| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 0.4166666666666667, | |
| "eval_steps": 5, | |
| "global_step": 50, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.008333333333333333, | |
| "grad_norm": 2.3885583877563477, | |
| "learning_rate": 0.001, | |
| "loss": 5.2644, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.016666666666666666, | |
| "grad_norm": 3.1313512325286865, | |
| "learning_rate": 0.001, | |
| "loss": 4.4436, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.025, | |
| "grad_norm": NaN, | |
| "learning_rate": 0.001, | |
| "loss": 4.1142, | |
| "step": 3 | |
| }, | |
| { | |
| "epoch": 0.03333333333333333, | |
| "grad_norm": 2.553321123123169, | |
| "learning_rate": 0.001, | |
| "loss": 3.8086, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.041666666666666664, | |
| "grad_norm": 2.8816118240356445, | |
| "learning_rate": 0.001, | |
| "loss": 3.4878, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 0.041666666666666664, | |
| "eval_runtime": 3.5452, | |
| "eval_samples_per_second": 33.849, | |
| "eval_steps_per_second": 8.462, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": NaN, | |
| "learning_rate": 0.001, | |
| "loss": 3.0569, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 0.058333333333333334, | |
| "grad_norm": 2.565500020980835, | |
| "learning_rate": 0.001, | |
| "loss": 2.9872, | |
| "step": 7 | |
| }, | |
| { | |
| "epoch": 0.06666666666666667, | |
| "grad_norm": 2.421236753463745, | |
| "learning_rate": 0.001, | |
| "loss": 2.2461, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 0.075, | |
| "grad_norm": 2.8918418884277344, | |
| "learning_rate": 0.001, | |
| "loss": 1.7755, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 0.08333333333333333, | |
| "grad_norm": 3.7322306632995605, | |
| "learning_rate": 0.001, | |
| "loss": 1.4434, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.08333333333333333, | |
| "eval_runtime": 3.5538, | |
| "eval_samples_per_second": 33.766, | |
| "eval_steps_per_second": 8.442, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.09166666666666666, | |
| "grad_norm": 3.7344257831573486, | |
| "learning_rate": 0.001, | |
| "loss": 1.3937, | |
| "step": 11 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 5.106380939483643, | |
| "learning_rate": 0.001, | |
| "loss": 1.3341, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 0.10833333333333334, | |
| "grad_norm": 2.572021245956421, | |
| "learning_rate": 0.001, | |
| "loss": 0.9658, | |
| "step": 13 | |
| }, | |
| { | |
| "epoch": 0.11666666666666667, | |
| "grad_norm": 4.370708465576172, | |
| "learning_rate": 0.001, | |
| "loss": 1.1247, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 0.125, | |
| "grad_norm": 2.2091898918151855, | |
| "learning_rate": 0.001, | |
| "loss": 0.8327, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 0.125, | |
| "eval_runtime": 3.5597, | |
| "eval_samples_per_second": 33.711, | |
| "eval_steps_per_second": 8.428, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 0.13333333333333333, | |
| "grad_norm": 5.971612930297852, | |
| "learning_rate": 0.001, | |
| "loss": 0.7193, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 0.14166666666666666, | |
| "grad_norm": 2.8852627277374268, | |
| "learning_rate": 0.001, | |
| "loss": 0.6945, | |
| "step": 17 | |
| }, | |
| { | |
| "epoch": 0.15, | |
| "grad_norm": 2.9274704456329346, | |
| "learning_rate": 0.001, | |
| "loss": 0.7308, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 0.15833333333333333, | |
| "grad_norm": 1.9048141241073608, | |
| "learning_rate": 0.001, | |
| "loss": 0.6461, | |
| "step": 19 | |
| }, | |
| { | |
| "epoch": 0.16666666666666666, | |
| "grad_norm": 1.8781129121780396, | |
| "learning_rate": 0.001, | |
| "loss": 0.6144, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.16666666666666666, | |
| "eval_runtime": 3.5692, | |
| "eval_samples_per_second": 33.621, | |
| "eval_steps_per_second": 8.405, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.175, | |
| "grad_norm": 2.35707950592041, | |
| "learning_rate": 0.001, | |
| "loss": 0.8558, | |
| "step": 21 | |
| }, | |
| { | |
| "epoch": 0.18333333333333332, | |
| "grad_norm": 2.049520254135132, | |
| "learning_rate": 0.001, | |
| "loss": 0.6385, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 0.19166666666666668, | |
| "grad_norm": 2.3720197677612305, | |
| "learning_rate": 0.001, | |
| "loss": 0.9522, | |
| "step": 23 | |
| }, | |
| { | |
| "epoch": 0.2, | |
| "grad_norm": 1.980618953704834, | |
| "learning_rate": 0.001, | |
| "loss": 0.8766, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 0.20833333333333334, | |
| "grad_norm": 1.5879499912261963, | |
| "learning_rate": 0.001, | |
| "loss": 0.729, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 0.20833333333333334, | |
| "eval_runtime": 3.5755, | |
| "eval_samples_per_second": 33.562, | |
| "eval_steps_per_second": 8.391, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 0.21666666666666667, | |
| "grad_norm": 1.6505706310272217, | |
| "learning_rate": 0.001, | |
| "loss": 0.6637, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 0.225, | |
| "grad_norm": 1.4267758131027222, | |
| "learning_rate": 0.001, | |
| "loss": 0.9298, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 0.23333333333333334, | |
| "grad_norm": 1.1863181591033936, | |
| "learning_rate": 0.001, | |
| "loss": 0.5314, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 0.24166666666666667, | |
| "grad_norm": 1.2047488689422607, | |
| "learning_rate": 0.001, | |
| "loss": 0.4791, | |
| "step": 29 | |
| }, | |
| { | |
| "epoch": 0.25, | |
| "grad_norm": 1.4940290451049805, | |
| "learning_rate": 0.001, | |
| "loss": 0.6757, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.25, | |
| "eval_runtime": 3.5813, | |
| "eval_samples_per_second": 33.507, | |
| "eval_steps_per_second": 8.377, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.25833333333333336, | |
| "grad_norm": 1.8670457601547241, | |
| "learning_rate": 0.001, | |
| "loss": 0.9796, | |
| "step": 31 | |
| }, | |
| { | |
| "epoch": 0.26666666666666666, | |
| "grad_norm": 1.746319055557251, | |
| "learning_rate": 0.001, | |
| "loss": 0.73, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 0.275, | |
| "grad_norm": 1.3656867742538452, | |
| "learning_rate": 0.001, | |
| "loss": 0.6216, | |
| "step": 33 | |
| }, | |
| { | |
| "epoch": 0.2833333333333333, | |
| "grad_norm": 1.6293808221817017, | |
| "learning_rate": 0.001, | |
| "loss": 0.7004, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 0.2916666666666667, | |
| "grad_norm": 1.2870112657546997, | |
| "learning_rate": 0.001, | |
| "loss": 0.5613, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 0.2916666666666667, | |
| "eval_runtime": 3.588, | |
| "eval_samples_per_second": 33.445, | |
| "eval_steps_per_second": 8.361, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 0.3, | |
| "grad_norm": 1.688391089439392, | |
| "learning_rate": 0.001, | |
| "loss": 1.0115, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 0.30833333333333335, | |
| "grad_norm": 1.2139495611190796, | |
| "learning_rate": 0.001, | |
| "loss": 0.5916, | |
| "step": 37 | |
| }, | |
| { | |
| "epoch": 0.31666666666666665, | |
| "grad_norm": 1.4497591257095337, | |
| "learning_rate": 0.001, | |
| "loss": 0.6898, | |
| "step": 38 | |
| }, | |
| { | |
| "epoch": 0.325, | |
| "grad_norm": 1.30401611328125, | |
| "learning_rate": 0.001, | |
| "loss": 0.52, | |
| "step": 39 | |
| }, | |
| { | |
| "epoch": 0.3333333333333333, | |
| "grad_norm": 1.073735237121582, | |
| "learning_rate": 0.001, | |
| "loss": 0.6473, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.3333333333333333, | |
| "eval_runtime": 3.5897, | |
| "eval_samples_per_second": 33.429, | |
| "eval_steps_per_second": 8.357, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.3416666666666667, | |
| "grad_norm": 1.5980756282806396, | |
| "learning_rate": 0.001, | |
| "loss": 0.8344, | |
| "step": 41 | |
| }, | |
| { | |
| "epoch": 0.35, | |
| "grad_norm": 1.258363127708435, | |
| "learning_rate": 0.001, | |
| "loss": 0.6081, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 0.35833333333333334, | |
| "grad_norm": 1.024636149406433, | |
| "learning_rate": 0.001, | |
| "loss": 0.6289, | |
| "step": 43 | |
| }, | |
| { | |
| "epoch": 0.36666666666666664, | |
| "grad_norm": 1.5615390539169312, | |
| "learning_rate": 0.001, | |
| "loss": 0.7437, | |
| "step": 44 | |
| }, | |
| { | |
| "epoch": 0.375, | |
| "grad_norm": 0.8973283767700195, | |
| "learning_rate": 0.001, | |
| "loss": 0.4438, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 0.375, | |
| "eval_runtime": 3.5911, | |
| "eval_samples_per_second": 33.416, | |
| "eval_steps_per_second": 8.354, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 0.38333333333333336, | |
| "grad_norm": 1.1488583087921143, | |
| "learning_rate": 0.001, | |
| "loss": 0.5021, | |
| "step": 46 | |
| }, | |
| { | |
| "epoch": 0.39166666666666666, | |
| "grad_norm": 1.375650405883789, | |
| "learning_rate": 0.001, | |
| "loss": 0.6016, | |
| "step": 47 | |
| }, | |
| { | |
| "epoch": 0.4, | |
| "grad_norm": 1.5815932750701904, | |
| "learning_rate": 0.001, | |
| "loss": 0.6879, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 0.4083333333333333, | |
| "grad_norm": 1.1033896207809448, | |
| "learning_rate": 0.001, | |
| "loss": 0.3819, | |
| "step": 49 | |
| }, | |
| { | |
| "epoch": 0.4166666666666667, | |
| "grad_norm": 1.599068522453308, | |
| "learning_rate": 0.001, | |
| "loss": 0.8746, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.4166666666666667, | |
| "eval_runtime": 3.595, | |
| "eval_samples_per_second": 33.38, | |
| "eval_steps_per_second": 8.345, | |
| "step": 50 | |
| } | |
| ], | |
| "logging_steps": 1, | |
| "max_steps": 1200, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 10, | |
| "save_steps": 10, | |
| "stateful_callbacks": { | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": false | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 555193368576000.0, | |
| "train_batch_size": 4, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |