| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 2.0, | |
| "eval_steps": 500, | |
| "global_step": 120, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.016666666666666666, | |
| "grad_norm": 0.011060998003001542, | |
| "learning_rate": 4.166666666666667e-06, | |
| "loss": 0.0198, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.03333333333333333, | |
| "grad_norm": 0.04770234443547883, | |
| "learning_rate": 8.333333333333334e-06, | |
| "loss": 0.1063, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 0.0641068911034988, | |
| "learning_rate": 1.25e-05, | |
| "loss": 0.1268, | |
| "step": 3 | |
| }, | |
| { | |
| "epoch": 0.06666666666666667, | |
| "grad_norm": 0.016279352850587778, | |
| "learning_rate": 1.6666666666666667e-05, | |
| "loss": 0.0303, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.08333333333333333, | |
| "grad_norm": 0.02282512026358852, | |
| "learning_rate": 2.0833333333333336e-05, | |
| "loss": 0.0348, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 0.03599180804581645, | |
| "learning_rate": 2.5e-05, | |
| "loss": 0.0321, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 0.11666666666666667, | |
| "grad_norm": 0.04476698244423363, | |
| "learning_rate": 2.916666666666667e-05, | |
| "loss": 0.101, | |
| "step": 7 | |
| }, | |
| { | |
| "epoch": 0.13333333333333333, | |
| "grad_norm": 0.02306031997780077, | |
| "learning_rate": 3.3333333333333335e-05, | |
| "loss": 0.0258, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 0.15, | |
| "grad_norm": 0.047626025785030245, | |
| "learning_rate": 3.7500000000000003e-05, | |
| "loss": 0.0762, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 0.16666666666666666, | |
| "grad_norm": 0.050329867658786526, | |
| "learning_rate": 4.166666666666667e-05, | |
| "loss": 0.0957, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.18333333333333332, | |
| "grad_norm": 0.052441593052554865, | |
| "learning_rate": 4.5833333333333334e-05, | |
| "loss": 0.0862, | |
| "step": 11 | |
| }, | |
| { | |
| "epoch": 0.2, | |
| "grad_norm": 0.032045044906267126, | |
| "learning_rate": 5e-05, | |
| "loss": 0.0635, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 0.21666666666666667, | |
| "grad_norm": 0.04405669977780354, | |
| "learning_rate": 4.998942375205502e-05, | |
| "loss": 0.0759, | |
| "step": 13 | |
| }, | |
| { | |
| "epoch": 0.23333333333333334, | |
| "grad_norm": 0.015475145188990149, | |
| "learning_rate": 4.995770395678171e-05, | |
| "loss": 0.0337, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 0.25, | |
| "grad_norm": 0.04714976786426904, | |
| "learning_rate": 4.990486745229364e-05, | |
| "loss": 0.0598, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 0.26666666666666666, | |
| "grad_norm": 0.055003011913100024, | |
| "learning_rate": 4.983095894354858e-05, | |
| "loss": 0.0796, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 0.2833333333333333, | |
| "grad_norm": 0.03745992898402242, | |
| "learning_rate": 4.973604096452361e-05, | |
| "loss": 0.0301, | |
| "step": 17 | |
| }, | |
| { | |
| "epoch": 0.3, | |
| "grad_norm": 0.0650328818940131, | |
| "learning_rate": 4.962019382530521e-05, | |
| "loss": 0.0675, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 0.31666666666666665, | |
| "grad_norm": 0.0474487489870127, | |
| "learning_rate": 4.948351554413879e-05, | |
| "loss": 0.0836, | |
| "step": 19 | |
| }, | |
| { | |
| "epoch": 0.3333333333333333, | |
| "grad_norm": 0.06953080971326334, | |
| "learning_rate": 4.9326121764495596e-05, | |
| "loss": 0.0475, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.35, | |
| "grad_norm": 0.019493472716290587, | |
| "learning_rate": 4.914814565722671e-05, | |
| "loss": 0.0182, | |
| "step": 21 | |
| }, | |
| { | |
| "epoch": 0.36666666666666664, | |
| "grad_norm": 0.01849348284336558, | |
| "learning_rate": 4.894973780788722e-05, | |
| "loss": 0.0199, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 0.38333333333333336, | |
| "grad_norm": 0.05320268459620259, | |
| "learning_rate": 4.873106608932585e-05, | |
| "loss": 0.0409, | |
| "step": 23 | |
| }, | |
| { | |
| "epoch": 0.4, | |
| "grad_norm": 0.046887529418569704, | |
| "learning_rate": 4.849231551964771e-05, | |
| "loss": 0.0354, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 0.4166666666666667, | |
| "grad_norm": 0.049896897742181305, | |
| "learning_rate": 4.823368810567056e-05, | |
| "loss": 0.0356, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 0.43333333333333335, | |
| "grad_norm": 0.057269186100769066, | |
| "learning_rate": 4.7955402672006854e-05, | |
| "loss": 0.0628, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 0.45, | |
| "grad_norm": 0.049232264146832384, | |
| "learning_rate": 4.765769467591625e-05, | |
| "loss": 0.0571, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 0.4666666666666667, | |
| "grad_norm": 0.01867891022712165, | |
| "learning_rate": 4.734081600808531e-05, | |
| "loss": 0.0115, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 0.48333333333333334, | |
| "grad_norm": 0.06940220308407626, | |
| "learning_rate": 4.700503477950278e-05, | |
| "loss": 0.0565, | |
| "step": 29 | |
| }, | |
| { | |
| "epoch": 0.5, | |
| "grad_norm": 0.06524444054796992, | |
| "learning_rate": 4.665063509461097e-05, | |
| "loss": 0.0584, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.5166666666666667, | |
| "grad_norm": 0.050370029607705855, | |
| "learning_rate": 4.627791681092499e-05, | |
| "loss": 0.0298, | |
| "step": 31 | |
| }, | |
| { | |
| "epoch": 0.5333333333333333, | |
| "grad_norm": 0.02468758961583679, | |
| "learning_rate": 4.588719528532342e-05, | |
| "loss": 0.0325, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 0.55, | |
| "grad_norm": 0.02289050548913112, | |
| "learning_rate": 4.54788011072248e-05, | |
| "loss": 0.0164, | |
| "step": 33 | |
| }, | |
| { | |
| "epoch": 0.5666666666666667, | |
| "grad_norm": 0.029280628319421017, | |
| "learning_rate": 4.50530798188761e-05, | |
| "loss": 0.0343, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 0.5833333333333334, | |
| "grad_norm": 0.07708890185625418, | |
| "learning_rate": 4.4610391622989396e-05, | |
| "loss": 0.0598, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 0.6, | |
| "grad_norm": 0.03239408805039867, | |
| "learning_rate": 4.415111107797445e-05, | |
| "loss": 0.0208, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 0.6166666666666667, | |
| "grad_norm": 0.13904900666207362, | |
| "learning_rate": 4.36756267810249e-05, | |
| "loss": 0.0531, | |
| "step": 37 | |
| }, | |
| { | |
| "epoch": 0.6333333333333333, | |
| "grad_norm": 0.062226668692424984, | |
| "learning_rate": 4.318434103932622e-05, | |
| "loss": 0.0381, | |
| "step": 38 | |
| }, | |
| { | |
| "epoch": 0.65, | |
| "grad_norm": 0.09748174624561869, | |
| "learning_rate": 4.267766952966369e-05, | |
| "loss": 0.0343, | |
| "step": 39 | |
| }, | |
| { | |
| "epoch": 0.6666666666666666, | |
| "grad_norm": 0.08862856959347302, | |
| "learning_rate": 4.215604094671835e-05, | |
| "loss": 0.0396, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.6833333333333333, | |
| "grad_norm": 0.060607923284431604, | |
| "learning_rate": 4.1619896640348445e-05, | |
| "loss": 0.0343, | |
| "step": 41 | |
| }, | |
| { | |
| "epoch": 0.7, | |
| "grad_norm": 0.02624633866541891, | |
| "learning_rate": 4.1069690242163484e-05, | |
| "loss": 0.0197, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 0.7166666666666667, | |
| "grad_norm": 0.1089990544289727, | |
| "learning_rate": 4.05058872817065e-05, | |
| "loss": 0.0739, | |
| "step": 43 | |
| }, | |
| { | |
| "epoch": 0.7333333333333333, | |
| "grad_norm": 0.09205600091089387, | |
| "learning_rate": 3.9928964792569655e-05, | |
| "loss": 0.0346, | |
| "step": 44 | |
| }, | |
| { | |
| "epoch": 0.75, | |
| "grad_norm": 0.08713032672562156, | |
| "learning_rate": 3.933941090877615e-05, | |
| "loss": 0.0477, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 0.7666666666666667, | |
| "grad_norm": 0.024984301303442875, | |
| "learning_rate": 3.873772445177015e-05, | |
| "loss": 0.0142, | |
| "step": 46 | |
| }, | |
| { | |
| "epoch": 0.7833333333333333, | |
| "grad_norm": 0.0729066319228273, | |
| "learning_rate": 3.8124414508364e-05, | |
| "loss": 0.0282, | |
| "step": 47 | |
| }, | |
| { | |
| "epoch": 0.8, | |
| "grad_norm": 0.07500810772220752, | |
| "learning_rate": 3.7500000000000003e-05, | |
| "loss": 0.0471, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 0.8166666666666667, | |
| "grad_norm": 0.08964899580888298, | |
| "learning_rate": 3.686500924369101e-05, | |
| "loss": 0.021, | |
| "step": 49 | |
| }, | |
| { | |
| "epoch": 0.8333333333333334, | |
| "grad_norm": 0.053528813707592576, | |
| "learning_rate": 3.621997950501156e-05, | |
| "loss": 0.0246, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.85, | |
| "grad_norm": 0.058374303645117254, | |
| "learning_rate": 3.556545654351749e-05, | |
| "loss": 0.0374, | |
| "step": 51 | |
| }, | |
| { | |
| "epoch": 0.8666666666666667, | |
| "grad_norm": 0.048229479234652914, | |
| "learning_rate": 3.490199415097892e-05, | |
| "loss": 0.014, | |
| "step": 52 | |
| }, | |
| { | |
| "epoch": 0.8833333333333333, | |
| "grad_norm": 0.1116537762164303, | |
| "learning_rate": 3.423015368281711e-05, | |
| "loss": 0.0608, | |
| "step": 53 | |
| }, | |
| { | |
| "epoch": 0.9, | |
| "grad_norm": 0.10061044105577996, | |
| "learning_rate": 3.355050358314172e-05, | |
| "loss": 0.0516, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 0.9166666666666666, | |
| "grad_norm": 0.03632666996645082, | |
| "learning_rate": 3.2863618903790346e-05, | |
| "loss": 0.0175, | |
| "step": 55 | |
| }, | |
| { | |
| "epoch": 0.9333333333333333, | |
| "grad_norm": 0.09798325714369964, | |
| "learning_rate": 3.217008081777726e-05, | |
| "loss": 0.0539, | |
| "step": 56 | |
| }, | |
| { | |
| "epoch": 0.95, | |
| "grad_norm": 0.041871432689224525, | |
| "learning_rate": 3.147047612756302e-05, | |
| "loss": 0.0165, | |
| "step": 57 | |
| }, | |
| { | |
| "epoch": 0.9666666666666667, | |
| "grad_norm": 0.027807008725540924, | |
| "learning_rate": 3.076539676856101e-05, | |
| "loss": 0.0148, | |
| "step": 58 | |
| }, | |
| { | |
| "epoch": 0.9833333333333333, | |
| "grad_norm": 0.09552739074203695, | |
| "learning_rate": 3.0055439308300952e-05, | |
| "loss": 0.0488, | |
| "step": 59 | |
| }, | |
| { | |
| "epoch": 1.0, | |
| "grad_norm": 0.07404717305489242, | |
| "learning_rate": 2.9341204441673266e-05, | |
| "loss": 0.0146, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 1.0, | |
| "eval_loss": 0.06926747411489487, | |
| "eval_runtime": 0.4224, | |
| "eval_samples_per_second": 2.368, | |
| "eval_steps_per_second": 2.368, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 1.0166666666666666, | |
| "grad_norm": 0.09788865996950347, | |
| "learning_rate": 2.8623296482681166e-05, | |
| "loss": 0.0356, | |
| "step": 61 | |
| }, | |
| { | |
| "epoch": 1.0333333333333334, | |
| "grad_norm": 0.08079771593539767, | |
| "learning_rate": 2.7902322853130757e-05, | |
| "loss": 0.0229, | |
| "step": 62 | |
| }, | |
| { | |
| "epoch": 1.05, | |
| "grad_norm": 0.0760928280834032, | |
| "learning_rate": 2.717889356869146e-05, | |
| "loss": 0.0389, | |
| "step": 63 | |
| }, | |
| { | |
| "epoch": 1.0666666666666667, | |
| "grad_norm": 0.041864616374130206, | |
| "learning_rate": 2.6453620722761896e-05, | |
| "loss": 0.0151, | |
| "step": 64 | |
| }, | |
| { | |
| "epoch": 1.0833333333333333, | |
| "grad_norm": 0.042533462897305765, | |
| "learning_rate": 2.5727117968577784e-05, | |
| "loss": 0.0052, | |
| "step": 65 | |
| }, | |
| { | |
| "epoch": 1.1, | |
| "grad_norm": 0.03216872547341198, | |
| "learning_rate": 2.5e-05, | |
| "loss": 0.0121, | |
| "step": 66 | |
| }, | |
| { | |
| "epoch": 1.1166666666666667, | |
| "grad_norm": 0.07057618074910738, | |
| "learning_rate": 2.4272882031422215e-05, | |
| "loss": 0.0143, | |
| "step": 67 | |
| }, | |
| { | |
| "epoch": 1.1333333333333333, | |
| "grad_norm": 0.04041230452288535, | |
| "learning_rate": 2.3546379277238107e-05, | |
| "loss": 0.0158, | |
| "step": 68 | |
| }, | |
| { | |
| "epoch": 1.15, | |
| "grad_norm": 0.08569115880014322, | |
| "learning_rate": 2.2821106431308544e-05, | |
| "loss": 0.0256, | |
| "step": 69 | |
| }, | |
| { | |
| "epoch": 1.1666666666666667, | |
| "grad_norm": 0.027987976628450678, | |
| "learning_rate": 2.2097677146869242e-05, | |
| "loss": 0.0156, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 1.1833333333333333, | |
| "grad_norm": 0.08651128575293122, | |
| "learning_rate": 2.1376703517318837e-05, | |
| "loss": 0.0205, | |
| "step": 71 | |
| }, | |
| { | |
| "epoch": 1.2, | |
| "grad_norm": 0.0528463020872861, | |
| "learning_rate": 2.0658795558326743e-05, | |
| "loss": 0.0124, | |
| "step": 72 | |
| }, | |
| { | |
| "epoch": 1.2166666666666668, | |
| "grad_norm": 0.027896804918357394, | |
| "learning_rate": 1.9944560691699057e-05, | |
| "loss": 0.0104, | |
| "step": 73 | |
| }, | |
| { | |
| "epoch": 1.2333333333333334, | |
| "grad_norm": 0.11788558334728132, | |
| "learning_rate": 1.9234603231438995e-05, | |
| "loss": 0.0301, | |
| "step": 74 | |
| }, | |
| { | |
| "epoch": 1.25, | |
| "grad_norm": 0.0685772094585912, | |
| "learning_rate": 1.852952387243698e-05, | |
| "loss": 0.0086, | |
| "step": 75 | |
| }, | |
| { | |
| "epoch": 1.2666666666666666, | |
| "grad_norm": 0.06295226557924795, | |
| "learning_rate": 1.7829919182222752e-05, | |
| "loss": 0.0171, | |
| "step": 76 | |
| }, | |
| { | |
| "epoch": 1.2833333333333332, | |
| "grad_norm": 0.03456170544272382, | |
| "learning_rate": 1.7136381096209664e-05, | |
| "loss": 0.0099, | |
| "step": 77 | |
| }, | |
| { | |
| "epoch": 1.3, | |
| "grad_norm": 0.11262701718603377, | |
| "learning_rate": 1.6449496416858284e-05, | |
| "loss": 0.0112, | |
| "step": 78 | |
| }, | |
| { | |
| "epoch": 1.3166666666666667, | |
| "grad_norm": 0.0919125667332246, | |
| "learning_rate": 1.5769846317182893e-05, | |
| "loss": 0.0264, | |
| "step": 79 | |
| }, | |
| { | |
| "epoch": 1.3333333333333333, | |
| "grad_norm": 0.04086689300793229, | |
| "learning_rate": 1.509800584902108e-05, | |
| "loss": 0.0084, | |
| "step": 80 | |
| }, | |
| { | |
| "epoch": 1.35, | |
| "grad_norm": 0.040678611618594124, | |
| "learning_rate": 1.443454345648252e-05, | |
| "loss": 0.0174, | |
| "step": 81 | |
| }, | |
| { | |
| "epoch": 1.3666666666666667, | |
| "grad_norm": 0.05993883779270187, | |
| "learning_rate": 1.3780020494988446e-05, | |
| "loss": 0.0239, | |
| "step": 82 | |
| }, | |
| { | |
| "epoch": 1.3833333333333333, | |
| "grad_norm": 0.12993806838445923, | |
| "learning_rate": 1.313499075630899e-05, | |
| "loss": 0.033, | |
| "step": 83 | |
| }, | |
| { | |
| "epoch": 1.4, | |
| "grad_norm": 0.07304189039011323, | |
| "learning_rate": 1.2500000000000006e-05, | |
| "loss": 0.0197, | |
| "step": 84 | |
| }, | |
| { | |
| "epoch": 1.4166666666666667, | |
| "grad_norm": 0.0689091678299678, | |
| "learning_rate": 1.1875585491636e-05, | |
| "loss": 0.007, | |
| "step": 85 | |
| }, | |
| { | |
| "epoch": 1.4333333333333333, | |
| "grad_norm": 0.08774236445685372, | |
| "learning_rate": 1.126227554822985e-05, | |
| "loss": 0.02, | |
| "step": 86 | |
| }, | |
| { | |
| "epoch": 1.45, | |
| "grad_norm": 0.04323670987559839, | |
| "learning_rate": 1.0660589091223855e-05, | |
| "loss": 0.0146, | |
| "step": 87 | |
| }, | |
| { | |
| "epoch": 1.4666666666666668, | |
| "grad_norm": 0.07693867684542874, | |
| "learning_rate": 1.0071035207430352e-05, | |
| "loss": 0.0353, | |
| "step": 88 | |
| }, | |
| { | |
| "epoch": 1.4833333333333334, | |
| "grad_norm": 0.14474863169788849, | |
| "learning_rate": 9.494112718293501e-06, | |
| "loss": 0.0188, | |
| "step": 89 | |
| }, | |
| { | |
| "epoch": 1.5, | |
| "grad_norm": 0.04526977561356337, | |
| "learning_rate": 8.930309757836517e-06, | |
| "loss": 0.0108, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 1.5166666666666666, | |
| "grad_norm": 0.06404092500617438, | |
| "learning_rate": 8.380103359651553e-06, | |
| "loss": 0.0137, | |
| "step": 91 | |
| }, | |
| { | |
| "epoch": 1.5333333333333332, | |
| "grad_norm": 0.050088760216599394, | |
| "learning_rate": 7.843959053281663e-06, | |
| "loss": 0.0093, | |
| "step": 92 | |
| }, | |
| { | |
| "epoch": 1.55, | |
| "grad_norm": 0.027150842383504944, | |
| "learning_rate": 7.3223304703363135e-06, | |
| "loss": 0.0045, | |
| "step": 93 | |
| }, | |
| { | |
| "epoch": 1.5666666666666667, | |
| "grad_norm": 0.06557649736799927, | |
| "learning_rate": 6.815658960673782e-06, | |
| "loss": 0.0084, | |
| "step": 94 | |
| }, | |
| { | |
| "epoch": 1.5833333333333335, | |
| "grad_norm": 0.06327635909564981, | |
| "learning_rate": 6.324373218975105e-06, | |
| "loss": 0.0112, | |
| "step": 95 | |
| }, | |
| { | |
| "epoch": 1.6, | |
| "grad_norm": 0.07147697528679606, | |
| "learning_rate": 5.848888922025553e-06, | |
| "loss": 0.0031, | |
| "step": 96 | |
| }, | |
| { | |
| "epoch": 1.6166666666666667, | |
| "grad_norm": 0.06388348686946749, | |
| "learning_rate": 5.389608377010608e-06, | |
| "loss": 0.0118, | |
| "step": 97 | |
| }, | |
| { | |
| "epoch": 1.6333333333333333, | |
| "grad_norm": 0.06065918119652541, | |
| "learning_rate": 4.946920181123904e-06, | |
| "loss": 0.0095, | |
| "step": 98 | |
| }, | |
| { | |
| "epoch": 1.65, | |
| "grad_norm": 0.10599974220901706, | |
| "learning_rate": 4.521198892775203e-06, | |
| "loss": 0.0082, | |
| "step": 99 | |
| }, | |
| { | |
| "epoch": 1.6666666666666665, | |
| "grad_norm": 0.0973089891401389, | |
| "learning_rate": 4.112804714676594e-06, | |
| "loss": 0.0192, | |
| "step": 100 | |
| }, | |
| { | |
| "epoch": 1.6833333333333333, | |
| "grad_norm": 0.05421100465758873, | |
| "learning_rate": 3.7220831890750067e-06, | |
| "loss": 0.0187, | |
| "step": 101 | |
| }, | |
| { | |
| "epoch": 1.7, | |
| "grad_norm": 0.055025688908890945, | |
| "learning_rate": 3.3493649053890326e-06, | |
| "loss": 0.0128, | |
| "step": 102 | |
| }, | |
| { | |
| "epoch": 1.7166666666666668, | |
| "grad_norm": 0.08261057437659475, | |
| "learning_rate": 2.9949652204972254e-06, | |
| "loss": 0.0125, | |
| "step": 103 | |
| }, | |
| { | |
| "epoch": 1.7333333333333334, | |
| "grad_norm": 0.049683664163191955, | |
| "learning_rate": 2.659183991914696e-06, | |
| "loss": 0.0029, | |
| "step": 104 | |
| }, | |
| { | |
| "epoch": 1.75, | |
| "grad_norm": 0.03474246809944209, | |
| "learning_rate": 2.3423053240837515e-06, | |
| "loss": 0.0045, | |
| "step": 105 | |
| }, | |
| { | |
| "epoch": 1.7666666666666666, | |
| "grad_norm": 0.0593959450525547, | |
| "learning_rate": 2.044597327993153e-06, | |
| "loss": 0.0059, | |
| "step": 106 | |
| }, | |
| { | |
| "epoch": 1.7833333333333332, | |
| "grad_norm": 0.07521006569566444, | |
| "learning_rate": 1.7663118943294366e-06, | |
| "loss": 0.0209, | |
| "step": 107 | |
| }, | |
| { | |
| "epoch": 1.8, | |
| "grad_norm": 0.07150089860742137, | |
| "learning_rate": 1.5076844803522922e-06, | |
| "loss": 0.0114, | |
| "step": 108 | |
| }, | |
| { | |
| "epoch": 1.8166666666666667, | |
| "grad_norm": 0.03264869509686978, | |
| "learning_rate": 1.2689339106741527e-06, | |
| "loss": 0.0042, | |
| "step": 109 | |
| }, | |
| { | |
| "epoch": 1.8333333333333335, | |
| "grad_norm": 0.05100618836209095, | |
| "learning_rate": 1.0502621921127776e-06, | |
| "loss": 0.0117, | |
| "step": 110 | |
| }, | |
| { | |
| "epoch": 1.85, | |
| "grad_norm": 0.043294737145527, | |
| "learning_rate": 8.51854342773295e-07, | |
| "loss": 0.0089, | |
| "step": 111 | |
| }, | |
| { | |
| "epoch": 1.8666666666666667, | |
| "grad_norm": 0.020341331582946622, | |
| "learning_rate": 6.738782355044049e-07, | |
| "loss": 0.0033, | |
| "step": 112 | |
| }, | |
| { | |
| "epoch": 1.8833333333333333, | |
| "grad_norm": 0.09957102033265092, | |
| "learning_rate": 5.164844558612131e-07, | |
| "loss": 0.0172, | |
| "step": 113 | |
| }, | |
| { | |
| "epoch": 1.9, | |
| "grad_norm": 0.0546951438405961, | |
| "learning_rate": 3.7980617469479953e-07, | |
| "loss": 0.0107, | |
| "step": 114 | |
| }, | |
| { | |
| "epoch": 1.9166666666666665, | |
| "grad_norm": 0.06741408064690184, | |
| "learning_rate": 2.6395903547638825e-07, | |
| "loss": 0.0102, | |
| "step": 115 | |
| }, | |
| { | |
| "epoch": 1.9333333333333333, | |
| "grad_norm": 0.08608549474937367, | |
| "learning_rate": 1.6904105645142444e-07, | |
| "loss": 0.0129, | |
| "step": 116 | |
| }, | |
| { | |
| "epoch": 1.95, | |
| "grad_norm": 0.04846554328673263, | |
| "learning_rate": 9.513254770636137e-08, | |
| "loss": 0.0103, | |
| "step": 117 | |
| }, | |
| { | |
| "epoch": 1.9666666666666668, | |
| "grad_norm": 0.046597213387501495, | |
| "learning_rate": 4.229604321829561e-08, | |
| "loss": 0.0167, | |
| "step": 118 | |
| }, | |
| { | |
| "epoch": 1.9833333333333334, | |
| "grad_norm": 0.06801021245949673, | |
| "learning_rate": 1.0576247944985018e-08, | |
| "loss": 0.0082, | |
| "step": 119 | |
| }, | |
| { | |
| "epoch": 2.0, | |
| "grad_norm": 0.0779627871610986, | |
| "learning_rate": 0.0, | |
| "loss": 0.0156, | |
| "step": 120 | |
| }, | |
| { | |
| "epoch": 2.0, | |
| "eval_loss": 0.06514051556587219, | |
| "eval_runtime": 1.4905, | |
| "eval_samples_per_second": 0.671, | |
| "eval_steps_per_second": 0.671, | |
| "step": 120 | |
| }, | |
| { | |
| "epoch": 2.0, | |
| "step": 120, | |
| "total_flos": 1264763535360.0, | |
| "train_loss": 0.029849421388159197, | |
| "train_runtime": 358.0189, | |
| "train_samples_per_second": 0.67, | |
| "train_steps_per_second": 0.335 | |
| } | |
| ], | |
| "logging_steps": 1, | |
| "max_steps": 120, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 2, | |
| "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": 1264763535360.0, | |
| "train_batch_size": 2, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |