| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 3.0, | |
| "eval_steps": 500, | |
| "global_step": 750, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.004, | |
| "grad_norm": 0.515625, | |
| "learning_rate": 4.993333333333333e-07, | |
| "loss": 3.0113, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 0.443359375, | |
| "learning_rate": 4.966666666666666e-07, | |
| "loss": 3.1364, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 0.69921875, | |
| "learning_rate": 4.933333333333333e-07, | |
| "loss": 3.0859, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 0.419921875, | |
| "learning_rate": 4.9e-07, | |
| "loss": 2.7779, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 0.453125, | |
| "learning_rate": 4.866666666666666e-07, | |
| "loss": 3.1198, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 0.44140625, | |
| "learning_rate": 4.833333333333333e-07, | |
| "loss": 2.9446, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 0.12, | |
| "grad_norm": 0.59765625, | |
| "learning_rate": 4.8e-07, | |
| "loss": 2.9396, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.14, | |
| "grad_norm": 0.7890625, | |
| "learning_rate": 4.7666666666666667e-07, | |
| "loss": 3.032, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 0.16, | |
| "grad_norm": 0.443359375, | |
| "learning_rate": 4.733333333333333e-07, | |
| "loss": 2.9203, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.18, | |
| "grad_norm": 0.462890625, | |
| "learning_rate": 4.6999999999999995e-07, | |
| "loss": 3.2915, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 0.2, | |
| "grad_norm": 0.5390625, | |
| "learning_rate": 4.6666666666666666e-07, | |
| "loss": 3.3207, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.22, | |
| "grad_norm": 0.71484375, | |
| "learning_rate": 4.633333333333333e-07, | |
| "loss": 2.9583, | |
| "step": 55 | |
| }, | |
| { | |
| "epoch": 0.24, | |
| "grad_norm": 0.48046875, | |
| "learning_rate": 4.6e-07, | |
| "loss": 3.133, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 0.26, | |
| "grad_norm": 0.71875, | |
| "learning_rate": 4.5666666666666665e-07, | |
| "loss": 2.9234, | |
| "step": 65 | |
| }, | |
| { | |
| "epoch": 0.28, | |
| "grad_norm": 0.39453125, | |
| "learning_rate": 4.5333333333333326e-07, | |
| "loss": 2.9115, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 0.3, | |
| "grad_norm": 0.7578125, | |
| "learning_rate": 4.5e-07, | |
| "loss": 3.2351, | |
| "step": 75 | |
| }, | |
| { | |
| "epoch": 0.32, | |
| "grad_norm": 0.4765625, | |
| "learning_rate": 4.4666666666666664e-07, | |
| "loss": 2.9413, | |
| "step": 80 | |
| }, | |
| { | |
| "epoch": 0.34, | |
| "grad_norm": 0.44921875, | |
| "learning_rate": 4.4333333333333336e-07, | |
| "loss": 3.0558, | |
| "step": 85 | |
| }, | |
| { | |
| "epoch": 0.36, | |
| "grad_norm": 0.46484375, | |
| "learning_rate": 4.3999999999999997e-07, | |
| "loss": 2.9375, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 0.38, | |
| "grad_norm": 0.5, | |
| "learning_rate": 4.3666666666666663e-07, | |
| "loss": 2.9765, | |
| "step": 95 | |
| }, | |
| { | |
| "epoch": 0.4, | |
| "grad_norm": 0.76953125, | |
| "learning_rate": 4.3333333333333335e-07, | |
| "loss": 2.8949, | |
| "step": 100 | |
| }, | |
| { | |
| "epoch": 0.42, | |
| "grad_norm": 0.455078125, | |
| "learning_rate": 4.2999999999999996e-07, | |
| "loss": 2.9066, | |
| "step": 105 | |
| }, | |
| { | |
| "epoch": 0.44, | |
| "grad_norm": 0.45703125, | |
| "learning_rate": 4.266666666666667e-07, | |
| "loss": 2.9894, | |
| "step": 110 | |
| }, | |
| { | |
| "epoch": 0.46, | |
| "grad_norm": 0.3515625, | |
| "learning_rate": 4.2333333333333334e-07, | |
| "loss": 3.0943, | |
| "step": 115 | |
| }, | |
| { | |
| "epoch": 0.48, | |
| "grad_norm": 0.6171875, | |
| "learning_rate": 4.1999999999999995e-07, | |
| "loss": 2.938, | |
| "step": 120 | |
| }, | |
| { | |
| "epoch": 0.5, | |
| "grad_norm": 0.59375, | |
| "learning_rate": 4.1666666666666667e-07, | |
| "loss": 3.1882, | |
| "step": 125 | |
| }, | |
| { | |
| "epoch": 0.52, | |
| "grad_norm": 0.6015625, | |
| "learning_rate": 4.1333333333333333e-07, | |
| "loss": 3.0927, | |
| "step": 130 | |
| }, | |
| { | |
| "epoch": 0.54, | |
| "grad_norm": 0.427734375, | |
| "learning_rate": 4.0999999999999994e-07, | |
| "loss": 3.0316, | |
| "step": 135 | |
| }, | |
| { | |
| "epoch": 0.56, | |
| "grad_norm": 0.455078125, | |
| "learning_rate": 4.0666666666666666e-07, | |
| "loss": 3.0778, | |
| "step": 140 | |
| }, | |
| { | |
| "epoch": 0.58, | |
| "grad_norm": 0.86328125, | |
| "learning_rate": 4.033333333333333e-07, | |
| "loss": 3.1895, | |
| "step": 145 | |
| }, | |
| { | |
| "epoch": 0.6, | |
| "grad_norm": 0.65625, | |
| "learning_rate": 4e-07, | |
| "loss": 2.8721, | |
| "step": 150 | |
| }, | |
| { | |
| "epoch": 0.62, | |
| "grad_norm": 0.609375, | |
| "learning_rate": 3.9666666666666665e-07, | |
| "loss": 3.1312, | |
| "step": 155 | |
| }, | |
| { | |
| "epoch": 0.64, | |
| "grad_norm": 0.6640625, | |
| "learning_rate": 3.933333333333333e-07, | |
| "loss": 3.1511, | |
| "step": 160 | |
| }, | |
| { | |
| "epoch": 0.66, | |
| "grad_norm": 0.54296875, | |
| "learning_rate": 3.8999999999999997e-07, | |
| "loss": 3.1, | |
| "step": 165 | |
| }, | |
| { | |
| "epoch": 0.68, | |
| "grad_norm": 0.412109375, | |
| "learning_rate": 3.8666666666666664e-07, | |
| "loss": 3.042, | |
| "step": 170 | |
| }, | |
| { | |
| "epoch": 0.7, | |
| "grad_norm": 1.0546875, | |
| "learning_rate": 3.8333333333333335e-07, | |
| "loss": 2.9667, | |
| "step": 175 | |
| }, | |
| { | |
| "epoch": 0.72, | |
| "grad_norm": 0.37109375, | |
| "learning_rate": 3.7999999999999996e-07, | |
| "loss": 3.389, | |
| "step": 180 | |
| }, | |
| { | |
| "epoch": 0.74, | |
| "grad_norm": 0.8046875, | |
| "learning_rate": 3.766666666666666e-07, | |
| "loss": 3.1293, | |
| "step": 185 | |
| }, | |
| { | |
| "epoch": 0.76, | |
| "grad_norm": 0.56640625, | |
| "learning_rate": 3.7333333333333334e-07, | |
| "loss": 3.0617, | |
| "step": 190 | |
| }, | |
| { | |
| "epoch": 0.78, | |
| "grad_norm": 0.62890625, | |
| "learning_rate": 3.7e-07, | |
| "loss": 3.1602, | |
| "step": 195 | |
| }, | |
| { | |
| "epoch": 0.8, | |
| "grad_norm": 0.54296875, | |
| "learning_rate": 3.666666666666666e-07, | |
| "loss": 3.0768, | |
| "step": 200 | |
| }, | |
| { | |
| "epoch": 0.82, | |
| "grad_norm": 0.4921875, | |
| "learning_rate": 3.6333333333333333e-07, | |
| "loss": 2.9545, | |
| "step": 205 | |
| }, | |
| { | |
| "epoch": 0.84, | |
| "grad_norm": 0.70703125, | |
| "learning_rate": 3.6e-07, | |
| "loss": 3.1713, | |
| "step": 210 | |
| }, | |
| { | |
| "epoch": 0.86, | |
| "grad_norm": 0.447265625, | |
| "learning_rate": 3.5666666666666666e-07, | |
| "loss": 3.0322, | |
| "step": 215 | |
| }, | |
| { | |
| "epoch": 0.88, | |
| "grad_norm": 0.498046875, | |
| "learning_rate": 3.533333333333333e-07, | |
| "loss": 2.9385, | |
| "step": 220 | |
| }, | |
| { | |
| "epoch": 0.9, | |
| "grad_norm": 0.59765625, | |
| "learning_rate": 3.5e-07, | |
| "loss": 3.0316, | |
| "step": 225 | |
| }, | |
| { | |
| "epoch": 0.92, | |
| "grad_norm": 0.3046875, | |
| "learning_rate": 3.4666666666666665e-07, | |
| "loss": 3.4933, | |
| "step": 230 | |
| }, | |
| { | |
| "epoch": 0.94, | |
| "grad_norm": 0.58984375, | |
| "learning_rate": 3.433333333333333e-07, | |
| "loss": 3.07, | |
| "step": 235 | |
| }, | |
| { | |
| "epoch": 0.96, | |
| "grad_norm": 0.71484375, | |
| "learning_rate": 3.4000000000000003e-07, | |
| "loss": 2.9426, | |
| "step": 240 | |
| }, | |
| { | |
| "epoch": 0.98, | |
| "grad_norm": 0.64453125, | |
| "learning_rate": 3.3666666666666664e-07, | |
| "loss": 3.122, | |
| "step": 245 | |
| }, | |
| { | |
| "epoch": 1.0, | |
| "grad_norm": 0.53515625, | |
| "learning_rate": 3.333333333333333e-07, | |
| "loss": 2.8377, | |
| "step": 250 | |
| }, | |
| { | |
| "epoch": 1.0, | |
| "eval_loss": 3.0472724437713623, | |
| "eval_runtime": 37.1649, | |
| "eval_samples_per_second": 2.691, | |
| "eval_steps_per_second": 1.345, | |
| "step": 250 | |
| }, | |
| { | |
| "epoch": 1.02, | |
| "grad_norm": 0.4375, | |
| "learning_rate": 3.3e-07, | |
| "loss": 2.9272, | |
| "step": 255 | |
| }, | |
| { | |
| "epoch": 1.04, | |
| "grad_norm": 0.578125, | |
| "learning_rate": 3.2666666666666663e-07, | |
| "loss": 2.9946, | |
| "step": 260 | |
| }, | |
| { | |
| "epoch": 1.06, | |
| "grad_norm": 0.8359375, | |
| "learning_rate": 3.233333333333333e-07, | |
| "loss": 3.3259, | |
| "step": 265 | |
| }, | |
| { | |
| "epoch": 1.08, | |
| "grad_norm": 0.609375, | |
| "learning_rate": 3.2e-07, | |
| "loss": 2.8449, | |
| "step": 270 | |
| }, | |
| { | |
| "epoch": 1.1, | |
| "grad_norm": 0.3203125, | |
| "learning_rate": 3.166666666666666e-07, | |
| "loss": 3.0095, | |
| "step": 275 | |
| }, | |
| { | |
| "epoch": 1.12, | |
| "grad_norm": 0.328125, | |
| "learning_rate": 3.1333333333333333e-07, | |
| "loss": 2.8402, | |
| "step": 280 | |
| }, | |
| { | |
| "epoch": 1.1400000000000001, | |
| "grad_norm": 0.8984375, | |
| "learning_rate": 3.1e-07, | |
| "loss": 3.1718, | |
| "step": 285 | |
| }, | |
| { | |
| "epoch": 1.16, | |
| "grad_norm": 0.60546875, | |
| "learning_rate": 3.066666666666666e-07, | |
| "loss": 2.9385, | |
| "step": 290 | |
| }, | |
| { | |
| "epoch": 1.18, | |
| "grad_norm": 0.83203125, | |
| "learning_rate": 3.033333333333333e-07, | |
| "loss": 3.2249, | |
| "step": 295 | |
| }, | |
| { | |
| "epoch": 1.2, | |
| "grad_norm": 0.29296875, | |
| "learning_rate": 3e-07, | |
| "loss": 3.1023, | |
| "step": 300 | |
| }, | |
| { | |
| "epoch": 1.22, | |
| "grad_norm": 0.48828125, | |
| "learning_rate": 2.966666666666667e-07, | |
| "loss": 2.8704, | |
| "step": 305 | |
| }, | |
| { | |
| "epoch": 1.24, | |
| "grad_norm": 0.453125, | |
| "learning_rate": 2.933333333333333e-07, | |
| "loss": 3.1789, | |
| "step": 310 | |
| }, | |
| { | |
| "epoch": 1.26, | |
| "grad_norm": 0.455078125, | |
| "learning_rate": 2.9e-07, | |
| "loss": 3.135, | |
| "step": 315 | |
| }, | |
| { | |
| "epoch": 1.28, | |
| "grad_norm": 0.4609375, | |
| "learning_rate": 2.866666666666667e-07, | |
| "loss": 2.9556, | |
| "step": 320 | |
| }, | |
| { | |
| "epoch": 1.3, | |
| "grad_norm": 0.482421875, | |
| "learning_rate": 2.833333333333333e-07, | |
| "loss": 3.0085, | |
| "step": 325 | |
| }, | |
| { | |
| "epoch": 1.32, | |
| "grad_norm": 0.609375, | |
| "learning_rate": 2.8e-07, | |
| "loss": 3.1164, | |
| "step": 330 | |
| }, | |
| { | |
| "epoch": 1.34, | |
| "grad_norm": 0.48046875, | |
| "learning_rate": 2.766666666666667e-07, | |
| "loss": 3.137, | |
| "step": 335 | |
| }, | |
| { | |
| "epoch": 1.3599999999999999, | |
| "grad_norm": 0.73828125, | |
| "learning_rate": 2.733333333333333e-07, | |
| "loss": 3.0196, | |
| "step": 340 | |
| }, | |
| { | |
| "epoch": 1.38, | |
| "grad_norm": 0.640625, | |
| "learning_rate": 2.7e-07, | |
| "loss": 3.1515, | |
| "step": 345 | |
| }, | |
| { | |
| "epoch": 1.4, | |
| "grad_norm": 0.400390625, | |
| "learning_rate": 2.6666666666666667e-07, | |
| "loss": 3.181, | |
| "step": 350 | |
| }, | |
| { | |
| "epoch": 1.42, | |
| "grad_norm": 0.462890625, | |
| "learning_rate": 2.633333333333333e-07, | |
| "loss": 3.0423, | |
| "step": 355 | |
| }, | |
| { | |
| "epoch": 1.44, | |
| "grad_norm": 0.56640625, | |
| "learning_rate": 2.6e-07, | |
| "loss": 3.2057, | |
| "step": 360 | |
| }, | |
| { | |
| "epoch": 1.46, | |
| "grad_norm": 0.416015625, | |
| "learning_rate": 2.5666666666666666e-07, | |
| "loss": 2.9651, | |
| "step": 365 | |
| }, | |
| { | |
| "epoch": 1.48, | |
| "grad_norm": 0.77734375, | |
| "learning_rate": 2.533333333333333e-07, | |
| "loss": 3.0129, | |
| "step": 370 | |
| }, | |
| { | |
| "epoch": 1.5, | |
| "grad_norm": 0.51953125, | |
| "learning_rate": 2.5e-07, | |
| "loss": 2.9392, | |
| "step": 375 | |
| }, | |
| { | |
| "epoch": 1.52, | |
| "grad_norm": 0.8125, | |
| "learning_rate": 2.4666666666666665e-07, | |
| "loss": 3.2183, | |
| "step": 380 | |
| }, | |
| { | |
| "epoch": 1.54, | |
| "grad_norm": 0.64453125, | |
| "learning_rate": 2.433333333333333e-07, | |
| "loss": 2.8756, | |
| "step": 385 | |
| }, | |
| { | |
| "epoch": 1.56, | |
| "grad_norm": 0.54296875, | |
| "learning_rate": 2.4e-07, | |
| "loss": 3.0185, | |
| "step": 390 | |
| }, | |
| { | |
| "epoch": 1.58, | |
| "grad_norm": 0.359375, | |
| "learning_rate": 2.3666666666666664e-07, | |
| "loss": 2.8795, | |
| "step": 395 | |
| }, | |
| { | |
| "epoch": 1.6, | |
| "grad_norm": 0.65625, | |
| "learning_rate": 2.3333333333333333e-07, | |
| "loss": 3.1054, | |
| "step": 400 | |
| }, | |
| { | |
| "epoch": 1.62, | |
| "grad_norm": 0.455078125, | |
| "learning_rate": 2.3e-07, | |
| "loss": 3.039, | |
| "step": 405 | |
| }, | |
| { | |
| "epoch": 1.6400000000000001, | |
| "grad_norm": 0.76953125, | |
| "learning_rate": 2.2666666666666663e-07, | |
| "loss": 3.114, | |
| "step": 410 | |
| }, | |
| { | |
| "epoch": 1.6600000000000001, | |
| "grad_norm": 0.7109375, | |
| "learning_rate": 2.2333333333333332e-07, | |
| "loss": 3.0176, | |
| "step": 415 | |
| }, | |
| { | |
| "epoch": 1.6800000000000002, | |
| "grad_norm": 0.48046875, | |
| "learning_rate": 2.1999999999999998e-07, | |
| "loss": 3.014, | |
| "step": 420 | |
| }, | |
| { | |
| "epoch": 1.7, | |
| "grad_norm": 0.54296875, | |
| "learning_rate": 2.1666666666666667e-07, | |
| "loss": 2.9937, | |
| "step": 425 | |
| }, | |
| { | |
| "epoch": 1.72, | |
| "grad_norm": 0.474609375, | |
| "learning_rate": 2.1333333333333334e-07, | |
| "loss": 3.0268, | |
| "step": 430 | |
| }, | |
| { | |
| "epoch": 1.74, | |
| "grad_norm": 0.72265625, | |
| "learning_rate": 2.0999999999999997e-07, | |
| "loss": 3.1097, | |
| "step": 435 | |
| }, | |
| { | |
| "epoch": 1.76, | |
| "grad_norm": 0.5703125, | |
| "learning_rate": 2.0666666666666666e-07, | |
| "loss": 3.0335, | |
| "step": 440 | |
| }, | |
| { | |
| "epoch": 1.78, | |
| "grad_norm": 0.79296875, | |
| "learning_rate": 2.0333333333333333e-07, | |
| "loss": 3.0041, | |
| "step": 445 | |
| }, | |
| { | |
| "epoch": 1.8, | |
| "grad_norm": 0.59375, | |
| "learning_rate": 2e-07, | |
| "loss": 2.8949, | |
| "step": 450 | |
| }, | |
| { | |
| "epoch": 1.8199999999999998, | |
| "grad_norm": 0.482421875, | |
| "learning_rate": 1.9666666666666665e-07, | |
| "loss": 3.1279, | |
| "step": 455 | |
| }, | |
| { | |
| "epoch": 1.8399999999999999, | |
| "grad_norm": 0.61328125, | |
| "learning_rate": 1.9333333333333332e-07, | |
| "loss": 2.9593, | |
| "step": 460 | |
| }, | |
| { | |
| "epoch": 1.8599999999999999, | |
| "grad_norm": 0.4609375, | |
| "learning_rate": 1.8999999999999998e-07, | |
| "loss": 2.9162, | |
| "step": 465 | |
| }, | |
| { | |
| "epoch": 1.88, | |
| "grad_norm": 0.5703125, | |
| "learning_rate": 1.8666666666666667e-07, | |
| "loss": 3.1065, | |
| "step": 470 | |
| }, | |
| { | |
| "epoch": 1.9, | |
| "grad_norm": 0.46875, | |
| "learning_rate": 1.833333333333333e-07, | |
| "loss": 3.2712, | |
| "step": 475 | |
| }, | |
| { | |
| "epoch": 1.92, | |
| "grad_norm": 0.48046875, | |
| "learning_rate": 1.8e-07, | |
| "loss": 2.988, | |
| "step": 480 | |
| }, | |
| { | |
| "epoch": 1.94, | |
| "grad_norm": 0.51171875, | |
| "learning_rate": 1.7666666666666666e-07, | |
| "loss": 3.0023, | |
| "step": 485 | |
| }, | |
| { | |
| "epoch": 1.96, | |
| "grad_norm": 0.6484375, | |
| "learning_rate": 1.7333333333333332e-07, | |
| "loss": 3.0329, | |
| "step": 490 | |
| }, | |
| { | |
| "epoch": 1.98, | |
| "grad_norm": 0.4765625, | |
| "learning_rate": 1.7000000000000001e-07, | |
| "loss": 2.8625, | |
| "step": 495 | |
| }, | |
| { | |
| "epoch": 2.0, | |
| "grad_norm": 0.63671875, | |
| "learning_rate": 1.6666666666666665e-07, | |
| "loss": 2.9821, | |
| "step": 500 | |
| }, | |
| { | |
| "epoch": 2.0, | |
| "eval_loss": 3.0425307750701904, | |
| "eval_runtime": 37.1787, | |
| "eval_samples_per_second": 2.69, | |
| "eval_steps_per_second": 1.345, | |
| "step": 500 | |
| }, | |
| { | |
| "epoch": 2.02, | |
| "grad_norm": 0.50390625, | |
| "learning_rate": 1.6333333333333331e-07, | |
| "loss": 3.0855, | |
| "step": 505 | |
| }, | |
| { | |
| "epoch": 2.04, | |
| "grad_norm": 0.51953125, | |
| "learning_rate": 1.6e-07, | |
| "loss": 2.9503, | |
| "step": 510 | |
| }, | |
| { | |
| "epoch": 2.06, | |
| "grad_norm": 0.51171875, | |
| "learning_rate": 1.5666666666666667e-07, | |
| "loss": 2.9242, | |
| "step": 515 | |
| }, | |
| { | |
| "epoch": 2.08, | |
| "grad_norm": 0.52734375, | |
| "learning_rate": 1.533333333333333e-07, | |
| "loss": 3.1268, | |
| "step": 520 | |
| }, | |
| { | |
| "epoch": 2.1, | |
| "grad_norm": 0.439453125, | |
| "learning_rate": 1.5e-07, | |
| "loss": 3.0643, | |
| "step": 525 | |
| }, | |
| { | |
| "epoch": 2.12, | |
| "grad_norm": 0.53125, | |
| "learning_rate": 1.4666666666666666e-07, | |
| "loss": 3.0038, | |
| "step": 530 | |
| }, | |
| { | |
| "epoch": 2.14, | |
| "grad_norm": 0.46484375, | |
| "learning_rate": 1.4333333333333335e-07, | |
| "loss": 3.2325, | |
| "step": 535 | |
| }, | |
| { | |
| "epoch": 2.16, | |
| "grad_norm": 0.427734375, | |
| "learning_rate": 1.4e-07, | |
| "loss": 2.7652, | |
| "step": 540 | |
| }, | |
| { | |
| "epoch": 2.18, | |
| "grad_norm": 0.5625, | |
| "learning_rate": 1.3666666666666665e-07, | |
| "loss": 3.2086, | |
| "step": 545 | |
| }, | |
| { | |
| "epoch": 2.2, | |
| "grad_norm": 0.58203125, | |
| "learning_rate": 1.3333333333333334e-07, | |
| "loss": 3.0982, | |
| "step": 550 | |
| }, | |
| { | |
| "epoch": 2.22, | |
| "grad_norm": 0.474609375, | |
| "learning_rate": 1.3e-07, | |
| "loss": 3.1022, | |
| "step": 555 | |
| }, | |
| { | |
| "epoch": 2.24, | |
| "grad_norm": 0.41015625, | |
| "learning_rate": 1.2666666666666666e-07, | |
| "loss": 2.9948, | |
| "step": 560 | |
| }, | |
| { | |
| "epoch": 2.26, | |
| "grad_norm": 0.94921875, | |
| "learning_rate": 1.2333333333333333e-07, | |
| "loss": 3.0617, | |
| "step": 565 | |
| }, | |
| { | |
| "epoch": 2.2800000000000002, | |
| "grad_norm": 0.416015625, | |
| "learning_rate": 1.2e-07, | |
| "loss": 2.9632, | |
| "step": 570 | |
| }, | |
| { | |
| "epoch": 2.3, | |
| "grad_norm": 0.55078125, | |
| "learning_rate": 1.1666666666666667e-07, | |
| "loss": 3.0321, | |
| "step": 575 | |
| }, | |
| { | |
| "epoch": 2.32, | |
| "grad_norm": 0.44140625, | |
| "learning_rate": 1.1333333333333332e-07, | |
| "loss": 2.9494, | |
| "step": 580 | |
| }, | |
| { | |
| "epoch": 2.34, | |
| "grad_norm": 0.56640625, | |
| "learning_rate": 1.0999999999999999e-07, | |
| "loss": 2.9734, | |
| "step": 585 | |
| }, | |
| { | |
| "epoch": 2.36, | |
| "grad_norm": 0.423828125, | |
| "learning_rate": 1.0666666666666667e-07, | |
| "loss": 2.9476, | |
| "step": 590 | |
| }, | |
| { | |
| "epoch": 2.38, | |
| "grad_norm": 0.408203125, | |
| "learning_rate": 1.0333333333333333e-07, | |
| "loss": 2.9636, | |
| "step": 595 | |
| }, | |
| { | |
| "epoch": 2.4, | |
| "grad_norm": 0.353515625, | |
| "learning_rate": 1e-07, | |
| "loss": 2.9811, | |
| "step": 600 | |
| }, | |
| { | |
| "epoch": 2.42, | |
| "grad_norm": 0.58203125, | |
| "learning_rate": 9.666666666666666e-08, | |
| "loss": 3.1042, | |
| "step": 605 | |
| }, | |
| { | |
| "epoch": 2.44, | |
| "grad_norm": 0.984375, | |
| "learning_rate": 9.333333333333334e-08, | |
| "loss": 3.2165, | |
| "step": 610 | |
| }, | |
| { | |
| "epoch": 2.46, | |
| "grad_norm": 0.51171875, | |
| "learning_rate": 9e-08, | |
| "loss": 3.0101, | |
| "step": 615 | |
| }, | |
| { | |
| "epoch": 2.48, | |
| "grad_norm": 0.95703125, | |
| "learning_rate": 8.666666666666666e-08, | |
| "loss": 3.2647, | |
| "step": 620 | |
| }, | |
| { | |
| "epoch": 2.5, | |
| "grad_norm": 0.64453125, | |
| "learning_rate": 8.333333333333333e-08, | |
| "loss": 3.0509, | |
| "step": 625 | |
| }, | |
| { | |
| "epoch": 2.52, | |
| "grad_norm": 0.55859375, | |
| "learning_rate": 8e-08, | |
| "loss": 3.1422, | |
| "step": 630 | |
| }, | |
| { | |
| "epoch": 2.54, | |
| "grad_norm": 0.84765625, | |
| "learning_rate": 7.666666666666665e-08, | |
| "loss": 3.0169, | |
| "step": 635 | |
| }, | |
| { | |
| "epoch": 2.56, | |
| "grad_norm": 0.57421875, | |
| "learning_rate": 7.333333333333333e-08, | |
| "loss": 3.0908, | |
| "step": 640 | |
| }, | |
| { | |
| "epoch": 2.58, | |
| "grad_norm": 0.80078125, | |
| "learning_rate": 7e-08, | |
| "loss": 3.0154, | |
| "step": 645 | |
| }, | |
| { | |
| "epoch": 2.6, | |
| "grad_norm": 0.625, | |
| "learning_rate": 6.666666666666667e-08, | |
| "loss": 2.9793, | |
| "step": 650 | |
| }, | |
| { | |
| "epoch": 2.62, | |
| "grad_norm": 0.55078125, | |
| "learning_rate": 6.333333333333333e-08, | |
| "loss": 3.2019, | |
| "step": 655 | |
| }, | |
| { | |
| "epoch": 2.64, | |
| "grad_norm": 0.63671875, | |
| "learning_rate": 6e-08, | |
| "loss": 3.2179, | |
| "step": 660 | |
| }, | |
| { | |
| "epoch": 2.66, | |
| "grad_norm": 0.5546875, | |
| "learning_rate": 5.666666666666666e-08, | |
| "loss": 2.9562, | |
| "step": 665 | |
| }, | |
| { | |
| "epoch": 2.68, | |
| "grad_norm": 0.7890625, | |
| "learning_rate": 5.3333333333333334e-08, | |
| "loss": 3.1532, | |
| "step": 670 | |
| }, | |
| { | |
| "epoch": 2.7, | |
| "grad_norm": 0.546875, | |
| "learning_rate": 5e-08, | |
| "loss": 2.8235, | |
| "step": 675 | |
| }, | |
| { | |
| "epoch": 2.7199999999999998, | |
| "grad_norm": 0.703125, | |
| "learning_rate": 4.666666666666667e-08, | |
| "loss": 2.999, | |
| "step": 680 | |
| }, | |
| { | |
| "epoch": 2.74, | |
| "grad_norm": 0.396484375, | |
| "learning_rate": 4.333333333333333e-08, | |
| "loss": 3.1061, | |
| "step": 685 | |
| }, | |
| { | |
| "epoch": 2.76, | |
| "grad_norm": 0.427734375, | |
| "learning_rate": 4e-08, | |
| "loss": 3.0664, | |
| "step": 690 | |
| }, | |
| { | |
| "epoch": 2.7800000000000002, | |
| "grad_norm": 0.85546875, | |
| "learning_rate": 3.6666666666666664e-08, | |
| "loss": 3.0183, | |
| "step": 695 | |
| }, | |
| { | |
| "epoch": 2.8, | |
| "grad_norm": 0.58984375, | |
| "learning_rate": 3.3333333333333334e-08, | |
| "loss": 2.9407, | |
| "step": 700 | |
| }, | |
| { | |
| "epoch": 2.82, | |
| "grad_norm": 0.6875, | |
| "learning_rate": 3e-08, | |
| "loss": 2.9318, | |
| "step": 705 | |
| }, | |
| { | |
| "epoch": 2.84, | |
| "grad_norm": 0.68359375, | |
| "learning_rate": 2.6666666666666667e-08, | |
| "loss": 3.0431, | |
| "step": 710 | |
| }, | |
| { | |
| "epoch": 2.86, | |
| "grad_norm": 0.74609375, | |
| "learning_rate": 2.3333333333333334e-08, | |
| "loss": 2.9694, | |
| "step": 715 | |
| }, | |
| { | |
| "epoch": 2.88, | |
| "grad_norm": 0.4453125, | |
| "learning_rate": 2e-08, | |
| "loss": 2.9251, | |
| "step": 720 | |
| }, | |
| { | |
| "epoch": 2.9, | |
| "grad_norm": 0.439453125, | |
| "learning_rate": 1.6666666666666667e-08, | |
| "loss": 3.0582, | |
| "step": 725 | |
| }, | |
| { | |
| "epoch": 2.92, | |
| "grad_norm": 0.4140625, | |
| "learning_rate": 1.3333333333333334e-08, | |
| "loss": 2.835, | |
| "step": 730 | |
| }, | |
| { | |
| "epoch": 2.94, | |
| "grad_norm": 0.44140625, | |
| "learning_rate": 1e-08, | |
| "loss": 2.9812, | |
| "step": 735 | |
| }, | |
| { | |
| "epoch": 2.96, | |
| "grad_norm": 0.55859375, | |
| "learning_rate": 6.666666666666667e-09, | |
| "loss": 3.3347, | |
| "step": 740 | |
| }, | |
| { | |
| "epoch": 2.98, | |
| "grad_norm": 0.421875, | |
| "learning_rate": 3.3333333333333334e-09, | |
| "loss": 3.1562, | |
| "step": 745 | |
| }, | |
| { | |
| "epoch": 3.0, | |
| "grad_norm": 0.37890625, | |
| "learning_rate": 0.0, | |
| "loss": 2.9724, | |
| "step": 750 | |
| }, | |
| { | |
| "epoch": 3.0, | |
| "eval_loss": 3.042874813079834, | |
| "eval_runtime": 37.1498, | |
| "eval_samples_per_second": 2.692, | |
| "eval_steps_per_second": 1.346, | |
| "step": 750 | |
| }, | |
| { | |
| "epoch": 3.0, | |
| "step": 750, | |
| "total_flos": 3617591393476608.0, | |
| "train_loss": 3.0439649012883505, | |
| "train_runtime": 1336.343, | |
| "train_samples_per_second": 1.122, | |
| "train_steps_per_second": 0.561 | |
| } | |
| ], | |
| "logging_steps": 5, | |
| "max_steps": 750, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 3, | |
| "save_steps": 500, | |
| "stateful_callbacks": { | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": false, | |
| "should_training_stop": false | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 3617591393476608.0, | |
| "train_batch_size": 2, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |