| { |
| "best_global_step": null, |
| "best_metric": null, |
| "best_model_checkpoint": null, |
| "epoch": 10.0, |
| "eval_steps": 500, |
| "global_step": 150, |
| "is_hyper_param_search": false, |
| "is_local_process_zero": true, |
| "is_world_process_zero": true, |
| "log_history": [ |
| { |
| "epoch": 0.3333333333333333, |
| "grad_norm": 2.234692335128784, |
| "learning_rate": 0.00016, |
| "loss": 3.564731216430664, |
| "step": 5 |
| }, |
| { |
| "epoch": 0.6666666666666666, |
| "grad_norm": 1.4577325582504272, |
| "learning_rate": 0.00019448275862068965, |
| "loss": 1.7822282791137696, |
| "step": 10 |
| }, |
| { |
| "epoch": 1.0, |
| "grad_norm": 1.2280287742614746, |
| "learning_rate": 0.00018758620689655173, |
| "loss": 0.5553516387939453, |
| "step": 15 |
| }, |
| { |
| "epoch": 1.3333333333333333, |
| "grad_norm": 0.39766302704811096, |
| "learning_rate": 0.00018068965517241382, |
| "loss": 0.1261259436607361, |
| "step": 20 |
| }, |
| { |
| "epoch": 1.6666666666666665, |
| "grad_norm": 0.36177533864974976, |
| "learning_rate": 0.00017379310344827587, |
| "loss": 0.0433908075094223, |
| "step": 25 |
| }, |
| { |
| "epoch": 2.0, |
| "grad_norm": 0.1993640512228012, |
| "learning_rate": 0.00016689655172413793, |
| "loss": 0.014871008694171906, |
| "step": 30 |
| }, |
| { |
| "epoch": 2.3333333333333335, |
| "grad_norm": 0.1327141374349594, |
| "learning_rate": 0.00016, |
| "loss": 0.008725088089704514, |
| "step": 35 |
| }, |
| { |
| "epoch": 2.6666666666666665, |
| "grad_norm": 0.05042891949415207, |
| "learning_rate": 0.00015310344827586207, |
| "loss": 0.007357730716466904, |
| "step": 40 |
| }, |
| { |
| "epoch": 3.0, |
| "grad_norm": 0.09038956463336945, |
| "learning_rate": 0.00014620689655172415, |
| "loss": 0.006654418259859085, |
| "step": 45 |
| }, |
| { |
| "epoch": 3.3333333333333335, |
| "grad_norm": 0.07532325387001038, |
| "learning_rate": 0.0001393103448275862, |
| "loss": 0.00647946298122406, |
| "step": 50 |
| }, |
| { |
| "epoch": 3.6666666666666665, |
| "grad_norm": 0.08514901250600815, |
| "learning_rate": 0.0001324137931034483, |
| "loss": 0.006680632382631302, |
| "step": 55 |
| }, |
| { |
| "epoch": 4.0, |
| "grad_norm": 0.0902906134724617, |
| "learning_rate": 0.00012551724137931035, |
| "loss": 0.0068584330379962925, |
| "step": 60 |
| }, |
| { |
| "epoch": 4.333333333333333, |
| "grad_norm": 0.06367665529251099, |
| "learning_rate": 0.0001186206896551724, |
| "loss": 0.006411250680685043, |
| "step": 65 |
| }, |
| { |
| "epoch": 4.666666666666667, |
| "grad_norm": 0.0606352835893631, |
| "learning_rate": 0.00011172413793103449, |
| "loss": 0.006474435329437256, |
| "step": 70 |
| }, |
| { |
| "epoch": 5.0, |
| "grad_norm": 0.058691803365945816, |
| "learning_rate": 0.00010482758620689656, |
| "loss": 0.006187014281749725, |
| "step": 75 |
| }, |
| { |
| "epoch": 5.333333333333333, |
| "grad_norm": 0.06785333156585693, |
| "learning_rate": 9.793103448275862e-05, |
| "loss": 0.007109149545431137, |
| "step": 80 |
| }, |
| { |
| "epoch": 5.666666666666667, |
| "grad_norm": 0.041070930659770966, |
| "learning_rate": 9.10344827586207e-05, |
| "loss": 0.006115003302693367, |
| "step": 85 |
| }, |
| { |
| "epoch": 6.0, |
| "grad_norm": 0.046001601964235306, |
| "learning_rate": 8.413793103448277e-05, |
| "loss": 0.006253865361213684, |
| "step": 90 |
| }, |
| { |
| "epoch": 6.333333333333333, |
| "grad_norm": 0.04734743386507034, |
| "learning_rate": 7.724137931034483e-05, |
| "loss": 0.0060293667018413545, |
| "step": 95 |
| }, |
| { |
| "epoch": 6.666666666666667, |
| "grad_norm": 0.04042210429906845, |
| "learning_rate": 7.03448275862069e-05, |
| "loss": 0.0062621280550956724, |
| "step": 100 |
| }, |
| { |
| "epoch": 7.0, |
| "grad_norm": 0.04954440891742706, |
| "learning_rate": 6.344827586206897e-05, |
| "loss": 0.00619029626250267, |
| "step": 105 |
| }, |
| { |
| "epoch": 7.333333333333333, |
| "grad_norm": 0.058896154165267944, |
| "learning_rate": 5.6551724137931037e-05, |
| "loss": 0.005703266337513923, |
| "step": 110 |
| }, |
| { |
| "epoch": 7.666666666666667, |
| "grad_norm": 0.017007876187562943, |
| "learning_rate": 4.9655172413793107e-05, |
| "loss": 0.005966300517320633, |
| "step": 115 |
| }, |
| { |
| "epoch": 8.0, |
| "grad_norm": 0.017122946679592133, |
| "learning_rate": 4.275862068965518e-05, |
| "loss": 0.005790818855166436, |
| "step": 120 |
| }, |
| { |
| "epoch": 8.333333333333334, |
| "grad_norm": 0.066221684217453, |
| "learning_rate": 3.586206896551724e-05, |
| "loss": 0.005818406492471695, |
| "step": 125 |
| }, |
| { |
| "epoch": 8.666666666666666, |
| "grad_norm": 0.06780843436717987, |
| "learning_rate": 2.8965517241379313e-05, |
| "loss": 0.006129764020442963, |
| "step": 130 |
| }, |
| { |
| "epoch": 9.0, |
| "grad_norm": 0.038115620613098145, |
| "learning_rate": 2.206896551724138e-05, |
| "loss": 0.005897220596671105, |
| "step": 135 |
| }, |
| { |
| "epoch": 9.333333333333334, |
| "grad_norm": 0.07508810609579086, |
| "learning_rate": 1.5172413793103448e-05, |
| "loss": 0.005739358067512512, |
| "step": 140 |
| }, |
| { |
| "epoch": 9.666666666666666, |
| "grad_norm": 0.06934335082769394, |
| "learning_rate": 8.275862068965518e-06, |
| "loss": 0.006111703440546989, |
| "step": 145 |
| }, |
| { |
| "epoch": 10.0, |
| "grad_norm": 0.06771335750818253, |
| "learning_rate": 1.3793103448275862e-06, |
| "loss": 0.0057536657899618145, |
| "step": 150 |
| } |
| ], |
| "logging_steps": 5, |
| "max_steps": 150, |
| "num_input_tokens_seen": 0, |
| "num_train_epochs": 10, |
| "save_steps": 20, |
| "stateful_callbacks": { |
| "TrainerControl": { |
| "args": { |
| "should_epoch_stop": false, |
| "should_evaluate": false, |
| "should_log": false, |
| "should_save": true, |
| "should_training_stop": true |
| }, |
| "attributes": {} |
| } |
| }, |
| "total_flos": 6536089957171200.0, |
| "train_batch_size": 2, |
| "trial_name": null, |
| "trial_params": null |
| } |
|
|
