| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 3.0, | |
| "eval_steps": 500, | |
| "global_step": 46875, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.032, | |
| "grad_norm": 4.370861530303955, | |
| "learning_rate": 4.9466666666666665e-05, | |
| "loss": 8.1809, | |
| "step": 500 | |
| }, | |
| { | |
| "epoch": 0.064, | |
| "grad_norm": 5.016350746154785, | |
| "learning_rate": 4.8933333333333335e-05, | |
| "loss": 5.7401, | |
| "step": 1000 | |
| }, | |
| { | |
| "epoch": 0.096, | |
| "grad_norm": 5.93944787979126, | |
| "learning_rate": 4.8400000000000004e-05, | |
| "loss": 5.1235, | |
| "step": 1500 | |
| }, | |
| { | |
| "epoch": 0.128, | |
| "grad_norm": 7.470402717590332, | |
| "learning_rate": 4.7866666666666674e-05, | |
| "loss": 4.792, | |
| "step": 2000 | |
| }, | |
| { | |
| "epoch": 0.16, | |
| "grad_norm": 7.819157600402832, | |
| "learning_rate": 4.7333333333333336e-05, | |
| "loss": 4.5796, | |
| "step": 2500 | |
| }, | |
| { | |
| "epoch": 0.192, | |
| "grad_norm": 8.23626708984375, | |
| "learning_rate": 4.6800000000000006e-05, | |
| "loss": 4.4105, | |
| "step": 3000 | |
| }, | |
| { | |
| "epoch": 0.224, | |
| "grad_norm": 8.517165184020996, | |
| "learning_rate": 4.626666666666667e-05, | |
| "loss": 4.2749, | |
| "step": 3500 | |
| }, | |
| { | |
| "epoch": 0.256, | |
| "grad_norm": 8.462729454040527, | |
| "learning_rate": 4.573333333333333e-05, | |
| "loss": 4.1514, | |
| "step": 4000 | |
| }, | |
| { | |
| "epoch": 0.288, | |
| "grad_norm": 8.313840866088867, | |
| "learning_rate": 4.52e-05, | |
| "loss": 4.0479, | |
| "step": 4500 | |
| }, | |
| { | |
| "epoch": 0.32, | |
| "grad_norm": 7.927861213684082, | |
| "learning_rate": 4.466666666666667e-05, | |
| "loss": 3.9494, | |
| "step": 5000 | |
| }, | |
| { | |
| "epoch": 0.352, | |
| "grad_norm": 8.161856651306152, | |
| "learning_rate": 4.413333333333334e-05, | |
| "loss": 3.8686, | |
| "step": 5500 | |
| }, | |
| { | |
| "epoch": 0.384, | |
| "grad_norm": 7.54767370223999, | |
| "learning_rate": 4.36e-05, | |
| "loss": 3.7998, | |
| "step": 6000 | |
| }, | |
| { | |
| "epoch": 0.416, | |
| "grad_norm": 8.122455596923828, | |
| "learning_rate": 4.3066666666666665e-05, | |
| "loss": 3.7362, | |
| "step": 6500 | |
| }, | |
| { | |
| "epoch": 0.448, | |
| "grad_norm": 8.269758224487305, | |
| "learning_rate": 4.2533333333333335e-05, | |
| "loss": 3.6624, | |
| "step": 7000 | |
| }, | |
| { | |
| "epoch": 0.48, | |
| "grad_norm": 7.830111503601074, | |
| "learning_rate": 4.2e-05, | |
| "loss": 3.6145, | |
| "step": 7500 | |
| }, | |
| { | |
| "epoch": 0.512, | |
| "grad_norm": 7.502816200256348, | |
| "learning_rate": 4.146666666666667e-05, | |
| "loss": 3.5634, | |
| "step": 8000 | |
| }, | |
| { | |
| "epoch": 0.544, | |
| "grad_norm": 8.164464950561523, | |
| "learning_rate": 4.093333333333334e-05, | |
| "loss": 3.5123, | |
| "step": 8500 | |
| }, | |
| { | |
| "epoch": 0.576, | |
| "grad_norm": 7.666891574859619, | |
| "learning_rate": 4.0400000000000006e-05, | |
| "loss": 3.4744, | |
| "step": 9000 | |
| }, | |
| { | |
| "epoch": 0.608, | |
| "grad_norm": 8.045496940612793, | |
| "learning_rate": 3.986666666666667e-05, | |
| "loss": 3.432, | |
| "step": 9500 | |
| }, | |
| { | |
| "epoch": 0.64, | |
| "grad_norm": 7.218926429748535, | |
| "learning_rate": 3.933333333333333e-05, | |
| "loss": 3.3907, | |
| "step": 10000 | |
| }, | |
| { | |
| "epoch": 0.672, | |
| "grad_norm": 7.279954433441162, | |
| "learning_rate": 3.88e-05, | |
| "loss": 3.3558, | |
| "step": 10500 | |
| }, | |
| { | |
| "epoch": 0.704, | |
| "grad_norm": 7.96562385559082, | |
| "learning_rate": 3.8266666666666664e-05, | |
| "loss": 3.329, | |
| "step": 11000 | |
| }, | |
| { | |
| "epoch": 0.736, | |
| "grad_norm": 6.720692157745361, | |
| "learning_rate": 3.773333333333334e-05, | |
| "loss": 3.2911, | |
| "step": 11500 | |
| }, | |
| { | |
| "epoch": 0.768, | |
| "grad_norm": 7.464371681213379, | |
| "learning_rate": 3.72e-05, | |
| "loss": 3.2624, | |
| "step": 12000 | |
| }, | |
| { | |
| "epoch": 0.8, | |
| "grad_norm": 6.938182830810547, | |
| "learning_rate": 3.6666666666666666e-05, | |
| "loss": 3.2417, | |
| "step": 12500 | |
| }, | |
| { | |
| "epoch": 0.832, | |
| "grad_norm": 7.353320598602295, | |
| "learning_rate": 3.6133333333333335e-05, | |
| "loss": 3.2141, | |
| "step": 13000 | |
| }, | |
| { | |
| "epoch": 0.864, | |
| "grad_norm": 7.38549280166626, | |
| "learning_rate": 3.56e-05, | |
| "loss": 3.188, | |
| "step": 13500 | |
| }, | |
| { | |
| "epoch": 0.896, | |
| "grad_norm": 6.3833441734313965, | |
| "learning_rate": 3.506666666666667e-05, | |
| "loss": 3.169, | |
| "step": 14000 | |
| }, | |
| { | |
| "epoch": 0.928, | |
| "grad_norm": 6.512674808502197, | |
| "learning_rate": 3.453333333333334e-05, | |
| "loss": 3.1597, | |
| "step": 14500 | |
| }, | |
| { | |
| "epoch": 0.96, | |
| "grad_norm": 6.827766418457031, | |
| "learning_rate": 3.4000000000000007e-05, | |
| "loss": 3.1395, | |
| "step": 15000 | |
| }, | |
| { | |
| "epoch": 0.992, | |
| "grad_norm": 6.480617046356201, | |
| "learning_rate": 3.346666666666667e-05, | |
| "loss": 3.1093, | |
| "step": 15500 | |
| }, | |
| { | |
| "epoch": 1.024, | |
| "grad_norm": 6.874124526977539, | |
| "learning_rate": 3.293333333333333e-05, | |
| "loss": 3.0857, | |
| "step": 16000 | |
| }, | |
| { | |
| "epoch": 1.056, | |
| "grad_norm": 6.6677703857421875, | |
| "learning_rate": 3.24e-05, | |
| "loss": 3.0605, | |
| "step": 16500 | |
| }, | |
| { | |
| "epoch": 1.088, | |
| "grad_norm": 6.855037212371826, | |
| "learning_rate": 3.1866666666666664e-05, | |
| "loss": 3.055, | |
| "step": 17000 | |
| }, | |
| { | |
| "epoch": 1.12, | |
| "grad_norm": 6.230678558349609, | |
| "learning_rate": 3.1333333333333334e-05, | |
| "loss": 3.0464, | |
| "step": 17500 | |
| }, | |
| { | |
| "epoch": 1.152, | |
| "grad_norm": 6.668459415435791, | |
| "learning_rate": 3.08e-05, | |
| "loss": 3.0222, | |
| "step": 18000 | |
| }, | |
| { | |
| "epoch": 1.184, | |
| "grad_norm": 6.614947319030762, | |
| "learning_rate": 3.0266666666666666e-05, | |
| "loss": 2.9976, | |
| "step": 18500 | |
| }, | |
| { | |
| "epoch": 1.216, | |
| "grad_norm": 7.133293151855469, | |
| "learning_rate": 2.9733333333333336e-05, | |
| "loss": 2.9829, | |
| "step": 19000 | |
| }, | |
| { | |
| "epoch": 1.248, | |
| "grad_norm": 6.484233379364014, | |
| "learning_rate": 2.9199999999999998e-05, | |
| "loss": 2.9746, | |
| "step": 19500 | |
| }, | |
| { | |
| "epoch": 1.28, | |
| "grad_norm": 5.960205554962158, | |
| "learning_rate": 2.8666666666666668e-05, | |
| "loss": 2.9632, | |
| "step": 20000 | |
| }, | |
| { | |
| "epoch": 1.312, | |
| "grad_norm": 6.2322845458984375, | |
| "learning_rate": 2.8133333333333334e-05, | |
| "loss": 2.9636, | |
| "step": 20500 | |
| }, | |
| { | |
| "epoch": 1.3439999999999999, | |
| "grad_norm": 6.31065559387207, | |
| "learning_rate": 2.7600000000000003e-05, | |
| "loss": 2.9457, | |
| "step": 21000 | |
| }, | |
| { | |
| "epoch": 1.376, | |
| "grad_norm": 6.024143218994141, | |
| "learning_rate": 2.706666666666667e-05, | |
| "loss": 2.9361, | |
| "step": 21500 | |
| }, | |
| { | |
| "epoch": 1.408, | |
| "grad_norm": 6.09192419052124, | |
| "learning_rate": 2.6533333333333332e-05, | |
| "loss": 2.9157, | |
| "step": 22000 | |
| }, | |
| { | |
| "epoch": 1.44, | |
| "grad_norm": 6.286288738250732, | |
| "learning_rate": 2.6000000000000002e-05, | |
| "loss": 2.9077, | |
| "step": 22500 | |
| }, | |
| { | |
| "epoch": 1.472, | |
| "grad_norm": 6.143230438232422, | |
| "learning_rate": 2.5466666666666668e-05, | |
| "loss": 2.8923, | |
| "step": 23000 | |
| }, | |
| { | |
| "epoch": 1.504, | |
| "grad_norm": 6.066094875335693, | |
| "learning_rate": 2.4933333333333334e-05, | |
| "loss": 2.8803, | |
| "step": 23500 | |
| }, | |
| { | |
| "epoch": 1.536, | |
| "grad_norm": 6.243915557861328, | |
| "learning_rate": 2.44e-05, | |
| "loss": 2.8774, | |
| "step": 24000 | |
| }, | |
| { | |
| "epoch": 1.568, | |
| "grad_norm": 6.412644863128662, | |
| "learning_rate": 2.3866666666666666e-05, | |
| "loss": 2.8581, | |
| "step": 24500 | |
| }, | |
| { | |
| "epoch": 1.6, | |
| "grad_norm": 6.16639518737793, | |
| "learning_rate": 2.3333333333333336e-05, | |
| "loss": 2.8662, | |
| "step": 25000 | |
| }, | |
| { | |
| "epoch": 1.6320000000000001, | |
| "grad_norm": 6.105875492095947, | |
| "learning_rate": 2.2800000000000002e-05, | |
| "loss": 2.8444, | |
| "step": 25500 | |
| }, | |
| { | |
| "epoch": 1.6640000000000001, | |
| "grad_norm": 6.135760307312012, | |
| "learning_rate": 2.2266666666666668e-05, | |
| "loss": 2.8568, | |
| "step": 26000 | |
| }, | |
| { | |
| "epoch": 1.696, | |
| "grad_norm": 6.091760158538818, | |
| "learning_rate": 2.1733333333333334e-05, | |
| "loss": 2.8352, | |
| "step": 26500 | |
| }, | |
| { | |
| "epoch": 1.728, | |
| "grad_norm": 6.177093505859375, | |
| "learning_rate": 2.12e-05, | |
| "loss": 2.8265, | |
| "step": 27000 | |
| }, | |
| { | |
| "epoch": 1.76, | |
| "grad_norm": 6.15477180480957, | |
| "learning_rate": 2.0666666666666666e-05, | |
| "loss": 2.8198, | |
| "step": 27500 | |
| }, | |
| { | |
| "epoch": 1.792, | |
| "grad_norm": 6.571444988250732, | |
| "learning_rate": 2.0133333333333336e-05, | |
| "loss": 2.8118, | |
| "step": 28000 | |
| }, | |
| { | |
| "epoch": 1.8239999999999998, | |
| "grad_norm": 6.144059658050537, | |
| "learning_rate": 1.9600000000000002e-05, | |
| "loss": 2.8048, | |
| "step": 28500 | |
| }, | |
| { | |
| "epoch": 1.8559999999999999, | |
| "grad_norm": 6.564633369445801, | |
| "learning_rate": 1.9066666666666668e-05, | |
| "loss": 2.792, | |
| "step": 29000 | |
| }, | |
| { | |
| "epoch": 1.888, | |
| "grad_norm": 6.839704513549805, | |
| "learning_rate": 1.8533333333333334e-05, | |
| "loss": 2.7989, | |
| "step": 29500 | |
| }, | |
| { | |
| "epoch": 1.92, | |
| "grad_norm": 6.17877721786499, | |
| "learning_rate": 1.8e-05, | |
| "loss": 2.7891, | |
| "step": 30000 | |
| }, | |
| { | |
| "epoch": 1.952, | |
| "grad_norm": 6.390108108520508, | |
| "learning_rate": 1.7466666666666667e-05, | |
| "loss": 2.789, | |
| "step": 30500 | |
| }, | |
| { | |
| "epoch": 1.984, | |
| "grad_norm": 6.040237903594971, | |
| "learning_rate": 1.6933333333333333e-05, | |
| "loss": 2.7796, | |
| "step": 31000 | |
| }, | |
| { | |
| "epoch": 2.016, | |
| "grad_norm": 6.18825626373291, | |
| "learning_rate": 1.6400000000000002e-05, | |
| "loss": 2.784, | |
| "step": 31500 | |
| }, | |
| { | |
| "epoch": 2.048, | |
| "grad_norm": 6.754644393920898, | |
| "learning_rate": 1.586666666666667e-05, | |
| "loss": 2.766, | |
| "step": 32000 | |
| }, | |
| { | |
| "epoch": 2.08, | |
| "grad_norm": 6.347661972045898, | |
| "learning_rate": 1.5333333333333334e-05, | |
| "loss": 2.7708, | |
| "step": 32500 | |
| }, | |
| { | |
| "epoch": 2.112, | |
| "grad_norm": 6.577206134796143, | |
| "learning_rate": 1.48e-05, | |
| "loss": 2.7538, | |
| "step": 33000 | |
| }, | |
| { | |
| "epoch": 2.144, | |
| "grad_norm": 6.365417003631592, | |
| "learning_rate": 1.4266666666666667e-05, | |
| "loss": 2.7592, | |
| "step": 33500 | |
| }, | |
| { | |
| "epoch": 2.176, | |
| "grad_norm": 6.083129405975342, | |
| "learning_rate": 1.3733333333333335e-05, | |
| "loss": 2.7561, | |
| "step": 34000 | |
| }, | |
| { | |
| "epoch": 2.208, | |
| "grad_norm": 6.250114440917969, | |
| "learning_rate": 1.32e-05, | |
| "loss": 2.7476, | |
| "step": 34500 | |
| }, | |
| { | |
| "epoch": 2.24, | |
| "grad_norm": 6.081153392791748, | |
| "learning_rate": 1.2666666666666668e-05, | |
| "loss": 2.74, | |
| "step": 35000 | |
| }, | |
| { | |
| "epoch": 2.2720000000000002, | |
| "grad_norm": 6.01012659072876, | |
| "learning_rate": 1.2133333333333335e-05, | |
| "loss": 2.7465, | |
| "step": 35500 | |
| }, | |
| { | |
| "epoch": 2.304, | |
| "grad_norm": 6.1685566902160645, | |
| "learning_rate": 1.16e-05, | |
| "loss": 2.7345, | |
| "step": 36000 | |
| }, | |
| { | |
| "epoch": 2.336, | |
| "grad_norm": 6.151036262512207, | |
| "learning_rate": 1.1066666666666667e-05, | |
| "loss": 2.7402, | |
| "step": 36500 | |
| }, | |
| { | |
| "epoch": 2.368, | |
| "grad_norm": 6.3378005027771, | |
| "learning_rate": 1.0533333333333335e-05, | |
| "loss": 2.7396, | |
| "step": 37000 | |
| }, | |
| { | |
| "epoch": 2.4, | |
| "grad_norm": 5.99214506149292, | |
| "learning_rate": 1e-05, | |
| "loss": 2.7323, | |
| "step": 37500 | |
| }, | |
| { | |
| "epoch": 2.432, | |
| "grad_norm": 6.489102363586426, | |
| "learning_rate": 9.466666666666667e-06, | |
| "loss": 2.7319, | |
| "step": 38000 | |
| }, | |
| { | |
| "epoch": 2.464, | |
| "grad_norm": 5.602969646453857, | |
| "learning_rate": 8.933333333333333e-06, | |
| "loss": 2.7294, | |
| "step": 38500 | |
| }, | |
| { | |
| "epoch": 2.496, | |
| "grad_norm": 6.040646076202393, | |
| "learning_rate": 8.400000000000001e-06, | |
| "loss": 2.7196, | |
| "step": 39000 | |
| }, | |
| { | |
| "epoch": 2.528, | |
| "grad_norm": 6.2085795402526855, | |
| "learning_rate": 7.866666666666667e-06, | |
| "loss": 2.7251, | |
| "step": 39500 | |
| }, | |
| { | |
| "epoch": 2.56, | |
| "grad_norm": 6.605915546417236, | |
| "learning_rate": 7.333333333333334e-06, | |
| "loss": 2.718, | |
| "step": 40000 | |
| }, | |
| { | |
| "epoch": 2.592, | |
| "grad_norm": 6.362601280212402, | |
| "learning_rate": 6.800000000000001e-06, | |
| "loss": 2.7193, | |
| "step": 40500 | |
| }, | |
| { | |
| "epoch": 2.624, | |
| "grad_norm": 5.962555885314941, | |
| "learning_rate": 6.266666666666666e-06, | |
| "loss": 2.711, | |
| "step": 41000 | |
| }, | |
| { | |
| "epoch": 2.656, | |
| "grad_norm": 6.051676273345947, | |
| "learning_rate": 5.733333333333333e-06, | |
| "loss": 2.7156, | |
| "step": 41500 | |
| }, | |
| { | |
| "epoch": 2.6879999999999997, | |
| "grad_norm": 6.377429008483887, | |
| "learning_rate": 5.2e-06, | |
| "loss": 2.7165, | |
| "step": 42000 | |
| }, | |
| { | |
| "epoch": 2.7199999999999998, | |
| "grad_norm": 6.063472747802734, | |
| "learning_rate": 4.666666666666667e-06, | |
| "loss": 2.7203, | |
| "step": 42500 | |
| }, | |
| { | |
| "epoch": 2.752, | |
| "grad_norm": 6.316308975219727, | |
| "learning_rate": 4.133333333333333e-06, | |
| "loss": 2.7083, | |
| "step": 43000 | |
| }, | |
| { | |
| "epoch": 2.784, | |
| "grad_norm": 6.789013385772705, | |
| "learning_rate": 3.6e-06, | |
| "loss": 2.709, | |
| "step": 43500 | |
| }, | |
| { | |
| "epoch": 2.816, | |
| "grad_norm": 6.373924732208252, | |
| "learning_rate": 3.066666666666667e-06, | |
| "loss": 2.7082, | |
| "step": 44000 | |
| }, | |
| { | |
| "epoch": 2.848, | |
| "grad_norm": 6.395301342010498, | |
| "learning_rate": 2.5333333333333334e-06, | |
| "loss": 2.6969, | |
| "step": 44500 | |
| }, | |
| { | |
| "epoch": 2.88, | |
| "grad_norm": 5.811594009399414, | |
| "learning_rate": 2.0000000000000003e-06, | |
| "loss": 2.71, | |
| "step": 45000 | |
| }, | |
| { | |
| "epoch": 2.912, | |
| "grad_norm": 5.967408180236816, | |
| "learning_rate": 1.4666666666666667e-06, | |
| "loss": 2.6958, | |
| "step": 45500 | |
| }, | |
| { | |
| "epoch": 2.944, | |
| "grad_norm": 6.8203606605529785, | |
| "learning_rate": 9.333333333333334e-07, | |
| "loss": 2.693, | |
| "step": 46000 | |
| }, | |
| { | |
| "epoch": 2.976, | |
| "grad_norm": 6.463422775268555, | |
| "learning_rate": 4.0000000000000003e-07, | |
| "loss": 2.7024, | |
| "step": 46500 | |
| } | |
| ], | |
| "logging_steps": 500, | |
| "max_steps": 46875, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 3, | |
| "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": 3.99952244736e+17, | |
| "train_batch_size": 16, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |