File size: 88,804 Bytes
2763379 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 |
[2026-01-03 15:17:19,855] [DEBUG] [axolotl.utils.config.resolve_dtype:66] [PID:284] bf16 support detected, enabling for this configuration.
config.json: 0%| | 0.00/727 [00:00<?, ?B/s]
config.json: 100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 727/727 [00:00<00:00, 1.71MB/s]
[2026-01-03 15:17:20,070] [DEBUG] [axolotl.utils.config.log_gpu_memory_usage:127] [PID:284] baseline 0.000GB ()
[2026-01-03 15:17:20,071] [INFO] [axolotl.cli.config.load_cfg:256] [PID:284] config:
{
"activation_offloading": false,
"axolotl_config_path": "config.yaml",
"base_model": "Qwen/Qwen3-4B-Instruct-2507",
"base_model_config": "Qwen/Qwen3-4B-Instruct-2507",
"batch_size": 8,
"bf16": true,
"capabilities": {
"bf16": true,
"compute_capability": "sm_90",
"fp8": false,
"n_gpu": 1,
"n_node": 1
},
"context_parallel_size": 1,
"dataloader_num_workers": 1,
"dataloader_pin_memory": true,
"dataloader_prefetch_factor": 256,
"dataset_num_proc": 24,
"dataset_prepared_path": "last_run_prepared",
"datasets": [
{
"chat_template": "chatml",
"field_messages": "messages",
"message_property_mappings": {
"content": "content",
"role": "role"
},
"path": "data.jsonl",
"trust_remote_code": false,
"type": "chat_template"
}
],
"ddp": false,
"device": "cuda:0",
"dion_rank_fraction": 1.0,
"dion_rank_multiple_of": 1,
"env_capabilities": {
"torch_version": "2.8.0"
},
"eval_batch_size": 2,
"eval_causal_lm_metrics": [
"sacrebleu",
"comet",
"ter",
"chrf"
],
"eval_max_new_tokens": 128,
"eval_sample_packing": true,
"eval_steps": 0.08333333333333333,
"eval_table_size": 0,
"evals_per_epoch": 4,
"experimental_skip_move_to_device": true,
"flash_attention": true,
"fp16": false,
"gradient_accumulation_steps": 4,
"gradient_checkpointing": true,
"gradient_checkpointing_kwargs": {
"use_reentrant": true
},
"group_by_length": false,
"include_tkps": true,
"is_falcon_derived_model": false,
"is_llama_derived_model": false,
"is_mistral_derived_model": false,
"learning_rate": 2e-05,
"lisa_layers_attribute": "model.layers",
"load_best_model_at_end": false,
"load_in_4bit": false,
"load_in_8bit": false,
"local_rank": 0,
"logging_steps": 1,
"lora_dropout": 0.0,
"loraplus_lr_embedding": 1e-06,
"lr_scheduler": "cosine",
"mean_resizing_embeddings": false,
"micro_batch_size": 2,
"model_config_type": "qwen3",
"num_epochs": 3.0,
"optimizer": "adamw_bnb_8bit",
"otel_metrics_host": "localhost",
"otel_metrics_port": 8000,
"output_dir": "./tieto-code-mini-4b-instruct",
"pad_to_sequence_len": true,
"pretrain_multipack_attn": true,
"profiler_steps_start": 0,
"qlora_sharded_model_loading": false,
"ray_num_workers": 1,
"resources_per_worker": {
"GPU": 1
},
"sample_packing": true,
"sample_packing_bin_size": 200,
"sample_packing_group_size": 100000,
"save_only_model": false,
"save_safetensors": true,
"save_steps": 0.3333333333333333,
"saves_per_epoch": 1,
"sequence_len": 8192,
"shuffle_before_merging_datasets": false,
"shuffle_merged_datasets": true,
"skip_prepare_dataset": false,
"streaming_multipack_buffer_size": 10000,
"strict": false,
"tensor_parallel_size": 1,
"tf32": false,
"tiled_mlp_use_original_mlp": true,
"tokenizer_config": "Qwen/Qwen3-4B-Instruct-2507",
"tokenizer_save_jinja_files": true,
"tokenizer_type": "AutoTokenizer",
"torch_dtype": "torch.bfloat16",
"train_on_inputs": false,
"trl": {
"log_completions": false,
"mask_truncated_completions": false,
"ref_model_mixup_alpha": 0.9,
"ref_model_sync_steps": 64,
"scale_rewards": true,
"sync_ref_model": false,
"use_vllm": false,
"vllm_server_host": "0.0.0.0",
"vllm_server_port": 8000
},
"trust_remote_code": true,
"type_of_model": "AutoModelForCausalLM",
"use_otel_metrics": false,
"use_ray": false,
"val_set_size": 0.05,
"vllm": {
"device": "auto",
"dtype": "auto",
"gpu_memory_utilization": 0.9,
"host": "0.0.0.0",
"port": 8000
},
"warmup_steps": 10,
"weight_decay": 0.0,
"world_size": 1
}
[2026-01-03 15:17:20,074] [WARNING] [axolotl.cli.checks.check_user_token:46] [PID:284] Error verifying HuggingFace token. Remember to log in using `huggingface-cli login` and get your access token from https://huggingface.co/settings/tokens if you want to use gated models or datasets.
tokenizer_config.json: 0.00B [00:00, ?B/s]
tokenizer_config.json: 9.38kB [00:00, 14.1MB/s]
vocab.json: 0.00B [00:00, ?B/s]
vocab.json: 2.78MB [00:00, 46.0MB/s]
merges.txt: 0.00B [00:00, ?B/s]
merges.txt: 1.67MB [00:00, 42.9MB/s]
tokenizer.json: 0%| | 0.00/11.4M [00:00<?, ?B/s]
tokenizer.json: 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 11.4M/11.4M [00:00<00:00, 19.7MB/s]
tokenizer.json: 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 11.4M/11.4M [00:00<00:00, 19.7MB/s]
[2026-01-03 15:17:22,709] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:280] [PID:284] EOS: 151645 / <|im_end|>
[2026-01-03 15:17:22,710] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:281] [PID:284] BOS: None / None
[2026-01-03 15:17:22,710] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:282] [PID:284] PAD: 151643 / <|endoftext|>
[2026-01-03 15:17:22,710] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:283] [PID:284] UNK: None / None
[2026-01-03 15:17:22,713] [INFO] [axolotl.utils.data.shared.load_preprocessed_dataset:481] [PID:284] Unable to find prepared dataset in last_run_prepared/90a4bd078072b9d1de83a8db5d6b8671
[2026-01-03 15:17:22,713] [INFO] [axolotl.utils.data.sft._load_raw_datasets:320] [PID:284] Loading raw datasets...
[2026-01-03 15:17:22,714] [WARNING] [axolotl.utils.data.sft._load_raw_datasets:322] [PID:284] Processing datasets during training can lead to VRAM instability. Please pre-process your dataset using `axolotl preprocess path/to/config.yml`.
Generating train split: 0 examples [00:00, ? examples/s]
Generating train split: 503 examples [00:00, 22482.50 examples/s]
[2026-01-03 15:17:23,108] [INFO] [axolotl.utils.data.wrappers.get_dataset_wrapper:87] [PID:284] Loading dataset: data.jsonl with base_type: chat_template and prompt_style: None
[2026-01-03 15:17:23,136] [INFO] [axolotl.prompt_strategies.chat_template.__call__:996] [PID:284] Using chat template:
---
{% if not add_generation_prompt is defined %}{% set add_generation_prompt = false %}{% endif %}{% for message in messages %}{{'<|im_start|>' + message['role'] + '
' + message['content'] + '<|im_end|>' + '
'}}{% endfor %}{% if add_generation_prompt %}{{ '<|im_start|>assistant
' }}{% endif %}
---
Tokenizing Prompts (num_proc=24): 0%| | 0/503 [00:00<?, ? examples/s]
Tokenizing Prompts (num_proc=24): 4%|█████▉ | 21/503 [00:02<00:57, 8.45 examples/s]
Tokenizing Prompts (num_proc=24): 8%|███████████▉ | 42/503 [00:02<00:25, 17.93 examples/s]
Tokenizing Prompts (num_proc=24): 13%|█████████████████▉ | 63/503 [00:03<00:18, 24.44 examples/s]
Tokenizing Prompts (num_proc=24): 21%|█████████████████████████████▋ | 105/503 [00:03<00:08, 47.25 examples/s]
Tokenizing Prompts (num_proc=24): 25%|███████████████████████████████████▌ | 126/503 [00:03<00:06, 54.13 examples/s]
Tokenizing Prompts (num_proc=24): 33%|███████████████████████████████████████████████▍ | 168/503 [00:04<00:05, 65.11 examples/s]
Tokenizing Prompts (num_proc=24): 38%|█████████████████████████████████████████████████████▎ | 189/503 [00:04<00:04, 69.18 examples/s]
Tokenizing Prompts (num_proc=24): 42%|███████████████████████████████████████████████████████████▎ | 210/503 [00:04<00:04, 72.90 examples/s]
Tokenizing Prompts (num_proc=24): 46%|█████████████████████████████████████████████████████████████████▏ | 231/503 [00:04<00:03, 76.41 examples/s]
Tokenizing Prompts (num_proc=24): 50%|███████████████████████████████████████████████████████████████████████▏ | 252/503 [00:05<00:03, 78.36 examples/s]
Tokenizing Prompts (num_proc=24): 54%|█████████████████████████████████████████████████████████████████████████████ | 273/503 [00:05<00:02, 80.45 examples/s]
Tokenizing Prompts (num_proc=24): 58%|██████████████████████████████████████████████████████████████████████████████████▉ | 294/503 [00:05<00:02, 81.21 examples/s]
Tokenizing Prompts (num_proc=24): 63%|████████████████████████████████████████████████████████████████████████████████████████▉ | 315/503 [00:05<00:02, 82.67 examples/s]
Tokenizing Prompts (num_proc=24): 67%|██████████████████████████████████████████████████████████████████████████████████████████████▊ | 336/503 [00:06<00:01, 84.26 examples/s]
Tokenizing Prompts (num_proc=24): 75%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 378/503 [00:06<00:01, 84.70 examples/s]
Tokenizing Prompts (num_proc=24): 83%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 420/503 [00:07<00:00, 96.25 examples/s]
Tokenizing Prompts (num_proc=24): 88%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 441/503 [00:07<00:00, 96.00 examples/s]
Tokenizing Prompts (num_proc=24): 92%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 462/503 [00:07<00:00, 92.73 examples/s]
Tokenizing Prompts (num_proc=24): 96%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 483/503 [00:07<00:00, 98.27 examples/s]
Tokenizing Prompts (num_proc=24): 100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 503/503 [00:07<00:00, 96.06 examples/s]
Tokenizing Prompts (num_proc=24): 100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 503/503 [00:08<00:00, 61.38 examples/s]
[2026-01-03 15:17:31,724] [INFO] [axolotl.utils.data.utils.handle_long_seq_in_dataset:218] [PID:284] min_input_len: 141
[2026-01-03 15:17:31,725] [INFO] [axolotl.utils.data.utils.handle_long_seq_in_dataset:220] [PID:284] max_input_len: 627
Dropping Long Sequences (>8192) (num_proc=24): 0%| | 0/503 [00:00<?, ? examples/s]
Dropping Long Sequences (>8192) (num_proc=24): 4%|█████▍ | 21/503 [00:00<00:18, 26.29 examples/s]
Dropping Long Sequences (>8192) (num_proc=24): 25%|████████████████████████████████ | 126/503 [00:00<00:02, 180.11 examples/s]
Dropping Long Sequences (>8192) (num_proc=24): 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 503/503 [00:01<00:00, 810.59 examples/s]
Dropping Long Sequences (>8192) (num_proc=24): 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 503/503 [00:01<00:00, 414.08 examples/s]
Drop Samples with Zero Trainable Tokens (num_proc=24): 0%| | 0/503 [00:00<?, ? examples/s]
Drop Samples with Zero Trainable Tokens (num_proc=24): 4%|█████ | 21/503 [00:00<00:17, 26.81 examples/s]
Drop Samples with Zero Trainable Tokens (num_proc=24): 8%|██████████▏ | 42/503 [00:00<00:09, 50.73 examples/s]
Drop Samples with Zero Trainable Tokens (num_proc=24): 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 503/503 [00:01<00:00, 403.34 examples/s]
Add position_id column (Sample Packing) (num_proc=24): 0%| | 0/503 [00:00<?, ? examples/s]
Add position_id column (Sample Packing) (num_proc=24): 4%|█████ | 21/503 [00:00<00:18, 26.21 examples/s]
Add position_id column (Sample Packing) (num_proc=24): 33%|████████████████████████████████████████ | 168/503 [00:00<00:01, 243.49 examples/s]
Add position_id column (Sample Packing) (num_proc=24): 96%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 483/503 [00:01<00:00, 757.40 examples/s]
Add position_id column (Sample Packing) (num_proc=24): 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 503/503 [00:01<00:00, 408.06 examples/s]
Saving the dataset (0/1 shards): 0%| | 0/503 [00:00<?, ? examples/s]
Saving the dataset (0/1 shards): 100%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 503/503 [00:00<00:00, 2868.10 examples/s]
Saving the dataset (1/1 shards): 100%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 503/503 [00:00<00:00, 2868.10 examples/s]
Saving the dataset (1/1 shards): 100%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 503/503 [00:00<00:00, 1856.18 examples/s]
[2026-01-03 15:17:36,239] [DEBUG] [axolotl.utils.trainer.calculate_total_num_steps:406] [PID:284] total_num_tokens: 8_887
[2026-01-03 15:17:36,241] [DEBUG] [axolotl.utils.trainer.calculate_total_num_steps:424] [PID:284] `total_supervised_tokens: 6_724`
[2026-01-03 15:17:36,251] [DEBUG] [axolotl.utils.samplers.multipack.pack_parallel:177] [PID:284] Using single process for pack_parallel, running sequentially.
[2026-01-03 15:17:38,093] [DEBUG] [axolotl.utils.samplers.multipack.pack_parallel:177] [PID:284] Using single process for pack_parallel, running sequentially.
[2026-01-03 15:17:38,424] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 0.33158135414123535
[2026-01-03 15:17:38,425] [DEBUG] [axolotl.utils.samplers.multipack.pack_parallel:177] [PID:284] Using single process for pack_parallel, running sequentially.
[2026-01-03 15:17:38,802] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 0.377777099609375
[2026-01-03 15:17:38,803] [DEBUG] [axolotl.utils.samplers.multipack.pack_parallel:177] [PID:284] Using single process for pack_parallel, running sequentially.
[2026-01-03 15:17:39,183] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 0.38022518157958984
[2026-01-03 15:17:39,184] [DEBUG] [axolotl.utils.samplers.multipack.pack_parallel:177] [PID:284] Using single process for pack_parallel, running sequentially.
[2026-01-03 15:17:39,513] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 0.3299715518951416
[2026-01-03 15:17:39,557] [INFO] [axolotl.utils.samplers.multipack.calc_min_len:438] [PID:284] gather_len_batches: [1]
[2026-01-03 15:17:39,558] [DEBUG] [axolotl.utils.trainer.calculate_total_num_steps:483] [PID:284] data_loader_len: 1
[2026-01-03 15:17:39,558] [INFO] [axolotl.utils.trainer.calc_sample_packing_eff_est:499] [PID:284] sample_packing_eff_est across ranks: [0.54241943359375]
[2026-01-03 15:17:39,558] [DEBUG] [axolotl.utils.trainer.calculate_total_num_steps:511] [PID:284] sample_packing_eff_est: None
[2026-01-03 15:17:39,558] [DEBUG] [axolotl.utils.trainer.calculate_total_num_steps:522] [PID:284] total_num_steps: 3
[2026-01-03 15:17:39,589] [DEBUG] [axolotl.utils.trainer.calculate_total_num_steps:406] [PID:284] total_num_tokens: 150_536
[2026-01-03 15:17:39,600] [DEBUG] [axolotl.utils.trainer.calculate_total_num_steps:424] [PID:284] `total_supervised_tokens: 110_596`
[2026-01-03 15:17:39,637] [DEBUG] [axolotl.utils.samplers.multipack.pack_parallel:177] [PID:284] Using single process for pack_parallel, running sequentially.
[2026-01-03 15:17:40,084] [DEBUG] [axolotl.utils.samplers.multipack.pack_parallel:177] [PID:284] Using single process for pack_parallel, running sequentially.
[2026-01-03 15:17:40,417] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 0.3335990905761719
[2026-01-03 15:17:40,418] [DEBUG] [axolotl.utils.samplers.multipack.pack_parallel:177] [PID:284] Using single process for pack_parallel, running sequentially.
[2026-01-03 15:17:40,757] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 0.33975672721862793
[2026-01-03 15:17:40,758] [DEBUG] [axolotl.utils.samplers.multipack.pack_parallel:177] [PID:284] Using single process for pack_parallel, running sequentially.
[2026-01-03 15:17:41,089] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 0.3313770294189453
[2026-01-03 15:17:41,089] [DEBUG] [axolotl.utils.samplers.multipack.pack_parallel:177] [PID:284] Using single process for pack_parallel, running sequentially.
[2026-01-03 15:17:41,419] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 0.32965993881225586
[2026-01-03 15:17:41,419] [INFO] [axolotl.utils.samplers.multipack.calc_min_len:438] [PID:284] gather_len_batches: [10]
[2026-01-03 15:17:41,419] [DEBUG] [axolotl.utils.trainer.calculate_total_num_steps:483] [PID:284] data_loader_len: 2
[2026-01-03 15:17:41,419] [INFO] [axolotl.utils.trainer.calc_sample_packing_eff_est:499] [PID:284] sample_packing_eff_est across ranks: [0.918798828125]
[2026-01-03 15:17:41,419] [DEBUG] [axolotl.utils.trainer.calculate_total_num_steps:511] [PID:284] sample_packing_eff_est: 0.92
[2026-01-03 15:17:41,420] [DEBUG] [axolotl.utils.trainer.calculate_total_num_steps:522] [PID:284] total_num_steps: 6
[2026-01-03 15:17:41,420] [INFO] [axolotl.utils.data.sft._prepare_standard_dataset:121] [PID:284] Maximum number of steps set at 6
[2026-01-03 15:17:41,527] [DEBUG] [axolotl.train.setup_model_and_tokenizer:70] [PID:284] loading tokenizer... Qwen/Qwen3-4B-Instruct-2507
[2026-01-03 15:17:42,820] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:280] [PID:284] EOS: 151645 / <|im_end|>
[2026-01-03 15:17:42,821] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:281] [PID:284] BOS: None / None
[2026-01-03 15:17:42,821] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:282] [PID:284] PAD: 151643 / <|endoftext|>
[2026-01-03 15:17:42,821] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:283] [PID:284] UNK: None / None
[2026-01-03 15:17:42,821] [DEBUG] [axolotl.train.setup_model_and_tokenizer:82] [PID:284] Loading model
[2026-01-03 15:17:42,956] [DEBUG] [axolotl.monkeypatch.transformers.trainer_loss_calc.patch_evaluation_loop:87] [PID:284] Patched Trainer.evaluation_loop with nanmean loss calculation
[2026-01-03 15:17:42,961] [DEBUG] [axolotl.monkeypatch.transformers.trainer_loss_calc.patch_maybe_log_save_evaluate:138] [PID:284] Patched Trainer._maybe_log_save_evaluate with nanmean loss calculation
[2026-01-03 15:17:42,961] [INFO] [axolotl.loaders.patch_manager._apply_multipack_patches:301] [PID:284] Applying multipack dataloader patch for sample packing...
model.safetensors.index.json: 0.00B [00:00, ?B/s]
model.safetensors.index.json: 32.8kB [00:00, 47.6MB/s]
model-00001-of-00003.safetensors: 0%| | 0.00/3.96G [00:00<?, ?B/s]
model-00001-of-00003.safetensors: 0%| | 630k/3.96G [00:00<1:33:08, 708kB/s]
model-00001-of-00003.safetensors: 0%| | 2.15M/3.96G [00:01<35:41, 1.85MB/s]
model-00001-of-00003.safetensors: 3%|█████ | 136M/3.96G [00:01<00:24, 158MB/s]
model-00001-of-00003.safetensors: 5%|███████▌ | 203M/3.96G [00:01<00:21, 178MB/s]
model-00001-of-00003.safetensors: 15%|██████████████████████▋ | 606M/3.96G [00:01<00:05, 641MB/s]
model-00001-of-00003.safetensors: 19%|███████████████████████████▋ | 741M/3.96G [00:02<00:04, 696MB/s]
model-00001-of-00003.safetensors: 22%|████████████████████████████████▊ | 878M/3.96G [00:02<00:04, 752MB/s]
model-00001-of-00003.safetensors: 26%|█████████████████████████████████████▌ | 1.01G/3.96G [00:02<00:03, 747MB/s]
model-00001-of-00003.safetensors: 29%|██████████████████████████████████████████▌ | 1.15G/3.96G [00:02<00:03, 789MB/s]
model-00001-of-00003.safetensors: 32%|███████████████████████████████████████████████▌ | 1.28G/3.96G [00:02<00:03, 842MB/s]
model-00001-of-00003.safetensors: 36%|████████████████████████████████████████████████████▌ | 1.41G/3.96G [00:02<00:02, 894MB/s]
model-00001-of-00003.safetensors: 39%|█████████████████████████████████████████████████████████▌ | 1.55G/3.96G [00:02<00:02, 917MB/s]
model-00001-of-00003.safetensors: 43%|██████████████████████████████████████████████████████████████▍ | 1.68G/3.96G [00:03<00:02, 933MB/s]
model-00001-of-00003.safetensors: 46%|███████████████████████████████████████████████████████████████████▍ | 1.82G/3.96G [00:03<00:02, 937MB/s]
model-00001-of-00003.safetensors: 49%|████████████████████████████████████████████████████████████████████████▍ | 1.95G/3.96G [00:03<00:02, 768MB/s]
model-00001-of-00003.safetensors: 56%|█████████████████████████████████████████████████████████████████████████████████▊ | 2.22G/3.96G [00:03<00:01, 1.07GB/s]
model-00001-of-00003.safetensors: 59%|██████████████████████████████████████████████████████████████████████████████████████▊ | 2.35G/3.96G [00:03<00:01, 1.06GB/s]
model-00001-of-00003.safetensors: 63%|███████████████████████████████████████████████████████████████████████████████████████████▋ | 2.49G/3.96G [00:03<00:01, 1.04GB/s]
model-00001-of-00003.safetensors: 66%|████████████████████████████████████████████████████████████████████████████████████████████████▋ | 2.62G/3.96G [00:04<00:01, 1.04GB/s]
model-00001-of-00003.safetensors: 70%|█████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 2.75G/3.96G [00:04<00:01, 1.03GB/s]
model-00001-of-00003.safetensors: 73%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 2.89G/3.96G [00:04<00:01, 1.00GB/s]
model-00001-of-00003.safetensors: 76%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 3.02G/3.96G [00:04<00:00, 1.02GB/s]
model-00001-of-00003.safetensors: 80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 3.16G/3.96G [00:04<00:00, 1.03GB/s]
model-00001-of-00003.safetensors: 83%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 3.29G/3.96G [00:04<00:00, 1.04GB/s]
model-00001-of-00003.safetensors: 86%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 3.42G/3.96G [00:04<00:00, 1.05GB/s]
model-00001-of-00003.safetensors: 90%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 3.56G/3.96G [00:04<00:00, 1.06GB/s]
model-00001-of-00003.safetensors: 93%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 3.69G/3.96G [00:05<00:00, 1.02GB/s]
model-00001-of-00003.safetensors: 97%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 3.82G/3.96G [00:05<00:00, 1.02GB/s]
model-00001-of-00003.safetensors: 100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 3.96G/3.96G [00:05<00:00, 1.02GB/s]
model-00001-of-00003.safetensors: 100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 3.96G/3.96G [00:05<00:00, 746MB/s]
model-00002-of-00003.safetensors: 0%| | 0.00/3.99G [00:00<?, ?B/s]
model-00002-of-00003.safetensors: 0%| | 880k/3.99G [00:00<1:04:55, 1.02MB/s]
model-00002-of-00003.safetensors: 0%| | 2.56M/3.99G [00:01<27:15, 2.44MB/s]
model-00002-of-00003.safetensors: 2%|██▌ | 69.6M/3.99G [00:01<00:46, 84.8MB/s]
model-00002-of-00003.safetensors: 5%|███████▌ | 204M/3.99G [00:01<00:20, 183MB/s]
model-00002-of-00003.safetensors: 14%|████████████████████ | 542M/3.99G [00:01<00:06, 555MB/s]
model-00002-of-00003.safetensors: 17%|█████████████████████████ | 676M/3.99G [00:02<00:05, 648MB/s]
model-00002-of-00003.safetensors: 20%|██████████████████████████████ | 810M/3.99G [00:02<00:04, 733MB/s]
model-00002-of-00003.safetensors: 24%|███████████████████████████████████ | 943M/3.99G [00:02<00:04, 730MB/s]
model-00002-of-00003.safetensors: 29%|██████████████████████████████████████████▏ | 1.14G/3.99G [00:02<00:03, 876MB/s]
model-00002-of-00003.safetensors: 32%|███████████████████████████████████████████████▏ | 1.28G/3.99G [00:02<00:03, 884MB/s]
model-00002-of-00003.safetensors: 35%|████████████████████████████████████████████████████ | 1.41G/3.99G [00:02<00:02, 921MB/s]
model-00002-of-00003.safetensors: 40%|██████████████████████████████████████████████████████████▏ | 1.58G/3.99G [00:02<00:02, 949MB/s]
model-00002-of-00003.safetensors: 43%|███████████████████████████████████████████████████████████████ | 1.71G/3.99G [00:03<00:02, 935MB/s]
model-00002-of-00003.safetensors: 46%|████████████████████████████████████████████████████████████████████ | 1.85G/3.99G [00:03<00:02, 943MB/s]
model-00002-of-00003.safetensors: 50%|████████████████████████████████████████████████████████████████████████▉ | 1.98G/3.99G [00:03<00:02, 982MB/s]
model-00002-of-00003.safetensors: 53%|█████████████████████████████████████████████████████████████████████████████▉ | 2.11G/3.99G [00:03<00:01, 996MB/s]
model-00002-of-00003.safetensors: 56%|██████████████████████████████████████████████████████████████████████████████████▉ | 2.25G/3.99G [00:03<00:01, 980MB/s]
model-00002-of-00003.safetensors: 60%|███████████████████████████████████████████████████████████████████████████████████████▏ | 2.38G/3.99G [00:03<00:01, 1.00GB/s]
model-00002-of-00003.safetensors: 63%|████████████████████████████████████████████████████████████████████████████████████████████▏ | 2.52G/3.99G [00:03<00:01, 1.00GB/s]
model-00002-of-00003.safetensors: 66%|████████████████████████████████████████████████████████████████████████████████████████████████▉ | 2.65G/3.99G [00:04<00:01, 1.01GB/s]
model-00002-of-00003.safetensors: 70%|██████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 2.78G/3.99G [00:04<00:01, 957MB/s]
model-00002-of-00003.safetensors: 73%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 2.92G/3.99G [00:04<00:01, 1.02GB/s]
model-00002-of-00003.safetensors: 76%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 3.05G/3.99G [00:04<00:00, 1.01GB/s]
model-00002-of-00003.safetensors: 80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 3.18G/3.99G [00:04<00:00, 1.02GB/s]
model-00002-of-00003.safetensors: 83%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 3.32G/3.99G [00:04<00:00, 993MB/s]
model-00002-of-00003.safetensors: 87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 3.45G/3.99G [00:04<00:00, 984MB/s]
model-00002-of-00003.safetensors: 90%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 3.59G/3.99G [00:04<00:00, 1.00GB/s]
model-00002-of-00003.safetensors: 93%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 3.72G/3.99G [00:05<00:00, 991MB/s]
model-00002-of-00003.safetensors: 97%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 3.85G/3.99G [00:05<00:00, 988MB/s]
model-00002-of-00003.safetensors: 100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 3.99G/3.99G [00:05<00:00, 1.01GB/s]
model-00002-of-00003.safetensors: 100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 3.99G/3.99G [00:05<00:00, 743MB/s]
model-00003-of-00003.safetensors: 0%| | 0.00/99.6M [00:00<?, ?B/s]
model-00003-of-00003.safetensors: 33%|███████████████████████████████████████████████▋ | 32.6M/99.6M [00:00<00:01, 49.6MB/s]
model-00003-of-00003.safetensors: 100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 99.6M/99.6M [00:00<00:00, 114MB/s]
model-00003-of-00003.safetensors: 100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 99.6M/99.6M [00:00<00:00, 101MB/s]
Loading checkpoint shards: 0%| | 0/3 [00:00<?, ?it/s]
Loading checkpoint shards: 67%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 2/3 [00:00<00:00, 20.00it/s]
Loading checkpoint shards: 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 3/3 [00:00<00:00, 29.22it/s]
generation_config.json: 0%| | 0.00/238 [00:00<?, ?B/s]
generation_config.json: 100%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 238/238 [00:00<00:00, 938kB/s]
[2026-01-03 15:17:57,914] [INFO] [axolotl.loaders.model._configure_embedding_dtypes:347] [PID:284] Converting modules to torch.bfloat16
[2026-01-03 15:17:59,169] [DEBUG] [axolotl.loaders.model.log_gpu_memory_usage:127] [PID:284] Memory usage after model load 0.000GB ()
[2026-01-03 15:18:21,194] [INFO] [axolotl.train.save_initial_configs:417] [PID:284] Pre-saving tokenizer to ./tieto-code-mini-4b-instruct...
[2026-01-03 15:18:21,607] [INFO] [axolotl.train.save_initial_configs:422] [PID:284] Pre-saving model config to ./tieto-code-mini-4b-instruct...
[2026-01-03 15:18:21,614] [INFO] [axolotl.train.execute_training:212] [PID:284] Starting trainer...
[2026-01-03 15:18:24,659] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 1.132145643234253
[2026-01-03 15:18:25,818] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 1.1583445072174072
[2026-01-03 15:18:26,866] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 1.0472462177276611
[2026-01-03 15:18:27,906] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 1.0393366813659668
[2026-01-03 15:18:27,906] [INFO] [axolotl.utils.samplers.multipack.calc_min_len:438] [PID:284] gather_len_batches: [10]
0%| | 0/6 [00:00<?, ?it/s][2026-01-03 15:18:28,025] [INFO] [axolotl.core.trainers.base.evaluate:388] [PID:284] Running evaluation step...
[2026-01-03 15:18:30,107] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 1.0382018089294434
[2026-01-03 15:18:31,265] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 1.1572446823120117
[2026-01-03 15:18:32,337] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 1.0719947814941406
[2026-01-03 15:18:33,406] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 1.0679423809051514
[2026-01-03 15:18:33,407] [INFO] [axolotl.utils.samplers.multipack.calc_min_len:438] [PID:284] gather_len_batches: [1]
0%| | 0/1 [00:00<?, ?it/s][A
[A{'eval_loss': 3.1398396492004395, 'eval_runtime': 2.9112, 'eval_samples_per_second': 8.931, 'eval_steps_per_second': 4.465, 'eval_ppl': 23.1002, 'memory/max_active (GiB)': 30.84, 'memory/max_allocated (GiB)': 30.84, 'memory/device_reserved (GiB)': 32.58, 'epoch': 0}
0%| | 0/6 [00:08<?, ?it/s]
100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 1/1 [00:00<00:00, 116.42it/s][A
[A
17%|███████████████████████████████▏ | 1/6 [00:18<01:31, 18.36s/it]
{'loss': 3.1865, 'grad_norm': 37.0, 'learning_rate': 0.0, 'ppl': 24.2036, 'memory/max_active (GiB)': 46.07, 'memory/max_allocated (GiB)': 46.07, 'memory/device_reserved (GiB)': 51.24, 'tokens_per_second_per_gpu': 8211.09, 'total_tokens': 54696, 'epoch': 0.4}
17%|███████████████████████████████▏ | 1/6 [00:18<01:31, 18.36s/it][2026-01-03 15:18:46,390] [INFO] [axolotl.core.trainers.base.evaluate:388] [PID:284] Running evaluation step...
[2026-01-03 15:18:48,760] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 1.101508617401123
[2026-01-03 15:18:49,874] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 1.1127257347106934
[2026-01-03 15:18:50,996] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 1.1217362880706787
[2026-01-03 15:18:52,117] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 1.1201398372650146
[2026-01-03 15:18:52,117] [INFO] [axolotl.utils.samplers.multipack.calc_min_len:438] [PID:284] gather_len_batches: [1]
0%| | 0/1 [00:00<?, ?it/s][A
[A{'eval_loss': 3.1398396492004395, 'eval_runtime': 1.88, 'eval_samples_per_second': 13.83, 'eval_steps_per_second': 6.915, 'eval_ppl': 23.1002, 'memory/max_active (GiB)': 40.65, 'memory/max_allocated (GiB)': 40.65, 'memory/device_reserved (GiB)': 51.24, 'epoch': 0.4}
17%|███████████████████████████████▏ | 1/6 [00:25<01:31, 18.36s/it]
100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 1/1 [00:00<00:00, 20.14it/s][A
[A
33%|██████████████████████████████████████████████████████████████▎ | 2/6 [00:32<01:03, 15.79s/it]
{'loss': 3.2114, 'grad_norm': 37.25, 'learning_rate': 2.0000000000000003e-06, 'ppl': 24.8138, 'memory/max_active (GiB)': 55.84, 'memory/max_allocated (GiB)': 55.84, 'memory/device_reserved (GiB)': 60.51, 'tokens_per_second_per_gpu': 7540.09, 'total_tokens': 109425, 'epoch': 0.8}
33%|██████████████████████████████████████████████████████████████▎ | 2/6 [00:32<01:03, 15.79s/it][2026-01-03 15:19:00,384] [INFO] [axolotl.core.trainers.base.evaluate:388] [PID:284] Running evaluation step...
[2026-01-03 15:19:02,683] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 1.1525053977966309
[2026-01-03 15:19:03,815] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 1.131868600845337
[2026-01-03 15:19:04,916] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 1.099958896636963
[2026-01-03 15:19:06,081] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 1.1644210815429688
[2026-01-03 15:19:06,081] [INFO] [axolotl.utils.samplers.multipack.calc_min_len:438] [PID:284] gather_len_batches: [1]
0%| | 0/1 [00:00<?, ?it/s][A
[A{'eval_loss': 3.0861029624938965, 'eval_runtime': 1.9265, 'eval_samples_per_second': 13.496, 'eval_steps_per_second': 6.748, 'eval_ppl': 21.8916, 'memory/max_active (GiB)': 40.65, 'memory/max_allocated (GiB)': 40.65, 'memory/device_reserved (GiB)': 60.51, 'epoch': 0.8}
33%|██████████████████████████████████████████████████████████████▎ | 2/6 [00:39<01:03, 15.79s/it]
100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 1/1 [00:00<00:00, 20.09it/s][A
[A[2026-01-03 15:19:08,022] [INFO] [axolotl.core.trainers.base._save:692] [PID:284] Saving model checkpoint to ./tieto-code-mini-4b-instruct/checkpoint-2
50%|█████████████████████████████████████████████████████████████████████████████████████████████▌ | 3/6 [01:44<02:04, 41.57s/it]
{'loss': 3.1362, 'grad_norm': 35.5, 'learning_rate': 4.000000000000001e-06, 'ppl': 23.0162, 'memory/max_active (GiB)': 48.34, 'memory/max_allocated (GiB)': 48.34, 'memory/device_reserved (GiB)': 60.52, 'tokens_per_second_per_gpu': 5555.06, 'total_tokens': 130768, 'epoch': 1.0}
50%|█████████████████████████████████████████████████████████████████████████████████████████████▌ | 3/6 [01:44<02:04, 41.57s/it][2026-01-03 15:20:12,627] [INFO] [axolotl.core.trainers.base.evaluate:388] [PID:284] Running evaluation step...
[2026-01-03 15:20:15,379] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 1.314366102218628
[2026-01-03 15:20:16,662] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 1.2827715873718262
[2026-01-03 15:20:17,967] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 1.304215431213379
[2026-01-03 15:20:19,242] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 1.2750258445739746
[2026-01-03 15:20:19,243] [INFO] [axolotl.utils.samplers.multipack.calc_min_len:438] [PID:284] gather_len_batches: [1]
0%| | 0/1 [00:00<?, ?it/s][A
[A{'eval_loss': 2.908294916152954, 'eval_runtime': 2.149, 'eval_samples_per_second': 12.099, 'eval_steps_per_second': 6.049, 'eval_ppl': 18.3255, 'memory/max_active (GiB)': 40.65, 'memory/max_allocated (GiB)': 40.65, 'memory/device_reserved (GiB)': 60.52, 'epoch': 1.0}
50%|█████████████████████████████████████████████████████████████████████████████████████████████▌ | 3/6 [01:53<02:04, 41.57s/it]
100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 1/1 [00:00<00:00, 20.02it/s][A
[A
67%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 4/6 [02:03<01:05, 32.65s/it]
{'loss': 2.9691, 'grad_norm': 31.125, 'learning_rate': 6e-06, 'ppl': 19.4744, 'memory/max_active (GiB)': 55.84, 'memory/max_allocated (GiB)': 55.84, 'memory/device_reserved (GiB)': 60.52, 'tokens_per_second_per_gpu': 7579.19, 'total_tokens': 185778, 'epoch': 1.4}
67%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 4/6 [02:03<01:05, 32.65s/it][2026-01-03 15:20:31,608] [INFO] [axolotl.core.trainers.base.evaluate:388] [PID:284] Running evaluation step...
[2026-01-03 15:20:34,397] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 1.3423559665679932
[2026-01-03 15:20:35,906] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 1.5087320804595947
[2026-01-03 15:20:37,385] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 1.478161096572876
[2026-01-03 15:20:38,712] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 1.3267621994018555
[2026-01-03 15:20:38,712] [INFO] [axolotl.utils.samplers.multipack.calc_min_len:438] [PID:284] gather_len_batches: [1]
0%| | 0/1 [00:00<?, ?it/s][A
[A{'eval_loss': 2.72947359085083, 'eval_runtime': 2.1836, 'eval_samples_per_second': 11.907, 'eval_steps_per_second': 5.953, 'eval_ppl': 15.3248, 'memory/max_active (GiB)': 40.65, 'memory/max_allocated (GiB)': 40.65, 'memory/device_reserved (GiB)': 60.52, 'epoch': 1.4}
67%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 4/6 [02:12<01:05, 32.65s/it]
100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 1/1 [00:00<00:00, 20.22it/s][A
[A[2026-01-03 15:20:40,912] [INFO] [axolotl.core.trainers.base._save:692] [PID:284] Saving model checkpoint to ./tieto-code-mini-4b-instruct/checkpoint-4
83%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 5/6 [03:19<00:48, 48.24s/it]
{'loss': 2.7408, 'grad_norm': 22.125, 'learning_rate': 8.000000000000001e-06, 'ppl': 15.4994, 'memory/max_active (GiB)': 55.84, 'memory/max_allocated (GiB)': 55.84, 'memory/device_reserved (GiB)': 60.52, 'tokens_per_second_per_gpu': 7537.94, 'total_tokens': 240377, 'epoch': 1.8}
83%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 5/6 [03:19<00:48, 48.24s/it][2026-01-03 15:21:47,499] [INFO] [axolotl.core.trainers.base.evaluate:388] [PID:284] Running evaluation step...
[2026-01-03 15:21:50,502] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 1.5038812160491943
[2026-01-03 15:21:51,792] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 1.288691759109497
[2026-01-03 15:21:53,079] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 1.2864303588867188
[2026-01-03 15:21:54,394] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 1.3142154216766357
[2026-01-03 15:21:54,394] [INFO] [axolotl.utils.samplers.multipack.calc_min_len:438] [PID:284] gather_len_batches: [1]
0%| | 0/1 [00:00<?, ?it/s][A
[A{'eval_loss': 2.5420169830322266, 'eval_runtime': 2.3069, 'eval_samples_per_second': 11.27, 'eval_steps_per_second': 5.635, 'eval_ppl': 12.7053, 'memory/max_active (GiB)': 40.65, 'memory/max_allocated (GiB)': 40.65, 'memory/device_reserved (GiB)': 60.52, 'epoch': 1.8}
83%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 5/6 [03:28<00:48, 48.24s/it]
100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 1/1 [00:00<00:00, 20.04it/s][A
[A
100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 6/6 [03:31<00:00, 35.95s/it]
{'loss': 2.5747, 'grad_norm': 11.25, 'learning_rate': 1e-05, 'ppl': 13.1274, 'memory/max_active (GiB)': 48.34, 'memory/max_allocated (GiB)': 48.34, 'memory/device_reserved (GiB)': 60.52, 'tokens_per_second_per_gpu': 5517.82, 'total_tokens': 261536, 'epoch': 2.0}
100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 6/6 [03:31<00:00, 35.95s/it][2026-01-03 15:21:59,590] [INFO] [axolotl.core.trainers.base.evaluate:388] [PID:284] Running evaluation step...
[2026-01-03 15:22:02,502] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 1.2924823760986328
[2026-01-03 15:22:03,963] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 1.4604885578155518
[2026-01-03 15:22:05,262] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 1.2980804443359375
[2026-01-03 15:22:06,512] [DEBUG] [axolotl.utils.samplers.multipack.__len__:462] [PID:284] generate_batches time: 1.2491240501403809
[2026-01-03 15:22:06,512] [INFO] [axolotl.utils.samplers.multipack.calc_min_len:438] [PID:284] gather_len_batches: [1]
0%| | 0/1 [00:00<?, ?it/s][A
[A{'eval_loss': 2.455676555633545, 'eval_runtime': 2.0695, 'eval_samples_per_second': 12.563, 'eval_steps_per_second': 6.282, 'eval_ppl': 11.6543, 'memory/max_active (GiB)': 40.65, 'memory/max_allocated (GiB)': 40.65, 'memory/device_reserved (GiB)': 60.52, 'epoch': 2.0}
100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 6/6 [03:40<00:00, 35.95s/it]
100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 1/1 [00:00<00:00, 19.90it/s][A
[A[2026-01-03 15:22:08,596] [INFO] [axolotl.core.trainers.base._save:692] [PID:284] Saving model checkpoint to ./tieto-code-mini-4b-instruct/checkpoint-6
{'train_runtime': 279.4175, 'train_samples_per_second': 0.172, 'train_steps_per_second': 0.021, 'train_loss': 2.9697999954223633, 'memory/max_active (GiB)': 17.39, 'memory/max_allocated (GiB)': 17.39, 'memory/device_reserved (GiB)': 60.52, 'epoch': 2.0}
100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 6/6 [04:39<00:00, 35.95s/it]
100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 6/6 [04:39<00:00, 46.57s/it]
[2026-01-03 15:23:07,487] [INFO] [axolotl.train.save_trained_model:233] [PID:284] Training completed! Saving trained model to ./tieto-code-mini-4b-instruct.
[2026-01-03 15:23:37,492] [INFO] [axolotl.train.save_trained_model:351] [PID:284] Model successfully saved to ./tieto-code-mini-4b-instruct
[0m |