| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 0.2777777777777778, | |
| "eval_steps": 9, | |
| "global_step": 100, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.002777777777777778, | |
| "eval_loss": NaN, | |
| "eval_runtime": 3.3278, | |
| "eval_samples_per_second": 182.402, | |
| "eval_steps_per_second": 22.838, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.008333333333333333, | |
| "grad_norm": NaN, | |
| "learning_rate": 3e-05, | |
| "loss": 0.0, | |
| "step": 3 | |
| }, | |
| { | |
| "epoch": 0.016666666666666666, | |
| "grad_norm": NaN, | |
| "learning_rate": 6e-05, | |
| "loss": 0.0, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 0.025, | |
| "grad_norm": NaN, | |
| "learning_rate": 9e-05, | |
| "loss": 0.0, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 0.025, | |
| "eval_loss": NaN, | |
| "eval_runtime": 2.9537, | |
| "eval_samples_per_second": 205.503, | |
| "eval_steps_per_second": 25.73, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 0.03333333333333333, | |
| "grad_norm": NaN, | |
| "learning_rate": 9.987820251299122e-05, | |
| "loss": 0.0, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 0.041666666666666664, | |
| "grad_norm": NaN, | |
| "learning_rate": 9.924038765061042e-05, | |
| "loss": 0.0, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": NaN, | |
| "learning_rate": 9.806308479691595e-05, | |
| "loss": 0.0, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "eval_loss": NaN, | |
| "eval_runtime": 2.95, | |
| "eval_samples_per_second": 205.761, | |
| "eval_steps_per_second": 25.762, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 0.058333333333333334, | |
| "grad_norm": NaN, | |
| "learning_rate": 9.635919272833938e-05, | |
| "loss": 0.0, | |
| "step": 21 | |
| }, | |
| { | |
| "epoch": 0.06666666666666667, | |
| "grad_norm": NaN, | |
| "learning_rate": 9.414737964294636e-05, | |
| "loss": 0.0, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 0.075, | |
| "grad_norm": NaN, | |
| "learning_rate": 9.145187862775209e-05, | |
| "loss": 0.0, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 0.075, | |
| "eval_loss": NaN, | |
| "eval_runtime": 2.9465, | |
| "eval_samples_per_second": 206.004, | |
| "eval_steps_per_second": 25.793, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 0.08333333333333333, | |
| "grad_norm": NaN, | |
| "learning_rate": 8.83022221559489e-05, | |
| "loss": 0.0, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.09166666666666666, | |
| "grad_norm": NaN, | |
| "learning_rate": 8.473291852294987e-05, | |
| "loss": 0.0, | |
| "step": 33 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": NaN, | |
| "learning_rate": 8.07830737662829e-05, | |
| "loss": 0.0, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "eval_loss": NaN, | |
| "eval_runtime": 2.9325, | |
| "eval_samples_per_second": 206.988, | |
| "eval_steps_per_second": 25.916, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 0.10833333333333334, | |
| "grad_norm": NaN, | |
| "learning_rate": 7.649596321166024e-05, | |
| "loss": 0.0, | |
| "step": 39 | |
| }, | |
| { | |
| "epoch": 0.11666666666666667, | |
| "grad_norm": NaN, | |
| "learning_rate": 7.191855733945387e-05, | |
| "loss": 0.0, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 0.125, | |
| "grad_norm": NaN, | |
| "learning_rate": 6.710100716628344e-05, | |
| "loss": 0.0, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 0.125, | |
| "eval_loss": NaN, | |
| "eval_runtime": 2.9467, | |
| "eval_samples_per_second": 205.993, | |
| "eval_steps_per_second": 25.792, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 0.13333333333333333, | |
| "grad_norm": NaN, | |
| "learning_rate": 6.209609477998338e-05, | |
| "loss": 0.0, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 0.14166666666666666, | |
| "grad_norm": NaN, | |
| "learning_rate": 5.695865504800327e-05, | |
| "loss": 0.0, | |
| "step": 51 | |
| }, | |
| { | |
| "epoch": 0.15, | |
| "grad_norm": NaN, | |
| "learning_rate": 5.174497483512506e-05, | |
| "loss": 0.0, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 0.15, | |
| "eval_loss": NaN, | |
| "eval_runtime": 2.9918, | |
| "eval_samples_per_second": 202.89, | |
| "eval_steps_per_second": 25.403, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 0.15833333333333333, | |
| "grad_norm": NaN, | |
| "learning_rate": 4.6512176312793736e-05, | |
| "loss": 0.0, | |
| "step": 57 | |
| }, | |
| { | |
| "epoch": 0.16666666666666666, | |
| "grad_norm": NaN, | |
| "learning_rate": 4.131759111665349e-05, | |
| "loss": 0.0, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 0.175, | |
| "grad_norm": NaN, | |
| "learning_rate": 3.6218132209150045e-05, | |
| "loss": 0.0, | |
| "step": 63 | |
| }, | |
| { | |
| "epoch": 0.175, | |
| "eval_loss": NaN, | |
| "eval_runtime": 2.9332, | |
| "eval_samples_per_second": 206.938, | |
| "eval_steps_per_second": 25.91, | |
| "step": 63 | |
| }, | |
| { | |
| "epoch": 0.18333333333333332, | |
| "grad_norm": NaN, | |
| "learning_rate": 3.12696703292044e-05, | |
| "loss": 0.0, | |
| "step": 66 | |
| }, | |
| { | |
| "epoch": 0.19166666666666668, | |
| "grad_norm": NaN, | |
| "learning_rate": 2.6526421860705473e-05, | |
| "loss": 0.0, | |
| "step": 69 | |
| }, | |
| { | |
| "epoch": 0.2, | |
| "grad_norm": NaN, | |
| "learning_rate": 2.2040354826462668e-05, | |
| "loss": 0.0, | |
| "step": 72 | |
| }, | |
| { | |
| "epoch": 0.2, | |
| "eval_loss": NaN, | |
| "eval_runtime": 2.9397, | |
| "eval_samples_per_second": 206.486, | |
| "eval_steps_per_second": 25.853, | |
| "step": 72 | |
| }, | |
| { | |
| "epoch": 0.20833333333333334, | |
| "grad_norm": NaN, | |
| "learning_rate": 1.7860619515673033e-05, | |
| "loss": 0.0, | |
| "step": 75 | |
| }, | |
| { | |
| "epoch": 0.21666666666666667, | |
| "grad_norm": NaN, | |
| "learning_rate": 1.4033009983067452e-05, | |
| "loss": 0.0, | |
| "step": 78 | |
| }, | |
| { | |
| "epoch": 0.225, | |
| "grad_norm": NaN, | |
| "learning_rate": 1.0599462319663905e-05, | |
| "loss": 0.0, | |
| "step": 81 | |
| }, | |
| { | |
| "epoch": 0.225, | |
| "eval_loss": NaN, | |
| "eval_runtime": 2.9403, | |
| "eval_samples_per_second": 206.441, | |
| "eval_steps_per_second": 25.848, | |
| "step": 81 | |
| }, | |
| { | |
| "epoch": 0.23333333333333334, | |
| "grad_norm": NaN, | |
| "learning_rate": 7.597595192178702e-06, | |
| "loss": 0.0, | |
| "step": 84 | |
| }, | |
| { | |
| "epoch": 0.24166666666666667, | |
| "grad_norm": NaN, | |
| "learning_rate": 5.060297685041659e-06, | |
| "loss": 0.0, | |
| "step": 87 | |
| }, | |
| { | |
| "epoch": 0.25, | |
| "grad_norm": NaN, | |
| "learning_rate": 3.0153689607045845e-06, | |
| "loss": 0.0, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 0.25, | |
| "eval_loss": NaN, | |
| "eval_runtime": 2.9324, | |
| "eval_samples_per_second": 206.995, | |
| "eval_steps_per_second": 25.917, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 0.25833333333333336, | |
| "grad_norm": NaN, | |
| "learning_rate": 1.4852136862001764e-06, | |
| "loss": 0.0, | |
| "step": 93 | |
| }, | |
| { | |
| "epoch": 0.26666666666666666, | |
| "grad_norm": NaN, | |
| "learning_rate": 4.865965629214819e-07, | |
| "loss": 0.0, | |
| "step": 96 | |
| }, | |
| { | |
| "epoch": 0.275, | |
| "grad_norm": NaN, | |
| "learning_rate": 3.04586490452119e-08, | |
| "loss": 0.0, | |
| "step": 99 | |
| }, | |
| { | |
| "epoch": 0.275, | |
| "eval_loss": NaN, | |
| "eval_runtime": 2.9586, | |
| "eval_samples_per_second": 205.164, | |
| "eval_steps_per_second": 25.688, | |
| "step": 99 | |
| } | |
| ], | |
| "logging_steps": 3, | |
| "max_steps": 100, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 1, | |
| "save_steps": 9, | |
| "stateful_callbacks": { | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": true | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 1797594808320000.0, | |
| "train_batch_size": 8, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |