| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 0.6116207951070336, | |
| "eval_steps": 1000, | |
| "global_step": 100, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.0061162079510703364, | |
| "grad_norm": 14.838244438171387, | |
| "learning_rate": 0.0, | |
| "loss": 3.3874, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.012232415902140673, | |
| "grad_norm": 9.148641586303711, | |
| "learning_rate": 8.613531161467861e-05, | |
| "loss": 3.3261, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.01834862385321101, | |
| "grad_norm": 11.121794700622559, | |
| "learning_rate": 0.00013652123889719707, | |
| "loss": 3.5395, | |
| "step": 3 | |
| }, | |
| { | |
| "epoch": 0.024464831804281346, | |
| "grad_norm": 15.398090362548828, | |
| "learning_rate": 0.00017227062322935723, | |
| "loss": 2.7237, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.03058103975535168, | |
| "grad_norm": 12.812384605407715, | |
| "learning_rate": 0.0002, | |
| "loss": 2.5766, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 0.03669724770642202, | |
| "grad_norm": 13.770212173461914, | |
| "learning_rate": 0.0002, | |
| "loss": 2.9812, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 0.04281345565749235, | |
| "grad_norm": 9.31240177154541, | |
| "learning_rate": 0.0001979166666666667, | |
| "loss": 2.2007, | |
| "step": 7 | |
| }, | |
| { | |
| "epoch": 0.04892966360856269, | |
| "grad_norm": 8.453168869018555, | |
| "learning_rate": 0.00019583333333333334, | |
| "loss": 3.0672, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 0.05504587155963303, | |
| "grad_norm": 6.629086971282959, | |
| "learning_rate": 0.00019375000000000002, | |
| "loss": 2.3837, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 0.06116207951070336, | |
| "grad_norm": 8.609308242797852, | |
| "learning_rate": 0.00019166666666666667, | |
| "loss": 2.8275, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.0672782874617737, | |
| "grad_norm": 8.45747184753418, | |
| "learning_rate": 0.00018958333333333332, | |
| "loss": 2.7901, | |
| "step": 11 | |
| }, | |
| { | |
| "epoch": 0.07339449541284404, | |
| "grad_norm": 7.778749942779541, | |
| "learning_rate": 0.0001875, | |
| "loss": 2.1263, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 0.07951070336391437, | |
| "grad_norm": 9.23363208770752, | |
| "learning_rate": 0.00018541666666666668, | |
| "loss": 2.7385, | |
| "step": 13 | |
| }, | |
| { | |
| "epoch": 0.0856269113149847, | |
| "grad_norm": 10.394725799560547, | |
| "learning_rate": 0.00018333333333333334, | |
| "loss": 1.9376, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 0.09174311926605505, | |
| "grad_norm": 8.084063529968262, | |
| "learning_rate": 0.00018125000000000001, | |
| "loss": 2.5122, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 0.09785932721712538, | |
| "grad_norm": 7.217422008514404, | |
| "learning_rate": 0.0001791666666666667, | |
| "loss": 1.8823, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 0.10397553516819572, | |
| "grad_norm": 10.879976272583008, | |
| "learning_rate": 0.00017708333333333335, | |
| "loss": 2.3302, | |
| "step": 17 | |
| }, | |
| { | |
| "epoch": 0.11009174311926606, | |
| "grad_norm": 9.06281566619873, | |
| "learning_rate": 0.000175, | |
| "loss": 2.0973, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 0.1162079510703364, | |
| "grad_norm": 9.083320617675781, | |
| "learning_rate": 0.00017291666666666668, | |
| "loss": 2.5653, | |
| "step": 19 | |
| }, | |
| { | |
| "epoch": 0.12232415902140673, | |
| "grad_norm": 12.028092384338379, | |
| "learning_rate": 0.00017083333333333333, | |
| "loss": 2.1673, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.12844036697247707, | |
| "grad_norm": 8.217774391174316, | |
| "learning_rate": 0.00016875, | |
| "loss": 2.9435, | |
| "step": 21 | |
| }, | |
| { | |
| "epoch": 0.1345565749235474, | |
| "grad_norm": 7.708691596984863, | |
| "learning_rate": 0.0001666666666666667, | |
| "loss": 2.5439, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 0.14067278287461774, | |
| "grad_norm": 9.682010650634766, | |
| "learning_rate": 0.00016458333333333334, | |
| "loss": 2.5956, | |
| "step": 23 | |
| }, | |
| { | |
| "epoch": 0.14678899082568808, | |
| "grad_norm": 8.222599029541016, | |
| "learning_rate": 0.00016250000000000002, | |
| "loss": 1.9396, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 0.1529051987767584, | |
| "grad_norm": 5.596776008605957, | |
| "learning_rate": 0.00016041666666666667, | |
| "loss": 1.6316, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 0.15902140672782875, | |
| "grad_norm": 7.1853766441345215, | |
| "learning_rate": 0.00015833333333333332, | |
| "loss": 2.2344, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 0.1651376146788991, | |
| "grad_norm": 8.985827445983887, | |
| "learning_rate": 0.00015625, | |
| "loss": 1.8781, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 0.1712538226299694, | |
| "grad_norm": 7.93477201461792, | |
| "learning_rate": 0.00015416666666666668, | |
| "loss": 2.6036, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 0.17737003058103976, | |
| "grad_norm": 6.477381229400635, | |
| "learning_rate": 0.00015208333333333333, | |
| "loss": 2.4767, | |
| "step": 29 | |
| }, | |
| { | |
| "epoch": 0.1834862385321101, | |
| "grad_norm": 6.518289566040039, | |
| "learning_rate": 0.00015000000000000001, | |
| "loss": 2.4941, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.18960244648318042, | |
| "grad_norm": 5.40209436416626, | |
| "learning_rate": 0.0001479166666666667, | |
| "loss": 0.7781, | |
| "step": 31 | |
| }, | |
| { | |
| "epoch": 0.19571865443425077, | |
| "grad_norm": 10.794727325439453, | |
| "learning_rate": 0.00014583333333333335, | |
| "loss": 1.9824, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 0.2018348623853211, | |
| "grad_norm": 7.486544609069824, | |
| "learning_rate": 0.00014375, | |
| "loss": 2.679, | |
| "step": 33 | |
| }, | |
| { | |
| "epoch": 0.20795107033639143, | |
| "grad_norm": 6.3984832763671875, | |
| "learning_rate": 0.00014166666666666668, | |
| "loss": 1.1488, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 0.21406727828746178, | |
| "grad_norm": 4.752143859863281, | |
| "learning_rate": 0.00013958333333333333, | |
| "loss": 0.2673, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 0.22018348623853212, | |
| "grad_norm": 7.158022403717041, | |
| "learning_rate": 0.0001375, | |
| "loss": 2.448, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 0.22629969418960244, | |
| "grad_norm": 8.356815338134766, | |
| "learning_rate": 0.0001354166666666667, | |
| "loss": 2.293, | |
| "step": 37 | |
| }, | |
| { | |
| "epoch": 0.2324159021406728, | |
| "grad_norm": 6.427772521972656, | |
| "learning_rate": 0.00013333333333333334, | |
| "loss": 2.0871, | |
| "step": 38 | |
| }, | |
| { | |
| "epoch": 0.23853211009174313, | |
| "grad_norm": 8.426436424255371, | |
| "learning_rate": 0.00013125000000000002, | |
| "loss": 2.6529, | |
| "step": 39 | |
| }, | |
| { | |
| "epoch": 0.24464831804281345, | |
| "grad_norm": 6.148336887359619, | |
| "learning_rate": 0.00012916666666666667, | |
| "loss": 1.0728, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.25076452599388377, | |
| "grad_norm": 7.108105182647705, | |
| "learning_rate": 0.00012708333333333332, | |
| "loss": 2.3828, | |
| "step": 41 | |
| }, | |
| { | |
| "epoch": 0.25688073394495414, | |
| "grad_norm": 7.101551055908203, | |
| "learning_rate": 0.000125, | |
| "loss": 1.5256, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 0.26299694189602446, | |
| "grad_norm": 5.024567127227783, | |
| "learning_rate": 0.00012291666666666668, | |
| "loss": 1.165, | |
| "step": 43 | |
| }, | |
| { | |
| "epoch": 0.2691131498470948, | |
| "grad_norm": 5.79965877532959, | |
| "learning_rate": 0.00012083333333333333, | |
| "loss": 2.6776, | |
| "step": 44 | |
| }, | |
| { | |
| "epoch": 0.27522935779816515, | |
| "grad_norm": 14.309733390808105, | |
| "learning_rate": 0.00011875, | |
| "loss": 2.7559, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 0.28134556574923547, | |
| "grad_norm": 10.46374797821045, | |
| "learning_rate": 0.00011666666666666668, | |
| "loss": 2.9232, | |
| "step": 46 | |
| }, | |
| { | |
| "epoch": 0.2874617737003058, | |
| "grad_norm": 3.6996495723724365, | |
| "learning_rate": 0.00011458333333333333, | |
| "loss": 0.654, | |
| "step": 47 | |
| }, | |
| { | |
| "epoch": 0.29357798165137616, | |
| "grad_norm": 5.34403657913208, | |
| "learning_rate": 0.00011250000000000001, | |
| "loss": 1.4462, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 0.2996941896024465, | |
| "grad_norm": 5.660646438598633, | |
| "learning_rate": 0.00011041666666666668, | |
| "loss": 2.1049, | |
| "step": 49 | |
| }, | |
| { | |
| "epoch": 0.3058103975535168, | |
| "grad_norm": 5.277816295623779, | |
| "learning_rate": 0.00010833333333333333, | |
| "loss": 1.859, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.3119266055045872, | |
| "grad_norm": 12.085375785827637, | |
| "learning_rate": 0.00010625000000000001, | |
| "loss": 2.4971, | |
| "step": 51 | |
| }, | |
| { | |
| "epoch": 0.3180428134556575, | |
| "grad_norm": 36.70216369628906, | |
| "learning_rate": 0.00010416666666666667, | |
| "loss": 1.453, | |
| "step": 52 | |
| }, | |
| { | |
| "epoch": 0.3241590214067278, | |
| "grad_norm": 9.104554176330566, | |
| "learning_rate": 0.00010208333333333333, | |
| "loss": 1.2099, | |
| "step": 53 | |
| }, | |
| { | |
| "epoch": 0.3302752293577982, | |
| "grad_norm": 3.353121519088745, | |
| "learning_rate": 0.0001, | |
| "loss": 1.1208, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 0.3363914373088685, | |
| "grad_norm": 4.4271321296691895, | |
| "learning_rate": 9.791666666666667e-05, | |
| "loss": 1.6242, | |
| "step": 55 | |
| }, | |
| { | |
| "epoch": 0.3425076452599388, | |
| "grad_norm": 4.316502094268799, | |
| "learning_rate": 9.583333333333334e-05, | |
| "loss": 1.1728, | |
| "step": 56 | |
| }, | |
| { | |
| "epoch": 0.3486238532110092, | |
| "grad_norm": 5.144441604614258, | |
| "learning_rate": 9.375e-05, | |
| "loss": 1.5162, | |
| "step": 57 | |
| }, | |
| { | |
| "epoch": 0.3547400611620795, | |
| "grad_norm": 5.84799861907959, | |
| "learning_rate": 9.166666666666667e-05, | |
| "loss": 1.2519, | |
| "step": 58 | |
| }, | |
| { | |
| "epoch": 0.36085626911314983, | |
| "grad_norm": 3.7365472316741943, | |
| "learning_rate": 8.958333333333335e-05, | |
| "loss": 1.4019, | |
| "step": 59 | |
| }, | |
| { | |
| "epoch": 0.3669724770642202, | |
| "grad_norm": 6.954157829284668, | |
| "learning_rate": 8.75e-05, | |
| "loss": 1.5813, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 0.3730886850152905, | |
| "grad_norm": 5.947561740875244, | |
| "learning_rate": 8.541666666666666e-05, | |
| "loss": 1.6671, | |
| "step": 61 | |
| }, | |
| { | |
| "epoch": 0.37920489296636084, | |
| "grad_norm": 6.023102760314941, | |
| "learning_rate": 8.333333333333334e-05, | |
| "loss": 2.037, | |
| "step": 62 | |
| }, | |
| { | |
| "epoch": 0.3853211009174312, | |
| "grad_norm": 7.492596626281738, | |
| "learning_rate": 8.125000000000001e-05, | |
| "loss": 2.2622, | |
| "step": 63 | |
| }, | |
| { | |
| "epoch": 0.39143730886850153, | |
| "grad_norm": 11.097272872924805, | |
| "learning_rate": 7.916666666666666e-05, | |
| "loss": 2.3523, | |
| "step": 64 | |
| }, | |
| { | |
| "epoch": 0.39755351681957185, | |
| "grad_norm": 2.4827420711517334, | |
| "learning_rate": 7.708333333333334e-05, | |
| "loss": 0.1638, | |
| "step": 65 | |
| }, | |
| { | |
| "epoch": 0.4036697247706422, | |
| "grad_norm": 5.089619159698486, | |
| "learning_rate": 7.500000000000001e-05, | |
| "loss": 1.1545, | |
| "step": 66 | |
| }, | |
| { | |
| "epoch": 0.40978593272171254, | |
| "grad_norm": 6.669894695281982, | |
| "learning_rate": 7.291666666666667e-05, | |
| "loss": 2.2006, | |
| "step": 67 | |
| }, | |
| { | |
| "epoch": 0.41590214067278286, | |
| "grad_norm": 5.763303756713867, | |
| "learning_rate": 7.083333333333334e-05, | |
| "loss": 1.9015, | |
| "step": 68 | |
| }, | |
| { | |
| "epoch": 0.42201834862385323, | |
| "grad_norm": 9.203344345092773, | |
| "learning_rate": 6.875e-05, | |
| "loss": 1.6318, | |
| "step": 69 | |
| }, | |
| { | |
| "epoch": 0.42813455657492355, | |
| "grad_norm": 6.153674125671387, | |
| "learning_rate": 6.666666666666667e-05, | |
| "loss": 1.7112, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 0.43425076452599387, | |
| "grad_norm": 5.289427280426025, | |
| "learning_rate": 6.458333333333334e-05, | |
| "loss": 1.0532, | |
| "step": 71 | |
| }, | |
| { | |
| "epoch": 0.44036697247706424, | |
| "grad_norm": 6.576167106628418, | |
| "learning_rate": 6.25e-05, | |
| "loss": 2.1147, | |
| "step": 72 | |
| }, | |
| { | |
| "epoch": 0.44648318042813456, | |
| "grad_norm": 4.89756441116333, | |
| "learning_rate": 6.041666666666667e-05, | |
| "loss": 1.7952, | |
| "step": 73 | |
| }, | |
| { | |
| "epoch": 0.4525993883792049, | |
| "grad_norm": 7.197701930999756, | |
| "learning_rate": 5.833333333333334e-05, | |
| "loss": 2.5495, | |
| "step": 74 | |
| }, | |
| { | |
| "epoch": 0.45871559633027525, | |
| "grad_norm": 2.697310447692871, | |
| "learning_rate": 5.6250000000000005e-05, | |
| "loss": 0.5726, | |
| "step": 75 | |
| }, | |
| { | |
| "epoch": 0.4648318042813456, | |
| "grad_norm": 3.392221689224243, | |
| "learning_rate": 5.4166666666666664e-05, | |
| "loss": 0.3004, | |
| "step": 76 | |
| }, | |
| { | |
| "epoch": 0.4709480122324159, | |
| "grad_norm": 4.9025654792785645, | |
| "learning_rate": 5.208333333333334e-05, | |
| "loss": 2.062, | |
| "step": 77 | |
| }, | |
| { | |
| "epoch": 0.47706422018348627, | |
| "grad_norm": 8.18167781829834, | |
| "learning_rate": 5e-05, | |
| "loss": 2.3658, | |
| "step": 78 | |
| }, | |
| { | |
| "epoch": 0.4831804281345566, | |
| "grad_norm": 5.826730251312256, | |
| "learning_rate": 4.791666666666667e-05, | |
| "loss": 2.4463, | |
| "step": 79 | |
| }, | |
| { | |
| "epoch": 0.4892966360856269, | |
| "grad_norm": 5.785229206085205, | |
| "learning_rate": 4.5833333333333334e-05, | |
| "loss": 2.244, | |
| "step": 80 | |
| }, | |
| { | |
| "epoch": 0.4954128440366973, | |
| "grad_norm": 5.607297420501709, | |
| "learning_rate": 4.375e-05, | |
| "loss": 1.8766, | |
| "step": 81 | |
| }, | |
| { | |
| "epoch": 0.5015290519877675, | |
| "grad_norm": 6.283894062042236, | |
| "learning_rate": 4.166666666666667e-05, | |
| "loss": 2.2676, | |
| "step": 82 | |
| }, | |
| { | |
| "epoch": 0.5076452599388379, | |
| "grad_norm": 6.15252685546875, | |
| "learning_rate": 3.958333333333333e-05, | |
| "loss": 1.6141, | |
| "step": 83 | |
| }, | |
| { | |
| "epoch": 0.5137614678899083, | |
| "grad_norm": 3.592761993408203, | |
| "learning_rate": 3.7500000000000003e-05, | |
| "loss": 0.8462, | |
| "step": 84 | |
| }, | |
| { | |
| "epoch": 0.5198776758409785, | |
| "grad_norm": 5.9615583419799805, | |
| "learning_rate": 3.541666666666667e-05, | |
| "loss": 2.168, | |
| "step": 85 | |
| }, | |
| { | |
| "epoch": 0.5259938837920489, | |
| "grad_norm": 4.592804431915283, | |
| "learning_rate": 3.3333333333333335e-05, | |
| "loss": 1.2064, | |
| "step": 86 | |
| }, | |
| { | |
| "epoch": 0.5321100917431193, | |
| "grad_norm": 5.6012187004089355, | |
| "learning_rate": 3.125e-05, | |
| "loss": 1.5237, | |
| "step": 87 | |
| }, | |
| { | |
| "epoch": 0.5382262996941896, | |
| "grad_norm": 6.5024895668029785, | |
| "learning_rate": 2.916666666666667e-05, | |
| "loss": 2.4125, | |
| "step": 88 | |
| }, | |
| { | |
| "epoch": 0.5443425076452599, | |
| "grad_norm": 3.219243049621582, | |
| "learning_rate": 2.7083333333333332e-05, | |
| "loss": 0.7604, | |
| "step": 89 | |
| }, | |
| { | |
| "epoch": 0.5504587155963303, | |
| "grad_norm": 4.511606693267822, | |
| "learning_rate": 2.5e-05, | |
| "loss": 1.375, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 0.5565749235474006, | |
| "grad_norm": 5.208837032318115, | |
| "learning_rate": 2.2916666666666667e-05, | |
| "loss": 2.4887, | |
| "step": 91 | |
| }, | |
| { | |
| "epoch": 0.5626911314984709, | |
| "grad_norm": 4.148858070373535, | |
| "learning_rate": 2.0833333333333336e-05, | |
| "loss": 1.4911, | |
| "step": 92 | |
| }, | |
| { | |
| "epoch": 0.5688073394495413, | |
| "grad_norm": 6.978875637054443, | |
| "learning_rate": 1.8750000000000002e-05, | |
| "loss": 2.8134, | |
| "step": 93 | |
| }, | |
| { | |
| "epoch": 0.5749235474006116, | |
| "grad_norm": 5.458982467651367, | |
| "learning_rate": 1.6666666666666667e-05, | |
| "loss": 1.6874, | |
| "step": 94 | |
| }, | |
| { | |
| "epoch": 0.581039755351682, | |
| "grad_norm": 7.296456813812256, | |
| "learning_rate": 1.4583333333333335e-05, | |
| "loss": 2.7046, | |
| "step": 95 | |
| }, | |
| { | |
| "epoch": 0.5871559633027523, | |
| "grad_norm": 7.519389629364014, | |
| "learning_rate": 1.25e-05, | |
| "loss": 1.9551, | |
| "step": 96 | |
| }, | |
| { | |
| "epoch": 0.5932721712538226, | |
| "grad_norm": 4.4563727378845215, | |
| "learning_rate": 1.0416666666666668e-05, | |
| "loss": 1.5145, | |
| "step": 97 | |
| }, | |
| { | |
| "epoch": 0.599388379204893, | |
| "grad_norm": 5.324405193328857, | |
| "learning_rate": 8.333333333333334e-06, | |
| "loss": 2.3218, | |
| "step": 98 | |
| }, | |
| { | |
| "epoch": 0.6055045871559633, | |
| "grad_norm": 4.699754238128662, | |
| "learning_rate": 6.25e-06, | |
| "loss": 1.0038, | |
| "step": 99 | |
| }, | |
| { | |
| "epoch": 0.6116207951070336, | |
| "grad_norm": 5.080688953399658, | |
| "learning_rate": 4.166666666666667e-06, | |
| "loss": 1.7079, | |
| "step": 100 | |
| } | |
| ], | |
| "logging_steps": 1, | |
| "max_steps": 101, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 1, | |
| "save_steps": 50, | |
| "stateful_callbacks": { | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": false | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 1052971141431296.0, | |
| "train_batch_size": 2, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |