| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 13.041666666666666, | |
| "eval_steps": 500, | |
| "global_step": 78, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.16666666666666666, | |
| "grad_norm": 1.1271398067474365, | |
| "learning_rate": 2e-05, | |
| "loss": 2.9584, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.3333333333333333, | |
| "grad_norm": 1.422092080116272, | |
| "learning_rate": 4e-05, | |
| "loss": 3.2009, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.5, | |
| "grad_norm": 1.1738420724868774, | |
| "learning_rate": 6e-05, | |
| "loss": 2.4122, | |
| "step": 3 | |
| }, | |
| { | |
| "epoch": 0.6666666666666666, | |
| "grad_norm": 1.6034629344940186, | |
| "learning_rate": 8e-05, | |
| "loss": 3.3344, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.8333333333333334, | |
| "grad_norm": 1.4037781953811646, | |
| "learning_rate": 0.0001, | |
| "loss": 3.0513, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 1.0, | |
| "grad_norm": 1.3824858665466309, | |
| "learning_rate": 0.00012, | |
| "loss": 2.8625, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 1.1666666666666667, | |
| "grad_norm": 1.5012552738189697, | |
| "learning_rate": 0.00014, | |
| "loss": 2.3477, | |
| "step": 7 | |
| }, | |
| { | |
| "epoch": 1.3333333333333333, | |
| "grad_norm": 1.2384544610977173, | |
| "learning_rate": 0.00016, | |
| "loss": 2.2554, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 1.5, | |
| "grad_norm": 1.276849627494812, | |
| "learning_rate": 0.00018, | |
| "loss": 1.9606, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 1.6666666666666665, | |
| "grad_norm": 4.319679260253906, | |
| "learning_rate": 0.0002, | |
| "loss": 1.6649, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 1.8333333333333335, | |
| "grad_norm": 2.108405590057373, | |
| "learning_rate": 0.00019990989662046818, | |
| "loss": 1.6686, | |
| "step": 11 | |
| }, | |
| { | |
| "epoch": 2.0, | |
| "grad_norm": 1.5001091957092285, | |
| "learning_rate": 0.00019963974885425266, | |
| "loss": 1.5168, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 2.1666666666666665, | |
| "grad_norm": 1.2782559394836426, | |
| "learning_rate": 0.00019919004352588767, | |
| "loss": 1.259, | |
| "step": 13 | |
| }, | |
| { | |
| "epoch": 2.3333333333333335, | |
| "grad_norm": 0.8510739207267761, | |
| "learning_rate": 0.00019856159103477086, | |
| "loss": 1.3734, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 2.5, | |
| "grad_norm": 1.029380440711975, | |
| "learning_rate": 0.00019775552389476864, | |
| "loss": 1.0973, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 2.6666666666666665, | |
| "grad_norm": 0.9332380294799805, | |
| "learning_rate": 0.0001967732946933499, | |
| "loss": 1.1187, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 2.8333333333333335, | |
| "grad_norm": 0.40721994638442993, | |
| "learning_rate": 0.00019561667347392508, | |
| "loss": 1.0731, | |
| "step": 17 | |
| }, | |
| { | |
| "epoch": 3.0, | |
| "grad_norm": 0.37097784876823425, | |
| "learning_rate": 0.00019428774454610843, | |
| "loss": 0.9648, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 3.1666666666666665, | |
| "grad_norm": 0.9125034213066101, | |
| "learning_rate": 0.00019278890272965096, | |
| "loss": 1.0488, | |
| "step": 19 | |
| }, | |
| { | |
| "epoch": 3.3333333333333335, | |
| "grad_norm": 0.33954763412475586, | |
| "learning_rate": 0.0001911228490388136, | |
| "loss": 0.7104, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 3.5, | |
| "grad_norm": 0.5465924143791199, | |
| "learning_rate": 0.00018929258581495685, | |
| "loss": 0.8922, | |
| "step": 21 | |
| }, | |
| { | |
| "epoch": 3.6666666666666665, | |
| "grad_norm": 0.5326284766197205, | |
| "learning_rate": 0.00018730141131611882, | |
| "loss": 0.832, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 3.8333333333333335, | |
| "grad_norm": 0.3010997474193573, | |
| "learning_rate": 0.00018515291377333112, | |
| "loss": 0.6993, | |
| "step": 23 | |
| }, | |
| { | |
| "epoch": 4.0, | |
| "grad_norm": 0.3331871032714844, | |
| "learning_rate": 0.00018285096492438424, | |
| "loss": 0.86, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 4.166666666666667, | |
| "grad_norm": 0.36899134516716003, | |
| "learning_rate": 0.00018039971303669407, | |
| "loss": 0.6736, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 4.333333333333333, | |
| "grad_norm": 0.7599577903747559, | |
| "learning_rate": 0.00017780357543184397, | |
| "loss": 0.755, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 4.5, | |
| "grad_norm": 0.30434125661849976, | |
| "learning_rate": 0.00017506723052527242, | |
| "loss": 0.5069, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 4.666666666666667, | |
| "grad_norm": 0.34017109870910645, | |
| "learning_rate": 0.00017219560939545246, | |
| "loss": 0.6245, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 4.833333333333333, | |
| "grad_norm": 0.35667353868484497, | |
| "learning_rate": 0.00016919388689775464, | |
| "loss": 0.6572, | |
| "step": 29 | |
| }, | |
| { | |
| "epoch": 5.0, | |
| "grad_norm": 0.27407756447792053, | |
| "learning_rate": 0.00016606747233900815, | |
| "loss": 0.5943, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 5.166666666666667, | |
| "grad_norm": 0.3013049066066742, | |
| "learning_rate": 0.00016282199972956425, | |
| "loss": 0.5434, | |
| "step": 31 | |
| }, | |
| { | |
| "epoch": 5.333333333333333, | |
| "grad_norm": 0.27944543957710266, | |
| "learning_rate": 0.00015946331763042867, | |
| "loss": 0.4273, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 5.5, | |
| "grad_norm": 0.25371015071868896, | |
| "learning_rate": 0.00015599747861375955, | |
| "loss": 0.4137, | |
| "step": 33 | |
| }, | |
| { | |
| "epoch": 5.666666666666667, | |
| "grad_norm": 0.2801273763179779, | |
| "learning_rate": 0.00015243072835572318, | |
| "loss": 0.5152, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 5.833333333333333, | |
| "grad_norm": 0.24503201246261597, | |
| "learning_rate": 0.00014876949438136347, | |
| "loss": 0.4069, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 6.041666666666667, | |
| "grad_norm": 0.2870718240737915, | |
| "learning_rate": 0.00014502037448176734, | |
| "loss": 0.536, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 6.208333333333333, | |
| "grad_norm": 0.22945798933506012, | |
| "learning_rate": 0.0001411901248243993, | |
| "loss": 0.2834, | |
| "step": 37 | |
| }, | |
| { | |
| "epoch": 6.375, | |
| "grad_norm": 0.2309902459383011, | |
| "learning_rate": 0.00013728564777803088, | |
| "loss": 0.2908, | |
| "step": 38 | |
| }, | |
| { | |
| "epoch": 6.541666666666667, | |
| "grad_norm": 0.3030891418457031, | |
| "learning_rate": 0.00013331397947420576, | |
| "loss": 0.3334, | |
| "step": 39 | |
| }, | |
| { | |
| "epoch": 6.708333333333333, | |
| "grad_norm": 0.20073279738426208, | |
| "learning_rate": 0.00012928227712765504, | |
| "loss": 0.2531, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 6.875, | |
| "grad_norm": 0.2173294574022293, | |
| "learning_rate": 0.00012519780613851254, | |
| "loss": 0.3421, | |
| "step": 41 | |
| }, | |
| { | |
| "epoch": 7.041666666666667, | |
| "grad_norm": 0.18676938116550446, | |
| "learning_rate": 0.00012106792699957263, | |
| "loss": 0.2114, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 7.166666666666667, | |
| "grad_norm": 0.25375601649284363, | |
| "learning_rate": 0.00011690008203218493, | |
| "loss": 0.2116, | |
| "step": 43 | |
| }, | |
| { | |
| "epoch": 7.333333333333333, | |
| "grad_norm": 0.20741993188858032, | |
| "learning_rate": 0.00011270178197468789, | |
| "loss": 0.2167, | |
| "step": 44 | |
| }, | |
| { | |
| "epoch": 7.5, | |
| "grad_norm": 0.19521987438201904, | |
| "learning_rate": 0.00010848059244755093, | |
| "loss": 0.1766, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 7.666666666666667, | |
| "grad_norm": 0.1847311407327652, | |
| "learning_rate": 0.00010424412031961484, | |
| "loss": 0.2145, | |
| "step": 46 | |
| }, | |
| { | |
| "epoch": 7.833333333333333, | |
| "grad_norm": 0.36307504773139954, | |
| "learning_rate": 0.0001, | |
| "loss": 0.1616, | |
| "step": 47 | |
| }, | |
| { | |
| "epoch": 8.0, | |
| "grad_norm": 0.22532600164413452, | |
| "learning_rate": 9.57558796803852e-05, | |
| "loss": 0.1991, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 8.166666666666666, | |
| "grad_norm": 0.4792623519897461, | |
| "learning_rate": 9.151940755244912e-05, | |
| "loss": 0.1564, | |
| "step": 49 | |
| }, | |
| { | |
| "epoch": 8.333333333333334, | |
| "grad_norm": 0.24092555046081543, | |
| "learning_rate": 8.729821802531212e-05, | |
| "loss": 0.1201, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 8.5, | |
| "grad_norm": 0.17501050233840942, | |
| "learning_rate": 8.309991796781511e-05, | |
| "loss": 0.1065, | |
| "step": 51 | |
| }, | |
| { | |
| "epoch": 8.666666666666666, | |
| "grad_norm": 0.4367760419845581, | |
| "learning_rate": 7.89320730004274e-05, | |
| "loss": 0.1406, | |
| "step": 52 | |
| }, | |
| { | |
| "epoch": 8.833333333333334, | |
| "grad_norm": 0.20733828842639923, | |
| "learning_rate": 7.48021938614875e-05, | |
| "loss": 0.1129, | |
| "step": 53 | |
| }, | |
| { | |
| "epoch": 9.0, | |
| "grad_norm": 0.19014810025691986, | |
| "learning_rate": 7.071772287234497e-05, | |
| "loss": 0.1025, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 9.166666666666666, | |
| "grad_norm": 0.16661641001701355, | |
| "learning_rate": 6.668602052579424e-05, | |
| "loss": 0.0843, | |
| "step": 55 | |
| }, | |
| { | |
| "epoch": 9.333333333333334, | |
| "grad_norm": 0.1476866900920868, | |
| "learning_rate": 6.271435222196916e-05, | |
| "loss": 0.0728, | |
| "step": 56 | |
| }, | |
| { | |
| "epoch": 9.5, | |
| "grad_norm": 0.20420700311660767, | |
| "learning_rate": 5.880987517560075e-05, | |
| "loss": 0.086, | |
| "step": 57 | |
| }, | |
| { | |
| "epoch": 9.666666666666666, | |
| "grad_norm": 0.1535949558019638, | |
| "learning_rate": 5.497962551823266e-05, | |
| "loss": 0.0615, | |
| "step": 58 | |
| }, | |
| { | |
| "epoch": 9.833333333333334, | |
| "grad_norm": 0.19429926574230194, | |
| "learning_rate": 5.123050561863657e-05, | |
| "loss": 0.081, | |
| "step": 59 | |
| }, | |
| { | |
| "epoch": 10.0, | |
| "grad_norm": 0.21439994871616364, | |
| "learning_rate": 4.756927164427685e-05, | |
| "loss": 0.0955, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 10.166666666666666, | |
| "grad_norm": 0.1313120573759079, | |
| "learning_rate": 4.4002521386240466e-05, | |
| "loss": 0.0515, | |
| "step": 61 | |
| }, | |
| { | |
| "epoch": 10.333333333333334, | |
| "grad_norm": 0.14114493131637573, | |
| "learning_rate": 4.053668236957134e-05, | |
| "loss": 0.0486, | |
| "step": 62 | |
| }, | |
| { | |
| "epoch": 10.5, | |
| "grad_norm": 0.15726757049560547, | |
| "learning_rate": 3.717800027043576e-05, | |
| "loss": 0.0582, | |
| "step": 63 | |
| }, | |
| { | |
| "epoch": 10.666666666666666, | |
| "grad_norm": 0.13571308553218842, | |
| "learning_rate": 3.393252766099187e-05, | |
| "loss": 0.0477, | |
| "step": 64 | |
| }, | |
| { | |
| "epoch": 10.833333333333334, | |
| "grad_norm": 0.13939297199249268, | |
| "learning_rate": 3.080611310224539e-05, | |
| "loss": 0.0579, | |
| "step": 65 | |
| }, | |
| { | |
| "epoch": 11.041666666666666, | |
| "grad_norm": 0.21565848588943481, | |
| "learning_rate": 2.7804390604547557e-05, | |
| "loss": 0.0671, | |
| "step": 66 | |
| }, | |
| { | |
| "epoch": 11.208333333333334, | |
| "grad_norm": 0.12363166362047195, | |
| "learning_rate": 2.493276947472756e-05, | |
| "loss": 0.0479, | |
| "step": 67 | |
| }, | |
| { | |
| "epoch": 11.375, | |
| "grad_norm": 0.1485053449869156, | |
| "learning_rate": 2.2196424568156073e-05, | |
| "loss": 0.0441, | |
| "step": 68 | |
| }, | |
| { | |
| "epoch": 11.541666666666666, | |
| "grad_norm": 0.12759965658187866, | |
| "learning_rate": 1.9600286963305957e-05, | |
| "loss": 0.0333, | |
| "step": 69 | |
| }, | |
| { | |
| "epoch": 11.708333333333334, | |
| "grad_norm": 0.1261347383260727, | |
| "learning_rate": 1.7149035075615794e-05, | |
| "loss": 0.0362, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 11.875, | |
| "grad_norm": 0.13846437633037567, | |
| "learning_rate": 1.4847086226668872e-05, | |
| "loss": 0.0424, | |
| "step": 71 | |
| }, | |
| { | |
| "epoch": 12.041666666666666, | |
| "grad_norm": 0.13384558260440826, | |
| "learning_rate": 1.2698588683881186e-05, | |
| "loss": 0.0379, | |
| "step": 72 | |
| }, | |
| { | |
| "epoch": 12.208333333333334, | |
| "grad_norm": 0.11773449927568436, | |
| "learning_rate": 1.0707414185043163e-05, | |
| "loss": 0.0378, | |
| "step": 73 | |
| }, | |
| { | |
| "epoch": 12.375, | |
| "grad_norm": 0.1243445873260498, | |
| "learning_rate": 8.87715096118642e-06, | |
| "loss": 0.0393, | |
| "step": 74 | |
| }, | |
| { | |
| "epoch": 12.541666666666666, | |
| "grad_norm": 0.11930937319993973, | |
| "learning_rate": 7.211097270349066e-06, | |
| "loss": 0.0321, | |
| "step": 75 | |
| }, | |
| { | |
| "epoch": 12.708333333333334, | |
| "grad_norm": 0.09208700060844421, | |
| "learning_rate": 5.71225545389158e-06, | |
| "loss": 0.0274, | |
| "step": 76 | |
| }, | |
| { | |
| "epoch": 12.875, | |
| "grad_norm": 0.1095806434750557, | |
| "learning_rate": 4.383326526074916e-06, | |
| "loss": 0.0258, | |
| "step": 77 | |
| }, | |
| { | |
| "epoch": 13.041666666666666, | |
| "grad_norm": 0.1109592393040657, | |
| "learning_rate": 3.226705306650113e-06, | |
| "loss": 0.0415, | |
| "step": 78 | |
| } | |
| ], | |
| "logging_steps": 1, | |
| "max_steps": 84, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 14, | |
| "save_steps": 6, | |
| "stateful_callbacks": { | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": false | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 439125509406720.0, | |
| "train_batch_size": 1, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |