trainer_state.json

{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 3.0,
  "eval_steps": 500,
  "global_step": 18,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.16666666666666666,
      "grad_norm": 8.517588834221565,
      "learning_rate": 5e-06,
      "loss": 1.2823,
      "step": 1
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 9.018836408180572,
      "learning_rate": 1e-05,
      "loss": 1.3191,
      "step": 2
    },
    {
      "epoch": 0.5,
      "grad_norm": 6.197261255638143,
      "learning_rate": 9.903926402016153e-06,
      "loss": 1.2058,
      "step": 3
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 3.0242971502860967,
      "learning_rate": 9.619397662556434e-06,
      "loss": 1.1292,
      "step": 4
    },
    {
      "epoch": 0.8333333333333334,
      "grad_norm": 6.114750497707576,
      "learning_rate": 9.157348061512728e-06,
      "loss": 1.1441,
      "step": 5
    },
    {
      "epoch": 1.0,
      "grad_norm": 6.671913086719916,
      "learning_rate": 8.535533905932739e-06,
      "loss": 1.0848,
      "step": 6
    },
    {
      "epoch": 1.1666666666666667,
      "grad_norm": 6.840844352253868,
      "learning_rate": 7.777851165098012e-06,
      "loss": 1.0695,
      "step": 7
    },
    {
      "epoch": 1.3333333333333333,
      "grad_norm": 4.961542633381932,
      "learning_rate": 6.913417161825449e-06,
      "loss": 1.0376,
      "step": 8
    },
    {
      "epoch": 1.5,
      "grad_norm": 3.213774161016718,
      "learning_rate": 5.975451610080643e-06,
      "loss": 1.0122,
      "step": 9
    },
    {
      "epoch": 1.6666666666666665,
      "grad_norm": 2.050743498286746,
      "learning_rate": 5e-06,
      "loss": 0.9652,
      "step": 10
    },
    {
      "epoch": 1.8333333333333335,
      "grad_norm": 2.179472967007534,
      "learning_rate": 4.02454838991936e-06,
      "loss": 0.9328,
      "step": 11
    },
    {
      "epoch": 2.0,
      "grad_norm": 2.00095913001641,
      "learning_rate": 3.0865828381745515e-06,
      "loss": 0.9326,
      "step": 12
    },
    {
      "epoch": 2.1666666666666665,
      "grad_norm": 1.6392062265159892,
      "learning_rate": 2.2221488349019903e-06,
      "loss": 0.9089,
      "step": 13
    },
    {
      "epoch": 2.3333333333333335,
      "grad_norm": 1.3165463450763901,
      "learning_rate": 1.4644660940672628e-06,
      "loss": 0.8941,
      "step": 14
    },
    {
      "epoch": 2.5,
      "grad_norm": 1.141797425713796,
      "learning_rate": 8.426519384872733e-07,
      "loss": 0.9139,
      "step": 15
    },
    {
      "epoch": 2.6666666666666665,
      "grad_norm": 0.9100191157771481,
      "learning_rate": 3.8060233744356634e-07,
      "loss": 0.905,
      "step": 16
    },
    {
      "epoch": 2.8333333333333335,
      "grad_norm": 0.7729164496216101,
      "learning_rate": 9.607359798384785e-08,
      "loss": 0.9043,
      "step": 17
    },
    {
      "epoch": 3.0,
      "grad_norm": 0.7035292414352095,
      "learning_rate": 0.0,
      "loss": 0.8927,
      "step": 18
    },
    {
      "epoch": 3.0,
      "step": 18,
      "total_flos": 6.177445717318042e+16,
      "train_loss": 1.029674682352278,
      "train_runtime": 1095.4965,
      "train_samples_per_second": 1.575,
      "train_steps_per_second": 0.016
    }
  ],
  "logging_steps": 1.0,
  "max_steps": 18,
  "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": 6.177445717318042e+16,
  "train_batch_size": 1,
  "trial_name": null,
  "trial_params": null
}