| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 3.0, | |
| "eval_steps": 500, | |
| "global_step": 46875, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.032, | |
| "grad_norm": 2.908048152923584, | |
| "learning_rate": 4.9466666666666665e-05, | |
| "loss": 8.7577, | |
| "step": 500 | |
| }, | |
| { | |
| "epoch": 0.064, | |
| "grad_norm": 2.9895918369293213, | |
| "learning_rate": 4.8933333333333335e-05, | |
| "loss": 6.4239, | |
| "step": 1000 | |
| }, | |
| { | |
| "epoch": 0.096, | |
| "grad_norm": 2.9479362964630127, | |
| "learning_rate": 4.8400000000000004e-05, | |
| "loss": 5.7851, | |
| "step": 1500 | |
| }, | |
| { | |
| "epoch": 0.128, | |
| "grad_norm": 2.94972825050354, | |
| "learning_rate": 4.7866666666666674e-05, | |
| "loss": 5.4074, | |
| "step": 2000 | |
| }, | |
| { | |
| "epoch": 0.16, | |
| "grad_norm": 3.0778884887695312, | |
| "learning_rate": 4.7333333333333336e-05, | |
| "loss": 5.1668, | |
| "step": 2500 | |
| }, | |
| { | |
| "epoch": 0.192, | |
| "grad_norm": 3.0449955463409424, | |
| "learning_rate": 4.6800000000000006e-05, | |
| "loss": 4.9603, | |
| "step": 3000 | |
| }, | |
| { | |
| "epoch": 0.224, | |
| "grad_norm": 3.162385940551758, | |
| "learning_rate": 4.626666666666667e-05, | |
| "loss": 4.8158, | |
| "step": 3500 | |
| }, | |
| { | |
| "epoch": 0.256, | |
| "grad_norm": 3.0630366802215576, | |
| "learning_rate": 4.573333333333333e-05, | |
| "loss": 4.6809, | |
| "step": 4000 | |
| }, | |
| { | |
| "epoch": 0.288, | |
| "grad_norm": 3.3027477264404297, | |
| "learning_rate": 4.52e-05, | |
| "loss": 4.578, | |
| "step": 4500 | |
| }, | |
| { | |
| "epoch": 0.32, | |
| "grad_norm": 3.318953275680542, | |
| "learning_rate": 4.466666666666667e-05, | |
| "loss": 4.4832, | |
| "step": 5000 | |
| }, | |
| { | |
| "epoch": 0.352, | |
| "grad_norm": 3.3827295303344727, | |
| "learning_rate": 4.413333333333334e-05, | |
| "loss": 4.3844, | |
| "step": 5500 | |
| }, | |
| { | |
| "epoch": 0.384, | |
| "grad_norm": 3.5936450958251953, | |
| "learning_rate": 4.36e-05, | |
| "loss": 4.3213, | |
| "step": 6000 | |
| }, | |
| { | |
| "epoch": 0.416, | |
| "grad_norm": 3.4766483306884766, | |
| "learning_rate": 4.3066666666666665e-05, | |
| "loss": 4.2496, | |
| "step": 6500 | |
| }, | |
| { | |
| "epoch": 0.448, | |
| "grad_norm": 3.5177745819091797, | |
| "learning_rate": 4.2533333333333335e-05, | |
| "loss": 4.1897, | |
| "step": 7000 | |
| }, | |
| { | |
| "epoch": 0.48, | |
| "grad_norm": 3.512976884841919, | |
| "learning_rate": 4.2e-05, | |
| "loss": 4.1334, | |
| "step": 7500 | |
| }, | |
| { | |
| "epoch": 0.512, | |
| "grad_norm": 3.532130241394043, | |
| "learning_rate": 4.146666666666667e-05, | |
| "loss": 4.0954, | |
| "step": 8000 | |
| }, | |
| { | |
| "epoch": 0.544, | |
| "grad_norm": 3.4697506427764893, | |
| "learning_rate": 4.093333333333334e-05, | |
| "loss": 4.0498, | |
| "step": 8500 | |
| }, | |
| { | |
| "epoch": 0.576, | |
| "grad_norm": 3.418201446533203, | |
| "learning_rate": 4.0400000000000006e-05, | |
| "loss": 4.0189, | |
| "step": 9000 | |
| }, | |
| { | |
| "epoch": 0.608, | |
| "grad_norm": 3.5313186645507812, | |
| "learning_rate": 3.986666666666667e-05, | |
| "loss": 3.9658, | |
| "step": 9500 | |
| }, | |
| { | |
| "epoch": 0.64, | |
| "grad_norm": 3.506039619445801, | |
| "learning_rate": 3.933333333333333e-05, | |
| "loss": 3.9228, | |
| "step": 10000 | |
| }, | |
| { | |
| "epoch": 0.672, | |
| "grad_norm": 3.67806077003479, | |
| "learning_rate": 3.88e-05, | |
| "loss": 3.9002, | |
| "step": 10500 | |
| }, | |
| { | |
| "epoch": 0.704, | |
| "grad_norm": 3.296720027923584, | |
| "learning_rate": 3.8266666666666664e-05, | |
| "loss": 3.862, | |
| "step": 11000 | |
| }, | |
| { | |
| "epoch": 0.736, | |
| "grad_norm": 3.5666539669036865, | |
| "learning_rate": 3.773333333333334e-05, | |
| "loss": 3.8442, | |
| "step": 11500 | |
| }, | |
| { | |
| "epoch": 0.768, | |
| "grad_norm": 3.561544418334961, | |
| "learning_rate": 3.72e-05, | |
| "loss": 3.8072, | |
| "step": 12000 | |
| }, | |
| { | |
| "epoch": 0.8, | |
| "grad_norm": 3.6916558742523193, | |
| "learning_rate": 3.6666666666666666e-05, | |
| "loss": 3.7868, | |
| "step": 12500 | |
| }, | |
| { | |
| "epoch": 0.832, | |
| "grad_norm": 3.4702816009521484, | |
| "learning_rate": 3.6133333333333335e-05, | |
| "loss": 3.763, | |
| "step": 13000 | |
| }, | |
| { | |
| "epoch": 0.864, | |
| "grad_norm": 3.698396921157837, | |
| "learning_rate": 3.56e-05, | |
| "loss": 3.754, | |
| "step": 13500 | |
| }, | |
| { | |
| "epoch": 0.896, | |
| "grad_norm": 3.900088310241699, | |
| "learning_rate": 3.506666666666667e-05, | |
| "loss": 3.7271, | |
| "step": 14000 | |
| }, | |
| { | |
| "epoch": 0.928, | |
| "grad_norm": 3.663865804672241, | |
| "learning_rate": 3.453333333333334e-05, | |
| "loss": 3.6968, | |
| "step": 14500 | |
| }, | |
| { | |
| "epoch": 0.96, | |
| "grad_norm": 3.606297492980957, | |
| "learning_rate": 3.4000000000000007e-05, | |
| "loss": 3.6941, | |
| "step": 15000 | |
| }, | |
| { | |
| "epoch": 0.992, | |
| "grad_norm": 3.7628061771392822, | |
| "learning_rate": 3.346666666666667e-05, | |
| "loss": 3.6666, | |
| "step": 15500 | |
| }, | |
| { | |
| "epoch": 1.024, | |
| "grad_norm": 3.7831852436065674, | |
| "learning_rate": 3.293333333333333e-05, | |
| "loss": 3.6478, | |
| "step": 16000 | |
| }, | |
| { | |
| "epoch": 1.056, | |
| "grad_norm": 3.7635061740875244, | |
| "learning_rate": 3.24e-05, | |
| "loss": 3.6284, | |
| "step": 16500 | |
| }, | |
| { | |
| "epoch": 1.088, | |
| "grad_norm": 3.7063138484954834, | |
| "learning_rate": 3.1866666666666664e-05, | |
| "loss": 3.6239, | |
| "step": 17000 | |
| }, | |
| { | |
| "epoch": 1.12, | |
| "grad_norm": 3.8521556854248047, | |
| "learning_rate": 3.1333333333333334e-05, | |
| "loss": 3.6124, | |
| "step": 17500 | |
| }, | |
| { | |
| "epoch": 1.152, | |
| "grad_norm": 3.89092755317688, | |
| "learning_rate": 3.08e-05, | |
| "loss": 3.6035, | |
| "step": 18000 | |
| }, | |
| { | |
| "epoch": 1.184, | |
| "grad_norm": 4.463627815246582, | |
| "learning_rate": 3.0266666666666666e-05, | |
| "loss": 3.5823, | |
| "step": 18500 | |
| }, | |
| { | |
| "epoch": 1.216, | |
| "grad_norm": 3.8793439865112305, | |
| "learning_rate": 2.9733333333333336e-05, | |
| "loss": 3.5729, | |
| "step": 19000 | |
| }, | |
| { | |
| "epoch": 1.248, | |
| "grad_norm": 3.9301517009735107, | |
| "learning_rate": 2.9199999999999998e-05, | |
| "loss": 3.5581, | |
| "step": 19500 | |
| }, | |
| { | |
| "epoch": 1.28, | |
| "grad_norm": 3.997708797454834, | |
| "learning_rate": 2.8666666666666668e-05, | |
| "loss": 3.5555, | |
| "step": 20000 | |
| }, | |
| { | |
| "epoch": 1.312, | |
| "grad_norm": 4.124268531799316, | |
| "learning_rate": 2.8133333333333334e-05, | |
| "loss": 3.5407, | |
| "step": 20500 | |
| }, | |
| { | |
| "epoch": 1.3439999999999999, | |
| "grad_norm": 3.892465353012085, | |
| "learning_rate": 2.7600000000000003e-05, | |
| "loss": 3.5239, | |
| "step": 21000 | |
| }, | |
| { | |
| "epoch": 1.376, | |
| "grad_norm": 4.168411731719971, | |
| "learning_rate": 2.706666666666667e-05, | |
| "loss": 3.5161, | |
| "step": 21500 | |
| }, | |
| { | |
| "epoch": 1.408, | |
| "grad_norm": 3.808685779571533, | |
| "learning_rate": 2.6533333333333332e-05, | |
| "loss": 3.5107, | |
| "step": 22000 | |
| }, | |
| { | |
| "epoch": 1.44, | |
| "grad_norm": 4.053421497344971, | |
| "learning_rate": 2.6000000000000002e-05, | |
| "loss": 3.5073, | |
| "step": 22500 | |
| }, | |
| { | |
| "epoch": 1.472, | |
| "grad_norm": 4.3061203956604, | |
| "learning_rate": 2.5466666666666668e-05, | |
| "loss": 3.4958, | |
| "step": 23000 | |
| }, | |
| { | |
| "epoch": 1.504, | |
| "grad_norm": 4.070985317230225, | |
| "learning_rate": 2.4933333333333334e-05, | |
| "loss": 3.4778, | |
| "step": 23500 | |
| }, | |
| { | |
| "epoch": 1.536, | |
| "grad_norm": 4.150104522705078, | |
| "learning_rate": 2.44e-05, | |
| "loss": 3.4799, | |
| "step": 24000 | |
| }, | |
| { | |
| "epoch": 1.568, | |
| "grad_norm": 4.093317985534668, | |
| "learning_rate": 2.3866666666666666e-05, | |
| "loss": 3.468, | |
| "step": 24500 | |
| }, | |
| { | |
| "epoch": 1.6, | |
| "grad_norm": 3.934610366821289, | |
| "learning_rate": 2.3333333333333336e-05, | |
| "loss": 3.4626, | |
| "step": 25000 | |
| }, | |
| { | |
| "epoch": 1.6320000000000001, | |
| "grad_norm": 4.123517990112305, | |
| "learning_rate": 2.2800000000000002e-05, | |
| "loss": 3.4525, | |
| "step": 25500 | |
| }, | |
| { | |
| "epoch": 1.6640000000000001, | |
| "grad_norm": 4.674628734588623, | |
| "learning_rate": 2.2266666666666668e-05, | |
| "loss": 3.4662, | |
| "step": 26000 | |
| }, | |
| { | |
| "epoch": 1.696, | |
| "grad_norm": 4.144900798797607, | |
| "learning_rate": 2.1733333333333334e-05, | |
| "loss": 3.4445, | |
| "step": 26500 | |
| }, | |
| { | |
| "epoch": 1.728, | |
| "grad_norm": 4.26785945892334, | |
| "learning_rate": 2.12e-05, | |
| "loss": 3.4394, | |
| "step": 27000 | |
| }, | |
| { | |
| "epoch": 1.76, | |
| "grad_norm": 4.233688831329346, | |
| "learning_rate": 2.0666666666666666e-05, | |
| "loss": 3.4327, | |
| "step": 27500 | |
| }, | |
| { | |
| "epoch": 1.792, | |
| "grad_norm": 4.317631721496582, | |
| "learning_rate": 2.0133333333333336e-05, | |
| "loss": 3.4434, | |
| "step": 28000 | |
| }, | |
| { | |
| "epoch": 1.8239999999999998, | |
| "grad_norm": 4.301115036010742, | |
| "learning_rate": 1.9600000000000002e-05, | |
| "loss": 3.4311, | |
| "step": 28500 | |
| }, | |
| { | |
| "epoch": 1.8559999999999999, | |
| "grad_norm": 4.430001258850098, | |
| "learning_rate": 1.9066666666666668e-05, | |
| "loss": 3.4228, | |
| "step": 29000 | |
| }, | |
| { | |
| "epoch": 1.888, | |
| "grad_norm": 4.166506767272949, | |
| "learning_rate": 1.8533333333333334e-05, | |
| "loss": 3.4095, | |
| "step": 29500 | |
| }, | |
| { | |
| "epoch": 1.92, | |
| "grad_norm": 4.4604597091674805, | |
| "learning_rate": 1.8e-05, | |
| "loss": 3.4117, | |
| "step": 30000 | |
| }, | |
| { | |
| "epoch": 1.952, | |
| "grad_norm": 4.462054252624512, | |
| "learning_rate": 1.7466666666666667e-05, | |
| "loss": 3.4093, | |
| "step": 30500 | |
| }, | |
| { | |
| "epoch": 1.984, | |
| "grad_norm": 4.093879699707031, | |
| "learning_rate": 1.6933333333333333e-05, | |
| "loss": 3.4079, | |
| "step": 31000 | |
| }, | |
| { | |
| "epoch": 2.016, | |
| "grad_norm": 4.089311599731445, | |
| "learning_rate": 1.6400000000000002e-05, | |
| "loss": 3.3954, | |
| "step": 31500 | |
| }, | |
| { | |
| "epoch": 2.048, | |
| "grad_norm": 4.442558288574219, | |
| "learning_rate": 1.586666666666667e-05, | |
| "loss": 3.4025, | |
| "step": 32000 | |
| }, | |
| { | |
| "epoch": 2.08, | |
| "grad_norm": 4.490333557128906, | |
| "learning_rate": 1.5333333333333334e-05, | |
| "loss": 3.3873, | |
| "step": 32500 | |
| }, | |
| { | |
| "epoch": 2.112, | |
| "grad_norm": 4.7011399269104, | |
| "learning_rate": 1.48e-05, | |
| "loss": 3.3948, | |
| "step": 33000 | |
| }, | |
| { | |
| "epoch": 2.144, | |
| "grad_norm": 4.5276384353637695, | |
| "learning_rate": 1.4266666666666667e-05, | |
| "loss": 3.3858, | |
| "step": 33500 | |
| }, | |
| { | |
| "epoch": 2.176, | |
| "grad_norm": 4.230185508728027, | |
| "learning_rate": 1.3733333333333335e-05, | |
| "loss": 3.3754, | |
| "step": 34000 | |
| }, | |
| { | |
| "epoch": 2.208, | |
| "grad_norm": 4.535393238067627, | |
| "learning_rate": 1.32e-05, | |
| "loss": 3.3849, | |
| "step": 34500 | |
| }, | |
| { | |
| "epoch": 2.24, | |
| "grad_norm": 4.465915679931641, | |
| "learning_rate": 1.2666666666666668e-05, | |
| "loss": 3.3756, | |
| "step": 35000 | |
| }, | |
| { | |
| "epoch": 2.2720000000000002, | |
| "grad_norm": 4.647548198699951, | |
| "learning_rate": 1.2133333333333335e-05, | |
| "loss": 3.3703, | |
| "step": 35500 | |
| }, | |
| { | |
| "epoch": 2.304, | |
| "grad_norm": 4.408671855926514, | |
| "learning_rate": 1.16e-05, | |
| "loss": 3.3791, | |
| "step": 36000 | |
| }, | |
| { | |
| "epoch": 2.336, | |
| "grad_norm": 4.565311431884766, | |
| "learning_rate": 1.1066666666666667e-05, | |
| "loss": 3.3754, | |
| "step": 36500 | |
| }, | |
| { | |
| "epoch": 2.368, | |
| "grad_norm": 4.752560138702393, | |
| "learning_rate": 1.0533333333333335e-05, | |
| "loss": 3.3591, | |
| "step": 37000 | |
| }, | |
| { | |
| "epoch": 2.4, | |
| "grad_norm": 4.814703464508057, | |
| "learning_rate": 1e-05, | |
| "loss": 3.3573, | |
| "step": 37500 | |
| }, | |
| { | |
| "epoch": 2.432, | |
| "grad_norm": 4.763345718383789, | |
| "learning_rate": 9.466666666666667e-06, | |
| "loss": 3.3632, | |
| "step": 38000 | |
| }, | |
| { | |
| "epoch": 2.464, | |
| "grad_norm": 5.280072212219238, | |
| "learning_rate": 8.933333333333333e-06, | |
| "loss": 3.356, | |
| "step": 38500 | |
| }, | |
| { | |
| "epoch": 2.496, | |
| "grad_norm": 4.603355884552002, | |
| "learning_rate": 8.400000000000001e-06, | |
| "loss": 3.3568, | |
| "step": 39000 | |
| }, | |
| { | |
| "epoch": 2.528, | |
| "grad_norm": 4.462454319000244, | |
| "learning_rate": 7.866666666666667e-06, | |
| "loss": 3.3628, | |
| "step": 39500 | |
| }, | |
| { | |
| "epoch": 2.56, | |
| "grad_norm": 4.444957256317139, | |
| "learning_rate": 7.333333333333334e-06, | |
| "loss": 3.3632, | |
| "step": 40000 | |
| }, | |
| { | |
| "epoch": 2.592, | |
| "grad_norm": 4.498194694519043, | |
| "learning_rate": 6.800000000000001e-06, | |
| "loss": 3.3562, | |
| "step": 40500 | |
| }, | |
| { | |
| "epoch": 2.624, | |
| "grad_norm": 4.608835220336914, | |
| "learning_rate": 6.266666666666666e-06, | |
| "loss": 3.3472, | |
| "step": 41000 | |
| }, | |
| { | |
| "epoch": 2.656, | |
| "grad_norm": 4.674074172973633, | |
| "learning_rate": 5.733333333333333e-06, | |
| "loss": 3.3455, | |
| "step": 41500 | |
| }, | |
| { | |
| "epoch": 2.6879999999999997, | |
| "grad_norm": 4.441190242767334, | |
| "learning_rate": 5.2e-06, | |
| "loss": 3.3395, | |
| "step": 42000 | |
| }, | |
| { | |
| "epoch": 2.7199999999999998, | |
| "grad_norm": 4.654902935028076, | |
| "learning_rate": 4.666666666666667e-06, | |
| "loss": 3.3451, | |
| "step": 42500 | |
| }, | |
| { | |
| "epoch": 2.752, | |
| "grad_norm": 4.854019641876221, | |
| "learning_rate": 4.133333333333333e-06, | |
| "loss": 3.3487, | |
| "step": 43000 | |
| }, | |
| { | |
| "epoch": 2.784, | |
| "grad_norm": 4.590793132781982, | |
| "learning_rate": 3.6e-06, | |
| "loss": 3.3415, | |
| "step": 43500 | |
| }, | |
| { | |
| "epoch": 2.816, | |
| "grad_norm": 4.6549835205078125, | |
| "learning_rate": 3.066666666666667e-06, | |
| "loss": 3.3422, | |
| "step": 44000 | |
| }, | |
| { | |
| "epoch": 2.848, | |
| "grad_norm": 4.5288543701171875, | |
| "learning_rate": 2.5333333333333334e-06, | |
| "loss": 3.3371, | |
| "step": 44500 | |
| }, | |
| { | |
| "epoch": 2.88, | |
| "grad_norm": 4.760294437408447, | |
| "learning_rate": 2.0000000000000003e-06, | |
| "loss": 3.3344, | |
| "step": 45000 | |
| }, | |
| { | |
| "epoch": 2.912, | |
| "grad_norm": 4.800927639007568, | |
| "learning_rate": 1.4666666666666667e-06, | |
| "loss": 3.3255, | |
| "step": 45500 | |
| }, | |
| { | |
| "epoch": 2.944, | |
| "grad_norm": 5.1308183670043945, | |
| "learning_rate": 9.333333333333334e-07, | |
| "loss": 3.3433, | |
| "step": 46000 | |
| }, | |
| { | |
| "epoch": 2.976, | |
| "grad_norm": 4.590966701507568, | |
| "learning_rate": 4.0000000000000003e-07, | |
| "loss": 3.3365, | |
| "step": 46500 | |
| } | |
| ], | |
| "logging_steps": 500, | |
| "max_steps": 46875, | |
| "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": 3.97189214208e+17, | |
| "train_batch_size": 16, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |