SKNahin commited on
Commit
facf935
1 Parent(s): b481d61

End of training

Browse files
Files changed (5) hide show
  1. README.md +3 -2
  2. all_results.json +8 -0
  3. train_results.json +8 -0
  4. trainer_state.json +1120 -0
  5. training_loss.png +0 -0
README.md CHANGED
@@ -1,9 +1,10 @@
1
  ---
2
  library_name: peft
 
3
  tags:
4
  - llama-factory
 
5
  - generated_from_trainer
6
- base_model: Llama-3.1-70B-Instruct
7
  model-index:
8
  - name: Llama-3.1-70B-Instruct-fine-llamafactory-lora
9
  results: []
@@ -14,7 +15,7 @@ should probably proofread and complete it, then remove this comment. -->
14
 
15
  # Llama-3.1-70B-Instruct-fine-llamafactory-lora
16
 
17
- This model was trained from scratch on an unknown dataset.
18
 
19
  ## Model description
20
 
 
1
  ---
2
  library_name: peft
3
+ base_model: Llama-3.1-70B-Instruct
4
  tags:
5
  - llama-factory
6
+ - lora
7
  - generated_from_trainer
 
8
  model-index:
9
  - name: Llama-3.1-70B-Instruct-fine-llamafactory-lora
10
  results: []
 
15
 
16
  # Llama-3.1-70B-Instruct-fine-llamafactory-lora
17
 
18
+ This model is a fine-tuned version of [Llama-3.1-70B-Instruct](https://huggingface.co/Llama-3.1-70B-Instruct) on the sample_1 dataset.
19
 
20
  ## Model description
21
 
all_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 2.0,
3
+ "total_flos": 145121340096512.0,
4
+ "train_loss": 0.2980368115104638,
5
+ "train_runtime": 2252.7177,
6
+ "train_samples_per_second": 0.272,
7
+ "train_steps_per_second": 0.068
8
+ }
train_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 2.0,
3
+ "total_flos": 145121340096512.0,
4
+ "train_loss": 0.2980368115104638,
5
+ "train_runtime": 2252.7177,
6
+ "train_samples_per_second": 0.272,
7
+ "train_steps_per_second": 0.068
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,1120 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 2.0,
5
+ "eval_steps": 500,
6
+ "global_step": 154,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.012987012987012988,
13
+ "grad_norm": 0.18787174345625757,
14
+ "learning_rate": 5e-05,
15
+ "loss": 0.8483,
16
+ "step": 1
17
+ },
18
+ {
19
+ "epoch": 0.025974025974025976,
20
+ "grad_norm": 0.1881876180971173,
21
+ "learning_rate": 4.999472998758978e-05,
22
+ "loss": 0.8274,
23
+ "step": 2
24
+ },
25
+ {
26
+ "epoch": 0.03896103896103896,
27
+ "grad_norm": 0.2484116599817621,
28
+ "learning_rate": 4.99789221722016e-05,
29
+ "loss": 0.9658,
30
+ "step": 3
31
+ },
32
+ {
33
+ "epoch": 0.05194805194805195,
34
+ "grad_norm": 0.2687834599860072,
35
+ "learning_rate": 4.995258321842611e-05,
36
+ "loss": 0.9686,
37
+ "step": 4
38
+ },
39
+ {
40
+ "epoch": 0.06493506493506493,
41
+ "grad_norm": 0.14459778376590973,
42
+ "learning_rate": 4.991572423079236e-05,
43
+ "loss": 0.8246,
44
+ "step": 5
45
+ },
46
+ {
47
+ "epoch": 0.07792207792207792,
48
+ "grad_norm": 0.12789380689263963,
49
+ "learning_rate": 4.986836074908616e-05,
50
+ "loss": 0.8481,
51
+ "step": 6
52
+ },
53
+ {
54
+ "epoch": 0.09090909090909091,
55
+ "grad_norm": 0.1241999521840537,
56
+ "learning_rate": 4.98105127417984e-05,
57
+ "loss": 0.8287,
58
+ "step": 7
59
+ },
60
+ {
61
+ "epoch": 0.1038961038961039,
62
+ "grad_norm": 0.12124312827410104,
63
+ "learning_rate": 4.974220459770639e-05,
64
+ "loss": 0.7255,
65
+ "step": 8
66
+ },
67
+ {
68
+ "epoch": 0.11688311688311688,
69
+ "grad_norm": 0.10261829314704707,
70
+ "learning_rate": 4.966346511559149e-05,
71
+ "loss": 0.8029,
72
+ "step": 9
73
+ },
74
+ {
75
+ "epoch": 0.12987012987012986,
76
+ "grad_norm": 0.11018416242062518,
77
+ "learning_rate": 4.957432749209755e-05,
78
+ "loss": 0.7758,
79
+ "step": 10
80
+ },
81
+ {
82
+ "epoch": 0.14285714285714285,
83
+ "grad_norm": 0.15464498064215176,
84
+ "learning_rate": 4.9474829307735115e-05,
85
+ "loss": 0.738,
86
+ "step": 11
87
+ },
88
+ {
89
+ "epoch": 0.15584415584415584,
90
+ "grad_norm": 0.128517721396635,
91
+ "learning_rate": 4.9365012511037514e-05,
92
+ "loss": 0.7488,
93
+ "step": 12
94
+ },
95
+ {
96
+ "epoch": 0.16883116883116883,
97
+ "grad_norm": 0.16896802409788272,
98
+ "learning_rate": 4.9244923400875245e-05,
99
+ "loss": 0.7788,
100
+ "step": 13
101
+ },
102
+ {
103
+ "epoch": 0.18181818181818182,
104
+ "grad_norm": 0.11228565989870234,
105
+ "learning_rate": 4.911461260693638e-05,
106
+ "loss": 0.6975,
107
+ "step": 14
108
+ },
109
+ {
110
+ "epoch": 0.19480519480519481,
111
+ "grad_norm": 0.11221173687008401,
112
+ "learning_rate": 4.8974135068381036e-05,
113
+ "loss": 0.6526,
114
+ "step": 15
115
+ },
116
+ {
117
+ "epoch": 0.2077922077922078,
118
+ "grad_norm": 0.1282885413456516,
119
+ "learning_rate": 4.882355001067892e-05,
120
+ "loss": 0.7019,
121
+ "step": 16
122
+ },
123
+ {
124
+ "epoch": 0.22077922077922077,
125
+ "grad_norm": 0.13827934971027034,
126
+ "learning_rate": 4.8662920920639866e-05,
127
+ "loss": 0.6399,
128
+ "step": 17
129
+ },
130
+ {
131
+ "epoch": 0.23376623376623376,
132
+ "grad_norm": 0.14252803580500878,
133
+ "learning_rate": 4.849231551964771e-05,
134
+ "loss": 0.5874,
135
+ "step": 18
136
+ },
137
+ {
138
+ "epoch": 0.24675324675324675,
139
+ "grad_norm": 0.1567378099302403,
140
+ "learning_rate": 4.8311805735108894e-05,
141
+ "loss": 0.5871,
142
+ "step": 19
143
+ },
144
+ {
145
+ "epoch": 0.2597402597402597,
146
+ "grad_norm": 0.18892688129002116,
147
+ "learning_rate": 4.81214676701278e-05,
148
+ "loss": 0.5562,
149
+ "step": 20
150
+ },
151
+ {
152
+ "epoch": 0.2727272727272727,
153
+ "grad_norm": 0.3374448073807016,
154
+ "learning_rate": 4.792138157142158e-05,
155
+ "loss": 0.5319,
156
+ "step": 21
157
+ },
158
+ {
159
+ "epoch": 0.2857142857142857,
160
+ "grad_norm": 0.25712355804452103,
161
+ "learning_rate": 4.7711631795488096e-05,
162
+ "loss": 0.4744,
163
+ "step": 22
164
+ },
165
+ {
166
+ "epoch": 0.2987012987012987,
167
+ "grad_norm": 0.24700691510131254,
168
+ "learning_rate": 4.749230677304114e-05,
169
+ "loss": 0.444,
170
+ "step": 23
171
+ },
172
+ {
173
+ "epoch": 0.3116883116883117,
174
+ "grad_norm": 0.22489370668384237,
175
+ "learning_rate": 4.726349897172791e-05,
176
+ "loss": 0.3836,
177
+ "step": 24
178
+ },
179
+ {
180
+ "epoch": 0.3246753246753247,
181
+ "grad_norm": 0.19240095528864964,
182
+ "learning_rate": 4.702530485714461e-05,
183
+ "loss": 0.3523,
184
+ "step": 25
185
+ },
186
+ {
187
+ "epoch": 0.33766233766233766,
188
+ "grad_norm": 0.2888062734923711,
189
+ "learning_rate": 4.677782485216644e-05,
190
+ "loss": 0.3246,
191
+ "step": 26
192
+ },
193
+ {
194
+ "epoch": 0.35064935064935066,
195
+ "grad_norm": 0.1578459013655223,
196
+ "learning_rate": 4.6521163294609196e-05,
197
+ "loss": 0.2807,
198
+ "step": 27
199
+ },
200
+ {
201
+ "epoch": 0.36363636363636365,
202
+ "grad_norm": 0.17049112601293237,
203
+ "learning_rate": 4.625542839324036e-05,
204
+ "loss": 0.3049,
205
+ "step": 28
206
+ },
207
+ {
208
+ "epoch": 0.37662337662337664,
209
+ "grad_norm": 0.10623476540468543,
210
+ "learning_rate": 4.598073218215817e-05,
211
+ "loss": 0.2877,
212
+ "step": 29
213
+ },
214
+ {
215
+ "epoch": 0.38961038961038963,
216
+ "grad_norm": 0.08997970383090283,
217
+ "learning_rate": 4.5697190473557946e-05,
218
+ "loss": 0.2773,
219
+ "step": 30
220
+ },
221
+ {
222
+ "epoch": 0.4025974025974026,
223
+ "grad_norm": 0.11033930425860525,
224
+ "learning_rate": 4.540492280890555e-05,
225
+ "loss": 0.2758,
226
+ "step": 31
227
+ },
228
+ {
229
+ "epoch": 0.4155844155844156,
230
+ "grad_norm": 0.12378835216257449,
231
+ "learning_rate": 4.510405240853854e-05,
232
+ "loss": 0.2389,
233
+ "step": 32
234
+ },
235
+ {
236
+ "epoch": 0.42857142857142855,
237
+ "grad_norm": 0.0810759730541574,
238
+ "learning_rate": 4.4794706119716455e-05,
239
+ "loss": 0.2756,
240
+ "step": 33
241
+ },
242
+ {
243
+ "epoch": 0.44155844155844154,
244
+ "grad_norm": 0.09746550952897874,
245
+ "learning_rate": 4.447701436314176e-05,
246
+ "loss": 0.2836,
247
+ "step": 34
248
+ },
249
+ {
250
+ "epoch": 0.45454545454545453,
251
+ "grad_norm": 0.08835165902502037,
252
+ "learning_rate": 4.415111107797445e-05,
253
+ "loss": 0.2363,
254
+ "step": 35
255
+ },
256
+ {
257
+ "epoch": 0.4675324675324675,
258
+ "grad_norm": 0.09871638815546385,
259
+ "learning_rate": 4.381713366536311e-05,
260
+ "loss": 0.261,
261
+ "step": 36
262
+ },
263
+ {
264
+ "epoch": 0.4805194805194805,
265
+ "grad_norm": 0.09771703372866393,
266
+ "learning_rate": 4.347522293051648e-05,
267
+ "loss": 0.2328,
268
+ "step": 37
269
+ },
270
+ {
271
+ "epoch": 0.4935064935064935,
272
+ "grad_norm": 0.08303169266120812,
273
+ "learning_rate": 4.312552302333982e-05,
274
+ "loss": 0.2669,
275
+ "step": 38
276
+ },
277
+ {
278
+ "epoch": 0.5064935064935064,
279
+ "grad_norm": 0.09110609687207077,
280
+ "learning_rate": 4.276818137766118e-05,
281
+ "loss": 0.2493,
282
+ "step": 39
283
+ },
284
+ {
285
+ "epoch": 0.5194805194805194,
286
+ "grad_norm": 0.0857887848090492,
287
+ "learning_rate": 4.2403348649073174e-05,
288
+ "loss": 0.256,
289
+ "step": 40
290
+ },
291
+ {
292
+ "epoch": 0.5324675324675324,
293
+ "grad_norm": 0.07992881618393588,
294
+ "learning_rate": 4.203117865141635e-05,
295
+ "loss": 0.2504,
296
+ "step": 41
297
+ },
298
+ {
299
+ "epoch": 0.5454545454545454,
300
+ "grad_norm": 0.10190426019208573,
301
+ "learning_rate": 4.1651828291931264e-05,
302
+ "loss": 0.2561,
303
+ "step": 42
304
+ },
305
+ {
306
+ "epoch": 0.5584415584415584,
307
+ "grad_norm": 0.09480915169746995,
308
+ "learning_rate": 4.126545750510605e-05,
309
+ "loss": 0.2571,
310
+ "step": 43
311
+ },
312
+ {
313
+ "epoch": 0.5714285714285714,
314
+ "grad_norm": 0.09362782945360802,
315
+ "learning_rate": 4.0872229185248075e-05,
316
+ "loss": 0.2472,
317
+ "step": 44
318
+ },
319
+ {
320
+ "epoch": 0.5844155844155844,
321
+ "grad_norm": 0.07394172741628195,
322
+ "learning_rate": 4.047230911780737e-05,
323
+ "loss": 0.2208,
324
+ "step": 45
325
+ },
326
+ {
327
+ "epoch": 0.5974025974025974,
328
+ "grad_norm": 0.0728323124890986,
329
+ "learning_rate": 4.0065865909481417e-05,
330
+ "loss": 0.2572,
331
+ "step": 46
332
+ },
333
+ {
334
+ "epoch": 0.6103896103896104,
335
+ "grad_norm": 0.10380156711543853,
336
+ "learning_rate": 3.965307091713037e-05,
337
+ "loss": 0.218,
338
+ "step": 47
339
+ },
340
+ {
341
+ "epoch": 0.6233766233766234,
342
+ "grad_norm": 0.09455312570599705,
343
+ "learning_rate": 3.923409817553284e-05,
344
+ "loss": 0.234,
345
+ "step": 48
346
+ },
347
+ {
348
+ "epoch": 0.6363636363636364,
349
+ "grad_norm": 0.08887812243253841,
350
+ "learning_rate": 3.880912432401265e-05,
351
+ "loss": 0.2037,
352
+ "step": 49
353
+ },
354
+ {
355
+ "epoch": 0.6493506493506493,
356
+ "grad_norm": 0.07668088360221971,
357
+ "learning_rate": 3.837832853196751e-05,
358
+ "loss": 0.242,
359
+ "step": 50
360
+ },
361
+ {
362
+ "epoch": 0.6623376623376623,
363
+ "grad_norm": 0.07759668294077805,
364
+ "learning_rate": 3.794189242333106e-05,
365
+ "loss": 0.2439,
366
+ "step": 51
367
+ },
368
+ {
369
+ "epoch": 0.6753246753246753,
370
+ "grad_norm": 0.09233954207922085,
371
+ "learning_rate": 3.7500000000000003e-05,
372
+ "loss": 0.2081,
373
+ "step": 52
374
+ },
375
+ {
376
+ "epoch": 0.6883116883116883,
377
+ "grad_norm": 0.08183875046921972,
378
+ "learning_rate": 3.705283756425872e-05,
379
+ "loss": 0.2424,
380
+ "step": 53
381
+ },
382
+ {
383
+ "epoch": 0.7012987012987013,
384
+ "grad_norm": 0.10315585570133078,
385
+ "learning_rate": 3.6600593640234086e-05,
386
+ "loss": 0.2468,
387
+ "step": 54
388
+ },
389
+ {
390
+ "epoch": 0.7142857142857143,
391
+ "grad_norm": 0.08508686423963427,
392
+ "learning_rate": 3.6143458894413465e-05,
393
+ "loss": 0.2218,
394
+ "step": 55
395
+ },
396
+ {
397
+ "epoch": 0.7272727272727273,
398
+ "grad_norm": 0.08486843572184524,
399
+ "learning_rate": 3.568162605525953e-05,
400
+ "loss": 0.2322,
401
+ "step": 56
402
+ },
403
+ {
404
+ "epoch": 0.7402597402597403,
405
+ "grad_norm": 0.08545739449487202,
406
+ "learning_rate": 3.5215289831955786e-05,
407
+ "loss": 0.241,
408
+ "step": 57
409
+ },
410
+ {
411
+ "epoch": 0.7532467532467533,
412
+ "grad_norm": 0.06488948479052951,
413
+ "learning_rate": 3.474464683231698e-05,
414
+ "loss": 0.2249,
415
+ "step": 58
416
+ },
417
+ {
418
+ "epoch": 0.7662337662337663,
419
+ "grad_norm": 0.0904558318938033,
420
+ "learning_rate": 3.426989547989902e-05,
421
+ "loss": 0.2337,
422
+ "step": 59
423
+ },
424
+ {
425
+ "epoch": 0.7792207792207793,
426
+ "grad_norm": 0.09019149052874986,
427
+ "learning_rate": 3.379123593034342e-05,
428
+ "loss": 0.2112,
429
+ "step": 60
430
+ },
431
+ {
432
+ "epoch": 0.7922077922077922,
433
+ "grad_norm": 0.08328318607208472,
434
+ "learning_rate": 3.330886998699149e-05,
435
+ "loss": 0.2007,
436
+ "step": 61
437
+ },
438
+ {
439
+ "epoch": 0.8051948051948052,
440
+ "grad_norm": 0.08263878807320083,
441
+ "learning_rate": 3.282300101580386e-05,
442
+ "loss": 0.2259,
443
+ "step": 62
444
+ },
445
+ {
446
+ "epoch": 0.8181818181818182,
447
+ "grad_norm": 0.07957332172491985,
448
+ "learning_rate": 3.2333833859621153e-05,
449
+ "loss": 0.2251,
450
+ "step": 63
451
+ },
452
+ {
453
+ "epoch": 0.8311688311688312,
454
+ "grad_norm": 0.10440656634971286,
455
+ "learning_rate": 3.1841574751802076e-05,
456
+ "loss": 0.2114,
457
+ "step": 64
458
+ },
459
+ {
460
+ "epoch": 0.8441558441558441,
461
+ "grad_norm": 0.07647118607084558,
462
+ "learning_rate": 3.13464312292752e-05,
463
+ "loss": 0.2123,
464
+ "step": 65
465
+ },
466
+ {
467
+ "epoch": 0.8571428571428571,
468
+ "grad_norm": 0.08658758520644272,
469
+ "learning_rate": 3.084861204504122e-05,
470
+ "loss": 0.1994,
471
+ "step": 66
472
+ },
473
+ {
474
+ "epoch": 0.8701298701298701,
475
+ "grad_norm": 0.08858346318492633,
476
+ "learning_rate": 3.0348327080162435e-05,
477
+ "loss": 0.2377,
478
+ "step": 67
479
+ },
480
+ {
481
+ "epoch": 0.8831168831168831,
482
+ "grad_norm": 0.09235241797460036,
483
+ "learning_rate": 2.9845787255276753e-05,
484
+ "loss": 0.215,
485
+ "step": 68
486
+ },
487
+ {
488
+ "epoch": 0.8961038961038961,
489
+ "grad_norm": 0.0788972148991508,
490
+ "learning_rate": 2.9341204441673266e-05,
491
+ "loss": 0.2112,
492
+ "step": 69
493
+ },
494
+ {
495
+ "epoch": 0.9090909090909091,
496
+ "grad_norm": 0.08960215541982136,
497
+ "learning_rate": 2.8834791371967142e-05,
498
+ "loss": 0.2647,
499
+ "step": 70
500
+ },
501
+ {
502
+ "epoch": 0.922077922077922,
503
+ "grad_norm": 0.08380836318512074,
504
+ "learning_rate": 2.8326761550411345e-05,
505
+ "loss": 0.2431,
506
+ "step": 71
507
+ },
508
+ {
509
+ "epoch": 0.935064935064935,
510
+ "grad_norm": 0.09187039951568829,
511
+ "learning_rate": 2.781732916288303e-05,
512
+ "loss": 0.2479,
513
+ "step": 72
514
+ },
515
+ {
516
+ "epoch": 0.948051948051948,
517
+ "grad_norm": 0.09291540687726117,
518
+ "learning_rate": 2.7306708986582553e-05,
519
+ "loss": 0.2357,
520
+ "step": 73
521
+ },
522
+ {
523
+ "epoch": 0.961038961038961,
524
+ "grad_norm": 0.0832454958287789,
525
+ "learning_rate": 2.679511629948319e-05,
526
+ "loss": 0.236,
527
+ "step": 74
528
+ },
529
+ {
530
+ "epoch": 0.974025974025974,
531
+ "grad_norm": 0.07504819631461856,
532
+ "learning_rate": 2.628276678956974e-05,
533
+ "loss": 0.2288,
534
+ "step": 75
535
+ },
536
+ {
537
+ "epoch": 0.987012987012987,
538
+ "grad_norm": 0.10741006282709406,
539
+ "learning_rate": 2.5769876463904265e-05,
540
+ "loss": 0.2404,
541
+ "step": 76
542
+ },
543
+ {
544
+ "epoch": 1.0,
545
+ "grad_norm": 0.0825957236169846,
546
+ "learning_rate": 2.5256661557557247e-05,
547
+ "loss": 0.2436,
548
+ "step": 77
549
+ },
550
+ {
551
+ "epoch": 1.0129870129870129,
552
+ "grad_norm": 0.07684874681832127,
553
+ "learning_rate": 2.4743338442442755e-05,
554
+ "loss": 0.2244,
555
+ "step": 78
556
+ },
557
+ {
558
+ "epoch": 1.025974025974026,
559
+ "grad_norm": 0.07704336923237068,
560
+ "learning_rate": 2.4230123536095748e-05,
561
+ "loss": 0.2626,
562
+ "step": 79
563
+ },
564
+ {
565
+ "epoch": 1.0389610389610389,
566
+ "grad_norm": 0.07500658424467158,
567
+ "learning_rate": 2.3717233210430256e-05,
568
+ "loss": 0.2192,
569
+ "step": 80
570
+ },
571
+ {
572
+ "epoch": 1.051948051948052,
573
+ "grad_norm": 0.08184169243002529,
574
+ "learning_rate": 2.3204883700516812e-05,
575
+ "loss": 0.2148,
576
+ "step": 81
577
+ },
578
+ {
579
+ "epoch": 1.0649350649350648,
580
+ "grad_norm": 0.08482067089986454,
581
+ "learning_rate": 2.2693291013417453e-05,
582
+ "loss": 0.2113,
583
+ "step": 82
584
+ },
585
+ {
586
+ "epoch": 1.077922077922078,
587
+ "grad_norm": 0.10550670423205909,
588
+ "learning_rate": 2.2182670837116975e-05,
589
+ "loss": 0.2463,
590
+ "step": 83
591
+ },
592
+ {
593
+ "epoch": 1.0909090909090908,
594
+ "grad_norm": 0.07848865475761758,
595
+ "learning_rate": 2.1673238449588668e-05,
596
+ "loss": 0.2544,
597
+ "step": 84
598
+ },
599
+ {
600
+ "epoch": 1.103896103896104,
601
+ "grad_norm": 0.08116964479727118,
602
+ "learning_rate": 2.116520862803286e-05,
603
+ "loss": 0.203,
604
+ "step": 85
605
+ },
606
+ {
607
+ "epoch": 1.1168831168831168,
608
+ "grad_norm": 0.0773019598198873,
609
+ "learning_rate": 2.0658795558326743e-05,
610
+ "loss": 0.1896,
611
+ "step": 86
612
+ },
613
+ {
614
+ "epoch": 1.12987012987013,
615
+ "grad_norm": 0.08577851670838929,
616
+ "learning_rate": 2.015421274472325e-05,
617
+ "loss": 0.2132,
618
+ "step": 87
619
+ },
620
+ {
621
+ "epoch": 1.1428571428571428,
622
+ "grad_norm": 0.08126404156555671,
623
+ "learning_rate": 1.965167291983757e-05,
624
+ "loss": 0.2156,
625
+ "step": 88
626
+ },
627
+ {
628
+ "epoch": 1.155844155844156,
629
+ "grad_norm": 0.08196682847954194,
630
+ "learning_rate": 1.9151387954958794e-05,
631
+ "loss": 0.178,
632
+ "step": 89
633
+ },
634
+ {
635
+ "epoch": 1.1688311688311688,
636
+ "grad_norm": 0.07898254614136963,
637
+ "learning_rate": 1.8653568770724806e-05,
638
+ "loss": 0.2158,
639
+ "step": 90
640
+ },
641
+ {
642
+ "epoch": 1.1818181818181819,
643
+ "grad_norm": 0.1007894448072893,
644
+ "learning_rate": 1.815842524819793e-05,
645
+ "loss": 0.176,
646
+ "step": 91
647
+ },
648
+ {
649
+ "epoch": 1.1948051948051948,
650
+ "grad_norm": 0.08182215036544653,
651
+ "learning_rate": 1.7666166140378852e-05,
652
+ "loss": 0.2048,
653
+ "step": 92
654
+ },
655
+ {
656
+ "epoch": 1.2077922077922079,
657
+ "grad_norm": 0.11560790878431627,
658
+ "learning_rate": 1.7176998984196146e-05,
659
+ "loss": 0.1904,
660
+ "step": 93
661
+ },
662
+ {
663
+ "epoch": 1.2207792207792207,
664
+ "grad_norm": 0.12113066083881273,
665
+ "learning_rate": 1.6691130013008514e-05,
666
+ "loss": 0.1974,
667
+ "step": 94
668
+ },
669
+ {
670
+ "epoch": 1.2337662337662338,
671
+ "grad_norm": 0.08515149977031479,
672
+ "learning_rate": 1.620876406965658e-05,
673
+ "loss": 0.2049,
674
+ "step": 95
675
+ },
676
+ {
677
+ "epoch": 1.2467532467532467,
678
+ "grad_norm": 0.09322796776822118,
679
+ "learning_rate": 1.5730104520100982e-05,
680
+ "loss": 0.2225,
681
+ "step": 96
682
+ },
683
+ {
684
+ "epoch": 1.2597402597402598,
685
+ "grad_norm": 0.0898952962414004,
686
+ "learning_rate": 1.5255353167683017e-05,
687
+ "loss": 0.2139,
688
+ "step": 97
689
+ },
690
+ {
691
+ "epoch": 1.2727272727272727,
692
+ "grad_norm": 0.08430600938698268,
693
+ "learning_rate": 1.4784710168044213e-05,
694
+ "loss": 0.2254,
695
+ "step": 98
696
+ },
697
+ {
698
+ "epoch": 1.2857142857142856,
699
+ "grad_norm": 0.08721397526200095,
700
+ "learning_rate": 1.4318373944740484e-05,
701
+ "loss": 0.1948,
702
+ "step": 99
703
+ },
704
+ {
705
+ "epoch": 1.2987012987012987,
706
+ "grad_norm": 0.09193805251870187,
707
+ "learning_rate": 1.3856541105586545e-05,
708
+ "loss": 0.189,
709
+ "step": 100
710
+ },
711
+ {
712
+ "epoch": 1.3116883116883118,
713
+ "grad_norm": 0.09260064723369027,
714
+ "learning_rate": 1.339940635976592e-05,
715
+ "loss": 0.1853,
716
+ "step": 101
717
+ },
718
+ {
719
+ "epoch": 1.3246753246753247,
720
+ "grad_norm": 0.09161658350392674,
721
+ "learning_rate": 1.2947162435741278e-05,
722
+ "loss": 0.2351,
723
+ "step": 102
724
+ },
725
+ {
726
+ "epoch": 1.3376623376623376,
727
+ "grad_norm": 0.07939421486765358,
728
+ "learning_rate": 1.2500000000000006e-05,
729
+ "loss": 0.2199,
730
+ "step": 103
731
+ },
732
+ {
733
+ "epoch": 1.3506493506493507,
734
+ "grad_norm": 0.08988123365679614,
735
+ "learning_rate": 1.205810757666894e-05,
736
+ "loss": 0.2203,
737
+ "step": 104
738
+ },
739
+ {
740
+ "epoch": 1.3636363636363638,
741
+ "grad_norm": 0.08790912980331905,
742
+ "learning_rate": 1.1621671468032493e-05,
743
+ "loss": 0.1891,
744
+ "step": 105
745
+ },
746
+ {
747
+ "epoch": 1.3766233766233766,
748
+ "grad_norm": 0.07960570450390624,
749
+ "learning_rate": 1.1190875675987356e-05,
750
+ "loss": 0.2464,
751
+ "step": 106
752
+ },
753
+ {
754
+ "epoch": 1.3896103896103895,
755
+ "grad_norm": 0.08768976314977797,
756
+ "learning_rate": 1.0765901824467167e-05,
757
+ "loss": 0.213,
758
+ "step": 107
759
+ },
760
+ {
761
+ "epoch": 1.4025974025974026,
762
+ "grad_norm": 0.0841723141024622,
763
+ "learning_rate": 1.0346929082869641e-05,
764
+ "loss": 0.2121,
765
+ "step": 108
766
+ },
767
+ {
768
+ "epoch": 1.4155844155844157,
769
+ "grad_norm": 0.08969311043319497,
770
+ "learning_rate": 9.934134090518593e-06,
771
+ "loss": 0.1684,
772
+ "step": 109
773
+ },
774
+ {
775
+ "epoch": 1.4285714285714286,
776
+ "grad_norm": 0.10925176253438569,
777
+ "learning_rate": 9.527690882192636e-06,
778
+ "loss": 0.2108,
779
+ "step": 110
780
+ },
781
+ {
782
+ "epoch": 1.4415584415584415,
783
+ "grad_norm": 0.10044980805756751,
784
+ "learning_rate": 9.127770814751933e-06,
785
+ "loss": 0.2142,
786
+ "step": 111
787
+ },
788
+ {
789
+ "epoch": 1.4545454545454546,
790
+ "grad_norm": 0.10075986222908401,
791
+ "learning_rate": 8.734542494893955e-06,
792
+ "loss": 0.2239,
793
+ "step": 112
794
+ },
795
+ {
796
+ "epoch": 1.4675324675324675,
797
+ "grad_norm": 0.14624227257627387,
798
+ "learning_rate": 8.348171708068747e-06,
799
+ "loss": 0.1907,
800
+ "step": 113
801
+ },
802
+ {
803
+ "epoch": 1.4805194805194806,
804
+ "grad_norm": 0.08167017231165358,
805
+ "learning_rate": 7.968821348583644e-06,
806
+ "loss": 0.2178,
807
+ "step": 114
808
+ },
809
+ {
810
+ "epoch": 1.4935064935064934,
811
+ "grad_norm": 0.1167316559372597,
812
+ "learning_rate": 7.5966513509268365e-06,
813
+ "loss": 0.1998,
814
+ "step": 115
815
+ },
816
+ {
817
+ "epoch": 1.5064935064935066,
818
+ "grad_norm": 0.08396562767447123,
819
+ "learning_rate": 7.231818622338823e-06,
820
+ "loss": 0.213,
821
+ "step": 116
822
+ },
823
+ {
824
+ "epoch": 1.5194805194805194,
825
+ "grad_norm": 0.08943222467451503,
826
+ "learning_rate": 6.8744769766601854e-06,
827
+ "loss": 0.2085,
828
+ "step": 117
829
+ },
830
+ {
831
+ "epoch": 1.5324675324675323,
832
+ "grad_norm": 0.08594290696448413,
833
+ "learning_rate": 6.524777069483526e-06,
834
+ "loss": 0.2005,
835
+ "step": 118
836
+ },
837
+ {
838
+ "epoch": 1.5454545454545454,
839
+ "grad_norm": 0.09141957886942967,
840
+ "learning_rate": 6.182866334636889e-06,
841
+ "loss": 0.185,
842
+ "step": 119
843
+ },
844
+ {
845
+ "epoch": 1.5584415584415585,
846
+ "grad_norm": 0.09996431130975963,
847
+ "learning_rate": 5.848888922025553e-06,
848
+ "loss": 0.2306,
849
+ "step": 120
850
+ },
851
+ {
852
+ "epoch": 1.5714285714285714,
853
+ "grad_norm": 0.09454859006099142,
854
+ "learning_rate": 5.522985636858239e-06,
855
+ "loss": 0.2195,
856
+ "step": 121
857
+ },
858
+ {
859
+ "epoch": 1.5844155844155843,
860
+ "grad_norm": 0.08951517611083147,
861
+ "learning_rate": 5.205293880283552e-06,
862
+ "loss": 0.1824,
863
+ "step": 122
864
+ },
865
+ {
866
+ "epoch": 1.5974025974025974,
867
+ "grad_norm": 0.08973290394393159,
868
+ "learning_rate": 4.8959475914614554e-06,
869
+ "loss": 0.2031,
870
+ "step": 123
871
+ },
872
+ {
873
+ "epoch": 1.6103896103896105,
874
+ "grad_norm": 0.0972420458274638,
875
+ "learning_rate": 4.5950771910944605e-06,
876
+ "loss": 0.218,
877
+ "step": 124
878
+ },
879
+ {
880
+ "epoch": 1.6233766233766234,
881
+ "grad_norm": 0.1028775215887483,
882
+ "learning_rate": 4.3028095264420535e-06,
883
+ "loss": 0.2295,
884
+ "step": 125
885
+ },
886
+ {
887
+ "epoch": 1.6363636363636362,
888
+ "grad_norm": 0.09422285979262787,
889
+ "learning_rate": 4.019267817841835e-06,
890
+ "loss": 0.231,
891
+ "step": 126
892
+ },
893
+ {
894
+ "epoch": 1.6493506493506493,
895
+ "grad_norm": 0.08245701472584765,
896
+ "learning_rate": 3.7445716067596503e-06,
897
+ "loss": 0.1968,
898
+ "step": 127
899
+ },
900
+ {
901
+ "epoch": 1.6623376623376624,
902
+ "grad_norm": 0.0900955932960198,
903
+ "learning_rate": 3.478836705390809e-06,
904
+ "loss": 0.2201,
905
+ "step": 128
906
+ },
907
+ {
908
+ "epoch": 1.6753246753246753,
909
+ "grad_norm": 0.08630235476963846,
910
+ "learning_rate": 3.222175147833556e-06,
911
+ "loss": 0.2172,
912
+ "step": 129
913
+ },
914
+ {
915
+ "epoch": 1.6883116883116882,
916
+ "grad_norm": 0.09086270485409138,
917
+ "learning_rate": 2.974695142855388e-06,
918
+ "loss": 0.2116,
919
+ "step": 130
920
+ },
921
+ {
922
+ "epoch": 1.7012987012987013,
923
+ "grad_norm": 0.09162946812983505,
924
+ "learning_rate": 2.7365010282720952e-06,
925
+ "loss": 0.198,
926
+ "step": 131
927
+ },
928
+ {
929
+ "epoch": 1.7142857142857144,
930
+ "grad_norm": 0.08702063300963413,
931
+ "learning_rate": 2.507693226958871e-06,
932
+ "loss": 0.2129,
933
+ "step": 132
934
+ },
935
+ {
936
+ "epoch": 1.7272727272727273,
937
+ "grad_norm": 0.0881788504739707,
938
+ "learning_rate": 2.2883682045119063e-06,
939
+ "loss": 0.167,
940
+ "step": 133
941
+ },
942
+ {
943
+ "epoch": 1.7402597402597402,
944
+ "grad_norm": 0.11644782656509362,
945
+ "learning_rate": 2.0786184285784297e-06,
946
+ "loss": 0.2054,
947
+ "step": 134
948
+ },
949
+ {
950
+ "epoch": 1.7532467532467533,
951
+ "grad_norm": 0.1766008455564786,
952
+ "learning_rate": 1.8785323298722097e-06,
953
+ "loss": 0.2186,
954
+ "step": 135
955
+ },
956
+ {
957
+ "epoch": 1.7662337662337664,
958
+ "grad_norm": 0.09795182977403628,
959
+ "learning_rate": 1.6881942648911076e-06,
960
+ "loss": 0.1994,
961
+ "step": 136
962
+ },
963
+ {
964
+ "epoch": 1.7792207792207793,
965
+ "grad_norm": 0.12180290940767717,
966
+ "learning_rate": 1.5076844803522922e-06,
967
+ "loss": 0.2012,
968
+ "step": 137
969
+ },
970
+ {
971
+ "epoch": 1.7922077922077921,
972
+ "grad_norm": 0.094696794518402,
973
+ "learning_rate": 1.3370790793601373e-06,
974
+ "loss": 0.2245,
975
+ "step": 138
976
+ },
977
+ {
978
+ "epoch": 1.8051948051948052,
979
+ "grad_norm": 0.0761787809631694,
980
+ "learning_rate": 1.1764499893210878e-06,
981
+ "loss": 0.1963,
982
+ "step": 139
983
+ },
984
+ {
985
+ "epoch": 1.8181818181818183,
986
+ "grad_norm": 0.09090562786095378,
987
+ "learning_rate": 1.0258649316189722e-06,
988
+ "loss": 0.1877,
989
+ "step": 140
990
+ },
991
+ {
992
+ "epoch": 1.8311688311688312,
993
+ "grad_norm": 0.08173059503885717,
994
+ "learning_rate": 8.85387393063622e-07,
995
+ "loss": 0.2222,
996
+ "step": 141
997
+ },
998
+ {
999
+ "epoch": 1.844155844155844,
1000
+ "grad_norm": 0.08635060155818351,
1001
+ "learning_rate": 7.550765991247654e-07,
1002
+ "loss": 0.2235,
1003
+ "step": 142
1004
+ },
1005
+ {
1006
+ "epoch": 1.8571428571428572,
1007
+ "grad_norm": 0.08607284916997383,
1008
+ "learning_rate": 6.349874889624962e-07,
1009
+ "loss": 0.2071,
1010
+ "step": 143
1011
+ },
1012
+ {
1013
+ "epoch": 1.87012987012987,
1014
+ "grad_norm": 0.07825829604724413,
1015
+ "learning_rate": 5.25170692264887e-07,
1016
+ "loss": 0.192,
1017
+ "step": 144
1018
+ },
1019
+ {
1020
+ "epoch": 1.883116883116883,
1021
+ "grad_norm": 0.08910203901931234,
1022
+ "learning_rate": 4.256725079024554e-07,
1023
+ "loss": 0.2164,
1024
+ "step": 145
1025
+ },
1026
+ {
1027
+ "epoch": 1.896103896103896,
1028
+ "grad_norm": 0.08928208281125428,
1029
+ "learning_rate": 3.3653488440851255e-07,
1030
+ "loss": 0.2018,
1031
+ "step": 146
1032
+ },
1033
+ {
1034
+ "epoch": 1.9090909090909092,
1035
+ "grad_norm": 0.08495149169392952,
1036
+ "learning_rate": 2.5779540229361745e-07,
1037
+ "loss": 0.1961,
1038
+ "step": 147
1039
+ },
1040
+ {
1041
+ "epoch": 1.922077922077922,
1042
+ "grad_norm": 0.08626229151823323,
1043
+ "learning_rate": 1.8948725820160662e-07,
1044
+ "loss": 0.1768,
1045
+ "step": 148
1046
+ },
1047
+ {
1048
+ "epoch": 1.935064935064935,
1049
+ "grad_norm": 0.08571927306677737,
1050
+ "learning_rate": 1.3163925091384533e-07,
1051
+ "loss": 0.2232,
1052
+ "step": 149
1053
+ },
1054
+ {
1055
+ "epoch": 1.948051948051948,
1056
+ "grad_norm": 0.09343183243370598,
1057
+ "learning_rate": 8.427576920763958e-08,
1058
+ "loss": 0.1687,
1059
+ "step": 150
1060
+ },
1061
+ {
1062
+ "epoch": 1.9610389610389611,
1063
+ "grad_norm": 0.0946463454270307,
1064
+ "learning_rate": 4.741678157389739e-08,
1065
+ "loss": 0.187,
1066
+ "step": 151
1067
+ },
1068
+ {
1069
+ "epoch": 1.974025974025974,
1070
+ "grad_norm": 0.09513291585193097,
1071
+ "learning_rate": 2.1077827798404726e-08,
1072
+ "loss": 0.2231,
1073
+ "step": 152
1074
+ },
1075
+ {
1076
+ "epoch": 1.987012987012987,
1077
+ "grad_norm": 0.085055457153114,
1078
+ "learning_rate": 5.270012410216185e-09,
1079
+ "loss": 0.1792,
1080
+ "step": 153
1081
+ },
1082
+ {
1083
+ "epoch": 2.0,
1084
+ "grad_norm": 0.08464289636250304,
1085
+ "learning_rate": 0.0,
1086
+ "loss": 0.1753,
1087
+ "step": 154
1088
+ },
1089
+ {
1090
+ "epoch": 2.0,
1091
+ "step": 154,
1092
+ "total_flos": 145121340096512.0,
1093
+ "train_loss": 0.2980368115104638,
1094
+ "train_runtime": 2252.7177,
1095
+ "train_samples_per_second": 0.272,
1096
+ "train_steps_per_second": 0.068
1097
+ }
1098
+ ],
1099
+ "logging_steps": 1,
1100
+ "max_steps": 154,
1101
+ "num_input_tokens_seen": 0,
1102
+ "num_train_epochs": 2,
1103
+ "save_steps": 50,
1104
+ "stateful_callbacks": {
1105
+ "TrainerControl": {
1106
+ "args": {
1107
+ "should_epoch_stop": false,
1108
+ "should_evaluate": false,
1109
+ "should_log": false,
1110
+ "should_save": true,
1111
+ "should_training_stop": true
1112
+ },
1113
+ "attributes": {}
1114
+ }
1115
+ },
1116
+ "total_flos": 145121340096512.0,
1117
+ "train_batch_size": 1,
1118
+ "trial_name": null,
1119
+ "trial_params": null
1120
+ }
training_loss.png ADDED