checkpoint-500/trainer_state.json

{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 15.634920634920634,
  "eval_steps": 500,
  "global_step": 500,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.6349206349206349,
      "grad_norm": 0.4482170343399048,
      "learning_rate": 0.0002,
      "loss": 1.465,
      "step": 20
    },
    {
      "epoch": 1.253968253968254,
      "grad_norm": 0.23053646087646484,
      "learning_rate": 0.00019166666666666667,
      "loss": 0.5978,
      "step": 40
    },
    {
      "epoch": 1.8888888888888888,
      "grad_norm": 0.19822551310062408,
      "learning_rate": 0.00018333333333333334,
      "loss": 0.4609,
      "step": 60
    },
    {
      "epoch": 2.507936507936508,
      "grad_norm": 0.21611981093883514,
      "learning_rate": 0.000175,
      "loss": 0.3933,
      "step": 80
    },
    {
      "epoch": 3.126984126984127,
      "grad_norm": 0.217985600233078,
      "learning_rate": 0.0001666666666666667,
      "loss": 0.3577,
      "step": 100
    },
    {
      "epoch": 3.761904761904762,
      "grad_norm": 0.30673453211784363,
      "learning_rate": 0.00015833333333333332,
      "loss": 0.318,
      "step": 120
    },
    {
      "epoch": 4.380952380952381,
      "grad_norm": 0.32899099588394165,
      "learning_rate": 0.00015000000000000001,
      "loss": 0.2821,
      "step": 140
    },
    {
      "epoch": 5.0,
      "grad_norm": 0.6824074983596802,
      "learning_rate": 0.00014166666666666668,
      "loss": 0.2549,
      "step": 160
    },
    {
      "epoch": 5.634920634920634,
      "grad_norm": 0.3640708029270172,
      "learning_rate": 0.00013333333333333334,
      "loss": 0.1909,
      "step": 180
    },
    {
      "epoch": 6.253968253968254,
      "grad_norm": 0.5191685557365417,
      "learning_rate": 0.000125,
      "loss": 0.1707,
      "step": 200
    },
    {
      "epoch": 6.888888888888889,
      "grad_norm": 0.40223005414009094,
      "learning_rate": 0.00011666666666666668,
      "loss": 0.1376,
      "step": 220
    },
    {
      "epoch": 7.507936507936508,
      "grad_norm": 0.42533406615257263,
      "learning_rate": 0.00010833333333333333,
      "loss": 0.1092,
      "step": 240
    },
    {
      "epoch": 8.126984126984127,
      "grad_norm": 0.3342105448246002,
      "learning_rate": 0.0001,
      "loss": 0.0947,
      "step": 260
    },
    {
      "epoch": 8.761904761904763,
      "grad_norm": 0.4351166784763336,
      "learning_rate": 9.166666666666667e-05,
      "loss": 0.0736,
      "step": 280
    },
    {
      "epoch": 9.380952380952381,
      "grad_norm": 0.33051586151123047,
      "learning_rate": 8.333333333333334e-05,
      "loss": 0.0653,
      "step": 300
    },
    {
      "epoch": 10.0,
      "grad_norm": 0.6931056976318359,
      "learning_rate": 7.500000000000001e-05,
      "loss": 0.0606,
      "step": 320
    },
    {
      "epoch": 10.634920634920634,
      "grad_norm": 0.31095370650291443,
      "learning_rate": 6.666666666666667e-05,
      "loss": 0.0483,
      "step": 340
    },
    {
      "epoch": 11.253968253968253,
      "grad_norm": 0.3269076347351074,
      "learning_rate": 5.833333333333334e-05,
      "loss": 0.0451,
      "step": 360
    },
    {
      "epoch": 11.88888888888889,
      "grad_norm": 0.2958855628967285,
      "learning_rate": 5e-05,
      "loss": 0.0417,
      "step": 380
    },
    {
      "epoch": 12.507936507936508,
      "grad_norm": 0.18271532654762268,
      "learning_rate": 4.166666666666667e-05,
      "loss": 0.0368,
      "step": 400
    },
    {
      "epoch": 13.126984126984127,
      "grad_norm": 0.11632124334573746,
      "learning_rate": 3.3333333333333335e-05,
      "loss": 0.0362,
      "step": 420
    },
    {
      "epoch": 13.761904761904763,
      "grad_norm": 0.15796127915382385,
      "learning_rate": 2.5e-05,
      "loss": 0.033,
      "step": 440
    },
    {
      "epoch": 14.380952380952381,
      "grad_norm": 0.1253138780593872,
      "learning_rate": 1.6666666666666667e-05,
      "loss": 0.0325,
      "step": 460
    },
    {
      "epoch": 15.0,
      "grad_norm": 0.25612324476242065,
      "learning_rate": 8.333333333333334e-06,
      "loss": 0.0318,
      "step": 480
    },
    {
      "epoch": 15.634920634920634,
      "grad_norm": 0.13210661709308624,
      "learning_rate": 0.0,
      "loss": 0.0308,
      "step": 500
    }
  ],
  "logging_steps": 20,
  "max_steps": 500,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 17,
  "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": 2.914740380239135e+17,
  "train_batch_size": 16,
  "trial_name": null,
  "trial_params": null
}