TianyiQ commited on
Commit
3e1a02b
1 Parent(s): e2fbce5

Upload ./trainer_state.json with huggingface_hub

Browse files
Files changed (1) hide show
  1. trainer_state.json +38 -348
trainer_state.json CHANGED
@@ -1,9 +1,9 @@
1
  {
2
- "best_metric": 0.8423399925231934,
3
- "best_model_checkpoint": "./output/training_results/C018_random_sample_llama3-8b-base_instruct_20240504_182259/checkpoint-20",
4
- "epoch": 4.0,
5
- "eval_steps": 20,
6
- "global_step": 192,
7
  "is_hyper_param_search": false,
8
  "is_local_process_zero": true,
9
  "is_world_process_zero": true,
@@ -12,363 +12,53 @@
12
  "epoch": 0.020833333333333332,
13
  "grad_norm": 0.0,
14
  "learning_rate": 0.0,
15
- "loss": 0.9378,
16
  "step": 1
17
  },
18
  {
19
- "epoch": 0.10416666666666667,
20
- "grad_norm": 12.797572312512326,
21
- "learning_rate": 1.5e-06,
22
- "loss": 0.914,
23
- "step": 5
24
- },
25
- {
26
- "epoch": 0.20833333333333334,
27
- "grad_norm": 6.055131806849878,
28
- "learning_rate": 3.75e-06,
29
- "loss": 0.9191,
30
- "step": 10
31
- },
32
- {
33
- "epoch": 0.3125,
34
- "grad_norm": 5.364360008317059,
35
- "learning_rate": 7.5e-06,
36
- "loss": 0.8384,
37
- "step": 15
38
- },
39
- {
40
- "epoch": 0.4166666666666667,
41
- "grad_norm": 5.029346041755506,
42
- "learning_rate": 1.125e-05,
43
- "loss": 0.8108,
44
- "step": 20
45
- },
46
- {
47
- "epoch": 0.4166666666666667,
48
- "eval_loss": 0.8423399925231934,
49
- "eval_runtime": 1.9929,
50
- "eval_samples_per_second": 170.602,
51
- "eval_steps_per_second": 1.505,
52
- "step": 20
53
- },
54
- {
55
- "epoch": 0.5208333333333334,
56
- "grad_norm": 4.414919525176414,
57
- "learning_rate": 1.5e-05,
58
- "loss": 0.8145,
59
- "step": 25
60
- },
61
- {
62
- "epoch": 0.625,
63
- "grad_norm": 4.112077512908992,
64
- "learning_rate": 1.0857107196807194e-05,
65
- "loss": 0.8903,
66
- "step": 30
67
- },
68
- {
69
- "epoch": 0.7291666666666666,
70
- "grad_norm": 3.941277162112511,
71
- "learning_rate": 7.785589881369409e-06,
72
- "loss": 0.8187,
73
- "step": 35
74
- },
75
- {
76
- "epoch": 0.8333333333333334,
77
- "grad_norm": 4.254470659708268,
78
- "learning_rate": 5.529292099652595e-06,
79
- "loss": 0.7995,
80
- "step": 40
81
- },
82
- {
83
- "epoch": 0.8333333333333334,
84
- "eval_loss": 0.8555145263671875,
85
- "eval_runtime": 1.9676,
86
- "eval_samples_per_second": 172.799,
87
- "eval_steps_per_second": 1.525,
88
- "step": 40
89
- },
90
- {
91
- "epoch": 0.9375,
92
- "grad_norm": 3.9948611107854326,
93
- "learning_rate": 3.888024511896068e-06,
94
- "loss": 0.882,
95
- "step": 45
96
- },
97
- {
98
- "epoch": 1.0416666666666667,
99
- "grad_norm": 3.9168522584614895,
100
- "learning_rate": 2.706555900111454e-06,
101
- "loss": 0.736,
102
- "step": 50
103
- },
104
- {
105
- "epoch": 1.1458333333333333,
106
- "grad_norm": 2.943062356850262,
107
- "learning_rate": 1.865515934042282e-06,
108
- "loss": 0.4778,
109
- "step": 55
110
- },
111
- {
112
- "epoch": 1.25,
113
- "grad_norm": 4.767880244063883,
114
- "learning_rate": 1.2739241815556468e-06,
115
- "loss": 0.4526,
116
- "step": 60
117
- },
118
- {
119
- "epoch": 1.25,
120
- "eval_loss": 0.8815763592720032,
121
- "eval_runtime": 1.9656,
122
- "eval_samples_per_second": 172.976,
123
- "eval_steps_per_second": 1.526,
124
- "step": 60
125
- },
126
- {
127
- "epoch": 1.3541666666666667,
128
- "grad_norm": 3.995356444110687,
129
- "learning_rate": 8.630954296648578e-07,
130
- "loss": 0.4192,
131
- "step": 65
132
- },
133
- {
134
- "epoch": 1.4583333333333333,
135
- "grad_norm": 4.06684246492274,
136
- "learning_rate": 5.817031181133133e-07,
137
- "loss": 0.4476,
138
- "step": 70
139
- },
140
- {
141
- "epoch": 1.5625,
142
- "grad_norm": 4.659083580115326,
143
- "learning_rate": 3.918112984729563e-07,
144
- "loss": 0.445,
145
- "step": 75
146
- },
147
- {
148
- "epoch": 1.6666666666666665,
149
- "grad_norm": 3.841871360565151,
150
- "learning_rate": 2.6571123033559406e-07,
151
- "loss": 0.4663,
152
- "step": 80
153
- },
154
- {
155
- "epoch": 1.6666666666666665,
156
- "eval_loss": 0.8521442413330078,
157
- "eval_runtime": 1.9598,
158
- "eval_samples_per_second": 173.485,
159
- "eval_steps_per_second": 1.531,
160
- "step": 80
161
- },
162
- {
163
- "epoch": 1.7708333333333335,
164
- "grad_norm": 3.5797328107351154,
165
- "learning_rate": 1.8342171723792628e-07,
166
- "loss": 0.4356,
167
- "step": 85
168
- },
169
- {
170
- "epoch": 1.875,
171
- "grad_norm": 3.4219289180238364,
172
- "learning_rate": 1.3073276582043678e-07,
173
- "loss": 0.4398,
174
- "step": 90
175
- },
176
- {
177
- "epoch": 1.9791666666666665,
178
- "grad_norm": 3.7181063684193703,
179
- "learning_rate": 9.769031226024856e-08,
180
- "loss": 0.4823,
181
- "step": 95
182
- },
183
- {
184
- "epoch": 2.0833333333333335,
185
- "grad_norm": 3.4287058824726855,
186
- "learning_rate": 7.74357826465857e-08,
187
- "loss": 0.3927,
188
- "step": 100
189
- },
190
- {
191
- "epoch": 2.0833333333333335,
192
- "eval_loss": 0.8507040143013,
193
- "eval_runtime": 1.96,
194
- "eval_samples_per_second": 173.471,
195
- "eval_steps_per_second": 1.531,
196
- "step": 100
197
- },
198
- {
199
- "epoch": 2.1875,
200
- "grad_norm": 3.4015335314434845,
201
- "learning_rate": 6.532831361687478e-08,
202
- "loss": 0.3733,
203
- "step": 105
204
- },
205
- {
206
- "epoch": 2.2916666666666665,
207
- "grad_norm": 3.3103683305418437,
208
- "learning_rate": 5.828972369827512e-08,
209
- "loss": 0.4061,
210
- "step": 110
211
- },
212
- {
213
- "epoch": 2.3958333333333335,
214
- "grad_norm": 3.482262897795111,
215
- "learning_rate": 5.4322954384342975e-08,
216
- "loss": 0.3621,
217
- "step": 115
218
- },
219
- {
220
- "epoch": 2.5,
221
- "grad_norm": 4.326841270087755,
222
- "learning_rate": 5.2163845524645534e-08,
223
- "loss": 0.4017,
224
- "step": 120
225
- },
226
- {
227
- "epoch": 2.5,
228
- "eval_loss": 0.8561407923698425,
229
- "eval_runtime": 1.9661,
230
- "eval_samples_per_second": 172.93,
231
- "eval_steps_per_second": 1.526,
232
- "step": 120
233
- },
234
- {
235
- "epoch": 2.6041666666666665,
236
- "grad_norm": 3.5184015061674216,
237
- "learning_rate": 5.1033917145757624e-08,
238
- "loss": 0.3944,
239
- "step": 125
240
- },
241
- {
242
- "epoch": 2.7083333333333335,
243
- "grad_norm": 3.67879442141003,
244
- "learning_rate": 5.046843690876512e-08,
245
- "loss": 0.3947,
246
- "step": 130
247
- },
248
- {
249
- "epoch": 2.8125,
250
- "grad_norm": 3.475723886508797,
251
- "learning_rate": 5.019958911899713e-08,
252
- "loss": 0.381,
253
- "step": 135
254
- },
255
- {
256
- "epoch": 2.9166666666666665,
257
- "grad_norm": 3.2733636154827503,
258
- "learning_rate": 5.0079150140309806e-08,
259
- "loss": 0.368,
260
- "step": 140
261
- },
262
- {
263
- "epoch": 2.9166666666666665,
264
- "eval_loss": 0.8607857823371887,
265
- "eval_runtime": 1.9683,
266
- "eval_samples_per_second": 172.741,
267
- "eval_steps_per_second": 1.524,
268
- "step": 140
269
- },
270
- {
271
- "epoch": 3.0208333333333335,
272
- "grad_norm": 3.1617566806185375,
273
- "learning_rate": 5.0028831355203246e-08,
274
- "loss": 0.3777,
275
- "step": 145
276
- },
277
- {
278
- "epoch": 3.125,
279
- "grad_norm": 3.228899698066603,
280
- "learning_rate": 5.00094821039914e-08,
281
- "loss": 0.3817,
282
- "step": 150
283
- },
284
- {
285
- "epoch": 3.2291666666666665,
286
- "grad_norm": 3.322344354923687,
287
- "learning_rate": 5.000275150604354e-08,
288
- "loss": 0.3773,
289
- "step": 155
290
- },
291
- {
292
- "epoch": 3.3333333333333335,
293
- "grad_norm": 4.645153711557618,
294
- "learning_rate": 5.000068241292119e-08,
295
- "loss": 0.3677,
296
- "step": 160
297
- },
298
- {
299
- "epoch": 3.3333333333333335,
300
- "eval_loss": 0.8646895885467529,
301
- "eval_runtime": 1.964,
302
- "eval_samples_per_second": 173.116,
303
- "eval_steps_per_second": 1.527,
304
- "step": 160
305
- },
306
- {
307
- "epoch": 3.4375,
308
- "grad_norm": 3.243053987237776,
309
- "learning_rate": 5.000013819045227e-08,
310
- "loss": 0.3656,
311
- "step": 165
312
- },
313
- {
314
- "epoch": 3.5416666666666665,
315
- "grad_norm": 3.582352877774696,
316
- "learning_rate": 5.000002132208559e-08,
317
- "loss": 0.3503,
318
- "step": 170
319
- },
320
- {
321
- "epoch": 3.6458333333333335,
322
- "grad_norm": 3.2701278989275857,
323
- "learning_rate": 5.00000022411853e-08,
324
- "loss": 0.3707,
325
- "step": 175
326
- },
327
- {
328
- "epoch": 3.75,
329
- "grad_norm": 3.338127751209054,
330
- "learning_rate": 5.000000013145176e-08,
331
- "loss": 0.3635,
332
- "step": 180
333
  },
334
  {
335
- "epoch": 3.75,
336
- "eval_loss": 0.8675721287727356,
337
- "eval_runtime": 1.9612,
338
- "eval_samples_per_second": 173.361,
339
- "eval_steps_per_second": 1.53,
340
- "step": 180
341
  },
342
  {
343
- "epoch": 3.8541666666666665,
344
- "grad_norm": 3.6011084207595765,
345
- "learning_rate": 5.000000000284985e-08,
346
- "loss": 0.3833,
347
- "step": 185
348
  },
349
  {
350
- "epoch": 3.9583333333333335,
351
- "grad_norm": 3.0931269944491455,
352
- "learning_rate": 5.000000000000758e-08,
353
- "loss": 0.3722,
354
- "step": 190
355
  },
356
  {
357
- "epoch": 4.0,
358
- "step": 192,
359
- "total_flos": 5305238814720.0,
360
- "train_loss": 0.5165732034171621,
361
- "train_runtime": 1007.2477,
362
- "train_samples_per_second": 12.128,
363
- "train_steps_per_second": 0.191
364
  }
365
  ],
366
- "logging_steps": 5,
367
- "max_steps": 192,
368
  "num_input_tokens_seen": 0,
369
- "num_train_epochs": 4,
370
- "save_steps": 20,
371
- "total_flos": 5305238814720.0,
372
  "train_batch_size": 8,
373
  "trial_name": null,
374
  "trial_params": null
 
1
  {
2
+ "best_metric": 0.8055909276008606,
3
+ "best_model_checkpoint": "./output/training_results/C018_Meta-Llama-3-8B_instruct_20240729_013421/checkpoint-10",
4
+ "epoch": 0.20833333333333334,
5
+ "eval_steps": 5,
6
+ "global_step": 10,
7
  "is_hyper_param_search": false,
8
  "is_local_process_zero": true,
9
  "is_world_process_zero": true,
 
12
  "epoch": 0.020833333333333332,
13
  "grad_norm": 0.0,
14
  "learning_rate": 0.0,
15
+ "loss": 0.8792,
16
  "step": 1
17
  },
18
  {
19
+ "epoch": 0.0625,
20
+ "grad_norm": 0.0,
21
+ "learning_rate": 0.0,
22
+ "loss": 0.8254,
23
+ "step": 3
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
24
  },
25
  {
26
+ "epoch": 0.10416666666666667,
27
+ "eval_loss": 0.9155074954032898,
28
+ "eval_runtime": 0.8959,
29
+ "eval_samples_per_second": 379.503,
30
+ "eval_steps_per_second": 3.349,
31
+ "step": 5
32
  },
33
  {
34
+ "epoch": 0.125,
35
+ "grad_norm": 11.439640681488765,
36
+ "learning_rate": 2.25e-06,
37
+ "loss": 0.9527,
38
+ "step": 6
39
  },
40
  {
41
+ "epoch": 0.1875,
42
+ "grad_norm": 5.46081628568487,
43
+ "learning_rate": 2.865909090909091e-06,
44
+ "loss": 0.8488,
45
+ "step": 9
46
  },
47
  {
48
+ "epoch": 0.20833333333333334,
49
+ "eval_loss": 0.8055909276008606,
50
+ "eval_runtime": 0.8781,
51
+ "eval_samples_per_second": 387.192,
52
+ "eval_steps_per_second": 3.416,
53
+ "step": 10
 
54
  }
55
  ],
56
+ "logging_steps": 3,
57
+ "max_steps": 48,
58
  "num_input_tokens_seen": 0,
59
+ "num_train_epochs": 1,
60
+ "save_steps": 10,
61
+ "total_flos": 207641640960.0,
62
  "train_batch_size": 8,
63
  "trial_name": null,
64
  "trial_params": null