sedrickkeh's picture
End of training
559e50c verified
{
"best_metric": null,
"best_model_checkpoint": null,
"epoch": 2.9546666666666668,
"eval_steps": 500,
"global_step": 69,
"is_hyper_param_search": false,
"is_local_process_zero": true,
"is_world_process_zero": true,
"log_history": [
{
"epoch": 0.042666666666666665,
"grad_norm": 5.959728345663076,
"learning_rate": 2.8571428571428573e-06,
"loss": 0.8546,
"step": 1
},
{
"epoch": 0.08533333333333333,
"grad_norm": 6.094613172565375,
"learning_rate": 5.7142857142857145e-06,
"loss": 0.8868,
"step": 2
},
{
"epoch": 0.128,
"grad_norm": 5.386341750579915,
"learning_rate": 8.571428571428571e-06,
"loss": 0.832,
"step": 3
},
{
"epoch": 0.17066666666666666,
"grad_norm": 2.5797511388626746,
"learning_rate": 1.1428571428571429e-05,
"loss": 0.7985,
"step": 4
},
{
"epoch": 0.21333333333333335,
"grad_norm": 3.779386282818932,
"learning_rate": 1.4285714285714287e-05,
"loss": 0.7783,
"step": 5
},
{
"epoch": 0.256,
"grad_norm": 4.229706702803126,
"learning_rate": 1.7142857142857142e-05,
"loss": 0.7815,
"step": 6
},
{
"epoch": 0.2986666666666667,
"grad_norm": 4.617508058304087,
"learning_rate": 2e-05,
"loss": 0.7589,
"step": 7
},
{
"epoch": 0.3413333333333333,
"grad_norm": 2.8605623999583067,
"learning_rate": 1.998716507171053e-05,
"loss": 0.7121,
"step": 8
},
{
"epoch": 0.384,
"grad_norm": 2.8915143875516227,
"learning_rate": 1.994869323391895e-05,
"loss": 0.7246,
"step": 9
},
{
"epoch": 0.4266666666666667,
"grad_norm": 2.1151893328356457,
"learning_rate": 1.9884683243281117e-05,
"loss": 0.6802,
"step": 10
},
{
"epoch": 0.4693333333333333,
"grad_norm": 1.3469196763058695,
"learning_rate": 1.9795299412524948e-05,
"loss": 0.649,
"step": 11
},
{
"epoch": 0.512,
"grad_norm": 1.281775936596799,
"learning_rate": 1.9680771188662044e-05,
"loss": 0.6418,
"step": 12
},
{
"epoch": 0.5546666666666666,
"grad_norm": 1.0850775880881365,
"learning_rate": 1.954139256400049e-05,
"loss": 0.615,
"step": 13
},
{
"epoch": 0.5973333333333334,
"grad_norm": 0.8195762946099127,
"learning_rate": 1.9377521321470806e-05,
"loss": 0.602,
"step": 14
},
{
"epoch": 0.64,
"grad_norm": 0.8606474232660462,
"learning_rate": 1.918957811620231e-05,
"loss": 0.5955,
"step": 15
},
{
"epoch": 0.6826666666666666,
"grad_norm": 0.6863293915797495,
"learning_rate": 1.897804539570742e-05,
"loss": 0.5931,
"step": 16
},
{
"epoch": 0.7253333333333334,
"grad_norm": 0.7127857574760672,
"learning_rate": 1.8743466161445823e-05,
"loss": 0.5931,
"step": 17
},
{
"epoch": 0.768,
"grad_norm": 0.6761402123068821,
"learning_rate": 1.848644257494751e-05,
"loss": 0.6253,
"step": 18
},
{
"epoch": 0.8106666666666666,
"grad_norm": 0.6908240602604472,
"learning_rate": 1.8207634412072765e-05,
"loss": 0.5733,
"step": 19
},
{
"epoch": 0.8533333333333334,
"grad_norm": 0.5975435355673366,
"learning_rate": 1.7907757369376984e-05,
"loss": 0.6043,
"step": 20
},
{
"epoch": 0.896,
"grad_norm": 0.6552793881271102,
"learning_rate": 1.758758122692791e-05,
"loss": 0.5973,
"step": 21
},
{
"epoch": 0.9386666666666666,
"grad_norm": 0.7611523739276765,
"learning_rate": 1.72479278722912e-05,
"loss": 0.5591,
"step": 22
},
{
"epoch": 0.9813333333333333,
"grad_norm": 0.6508644582109435,
"learning_rate": 1.688966919075687e-05,
"loss": 0.5855,
"step": 23
},
{
"epoch": 1.0293333333333334,
"grad_norm": 1.4185151217030356,
"learning_rate": 1.6513724827222225e-05,
"loss": 0.9357,
"step": 24
},
{
"epoch": 1.072,
"grad_norm": 0.5452898243798924,
"learning_rate": 1.612105982547663e-05,
"loss": 0.5117,
"step": 25
},
{
"epoch": 1.1146666666666667,
"grad_norm": 0.6944885284299619,
"learning_rate": 1.5712682150947926e-05,
"loss": 0.5366,
"step": 26
},
{
"epoch": 1.1573333333333333,
"grad_norm": 0.783190829130972,
"learning_rate": 1.5289640103269626e-05,
"loss": 0.5493,
"step": 27
},
{
"epoch": 1.2,
"grad_norm": 0.6776819900072719,
"learning_rate": 1.4853019625310813e-05,
"loss": 0.5365,
"step": 28
},
{
"epoch": 1.2426666666666666,
"grad_norm": 0.7900333868686757,
"learning_rate": 1.4403941515576344e-05,
"loss": 0.51,
"step": 29
},
{
"epoch": 1.2853333333333334,
"grad_norm": 0.5665470546997332,
"learning_rate": 1.3943558551133186e-05,
"loss": 0.4923,
"step": 30
},
{
"epoch": 1.328,
"grad_norm": 0.7357023227151142,
"learning_rate": 1.3473052528448203e-05,
"loss": 0.5626,
"step": 31
},
{
"epoch": 1.3706666666666667,
"grad_norm": 0.7181139107624689,
"learning_rate": 1.2993631229733584e-05,
"loss": 0.5226,
"step": 32
},
{
"epoch": 1.4133333333333333,
"grad_norm": 0.6093315557894886,
"learning_rate": 1.2506525322587207e-05,
"loss": 0.4995,
"step": 33
},
{
"epoch": 1.456,
"grad_norm": 0.5340833598913288,
"learning_rate": 1.2012985200886602e-05,
"loss": 0.4901,
"step": 34
},
{
"epoch": 1.4986666666666666,
"grad_norm": 0.6143559874227241,
"learning_rate": 1.1514277775045768e-05,
"loss": 0.5237,
"step": 35
},
{
"epoch": 1.5413333333333332,
"grad_norm": 0.507660612192559,
"learning_rate": 1.1011683219874324e-05,
"loss": 0.4985,
"step": 36
},
{
"epoch": 1.584,
"grad_norm": 0.6308358642347149,
"learning_rate": 1.0506491688387128e-05,
"loss": 0.5597,
"step": 37
},
{
"epoch": 1.6266666666666667,
"grad_norm": 0.40611142763475594,
"learning_rate": 1e-05,
"loss": 0.4834,
"step": 38
},
{
"epoch": 1.6693333333333333,
"grad_norm": 0.555694918110193,
"learning_rate": 9.493508311612874e-06,
"loss": 0.5282,
"step": 39
},
{
"epoch": 1.712,
"grad_norm": 0.4782914827020497,
"learning_rate": 8.98831678012568e-06,
"loss": 0.5029,
"step": 40
},
{
"epoch": 1.7546666666666666,
"grad_norm": 0.40447180311906644,
"learning_rate": 8.485722224954237e-06,
"loss": 0.5287,
"step": 41
},
{
"epoch": 1.7973333333333334,
"grad_norm": 0.4516541829796801,
"learning_rate": 7.987014799113398e-06,
"loss": 0.5072,
"step": 42
},
{
"epoch": 1.8399999999999999,
"grad_norm": 0.37653071625781426,
"learning_rate": 7.493474677412795e-06,
"loss": 0.4584,
"step": 43
},
{
"epoch": 1.8826666666666667,
"grad_norm": 0.3984563912306908,
"learning_rate": 7.006368770266421e-06,
"loss": 0.5267,
"step": 44
},
{
"epoch": 1.9253333333333333,
"grad_norm": 0.38863265116874834,
"learning_rate": 6.526947471551799e-06,
"loss": 0.4965,
"step": 45
},
{
"epoch": 1.968,
"grad_norm": 0.39995047568592906,
"learning_rate": 6.056441448866817e-06,
"loss": 0.4757,
"step": 46
},
{
"epoch": 2.016,
"grad_norm": 0.6674558520856042,
"learning_rate": 5.5960584844236565e-06,
"loss": 0.7987,
"step": 47
},
{
"epoch": 2.058666666666667,
"grad_norm": 0.3698994867240691,
"learning_rate": 5.146980374689192e-06,
"loss": 0.4257,
"step": 48
},
{
"epoch": 2.1013333333333333,
"grad_norm": 0.43400395036861983,
"learning_rate": 4.710359896730379e-06,
"loss": 0.4947,
"step": 49
},
{
"epoch": 2.144,
"grad_norm": 0.4005441898018298,
"learning_rate": 4.287317849052075e-06,
"loss": 0.4512,
"step": 50
},
{
"epoch": 2.1866666666666665,
"grad_norm": 0.40707949452679015,
"learning_rate": 3.878940174523371e-06,
"loss": 0.533,
"step": 51
},
{
"epoch": 2.2293333333333334,
"grad_norm": 0.3605166200767298,
"learning_rate": 3.48627517277778e-06,
"loss": 0.4365,
"step": 52
},
{
"epoch": 2.2720000000000002,
"grad_norm": 0.3793619736022353,
"learning_rate": 3.110330809243134e-06,
"loss": 0.4743,
"step": 53
},
{
"epoch": 2.3146666666666667,
"grad_norm": 0.36583057188811624,
"learning_rate": 2.7520721277088023e-06,
"loss": 0.4635,
"step": 54
},
{
"epoch": 2.3573333333333335,
"grad_norm": 0.39070534110508154,
"learning_rate": 2.4124187730720916e-06,
"loss": 0.468,
"step": 55
},
{
"epoch": 2.4,
"grad_norm": 0.4033662541656621,
"learning_rate": 2.092242630623016e-06,
"loss": 0.4704,
"step": 56
},
{
"epoch": 2.4426666666666668,
"grad_norm": 0.323553634819707,
"learning_rate": 1.7923655879272395e-06,
"loss": 0.4326,
"step": 57
},
{
"epoch": 2.485333333333333,
"grad_norm": 0.3020317061209811,
"learning_rate": 1.5135574250524898e-06,
"loss": 0.4623,
"step": 58
},
{
"epoch": 2.528,
"grad_norm": 0.2918391492968299,
"learning_rate": 1.2565338385541792e-06,
"loss": 0.4694,
"step": 59
},
{
"epoch": 2.570666666666667,
"grad_norm": 0.28335286446618535,
"learning_rate": 1.0219546042925842e-06,
"loss": 0.4282,
"step": 60
},
{
"epoch": 2.6133333333333333,
"grad_norm": 0.2948398534467495,
"learning_rate": 8.10421883797694e-07,
"loss": 0.4456,
"step": 61
},
{
"epoch": 2.656,
"grad_norm": 0.2870039768314063,
"learning_rate": 6.22478678529197e-07,
"loss": 0.4457,
"step": 62
},
{
"epoch": 2.6986666666666665,
"grad_norm": 0.2835603884217034,
"learning_rate": 4.5860743599951186e-07,
"loss": 0.4228,
"step": 63
},
{
"epoch": 2.7413333333333334,
"grad_norm": 0.32534507708819593,
"learning_rate": 3.1922881133795827e-07,
"loss": 0.5117,
"step": 64
},
{
"epoch": 2.784,
"grad_norm": 0.254851146211296,
"learning_rate": 2.0470058747505516e-07,
"loss": 0.3893,
"step": 65
},
{
"epoch": 2.8266666666666667,
"grad_norm": 0.299877118299828,
"learning_rate": 1.1531675671888621e-07,
"loss": 0.492,
"step": 66
},
{
"epoch": 2.8693333333333335,
"grad_norm": 0.29694063668641374,
"learning_rate": 5.1306766081048456e-08,
"loss": 0.4389,
"step": 67
},
{
"epoch": 2.912,
"grad_norm": 0.27153960798477816,
"learning_rate": 1.2834928289472415e-08,
"loss": 0.4697,
"step": 68
},
{
"epoch": 2.9546666666666668,
"grad_norm": 0.30779957596150975,
"learning_rate": 0.0,
"loss": 0.4917,
"step": 69
},
{
"epoch": 2.9546666666666668,
"step": 69,
"total_flos": 1.8368167563545805e+17,
"train_loss": 0.5622327051300934,
"train_runtime": 9047.4576,
"train_samples_per_second": 0.994,
"train_steps_per_second": 0.008
}
],
"logging_steps": 1.0,
"max_steps": 69,
"num_input_tokens_seen": 0,
"num_train_epochs": 3,
"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": 1.8368167563545805e+17,
"train_batch_size": 1,
"trial_name": null,
"trial_params": null
}