| { | |
| "best_metric": 0.40445852279663086, | |
| "best_model_checkpoint": "mikhail-panzo/fil_b32_le5_s8000/checkpoint-5500", | |
| "epoch": 166.66666666666666, | |
| "eval_steps": 500, | |
| "global_step": 7500, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 1.1111111111111112, | |
| "grad_norm": 3.579704523086548, | |
| "learning_rate": 2.4500000000000004e-07, | |
| "loss": 0.8282, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 2.2222222222222223, | |
| "grad_norm": 2.0918073654174805, | |
| "learning_rate": 4.95e-07, | |
| "loss": 0.7857, | |
| "step": 100 | |
| }, | |
| { | |
| "epoch": 3.3333333333333335, | |
| "grad_norm": 1.283610224723816, | |
| "learning_rate": 7.450000000000001e-07, | |
| "loss": 0.7356, | |
| "step": 150 | |
| }, | |
| { | |
| "epoch": 4.444444444444445, | |
| "grad_norm": 1.5381903648376465, | |
| "learning_rate": 9.950000000000002e-07, | |
| "loss": 0.7606, | |
| "step": 200 | |
| }, | |
| { | |
| "epoch": 5.555555555555555, | |
| "grad_norm": 1.613647222518921, | |
| "learning_rate": 1.2450000000000002e-06, | |
| "loss": 0.7314, | |
| "step": 250 | |
| }, | |
| { | |
| "epoch": 6.666666666666667, | |
| "grad_norm": 2.6762027740478516, | |
| "learning_rate": 1.495e-06, | |
| "loss": 0.6933, | |
| "step": 300 | |
| }, | |
| { | |
| "epoch": 7.777777777777778, | |
| "grad_norm": 2.667527675628662, | |
| "learning_rate": 1.745e-06, | |
| "loss": 0.6863, | |
| "step": 350 | |
| }, | |
| { | |
| "epoch": 8.88888888888889, | |
| "grad_norm": 1.9682470560073853, | |
| "learning_rate": 1.9950000000000004e-06, | |
| "loss": 0.6649, | |
| "step": 400 | |
| }, | |
| { | |
| "epoch": 10.0, | |
| "grad_norm": 2.0042927265167236, | |
| "learning_rate": 2.245e-06, | |
| "loss": 0.6507, | |
| "step": 450 | |
| }, | |
| { | |
| "epoch": 11.11111111111111, | |
| "grad_norm": 2.6399147510528564, | |
| "learning_rate": 2.4950000000000003e-06, | |
| "loss": 0.632, | |
| "step": 500 | |
| }, | |
| { | |
| "epoch": 11.11111111111111, | |
| "eval_loss": 0.5323343276977539, | |
| "eval_runtime": 7.6175, | |
| "eval_samples_per_second": 20.873, | |
| "eval_steps_per_second": 2.626, | |
| "step": 500 | |
| }, | |
| { | |
| "epoch": 12.222222222222221, | |
| "grad_norm": 2.593517780303955, | |
| "learning_rate": 2.7450000000000004e-06, | |
| "loss": 0.5956, | |
| "step": 550 | |
| }, | |
| { | |
| "epoch": 13.333333333333334, | |
| "grad_norm": 5.524081707000732, | |
| "learning_rate": 2.99e-06, | |
| "loss": 0.577, | |
| "step": 600 | |
| }, | |
| { | |
| "epoch": 14.444444444444445, | |
| "grad_norm": 2.2165024280548096, | |
| "learning_rate": 3.2400000000000003e-06, | |
| "loss": 0.5614, | |
| "step": 650 | |
| }, | |
| { | |
| "epoch": 15.555555555555555, | |
| "grad_norm": 2.4440901279449463, | |
| "learning_rate": 3.49e-06, | |
| "loss": 0.5654, | |
| "step": 700 | |
| }, | |
| { | |
| "epoch": 16.666666666666668, | |
| "grad_norm": 1.8401445150375366, | |
| "learning_rate": 3.74e-06, | |
| "loss": 0.5329, | |
| "step": 750 | |
| }, | |
| { | |
| "epoch": 17.77777777777778, | |
| "grad_norm": 2.101787567138672, | |
| "learning_rate": 3.990000000000001e-06, | |
| "loss": 0.5293, | |
| "step": 800 | |
| }, | |
| { | |
| "epoch": 18.88888888888889, | |
| "grad_norm": 2.1338887214660645, | |
| "learning_rate": 4.24e-06, | |
| "loss": 0.5345, | |
| "step": 850 | |
| }, | |
| { | |
| "epoch": 20.0, | |
| "grad_norm": 1.8499983549118042, | |
| "learning_rate": 4.49e-06, | |
| "loss": 0.5148, | |
| "step": 900 | |
| }, | |
| { | |
| "epoch": 21.11111111111111, | |
| "grad_norm": 1.3982588052749634, | |
| "learning_rate": 4.74e-06, | |
| "loss": 0.5085, | |
| "step": 950 | |
| }, | |
| { | |
| "epoch": 22.22222222222222, | |
| "grad_norm": 1.7611488103866577, | |
| "learning_rate": 4.9900000000000005e-06, | |
| "loss": 0.519, | |
| "step": 1000 | |
| }, | |
| { | |
| "epoch": 22.22222222222222, | |
| "eval_loss": 0.4493897557258606, | |
| "eval_runtime": 7.4167, | |
| "eval_samples_per_second": 21.438, | |
| "eval_steps_per_second": 2.697, | |
| "step": 1000 | |
| }, | |
| { | |
| "epoch": 23.333333333333332, | |
| "grad_norm": 2.625955581665039, | |
| "learning_rate": 5.240000000000001e-06, | |
| "loss": 0.5194, | |
| "step": 1050 | |
| }, | |
| { | |
| "epoch": 24.444444444444443, | |
| "grad_norm": 1.75005304813385, | |
| "learning_rate": 5.490000000000001e-06, | |
| "loss": 0.5152, | |
| "step": 1100 | |
| }, | |
| { | |
| "epoch": 25.555555555555557, | |
| "grad_norm": 2.279965877532959, | |
| "learning_rate": 5.74e-06, | |
| "loss": 0.5129, | |
| "step": 1150 | |
| }, | |
| { | |
| "epoch": 26.666666666666668, | |
| "grad_norm": 1.5506455898284912, | |
| "learning_rate": 5.99e-06, | |
| "loss": 0.4941, | |
| "step": 1200 | |
| }, | |
| { | |
| "epoch": 27.77777777777778, | |
| "grad_norm": 1.830841064453125, | |
| "learning_rate": 6.24e-06, | |
| "loss": 0.4899, | |
| "step": 1250 | |
| }, | |
| { | |
| "epoch": 28.88888888888889, | |
| "grad_norm": 2.0044639110565186, | |
| "learning_rate": 6.4900000000000005e-06, | |
| "loss": 0.496, | |
| "step": 1300 | |
| }, | |
| { | |
| "epoch": 30.0, | |
| "grad_norm": 2.272815465927124, | |
| "learning_rate": 6.740000000000001e-06, | |
| "loss": 0.4906, | |
| "step": 1350 | |
| }, | |
| { | |
| "epoch": 31.11111111111111, | |
| "grad_norm": 1.460723638534546, | |
| "learning_rate": 6.99e-06, | |
| "loss": 0.4741, | |
| "step": 1400 | |
| }, | |
| { | |
| "epoch": 32.22222222222222, | |
| "grad_norm": 1.7440383434295654, | |
| "learning_rate": 7.24e-06, | |
| "loss": 0.4821, | |
| "step": 1450 | |
| }, | |
| { | |
| "epoch": 33.333333333333336, | |
| "grad_norm": 1.4221312999725342, | |
| "learning_rate": 7.49e-06, | |
| "loss": 0.4816, | |
| "step": 1500 | |
| }, | |
| { | |
| "epoch": 33.333333333333336, | |
| "eval_loss": 0.42913728952407837, | |
| "eval_runtime": 7.4808, | |
| "eval_samples_per_second": 21.254, | |
| "eval_steps_per_second": 2.674, | |
| "step": 1500 | |
| }, | |
| { | |
| "epoch": 34.44444444444444, | |
| "grad_norm": 1.8739147186279297, | |
| "learning_rate": 7.74e-06, | |
| "loss": 0.4794, | |
| "step": 1550 | |
| }, | |
| { | |
| "epoch": 35.55555555555556, | |
| "grad_norm": 1.1802700757980347, | |
| "learning_rate": 7.990000000000001e-06, | |
| "loss": 0.4824, | |
| "step": 1600 | |
| }, | |
| { | |
| "epoch": 36.666666666666664, | |
| "grad_norm": 1.364354133605957, | |
| "learning_rate": 8.24e-06, | |
| "loss": 0.4739, | |
| "step": 1650 | |
| }, | |
| { | |
| "epoch": 37.77777777777778, | |
| "grad_norm": 1.5628408193588257, | |
| "learning_rate": 8.49e-06, | |
| "loss": 0.4697, | |
| "step": 1700 | |
| }, | |
| { | |
| "epoch": 38.888888888888886, | |
| "grad_norm": 4.399195671081543, | |
| "learning_rate": 8.740000000000001e-06, | |
| "loss": 0.4685, | |
| "step": 1750 | |
| }, | |
| { | |
| "epoch": 40.0, | |
| "grad_norm": 2.055992841720581, | |
| "learning_rate": 8.99e-06, | |
| "loss": 0.4681, | |
| "step": 1800 | |
| }, | |
| { | |
| "epoch": 41.111111111111114, | |
| "grad_norm": 4.06639289855957, | |
| "learning_rate": 9.240000000000001e-06, | |
| "loss": 0.4708, | |
| "step": 1850 | |
| }, | |
| { | |
| "epoch": 42.22222222222222, | |
| "grad_norm": 1.4587314128875732, | |
| "learning_rate": 9.49e-06, | |
| "loss": 0.4665, | |
| "step": 1900 | |
| }, | |
| { | |
| "epoch": 43.333333333333336, | |
| "grad_norm": 1.4163354635238647, | |
| "learning_rate": 9.74e-06, | |
| "loss": 0.4648, | |
| "step": 1950 | |
| }, | |
| { | |
| "epoch": 44.44444444444444, | |
| "grad_norm": 2.2223002910614014, | |
| "learning_rate": 9.990000000000001e-06, | |
| "loss": 0.481, | |
| "step": 2000 | |
| }, | |
| { | |
| "epoch": 44.44444444444444, | |
| "eval_loss": 0.42109793424606323, | |
| "eval_runtime": 7.5115, | |
| "eval_samples_per_second": 21.168, | |
| "eval_steps_per_second": 2.663, | |
| "step": 2000 | |
| }, | |
| { | |
| "epoch": 45.55555555555556, | |
| "grad_norm": 1.7627613544464111, | |
| "learning_rate": 9.920000000000002e-06, | |
| "loss": 0.4598, | |
| "step": 2050 | |
| }, | |
| { | |
| "epoch": 46.666666666666664, | |
| "grad_norm": 1.7885198593139648, | |
| "learning_rate": 9.836666666666668e-06, | |
| "loss": 0.4697, | |
| "step": 2100 | |
| }, | |
| { | |
| "epoch": 47.77777777777778, | |
| "grad_norm": 1.8856687545776367, | |
| "learning_rate": 9.753333333333335e-06, | |
| "loss": 0.4503, | |
| "step": 2150 | |
| }, | |
| { | |
| "epoch": 48.888888888888886, | |
| "grad_norm": 2.0350635051727295, | |
| "learning_rate": 9.67e-06, | |
| "loss": 0.4573, | |
| "step": 2200 | |
| }, | |
| { | |
| "epoch": 50.0, | |
| "grad_norm": 1.7863447666168213, | |
| "learning_rate": 9.586666666666667e-06, | |
| "loss": 0.454, | |
| "step": 2250 | |
| }, | |
| { | |
| "epoch": 51.111111111111114, | |
| "grad_norm": 1.5656064748764038, | |
| "learning_rate": 9.503333333333334e-06, | |
| "loss": 0.4488, | |
| "step": 2300 | |
| }, | |
| { | |
| "epoch": 52.22222222222222, | |
| "grad_norm": 2.449720859527588, | |
| "learning_rate": 9.42e-06, | |
| "loss": 0.4552, | |
| "step": 2350 | |
| }, | |
| { | |
| "epoch": 53.333333333333336, | |
| "grad_norm": 1.5119515657424927, | |
| "learning_rate": 9.336666666666666e-06, | |
| "loss": 0.4472, | |
| "step": 2400 | |
| }, | |
| { | |
| "epoch": 54.44444444444444, | |
| "grad_norm": 1.2574548721313477, | |
| "learning_rate": 9.253333333333333e-06, | |
| "loss": 0.4623, | |
| "step": 2450 | |
| }, | |
| { | |
| "epoch": 55.55555555555556, | |
| "grad_norm": 1.1045562028884888, | |
| "learning_rate": 9.17e-06, | |
| "loss": 0.4459, | |
| "step": 2500 | |
| }, | |
| { | |
| "epoch": 55.55555555555556, | |
| "eval_loss": 0.4139043688774109, | |
| "eval_runtime": 7.7673, | |
| "eval_samples_per_second": 20.471, | |
| "eval_steps_per_second": 2.575, | |
| "step": 2500 | |
| }, | |
| { | |
| "epoch": 56.666666666666664, | |
| "grad_norm": 2.62166428565979, | |
| "learning_rate": 9.086666666666667e-06, | |
| "loss": 0.4548, | |
| "step": 2550 | |
| }, | |
| { | |
| "epoch": 57.77777777777778, | |
| "grad_norm": 1.6748510599136353, | |
| "learning_rate": 9.003333333333334e-06, | |
| "loss": 0.4505, | |
| "step": 2600 | |
| }, | |
| { | |
| "epoch": 58.888888888888886, | |
| "grad_norm": 1.5706872940063477, | |
| "learning_rate": 8.920000000000001e-06, | |
| "loss": 0.4512, | |
| "step": 2650 | |
| }, | |
| { | |
| "epoch": 60.0, | |
| "grad_norm": 1.9278029203414917, | |
| "learning_rate": 8.836666666666668e-06, | |
| "loss": 0.4546, | |
| "step": 2700 | |
| }, | |
| { | |
| "epoch": 61.111111111111114, | |
| "grad_norm": 1.5691492557525635, | |
| "learning_rate": 8.753333333333333e-06, | |
| "loss": 0.4407, | |
| "step": 2750 | |
| }, | |
| { | |
| "epoch": 62.22222222222222, | |
| "grad_norm": 1.2561596632003784, | |
| "learning_rate": 8.67e-06, | |
| "loss": 0.4407, | |
| "step": 2800 | |
| }, | |
| { | |
| "epoch": 63.333333333333336, | |
| "grad_norm": 1.7894113063812256, | |
| "learning_rate": 8.586666666666667e-06, | |
| "loss": 0.4407, | |
| "step": 2850 | |
| }, | |
| { | |
| "epoch": 64.44444444444444, | |
| "grad_norm": 1.5325671434402466, | |
| "learning_rate": 8.503333333333334e-06, | |
| "loss": 0.4409, | |
| "step": 2900 | |
| }, | |
| { | |
| "epoch": 65.55555555555556, | |
| "grad_norm": 2.345316171646118, | |
| "learning_rate": 8.42e-06, | |
| "loss": 0.4502, | |
| "step": 2950 | |
| }, | |
| { | |
| "epoch": 66.66666666666667, | |
| "grad_norm": 1.5134572982788086, | |
| "learning_rate": 8.336666666666668e-06, | |
| "loss": 0.4484, | |
| "step": 3000 | |
| }, | |
| { | |
| "epoch": 66.66666666666667, | |
| "eval_loss": 0.41138172149658203, | |
| "eval_runtime": 7.5275, | |
| "eval_samples_per_second": 21.122, | |
| "eval_steps_per_second": 2.657, | |
| "step": 3000 | |
| }, | |
| { | |
| "epoch": 67.77777777777777, | |
| "grad_norm": 2.0079166889190674, | |
| "learning_rate": 8.253333333333334e-06, | |
| "loss": 0.4391, | |
| "step": 3050 | |
| }, | |
| { | |
| "epoch": 68.88888888888889, | |
| "grad_norm": 1.5494792461395264, | |
| "learning_rate": 8.17e-06, | |
| "loss": 0.4426, | |
| "step": 3100 | |
| }, | |
| { | |
| "epoch": 70.0, | |
| "grad_norm": 2.7749524116516113, | |
| "learning_rate": 8.086666666666667e-06, | |
| "loss": 0.4489, | |
| "step": 3150 | |
| }, | |
| { | |
| "epoch": 71.11111111111111, | |
| "grad_norm": 3.4985108375549316, | |
| "learning_rate": 8.003333333333334e-06, | |
| "loss": 0.4382, | |
| "step": 3200 | |
| }, | |
| { | |
| "epoch": 72.22222222222223, | |
| "grad_norm": 2.1767873764038086, | |
| "learning_rate": 7.92e-06, | |
| "loss": 0.456, | |
| "step": 3250 | |
| }, | |
| { | |
| "epoch": 73.33333333333333, | |
| "grad_norm": 1.7623385190963745, | |
| "learning_rate": 7.836666666666667e-06, | |
| "loss": 0.4312, | |
| "step": 3300 | |
| }, | |
| { | |
| "epoch": 74.44444444444444, | |
| "grad_norm": 6.053190231323242, | |
| "learning_rate": 7.753333333333334e-06, | |
| "loss": 0.441, | |
| "step": 3350 | |
| }, | |
| { | |
| "epoch": 75.55555555555556, | |
| "grad_norm": 1.4667917490005493, | |
| "learning_rate": 7.670000000000001e-06, | |
| "loss": 0.4407, | |
| "step": 3400 | |
| }, | |
| { | |
| "epoch": 76.66666666666667, | |
| "grad_norm": 1.4021631479263306, | |
| "learning_rate": 7.586666666666668e-06, | |
| "loss": 0.4332, | |
| "step": 3450 | |
| }, | |
| { | |
| "epoch": 77.77777777777777, | |
| "grad_norm": 2.186607599258423, | |
| "learning_rate": 7.503333333333333e-06, | |
| "loss": 0.4317, | |
| "step": 3500 | |
| }, | |
| { | |
| "epoch": 77.77777777777777, | |
| "eval_loss": 0.4080665707588196, | |
| "eval_runtime": 7.5364, | |
| "eval_samples_per_second": 21.098, | |
| "eval_steps_per_second": 2.654, | |
| "step": 3500 | |
| }, | |
| { | |
| "epoch": 78.88888888888889, | |
| "grad_norm": 2.0717358589172363, | |
| "learning_rate": 7.420000000000001e-06, | |
| "loss": 0.429, | |
| "step": 3550 | |
| }, | |
| { | |
| "epoch": 80.0, | |
| "grad_norm": 1.5765066146850586, | |
| "learning_rate": 7.336666666666668e-06, | |
| "loss": 0.4382, | |
| "step": 3600 | |
| }, | |
| { | |
| "epoch": 81.11111111111111, | |
| "grad_norm": 1.5274180173873901, | |
| "learning_rate": 7.253333333333335e-06, | |
| "loss": 0.4365, | |
| "step": 3650 | |
| }, | |
| { | |
| "epoch": 82.22222222222223, | |
| "grad_norm": 1.8260159492492676, | |
| "learning_rate": 7.17e-06, | |
| "loss": 0.4331, | |
| "step": 3700 | |
| }, | |
| { | |
| "epoch": 83.33333333333333, | |
| "grad_norm": 1.5595194101333618, | |
| "learning_rate": 7.086666666666667e-06, | |
| "loss": 0.4314, | |
| "step": 3750 | |
| }, | |
| { | |
| "epoch": 84.44444444444444, | |
| "grad_norm": 1.8033090829849243, | |
| "learning_rate": 7.003333333333335e-06, | |
| "loss": 0.4339, | |
| "step": 3800 | |
| }, | |
| { | |
| "epoch": 85.55555555555556, | |
| "grad_norm": 1.943740725517273, | |
| "learning_rate": 6.92e-06, | |
| "loss": 0.4356, | |
| "step": 3850 | |
| }, | |
| { | |
| "epoch": 86.66666666666667, | |
| "grad_norm": 1.802024006843567, | |
| "learning_rate": 6.836666666666667e-06, | |
| "loss": 0.4307, | |
| "step": 3900 | |
| }, | |
| { | |
| "epoch": 87.77777777777777, | |
| "grad_norm": 1.2584848403930664, | |
| "learning_rate": 6.753333333333334e-06, | |
| "loss": 0.4228, | |
| "step": 3950 | |
| }, | |
| { | |
| "epoch": 88.88888888888889, | |
| "grad_norm": 1.6099965572357178, | |
| "learning_rate": 6.6700000000000005e-06, | |
| "loss": 0.4301, | |
| "step": 4000 | |
| }, | |
| { | |
| "epoch": 88.88888888888889, | |
| "eval_loss": 0.4075862765312195, | |
| "eval_runtime": 7.5332, | |
| "eval_samples_per_second": 21.107, | |
| "eval_steps_per_second": 2.655, | |
| "step": 4000 | |
| }, | |
| { | |
| "epoch": 90.0, | |
| "grad_norm": 5.097967624664307, | |
| "learning_rate": 6.5866666666666666e-06, | |
| "loss": 0.4315, | |
| "step": 4050 | |
| }, | |
| { | |
| "epoch": 91.11111111111111, | |
| "grad_norm": 2.317317485809326, | |
| "learning_rate": 6.5033333333333335e-06, | |
| "loss": 0.4444, | |
| "step": 4100 | |
| }, | |
| { | |
| "epoch": 92.22222222222223, | |
| "grad_norm": 2.2908613681793213, | |
| "learning_rate": 6.42e-06, | |
| "loss": 0.4333, | |
| "step": 4150 | |
| }, | |
| { | |
| "epoch": 93.33333333333333, | |
| "grad_norm": 2.007622718811035, | |
| "learning_rate": 6.336666666666667e-06, | |
| "loss": 0.428, | |
| "step": 4200 | |
| }, | |
| { | |
| "epoch": 94.44444444444444, | |
| "grad_norm": 1.5761587619781494, | |
| "learning_rate": 6.253333333333333e-06, | |
| "loss": 0.4324, | |
| "step": 4250 | |
| }, | |
| { | |
| "epoch": 95.55555555555556, | |
| "grad_norm": 1.1445631980895996, | |
| "learning_rate": 6.17e-06, | |
| "loss": 0.4247, | |
| "step": 4300 | |
| }, | |
| { | |
| "epoch": 96.66666666666667, | |
| "grad_norm": 1.1607263088226318, | |
| "learning_rate": 6.086666666666667e-06, | |
| "loss": 0.4298, | |
| "step": 4350 | |
| }, | |
| { | |
| "epoch": 97.77777777777777, | |
| "grad_norm": 2.6366734504699707, | |
| "learning_rate": 6.003333333333334e-06, | |
| "loss": 0.4298, | |
| "step": 4400 | |
| }, | |
| { | |
| "epoch": 98.88888888888889, | |
| "grad_norm": 1.6418962478637695, | |
| "learning_rate": 5.92e-06, | |
| "loss": 0.4282, | |
| "step": 4450 | |
| }, | |
| { | |
| "epoch": 100.0, | |
| "grad_norm": 1.8300925493240356, | |
| "learning_rate": 5.836666666666667e-06, | |
| "loss": 0.4274, | |
| "step": 4500 | |
| }, | |
| { | |
| "epoch": 100.0, | |
| "eval_loss": 0.4059373736381531, | |
| "eval_runtime": 7.8235, | |
| "eval_samples_per_second": 20.323, | |
| "eval_steps_per_second": 2.556, | |
| "step": 4500 | |
| }, | |
| { | |
| "epoch": 101.11111111111111, | |
| "grad_norm": 1.16675865650177, | |
| "learning_rate": 5.753333333333334e-06, | |
| "loss": 0.4229, | |
| "step": 4550 | |
| }, | |
| { | |
| "epoch": 102.22222222222223, | |
| "grad_norm": 2.0353753566741943, | |
| "learning_rate": 5.67e-06, | |
| "loss": 0.4214, | |
| "step": 4600 | |
| }, | |
| { | |
| "epoch": 103.33333333333333, | |
| "grad_norm": 1.3988615274429321, | |
| "learning_rate": 5.586666666666667e-06, | |
| "loss": 0.4246, | |
| "step": 4650 | |
| }, | |
| { | |
| "epoch": 104.44444444444444, | |
| "grad_norm": 1.2418060302734375, | |
| "learning_rate": 5.503333333333334e-06, | |
| "loss": 0.4365, | |
| "step": 4700 | |
| }, | |
| { | |
| "epoch": 105.55555555555556, | |
| "grad_norm": 1.6909286975860596, | |
| "learning_rate": 5.420000000000001e-06, | |
| "loss": 0.4305, | |
| "step": 4750 | |
| }, | |
| { | |
| "epoch": 106.66666666666667, | |
| "grad_norm": 2.068143367767334, | |
| "learning_rate": 5.336666666666667e-06, | |
| "loss": 0.4242, | |
| "step": 4800 | |
| }, | |
| { | |
| "epoch": 107.77777777777777, | |
| "grad_norm": 2.789677858352661, | |
| "learning_rate": 5.2533333333333336e-06, | |
| "loss": 0.4367, | |
| "step": 4850 | |
| }, | |
| { | |
| "epoch": 108.88888888888889, | |
| "grad_norm": 1.4232547283172607, | |
| "learning_rate": 5.1700000000000005e-06, | |
| "loss": 0.4229, | |
| "step": 4900 | |
| }, | |
| { | |
| "epoch": 110.0, | |
| "grad_norm": 2.9294722080230713, | |
| "learning_rate": 5.086666666666667e-06, | |
| "loss": 0.4304, | |
| "step": 4950 | |
| }, | |
| { | |
| "epoch": 111.11111111111111, | |
| "grad_norm": 1.973265290260315, | |
| "learning_rate": 5.0033333333333334e-06, | |
| "loss": 0.4323, | |
| "step": 5000 | |
| }, | |
| { | |
| "epoch": 111.11111111111111, | |
| "eval_loss": 0.40615910291671753, | |
| "eval_runtime": 7.7862, | |
| "eval_samples_per_second": 20.421, | |
| "eval_steps_per_second": 2.569, | |
| "step": 5000 | |
| }, | |
| { | |
| "epoch": 112.22222222222223, | |
| "grad_norm": 1.265763759613037, | |
| "learning_rate": 4.92e-06, | |
| "loss": 0.4351, | |
| "step": 5050 | |
| }, | |
| { | |
| "epoch": 113.33333333333333, | |
| "grad_norm": 1.7902805805206299, | |
| "learning_rate": 4.838333333333334e-06, | |
| "loss": 0.4237, | |
| "step": 5100 | |
| }, | |
| { | |
| "epoch": 114.44444444444444, | |
| "grad_norm": 1.6791784763336182, | |
| "learning_rate": 4.755e-06, | |
| "loss": 0.4166, | |
| "step": 5150 | |
| }, | |
| { | |
| "epoch": 115.55555555555556, | |
| "grad_norm": 3.0489444732666016, | |
| "learning_rate": 4.671666666666667e-06, | |
| "loss": 0.43, | |
| "step": 5200 | |
| }, | |
| { | |
| "epoch": 116.66666666666667, | |
| "grad_norm": 1.7178417444229126, | |
| "learning_rate": 4.588333333333333e-06, | |
| "loss": 0.4231, | |
| "step": 5250 | |
| }, | |
| { | |
| "epoch": 117.77777777777777, | |
| "grad_norm": 1.2891252040863037, | |
| "learning_rate": 4.505e-06, | |
| "loss": 0.418, | |
| "step": 5300 | |
| }, | |
| { | |
| "epoch": 118.88888888888889, | |
| "grad_norm": 1.3857290744781494, | |
| "learning_rate": 4.421666666666667e-06, | |
| "loss": 0.4276, | |
| "step": 5350 | |
| }, | |
| { | |
| "epoch": 120.0, | |
| "grad_norm": 1.6654791831970215, | |
| "learning_rate": 4.338333333333334e-06, | |
| "loss": 0.4247, | |
| "step": 5400 | |
| }, | |
| { | |
| "epoch": 121.11111111111111, | |
| "grad_norm": 1.5651191473007202, | |
| "learning_rate": 4.255e-06, | |
| "loss": 0.4266, | |
| "step": 5450 | |
| }, | |
| { | |
| "epoch": 122.22222222222223, | |
| "grad_norm": 1.3599364757537842, | |
| "learning_rate": 4.171666666666667e-06, | |
| "loss": 0.4189, | |
| "step": 5500 | |
| }, | |
| { | |
| "epoch": 122.22222222222223, | |
| "eval_loss": 0.40445852279663086, | |
| "eval_runtime": 7.8639, | |
| "eval_samples_per_second": 20.219, | |
| "eval_steps_per_second": 2.543, | |
| "step": 5500 | |
| }, | |
| { | |
| "epoch": 123.33333333333333, | |
| "grad_norm": 1.0094420909881592, | |
| "learning_rate": 4.088333333333334e-06, | |
| "loss": 0.4161, | |
| "step": 5550 | |
| }, | |
| { | |
| "epoch": 124.44444444444444, | |
| "grad_norm": 1.2237743139266968, | |
| "learning_rate": 4.005000000000001e-06, | |
| "loss": 0.4259, | |
| "step": 5600 | |
| }, | |
| { | |
| "epoch": 125.55555555555556, | |
| "grad_norm": 1.2819457054138184, | |
| "learning_rate": 3.921666666666667e-06, | |
| "loss": 0.4118, | |
| "step": 5650 | |
| }, | |
| { | |
| "epoch": 126.66666666666667, | |
| "grad_norm": 1.201050877571106, | |
| "learning_rate": 3.8383333333333336e-06, | |
| "loss": 0.4219, | |
| "step": 5700 | |
| }, | |
| { | |
| "epoch": 127.77777777777777, | |
| "grad_norm": 1.2157758474349976, | |
| "learning_rate": 3.7550000000000005e-06, | |
| "loss": 0.4214, | |
| "step": 5750 | |
| }, | |
| { | |
| "epoch": 128.88888888888889, | |
| "grad_norm": 1.3567761182785034, | |
| "learning_rate": 3.6716666666666665e-06, | |
| "loss": 0.4225, | |
| "step": 5800 | |
| }, | |
| { | |
| "epoch": 130.0, | |
| "grad_norm": 1.4508877992630005, | |
| "learning_rate": 3.588333333333334e-06, | |
| "loss": 0.4211, | |
| "step": 5850 | |
| }, | |
| { | |
| "epoch": 131.11111111111111, | |
| "grad_norm": 1.3742399215698242, | |
| "learning_rate": 3.505e-06, | |
| "loss": 0.4138, | |
| "step": 5900 | |
| }, | |
| { | |
| "epoch": 132.22222222222223, | |
| "grad_norm": 1.3038045167922974, | |
| "learning_rate": 3.4216666666666672e-06, | |
| "loss": 0.4179, | |
| "step": 5950 | |
| }, | |
| { | |
| "epoch": 133.33333333333334, | |
| "grad_norm": 1.4722298383712769, | |
| "learning_rate": 3.3383333333333333e-06, | |
| "loss": 0.4272, | |
| "step": 6000 | |
| }, | |
| { | |
| "epoch": 133.33333333333334, | |
| "eval_loss": 0.40591731667518616, | |
| "eval_runtime": 7.5582, | |
| "eval_samples_per_second": 21.037, | |
| "eval_steps_per_second": 2.646, | |
| "step": 6000 | |
| }, | |
| { | |
| "epoch": 134.44444444444446, | |
| "grad_norm": 1.0366383790969849, | |
| "learning_rate": 3.255e-06, | |
| "loss": 0.4217, | |
| "step": 6050 | |
| }, | |
| { | |
| "epoch": 135.55555555555554, | |
| "grad_norm": 1.3467748165130615, | |
| "learning_rate": 3.1716666666666667e-06, | |
| "loss": 0.4253, | |
| "step": 6100 | |
| }, | |
| { | |
| "epoch": 136.66666666666666, | |
| "grad_norm": 1.5277576446533203, | |
| "learning_rate": 3.0883333333333336e-06, | |
| "loss": 0.426, | |
| "step": 6150 | |
| }, | |
| { | |
| "epoch": 137.77777777777777, | |
| "grad_norm": 1.9665004014968872, | |
| "learning_rate": 3.005e-06, | |
| "loss": 0.4176, | |
| "step": 6200 | |
| }, | |
| { | |
| "epoch": 138.88888888888889, | |
| "grad_norm": 1.3242071866989136, | |
| "learning_rate": 2.921666666666667e-06, | |
| "loss": 0.422, | |
| "step": 6250 | |
| }, | |
| { | |
| "epoch": 140.0, | |
| "grad_norm": 1.7779827117919922, | |
| "learning_rate": 2.8383333333333334e-06, | |
| "loss": 0.426, | |
| "step": 6300 | |
| }, | |
| { | |
| "epoch": 141.11111111111111, | |
| "grad_norm": 1.4874131679534912, | |
| "learning_rate": 2.7550000000000003e-06, | |
| "loss": 0.4208, | |
| "step": 6350 | |
| }, | |
| { | |
| "epoch": 142.22222222222223, | |
| "grad_norm": 1.21743643283844, | |
| "learning_rate": 2.6716666666666668e-06, | |
| "loss": 0.422, | |
| "step": 6400 | |
| }, | |
| { | |
| "epoch": 143.33333333333334, | |
| "grad_norm": 1.0294773578643799, | |
| "learning_rate": 2.5883333333333337e-06, | |
| "loss": 0.4195, | |
| "step": 6450 | |
| }, | |
| { | |
| "epoch": 144.44444444444446, | |
| "grad_norm": 1.2893167734146118, | |
| "learning_rate": 2.505e-06, | |
| "loss": 0.4219, | |
| "step": 6500 | |
| }, | |
| { | |
| "epoch": 144.44444444444446, | |
| "eval_loss": 0.40578919649124146, | |
| "eval_runtime": 7.7981, | |
| "eval_samples_per_second": 20.39, | |
| "eval_steps_per_second": 2.565, | |
| "step": 6500 | |
| }, | |
| { | |
| "epoch": 145.55555555555554, | |
| "grad_norm": 1.1159158945083618, | |
| "learning_rate": 2.421666666666667e-06, | |
| "loss": 0.4086, | |
| "step": 6550 | |
| }, | |
| { | |
| "epoch": 146.66666666666666, | |
| "grad_norm": 1.3102610111236572, | |
| "learning_rate": 2.3383333333333335e-06, | |
| "loss": 0.4117, | |
| "step": 6600 | |
| }, | |
| { | |
| "epoch": 147.77777777777777, | |
| "grad_norm": 1.2511627674102783, | |
| "learning_rate": 2.2550000000000004e-06, | |
| "loss": 0.4203, | |
| "step": 6650 | |
| }, | |
| { | |
| "epoch": 148.88888888888889, | |
| "grad_norm": 1.388749361038208, | |
| "learning_rate": 2.171666666666667e-06, | |
| "loss": 0.4159, | |
| "step": 6700 | |
| }, | |
| { | |
| "epoch": 150.0, | |
| "grad_norm": 1.8869624137878418, | |
| "learning_rate": 2.088333333333334e-06, | |
| "loss": 0.4147, | |
| "step": 6750 | |
| }, | |
| { | |
| "epoch": 151.11111111111111, | |
| "grad_norm": 1.669732689857483, | |
| "learning_rate": 2.0050000000000003e-06, | |
| "loss": 0.4226, | |
| "step": 6800 | |
| }, | |
| { | |
| "epoch": 152.22222222222223, | |
| "grad_norm": 1.3858810663223267, | |
| "learning_rate": 1.9216666666666668e-06, | |
| "loss": 0.4147, | |
| "step": 6850 | |
| }, | |
| { | |
| "epoch": 153.33333333333334, | |
| "grad_norm": 1.7845042943954468, | |
| "learning_rate": 1.8383333333333334e-06, | |
| "loss": 0.4167, | |
| "step": 6900 | |
| }, | |
| { | |
| "epoch": 154.44444444444446, | |
| "grad_norm": 1.505243182182312, | |
| "learning_rate": 1.7550000000000001e-06, | |
| "loss": 0.4136, | |
| "step": 6950 | |
| }, | |
| { | |
| "epoch": 155.55555555555554, | |
| "grad_norm": 1.5237196683883667, | |
| "learning_rate": 1.6716666666666666e-06, | |
| "loss": 0.4125, | |
| "step": 7000 | |
| }, | |
| { | |
| "epoch": 155.55555555555554, | |
| "eval_loss": 0.40493613481521606, | |
| "eval_runtime": 7.5258, | |
| "eval_samples_per_second": 21.127, | |
| "eval_steps_per_second": 2.658, | |
| "step": 7000 | |
| }, | |
| { | |
| "epoch": 156.66666666666666, | |
| "grad_norm": 1.4721698760986328, | |
| "learning_rate": 1.5883333333333333e-06, | |
| "loss": 0.4256, | |
| "step": 7050 | |
| }, | |
| { | |
| "epoch": 157.77777777777777, | |
| "grad_norm": 1.5553984642028809, | |
| "learning_rate": 1.505e-06, | |
| "loss": 0.4161, | |
| "step": 7100 | |
| }, | |
| { | |
| "epoch": 158.88888888888889, | |
| "grad_norm": 1.340065360069275, | |
| "learning_rate": 1.4216666666666667e-06, | |
| "loss": 0.4135, | |
| "step": 7150 | |
| }, | |
| { | |
| "epoch": 160.0, | |
| "grad_norm": 1.7097642421722412, | |
| "learning_rate": 1.3383333333333334e-06, | |
| "loss": 0.4159, | |
| "step": 7200 | |
| }, | |
| { | |
| "epoch": 161.11111111111111, | |
| "grad_norm": 1.6707828044891357, | |
| "learning_rate": 1.255e-06, | |
| "loss": 0.4221, | |
| "step": 7250 | |
| }, | |
| { | |
| "epoch": 162.22222222222223, | |
| "grad_norm": 1.0659966468811035, | |
| "learning_rate": 1.1733333333333335e-06, | |
| "loss": 0.4143, | |
| "step": 7300 | |
| }, | |
| { | |
| "epoch": 163.33333333333334, | |
| "grad_norm": 1.730080008506775, | |
| "learning_rate": 1.0900000000000002e-06, | |
| "loss": 0.4241, | |
| "step": 7350 | |
| }, | |
| { | |
| "epoch": 164.44444444444446, | |
| "grad_norm": 1.3532975912094116, | |
| "learning_rate": 1.0066666666666668e-06, | |
| "loss": 0.4137, | |
| "step": 7400 | |
| }, | |
| { | |
| "epoch": 165.55555555555554, | |
| "grad_norm": 1.0536893606185913, | |
| "learning_rate": 9.233333333333334e-07, | |
| "loss": 0.4102, | |
| "step": 7450 | |
| }, | |
| { | |
| "epoch": 166.66666666666666, | |
| "grad_norm": 1.1236768960952759, | |
| "learning_rate": 8.416666666666667e-07, | |
| "loss": 0.42, | |
| "step": 7500 | |
| }, | |
| { | |
| "epoch": 166.66666666666666, | |
| "eval_loss": 0.4045568108558655, | |
| "eval_runtime": 7.7995, | |
| "eval_samples_per_second": 20.386, | |
| "eval_steps_per_second": 2.564, | |
| "step": 7500 | |
| } | |
| ], | |
| "logging_steps": 50, | |
| "max_steps": 8000, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 178, | |
| "save_steps": 500, | |
| "stateful_callbacks": { | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": false | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 5.469526537164835e+16, | |
| "train_batch_size": 32, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |