File size: 6,609 Bytes
dcedcbd
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
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
{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 2.9979315099977017,
  "eval_steps": 500,
  "global_step": 3261,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.09193288899103655,
      "grad_norm": 0.15536943078041077,
      "learning_rate": 0.00019988036932954271,
      "loss": 0.8236,
      "step": 100
    },
    {
      "epoch": 0.1838657779820731,
      "grad_norm": 0.16779352724552155,
      "learning_rate": 0.00019892504066072438,
      "loss": 0.6327,
      "step": 200
    },
    {
      "epoch": 0.2757986669731096,
      "grad_norm": 0.21519789099693298,
      "learning_rate": 0.0001970235207829469,
      "loss": 0.5599,
      "step": 300
    },
    {
      "epoch": 0.3677315559641462,
      "grad_norm": 0.1756363958120346,
      "learning_rate": 0.0001941939972186009,
      "loss": 0.5278,
      "step": 400
    },
    {
      "epoch": 0.4596644449551827,
      "grad_norm": 0.19388951361179352,
      "learning_rate": 0.00019046353359388504,
      "loss": 0.4978,
      "step": 500
    },
    {
      "epoch": 0.5515973339462192,
      "grad_norm": 0.2049034982919693,
      "learning_rate": 0.00018586781078255458,
      "loss": 0.4743,
      "step": 600
    },
    {
      "epoch": 0.6435302229372558,
      "grad_norm": 0.1463390439748764,
      "learning_rate": 0.00018045078562803203,
      "loss": 0.4456,
      "step": 700
    },
    {
      "epoch": 0.7354631119282924,
      "grad_norm": 0.19917741417884827,
      "learning_rate": 0.0001742642705081106,
      "loss": 0.4407,
      "step": 800
    },
    {
      "epoch": 0.8273960009193289,
      "grad_norm": 0.19318071007728577,
      "learning_rate": 0.00016736743776359978,
      "loss": 0.421,
      "step": 900
    },
    {
      "epoch": 0.9193288899103654,
      "grad_norm": 0.1719323843717575,
      "learning_rate": 0.00015982625373091875,
      "loss": 0.409,
      "step": 1000
    },
    {
      "epoch": 1.011261778901402,
      "grad_norm": 0.2220071256160736,
      "learning_rate": 0.00015171284779196334,
      "loss": 0.3985,
      "step": 1100
    },
    {
      "epoch": 1.1031946678924385,
      "grad_norm": 0.14137883484363556,
      "learning_rate": 0.00014310482247611208,
      "loss": 0.3805,
      "step": 1200
    },
    {
      "epoch": 1.1951275568834752,
      "grad_norm": 0.14456775784492493,
      "learning_rate": 0.00013408451121306046,
      "loss": 0.3747,
      "step": 1300
    },
    {
      "epoch": 1.2870604458745116,
      "grad_norm": 0.1589755117893219,
      "learning_rate": 0.0001247381908358749,
      "loss": 0.3716,
      "step": 1400
    },
    {
      "epoch": 1.378993334865548,
      "grad_norm": 0.20999275147914886,
      "learning_rate": 0.00011515525636646231,
      "loss": 0.3618,
      "step": 1500
    },
    {
      "epoch": 1.4709262238565848,
      "grad_norm": 0.15207038819789886,
      "learning_rate": 0.00010542736597640826,
      "loss": 0.3595,
      "step": 1600
    },
    {
      "epoch": 1.5628591128476212,
      "grad_norm": 0.13484518229961395,
      "learning_rate": 9.564756430140164e-05,
      "loss": 0.3581,
      "step": 1700
    },
    {
      "epoch": 1.6547920018386577,
      "grad_norm": 0.1453435719013214,
      "learning_rate": 8.590939249450595e-05,
      "loss": 0.3561,
      "step": 1800
    },
    {
      "epoch": 1.7467248908296944,
      "grad_norm": 0.16422341763973236,
      "learning_rate": 7.630599353037633e-05,
      "loss": 0.3564,
      "step": 1900
    },
    {
      "epoch": 1.8386577798207309,
      "grad_norm": 0.13742196559906006,
      "learning_rate": 6.692922131794517e-05,
      "loss": 0.353,
      "step": 2000
    },
    {
      "epoch": 1.9305906688117673,
      "grad_norm": 0.1561811864376068,
      "learning_rate": 5.7868762142672204e-05,
      "loss": 0.3531,
      "step": 2100
    },
    {
      "epoch": 2.022523557802804,
      "grad_norm": 0.13941729068756104,
      "learning_rate": 4.9211276841525744e-05,
      "loss": 0.3438,
      "step": 2200
    },
    {
      "epoch": 2.1144564467938407,
      "grad_norm": 0.13483913242816925,
      "learning_rate": 4.103957191555876e-05,
      "loss": 0.339,
      "step": 2300
    },
    {
      "epoch": 2.206389335784877,
      "grad_norm": 0.16717399656772614,
      "learning_rate": 3.343180750816377e-05,
      "loss": 0.3386,
      "step": 2400
    },
    {
      "epoch": 2.2983222247759136,
      "grad_norm": 0.14586015045642853,
      "learning_rate": 2.6460749824479912e-05,
      "loss": 0.3313,
      "step": 2500
    },
    {
      "epoch": 2.3902551137669503,
      "grad_norm": 0.14884348213672638,
      "learning_rate": 2.019307514235741e-05,
      "loss": 0.3344,
      "step": 2600
    },
    {
      "epoch": 2.4821880027579866,
      "grad_norm": 0.15428389608860016,
      "learning_rate": 1.4688732071827094e-05,
      "loss": 0.3321,
      "step": 2700
    },
    {
      "epoch": 2.5741208917490233,
      "grad_norm": 0.1362064927816391,
      "learning_rate": 1.0000368162888795e-05,
      "loss": 0.3364,
      "step": 2800
    },
    {
      "epoch": 2.66605378074006,
      "grad_norm": 0.1446692794561386,
      "learning_rate": 6.1728263459614796e-06,
      "loss": 0.3364,
      "step": 2900
    },
    {
      "epoch": 2.757986669731096,
      "grad_norm": 0.14172622561454773,
      "learning_rate": 3.2427160214043793e-06,
      "loss": 0.3358,
      "step": 3000
    },
    {
      "epoch": 2.849919558722133,
      "grad_norm": 0.14800885319709778,
      "learning_rate": 1.2380629005222855e-06,
      "loss": 0.3341,
      "step": 3100
    },
    {
      "epoch": 2.9418524477131696,
      "grad_norm": 0.1342545449733734,
      "learning_rate": 1.7804094723098408e-07,
      "loss": 0.3333,
      "step": 3200
    }
  ],
  "logging_steps": 100,
  "max_steps": 3261,
  "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": 3.206758990180516e+17,
  "train_batch_size": 2,
  "trial_name": null,
  "trial_params": null
}