File size: 6,738 Bytes
ebb1ed0
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
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
{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 1.0,
  "eval_steps": 50,
  "global_step": 450,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.044444444444444446,
      "grad_norm": 0.17305362224578857,
      "learning_rate": 9.951340343707852e-05,
      "loss": 0.2942,
      "step": 20
    },
    {
      "epoch": 0.08888888888888889,
      "grad_norm": 0.042544737458229065,
      "learning_rate": 9.806308479691595e-05,
      "loss": 0.0024,
      "step": 40
    },
    {
      "epoch": 0.1111111111111111,
      "eval_loss": 0.0013170767342671752,
      "eval_runtime": 232.8005,
      "eval_samples_per_second": 4.296,
      "eval_steps_per_second": 0.215,
      "step": 50
    },
    {
      "epoch": 0.13333333333333333,
      "grad_norm": 0.03146813064813614,
      "learning_rate": 9.567727288213005e-05,
      "loss": 0.0012,
      "step": 60
    },
    {
      "epoch": 0.17777777777777778,
      "grad_norm": 0.03375430032610893,
      "learning_rate": 9.24024048078213e-05,
      "loss": 0.0012,
      "step": 80
    },
    {
      "epoch": 0.2222222222222222,
      "grad_norm": 0.0878819078207016,
      "learning_rate": 8.83022221559489e-05,
      "loss": 0.0011,
      "step": 100
    },
    {
      "epoch": 0.2222222222222222,
      "eval_loss": 0.000957556301727891,
      "eval_runtime": 232.4585,
      "eval_samples_per_second": 4.302,
      "eval_steps_per_second": 0.215,
      "step": 100
    },
    {
      "epoch": 0.26666666666666666,
      "grad_norm": 0.03542569652199745,
      "learning_rate": 8.345653031794292e-05,
      "loss": 0.0012,
      "step": 120
    },
    {
      "epoch": 0.3111111111111111,
      "grad_norm": 0.015578300692141056,
      "learning_rate": 7.795964517353735e-05,
      "loss": 0.0009,
      "step": 140
    },
    {
      "epoch": 0.3333333333333333,
      "eval_loss": 0.0007864935323596001,
      "eval_runtime": 232.695,
      "eval_samples_per_second": 4.297,
      "eval_steps_per_second": 0.215,
      "step": 150
    },
    {
      "epoch": 0.35555555555555557,
      "grad_norm": 0.029168328270316124,
      "learning_rate": 7.191855733945387e-05,
      "loss": 0.001,
      "step": 160
    },
    {
      "epoch": 0.4,
      "grad_norm": 0.05920561030507088,
      "learning_rate": 6.545084971874738e-05,
      "loss": 0.001,
      "step": 180
    },
    {
      "epoch": 0.4444444444444444,
      "grad_norm": 0.03357287123799324,
      "learning_rate": 5.868240888334653e-05,
      "loss": 0.001,
      "step": 200
    },
    {
      "epoch": 0.4444444444444444,
      "eval_loss": 0.0008135823300108314,
      "eval_runtime": 232.395,
      "eval_samples_per_second": 4.303,
      "eval_steps_per_second": 0.215,
      "step": 200
    },
    {
      "epoch": 0.4888888888888889,
      "grad_norm": 0.019826048985123634,
      "learning_rate": 5.174497483512506e-05,
      "loss": 0.0011,
      "step": 220
    },
    {
      "epoch": 0.5333333333333333,
      "grad_norm": 0.025309834629297256,
      "learning_rate": 4.477357683661734e-05,
      "loss": 0.0009,
      "step": 240
    },
    {
      "epoch": 0.5555555555555556,
      "eval_loss": 0.0007757659768685699,
      "eval_runtime": 232.3457,
      "eval_samples_per_second": 4.304,
      "eval_steps_per_second": 0.215,
      "step": 250
    },
    {
      "epoch": 0.5777777777777777,
      "grad_norm": 0.016265789046883583,
      "learning_rate": 3.790390522001662e-05,
      "loss": 0.0011,
      "step": 260
    },
    {
      "epoch": 0.6222222222222222,
      "grad_norm": 0.0712108463048935,
      "learning_rate": 3.12696703292044e-05,
      "loss": 0.0008,
      "step": 280
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 0.04358217492699623,
      "learning_rate": 2.500000000000001e-05,
      "loss": 0.0006,
      "step": 300
    },
    {
      "epoch": 0.6666666666666666,
      "eval_loss": 0.000731022737454623,
      "eval_runtime": 232.45,
      "eval_samples_per_second": 4.302,
      "eval_steps_per_second": 0.215,
      "step": 300
    },
    {
      "epoch": 0.7111111111111111,
      "grad_norm": 0.02700887806713581,
      "learning_rate": 1.9216926233717085e-05,
      "loss": 0.0008,
      "step": 320
    },
    {
      "epoch": 0.7555555555555555,
      "grad_norm": 0.02106143906712532,
      "learning_rate": 1.4033009983067452e-05,
      "loss": 0.0007,
      "step": 340
    },
    {
      "epoch": 0.7777777777777778,
      "eval_loss": 0.0006801169947721064,
      "eval_runtime": 232.1532,
      "eval_samples_per_second": 4.307,
      "eval_steps_per_second": 0.215,
      "step": 350
    },
    {
      "epoch": 0.8,
      "grad_norm": 0.020221324637532234,
      "learning_rate": 9.549150281252633e-06,
      "loss": 0.0007,
      "step": 360
    },
    {
      "epoch": 0.8444444444444444,
      "grad_norm": 0.020666765049099922,
      "learning_rate": 5.852620357053651e-06,
      "loss": 0.0008,
      "step": 380
    },
    {
      "epoch": 0.8888888888888888,
      "grad_norm": 0.00924940500408411,
      "learning_rate": 3.0153689607045845e-06,
      "loss": 0.0007,
      "step": 400
    },
    {
      "epoch": 0.8888888888888888,
      "eval_loss": 0.0006416882388293743,
      "eval_runtime": 232.5441,
      "eval_samples_per_second": 4.3,
      "eval_steps_per_second": 0.215,
      "step": 400
    },
    {
      "epoch": 0.9333333333333333,
      "grad_norm": 0.028802907094359398,
      "learning_rate": 1.0926199633097157e-06,
      "loss": 0.0007,
      "step": 420
    },
    {
      "epoch": 0.9777777777777777,
      "grad_norm": 0.035981908440589905,
      "learning_rate": 1.2179748700879012e-07,
      "loss": 0.0009,
      "step": 440
    },
    {
      "epoch": 1.0,
      "eval_loss": 0.0006301100365817547,
      "eval_runtime": 232.5439,
      "eval_samples_per_second": 4.3,
      "eval_steps_per_second": 0.215,
      "step": 450
    },
    {
      "epoch": 1.0,
      "step": 450,
      "total_flos": 9.625596140737004e+17,
      "train_loss": 0.014024514413128297,
      "train_runtime": 8823.7876,
      "train_samples_per_second": 1.02,
      "train_steps_per_second": 0.051
    }
  ],
  "logging_steps": 20,
  "max_steps": 450,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 1,
  "save_steps": 2000,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": true
      },
      "attributes": {}
    }
  },
  "total_flos": 9.625596140737004e+17,
  "train_batch_size": 10,
  "trial_name": null,
  "trial_params": null
}