| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 1.3333333333333333, | |
| "eval_steps": 500, | |
| "global_step": 100, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.013333333333333334, | |
| "grad_norm": 1.0028682947158813, | |
| "learning_rate": 2.2222222222222223e-05, | |
| "loss": 1.43, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.02666666666666667, | |
| "grad_norm": 1.6397583484649658, | |
| "learning_rate": 4.4444444444444447e-05, | |
| "loss": 1.5374, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 1.2198785543441772, | |
| "learning_rate": 6.666666666666667e-05, | |
| "loss": 1.5106, | |
| "step": 3 | |
| }, | |
| { | |
| "epoch": 0.05333333333333334, | |
| "grad_norm": 0.8468486070632935, | |
| "learning_rate": 8.888888888888889e-05, | |
| "loss": 1.447, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.06666666666666667, | |
| "grad_norm": 0.9268608689308167, | |
| "learning_rate": 0.00011111111111111112, | |
| "loss": 1.4743, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 1.0168085098266602, | |
| "learning_rate": 0.00013333333333333334, | |
| "loss": 1.3245, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 0.09333333333333334, | |
| "grad_norm": 0.6773934960365295, | |
| "learning_rate": 0.00015555555555555556, | |
| "loss": 1.3738, | |
| "step": 7 | |
| }, | |
| { | |
| "epoch": 0.10666666666666667, | |
| "grad_norm": 0.6985631585121155, | |
| "learning_rate": 0.00017777777777777779, | |
| "loss": 1.3951, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 0.12, | |
| "grad_norm": 1.0221399068832397, | |
| "learning_rate": 0.0002, | |
| "loss": 1.3246, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 0.13333333333333333, | |
| "grad_norm": 0.6119747161865234, | |
| "learning_rate": 0.00019999417253661235, | |
| "loss": 1.2951, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.14666666666666667, | |
| "grad_norm": 0.6660990118980408, | |
| "learning_rate": 0.00019997669082563597, | |
| "loss": 1.2529, | |
| "step": 11 | |
| }, | |
| { | |
| "epoch": 0.16, | |
| "grad_norm": 0.5874819755554199, | |
| "learning_rate": 0.00019994755690455152, | |
| "loss": 1.2252, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 0.17333333333333334, | |
| "grad_norm": 0.4818006157875061, | |
| "learning_rate": 0.00019990677416889608, | |
| "loss": 1.1708, | |
| "step": 13 | |
| }, | |
| { | |
| "epoch": 0.18666666666666668, | |
| "grad_norm": 0.652045488357544, | |
| "learning_rate": 0.0001998543473718677, | |
| "loss": 0.9865, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 0.2, | |
| "grad_norm": 0.5517733693122864, | |
| "learning_rate": 0.00019979028262377118, | |
| "loss": 1.181, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 0.21333333333333335, | |
| "grad_norm": 0.47720542550086975, | |
| "learning_rate": 0.00019971458739130598, | |
| "loss": 1.0633, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 0.22666666666666666, | |
| "grad_norm": 0.7947096228599548, | |
| "learning_rate": 0.000199627270496696, | |
| "loss": 1.1458, | |
| "step": 17 | |
| }, | |
| { | |
| "epoch": 0.24, | |
| "grad_norm": 0.5301257371902466, | |
| "learning_rate": 0.0001995283421166614, | |
| "loss": 1.2245, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 0.25333333333333335, | |
| "grad_norm": 0.9473271369934082, | |
| "learning_rate": 0.00019941781378123244, | |
| "loss": 1.0859, | |
| "step": 19 | |
| }, | |
| { | |
| "epoch": 0.26666666666666666, | |
| "grad_norm": 1.1834161281585693, | |
| "learning_rate": 0.00019929569837240564, | |
| "loss": 1.1808, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.28, | |
| "grad_norm": 0.6784033179283142, | |
| "learning_rate": 0.00019916201012264254, | |
| "loss": 1.202, | |
| "step": 21 | |
| }, | |
| { | |
| "epoch": 0.29333333333333333, | |
| "grad_norm": 0.7274785041809082, | |
| "learning_rate": 0.00019901676461321068, | |
| "loss": 1.2242, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 0.30666666666666664, | |
| "grad_norm": 0.7520783543586731, | |
| "learning_rate": 0.00019885997877236788, | |
| "loss": 1.173, | |
| "step": 23 | |
| }, | |
| { | |
| "epoch": 0.32, | |
| "grad_norm": 0.8218541145324707, | |
| "learning_rate": 0.00019869167087338907, | |
| "loss": 1.0723, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 0.3333333333333333, | |
| "grad_norm": 0.6361420154571533, | |
| "learning_rate": 0.00019851186053243666, | |
| "loss": 1.1607, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 0.3466666666666667, | |
| "grad_norm": 0.6401374936103821, | |
| "learning_rate": 0.00019832056870627417, | |
| "loss": 1.1398, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 0.36, | |
| "grad_norm": 1.0995603799819946, | |
| "learning_rate": 0.0001981178176898239, | |
| "loss": 0.9475, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 0.37333333333333335, | |
| "grad_norm": 0.5122275948524475, | |
| "learning_rate": 0.00019790363111356837, | |
| "loss": 1.0125, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 0.38666666666666666, | |
| "grad_norm": 0.9316695332527161, | |
| "learning_rate": 0.00019767803394079615, | |
| "loss": 1.0554, | |
| "step": 29 | |
| }, | |
| { | |
| "epoch": 0.4, | |
| "grad_norm": 0.6831843256950378, | |
| "learning_rate": 0.00019744105246469263, | |
| "loss": 1.027, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.41333333333333333, | |
| "grad_norm": 0.5529218912124634, | |
| "learning_rate": 0.0001971927143052752, | |
| "loss": 1.0218, | |
| "step": 31 | |
| }, | |
| { | |
| "epoch": 0.4266666666666667, | |
| "grad_norm": 0.7164443135261536, | |
| "learning_rate": 0.00019693304840617457, | |
| "loss": 1.0901, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 0.44, | |
| "grad_norm": 0.7430665493011475, | |
| "learning_rate": 0.00019666208503126112, | |
| "loss": 1.125, | |
| "step": 33 | |
| }, | |
| { | |
| "epoch": 0.4533333333333333, | |
| "grad_norm": 0.7198122143745422, | |
| "learning_rate": 0.00019637985576111778, | |
| "loss": 0.9926, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 0.4666666666666667, | |
| "grad_norm": 0.6613873839378357, | |
| "learning_rate": 0.0001960863934893594, | |
| "loss": 1.1925, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 0.48, | |
| "grad_norm": 1.2440484762191772, | |
| "learning_rate": 0.00019578173241879872, | |
| "loss": 0.8948, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 0.49333333333333335, | |
| "grad_norm": 0.6995570659637451, | |
| "learning_rate": 0.00019546590805746052, | |
| "loss": 0.9525, | |
| "step": 37 | |
| }, | |
| { | |
| "epoch": 0.5066666666666667, | |
| "grad_norm": 0.6873968243598938, | |
| "learning_rate": 0.00019513895721444286, | |
| "loss": 0.9966, | |
| "step": 38 | |
| }, | |
| { | |
| "epoch": 0.52, | |
| "grad_norm": 0.5394595861434937, | |
| "learning_rate": 0.00019480091799562704, | |
| "loss": 1.0787, | |
| "step": 39 | |
| }, | |
| { | |
| "epoch": 0.5333333333333333, | |
| "grad_norm": 0.9196312427520752, | |
| "learning_rate": 0.00019445182979923654, | |
| "loss": 1.0559, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.5466666666666666, | |
| "grad_norm": 2.5954103469848633, | |
| "learning_rate": 0.000194091733311245, | |
| "loss": 0.9638, | |
| "step": 41 | |
| }, | |
| { | |
| "epoch": 0.56, | |
| "grad_norm": 1.244681715965271, | |
| "learning_rate": 0.00019372067050063438, | |
| "loss": 0.9325, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 0.5733333333333334, | |
| "grad_norm": 0.613715410232544, | |
| "learning_rate": 0.0001933386846145036, | |
| "loss": 0.9428, | |
| "step": 43 | |
| }, | |
| { | |
| "epoch": 0.5866666666666667, | |
| "grad_norm": 0.9604235291481018, | |
| "learning_rate": 0.00019294582017302797, | |
| "loss": 0.9486, | |
| "step": 44 | |
| }, | |
| { | |
| "epoch": 0.6, | |
| "grad_norm": 0.7591239809989929, | |
| "learning_rate": 0.00019254212296427044, | |
| "loss": 1.0955, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 0.6133333333333333, | |
| "grad_norm": 0.5218423008918762, | |
| "learning_rate": 0.0001921276400388451, | |
| "loss": 1.0368, | |
| "step": 46 | |
| }, | |
| { | |
| "epoch": 0.6266666666666667, | |
| "grad_norm": 0.5670755505561829, | |
| "learning_rate": 0.00019170241970443343, | |
| "loss": 0.9854, | |
| "step": 47 | |
| }, | |
| { | |
| "epoch": 0.64, | |
| "grad_norm": 0.8089922070503235, | |
| "learning_rate": 0.00019126651152015403, | |
| "loss": 1.0396, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 0.6533333333333333, | |
| "grad_norm": 0.6459051966667175, | |
| "learning_rate": 0.00019081996629078657, | |
| "loss": 1.0156, | |
| "step": 49 | |
| }, | |
| { | |
| "epoch": 0.6666666666666666, | |
| "grad_norm": 1.1918997764587402, | |
| "learning_rate": 0.00019036283606085053, | |
| "loss": 1.1542, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.68, | |
| "grad_norm": 0.6263722777366638, | |
| "learning_rate": 0.00018989517410853955, | |
| "loss": 1.1471, | |
| "step": 51 | |
| }, | |
| { | |
| "epoch": 0.6933333333333334, | |
| "grad_norm": 0.534618616104126, | |
| "learning_rate": 0.00018941703493951164, | |
| "loss": 0.9055, | |
| "step": 52 | |
| }, | |
| { | |
| "epoch": 0.7066666666666667, | |
| "grad_norm": 0.529036819934845, | |
| "learning_rate": 0.00018892847428053693, | |
| "loss": 0.9896, | |
| "step": 53 | |
| }, | |
| { | |
| "epoch": 0.72, | |
| "grad_norm": 0.716572105884552, | |
| "learning_rate": 0.00018842954907300236, | |
| "loss": 1.0204, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 0.7333333333333333, | |
| "grad_norm": 0.832662045955658, | |
| "learning_rate": 0.00018792031746627563, | |
| "loss": 1.0263, | |
| "step": 55 | |
| }, | |
| { | |
| "epoch": 0.7466666666666667, | |
| "grad_norm": 0.5659884810447693, | |
| "learning_rate": 0.0001874008388109276, | |
| "loss": 1.0529, | |
| "step": 56 | |
| }, | |
| { | |
| "epoch": 0.76, | |
| "grad_norm": 0.4971260726451874, | |
| "learning_rate": 0.00018687117365181512, | |
| "loss": 1.0109, | |
| "step": 57 | |
| }, | |
| { | |
| "epoch": 0.7733333333333333, | |
| "grad_norm": 0.5997689962387085, | |
| "learning_rate": 0.00018633138372102468, | |
| "loss": 1.0363, | |
| "step": 58 | |
| }, | |
| { | |
| "epoch": 0.7866666666666666, | |
| "grad_norm": 0.42450904846191406, | |
| "learning_rate": 0.00018578153193067745, | |
| "loss": 1.0156, | |
| "step": 59 | |
| }, | |
| { | |
| "epoch": 0.8, | |
| "grad_norm": 1.0025880336761475, | |
| "learning_rate": 0.00018522168236559695, | |
| "loss": 0.96, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 0.8133333333333334, | |
| "grad_norm": 0.47225672006607056, | |
| "learning_rate": 0.00018465190027584005, | |
| "loss": 1.0402, | |
| "step": 61 | |
| }, | |
| { | |
| "epoch": 0.8266666666666667, | |
| "grad_norm": 0.6419042348861694, | |
| "learning_rate": 0.00018407225206909208, | |
| "loss": 0.9727, | |
| "step": 62 | |
| }, | |
| { | |
| "epoch": 0.84, | |
| "grad_norm": 0.9594618082046509, | |
| "learning_rate": 0.00018348280530292713, | |
| "loss": 0.986, | |
| "step": 63 | |
| }, | |
| { | |
| "epoch": 0.8533333333333334, | |
| "grad_norm": 0.5415605902671814, | |
| "learning_rate": 0.00018288362867693414, | |
| "loss": 1.019, | |
| "step": 64 | |
| }, | |
| { | |
| "epoch": 0.8666666666666667, | |
| "grad_norm": 0.9662086367607117, | |
| "learning_rate": 0.00018227479202471015, | |
| "loss": 0.9531, | |
| "step": 65 | |
| }, | |
| { | |
| "epoch": 0.88, | |
| "grad_norm": 0.7523136734962463, | |
| "learning_rate": 0.0001816563663057211, | |
| "loss": 1.0383, | |
| "step": 66 | |
| }, | |
| { | |
| "epoch": 0.8933333333333333, | |
| "grad_norm": 0.7249945998191833, | |
| "learning_rate": 0.00018102842359703176, | |
| "loss": 1.1131, | |
| "step": 67 | |
| }, | |
| { | |
| "epoch": 0.9066666666666666, | |
| "grad_norm": 0.4781404435634613, | |
| "learning_rate": 0.000180391037084905, | |
| "loss": 0.9701, | |
| "step": 68 | |
| }, | |
| { | |
| "epoch": 0.92, | |
| "grad_norm": 0.5435504913330078, | |
| "learning_rate": 0.00017974428105627208, | |
| "loss": 1.2701, | |
| "step": 69 | |
| }, | |
| { | |
| "epoch": 0.9333333333333333, | |
| "grad_norm": 0.48021838068962097, | |
| "learning_rate": 0.00017908823089007457, | |
| "loss": 0.9212, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 0.9466666666666667, | |
| "grad_norm": 0.7063950300216675, | |
| "learning_rate": 0.00017842296304847893, | |
| "loss": 1.0076, | |
| "step": 71 | |
| }, | |
| { | |
| "epoch": 0.96, | |
| "grad_norm": 0.5694530606269836, | |
| "learning_rate": 0.00017774855506796496, | |
| "loss": 1.0417, | |
| "step": 72 | |
| }, | |
| { | |
| "epoch": 0.9733333333333334, | |
| "grad_norm": 0.6120775938034058, | |
| "learning_rate": 0.00017706508555028893, | |
| "loss": 1.0501, | |
| "step": 73 | |
| }, | |
| { | |
| "epoch": 0.9866666666666667, | |
| "grad_norm": 0.5728889107704163, | |
| "learning_rate": 0.0001763726341533227, | |
| "loss": 1.0024, | |
| "step": 74 | |
| }, | |
| { | |
| "epoch": 1.0, | |
| "grad_norm": 0.8452621102333069, | |
| "learning_rate": 0.00017567128158176953, | |
| "loss": 1.0966, | |
| "step": 75 | |
| }, | |
| { | |
| "epoch": 1.0133333333333334, | |
| "grad_norm": 0.5769606828689575, | |
| "learning_rate": 0.0001749611095777581, | |
| "loss": 0.8877, | |
| "step": 76 | |
| }, | |
| { | |
| "epoch": 1.0266666666666666, | |
| "grad_norm": 0.9046480059623718, | |
| "learning_rate": 0.00017424220091131535, | |
| "loss": 0.752, | |
| "step": 77 | |
| }, | |
| { | |
| "epoch": 1.04, | |
| "grad_norm": 0.4488053023815155, | |
| "learning_rate": 0.00017351463937072004, | |
| "loss": 0.7588, | |
| "step": 78 | |
| }, | |
| { | |
| "epoch": 1.0533333333333332, | |
| "grad_norm": 0.41479629278182983, | |
| "learning_rate": 0.00017277850975273696, | |
| "loss": 0.779, | |
| "step": 79 | |
| }, | |
| { | |
| "epoch": 1.0666666666666667, | |
| "grad_norm": 0.7192550301551819, | |
| "learning_rate": 0.000172033897852734, | |
| "loss": 0.7809, | |
| "step": 80 | |
| }, | |
| { | |
| "epoch": 1.08, | |
| "grad_norm": 0.7553783655166626, | |
| "learning_rate": 0.00017128089045468294, | |
| "loss": 0.7421, | |
| "step": 81 | |
| }, | |
| { | |
| "epoch": 1.0933333333333333, | |
| "grad_norm": 0.5650737881660461, | |
| "learning_rate": 0.0001705195753210446, | |
| "loss": 0.7044, | |
| "step": 82 | |
| }, | |
| { | |
| "epoch": 1.1066666666666667, | |
| "grad_norm": 0.6692880988121033, | |
| "learning_rate": 0.0001697500411825403, | |
| "loss": 0.8415, | |
| "step": 83 | |
| }, | |
| { | |
| "epoch": 1.12, | |
| "grad_norm": 0.6710836291313171, | |
| "learning_rate": 0.00016897237772781044, | |
| "loss": 0.7247, | |
| "step": 84 | |
| }, | |
| { | |
| "epoch": 1.1333333333333333, | |
| "grad_norm": 0.5887194275856018, | |
| "learning_rate": 0.0001681866755929612, | |
| "loss": 0.7947, | |
| "step": 85 | |
| }, | |
| { | |
| "epoch": 1.1466666666666667, | |
| "grad_norm": 0.5538906455039978, | |
| "learning_rate": 0.00016739302635100108, | |
| "loss": 0.7337, | |
| "step": 86 | |
| }, | |
| { | |
| "epoch": 1.16, | |
| "grad_norm": 0.6018480062484741, | |
| "learning_rate": 0.00016659152250116812, | |
| "loss": 0.6801, | |
| "step": 87 | |
| }, | |
| { | |
| "epoch": 1.1733333333333333, | |
| "grad_norm": 0.548251748085022, | |
| "learning_rate": 0.00016578225745814907, | |
| "loss": 0.6898, | |
| "step": 88 | |
| }, | |
| { | |
| "epoch": 1.1866666666666668, | |
| "grad_norm": 0.49416568875312805, | |
| "learning_rate": 0.00016496532554119214, | |
| "loss": 0.719, | |
| "step": 89 | |
| }, | |
| { | |
| "epoch": 1.2, | |
| "grad_norm": 0.6101306676864624, | |
| "learning_rate": 0.000164140821963114, | |
| "loss": 0.7917, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 1.2133333333333334, | |
| "grad_norm": 0.588020920753479, | |
| "learning_rate": 0.000163308842819203, | |
| "loss": 0.8035, | |
| "step": 91 | |
| }, | |
| { | |
| "epoch": 1.2266666666666666, | |
| "grad_norm": 0.5376534461975098, | |
| "learning_rate": 0.00016246948507601914, | |
| "loss": 0.7816, | |
| "step": 92 | |
| }, | |
| { | |
| "epoch": 1.24, | |
| "grad_norm": 0.549625813961029, | |
| "learning_rate": 0.00016162284656009274, | |
| "loss": 0.7245, | |
| "step": 93 | |
| }, | |
| { | |
| "epoch": 1.2533333333333334, | |
| "grad_norm": 0.6054933667182922, | |
| "learning_rate": 0.0001607690259465229, | |
| "loss": 0.7484, | |
| "step": 94 | |
| }, | |
| { | |
| "epoch": 1.2666666666666666, | |
| "grad_norm": 0.5613316297531128, | |
| "learning_rate": 0.00015990812274747692, | |
| "loss": 0.7369, | |
| "step": 95 | |
| }, | |
| { | |
| "epoch": 1.28, | |
| "grad_norm": 0.5984250903129578, | |
| "learning_rate": 0.00015904023730059228, | |
| "loss": 0.891, | |
| "step": 96 | |
| }, | |
| { | |
| "epoch": 1.2933333333333334, | |
| "grad_norm": 0.6490495204925537, | |
| "learning_rate": 0.00015816547075728226, | |
| "loss": 0.775, | |
| "step": 97 | |
| }, | |
| { | |
| "epoch": 1.3066666666666666, | |
| "grad_norm": 0.6675053834915161, | |
| "learning_rate": 0.000157283925070947, | |
| "loss": 0.7565, | |
| "step": 98 | |
| }, | |
| { | |
| "epoch": 1.32, | |
| "grad_norm": 0.5397291779518127, | |
| "learning_rate": 0.00015639570298509064, | |
| "loss": 0.6685, | |
| "step": 99 | |
| }, | |
| { | |
| "epoch": 1.3333333333333333, | |
| "grad_norm": 0.5830179452896118, | |
| "learning_rate": 0.000155500908021347, | |
| "loss": 0.8132, | |
| "step": 100 | |
| } | |
| ], | |
| "logging_steps": 1.0, | |
| "max_steps": 300, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 4, | |
| "save_steps": 50, | |
| "stateful_callbacks": { | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": false | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 2.904617129292595e+16, | |
| "train_batch_size": 2, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |