| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 0.1, | |
| "eval_steps": 500, | |
| "global_step": 2000, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.0, | |
| "grad_norm": 83.5, | |
| "learning_rate": 2.2000000000000002e-08, | |
| "loss": 7.8377, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.0, | |
| "grad_norm": 82.0, | |
| "learning_rate": 4.4000000000000004e-08, | |
| "loss": 7.8316, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.0, | |
| "grad_norm": 84.5, | |
| "learning_rate": 6.6e-08, | |
| "loss": 7.8539, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.0, | |
| "grad_norm": 84.0, | |
| "learning_rate": 8.800000000000001e-08, | |
| "loss": 7.8355, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.0, | |
| "grad_norm": 81.5, | |
| "learning_rate": 1.1e-07, | |
| "loss": 7.8181, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.0, | |
| "grad_norm": 83.0, | |
| "learning_rate": 1.32e-07, | |
| "loss": 7.8506, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 0.0, | |
| "grad_norm": 81.0, | |
| "learning_rate": 1.5400000000000003e-07, | |
| "loss": 7.8358, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 0.0, | |
| "grad_norm": 82.5, | |
| "learning_rate": 1.7600000000000001e-07, | |
| "loss": 7.8175, | |
| "step": 80 | |
| }, | |
| { | |
| "epoch": 0.0, | |
| "grad_norm": 82.0, | |
| "learning_rate": 1.98e-07, | |
| "loss": 7.8249, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 82.0, | |
| "learning_rate": 2.2e-07, | |
| "loss": 7.8159, | |
| "step": 100 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 82.5, | |
| "learning_rate": 2.42e-07, | |
| "loss": 7.8062, | |
| "step": 110 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 81.5, | |
| "learning_rate": 2.64e-07, | |
| "loss": 7.8364, | |
| "step": 120 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 82.0, | |
| "learning_rate": 2.8600000000000005e-07, | |
| "loss": 7.7865, | |
| "step": 130 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 82.0, | |
| "learning_rate": 3.0800000000000006e-07, | |
| "loss": 7.8126, | |
| "step": 140 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 82.0, | |
| "learning_rate": 3.3e-07, | |
| "loss": 7.7728, | |
| "step": 150 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 80.5, | |
| "learning_rate": 3.5200000000000003e-07, | |
| "loss": 7.7671, | |
| "step": 160 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 81.5, | |
| "learning_rate": 3.7400000000000004e-07, | |
| "loss": 7.7892, | |
| "step": 170 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 81.0, | |
| "learning_rate": 3.96e-07, | |
| "loss": 7.7527, | |
| "step": 180 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 81.0, | |
| "learning_rate": 4.18e-07, | |
| "loss": 7.7056, | |
| "step": 190 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 81.5, | |
| "learning_rate": 4.4e-07, | |
| "loss": 7.6997, | |
| "step": 200 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 80.5, | |
| "learning_rate": 4.62e-07, | |
| "loss": 7.7058, | |
| "step": 210 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 82.5, | |
| "learning_rate": 4.84e-07, | |
| "loss": 7.7096, | |
| "step": 220 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 80.5, | |
| "learning_rate": 5.06e-07, | |
| "loss": 7.6711, | |
| "step": 230 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 81.0, | |
| "learning_rate": 5.28e-07, | |
| "loss": 7.6393, | |
| "step": 240 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 80.0, | |
| "learning_rate": 5.5e-07, | |
| "loss": 7.6306, | |
| "step": 250 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 80.0, | |
| "learning_rate": 5.720000000000001e-07, | |
| "loss": 7.6173, | |
| "step": 260 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 79.5, | |
| "learning_rate": 5.94e-07, | |
| "loss": 7.5625, | |
| "step": 270 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 79.5, | |
| "learning_rate": 6.160000000000001e-07, | |
| "loss": 7.4816, | |
| "step": 280 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 78.5, | |
| "learning_rate": 6.38e-07, | |
| "loss": 7.4518, | |
| "step": 290 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 78.5, | |
| "learning_rate": 6.6e-07, | |
| "loss": 7.4093, | |
| "step": 300 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 77.5, | |
| "learning_rate": 6.82e-07, | |
| "loss": 7.3733, | |
| "step": 310 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 78.0, | |
| "learning_rate": 7.040000000000001e-07, | |
| "loss": 7.322, | |
| "step": 320 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 77.0, | |
| "learning_rate": 7.260000000000001e-07, | |
| "loss": 7.276, | |
| "step": 330 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 78.5, | |
| "learning_rate": 7.480000000000001e-07, | |
| "loss": 7.2595, | |
| "step": 340 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 77.0, | |
| "learning_rate": 7.7e-07, | |
| "loss": 7.1728, | |
| "step": 350 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 77.5, | |
| "learning_rate": 7.92e-07, | |
| "loss": 7.1616, | |
| "step": 360 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 78.0, | |
| "learning_rate": 8.140000000000001e-07, | |
| "loss": 7.1472, | |
| "step": 370 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 77.0, | |
| "learning_rate": 8.36e-07, | |
| "loss": 7.0884, | |
| "step": 380 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 77.5, | |
| "learning_rate": 8.580000000000001e-07, | |
| "loss": 7.0459, | |
| "step": 390 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 77.5, | |
| "learning_rate": 8.8e-07, | |
| "loss": 7.0098, | |
| "step": 400 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 78.0, | |
| "learning_rate": 9.02e-07, | |
| "loss": 6.9943, | |
| "step": 410 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 78.0, | |
| "learning_rate": 9.24e-07, | |
| "loss": 6.9331, | |
| "step": 420 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 77.0, | |
| "learning_rate": 9.46e-07, | |
| "loss": 6.8576, | |
| "step": 430 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 77.0, | |
| "learning_rate": 9.68e-07, | |
| "loss": 6.7943, | |
| "step": 440 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 77.0, | |
| "learning_rate": 9.9e-07, | |
| "loss": 6.7133, | |
| "step": 450 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 77.5, | |
| "learning_rate": 1.012e-06, | |
| "loss": 6.6149, | |
| "step": 460 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 77.5, | |
| "learning_rate": 1.034e-06, | |
| "loss": 6.5204, | |
| "step": 470 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 77.0, | |
| "learning_rate": 1.056e-06, | |
| "loss": 6.3806, | |
| "step": 480 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 77.5, | |
| "learning_rate": 1.078e-06, | |
| "loss": 6.2492, | |
| "step": 490 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 78.0, | |
| "learning_rate": 1.1e-06, | |
| "loss": 6.0768, | |
| "step": 500 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "eval_loss": 6.031269550323486, | |
| "eval_runtime": 65.0659, | |
| "eval_samples_per_second": 15.369, | |
| "eval_steps_per_second": 15.369, | |
| "step": 500 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 79.5, | |
| "learning_rate": 1.0926666666666667e-06, | |
| "loss": 5.9387, | |
| "step": 510 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 79.5, | |
| "learning_rate": 1.0853333333333334e-06, | |
| "loss": 5.7853, | |
| "step": 520 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 80.5, | |
| "learning_rate": 1.078e-06, | |
| "loss": 5.6257, | |
| "step": 530 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 82.0, | |
| "learning_rate": 1.0706666666666668e-06, | |
| "loss": 5.4324, | |
| "step": 540 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 82.5, | |
| "learning_rate": 1.0633333333333335e-06, | |
| "loss": 5.298, | |
| "step": 550 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 83.5, | |
| "learning_rate": 1.056e-06, | |
| "loss": 5.091, | |
| "step": 560 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 84.5, | |
| "learning_rate": 1.0486666666666668e-06, | |
| "loss": 4.9098, | |
| "step": 570 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 85.0, | |
| "learning_rate": 1.0413333333333333e-06, | |
| "loss": 4.728, | |
| "step": 580 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 86.5, | |
| "learning_rate": 1.034e-06, | |
| "loss": 4.5719, | |
| "step": 590 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 85.5, | |
| "learning_rate": 1.0266666666666666e-06, | |
| "loss": 4.4393, | |
| "step": 600 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 87.5, | |
| "learning_rate": 1.0193333333333333e-06, | |
| "loss": 4.2395, | |
| "step": 610 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 86.5, | |
| "learning_rate": 1.012e-06, | |
| "loss": 4.08, | |
| "step": 620 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 87.0, | |
| "learning_rate": 1.0046666666666667e-06, | |
| "loss": 3.9541, | |
| "step": 630 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 87.5, | |
| "learning_rate": 9.973333333333334e-07, | |
| "loss": 3.7964, | |
| "step": 640 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 87.5, | |
| "learning_rate": 9.9e-07, | |
| "loss": 3.6848, | |
| "step": 650 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 87.0, | |
| "learning_rate": 9.826666666666667e-07, | |
| "loss": 3.522, | |
| "step": 660 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 86.5, | |
| "learning_rate": 9.753333333333334e-07, | |
| "loss": 3.4177, | |
| "step": 670 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 85.5, | |
| "learning_rate": 9.68e-07, | |
| "loss": 3.3256, | |
| "step": 680 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 85.0, | |
| "learning_rate": 9.606666666666668e-07, | |
| "loss": 3.2074, | |
| "step": 690 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 84.5, | |
| "learning_rate": 9.533333333333335e-07, | |
| "loss": 3.077, | |
| "step": 700 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 84.0, | |
| "learning_rate": 9.46e-07, | |
| "loss": 3.0159, | |
| "step": 710 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 83.5, | |
| "learning_rate": 9.386666666666668e-07, | |
| "loss": 2.8732, | |
| "step": 720 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 83.5, | |
| "learning_rate": 9.313333333333334e-07, | |
| "loss": 2.8273, | |
| "step": 730 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 81.5, | |
| "learning_rate": 9.24e-07, | |
| "loss": 2.6836, | |
| "step": 740 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 81.0, | |
| "learning_rate": 9.166666666666667e-07, | |
| "loss": 2.623, | |
| "step": 750 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 80.0, | |
| "learning_rate": 9.093333333333333e-07, | |
| "loss": 2.5291, | |
| "step": 760 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 80.0, | |
| "learning_rate": 9.02e-07, | |
| "loss": 2.4323, | |
| "step": 770 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 78.5, | |
| "learning_rate": 8.946666666666667e-07, | |
| "loss": 2.347, | |
| "step": 780 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 78.0, | |
| "learning_rate": 8.873333333333334e-07, | |
| "loss": 2.3225, | |
| "step": 790 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 77.5, | |
| "learning_rate": 8.8e-07, | |
| "loss": 2.2284, | |
| "step": 800 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 77.0, | |
| "learning_rate": 8.726666666666667e-07, | |
| "loss": 2.1348, | |
| "step": 810 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 76.0, | |
| "learning_rate": 8.653333333333333e-07, | |
| "loss": 2.0742, | |
| "step": 820 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 75.5, | |
| "learning_rate": 8.580000000000001e-07, | |
| "loss": 2.014, | |
| "step": 830 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 76.0, | |
| "learning_rate": 8.506666666666667e-07, | |
| "loss": 1.9751, | |
| "step": 840 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 75.0, | |
| "learning_rate": 8.433333333333334e-07, | |
| "loss": 1.8888, | |
| "step": 850 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 74.0, | |
| "learning_rate": 8.36e-07, | |
| "loss": 1.8768, | |
| "step": 860 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 73.0, | |
| "learning_rate": 8.286666666666667e-07, | |
| "loss": 1.807, | |
| "step": 870 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 71.5, | |
| "learning_rate": 8.213333333333334e-07, | |
| "loss": 1.7518, | |
| "step": 880 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 71.0, | |
| "learning_rate": 8.140000000000001e-07, | |
| "loss": 1.7072, | |
| "step": 890 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 72.0, | |
| "learning_rate": 8.066666666666666e-07, | |
| "loss": 1.6759, | |
| "step": 900 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 70.0, | |
| "learning_rate": 7.993333333333334e-07, | |
| "loss": 1.6377, | |
| "step": 910 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 72.0, | |
| "learning_rate": 7.92e-07, | |
| "loss": 1.5894, | |
| "step": 920 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 68.5, | |
| "learning_rate": 7.846666666666668e-07, | |
| "loss": 1.5379, | |
| "step": 930 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 68.0, | |
| "learning_rate": 7.773333333333334e-07, | |
| "loss": 1.5146, | |
| "step": 940 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 66.5, | |
| "learning_rate": 7.7e-07, | |
| "loss": 1.4519, | |
| "step": 950 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 66.5, | |
| "learning_rate": 7.626666666666667e-07, | |
| "loss": 1.441, | |
| "step": 960 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 67.0, | |
| "learning_rate": 7.553333333333334e-07, | |
| "loss": 1.4175, | |
| "step": 970 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 63.5, | |
| "learning_rate": 7.480000000000001e-07, | |
| "loss": 1.3603, | |
| "step": 980 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 66.0, | |
| "learning_rate": 7.406666666666668e-07, | |
| "loss": 1.3479, | |
| "step": 990 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 65.5, | |
| "learning_rate": 7.333333333333333e-07, | |
| "loss": 1.2865, | |
| "step": 1000 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "eval_loss": 1.3002561330795288, | |
| "eval_runtime": 64.955, | |
| "eval_samples_per_second": 15.395, | |
| "eval_steps_per_second": 15.395, | |
| "step": 1000 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 65.0, | |
| "learning_rate": 7.260000000000001e-07, | |
| "loss": 1.2767, | |
| "step": 1010 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 63.25, | |
| "learning_rate": 7.186666666666667e-07, | |
| "loss": 1.2266, | |
| "step": 1020 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 63.75, | |
| "learning_rate": 7.113333333333333e-07, | |
| "loss": 1.2458, | |
| "step": 1030 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 63.0, | |
| "learning_rate": 7.040000000000001e-07, | |
| "loss": 1.1768, | |
| "step": 1040 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 62.75, | |
| "learning_rate": 6.966666666666666e-07, | |
| "loss": 1.1844, | |
| "step": 1050 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 62.25, | |
| "learning_rate": 6.893333333333334e-07, | |
| "loss": 1.186, | |
| "step": 1060 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 62.75, | |
| "learning_rate": 6.82e-07, | |
| "loss": 1.1551, | |
| "step": 1070 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 60.25, | |
| "learning_rate": 6.746666666666667e-07, | |
| "loss": 1.1218, | |
| "step": 1080 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 61.25, | |
| "learning_rate": 6.673333333333334e-07, | |
| "loss": 1.0962, | |
| "step": 1090 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 60.5, | |
| "learning_rate": 6.6e-07, | |
| "loss": 1.1204, | |
| "step": 1100 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 58.25, | |
| "learning_rate": 6.526666666666667e-07, | |
| "loss": 1.0833, | |
| "step": 1110 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 57.25, | |
| "learning_rate": 6.453333333333334e-07, | |
| "loss": 1.0743, | |
| "step": 1120 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 60.25, | |
| "learning_rate": 6.38e-07, | |
| "loss": 1.0764, | |
| "step": 1130 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 56.0, | |
| "learning_rate": 6.306666666666668e-07, | |
| "loss": 1.0315, | |
| "step": 1140 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 59.25, | |
| "learning_rate": 6.233333333333333e-07, | |
| "loss": 1.0791, | |
| "step": 1150 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 60.0, | |
| "learning_rate": 6.160000000000001e-07, | |
| "loss": 1.0443, | |
| "step": 1160 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 60.75, | |
| "learning_rate": 6.086666666666667e-07, | |
| "loss": 1.0472, | |
| "step": 1170 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 59.75, | |
| "learning_rate": 6.013333333333334e-07, | |
| "loss": 1.0422, | |
| "step": 1180 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 58.5, | |
| "learning_rate": 5.94e-07, | |
| "loss": 1.051, | |
| "step": 1190 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 57.25, | |
| "learning_rate": 5.866666666666667e-07, | |
| "loss": 1.0104, | |
| "step": 1200 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 58.5, | |
| "learning_rate": 5.793333333333333e-07, | |
| "loss": 1.0429, | |
| "step": 1210 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 60.25, | |
| "learning_rate": 5.720000000000001e-07, | |
| "loss": 1.0135, | |
| "step": 1220 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 58.0, | |
| "learning_rate": 5.646666666666667e-07, | |
| "loss": 1.0441, | |
| "step": 1230 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 57.25, | |
| "learning_rate": 5.573333333333335e-07, | |
| "loss": 1.0202, | |
| "step": 1240 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 54.5, | |
| "learning_rate": 5.5e-07, | |
| "loss": 0.9915, | |
| "step": 1250 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 56.75, | |
| "learning_rate": 5.426666666666667e-07, | |
| "loss": 1.0085, | |
| "step": 1260 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 58.75, | |
| "learning_rate": 5.353333333333334e-07, | |
| "loss": 1.0114, | |
| "step": 1270 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 56.0, | |
| "learning_rate": 5.28e-07, | |
| "loss": 1.0092, | |
| "step": 1280 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 54.25, | |
| "learning_rate": 5.206666666666666e-07, | |
| "loss": 0.9634, | |
| "step": 1290 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 54.0, | |
| "learning_rate": 5.133333333333333e-07, | |
| "loss": 0.9588, | |
| "step": 1300 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 56.5, | |
| "learning_rate": 5.06e-07, | |
| "loss": 0.9885, | |
| "step": 1310 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 55.75, | |
| "learning_rate": 4.986666666666667e-07, | |
| "loss": 1.024, | |
| "step": 1320 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 54.5, | |
| "learning_rate": 4.913333333333334e-07, | |
| "loss": 0.9812, | |
| "step": 1330 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 55.5, | |
| "learning_rate": 4.84e-07, | |
| "loss": 0.9859, | |
| "step": 1340 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 57.5, | |
| "learning_rate": 4.766666666666667e-07, | |
| "loss": 0.9629, | |
| "step": 1350 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 54.25, | |
| "learning_rate": 4.693333333333334e-07, | |
| "loss": 0.9386, | |
| "step": 1360 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 54.75, | |
| "learning_rate": 4.62e-07, | |
| "loss": 1.0033, | |
| "step": 1370 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 56.5, | |
| "learning_rate": 4.5466666666666666e-07, | |
| "loss": 0.9642, | |
| "step": 1380 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 53.5, | |
| "learning_rate": 4.4733333333333334e-07, | |
| "loss": 0.9745, | |
| "step": 1390 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 54.75, | |
| "learning_rate": 4.4e-07, | |
| "loss": 0.9625, | |
| "step": 1400 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 56.25, | |
| "learning_rate": 4.3266666666666665e-07, | |
| "loss": 0.9617, | |
| "step": 1410 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 56.5, | |
| "learning_rate": 4.2533333333333333e-07, | |
| "loss": 0.9724, | |
| "step": 1420 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 54.5, | |
| "learning_rate": 4.18e-07, | |
| "loss": 0.9962, | |
| "step": 1430 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 53.0, | |
| "learning_rate": 4.106666666666667e-07, | |
| "loss": 0.9469, | |
| "step": 1440 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 54.75, | |
| "learning_rate": 4.033333333333333e-07, | |
| "loss": 0.9777, | |
| "step": 1450 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 57.0, | |
| "learning_rate": 3.96e-07, | |
| "loss": 0.9498, | |
| "step": 1460 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 57.0, | |
| "learning_rate": 3.886666666666667e-07, | |
| "loss": 0.9229, | |
| "step": 1470 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 57.5, | |
| "learning_rate": 3.8133333333333336e-07, | |
| "loss": 0.9686, | |
| "step": 1480 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 59.0, | |
| "learning_rate": 3.7400000000000004e-07, | |
| "loss": 0.9718, | |
| "step": 1490 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 55.0, | |
| "learning_rate": 3.6666666666666667e-07, | |
| "loss": 0.9614, | |
| "step": 1500 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "eval_loss": 0.9728732705116272, | |
| "eval_runtime": 65.1341, | |
| "eval_samples_per_second": 15.353, | |
| "eval_steps_per_second": 15.353, | |
| "step": 1500 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 56.25, | |
| "learning_rate": 3.5933333333333335e-07, | |
| "loss": 0.9445, | |
| "step": 1510 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 57.0, | |
| "learning_rate": 3.5200000000000003e-07, | |
| "loss": 0.9411, | |
| "step": 1520 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 55.25, | |
| "learning_rate": 3.446666666666667e-07, | |
| "loss": 0.9502, | |
| "step": 1530 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 55.5, | |
| "learning_rate": 3.3733333333333334e-07, | |
| "loss": 0.9696, | |
| "step": 1540 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 53.25, | |
| "learning_rate": 3.3e-07, | |
| "loss": 0.9587, | |
| "step": 1550 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 55.5, | |
| "learning_rate": 3.226666666666667e-07, | |
| "loss": 1.0107, | |
| "step": 1560 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 56.75, | |
| "learning_rate": 3.153333333333334e-07, | |
| "loss": 0.9738, | |
| "step": 1570 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 54.0, | |
| "learning_rate": 3.0800000000000006e-07, | |
| "loss": 0.9859, | |
| "step": 1580 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 57.25, | |
| "learning_rate": 3.006666666666667e-07, | |
| "loss": 0.9419, | |
| "step": 1590 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 54.75, | |
| "learning_rate": 2.9333333333333337e-07, | |
| "loss": 0.9493, | |
| "step": 1600 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 54.75, | |
| "learning_rate": 2.8600000000000005e-07, | |
| "loss": 0.9896, | |
| "step": 1610 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 56.0, | |
| "learning_rate": 2.7866666666666673e-07, | |
| "loss": 0.9342, | |
| "step": 1620 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 56.5, | |
| "learning_rate": 2.7133333333333335e-07, | |
| "loss": 0.9641, | |
| "step": 1630 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 56.25, | |
| "learning_rate": 2.64e-07, | |
| "loss": 0.9459, | |
| "step": 1640 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 55.5, | |
| "learning_rate": 2.5666666666666666e-07, | |
| "loss": 0.9835, | |
| "step": 1650 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 54.0, | |
| "learning_rate": 2.4933333333333334e-07, | |
| "loss": 0.9505, | |
| "step": 1660 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 57.5, | |
| "learning_rate": 2.42e-07, | |
| "loss": 0.9574, | |
| "step": 1670 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 52.5, | |
| "learning_rate": 2.346666666666667e-07, | |
| "loss": 0.9476, | |
| "step": 1680 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 56.0, | |
| "learning_rate": 2.2733333333333333e-07, | |
| "loss": 0.9757, | |
| "step": 1690 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 57.75, | |
| "learning_rate": 2.2e-07, | |
| "loss": 1.0152, | |
| "step": 1700 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 55.5, | |
| "learning_rate": 2.1266666666666667e-07, | |
| "loss": 0.9584, | |
| "step": 1710 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 56.25, | |
| "learning_rate": 2.0533333333333335e-07, | |
| "loss": 0.9793, | |
| "step": 1720 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 57.0, | |
| "learning_rate": 1.98e-07, | |
| "loss": 0.9512, | |
| "step": 1730 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 54.75, | |
| "learning_rate": 1.9066666666666668e-07, | |
| "loss": 0.9505, | |
| "step": 1740 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 56.5, | |
| "learning_rate": 1.8333333333333333e-07, | |
| "loss": 0.9632, | |
| "step": 1750 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 53.5, | |
| "learning_rate": 1.7600000000000001e-07, | |
| "loss": 0.9366, | |
| "step": 1760 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 57.5, | |
| "learning_rate": 1.6866666666666667e-07, | |
| "loss": 0.9409, | |
| "step": 1770 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 59.5, | |
| "learning_rate": 1.6133333333333335e-07, | |
| "loss": 1.0027, | |
| "step": 1780 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 56.25, | |
| "learning_rate": 1.5400000000000003e-07, | |
| "loss": 0.9519, | |
| "step": 1790 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 57.25, | |
| "learning_rate": 1.4666666666666668e-07, | |
| "loss": 0.9499, | |
| "step": 1800 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 55.5, | |
| "learning_rate": 1.3933333333333336e-07, | |
| "loss": 0.9739, | |
| "step": 1810 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 56.0, | |
| "learning_rate": 1.32e-07, | |
| "loss": 0.9899, | |
| "step": 1820 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 61.25, | |
| "learning_rate": 1.2466666666666667e-07, | |
| "loss": 0.9731, | |
| "step": 1830 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 56.0, | |
| "learning_rate": 1.1733333333333335e-07, | |
| "loss": 0.9449, | |
| "step": 1840 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 57.25, | |
| "learning_rate": 1.1e-07, | |
| "loss": 1.0051, | |
| "step": 1850 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 54.75, | |
| "learning_rate": 1.0266666666666667e-07, | |
| "loss": 0.9907, | |
| "step": 1860 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 56.0, | |
| "learning_rate": 9.533333333333334e-08, | |
| "loss": 0.9608, | |
| "step": 1870 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 57.5, | |
| "learning_rate": 8.800000000000001e-08, | |
| "loss": 0.9558, | |
| "step": 1880 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 59.0, | |
| "learning_rate": 8.066666666666667e-08, | |
| "loss": 0.9928, | |
| "step": 1890 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 57.25, | |
| "learning_rate": 7.333333333333334e-08, | |
| "loss": 0.9629, | |
| "step": 1900 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 56.75, | |
| "learning_rate": 6.6e-08, | |
| "loss": 0.9358, | |
| "step": 1910 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 57.25, | |
| "learning_rate": 5.8666666666666676e-08, | |
| "loss": 0.9602, | |
| "step": 1920 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 59.25, | |
| "learning_rate": 5.1333333333333336e-08, | |
| "loss": 0.9639, | |
| "step": 1930 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 58.5, | |
| "learning_rate": 4.4000000000000004e-08, | |
| "loss": 0.9643, | |
| "step": 1940 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 59.25, | |
| "learning_rate": 3.666666666666667e-08, | |
| "loss": 0.9413, | |
| "step": 1950 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 55.25, | |
| "learning_rate": 2.9333333333333338e-08, | |
| "loss": 0.9927, | |
| "step": 1960 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 56.75, | |
| "learning_rate": 2.2000000000000002e-08, | |
| "loss": 0.987, | |
| "step": 1970 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 53.75, | |
| "learning_rate": 1.4666666666666669e-08, | |
| "loss": 0.9517, | |
| "step": 1980 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 56.25, | |
| "learning_rate": 7.3333333333333345e-09, | |
| "loss": 0.9575, | |
| "step": 1990 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 55.75, | |
| "learning_rate": 0.0, | |
| "loss": 0.9746, | |
| "step": 2000 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "eval_loss": 0.9655321836471558, | |
| "eval_runtime": 64.9317, | |
| "eval_samples_per_second": 15.401, | |
| "eval_steps_per_second": 15.401, | |
| "step": 2000 | |
| } | |
| ], | |
| "logging_steps": 10, | |
| "max_steps": 2000, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 1, | |
| "save_steps": 500, | |
| "total_flos": 3.227844083712e+16, | |
| "train_batch_size": 1, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |