| { |
| "best_metric": null, |
| "best_model_checkpoint": null, |
| "epoch": 0.08333333333333333, |
| "eval_steps": 500, |
| "global_step": 5000, |
| "is_hyper_param_search": false, |
| "is_local_process_zero": true, |
| "is_world_process_zero": true, |
| "log_history": [ |
| { |
| "epoch": 0.0008333333333333334, |
| "grad_norm": 0.1435546875, |
| "learning_rate": 0.00019800000000000002, |
| "loss": 0.1418, |
| "step": 50 |
| }, |
| { |
| "epoch": 0.0016666666666666668, |
| "grad_norm": 0.0118408203125, |
| "learning_rate": 0.000196, |
| "loss": 0.1015, |
| "step": 100 |
| }, |
| { |
| "epoch": 0.0025, |
| "grad_norm": 0.059326171875, |
| "learning_rate": 0.000194, |
| "loss": 0.0625, |
| "step": 150 |
| }, |
| { |
| "epoch": 0.0033333333333333335, |
| "grad_norm": 0.00128936767578125, |
| "learning_rate": 0.000192, |
| "loss": 0.0441, |
| "step": 200 |
| }, |
| { |
| "epoch": 0.004166666666666667, |
| "grad_norm": 0.02783203125, |
| "learning_rate": 0.00019, |
| "loss": 0.0547, |
| "step": 250 |
| }, |
| { |
| "epoch": 0.005, |
| "grad_norm": 12.625, |
| "learning_rate": 0.000188, |
| "loss": 0.074, |
| "step": 300 |
| }, |
| { |
| "epoch": 0.005833333333333334, |
| "grad_norm": 0.09765625, |
| "learning_rate": 0.00018600000000000002, |
| "loss": 0.0284, |
| "step": 350 |
| }, |
| { |
| "epoch": 0.006666666666666667, |
| "grad_norm": 0.130859375, |
| "learning_rate": 0.00018400000000000003, |
| "loss": 0.0453, |
| "step": 400 |
| }, |
| { |
| "epoch": 0.0075, |
| "grad_norm": 9.625, |
| "learning_rate": 0.000182, |
| "loss": 0.054, |
| "step": 450 |
| }, |
| { |
| "epoch": 0.008333333333333333, |
| "grad_norm": 0.0006103515625, |
| "learning_rate": 0.00018, |
| "loss": 0.0222, |
| "step": 500 |
| }, |
| { |
| "epoch": 0.009166666666666667, |
| "grad_norm": 4.65625, |
| "learning_rate": 0.00017800000000000002, |
| "loss": 0.0493, |
| "step": 550 |
| }, |
| { |
| "epoch": 0.01, |
| "grad_norm": 0.06201171875, |
| "learning_rate": 0.00017600000000000002, |
| "loss": 0.0522, |
| "step": 600 |
| }, |
| { |
| "epoch": 0.010833333333333334, |
| "grad_norm": 0.00885009765625, |
| "learning_rate": 0.000174, |
| "loss": 0.0526, |
| "step": 650 |
| }, |
| { |
| "epoch": 0.011666666666666667, |
| "grad_norm": 7.53125, |
| "learning_rate": 0.000172, |
| "loss": 0.0393, |
| "step": 700 |
| }, |
| { |
| "epoch": 0.0125, |
| "grad_norm": 0.00579833984375, |
| "learning_rate": 0.00017, |
| "loss": 0.0678, |
| "step": 750 |
| }, |
| { |
| "epoch": 0.013333333333333334, |
| "grad_norm": 0.0031890869140625, |
| "learning_rate": 0.000168, |
| "loss": 0.0415, |
| "step": 800 |
| }, |
| { |
| "epoch": 0.014166666666666666, |
| "grad_norm": 0.00010061264038085938, |
| "learning_rate": 0.000166, |
| "loss": 0.0202, |
| "step": 850 |
| }, |
| { |
| "epoch": 0.015, |
| "grad_norm": 1.09375, |
| "learning_rate": 0.000164, |
| "loss": 0.0695, |
| "step": 900 |
| }, |
| { |
| "epoch": 0.015833333333333335, |
| "grad_norm": 0.65625, |
| "learning_rate": 0.000162, |
| "loss": 0.0507, |
| "step": 950 |
| }, |
| { |
| "epoch": 0.016666666666666666, |
| "grad_norm": 0.00701904296875, |
| "learning_rate": 0.00016, |
| "loss": 0.0201, |
| "step": 1000 |
| }, |
| { |
| "epoch": 0.0175, |
| "grad_norm": 9.3125, |
| "learning_rate": 0.00015800000000000002, |
| "loss": 0.0593, |
| "step": 1050 |
| }, |
| { |
| "epoch": 0.018333333333333333, |
| "grad_norm": 7.46875, |
| "learning_rate": 0.00015600000000000002, |
| "loss": 0.0149, |
| "step": 1100 |
| }, |
| { |
| "epoch": 0.019166666666666665, |
| "grad_norm": 0.004058837890625, |
| "learning_rate": 0.000154, |
| "loss": 0.0344, |
| "step": 1150 |
| }, |
| { |
| "epoch": 0.02, |
| "grad_norm": 15.3125, |
| "learning_rate": 0.000152, |
| "loss": 0.054, |
| "step": 1200 |
| }, |
| { |
| "epoch": 0.020833333333333332, |
| "grad_norm": 18.125, |
| "learning_rate": 0.00015000000000000001, |
| "loss": 0.023, |
| "step": 1250 |
| }, |
| { |
| "epoch": 0.021666666666666667, |
| "grad_norm": 0.0771484375, |
| "learning_rate": 0.000148, |
| "loss": 0.0474, |
| "step": 1300 |
| }, |
| { |
| "epoch": 0.0225, |
| "grad_norm": 0.005615234375, |
| "learning_rate": 0.000146, |
| "loss": 0.0042, |
| "step": 1350 |
| }, |
| { |
| "epoch": 0.023333333333333334, |
| "grad_norm": 8.8125, |
| "learning_rate": 0.000144, |
| "loss": 0.0477, |
| "step": 1400 |
| }, |
| { |
| "epoch": 0.024166666666666666, |
| "grad_norm": 0.006988525390625, |
| "learning_rate": 0.000142, |
| "loss": 0.0268, |
| "step": 1450 |
| }, |
| { |
| "epoch": 0.025, |
| "grad_norm": 6.0625, |
| "learning_rate": 0.00014, |
| "loss": 0.0224, |
| "step": 1500 |
| }, |
| { |
| "epoch": 0.025833333333333333, |
| "grad_norm": 4.03125, |
| "learning_rate": 0.000138, |
| "loss": 0.0369, |
| "step": 1550 |
| }, |
| { |
| "epoch": 0.02666666666666667, |
| "grad_norm": 0.59375, |
| "learning_rate": 0.00013600000000000003, |
| "loss": 0.01, |
| "step": 1600 |
| }, |
| { |
| "epoch": 0.0275, |
| "grad_norm": 0.004974365234375, |
| "learning_rate": 0.000134, |
| "loss": 0.0621, |
| "step": 1650 |
| }, |
| { |
| "epoch": 0.028333333333333332, |
| "grad_norm": 3.75, |
| "learning_rate": 0.000132, |
| "loss": 0.0915, |
| "step": 1700 |
| }, |
| { |
| "epoch": 0.029166666666666667, |
| "grad_norm": 0.095703125, |
| "learning_rate": 0.00013000000000000002, |
| "loss": 0.0215, |
| "step": 1750 |
| }, |
| { |
| "epoch": 0.03, |
| "grad_norm": 5.625, |
| "learning_rate": 0.00012800000000000002, |
| "loss": 0.034, |
| "step": 1800 |
| }, |
| { |
| "epoch": 0.030833333333333334, |
| "grad_norm": 0.000701904296875, |
| "learning_rate": 0.000126, |
| "loss": 0.028, |
| "step": 1850 |
| }, |
| { |
| "epoch": 0.03166666666666667, |
| "grad_norm": 11.9375, |
| "learning_rate": 0.000124, |
| "loss": 0.0136, |
| "step": 1900 |
| }, |
| { |
| "epoch": 0.0325, |
| "grad_norm": 0.0030517578125, |
| "learning_rate": 0.000122, |
| "loss": 0.0305, |
| "step": 1950 |
| }, |
| { |
| "epoch": 0.03333333333333333, |
| "grad_norm": 0.000507354736328125, |
| "learning_rate": 0.00012, |
| "loss": 0.0254, |
| "step": 2000 |
| }, |
| { |
| "epoch": 0.034166666666666665, |
| "grad_norm": 0.00872802734375, |
| "learning_rate": 0.000118, |
| "loss": 0.0291, |
| "step": 2050 |
| }, |
| { |
| "epoch": 0.035, |
| "grad_norm": 0.03076171875, |
| "learning_rate": 0.000116, |
| "loss": 0.0422, |
| "step": 2100 |
| }, |
| { |
| "epoch": 0.035833333333333335, |
| "grad_norm": 0.000885009765625, |
| "learning_rate": 0.00011399999999999999, |
| "loss": 0.0175, |
| "step": 2150 |
| }, |
| { |
| "epoch": 0.03666666666666667, |
| "grad_norm": 7.625, |
| "learning_rate": 0.00011200000000000001, |
| "loss": 0.0476, |
| "step": 2200 |
| }, |
| { |
| "epoch": 0.0375, |
| "grad_norm": 0.0013885498046875, |
| "learning_rate": 0.00011000000000000002, |
| "loss": 0.036, |
| "step": 2250 |
| }, |
| { |
| "epoch": 0.03833333333333333, |
| "grad_norm": 0.040771484375, |
| "learning_rate": 0.00010800000000000001, |
| "loss": 0.0182, |
| "step": 2300 |
| }, |
| { |
| "epoch": 0.03916666666666667, |
| "grad_norm": 0.3203125, |
| "learning_rate": 0.00010600000000000002, |
| "loss": 0.0207, |
| "step": 2350 |
| }, |
| { |
| "epoch": 0.04, |
| "grad_norm": 0.022216796875, |
| "learning_rate": 0.00010400000000000001, |
| "loss": 0.005, |
| "step": 2400 |
| }, |
| { |
| "epoch": 0.04083333333333333, |
| "grad_norm": 0.091796875, |
| "learning_rate": 0.00010200000000000001, |
| "loss": 0.009, |
| "step": 2450 |
| }, |
| { |
| "epoch": 0.041666666666666664, |
| "grad_norm": 0.000171661376953125, |
| "learning_rate": 0.0001, |
| "loss": 0.006, |
| "step": 2500 |
| }, |
| { |
| "epoch": 0.0425, |
| "grad_norm": 0.052001953125, |
| "learning_rate": 9.8e-05, |
| "loss": 0.0407, |
| "step": 2550 |
| }, |
| { |
| "epoch": 0.043333333333333335, |
| "grad_norm": 7.03125, |
| "learning_rate": 9.6e-05, |
| "loss": 0.0313, |
| "step": 2600 |
| }, |
| { |
| "epoch": 0.04416666666666667, |
| "grad_norm": 0.0361328125, |
| "learning_rate": 9.4e-05, |
| "loss": 0.0196, |
| "step": 2650 |
| }, |
| { |
| "epoch": 0.045, |
| "grad_norm": 0.205078125, |
| "learning_rate": 9.200000000000001e-05, |
| "loss": 0.0303, |
| "step": 2700 |
| }, |
| { |
| "epoch": 0.04583333333333333, |
| "grad_norm": 0.00360107421875, |
| "learning_rate": 9e-05, |
| "loss": 0.0294, |
| "step": 2750 |
| }, |
| { |
| "epoch": 0.04666666666666667, |
| "grad_norm": 0.00191497802734375, |
| "learning_rate": 8.800000000000001e-05, |
| "loss": 0.02, |
| "step": 2800 |
| }, |
| { |
| "epoch": 0.0475, |
| "grad_norm": 0.10693359375, |
| "learning_rate": 8.6e-05, |
| "loss": 0.02, |
| "step": 2850 |
| }, |
| { |
| "epoch": 0.04833333333333333, |
| "grad_norm": 0.0028076171875, |
| "learning_rate": 8.4e-05, |
| "loss": 0.0562, |
| "step": 2900 |
| }, |
| { |
| "epoch": 0.049166666666666664, |
| "grad_norm": 5.03125, |
| "learning_rate": 8.2e-05, |
| "loss": 0.0047, |
| "step": 2950 |
| }, |
| { |
| "epoch": 0.05, |
| "grad_norm": 0.000835418701171875, |
| "learning_rate": 8e-05, |
| "loss": 0.0375, |
| "step": 3000 |
| }, |
| { |
| "epoch": 0.050833333333333335, |
| "grad_norm": 0.0021820068359375, |
| "learning_rate": 7.800000000000001e-05, |
| "loss": 0.0232, |
| "step": 3050 |
| }, |
| { |
| "epoch": 0.051666666666666666, |
| "grad_norm": 0.009765625, |
| "learning_rate": 7.6e-05, |
| "loss": 0.0472, |
| "step": 3100 |
| }, |
| { |
| "epoch": 0.0525, |
| "grad_norm": 0.00323486328125, |
| "learning_rate": 7.4e-05, |
| "loss": 0.0294, |
| "step": 3150 |
| }, |
| { |
| "epoch": 0.05333333333333334, |
| "grad_norm": 0.005767822265625, |
| "learning_rate": 7.2e-05, |
| "loss": 0.0233, |
| "step": 3200 |
| }, |
| { |
| "epoch": 0.05416666666666667, |
| "grad_norm": 0.01165771484375, |
| "learning_rate": 7e-05, |
| "loss": 0.0216, |
| "step": 3250 |
| }, |
| { |
| "epoch": 0.055, |
| "grad_norm": 0.01806640625, |
| "learning_rate": 6.800000000000001e-05, |
| "loss": 0.0076, |
| "step": 3300 |
| }, |
| { |
| "epoch": 0.05583333333333333, |
| "grad_norm": 0.0019989013671875, |
| "learning_rate": 6.6e-05, |
| "loss": 0.0058, |
| "step": 3350 |
| }, |
| { |
| "epoch": 0.056666666666666664, |
| "grad_norm": 0.00091552734375, |
| "learning_rate": 6.400000000000001e-05, |
| "loss": 0.0171, |
| "step": 3400 |
| }, |
| { |
| "epoch": 0.0575, |
| "grad_norm": 0.392578125, |
| "learning_rate": 6.2e-05, |
| "loss": 0.0408, |
| "step": 3450 |
| }, |
| { |
| "epoch": 0.058333333333333334, |
| "grad_norm": 0.0006103515625, |
| "learning_rate": 6e-05, |
| "loss": 0.0071, |
| "step": 3500 |
| }, |
| { |
| "epoch": 0.059166666666666666, |
| "grad_norm": 0.0004730224609375, |
| "learning_rate": 5.8e-05, |
| "loss": 0.0134, |
| "step": 3550 |
| }, |
| { |
| "epoch": 0.06, |
| "grad_norm": 0.007476806640625, |
| "learning_rate": 5.6000000000000006e-05, |
| "loss": 0.0507, |
| "step": 3600 |
| }, |
| { |
| "epoch": 0.060833333333333336, |
| "grad_norm": 0.2177734375, |
| "learning_rate": 5.4000000000000005e-05, |
| "loss": 0.043, |
| "step": 3650 |
| }, |
| { |
| "epoch": 0.06166666666666667, |
| "grad_norm": 4.875, |
| "learning_rate": 5.2000000000000004e-05, |
| "loss": 0.0414, |
| "step": 3700 |
| }, |
| { |
| "epoch": 0.0625, |
| "grad_norm": 0.2255859375, |
| "learning_rate": 5e-05, |
| "loss": 0.0337, |
| "step": 3750 |
| }, |
| { |
| "epoch": 0.06333333333333334, |
| "grad_norm": 1.484375, |
| "learning_rate": 4.8e-05, |
| "loss": 0.013, |
| "step": 3800 |
| }, |
| { |
| "epoch": 0.06416666666666666, |
| "grad_norm": 0.05322265625, |
| "learning_rate": 4.600000000000001e-05, |
| "loss": 0.0137, |
| "step": 3850 |
| }, |
| { |
| "epoch": 0.065, |
| "grad_norm": 0.0023651123046875, |
| "learning_rate": 4.4000000000000006e-05, |
| "loss": 0.0104, |
| "step": 3900 |
| }, |
| { |
| "epoch": 0.06583333333333333, |
| "grad_norm": 4.8125, |
| "learning_rate": 4.2e-05, |
| "loss": 0.0191, |
| "step": 3950 |
| }, |
| { |
| "epoch": 0.06666666666666667, |
| "grad_norm": 0.1318359375, |
| "learning_rate": 4e-05, |
| "loss": 0.0056, |
| "step": 4000 |
| }, |
| { |
| "epoch": 0.0675, |
| "grad_norm": 0.02978515625, |
| "learning_rate": 3.8e-05, |
| "loss": 0.0446, |
| "step": 4050 |
| }, |
| { |
| "epoch": 0.06833333333333333, |
| "grad_norm": 0.2138671875, |
| "learning_rate": 3.6e-05, |
| "loss": 0.0145, |
| "step": 4100 |
| }, |
| { |
| "epoch": 0.06916666666666667, |
| "grad_norm": 0.0269775390625, |
| "learning_rate": 3.4000000000000007e-05, |
| "loss": 0.0248, |
| "step": 4150 |
| }, |
| { |
| "epoch": 0.07, |
| "grad_norm": 0.0264892578125, |
| "learning_rate": 3.2000000000000005e-05, |
| "loss": 0.0452, |
| "step": 4200 |
| }, |
| { |
| "epoch": 0.07083333333333333, |
| "grad_norm": 0.005889892578125, |
| "learning_rate": 3e-05, |
| "loss": 0.017, |
| "step": 4250 |
| }, |
| { |
| "epoch": 0.07166666666666667, |
| "grad_norm": 0.009033203125, |
| "learning_rate": 2.8000000000000003e-05, |
| "loss": 0.0209, |
| "step": 4300 |
| }, |
| { |
| "epoch": 0.0725, |
| "grad_norm": 0.0277099609375, |
| "learning_rate": 2.6000000000000002e-05, |
| "loss": 0.0159, |
| "step": 4350 |
| }, |
| { |
| "epoch": 0.07333333333333333, |
| "grad_norm": 0.0036468505859375, |
| "learning_rate": 2.4e-05, |
| "loss": 0.0167, |
| "step": 4400 |
| }, |
| { |
| "epoch": 0.07416666666666667, |
| "grad_norm": 0.006866455078125, |
| "learning_rate": 2.2000000000000003e-05, |
| "loss": 0.0353, |
| "step": 4450 |
| }, |
| { |
| "epoch": 0.075, |
| "grad_norm": 0.00173187255859375, |
| "learning_rate": 2e-05, |
| "loss": 0.0319, |
| "step": 4500 |
| }, |
| { |
| "epoch": 0.07583333333333334, |
| "grad_norm": 0.005096435546875, |
| "learning_rate": 1.8e-05, |
| "loss": 0.0131, |
| "step": 4550 |
| }, |
| { |
| "epoch": 0.07666666666666666, |
| "grad_norm": 1.6328125, |
| "learning_rate": 1.6000000000000003e-05, |
| "loss": 0.0371, |
| "step": 4600 |
| }, |
| { |
| "epoch": 0.0775, |
| "grad_norm": 0.00139617919921875, |
| "learning_rate": 1.4000000000000001e-05, |
| "loss": 0.0254, |
| "step": 4650 |
| }, |
| { |
| "epoch": 0.07833333333333334, |
| "grad_norm": 0.01397705078125, |
| "learning_rate": 1.2e-05, |
| "loss": 0.031, |
| "step": 4700 |
| }, |
| { |
| "epoch": 0.07916666666666666, |
| "grad_norm": 0.255859375, |
| "learning_rate": 1e-05, |
| "loss": 0.0206, |
| "step": 4750 |
| }, |
| { |
| "epoch": 0.08, |
| "grad_norm": 0.0252685546875, |
| "learning_rate": 8.000000000000001e-06, |
| "loss": 0.0232, |
| "step": 4800 |
| }, |
| { |
| "epoch": 0.08083333333333333, |
| "grad_norm": 0.000843048095703125, |
| "learning_rate": 6e-06, |
| "loss": 0.0104, |
| "step": 4850 |
| }, |
| { |
| "epoch": 0.08166666666666667, |
| "grad_norm": 0.029296875, |
| "learning_rate": 4.000000000000001e-06, |
| "loss": 0.0055, |
| "step": 4900 |
| }, |
| { |
| "epoch": 0.0825, |
| "grad_norm": 0.0147705078125, |
| "learning_rate": 2.0000000000000003e-06, |
| "loss": 0.0453, |
| "step": 4950 |
| }, |
| { |
| "epoch": 0.08333333333333333, |
| "grad_norm": 0.00762939453125, |
| "learning_rate": 0.0, |
| "loss": 0.0089, |
| "step": 5000 |
| } |
| ], |
| "logging_steps": 50, |
| "max_steps": 5000, |
| "num_input_tokens_seen": 0, |
| "num_train_epochs": 1, |
| "save_steps": 1000, |
| "stateful_callbacks": { |
| "TrainerControl": { |
| "args": { |
| "should_epoch_stop": false, |
| "should_evaluate": false, |
| "should_log": false, |
| "should_save": true, |
| "should_training_stop": true |
| }, |
| "attributes": {} |
| } |
| }, |
| "total_flos": 5.492272922714112e+16, |
| "train_batch_size": 1, |
| "trial_name": null, |
| "trial_params": null |
| } |
|
|
