| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 1.3333333333333333, | |
| "eval_steps": 9, | |
| "global_step": 100, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.013333333333333334, | |
| "grad_norm": 4.405479907989502, | |
| "learning_rate": 1e-05, | |
| "loss": 7.9724, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.013333333333333334, | |
| "eval_loss": 7.486743450164795, | |
| "eval_runtime": 6.8137, | |
| "eval_samples_per_second": 36.984, | |
| "eval_steps_per_second": 1.174, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.02666666666666667, | |
| "grad_norm": 5.097732067108154, | |
| "learning_rate": 2e-05, | |
| "loss": 7.8597, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 4.230100154876709, | |
| "learning_rate": 3e-05, | |
| "loss": 7.2266, | |
| "step": 3 | |
| }, | |
| { | |
| "epoch": 0.05333333333333334, | |
| "grad_norm": 4.65350866317749, | |
| "learning_rate": 4e-05, | |
| "loss": 7.064, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.06666666666666667, | |
| "grad_norm": 4.453489303588867, | |
| "learning_rate": 5e-05, | |
| "loss": 7.051, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 5.136047840118408, | |
| "learning_rate": 6e-05, | |
| "loss": 7.6665, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 0.09333333333333334, | |
| "grad_norm": 5.32263708114624, | |
| "learning_rate": 7e-05, | |
| "loss": 6.896, | |
| "step": 7 | |
| }, | |
| { | |
| "epoch": 0.10666666666666667, | |
| "grad_norm": 6.49412202835083, | |
| "learning_rate": 8e-05, | |
| "loss": 6.8651, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 0.12, | |
| "grad_norm": 6.1117401123046875, | |
| "learning_rate": 9e-05, | |
| "loss": 6.3336, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 0.12, | |
| "eval_loss": 5.42742919921875, | |
| "eval_runtime": 6.8586, | |
| "eval_samples_per_second": 36.742, | |
| "eval_steps_per_second": 1.166, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 0.13333333333333333, | |
| "grad_norm": 5.849968910217285, | |
| "learning_rate": 0.0001, | |
| "loss": 5.3658, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.14666666666666667, | |
| "grad_norm": 5.953588485717773, | |
| "learning_rate": 9.99695413509548e-05, | |
| "loss": 4.9658, | |
| "step": 11 | |
| }, | |
| { | |
| "epoch": 0.16, | |
| "grad_norm": 5.58298397064209, | |
| "learning_rate": 9.987820251299122e-05, | |
| "loss": 4.2654, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 0.17333333333333334, | |
| "grad_norm": 6.122217655181885, | |
| "learning_rate": 9.972609476841367e-05, | |
| "loss": 3.9924, | |
| "step": 13 | |
| }, | |
| { | |
| "epoch": 0.18666666666666668, | |
| "grad_norm": 4.52651834487915, | |
| "learning_rate": 9.951340343707852e-05, | |
| "loss": 2.9281, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 0.2, | |
| "grad_norm": 5.532037734985352, | |
| "learning_rate": 9.924038765061042e-05, | |
| "loss": 2.6436, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 0.21333333333333335, | |
| "grad_norm": 3.9930419921875, | |
| "learning_rate": 9.890738003669029e-05, | |
| "loss": 2.17, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 0.22666666666666666, | |
| "grad_norm": 3.711259603500366, | |
| "learning_rate": 9.851478631379982e-05, | |
| "loss": 1.6533, | |
| "step": 17 | |
| }, | |
| { | |
| "epoch": 0.24, | |
| "grad_norm": 4.765783786773682, | |
| "learning_rate": 9.806308479691595e-05, | |
| "loss": 1.6564, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 0.24, | |
| "eval_loss": 1.253283143043518, | |
| "eval_runtime": 6.8456, | |
| "eval_samples_per_second": 36.812, | |
| "eval_steps_per_second": 1.169, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 0.25333333333333335, | |
| "grad_norm": 4.9937286376953125, | |
| "learning_rate": 9.755282581475769e-05, | |
| "loss": 1.3111, | |
| "step": 19 | |
| }, | |
| { | |
| "epoch": 0.26666666666666666, | |
| "grad_norm": 3.609001874923706, | |
| "learning_rate": 9.698463103929542e-05, | |
| "loss": 1.0438, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.28, | |
| "grad_norm": 2.979018211364746, | |
| "learning_rate": 9.635919272833938e-05, | |
| "loss": 1.0878, | |
| "step": 21 | |
| }, | |
| { | |
| "epoch": 0.29333333333333333, | |
| "grad_norm": 2.7885701656341553, | |
| "learning_rate": 9.567727288213005e-05, | |
| "loss": 0.9244, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 0.30666666666666664, | |
| "grad_norm": 2.072436809539795, | |
| "learning_rate": 9.493970231495835e-05, | |
| "loss": 0.8222, | |
| "step": 23 | |
| }, | |
| { | |
| "epoch": 0.32, | |
| "grad_norm": 1.3858284950256348, | |
| "learning_rate": 9.414737964294636e-05, | |
| "loss": 0.6871, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 0.3333333333333333, | |
| "grad_norm": 1.331913709640503, | |
| "learning_rate": 9.330127018922194e-05, | |
| "loss": 0.6767, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 0.3466666666666667, | |
| "grad_norm": 1.6265112161636353, | |
| "learning_rate": 9.24024048078213e-05, | |
| "loss": 0.5968, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 0.36, | |
| "grad_norm": 1.3619335889816284, | |
| "learning_rate": 9.145187862775209e-05, | |
| "loss": 0.5688, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 0.36, | |
| "eval_loss": 0.5289857983589172, | |
| "eval_runtime": 6.8554, | |
| "eval_samples_per_second": 36.759, | |
| "eval_steps_per_second": 1.167, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 0.37333333333333335, | |
| "grad_norm": 3.9684886932373047, | |
| "learning_rate": 9.045084971874738e-05, | |
| "loss": 0.5723, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 0.38666666666666666, | |
| "grad_norm": 2.640380620956421, | |
| "learning_rate": 8.940053768033609e-05, | |
| "loss": 0.5169, | |
| "step": 29 | |
| }, | |
| { | |
| "epoch": 0.4, | |
| "grad_norm": 1.1177144050598145, | |
| "learning_rate": 8.83022221559489e-05, | |
| "loss": 0.4045, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.41333333333333333, | |
| "grad_norm": 1.575081467628479, | |
| "learning_rate": 8.715724127386972e-05, | |
| "loss": 0.5524, | |
| "step": 31 | |
| }, | |
| { | |
| "epoch": 0.4266666666666667, | |
| "grad_norm": 0.9432113170623779, | |
| "learning_rate": 8.596699001693255e-05, | |
| "loss": 0.4106, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 0.44, | |
| "grad_norm": 0.9591731429100037, | |
| "learning_rate": 8.473291852294987e-05, | |
| "loss": 0.4367, | |
| "step": 33 | |
| }, | |
| { | |
| "epoch": 0.4533333333333333, | |
| "grad_norm": 1.5961774587631226, | |
| "learning_rate": 8.345653031794292e-05, | |
| "loss": 0.4502, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 0.4666666666666667, | |
| "grad_norm": 1.6420469284057617, | |
| "learning_rate": 8.213938048432697e-05, | |
| "loss": 0.4735, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 0.48, | |
| "grad_norm": 1.7386170625686646, | |
| "learning_rate": 8.07830737662829e-05, | |
| "loss": 0.4399, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 0.48, | |
| "eval_loss": 0.40678489208221436, | |
| "eval_runtime": 6.8249, | |
| "eval_samples_per_second": 36.923, | |
| "eval_steps_per_second": 1.172, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 0.49333333333333335, | |
| "grad_norm": 1.0912026166915894, | |
| "learning_rate": 7.938926261462366e-05, | |
| "loss": 0.3623, | |
| "step": 37 | |
| }, | |
| { | |
| "epoch": 0.5066666666666667, | |
| "grad_norm": 1.2950236797332764, | |
| "learning_rate": 7.795964517353735e-05, | |
| "loss": 0.4778, | |
| "step": 38 | |
| }, | |
| { | |
| "epoch": 0.52, | |
| "grad_norm": 1.6162281036376953, | |
| "learning_rate": 7.649596321166024e-05, | |
| "loss": 0.3529, | |
| "step": 39 | |
| }, | |
| { | |
| "epoch": 0.5333333333333333, | |
| "grad_norm": 1.6553406715393066, | |
| "learning_rate": 7.500000000000001e-05, | |
| "loss": 0.4049, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.5466666666666666, | |
| "grad_norm": 2.335233449935913, | |
| "learning_rate": 7.347357813929454e-05, | |
| "loss": 0.4274, | |
| "step": 41 | |
| }, | |
| { | |
| "epoch": 0.56, | |
| "grad_norm": 1.1908917427062988, | |
| "learning_rate": 7.191855733945387e-05, | |
| "loss": 0.3944, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 0.5733333333333334, | |
| "grad_norm": 1.206529974937439, | |
| "learning_rate": 7.033683215379002e-05, | |
| "loss": 0.3918, | |
| "step": 43 | |
| }, | |
| { | |
| "epoch": 0.5866666666666667, | |
| "grad_norm": 1.6182993650436401, | |
| "learning_rate": 6.873032967079561e-05, | |
| "loss": 0.4293, | |
| "step": 44 | |
| }, | |
| { | |
| "epoch": 0.6, | |
| "grad_norm": 1.112451195716858, | |
| "learning_rate": 6.710100716628344e-05, | |
| "loss": 0.3415, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 0.6, | |
| "eval_loss": 0.35784590244293213, | |
| "eval_runtime": 6.796, | |
| "eval_samples_per_second": 37.081, | |
| "eval_steps_per_second": 1.177, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 0.6133333333333333, | |
| "grad_norm": 0.9061072468757629, | |
| "learning_rate": 6.545084971874738e-05, | |
| "loss": 0.3638, | |
| "step": 46 | |
| }, | |
| { | |
| "epoch": 0.6266666666666667, | |
| "grad_norm": 0.9715914130210876, | |
| "learning_rate": 6.378186779084995e-05, | |
| "loss": 0.3252, | |
| "step": 47 | |
| }, | |
| { | |
| "epoch": 0.64, | |
| "grad_norm": 1.2583880424499512, | |
| "learning_rate": 6.209609477998338e-05, | |
| "loss": 0.4273, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 0.6533333333333333, | |
| "grad_norm": 1.2677204608917236, | |
| "learning_rate": 6.0395584540887963e-05, | |
| "loss": 0.3896, | |
| "step": 49 | |
| }, | |
| { | |
| "epoch": 0.6666666666666666, | |
| "grad_norm": 0.8862636685371399, | |
| "learning_rate": 5.868240888334653e-05, | |
| "loss": 0.382, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.68, | |
| "grad_norm": 1.2220683097839355, | |
| "learning_rate": 5.695865504800327e-05, | |
| "loss": 0.4408, | |
| "step": 51 | |
| }, | |
| { | |
| "epoch": 0.6933333333333334, | |
| "grad_norm": 0.9844450950622559, | |
| "learning_rate": 5.522642316338268e-05, | |
| "loss": 0.3223, | |
| "step": 52 | |
| }, | |
| { | |
| "epoch": 0.7066666666666667, | |
| "grad_norm": 1.1241415739059448, | |
| "learning_rate": 5.348782368720626e-05, | |
| "loss": 0.376, | |
| "step": 53 | |
| }, | |
| { | |
| "epoch": 0.72, | |
| "grad_norm": 1.1636427640914917, | |
| "learning_rate": 5.174497483512506e-05, | |
| "loss": 0.3708, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 0.72, | |
| "eval_loss": 0.32492414116859436, | |
| "eval_runtime": 11.1188, | |
| "eval_samples_per_second": 22.664, | |
| "eval_steps_per_second": 0.72, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 0.7333333333333333, | |
| "grad_norm": 0.9726856350898743, | |
| "learning_rate": 5e-05, | |
| "loss": 0.3313, | |
| "step": 55 | |
| }, | |
| { | |
| "epoch": 0.7466666666666667, | |
| "grad_norm": 0.9194291234016418, | |
| "learning_rate": 4.825502516487497e-05, | |
| "loss": 0.3555, | |
| "step": 56 | |
| }, | |
| { | |
| "epoch": 0.76, | |
| "grad_norm": 1.1874873638153076, | |
| "learning_rate": 4.6512176312793736e-05, | |
| "loss": 0.3387, | |
| "step": 57 | |
| }, | |
| { | |
| "epoch": 0.7733333333333333, | |
| "grad_norm": 1.1588807106018066, | |
| "learning_rate": 4.477357683661734e-05, | |
| "loss": 0.3594, | |
| "step": 58 | |
| }, | |
| { | |
| "epoch": 0.7866666666666666, | |
| "grad_norm": 1.8834445476531982, | |
| "learning_rate": 4.3041344951996746e-05, | |
| "loss": 0.4763, | |
| "step": 59 | |
| }, | |
| { | |
| "epoch": 0.8, | |
| "grad_norm": 1.2006111145019531, | |
| "learning_rate": 4.131759111665349e-05, | |
| "loss": 0.4233, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 0.8133333333333334, | |
| "grad_norm": 1.1156777143478394, | |
| "learning_rate": 3.960441545911204e-05, | |
| "loss": 0.3695, | |
| "step": 61 | |
| }, | |
| { | |
| "epoch": 0.8266666666666667, | |
| "grad_norm": 1.079177737236023, | |
| "learning_rate": 3.790390522001662e-05, | |
| "loss": 0.3245, | |
| "step": 62 | |
| }, | |
| { | |
| "epoch": 0.84, | |
| "grad_norm": 1.1138255596160889, | |
| "learning_rate": 3.6218132209150045e-05, | |
| "loss": 0.3528, | |
| "step": 63 | |
| }, | |
| { | |
| "epoch": 0.84, | |
| "eval_loss": 0.3181284964084625, | |
| "eval_runtime": 6.8118, | |
| "eval_samples_per_second": 36.995, | |
| "eval_steps_per_second": 1.174, | |
| "step": 63 | |
| }, | |
| { | |
| "epoch": 0.8533333333333334, | |
| "grad_norm": 0.8911928534507751, | |
| "learning_rate": 3.4549150281252636e-05, | |
| "loss": 0.3303, | |
| "step": 64 | |
| }, | |
| { | |
| "epoch": 0.8666666666666667, | |
| "grad_norm": 1.513454556465149, | |
| "learning_rate": 3.289899283371657e-05, | |
| "loss": 0.3909, | |
| "step": 65 | |
| }, | |
| { | |
| "epoch": 0.88, | |
| "grad_norm": 1.1349172592163086, | |
| "learning_rate": 3.12696703292044e-05, | |
| "loss": 0.3781, | |
| "step": 66 | |
| }, | |
| { | |
| "epoch": 0.8933333333333333, | |
| "grad_norm": 1.0260670185089111, | |
| "learning_rate": 2.9663167846209998e-05, | |
| "loss": 0.3577, | |
| "step": 67 | |
| }, | |
| { | |
| "epoch": 0.9066666666666666, | |
| "grad_norm": 1.224790334701538, | |
| "learning_rate": 2.8081442660546125e-05, | |
| "loss": 0.3788, | |
| "step": 68 | |
| }, | |
| { | |
| "epoch": 0.92, | |
| "grad_norm": 1.0290940999984741, | |
| "learning_rate": 2.6526421860705473e-05, | |
| "loss": 0.2868, | |
| "step": 69 | |
| }, | |
| { | |
| "epoch": 0.9333333333333333, | |
| "grad_norm": 1.1072643995285034, | |
| "learning_rate": 2.500000000000001e-05, | |
| "loss": 0.3587, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 0.9466666666666667, | |
| "grad_norm": 0.862541913986206, | |
| "learning_rate": 2.350403678833976e-05, | |
| "loss": 0.3463, | |
| "step": 71 | |
| }, | |
| { | |
| "epoch": 0.96, | |
| "grad_norm": 0.7503249049186707, | |
| "learning_rate": 2.2040354826462668e-05, | |
| "loss": 0.2753, | |
| "step": 72 | |
| }, | |
| { | |
| "epoch": 0.96, | |
| "eval_loss": 0.3098621666431427, | |
| "eval_runtime": 6.8238, | |
| "eval_samples_per_second": 36.93, | |
| "eval_steps_per_second": 1.172, | |
| "step": 72 | |
| }, | |
| { | |
| "epoch": 0.9733333333333334, | |
| "grad_norm": 0.7634937167167664, | |
| "learning_rate": 2.061073738537635e-05, | |
| "loss": 0.3108, | |
| "step": 73 | |
| }, | |
| { | |
| "epoch": 0.9866666666666667, | |
| "grad_norm": 0.8317019939422607, | |
| "learning_rate": 1.9216926233717085e-05, | |
| "loss": 0.3269, | |
| "step": 74 | |
| }, | |
| { | |
| "epoch": 1.0, | |
| "grad_norm": 1.1278854608535767, | |
| "learning_rate": 1.7860619515673033e-05, | |
| "loss": 0.3466, | |
| "step": 75 | |
| }, | |
| { | |
| "epoch": 1.0133333333333334, | |
| "grad_norm": 0.959816575050354, | |
| "learning_rate": 1.6543469682057106e-05, | |
| "loss": 0.2593, | |
| "step": 76 | |
| }, | |
| { | |
| "epoch": 1.0266666666666666, | |
| "grad_norm": 0.9306586980819702, | |
| "learning_rate": 1.526708147705013e-05, | |
| "loss": 0.3772, | |
| "step": 77 | |
| }, | |
| { | |
| "epoch": 1.04, | |
| "grad_norm": 1.1471374034881592, | |
| "learning_rate": 1.4033009983067452e-05, | |
| "loss": 0.3527, | |
| "step": 78 | |
| }, | |
| { | |
| "epoch": 1.0533333333333332, | |
| "grad_norm": 0.9034615159034729, | |
| "learning_rate": 1.2842758726130283e-05, | |
| "loss": 0.3257, | |
| "step": 79 | |
| }, | |
| { | |
| "epoch": 1.0666666666666667, | |
| "grad_norm": 0.8599056601524353, | |
| "learning_rate": 1.1697777844051105e-05, | |
| "loss": 0.3808, | |
| "step": 80 | |
| }, | |
| { | |
| "epoch": 1.08, | |
| "grad_norm": 0.8893074989318848, | |
| "learning_rate": 1.0599462319663905e-05, | |
| "loss": 0.3187, | |
| "step": 81 | |
| }, | |
| { | |
| "epoch": 1.08, | |
| "eval_loss": 0.3070451021194458, | |
| "eval_runtime": 6.8264, | |
| "eval_samples_per_second": 36.916, | |
| "eval_steps_per_second": 1.172, | |
| "step": 81 | |
| }, | |
| { | |
| "epoch": 1.0933333333333333, | |
| "grad_norm": 0.8692622780799866, | |
| "learning_rate": 9.549150281252633e-06, | |
| "loss": 0.335, | |
| "step": 82 | |
| }, | |
| { | |
| "epoch": 1.1066666666666667, | |
| "grad_norm": 0.8228186964988708, | |
| "learning_rate": 8.548121372247918e-06, | |
| "loss": 0.2741, | |
| "step": 83 | |
| }, | |
| { | |
| "epoch": 1.12, | |
| "grad_norm": 0.8581228256225586, | |
| "learning_rate": 7.597595192178702e-06, | |
| "loss": 0.34, | |
| "step": 84 | |
| }, | |
| { | |
| "epoch": 1.1333333333333333, | |
| "grad_norm": 0.8180541396141052, | |
| "learning_rate": 6.698729810778065e-06, | |
| "loss": 0.3043, | |
| "step": 85 | |
| }, | |
| { | |
| "epoch": 1.1466666666666667, | |
| "grad_norm": 0.8261634111404419, | |
| "learning_rate": 5.852620357053651e-06, | |
| "loss": 0.335, | |
| "step": 86 | |
| }, | |
| { | |
| "epoch": 1.16, | |
| "grad_norm": 1.3771291971206665, | |
| "learning_rate": 5.060297685041659e-06, | |
| "loss": 0.3469, | |
| "step": 87 | |
| }, | |
| { | |
| "epoch": 1.1733333333333333, | |
| "grad_norm": 0.7941247820854187, | |
| "learning_rate": 4.322727117869951e-06, | |
| "loss": 0.251, | |
| "step": 88 | |
| }, | |
| { | |
| "epoch": 1.1866666666666668, | |
| "grad_norm": 0.915990948677063, | |
| "learning_rate": 3.6408072716606346e-06, | |
| "loss": 0.2688, | |
| "step": 89 | |
| }, | |
| { | |
| "epoch": 1.2, | |
| "grad_norm": 0.8738386034965515, | |
| "learning_rate": 3.0153689607045845e-06, | |
| "loss": 0.3568, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 1.2, | |
| "eval_loss": 0.3071597218513489, | |
| "eval_runtime": 6.8205, | |
| "eval_samples_per_second": 36.948, | |
| "eval_steps_per_second": 1.173, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 1.2133333333333334, | |
| "grad_norm": 0.9354806542396545, | |
| "learning_rate": 2.4471741852423237e-06, | |
| "loss": 0.3609, | |
| "step": 91 | |
| }, | |
| { | |
| "epoch": 1.2266666666666666, | |
| "grad_norm": 0.8699689507484436, | |
| "learning_rate": 1.9369152030840556e-06, | |
| "loss": 0.3332, | |
| "step": 92 | |
| }, | |
| { | |
| "epoch": 1.24, | |
| "grad_norm": 1.0410078763961792, | |
| "learning_rate": 1.4852136862001764e-06, | |
| "loss": 0.3301, | |
| "step": 93 | |
| }, | |
| { | |
| "epoch": 1.2533333333333334, | |
| "grad_norm": 0.8241610527038574, | |
| "learning_rate": 1.0926199633097157e-06, | |
| "loss": 0.3493, | |
| "step": 94 | |
| }, | |
| { | |
| "epoch": 1.2666666666666666, | |
| "grad_norm": 0.8889489769935608, | |
| "learning_rate": 7.596123493895991e-07, | |
| "loss": 0.2898, | |
| "step": 95 | |
| }, | |
| { | |
| "epoch": 1.28, | |
| "grad_norm": 0.792635977268219, | |
| "learning_rate": 4.865965629214819e-07, | |
| "loss": 0.3201, | |
| "step": 96 | |
| }, | |
| { | |
| "epoch": 1.2933333333333334, | |
| "grad_norm": 1.05978262424469, | |
| "learning_rate": 2.7390523158633554e-07, | |
| "loss": 0.2334, | |
| "step": 97 | |
| }, | |
| { | |
| "epoch": 1.3066666666666666, | |
| "grad_norm": 0.9526124596595764, | |
| "learning_rate": 1.2179748700879012e-07, | |
| "loss": 0.3014, | |
| "step": 98 | |
| }, | |
| { | |
| "epoch": 1.32, | |
| "grad_norm": 0.9465766549110413, | |
| "learning_rate": 3.04586490452119e-08, | |
| "loss": 0.2909, | |
| "step": 99 | |
| }, | |
| { | |
| "epoch": 1.32, | |
| "eval_loss": 0.3063599765300751, | |
| "eval_runtime": 6.824, | |
| "eval_samples_per_second": 36.928, | |
| "eval_steps_per_second": 1.172, | |
| "step": 99 | |
| }, | |
| { | |
| "epoch": 1.3333333333333333, | |
| "grad_norm": 0.8943014144897461, | |
| "learning_rate": 0.0, | |
| "loss": 0.3156, | |
| "step": 100 | |
| } | |
| ], | |
| "logging_steps": 1, | |
| "max_steps": 100, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 2, | |
| "save_steps": 25, | |
| "stateful_callbacks": { | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": true | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 5.28875293507584e+17, | |
| "train_batch_size": 8, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |