| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 0.20833333333333334, | |
| "eval_steps": 9, | |
| "global_step": 100, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.0020833333333333333, | |
| "grad_norm": 3.2498228549957275, | |
| "learning_rate": 1e-05, | |
| "loss": 6.5434, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.0020833333333333333, | |
| "eval_loss": 6.633814811706543, | |
| "eval_runtime": 7.8455, | |
| "eval_samples_per_second": 51.622, | |
| "eval_steps_per_second": 6.501, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.004166666666666667, | |
| "grad_norm": 3.6294682025909424, | |
| "learning_rate": 2e-05, | |
| "loss": 6.606, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.00625, | |
| "grad_norm": 4.151926517486572, | |
| "learning_rate": 3e-05, | |
| "loss": 6.7715, | |
| "step": 3 | |
| }, | |
| { | |
| "epoch": 0.008333333333333333, | |
| "grad_norm": 4.134055137634277, | |
| "learning_rate": 4e-05, | |
| "loss": 7.2336, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.010416666666666666, | |
| "grad_norm": 3.3354008197784424, | |
| "learning_rate": 5e-05, | |
| "loss": 6.634, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 0.0125, | |
| "grad_norm": 3.360016345977783, | |
| "learning_rate": 6e-05, | |
| "loss": 6.8435, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 0.014583333333333334, | |
| "grad_norm": 3.491210699081421, | |
| "learning_rate": 7e-05, | |
| "loss": 6.58, | |
| "step": 7 | |
| }, | |
| { | |
| "epoch": 0.016666666666666666, | |
| "grad_norm": 3.766538143157959, | |
| "learning_rate": 8e-05, | |
| "loss": 6.8065, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 0.01875, | |
| "grad_norm": 3.373138666152954, | |
| "learning_rate": 9e-05, | |
| "loss": 6.3436, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 0.01875, | |
| "eval_loss": 6.204994201660156, | |
| "eval_runtime": 7.2478, | |
| "eval_samples_per_second": 55.879, | |
| "eval_steps_per_second": 7.037, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 0.020833333333333332, | |
| "grad_norm": 3.4746038913726807, | |
| "learning_rate": 0.0001, | |
| "loss": 6.031, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.022916666666666665, | |
| "grad_norm": 3.176673650741577, | |
| "learning_rate": 9.99695413509548e-05, | |
| "loss": 5.7797, | |
| "step": 11 | |
| }, | |
| { | |
| "epoch": 0.025, | |
| "grad_norm": 3.1054656505584717, | |
| "learning_rate": 9.987820251299122e-05, | |
| "loss": 5.4926, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 0.027083333333333334, | |
| "grad_norm": 3.207261085510254, | |
| "learning_rate": 9.972609476841367e-05, | |
| "loss": 5.5515, | |
| "step": 13 | |
| }, | |
| { | |
| "epoch": 0.029166666666666667, | |
| "grad_norm": 2.883345127105713, | |
| "learning_rate": 9.951340343707852e-05, | |
| "loss": 5.1037, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 0.03125, | |
| "grad_norm": 2.880185842514038, | |
| "learning_rate": 9.924038765061042e-05, | |
| "loss": 5.18, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 0.03333333333333333, | |
| "grad_norm": 2.721735715866089, | |
| "learning_rate": 9.890738003669029e-05, | |
| "loss": 4.9674, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 0.035416666666666666, | |
| "grad_norm": 2.9293017387390137, | |
| "learning_rate": 9.851478631379982e-05, | |
| "loss": 4.8204, | |
| "step": 17 | |
| }, | |
| { | |
| "epoch": 0.0375, | |
| "grad_norm": 2.806650400161743, | |
| "learning_rate": 9.806308479691595e-05, | |
| "loss": 4.8217, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 0.0375, | |
| "eval_loss": 4.613110542297363, | |
| "eval_runtime": 7.2359, | |
| "eval_samples_per_second": 55.971, | |
| "eval_steps_per_second": 7.048, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 0.03958333333333333, | |
| "grad_norm": 2.6207101345062256, | |
| "learning_rate": 9.755282581475769e-05, | |
| "loss": 4.6398, | |
| "step": 19 | |
| }, | |
| { | |
| "epoch": 0.041666666666666664, | |
| "grad_norm": 2.6318607330322266, | |
| "learning_rate": 9.698463103929542e-05, | |
| "loss": 4.3293, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.04375, | |
| "grad_norm": 2.8302392959594727, | |
| "learning_rate": 9.635919272833938e-05, | |
| "loss": 4.4452, | |
| "step": 21 | |
| }, | |
| { | |
| "epoch": 0.04583333333333333, | |
| "grad_norm": 2.757807731628418, | |
| "learning_rate": 9.567727288213005e-05, | |
| "loss": 4.0975, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 0.04791666666666667, | |
| "grad_norm": 2.6572821140289307, | |
| "learning_rate": 9.493970231495835e-05, | |
| "loss": 3.8066, | |
| "step": 23 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 2.548224925994873, | |
| "learning_rate": 9.414737964294636e-05, | |
| "loss": 3.9351, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 0.052083333333333336, | |
| "grad_norm": 2.561851739883423, | |
| "learning_rate": 9.330127018922194e-05, | |
| "loss": 3.4153, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 0.05416666666666667, | |
| "grad_norm": 2.485572099685669, | |
| "learning_rate": 9.24024048078213e-05, | |
| "loss": 3.4914, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 0.05625, | |
| "grad_norm": 2.5699574947357178, | |
| "learning_rate": 9.145187862775209e-05, | |
| "loss": 3.1668, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 0.05625, | |
| "eval_loss": 3.3760266304016113, | |
| "eval_runtime": 7.3085, | |
| "eval_samples_per_second": 55.415, | |
| "eval_steps_per_second": 6.978, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 0.058333333333333334, | |
| "grad_norm": 2.5762226581573486, | |
| "learning_rate": 9.045084971874738e-05, | |
| "loss": 3.1, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 0.06041666666666667, | |
| "grad_norm": 2.518932819366455, | |
| "learning_rate": 8.940053768033609e-05, | |
| "loss": 3.0839, | |
| "step": 29 | |
| }, | |
| { | |
| "epoch": 0.0625, | |
| "grad_norm": 2.558347463607788, | |
| "learning_rate": 8.83022221559489e-05, | |
| "loss": 3.0345, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.06458333333333334, | |
| "grad_norm": 2.8206636905670166, | |
| "learning_rate": 8.715724127386972e-05, | |
| "loss": 2.8389, | |
| "step": 31 | |
| }, | |
| { | |
| "epoch": 0.06666666666666667, | |
| "grad_norm": 2.4276182651519775, | |
| "learning_rate": 8.596699001693255e-05, | |
| "loss": 3.0512, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 0.06875, | |
| "grad_norm": 2.0624449253082275, | |
| "learning_rate": 8.473291852294987e-05, | |
| "loss": 2.8569, | |
| "step": 33 | |
| }, | |
| { | |
| "epoch": 0.07083333333333333, | |
| "grad_norm": 2.290245532989502, | |
| "learning_rate": 8.345653031794292e-05, | |
| "loss": 2.9446, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 0.07291666666666667, | |
| "grad_norm": 2.596433162689209, | |
| "learning_rate": 8.213938048432697e-05, | |
| "loss": 2.8816, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 0.075, | |
| "grad_norm": 2.742198944091797, | |
| "learning_rate": 8.07830737662829e-05, | |
| "loss": 3.0495, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 0.075, | |
| "eval_loss": 2.7696404457092285, | |
| "eval_runtime": 7.2384, | |
| "eval_samples_per_second": 55.952, | |
| "eval_steps_per_second": 7.046, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 0.07708333333333334, | |
| "grad_norm": 3.0168638229370117, | |
| "learning_rate": 7.938926261462366e-05, | |
| "loss": 2.9035, | |
| "step": 37 | |
| }, | |
| { | |
| "epoch": 0.07916666666666666, | |
| "grad_norm": 2.419011354446411, | |
| "learning_rate": 7.795964517353735e-05, | |
| "loss": 2.6274, | |
| "step": 38 | |
| }, | |
| { | |
| "epoch": 0.08125, | |
| "grad_norm": 2.704653263092041, | |
| "learning_rate": 7.649596321166024e-05, | |
| "loss": 2.5635, | |
| "step": 39 | |
| }, | |
| { | |
| "epoch": 0.08333333333333333, | |
| "grad_norm": 2.1320738792419434, | |
| "learning_rate": 7.500000000000001e-05, | |
| "loss": 2.5515, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.08541666666666667, | |
| "grad_norm": 2.665830135345459, | |
| "learning_rate": 7.347357813929454e-05, | |
| "loss": 2.6788, | |
| "step": 41 | |
| }, | |
| { | |
| "epoch": 0.0875, | |
| "grad_norm": 2.480651617050171, | |
| "learning_rate": 7.191855733945387e-05, | |
| "loss": 2.5316, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 0.08958333333333333, | |
| "grad_norm": 2.5246286392211914, | |
| "learning_rate": 7.033683215379002e-05, | |
| "loss": 2.3854, | |
| "step": 43 | |
| }, | |
| { | |
| "epoch": 0.09166666666666666, | |
| "grad_norm": 2.1733431816101074, | |
| "learning_rate": 6.873032967079561e-05, | |
| "loss": 2.5616, | |
| "step": 44 | |
| }, | |
| { | |
| "epoch": 0.09375, | |
| "grad_norm": 2.5621912479400635, | |
| "learning_rate": 6.710100716628344e-05, | |
| "loss": 2.5194, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 0.09375, | |
| "eval_loss": 2.5489118099212646, | |
| "eval_runtime": 7.2386, | |
| "eval_samples_per_second": 55.95, | |
| "eval_steps_per_second": 7.046, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 0.09583333333333334, | |
| "grad_norm": 2.836992025375366, | |
| "learning_rate": 6.545084971874738e-05, | |
| "loss": 2.3388, | |
| "step": 46 | |
| }, | |
| { | |
| "epoch": 0.09791666666666667, | |
| "grad_norm": 2.6127188205718994, | |
| "learning_rate": 6.378186779084995e-05, | |
| "loss": 2.3638, | |
| "step": 47 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 2.9710822105407715, | |
| "learning_rate": 6.209609477998338e-05, | |
| "loss": 2.3855, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 0.10208333333333333, | |
| "grad_norm": 2.2118475437164307, | |
| "learning_rate": 6.0395584540887963e-05, | |
| "loss": 2.3853, | |
| "step": 49 | |
| }, | |
| { | |
| "epoch": 0.10416666666666667, | |
| "grad_norm": 2.0311408042907715, | |
| "learning_rate": 5.868240888334653e-05, | |
| "loss": 2.2054, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.10625, | |
| "grad_norm": 1.9464778900146484, | |
| "learning_rate": 5.695865504800327e-05, | |
| "loss": 2.4061, | |
| "step": 51 | |
| }, | |
| { | |
| "epoch": 0.10833333333333334, | |
| "grad_norm": 2.3515360355377197, | |
| "learning_rate": 5.522642316338268e-05, | |
| "loss": 2.3992, | |
| "step": 52 | |
| }, | |
| { | |
| "epoch": 0.11041666666666666, | |
| "grad_norm": 1.7706589698791504, | |
| "learning_rate": 5.348782368720626e-05, | |
| "loss": 2.2474, | |
| "step": 53 | |
| }, | |
| { | |
| "epoch": 0.1125, | |
| "grad_norm": 3.071910858154297, | |
| "learning_rate": 5.174497483512506e-05, | |
| "loss": 2.3261, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 0.1125, | |
| "eval_loss": 2.3977746963500977, | |
| "eval_runtime": 7.297, | |
| "eval_samples_per_second": 55.502, | |
| "eval_steps_per_second": 6.989, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 0.11458333333333333, | |
| "grad_norm": 1.8943817615509033, | |
| "learning_rate": 5e-05, | |
| "loss": 2.3941, | |
| "step": 55 | |
| }, | |
| { | |
| "epoch": 0.11666666666666667, | |
| "grad_norm": 2.3333420753479004, | |
| "learning_rate": 4.825502516487497e-05, | |
| "loss": 2.4383, | |
| "step": 56 | |
| }, | |
| { | |
| "epoch": 0.11875, | |
| "grad_norm": 2.0600268840789795, | |
| "learning_rate": 4.6512176312793736e-05, | |
| "loss": 2.1919, | |
| "step": 57 | |
| }, | |
| { | |
| "epoch": 0.12083333333333333, | |
| "grad_norm": 2.350419282913208, | |
| "learning_rate": 4.477357683661734e-05, | |
| "loss": 2.126, | |
| "step": 58 | |
| }, | |
| { | |
| "epoch": 0.12291666666666666, | |
| "grad_norm": 2.2571194171905518, | |
| "learning_rate": 4.3041344951996746e-05, | |
| "loss": 2.1037, | |
| "step": 59 | |
| }, | |
| { | |
| "epoch": 0.125, | |
| "grad_norm": 2.219425916671753, | |
| "learning_rate": 4.131759111665349e-05, | |
| "loss": 2.3173, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 0.12708333333333333, | |
| "grad_norm": 3.29909348487854, | |
| "learning_rate": 3.960441545911204e-05, | |
| "loss": 2.5737, | |
| "step": 61 | |
| }, | |
| { | |
| "epoch": 0.12916666666666668, | |
| "grad_norm": 2.6935231685638428, | |
| "learning_rate": 3.790390522001662e-05, | |
| "loss": 2.2658, | |
| "step": 62 | |
| }, | |
| { | |
| "epoch": 0.13125, | |
| "grad_norm": 2.664783000946045, | |
| "learning_rate": 3.6218132209150045e-05, | |
| "loss": 2.225, | |
| "step": 63 | |
| }, | |
| { | |
| "epoch": 0.13125, | |
| "eval_loss": 2.2826430797576904, | |
| "eval_runtime": 7.2337, | |
| "eval_samples_per_second": 55.988, | |
| "eval_steps_per_second": 7.05, | |
| "step": 63 | |
| }, | |
| { | |
| "epoch": 0.13333333333333333, | |
| "grad_norm": 2.7707717418670654, | |
| "learning_rate": 3.4549150281252636e-05, | |
| "loss": 2.2929, | |
| "step": 64 | |
| }, | |
| { | |
| "epoch": 0.13541666666666666, | |
| "grad_norm": 4.404098033905029, | |
| "learning_rate": 3.289899283371657e-05, | |
| "loss": 2.2413, | |
| "step": 65 | |
| }, | |
| { | |
| "epoch": 0.1375, | |
| "grad_norm": 2.4047796726226807, | |
| "learning_rate": 3.12696703292044e-05, | |
| "loss": 2.2795, | |
| "step": 66 | |
| }, | |
| { | |
| "epoch": 0.13958333333333334, | |
| "grad_norm": 2.227795124053955, | |
| "learning_rate": 2.9663167846209998e-05, | |
| "loss": 1.9654, | |
| "step": 67 | |
| }, | |
| { | |
| "epoch": 0.14166666666666666, | |
| "grad_norm": 2.527888774871826, | |
| "learning_rate": 2.8081442660546125e-05, | |
| "loss": 2.0431, | |
| "step": 68 | |
| }, | |
| { | |
| "epoch": 0.14375, | |
| "grad_norm": 2.2860960960388184, | |
| "learning_rate": 2.6526421860705473e-05, | |
| "loss": 2.2263, | |
| "step": 69 | |
| }, | |
| { | |
| "epoch": 0.14583333333333334, | |
| "grad_norm": 2.8924989700317383, | |
| "learning_rate": 2.500000000000001e-05, | |
| "loss": 2.1057, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 0.14791666666666667, | |
| "grad_norm": 3.0412027835845947, | |
| "learning_rate": 2.350403678833976e-05, | |
| "loss": 2.3022, | |
| "step": 71 | |
| }, | |
| { | |
| "epoch": 0.15, | |
| "grad_norm": 2.3987789154052734, | |
| "learning_rate": 2.2040354826462668e-05, | |
| "loss": 2.1436, | |
| "step": 72 | |
| }, | |
| { | |
| "epoch": 0.15, | |
| "eval_loss": 2.220324754714966, | |
| "eval_runtime": 7.2424, | |
| "eval_samples_per_second": 55.921, | |
| "eval_steps_per_second": 7.042, | |
| "step": 72 | |
| }, | |
| { | |
| "epoch": 0.15208333333333332, | |
| "grad_norm": 2.7032339572906494, | |
| "learning_rate": 2.061073738537635e-05, | |
| "loss": 2.148, | |
| "step": 73 | |
| }, | |
| { | |
| "epoch": 0.15416666666666667, | |
| "grad_norm": 3.6431727409362793, | |
| "learning_rate": 1.9216926233717085e-05, | |
| "loss": 2.1313, | |
| "step": 74 | |
| }, | |
| { | |
| "epoch": 0.15625, | |
| "grad_norm": 2.3282389640808105, | |
| "learning_rate": 1.7860619515673033e-05, | |
| "loss": 2.156, | |
| "step": 75 | |
| }, | |
| { | |
| "epoch": 0.15833333333333333, | |
| "grad_norm": 2.0123910903930664, | |
| "learning_rate": 1.6543469682057106e-05, | |
| "loss": 1.9994, | |
| "step": 76 | |
| }, | |
| { | |
| "epoch": 0.16041666666666668, | |
| "grad_norm": 2.3175859451293945, | |
| "learning_rate": 1.526708147705013e-05, | |
| "loss": 2.1928, | |
| "step": 77 | |
| }, | |
| { | |
| "epoch": 0.1625, | |
| "grad_norm": 2.234981060028076, | |
| "learning_rate": 1.4033009983067452e-05, | |
| "loss": 2.0188, | |
| "step": 78 | |
| }, | |
| { | |
| "epoch": 0.16458333333333333, | |
| "grad_norm": 2.5142698287963867, | |
| "learning_rate": 1.2842758726130283e-05, | |
| "loss": 2.1798, | |
| "step": 79 | |
| }, | |
| { | |
| "epoch": 0.16666666666666666, | |
| "grad_norm": 2.384892463684082, | |
| "learning_rate": 1.1697777844051105e-05, | |
| "loss": 2.0045, | |
| "step": 80 | |
| }, | |
| { | |
| "epoch": 0.16875, | |
| "grad_norm": 2.5005745887756348, | |
| "learning_rate": 1.0599462319663905e-05, | |
| "loss": 1.9088, | |
| "step": 81 | |
| }, | |
| { | |
| "epoch": 0.16875, | |
| "eval_loss": 2.163137197494507, | |
| "eval_runtime": 7.2443, | |
| "eval_samples_per_second": 55.906, | |
| "eval_steps_per_second": 7.04, | |
| "step": 81 | |
| }, | |
| { | |
| "epoch": 0.17083333333333334, | |
| "grad_norm": 2.9057669639587402, | |
| "learning_rate": 9.549150281252633e-06, | |
| "loss": 2.1674, | |
| "step": 82 | |
| }, | |
| { | |
| "epoch": 0.17291666666666666, | |
| "grad_norm": 3.7992312908172607, | |
| "learning_rate": 8.548121372247918e-06, | |
| "loss": 2.3306, | |
| "step": 83 | |
| }, | |
| { | |
| "epoch": 0.175, | |
| "grad_norm": 2.700322389602661, | |
| "learning_rate": 7.597595192178702e-06, | |
| "loss": 1.9899, | |
| "step": 84 | |
| }, | |
| { | |
| "epoch": 0.17708333333333334, | |
| "grad_norm": 2.4128522872924805, | |
| "learning_rate": 6.698729810778065e-06, | |
| "loss": 1.9316, | |
| "step": 85 | |
| }, | |
| { | |
| "epoch": 0.17916666666666667, | |
| "grad_norm": 2.627314567565918, | |
| "learning_rate": 5.852620357053651e-06, | |
| "loss": 2.0341, | |
| "step": 86 | |
| }, | |
| { | |
| "epoch": 0.18125, | |
| "grad_norm": 2.538374423980713, | |
| "learning_rate": 5.060297685041659e-06, | |
| "loss": 1.917, | |
| "step": 87 | |
| }, | |
| { | |
| "epoch": 0.18333333333333332, | |
| "grad_norm": 3.12579083442688, | |
| "learning_rate": 4.322727117869951e-06, | |
| "loss": 2.2333, | |
| "step": 88 | |
| }, | |
| { | |
| "epoch": 0.18541666666666667, | |
| "grad_norm": 2.941742181777954, | |
| "learning_rate": 3.6408072716606346e-06, | |
| "loss": 2.1284, | |
| "step": 89 | |
| }, | |
| { | |
| "epoch": 0.1875, | |
| "grad_norm": 2.6887335777282715, | |
| "learning_rate": 3.0153689607045845e-06, | |
| "loss": 1.8699, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 0.1875, | |
| "eval_loss": 2.1434288024902344, | |
| "eval_runtime": 7.2466, | |
| "eval_samples_per_second": 55.888, | |
| "eval_steps_per_second": 7.038, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 0.18958333333333333, | |
| "grad_norm": 2.6267623901367188, | |
| "learning_rate": 2.4471741852423237e-06, | |
| "loss": 2.2343, | |
| "step": 91 | |
| }, | |
| { | |
| "epoch": 0.19166666666666668, | |
| "grad_norm": 3.492135524749756, | |
| "learning_rate": 1.9369152030840556e-06, | |
| "loss": 1.928, | |
| "step": 92 | |
| }, | |
| { | |
| "epoch": 0.19375, | |
| "grad_norm": 1.9436486959457397, | |
| "learning_rate": 1.4852136862001764e-06, | |
| "loss": 2.0272, | |
| "step": 93 | |
| }, | |
| { | |
| "epoch": 0.19583333333333333, | |
| "grad_norm": 2.735675811767578, | |
| "learning_rate": 1.0926199633097157e-06, | |
| "loss": 1.9896, | |
| "step": 94 | |
| }, | |
| { | |
| "epoch": 0.19791666666666666, | |
| "grad_norm": 3.2065937519073486, | |
| "learning_rate": 7.596123493895991e-07, | |
| "loss": 2.3237, | |
| "step": 95 | |
| }, | |
| { | |
| "epoch": 0.2, | |
| "grad_norm": 2.7547597885131836, | |
| "learning_rate": 4.865965629214819e-07, | |
| "loss": 1.9963, | |
| "step": 96 | |
| }, | |
| { | |
| "epoch": 0.20208333333333334, | |
| "grad_norm": 2.808047294616699, | |
| "learning_rate": 2.7390523158633554e-07, | |
| "loss": 2.1436, | |
| "step": 97 | |
| }, | |
| { | |
| "epoch": 0.20416666666666666, | |
| "grad_norm": 2.198805809020996, | |
| "learning_rate": 1.2179748700879012e-07, | |
| "loss": 1.9104, | |
| "step": 98 | |
| }, | |
| { | |
| "epoch": 0.20625, | |
| "grad_norm": 2.7532997131347656, | |
| "learning_rate": 3.04586490452119e-08, | |
| "loss": 2.375, | |
| "step": 99 | |
| }, | |
| { | |
| "epoch": 0.20625, | |
| "eval_loss": 2.1397852897644043, | |
| "eval_runtime": 7.2462, | |
| "eval_samples_per_second": 55.891, | |
| "eval_steps_per_second": 7.038, | |
| "step": 99 | |
| }, | |
| { | |
| "epoch": 0.20833333333333334, | |
| "grad_norm": 2.289635181427002, | |
| "learning_rate": 0.0, | |
| "loss": 2.0608, | |
| "step": 100 | |
| } | |
| ], | |
| "logging_steps": 1, | |
| "max_steps": 100, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 1, | |
| "save_steps": 25, | |
| "stateful_callbacks": { | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": true | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 2776751721676800.0, | |
| "train_batch_size": 8, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |