| { | |
| "best_metric": 0.9886458516120911, | |
| "best_model_checkpoint": "miner_id_24/checkpoint-150", | |
| "epoch": 1.5625, | |
| "eval_steps": 50, | |
| "global_step": 150, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.010416666666666666, | |
| "grad_norm": 11.280781745910645, | |
| "learning_rate": 8.000000000000001e-06, | |
| "loss": 5.4441, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.010416666666666666, | |
| "eval_loss": 1.5810514688491821, | |
| "eval_runtime": 12.3879, | |
| "eval_samples_per_second": 13.077, | |
| "eval_steps_per_second": 3.31, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.020833333333333332, | |
| "grad_norm": 11.971577644348145, | |
| "learning_rate": 1.6000000000000003e-05, | |
| "loss": 5.4898, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.03125, | |
| "grad_norm": 11.384745597839355, | |
| "learning_rate": 2.4e-05, | |
| "loss": 5.5719, | |
| "step": 3 | |
| }, | |
| { | |
| "epoch": 0.041666666666666664, | |
| "grad_norm": 10.148287773132324, | |
| "learning_rate": 3.2000000000000005e-05, | |
| "loss": 5.4068, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.052083333333333336, | |
| "grad_norm": 11.926627159118652, | |
| "learning_rate": 4e-05, | |
| "loss": 5.3455, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 0.0625, | |
| "grad_norm": 9.817693710327148, | |
| "learning_rate": 4.8e-05, | |
| "loss": 5.1963, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 0.07291666666666667, | |
| "grad_norm": 9.60680103302002, | |
| "learning_rate": 5.6e-05, | |
| "loss": 5.1528, | |
| "step": 7 | |
| }, | |
| { | |
| "epoch": 0.08333333333333333, | |
| "grad_norm": 9.895963668823242, | |
| "learning_rate": 6.400000000000001e-05, | |
| "loss": 5.0005, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 0.09375, | |
| "grad_norm": 8.643511772155762, | |
| "learning_rate": 7.2e-05, | |
| "loss": 4.9533, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 0.10416666666666667, | |
| "grad_norm": 8.086094856262207, | |
| "learning_rate": 8e-05, | |
| "loss": 4.7944, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.11458333333333333, | |
| "grad_norm": 8.04609203338623, | |
| "learning_rate": 7.999453219969877e-05, | |
| "loss": 4.586, | |
| "step": 11 | |
| }, | |
| { | |
| "epoch": 0.125, | |
| "grad_norm": 8.573185920715332, | |
| "learning_rate": 7.997813029363704e-05, | |
| "loss": 4.904, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 0.13541666666666666, | |
| "grad_norm": 600.9924926757812, | |
| "learning_rate": 7.99507987659322e-05, | |
| "loss": 5.3512, | |
| "step": 13 | |
| }, | |
| { | |
| "epoch": 0.14583333333333334, | |
| "grad_norm": 30.291379928588867, | |
| "learning_rate": 7.991254508875098e-05, | |
| "loss": 4.9444, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 0.15625, | |
| "grad_norm": 7.431931018829346, | |
| "learning_rate": 7.98633797202668e-05, | |
| "loss": 4.7438, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 0.16666666666666666, | |
| "grad_norm": 8.01929759979248, | |
| "learning_rate": 7.980331610180046e-05, | |
| "loss": 4.799, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 0.17708333333333334, | |
| "grad_norm": 8.046192169189453, | |
| "learning_rate": 7.973237065414553e-05, | |
| "loss": 4.6779, | |
| "step": 17 | |
| }, | |
| { | |
| "epoch": 0.1875, | |
| "grad_norm": 7.337327003479004, | |
| "learning_rate": 7.965056277307902e-05, | |
| "loss": 4.4264, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 0.19791666666666666, | |
| "grad_norm": 7.198958873748779, | |
| "learning_rate": 7.955791482405875e-05, | |
| "loss": 4.3606, | |
| "step": 19 | |
| }, | |
| { | |
| "epoch": 0.20833333333333334, | |
| "grad_norm": 7.8494343757629395, | |
| "learning_rate": 7.94544521361089e-05, | |
| "loss": 4.2015, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.21875, | |
| "grad_norm": 7.418194770812988, | |
| "learning_rate": 7.93402029948953e-05, | |
| "loss": 4.4461, | |
| "step": 21 | |
| }, | |
| { | |
| "epoch": 0.22916666666666666, | |
| "grad_norm": 7.783334732055664, | |
| "learning_rate": 7.921519863499239e-05, | |
| "loss": 4.6302, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 0.23958333333333334, | |
| "grad_norm": 9.167252540588379, | |
| "learning_rate": 7.907947323134398e-05, | |
| "loss": 5.5673, | |
| "step": 23 | |
| }, | |
| { | |
| "epoch": 0.25, | |
| "grad_norm": 7.267993450164795, | |
| "learning_rate": 7.893306388992023e-05, | |
| "loss": 4.6324, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 0.2604166666666667, | |
| "grad_norm": 4.847051620483398, | |
| "learning_rate": 7.877601063757323e-05, | |
| "loss": 4.568, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 0.2708333333333333, | |
| "grad_norm": 4.387670516967773, | |
| "learning_rate": 7.860835641109395e-05, | |
| "loss": 4.4359, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 0.28125, | |
| "grad_norm": 4.699279308319092, | |
| "learning_rate": 7.843014704547393e-05, | |
| "loss": 4.4227, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 0.2916666666666667, | |
| "grad_norm": 5.291173934936523, | |
| "learning_rate": 7.824143126137431e-05, | |
| "loss": 4.4161, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 0.3020833333333333, | |
| "grad_norm": 5.426056385040283, | |
| "learning_rate": 7.804226065180615e-05, | |
| "loss": 4.5785, | |
| "step": 29 | |
| }, | |
| { | |
| "epoch": 0.3125, | |
| "grad_norm": 5.04319429397583, | |
| "learning_rate": 7.783268966802539e-05, | |
| "loss": 4.4933, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.3229166666666667, | |
| "grad_norm": 5.2682342529296875, | |
| "learning_rate": 7.761277560464645e-05, | |
| "loss": 4.4068, | |
| "step": 31 | |
| }, | |
| { | |
| "epoch": 0.3333333333333333, | |
| "grad_norm": 5.146570205688477, | |
| "learning_rate": 7.738257858397844e-05, | |
| "loss": 4.1566, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 0.34375, | |
| "grad_norm": 5.453159332275391, | |
| "learning_rate": 7.71421615395883e-05, | |
| "loss": 4.3581, | |
| "step": 33 | |
| }, | |
| { | |
| "epoch": 0.3541666666666667, | |
| "grad_norm": 5.605067253112793, | |
| "learning_rate": 7.68915901990954e-05, | |
| "loss": 4.2831, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 0.3645833333333333, | |
| "grad_norm": 5.579160213470459, | |
| "learning_rate": 7.663093306620231e-05, | |
| "loss": 4.4607, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 0.375, | |
| "grad_norm": 5.544670581817627, | |
| "learning_rate": 7.636026140196651e-05, | |
| "loss": 4.255, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 0.3854166666666667, | |
| "grad_norm": 5.51400899887085, | |
| "learning_rate": 7.607964920531837e-05, | |
| "loss": 4.1813, | |
| "step": 37 | |
| }, | |
| { | |
| "epoch": 0.3958333333333333, | |
| "grad_norm": 5.693131446838379, | |
| "learning_rate": 7.578917319283055e-05, | |
| "loss": 4.5103, | |
| "step": 38 | |
| }, | |
| { | |
| "epoch": 0.40625, | |
| "grad_norm": 5.8311448097229, | |
| "learning_rate": 7.548891277774448e-05, | |
| "loss": 4.2608, | |
| "step": 39 | |
| }, | |
| { | |
| "epoch": 0.4166666666666667, | |
| "grad_norm": 5.718422889709473, | |
| "learning_rate": 7.517895004825956e-05, | |
| "loss": 4.2481, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.4270833333333333, | |
| "grad_norm": 6.042418956756592, | |
| "learning_rate": 7.48593697450911e-05, | |
| "loss": 3.8565, | |
| "step": 41 | |
| }, | |
| { | |
| "epoch": 0.4375, | |
| "grad_norm": 5.870940208435059, | |
| "learning_rate": 7.453025923830296e-05, | |
| "loss": 3.9054, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 0.4479166666666667, | |
| "grad_norm": 6.94326639175415, | |
| "learning_rate": 7.419170850342156e-05, | |
| "loss": 4.2016, | |
| "step": 43 | |
| }, | |
| { | |
| "epoch": 0.4583333333333333, | |
| "grad_norm": 6.84446907043457, | |
| "learning_rate": 7.384381009683742e-05, | |
| "loss": 4.0745, | |
| "step": 44 | |
| }, | |
| { | |
| "epoch": 0.46875, | |
| "grad_norm": 6.566938877105713, | |
| "learning_rate": 7.348665913050115e-05, | |
| "loss": 4.588, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 0.4791666666666667, | |
| "grad_norm": 7.720722675323486, | |
| "learning_rate": 7.312035324592081e-05, | |
| "loss": 5.3125, | |
| "step": 46 | |
| }, | |
| { | |
| "epoch": 0.4895833333333333, | |
| "grad_norm": 5.039053440093994, | |
| "learning_rate": 7.274499258746771e-05, | |
| "loss": 4.358, | |
| "step": 47 | |
| }, | |
| { | |
| "epoch": 0.5, | |
| "grad_norm": 4.551259517669678, | |
| "learning_rate": 7.236067977499791e-05, | |
| "loss": 4.4355, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 0.5104166666666666, | |
| "grad_norm": 3.7661449909210205, | |
| "learning_rate": 7.196751987579699e-05, | |
| "loss": 4.2863, | |
| "step": 49 | |
| }, | |
| { | |
| "epoch": 0.5208333333333334, | |
| "grad_norm": 3.963446617126465, | |
| "learning_rate": 7.156562037585576e-05, | |
| "loss": 4.1386, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.5208333333333334, | |
| "eval_loss": 1.0782212018966675, | |
| "eval_runtime": 12.6203, | |
| "eval_samples_per_second": 12.836, | |
| "eval_steps_per_second": 3.249, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.53125, | |
| "grad_norm": 4.134359359741211, | |
| "learning_rate": 7.11550911504845e-05, | |
| "loss": 4.4858, | |
| "step": 51 | |
| }, | |
| { | |
| "epoch": 0.5416666666666666, | |
| "grad_norm": 4.288531303405762, | |
| "learning_rate": 7.073604443427437e-05, | |
| "loss": 4.2214, | |
| "step": 52 | |
| }, | |
| { | |
| "epoch": 0.5520833333333334, | |
| "grad_norm": 4.7961955070495605, | |
| "learning_rate": 7.03085947904134e-05, | |
| "loss": 4.4175, | |
| "step": 53 | |
| }, | |
| { | |
| "epoch": 0.5625, | |
| "grad_norm": 5.15302038192749, | |
| "learning_rate": 6.987285907936617e-05, | |
| "loss": 4.2692, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 0.5729166666666666, | |
| "grad_norm": 5.38447904586792, | |
| "learning_rate": 6.942895642692527e-05, | |
| "loss": 4.2599, | |
| "step": 55 | |
| }, | |
| { | |
| "epoch": 0.5833333333333334, | |
| "grad_norm": 5.3263421058654785, | |
| "learning_rate": 6.897700819164357e-05, | |
| "loss": 4.1761, | |
| "step": 56 | |
| }, | |
| { | |
| "epoch": 0.59375, | |
| "grad_norm": 5.189230918884277, | |
| "learning_rate": 6.851713793165589e-05, | |
| "loss": 4.2075, | |
| "step": 57 | |
| }, | |
| { | |
| "epoch": 0.6041666666666666, | |
| "grad_norm": 5.026007652282715, | |
| "learning_rate": 6.804947137089955e-05, | |
| "loss": 4.2785, | |
| "step": 58 | |
| }, | |
| { | |
| "epoch": 0.6145833333333334, | |
| "grad_norm": 5.158576011657715, | |
| "learning_rate": 6.757413636474263e-05, | |
| "loss": 4.148, | |
| "step": 59 | |
| }, | |
| { | |
| "epoch": 0.625, | |
| "grad_norm": 4.857342720031738, | |
| "learning_rate": 6.709126286502965e-05, | |
| "loss": 3.9364, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 0.6354166666666666, | |
| "grad_norm": 5.119851112365723, | |
| "learning_rate": 6.660098288455393e-05, | |
| "loss": 4.1834, | |
| "step": 61 | |
| }, | |
| { | |
| "epoch": 0.6458333333333334, | |
| "grad_norm": 5.3493971824646, | |
| "learning_rate": 6.610343046096674e-05, | |
| "loss": 3.9739, | |
| "step": 62 | |
| }, | |
| { | |
| "epoch": 0.65625, | |
| "grad_norm": 5.555714130401611, | |
| "learning_rate": 6.559874162013267e-05, | |
| "loss": 3.9993, | |
| "step": 63 | |
| }, | |
| { | |
| "epoch": 0.6666666666666666, | |
| "grad_norm": 5.457334995269775, | |
| "learning_rate": 6.508705433894149e-05, | |
| "loss": 3.937, | |
| "step": 64 | |
| }, | |
| { | |
| "epoch": 0.6770833333333334, | |
| "grad_norm": 5.703939437866211, | |
| "learning_rate": 6.456850850758673e-05, | |
| "loss": 3.7872, | |
| "step": 65 | |
| }, | |
| { | |
| "epoch": 0.6875, | |
| "grad_norm": 6.1131978034973145, | |
| "learning_rate": 6.404324589132101e-05, | |
| "loss": 3.8418, | |
| "step": 66 | |
| }, | |
| { | |
| "epoch": 0.6979166666666666, | |
| "grad_norm": 6.223927021026611, | |
| "learning_rate": 6.351141009169893e-05, | |
| "loss": 3.8756, | |
| "step": 67 | |
| }, | |
| { | |
| "epoch": 0.7083333333333334, | |
| "grad_norm": 6.508042812347412, | |
| "learning_rate": 6.297314650731775e-05, | |
| "loss": 4.7346, | |
| "step": 68 | |
| }, | |
| { | |
| "epoch": 0.71875, | |
| "grad_norm": 7.03975772857666, | |
| "learning_rate": 6.242860229406692e-05, | |
| "loss": 5.1848, | |
| "step": 69 | |
| }, | |
| { | |
| "epoch": 0.7291666666666666, | |
| "grad_norm": 3.7895100116729736, | |
| "learning_rate": 6.18779263248971e-05, | |
| "loss": 4.2408, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 0.7395833333333334, | |
| "grad_norm": 4.001533031463623, | |
| "learning_rate": 6.132126914911976e-05, | |
| "loss": 4.2736, | |
| "step": 71 | |
| }, | |
| { | |
| "epoch": 0.75, | |
| "grad_norm": 3.717928409576416, | |
| "learning_rate": 6.075878295124861e-05, | |
| "loss": 4.2474, | |
| "step": 72 | |
| }, | |
| { | |
| "epoch": 0.7604166666666666, | |
| "grad_norm": 3.8135247230529785, | |
| "learning_rate": 6.019062150939376e-05, | |
| "loss": 4.1913, | |
| "step": 73 | |
| }, | |
| { | |
| "epoch": 0.7708333333333334, | |
| "grad_norm": 3.9014365673065186, | |
| "learning_rate": 5.9616940153220336e-05, | |
| "loss": 4.0806, | |
| "step": 74 | |
| }, | |
| { | |
| "epoch": 0.78125, | |
| "grad_norm": 4.113763332366943, | |
| "learning_rate": 5.903789572148295e-05, | |
| "loss": 4.1414, | |
| "step": 75 | |
| }, | |
| { | |
| "epoch": 0.7916666666666666, | |
| "grad_norm": 4.431257247924805, | |
| "learning_rate": 5.845364651914752e-05, | |
| "loss": 3.9735, | |
| "step": 76 | |
| }, | |
| { | |
| "epoch": 0.8020833333333334, | |
| "grad_norm": 4.451569080352783, | |
| "learning_rate": 5.786435227411227e-05, | |
| "loss": 3.9796, | |
| "step": 77 | |
| }, | |
| { | |
| "epoch": 0.8125, | |
| "grad_norm": 4.729064464569092, | |
| "learning_rate": 5.727017409353971e-05, | |
| "loss": 4.0263, | |
| "step": 78 | |
| }, | |
| { | |
| "epoch": 0.8229166666666666, | |
| "grad_norm": 4.848520278930664, | |
| "learning_rate": 5.667127441981162e-05, | |
| "loss": 4.0399, | |
| "step": 79 | |
| }, | |
| { | |
| "epoch": 0.8333333333333334, | |
| "grad_norm": 5.127857208251953, | |
| "learning_rate": 5.606781698611879e-05, | |
| "loss": 4.1163, | |
| "step": 80 | |
| }, | |
| { | |
| "epoch": 0.84375, | |
| "grad_norm": 4.99605655670166, | |
| "learning_rate": 5.5459966771698096e-05, | |
| "loss": 3.955, | |
| "step": 81 | |
| }, | |
| { | |
| "epoch": 0.8541666666666666, | |
| "grad_norm": 5.035864353179932, | |
| "learning_rate": 5.4847889956728834e-05, | |
| "loss": 4.1572, | |
| "step": 82 | |
| }, | |
| { | |
| "epoch": 0.8645833333333334, | |
| "grad_norm": 5.026290416717529, | |
| "learning_rate": 5.423175387690067e-05, | |
| "loss": 4.1904, | |
| "step": 83 | |
| }, | |
| { | |
| "epoch": 0.875, | |
| "grad_norm": 4.772809982299805, | |
| "learning_rate": 5.361172697766573e-05, | |
| "loss": 3.8289, | |
| "step": 84 | |
| }, | |
| { | |
| "epoch": 0.8854166666666666, | |
| "grad_norm": 4.927221775054932, | |
| "learning_rate": 5.298797876818735e-05, | |
| "loss": 4.0878, | |
| "step": 85 | |
| }, | |
| { | |
| "epoch": 0.8958333333333334, | |
| "grad_norm": 4.890384197235107, | |
| "learning_rate": 5.23606797749979e-05, | |
| "loss": 3.7772, | |
| "step": 86 | |
| }, | |
| { | |
| "epoch": 0.90625, | |
| "grad_norm": 5.172473907470703, | |
| "learning_rate": 5.17300014953786e-05, | |
| "loss": 3.7615, | |
| "step": 87 | |
| }, | |
| { | |
| "epoch": 0.9166666666666666, | |
| "grad_norm": 5.2450103759765625, | |
| "learning_rate": 5.109611635047379e-05, | |
| "loss": 3.7306, | |
| "step": 88 | |
| }, | |
| { | |
| "epoch": 0.9270833333333334, | |
| "grad_norm": 5.1563496589660645, | |
| "learning_rate": 5.04591976381528e-05, | |
| "loss": 3.9229, | |
| "step": 89 | |
| }, | |
| { | |
| "epoch": 0.9375, | |
| "grad_norm": 5.917119026184082, | |
| "learning_rate": 4.981941948563197e-05, | |
| "loss": 3.5887, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 0.9479166666666666, | |
| "grad_norm": 5.987504482269287, | |
| "learning_rate": 4.9176956801870065e-05, | |
| "loss": 4.0726, | |
| "step": 91 | |
| }, | |
| { | |
| "epoch": 0.9583333333333334, | |
| "grad_norm": 7.82609748840332, | |
| "learning_rate": 4.853198522974988e-05, | |
| "loss": 5.3798, | |
| "step": 92 | |
| }, | |
| { | |
| "epoch": 0.96875, | |
| "grad_norm": 4.269325256347656, | |
| "learning_rate": 4.788468109805921e-05, | |
| "loss": 4.1387, | |
| "step": 93 | |
| }, | |
| { | |
| "epoch": 0.9791666666666666, | |
| "grad_norm": 5.522583961486816, | |
| "learning_rate": 4.7235221373284407e-05, | |
| "loss": 4.219, | |
| "step": 94 | |
| }, | |
| { | |
| "epoch": 0.9895833333333334, | |
| "grad_norm": 5.209097385406494, | |
| "learning_rate": 4.658378361122936e-05, | |
| "loss": 3.9444, | |
| "step": 95 | |
| }, | |
| { | |
| "epoch": 1.0, | |
| "grad_norm": 9.663165092468262, | |
| "learning_rate": 4.593054590847368e-05, | |
| "loss": 4.3505, | |
| "step": 96 | |
| }, | |
| { | |
| "epoch": 1.0104166666666667, | |
| "grad_norm": 2.879049062728882, | |
| "learning_rate": 4.5275686853682765e-05, | |
| "loss": 3.711, | |
| "step": 97 | |
| }, | |
| { | |
| "epoch": 1.0208333333333333, | |
| "grad_norm": 3.294038772583008, | |
| "learning_rate": 4.4619385478783456e-05, | |
| "loss": 3.5335, | |
| "step": 98 | |
| }, | |
| { | |
| "epoch": 1.03125, | |
| "grad_norm": 3.3614354133605957, | |
| "learning_rate": 4.396182121001852e-05, | |
| "loss": 3.2872, | |
| "step": 99 | |
| }, | |
| { | |
| "epoch": 1.0416666666666667, | |
| "grad_norm": 3.3639588356018066, | |
| "learning_rate": 4.33031738188933e-05, | |
| "loss": 3.3324, | |
| "step": 100 | |
| }, | |
| { | |
| "epoch": 1.0416666666666667, | |
| "eval_loss": 1.0018478631973267, | |
| "eval_runtime": 12.6079, | |
| "eval_samples_per_second": 12.849, | |
| "eval_steps_per_second": 3.252, | |
| "step": 100 | |
| }, | |
| { | |
| "epoch": 1.0520833333333333, | |
| "grad_norm": 3.5082290172576904, | |
| "learning_rate": 4.264362337302798e-05, | |
| "loss": 3.0991, | |
| "step": 101 | |
| }, | |
| { | |
| "epoch": 1.0625, | |
| "grad_norm": 3.7788312435150146, | |
| "learning_rate": 4.1983350186928894e-05, | |
| "loss": 3.0096, | |
| "step": 102 | |
| }, | |
| { | |
| "epoch": 1.0729166666666667, | |
| "grad_norm": 4.188305377960205, | |
| "learning_rate": 4.132253477269233e-05, | |
| "loss": 3.0371, | |
| "step": 103 | |
| }, | |
| { | |
| "epoch": 1.0833333333333333, | |
| "grad_norm": 4.451459884643555, | |
| "learning_rate": 4.0661357790654345e-05, | |
| "loss": 3.041, | |
| "step": 104 | |
| }, | |
| { | |
| "epoch": 1.09375, | |
| "grad_norm": 4.413529396057129, | |
| "learning_rate": 4e-05, | |
| "loss": 2.9031, | |
| "step": 105 | |
| }, | |
| { | |
| "epoch": 1.1041666666666667, | |
| "grad_norm": 5.019748210906982, | |
| "learning_rate": 3.933864220934566e-05, | |
| "loss": 2.8697, | |
| "step": 106 | |
| }, | |
| { | |
| "epoch": 1.1145833333333333, | |
| "grad_norm": 5.009162902832031, | |
| "learning_rate": 3.8677465227307676e-05, | |
| "loss": 2.8651, | |
| "step": 107 | |
| }, | |
| { | |
| "epoch": 1.125, | |
| "grad_norm": 5.4386820793151855, | |
| "learning_rate": 3.8016649813071106e-05, | |
| "loss": 2.9577, | |
| "step": 108 | |
| }, | |
| { | |
| "epoch": 1.1354166666666667, | |
| "grad_norm": 5.88184118270874, | |
| "learning_rate": 3.735637662697203e-05, | |
| "loss": 3.3029, | |
| "step": 109 | |
| }, | |
| { | |
| "epoch": 1.1458333333333333, | |
| "grad_norm": 5.3596906661987305, | |
| "learning_rate": 3.669682618110671e-05, | |
| "loss": 3.0783, | |
| "step": 110 | |
| }, | |
| { | |
| "epoch": 1.15625, | |
| "grad_norm": 5.149938583374023, | |
| "learning_rate": 3.6038178789981494e-05, | |
| "loss": 2.7694, | |
| "step": 111 | |
| }, | |
| { | |
| "epoch": 1.1666666666666667, | |
| "grad_norm": 5.048161029815674, | |
| "learning_rate": 3.538061452121656e-05, | |
| "loss": 2.8497, | |
| "step": 112 | |
| }, | |
| { | |
| "epoch": 1.1770833333333333, | |
| "grad_norm": 5.232293605804443, | |
| "learning_rate": 3.472431314631724e-05, | |
| "loss": 2.9538, | |
| "step": 113 | |
| }, | |
| { | |
| "epoch": 1.1875, | |
| "grad_norm": 4.9098005294799805, | |
| "learning_rate": 3.406945409152632e-05, | |
| "loss": 2.6565, | |
| "step": 114 | |
| }, | |
| { | |
| "epoch": 1.1979166666666667, | |
| "grad_norm": 5.082328796386719, | |
| "learning_rate": 3.341621638877064e-05, | |
| "loss": 2.7733, | |
| "step": 115 | |
| }, | |
| { | |
| "epoch": 1.2083333333333333, | |
| "grad_norm": 5.124711513519287, | |
| "learning_rate": 3.276477862671562e-05, | |
| "loss": 2.8063, | |
| "step": 116 | |
| }, | |
| { | |
| "epoch": 1.21875, | |
| "grad_norm": 5.474506855010986, | |
| "learning_rate": 3.21153189019408e-05, | |
| "loss": 2.778, | |
| "step": 117 | |
| }, | |
| { | |
| "epoch": 1.2291666666666667, | |
| "grad_norm": 5.957343101501465, | |
| "learning_rate": 3.146801477025013e-05, | |
| "loss": 2.8683, | |
| "step": 118 | |
| }, | |
| { | |
| "epoch": 1.2395833333333333, | |
| "grad_norm": 7.193364143371582, | |
| "learning_rate": 3.082304319812994e-05, | |
| "loss": 3.2624, | |
| "step": 119 | |
| }, | |
| { | |
| "epoch": 1.25, | |
| "grad_norm": 5.49289608001709, | |
| "learning_rate": 3.0180580514368037e-05, | |
| "loss": 3.7842, | |
| "step": 120 | |
| }, | |
| { | |
| "epoch": 1.2604166666666667, | |
| "grad_norm": 4.945963382720947, | |
| "learning_rate": 2.9540802361847212e-05, | |
| "loss": 3.5527, | |
| "step": 121 | |
| }, | |
| { | |
| "epoch": 1.2708333333333333, | |
| "grad_norm": 4.916148662567139, | |
| "learning_rate": 2.890388364952623e-05, | |
| "loss": 3.3904, | |
| "step": 122 | |
| }, | |
| { | |
| "epoch": 1.28125, | |
| "grad_norm": 4.310980319976807, | |
| "learning_rate": 2.8269998504621416e-05, | |
| "loss": 3.1866, | |
| "step": 123 | |
| }, | |
| { | |
| "epoch": 1.2916666666666667, | |
| "grad_norm": 4.39262056350708, | |
| "learning_rate": 2.7639320225002108e-05, | |
| "loss": 3.2396, | |
| "step": 124 | |
| }, | |
| { | |
| "epoch": 1.3020833333333333, | |
| "grad_norm": 3.9887611865997314, | |
| "learning_rate": 2.7012021231812666e-05, | |
| "loss": 3.0874, | |
| "step": 125 | |
| }, | |
| { | |
| "epoch": 1.3125, | |
| "grad_norm": 4.261237621307373, | |
| "learning_rate": 2.638827302233428e-05, | |
| "loss": 2.9762, | |
| "step": 126 | |
| }, | |
| { | |
| "epoch": 1.3229166666666667, | |
| "grad_norm": 4.186473369598389, | |
| "learning_rate": 2.576824612309934e-05, | |
| "loss": 2.9858, | |
| "step": 127 | |
| }, | |
| { | |
| "epoch": 1.3333333333333333, | |
| "grad_norm": 4.133448123931885, | |
| "learning_rate": 2.5152110043271166e-05, | |
| "loss": 2.855, | |
| "step": 128 | |
| }, | |
| { | |
| "epoch": 1.34375, | |
| "grad_norm": 4.298431873321533, | |
| "learning_rate": 2.454003322830192e-05, | |
| "loss": 2.8198, | |
| "step": 129 | |
| }, | |
| { | |
| "epoch": 1.3541666666666667, | |
| "grad_norm": 4.645005226135254, | |
| "learning_rate": 2.393218301388123e-05, | |
| "loss": 2.8216, | |
| "step": 130 | |
| }, | |
| { | |
| "epoch": 1.3645833333333333, | |
| "grad_norm": 4.73978853225708, | |
| "learning_rate": 2.3328725580188395e-05, | |
| "loss": 2.8812, | |
| "step": 131 | |
| }, | |
| { | |
| "epoch": 1.375, | |
| "grad_norm": 4.700712203979492, | |
| "learning_rate": 2.272982590646029e-05, | |
| "loss": 2.9739, | |
| "step": 132 | |
| }, | |
| { | |
| "epoch": 1.3854166666666667, | |
| "grad_norm": 5.159914016723633, | |
| "learning_rate": 2.2135647725887744e-05, | |
| "loss": 3.1184, | |
| "step": 133 | |
| }, | |
| { | |
| "epoch": 1.3958333333333333, | |
| "grad_norm": 4.859000205993652, | |
| "learning_rate": 2.1546353480852495e-05, | |
| "loss": 2.7262, | |
| "step": 134 | |
| }, | |
| { | |
| "epoch": 1.40625, | |
| "grad_norm": 5.152019023895264, | |
| "learning_rate": 2.096210427851706e-05, | |
| "loss": 2.9045, | |
| "step": 135 | |
| }, | |
| { | |
| "epoch": 1.4166666666666667, | |
| "grad_norm": 5.160429954528809, | |
| "learning_rate": 2.038305984677969e-05, | |
| "loss": 2.7112, | |
| "step": 136 | |
| }, | |
| { | |
| "epoch": 1.4270833333333333, | |
| "grad_norm": 5.2588791847229, | |
| "learning_rate": 1.9809378490606264e-05, | |
| "loss": 2.6612, | |
| "step": 137 | |
| }, | |
| { | |
| "epoch": 1.4375, | |
| "grad_norm": 5.2507710456848145, | |
| "learning_rate": 1.9241217048751406e-05, | |
| "loss": 2.6327, | |
| "step": 138 | |
| }, | |
| { | |
| "epoch": 1.4479166666666667, | |
| "grad_norm": 5.473627090454102, | |
| "learning_rate": 1.867873085088026e-05, | |
| "loss": 2.7342, | |
| "step": 139 | |
| }, | |
| { | |
| "epoch": 1.4583333333333333, | |
| "grad_norm": 5.5412726402282715, | |
| "learning_rate": 1.8122073675102935e-05, | |
| "loss": 2.7053, | |
| "step": 140 | |
| }, | |
| { | |
| "epoch": 1.46875, | |
| "grad_norm": 5.873712062835693, | |
| "learning_rate": 1.75713977059331e-05, | |
| "loss": 2.973, | |
| "step": 141 | |
| }, | |
| { | |
| "epoch": 1.4791666666666667, | |
| "grad_norm": 8.18358039855957, | |
| "learning_rate": 1.702685349268226e-05, | |
| "loss": 3.1285, | |
| "step": 142 | |
| }, | |
| { | |
| "epoch": 1.4895833333333333, | |
| "grad_norm": 3.7975542545318604, | |
| "learning_rate": 1.648858990830108e-05, | |
| "loss": 3.6022, | |
| "step": 143 | |
| }, | |
| { | |
| "epoch": 1.5, | |
| "grad_norm": 3.8950040340423584, | |
| "learning_rate": 1.5956754108678996e-05, | |
| "loss": 3.454, | |
| "step": 144 | |
| }, | |
| { | |
| "epoch": 1.5104166666666665, | |
| "grad_norm": 3.99422550201416, | |
| "learning_rate": 1.5431491492413288e-05, | |
| "loss": 3.1653, | |
| "step": 145 | |
| }, | |
| { | |
| "epoch": 1.5208333333333335, | |
| "grad_norm": 4.071638584136963, | |
| "learning_rate": 1.491294566105852e-05, | |
| "loss": 3.2732, | |
| "step": 146 | |
| }, | |
| { | |
| "epoch": 1.53125, | |
| "grad_norm": 3.93701434135437, | |
| "learning_rate": 1.4401258379867335e-05, | |
| "loss": 3.0739, | |
| "step": 147 | |
| }, | |
| { | |
| "epoch": 1.5416666666666665, | |
| "grad_norm": 4.332589149475098, | |
| "learning_rate": 1.3896569539033253e-05, | |
| "loss": 3.2435, | |
| "step": 148 | |
| }, | |
| { | |
| "epoch": 1.5520833333333335, | |
| "grad_norm": 4.413052082061768, | |
| "learning_rate": 1.3399017115446067e-05, | |
| "loss": 3.0764, | |
| "step": 149 | |
| }, | |
| { | |
| "epoch": 1.5625, | |
| "grad_norm": 4.714024066925049, | |
| "learning_rate": 1.2908737134970367e-05, | |
| "loss": 2.964, | |
| "step": 150 | |
| }, | |
| { | |
| "epoch": 1.5625, | |
| "eval_loss": 0.9886458516120911, | |
| "eval_runtime": 12.629, | |
| "eval_samples_per_second": 12.828, | |
| "eval_steps_per_second": 3.246, | |
| "step": 150 | |
| } | |
| ], | |
| "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": 4, | |
| "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": false | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 2.172433852394373e+17, | |
| "train_batch_size": 8, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |