| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 0.512, | |
| "eval_steps": 500, | |
| "global_step": 60, | |
| "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 | |
| } | |
| ], | |
| "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": 9.368370968138875e+17, | |
| "train_batch_size": 16, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |