| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 13.083333333333334, | |
| "eval_steps": 500, | |
| "global_step": 78, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.16666666666666666, | |
| "grad_norm": 9.212016105651855, | |
| "learning_rate": 2e-05, | |
| "loss": 3.1926, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.3333333333333333, | |
| "grad_norm": 7.698368072509766, | |
| "learning_rate": 4e-05, | |
| "loss": 3.4438, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.5, | |
| "grad_norm": 7.928211688995361, | |
| "learning_rate": 6e-05, | |
| "loss": 2.7535, | |
| "step": 3 | |
| }, | |
| { | |
| "epoch": 0.6666666666666666, | |
| "grad_norm": 7.051474571228027, | |
| "learning_rate": 8e-05, | |
| "loss": 3.4958, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.8333333333333334, | |
| "grad_norm": 9.074419975280762, | |
| "learning_rate": 0.0001, | |
| "loss": 3.2718, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 1.0, | |
| "grad_norm": 5.347665786743164, | |
| "learning_rate": 0.00012, | |
| "loss": 3.0356, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 1.1666666666666667, | |
| "grad_norm": 3.5029797554016113, | |
| "learning_rate": 0.00014, | |
| "loss": 2.5829, | |
| "step": 7 | |
| }, | |
| { | |
| "epoch": 1.3333333333333333, | |
| "grad_norm": 1.8341071605682373, | |
| "learning_rate": 0.00016, | |
| "loss": 2.4733, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 1.5, | |
| "grad_norm": 1.399300456047058, | |
| "learning_rate": 0.00018, | |
| "loss": 2.4015, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 1.6666666666666665, | |
| "grad_norm": 0.963733971118927, | |
| "learning_rate": 0.0002, | |
| "loss": 2.1019, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 1.8333333333333335, | |
| "grad_norm": 4.855403423309326, | |
| "learning_rate": 0.00019990989662046818, | |
| "loss": 2.0454, | |
| "step": 11 | |
| }, | |
| { | |
| "epoch": 2.0, | |
| "grad_norm": 2.1124699115753174, | |
| "learning_rate": 0.00019963974885425266, | |
| "loss": 1.8923, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 2.1666666666666665, | |
| "grad_norm": 3.1649329662323, | |
| "learning_rate": 0.00019919004352588767, | |
| "loss": 1.6676, | |
| "step": 13 | |
| }, | |
| { | |
| "epoch": 2.3333333333333335, | |
| "grad_norm": 2.847177267074585, | |
| "learning_rate": 0.00019856159103477086, | |
| "loss": 1.667, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 2.5, | |
| "grad_norm": 1.6094838380813599, | |
| "learning_rate": 0.00019775552389476864, | |
| "loss": 1.3886, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 2.6666666666666665, | |
| "grad_norm": 1.114935040473938, | |
| "learning_rate": 0.0001967732946933499, | |
| "loss": 1.3649, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 2.8333333333333335, | |
| "grad_norm": 0.5669525265693665, | |
| "learning_rate": 0.00019561667347392508, | |
| "loss": 1.2623, | |
| "step": 17 | |
| }, | |
| { | |
| "epoch": 3.0, | |
| "grad_norm": 0.37944361567497253, | |
| "learning_rate": 0.00019428774454610843, | |
| "loss": 1.1421, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 3.1666666666666665, | |
| "grad_norm": 0.76312255859375, | |
| "learning_rate": 0.00019278890272965096, | |
| "loss": 1.2778, | |
| "step": 19 | |
| }, | |
| { | |
| "epoch": 3.3333333333333335, | |
| "grad_norm": 0.9476791620254517, | |
| "learning_rate": 0.0001911228490388136, | |
| "loss": 0.9133, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 3.5, | |
| "grad_norm": 0.44587254524230957, | |
| "learning_rate": 0.00018929258581495685, | |
| "loss": 1.0522, | |
| "step": 21 | |
| }, | |
| { | |
| "epoch": 3.6666666666666665, | |
| "grad_norm": 0.4014304280281067, | |
| "learning_rate": 0.00018730141131611882, | |
| "loss": 1.0145, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 3.8333333333333335, | |
| "grad_norm": 0.3144121468067169, | |
| "learning_rate": 0.00018515291377333112, | |
| "loss": 0.8529, | |
| "step": 23 | |
| }, | |
| { | |
| "epoch": 4.0, | |
| "grad_norm": 0.37359270453453064, | |
| "learning_rate": 0.00018285096492438424, | |
| "loss": 1.0568, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 4.166666666666667, | |
| "grad_norm": 0.3646610677242279, | |
| "learning_rate": 0.00018039971303669407, | |
| "loss": 0.8796, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 4.333333333333333, | |
| "grad_norm": 0.4955347180366516, | |
| "learning_rate": 0.00017780357543184397, | |
| "loss": 0.9514, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 4.5, | |
| "grad_norm": 0.26282307505607605, | |
| "learning_rate": 0.00017506723052527242, | |
| "loss": 0.6921, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 4.666666666666667, | |
| "grad_norm": 0.29040005803108215, | |
| "learning_rate": 0.00017219560939545246, | |
| "loss": 0.8223, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 4.833333333333333, | |
| "grad_norm": 0.2921960651874542, | |
| "learning_rate": 0.00016919388689775464, | |
| "loss": 0.87, | |
| "step": 29 | |
| }, | |
| { | |
| "epoch": 5.0, | |
| "grad_norm": 0.3262277841567993, | |
| "learning_rate": 0.00016606747233900815, | |
| "loss": 0.7816, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 5.166666666666667, | |
| "grad_norm": 0.2786322236061096, | |
| "learning_rate": 0.00016282199972956425, | |
| "loss": 0.8066, | |
| "step": 31 | |
| }, | |
| { | |
| "epoch": 5.333333333333333, | |
| "grad_norm": 0.3471967875957489, | |
| "learning_rate": 0.00015946331763042867, | |
| "loss": 0.6358, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 5.5, | |
| "grad_norm": 0.24725958704948425, | |
| "learning_rate": 0.00015599747861375955, | |
| "loss": 0.6391, | |
| "step": 33 | |
| }, | |
| { | |
| "epoch": 5.666666666666667, | |
| "grad_norm": 0.2199738770723343, | |
| "learning_rate": 0.00015243072835572318, | |
| "loss": 0.7565, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 5.833333333333333, | |
| "grad_norm": 0.27682602405548096, | |
| "learning_rate": 0.00014876949438136347, | |
| "loss": 0.6344, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 6.041666666666667, | |
| "grad_norm": 0.2765726149082184, | |
| "learning_rate": 0.00014502037448176734, | |
| "loss": 0.8291, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 6.208333333333333, | |
| "grad_norm": 0.20466771721839905, | |
| "learning_rate": 0.0001411901248243993, | |
| "loss": 0.5015, | |
| "step": 37 | |
| }, | |
| { | |
| "epoch": 6.375, | |
| "grad_norm": 0.2152038961648941, | |
| "learning_rate": 0.00013728564777803088, | |
| "loss": 0.4853, | |
| "step": 38 | |
| }, | |
| { | |
| "epoch": 6.541666666666667, | |
| "grad_norm": 0.25701454281806946, | |
| "learning_rate": 0.00013331397947420576, | |
| "loss": 0.6269, | |
| "step": 39 | |
| }, | |
| { | |
| "epoch": 6.708333333333333, | |
| "grad_norm": 0.19832290709018707, | |
| "learning_rate": 0.00012928227712765504, | |
| "loss": 0.4737, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 6.875, | |
| "grad_norm": 0.2033333033323288, | |
| "learning_rate": 0.00012519780613851254, | |
| "loss": 0.6484, | |
| "step": 41 | |
| }, | |
| { | |
| "epoch": 7.041666666666667, | |
| "grad_norm": 0.1800127774477005, | |
| "learning_rate": 0.00012106792699957263, | |
| "loss": 0.4391, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 7.208333333333333, | |
| "grad_norm": 0.24281653761863708, | |
| "learning_rate": 0.00011690008203218493, | |
| "loss": 0.5563, | |
| "step": 43 | |
| }, | |
| { | |
| "epoch": 7.375, | |
| "grad_norm": 0.19685041904449463, | |
| "learning_rate": 0.00011270178197468789, | |
| "loss": 0.4318, | |
| "step": 44 | |
| }, | |
| { | |
| "epoch": 7.541666666666667, | |
| "grad_norm": 0.20339429378509521, | |
| "learning_rate": 0.00010848059244755093, | |
| "loss": 0.454, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 7.708333333333333, | |
| "grad_norm": 0.22000202536582947, | |
| "learning_rate": 0.00010424412031961484, | |
| "loss": 0.4698, | |
| "step": 46 | |
| }, | |
| { | |
| "epoch": 7.875, | |
| "grad_norm": 0.18895649909973145, | |
| "learning_rate": 0.0001, | |
| "loss": 0.4803, | |
| "step": 47 | |
| }, | |
| { | |
| "epoch": 8.041666666666666, | |
| "grad_norm": 0.24064430594444275, | |
| "learning_rate": 9.57558796803852e-05, | |
| "loss": 0.4557, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 8.208333333333334, | |
| "grad_norm": 0.18237631022930145, | |
| "learning_rate": 9.151940755244912e-05, | |
| "loss": 0.419, | |
| "step": 49 | |
| }, | |
| { | |
| "epoch": 8.375, | |
| "grad_norm": 0.2208249270915985, | |
| "learning_rate": 8.729821802531212e-05, | |
| "loss": 0.4511, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 8.541666666666666, | |
| "grad_norm": 0.33140841126441956, | |
| "learning_rate": 8.309991796781511e-05, | |
| "loss": 0.4233, | |
| "step": 51 | |
| }, | |
| { | |
| "epoch": 8.708333333333334, | |
| "grad_norm": 0.18415142595767975, | |
| "learning_rate": 7.89320730004274e-05, | |
| "loss": 0.411, | |
| "step": 52 | |
| }, | |
| { | |
| "epoch": 8.875, | |
| "grad_norm": 0.16433921456336975, | |
| "learning_rate": 7.48021938614875e-05, | |
| "loss": 0.2912, | |
| "step": 53 | |
| }, | |
| { | |
| "epoch": 9.041666666666666, | |
| "grad_norm": 0.17932972311973572, | |
| "learning_rate": 7.071772287234497e-05, | |
| "loss": 0.3525, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 9.208333333333334, | |
| "grad_norm": 0.18317647278308868, | |
| "learning_rate": 6.668602052579424e-05, | |
| "loss": 0.3507, | |
| "step": 55 | |
| }, | |
| { | |
| "epoch": 9.375, | |
| "grad_norm": 0.17076066136360168, | |
| "learning_rate": 6.271435222196916e-05, | |
| "loss": 0.3167, | |
| "step": 56 | |
| }, | |
| { | |
| "epoch": 9.541666666666666, | |
| "grad_norm": 0.19802387058734894, | |
| "learning_rate": 5.880987517560075e-05, | |
| "loss": 0.3732, | |
| "step": 57 | |
| }, | |
| { | |
| "epoch": 9.708333333333334, | |
| "grad_norm": 0.1698690503835678, | |
| "learning_rate": 5.497962551823266e-05, | |
| "loss": 0.3218, | |
| "step": 58 | |
| }, | |
| { | |
| "epoch": 9.875, | |
| "grad_norm": 0.22915402054786682, | |
| "learning_rate": 5.123050561863657e-05, | |
| "loss": 0.4354, | |
| "step": 59 | |
| }, | |
| { | |
| "epoch": 10.041666666666666, | |
| "grad_norm": 0.1857997328042984, | |
| "learning_rate": 4.756927164427685e-05, | |
| "loss": 0.3275, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 10.208333333333334, | |
| "grad_norm": 0.15611092746257782, | |
| "learning_rate": 4.4002521386240466e-05, | |
| "loss": 0.2795, | |
| "step": 61 | |
| }, | |
| { | |
| "epoch": 10.375, | |
| "grad_norm": 0.19012218713760376, | |
| "learning_rate": 4.053668236957134e-05, | |
| "loss": 0.3439, | |
| "step": 62 | |
| }, | |
| { | |
| "epoch": 10.541666666666666, | |
| "grad_norm": 0.1764911711215973, | |
| "learning_rate": 3.717800027043576e-05, | |
| "loss": 0.2644, | |
| "step": 63 | |
| }, | |
| { | |
| "epoch": 10.708333333333334, | |
| "grad_norm": 0.17086263000965118, | |
| "learning_rate": 3.393252766099187e-05, | |
| "loss": 0.3059, | |
| "step": 64 | |
| }, | |
| { | |
| "epoch": 10.875, | |
| "grad_norm": 0.22247721254825592, | |
| "learning_rate": 3.080611310224539e-05, | |
| "loss": 0.4424, | |
| "step": 65 | |
| }, | |
| { | |
| "epoch": 11.083333333333334, | |
| "grad_norm": 0.19655092060565948, | |
| "learning_rate": 2.7804390604547557e-05, | |
| "loss": 0.3009, | |
| "step": 66 | |
| }, | |
| { | |
| "epoch": 11.25, | |
| "grad_norm": 0.18203987181186676, | |
| "learning_rate": 2.493276947472756e-05, | |
| "loss": 0.3454, | |
| "step": 67 | |
| }, | |
| { | |
| "epoch": 11.416666666666666, | |
| "grad_norm": 0.17264381051063538, | |
| "learning_rate": 2.2196424568156073e-05, | |
| "loss": 0.2445, | |
| "step": 68 | |
| }, | |
| { | |
| "epoch": 11.583333333333334, | |
| "grad_norm": 0.1764533668756485, | |
| "learning_rate": 1.9600286963305957e-05, | |
| "loss": 0.2576, | |
| "step": 69 | |
| }, | |
| { | |
| "epoch": 11.75, | |
| "grad_norm": 0.19120612740516663, | |
| "learning_rate": 1.7149035075615794e-05, | |
| "loss": 0.2981, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 11.916666666666666, | |
| "grad_norm": 0.20959603786468506, | |
| "learning_rate": 1.4847086226668872e-05, | |
| "loss": 0.304, | |
| "step": 71 | |
| }, | |
| { | |
| "epoch": 12.083333333333334, | |
| "grad_norm": 0.17844681441783905, | |
| "learning_rate": 1.2698588683881186e-05, | |
| "loss": 0.3036, | |
| "step": 72 | |
| }, | |
| { | |
| "epoch": 12.25, | |
| "grad_norm": 0.24728497862815857, | |
| "learning_rate": 1.0707414185043163e-05, | |
| "loss": 0.269, | |
| "step": 73 | |
| }, | |
| { | |
| "epoch": 12.416666666666666, | |
| "grad_norm": 0.2222406417131424, | |
| "learning_rate": 8.87715096118642e-06, | |
| "loss": 0.323, | |
| "step": 74 | |
| }, | |
| { | |
| "epoch": 12.583333333333334, | |
| "grad_norm": 0.18077808618545532, | |
| "learning_rate": 7.211097270349066e-06, | |
| "loss": 0.29, | |
| "step": 75 | |
| }, | |
| { | |
| "epoch": 12.75, | |
| "grad_norm": 0.1571033000946045, | |
| "learning_rate": 5.71225545389158e-06, | |
| "loss": 0.2182, | |
| "step": 76 | |
| }, | |
| { | |
| "epoch": 12.916666666666666, | |
| "grad_norm": 0.17934341728687286, | |
| "learning_rate": 4.383326526074916e-06, | |
| "loss": 0.2598, | |
| "step": 77 | |
| }, | |
| { | |
| "epoch": 13.083333333333334, | |
| "grad_norm": 0.16940772533416748, | |
| "learning_rate": 3.226705306650113e-06, | |
| "loss": 0.2687, | |
| "step": 78 | |
| } | |
| ], | |
| "logging_steps": 1, | |
| "max_steps": 84, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 14, | |
| "save_steps": 6, | |
| "stateful_callbacks": { | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": false | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 160914305187840.0, | |
| "train_batch_size": 1, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |