| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 5.0, | |
| "eval_steps": 500, | |
| "global_step": 75, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.06666666666666667, | |
| "grad_norm": 1.0890171527862549, | |
| "learning_rate": 5e-05, | |
| "loss": 0.9504, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.13333333333333333, | |
| "grad_norm": 1.0416314601898193, | |
| "learning_rate": 0.0001, | |
| "loss": 0.9342, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.2, | |
| "grad_norm": 0.869629442691803, | |
| "learning_rate": 0.00015000000000000001, | |
| "loss": 0.881, | |
| "step": 3 | |
| }, | |
| { | |
| "epoch": 0.26666666666666666, | |
| "grad_norm": 0.5775812268257141, | |
| "learning_rate": 0.0002, | |
| "loss": 0.8136, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.3333333333333333, | |
| "grad_norm": 0.4219946563243866, | |
| "learning_rate": 0.00019990212265199738, | |
| "loss": 0.8022, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 0.4, | |
| "grad_norm": 0.36623886227607727, | |
| "learning_rate": 0.00019960868220749448, | |
| "loss": 0.7536, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 0.4666666666666667, | |
| "grad_norm": 0.3498327434062958, | |
| "learning_rate": 0.00019912025308994148, | |
| "loss": 0.7613, | |
| "step": 7 | |
| }, | |
| { | |
| "epoch": 0.5333333333333333, | |
| "grad_norm": 0.3222409784793854, | |
| "learning_rate": 0.00019843779142227256, | |
| "loss": 0.7335, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 0.6, | |
| "grad_norm": 0.30498430132865906, | |
| "learning_rate": 0.0001975626331552507, | |
| "loss": 0.7342, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 0.6666666666666666, | |
| "grad_norm": 0.2843049168586731, | |
| "learning_rate": 0.00019649649145228102, | |
| "loss": 0.7494, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.7333333333333333, | |
| "grad_norm": 0.28558269143104553, | |
| "learning_rate": 0.00019524145333581317, | |
| "loss": 0.7202, | |
| "step": 11 | |
| }, | |
| { | |
| "epoch": 0.8, | |
| "grad_norm": 0.2747940719127655, | |
| "learning_rate": 0.00019379997560189675, | |
| "loss": 0.6978, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 0.8666666666666667, | |
| "grad_norm": 0.280610054731369, | |
| "learning_rate": 0.00019217488001088784, | |
| "loss": 0.712, | |
| "step": 13 | |
| }, | |
| { | |
| "epoch": 0.9333333333333333, | |
| "grad_norm": 0.26551946997642517, | |
| "learning_rate": 0.0001903693477637204, | |
| "loss": 0.6815, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 1.0, | |
| "grad_norm": 0.26354852318763733, | |
| "learning_rate": 0.0001883869132745561, | |
| "loss": 0.6705, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 1.0666666666666667, | |
| "grad_norm": 0.2972894608974457, | |
| "learning_rate": 0.00018623145725200278, | |
| "loss": 0.6399, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 1.1333333333333333, | |
| "grad_norm": 0.2863878905773163, | |
| "learning_rate": 0.00018390719910244487, | |
| "loss": 0.6012, | |
| "step": 17 | |
| }, | |
| { | |
| "epoch": 1.2, | |
| "grad_norm": 0.26009681820869446, | |
| "learning_rate": 0.00018141868867035745, | |
| "loss": 0.5994, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 1.2666666666666666, | |
| "grad_norm": 0.2787269651889801, | |
| "learning_rate": 0.00017877079733177184, | |
| "loss": 0.5932, | |
| "step": 19 | |
| }, | |
| { | |
| "epoch": 1.3333333333333333, | |
| "grad_norm": 0.2598305642604828, | |
| "learning_rate": 0.0001759687084583285, | |
| "loss": 0.574, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 1.4, | |
| "grad_norm": 0.27728283405303955, | |
| "learning_rate": 0.00017301790727058345, | |
| "loss": 0.5735, | |
| "step": 21 | |
| }, | |
| { | |
| "epoch": 1.4666666666666668, | |
| "grad_norm": 0.2823718786239624, | |
| "learning_rate": 0.00016992417010043142, | |
| "loss": 0.5756, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 1.5333333333333332, | |
| "grad_norm": 0.25957608222961426, | |
| "learning_rate": 0.0001666935530836651, | |
| "loss": 0.5275, | |
| "step": 23 | |
| }, | |
| { | |
| "epoch": 1.6, | |
| "grad_norm": 0.24662478268146515, | |
| "learning_rate": 0.0001633323803048047, | |
| "loss": 0.5476, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 1.6666666666666665, | |
| "grad_norm": 0.23672237992286682, | |
| "learning_rate": 0.00015984723141740576, | |
| "loss": 0.514, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 1.7333333333333334, | |
| "grad_norm": 0.23386318981647491, | |
| "learning_rate": 0.0001562449287640781, | |
| "loss": 0.5029, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 1.8, | |
| "grad_norm": 0.2601586878299713, | |
| "learning_rate": 0.00015253252402142988, | |
| "loss": 0.5334, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 1.8666666666666667, | |
| "grad_norm": 0.25172144174575806, | |
| "learning_rate": 0.00014871728439607966, | |
| "loss": 0.5153, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 1.9333333333333333, | |
| "grad_norm": 0.24073539674282074, | |
| "learning_rate": 0.00014480667839875786, | |
| "loss": 0.5375, | |
| "step": 29 | |
| }, | |
| { | |
| "epoch": 2.0, | |
| "grad_norm": 0.24093535542488098, | |
| "learning_rate": 0.0001408083612243465, | |
| "loss": 0.5012, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 2.066666666666667, | |
| "grad_norm": 0.2312004268169403, | |
| "learning_rate": 0.00013673015976647568, | |
| "loss": 0.4631, | |
| "step": 31 | |
| }, | |
| { | |
| "epoch": 2.1333333333333333, | |
| "grad_norm": 0.2351023256778717, | |
| "learning_rate": 0.00013258005729601177, | |
| "loss": 0.4647, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 2.2, | |
| "grad_norm": 0.22365152835845947, | |
| "learning_rate": 0.0001283661778334297, | |
| "loss": 0.4219, | |
| "step": 33 | |
| }, | |
| { | |
| "epoch": 2.2666666666666666, | |
| "grad_norm": 0.2297082245349884, | |
| "learning_rate": 0.00012409677024566144, | |
| "loss": 0.4349, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 2.3333333333333335, | |
| "grad_norm": 0.23444686830043793, | |
| "learning_rate": 0.00011978019209855174, | |
| "loss": 0.4285, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 2.4, | |
| "grad_norm": 0.25463634729385376, | |
| "learning_rate": 0.00011542489329653024, | |
| "loss": 0.427, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 2.466666666666667, | |
| "grad_norm": 0.2404577136039734, | |
| "learning_rate": 0.000111039399541527, | |
| "loss": 0.4204, | |
| "step": 37 | |
| }, | |
| { | |
| "epoch": 2.533333333333333, | |
| "grad_norm": 0.27046656608581543, | |
| "learning_rate": 0.00010663229564351041, | |
| "loss": 0.4349, | |
| "step": 38 | |
| }, | |
| { | |
| "epoch": 2.6, | |
| "grad_norm": 0.2494724541902542, | |
| "learning_rate": 0.00010221220871531869, | |
| "loss": 0.4269, | |
| "step": 39 | |
| }, | |
| { | |
| "epoch": 2.6666666666666665, | |
| "grad_norm": 0.25197190046310425, | |
| "learning_rate": 9.778779128468132e-05, | |
| "loss": 0.4022, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 2.7333333333333334, | |
| "grad_norm": 0.2529221177101135, | |
| "learning_rate": 9.336770435648964e-05, | |
| "loss": 0.4256, | |
| "step": 41 | |
| }, | |
| { | |
| "epoch": 2.8, | |
| "grad_norm": 0.26619741320610046, | |
| "learning_rate": 8.896060045847304e-05, | |
| "loss": 0.4239, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 2.8666666666666667, | |
| "grad_norm": 0.2642028033733368, | |
| "learning_rate": 8.457510670346976e-05, | |
| "loss": 0.414, | |
| "step": 43 | |
| }, | |
| { | |
| "epoch": 2.9333333333333336, | |
| "grad_norm": 0.2735430598258972, | |
| "learning_rate": 8.021980790144827e-05, | |
| "loss": 0.3948, | |
| "step": 44 | |
| }, | |
| { | |
| "epoch": 3.0, | |
| "grad_norm": 0.26235178112983704, | |
| "learning_rate": 7.590322975433857e-05, | |
| "loss": 0.4013, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 3.066666666666667, | |
| "grad_norm": 0.2630228102207184, | |
| "learning_rate": 7.163382216657034e-05, | |
| "loss": 0.3624, | |
| "step": 46 | |
| }, | |
| { | |
| "epoch": 3.1333333333333333, | |
| "grad_norm": 0.2455410361289978, | |
| "learning_rate": 6.741994270398826e-05, | |
| "loss": 0.3559, | |
| "step": 47 | |
| }, | |
| { | |
| "epoch": 3.2, | |
| "grad_norm": 0.25239506363868713, | |
| "learning_rate": 6.326984023352435e-05, | |
| "loss": 0.3297, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 3.2666666666666666, | |
| "grad_norm": 0.26092275977134705, | |
| "learning_rate": 5.91916387756535e-05, | |
| "loss": 0.3519, | |
| "step": 49 | |
| }, | |
| { | |
| "epoch": 3.3333333333333335, | |
| "grad_norm": 0.2558125853538513, | |
| "learning_rate": 5.5193321601242156e-05, | |
| "loss": 0.3467, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 3.4, | |
| "grad_norm": 0.2603452503681183, | |
| "learning_rate": 5.1282715603920374e-05, | |
| "loss": 0.3606, | |
| "step": 51 | |
| }, | |
| { | |
| "epoch": 3.466666666666667, | |
| "grad_norm": 0.2685030996799469, | |
| "learning_rate": 4.746747597857014e-05, | |
| "loss": 0.3385, | |
| "step": 52 | |
| }, | |
| { | |
| "epoch": 3.533333333333333, | |
| "grad_norm": 0.2547042965888977, | |
| "learning_rate": 4.375507123592194e-05, | |
| "loss": 0.3502, | |
| "step": 53 | |
| }, | |
| { | |
| "epoch": 3.6, | |
| "grad_norm": 0.25863558053970337, | |
| "learning_rate": 4.015276858259427e-05, | |
| "loss": 0.3353, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 3.6666666666666665, | |
| "grad_norm": 0.25985899567604065, | |
| "learning_rate": 3.6667619695195285e-05, | |
| "loss": 0.3314, | |
| "step": 55 | |
| }, | |
| { | |
| "epoch": 3.7333333333333334, | |
| "grad_norm": 0.2722785174846649, | |
| "learning_rate": 3.330644691633492e-05, | |
| "loss": 0.3224, | |
| "step": 56 | |
| }, | |
| { | |
| "epoch": 3.8, | |
| "grad_norm": 0.2661519944667816, | |
| "learning_rate": 3.0075829899568597e-05, | |
| "loss": 0.3487, | |
| "step": 57 | |
| }, | |
| { | |
| "epoch": 3.8666666666666667, | |
| "grad_norm": 0.2682656943798065, | |
| "learning_rate": 2.6982092729416587e-05, | |
| "loss": 0.3412, | |
| "step": 58 | |
| }, | |
| { | |
| "epoch": 3.9333333333333336, | |
| "grad_norm": 0.2595905363559723, | |
| "learning_rate": 2.403129154167153e-05, | |
| "loss": 0.3242, | |
| "step": 59 | |
| }, | |
| { | |
| "epoch": 4.0, | |
| "grad_norm": 0.2578358054161072, | |
| "learning_rate": 2.1229202668228197e-05, | |
| "loss": 0.306, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 4.066666666666666, | |
| "grad_norm": 0.2525722086429596, | |
| "learning_rate": 1.858131132964259e-05, | |
| "loss": 0.3234, | |
| "step": 61 | |
| }, | |
| { | |
| "epoch": 4.133333333333334, | |
| "grad_norm": 0.2557724118232727, | |
| "learning_rate": 1.609280089755515e-05, | |
| "loss": 0.2945, | |
| "step": 62 | |
| }, | |
| { | |
| "epoch": 4.2, | |
| "grad_norm": 0.2506673038005829, | |
| "learning_rate": 1.3768542747997215e-05, | |
| "loss": 0.3157, | |
| "step": 63 | |
| }, | |
| { | |
| "epoch": 4.266666666666667, | |
| "grad_norm": 0.25794729590415955, | |
| "learning_rate": 1.161308672544389e-05, | |
| "loss": 0.3085, | |
| "step": 64 | |
| }, | |
| { | |
| "epoch": 4.333333333333333, | |
| "grad_norm": 0.2558946907520294, | |
| "learning_rate": 9.630652236279625e-06, | |
| "loss": 0.3096, | |
| "step": 65 | |
| }, | |
| { | |
| "epoch": 4.4, | |
| "grad_norm": 0.25984814763069153, | |
| "learning_rate": 7.825119989112173e-06, | |
| "loss": 0.311, | |
| "step": 66 | |
| }, | |
| { | |
| "epoch": 4.466666666666667, | |
| "grad_norm": 0.24387367069721222, | |
| "learning_rate": 6.200024398103255e-06, | |
| "loss": 0.3083, | |
| "step": 67 | |
| }, | |
| { | |
| "epoch": 4.533333333333333, | |
| "grad_norm": 0.24648573994636536, | |
| "learning_rate": 4.758546664186869e-06, | |
| "loss": 0.2929, | |
| "step": 68 | |
| }, | |
| { | |
| "epoch": 4.6, | |
| "grad_norm": 0.24927794933319092, | |
| "learning_rate": 3.5035085477190143e-06, | |
| "loss": 0.312, | |
| "step": 69 | |
| }, | |
| { | |
| "epoch": 4.666666666666667, | |
| "grad_norm": 0.25699713826179504, | |
| "learning_rate": 2.4373668447493224e-06, | |
| "loss": 0.3157, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 4.733333333333333, | |
| "grad_norm": 0.25668400526046753, | |
| "learning_rate": 1.562208577727442e-06, | |
| "loss": 0.297, | |
| "step": 71 | |
| }, | |
| { | |
| "epoch": 4.8, | |
| "grad_norm": 0.25037774443626404, | |
| "learning_rate": 8.797469100585431e-07, | |
| "loss": 0.2887, | |
| "step": 72 | |
| }, | |
| { | |
| "epoch": 4.866666666666667, | |
| "grad_norm": 0.24792499840259552, | |
| "learning_rate": 3.913177925055189e-07, | |
| "loss": 0.3156, | |
| "step": 73 | |
| }, | |
| { | |
| "epoch": 4.933333333333334, | |
| "grad_norm": 0.2463802695274353, | |
| "learning_rate": 9.78773480026396e-08, | |
| "loss": 0.2867, | |
| "step": 74 | |
| }, | |
| { | |
| "epoch": 5.0, | |
| "grad_norm": 0.24436143040657043, | |
| "learning_rate": 0.0, | |
| "loss": 0.293, | |
| "step": 75 | |
| } | |
| ], | |
| "logging_steps": 1, | |
| "max_steps": 75, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 5, | |
| "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": 1.1357004270610022e+17, | |
| "train_batch_size": 1, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |