| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 0.6826666666666666, | |
| "eval_steps": 500, | |
| "global_step": 80, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.008533333333333334, | |
| "grad_norm": 100.21848203113535, | |
| "learning_rate": 0.0, | |
| "loss": 7.1962, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.017066666666666667, | |
| "grad_norm": 96.43006188910957, | |
| "learning_rate": 3.0102999566398115e-06, | |
| "loss": 6.9414, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.0256, | |
| "grad_norm": 97.35803466618715, | |
| "learning_rate": 4.771212547196624e-06, | |
| "loss": 7.0102, | |
| "step": 3 | |
| }, | |
| { | |
| "epoch": 0.034133333333333335, | |
| "grad_norm": 95.14837816372646, | |
| "learning_rate": 6.020599913279623e-06, | |
| "loss": 6.5295, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.042666666666666665, | |
| "grad_norm": 91.76544275692784, | |
| "learning_rate": 6.989700043360187e-06, | |
| "loss": 6.4806, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 0.0512, | |
| "grad_norm": 84.4494318688335, | |
| "learning_rate": 7.781512503836437e-06, | |
| "loss": 6.4194, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 0.05973333333333333, | |
| "grad_norm": 71.37977490595638, | |
| "learning_rate": 8.450980400142568e-06, | |
| "loss": 5.4953, | |
| "step": 7 | |
| }, | |
| { | |
| "epoch": 0.06826666666666667, | |
| "grad_norm": 49.31153456754566, | |
| "learning_rate": 9.030899869919434e-06, | |
| "loss": 5.4123, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 0.0768, | |
| "grad_norm": 20.37296364560341, | |
| "learning_rate": 9.542425094393249e-06, | |
| "loss": 5.2334, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 0.08533333333333333, | |
| "grad_norm": 7.968467079076881, | |
| "learning_rate": 9.999999999999999e-06, | |
| "loss": 5.0282, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.09386666666666667, | |
| "grad_norm": 3.559446532055649, | |
| "learning_rate": 1.041392685158225e-05, | |
| "loss": 4.612, | |
| "step": 11 | |
| }, | |
| { | |
| "epoch": 0.1024, | |
| "grad_norm": 3.5528846947995674, | |
| "learning_rate": 1.0791812460476248e-05, | |
| "loss": 4.9475, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 0.11093333333333333, | |
| "grad_norm": 3.541968897471334, | |
| "learning_rate": 1.1139433523068365e-05, | |
| "loss": 4.2777, | |
| "step": 13 | |
| }, | |
| { | |
| "epoch": 0.11946666666666667, | |
| "grad_norm": 3.54718070036198, | |
| "learning_rate": 1.1461280356782378e-05, | |
| "loss": 4.3507, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 0.128, | |
| "grad_norm": 3.8632334830606747, | |
| "learning_rate": 1.1760912590556813e-05, | |
| "loss": 4.5364, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 0.13653333333333334, | |
| "grad_norm": 3.6637424744054004, | |
| "learning_rate": 1.2041199826559246e-05, | |
| "loss": 3.9672, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 0.14506666666666668, | |
| "grad_norm": 3.919802904818311, | |
| "learning_rate": 1.230448921378274e-05, | |
| "loss": 4.0618, | |
| "step": 17 | |
| }, | |
| { | |
| "epoch": 0.1536, | |
| "grad_norm": 4.71904950738746, | |
| "learning_rate": 1.2552725051033058e-05, | |
| "loss": 4.6656, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 0.16213333333333332, | |
| "grad_norm": 4.6656317698690835, | |
| "learning_rate": 1.2787536009528288e-05, | |
| "loss": 4.1131, | |
| "step": 19 | |
| }, | |
| { | |
| "epoch": 0.17066666666666666, | |
| "grad_norm": 5.145138692367417, | |
| "learning_rate": 1.301029995663981e-05, | |
| "loss": 4.0989, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.1792, | |
| "grad_norm": 5.923538014759818, | |
| "learning_rate": 1.3222192947339192e-05, | |
| "loss": 4.4991, | |
| "step": 21 | |
| }, | |
| { | |
| "epoch": 0.18773333333333334, | |
| "grad_norm": 5.941056962941364, | |
| "learning_rate": 1.3424226808222062e-05, | |
| "loss": 4.0836, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 0.19626666666666667, | |
| "grad_norm": 6.171026012117947, | |
| "learning_rate": 1.3617278360175927e-05, | |
| "loss": 3.6861, | |
| "step": 23 | |
| }, | |
| { | |
| "epoch": 0.2048, | |
| "grad_norm": 7.130542138930838, | |
| "learning_rate": 1.380211241711606e-05, | |
| "loss": 4.0958, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 0.21333333333333335, | |
| "grad_norm": 7.328837606110418, | |
| "learning_rate": 1.3979400086720374e-05, | |
| "loss": 3.9524, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 0.22186666666666666, | |
| "grad_norm": 6.923489005711429, | |
| "learning_rate": 1.4149733479708178e-05, | |
| "loss": 3.6062, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 0.2304, | |
| "grad_norm": 6.409498926059221, | |
| "learning_rate": 1.4313637641589872e-05, | |
| "loss": 3.2034, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 0.23893333333333333, | |
| "grad_norm": 5.781628405584682, | |
| "learning_rate": 1.4471580313422191e-05, | |
| "loss": 2.8158, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 0.24746666666666667, | |
| "grad_norm": 6.2927590068243315, | |
| "learning_rate": 1.4623979978989559e-05, | |
| "loss": 2.9803, | |
| "step": 29 | |
| }, | |
| { | |
| "epoch": 0.256, | |
| "grad_norm": 6.103844678630006, | |
| "learning_rate": 1.4771212547196623e-05, | |
| "loss": 2.847, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.26453333333333334, | |
| "grad_norm": 7.656341925867144, | |
| "learning_rate": 1.4913616938342726e-05, | |
| "loss": 3.0907, | |
| "step": 31 | |
| }, | |
| { | |
| "epoch": 0.2730666666666667, | |
| "grad_norm": 6.324242877501844, | |
| "learning_rate": 1.5051499783199059e-05, | |
| "loss": 2.3467, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 0.2816, | |
| "grad_norm": 7.606313101162739, | |
| "learning_rate": 1.5185139398778874e-05, | |
| "loss": 2.5292, | |
| "step": 33 | |
| }, | |
| { | |
| "epoch": 0.29013333333333335, | |
| "grad_norm": 8.553792493849265, | |
| "learning_rate": 1.531478917042255e-05, | |
| "loss": 2.4547, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 0.2986666666666667, | |
| "grad_norm": 8.483368703272543, | |
| "learning_rate": 1.5440680443502753e-05, | |
| "loss": 2.1956, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 0.3072, | |
| "grad_norm": 8.364739352838077, | |
| "learning_rate": 1.5563025007672873e-05, | |
| "loss": 1.8552, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 0.3157333333333333, | |
| "grad_norm": 9.37663682000104, | |
| "learning_rate": 1.5682017240669948e-05, | |
| "loss": 1.9228, | |
| "step": 37 | |
| }, | |
| { | |
| "epoch": 0.32426666666666665, | |
| "grad_norm": 9.823047193440066, | |
| "learning_rate": 1.57978359661681e-05, | |
| "loss": 1.7033, | |
| "step": 38 | |
| }, | |
| { | |
| "epoch": 0.3328, | |
| "grad_norm": 9.692618512955894, | |
| "learning_rate": 1.591064607026499e-05, | |
| "loss": 1.3768, | |
| "step": 39 | |
| }, | |
| { | |
| "epoch": 0.3413333333333333, | |
| "grad_norm": 9.08889021911031, | |
| "learning_rate": 1.6020599913279622e-05, | |
| "loss": 1.3015, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.34986666666666666, | |
| "grad_norm": 8.081534221516058, | |
| "learning_rate": 1.6127838567197353e-05, | |
| "loss": 0.9228, | |
| "step": 41 | |
| }, | |
| { | |
| "epoch": 0.3584, | |
| "grad_norm": 6.238638048950311, | |
| "learning_rate": 1.6232492903979005e-05, | |
| "loss": 0.7267, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 0.36693333333333333, | |
| "grad_norm": 3.4058036861773604, | |
| "learning_rate": 1.6334684555795865e-05, | |
| "loss": 0.5875, | |
| "step": 43 | |
| }, | |
| { | |
| "epoch": 0.37546666666666667, | |
| "grad_norm": 2.079163829467713, | |
| "learning_rate": 1.6434526764861872e-05, | |
| "loss": 0.6355, | |
| "step": 44 | |
| }, | |
| { | |
| "epoch": 0.384, | |
| "grad_norm": 1.5597487833024746, | |
| "learning_rate": 1.6532125137753435e-05, | |
| "loss": 0.5106, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 0.39253333333333335, | |
| "grad_norm": 2.491689602375256, | |
| "learning_rate": 1.662757831681574e-05, | |
| "loss": 0.6454, | |
| "step": 46 | |
| }, | |
| { | |
| "epoch": 0.4010666666666667, | |
| "grad_norm": 2.010880438195854, | |
| "learning_rate": 1.672097857935717e-05, | |
| "loss": 0.4757, | |
| "step": 47 | |
| }, | |
| { | |
| "epoch": 0.4096, | |
| "grad_norm": 1.9452805114322096, | |
| "learning_rate": 1.681241237375587e-05, | |
| "loss": 0.4133, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 0.41813333333333336, | |
| "grad_norm": 1.7620848552306103, | |
| "learning_rate": 1.6901960800285137e-05, | |
| "loss": 0.4004, | |
| "step": 49 | |
| }, | |
| { | |
| "epoch": 0.4266666666666667, | |
| "grad_norm": 1.278224489774809, | |
| "learning_rate": 1.6989700043360187e-05, | |
| "loss": 0.3523, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.4352, | |
| "grad_norm": 1.6151354758303231, | |
| "learning_rate": 1.7075701760979363e-05, | |
| "loss": 0.4317, | |
| "step": 51 | |
| }, | |
| { | |
| "epoch": 0.4437333333333333, | |
| "grad_norm": 1.3451396055695035, | |
| "learning_rate": 1.716003343634799e-05, | |
| "loss": 0.3474, | |
| "step": 52 | |
| }, | |
| { | |
| "epoch": 0.45226666666666665, | |
| "grad_norm": 1.6814977782362666, | |
| "learning_rate": 1.724275869600789e-05, | |
| "loss": 0.3706, | |
| "step": 53 | |
| }, | |
| { | |
| "epoch": 0.4608, | |
| "grad_norm": 1.1682442432688667, | |
| "learning_rate": 1.7323937598229687e-05, | |
| "loss": 0.3488, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 0.4693333333333333, | |
| "grad_norm": 0.8839814540462471, | |
| "learning_rate": 1.7403626894942437e-05, | |
| "loss": 0.293, | |
| "step": 55 | |
| }, | |
| { | |
| "epoch": 0.47786666666666666, | |
| "grad_norm": 0.7974304806295485, | |
| "learning_rate": 1.7481880270062003e-05, | |
| "loss": 0.2717, | |
| "step": 56 | |
| }, | |
| { | |
| "epoch": 0.4864, | |
| "grad_norm": 0.6232203657585239, | |
| "learning_rate": 1.7558748556724913e-05, | |
| "loss": 0.1741, | |
| "step": 57 | |
| }, | |
| { | |
| "epoch": 0.49493333333333334, | |
| "grad_norm": 0.6850688604563008, | |
| "learning_rate": 1.763427993562937e-05, | |
| "loss": 0.228, | |
| "step": 58 | |
| }, | |
| { | |
| "epoch": 0.5034666666666666, | |
| "grad_norm": 0.5923826384300431, | |
| "learning_rate": 1.7708520116421443e-05, | |
| "loss": 0.2131, | |
| "step": 59 | |
| }, | |
| { | |
| "epoch": 0.512, | |
| "grad_norm": 0.489754430485032, | |
| "learning_rate": 1.7781512503836432e-05, | |
| "loss": 0.165, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 0.5205333333333333, | |
| "grad_norm": 0.5280940052395061, | |
| "learning_rate": 1.7853298350107667e-05, | |
| "loss": 0.1658, | |
| "step": 61 | |
| }, | |
| { | |
| "epoch": 0.5290666666666667, | |
| "grad_norm": 0.4750905992036739, | |
| "learning_rate": 1.7923916894982537e-05, | |
| "loss": 0.1438, | |
| "step": 62 | |
| }, | |
| { | |
| "epoch": 0.5376, | |
| "grad_norm": 0.4162998392722401, | |
| "learning_rate": 1.7993405494535815e-05, | |
| "loss": 0.1555, | |
| "step": 63 | |
| }, | |
| { | |
| "epoch": 0.5461333333333334, | |
| "grad_norm": 0.26863266246370443, | |
| "learning_rate": 1.806179973983887e-05, | |
| "loss": 0.1323, | |
| "step": 64 | |
| }, | |
| { | |
| "epoch": 0.5546666666666666, | |
| "grad_norm": 0.26534221125601215, | |
| "learning_rate": 1.8129133566428553e-05, | |
| "loss": 0.1671, | |
| "step": 65 | |
| }, | |
| { | |
| "epoch": 0.5632, | |
| "grad_norm": 0.2548662962257576, | |
| "learning_rate": 1.8195439355418686e-05, | |
| "loss": 0.1308, | |
| "step": 66 | |
| }, | |
| { | |
| "epoch": 0.5717333333333333, | |
| "grad_norm": 0.18045394638578796, | |
| "learning_rate": 1.8260748027008263e-05, | |
| "loss": 0.1262, | |
| "step": 67 | |
| }, | |
| { | |
| "epoch": 0.5802666666666667, | |
| "grad_norm": 0.17070388073612064, | |
| "learning_rate": 1.8325089127062364e-05, | |
| "loss": 0.1192, | |
| "step": 68 | |
| }, | |
| { | |
| "epoch": 0.5888, | |
| "grad_norm": 0.1531381679244776, | |
| "learning_rate": 1.8388490907372553e-05, | |
| "loss": 0.1274, | |
| "step": 69 | |
| }, | |
| { | |
| "epoch": 0.5973333333333334, | |
| "grad_norm": 0.18196434993687946, | |
| "learning_rate": 1.8450980400142568e-05, | |
| "loss": 0.1375, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 0.6058666666666667, | |
| "grad_norm": 0.15324416972951205, | |
| "learning_rate": 1.8512583487190752e-05, | |
| "loss": 0.1599, | |
| "step": 71 | |
| }, | |
| { | |
| "epoch": 0.6144, | |
| "grad_norm": 0.10884462064503801, | |
| "learning_rate": 1.857332496431268e-05, | |
| "loss": 0.1041, | |
| "step": 72 | |
| }, | |
| { | |
| "epoch": 0.6229333333333333, | |
| "grad_norm": 0.12915133528192668, | |
| "learning_rate": 1.8633228601204555e-05, | |
| "loss": 0.1406, | |
| "step": 73 | |
| }, | |
| { | |
| "epoch": 0.6314666666666666, | |
| "grad_norm": 0.12553425699952878, | |
| "learning_rate": 1.8692317197309763e-05, | |
| "loss": 0.1256, | |
| "step": 74 | |
| }, | |
| { | |
| "epoch": 0.64, | |
| "grad_norm": 0.11976960918968543, | |
| "learning_rate": 1.8750612633916997e-05, | |
| "loss": 0.1144, | |
| "step": 75 | |
| }, | |
| { | |
| "epoch": 0.6485333333333333, | |
| "grad_norm": 0.115805998298789, | |
| "learning_rate": 1.8808135922807914e-05, | |
| "loss": 0.1528, | |
| "step": 76 | |
| }, | |
| { | |
| "epoch": 0.6570666666666667, | |
| "grad_norm": 0.10325948496697443, | |
| "learning_rate": 1.8864907251724818e-05, | |
| "loss": 0.1044, | |
| "step": 77 | |
| }, | |
| { | |
| "epoch": 0.6656, | |
| "grad_norm": 0.09595064346541006, | |
| "learning_rate": 1.8920946026904802e-05, | |
| "loss": 0.1534, | |
| "step": 78 | |
| }, | |
| { | |
| "epoch": 0.6741333333333334, | |
| "grad_norm": 0.08796742845240496, | |
| "learning_rate": 1.8976270912904414e-05, | |
| "loss": 0.1155, | |
| "step": 79 | |
| }, | |
| { | |
| "epoch": 0.6826666666666666, | |
| "grad_norm": 0.08218991738379527, | |
| "learning_rate": 1.9030899869919434e-05, | |
| "loss": 0.1311, | |
| "step": 80 | |
| } | |
| ], | |
| "logging_steps": 1, | |
| "max_steps": 351, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 3, | |
| "save_steps": 20, | |
| "stateful_callbacks": { | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": false | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 1.1373018660449812e+18, | |
| "train_batch_size": 16, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |