| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 3.0, | |
| "eval_steps": 500, | |
| "global_step": 72, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.041666666666666664, | |
| "grad_norm": 7.4461519509711245, | |
| "learning_rate": 1.25e-06, | |
| "loss": 1.222, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.08333333333333333, | |
| "grad_norm": 7.194929737353425, | |
| "learning_rate": 2.5e-06, | |
| "loss": 1.1779, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.125, | |
| "grad_norm": 7.333967870950286, | |
| "learning_rate": 3.7500000000000005e-06, | |
| "loss": 1.2291, | |
| "step": 3 | |
| }, | |
| { | |
| "epoch": 0.16666666666666666, | |
| "grad_norm": 6.570794290680697, | |
| "learning_rate": 5e-06, | |
| "loss": 1.1662, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.20833333333333334, | |
| "grad_norm": 5.127918855747146, | |
| "learning_rate": 6.25e-06, | |
| "loss": 1.1464, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 0.25, | |
| "grad_norm": 2.528659831516316, | |
| "learning_rate": 7.500000000000001e-06, | |
| "loss": 1.0867, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 0.2916666666666667, | |
| "grad_norm": 4.974882078396541, | |
| "learning_rate": 8.750000000000001e-06, | |
| "loss": 1.0931, | |
| "step": 7 | |
| }, | |
| { | |
| "epoch": 0.3333333333333333, | |
| "grad_norm": 5.324763274797421, | |
| "learning_rate": 1e-05, | |
| "loss": 1.0674, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 0.375, | |
| "grad_norm": 4.680608433921859, | |
| "learning_rate": 9.993977281025862e-06, | |
| "loss": 1.0213, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 0.4166666666666667, | |
| "grad_norm": 5.1315789257717945, | |
| "learning_rate": 9.975923633360985e-06, | |
| "loss": 1.0397, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.4583333333333333, | |
| "grad_norm": 3.6025890380547745, | |
| "learning_rate": 9.945882549823906e-06, | |
| "loss": 0.9833, | |
| "step": 11 | |
| }, | |
| { | |
| "epoch": 0.5, | |
| "grad_norm": 2.2633809022438287, | |
| "learning_rate": 9.903926402016153e-06, | |
| "loss": 0.9242, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 0.5416666666666666, | |
| "grad_norm": 2.523949643335755, | |
| "learning_rate": 9.850156265972722e-06, | |
| "loss": 0.9306, | |
| "step": 13 | |
| }, | |
| { | |
| "epoch": 0.5833333333333334, | |
| "grad_norm": 2.3117675062860883, | |
| "learning_rate": 9.784701678661045e-06, | |
| "loss": 0.9053, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 0.625, | |
| "grad_norm": 1.8591474201560603, | |
| "learning_rate": 9.707720325915105e-06, | |
| "loss": 0.912, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 0.6666666666666666, | |
| "grad_norm": 1.472720248225591, | |
| "learning_rate": 9.619397662556434e-06, | |
| "loss": 0.8843, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 0.7083333333333334, | |
| "grad_norm": 1.2895049049519833, | |
| "learning_rate": 9.519946465617217e-06, | |
| "loss": 0.8891, | |
| "step": 17 | |
| }, | |
| { | |
| "epoch": 0.75, | |
| "grad_norm": 1.1773227687641274, | |
| "learning_rate": 9.409606321741776e-06, | |
| "loss": 0.8623, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 0.7916666666666666, | |
| "grad_norm": 1.1404756655161843, | |
| "learning_rate": 9.288643050001362e-06, | |
| "loss": 0.8788, | |
| "step": 19 | |
| }, | |
| { | |
| "epoch": 0.8333333333333334, | |
| "grad_norm": 0.8551371234751329, | |
| "learning_rate": 9.157348061512728e-06, | |
| "loss": 0.8561, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.875, | |
| "grad_norm": 0.8093803560929222, | |
| "learning_rate": 9.016037657403225e-06, | |
| "loss": 0.8625, | |
| "step": 21 | |
| }, | |
| { | |
| "epoch": 0.9166666666666666, | |
| "grad_norm": 0.7817687246884554, | |
| "learning_rate": 8.865052266813686e-06, | |
| "loss": 0.8625, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 0.9583333333333334, | |
| "grad_norm": 0.8101494321706375, | |
| "learning_rate": 8.704755626774796e-06, | |
| "loss": 0.8391, | |
| "step": 23 | |
| }, | |
| { | |
| "epoch": 1.0, | |
| "grad_norm": 0.5093988051964708, | |
| "learning_rate": 8.535533905932739e-06, | |
| "loss": 0.8406, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 1.0416666666666667, | |
| "grad_norm": 0.5665482168782667, | |
| "learning_rate": 8.357794774235094e-06, | |
| "loss": 0.819, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 1.0833333333333333, | |
| "grad_norm": 0.5605222851113811, | |
| "learning_rate": 8.171966420818227e-06, | |
| "loss": 0.8119, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 1.125, | |
| "grad_norm": 0.563011084024224, | |
| "learning_rate": 7.978496522462167e-06, | |
| "loss": 0.7977, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 1.1666666666666667, | |
| "grad_norm": 0.4370218328877668, | |
| "learning_rate": 7.777851165098012e-06, | |
| "loss": 0.7925, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 1.2083333333333333, | |
| "grad_norm": 0.4363576530088793, | |
| "learning_rate": 7.570513720966108e-06, | |
| "loss": 0.8107, | |
| "step": 29 | |
| }, | |
| { | |
| "epoch": 1.25, | |
| "grad_norm": 0.454199209193312, | |
| "learning_rate": 7.3569836841299905e-06, | |
| "loss": 0.8226, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 1.2916666666666667, | |
| "grad_norm": 0.43849188161106434, | |
| "learning_rate": 7.137775467151411e-06, | |
| "loss": 0.7941, | |
| "step": 31 | |
| }, | |
| { | |
| "epoch": 1.3333333333333333, | |
| "grad_norm": 0.39461206608240496, | |
| "learning_rate": 6.913417161825449e-06, | |
| "loss": 0.8032, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 1.375, | |
| "grad_norm": 0.45668675578130913, | |
| "learning_rate": 6.684449266961101e-06, | |
| "loss": 0.8029, | |
| "step": 33 | |
| }, | |
| { | |
| "epoch": 1.4166666666666667, | |
| "grad_norm": 0.43600043654014087, | |
| "learning_rate": 6.451423386272312e-06, | |
| "loss": 0.8081, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 1.4583333333333333, | |
| "grad_norm": 0.42108216786596225, | |
| "learning_rate": 6.21490089951632e-06, | |
| "loss": 0.7971, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 1.5, | |
| "grad_norm": 0.35021427514409276, | |
| "learning_rate": 5.975451610080643e-06, | |
| "loss": 0.7916, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 1.5416666666666665, | |
| "grad_norm": 0.5456525909687769, | |
| "learning_rate": 5.733652372276809e-06, | |
| "loss": 0.809, | |
| "step": 37 | |
| }, | |
| { | |
| "epoch": 1.5833333333333335, | |
| "grad_norm": 0.44917605026168267, | |
| "learning_rate": 5.490085701647805e-06, | |
| "loss": 0.7549, | |
| "step": 38 | |
| }, | |
| { | |
| "epoch": 1.625, | |
| "grad_norm": 0.36337481633076185, | |
| "learning_rate": 5.245338371637091e-06, | |
| "loss": 0.8049, | |
| "step": 39 | |
| }, | |
| { | |
| "epoch": 1.6666666666666665, | |
| "grad_norm": 0.35099097879704033, | |
| "learning_rate": 5e-06, | |
| "loss": 0.7711, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 1.7083333333333335, | |
| "grad_norm": 0.3474553408571236, | |
| "learning_rate": 4.75466162836291e-06, | |
| "loss": 0.7912, | |
| "step": 41 | |
| }, | |
| { | |
| "epoch": 1.75, | |
| "grad_norm": 0.40430012822618056, | |
| "learning_rate": 4.509914298352197e-06, | |
| "loss": 0.7608, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 1.7916666666666665, | |
| "grad_norm": 0.3638732435388027, | |
| "learning_rate": 4.266347627723192e-06, | |
| "loss": 0.7955, | |
| "step": 43 | |
| }, | |
| { | |
| "epoch": 1.8333333333333335, | |
| "grad_norm": 0.3566549145751346, | |
| "learning_rate": 4.02454838991936e-06, | |
| "loss": 0.7885, | |
| "step": 44 | |
| }, | |
| { | |
| "epoch": 1.875, | |
| "grad_norm": 0.345560427391061, | |
| "learning_rate": 3.7850991004836813e-06, | |
| "loss": 0.7789, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 1.9166666666666665, | |
| "grad_norm": 0.32890679342787366, | |
| "learning_rate": 3.5485766137276894e-06, | |
| "loss": 0.8068, | |
| "step": 46 | |
| }, | |
| { | |
| "epoch": 1.9583333333333335, | |
| "grad_norm": 0.30384650295902926, | |
| "learning_rate": 3.3155507330389004e-06, | |
| "loss": 0.7877, | |
| "step": 47 | |
| }, | |
| { | |
| "epoch": 2.0, | |
| "grad_norm": 0.315934146641292, | |
| "learning_rate": 3.0865828381745515e-06, | |
| "loss": 0.7909, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 2.0416666666666665, | |
| "grad_norm": 0.3088706026275368, | |
| "learning_rate": 2.862224532848591e-06, | |
| "loss": 0.7664, | |
| "step": 49 | |
| }, | |
| { | |
| "epoch": 2.0833333333333335, | |
| "grad_norm": 0.2934756055775262, | |
| "learning_rate": 2.6430163158700116e-06, | |
| "loss": 0.7636, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 2.125, | |
| "grad_norm": 0.2781668159606118, | |
| "learning_rate": 2.429486279033892e-06, | |
| "loss": 0.7494, | |
| "step": 51 | |
| }, | |
| { | |
| "epoch": 2.1666666666666665, | |
| "grad_norm": 0.26041364038043807, | |
| "learning_rate": 2.2221488349019903e-06, | |
| "loss": 0.7597, | |
| "step": 52 | |
| }, | |
| { | |
| "epoch": 2.2083333333333335, | |
| "grad_norm": 0.28685389706179326, | |
| "learning_rate": 2.0215034775378336e-06, | |
| "loss": 0.7377, | |
| "step": 53 | |
| }, | |
| { | |
| "epoch": 2.25, | |
| "grad_norm": 0.2814318410441988, | |
| "learning_rate": 1.8280335791817733e-06, | |
| "loss": 0.7584, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 2.2916666666666665, | |
| "grad_norm": 0.2882795848313525, | |
| "learning_rate": 1.642205225764908e-06, | |
| "loss": 0.7593, | |
| "step": 55 | |
| }, | |
| { | |
| "epoch": 2.3333333333333335, | |
| "grad_norm": 0.2678705990361174, | |
| "learning_rate": 1.4644660940672628e-06, | |
| "loss": 0.7555, | |
| "step": 56 | |
| }, | |
| { | |
| "epoch": 2.375, | |
| "grad_norm": 0.29557635096062773, | |
| "learning_rate": 1.2952443732252058e-06, | |
| "loss": 0.7793, | |
| "step": 57 | |
| }, | |
| { | |
| "epoch": 2.4166666666666665, | |
| "grad_norm": 0.2907068363495174, | |
| "learning_rate": 1.134947733186315e-06, | |
| "loss": 0.7309, | |
| "step": 58 | |
| }, | |
| { | |
| "epoch": 2.4583333333333335, | |
| "grad_norm": 0.2657901924127417, | |
| "learning_rate": 9.83962342596776e-07, | |
| "loss": 0.7514, | |
| "step": 59 | |
| }, | |
| { | |
| "epoch": 2.5, | |
| "grad_norm": 0.24256134408455063, | |
| "learning_rate": 8.426519384872733e-07, | |
| "loss": 0.7758, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 2.5416666666666665, | |
| "grad_norm": 0.2640727281354079, | |
| "learning_rate": 7.113569499986401e-07, | |
| "loss": 0.7473, | |
| "step": 61 | |
| }, | |
| { | |
| "epoch": 2.5833333333333335, | |
| "grad_norm": 0.24447100703685454, | |
| "learning_rate": 5.903936782582253e-07, | |
| "loss": 0.7523, | |
| "step": 62 | |
| }, | |
| { | |
| "epoch": 2.625, | |
| "grad_norm": 0.255955912903117, | |
| "learning_rate": 4.800535343827834e-07, | |
| "loss": 0.7441, | |
| "step": 63 | |
| }, | |
| { | |
| "epoch": 2.6666666666666665, | |
| "grad_norm": 0.2500055813341445, | |
| "learning_rate": 3.8060233744356634e-07, | |
| "loss": 0.7592, | |
| "step": 64 | |
| }, | |
| { | |
| "epoch": 2.7083333333333335, | |
| "grad_norm": 0.2368922676632115, | |
| "learning_rate": 2.9227967408489653e-07, | |
| "loss": 0.74, | |
| "step": 65 | |
| }, | |
| { | |
| "epoch": 2.75, | |
| "grad_norm": 0.25004456778320516, | |
| "learning_rate": 2.152983213389559e-07, | |
| "loss": 0.7528, | |
| "step": 66 | |
| }, | |
| { | |
| "epoch": 2.7916666666666665, | |
| "grad_norm": 0.23738559029873482, | |
| "learning_rate": 1.4984373402728014e-07, | |
| "loss": 0.7476, | |
| "step": 67 | |
| }, | |
| { | |
| "epoch": 2.8333333333333335, | |
| "grad_norm": 0.23711273434333477, | |
| "learning_rate": 9.607359798384785e-08, | |
| "loss": 0.7626, | |
| "step": 68 | |
| }, | |
| { | |
| "epoch": 2.875, | |
| "grad_norm": 0.24058387004215953, | |
| "learning_rate": 5.411745017609493e-08, | |
| "loss": 0.7476, | |
| "step": 69 | |
| }, | |
| { | |
| "epoch": 2.9166666666666665, | |
| "grad_norm": 0.23933234547011273, | |
| "learning_rate": 2.4076366639015914e-08, | |
| "loss": 0.7685, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 2.9583333333333335, | |
| "grad_norm": 0.22845877486050034, | |
| "learning_rate": 6.022718974137976e-09, | |
| "loss": 0.736, | |
| "step": 71 | |
| }, | |
| { | |
| "epoch": 3.0, | |
| "grad_norm": 0.23887168528712394, | |
| "learning_rate": 0.0, | |
| "loss": 0.7468, | |
| "step": 72 | |
| }, | |
| { | |
| "epoch": 3.0, | |
| "step": 72, | |
| "total_flos": 2.4710097421939507e+17, | |
| "train_loss": 0.8453347384929657, | |
| "train_runtime": 2641.4784, | |
| "train_samples_per_second": 2.613, | |
| "train_steps_per_second": 0.027 | |
| } | |
| ], | |
| "logging_steps": 1, | |
| "max_steps": 72, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 3, | |
| "save_steps": 500, | |
| "stateful_callbacks": { | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": true | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 2.4710097421939507e+17, | |
| "train_batch_size": 1, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |