gemma-4b-test-142k / trainer_state.json
bethrezen's picture
Upload folder using huggingface_hub
2064559 verified
{
"best_global_step": null,
"best_metric": null,
"best_model_checkpoint": null,
"epoch": 3.0,
"eval_steps": 500,
"global_step": 288,
"is_hyper_param_search": false,
"is_local_process_zero": true,
"is_world_process_zero": true,
"log_history": [
{
"epoch": 0,
"eval_loss": 4.371264934539795,
"eval_num_tokens": 0.0,
"eval_runtime": 29.4614,
"eval_samples_per_second": 75.115,
"eval_steps_per_second": 2.376,
"step": 0
},
{
"epoch": 0.010416666666666666,
"grad_norm": 52.149383544921875,
"learning_rate": 0.0,
"loss": 15.0648,
"num_tokens": 1835008.0,
"step": 1
},
{
"epoch": 0.020833333333333332,
"grad_norm": 51.116416931152344,
"learning_rate": 6.896551724137932e-06,
"loss": 14.6347,
"num_tokens": 3669884.0,
"step": 2
},
{
"epoch": 0.03125,
"grad_norm": 42.77839660644531,
"learning_rate": 1.3793103448275863e-05,
"loss": 12.7417,
"num_tokens": 5504456.0,
"step": 3
},
{
"epoch": 0.041666666666666664,
"grad_norm": 21.081525802612305,
"learning_rate": 2.0689655172413793e-05,
"loss": 11.2837,
"num_tokens": 7338518.0,
"step": 4
},
{
"epoch": 0.052083333333333336,
"grad_norm": 12.225955963134766,
"learning_rate": 2.7586206896551727e-05,
"loss": 9.6522,
"num_tokens": 9171273.0,
"step": 5
},
{
"epoch": 0.0625,
"grad_norm": 22.207218170166016,
"learning_rate": 3.4482758620689657e-05,
"loss": 13.6798,
"num_tokens": 10989860.0,
"step": 6
},
{
"epoch": 0.07291666666666667,
"grad_norm": 14.794663429260254,
"learning_rate": 4.1379310344827587e-05,
"loss": 11.2003,
"num_tokens": 12762151.0,
"step": 7
},
{
"epoch": 0.08333333333333333,
"grad_norm": 12.77396297454834,
"learning_rate": 4.827586206896552e-05,
"loss": 9.6115,
"num_tokens": 14597063.0,
"step": 8
},
{
"epoch": 0.09375,
"grad_norm": 10.279570579528809,
"learning_rate": 5.517241379310345e-05,
"loss": 8.8284,
"num_tokens": 16431725.0,
"step": 9
},
{
"epoch": 0.10416666666666667,
"grad_norm": 8.187755584716797,
"learning_rate": 6.206896551724138e-05,
"loss": 8.3131,
"num_tokens": 18265899.0,
"step": 10
},
{
"epoch": 0.11458333333333333,
"grad_norm": 5.445209503173828,
"learning_rate": 6.896551724137931e-05,
"loss": 8.0208,
"num_tokens": 20099095.0,
"step": 11
},
{
"epoch": 0.125,
"grad_norm": 6.53316068649292,
"learning_rate": 7.586206896551724e-05,
"loss": 8.0089,
"num_tokens": 21927060.0,
"step": 12
},
{
"epoch": 0.13541666666666666,
"grad_norm": 9.994010925292969,
"learning_rate": 8.275862068965517e-05,
"loss": 8.1674,
"num_tokens": 23686539.0,
"step": 13
},
{
"epoch": 0.14583333333333334,
"grad_norm": 5.84063196182251,
"learning_rate": 8.96551724137931e-05,
"loss": 7.9024,
"num_tokens": 25521502.0,
"step": 14
},
{
"epoch": 0.15625,
"grad_norm": 4.530292987823486,
"learning_rate": 9.655172413793105e-05,
"loss": 7.7778,
"num_tokens": 27356195.0,
"step": 15
},
{
"epoch": 0.16666666666666666,
"grad_norm": 3.1736268997192383,
"learning_rate": 0.00010344827586206898,
"loss": 7.5457,
"num_tokens": 29190486.0,
"step": 16
},
{
"epoch": 0.17708333333333334,
"grad_norm": 3.9896769523620605,
"learning_rate": 0.0001103448275862069,
"loss": 7.4311,
"num_tokens": 31024087.0,
"step": 17
},
{
"epoch": 0.1875,
"grad_norm": 3.630253553390503,
"learning_rate": 0.00011724137931034482,
"loss": 7.227,
"num_tokens": 32855321.0,
"step": 18
},
{
"epoch": 0.19791666666666666,
"grad_norm": 3.98490047454834,
"learning_rate": 0.00012413793103448277,
"loss": 5.8909,
"num_tokens": 34641448.0,
"step": 19
},
{
"epoch": 0.20833333333333334,
"grad_norm": 4.179741859436035,
"learning_rate": 0.00013103448275862068,
"loss": 7.1386,
"num_tokens": 36476456.0,
"step": 20
},
{
"epoch": 0.21875,
"grad_norm": 3.653348684310913,
"learning_rate": 0.00013793103448275863,
"loss": 7.3049,
"num_tokens": 38311233.0,
"step": 21
},
{
"epoch": 0.22916666666666666,
"grad_norm": 1.8011902570724487,
"learning_rate": 0.00014482758620689657,
"loss": 7.3865,
"num_tokens": 40145678.0,
"step": 22
},
{
"epoch": 0.23958333333333334,
"grad_norm": 2.962880849838257,
"learning_rate": 0.00015172413793103449,
"loss": 7.1742,
"num_tokens": 41979519.0,
"step": 23
},
{
"epoch": 0.25,
"grad_norm": 2.545250177383423,
"learning_rate": 0.00015862068965517243,
"loss": 6.9464,
"num_tokens": 43811766.0,
"step": 24
},
{
"epoch": 0.2604166666666667,
"grad_norm": 3.547168254852295,
"learning_rate": 0.00016551724137931035,
"loss": 5.0189,
"num_tokens": 45557051.0,
"step": 25
},
{
"epoch": 0.2708333333333333,
"grad_norm": 3.0412774085998535,
"learning_rate": 0.00017241379310344826,
"loss": 6.9082,
"num_tokens": 47392059.0,
"step": 26
},
{
"epoch": 0.28125,
"grad_norm": 2.2950937747955322,
"learning_rate": 0.0001793103448275862,
"loss": 7.2282,
"num_tokens": 49226914.0,
"step": 27
},
{
"epoch": 0.2916666666666667,
"grad_norm": 2.410656452178955,
"learning_rate": 0.00018620689655172415,
"loss": 7.1382,
"num_tokens": 51061477.0,
"step": 28
},
{
"epoch": 0.3020833333333333,
"grad_norm": 2.726811170578003,
"learning_rate": 0.0001931034482758621,
"loss": 7.2778,
"num_tokens": 52895540.0,
"step": 29
},
{
"epoch": 0.3125,
"grad_norm": 1.3566060066223145,
"learning_rate": 0.0002,
"loss": 6.8058,
"num_tokens": 54728495.0,
"step": 30
},
{
"epoch": 0.3229166666666667,
"grad_norm": 2.3010756969451904,
"learning_rate": 0.0001999926436074355,
"loss": 5.614,
"num_tokens": 56547945.0,
"step": 31
},
{
"epoch": 0.3333333333333333,
"grad_norm": 2.086775302886963,
"learning_rate": 0.00019997057551207221,
"loss": 6.1411,
"num_tokens": 58335361.0,
"step": 32
},
{
"epoch": 0.34375,
"grad_norm": 2.037832498550415,
"learning_rate": 0.0001999337989607416,
"loss": 7.1009,
"num_tokens": 60170309.0,
"step": 33
},
{
"epoch": 0.3541666666666667,
"grad_norm": 1.5545268058776855,
"learning_rate": 0.00019988231936429865,
"loss": 7.1493,
"num_tokens": 62004989.0,
"step": 34
},
{
"epoch": 0.3645833333333333,
"grad_norm": 2.550959825515747,
"learning_rate": 0.00019981614429682575,
"loss": 6.8761,
"num_tokens": 63839187.0,
"step": 35
},
{
"epoch": 0.375,
"grad_norm": 2.005693197250366,
"learning_rate": 0.00019973528349451837,
"loss": 6.9338,
"num_tokens": 65672410.0,
"step": 36
},
{
"epoch": 0.3854166666666667,
"grad_norm": 1.62908935546875,
"learning_rate": 0.00019963974885425266,
"loss": 6.2837,
"num_tokens": 67500466.0,
"step": 37
},
{
"epoch": 0.3958333333333333,
"grad_norm": 1.622885823249817,
"learning_rate": 0.0001995295544318349,
"loss": 5.4648,
"num_tokens": 69256656.0,
"step": 38
},
{
"epoch": 0.40625,
"grad_norm": 1.3703619241714478,
"learning_rate": 0.0001994047164399338,
"loss": 6.7164,
"num_tokens": 71091624.0,
"step": 39
},
{
"epoch": 0.4166666666666667,
"grad_norm": 1.7858023643493652,
"learning_rate": 0.00019926525324569472,
"loss": 7.1825,
"num_tokens": 72926315.0,
"step": 40
},
{
"epoch": 0.4270833333333333,
"grad_norm": 1.419968843460083,
"learning_rate": 0.00019911118536803787,
"loss": 6.9133,
"num_tokens": 74760616.0,
"step": 41
},
{
"epoch": 0.4375,
"grad_norm": 1.3873683214187622,
"learning_rate": 0.00019894253547463896,
"loss": 6.8253,
"num_tokens": 76594149.0,
"step": 42
},
{
"epoch": 0.4479166666666667,
"grad_norm": 0.913640022277832,
"learning_rate": 0.0001987593283785945,
"loss": 6.6054,
"num_tokens": 78424329.0,
"step": 43
},
{
"epoch": 0.4583333333333333,
"grad_norm": 1.8171018362045288,
"learning_rate": 0.00019856159103477086,
"loss": 4.7958,
"num_tokens": 80185993.0,
"step": 44
},
{
"epoch": 0.46875,
"grad_norm": 1.4733974933624268,
"learning_rate": 0.0001983493525358385,
"loss": 6.7481,
"num_tokens": 82020985.0,
"step": 45
},
{
"epoch": 0.4791666666666667,
"grad_norm": 1.0637065172195435,
"learning_rate": 0.0001981226441079918,
"loss": 6.7655,
"num_tokens": 83855703.0,
"step": 46
},
{
"epoch": 0.4895833333333333,
"grad_norm": 1.1668665409088135,
"learning_rate": 0.0001978814991063546,
"loss": 6.8615,
"num_tokens": 85690104.0,
"step": 47
},
{
"epoch": 0.5,
"grad_norm": 1.1763768196105957,
"learning_rate": 0.00019762595301007281,
"loss": 6.8688,
"num_tokens": 87523856.0,
"step": 48
},
{
"epoch": 0.5104166666666666,
"grad_norm": 1.0596013069152832,
"learning_rate": 0.00019735604341709448,
"loss": 6.5309,
"num_tokens": 89355335.0,
"step": 49
},
{
"epoch": 0.5208333333333334,
"grad_norm": 1.4968317747116089,
"learning_rate": 0.00019707181003863808,
"loss": 4.2569,
"num_tokens": 91098058.0,
"step": 50
},
{
"epoch": 0.53125,
"grad_norm": 1.4468708038330078,
"learning_rate": 0.0001967732946933499,
"loss": 6.4713,
"num_tokens": 92933066.0,
"step": 51
},
{
"epoch": 0.5416666666666666,
"grad_norm": 1.1204187870025635,
"learning_rate": 0.0001964605413011512,
"loss": 6.8482,
"num_tokens": 94767926.0,
"step": 52
},
{
"epoch": 0.5520833333333334,
"grad_norm": 1.1414028406143188,
"learning_rate": 0.00019613359587677658,
"loss": 6.9067,
"num_tokens": 96602477.0,
"step": 53
},
{
"epoch": 0.5625,
"grad_norm": 1.1222317218780518,
"learning_rate": 0.0001957925065230038,
"loss": 6.8611,
"num_tokens": 98436510.0,
"step": 54
},
{
"epoch": 0.5729166666666666,
"grad_norm": 1.2287341356277466,
"learning_rate": 0.00019543732342357662,
"loss": 6.6331,
"num_tokens": 100269204.0,
"step": 55
},
{
"epoch": 0.5833333333333334,
"grad_norm": 1.4391974210739136,
"learning_rate": 0.00019506809883582124,
"loss": 4.9841,
"num_tokens": 102087564.0,
"step": 56
},
{
"epoch": 0.59375,
"grad_norm": 0.9550106525421143,
"learning_rate": 0.0001946848870829579,
"loss": 5.7976,
"num_tokens": 103853432.0,
"step": 57
},
{
"epoch": 0.6041666666666666,
"grad_norm": 0.9806034564971924,
"learning_rate": 0.00019428774454610843,
"loss": 6.7797,
"num_tokens": 105688316.0,
"step": 58
},
{
"epoch": 0.6145833333333334,
"grad_norm": 1.075658917427063,
"learning_rate": 0.00019387672965600087,
"loss": 6.8395,
"num_tokens": 107522938.0,
"step": 59
},
{
"epoch": 0.625,
"grad_norm": 1.0181782245635986,
"learning_rate": 0.00019345190288437293,
"loss": 6.775,
"num_tokens": 109357089.0,
"step": 60
},
{
"epoch": 0.6354166666666666,
"grad_norm": 1.1025474071502686,
"learning_rate": 0.00019301332673507456,
"loss": 6.5375,
"num_tokens": 111190261.0,
"step": 61
},
{
"epoch": 0.6458333333333334,
"grad_norm": 1.0409873723983765,
"learning_rate": 0.00019256106573487238,
"loss": 5.8817,
"num_tokens": 113017434.0,
"step": 62
},
{
"epoch": 0.65625,
"grad_norm": 1.040127158164978,
"learning_rate": 0.00019209518642395547,
"loss": 4.9992,
"num_tokens": 114773984.0,
"step": 63
},
{
"epoch": 0.6666666666666666,
"grad_norm": 1.0943304300308228,
"learning_rate": 0.00019161575734614585,
"loss": 6.3306,
"num_tokens": 116608963.0,
"step": 64
},
{
"epoch": 0.6770833333333334,
"grad_norm": 0.9448878765106201,
"learning_rate": 0.0001911228490388136,
"loss": 6.7798,
"num_tokens": 118443674.0,
"step": 65
},
{
"epoch": 0.6875,
"grad_norm": 1.0497307777404785,
"learning_rate": 0.00019061653402249878,
"loss": 6.7631,
"num_tokens": 120278001.0,
"step": 66
},
{
"epoch": 0.6979166666666666,
"grad_norm": 0.9516660571098328,
"learning_rate": 0.0001900968867902419,
"loss": 6.7123,
"num_tokens": 122111518.0,
"step": 67
},
{
"epoch": 0.7083333333333334,
"grad_norm": 0.8681999444961548,
"learning_rate": 0.00018956398379662366,
"loss": 6.2591,
"num_tokens": 123941919.0,
"step": 68
},
{
"epoch": 0.71875,
"grad_norm": 2.1472890377044678,
"learning_rate": 0.00018901790344651645,
"loss": 4.4264,
"num_tokens": 125698383.0,
"step": 69
},
{
"epoch": 0.7291666666666666,
"grad_norm": 1.3623411655426025,
"learning_rate": 0.00018845872608354877,
"loss": 6.4687,
"num_tokens": 127533391.0,
"step": 70
},
{
"epoch": 0.7395833333333334,
"grad_norm": 1.0571578741073608,
"learning_rate": 0.0001878865339782846,
"loss": 6.6055,
"num_tokens": 129368145.0,
"step": 71
},
{
"epoch": 0.75,
"grad_norm": 1.1096223592758179,
"learning_rate": 0.00018730141131611882,
"loss": 6.9156,
"num_tokens": 131202603.0,
"step": 72
},
{
"epoch": 0.7604166666666666,
"grad_norm": 1.0648548603057861,
"learning_rate": 0.0001867034441848915,
"loss": 6.7572,
"num_tokens": 133036394.0,
"step": 73
},
{
"epoch": 0.7708333333333334,
"grad_norm": 0.9367074370384216,
"learning_rate": 0.00018609272056222188,
"loss": 6.5532,
"num_tokens": 134868491.0,
"step": 74
},
{
"epoch": 0.78125,
"grad_norm": 1.4335384368896484,
"learning_rate": 0.00018546933030256417,
"loss": 4.2937,
"num_tokens": 136608131.0,
"step": 75
},
{
"epoch": 0.7916666666666666,
"grad_norm": 4.660006046295166,
"learning_rate": 0.00018483336512398784,
"loss": 6.397,
"num_tokens": 138443139.0,
"step": 76
},
{
"epoch": 0.8020833333333334,
"grad_norm": 1.2509715557098389,
"learning_rate": 0.00018418491859468312,
"loss": 6.8787,
"num_tokens": 140278014.0,
"step": 77
},
{
"epoch": 0.8125,
"grad_norm": 0.9726094007492065,
"learning_rate": 0.00018352408611919453,
"loss": 6.8013,
"num_tokens": 142112594.0,
"step": 78
},
{
"epoch": 0.8229166666666666,
"grad_norm": 1.0140933990478516,
"learning_rate": 0.00018285096492438424,
"loss": 6.7311,
"num_tokens": 143946705.0,
"step": 79
},
{
"epoch": 0.8333333333333334,
"grad_norm": 1.0336406230926514,
"learning_rate": 0.0001821656540451273,
"loss": 6.6231,
"num_tokens": 145779640.0,
"step": 80
},
{
"epoch": 0.84375,
"grad_norm": 1.1661409139633179,
"learning_rate": 0.0001814682543097409,
"loss": 5.2183,
"num_tokens": 147600011.0,
"step": 81
},
{
"epoch": 0.8541666666666666,
"grad_norm": 0.9476063251495361,
"learning_rate": 0.0001807588683251495,
"loss": 5.6845,
"num_tokens": 149377100.0,
"step": 82
},
{
"epoch": 0.8645833333333334,
"grad_norm": 0.9452285170555115,
"learning_rate": 0.00018003760046178882,
"loss": 6.5403,
"num_tokens": 151211990.0,
"step": 83
},
{
"epoch": 0.875,
"grad_norm": 0.958979606628418,
"learning_rate": 0.00017930455683824978,
"loss": 6.6053,
"num_tokens": 153046584.0,
"step": 84
},
{
"epoch": 0.8854166666666666,
"grad_norm": 1.163456678390503,
"learning_rate": 0.00017855984530566564,
"loss": 6.6077,
"num_tokens": 154880688.0,
"step": 85
},
{
"epoch": 0.8958333333333334,
"grad_norm": 1.1934983730316162,
"learning_rate": 0.00017780357543184397,
"loss": 6.5929,
"num_tokens": 156713762.0,
"step": 86
},
{
"epoch": 0.90625,
"grad_norm": 8.590930938720703,
"learning_rate": 0.00017703585848514634,
"loss": 5.8754,
"num_tokens": 158541215.0,
"step": 87
},
{
"epoch": 0.9166666666666666,
"grad_norm": 13.481514930725098,
"learning_rate": 0.00017625680741811746,
"loss": 4.9299,
"num_tokens": 160317578.0,
"step": 88
},
{
"epoch": 0.9270833333333334,
"grad_norm": 3.5045320987701416,
"learning_rate": 0.00017546653685086695,
"loss": 6.3777,
"num_tokens": 162152538.0,
"step": 89
},
{
"epoch": 0.9375,
"grad_norm": 2.1936583518981934,
"learning_rate": 0.00017466516305420524,
"loss": 6.7691,
"num_tokens": 163987214.0,
"step": 90
},
{
"epoch": 0.9479166666666666,
"grad_norm": 1.0100579261779785,
"learning_rate": 0.00017385280393253716,
"loss": 6.6249,
"num_tokens": 165821456.0,
"step": 91
},
{
"epoch": 0.9583333333333334,
"grad_norm": 1.6229281425476074,
"learning_rate": 0.00017302957900651474,
"loss": 6.4187,
"num_tokens": 167654831.0,
"step": 92
},
{
"epoch": 0.96875,
"grad_norm": 1.4464794397354126,
"learning_rate": 0.00017219560939545246,
"loss": 6.1919,
"num_tokens": 169484982.0,
"step": 93
},
{
"epoch": 0.9791666666666666,
"grad_norm": 1.393432855606079,
"learning_rate": 0.00017135101779950724,
"loss": 4.3906,
"num_tokens": 171229135.0,
"step": 94
},
{
"epoch": 0.9895833333333334,
"grad_norm": 1.427167534828186,
"learning_rate": 0.00017049592848162584,
"loss": 6.5857,
"num_tokens": 173063228.0,
"step": 95
},
{
"epoch": 1.0,
"grad_norm": 0.7913920879364014,
"learning_rate": 0.00016963046724926222,
"loss": 5.8988,
"num_tokens": 174885743.0,
"step": 96
},
{
"epoch": 1.0,
"eval_loss": 0.40726137161254883,
"eval_num_tokens": 174885743.0,
"eval_runtime": 29.6224,
"eval_samples_per_second": 74.707,
"eval_steps_per_second": 2.363,
"step": 96
},
{
"epoch": 1.0104166666666667,
"grad_norm": 1.2719930410385132,
"learning_rate": 0.00016875476143586788,
"loss": 5.9922,
"num_tokens": 176720751.0,
"step": 97
},
{
"epoch": 1.0208333333333333,
"grad_norm": 1.0774774551391602,
"learning_rate": 0.00016786893988215753,
"loss": 6.0907,
"num_tokens": 178555589.0,
"step": 98
},
{
"epoch": 1.03125,
"grad_norm": 1.2304658889770508,
"learning_rate": 0.00016697313291715298,
"loss": 6.1506,
"num_tokens": 180390095.0,
"step": 99
},
{
"epoch": 1.0416666666666667,
"grad_norm": 1.3053410053253174,
"learning_rate": 0.00016606747233900815,
"loss": 5.9837,
"num_tokens": 182224036.0,
"step": 100
},
{
"epoch": 1.0520833333333333,
"grad_norm": 0.9655668139457703,
"learning_rate": 0.00016515209139561794,
"loss": 5.8686,
"num_tokens": 184056473.0,
"step": 101
},
{
"epoch": 1.0625,
"grad_norm": 1.163251280784607,
"learning_rate": 0.0001642271247650136,
"loss": 4.2894,
"num_tokens": 185872860.0,
"step": 102
},
{
"epoch": 1.0729166666666667,
"grad_norm": 0.9375080466270447,
"learning_rate": 0.00016329270853554807,
"loss": 5.1262,
"num_tokens": 187644701.0,
"step": 103
},
{
"epoch": 1.0833333333333333,
"grad_norm": 0.836040198802948,
"learning_rate": 0.00016234898018587337,
"loss": 5.9917,
"num_tokens": 189479639.0,
"step": 104
},
{
"epoch": 1.09375,
"grad_norm": 1.0972402095794678,
"learning_rate": 0.00016139607856471377,
"loss": 6.1988,
"num_tokens": 191314308.0,
"step": 105
},
{
"epoch": 1.1041666666666667,
"grad_norm": 0.8589965105056763,
"learning_rate": 0.0001604341438704373,
"loss": 6.2019,
"num_tokens": 193148505.0,
"step": 106
},
{
"epoch": 1.1145833333333333,
"grad_norm": 0.8513528108596802,
"learning_rate": 0.00015946331763042867,
"loss": 5.855,
"num_tokens": 194981706.0,
"step": 107
},
{
"epoch": 1.125,
"grad_norm": 1.2804700136184692,
"learning_rate": 0.00015848374268026647,
"loss": 5.0832,
"num_tokens": 196807954.0,
"step": 108
},
{
"epoch": 1.1354166666666667,
"grad_norm": 0.9044701457023621,
"learning_rate": 0.0001574955631427083,
"loss": 4.5894,
"num_tokens": 198547334.0,
"step": 109
},
{
"epoch": 1.1458333333333333,
"grad_norm": 0.9213070273399353,
"learning_rate": 0.00015649892440648623,
"loss": 5.8609,
"num_tokens": 200382304.0,
"step": 110
},
{
"epoch": 1.15625,
"grad_norm": 1.2462490797042847,
"learning_rate": 0.00015549397310491605,
"loss": 6.0755,
"num_tokens": 202216995.0,
"step": 111
},
{
"epoch": 1.1666666666666667,
"grad_norm": 0.9984328746795654,
"learning_rate": 0.00015448085709432338,
"loss": 6.1775,
"num_tokens": 204051331.0,
"step": 112
},
{
"epoch": 1.1770833333333333,
"grad_norm": 0.8022240400314331,
"learning_rate": 0.00015345972543229,
"loss": 6.0557,
"num_tokens": 205884933.0,
"step": 113
},
{
"epoch": 1.1875,
"grad_norm": 0.8404216170310974,
"learning_rate": 0.00015243072835572318,
"loss": 5.6417,
"num_tokens": 207715221.0,
"step": 114
},
{
"epoch": 1.1979166666666667,
"grad_norm": 1.0233253240585327,
"learning_rate": 0.0001513940172587518,
"loss": 3.9534,
"num_tokens": 209463400.0,
"step": 115
},
{
"epoch": 1.2083333333333333,
"grad_norm": 0.8012278079986572,
"learning_rate": 0.000150349744670452,
"loss": 5.8775,
"num_tokens": 211298403.0,
"step": 116
},
{
"epoch": 1.21875,
"grad_norm": 0.9274885058403015,
"learning_rate": 0.00014929806423240582,
"loss": 6.1698,
"num_tokens": 213133134.0,
"step": 117
},
{
"epoch": 1.2291666666666667,
"grad_norm": 0.8778573870658875,
"learning_rate": 0.00014823913067609637,
"loss": 6.0613,
"num_tokens": 214967541.0,
"step": 118
},
{
"epoch": 1.2395833333333333,
"grad_norm": 0.9037396907806396,
"learning_rate": 0.00014717309980014244,
"loss": 6.0915,
"num_tokens": 216801312.0,
"step": 119
},
{
"epoch": 1.25,
"grad_norm": 0.9712461233139038,
"learning_rate": 0.00014610012844737622,
"loss": 5.7472,
"num_tokens": 218633029.0,
"step": 120
},
{
"epoch": 1.2604166666666667,
"grad_norm": 1.3214646577835083,
"learning_rate": 0.00014502037448176734,
"loss": 3.4601,
"num_tokens": 220392276.0,
"step": 121
},
{
"epoch": 1.2708333333333333,
"grad_norm": 0.9007311463356018,
"learning_rate": 0.00014393399676519667,
"loss": 5.8749,
"num_tokens": 222227284.0,
"step": 122
},
{
"epoch": 1.28125,
"grad_norm": 0.9098818898200989,
"learning_rate": 0.00014284115513408336,
"loss": 5.9967,
"num_tokens": 224062147.0,
"step": 123
},
{
"epoch": 1.2916666666666667,
"grad_norm": 0.8330245018005371,
"learning_rate": 0.00014174201037586842,
"loss": 5.9866,
"num_tokens": 225896682.0,
"step": 124
},
{
"epoch": 1.3020833333333333,
"grad_norm": 0.8968133330345154,
"learning_rate": 0.0001406367242053583,
"loss": 5.9487,
"num_tokens": 227730675.0,
"step": 125
},
{
"epoch": 1.3125,
"grad_norm": 0.8355301022529602,
"learning_rate": 0.00013952545924093238,
"loss": 5.8684,
"num_tokens": 229563354.0,
"step": 126
},
{
"epoch": 1.3229166666666667,
"grad_norm": 0.9524968862533569,
"learning_rate": 0.00013840837898061712,
"loss": 4.6631,
"num_tokens": 231382349.0,
"step": 127
},
{
"epoch": 1.3333333333333333,
"grad_norm": 0.7690907716751099,
"learning_rate": 0.00013728564777803088,
"loss": 5.1172,
"num_tokens": 233157485.0,
"step": 128
},
{
"epoch": 1.34375,
"grad_norm": 0.8060216903686523,
"learning_rate": 0.00013615743081820308,
"loss": 5.999,
"num_tokens": 234992398.0,
"step": 129
},
{
"epoch": 1.3541666666666667,
"grad_norm": 0.8314852118492126,
"learning_rate": 0.00013502389409327087,
"loss": 6.0317,
"num_tokens": 236827040.0,
"step": 130
},
{
"epoch": 1.3645833333333333,
"grad_norm": 0.8006500601768494,
"learning_rate": 0.0001338852043780569,
"loss": 5.7848,
"num_tokens": 238661202.0,
"step": 131
},
{
"epoch": 1.375,
"grad_norm": 0.8115113973617554,
"learning_rate": 0.00013274152920553226,
"loss": 5.9345,
"num_tokens": 240494474.0,
"step": 132
},
{
"epoch": 1.3854166666666667,
"grad_norm": 0.7442668676376343,
"learning_rate": 0.0001315930368421676,
"loss": 5.234,
"num_tokens": 242322367.0,
"step": 133
},
{
"epoch": 1.3958333333333333,
"grad_norm": 1.0141338109970093,
"learning_rate": 0.00013043989626317667,
"loss": 4.1387,
"num_tokens": 244114841.0,
"step": 134
},
{
"epoch": 1.40625,
"grad_norm": 0.8511059284210205,
"learning_rate": 0.00012928227712765504,
"loss": 5.9175,
"num_tokens": 245949813.0,
"step": 135
},
{
"epoch": 1.4166666666666667,
"grad_norm": 0.8228452801704407,
"learning_rate": 0.00012812034975361874,
"loss": 5.9637,
"num_tokens": 247784505.0,
"step": 136
},
{
"epoch": 1.4270833333333333,
"grad_norm": 0.8691542148590088,
"learning_rate": 0.00012695428509294567,
"loss": 5.9107,
"num_tokens": 249618830.0,
"step": 137
},
{
"epoch": 1.4375,
"grad_norm": 0.7453424334526062,
"learning_rate": 0.0001257842547062238,
"loss": 5.7804,
"num_tokens": 251452377.0,
"step": 138
},
{
"epoch": 1.4479166666666667,
"grad_norm": 0.7112407088279724,
"learning_rate": 0.00012461043073750988,
"loss": 5.5699,
"num_tokens": 253283287.0,
"step": 139
},
{
"epoch": 1.4583333333333333,
"grad_norm": 0.9047596454620361,
"learning_rate": 0.00012343298588900225,
"loss": 3.9271,
"num_tokens": 255026046.0,
"step": 140
},
{
"epoch": 1.46875,
"grad_norm": 0.7571535110473633,
"learning_rate": 0.00012225209339563145,
"loss": 5.9484,
"num_tokens": 256861054.0,
"step": 141
},
{
"epoch": 1.4791666666666667,
"grad_norm": 0.8223585486412048,
"learning_rate": 0.00012106792699957263,
"loss": 5.8375,
"num_tokens": 258695847.0,
"step": 142
},
{
"epoch": 1.4895833333333333,
"grad_norm": 0.8138189315795898,
"learning_rate": 0.00011988066092468324,
"loss": 6.041,
"num_tokens": 260530258.0,
"step": 143
},
{
"epoch": 1.5,
"grad_norm": 0.8064430356025696,
"learning_rate": 0.00011869046985086978,
"loss": 6.0705,
"num_tokens": 262364015.0,
"step": 144
},
{
"epoch": 1.5104166666666665,
"grad_norm": 0.7332646250724792,
"learning_rate": 0.00011749752888838754,
"loss": 5.7084,
"num_tokens": 264195805.0,
"step": 145
},
{
"epoch": 1.5208333333333335,
"grad_norm": 0.9756503701210022,
"learning_rate": 0.00011630201355207709,
"loss": 3.9937,
"num_tokens": 265976881.0,
"step": 146
},
{
"epoch": 1.53125,
"grad_norm": 0.8575289845466614,
"learning_rate": 0.000115104099735541,
"loss": 5.6886,
"num_tokens": 267811889.0,
"step": 147
},
{
"epoch": 1.5416666666666665,
"grad_norm": 0.8274205923080444,
"learning_rate": 0.00011390396368526517,
"loss": 5.9956,
"num_tokens": 269646750.0,
"step": 148
},
{
"epoch": 1.5520833333333335,
"grad_norm": 0.8247790336608887,
"learning_rate": 0.00011270178197468789,
"loss": 6.0649,
"num_tokens": 271481363.0,
"step": 149
},
{
"epoch": 1.5625,
"grad_norm": 1.015745759010315,
"learning_rate": 0.00011149773147822111,
"loss": 6.079,
"num_tokens": 273315476.0,
"step": 150
},
{
"epoch": 1.5729166666666665,
"grad_norm": 1.3161146640777588,
"learning_rate": 0.00011029198934522725,
"loss": 5.8144,
"num_tokens": 275148482.0,
"step": 151
},
{
"epoch": 1.5833333333333335,
"grad_norm": 0.7493459582328796,
"learning_rate": 0.00010908473297395551,
"loss": 4.7308,
"num_tokens": 276969990.0,
"step": 152
},
{
"epoch": 1.59375,
"grad_norm": 0.7081484794616699,
"learning_rate": 0.0001078761399854418,
"loss": 4.8451,
"num_tokens": 278741308.0,
"step": 153
},
{
"epoch": 1.6041666666666665,
"grad_norm": 0.8730968236923218,
"learning_rate": 0.00010666638819737553,
"loss": 5.9697,
"num_tokens": 280576202.0,
"step": 154
},
{
"epoch": 1.6145833333333335,
"grad_norm": 0.8091002106666565,
"learning_rate": 0.00010545565559793796,
"loss": 6.1964,
"num_tokens": 282410853.0,
"step": 155
},
{
"epoch": 1.625,
"grad_norm": 0.7971783876419067,
"learning_rate": 0.00010424412031961484,
"loss": 6.0415,
"num_tokens": 284245022.0,
"step": 156
},
{
"epoch": 1.6354166666666665,
"grad_norm": 0.8752973675727844,
"learning_rate": 0.0001030319606129885,
"loss": 5.8945,
"num_tokens": 286078219.0,
"step": 157
},
{
"epoch": 1.6458333333333335,
"grad_norm": 0.7812337279319763,
"learning_rate": 0.00010181935482051197,
"loss": 5.2035,
"num_tokens": 287905531.0,
"step": 158
},
{
"epoch": 1.65625,
"grad_norm": 0.8713350296020508,
"learning_rate": 0.00010060648135026998,
"loss": 4.39,
"num_tokens": 289671225.0,
"step": 159
},
{
"epoch": 1.6666666666666665,
"grad_norm": 0.8351245522499084,
"learning_rate": 9.939351864973006e-05,
"loss": 5.74,
"num_tokens": 291506205.0,
"step": 160
},
{
"epoch": 1.6770833333333335,
"grad_norm": 0.8304809927940369,
"learning_rate": 9.818064517948805e-05,
"loss": 5.6296,
"num_tokens": 293340903.0,
"step": 161
},
{
"epoch": 1.6875,
"grad_norm": 0.7580217123031616,
"learning_rate": 9.696803938701154e-05,
"loss": 5.9524,
"num_tokens": 295175185.0,
"step": 162
},
{
"epoch": 1.6979166666666665,
"grad_norm": 0.9276612997055054,
"learning_rate": 9.57558796803852e-05,
"loss": 5.9102,
"num_tokens": 297008730.0,
"step": 163
},
{
"epoch": 1.7083333333333335,
"grad_norm": 0.7644199132919312,
"learning_rate": 9.454434440206211e-05,
"loss": 5.7445,
"num_tokens": 298839757.0,
"step": 164
},
{
"epoch": 1.71875,
"grad_norm": 0.8255704045295715,
"learning_rate": 9.33336118026245e-05,
"loss": 4.0577,
"num_tokens": 300606809.0,
"step": 165
},
{
"epoch": 1.7291666666666665,
"grad_norm": 0.8408218622207642,
"learning_rate": 9.212386001455826e-05,
"loss": 5.7455,
"num_tokens": 302441808.0,
"step": 166
},
{
"epoch": 1.7395833333333335,
"grad_norm": 0.791253387928009,
"learning_rate": 9.091526702604448e-05,
"loss": 6.0161,
"num_tokens": 304276550.0,
"step": 167
},
{
"epoch": 1.75,
"grad_norm": 0.7565672397613525,
"learning_rate": 8.970801065477276e-05,
"loss": 6.0298,
"num_tokens": 306110958.0,
"step": 168
},
{
"epoch": 1.7604166666666665,
"grad_norm": 0.8409264087677002,
"learning_rate": 8.85022685217789e-05,
"loss": 5.8963,
"num_tokens": 307944693.0,
"step": 169
},
{
"epoch": 1.7708333333333335,
"grad_norm": 0.7787932753562927,
"learning_rate": 8.729821802531212e-05,
"loss": 5.7313,
"num_tokens": 309776172.0,
"step": 170
},
{
"epoch": 1.78125,
"grad_norm": 1.0043314695358276,
"learning_rate": 8.609603631473487e-05,
"loss": 3.5194,
"num_tokens": 311489802.0,
"step": 171
},
{
"epoch": 1.7916666666666665,
"grad_norm": 0.7282080054283142,
"learning_rate": 8.489590026445902e-05,
"loss": 5.7639,
"num_tokens": 313324810.0,
"step": 172
},
{
"epoch": 1.8020833333333335,
"grad_norm": 0.7764191627502441,
"learning_rate": 8.369798644792293e-05,
"loss": 5.8578,
"num_tokens": 315159645.0,
"step": 173
},
{
"epoch": 1.8125,
"grad_norm": 0.8042583465576172,
"learning_rate": 8.250247111161248e-05,
"loss": 5.9218,
"num_tokens": 316994149.0,
"step": 174
},
{
"epoch": 1.8229166666666665,
"grad_norm": 0.7392557263374329,
"learning_rate": 8.130953014913025e-05,
"loss": 5.7039,
"num_tokens": 318828139.0,
"step": 175
},
{
"epoch": 1.8333333333333335,
"grad_norm": 0.742917001247406,
"learning_rate": 8.011933907531678e-05,
"loss": 5.6819,
"num_tokens": 320660783.0,
"step": 176
},
{
"epoch": 1.84375,
"grad_norm": 0.8126767873764038,
"learning_rate": 7.89320730004274e-05,
"loss": 4.2975,
"num_tokens": 322478386.0,
"step": 177
},
{
"epoch": 1.8541666666666665,
"grad_norm": 0.6863731741905212,
"learning_rate": 7.774790660436858e-05,
"loss": 5.0231,
"num_tokens": 324250009.0,
"step": 178
},
{
"epoch": 1.8645833333333335,
"grad_norm": 0.8107653856277466,
"learning_rate": 7.656701411099777e-05,
"loss": 5.9952,
"num_tokens": 326084914.0,
"step": 179
},
{
"epoch": 1.875,
"grad_norm": 0.7769672274589539,
"learning_rate": 7.538956926249014e-05,
"loss": 5.9752,
"num_tokens": 327919576.0,
"step": 180
},
{
"epoch": 1.8854166666666665,
"grad_norm": 0.8014964461326599,
"learning_rate": 7.421574529377623e-05,
"loss": 6.0391,
"num_tokens": 329753817.0,
"step": 181
},
{
"epoch": 1.8958333333333335,
"grad_norm": 0.7131144404411316,
"learning_rate": 7.304571490705433e-05,
"loss": 5.7906,
"num_tokens": 331587167.0,
"step": 182
},
{
"epoch": 1.90625,
"grad_norm": 0.6183276176452637,
"learning_rate": 7.187965024638127e-05,
"loss": 5.2981,
"num_tokens": 333416340.0,
"step": 183
},
{
"epoch": 1.9166666666666665,
"grad_norm": 0.7822322249412537,
"learning_rate": 7.071772287234497e-05,
"loss": 4.1759,
"num_tokens": 335184043.0,
"step": 184
},
{
"epoch": 1.9270833333333335,
"grad_norm": 0.9038224220275879,
"learning_rate": 6.956010373682335e-05,
"loss": 5.8676,
"num_tokens": 337019011.0,
"step": 185
},
{
"epoch": 1.9375,
"grad_norm": 0.7321260571479797,
"learning_rate": 6.840696315783239e-05,
"loss": 5.9956,
"num_tokens": 338853731.0,
"step": 186
},
{
"epoch": 1.9479166666666665,
"grad_norm": 0.6627479791641235,
"learning_rate": 6.725847079446778e-05,
"loss": 5.9686,
"num_tokens": 340688113.0,
"step": 187
},
{
"epoch": 1.9583333333333335,
"grad_norm": 0.8157824277877808,
"learning_rate": 6.611479562194314e-05,
"loss": 5.8535,
"num_tokens": 342521820.0,
"step": 188
},
{
"epoch": 1.96875,
"grad_norm": 0.7909327745437622,
"learning_rate": 6.497610590672916e-05,
"loss": 5.6085,
"num_tokens": 344353269.0,
"step": 189
},
{
"epoch": 1.9791666666666665,
"grad_norm": 0.9760119318962097,
"learning_rate": 6.384256918179691e-05,
"loss": 3.755,
"num_tokens": 346123614.0,
"step": 190
},
{
"epoch": 1.9895833333333335,
"grad_norm": 0.6910778880119324,
"learning_rate": 6.271435222196916e-05,
"loss": 5.5981,
"num_tokens": 347957631.0,
"step": 191
},
{
"epoch": 2.0,
"grad_norm": 0.6510729193687439,
"learning_rate": 6.159162101938292e-05,
"loss": 4.9271,
"num_tokens": 349771486.0,
"step": 192
},
{
"epoch": 2.0,
"eval_loss": 0.3423305153846741,
"eval_num_tokens": 349771486.0,
"eval_runtime": 29.6637,
"eval_samples_per_second": 74.603,
"eval_steps_per_second": 2.36,
"step": 192
},
{
"epoch": 2.0104166666666665,
"grad_norm": 0.6948514580726624,
"learning_rate": 6.047454075906764e-05,
"loss": 5.0611,
"num_tokens": 351606494.0,
"step": 193
},
{
"epoch": 2.0208333333333335,
"grad_norm": 0.7176052331924438,
"learning_rate": 5.9363275794641736e-05,
"loss": 5.2794,
"num_tokens": 353441326.0,
"step": 194
},
{
"epoch": 2.03125,
"grad_norm": 0.7443753480911255,
"learning_rate": 5.825798962413164e-05,
"loss": 5.4079,
"num_tokens": 355275836.0,
"step": 195
},
{
"epoch": 2.0416666666666665,
"grad_norm": 0.7725483775138855,
"learning_rate": 5.7158844865916625e-05,
"loss": 5.4036,
"num_tokens": 357109789.0,
"step": 196
},
{
"epoch": 2.0520833333333335,
"grad_norm": 0.7521345615386963,
"learning_rate": 5.606600323480332e-05,
"loss": 5.2468,
"num_tokens": 358942348.0,
"step": 197
},
{
"epoch": 2.0625,
"grad_norm": 0.7622354626655579,
"learning_rate": 5.497962551823266e-05,
"loss": 3.8429,
"num_tokens": 360757610.0,
"step": 198
},
{
"epoch": 2.0729166666666665,
"grad_norm": 0.630013644695282,
"learning_rate": 5.389987155262379e-05,
"loss": 4.3363,
"num_tokens": 362511064.0,
"step": 199
},
{
"epoch": 2.0833333333333335,
"grad_norm": 0.7594055533409119,
"learning_rate": 5.282690019985757e-05,
"loss": 5.4325,
"num_tokens": 364345973.0,
"step": 200
},
{
"epoch": 2.09375,
"grad_norm": 0.6902291774749756,
"learning_rate": 5.176086932390365e-05,
"loss": 5.3965,
"num_tokens": 366180610.0,
"step": 201
},
{
"epoch": 2.1041666666666665,
"grad_norm": 0.7697541117668152,
"learning_rate": 5.070193576759419e-05,
"loss": 5.37,
"num_tokens": 368014780.0,
"step": 202
},
{
"epoch": 2.1145833333333335,
"grad_norm": 0.7714757323265076,
"learning_rate": 4.965025532954801e-05,
"loss": 5.2093,
"num_tokens": 369847958.0,
"step": 203
},
{
"epoch": 2.125,
"grad_norm": 0.6553754210472107,
"learning_rate": 4.8605982741248215e-05,
"loss": 4.6465,
"num_tokens": 371674362.0,
"step": 204
},
{
"epoch": 2.1354166666666665,
"grad_norm": 0.7760845422744751,
"learning_rate": 4.756927164427685e-05,
"loss": 3.8276,
"num_tokens": 373456236.0,
"step": 205
},
{
"epoch": 2.1458333333333335,
"grad_norm": 0.8509770035743713,
"learning_rate": 4.654027456771004e-05,
"loss": 5.3333,
"num_tokens": 375291204.0,
"step": 206
},
{
"epoch": 2.15625,
"grad_norm": 0.7249243259429932,
"learning_rate": 4.551914290567665e-05,
"loss": 5.328,
"num_tokens": 377125884.0,
"step": 207
},
{
"epoch": 2.1666666666666665,
"grad_norm": 0.727703869342804,
"learning_rate": 4.450602689508398e-05,
"loss": 5.4402,
"num_tokens": 378960200.0,
"step": 208
},
{
"epoch": 2.1770833333333335,
"grad_norm": 0.7168691158294678,
"learning_rate": 4.35010755935138e-05,
"loss": 5.3316,
"num_tokens": 380793712.0,
"step": 209
},
{
"epoch": 2.1875,
"grad_norm": 0.6583669185638428,
"learning_rate": 4.250443685729169e-05,
"loss": 5.0108,
"num_tokens": 382624695.0,
"step": 210
},
{
"epoch": 2.1979166666666665,
"grad_norm": 0.9036791324615479,
"learning_rate": 4.151625731973354e-05,
"loss": 3.5982,
"num_tokens": 384387840.0,
"step": 211
},
{
"epoch": 2.2083333333333335,
"grad_norm": 0.7037631869316101,
"learning_rate": 4.053668236957134e-05,
"loss": 5.0738,
"num_tokens": 386222848.0,
"step": 212
},
{
"epoch": 2.21875,
"grad_norm": 0.7382966876029968,
"learning_rate": 3.956585612956268e-05,
"loss": 5.4672,
"num_tokens": 388057618.0,
"step": 213
},
{
"epoch": 2.2291666666666665,
"grad_norm": 0.7034947872161865,
"learning_rate": 3.8603921435286236e-05,
"loss": 5.3153,
"num_tokens": 389891998.0,
"step": 214
},
{
"epoch": 2.2395833333333335,
"grad_norm": 0.700252115726471,
"learning_rate": 3.7651019814126654e-05,
"loss": 5.1981,
"num_tokens": 391725631.0,
"step": 215
},
{
"epoch": 2.25,
"grad_norm": 0.702680766582489,
"learning_rate": 3.670729146445195e-05,
"loss": 4.976,
"num_tokens": 393557040.0,
"step": 216
},
{
"epoch": 2.2604166666666665,
"grad_norm": 0.8597504496574402,
"learning_rate": 3.577287523498641e-05,
"loss": 3.1902,
"num_tokens": 395290416.0,
"step": 217
},
{
"epoch": 2.2708333333333335,
"grad_norm": 0.6755448579788208,
"learning_rate": 3.4847908604382095e-05,
"loss": 5.2388,
"num_tokens": 397125424.0,
"step": 218
},
{
"epoch": 2.28125,
"grad_norm": 0.7342623472213745,
"learning_rate": 3.393252766099187e-05,
"loss": 5.322,
"num_tokens": 398960262.0,
"step": 219
},
{
"epoch": 2.2916666666666665,
"grad_norm": 0.6767341494560242,
"learning_rate": 3.3026867082847056e-05,
"loss": 5.4798,
"num_tokens": 400794825.0,
"step": 220
},
{
"epoch": 2.3020833333333335,
"grad_norm": 1.052095651626587,
"learning_rate": 3.21310601178425e-05,
"loss": 5.5205,
"num_tokens": 402628868.0,
"step": 221
},
{
"epoch": 2.3125,
"grad_norm": 0.6284305453300476,
"learning_rate": 3.1245238564132163e-05,
"loss": 5.2478,
"num_tokens": 404461483.0,
"step": 222
},
{
"epoch": 2.3229166666666665,
"grad_norm": 2.5975844860076904,
"learning_rate": 3.036953275073783e-05,
"loss": 4.1041,
"num_tokens": 406281705.0,
"step": 223
},
{
"epoch": 2.3333333333333335,
"grad_norm": 0.608096718788147,
"learning_rate": 2.950407151837421e-05,
"loss": 4.6334,
"num_tokens": 408058365.0,
"step": 224
},
{
"epoch": 2.34375,
"grad_norm": 0.6512030363082886,
"learning_rate": 2.864898220049277e-05,
"loss": 5.4096,
"num_tokens": 409893288.0,
"step": 225
},
{
"epoch": 2.3541666666666665,
"grad_norm": 0.6984207034111023,
"learning_rate": 2.7804390604547557e-05,
"loss": 5.5544,
"num_tokens": 411727962.0,
"step": 226
},
{
"epoch": 2.3645833333333335,
"grad_norm": 0.645203173160553,
"learning_rate": 2.697042099348528e-05,
"loss": 5.5268,
"num_tokens": 413562214.0,
"step": 227
},
{
"epoch": 2.375,
"grad_norm": 0.7451352477073669,
"learning_rate": 2.6147196067462852e-05,
"loss": 5.1853,
"num_tokens": 415395615.0,
"step": 228
},
{
"epoch": 2.3854166666666665,
"grad_norm": 0.6436541676521301,
"learning_rate": 2.533483694579477e-05,
"loss": 4.9048,
"num_tokens": 417224307.0,
"step": 229
},
{
"epoch": 2.3958333333333335,
"grad_norm": 0.7218170762062073,
"learning_rate": 2.4533463149133073e-05,
"loss": 3.8916,
"num_tokens": 419005795.0,
"step": 230
},
{
"epoch": 2.40625,
"grad_norm": 0.6904891729354858,
"learning_rate": 2.3743192581882556e-05,
"loss": 5.2894,
"num_tokens": 420840789.0,
"step": 231
},
{
"epoch": 2.4166666666666665,
"grad_norm": 0.6729670763015747,
"learning_rate": 2.296414151485371e-05,
"loss": 5.5056,
"num_tokens": 422675503.0,
"step": 232
},
{
"epoch": 2.4270833333333335,
"grad_norm": 0.6402373909950256,
"learning_rate": 2.2196424568156073e-05,
"loss": 5.3354,
"num_tokens": 424509862.0,
"step": 233
},
{
"epoch": 2.4375,
"grad_norm": 0.6556631922721863,
"learning_rate": 2.1440154694334404e-05,
"loss": 5.2873,
"num_tokens": 426343538.0,
"step": 234
},
{
"epoch": 2.4479166666666665,
"grad_norm": 0.6008151173591614,
"learning_rate": 2.069544316175025e-05,
"loss": 5.0402,
"num_tokens": 428174442.0,
"step": 235
},
{
"epoch": 2.4583333333333335,
"grad_norm": 0.851319432258606,
"learning_rate": 1.9962399538211207e-05,
"loss": 3.3889,
"num_tokens": 429919669.0,
"step": 236
},
{
"epoch": 2.46875,
"grad_norm": 0.6194161176681519,
"learning_rate": 1.9241131674850542e-05,
"loss": 5.3071,
"num_tokens": 431754677.0,
"step": 237
},
{
"epoch": 2.4791666666666665,
"grad_norm": 0.738338828086853,
"learning_rate": 1.853174569025914e-05,
"loss": 5.4458,
"num_tokens": 433589432.0,
"step": 238
},
{
"epoch": 2.4895833333333335,
"grad_norm": 0.6430217623710632,
"learning_rate": 1.7834345954872713e-05,
"loss": 5.4256,
"num_tokens": 435423869.0,
"step": 239
},
{
"epoch": 2.5,
"grad_norm": 0.6353598237037659,
"learning_rate": 1.7149035075615794e-05,
"loss": 5.3607,
"num_tokens": 437257708.0,
"step": 240
},
{
"epoch": 2.5104166666666665,
"grad_norm": 0.6141358017921448,
"learning_rate": 1.6475913880805514e-05,
"loss": 5.1188,
"num_tokens": 439089899.0,
"step": 241
},
{
"epoch": 2.5208333333333335,
"grad_norm": 0.946632444858551,
"learning_rate": 1.5815081405316912e-05,
"loss": 3.4461,
"num_tokens": 440851746.0,
"step": 242
},
{
"epoch": 2.53125,
"grad_norm": 0.5994837880134583,
"learning_rate": 1.5166634876012187e-05,
"loss": 5.2468,
"num_tokens": 442686754.0,
"step": 243
},
{
"epoch": 2.5416666666666665,
"grad_norm": 0.6093682646751404,
"learning_rate": 1.4530669697435861e-05,
"loss": 5.3245,
"num_tokens": 444521618.0,
"step": 244
},
{
"epoch": 2.5520833333333335,
"grad_norm": 0.6194096803665161,
"learning_rate": 1.3907279437778153e-05,
"loss": 5.3153,
"num_tokens": 446356145.0,
"step": 245
},
{
"epoch": 2.5625,
"grad_norm": 0.7306890487670898,
"learning_rate": 1.329655581510847e-05,
"loss": 5.3427,
"num_tokens": 448190084.0,
"step": 246
},
{
"epoch": 2.5729166666666665,
"grad_norm": 0.6183792352676392,
"learning_rate": 1.2698588683881186e-05,
"loss": 5.1223,
"num_tokens": 450022704.0,
"step": 247
},
{
"epoch": 2.5833333333333335,
"grad_norm": 0.7473891973495483,
"learning_rate": 1.2113466021715425e-05,
"loss": 3.8863,
"num_tokens": 451841614.0,
"step": 248
},
{
"epoch": 2.59375,
"grad_norm": 0.5600215196609497,
"learning_rate": 1.1541273916451235e-05,
"loss": 4.5054,
"num_tokens": 453629048.0,
"step": 249
},
{
"epoch": 2.6041666666666665,
"grad_norm": 0.5968042612075806,
"learning_rate": 1.0982096553483568e-05,
"loss": 5.156,
"num_tokens": 455463961.0,
"step": 250
},
{
"epoch": 2.6145833333333335,
"grad_norm": 0.6372103691101074,
"learning_rate": 1.0436016203376343e-05,
"loss": 5.3602,
"num_tokens": 457298596.0,
"step": 251
},
{
"epoch": 2.625,
"grad_norm": 0.6640581488609314,
"learning_rate": 9.903113209758096e-06,
"loss": 5.1987,
"num_tokens": 459132752.0,
"step": 252
},
{
"epoch": 2.6354166666666665,
"grad_norm": 0.6306663155555725,
"learning_rate": 9.383465977501227e-06,
"loss": 5.3803,
"num_tokens": 460966021.0,
"step": 253
},
{
"epoch": 2.6458333333333335,
"grad_norm": 0.5750814080238342,
"learning_rate": 8.87715096118642e-06,
"loss": 4.7525,
"num_tokens": 462794863.0,
"step": 254
},
{
"epoch": 2.65625,
"grad_norm": 0.7967090606689453,
"learning_rate": 8.384242653854146e-06,
"loss": 3.8948,
"num_tokens": 464568212.0,
"step": 255
},
{
"epoch": 2.6666666666666665,
"grad_norm": 0.6060699820518494,
"learning_rate": 7.904813576044534e-06,
"loss": 5.129,
"num_tokens": 466403182.0,
"step": 256
},
{
"epoch": 2.6770833333333335,
"grad_norm": 1.2050302028656006,
"learning_rate": 7.4389342651276395e-06,
"loss": 5.295,
"num_tokens": 468237885.0,
"step": 257
},
{
"epoch": 2.6875,
"grad_norm": 0.6205068826675415,
"learning_rate": 6.986673264925436e-06,
"loss": 5.3837,
"num_tokens": 470072187.0,
"step": 258
},
{
"epoch": 2.6979166666666665,
"grad_norm": 0.6179949641227722,
"learning_rate": 6.548097115627106e-06,
"loss": 5.3384,
"num_tokens": 471905720.0,
"step": 259
},
{
"epoch": 2.7083333333333335,
"grad_norm": 1.1975480318069458,
"learning_rate": 6.123270343999132e-06,
"loss": 4.995,
"num_tokens": 473735960.0,
"step": 260
},
{
"epoch": 2.71875,
"grad_norm": 0.9503664970397949,
"learning_rate": 5.71225545389158e-06,
"loss": 3.3257,
"num_tokens": 475491069.0,
"step": 261
},
{
"epoch": 2.7291666666666665,
"grad_norm": 0.5758056044578552,
"learning_rate": 5.315112917042098e-06,
"loss": 5.086,
"num_tokens": 477326077.0,
"step": 262
},
{
"epoch": 2.7395833333333335,
"grad_norm": 0.6178621649742126,
"learning_rate": 4.931901164178765e-06,
"loss": 5.4641,
"num_tokens": 479160897.0,
"step": 263
},
{
"epoch": 2.75,
"grad_norm": 0.6436989903450012,
"learning_rate": 4.562676576423397e-06,
"loss": 5.4971,
"num_tokens": 480995368.0,
"step": 264
},
{
"epoch": 2.7604166666666665,
"grad_norm": 0.626816987991333,
"learning_rate": 4.207493476996205e-06,
"loss": 5.3907,
"num_tokens": 482829284.0,
"step": 265
},
{
"epoch": 2.7708333333333335,
"grad_norm": 0.6234866976737976,
"learning_rate": 3.866404123223444e-06,
"loss": 5.1555,
"num_tokens": 484661533.0,
"step": 266
},
{
"epoch": 2.78125,
"grad_norm": 0.7500293254852295,
"learning_rate": 3.53945869884883e-06,
"loss": 3.6557,
"num_tokens": 486428903.0,
"step": 267
},
{
"epoch": 2.7916666666666665,
"grad_norm": 0.6020712852478027,
"learning_rate": 3.226705306650113e-06,
"loss": 5.2937,
"num_tokens": 488263911.0,
"step": 268
},
{
"epoch": 2.8020833333333335,
"grad_norm": 0.6582825183868408,
"learning_rate": 2.9281899613619047e-06,
"loss": 5.3827,
"num_tokens": 490098734.0,
"step": 269
},
{
"epoch": 2.8125,
"grad_norm": 0.6350494623184204,
"learning_rate": 2.6439565829055268e-06,
"loss": 5.4643,
"num_tokens": 491933221.0,
"step": 270
},
{
"epoch": 2.8229166666666665,
"grad_norm": 0.6131789684295654,
"learning_rate": 2.3740469899272145e-06,
"loss": 5.309,
"num_tokens": 493767156.0,
"step": 271
},
{
"epoch": 2.8333333333333335,
"grad_norm": 0.6128297448158264,
"learning_rate": 2.1185008936454254e-06,
"loss": 5.0592,
"num_tokens": 495599700.0,
"step": 272
},
{
"epoch": 2.84375,
"grad_norm": 0.7139255404472351,
"learning_rate": 1.8773558920082034e-06,
"loss": 3.9382,
"num_tokens": 497418917.0,
"step": 273
},
{
"epoch": 2.8541666666666665,
"grad_norm": 0.5505620241165161,
"learning_rate": 1.6506474641614923e-06,
"loss": 4.6059,
"num_tokens": 499174914.0,
"step": 274
},
{
"epoch": 2.8645833333333335,
"grad_norm": 0.6600484848022461,
"learning_rate": 1.4384089652291543e-06,
"loss": 5.108,
"num_tokens": 501009815.0,
"step": 275
},
{
"epoch": 2.875,
"grad_norm": 0.6675175428390503,
"learning_rate": 1.240671621405498e-06,
"loss": 5.4172,
"num_tokens": 502844441.0,
"step": 276
},
{
"epoch": 2.8854166666666665,
"grad_norm": 0.6115691661834717,
"learning_rate": 1.0574645253610404e-06,
"loss": 5.3482,
"num_tokens": 504678606.0,
"step": 277
},
{
"epoch": 2.8958333333333335,
"grad_norm": 0.5985777974128723,
"learning_rate": 8.888146319621537e-07,
"loss": 5.2838,
"num_tokens": 506511804.0,
"step": 278
},
{
"epoch": 2.90625,
"grad_norm": 0.583017885684967,
"learning_rate": 7.347467543052932e-07,
"loss": 4.6211,
"num_tokens": 508338446.0,
"step": 279
},
{
"epoch": 2.9166666666666665,
"grad_norm": 0.6637594103813171,
"learning_rate": 5.952835600662288e-07,
"loss": 3.8064,
"num_tokens": 510108388.0,
"step": 280
},
{
"epoch": 2.9270833333333335,
"grad_norm": 0.5726197957992554,
"learning_rate": 4.704455681650788e-07,
"loss": 4.9473,
"num_tokens": 511943368.0,
"step": 281
},
{
"epoch": 2.9375,
"grad_norm": 0.630939781665802,
"learning_rate": 3.6025114574734785e-07,
"loss": 5.369,
"num_tokens": 513778092.0,
"step": 282
},
{
"epoch": 2.9479166666666665,
"grad_norm": 0.7909092307090759,
"learning_rate": 2.647165054816325e-07,
"loss": 5.3277,
"num_tokens": 515612457.0,
"step": 283
},
{
"epoch": 2.9583333333333335,
"grad_norm": 0.7272047400474548,
"learning_rate": 1.838557031742738e-07,
"loss": 5.2173,
"num_tokens": 517446170.0,
"step": 284
},
{
"epoch": 2.96875,
"grad_norm": 0.6117963790893555,
"learning_rate": 1.1768063570136711e-07,
"loss": 5.0083,
"num_tokens": 519277051.0,
"step": 285
},
{
"epoch": 2.9791666666666665,
"grad_norm": 0.7872759699821472,
"learning_rate": 6.62010392584067e-08,
"loss": 3.5749,
"num_tokens": 521007127.0,
"step": 286
},
{
"epoch": 2.9895833333333335,
"grad_norm": 0.6111645698547363,
"learning_rate": 2.942448792778718e-08,
"loss": 5.3112,
"num_tokens": 522841066.0,
"step": 287
},
{
"epoch": 3.0,
"grad_norm": 0.5639166235923767,
"learning_rate": 7.3563925645059315e-09,
"loss": 4.265,
"num_tokens": 524657229.0,
"step": 288
},
{
"epoch": 3.0,
"eval_loss": 0.3267965018749237,
"eval_num_tokens": 524657229.0,
"eval_runtime": 29.6695,
"eval_samples_per_second": 74.588,
"eval_steps_per_second": 2.359,
"step": 288
}
],
"logging_steps": 1,
"max_steps": 288,
"num_input_tokens_seen": 0,
"num_train_epochs": 3,
"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": 1.57731504726653e+19,
"train_batch_size": 28,
"trial_name": null,
"trial_params": null
}