| { | |
| "best_metric": 1.311687707901001, | |
| "best_model_checkpoint": "./output/checkpoints/2024-06-11_13-53-54/checkpoint-10", | |
| "epoch": 3.0, | |
| "eval_steps": 1, | |
| "global_step": 54, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.05555555555555555, | |
| "grad_norm": 1.9413901567459106, | |
| "learning_rate": 6.666666666666667e-05, | |
| "loss": 3.544, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.05555555555555555, | |
| "eval_loss": 3.981394052505493, | |
| "eval_runtime": 12.5428, | |
| "eval_samples_per_second": 11.401, | |
| "eval_steps_per_second": 0.718, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.1111111111111111, | |
| "grad_norm": 2.0220563411712646, | |
| "learning_rate": 0.00013333333333333334, | |
| "loss": 3.6373, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.1111111111111111, | |
| "eval_loss": 3.788512706756592, | |
| "eval_runtime": 12.6976, | |
| "eval_samples_per_second": 11.262, | |
| "eval_steps_per_second": 0.709, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.16666666666666666, | |
| "grad_norm": 1.90468430519104, | |
| "learning_rate": 0.0002, | |
| "loss": 3.3119, | |
| "step": 3 | |
| }, | |
| { | |
| "epoch": 0.16666666666666666, | |
| "eval_loss": 3.026510238647461, | |
| "eval_runtime": 12.655, | |
| "eval_samples_per_second": 11.3, | |
| "eval_steps_per_second": 0.711, | |
| "step": 3 | |
| }, | |
| { | |
| "epoch": 0.2222222222222222, | |
| "grad_norm": 2.224761724472046, | |
| "learning_rate": 0.0002666666666666667, | |
| "loss": 2.5408, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.2222222222222222, | |
| "eval_loss": 2.1147303581237793, | |
| "eval_runtime": 12.7118, | |
| "eval_samples_per_second": 11.249, | |
| "eval_steps_per_second": 0.708, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.2777777777777778, | |
| "grad_norm": 1.1557661294937134, | |
| "learning_rate": 0.0003333333333333334, | |
| "loss": 1.7003, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 0.2777777777777778, | |
| "eval_loss": 1.702366590499878, | |
| "eval_runtime": 12.7156, | |
| "eval_samples_per_second": 11.246, | |
| "eval_steps_per_second": 0.708, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 0.3333333333333333, | |
| "grad_norm": 1.0826658010482788, | |
| "learning_rate": 0.0004, | |
| "loss": 1.3464, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 0.3333333333333333, | |
| "eval_loss": 1.4100245237350464, | |
| "eval_runtime": 12.7488, | |
| "eval_samples_per_second": 11.217, | |
| "eval_steps_per_second": 0.706, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 0.3888888888888889, | |
| "grad_norm": 0.7294781804084778, | |
| "learning_rate": 0.0003916666666666667, | |
| "loss": 1.0757, | |
| "step": 7 | |
| }, | |
| { | |
| "epoch": 0.3888888888888889, | |
| "eval_loss": 1.2797588109970093, | |
| "eval_runtime": 12.7015, | |
| "eval_samples_per_second": 11.259, | |
| "eval_steps_per_second": 0.709, | |
| "step": 7 | |
| }, | |
| { | |
| "epoch": 0.4444444444444444, | |
| "grad_norm": 0.6977319121360779, | |
| "learning_rate": 0.00038333333333333334, | |
| "loss": 0.9387, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 0.4444444444444444, | |
| "eval_loss": 1.233304738998413, | |
| "eval_runtime": 12.7924, | |
| "eval_samples_per_second": 11.179, | |
| "eval_steps_per_second": 0.704, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 0.5, | |
| "grad_norm": 0.25461432337760925, | |
| "learning_rate": 0.000375, | |
| "loss": 0.8435, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 0.5, | |
| "eval_loss": 1.256897211074829, | |
| "eval_runtime": 12.7345, | |
| "eval_samples_per_second": 11.229, | |
| "eval_steps_per_second": 0.707, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 0.5555555555555556, | |
| "grad_norm": 0.20771068334579468, | |
| "learning_rate": 0.00036666666666666667, | |
| "loss": 0.7791, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.5555555555555556, | |
| "eval_loss": 1.311687707901001, | |
| "eval_runtime": 12.7288, | |
| "eval_samples_per_second": 11.234, | |
| "eval_steps_per_second": 0.707, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.6111111111111112, | |
| "grad_norm": 0.24797727167606354, | |
| "learning_rate": 0.0003583333333333334, | |
| "loss": 0.7485, | |
| "step": 11 | |
| }, | |
| { | |
| "epoch": 0.6111111111111112, | |
| "eval_loss": 1.3500157594680786, | |
| "eval_runtime": 12.7478, | |
| "eval_samples_per_second": 11.218, | |
| "eval_steps_per_second": 0.706, | |
| "step": 11 | |
| }, | |
| { | |
| "epoch": 0.6666666666666666, | |
| "grad_norm": 0.23104745149612427, | |
| "learning_rate": 0.00035, | |
| "loss": 0.6892, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 0.6666666666666666, | |
| "eval_loss": 1.3617342710494995, | |
| "eval_runtime": 12.6893, | |
| "eval_samples_per_second": 11.269, | |
| "eval_steps_per_second": 0.709, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 0.7222222222222222, | |
| "grad_norm": 0.16125920414924622, | |
| "learning_rate": 0.00034166666666666666, | |
| "loss": 0.6602, | |
| "step": 13 | |
| }, | |
| { | |
| "epoch": 0.7222222222222222, | |
| "eval_loss": 1.3614617586135864, | |
| "eval_runtime": 12.6941, | |
| "eval_samples_per_second": 11.265, | |
| "eval_steps_per_second": 0.709, | |
| "step": 13 | |
| }, | |
| { | |
| "epoch": 0.7777777777777778, | |
| "grad_norm": 0.1296168714761734, | |
| "learning_rate": 0.0003333333333333334, | |
| "loss": 0.6505, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 0.7777777777777778, | |
| "eval_loss": 1.3570654392242432, | |
| "eval_runtime": 12.7115, | |
| "eval_samples_per_second": 11.25, | |
| "eval_steps_per_second": 0.708, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 0.8333333333333334, | |
| "grad_norm": 0.14436963200569153, | |
| "learning_rate": 0.00032500000000000004, | |
| "loss": 0.6267, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 0.8333333333333334, | |
| "eval_loss": 1.3531259298324585, | |
| "eval_runtime": 12.7384, | |
| "eval_samples_per_second": 11.226, | |
| "eval_steps_per_second": 0.707, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 0.8888888888888888, | |
| "grad_norm": 0.1280059963464737, | |
| "learning_rate": 0.00031666666666666665, | |
| "loss": 0.6341, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 0.8888888888888888, | |
| "eval_loss": 1.3554112911224365, | |
| "eval_runtime": 12.8038, | |
| "eval_samples_per_second": 11.169, | |
| "eval_steps_per_second": 0.703, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 0.9444444444444444, | |
| "grad_norm": 0.09258498251438141, | |
| "learning_rate": 0.00030833333333333337, | |
| "loss": 0.6277, | |
| "step": 17 | |
| }, | |
| { | |
| "epoch": 0.9444444444444444, | |
| "eval_loss": 1.3708301782608032, | |
| "eval_runtime": 12.7261, | |
| "eval_samples_per_second": 11.237, | |
| "eval_steps_per_second": 0.707, | |
| "step": 17 | |
| }, | |
| { | |
| "epoch": 1.0, | |
| "grad_norm": 0.14155693352222443, | |
| "learning_rate": 0.00030000000000000003, | |
| "loss": 0.6253, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 1.0, | |
| "eval_loss": 1.3944224119186401, | |
| "eval_runtime": 12.6915, | |
| "eval_samples_per_second": 11.267, | |
| "eval_steps_per_second": 0.709, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 1.0555555555555556, | |
| "grad_norm": 0.07174329459667206, | |
| "learning_rate": 0.0002916666666666667, | |
| "loss": 0.5724, | |
| "step": 19 | |
| }, | |
| { | |
| "epoch": 1.0555555555555556, | |
| "eval_loss": 1.4162791967391968, | |
| "eval_runtime": 12.8162, | |
| "eval_samples_per_second": 11.158, | |
| "eval_steps_per_second": 0.702, | |
| "step": 19 | |
| }, | |
| { | |
| "epoch": 1.1111111111111112, | |
| "grad_norm": 0.06882944703102112, | |
| "learning_rate": 0.00028333333333333335, | |
| "loss": 0.6061, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 1.1111111111111112, | |
| "eval_loss": 1.4311778545379639, | |
| "eval_runtime": 12.7151, | |
| "eval_samples_per_second": 11.246, | |
| "eval_steps_per_second": 0.708, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 1.1666666666666667, | |
| "grad_norm": 0.07908931374549866, | |
| "learning_rate": 0.000275, | |
| "loss": 0.5886, | |
| "step": 21 | |
| }, | |
| { | |
| "epoch": 1.1666666666666667, | |
| "eval_loss": 1.4312688112258911, | |
| "eval_runtime": 12.7335, | |
| "eval_samples_per_second": 11.23, | |
| "eval_steps_per_second": 0.707, | |
| "step": 21 | |
| }, | |
| { | |
| "epoch": 1.2222222222222223, | |
| "grad_norm": 0.07461100816726685, | |
| "learning_rate": 0.0002666666666666667, | |
| "loss": 0.5774, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 1.2222222222222223, | |
| "eval_loss": 1.4189623594284058, | |
| "eval_runtime": 12.7737, | |
| "eval_samples_per_second": 11.195, | |
| "eval_steps_per_second": 0.705, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 1.2777777777777777, | |
| "grad_norm": 0.06924545019865036, | |
| "learning_rate": 0.00025833333333333334, | |
| "loss": 0.5735, | |
| "step": 23 | |
| }, | |
| { | |
| "epoch": 1.2777777777777777, | |
| "eval_loss": 1.3990516662597656, | |
| "eval_runtime": 12.8077, | |
| "eval_samples_per_second": 11.165, | |
| "eval_steps_per_second": 0.703, | |
| "step": 23 | |
| }, | |
| { | |
| "epoch": 1.3333333333333333, | |
| "grad_norm": 0.056572116911411285, | |
| "learning_rate": 0.00025, | |
| "loss": 0.563, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 1.3333333333333333, | |
| "eval_loss": 1.3818256855010986, | |
| "eval_runtime": 12.7694, | |
| "eval_samples_per_second": 11.199, | |
| "eval_steps_per_second": 0.705, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 1.3888888888888888, | |
| "grad_norm": 0.05974334850907326, | |
| "learning_rate": 0.00024166666666666667, | |
| "loss": 0.5334, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 1.3888888888888888, | |
| "eval_loss": 1.3698084354400635, | |
| "eval_runtime": 12.7833, | |
| "eval_samples_per_second": 11.187, | |
| "eval_steps_per_second": 0.704, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 1.4444444444444444, | |
| "grad_norm": 0.05873117223381996, | |
| "learning_rate": 0.00023333333333333336, | |
| "loss": 0.5687, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 1.4444444444444444, | |
| "eval_loss": 1.3634446859359741, | |
| "eval_runtime": 12.7332, | |
| "eval_samples_per_second": 11.23, | |
| "eval_steps_per_second": 0.707, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 1.5, | |
| "grad_norm": 0.0712776780128479, | |
| "learning_rate": 0.00022500000000000002, | |
| "loss": 0.5681, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 1.5, | |
| "eval_loss": 1.3670543432235718, | |
| "eval_runtime": 12.7169, | |
| "eval_samples_per_second": 11.245, | |
| "eval_steps_per_second": 0.708, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 1.5555555555555556, | |
| "grad_norm": 0.06001581624150276, | |
| "learning_rate": 0.00021666666666666666, | |
| "loss": 0.5831, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 1.5555555555555556, | |
| "eval_loss": 1.3755391836166382, | |
| "eval_runtime": 12.7091, | |
| "eval_samples_per_second": 11.252, | |
| "eval_steps_per_second": 0.708, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 1.6111111111111112, | |
| "grad_norm": 0.059290554374456406, | |
| "learning_rate": 0.00020833333333333335, | |
| "loss": 0.5163, | |
| "step": 29 | |
| }, | |
| { | |
| "epoch": 1.6111111111111112, | |
| "eval_loss": 1.3861252069473267, | |
| "eval_runtime": 12.7394, | |
| "eval_samples_per_second": 11.225, | |
| "eval_steps_per_second": 0.706, | |
| "step": 29 | |
| }, | |
| { | |
| "epoch": 1.6666666666666665, | |
| "grad_norm": 0.05152224004268646, | |
| "learning_rate": 0.0002, | |
| "loss": 0.5735, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 1.6666666666666665, | |
| "eval_loss": 1.3946057558059692, | |
| "eval_runtime": 12.7631, | |
| "eval_samples_per_second": 11.204, | |
| "eval_steps_per_second": 0.705, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 1.7222222222222223, | |
| "grad_norm": 0.053750913590192795, | |
| "learning_rate": 0.00019166666666666667, | |
| "loss": 0.5616, | |
| "step": 31 | |
| }, | |
| { | |
| "epoch": 1.7222222222222223, | |
| "eval_loss": 1.4017627239227295, | |
| "eval_runtime": 12.7518, | |
| "eval_samples_per_second": 11.214, | |
| "eval_steps_per_second": 0.706, | |
| "step": 31 | |
| }, | |
| { | |
| "epoch": 1.7777777777777777, | |
| "grad_norm": 0.061749089509248734, | |
| "learning_rate": 0.00018333333333333334, | |
| "loss": 0.5418, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 1.7777777777777777, | |
| "eval_loss": 1.4021672010421753, | |
| "eval_runtime": 13.2584, | |
| "eval_samples_per_second": 10.786, | |
| "eval_steps_per_second": 0.679, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 1.8333333333333335, | |
| "grad_norm": 0.055768076330423355, | |
| "learning_rate": 0.000175, | |
| "loss": 0.5447, | |
| "step": 33 | |
| }, | |
| { | |
| "epoch": 1.8333333333333335, | |
| "eval_loss": 1.4005753993988037, | |
| "eval_runtime": 12.8325, | |
| "eval_samples_per_second": 11.144, | |
| "eval_steps_per_second": 0.701, | |
| "step": 33 | |
| }, | |
| { | |
| "epoch": 1.8888888888888888, | |
| "grad_norm": 0.058024097234010696, | |
| "learning_rate": 0.0001666666666666667, | |
| "loss": 0.5612, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 1.8888888888888888, | |
| "eval_loss": 1.3969610929489136, | |
| "eval_runtime": 12.7822, | |
| "eval_samples_per_second": 11.187, | |
| "eval_steps_per_second": 0.704, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 1.9444444444444444, | |
| "grad_norm": 0.055260155349969864, | |
| "learning_rate": 0.00015833333333333332, | |
| "loss": 0.5652, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 1.9444444444444444, | |
| "eval_loss": 1.3906365633010864, | |
| "eval_runtime": 12.7076, | |
| "eval_samples_per_second": 11.253, | |
| "eval_steps_per_second": 0.708, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 2.0, | |
| "grad_norm": 0.12786947190761566, | |
| "learning_rate": 0.00015000000000000001, | |
| "loss": 0.5689, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 2.0, | |
| "eval_loss": 1.3780609369277954, | |
| "eval_runtime": 12.722, | |
| "eval_samples_per_second": 11.24, | |
| "eval_steps_per_second": 0.707, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 2.0555555555555554, | |
| "grad_norm": 0.05128234624862671, | |
| "learning_rate": 0.00014166666666666668, | |
| "loss": 0.5399, | |
| "step": 37 | |
| }, | |
| { | |
| "epoch": 2.0555555555555554, | |
| "eval_loss": 1.3723970651626587, | |
| "eval_runtime": 12.7179, | |
| "eval_samples_per_second": 11.244, | |
| "eval_steps_per_second": 0.708, | |
| "step": 37 | |
| }, | |
| { | |
| "epoch": 2.111111111111111, | |
| "grad_norm": 0.06030972674489021, | |
| "learning_rate": 0.00013333333333333334, | |
| "loss": 0.534, | |
| "step": 38 | |
| }, | |
| { | |
| "epoch": 2.111111111111111, | |
| "eval_loss": 1.3728123903274536, | |
| "eval_runtime": 12.7597, | |
| "eval_samples_per_second": 11.207, | |
| "eval_steps_per_second": 0.705, | |
| "step": 38 | |
| }, | |
| { | |
| "epoch": 2.1666666666666665, | |
| "grad_norm": 0.049170780926942825, | |
| "learning_rate": 0.000125, | |
| "loss": 0.533, | |
| "step": 39 | |
| }, | |
| { | |
| "epoch": 2.1666666666666665, | |
| "eval_loss": 1.375289797782898, | |
| "eval_runtime": 12.8384, | |
| "eval_samples_per_second": 11.138, | |
| "eval_steps_per_second": 0.701, | |
| "step": 39 | |
| }, | |
| { | |
| "epoch": 2.2222222222222223, | |
| "grad_norm": 0.05079694464802742, | |
| "learning_rate": 0.00011666666666666668, | |
| "loss": 0.5336, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 2.2222222222222223, | |
| "eval_loss": 1.3813451528549194, | |
| "eval_runtime": 12.7475, | |
| "eval_samples_per_second": 11.218, | |
| "eval_steps_per_second": 0.706, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 2.2777777777777777, | |
| "grad_norm": 0.046478718519210815, | |
| "learning_rate": 0.00010833333333333333, | |
| "loss": 0.5386, | |
| "step": 41 | |
| }, | |
| { | |
| "epoch": 2.2777777777777777, | |
| "eval_loss": 1.3882359266281128, | |
| "eval_runtime": 12.7759, | |
| "eval_samples_per_second": 11.193, | |
| "eval_steps_per_second": 0.704, | |
| "step": 41 | |
| }, | |
| { | |
| "epoch": 2.3333333333333335, | |
| "grad_norm": 0.05194352567195892, | |
| "learning_rate": 0.0001, | |
| "loss": 0.5277, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 2.3333333333333335, | |
| "eval_loss": 1.396583080291748, | |
| "eval_runtime": 12.776, | |
| "eval_samples_per_second": 11.193, | |
| "eval_steps_per_second": 0.704, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 2.388888888888889, | |
| "grad_norm": 0.048547472804784775, | |
| "learning_rate": 9.166666666666667e-05, | |
| "loss": 0.5222, | |
| "step": 43 | |
| }, | |
| { | |
| "epoch": 2.388888888888889, | |
| "eval_loss": 1.4045826196670532, | |
| "eval_runtime": 12.7747, | |
| "eval_samples_per_second": 11.194, | |
| "eval_steps_per_second": 0.705, | |
| "step": 43 | |
| }, | |
| { | |
| "epoch": 2.4444444444444446, | |
| "grad_norm": 0.04673220217227936, | |
| "learning_rate": 8.333333333333334e-05, | |
| "loss": 0.5182, | |
| "step": 44 | |
| }, | |
| { | |
| "epoch": 2.4444444444444446, | |
| "eval_loss": 1.4115573167800903, | |
| "eval_runtime": 12.7319, | |
| "eval_samples_per_second": 11.232, | |
| "eval_steps_per_second": 0.707, | |
| "step": 44 | |
| }, | |
| { | |
| "epoch": 2.5, | |
| "grad_norm": 0.04925357550382614, | |
| "learning_rate": 7.500000000000001e-05, | |
| "loss": 0.544, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 2.5, | |
| "eval_loss": 1.417358160018921, | |
| "eval_runtime": 12.8413, | |
| "eval_samples_per_second": 11.136, | |
| "eval_steps_per_second": 0.701, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 2.5555555555555554, | |
| "grad_norm": 0.05455848202109337, | |
| "learning_rate": 6.666666666666667e-05, | |
| "loss": 0.5309, | |
| "step": 46 | |
| }, | |
| { | |
| "epoch": 2.5555555555555554, | |
| "eval_loss": 1.420274257659912, | |
| "eval_runtime": 12.7701, | |
| "eval_samples_per_second": 11.198, | |
| "eval_steps_per_second": 0.705, | |
| "step": 46 | |
| }, | |
| { | |
| "epoch": 2.611111111111111, | |
| "grad_norm": 0.0490451417863369, | |
| "learning_rate": 5.833333333333334e-05, | |
| "loss": 0.5514, | |
| "step": 47 | |
| }, | |
| { | |
| "epoch": 2.611111111111111, | |
| "eval_loss": 1.4224988222122192, | |
| "eval_runtime": 12.8347, | |
| "eval_samples_per_second": 11.142, | |
| "eval_steps_per_second": 0.701, | |
| "step": 47 | |
| }, | |
| { | |
| "epoch": 2.6666666666666665, | |
| "grad_norm": 0.049362048506736755, | |
| "learning_rate": 5e-05, | |
| "loss": 0.5202, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 2.6666666666666665, | |
| "eval_loss": 1.423671007156372, | |
| "eval_runtime": 12.7791, | |
| "eval_samples_per_second": 11.19, | |
| "eval_steps_per_second": 0.704, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 2.7222222222222223, | |
| "grad_norm": 0.05601557716727257, | |
| "learning_rate": 4.166666666666667e-05, | |
| "loss": 0.5429, | |
| "step": 49 | |
| }, | |
| { | |
| "epoch": 2.7222222222222223, | |
| "eval_loss": 1.422905683517456, | |
| "eval_runtime": 12.7552, | |
| "eval_samples_per_second": 11.211, | |
| "eval_steps_per_second": 0.706, | |
| "step": 49 | |
| }, | |
| { | |
| "epoch": 2.7777777777777777, | |
| "grad_norm": 0.052850477397441864, | |
| "learning_rate": 3.3333333333333335e-05, | |
| "loss": 0.5306, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 2.7777777777777777, | |
| "eval_loss": 1.4214112758636475, | |
| "eval_runtime": 12.8332, | |
| "eval_samples_per_second": 11.143, | |
| "eval_steps_per_second": 0.701, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 2.8333333333333335, | |
| "grad_norm": 0.06296616047620773, | |
| "learning_rate": 2.5e-05, | |
| "loss": 0.535, | |
| "step": 51 | |
| }, | |
| { | |
| "epoch": 2.8333333333333335, | |
| "eval_loss": 1.4192702770233154, | |
| "eval_runtime": 12.7525, | |
| "eval_samples_per_second": 11.213, | |
| "eval_steps_per_second": 0.706, | |
| "step": 51 | |
| }, | |
| { | |
| "epoch": 2.888888888888889, | |
| "grad_norm": 0.06152864173054695, | |
| "learning_rate": 1.6666666666666667e-05, | |
| "loss": 0.5389, | |
| "step": 52 | |
| }, | |
| { | |
| "epoch": 2.888888888888889, | |
| "eval_loss": 1.4175350666046143, | |
| "eval_runtime": 12.72, | |
| "eval_samples_per_second": 11.242, | |
| "eval_steps_per_second": 0.708, | |
| "step": 52 | |
| }, | |
| { | |
| "epoch": 2.9444444444444446, | |
| "grad_norm": 0.04936552420258522, | |
| "learning_rate": 8.333333333333334e-06, | |
| "loss": 0.5438, | |
| "step": 53 | |
| }, | |
| { | |
| "epoch": 2.9444444444444446, | |
| "eval_loss": 1.4166295528411865, | |
| "eval_runtime": 12.785, | |
| "eval_samples_per_second": 11.185, | |
| "eval_steps_per_second": 0.704, | |
| "step": 53 | |
| }, | |
| { | |
| "epoch": 3.0, | |
| "grad_norm": 0.11227822303771973, | |
| "learning_rate": 0.0, | |
| "loss": 0.5125, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 3.0, | |
| "eval_loss": 1.416577696800232, | |
| "eval_runtime": 12.7343, | |
| "eval_samples_per_second": 11.229, | |
| "eval_steps_per_second": 0.707, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 3.0, | |
| "step": 54, | |
| "total_flos": 1.908935806471373e+16, | |
| "train_loss": 0.828608477557147, | |
| "train_runtime": 1175.7023, | |
| "train_samples_per_second": 1.401, | |
| "train_steps_per_second": 0.046 | |
| } | |
| ], | |
| "logging_steps": 1, | |
| "max_steps": 54, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 3, | |
| "save_steps": 10, | |
| "stateful_callbacks": { | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": false | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 1.908935806471373e+16, | |
| "train_batch_size": 32, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |