| { | |
| "best_metric": 0.41181260347366333, | |
| "best_model_checkpoint": "mikhail-panzo/zlm-fil_b64_le5_s8000/checkpoint-5000", | |
| "epoch": 288.8888888888889, | |
| "eval_steps": 500, | |
| "global_step": 6500, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 2.2222222222222223, | |
| "grad_norm": 4.803515434265137, | |
| "learning_rate": 2.5000000000000004e-07, | |
| "loss": 0.8968, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 4.444444444444445, | |
| "grad_norm": 2.6444506645202637, | |
| "learning_rate": 5.000000000000001e-07, | |
| "loss": 0.8539, | |
| "step": 100 | |
| }, | |
| { | |
| "epoch": 6.666666666666667, | |
| "grad_norm": 1.9820537567138672, | |
| "learning_rate": 7.5e-07, | |
| "loss": 0.7856, | |
| "step": 150 | |
| }, | |
| { | |
| "epoch": 8.88888888888889, | |
| "grad_norm": 1.2031773328781128, | |
| "learning_rate": 1.0000000000000002e-06, | |
| "loss": 0.7306, | |
| "step": 200 | |
| }, | |
| { | |
| "epoch": 11.11111111111111, | |
| "grad_norm": 1.728398084640503, | |
| "learning_rate": 1.25e-06, | |
| "loss": 0.6821, | |
| "step": 250 | |
| }, | |
| { | |
| "epoch": 13.333333333333334, | |
| "grad_norm": 1.232366681098938, | |
| "learning_rate": 1.5e-06, | |
| "loss": 0.6348, | |
| "step": 300 | |
| }, | |
| { | |
| "epoch": 15.555555555555555, | |
| "grad_norm": 1.4039260149002075, | |
| "learning_rate": 1.75e-06, | |
| "loss": 0.5962, | |
| "step": 350 | |
| }, | |
| { | |
| "epoch": 17.77777777777778, | |
| "grad_norm": 1.1848849058151245, | |
| "learning_rate": 2.0000000000000003e-06, | |
| "loss": 0.5758, | |
| "step": 400 | |
| }, | |
| { | |
| "epoch": 20.0, | |
| "grad_norm": 0.9365352392196655, | |
| "learning_rate": 2.25e-06, | |
| "loss": 0.5636, | |
| "step": 450 | |
| }, | |
| { | |
| "epoch": 22.22222222222222, | |
| "grad_norm": 0.9893051981925964, | |
| "learning_rate": 2.5e-06, | |
| "loss": 0.5529, | |
| "step": 500 | |
| }, | |
| { | |
| "epoch": 22.22222222222222, | |
| "eval_loss": 0.4999743402004242, | |
| "eval_runtime": 6.8701, | |
| "eval_samples_per_second": 23.144, | |
| "eval_steps_per_second": 2.911, | |
| "step": 500 | |
| }, | |
| { | |
| "epoch": 24.444444444444443, | |
| "grad_norm": 0.7535696029663086, | |
| "learning_rate": 2.7500000000000004e-06, | |
| "loss": 0.5476, | |
| "step": 550 | |
| }, | |
| { | |
| "epoch": 26.666666666666668, | |
| "grad_norm": 0.7487667202949524, | |
| "learning_rate": 3e-06, | |
| "loss": 0.536, | |
| "step": 600 | |
| }, | |
| { | |
| "epoch": 28.88888888888889, | |
| "grad_norm": 0.9480589628219604, | |
| "learning_rate": 3.2500000000000002e-06, | |
| "loss": 0.5271, | |
| "step": 650 | |
| }, | |
| { | |
| "epoch": 31.11111111111111, | |
| "grad_norm": 1.0027987957000732, | |
| "learning_rate": 3.5e-06, | |
| "loss": 0.5202, | |
| "step": 700 | |
| }, | |
| { | |
| "epoch": 33.333333333333336, | |
| "grad_norm": 0.7353075742721558, | |
| "learning_rate": 3.7500000000000005e-06, | |
| "loss": 0.5128, | |
| "step": 750 | |
| }, | |
| { | |
| "epoch": 35.55555555555556, | |
| "grad_norm": 1.2223567962646484, | |
| "learning_rate": 4.000000000000001e-06, | |
| "loss": 0.5159, | |
| "step": 800 | |
| }, | |
| { | |
| "epoch": 37.77777777777778, | |
| "grad_norm": 0.835096001625061, | |
| "learning_rate": 4.25e-06, | |
| "loss": 0.5051, | |
| "step": 850 | |
| }, | |
| { | |
| "epoch": 40.0, | |
| "grad_norm": 0.8878389000892639, | |
| "learning_rate": 4.5e-06, | |
| "loss": 0.5044, | |
| "step": 900 | |
| }, | |
| { | |
| "epoch": 42.22222222222222, | |
| "grad_norm": 0.8464574813842773, | |
| "learning_rate": 4.75e-06, | |
| "loss": 0.4984, | |
| "step": 950 | |
| }, | |
| { | |
| "epoch": 44.44444444444444, | |
| "grad_norm": 0.8119956254959106, | |
| "learning_rate": 5e-06, | |
| "loss": 0.4974, | |
| "step": 1000 | |
| }, | |
| { | |
| "epoch": 44.44444444444444, | |
| "eval_loss": 0.4557439386844635, | |
| "eval_runtime": 6.6345, | |
| "eval_samples_per_second": 23.965, | |
| "eval_steps_per_second": 3.015, | |
| "step": 1000 | |
| }, | |
| { | |
| "epoch": 46.666666666666664, | |
| "grad_norm": 1.2427846193313599, | |
| "learning_rate": 5.2500000000000006e-06, | |
| "loss": 0.4943, | |
| "step": 1050 | |
| }, | |
| { | |
| "epoch": 48.888888888888886, | |
| "grad_norm": 0.9691639542579651, | |
| "learning_rate": 5.500000000000001e-06, | |
| "loss": 0.4879, | |
| "step": 1100 | |
| }, | |
| { | |
| "epoch": 51.111111111111114, | |
| "grad_norm": 0.815934419631958, | |
| "learning_rate": 5.75e-06, | |
| "loss": 0.4825, | |
| "step": 1150 | |
| }, | |
| { | |
| "epoch": 53.333333333333336, | |
| "grad_norm": 1.090553641319275, | |
| "learning_rate": 6e-06, | |
| "loss": 0.4875, | |
| "step": 1200 | |
| }, | |
| { | |
| "epoch": 55.55555555555556, | |
| "grad_norm": 1.090770959854126, | |
| "learning_rate": 6.25e-06, | |
| "loss": 0.4821, | |
| "step": 1250 | |
| }, | |
| { | |
| "epoch": 57.77777777777778, | |
| "grad_norm": 1.2514219284057617, | |
| "learning_rate": 6.5000000000000004e-06, | |
| "loss": 0.4752, | |
| "step": 1300 | |
| }, | |
| { | |
| "epoch": 60.0, | |
| "grad_norm": 1.0580047369003296, | |
| "learning_rate": 6.750000000000001e-06, | |
| "loss": 0.4749, | |
| "step": 1350 | |
| }, | |
| { | |
| "epoch": 62.22222222222222, | |
| "grad_norm": 1.2864220142364502, | |
| "learning_rate": 7e-06, | |
| "loss": 0.4727, | |
| "step": 1400 | |
| }, | |
| { | |
| "epoch": 64.44444444444444, | |
| "grad_norm": 1.0031774044036865, | |
| "learning_rate": 7.25e-06, | |
| "loss": 0.4706, | |
| "step": 1450 | |
| }, | |
| { | |
| "epoch": 66.66666666666667, | |
| "grad_norm": 0.7133861184120178, | |
| "learning_rate": 7.500000000000001e-06, | |
| "loss": 0.4716, | |
| "step": 1500 | |
| }, | |
| { | |
| "epoch": 66.66666666666667, | |
| "eval_loss": 0.43592509627342224, | |
| "eval_runtime": 6.6514, | |
| "eval_samples_per_second": 23.905, | |
| "eval_steps_per_second": 3.007, | |
| "step": 1500 | |
| }, | |
| { | |
| "epoch": 68.88888888888889, | |
| "grad_norm": 0.8695252537727356, | |
| "learning_rate": 7.75e-06, | |
| "loss": 0.464, | |
| "step": 1550 | |
| }, | |
| { | |
| "epoch": 71.11111111111111, | |
| "grad_norm": 2.2705039978027344, | |
| "learning_rate": 8.000000000000001e-06, | |
| "loss": 0.4677, | |
| "step": 1600 | |
| }, | |
| { | |
| "epoch": 73.33333333333333, | |
| "grad_norm": 0.8814280033111572, | |
| "learning_rate": 8.25e-06, | |
| "loss": 0.4628, | |
| "step": 1650 | |
| }, | |
| { | |
| "epoch": 75.55555555555556, | |
| "grad_norm": 0.6686401963233948, | |
| "learning_rate": 8.5e-06, | |
| "loss": 0.4642, | |
| "step": 1700 | |
| }, | |
| { | |
| "epoch": 77.77777777777777, | |
| "grad_norm": 1.1037653684616089, | |
| "learning_rate": 8.750000000000001e-06, | |
| "loss": 0.4582, | |
| "step": 1750 | |
| }, | |
| { | |
| "epoch": 80.0, | |
| "grad_norm": 1.0339733362197876, | |
| "learning_rate": 9e-06, | |
| "loss": 0.4595, | |
| "step": 1800 | |
| }, | |
| { | |
| "epoch": 82.22222222222223, | |
| "grad_norm": 0.715323269367218, | |
| "learning_rate": 9.250000000000001e-06, | |
| "loss": 0.4621, | |
| "step": 1850 | |
| }, | |
| { | |
| "epoch": 84.44444444444444, | |
| "grad_norm": 0.872926652431488, | |
| "learning_rate": 9.5e-06, | |
| "loss": 0.4553, | |
| "step": 1900 | |
| }, | |
| { | |
| "epoch": 86.66666666666667, | |
| "grad_norm": 0.8996181488037109, | |
| "learning_rate": 9.75e-06, | |
| "loss": 0.4528, | |
| "step": 1950 | |
| }, | |
| { | |
| "epoch": 88.88888888888889, | |
| "grad_norm": 1.3289371728897095, | |
| "learning_rate": 1e-05, | |
| "loss": 0.453, | |
| "step": 2000 | |
| }, | |
| { | |
| "epoch": 88.88888888888889, | |
| "eval_loss": 0.4245700240135193, | |
| "eval_runtime": 6.6886, | |
| "eval_samples_per_second": 23.772, | |
| "eval_steps_per_second": 2.99, | |
| "step": 2000 | |
| }, | |
| { | |
| "epoch": 91.11111111111111, | |
| "grad_norm": 0.9035242795944214, | |
| "learning_rate": 9.916666666666668e-06, | |
| "loss": 0.4504, | |
| "step": 2050 | |
| }, | |
| { | |
| "epoch": 93.33333333333333, | |
| "grad_norm": 1.091410756111145, | |
| "learning_rate": 9.833333333333333e-06, | |
| "loss": 0.4528, | |
| "step": 2100 | |
| }, | |
| { | |
| "epoch": 95.55555555555556, | |
| "grad_norm": 0.7232839465141296, | |
| "learning_rate": 9.75e-06, | |
| "loss": 0.4481, | |
| "step": 2150 | |
| }, | |
| { | |
| "epoch": 97.77777777777777, | |
| "grad_norm": 0.9006613492965698, | |
| "learning_rate": 9.666666666666667e-06, | |
| "loss": 0.444, | |
| "step": 2200 | |
| }, | |
| { | |
| "epoch": 100.0, | |
| "grad_norm": 0.9088640809059143, | |
| "learning_rate": 9.583333333333335e-06, | |
| "loss": 0.4445, | |
| "step": 2250 | |
| }, | |
| { | |
| "epoch": 102.22222222222223, | |
| "grad_norm": 1.2409088611602783, | |
| "learning_rate": 9.5e-06, | |
| "loss": 0.4457, | |
| "step": 2300 | |
| }, | |
| { | |
| "epoch": 104.44444444444444, | |
| "grad_norm": 0.749260663986206, | |
| "learning_rate": 9.416666666666667e-06, | |
| "loss": 0.4453, | |
| "step": 2350 | |
| }, | |
| { | |
| "epoch": 106.66666666666667, | |
| "grad_norm": 0.7552911639213562, | |
| "learning_rate": 9.333333333333334e-06, | |
| "loss": 0.4402, | |
| "step": 2400 | |
| }, | |
| { | |
| "epoch": 108.88888888888889, | |
| "grad_norm": 1.0751075744628906, | |
| "learning_rate": 9.250000000000001e-06, | |
| "loss": 0.4417, | |
| "step": 2450 | |
| }, | |
| { | |
| "epoch": 111.11111111111111, | |
| "grad_norm": 0.8774231672286987, | |
| "learning_rate": 9.166666666666666e-06, | |
| "loss": 0.4428, | |
| "step": 2500 | |
| }, | |
| { | |
| "epoch": 111.11111111111111, | |
| "eval_loss": 0.41958874464035034, | |
| "eval_runtime": 6.7008, | |
| "eval_samples_per_second": 23.728, | |
| "eval_steps_per_second": 2.985, | |
| "step": 2500 | |
| }, | |
| { | |
| "epoch": 113.33333333333333, | |
| "grad_norm": 1.3239281177520752, | |
| "learning_rate": 9.083333333333333e-06, | |
| "loss": 0.4399, | |
| "step": 2550 | |
| }, | |
| { | |
| "epoch": 115.55555555555556, | |
| "grad_norm": 0.9855658411979675, | |
| "learning_rate": 9e-06, | |
| "loss": 0.4376, | |
| "step": 2600 | |
| }, | |
| { | |
| "epoch": 117.77777777777777, | |
| "grad_norm": 0.9498355984687805, | |
| "learning_rate": 8.916666666666667e-06, | |
| "loss": 0.4427, | |
| "step": 2650 | |
| }, | |
| { | |
| "epoch": 120.0, | |
| "grad_norm": 1.3080662488937378, | |
| "learning_rate": 8.833333333333334e-06, | |
| "loss": 0.437, | |
| "step": 2700 | |
| }, | |
| { | |
| "epoch": 122.22222222222223, | |
| "grad_norm": 0.6745712757110596, | |
| "learning_rate": 8.750000000000001e-06, | |
| "loss": 0.4405, | |
| "step": 2750 | |
| }, | |
| { | |
| "epoch": 124.44444444444444, | |
| "grad_norm": 1.136643409729004, | |
| "learning_rate": 8.666666666666668e-06, | |
| "loss": 0.4329, | |
| "step": 2800 | |
| }, | |
| { | |
| "epoch": 126.66666666666667, | |
| "grad_norm": 0.8538027405738831, | |
| "learning_rate": 8.583333333333333e-06, | |
| "loss": 0.4313, | |
| "step": 2850 | |
| }, | |
| { | |
| "epoch": 128.88888888888889, | |
| "grad_norm": 0.8776795268058777, | |
| "learning_rate": 8.5e-06, | |
| "loss": 0.43, | |
| "step": 2900 | |
| }, | |
| { | |
| "epoch": 131.11111111111111, | |
| "grad_norm": 0.987410306930542, | |
| "learning_rate": 8.416666666666667e-06, | |
| "loss": 0.4346, | |
| "step": 2950 | |
| }, | |
| { | |
| "epoch": 133.33333333333334, | |
| "grad_norm": 1.061345100402832, | |
| "learning_rate": 8.333333333333334e-06, | |
| "loss": 0.4332, | |
| "step": 3000 | |
| }, | |
| { | |
| "epoch": 133.33333333333334, | |
| "eval_loss": 0.4170692563056946, | |
| "eval_runtime": 6.8806, | |
| "eval_samples_per_second": 23.108, | |
| "eval_steps_per_second": 2.907, | |
| "step": 3000 | |
| }, | |
| { | |
| "epoch": 135.55555555555554, | |
| "grad_norm": 0.9580554962158203, | |
| "learning_rate": 8.25e-06, | |
| "loss": 0.4344, | |
| "step": 3050 | |
| }, | |
| { | |
| "epoch": 137.77777777777777, | |
| "grad_norm": 0.8951635956764221, | |
| "learning_rate": 8.166666666666668e-06, | |
| "loss": 0.4303, | |
| "step": 3100 | |
| }, | |
| { | |
| "epoch": 140.0, | |
| "grad_norm": 1.0797936916351318, | |
| "learning_rate": 8.083333333333334e-06, | |
| "loss": 0.4331, | |
| "step": 3150 | |
| }, | |
| { | |
| "epoch": 142.22222222222223, | |
| "grad_norm": 1.1288533210754395, | |
| "learning_rate": 8.000000000000001e-06, | |
| "loss": 0.425, | |
| "step": 3200 | |
| }, | |
| { | |
| "epoch": 144.44444444444446, | |
| "grad_norm": 0.9219405055046082, | |
| "learning_rate": 7.916666666666667e-06, | |
| "loss": 0.4335, | |
| "step": 3250 | |
| }, | |
| { | |
| "epoch": 146.66666666666666, | |
| "grad_norm": 0.8145209550857544, | |
| "learning_rate": 7.833333333333333e-06, | |
| "loss": 0.4249, | |
| "step": 3300 | |
| }, | |
| { | |
| "epoch": 148.88888888888889, | |
| "grad_norm": 0.7597942352294922, | |
| "learning_rate": 7.75e-06, | |
| "loss": 0.4284, | |
| "step": 3350 | |
| }, | |
| { | |
| "epoch": 151.11111111111111, | |
| "grad_norm": 1.0502862930297852, | |
| "learning_rate": 7.666666666666667e-06, | |
| "loss": 0.4285, | |
| "step": 3400 | |
| }, | |
| { | |
| "epoch": 153.33333333333334, | |
| "grad_norm": 0.9932737350463867, | |
| "learning_rate": 7.583333333333333e-06, | |
| "loss": 0.4263, | |
| "step": 3450 | |
| }, | |
| { | |
| "epoch": 155.55555555555554, | |
| "grad_norm": 0.9701213836669922, | |
| "learning_rate": 7.500000000000001e-06, | |
| "loss": 0.4246, | |
| "step": 3500 | |
| }, | |
| { | |
| "epoch": 155.55555555555554, | |
| "eval_loss": 0.41539278626441956, | |
| "eval_runtime": 6.9499, | |
| "eval_samples_per_second": 22.878, | |
| "eval_steps_per_second": 2.878, | |
| "step": 3500 | |
| }, | |
| { | |
| "epoch": 157.77777777777777, | |
| "grad_norm": 1.0768437385559082, | |
| "learning_rate": 7.416666666666668e-06, | |
| "loss": 0.4252, | |
| "step": 3550 | |
| }, | |
| { | |
| "epoch": 160.0, | |
| "grad_norm": 0.7991815805435181, | |
| "learning_rate": 7.333333333333333e-06, | |
| "loss": 0.4219, | |
| "step": 3600 | |
| }, | |
| { | |
| "epoch": 162.22222222222223, | |
| "grad_norm": 1.1402180194854736, | |
| "learning_rate": 7.25e-06, | |
| "loss": 0.4247, | |
| "step": 3650 | |
| }, | |
| { | |
| "epoch": 164.44444444444446, | |
| "grad_norm": 0.8970450758934021, | |
| "learning_rate": 7.166666666666667e-06, | |
| "loss": 0.4252, | |
| "step": 3700 | |
| }, | |
| { | |
| "epoch": 166.66666666666666, | |
| "grad_norm": 0.733568549156189, | |
| "learning_rate": 7.083333333333335e-06, | |
| "loss": 0.4238, | |
| "step": 3750 | |
| }, | |
| { | |
| "epoch": 168.88888888888889, | |
| "grad_norm": 1.1045589447021484, | |
| "learning_rate": 7e-06, | |
| "loss": 0.4275, | |
| "step": 3800 | |
| }, | |
| { | |
| "epoch": 171.11111111111111, | |
| "grad_norm": 1.0485199689865112, | |
| "learning_rate": 6.916666666666667e-06, | |
| "loss": 0.4295, | |
| "step": 3850 | |
| }, | |
| { | |
| "epoch": 173.33333333333334, | |
| "grad_norm": 0.9441601634025574, | |
| "learning_rate": 6.833333333333334e-06, | |
| "loss": 0.4206, | |
| "step": 3900 | |
| }, | |
| { | |
| "epoch": 175.55555555555554, | |
| "grad_norm": 0.7985955476760864, | |
| "learning_rate": 6.750000000000001e-06, | |
| "loss": 0.4263, | |
| "step": 3950 | |
| }, | |
| { | |
| "epoch": 177.77777777777777, | |
| "grad_norm": 0.6838188171386719, | |
| "learning_rate": 6.666666666666667e-06, | |
| "loss": 0.4202, | |
| "step": 4000 | |
| }, | |
| { | |
| "epoch": 177.77777777777777, | |
| "eval_loss": 0.41334837675094604, | |
| "eval_runtime": 6.7658, | |
| "eval_samples_per_second": 23.5, | |
| "eval_steps_per_second": 2.956, | |
| "step": 4000 | |
| }, | |
| { | |
| "epoch": 180.0, | |
| "grad_norm": 1.0729726552963257, | |
| "learning_rate": 6.5833333333333335e-06, | |
| "loss": 0.4218, | |
| "step": 4050 | |
| }, | |
| { | |
| "epoch": 182.22222222222223, | |
| "grad_norm": 0.8395955562591553, | |
| "learning_rate": 6.5000000000000004e-06, | |
| "loss": 0.4172, | |
| "step": 4100 | |
| }, | |
| { | |
| "epoch": 184.44444444444446, | |
| "grad_norm": 0.7987414002418518, | |
| "learning_rate": 6.416666666666667e-06, | |
| "loss": 0.4222, | |
| "step": 4150 | |
| }, | |
| { | |
| "epoch": 186.66666666666666, | |
| "grad_norm": 0.7480828762054443, | |
| "learning_rate": 6.333333333333333e-06, | |
| "loss": 0.4178, | |
| "step": 4200 | |
| }, | |
| { | |
| "epoch": 188.88888888888889, | |
| "grad_norm": 1.003481149673462, | |
| "learning_rate": 6.25e-06, | |
| "loss": 0.4183, | |
| "step": 4250 | |
| }, | |
| { | |
| "epoch": 191.11111111111111, | |
| "grad_norm": 1.080949306488037, | |
| "learning_rate": 6.168333333333334e-06, | |
| "loss": 0.4207, | |
| "step": 4300 | |
| }, | |
| { | |
| "epoch": 193.33333333333334, | |
| "grad_norm": 1.0521224737167358, | |
| "learning_rate": 6.085000000000001e-06, | |
| "loss": 0.4186, | |
| "step": 4350 | |
| }, | |
| { | |
| "epoch": 195.55555555555554, | |
| "grad_norm": 0.9048583507537842, | |
| "learning_rate": 6.001666666666667e-06, | |
| "loss": 0.418, | |
| "step": 4400 | |
| }, | |
| { | |
| "epoch": 197.77777777777777, | |
| "grad_norm": 1.4653879404067993, | |
| "learning_rate": 5.918333333333334e-06, | |
| "loss": 0.414, | |
| "step": 4450 | |
| }, | |
| { | |
| "epoch": 200.0, | |
| "grad_norm": 1.5214589834213257, | |
| "learning_rate": 5.835000000000001e-06, | |
| "loss": 0.4223, | |
| "step": 4500 | |
| }, | |
| { | |
| "epoch": 200.0, | |
| "eval_loss": 0.41453027725219727, | |
| "eval_runtime": 6.6498, | |
| "eval_samples_per_second": 23.91, | |
| "eval_steps_per_second": 3.008, | |
| "step": 4500 | |
| }, | |
| { | |
| "epoch": 202.22222222222223, | |
| "grad_norm": 1.1058125495910645, | |
| "learning_rate": 5.751666666666668e-06, | |
| "loss": 0.4164, | |
| "step": 4550 | |
| }, | |
| { | |
| "epoch": 204.44444444444446, | |
| "grad_norm": 0.8250144124031067, | |
| "learning_rate": 5.668333333333334e-06, | |
| "loss": 0.418, | |
| "step": 4600 | |
| }, | |
| { | |
| "epoch": 206.66666666666666, | |
| "grad_norm": 0.710696816444397, | |
| "learning_rate": 5.585000000000001e-06, | |
| "loss": 0.4195, | |
| "step": 4650 | |
| }, | |
| { | |
| "epoch": 208.88888888888889, | |
| "grad_norm": 0.8722075819969177, | |
| "learning_rate": 5.501666666666668e-06, | |
| "loss": 0.4127, | |
| "step": 4700 | |
| }, | |
| { | |
| "epoch": 211.11111111111111, | |
| "grad_norm": 1.548494815826416, | |
| "learning_rate": 5.418333333333333e-06, | |
| "loss": 0.4175, | |
| "step": 4750 | |
| }, | |
| { | |
| "epoch": 213.33333333333334, | |
| "grad_norm": 1.0577216148376465, | |
| "learning_rate": 5.335000000000001e-06, | |
| "loss": 0.4142, | |
| "step": 4800 | |
| }, | |
| { | |
| "epoch": 215.55555555555554, | |
| "grad_norm": 0.8775042295455933, | |
| "learning_rate": 5.2516666666666675e-06, | |
| "loss": 0.4185, | |
| "step": 4850 | |
| }, | |
| { | |
| "epoch": 217.77777777777777, | |
| "grad_norm": 0.8470151424407959, | |
| "learning_rate": 5.168333333333334e-06, | |
| "loss": 0.4107, | |
| "step": 4900 | |
| }, | |
| { | |
| "epoch": 220.0, | |
| "grad_norm": 0.9309485554695129, | |
| "learning_rate": 5.085e-06, | |
| "loss": 0.4138, | |
| "step": 4950 | |
| }, | |
| { | |
| "epoch": 222.22222222222223, | |
| "grad_norm": 0.7797917127609253, | |
| "learning_rate": 5.0016666666666665e-06, | |
| "loss": 0.4127, | |
| "step": 5000 | |
| }, | |
| { | |
| "epoch": 222.22222222222223, | |
| "eval_loss": 0.41181260347366333, | |
| "eval_runtime": 6.6484, | |
| "eval_samples_per_second": 23.915, | |
| "eval_steps_per_second": 3.008, | |
| "step": 5000 | |
| }, | |
| { | |
| "epoch": 224.44444444444446, | |
| "grad_norm": 0.7094744443893433, | |
| "learning_rate": 4.918333333333334e-06, | |
| "loss": 0.418, | |
| "step": 5050 | |
| }, | |
| { | |
| "epoch": 226.66666666666666, | |
| "grad_norm": 0.798126220703125, | |
| "learning_rate": 4.835e-06, | |
| "loss": 0.4099, | |
| "step": 5100 | |
| }, | |
| { | |
| "epoch": 228.88888888888889, | |
| "grad_norm": 0.8107690811157227, | |
| "learning_rate": 4.751666666666667e-06, | |
| "loss": 0.4115, | |
| "step": 5150 | |
| }, | |
| { | |
| "epoch": 231.11111111111111, | |
| "grad_norm": 0.9693463444709778, | |
| "learning_rate": 4.668333333333333e-06, | |
| "loss": 0.4096, | |
| "step": 5200 | |
| }, | |
| { | |
| "epoch": 233.33333333333334, | |
| "grad_norm": 0.6815030574798584, | |
| "learning_rate": 4.585e-06, | |
| "loss": 0.416, | |
| "step": 5250 | |
| }, | |
| { | |
| "epoch": 235.55555555555554, | |
| "grad_norm": 0.9453757405281067, | |
| "learning_rate": 4.501666666666667e-06, | |
| "loss": 0.412, | |
| "step": 5300 | |
| }, | |
| { | |
| "epoch": 237.77777777777777, | |
| "grad_norm": 0.744594395160675, | |
| "learning_rate": 4.418333333333334e-06, | |
| "loss": 0.41, | |
| "step": 5350 | |
| }, | |
| { | |
| "epoch": 240.0, | |
| "grad_norm": 0.7826279401779175, | |
| "learning_rate": 4.335e-06, | |
| "loss": 0.4174, | |
| "step": 5400 | |
| }, | |
| { | |
| "epoch": 242.22222222222223, | |
| "grad_norm": 0.8793866634368896, | |
| "learning_rate": 4.253333333333334e-06, | |
| "loss": 0.4189, | |
| "step": 5450 | |
| }, | |
| { | |
| "epoch": 244.44444444444446, | |
| "grad_norm": 0.7588925361633301, | |
| "learning_rate": 4.17e-06, | |
| "loss": 0.418, | |
| "step": 5500 | |
| }, | |
| { | |
| "epoch": 244.44444444444446, | |
| "eval_loss": 0.41301560401916504, | |
| "eval_runtime": 6.6915, | |
| "eval_samples_per_second": 23.761, | |
| "eval_steps_per_second": 2.989, | |
| "step": 5500 | |
| }, | |
| { | |
| "epoch": 246.66666666666666, | |
| "grad_norm": 0.8483109474182129, | |
| "learning_rate": 4.086666666666667e-06, | |
| "loss": 0.4118, | |
| "step": 5550 | |
| }, | |
| { | |
| "epoch": 248.88888888888889, | |
| "grad_norm": 0.7174404263496399, | |
| "learning_rate": 4.003333333333334e-06, | |
| "loss": 0.4119, | |
| "step": 5600 | |
| }, | |
| { | |
| "epoch": 251.11111111111111, | |
| "grad_norm": 0.7293265461921692, | |
| "learning_rate": 3.920000000000001e-06, | |
| "loss": 0.4121, | |
| "step": 5650 | |
| }, | |
| { | |
| "epoch": 253.33333333333334, | |
| "grad_norm": 0.7109299898147583, | |
| "learning_rate": 3.836666666666667e-06, | |
| "loss": 0.4114, | |
| "step": 5700 | |
| }, | |
| { | |
| "epoch": 255.55555555555554, | |
| "grad_norm": 0.8040355443954468, | |
| "learning_rate": 3.753333333333334e-06, | |
| "loss": 0.4116, | |
| "step": 5750 | |
| }, | |
| { | |
| "epoch": 257.77777777777777, | |
| "grad_norm": 1.5440824031829834, | |
| "learning_rate": 3.6700000000000004e-06, | |
| "loss": 0.4135, | |
| "step": 5800 | |
| }, | |
| { | |
| "epoch": 260.0, | |
| "grad_norm": 1.081014633178711, | |
| "learning_rate": 3.5866666666666673e-06, | |
| "loss": 0.4156, | |
| "step": 5850 | |
| }, | |
| { | |
| "epoch": 262.22222222222223, | |
| "grad_norm": 0.9005671143531799, | |
| "learning_rate": 3.5033333333333334e-06, | |
| "loss": 0.4113, | |
| "step": 5900 | |
| }, | |
| { | |
| "epoch": 264.44444444444446, | |
| "grad_norm": 0.6594197750091553, | |
| "learning_rate": 3.4200000000000007e-06, | |
| "loss": 0.4071, | |
| "step": 5950 | |
| }, | |
| { | |
| "epoch": 266.6666666666667, | |
| "grad_norm": 0.7558822631835938, | |
| "learning_rate": 3.3366666666666668e-06, | |
| "loss": 0.4137, | |
| "step": 6000 | |
| }, | |
| { | |
| "epoch": 266.6666666666667, | |
| "eval_loss": 0.4130330979824066, | |
| "eval_runtime": 6.654, | |
| "eval_samples_per_second": 23.895, | |
| "eval_steps_per_second": 3.006, | |
| "step": 6000 | |
| }, | |
| { | |
| "epoch": 268.8888888888889, | |
| "grad_norm": 0.7558965682983398, | |
| "learning_rate": 3.2533333333333332e-06, | |
| "loss": 0.4075, | |
| "step": 6050 | |
| }, | |
| { | |
| "epoch": 271.1111111111111, | |
| "grad_norm": 0.8923629522323608, | |
| "learning_rate": 3.17e-06, | |
| "loss": 0.4076, | |
| "step": 6100 | |
| }, | |
| { | |
| "epoch": 273.3333333333333, | |
| "grad_norm": 0.7254518270492554, | |
| "learning_rate": 3.0866666666666666e-06, | |
| "loss": 0.412, | |
| "step": 6150 | |
| }, | |
| { | |
| "epoch": 275.55555555555554, | |
| "grad_norm": 0.6662154197692871, | |
| "learning_rate": 3.0033333333333335e-06, | |
| "loss": 0.4077, | |
| "step": 6200 | |
| }, | |
| { | |
| "epoch": 277.77777777777777, | |
| "grad_norm": 0.8720728754997253, | |
| "learning_rate": 2.92e-06, | |
| "loss": 0.4083, | |
| "step": 6250 | |
| }, | |
| { | |
| "epoch": 280.0, | |
| "grad_norm": 0.8532177209854126, | |
| "learning_rate": 2.836666666666667e-06, | |
| "loss": 0.4085, | |
| "step": 6300 | |
| }, | |
| { | |
| "epoch": 282.22222222222223, | |
| "grad_norm": 0.938165545463562, | |
| "learning_rate": 2.7533333333333334e-06, | |
| "loss": 0.4127, | |
| "step": 6350 | |
| }, | |
| { | |
| "epoch": 284.44444444444446, | |
| "grad_norm": 0.8369143605232239, | |
| "learning_rate": 2.6700000000000003e-06, | |
| "loss": 0.4124, | |
| "step": 6400 | |
| }, | |
| { | |
| "epoch": 286.6666666666667, | |
| "grad_norm": 0.9037307500839233, | |
| "learning_rate": 2.5866666666666667e-06, | |
| "loss": 0.4135, | |
| "step": 6450 | |
| }, | |
| { | |
| "epoch": 288.8888888888889, | |
| "grad_norm": 0.7268660068511963, | |
| "learning_rate": 2.5033333333333336e-06, | |
| "loss": 0.4105, | |
| "step": 6500 | |
| }, | |
| { | |
| "epoch": 288.8888888888889, | |
| "eval_loss": 0.4127345085144043, | |
| "eval_runtime": 6.6261, | |
| "eval_samples_per_second": 23.996, | |
| "eval_steps_per_second": 3.018, | |
| "step": 6500 | |
| } | |
| ], | |
| "logging_steps": 50, | |
| "max_steps": 8000, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 364, | |
| "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": 9.457794719182656e+16, | |
| "train_batch_size": 32, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |