| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 0.6116207951070336, | |
| "eval_steps": 1000, | |
| "global_step": 100, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.0061162079510703364, | |
| "grad_norm": 16.1263370513916, | |
| "learning_rate": 0.0, | |
| "loss": 3.3793, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.012232415902140673, | |
| "grad_norm": 8.512293815612793, | |
| "learning_rate": 8.613531161467861e-05, | |
| "loss": 3.4382, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.01834862385321101, | |
| "grad_norm": 10.34029483795166, | |
| "learning_rate": 0.00013652123889719707, | |
| "loss": 3.7362, | |
| "step": 3 | |
| }, | |
| { | |
| "epoch": 0.024464831804281346, | |
| "grad_norm": 8.391839981079102, | |
| "learning_rate": 0.00017227062322935723, | |
| "loss": 3.0307, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.03058103975535168, | |
| "grad_norm": 7.586355686187744, | |
| "learning_rate": 0.0002, | |
| "loss": 2.8996, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 0.03669724770642202, | |
| "grad_norm": 19.746885299682617, | |
| "learning_rate": 0.0002, | |
| "loss": 3.4578, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 0.04281345565749235, | |
| "grad_norm": 11.902972221374512, | |
| "learning_rate": 0.0001979166666666667, | |
| "loss": 2.4257, | |
| "step": 7 | |
| }, | |
| { | |
| "epoch": 0.04892966360856269, | |
| "grad_norm": 11.111593246459961, | |
| "learning_rate": 0.00019583333333333334, | |
| "loss": 3.2545, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 0.05504587155963303, | |
| "grad_norm": 8.549432754516602, | |
| "learning_rate": 0.00019375000000000002, | |
| "loss": 2.5779, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 0.06116207951070336, | |
| "grad_norm": 9.214991569519043, | |
| "learning_rate": 0.00019166666666666667, | |
| "loss": 3.1046, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.0672782874617737, | |
| "grad_norm": 17.514488220214844, | |
| "learning_rate": 0.00018958333333333332, | |
| "loss": 3.1392, | |
| "step": 11 | |
| }, | |
| { | |
| "epoch": 0.07339449541284404, | |
| "grad_norm": 9.559965133666992, | |
| "learning_rate": 0.0001875, | |
| "loss": 2.1743, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 0.07951070336391437, | |
| "grad_norm": 9.440308570861816, | |
| "learning_rate": 0.00018541666666666668, | |
| "loss": 2.9922, | |
| "step": 13 | |
| }, | |
| { | |
| "epoch": 0.0856269113149847, | |
| "grad_norm": 11.202484130859375, | |
| "learning_rate": 0.00018333333333333334, | |
| "loss": 2.1859, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 0.09174311926605505, | |
| "grad_norm": 8.477638244628906, | |
| "learning_rate": 0.00018125000000000001, | |
| "loss": 2.7701, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 0.09785932721712538, | |
| "grad_norm": 8.469841003417969, | |
| "learning_rate": 0.0001791666666666667, | |
| "loss": 1.9663, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 0.10397553516819572, | |
| "grad_norm": 10.58810043334961, | |
| "learning_rate": 0.00017708333333333335, | |
| "loss": 2.6895, | |
| "step": 17 | |
| }, | |
| { | |
| "epoch": 0.11009174311926606, | |
| "grad_norm": 7.477241516113281, | |
| "learning_rate": 0.000175, | |
| "loss": 2.3032, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 0.1162079510703364, | |
| "grad_norm": 7.495728969573975, | |
| "learning_rate": 0.00017291666666666668, | |
| "loss": 2.6739, | |
| "step": 19 | |
| }, | |
| { | |
| "epoch": 0.12232415902140673, | |
| "grad_norm": 12.991828918457031, | |
| "learning_rate": 0.00017083333333333333, | |
| "loss": 2.4438, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.12844036697247707, | |
| "grad_norm": 8.729331970214844, | |
| "learning_rate": 0.00016875, | |
| "loss": 3.3064, | |
| "step": 21 | |
| }, | |
| { | |
| "epoch": 0.1345565749235474, | |
| "grad_norm": 8.71668529510498, | |
| "learning_rate": 0.0001666666666666667, | |
| "loss": 2.7545, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 0.14067278287461774, | |
| "grad_norm": 12.056118965148926, | |
| "learning_rate": 0.00016458333333333334, | |
| "loss": 3.132, | |
| "step": 23 | |
| }, | |
| { | |
| "epoch": 0.14678899082568808, | |
| "grad_norm": 8.363462448120117, | |
| "learning_rate": 0.00016250000000000002, | |
| "loss": 2.2848, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 0.1529051987767584, | |
| "grad_norm": 6.848036289215088, | |
| "learning_rate": 0.00016041666666666667, | |
| "loss": 1.7651, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 0.15902140672782875, | |
| "grad_norm": 7.1675615310668945, | |
| "learning_rate": 0.00015833333333333332, | |
| "loss": 2.6271, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 0.1651376146788991, | |
| "grad_norm": 10.08026123046875, | |
| "learning_rate": 0.00015625, | |
| "loss": 2.2688, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 0.1712538226299694, | |
| "grad_norm": 8.645071029663086, | |
| "learning_rate": 0.00015416666666666668, | |
| "loss": 2.9097, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 0.17737003058103976, | |
| "grad_norm": 6.98000431060791, | |
| "learning_rate": 0.00015208333333333333, | |
| "loss": 2.7872, | |
| "step": 29 | |
| }, | |
| { | |
| "epoch": 0.1834862385321101, | |
| "grad_norm": 6.9742560386657715, | |
| "learning_rate": 0.00015000000000000001, | |
| "loss": 2.9148, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.18960244648318042, | |
| "grad_norm": 5.420623779296875, | |
| "learning_rate": 0.0001479166666666667, | |
| "loss": 0.9129, | |
| "step": 31 | |
| }, | |
| { | |
| "epoch": 0.19571865443425077, | |
| "grad_norm": 12.639835357666016, | |
| "learning_rate": 0.00014583333333333335, | |
| "loss": 2.4444, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 0.2018348623853211, | |
| "grad_norm": 8.219498634338379, | |
| "learning_rate": 0.00014375, | |
| "loss": 3.1908, | |
| "step": 33 | |
| }, | |
| { | |
| "epoch": 0.20795107033639143, | |
| "grad_norm": 8.683309555053711, | |
| "learning_rate": 0.00014166666666666668, | |
| "loss": 1.4347, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 0.21406727828746178, | |
| "grad_norm": 4.826633453369141, | |
| "learning_rate": 0.00013958333333333333, | |
| "loss": 0.2735, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 0.22018348623853212, | |
| "grad_norm": 9.145024299621582, | |
| "learning_rate": 0.0001375, | |
| "loss": 2.7708, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 0.22629969418960244, | |
| "grad_norm": 8.790327072143555, | |
| "learning_rate": 0.0001354166666666667, | |
| "loss": 2.6701, | |
| "step": 37 | |
| }, | |
| { | |
| "epoch": 0.2324159021406728, | |
| "grad_norm": 6.990255832672119, | |
| "learning_rate": 0.00013333333333333334, | |
| "loss": 2.3356, | |
| "step": 38 | |
| }, | |
| { | |
| "epoch": 0.23853211009174313, | |
| "grad_norm": 11.23058795928955, | |
| "learning_rate": 0.00013125000000000002, | |
| "loss": 3.2203, | |
| "step": 39 | |
| }, | |
| { | |
| "epoch": 0.24464831804281345, | |
| "grad_norm": 7.904042720794678, | |
| "learning_rate": 0.00012916666666666667, | |
| "loss": 1.2911, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.25076452599388377, | |
| "grad_norm": 9.774896621704102, | |
| "learning_rate": 0.00012708333333333332, | |
| "loss": 2.8087, | |
| "step": 41 | |
| }, | |
| { | |
| "epoch": 0.25688073394495414, | |
| "grad_norm": 9.185710906982422, | |
| "learning_rate": 0.000125, | |
| "loss": 2.0017, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 0.26299694189602446, | |
| "grad_norm": 6.287588119506836, | |
| "learning_rate": 0.00012291666666666668, | |
| "loss": 1.4049, | |
| "step": 43 | |
| }, | |
| { | |
| "epoch": 0.2691131498470948, | |
| "grad_norm": 7.5378923416137695, | |
| "learning_rate": 0.00012083333333333333, | |
| "loss": 3.1951, | |
| "step": 44 | |
| }, | |
| { | |
| "epoch": 0.27522935779816515, | |
| "grad_norm": 8.957230567932129, | |
| "learning_rate": 0.00011875, | |
| "loss": 3.1533, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 0.28134556574923547, | |
| "grad_norm": 8.327722549438477, | |
| "learning_rate": 0.00011666666666666668, | |
| "loss": 3.4661, | |
| "step": 46 | |
| }, | |
| { | |
| "epoch": 0.2874617737003058, | |
| "grad_norm": 4.977812767028809, | |
| "learning_rate": 0.00011458333333333333, | |
| "loss": 0.8745, | |
| "step": 47 | |
| }, | |
| { | |
| "epoch": 0.29357798165137616, | |
| "grad_norm": 6.470073699951172, | |
| "learning_rate": 0.00011250000000000001, | |
| "loss": 1.6645, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 0.2996941896024465, | |
| "grad_norm": 6.584192752838135, | |
| "learning_rate": 0.00011041666666666668, | |
| "loss": 2.4116, | |
| "step": 49 | |
| }, | |
| { | |
| "epoch": 0.3058103975535168, | |
| "grad_norm": 5.844992160797119, | |
| "learning_rate": 0.00010833333333333333, | |
| "loss": 2.1969, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.3119266055045872, | |
| "grad_norm": 6.529269695281982, | |
| "learning_rate": 0.00010625000000000001, | |
| "loss": 2.7562, | |
| "step": 51 | |
| }, | |
| { | |
| "epoch": 0.3180428134556575, | |
| "grad_norm": 6.519890308380127, | |
| "learning_rate": 0.00010416666666666667, | |
| "loss": 1.6187, | |
| "step": 52 | |
| }, | |
| { | |
| "epoch": 0.3241590214067278, | |
| "grad_norm": 5.84199333190918, | |
| "learning_rate": 0.00010208333333333333, | |
| "loss": 1.4098, | |
| "step": 53 | |
| }, | |
| { | |
| "epoch": 0.3302752293577982, | |
| "grad_norm": 5.9514336585998535, | |
| "learning_rate": 0.0001, | |
| "loss": 1.3005, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 0.3363914373088685, | |
| "grad_norm": 5.569624423980713, | |
| "learning_rate": 9.791666666666667e-05, | |
| "loss": 1.8324, | |
| "step": 55 | |
| }, | |
| { | |
| "epoch": 0.3425076452599388, | |
| "grad_norm": 6.462126731872559, | |
| "learning_rate": 9.583333333333334e-05, | |
| "loss": 1.5223, | |
| "step": 56 | |
| }, | |
| { | |
| "epoch": 0.3486238532110092, | |
| "grad_norm": 5.906198501586914, | |
| "learning_rate": 9.375e-05, | |
| "loss": 1.8126, | |
| "step": 57 | |
| }, | |
| { | |
| "epoch": 0.3547400611620795, | |
| "grad_norm": 8.181982040405273, | |
| "learning_rate": 9.166666666666667e-05, | |
| "loss": 1.5992, | |
| "step": 58 | |
| }, | |
| { | |
| "epoch": 0.36085626911314983, | |
| "grad_norm": 4.730391979217529, | |
| "learning_rate": 8.958333333333335e-05, | |
| "loss": 1.6709, | |
| "step": 59 | |
| }, | |
| { | |
| "epoch": 0.3669724770642202, | |
| "grad_norm": 5.18928337097168, | |
| "learning_rate": 8.75e-05, | |
| "loss": 1.7399, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 0.3730886850152905, | |
| "grad_norm": 7.227060317993164, | |
| "learning_rate": 8.541666666666666e-05, | |
| "loss": 2.1354, | |
| "step": 61 | |
| }, | |
| { | |
| "epoch": 0.37920489296636084, | |
| "grad_norm": 6.325191497802734, | |
| "learning_rate": 8.333333333333334e-05, | |
| "loss": 2.2917, | |
| "step": 62 | |
| }, | |
| { | |
| "epoch": 0.3853211009174312, | |
| "grad_norm": 7.269418239593506, | |
| "learning_rate": 8.125000000000001e-05, | |
| "loss": 2.4691, | |
| "step": 63 | |
| }, | |
| { | |
| "epoch": 0.39143730886850153, | |
| "grad_norm": 9.848830223083496, | |
| "learning_rate": 7.916666666666666e-05, | |
| "loss": 2.9251, | |
| "step": 64 | |
| }, | |
| { | |
| "epoch": 0.39755351681957185, | |
| "grad_norm": 2.8502776622772217, | |
| "learning_rate": 7.708333333333334e-05, | |
| "loss": 0.1757, | |
| "step": 65 | |
| }, | |
| { | |
| "epoch": 0.4036697247706422, | |
| "grad_norm": 4.723325252532959, | |
| "learning_rate": 7.500000000000001e-05, | |
| "loss": 1.3464, | |
| "step": 66 | |
| }, | |
| { | |
| "epoch": 0.40978593272171254, | |
| "grad_norm": 8.410296440124512, | |
| "learning_rate": 7.291666666666667e-05, | |
| "loss": 2.6273, | |
| "step": 67 | |
| }, | |
| { | |
| "epoch": 0.41590214067278286, | |
| "grad_norm": 7.364680290222168, | |
| "learning_rate": 7.083333333333334e-05, | |
| "loss": 2.2223, | |
| "step": 68 | |
| }, | |
| { | |
| "epoch": 0.42201834862385323, | |
| "grad_norm": 7.319981575012207, | |
| "learning_rate": 6.875e-05, | |
| "loss": 1.9165, | |
| "step": 69 | |
| }, | |
| { | |
| "epoch": 0.42813455657492355, | |
| "grad_norm": 6.94813346862793, | |
| "learning_rate": 6.666666666666667e-05, | |
| "loss": 2.2407, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 0.43425076452599387, | |
| "grad_norm": 6.473064422607422, | |
| "learning_rate": 6.458333333333334e-05, | |
| "loss": 1.212, | |
| "step": 71 | |
| }, | |
| { | |
| "epoch": 0.44036697247706424, | |
| "grad_norm": 8.280125617980957, | |
| "learning_rate": 6.25e-05, | |
| "loss": 2.5599, | |
| "step": 72 | |
| }, | |
| { | |
| "epoch": 0.44648318042813456, | |
| "grad_norm": 7.279771327972412, | |
| "learning_rate": 6.041666666666667e-05, | |
| "loss": 2.2878, | |
| "step": 73 | |
| }, | |
| { | |
| "epoch": 0.4525993883792049, | |
| "grad_norm": 8.446040153503418, | |
| "learning_rate": 5.833333333333334e-05, | |
| "loss": 2.9793, | |
| "step": 74 | |
| }, | |
| { | |
| "epoch": 0.45871559633027525, | |
| "grad_norm": 4.083460330963135, | |
| "learning_rate": 5.6250000000000005e-05, | |
| "loss": 0.8241, | |
| "step": 75 | |
| }, | |
| { | |
| "epoch": 0.4648318042813456, | |
| "grad_norm": 4.364982604980469, | |
| "learning_rate": 5.4166666666666664e-05, | |
| "loss": 0.3777, | |
| "step": 76 | |
| }, | |
| { | |
| "epoch": 0.4709480122324159, | |
| "grad_norm": 5.940834045410156, | |
| "learning_rate": 5.208333333333334e-05, | |
| "loss": 2.491, | |
| "step": 77 | |
| }, | |
| { | |
| "epoch": 0.47706422018348627, | |
| "grad_norm": 9.047613143920898, | |
| "learning_rate": 5e-05, | |
| "loss": 2.649, | |
| "step": 78 | |
| }, | |
| { | |
| "epoch": 0.4831804281345566, | |
| "grad_norm": 8.733380317687988, | |
| "learning_rate": 4.791666666666667e-05, | |
| "loss": 2.8966, | |
| "step": 79 | |
| }, | |
| { | |
| "epoch": 0.4892966360856269, | |
| "grad_norm": 8.215818405151367, | |
| "learning_rate": 4.5833333333333334e-05, | |
| "loss": 2.5587, | |
| "step": 80 | |
| }, | |
| { | |
| "epoch": 0.4954128440366973, | |
| "grad_norm": 6.593921661376953, | |
| "learning_rate": 4.375e-05, | |
| "loss": 2.1509, | |
| "step": 81 | |
| }, | |
| { | |
| "epoch": 0.5015290519877675, | |
| "grad_norm": 7.0422563552856445, | |
| "learning_rate": 4.166666666666667e-05, | |
| "loss": 2.6517, | |
| "step": 82 | |
| }, | |
| { | |
| "epoch": 0.5076452599388379, | |
| "grad_norm": 6.228955268859863, | |
| "learning_rate": 3.958333333333333e-05, | |
| "loss": 1.8935, | |
| "step": 83 | |
| }, | |
| { | |
| "epoch": 0.5137614678899083, | |
| "grad_norm": 5.051086902618408, | |
| "learning_rate": 3.7500000000000003e-05, | |
| "loss": 1.1341, | |
| "step": 84 | |
| }, | |
| { | |
| "epoch": 0.5198776758409785, | |
| "grad_norm": 6.446547985076904, | |
| "learning_rate": 3.541666666666667e-05, | |
| "loss": 2.4077, | |
| "step": 85 | |
| }, | |
| { | |
| "epoch": 0.5259938837920489, | |
| "grad_norm": 8.105069160461426, | |
| "learning_rate": 3.3333333333333335e-05, | |
| "loss": 1.3238, | |
| "step": 86 | |
| }, | |
| { | |
| "epoch": 0.5321100917431193, | |
| "grad_norm": 7.07869291305542, | |
| "learning_rate": 3.125e-05, | |
| "loss": 1.8556, | |
| "step": 87 | |
| }, | |
| { | |
| "epoch": 0.5382262996941896, | |
| "grad_norm": 7.414394378662109, | |
| "learning_rate": 2.916666666666667e-05, | |
| "loss": 2.7577, | |
| "step": 88 | |
| }, | |
| { | |
| "epoch": 0.5443425076452599, | |
| "grad_norm": 3.7846713066101074, | |
| "learning_rate": 2.7083333333333332e-05, | |
| "loss": 0.9188, | |
| "step": 89 | |
| }, | |
| { | |
| "epoch": 0.5504587155963303, | |
| "grad_norm": 6.049407482147217, | |
| "learning_rate": 2.5e-05, | |
| "loss": 1.6882, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 0.5565749235474006, | |
| "grad_norm": 6.262319564819336, | |
| "learning_rate": 2.2916666666666667e-05, | |
| "loss": 2.7452, | |
| "step": 91 | |
| }, | |
| { | |
| "epoch": 0.5626911314984709, | |
| "grad_norm": 6.638827800750732, | |
| "learning_rate": 2.0833333333333336e-05, | |
| "loss": 1.9348, | |
| "step": 92 | |
| }, | |
| { | |
| "epoch": 0.5688073394495413, | |
| "grad_norm": 9.3283052444458, | |
| "learning_rate": 1.8750000000000002e-05, | |
| "loss": 3.2134, | |
| "step": 93 | |
| }, | |
| { | |
| "epoch": 0.5749235474006116, | |
| "grad_norm": 5.360898017883301, | |
| "learning_rate": 1.6666666666666667e-05, | |
| "loss": 2.019, | |
| "step": 94 | |
| }, | |
| { | |
| "epoch": 0.581039755351682, | |
| "grad_norm": 8.911893844604492, | |
| "learning_rate": 1.4583333333333335e-05, | |
| "loss": 3.1926, | |
| "step": 95 | |
| }, | |
| { | |
| "epoch": 0.5871559633027523, | |
| "grad_norm": 7.837462425231934, | |
| "learning_rate": 1.25e-05, | |
| "loss": 2.5144, | |
| "step": 96 | |
| }, | |
| { | |
| "epoch": 0.5932721712538226, | |
| "grad_norm": 5.172741889953613, | |
| "learning_rate": 1.0416666666666668e-05, | |
| "loss": 1.7045, | |
| "step": 97 | |
| }, | |
| { | |
| "epoch": 0.599388379204893, | |
| "grad_norm": 7.193814277648926, | |
| "learning_rate": 8.333333333333334e-06, | |
| "loss": 2.8239, | |
| "step": 98 | |
| }, | |
| { | |
| "epoch": 0.6055045871559633, | |
| "grad_norm": 5.897807598114014, | |
| "learning_rate": 6.25e-06, | |
| "loss": 1.1928, | |
| "step": 99 | |
| }, | |
| { | |
| "epoch": 0.6116207951070336, | |
| "grad_norm": 5.558406352996826, | |
| "learning_rate": 4.166666666666667e-06, | |
| "loss": 1.8766, | |
| "step": 100 | |
| } | |
| ], | |
| "logging_steps": 1, | |
| "max_steps": 101, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 1, | |
| "save_steps": 50, | |
| "stateful_callbacks": { | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": false | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 916043819384832.0, | |
| "train_batch_size": 2, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |