End of training

trainer_state.json

@@ -10,96 +10,96 @@
   "log_history": [
     {
       "epoch": 0.32,
-      "grad_norm": 26.471220016479492,
-      "learning_rate": 0.00018333333333333334,
-      "loss": 9.5727,
+      "grad_norm": 20.783666610717773,
+      "learning_rate": 9.166666666666667e-05,
+      "loss": 9.056,
       "step": 2
     },
     {
       "epoch": 0.64,
-      "grad_norm": 52.892364501953125,
-      "learning_rate": 0.0001666666666666667,
-      "loss": 9.6492,
+      "grad_norm": 8.394305229187012,
+      "learning_rate": 8.333333333333334e-05,
+      "loss": 7.8186,
       "step": 4
     },
     {
       "epoch": 0.96,
-      "grad_norm": 2.5865585803985596,
-      "learning_rate": 0.00015000000000000001,
-      "loss": 8.3693,
+      "grad_norm": 118.83284759521484,
+      "learning_rate": 7.500000000000001e-05,
+      "loss": 7.813,
       "step": 6
     },
     {
       "epoch": 1.16,
-      "grad_norm": 29.650924682617188,
-      "learning_rate": 0.00013333333333333334,
-      "loss": 4.9614,
+      "grad_norm": 2.4560327529907227,
+      "learning_rate": 6.666666666666667e-05,
+      "loss": 4.6111,
       "step": 8
     },
     {
       "epoch": 1.48,
-      "grad_norm": 6.928927421569824,
-      "learning_rate": 0.00011666666666666668,
-      "loss": 7.4481,
+      "grad_norm": 1.5673390626907349,
+      "learning_rate": 5.833333333333334e-05,
+      "loss": 7.3,
       "step": 10
     },
     {
       "epoch": 1.8,
-      "grad_norm": 1.0928006172180176,
-      "learning_rate": 0.0001,
-      "loss": 7.3035,
+      "grad_norm": 0.7503612637519836,
+      "learning_rate": 5e-05,
+      "loss": 7.2109,
       "step": 12
     },
     {
       "epoch": 2.0,
-      "grad_norm": 0.3634219169616699,
-      "learning_rate": 8.333333333333334e-05,
-      "loss": 4.5095,
+      "grad_norm": 0.3985859155654907,
+      "learning_rate": 4.166666666666667e-05,
+      "loss": 4.4783,
       "step": 14
     },
     {
       "epoch": 2.32,
-      "grad_norm": 0.8974616527557373,
-      "learning_rate": 6.666666666666667e-05,
-      "loss": 7.2127,
+      "grad_norm": 0.75257807970047,
+      "learning_rate": 3.3333333333333335e-05,
+      "loss": 7.1595,
       "step": 16
     },
     {
       "epoch": 2.64,
-      "grad_norm": 0.7144686579704285,
-      "learning_rate": 5e-05,
-      "loss": 7.0878,
+      "grad_norm": 0.9470282793045044,
+      "learning_rate": 2.5e-05,
+      "loss": 7.0686,
       "step": 18
     },
     {
       "epoch": 2.96,
-      "grad_norm": 1.3277981281280518,
-      "learning_rate": 3.3333333333333335e-05,
-      "loss": 7.1811,
+      "grad_norm": 0.8260803818702698,
+      "learning_rate": 1.6666666666666667e-05,
+      "loss": 7.1408,
       "step": 20
     },
     {
       "epoch": 3.16,
-      "grad_norm": 3.701362371444702,
-      "learning_rate": 1.6666666666666667e-05,
-      "loss": 4.4298,
+      "grad_norm": 0.8250037431716919,
+      "learning_rate": 8.333333333333334e-06,
+      "loss": 4.3964,
       "step": 22
     },
     {
       "epoch": 3.48,
-      "grad_norm": 0.4517309069633484,
+      "grad_norm": 0.704397976398468,
       "learning_rate": 0.0,
-      "loss": 7.0788,
+      "loss": 7.0209,
       "step": 24
     },
     {
       "epoch": 3.48,
       "step": 24,
       "total_flos": 8125245367344.0,
-      "train_loss": 7.066981116930644,
-      "train_runtime": 65.5109,
-      "train_samples_per_second": 6.106,
-      "train_steps_per_second": 0.366
+      "train_loss": 6.756168842315674,
+      "train_runtime": 57.8175,
+      "train_samples_per_second": 6.918,
+      "train_steps_per_second": 0.415
     }
   ],
   "logging_steps": 2,