| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 4.4, | |
| "eval_steps": 500, | |
| "global_step": 35, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.26666666666666666, | |
| "grad_norm": 7.714407444000244, | |
| "learning_rate": 1.885714285714286e-05, | |
| "loss": 9.6987, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.5333333333333333, | |
| "grad_norm": 8.402449607849121, | |
| "learning_rate": 1.7714285714285717e-05, | |
| "loss": 9.6675, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.8, | |
| "grad_norm": 8.54103946685791, | |
| "learning_rate": 1.6571428571428574e-05, | |
| "loss": 9.6521, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 1.0, | |
| "grad_norm": NaN, | |
| "learning_rate": 1.6000000000000003e-05, | |
| "loss": 7.1927, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 1.2666666666666666, | |
| "grad_norm": 8.744111061096191, | |
| "learning_rate": 1.4857142857142858e-05, | |
| "loss": 9.599, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 1.5333333333333332, | |
| "grad_norm": 9.355561256408691, | |
| "learning_rate": 1.3714285714285716e-05, | |
| "loss": 9.5552, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 1.8, | |
| "grad_norm": 10.12316608428955, | |
| "learning_rate": 1.2571428571428572e-05, | |
| "loss": 9.4807, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 2.0, | |
| "grad_norm": 5.6569437980651855, | |
| "learning_rate": 1.1428571428571429e-05, | |
| "loss": 7.134, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 2.2666666666666666, | |
| "grad_norm": 10.050814628601074, | |
| "learning_rate": 1.0285714285714285e-05, | |
| "loss": 9.4691, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 2.533333333333333, | |
| "grad_norm": 10.766989707946777, | |
| "learning_rate": 9.142857142857144e-06, | |
| "loss": 9.4027, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 2.8, | |
| "grad_norm": 11.306514739990234, | |
| "learning_rate": 8.000000000000001e-06, | |
| "loss": 9.4043, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 3.0, | |
| "grad_norm": 6.406909942626953, | |
| "learning_rate": 6.857142857142858e-06, | |
| "loss": 6.9995, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 3.2666666666666666, | |
| "grad_norm": 12.331953048706055, | |
| "learning_rate": 5.7142857142857145e-06, | |
| "loss": 9.3525, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 3.533333333333333, | |
| "grad_norm": 11.795371055603027, | |
| "learning_rate": 4.571428571428572e-06, | |
| "loss": 9.3326, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 3.8, | |
| "grad_norm": 12.696221351623535, | |
| "learning_rate": 3.428571428571429e-06, | |
| "loss": 9.3262, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 4.0, | |
| "grad_norm": 6.24462890625, | |
| "learning_rate": 2.285714285714286e-06, | |
| "loss": 6.9159, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 4.266666666666667, | |
| "grad_norm": 12.694133758544922, | |
| "learning_rate": 1.142857142857143e-06, | |
| "loss": 9.286, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 4.4, | |
| "step": 35, | |
| "total_flos": 135900533909640.0, | |
| "train_loss": 8.918893187386649, | |
| "train_runtime": 949.0763, | |
| "train_samples_per_second": 0.632, | |
| "train_steps_per_second": 0.037 | |
| } | |
| ], | |
| "logging_steps": 2, | |
| "max_steps": 35, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 5, | |
| "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": 135900533909640.0, | |
| "train_batch_size": 2, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |