| { |
| "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": 10.0625, |
| "learning_rate": 0.00019800000000000002, |
| "loss": 1.3332, |
| "step": 50 |
| }, |
| { |
| "epoch": 0.0016666666666666668, |
| "grad_norm": 21.375, |
| "learning_rate": 0.000196, |
| "loss": 0.6659, |
| "step": 100 |
| }, |
| { |
| "epoch": 0.0025, |
| "grad_norm": 17.75, |
| "learning_rate": 0.000194, |
| "loss": 0.8889, |
| "step": 150 |
| }, |
| { |
| "epoch": 0.0033333333333333335, |
| "grad_norm": 0.1005859375, |
| "learning_rate": 0.000192, |
| "loss": 0.6473, |
| "step": 200 |
| }, |
| { |
| "epoch": 0.004166666666666667, |
| "grad_norm": 7.4375, |
| "learning_rate": 0.00019, |
| "loss": 0.7525, |
| "step": 250 |
| }, |
| { |
| "epoch": 0.005, |
| "grad_norm": 5.84375, |
| "learning_rate": 0.000188, |
| "loss": 0.7583, |
| "step": 300 |
| }, |
| { |
| "epoch": 0.005833333333333334, |
| "grad_norm": 0.08935546875, |
| "learning_rate": 0.00018600000000000002, |
| "loss": 0.8205, |
| "step": 350 |
| }, |
| { |
| "epoch": 0.006666666666666667, |
| "grad_norm": 0.0201416015625, |
| "learning_rate": 0.00018400000000000003, |
| "loss": 0.6281, |
| "step": 400 |
| }, |
| { |
| "epoch": 0.0075, |
| "grad_norm": 0.052978515625, |
| "learning_rate": 0.000182, |
| "loss": 0.6518, |
| "step": 450 |
| }, |
| { |
| "epoch": 0.008333333333333333, |
| "grad_norm": 0.04248046875, |
| "learning_rate": 0.00018, |
| "loss": 0.7355, |
| "step": 500 |
| }, |
| { |
| "epoch": 0.009166666666666667, |
| "grad_norm": 2.375, |
| "learning_rate": 0.00017800000000000002, |
| "loss": 0.7729, |
| "step": 550 |
| }, |
| { |
| "epoch": 0.01, |
| "grad_norm": 0.15625, |
| "learning_rate": 0.00017600000000000002, |
| "loss": 0.6156, |
| "step": 600 |
| }, |
| { |
| "epoch": 0.010833333333333334, |
| "grad_norm": 1.2265625, |
| "learning_rate": 0.000174, |
| "loss": 0.6456, |
| "step": 650 |
| }, |
| { |
| "epoch": 0.011666666666666667, |
| "grad_norm": 3.640625, |
| "learning_rate": 0.000172, |
| "loss": 0.636, |
| "step": 700 |
| }, |
| { |
| "epoch": 0.0125, |
| "grad_norm": 0.59375, |
| "learning_rate": 0.00017, |
| "loss": 0.5363, |
| "step": 750 |
| }, |
| { |
| "epoch": 0.013333333333333334, |
| "grad_norm": 0.01519775390625, |
| "learning_rate": 0.000168, |
| "loss": 0.7835, |
| "step": 800 |
| }, |
| { |
| "epoch": 0.014166666666666666, |
| "grad_norm": 0.08056640625, |
| "learning_rate": 0.000166, |
| "loss": 0.7667, |
| "step": 850 |
| }, |
| { |
| "epoch": 0.015, |
| "grad_norm": 16.125, |
| "learning_rate": 0.000164, |
| "loss": 0.3172, |
| "step": 900 |
| }, |
| { |
| "epoch": 0.015833333333333335, |
| "grad_norm": 0.037841796875, |
| "learning_rate": 0.000162, |
| "loss": 0.3218, |
| "step": 950 |
| }, |
| { |
| "epoch": 0.016666666666666666, |
| "grad_norm": 9.375, |
| "learning_rate": 0.00016, |
| "loss": 0.9915, |
| "step": 1000 |
| }, |
| { |
| "epoch": 0.0175, |
| "grad_norm": 0.01171875, |
| "learning_rate": 0.00015800000000000002, |
| "loss": 0.5246, |
| "step": 1050 |
| }, |
| { |
| "epoch": 0.018333333333333333, |
| "grad_norm": 3.90625, |
| "learning_rate": 0.00015600000000000002, |
| "loss": 0.6309, |
| "step": 1100 |
| }, |
| { |
| "epoch": 0.019166666666666665, |
| "grad_norm": 161.0, |
| "learning_rate": 0.000154, |
| "loss": 0.4386, |
| "step": 1150 |
| }, |
| { |
| "epoch": 0.02, |
| "grad_norm": 0.036376953125, |
| "learning_rate": 0.000152, |
| "loss": 0.6855, |
| "step": 1200 |
| }, |
| { |
| "epoch": 0.020833333333333332, |
| "grad_norm": 4.28125, |
| "learning_rate": 0.00015000000000000001, |
| "loss": 0.7151, |
| "step": 1250 |
| }, |
| { |
| "epoch": 0.021666666666666667, |
| "grad_norm": 0.04296875, |
| "learning_rate": 0.000148, |
| "loss": 0.6073, |
| "step": 1300 |
| }, |
| { |
| "epoch": 0.0225, |
| "grad_norm": 0.0159912109375, |
| "learning_rate": 0.000146, |
| "loss": 0.245, |
| "step": 1350 |
| }, |
| { |
| "epoch": 0.023333333333333334, |
| "grad_norm": 25.5, |
| "learning_rate": 0.000144, |
| "loss": 0.3834, |
| "step": 1400 |
| }, |
| { |
| "epoch": 0.024166666666666666, |
| "grad_norm": 0.01055908203125, |
| "learning_rate": 0.000142, |
| "loss": 0.4573, |
| "step": 1450 |
| }, |
| { |
| "epoch": 0.025, |
| "grad_norm": 0.0162353515625, |
| "learning_rate": 0.00014, |
| "loss": 0.5422, |
| "step": 1500 |
| }, |
| { |
| "epoch": 0.025833333333333333, |
| "grad_norm": 0.1376953125, |
| "learning_rate": 0.000138, |
| "loss": 0.4773, |
| "step": 1550 |
| }, |
| { |
| "epoch": 0.02666666666666667, |
| "grad_norm": 0.00799560546875, |
| "learning_rate": 0.00013600000000000003, |
| "loss": 0.4755, |
| "step": 1600 |
| }, |
| { |
| "epoch": 0.0275, |
| "grad_norm": 0.0771484375, |
| "learning_rate": 0.000134, |
| "loss": 0.5472, |
| "step": 1650 |
| }, |
| { |
| "epoch": 0.028333333333333332, |
| "grad_norm": 0.060302734375, |
| "learning_rate": 0.000132, |
| "loss": 0.3697, |
| "step": 1700 |
| }, |
| { |
| "epoch": 0.029166666666666667, |
| "grad_norm": 0.0101318359375, |
| "learning_rate": 0.00013000000000000002, |
| "loss": 0.5949, |
| "step": 1750 |
| }, |
| { |
| "epoch": 0.03, |
| "grad_norm": 0.44140625, |
| "learning_rate": 0.00012800000000000002, |
| "loss": 0.4793, |
| "step": 1800 |
| }, |
| { |
| "epoch": 0.030833333333333334, |
| "grad_norm": 0.047607421875, |
| "learning_rate": 0.000126, |
| "loss": 0.6067, |
| "step": 1850 |
| }, |
| { |
| "epoch": 0.03166666666666667, |
| "grad_norm": 0.006378173828125, |
| "learning_rate": 0.000124, |
| "loss": 0.3338, |
| "step": 1900 |
| }, |
| { |
| "epoch": 0.0325, |
| "grad_norm": 0.003173828125, |
| "learning_rate": 0.000122, |
| "loss": 0.1456, |
| "step": 1950 |
| }, |
| { |
| "epoch": 0.03333333333333333, |
| "grad_norm": 0.006622314453125, |
| "learning_rate": 0.00012, |
| "loss": 0.6937, |
| "step": 2000 |
| }, |
| { |
| "epoch": 0.034166666666666665, |
| "grad_norm": 0.01226806640625, |
| "learning_rate": 0.000118, |
| "loss": 0.5305, |
| "step": 2050 |
| }, |
| { |
| "epoch": 0.035, |
| "grad_norm": 0.029541015625, |
| "learning_rate": 0.000116, |
| "loss": 0.2659, |
| "step": 2100 |
| }, |
| { |
| "epoch": 0.035833333333333335, |
| "grad_norm": 0.1181640625, |
| "learning_rate": 0.00011399999999999999, |
| "loss": 0.6631, |
| "step": 2150 |
| }, |
| { |
| "epoch": 0.03666666666666667, |
| "grad_norm": 4.09375, |
| "learning_rate": 0.00011200000000000001, |
| "loss": 0.437, |
| "step": 2200 |
| }, |
| { |
| "epoch": 0.0375, |
| "grad_norm": 172.0, |
| "learning_rate": 0.00011000000000000002, |
| "loss": 0.4913, |
| "step": 2250 |
| }, |
| { |
| "epoch": 0.03833333333333333, |
| "grad_norm": 0.034423828125, |
| "learning_rate": 0.00010800000000000001, |
| "loss": 0.6861, |
| "step": 2300 |
| }, |
| { |
| "epoch": 0.03916666666666667, |
| "grad_norm": 0.09423828125, |
| "learning_rate": 0.00010600000000000002, |
| "loss": 0.3303, |
| "step": 2350 |
| }, |
| { |
| "epoch": 0.04, |
| "grad_norm": 3.609375, |
| "learning_rate": 0.00010400000000000001, |
| "loss": 0.4152, |
| "step": 2400 |
| }, |
| { |
| "epoch": 0.04083333333333333, |
| "grad_norm": 0.06298828125, |
| "learning_rate": 0.00010200000000000001, |
| "loss": 0.7138, |
| "step": 2450 |
| }, |
| { |
| "epoch": 0.041666666666666664, |
| "grad_norm": 0.048828125, |
| "learning_rate": 0.0001, |
| "loss": 0.4201, |
| "step": 2500 |
| }, |
| { |
| "epoch": 0.0425, |
| "grad_norm": 0.09375, |
| "learning_rate": 9.8e-05, |
| "loss": 0.6195, |
| "step": 2550 |
| }, |
| { |
| "epoch": 0.043333333333333335, |
| "grad_norm": 5.53125, |
| "learning_rate": 9.6e-05, |
| "loss": 0.3995, |
| "step": 2600 |
| }, |
| { |
| "epoch": 0.04416666666666667, |
| "grad_norm": 0.0086669921875, |
| "learning_rate": 9.4e-05, |
| "loss": 0.5245, |
| "step": 2650 |
| }, |
| { |
| "epoch": 0.045, |
| "grad_norm": 0.0103759765625, |
| "learning_rate": 9.200000000000001e-05, |
| "loss": 0.4781, |
| "step": 2700 |
| }, |
| { |
| "epoch": 0.04583333333333333, |
| "grad_norm": 0.0250244140625, |
| "learning_rate": 9e-05, |
| "loss": 0.4168, |
| "step": 2750 |
| }, |
| { |
| "epoch": 0.04666666666666667, |
| "grad_norm": 0.10546875, |
| "learning_rate": 8.800000000000001e-05, |
| "loss": 0.2842, |
| "step": 2800 |
| }, |
| { |
| "epoch": 0.0475, |
| "grad_norm": 6.625, |
| "learning_rate": 8.6e-05, |
| "loss": 0.5283, |
| "step": 2850 |
| }, |
| { |
| "epoch": 0.04833333333333333, |
| "grad_norm": 5.84375, |
| "learning_rate": 8.4e-05, |
| "loss": 0.4184, |
| "step": 2900 |
| }, |
| { |
| "epoch": 0.049166666666666664, |
| "grad_norm": 22.625, |
| "learning_rate": 8.2e-05, |
| "loss": 0.6004, |
| "step": 2950 |
| }, |
| { |
| "epoch": 0.05, |
| "grad_norm": 8.4375, |
| "learning_rate": 8e-05, |
| "loss": 0.7192, |
| "step": 3000 |
| }, |
| { |
| "epoch": 0.050833333333333335, |
| "grad_norm": 0.181640625, |
| "learning_rate": 7.800000000000001e-05, |
| "loss": 0.2978, |
| "step": 3050 |
| }, |
| { |
| "epoch": 0.051666666666666666, |
| "grad_norm": 0.039306640625, |
| "learning_rate": 7.6e-05, |
| "loss": 0.3822, |
| "step": 3100 |
| }, |
| { |
| "epoch": 0.0525, |
| "grad_norm": 0.0184326171875, |
| "learning_rate": 7.4e-05, |
| "loss": 0.4148, |
| "step": 3150 |
| }, |
| { |
| "epoch": 0.05333333333333334, |
| "grad_norm": 0.01104736328125, |
| "learning_rate": 7.2e-05, |
| "loss": 0.509, |
| "step": 3200 |
| }, |
| { |
| "epoch": 0.05416666666666667, |
| "grad_norm": 0.024658203125, |
| "learning_rate": 7e-05, |
| "loss": 0.6795, |
| "step": 3250 |
| }, |
| { |
| "epoch": 0.055, |
| "grad_norm": 56.0, |
| "learning_rate": 6.800000000000001e-05, |
| "loss": 0.3753, |
| "step": 3300 |
| }, |
| { |
| "epoch": 0.05583333333333333, |
| "grad_norm": 0.0299072265625, |
| "learning_rate": 6.6e-05, |
| "loss": 0.5134, |
| "step": 3350 |
| }, |
| { |
| "epoch": 0.056666666666666664, |
| "grad_norm": 0.0057373046875, |
| "learning_rate": 6.400000000000001e-05, |
| "loss": 0.5946, |
| "step": 3400 |
| }, |
| { |
| "epoch": 0.0575, |
| "grad_norm": 0.017333984375, |
| "learning_rate": 6.2e-05, |
| "loss": 0.5714, |
| "step": 3450 |
| }, |
| { |
| "epoch": 0.058333333333333334, |
| "grad_norm": 0.0203857421875, |
| "learning_rate": 6e-05, |
| "loss": 0.695, |
| "step": 3500 |
| }, |
| { |
| "epoch": 0.059166666666666666, |
| "grad_norm": 2.8125, |
| "learning_rate": 5.8e-05, |
| "loss": 0.7037, |
| "step": 3550 |
| }, |
| { |
| "epoch": 0.06, |
| "grad_norm": 0.02978515625, |
| "learning_rate": 5.6000000000000006e-05, |
| "loss": 0.4154, |
| "step": 3600 |
| }, |
| { |
| "epoch": 0.060833333333333336, |
| "grad_norm": 0.00958251953125, |
| "learning_rate": 5.4000000000000005e-05, |
| "loss": 0.0934, |
| "step": 3650 |
| }, |
| { |
| "epoch": 0.06166666666666667, |
| "grad_norm": 0.02490234375, |
| "learning_rate": 5.2000000000000004e-05, |
| "loss": 0.3722, |
| "step": 3700 |
| }, |
| { |
| "epoch": 0.0625, |
| "grad_norm": 0.007232666015625, |
| "learning_rate": 5e-05, |
| "loss": 0.6058, |
| "step": 3750 |
| }, |
| { |
| "epoch": 0.06333333333333334, |
| "grad_norm": 0.00970458984375, |
| "learning_rate": 4.8e-05, |
| "loss": 0.4446, |
| "step": 3800 |
| }, |
| { |
| "epoch": 0.06416666666666666, |
| "grad_norm": 40.5, |
| "learning_rate": 4.600000000000001e-05, |
| "loss": 0.718, |
| "step": 3850 |
| }, |
| { |
| "epoch": 0.065, |
| "grad_norm": 6.1875, |
| "learning_rate": 4.4000000000000006e-05, |
| "loss": 0.2386, |
| "step": 3900 |
| }, |
| { |
| "epoch": 0.06583333333333333, |
| "grad_norm": 0.031005859375, |
| "learning_rate": 4.2e-05, |
| "loss": 0.4877, |
| "step": 3950 |
| }, |
| { |
| "epoch": 0.06666666666666667, |
| "grad_norm": 0.67578125, |
| "learning_rate": 4e-05, |
| "loss": 0.496, |
| "step": 4000 |
| }, |
| { |
| "epoch": 0.0675, |
| "grad_norm": 0.08544921875, |
| "learning_rate": 3.8e-05, |
| "loss": 0.3123, |
| "step": 4050 |
| }, |
| { |
| "epoch": 0.06833333333333333, |
| "grad_norm": 0.04345703125, |
| "learning_rate": 3.6e-05, |
| "loss": 0.5171, |
| "step": 4100 |
| }, |
| { |
| "epoch": 0.06916666666666667, |
| "grad_norm": 0.10888671875, |
| "learning_rate": 3.4000000000000007e-05, |
| "loss": 0.2422, |
| "step": 4150 |
| }, |
| { |
| "epoch": 0.07, |
| "grad_norm": 58.25, |
| "learning_rate": 3.2000000000000005e-05, |
| "loss": 0.5625, |
| "step": 4200 |
| }, |
| { |
| "epoch": 0.07083333333333333, |
| "grad_norm": 0.1220703125, |
| "learning_rate": 3e-05, |
| "loss": 0.5904, |
| "step": 4250 |
| }, |
| { |
| "epoch": 0.07166666666666667, |
| "grad_norm": 0.044677734375, |
| "learning_rate": 2.8000000000000003e-05, |
| "loss": 0.3255, |
| "step": 4300 |
| }, |
| { |
| "epoch": 0.0725, |
| "grad_norm": 0.005157470703125, |
| "learning_rate": 2.6000000000000002e-05, |
| "loss": 0.7628, |
| "step": 4350 |
| }, |
| { |
| "epoch": 0.07333333333333333, |
| "grad_norm": 0.011962890625, |
| "learning_rate": 2.4e-05, |
| "loss": 0.3116, |
| "step": 4400 |
| }, |
| { |
| "epoch": 0.07416666666666667, |
| "grad_norm": 0.11181640625, |
| "learning_rate": 2.2000000000000003e-05, |
| "loss": 0.1343, |
| "step": 4450 |
| }, |
| { |
| "epoch": 0.075, |
| "grad_norm": 0.00927734375, |
| "learning_rate": 2e-05, |
| "loss": 0.4347, |
| "step": 4500 |
| }, |
| { |
| "epoch": 0.07583333333333334, |
| "grad_norm": 0.298828125, |
| "learning_rate": 1.8e-05, |
| "loss": 0.4496, |
| "step": 4550 |
| }, |
| { |
| "epoch": 0.07666666666666666, |
| "grad_norm": 6.25, |
| "learning_rate": 1.6000000000000003e-05, |
| "loss": 0.4901, |
| "step": 4600 |
| }, |
| { |
| "epoch": 0.0775, |
| "grad_norm": 0.00262451171875, |
| "learning_rate": 1.4000000000000001e-05, |
| "loss": 0.4335, |
| "step": 4650 |
| }, |
| { |
| "epoch": 0.07833333333333334, |
| "grad_norm": 0.0252685546875, |
| "learning_rate": 1.2e-05, |
| "loss": 0.2298, |
| "step": 4700 |
| }, |
| { |
| "epoch": 0.07916666666666666, |
| "grad_norm": 0.0262451171875, |
| "learning_rate": 1e-05, |
| "loss": 0.3994, |
| "step": 4750 |
| }, |
| { |
| "epoch": 0.08, |
| "grad_norm": 0.0245361328125, |
| "learning_rate": 8.000000000000001e-06, |
| "loss": 0.4829, |
| "step": 4800 |
| }, |
| { |
| "epoch": 0.08083333333333333, |
| "grad_norm": 0.026123046875, |
| "learning_rate": 6e-06, |
| "loss": 0.3989, |
| "step": 4850 |
| }, |
| { |
| "epoch": 0.08166666666666667, |
| "grad_norm": 0.018310546875, |
| "learning_rate": 4.000000000000001e-06, |
| "loss": 0.5079, |
| "step": 4900 |
| }, |
| { |
| "epoch": 0.0825, |
| "grad_norm": 0.04443359375, |
| "learning_rate": 2.0000000000000003e-06, |
| "loss": 0.4149, |
| "step": 4950 |
| }, |
| { |
| "epoch": 0.08333333333333333, |
| "grad_norm": 19.375, |
| "learning_rate": 0.0, |
| "loss": 0.6278, |
| "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": 2.392621020155904e+16, |
| "train_batch_size": 1, |
| "trial_name": null, |
| "trial_params": null |
| } |
|
|
