| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 0.17066666666666666, | |
| "eval_steps": 500, | |
| "global_step": 20, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.008533333333333334, | |
| "grad_norm": 250.03163081148352, | |
| "learning_rate": 0.0, | |
| "loss": 9.7972, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.017066666666666667, | |
| "grad_norm": 248.51781720582932, | |
| "learning_rate": 3.010299956639811e-07, | |
| "loss": 9.6851, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.0256, | |
| "grad_norm": 242.7004728698525, | |
| "learning_rate": 4.771212547196623e-07, | |
| "loss": 9.7332, | |
| "step": 3 | |
| }, | |
| { | |
| "epoch": 0.034133333333333335, | |
| "grad_norm": 244.87426620614914, | |
| "learning_rate": 6.020599913279622e-07, | |
| "loss": 9.6243, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.042666666666666665, | |
| "grad_norm": 243.51473421797294, | |
| "learning_rate": 6.989700043360186e-07, | |
| "loss": 9.6145, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 0.0512, | |
| "grad_norm": 237.0939456470789, | |
| "learning_rate": 7.781512503836435e-07, | |
| "loss": 9.5558, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 0.05973333333333333, | |
| "grad_norm": 246.42426416396174, | |
| "learning_rate": 8.450980400142567e-07, | |
| "loss": 9.5691, | |
| "step": 7 | |
| }, | |
| { | |
| "epoch": 0.06826666666666667, | |
| "grad_norm": 234.25935480253506, | |
| "learning_rate": 9.030899869919433e-07, | |
| "loss": 9.4209, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 0.0768, | |
| "grad_norm": 239.2983885236171, | |
| "learning_rate": 9.542425094393247e-07, | |
| "loss": 9.4733, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 0.08533333333333333, | |
| "grad_norm": 236.6105466399374, | |
| "learning_rate": 9.999999999999997e-07, | |
| "loss": 9.5095, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.09386666666666667, | |
| "grad_norm": 231.46864663491684, | |
| "learning_rate": 1.0413926851582248e-06, | |
| "loss": 9.1118, | |
| "step": 11 | |
| }, | |
| { | |
| "epoch": 0.1024, | |
| "grad_norm": 231.50741585044312, | |
| "learning_rate": 1.0791812460476246e-06, | |
| "loss": 9.0775, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 0.11093333333333333, | |
| "grad_norm": 232.88580221859812, | |
| "learning_rate": 1.1139433523068364e-06, | |
| "loss": 8.7966, | |
| "step": 13 | |
| }, | |
| { | |
| "epoch": 0.11946666666666667, | |
| "grad_norm": 227.17208510290166, | |
| "learning_rate": 1.1461280356782378e-06, | |
| "loss": 8.6432, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 0.128, | |
| "grad_norm": 222.61277865106936, | |
| "learning_rate": 1.176091259055681e-06, | |
| "loss": 8.6176, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 0.13653333333333334, | |
| "grad_norm": 216.5108794899231, | |
| "learning_rate": 1.2041199826559244e-06, | |
| "loss": 8.1218, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 0.14506666666666668, | |
| "grad_norm": 219.20955299667028, | |
| "learning_rate": 1.230448921378274e-06, | |
| "loss": 8.0343, | |
| "step": 17 | |
| }, | |
| { | |
| "epoch": 0.1536, | |
| "grad_norm": 199.72085988949678, | |
| "learning_rate": 1.2552725051033058e-06, | |
| "loss": 7.964, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 0.16213333333333332, | |
| "grad_norm": 200.24268479147997, | |
| "learning_rate": 1.2787536009528286e-06, | |
| "loss": 7.647, | |
| "step": 19 | |
| }, | |
| { | |
| "epoch": 0.17066666666666666, | |
| "grad_norm": 186.85104361496084, | |
| "learning_rate": 1.301029995663981e-06, | |
| "loss": 7.3774, | |
| "step": 20 | |
| } | |
| ], | |
| "logging_steps": 1, | |
| "max_steps": 201, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 2, | |
| "save_steps": 20, | |
| "stateful_callbacks": { | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": false | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 3.227827051482317e+17, | |
| "train_batch_size": 16, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |