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": 15.757265090942383,
      "learning_rate": 5e-06,
      "loss": 1.2885,
      "step": 1
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 16.411413192749023,
      "learning_rate": 1e-05,
      "loss": 1.3273,
      "step": 2
    },
    {
      "epoch": 0.5,
      "grad_norm": 9.334980010986328,
      "learning_rate": 9.903926402016153e-06,
      "loss": 1.2085,
      "step": 3
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 7.6427531242370605,
      "learning_rate": 9.619397662556434e-06,
      "loss": 1.1297,
      "step": 4
    },
    {
      "epoch": 0.8333333333333334,
      "grad_norm": 8.37617301940918,
      "learning_rate": 9.157348061512728e-06,
      "loss": 1.1569,
      "step": 5
    },
    {
      "epoch": 1.0,
      "grad_norm": 6.6993207931518555,
      "learning_rate": 8.535533905932739e-06,
      "loss": 1.0759,
      "step": 6
    },
    {
      "epoch": 1.1666666666666667,
      "grad_norm": 5.372480869293213,
      "learning_rate": 7.777851165098012e-06,
      "loss": 1.037,
      "step": 7
    },
    {
      "epoch": 1.3333333333333333,
      "grad_norm": 3.0929112434387207,
      "learning_rate": 6.913417161825449e-06,
      "loss": 1.0009,
      "step": 8
    },
    {
      "epoch": 1.5,
      "grad_norm": 1.9615176916122437,
      "learning_rate": 5.975451610080643e-06,
      "loss": 0.9742,
      "step": 9
    },
    {
      "epoch": 1.6666666666666665,
      "grad_norm": 1.9075912237167358,
      "learning_rate": 5e-06,
      "loss": 0.9315,
      "step": 10
    },
    {
      "epoch": 1.8333333333333335,
      "grad_norm": 2.0535888671875,
      "learning_rate": 4.02454838991936e-06,
      "loss": 0.9095,
      "step": 11
    },
    {
      "epoch": 2.0,
      "grad_norm": 1.7272127866744995,
      "learning_rate": 3.0865828381745515e-06,
      "loss": 0.9142,
      "step": 12
    },
    {
      "epoch": 2.1666666666666665,
      "grad_norm": 1.1511447429656982,
      "learning_rate": 2.2221488349019903e-06,
      "loss": 0.8895,
      "step": 13
    },
    {
      "epoch": 2.3333333333333335,
      "grad_norm": 0.8150257468223572,
      "learning_rate": 1.4644660940672628e-06,
      "loss": 0.87,
      "step": 14
    },
    {
      "epoch": 2.5,
      "grad_norm": 0.8002262115478516,
      "learning_rate": 8.426519384872733e-07,
      "loss": 0.8943,
      "step": 15
    },
    {
      "epoch": 2.6666666666666665,
      "grad_norm": 0.7705777883529663,
      "learning_rate": 3.8060233744356634e-07,
      "loss": 0.8858,
      "step": 16
    },
    {
      "epoch": 2.8333333333333335,
      "grad_norm": 0.7509863376617432,
      "learning_rate": 9.607359798384785e-08,
      "loss": 0.8833,
      "step": 17
    },
    {
      "epoch": 3.0,
      "grad_norm": 0.7269038558006287,
      "learning_rate": 0.0,
      "loss": 0.8752,
      "step": 18
    },
    {
      "epoch": 3.0,
      "step": 18,
      "total_flos": 1.2010811790553252e+18,
      "train_loss": 1.01401486992836,
      "train_runtime": 1429.1641,
      "train_samples_per_second": 1.207,
      "train_steps_per_second": 0.013
    }
  ],
  "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": 1.2010811790553252e+18,
  "train_batch_size": 1,
  "trial_name": null,
  "trial_params": null
}