| { | |
| "best_metric": 10.320320129394531, | |
| "best_model_checkpoint": "miner_id_24/checkpoint-200", | |
| "epoch": 0.4166666666666667, | |
| "eval_steps": 50, | |
| "global_step": 200, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.0020833333333333333, | |
| "grad_norm": 0.3320043087005615, | |
| "learning_rate": 1.0018000000000001e-05, | |
| "loss": 20.764, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.0020833333333333333, | |
| "eval_loss": 10.377023696899414, | |
| "eval_runtime": 0.6227, | |
| "eval_samples_per_second": 326.005, | |
| "eval_steps_per_second": 81.903, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.004166666666666667, | |
| "grad_norm": 0.4273834824562073, | |
| "learning_rate": 2.0036000000000003e-05, | |
| "loss": 20.7672, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.00625, | |
| "grad_norm": 0.4845178425312042, | |
| "learning_rate": 3.0054e-05, | |
| "loss": 20.7803, | |
| "step": 3 | |
| }, | |
| { | |
| "epoch": 0.008333333333333333, | |
| "grad_norm": 0.47023308277130127, | |
| "learning_rate": 4.0072000000000005e-05, | |
| "loss": 20.7556, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.010416666666666666, | |
| "grad_norm": 0.43146368861198425, | |
| "learning_rate": 5.009e-05, | |
| "loss": 20.7536, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 0.0125, | |
| "grad_norm": 0.3475956916809082, | |
| "learning_rate": 6.0108e-05, | |
| "loss": 20.7392, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 0.014583333333333334, | |
| "grad_norm": 0.319907009601593, | |
| "learning_rate": 7.0126e-05, | |
| "loss": 20.7374, | |
| "step": 7 | |
| }, | |
| { | |
| "epoch": 0.016666666666666666, | |
| "grad_norm": 0.4163200855255127, | |
| "learning_rate": 8.014400000000001e-05, | |
| "loss": 20.7395, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 0.01875, | |
| "grad_norm": 0.37934646010398865, | |
| "learning_rate": 9.016200000000001e-05, | |
| "loss": 20.7564, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 0.020833333333333332, | |
| "grad_norm": 0.3989284038543701, | |
| "learning_rate": 0.00010018, | |
| "loss": 20.7552, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.022916666666666665, | |
| "grad_norm": 0.344099760055542, | |
| "learning_rate": 9.965273684210526e-05, | |
| "loss": 20.7507, | |
| "step": 11 | |
| }, | |
| { | |
| "epoch": 0.025, | |
| "grad_norm": 0.5086721777915955, | |
| "learning_rate": 9.912547368421053e-05, | |
| "loss": 20.7607, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 0.027083333333333334, | |
| "grad_norm": 0.36622321605682373, | |
| "learning_rate": 9.859821052631579e-05, | |
| "loss": 20.7382, | |
| "step": 13 | |
| }, | |
| { | |
| "epoch": 0.029166666666666667, | |
| "grad_norm": 0.3692960739135742, | |
| "learning_rate": 9.807094736842106e-05, | |
| "loss": 20.7397, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 0.03125, | |
| "grad_norm": 0.40973275899887085, | |
| "learning_rate": 9.754368421052633e-05, | |
| "loss": 20.7472, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 0.03333333333333333, | |
| "grad_norm": 0.39177048206329346, | |
| "learning_rate": 9.701642105263158e-05, | |
| "loss": 20.745, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 0.035416666666666666, | |
| "grad_norm": 0.41169026494026184, | |
| "learning_rate": 9.648915789473685e-05, | |
| "loss": 20.7261, | |
| "step": 17 | |
| }, | |
| { | |
| "epoch": 0.0375, | |
| "grad_norm": 0.4696851968765259, | |
| "learning_rate": 9.596189473684211e-05, | |
| "loss": 20.7465, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 0.03958333333333333, | |
| "grad_norm": 0.6268026828765869, | |
| "learning_rate": 9.543463157894737e-05, | |
| "loss": 20.6962, | |
| "step": 19 | |
| }, | |
| { | |
| "epoch": 0.041666666666666664, | |
| "grad_norm": 0.44248536229133606, | |
| "learning_rate": 9.490736842105264e-05, | |
| "loss": 20.7307, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.04375, | |
| "grad_norm": 0.5039771199226379, | |
| "learning_rate": 9.43801052631579e-05, | |
| "loss": 20.7369, | |
| "step": 21 | |
| }, | |
| { | |
| "epoch": 0.04583333333333333, | |
| "grad_norm": 0.5124672055244446, | |
| "learning_rate": 9.385284210526316e-05, | |
| "loss": 20.747, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 0.04791666666666667, | |
| "grad_norm": 0.367107629776001, | |
| "learning_rate": 9.332557894736843e-05, | |
| "loss": 20.7022, | |
| "step": 23 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 0.45262274146080017, | |
| "learning_rate": 9.279831578947369e-05, | |
| "loss": 20.7233, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 0.052083333333333336, | |
| "grad_norm": 0.4082395136356354, | |
| "learning_rate": 9.227105263157896e-05, | |
| "loss": 20.7445, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 0.05416666666666667, | |
| "grad_norm": 0.5291843414306641, | |
| "learning_rate": 9.174378947368421e-05, | |
| "loss": 20.7526, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 0.05625, | |
| "grad_norm": 0.560905396938324, | |
| "learning_rate": 9.121652631578948e-05, | |
| "loss": 20.7282, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 0.058333333333333334, | |
| "grad_norm": 0.5391399264335632, | |
| "learning_rate": 9.068926315789475e-05, | |
| "loss": 20.7282, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 0.06041666666666667, | |
| "grad_norm": 0.6353935599327087, | |
| "learning_rate": 9.016200000000001e-05, | |
| "loss": 20.7292, | |
| "step": 29 | |
| }, | |
| { | |
| "epoch": 0.0625, | |
| "grad_norm": 0.5819910764694214, | |
| "learning_rate": 8.963473684210526e-05, | |
| "loss": 20.7381, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.06458333333333334, | |
| "grad_norm": 0.6682659387588501, | |
| "learning_rate": 8.910747368421053e-05, | |
| "loss": 20.732, | |
| "step": 31 | |
| }, | |
| { | |
| "epoch": 0.06666666666666667, | |
| "grad_norm": 0.8244960904121399, | |
| "learning_rate": 8.858021052631579e-05, | |
| "loss": 20.736, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 0.06875, | |
| "grad_norm": 0.7241726517677307, | |
| "learning_rate": 8.805294736842106e-05, | |
| "loss": 20.7416, | |
| "step": 33 | |
| }, | |
| { | |
| "epoch": 0.07083333333333333, | |
| "grad_norm": 0.6204182505607605, | |
| "learning_rate": 8.752568421052633e-05, | |
| "loss": 20.7161, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 0.07291666666666667, | |
| "grad_norm": 0.8156778216362, | |
| "learning_rate": 8.699842105263159e-05, | |
| "loss": 20.7235, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 0.075, | |
| "grad_norm": 0.7850509881973267, | |
| "learning_rate": 8.647115789473686e-05, | |
| "loss": 20.6887, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 0.07708333333333334, | |
| "grad_norm": 0.6257343292236328, | |
| "learning_rate": 8.594389473684211e-05, | |
| "loss": 20.6967, | |
| "step": 37 | |
| }, | |
| { | |
| "epoch": 0.07916666666666666, | |
| "grad_norm": 0.530684769153595, | |
| "learning_rate": 8.541663157894737e-05, | |
| "loss": 20.712, | |
| "step": 38 | |
| }, | |
| { | |
| "epoch": 0.08125, | |
| "grad_norm": 0.8555363416671753, | |
| "learning_rate": 8.488936842105264e-05, | |
| "loss": 20.7033, | |
| "step": 39 | |
| }, | |
| { | |
| "epoch": 0.08333333333333333, | |
| "grad_norm": 0.8683212995529175, | |
| "learning_rate": 8.43621052631579e-05, | |
| "loss": 20.7051, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.08541666666666667, | |
| "grad_norm": 0.7046140432357788, | |
| "learning_rate": 8.383484210526316e-05, | |
| "loss": 20.7065, | |
| "step": 41 | |
| }, | |
| { | |
| "epoch": 0.0875, | |
| "grad_norm": 0.6534966230392456, | |
| "learning_rate": 8.330757894736843e-05, | |
| "loss": 20.7167, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 0.08958333333333333, | |
| "grad_norm": 0.6379891633987427, | |
| "learning_rate": 8.278031578947369e-05, | |
| "loss": 20.6602, | |
| "step": 43 | |
| }, | |
| { | |
| "epoch": 0.09166666666666666, | |
| "grad_norm": 0.7104814648628235, | |
| "learning_rate": 8.225305263157896e-05, | |
| "loss": 20.6848, | |
| "step": 44 | |
| }, | |
| { | |
| "epoch": 0.09375, | |
| "grad_norm": 0.7425481677055359, | |
| "learning_rate": 8.172578947368422e-05, | |
| "loss": 20.6741, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 0.09583333333333334, | |
| "grad_norm": 0.8014410734176636, | |
| "learning_rate": 8.119852631578947e-05, | |
| "loss": 20.6782, | |
| "step": 46 | |
| }, | |
| { | |
| "epoch": 0.09791666666666667, | |
| "grad_norm": 0.9794498682022095, | |
| "learning_rate": 8.067126315789474e-05, | |
| "loss": 20.6851, | |
| "step": 47 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 1.0179678201675415, | |
| "learning_rate": 8.014400000000001e-05, | |
| "loss": 20.6769, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 0.10208333333333333, | |
| "grad_norm": 0.9656522274017334, | |
| "learning_rate": 7.961673684210527e-05, | |
| "loss": 20.718, | |
| "step": 49 | |
| }, | |
| { | |
| "epoch": 0.10416666666666667, | |
| "grad_norm": 0.8807477951049805, | |
| "learning_rate": 7.908947368421054e-05, | |
| "loss": 20.6957, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.10416666666666667, | |
| "eval_loss": 10.334941864013672, | |
| "eval_runtime": 0.6042, | |
| "eval_samples_per_second": 335.955, | |
| "eval_steps_per_second": 84.403, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.10625, | |
| "grad_norm": 0.6490017771720886, | |
| "learning_rate": 7.856221052631579e-05, | |
| "loss": 20.6673, | |
| "step": 51 | |
| }, | |
| { | |
| "epoch": 0.10833333333333334, | |
| "grad_norm": 0.630286693572998, | |
| "learning_rate": 7.803494736842106e-05, | |
| "loss": 20.6647, | |
| "step": 52 | |
| }, | |
| { | |
| "epoch": 0.11041666666666666, | |
| "grad_norm": 0.6416987180709839, | |
| "learning_rate": 7.750768421052632e-05, | |
| "loss": 20.6656, | |
| "step": 53 | |
| }, | |
| { | |
| "epoch": 0.1125, | |
| "grad_norm": 0.6955457329750061, | |
| "learning_rate": 7.698042105263157e-05, | |
| "loss": 20.6674, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 0.11458333333333333, | |
| "grad_norm": 0.5747247338294983, | |
| "learning_rate": 7.645315789473686e-05, | |
| "loss": 20.6645, | |
| "step": 55 | |
| }, | |
| { | |
| "epoch": 0.11666666666666667, | |
| "grad_norm": 0.49230244755744934, | |
| "learning_rate": 7.592589473684211e-05, | |
| "loss": 20.6796, | |
| "step": 56 | |
| }, | |
| { | |
| "epoch": 0.11875, | |
| "grad_norm": 0.533535361289978, | |
| "learning_rate": 7.539863157894737e-05, | |
| "loss": 20.6683, | |
| "step": 57 | |
| }, | |
| { | |
| "epoch": 0.12083333333333333, | |
| "grad_norm": 0.4789166748523712, | |
| "learning_rate": 7.487136842105264e-05, | |
| "loss": 20.6364, | |
| "step": 58 | |
| }, | |
| { | |
| "epoch": 0.12291666666666666, | |
| "grad_norm": 0.6608495712280273, | |
| "learning_rate": 7.43441052631579e-05, | |
| "loss": 20.6344, | |
| "step": 59 | |
| }, | |
| { | |
| "epoch": 0.125, | |
| "grad_norm": 0.4521493911743164, | |
| "learning_rate": 7.381684210526315e-05, | |
| "loss": 20.6454, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 0.12708333333333333, | |
| "grad_norm": 0.7000594139099121, | |
| "learning_rate": 7.328957894736844e-05, | |
| "loss": 20.6656, | |
| "step": 61 | |
| }, | |
| { | |
| "epoch": 0.12916666666666668, | |
| "grad_norm": 0.5299615859985352, | |
| "learning_rate": 7.276231578947369e-05, | |
| "loss": 20.6475, | |
| "step": 62 | |
| }, | |
| { | |
| "epoch": 0.13125, | |
| "grad_norm": 0.6820955872535706, | |
| "learning_rate": 7.223505263157895e-05, | |
| "loss": 20.6736, | |
| "step": 63 | |
| }, | |
| { | |
| "epoch": 0.13333333333333333, | |
| "grad_norm": 0.6451751589775085, | |
| "learning_rate": 7.170778947368422e-05, | |
| "loss": 20.6764, | |
| "step": 64 | |
| }, | |
| { | |
| "epoch": 0.13541666666666666, | |
| "grad_norm": 0.5937023758888245, | |
| "learning_rate": 7.118052631578947e-05, | |
| "loss": 20.6626, | |
| "step": 65 | |
| }, | |
| { | |
| "epoch": 0.1375, | |
| "grad_norm": 0.546812891960144, | |
| "learning_rate": 7.065326315789474e-05, | |
| "loss": 20.634, | |
| "step": 66 | |
| }, | |
| { | |
| "epoch": 0.13958333333333334, | |
| "grad_norm": 0.5355703830718994, | |
| "learning_rate": 7.0126e-05, | |
| "loss": 20.6018, | |
| "step": 67 | |
| }, | |
| { | |
| "epoch": 0.14166666666666666, | |
| "grad_norm": 0.6867150664329529, | |
| "learning_rate": 6.959873684210527e-05, | |
| "loss": 20.6088, | |
| "step": 68 | |
| }, | |
| { | |
| "epoch": 0.14375, | |
| "grad_norm": 0.7034195065498352, | |
| "learning_rate": 6.907147368421054e-05, | |
| "loss": 20.6284, | |
| "step": 69 | |
| }, | |
| { | |
| "epoch": 0.14583333333333334, | |
| "grad_norm": 0.6769217252731323, | |
| "learning_rate": 6.85442105263158e-05, | |
| "loss": 20.6629, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 0.14791666666666667, | |
| "grad_norm": 0.5449651479721069, | |
| "learning_rate": 6.801694736842105e-05, | |
| "loss": 20.6418, | |
| "step": 71 | |
| }, | |
| { | |
| "epoch": 0.15, | |
| "grad_norm": 0.5450152158737183, | |
| "learning_rate": 6.748968421052632e-05, | |
| "loss": 20.6659, | |
| "step": 72 | |
| }, | |
| { | |
| "epoch": 0.15208333333333332, | |
| "grad_norm": 0.3956001400947571, | |
| "learning_rate": 6.696242105263158e-05, | |
| "loss": 20.6734, | |
| "step": 73 | |
| }, | |
| { | |
| "epoch": 0.15416666666666667, | |
| "grad_norm": 0.4960653483867645, | |
| "learning_rate": 6.643515789473685e-05, | |
| "loss": 20.6529, | |
| "step": 74 | |
| }, | |
| { | |
| "epoch": 0.15625, | |
| "grad_norm": 0.40670597553253174, | |
| "learning_rate": 6.590789473684212e-05, | |
| "loss": 20.6723, | |
| "step": 75 | |
| }, | |
| { | |
| "epoch": 0.15833333333333333, | |
| "grad_norm": 0.40662482380867004, | |
| "learning_rate": 6.538063157894737e-05, | |
| "loss": 20.659, | |
| "step": 76 | |
| }, | |
| { | |
| "epoch": 0.16041666666666668, | |
| "grad_norm": 0.4496363699436188, | |
| "learning_rate": 6.485336842105264e-05, | |
| "loss": 20.6409, | |
| "step": 77 | |
| }, | |
| { | |
| "epoch": 0.1625, | |
| "grad_norm": 0.5069528222084045, | |
| "learning_rate": 6.43261052631579e-05, | |
| "loss": 20.6488, | |
| "step": 78 | |
| }, | |
| { | |
| "epoch": 0.16458333333333333, | |
| "grad_norm": 0.6517645716667175, | |
| "learning_rate": 6.379884210526315e-05, | |
| "loss": 20.6339, | |
| "step": 79 | |
| }, | |
| { | |
| "epoch": 0.16666666666666666, | |
| "grad_norm": 0.5706809163093567, | |
| "learning_rate": 6.327157894736842e-05, | |
| "loss": 20.645, | |
| "step": 80 | |
| }, | |
| { | |
| "epoch": 0.16875, | |
| "grad_norm": 0.3819289207458496, | |
| "learning_rate": 6.274431578947368e-05, | |
| "loss": 20.638, | |
| "step": 81 | |
| }, | |
| { | |
| "epoch": 0.17083333333333334, | |
| "grad_norm": 0.6231030821800232, | |
| "learning_rate": 6.221705263157895e-05, | |
| "loss": 20.6617, | |
| "step": 82 | |
| }, | |
| { | |
| "epoch": 0.17291666666666666, | |
| "grad_norm": 0.6574021577835083, | |
| "learning_rate": 6.168978947368422e-05, | |
| "loss": 20.6723, | |
| "step": 83 | |
| }, | |
| { | |
| "epoch": 0.175, | |
| "grad_norm": 0.5121121406555176, | |
| "learning_rate": 6.116252631578948e-05, | |
| "loss": 20.6442, | |
| "step": 84 | |
| }, | |
| { | |
| "epoch": 0.17708333333333334, | |
| "grad_norm": 0.5453215837478638, | |
| "learning_rate": 6.063526315789474e-05, | |
| "loss": 20.6276, | |
| "step": 85 | |
| }, | |
| { | |
| "epoch": 0.17916666666666667, | |
| "grad_norm": 0.5595671534538269, | |
| "learning_rate": 6.0108e-05, | |
| "loss": 20.6373, | |
| "step": 86 | |
| }, | |
| { | |
| "epoch": 0.18125, | |
| "grad_norm": 0.4219697117805481, | |
| "learning_rate": 5.9580736842105264e-05, | |
| "loss": 20.6531, | |
| "step": 87 | |
| }, | |
| { | |
| "epoch": 0.18333333333333332, | |
| "grad_norm": 0.4789664149284363, | |
| "learning_rate": 5.905347368421053e-05, | |
| "loss": 20.6505, | |
| "step": 88 | |
| }, | |
| { | |
| "epoch": 0.18541666666666667, | |
| "grad_norm": 0.5621258616447449, | |
| "learning_rate": 5.85262105263158e-05, | |
| "loss": 20.6274, | |
| "step": 89 | |
| }, | |
| { | |
| "epoch": 0.1875, | |
| "grad_norm": 1.0729533433914185, | |
| "learning_rate": 5.799894736842106e-05, | |
| "loss": 20.6596, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 0.18958333333333333, | |
| "grad_norm": 0.4790107309818268, | |
| "learning_rate": 5.747168421052632e-05, | |
| "loss": 20.665, | |
| "step": 91 | |
| }, | |
| { | |
| "epoch": 0.19166666666666668, | |
| "grad_norm": 0.5467313528060913, | |
| "learning_rate": 5.694442105263158e-05, | |
| "loss": 20.6566, | |
| "step": 92 | |
| }, | |
| { | |
| "epoch": 0.19375, | |
| "grad_norm": 0.44753512740135193, | |
| "learning_rate": 5.641715789473684e-05, | |
| "loss": 20.6383, | |
| "step": 93 | |
| }, | |
| { | |
| "epoch": 0.19583333333333333, | |
| "grad_norm": 0.5728275775909424, | |
| "learning_rate": 5.5889894736842104e-05, | |
| "loss": 20.6573, | |
| "step": 94 | |
| }, | |
| { | |
| "epoch": 0.19791666666666666, | |
| "grad_norm": 0.42919114232063293, | |
| "learning_rate": 5.5362631578947374e-05, | |
| "loss": 20.6165, | |
| "step": 95 | |
| }, | |
| { | |
| "epoch": 0.2, | |
| "grad_norm": 0.5049256086349487, | |
| "learning_rate": 5.483536842105264e-05, | |
| "loss": 20.637, | |
| "step": 96 | |
| }, | |
| { | |
| "epoch": 0.20208333333333334, | |
| "grad_norm": 0.5718994140625, | |
| "learning_rate": 5.43081052631579e-05, | |
| "loss": 20.6372, | |
| "step": 97 | |
| }, | |
| { | |
| "epoch": 0.20416666666666666, | |
| "grad_norm": 0.7180155515670776, | |
| "learning_rate": 5.378084210526316e-05, | |
| "loss": 20.6303, | |
| "step": 98 | |
| }, | |
| { | |
| "epoch": 0.20625, | |
| "grad_norm": 0.7693624496459961, | |
| "learning_rate": 5.3253578947368426e-05, | |
| "loss": 20.6645, | |
| "step": 99 | |
| }, | |
| { | |
| "epoch": 0.20833333333333334, | |
| "grad_norm": 0.6251090168952942, | |
| "learning_rate": 5.272631578947368e-05, | |
| "loss": 20.6677, | |
| "step": 100 | |
| }, | |
| { | |
| "epoch": 0.20833333333333334, | |
| "eval_loss": 10.322431564331055, | |
| "eval_runtime": 0.62, | |
| "eval_samples_per_second": 327.428, | |
| "eval_steps_per_second": 82.26, | |
| "step": 100 | |
| }, | |
| { | |
| "epoch": 0.21041666666666667, | |
| "grad_norm": 0.41412174701690674, | |
| "learning_rate": 5.2199052631578945e-05, | |
| "loss": 20.6484, | |
| "step": 101 | |
| }, | |
| { | |
| "epoch": 0.2125, | |
| "grad_norm": 0.3862389326095581, | |
| "learning_rate": 5.167178947368422e-05, | |
| "loss": 20.6609, | |
| "step": 102 | |
| }, | |
| { | |
| "epoch": 0.21458333333333332, | |
| "grad_norm": 0.46969911456108093, | |
| "learning_rate": 5.114452631578948e-05, | |
| "loss": 20.6252, | |
| "step": 103 | |
| }, | |
| { | |
| "epoch": 0.21666666666666667, | |
| "grad_norm": 0.35917848348617554, | |
| "learning_rate": 5.061726315789474e-05, | |
| "loss": 20.6513, | |
| "step": 104 | |
| }, | |
| { | |
| "epoch": 0.21875, | |
| "grad_norm": 0.37505069375038147, | |
| "learning_rate": 5.009e-05, | |
| "loss": 20.6402, | |
| "step": 105 | |
| }, | |
| { | |
| "epoch": 0.22083333333333333, | |
| "grad_norm": 0.3769151270389557, | |
| "learning_rate": 4.9562736842105266e-05, | |
| "loss": 20.6339, | |
| "step": 106 | |
| }, | |
| { | |
| "epoch": 0.22291666666666668, | |
| "grad_norm": 0.29799339175224304, | |
| "learning_rate": 4.903547368421053e-05, | |
| "loss": 20.6358, | |
| "step": 107 | |
| }, | |
| { | |
| "epoch": 0.225, | |
| "grad_norm": 0.3330136239528656, | |
| "learning_rate": 4.850821052631579e-05, | |
| "loss": 20.6227, | |
| "step": 108 | |
| }, | |
| { | |
| "epoch": 0.22708333333333333, | |
| "grad_norm": 0.3470037579536438, | |
| "learning_rate": 4.7980947368421055e-05, | |
| "loss": 20.6434, | |
| "step": 109 | |
| }, | |
| { | |
| "epoch": 0.22916666666666666, | |
| "grad_norm": 0.4420476257801056, | |
| "learning_rate": 4.745368421052632e-05, | |
| "loss": 20.6355, | |
| "step": 110 | |
| }, | |
| { | |
| "epoch": 0.23125, | |
| "grad_norm": 0.40836626291275024, | |
| "learning_rate": 4.692642105263158e-05, | |
| "loss": 20.6292, | |
| "step": 111 | |
| }, | |
| { | |
| "epoch": 0.23333333333333334, | |
| "grad_norm": 0.47735828161239624, | |
| "learning_rate": 4.6399157894736844e-05, | |
| "loss": 20.6173, | |
| "step": 112 | |
| }, | |
| { | |
| "epoch": 0.23541666666666666, | |
| "grad_norm": 0.4261724054813385, | |
| "learning_rate": 4.5871894736842107e-05, | |
| "loss": 20.64, | |
| "step": 113 | |
| }, | |
| { | |
| "epoch": 0.2375, | |
| "grad_norm": 0.543081521987915, | |
| "learning_rate": 4.5344631578947376e-05, | |
| "loss": 20.6489, | |
| "step": 114 | |
| }, | |
| { | |
| "epoch": 0.23958333333333334, | |
| "grad_norm": 0.4491605758666992, | |
| "learning_rate": 4.481736842105263e-05, | |
| "loss": 20.6622, | |
| "step": 115 | |
| }, | |
| { | |
| "epoch": 0.24166666666666667, | |
| "grad_norm": 0.5000092387199402, | |
| "learning_rate": 4.4290105263157895e-05, | |
| "loss": 20.6254, | |
| "step": 116 | |
| }, | |
| { | |
| "epoch": 0.24375, | |
| "grad_norm": 0.590541422367096, | |
| "learning_rate": 4.3762842105263165e-05, | |
| "loss": 20.6337, | |
| "step": 117 | |
| }, | |
| { | |
| "epoch": 0.24583333333333332, | |
| "grad_norm": 0.5222097039222717, | |
| "learning_rate": 4.323557894736843e-05, | |
| "loss": 20.5998, | |
| "step": 118 | |
| }, | |
| { | |
| "epoch": 0.24791666666666667, | |
| "grad_norm": 0.48261940479278564, | |
| "learning_rate": 4.2708315789473684e-05, | |
| "loss": 20.6307, | |
| "step": 119 | |
| }, | |
| { | |
| "epoch": 0.25, | |
| "grad_norm": 0.5766420960426331, | |
| "learning_rate": 4.218105263157895e-05, | |
| "loss": 20.6471, | |
| "step": 120 | |
| }, | |
| { | |
| "epoch": 0.2520833333333333, | |
| "grad_norm": 0.6727250218391418, | |
| "learning_rate": 4.1653789473684217e-05, | |
| "loss": 20.6957, | |
| "step": 121 | |
| }, | |
| { | |
| "epoch": 0.25416666666666665, | |
| "grad_norm": 0.47250896692276, | |
| "learning_rate": 4.112652631578948e-05, | |
| "loss": 20.6686, | |
| "step": 122 | |
| }, | |
| { | |
| "epoch": 0.25625, | |
| "grad_norm": 0.4538274109363556, | |
| "learning_rate": 4.0599263157894736e-05, | |
| "loss": 20.642, | |
| "step": 123 | |
| }, | |
| { | |
| "epoch": 0.25833333333333336, | |
| "grad_norm": 0.4601709842681885, | |
| "learning_rate": 4.0072000000000005e-05, | |
| "loss": 20.6345, | |
| "step": 124 | |
| }, | |
| { | |
| "epoch": 0.2604166666666667, | |
| "grad_norm": 0.4610661566257477, | |
| "learning_rate": 3.954473684210527e-05, | |
| "loss": 20.6621, | |
| "step": 125 | |
| }, | |
| { | |
| "epoch": 0.2625, | |
| "grad_norm": 0.48208266496658325, | |
| "learning_rate": 3.901747368421053e-05, | |
| "loss": 20.6365, | |
| "step": 126 | |
| }, | |
| { | |
| "epoch": 0.26458333333333334, | |
| "grad_norm": 0.46704065799713135, | |
| "learning_rate": 3.849021052631579e-05, | |
| "loss": 20.6328, | |
| "step": 127 | |
| }, | |
| { | |
| "epoch": 0.26666666666666666, | |
| "grad_norm": 0.46572041511535645, | |
| "learning_rate": 3.796294736842106e-05, | |
| "loss": 20.636, | |
| "step": 128 | |
| }, | |
| { | |
| "epoch": 0.26875, | |
| "grad_norm": 0.48403823375701904, | |
| "learning_rate": 3.743568421052632e-05, | |
| "loss": 20.6381, | |
| "step": 129 | |
| }, | |
| { | |
| "epoch": 0.2708333333333333, | |
| "grad_norm": 0.3730640411376953, | |
| "learning_rate": 3.6908421052631576e-05, | |
| "loss": 20.6431, | |
| "step": 130 | |
| }, | |
| { | |
| "epoch": 0.27291666666666664, | |
| "grad_norm": 0.46503594517707825, | |
| "learning_rate": 3.6381157894736846e-05, | |
| "loss": 20.6645, | |
| "step": 131 | |
| }, | |
| { | |
| "epoch": 0.275, | |
| "grad_norm": 0.73885577917099, | |
| "learning_rate": 3.585389473684211e-05, | |
| "loss": 20.6266, | |
| "step": 132 | |
| }, | |
| { | |
| "epoch": 0.27708333333333335, | |
| "grad_norm": 0.5339804887771606, | |
| "learning_rate": 3.532663157894737e-05, | |
| "loss": 20.6432, | |
| "step": 133 | |
| }, | |
| { | |
| "epoch": 0.2791666666666667, | |
| "grad_norm": 0.6266263127326965, | |
| "learning_rate": 3.4799368421052634e-05, | |
| "loss": 20.6218, | |
| "step": 134 | |
| }, | |
| { | |
| "epoch": 0.28125, | |
| "grad_norm": 0.4900444447994232, | |
| "learning_rate": 3.42721052631579e-05, | |
| "loss": 20.6454, | |
| "step": 135 | |
| }, | |
| { | |
| "epoch": 0.2833333333333333, | |
| "grad_norm": 0.46520623564720154, | |
| "learning_rate": 3.374484210526316e-05, | |
| "loss": 20.669, | |
| "step": 136 | |
| }, | |
| { | |
| "epoch": 0.28541666666666665, | |
| "grad_norm": 0.642386794090271, | |
| "learning_rate": 3.321757894736842e-05, | |
| "loss": 20.638, | |
| "step": 137 | |
| }, | |
| { | |
| "epoch": 0.2875, | |
| "grad_norm": 0.760684072971344, | |
| "learning_rate": 3.2690315789473686e-05, | |
| "loss": 20.6565, | |
| "step": 138 | |
| }, | |
| { | |
| "epoch": 0.28958333333333336, | |
| "grad_norm": 0.526068389415741, | |
| "learning_rate": 3.216305263157895e-05, | |
| "loss": 20.6865, | |
| "step": 139 | |
| }, | |
| { | |
| "epoch": 0.2916666666666667, | |
| "grad_norm": 0.6930481791496277, | |
| "learning_rate": 3.163578947368421e-05, | |
| "loss": 20.6348, | |
| "step": 140 | |
| }, | |
| { | |
| "epoch": 0.29375, | |
| "grad_norm": 0.5339356660842896, | |
| "learning_rate": 3.1108526315789475e-05, | |
| "loss": 20.6561, | |
| "step": 141 | |
| }, | |
| { | |
| "epoch": 0.29583333333333334, | |
| "grad_norm": 0.424015611410141, | |
| "learning_rate": 3.058126315789474e-05, | |
| "loss": 20.6676, | |
| "step": 142 | |
| }, | |
| { | |
| "epoch": 0.29791666666666666, | |
| "grad_norm": 0.4242256283760071, | |
| "learning_rate": 3.0054e-05, | |
| "loss": 20.6337, | |
| "step": 143 | |
| }, | |
| { | |
| "epoch": 0.3, | |
| "grad_norm": 0.4056195318698883, | |
| "learning_rate": 2.9526736842105263e-05, | |
| "loss": 20.6621, | |
| "step": 144 | |
| }, | |
| { | |
| "epoch": 0.3020833333333333, | |
| "grad_norm": 0.6854588985443115, | |
| "learning_rate": 2.899947368421053e-05, | |
| "loss": 20.606, | |
| "step": 145 | |
| }, | |
| { | |
| "epoch": 0.30416666666666664, | |
| "grad_norm": 0.5682480931282043, | |
| "learning_rate": 2.847221052631579e-05, | |
| "loss": 20.6446, | |
| "step": 146 | |
| }, | |
| { | |
| "epoch": 0.30625, | |
| "grad_norm": 0.4918515682220459, | |
| "learning_rate": 2.7944947368421052e-05, | |
| "loss": 20.6395, | |
| "step": 147 | |
| }, | |
| { | |
| "epoch": 0.30833333333333335, | |
| "grad_norm": 0.5506953001022339, | |
| "learning_rate": 2.741768421052632e-05, | |
| "loss": 20.6451, | |
| "step": 148 | |
| }, | |
| { | |
| "epoch": 0.3104166666666667, | |
| "grad_norm": 0.8347042202949524, | |
| "learning_rate": 2.689042105263158e-05, | |
| "loss": 20.6535, | |
| "step": 149 | |
| }, | |
| { | |
| "epoch": 0.3125, | |
| "grad_norm": 0.597395658493042, | |
| "learning_rate": 2.636315789473684e-05, | |
| "loss": 20.6558, | |
| "step": 150 | |
| }, | |
| { | |
| "epoch": 0.3125, | |
| "eval_loss": 10.320969581604004, | |
| "eval_runtime": 0.6166, | |
| "eval_samples_per_second": 329.202, | |
| "eval_steps_per_second": 82.706, | |
| "step": 150 | |
| }, | |
| { | |
| "epoch": 0.3145833333333333, | |
| "grad_norm": 0.37281185388565063, | |
| "learning_rate": 2.583589473684211e-05, | |
| "loss": 20.6498, | |
| "step": 151 | |
| }, | |
| { | |
| "epoch": 0.31666666666666665, | |
| "grad_norm": 0.48406609892845154, | |
| "learning_rate": 2.530863157894737e-05, | |
| "loss": 20.6228, | |
| "step": 152 | |
| }, | |
| { | |
| "epoch": 0.31875, | |
| "grad_norm": 0.39599233865737915, | |
| "learning_rate": 2.4781368421052633e-05, | |
| "loss": 20.638, | |
| "step": 153 | |
| }, | |
| { | |
| "epoch": 0.32083333333333336, | |
| "grad_norm": 0.3863723874092102, | |
| "learning_rate": 2.4254105263157896e-05, | |
| "loss": 20.6314, | |
| "step": 154 | |
| }, | |
| { | |
| "epoch": 0.3229166666666667, | |
| "grad_norm": 0.45764878392219543, | |
| "learning_rate": 2.372684210526316e-05, | |
| "loss": 20.6385, | |
| "step": 155 | |
| }, | |
| { | |
| "epoch": 0.325, | |
| "grad_norm": 0.2955838441848755, | |
| "learning_rate": 2.3199578947368422e-05, | |
| "loss": 20.6307, | |
| "step": 156 | |
| }, | |
| { | |
| "epoch": 0.32708333333333334, | |
| "grad_norm": 0.29116860032081604, | |
| "learning_rate": 2.2672315789473688e-05, | |
| "loss": 20.6354, | |
| "step": 157 | |
| }, | |
| { | |
| "epoch": 0.32916666666666666, | |
| "grad_norm": 0.5557569861412048, | |
| "learning_rate": 2.2145052631578948e-05, | |
| "loss": 20.6324, | |
| "step": 158 | |
| }, | |
| { | |
| "epoch": 0.33125, | |
| "grad_norm": 0.4483456313610077, | |
| "learning_rate": 2.1617789473684214e-05, | |
| "loss": 20.6235, | |
| "step": 159 | |
| }, | |
| { | |
| "epoch": 0.3333333333333333, | |
| "grad_norm": 0.36201009154319763, | |
| "learning_rate": 2.1090526315789473e-05, | |
| "loss": 20.6236, | |
| "step": 160 | |
| }, | |
| { | |
| "epoch": 0.33541666666666664, | |
| "grad_norm": 0.5224501490592957, | |
| "learning_rate": 2.056326315789474e-05, | |
| "loss": 20.6368, | |
| "step": 161 | |
| }, | |
| { | |
| "epoch": 0.3375, | |
| "grad_norm": 0.4168667495250702, | |
| "learning_rate": 2.0036000000000003e-05, | |
| "loss": 20.6212, | |
| "step": 162 | |
| }, | |
| { | |
| "epoch": 0.33958333333333335, | |
| "grad_norm": 0.422823041677475, | |
| "learning_rate": 1.9508736842105266e-05, | |
| "loss": 20.6554, | |
| "step": 163 | |
| }, | |
| { | |
| "epoch": 0.3416666666666667, | |
| "grad_norm": 0.4180959165096283, | |
| "learning_rate": 1.898147368421053e-05, | |
| "loss": 20.632, | |
| "step": 164 | |
| }, | |
| { | |
| "epoch": 0.34375, | |
| "grad_norm": 0.527528703212738, | |
| "learning_rate": 1.8454210526315788e-05, | |
| "loss": 20.6571, | |
| "step": 165 | |
| }, | |
| { | |
| "epoch": 0.3458333333333333, | |
| "grad_norm": 0.6775944828987122, | |
| "learning_rate": 1.7926947368421054e-05, | |
| "loss": 20.6503, | |
| "step": 166 | |
| }, | |
| { | |
| "epoch": 0.34791666666666665, | |
| "grad_norm": 0.45938971638679504, | |
| "learning_rate": 1.7399684210526317e-05, | |
| "loss": 20.6307, | |
| "step": 167 | |
| }, | |
| { | |
| "epoch": 0.35, | |
| "grad_norm": 0.581780731678009, | |
| "learning_rate": 1.687242105263158e-05, | |
| "loss": 20.5861, | |
| "step": 168 | |
| }, | |
| { | |
| "epoch": 0.35208333333333336, | |
| "grad_norm": 0.46029457449913025, | |
| "learning_rate": 1.6345157894736843e-05, | |
| "loss": 20.6182, | |
| "step": 169 | |
| }, | |
| { | |
| "epoch": 0.3541666666666667, | |
| "grad_norm": 0.4315298795700073, | |
| "learning_rate": 1.5817894736842106e-05, | |
| "loss": 20.617, | |
| "step": 170 | |
| }, | |
| { | |
| "epoch": 0.35625, | |
| "grad_norm": 0.5391767621040344, | |
| "learning_rate": 1.529063157894737e-05, | |
| "loss": 20.6657, | |
| "step": 171 | |
| }, | |
| { | |
| "epoch": 0.35833333333333334, | |
| "grad_norm": 0.7053831815719604, | |
| "learning_rate": 1.4763368421052632e-05, | |
| "loss": 20.6452, | |
| "step": 172 | |
| }, | |
| { | |
| "epoch": 0.36041666666666666, | |
| "grad_norm": 0.3821829557418823, | |
| "learning_rate": 1.4236105263157895e-05, | |
| "loss": 20.6239, | |
| "step": 173 | |
| }, | |
| { | |
| "epoch": 0.3625, | |
| "grad_norm": 0.41374513506889343, | |
| "learning_rate": 1.370884210526316e-05, | |
| "loss": 20.6571, | |
| "step": 174 | |
| }, | |
| { | |
| "epoch": 0.3645833333333333, | |
| "grad_norm": 0.4170868694782257, | |
| "learning_rate": 1.318157894736842e-05, | |
| "loss": 20.6462, | |
| "step": 175 | |
| }, | |
| { | |
| "epoch": 0.36666666666666664, | |
| "grad_norm": 0.338599294424057, | |
| "learning_rate": 1.2654315789473685e-05, | |
| "loss": 20.6363, | |
| "step": 176 | |
| }, | |
| { | |
| "epoch": 0.36875, | |
| "grad_norm": 0.5105868577957153, | |
| "learning_rate": 1.2127052631578948e-05, | |
| "loss": 20.6538, | |
| "step": 177 | |
| }, | |
| { | |
| "epoch": 0.37083333333333335, | |
| "grad_norm": 0.4912939965724945, | |
| "learning_rate": 1.1599789473684211e-05, | |
| "loss": 20.6367, | |
| "step": 178 | |
| }, | |
| { | |
| "epoch": 0.3729166666666667, | |
| "grad_norm": 0.4326838552951813, | |
| "learning_rate": 1.1072526315789474e-05, | |
| "loss": 20.6502, | |
| "step": 179 | |
| }, | |
| { | |
| "epoch": 0.375, | |
| "grad_norm": 0.4481593668460846, | |
| "learning_rate": 1.0545263157894737e-05, | |
| "loss": 20.6533, | |
| "step": 180 | |
| }, | |
| { | |
| "epoch": 0.3770833333333333, | |
| "grad_norm": 0.5464130640029907, | |
| "learning_rate": 1.0018000000000001e-05, | |
| "loss": 20.6477, | |
| "step": 181 | |
| }, | |
| { | |
| "epoch": 0.37916666666666665, | |
| "grad_norm": 0.42457976937294006, | |
| "learning_rate": 9.490736842105264e-06, | |
| "loss": 20.6598, | |
| "step": 182 | |
| }, | |
| { | |
| "epoch": 0.38125, | |
| "grad_norm": 0.4240236282348633, | |
| "learning_rate": 8.963473684210527e-06, | |
| "loss": 20.6248, | |
| "step": 183 | |
| }, | |
| { | |
| "epoch": 0.38333333333333336, | |
| "grad_norm": 0.5708866715431213, | |
| "learning_rate": 8.43621052631579e-06, | |
| "loss": 20.6368, | |
| "step": 184 | |
| }, | |
| { | |
| "epoch": 0.3854166666666667, | |
| "grad_norm": 0.5419739484786987, | |
| "learning_rate": 7.908947368421053e-06, | |
| "loss": 20.6538, | |
| "step": 185 | |
| }, | |
| { | |
| "epoch": 0.3875, | |
| "grad_norm": 0.5176281332969666, | |
| "learning_rate": 7.381684210526316e-06, | |
| "loss": 20.6526, | |
| "step": 186 | |
| }, | |
| { | |
| "epoch": 0.38958333333333334, | |
| "grad_norm": 0.5326713919639587, | |
| "learning_rate": 6.85442105263158e-06, | |
| "loss": 20.6238, | |
| "step": 187 | |
| }, | |
| { | |
| "epoch": 0.39166666666666666, | |
| "grad_norm": 0.7119190096855164, | |
| "learning_rate": 6.3271578947368425e-06, | |
| "loss": 20.6531, | |
| "step": 188 | |
| }, | |
| { | |
| "epoch": 0.39375, | |
| "grad_norm": 0.5899550318717957, | |
| "learning_rate": 5.7998947368421054e-06, | |
| "loss": 20.6368, | |
| "step": 189 | |
| }, | |
| { | |
| "epoch": 0.3958333333333333, | |
| "grad_norm": 0.5252934694290161, | |
| "learning_rate": 5.272631578947368e-06, | |
| "loss": 20.6664, | |
| "step": 190 | |
| }, | |
| { | |
| "epoch": 0.39791666666666664, | |
| "grad_norm": 0.358653724193573, | |
| "learning_rate": 4.745368421052632e-06, | |
| "loss": 20.6579, | |
| "step": 191 | |
| }, | |
| { | |
| "epoch": 0.4, | |
| "grad_norm": 0.43110373616218567, | |
| "learning_rate": 4.218105263157895e-06, | |
| "loss": 20.6374, | |
| "step": 192 | |
| }, | |
| { | |
| "epoch": 0.40208333333333335, | |
| "grad_norm": 0.45655491948127747, | |
| "learning_rate": 3.690842105263158e-06, | |
| "loss": 20.6361, | |
| "step": 193 | |
| }, | |
| { | |
| "epoch": 0.4041666666666667, | |
| "grad_norm": 0.30297571420669556, | |
| "learning_rate": 3.1635789473684213e-06, | |
| "loss": 20.6386, | |
| "step": 194 | |
| }, | |
| { | |
| "epoch": 0.40625, | |
| "grad_norm": 0.3377545177936554, | |
| "learning_rate": 2.636315789473684e-06, | |
| "loss": 20.6289, | |
| "step": 195 | |
| }, | |
| { | |
| "epoch": 0.4083333333333333, | |
| "grad_norm": 0.5056354999542236, | |
| "learning_rate": 2.1090526315789475e-06, | |
| "loss": 20.6388, | |
| "step": 196 | |
| }, | |
| { | |
| "epoch": 0.41041666666666665, | |
| "grad_norm": 0.6402460932731628, | |
| "learning_rate": 1.5817894736842106e-06, | |
| "loss": 20.6102, | |
| "step": 197 | |
| }, | |
| { | |
| "epoch": 0.4125, | |
| "grad_norm": 0.6596386432647705, | |
| "learning_rate": 1.0545263157894738e-06, | |
| "loss": 20.6331, | |
| "step": 198 | |
| }, | |
| { | |
| "epoch": 0.41458333333333336, | |
| "grad_norm": 0.6789427399635315, | |
| "learning_rate": 5.272631578947369e-07, | |
| "loss": 20.6559, | |
| "step": 199 | |
| }, | |
| { | |
| "epoch": 0.4166666666666667, | |
| "grad_norm": 0.6088905334472656, | |
| "learning_rate": 0.0, | |
| "loss": 20.6439, | |
| "step": 200 | |
| }, | |
| { | |
| "epoch": 0.4166666666666667, | |
| "eval_loss": 10.320320129394531, | |
| "eval_runtime": 0.6112, | |
| "eval_samples_per_second": 332.15, | |
| "eval_steps_per_second": 83.447, | |
| "step": 200 | |
| } | |
| ], | |
| "logging_steps": 1, | |
| "max_steps": 200, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 1, | |
| "save_steps": 50, | |
| "stateful_callbacks": { | |
| "EarlyStoppingCallback": { | |
| "args": { | |
| "early_stopping_patience": 5, | |
| "early_stopping_threshold": 0.0 | |
| }, | |
| "attributes": { | |
| "early_stopping_patience_counter": 0 | |
| } | |
| }, | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": true | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 14821833572352.0, | |
| "train_batch_size": 4, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |