pepoo20 commited on
Commit
6190ceb
1 Parent(s): 1dec29b

Upload checkpoint-500/trainer_state.json with huggingface_hub

Browse files
Files changed (1) hide show
  1. checkpoint-500/trainer_state.json +741 -0
checkpoint-500/trainer_state.json ADDED
@@ -0,0 +1,741 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": 0.4938061535358429,
3
+ "best_model_checkpoint": "/home/ray/default/save/checkpoint-500",
4
+ "epoch": 0.43327556325823224,
5
+ "eval_steps": 500,
6
+ "global_step": 500,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.004332755632582322,
13
+ "grad_norm": 0.10313185304403305,
14
+ "learning_rate": 8.333333333333333e-07,
15
+ "loss": 1.0706,
16
+ "step": 5
17
+ },
18
+ {
19
+ "epoch": 0.008665511265164644,
20
+ "grad_norm": 0.10810094326734543,
21
+ "learning_rate": 1.6666666666666667e-06,
22
+ "loss": 1.0694,
23
+ "step": 10
24
+ },
25
+ {
26
+ "epoch": 0.012998266897746967,
27
+ "grad_norm": 0.09731286019086838,
28
+ "learning_rate": 2.5e-06,
29
+ "loss": 1.0706,
30
+ "step": 15
31
+ },
32
+ {
33
+ "epoch": 0.01733102253032929,
34
+ "grad_norm": 0.11459868401288986,
35
+ "learning_rate": 3.3333333333333333e-06,
36
+ "loss": 1.0772,
37
+ "step": 20
38
+ },
39
+ {
40
+ "epoch": 0.021663778162911613,
41
+ "grad_norm": 0.10845116525888443,
42
+ "learning_rate": 4.166666666666667e-06,
43
+ "loss": 1.0809,
44
+ "step": 25
45
+ },
46
+ {
47
+ "epoch": 0.025996533795493933,
48
+ "grad_norm": 0.12091381102800369,
49
+ "learning_rate": 5e-06,
50
+ "loss": 1.0737,
51
+ "step": 30
52
+ },
53
+ {
54
+ "epoch": 0.030329289428076257,
55
+ "grad_norm": 0.12315661460161209,
56
+ "learning_rate": 5.833333333333334e-06,
57
+ "loss": 1.0675,
58
+ "step": 35
59
+ },
60
+ {
61
+ "epoch": 0.03466204506065858,
62
+ "grad_norm": 0.13054250180721283,
63
+ "learning_rate": 6.666666666666667e-06,
64
+ "loss": 1.0638,
65
+ "step": 40
66
+ },
67
+ {
68
+ "epoch": 0.0389948006932409,
69
+ "grad_norm": 0.13414187729358673,
70
+ "learning_rate": 7.5e-06,
71
+ "loss": 1.0588,
72
+ "step": 45
73
+ },
74
+ {
75
+ "epoch": 0.043327556325823226,
76
+ "grad_norm": 0.12992985546588898,
77
+ "learning_rate": 8.333333333333334e-06,
78
+ "loss": 1.0512,
79
+ "step": 50
80
+ },
81
+ {
82
+ "epoch": 0.047660311958405546,
83
+ "grad_norm": 0.11500700563192368,
84
+ "learning_rate": 9.166666666666666e-06,
85
+ "loss": 1.0545,
86
+ "step": 55
87
+ },
88
+ {
89
+ "epoch": 0.05199306759098787,
90
+ "grad_norm": 0.10958714783191681,
91
+ "learning_rate": 1e-05,
92
+ "loss": 1.0357,
93
+ "step": 60
94
+ },
95
+ {
96
+ "epoch": 0.05632582322357019,
97
+ "grad_norm": 0.10853663086891174,
98
+ "learning_rate": 1.0833333333333334e-05,
99
+ "loss": 1.0268,
100
+ "step": 65
101
+ },
102
+ {
103
+ "epoch": 0.060658578856152515,
104
+ "grad_norm": 0.12498235702514648,
105
+ "learning_rate": 1.1666666666666668e-05,
106
+ "loss": 1.0135,
107
+ "step": 70
108
+ },
109
+ {
110
+ "epoch": 0.06499133448873484,
111
+ "grad_norm": 0.11716682463884354,
112
+ "learning_rate": 1.25e-05,
113
+ "loss": 1.0014,
114
+ "step": 75
115
+ },
116
+ {
117
+ "epoch": 0.06932409012131716,
118
+ "grad_norm": 0.09530466794967651,
119
+ "learning_rate": 1.3333333333333333e-05,
120
+ "loss": 0.9824,
121
+ "step": 80
122
+ },
123
+ {
124
+ "epoch": 0.07365684575389948,
125
+ "grad_norm": 0.09298353642225266,
126
+ "learning_rate": 1.4166666666666668e-05,
127
+ "loss": 0.9676,
128
+ "step": 85
129
+ },
130
+ {
131
+ "epoch": 0.0779896013864818,
132
+ "grad_norm": 0.09433547407388687,
133
+ "learning_rate": 1.5e-05,
134
+ "loss": 0.9463,
135
+ "step": 90
136
+ },
137
+ {
138
+ "epoch": 0.08232235701906412,
139
+ "grad_norm": 0.09255563467741013,
140
+ "learning_rate": 1.5833333333333333e-05,
141
+ "loss": 0.9341,
142
+ "step": 95
143
+ },
144
+ {
145
+ "epoch": 0.08665511265164645,
146
+ "grad_norm": 0.09951213002204895,
147
+ "learning_rate": 1.6666666666666667e-05,
148
+ "loss": 0.9209,
149
+ "step": 100
150
+ },
151
+ {
152
+ "epoch": 0.09098786828422877,
153
+ "grad_norm": 0.10951012372970581,
154
+ "learning_rate": 1.75e-05,
155
+ "loss": 0.8927,
156
+ "step": 105
157
+ },
158
+ {
159
+ "epoch": 0.09532062391681109,
160
+ "grad_norm": 0.110866479575634,
161
+ "learning_rate": 1.8333333333333333e-05,
162
+ "loss": 0.8755,
163
+ "step": 110
164
+ },
165
+ {
166
+ "epoch": 0.09965337954939342,
167
+ "grad_norm": 0.11648208647966385,
168
+ "learning_rate": 1.9166666666666667e-05,
169
+ "loss": 0.8453,
170
+ "step": 115
171
+ },
172
+ {
173
+ "epoch": 0.10398613518197573,
174
+ "grad_norm": 0.12016862630844116,
175
+ "learning_rate": 2e-05,
176
+ "loss": 0.8081,
177
+ "step": 120
178
+ },
179
+ {
180
+ "epoch": 0.10831889081455806,
181
+ "grad_norm": 0.12387488037347794,
182
+ "learning_rate": 2.0833333333333336e-05,
183
+ "loss": 0.7784,
184
+ "step": 125
185
+ },
186
+ {
187
+ "epoch": 0.11265164644714037,
188
+ "grad_norm": 0.12779255211353302,
189
+ "learning_rate": 2.1666666666666667e-05,
190
+ "loss": 0.7353,
191
+ "step": 130
192
+ },
193
+ {
194
+ "epoch": 0.1169844020797227,
195
+ "grad_norm": 0.12649372220039368,
196
+ "learning_rate": 2.25e-05,
197
+ "loss": 0.7085,
198
+ "step": 135
199
+ },
200
+ {
201
+ "epoch": 0.12131715771230503,
202
+ "grad_norm": 0.1445430964231491,
203
+ "learning_rate": 2.3333333333333336e-05,
204
+ "loss": 0.6753,
205
+ "step": 140
206
+ },
207
+ {
208
+ "epoch": 0.12564991334488734,
209
+ "grad_norm": 0.1329505294561386,
210
+ "learning_rate": 2.4166666666666667e-05,
211
+ "loss": 0.6448,
212
+ "step": 145
213
+ },
214
+ {
215
+ "epoch": 0.12998266897746968,
216
+ "grad_norm": 0.13544394075870514,
217
+ "learning_rate": 2.5e-05,
218
+ "loss": 0.621,
219
+ "step": 150
220
+ },
221
+ {
222
+ "epoch": 0.134315424610052,
223
+ "grad_norm": 0.1351090520620346,
224
+ "learning_rate": 2.5833333333333336e-05,
225
+ "loss": 0.5997,
226
+ "step": 155
227
+ },
228
+ {
229
+ "epoch": 0.1386481802426343,
230
+ "grad_norm": 0.127303346991539,
231
+ "learning_rate": 2.6666666666666667e-05,
232
+ "loss": 0.5791,
233
+ "step": 160
234
+ },
235
+ {
236
+ "epoch": 0.14298093587521662,
237
+ "grad_norm": 0.1476767510175705,
238
+ "learning_rate": 2.7500000000000004e-05,
239
+ "loss": 0.57,
240
+ "step": 165
241
+ },
242
+ {
243
+ "epoch": 0.14731369150779897,
244
+ "grad_norm": 0.13856437802314758,
245
+ "learning_rate": 2.8333333333333335e-05,
246
+ "loss": 0.5645,
247
+ "step": 170
248
+ },
249
+ {
250
+ "epoch": 0.15164644714038128,
251
+ "grad_norm": 0.1533508449792862,
252
+ "learning_rate": 2.916666666666667e-05,
253
+ "loss": 0.5583,
254
+ "step": 175
255
+ },
256
+ {
257
+ "epoch": 0.1559792027729636,
258
+ "grad_norm": 0.13325001299381256,
259
+ "learning_rate": 3e-05,
260
+ "loss": 0.555,
261
+ "step": 180
262
+ },
263
+ {
264
+ "epoch": 0.16031195840554593,
265
+ "grad_norm": 0.13416974246501923,
266
+ "learning_rate": 3.0833333333333335e-05,
267
+ "loss": 0.5439,
268
+ "step": 185
269
+ },
270
+ {
271
+ "epoch": 0.16464471403812825,
272
+ "grad_norm": 0.1278882771730423,
273
+ "learning_rate": 3.1666666666666666e-05,
274
+ "loss": 0.537,
275
+ "step": 190
276
+ },
277
+ {
278
+ "epoch": 0.16897746967071056,
279
+ "grad_norm": 0.14047101140022278,
280
+ "learning_rate": 3.2500000000000004e-05,
281
+ "loss": 0.5381,
282
+ "step": 195
283
+ },
284
+ {
285
+ "epoch": 0.1733102253032929,
286
+ "grad_norm": 0.13340455293655396,
287
+ "learning_rate": 3.3333333333333335e-05,
288
+ "loss": 0.5344,
289
+ "step": 200
290
+ },
291
+ {
292
+ "epoch": 0.17764298093587522,
293
+ "grad_norm": 0.13049094378948212,
294
+ "learning_rate": 3.4166666666666666e-05,
295
+ "loss": 0.5291,
296
+ "step": 205
297
+ },
298
+ {
299
+ "epoch": 0.18197573656845753,
300
+ "grad_norm": 0.16296444833278656,
301
+ "learning_rate": 3.5e-05,
302
+ "loss": 0.5342,
303
+ "step": 210
304
+ },
305
+ {
306
+ "epoch": 0.18630849220103987,
307
+ "grad_norm": 0.1682613343000412,
308
+ "learning_rate": 3.5833333333333335e-05,
309
+ "loss": 0.5285,
310
+ "step": 215
311
+ },
312
+ {
313
+ "epoch": 0.19064124783362218,
314
+ "grad_norm": 0.1439386010169983,
315
+ "learning_rate": 3.6666666666666666e-05,
316
+ "loss": 0.5268,
317
+ "step": 220
318
+ },
319
+ {
320
+ "epoch": 0.1949740034662045,
321
+ "grad_norm": 0.15248768031597137,
322
+ "learning_rate": 3.7500000000000003e-05,
323
+ "loss": 0.5252,
324
+ "step": 225
325
+ },
326
+ {
327
+ "epoch": 0.19930675909878684,
328
+ "grad_norm": 0.1604214906692505,
329
+ "learning_rate": 3.8333333333333334e-05,
330
+ "loss": 0.5201,
331
+ "step": 230
332
+ },
333
+ {
334
+ "epoch": 0.20363951473136915,
335
+ "grad_norm": 0.16192543506622314,
336
+ "learning_rate": 3.9166666666666665e-05,
337
+ "loss": 0.5222,
338
+ "step": 235
339
+ },
340
+ {
341
+ "epoch": 0.20797227036395147,
342
+ "grad_norm": 0.14945088326931,
343
+ "learning_rate": 4e-05,
344
+ "loss": 0.5158,
345
+ "step": 240
346
+ },
347
+ {
348
+ "epoch": 0.2123050259965338,
349
+ "grad_norm": 0.16204427182674408,
350
+ "learning_rate": 4.0833333333333334e-05,
351
+ "loss": 0.5127,
352
+ "step": 245
353
+ },
354
+ {
355
+ "epoch": 0.21663778162911612,
356
+ "grad_norm": 0.1618306040763855,
357
+ "learning_rate": 4.166666666666667e-05,
358
+ "loss": 0.5181,
359
+ "step": 250
360
+ },
361
+ {
362
+ "epoch": 0.22097053726169844,
363
+ "grad_norm": 0.14193885028362274,
364
+ "learning_rate": 4.25e-05,
365
+ "loss": 0.5164,
366
+ "step": 255
367
+ },
368
+ {
369
+ "epoch": 0.22530329289428075,
370
+ "grad_norm": 0.12552691996097565,
371
+ "learning_rate": 4.3333333333333334e-05,
372
+ "loss": 0.5149,
373
+ "step": 260
374
+ },
375
+ {
376
+ "epoch": 0.2296360485268631,
377
+ "grad_norm": 0.14471225440502167,
378
+ "learning_rate": 4.4166666666666665e-05,
379
+ "loss": 0.5137,
380
+ "step": 265
381
+ },
382
+ {
383
+ "epoch": 0.2339688041594454,
384
+ "grad_norm": 0.13988590240478516,
385
+ "learning_rate": 4.5e-05,
386
+ "loss": 0.5066,
387
+ "step": 270
388
+ },
389
+ {
390
+ "epoch": 0.23830155979202772,
391
+ "grad_norm": 0.13964875042438507,
392
+ "learning_rate": 4.5833333333333334e-05,
393
+ "loss": 0.5116,
394
+ "step": 275
395
+ },
396
+ {
397
+ "epoch": 0.24263431542461006,
398
+ "grad_norm": 0.12847208976745605,
399
+ "learning_rate": 4.666666666666667e-05,
400
+ "loss": 0.5095,
401
+ "step": 280
402
+ },
403
+ {
404
+ "epoch": 0.24696707105719237,
405
+ "grad_norm": 0.13142219185829163,
406
+ "learning_rate": 4.75e-05,
407
+ "loss": 0.5077,
408
+ "step": 285
409
+ },
410
+ {
411
+ "epoch": 0.2512998266897747,
412
+ "grad_norm": 0.19098567962646484,
413
+ "learning_rate": 4.8333333333333334e-05,
414
+ "loss": 0.5099,
415
+ "step": 290
416
+ },
417
+ {
418
+ "epoch": 0.255632582322357,
419
+ "grad_norm": 0.1430283784866333,
420
+ "learning_rate": 4.9166666666666665e-05,
421
+ "loss": 0.5036,
422
+ "step": 295
423
+ },
424
+ {
425
+ "epoch": 0.25996533795493937,
426
+ "grad_norm": 0.12594453990459442,
427
+ "learning_rate": 5e-05,
428
+ "loss": 0.5085,
429
+ "step": 300
430
+ },
431
+ {
432
+ "epoch": 0.26429809358752165,
433
+ "grad_norm": 0.14377984404563904,
434
+ "learning_rate": 4.999577115486055e-05,
435
+ "loss": 0.4978,
436
+ "step": 305
437
+ },
438
+ {
439
+ "epoch": 0.268630849220104,
440
+ "grad_norm": 0.12468158453702927,
441
+ "learning_rate": 4.998308605009268e-05,
442
+ "loss": 0.5095,
443
+ "step": 310
444
+ },
445
+ {
446
+ "epoch": 0.2729636048526863,
447
+ "grad_norm": 0.12854167819023132,
448
+ "learning_rate": 4.996194897716389e-05,
449
+ "loss": 0.5037,
450
+ "step": 315
451
+ },
452
+ {
453
+ "epoch": 0.2772963604852686,
454
+ "grad_norm": 0.13529527187347412,
455
+ "learning_rate": 4.993236708690683e-05,
456
+ "loss": 0.5058,
457
+ "step": 320
458
+ },
459
+ {
460
+ "epoch": 0.28162911611785096,
461
+ "grad_norm": 0.1377994418144226,
462
+ "learning_rate": 4.9894350387100126e-05,
463
+ "loss": 0.4998,
464
+ "step": 325
465
+ },
466
+ {
467
+ "epoch": 0.28596187175043325,
468
+ "grad_norm": 0.14942322671413422,
469
+ "learning_rate": 4.984791173908267e-05,
470
+ "loss": 0.5007,
471
+ "step": 330
472
+ },
473
+ {
474
+ "epoch": 0.2902946273830156,
475
+ "grad_norm": 0.1366725116968155,
476
+ "learning_rate": 4.9793066853402536e-05,
477
+ "loss": 0.5038,
478
+ "step": 335
479
+ },
480
+ {
481
+ "epoch": 0.29462738301559793,
482
+ "grad_norm": 0.13133087754249573,
483
+ "learning_rate": 4.9729834284501995e-05,
484
+ "loss": 0.5062,
485
+ "step": 340
486
+ },
487
+ {
488
+ "epoch": 0.2989601386481802,
489
+ "grad_norm": 0.11725670844316483,
490
+ "learning_rate": 4.965823542444037e-05,
491
+ "loss": 0.5025,
492
+ "step": 345
493
+ },
494
+ {
495
+ "epoch": 0.30329289428076256,
496
+ "grad_norm": 0.10628046840429306,
497
+ "learning_rate": 4.9578294495656965e-05,
498
+ "loss": 0.4999,
499
+ "step": 350
500
+ },
501
+ {
502
+ "epoch": 0.3076256499133449,
503
+ "grad_norm": 0.13826170563697815,
504
+ "learning_rate": 4.949003854277644e-05,
505
+ "loss": 0.4978,
506
+ "step": 355
507
+ },
508
+ {
509
+ "epoch": 0.3119584055459272,
510
+ "grad_norm": 0.1305851936340332,
511
+ "learning_rate": 4.9393497423459376e-05,
512
+ "loss": 0.4997,
513
+ "step": 360
514
+ },
515
+ {
516
+ "epoch": 0.31629116117850953,
517
+ "grad_norm": 0.11465763300657272,
518
+ "learning_rate": 4.928870379830124e-05,
519
+ "loss": 0.5037,
520
+ "step": 365
521
+ },
522
+ {
523
+ "epoch": 0.32062391681109187,
524
+ "grad_norm": 0.15975706279277802,
525
+ "learning_rate": 4.9175693119783013e-05,
526
+ "loss": 0.4982,
527
+ "step": 370
528
+ },
529
+ {
530
+ "epoch": 0.32495667244367415,
531
+ "grad_norm": 0.15360799431800842,
532
+ "learning_rate": 4.905450362027738e-05,
533
+ "loss": 0.5013,
534
+ "step": 375
535
+ },
536
+ {
537
+ "epoch": 0.3292894280762565,
538
+ "grad_norm": 0.14006198942661285,
539
+ "learning_rate": 4.8925176299114416e-05,
540
+ "loss": 0.5008,
541
+ "step": 380
542
+ },
543
+ {
544
+ "epoch": 0.33362218370883884,
545
+ "grad_norm": 0.14255651831626892,
546
+ "learning_rate": 4.878775490871121e-05,
547
+ "loss": 0.4975,
548
+ "step": 385
549
+ },
550
+ {
551
+ "epoch": 0.3379549393414211,
552
+ "grad_norm": 0.12012791633605957,
553
+ "learning_rate": 4.864228593977006e-05,
554
+ "loss": 0.5047,
555
+ "step": 390
556
+ },
557
+ {
558
+ "epoch": 0.34228769497400346,
559
+ "grad_norm": 0.11433300375938416,
560
+ "learning_rate": 4.848881860555035e-05,
561
+ "loss": 0.4986,
562
+ "step": 395
563
+ },
564
+ {
565
+ "epoch": 0.3466204506065858,
566
+ "grad_norm": 0.11102011054754257,
567
+ "learning_rate": 4.832740482521931e-05,
568
+ "loss": 0.4981,
569
+ "step": 400
570
+ },
571
+ {
572
+ "epoch": 0.3509532062391681,
573
+ "grad_norm": 0.12340573221445084,
574
+ "learning_rate": 4.815809920628738e-05,
575
+ "loss": 0.4984,
576
+ "step": 405
577
+ },
578
+ {
579
+ "epoch": 0.35528596187175043,
580
+ "grad_norm": 0.1148650050163269,
581
+ "learning_rate": 4.7980959026134044e-05,
582
+ "loss": 0.4942,
583
+ "step": 410
584
+ },
585
+ {
586
+ "epoch": 0.3596187175043328,
587
+ "grad_norm": 0.10840712487697601,
588
+ "learning_rate": 4.7796044212630486e-05,
589
+ "loss": 0.4903,
590
+ "step": 415
591
+ },
592
+ {
593
+ "epoch": 0.36395147313691506,
594
+ "grad_norm": 0.11093516647815704,
595
+ "learning_rate": 4.7603417323865547e-05,
596
+ "loss": 0.4957,
597
+ "step": 420
598
+ },
599
+ {
600
+ "epoch": 0.3682842287694974,
601
+ "grad_norm": 0.1237047016620636,
602
+ "learning_rate": 4.74031435269818e-05,
603
+ "loss": 0.499,
604
+ "step": 425
605
+ },
606
+ {
607
+ "epoch": 0.37261698440207974,
608
+ "grad_norm": 0.11613244563341141,
609
+ "learning_rate": 4.7195290576129034e-05,
610
+ "loss": 0.4959,
611
+ "step": 430
612
+ },
613
+ {
614
+ "epoch": 0.37694974003466203,
615
+ "grad_norm": 0.10890854150056839,
616
+ "learning_rate": 4.697992878954255e-05,
617
+ "loss": 0.4944,
618
+ "step": 435
619
+ },
620
+ {
621
+ "epoch": 0.38128249566724437,
622
+ "grad_norm": 0.11364572495222092,
623
+ "learning_rate": 4.6757131025753886e-05,
624
+ "loss": 0.4909,
625
+ "step": 440
626
+ },
627
+ {
628
+ "epoch": 0.3856152512998267,
629
+ "grad_norm": 0.12619757652282715,
630
+ "learning_rate": 4.652697265894228e-05,
631
+ "loss": 0.4966,
632
+ "step": 445
633
+ },
634
+ {
635
+ "epoch": 0.389948006932409,
636
+ "grad_norm": 0.11669816076755524,
637
+ "learning_rate": 4.628953155343499e-05,
638
+ "loss": 0.4956,
639
+ "step": 450
640
+ },
641
+ {
642
+ "epoch": 0.39428076256499134,
643
+ "grad_norm": 0.13808482885360718,
644
+ "learning_rate": 4.604488803736523e-05,
645
+ "loss": 0.4973,
646
+ "step": 455
647
+ },
648
+ {
649
+ "epoch": 0.3986135181975737,
650
+ "grad_norm": 0.11171045899391174,
651
+ "learning_rate": 4.579312487549649e-05,
652
+ "loss": 0.4903,
653
+ "step": 460
654
+ },
655
+ {
656
+ "epoch": 0.40294627383015597,
657
+ "grad_norm": 0.11149395257234573,
658
+ "learning_rate": 4.553432724122265e-05,
659
+ "loss": 0.4999,
660
+ "step": 465
661
+ },
662
+ {
663
+ "epoch": 0.4072790294627383,
664
+ "grad_norm": 0.11308333277702332,
665
+ "learning_rate": 4.526858268775313e-05,
666
+ "loss": 0.4967,
667
+ "step": 470
668
+ },
669
+ {
670
+ "epoch": 0.41161178509532065,
671
+ "grad_norm": 0.10610105097293854,
672
+ "learning_rate": 4.499598111849299e-05,
673
+ "loss": 0.4936,
674
+ "step": 475
675
+ },
676
+ {
677
+ "epoch": 0.41594454072790293,
678
+ "grad_norm": 0.11356962472200394,
679
+ "learning_rate": 4.471661475662792e-05,
680
+ "loss": 0.493,
681
+ "step": 480
682
+ },
683
+ {
684
+ "epoch": 0.4202772963604853,
685
+ "grad_norm": 0.10310888290405273,
686
+ "learning_rate": 4.443057811392445e-05,
687
+ "loss": 0.5002,
688
+ "step": 485
689
+ },
690
+ {
691
+ "epoch": 0.4246100519930676,
692
+ "grad_norm": 0.11358631402254105,
693
+ "learning_rate": 4.413796795875586e-05,
694
+ "loss": 0.4983,
695
+ "step": 490
696
+ },
697
+ {
698
+ "epoch": 0.4289428076256499,
699
+ "grad_norm": 0.12575574219226837,
700
+ "learning_rate": 4.383888328336476e-05,
701
+ "loss": 0.4949,
702
+ "step": 495
703
+ },
704
+ {
705
+ "epoch": 0.43327556325823224,
706
+ "grad_norm": 0.09878399968147278,
707
+ "learning_rate": 4.3533425270373216e-05,
708
+ "loss": 0.4953,
709
+ "step": 500
710
+ },
711
+ {
712
+ "epoch": 0.43327556325823224,
713
+ "eval_loss": 0.4938061535358429,
714
+ "eval_runtime": 140.4236,
715
+ "eval_samples_per_second": 2.685,
716
+ "eval_steps_per_second": 0.677,
717
+ "step": 500
718
+ }
719
+ ],
720
+ "logging_steps": 5,
721
+ "max_steps": 1154,
722
+ "num_input_tokens_seen": 0,
723
+ "num_train_epochs": 1,
724
+ "save_steps": 500,
725
+ "stateful_callbacks": {
726
+ "TrainerControl": {
727
+ "args": {
728
+ "should_epoch_stop": false,
729
+ "should_evaluate": false,
730
+ "should_log": false,
731
+ "should_save": true,
732
+ "should_training_stop": false
733
+ },
734
+ "attributes": {}
735
+ }
736
+ },
737
+ "total_flos": 3.49519346663424e+17,
738
+ "train_batch_size": 4,
739
+ "trial_name": null,
740
+ "trial_params": null
741
+ }