File size: 2,691 Bytes
a051f4e
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 1.0,
  "eval_steps": 2,
  "global_step": 24,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.041666666666666664,
      "grad_norm": 0.0,
      "learning_rate": 0.0,
      "loss": 0.7774,
      "step": 1
    },
    {
      "epoch": 0.08333333333333333,
      "grad_norm": 0.0,
      "learning_rate": 0.0,
      "loss": 0.7324,
      "step": 2
    },
    {
      "epoch": 0.16666666666666666,
      "grad_norm": 0.0,
      "learning_rate": 0.0,
      "loss": 0.873,
      "step": 4
    },
    {
      "epoch": 0.25,
      "grad_norm": 0.0,
      "learning_rate": 0.0,
      "loss": 0.8202,
      "step": 6
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 0.0,
      "learning_rate": 0.0,
      "loss": 0.8623,
      "step": 8
    },
    {
      "epoch": 0.4166666666666667,
      "grad_norm": 12.50866222166302,
      "learning_rate": 3e-06,
      "loss": 0.8277,
      "step": 10
    },
    {
      "epoch": 0.5,
      "grad_norm": 13.046471132590804,
      "learning_rate": 2.7318181818181818e-06,
      "loss": 0.7238,
      "step": 12
    },
    {
      "epoch": 0.5833333333333334,
      "grad_norm": 4.508311554993698,
      "learning_rate": 2.4636363636363635e-06,
      "loss": 0.6967,
      "step": 14
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 3.017926877101269,
      "learning_rate": 2.1954545454545456e-06,
      "loss": 0.6387,
      "step": 16
    },
    {
      "epoch": 0.75,
      "grad_norm": 2.9491456718160447,
      "learning_rate": 1.9272727272727273e-06,
      "loss": 0.5893,
      "step": 18
    },
    {
      "epoch": 0.8333333333333334,
      "grad_norm": 2.921108543014278,
      "learning_rate": 1.659090909090909e-06,
      "loss": 0.5832,
      "step": 20
    },
    {
      "epoch": 0.9166666666666666,
      "grad_norm": 2.651343484125108,
      "learning_rate": 1.390909090909091e-06,
      "loss": 0.6296,
      "step": 22
    },
    {
      "epoch": 1.0,
      "grad_norm": 2.7481562220051634,
      "learning_rate": 1.1227272727272728e-06,
      "loss": 0.673,
      "step": 24
    },
    {
      "epoch": 1.0,
      "step": 24,
      "total_flos": 3529028665344.0,
      "train_loss": 0.722705473502477,
      "train_runtime": 3811.3291,
      "train_samples_per_second": 0.801,
      "train_steps_per_second": 0.006
    }
  ],
  "logging_steps": 2,
  "max_steps": 24,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 1,
  "save_steps": 5,
  "total_flos": 3529028665344.0,
  "train_batch_size": 2,
  "trial_name": null,
  "trial_params": null
}