llama-3-sqlcoder-8b / trainer_state.json
rishdotblog's picture
Upload folder using huggingface_hub
3b6585f verified
{
"best_metric": 0.82,
"best_model_checkpoint": "/workspace/finetuning/models/sqlcoder_8b_fullft_ds_001_600_mgn10/checkpoint-500",
"epoch": 0.9166666666666666,
"eval_steps": 50,
"global_step": 550,
"is_hyper_param_search": false,
"is_local_process_zero": true,
"is_world_process_zero": true,
"log_history": [
{
"epoch": 0.008333333333333333,
"grad_norm": 8.25,
"learning_rate": 9.99830375862901e-06,
"loss": 0.6079,
"step": 5
},
{
"epoch": 0.016666666666666666,
"grad_norm": 6.0,
"learning_rate": 9.99321619703514e-06,
"loss": 0.3417,
"step": 10
},
{
"epoch": 0.025,
"grad_norm": 5.5,
"learning_rate": 9.984740801978986e-06,
"loss": 0.3039,
"step": 15
},
{
"epoch": 0.03333333333333333,
"grad_norm": 5.875,
"learning_rate": 9.972883382072955e-06,
"loss": 0.3035,
"step": 20
},
{
"epoch": 0.041666666666666664,
"grad_norm": 6.15625,
"learning_rate": 9.957652063800363e-06,
"loss": 0.2822,
"step": 25
},
{
"epoch": 0.05,
"grad_norm": 4.90625,
"learning_rate": 9.939057285945933e-06,
"loss": 0.2703,
"step": 30
},
{
"epoch": 0.058333333333333334,
"grad_norm": 5.96875,
"learning_rate": 9.917111792441576e-06,
"loss": 0.2598,
"step": 35
},
{
"epoch": 0.06666666666666667,
"grad_norm": 5.1875,
"learning_rate": 9.891830623632339e-06,
"loss": 0.267,
"step": 40
},
{
"epoch": 0.075,
"grad_norm": 5.4375,
"learning_rate": 9.8632311059685e-06,
"loss": 0.2431,
"step": 45
},
{
"epoch": 0.08333333333333333,
"grad_norm": 5.21875,
"learning_rate": 9.831332840130889e-06,
"loss": 0.2533,
"step": 50
},
{
"epoch": 0.08333333333333333,
"eval_count_mismatch_i_diff_avg": 2.25,
"eval_first_index_mismatch_avg": 8.25,
"eval_loss": 0.15123993158340454,
"eval_mean_mismatch_i_diff_avg": 8.4375,
"eval_runtime": 1.4309,
"eval_samples_per_second": 2.795,
"eval_sql_exact_match_string": 0,
"eval_steps_per_second": 0.699,
"eval_tokens_match_avg": 0.9552213461413188,
"step": 50
},
{
"epoch": 0.09166666666666666,
"grad_norm": 5.03125,
"learning_rate": 9.796157687597557e-06,
"loss": 0.261,
"step": 55
},
{
"epoch": 0.1,
"grad_norm": 5.5,
"learning_rate": 9.757729755661012e-06,
"loss": 0.2309,
"step": 60
},
{
"epoch": 0.10833333333333334,
"grad_norm": 4.6875,
"learning_rate": 9.716075380906285e-06,
"loss": 0.2418,
"step": 65
},
{
"epoch": 0.11666666666666667,
"grad_norm": 4.84375,
"learning_rate": 9.671223111161151e-06,
"loss": 0.2142,
"step": 70
},
{
"epoch": 0.125,
"grad_norm": 5.625,
"learning_rate": 9.623203685930872e-06,
"loss": 0.23,
"step": 75
},
{
"epoch": 0.13333333333333333,
"grad_norm": 4.125,
"learning_rate": 9.572050015330875e-06,
"loss": 0.2205,
"step": 80
},
{
"epoch": 0.14166666666666666,
"grad_norm": 5.28125,
"learning_rate": 9.517797157531813e-06,
"loss": 0.2112,
"step": 85
},
{
"epoch": 0.15,
"grad_norm": 5.09375,
"learning_rate": 9.460482294732423e-06,
"loss": 0.206,
"step": 90
},
{
"epoch": 0.15833333333333333,
"grad_norm": 4.53125,
"learning_rate": 9.40014470767673e-06,
"loss": 0.2323,
"step": 95
},
{
"epoch": 0.16666666666666666,
"grad_norm": 5.25,
"learning_rate": 9.336825748732973e-06,
"loss": 0.2046,
"step": 100
},
{
"epoch": 0.16666666666666666,
"eval_count_mismatch_i_diff_avg": 1.5,
"eval_first_index_mismatch_avg": 19.25,
"eval_loss": 0.12254643440246582,
"eval_mean_mismatch_i_diff_avg": 19.4375,
"eval_runtime": 1.4476,
"eval_samples_per_second": 2.763,
"eval_sql_exact_match_string": 1,
"eval_steps_per_second": 0.691,
"eval_tokens_match_avg": 0.9684337464860721,
"step": 100
},
{
"epoch": 0.175,
"grad_norm": 4.5625,
"learning_rate": 9.270568813552757e-06,
"loss": 0.209,
"step": 105
},
{
"epoch": 0.18333333333333332,
"grad_norm": 5.5,
"learning_rate": 9.201419311329848e-06,
"loss": 0.2209,
"step": 110
},
{
"epoch": 0.19166666666666668,
"grad_norm": 5.25,
"learning_rate": 9.129424633678977e-06,
"loss": 0.1959,
"step": 115
},
{
"epoch": 0.2,
"grad_norm": 6.15625,
"learning_rate": 9.054634122155991e-06,
"loss": 0.19,
"step": 120
},
{
"epoch": 0.20833333333333334,
"grad_norm": 4.4375,
"learning_rate": 8.977099034441616e-06,
"loss": 0.2103,
"step": 125
},
{
"epoch": 0.21666666666666667,
"grad_norm": 6.03125,
"learning_rate": 8.896872509212006e-06,
"loss": 0.2035,
"step": 130
},
{
"epoch": 0.225,
"grad_norm": 5.53125,
"learning_rate": 8.814009529720153e-06,
"loss": 0.1997,
"step": 135
},
{
"epoch": 0.23333333333333334,
"grad_norm": 5.03125,
"learning_rate": 8.728566886113101e-06,
"loss": 0.198,
"step": 140
},
{
"epoch": 0.24166666666666667,
"grad_norm": 5.1875,
"learning_rate": 8.640603136510823e-06,
"loss": 0.184,
"step": 145
},
{
"epoch": 0.25,
"grad_norm": 5.34375,
"learning_rate": 8.55017856687341e-06,
"loss": 0.1826,
"step": 150
},
{
"epoch": 0.25,
"eval_count_mismatch_i_diff_avg": 1.75,
"eval_first_index_mismatch_avg": 9.25,
"eval_loss": 0.11601436883211136,
"eval_mean_mismatch_i_diff_avg": 9.583333333333334,
"eval_runtime": 1.4309,
"eval_samples_per_second": 2.795,
"eval_sql_exact_match_string": 0,
"eval_steps_per_second": 0.699,
"eval_tokens_match_avg": 0.9654995853439766,
"step": 150
},
{
"epoch": 0.25833333333333336,
"grad_norm": 4.53125,
"learning_rate": 8.45735514968408e-06,
"loss": 0.1722,
"step": 155
},
{
"epoch": 0.26666666666666666,
"grad_norm": 5.4375,
"learning_rate": 8.362196501476348e-06,
"loss": 0.1735,
"step": 160
},
{
"epoch": 0.275,
"grad_norm": 5.15625,
"learning_rate": 8.26476783923441e-06,
"loss": 0.178,
"step": 165
},
{
"epoch": 0.2833333333333333,
"grad_norm": 5.46875,
"learning_rate": 8.165135935696693e-06,
"loss": 0.1929,
"step": 170
},
{
"epoch": 0.2916666666666667,
"grad_norm": 4.3125,
"learning_rate": 8.063369073593167e-06,
"loss": 0.1815,
"step": 175
},
{
"epoch": 0.3,
"grad_norm": 5.21875,
"learning_rate": 7.959536998847742e-06,
"loss": 0.195,
"step": 180
},
{
"epoch": 0.30833333333333335,
"grad_norm": 4.5625,
"learning_rate": 7.853710872777922e-06,
"loss": 0.1765,
"step": 185
},
{
"epoch": 0.31666666666666665,
"grad_norm": 4.84375,
"learning_rate": 7.745963223324384e-06,
"loss": 0.1772,
"step": 190
},
{
"epoch": 0.325,
"grad_norm": 4.75,
"learning_rate": 7.636367895343949e-06,
"loss": 0.1641,
"step": 195
},
{
"epoch": 0.3333333333333333,
"grad_norm": 4.8125,
"learning_rate": 7.525000000000003e-06,
"loss": 0.1889,
"step": 200
},
{
"epoch": 0.3333333333333333,
"eval_count_mismatch_i_diff_avg": 1.5,
"eval_first_index_mismatch_avg": 9.25,
"eval_loss": 0.10480775684118271,
"eval_mean_mismatch_i_diff_avg": 9.083333333333334,
"eval_runtime": 1.4264,
"eval_samples_per_second": 2.804,
"eval_sql_exact_match_string": 0,
"eval_steps_per_second": 0.701,
"eval_tokens_match_avg": 0.9693457391901305,
"step": 200
},
{
"epoch": 0.3416666666666667,
"grad_norm": 4.9375,
"learning_rate": 7.411935863285065e-06,
"loss": 0.1786,
"step": 205
},
{
"epoch": 0.35,
"grad_norm": 4.1875,
"learning_rate": 7.297252973710758e-06,
"loss": 0.1706,
"step": 210
},
{
"epoch": 0.35833333333333334,
"grad_norm": 4.75,
"learning_rate": 7.181029929201061e-06,
"loss": 0.1916,
"step": 215
},
{
"epoch": 0.36666666666666664,
"grad_norm": 5.53125,
"learning_rate": 7.063346383225212e-06,
"loss": 0.1701,
"step": 220
},
{
"epoch": 0.375,
"grad_norm": 4.75,
"learning_rate": 6.944282990207196e-06,
"loss": 0.1628,
"step": 225
},
{
"epoch": 0.38333333333333336,
"grad_norm": 5.3125,
"learning_rate": 6.823921350249237e-06,
"loss": 0.1801,
"step": 230
},
{
"epoch": 0.39166666666666666,
"grad_norm": 4.6875,
"learning_rate": 6.702343953207167e-06,
"loss": 0.1492,
"step": 235
},
{
"epoch": 0.4,
"grad_norm": 4.625,
"learning_rate": 6.579634122155992e-06,
"loss": 0.1608,
"step": 240
},
{
"epoch": 0.4083333333333333,
"grad_norm": 4.59375,
"learning_rate": 6.455875956284421e-06,
"loss": 0.1515,
"step": 245
},
{
"epoch": 0.4166666666666667,
"grad_norm": 4.59375,
"learning_rate": 6.331154273257482e-06,
"loss": 0.1597,
"step": 250
},
{
"epoch": 0.4166666666666667,
"eval_count_mismatch_i_diff_avg": 1.75,
"eval_first_index_mismatch_avg": 21.0,
"eval_loss": 0.11433370411396027,
"eval_mean_mismatch_i_diff_avg": 19.583333333333336,
"eval_runtime": 1.4735,
"eval_samples_per_second": 2.715,
"eval_sql_exact_match_string": 1,
"eval_steps_per_second": 0.679,
"eval_tokens_match_avg": 0.9659372604140046,
"step": 250
},
{
"epoch": 0.425,
"grad_norm": 3.890625,
"learning_rate": 6.205554551086736e-06,
"loss": 0.1339,
"step": 255
},
{
"epoch": 0.43333333333333335,
"grad_norm": 5.25,
"learning_rate": 6.079162869547913e-06,
"loss": 0.17,
"step": 260
},
{
"epoch": 0.44166666666666665,
"grad_norm": 5.28125,
"learning_rate": 5.952065851186132e-06,
"loss": 0.1598,
"step": 265
},
{
"epoch": 0.45,
"grad_norm": 4.5,
"learning_rate": 5.824350601949145e-06,
"loss": 0.1545,
"step": 270
},
{
"epoch": 0.4583333333333333,
"grad_norm": 6.71875,
"learning_rate": 5.696104651489257e-06,
"loss": 0.1552,
"step": 275
},
{
"epoch": 0.4666666666666667,
"grad_norm": 4.875,
"learning_rate": 5.567415893174889e-06,
"loss": 0.1642,
"step": 280
},
{
"epoch": 0.475,
"grad_norm": 4.25,
"learning_rate": 5.438372523852835e-06,
"loss": 0.1581,
"step": 285
},
{
"epoch": 0.48333333333333334,
"grad_norm": 5.03125,
"learning_rate": 5.309062983402575e-06,
"loss": 0.1632,
"step": 290
},
{
"epoch": 0.49166666666666664,
"grad_norm": 4.59375,
"learning_rate": 5.179575894123973e-06,
"loss": 0.1493,
"step": 295
},
{
"epoch": 0.5,
"grad_norm": 5.125,
"learning_rate": 5.050000000000001e-06,
"loss": 0.149,
"step": 300
},
{
"epoch": 0.5,
"eval_count_mismatch_i_diff_avg": 2.0,
"eval_first_index_mismatch_avg": 20.0,
"eval_loss": 0.11815375089645386,
"eval_mean_mismatch_i_diff_avg": 18.9375,
"eval_runtime": 1.3387,
"eval_samples_per_second": 2.988,
"eval_sql_exact_match_string": 1,
"eval_steps_per_second": 0.747,
"eval_tokens_match_avg": 0.9601233069256325,
"step": 300
},
{
"epoch": 0.5083333333333333,
"grad_norm": 4.21875,
"learning_rate": 4.9204241058760295e-06,
"loss": 0.155,
"step": 305
},
{
"epoch": 0.5166666666666667,
"grad_norm": 4.28125,
"learning_rate": 4.79093701659743e-06,
"loss": 0.1646,
"step": 310
},
{
"epoch": 0.525,
"grad_norm": 4.65625,
"learning_rate": 4.661627476147171e-06,
"loss": 0.1413,
"step": 315
},
{
"epoch": 0.5333333333333333,
"grad_norm": 5.03125,
"learning_rate": 4.5325841068251195e-06,
"loss": 0.1476,
"step": 320
},
{
"epoch": 0.5416666666666666,
"grad_norm": 4.75,
"learning_rate": 4.403895348510749e-06,
"loss": 0.147,
"step": 325
},
{
"epoch": 0.55,
"grad_norm": 4.875,
"learning_rate": 4.27564939805086e-06,
"loss": 0.1412,
"step": 330
},
{
"epoch": 0.5583333333333333,
"grad_norm": 4.65625,
"learning_rate": 4.1479341488138745e-06,
"loss": 0.1325,
"step": 335
},
{
"epoch": 0.5666666666666667,
"grad_norm": 4.9375,
"learning_rate": 4.020837130452094e-06,
"loss": 0.1462,
"step": 340
},
{
"epoch": 0.575,
"grad_norm": 5.28125,
"learning_rate": 3.894445448913271e-06,
"loss": 0.1454,
"step": 345
},
{
"epoch": 0.5833333333333334,
"grad_norm": 4.59375,
"learning_rate": 3.7688457267425276e-06,
"loss": 0.1476,
"step": 350
},
{
"epoch": 0.5833333333333334,
"eval_count_mismatch_i_diff_avg": 2.25,
"eval_first_index_mismatch_avg": 8.25,
"eval_loss": 0.11698409914970398,
"eval_mean_mismatch_i_diff_avg": 10.4375,
"eval_runtime": 1.2608,
"eval_samples_per_second": 3.173,
"eval_sql_exact_match_string": 0,
"eval_steps_per_second": 0.793,
"eval_tokens_match_avg": 0.9547836710712908,
"step": 350
},
{
"epoch": 0.5916666666666667,
"grad_norm": 4.875,
"learning_rate": 3.6441240437155883e-06,
"loss": 0.1504,
"step": 355
},
{
"epoch": 0.6,
"grad_norm": 4.84375,
"learning_rate": 3.5203658778440145e-06,
"loss": 0.1616,
"step": 360
},
{
"epoch": 0.6083333333333333,
"grad_norm": 4.40625,
"learning_rate": 3.397656046792837e-06,
"loss": 0.16,
"step": 365
},
{
"epoch": 0.6166666666666667,
"grad_norm": 4.4375,
"learning_rate": 3.2760786497507687e-06,
"loss": 0.1393,
"step": 370
},
{
"epoch": 0.625,
"grad_norm": 5.0,
"learning_rate": 3.155717009792809e-06,
"loss": 0.1526,
"step": 375
},
{
"epoch": 0.6333333333333333,
"grad_norm": 6.15625,
"learning_rate": 3.036653616774792e-06,
"loss": 0.1619,
"step": 380
},
{
"epoch": 0.6416666666666667,
"grad_norm": 4.75,
"learning_rate": 2.9189700707989414e-06,
"loss": 0.1428,
"step": 385
},
{
"epoch": 0.65,
"grad_norm": 5.46875,
"learning_rate": 2.8027470262892473e-06,
"loss": 0.1377,
"step": 390
},
{
"epoch": 0.6583333333333333,
"grad_norm": 4.3125,
"learning_rate": 2.688064136714942e-06,
"loss": 0.1382,
"step": 395
},
{
"epoch": 0.6666666666666666,
"grad_norm": 5.09375,
"learning_rate": 2.575000000000003e-06,
"loss": 0.1465,
"step": 400
},
{
"epoch": 0.6666666666666666,
"eval_count_mismatch_i_diff_avg": 2.25,
"eval_first_index_mismatch_avg": 10.75,
"eval_loss": 0.11492403596639633,
"eval_mean_mismatch_i_diff_avg": 9.6875,
"eval_runtime": 1.4356,
"eval_samples_per_second": 2.786,
"eval_sql_exact_match_string": 0,
"eval_steps_per_second": 0.697,
"eval_tokens_match_avg": 0.9552213461413188,
"step": 400
},
{
"epoch": 0.675,
"grad_norm": 4.90625,
"learning_rate": 2.4636321046560575e-06,
"loss": 0.146,
"step": 405
},
{
"epoch": 0.6833333333333333,
"grad_norm": 4.78125,
"learning_rate": 2.3540367766756217e-06,
"loss": 0.1496,
"step": 410
},
{
"epoch": 0.6916666666666667,
"grad_norm": 4.75,
"learning_rate": 2.2462891272220828e-06,
"loss": 0.1534,
"step": 415
},
{
"epoch": 0.7,
"grad_norm": 5.4375,
"learning_rate": 2.140463001152263e-06,
"loss": 0.139,
"step": 420
},
{
"epoch": 0.7083333333333334,
"grad_norm": 4.71875,
"learning_rate": 2.0366309264068387e-06,
"loss": 0.1495,
"step": 425
},
{
"epoch": 0.7166666666666667,
"grad_norm": 5.15625,
"learning_rate": 1.9348640643033098e-06,
"loss": 0.1434,
"step": 430
},
{
"epoch": 0.725,
"grad_norm": 4.4375,
"learning_rate": 1.8352321607655958e-06,
"loss": 0.1494,
"step": 435
},
{
"epoch": 0.7333333333333333,
"grad_norm": 4.96875,
"learning_rate": 1.7378034985236564e-06,
"loss": 0.155,
"step": 440
},
{
"epoch": 0.7416666666666667,
"grad_norm": 4.6875,
"learning_rate": 1.6426448503159242e-06,
"loss": 0.1418,
"step": 445
},
{
"epoch": 0.75,
"grad_norm": 5.0,
"learning_rate": 1.5498214331265955e-06,
"loss": 0.1542,
"step": 450
},
{
"epoch": 0.75,
"eval_count_mismatch_i_diff_avg": 2.0,
"eval_first_index_mismatch_avg": 10.75,
"eval_loss": 0.11669360101222992,
"eval_mean_mismatch_i_diff_avg": 9.6875,
"eval_runtime": 1.4248,
"eval_samples_per_second": 2.807,
"eval_sql_exact_match_string": 0,
"eval_steps_per_second": 0.702,
"eval_tokens_match_avg": 0.9590674999874726,
"step": 450
},
{
"epoch": 0.7583333333333333,
"grad_norm": 5.0,
"learning_rate": 1.4593968634891815e-06,
"loss": 0.1502,
"step": 455
},
{
"epoch": 0.7666666666666667,
"grad_norm": 5.96875,
"learning_rate": 1.371433113886903e-06,
"loss": 0.1481,
"step": 460
},
{
"epoch": 0.775,
"grad_norm": 4.75,
"learning_rate": 1.285990470279852e-06,
"loss": 0.1467,
"step": 465
},
{
"epoch": 0.7833333333333333,
"grad_norm": 4.5,
"learning_rate": 1.2031274907879994e-06,
"loss": 0.1242,
"step": 470
},
{
"epoch": 0.7916666666666666,
"grad_norm": 3.75,
"learning_rate": 1.122900965558391e-06,
"loss": 0.14,
"step": 475
},
{
"epoch": 0.8,
"grad_norm": 6.34375,
"learning_rate": 1.0453658778440162e-06,
"loss": 0.1634,
"step": 480
},
{
"epoch": 0.8083333333333333,
"grad_norm": 4.125,
"learning_rate": 9.705753663210283e-07,
"loss": 0.139,
"step": 485
},
{
"epoch": 0.8166666666666667,
"grad_norm": 5.15625,
"learning_rate": 8.98580688670156e-07,
"loss": 0.1546,
"step": 490
},
{
"epoch": 0.825,
"grad_norm": 5.46875,
"learning_rate": 8.294311864472477e-07,
"loss": 0.1471,
"step": 495
},
{
"epoch": 0.8333333333333334,
"grad_norm": 5.09375,
"learning_rate": 7.631742512670332e-07,
"loss": 0.1442,
"step": 500
},
{
"epoch": 0.8333333333333334,
"eval_count_mismatch_i_diff_avg": 2.25,
"eval_first_index_mismatch_avg": 10.75,
"eval_loss": 0.11715836822986603,
"eval_mean_mismatch_i_diff_avg": 9.6875,
"eval_runtime": 1.4332,
"eval_samples_per_second": 2.791,
"eval_sql_exact_match_string": 0,
"eval_steps_per_second": 0.698,
"eval_tokens_match_avg": 0.9552213461413188,
"step": 500
},
{
"epoch": 0.8416666666666667,
"grad_norm": 4.78125,
"learning_rate": 6.998552923232753e-07,
"loss": 0.1397,
"step": 505
},
{
"epoch": 0.85,
"grad_norm": 4.75,
"learning_rate": 6.395177052675824e-07,
"loss": 0.1494,
"step": 510
},
{
"epoch": 0.8583333333333333,
"grad_norm": 4.375,
"learning_rate": 5.822028424681925e-07,
"loss": 0.1493,
"step": 515
},
{
"epoch": 0.8666666666666667,
"grad_norm": 5.125,
"learning_rate": 5.279499846691286e-07,
"loss": 0.132,
"step": 520
},
{
"epoch": 0.875,
"grad_norm": 5.3125,
"learning_rate": 4.767963140691326e-07,
"loss": 0.1523,
"step": 525
},
{
"epoch": 0.8833333333333333,
"grad_norm": 4.375,
"learning_rate": 4.287768888388531e-07,
"loss": 0.1229,
"step": 530
},
{
"epoch": 0.8916666666666667,
"grad_norm": 4.59375,
"learning_rate": 3.839246190937183e-07,
"loss": 0.1671,
"step": 535
},
{
"epoch": 0.9,
"grad_norm": 6.25,
"learning_rate": 3.4227024433899137e-07,
"loss": 0.1304,
"step": 540
},
{
"epoch": 0.9083333333333333,
"grad_norm": 5.34375,
"learning_rate": 3.0384231240244555e-07,
"loss": 0.1528,
"step": 545
},
{
"epoch": 0.9166666666666666,
"grad_norm": 4.125,
"learning_rate": 2.686671598691128e-07,
"loss": 0.1556,
"step": 550
},
{
"epoch": 0.9166666666666666,
"eval_count_mismatch_i_diff_avg": 2.25,
"eval_first_index_mismatch_avg": 10.75,
"eval_loss": 0.11767315864562988,
"eval_mean_mismatch_i_diff_avg": 9.6875,
"eval_runtime": 1.4395,
"eval_samples_per_second": 2.779,
"eval_sql_exact_match_string": 0,
"eval_steps_per_second": 0.695,
"eval_tokens_match_avg": 0.9552213461413188,
"step": 550
}
],
"logging_steps": 5,
"max_steps": 600,
"num_input_tokens_seen": 0,
"num_train_epochs": 1,
"save_steps": 50,
"total_flos": 5.255573265461084e+17,
"train_batch_size": 2,
"trial_name": null,
"trial_params": null
}