666, | |
| "grad_norm": 0.10398780554533005, | |
| "learning_rate": 3.030290452045245e-06, | |
| "loss": 0.0251, | |
| "step": 1000 | |
| }, | |
| { | |
| "epoch": 0.6733333333333333, | |
| "grad_norm": 0.08107031881809235, | |
| "learning_rate": 2.9238871677243354e-06, | |
| "loss": 0.0244, | |
| "step": 1010 | |
| }, | |
| { | |
| "epoch": 0.68, | |
| "grad_norm": 0.14589975774288177, | |
| "learning_rate": 2.818608135126967e-06, | |
| "loss": 0.0244, | |
| "step": 1020 | |
| }, | |
| { | |
| "epoch": 0.6866666666666666, | |
| "grad_norm": 0.130263090133667, | |
| "learning_rate": 2.714510364706531e-06, | |
| "loss": 0.0252, | |
| "step": 1030 | |
| }, | |
| { | |
| "epoch": 0.6933333333333334, | |
| "grad_norm": 0.07895369827747345, | |
| "learning_rate": 2.611650227242102e-06, | |
| "loss": 0.0242, | |
| "step": 1040 | |
| }, | |
| { | |
| "epoch": 0.7, | |
| "grad_norm": 0.1193891167640686, | |
| "learning_rate": 2.5100834233126827e-06, | |
| "loss": 0.0248, | |
| "step": 1050 | |
| }, | |
| { | |
| "epoch": 0.7066666666666667, | |
| "grad_norm": 0.14169754087924957, | |
| "learning_rate": 2.40986495313435e-06, | |
| "loss": 0.0244, | |
| "step": 1060 | |
| }, | |
| { | |
| "epoch": 0.7133333333333334, | |
| "grad_norm": 0.09639733284711838, | |
| "learning_rate": 2.3110490867766644e-06, | |
| "loss": 0.0248, | |
| "step": 1070 | |
| }, | |
| { | |
| "epoch": 0.72, | |
| "grad_norm": 0.17284098267555237, | |
| "learning_rate": 2.213689334774479e-06, | |
| "loss": 0.0251, | |
| "step": 1080 | |
| }, | |
| { | |
| "epoch": 0.7266666666666667, | |
| "grad_norm": 0.11846297979354858, | |
| "learning_rate": 2.1178384191510344e-06, | |
| "loss": 0.0251, | |
| "step": 1090 | |
| }, | |
| { | |
| "epoch": 0.7333333333333333, | |
| "grad_norm": 0.11407575756311417, | |
| "learning_rate": 2.023548244868051e-06, | |
| "loss": 0.0248, | |
| "step": 1100 | |
| }, | |
| { | |
| "epoch": 0.74, | |
| "grad_norm": 0.08218731731176376, | |
| "learning_rate": 1.9308698717182874e-06, | |
| "loss": 0.0243, | |
| "step": 1110 | |
| }, | |
| { | |
| "epoch": 0.7466666666666667, | |
| "grad_norm": 0.09887638688087463, | |
| "learning_rate": 1.8398534866757455e-06, | |
| "loss": 0.0253, | |
| "step": 1120 | |
| }, | |
| { | |
| "epoch": 0.7533333333333333, | |
| "grad_norm": 0.10997580736875534, | |
| "learning_rate": 1.7505483767185583e-06, | |
| "loss": 0.0255, | |
| "step": 1130 | |
| }, | |
| { | |
| "epoch": 0.76, | |
| "grad_norm": 0.16361145675182343, | |
| "learning_rate": 1.6630029021392007e-06, | |
| "loss": 0.0247, | |
| "step": 1140 | |
| }, | |
| { | |
| "epoch": 0.7666666666666667, | |
| "grad_norm": 0.10323586314916611, | |
| "learning_rate": 1.5772644703565564e-06, | |
| "loss": 0.0249, | |
| "step": 1150 | |
| }, | |
| { | |
| "epoch": 0.7733333333333333, | |
| "grad_norm": 0.19575174152851105, | |
| "learning_rate": 1.4933795102439558e-06, | |
| "loss": 0.0244, | |
| "step": 1160 | |
| }, | |
| { | |
| "epoch": 0.78, | |
| "grad_norm": 0.1684829443693161, | |
| "learning_rate": 1.4113934469871166e-06, | |
| "loss": 0.0249, | |
| "step": 1170 | |
| }, | |
| { | |
| "epoch": 0.7866666666666666, | |
| "grad_norm": 0.10560163855552673, | |
| "learning_rate": 1.3313506774856177e-06, | |
| "loss": 0.0252, | |
| "step": 1180 | |
| }, | |
| { | |
| "epoch": 0.7933333333333333, | |
| "grad_norm": 0.09193874150514603, | |
| "learning_rate": 1.2532945463111856e-06, | |
| "loss": 0.0248, | |
| "step": 1190 | |
| }, | |
| { | |
| "epoch": 0.8, | |
| "grad_norm": 0.1109035462141037, | |
| "learning_rate": 1.1772673222358421e-06, | |
| "loss": 0.0248, | |
| "step": 1200 | |
| }, | |
| { | |
| "epoch": 0.8066666666666666, | |
| "grad_norm": 0.14485745131969452, | |
| "learning_rate": 1.1033101753426285e-06, | |
| "loss": 0.025, | |
| "step": 1210 | |
| }, | |
| { | |
| "epoch": 0.8133333333333334, | |
| "grad_norm": 0.06200515851378441, | |
| "learning_rate": 1.0314631547312738e-06, | |
| "loss": 0.0247, | |
| "step": 1220 | |
| }, | |
| { | |
| "epoch": 0.82, | |
| "grad_norm": 0.118988536298275, | |
| "learning_rate": 9.617651668308914e-07, | |
| "loss": 0.0243, | |
| "step": 1230 | |
| }, | |
| { | |
| "epoch": 0.8266666666666667, | |
| "grad_norm": 0.1048048734664917, | |
| "learning_rate": 8.942539543314799e-07, | |
| "loss": 0.0244, | |
| "step": 1240 | |
| }, | |
| { | |
| "epoch": 0.8333333333333334, | |
| "grad_norm": 0.10729014873504639, | |
| "learning_rate": 8.289660757455803e-07, | |
| "loss": 0.0247, | |
| "step": 1250 | |
| }, | |
| { | |
| "epoch": 0.84, | |
| "grad_norm": 0.1298016905784607, | |
| "learning_rate": 7.659368856111926e-07, | |
| "loss": 0.0247, | |
| "step": 1260 | |
| }, | |
| { | |
| "epoch": 0.8466666666666667, | |
| "grad_norm": 0.19027702510356903, | |
| "learning_rate": 7.052005153466779e-07, | |
| "loss": 0.0244, | |
| "step": 1270 | |
| }, | |
| { | |
| "epoch": 0.8533333333333334, | |
| "grad_norm": 0.07057848572731018, | |
| "learning_rate": 6.467898547679913e-07, | |
| "loss": 0.0246, | |
| "step": 1280 | |
| }, | |
| { | |
| "epoch": 0.86, | |
| "grad_norm": 0.11585067212581635, | |
| "learning_rate": 5.9073653427826e-07, | |
| "loss": 0.025, | |
| "step": 1290 | |
| }, | |
| { | |
| "epoch": 0.8666666666666667, | |
| "grad_norm": 0.10715986788272858, | |
| "learning_rate": 5.370709077393721e-07, | |
| "loss": 0.0248, | |
| "step": 1300 | |
| }, | |
| { | |
| "epoch": 0.8733333333333333, | |
| "grad_norm": 0.09571363776922226, | |
| "learning_rate": 4.858220360348187e-07, | |
| "loss": 0.0248, | |
| "step": 1310 | |
| }, | |
| { | |
| "epoch": 0.88, | |
| "grad_norm": 0.06285417079925537, | |
| "learning_rate": 4.370176713327118e-07, | |
| "loss": 0.0241, | |
| "step": 1320 | |
| }, | |
| { | |
| "epoch": 0.8866666666666667, | |
| "grad_norm": 0.06153392791748047, | |
| "learning_rate": 3.90684242057498e-07, | |
| "loss": 0.025, | |
| "step": 1330 | |
| }, | |
| { | |
| "epoch": 0.8933333333333333, | |
| "grad_norm": 0.09558229893445969, | |
| "learning_rate": 3.468468385785023e-07, | |
| "loss": 0.0246, | |
| "step": 1340 | |
| }, | |
| { | |
| "epoch": 0.9, | |
| "grad_norm": 0.08175919950008392, | |
| "learning_rate": 3.055291996230492e-07, | |
| "loss": 0.0241, | |
| "step": 1350 | |
| }, | |
| { | |
| "epoch": 0.9066666666666666, | |
| "grad_norm": 0.08005322515964508, | |
| "learning_rate": 2.6675369942151864e-07, | |
| "loss": 0.0245, | |
| "step": 1360 | |
| }, | |
| { | |
| "epoch": 0.9133333333333333, | |
| "grad_norm": 0.06747390329837799, | |
| "learning_rate": 2.3054133559131163e-07, | |
| "loss": 0.0248, | |
| "step": 1370 | |
| }, | |
| { | |
| "epoch": 0.92, | |
| "grad_norm": 0.11296618729829788, | |
| "learning_rate": 1.9691171776626882e-07, | |
| "loss": 0.0249, | |
| "step": 1380 | |
| }, | |
| { | |
| "epoch": 0.9266666666666666, | |
| "grad_norm": 0.07591568678617477, | |
| "learning_rate": 1.6588305697770313e-07, | |
| "loss": 0.0248, | |
| "step": 1390 | |
| }, | |
| { | |
| "epoch": 0.9333333333333333, | |
| "grad_norm": 0.11269695311784744, | |
| "learning_rate": 1.374721557928116e-07, | |
| "loss": 0.0243, | |
| "step": 1400 | |
| }, | |
| { | |
| "epoch": 0.94, | |
| "grad_norm": 0.08782926946878433, | |
| "learning_rate": 1.1169439921578485e-07, | |
| "loss": 0.0251, | |
| "step": 1410 | |
| }, | |
| { | |
| "epoch": 0.9466666666666667, | |
| "grad_norm": 0.0556289441883564, | |
| "learning_rate": 8.856374635655696e-08, | |
| "loss": 0.0247, | |
| "step": 1420 | |
| }, | |
| { | |
| "epoch": 0.9533333333333334, | |
| "grad_norm": 0.17048321664333344, | |
| "learning_rate": 6.809272287169988e-08, | |
| "loss": 0.0234, | |
| "step": 1430 | |
| }, | |
| { | |
| "epoch": 0.96, | |
| "grad_norm": 0.08616317063570023, | |
| "learning_rate": 5.029241418156139e-08, | |
| "loss": 0.0253, | |
| "step": 1440 | |
| }, | |
| { | |
| "epoch": 0.9666666666666667, | |
| "grad_norm": 0.13294032216072083, | |
| "learning_rate": 3.517245946731529e-08, | |
| "loss": 0.0239, | |
| "step": 1450 | |
| }, | |
| { | |
| "epoch": 0.9733333333333334, | |
| "grad_norm": 0.1364711970090866, | |
| "learning_rate": 2.27410464511707e-08, | |
| "loss": 0.0246, | |
| "step": 1460 | |
| }, | |
| { | |
| "epoch": 0.98, | |
| "grad_norm": 0.12609241902828217, | |
| "learning_rate": 1.3004906962578723e-08, | |
| "loss": 0.0245, | |
| "step": 1470 | |
| }, | |
| { | |
| "epoch": 0.9866666666666667, | |
| "grad_norm": 0.05693630874156952, | |
| "learning_rate": 5.969313292830126e-09, | |
| "loss": 0.0244, | |
| "step": 1480 | |
| }, | |
| { | |
| "epoch": 0.9933333333333333, | |
| "grad_norm": 0.10050121694803238, | |
| "learning_rate": 1.638075340010814e-09, | |
| "loss": 0.0255, | |
| "step": 1490 | |
| }, | |
| { | |
| "epoch": 1.0, | |
| "grad_norm": 0.09249072521924973, | |
| "learning_rate": 1.3538545881042198e-11, | |
| "loss": 0.0249, | |
| "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": 1.1562522998485287e+19, | |
| "train_batch_size": 1, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |