| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 0.1, | |
| "eval_steps": 500, | |
| "global_step": 2000, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.0, | |
| "grad_norm": 83.0, | |
| "learning_rate": 2e-08, | |
| "loss": 7.8413, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.0, | |
| "grad_norm": 82.0, | |
| "learning_rate": 4e-08, | |
| "loss": 7.8305, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.0, | |
| "grad_norm": 84.0, | |
| "learning_rate": 6e-08, | |
| "loss": 7.8515, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.0, | |
| "grad_norm": 83.5, | |
| "learning_rate": 8e-08, | |
| "loss": 7.8284, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.0, | |
| "grad_norm": 82.0, | |
| "learning_rate": 1e-07, | |
| "loss": 7.8162, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.0, | |
| "grad_norm": 83.5, | |
| "learning_rate": 1.2e-07, | |
| "loss": 7.8523, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 0.0, | |
| "grad_norm": 81.0, | |
| "learning_rate": 1.4e-07, | |
| "loss": 7.8326, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 0.0, | |
| "grad_norm": 83.0, | |
| "learning_rate": 1.6e-07, | |
| "loss": 7.8242, | |
| "step": 80 | |
| }, | |
| { | |
| "epoch": 0.0, | |
| "grad_norm": 81.5, | |
| "learning_rate": 1.8e-07, | |
| "loss": 7.8319, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 81.5, | |
| "learning_rate": 2e-07, | |
| "loss": 7.8175, | |
| "step": 100 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 83.0, | |
| "learning_rate": 2.1999999999999998e-07, | |
| "loss": 7.8136, | |
| "step": 110 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 81.5, | |
| "learning_rate": 2.4e-07, | |
| "loss": 7.846, | |
| "step": 120 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 82.5, | |
| "learning_rate": 2.6e-07, | |
| "loss": 7.8039, | |
| "step": 130 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 82.5, | |
| "learning_rate": 2.8e-07, | |
| "loss": 7.8113, | |
| "step": 140 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 82.5, | |
| "learning_rate": 3e-07, | |
| "loss": 7.7837, | |
| "step": 150 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 80.5, | |
| "learning_rate": 3.2e-07, | |
| "loss": 7.7796, | |
| "step": 160 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 82.0, | |
| "learning_rate": 3.4000000000000003e-07, | |
| "loss": 7.8044, | |
| "step": 170 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 81.5, | |
| "learning_rate": 3.6e-07, | |
| "loss": 7.7643, | |
| "step": 180 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 82.0, | |
| "learning_rate": 3.7999999999999996e-07, | |
| "loss": 7.7304, | |
| "step": 190 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 82.0, | |
| "learning_rate": 4e-07, | |
| "loss": 7.7071, | |
| "step": 200 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 80.5, | |
| "learning_rate": 4.1999999999999995e-07, | |
| "loss": 7.7164, | |
| "step": 210 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 82.5, | |
| "learning_rate": 4.3999999999999997e-07, | |
| "loss": 7.7243, | |
| "step": 220 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 80.5, | |
| "learning_rate": 4.6e-07, | |
| "loss": 7.6916, | |
| "step": 230 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 81.0, | |
| "learning_rate": 4.8e-07, | |
| "loss": 7.6749, | |
| "step": 240 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 80.5, | |
| "learning_rate": 5e-07, | |
| "loss": 7.6817, | |
| "step": 250 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 81.0, | |
| "learning_rate": 5.2e-07, | |
| "loss": 7.6871, | |
| "step": 260 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 80.5, | |
| "learning_rate": 5.4e-07, | |
| "loss": 7.6558, | |
| "step": 270 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 80.5, | |
| "learning_rate": 5.6e-07, | |
| "loss": 7.5715, | |
| "step": 280 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 79.0, | |
| "learning_rate": 5.8e-07, | |
| "loss": 7.5422, | |
| "step": 290 | |
| }, | |
| { | |
| "epoch": 0.01, | |
| "grad_norm": 80.0, | |
| "learning_rate": 6e-07, | |
| "loss": 7.4936, | |
| "step": 300 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 78.5, | |
| "learning_rate": 6.2e-07, | |
| "loss": 7.4695, | |
| "step": 310 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 79.0, | |
| "learning_rate": 6.4e-07, | |
| "loss": 7.4154, | |
| "step": 320 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 78.0, | |
| "learning_rate": 6.6e-07, | |
| "loss": 7.3668, | |
| "step": 330 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 79.0, | |
| "learning_rate": 6.800000000000001e-07, | |
| "loss": 7.3532, | |
| "step": 340 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 77.5, | |
| "learning_rate": 7e-07, | |
| "loss": 7.2727, | |
| "step": 350 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 77.5, | |
| "learning_rate": 7.2e-07, | |
| "loss": 7.2473, | |
| "step": 360 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 78.0, | |
| "learning_rate": 7.4e-07, | |
| "loss": 7.236, | |
| "step": 370 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 77.5, | |
| "learning_rate": 7.599999999999999e-07, | |
| "loss": 7.1711, | |
| "step": 380 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 77.5, | |
| "learning_rate": 7.799999999999999e-07, | |
| "loss": 7.1217, | |
| "step": 390 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 77.5, | |
| "learning_rate": 8e-07, | |
| "loss": 7.1038, | |
| "step": 400 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 78.0, | |
| "learning_rate": 8.199999999999999e-07, | |
| "loss": 7.0849, | |
| "step": 410 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 78.0, | |
| "learning_rate": 8.399999999999999e-07, | |
| "loss": 7.0331, | |
| "step": 420 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 77.0, | |
| "learning_rate": 8.599999999999999e-07, | |
| "loss": 6.9839, | |
| "step": 430 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 77.0, | |
| "learning_rate": 8.799999999999999e-07, | |
| "loss": 6.962, | |
| "step": 440 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 77.0, | |
| "learning_rate": 9e-07, | |
| "loss": 6.9108, | |
| "step": 450 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 77.5, | |
| "learning_rate": 9.2e-07, | |
| "loss": 6.8641, | |
| "step": 460 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 77.5, | |
| "learning_rate": 9.399999999999999e-07, | |
| "loss": 6.7994, | |
| "step": 470 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 77.0, | |
| "learning_rate": 9.6e-07, | |
| "loss": 6.7141, | |
| "step": 480 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 77.0, | |
| "learning_rate": 9.8e-07, | |
| "loss": 6.6188, | |
| "step": 490 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 77.5, | |
| "learning_rate": 1e-06, | |
| "loss": 6.4929, | |
| "step": 500 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "eval_loss": 6.463568210601807, | |
| "eval_runtime": 65.3176, | |
| "eval_samples_per_second": 15.31, | |
| "eval_steps_per_second": 15.31, | |
| "step": 500 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 77.5, | |
| "learning_rate": 9.933333333333333e-07, | |
| "loss": 6.4003, | |
| "step": 510 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 77.5, | |
| "learning_rate": 9.866666666666666e-07, | |
| "loss": 6.2969, | |
| "step": 520 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 78.5, | |
| "learning_rate": 9.8e-07, | |
| "loss": 6.19, | |
| "step": 530 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 78.0, | |
| "learning_rate": 9.733333333333333e-07, | |
| "loss": 6.0401, | |
| "step": 540 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 79.0, | |
| "learning_rate": 9.666666666666666e-07, | |
| "loss": 5.9727, | |
| "step": 550 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 80.0, | |
| "learning_rate": 9.6e-07, | |
| "loss": 5.821, | |
| "step": 560 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 80.5, | |
| "learning_rate": 9.533333333333333e-07, | |
| "loss": 5.6864, | |
| "step": 570 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 80.5, | |
| "learning_rate": 9.466666666666666e-07, | |
| "loss": 5.5677, | |
| "step": 580 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 81.5, | |
| "learning_rate": 9.399999999999999e-07, | |
| "loss": 5.4587, | |
| "step": 590 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 82.0, | |
| "learning_rate": 9.333333333333333e-07, | |
| "loss": 5.3674, | |
| "step": 600 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 83.5, | |
| "learning_rate": 9.266666666666665e-07, | |
| "loss": 5.2343, | |
| "step": 610 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 83.5, | |
| "learning_rate": 9.2e-07, | |
| "loss": 5.1118, | |
| "step": 620 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 83.5, | |
| "learning_rate": 9.133333333333333e-07, | |
| "loss": 5.0416, | |
| "step": 630 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 85.5, | |
| "learning_rate": 9.066666666666665e-07, | |
| "loss": 4.9311, | |
| "step": 640 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 86.0, | |
| "learning_rate": 9e-07, | |
| "loss": 4.8409, | |
| "step": 650 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 86.5, | |
| "learning_rate": 8.933333333333333e-07, | |
| "loss": 4.7077, | |
| "step": 660 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 87.5, | |
| "learning_rate": 8.866666666666667e-07, | |
| "loss": 4.6436, | |
| "step": 670 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 86.0, | |
| "learning_rate": 8.799999999999999e-07, | |
| "loss": 4.5543, | |
| "step": 680 | |
| }, | |
| { | |
| "epoch": 0.03, | |
| "grad_norm": 87.0, | |
| "learning_rate": 8.733333333333333e-07, | |
| "loss": 4.473, | |
| "step": 690 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 87.0, | |
| "learning_rate": 8.666666666666667e-07, | |
| "loss": 4.373, | |
| "step": 700 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 88.5, | |
| "learning_rate": 8.599999999999999e-07, | |
| "loss": 4.3226, | |
| "step": 710 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 87.5, | |
| "learning_rate": 8.533333333333334e-07, | |
| "loss": 4.2063, | |
| "step": 720 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 87.5, | |
| "learning_rate": 8.466666666666667e-07, | |
| "loss": 4.1628, | |
| "step": 730 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 86.5, | |
| "learning_rate": 8.399999999999999e-07, | |
| "loss": 4.0588, | |
| "step": 740 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 88.0, | |
| "learning_rate": 8.333333333333333e-07, | |
| "loss": 4.0117, | |
| "step": 750 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 88.0, | |
| "learning_rate": 8.266666666666667e-07, | |
| "loss": 3.9443, | |
| "step": 760 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 88.5, | |
| "learning_rate": 8.199999999999999e-07, | |
| "loss": 3.8509, | |
| "step": 770 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 88.0, | |
| "learning_rate": 8.133333333333333e-07, | |
| "loss": 3.7851, | |
| "step": 780 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 87.5, | |
| "learning_rate": 8.066666666666666e-07, | |
| "loss": 3.7559, | |
| "step": 790 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 87.0, | |
| "learning_rate": 8e-07, | |
| "loss": 3.6867, | |
| "step": 800 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 88.0, | |
| "learning_rate": 7.933333333333333e-07, | |
| "loss": 3.6217, | |
| "step": 810 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 86.5, | |
| "learning_rate": 7.866666666666666e-07, | |
| "loss": 3.5678, | |
| "step": 820 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 86.5, | |
| "learning_rate": 7.799999999999999e-07, | |
| "loss": 3.5387, | |
| "step": 830 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 86.5, | |
| "learning_rate": 7.733333333333333e-07, | |
| "loss": 3.4999, | |
| "step": 840 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 87.0, | |
| "learning_rate": 7.666666666666667e-07, | |
| "loss": 3.4263, | |
| "step": 850 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 87.0, | |
| "learning_rate": 7.599999999999999e-07, | |
| "loss": 3.4185, | |
| "step": 860 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 86.0, | |
| "learning_rate": 7.533333333333332e-07, | |
| "loss": 3.3753, | |
| "step": 870 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 86.0, | |
| "learning_rate": 7.466666666666667e-07, | |
| "loss": 3.318, | |
| "step": 880 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 85.5, | |
| "learning_rate": 7.4e-07, | |
| "loss": 3.2846, | |
| "step": 890 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 86.5, | |
| "learning_rate": 7.333333333333332e-07, | |
| "loss": 3.2757, | |
| "step": 900 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 85.0, | |
| "learning_rate": 7.266666666666667e-07, | |
| "loss": 3.2204, | |
| "step": 910 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 87.0, | |
| "learning_rate": 7.2e-07, | |
| "loss": 3.1933, | |
| "step": 920 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 85.0, | |
| "learning_rate": 7.133333333333333e-07, | |
| "loss": 3.1404, | |
| "step": 930 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 84.5, | |
| "learning_rate": 7.066666666666666e-07, | |
| "loss": 3.1084, | |
| "step": 940 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 83.5, | |
| "learning_rate": 7e-07, | |
| "loss": 3.0518, | |
| "step": 950 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 84.5, | |
| "learning_rate": 6.933333333333333e-07, | |
| "loss": 3.0331, | |
| "step": 960 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 84.0, | |
| "learning_rate": 6.866666666666666e-07, | |
| "loss": 3.0252, | |
| "step": 970 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 83.0, | |
| "learning_rate": 6.800000000000001e-07, | |
| "loss": 2.9718, | |
| "step": 980 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 84.0, | |
| "learning_rate": 6.733333333333333e-07, | |
| "loss": 2.9666, | |
| "step": 990 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 82.0, | |
| "learning_rate": 6.666666666666666e-07, | |
| "loss": 2.9071, | |
| "step": 1000 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "eval_loss": 2.927218437194824, | |
| "eval_runtime": 65.2971, | |
| "eval_samples_per_second": 15.315, | |
| "eval_steps_per_second": 15.315, | |
| "step": 1000 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 83.5, | |
| "learning_rate": 6.6e-07, | |
| "loss": 2.9056, | |
| "step": 1010 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 83.0, | |
| "learning_rate": 6.533333333333333e-07, | |
| "loss": 2.8741, | |
| "step": 1020 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 83.5, | |
| "learning_rate": 6.466666666666666e-07, | |
| "loss": 2.8856, | |
| "step": 1030 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 83.5, | |
| "learning_rate": 6.4e-07, | |
| "loss": 2.8256, | |
| "step": 1040 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 82.5, | |
| "learning_rate": 6.333333333333332e-07, | |
| "loss": 2.8308, | |
| "step": 1050 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 84.0, | |
| "learning_rate": 6.266666666666667e-07, | |
| "loss": 2.8299, | |
| "step": 1060 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 83.0, | |
| "learning_rate": 6.2e-07, | |
| "loss": 2.7982, | |
| "step": 1070 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 82.5, | |
| "learning_rate": 6.133333333333332e-07, | |
| "loss": 2.7887, | |
| "step": 1080 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 83.0, | |
| "learning_rate": 6.066666666666666e-07, | |
| "loss": 2.7436, | |
| "step": 1090 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 83.0, | |
| "learning_rate": 6e-07, | |
| "loss": 2.7838, | |
| "step": 1100 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 82.0, | |
| "learning_rate": 5.933333333333334e-07, | |
| "loss": 2.7444, | |
| "step": 1110 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 83.0, | |
| "learning_rate": 5.866666666666666e-07, | |
| "loss": 2.7411, | |
| "step": 1120 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 82.5, | |
| "learning_rate": 5.8e-07, | |
| "loss": 2.7418, | |
| "step": 1130 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 81.5, | |
| "learning_rate": 5.733333333333334e-07, | |
| "loss": 2.7021, | |
| "step": 1140 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 82.0, | |
| "learning_rate": 5.666666666666666e-07, | |
| "loss": 2.7303, | |
| "step": 1150 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 83.0, | |
| "learning_rate": 5.6e-07, | |
| "loss": 2.7109, | |
| "step": 1160 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 83.5, | |
| "learning_rate": 5.533333333333334e-07, | |
| "loss": 2.7083, | |
| "step": 1170 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 83.0, | |
| "learning_rate": 5.466666666666666e-07, | |
| "loss": 2.7078, | |
| "step": 1180 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 82.5, | |
| "learning_rate": 5.4e-07, | |
| "loss": 2.727, | |
| "step": 1190 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 81.5, | |
| "learning_rate": 5.333333333333333e-07, | |
| "loss": 2.6749, | |
| "step": 1200 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 83.5, | |
| "learning_rate": 5.266666666666666e-07, | |
| "loss": 2.7182, | |
| "step": 1210 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 83.5, | |
| "learning_rate": 5.2e-07, | |
| "loss": 2.6814, | |
| "step": 1220 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 82.0, | |
| "learning_rate": 5.133333333333333e-07, | |
| "loss": 2.7148, | |
| "step": 1230 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 82.5, | |
| "learning_rate": 5.066666666666667e-07, | |
| "loss": 2.6929, | |
| "step": 1240 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 82.0, | |
| "learning_rate": 5e-07, | |
| "loss": 2.664, | |
| "step": 1250 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 82.0, | |
| "learning_rate": 4.933333333333333e-07, | |
| "loss": 2.6901, | |
| "step": 1260 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 82.0, | |
| "learning_rate": 4.866666666666666e-07, | |
| "loss": 2.6883, | |
| "step": 1270 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 81.5, | |
| "learning_rate": 4.8e-07, | |
| "loss": 2.6782, | |
| "step": 1280 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 81.0, | |
| "learning_rate": 4.733333333333333e-07, | |
| "loss": 2.6456, | |
| "step": 1290 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 81.0, | |
| "learning_rate": 4.6666666666666666e-07, | |
| "loss": 2.648, | |
| "step": 1300 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 81.5, | |
| "learning_rate": 4.6e-07, | |
| "loss": 2.6704, | |
| "step": 1310 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 81.5, | |
| "learning_rate": 4.5333333333333326e-07, | |
| "loss": 2.7021, | |
| "step": 1320 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 81.0, | |
| "learning_rate": 4.4666666666666664e-07, | |
| "loss": 2.6636, | |
| "step": 1330 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 81.5, | |
| "learning_rate": 4.3999999999999997e-07, | |
| "loss": 2.6572, | |
| "step": 1340 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 82.5, | |
| "learning_rate": 4.3333333333333335e-07, | |
| "loss": 2.6371, | |
| "step": 1350 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 81.5, | |
| "learning_rate": 4.266666666666667e-07, | |
| "loss": 2.5982, | |
| "step": 1360 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 82.5, | |
| "learning_rate": 4.1999999999999995e-07, | |
| "loss": 2.6661, | |
| "step": 1370 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 82.5, | |
| "learning_rate": 4.1333333333333333e-07, | |
| "loss": 2.6486, | |
| "step": 1380 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 81.0, | |
| "learning_rate": 4.0666666666666666e-07, | |
| "loss": 2.6539, | |
| "step": 1390 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 82.0, | |
| "learning_rate": 4e-07, | |
| "loss": 2.6366, | |
| "step": 1400 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 82.0, | |
| "learning_rate": 3.933333333333333e-07, | |
| "loss": 2.6239, | |
| "step": 1410 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 82.5, | |
| "learning_rate": 3.8666666666666664e-07, | |
| "loss": 2.6454, | |
| "step": 1420 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 82.0, | |
| "learning_rate": 3.7999999999999996e-07, | |
| "loss": 2.6683, | |
| "step": 1430 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 81.5, | |
| "learning_rate": 3.7333333333333334e-07, | |
| "loss": 2.6349, | |
| "step": 1440 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 82.0, | |
| "learning_rate": 3.666666666666666e-07, | |
| "loss": 2.6492, | |
| "step": 1450 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 83.0, | |
| "learning_rate": 3.6e-07, | |
| "loss": 2.6264, | |
| "step": 1460 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 82.0, | |
| "learning_rate": 3.533333333333333e-07, | |
| "loss": 2.6021, | |
| "step": 1470 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 81.5, | |
| "learning_rate": 3.4666666666666665e-07, | |
| "loss": 2.6382, | |
| "step": 1480 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 82.0, | |
| "learning_rate": 3.4000000000000003e-07, | |
| "loss": 2.6441, | |
| "step": 1490 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "grad_norm": 83.0, | |
| "learning_rate": 3.333333333333333e-07, | |
| "loss": 2.6279, | |
| "step": 1500 | |
| }, | |
| { | |
| "epoch": 0.07, | |
| "eval_loss": 2.6444902420043945, | |
| "eval_runtime": 65.2696, | |
| "eval_samples_per_second": 15.321, | |
| "eval_steps_per_second": 15.321, | |
| "step": 1500 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 82.5, | |
| "learning_rate": 3.2666666666666663e-07, | |
| "loss": 2.625, | |
| "step": 1510 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 82.0, | |
| "learning_rate": 3.2e-07, | |
| "loss": 2.6214, | |
| "step": 1520 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 82.0, | |
| "learning_rate": 3.1333333333333333e-07, | |
| "loss": 2.6139, | |
| "step": 1530 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 81.5, | |
| "learning_rate": 3.066666666666666e-07, | |
| "loss": 2.6246, | |
| "step": 1540 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 81.0, | |
| "learning_rate": 3e-07, | |
| "loss": 2.6358, | |
| "step": 1550 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 81.5, | |
| "learning_rate": 2.933333333333333e-07, | |
| "loss": 2.6655, | |
| "step": 1560 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 81.5, | |
| "learning_rate": 2.866666666666667e-07, | |
| "loss": 2.6385, | |
| "step": 1570 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 81.0, | |
| "learning_rate": 2.8e-07, | |
| "loss": 2.6439, | |
| "step": 1580 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 84.0, | |
| "learning_rate": 2.733333333333333e-07, | |
| "loss": 2.6176, | |
| "step": 1590 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 82.5, | |
| "learning_rate": 2.6666666666666667e-07, | |
| "loss": 2.622, | |
| "step": 1600 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 81.0, | |
| "learning_rate": 2.6e-07, | |
| "loss": 2.6515, | |
| "step": 1610 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 82.0, | |
| "learning_rate": 2.533333333333333e-07, | |
| "loss": 2.6008, | |
| "step": 1620 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 82.5, | |
| "learning_rate": 2.4666666666666665e-07, | |
| "loss": 2.6303, | |
| "step": 1630 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 82.0, | |
| "learning_rate": 2.4e-07, | |
| "loss": 2.6118, | |
| "step": 1640 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 82.5, | |
| "learning_rate": 2.3333333333333333e-07, | |
| "loss": 2.6484, | |
| "step": 1650 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 82.0, | |
| "learning_rate": 2.2666666666666663e-07, | |
| "loss": 2.6255, | |
| "step": 1660 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 83.5, | |
| "learning_rate": 2.1999999999999998e-07, | |
| "loss": 2.6415, | |
| "step": 1670 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 81.0, | |
| "learning_rate": 2.1333333333333334e-07, | |
| "loss": 2.6121, | |
| "step": 1680 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 83.0, | |
| "learning_rate": 2.0666666666666666e-07, | |
| "loss": 2.6606, | |
| "step": 1690 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 82.5, | |
| "learning_rate": 2e-07, | |
| "loss": 2.6721, | |
| "step": 1700 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 82.0, | |
| "learning_rate": 1.9333333333333332e-07, | |
| "loss": 2.6079, | |
| "step": 1710 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 82.0, | |
| "learning_rate": 1.8666666666666667e-07, | |
| "loss": 2.6576, | |
| "step": 1720 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 83.5, | |
| "learning_rate": 1.8e-07, | |
| "loss": 2.6275, | |
| "step": 1730 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 82.0, | |
| "learning_rate": 1.7333333333333332e-07, | |
| "loss": 2.6288, | |
| "step": 1740 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 83.0, | |
| "learning_rate": 1.6666666666666665e-07, | |
| "loss": 2.6439, | |
| "step": 1750 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 82.5, | |
| "learning_rate": 1.6e-07, | |
| "loss": 2.609, | |
| "step": 1760 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 83.5, | |
| "learning_rate": 1.533333333333333e-07, | |
| "loss": 2.6129, | |
| "step": 1770 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 83.5, | |
| "learning_rate": 1.4666666666666666e-07, | |
| "loss": 2.6692, | |
| "step": 1780 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 82.0, | |
| "learning_rate": 1.4e-07, | |
| "loss": 2.6199, | |
| "step": 1790 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 82.5, | |
| "learning_rate": 1.3333333333333334e-07, | |
| "loss": 2.6233, | |
| "step": 1800 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 82.0, | |
| "learning_rate": 1.2666666666666666e-07, | |
| "loss": 2.6557, | |
| "step": 1810 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 82.0, | |
| "learning_rate": 1.2e-07, | |
| "loss": 2.6568, | |
| "step": 1820 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 83.0, | |
| "learning_rate": 1.1333333333333332e-07, | |
| "loss": 2.6395, | |
| "step": 1830 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 82.0, | |
| "learning_rate": 1.0666666666666667e-07, | |
| "loss": 2.6145, | |
| "step": 1840 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 83.0, | |
| "learning_rate": 1e-07, | |
| "loss": 2.6939, | |
| "step": 1850 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 81.5, | |
| "learning_rate": 9.333333333333334e-08, | |
| "loss": 2.6583, | |
| "step": 1860 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 81.5, | |
| "learning_rate": 8.666666666666666e-08, | |
| "loss": 2.6327, | |
| "step": 1870 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 82.5, | |
| "learning_rate": 8e-08, | |
| "loss": 2.6108, | |
| "step": 1880 | |
| }, | |
| { | |
| "epoch": 0.09, | |
| "grad_norm": 83.5, | |
| "learning_rate": 7.333333333333333e-08, | |
| "loss": 2.6593, | |
| "step": 1890 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 82.5, | |
| "learning_rate": 6.666666666666667e-08, | |
| "loss": 2.6176, | |
| "step": 1900 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 82.0, | |
| "learning_rate": 6e-08, | |
| "loss": 2.6241, | |
| "step": 1910 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 82.0, | |
| "learning_rate": 5.3333333333333334e-08, | |
| "loss": 2.6238, | |
| "step": 1920 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 83.0, | |
| "learning_rate": 4.666666666666667e-08, | |
| "loss": 2.614, | |
| "step": 1930 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 82.5, | |
| "learning_rate": 4e-08, | |
| "loss": 2.6216, | |
| "step": 1940 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 82.0, | |
| "learning_rate": 3.3333333333333334e-08, | |
| "loss": 2.6061, | |
| "step": 1950 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 81.5, | |
| "learning_rate": 2.6666666666666667e-08, | |
| "loss": 2.6504, | |
| "step": 1960 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 82.0, | |
| "learning_rate": 2e-08, | |
| "loss": 2.6582, | |
| "step": 1970 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 81.0, | |
| "learning_rate": 1.3333333333333334e-08, | |
| "loss": 2.6229, | |
| "step": 1980 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 81.5, | |
| "learning_rate": 6.666666666666667e-09, | |
| "loss": 2.6172, | |
| "step": 1990 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 81.0, | |
| "learning_rate": 0.0, | |
| "loss": 2.6289, | |
| "step": 2000 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "eval_loss": 2.629669427871704, | |
| "eval_runtime": 65.1949, | |
| "eval_samples_per_second": 15.339, | |
| "eval_steps_per_second": 15.339, | |
| "step": 2000 | |
| } | |
| ], | |
| "logging_steps": 10, | |
| "max_steps": 2000, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 1, | |
| "save_steps": 500, | |
| "total_flos": 3.227844083712e+16, | |
| "train_batch_size": 1, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |