trainer_state.json

{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 1.0,
  "eval_steps": 2,
  "global_step": 24,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.041666666666666664,
      "grad_norm": 0.0,
      "learning_rate": 0.0,
      "loss": 0.7707,
      "step": 1
    },
    {
      "epoch": 0.08333333333333333,
      "grad_norm": 0.0,
      "learning_rate": 0.0,
      "loss": 0.7292,
      "step": 2
    },
    {
      "epoch": 0.16666666666666666,
      "grad_norm": 0.0,
      "learning_rate": 0.0,
      "loss": 0.866,
      "step": 4
    },
    {
      "epoch": 0.25,
      "grad_norm": 0.0,
      "learning_rate": 0.0,
      "loss": 0.8245,
      "step": 6
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 0.0,
      "learning_rate": 0.0,
      "loss": 0.8525,
      "step": 8
    },
    {
      "epoch": 0.4166666666666667,
      "grad_norm": 16.918717865655807,
      "learning_rate": 3e-06,
      "loss": 0.8233,
      "step": 10
    },
    {
      "epoch": 0.5,
      "grad_norm": 14.125841360931494,
      "learning_rate": 2.7318181818181818e-06,
      "loss": 0.7242,
      "step": 12
    },
    {
      "epoch": 0.5833333333333334,
      "grad_norm": 2.9430143532398407,
      "learning_rate": 2.4636363636363635e-06,
      "loss": 0.7036,
      "step": 14
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 2.6977380186384154,
      "learning_rate": 2.1954545454545456e-06,
      "loss": 0.6375,
      "step": 16
    },
    {
      "epoch": 0.75,
      "grad_norm": 3.150945696111667,
      "learning_rate": 1.9272727272727273e-06,
      "loss": 0.5869,
      "step": 18
    },
    {
      "epoch": 0.8333333333333334,
      "grad_norm": 2.7063848141329307,
      "learning_rate": 1.659090909090909e-06,
      "loss": 0.5832,
      "step": 20
    },
    {
      "epoch": 0.9166666666666666,
      "grad_norm": 2.4793715474031077,
      "learning_rate": 1.390909090909091e-06,
      "loss": 0.6289,
      "step": 22
    },
    {
      "epoch": 1.0,
      "grad_norm": 2.4448012137897406,
      "learning_rate": 1.1227272727272728e-06,
      "loss": 0.6731,
      "step": 24
    },
    {
      "epoch": 1.0,
      "step": 24,
      "total_flos": 3529028665344.0,
      "train_loss": 0.7211405163009962,
      "train_runtime": 3820.8331,
      "train_samples_per_second": 0.799,
      "train_steps_per_second": 0.006
    }
  ],
  "logging_steps": 2,
  "max_steps": 24,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 1,
  "save_steps": 5,
  "total_flos": 3529028665344.0,
  "train_batch_size": 2,
  "trial_name": null,
  "trial_params": null
}