trainer_state.json

{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 3.0,
  "eval_steps": 500,
  "global_step": 18,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.16666666666666666,
      "grad_norm": 9.99618148803711,
      "learning_rate": 0.00018888888888888888,
      "loss": 9.3055,
      "step": 1
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": NaN,
      "learning_rate": 0.00018888888888888888,
      "loss": 9.113,
      "step": 2
    },
    {
      "epoch": 0.5,
      "grad_norm": 11.599903106689453,
      "learning_rate": 0.00017777777777777779,
      "loss": 9.0899,
      "step": 3
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 19.80902099609375,
      "learning_rate": 0.0001666666666666667,
      "loss": 8.8174,
      "step": 4
    },
    {
      "epoch": 0.8333333333333334,
      "grad_norm": 25.931373596191406,
      "learning_rate": 0.00015555555555555556,
      "loss": 8.4004,
      "step": 5
    },
    {
      "epoch": 1.0,
      "grad_norm": 16.526399612426758,
      "learning_rate": 0.00014444444444444444,
      "loss": 8.0775,
      "step": 6
    },
    {
      "epoch": 1.1666666666666667,
      "grad_norm": 9.473867416381836,
      "learning_rate": 0.00013333333333333334,
      "loss": 7.8921,
      "step": 7
    },
    {
      "epoch": 1.3333333333333333,
      "grad_norm": 7.662047863006592,
      "learning_rate": 0.00012222222222222224,
      "loss": 7.7038,
      "step": 8
    },
    {
      "epoch": 1.5,
      "grad_norm": 7.1017746925354,
      "learning_rate": 0.00011111111111111112,
      "loss": 7.6557,
      "step": 9
    },
    {
      "epoch": 1.6666666666666665,
      "grad_norm": 6.771383285522461,
      "learning_rate": 0.0001,
      "loss": 7.6096,
      "step": 10
    },
    {
      "epoch": 1.8333333333333335,
      "grad_norm": 6.0268144607543945,
      "learning_rate": 8.888888888888889e-05,
      "loss": 7.5339,
      "step": 11
    },
    {
      "epoch": 2.0,
      "grad_norm": 5.064662456512451,
      "learning_rate": 7.777777777777778e-05,
      "loss": 7.5378,
      "step": 12
    },
    {
      "epoch": 2.1666666666666665,
      "grad_norm": 4.9883012771606445,
      "learning_rate": 6.666666666666667e-05,
      "loss": 7.4656,
      "step": 13
    },
    {
      "epoch": 2.3333333333333335,
      "grad_norm": 4.80706787109375,
      "learning_rate": 5.555555555555556e-05,
      "loss": 7.4576,
      "step": 14
    },
    {
      "epoch": 2.5,
      "grad_norm": 5.370234489440918,
      "learning_rate": 4.4444444444444447e-05,
      "loss": 7.4857,
      "step": 15
    },
    {
      "epoch": 2.6666666666666665,
      "grad_norm": 4.275276184082031,
      "learning_rate": 3.3333333333333335e-05,
      "loss": 7.4279,
      "step": 16
    },
    {
      "epoch": 2.8333333333333335,
      "grad_norm": 3.863494396209717,
      "learning_rate": 2.2222222222222223e-05,
      "loss": 7.45,
      "step": 17
    },
    {
      "epoch": 3.0,
      "grad_norm": 4.486358165740967,
      "learning_rate": 1.1111111111111112e-05,
      "loss": 7.3764,
      "step": 18
    },
    {
      "epoch": 3.0,
      "step": 18,
      "total_flos": 3916062733824.0,
      "train_loss": 7.966650274064806,
      "train_runtime": 225.7222,
      "train_samples_per_second": 1.276,
      "train_steps_per_second": 0.08
    }
  ],
  "logging_steps": 1.0,
  "max_steps": 18,
  "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": 3916062733824.0,
  "train_batch_size": 2,
  "trial_name": null,
  "trial_params": null
}