File size: 6,708 Bytes
5808771
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 6.857142857142857,
  "eval_steps": 50.0,
  "global_step": 24,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.2857142857142857,
      "grad_norm": 0.14930766820907593,
      "learning_rate": 9.583333333333334e-05,
      "loss": 8.9408,
      "step": 1
    },
    {
      "epoch": 0.5714285714285714,
      "grad_norm": 0.12185841798782349,
      "learning_rate": 9.166666666666667e-05,
      "loss": 8.8871,
      "step": 2
    },
    {
      "epoch": 0.8571428571428571,
      "grad_norm": 0.22343124449253082,
      "learning_rate": 8.75e-05,
      "loss": 8.875,
      "step": 3
    },
    {
      "epoch": 0.8571428571428571,
      "eval_clap": 0.067754365503788,
      "eval_loss": 4.407386302947998,
      "eval_runtime": 209.2468,
      "eval_samples_per_second": 0.038,
      "eval_steps_per_second": 0.038,
      "step": 3
    },
    {
      "epoch": 1.1428571428571428,
      "grad_norm": 0.302925169467926,
      "learning_rate": 8.333333333333334e-05,
      "loss": 8.8616,
      "step": 4
    },
    {
      "epoch": 1.4285714285714286,
      "grad_norm": 0.30731210112571716,
      "learning_rate": 7.916666666666666e-05,
      "loss": 8.8302,
      "step": 5
    },
    {
      "epoch": 1.7142857142857144,
      "grad_norm": 0.35163554549217224,
      "learning_rate": 7.500000000000001e-05,
      "loss": 8.7832,
      "step": 6
    },
    {
      "epoch": 2.0,
      "grad_norm": 0.40824490785598755,
      "learning_rate": 7.083333333333334e-05,
      "loss": 8.7074,
      "step": 7
    },
    {
      "epoch": 2.0,
      "eval_clap": 0.05861677974462509,
      "eval_loss": 4.424124717712402,
      "eval_runtime": 209.036,
      "eval_samples_per_second": 0.038,
      "eval_steps_per_second": 0.038,
      "step": 7
    },
    {
      "epoch": 2.2857142857142856,
      "grad_norm": 0.5694748759269714,
      "learning_rate": 6.666666666666667e-05,
      "loss": 8.6684,
      "step": 8
    },
    {
      "epoch": 2.571428571428571,
      "grad_norm": 0.4113900065422058,
      "learning_rate": 6.25e-05,
      "loss": 8.6663,
      "step": 9
    },
    {
      "epoch": 2.857142857142857,
      "grad_norm": 0.4741291403770447,
      "learning_rate": 5.833333333333334e-05,
      "loss": 8.6372,
      "step": 10
    },
    {
      "epoch": 2.857142857142857,
      "eval_clap": 0.0703531801700592,
      "eval_loss": 4.461740493774414,
      "eval_runtime": 217.2072,
      "eval_samples_per_second": 0.037,
      "eval_steps_per_second": 0.037,
      "step": 10
    },
    {
      "epoch": 3.142857142857143,
      "grad_norm": 0.5966173410415649,
      "learning_rate": 5.4166666666666664e-05,
      "loss": 8.5292,
      "step": 11
    },
    {
      "epoch": 3.4285714285714284,
      "grad_norm": 0.4768383204936981,
      "learning_rate": 5e-05,
      "loss": 8.5238,
      "step": 12
    },
    {
      "epoch": 3.7142857142857144,
      "grad_norm": 0.5463787913322449,
      "learning_rate": 4.5833333333333334e-05,
      "loss": 8.5916,
      "step": 13
    },
    {
      "epoch": 4.0,
      "grad_norm": 0.5644258856773376,
      "learning_rate": 4.166666666666667e-05,
      "loss": 8.5145,
      "step": 14
    },
    {
      "epoch": 4.0,
      "eval_clap": 0.05660417675971985,
      "eval_loss": 4.537668228149414,
      "eval_runtime": 215.7023,
      "eval_samples_per_second": 0.037,
      "eval_steps_per_second": 0.037,
      "step": 14
    },
    {
      "epoch": 4.285714285714286,
      "grad_norm": 0.4694964587688446,
      "learning_rate": 3.7500000000000003e-05,
      "loss": 8.446,
      "step": 15
    },
    {
      "epoch": 4.571428571428571,
      "grad_norm": 0.5955868363380432,
      "learning_rate": 3.3333333333333335e-05,
      "loss": 8.5089,
      "step": 16
    },
    {
      "epoch": 4.857142857142857,
      "grad_norm": 0.5509549975395203,
      "learning_rate": 2.916666666666667e-05,
      "loss": 8.4215,
      "step": 17
    },
    {
      "epoch": 4.857142857142857,
      "eval_clap": 0.056698545813560486,
      "eval_loss": 4.5900163650512695,
      "eval_runtime": 209.8722,
      "eval_samples_per_second": 0.038,
      "eval_steps_per_second": 0.038,
      "step": 17
    },
    {
      "epoch": 5.142857142857143,
      "grad_norm": 0.6947008967399597,
      "learning_rate": 2.5e-05,
      "loss": 8.4253,
      "step": 18
    },
    {
      "epoch": 5.428571428571429,
      "grad_norm": 0.609464168548584,
      "learning_rate": 2.0833333333333336e-05,
      "loss": 8.4624,
      "step": 19
    },
    {
      "epoch": 5.714285714285714,
      "grad_norm": 0.49679213762283325,
      "learning_rate": 1.6666666666666667e-05,
      "loss": 8.3189,
      "step": 20
    },
    {
      "epoch": 6.0,
      "grad_norm": 0.6397719383239746,
      "learning_rate": 1.25e-05,
      "loss": 8.4121,
      "step": 21
    },
    {
      "epoch": 6.0,
      "eval_clap": 0.03204277530312538,
      "eval_loss": 4.638527870178223,
      "eval_runtime": 216.9058,
      "eval_samples_per_second": 0.037,
      "eval_steps_per_second": 0.037,
      "step": 21
    },
    {
      "epoch": 6.285714285714286,
      "grad_norm": 0.6107072830200195,
      "learning_rate": 8.333333333333334e-06,
      "loss": 8.3785,
      "step": 22
    },
    {
      "epoch": 6.571428571428571,
      "grad_norm": 0.553840696811676,
      "learning_rate": 4.166666666666667e-06,
      "loss": 8.3048,
      "step": 23
    },
    {
      "epoch": 6.857142857142857,
      "grad_norm": 0.5590672492980957,
      "learning_rate": 0.0,
      "loss": 8.377,
      "step": 24
    },
    {
      "epoch": 6.857142857142857,
      "eval_clap": 0.053874481469392776,
      "eval_loss": 4.658874988555908,
      "eval_runtime": 216.879,
      "eval_samples_per_second": 0.037,
      "eval_steps_per_second": 0.037,
      "step": 24
    },
    {
      "epoch": 6.857142857142857,
      "step": 24,
      "total_flos": 22951666441296.0,
      "train_loss": 8.58632747332255,
      "train_runtime": 1809.0113,
      "train_samples_per_second": 0.239,
      "train_steps_per_second": 0.013
    }
  ],
  "logging_steps": 1.0,
  "max_steps": 24,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 8,
  "save_steps": 500,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": true
      },
      "attributes": {}
    }
  },
  "total_flos": 22951666441296.0,
  "train_batch_size": 4,
  "trial_name": null,
  "trial_params": null
}