| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 6.0, | |
| "eval_steps": 500, | |
| "global_step": 72, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.08333333333333333, | |
| "grad_norm": 2.9228241443634033, | |
| "learning_rate": 1.25e-06, | |
| "loss": 0.8419, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.16666666666666666, | |
| "grad_norm": 3.107433557510376, | |
| "learning_rate": 2.5e-06, | |
| "loss": 0.7889, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.25, | |
| "grad_norm": 3.6661031246185303, | |
| "learning_rate": 3.7500000000000005e-06, | |
| "loss": 0.8787, | |
| "step": 3 | |
| }, | |
| { | |
| "epoch": 0.3333333333333333, | |
| "grad_norm": 3.025033473968506, | |
| "learning_rate": 5e-06, | |
| "loss": 0.7976, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.4166666666666667, | |
| "grad_norm": 3.2095539569854736, | |
| "learning_rate": 6.25e-06, | |
| "loss": 0.8938, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 0.5, | |
| "grad_norm": 2.795494318008423, | |
| "learning_rate": 7.500000000000001e-06, | |
| "loss": 0.7685, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 0.5833333333333334, | |
| "grad_norm": 2.414928674697876, | |
| "learning_rate": 8.750000000000001e-06, | |
| "loss": 0.7512, | |
| "step": 7 | |
| }, | |
| { | |
| "epoch": 0.6666666666666666, | |
| "grad_norm": 1.8572832345962524, | |
| "learning_rate": 1e-05, | |
| "loss": 0.7278, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 0.75, | |
| "grad_norm": 1.3794453144073486, | |
| "learning_rate": 9.993977281025862e-06, | |
| "loss": 0.7446, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 0.8333333333333334, | |
| "grad_norm": 1.688467264175415, | |
| "learning_rate": 9.975923633360985e-06, | |
| "loss": 0.7833, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.9166666666666666, | |
| "grad_norm": 2.3060460090637207, | |
| "learning_rate": 9.945882549823906e-06, | |
| "loss": 0.7109, | |
| "step": 11 | |
| }, | |
| { | |
| "epoch": 1.0, | |
| "grad_norm": 2.0330917835235596, | |
| "learning_rate": 9.903926402016153e-06, | |
| "loss": 0.68, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 1.0833333333333333, | |
| "grad_norm": 1.9667448997497559, | |
| "learning_rate": 9.850156265972722e-06, | |
| "loss": 0.6321, | |
| "step": 13 | |
| }, | |
| { | |
| "epoch": 1.1666666666666667, | |
| "grad_norm": 2.1519808769226074, | |
| "learning_rate": 9.784701678661045e-06, | |
| "loss": 0.5683, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 1.25, | |
| "grad_norm": 1.9210096597671509, | |
| "learning_rate": 9.707720325915105e-06, | |
| "loss": 0.6297, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 1.3333333333333333, | |
| "grad_norm": 1.7269850969314575, | |
| "learning_rate": 9.619397662556434e-06, | |
| "loss": 0.5803, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 1.4166666666666667, | |
| "grad_norm": 1.4123969078063965, | |
| "learning_rate": 9.519946465617217e-06, | |
| "loss": 0.6347, | |
| "step": 17 | |
| }, | |
| { | |
| "epoch": 1.5, | |
| "grad_norm": 1.3246344327926636, | |
| "learning_rate": 9.409606321741776e-06, | |
| "loss": 0.5657, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 1.5833333333333335, | |
| "grad_norm": 1.0732675790786743, | |
| "learning_rate": 9.288643050001362e-06, | |
| "loss": 0.5388, | |
| "step": 19 | |
| }, | |
| { | |
| "epoch": 1.6666666666666665, | |
| "grad_norm": 1.266241192817688, | |
| "learning_rate": 9.157348061512728e-06, | |
| "loss": 0.5415, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 1.75, | |
| "grad_norm": 1.1674039363861084, | |
| "learning_rate": 9.016037657403225e-06, | |
| "loss": 0.5379, | |
| "step": 21 | |
| }, | |
| { | |
| "epoch": 1.8333333333333335, | |
| "grad_norm": 1.054961919784546, | |
| "learning_rate": 8.865052266813686e-06, | |
| "loss": 0.5102, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 1.9166666666666665, | |
| "grad_norm": 1.2106841802597046, | |
| "learning_rate": 8.704755626774796e-06, | |
| "loss": 0.5697, | |
| "step": 23 | |
| }, | |
| { | |
| "epoch": 2.0, | |
| "grad_norm": 1.2781378030776978, | |
| "learning_rate": 8.535533905932739e-06, | |
| "loss": 0.4438, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 2.0833333333333335, | |
| "grad_norm": 0.9391329288482666, | |
| "learning_rate": 8.357794774235094e-06, | |
| "loss": 0.4015, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 2.1666666666666665, | |
| "grad_norm": 0.9480692148208618, | |
| "learning_rate": 8.171966420818227e-06, | |
| "loss": 0.3703, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 2.25, | |
| "grad_norm": 0.9510470628738403, | |
| "learning_rate": 7.978496522462167e-06, | |
| "loss": 0.4005, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 2.3333333333333335, | |
| "grad_norm": 1.0073078870773315, | |
| "learning_rate": 7.777851165098012e-06, | |
| "loss": 0.363, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 2.4166666666666665, | |
| "grad_norm": 0.9251465201377869, | |
| "learning_rate": 7.570513720966108e-06, | |
| "loss": 0.3526, | |
| "step": 29 | |
| }, | |
| { | |
| "epoch": 2.5, | |
| "grad_norm": 0.8264657258987427, | |
| "learning_rate": 7.3569836841299905e-06, | |
| "loss": 0.4018, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 2.5833333333333335, | |
| "grad_norm": 1.003389835357666, | |
| "learning_rate": 7.137775467151411e-06, | |
| "loss": 0.3307, | |
| "step": 31 | |
| }, | |
| { | |
| "epoch": 2.6666666666666665, | |
| "grad_norm": 0.7411445379257202, | |
| "learning_rate": 6.913417161825449e-06, | |
| "loss": 0.3747, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 2.75, | |
| "grad_norm": 0.891286313533783, | |
| "learning_rate": 6.684449266961101e-06, | |
| "loss": 0.3751, | |
| "step": 33 | |
| }, | |
| { | |
| "epoch": 2.8333333333333335, | |
| "grad_norm": 1.0381487607955933, | |
| "learning_rate": 6.451423386272312e-06, | |
| "loss": 0.3242, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 2.9166666666666665, | |
| "grad_norm": 0.9686989784240723, | |
| "learning_rate": 6.21490089951632e-06, | |
| "loss": 0.4044, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 3.0, | |
| "grad_norm": 0.9251928925514221, | |
| "learning_rate": 5.975451610080643e-06, | |
| "loss": 0.3169, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 3.0833333333333335, | |
| "grad_norm": 0.8295878767967224, | |
| "learning_rate": 5.733652372276809e-06, | |
| "loss": 0.2288, | |
| "step": 37 | |
| }, | |
| { | |
| "epoch": 3.1666666666666665, | |
| "grad_norm": 0.8235688805580139, | |
| "learning_rate": 5.490085701647805e-06, | |
| "loss": 0.2485, | |
| "step": 38 | |
| }, | |
| { | |
| "epoch": 3.25, | |
| "grad_norm": 0.9115452766418457, | |
| "learning_rate": 5.245338371637091e-06, | |
| "loss": 0.1694, | |
| "step": 39 | |
| }, | |
| { | |
| "epoch": 3.3333333333333335, | |
| "grad_norm": 0.8993637561798096, | |
| "learning_rate": 5e-06, | |
| "loss": 0.2046, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 3.4166666666666665, | |
| "grad_norm": 0.9077955484390259, | |
| "learning_rate": 4.75466162836291e-06, | |
| "loss": 0.336, | |
| "step": 41 | |
| }, | |
| { | |
| "epoch": 3.5, | |
| "grad_norm": 0.7887057662010193, | |
| "learning_rate": 4.509914298352197e-06, | |
| "loss": 0.2184, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 3.5833333333333335, | |
| "grad_norm": 0.8300336599349976, | |
| "learning_rate": 4.266347627723192e-06, | |
| "loss": 0.2129, | |
| "step": 43 | |
| }, | |
| { | |
| "epoch": 3.6666666666666665, | |
| "grad_norm": 0.8980051875114441, | |
| "learning_rate": 4.02454838991936e-06, | |
| "loss": 0.1955, | |
| "step": 44 | |
| }, | |
| { | |
| "epoch": 3.75, | |
| "grad_norm": 0.6986350417137146, | |
| "learning_rate": 3.7850991004836813e-06, | |
| "loss": 0.3113, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 3.8333333333333335, | |
| "grad_norm": 0.7953962683677673, | |
| "learning_rate": 3.5485766137276894e-06, | |
| "loss": 0.2358, | |
| "step": 46 | |
| }, | |
| { | |
| "epoch": 3.9166666666666665, | |
| "grad_norm": 0.8017967939376831, | |
| "learning_rate": 3.3155507330389004e-06, | |
| "loss": 0.2685, | |
| "step": 47 | |
| }, | |
| { | |
| "epoch": 4.0, | |
| "grad_norm": 0.824598491191864, | |
| "learning_rate": 3.0865828381745515e-06, | |
| "loss": 0.2113, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 4.083333333333333, | |
| "grad_norm": 0.7859355211257935, | |
| "learning_rate": 2.862224532848591e-06, | |
| "loss": 0.1764, | |
| "step": 49 | |
| }, | |
| { | |
| "epoch": 4.166666666666667, | |
| "grad_norm": 0.7643988132476807, | |
| "learning_rate": 2.6430163158700116e-06, | |
| "loss": 0.2194, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 4.25, | |
| "grad_norm": 0.6663169264793396, | |
| "learning_rate": 2.429486279033892e-06, | |
| "loss": 0.1565, | |
| "step": 51 | |
| }, | |
| { | |
| "epoch": 4.333333333333333, | |
| "grad_norm": 0.7306914925575256, | |
| "learning_rate": 2.2221488349019903e-06, | |
| "loss": 0.1165, | |
| "step": 52 | |
| }, | |
| { | |
| "epoch": 4.416666666666667, | |
| "grad_norm": 0.6165188550949097, | |
| "learning_rate": 2.0215034775378336e-06, | |
| "loss": 0.1366, | |
| "step": 53 | |
| }, | |
| { | |
| "epoch": 4.5, | |
| "grad_norm": 0.7223585844039917, | |
| "learning_rate": 1.8280335791817733e-06, | |
| "loss": 0.1387, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 4.583333333333333, | |
| "grad_norm": 0.5823842883110046, | |
| "learning_rate": 1.642205225764908e-06, | |
| "loss": 0.1139, | |
| "step": 55 | |
| }, | |
| { | |
| "epoch": 4.666666666666667, | |
| "grad_norm": 0.7780449390411377, | |
| "learning_rate": 1.4644660940672628e-06, | |
| "loss": 0.1144, | |
| "step": 56 | |
| }, | |
| { | |
| "epoch": 4.75, | |
| "grad_norm": 0.5591028928756714, | |
| "learning_rate": 1.2952443732252058e-06, | |
| "loss": 0.1541, | |
| "step": 57 | |
| }, | |
| { | |
| "epoch": 4.833333333333333, | |
| "grad_norm": 0.7684037685394287, | |
| "learning_rate": 1.134947733186315e-06, | |
| "loss": 0.1222, | |
| "step": 58 | |
| }, | |
| { | |
| "epoch": 4.916666666666667, | |
| "grad_norm": 0.6371804475784302, | |
| "learning_rate": 9.83962342596776e-07, | |
| "loss": 0.1719, | |
| "step": 59 | |
| }, | |
| { | |
| "epoch": 5.0, | |
| "grad_norm": 0.6287250518798828, | |
| "learning_rate": 8.426519384872733e-07, | |
| "loss": 0.0951, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 5.083333333333333, | |
| "grad_norm": 0.525037944316864, | |
| "learning_rate": 7.113569499986401e-07, | |
| "loss": 0.1079, | |
| "step": 61 | |
| }, | |
| { | |
| "epoch": 5.166666666666667, | |
| "grad_norm": 0.4770178496837616, | |
| "learning_rate": 5.903936782582253e-07, | |
| "loss": 0.0848, | |
| "step": 62 | |
| }, | |
| { | |
| "epoch": 5.25, | |
| "grad_norm": 0.5568702816963196, | |
| "learning_rate": 4.800535343827834e-07, | |
| "loss": 0.1811, | |
| "step": 63 | |
| }, | |
| { | |
| "epoch": 5.333333333333333, | |
| "grad_norm": 0.5440143346786499, | |
| "learning_rate": 3.8060233744356634e-07, | |
| "loss": 0.0862, | |
| "step": 64 | |
| }, | |
| { | |
| "epoch": 5.416666666666667, | |
| "grad_norm": 0.5764997005462646, | |
| "learning_rate": 2.9227967408489653e-07, | |
| "loss": 0.0938, | |
| "step": 65 | |
| }, | |
| { | |
| "epoch": 5.5, | |
| "grad_norm": 0.5530983209609985, | |
| "learning_rate": 2.152983213389559e-07, | |
| "loss": 0.0968, | |
| "step": 66 | |
| }, | |
| { | |
| "epoch": 5.583333333333333, | |
| "grad_norm": 0.5112849473953247, | |
| "learning_rate": 1.4984373402728014e-07, | |
| "loss": 0.0848, | |
| "step": 67 | |
| }, | |
| { | |
| "epoch": 5.666666666666667, | |
| "grad_norm": 0.5220197439193726, | |
| "learning_rate": 9.607359798384785e-08, | |
| "loss": 0.1404, | |
| "step": 68 | |
| }, | |
| { | |
| "epoch": 5.75, | |
| "grad_norm": 0.481840580701828, | |
| "learning_rate": 5.411745017609493e-08, | |
| "loss": 0.1179, | |
| "step": 69 | |
| }, | |
| { | |
| "epoch": 5.833333333333333, | |
| "grad_norm": 0.4992443323135376, | |
| "learning_rate": 2.4076366639015914e-08, | |
| "loss": 0.115, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 5.916666666666667, | |
| "grad_norm": 0.5124804377555847, | |
| "learning_rate": 6.022718974137976e-09, | |
| "loss": 0.1047, | |
| "step": 71 | |
| }, | |
| { | |
| "epoch": 6.0, | |
| "grad_norm": 0.5676869750022888, | |
| "learning_rate": 0.0, | |
| "loss": 0.0872, | |
| "step": 72 | |
| }, | |
| { | |
| "epoch": 6.0, | |
| "step": 72, | |
| "total_flos": 17281228603392.0, | |
| "train_loss": 0.3665730852840675, | |
| "train_runtime": 2825.3225, | |
| "train_samples_per_second": 0.195, | |
| "train_steps_per_second": 0.025 | |
| } | |
| ], | |
| "logging_steps": 1, | |
| "max_steps": 72, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 6, | |
| "save_steps": 12, | |
| "stateful_callbacks": { | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": true | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 17281228603392.0, | |
| "train_batch_size": 2, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |