| { |
| "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": 42.25, |
| "learning_rate": 0.00019800000000000002, |
| "loss": 1.0707, |
| "step": 50 |
| }, |
| { |
| "epoch": 0.0016666666666666668, |
| "grad_norm": 0.73046875, |
| "learning_rate": 0.000196, |
| "loss": 0.6852, |
| "step": 100 |
| }, |
| { |
| "epoch": 0.0025, |
| "grad_norm": 2.390625, |
| "learning_rate": 0.000194, |
| "loss": 0.702, |
| "step": 150 |
| }, |
| { |
| "epoch": 0.0033333333333333335, |
| "grad_norm": 6.375, |
| "learning_rate": 0.000192, |
| "loss": 0.7727, |
| "step": 200 |
| }, |
| { |
| "epoch": 0.004166666666666667, |
| "grad_norm": 6.3125, |
| "learning_rate": 0.00019, |
| "loss": 0.5331, |
| "step": 250 |
| }, |
| { |
| "epoch": 0.005, |
| "grad_norm": 1.2734375, |
| "learning_rate": 0.000188, |
| "loss": 0.4822, |
| "step": 300 |
| }, |
| { |
| "epoch": 0.005833333333333334, |
| "grad_norm": 1.1328125, |
| "learning_rate": 0.00018600000000000002, |
| "loss": 0.4163, |
| "step": 350 |
| }, |
| { |
| "epoch": 0.006666666666666667, |
| "grad_norm": 3.046875, |
| "learning_rate": 0.00018400000000000003, |
| "loss": 0.4602, |
| "step": 400 |
| }, |
| { |
| "epoch": 0.0075, |
| "grad_norm": 0.00592041015625, |
| "learning_rate": 0.000182, |
| "loss": 0.3425, |
| "step": 450 |
| }, |
| { |
| "epoch": 0.008333333333333333, |
| "grad_norm": 3.140625, |
| "learning_rate": 0.00018, |
| "loss": 1.0112, |
| "step": 500 |
| }, |
| { |
| "epoch": 0.009166666666666667, |
| "grad_norm": 0.0107421875, |
| "learning_rate": 0.00017800000000000002, |
| "loss": 0.5331, |
| "step": 550 |
| }, |
| { |
| "epoch": 0.01, |
| "grad_norm": 0.28515625, |
| "learning_rate": 0.00017600000000000002, |
| "loss": 0.286, |
| "step": 600 |
| }, |
| { |
| "epoch": 0.010833333333333334, |
| "grad_norm": 73.5, |
| "learning_rate": 0.000174, |
| "loss": 0.4844, |
| "step": 650 |
| }, |
| { |
| "epoch": 0.011666666666666667, |
| "grad_norm": 14.625, |
| "learning_rate": 0.000172, |
| "loss": 0.4466, |
| "step": 700 |
| }, |
| { |
| "epoch": 0.0125, |
| "grad_norm": 0.046630859375, |
| "learning_rate": 0.00017, |
| "loss": 0.4002, |
| "step": 750 |
| }, |
| { |
| "epoch": 0.013333333333333334, |
| "grad_norm": 14.4375, |
| "learning_rate": 0.000168, |
| "loss": 0.3284, |
| "step": 800 |
| }, |
| { |
| "epoch": 0.014166666666666666, |
| "grad_norm": 0.11767578125, |
| "learning_rate": 0.000166, |
| "loss": 0.29, |
| "step": 850 |
| }, |
| { |
| "epoch": 0.015, |
| "grad_norm": 0.005615234375, |
| "learning_rate": 0.000164, |
| "loss": 0.1544, |
| "step": 900 |
| }, |
| { |
| "epoch": 0.015833333333333335, |
| "grad_norm": 0.037353515625, |
| "learning_rate": 0.000162, |
| "loss": 0.3684, |
| "step": 950 |
| }, |
| { |
| "epoch": 0.016666666666666666, |
| "grad_norm": 36.25, |
| "learning_rate": 0.00016, |
| "loss": 0.2664, |
| "step": 1000 |
| }, |
| { |
| "epoch": 0.0175, |
| "grad_norm": 0.1708984375, |
| "learning_rate": 0.00015800000000000002, |
| "loss": 0.421, |
| "step": 1050 |
| }, |
| { |
| "epoch": 0.018333333333333333, |
| "grad_norm": 16.125, |
| "learning_rate": 0.00015600000000000002, |
| "loss": 0.1991, |
| "step": 1100 |
| }, |
| { |
| "epoch": 0.019166666666666665, |
| "grad_norm": 0.015380859375, |
| "learning_rate": 0.000154, |
| "loss": 0.1633, |
| "step": 1150 |
| }, |
| { |
| "epoch": 0.02, |
| "grad_norm": 0.056640625, |
| "learning_rate": 0.000152, |
| "loss": 0.2431, |
| "step": 1200 |
| }, |
| { |
| "epoch": 0.020833333333333332, |
| "grad_norm": 0.0135498046875, |
| "learning_rate": 0.00015000000000000001, |
| "loss": 0.136, |
| "step": 1250 |
| }, |
| { |
| "epoch": 0.021666666666666667, |
| "grad_norm": 0.189453125, |
| "learning_rate": 0.000148, |
| "loss": 0.1569, |
| "step": 1300 |
| }, |
| { |
| "epoch": 0.0225, |
| "grad_norm": 0.0125732421875, |
| "learning_rate": 0.000146, |
| "loss": 0.3101, |
| "step": 1350 |
| }, |
| { |
| "epoch": 0.023333333333333334, |
| "grad_norm": 0.02685546875, |
| "learning_rate": 0.000144, |
| "loss": 0.0303, |
| "step": 1400 |
| }, |
| { |
| "epoch": 0.024166666666666666, |
| "grad_norm": 0.0498046875, |
| "learning_rate": 0.000142, |
| "loss": 0.1791, |
| "step": 1450 |
| }, |
| { |
| "epoch": 0.025, |
| "grad_norm": 0.00177001953125, |
| "learning_rate": 0.00014, |
| "loss": 0.0698, |
| "step": 1500 |
| }, |
| { |
| "epoch": 0.025833333333333333, |
| "grad_norm": 0.044189453125, |
| "learning_rate": 0.000138, |
| "loss": 0.2119, |
| "step": 1550 |
| }, |
| { |
| "epoch": 0.02666666666666667, |
| "grad_norm": 0.0106201171875, |
| "learning_rate": 0.00013600000000000003, |
| "loss": 0.1263, |
| "step": 1600 |
| }, |
| { |
| "epoch": 0.0275, |
| "grad_norm": 0.0223388671875, |
| "learning_rate": 0.000134, |
| "loss": 0.0972, |
| "step": 1650 |
| }, |
| { |
| "epoch": 0.028333333333333332, |
| "grad_norm": 0.1298828125, |
| "learning_rate": 0.000132, |
| "loss": 0.3838, |
| "step": 1700 |
| }, |
| { |
| "epoch": 0.029166666666666667, |
| "grad_norm": 99.0, |
| "learning_rate": 0.00013000000000000002, |
| "loss": 0.2185, |
| "step": 1750 |
| }, |
| { |
| "epoch": 0.03, |
| "grad_norm": 6.34375, |
| "learning_rate": 0.00012800000000000002, |
| "loss": 0.2938, |
| "step": 1800 |
| }, |
| { |
| "epoch": 0.030833333333333334, |
| "grad_norm": 0.00836181640625, |
| "learning_rate": 0.000126, |
| "loss": 0.1431, |
| "step": 1850 |
| }, |
| { |
| "epoch": 0.03166666666666667, |
| "grad_norm": 0.025146484375, |
| "learning_rate": 0.000124, |
| "loss": 0.2518, |
| "step": 1900 |
| }, |
| { |
| "epoch": 0.0325, |
| "grad_norm": 0.046630859375, |
| "learning_rate": 0.000122, |
| "loss": 0.2364, |
| "step": 1950 |
| }, |
| { |
| "epoch": 0.03333333333333333, |
| "grad_norm": 4.0625, |
| "learning_rate": 0.00012, |
| "loss": 0.2316, |
| "step": 2000 |
| }, |
| { |
| "epoch": 0.034166666666666665, |
| "grad_norm": 0.031494140625, |
| "learning_rate": 0.000118, |
| "loss": 0.2062, |
| "step": 2050 |
| }, |
| { |
| "epoch": 0.035, |
| "grad_norm": 0.007568359375, |
| "learning_rate": 0.000116, |
| "loss": 0.0573, |
| "step": 2100 |
| }, |
| { |
| "epoch": 0.035833333333333335, |
| "grad_norm": 0.00238037109375, |
| "learning_rate": 0.00011399999999999999, |
| "loss": 0.1315, |
| "step": 2150 |
| }, |
| { |
| "epoch": 0.03666666666666667, |
| "grad_norm": 0.004486083984375, |
| "learning_rate": 0.00011200000000000001, |
| "loss": 0.0517, |
| "step": 2200 |
| }, |
| { |
| "epoch": 0.0375, |
| "grad_norm": 16.375, |
| "learning_rate": 0.00011000000000000002, |
| "loss": 0.2803, |
| "step": 2250 |
| }, |
| { |
| "epoch": 0.03833333333333333, |
| "grad_norm": 0.033447265625, |
| "learning_rate": 0.00010800000000000001, |
| "loss": 0.157, |
| "step": 2300 |
| }, |
| { |
| "epoch": 0.03916666666666667, |
| "grad_norm": 0.0216064453125, |
| "learning_rate": 0.00010600000000000002, |
| "loss": 0.191, |
| "step": 2350 |
| }, |
| { |
| "epoch": 0.04, |
| "grad_norm": 0.031982421875, |
| "learning_rate": 0.00010400000000000001, |
| "loss": 0.2834, |
| "step": 2400 |
| }, |
| { |
| "epoch": 0.04083333333333333, |
| "grad_norm": 0.02294921875, |
| "learning_rate": 0.00010200000000000001, |
| "loss": 0.1802, |
| "step": 2450 |
| }, |
| { |
| "epoch": 0.041666666666666664, |
| "grad_norm": 0.0096435546875, |
| "learning_rate": 0.0001, |
| "loss": 0.139, |
| "step": 2500 |
| }, |
| { |
| "epoch": 0.0425, |
| "grad_norm": 4.4375, |
| "learning_rate": 9.8e-05, |
| "loss": 0.1604, |
| "step": 2550 |
| }, |
| { |
| "epoch": 0.043333333333333335, |
| "grad_norm": 0.0113525390625, |
| "learning_rate": 9.6e-05, |
| "loss": 0.189, |
| "step": 2600 |
| }, |
| { |
| "epoch": 0.04416666666666667, |
| "grad_norm": 0.005462646484375, |
| "learning_rate": 9.4e-05, |
| "loss": 0.1507, |
| "step": 2650 |
| }, |
| { |
| "epoch": 0.045, |
| "grad_norm": 0.01336669921875, |
| "learning_rate": 9.200000000000001e-05, |
| "loss": 0.0892, |
| "step": 2700 |
| }, |
| { |
| "epoch": 0.04583333333333333, |
| "grad_norm": 0.072265625, |
| "learning_rate": 9e-05, |
| "loss": 0.2427, |
| "step": 2750 |
| }, |
| { |
| "epoch": 0.04666666666666667, |
| "grad_norm": 0.0888671875, |
| "learning_rate": 8.800000000000001e-05, |
| "loss": 0.1457, |
| "step": 2800 |
| }, |
| { |
| "epoch": 0.0475, |
| "grad_norm": 0.05712890625, |
| "learning_rate": 8.6e-05, |
| "loss": 0.1217, |
| "step": 2850 |
| }, |
| { |
| "epoch": 0.04833333333333333, |
| "grad_norm": 0.07080078125, |
| "learning_rate": 8.4e-05, |
| "loss": 0.1978, |
| "step": 2900 |
| }, |
| { |
| "epoch": 0.049166666666666664, |
| "grad_norm": 0.125, |
| "learning_rate": 8.2e-05, |
| "loss": 0.2253, |
| "step": 2950 |
| }, |
| { |
| "epoch": 0.05, |
| "grad_norm": 0.171875, |
| "learning_rate": 8e-05, |
| "loss": 0.1626, |
| "step": 3000 |
| }, |
| { |
| "epoch": 0.050833333333333335, |
| "grad_norm": 0.10009765625, |
| "learning_rate": 7.800000000000001e-05, |
| "loss": 0.0445, |
| "step": 3050 |
| }, |
| { |
| "epoch": 0.051666666666666666, |
| "grad_norm": 0.28125, |
| "learning_rate": 7.6e-05, |
| "loss": 0.1059, |
| "step": 3100 |
| }, |
| { |
| "epoch": 0.0525, |
| "grad_norm": 0.052001953125, |
| "learning_rate": 7.4e-05, |
| "loss": 0.1103, |
| "step": 3150 |
| }, |
| { |
| "epoch": 0.05333333333333334, |
| "grad_norm": 0.0084228515625, |
| "learning_rate": 7.2e-05, |
| "loss": 0.0283, |
| "step": 3200 |
| }, |
| { |
| "epoch": 0.05416666666666667, |
| "grad_norm": 0.0576171875, |
| "learning_rate": 7e-05, |
| "loss": 0.0527, |
| "step": 3250 |
| }, |
| { |
| "epoch": 0.055, |
| "grad_norm": 0.003997802734375, |
| "learning_rate": 6.800000000000001e-05, |
| "loss": 0.2071, |
| "step": 3300 |
| }, |
| { |
| "epoch": 0.05583333333333333, |
| "grad_norm": 0.0064697265625, |
| "learning_rate": 6.6e-05, |
| "loss": 0.1396, |
| "step": 3350 |
| }, |
| { |
| "epoch": 0.056666666666666664, |
| "grad_norm": 0.016357421875, |
| "learning_rate": 6.400000000000001e-05, |
| "loss": 0.1439, |
| "step": 3400 |
| }, |
| { |
| "epoch": 0.0575, |
| "grad_norm": 0.01300048828125, |
| "learning_rate": 6.2e-05, |
| "loss": 0.2581, |
| "step": 3450 |
| }, |
| { |
| "epoch": 0.058333333333333334, |
| "grad_norm": 0.0693359375, |
| "learning_rate": 6e-05, |
| "loss": 0.1608, |
| "step": 3500 |
| }, |
| { |
| "epoch": 0.059166666666666666, |
| "grad_norm": 0.00823974609375, |
| "learning_rate": 5.8e-05, |
| "loss": 0.1701, |
| "step": 3550 |
| }, |
| { |
| "epoch": 0.06, |
| "grad_norm": 0.0126953125, |
| "learning_rate": 5.6000000000000006e-05, |
| "loss": 0.0589, |
| "step": 3600 |
| }, |
| { |
| "epoch": 0.060833333333333336, |
| "grad_norm": 0.00555419921875, |
| "learning_rate": 5.4000000000000005e-05, |
| "loss": 0.044, |
| "step": 3650 |
| }, |
| { |
| "epoch": 0.06166666666666667, |
| "grad_norm": 36.25, |
| "learning_rate": 5.2000000000000004e-05, |
| "loss": 0.2246, |
| "step": 3700 |
| }, |
| { |
| "epoch": 0.0625, |
| "grad_norm": 0.0162353515625, |
| "learning_rate": 5e-05, |
| "loss": 0.1273, |
| "step": 3750 |
| }, |
| { |
| "epoch": 0.06333333333333334, |
| "grad_norm": 0.06005859375, |
| "learning_rate": 4.8e-05, |
| "loss": 0.0675, |
| "step": 3800 |
| }, |
| { |
| "epoch": 0.06416666666666666, |
| "grad_norm": 0.062255859375, |
| "learning_rate": 4.600000000000001e-05, |
| "loss": 0.1756, |
| "step": 3850 |
| }, |
| { |
| "epoch": 0.065, |
| "grad_norm": 0.012939453125, |
| "learning_rate": 4.4000000000000006e-05, |
| "loss": 0.1512, |
| "step": 3900 |
| }, |
| { |
| "epoch": 0.06583333333333333, |
| "grad_norm": 144.0, |
| "learning_rate": 4.2e-05, |
| "loss": 0.0751, |
| "step": 3950 |
| }, |
| { |
| "epoch": 0.06666666666666667, |
| "grad_norm": 0.00616455078125, |
| "learning_rate": 4e-05, |
| "loss": 0.0847, |
| "step": 4000 |
| }, |
| { |
| "epoch": 0.0675, |
| "grad_norm": 0.040771484375, |
| "learning_rate": 3.8e-05, |
| "loss": 0.146, |
| "step": 4050 |
| }, |
| { |
| "epoch": 0.06833333333333333, |
| "grad_norm": 0.019287109375, |
| "learning_rate": 3.6e-05, |
| "loss": 0.1949, |
| "step": 4100 |
| }, |
| { |
| "epoch": 0.06916666666666667, |
| "grad_norm": 0.031982421875, |
| "learning_rate": 3.4000000000000007e-05, |
| "loss": 0.0952, |
| "step": 4150 |
| }, |
| { |
| "epoch": 0.07, |
| "grad_norm": 0.0126953125, |
| "learning_rate": 3.2000000000000005e-05, |
| "loss": 0.1485, |
| "step": 4200 |
| }, |
| { |
| "epoch": 0.07083333333333333, |
| "grad_norm": 0.06494140625, |
| "learning_rate": 3e-05, |
| "loss": 0.0951, |
| "step": 4250 |
| }, |
| { |
| "epoch": 0.07166666666666667, |
| "grad_norm": 0.0279541015625, |
| "learning_rate": 2.8000000000000003e-05, |
| "loss": 0.0939, |
| "step": 4300 |
| }, |
| { |
| "epoch": 0.0725, |
| "grad_norm": 0.06591796875, |
| "learning_rate": 2.6000000000000002e-05, |
| "loss": 0.1462, |
| "step": 4350 |
| }, |
| { |
| "epoch": 0.07333333333333333, |
| "grad_norm": 122.5, |
| "learning_rate": 2.4e-05, |
| "loss": 0.1031, |
| "step": 4400 |
| }, |
| { |
| "epoch": 0.07416666666666667, |
| "grad_norm": 0.043212890625, |
| "learning_rate": 2.2000000000000003e-05, |
| "loss": 0.0219, |
| "step": 4450 |
| }, |
| { |
| "epoch": 0.075, |
| "grad_norm": 0.1396484375, |
| "learning_rate": 2e-05, |
| "loss": 0.0967, |
| "step": 4500 |
| }, |
| { |
| "epoch": 0.07583333333333334, |
| "grad_norm": 0.05615234375, |
| "learning_rate": 1.8e-05, |
| "loss": 0.1512, |
| "step": 4550 |
| }, |
| { |
| "epoch": 0.07666666666666666, |
| "grad_norm": 0.0120849609375, |
| "learning_rate": 1.6000000000000003e-05, |
| "loss": 0.0738, |
| "step": 4600 |
| }, |
| { |
| "epoch": 0.0775, |
| "grad_norm": 0.283203125, |
| "learning_rate": 1.4000000000000001e-05, |
| "loss": 0.1229, |
| "step": 4650 |
| }, |
| { |
| "epoch": 0.07833333333333334, |
| "grad_norm": 0.2265625, |
| "learning_rate": 1.2e-05, |
| "loss": 0.0041, |
| "step": 4700 |
| }, |
| { |
| "epoch": 0.07916666666666666, |
| "grad_norm": 82.0, |
| "learning_rate": 1e-05, |
| "loss": 0.254, |
| "step": 4750 |
| }, |
| { |
| "epoch": 0.08, |
| "grad_norm": 0.0084228515625, |
| "learning_rate": 8.000000000000001e-06, |
| "loss": 0.0079, |
| "step": 4800 |
| }, |
| { |
| "epoch": 0.08083333333333333, |
| "grad_norm": 0.296875, |
| "learning_rate": 6e-06, |
| "loss": 0.2034, |
| "step": 4850 |
| }, |
| { |
| "epoch": 0.08166666666666667, |
| "grad_norm": 0.0093994140625, |
| "learning_rate": 4.000000000000001e-06, |
| "loss": 0.1823, |
| "step": 4900 |
| }, |
| { |
| "epoch": 0.0825, |
| "grad_norm": 0.0184326171875, |
| "learning_rate": 2.0000000000000003e-06, |
| "loss": 0.1134, |
| "step": 4950 |
| }, |
| { |
| "epoch": 0.08333333333333333, |
| "grad_norm": 0.1298828125, |
| "learning_rate": 0.0, |
| "loss": 0.0361, |
| "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": 2.646147835662336e+16, |
| "train_batch_size": 1, |
| "trial_name": null, |
| "trial_params": null |
| } |
|
|
