File size: 2,716 Bytes
0bf1468
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 1.0,
  "eval_steps": 2,
  "global_step": 24,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.041666666666666664,
      "grad_norm": 0.0,
      "learning_rate": 0.0,
      "loss": 0.755,
      "step": 1
    },
    {
      "epoch": 0.08333333333333333,
      "grad_norm": 0.0,
      "learning_rate": 0.0,
      "loss": 0.712,
      "step": 2
    },
    {
      "epoch": 0.16666666666666666,
      "grad_norm": 0.0,
      "learning_rate": 0.0,
      "loss": 0.8502,
      "step": 4
    },
    {
      "epoch": 0.25,
      "grad_norm": 0.0,
      "learning_rate": 0.0,
      "loss": 0.7987,
      "step": 6
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 11.306465972622957,
      "learning_rate": 1.5e-06,
      "loss": 0.841,
      "step": 8
    },
    {
      "epoch": 0.4166666666666667,
      "grad_norm": 9.471334182139978,
      "learning_rate": 2.865909090909091e-06,
      "loss": 0.7533,
      "step": 10
    },
    {
      "epoch": 0.5,
      "grad_norm": 3.7361238686601985,
      "learning_rate": 2.5977272727272726e-06,
      "loss": 0.7024,
      "step": 12
    },
    {
      "epoch": 0.5833333333333334,
      "grad_norm": 2.880203179809789,
      "learning_rate": 2.3295454545454547e-06,
      "loss": 0.6849,
      "step": 14
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 2.5634335753300292,
      "learning_rate": 2.0613636363636364e-06,
      "loss": 0.6355,
      "step": 16
    },
    {
      "epoch": 0.75,
      "grad_norm": 2.8570575013010417,
      "learning_rate": 1.7931818181818181e-06,
      "loss": 0.5841,
      "step": 18
    },
    {
      "epoch": 0.8333333333333334,
      "grad_norm": 2.6341878684542364,
      "learning_rate": 1.525e-06,
      "loss": 0.5832,
      "step": 20
    },
    {
      "epoch": 0.9166666666666666,
      "grad_norm": 2.9549482290359905,
      "learning_rate": 1.2568181818181817e-06,
      "loss": 0.6271,
      "step": 22
    },
    {
      "epoch": 1.0,
      "grad_norm": 2.524463757265523,
      "learning_rate": 9.886363636363638e-07,
      "loss": 0.6734,
      "step": 24
    },
    {
      "epoch": 1.0,
      "step": 24,
      "total_flos": 3614620778496.0,
      "train_loss": 0.7055964296062788,
      "train_runtime": 3758.6269,
      "train_samples_per_second": 0.813,
      "train_steps_per_second": 0.006
    }
  ],
  "logging_steps": 2,
  "max_steps": 24,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 1,
  "save_steps": 5,
  "total_flos": 3614620778496.0,
  "train_batch_size": 2,
  "trial_name": null,
  "trial_params": null
}