File size: 4,699 Bytes
ffd4582
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
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
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 12.0,
  "eval_steps": 500,
  "global_step": 48,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.64,
      "grad_norm": 0.9444175362586975,
      "learning_rate": 0.00019166666666666667,
      "loss": 9.6275,
      "step": 2
    },
    {
      "epoch": 1.0,
      "grad_norm": 0.27594709396362305,
      "learning_rate": 0.00018333333333333334,
      "loss": 5.2513,
      "step": 4
    },
    {
      "epoch": 1.6400000000000001,
      "grad_norm": 2.447077989578247,
      "learning_rate": 0.000175,
      "loss": 8.6347,
      "step": 6
    },
    {
      "epoch": 2.0,
      "grad_norm": 0.26538360118865967,
      "learning_rate": 0.0001666666666666667,
      "loss": 4.5485,
      "step": 8
    },
    {
      "epoch": 2.64,
      "grad_norm": 1.1157130002975464,
      "learning_rate": 0.00015833333333333332,
      "loss": 7.6164,
      "step": 10
    },
    {
      "epoch": 3.0,
      "grad_norm": 0.20757710933685303,
      "learning_rate": 0.00015000000000000001,
      "loss": 4.2397,
      "step": 12
    },
    {
      "epoch": 3.64,
      "grad_norm": 0.958597719669342,
      "learning_rate": 0.00014166666666666668,
      "loss": 7.3819,
      "step": 14
    },
    {
      "epoch": 4.0,
      "grad_norm": 0.285988450050354,
      "learning_rate": 0.00013333333333333334,
      "loss": 4.158,
      "step": 16
    },
    {
      "epoch": 4.64,
      "grad_norm": 0.6224765181541443,
      "learning_rate": 0.000125,
      "loss": 7.2957,
      "step": 18
    },
    {
      "epoch": 5.0,
      "grad_norm": 0.18170130252838135,
      "learning_rate": 0.00011666666666666668,
      "loss": 4.0762,
      "step": 20
    },
    {
      "epoch": 5.64,
      "grad_norm": 0.4508182108402252,
      "learning_rate": 0.00010833333333333333,
      "loss": 7.219,
      "step": 22
    },
    {
      "epoch": 6.0,
      "grad_norm": 0.17579227685928345,
      "learning_rate": 0.0001,
      "loss": 4.0777,
      "step": 24
    },
    {
      "epoch": 6.64,
      "grad_norm": 0.5887883305549622,
      "learning_rate": 9.166666666666667e-05,
      "loss": 7.2008,
      "step": 26
    },
    {
      "epoch": 7.0,
      "grad_norm": 0.16587680578231812,
      "learning_rate": 8.333333333333334e-05,
      "loss": 4.0601,
      "step": 28
    },
    {
      "epoch": 7.64,
      "grad_norm": 0.8699614405632019,
      "learning_rate": 7.500000000000001e-05,
      "loss": 7.1846,
      "step": 30
    },
    {
      "epoch": 8.0,
      "grad_norm": 0.12891338765621185,
      "learning_rate": 6.666666666666667e-05,
      "loss": 4.0341,
      "step": 32
    },
    {
      "epoch": 8.64,
      "grad_norm": 0.6497959494590759,
      "learning_rate": 5.833333333333334e-05,
      "loss": 7.1684,
      "step": 34
    },
    {
      "epoch": 9.0,
      "grad_norm": 0.21780814230442047,
      "learning_rate": 5e-05,
      "loss": 4.0268,
      "step": 36
    },
    {
      "epoch": 9.64,
      "grad_norm": 0.5005463361740112,
      "learning_rate": 4.166666666666667e-05,
      "loss": 7.1632,
      "step": 38
    },
    {
      "epoch": 10.0,
      "grad_norm": 0.1379019170999527,
      "learning_rate": 3.3333333333333335e-05,
      "loss": 4.0141,
      "step": 40
    },
    {
      "epoch": 10.64,
      "grad_norm": 0.3742949962615967,
      "learning_rate": 2.5e-05,
      "loss": 7.1528,
      "step": 42
    },
    {
      "epoch": 11.0,
      "grad_norm": 0.1629418581724167,
      "learning_rate": 1.6666666666666667e-05,
      "loss": 4.0143,
      "step": 44
    },
    {
      "epoch": 11.64,
      "grad_norm": 0.3627496659755707,
      "learning_rate": 8.333333333333334e-06,
      "loss": 7.147,
      "step": 46
    },
    {
      "epoch": 12.0,
      "grad_norm": 0.13871623575687408,
      "learning_rate": 0.0,
      "loss": 4.012,
      "step": 48
    },
    {
      "epoch": 12.0,
      "step": 48,
      "total_flos": 147726005249160.0,
      "train_loss": 5.887702425320943,
      "train_runtime": 183.8612,
      "train_samples_per_second": 4.351,
      "train_steps_per_second": 0.261
    }
  ],
  "logging_steps": 2,
  "max_steps": 48,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 16,
  "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": 147726005249160.0,
  "train_batch_size": 2,
  "trial_name": null,
  "trial_params": null
}