lightsource commited on
Commit
0421779
1 Parent(s): 4d37bcb

Upload trainer_state.json with huggingface_hub

Browse files
Files changed (1) hide show
  1. trainer_state.json +1013 -0
trainer_state.json ADDED
@@ -0,0 +1,1013 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 0.7692307692307693,
5
+ "eval_steps": 500,
6
+ "global_step": 140,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.005494505494505495,
13
+ "grad_norm": 0.24404513835906982,
14
+ "learning_rate": 4e-05,
15
+ "loss": 1.3921,
16
+ "step": 1
17
+ },
18
+ {
19
+ "epoch": 0.01098901098901099,
20
+ "grad_norm": 0.25437888503074646,
21
+ "learning_rate": 8e-05,
22
+ "loss": 1.3836,
23
+ "step": 2
24
+ },
25
+ {
26
+ "epoch": 0.016483516483516484,
27
+ "grad_norm": 0.26151242852211,
28
+ "learning_rate": 0.00012,
29
+ "loss": 1.4148,
30
+ "step": 3
31
+ },
32
+ {
33
+ "epoch": 0.02197802197802198,
34
+ "grad_norm": 0.22220638394355774,
35
+ "learning_rate": 0.00016,
36
+ "loss": 1.3359,
37
+ "step": 4
38
+ },
39
+ {
40
+ "epoch": 0.027472527472527472,
41
+ "grad_norm": 0.15509554743766785,
42
+ "learning_rate": 0.0002,
43
+ "loss": 1.319,
44
+ "step": 5
45
+ },
46
+ {
47
+ "epoch": 0.03296703296703297,
48
+ "grad_norm": 0.12672632932662964,
49
+ "learning_rate": 0.0001999842488663838,
50
+ "loss": 1.0436,
51
+ "step": 6
52
+ },
53
+ {
54
+ "epoch": 0.038461538461538464,
55
+ "grad_norm": 0.11594443768262863,
56
+ "learning_rate": 0.00019993700042749937,
57
+ "loss": 1.1249,
58
+ "step": 7
59
+ },
60
+ {
61
+ "epoch": 0.04395604395604396,
62
+ "grad_norm": 0.16988468170166016,
63
+ "learning_rate": 0.0001998582695676762,
64
+ "loss": 0.978,
65
+ "step": 8
66
+ },
67
+ {
68
+ "epoch": 0.04945054945054945,
69
+ "grad_norm": 0.16477666795253754,
70
+ "learning_rate": 0.00019974808108892016,
71
+ "loss": 0.8757,
72
+ "step": 9
73
+ },
74
+ {
75
+ "epoch": 0.054945054945054944,
76
+ "grad_norm": 0.16230840981006622,
77
+ "learning_rate": 0.00019960646970310027,
78
+ "loss": 0.7733,
79
+ "step": 10
80
+ },
81
+ {
82
+ "epoch": 0.06043956043956044,
83
+ "grad_norm": 0.16096125543117523,
84
+ "learning_rate": 0.00019943348002101371,
85
+ "loss": 0.6367,
86
+ "step": 11
87
+ },
88
+ {
89
+ "epoch": 0.06593406593406594,
90
+ "grad_norm": 0.17279262840747833,
91
+ "learning_rate": 0.00019922916653833248,
92
+ "loss": 0.5396,
93
+ "step": 12
94
+ },
95
+ {
96
+ "epoch": 0.07142857142857142,
97
+ "grad_norm": 0.16378775238990784,
98
+ "learning_rate": 0.0001989935936184358,
99
+ "loss": 0.4376,
100
+ "step": 13
101
+ },
102
+ {
103
+ "epoch": 0.07692307692307693,
104
+ "grad_norm": 0.16942651569843292,
105
+ "learning_rate": 0.00019872683547213446,
106
+ "loss": 0.481,
107
+ "step": 14
108
+ },
109
+ {
110
+ "epoch": 0.08241758241758242,
111
+ "grad_norm": 0.12053713202476501,
112
+ "learning_rate": 0.00019842897613429262,
113
+ "loss": 0.4296,
114
+ "step": 15
115
+ },
116
+ {
117
+ "epoch": 0.08791208791208792,
118
+ "grad_norm": 0.12406298518180847,
119
+ "learning_rate": 0.00019810010943735479,
120
+ "loss": 0.2941,
121
+ "step": 16
122
+ },
123
+ {
124
+ "epoch": 0.09340659340659341,
125
+ "grad_norm": 0.10388841480016708,
126
+ "learning_rate": 0.00019774033898178667,
127
+ "loss": 0.41,
128
+ "step": 17
129
+ },
130
+ {
131
+ "epoch": 0.0989010989010989,
132
+ "grad_norm": 0.08794189989566803,
133
+ "learning_rate": 0.00019734977810343865,
134
+ "loss": 0.3058,
135
+ "step": 18
136
+ },
137
+ {
138
+ "epoch": 0.1043956043956044,
139
+ "grad_norm": 0.09318755567073822,
140
+ "learning_rate": 0.00019692854983784235,
141
+ "loss": 0.3256,
142
+ "step": 19
143
+ },
144
+ {
145
+ "epoch": 0.10989010989010989,
146
+ "grad_norm": 0.07988230884075165,
147
+ "learning_rate": 0.0001964767868814516,
148
+ "loss": 0.3801,
149
+ "step": 20
150
+ },
151
+ {
152
+ "epoch": 0.11538461538461539,
153
+ "grad_norm": 0.06846581399440765,
154
+ "learning_rate": 0.0001959946315498402,
155
+ "loss": 0.3631,
156
+ "step": 21
157
+ },
158
+ {
159
+ "epoch": 0.12087912087912088,
160
+ "grad_norm": 0.09932168573141098,
161
+ "learning_rate": 0.0001954822357328692,
162
+ "loss": 0.4244,
163
+ "step": 22
164
+ },
165
+ {
166
+ "epoch": 0.12637362637362637,
167
+ "grad_norm": 0.07102064788341522,
168
+ "learning_rate": 0.00019493976084683813,
169
+ "loss": 0.3414,
170
+ "step": 23
171
+ },
172
+ {
173
+ "epoch": 0.13186813186813187,
174
+ "grad_norm": 0.07554670423269272,
175
+ "learning_rate": 0.00019436737778363527,
176
+ "loss": 0.3206,
177
+ "step": 24
178
+ },
179
+ {
180
+ "epoch": 0.13736263736263737,
181
+ "grad_norm": 0.06632914394140244,
182
+ "learning_rate": 0.0001937652668569028,
183
+ "loss": 0.3037,
184
+ "step": 25
185
+ },
186
+ {
187
+ "epoch": 0.14285714285714285,
188
+ "grad_norm": 0.07803873717784882,
189
+ "learning_rate": 0.00019313361774523385,
190
+ "loss": 0.285,
191
+ "step": 26
192
+ },
193
+ {
194
+ "epoch": 0.14835164835164835,
195
+ "grad_norm": 0.09491067379713058,
196
+ "learning_rate": 0.0001924726294324196,
197
+ "loss": 0.3508,
198
+ "step": 27
199
+ },
200
+ {
201
+ "epoch": 0.15384615384615385,
202
+ "grad_norm": 0.08697083592414856,
203
+ "learning_rate": 0.00019178251014476466,
204
+ "loss": 0.3275,
205
+ "step": 28
206
+ },
207
+ {
208
+ "epoch": 0.15934065934065933,
209
+ "grad_norm": 0.08148891478776932,
210
+ "learning_rate": 0.00019106347728549135,
211
+ "loss": 0.2527,
212
+ "step": 29
213
+ },
214
+ {
215
+ "epoch": 0.16483516483516483,
216
+ "grad_norm": 0.08663398027420044,
217
+ "learning_rate": 0.00019031575736625238,
218
+ "loss": 0.2488,
219
+ "step": 30
220
+ },
221
+ {
222
+ "epoch": 0.17032967032967034,
223
+ "grad_norm": 0.08816689252853394,
224
+ "learning_rate": 0.00018953958593577493,
225
+ "loss": 0.2511,
226
+ "step": 31
227
+ },
228
+ {
229
+ "epoch": 0.17582417582417584,
230
+ "grad_norm": 0.0893981084227562,
231
+ "learning_rate": 0.00018873520750565718,
232
+ "loss": 0.2498,
233
+ "step": 32
234
+ },
235
+ {
236
+ "epoch": 0.1813186813186813,
237
+ "grad_norm": 0.08614163100719452,
238
+ "learning_rate": 0.00018790287547334176,
239
+ "loss": 0.2316,
240
+ "step": 33
241
+ },
242
+ {
243
+ "epoch": 0.18681318681318682,
244
+ "grad_norm": 0.10351146012544632,
245
+ "learning_rate": 0.00018704285204228973,
246
+ "loss": 0.2733,
247
+ "step": 34
248
+ },
249
+ {
250
+ "epoch": 0.19230769230769232,
251
+ "grad_norm": 0.08243081718683243,
252
+ "learning_rate": 0.0001861554081393806,
253
+ "loss": 0.2278,
254
+ "step": 35
255
+ },
256
+ {
257
+ "epoch": 0.1978021978021978,
258
+ "grad_norm": 0.097475066781044,
259
+ "learning_rate": 0.00018524082332956428,
260
+ "loss": 0.2459,
261
+ "step": 36
262
+ },
263
+ {
264
+ "epoch": 0.2032967032967033,
265
+ "grad_norm": 0.08360479772090912,
266
+ "learning_rate": 0.00018429938572779152,
267
+ "loss": 0.2342,
268
+ "step": 37
269
+ },
270
+ {
271
+ "epoch": 0.2087912087912088,
272
+ "grad_norm": 0.09262491017580032,
273
+ "learning_rate": 0.0001833313919082515,
274
+ "loss": 0.234,
275
+ "step": 38
276
+ },
277
+ {
278
+ "epoch": 0.21428571428571427,
279
+ "grad_norm": 0.11125553399324417,
280
+ "learning_rate": 0.00018233714681094404,
281
+ "loss": 0.3167,
282
+ "step": 39
283
+ },
284
+ {
285
+ "epoch": 0.21978021978021978,
286
+ "grad_norm": 0.08724531531333923,
287
+ "learning_rate": 0.00018131696364561667,
288
+ "loss": 0.217,
289
+ "step": 40
290
+ },
291
+ {
292
+ "epoch": 0.22527472527472528,
293
+ "grad_norm": 0.08204808831214905,
294
+ "learning_rate": 0.00018027116379309638,
295
+ "loss": 0.2091,
296
+ "step": 41
297
+ },
298
+ {
299
+ "epoch": 0.23076923076923078,
300
+ "grad_norm": 0.11685692518949509,
301
+ "learning_rate": 0.0001792000767040474,
302
+ "loss": 0.2218,
303
+ "step": 42
304
+ },
305
+ {
306
+ "epoch": 0.23626373626373626,
307
+ "grad_norm": 0.10508550703525543,
308
+ "learning_rate": 0.00017810403979518681,
309
+ "loss": 0.1959,
310
+ "step": 43
311
+ },
312
+ {
313
+ "epoch": 0.24175824175824176,
314
+ "grad_norm": 0.13068167865276337,
315
+ "learning_rate": 0.00017698339834299061,
316
+ "loss": 0.1616,
317
+ "step": 44
318
+ },
319
+ {
320
+ "epoch": 0.24725274725274726,
321
+ "grad_norm": 0.1325182318687439,
322
+ "learning_rate": 0.00017583850537492387,
323
+ "loss": 0.1398,
324
+ "step": 45
325
+ },
326
+ {
327
+ "epoch": 0.25274725274725274,
328
+ "grad_norm": 0.14320158958435059,
329
+ "learning_rate": 0.0001746697215582288,
330
+ "loss": 0.2189,
331
+ "step": 46
332
+ },
333
+ {
334
+ "epoch": 0.25824175824175827,
335
+ "grad_norm": 0.11843352764844894,
336
+ "learning_rate": 0.00017347741508630672,
337
+ "loss": 0.1261,
338
+ "step": 47
339
+ },
340
+ {
341
+ "epoch": 0.26373626373626374,
342
+ "grad_norm": 0.12478692084550858,
343
+ "learning_rate": 0.00017226196156272874,
344
+ "loss": 0.2066,
345
+ "step": 48
346
+ },
347
+ {
348
+ "epoch": 0.2692307692307692,
349
+ "grad_norm": 0.11781392246484756,
350
+ "learning_rate": 0.00017102374388291183,
351
+ "loss": 0.2071,
352
+ "step": 49
353
+ },
354
+ {
355
+ "epoch": 0.27472527472527475,
356
+ "grad_norm": 0.10600878298282623,
357
+ "learning_rate": 0.0001697631521134985,
358
+ "loss": 0.203,
359
+ "step": 50
360
+ },
361
+ {
362
+ "epoch": 0.2802197802197802,
363
+ "grad_norm": 0.10019295662641525,
364
+ "learning_rate": 0.00016848058336947657,
365
+ "loss": 0.2265,
366
+ "step": 51
367
+ },
368
+ {
369
+ "epoch": 0.2857142857142857,
370
+ "grad_norm": 0.08874925225973129,
371
+ "learning_rate": 0.0001671764416890793,
372
+ "loss": 0.1193,
373
+ "step": 52
374
+ },
375
+ {
376
+ "epoch": 0.29120879120879123,
377
+ "grad_norm": 0.0978781059384346,
378
+ "learning_rate": 0.00016585113790650388,
379
+ "loss": 0.1311,
380
+ "step": 53
381
+ },
382
+ {
383
+ "epoch": 0.2967032967032967,
384
+ "grad_norm": 0.12399563938379288,
385
+ "learning_rate": 0.00016450508952248956,
386
+ "loss": 0.1398,
387
+ "step": 54
388
+ },
389
+ {
390
+ "epoch": 0.3021978021978022,
391
+ "grad_norm": 0.11917977780103683,
392
+ "learning_rate": 0.00016313872057279534,
393
+ "loss": 0.149,
394
+ "step": 55
395
+ },
396
+ {
397
+ "epoch": 0.3076923076923077,
398
+ "grad_norm": 0.1155751645565033,
399
+ "learning_rate": 0.0001617524614946192,
400
+ "loss": 0.1819,
401
+ "step": 56
402
+ },
403
+ {
404
+ "epoch": 0.3131868131868132,
405
+ "grad_norm": 0.09933874011039734,
406
+ "learning_rate": 0.0001603467489910004,
407
+ "loss": 0.0918,
408
+ "step": 57
409
+ },
410
+ {
411
+ "epoch": 0.31868131868131866,
412
+ "grad_norm": 0.1160176694393158,
413
+ "learning_rate": 0.00015892202589324835,
414
+ "loss": 0.0983,
415
+ "step": 58
416
+ },
417
+ {
418
+ "epoch": 0.3241758241758242,
419
+ "grad_norm": 0.12610028684139252,
420
+ "learning_rate": 0.0001574787410214407,
421
+ "loss": 0.1345,
422
+ "step": 59
423
+ },
424
+ {
425
+ "epoch": 0.32967032967032966,
426
+ "grad_norm": 0.09502307325601578,
427
+ "learning_rate": 0.0001560173490430346,
428
+ "loss": 0.0753,
429
+ "step": 60
430
+ },
431
+ {
432
+ "epoch": 0.33516483516483514,
433
+ "grad_norm": 0.12514734268188477,
434
+ "learning_rate": 0.0001545383103296365,
435
+ "loss": 0.1218,
436
+ "step": 61
437
+ },
438
+ {
439
+ "epoch": 0.34065934065934067,
440
+ "grad_norm": 0.10972923040390015,
441
+ "learning_rate": 0.00015304209081197425,
442
+ "loss": 0.0988,
443
+ "step": 62
444
+ },
445
+ {
446
+ "epoch": 0.34615384615384615,
447
+ "grad_norm": 0.14897628128528595,
448
+ "learning_rate": 0.0001515291618331188,
449
+ "loss": 0.1729,
450
+ "step": 63
451
+ },
452
+ {
453
+ "epoch": 0.3516483516483517,
454
+ "grad_norm": 0.10310367494821548,
455
+ "learning_rate": 0.00015000000000000001,
456
+ "loss": 0.1261,
457
+ "step": 64
458
+ },
459
+ {
460
+ "epoch": 0.35714285714285715,
461
+ "grad_norm": 0.11633659899234772,
462
+ "learning_rate": 0.00014845508703326504,
463
+ "loss": 0.1215,
464
+ "step": 65
465
+ },
466
+ {
467
+ "epoch": 0.3626373626373626,
468
+ "grad_norm": 0.12089478224515915,
469
+ "learning_rate": 0.00014689490961552513,
470
+ "loss": 0.1137,
471
+ "step": 66
472
+ },
473
+ {
474
+ "epoch": 0.36813186813186816,
475
+ "grad_norm": 0.12880107760429382,
476
+ "learning_rate": 0.00014531995923803973,
477
+ "loss": 0.1254,
478
+ "step": 67
479
+ },
480
+ {
481
+ "epoch": 0.37362637362637363,
482
+ "grad_norm": 0.10465559363365173,
483
+ "learning_rate": 0.00014373073204588556,
484
+ "loss": 0.0866,
485
+ "step": 68
486
+ },
487
+ {
488
+ "epoch": 0.3791208791208791,
489
+ "grad_norm": 0.09393016248941422,
490
+ "learning_rate": 0.00014212772868165958,
491
+ "loss": 0.0671,
492
+ "step": 69
493
+ },
494
+ {
495
+ "epoch": 0.38461538461538464,
496
+ "grad_norm": 0.09669383615255356,
497
+ "learning_rate": 0.00014051145412776535,
498
+ "loss": 0.0835,
499
+ "step": 70
500
+ },
501
+ {
502
+ "epoch": 0.3901098901098901,
503
+ "grad_norm": 0.10696904361248016,
504
+ "learning_rate": 0.00013888241754733208,
505
+ "loss": 0.1146,
506
+ "step": 71
507
+ },
508
+ {
509
+ "epoch": 0.3956043956043956,
510
+ "grad_norm": 0.18148086965084076,
511
+ "learning_rate": 0.0001372411321238166,
512
+ "loss": 0.1937,
513
+ "step": 72
514
+ },
515
+ {
516
+ "epoch": 0.4010989010989011,
517
+ "grad_norm": 0.11100444942712784,
518
+ "learning_rate": 0.00013558811489933908,
519
+ "loss": 0.1204,
520
+ "step": 73
521
+ },
522
+ {
523
+ "epoch": 0.4065934065934066,
524
+ "grad_norm": 0.08652353286743164,
525
+ "learning_rate": 0.00013392388661180303,
526
+ "loss": 0.0682,
527
+ "step": 74
528
+ },
529
+ {
530
+ "epoch": 0.41208791208791207,
531
+ "grad_norm": 0.09470050036907196,
532
+ "learning_rate": 0.0001322489715308509,
533
+ "loss": 0.0638,
534
+ "step": 75
535
+ },
536
+ {
537
+ "epoch": 0.4175824175824176,
538
+ "grad_norm": 0.11347407102584839,
539
+ "learning_rate": 0.00013056389729270738,
540
+ "loss": 0.081,
541
+ "step": 76
542
+ },
543
+ {
544
+ "epoch": 0.4230769230769231,
545
+ "grad_norm": 0.1232433095574379,
546
+ "learning_rate": 0.0001288691947339621,
547
+ "loss": 0.1186,
548
+ "step": 77
549
+ },
550
+ {
551
+ "epoch": 0.42857142857142855,
552
+ "grad_norm": 0.08470042794942856,
553
+ "learning_rate": 0.00012716539772434388,
554
+ "loss": 0.061,
555
+ "step": 78
556
+ },
557
+ {
558
+ "epoch": 0.4340659340659341,
559
+ "grad_norm": 0.10937822610139847,
560
+ "learning_rate": 0.00012545304299853977,
561
+ "loss": 0.0826,
562
+ "step": 79
563
+ },
564
+ {
565
+ "epoch": 0.43956043956043955,
566
+ "grad_norm": 0.094424307346344,
567
+ "learning_rate": 0.0001237326699871115,
568
+ "loss": 0.0689,
569
+ "step": 80
570
+ },
571
+ {
572
+ "epoch": 0.44505494505494503,
573
+ "grad_norm": 0.11375095695257187,
574
+ "learning_rate": 0.00012200482064656248,
575
+ "loss": 0.1107,
576
+ "step": 81
577
+ },
578
+ {
579
+ "epoch": 0.45054945054945056,
580
+ "grad_norm": 0.11452016979455948,
581
+ "learning_rate": 0.00012027003928860937,
582
+ "loss": 0.0886,
583
+ "step": 82
584
+ },
585
+ {
586
+ "epoch": 0.45604395604395603,
587
+ "grad_norm": 0.09138914942741394,
588
+ "learning_rate": 0.00011852887240871145,
589
+ "loss": 0.0825,
590
+ "step": 83
591
+ },
592
+ {
593
+ "epoch": 0.46153846153846156,
594
+ "grad_norm": 0.09349829703569412,
595
+ "learning_rate": 0.00011678186851391218,
596
+ "loss": 0.0853,
597
+ "step": 84
598
+ },
599
+ {
600
+ "epoch": 0.46703296703296704,
601
+ "grad_norm": 0.0957733765244484,
602
+ "learning_rate": 0.00011502957795004705,
603
+ "loss": 0.0705,
604
+ "step": 85
605
+ },
606
+ {
607
+ "epoch": 0.4725274725274725,
608
+ "grad_norm": 0.11201193928718567,
609
+ "learning_rate": 0.00011327255272837221,
610
+ "loss": 0.0782,
611
+ "step": 86
612
+ },
613
+ {
614
+ "epoch": 0.47802197802197804,
615
+ "grad_norm": 0.11689481139183044,
616
+ "learning_rate": 0.00011151134635166829,
617
+ "loss": 0.0634,
618
+ "step": 87
619
+ },
620
+ {
621
+ "epoch": 0.4835164835164835,
622
+ "grad_norm": 0.09048259258270264,
623
+ "learning_rate": 0.00010974651363987465,
624
+ "loss": 0.075,
625
+ "step": 88
626
+ },
627
+ {
628
+ "epoch": 0.489010989010989,
629
+ "grad_norm": 0.0914902612566948,
630
+ "learning_rate": 0.00010797861055530831,
631
+ "loss": 0.0697,
632
+ "step": 89
633
+ },
634
+ {
635
+ "epoch": 0.4945054945054945,
636
+ "grad_norm": 0.0922885537147522,
637
+ "learning_rate": 0.0001062081940275234,
638
+ "loss": 0.0666,
639
+ "step": 90
640
+ },
641
+ {
642
+ "epoch": 0.5,
643
+ "grad_norm": 0.08988504856824875,
644
+ "learning_rate": 0.00010443582177786564,
645
+ "loss": 0.086,
646
+ "step": 91
647
+ },
648
+ {
649
+ "epoch": 0.5054945054945055,
650
+ "grad_norm": 0.12048965692520142,
651
+ "learning_rate": 0.00010266205214377748,
652
+ "loss": 0.0905,
653
+ "step": 92
654
+ },
655
+ {
656
+ "epoch": 0.510989010989011,
657
+ "grad_norm": 0.08413669466972351,
658
+ "learning_rate": 0.0001008874439029091,
659
+ "loss": 0.059,
660
+ "step": 93
661
+ },
662
+ {
663
+ "epoch": 0.5164835164835165,
664
+ "grad_norm": 0.09707523882389069,
665
+ "learning_rate": 9.91125560970909e-05,
666
+ "loss": 0.1015,
667
+ "step": 94
668
+ },
669
+ {
670
+ "epoch": 0.521978021978022,
671
+ "grad_norm": 0.13043560087680817,
672
+ "learning_rate": 9.733794785622253e-05,
673
+ "loss": 0.0914,
674
+ "step": 95
675
+ },
676
+ {
677
+ "epoch": 0.5274725274725275,
678
+ "grad_norm": 0.10451046377420425,
679
+ "learning_rate": 9.556417822213435e-05,
680
+ "loss": 0.0904,
681
+ "step": 96
682
+ },
683
+ {
684
+ "epoch": 0.532967032967033,
685
+ "grad_norm": 0.07710960507392883,
686
+ "learning_rate": 9.379180597247661e-05,
687
+ "loss": 0.0557,
688
+ "step": 97
689
+ },
690
+ {
691
+ "epoch": 0.5384615384615384,
692
+ "grad_norm": 0.09335189312696457,
693
+ "learning_rate": 9.202138944469168e-05,
694
+ "loss": 0.0782,
695
+ "step": 98
696
+ },
697
+ {
698
+ "epoch": 0.5439560439560439,
699
+ "grad_norm": 0.07391183078289032,
700
+ "learning_rate": 9.025348636012536e-05,
701
+ "loss": 0.0616,
702
+ "step": 99
703
+ },
704
+ {
705
+ "epoch": 0.5494505494505495,
706
+ "grad_norm": 0.07584051787853241,
707
+ "learning_rate": 8.84886536483317e-05,
708
+ "loss": 0.0669,
709
+ "step": 100
710
+ },
711
+ {
712
+ "epoch": 0.554945054945055,
713
+ "grad_norm": 0.07729068398475647,
714
+ "learning_rate": 8.672744727162781e-05,
715
+ "loss": 0.0635,
716
+ "step": 101
717
+ },
718
+ {
719
+ "epoch": 0.5604395604395604,
720
+ "grad_norm": 0.0983298122882843,
721
+ "learning_rate": 8.497042204995299e-05,
722
+ "loss": 0.0556,
723
+ "step": 102
724
+ },
725
+ {
726
+ "epoch": 0.5659340659340659,
727
+ "grad_norm": 0.07858923077583313,
728
+ "learning_rate": 8.321813148608783e-05,
729
+ "loss": 0.0551,
730
+ "step": 103
731
+ },
732
+ {
733
+ "epoch": 0.5714285714285714,
734
+ "grad_norm": 0.1307792365550995,
735
+ "learning_rate": 8.147112759128859e-05,
736
+ "loss": 0.1135,
737
+ "step": 104
738
+ },
739
+ {
740
+ "epoch": 0.5769230769230769,
741
+ "grad_norm": 0.08517476916313171,
742
+ "learning_rate": 7.972996071139064e-05,
743
+ "loss": 0.053,
744
+ "step": 105
745
+ },
746
+ {
747
+ "epoch": 0.5824175824175825,
748
+ "grad_norm": 0.05371192470192909,
749
+ "learning_rate": 7.799517935343757e-05,
750
+ "loss": 0.0298,
751
+ "step": 106
752
+ },
753
+ {
754
+ "epoch": 0.5879120879120879,
755
+ "grad_norm": 0.06914077699184418,
756
+ "learning_rate": 7.626733001288851e-05,
757
+ "loss": 0.0452,
758
+ "step": 107
759
+ },
760
+ {
761
+ "epoch": 0.5934065934065934,
762
+ "grad_norm": 0.10342265665531158,
763
+ "learning_rate": 7.454695700146024e-05,
764
+ "loss": 0.0889,
765
+ "step": 108
766
+ },
767
+ {
768
+ "epoch": 0.5989010989010989,
769
+ "grad_norm": 0.0685519203543663,
770
+ "learning_rate": 7.283460227565613e-05,
771
+ "loss": 0.0588,
772
+ "step": 109
773
+ },
774
+ {
775
+ "epoch": 0.6043956043956044,
776
+ "grad_norm": 0.05628138780593872,
777
+ "learning_rate": 7.113080526603792e-05,
778
+ "loss": 0.046,
779
+ "step": 110
780
+ },
781
+ {
782
+ "epoch": 0.6098901098901099,
783
+ "grad_norm": 0.11078569293022156,
784
+ "learning_rate": 6.94361027072926e-05,
785
+ "loss": 0.0791,
786
+ "step": 111
787
+ },
788
+ {
789
+ "epoch": 0.6153846153846154,
790
+ "grad_norm": 0.05526568740606308,
791
+ "learning_rate": 6.775102846914911e-05,
792
+ "loss": 0.0559,
793
+ "step": 112
794
+ },
795
+ {
796
+ "epoch": 0.6208791208791209,
797
+ "grad_norm": 0.07777650654315948,
798
+ "learning_rate": 6.607611338819697e-05,
799
+ "loss": 0.0574,
800
+ "step": 113
801
+ },
802
+ {
803
+ "epoch": 0.6263736263736264,
804
+ "grad_norm": 0.06428060680627823,
805
+ "learning_rate": 6.441188510066091e-05,
806
+ "loss": 0.0386,
807
+ "step": 114
808
+ },
809
+ {
810
+ "epoch": 0.6318681318681318,
811
+ "grad_norm": 0.1773328185081482,
812
+ "learning_rate": 6.275886787618339e-05,
813
+ "loss": 0.1229,
814
+ "step": 115
815
+ },
816
+ {
817
+ "epoch": 0.6373626373626373,
818
+ "grad_norm": 0.05550393462181091,
819
+ "learning_rate": 6.111758245266794e-05,
820
+ "loss": 0.0414,
821
+ "step": 116
822
+ },
823
+ {
824
+ "epoch": 0.6428571428571429,
825
+ "grad_norm": 0.041509225964546204,
826
+ "learning_rate": 5.9488545872234645e-05,
827
+ "loss": 0.0341,
828
+ "step": 117
829
+ },
830
+ {
831
+ "epoch": 0.6483516483516484,
832
+ "grad_norm": 0.10156530886888504,
833
+ "learning_rate": 5.787227131834043e-05,
834
+ "loss": 0.0765,
835
+ "step": 118
836
+ },
837
+ {
838
+ "epoch": 0.6538461538461539,
839
+ "grad_norm": 0.0621609091758728,
840
+ "learning_rate": 5.626926795411447e-05,
841
+ "loss": 0.0515,
842
+ "step": 119
843
+ },
844
+ {
845
+ "epoch": 0.6593406593406593,
846
+ "grad_norm": 0.12675149738788605,
847
+ "learning_rate": 5.468004076196029e-05,
848
+ "loss": 0.0736,
849
+ "step": 120
850
+ },
851
+ {
852
+ "epoch": 0.6648351648351648,
853
+ "grad_norm": 0.06981629878282547,
854
+ "learning_rate": 5.310509038447492e-05,
855
+ "loss": 0.07,
856
+ "step": 121
857
+ },
858
+ {
859
+ "epoch": 0.6703296703296703,
860
+ "grad_norm": 0.05079374462366104,
861
+ "learning_rate": 5.1544912966734994e-05,
862
+ "loss": 0.0509,
863
+ "step": 122
864
+ },
865
+ {
866
+ "epoch": 0.6758241758241759,
867
+ "grad_norm": 0.06290542334318161,
868
+ "learning_rate": 5.000000000000002e-05,
869
+ "loss": 0.0577,
870
+ "step": 123
871
+ },
872
+ {
873
+ "epoch": 0.6813186813186813,
874
+ "grad_norm": 0.042649202048778534,
875
+ "learning_rate": 4.8470838166881226e-05,
876
+ "loss": 0.035,
877
+ "step": 124
878
+ },
879
+ {
880
+ "epoch": 0.6868131868131868,
881
+ "grad_norm": 0.07203595340251923,
882
+ "learning_rate": 4.695790918802576e-05,
883
+ "loss": 0.0706,
884
+ "step": 125
885
+ },
886
+ {
887
+ "epoch": 0.6923076923076923,
888
+ "grad_norm": 0.04454479739069939,
889
+ "learning_rate": 4.546168967036351e-05,
890
+ "loss": 0.034,
891
+ "step": 126
892
+ },
893
+ {
894
+ "epoch": 0.6978021978021978,
895
+ "grad_norm": 0.041393596678972244,
896
+ "learning_rate": 4.398265095696539e-05,
897
+ "loss": 0.0375,
898
+ "step": 127
899
+ },
900
+ {
901
+ "epoch": 0.7032967032967034,
902
+ "grad_norm": 0.047695551067590714,
903
+ "learning_rate": 4.252125897855932e-05,
904
+ "loss": 0.0402,
905
+ "step": 128
906
+ },
907
+ {
908
+ "epoch": 0.7087912087912088,
909
+ "grad_norm": 0.06419022381305695,
910
+ "learning_rate": 4.107797410675166e-05,
911
+ "loss": 0.0511,
912
+ "step": 129
913
+ },
914
+ {
915
+ "epoch": 0.7142857142857143,
916
+ "grad_norm": 0.04011767357587814,
917
+ "learning_rate": 3.965325100899961e-05,
918
+ "loss": 0.0382,
919
+ "step": 130
920
+ },
921
+ {
922
+ "epoch": 0.7197802197802198,
923
+ "grad_norm": 0.04134465754032135,
924
+ "learning_rate": 3.824753850538082e-05,
925
+ "loss": 0.0407,
926
+ "step": 131
927
+ },
928
+ {
929
+ "epoch": 0.7252747252747253,
930
+ "grad_norm": 0.05654672160744667,
931
+ "learning_rate": 3.686127942720463e-05,
932
+ "loss": 0.0505,
933
+ "step": 132
934
+ },
935
+ {
936
+ "epoch": 0.7307692307692307,
937
+ "grad_norm": 0.05311698094010353,
938
+ "learning_rate": 3.5494910477510445e-05,
939
+ "loss": 0.0514,
940
+ "step": 133
941
+ },
942
+ {
943
+ "epoch": 0.7362637362637363,
944
+ "grad_norm": 0.06260506808757782,
945
+ "learning_rate": 3.414886209349615e-05,
946
+ "loss": 0.0514,
947
+ "step": 134
948
+ },
949
+ {
950
+ "epoch": 0.7417582417582418,
951
+ "grad_norm": 0.06393005698919296,
952
+ "learning_rate": 3.282355831092072e-05,
953
+ "loss": 0.0413,
954
+ "step": 135
955
+ },
956
+ {
957
+ "epoch": 0.7472527472527473,
958
+ "grad_norm": 0.048107732087373734,
959
+ "learning_rate": 3.1519416630523444e-05,
960
+ "loss": 0.0479,
961
+ "step": 136
962
+ },
963
+ {
964
+ "epoch": 0.7527472527472527,
965
+ "grad_norm": 0.04841303825378418,
966
+ "learning_rate": 3.0236847886501542e-05,
967
+ "loss": 0.0342,
968
+ "step": 137
969
+ },
970
+ {
971
+ "epoch": 0.7582417582417582,
972
+ "grad_norm": 0.0669633001089096,
973
+ "learning_rate": 2.8976256117088195e-05,
974
+ "loss": 0.0485,
975
+ "step": 138
976
+ },
977
+ {
978
+ "epoch": 0.7637362637362637,
979
+ "grad_norm": 0.06344759464263916,
980
+ "learning_rate": 2.7738038437271284e-05,
981
+ "loss": 0.0535,
982
+ "step": 139
983
+ },
984
+ {
985
+ "epoch": 0.7692307692307693,
986
+ "grad_norm": 0.07120760530233383,
987
+ "learning_rate": 2.6522584913693294e-05,
988
+ "loss": 0.0465,
989
+ "step": 140
990
+ }
991
+ ],
992
+ "logging_steps": 1,
993
+ "max_steps": 182,
994
+ "num_input_tokens_seen": 0,
995
+ "num_train_epochs": 1,
996
+ "save_steps": 20,
997
+ "stateful_callbacks": {
998
+ "TrainerControl": {
999
+ "args": {
1000
+ "should_epoch_stop": false,
1001
+ "should_evaluate": false,
1002
+ "should_log": false,
1003
+ "should_save": true,
1004
+ "should_training_stop": false
1005
+ },
1006
+ "attributes": {}
1007
+ }
1008
+ },
1009
+ "total_flos": 1.7846012682974822e+17,
1010
+ "train_batch_size": 2,
1011
+ "trial_name": null,
1012
+ "trial_params": null
1013
+ }