| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 13.083333333333334, | |
| "eval_steps": 500, | |
| "global_step": 78, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.16666666666666666, | |
| "grad_norm": 5.938894748687744, | |
| "learning_rate": 2e-05, | |
| "loss": 3.2044, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.3333333333333333, | |
| "grad_norm": 4.463516712188721, | |
| "learning_rate": 4e-05, | |
| "loss": 3.4695, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.5, | |
| "grad_norm": 4.789432048797607, | |
| "learning_rate": 6e-05, | |
| "loss": 2.7558, | |
| "step": 3 | |
| }, | |
| { | |
| "epoch": 0.6666666666666666, | |
| "grad_norm": 5.174938678741455, | |
| "learning_rate": 8e-05, | |
| "loss": 3.5351, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.8333333333333334, | |
| "grad_norm": 4.168506622314453, | |
| "learning_rate": 0.0001, | |
| "loss": 3.3687, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 1.0, | |
| "grad_norm": 3.4302663803100586, | |
| "learning_rate": 0.00012, | |
| "loss": 3.0238, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 1.1666666666666667, | |
| "grad_norm": 3.4769608974456787, | |
| "learning_rate": 0.00014, | |
| "loss": 2.5911, | |
| "step": 7 | |
| }, | |
| { | |
| "epoch": 1.3333333333333333, | |
| "grad_norm": 1.6394767761230469, | |
| "learning_rate": 0.00016, | |
| "loss": 2.4857, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 1.5, | |
| "grad_norm": 1.0120770931243896, | |
| "learning_rate": 0.00018, | |
| "loss": 2.3817, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 1.6666666666666665, | |
| "grad_norm": 1.001904010772705, | |
| "learning_rate": 0.0002, | |
| "loss": 2.1428, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 1.8333333333333335, | |
| "grad_norm": 1.9454771280288696, | |
| "learning_rate": 0.00019990989662046818, | |
| "loss": 2.1056, | |
| "step": 11 | |
| }, | |
| { | |
| "epoch": 2.0, | |
| "grad_norm": 2.8763234615325928, | |
| "learning_rate": 0.00019963974885425266, | |
| "loss": 1.9367, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 2.1666666666666665, | |
| "grad_norm": 5.128969669342041, | |
| "learning_rate": 0.00019919004352588767, | |
| "loss": 1.7501, | |
| "step": 13 | |
| }, | |
| { | |
| "epoch": 2.3333333333333335, | |
| "grad_norm": 2.4892914295196533, | |
| "learning_rate": 0.00019856159103477086, | |
| "loss": 1.752, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 2.5, | |
| "grad_norm": 1.8692046403884888, | |
| "learning_rate": 0.00019775552389476864, | |
| "loss": 1.5042, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 2.6666666666666665, | |
| "grad_norm": 1.2553520202636719, | |
| "learning_rate": 0.0001967732946933499, | |
| "loss": 1.5055, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 2.8333333333333335, | |
| "grad_norm": 1.2239947319030762, | |
| "learning_rate": 0.00019561667347392508, | |
| "loss": 1.3455, | |
| "step": 17 | |
| }, | |
| { | |
| "epoch": 3.0, | |
| "grad_norm": 0.6258853077888489, | |
| "learning_rate": 0.00019428774454610843, | |
| "loss": 1.1685, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 3.1666666666666665, | |
| "grad_norm": 0.47979050874710083, | |
| "learning_rate": 0.00019278890272965096, | |
| "loss": 1.3398, | |
| "step": 19 | |
| }, | |
| { | |
| "epoch": 3.3333333333333335, | |
| "grad_norm": 0.6196557879447937, | |
| "learning_rate": 0.0001911228490388136, | |
| "loss": 0.9657, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 3.5, | |
| "grad_norm": 0.5832103490829468, | |
| "learning_rate": 0.00018929258581495685, | |
| "loss": 1.0832, | |
| "step": 21 | |
| }, | |
| { | |
| "epoch": 3.6666666666666665, | |
| "grad_norm": 0.5927340388298035, | |
| "learning_rate": 0.00018730141131611882, | |
| "loss": 1.0314, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 3.8333333333333335, | |
| "grad_norm": 0.5204931497573853, | |
| "learning_rate": 0.00018515291377333112, | |
| "loss": 0.8754, | |
| "step": 23 | |
| }, | |
| { | |
| "epoch": 4.0, | |
| "grad_norm": 0.4670678973197937, | |
| "learning_rate": 0.00018285096492438424, | |
| "loss": 1.0863, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 4.166666666666667, | |
| "grad_norm": 0.4299399256706238, | |
| "learning_rate": 0.00018039971303669407, | |
| "loss": 0.8928, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 4.333333333333333, | |
| "grad_norm": 0.4016658663749695, | |
| "learning_rate": 0.00017780357543184397, | |
| "loss": 0.9477, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 4.5, | |
| "grad_norm": 0.3151310384273529, | |
| "learning_rate": 0.00017506723052527242, | |
| "loss": 0.7094, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 4.666666666666667, | |
| "grad_norm": 0.32494109869003296, | |
| "learning_rate": 0.00017219560939545246, | |
| "loss": 0.8431, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 4.833333333333333, | |
| "grad_norm": 0.3440641462802887, | |
| "learning_rate": 0.00016919388689775464, | |
| "loss": 0.8827, | |
| "step": 29 | |
| }, | |
| { | |
| "epoch": 5.0, | |
| "grad_norm": 0.3420379161834717, | |
| "learning_rate": 0.00016606747233900815, | |
| "loss": 0.7974, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 5.166666666666667, | |
| "grad_norm": 0.3671797215938568, | |
| "learning_rate": 0.00016282199972956425, | |
| "loss": 0.8115, | |
| "step": 31 | |
| }, | |
| { | |
| "epoch": 5.333333333333333, | |
| "grad_norm": 0.4096015989780426, | |
| "learning_rate": 0.00015946331763042867, | |
| "loss": 0.6507, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 5.5, | |
| "grad_norm": 0.2679135799407959, | |
| "learning_rate": 0.00015599747861375955, | |
| "loss": 0.6284, | |
| "step": 33 | |
| }, | |
| { | |
| "epoch": 5.666666666666667, | |
| "grad_norm": 0.2709369659423828, | |
| "learning_rate": 0.00015243072835572318, | |
| "loss": 0.7564, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 5.833333333333333, | |
| "grad_norm": 0.3028361201286316, | |
| "learning_rate": 0.00014876949438136347, | |
| "loss": 0.617, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 6.041666666666667, | |
| "grad_norm": 0.3157184422016144, | |
| "learning_rate": 0.00014502037448176734, | |
| "loss": 0.8272, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 6.208333333333333, | |
| "grad_norm": 0.21699579060077667, | |
| "learning_rate": 0.0001411901248243993, | |
| "loss": 0.4782, | |
| "step": 37 | |
| }, | |
| { | |
| "epoch": 6.375, | |
| "grad_norm": 0.25780075788497925, | |
| "learning_rate": 0.00013728564777803088, | |
| "loss": 0.4702, | |
| "step": 38 | |
| }, | |
| { | |
| "epoch": 6.541666666666667, | |
| "grad_norm": 0.31380730867385864, | |
| "learning_rate": 0.00013331397947420576, | |
| "loss": 0.6215, | |
| "step": 39 | |
| }, | |
| { | |
| "epoch": 6.708333333333333, | |
| "grad_norm": 0.24152006208896637, | |
| "learning_rate": 0.00012928227712765504, | |
| "loss": 0.4787, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 6.875, | |
| "grad_norm": 0.24954846501350403, | |
| "learning_rate": 0.00012519780613851254, | |
| "loss": 0.6333, | |
| "step": 41 | |
| }, | |
| { | |
| "epoch": 7.041666666666667, | |
| "grad_norm": 0.2597391903400421, | |
| "learning_rate": 0.00012106792699957263, | |
| "loss": 0.4318, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 7.208333333333333, | |
| "grad_norm": 0.3103647828102112, | |
| "learning_rate": 0.00011690008203218493, | |
| "loss": 0.5419, | |
| "step": 43 | |
| }, | |
| { | |
| "epoch": 7.375, | |
| "grad_norm": 0.2273220270872116, | |
| "learning_rate": 0.00011270178197468789, | |
| "loss": 0.4293, | |
| "step": 44 | |
| }, | |
| { | |
| "epoch": 7.541666666666667, | |
| "grad_norm": 0.24323494732379913, | |
| "learning_rate": 0.00010848059244755093, | |
| "loss": 0.4582, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 7.708333333333333, | |
| "grad_norm": 0.23198571801185608, | |
| "learning_rate": 0.00010424412031961484, | |
| "loss": 0.4496, | |
| "step": 46 | |
| }, | |
| { | |
| "epoch": 7.875, | |
| "grad_norm": 0.2640136182308197, | |
| "learning_rate": 0.0001, | |
| "loss": 0.4636, | |
| "step": 47 | |
| }, | |
| { | |
| "epoch": 8.041666666666666, | |
| "grad_norm": 0.22148194909095764, | |
| "learning_rate": 9.57558796803852e-05, | |
| "loss": 0.4316, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 8.208333333333334, | |
| "grad_norm": 0.3232097625732422, | |
| "learning_rate": 9.151940755244912e-05, | |
| "loss": 0.4118, | |
| "step": 49 | |
| }, | |
| { | |
| "epoch": 8.375, | |
| "grad_norm": 0.2797921299934387, | |
| "learning_rate": 8.729821802531212e-05, | |
| "loss": 0.4228, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 8.541666666666666, | |
| "grad_norm": 0.4100043773651123, | |
| "learning_rate": 8.309991796781511e-05, | |
| "loss": 0.4201, | |
| "step": 51 | |
| }, | |
| { | |
| "epoch": 8.708333333333334, | |
| "grad_norm": 0.2617148160934448, | |
| "learning_rate": 7.89320730004274e-05, | |
| "loss": 0.4007, | |
| "step": 52 | |
| }, | |
| { | |
| "epoch": 8.875, | |
| "grad_norm": 0.19542059302330017, | |
| "learning_rate": 7.48021938614875e-05, | |
| "loss": 0.2735, | |
| "step": 53 | |
| }, | |
| { | |
| "epoch": 9.041666666666666, | |
| "grad_norm": 0.1957903802394867, | |
| "learning_rate": 7.071772287234497e-05, | |
| "loss": 0.3412, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 9.208333333333334, | |
| "grad_norm": 0.23630011081695557, | |
| "learning_rate": 6.668602052579424e-05, | |
| "loss": 0.3521, | |
| "step": 55 | |
| }, | |
| { | |
| "epoch": 9.375, | |
| "grad_norm": 0.20844170451164246, | |
| "learning_rate": 6.271435222196916e-05, | |
| "loss": 0.2906, | |
| "step": 56 | |
| }, | |
| { | |
| "epoch": 9.541666666666666, | |
| "grad_norm": 0.22085875272750854, | |
| "learning_rate": 5.880987517560075e-05, | |
| "loss": 0.3754, | |
| "step": 57 | |
| }, | |
| { | |
| "epoch": 9.708333333333334, | |
| "grad_norm": 0.20409594476222992, | |
| "learning_rate": 5.497962551823266e-05, | |
| "loss": 0.3049, | |
| "step": 58 | |
| }, | |
| { | |
| "epoch": 9.875, | |
| "grad_norm": 0.26991498470306396, | |
| "learning_rate": 5.123050561863657e-05, | |
| "loss": 0.4179, | |
| "step": 59 | |
| }, | |
| { | |
| "epoch": 10.041666666666666, | |
| "grad_norm": 0.214054137468338, | |
| "learning_rate": 4.756927164427685e-05, | |
| "loss": 0.3251, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 10.208333333333334, | |
| "grad_norm": 0.18112917244434357, | |
| "learning_rate": 4.4002521386240466e-05, | |
| "loss": 0.2615, | |
| "step": 61 | |
| }, | |
| { | |
| "epoch": 10.375, | |
| "grad_norm": 0.2018309086561203, | |
| "learning_rate": 4.053668236957134e-05, | |
| "loss": 0.3192, | |
| "step": 62 | |
| }, | |
| { | |
| "epoch": 10.541666666666666, | |
| "grad_norm": 0.2698860168457031, | |
| "learning_rate": 3.717800027043576e-05, | |
| "loss": 0.2557, | |
| "step": 63 | |
| }, | |
| { | |
| "epoch": 10.708333333333334, | |
| "grad_norm": 0.20317442715168, | |
| "learning_rate": 3.393252766099187e-05, | |
| "loss": 0.2945, | |
| "step": 64 | |
| }, | |
| { | |
| "epoch": 10.875, | |
| "grad_norm": 0.2879021167755127, | |
| "learning_rate": 3.080611310224539e-05, | |
| "loss": 0.4332, | |
| "step": 65 | |
| }, | |
| { | |
| "epoch": 11.083333333333334, | |
| "grad_norm": 0.21126505732536316, | |
| "learning_rate": 2.7804390604547557e-05, | |
| "loss": 0.2938, | |
| "step": 66 | |
| }, | |
| { | |
| "epoch": 11.25, | |
| "grad_norm": 0.19826583564281464, | |
| "learning_rate": 2.493276947472756e-05, | |
| "loss": 0.3325, | |
| "step": 67 | |
| }, | |
| { | |
| "epoch": 11.416666666666666, | |
| "grad_norm": 0.18251454830169678, | |
| "learning_rate": 2.2196424568156073e-05, | |
| "loss": 0.2345, | |
| "step": 68 | |
| }, | |
| { | |
| "epoch": 11.583333333333334, | |
| "grad_norm": 0.18902085721492767, | |
| "learning_rate": 1.9600286963305957e-05, | |
| "loss": 0.2443, | |
| "step": 69 | |
| }, | |
| { | |
| "epoch": 11.75, | |
| "grad_norm": 0.2101271152496338, | |
| "learning_rate": 1.7149035075615794e-05, | |
| "loss": 0.2826, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 11.916666666666666, | |
| "grad_norm": 0.22148583829402924, | |
| "learning_rate": 1.4847086226668872e-05, | |
| "loss": 0.2963, | |
| "step": 71 | |
| }, | |
| { | |
| "epoch": 12.083333333333334, | |
| "grad_norm": 0.20519474148750305, | |
| "learning_rate": 1.2698588683881186e-05, | |
| "loss": 0.2761, | |
| "step": 72 | |
| }, | |
| { | |
| "epoch": 12.25, | |
| "grad_norm": 0.20748701691627502, | |
| "learning_rate": 1.0707414185043163e-05, | |
| "loss": 0.252, | |
| "step": 73 | |
| }, | |
| { | |
| "epoch": 12.416666666666666, | |
| "grad_norm": 0.24075932800769806, | |
| "learning_rate": 8.87715096118642e-06, | |
| "loss": 0.3244, | |
| "step": 74 | |
| }, | |
| { | |
| "epoch": 12.583333333333334, | |
| "grad_norm": 0.20718753337860107, | |
| "learning_rate": 7.211097270349066e-06, | |
| "loss": 0.2726, | |
| "step": 75 | |
| }, | |
| { | |
| "epoch": 12.75, | |
| "grad_norm": 0.17866022884845734, | |
| "learning_rate": 5.71225545389158e-06, | |
| "loss": 0.2074, | |
| "step": 76 | |
| }, | |
| { | |
| "epoch": 12.916666666666666, | |
| "grad_norm": 0.2323920726776123, | |
| "learning_rate": 4.383326526074916e-06, | |
| "loss": 0.2462, | |
| "step": 77 | |
| }, | |
| { | |
| "epoch": 13.083333333333334, | |
| "grad_norm": 0.292443186044693, | |
| "learning_rate": 3.226705306650113e-06, | |
| "loss": 0.2667, | |
| "step": 78 | |
| } | |
| ], | |
| "logging_steps": 1, | |
| "max_steps": 84, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 14, | |
| "save_steps": 6, | |
| "stateful_callbacks": { | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": false | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 160914305187840.0, | |
| "train_batch_size": 1, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |