| { | |
| "best_metric": 1.231164574623108, | |
| "best_model_checkpoint": "miner_id_24/checkpoint-200", | |
| "epoch": 0.4166666666666667, | |
| "eval_steps": 50, | |
| "global_step": 200, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.0020833333333333333, | |
| "grad_norm": 2.0760622024536133, | |
| "learning_rate": 1e-05, | |
| "loss": 2.1465, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.0020833333333333333, | |
| "eval_loss": 2.2751147747039795, | |
| "eval_runtime": 19.9985, | |
| "eval_samples_per_second": 40.453, | |
| "eval_steps_per_second": 10.151, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.004166666666666667, | |
| "grad_norm": 1.9381818771362305, | |
| "learning_rate": 2e-05, | |
| "loss": 2.0334, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.00625, | |
| "grad_norm": 2.1274771690368652, | |
| "learning_rate": 3e-05, | |
| "loss": 2.1608, | |
| "step": 3 | |
| }, | |
| { | |
| "epoch": 0.008333333333333333, | |
| "grad_norm": 2.0755529403686523, | |
| "learning_rate": 4e-05, | |
| "loss": 2.1661, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.010416666666666666, | |
| "grad_norm": 1.8403009176254272, | |
| "learning_rate": 5e-05, | |
| "loss": 2.0022, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 0.0125, | |
| "grad_norm": 1.5740439891815186, | |
| "learning_rate": 6e-05, | |
| "loss": 1.8836, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 0.014583333333333334, | |
| "grad_norm": 1.266459345817566, | |
| "learning_rate": 7e-05, | |
| "loss": 1.8533, | |
| "step": 7 | |
| }, | |
| { | |
| "epoch": 0.016666666666666666, | |
| "grad_norm": 1.2156918048858643, | |
| "learning_rate": 8e-05, | |
| "loss": 1.7257, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 0.01875, | |
| "grad_norm": 1.258802056312561, | |
| "learning_rate": 9e-05, | |
| "loss": 1.7418, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 0.020833333333333332, | |
| "grad_norm": 1.269534707069397, | |
| "learning_rate": 0.0001, | |
| "loss": 1.5601, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.022916666666666665, | |
| "grad_norm": 1.327074646949768, | |
| "learning_rate": 9.999316524962345e-05, | |
| "loss": 1.5243, | |
| "step": 11 | |
| }, | |
| { | |
| "epoch": 0.025, | |
| "grad_norm": 1.3379093408584595, | |
| "learning_rate": 9.997266286704631e-05, | |
| "loss": 1.5542, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 0.027083333333333334, | |
| "grad_norm": 1.2762094736099243, | |
| "learning_rate": 9.993849845741524e-05, | |
| "loss": 1.5886, | |
| "step": 13 | |
| }, | |
| { | |
| "epoch": 0.029166666666666667, | |
| "grad_norm": 1.3708640336990356, | |
| "learning_rate": 9.989068136093873e-05, | |
| "loss": 1.583, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 0.03125, | |
| "grad_norm": 1.2472329139709473, | |
| "learning_rate": 9.98292246503335e-05, | |
| "loss": 1.3531, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 0.03333333333333333, | |
| "grad_norm": 1.3552896976470947, | |
| "learning_rate": 9.975414512725057e-05, | |
| "loss": 1.5126, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 0.035416666666666666, | |
| "grad_norm": 1.2011890411376953, | |
| "learning_rate": 9.966546331768191e-05, | |
| "loss": 1.586, | |
| "step": 17 | |
| }, | |
| { | |
| "epoch": 0.0375, | |
| "grad_norm": 1.1840523481369019, | |
| "learning_rate": 9.956320346634876e-05, | |
| "loss": 1.4955, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 0.03958333333333333, | |
| "grad_norm": 1.153628945350647, | |
| "learning_rate": 9.944739353007344e-05, | |
| "loss": 1.5557, | |
| "step": 19 | |
| }, | |
| { | |
| "epoch": 0.041666666666666664, | |
| "grad_norm": 1.2302961349487305, | |
| "learning_rate": 9.931806517013612e-05, | |
| "loss": 1.6156, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.04375, | |
| "grad_norm": 1.168102502822876, | |
| "learning_rate": 9.917525374361912e-05, | |
| "loss": 1.4841, | |
| "step": 21 | |
| }, | |
| { | |
| "epoch": 0.04583333333333333, | |
| "grad_norm": 1.150782823562622, | |
| "learning_rate": 9.901899829374047e-05, | |
| "loss": 1.525, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 0.04791666666666667, | |
| "grad_norm": 1.180137038230896, | |
| "learning_rate": 9.884934153917997e-05, | |
| "loss": 1.4639, | |
| "step": 23 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 1.142685055732727, | |
| "learning_rate": 9.86663298624003e-05, | |
| "loss": 1.5168, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 0.052083333333333336, | |
| "grad_norm": 1.1588330268859863, | |
| "learning_rate": 9.847001329696653e-05, | |
| "loss": 1.5049, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 0.05416666666666667, | |
| "grad_norm": 1.1046218872070312, | |
| "learning_rate": 9.826044551386744e-05, | |
| "loss": 1.4671, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 0.05625, | |
| "grad_norm": 1.075933575630188, | |
| "learning_rate": 9.803768380684242e-05, | |
| "loss": 1.3682, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 0.058333333333333334, | |
| "grad_norm": 1.1333820819854736, | |
| "learning_rate": 9.780178907671789e-05, | |
| "loss": 1.3515, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 0.06041666666666667, | |
| "grad_norm": 1.3934657573699951, | |
| "learning_rate": 9.755282581475769e-05, | |
| "loss": 1.2995, | |
| "step": 29 | |
| }, | |
| { | |
| "epoch": 0.0625, | |
| "grad_norm": 1.2420434951782227, | |
| "learning_rate": 9.729086208503174e-05, | |
| "loss": 1.382, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.06458333333333334, | |
| "grad_norm": 1.1270408630371094, | |
| "learning_rate": 9.701596950580806e-05, | |
| "loss": 1.3348, | |
| "step": 31 | |
| }, | |
| { | |
| "epoch": 0.06666666666666667, | |
| "grad_norm": 1.3090320825576782, | |
| "learning_rate": 9.672822322997305e-05, | |
| "loss": 1.3153, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 0.06875, | |
| "grad_norm": 1.0761709213256836, | |
| "learning_rate": 9.642770192448536e-05, | |
| "loss": 1.22, | |
| "step": 33 | |
| }, | |
| { | |
| "epoch": 0.07083333333333333, | |
| "grad_norm": 1.2224770784378052, | |
| "learning_rate": 9.611448774886924e-05, | |
| "loss": 1.3154, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 0.07291666666666667, | |
| "grad_norm": 1.314793586730957, | |
| "learning_rate": 9.578866633275288e-05, | |
| "loss": 1.5061, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 0.075, | |
| "grad_norm": 1.2878282070159912, | |
| "learning_rate": 9.545032675245813e-05, | |
| "loss": 1.258, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 0.07708333333333334, | |
| "grad_norm": 1.2205027341842651, | |
| "learning_rate": 9.509956150664796e-05, | |
| "loss": 1.4377, | |
| "step": 37 | |
| }, | |
| { | |
| "epoch": 0.07916666666666666, | |
| "grad_norm": 1.2285693883895874, | |
| "learning_rate": 9.473646649103818e-05, | |
| "loss": 1.1862, | |
| "step": 38 | |
| }, | |
| { | |
| "epoch": 0.08125, | |
| "grad_norm": 1.373927116394043, | |
| "learning_rate": 9.43611409721806e-05, | |
| "loss": 1.2734, | |
| "step": 39 | |
| }, | |
| { | |
| "epoch": 0.08333333333333333, | |
| "grad_norm": 1.3380682468414307, | |
| "learning_rate": 9.397368756032445e-05, | |
| "loss": 1.3634, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.08541666666666667, | |
| "grad_norm": 1.3078755140304565, | |
| "learning_rate": 9.357421218136386e-05, | |
| "loss": 1.2911, | |
| "step": 41 | |
| }, | |
| { | |
| "epoch": 0.0875, | |
| "grad_norm": 1.3916032314300537, | |
| "learning_rate": 9.316282404787871e-05, | |
| "loss": 1.183, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 0.08958333333333333, | |
| "grad_norm": 1.529417872428894, | |
| "learning_rate": 9.273963562927695e-05, | |
| "loss": 1.3458, | |
| "step": 43 | |
| }, | |
| { | |
| "epoch": 0.09166666666666666, | |
| "grad_norm": 1.4932584762573242, | |
| "learning_rate": 9.230476262104677e-05, | |
| "loss": 1.2765, | |
| "step": 44 | |
| }, | |
| { | |
| "epoch": 0.09375, | |
| "grad_norm": 1.3387377262115479, | |
| "learning_rate": 9.185832391312644e-05, | |
| "loss": 1.2856, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 0.09583333333333334, | |
| "grad_norm": 1.6868760585784912, | |
| "learning_rate": 9.140044155740101e-05, | |
| "loss": 1.3925, | |
| "step": 46 | |
| }, | |
| { | |
| "epoch": 0.09791666666666667, | |
| "grad_norm": 1.3434560298919678, | |
| "learning_rate": 9.093124073433463e-05, | |
| "loss": 1.1198, | |
| "step": 47 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 1.5202412605285645, | |
| "learning_rate": 9.045084971874738e-05, | |
| "loss": 1.1412, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 0.10208333333333333, | |
| "grad_norm": 1.842848300933838, | |
| "learning_rate": 8.995939984474624e-05, | |
| "loss": 1.2041, | |
| "step": 49 | |
| }, | |
| { | |
| "epoch": 0.10416666666666667, | |
| "grad_norm": 1.7949153184890747, | |
| "learning_rate": 8.945702546981969e-05, | |
| "loss": 1.0547, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.10416666666666667, | |
| "eval_loss": 1.4771716594696045, | |
| "eval_runtime": 19.6152, | |
| "eval_samples_per_second": 41.244, | |
| "eval_steps_per_second": 10.349, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.10625, | |
| "grad_norm": 2.445969343185425, | |
| "learning_rate": 8.894386393810563e-05, | |
| "loss": 1.8617, | |
| "step": 51 | |
| }, | |
| { | |
| "epoch": 0.10833333333333334, | |
| "grad_norm": 2.264052391052246, | |
| "learning_rate": 8.842005554284296e-05, | |
| "loss": 1.6949, | |
| "step": 52 | |
| }, | |
| { | |
| "epoch": 0.11041666666666666, | |
| "grad_norm": 1.962007761001587, | |
| "learning_rate": 8.788574348801675e-05, | |
| "loss": 1.6935, | |
| "step": 53 | |
| }, | |
| { | |
| "epoch": 0.1125, | |
| "grad_norm": 1.6235146522521973, | |
| "learning_rate": 8.73410738492077e-05, | |
| "loss": 1.5265, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 0.11458333333333333, | |
| "grad_norm": 1.0616308450698853, | |
| "learning_rate": 8.678619553365659e-05, | |
| "loss": 1.5154, | |
| "step": 55 | |
| }, | |
| { | |
| "epoch": 0.11666666666666667, | |
| "grad_norm": 1.0153629779815674, | |
| "learning_rate": 8.622126023955446e-05, | |
| "loss": 1.491, | |
| "step": 56 | |
| }, | |
| { | |
| "epoch": 0.11875, | |
| "grad_norm": 1.058132290840149, | |
| "learning_rate": 8.564642241456986e-05, | |
| "loss": 1.4779, | |
| "step": 57 | |
| }, | |
| { | |
| "epoch": 0.12083333333333333, | |
| "grad_norm": 1.0321332216262817, | |
| "learning_rate": 8.506183921362443e-05, | |
| "loss": 1.4664, | |
| "step": 58 | |
| }, | |
| { | |
| "epoch": 0.12291666666666666, | |
| "grad_norm": 0.9675401449203491, | |
| "learning_rate": 8.44676704559283e-05, | |
| "loss": 1.4612, | |
| "step": 59 | |
| }, | |
| { | |
| "epoch": 0.125, | |
| "grad_norm": 1.0338927507400513, | |
| "learning_rate": 8.386407858128706e-05, | |
| "loss": 1.4036, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 0.12708333333333333, | |
| "grad_norm": 0.8915678858757019, | |
| "learning_rate": 8.32512286056924e-05, | |
| "loss": 1.3731, | |
| "step": 61 | |
| }, | |
| { | |
| "epoch": 0.12916666666666668, | |
| "grad_norm": 0.927663266658783, | |
| "learning_rate": 8.262928807620843e-05, | |
| "loss": 1.3126, | |
| "step": 62 | |
| }, | |
| { | |
| "epoch": 0.13125, | |
| "grad_norm": 0.8871569633483887, | |
| "learning_rate": 8.199842702516583e-05, | |
| "loss": 1.4405, | |
| "step": 63 | |
| }, | |
| { | |
| "epoch": 0.13333333333333333, | |
| "grad_norm": 0.8719902634620667, | |
| "learning_rate": 8.135881792367686e-05, | |
| "loss": 1.4276, | |
| "step": 64 | |
| }, | |
| { | |
| "epoch": 0.13541666666666666, | |
| "grad_norm": 0.9106648564338684, | |
| "learning_rate": 8.07106356344834e-05, | |
| "loss": 1.3069, | |
| "step": 65 | |
| }, | |
| { | |
| "epoch": 0.1375, | |
| "grad_norm": 0.9659252166748047, | |
| "learning_rate": 8.005405736415126e-05, | |
| "loss": 1.4594, | |
| "step": 66 | |
| }, | |
| { | |
| "epoch": 0.13958333333333334, | |
| "grad_norm": 0.9838249087333679, | |
| "learning_rate": 7.938926261462366e-05, | |
| "loss": 1.5815, | |
| "step": 67 | |
| }, | |
| { | |
| "epoch": 0.14166666666666666, | |
| "grad_norm": 0.882607102394104, | |
| "learning_rate": 7.871643313414718e-05, | |
| "loss": 1.2973, | |
| "step": 68 | |
| }, | |
| { | |
| "epoch": 0.14375, | |
| "grad_norm": 0.931350588798523, | |
| "learning_rate": 7.803575286758364e-05, | |
| "loss": 1.2979, | |
| "step": 69 | |
| }, | |
| { | |
| "epoch": 0.14583333333333334, | |
| "grad_norm": 0.8502551317214966, | |
| "learning_rate": 7.734740790612136e-05, | |
| "loss": 1.1778, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 0.14791666666666667, | |
| "grad_norm": 0.9118583798408508, | |
| "learning_rate": 7.66515864363997e-05, | |
| "loss": 1.2566, | |
| "step": 71 | |
| }, | |
| { | |
| "epoch": 0.15, | |
| "grad_norm": 1.000322699546814, | |
| "learning_rate": 7.594847868906076e-05, | |
| "loss": 1.2587, | |
| "step": 72 | |
| }, | |
| { | |
| "epoch": 0.15208333333333332, | |
| "grad_norm": 0.9792361259460449, | |
| "learning_rate": 7.52382768867422e-05, | |
| "loss": 1.2974, | |
| "step": 73 | |
| }, | |
| { | |
| "epoch": 0.15416666666666667, | |
| "grad_norm": 0.9866423606872559, | |
| "learning_rate": 7.452117519152542e-05, | |
| "loss": 1.2705, | |
| "step": 74 | |
| }, | |
| { | |
| "epoch": 0.15625, | |
| "grad_norm": 1.0663665533065796, | |
| "learning_rate": 7.379736965185368e-05, | |
| "loss": 1.2904, | |
| "step": 75 | |
| }, | |
| { | |
| "epoch": 0.15833333333333333, | |
| "grad_norm": 0.9363723993301392, | |
| "learning_rate": 7.30670581489344e-05, | |
| "loss": 1.2351, | |
| "step": 76 | |
| }, | |
| { | |
| "epoch": 0.16041666666666668, | |
| "grad_norm": 1.1033340692520142, | |
| "learning_rate": 7.233044034264034e-05, | |
| "loss": 1.3097, | |
| "step": 77 | |
| }, | |
| { | |
| "epoch": 0.1625, | |
| "grad_norm": 1.065839171409607, | |
| "learning_rate": 7.158771761692464e-05, | |
| "loss": 1.2982, | |
| "step": 78 | |
| }, | |
| { | |
| "epoch": 0.16458333333333333, | |
| "grad_norm": 0.9307525753974915, | |
| "learning_rate": 7.083909302476453e-05, | |
| "loss": 1.206, | |
| "step": 79 | |
| }, | |
| { | |
| "epoch": 0.16666666666666666, | |
| "grad_norm": 1.0406173467636108, | |
| "learning_rate": 7.008477123264848e-05, | |
| "loss": 1.3544, | |
| "step": 80 | |
| }, | |
| { | |
| "epoch": 0.16875, | |
| "grad_norm": 1.087615966796875, | |
| "learning_rate": 6.932495846462261e-05, | |
| "loss": 1.4011, | |
| "step": 81 | |
| }, | |
| { | |
| "epoch": 0.17083333333333334, | |
| "grad_norm": 1.2352794408798218, | |
| "learning_rate": 6.855986244591104e-05, | |
| "loss": 1.3441, | |
| "step": 82 | |
| }, | |
| { | |
| "epoch": 0.17291666666666666, | |
| "grad_norm": 1.0451663732528687, | |
| "learning_rate": 6.778969234612584e-05, | |
| "loss": 1.1488, | |
| "step": 83 | |
| }, | |
| { | |
| "epoch": 0.175, | |
| "grad_norm": 1.0194698572158813, | |
| "learning_rate": 6.701465872208216e-05, | |
| "loss": 1.1794, | |
| "step": 84 | |
| }, | |
| { | |
| "epoch": 0.17708333333333334, | |
| "grad_norm": 1.111366629600525, | |
| "learning_rate": 6.623497346023418e-05, | |
| "loss": 1.2712, | |
| "step": 85 | |
| }, | |
| { | |
| "epoch": 0.17916666666666667, | |
| "grad_norm": 1.0214899778366089, | |
| "learning_rate": 6.545084971874738e-05, | |
| "loss": 1.2817, | |
| "step": 86 | |
| }, | |
| { | |
| "epoch": 0.18125, | |
| "grad_norm": 1.0541489124298096, | |
| "learning_rate": 6.466250186922325e-05, | |
| "loss": 1.1318, | |
| "step": 87 | |
| }, | |
| { | |
| "epoch": 0.18333333333333332, | |
| "grad_norm": 1.0895144939422607, | |
| "learning_rate": 6.387014543809223e-05, | |
| "loss": 1.2531, | |
| "step": 88 | |
| }, | |
| { | |
| "epoch": 0.18541666666666667, | |
| "grad_norm": 1.1021941900253296, | |
| "learning_rate": 6.307399704769099e-05, | |
| "loss": 1.1881, | |
| "step": 89 | |
| }, | |
| { | |
| "epoch": 0.1875, | |
| "grad_norm": 1.0990041494369507, | |
| "learning_rate": 6.227427435703997e-05, | |
| "loss": 1.1724, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 0.18958333333333333, | |
| "grad_norm": 1.295570969581604, | |
| "learning_rate": 6.147119600233758e-05, | |
| "loss": 1.1891, | |
| "step": 91 | |
| }, | |
| { | |
| "epoch": 0.19166666666666668, | |
| "grad_norm": 1.2657661437988281, | |
| "learning_rate": 6.066498153718735e-05, | |
| "loss": 1.0379, | |
| "step": 92 | |
| }, | |
| { | |
| "epoch": 0.19375, | |
| "grad_norm": 1.3565133810043335, | |
| "learning_rate": 5.985585137257401e-05, | |
| "loss": 1.284, | |
| "step": 93 | |
| }, | |
| { | |
| "epoch": 0.19583333333333333, | |
| "grad_norm": 1.3533893823623657, | |
| "learning_rate": 5.90440267166055e-05, | |
| "loss": 1.1389, | |
| "step": 94 | |
| }, | |
| { | |
| "epoch": 0.19791666666666666, | |
| "grad_norm": 1.3498307466506958, | |
| "learning_rate": 5.8229729514036705e-05, | |
| "loss": 1.1647, | |
| "step": 95 | |
| }, | |
| { | |
| "epoch": 0.2, | |
| "grad_norm": 1.4012391567230225, | |
| "learning_rate": 5.74131823855921e-05, | |
| "loss": 1.1033, | |
| "step": 96 | |
| }, | |
| { | |
| "epoch": 0.20208333333333334, | |
| "grad_norm": 1.257043480873108, | |
| "learning_rate": 5.6594608567103456e-05, | |
| "loss": 1.0052, | |
| "step": 97 | |
| }, | |
| { | |
| "epoch": 0.20416666666666666, | |
| "grad_norm": 1.354735255241394, | |
| "learning_rate": 5.577423184847932e-05, | |
| "loss": 1.1057, | |
| "step": 98 | |
| }, | |
| { | |
| "epoch": 0.20625, | |
| "grad_norm": 1.3288631439208984, | |
| "learning_rate": 5.495227651252315e-05, | |
| "loss": 0.9795, | |
| "step": 99 | |
| }, | |
| { | |
| "epoch": 0.20833333333333334, | |
| "grad_norm": 1.5298000574111938, | |
| "learning_rate": 5.4128967273616625e-05, | |
| "loss": 0.8801, | |
| "step": 100 | |
| }, | |
| { | |
| "epoch": 0.20833333333333334, | |
| "eval_loss": 1.3193268775939941, | |
| "eval_runtime": 19.6358, | |
| "eval_samples_per_second": 41.2, | |
| "eval_steps_per_second": 10.338, | |
| "step": 100 | |
| }, | |
| { | |
| "epoch": 0.21041666666666667, | |
| "grad_norm": 1.349163293838501, | |
| "learning_rate": 5.330452921628497e-05, | |
| "loss": 1.5945, | |
| "step": 101 | |
| }, | |
| { | |
| "epoch": 0.2125, | |
| "grad_norm": 1.3282318115234375, | |
| "learning_rate": 5.247918773366112e-05, | |
| "loss": 1.5341, | |
| "step": 102 | |
| }, | |
| { | |
| "epoch": 0.21458333333333332, | |
| "grad_norm": 1.1850833892822266, | |
| "learning_rate": 5.165316846586541e-05, | |
| "loss": 1.492, | |
| "step": 103 | |
| }, | |
| { | |
| "epoch": 0.21666666666666667, | |
| "grad_norm": 1.226015567779541, | |
| "learning_rate": 5.0826697238317935e-05, | |
| "loss": 1.4586, | |
| "step": 104 | |
| }, | |
| { | |
| "epoch": 0.21875, | |
| "grad_norm": 0.9886764883995056, | |
| "learning_rate": 5e-05, | |
| "loss": 1.3954, | |
| "step": 105 | |
| }, | |
| { | |
| "epoch": 0.22083333333333333, | |
| "grad_norm": 0.9618775248527527, | |
| "learning_rate": 4.917330276168208e-05, | |
| "loss": 1.4007, | |
| "step": 106 | |
| }, | |
| { | |
| "epoch": 0.22291666666666668, | |
| "grad_norm": 0.8625959157943726, | |
| "learning_rate": 4.834683153413459e-05, | |
| "loss": 1.3579, | |
| "step": 107 | |
| }, | |
| { | |
| "epoch": 0.225, | |
| "grad_norm": 0.970028281211853, | |
| "learning_rate": 4.7520812266338885e-05, | |
| "loss": 1.4455, | |
| "step": 108 | |
| }, | |
| { | |
| "epoch": 0.22708333333333333, | |
| "grad_norm": 0.9091337323188782, | |
| "learning_rate": 4.669547078371504e-05, | |
| "loss": 1.2883, | |
| "step": 109 | |
| }, | |
| { | |
| "epoch": 0.22916666666666666, | |
| "grad_norm": 0.9552087187767029, | |
| "learning_rate": 4.5871032726383386e-05, | |
| "loss": 1.4821, | |
| "step": 110 | |
| }, | |
| { | |
| "epoch": 0.23125, | |
| "grad_norm": 1.0679712295532227, | |
| "learning_rate": 4.504772348747687e-05, | |
| "loss": 1.4462, | |
| "step": 111 | |
| }, | |
| { | |
| "epoch": 0.23333333333333334, | |
| "grad_norm": 0.9382581114768982, | |
| "learning_rate": 4.4225768151520694e-05, | |
| "loss": 1.3561, | |
| "step": 112 | |
| }, | |
| { | |
| "epoch": 0.23541666666666666, | |
| "grad_norm": 0.81501305103302, | |
| "learning_rate": 4.3405391432896555e-05, | |
| "loss": 1.2523, | |
| "step": 113 | |
| }, | |
| { | |
| "epoch": 0.2375, | |
| "grad_norm": 0.8973814845085144, | |
| "learning_rate": 4.2586817614407895e-05, | |
| "loss": 1.3209, | |
| "step": 114 | |
| }, | |
| { | |
| "epoch": 0.23958333333333334, | |
| "grad_norm": 0.9383504390716553, | |
| "learning_rate": 4.17702704859633e-05, | |
| "loss": 1.343, | |
| "step": 115 | |
| }, | |
| { | |
| "epoch": 0.24166666666666667, | |
| "grad_norm": 0.8992301225662231, | |
| "learning_rate": 4.095597328339452e-05, | |
| "loss": 1.3489, | |
| "step": 116 | |
| }, | |
| { | |
| "epoch": 0.24375, | |
| "grad_norm": 0.8795328736305237, | |
| "learning_rate": 4.0144148627425993e-05, | |
| "loss": 1.3103, | |
| "step": 117 | |
| }, | |
| { | |
| "epoch": 0.24583333333333332, | |
| "grad_norm": 0.8515303730964661, | |
| "learning_rate": 3.933501846281267e-05, | |
| "loss": 1.2279, | |
| "step": 118 | |
| }, | |
| { | |
| "epoch": 0.24791666666666667, | |
| "grad_norm": 0.9543999433517456, | |
| "learning_rate": 3.852880399766243e-05, | |
| "loss": 1.223, | |
| "step": 119 | |
| }, | |
| { | |
| "epoch": 0.25, | |
| "grad_norm": 0.8948822021484375, | |
| "learning_rate": 3.772572564296005e-05, | |
| "loss": 1.1405, | |
| "step": 120 | |
| }, | |
| { | |
| "epoch": 0.2520833333333333, | |
| "grad_norm": 0.9125294089317322, | |
| "learning_rate": 3.6926002952309016e-05, | |
| "loss": 1.3403, | |
| "step": 121 | |
| }, | |
| { | |
| "epoch": 0.25416666666666665, | |
| "grad_norm": 0.8719328045845032, | |
| "learning_rate": 3.612985456190778e-05, | |
| "loss": 1.2584, | |
| "step": 122 | |
| }, | |
| { | |
| "epoch": 0.25625, | |
| "grad_norm": 0.9424912333488464, | |
| "learning_rate": 3.533749813077677e-05, | |
| "loss": 1.1655, | |
| "step": 123 | |
| }, | |
| { | |
| "epoch": 0.25833333333333336, | |
| "grad_norm": 0.9609814286231995, | |
| "learning_rate": 3.4549150281252636e-05, | |
| "loss": 1.3369, | |
| "step": 124 | |
| }, | |
| { | |
| "epoch": 0.2604166666666667, | |
| "grad_norm": 0.9020384550094604, | |
| "learning_rate": 3.3765026539765834e-05, | |
| "loss": 1.1818, | |
| "step": 125 | |
| }, | |
| { | |
| "epoch": 0.2625, | |
| "grad_norm": 1.1233428716659546, | |
| "learning_rate": 3.298534127791785e-05, | |
| "loss": 1.3199, | |
| "step": 126 | |
| }, | |
| { | |
| "epoch": 0.26458333333333334, | |
| "grad_norm": 1.028306007385254, | |
| "learning_rate": 3.221030765387417e-05, | |
| "loss": 1.4029, | |
| "step": 127 | |
| }, | |
| { | |
| "epoch": 0.26666666666666666, | |
| "grad_norm": 0.9140666127204895, | |
| "learning_rate": 3.144013755408895e-05, | |
| "loss": 1.1946, | |
| "step": 128 | |
| }, | |
| { | |
| "epoch": 0.26875, | |
| "grad_norm": 1.0069950819015503, | |
| "learning_rate": 3.0675041535377405e-05, | |
| "loss": 1.2561, | |
| "step": 129 | |
| }, | |
| { | |
| "epoch": 0.2708333333333333, | |
| "grad_norm": 0.9883007407188416, | |
| "learning_rate": 2.991522876735154e-05, | |
| "loss": 1.2477, | |
| "step": 130 | |
| }, | |
| { | |
| "epoch": 0.27291666666666664, | |
| "grad_norm": 0.9492162466049194, | |
| "learning_rate": 2.916090697523549e-05, | |
| "loss": 1.2119, | |
| "step": 131 | |
| }, | |
| { | |
| "epoch": 0.275, | |
| "grad_norm": 1.041260004043579, | |
| "learning_rate": 2.8412282383075363e-05, | |
| "loss": 1.2349, | |
| "step": 132 | |
| }, | |
| { | |
| "epoch": 0.27708333333333335, | |
| "grad_norm": 0.9782376885414124, | |
| "learning_rate": 2.766955965735968e-05, | |
| "loss": 1.1536, | |
| "step": 133 | |
| }, | |
| { | |
| "epoch": 0.2791666666666667, | |
| "grad_norm": 0.9090268611907959, | |
| "learning_rate": 2.693294185106562e-05, | |
| "loss": 1.0996, | |
| "step": 134 | |
| }, | |
| { | |
| "epoch": 0.28125, | |
| "grad_norm": 1.100082278251648, | |
| "learning_rate": 2.6202630348146324e-05, | |
| "loss": 1.1436, | |
| "step": 135 | |
| }, | |
| { | |
| "epoch": 0.2833333333333333, | |
| "grad_norm": 1.050122857093811, | |
| "learning_rate": 2.547882480847461e-05, | |
| "loss": 1.2592, | |
| "step": 136 | |
| }, | |
| { | |
| "epoch": 0.28541666666666665, | |
| "grad_norm": 1.049125075340271, | |
| "learning_rate": 2.476172311325783e-05, | |
| "loss": 1.229, | |
| "step": 137 | |
| }, | |
| { | |
| "epoch": 0.2875, | |
| "grad_norm": 1.1987643241882324, | |
| "learning_rate": 2.405152131093926e-05, | |
| "loss": 1.2059, | |
| "step": 138 | |
| }, | |
| { | |
| "epoch": 0.28958333333333336, | |
| "grad_norm": 1.0851715803146362, | |
| "learning_rate": 2.3348413563600325e-05, | |
| "loss": 1.1774, | |
| "step": 139 | |
| }, | |
| { | |
| "epoch": 0.2916666666666667, | |
| "grad_norm": 1.743678092956543, | |
| "learning_rate": 2.2652592093878666e-05, | |
| "loss": 1.1542, | |
| "step": 140 | |
| }, | |
| { | |
| "epoch": 0.29375, | |
| "grad_norm": 1.1508506536483765, | |
| "learning_rate": 2.196424713241637e-05, | |
| "loss": 1.0386, | |
| "step": 141 | |
| }, | |
| { | |
| "epoch": 0.29583333333333334, | |
| "grad_norm": 1.1912480592727661, | |
| "learning_rate": 2.128356686585282e-05, | |
| "loss": 1.1985, | |
| "step": 142 | |
| }, | |
| { | |
| "epoch": 0.29791666666666666, | |
| "grad_norm": 1.1640328168869019, | |
| "learning_rate": 2.061073738537635e-05, | |
| "loss": 1.0901, | |
| "step": 143 | |
| }, | |
| { | |
| "epoch": 0.3, | |
| "grad_norm": 1.1531014442443848, | |
| "learning_rate": 1.9945942635848748e-05, | |
| "loss": 1.0857, | |
| "step": 144 | |
| }, | |
| { | |
| "epoch": 0.3020833333333333, | |
| "grad_norm": 1.2762736082077026, | |
| "learning_rate": 1.928936436551661e-05, | |
| "loss": 1.1353, | |
| "step": 145 | |
| }, | |
| { | |
| "epoch": 0.30416666666666664, | |
| "grad_norm": 1.2722305059432983, | |
| "learning_rate": 1.8641182076323148e-05, | |
| "loss": 1.0903, | |
| "step": 146 | |
| }, | |
| { | |
| "epoch": 0.30625, | |
| "grad_norm": 1.3303570747375488, | |
| "learning_rate": 1.800157297483417e-05, | |
| "loss": 1.0214, | |
| "step": 147 | |
| }, | |
| { | |
| "epoch": 0.30833333333333335, | |
| "grad_norm": 1.4248008728027344, | |
| "learning_rate": 1.7370711923791567e-05, | |
| "loss": 0.9502, | |
| "step": 148 | |
| }, | |
| { | |
| "epoch": 0.3104166666666667, | |
| "grad_norm": 1.4513983726501465, | |
| "learning_rate": 1.6748771394307585e-05, | |
| "loss": 1.0781, | |
| "step": 149 | |
| }, | |
| { | |
| "epoch": 0.3125, | |
| "grad_norm": 1.7057225704193115, | |
| "learning_rate": 1.6135921418712956e-05, | |
| "loss": 0.9673, | |
| "step": 150 | |
| }, | |
| { | |
| "epoch": 0.3125, | |
| "eval_loss": 1.2417633533477783, | |
| "eval_runtime": 19.6505, | |
| "eval_samples_per_second": 41.169, | |
| "eval_steps_per_second": 10.331, | |
| "step": 150 | |
| }, | |
| { | |
| "epoch": 0.3145833333333333, | |
| "grad_norm": 0.9167490005493164, | |
| "learning_rate": 1.553232954407171e-05, | |
| "loss": 1.4654, | |
| "step": 151 | |
| }, | |
| { | |
| "epoch": 0.31666666666666665, | |
| "grad_norm": 0.9090939164161682, | |
| "learning_rate": 1.4938160786375572e-05, | |
| "loss": 1.4566, | |
| "step": 152 | |
| }, | |
| { | |
| "epoch": 0.31875, | |
| "grad_norm": 0.9467122554779053, | |
| "learning_rate": 1.435357758543015e-05, | |
| "loss": 1.3947, | |
| "step": 153 | |
| }, | |
| { | |
| "epoch": 0.32083333333333336, | |
| "grad_norm": 0.8778771758079529, | |
| "learning_rate": 1.3778739760445552e-05, | |
| "loss": 1.3994, | |
| "step": 154 | |
| }, | |
| { | |
| "epoch": 0.3229166666666667, | |
| "grad_norm": 0.9685648083686829, | |
| "learning_rate": 1.3213804466343421e-05, | |
| "loss": 1.3821, | |
| "step": 155 | |
| }, | |
| { | |
| "epoch": 0.325, | |
| "grad_norm": 0.8839799761772156, | |
| "learning_rate": 1.2658926150792322e-05, | |
| "loss": 1.3363, | |
| "step": 156 | |
| }, | |
| { | |
| "epoch": 0.32708333333333334, | |
| "grad_norm": 0.8684672713279724, | |
| "learning_rate": 1.2114256511983274e-05, | |
| "loss": 1.3057, | |
| "step": 157 | |
| }, | |
| { | |
| "epoch": 0.32916666666666666, | |
| "grad_norm": 0.846199095249176, | |
| "learning_rate": 1.157994445715706e-05, | |
| "loss": 1.3083, | |
| "step": 158 | |
| }, | |
| { | |
| "epoch": 0.33125, | |
| "grad_norm": 0.8054140210151672, | |
| "learning_rate": 1.1056136061894384e-05, | |
| "loss": 1.2968, | |
| "step": 159 | |
| }, | |
| { | |
| "epoch": 0.3333333333333333, | |
| "grad_norm": 0.8690974712371826, | |
| "learning_rate": 1.0542974530180327e-05, | |
| "loss": 1.3771, | |
| "step": 160 | |
| }, | |
| { | |
| "epoch": 0.33541666666666664, | |
| "grad_norm": 0.9138381481170654, | |
| "learning_rate": 1.0040600155253765e-05, | |
| "loss": 1.3114, | |
| "step": 161 | |
| }, | |
| { | |
| "epoch": 0.3375, | |
| "grad_norm": 0.8728609085083008, | |
| "learning_rate": 9.549150281252633e-06, | |
| "loss": 1.3982, | |
| "step": 162 | |
| }, | |
| { | |
| "epoch": 0.33958333333333335, | |
| "grad_norm": 0.9340368509292603, | |
| "learning_rate": 9.068759265665384e-06, | |
| "loss": 1.3702, | |
| "step": 163 | |
| }, | |
| { | |
| "epoch": 0.3416666666666667, | |
| "grad_norm": 0.9463593363761902, | |
| "learning_rate": 8.599558442598998e-06, | |
| "loss": 1.3482, | |
| "step": 164 | |
| }, | |
| { | |
| "epoch": 0.34375, | |
| "grad_norm": 0.8230924010276794, | |
| "learning_rate": 8.141676086873572e-06, | |
| "loss": 1.2077, | |
| "step": 165 | |
| }, | |
| { | |
| "epoch": 0.3458333333333333, | |
| "grad_norm": 0.7926594018936157, | |
| "learning_rate": 7.695237378953223e-06, | |
| "loss": 1.3396, | |
| "step": 166 | |
| }, | |
| { | |
| "epoch": 0.34791666666666665, | |
| "grad_norm": 0.862067699432373, | |
| "learning_rate": 7.260364370723044e-06, | |
| "loss": 1.279, | |
| "step": 167 | |
| }, | |
| { | |
| "epoch": 0.35, | |
| "grad_norm": 1.030511736869812, | |
| "learning_rate": 6.837175952121306e-06, | |
| "loss": 1.2897, | |
| "step": 168 | |
| }, | |
| { | |
| "epoch": 0.35208333333333336, | |
| "grad_norm": 0.8907017111778259, | |
| "learning_rate": 6.425787818636131e-06, | |
| "loss": 1.1892, | |
| "step": 169 | |
| }, | |
| { | |
| "epoch": 0.3541666666666667, | |
| "grad_norm": 0.8727016448974609, | |
| "learning_rate": 6.026312439675552e-06, | |
| "loss": 1.1843, | |
| "step": 170 | |
| }, | |
| { | |
| "epoch": 0.35625, | |
| "grad_norm": 0.8588412404060364, | |
| "learning_rate": 5.6388590278194096e-06, | |
| "loss": 1.1616, | |
| "step": 171 | |
| }, | |
| { | |
| "epoch": 0.35833333333333334, | |
| "grad_norm": 1.0423763990402222, | |
| "learning_rate": 5.263533508961827e-06, | |
| "loss": 1.3862, | |
| "step": 172 | |
| }, | |
| { | |
| "epoch": 0.36041666666666666, | |
| "grad_norm": 0.9067312479019165, | |
| "learning_rate": 4.900438493352055e-06, | |
| "loss": 1.1924, | |
| "step": 173 | |
| }, | |
| { | |
| "epoch": 0.3625, | |
| "grad_norm": 0.9496880769729614, | |
| "learning_rate": 4.549673247541875e-06, | |
| "loss": 1.1921, | |
| "step": 174 | |
| }, | |
| { | |
| "epoch": 0.3645833333333333, | |
| "grad_norm": 1.075940489768982, | |
| "learning_rate": 4.2113336672471245e-06, | |
| "loss": 1.3261, | |
| "step": 175 | |
| }, | |
| { | |
| "epoch": 0.36666666666666664, | |
| "grad_norm": 1.0297045707702637, | |
| "learning_rate": 3.885512251130763e-06, | |
| "loss": 1.2738, | |
| "step": 176 | |
| }, | |
| { | |
| "epoch": 0.36875, | |
| "grad_norm": 1.0785486698150635, | |
| "learning_rate": 3.5722980755146517e-06, | |
| "loss": 1.1258, | |
| "step": 177 | |
| }, | |
| { | |
| "epoch": 0.37083333333333335, | |
| "grad_norm": 0.844489574432373, | |
| "learning_rate": 3.271776770026963e-06, | |
| "loss": 0.9943, | |
| "step": 178 | |
| }, | |
| { | |
| "epoch": 0.3729166666666667, | |
| "grad_norm": 1.013533592224121, | |
| "learning_rate": 2.9840304941919415e-06, | |
| "loss": 1.1661, | |
| "step": 179 | |
| }, | |
| { | |
| "epoch": 0.375, | |
| "grad_norm": 1.2113096714019775, | |
| "learning_rate": 2.7091379149682685e-06, | |
| "loss": 1.289, | |
| "step": 180 | |
| }, | |
| { | |
| "epoch": 0.3770833333333333, | |
| "grad_norm": 1.1044951677322388, | |
| "learning_rate": 2.4471741852423237e-06, | |
| "loss": 1.218, | |
| "step": 181 | |
| }, | |
| { | |
| "epoch": 0.37916666666666665, | |
| "grad_norm": 1.092716097831726, | |
| "learning_rate": 2.1982109232821178e-06, | |
| "loss": 1.1623, | |
| "step": 182 | |
| }, | |
| { | |
| "epoch": 0.38125, | |
| "grad_norm": 1.000908613204956, | |
| "learning_rate": 1.962316193157593e-06, | |
| "loss": 0.9333, | |
| "step": 183 | |
| }, | |
| { | |
| "epoch": 0.38333333333333336, | |
| "grad_norm": 1.1057783365249634, | |
| "learning_rate": 1.7395544861325718e-06, | |
| "loss": 1.1531, | |
| "step": 184 | |
| }, | |
| { | |
| "epoch": 0.3854166666666667, | |
| "grad_norm": 1.1311243772506714, | |
| "learning_rate": 1.5299867030334814e-06, | |
| "loss": 1.1979, | |
| "step": 185 | |
| }, | |
| { | |
| "epoch": 0.3875, | |
| "grad_norm": 1.2355334758758545, | |
| "learning_rate": 1.333670137599713e-06, | |
| "loss": 1.1383, | |
| "step": 186 | |
| }, | |
| { | |
| "epoch": 0.38958333333333334, | |
| "grad_norm": 1.0468701124191284, | |
| "learning_rate": 1.1506584608200367e-06, | |
| "loss": 1.0801, | |
| "step": 187 | |
| }, | |
| { | |
| "epoch": 0.39166666666666666, | |
| "grad_norm": 1.475512981414795, | |
| "learning_rate": 9.810017062595322e-07, | |
| "loss": 1.1457, | |
| "step": 188 | |
| }, | |
| { | |
| "epoch": 0.39375, | |
| "grad_norm": 1.1971158981323242, | |
| "learning_rate": 8.247462563808817e-07, | |
| "loss": 1.1274, | |
| "step": 189 | |
| }, | |
| { | |
| "epoch": 0.3958333333333333, | |
| "grad_norm": 1.4328129291534424, | |
| "learning_rate": 6.819348298638839e-07, | |
| "loss": 1.1646, | |
| "step": 190 | |
| }, | |
| { | |
| "epoch": 0.39791666666666664, | |
| "grad_norm": 1.192665934562683, | |
| "learning_rate": 5.526064699265753e-07, | |
| "loss": 0.9839, | |
| "step": 191 | |
| }, | |
| { | |
| "epoch": 0.4, | |
| "grad_norm": 1.4151753187179565, | |
| "learning_rate": 4.367965336512403e-07, | |
| "loss": 1.1046, | |
| "step": 192 | |
| }, | |
| { | |
| "epoch": 0.40208333333333335, | |
| "grad_norm": 1.2922543287277222, | |
| "learning_rate": 3.3453668231809286e-07, | |
| "loss": 1.1315, | |
| "step": 193 | |
| }, | |
| { | |
| "epoch": 0.4041666666666667, | |
| "grad_norm": 1.2625151872634888, | |
| "learning_rate": 2.458548727494292e-07, | |
| "loss": 1.0683, | |
| "step": 194 | |
| }, | |
| { | |
| "epoch": 0.40625, | |
| "grad_norm": 1.4895367622375488, | |
| "learning_rate": 1.7077534966650766e-07, | |
| "loss": 1.1841, | |
| "step": 195 | |
| }, | |
| { | |
| "epoch": 0.4083333333333333, | |
| "grad_norm": 1.3106508255004883, | |
| "learning_rate": 1.0931863906127327e-07, | |
| "loss": 1.0804, | |
| "step": 196 | |
| }, | |
| { | |
| "epoch": 0.41041666666666665, | |
| "grad_norm": 1.3905127048492432, | |
| "learning_rate": 6.150154258476315e-08, | |
| "loss": 1.0058, | |
| "step": 197 | |
| }, | |
| { | |
| "epoch": 0.4125, | |
| "grad_norm": 1.5347251892089844, | |
| "learning_rate": 2.7337132953697554e-08, | |
| "loss": 1.0941, | |
| "step": 198 | |
| }, | |
| { | |
| "epoch": 0.41458333333333336, | |
| "grad_norm": 1.3431941270828247, | |
| "learning_rate": 6.834750376549792e-09, | |
| "loss": 0.9099, | |
| "step": 199 | |
| }, | |
| { | |
| "epoch": 0.4166666666666667, | |
| "grad_norm": 1.9352409839630127, | |
| "learning_rate": 0.0, | |
| "loss": 1.047, | |
| "step": 200 | |
| }, | |
| { | |
| "epoch": 0.4166666666666667, | |
| "eval_loss": 1.231164574623108, | |
| "eval_runtime": 19.6564, | |
| "eval_samples_per_second": 41.157, | |
| "eval_steps_per_second": 10.327, | |
| "step": 200 | |
| } | |
| ], | |
| "logging_steps": 1, | |
| "max_steps": 200, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 1, | |
| "save_steps": 50, | |
| "stateful_callbacks": { | |
| "EarlyStoppingCallback": { | |
| "args": { | |
| "early_stopping_patience": 5, | |
| "early_stopping_threshold": 0.0 | |
| }, | |
| "attributes": { | |
| "early_stopping_patience_counter": 0 | |
| } | |
| }, | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": true | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 5.3014438084608e+16, | |
| "train_batch_size": 8, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |