File size: 7,839 Bytes
b46320a
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 1.0,
  "eval_steps": 500,
  "global_step": 820,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.024390243902439025,
      "grad_norm": 0.16444338858127594,
      "learning_rate": 0.00019631901840490797,
      "loss": 2.6921,
      "step": 20
    },
    {
      "epoch": 0.04878048780487805,
      "grad_norm": 0.10813042521476746,
      "learning_rate": 0.0001914110429447853,
      "loss": 2.396,
      "step": 40
    },
    {
      "epoch": 0.07317073170731707,
      "grad_norm": 0.10258860886096954,
      "learning_rate": 0.00018650306748466258,
      "loss": 2.3603,
      "step": 60
    },
    {
      "epoch": 0.0975609756097561,
      "grad_norm": 0.10470214486122131,
      "learning_rate": 0.00018159509202453987,
      "loss": 2.3007,
      "step": 80
    },
    {
      "epoch": 0.12195121951219512,
      "grad_norm": 0.09437303990125656,
      "learning_rate": 0.0001766871165644172,
      "loss": 2.284,
      "step": 100
    },
    {
      "epoch": 0.14634146341463414,
      "grad_norm": 0.11936640739440918,
      "learning_rate": 0.0001717791411042945,
      "loss": 2.2516,
      "step": 120
    },
    {
      "epoch": 0.17073170731707318,
      "grad_norm": 0.139393612742424,
      "learning_rate": 0.00016687116564417177,
      "loss": 2.3547,
      "step": 140
    },
    {
      "epoch": 0.1951219512195122,
      "grad_norm": 0.10247877985239029,
      "learning_rate": 0.00016196319018404909,
      "loss": 2.2475,
      "step": 160
    },
    {
      "epoch": 0.21951219512195122,
      "grad_norm": 0.14619943499565125,
      "learning_rate": 0.0001570552147239264,
      "loss": 2.2536,
      "step": 180
    },
    {
      "epoch": 0.24390243902439024,
      "grad_norm": 0.11595285683870316,
      "learning_rate": 0.0001521472392638037,
      "loss": 2.3065,
      "step": 200
    },
    {
      "epoch": 0.2682926829268293,
      "grad_norm": 0.11265317350625992,
      "learning_rate": 0.00014723926380368098,
      "loss": 2.2685,
      "step": 220
    },
    {
      "epoch": 0.2926829268292683,
      "grad_norm": 0.09806830435991287,
      "learning_rate": 0.00014233128834355828,
      "loss": 2.2585,
      "step": 240
    },
    {
      "epoch": 0.3170731707317073,
      "grad_norm": 0.1247815191745758,
      "learning_rate": 0.0001374233128834356,
      "loss": 2.2396,
      "step": 260
    },
    {
      "epoch": 0.34146341463414637,
      "grad_norm": 0.10321255028247833,
      "learning_rate": 0.00013251533742331288,
      "loss": 2.2272,
      "step": 280
    },
    {
      "epoch": 0.36585365853658536,
      "grad_norm": 0.1043391078710556,
      "learning_rate": 0.00012760736196319017,
      "loss": 2.2415,
      "step": 300
    },
    {
      "epoch": 0.3902439024390244,
      "grad_norm": 0.11893816292285919,
      "learning_rate": 0.0001226993865030675,
      "loss": 2.2403,
      "step": 320
    },
    {
      "epoch": 0.4146341463414634,
      "grad_norm": 0.11231406033039093,
      "learning_rate": 0.0001177914110429448,
      "loss": 2.2974,
      "step": 340
    },
    {
      "epoch": 0.43902439024390244,
      "grad_norm": 0.10171303898096085,
      "learning_rate": 0.00011288343558282209,
      "loss": 2.1712,
      "step": 360
    },
    {
      "epoch": 0.4634146341463415,
      "grad_norm": 0.10486133396625519,
      "learning_rate": 0.00010797546012269939,
      "loss": 2.294,
      "step": 380
    },
    {
      "epoch": 0.4878048780487805,
      "grad_norm": 0.12373323738574982,
      "learning_rate": 0.0001030674846625767,
      "loss": 2.3121,
      "step": 400
    },
    {
      "epoch": 0.5121951219512195,
      "grad_norm": 0.12447694689035416,
      "learning_rate": 9.815950920245399e-05,
      "loss": 2.2703,
      "step": 420
    },
    {
      "epoch": 0.5365853658536586,
      "grad_norm": 0.12137830257415771,
      "learning_rate": 9.325153374233129e-05,
      "loss": 2.2338,
      "step": 440
    },
    {
      "epoch": 0.5609756097560976,
      "grad_norm": 0.11432930827140808,
      "learning_rate": 8.83435582822086e-05,
      "loss": 2.2715,
      "step": 460
    },
    {
      "epoch": 0.5853658536585366,
      "grad_norm": 0.13380582630634308,
      "learning_rate": 8.343558282208588e-05,
      "loss": 2.2251,
      "step": 480
    },
    {
      "epoch": 0.6097560975609756,
      "grad_norm": 0.09590517729520798,
      "learning_rate": 7.85276073619632e-05,
      "loss": 2.2611,
      "step": 500
    },
    {
      "epoch": 0.6341463414634146,
      "grad_norm": 0.11968622356653214,
      "learning_rate": 7.361963190184049e-05,
      "loss": 2.2099,
      "step": 520
    },
    {
      "epoch": 0.6585365853658537,
      "grad_norm": 0.1280824989080429,
      "learning_rate": 6.87116564417178e-05,
      "loss": 2.2149,
      "step": 540
    },
    {
      "epoch": 0.6829268292682927,
      "grad_norm": 0.11389517784118652,
      "learning_rate": 6.380368098159509e-05,
      "loss": 2.2397,
      "step": 560
    },
    {
      "epoch": 0.7073170731707317,
      "grad_norm": 0.10299694538116455,
      "learning_rate": 5.88957055214724e-05,
      "loss": 2.2329,
      "step": 580
    },
    {
      "epoch": 0.7317073170731707,
      "grad_norm": 0.1236986592411995,
      "learning_rate": 5.3987730061349695e-05,
      "loss": 2.2347,
      "step": 600
    },
    {
      "epoch": 0.7560975609756098,
      "grad_norm": 0.09924913197755814,
      "learning_rate": 4.907975460122699e-05,
      "loss": 2.2851,
      "step": 620
    },
    {
      "epoch": 0.7804878048780488,
      "grad_norm": 0.14639322459697723,
      "learning_rate": 4.41717791411043e-05,
      "loss": 2.2416,
      "step": 640
    },
    {
      "epoch": 0.8048780487804879,
      "grad_norm": 0.10950738191604614,
      "learning_rate": 3.92638036809816e-05,
      "loss": 2.2449,
      "step": 660
    },
    {
      "epoch": 0.8292682926829268,
      "grad_norm": 0.10922146588563919,
      "learning_rate": 3.43558282208589e-05,
      "loss": 2.1767,
      "step": 680
    },
    {
      "epoch": 0.8536585365853658,
      "grad_norm": 0.11064532399177551,
      "learning_rate": 2.94478527607362e-05,
      "loss": 2.2688,
      "step": 700
    },
    {
      "epoch": 0.8780487804878049,
      "grad_norm": 0.1382293850183487,
      "learning_rate": 2.4539877300613496e-05,
      "loss": 2.2202,
      "step": 720
    },
    {
      "epoch": 0.9024390243902439,
      "grad_norm": 0.11789963394403458,
      "learning_rate": 1.96319018404908e-05,
      "loss": 2.2699,
      "step": 740
    },
    {
      "epoch": 0.926829268292683,
      "grad_norm": 0.14583799242973328,
      "learning_rate": 1.47239263803681e-05,
      "loss": 2.2493,
      "step": 760
    },
    {
      "epoch": 0.9512195121951219,
      "grad_norm": 0.1090286523103714,
      "learning_rate": 9.8159509202454e-06,
      "loss": 2.2409,
      "step": 780
    },
    {
      "epoch": 0.975609756097561,
      "grad_norm": 0.13012604415416718,
      "learning_rate": 4.9079754601227e-06,
      "loss": 2.2038,
      "step": 800
    },
    {
      "epoch": 1.0,
      "grad_norm": 0.13657216727733612,
      "learning_rate": 0.0,
      "loss": 2.1795,
      "step": 820
    }
  ],
  "logging_steps": 20,
  "max_steps": 820,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 1,
  "save_steps": 200,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": true
      },
      "attributes": {}
    }
  },
  "total_flos": 2.006300257736786e+17,
  "train_batch_size": 2,
  "trial_name": null,
  "trial_params": null
}