| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 1.0, | |
| "eval_steps": 60, | |
| "global_step": 300, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.0033333333333333335, | |
| "grad_norm": NaN, | |
| "learning_rate": 0.0, | |
| "loss": 3.678, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.006666666666666667, | |
| "grad_norm": 0.4762135446071625, | |
| "learning_rate": 2.2222222222222223e-05, | |
| "loss": 3.0439, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 0.6002700328826904, | |
| "learning_rate": 4.4444444444444447e-05, | |
| "loss": 3.4106, | |
| "step": 3 | |
| }, | |
| { | |
| "epoch": 0.013333333333333334, | |
| "grad_norm": 0.6476659178733826, | |
| "learning_rate": 6.666666666666667e-05, | |
| "loss": 3.554, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.016666666666666666, | |
| "grad_norm": 0.5185155272483826, | |
| "learning_rate": 8.888888888888889e-05, | |
| "loss": 3.0154, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": NaN, | |
| "learning_rate": 8.888888888888889e-05, | |
| "loss": 2.8894, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 0.023333333333333334, | |
| "grad_norm": 0.8041224479675293, | |
| "learning_rate": 0.00011111111111111112, | |
| "loss": 3.0546, | |
| "step": 7 | |
| }, | |
| { | |
| "epoch": 0.02666666666666667, | |
| "grad_norm": 0.3952060639858246, | |
| "learning_rate": 0.00013333333333333334, | |
| "loss": 2.9562, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": NaN, | |
| "learning_rate": 0.00013333333333333334, | |
| "loss": 2.6144, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 0.03333333333333333, | |
| "grad_norm": 0.8140532374382019, | |
| "learning_rate": 0.00015555555555555556, | |
| "loss": 2.5651, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.03666666666666667, | |
| "grad_norm": 0.7712438106536865, | |
| "learning_rate": 0.00017777777777777779, | |
| "loss": 2.4462, | |
| "step": 11 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 0.9129194617271423, | |
| "learning_rate": 0.0002, | |
| "loss": 2.2021, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 0.043333333333333335, | |
| "grad_norm": 1.4973784685134888, | |
| "learning_rate": 0.00019999417253661235, | |
| "loss": 1.7726, | |
| "step": 13 | |
| }, | |
| { | |
| "epoch": 0.04666666666666667, | |
| "grad_norm": 1.3915261030197144, | |
| "learning_rate": 0.00019997669082563597, | |
| "loss": 2.0128, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 2.2161591053009033, | |
| "learning_rate": 0.00019994755690455152, | |
| "loss": 1.7553, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 0.05333333333333334, | |
| "grad_norm": 1.6553738117218018, | |
| "learning_rate": 0.00019990677416889608, | |
| "loss": 2.0475, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 0.056666666666666664, | |
| "grad_norm": 0.6157505512237549, | |
| "learning_rate": 0.0001998543473718677, | |
| "loss": 1.685, | |
| "step": 17 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 0.24669784307479858, | |
| "learning_rate": 0.00019979028262377118, | |
| "loss": 1.6533, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 0.06333333333333334, | |
| "grad_norm": 0.22707951068878174, | |
| "learning_rate": 0.00019971458739130598, | |
| "loss": 2.0047, | |
| "step": 19 | |
| }, | |
| { | |
| "epoch": 0.06666666666666667, | |
| "grad_norm": 1.4569851160049438, | |
| "learning_rate": 0.000199627270496696, | |
| "loss": 2.0384, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 0.413117915391922, | |
| "learning_rate": 0.0001995283421166614, | |
| "loss": 1.8686, | |
| "step": 21 | |
| }, | |
| { | |
| "epoch": 0.07333333333333333, | |
| "grad_norm": 0.3769432604312897, | |
| "learning_rate": 0.00019941781378123244, | |
| "loss": 2.3281, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 0.07666666666666666, | |
| "grad_norm": 0.22103984653949738, | |
| "learning_rate": 0.00019929569837240564, | |
| "loss": 1.4126, | |
| "step": 23 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 0.24588149785995483, | |
| "learning_rate": 0.00019916201012264254, | |
| "loss": 1.8129, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 0.08333333333333333, | |
| "grad_norm": 0.16510339081287384, | |
| "learning_rate": 0.00019901676461321068, | |
| "loss": 1.3982, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 0.08666666666666667, | |
| "grad_norm": 0.1440768837928772, | |
| "learning_rate": 0.00019885997877236788, | |
| "loss": 2.1907, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 0.17060863971710205, | |
| "learning_rate": 0.00019869167087338907, | |
| "loss": 1.3803, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 0.09333333333333334, | |
| "grad_norm": 0.2069515585899353, | |
| "learning_rate": 0.00019851186053243666, | |
| "loss": 1.887, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 0.09666666666666666, | |
| "grad_norm": 0.21821996569633484, | |
| "learning_rate": 0.00019832056870627417, | |
| "loss": 1.6054, | |
| "step": 29 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 0.17882876098155975, | |
| "learning_rate": 0.0001981178176898239, | |
| "loss": 1.6342, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.10333333333333333, | |
| "grad_norm": 0.17038118839263916, | |
| "learning_rate": 0.00019790363111356837, | |
| "loss": 1.8819, | |
| "step": 31 | |
| }, | |
| { | |
| "epoch": 0.10666666666666667, | |
| "grad_norm": 0.1974552720785141, | |
| "learning_rate": 0.00019767803394079615, | |
| "loss": 1.9041, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 0.11, | |
| "grad_norm": 0.2757965922355652, | |
| "learning_rate": 0.00019744105246469263, | |
| "loss": 1.9125, | |
| "step": 33 | |
| }, | |
| { | |
| "epoch": 0.11333333333333333, | |
| "grad_norm": 0.19870969653129578, | |
| "learning_rate": 0.0001971927143052752, | |
| "loss": 1.8851, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 0.11666666666666667, | |
| "grad_norm": 0.1826757788658142, | |
| "learning_rate": 0.00019693304840617457, | |
| "loss": 1.7898, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 0.12, | |
| "grad_norm": 0.2616521716117859, | |
| "learning_rate": 0.00019666208503126112, | |
| "loss": 1.9304, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 0.12333333333333334, | |
| "grad_norm": 0.21208493411540985, | |
| "learning_rate": 0.00019637985576111778, | |
| "loss": 1.6942, | |
| "step": 37 | |
| }, | |
| { | |
| "epoch": 0.12666666666666668, | |
| "grad_norm": 0.2790180444717407, | |
| "learning_rate": 0.0001960863934893594, | |
| "loss": 1.8333, | |
| "step": 38 | |
| }, | |
| { | |
| "epoch": 0.13, | |
| "grad_norm": 0.18341009318828583, | |
| "learning_rate": 0.00019578173241879872, | |
| "loss": 1.8026, | |
| "step": 39 | |
| }, | |
| { | |
| "epoch": 0.13333333333333333, | |
| "grad_norm": 0.41886040568351746, | |
| "learning_rate": 0.00019546590805746052, | |
| "loss": 1.7716, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.13666666666666666, | |
| "grad_norm": 0.13291174173355103, | |
| "learning_rate": 0.00019513895721444286, | |
| "loss": 1.9675, | |
| "step": 41 | |
| }, | |
| { | |
| "epoch": 0.14, | |
| "grad_norm": 0.1474720984697342, | |
| "learning_rate": 0.00019480091799562704, | |
| "loss": 1.6786, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 0.14333333333333334, | |
| "grad_norm": 0.17442239820957184, | |
| "learning_rate": 0.00019445182979923654, | |
| "loss": 1.7849, | |
| "step": 43 | |
| }, | |
| { | |
| "epoch": 0.14666666666666667, | |
| "grad_norm": 0.15233103930950165, | |
| "learning_rate": 0.000194091733311245, | |
| "loss": 1.5371, | |
| "step": 44 | |
| }, | |
| { | |
| "epoch": 0.15, | |
| "grad_norm": 0.13791708648204803, | |
| "learning_rate": 0.00019372067050063438, | |
| "loss": 2.0132, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 0.15333333333333332, | |
| "grad_norm": 0.15251068770885468, | |
| "learning_rate": 0.0001933386846145036, | |
| "loss": 1.7359, | |
| "step": 46 | |
| }, | |
| { | |
| "epoch": 0.15666666666666668, | |
| "grad_norm": 0.24324262142181396, | |
| "learning_rate": 0.00019294582017302797, | |
| "loss": 1.7972, | |
| "step": 47 | |
| }, | |
| { | |
| "epoch": 0.16, | |
| "grad_norm": 0.20748841762542725, | |
| "learning_rate": 0.00019254212296427044, | |
| "loss": 1.5059, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 0.16333333333333333, | |
| "grad_norm": 0.3106396496295929, | |
| "learning_rate": 0.0001921276400388451, | |
| "loss": 2.0664, | |
| "step": 49 | |
| }, | |
| { | |
| "epoch": 0.16666666666666666, | |
| "grad_norm": 0.31523287296295166, | |
| "learning_rate": 0.00019170241970443343, | |
| "loss": 1.8873, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.17, | |
| "grad_norm": 1.2277356386184692, | |
| "learning_rate": 0.00019126651152015403, | |
| "loss": 1.6405, | |
| "step": 51 | |
| }, | |
| { | |
| "epoch": 0.17333333333333334, | |
| "grad_norm": 0.19061756134033203, | |
| "learning_rate": 0.00019081996629078657, | |
| "loss": 1.8921, | |
| "step": 52 | |
| }, | |
| { | |
| "epoch": 0.17666666666666667, | |
| "grad_norm": 0.27055197954177856, | |
| "learning_rate": 0.00019036283606085053, | |
| "loss": 1.8499, | |
| "step": 53 | |
| }, | |
| { | |
| "epoch": 0.18, | |
| "grad_norm": 0.4002118706703186, | |
| "learning_rate": 0.00018989517410853955, | |
| "loss": 1.4783, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 0.18333333333333332, | |
| "grad_norm": 0.27212274074554443, | |
| "learning_rate": 0.00018941703493951164, | |
| "loss": 1.2299, | |
| "step": 55 | |
| }, | |
| { | |
| "epoch": 0.18666666666666668, | |
| "grad_norm": 0.6585210561752319, | |
| "learning_rate": 0.00018892847428053693, | |
| "loss": 1.6397, | |
| "step": 56 | |
| }, | |
| { | |
| "epoch": 0.19, | |
| "grad_norm": 0.2484641969203949, | |
| "learning_rate": 0.00018842954907300236, | |
| "loss": 1.9502, | |
| "step": 57 | |
| }, | |
| { | |
| "epoch": 0.19333333333333333, | |
| "grad_norm": 0.1978948712348938, | |
| "learning_rate": 0.00018792031746627563, | |
| "loss": 2.0229, | |
| "step": 58 | |
| }, | |
| { | |
| "epoch": 0.19666666666666666, | |
| "grad_norm": 0.17801423370838165, | |
| "learning_rate": 0.0001874008388109276, | |
| "loss": 2.0025, | |
| "step": 59 | |
| }, | |
| { | |
| "epoch": 0.2, | |
| "grad_norm": 0.26752933859825134, | |
| "learning_rate": 0.00018687117365181512, | |
| "loss": 1.522, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 0.2, | |
| "eval_loss": 1.9986859560012817, | |
| "eval_runtime": 106.2759, | |
| "eval_samples_per_second": 2.823, | |
| "eval_steps_per_second": 0.358, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 0.20333333333333334, | |
| "grad_norm": 0.24524369835853577, | |
| "learning_rate": 0.00018633138372102468, | |
| "loss": 2.0717, | |
| "step": 61 | |
| }, | |
| { | |
| "epoch": 0.20666666666666667, | |
| "grad_norm": 0.1529204249382019, | |
| "learning_rate": 0.00018578153193067745, | |
| "loss": 1.7074, | |
| "step": 62 | |
| }, | |
| { | |
| "epoch": 0.21, | |
| "grad_norm": 0.2284618765115738, | |
| "learning_rate": 0.00018522168236559695, | |
| "loss": 1.5471, | |
| "step": 63 | |
| }, | |
| { | |
| "epoch": 0.21333333333333335, | |
| "grad_norm": 0.21615256369113922, | |
| "learning_rate": 0.00018465190027584005, | |
| "loss": 1.5937, | |
| "step": 64 | |
| }, | |
| { | |
| "epoch": 0.21666666666666667, | |
| "grad_norm": 0.24150824546813965, | |
| "learning_rate": 0.00018407225206909208, | |
| "loss": 1.5986, | |
| "step": 65 | |
| }, | |
| { | |
| "epoch": 0.22, | |
| "grad_norm": 0.15798711776733398, | |
| "learning_rate": 0.00018348280530292713, | |
| "loss": 1.8715, | |
| "step": 66 | |
| }, | |
| { | |
| "epoch": 0.22333333333333333, | |
| "grad_norm": 0.2319696843624115, | |
| "learning_rate": 0.00018288362867693414, | |
| "loss": 1.3617, | |
| "step": 67 | |
| }, | |
| { | |
| "epoch": 0.22666666666666666, | |
| "grad_norm": 0.2020319700241089, | |
| "learning_rate": 0.00018227479202471015, | |
| "loss": 1.7928, | |
| "step": 68 | |
| }, | |
| { | |
| "epoch": 0.23, | |
| "grad_norm": 0.2809887230396271, | |
| "learning_rate": 0.0001816563663057211, | |
| "loss": 2.0081, | |
| "step": 69 | |
| }, | |
| { | |
| "epoch": 0.23333333333333334, | |
| "grad_norm": 0.2510971426963806, | |
| "learning_rate": 0.00018102842359703176, | |
| "loss": 1.5938, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 0.23666666666666666, | |
| "grad_norm": 0.1601170003414154, | |
| "learning_rate": 0.000180391037084905, | |
| "loss": 1.8598, | |
| "step": 71 | |
| }, | |
| { | |
| "epoch": 0.24, | |
| "grad_norm": 0.2945798337459564, | |
| "learning_rate": 0.00017974428105627208, | |
| "loss": 1.6412, | |
| "step": 72 | |
| }, | |
| { | |
| "epoch": 0.24333333333333335, | |
| "grad_norm": 0.31662991642951965, | |
| "learning_rate": 0.00017908823089007457, | |
| "loss": 1.6946, | |
| "step": 73 | |
| }, | |
| { | |
| "epoch": 0.24666666666666667, | |
| "grad_norm": 0.3063909709453583, | |
| "learning_rate": 0.00017842296304847893, | |
| "loss": 1.9946, | |
| "step": 74 | |
| }, | |
| { | |
| "epoch": 0.25, | |
| "grad_norm": 0.13805601000785828, | |
| "learning_rate": 0.00017774855506796496, | |
| "loss": 1.6024, | |
| "step": 75 | |
| }, | |
| { | |
| "epoch": 0.25333333333333335, | |
| "grad_norm": 0.17819726467132568, | |
| "learning_rate": 0.00017706508555028893, | |
| "loss": 1.7703, | |
| "step": 76 | |
| }, | |
| { | |
| "epoch": 0.25666666666666665, | |
| "grad_norm": 0.11969258636236191, | |
| "learning_rate": 0.0001763726341533227, | |
| "loss": 1.9729, | |
| "step": 77 | |
| }, | |
| { | |
| "epoch": 0.26, | |
| "grad_norm": 0.20544451475143433, | |
| "learning_rate": 0.00017567128158176953, | |
| "loss": 1.714, | |
| "step": 78 | |
| }, | |
| { | |
| "epoch": 0.2633333333333333, | |
| "grad_norm": 0.16914527118206024, | |
| "learning_rate": 0.0001749611095777581, | |
| "loss": 1.936, | |
| "step": 79 | |
| }, | |
| { | |
| "epoch": 0.26666666666666666, | |
| "grad_norm": 0.1939394325017929, | |
| "learning_rate": 0.00017424220091131535, | |
| "loss": 1.4724, | |
| "step": 80 | |
| }, | |
| { | |
| "epoch": 0.27, | |
| "grad_norm": 0.19433513283729553, | |
| "learning_rate": 0.00017351463937072004, | |
| "loss": 1.8444, | |
| "step": 81 | |
| }, | |
| { | |
| "epoch": 0.2733333333333333, | |
| "grad_norm": 0.18188251554965973, | |
| "learning_rate": 0.00017277850975273696, | |
| "loss": 1.6896, | |
| "step": 82 | |
| }, | |
| { | |
| "epoch": 0.27666666666666667, | |
| "grad_norm": 0.17649756371974945, | |
| "learning_rate": 0.000172033897852734, | |
| "loss": 1.6855, | |
| "step": 83 | |
| }, | |
| { | |
| "epoch": 0.28, | |
| "grad_norm": 0.1801021695137024, | |
| "learning_rate": 0.00017128089045468294, | |
| "loss": 1.4462, | |
| "step": 84 | |
| }, | |
| { | |
| "epoch": 0.2833333333333333, | |
| "grad_norm": 0.16927750408649445, | |
| "learning_rate": 0.0001705195753210446, | |
| "loss": 1.5268, | |
| "step": 85 | |
| }, | |
| { | |
| "epoch": 0.2866666666666667, | |
| "grad_norm": 0.18690228462219238, | |
| "learning_rate": 0.0001697500411825403, | |
| "loss": 1.8519, | |
| "step": 86 | |
| }, | |
| { | |
| "epoch": 0.29, | |
| "grad_norm": 0.20217467844486237, | |
| "learning_rate": 0.00016897237772781044, | |
| "loss": 1.92, | |
| "step": 87 | |
| }, | |
| { | |
| "epoch": 0.29333333333333333, | |
| "grad_norm": 0.27469587326049805, | |
| "learning_rate": 0.0001681866755929612, | |
| "loss": 2.0257, | |
| "step": 88 | |
| }, | |
| { | |
| "epoch": 0.2966666666666667, | |
| "grad_norm": 0.13343855738639832, | |
| "learning_rate": 0.00016739302635100108, | |
| "loss": 1.6739, | |
| "step": 89 | |
| }, | |
| { | |
| "epoch": 0.3, | |
| "grad_norm": 0.18704169988632202, | |
| "learning_rate": 0.00016659152250116812, | |
| "loss": 1.7542, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 0.30333333333333334, | |
| "grad_norm": 0.2323143184185028, | |
| "learning_rate": 0.00016578225745814907, | |
| "loss": 1.6746, | |
| "step": 91 | |
| }, | |
| { | |
| "epoch": 0.30666666666666664, | |
| "grad_norm": 0.17189523577690125, | |
| "learning_rate": 0.00016496532554119214, | |
| "loss": 1.6818, | |
| "step": 92 | |
| }, | |
| { | |
| "epoch": 0.31, | |
| "grad_norm": 0.19542841613292694, | |
| "learning_rate": 0.000164140821963114, | |
| "loss": 1.7951, | |
| "step": 93 | |
| }, | |
| { | |
| "epoch": 0.31333333333333335, | |
| "grad_norm": 0.2227221131324768, | |
| "learning_rate": 0.000163308842819203, | |
| "loss": 2.0738, | |
| "step": 94 | |
| }, | |
| { | |
| "epoch": 0.31666666666666665, | |
| "grad_norm": 0.25109028816223145, | |
| "learning_rate": 0.00016246948507601914, | |
| "loss": 1.7133, | |
| "step": 95 | |
| }, | |
| { | |
| "epoch": 0.32, | |
| "grad_norm": 0.12997524440288544, | |
| "learning_rate": 0.00016162284656009274, | |
| "loss": 1.9752, | |
| "step": 96 | |
| }, | |
| { | |
| "epoch": 0.3233333333333333, | |
| "grad_norm": 0.23506972193717957, | |
| "learning_rate": 0.0001607690259465229, | |
| "loss": 1.905, | |
| "step": 97 | |
| }, | |
| { | |
| "epoch": 0.32666666666666666, | |
| "grad_norm": 0.15737849473953247, | |
| "learning_rate": 0.00015990812274747692, | |
| "loss": 1.5445, | |
| "step": 98 | |
| }, | |
| { | |
| "epoch": 0.33, | |
| "grad_norm": 0.16445747017860413, | |
| "learning_rate": 0.00015904023730059228, | |
| "loss": 1.7706, | |
| "step": 99 | |
| }, | |
| { | |
| "epoch": 0.3333333333333333, | |
| "grad_norm": 0.16149075329303741, | |
| "learning_rate": 0.00015816547075728226, | |
| "loss": 1.8575, | |
| "step": 100 | |
| }, | |
| { | |
| "epoch": 0.33666666666666667, | |
| "grad_norm": 0.17258767783641815, | |
| "learning_rate": 0.000157283925070947, | |
| "loss": 1.6852, | |
| "step": 101 | |
| }, | |
| { | |
| "epoch": 0.34, | |
| "grad_norm": 0.21116161346435547, | |
| "learning_rate": 0.00015639570298509064, | |
| "loss": 1.6215, | |
| "step": 102 | |
| }, | |
| { | |
| "epoch": 0.3433333333333333, | |
| "grad_norm": 0.21945820748806, | |
| "learning_rate": 0.000155500908021347, | |
| "loss": 1.8009, | |
| "step": 103 | |
| }, | |
| { | |
| "epoch": 0.3466666666666667, | |
| "grad_norm": 0.15959838032722473, | |
| "learning_rate": 0.00015459964446741382, | |
| "loss": 1.5615, | |
| "step": 104 | |
| }, | |
| { | |
| "epoch": 0.35, | |
| "grad_norm": 0.1735246777534485, | |
| "learning_rate": 0.0001536920173648984, | |
| "loss": 1.7633, | |
| "step": 105 | |
| }, | |
| { | |
| "epoch": 0.35333333333333333, | |
| "grad_norm": 0.13111194968223572, | |
| "learning_rate": 0.00015277813249707487, | |
| "loss": 1.927, | |
| "step": 106 | |
| }, | |
| { | |
| "epoch": 0.3566666666666667, | |
| "grad_norm": 0.2176179140806198, | |
| "learning_rate": 0.0001518580963765555, | |
| "loss": 2.0393, | |
| "step": 107 | |
| }, | |
| { | |
| "epoch": 0.36, | |
| "grad_norm": 0.16239792108535767, | |
| "learning_rate": 0.00015093201623287631, | |
| "loss": 1.5587, | |
| "step": 108 | |
| }, | |
| { | |
| "epoch": 0.36333333333333334, | |
| "grad_norm": 0.25669199228286743, | |
| "learning_rate": 0.00015000000000000001, | |
| "loss": 1.4917, | |
| "step": 109 | |
| }, | |
| { | |
| "epoch": 0.36666666666666664, | |
| "grad_norm": 0.14471955597400665, | |
| "learning_rate": 0.00014906215630373606, | |
| "loss": 1.6249, | |
| "step": 110 | |
| }, | |
| { | |
| "epoch": 0.37, | |
| "grad_norm": 0.22089527547359467, | |
| "learning_rate": 0.00014811859444908052, | |
| "loss": 2.0068, | |
| "step": 111 | |
| }, | |
| { | |
| "epoch": 0.37333333333333335, | |
| "grad_norm": 0.1651736944913864, | |
| "learning_rate": 0.00014716942440747664, | |
| "loss": 1.6535, | |
| "step": 112 | |
| }, | |
| { | |
| "epoch": 0.37666666666666665, | |
| "grad_norm": 0.16808518767356873, | |
| "learning_rate": 0.0001462147568039977, | |
| "loss": 2.1169, | |
| "step": 113 | |
| }, | |
| { | |
| "epoch": 0.38, | |
| "grad_norm": 0.1802249252796173, | |
| "learning_rate": 0.00014525470290445392, | |
| "loss": 1.7287, | |
| "step": 114 | |
| }, | |
| { | |
| "epoch": 0.38333333333333336, | |
| "grad_norm": 0.13918867707252502, | |
| "learning_rate": 0.00014428937460242417, | |
| "loss": 1.6429, | |
| "step": 115 | |
| }, | |
| { | |
| "epoch": 0.38666666666666666, | |
| "grad_norm": 0.16866669058799744, | |
| "learning_rate": 0.00014331888440621533, | |
| "loss": 1.6221, | |
| "step": 116 | |
| }, | |
| { | |
| "epoch": 0.39, | |
| "grad_norm": 0.2179497629404068, | |
| "learning_rate": 0.00014234334542574906, | |
| "loss": 1.9434, | |
| "step": 117 | |
| }, | |
| { | |
| "epoch": 0.3933333333333333, | |
| "grad_norm": 0.20598508417606354, | |
| "learning_rate": 0.00014136287135937915, | |
| "loss": 1.8447, | |
| "step": 118 | |
| }, | |
| { | |
| "epoch": 0.39666666666666667, | |
| "grad_norm": 0.2654450535774231, | |
| "learning_rate": 0.00014037757648064018, | |
| "loss": 2.0047, | |
| "step": 119 | |
| }, | |
| { | |
| "epoch": 0.4, | |
| "grad_norm": 0.1578744649887085, | |
| "learning_rate": 0.00013938757562492873, | |
| "loss": 1.5683, | |
| "step": 120 | |
| }, | |
| { | |
| "epoch": 0.4, | |
| "eval_loss": 1.9689319133758545, | |
| "eval_runtime": 105.5842, | |
| "eval_samples_per_second": 2.841, | |
| "eval_steps_per_second": 0.36, | |
| "step": 120 | |
| }, | |
| { | |
| "epoch": 0.4033333333333333, | |
| "grad_norm": 0.17445330321788788, | |
| "learning_rate": 0.00013839298417611963, | |
| "loss": 1.8099, | |
| "step": 121 | |
| }, | |
| { | |
| "epoch": 0.4066666666666667, | |
| "grad_norm": 0.17443552613258362, | |
| "learning_rate": 0.00013739391805311793, | |
| "loss": 1.6858, | |
| "step": 122 | |
| }, | |
| { | |
| "epoch": 0.41, | |
| "grad_norm": 0.2298484444618225, | |
| "learning_rate": 0.00013639049369634876, | |
| "loss": 1.6995, | |
| "step": 123 | |
| }, | |
| { | |
| "epoch": 0.41333333333333333, | |
| "grad_norm": 0.12730997800827026, | |
| "learning_rate": 0.0001353828280541861, | |
| "loss": 2.2712, | |
| "step": 124 | |
| }, | |
| { | |
| "epoch": 0.4166666666666667, | |
| "grad_norm": 0.18344169855117798, | |
| "learning_rate": 0.00013437103856932264, | |
| "loss": 1.78, | |
| "step": 125 | |
| }, | |
| { | |
| "epoch": 0.42, | |
| "grad_norm": 0.16407208144664764, | |
| "learning_rate": 0.00013335524316508208, | |
| "loss": 1.7153, | |
| "step": 126 | |
| }, | |
| { | |
| "epoch": 0.42333333333333334, | |
| "grad_norm": 0.2899414896965027, | |
| "learning_rate": 0.00013233556023167485, | |
| "loss": 1.6807, | |
| "step": 127 | |
| }, | |
| { | |
| "epoch": 0.4266666666666667, | |
| "grad_norm": 0.20936259627342224, | |
| "learning_rate": 0.00013131210861240026, | |
| "loss": 1.8354, | |
| "step": 128 | |
| }, | |
| { | |
| "epoch": 0.43, | |
| "grad_norm": 0.24104556441307068, | |
| "learning_rate": 0.00013028500758979506, | |
| "loss": 1.7304, | |
| "step": 129 | |
| }, | |
| { | |
| "epoch": 0.43333333333333335, | |
| "grad_norm": 0.13295267522335052, | |
| "learning_rate": 0.00012925437687173142, | |
| "loss": 1.5726, | |
| "step": 130 | |
| }, | |
| { | |
| "epoch": 0.43666666666666665, | |
| "grad_norm": 0.18221959471702576, | |
| "learning_rate": 0.00012822033657746478, | |
| "loss": 1.8909, | |
| "step": 131 | |
| }, | |
| { | |
| "epoch": 0.44, | |
| "grad_norm": 0.15093231201171875, | |
| "learning_rate": 0.0001271830072236343, | |
| "loss": 1.4898, | |
| "step": 132 | |
| }, | |
| { | |
| "epoch": 0.44333333333333336, | |
| "grad_norm": 0.24701373279094696, | |
| "learning_rate": 0.00012614250971021657, | |
| "loss": 1.5876, | |
| "step": 133 | |
| }, | |
| { | |
| "epoch": 0.44666666666666666, | |
| "grad_norm": 0.15908396244049072, | |
| "learning_rate": 0.00012509896530643488, | |
| "loss": 1.8188, | |
| "step": 134 | |
| }, | |
| { | |
| "epoch": 0.45, | |
| "grad_norm": 0.17179876565933228, | |
| "learning_rate": 0.00012405249563662537, | |
| "loss": 1.6909, | |
| "step": 135 | |
| }, | |
| { | |
| "epoch": 0.4533333333333333, | |
| "grad_norm": 0.2213679701089859, | |
| "learning_rate": 0.00012300322266606178, | |
| "loss": 1.8504, | |
| "step": 136 | |
| }, | |
| { | |
| "epoch": 0.45666666666666667, | |
| "grad_norm": 0.1909617930650711, | |
| "learning_rate": 0.00012195126868674051, | |
| "loss": 1.7861, | |
| "step": 137 | |
| }, | |
| { | |
| "epoch": 0.46, | |
| "grad_norm": 0.22522148489952087, | |
| "learning_rate": 0.00012089675630312754, | |
| "loss": 1.4303, | |
| "step": 138 | |
| }, | |
| { | |
| "epoch": 0.4633333333333333, | |
| "grad_norm": 0.18442374467849731, | |
| "learning_rate": 0.000119839808417869, | |
| "loss": 1.7304, | |
| "step": 139 | |
| }, | |
| { | |
| "epoch": 0.4666666666666667, | |
| "grad_norm": 0.19756169617176056, | |
| "learning_rate": 0.00011878054821746703, | |
| "loss": 1.7696, | |
| "step": 140 | |
| }, | |
| { | |
| "epoch": 0.47, | |
| "grad_norm": 0.21999084949493408, | |
| "learning_rate": 0.0001177190991579223, | |
| "loss": 1.3715, | |
| "step": 141 | |
| }, | |
| { | |
| "epoch": 0.47333333333333333, | |
| "grad_norm": 0.15807120501995087, | |
| "learning_rate": 0.00011665558495034546, | |
| "loss": 1.6985, | |
| "step": 142 | |
| }, | |
| { | |
| "epoch": 0.4766666666666667, | |
| "grad_norm": 0.21601736545562744, | |
| "learning_rate": 0.00011559012954653865, | |
| "loss": 1.3233, | |
| "step": 143 | |
| }, | |
| { | |
| "epoch": 0.48, | |
| "grad_norm": 0.14652834832668304, | |
| "learning_rate": 0.00011452285712454904, | |
| "loss": 1.6432, | |
| "step": 144 | |
| }, | |
| { | |
| "epoch": 0.48333333333333334, | |
| "grad_norm": 0.11754251271486282, | |
| "learning_rate": 0.00011345389207419588, | |
| "loss": 1.9452, | |
| "step": 145 | |
| }, | |
| { | |
| "epoch": 0.4866666666666667, | |
| "grad_norm": 0.15474091470241547, | |
| "learning_rate": 0.00011238335898257304, | |
| "loss": 1.8238, | |
| "step": 146 | |
| }, | |
| { | |
| "epoch": 0.49, | |
| "grad_norm": 0.19140326976776123, | |
| "learning_rate": 0.00011131138261952845, | |
| "loss": 1.6152, | |
| "step": 147 | |
| }, | |
| { | |
| "epoch": 0.49333333333333335, | |
| "grad_norm": 0.17788617312908173, | |
| "learning_rate": 0.00011023808792312227, | |
| "loss": 1.7443, | |
| "step": 148 | |
| }, | |
| { | |
| "epoch": 0.49666666666666665, | |
| "grad_norm": 0.18357710540294647, | |
| "learning_rate": 0.0001091635999850655, | |
| "loss": 1.7117, | |
| "step": 149 | |
| }, | |
| { | |
| "epoch": 0.5, | |
| "grad_norm": 0.18637436628341675, | |
| "learning_rate": 0.00010808804403614043, | |
| "loss": 1.6151, | |
| "step": 150 | |
| }, | |
| { | |
| "epoch": 0.5033333333333333, | |
| "grad_norm": 0.18485836684703827, | |
| "learning_rate": 0.00010701154543160541, | |
| "loss": 1.2937, | |
| "step": 151 | |
| }, | |
| { | |
| "epoch": 0.5066666666666667, | |
| "grad_norm": 0.16544543206691742, | |
| "learning_rate": 0.00010593422963658452, | |
| "loss": 2.0701, | |
| "step": 152 | |
| }, | |
| { | |
| "epoch": 0.51, | |
| "grad_norm": 0.22352543473243713, | |
| "learning_rate": 0.00010485622221144484, | |
| "loss": 1.917, | |
| "step": 153 | |
| }, | |
| { | |
| "epoch": 0.5133333333333333, | |
| "grad_norm": 0.18895843625068665, | |
| "learning_rate": 0.00010377764879716234, | |
| "loss": 1.5448, | |
| "step": 154 | |
| }, | |
| { | |
| "epoch": 0.5166666666666667, | |
| "grad_norm": 0.15331783890724182, | |
| "learning_rate": 0.00010269863510067872, | |
| "loss": 1.7176, | |
| "step": 155 | |
| }, | |
| { | |
| "epoch": 0.52, | |
| "grad_norm": 0.23109984397888184, | |
| "learning_rate": 0.00010161930688025017, | |
| "loss": 1.533, | |
| "step": 156 | |
| }, | |
| { | |
| "epoch": 0.5233333333333333, | |
| "grad_norm": 0.14737705886363983, | |
| "learning_rate": 0.00010053978993079045, | |
| "loss": 1.738, | |
| "step": 157 | |
| }, | |
| { | |
| "epoch": 0.5266666666666666, | |
| "grad_norm": 0.17144230008125305, | |
| "learning_rate": 9.946021006920959e-05, | |
| "loss": 1.9154, | |
| "step": 158 | |
| }, | |
| { | |
| "epoch": 0.53, | |
| "grad_norm": 0.1662004441022873, | |
| "learning_rate": 9.838069311974986e-05, | |
| "loss": 1.8317, | |
| "step": 159 | |
| }, | |
| { | |
| "epoch": 0.5333333333333333, | |
| "grad_norm": 0.184712752699852, | |
| "learning_rate": 9.730136489932133e-05, | |
| "loss": 1.3791, | |
| "step": 160 | |
| }, | |
| { | |
| "epoch": 0.5366666666666666, | |
| "grad_norm": 0.2711019515991211, | |
| "learning_rate": 9.622235120283769e-05, | |
| "loss": 1.7356, | |
| "step": 161 | |
| }, | |
| { | |
| "epoch": 0.54, | |
| "grad_norm": 0.22583667933940887, | |
| "learning_rate": 9.514377778855521e-05, | |
| "loss": 1.839, | |
| "step": 162 | |
| }, | |
| { | |
| "epoch": 0.5433333333333333, | |
| "grad_norm": 0.19490784406661987, | |
| "learning_rate": 9.406577036341548e-05, | |
| "loss": 1.4991, | |
| "step": 163 | |
| }, | |
| { | |
| "epoch": 0.5466666666666666, | |
| "grad_norm": 0.15581147372722626, | |
| "learning_rate": 9.298845456839459e-05, | |
| "loss": 1.8299, | |
| "step": 164 | |
| }, | |
| { | |
| "epoch": 0.55, | |
| "grad_norm": 0.1860620230436325, | |
| "learning_rate": 9.19119559638596e-05, | |
| "loss": 2.1671, | |
| "step": 165 | |
| }, | |
| { | |
| "epoch": 0.5533333333333333, | |
| "grad_norm": 0.23739062249660492, | |
| "learning_rate": 9.083640001493454e-05, | |
| "loss": 2.3618, | |
| "step": 166 | |
| }, | |
| { | |
| "epoch": 0.5566666666666666, | |
| "grad_norm": 0.2087864726781845, | |
| "learning_rate": 8.976191207687775e-05, | |
| "loss": 1.7497, | |
| "step": 167 | |
| }, | |
| { | |
| "epoch": 0.56, | |
| "grad_norm": 0.14848671853542328, | |
| "learning_rate": 8.868861738047158e-05, | |
| "loss": 1.552, | |
| "step": 168 | |
| }, | |
| { | |
| "epoch": 0.5633333333333334, | |
| "grad_norm": 0.1923326849937439, | |
| "learning_rate": 8.7616641017427e-05, | |
| "loss": 1.9334, | |
| "step": 169 | |
| }, | |
| { | |
| "epoch": 0.5666666666666667, | |
| "grad_norm": 0.18040664494037628, | |
| "learning_rate": 8.654610792580415e-05, | |
| "loss": 1.8009, | |
| "step": 170 | |
| }, | |
| { | |
| "epoch": 0.57, | |
| "grad_norm": 0.19821511209011078, | |
| "learning_rate": 8.5477142875451e-05, | |
| "loss": 1.5184, | |
| "step": 171 | |
| }, | |
| { | |
| "epoch": 0.5733333333333334, | |
| "grad_norm": 0.24785931408405304, | |
| "learning_rate": 8.440987045346134e-05, | |
| "loss": 1.8505, | |
| "step": 172 | |
| }, | |
| { | |
| "epoch": 0.5766666666666667, | |
| "grad_norm": 0.17160287499427795, | |
| "learning_rate": 8.334441504965455e-05, | |
| "loss": 1.4808, | |
| "step": 173 | |
| }, | |
| { | |
| "epoch": 0.58, | |
| "grad_norm": 0.13557881116867065, | |
| "learning_rate": 8.228090084207774e-05, | |
| "loss": 1.6194, | |
| "step": 174 | |
| }, | |
| { | |
| "epoch": 0.5833333333333334, | |
| "grad_norm": 0.1418817937374115, | |
| "learning_rate": 8.1219451782533e-05, | |
| "loss": 1.4039, | |
| "step": 175 | |
| }, | |
| { | |
| "epoch": 0.5866666666666667, | |
| "grad_norm": 0.18646883964538574, | |
| "learning_rate": 8.016019158213101e-05, | |
| "loss": 1.5624, | |
| "step": 176 | |
| }, | |
| { | |
| "epoch": 0.59, | |
| "grad_norm": 0.1777251660823822, | |
| "learning_rate": 7.91032436968725e-05, | |
| "loss": 1.7192, | |
| "step": 177 | |
| }, | |
| { | |
| "epoch": 0.5933333333333334, | |
| "grad_norm": 0.14895232021808624, | |
| "learning_rate": 7.804873131325954e-05, | |
| "loss": 1.5677, | |
| "step": 178 | |
| }, | |
| { | |
| "epoch": 0.5966666666666667, | |
| "grad_norm": 0.19403791427612305, | |
| "learning_rate": 7.699677733393826e-05, | |
| "loss": 1.6584, | |
| "step": 179 | |
| }, | |
| { | |
| "epoch": 0.6, | |
| "grad_norm": 0.13547170162200928, | |
| "learning_rate": 7.594750436337467e-05, | |
| "loss": 1.29, | |
| "step": 180 | |
| }, | |
| { | |
| "epoch": 0.6, | |
| "eval_loss": 1.9572664499282837, | |
| "eval_runtime": 105.5497, | |
| "eval_samples_per_second": 2.842, | |
| "eval_steps_per_second": 0.36, | |
| "step": 180 | |
| }, | |
| { | |
| "epoch": 0.6033333333333334, | |
| "grad_norm": 0.16800864040851593, | |
| "learning_rate": 7.490103469356513e-05, | |
| "loss": 1.2715, | |
| "step": 181 | |
| }, | |
| { | |
| "epoch": 0.6066666666666667, | |
| "grad_norm": 0.29579752683639526, | |
| "learning_rate": 7.385749028978346e-05, | |
| "loss": 1.8179, | |
| "step": 182 | |
| }, | |
| { | |
| "epoch": 0.61, | |
| "grad_norm": 0.21788251399993896, | |
| "learning_rate": 7.281699277636572e-05, | |
| "loss": 1.4703, | |
| "step": 183 | |
| }, | |
| { | |
| "epoch": 0.6133333333333333, | |
| "grad_norm": 0.22312134504318237, | |
| "learning_rate": 7.177966342253524e-05, | |
| "loss": 1.8905, | |
| "step": 184 | |
| }, | |
| { | |
| "epoch": 0.6166666666666667, | |
| "grad_norm": 0.13738024234771729, | |
| "learning_rate": 7.07456231282686e-05, | |
| "loss": 1.7124, | |
| "step": 185 | |
| }, | |
| { | |
| "epoch": 0.62, | |
| "grad_norm": 0.23278340697288513, | |
| "learning_rate": 6.971499241020495e-05, | |
| "loss": 1.7325, | |
| "step": 186 | |
| }, | |
| { | |
| "epoch": 0.6233333333333333, | |
| "grad_norm": 0.21700285375118256, | |
| "learning_rate": 6.868789138759976e-05, | |
| "loss": 1.3786, | |
| "step": 187 | |
| }, | |
| { | |
| "epoch": 0.6266666666666667, | |
| "grad_norm": 0.2645608186721802, | |
| "learning_rate": 6.766443976832517e-05, | |
| "loss": 1.8447, | |
| "step": 188 | |
| }, | |
| { | |
| "epoch": 0.63, | |
| "grad_norm": 0.23962748050689697, | |
| "learning_rate": 6.664475683491796e-05, | |
| "loss": 1.6991, | |
| "step": 189 | |
| }, | |
| { | |
| "epoch": 0.6333333333333333, | |
| "grad_norm": 0.1541968584060669, | |
| "learning_rate": 6.562896143067734e-05, | |
| "loss": 1.6777, | |
| "step": 190 | |
| }, | |
| { | |
| "epoch": 0.6366666666666667, | |
| "grad_norm": 0.18910759687423706, | |
| "learning_rate": 6.461717194581393e-05, | |
| "loss": 1.6926, | |
| "step": 191 | |
| }, | |
| { | |
| "epoch": 0.64, | |
| "grad_norm": 0.12460765987634659, | |
| "learning_rate": 6.360950630365126e-05, | |
| "loss": 1.2618, | |
| "step": 192 | |
| }, | |
| { | |
| "epoch": 0.6433333333333333, | |
| "grad_norm": 0.1890854835510254, | |
| "learning_rate": 6.260608194688206e-05, | |
| "loss": 1.6225, | |
| "step": 193 | |
| }, | |
| { | |
| "epoch": 0.6466666666666666, | |
| "grad_norm": 0.14857855439186096, | |
| "learning_rate": 6.160701582388038e-05, | |
| "loss": 1.7004, | |
| "step": 194 | |
| }, | |
| { | |
| "epoch": 0.65, | |
| "grad_norm": 0.17963790893554688, | |
| "learning_rate": 6.061242437507131e-05, | |
| "loss": 1.2582, | |
| "step": 195 | |
| }, | |
| { | |
| "epoch": 0.6533333333333333, | |
| "grad_norm": 0.22860835492610931, | |
| "learning_rate": 5.962242351935985e-05, | |
| "loss": 1.7153, | |
| "step": 196 | |
| }, | |
| { | |
| "epoch": 0.6566666666666666, | |
| "grad_norm": 0.11601811647415161, | |
| "learning_rate": 5.863712864062089e-05, | |
| "loss": 1.3152, | |
| "step": 197 | |
| }, | |
| { | |
| "epoch": 0.66, | |
| "grad_norm": 0.2678441107273102, | |
| "learning_rate": 5.765665457425102e-05, | |
| "loss": 1.7089, | |
| "step": 198 | |
| }, | |
| { | |
| "epoch": 0.6633333333333333, | |
| "grad_norm": 0.14132283627986908, | |
| "learning_rate": 5.668111559378471e-05, | |
| "loss": 1.5296, | |
| "step": 199 | |
| }, | |
| { | |
| "epoch": 0.6666666666666666, | |
| "grad_norm": 0.1803818643093109, | |
| "learning_rate": 5.571062539757581e-05, | |
| "loss": 1.7109, | |
| "step": 200 | |
| }, | |
| { | |
| "epoch": 0.67, | |
| "grad_norm": 0.18806160986423492, | |
| "learning_rate": 5.474529709554612e-05, | |
| "loss": 1.564, | |
| "step": 201 | |
| }, | |
| { | |
| "epoch": 0.6733333333333333, | |
| "grad_norm": 0.1855868101119995, | |
| "learning_rate": 5.378524319600231e-05, | |
| "loss": 1.6849, | |
| "step": 202 | |
| }, | |
| { | |
| "epoch": 0.6766666666666666, | |
| "grad_norm": 0.14401951432228088, | |
| "learning_rate": 5.283057559252341e-05, | |
| "loss": 1.6278, | |
| "step": 203 | |
| }, | |
| { | |
| "epoch": 0.68, | |
| "grad_norm": 0.13861948251724243, | |
| "learning_rate": 5.1881405550919493e-05, | |
| "loss": 1.7262, | |
| "step": 204 | |
| }, | |
| { | |
| "epoch": 0.6833333333333333, | |
| "grad_norm": 0.3547126054763794, | |
| "learning_rate": 5.0937843696263966e-05, | |
| "loss": 2.1987, | |
| "step": 205 | |
| }, | |
| { | |
| "epoch": 0.6866666666666666, | |
| "grad_norm": 0.2394469678401947, | |
| "learning_rate": 5.000000000000002e-05, | |
| "loss": 1.7782, | |
| "step": 206 | |
| }, | |
| { | |
| "epoch": 0.69, | |
| "grad_norm": 0.17434202134609222, | |
| "learning_rate": 4.9067983767123736e-05, | |
| "loss": 1.6292, | |
| "step": 207 | |
| }, | |
| { | |
| "epoch": 0.6933333333333334, | |
| "grad_norm": 0.22222231328487396, | |
| "learning_rate": 4.814190362344454e-05, | |
| "loss": 1.8205, | |
| "step": 208 | |
| }, | |
| { | |
| "epoch": 0.6966666666666667, | |
| "grad_norm": 0.14674372971057892, | |
| "learning_rate": 4.722186750292511e-05, | |
| "loss": 1.3575, | |
| "step": 209 | |
| }, | |
| { | |
| "epoch": 0.7, | |
| "grad_norm": 0.23563924431800842, | |
| "learning_rate": 4.630798263510162e-05, | |
| "loss": 2.0979, | |
| "step": 210 | |
| }, | |
| { | |
| "epoch": 0.7033333333333334, | |
| "grad_norm": 0.19721245765686035, | |
| "learning_rate": 4.540035553258619e-05, | |
| "loss": 1.6031, | |
| "step": 211 | |
| }, | |
| { | |
| "epoch": 0.7066666666666667, | |
| "grad_norm": 0.1618299037218094, | |
| "learning_rate": 4.449909197865303e-05, | |
| "loss": 1.7319, | |
| "step": 212 | |
| }, | |
| { | |
| "epoch": 0.71, | |
| "grad_norm": 0.2110472023487091, | |
| "learning_rate": 4.360429701490934e-05, | |
| "loss": 1.8205, | |
| "step": 213 | |
| }, | |
| { | |
| "epoch": 0.7133333333333334, | |
| "grad_norm": 0.16100046038627625, | |
| "learning_rate": 4.271607492905303e-05, | |
| "loss": 1.7695, | |
| "step": 214 | |
| }, | |
| { | |
| "epoch": 0.7166666666666667, | |
| "grad_norm": 0.16993089020252228, | |
| "learning_rate": 4.183452924271776e-05, | |
| "loss": 1.6692, | |
| "step": 215 | |
| }, | |
| { | |
| "epoch": 0.72, | |
| "grad_norm": 0.19697882235050201, | |
| "learning_rate": 4.0959762699407766e-05, | |
| "loss": 1.6532, | |
| "step": 216 | |
| }, | |
| { | |
| "epoch": 0.7233333333333334, | |
| "grad_norm": 0.17745055258274078, | |
| "learning_rate": 4.009187725252309e-05, | |
| "loss": 1.7848, | |
| "step": 217 | |
| }, | |
| { | |
| "epoch": 0.7266666666666667, | |
| "grad_norm": 0.187378391623497, | |
| "learning_rate": 3.9230974053477086e-05, | |
| "loss": 1.656, | |
| "step": 218 | |
| }, | |
| { | |
| "epoch": 0.73, | |
| "grad_norm": 0.15109644830226898, | |
| "learning_rate": 3.8377153439907266e-05, | |
| "loss": 1.5773, | |
| "step": 219 | |
| }, | |
| { | |
| "epoch": 0.7333333333333333, | |
| "grad_norm": 0.1965898722410202, | |
| "learning_rate": 3.7530514923980884e-05, | |
| "loss": 1.7998, | |
| "step": 220 | |
| }, | |
| { | |
| "epoch": 0.7366666666666667, | |
| "grad_norm": 0.13748736679553986, | |
| "learning_rate": 3.669115718079702e-05, | |
| "loss": 1.7072, | |
| "step": 221 | |
| }, | |
| { | |
| "epoch": 0.74, | |
| "grad_norm": 0.16212758421897888, | |
| "learning_rate": 3.585917803688603e-05, | |
| "loss": 1.5043, | |
| "step": 222 | |
| }, | |
| { | |
| "epoch": 0.7433333333333333, | |
| "grad_norm": 0.19969479739665985, | |
| "learning_rate": 3.503467445880789e-05, | |
| "loss": 1.1802, | |
| "step": 223 | |
| }, | |
| { | |
| "epoch": 0.7466666666666667, | |
| "grad_norm": 0.19470465183258057, | |
| "learning_rate": 3.421774254185096e-05, | |
| "loss": 1.7774, | |
| "step": 224 | |
| }, | |
| { | |
| "epoch": 0.75, | |
| "grad_norm": 0.17509035766124725, | |
| "learning_rate": 3.340847749883191e-05, | |
| "loss": 1.7423, | |
| "step": 225 | |
| }, | |
| { | |
| "epoch": 0.7533333333333333, | |
| "grad_norm": 0.16134221851825714, | |
| "learning_rate": 3.2606973648998915e-05, | |
| "loss": 1.7789, | |
| "step": 226 | |
| }, | |
| { | |
| "epoch": 0.7566666666666667, | |
| "grad_norm": 0.13019809126853943, | |
| "learning_rate": 3.1813324407038825e-05, | |
| "loss": 1.6566, | |
| "step": 227 | |
| }, | |
| { | |
| "epoch": 0.76, | |
| "grad_norm": 0.17759770154953003, | |
| "learning_rate": 3.102762227218957e-05, | |
| "loss": 1.7183, | |
| "step": 228 | |
| }, | |
| { | |
| "epoch": 0.7633333333333333, | |
| "grad_norm": 0.22855810821056366, | |
| "learning_rate": 3.0249958817459722e-05, | |
| "loss": 1.4156, | |
| "step": 229 | |
| }, | |
| { | |
| "epoch": 0.7666666666666667, | |
| "grad_norm": 0.18700584769248962, | |
| "learning_rate": 2.9480424678955443e-05, | |
| "loss": 1.36, | |
| "step": 230 | |
| }, | |
| { | |
| "epoch": 0.77, | |
| "grad_norm": 0.23632779717445374, | |
| "learning_rate": 2.8719109545317103e-05, | |
| "loss": 2.4022, | |
| "step": 231 | |
| }, | |
| { | |
| "epoch": 0.7733333333333333, | |
| "grad_norm": 0.225185826420784, | |
| "learning_rate": 2.7966102147265994e-05, | |
| "loss": 1.5102, | |
| "step": 232 | |
| }, | |
| { | |
| "epoch": 0.7766666666666666, | |
| "grad_norm": 0.153280109167099, | |
| "learning_rate": 2.722149024726307e-05, | |
| "loss": 1.6525, | |
| "step": 233 | |
| }, | |
| { | |
| "epoch": 0.78, | |
| "grad_norm": 0.2028931975364685, | |
| "learning_rate": 2.6485360629279987e-05, | |
| "loss": 1.6028, | |
| "step": 234 | |
| }, | |
| { | |
| "epoch": 0.7833333333333333, | |
| "grad_norm": 0.11865737289190292, | |
| "learning_rate": 2.5757799088684654e-05, | |
| "loss": 1.9712, | |
| "step": 235 | |
| }, | |
| { | |
| "epoch": 0.7866666666666666, | |
| "grad_norm": 0.16811503469944, | |
| "learning_rate": 2.5038890422241958e-05, | |
| "loss": 1.8192, | |
| "step": 236 | |
| }, | |
| { | |
| "epoch": 0.79, | |
| "grad_norm": 0.2171882688999176, | |
| "learning_rate": 2.432871841823047e-05, | |
| "loss": 1.8958, | |
| "step": 237 | |
| }, | |
| { | |
| "epoch": 0.7933333333333333, | |
| "grad_norm": 0.1831800788640976, | |
| "learning_rate": 2.3627365846677306e-05, | |
| "loss": 1.8858, | |
| "step": 238 | |
| }, | |
| { | |
| "epoch": 0.7966666666666666, | |
| "grad_norm": 0.1818980723619461, | |
| "learning_rate": 2.2934914449711087e-05, | |
| "loss": 1.8898, | |
| "step": 239 | |
| }, | |
| { | |
| "epoch": 0.8, | |
| "grad_norm": 0.16912035644054413, | |
| "learning_rate": 2.2251444932035094e-05, | |
| "loss": 1.6317, | |
| "step": 240 | |
| }, | |
| { | |
| "epoch": 0.8, | |
| "eval_loss": 1.9515124559402466, | |
| "eval_runtime": 105.7502, | |
| "eval_samples_per_second": 2.837, | |
| "eval_steps_per_second": 0.359, | |
| "step": 240 | |
| }, | |
| { | |
| "epoch": 0.8033333333333333, | |
| "grad_norm": 0.26389726996421814, | |
| "learning_rate": 2.157703695152109e-05, | |
| "loss": 1.5613, | |
| "step": 241 | |
| }, | |
| { | |
| "epoch": 0.8066666666666666, | |
| "grad_norm": 0.17984025180339813, | |
| "learning_rate": 2.091176910992545e-05, | |
| "loss": 1.6669, | |
| "step": 242 | |
| }, | |
| { | |
| "epoch": 0.81, | |
| "grad_norm": 0.2281753122806549, | |
| "learning_rate": 2.025571894372794e-05, | |
| "loss": 1.7596, | |
| "step": 243 | |
| }, | |
| { | |
| "epoch": 0.8133333333333334, | |
| "grad_norm": 0.28229451179504395, | |
| "learning_rate": 1.9608962915094996e-05, | |
| "loss": 1.9176, | |
| "step": 244 | |
| }, | |
| { | |
| "epoch": 0.8166666666666667, | |
| "grad_norm": 0.21417230367660522, | |
| "learning_rate": 1.897157640296825e-05, | |
| "loss": 1.7502, | |
| "step": 245 | |
| }, | |
| { | |
| "epoch": 0.82, | |
| "grad_norm": 0.18738320469856262, | |
| "learning_rate": 1.8343633694278895e-05, | |
| "loss": 2.11, | |
| "step": 246 | |
| }, | |
| { | |
| "epoch": 0.8233333333333334, | |
| "grad_norm": 0.14456549286842346, | |
| "learning_rate": 1.772520797528988e-05, | |
| "loss": 1.868, | |
| "step": 247 | |
| }, | |
| { | |
| "epoch": 0.8266666666666667, | |
| "grad_norm": 0.2031559944152832, | |
| "learning_rate": 1.7116371323065883e-05, | |
| "loss": 1.3048, | |
| "step": 248 | |
| }, | |
| { | |
| "epoch": 0.83, | |
| "grad_norm": 0.49127626419067383, | |
| "learning_rate": 1.65171946970729e-05, | |
| "loss": 1.6597, | |
| "step": 249 | |
| }, | |
| { | |
| "epoch": 0.8333333333333334, | |
| "grad_norm": 0.12952959537506104, | |
| "learning_rate": 1.592774793090792e-05, | |
| "loss": 1.6928, | |
| "step": 250 | |
| }, | |
| { | |
| "epoch": 0.8366666666666667, | |
| "grad_norm": 0.16764536499977112, | |
| "learning_rate": 1.534809972415998e-05, | |
| "loss": 1.2168, | |
| "step": 251 | |
| }, | |
| { | |
| "epoch": 0.84, | |
| "grad_norm": 0.17101448774337769, | |
| "learning_rate": 1.4778317634403083e-05, | |
| "loss": 1.5374, | |
| "step": 252 | |
| }, | |
| { | |
| "epoch": 0.8433333333333334, | |
| "grad_norm": 0.19581882655620575, | |
| "learning_rate": 1.4218468069322578e-05, | |
| "loss": 1.7137, | |
| "step": 253 | |
| }, | |
| { | |
| "epoch": 0.8466666666666667, | |
| "grad_norm": 0.1691337525844574, | |
| "learning_rate": 1.3668616278975343e-05, | |
| "loss": 1.7247, | |
| "step": 254 | |
| }, | |
| { | |
| "epoch": 0.85, | |
| "grad_norm": 0.10976916551589966, | |
| "learning_rate": 1.3128826348184887e-05, | |
| "loss": 1.7101, | |
| "step": 255 | |
| }, | |
| { | |
| "epoch": 0.8533333333333334, | |
| "grad_norm": 0.14474567770957947, | |
| "learning_rate": 1.2599161189072427e-05, | |
| "loss": 1.6163, | |
| "step": 256 | |
| }, | |
| { | |
| "epoch": 0.8566666666666667, | |
| "grad_norm": 0.1492033302783966, | |
| "learning_rate": 1.2079682533724379e-05, | |
| "loss": 1.5831, | |
| "step": 257 | |
| }, | |
| { | |
| "epoch": 0.86, | |
| "grad_norm": 0.500358521938324, | |
| "learning_rate": 1.1570450926997655e-05, | |
| "loss": 1.9243, | |
| "step": 258 | |
| }, | |
| { | |
| "epoch": 0.8633333333333333, | |
| "grad_norm": 0.1507658064365387, | |
| "learning_rate": 1.1071525719463095e-05, | |
| "loss": 1.6014, | |
| "step": 259 | |
| }, | |
| { | |
| "epoch": 0.8666666666666667, | |
| "grad_norm": 0.13210022449493408, | |
| "learning_rate": 1.0582965060488359e-05, | |
| "loss": 1.8596, | |
| "step": 260 | |
| }, | |
| { | |
| "epoch": 0.87, | |
| "grad_norm": 0.18185356259346008, | |
| "learning_rate": 1.010482589146048e-05, | |
| "loss": 1.3959, | |
| "step": 261 | |
| }, | |
| { | |
| "epoch": 0.8733333333333333, | |
| "grad_norm": 0.1475716084241867, | |
| "learning_rate": 9.637163939149485e-06, | |
| "loss": 2.0064, | |
| "step": 262 | |
| }, | |
| { | |
| "epoch": 0.8766666666666667, | |
| "grad_norm": 0.20647890865802765, | |
| "learning_rate": 9.180033709213454e-06, | |
| "loss": 1.9017, | |
| "step": 263 | |
| }, | |
| { | |
| "epoch": 0.88, | |
| "grad_norm": 0.16821038722991943, | |
| "learning_rate": 8.733488479845997e-06, | |
| "loss": 1.4959, | |
| "step": 264 | |
| }, | |
| { | |
| "epoch": 0.8833333333333333, | |
| "grad_norm": 0.2551242709159851, | |
| "learning_rate": 8.297580295566575e-06, | |
| "loss": 1.7765, | |
| "step": 265 | |
| }, | |
| { | |
| "epoch": 0.8866666666666667, | |
| "grad_norm": 0.1547422707080841, | |
| "learning_rate": 7.872359961154906e-06, | |
| "loss": 1.9658, | |
| "step": 266 | |
| }, | |
| { | |
| "epoch": 0.89, | |
| "grad_norm": 0.19091367721557617, | |
| "learning_rate": 7.457877035729588e-06, | |
| "loss": 1.4526, | |
| "step": 267 | |
| }, | |
| { | |
| "epoch": 0.8933333333333333, | |
| "grad_norm": 0.18940412998199463, | |
| "learning_rate": 7.054179826972074e-06, | |
| "loss": 1.9816, | |
| "step": 268 | |
| }, | |
| { | |
| "epoch": 0.8966666666666666, | |
| "grad_norm": 0.20087075233459473, | |
| "learning_rate": 6.661315385496425e-06, | |
| "loss": 1.9941, | |
| "step": 269 | |
| }, | |
| { | |
| "epoch": 0.9, | |
| "grad_norm": 0.13561421632766724, | |
| "learning_rate": 6.2793294993656494e-06, | |
| "loss": 1.9879, | |
| "step": 270 | |
| }, | |
| { | |
| "epoch": 0.9033333333333333, | |
| "grad_norm": 0.13483434915542603, | |
| "learning_rate": 5.908266688755049e-06, | |
| "loss": 1.6953, | |
| "step": 271 | |
| }, | |
| { | |
| "epoch": 0.9066666666666666, | |
| "grad_norm": 0.19798149168491364, | |
| "learning_rate": 5.54817020076347e-06, | |
| "loss": 1.6216, | |
| "step": 272 | |
| }, | |
| { | |
| "epoch": 0.91, | |
| "grad_norm": 0.15632538497447968, | |
| "learning_rate": 5.199082004372957e-06, | |
| "loss": 1.7665, | |
| "step": 273 | |
| }, | |
| { | |
| "epoch": 0.9133333333333333, | |
| "grad_norm": 0.18586932122707367, | |
| "learning_rate": 4.861042785557146e-06, | |
| "loss": 2.0123, | |
| "step": 274 | |
| }, | |
| { | |
| "epoch": 0.9166666666666666, | |
| "grad_norm": 0.16410577297210693, | |
| "learning_rate": 4.534091942539475e-06, | |
| "loss": 1.7443, | |
| "step": 275 | |
| }, | |
| { | |
| "epoch": 0.92, | |
| "grad_norm": 0.1842477172613144, | |
| "learning_rate": 4.2182675812012965e-06, | |
| "loss": 1.528, | |
| "step": 276 | |
| }, | |
| { | |
| "epoch": 0.9233333333333333, | |
| "grad_norm": 0.1795828491449356, | |
| "learning_rate": 3.913606510640644e-06, | |
| "loss": 1.6607, | |
| "step": 277 | |
| }, | |
| { | |
| "epoch": 0.9266666666666666, | |
| "grad_norm": 0.24803687632083893, | |
| "learning_rate": 3.620144238882206e-06, | |
| "loss": 1.5034, | |
| "step": 278 | |
| }, | |
| { | |
| "epoch": 0.93, | |
| "grad_norm": 0.23375527560710907, | |
| "learning_rate": 3.3379149687388867e-06, | |
| "loss": 1.7486, | |
| "step": 279 | |
| }, | |
| { | |
| "epoch": 0.9333333333333333, | |
| "grad_norm": 0.1961246132850647, | |
| "learning_rate": 3.06695159382544e-06, | |
| "loss": 1.4684, | |
| "step": 280 | |
| }, | |
| { | |
| "epoch": 0.9366666666666666, | |
| "grad_norm": 0.17305491864681244, | |
| "learning_rate": 2.8072856947248037e-06, | |
| "loss": 1.8544, | |
| "step": 281 | |
| }, | |
| { | |
| "epoch": 0.94, | |
| "grad_norm": 0.1923137605190277, | |
| "learning_rate": 2.5589475353073988e-06, | |
| "loss": 1.8947, | |
| "step": 282 | |
| }, | |
| { | |
| "epoch": 0.9433333333333334, | |
| "grad_norm": 0.14171859622001648, | |
| "learning_rate": 2.3219660592038285e-06, | |
| "loss": 2.1618, | |
| "step": 283 | |
| }, | |
| { | |
| "epoch": 0.9466666666666667, | |
| "grad_norm": 0.13578371703624725, | |
| "learning_rate": 2.0963688864316323e-06, | |
| "loss": 1.9193, | |
| "step": 284 | |
| }, | |
| { | |
| "epoch": 0.95, | |
| "grad_norm": 0.20825190842151642, | |
| "learning_rate": 1.882182310176095e-06, | |
| "loss": 1.7954, | |
| "step": 285 | |
| }, | |
| { | |
| "epoch": 0.9533333333333334, | |
| "grad_norm": 0.16706398129463196, | |
| "learning_rate": 1.6794312937258417e-06, | |
| "loss": 2.1252, | |
| "step": 286 | |
| }, | |
| { | |
| "epoch": 0.9566666666666667, | |
| "grad_norm": 0.11100097745656967, | |
| "learning_rate": 1.488139467563354e-06, | |
| "loss": 1.4543, | |
| "step": 287 | |
| }, | |
| { | |
| "epoch": 0.96, | |
| "grad_norm": 0.16676479578018188, | |
| "learning_rate": 1.30832912661093e-06, | |
| "loss": 1.7001, | |
| "step": 288 | |
| }, | |
| { | |
| "epoch": 0.9633333333333334, | |
| "grad_norm": 0.14126090705394745, | |
| "learning_rate": 1.1400212276321376e-06, | |
| "loss": 1.4247, | |
| "step": 289 | |
| }, | |
| { | |
| "epoch": 0.9666666666666667, | |
| "grad_norm": 0.15663489699363708, | |
| "learning_rate": 9.832353867893386e-07, | |
| "loss": 0.9358, | |
| "step": 290 | |
| }, | |
| { | |
| "epoch": 0.97, | |
| "grad_norm": 0.2205333262681961, | |
| "learning_rate": 8.379898773574924e-07, | |
| "loss": 1.6609, | |
| "step": 291 | |
| }, | |
| { | |
| "epoch": 0.9733333333333334, | |
| "grad_norm": 0.1646774411201477, | |
| "learning_rate": 7.043016275943615e-07, | |
| "loss": 1.8591, | |
| "step": 292 | |
| }, | |
| { | |
| "epoch": 0.9766666666666667, | |
| "grad_norm": 0.20356421172618866, | |
| "learning_rate": 5.821862187675775e-07, | |
| "loss": 1.9469, | |
| "step": 293 | |
| }, | |
| { | |
| "epoch": 0.98, | |
| "grad_norm": 0.17772065103054047, | |
| "learning_rate": 4.7165788333860536e-07, | |
| "loss": 1.0896, | |
| "step": 294 | |
| }, | |
| { | |
| "epoch": 0.9833333333333333, | |
| "grad_norm": 0.1542958915233612, | |
| "learning_rate": 3.727295033040035e-07, | |
| "loss": 1.5185, | |
| "step": 295 | |
| }, | |
| { | |
| "epoch": 0.9866666666666667, | |
| "grad_norm": 0.1795244961977005, | |
| "learning_rate": 2.854126086940356e-07, | |
| "loss": 1.7396, | |
| "step": 296 | |
| }, | |
| { | |
| "epoch": 0.99, | |
| "grad_norm": 0.16536656022071838, | |
| "learning_rate": 2.0971737622883515e-07, | |
| "loss": 1.7716, | |
| "step": 297 | |
| }, | |
| { | |
| "epoch": 0.9933333333333333, | |
| "grad_norm": 0.20850741863250732, | |
| "learning_rate": 1.4565262813230894e-07, | |
| "loss": 1.2772, | |
| "step": 298 | |
| }, | |
| { | |
| "epoch": 0.9966666666666667, | |
| "grad_norm": 0.16341620683670044, | |
| "learning_rate": 9.32258311039269e-08, | |
| "loss": 1.5941, | |
| "step": 299 | |
| }, | |
| { | |
| "epoch": 1.0, | |
| "grad_norm": 0.19970038533210754, | |
| "learning_rate": 5.2443095448506674e-08, | |
| "loss": 1.7513, | |
| "step": 300 | |
| }, | |
| { | |
| "epoch": 1.0, | |
| "eval_loss": 1.9492239952087402, | |
| "eval_runtime": 107.0008, | |
| "eval_samples_per_second": 2.804, | |
| "eval_steps_per_second": 0.355, | |
| "step": 300 | |
| } | |
| ], | |
| "logging_steps": 1, | |
| "max_steps": 300, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 1, | |
| "save_steps": 500, | |
| "stateful_callbacks": { | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": true | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 1.3809234445438157e+17, | |
| "train_batch_size": 1, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |