| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 3.0, | |
| "eval_steps": 500, | |
| "global_step": 46875, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.032, | |
| "grad_norm": 3.1428632736206055, | |
| "learning_rate": 4.9466666666666665e-05, | |
| "loss": 8.4317, | |
| "step": 500 | |
| }, | |
| { | |
| "epoch": 0.064, | |
| "grad_norm": 2.892152786254883, | |
| "learning_rate": 4.8933333333333335e-05, | |
| "loss": 6.0848, | |
| "step": 1000 | |
| }, | |
| { | |
| "epoch": 0.096, | |
| "grad_norm": 2.8414995670318604, | |
| "learning_rate": 4.8400000000000004e-05, | |
| "loss": 5.3167, | |
| "step": 1500 | |
| }, | |
| { | |
| "epoch": 0.128, | |
| "grad_norm": 2.948173999786377, | |
| "learning_rate": 4.7866666666666674e-05, | |
| "loss": 4.9069, | |
| "step": 2000 | |
| }, | |
| { | |
| "epoch": 0.16, | |
| "grad_norm": 2.951268434524536, | |
| "learning_rate": 4.7333333333333336e-05, | |
| "loss": 4.6516, | |
| "step": 2500 | |
| }, | |
| { | |
| "epoch": 0.192, | |
| "grad_norm": 2.8897478580474854, | |
| "learning_rate": 4.6800000000000006e-05, | |
| "loss": 4.4543, | |
| "step": 3000 | |
| }, | |
| { | |
| "epoch": 0.224, | |
| "grad_norm": 2.7696573734283447, | |
| "learning_rate": 4.626666666666667e-05, | |
| "loss": 4.3036, | |
| "step": 3500 | |
| }, | |
| { | |
| "epoch": 0.256, | |
| "grad_norm": 3.261086940765381, | |
| "learning_rate": 4.573333333333333e-05, | |
| "loss": 4.176, | |
| "step": 4000 | |
| }, | |
| { | |
| "epoch": 0.288, | |
| "grad_norm": 2.9297430515289307, | |
| "learning_rate": 4.52e-05, | |
| "loss": 4.0729, | |
| "step": 4500 | |
| }, | |
| { | |
| "epoch": 0.32, | |
| "grad_norm": 2.854435920715332, | |
| "learning_rate": 4.466666666666667e-05, | |
| "loss": 3.9766, | |
| "step": 5000 | |
| }, | |
| { | |
| "epoch": 0.352, | |
| "grad_norm": 2.888359785079956, | |
| "learning_rate": 4.413333333333334e-05, | |
| "loss": 3.9033, | |
| "step": 5500 | |
| }, | |
| { | |
| "epoch": 0.384, | |
| "grad_norm": 2.7745554447174072, | |
| "learning_rate": 4.36e-05, | |
| "loss": 3.8425, | |
| "step": 6000 | |
| }, | |
| { | |
| "epoch": 0.416, | |
| "grad_norm": 3.349950075149536, | |
| "learning_rate": 4.3066666666666665e-05, | |
| "loss": 3.7847, | |
| "step": 6500 | |
| }, | |
| { | |
| "epoch": 0.448, | |
| "grad_norm": 2.9311468601226807, | |
| "learning_rate": 4.2533333333333335e-05, | |
| "loss": 3.7184, | |
| "step": 7000 | |
| }, | |
| { | |
| "epoch": 0.48, | |
| "grad_norm": 3.07074236869812, | |
| "learning_rate": 4.2e-05, | |
| "loss": 3.6775, | |
| "step": 7500 | |
| }, | |
| { | |
| "epoch": 0.512, | |
| "grad_norm": 3.032198667526245, | |
| "learning_rate": 4.146666666666667e-05, | |
| "loss": 3.6327, | |
| "step": 8000 | |
| }, | |
| { | |
| "epoch": 0.544, | |
| "grad_norm": 2.8646187782287598, | |
| "learning_rate": 4.093333333333334e-05, | |
| "loss": 3.5894, | |
| "step": 8500 | |
| }, | |
| { | |
| "epoch": 0.576, | |
| "grad_norm": 3.2184200286865234, | |
| "learning_rate": 4.0400000000000006e-05, | |
| "loss": 3.5573, | |
| "step": 9000 | |
| }, | |
| { | |
| "epoch": 0.608, | |
| "grad_norm": 2.9225051403045654, | |
| "learning_rate": 3.986666666666667e-05, | |
| "loss": 3.519, | |
| "step": 9500 | |
| }, | |
| { | |
| "epoch": 0.64, | |
| "grad_norm": 2.9814798831939697, | |
| "learning_rate": 3.933333333333333e-05, | |
| "loss": 3.4883, | |
| "step": 10000 | |
| }, | |
| { | |
| "epoch": 0.672, | |
| "grad_norm": 2.9676144123077393, | |
| "learning_rate": 3.88e-05, | |
| "loss": 3.4569, | |
| "step": 10500 | |
| }, | |
| { | |
| "epoch": 0.704, | |
| "grad_norm": 3.0484821796417236, | |
| "learning_rate": 3.8266666666666664e-05, | |
| "loss": 3.4376, | |
| "step": 11000 | |
| }, | |
| { | |
| "epoch": 0.736, | |
| "grad_norm": 2.998781681060791, | |
| "learning_rate": 3.773333333333334e-05, | |
| "loss": 3.4018, | |
| "step": 11500 | |
| }, | |
| { | |
| "epoch": 0.768, | |
| "grad_norm": 3.0015172958374023, | |
| "learning_rate": 3.72e-05, | |
| "loss": 3.3781, | |
| "step": 12000 | |
| }, | |
| { | |
| "epoch": 0.8, | |
| "grad_norm": 3.0649876594543457, | |
| "learning_rate": 3.6666666666666666e-05, | |
| "loss": 3.3639, | |
| "step": 12500 | |
| }, | |
| { | |
| "epoch": 0.832, | |
| "grad_norm": 3.342751979827881, | |
| "learning_rate": 3.6133333333333335e-05, | |
| "loss": 3.3414, | |
| "step": 13000 | |
| }, | |
| { | |
| "epoch": 0.864, | |
| "grad_norm": 3.1034457683563232, | |
| "learning_rate": 3.56e-05, | |
| "loss": 3.3188, | |
| "step": 13500 | |
| }, | |
| { | |
| "epoch": 0.896, | |
| "grad_norm": 3.0305914878845215, | |
| "learning_rate": 3.506666666666667e-05, | |
| "loss": 3.3, | |
| "step": 14000 | |
| }, | |
| { | |
| "epoch": 0.928, | |
| "grad_norm": 3.038443088531494, | |
| "learning_rate": 3.453333333333334e-05, | |
| "loss": 3.2958, | |
| "step": 14500 | |
| }, | |
| { | |
| "epoch": 0.96, | |
| "grad_norm": 3.1707687377929688, | |
| "learning_rate": 3.4000000000000007e-05, | |
| "loss": 3.2804, | |
| "step": 15000 | |
| }, | |
| { | |
| "epoch": 0.992, | |
| "grad_norm": 3.1535136699676514, | |
| "learning_rate": 3.346666666666667e-05, | |
| "loss": 3.2499, | |
| "step": 15500 | |
| }, | |
| { | |
| "epoch": 1.024, | |
| "grad_norm": 3.1887905597686768, | |
| "learning_rate": 3.293333333333333e-05, | |
| "loss": 3.2345, | |
| "step": 16000 | |
| }, | |
| { | |
| "epoch": 1.056, | |
| "grad_norm": 3.0925545692443848, | |
| "learning_rate": 3.24e-05, | |
| "loss": 3.2125, | |
| "step": 16500 | |
| }, | |
| { | |
| "epoch": 1.088, | |
| "grad_norm": 3.146622896194458, | |
| "learning_rate": 3.1866666666666664e-05, | |
| "loss": 3.2115, | |
| "step": 17000 | |
| }, | |
| { | |
| "epoch": 1.12, | |
| "grad_norm": 3.1657800674438477, | |
| "learning_rate": 3.1333333333333334e-05, | |
| "loss": 3.2045, | |
| "step": 17500 | |
| }, | |
| { | |
| "epoch": 1.152, | |
| "grad_norm": 3.2574899196624756, | |
| "learning_rate": 3.08e-05, | |
| "loss": 3.183, | |
| "step": 18000 | |
| }, | |
| { | |
| "epoch": 1.184, | |
| "grad_norm": 3.3625082969665527, | |
| "learning_rate": 3.0266666666666666e-05, | |
| "loss": 3.1609, | |
| "step": 18500 | |
| }, | |
| { | |
| "epoch": 1.216, | |
| "grad_norm": 3.518521547317505, | |
| "learning_rate": 2.9733333333333336e-05, | |
| "loss": 3.1497, | |
| "step": 19000 | |
| }, | |
| { | |
| "epoch": 1.248, | |
| "grad_norm": 3.2738187313079834, | |
| "learning_rate": 2.9199999999999998e-05, | |
| "loss": 3.1451, | |
| "step": 19500 | |
| }, | |
| { | |
| "epoch": 1.28, | |
| "grad_norm": 3.2710678577423096, | |
| "learning_rate": 2.8666666666666668e-05, | |
| "loss": 3.1359, | |
| "step": 20000 | |
| }, | |
| { | |
| "epoch": 1.312, | |
| "grad_norm": 3.2664999961853027, | |
| "learning_rate": 2.8133333333333334e-05, | |
| "loss": 3.14, | |
| "step": 20500 | |
| }, | |
| { | |
| "epoch": 1.3439999999999999, | |
| "grad_norm": 3.232677698135376, | |
| "learning_rate": 2.7600000000000003e-05, | |
| "loss": 3.1233, | |
| "step": 21000 | |
| }, | |
| { | |
| "epoch": 1.376, | |
| "grad_norm": 3.168349266052246, | |
| "learning_rate": 2.706666666666667e-05, | |
| "loss": 3.114, | |
| "step": 21500 | |
| }, | |
| { | |
| "epoch": 1.408, | |
| "grad_norm": 3.3266520500183105, | |
| "learning_rate": 2.6533333333333332e-05, | |
| "loss": 3.0969, | |
| "step": 22000 | |
| }, | |
| { | |
| "epoch": 1.44, | |
| "grad_norm": 3.2152698040008545, | |
| "learning_rate": 2.6000000000000002e-05, | |
| "loss": 3.092, | |
| "step": 22500 | |
| }, | |
| { | |
| "epoch": 1.472, | |
| "grad_norm": 3.1990036964416504, | |
| "learning_rate": 2.5466666666666668e-05, | |
| "loss": 3.0787, | |
| "step": 23000 | |
| }, | |
| { | |
| "epoch": 1.504, | |
| "grad_norm": 3.3625833988189697, | |
| "learning_rate": 2.4933333333333334e-05, | |
| "loss": 3.0696, | |
| "step": 23500 | |
| }, | |
| { | |
| "epoch": 1.536, | |
| "grad_norm": 3.3790321350097656, | |
| "learning_rate": 2.44e-05, | |
| "loss": 3.069, | |
| "step": 24000 | |
| }, | |
| { | |
| "epoch": 1.568, | |
| "grad_norm": 3.286928415298462, | |
| "learning_rate": 2.3866666666666666e-05, | |
| "loss": 3.0507, | |
| "step": 24500 | |
| }, | |
| { | |
| "epoch": 1.6, | |
| "grad_norm": 3.179619312286377, | |
| "learning_rate": 2.3333333333333336e-05, | |
| "loss": 3.0605, | |
| "step": 25000 | |
| }, | |
| { | |
| "epoch": 1.6320000000000001, | |
| "grad_norm": 3.3259994983673096, | |
| "learning_rate": 2.2800000000000002e-05, | |
| "loss": 3.0403, | |
| "step": 25500 | |
| }, | |
| { | |
| "epoch": 1.6640000000000001, | |
| "grad_norm": 3.651364803314209, | |
| "learning_rate": 2.2266666666666668e-05, | |
| "loss": 3.0545, | |
| "step": 26000 | |
| }, | |
| { | |
| "epoch": 1.696, | |
| "grad_norm": 3.3979578018188477, | |
| "learning_rate": 2.1733333333333334e-05, | |
| "loss": 3.0355, | |
| "step": 26500 | |
| }, | |
| { | |
| "epoch": 1.728, | |
| "grad_norm": 3.431880474090576, | |
| "learning_rate": 2.12e-05, | |
| "loss": 3.0263, | |
| "step": 27000 | |
| }, | |
| { | |
| "epoch": 1.76, | |
| "grad_norm": 3.56838321685791, | |
| "learning_rate": 2.0666666666666666e-05, | |
| "loss": 3.0199, | |
| "step": 27500 | |
| }, | |
| { | |
| "epoch": 1.792, | |
| "grad_norm": 3.703909397125244, | |
| "learning_rate": 2.0133333333333336e-05, | |
| "loss": 3.0142, | |
| "step": 28000 | |
| }, | |
| { | |
| "epoch": 1.8239999999999998, | |
| "grad_norm": 3.566514492034912, | |
| "learning_rate": 1.9600000000000002e-05, | |
| "loss": 3.009, | |
| "step": 28500 | |
| }, | |
| { | |
| "epoch": 1.8559999999999999, | |
| "grad_norm": 3.520062208175659, | |
| "learning_rate": 1.9066666666666668e-05, | |
| "loss": 2.999, | |
| "step": 29000 | |
| }, | |
| { | |
| "epoch": 1.888, | |
| "grad_norm": 3.5637216567993164, | |
| "learning_rate": 1.8533333333333334e-05, | |
| "loss": 3.0038, | |
| "step": 29500 | |
| }, | |
| { | |
| "epoch": 1.92, | |
| "grad_norm": 3.331390142440796, | |
| "learning_rate": 1.8e-05, | |
| "loss": 2.9956, | |
| "step": 30000 | |
| }, | |
| { | |
| "epoch": 1.952, | |
| "grad_norm": 3.632591962814331, | |
| "learning_rate": 1.7466666666666667e-05, | |
| "loss": 2.9951, | |
| "step": 30500 | |
| }, | |
| { | |
| "epoch": 1.984, | |
| "grad_norm": 3.3229875564575195, | |
| "learning_rate": 1.6933333333333333e-05, | |
| "loss": 2.9908, | |
| "step": 31000 | |
| }, | |
| { | |
| "epoch": 2.016, | |
| "grad_norm": 3.420884847640991, | |
| "learning_rate": 1.6400000000000002e-05, | |
| "loss": 2.9914, | |
| "step": 31500 | |
| }, | |
| { | |
| "epoch": 2.048, | |
| "grad_norm": 3.5923304557800293, | |
| "learning_rate": 1.586666666666667e-05, | |
| "loss": 2.9765, | |
| "step": 32000 | |
| }, | |
| { | |
| "epoch": 2.08, | |
| "grad_norm": 3.3676939010620117, | |
| "learning_rate": 1.5333333333333334e-05, | |
| "loss": 2.9816, | |
| "step": 32500 | |
| }, | |
| { | |
| "epoch": 2.112, | |
| "grad_norm": 4.163808345794678, | |
| "learning_rate": 1.48e-05, | |
| "loss": 2.9684, | |
| "step": 33000 | |
| }, | |
| { | |
| "epoch": 2.144, | |
| "grad_norm": 3.5594727993011475, | |
| "learning_rate": 1.4266666666666667e-05, | |
| "loss": 2.972, | |
| "step": 33500 | |
| }, | |
| { | |
| "epoch": 2.176, | |
| "grad_norm": 3.336045026779175, | |
| "learning_rate": 1.3733333333333335e-05, | |
| "loss": 2.9677, | |
| "step": 34000 | |
| }, | |
| { | |
| "epoch": 2.208, | |
| "grad_norm": 3.4832022190093994, | |
| "learning_rate": 1.32e-05, | |
| "loss": 2.96, | |
| "step": 34500 | |
| }, | |
| { | |
| "epoch": 2.24, | |
| "grad_norm": 3.2550456523895264, | |
| "learning_rate": 1.2666666666666668e-05, | |
| "loss": 2.9548, | |
| "step": 35000 | |
| }, | |
| { | |
| "epoch": 2.2720000000000002, | |
| "grad_norm": 3.4090843200683594, | |
| "learning_rate": 1.2133333333333335e-05, | |
| "loss": 2.9617, | |
| "step": 35500 | |
| }, | |
| { | |
| "epoch": 2.304, | |
| "grad_norm": 3.461796760559082, | |
| "learning_rate": 1.16e-05, | |
| "loss": 2.9494, | |
| "step": 36000 | |
| }, | |
| { | |
| "epoch": 2.336, | |
| "grad_norm": 3.4374420642852783, | |
| "learning_rate": 1.1066666666666667e-05, | |
| "loss": 2.9564, | |
| "step": 36500 | |
| }, | |
| { | |
| "epoch": 2.368, | |
| "grad_norm": 3.5015389919281006, | |
| "learning_rate": 1.0533333333333335e-05, | |
| "loss": 2.9551, | |
| "step": 37000 | |
| }, | |
| { | |
| "epoch": 2.4, | |
| "grad_norm": 3.3731472492218018, | |
| "learning_rate": 1e-05, | |
| "loss": 2.9491, | |
| "step": 37500 | |
| }, | |
| { | |
| "epoch": 2.432, | |
| "grad_norm": 3.514631986618042, | |
| "learning_rate": 9.466666666666667e-06, | |
| "loss": 2.9479, | |
| "step": 38000 | |
| }, | |
| { | |
| "epoch": 2.464, | |
| "grad_norm": 3.472654104232788, | |
| "learning_rate": 8.933333333333333e-06, | |
| "loss": 2.9478, | |
| "step": 38500 | |
| }, | |
| { | |
| "epoch": 2.496, | |
| "grad_norm": 3.620283365249634, | |
| "learning_rate": 8.400000000000001e-06, | |
| "loss": 2.9399, | |
| "step": 39000 | |
| }, | |
| { | |
| "epoch": 2.528, | |
| "grad_norm": 3.7657363414764404, | |
| "learning_rate": 7.866666666666667e-06, | |
| "loss": 2.9427, | |
| "step": 39500 | |
| }, | |
| { | |
| "epoch": 2.56, | |
| "grad_norm": 4.113958835601807, | |
| "learning_rate": 7.333333333333334e-06, | |
| "loss": 2.9371, | |
| "step": 40000 | |
| }, | |
| { | |
| "epoch": 2.592, | |
| "grad_norm": 3.557511329650879, | |
| "learning_rate": 6.800000000000001e-06, | |
| "loss": 2.9391, | |
| "step": 40500 | |
| }, | |
| { | |
| "epoch": 2.624, | |
| "grad_norm": 3.376068592071533, | |
| "learning_rate": 6.266666666666666e-06, | |
| "loss": 2.9303, | |
| "step": 41000 | |
| }, | |
| { | |
| "epoch": 2.656, | |
| "grad_norm": 3.63187313079834, | |
| "learning_rate": 5.733333333333333e-06, | |
| "loss": 2.9328, | |
| "step": 41500 | |
| }, | |
| { | |
| "epoch": 2.6879999999999997, | |
| "grad_norm": 3.5819358825683594, | |
| "learning_rate": 5.2e-06, | |
| "loss": 2.9342, | |
| "step": 42000 | |
| }, | |
| { | |
| "epoch": 2.7199999999999998, | |
| "grad_norm": 3.3923816680908203, | |
| "learning_rate": 4.666666666666667e-06, | |
| "loss": 2.9385, | |
| "step": 42500 | |
| }, | |
| { | |
| "epoch": 2.752, | |
| "grad_norm": 3.5601558685302734, | |
| "learning_rate": 4.133333333333333e-06, | |
| "loss": 2.9288, | |
| "step": 43000 | |
| }, | |
| { | |
| "epoch": 2.784, | |
| "grad_norm": 4.0658063888549805, | |
| "learning_rate": 3.6e-06, | |
| "loss": 2.9294, | |
| "step": 43500 | |
| }, | |
| { | |
| "epoch": 2.816, | |
| "grad_norm": 3.4997718334198, | |
| "learning_rate": 3.066666666666667e-06, | |
| "loss": 2.9277, | |
| "step": 44000 | |
| }, | |
| { | |
| "epoch": 2.848, | |
| "grad_norm": 3.5502588748931885, | |
| "learning_rate": 2.5333333333333334e-06, | |
| "loss": 2.9182, | |
| "step": 44500 | |
| }, | |
| { | |
| "epoch": 2.88, | |
| "grad_norm": 3.310960531234741, | |
| "learning_rate": 2.0000000000000003e-06, | |
| "loss": 2.9302, | |
| "step": 45000 | |
| }, | |
| { | |
| "epoch": 2.912, | |
| "grad_norm": 3.373854875564575, | |
| "learning_rate": 1.4666666666666667e-06, | |
| "loss": 2.9176, | |
| "step": 45500 | |
| }, | |
| { | |
| "epoch": 2.944, | |
| "grad_norm": 3.7332820892333984, | |
| "learning_rate": 9.333333333333334e-07, | |
| "loss": 2.9147, | |
| "step": 46000 | |
| }, | |
| { | |
| "epoch": 2.976, | |
| "grad_norm": 3.5566887855529785, | |
| "learning_rate": 4.0000000000000003e-07, | |
| "loss": 2.9245, | |
| "step": 46500 | |
| } | |
| ], | |
| "logging_steps": 500, | |
| "max_steps": 46875, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 3, | |
| "save_steps": 500, | |
| "stateful_callbacks": { | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": true | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 4.41216036864e+17, | |
| "train_batch_size": 16, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |