Uploaded checkpoint-1000
Browse files- model.safetensors +1 -1
- optimizer.pt +1 -1
- rng_state.pth +1 -1
- scheduler.pt +1 -1
- trainer_state.json +361 -3
model.safetensors
CHANGED
|
@@ -1,3 +1,3 @@
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
-
oid sha256:
|
| 3 |
size 2836579040
|
|
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:8df485eb75151b4fd00a3914576c95caa2a4214411c302f7113d6a4831144454
|
| 3 |
size 2836579040
|
optimizer.pt
CHANGED
|
@@ -1,3 +1,3 @@
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
-
oid sha256:
|
| 3 |
size 5673376169
|
|
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:52e9570865255edc3f55eef0b128972d229c4c97ad97fc3a60d5756a99aa199f
|
| 3 |
size 5673376169
|
rng_state.pth
CHANGED
|
@@ -1,3 +1,3 @@
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
-
oid sha256:
|
| 3 |
size 14244
|
|
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:8c56c0d986fde7ce77bd50cb0ad4046e46bf3f78895b338e63f9217f7a569a8e
|
| 3 |
size 14244
|
scheduler.pt
CHANGED
|
@@ -1,3 +1,3 @@
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
-
oid sha256:
|
| 3 |
size 1064
|
|
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:272d676176cdbddc5daf2f8ea3e18426236c64ba24db10d25daf8b1d8d4e924b
|
| 3 |
size 1064
|
trainer_state.json
CHANGED
|
@@ -1,9 +1,9 @@
|
|
| 1 |
{
|
| 2 |
"best_metric": null,
|
| 3 |
"best_model_checkpoint": null,
|
| 4 |
-
"epoch": 0.
|
| 5 |
"eval_steps": 500,
|
| 6 |
-
"global_step":
|
| 7 |
"is_hyper_param_search": false,
|
| 8 |
"is_local_process_zero": true,
|
| 9 |
"is_world_process_zero": true,
|
|
@@ -365,6 +365,364 @@
|
|
| 365 |
"eval_samples_per_second": 15.31,
|
| 366 |
"eval_steps_per_second": 15.31,
|
| 367 |
"step": 500
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 368 |
}
|
| 369 |
],
|
| 370 |
"logging_steps": 10,
|
|
@@ -372,7 +730,7 @@
|
|
| 372 |
"num_input_tokens_seen": 0,
|
| 373 |
"num_train_epochs": 1,
|
| 374 |
"save_steps": 500,
|
| 375 |
-
"total_flos":
|
| 376 |
"train_batch_size": 1,
|
| 377 |
"trial_name": null,
|
| 378 |
"trial_params": null
|
|
|
|
| 1 |
{
|
| 2 |
"best_metric": null,
|
| 3 |
"best_model_checkpoint": null,
|
| 4 |
+
"epoch": 0.05,
|
| 5 |
"eval_steps": 500,
|
| 6 |
+
"global_step": 1000,
|
| 7 |
"is_hyper_param_search": false,
|
| 8 |
"is_local_process_zero": true,
|
| 9 |
"is_world_process_zero": true,
|
|
|
|
| 365 |
"eval_samples_per_second": 15.31,
|
| 366 |
"eval_steps_per_second": 15.31,
|
| 367 |
"step": 500
|
| 368 |
+
},
|
| 369 |
+
{
|
| 370 |
+
"epoch": 0.03,
|
| 371 |
+
"grad_norm": 77.5,
|
| 372 |
+
"learning_rate": 9.933333333333333e-07,
|
| 373 |
+
"loss": 6.4003,
|
| 374 |
+
"step": 510
|
| 375 |
+
},
|
| 376 |
+
{
|
| 377 |
+
"epoch": 0.03,
|
| 378 |
+
"grad_norm": 77.5,
|
| 379 |
+
"learning_rate": 9.866666666666666e-07,
|
| 380 |
+
"loss": 6.2969,
|
| 381 |
+
"step": 520
|
| 382 |
+
},
|
| 383 |
+
{
|
| 384 |
+
"epoch": 0.03,
|
| 385 |
+
"grad_norm": 78.5,
|
| 386 |
+
"learning_rate": 9.8e-07,
|
| 387 |
+
"loss": 6.19,
|
| 388 |
+
"step": 530
|
| 389 |
+
},
|
| 390 |
+
{
|
| 391 |
+
"epoch": 0.03,
|
| 392 |
+
"grad_norm": 78.0,
|
| 393 |
+
"learning_rate": 9.733333333333333e-07,
|
| 394 |
+
"loss": 6.0401,
|
| 395 |
+
"step": 540
|
| 396 |
+
},
|
| 397 |
+
{
|
| 398 |
+
"epoch": 0.03,
|
| 399 |
+
"grad_norm": 79.0,
|
| 400 |
+
"learning_rate": 9.666666666666666e-07,
|
| 401 |
+
"loss": 5.9727,
|
| 402 |
+
"step": 550
|
| 403 |
+
},
|
| 404 |
+
{
|
| 405 |
+
"epoch": 0.03,
|
| 406 |
+
"grad_norm": 80.0,
|
| 407 |
+
"learning_rate": 9.6e-07,
|
| 408 |
+
"loss": 5.821,
|
| 409 |
+
"step": 560
|
| 410 |
+
},
|
| 411 |
+
{
|
| 412 |
+
"epoch": 0.03,
|
| 413 |
+
"grad_norm": 80.5,
|
| 414 |
+
"learning_rate": 9.533333333333333e-07,
|
| 415 |
+
"loss": 5.6864,
|
| 416 |
+
"step": 570
|
| 417 |
+
},
|
| 418 |
+
{
|
| 419 |
+
"epoch": 0.03,
|
| 420 |
+
"grad_norm": 80.5,
|
| 421 |
+
"learning_rate": 9.466666666666666e-07,
|
| 422 |
+
"loss": 5.5677,
|
| 423 |
+
"step": 580
|
| 424 |
+
},
|
| 425 |
+
{
|
| 426 |
+
"epoch": 0.03,
|
| 427 |
+
"grad_norm": 81.5,
|
| 428 |
+
"learning_rate": 9.399999999999999e-07,
|
| 429 |
+
"loss": 5.4587,
|
| 430 |
+
"step": 590
|
| 431 |
+
},
|
| 432 |
+
{
|
| 433 |
+
"epoch": 0.03,
|
| 434 |
+
"grad_norm": 82.0,
|
| 435 |
+
"learning_rate": 9.333333333333333e-07,
|
| 436 |
+
"loss": 5.3674,
|
| 437 |
+
"step": 600
|
| 438 |
+
},
|
| 439 |
+
{
|
| 440 |
+
"epoch": 0.03,
|
| 441 |
+
"grad_norm": 83.5,
|
| 442 |
+
"learning_rate": 9.266666666666665e-07,
|
| 443 |
+
"loss": 5.2343,
|
| 444 |
+
"step": 610
|
| 445 |
+
},
|
| 446 |
+
{
|
| 447 |
+
"epoch": 0.03,
|
| 448 |
+
"grad_norm": 83.5,
|
| 449 |
+
"learning_rate": 9.2e-07,
|
| 450 |
+
"loss": 5.1118,
|
| 451 |
+
"step": 620
|
| 452 |
+
},
|
| 453 |
+
{
|
| 454 |
+
"epoch": 0.03,
|
| 455 |
+
"grad_norm": 83.5,
|
| 456 |
+
"learning_rate": 9.133333333333333e-07,
|
| 457 |
+
"loss": 5.0416,
|
| 458 |
+
"step": 630
|
| 459 |
+
},
|
| 460 |
+
{
|
| 461 |
+
"epoch": 0.03,
|
| 462 |
+
"grad_norm": 85.5,
|
| 463 |
+
"learning_rate": 9.066666666666665e-07,
|
| 464 |
+
"loss": 4.9311,
|
| 465 |
+
"step": 640
|
| 466 |
+
},
|
| 467 |
+
{
|
| 468 |
+
"epoch": 0.03,
|
| 469 |
+
"grad_norm": 86.0,
|
| 470 |
+
"learning_rate": 9e-07,
|
| 471 |
+
"loss": 4.8409,
|
| 472 |
+
"step": 650
|
| 473 |
+
},
|
| 474 |
+
{
|
| 475 |
+
"epoch": 0.03,
|
| 476 |
+
"grad_norm": 86.5,
|
| 477 |
+
"learning_rate": 8.933333333333333e-07,
|
| 478 |
+
"loss": 4.7077,
|
| 479 |
+
"step": 660
|
| 480 |
+
},
|
| 481 |
+
{
|
| 482 |
+
"epoch": 0.03,
|
| 483 |
+
"grad_norm": 87.5,
|
| 484 |
+
"learning_rate": 8.866666666666667e-07,
|
| 485 |
+
"loss": 4.6436,
|
| 486 |
+
"step": 670
|
| 487 |
+
},
|
| 488 |
+
{
|
| 489 |
+
"epoch": 0.03,
|
| 490 |
+
"grad_norm": 86.0,
|
| 491 |
+
"learning_rate": 8.799999999999999e-07,
|
| 492 |
+
"loss": 4.5543,
|
| 493 |
+
"step": 680
|
| 494 |
+
},
|
| 495 |
+
{
|
| 496 |
+
"epoch": 0.03,
|
| 497 |
+
"grad_norm": 87.0,
|
| 498 |
+
"learning_rate": 8.733333333333333e-07,
|
| 499 |
+
"loss": 4.473,
|
| 500 |
+
"step": 690
|
| 501 |
+
},
|
| 502 |
+
{
|
| 503 |
+
"epoch": 0.04,
|
| 504 |
+
"grad_norm": 87.0,
|
| 505 |
+
"learning_rate": 8.666666666666667e-07,
|
| 506 |
+
"loss": 4.373,
|
| 507 |
+
"step": 700
|
| 508 |
+
},
|
| 509 |
+
{
|
| 510 |
+
"epoch": 0.04,
|
| 511 |
+
"grad_norm": 88.5,
|
| 512 |
+
"learning_rate": 8.599999999999999e-07,
|
| 513 |
+
"loss": 4.3226,
|
| 514 |
+
"step": 710
|
| 515 |
+
},
|
| 516 |
+
{
|
| 517 |
+
"epoch": 0.04,
|
| 518 |
+
"grad_norm": 87.5,
|
| 519 |
+
"learning_rate": 8.533333333333334e-07,
|
| 520 |
+
"loss": 4.2063,
|
| 521 |
+
"step": 720
|
| 522 |
+
},
|
| 523 |
+
{
|
| 524 |
+
"epoch": 0.04,
|
| 525 |
+
"grad_norm": 87.5,
|
| 526 |
+
"learning_rate": 8.466666666666667e-07,
|
| 527 |
+
"loss": 4.1628,
|
| 528 |
+
"step": 730
|
| 529 |
+
},
|
| 530 |
+
{
|
| 531 |
+
"epoch": 0.04,
|
| 532 |
+
"grad_norm": 86.5,
|
| 533 |
+
"learning_rate": 8.399999999999999e-07,
|
| 534 |
+
"loss": 4.0588,
|
| 535 |
+
"step": 740
|
| 536 |
+
},
|
| 537 |
+
{
|
| 538 |
+
"epoch": 0.04,
|
| 539 |
+
"grad_norm": 88.0,
|
| 540 |
+
"learning_rate": 8.333333333333333e-07,
|
| 541 |
+
"loss": 4.0117,
|
| 542 |
+
"step": 750
|
| 543 |
+
},
|
| 544 |
+
{
|
| 545 |
+
"epoch": 0.04,
|
| 546 |
+
"grad_norm": 88.0,
|
| 547 |
+
"learning_rate": 8.266666666666667e-07,
|
| 548 |
+
"loss": 3.9443,
|
| 549 |
+
"step": 760
|
| 550 |
+
},
|
| 551 |
+
{
|
| 552 |
+
"epoch": 0.04,
|
| 553 |
+
"grad_norm": 88.5,
|
| 554 |
+
"learning_rate": 8.199999999999999e-07,
|
| 555 |
+
"loss": 3.8509,
|
| 556 |
+
"step": 770
|
| 557 |
+
},
|
| 558 |
+
{
|
| 559 |
+
"epoch": 0.04,
|
| 560 |
+
"grad_norm": 88.0,
|
| 561 |
+
"learning_rate": 8.133333333333333e-07,
|
| 562 |
+
"loss": 3.7851,
|
| 563 |
+
"step": 780
|
| 564 |
+
},
|
| 565 |
+
{
|
| 566 |
+
"epoch": 0.04,
|
| 567 |
+
"grad_norm": 87.5,
|
| 568 |
+
"learning_rate": 8.066666666666666e-07,
|
| 569 |
+
"loss": 3.7559,
|
| 570 |
+
"step": 790
|
| 571 |
+
},
|
| 572 |
+
{
|
| 573 |
+
"epoch": 0.04,
|
| 574 |
+
"grad_norm": 87.0,
|
| 575 |
+
"learning_rate": 8e-07,
|
| 576 |
+
"loss": 3.6867,
|
| 577 |
+
"step": 800
|
| 578 |
+
},
|
| 579 |
+
{
|
| 580 |
+
"epoch": 0.04,
|
| 581 |
+
"grad_norm": 88.0,
|
| 582 |
+
"learning_rate": 7.933333333333333e-07,
|
| 583 |
+
"loss": 3.6217,
|
| 584 |
+
"step": 810
|
| 585 |
+
},
|
| 586 |
+
{
|
| 587 |
+
"epoch": 0.04,
|
| 588 |
+
"grad_norm": 86.5,
|
| 589 |
+
"learning_rate": 7.866666666666666e-07,
|
| 590 |
+
"loss": 3.5678,
|
| 591 |
+
"step": 820
|
| 592 |
+
},
|
| 593 |
+
{
|
| 594 |
+
"epoch": 0.04,
|
| 595 |
+
"grad_norm": 86.5,
|
| 596 |
+
"learning_rate": 7.799999999999999e-07,
|
| 597 |
+
"loss": 3.5387,
|
| 598 |
+
"step": 830
|
| 599 |
+
},
|
| 600 |
+
{
|
| 601 |
+
"epoch": 0.04,
|
| 602 |
+
"grad_norm": 86.5,
|
| 603 |
+
"learning_rate": 7.733333333333333e-07,
|
| 604 |
+
"loss": 3.4999,
|
| 605 |
+
"step": 840
|
| 606 |
+
},
|
| 607 |
+
{
|
| 608 |
+
"epoch": 0.04,
|
| 609 |
+
"grad_norm": 87.0,
|
| 610 |
+
"learning_rate": 7.666666666666667e-07,
|
| 611 |
+
"loss": 3.4263,
|
| 612 |
+
"step": 850
|
| 613 |
+
},
|
| 614 |
+
{
|
| 615 |
+
"epoch": 0.04,
|
| 616 |
+
"grad_norm": 87.0,
|
| 617 |
+
"learning_rate": 7.599999999999999e-07,
|
| 618 |
+
"loss": 3.4185,
|
| 619 |
+
"step": 860
|
| 620 |
+
},
|
| 621 |
+
{
|
| 622 |
+
"epoch": 0.04,
|
| 623 |
+
"grad_norm": 86.0,
|
| 624 |
+
"learning_rate": 7.533333333333332e-07,
|
| 625 |
+
"loss": 3.3753,
|
| 626 |
+
"step": 870
|
| 627 |
+
},
|
| 628 |
+
{
|
| 629 |
+
"epoch": 0.04,
|
| 630 |
+
"grad_norm": 86.0,
|
| 631 |
+
"learning_rate": 7.466666666666667e-07,
|
| 632 |
+
"loss": 3.318,
|
| 633 |
+
"step": 880
|
| 634 |
+
},
|
| 635 |
+
{
|
| 636 |
+
"epoch": 0.04,
|
| 637 |
+
"grad_norm": 85.5,
|
| 638 |
+
"learning_rate": 7.4e-07,
|
| 639 |
+
"loss": 3.2846,
|
| 640 |
+
"step": 890
|
| 641 |
+
},
|
| 642 |
+
{
|
| 643 |
+
"epoch": 0.04,
|
| 644 |
+
"grad_norm": 86.5,
|
| 645 |
+
"learning_rate": 7.333333333333332e-07,
|
| 646 |
+
"loss": 3.2757,
|
| 647 |
+
"step": 900
|
| 648 |
+
},
|
| 649 |
+
{
|
| 650 |
+
"epoch": 0.05,
|
| 651 |
+
"grad_norm": 85.0,
|
| 652 |
+
"learning_rate": 7.266666666666667e-07,
|
| 653 |
+
"loss": 3.2204,
|
| 654 |
+
"step": 910
|
| 655 |
+
},
|
| 656 |
+
{
|
| 657 |
+
"epoch": 0.05,
|
| 658 |
+
"grad_norm": 87.0,
|
| 659 |
+
"learning_rate": 7.2e-07,
|
| 660 |
+
"loss": 3.1933,
|
| 661 |
+
"step": 920
|
| 662 |
+
},
|
| 663 |
+
{
|
| 664 |
+
"epoch": 0.05,
|
| 665 |
+
"grad_norm": 85.0,
|
| 666 |
+
"learning_rate": 7.133333333333333e-07,
|
| 667 |
+
"loss": 3.1404,
|
| 668 |
+
"step": 930
|
| 669 |
+
},
|
| 670 |
+
{
|
| 671 |
+
"epoch": 0.05,
|
| 672 |
+
"grad_norm": 84.5,
|
| 673 |
+
"learning_rate": 7.066666666666666e-07,
|
| 674 |
+
"loss": 3.1084,
|
| 675 |
+
"step": 940
|
| 676 |
+
},
|
| 677 |
+
{
|
| 678 |
+
"epoch": 0.05,
|
| 679 |
+
"grad_norm": 83.5,
|
| 680 |
+
"learning_rate": 7e-07,
|
| 681 |
+
"loss": 3.0518,
|
| 682 |
+
"step": 950
|
| 683 |
+
},
|
| 684 |
+
{
|
| 685 |
+
"epoch": 0.05,
|
| 686 |
+
"grad_norm": 84.5,
|
| 687 |
+
"learning_rate": 6.933333333333333e-07,
|
| 688 |
+
"loss": 3.0331,
|
| 689 |
+
"step": 960
|
| 690 |
+
},
|
| 691 |
+
{
|
| 692 |
+
"epoch": 0.05,
|
| 693 |
+
"grad_norm": 84.0,
|
| 694 |
+
"learning_rate": 6.866666666666666e-07,
|
| 695 |
+
"loss": 3.0252,
|
| 696 |
+
"step": 970
|
| 697 |
+
},
|
| 698 |
+
{
|
| 699 |
+
"epoch": 0.05,
|
| 700 |
+
"grad_norm": 83.0,
|
| 701 |
+
"learning_rate": 6.800000000000001e-07,
|
| 702 |
+
"loss": 2.9718,
|
| 703 |
+
"step": 980
|
| 704 |
+
},
|
| 705 |
+
{
|
| 706 |
+
"epoch": 0.05,
|
| 707 |
+
"grad_norm": 84.0,
|
| 708 |
+
"learning_rate": 6.733333333333333e-07,
|
| 709 |
+
"loss": 2.9666,
|
| 710 |
+
"step": 990
|
| 711 |
+
},
|
| 712 |
+
{
|
| 713 |
+
"epoch": 0.05,
|
| 714 |
+
"grad_norm": 82.0,
|
| 715 |
+
"learning_rate": 6.666666666666666e-07,
|
| 716 |
+
"loss": 2.9071,
|
| 717 |
+
"step": 1000
|
| 718 |
+
},
|
| 719 |
+
{
|
| 720 |
+
"epoch": 0.05,
|
| 721 |
+
"eval_loss": 2.927218437194824,
|
| 722 |
+
"eval_runtime": 65.2971,
|
| 723 |
+
"eval_samples_per_second": 15.315,
|
| 724 |
+
"eval_steps_per_second": 15.315,
|
| 725 |
+
"step": 1000
|
| 726 |
}
|
| 727 |
],
|
| 728 |
"logging_steps": 10,
|
|
|
|
| 730 |
"num_input_tokens_seen": 0,
|
| 731 |
"num_train_epochs": 1,
|
| 732 |
"save_steps": 500,
|
| 733 |
+
"total_flos": 1.613922041856e+16,
|
| 734 |
"train_batch_size": 1,
|
| 735 |
"trial_name": null,
|
| 736 |
"trial_params": null
|