trainer_state.json

{
  "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
}