| { | |
| "best_global_step": null, | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 1.1373333333333333, | |
| "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": 5.234960556030273, | |
| "learning_rate": 6.000000000000001e-07, | |
| "loss": 0.2523, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.013333333333333334, | |
| "grad_norm": 2.4586009979248047, | |
| "learning_rate": 1.2666666666666669e-06, | |
| "loss": 0.1858, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 3.0108866691589355, | |
| "learning_rate": 1.9333333333333336e-06, | |
| "loss": 0.1323, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.02666666666666667, | |
| "grad_norm": 1.274425983428955, | |
| "learning_rate": 2.6e-06, | |
| "loss": 0.0953, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.03333333333333333, | |
| "grad_norm": 0.8511235117912292, | |
| "learning_rate": 3.266666666666667e-06, | |
| "loss": 0.0717, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 1.2359228134155273, | |
| "learning_rate": 3.9333333333333335e-06, | |
| "loss": 0.0571, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 0.04666666666666667, | |
| "grad_norm": 0.858824610710144, | |
| "learning_rate": 4.600000000000001e-06, | |
| "loss": 0.0493, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 0.05333333333333334, | |
| "grad_norm": 0.7833631634712219, | |
| "learning_rate": 5.2666666666666665e-06, | |
| "loss": 0.0456, | |
| "step": 80 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 0.6132113933563232, | |
| "learning_rate": 5.933333333333335e-06, | |
| "loss": 0.0436, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 0.06666666666666667, | |
| "grad_norm": 0.5802624821662903, | |
| "learning_rate": 6.600000000000001e-06, | |
| "loss": 0.0413, | |
| "step": 100 | |
| }, | |
| { | |
| "epoch": 0.07333333333333333, | |
| "grad_norm": 0.35474246740341187, | |
| "learning_rate": 7.266666666666668e-06, | |
| "loss": 0.0397, | |
| "step": 110 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 0.5320606827735901, | |
| "learning_rate": 7.933333333333334e-06, | |
| "loss": 0.0368, | |
| "step": 120 | |
| }, | |
| { | |
| "epoch": 0.08666666666666667, | |
| "grad_norm": 0.48437240719795227, | |
| "learning_rate": 8.6e-06, | |
| "loss": 0.0357, | |
| "step": 130 | |
| }, | |
| { | |
| "epoch": 0.09333333333333334, | |
| "grad_norm": 0.47771838307380676, | |
| "learning_rate": 9.266666666666667e-06, | |
| "loss": 0.0355, | |
| "step": 140 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 0.4612067937850952, | |
| "learning_rate": 9.933333333333334e-06, | |
| "loss": 0.0352, | |
| "step": 150 | |
| }, | |
| { | |
| "epoch": 0.10666666666666667, | |
| "grad_norm": 0.2791973948478699, | |
| "learning_rate": 9.998903417374228e-06, | |
| "loss": 0.0342, | |
| "step": 160 | |
| }, | |
| { | |
| "epoch": 0.11333333333333333, | |
| "grad_norm": 0.4042704701423645, | |
| "learning_rate": 9.995113378907791e-06, | |
| "loss": 0.0336, | |
| "step": 170 | |
| }, | |
| { | |
| "epoch": 0.12, | |
| "grad_norm": 0.27445995807647705, | |
| "learning_rate": 9.988618398427495e-06, | |
| "loss": 0.0318, | |
| "step": 180 | |
| }, | |
| { | |
| "epoch": 0.12666666666666668, | |
| "grad_norm": 0.4659740626811981, | |
| "learning_rate": 9.979421993079853e-06, | |
| "loss": 0.0335, | |
| "step": 190 | |
| }, | |
| { | |
| "epoch": 0.13333333333333333, | |
| "grad_norm": 0.5997518301010132, | |
| "learning_rate": 9.967529142880592e-06, | |
| "loss": 0.0339, | |
| "step": 200 | |
| }, | |
| { | |
| "epoch": 0.14, | |
| "grad_norm": 0.3627311885356903, | |
| "learning_rate": 9.952946288017899e-06, | |
| "loss": 0.0327, | |
| "step": 210 | |
| }, | |
| { | |
| "epoch": 0.14666666666666667, | |
| "grad_norm": 0.25868934392929077, | |
| "learning_rate": 9.93568132536494e-06, | |
| "loss": 0.0322, | |
| "step": 220 | |
| }, | |
| { | |
| "epoch": 0.15333333333333332, | |
| "grad_norm": 0.2951168417930603, | |
| "learning_rate": 9.915743604203563e-06, | |
| "loss": 0.0311, | |
| "step": 230 | |
| }, | |
| { | |
| "epoch": 0.16, | |
| "grad_norm": 0.3337659537792206, | |
| "learning_rate": 9.893143921161501e-06, | |
| "loss": 0.0317, | |
| "step": 240 | |
| }, | |
| { | |
| "epoch": 0.16666666666666666, | |
| "grad_norm": 0.27367573976516724, | |
| "learning_rate": 9.867894514365802e-06, | |
| "loss": 0.0306, | |
| "step": 250 | |
| }, | |
| { | |
| "epoch": 0.17333333333333334, | |
| "grad_norm": 0.28687962889671326, | |
| "learning_rate": 9.840009056815674e-06, | |
| "loss": 0.0303, | |
| "step": 260 | |
| }, | |
| { | |
| "epoch": 0.18, | |
| "grad_norm": 0.23084785044193268, | |
| "learning_rate": 9.809502648978311e-06, | |
| "loss": 0.0312, | |
| "step": 270 | |
| }, | |
| { | |
| "epoch": 0.18666666666666668, | |
| "grad_norm": 0.38457003235816956, | |
| "learning_rate": 9.776391810611719e-06, | |
| "loss": 0.0303, | |
| "step": 280 | |
| }, | |
| { | |
| "epoch": 0.19333333333333333, | |
| "grad_norm": 0.2903217077255249, | |
| "learning_rate": 9.740694471818988e-06, | |
| "loss": 0.0297, | |
| "step": 290 | |
| }, | |
| { | |
| "epoch": 0.2, | |
| "grad_norm": 0.26213157176971436, | |
| "learning_rate": 9.702429963338812e-06, | |
| "loss": 0.0289, | |
| "step": 300 | |
| }, | |
| { | |
| "epoch": 0.20666666666666667, | |
| "grad_norm": 0.2715766131877899, | |
| "learning_rate": 9.661619006077562e-06, | |
| "loss": 0.0285, | |
| "step": 310 | |
| }, | |
| { | |
| "epoch": 0.21333333333333335, | |
| "grad_norm": 0.20788423717021942, | |
| "learning_rate": 9.618283699888543e-06, | |
| "loss": 0.029, | |
| "step": 320 | |
| }, | |
| { | |
| "epoch": 0.22, | |
| "grad_norm": 0.1543346643447876, | |
| "learning_rate": 9.572447511604536e-06, | |
| "loss": 0.0298, | |
| "step": 330 | |
| }, | |
| { | |
| "epoch": 0.22666666666666666, | |
| "grad_norm": 0.2608855068683624, | |
| "learning_rate": 9.524135262330098e-06, | |
| "loss": 0.0298, | |
| "step": 340 | |
| }, | |
| { | |
| "epoch": 0.23333333333333334, | |
| "grad_norm": 0.26449450850486755, | |
| "learning_rate": 9.473373114000493e-06, | |
| "loss": 0.0287, | |
| "step": 350 | |
| }, | |
| { | |
| "epoch": 0.24, | |
| "grad_norm": 0.16612136363983154, | |
| "learning_rate": 9.420188555214537e-06, | |
| "loss": 0.0281, | |
| "step": 360 | |
| }, | |
| { | |
| "epoch": 0.24666666666666667, | |
| "grad_norm": 0.29909491539001465, | |
| "learning_rate": 9.364610386349048e-06, | |
| "loss": 0.0306, | |
| "step": 370 | |
| }, | |
| { | |
| "epoch": 0.25333333333333335, | |
| "grad_norm": 0.19966456294059753, | |
| "learning_rate": 9.306668703962927e-06, | |
| "loss": 0.029, | |
| "step": 380 | |
| }, | |
| { | |
| "epoch": 0.26, | |
| "grad_norm": 0.15102192759513855, | |
| "learning_rate": 9.246394884499334e-06, | |
| "loss": 0.0279, | |
| "step": 390 | |
| }, | |
| { | |
| "epoch": 0.26666666666666666, | |
| "grad_norm": 0.14891450107097626, | |
| "learning_rate": 9.18382156729481e-06, | |
| "loss": 0.0289, | |
| "step": 400 | |
| }, | |
| { | |
| "epoch": 0.2733333333333333, | |
| "grad_norm": 0.18456150591373444, | |
| "learning_rate": 9.118982636904476e-06, | |
| "loss": 0.0289, | |
| "step": 410 | |
| }, | |
| { | |
| "epoch": 0.28, | |
| "grad_norm": 0.21652130782604218, | |
| "learning_rate": 9.051913204752972e-06, | |
| "loss": 0.0282, | |
| "step": 420 | |
| }, | |
| { | |
| "epoch": 0.2866666666666667, | |
| "grad_norm": 0.20596565306186676, | |
| "learning_rate": 8.982649590120982e-06, | |
| "loss": 0.0279, | |
| "step": 430 | |
| }, | |
| { | |
| "epoch": 0.29333333333333333, | |
| "grad_norm": 0.1709621101617813, | |
| "learning_rate": 8.911229300477716e-06, | |
| "loss": 0.0289, | |
| "step": 440 | |
| }, | |
| { | |
| "epoch": 0.3, | |
| "grad_norm": 0.21974503993988037, | |
| "learning_rate": 8.837691011169944e-06, | |
| "loss": 0.0286, | |
| "step": 450 | |
| }, | |
| { | |
| "epoch": 0.30666666666666664, | |
| "grad_norm": 0.1668318808078766, | |
| "learning_rate": 8.762074544478622e-06, | |
| "loss": 0.0289, | |
| "step": 460 | |
| }, | |
| { | |
| "epoch": 0.31333333333333335, | |
| "grad_norm": 0.24894751608371735, | |
| "learning_rate": 8.68442084805442e-06, | |
| "loss": 0.0273, | |
| "step": 470 | |
| }, | |
| { | |
| "epoch": 0.32, | |
| "grad_norm": 0.20935484766960144, | |
| "learning_rate": 8.604771972743848e-06, | |
| "loss": 0.0278, | |
| "step": 480 | |
| }, | |
| { | |
| "epoch": 0.32666666666666666, | |
| "grad_norm": 0.22819101810455322, | |
| "learning_rate": 8.523171049817974e-06, | |
| "loss": 0.0279, | |
| "step": 490 | |
| }, | |
| { | |
| "epoch": 0.3333333333333333, | |
| "grad_norm": 0.189545139670372, | |
| "learning_rate": 8.439662267616093e-06, | |
| "loss": 0.0286, | |
| "step": 500 | |
| }, | |
| { | |
| "epoch": 0.34, | |
| "grad_norm": 0.22775457799434662, | |
| "learning_rate": 8.354290847616954e-06, | |
| "loss": 0.0273, | |
| "step": 510 | |
| }, | |
| { | |
| "epoch": 0.3466666666666667, | |
| "grad_norm": 0.15195752680301666, | |
| "learning_rate": 8.267103019950529e-06, | |
| "loss": 0.0281, | |
| "step": 520 | |
| }, | |
| { | |
| "epoch": 0.35333333333333333, | |
| "grad_norm": 0.1726960837841034, | |
| "learning_rate": 8.178145998363585e-06, | |
| "loss": 0.0287, | |
| "step": 530 | |
| }, | |
| { | |
| "epoch": 0.36, | |
| "grad_norm": 0.2208917737007141, | |
| "learning_rate": 8.087467954652608e-06, | |
| "loss": 0.0274, | |
| "step": 540 | |
| }, | |
| { | |
| "epoch": 0.36666666666666664, | |
| "grad_norm": 0.42369166016578674, | |
| "learning_rate": 7.99511799257793e-06, | |
| "loss": 0.0283, | |
| "step": 550 | |
| }, | |
| { | |
| "epoch": 0.37333333333333335, | |
| "grad_norm": 0.17445319890975952, | |
| "learning_rate": 7.901146121273165e-06, | |
| "loss": 0.0286, | |
| "step": 560 | |
| }, | |
| { | |
| "epoch": 0.38, | |
| "grad_norm": 0.24755573272705078, | |
| "learning_rate": 7.80560322816439e-06, | |
| "loss": 0.0284, | |
| "step": 570 | |
| }, | |
| { | |
| "epoch": 0.38666666666666666, | |
| "grad_norm": 0.16139942407608032, | |
| "learning_rate": 7.7085410514137e-06, | |
| "loss": 0.0281, | |
| "step": 580 | |
| }, | |
| { | |
| "epoch": 0.3933333333333333, | |
| "grad_norm": 0.14722169935703278, | |
| "learning_rate": 7.610012151902091e-06, | |
| "loss": 0.0288, | |
| "step": 590 | |
| }, | |
| { | |
| "epoch": 0.4, | |
| "grad_norm": 0.19121955335140228, | |
| "learning_rate": 7.510069884766802e-06, | |
| "loss": 0.0269, | |
| "step": 600 | |
| }, | |
| { | |
| "epoch": 0.4066666666666667, | |
| "grad_norm": 0.4560883939266205, | |
| "learning_rate": 7.408768370508577e-06, | |
| "loss": 0.0279, | |
| "step": 610 | |
| }, | |
| { | |
| "epoch": 0.41333333333333333, | |
| "grad_norm": 0.17142727971076965, | |
| "learning_rate": 7.3061624656844544e-06, | |
| "loss": 0.0278, | |
| "step": 620 | |
| }, | |
| { | |
| "epoch": 0.42, | |
| "grad_norm": 0.20494040846824646, | |
| "learning_rate": 7.2023077332019755e-06, | |
| "loss": 0.0276, | |
| "step": 630 | |
| }, | |
| { | |
| "epoch": 0.4266666666666667, | |
| "grad_norm": 0.17237113416194916, | |
| "learning_rate": 7.0972604122308865e-06, | |
| "loss": 0.0265, | |
| "step": 640 | |
| }, | |
| { | |
| "epoch": 0.43333333333333335, | |
| "grad_norm": 0.10688260942697525, | |
| "learning_rate": 6.991077387748643e-06, | |
| "loss": 0.0277, | |
| "step": 650 | |
| }, | |
| { | |
| "epoch": 0.44, | |
| "grad_norm": 0.2260720580816269, | |
| "learning_rate": 6.883816159736187e-06, | |
| "loss": 0.0278, | |
| "step": 660 | |
| }, | |
| { | |
| "epoch": 0.44666666666666666, | |
| "grad_norm": 0.1664057970046997, | |
| "learning_rate": 6.775534812040686e-06, | |
| "loss": 0.0267, | |
| "step": 670 | |
| }, | |
| { | |
| "epoch": 0.4533333333333333, | |
| "grad_norm": 0.13374029099941254, | |
| "learning_rate": 6.666291980922122e-06, | |
| "loss": 0.0272, | |
| "step": 680 | |
| }, | |
| { | |
| "epoch": 0.46, | |
| "grad_norm": 0.11895390599966049, | |
| "learning_rate": 6.556146823300701e-06, | |
| "loss": 0.028, | |
| "step": 690 | |
| }, | |
| { | |
| "epoch": 0.4666666666666667, | |
| "grad_norm": 0.12667301297187805, | |
| "learning_rate": 6.445158984722358e-06, | |
| "loss": 0.0272, | |
| "step": 700 | |
| }, | |
| { | |
| "epoch": 0.47333333333333333, | |
| "grad_norm": 0.33054879307746887, | |
| "learning_rate": 6.3333885670596285e-06, | |
| "loss": 0.0272, | |
| "step": 710 | |
| }, | |
| { | |
| "epoch": 0.48, | |
| "grad_norm": 0.20602670311927795, | |
| "learning_rate": 6.220896095965428e-06, | |
| "loss": 0.0266, | |
| "step": 720 | |
| }, | |
| { | |
| "epoch": 0.4866666666666667, | |
| "grad_norm": 0.1334441602230072, | |
| "learning_rate": 6.107742488097338e-06, | |
| "loss": 0.0278, | |
| "step": 730 | |
| }, | |
| { | |
| "epoch": 0.49333333333333335, | |
| "grad_norm": 0.1716829240322113, | |
| "learning_rate": 5.993989018130173e-06, | |
| "loss": 0.0276, | |
| "step": 740 | |
| }, | |
| { | |
| "epoch": 0.5, | |
| "grad_norm": 0.17173507809638977, | |
| "learning_rate": 5.879697285574655e-06, | |
| "loss": 0.027, | |
| "step": 750 | |
| }, | |
| { | |
| "epoch": 0.5066666666666667, | |
| "grad_norm": 0.13854774832725525, | |
| "learning_rate": 5.764929181420191e-06, | |
| "loss": 0.027, | |
| "step": 760 | |
| }, | |
| { | |
| "epoch": 0.5133333333333333, | |
| "grad_norm": 0.18937619030475616, | |
| "learning_rate": 5.649746854619814e-06, | |
| "loss": 0.0273, | |
| "step": 770 | |
| }, | |
| { | |
| "epoch": 0.52, | |
| "grad_norm": 0.17703093588352203, | |
| "learning_rate": 5.5342126784354265e-06, | |
| "loss": 0.028, | |
| "step": 780 | |
| }, | |
| { | |
| "epoch": 0.5266666666666666, | |
| "grad_norm": 0.1360723078250885, | |
| "learning_rate": 5.41838921666158e-06, | |
| "loss": 0.026, | |
| "step": 790 | |
| }, | |
| { | |
| "epoch": 0.5333333333333333, | |
| "grad_norm": 0.16010494530200958, | |
| "learning_rate": 5.3023391897460715e-06, | |
| "loss": 0.0263, | |
| "step": 800 | |
| }, | |
| { | |
| "epoch": 0.54, | |
| "grad_norm": 0.1728169471025467, | |
| "learning_rate": 5.18612544082573e-06, | |
| "loss": 0.0267, | |
| "step": 810 | |
| }, | |
| { | |
| "epoch": 0.5466666666666666, | |
| "grad_norm": 0.1610235720872879, | |
| "learning_rate": 5.069810901695727e-06, | |
| "loss": 0.0271, | |
| "step": 820 | |
| }, | |
| { | |
| "epoch": 0.5533333333333333, | |
| "grad_norm": 0.13934388756752014, | |
| "learning_rate": 4.953458558730917e-06, | |
| "loss": 0.0269, | |
| "step": 830 | |
| }, | |
| { | |
| "epoch": 0.56, | |
| "grad_norm": 0.1595052182674408, | |
| "learning_rate": 4.837131418777595e-06, | |
| "loss": 0.0285, | |
| "step": 840 | |
| }, | |
| { | |
| "epoch": 0.5666666666666667, | |
| "grad_norm": 0.20196989178657532, | |
| "learning_rate": 4.720892475034181e-06, | |
| "loss": 0.0268, | |
| "step": 850 | |
| }, | |
| { | |
| "epoch": 0.5733333333333334, | |
| "grad_norm": 0.0952686294913292, | |
| "learning_rate": 4.604804672939295e-06, | |
| "loss": 0.0279, | |
| "step": 860 | |
| }, | |
| { | |
| "epoch": 0.58, | |
| "grad_norm": 0.13534852862358093, | |
| "learning_rate": 4.4889308760856826e-06, | |
| "loss": 0.0263, | |
| "step": 870 | |
| }, | |
| { | |
| "epoch": 0.5866666666666667, | |
| "grad_norm": 0.15479381382465363, | |
| "learning_rate": 4.373333832178478e-06, | |
| "loss": 0.0266, | |
| "step": 880 | |
| }, | |
| { | |
| "epoch": 0.5933333333333334, | |
| "grad_norm": 0.1572863906621933, | |
| "learning_rate": 4.258076139056217e-06, | |
| "loss": 0.0257, | |
| "step": 890 | |
| }, | |
| { | |
| "epoch": 0.6, | |
| "grad_norm": 0.10794276744127274, | |
| "learning_rate": 4.143220210792993e-06, | |
| "loss": 0.0268, | |
| "step": 900 | |
| }, | |
| { | |
| "epoch": 0.6066666666666667, | |
| "grad_norm": 0.12649226188659668, | |
| "learning_rate": 4.028828243900141e-06, | |
| "loss": 0.0273, | |
| "step": 910 | |
| }, | |
| { | |
| "epoch": 0.6133333333333333, | |
| "grad_norm": 0.11261267960071564, | |
| "learning_rate": 3.914962183645733e-06, | |
| "loss": 0.0273, | |
| "step": 920 | |
| }, | |
| { | |
| "epoch": 0.62, | |
| "grad_norm": 0.12402400374412537, | |
| "learning_rate": 3.8016836905101157e-06, | |
| "loss": 0.027, | |
| "step": 930 | |
| }, | |
| { | |
| "epoch": 0.6266666666666667, | |
| "grad_norm": 0.15580758452415466, | |
| "learning_rate": 3.6890541067956775e-06, | |
| "loss": 0.0275, | |
| "step": 940 | |
| }, | |
| { | |
| "epoch": 0.6333333333333333, | |
| "grad_norm": 0.16109588742256165, | |
| "learning_rate": 3.577134423408906e-06, | |
| "loss": 0.0264, | |
| "step": 950 | |
| }, | |
| { | |
| "epoch": 0.64, | |
| "grad_norm": 0.22473324835300446, | |
| "learning_rate": 3.465985246832739e-06, | |
| "loss": 0.027, | |
| "step": 960 | |
| }, | |
| { | |
| "epoch": 0.6466666666666666, | |
| "grad_norm": 0.21857620775699615, | |
| "learning_rate": 3.355666766307084e-06, | |
| "loss": 0.0276, | |
| "step": 970 | |
| }, | |
| { | |
| "epoch": 0.6533333333333333, | |
| "grad_norm": 0.09758365899324417, | |
| "learning_rate": 3.246238721235283e-06, | |
| "loss": 0.027, | |
| "step": 980 | |
| }, | |
| { | |
| "epoch": 0.66, | |
| "grad_norm": 0.1262107789516449, | |
| "learning_rate": 3.137760368834169e-06, | |
| "loss": 0.0273, | |
| "step": 990 | |
| }, | |
| { | |
| "epoch": 0.6666666666666666, | |
| "grad_norm": 0.09402887523174286, | |
| "learning_rate": 3.030290452045245e-06, | |
| "loss": 0.0262, | |
| "step": 1000 | |
| }, | |
| { | |
| "epoch": 0.6733333333333333, | |
| "grad_norm": 0.10381755977869034, | |
| "learning_rate": 2.9238871677243354e-06, | |
| "loss": 0.0275, | |
| "step": 1010 | |
| }, | |
| { | |
| "epoch": 0.68, | |
| "grad_norm": 0.12168723344802856, | |
| "learning_rate": 2.818608135126967e-06, | |
| "loss": 0.0258, | |
| "step": 1020 | |
| }, | |
| { | |
| "epoch": 0.6866666666666666, | |
| "grad_norm": 0.1692776083946228, | |
| "learning_rate": 2.714510364706531e-06, | |
| "loss": 0.0258, | |
| "step": 1030 | |
| }, | |
| { | |
| "epoch": 0.6933333333333334, | |
| "grad_norm": 0.18947234749794006, | |
| "learning_rate": 2.611650227242102e-06, | |
| "loss": 0.0276, | |
| "step": 1040 | |
| }, | |
| { | |
| "epoch": 0.7, | |
| "grad_norm": 0.1725011169910431, | |
| "learning_rate": 2.5100834233126827e-06, | |
| "loss": 0.0266, | |
| "step": 1050 | |
| }, | |
| { | |
| "epoch": 0.7066666666666667, | |
| "grad_norm": 0.10584762692451477, | |
| "learning_rate": 2.40986495313435e-06, | |
| "loss": 0.0266, | |
| "step": 1060 | |
| }, | |
| { | |
| "epoch": 0.7133333333333334, | |
| "grad_norm": 0.11202681064605713, | |
| "learning_rate": 2.3110490867766644e-06, | |
| "loss": 0.0271, | |
| "step": 1070 | |
| }, | |
| { | |
| "epoch": 0.72, | |
| "grad_norm": 0.09831184148788452, | |
| "learning_rate": 2.213689334774479e-06, | |
| "loss": 0.0278, | |
| "step": 1080 | |
| }, | |
| { | |
| "epoch": 0.7266666666666667, | |
| "grad_norm": 0.12705865502357483, | |
| "learning_rate": 2.1178384191510344e-06, | |
| "loss": 0.0269, | |
| "step": 1090 | |
| }, | |
| { | |
| "epoch": 0.7333333333333333, | |
| "grad_norm": 0.18815581500530243, | |
| "learning_rate": 2.023548244868051e-06, | |
| "loss": 0.027, | |
| "step": 1100 | |
| }, | |
| { | |
| "epoch": 0.74, | |
| "grad_norm": 0.24343350529670715, | |
| "learning_rate": 1.9308698717182874e-06, | |
| "loss": 0.0272, | |
| "step": 1110 | |
| }, | |
| { | |
| "epoch": 0.7466666666666667, | |
| "grad_norm": 0.09869104623794556, | |
| "learning_rate": 1.8398534866757455e-06, | |
| "loss": 0.0271, | |
| "step": 1120 | |
| }, | |
| { | |
| "epoch": 0.7533333333333333, | |
| "grad_norm": 0.11589930206537247, | |
| "learning_rate": 1.7505483767185583e-06, | |
| "loss": 0.0267, | |
| "step": 1130 | |
| }, | |
| { | |
| "epoch": 0.76, | |
| "grad_norm": 0.13498885929584503, | |
| "learning_rate": 1.6630029021392007e-06, | |
| "loss": 0.0271, | |
| "step": 1140 | |
| }, | |
| { | |
| "epoch": 0.7666666666666667, | |
| "grad_norm": 0.1283062994480133, | |
| "learning_rate": 1.5772644703565564e-06, | |
| "loss": 0.0267, | |
| "step": 1150 | |
| }, | |
| { | |
| "epoch": 0.7733333333333333, | |
| "grad_norm": 0.16730868816375732, | |
| "learning_rate": 1.4933795102439558e-06, | |
| "loss": 0.0266, | |
| "step": 1160 | |
| }, | |
| { | |
| "epoch": 0.78, | |
| "grad_norm": 0.12701842188835144, | |
| "learning_rate": 1.4113934469871166e-06, | |
| "loss": 0.0258, | |
| "step": 1170 | |
| }, | |
| { | |
| "epoch": 0.7866666666666666, | |
| "grad_norm": 0.0999382808804512, | |
| "learning_rate": 1.3313506774856177e-06, | |
| "loss": 0.025, | |
| "step": 1180 | |
| }, | |
| { | |
| "epoch": 0.7933333333333333, | |
| "grad_norm": 0.1926984041929245, | |
| "learning_rate": 1.2532945463111856e-06, | |
| "loss": 0.0273, | |
| "step": 1190 | |
| }, | |
| { | |
| "epoch": 0.8, | |
| "grad_norm": 0.09554208815097809, | |
| "learning_rate": 1.1772673222358421e-06, | |
| "loss": 0.0264, | |
| "step": 1200 | |
| }, | |
| { | |
| "epoch": 0.8066666666666666, | |
| "grad_norm": 0.11885914206504822, | |
| "learning_rate": 1.1033101753426285e-06, | |
| "loss": 0.0262, | |
| "step": 1210 | |
| }, | |
| { | |
| "epoch": 0.8133333333333334, | |
| "grad_norm": 0.15456905961036682, | |
| "learning_rate": 1.0314631547312738e-06, | |
| "loss": 0.0267, | |
| "step": 1220 | |
| }, | |
| { | |
| "epoch": 0.82, | |
| "grad_norm": 0.2736993134021759, | |
| "learning_rate": 9.617651668308914e-07, | |
| "loss": 0.0277, | |
| "step": 1230 | |
| }, | |
| { | |
| "epoch": 0.8266666666666667, | |
| "grad_norm": 0.18778415024280548, | |
| "learning_rate": 8.942539543314799e-07, | |
| "loss": 0.027, | |
| "step": 1240 | |
| }, | |
| { | |
| "epoch": 0.8333333333333334, | |
| "grad_norm": 0.11048292368650436, | |
| "learning_rate": 8.289660757455803e-07, | |
| "loss": 0.0267, | |
| "step": 1250 | |
| }, | |
| { | |
| "epoch": 0.84, | |
| "grad_norm": 0.17376090586185455, | |
| "learning_rate": 7.659368856111926e-07, | |
| "loss": 0.0252, | |
| "step": 1260 | |
| }, | |
| { | |
| "epoch": 0.8466666666666667, | |
| "grad_norm": 0.10457020252943039, | |
| "learning_rate": 7.052005153466779e-07, | |
| "loss": 0.0259, | |
| "step": 1270 | |
| }, | |
| { | |
| "epoch": 0.8533333333333334, | |
| "grad_norm": 0.14782173931598663, | |
| "learning_rate": 6.467898547679913e-07, | |
| "loss": 0.0263, | |
| "step": 1280 | |
| }, | |
| { | |
| "epoch": 0.86, | |
| "grad_norm": 0.10234915465116501, | |
| "learning_rate": 5.9073653427826e-07, | |
| "loss": 0.0268, | |
| "step": 1290 | |
| }, | |
| { | |
| "epoch": 1.004, | |
| "grad_norm": 0.16457466781139374, | |
| "learning_rate": 5.370709077393721e-07, | |
| "loss": 0.0286, | |
| "step": 1300 | |
| }, | |
| { | |
| "epoch": 1.0106666666666666, | |
| "grad_norm": 0.12019941955804825, | |
| "learning_rate": 4.858220360348187e-07, | |
| "loss": 0.0262, | |
| "step": 1310 | |
| }, | |
| { | |
| "epoch": 1.0173333333333334, | |
| "grad_norm": 0.14211136102676392, | |
| "learning_rate": 4.370176713327118e-07, | |
| "loss": 0.026, | |
| "step": 1320 | |
| }, | |
| { | |
| "epoch": 1.024, | |
| "grad_norm": 0.11359744518995285, | |
| "learning_rate": 3.90684242057498e-07, | |
| "loss": 0.0266, | |
| "step": 1330 | |
| }, | |
| { | |
| "epoch": 1.0306666666666666, | |
| "grad_norm": 0.11327305436134338, | |
| "learning_rate": 3.468468385785023e-07, | |
| "loss": 0.0274, | |
| "step": 1340 | |
| }, | |
| { | |
| "epoch": 1.0373333333333334, | |
| "grad_norm": 0.10707303881645203, | |
| "learning_rate": 3.055291996230492e-07, | |
| "loss": 0.0259, | |
| "step": 1350 | |
| }, | |
| { | |
| "epoch": 1.044, | |
| "grad_norm": 0.10647109150886536, | |
| "learning_rate": 2.6675369942151864e-07, | |
| "loss": 0.026, | |
| "step": 1360 | |
| }, | |
| { | |
| "epoch": 1.0506666666666666, | |
| "grad_norm": 0.19219855964183807, | |
| "learning_rate": 2.3054133559131163e-07, | |
| "loss": 0.0275, | |
| "step": 1370 | |
| }, | |
| { | |
| "epoch": 1.0573333333333332, | |
| "grad_norm": 0.17916028201580048, | |
| "learning_rate": 1.9691171776626882e-07, | |
| "loss": 0.0261, | |
| "step": 1380 | |
| }, | |
| { | |
| "epoch": 1.064, | |
| "grad_norm": 0.14635035395622253, | |
| "learning_rate": 1.6588305697770313e-07, | |
| "loss": 0.0271, | |
| "step": 1390 | |
| }, | |
| { | |
| "epoch": 1.0706666666666667, | |
| "grad_norm": 0.12044422328472137, | |
| "learning_rate": 1.374721557928116e-07, | |
| "loss": 0.0264, | |
| "step": 1400 | |
| }, | |
| { | |
| "epoch": 1.0773333333333333, | |
| "grad_norm": 0.10537119954824448, | |
| "learning_rate": 1.1169439921578485e-07, | |
| "loss": 0.0262, | |
| "step": 1410 | |
| }, | |
| { | |
| "epoch": 1.084, | |
| "grad_norm": 0.1695001721382141, | |
| "learning_rate": 8.856374635655696e-08, | |
| "loss": 0.0267, | |
| "step": 1420 | |
| }, | |
| { | |
| "epoch": 1.0906666666666667, | |
| "grad_norm": 0.20581750571727753, | |
| "learning_rate": 6.809272287169988e-08, | |
| "loss": 0.0265, | |
| "step": 1430 | |
| }, | |
| { | |
| "epoch": 1.0973333333333333, | |
| "grad_norm": 0.14110663533210754, | |
| "learning_rate": 5.029241418156139e-08, | |
| "loss": 0.0256, | |
| "step": 1440 | |
| }, | |
| { | |
| "epoch": 1.104, | |
| "grad_norm": 0.1277492642402649, | |
| "learning_rate": 3.517245946731529e-08, | |
| "loss": 0.0252, | |
| "step": 1450 | |
| }, | |
| { | |
| "epoch": 1.1106666666666667, | |
| "grad_norm": 0.17467160522937775, | |
| "learning_rate": 2.27410464511707e-08, | |
| "loss": 0.0268, | |
| "step": 1460 | |
| }, | |
| { | |
| "epoch": 1.1173333333333333, | |
| "grad_norm": 0.14059223234653473, | |
| "learning_rate": 1.3004906962578723e-08, | |
| "loss": 0.0262, | |
| "step": 1470 | |
| }, | |
| { | |
| "epoch": 1.124, | |
| "grad_norm": 0.11744212359189987, | |
| "learning_rate": 5.969313292830126e-09, | |
| "loss": 0.0276, | |
| "step": 1480 | |
| }, | |
| { | |
| "epoch": 1.1306666666666667, | |
| "grad_norm": 0.12303502857685089, | |
| "learning_rate": 1.638075340010814e-09, | |
| "loss": 0.0265, | |
| "step": 1490 | |
| }, | |
| { | |
| "epoch": 1.1373333333333333, | |
| "grad_norm": 0.1259213238954544, | |
| "learning_rate": 1.3538545881042198e-11, | |
| "loss": 0.0275, | |
| "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": 1.2131899331082977e+19, | |
| "train_batch_size": 1, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |