| { | |
| "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": 5.959405650638356, | |
| "learning_rate": 5.7142857142857145e-06, | |
| "loss": 0.8546, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.08533333333333333, | |
| "grad_norm": 6.094489563233013, | |
| "learning_rate": 1.1428571428571429e-05, | |
| "loss": 0.8868, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.128, | |
| "grad_norm": 4.176960166006625, | |
| "learning_rate": 1.7142857142857142e-05, | |
| "loss": 0.7983, | |
| "step": 3 | |
| }, | |
| { | |
| "epoch": 0.17066666666666666, | |
| "grad_norm": 4.61882660863785, | |
| "learning_rate": 2.2857142857142858e-05, | |
| "loss": 0.8455, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.21333333333333335, | |
| "grad_norm": 4.57847241386231, | |
| "learning_rate": 2.8571428571428574e-05, | |
| "loss": 0.7785, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 0.256, | |
| "grad_norm": 4.142864617789527, | |
| "learning_rate": 3.4285714285714284e-05, | |
| "loss": 0.7923, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 0.2986666666666667, | |
| "grad_norm": 2.8731213381114697, | |
| "learning_rate": 4e-05, | |
| "loss": 0.7353, | |
| "step": 7 | |
| }, | |
| { | |
| "epoch": 0.3413333333333333, | |
| "grad_norm": 2.1401686501903305, | |
| "learning_rate": 3.997433014342106e-05, | |
| "loss": 0.6814, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 0.384, | |
| "grad_norm": 3.6063583937495696, | |
| "learning_rate": 3.98973864678379e-05, | |
| "loss": 0.7165, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 0.4266666666666667, | |
| "grad_norm": 3.702500891398963, | |
| "learning_rate": 3.976936648656223e-05, | |
| "loss": 0.6727, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.4693333333333333, | |
| "grad_norm": 2.068793340658362, | |
| "learning_rate": 3.9590598825049896e-05, | |
| "loss": 0.6493, | |
| "step": 11 | |
| }, | |
| { | |
| "epoch": 0.512, | |
| "grad_norm": 2.48751081372414, | |
| "learning_rate": 3.936154237732409e-05, | |
| "loss": 0.6427, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 0.5546666666666666, | |
| "grad_norm": 1.853387081688068, | |
| "learning_rate": 3.908278512800098e-05, | |
| "loss": 0.6184, | |
| "step": 13 | |
| }, | |
| { | |
| "epoch": 0.5973333333333334, | |
| "grad_norm": 1.6667857063567637, | |
| "learning_rate": 3.875504264294161e-05, | |
| "loss": 0.6047, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 0.64, | |
| "grad_norm": 1.216663736278147, | |
| "learning_rate": 3.837915623240462e-05, | |
| "loss": 0.5981, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 0.6826666666666666, | |
| "grad_norm": 1.037027890093589, | |
| "learning_rate": 3.795609079141484e-05, | |
| "loss": 0.5946, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 0.7253333333333334, | |
| "grad_norm": 1.3518455609163733, | |
| "learning_rate": 3.7486932322891646e-05, | |
| "loss": 0.5944, | |
| "step": 17 | |
| }, | |
| { | |
| "epoch": 0.768, | |
| "grad_norm": 1.264116154153087, | |
| "learning_rate": 3.697288514989502e-05, | |
| "loss": 0.627, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 0.8106666666666666, | |
| "grad_norm": 1.0573335636318202, | |
| "learning_rate": 3.641526882414553e-05, | |
| "loss": 0.5753, | |
| "step": 19 | |
| }, | |
| { | |
| "epoch": 0.8533333333333334, | |
| "grad_norm": 0.9559928085629986, | |
| "learning_rate": 3.581551473875397e-05, | |
| "loss": 0.6056, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.896, | |
| "grad_norm": 1.0009476653842564, | |
| "learning_rate": 3.517516245385582e-05, | |
| "loss": 0.5971, | |
| "step": 21 | |
| }, | |
| { | |
| "epoch": 0.9386666666666666, | |
| "grad_norm": 1.1011829322295967, | |
| "learning_rate": 3.44958557445824e-05, | |
| "loss": 0.558, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 0.9813333333333333, | |
| "grad_norm": 1.876799281373045, | |
| "learning_rate": 3.377933838151374e-05, | |
| "loss": 0.5874, | |
| "step": 23 | |
| }, | |
| { | |
| "epoch": 1.0293333333333334, | |
| "grad_norm": 2.2340103328660392, | |
| "learning_rate": 3.302744965444445e-05, | |
| "loss": 0.9271, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 1.072, | |
| "grad_norm": 1.239386137192961, | |
| "learning_rate": 3.224211965095326e-05, | |
| "loss": 0.4964, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 1.1146666666666667, | |
| "grad_norm": 0.925344744717684, | |
| "learning_rate": 3.142536430189585e-05, | |
| "loss": 0.5165, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 1.1573333333333333, | |
| "grad_norm": 1.6225047269337274, | |
| "learning_rate": 3.057928020653925e-05, | |
| "loss": 0.531, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 1.2, | |
| "grad_norm": 1.1413124936381593, | |
| "learning_rate": 2.9706039250621626e-05, | |
| "loss": 0.5187, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 1.2426666666666666, | |
| "grad_norm": 1.4736317801508574, | |
| "learning_rate": 2.880788303115269e-05, | |
| "loss": 0.4887, | |
| "step": 29 | |
| }, | |
| { | |
| "epoch": 1.2853333333333334, | |
| "grad_norm": 1.256709004484152, | |
| "learning_rate": 2.7887117102266373e-05, | |
| "loss": 0.4694, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 1.328, | |
| "grad_norm": 1.1637043575908812, | |
| "learning_rate": 2.6946105056896406e-05, | |
| "loss": 0.5415, | |
| "step": 31 | |
| }, | |
| { | |
| "epoch": 1.3706666666666667, | |
| "grad_norm": 1.0433401715698576, | |
| "learning_rate": 2.5987262459467168e-05, | |
| "loss": 0.5016, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 1.4133333333333333, | |
| "grad_norm": 0.7778275951091493, | |
| "learning_rate": 2.5013050645174414e-05, | |
| "loss": 0.4744, | |
| "step": 33 | |
| }, | |
| { | |
| "epoch": 1.456, | |
| "grad_norm": 0.7528398224636845, | |
| "learning_rate": 2.4025970401773204e-05, | |
| "loss": 0.467, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 1.4986666666666666, | |
| "grad_norm": 0.8110672828748309, | |
| "learning_rate": 2.3028555550091536e-05, | |
| "loss": 0.4996, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 1.5413333333333332, | |
| "grad_norm": 0.6280418927662884, | |
| "learning_rate": 2.2023366439748647e-05, | |
| "loss": 0.4754, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 1.584, | |
| "grad_norm": 0.8313553430440027, | |
| "learning_rate": 2.1012983376774255e-05, | |
| "loss": 0.528, | |
| "step": 37 | |
| }, | |
| { | |
| "epoch": 1.6266666666666667, | |
| "grad_norm": 0.7134053806050364, | |
| "learning_rate": 2e-05, | |
| "loss": 0.4599, | |
| "step": 38 | |
| }, | |
| { | |
| "epoch": 1.6693333333333333, | |
| "grad_norm": 0.6246482442483628, | |
| "learning_rate": 1.8987016623225748e-05, | |
| "loss": 0.5027, | |
| "step": 39 | |
| }, | |
| { | |
| "epoch": 1.712, | |
| "grad_norm": 0.7733242444165985, | |
| "learning_rate": 1.797663356025136e-05, | |
| "loss": 0.4798, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 1.7546666666666666, | |
| "grad_norm": 0.7168678556891637, | |
| "learning_rate": 1.6971444449908474e-05, | |
| "loss": 0.5042, | |
| "step": 41 | |
| }, | |
| { | |
| "epoch": 1.7973333333333334, | |
| "grad_norm": 0.6204708476147671, | |
| "learning_rate": 1.5974029598226796e-05, | |
| "loss": 0.4788, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 1.8399999999999999, | |
| "grad_norm": 0.7473160193454191, | |
| "learning_rate": 1.498694935482559e-05, | |
| "loss": 0.4341, | |
| "step": 43 | |
| }, | |
| { | |
| "epoch": 1.8826666666666667, | |
| "grad_norm": 0.5388905141571514, | |
| "learning_rate": 1.4012737540532842e-05, | |
| "loss": 0.4981, | |
| "step": 44 | |
| }, | |
| { | |
| "epoch": 1.9253333333333333, | |
| "grad_norm": 0.5619363068579263, | |
| "learning_rate": 1.3053894943103598e-05, | |
| "loss": 0.4696, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 1.968, | |
| "grad_norm": 0.7749332804687, | |
| "learning_rate": 1.2112882897733634e-05, | |
| "loss": 0.4505, | |
| "step": 46 | |
| }, | |
| { | |
| "epoch": 2.016, | |
| "grad_norm": 0.8183622376287564, | |
| "learning_rate": 1.1192116968847313e-05, | |
| "loss": 0.7496, | |
| "step": 47 | |
| }, | |
| { | |
| "epoch": 2.058666666666667, | |
| "grad_norm": 0.5101202538187921, | |
| "learning_rate": 1.0293960749378384e-05, | |
| "loss": 0.3822, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 2.1013333333333333, | |
| "grad_norm": 0.6823550783898112, | |
| "learning_rate": 9.420719793460758e-06, | |
| "loss": 0.4408, | |
| "step": 49 | |
| }, | |
| { | |
| "epoch": 2.144, | |
| "grad_norm": 0.5562962658199867, | |
| "learning_rate": 8.57463569810415e-06, | |
| "loss": 0.399, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 2.1866666666666665, | |
| "grad_norm": 0.4814584158576096, | |
| "learning_rate": 7.757880349046742e-06, | |
| "loss": 0.4757, | |
| "step": 51 | |
| }, | |
| { | |
| "epoch": 2.2293333333333334, | |
| "grad_norm": 0.4438611224741029, | |
| "learning_rate": 6.97255034555556e-06, | |
| "loss": 0.3849, | |
| "step": 52 | |
| }, | |
| { | |
| "epoch": 2.2720000000000002, | |
| "grad_norm": 0.4928520740515908, | |
| "learning_rate": 6.220661618486268e-06, | |
| "loss": 0.4188, | |
| "step": 53 | |
| }, | |
| { | |
| "epoch": 2.3146666666666667, | |
| "grad_norm": 0.48077694635665463, | |
| "learning_rate": 5.504144255417605e-06, | |
| "loss": 0.4086, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 2.3573333333333335, | |
| "grad_norm": 0.4108383600887585, | |
| "learning_rate": 4.824837546144183e-06, | |
| "loss": 0.4171, | |
| "step": 55 | |
| }, | |
| { | |
| "epoch": 2.4, | |
| "grad_norm": 0.41150180400827463, | |
| "learning_rate": 4.184485261246032e-06, | |
| "loss": 0.4112, | |
| "step": 56 | |
| }, | |
| { | |
| "epoch": 2.4426666666666668, | |
| "grad_norm": 0.3853722791040303, | |
| "learning_rate": 3.584731175854479e-06, | |
| "loss": 0.3784, | |
| "step": 57 | |
| }, | |
| { | |
| "epoch": 2.485333333333333, | |
| "grad_norm": 0.38363706511168294, | |
| "learning_rate": 3.0271148501049796e-06, | |
| "loss": 0.407, | |
| "step": 58 | |
| }, | |
| { | |
| "epoch": 2.528, | |
| "grad_norm": 0.3941245988834627, | |
| "learning_rate": 2.5130676771083585e-06, | |
| "loss": 0.4113, | |
| "step": 59 | |
| }, | |
| { | |
| "epoch": 2.570666666666667, | |
| "grad_norm": 0.346714903312407, | |
| "learning_rate": 2.0439092085851685e-06, | |
| "loss": 0.3725, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 2.6133333333333333, | |
| "grad_norm": 0.34866697571472144, | |
| "learning_rate": 1.620843767595388e-06, | |
| "loss": 0.3891, | |
| "step": 61 | |
| }, | |
| { | |
| "epoch": 2.656, | |
| "grad_norm": 0.32865576132773106, | |
| "learning_rate": 1.244957357058394e-06, | |
| "loss": 0.3877, | |
| "step": 62 | |
| }, | |
| { | |
| "epoch": 2.6986666666666665, | |
| "grad_norm": 0.3070121410091245, | |
| "learning_rate": 9.172148719990237e-07, | |
| "loss": 0.3701, | |
| "step": 63 | |
| }, | |
| { | |
| "epoch": 2.7413333333333334, | |
| "grad_norm": 0.3280164308309741, | |
| "learning_rate": 6.384576226759165e-07, | |
| "loss": 0.4496, | |
| "step": 64 | |
| }, | |
| { | |
| "epoch": 2.784, | |
| "grad_norm": 0.2697672552160158, | |
| "learning_rate": 4.094011749501103e-07, | |
| "loss": 0.3378, | |
| "step": 65 | |
| }, | |
| { | |
| "epoch": 2.8266666666666667, | |
| "grad_norm": 0.2987058826077373, | |
| "learning_rate": 2.3063351343777241e-07, | |
| "loss": 0.4265, | |
| "step": 66 | |
| }, | |
| { | |
| "epoch": 2.8693333333333335, | |
| "grad_norm": 0.2760070422714645, | |
| "learning_rate": 1.0261353216209691e-07, | |
| "loss": 0.385, | |
| "step": 67 | |
| }, | |
| { | |
| "epoch": 2.912, | |
| "grad_norm": 0.3015370084675938, | |
| "learning_rate": 2.566985657894483e-08, | |
| "loss": 0.4118, | |
| "step": 68 | |
| }, | |
| { | |
| "epoch": 2.9546666666666668, | |
| "grad_norm": 0.29570188220904864, | |
| "learning_rate": 0.0, | |
| "loss": 0.4309, | |
| "step": 69 | |
| }, | |
| { | |
| "epoch": 2.9546666666666668, | |
| "step": 69, | |
| "total_flos": 1.8368167563545805e+17, | |
| "train_loss": 0.5358451902866364, | |
| "train_runtime": 8953.687, | |
| "train_samples_per_second": 1.004, | |
| "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 | |
| } | |