Upload checkpoint-72/trainer_state.json with huggingface_hub
Browse files- checkpoint-72/trainer_state.json +537 -0
checkpoint-72/trainer_state.json
ADDED
|
@@ -0,0 +1,537 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_metric": null,
|
| 3 |
+
"best_model_checkpoint": null,
|
| 4 |
+
"epoch": 6.0,
|
| 5 |
+
"eval_steps": 500,
|
| 6 |
+
"global_step": 72,
|
| 7 |
+
"is_hyper_param_search": false,
|
| 8 |
+
"is_local_process_zero": true,
|
| 9 |
+
"is_world_process_zero": true,
|
| 10 |
+
"log_history": [
|
| 11 |
+
{
|
| 12 |
+
"epoch": 0.08333333333333333,
|
| 13 |
+
"grad_norm": 2.9228241443634033,
|
| 14 |
+
"learning_rate": 1.25e-06,
|
| 15 |
+
"loss": 0.8419,
|
| 16 |
+
"step": 1
|
| 17 |
+
},
|
| 18 |
+
{
|
| 19 |
+
"epoch": 0.16666666666666666,
|
| 20 |
+
"grad_norm": 3.107433557510376,
|
| 21 |
+
"learning_rate": 2.5e-06,
|
| 22 |
+
"loss": 0.7889,
|
| 23 |
+
"step": 2
|
| 24 |
+
},
|
| 25 |
+
{
|
| 26 |
+
"epoch": 0.25,
|
| 27 |
+
"grad_norm": 3.6661031246185303,
|
| 28 |
+
"learning_rate": 3.7500000000000005e-06,
|
| 29 |
+
"loss": 0.8787,
|
| 30 |
+
"step": 3
|
| 31 |
+
},
|
| 32 |
+
{
|
| 33 |
+
"epoch": 0.3333333333333333,
|
| 34 |
+
"grad_norm": 3.025033473968506,
|
| 35 |
+
"learning_rate": 5e-06,
|
| 36 |
+
"loss": 0.7976,
|
| 37 |
+
"step": 4
|
| 38 |
+
},
|
| 39 |
+
{
|
| 40 |
+
"epoch": 0.4166666666666667,
|
| 41 |
+
"grad_norm": 3.2095539569854736,
|
| 42 |
+
"learning_rate": 6.25e-06,
|
| 43 |
+
"loss": 0.8938,
|
| 44 |
+
"step": 5
|
| 45 |
+
},
|
| 46 |
+
{
|
| 47 |
+
"epoch": 0.5,
|
| 48 |
+
"grad_norm": 2.795494318008423,
|
| 49 |
+
"learning_rate": 7.500000000000001e-06,
|
| 50 |
+
"loss": 0.7685,
|
| 51 |
+
"step": 6
|
| 52 |
+
},
|
| 53 |
+
{
|
| 54 |
+
"epoch": 0.5833333333333334,
|
| 55 |
+
"grad_norm": 2.414928674697876,
|
| 56 |
+
"learning_rate": 8.750000000000001e-06,
|
| 57 |
+
"loss": 0.7512,
|
| 58 |
+
"step": 7
|
| 59 |
+
},
|
| 60 |
+
{
|
| 61 |
+
"epoch": 0.6666666666666666,
|
| 62 |
+
"grad_norm": 1.8572832345962524,
|
| 63 |
+
"learning_rate": 1e-05,
|
| 64 |
+
"loss": 0.7278,
|
| 65 |
+
"step": 8
|
| 66 |
+
},
|
| 67 |
+
{
|
| 68 |
+
"epoch": 0.75,
|
| 69 |
+
"grad_norm": 1.3794453144073486,
|
| 70 |
+
"learning_rate": 9.993977281025862e-06,
|
| 71 |
+
"loss": 0.7446,
|
| 72 |
+
"step": 9
|
| 73 |
+
},
|
| 74 |
+
{
|
| 75 |
+
"epoch": 0.8333333333333334,
|
| 76 |
+
"grad_norm": 1.688467264175415,
|
| 77 |
+
"learning_rate": 9.975923633360985e-06,
|
| 78 |
+
"loss": 0.7833,
|
| 79 |
+
"step": 10
|
| 80 |
+
},
|
| 81 |
+
{
|
| 82 |
+
"epoch": 0.9166666666666666,
|
| 83 |
+
"grad_norm": 2.3060460090637207,
|
| 84 |
+
"learning_rate": 9.945882549823906e-06,
|
| 85 |
+
"loss": 0.7109,
|
| 86 |
+
"step": 11
|
| 87 |
+
},
|
| 88 |
+
{
|
| 89 |
+
"epoch": 1.0,
|
| 90 |
+
"grad_norm": 2.0330917835235596,
|
| 91 |
+
"learning_rate": 9.903926402016153e-06,
|
| 92 |
+
"loss": 0.68,
|
| 93 |
+
"step": 12
|
| 94 |
+
},
|
| 95 |
+
{
|
| 96 |
+
"epoch": 1.0833333333333333,
|
| 97 |
+
"grad_norm": 1.9667448997497559,
|
| 98 |
+
"learning_rate": 9.850156265972722e-06,
|
| 99 |
+
"loss": 0.6321,
|
| 100 |
+
"step": 13
|
| 101 |
+
},
|
| 102 |
+
{
|
| 103 |
+
"epoch": 1.1666666666666667,
|
| 104 |
+
"grad_norm": 2.1519808769226074,
|
| 105 |
+
"learning_rate": 9.784701678661045e-06,
|
| 106 |
+
"loss": 0.5683,
|
| 107 |
+
"step": 14
|
| 108 |
+
},
|
| 109 |
+
{
|
| 110 |
+
"epoch": 1.25,
|
| 111 |
+
"grad_norm": 1.9210096597671509,
|
| 112 |
+
"learning_rate": 9.707720325915105e-06,
|
| 113 |
+
"loss": 0.6297,
|
| 114 |
+
"step": 15
|
| 115 |
+
},
|
| 116 |
+
{
|
| 117 |
+
"epoch": 1.3333333333333333,
|
| 118 |
+
"grad_norm": 1.7269850969314575,
|
| 119 |
+
"learning_rate": 9.619397662556434e-06,
|
| 120 |
+
"loss": 0.5803,
|
| 121 |
+
"step": 16
|
| 122 |
+
},
|
| 123 |
+
{
|
| 124 |
+
"epoch": 1.4166666666666667,
|
| 125 |
+
"grad_norm": 1.4123969078063965,
|
| 126 |
+
"learning_rate": 9.519946465617217e-06,
|
| 127 |
+
"loss": 0.6347,
|
| 128 |
+
"step": 17
|
| 129 |
+
},
|
| 130 |
+
{
|
| 131 |
+
"epoch": 1.5,
|
| 132 |
+
"grad_norm": 1.3246344327926636,
|
| 133 |
+
"learning_rate": 9.409606321741776e-06,
|
| 134 |
+
"loss": 0.5657,
|
| 135 |
+
"step": 18
|
| 136 |
+
},
|
| 137 |
+
{
|
| 138 |
+
"epoch": 1.5833333333333335,
|
| 139 |
+
"grad_norm": 1.0732675790786743,
|
| 140 |
+
"learning_rate": 9.288643050001362e-06,
|
| 141 |
+
"loss": 0.5388,
|
| 142 |
+
"step": 19
|
| 143 |
+
},
|
| 144 |
+
{
|
| 145 |
+
"epoch": 1.6666666666666665,
|
| 146 |
+
"grad_norm": 1.266241192817688,
|
| 147 |
+
"learning_rate": 9.157348061512728e-06,
|
| 148 |
+
"loss": 0.5415,
|
| 149 |
+
"step": 20
|
| 150 |
+
},
|
| 151 |
+
{
|
| 152 |
+
"epoch": 1.75,
|
| 153 |
+
"grad_norm": 1.1674039363861084,
|
| 154 |
+
"learning_rate": 9.016037657403225e-06,
|
| 155 |
+
"loss": 0.5379,
|
| 156 |
+
"step": 21
|
| 157 |
+
},
|
| 158 |
+
{
|
| 159 |
+
"epoch": 1.8333333333333335,
|
| 160 |
+
"grad_norm": 1.054961919784546,
|
| 161 |
+
"learning_rate": 8.865052266813686e-06,
|
| 162 |
+
"loss": 0.5102,
|
| 163 |
+
"step": 22
|
| 164 |
+
},
|
| 165 |
+
{
|
| 166 |
+
"epoch": 1.9166666666666665,
|
| 167 |
+
"grad_norm": 1.2106841802597046,
|
| 168 |
+
"learning_rate": 8.704755626774796e-06,
|
| 169 |
+
"loss": 0.5697,
|
| 170 |
+
"step": 23
|
| 171 |
+
},
|
| 172 |
+
{
|
| 173 |
+
"epoch": 2.0,
|
| 174 |
+
"grad_norm": 1.2781378030776978,
|
| 175 |
+
"learning_rate": 8.535533905932739e-06,
|
| 176 |
+
"loss": 0.4438,
|
| 177 |
+
"step": 24
|
| 178 |
+
},
|
| 179 |
+
{
|
| 180 |
+
"epoch": 2.0833333333333335,
|
| 181 |
+
"grad_norm": 0.9391329288482666,
|
| 182 |
+
"learning_rate": 8.357794774235094e-06,
|
| 183 |
+
"loss": 0.4015,
|
| 184 |
+
"step": 25
|
| 185 |
+
},
|
| 186 |
+
{
|
| 187 |
+
"epoch": 2.1666666666666665,
|
| 188 |
+
"grad_norm": 0.9480692148208618,
|
| 189 |
+
"learning_rate": 8.171966420818227e-06,
|
| 190 |
+
"loss": 0.3703,
|
| 191 |
+
"step": 26
|
| 192 |
+
},
|
| 193 |
+
{
|
| 194 |
+
"epoch": 2.25,
|
| 195 |
+
"grad_norm": 0.9510470628738403,
|
| 196 |
+
"learning_rate": 7.978496522462167e-06,
|
| 197 |
+
"loss": 0.4005,
|
| 198 |
+
"step": 27
|
| 199 |
+
},
|
| 200 |
+
{
|
| 201 |
+
"epoch": 2.3333333333333335,
|
| 202 |
+
"grad_norm": 1.0073078870773315,
|
| 203 |
+
"learning_rate": 7.777851165098012e-06,
|
| 204 |
+
"loss": 0.363,
|
| 205 |
+
"step": 28
|
| 206 |
+
},
|
| 207 |
+
{
|
| 208 |
+
"epoch": 2.4166666666666665,
|
| 209 |
+
"grad_norm": 0.9251465201377869,
|
| 210 |
+
"learning_rate": 7.570513720966108e-06,
|
| 211 |
+
"loss": 0.3526,
|
| 212 |
+
"step": 29
|
| 213 |
+
},
|
| 214 |
+
{
|
| 215 |
+
"epoch": 2.5,
|
| 216 |
+
"grad_norm": 0.8264657258987427,
|
| 217 |
+
"learning_rate": 7.3569836841299905e-06,
|
| 218 |
+
"loss": 0.4018,
|
| 219 |
+
"step": 30
|
| 220 |
+
},
|
| 221 |
+
{
|
| 222 |
+
"epoch": 2.5833333333333335,
|
| 223 |
+
"grad_norm": 1.003389835357666,
|
| 224 |
+
"learning_rate": 7.137775467151411e-06,
|
| 225 |
+
"loss": 0.3307,
|
| 226 |
+
"step": 31
|
| 227 |
+
},
|
| 228 |
+
{
|
| 229 |
+
"epoch": 2.6666666666666665,
|
| 230 |
+
"grad_norm": 0.7411445379257202,
|
| 231 |
+
"learning_rate": 6.913417161825449e-06,
|
| 232 |
+
"loss": 0.3747,
|
| 233 |
+
"step": 32
|
| 234 |
+
},
|
| 235 |
+
{
|
| 236 |
+
"epoch": 2.75,
|
| 237 |
+
"grad_norm": 0.891286313533783,
|
| 238 |
+
"learning_rate": 6.684449266961101e-06,
|
| 239 |
+
"loss": 0.3751,
|
| 240 |
+
"step": 33
|
| 241 |
+
},
|
| 242 |
+
{
|
| 243 |
+
"epoch": 2.8333333333333335,
|
| 244 |
+
"grad_norm": 1.0381487607955933,
|
| 245 |
+
"learning_rate": 6.451423386272312e-06,
|
| 246 |
+
"loss": 0.3242,
|
| 247 |
+
"step": 34
|
| 248 |
+
},
|
| 249 |
+
{
|
| 250 |
+
"epoch": 2.9166666666666665,
|
| 251 |
+
"grad_norm": 0.9686989784240723,
|
| 252 |
+
"learning_rate": 6.21490089951632e-06,
|
| 253 |
+
"loss": 0.4044,
|
| 254 |
+
"step": 35
|
| 255 |
+
},
|
| 256 |
+
{
|
| 257 |
+
"epoch": 3.0,
|
| 258 |
+
"grad_norm": 0.9251928925514221,
|
| 259 |
+
"learning_rate": 5.975451610080643e-06,
|
| 260 |
+
"loss": 0.3169,
|
| 261 |
+
"step": 36
|
| 262 |
+
},
|
| 263 |
+
{
|
| 264 |
+
"epoch": 3.0833333333333335,
|
| 265 |
+
"grad_norm": 0.8295878767967224,
|
| 266 |
+
"learning_rate": 5.733652372276809e-06,
|
| 267 |
+
"loss": 0.2288,
|
| 268 |
+
"step": 37
|
| 269 |
+
},
|
| 270 |
+
{
|
| 271 |
+
"epoch": 3.1666666666666665,
|
| 272 |
+
"grad_norm": 0.8235688805580139,
|
| 273 |
+
"learning_rate": 5.490085701647805e-06,
|
| 274 |
+
"loss": 0.2485,
|
| 275 |
+
"step": 38
|
| 276 |
+
},
|
| 277 |
+
{
|
| 278 |
+
"epoch": 3.25,
|
| 279 |
+
"grad_norm": 0.9115452766418457,
|
| 280 |
+
"learning_rate": 5.245338371637091e-06,
|
| 281 |
+
"loss": 0.1694,
|
| 282 |
+
"step": 39
|
| 283 |
+
},
|
| 284 |
+
{
|
| 285 |
+
"epoch": 3.3333333333333335,
|
| 286 |
+
"grad_norm": 0.8993637561798096,
|
| 287 |
+
"learning_rate": 5e-06,
|
| 288 |
+
"loss": 0.2046,
|
| 289 |
+
"step": 40
|
| 290 |
+
},
|
| 291 |
+
{
|
| 292 |
+
"epoch": 3.4166666666666665,
|
| 293 |
+
"grad_norm": 0.9077955484390259,
|
| 294 |
+
"learning_rate": 4.75466162836291e-06,
|
| 295 |
+
"loss": 0.336,
|
| 296 |
+
"step": 41
|
| 297 |
+
},
|
| 298 |
+
{
|
| 299 |
+
"epoch": 3.5,
|
| 300 |
+
"grad_norm": 0.7887057662010193,
|
| 301 |
+
"learning_rate": 4.509914298352197e-06,
|
| 302 |
+
"loss": 0.2184,
|
| 303 |
+
"step": 42
|
| 304 |
+
},
|
| 305 |
+
{
|
| 306 |
+
"epoch": 3.5833333333333335,
|
| 307 |
+
"grad_norm": 0.8300336599349976,
|
| 308 |
+
"learning_rate": 4.266347627723192e-06,
|
| 309 |
+
"loss": 0.2129,
|
| 310 |
+
"step": 43
|
| 311 |
+
},
|
| 312 |
+
{
|
| 313 |
+
"epoch": 3.6666666666666665,
|
| 314 |
+
"grad_norm": 0.8980051875114441,
|
| 315 |
+
"learning_rate": 4.02454838991936e-06,
|
| 316 |
+
"loss": 0.1955,
|
| 317 |
+
"step": 44
|
| 318 |
+
},
|
| 319 |
+
{
|
| 320 |
+
"epoch": 3.75,
|
| 321 |
+
"grad_norm": 0.6986350417137146,
|
| 322 |
+
"learning_rate": 3.7850991004836813e-06,
|
| 323 |
+
"loss": 0.3113,
|
| 324 |
+
"step": 45
|
| 325 |
+
},
|
| 326 |
+
{
|
| 327 |
+
"epoch": 3.8333333333333335,
|
| 328 |
+
"grad_norm": 0.7953962683677673,
|
| 329 |
+
"learning_rate": 3.5485766137276894e-06,
|
| 330 |
+
"loss": 0.2358,
|
| 331 |
+
"step": 46
|
| 332 |
+
},
|
| 333 |
+
{
|
| 334 |
+
"epoch": 3.9166666666666665,
|
| 335 |
+
"grad_norm": 0.8017967939376831,
|
| 336 |
+
"learning_rate": 3.3155507330389004e-06,
|
| 337 |
+
"loss": 0.2685,
|
| 338 |
+
"step": 47
|
| 339 |
+
},
|
| 340 |
+
{
|
| 341 |
+
"epoch": 4.0,
|
| 342 |
+
"grad_norm": 0.824598491191864,
|
| 343 |
+
"learning_rate": 3.0865828381745515e-06,
|
| 344 |
+
"loss": 0.2113,
|
| 345 |
+
"step": 48
|
| 346 |
+
},
|
| 347 |
+
{
|
| 348 |
+
"epoch": 4.083333333333333,
|
| 349 |
+
"grad_norm": 0.7859355211257935,
|
| 350 |
+
"learning_rate": 2.862224532848591e-06,
|
| 351 |
+
"loss": 0.1764,
|
| 352 |
+
"step": 49
|
| 353 |
+
},
|
| 354 |
+
{
|
| 355 |
+
"epoch": 4.166666666666667,
|
| 356 |
+
"grad_norm": 0.7643988132476807,
|
| 357 |
+
"learning_rate": 2.6430163158700116e-06,
|
| 358 |
+
"loss": 0.2194,
|
| 359 |
+
"step": 50
|
| 360 |
+
},
|
| 361 |
+
{
|
| 362 |
+
"epoch": 4.25,
|
| 363 |
+
"grad_norm": 0.6663169264793396,
|
| 364 |
+
"learning_rate": 2.429486279033892e-06,
|
| 365 |
+
"loss": 0.1565,
|
| 366 |
+
"step": 51
|
| 367 |
+
},
|
| 368 |
+
{
|
| 369 |
+
"epoch": 4.333333333333333,
|
| 370 |
+
"grad_norm": 0.7306914925575256,
|
| 371 |
+
"learning_rate": 2.2221488349019903e-06,
|
| 372 |
+
"loss": 0.1165,
|
| 373 |
+
"step": 52
|
| 374 |
+
},
|
| 375 |
+
{
|
| 376 |
+
"epoch": 4.416666666666667,
|
| 377 |
+
"grad_norm": 0.6165188550949097,
|
| 378 |
+
"learning_rate": 2.0215034775378336e-06,
|
| 379 |
+
"loss": 0.1366,
|
| 380 |
+
"step": 53
|
| 381 |
+
},
|
| 382 |
+
{
|
| 383 |
+
"epoch": 4.5,
|
| 384 |
+
"grad_norm": 0.7223585844039917,
|
| 385 |
+
"learning_rate": 1.8280335791817733e-06,
|
| 386 |
+
"loss": 0.1387,
|
| 387 |
+
"step": 54
|
| 388 |
+
},
|
| 389 |
+
{
|
| 390 |
+
"epoch": 4.583333333333333,
|
| 391 |
+
"grad_norm": 0.5823842883110046,
|
| 392 |
+
"learning_rate": 1.642205225764908e-06,
|
| 393 |
+
"loss": 0.1139,
|
| 394 |
+
"step": 55
|
| 395 |
+
},
|
| 396 |
+
{
|
| 397 |
+
"epoch": 4.666666666666667,
|
| 398 |
+
"grad_norm": 0.7780449390411377,
|
| 399 |
+
"learning_rate": 1.4644660940672628e-06,
|
| 400 |
+
"loss": 0.1144,
|
| 401 |
+
"step": 56
|
| 402 |
+
},
|
| 403 |
+
{
|
| 404 |
+
"epoch": 4.75,
|
| 405 |
+
"grad_norm": 0.5591028928756714,
|
| 406 |
+
"learning_rate": 1.2952443732252058e-06,
|
| 407 |
+
"loss": 0.1541,
|
| 408 |
+
"step": 57
|
| 409 |
+
},
|
| 410 |
+
{
|
| 411 |
+
"epoch": 4.833333333333333,
|
| 412 |
+
"grad_norm": 0.7684037685394287,
|
| 413 |
+
"learning_rate": 1.134947733186315e-06,
|
| 414 |
+
"loss": 0.1222,
|
| 415 |
+
"step": 58
|
| 416 |
+
},
|
| 417 |
+
{
|
| 418 |
+
"epoch": 4.916666666666667,
|
| 419 |
+
"grad_norm": 0.6371804475784302,
|
| 420 |
+
"learning_rate": 9.83962342596776e-07,
|
| 421 |
+
"loss": 0.1719,
|
| 422 |
+
"step": 59
|
| 423 |
+
},
|
| 424 |
+
{
|
| 425 |
+
"epoch": 5.0,
|
| 426 |
+
"grad_norm": 0.6287250518798828,
|
| 427 |
+
"learning_rate": 8.426519384872733e-07,
|
| 428 |
+
"loss": 0.0951,
|
| 429 |
+
"step": 60
|
| 430 |
+
},
|
| 431 |
+
{
|
| 432 |
+
"epoch": 5.083333333333333,
|
| 433 |
+
"grad_norm": 0.525037944316864,
|
| 434 |
+
"learning_rate": 7.113569499986401e-07,
|
| 435 |
+
"loss": 0.1079,
|
| 436 |
+
"step": 61
|
| 437 |
+
},
|
| 438 |
+
{
|
| 439 |
+
"epoch": 5.166666666666667,
|
| 440 |
+
"grad_norm": 0.4770178496837616,
|
| 441 |
+
"learning_rate": 5.903936782582253e-07,
|
| 442 |
+
"loss": 0.0848,
|
| 443 |
+
"step": 62
|
| 444 |
+
},
|
| 445 |
+
{
|
| 446 |
+
"epoch": 5.25,
|
| 447 |
+
"grad_norm": 0.5568702816963196,
|
| 448 |
+
"learning_rate": 4.800535343827834e-07,
|
| 449 |
+
"loss": 0.1811,
|
| 450 |
+
"step": 63
|
| 451 |
+
},
|
| 452 |
+
{
|
| 453 |
+
"epoch": 5.333333333333333,
|
| 454 |
+
"grad_norm": 0.5440143346786499,
|
| 455 |
+
"learning_rate": 3.8060233744356634e-07,
|
| 456 |
+
"loss": 0.0862,
|
| 457 |
+
"step": 64
|
| 458 |
+
},
|
| 459 |
+
{
|
| 460 |
+
"epoch": 5.416666666666667,
|
| 461 |
+
"grad_norm": 0.5764997005462646,
|
| 462 |
+
"learning_rate": 2.9227967408489653e-07,
|
| 463 |
+
"loss": 0.0938,
|
| 464 |
+
"step": 65
|
| 465 |
+
},
|
| 466 |
+
{
|
| 467 |
+
"epoch": 5.5,
|
| 468 |
+
"grad_norm": 0.5530983209609985,
|
| 469 |
+
"learning_rate": 2.152983213389559e-07,
|
| 470 |
+
"loss": 0.0968,
|
| 471 |
+
"step": 66
|
| 472 |
+
},
|
| 473 |
+
{
|
| 474 |
+
"epoch": 5.583333333333333,
|
| 475 |
+
"grad_norm": 0.5112849473953247,
|
| 476 |
+
"learning_rate": 1.4984373402728014e-07,
|
| 477 |
+
"loss": 0.0848,
|
| 478 |
+
"step": 67
|
| 479 |
+
},
|
| 480 |
+
{
|
| 481 |
+
"epoch": 5.666666666666667,
|
| 482 |
+
"grad_norm": 0.5220197439193726,
|
| 483 |
+
"learning_rate": 9.607359798384785e-08,
|
| 484 |
+
"loss": 0.1404,
|
| 485 |
+
"step": 68
|
| 486 |
+
},
|
| 487 |
+
{
|
| 488 |
+
"epoch": 5.75,
|
| 489 |
+
"grad_norm": 0.481840580701828,
|
| 490 |
+
"learning_rate": 5.411745017609493e-08,
|
| 491 |
+
"loss": 0.1179,
|
| 492 |
+
"step": 69
|
| 493 |
+
},
|
| 494 |
+
{
|
| 495 |
+
"epoch": 5.833333333333333,
|
| 496 |
+
"grad_norm": 0.4992443323135376,
|
| 497 |
+
"learning_rate": 2.4076366639015914e-08,
|
| 498 |
+
"loss": 0.115,
|
| 499 |
+
"step": 70
|
| 500 |
+
},
|
| 501 |
+
{
|
| 502 |
+
"epoch": 5.916666666666667,
|
| 503 |
+
"grad_norm": 0.5124804377555847,
|
| 504 |
+
"learning_rate": 6.022718974137976e-09,
|
| 505 |
+
"loss": 0.1047,
|
| 506 |
+
"step": 71
|
| 507 |
+
},
|
| 508 |
+
{
|
| 509 |
+
"epoch": 6.0,
|
| 510 |
+
"grad_norm": 0.5676869750022888,
|
| 511 |
+
"learning_rate": 0.0,
|
| 512 |
+
"loss": 0.0872,
|
| 513 |
+
"step": 72
|
| 514 |
+
}
|
| 515 |
+
],
|
| 516 |
+
"logging_steps": 1,
|
| 517 |
+
"max_steps": 72,
|
| 518 |
+
"num_input_tokens_seen": 0,
|
| 519 |
+
"num_train_epochs": 6,
|
| 520 |
+
"save_steps": 12,
|
| 521 |
+
"stateful_callbacks": {
|
| 522 |
+
"TrainerControl": {
|
| 523 |
+
"args": {
|
| 524 |
+
"should_epoch_stop": false,
|
| 525 |
+
"should_evaluate": false,
|
| 526 |
+
"should_log": false,
|
| 527 |
+
"should_save": true,
|
| 528 |
+
"should_training_stop": true
|
| 529 |
+
},
|
| 530 |
+
"attributes": {}
|
| 531 |
+
}
|
| 532 |
+
},
|
| 533 |
+
"total_flos": 17281228603392.0,
|
| 534 |
+
"train_batch_size": 2,
|
| 535 |
+
"trial_name": null,
|
| 536 |
+
"trial_params": null
|
| 537 |
+
}
|