| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 13.083333333333334, | |
| "eval_steps": 500, | |
| "global_step": 78, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.16666666666666666, | |
| "grad_norm": 5.4836907386779785, | |
| "learning_rate": 2e-05, | |
| "loss": 3.0942, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.3333333333333333, | |
| "grad_norm": 5.522416114807129, | |
| "learning_rate": 4e-05, | |
| "loss": 3.3755, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.5, | |
| "grad_norm": 5.055008411407471, | |
| "learning_rate": 6e-05, | |
| "loss": 2.6756, | |
| "step": 3 | |
| }, | |
| { | |
| "epoch": 0.6666666666666666, | |
| "grad_norm": 5.317052364349365, | |
| "learning_rate": 8e-05, | |
| "loss": 3.4146, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.8333333333333334, | |
| "grad_norm": 7.486364841461182, | |
| "learning_rate": 0.0001, | |
| "loss": 3.1919, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 1.0, | |
| "grad_norm": 10.191019058227539, | |
| "learning_rate": 0.00012, | |
| "loss": 2.98, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 1.1666666666666667, | |
| "grad_norm": 4.881992816925049, | |
| "learning_rate": 0.00014, | |
| "loss": 2.5348, | |
| "step": 7 | |
| }, | |
| { | |
| "epoch": 1.3333333333333333, | |
| "grad_norm": 4.569235324859619, | |
| "learning_rate": 0.00016, | |
| "loss": 2.4673, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 1.5, | |
| "grad_norm": 1.1086317300796509, | |
| "learning_rate": 0.00018, | |
| "loss": 2.3632, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 1.6666666666666665, | |
| "grad_norm": 3.366159677505493, | |
| "learning_rate": 0.0002, | |
| "loss": 2.0835, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 1.8333333333333335, | |
| "grad_norm": 5.062276363372803, | |
| "learning_rate": 0.00019990989662046818, | |
| "loss": 2.0823, | |
| "step": 11 | |
| }, | |
| { | |
| "epoch": 2.0, | |
| "grad_norm": 2.706953763961792, | |
| "learning_rate": 0.00019963974885425266, | |
| "loss": 1.8872, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 2.1666666666666665, | |
| "grad_norm": 3.3672051429748535, | |
| "learning_rate": 0.00019919004352588767, | |
| "loss": 1.6459, | |
| "step": 13 | |
| }, | |
| { | |
| "epoch": 2.3333333333333335, | |
| "grad_norm": 2.7808966636657715, | |
| "learning_rate": 0.00019856159103477086, | |
| "loss": 1.6596, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 2.5, | |
| "grad_norm": 1.185718059539795, | |
| "learning_rate": 0.00019775552389476864, | |
| "loss": 1.3797, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 2.6666666666666665, | |
| "grad_norm": 3.4101736545562744, | |
| "learning_rate": 0.0001967732946933499, | |
| "loss": 1.3561, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 2.8333333333333335, | |
| "grad_norm": 2.1325340270996094, | |
| "learning_rate": 0.00019561667347392508, | |
| "loss": 1.2729, | |
| "step": 17 | |
| }, | |
| { | |
| "epoch": 3.0, | |
| "grad_norm": 0.8240509629249573, | |
| "learning_rate": 0.00019428774454610843, | |
| "loss": 1.1304, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 3.1666666666666665, | |
| "grad_norm": 2.234182596206665, | |
| "learning_rate": 0.00019278890272965096, | |
| "loss": 1.254, | |
| "step": 19 | |
| }, | |
| { | |
| "epoch": 3.3333333333333335, | |
| "grad_norm": 0.9731316566467285, | |
| "learning_rate": 0.0001911228490388136, | |
| "loss": 0.9326, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 3.5, | |
| "grad_norm": 1.4634690284729004, | |
| "learning_rate": 0.00018929258581495685, | |
| "loss": 1.0493, | |
| "step": 21 | |
| }, | |
| { | |
| "epoch": 3.6666666666666665, | |
| "grad_norm": 0.8387559056282043, | |
| "learning_rate": 0.00018730141131611882, | |
| "loss": 1.0178, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 3.8333333333333335, | |
| "grad_norm": 0.4008520245552063, | |
| "learning_rate": 0.00018515291377333112, | |
| "loss": 0.8662, | |
| "step": 23 | |
| }, | |
| { | |
| "epoch": 4.0, | |
| "grad_norm": 0.5829432606697083, | |
| "learning_rate": 0.00018285096492438424, | |
| "loss": 1.0601, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 4.166666666666667, | |
| "grad_norm": 0.4809369444847107, | |
| "learning_rate": 0.00018039971303669407, | |
| "loss": 0.8911, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 4.333333333333333, | |
| "grad_norm": 0.43883201479911804, | |
| "learning_rate": 0.00017780357543184397, | |
| "loss": 0.9469, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 4.5, | |
| "grad_norm": 0.36929503083229065, | |
| "learning_rate": 0.00017506723052527242, | |
| "loss": 0.6922, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 4.666666666666667, | |
| "grad_norm": 0.838331401348114, | |
| "learning_rate": 0.00017219560939545246, | |
| "loss": 0.8335, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 4.833333333333333, | |
| "grad_norm": 0.4128212332725525, | |
| "learning_rate": 0.00016919388689775464, | |
| "loss": 0.881, | |
| "step": 29 | |
| }, | |
| { | |
| "epoch": 5.0, | |
| "grad_norm": 0.4089340269565582, | |
| "learning_rate": 0.00016606747233900815, | |
| "loss": 0.7877, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 5.166666666666667, | |
| "grad_norm": 0.4597572386264801, | |
| "learning_rate": 0.00016282199972956425, | |
| "loss": 0.7988, | |
| "step": 31 | |
| }, | |
| { | |
| "epoch": 5.333333333333333, | |
| "grad_norm": 0.7422643303871155, | |
| "learning_rate": 0.00015946331763042867, | |
| "loss": 0.6314, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 5.5, | |
| "grad_norm": 0.27216923236846924, | |
| "learning_rate": 0.00015599747861375955, | |
| "loss": 0.6304, | |
| "step": 33 | |
| }, | |
| { | |
| "epoch": 5.666666666666667, | |
| "grad_norm": 0.30543801188468933, | |
| "learning_rate": 0.00015243072835572318, | |
| "loss": 0.7545, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 5.833333333333333, | |
| "grad_norm": 0.27076226472854614, | |
| "learning_rate": 0.00014876949438136347, | |
| "loss": 0.628, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 6.041666666666667, | |
| "grad_norm": 0.3263254463672638, | |
| "learning_rate": 0.00014502037448176734, | |
| "loss": 0.8235, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 6.208333333333333, | |
| "grad_norm": 0.44342947006225586, | |
| "learning_rate": 0.0001411901248243993, | |
| "loss": 0.4889, | |
| "step": 37 | |
| }, | |
| { | |
| "epoch": 6.375, | |
| "grad_norm": 0.5531820058822632, | |
| "learning_rate": 0.00013728564777803088, | |
| "loss": 0.4743, | |
| "step": 38 | |
| }, | |
| { | |
| "epoch": 6.541666666666667, | |
| "grad_norm": 0.44343772530555725, | |
| "learning_rate": 0.00013331397947420576, | |
| "loss": 0.6212, | |
| "step": 39 | |
| }, | |
| { | |
| "epoch": 6.708333333333333, | |
| "grad_norm": 0.3939581513404846, | |
| "learning_rate": 0.00012928227712765504, | |
| "loss": 0.4682, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 6.875, | |
| "grad_norm": 0.27797481417655945, | |
| "learning_rate": 0.00012519780613851254, | |
| "loss": 0.6314, | |
| "step": 41 | |
| }, | |
| { | |
| "epoch": 7.041666666666667, | |
| "grad_norm": 0.24232299625873566, | |
| "learning_rate": 0.00012106792699957263, | |
| "loss": 0.4236, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 7.208333333333333, | |
| "grad_norm": 0.48353126645088196, | |
| "learning_rate": 0.00011690008203218493, | |
| "loss": 0.5427, | |
| "step": 43 | |
| }, | |
| { | |
| "epoch": 7.375, | |
| "grad_norm": 0.2417798489332199, | |
| "learning_rate": 0.00011270178197468789, | |
| "loss": 0.4153, | |
| "step": 44 | |
| }, | |
| { | |
| "epoch": 7.541666666666667, | |
| "grad_norm": 0.29872801899909973, | |
| "learning_rate": 0.00010848059244755093, | |
| "loss": 0.4355, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 7.708333333333333, | |
| "grad_norm": 0.24514973163604736, | |
| "learning_rate": 0.00010424412031961484, | |
| "loss": 0.4455, | |
| "step": 46 | |
| }, | |
| { | |
| "epoch": 7.875, | |
| "grad_norm": 0.2170785814523697, | |
| "learning_rate": 0.0001, | |
| "loss": 0.4635, | |
| "step": 47 | |
| }, | |
| { | |
| "epoch": 8.041666666666666, | |
| "grad_norm": 0.27662786841392517, | |
| "learning_rate": 9.57558796803852e-05, | |
| "loss": 0.4287, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 8.208333333333334, | |
| "grad_norm": 0.22056028246879578, | |
| "learning_rate": 9.151940755244912e-05, | |
| "loss": 0.3974, | |
| "step": 49 | |
| }, | |
| { | |
| "epoch": 8.375, | |
| "grad_norm": 0.38164207339286804, | |
| "learning_rate": 8.729821802531212e-05, | |
| "loss": 0.4199, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 8.541666666666666, | |
| "grad_norm": 0.6282327175140381, | |
| "learning_rate": 8.309991796781511e-05, | |
| "loss": 0.396, | |
| "step": 51 | |
| }, | |
| { | |
| "epoch": 8.708333333333334, | |
| "grad_norm": 0.6206014752388, | |
| "learning_rate": 7.89320730004274e-05, | |
| "loss": 0.3838, | |
| "step": 52 | |
| }, | |
| { | |
| "epoch": 8.875, | |
| "grad_norm": 0.26180949807167053, | |
| "learning_rate": 7.48021938614875e-05, | |
| "loss": 0.2699, | |
| "step": 53 | |
| }, | |
| { | |
| "epoch": 9.041666666666666, | |
| "grad_norm": 0.24584798514842987, | |
| "learning_rate": 7.071772287234497e-05, | |
| "loss": 0.3301, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 9.208333333333334, | |
| "grad_norm": 0.2175927311182022, | |
| "learning_rate": 6.668602052579424e-05, | |
| "loss": 0.3253, | |
| "step": 55 | |
| }, | |
| { | |
| "epoch": 9.375, | |
| "grad_norm": 0.31466177105903625, | |
| "learning_rate": 6.271435222196916e-05, | |
| "loss": 0.2899, | |
| "step": 56 | |
| }, | |
| { | |
| "epoch": 9.541666666666666, | |
| "grad_norm": 0.2206808626651764, | |
| "learning_rate": 5.880987517560075e-05, | |
| "loss": 0.3447, | |
| "step": 57 | |
| }, | |
| { | |
| "epoch": 9.708333333333334, | |
| "grad_norm": 0.30399656295776367, | |
| "learning_rate": 5.497962551823266e-05, | |
| "loss": 0.3008, | |
| "step": 58 | |
| }, | |
| { | |
| "epoch": 9.875, | |
| "grad_norm": 0.2424880862236023, | |
| "learning_rate": 5.123050561863657e-05, | |
| "loss": 0.4017, | |
| "step": 59 | |
| }, | |
| { | |
| "epoch": 10.041666666666666, | |
| "grad_norm": 0.1822863221168518, | |
| "learning_rate": 4.756927164427685e-05, | |
| "loss": 0.29, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 10.208333333333334, | |
| "grad_norm": 0.2865781784057617, | |
| "learning_rate": 4.4002521386240466e-05, | |
| "loss": 0.2568, | |
| "step": 61 | |
| }, | |
| { | |
| "epoch": 10.375, | |
| "grad_norm": 0.45866575837135315, | |
| "learning_rate": 4.053668236957134e-05, | |
| "loss": 0.3122, | |
| "step": 62 | |
| }, | |
| { | |
| "epoch": 10.541666666666666, | |
| "grad_norm": 0.23878410458564758, | |
| "learning_rate": 3.717800027043576e-05, | |
| "loss": 0.2366, | |
| "step": 63 | |
| }, | |
| { | |
| "epoch": 10.708333333333334, | |
| "grad_norm": 0.17364925146102905, | |
| "learning_rate": 3.393252766099187e-05, | |
| "loss": 0.2723, | |
| "step": 64 | |
| }, | |
| { | |
| "epoch": 10.875, | |
| "grad_norm": 0.21729761362075806, | |
| "learning_rate": 3.080611310224539e-05, | |
| "loss": 0.3988, | |
| "step": 65 | |
| }, | |
| { | |
| "epoch": 11.083333333333334, | |
| "grad_norm": 0.32344043254852295, | |
| "learning_rate": 2.7804390604547557e-05, | |
| "loss": 0.2767, | |
| "step": 66 | |
| }, | |
| { | |
| "epoch": 11.25, | |
| "grad_norm": 0.18337799608707428, | |
| "learning_rate": 2.493276947472756e-05, | |
| "loss": 0.3044, | |
| "step": 67 | |
| }, | |
| { | |
| "epoch": 11.416666666666666, | |
| "grad_norm": 0.171830952167511, | |
| "learning_rate": 2.2196424568156073e-05, | |
| "loss": 0.2148, | |
| "step": 68 | |
| }, | |
| { | |
| "epoch": 11.583333333333334, | |
| "grad_norm": 0.2572508156299591, | |
| "learning_rate": 1.9600286963305957e-05, | |
| "loss": 0.2333, | |
| "step": 69 | |
| }, | |
| { | |
| "epoch": 11.75, | |
| "grad_norm": 0.3048519790172577, | |
| "learning_rate": 1.7149035075615794e-05, | |
| "loss": 0.2655, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 11.916666666666666, | |
| "grad_norm": 0.28241613507270813, | |
| "learning_rate": 1.4847086226668872e-05, | |
| "loss": 0.2717, | |
| "step": 71 | |
| }, | |
| { | |
| "epoch": 12.083333333333334, | |
| "grad_norm": 0.2006816565990448, | |
| "learning_rate": 1.2698588683881186e-05, | |
| "loss": 0.2703, | |
| "step": 72 | |
| }, | |
| { | |
| "epoch": 12.25, | |
| "grad_norm": 1.081545352935791, | |
| "learning_rate": 1.0707414185043163e-05, | |
| "loss": 0.2359, | |
| "step": 73 | |
| }, | |
| { | |
| "epoch": 12.416666666666666, | |
| "grad_norm": 0.27483949065208435, | |
| "learning_rate": 8.87715096118642e-06, | |
| "loss": 0.2933, | |
| "step": 74 | |
| }, | |
| { | |
| "epoch": 12.583333333333334, | |
| "grad_norm": 0.2161029428243637, | |
| "learning_rate": 7.211097270349066e-06, | |
| "loss": 0.26, | |
| "step": 75 | |
| }, | |
| { | |
| "epoch": 12.75, | |
| "grad_norm": 0.1892326921224594, | |
| "learning_rate": 5.71225545389158e-06, | |
| "loss": 0.1889, | |
| "step": 76 | |
| }, | |
| { | |
| "epoch": 12.916666666666666, | |
| "grad_norm": 0.27127891778945923, | |
| "learning_rate": 4.383326526074916e-06, | |
| "loss": 0.2222, | |
| "step": 77 | |
| }, | |
| { | |
| "epoch": 13.083333333333334, | |
| "grad_norm": 0.25778645277023315, | |
| "learning_rate": 3.226705306650113e-06, | |
| "loss": 0.2471, | |
| "step": 78 | |
| } | |
| ], | |
| "logging_steps": 1, | |
| "max_steps": 84, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 14, | |
| "save_steps": 6, | |
| "stateful_callbacks": { | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": false | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 160914305187840.0, | |
| "train_batch_size": 1, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |