| { |
| "best_metric": null, |
| "best_model_checkpoint": null, |
| "epoch": 4.166666666666667, |
| "eval_steps": 500, |
| "global_step": 5000, |
| "is_hyper_param_search": false, |
| "is_local_process_zero": true, |
| "is_world_process_zero": true, |
| "log_history": [ |
| { |
| "epoch": 0.041666666666666664, |
| "grad_norm": 7.90625, |
| "learning_rate": 0.00019800000000000002, |
| "loss": 1.2134, |
| "step": 50 |
| }, |
| { |
| "epoch": 0.08333333333333333, |
| "grad_norm": 1.4140625, |
| "learning_rate": 0.000196, |
| "loss": 0.4906, |
| "step": 100 |
| }, |
| { |
| "epoch": 0.125, |
| "grad_norm": 2.546875, |
| "learning_rate": 0.000194, |
| "loss": 0.5065, |
| "step": 150 |
| }, |
| { |
| "epoch": 0.16666666666666666, |
| "grad_norm": 42.0, |
| "learning_rate": 0.000192, |
| "loss": 0.7687, |
| "step": 200 |
| }, |
| { |
| "epoch": 0.20833333333333334, |
| "grad_norm": 19.375, |
| "learning_rate": 0.00019, |
| "loss": 0.8178, |
| "step": 250 |
| }, |
| { |
| "epoch": 0.25, |
| "grad_norm": 1.140625, |
| "learning_rate": 0.000188, |
| "loss": 0.6315, |
| "step": 300 |
| }, |
| { |
| "epoch": 0.2916666666666667, |
| "grad_norm": 1.2890625, |
| "learning_rate": 0.00018600000000000002, |
| "loss": 0.4244, |
| "step": 350 |
| }, |
| { |
| "epoch": 0.3333333333333333, |
| "grad_norm": 7.09375, |
| "learning_rate": 0.00018400000000000003, |
| "loss": 0.471, |
| "step": 400 |
| }, |
| { |
| "epoch": 0.375, |
| "grad_norm": 15.6875, |
| "learning_rate": 0.000182, |
| "loss": 0.4798, |
| "step": 450 |
| }, |
| { |
| "epoch": 0.4166666666666667, |
| "grad_norm": 0.16796875, |
| "learning_rate": 0.00018, |
| "loss": 0.5175, |
| "step": 500 |
| }, |
| { |
| "epoch": 0.4583333333333333, |
| "grad_norm": 4.6875, |
| "learning_rate": 0.00017800000000000002, |
| "loss": 0.6152, |
| "step": 550 |
| }, |
| { |
| "epoch": 0.5, |
| "grad_norm": 1.09375, |
| "learning_rate": 0.00017600000000000002, |
| "loss": 0.7844, |
| "step": 600 |
| }, |
| { |
| "epoch": 0.5416666666666666, |
| "grad_norm": 1.59375, |
| "learning_rate": 0.000174, |
| "loss": 0.5101, |
| "step": 650 |
| }, |
| { |
| "epoch": 0.5833333333333334, |
| "grad_norm": 8.0, |
| "learning_rate": 0.000172, |
| "loss": 0.6347, |
| "step": 700 |
| }, |
| { |
| "epoch": 0.625, |
| "grad_norm": 2.09375, |
| "learning_rate": 0.00017, |
| "loss": 0.5082, |
| "step": 750 |
| }, |
| { |
| "epoch": 0.6666666666666666, |
| "grad_norm": 3.765625, |
| "learning_rate": 0.000168, |
| "loss": 0.7331, |
| "step": 800 |
| }, |
| { |
| "epoch": 0.7083333333333334, |
| "grad_norm": 1.9765625, |
| "learning_rate": 0.000166, |
| "loss": 0.7218, |
| "step": 850 |
| }, |
| { |
| "epoch": 0.75, |
| "grad_norm": 1.4296875, |
| "learning_rate": 0.000164, |
| "loss": 0.7848, |
| "step": 900 |
| }, |
| { |
| "epoch": 0.7916666666666666, |
| "grad_norm": 2.203125, |
| "learning_rate": 0.000162, |
| "loss": 0.7096, |
| "step": 950 |
| }, |
| { |
| "epoch": 0.8333333333333334, |
| "grad_norm": 9.9375, |
| "learning_rate": 0.00016, |
| "loss": 0.7425, |
| "step": 1000 |
| }, |
| { |
| "epoch": 0.875, |
| "grad_norm": 0.87890625, |
| "learning_rate": 0.00015800000000000002, |
| "loss": 0.7624, |
| "step": 1050 |
| }, |
| { |
| "epoch": 0.9166666666666666, |
| "grad_norm": 0.70703125, |
| "learning_rate": 0.00015600000000000002, |
| "loss": 0.7026, |
| "step": 1100 |
| }, |
| { |
| "epoch": 0.9583333333333334, |
| "grad_norm": 1.171875, |
| "learning_rate": 0.000154, |
| "loss": 0.4579, |
| "step": 1150 |
| }, |
| { |
| "epoch": 1.0, |
| "grad_norm": 1.9453125, |
| "learning_rate": 0.000152, |
| "loss": 0.4458, |
| "step": 1200 |
| }, |
| { |
| "epoch": 1.0416666666666667, |
| "grad_norm": 2.28125, |
| "learning_rate": 0.00015000000000000001, |
| "loss": 0.4223, |
| "step": 1250 |
| }, |
| { |
| "epoch": 1.0833333333333333, |
| "grad_norm": 12.5, |
| "learning_rate": 0.000148, |
| "loss": 0.6185, |
| "step": 1300 |
| }, |
| { |
| "epoch": 1.125, |
| "grad_norm": 6.5, |
| "learning_rate": 0.000146, |
| "loss": 0.5161, |
| "step": 1350 |
| }, |
| { |
| "epoch": 1.1666666666666667, |
| "grad_norm": 2.359375, |
| "learning_rate": 0.000144, |
| "loss": 0.4691, |
| "step": 1400 |
| }, |
| { |
| "epoch": 1.2083333333333333, |
| "grad_norm": 9.375, |
| "learning_rate": 0.000142, |
| "loss": 0.4036, |
| "step": 1450 |
| }, |
| { |
| "epoch": 1.25, |
| "grad_norm": 1.3125, |
| "learning_rate": 0.00014, |
| "loss": 0.4297, |
| "step": 1500 |
| }, |
| { |
| "epoch": 1.2916666666666667, |
| "grad_norm": 0.765625, |
| "learning_rate": 0.000138, |
| "loss": 0.6732, |
| "step": 1550 |
| }, |
| { |
| "epoch": 1.3333333333333333, |
| "grad_norm": 2.0, |
| "learning_rate": 0.00013600000000000003, |
| "loss": 0.8978, |
| "step": 1600 |
| }, |
| { |
| "epoch": 1.375, |
| "grad_norm": 63.25, |
| "learning_rate": 0.000134, |
| "loss": 0.5804, |
| "step": 1650 |
| }, |
| { |
| "epoch": 1.4166666666666667, |
| "grad_norm": 4.53125, |
| "learning_rate": 0.000132, |
| "loss": 0.4809, |
| "step": 1700 |
| }, |
| { |
| "epoch": 1.4583333333333333, |
| "grad_norm": 5.25, |
| "learning_rate": 0.00013000000000000002, |
| "loss": 1.1303, |
| "step": 1750 |
| }, |
| { |
| "epoch": 1.5, |
| "grad_norm": 1.1484375, |
| "learning_rate": 0.00012800000000000002, |
| "loss": 0.4219, |
| "step": 1800 |
| }, |
| { |
| "epoch": 1.5416666666666665, |
| "grad_norm": 7.65625, |
| "learning_rate": 0.000126, |
| "loss": 0.5224, |
| "step": 1850 |
| }, |
| { |
| "epoch": 1.5833333333333335, |
| "grad_norm": 6.53125, |
| "learning_rate": 0.000124, |
| "loss": 0.8431, |
| "step": 1900 |
| }, |
| { |
| "epoch": 1.625, |
| "grad_norm": 0.5703125, |
| "learning_rate": 0.000122, |
| "loss": 0.5284, |
| "step": 1950 |
| }, |
| { |
| "epoch": 1.6666666666666665, |
| "grad_norm": 2.75, |
| "learning_rate": 0.00012, |
| "loss": 0.5066, |
| "step": 2000 |
| }, |
| { |
| "epoch": 1.7083333333333335, |
| "grad_norm": 1.3046875, |
| "learning_rate": 0.000118, |
| "loss": 0.4257, |
| "step": 2050 |
| }, |
| { |
| "epoch": 1.75, |
| "grad_norm": 1.6484375, |
| "learning_rate": 0.000116, |
| "loss": 0.4326, |
| "step": 2100 |
| }, |
| { |
| "epoch": 1.7916666666666665, |
| "grad_norm": 0.859375, |
| "learning_rate": 0.00011399999999999999, |
| "loss": 0.3688, |
| "step": 2150 |
| }, |
| { |
| "epoch": 1.8333333333333335, |
| "grad_norm": 0.890625, |
| "learning_rate": 0.00011200000000000001, |
| "loss": 0.3936, |
| "step": 2200 |
| }, |
| { |
| "epoch": 1.875, |
| "grad_norm": 0.75390625, |
| "learning_rate": 0.00011000000000000002, |
| "loss": 0.3488, |
| "step": 2250 |
| }, |
| { |
| "epoch": 1.9166666666666665, |
| "grad_norm": 0.5546875, |
| "learning_rate": 0.00010800000000000001, |
| "loss": 0.3755, |
| "step": 2300 |
| }, |
| { |
| "epoch": 1.9583333333333335, |
| "grad_norm": 0.91015625, |
| "learning_rate": 0.00010600000000000002, |
| "loss": 0.3699, |
| "step": 2350 |
| }, |
| { |
| "epoch": 2.0, |
| "grad_norm": 1.265625, |
| "learning_rate": 0.00010400000000000001, |
| "loss": 0.3919, |
| "step": 2400 |
| }, |
| { |
| "epoch": 2.0416666666666665, |
| "grad_norm": 2.578125, |
| "learning_rate": 0.00010200000000000001, |
| "loss": 0.5215, |
| "step": 2450 |
| }, |
| { |
| "epoch": 2.0833333333333335, |
| "grad_norm": 350.0, |
| "learning_rate": 0.0001, |
| "loss": 0.8757, |
| "step": 2500 |
| }, |
| { |
| "epoch": 2.125, |
| "grad_norm": 15.25, |
| "learning_rate": 9.8e-05, |
| "loss": 1.2043, |
| "step": 2550 |
| }, |
| { |
| "epoch": 2.1666666666666665, |
| "grad_norm": 1.2421875, |
| "learning_rate": 9.6e-05, |
| "loss": 0.5678, |
| "step": 2600 |
| }, |
| { |
| "epoch": 2.2083333333333335, |
| "grad_norm": 0.96484375, |
| "learning_rate": 9.4e-05, |
| "loss": 0.3555, |
| "step": 2650 |
| }, |
| { |
| "epoch": 2.25, |
| "grad_norm": 1.90625, |
| "learning_rate": 9.200000000000001e-05, |
| "loss": 0.4078, |
| "step": 2700 |
| }, |
| { |
| "epoch": 2.2916666666666665, |
| "grad_norm": 1.375, |
| "learning_rate": 9e-05, |
| "loss": 0.3727, |
| "step": 2750 |
| }, |
| { |
| "epoch": 2.3333333333333335, |
| "grad_norm": 1.3203125, |
| "learning_rate": 8.800000000000001e-05, |
| "loss": 0.374, |
| "step": 2800 |
| }, |
| { |
| "epoch": 2.375, |
| "grad_norm": 0.90625, |
| "learning_rate": 8.6e-05, |
| "loss": 0.3944, |
| "step": 2850 |
| }, |
| { |
| "epoch": 2.4166666666666665, |
| "grad_norm": 0.96484375, |
| "learning_rate": 8.4e-05, |
| "loss": 0.3569, |
| "step": 2900 |
| }, |
| { |
| "epoch": 2.4583333333333335, |
| "grad_norm": 1.1328125, |
| "learning_rate": 8.2e-05, |
| "loss": 0.3908, |
| "step": 2950 |
| }, |
| { |
| "epoch": 2.5, |
| "grad_norm": 0.87109375, |
| "learning_rate": 8e-05, |
| "loss": 0.3557, |
| "step": 3000 |
| }, |
| { |
| "epoch": 2.5416666666666665, |
| "grad_norm": 0.87890625, |
| "learning_rate": 7.800000000000001e-05, |
| "loss": 0.3562, |
| "step": 3050 |
| }, |
| { |
| "epoch": 2.5833333333333335, |
| "grad_norm": 0.84765625, |
| "learning_rate": 7.6e-05, |
| "loss": 0.3673, |
| "step": 3100 |
| }, |
| { |
| "epoch": 2.625, |
| "grad_norm": 1.125, |
| "learning_rate": 7.4e-05, |
| "loss": 0.3559, |
| "step": 3150 |
| }, |
| { |
| "epoch": 2.6666666666666665, |
| "grad_norm": 3.546875, |
| "learning_rate": 7.2e-05, |
| "loss": 0.3471, |
| "step": 3200 |
| }, |
| { |
| "epoch": 2.7083333333333335, |
| "grad_norm": 0.73828125, |
| "learning_rate": 7e-05, |
| "loss": 0.5016, |
| "step": 3250 |
| }, |
| { |
| "epoch": 2.75, |
| "grad_norm": 0.95703125, |
| "learning_rate": 6.800000000000001e-05, |
| "loss": 0.4345, |
| "step": 3300 |
| }, |
| { |
| "epoch": 2.7916666666666665, |
| "grad_norm": 1.203125, |
| "learning_rate": 6.6e-05, |
| "loss": 0.3634, |
| "step": 3350 |
| }, |
| { |
| "epoch": 2.8333333333333335, |
| "grad_norm": 1.1953125, |
| "learning_rate": 6.400000000000001e-05, |
| "loss": 0.6922, |
| "step": 3400 |
| }, |
| { |
| "epoch": 2.875, |
| "grad_norm": 4.8125, |
| "learning_rate": 6.2e-05, |
| "loss": 0.4193, |
| "step": 3450 |
| }, |
| { |
| "epoch": 2.9166666666666665, |
| "grad_norm": 1.265625, |
| "learning_rate": 6e-05, |
| "loss": 0.4503, |
| "step": 3500 |
| }, |
| { |
| "epoch": 2.9583333333333335, |
| "grad_norm": 1.46875, |
| "learning_rate": 5.8e-05, |
| "loss": 0.4301, |
| "step": 3550 |
| }, |
| { |
| "epoch": 3.0, |
| "grad_norm": 4.25, |
| "learning_rate": 5.6000000000000006e-05, |
| "loss": 0.3711, |
| "step": 3600 |
| }, |
| { |
| "epoch": 3.0416666666666665, |
| "grad_norm": 5.21875, |
| "learning_rate": 5.4000000000000005e-05, |
| "loss": 0.5275, |
| "step": 3650 |
| }, |
| { |
| "epoch": 3.0833333333333335, |
| "grad_norm": 0.8046875, |
| "learning_rate": 5.2000000000000004e-05, |
| "loss": 0.4834, |
| "step": 3700 |
| }, |
| { |
| "epoch": 3.125, |
| "grad_norm": 1.171875, |
| "learning_rate": 5e-05, |
| "loss": 0.4279, |
| "step": 3750 |
| }, |
| { |
| "epoch": 3.1666666666666665, |
| "grad_norm": 1.6875, |
| "learning_rate": 4.8e-05, |
| "loss": 0.3534, |
| "step": 3800 |
| }, |
| { |
| "epoch": 3.2083333333333335, |
| "grad_norm": 3.8125, |
| "learning_rate": 4.600000000000001e-05, |
| "loss": 0.3462, |
| "step": 3850 |
| }, |
| { |
| "epoch": 3.25, |
| "grad_norm": 5.46875, |
| "learning_rate": 4.4000000000000006e-05, |
| "loss": 0.3674, |
| "step": 3900 |
| }, |
| { |
| "epoch": 3.2916666666666665, |
| "grad_norm": 1.6328125, |
| "learning_rate": 4.2e-05, |
| "loss": 0.3565, |
| "step": 3950 |
| }, |
| { |
| "epoch": 3.3333333333333335, |
| "grad_norm": 1.1953125, |
| "learning_rate": 4e-05, |
| "loss": 0.3759, |
| "step": 4000 |
| }, |
| { |
| "epoch": 3.375, |
| "grad_norm": 1.609375, |
| "learning_rate": 3.8e-05, |
| "loss": 0.3553, |
| "step": 4050 |
| }, |
| { |
| "epoch": 3.4166666666666665, |
| "grad_norm": 1.296875, |
| "learning_rate": 3.6e-05, |
| "loss": 0.3578, |
| "step": 4100 |
| }, |
| { |
| "epoch": 3.4583333333333335, |
| "grad_norm": 1.140625, |
| "learning_rate": 3.4000000000000007e-05, |
| "loss": 0.3524, |
| "step": 4150 |
| }, |
| { |
| "epoch": 3.5, |
| "grad_norm": 1.1796875, |
| "learning_rate": 3.2000000000000005e-05, |
| "loss": 0.3391, |
| "step": 4200 |
| }, |
| { |
| "epoch": 3.5416666666666665, |
| "grad_norm": 1.0546875, |
| "learning_rate": 3e-05, |
| "loss": 0.3531, |
| "step": 4250 |
| }, |
| { |
| "epoch": 3.5833333333333335, |
| "grad_norm": 2.828125, |
| "learning_rate": 2.8000000000000003e-05, |
| "loss": 0.3629, |
| "step": 4300 |
| }, |
| { |
| "epoch": 3.625, |
| "grad_norm": 2.390625, |
| "learning_rate": 2.6000000000000002e-05, |
| "loss": 0.3879, |
| "step": 4350 |
| }, |
| { |
| "epoch": 3.6666666666666665, |
| "grad_norm": 2.46875, |
| "learning_rate": 2.4e-05, |
| "loss": 0.3868, |
| "step": 4400 |
| }, |
| { |
| "epoch": 3.7083333333333335, |
| "grad_norm": 2.96875, |
| "learning_rate": 2.2000000000000003e-05, |
| "loss": 0.3823, |
| "step": 4450 |
| }, |
| { |
| "epoch": 3.75, |
| "grad_norm": 2.71875, |
| "learning_rate": 2e-05, |
| "loss": 0.3739, |
| "step": 4500 |
| }, |
| { |
| "epoch": 3.7916666666666665, |
| "grad_norm": 1.65625, |
| "learning_rate": 1.8e-05, |
| "loss": 0.4181, |
| "step": 4550 |
| }, |
| { |
| "epoch": 3.8333333333333335, |
| "grad_norm": 2.6875, |
| "learning_rate": 1.6000000000000003e-05, |
| "loss": 0.3763, |
| "step": 4600 |
| }, |
| { |
| "epoch": 3.875, |
| "grad_norm": 2.6875, |
| "learning_rate": 1.4000000000000001e-05, |
| "loss": 0.4203, |
| "step": 4650 |
| }, |
| { |
| "epoch": 3.9166666666666665, |
| "grad_norm": 2.84375, |
| "learning_rate": 1.2e-05, |
| "loss": 0.4285, |
| "step": 4700 |
| }, |
| { |
| "epoch": 3.9583333333333335, |
| "grad_norm": 1.46875, |
| "learning_rate": 1e-05, |
| "loss": 0.4299, |
| "step": 4750 |
| }, |
| { |
| "epoch": 4.0, |
| "grad_norm": 3.15625, |
| "learning_rate": 8.000000000000001e-06, |
| "loss": 0.3914, |
| "step": 4800 |
| }, |
| { |
| "epoch": 4.041666666666667, |
| "grad_norm": 2.625, |
| "learning_rate": 6e-06, |
| "loss": 0.376, |
| "step": 4850 |
| }, |
| { |
| "epoch": 4.083333333333333, |
| "grad_norm": 1.421875, |
| "learning_rate": 4.000000000000001e-06, |
| "loss": 0.4147, |
| "step": 4900 |
| }, |
| { |
| "epoch": 4.125, |
| "grad_norm": 1.4609375, |
| "learning_rate": 2.0000000000000003e-06, |
| "loss": 0.3372, |
| "step": 4950 |
| }, |
| { |
| "epoch": 4.166666666666667, |
| "grad_norm": 1.40625, |
| "learning_rate": 0.0, |
| "loss": 0.4314, |
| "step": 5000 |
| } |
| ], |
| "logging_steps": 50, |
| "max_steps": 5000, |
| "num_input_tokens_seen": 0, |
| "num_train_epochs": 5, |
| "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": 2.195523116752896e+16, |
| "train_batch_size": 1, |
| "trial_name": null, |
| "trial_params": null |
| } |
|
|
