| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 1.536, | |
| "eval_steps": 500, | |
| "global_step": 180, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.008533333333333334, | |
| "grad_norm": 231.34270101410158, | |
| "learning_rate": 0.0, | |
| "loss": 8.0033, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.017066666666666667, | |
| "grad_norm": 222.45613156024717, | |
| "learning_rate": 3.010299956639811e-07, | |
| "loss": 8.0428, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.0256, | |
| "grad_norm": 215.11231622980122, | |
| "learning_rate": 4.771212547196623e-07, | |
| "loss": 8.1972, | |
| "step": 3 | |
| }, | |
| { | |
| "epoch": 0.034133333333333335, | |
| "grad_norm": 219.60924103962475, | |
| "learning_rate": 6.020599913279622e-07, | |
| "loss": 7.9839, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.042666666666666665, | |
| "grad_norm": 215.38857509452538, | |
| "learning_rate": 6.989700043360186e-07, | |
| "loss": 7.9458, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 0.0512, | |
| "grad_norm": 216.6292736162405, | |
| "learning_rate": 7.781512503836435e-07, | |
| "loss": 8.0918, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 0.05973333333333333, | |
| "grad_norm": 221.48329860849555, | |
| "learning_rate": 8.450980400142567e-07, | |
| "loss": 7.6396, | |
| "step": 7 | |
| }, | |
| { | |
| "epoch": 0.06826666666666667, | |
| "grad_norm": 209.19887181519408, | |
| "learning_rate": 9.030899869919433e-07, | |
| "loss": 7.9538, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 0.0768, | |
| "grad_norm": 212.49168182248923, | |
| "learning_rate": 9.542425094393247e-07, | |
| "loss": 7.956, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 0.08533333333333333, | |
| "grad_norm": 210.10834258781824, | |
| "learning_rate": 9.999999999999997e-07, | |
| "loss": 7.8862, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.09386666666666667, | |
| "grad_norm": 202.27608183186166, | |
| "learning_rate": 1.0413926851582248e-06, | |
| "loss": 7.4513, | |
| "step": 11 | |
| }, | |
| { | |
| "epoch": 0.1024, | |
| "grad_norm": 193.55936185702825, | |
| "learning_rate": 1.0791812460476246e-06, | |
| "loss": 7.4564, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 0.11093333333333333, | |
| "grad_norm": 193.33017014294484, | |
| "learning_rate": 1.1139433523068364e-06, | |
| "loss": 6.787, | |
| "step": 13 | |
| }, | |
| { | |
| "epoch": 0.11946666666666667, | |
| "grad_norm": 184.58026709266622, | |
| "learning_rate": 1.1461280356782378e-06, | |
| "loss": 6.6556, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 0.128, | |
| "grad_norm": 173.93108257115804, | |
| "learning_rate": 1.176091259055681e-06, | |
| "loss": 6.8126, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 0.13653333333333334, | |
| "grad_norm": 159.06078707329158, | |
| "learning_rate": 1.2041199826559244e-06, | |
| "loss": 6.0696, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 0.14506666666666668, | |
| "grad_norm": 144.47206558492545, | |
| "learning_rate": 1.230448921378274e-06, | |
| "loss": 5.8741, | |
| "step": 17 | |
| }, | |
| { | |
| "epoch": 0.1536, | |
| "grad_norm": 124.25199240731514, | |
| "learning_rate": 1.2552725051033058e-06, | |
| "loss": 6.4679, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 0.16213333333333332, | |
| "grad_norm": 117.71459376788206, | |
| "learning_rate": 1.2787536009528286e-06, | |
| "loss": 5.8792, | |
| "step": 19 | |
| }, | |
| { | |
| "epoch": 0.17066666666666666, | |
| "grad_norm": 98.0143135672668, | |
| "learning_rate": 1.301029995663981e-06, | |
| "loss": 5.7364, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.1792, | |
| "grad_norm": 70.62207198023327, | |
| "learning_rate": 1.322219294733919e-06, | |
| "loss": 6.1405, | |
| "step": 21 | |
| }, | |
| { | |
| "epoch": 0.18773333333333334, | |
| "grad_norm": 61.18474481475652, | |
| "learning_rate": 1.3424226808222062e-06, | |
| "loss": 5.5889, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 0.19626666666666667, | |
| "grad_norm": 53.31741120769673, | |
| "learning_rate": 1.3617278360175927e-06, | |
| "loss": 5.3036, | |
| "step": 23 | |
| }, | |
| { | |
| "epoch": 0.2048, | |
| "grad_norm": 42.39349303788407, | |
| "learning_rate": 1.3802112417116059e-06, | |
| "loss": 5.9642, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 0.21333333333333335, | |
| "grad_norm": 38.660534953497795, | |
| "learning_rate": 1.3979400086720373e-06, | |
| "loss": 6.0086, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 0.22186666666666666, | |
| "grad_norm": 32.07764741790126, | |
| "learning_rate": 1.4149733479708177e-06, | |
| "loss": 5.6643, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 0.2304, | |
| "grad_norm": 25.028488406885337, | |
| "learning_rate": 1.431363764158987e-06, | |
| "loss": 5.2058, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 0.23893333333333333, | |
| "grad_norm": 26.07639533284245, | |
| "learning_rate": 1.4471580313422189e-06, | |
| "loss": 4.8004, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 0.24746666666666667, | |
| "grad_norm": 21.2010515923868, | |
| "learning_rate": 1.4623979978989559e-06, | |
| "loss": 5.2692, | |
| "step": 29 | |
| }, | |
| { | |
| "epoch": 0.256, | |
| "grad_norm": 19.136682470240157, | |
| "learning_rate": 1.477121254719662e-06, | |
| "loss": 5.1682, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.26453333333333334, | |
| "grad_norm": 22.363719632711973, | |
| "learning_rate": 1.4913616938342723e-06, | |
| "loss": 5.8755, | |
| "step": 31 | |
| }, | |
| { | |
| "epoch": 0.2730666666666667, | |
| "grad_norm": 18.759763083192176, | |
| "learning_rate": 1.5051499783199057e-06, | |
| "loss": 4.656, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 0.2816, | |
| "grad_norm": 19.3591101676801, | |
| "learning_rate": 1.5185139398778872e-06, | |
| "loss": 5.0382, | |
| "step": 33 | |
| }, | |
| { | |
| "epoch": 0.29013333333333335, | |
| "grad_norm": 18.93526312077878, | |
| "learning_rate": 1.5314789170422548e-06, | |
| "loss": 5.2733, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 0.2986666666666667, | |
| "grad_norm": 18.674257823898586, | |
| "learning_rate": 1.544068044350275e-06, | |
| "loss": 5.101, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 0.3072, | |
| "grad_norm": 17.08780568204542, | |
| "learning_rate": 1.556302500767287e-06, | |
| "loss": 4.7201, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 0.3157333333333333, | |
| "grad_norm": 19.267517838381355, | |
| "learning_rate": 1.5682017240669948e-06, | |
| "loss": 5.2867, | |
| "step": 37 | |
| }, | |
| { | |
| "epoch": 0.32426666666666665, | |
| "grad_norm": 18.184288973685927, | |
| "learning_rate": 1.57978359661681e-06, | |
| "loss": 5.1484, | |
| "step": 38 | |
| }, | |
| { | |
| "epoch": 0.3328, | |
| "grad_norm": 18.50588565713833, | |
| "learning_rate": 1.5910646070264987e-06, | |
| "loss": 5.0841, | |
| "step": 39 | |
| }, | |
| { | |
| "epoch": 0.3413333333333333, | |
| "grad_norm": 20.00324375550594, | |
| "learning_rate": 1.602059991327962e-06, | |
| "loss": 5.3427, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.34986666666666666, | |
| "grad_norm": 18.167691169804883, | |
| "learning_rate": 1.6127838567197353e-06, | |
| "loss": 5.0728, | |
| "step": 41 | |
| }, | |
| { | |
| "epoch": 0.3584, | |
| "grad_norm": 18.674761969544367, | |
| "learning_rate": 1.6232492903979003e-06, | |
| "loss": 5.0627, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 0.36693333333333333, | |
| "grad_norm": 17.20625840701983, | |
| "learning_rate": 1.633468455579586e-06, | |
| "loss": 4.7326, | |
| "step": 43 | |
| }, | |
| { | |
| "epoch": 0.37546666666666667, | |
| "grad_norm": 18.940586556170768, | |
| "learning_rate": 1.643452676486187e-06, | |
| "loss": 5.0623, | |
| "step": 44 | |
| }, | |
| { | |
| "epoch": 0.384, | |
| "grad_norm": 16.508592622361657, | |
| "learning_rate": 1.6532125137753431e-06, | |
| "loss": 4.3398, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 0.39253333333333335, | |
| "grad_norm": 18.88828805204721, | |
| "learning_rate": 1.6627578316815738e-06, | |
| "loss": 4.9771, | |
| "step": 46 | |
| }, | |
| { | |
| "epoch": 0.4010666666666667, | |
| "grad_norm": 15.580054007792855, | |
| "learning_rate": 1.672097857935717e-06, | |
| "loss": 4.0601, | |
| "step": 47 | |
| }, | |
| { | |
| "epoch": 0.4096, | |
| "grad_norm": 17.934643242134936, | |
| "learning_rate": 1.6812412373755868e-06, | |
| "loss": 4.7386, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 0.41813333333333336, | |
| "grad_norm": 16.802048621838498, | |
| "learning_rate": 1.6901960800285134e-06, | |
| "loss": 4.3118, | |
| "step": 49 | |
| }, | |
| { | |
| "epoch": 0.4266666666666667, | |
| "grad_norm": 18.92271445418054, | |
| "learning_rate": 1.6989700043360184e-06, | |
| "loss": 4.7678, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.4352, | |
| "grad_norm": 16.825531514403565, | |
| "learning_rate": 1.707570176097936e-06, | |
| "loss": 4.09, | |
| "step": 51 | |
| }, | |
| { | |
| "epoch": 0.4437333333333333, | |
| "grad_norm": 17.235188635315886, | |
| "learning_rate": 1.716003343634799e-06, | |
| "loss": 4.2779, | |
| "step": 52 | |
| }, | |
| { | |
| "epoch": 0.45226666666666665, | |
| "grad_norm": 18.166659760546757, | |
| "learning_rate": 1.7242758696007888e-06, | |
| "loss": 4.2348, | |
| "step": 53 | |
| }, | |
| { | |
| "epoch": 0.4608, | |
| "grad_norm": 18.879052137730344, | |
| "learning_rate": 1.7323937598229684e-06, | |
| "loss": 4.4625, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 0.4693333333333333, | |
| "grad_norm": 19.006170776563348, | |
| "learning_rate": 1.7403626894942437e-06, | |
| "loss": 4.2942, | |
| "step": 55 | |
| }, | |
| { | |
| "epoch": 0.47786666666666666, | |
| "grad_norm": 19.315665667678836, | |
| "learning_rate": 1.7481880270062002e-06, | |
| "loss": 4.1825, | |
| "step": 56 | |
| }, | |
| { | |
| "epoch": 0.4864, | |
| "grad_norm": 18.44355038438234, | |
| "learning_rate": 1.7558748556724912e-06, | |
| "loss": 3.8468, | |
| "step": 57 | |
| }, | |
| { | |
| "epoch": 0.49493333333333334, | |
| "grad_norm": 19.75148178529509, | |
| "learning_rate": 1.7634279935629368e-06, | |
| "loss": 4.099, | |
| "step": 58 | |
| }, | |
| { | |
| "epoch": 0.5034666666666666, | |
| "grad_norm": 19.002733535887344, | |
| "learning_rate": 1.7708520116421439e-06, | |
| "loss": 3.8604, | |
| "step": 59 | |
| }, | |
| { | |
| "epoch": 0.512, | |
| "grad_norm": 19.561516392754022, | |
| "learning_rate": 1.7781512503836432e-06, | |
| "loss": 3.7147, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 0.5205333333333333, | |
| "grad_norm": 18.095989714574884, | |
| "learning_rate": 1.7853298350107666e-06, | |
| "loss": 3.4101, | |
| "step": 61 | |
| }, | |
| { | |
| "epoch": 0.5290666666666667, | |
| "grad_norm": 18.710104039370346, | |
| "learning_rate": 1.7923916894982536e-06, | |
| "loss": 3.3494, | |
| "step": 62 | |
| }, | |
| { | |
| "epoch": 0.5376, | |
| "grad_norm": 18.676494100466652, | |
| "learning_rate": 1.7993405494535814e-06, | |
| "loss": 3.2121, | |
| "step": 63 | |
| }, | |
| { | |
| "epoch": 0.5461333333333334, | |
| "grad_norm": 19.871653149070237, | |
| "learning_rate": 1.8061799739838866e-06, | |
| "loss": 3.3171, | |
| "step": 64 | |
| }, | |
| { | |
| "epoch": 0.5546666666666666, | |
| "grad_norm": 20.376954529048405, | |
| "learning_rate": 1.8129133566428552e-06, | |
| "loss": 3.3528, | |
| "step": 65 | |
| }, | |
| { | |
| "epoch": 0.5632, | |
| "grad_norm": 20.251598153805123, | |
| "learning_rate": 1.8195439355418683e-06, | |
| "loss": 3.1833, | |
| "step": 66 | |
| }, | |
| { | |
| "epoch": 0.5717333333333333, | |
| "grad_norm": 19.44626118241266, | |
| "learning_rate": 1.826074802700826e-06, | |
| "loss": 2.9975, | |
| "step": 67 | |
| }, | |
| { | |
| "epoch": 0.5802666666666667, | |
| "grad_norm": 18.230010490142433, | |
| "learning_rate": 1.8325089127062361e-06, | |
| "loss": 2.7141, | |
| "step": 68 | |
| }, | |
| { | |
| "epoch": 0.5888, | |
| "grad_norm": 19.672034786384422, | |
| "learning_rate": 1.8388490907372552e-06, | |
| "loss": 2.7342, | |
| "step": 69 | |
| }, | |
| { | |
| "epoch": 0.5973333333333334, | |
| "grad_norm": 20.431907892006116, | |
| "learning_rate": 1.8450980400142566e-06, | |
| "loss": 2.8332, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 0.6058666666666667, | |
| "grad_norm": 20.936816395090222, | |
| "learning_rate": 1.851258348719075e-06, | |
| "loss": 2.6939, | |
| "step": 71 | |
| }, | |
| { | |
| "epoch": 0.6144, | |
| "grad_norm": 18.78824631153452, | |
| "learning_rate": 1.857332496431268e-06, | |
| "loss": 2.3357, | |
| "step": 72 | |
| }, | |
| { | |
| "epoch": 0.6229333333333333, | |
| "grad_norm": 19.94754779630663, | |
| "learning_rate": 1.8633228601204554e-06, | |
| "loss": 2.3903, | |
| "step": 73 | |
| }, | |
| { | |
| "epoch": 0.6314666666666666, | |
| "grad_norm": 20.795786885743603, | |
| "learning_rate": 1.8692317197309759e-06, | |
| "loss": 2.3105, | |
| "step": 74 | |
| }, | |
| { | |
| "epoch": 0.64, | |
| "grad_norm": 22.39299642885025, | |
| "learning_rate": 1.8750612633916996e-06, | |
| "loss": 2.3909, | |
| "step": 75 | |
| }, | |
| { | |
| "epoch": 0.6485333333333333, | |
| "grad_norm": 20.92445445380723, | |
| "learning_rate": 1.880813592280791e-06, | |
| "loss": 2.1323, | |
| "step": 76 | |
| }, | |
| { | |
| "epoch": 0.6570666666666667, | |
| "grad_norm": 19.657343750620992, | |
| "learning_rate": 1.8864907251724815e-06, | |
| "loss": 1.8835, | |
| "step": 77 | |
| }, | |
| { | |
| "epoch": 0.6656, | |
| "grad_norm": 20.47587021316379, | |
| "learning_rate": 1.89209460269048e-06, | |
| "loss": 1.8998, | |
| "step": 78 | |
| }, | |
| { | |
| "epoch": 0.6741333333333334, | |
| "grad_norm": 20.25205700634583, | |
| "learning_rate": 1.897627091290441e-06, | |
| "loss": 1.7855, | |
| "step": 79 | |
| }, | |
| { | |
| "epoch": 0.6826666666666666, | |
| "grad_norm": 21.14208582351207, | |
| "learning_rate": 1.903089986991943e-06, | |
| "loss": 1.8428, | |
| "step": 80 | |
| }, | |
| { | |
| "epoch": 0.6912, | |
| "grad_norm": 20.39475158794498, | |
| "learning_rate": 1.9084850188786494e-06, | |
| "loss": 1.7485, | |
| "step": 81 | |
| }, | |
| { | |
| "epoch": 0.6997333333333333, | |
| "grad_norm": 16.571971790449002, | |
| "learning_rate": 1.9138138523837166e-06, | |
| "loss": 1.4696, | |
| "step": 82 | |
| }, | |
| { | |
| "epoch": 0.7082666666666667, | |
| "grad_norm": 15.676999411458654, | |
| "learning_rate": 1.919078092376074e-06, | |
| "loss": 1.388, | |
| "step": 83 | |
| }, | |
| { | |
| "epoch": 0.7168, | |
| "grad_norm": 14.1970537594678, | |
| "learning_rate": 1.9242792860618812e-06, | |
| "loss": 1.361, | |
| "step": 84 | |
| }, | |
| { | |
| "epoch": 0.7253333333333334, | |
| "grad_norm": 12.809108973893466, | |
| "learning_rate": 1.9294189257142923e-06, | |
| "loss": 1.3529, | |
| "step": 85 | |
| }, | |
| { | |
| "epoch": 0.7338666666666667, | |
| "grad_norm": 12.601555234808817, | |
| "learning_rate": 1.934498451243567e-06, | |
| "loss": 1.3159, | |
| "step": 86 | |
| }, | |
| { | |
| "epoch": 0.7424, | |
| "grad_norm": 11.144989228891582, | |
| "learning_rate": 1.939519252618618e-06, | |
| "loss": 1.2511, | |
| "step": 87 | |
| }, | |
| { | |
| "epoch": 0.7509333333333333, | |
| "grad_norm": 9.96803209356588, | |
| "learning_rate": 1.9444826721501684e-06, | |
| "loss": 1.0659, | |
| "step": 88 | |
| }, | |
| { | |
| "epoch": 0.7594666666666666, | |
| "grad_norm": 12.566400178736489, | |
| "learning_rate": 1.949390006644912e-06, | |
| "loss": 1.1682, | |
| "step": 89 | |
| }, | |
| { | |
| "epoch": 0.768, | |
| "grad_norm": 13.274690475734735, | |
| "learning_rate": 1.9542425094393244e-06, | |
| "loss": 1.09, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 0.7765333333333333, | |
| "grad_norm": 14.71924760305363, | |
| "learning_rate": 1.9590413923210933e-06, | |
| "loss": 1.0736, | |
| "step": 91 | |
| }, | |
| { | |
| "epoch": 0.7850666666666667, | |
| "grad_norm": 15.224266478058043, | |
| "learning_rate": 1.963787827345555e-06, | |
| "loss": 1.0324, | |
| "step": 92 | |
| }, | |
| { | |
| "epoch": 0.7936, | |
| "grad_norm": 15.73634400307161, | |
| "learning_rate": 1.968482948553935e-06, | |
| "loss": 1.0381, | |
| "step": 93 | |
| }, | |
| { | |
| "epoch": 0.8021333333333334, | |
| "grad_norm": 16.5663026295097, | |
| "learning_rate": 1.9731278535996984e-06, | |
| "loss": 0.9833, | |
| "step": 94 | |
| }, | |
| { | |
| "epoch": 0.8106666666666666, | |
| "grad_norm": 14.713574967698303, | |
| "learning_rate": 1.9777236052888472e-06, | |
| "loss": 0.8242, | |
| "step": 95 | |
| }, | |
| { | |
| "epoch": 0.8192, | |
| "grad_norm": 16.467974476225343, | |
| "learning_rate": 1.982271233039568e-06, | |
| "loss": 0.9301, | |
| "step": 96 | |
| }, | |
| { | |
| "epoch": 0.8277333333333333, | |
| "grad_norm": 16.39536283109591, | |
| "learning_rate": 1.9867717342662444e-06, | |
| "loss": 0.8342, | |
| "step": 97 | |
| }, | |
| { | |
| "epoch": 0.8362666666666667, | |
| "grad_norm": 16.834584306117144, | |
| "learning_rate": 1.9912260756924947e-06, | |
| "loss": 0.8117, | |
| "step": 98 | |
| }, | |
| { | |
| "epoch": 0.8448, | |
| "grad_norm": 14.449603139318016, | |
| "learning_rate": 1.9956351945975495e-06, | |
| "loss": 0.718, | |
| "step": 99 | |
| }, | |
| { | |
| "epoch": 0.8533333333333334, | |
| "grad_norm": 12.454426811073354, | |
| "learning_rate": 1.9999999999999995e-06, | |
| "loss": 0.6327, | |
| "step": 100 | |
| }, | |
| { | |
| "epoch": 0.8618666666666667, | |
| "grad_norm": 17.3183204974823, | |
| "learning_rate": 2e-06, | |
| "loss": 0.6041, | |
| "step": 101 | |
| }, | |
| { | |
| "epoch": 0.8704, | |
| "grad_norm": 13.572018144464437, | |
| "learning_rate": 2e-06, | |
| "loss": 0.5131, | |
| "step": 102 | |
| }, | |
| { | |
| "epoch": 0.8789333333333333, | |
| "grad_norm": 9.256319104232254, | |
| "learning_rate": 2e-06, | |
| "loss": 0.5273, | |
| "step": 103 | |
| }, | |
| { | |
| "epoch": 0.8874666666666666, | |
| "grad_norm": 7.425863956831629, | |
| "learning_rate": 2e-06, | |
| "loss": 0.4786, | |
| "step": 104 | |
| }, | |
| { | |
| "epoch": 0.896, | |
| "grad_norm": 8.97923808648426, | |
| "learning_rate": 2e-06, | |
| "loss": 0.4902, | |
| "step": 105 | |
| }, | |
| { | |
| "epoch": 0.9045333333333333, | |
| "grad_norm": 7.94937375079227, | |
| "learning_rate": 2e-06, | |
| "loss": 0.4941, | |
| "step": 106 | |
| }, | |
| { | |
| "epoch": 0.9130666666666667, | |
| "grad_norm": 7.729957259085908, | |
| "learning_rate": 2e-06, | |
| "loss": 0.4249, | |
| "step": 107 | |
| }, | |
| { | |
| "epoch": 0.9216, | |
| "grad_norm": 7.382589023982135, | |
| "learning_rate": 2e-06, | |
| "loss": 0.4148, | |
| "step": 108 | |
| }, | |
| { | |
| "epoch": 0.9301333333333334, | |
| "grad_norm": 6.478191175550658, | |
| "learning_rate": 2e-06, | |
| "loss": 0.3995, | |
| "step": 109 | |
| }, | |
| { | |
| "epoch": 0.9386666666666666, | |
| "grad_norm": 5.982915715313309, | |
| "learning_rate": 2e-06, | |
| "loss": 0.3787, | |
| "step": 110 | |
| }, | |
| { | |
| "epoch": 0.9472, | |
| "grad_norm": 4.896676216886559, | |
| "learning_rate": 2e-06, | |
| "loss": 0.3324, | |
| "step": 111 | |
| }, | |
| { | |
| "epoch": 0.9557333333333333, | |
| "grad_norm": 4.274518589330525, | |
| "learning_rate": 2e-06, | |
| "loss": 0.3323, | |
| "step": 112 | |
| }, | |
| { | |
| "epoch": 0.9642666666666667, | |
| "grad_norm": 3.8910829818375, | |
| "learning_rate": 2e-06, | |
| "loss": 0.2959, | |
| "step": 113 | |
| }, | |
| { | |
| "epoch": 0.9728, | |
| "grad_norm": 3.7211299941728337, | |
| "learning_rate": 2e-06, | |
| "loss": 0.297, | |
| "step": 114 | |
| }, | |
| { | |
| "epoch": 0.9813333333333333, | |
| "grad_norm": 3.283798245531902, | |
| "learning_rate": 2e-06, | |
| "loss": 0.2667, | |
| "step": 115 | |
| }, | |
| { | |
| "epoch": 0.9898666666666667, | |
| "grad_norm": 3.508078652121097, | |
| "learning_rate": 2e-06, | |
| "loss": 0.2968, | |
| "step": 116 | |
| }, | |
| { | |
| "epoch": 0.9984, | |
| "grad_norm": 3.5010931487735597, | |
| "learning_rate": 2e-06, | |
| "loss": 0.2574, | |
| "step": 117 | |
| }, | |
| { | |
| "epoch": 1.0069333333333332, | |
| "grad_norm": 3.3107051665235905, | |
| "learning_rate": 2e-06, | |
| "loss": 0.2489, | |
| "step": 118 | |
| }, | |
| { | |
| "epoch": 1.0154666666666667, | |
| "grad_norm": 2.60365618979484, | |
| "learning_rate": 2e-06, | |
| "loss": 0.2505, | |
| "step": 119 | |
| }, | |
| { | |
| "epoch": 1.024, | |
| "grad_norm": 2.4786955014392107, | |
| "learning_rate": 2e-06, | |
| "loss": 0.2274, | |
| "step": 120 | |
| }, | |
| { | |
| "epoch": 1.0325333333333333, | |
| "grad_norm": 2.8706599108871482, | |
| "learning_rate": 2e-06, | |
| "loss": 0.2868, | |
| "step": 121 | |
| }, | |
| { | |
| "epoch": 1.0410666666666666, | |
| "grad_norm": 3.3367705901809583, | |
| "learning_rate": 2e-06, | |
| "loss": 0.273, | |
| "step": 122 | |
| }, | |
| { | |
| "epoch": 1.0496, | |
| "grad_norm": 2.0507711355777363, | |
| "learning_rate": 2e-06, | |
| "loss": 0.2181, | |
| "step": 123 | |
| }, | |
| { | |
| "epoch": 1.0581333333333334, | |
| "grad_norm": 2.050269304590008, | |
| "learning_rate": 2e-06, | |
| "loss": 0.2229, | |
| "step": 124 | |
| }, | |
| { | |
| "epoch": 1.0666666666666667, | |
| "grad_norm": 1.9138641254623618, | |
| "learning_rate": 2e-06, | |
| "loss": 0.2158, | |
| "step": 125 | |
| }, | |
| { | |
| "epoch": 1.0752, | |
| "grad_norm": 1.7243593408385853, | |
| "learning_rate": 2e-06, | |
| "loss": 0.2144, | |
| "step": 126 | |
| }, | |
| { | |
| "epoch": 1.0837333333333334, | |
| "grad_norm": 2.0841717622377667, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1734, | |
| "step": 127 | |
| }, | |
| { | |
| "epoch": 1.0922666666666667, | |
| "grad_norm": 1.7715662019414709, | |
| "learning_rate": 2e-06, | |
| "loss": 0.192, | |
| "step": 128 | |
| }, | |
| { | |
| "epoch": 1.1008, | |
| "grad_norm": 1.7802480590149752, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1879, | |
| "step": 129 | |
| }, | |
| { | |
| "epoch": 1.1093333333333333, | |
| "grad_norm": 1.7527310994752934, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1979, | |
| "step": 130 | |
| }, | |
| { | |
| "epoch": 1.1178666666666666, | |
| "grad_norm": 1.6688568823942918, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1894, | |
| "step": 131 | |
| }, | |
| { | |
| "epoch": 1.1264, | |
| "grad_norm": 1.9228661315273043, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1863, | |
| "step": 132 | |
| }, | |
| { | |
| "epoch": 1.1349333333333333, | |
| "grad_norm": 1.5840739308357017, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1509, | |
| "step": 133 | |
| }, | |
| { | |
| "epoch": 1.1434666666666666, | |
| "grad_norm": 1.6155880007021268, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1508, | |
| "step": 134 | |
| }, | |
| { | |
| "epoch": 1.152, | |
| "grad_norm": 1.5565556176306672, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1339, | |
| "step": 135 | |
| }, | |
| { | |
| "epoch": 1.1605333333333334, | |
| "grad_norm": 1.2327392943177917, | |
| "learning_rate": 2e-06, | |
| "loss": 0.162, | |
| "step": 136 | |
| }, | |
| { | |
| "epoch": 1.1690666666666667, | |
| "grad_norm": 1.1175126889594371, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1504, | |
| "step": 137 | |
| }, | |
| { | |
| "epoch": 1.1776, | |
| "grad_norm": 1.0234683665505797, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1622, | |
| "step": 138 | |
| }, | |
| { | |
| "epoch": 1.1861333333333333, | |
| "grad_norm": 0.8025189409961947, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1266, | |
| "step": 139 | |
| }, | |
| { | |
| "epoch": 1.1946666666666665, | |
| "grad_norm": 0.917718049574188, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1333, | |
| "step": 140 | |
| }, | |
| { | |
| "epoch": 1.2032, | |
| "grad_norm": 0.8553193541068539, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1007, | |
| "step": 141 | |
| }, | |
| { | |
| "epoch": 1.2117333333333333, | |
| "grad_norm": 0.8517678389454441, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1359, | |
| "step": 142 | |
| }, | |
| { | |
| "epoch": 1.2202666666666666, | |
| "grad_norm": 0.6950206358336558, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1446, | |
| "step": 143 | |
| }, | |
| { | |
| "epoch": 1.2288000000000001, | |
| "grad_norm": 0.7307968218899772, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1401, | |
| "step": 144 | |
| }, | |
| { | |
| "epoch": 1.2373333333333334, | |
| "grad_norm": 0.63300619575367, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1474, | |
| "step": 145 | |
| }, | |
| { | |
| "epoch": 1.2458666666666667, | |
| "grad_norm": 0.6353347808938816, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1387, | |
| "step": 146 | |
| }, | |
| { | |
| "epoch": 1.2544, | |
| "grad_norm": 0.5034304301868344, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1223, | |
| "step": 147 | |
| }, | |
| { | |
| "epoch": 1.2629333333333332, | |
| "grad_norm": 0.5040806017733501, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1191, | |
| "step": 148 | |
| }, | |
| { | |
| "epoch": 1.2714666666666667, | |
| "grad_norm": 0.4409461366225314, | |
| "learning_rate": 2e-06, | |
| "loss": 0.0969, | |
| "step": 149 | |
| }, | |
| { | |
| "epoch": 1.28, | |
| "grad_norm": 0.5127705546071599, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1088, | |
| "step": 150 | |
| }, | |
| { | |
| "epoch": 1.2885333333333333, | |
| "grad_norm": 0.45510061969744225, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1003, | |
| "step": 151 | |
| }, | |
| { | |
| "epoch": 1.2970666666666666, | |
| "grad_norm": 0.41758162851175296, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1247, | |
| "step": 152 | |
| }, | |
| { | |
| "epoch": 1.3056, | |
| "grad_norm": 0.37704705762864665, | |
| "learning_rate": 2e-06, | |
| "loss": 0.103, | |
| "step": 153 | |
| }, | |
| { | |
| "epoch": 1.3141333333333334, | |
| "grad_norm": 0.5586623569851862, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1601, | |
| "step": 154 | |
| }, | |
| { | |
| "epoch": 1.3226666666666667, | |
| "grad_norm": 0.46195551422136105, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1374, | |
| "step": 155 | |
| }, | |
| { | |
| "epoch": 1.3312, | |
| "grad_norm": 0.343093548707341, | |
| "learning_rate": 2e-06, | |
| "loss": 0.0941, | |
| "step": 156 | |
| }, | |
| { | |
| "epoch": 1.3397333333333332, | |
| "grad_norm": 0.39257169120413016, | |
| "learning_rate": 2e-06, | |
| "loss": 0.0895, | |
| "step": 157 | |
| }, | |
| { | |
| "epoch": 1.3482666666666667, | |
| "grad_norm": 0.4384934691842106, | |
| "learning_rate": 2e-06, | |
| "loss": 0.0942, | |
| "step": 158 | |
| }, | |
| { | |
| "epoch": 1.3568, | |
| "grad_norm": 0.35616301762971647, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1003, | |
| "step": 159 | |
| }, | |
| { | |
| "epoch": 1.3653333333333333, | |
| "grad_norm": 0.29786532010683625, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1037, | |
| "step": 160 | |
| }, | |
| { | |
| "epoch": 1.3738666666666668, | |
| "grad_norm": 0.2946397050466001, | |
| "learning_rate": 2e-06, | |
| "loss": 0.0939, | |
| "step": 161 | |
| }, | |
| { | |
| "epoch": 1.3824, | |
| "grad_norm": 0.3222496606745091, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1243, | |
| "step": 162 | |
| }, | |
| { | |
| "epoch": 1.3909333333333334, | |
| "grad_norm": 0.32912983758734565, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1187, | |
| "step": 163 | |
| }, | |
| { | |
| "epoch": 1.3994666666666666, | |
| "grad_norm": 0.2905712575341462, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1055, | |
| "step": 164 | |
| }, | |
| { | |
| "epoch": 1.408, | |
| "grad_norm": 0.2546454307119994, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1127, | |
| "step": 165 | |
| }, | |
| { | |
| "epoch": 1.4165333333333332, | |
| "grad_norm": 0.24261844656179513, | |
| "learning_rate": 2e-06, | |
| "loss": 0.0877, | |
| "step": 166 | |
| }, | |
| { | |
| "epoch": 1.4250666666666667, | |
| "grad_norm": 0.27532498274009637, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1041, | |
| "step": 167 | |
| }, | |
| { | |
| "epoch": 1.4336, | |
| "grad_norm": 0.22379144098339965, | |
| "learning_rate": 2e-06, | |
| "loss": 0.107, | |
| "step": 168 | |
| }, | |
| { | |
| "epoch": 1.4421333333333333, | |
| "grad_norm": 0.2553489194035564, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1024, | |
| "step": 169 | |
| }, | |
| { | |
| "epoch": 1.4506666666666668, | |
| "grad_norm": 0.26786337913337943, | |
| "learning_rate": 2e-06, | |
| "loss": 0.112, | |
| "step": 170 | |
| }, | |
| { | |
| "epoch": 1.4592, | |
| "grad_norm": 0.21817003581749791, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1017, | |
| "step": 171 | |
| }, | |
| { | |
| "epoch": 1.4677333333333333, | |
| "grad_norm": 0.248801300603125, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1074, | |
| "step": 172 | |
| }, | |
| { | |
| "epoch": 1.4762666666666666, | |
| "grad_norm": 0.20753754481502557, | |
| "learning_rate": 2e-06, | |
| "loss": 0.0584, | |
| "step": 173 | |
| }, | |
| { | |
| "epoch": 1.4848, | |
| "grad_norm": 0.21283270546700547, | |
| "learning_rate": 2e-06, | |
| "loss": 0.0925, | |
| "step": 174 | |
| }, | |
| { | |
| "epoch": 1.4933333333333334, | |
| "grad_norm": 0.20676886828247096, | |
| "learning_rate": 2e-06, | |
| "loss": 0.0934, | |
| "step": 175 | |
| }, | |
| { | |
| "epoch": 1.5018666666666667, | |
| "grad_norm": 0.2107516370604524, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1065, | |
| "step": 176 | |
| }, | |
| { | |
| "epoch": 1.5104, | |
| "grad_norm": 0.18723401435843423, | |
| "learning_rate": 2e-06, | |
| "loss": 0.0888, | |
| "step": 177 | |
| }, | |
| { | |
| "epoch": 1.5189333333333335, | |
| "grad_norm": 0.17168054092247184, | |
| "learning_rate": 2e-06, | |
| "loss": 0.0839, | |
| "step": 178 | |
| }, | |
| { | |
| "epoch": 1.5274666666666668, | |
| "grad_norm": 0.22217432369323692, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1114, | |
| "step": 179 | |
| }, | |
| { | |
| "epoch": 1.536, | |
| "grad_norm": 0.20054756436379942, | |
| "learning_rate": 2e-06, | |
| "loss": 0.1059, | |
| "step": 180 | |
| } | |
| ], | |
| "logging_steps": 1, | |
| "max_steps": 301, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 3, | |
| "save_steps": 10, | |
| "stateful_callbacks": { | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": false | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 2.834094922578002e+18, | |
| "train_batch_size": 16, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |