TianyiQ commited on
Commit
c1df709
1 Parent(s): a3cee0a

Upload ./trainer_state.json with huggingface_hub

Browse files
Files changed (1) hide show
  1. trainer_state.json +38 -348
trainer_state.json CHANGED
@@ -1,9 +1,9 @@
1
  {
2
- "best_metric": 0.8431240916252136,
3
- "best_model_checkpoint": "./output/training_results/C019_random_sample_llama3-8b-base_instruct_20240504_182259/checkpoint-20",
4
- "epoch": 4.0,
5
- "eval_steps": 20,
6
- "global_step": 192,
7
  "is_hyper_param_search": false,
8
  "is_local_process_zero": true,
9
  "is_world_process_zero": true,
@@ -12,363 +12,53 @@
12
  "epoch": 0.020833333333333332,
13
  "grad_norm": 0.0,
14
  "learning_rate": 0.0,
15
- "loss": 0.9787,
16
  "step": 1
17
  },
18
  {
19
- "epoch": 0.10416666666666667,
20
- "grad_norm": 12.192626949795681,
21
- "learning_rate": 2.25e-06,
22
- "loss": 0.9575,
23
- "step": 5
24
- },
25
- {
26
- "epoch": 0.20833333333333334,
27
- "grad_norm": 4.52126946078145,
28
- "learning_rate": 5.25e-06,
29
- "loss": 0.8647,
30
- "step": 10
31
- },
32
- {
33
- "epoch": 0.3125,
34
- "grad_norm": 4.831880513298797,
35
- "learning_rate": 9e-06,
36
- "loss": 0.8335,
37
- "step": 15
38
- },
39
- {
40
- "epoch": 0.4166666666666667,
41
- "grad_norm": 4.892917165423346,
42
- "learning_rate": 1.275e-05,
43
- "loss": 0.8164,
44
- "step": 20
45
- },
46
- {
47
- "epoch": 0.4166666666666667,
48
- "eval_loss": 0.8431240916252136,
49
- "eval_runtime": 1.9991,
50
- "eval_samples_per_second": 170.072,
51
- "eval_steps_per_second": 1.501,
52
- "step": 20
53
- },
54
- {
55
- "epoch": 0.5208333333333334,
56
- "grad_norm": 4.415048447330865,
57
- "learning_rate": 1.3195176200175283e-05,
58
- "loss": 0.8222,
59
- "step": 25
60
- },
61
- {
62
- "epoch": 0.625,
63
- "grad_norm": 4.0612946994016434,
64
- "learning_rate": 9.515676612044427e-06,
65
- "loss": 0.8995,
66
- "step": 30
67
- },
68
- {
69
- "epoch": 0.7291666666666666,
70
- "grad_norm": 3.749755477511079,
71
- "learning_rate": 6.797580677308734e-06,
72
- "loss": 0.8188,
73
- "step": 35
74
- },
75
- {
76
- "epoch": 0.8333333333333334,
77
- "grad_norm": 4.222046474278687,
78
- "learning_rate": 4.808575415542887e-06,
79
- "loss": 0.7962,
80
- "step": 40
81
- },
82
- {
83
- "epoch": 0.8333333333333334,
84
- "eval_loss": 0.8461718559265137,
85
- "eval_runtime": 1.9687,
86
- "eval_samples_per_second": 172.702,
87
- "eval_steps_per_second": 1.524,
88
- "step": 40
89
- },
90
- {
91
- "epoch": 0.9375,
92
- "grad_norm": 3.9382293828818082,
93
- "learning_rate": 3.3676619069852654e-06,
94
- "loss": 0.8768,
95
- "step": 45
96
- },
97
- {
98
- "epoch": 1.0416666666666667,
99
- "grad_norm": 3.5738168321090593,
100
- "learning_rate": 2.334947896124909e-06,
101
- "loss": 0.721,
102
- "step": 50
103
- },
104
- {
105
- "epoch": 1.1458333333333333,
106
- "grad_norm": 3.06331450723627,
107
- "learning_rate": 1.603233215095547e-06,
108
- "loss": 0.4634,
109
- "step": 55
110
- },
111
- {
112
- "epoch": 1.25,
113
- "grad_norm": 3.6197487832931996,
114
- "learning_rate": 1.0911174606561334e-06,
115
- "loss": 0.4335,
116
- "step": 60
117
- },
118
- {
119
- "epoch": 1.25,
120
- "eval_loss": 0.8650219440460205,
121
- "eval_runtime": 1.9704,
122
- "eval_samples_per_second": 172.55,
123
- "eval_steps_per_second": 1.523,
124
- "step": 60
125
- },
126
- {
127
- "epoch": 1.3541666666666667,
128
- "grad_norm": 3.7661003279348537,
129
- "learning_rate": 7.373930741131784e-07,
130
- "loss": 0.3981,
131
- "step": 65
132
- },
133
- {
134
- "epoch": 1.4583333333333333,
135
- "grad_norm": 4.160189703076145,
136
- "learning_rate": 4.965174334325768e-07,
137
- "loss": 0.4411,
138
- "step": 70
139
- },
140
- {
141
- "epoch": 1.5625,
142
- "grad_norm": 4.5757896800217885,
143
- "learning_rate": 3.349849877937343e-07,
144
- "loss": 0.4387,
145
- "step": 75
146
- },
147
- {
148
- "epoch": 1.6666666666666665,
149
- "grad_norm": 3.832613476181348,
150
- "learning_rate": 2.2844505627726646e-07,
151
- "loss": 0.4578,
152
- "step": 80
153
- },
154
- {
155
- "epoch": 1.6666666666666665,
156
- "eval_loss": 0.8532621264457703,
157
- "eval_runtime": 1.9686,
158
- "eval_samples_per_second": 172.711,
159
- "eval_steps_per_second": 1.524,
160
- "step": 80
161
- },
162
- {
163
- "epoch": 1.7708333333333335,
164
- "grad_norm": 3.3221659720718155,
165
- "learning_rate": 1.594328760942437e-07,
166
- "loss": 0.4262,
167
- "step": 85
168
- },
169
- {
170
- "epoch": 1.875,
171
- "grad_norm": 3.4150483727266727,
172
- "learning_rate": 1.156010161291434e-07,
173
- "loss": 0.4247,
174
- "step": 90
175
- },
176
- {
177
- "epoch": 1.9791666666666665,
178
- "grad_norm": 3.7582137935644253,
179
- "learning_rate": 8.835555547373544e-08,
180
- "loss": 0.4835,
181
- "step": 95
182
- },
183
- {
184
- "epoch": 2.0833333333333335,
185
- "grad_norm": 3.4652201585485707,
186
- "learning_rate": 7.181664349277562e-08,
187
- "loss": 0.3944,
188
- "step": 100
189
- },
190
- {
191
- "epoch": 2.0833333333333335,
192
- "eval_loss": 0.848356306552887,
193
- "eval_runtime": 1.9641,
194
- "eval_samples_per_second": 173.109,
195
- "eval_steps_per_second": 1.527,
196
- "step": 100
197
- },
198
- {
199
- "epoch": 2.1875,
200
- "grad_norm": 3.1934106643776103,
201
- "learning_rate": 6.203637972657601e-08,
202
- "loss": 0.3698,
203
- "step": 105
204
- },
205
- {
206
- "epoch": 2.2916666666666665,
207
- "grad_norm": 3.1313040719559755,
208
- "learning_rate": 5.6418543066491835e-08,
209
- "loss": 0.3999,
210
- "step": 110
211
- },
212
- {
213
- "epoch": 2.3958333333333335,
214
- "grad_norm": 3.455998545535417,
215
- "learning_rate": 5.329471712759216e-08,
216
- "loss": 0.3575,
217
- "step": 115
218
- },
219
- {
220
- "epoch": 2.5,
221
- "grad_norm": 4.316899239508259,
222
- "learning_rate": 5.161995210302015e-08,
223
- "loss": 0.3997,
224
- "step": 120
225
- },
226
- {
227
- "epoch": 2.5,
228
- "eval_loss": 0.8528212904930115,
229
- "eval_runtime": 1.9732,
230
- "eval_samples_per_second": 172.312,
231
- "eval_steps_per_second": 1.52,
232
- "step": 120
233
- },
234
- {
235
- "epoch": 2.6041666666666665,
236
- "grad_norm": 3.301008618352482,
237
- "learning_rate": 5.075841465580837e-08,
238
- "loss": 0.3796,
239
- "step": 125
240
- },
241
- {
242
- "epoch": 2.7083333333333335,
243
- "grad_norm": 3.631871358764962,
244
- "learning_rate": 5.033564114946932e-08,
245
- "loss": 0.3768,
246
- "step": 130
247
- },
248
- {
249
- "epoch": 2.8125,
250
- "grad_norm": 3.5129100349792806,
251
- "learning_rate": 5.013915282607116e-08,
252
- "loss": 0.3762,
253
- "step": 135
254
  },
255
  {
256
- "epoch": 2.9166666666666665,
257
- "grad_norm": 3.374052247691012,
258
- "learning_rate": 5.005343402153039e-08,
259
- "loss": 0.3752,
260
- "step": 140
261
- },
262
- {
263
- "epoch": 2.9166666666666665,
264
- "eval_loss": 0.8572859764099121,
265
- "eval_runtime": 1.9683,
266
- "eval_samples_per_second": 172.738,
267
- "eval_steps_per_second": 1.524,
268
- "step": 140
269
- },
270
- {
271
- "epoch": 3.0208333333333335,
272
- "grad_norm": 2.957006248440721,
273
- "learning_rate": 5.001872829857116e-08,
274
- "loss": 0.3768,
275
- "step": 145
276
- },
277
- {
278
- "epoch": 3.125,
279
- "grad_norm": 3.215743121265744,
280
- "learning_rate": 5.000587713853837e-08,
281
- "loss": 0.3765,
282
- "step": 150
283
- },
284
- {
285
- "epoch": 3.2291666666666665,
286
- "grad_norm": 3.202764952665669,
287
- "learning_rate": 5.0001608748597456e-08,
288
- "loss": 0.3702,
289
- "step": 155
290
- },
291
- {
292
- "epoch": 3.3333333333333335,
293
- "grad_norm": 4.415632412034816,
294
- "learning_rate": 5.0000370319656156e-08,
295
- "loss": 0.3697,
296
- "step": 160
297
- },
298
- {
299
- "epoch": 3.3333333333333335,
300
- "eval_loss": 0.8608274459838867,
301
- "eval_runtime": 1.9662,
302
- "eval_samples_per_second": 172.924,
303
- "eval_steps_per_second": 1.526,
304
- "step": 160
305
- },
306
- {
307
- "epoch": 3.4375,
308
- "grad_norm": 3.3333903437391057,
309
- "learning_rate": 5.0000067945715855e-08,
310
- "loss": 0.3654,
311
- "step": 165
312
- },
313
- {
314
- "epoch": 3.5416666666666665,
315
- "grad_norm": 3.495136224595858,
316
- "learning_rate": 5.0000009144677036e-08,
317
- "loss": 0.3523,
318
- "step": 170
319
- },
320
- {
321
- "epoch": 3.6458333333333335,
322
- "grad_norm": 3.291266939205713,
323
- "learning_rate": 5.0000000785521776e-08,
324
- "loss": 0.3668,
325
- "step": 175
326
- },
327
- {
328
- "epoch": 3.75,
329
- "grad_norm": 3.4466892020449005,
330
- "learning_rate": 5.000000003317662e-08,
331
- "loss": 0.3636,
332
- "step": 180
333
- },
334
- {
335
- "epoch": 3.75,
336
- "eval_loss": 0.8633963465690613,
337
- "eval_runtime": 1.9654,
338
- "eval_samples_per_second": 172.993,
339
- "eval_steps_per_second": 1.526,
340
- "step": 180
341
  },
342
  {
343
- "epoch": 3.8541666666666665,
344
- "grad_norm": 3.7460542764286364,
345
- "learning_rate": 5.000000000038355e-08,
346
- "loss": 0.3717,
347
- "step": 185
348
  },
349
  {
350
- "epoch": 3.9583333333333335,
351
- "grad_norm": 3.076543710036104,
352
- "learning_rate": 5.000000000000018e-08,
353
- "loss": 0.3687,
354
- "step": 190
355
  },
356
  {
357
- "epoch": 4.0,
358
- "step": 192,
359
- "total_flos": 5362900008960.0,
360
- "train_loss": 0.5116761994237701,
361
- "train_runtime": 1046.9703,
362
- "train_samples_per_second": 11.668,
363
- "train_steps_per_second": 0.183
364
  }
365
  ],
366
- "logging_steps": 5,
367
- "max_steps": 192,
368
  "num_input_tokens_seen": 0,
369
- "num_train_epochs": 4,
370
- "save_steps": 20,
371
- "total_flos": 5362900008960.0,
372
  "train_batch_size": 8,
373
  "trial_name": null,
374
  "trial_params": null
 
1
  {
2
+ "best_metric": 0.8191882967948914,
3
+ "best_model_checkpoint": "./output/training_results/C019_random_sample_Meta-Llama-3-8B_instruct_20240729_013421/checkpoint-10",
4
+ "epoch": 0.20833333333333334,
5
+ "eval_steps": 5,
6
+ "global_step": 10,
7
  "is_hyper_param_search": false,
8
  "is_local_process_zero": true,
9
  "is_world_process_zero": true,
 
12
  "epoch": 0.020833333333333332,
13
  "grad_norm": 0.0,
14
  "learning_rate": 0.0,
15
+ "loss": 1.0289,
16
  "step": 1
17
  },
18
  {
19
+ "epoch": 0.0625,
20
+ "grad_norm": 12.807647290251596,
21
+ "learning_rate": 7.5e-07,
22
+ "loss": 0.9475,
23
+ "step": 3
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
24
  },
25
  {
26
+ "epoch": 0.10416666666666667,
27
+ "eval_loss": 0.9170231819152832,
28
+ "eval_runtime": 0.9021,
29
+ "eval_samples_per_second": 376.881,
30
+ "eval_steps_per_second": 3.325,
31
+ "step": 5
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
32
  },
33
  {
34
+ "epoch": 0.125,
35
+ "grad_norm": 7.514247491325009,
36
+ "learning_rate": 3e-06,
37
+ "loss": 1.032,
38
+ "step": 6
39
  },
40
  {
41
+ "epoch": 0.1875,
42
+ "grad_norm": 5.115521699952678,
43
+ "learning_rate": 2.7988636363636366e-06,
44
+ "loss": 0.8569,
45
+ "step": 9
46
  },
47
  {
48
+ "epoch": 0.20833333333333334,
49
+ "eval_loss": 0.8191882967948914,
50
+ "eval_runtime": 0.8786,
51
+ "eval_samples_per_second": 386.993,
52
+ "eval_steps_per_second": 3.415,
53
+ "step": 10
 
54
  }
55
  ],
56
+ "logging_steps": 3,
57
+ "max_steps": 48,
58
  "num_input_tokens_seen": 0,
59
+ "num_train_epochs": 1,
60
+ "save_steps": 10,
61
+ "total_flos": 210197544960.0,
62
  "train_batch_size": 8,
63
  "trial_name": null,
64
  "trial_params": null