ToastyPigeon's picture
Training in progress, step 195, checkpoint
7f9086d verified
raw
history blame
34.9 kB
{
"best_metric": null,
"best_model_checkpoint": null,
"epoch": 0.5078125,
"eval_steps": 39,
"global_step": 195,
"is_hyper_param_search": false,
"is_local_process_zero": true,
"is_world_process_zero": true,
"log_history": [
{
"epoch": 0.0026041666666666665,
"grad_norm": 0.3952034496250024,
"learning_rate": 5e-06,
"loss": 2.4903,
"step": 1
},
{
"epoch": 0.0026041666666666665,
"eval_loss": 2.554558753967285,
"eval_runtime": 65.1161,
"eval_samples_per_second": 1.229,
"eval_steps_per_second": 0.154,
"step": 1
},
{
"epoch": 0.005208333333333333,
"grad_norm": 0.3885918424668888,
"learning_rate": 1e-05,
"loss": 2.4825,
"step": 2
},
{
"epoch": 0.0078125,
"grad_norm": 0.3847099050493279,
"learning_rate": 1.5e-05,
"loss": 2.5035,
"step": 3
},
{
"epoch": 0.010416666666666666,
"grad_norm": 0.4235545463515579,
"learning_rate": 2e-05,
"loss": 2.5577,
"step": 4
},
{
"epoch": 0.013020833333333334,
"grad_norm": 0.3801745772810421,
"learning_rate": 2.5e-05,
"loss": 2.5297,
"step": 5
},
{
"epoch": 0.015625,
"grad_norm": 0.3512277500716236,
"learning_rate": 3e-05,
"loss": 2.4777,
"step": 6
},
{
"epoch": 0.018229166666666668,
"grad_norm": 0.28888015786994375,
"learning_rate": 3.5e-05,
"loss": 2.4556,
"step": 7
},
{
"epoch": 0.020833333333333332,
"grad_norm": 0.25350975750236143,
"learning_rate": 4e-05,
"loss": 2.5022,
"step": 8
},
{
"epoch": 0.0234375,
"grad_norm": 0.22691977505165736,
"learning_rate": 4.5e-05,
"loss": 2.4143,
"step": 9
},
{
"epoch": 0.026041666666666668,
"grad_norm": 0.20864896327745933,
"learning_rate": 5e-05,
"loss": 2.4545,
"step": 10
},
{
"epoch": 0.028645833333333332,
"grad_norm": 0.20008113121425344,
"learning_rate": 5.500000000000001e-05,
"loss": 2.4939,
"step": 11
},
{
"epoch": 0.03125,
"grad_norm": 0.24785418789288546,
"learning_rate": 6e-05,
"loss": 2.3184,
"step": 12
},
{
"epoch": 0.033854166666666664,
"grad_norm": 0.2153715911656377,
"learning_rate": 6.500000000000001e-05,
"loss": 2.4738,
"step": 13
},
{
"epoch": 0.036458333333333336,
"grad_norm": 0.22249287774026938,
"learning_rate": 7e-05,
"loss": 2.4814,
"step": 14
},
{
"epoch": 0.0390625,
"grad_norm": 0.2076426443768558,
"learning_rate": 7.500000000000001e-05,
"loss": 2.3529,
"step": 15
},
{
"epoch": 0.041666666666666664,
"grad_norm": 0.2246776060857838,
"learning_rate": 8e-05,
"loss": 2.2371,
"step": 16
},
{
"epoch": 0.044270833333333336,
"grad_norm": 0.18383862266336323,
"learning_rate": 8.5e-05,
"loss": 2.4787,
"step": 17
},
{
"epoch": 0.046875,
"grad_norm": 0.20631688287583885,
"learning_rate": 9e-05,
"loss": 2.6178,
"step": 18
},
{
"epoch": 0.049479166666666664,
"grad_norm": 0.18016643348558348,
"learning_rate": 9.5e-05,
"loss": 2.4891,
"step": 19
},
{
"epoch": 0.052083333333333336,
"grad_norm": 0.14534618682097772,
"learning_rate": 0.0001,
"loss": 2.4522,
"step": 20
},
{
"epoch": 0.0546875,
"grad_norm": 0.15428537805246717,
"learning_rate": 9.999832398924833e-05,
"loss": 2.4111,
"step": 21
},
{
"epoch": 0.057291666666666664,
"grad_norm": 0.1631103718894274,
"learning_rate": 9.999329608183822e-05,
"loss": 2.387,
"step": 22
},
{
"epoch": 0.059895833333333336,
"grad_norm": 0.1552602669275131,
"learning_rate": 9.998491665229539e-05,
"loss": 2.3648,
"step": 23
},
{
"epoch": 0.0625,
"grad_norm": 0.1704183704935776,
"learning_rate": 9.997318632479817e-05,
"loss": 2.4997,
"step": 24
},
{
"epoch": 0.06510416666666667,
"grad_norm": 0.1585395745370806,
"learning_rate": 9.995810597313128e-05,
"loss": 2.5326,
"step": 25
},
{
"epoch": 0.06770833333333333,
"grad_norm": 0.1344528253347993,
"learning_rate": 9.993967672062052e-05,
"loss": 2.5174,
"step": 26
},
{
"epoch": 0.0703125,
"grad_norm": 0.14705487245235002,
"learning_rate": 9.991789994004929e-05,
"loss": 2.3446,
"step": 27
},
{
"epoch": 0.07291666666666667,
"grad_norm": 0.1461054029585455,
"learning_rate": 9.989277725355615e-05,
"loss": 2.4945,
"step": 28
},
{
"epoch": 0.07552083333333333,
"grad_norm": 0.14508526627249885,
"learning_rate": 9.986431053251411e-05,
"loss": 2.3801,
"step": 29
},
{
"epoch": 0.078125,
"grad_norm": 0.14473824067661442,
"learning_rate": 9.983250189739119e-05,
"loss": 2.4877,
"step": 30
},
{
"epoch": 0.08072916666666667,
"grad_norm": 0.18945595196350265,
"learning_rate": 9.97973537175925e-05,
"loss": 2.5833,
"step": 31
},
{
"epoch": 0.08333333333333333,
"grad_norm": 0.1541697712272958,
"learning_rate": 9.975886861128368e-05,
"loss": 2.4619,
"step": 32
},
{
"epoch": 0.0859375,
"grad_norm": 0.16052736172586615,
"learning_rate": 9.971704944519594e-05,
"loss": 2.5037,
"step": 33
},
{
"epoch": 0.08854166666666667,
"grad_norm": 0.15543243937875972,
"learning_rate": 9.967189933441243e-05,
"loss": 2.4374,
"step": 34
},
{
"epoch": 0.09114583333333333,
"grad_norm": 0.16705335802827087,
"learning_rate": 9.962342164213639e-05,
"loss": 2.5955,
"step": 35
},
{
"epoch": 0.09375,
"grad_norm": 0.14789348505066385,
"learning_rate": 9.957161997944034e-05,
"loss": 2.4322,
"step": 36
},
{
"epoch": 0.09635416666666667,
"grad_norm": 0.15495422007897772,
"learning_rate": 9.95164982049974e-05,
"loss": 2.4307,
"step": 37
},
{
"epoch": 0.09895833333333333,
"grad_norm": 0.15049524925558916,
"learning_rate": 9.94580604247936e-05,
"loss": 2.3423,
"step": 38
},
{
"epoch": 0.1015625,
"grad_norm": 0.1444251980172912,
"learning_rate": 9.939631099182219e-05,
"loss": 2.2882,
"step": 39
},
{
"epoch": 0.1015625,
"eval_loss": 2.4301750659942627,
"eval_runtime": 65.3323,
"eval_samples_per_second": 1.225,
"eval_steps_per_second": 0.153,
"step": 39
},
{
"epoch": 0.10416666666666667,
"grad_norm": 0.1475367612200888,
"learning_rate": 9.933125450575932e-05,
"loss": 2.4509,
"step": 40
},
{
"epoch": 0.10677083333333333,
"grad_norm": 0.16356380426266176,
"learning_rate": 9.926289581262147e-05,
"loss": 2.5307,
"step": 41
},
{
"epoch": 0.109375,
"grad_norm": 0.166302003601292,
"learning_rate": 9.919124000440438e-05,
"loss": 2.526,
"step": 42
},
{
"epoch": 0.11197916666666667,
"grad_norm": 0.14645402434215465,
"learning_rate": 9.91162924187038e-05,
"loss": 2.2958,
"step": 43
},
{
"epoch": 0.11458333333333333,
"grad_norm": 0.2119539720051403,
"learning_rate": 9.903805863831799e-05,
"loss": 2.3299,
"step": 44
},
{
"epoch": 0.1171875,
"grad_norm": 0.151653634781893,
"learning_rate": 9.895654449083166e-05,
"loss": 2.4133,
"step": 45
},
{
"epoch": 0.11979166666666667,
"grad_norm": 0.1547044553169797,
"learning_rate": 9.887175604818206e-05,
"loss": 2.5952,
"step": 46
},
{
"epoch": 0.12239583333333333,
"grad_norm": 0.16664262013704687,
"learning_rate": 9.87836996262066e-05,
"loss": 2.4714,
"step": 47
},
{
"epoch": 0.125,
"grad_norm": 0.15551192268579045,
"learning_rate": 9.869238178417235e-05,
"loss": 2.3432,
"step": 48
},
{
"epoch": 0.12760416666666666,
"grad_norm": 0.14968525834314664,
"learning_rate": 9.859780932428756e-05,
"loss": 2.4037,
"step": 49
},
{
"epoch": 0.13020833333333334,
"grad_norm": 0.1685655914159011,
"learning_rate": 9.849998929119488e-05,
"loss": 2.4032,
"step": 50
},
{
"epoch": 0.1328125,
"grad_norm": 0.13644233785328275,
"learning_rate": 9.839892897144663e-05,
"loss": 2.4095,
"step": 51
},
{
"epoch": 0.13541666666666666,
"grad_norm": 0.14364815720124613,
"learning_rate": 9.829463589296203e-05,
"loss": 2.4398,
"step": 52
},
{
"epoch": 0.13802083333333334,
"grad_norm": 0.14915929369602085,
"learning_rate": 9.818711782446645e-05,
"loss": 2.4816,
"step": 53
},
{
"epoch": 0.140625,
"grad_norm": 0.14935461072359194,
"learning_rate": 9.80763827749127e-05,
"loss": 2.3426,
"step": 54
},
{
"epoch": 0.14322916666666666,
"grad_norm": 0.15190176296605723,
"learning_rate": 9.796243899288456e-05,
"loss": 2.4705,
"step": 55
},
{
"epoch": 0.14583333333333334,
"grad_norm": 0.14303795896023264,
"learning_rate": 9.784529496598214e-05,
"loss": 2.5108,
"step": 56
},
{
"epoch": 0.1484375,
"grad_norm": 0.1556316812368993,
"learning_rate": 9.772495942018985e-05,
"loss": 2.3112,
"step": 57
},
{
"epoch": 0.15104166666666666,
"grad_norm": 0.1483632196038671,
"learning_rate": 9.760144131922628e-05,
"loss": 2.2325,
"step": 58
},
{
"epoch": 0.15364583333333334,
"grad_norm": 0.12410345584803052,
"learning_rate": 9.747474986387654e-05,
"loss": 2.3749,
"step": 59
},
{
"epoch": 0.15625,
"grad_norm": 0.16335694957610425,
"learning_rate": 9.734489449130695e-05,
"loss": 2.4645,
"step": 60
},
{
"epoch": 0.15885416666666666,
"grad_norm": 0.1479375196060614,
"learning_rate": 9.721188487436195e-05,
"loss": 2.3834,
"step": 61
},
{
"epoch": 0.16145833333333334,
"grad_norm": 0.13750323689269844,
"learning_rate": 9.707573092084368e-05,
"loss": 2.3592,
"step": 62
},
{
"epoch": 0.1640625,
"grad_norm": 0.16027916915470333,
"learning_rate": 9.693644277277391e-05,
"loss": 2.4954,
"step": 63
},
{
"epoch": 0.16666666666666666,
"grad_norm": 0.14229365410212697,
"learning_rate": 9.679403080563861e-05,
"loss": 2.4404,
"step": 64
},
{
"epoch": 0.16927083333333334,
"grad_norm": 0.153686499622388,
"learning_rate": 9.6648505627615e-05,
"loss": 2.2282,
"step": 65
},
{
"epoch": 0.171875,
"grad_norm": 0.16590644992700104,
"learning_rate": 9.649987807878148e-05,
"loss": 2.5126,
"step": 66
},
{
"epoch": 0.17447916666666666,
"grad_norm": 0.15502972088699477,
"learning_rate": 9.634815923030997e-05,
"loss": 2.3749,
"step": 67
},
{
"epoch": 0.17708333333333334,
"grad_norm": 0.14756465898580834,
"learning_rate": 9.61933603836415e-05,
"loss": 2.3476,
"step": 68
},
{
"epoch": 0.1796875,
"grad_norm": 0.14919525754908758,
"learning_rate": 9.603549306964407e-05,
"loss": 2.3509,
"step": 69
},
{
"epoch": 0.18229166666666666,
"grad_norm": 0.13861494211266717,
"learning_rate": 9.587456904775393e-05,
"loss": 2.2449,
"step": 70
},
{
"epoch": 0.18489583333333334,
"grad_norm": 0.14821518394829722,
"learning_rate": 9.57106003050996e-05,
"loss": 2.3813,
"step": 71
},
{
"epoch": 0.1875,
"grad_norm": 0.16324527196573113,
"learning_rate": 9.554359905560886e-05,
"loss": 2.477,
"step": 72
},
{
"epoch": 0.19010416666666666,
"grad_norm": 0.14892748528676938,
"learning_rate": 9.537357773909906e-05,
"loss": 2.264,
"step": 73
},
{
"epoch": 0.19270833333333334,
"grad_norm": 0.1284546434475265,
"learning_rate": 9.520054902035035e-05,
"loss": 2.4267,
"step": 74
},
{
"epoch": 0.1953125,
"grad_norm": 0.14293551215488642,
"learning_rate": 9.502452578816244e-05,
"loss": 2.5131,
"step": 75
},
{
"epoch": 0.19791666666666666,
"grad_norm": 0.14775108859068506,
"learning_rate": 9.484552115439445e-05,
"loss": 2.4076,
"step": 76
},
{
"epoch": 0.20052083333333334,
"grad_norm": 0.15478800535673032,
"learning_rate": 9.466354845298817e-05,
"loss": 2.5762,
"step": 77
},
{
"epoch": 0.203125,
"grad_norm": 0.16835921991226063,
"learning_rate": 9.44786212389749e-05,
"loss": 2.3752,
"step": 78
},
{
"epoch": 0.203125,
"eval_loss": 2.4171054363250732,
"eval_runtime": 65.4109,
"eval_samples_per_second": 1.223,
"eval_steps_per_second": 0.153,
"step": 78
},
{
"epoch": 0.20572916666666666,
"grad_norm": 0.14467889640535875,
"learning_rate": 9.42907532874657e-05,
"loss": 2.4769,
"step": 79
},
{
"epoch": 0.20833333333333334,
"grad_norm": 0.13503613492125413,
"learning_rate": 9.40999585926253e-05,
"loss": 2.4346,
"step": 80
},
{
"epoch": 0.2109375,
"grad_norm": 0.1517728973900508,
"learning_rate": 9.390625136662972e-05,
"loss": 2.261,
"step": 81
},
{
"epoch": 0.21354166666666666,
"grad_norm": 0.1466563383653839,
"learning_rate": 9.370964603860753e-05,
"loss": 2.5261,
"step": 82
},
{
"epoch": 0.21614583333333334,
"grad_norm": 0.14618631155344838,
"learning_rate": 9.351015725356514e-05,
"loss": 2.4269,
"step": 83
},
{
"epoch": 0.21875,
"grad_norm": 0.15601390292939937,
"learning_rate": 9.33077998712958e-05,
"loss": 2.3773,
"step": 84
},
{
"epoch": 0.22135416666666666,
"grad_norm": 0.14415725413526403,
"learning_rate": 9.310258896527278e-05,
"loss": 2.3473,
"step": 85
},
{
"epoch": 0.22395833333333334,
"grad_norm": 0.13470412653239092,
"learning_rate": 9.289453982152653e-05,
"loss": 2.3472,
"step": 86
},
{
"epoch": 0.2265625,
"grad_norm": 0.15570776289510233,
"learning_rate": 9.2683667937506e-05,
"loss": 2.4414,
"step": 87
},
{
"epoch": 0.22916666666666666,
"grad_norm": 0.14612626399487072,
"learning_rate": 9.246998902092428e-05,
"loss": 2.4655,
"step": 88
},
{
"epoch": 0.23177083333333334,
"grad_norm": 0.18267625807633459,
"learning_rate": 9.22535189885886e-05,
"loss": 2.2771,
"step": 89
},
{
"epoch": 0.234375,
"grad_norm": 0.16065010725957032,
"learning_rate": 9.203427396521454e-05,
"loss": 2.4194,
"step": 90
},
{
"epoch": 0.23697916666666666,
"grad_norm": 0.18321820032984756,
"learning_rate": 9.181227028222508e-05,
"loss": 2.4456,
"step": 91
},
{
"epoch": 0.23958333333333334,
"grad_norm": 0.13929464732035163,
"learning_rate": 9.158752447653397e-05,
"loss": 2.3989,
"step": 92
},
{
"epoch": 0.2421875,
"grad_norm": 0.15585898969003706,
"learning_rate": 9.136005328931395e-05,
"loss": 2.4777,
"step": 93
},
{
"epoch": 0.24479166666666666,
"grad_norm": 0.14793073723102618,
"learning_rate": 9.112987366474972e-05,
"loss": 2.379,
"step": 94
},
{
"epoch": 0.24739583333333334,
"grad_norm": 0.14075868568691305,
"learning_rate": 9.089700274877574e-05,
"loss": 2.3281,
"step": 95
},
{
"epoch": 0.25,
"grad_norm": 0.15327339815586916,
"learning_rate": 9.066145788779908e-05,
"loss": 2.4517,
"step": 96
},
{
"epoch": 0.2526041666666667,
"grad_norm": 0.15505433166839452,
"learning_rate": 9.042325662740726e-05,
"loss": 2.2919,
"step": 97
},
{
"epoch": 0.2552083333333333,
"grad_norm": 0.1468856057426848,
"learning_rate": 9.018241671106134e-05,
"loss": 2.3889,
"step": 98
},
{
"epoch": 0.2578125,
"grad_norm": 0.1478488710337695,
"learning_rate": 8.993895607877418e-05,
"loss": 2.3595,
"step": 99
},
{
"epoch": 0.2604166666666667,
"grad_norm": 0.175359520279898,
"learning_rate": 8.969289286577408e-05,
"loss": 2.553,
"step": 100
},
{
"epoch": 0.2630208333333333,
"grad_norm": 0.14503182442700818,
"learning_rate": 8.9444245401154e-05,
"loss": 2.3573,
"step": 101
},
{
"epoch": 0.265625,
"grad_norm": 0.14177870868430487,
"learning_rate": 8.919303220650606e-05,
"loss": 2.3274,
"step": 102
},
{
"epoch": 0.2682291666666667,
"grad_norm": 0.1779007031093982,
"learning_rate": 8.893927199454207e-05,
"loss": 2.2008,
"step": 103
},
{
"epoch": 0.2708333333333333,
"grad_norm": 0.14578869126284813,
"learning_rate": 8.868298366769954e-05,
"loss": 2.444,
"step": 104
},
{
"epoch": 0.2734375,
"grad_norm": 0.14046914929392473,
"learning_rate": 8.842418631673365e-05,
"loss": 2.2844,
"step": 105
},
{
"epoch": 0.2760416666666667,
"grad_norm": 0.13720708755401478,
"learning_rate": 8.816289921929516e-05,
"loss": 2.5047,
"step": 106
},
{
"epoch": 0.2786458333333333,
"grad_norm": 0.13901967393067377,
"learning_rate": 8.789914183849449e-05,
"loss": 2.4602,
"step": 107
},
{
"epoch": 0.28125,
"grad_norm": 0.14165507438668587,
"learning_rate": 8.763293382145195e-05,
"loss": 2.3135,
"step": 108
},
{
"epoch": 0.2838541666666667,
"grad_norm": 0.1588574639328753,
"learning_rate": 8.73642949978341e-05,
"loss": 2.3731,
"step": 109
},
{
"epoch": 0.2864583333333333,
"grad_norm": 0.1905241886636867,
"learning_rate": 8.709324537837684e-05,
"loss": 2.4152,
"step": 110
},
{
"epoch": 0.2890625,
"grad_norm": 0.16919809232424363,
"learning_rate": 8.681980515339464e-05,
"loss": 2.2948,
"step": 111
},
{
"epoch": 0.2916666666666667,
"grad_norm": 0.15114015395920236,
"learning_rate": 8.654399469127673e-05,
"loss": 2.4309,
"step": 112
},
{
"epoch": 0.2942708333333333,
"grad_norm": 0.13890547261939354,
"learning_rate": 8.626583453696976e-05,
"loss": 2.4866,
"step": 113
},
{
"epoch": 0.296875,
"grad_norm": 0.1490334985258922,
"learning_rate": 8.598534541044747e-05,
"loss": 2.4748,
"step": 114
},
{
"epoch": 0.2994791666666667,
"grad_norm": 0.15113023404371403,
"learning_rate": 8.570254820516728e-05,
"loss": 2.3583,
"step": 115
},
{
"epoch": 0.3020833333333333,
"grad_norm": 0.14358757342098682,
"learning_rate": 8.541746398651395e-05,
"loss": 2.4005,
"step": 116
},
{
"epoch": 0.3046875,
"grad_norm": 0.1494340804949735,
"learning_rate": 8.513011399023036e-05,
"loss": 2.3249,
"step": 117
},
{
"epoch": 0.3046875,
"eval_loss": 2.4119415283203125,
"eval_runtime": 65.4329,
"eval_samples_per_second": 1.223,
"eval_steps_per_second": 0.153,
"step": 117
},
{
"epoch": 0.3072916666666667,
"grad_norm": 0.14857253164474957,
"learning_rate": 8.484051962083579e-05,
"loss": 2.3431,
"step": 118
},
{
"epoch": 0.3098958333333333,
"grad_norm": 0.14191988741229736,
"learning_rate": 8.454870245003141e-05,
"loss": 2.3861,
"step": 119
},
{
"epoch": 0.3125,
"grad_norm": 0.1516024307266096,
"learning_rate": 8.425468421509349e-05,
"loss": 2.411,
"step": 120
},
{
"epoch": 0.3151041666666667,
"grad_norm": 0.15002982823803926,
"learning_rate": 8.395848681725416e-05,
"loss": 2.49,
"step": 121
},
{
"epoch": 0.3177083333333333,
"grad_norm": 0.14904411125984457,
"learning_rate": 8.366013232007002e-05,
"loss": 2.2998,
"step": 122
},
{
"epoch": 0.3203125,
"grad_norm": 0.15513959182528284,
"learning_rate": 8.335964294777862e-05,
"loss": 2.4748,
"step": 123
},
{
"epoch": 0.3229166666666667,
"grad_norm": 0.16028597088352084,
"learning_rate": 8.305704108364301e-05,
"loss": 2.5415,
"step": 124
},
{
"epoch": 0.3255208333333333,
"grad_norm": 0.1382845005964039,
"learning_rate": 8.275234926828446e-05,
"loss": 2.3863,
"step": 125
},
{
"epoch": 0.328125,
"grad_norm": 0.13146327268638525,
"learning_rate": 8.244559019800328e-05,
"loss": 2.2718,
"step": 126
},
{
"epoch": 0.3307291666666667,
"grad_norm": 0.14918540441469405,
"learning_rate": 8.213678672308841e-05,
"loss": 2.29,
"step": 127
},
{
"epoch": 0.3333333333333333,
"grad_norm": 0.14572964949235084,
"learning_rate": 8.182596184611514e-05,
"loss": 2.3865,
"step": 128
},
{
"epoch": 0.3359375,
"grad_norm": 0.1467709610422986,
"learning_rate": 8.151313872023172e-05,
"loss": 2.3566,
"step": 129
},
{
"epoch": 0.3385416666666667,
"grad_norm": 0.1696428030171741,
"learning_rate": 8.119834064743469e-05,
"loss": 2.4145,
"step": 130
},
{
"epoch": 0.3411458333333333,
"grad_norm": 0.1567212274267596,
"learning_rate": 8.088159107683314e-05,
"loss": 2.3996,
"step": 131
},
{
"epoch": 0.34375,
"grad_norm": 0.16059171688564705,
"learning_rate": 8.056291360290201e-05,
"loss": 2.4796,
"step": 132
},
{
"epoch": 0.3463541666666667,
"grad_norm": 0.17528470844982455,
"learning_rate": 8.024233196372453e-05,
"loss": 2.3711,
"step": 133
},
{
"epoch": 0.3489583333333333,
"grad_norm": 0.15733889602776618,
"learning_rate": 7.9919870039224e-05,
"loss": 2.2677,
"step": 134
},
{
"epoch": 0.3515625,
"grad_norm": 0.14873870088112393,
"learning_rate": 7.959555184938495e-05,
"loss": 2.4515,
"step": 135
},
{
"epoch": 0.3541666666666667,
"grad_norm": 0.15417965735327782,
"learning_rate": 7.926940155246397e-05,
"loss": 2.4285,
"step": 136
},
{
"epoch": 0.3567708333333333,
"grad_norm": 0.1431617281765595,
"learning_rate": 7.894144344319014e-05,
"loss": 2.2096,
"step": 137
},
{
"epoch": 0.359375,
"grad_norm": 0.1582812354896834,
"learning_rate": 7.861170195095537e-05,
"loss": 2.5397,
"step": 138
},
{
"epoch": 0.3619791666666667,
"grad_norm": 0.17372786439002758,
"learning_rate": 7.828020163799455e-05,
"loss": 2.4293,
"step": 139
},
{
"epoch": 0.3645833333333333,
"grad_norm": 0.12985922414383083,
"learning_rate": 7.794696719755612e-05,
"loss": 2.3064,
"step": 140
},
{
"epoch": 0.3671875,
"grad_norm": 0.14444453543114258,
"learning_rate": 7.761202345206249e-05,
"loss": 2.4924,
"step": 141
},
{
"epoch": 0.3697916666666667,
"grad_norm": 0.14361378320872797,
"learning_rate": 7.727539535126118e-05,
"loss": 2.485,
"step": 142
},
{
"epoch": 0.3723958333333333,
"grad_norm": 0.14506765397834698,
"learning_rate": 7.69371079703662e-05,
"loss": 2.4081,
"step": 143
},
{
"epoch": 0.375,
"grad_norm": 0.15082242594669004,
"learning_rate": 7.65971865081904e-05,
"loss": 2.4042,
"step": 144
},
{
"epoch": 0.3776041666666667,
"grad_norm": 0.14811116555183387,
"learning_rate": 7.625565628526818e-05,
"loss": 2.5335,
"step": 145
},
{
"epoch": 0.3802083333333333,
"grad_norm": 0.14726265807121236,
"learning_rate": 7.591254274196959e-05,
"loss": 2.2424,
"step": 146
},
{
"epoch": 0.3828125,
"grad_norm": 0.1582839530592079,
"learning_rate": 7.556787143660521e-05,
"loss": 2.3499,
"step": 147
},
{
"epoch": 0.3854166666666667,
"grad_norm": 0.15670436913091046,
"learning_rate": 7.522166804352226e-05,
"loss": 2.4295,
"step": 148
},
{
"epoch": 0.3880208333333333,
"grad_norm": 0.14730612216140554,
"learning_rate": 7.487395835119231e-05,
"loss": 2.3101,
"step": 149
},
{
"epoch": 0.390625,
"grad_norm": 0.15120580103738476,
"learning_rate": 7.452476826029011e-05,
"loss": 2.4888,
"step": 150
},
{
"epoch": 0.3932291666666667,
"grad_norm": 0.15081791485599214,
"learning_rate": 7.417412378176446e-05,
"loss": 2.3946,
"step": 151
},
{
"epoch": 0.3958333333333333,
"grad_norm": 0.13244742107918075,
"learning_rate": 7.382205103490043e-05,
"loss": 2.2704,
"step": 152
},
{
"epoch": 0.3984375,
"grad_norm": 0.14571632653572605,
"learning_rate": 7.346857624537407e-05,
"loss": 2.4644,
"step": 153
},
{
"epoch": 0.4010416666666667,
"grad_norm": 0.15252862923031207,
"learning_rate": 7.311372574329854e-05,
"loss": 2.554,
"step": 154
},
{
"epoch": 0.4036458333333333,
"grad_norm": 0.14927980854491554,
"learning_rate": 7.275752596126308e-05,
"loss": 2.3804,
"step": 155
},
{
"epoch": 0.40625,
"grad_norm": 0.1406590744757482,
"learning_rate": 7.240000343236385e-05,
"loss": 2.2504,
"step": 156
},
{
"epoch": 0.40625,
"eval_loss": 2.408146619796753,
"eval_runtime": 65.4856,
"eval_samples_per_second": 1.222,
"eval_steps_per_second": 0.153,
"step": 156
},
{
"epoch": 0.4088541666666667,
"grad_norm": 0.13753178031418029,
"learning_rate": 7.204118478822766e-05,
"loss": 2.3063,
"step": 157
},
{
"epoch": 0.4114583333333333,
"grad_norm": 0.13719355865812055,
"learning_rate": 7.168109675702806e-05,
"loss": 2.1826,
"step": 158
},
{
"epoch": 0.4140625,
"grad_norm": 0.14916916897375052,
"learning_rate": 7.131976616149445e-05,
"loss": 2.3635,
"step": 159
},
{
"epoch": 0.4166666666666667,
"grad_norm": 0.1544520288957668,
"learning_rate": 7.095721991691411e-05,
"loss": 2.6067,
"step": 160
},
{
"epoch": 0.4192708333333333,
"grad_norm": 0.1466811081471814,
"learning_rate": 7.05934850291272e-05,
"loss": 2.2636,
"step": 161
},
{
"epoch": 0.421875,
"grad_norm": 0.14245354657490636,
"learning_rate": 7.022858859251517e-05,
"loss": 2.3278,
"step": 162
},
{
"epoch": 0.4244791666666667,
"grad_norm": 0.14310350882179557,
"learning_rate": 6.986255778798253e-05,
"loss": 2.2951,
"step": 163
},
{
"epoch": 0.4270833333333333,
"grad_norm": 0.15028525220062852,
"learning_rate": 6.949541988093208e-05,
"loss": 2.3647,
"step": 164
},
{
"epoch": 0.4296875,
"grad_norm": 0.13536590220383313,
"learning_rate": 6.912720221923405e-05,
"loss": 2.3635,
"step": 165
},
{
"epoch": 0.4322916666666667,
"grad_norm": 0.14965390120450028,
"learning_rate": 6.875793223118888e-05,
"loss": 2.3191,
"step": 166
},
{
"epoch": 0.4348958333333333,
"grad_norm": 0.15696846625410496,
"learning_rate": 6.838763742348415e-05,
"loss": 2.4342,
"step": 167
},
{
"epoch": 0.4375,
"grad_norm": 0.16266249005182767,
"learning_rate": 6.801634537914555e-05,
"loss": 2.4487,
"step": 168
},
{
"epoch": 0.4401041666666667,
"grad_norm": 0.15099304315918932,
"learning_rate": 6.764408375548237e-05,
"loss": 2.4774,
"step": 169
},
{
"epoch": 0.4427083333333333,
"grad_norm": 0.1437502300792439,
"learning_rate": 6.727088028202723e-05,
"loss": 2.4369,
"step": 170
},
{
"epoch": 0.4453125,
"grad_norm": 0.13339677555582233,
"learning_rate": 6.68967627584705e-05,
"loss": 2.3039,
"step": 171
},
{
"epoch": 0.4479166666666667,
"grad_norm": 0.1416720700803862,
"learning_rate": 6.652175905258963e-05,
"loss": 2.2844,
"step": 172
},
{
"epoch": 0.4505208333333333,
"grad_norm": 0.14502909820943563,
"learning_rate": 6.614589709817317e-05,
"loss": 2.4192,
"step": 173
},
{
"epoch": 0.453125,
"grad_norm": 0.14499193575249233,
"learning_rate": 6.576920489294011e-05,
"loss": 2.3057,
"step": 174
},
{
"epoch": 0.4557291666666667,
"grad_norm": 0.15038851044223103,
"learning_rate": 6.539171049645426e-05,
"loss": 2.4237,
"step": 175
},
{
"epoch": 0.4583333333333333,
"grad_norm": 0.14553942382157312,
"learning_rate": 6.501344202803414e-05,
"loss": 2.4642,
"step": 176
},
{
"epoch": 0.4609375,
"grad_norm": 0.13896484063095102,
"learning_rate": 6.463442766465847e-05,
"loss": 2.4132,
"step": 177
},
{
"epoch": 0.4635416666666667,
"grad_norm": 0.14978646915320232,
"learning_rate": 6.425469563886715e-05,
"loss": 2.3692,
"step": 178
},
{
"epoch": 0.4661458333333333,
"grad_norm": 0.13794418734075914,
"learning_rate": 6.387427423665829e-05,
"loss": 2.3524,
"step": 179
},
{
"epoch": 0.46875,
"grad_norm": 0.1467143240226456,
"learning_rate": 6.349319179538126e-05,
"loss": 2.359,
"step": 180
},
{
"epoch": 0.4713541666666667,
"grad_norm": 0.14326937356779176,
"learning_rate": 6.311147670162576e-05,
"loss": 2.5547,
"step": 181
},
{
"epoch": 0.4739583333333333,
"grad_norm": 0.141220074236358,
"learning_rate": 6.272915738910743e-05,
"loss": 2.4299,
"step": 182
},
{
"epoch": 0.4765625,
"grad_norm": 0.148901889828269,
"learning_rate": 6.234626233654973e-05,
"loss": 2.5296,
"step": 183
},
{
"epoch": 0.4791666666666667,
"grad_norm": 0.15238094995154358,
"learning_rate": 6.196282006556266e-05,
"loss": 2.2642,
"step": 184
},
{
"epoch": 0.4817708333333333,
"grad_norm": 0.14562487124583376,
"learning_rate": 6.157885913851818e-05,
"loss": 2.2485,
"step": 185
},
{
"epoch": 0.484375,
"grad_norm": 0.1557482340822006,
"learning_rate": 6.119440815642258e-05,
"loss": 2.5018,
"step": 186
},
{
"epoch": 0.4869791666666667,
"grad_norm": 0.15557904288598579,
"learning_rate": 6.080949575678606e-05,
"loss": 2.3121,
"step": 187
},
{
"epoch": 0.4895833333333333,
"grad_norm": 0.132624820989215,
"learning_rate": 6.042415061148954e-05,
"loss": 2.4456,
"step": 188
},
{
"epoch": 0.4921875,
"grad_norm": 0.14540093060758663,
"learning_rate": 6.003840142464886e-05,
"loss": 2.4166,
"step": 189
},
{
"epoch": 0.4947916666666667,
"grad_norm": 0.13698817848218522,
"learning_rate": 5.9652276930476656e-05,
"loss": 2.4569,
"step": 190
},
{
"epoch": 0.4973958333333333,
"grad_norm": 0.13530133541335626,
"learning_rate": 5.926580589114201e-05,
"loss": 2.521,
"step": 191
},
{
"epoch": 0.5,
"grad_norm": 0.13985911131684764,
"learning_rate": 5.8879017094627874e-05,
"loss": 2.4112,
"step": 192
},
{
"epoch": 0.5026041666666666,
"grad_norm": 0.13203633038116566,
"learning_rate": 5.849193935258679e-05,
"loss": 2.1839,
"step": 193
},
{
"epoch": 0.5052083333333334,
"grad_norm": 0.16221179568567085,
"learning_rate": 5.810460149819462e-05,
"loss": 2.2793,
"step": 194
},
{
"epoch": 0.5078125,
"grad_norm": 0.15402021583934355,
"learning_rate": 5.771703238400288e-05,
"loss": 2.3905,
"step": 195
},
{
"epoch": 0.5078125,
"eval_loss": 2.4029593467712402,
"eval_runtime": 65.2935,
"eval_samples_per_second": 1.225,
"eval_steps_per_second": 0.153,
"step": 195
}
],
"logging_steps": 1,
"max_steps": 384,
"num_input_tokens_seen": 0,
"num_train_epochs": 1,
"save_steps": 39,
"stateful_callbacks": {
"TrainerControl": {
"args": {
"should_epoch_stop": false,
"should_evaluate": false,
"should_log": false,
"should_save": true,
"should_training_stop": false
},
"attributes": {}
}
},
"total_flos": 64462761492480.0,
"train_batch_size": 1,
"trial_name": null,
"trial_params": null
}