| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 0.6826666666666666, | |
| "eval_steps": 500, | |
| "global_step": 80, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.008533333333333334, | |
| "grad_norm": 250.03163081148352, | |
| "learning_rate": 0.0, | |
| "loss": 9.7972, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.017066666666666667, | |
| "grad_norm": 248.51781720582932, | |
| "learning_rate": 3.010299956639811e-07, | |
| "loss": 9.6851, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.0256, | |
| "grad_norm": 242.7004728698525, | |
| "learning_rate": 4.771212547196623e-07, | |
| "loss": 9.7332, | |
| "step": 3 | |
| }, | |
| { | |
| "epoch": 0.034133333333333335, | |
| "grad_norm": 244.87426620614914, | |
| "learning_rate": 6.020599913279622e-07, | |
| "loss": 9.6243, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.042666666666666665, | |
| "grad_norm": 243.51473421797294, | |
| "learning_rate": 6.989700043360186e-07, | |
| "loss": 9.6145, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 0.0512, | |
| "grad_norm": 237.0939456470789, | |
| "learning_rate": 7.781512503836435e-07, | |
| "loss": 9.5558, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 0.05973333333333333, | |
| "grad_norm": 246.42426416396174, | |
| "learning_rate": 8.450980400142567e-07, | |
| "loss": 9.5691, | |
| "step": 7 | |
| }, | |
| { | |
| "epoch": 0.06826666666666667, | |
| "grad_norm": 234.25935480253506, | |
| "learning_rate": 9.030899869919433e-07, | |
| "loss": 9.4209, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 0.0768, | |
| "grad_norm": 239.2983885236171, | |
| "learning_rate": 9.542425094393247e-07, | |
| "loss": 9.4733, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 0.08533333333333333, | |
| "grad_norm": 236.6105466399374, | |
| "learning_rate": 9.999999999999997e-07, | |
| "loss": 9.5095, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.09386666666666667, | |
| "grad_norm": 231.46864663491684, | |
| "learning_rate": 1.0413926851582248e-06, | |
| "loss": 9.1118, | |
| "step": 11 | |
| }, | |
| { | |
| "epoch": 0.1024, | |
| "grad_norm": 231.50741585044312, | |
| "learning_rate": 1.0791812460476246e-06, | |
| "loss": 9.0775, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 0.11093333333333333, | |
| "grad_norm": 232.88580221859812, | |
| "learning_rate": 1.1139433523068364e-06, | |
| "loss": 8.7966, | |
| "step": 13 | |
| }, | |
| { | |
| "epoch": 0.11946666666666667, | |
| "grad_norm": 227.17208510290166, | |
| "learning_rate": 1.1461280356782378e-06, | |
| "loss": 8.6432, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 0.128, | |
| "grad_norm": 222.61277865106936, | |
| "learning_rate": 1.176091259055681e-06, | |
| "loss": 8.6176, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 0.13653333333333334, | |
| "grad_norm": 216.5108794899231, | |
| "learning_rate": 1.2041199826559244e-06, | |
| "loss": 8.1218, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 0.14506666666666668, | |
| "grad_norm": 219.20955299667028, | |
| "learning_rate": 1.230448921378274e-06, | |
| "loss": 8.0343, | |
| "step": 17 | |
| }, | |
| { | |
| "epoch": 0.1536, | |
| "grad_norm": 199.72085988949678, | |
| "learning_rate": 1.2552725051033058e-06, | |
| "loss": 7.964, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 0.16213333333333332, | |
| "grad_norm": 200.24268479147997, | |
| "learning_rate": 1.2787536009528286e-06, | |
| "loss": 7.647, | |
| "step": 19 | |
| }, | |
| { | |
| "epoch": 0.17066666666666666, | |
| "grad_norm": 186.85104361496084, | |
| "learning_rate": 1.301029995663981e-06, | |
| "loss": 7.3774, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.1792, | |
| "grad_norm": 182.71120056663193, | |
| "learning_rate": 1.322219294733919e-06, | |
| "loss": 7.1637, | |
| "step": 21 | |
| }, | |
| { | |
| "epoch": 0.18773333333333334, | |
| "grad_norm": 182.76003520668846, | |
| "learning_rate": 1.3424226808222062e-06, | |
| "loss": 7.012, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 0.19626666666666667, | |
| "grad_norm": 168.48191088919606, | |
| "learning_rate": 1.3617278360175927e-06, | |
| "loss": 6.6768, | |
| "step": 23 | |
| }, | |
| { | |
| "epoch": 0.2048, | |
| "grad_norm": 156.229917459413, | |
| "learning_rate": 1.3802112417116059e-06, | |
| "loss": 6.7099, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 0.21333333333333335, | |
| "grad_norm": 154.37179905588326, | |
| "learning_rate": 1.3979400086720373e-06, | |
| "loss": 6.4922, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 0.22186666666666666, | |
| "grad_norm": 143.71528792851163, | |
| "learning_rate": 1.4149733479708177e-06, | |
| "loss": 6.1601, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 0.2304, | |
| "grad_norm": 146.34965888668822, | |
| "learning_rate": 1.431363764158987e-06, | |
| "loss": 5.8541, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 0.23893333333333333, | |
| "grad_norm": 121.92596290244133, | |
| "learning_rate": 1.4471580313422189e-06, | |
| "loss": 5.4416, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 0.24746666666666667, | |
| "grad_norm": 120.75132633847133, | |
| "learning_rate": 1.4623979978989559e-06, | |
| "loss": 5.1664, | |
| "step": 29 | |
| }, | |
| { | |
| "epoch": 0.256, | |
| "grad_norm": 127.72268390687302, | |
| "learning_rate": 1.477121254719662e-06, | |
| "loss": 4.9839, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.26453333333333334, | |
| "grad_norm": 101.32005196251875, | |
| "learning_rate": 1.4913616938342723e-06, | |
| "loss": 5.1121, | |
| "step": 31 | |
| }, | |
| { | |
| "epoch": 0.2730666666666667, | |
| "grad_norm": 90.5009306970445, | |
| "learning_rate": 1.5051499783199057e-06, | |
| "loss": 4.3866, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 0.2816, | |
| "grad_norm": 84.35234360166734, | |
| "learning_rate": 1.5185139398778872e-06, | |
| "loss": 4.4437, | |
| "step": 33 | |
| }, | |
| { | |
| "epoch": 0.29013333333333335, | |
| "grad_norm": 75.2060158778455, | |
| "learning_rate": 1.5314789170422548e-06, | |
| "loss": 4.3798, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 0.2986666666666667, | |
| "grad_norm": 73.14821012527409, | |
| "learning_rate": 1.544068044350275e-06, | |
| "loss": 4.1696, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 0.3072, | |
| "grad_norm": 65.68340407068212, | |
| "learning_rate": 1.556302500767287e-06, | |
| "loss": 3.8687, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 0.3157333333333333, | |
| "grad_norm": 63.72172703320077, | |
| "learning_rate": 1.5682017240669948e-06, | |
| "loss": 3.9212, | |
| "step": 37 | |
| }, | |
| { | |
| "epoch": 0.32426666666666665, | |
| "grad_norm": 55.96549796875415, | |
| "learning_rate": 1.57978359661681e-06, | |
| "loss": 3.7807, | |
| "step": 38 | |
| }, | |
| { | |
| "epoch": 0.3328, | |
| "grad_norm": 50.34103179735071, | |
| "learning_rate": 1.5910646070264987e-06, | |
| "loss": 3.6901, | |
| "step": 39 | |
| }, | |
| { | |
| "epoch": 0.3413333333333333, | |
| "grad_norm": 53.230164751324274, | |
| "learning_rate": 1.602059991327962e-06, | |
| "loss": 3.6057, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.34986666666666666, | |
| "grad_norm": 42.48618083004681, | |
| "learning_rate": 1.6127838567197353e-06, | |
| "loss": 3.5198, | |
| "step": 41 | |
| }, | |
| { | |
| "epoch": 0.3584, | |
| "grad_norm": 39.512047584209995, | |
| "learning_rate": 1.6232492903979003e-06, | |
| "loss": 3.4435, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 0.36693333333333333, | |
| "grad_norm": 37.88712129419359, | |
| "learning_rate": 1.633468455579586e-06, | |
| "loss": 3.2061, | |
| "step": 43 | |
| }, | |
| { | |
| "epoch": 0.37546666666666667, | |
| "grad_norm": 35.24892126286012, | |
| "learning_rate": 1.643452676486187e-06, | |
| "loss": 3.2579, | |
| "step": 44 | |
| }, | |
| { | |
| "epoch": 0.384, | |
| "grad_norm": 33.04491165858123, | |
| "learning_rate": 1.6532125137753431e-06, | |
| "loss": 2.8525, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 0.39253333333333335, | |
| "grad_norm": 31.165406009520897, | |
| "learning_rate": 1.6627578316815738e-06, | |
| "loss": 3.1049, | |
| "step": 46 | |
| }, | |
| { | |
| "epoch": 0.4010666666666667, | |
| "grad_norm": 28.391582735290466, | |
| "learning_rate": 1.672097857935717e-06, | |
| "loss": 2.6253, | |
| "step": 47 | |
| }, | |
| { | |
| "epoch": 0.4096, | |
| "grad_norm": 25.829470766134442, | |
| "learning_rate": 1.6812412373755868e-06, | |
| "loss": 2.9859, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 0.41813333333333336, | |
| "grad_norm": 24.083581978153447, | |
| "learning_rate": 1.6901960800285134e-06, | |
| "loss": 2.6692, | |
| "step": 49 | |
| }, | |
| { | |
| "epoch": 0.4266666666666667, | |
| "grad_norm": 22.867521136957954, | |
| "learning_rate": 1.6989700043360184e-06, | |
| "loss": 2.8821, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.4352, | |
| "grad_norm": 19.900767003905905, | |
| "learning_rate": 1.707570176097936e-06, | |
| "loss": 2.4392, | |
| "step": 51 | |
| }, | |
| { | |
| "epoch": 0.4437333333333333, | |
| "grad_norm": 18.380866742540494, | |
| "learning_rate": 1.716003343634799e-06, | |
| "loss": 2.6001, | |
| "step": 52 | |
| }, | |
| { | |
| "epoch": 0.45226666666666665, | |
| "grad_norm": 18.893434932402364, | |
| "learning_rate": 1.7242758696007888e-06, | |
| "loss": 2.4671, | |
| "step": 53 | |
| }, | |
| { | |
| "epoch": 0.4608, | |
| "grad_norm": 17.676419618997368, | |
| "learning_rate": 1.7323937598229684e-06, | |
| "loss": 2.6264, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 0.4693333333333333, | |
| "grad_norm": 16.505413670063586, | |
| "learning_rate": 1.7403626894942437e-06, | |
| "loss": 2.5316, | |
| "step": 55 | |
| }, | |
| { | |
| "epoch": 0.47786666666666666, | |
| "grad_norm": 16.56193892770173, | |
| "learning_rate": 1.7481880270062002e-06, | |
| "loss": 2.4163, | |
| "step": 56 | |
| }, | |
| { | |
| "epoch": 0.4864, | |
| "grad_norm": 14.824844560242497, | |
| "learning_rate": 1.7558748556724912e-06, | |
| "loss": 2.2749, | |
| "step": 57 | |
| }, | |
| { | |
| "epoch": 0.49493333333333334, | |
| "grad_norm": 16.122860315584806, | |
| "learning_rate": 1.7634279935629368e-06, | |
| "loss": 2.3755, | |
| "step": 58 | |
| }, | |
| { | |
| "epoch": 0.5034666666666666, | |
| "grad_norm": 14.99798519590293, | |
| "learning_rate": 1.7708520116421439e-06, | |
| "loss": 2.2518, | |
| "step": 59 | |
| }, | |
| { | |
| "epoch": 0.512, | |
| "grad_norm": 14.833498207347544, | |
| "learning_rate": 1.7781512503836432e-06, | |
| "loss": 2.2296, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 0.5205333333333333, | |
| "grad_norm": 14.084920820041408, | |
| "learning_rate": 1.7853298350107666e-06, | |
| "loss": 1.9893, | |
| "step": 61 | |
| }, | |
| { | |
| "epoch": 0.5290666666666667, | |
| "grad_norm": 14.495022149491797, | |
| "learning_rate": 1.7923916894982536e-06, | |
| "loss": 1.9802, | |
| "step": 62 | |
| }, | |
| { | |
| "epoch": 0.5376, | |
| "grad_norm": 15.49634090425538, | |
| "learning_rate": 1.7993405494535814e-06, | |
| "loss": 1.8676, | |
| "step": 63 | |
| }, | |
| { | |
| "epoch": 0.5461333333333334, | |
| "grad_norm": 16.434037108501176, | |
| "learning_rate": 1.8061799739838866e-06, | |
| "loss": 1.9443, | |
| "step": 64 | |
| }, | |
| { | |
| "epoch": 0.5546666666666666, | |
| "grad_norm": 17.17498656692979, | |
| "learning_rate": 1.8129133566428552e-06, | |
| "loss": 1.9935, | |
| "step": 65 | |
| }, | |
| { | |
| "epoch": 0.5632, | |
| "grad_norm": 18.914832117241684, | |
| "learning_rate": 1.8195439355418683e-06, | |
| "loss": 1.8664, | |
| "step": 66 | |
| }, | |
| { | |
| "epoch": 0.5717333333333333, | |
| "grad_norm": 18.78089008208585, | |
| "learning_rate": 1.826074802700826e-06, | |
| "loss": 1.7597, | |
| "step": 67 | |
| }, | |
| { | |
| "epoch": 0.5802666666666667, | |
| "grad_norm": 18.908370877942197, | |
| "learning_rate": 1.8325089127062361e-06, | |
| "loss": 1.5813, | |
| "step": 68 | |
| }, | |
| { | |
| "epoch": 0.5888, | |
| "grad_norm": 22.558658346768986, | |
| "learning_rate": 1.8388490907372552e-06, | |
| "loss": 1.598, | |
| "step": 69 | |
| }, | |
| { | |
| "epoch": 0.5973333333333334, | |
| "grad_norm": 25.269744707032434, | |
| "learning_rate": 1.8450980400142566e-06, | |
| "loss": 1.642, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 0.6058666666666667, | |
| "grad_norm": 29.404854136304497, | |
| "learning_rate": 1.851258348719075e-06, | |
| "loss": 1.5158, | |
| "step": 71 | |
| }, | |
| { | |
| "epoch": 0.6144, | |
| "grad_norm": 28.123079361503738, | |
| "learning_rate": 1.857332496431268e-06, | |
| "loss": 1.316, | |
| "step": 72 | |
| }, | |
| { | |
| "epoch": 0.6229333333333333, | |
| "grad_norm": 33.051693280540675, | |
| "learning_rate": 1.8633228601204554e-06, | |
| "loss": 1.329, | |
| "step": 73 | |
| }, | |
| { | |
| "epoch": 0.6314666666666666, | |
| "grad_norm": 34.63716787552787, | |
| "learning_rate": 1.8692317197309759e-06, | |
| "loss": 1.2845, | |
| "step": 74 | |
| }, | |
| { | |
| "epoch": 0.64, | |
| "grad_norm": 39.96989376051133, | |
| "learning_rate": 1.8750612633916996e-06, | |
| "loss": 1.3346, | |
| "step": 75 | |
| }, | |
| { | |
| "epoch": 0.6485333333333333, | |
| "grad_norm": 33.72574540792705, | |
| "learning_rate": 1.880813592280791e-06, | |
| "loss": 1.1742, | |
| "step": 76 | |
| }, | |
| { | |
| "epoch": 0.6570666666666667, | |
| "grad_norm": 26.56407853765471, | |
| "learning_rate": 1.8864907251724815e-06, | |
| "loss": 1.0382, | |
| "step": 77 | |
| }, | |
| { | |
| "epoch": 0.6656, | |
| "grad_norm": 17.783020253212666, | |
| "learning_rate": 1.89209460269048e-06, | |
| "loss": 1.0619, | |
| "step": 78 | |
| }, | |
| { | |
| "epoch": 0.6741333333333334, | |
| "grad_norm": 12.089890448213527, | |
| "learning_rate": 1.897627091290441e-06, | |
| "loss": 1.0258, | |
| "step": 79 | |
| }, | |
| { | |
| "epoch": 0.6826666666666666, | |
| "grad_norm": 20.871344149138956, | |
| "learning_rate": 1.903089986991943e-06, | |
| "loss": 1.1339, | |
| "step": 80 | |
| } | |
| ], | |
| "logging_steps": 1, | |
| "max_steps": 201, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 2, | |
| "save_steps": 20, | |
| "stateful_callbacks": { | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": false | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 1.2550457004465848e+18, | |
| "train_batch_size": 16, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |