fst-1 / checkpoint-600 /trainer_state.json
aixk's picture
Upload folder using huggingface_hub
7085a10 verified
Raw
History Blame Contribute Delete
11.8 kB
{
"best_global_step": null,
"best_metric": null,
"best_model_checkpoint": null,
"epoch": 0.04161681319252978,
"eval_steps": 500,
"global_step": 600,
"is_hyper_param_search": false,
"is_local_process_zero": true,
"is_world_process_zero": true,
"log_history": [
{
"epoch": 0.0006936135532088297,
"grad_norm": 80.97769927978516,
"learning_rate": 2.0833333333333334e-06,
"loss": 39.45225219726562,
"step": 10
},
{
"epoch": 0.0013872271064176594,
"grad_norm": 69.19830322265625,
"learning_rate": 6.25e-06,
"loss": 38.231222534179686,
"step": 20
},
{
"epoch": 0.0020808406596264893,
"grad_norm": 55.03429412841797,
"learning_rate": 1.0416666666666666e-05,
"loss": 37.07829284667969,
"step": 30
},
{
"epoch": 0.002774454212835319,
"grad_norm": 36.03839874267578,
"learning_rate": 1.4583333333333333e-05,
"loss": 35.945098876953125,
"step": 40
},
{
"epoch": 0.0034680677660441487,
"grad_norm": 48.63792419433594,
"learning_rate": 1.875e-05,
"loss": 34.40289306640625,
"step": 50
},
{
"epoch": 0.004161681319252979,
"grad_norm": 41.98967361450195,
"learning_rate": 2.2916666666666667e-05,
"loss": 33.45003662109375,
"step": 60
},
{
"epoch": 0.004855294872461808,
"grad_norm": 81.57576751708984,
"learning_rate": 2.7083333333333335e-05,
"loss": 32.02000427246094,
"step": 70
},
{
"epoch": 0.005548908425670638,
"grad_norm": 60.575645446777344,
"learning_rate": 3.125e-05,
"loss": 30.74504699707031,
"step": 80
},
{
"epoch": 0.006242521978879467,
"grad_norm": 61.149410247802734,
"learning_rate": 3.541666666666667e-05,
"loss": 29.49912109375,
"step": 90
},
{
"epoch": 0.006936135532088297,
"grad_norm": 69.96782684326172,
"learning_rate": 3.958333333333333e-05,
"loss": 28.152670288085936,
"step": 100
},
{
"epoch": 0.007629749085297127,
"grad_norm": 33.35784149169922,
"learning_rate": 4.375e-05,
"loss": 27.86654052734375,
"step": 110
},
{
"epoch": 0.008323362638505957,
"grad_norm": 42.682308197021484,
"learning_rate": 4.791666666666667e-05,
"loss": 27.098068237304688,
"step": 120
},
{
"epoch": 0.009016976191714786,
"grad_norm": 45.40013122558594,
"learning_rate": 5.208333333333334e-05,
"loss": 25.768472290039064,
"step": 130
},
{
"epoch": 0.009710589744923616,
"grad_norm": 36.54875564575195,
"learning_rate": 5.6250000000000005e-05,
"loss": 25.419296264648438,
"step": 140
},
{
"epoch": 0.010404203298132445,
"grad_norm": 54.964447021484375,
"learning_rate": 6.041666666666667e-05,
"loss": 24.5228759765625,
"step": 150
},
{
"epoch": 0.011097816851341275,
"grad_norm": 62.00859451293945,
"learning_rate": 6.458333333333334e-05,
"loss": 23.92150115966797,
"step": 160
},
{
"epoch": 0.011791430404550106,
"grad_norm": 50.303070068359375,
"learning_rate": 6.875e-05,
"loss": 23.61223449707031,
"step": 170
},
{
"epoch": 0.012485043957758934,
"grad_norm": 40.088356018066406,
"learning_rate": 7.291666666666667e-05,
"loss": 23.29130401611328,
"step": 180
},
{
"epoch": 0.013178657510967764,
"grad_norm": 58.86671829223633,
"learning_rate": 7.708333333333334e-05,
"loss": 23.32776794433594,
"step": 190
},
{
"epoch": 0.013872271064176595,
"grad_norm": 38.86407470703125,
"learning_rate": 8.125000000000001e-05,
"loss": 23.280059814453125,
"step": 200
},
{
"epoch": 0.014565884617385423,
"grad_norm": 37.631717681884766,
"learning_rate": 8.541666666666666e-05,
"loss": 22.259375,
"step": 210
},
{
"epoch": 0.015259498170594254,
"grad_norm": 37.38259506225586,
"learning_rate": 8.958333333333333e-05,
"loss": 21.507147216796874,
"step": 220
},
{
"epoch": 0.015953111723803082,
"grad_norm": 42.106143951416016,
"learning_rate": 9.375e-05,
"loss": 21.231875610351562,
"step": 230
},
{
"epoch": 0.016646725277011915,
"grad_norm": 50.364681243896484,
"learning_rate": 9.791666666666667e-05,
"loss": 21.234603881835938,
"step": 240
},
{
"epoch": 0.017340338830220743,
"grad_norm": 40.50483322143555,
"learning_rate": 0.00010208333333333334,
"loss": 20.62218017578125,
"step": 250
},
{
"epoch": 0.018033952383429572,
"grad_norm": 60.68687057495117,
"learning_rate": 0.00010625,
"loss": 19.96156463623047,
"step": 260
},
{
"epoch": 0.0187275659366384,
"grad_norm": 31.746686935424805,
"learning_rate": 0.00011041666666666666,
"loss": 19.283287048339844,
"step": 270
},
{
"epoch": 0.019421179489847232,
"grad_norm": 40.83134841918945,
"learning_rate": 0.00011458333333333333,
"loss": 18.95526580810547,
"step": 280
},
{
"epoch": 0.02011479304305606,
"grad_norm": 27.94510841369629,
"learning_rate": 0.00011875,
"loss": 19.398623657226562,
"step": 290
},
{
"epoch": 0.02080840659626489,
"grad_norm": 43.998260498046875,
"learning_rate": 0.00012291666666666665,
"loss": 18.262245178222656,
"step": 300
},
{
"epoch": 0.021502020149473722,
"grad_norm": 22.61271095275879,
"learning_rate": 0.00012708333333333332,
"loss": 18.646043395996095,
"step": 310
},
{
"epoch": 0.02219563370268255,
"grad_norm": 27.580198287963867,
"learning_rate": 0.00013125000000000002,
"loss": 17.519342041015626,
"step": 320
},
{
"epoch": 0.02288924725589138,
"grad_norm": 36.54242706298828,
"learning_rate": 0.00013541666666666666,
"loss": 16.588734436035157,
"step": 330
},
{
"epoch": 0.02358286080910021,
"grad_norm": 24.73045539855957,
"learning_rate": 0.00013958333333333333,
"loss": 16.85819091796875,
"step": 340
},
{
"epoch": 0.02427647436230904,
"grad_norm": 27.577693939208984,
"learning_rate": 0.00014375,
"loss": 16.190365600585938,
"step": 350
},
{
"epoch": 0.02497008791551787,
"grad_norm": 20.408132553100586,
"learning_rate": 0.00014791666666666667,
"loss": 15.682986450195312,
"step": 360
},
{
"epoch": 0.0256637014687267,
"grad_norm": 28.981483459472656,
"learning_rate": 0.00015208333333333333,
"loss": 15.275959777832032,
"step": 370
},
{
"epoch": 0.02635731502193553,
"grad_norm": 19.978363037109375,
"learning_rate": 0.00015625,
"loss": 15.033628845214844,
"step": 380
},
{
"epoch": 0.027050928575144358,
"grad_norm": 15.66555404663086,
"learning_rate": 0.00016041666666666667,
"loss": 14.446699523925782,
"step": 390
},
{
"epoch": 0.02774454212835319,
"grad_norm": 17.955888748168945,
"learning_rate": 0.00016458333333333334,
"loss": 14.196858215332032,
"step": 400
},
{
"epoch": 0.02843815568156202,
"grad_norm": 16.955345153808594,
"learning_rate": 0.00016875,
"loss": 13.838204956054687,
"step": 410
},
{
"epoch": 0.029131769234770847,
"grad_norm": 14.126781463623047,
"learning_rate": 0.00017291666666666668,
"loss": 13.345814514160157,
"step": 420
},
{
"epoch": 0.029825382787979676,
"grad_norm": 16.29298973083496,
"learning_rate": 0.00017708333333333335,
"loss": 13.06510009765625,
"step": 430
},
{
"epoch": 0.030518996341188508,
"grad_norm": 14.477455139160156,
"learning_rate": 0.00018125,
"loss": 12.520622253417969,
"step": 440
},
{
"epoch": 0.031212609894397336,
"grad_norm": 12.074920654296875,
"learning_rate": 0.00018541666666666668,
"loss": 12.411215209960938,
"step": 450
},
{
"epoch": 0.031906223447606165,
"grad_norm": 15.564898490905762,
"learning_rate": 0.00018958333333333332,
"loss": 12.00233154296875,
"step": 460
},
{
"epoch": 0.032599837000814993,
"grad_norm": 15.621328353881836,
"learning_rate": 0.00019375000000000002,
"loss": 12.109133911132812,
"step": 470
},
{
"epoch": 0.03329345055402383,
"grad_norm": 10.823607444763184,
"learning_rate": 0.00019791666666666666,
"loss": 11.684900665283203,
"step": 480
},
{
"epoch": 0.03398706410723266,
"grad_norm": 14.166363716125488,
"learning_rate": 0.00020208333333333333,
"loss": 11.60366439819336,
"step": 490
},
{
"epoch": 0.034680677660441486,
"grad_norm": 39.65184783935547,
"learning_rate": 0.00020625,
"loss": 11.060487365722656,
"step": 500
},
{
"epoch": 0.035374291213650315,
"grad_norm": 12.022449493408203,
"learning_rate": 0.00021041666666666667,
"loss": 11.373404693603515,
"step": 510
},
{
"epoch": 0.036067904766859143,
"grad_norm": 9.625805854797363,
"learning_rate": 0.00021458333333333334,
"loss": 11.405331420898438,
"step": 520
},
{
"epoch": 0.03676151832006797,
"grad_norm": 12.523700714111328,
"learning_rate": 0.00021875,
"loss": 10.810578155517579,
"step": 530
},
{
"epoch": 0.0374551318732768,
"grad_norm": 11.111766815185547,
"learning_rate": 0.00022291666666666667,
"loss": 10.427848815917969,
"step": 540
},
{
"epoch": 0.038148745426485636,
"grad_norm": 9.552438735961914,
"learning_rate": 0.00022708333333333334,
"loss": 10.221891784667969,
"step": 550
},
{
"epoch": 0.038842358979694465,
"grad_norm": 10.854446411132812,
"learning_rate": 0.00023125,
"loss": 10.453067779541016,
"step": 560
},
{
"epoch": 0.039535972532903293,
"grad_norm": 8.054693222045898,
"learning_rate": 0.00023541666666666668,
"loss": 9.835127258300782,
"step": 570
},
{
"epoch": 0.04022958608611212,
"grad_norm": 9.217058181762695,
"learning_rate": 0.00023958333333333335,
"loss": 9.983591461181641,
"step": 580
},
{
"epoch": 0.04092319963932095,
"grad_norm": 7.442865371704102,
"learning_rate": 0.00024375,
"loss": 9.785844421386718,
"step": 590
},
{
"epoch": 0.04161681319252978,
"grad_norm": 7.499183177947998,
"learning_rate": 0.0002479166666666667,
"loss": 9.547152709960937,
"step": 600
}
],
"logging_steps": 10,
"max_steps": 100000,
"num_input_tokens_seen": 0,
"num_train_epochs": 7,
"save_steps": 100,
"stateful_callbacks": {
"TrainerControl": {
"args": {
"should_epoch_stop": false,
"should_evaluate": false,
"should_log": false,
"should_save": true,
"should_training_stop": false
},
"attributes": {}
}
},
"total_flos": 6493214079467520.0,
"train_batch_size": 8,
"trial_name": null,
"trial_params": null
}