File size: 4,488 Bytes
bee05cd
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
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
{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 3.0,
  "eval_steps": 500,
  "global_step": 18,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.16666666666666666,
      "grad_norm": 222.38610696531117,
      "learning_rate": 5e-06,
      "loss": 2.468,
      "step": 1
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 190.69596234052602,
      "learning_rate": 1e-05,
      "loss": 2.1111,
      "step": 2
    },
    {
      "epoch": 0.5,
      "grad_norm": 44.09680989725686,
      "learning_rate": 9.903926402016153e-06,
      "loss": 1.0182,
      "step": 3
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 14.51788378110566,
      "learning_rate": 9.619397662556434e-06,
      "loss": 0.7501,
      "step": 4
    },
    {
      "epoch": 0.8333333333333334,
      "grad_norm": 7.591929306936709,
      "learning_rate": 9.157348061512728e-06,
      "loss": 0.4674,
      "step": 5
    },
    {
      "epoch": 1.0,
      "grad_norm": 26.48229333375104,
      "learning_rate": 8.535533905932739e-06,
      "loss": 0.473,
      "step": 6
    },
    {
      "epoch": 1.0,
      "eval_loss": 0.3578263819217682,
      "eval_runtime": 1.1002,
      "eval_samples_per_second": 8.18,
      "eval_steps_per_second": 2.727,
      "step": 6
    },
    {
      "epoch": 1.1666666666666667,
      "grad_norm": 3.9448221983664067,
      "learning_rate": 7.777851165098012e-06,
      "loss": 0.2849,
      "step": 7
    },
    {
      "epoch": 1.3333333333333333,
      "grad_norm": 3.165522164346078,
      "learning_rate": 6.913417161825449e-06,
      "loss": 0.2647,
      "step": 8
    },
    {
      "epoch": 1.5,
      "grad_norm": 1.54216157189327,
      "learning_rate": 5.975451610080643e-06,
      "loss": 0.2519,
      "step": 9
    },
    {
      "epoch": 1.6666666666666665,
      "grad_norm": 3.9980031503763436,
      "learning_rate": 5e-06,
      "loss": 0.2502,
      "step": 10
    },
    {
      "epoch": 1.8333333333333335,
      "grad_norm": 1.88646524715919,
      "learning_rate": 4.02454838991936e-06,
      "loss": 0.2379,
      "step": 11
    },
    {
      "epoch": 2.0,
      "grad_norm": 1.9307742582721177,
      "learning_rate": 3.0865828381745515e-06,
      "loss": 0.2043,
      "step": 12
    },
    {
      "epoch": 2.0,
      "eval_loss": 0.27517953515052795,
      "eval_runtime": 0.9915,
      "eval_samples_per_second": 9.078,
      "eval_steps_per_second": 3.026,
      "step": 12
    },
    {
      "epoch": 2.1666666666666665,
      "grad_norm": 1.4947040279267452,
      "learning_rate": 2.2221488349019903e-06,
      "loss": 0.1995,
      "step": 13
    },
    {
      "epoch": 2.3333333333333335,
      "grad_norm": 1.0110680641273413,
      "learning_rate": 1.4644660940672628e-06,
      "loss": 0.1832,
      "step": 14
    },
    {
      "epoch": 2.5,
      "grad_norm": 0.8856807961821124,
      "learning_rate": 8.426519384872733e-07,
      "loss": 0.2052,
      "step": 15
    },
    {
      "epoch": 2.6666666666666665,
      "grad_norm": 1.0710608285659757,
      "learning_rate": 3.8060233744356634e-07,
      "loss": 0.2218,
      "step": 16
    },
    {
      "epoch": 2.8333333333333335,
      "grad_norm": 0.9251900139099846,
      "learning_rate": 9.607359798384785e-08,
      "loss": 0.1858,
      "step": 17
    },
    {
      "epoch": 3.0,
      "grad_norm": 0.8991283485990265,
      "learning_rate": 0.0,
      "loss": 0.2071,
      "step": 18
    },
    {
      "epoch": 3.0,
      "eval_loss": 0.2581753432750702,
      "eval_runtime": 1.0062,
      "eval_samples_per_second": 8.944,
      "eval_steps_per_second": 2.981,
      "step": 18
    },
    {
      "epoch": 3.0,
      "step": 18,
      "total_flos": 3943670415360.0,
      "train_loss": 0.554683489104112,
      "train_runtime": 936.1096,
      "train_samples_per_second": 0.542,
      "train_steps_per_second": 0.019
    }
  ],
  "logging_steps": 1,
  "max_steps": 18,
  "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": 3943670415360.0,
  "train_batch_size": 8,
  "trial_name": null,
  "trial_params": null
}