| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 7.4, | |
| "eval_steps": 500, | |
| "global_step": 96, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.16, | |
| "grad_norm": 24.299409866333008, | |
| "learning_rate": 0.00019583333333333334, | |
| "loss": 9.6308, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.32, | |
| "grad_norm": 21.645837783813477, | |
| "learning_rate": 0.00019166666666666667, | |
| "loss": 8.8304, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.48, | |
| "grad_norm": 26.87311553955078, | |
| "learning_rate": 0.0001875, | |
| "loss": 8.2558, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 0.64, | |
| "grad_norm": 20.85015106201172, | |
| "learning_rate": 0.00018333333333333334, | |
| "loss": 7.6341, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 0.8, | |
| "grad_norm": 11.373078346252441, | |
| "learning_rate": 0.0001791666666666667, | |
| "loss": 7.3657, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.96, | |
| "grad_norm": 8.73630428314209, | |
| "learning_rate": 0.000175, | |
| "loss": 7.3537, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 1.08, | |
| "grad_norm": 5.606980323791504, | |
| "learning_rate": 0.00017083333333333333, | |
| "loss": 5.4308, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 1.24, | |
| "grad_norm": 4.6125168800354, | |
| "learning_rate": 0.0001666666666666667, | |
| "loss": 7.1842, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 1.4, | |
| "grad_norm": 7.653925895690918, | |
| "learning_rate": 0.00016250000000000002, | |
| "loss": 7.0222, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 1.56, | |
| "grad_norm": 4.941583633422852, | |
| "learning_rate": 0.00015833333333333332, | |
| "loss": 6.962, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 1.72, | |
| "grad_norm": 6.187161922454834, | |
| "learning_rate": 0.00015416666666666668, | |
| "loss": 6.9915, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 1.88, | |
| "grad_norm": 3.677783489227295, | |
| "learning_rate": 0.00015000000000000001, | |
| "loss": 6.7917, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 2.0, | |
| "grad_norm": 3.971726417541504, | |
| "learning_rate": 0.00014583333333333335, | |
| "loss": 5.0888, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 2.16, | |
| "grad_norm": 4.507529258728027, | |
| "learning_rate": 0.00014166666666666668, | |
| "loss": 6.969, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 2.32, | |
| "grad_norm": 5.118126392364502, | |
| "learning_rate": 0.0001375, | |
| "loss": 6.702, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 2.48, | |
| "grad_norm": 4.643431663513184, | |
| "learning_rate": 0.00013333333333333334, | |
| "loss": 6.9216, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 2.64, | |
| "grad_norm": 3.6992788314819336, | |
| "learning_rate": 0.00012916666666666667, | |
| "loss": 6.8128, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 2.8, | |
| "grad_norm": 4.0084614753723145, | |
| "learning_rate": 0.000125, | |
| "loss": 6.8316, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 2.96, | |
| "grad_norm": 3.2957804203033447, | |
| "learning_rate": 0.00012083333333333333, | |
| "loss": 6.7879, | |
| "step": 38 | |
| }, | |
| { | |
| "epoch": 3.08, | |
| "grad_norm": 5.090462684631348, | |
| "learning_rate": 0.00011666666666666668, | |
| "loss": 5.0059, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 3.24, | |
| "grad_norm": 5.256293773651123, | |
| "learning_rate": 0.00011250000000000001, | |
| "loss": 6.8814, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 3.4, | |
| "grad_norm": 4.577947616577148, | |
| "learning_rate": 0.00010833333333333333, | |
| "loss": 6.7358, | |
| "step": 44 | |
| }, | |
| { | |
| "epoch": 3.56, | |
| "grad_norm": 4.876791954040527, | |
| "learning_rate": 0.00010416666666666667, | |
| "loss": 6.8413, | |
| "step": 46 | |
| }, | |
| { | |
| "epoch": 3.7199999999999998, | |
| "grad_norm": 3.020899534225464, | |
| "learning_rate": 0.0001, | |
| "loss": 6.8198, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 3.88, | |
| "grad_norm": 3.4423134326934814, | |
| "learning_rate": 9.583333333333334e-05, | |
| "loss": 6.696, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 4.0, | |
| "grad_norm": 1.9926425218582153, | |
| "learning_rate": 9.166666666666667e-05, | |
| "loss": 5.1219, | |
| "step": 52 | |
| }, | |
| { | |
| "epoch": 4.16, | |
| "grad_norm": 3.435487985610962, | |
| "learning_rate": 8.75e-05, | |
| "loss": 6.7308, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 4.32, | |
| "grad_norm": 3.666560649871826, | |
| "learning_rate": 8.333333333333334e-05, | |
| "loss": 6.807, | |
| "step": 56 | |
| }, | |
| { | |
| "epoch": 4.48, | |
| "grad_norm": 5.933062553405762, | |
| "learning_rate": 7.916666666666666e-05, | |
| "loss": 6.5088, | |
| "step": 58 | |
| }, | |
| { | |
| "epoch": 4.64, | |
| "grad_norm": 7.5597944259643555, | |
| "learning_rate": 7.500000000000001e-05, | |
| "loss": 6.8242, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 4.8, | |
| "grad_norm": 4.08908224105835, | |
| "learning_rate": 7.083333333333334e-05, | |
| "loss": 6.7755, | |
| "step": 62 | |
| }, | |
| { | |
| "epoch": 4.96, | |
| "grad_norm": 2.845886707305908, | |
| "learning_rate": 6.666666666666667e-05, | |
| "loss": 6.7024, | |
| "step": 64 | |
| }, | |
| { | |
| "epoch": 5.08, | |
| "grad_norm": 4.930906295776367, | |
| "learning_rate": 6.25e-05, | |
| "loss": 5.0796, | |
| "step": 66 | |
| }, | |
| { | |
| "epoch": 5.24, | |
| "grad_norm": 4.909699440002441, | |
| "learning_rate": 5.833333333333334e-05, | |
| "loss": 6.6225, | |
| "step": 68 | |
| }, | |
| { | |
| "epoch": 5.4, | |
| "grad_norm": 5.248680591583252, | |
| "learning_rate": 5.4166666666666664e-05, | |
| "loss": 6.6255, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 5.5600000000000005, | |
| "grad_norm": 4.862923622131348, | |
| "learning_rate": 5e-05, | |
| "loss": 6.6052, | |
| "step": 72 | |
| }, | |
| { | |
| "epoch": 5.72, | |
| "grad_norm": 4.014983177185059, | |
| "learning_rate": 4.5833333333333334e-05, | |
| "loss": 6.7604, | |
| "step": 74 | |
| }, | |
| { | |
| "epoch": 5.88, | |
| "grad_norm": 5.7904887199401855, | |
| "learning_rate": 4.166666666666667e-05, | |
| "loss": 6.5661, | |
| "step": 76 | |
| }, | |
| { | |
| "epoch": 6.0, | |
| "grad_norm": 2.4023070335388184, | |
| "learning_rate": 3.7500000000000003e-05, | |
| "loss": 4.9485, | |
| "step": 78 | |
| }, | |
| { | |
| "epoch": 6.16, | |
| "grad_norm": 8.205228805541992, | |
| "learning_rate": 3.3333333333333335e-05, | |
| "loss": 6.4406, | |
| "step": 80 | |
| }, | |
| { | |
| "epoch": 6.32, | |
| "grad_norm": 4.756229400634766, | |
| "learning_rate": 2.916666666666667e-05, | |
| "loss": 6.701, | |
| "step": 82 | |
| }, | |
| { | |
| "epoch": 6.48, | |
| "grad_norm": 3.8812973499298096, | |
| "learning_rate": 2.5e-05, | |
| "loss": 6.4635, | |
| "step": 84 | |
| }, | |
| { | |
| "epoch": 6.64, | |
| "grad_norm": 4.376280784606934, | |
| "learning_rate": 2.0833333333333336e-05, | |
| "loss": 6.6409, | |
| "step": 86 | |
| }, | |
| { | |
| "epoch": 6.8, | |
| "grad_norm": 3.6164727210998535, | |
| "learning_rate": 1.6666666666666667e-05, | |
| "loss": 6.5085, | |
| "step": 88 | |
| }, | |
| { | |
| "epoch": 6.96, | |
| "grad_norm": 3.8249928951263428, | |
| "learning_rate": 1.25e-05, | |
| "loss": 6.6132, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 7.08, | |
| "grad_norm": 3.8151330947875977, | |
| "learning_rate": 8.333333333333334e-06, | |
| "loss": 5.0894, | |
| "step": 92 | |
| }, | |
| { | |
| "epoch": 7.24, | |
| "grad_norm": 4.085716724395752, | |
| "learning_rate": 4.166666666666667e-06, | |
| "loss": 6.5454, | |
| "step": 94 | |
| }, | |
| { | |
| "epoch": 7.4, | |
| "grad_norm": 5.319828987121582, | |
| "learning_rate": 0.0, | |
| "loss": 6.5279, | |
| "step": 96 | |
| }, | |
| { | |
| "epoch": 7.4, | |
| "step": 96, | |
| "total_flos": 238308734281248.0, | |
| "train_loss": 6.6824056307474775, | |
| "train_runtime": 800.3785, | |
| "train_samples_per_second": 1.999, | |
| "train_steps_per_second": 0.12 | |
| } | |
| ], | |
| "logging_steps": 2, | |
| "max_steps": 96, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 8, | |
| "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": 238308734281248.0, | |
| "train_batch_size": 2, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |