| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 3.0, | |
| "eval_steps": 500, | |
| "global_step": 144, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.14583333333333334, | |
| "grad_norm": 0.932168185710907, | |
| "learning_rate": 9.333333333333334e-05, | |
| "loss": 2.4371, | |
| "step": 7 | |
| }, | |
| { | |
| "epoch": 0.2916666666666667, | |
| "grad_norm": 1.55926513671875, | |
| "learning_rate": 0.0001866666666666667, | |
| "loss": 2.1281, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 0.4375, | |
| "grad_norm": 2.454427480697632, | |
| "learning_rate": 0.00019069767441860466, | |
| "loss": 1.3913, | |
| "step": 21 | |
| }, | |
| { | |
| "epoch": 0.5833333333333334, | |
| "grad_norm": 0.8888841867446899, | |
| "learning_rate": 0.0001798449612403101, | |
| "loss": 0.5878, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 0.7291666666666666, | |
| "grad_norm": 1.1111289262771606, | |
| "learning_rate": 0.0001689922480620155, | |
| "loss": 0.3453, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 0.875, | |
| "grad_norm": 0.4063495099544525, | |
| "learning_rate": 0.00015813953488372093, | |
| "loss": 0.2937, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 1.0208333333333333, | |
| "grad_norm": 0.42902955412864685, | |
| "learning_rate": 0.00014728682170542636, | |
| "loss": 0.2779, | |
| "step": 49 | |
| }, | |
| { | |
| "epoch": 1.1666666666666667, | |
| "grad_norm": 0.5491642355918884, | |
| "learning_rate": 0.00013643410852713178, | |
| "loss": 0.2806, | |
| "step": 56 | |
| }, | |
| { | |
| "epoch": 1.3125, | |
| "grad_norm": 0.4311344027519226, | |
| "learning_rate": 0.0001255813953488372, | |
| "loss": 0.2311, | |
| "step": 63 | |
| }, | |
| { | |
| "epoch": 1.4583333333333333, | |
| "grad_norm": 0.4233413636684418, | |
| "learning_rate": 0.00011472868217054265, | |
| "loss": 0.2268, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 1.6041666666666665, | |
| "grad_norm": 0.46011030673980713, | |
| "learning_rate": 0.00010387596899224807, | |
| "loss": 0.2155, | |
| "step": 77 | |
| }, | |
| { | |
| "epoch": 1.75, | |
| "grad_norm": 0.4046083688735962, | |
| "learning_rate": 9.30232558139535e-05, | |
| "loss": 0.2121, | |
| "step": 84 | |
| }, | |
| { | |
| "epoch": 1.8958333333333335, | |
| "grad_norm": 0.41275689005851746, | |
| "learning_rate": 8.217054263565892e-05, | |
| "loss": 0.2015, | |
| "step": 91 | |
| }, | |
| { | |
| "epoch": 2.0416666666666665, | |
| "grad_norm": 0.42750322818756104, | |
| "learning_rate": 7.131782945736435e-05, | |
| "loss": 0.1849, | |
| "step": 98 | |
| }, | |
| { | |
| "epoch": 2.1875, | |
| "grad_norm": 0.46662458777427673, | |
| "learning_rate": 6.0465116279069765e-05, | |
| "loss": 0.184, | |
| "step": 105 | |
| }, | |
| { | |
| "epoch": 2.3333333333333335, | |
| "grad_norm": 0.5476089715957642, | |
| "learning_rate": 4.96124031007752e-05, | |
| "loss": 0.194, | |
| "step": 112 | |
| }, | |
| { | |
| "epoch": 2.4791666666666665, | |
| "grad_norm": 0.5398187041282654, | |
| "learning_rate": 3.875968992248062e-05, | |
| "loss": 0.1868, | |
| "step": 119 | |
| }, | |
| { | |
| "epoch": 2.625, | |
| "grad_norm": 0.41189488768577576, | |
| "learning_rate": 2.7906976744186048e-05, | |
| "loss": 0.1741, | |
| "step": 126 | |
| }, | |
| { | |
| "epoch": 2.7708333333333335, | |
| "grad_norm": 0.8281562328338623, | |
| "learning_rate": 1.7054263565891473e-05, | |
| "loss": 0.1577, | |
| "step": 133 | |
| }, | |
| { | |
| "epoch": 2.9166666666666665, | |
| "grad_norm": 0.49911385774612427, | |
| "learning_rate": 6.2015503875969e-06, | |
| "loss": 0.1839, | |
| "step": 140 | |
| } | |
| ], | |
| "logging_steps": 7, | |
| "max_steps": 144, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 3, | |
| "save_steps": 500, | |
| "total_flos": 7.5433855942656e+16, | |
| "train_batch_size": 12, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |