| { | |
| "best_metric": 1.0826399326324463, | |
| "best_model_checkpoint": "miner_id_24/checkpoint-200", | |
| "epoch": 2.0833333333333335, | |
| "eval_steps": 50, | |
| "global_step": 200, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.010416666666666666, | |
| "grad_norm": 2.4711127281188965, | |
| "learning_rate": 5e-06, | |
| "loss": 1.627, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.010416666666666666, | |
| "eval_loss": 1.8534221649169922, | |
| "eval_runtime": 13.3264, | |
| "eval_samples_per_second": 12.156, | |
| "eval_steps_per_second": 6.078, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.020833333333333332, | |
| "grad_norm": 2.6192691326141357, | |
| "learning_rate": 1e-05, | |
| "loss": 1.6931, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.03125, | |
| "grad_norm": 2.382462739944458, | |
| "learning_rate": 1.5e-05, | |
| "loss": 1.6988, | |
| "step": 3 | |
| }, | |
| { | |
| "epoch": 0.041666666666666664, | |
| "grad_norm": 2.1528148651123047, | |
| "learning_rate": 2e-05, | |
| "loss": 1.7072, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.052083333333333336, | |
| "grad_norm": 1.3577423095703125, | |
| "learning_rate": 2.5e-05, | |
| "loss": 1.6822, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 0.0625, | |
| "grad_norm": 1.3553122282028198, | |
| "learning_rate": 3e-05, | |
| "loss": 1.6692, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 0.07291666666666667, | |
| "grad_norm": 1.59847891330719, | |
| "learning_rate": 3.5e-05, | |
| "loss": 1.6249, | |
| "step": 7 | |
| }, | |
| { | |
| "epoch": 0.08333333333333333, | |
| "grad_norm": 1.546889066696167, | |
| "learning_rate": 4e-05, | |
| "loss": 1.5986, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 0.09375, | |
| "grad_norm": 1.5669440031051636, | |
| "learning_rate": 4.5e-05, | |
| "loss": 1.5994, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 0.10416666666666667, | |
| "grad_norm": 1.2801730632781982, | |
| "learning_rate": 5e-05, | |
| "loss": 1.5311, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.11458333333333333, | |
| "grad_norm": 1.317373275756836, | |
| "learning_rate": 5.500000000000001e-05, | |
| "loss": 1.5585, | |
| "step": 11 | |
| }, | |
| { | |
| "epoch": 0.125, | |
| "grad_norm": 1.4380170106887817, | |
| "learning_rate": 6e-05, | |
| "loss": 1.4679, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 0.13541666666666666, | |
| "grad_norm": 1.2851539850234985, | |
| "learning_rate": 6.500000000000001e-05, | |
| "loss": 1.4383, | |
| "step": 13 | |
| }, | |
| { | |
| "epoch": 0.14583333333333334, | |
| "grad_norm": 1.0187216997146606, | |
| "learning_rate": 7e-05, | |
| "loss": 1.4097, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 0.15625, | |
| "grad_norm": 1.035220980644226, | |
| "learning_rate": 7.500000000000001e-05, | |
| "loss": 1.3308, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 0.16666666666666666, | |
| "grad_norm": 1.087231993675232, | |
| "learning_rate": 8e-05, | |
| "loss": 1.3538, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 0.17708333333333334, | |
| "grad_norm": 0.9049983024597168, | |
| "learning_rate": 8.5e-05, | |
| "loss": 1.3736, | |
| "step": 17 | |
| }, | |
| { | |
| "epoch": 0.1875, | |
| "grad_norm": 0.9136279225349426, | |
| "learning_rate": 9e-05, | |
| "loss": 1.2052, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 0.19791666666666666, | |
| "grad_norm": 0.9603868126869202, | |
| "learning_rate": 9.5e-05, | |
| "loss": 1.2246, | |
| "step": 19 | |
| }, | |
| { | |
| "epoch": 0.20833333333333334, | |
| "grad_norm": 1.0083578824996948, | |
| "learning_rate": 0.0001, | |
| "loss": 1.3306, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.21875, | |
| "grad_norm": 0.9730126857757568, | |
| "learning_rate": 9.999238475781957e-05, | |
| "loss": 1.1756, | |
| "step": 21 | |
| }, | |
| { | |
| "epoch": 0.22916666666666666, | |
| "grad_norm": 1.0112113952636719, | |
| "learning_rate": 9.99695413509548e-05, | |
| "loss": 1.4025, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 0.23958333333333334, | |
| "grad_norm": 1.2000093460083008, | |
| "learning_rate": 9.99314767377287e-05, | |
| "loss": 1.68, | |
| "step": 23 | |
| }, | |
| { | |
| "epoch": 0.25, | |
| "grad_norm": 1.1338708400726318, | |
| "learning_rate": 9.987820251299122e-05, | |
| "loss": 1.3773, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 0.2604166666666667, | |
| "grad_norm": 0.7142126560211182, | |
| "learning_rate": 9.980973490458728e-05, | |
| "loss": 1.347, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 0.2708333333333333, | |
| "grad_norm": 0.6199824810028076, | |
| "learning_rate": 9.972609476841367e-05, | |
| "loss": 1.3068, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 0.28125, | |
| "grad_norm": 0.6767352223396301, | |
| "learning_rate": 9.962730758206611e-05, | |
| "loss": 1.32, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 0.2916666666666667, | |
| "grad_norm": 0.7140888571739197, | |
| "learning_rate": 9.951340343707852e-05, | |
| "loss": 1.3285, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 0.3020833333333333, | |
| "grad_norm": 0.6706085801124573, | |
| "learning_rate": 9.938441702975689e-05, | |
| "loss": 1.2992, | |
| "step": 29 | |
| }, | |
| { | |
| "epoch": 0.3125, | |
| "grad_norm": 0.7552691102027893, | |
| "learning_rate": 9.924038765061042e-05, | |
| "loss": 1.3195, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.3229166666666667, | |
| "grad_norm": 0.6844597458839417, | |
| "learning_rate": 9.908135917238321e-05, | |
| "loss": 1.2568, | |
| "step": 31 | |
| }, | |
| { | |
| "epoch": 0.3333333333333333, | |
| "grad_norm": 0.7642863988876343, | |
| "learning_rate": 9.890738003669029e-05, | |
| "loss": 1.2906, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 0.34375, | |
| "grad_norm": 0.8670050501823425, | |
| "learning_rate": 9.871850323926177e-05, | |
| "loss": 1.2283, | |
| "step": 33 | |
| }, | |
| { | |
| "epoch": 0.3541666666666667, | |
| "grad_norm": 0.7049620151519775, | |
| "learning_rate": 9.851478631379982e-05, | |
| "loss": 1.2302, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 0.3645833333333333, | |
| "grad_norm": 0.8329900503158569, | |
| "learning_rate": 9.829629131445342e-05, | |
| "loss": 1.32, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 0.375, | |
| "grad_norm": 0.6724603176116943, | |
| "learning_rate": 9.806308479691595e-05, | |
| "loss": 1.2924, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 0.3854166666666667, | |
| "grad_norm": 0.7215291857719421, | |
| "learning_rate": 9.781523779815179e-05, | |
| "loss": 1.258, | |
| "step": 37 | |
| }, | |
| { | |
| "epoch": 0.3958333333333333, | |
| "grad_norm": 0.7244747281074524, | |
| "learning_rate": 9.755282581475769e-05, | |
| "loss": 1.1985, | |
| "step": 38 | |
| }, | |
| { | |
| "epoch": 0.40625, | |
| "grad_norm": 0.7322155237197876, | |
| "learning_rate": 9.727592877996585e-05, | |
| "loss": 1.2492, | |
| "step": 39 | |
| }, | |
| { | |
| "epoch": 0.4166666666666667, | |
| "grad_norm": 0.7453181743621826, | |
| "learning_rate": 9.698463103929542e-05, | |
| "loss": 1.2055, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.4270833333333333, | |
| "grad_norm": 0.748628556728363, | |
| "learning_rate": 9.667902132486009e-05, | |
| "loss": 1.0716, | |
| "step": 41 | |
| }, | |
| { | |
| "epoch": 0.4375, | |
| "grad_norm": 0.7835982441902161, | |
| "learning_rate": 9.635919272833938e-05, | |
| "loss": 1.1476, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 0.4479166666666667, | |
| "grad_norm": 0.7770959138870239, | |
| "learning_rate": 9.602524267262203e-05, | |
| "loss": 1.1993, | |
| "step": 43 | |
| }, | |
| { | |
| "epoch": 0.4583333333333333, | |
| "grad_norm": 0.8066886067390442, | |
| "learning_rate": 9.567727288213005e-05, | |
| "loss": 1.1708, | |
| "step": 44 | |
| }, | |
| { | |
| "epoch": 0.46875, | |
| "grad_norm": 0.8319792151451111, | |
| "learning_rate": 9.53153893518325e-05, | |
| "loss": 1.2679, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 0.4791666666666667, | |
| "grad_norm": 0.9553804397583008, | |
| "learning_rate": 9.493970231495835e-05, | |
| "loss": 1.4725, | |
| "step": 46 | |
| }, | |
| { | |
| "epoch": 0.4895833333333333, | |
| "grad_norm": 0.708579421043396, | |
| "learning_rate": 9.45503262094184e-05, | |
| "loss": 1.2802, | |
| "step": 47 | |
| }, | |
| { | |
| "epoch": 0.5, | |
| "grad_norm": 0.5891385078430176, | |
| "learning_rate": 9.414737964294636e-05, | |
| "loss": 1.2519, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 0.5104166666666666, | |
| "grad_norm": 0.5222880840301514, | |
| "learning_rate": 9.373098535696979e-05, | |
| "loss": 1.2518, | |
| "step": 49 | |
| }, | |
| { | |
| "epoch": 0.5208333333333334, | |
| "grad_norm": 0.5107901692390442, | |
| "learning_rate": 9.330127018922194e-05, | |
| "loss": 1.2263, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.5208333333333334, | |
| "eval_loss": 1.2355283498764038, | |
| "eval_runtime": 13.6131, | |
| "eval_samples_per_second": 11.9, | |
| "eval_steps_per_second": 5.95, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.53125, | |
| "grad_norm": 0.6080374717712402, | |
| "learning_rate": 9.285836503510562e-05, | |
| "loss": 1.2059, | |
| "step": 51 | |
| }, | |
| { | |
| "epoch": 0.5416666666666666, | |
| "grad_norm": 0.6401436924934387, | |
| "learning_rate": 9.24024048078213e-05, | |
| "loss": 1.2337, | |
| "step": 52 | |
| }, | |
| { | |
| "epoch": 0.5520833333333334, | |
| "grad_norm": 0.6955834031105042, | |
| "learning_rate": 9.193352839727121e-05, | |
| "loss": 1.2088, | |
| "step": 53 | |
| }, | |
| { | |
| "epoch": 0.5625, | |
| "grad_norm": 0.6474322080612183, | |
| "learning_rate": 9.145187862775209e-05, | |
| "loss": 1.2296, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 0.5729166666666666, | |
| "grad_norm": 0.6293211579322815, | |
| "learning_rate": 9.09576022144496e-05, | |
| "loss": 1.2029, | |
| "step": 55 | |
| }, | |
| { | |
| "epoch": 0.5833333333333334, | |
| "grad_norm": 0.6334201693534851, | |
| "learning_rate": 9.045084971874738e-05, | |
| "loss": 1.1925, | |
| "step": 56 | |
| }, | |
| { | |
| "epoch": 0.59375, | |
| "grad_norm": 0.6765782237052917, | |
| "learning_rate": 8.993177550236464e-05, | |
| "loss": 1.1362, | |
| "step": 57 | |
| }, | |
| { | |
| "epoch": 0.6041666666666666, | |
| "grad_norm": 0.6685896515846252, | |
| "learning_rate": 8.940053768033609e-05, | |
| "loss": 1.1981, | |
| "step": 58 | |
| }, | |
| { | |
| "epoch": 0.6145833333333334, | |
| "grad_norm": 0.7182029485702515, | |
| "learning_rate": 8.885729807284856e-05, | |
| "loss": 1.2092, | |
| "step": 59 | |
| }, | |
| { | |
| "epoch": 0.625, | |
| "grad_norm": 0.7487837672233582, | |
| "learning_rate": 8.83022221559489e-05, | |
| "loss": 1.1835, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 0.6354166666666666, | |
| "grad_norm": 0.6699823141098022, | |
| "learning_rate": 8.773547901113862e-05, | |
| "loss": 1.1435, | |
| "step": 61 | |
| }, | |
| { | |
| "epoch": 0.6458333333333334, | |
| "grad_norm": 0.6608943343162537, | |
| "learning_rate": 8.715724127386972e-05, | |
| "loss": 1.1367, | |
| "step": 62 | |
| }, | |
| { | |
| "epoch": 0.65625, | |
| "grad_norm": 0.7312352657318115, | |
| "learning_rate": 8.656768508095853e-05, | |
| "loss": 1.1482, | |
| "step": 63 | |
| }, | |
| { | |
| "epoch": 0.6666666666666666, | |
| "grad_norm": 0.7362478375434875, | |
| "learning_rate": 8.596699001693255e-05, | |
| "loss": 1.0665, | |
| "step": 64 | |
| }, | |
| { | |
| "epoch": 0.6770833333333334, | |
| "grad_norm": 0.7631517052650452, | |
| "learning_rate": 8.535533905932738e-05, | |
| "loss": 1.0266, | |
| "step": 65 | |
| }, | |
| { | |
| "epoch": 0.6875, | |
| "grad_norm": 0.8613834381103516, | |
| "learning_rate": 8.473291852294987e-05, | |
| "loss": 1.0237, | |
| "step": 66 | |
| }, | |
| { | |
| "epoch": 0.6979166666666666, | |
| "grad_norm": 0.74783855676651, | |
| "learning_rate": 8.409991800312493e-05, | |
| "loss": 1.0196, | |
| "step": 67 | |
| }, | |
| { | |
| "epoch": 0.7083333333333334, | |
| "grad_norm": 0.7897143363952637, | |
| "learning_rate": 8.345653031794292e-05, | |
| "loss": 1.238, | |
| "step": 68 | |
| }, | |
| { | |
| "epoch": 0.71875, | |
| "grad_norm": 0.9474412798881531, | |
| "learning_rate": 8.280295144952536e-05, | |
| "loss": 1.4944, | |
| "step": 69 | |
| }, | |
| { | |
| "epoch": 0.7291666666666666, | |
| "grad_norm": 0.53575599193573, | |
| "learning_rate": 8.213938048432697e-05, | |
| "loss": 1.2264, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 0.7395833333333334, | |
| "grad_norm": 0.5903301239013672, | |
| "learning_rate": 8.146601955249188e-05, | |
| "loss": 1.2378, | |
| "step": 71 | |
| }, | |
| { | |
| "epoch": 0.75, | |
| "grad_norm": 0.5594421625137329, | |
| "learning_rate": 8.07830737662829e-05, | |
| "loss": 1.2275, | |
| "step": 72 | |
| }, | |
| { | |
| "epoch": 0.7604166666666666, | |
| "grad_norm": 0.5321654081344604, | |
| "learning_rate": 8.009075115760243e-05, | |
| "loss": 1.1879, | |
| "step": 73 | |
| }, | |
| { | |
| "epoch": 0.7708333333333334, | |
| "grad_norm": 0.5024734735488892, | |
| "learning_rate": 7.938926261462366e-05, | |
| "loss": 1.174, | |
| "step": 74 | |
| }, | |
| { | |
| "epoch": 0.78125, | |
| "grad_norm": 0.5411744713783264, | |
| "learning_rate": 7.86788218175523e-05, | |
| "loss": 1.1544, | |
| "step": 75 | |
| }, | |
| { | |
| "epoch": 0.7916666666666666, | |
| "grad_norm": 0.6023885011672974, | |
| "learning_rate": 7.795964517353735e-05, | |
| "loss": 1.1453, | |
| "step": 76 | |
| }, | |
| { | |
| "epoch": 0.8020833333333334, | |
| "grad_norm": 0.6447041034698486, | |
| "learning_rate": 7.723195175075136e-05, | |
| "loss": 1.178, | |
| "step": 77 | |
| }, | |
| { | |
| "epoch": 0.8125, | |
| "grad_norm": 0.5954291820526123, | |
| "learning_rate": 7.649596321166024e-05, | |
| "loss": 1.1158, | |
| "step": 78 | |
| }, | |
| { | |
| "epoch": 0.8229166666666666, | |
| "grad_norm": 0.6600663065910339, | |
| "learning_rate": 7.575190374550272e-05, | |
| "loss": 1.1259, | |
| "step": 79 | |
| }, | |
| { | |
| "epoch": 0.8333333333333334, | |
| "grad_norm": 0.6914284825325012, | |
| "learning_rate": 7.500000000000001e-05, | |
| "loss": 1.1149, | |
| "step": 80 | |
| }, | |
| { | |
| "epoch": 0.84375, | |
| "grad_norm": 0.6389930844306946, | |
| "learning_rate": 7.424048101231686e-05, | |
| "loss": 1.1192, | |
| "step": 81 | |
| }, | |
| { | |
| "epoch": 0.8541666666666666, | |
| "grad_norm": 0.6449976563453674, | |
| "learning_rate": 7.347357813929454e-05, | |
| "loss": 1.1634, | |
| "step": 82 | |
| }, | |
| { | |
| "epoch": 0.8645833333333334, | |
| "grad_norm": 0.678610622882843, | |
| "learning_rate": 7.269952498697734e-05, | |
| "loss": 1.0999, | |
| "step": 83 | |
| }, | |
| { | |
| "epoch": 0.875, | |
| "grad_norm": 0.7008236646652222, | |
| "learning_rate": 7.191855733945387e-05, | |
| "loss": 1.1342, | |
| "step": 84 | |
| }, | |
| { | |
| "epoch": 0.8854166666666666, | |
| "grad_norm": 0.7141183018684387, | |
| "learning_rate": 7.113091308703498e-05, | |
| "loss": 1.114, | |
| "step": 85 | |
| }, | |
| { | |
| "epoch": 0.8958333333333334, | |
| "grad_norm": 0.6735123991966248, | |
| "learning_rate": 7.033683215379002e-05, | |
| "loss": 1.0612, | |
| "step": 86 | |
| }, | |
| { | |
| "epoch": 0.90625, | |
| "grad_norm": 0.7062748074531555, | |
| "learning_rate": 6.953655642446368e-05, | |
| "loss": 1.075, | |
| "step": 87 | |
| }, | |
| { | |
| "epoch": 0.9166666666666666, | |
| "grad_norm": 0.7226660847663879, | |
| "learning_rate": 6.873032967079561e-05, | |
| "loss": 1.071, | |
| "step": 88 | |
| }, | |
| { | |
| "epoch": 0.9270833333333334, | |
| "grad_norm": 0.700427234172821, | |
| "learning_rate": 6.7918397477265e-05, | |
| "loss": 1.0366, | |
| "step": 89 | |
| }, | |
| { | |
| "epoch": 0.9375, | |
| "grad_norm": 0.8241305947303772, | |
| "learning_rate": 6.710100716628344e-05, | |
| "loss": 1.1348, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 0.9479166666666666, | |
| "grad_norm": 0.7908667922019958, | |
| "learning_rate": 6.627840772285784e-05, | |
| "loss": 1.3804, | |
| "step": 91 | |
| }, | |
| { | |
| "epoch": 0.9583333333333334, | |
| "grad_norm": 1.024819254875183, | |
| "learning_rate": 6.545084971874738e-05, | |
| "loss": 1.4945, | |
| "step": 92 | |
| }, | |
| { | |
| "epoch": 0.96875, | |
| "grad_norm": 0.5864484906196594, | |
| "learning_rate": 6.461858523613684e-05, | |
| "loss": 1.2342, | |
| "step": 93 | |
| }, | |
| { | |
| "epoch": 0.9791666666666666, | |
| "grad_norm": 0.9008581638336182, | |
| "learning_rate": 6.378186779084995e-05, | |
| "loss": 1.1704, | |
| "step": 94 | |
| }, | |
| { | |
| "epoch": 0.9895833333333334, | |
| "grad_norm": 0.8753951191902161, | |
| "learning_rate": 6.294095225512603e-05, | |
| "loss": 1.0993, | |
| "step": 95 | |
| }, | |
| { | |
| "epoch": 1.0, | |
| "grad_norm": 0.8548023104667664, | |
| "learning_rate": 6.209609477998338e-05, | |
| "loss": 1.0669, | |
| "step": 96 | |
| }, | |
| { | |
| "epoch": 1.0104166666666667, | |
| "grad_norm": 0.41384008526802063, | |
| "learning_rate": 6.124755271719325e-05, | |
| "loss": 1.1135, | |
| "step": 97 | |
| }, | |
| { | |
| "epoch": 1.0208333333333333, | |
| "grad_norm": 0.48641350865364075, | |
| "learning_rate": 6.0395584540887963e-05, | |
| "loss": 1.1269, | |
| "step": 98 | |
| }, | |
| { | |
| "epoch": 1.03125, | |
| "grad_norm": 0.47290778160095215, | |
| "learning_rate": 5.9540449768827246e-05, | |
| "loss": 1.0987, | |
| "step": 99 | |
| }, | |
| { | |
| "epoch": 1.0416666666666667, | |
| "grad_norm": 0.5031571388244629, | |
| "learning_rate": 5.868240888334653e-05, | |
| "loss": 1.0766, | |
| "step": 100 | |
| }, | |
| { | |
| "epoch": 1.0416666666666667, | |
| "eval_loss": 1.1312751770019531, | |
| "eval_runtime": 13.6427, | |
| "eval_samples_per_second": 11.874, | |
| "eval_steps_per_second": 5.937, | |
| "step": 100 | |
| }, | |
| { | |
| "epoch": 1.0520833333333333, | |
| "grad_norm": 0.5180606245994568, | |
| "learning_rate": 5.782172325201155e-05, | |
| "loss": 1.0357, | |
| "step": 101 | |
| }, | |
| { | |
| "epoch": 1.0625, | |
| "grad_norm": 0.5300853848457336, | |
| "learning_rate": 5.695865504800327e-05, | |
| "loss": 1.0338, | |
| "step": 102 | |
| }, | |
| { | |
| "epoch": 1.0729166666666667, | |
| "grad_norm": 0.5720819234848022, | |
| "learning_rate": 5.6093467170257374e-05, | |
| "loss": 0.9908, | |
| "step": 103 | |
| }, | |
| { | |
| "epoch": 1.0833333333333333, | |
| "grad_norm": 0.6454595923423767, | |
| "learning_rate": 5.522642316338268e-05, | |
| "loss": 0.9746, | |
| "step": 104 | |
| }, | |
| { | |
| "epoch": 1.09375, | |
| "grad_norm": 0.5898634791374207, | |
| "learning_rate": 5.435778713738292e-05, | |
| "loss": 0.9731, | |
| "step": 105 | |
| }, | |
| { | |
| "epoch": 1.1041666666666667, | |
| "grad_norm": 0.6364423036575317, | |
| "learning_rate": 5.348782368720626e-05, | |
| "loss": 1.0036, | |
| "step": 106 | |
| }, | |
| { | |
| "epoch": 1.1145833333333333, | |
| "grad_norm": 0.6658403873443604, | |
| "learning_rate": 5.26167978121472e-05, | |
| "loss": 0.9559, | |
| "step": 107 | |
| }, | |
| { | |
| "epoch": 1.125, | |
| "grad_norm": 0.6622569561004639, | |
| "learning_rate": 5.174497483512506e-05, | |
| "loss": 1.0081, | |
| "step": 108 | |
| }, | |
| { | |
| "epoch": 1.1354166666666667, | |
| "grad_norm": 0.6346863508224487, | |
| "learning_rate": 5.0872620321864185e-05, | |
| "loss": 0.9636, | |
| "step": 109 | |
| }, | |
| { | |
| "epoch": 1.1458333333333333, | |
| "grad_norm": 0.6534503698348999, | |
| "learning_rate": 5e-05, | |
| "loss": 0.9302, | |
| "step": 110 | |
| }, | |
| { | |
| "epoch": 1.15625, | |
| "grad_norm": 0.6347330212593079, | |
| "learning_rate": 4.912737967813583e-05, | |
| "loss": 0.9101, | |
| "step": 111 | |
| }, | |
| { | |
| "epoch": 1.1666666666666667, | |
| "grad_norm": 0.6683725714683533, | |
| "learning_rate": 4.825502516487497e-05, | |
| "loss": 0.9713, | |
| "step": 112 | |
| }, | |
| { | |
| "epoch": 1.1770833333333333, | |
| "grad_norm": 0.6979056596755981, | |
| "learning_rate": 4.738320218785281e-05, | |
| "loss": 0.8773, | |
| "step": 113 | |
| }, | |
| { | |
| "epoch": 1.1875, | |
| "grad_norm": 0.6672734022140503, | |
| "learning_rate": 4.6512176312793736e-05, | |
| "loss": 0.8426, | |
| "step": 114 | |
| }, | |
| { | |
| "epoch": 1.1979166666666667, | |
| "grad_norm": 0.6851008534431458, | |
| "learning_rate": 4.564221286261709e-05, | |
| "loss": 0.823, | |
| "step": 115 | |
| }, | |
| { | |
| "epoch": 1.2083333333333333, | |
| "grad_norm": 0.7060971260070801, | |
| "learning_rate": 4.477357683661734e-05, | |
| "loss": 0.8359, | |
| "step": 116 | |
| }, | |
| { | |
| "epoch": 1.21875, | |
| "grad_norm": 0.8305262327194214, | |
| "learning_rate": 4.390653282974264e-05, | |
| "loss": 0.8537, | |
| "step": 117 | |
| }, | |
| { | |
| "epoch": 1.2291666666666667, | |
| "grad_norm": 0.7518197894096375, | |
| "learning_rate": 4.3041344951996746e-05, | |
| "loss": 0.9882, | |
| "step": 118 | |
| }, | |
| { | |
| "epoch": 1.2395833333333333, | |
| "grad_norm": 0.8478448987007141, | |
| "learning_rate": 4.2178276747988446e-05, | |
| "loss": 1.0784, | |
| "step": 119 | |
| }, | |
| { | |
| "epoch": 1.25, | |
| "grad_norm": 0.72779381275177, | |
| "learning_rate": 4.131759111665349e-05, | |
| "loss": 1.1398, | |
| "step": 120 | |
| }, | |
| { | |
| "epoch": 1.2604166666666667, | |
| "grad_norm": 0.7103601694107056, | |
| "learning_rate": 4.045955023117276e-05, | |
| "loss": 1.131, | |
| "step": 121 | |
| }, | |
| { | |
| "epoch": 1.2708333333333333, | |
| "grad_norm": 0.6451308727264404, | |
| "learning_rate": 3.960441545911204e-05, | |
| "loss": 1.1243, | |
| "step": 122 | |
| }, | |
| { | |
| "epoch": 1.28125, | |
| "grad_norm": 0.5890367031097412, | |
| "learning_rate": 3.875244728280676e-05, | |
| "loss": 1.068, | |
| "step": 123 | |
| }, | |
| { | |
| "epoch": 1.2916666666666667, | |
| "grad_norm": 0.5778118968009949, | |
| "learning_rate": 3.790390522001662e-05, | |
| "loss": 1.0683, | |
| "step": 124 | |
| }, | |
| { | |
| "epoch": 1.3020833333333333, | |
| "grad_norm": 0.5687625408172607, | |
| "learning_rate": 3.705904774487396e-05, | |
| "loss": 1.0821, | |
| "step": 125 | |
| }, | |
| { | |
| "epoch": 1.3125, | |
| "grad_norm": 0.5884503722190857, | |
| "learning_rate": 3.6218132209150045e-05, | |
| "loss": 1.072, | |
| "step": 126 | |
| }, | |
| { | |
| "epoch": 1.3229166666666667, | |
| "grad_norm": 0.6317735314369202, | |
| "learning_rate": 3.5381414763863166e-05, | |
| "loss": 0.9908, | |
| "step": 127 | |
| }, | |
| { | |
| "epoch": 1.3333333333333333, | |
| "grad_norm": 0.666948676109314, | |
| "learning_rate": 3.4549150281252636e-05, | |
| "loss": 0.985, | |
| "step": 128 | |
| }, | |
| { | |
| "epoch": 1.34375, | |
| "grad_norm": 0.6713611483573914, | |
| "learning_rate": 3.372159227714218e-05, | |
| "loss": 0.9843, | |
| "step": 129 | |
| }, | |
| { | |
| "epoch": 1.3541666666666667, | |
| "grad_norm": 0.6817423105239868, | |
| "learning_rate": 3.289899283371657e-05, | |
| "loss": 0.9373, | |
| "step": 130 | |
| }, | |
| { | |
| "epoch": 1.3645833333333333, | |
| "grad_norm": 0.6328092813491821, | |
| "learning_rate": 3.2081602522734986e-05, | |
| "loss": 0.9526, | |
| "step": 131 | |
| }, | |
| { | |
| "epoch": 1.375, | |
| "grad_norm": 0.6617544889450073, | |
| "learning_rate": 3.12696703292044e-05, | |
| "loss": 0.9797, | |
| "step": 132 | |
| }, | |
| { | |
| "epoch": 1.3854166666666667, | |
| "grad_norm": 0.6377935409545898, | |
| "learning_rate": 3.046344357553632e-05, | |
| "loss": 1.0135, | |
| "step": 133 | |
| }, | |
| { | |
| "epoch": 1.3958333333333333, | |
| "grad_norm": 0.6690253615379333, | |
| "learning_rate": 2.9663167846209998e-05, | |
| "loss": 0.9313, | |
| "step": 134 | |
| }, | |
| { | |
| "epoch": 1.40625, | |
| "grad_norm": 0.7100499868392944, | |
| "learning_rate": 2.886908691296504e-05, | |
| "loss": 0.9405, | |
| "step": 135 | |
| }, | |
| { | |
| "epoch": 1.4166666666666667, | |
| "grad_norm": 0.7612564563751221, | |
| "learning_rate": 2.8081442660546125e-05, | |
| "loss": 0.9656, | |
| "step": 136 | |
| }, | |
| { | |
| "epoch": 1.4270833333333333, | |
| "grad_norm": 0.6985579133033752, | |
| "learning_rate": 2.7300475013022663e-05, | |
| "loss": 0.8357, | |
| "step": 137 | |
| }, | |
| { | |
| "epoch": 1.4375, | |
| "grad_norm": 0.7598462104797363, | |
| "learning_rate": 2.6526421860705473e-05, | |
| "loss": 0.9036, | |
| "step": 138 | |
| }, | |
| { | |
| "epoch": 1.4479166666666667, | |
| "grad_norm": 0.7539339065551758, | |
| "learning_rate": 2.575951898768315e-05, | |
| "loss": 0.8834, | |
| "step": 139 | |
| }, | |
| { | |
| "epoch": 1.4583333333333333, | |
| "grad_norm": 0.7372638583183289, | |
| "learning_rate": 2.500000000000001e-05, | |
| "loss": 0.8397, | |
| "step": 140 | |
| }, | |
| { | |
| "epoch": 1.46875, | |
| "grad_norm": 0.8293446898460388, | |
| "learning_rate": 2.4248096254497288e-05, | |
| "loss": 0.9098, | |
| "step": 141 | |
| }, | |
| { | |
| "epoch": 1.4791666666666667, | |
| "grad_norm": 0.9567181468009949, | |
| "learning_rate": 2.350403678833976e-05, | |
| "loss": 1.0332, | |
| "step": 142 | |
| }, | |
| { | |
| "epoch": 1.4895833333333333, | |
| "grad_norm": 0.4921674132347107, | |
| "learning_rate": 2.2768048249248648e-05, | |
| "loss": 1.0907, | |
| "step": 143 | |
| }, | |
| { | |
| "epoch": 1.5, | |
| "grad_norm": 0.5659317374229431, | |
| "learning_rate": 2.2040354826462668e-05, | |
| "loss": 1.0865, | |
| "step": 144 | |
| }, | |
| { | |
| "epoch": 1.5104166666666665, | |
| "grad_norm": 0.5646691918373108, | |
| "learning_rate": 2.132117818244771e-05, | |
| "loss": 1.0361, | |
| "step": 145 | |
| }, | |
| { | |
| "epoch": 1.5208333333333335, | |
| "grad_norm": 0.6313392519950867, | |
| "learning_rate": 2.061073738537635e-05, | |
| "loss": 1.0682, | |
| "step": 146 | |
| }, | |
| { | |
| "epoch": 1.53125, | |
| "grad_norm": 0.6425784230232239, | |
| "learning_rate": 1.9909248842397584e-05, | |
| "loss": 1.0661, | |
| "step": 147 | |
| }, | |
| { | |
| "epoch": 1.5416666666666665, | |
| "grad_norm": 0.6888548135757446, | |
| "learning_rate": 1.9216926233717085e-05, | |
| "loss": 1.0142, | |
| "step": 148 | |
| }, | |
| { | |
| "epoch": 1.5520833333333335, | |
| "grad_norm": 0.7186463475227356, | |
| "learning_rate": 1.8533980447508137e-05, | |
| "loss": 1.0024, | |
| "step": 149 | |
| }, | |
| { | |
| "epoch": 1.5625, | |
| "grad_norm": 0.6648855805397034, | |
| "learning_rate": 1.7860619515673033e-05, | |
| "loss": 0.9738, | |
| "step": 150 | |
| }, | |
| { | |
| "epoch": 1.5625, | |
| "eval_loss": 1.1049232482910156, | |
| "eval_runtime": 13.6278, | |
| "eval_samples_per_second": 11.887, | |
| "eval_steps_per_second": 5.944, | |
| "step": 150 | |
| }, | |
| { | |
| "epoch": 1.5729166666666665, | |
| "grad_norm": 0.6735657453536987, | |
| "learning_rate": 1.7197048550474643e-05, | |
| "loss": 0.9896, | |
| "step": 151 | |
| }, | |
| { | |
| "epoch": 1.5833333333333335, | |
| "grad_norm": 0.7103169560432434, | |
| "learning_rate": 1.6543469682057106e-05, | |
| "loss": 0.9488, | |
| "step": 152 | |
| }, | |
| { | |
| "epoch": 1.59375, | |
| "grad_norm": 0.6837167739868164, | |
| "learning_rate": 1.5900081996875083e-05, | |
| "loss": 0.9789, | |
| "step": 153 | |
| }, | |
| { | |
| "epoch": 1.6041666666666665, | |
| "grad_norm": 0.6514947414398193, | |
| "learning_rate": 1.526708147705013e-05, | |
| "loss": 1.0009, | |
| "step": 154 | |
| }, | |
| { | |
| "epoch": 1.6145833333333335, | |
| "grad_norm": 0.6609664559364319, | |
| "learning_rate": 1.4644660940672627e-05, | |
| "loss": 0.9559, | |
| "step": 155 | |
| }, | |
| { | |
| "epoch": 1.625, | |
| "grad_norm": 0.6664807200431824, | |
| "learning_rate": 1.4033009983067452e-05, | |
| "loss": 0.9171, | |
| "step": 156 | |
| }, | |
| { | |
| "epoch": 1.6354166666666665, | |
| "grad_norm": 0.6664649844169617, | |
| "learning_rate": 1.3432314919041478e-05, | |
| "loss": 0.8995, | |
| "step": 157 | |
| }, | |
| { | |
| "epoch": 1.6458333333333335, | |
| "grad_norm": 0.6916347742080688, | |
| "learning_rate": 1.2842758726130283e-05, | |
| "loss": 0.8661, | |
| "step": 158 | |
| }, | |
| { | |
| "epoch": 1.65625, | |
| "grad_norm": 0.6753320097923279, | |
| "learning_rate": 1.22645209888614e-05, | |
| "loss": 0.9085, | |
| "step": 159 | |
| }, | |
| { | |
| "epoch": 1.6666666666666665, | |
| "grad_norm": 0.6635647416114807, | |
| "learning_rate": 1.1697777844051105e-05, | |
| "loss": 0.8536, | |
| "step": 160 | |
| }, | |
| { | |
| "epoch": 1.6770833333333335, | |
| "grad_norm": 0.7056015729904175, | |
| "learning_rate": 1.1142701927151456e-05, | |
| "loss": 0.8024, | |
| "step": 161 | |
| }, | |
| { | |
| "epoch": 1.6875, | |
| "grad_norm": 0.7135605812072754, | |
| "learning_rate": 1.0599462319663905e-05, | |
| "loss": 0.8668, | |
| "step": 162 | |
| }, | |
| { | |
| "epoch": 1.6979166666666665, | |
| "grad_norm": 0.745603084564209, | |
| "learning_rate": 1.006822449763537e-05, | |
| "loss": 0.8019, | |
| "step": 163 | |
| }, | |
| { | |
| "epoch": 1.7083333333333335, | |
| "grad_norm": 0.7806446552276611, | |
| "learning_rate": 9.549150281252633e-06, | |
| "loss": 1.0347, | |
| "step": 164 | |
| }, | |
| { | |
| "epoch": 1.71875, | |
| "grad_norm": 0.9726524949073792, | |
| "learning_rate": 9.042397785550405e-06, | |
| "loss": 0.9745, | |
| "step": 165 | |
| }, | |
| { | |
| "epoch": 1.7291666666666665, | |
| "grad_norm": 0.47184664011001587, | |
| "learning_rate": 8.548121372247918e-06, | |
| "loss": 1.1018, | |
| "step": 166 | |
| }, | |
| { | |
| "epoch": 1.7395833333333335, | |
| "grad_norm": 0.5795819163322449, | |
| "learning_rate": 8.066471602728803e-06, | |
| "loss": 1.0654, | |
| "step": 167 | |
| }, | |
| { | |
| "epoch": 1.75, | |
| "grad_norm": 0.5761855840682983, | |
| "learning_rate": 7.597595192178702e-06, | |
| "loss": 1.0779, | |
| "step": 168 | |
| }, | |
| { | |
| "epoch": 1.7604166666666665, | |
| "grad_norm": 0.5878072381019592, | |
| "learning_rate": 7.1416349648943894e-06, | |
| "loss": 1.0233, | |
| "step": 169 | |
| }, | |
| { | |
| "epoch": 1.7708333333333335, | |
| "grad_norm": 0.5870786905288696, | |
| "learning_rate": 6.698729810778065e-06, | |
| "loss": 1.0185, | |
| "step": 170 | |
| }, | |
| { | |
| "epoch": 1.78125, | |
| "grad_norm": 0.5810210704803467, | |
| "learning_rate": 6.269014643030213e-06, | |
| "loss": 0.9702, | |
| "step": 171 | |
| }, | |
| { | |
| "epoch": 1.7916666666666665, | |
| "grad_norm": 0.6185545325279236, | |
| "learning_rate": 5.852620357053651e-06, | |
| "loss": 0.9864, | |
| "step": 172 | |
| }, | |
| { | |
| "epoch": 1.8020833333333335, | |
| "grad_norm": 0.6088296175003052, | |
| "learning_rate": 5.449673790581611e-06, | |
| "loss": 0.9794, | |
| "step": 173 | |
| }, | |
| { | |
| "epoch": 1.8125, | |
| "grad_norm": 0.6336007714271545, | |
| "learning_rate": 5.060297685041659e-06, | |
| "loss": 0.9781, | |
| "step": 174 | |
| }, | |
| { | |
| "epoch": 1.8229166666666665, | |
| "grad_norm": 0.635280191898346, | |
| "learning_rate": 4.684610648167503e-06, | |
| "loss": 0.8847, | |
| "step": 175 | |
| }, | |
| { | |
| "epoch": 1.8333333333333335, | |
| "grad_norm": 0.6503217220306396, | |
| "learning_rate": 4.322727117869951e-06, | |
| "loss": 0.8849, | |
| "step": 176 | |
| }, | |
| { | |
| "epoch": 1.84375, | |
| "grad_norm": 0.6389548182487488, | |
| "learning_rate": 3.974757327377981e-06, | |
| "loss": 0.9125, | |
| "step": 177 | |
| }, | |
| { | |
| "epoch": 1.8541666666666665, | |
| "grad_norm": 0.6556768417358398, | |
| "learning_rate": 3.6408072716606346e-06, | |
| "loss": 0.9179, | |
| "step": 178 | |
| }, | |
| { | |
| "epoch": 1.8645833333333335, | |
| "grad_norm": 0.6496260762214661, | |
| "learning_rate": 3.3209786751399187e-06, | |
| "loss": 0.9347, | |
| "step": 179 | |
| }, | |
| { | |
| "epoch": 1.875, | |
| "grad_norm": 0.6618404388427734, | |
| "learning_rate": 3.0153689607045845e-06, | |
| "loss": 0.8607, | |
| "step": 180 | |
| }, | |
| { | |
| "epoch": 1.8854166666666665, | |
| "grad_norm": 0.6887024641036987, | |
| "learning_rate": 2.724071220034158e-06, | |
| "loss": 0.8698, | |
| "step": 181 | |
| }, | |
| { | |
| "epoch": 1.8958333333333335, | |
| "grad_norm": 0.6851520538330078, | |
| "learning_rate": 2.4471741852423237e-06, | |
| "loss": 0.8412, | |
| "step": 182 | |
| }, | |
| { | |
| "epoch": 1.90625, | |
| "grad_norm": 0.7331283092498779, | |
| "learning_rate": 2.1847622018482283e-06, | |
| "loss": 0.8442, | |
| "step": 183 | |
| }, | |
| { | |
| "epoch": 1.9166666666666665, | |
| "grad_norm": 0.7035320997238159, | |
| "learning_rate": 1.9369152030840556e-06, | |
| "loss": 0.8199, | |
| "step": 184 | |
| }, | |
| { | |
| "epoch": 1.9270833333333335, | |
| "grad_norm": 0.7680994272232056, | |
| "learning_rate": 1.70370868554659e-06, | |
| "loss": 0.8528, | |
| "step": 185 | |
| }, | |
| { | |
| "epoch": 1.9375, | |
| "grad_norm": 0.756158709526062, | |
| "learning_rate": 1.4852136862001764e-06, | |
| "loss": 0.7988, | |
| "step": 186 | |
| }, | |
| { | |
| "epoch": 1.9479166666666665, | |
| "grad_norm": 0.8097379207611084, | |
| "learning_rate": 1.2814967607382432e-06, | |
| "loss": 0.9105, | |
| "step": 187 | |
| }, | |
| { | |
| "epoch": 1.9583333333333335, | |
| "grad_norm": 0.8740496039390564, | |
| "learning_rate": 1.0926199633097157e-06, | |
| "loss": 1.0824, | |
| "step": 188 | |
| }, | |
| { | |
| "epoch": 1.96875, | |
| "grad_norm": 0.4817550480365753, | |
| "learning_rate": 9.186408276168013e-07, | |
| "loss": 1.0318, | |
| "step": 189 | |
| }, | |
| { | |
| "epoch": 1.9791666666666665, | |
| "grad_norm": 0.6054410934448242, | |
| "learning_rate": 7.596123493895991e-07, | |
| "loss": 0.9603, | |
| "step": 190 | |
| }, | |
| { | |
| "epoch": 1.9895833333333335, | |
| "grad_norm": 0.6801382303237915, | |
| "learning_rate": 6.15582970243117e-07, | |
| "loss": 0.8966, | |
| "step": 191 | |
| }, | |
| { | |
| "epoch": 2.0, | |
| "grad_norm": 0.852452278137207, | |
| "learning_rate": 4.865965629214819e-07, | |
| "loss": 0.8796, | |
| "step": 192 | |
| }, | |
| { | |
| "epoch": 2.0104166666666665, | |
| "grad_norm": 0.3836596608161926, | |
| "learning_rate": 3.7269241793390085e-07, | |
| "loss": 1.0342, | |
| "step": 193 | |
| }, | |
| { | |
| "epoch": 2.0208333333333335, | |
| "grad_norm": 0.4494467079639435, | |
| "learning_rate": 2.7390523158633554e-07, | |
| "loss": 1.0453, | |
| "step": 194 | |
| }, | |
| { | |
| "epoch": 2.03125, | |
| "grad_norm": 0.5086709856987, | |
| "learning_rate": 1.9026509541272275e-07, | |
| "loss": 1.0034, | |
| "step": 195 | |
| }, | |
| { | |
| "epoch": 2.0416666666666665, | |
| "grad_norm": 0.505764365196228, | |
| "learning_rate": 1.2179748700879012e-07, | |
| "loss": 1.0083, | |
| "step": 196 | |
| }, | |
| { | |
| "epoch": 2.0520833333333335, | |
| "grad_norm": 0.5370025634765625, | |
| "learning_rate": 6.852326227130834e-08, | |
| "loss": 0.9276, | |
| "step": 197 | |
| }, | |
| { | |
| "epoch": 2.0625, | |
| "grad_norm": 0.5703802108764648, | |
| "learning_rate": 3.04586490452119e-08, | |
| "loss": 0.961, | |
| "step": 198 | |
| }, | |
| { | |
| "epoch": 2.0729166666666665, | |
| "grad_norm": 0.5515142679214478, | |
| "learning_rate": 7.615242180436522e-09, | |
| "loss": 0.8952, | |
| "step": 199 | |
| }, | |
| { | |
| "epoch": 2.0833333333333335, | |
| "grad_norm": 0.6029378175735474, | |
| "learning_rate": 0.0, | |
| "loss": 0.8896, | |
| "step": 200 | |
| }, | |
| { | |
| "epoch": 2.0833333333333335, | |
| "eval_loss": 1.0826399326324463, | |
| "eval_runtime": 13.6062, | |
| "eval_samples_per_second": 11.906, | |
| "eval_steps_per_second": 5.953, | |
| "step": 200 | |
| } | |
| ], | |
| "logging_steps": 1, | |
| "max_steps": 200, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 3, | |
| "save_steps": 50, | |
| "stateful_callbacks": { | |
| "EarlyStoppingCallback": { | |
| "args": { | |
| "early_stopping_patience": 5, | |
| "early_stopping_threshold": 0.0 | |
| }, | |
| "attributes": { | |
| "early_stopping_patience_counter": 0 | |
| } | |
| }, | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": true | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 3.041540503146332e+17, | |
| "train_batch_size": 8, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |