| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 0.512, | |
| "eval_steps": 500, | |
| "global_step": 60, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.008533333333333334, | |
| "grad_norm": 160.11701043689894, | |
| "learning_rate": 0.0, | |
| "loss": 32.4968, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.017066666666666667, | |
| "grad_norm": 157.24779534424323, | |
| "learning_rate": 1.5051499783199057e-06, | |
| "loss": 31.6979, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.0256, | |
| "grad_norm": 157.9465272449825, | |
| "learning_rate": 2.385606273598312e-06, | |
| "loss": 31.8828, | |
| "step": 3 | |
| }, | |
| { | |
| "epoch": 0.034133333333333335, | |
| "grad_norm": 160.2154859965946, | |
| "learning_rate": 3.0102999566398115e-06, | |
| "loss": 31.9681, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.042666666666666665, | |
| "grad_norm": 158.5305446712084, | |
| "learning_rate": 3.4948500216800934e-06, | |
| "loss": 31.3717, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 0.0512, | |
| "grad_norm": 155.50243039700376, | |
| "learning_rate": 3.890756251918218e-06, | |
| "loss": 30.5348, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 0.05973333333333333, | |
| "grad_norm": 168.6887446693614, | |
| "learning_rate": 4.225490200071284e-06, | |
| "loss": 31.3845, | |
| "step": 7 | |
| }, | |
| { | |
| "epoch": 0.06826666666666667, | |
| "grad_norm": 164.2631689450651, | |
| "learning_rate": 4.515449934959717e-06, | |
| "loss": 30.5243, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 0.0768, | |
| "grad_norm": 174.1878139573776, | |
| "learning_rate": 4.771212547196624e-06, | |
| "loss": 30.0138, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 0.08533333333333333, | |
| "grad_norm": 177.9519334680014, | |
| "learning_rate": 4.9999999999999996e-06, | |
| "loss": 29.6143, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.09386666666666667, | |
| "grad_norm": 183.57104380865735, | |
| "learning_rate": 5.206963425791125e-06, | |
| "loss": 28.8718, | |
| "step": 11 | |
| }, | |
| { | |
| "epoch": 0.1024, | |
| "grad_norm": 186.4090344511231, | |
| "learning_rate": 5.395906230238124e-06, | |
| "loss": 26.1695, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 0.11093333333333333, | |
| "grad_norm": 198.17161320746723, | |
| "learning_rate": 5.5697167615341825e-06, | |
| "loss": 26.1266, | |
| "step": 13 | |
| }, | |
| { | |
| "epoch": 0.11946666666666667, | |
| "grad_norm": 182.4443087115901, | |
| "learning_rate": 5.730640178391189e-06, | |
| "loss": 24.2121, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 0.128, | |
| "grad_norm": 159.38105380659272, | |
| "learning_rate": 5.880456295278406e-06, | |
| "loss": 22.5796, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 0.13653333333333334, | |
| "grad_norm": 142.82387126501297, | |
| "learning_rate": 6.020599913279623e-06, | |
| "loss": 21.1346, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 0.14506666666666668, | |
| "grad_norm": 123.86394296641578, | |
| "learning_rate": 6.15224460689137e-06, | |
| "loss": 19.8457, | |
| "step": 17 | |
| }, | |
| { | |
| "epoch": 0.1536, | |
| "grad_norm": 112.3988260336824, | |
| "learning_rate": 6.276362525516529e-06, | |
| "loss": 18.7824, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 0.16213333333333332, | |
| "grad_norm": 120.96712330991012, | |
| "learning_rate": 6.393768004764144e-06, | |
| "loss": 18.0207, | |
| "step": 19 | |
| }, | |
| { | |
| "epoch": 0.17066666666666666, | |
| "grad_norm": 129.42692949353702, | |
| "learning_rate": 6.505149978319905e-06, | |
| "loss": 16.8355, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.1792, | |
| "grad_norm": 120.65595457746791, | |
| "learning_rate": 6.611096473669596e-06, | |
| "loss": 15.252, | |
| "step": 21 | |
| }, | |
| { | |
| "epoch": 0.18773333333333334, | |
| "grad_norm": 133.05280466087515, | |
| "learning_rate": 6.712113404111031e-06, | |
| "loss": 14.1391, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 0.19626666666666667, | |
| "grad_norm": 127.95029628849048, | |
| "learning_rate": 6.808639180087963e-06, | |
| "loss": 12.9566, | |
| "step": 23 | |
| }, | |
| { | |
| "epoch": 0.2048, | |
| "grad_norm": 108.83495245094748, | |
| "learning_rate": 6.90105620855803e-06, | |
| "loss": 11.8743, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 0.21333333333333335, | |
| "grad_norm": 99.90727146021455, | |
| "learning_rate": 6.989700043360187e-06, | |
| "loss": 10.962, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 0.22186666666666666, | |
| "grad_norm": 98.37126740059823, | |
| "learning_rate": 7.074866739854089e-06, | |
| "loss": 9.9919, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 0.2304, | |
| "grad_norm": 92.26708429201608, | |
| "learning_rate": 7.156818820794936e-06, | |
| "loss": 8.8811, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 0.23893333333333333, | |
| "grad_norm": 83.36099898839835, | |
| "learning_rate": 7.235790156711096e-06, | |
| "loss": 7.7806, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 0.24746666666666667, | |
| "grad_norm": 68.07500315598597, | |
| "learning_rate": 7.3119899894947795e-06, | |
| "loss": 7.0528, | |
| "step": 29 | |
| }, | |
| { | |
| "epoch": 0.256, | |
| "grad_norm": 69.58960332280246, | |
| "learning_rate": 7.385606273598311e-06, | |
| "loss": 6.3683, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.26453333333333334, | |
| "grad_norm": 68.77532204123075, | |
| "learning_rate": 7.456808469171363e-06, | |
| "loss": 6.1635, | |
| "step": 31 | |
| }, | |
| { | |
| "epoch": 0.2730666666666667, | |
| "grad_norm": 66.29676636510072, | |
| "learning_rate": 7.5257498915995295e-06, | |
| "loss": 4.711, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 0.2816, | |
| "grad_norm": 42.87145091679237, | |
| "learning_rate": 7.592569699389437e-06, | |
| "loss": 4.5119, | |
| "step": 33 | |
| }, | |
| { | |
| "epoch": 0.29013333333333335, | |
| "grad_norm": 26.2592350291551, | |
| "learning_rate": 7.657394585211274e-06, | |
| "loss": 4.31, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 0.2986666666666667, | |
| "grad_norm": 15.35959008067237, | |
| "learning_rate": 7.720340221751376e-06, | |
| "loss": 4.0001, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 0.3072, | |
| "grad_norm": 8.50847651865227, | |
| "learning_rate": 7.781512503836437e-06, | |
| "loss": 3.5723, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 0.3157333333333333, | |
| "grad_norm": 6.562581089063746, | |
| "learning_rate": 7.841008620334974e-06, | |
| "loss": 3.9254, | |
| "step": 37 | |
| }, | |
| { | |
| "epoch": 0.32426666666666665, | |
| "grad_norm": 5.6145595722250095, | |
| "learning_rate": 7.89891798308405e-06, | |
| "loss": 3.8746, | |
| "step": 38 | |
| }, | |
| { | |
| "epoch": 0.3328, | |
| "grad_norm": 5.385367220486204, | |
| "learning_rate": 7.955323035132495e-06, | |
| "loss": 3.8128, | |
| "step": 39 | |
| }, | |
| { | |
| "epoch": 0.3413333333333333, | |
| "grad_norm": 5.403447124703616, | |
| "learning_rate": 8.010299956639811e-06, | |
| "loss": 3.885, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.34986666666666666, | |
| "grad_norm": 5.48242204895128, | |
| "learning_rate": 8.063919283598677e-06, | |
| "loss": 3.8048, | |
| "step": 41 | |
| }, | |
| { | |
| "epoch": 0.3584, | |
| "grad_norm": 5.5525098950513865, | |
| "learning_rate": 8.116246451989503e-06, | |
| "loss": 3.7508, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 0.36693333333333333, | |
| "grad_norm": 5.354384520535484, | |
| "learning_rate": 8.167342277897933e-06, | |
| "loss": 3.5069, | |
| "step": 43 | |
| }, | |
| { | |
| "epoch": 0.37546666666666667, | |
| "grad_norm": 5.46272338131107, | |
| "learning_rate": 8.217263382430936e-06, | |
| "loss": 3.6747, | |
| "step": 44 | |
| }, | |
| { | |
| "epoch": 0.384, | |
| "grad_norm": 4.798550688968453, | |
| "learning_rate": 8.266062568876717e-06, | |
| "loss": 3.1609, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 0.39253333333333335, | |
| "grad_norm": 5.755104452953421, | |
| "learning_rate": 8.31378915840787e-06, | |
| "loss": 3.5733, | |
| "step": 46 | |
| }, | |
| { | |
| "epoch": 0.4010666666666667, | |
| "grad_norm": 4.618763611067563, | |
| "learning_rate": 8.360489289678585e-06, | |
| "loss": 2.9402, | |
| "step": 47 | |
| }, | |
| { | |
| "epoch": 0.4096, | |
| "grad_norm": 5.506785974818791, | |
| "learning_rate": 8.406206186877936e-06, | |
| "loss": 3.382, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 0.41813333333333336, | |
| "grad_norm": 4.68603207809794, | |
| "learning_rate": 8.450980400142568e-06, | |
| "loss": 2.9918, | |
| "step": 49 | |
| }, | |
| { | |
| "epoch": 0.4266666666666667, | |
| "grad_norm": 5.124033394817131, | |
| "learning_rate": 8.494850021680093e-06, | |
| "loss": 3.3202, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.4352, | |
| "grad_norm": 4.293001183481895, | |
| "learning_rate": 8.537850880489681e-06, | |
| "loss": 2.8519, | |
| "step": 51 | |
| }, | |
| { | |
| "epoch": 0.4437333333333333, | |
| "grad_norm": 4.382596858902394, | |
| "learning_rate": 8.580016718173996e-06, | |
| "loss": 2.9683, | |
| "step": 52 | |
| }, | |
| { | |
| "epoch": 0.45226666666666665, | |
| "grad_norm": 4.3176263388044696, | |
| "learning_rate": 8.621379348003945e-06, | |
| "loss": 2.9257, | |
| "step": 53 | |
| }, | |
| { | |
| "epoch": 0.4608, | |
| "grad_norm": 4.5250022171605195, | |
| "learning_rate": 8.661968799114844e-06, | |
| "loss": 3.0556, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 0.4693333333333333, | |
| "grad_norm": 4.429424190600661, | |
| "learning_rate": 8.701813447471218e-06, | |
| "loss": 2.9513, | |
| "step": 55 | |
| }, | |
| { | |
| "epoch": 0.47786666666666666, | |
| "grad_norm": 4.349652568052827, | |
| "learning_rate": 8.740940135031001e-06, | |
| "loss": 2.9029, | |
| "step": 56 | |
| }, | |
| { | |
| "epoch": 0.4864, | |
| "grad_norm": 4.299227871435445, | |
| "learning_rate": 8.779374278362457e-06, | |
| "loss": 2.5989, | |
| "step": 57 | |
| }, | |
| { | |
| "epoch": 0.49493333333333334, | |
| "grad_norm": 4.562461330302201, | |
| "learning_rate": 8.817139967814684e-06, | |
| "loss": 2.8158, | |
| "step": 58 | |
| }, | |
| { | |
| "epoch": 0.5034666666666666, | |
| "grad_norm": 4.606987182758338, | |
| "learning_rate": 8.854260058210721e-06, | |
| "loss": 2.6272, | |
| "step": 59 | |
| }, | |
| { | |
| "epoch": 0.512, | |
| "grad_norm": 4.9420031522511545, | |
| "learning_rate": 8.890756251918216e-06, | |
| "loss": 2.5488, | |
| "step": 60 | |
| } | |
| ], | |
| "logging_steps": 1, | |
| "max_steps": 301, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 3, | |
| "save_steps": 20, | |
| "stateful_callbacks": { | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": false | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 8.473824188421898e+17, | |
| "train_batch_size": 16, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |