| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 12.0, | |
| "eval_steps": 500, | |
| "global_step": 144, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.16666666666666666, | |
| "grad_norm": 2.389958143234253, | |
| "learning_rate": 0.00019722222222222225, | |
| "loss": 9.3312, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.3333333333333333, | |
| "grad_norm": 3.9081215858459473, | |
| "learning_rate": 0.00019444444444444446, | |
| "loss": 8.4046, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.5, | |
| "grad_norm": 5.577122211456299, | |
| "learning_rate": 0.00019166666666666667, | |
| "loss": 8.1587, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 0.6666666666666666, | |
| "grad_norm": 2.7514705657958984, | |
| "learning_rate": 0.00018888888888888888, | |
| "loss": 6.9252, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 0.8333333333333334, | |
| "grad_norm": 2.6608922481536865, | |
| "learning_rate": 0.00018611111111111112, | |
| "loss": 6.682, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 1.0, | |
| "grad_norm": 1.8224042654037476, | |
| "learning_rate": 0.00018333333333333334, | |
| "loss": 6.5515, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 1.1666666666666667, | |
| "grad_norm": 1.7821205854415894, | |
| "learning_rate": 0.00018055555555555557, | |
| "loss": 6.3741, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 1.3333333333333333, | |
| "grad_norm": 1.4631325006484985, | |
| "learning_rate": 0.00017777777777777779, | |
| "loss": 5.7752, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 1.5, | |
| "grad_norm": 1.2445415258407593, | |
| "learning_rate": 0.000175, | |
| "loss": 5.6322, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 1.6666666666666665, | |
| "grad_norm": 1.1385904550552368, | |
| "learning_rate": 0.00017222222222222224, | |
| "loss": 5.5292, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 1.8333333333333335, | |
| "grad_norm": 2.350696325302124, | |
| "learning_rate": 0.00016944444444444445, | |
| "loss": 6.0467, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 2.0, | |
| "grad_norm": 0.9251314997673035, | |
| "learning_rate": 0.0001666666666666667, | |
| "loss": 5.5052, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 2.1666666666666665, | |
| "grad_norm": 1.078282356262207, | |
| "learning_rate": 0.0001638888888888889, | |
| "loss": 5.1516, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 2.3333333333333335, | |
| "grad_norm": 2.0441372394561768, | |
| "learning_rate": 0.0001611111111111111, | |
| "loss": 6.0246, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 2.5, | |
| "grad_norm": 0.7417467832565308, | |
| "learning_rate": 0.00015833333333333332, | |
| "loss": 5.6533, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 2.6666666666666665, | |
| "grad_norm": 0.7308917045593262, | |
| "learning_rate": 0.00015555555555555556, | |
| "loss": 5.8707, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 2.8333333333333335, | |
| "grad_norm": 0.7263883948326111, | |
| "learning_rate": 0.00015277777777777777, | |
| "loss": 5.5237, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 3.0, | |
| "grad_norm": 0.768177330493927, | |
| "learning_rate": 0.00015000000000000001, | |
| "loss": 5.5894, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 3.1666666666666665, | |
| "grad_norm": 1.502065896987915, | |
| "learning_rate": 0.00014722222222222223, | |
| "loss": 5.7828, | |
| "step": 38 | |
| }, | |
| { | |
| "epoch": 3.3333333333333335, | |
| "grad_norm": 0.8962785005569458, | |
| "learning_rate": 0.00014444444444444444, | |
| "loss": 5.6038, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 3.5, | |
| "grad_norm": 0.7349110841751099, | |
| "learning_rate": 0.00014166666666666668, | |
| "loss": 5.8042, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 3.6666666666666665, | |
| "grad_norm": 1.244559407234192, | |
| "learning_rate": 0.0001388888888888889, | |
| "loss": 5.4373, | |
| "step": 44 | |
| }, | |
| { | |
| "epoch": 3.8333333333333335, | |
| "grad_norm": 0.895315945148468, | |
| "learning_rate": 0.00013611111111111113, | |
| "loss": 5.58, | |
| "step": 46 | |
| }, | |
| { | |
| "epoch": 4.0, | |
| "grad_norm": 1.0650572776794434, | |
| "learning_rate": 0.00013333333333333334, | |
| "loss": 5.4728, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 4.166666666666667, | |
| "grad_norm": 0.5839248895645142, | |
| "learning_rate": 0.00013055555555555555, | |
| "loss": 5.2988, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 4.333333333333333, | |
| "grad_norm": 1.0592962503433228, | |
| "learning_rate": 0.00012777777777777776, | |
| "loss": 5.5554, | |
| "step": 52 | |
| }, | |
| { | |
| "epoch": 4.5, | |
| "grad_norm": 1.030292272567749, | |
| "learning_rate": 0.000125, | |
| "loss": 5.5131, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 4.666666666666667, | |
| "grad_norm": 0.6566389799118042, | |
| "learning_rate": 0.00012222222222222224, | |
| "loss": 5.8547, | |
| "step": 56 | |
| }, | |
| { | |
| "epoch": 4.833333333333333, | |
| "grad_norm": 0.6720917224884033, | |
| "learning_rate": 0.00011944444444444445, | |
| "loss": 5.6832, | |
| "step": 58 | |
| }, | |
| { | |
| "epoch": 5.0, | |
| "grad_norm": 2.3127827644348145, | |
| "learning_rate": 0.00011666666666666668, | |
| "loss": 5.5447, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 5.166666666666667, | |
| "grad_norm": 1.462990641593933, | |
| "learning_rate": 0.00011388888888888889, | |
| "loss": 5.62, | |
| "step": 62 | |
| }, | |
| { | |
| "epoch": 5.333333333333333, | |
| "grad_norm": 0.8015946745872498, | |
| "learning_rate": 0.00011111111111111112, | |
| "loss": 5.5182, | |
| "step": 64 | |
| }, | |
| { | |
| "epoch": 5.5, | |
| "grad_norm": 0.9235395789146423, | |
| "learning_rate": 0.00010833333333333333, | |
| "loss": 5.6122, | |
| "step": 66 | |
| }, | |
| { | |
| "epoch": 5.666666666666667, | |
| "grad_norm": 1.5042009353637695, | |
| "learning_rate": 0.00010555555555555557, | |
| "loss": 5.6774, | |
| "step": 68 | |
| }, | |
| { | |
| "epoch": 5.833333333333333, | |
| "grad_norm": 0.8788179755210876, | |
| "learning_rate": 0.00010277777777777778, | |
| "loss": 5.6975, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 6.0, | |
| "grad_norm": 0.70127934217453, | |
| "learning_rate": 0.0001, | |
| "loss": 5.325, | |
| "step": 72 | |
| }, | |
| { | |
| "epoch": 6.166666666666667, | |
| "grad_norm": 0.6378411650657654, | |
| "learning_rate": 9.722222222222223e-05, | |
| "loss": 5.5471, | |
| "step": 74 | |
| }, | |
| { | |
| "epoch": 6.333333333333333, | |
| "grad_norm": 0.7255083918571472, | |
| "learning_rate": 9.444444444444444e-05, | |
| "loss": 5.53, | |
| "step": 76 | |
| }, | |
| { | |
| "epoch": 6.5, | |
| "grad_norm": 0.5315467715263367, | |
| "learning_rate": 9.166666666666667e-05, | |
| "loss": 5.668, | |
| "step": 78 | |
| }, | |
| { | |
| "epoch": 6.666666666666667, | |
| "grad_norm": 1.6775908470153809, | |
| "learning_rate": 8.888888888888889e-05, | |
| "loss": 5.6227, | |
| "step": 80 | |
| }, | |
| { | |
| "epoch": 6.833333333333333, | |
| "grad_norm": 0.6967664957046509, | |
| "learning_rate": 8.611111111111112e-05, | |
| "loss": 5.3633, | |
| "step": 82 | |
| }, | |
| { | |
| "epoch": 7.0, | |
| "grad_norm": 0.7901867628097534, | |
| "learning_rate": 8.333333333333334e-05, | |
| "loss": 5.5201, | |
| "step": 84 | |
| }, | |
| { | |
| "epoch": 7.166666666666667, | |
| "grad_norm": 0.7575122714042664, | |
| "learning_rate": 8.055555555555556e-05, | |
| "loss": 5.7576, | |
| "step": 86 | |
| }, | |
| { | |
| "epoch": 7.333333333333333, | |
| "grad_norm": 0.6522452235221863, | |
| "learning_rate": 7.777777777777778e-05, | |
| "loss": 5.4296, | |
| "step": 88 | |
| }, | |
| { | |
| "epoch": 7.5, | |
| "grad_norm": 1.1450906991958618, | |
| "learning_rate": 7.500000000000001e-05, | |
| "loss": 5.5873, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 7.666666666666667, | |
| "grad_norm": 1.0967220067977905, | |
| "learning_rate": 7.222222222222222e-05, | |
| "loss": 5.6052, | |
| "step": 92 | |
| }, | |
| { | |
| "epoch": 7.833333333333333, | |
| "grad_norm": 1.2387806177139282, | |
| "learning_rate": 6.944444444444444e-05, | |
| "loss": 5.4181, | |
| "step": 94 | |
| }, | |
| { | |
| "epoch": 8.0, | |
| "grad_norm": 0.9872841835021973, | |
| "learning_rate": 6.666666666666667e-05, | |
| "loss": 5.3969, | |
| "step": 96 | |
| }, | |
| { | |
| "epoch": 8.166666666666666, | |
| "grad_norm": 0.9052764773368835, | |
| "learning_rate": 6.388888888888888e-05, | |
| "loss": 5.6536, | |
| "step": 98 | |
| }, | |
| { | |
| "epoch": 8.333333333333334, | |
| "grad_norm": 0.755061686038971, | |
| "learning_rate": 6.111111111111112e-05, | |
| "loss": 5.6881, | |
| "step": 100 | |
| }, | |
| { | |
| "epoch": 8.5, | |
| "grad_norm": 0.8030765056610107, | |
| "learning_rate": 5.833333333333334e-05, | |
| "loss": 5.2, | |
| "step": 102 | |
| }, | |
| { | |
| "epoch": 8.666666666666666, | |
| "grad_norm": 1.3601152896881104, | |
| "learning_rate": 5.555555555555556e-05, | |
| "loss": 5.7912, | |
| "step": 104 | |
| }, | |
| { | |
| "epoch": 8.833333333333334, | |
| "grad_norm": 0.8304908871650696, | |
| "learning_rate": 5.2777777777777784e-05, | |
| "loss": 5.3534, | |
| "step": 106 | |
| }, | |
| { | |
| "epoch": 9.0, | |
| "grad_norm": 0.7708331942558289, | |
| "learning_rate": 5e-05, | |
| "loss": 5.4276, | |
| "step": 108 | |
| }, | |
| { | |
| "epoch": 9.166666666666666, | |
| "grad_norm": 0.7606693506240845, | |
| "learning_rate": 4.722222222222222e-05, | |
| "loss": 5.3528, | |
| "step": 110 | |
| }, | |
| { | |
| "epoch": 9.333333333333334, | |
| "grad_norm": 0.6759011745452881, | |
| "learning_rate": 4.4444444444444447e-05, | |
| "loss": 5.3649, | |
| "step": 112 | |
| }, | |
| { | |
| "epoch": 9.5, | |
| "grad_norm": 1.1626386642456055, | |
| "learning_rate": 4.166666666666667e-05, | |
| "loss": 5.7563, | |
| "step": 114 | |
| }, | |
| { | |
| "epoch": 9.666666666666666, | |
| "grad_norm": 1.7458714246749878, | |
| "learning_rate": 3.888888888888889e-05, | |
| "loss": 5.2431, | |
| "step": 116 | |
| }, | |
| { | |
| "epoch": 9.833333333333334, | |
| "grad_norm": 1.1250461339950562, | |
| "learning_rate": 3.611111111111111e-05, | |
| "loss": 5.6882, | |
| "step": 118 | |
| }, | |
| { | |
| "epoch": 10.0, | |
| "grad_norm": 0.6424404382705688, | |
| "learning_rate": 3.3333333333333335e-05, | |
| "loss": 5.5573, | |
| "step": 120 | |
| }, | |
| { | |
| "epoch": 10.166666666666666, | |
| "grad_norm": 1.5267101526260376, | |
| "learning_rate": 3.055555555555556e-05, | |
| "loss": 5.2131, | |
| "step": 122 | |
| }, | |
| { | |
| "epoch": 10.333333333333334, | |
| "grad_norm": 0.6374937295913696, | |
| "learning_rate": 2.777777777777778e-05, | |
| "loss": 5.8057, | |
| "step": 124 | |
| }, | |
| { | |
| "epoch": 10.5, | |
| "grad_norm": 2.1327388286590576, | |
| "learning_rate": 2.5e-05, | |
| "loss": 5.4895, | |
| "step": 126 | |
| }, | |
| { | |
| "epoch": 10.666666666666666, | |
| "grad_norm": 1.285032868385315, | |
| "learning_rate": 2.2222222222222223e-05, | |
| "loss": 5.2823, | |
| "step": 128 | |
| }, | |
| { | |
| "epoch": 10.833333333333334, | |
| "grad_norm": 1.0142369270324707, | |
| "learning_rate": 1.9444444444444445e-05, | |
| "loss": 5.7365, | |
| "step": 130 | |
| }, | |
| { | |
| "epoch": 11.0, | |
| "grad_norm": 1.4758329391479492, | |
| "learning_rate": 1.6666666666666667e-05, | |
| "loss": 5.3342, | |
| "step": 132 | |
| }, | |
| { | |
| "epoch": 11.166666666666666, | |
| "grad_norm": 0.8409311771392822, | |
| "learning_rate": 1.388888888888889e-05, | |
| "loss": 5.4373, | |
| "step": 134 | |
| }, | |
| { | |
| "epoch": 11.333333333333334, | |
| "grad_norm": 1.3784596920013428, | |
| "learning_rate": 1.1111111111111112e-05, | |
| "loss": 5.1533, | |
| "step": 136 | |
| }, | |
| { | |
| "epoch": 11.5, | |
| "grad_norm": 0.7121608257293701, | |
| "learning_rate": 8.333333333333334e-06, | |
| "loss": 5.4633, | |
| "step": 138 | |
| }, | |
| { | |
| "epoch": 11.666666666666666, | |
| "grad_norm": 1.5873008966445923, | |
| "learning_rate": 5.555555555555556e-06, | |
| "loss": 5.4515, | |
| "step": 140 | |
| }, | |
| { | |
| "epoch": 11.833333333333334, | |
| "grad_norm": 1.2284098863601685, | |
| "learning_rate": 2.777777777777778e-06, | |
| "loss": 5.7681, | |
| "step": 142 | |
| }, | |
| { | |
| "epoch": 12.0, | |
| "grad_norm": 1.2025315761566162, | |
| "learning_rate": 0.0, | |
| "loss": 5.522, | |
| "step": 144 | |
| }, | |
| { | |
| "epoch": 12.0, | |
| "step": 144, | |
| "total_flos": 294472713653016.0, | |
| "train_loss": 5.7429078287548485, | |
| "train_runtime": 359.3045, | |
| "train_samples_per_second": 3.173, | |
| "train_steps_per_second": 0.401 | |
| } | |
| ], | |
| "logging_steps": 2, | |
| "max_steps": 144, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 12, | |
| "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": 294472713653016.0, | |
| "train_batch_size": 2, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |