Model save
Browse files- README.md +64 -0
- all_results.json +9 -0
- train_results.json +9 -0
- trainer_state.json +898 -0
README.md
ADDED
|
@@ -0,0 +1,64 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
---
|
| 2 |
+
base_model: barc0/Llama-3.1-ARC-Potpourri-Transduction-8B
|
| 3 |
+
library_name: peft
|
| 4 |
+
license: llama3.1
|
| 5 |
+
tags:
|
| 6 |
+
- trl
|
| 7 |
+
- sft
|
| 8 |
+
- generated_from_trainer
|
| 9 |
+
model-index:
|
| 10 |
+
- name: problem370_model_aug_30
|
| 11 |
+
results: []
|
| 12 |
+
---
|
| 13 |
+
|
| 14 |
+
<!-- This model card has been generated automatically according to the information the Trainer had access to. You
|
| 15 |
+
should probably proofread and complete it, then remove this comment. -->
|
| 16 |
+
|
| 17 |
+
# problem370_model_aug_30
|
| 18 |
+
|
| 19 |
+
This model is a fine-tuned version of [barc0/Llama-3.1-ARC-Potpourri-Transduction-8B](https://huggingface.co/barc0/Llama-3.1-ARC-Potpourri-Transduction-8B) on an unknown dataset.
|
| 20 |
+
It achieves the following results on the evaluation set:
|
| 21 |
+
- Loss: 0.0494
|
| 22 |
+
|
| 23 |
+
## Model description
|
| 24 |
+
|
| 25 |
+
More information needed
|
| 26 |
+
|
| 27 |
+
## Intended uses & limitations
|
| 28 |
+
|
| 29 |
+
More information needed
|
| 30 |
+
|
| 31 |
+
## Training and evaluation data
|
| 32 |
+
|
| 33 |
+
More information needed
|
| 34 |
+
|
| 35 |
+
## Training procedure
|
| 36 |
+
|
| 37 |
+
### Training hyperparameters
|
| 38 |
+
|
| 39 |
+
The following hyperparameters were used during training:
|
| 40 |
+
- learning_rate: 5e-05
|
| 41 |
+
- train_batch_size: 2
|
| 42 |
+
- eval_batch_size: 2
|
| 43 |
+
- seed: 42
|
| 44 |
+
- distributed_type: multi-GPU
|
| 45 |
+
- optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
|
| 46 |
+
- lr_scheduler_type: cosine
|
| 47 |
+
- lr_scheduler_warmup_ratio: 0.1
|
| 48 |
+
- num_epochs: 2
|
| 49 |
+
|
| 50 |
+
### Training results
|
| 51 |
+
|
| 52 |
+
| Training Loss | Epoch | Step | Validation Loss |
|
| 53 |
+
|:-------------:|:-----:|:----:|:---------------:|
|
| 54 |
+
| 0.0223 | 1.0 | 60 | 0.0374 |
|
| 55 |
+
| 0.014 | 2.0 | 120 | 0.0494 |
|
| 56 |
+
|
| 57 |
+
|
| 58 |
+
### Framework versions
|
| 59 |
+
|
| 60 |
+
- PEFT 0.13.2
|
| 61 |
+
- Transformers 4.47.0.dev0
|
| 62 |
+
- Pytorch 2.4.0+cu121
|
| 63 |
+
- Datasets 3.1.0
|
| 64 |
+
- Tokenizers 0.20.3
|
all_results.json
ADDED
|
@@ -0,0 +1,9 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"epoch": 2.0,
|
| 3 |
+
"total_flos": 904636661760.0,
|
| 4 |
+
"train_loss": 0.023700654555674796,
|
| 5 |
+
"train_runtime": 290.5243,
|
| 6 |
+
"train_samples": 120,
|
| 7 |
+
"train_samples_per_second": 0.826,
|
| 8 |
+
"train_steps_per_second": 0.413
|
| 9 |
+
}
|
train_results.json
ADDED
|
@@ -0,0 +1,9 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"epoch": 2.0,
|
| 3 |
+
"total_flos": 904636661760.0,
|
| 4 |
+
"train_loss": 0.023700654555674796,
|
| 5 |
+
"train_runtime": 290.5243,
|
| 6 |
+
"train_samples": 120,
|
| 7 |
+
"train_samples_per_second": 0.826,
|
| 8 |
+
"train_steps_per_second": 0.413
|
| 9 |
+
}
|
trainer_state.json
ADDED
|
@@ -0,0 +1,898 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_metric": null,
|
| 3 |
+
"best_model_checkpoint": null,
|
| 4 |
+
"epoch": 2.0,
|
| 5 |
+
"eval_steps": 500,
|
| 6 |
+
"global_step": 120,
|
| 7 |
+
"is_hyper_param_search": false,
|
| 8 |
+
"is_local_process_zero": true,
|
| 9 |
+
"is_world_process_zero": true,
|
| 10 |
+
"log_history": [
|
| 11 |
+
{
|
| 12 |
+
"epoch": 0.016666666666666666,
|
| 13 |
+
"grad_norm": 0.026384063741458276,
|
| 14 |
+
"learning_rate": 4.166666666666667e-06,
|
| 15 |
+
"loss": 0.0289,
|
| 16 |
+
"step": 1
|
| 17 |
+
},
|
| 18 |
+
{
|
| 19 |
+
"epoch": 0.03333333333333333,
|
| 20 |
+
"grad_norm": 0.0381178394896252,
|
| 21 |
+
"learning_rate": 8.333333333333334e-06,
|
| 22 |
+
"loss": 0.0681,
|
| 23 |
+
"step": 2
|
| 24 |
+
},
|
| 25 |
+
{
|
| 26 |
+
"epoch": 0.05,
|
| 27 |
+
"grad_norm": 0.03806013121499383,
|
| 28 |
+
"learning_rate": 1.25e-05,
|
| 29 |
+
"loss": 0.0701,
|
| 30 |
+
"step": 3
|
| 31 |
+
},
|
| 32 |
+
{
|
| 33 |
+
"epoch": 0.06666666666666667,
|
| 34 |
+
"grad_norm": 0.02554968496153987,
|
| 35 |
+
"learning_rate": 1.6666666666666667e-05,
|
| 36 |
+
"loss": 0.0283,
|
| 37 |
+
"step": 4
|
| 38 |
+
},
|
| 39 |
+
{
|
| 40 |
+
"epoch": 0.08333333333333333,
|
| 41 |
+
"grad_norm": 0.04082345198528403,
|
| 42 |
+
"learning_rate": 2.0833333333333336e-05,
|
| 43 |
+
"loss": 0.0546,
|
| 44 |
+
"step": 5
|
| 45 |
+
},
|
| 46 |
+
{
|
| 47 |
+
"epoch": 0.1,
|
| 48 |
+
"grad_norm": 0.034219669070415494,
|
| 49 |
+
"learning_rate": 2.5e-05,
|
| 50 |
+
"loss": 0.0354,
|
| 51 |
+
"step": 6
|
| 52 |
+
},
|
| 53 |
+
{
|
| 54 |
+
"epoch": 0.11666666666666667,
|
| 55 |
+
"grad_norm": 0.055222764423530565,
|
| 56 |
+
"learning_rate": 2.916666666666667e-05,
|
| 57 |
+
"loss": 0.0622,
|
| 58 |
+
"step": 7
|
| 59 |
+
},
|
| 60 |
+
{
|
| 61 |
+
"epoch": 0.13333333333333333,
|
| 62 |
+
"grad_norm": 0.04042485918299323,
|
| 63 |
+
"learning_rate": 3.3333333333333335e-05,
|
| 64 |
+
"loss": 0.0491,
|
| 65 |
+
"step": 8
|
| 66 |
+
},
|
| 67 |
+
{
|
| 68 |
+
"epoch": 0.15,
|
| 69 |
+
"grad_norm": 0.026281735764152415,
|
| 70 |
+
"learning_rate": 3.7500000000000003e-05,
|
| 71 |
+
"loss": 0.0214,
|
| 72 |
+
"step": 9
|
| 73 |
+
},
|
| 74 |
+
{
|
| 75 |
+
"epoch": 0.16666666666666666,
|
| 76 |
+
"grad_norm": 0.04607271246393499,
|
| 77 |
+
"learning_rate": 4.166666666666667e-05,
|
| 78 |
+
"loss": 0.0613,
|
| 79 |
+
"step": 10
|
| 80 |
+
},
|
| 81 |
+
{
|
| 82 |
+
"epoch": 0.18333333333333332,
|
| 83 |
+
"grad_norm": 0.0747369119767727,
|
| 84 |
+
"learning_rate": 4.5833333333333334e-05,
|
| 85 |
+
"loss": 0.0766,
|
| 86 |
+
"step": 11
|
| 87 |
+
},
|
| 88 |
+
{
|
| 89 |
+
"epoch": 0.2,
|
| 90 |
+
"grad_norm": 0.0869039385880176,
|
| 91 |
+
"learning_rate": 5e-05,
|
| 92 |
+
"loss": 0.1212,
|
| 93 |
+
"step": 12
|
| 94 |
+
},
|
| 95 |
+
{
|
| 96 |
+
"epoch": 0.21666666666666667,
|
| 97 |
+
"grad_norm": 0.02830200483746996,
|
| 98 |
+
"learning_rate": 4.998942375205502e-05,
|
| 99 |
+
"loss": 0.0267,
|
| 100 |
+
"step": 13
|
| 101 |
+
},
|
| 102 |
+
{
|
| 103 |
+
"epoch": 0.23333333333333334,
|
| 104 |
+
"grad_norm": 0.06664779578474901,
|
| 105 |
+
"learning_rate": 4.995770395678171e-05,
|
| 106 |
+
"loss": 0.0951,
|
| 107 |
+
"step": 14
|
| 108 |
+
},
|
| 109 |
+
{
|
| 110 |
+
"epoch": 0.25,
|
| 111 |
+
"grad_norm": 0.03813697779563304,
|
| 112 |
+
"learning_rate": 4.990486745229364e-05,
|
| 113 |
+
"loss": 0.0435,
|
| 114 |
+
"step": 15
|
| 115 |
+
},
|
| 116 |
+
{
|
| 117 |
+
"epoch": 0.26666666666666666,
|
| 118 |
+
"grad_norm": 0.029655650206479773,
|
| 119 |
+
"learning_rate": 4.983095894354858e-05,
|
| 120 |
+
"loss": 0.0194,
|
| 121 |
+
"step": 16
|
| 122 |
+
},
|
| 123 |
+
{
|
| 124 |
+
"epoch": 0.2833333333333333,
|
| 125 |
+
"grad_norm": 0.029553926983223806,
|
| 126 |
+
"learning_rate": 4.973604096452361e-05,
|
| 127 |
+
"loss": 0.0276,
|
| 128 |
+
"step": 17
|
| 129 |
+
},
|
| 130 |
+
{
|
| 131 |
+
"epoch": 0.3,
|
| 132 |
+
"grad_norm": 0.03684909541122035,
|
| 133 |
+
"learning_rate": 4.962019382530521e-05,
|
| 134 |
+
"loss": 0.0633,
|
| 135 |
+
"step": 18
|
| 136 |
+
},
|
| 137 |
+
{
|
| 138 |
+
"epoch": 0.31666666666666665,
|
| 139 |
+
"grad_norm": 0.058239327139823584,
|
| 140 |
+
"learning_rate": 4.948351554413879e-05,
|
| 141 |
+
"loss": 0.0581,
|
| 142 |
+
"step": 19
|
| 143 |
+
},
|
| 144 |
+
{
|
| 145 |
+
"epoch": 0.3333333333333333,
|
| 146 |
+
"grad_norm": 0.05663579981509807,
|
| 147 |
+
"learning_rate": 4.9326121764495596e-05,
|
| 148 |
+
"loss": 0.0535,
|
| 149 |
+
"step": 20
|
| 150 |
+
},
|
| 151 |
+
{
|
| 152 |
+
"epoch": 0.35,
|
| 153 |
+
"grad_norm": 0.051434548921003194,
|
| 154 |
+
"learning_rate": 4.914814565722671e-05,
|
| 155 |
+
"loss": 0.0274,
|
| 156 |
+
"step": 21
|
| 157 |
+
},
|
| 158 |
+
{
|
| 159 |
+
"epoch": 0.36666666666666664,
|
| 160 |
+
"grad_norm": 0.032273082315555035,
|
| 161 |
+
"learning_rate": 4.894973780788722e-05,
|
| 162 |
+
"loss": 0.0214,
|
| 163 |
+
"step": 22
|
| 164 |
+
},
|
| 165 |
+
{
|
| 166 |
+
"epoch": 0.38333333333333336,
|
| 167 |
+
"grad_norm": 0.025645161410312686,
|
| 168 |
+
"learning_rate": 4.873106608932585e-05,
|
| 169 |
+
"loss": 0.0201,
|
| 170 |
+
"step": 23
|
| 171 |
+
},
|
| 172 |
+
{
|
| 173 |
+
"epoch": 0.4,
|
| 174 |
+
"grad_norm": 0.07228289445855908,
|
| 175 |
+
"learning_rate": 4.849231551964771e-05,
|
| 176 |
+
"loss": 0.046,
|
| 177 |
+
"step": 24
|
| 178 |
+
},
|
| 179 |
+
{
|
| 180 |
+
"epoch": 0.4166666666666667,
|
| 181 |
+
"grad_norm": 0.03795719299441356,
|
| 182 |
+
"learning_rate": 4.823368810567056e-05,
|
| 183 |
+
"loss": 0.0291,
|
| 184 |
+
"step": 25
|
| 185 |
+
},
|
| 186 |
+
{
|
| 187 |
+
"epoch": 0.43333333333333335,
|
| 188 |
+
"grad_norm": 0.03966755661083611,
|
| 189 |
+
"learning_rate": 4.7955402672006854e-05,
|
| 190 |
+
"loss": 0.0191,
|
| 191 |
+
"step": 26
|
| 192 |
+
},
|
| 193 |
+
{
|
| 194 |
+
"epoch": 0.45,
|
| 195 |
+
"grad_norm": 0.027977314930774745,
|
| 196 |
+
"learning_rate": 4.765769467591625e-05,
|
| 197 |
+
"loss": 0.0236,
|
| 198 |
+
"step": 27
|
| 199 |
+
},
|
| 200 |
+
{
|
| 201 |
+
"epoch": 0.4666666666666667,
|
| 202 |
+
"grad_norm": 0.0376610255278666,
|
| 203 |
+
"learning_rate": 4.734081600808531e-05,
|
| 204 |
+
"loss": 0.0375,
|
| 205 |
+
"step": 28
|
| 206 |
+
},
|
| 207 |
+
{
|
| 208 |
+
"epoch": 0.48333333333333334,
|
| 209 |
+
"grad_norm": 0.039507227833144774,
|
| 210 |
+
"learning_rate": 4.700503477950278e-05,
|
| 211 |
+
"loss": 0.0301,
|
| 212 |
+
"step": 29
|
| 213 |
+
},
|
| 214 |
+
{
|
| 215 |
+
"epoch": 0.5,
|
| 216 |
+
"grad_norm": 0.054474199510495536,
|
| 217 |
+
"learning_rate": 4.665063509461097e-05,
|
| 218 |
+
"loss": 0.0498,
|
| 219 |
+
"step": 30
|
| 220 |
+
},
|
| 221 |
+
{
|
| 222 |
+
"epoch": 0.5166666666666667,
|
| 223 |
+
"grad_norm": 0.034047084156415955,
|
| 224 |
+
"learning_rate": 4.627791681092499e-05,
|
| 225 |
+
"loss": 0.0225,
|
| 226 |
+
"step": 31
|
| 227 |
+
},
|
| 228 |
+
{
|
| 229 |
+
"epoch": 0.5333333333333333,
|
| 230 |
+
"grad_norm": 0.04149988647699434,
|
| 231 |
+
"learning_rate": 4.588719528532342e-05,
|
| 232 |
+
"loss": 0.0233,
|
| 233 |
+
"step": 32
|
| 234 |
+
},
|
| 235 |
+
{
|
| 236 |
+
"epoch": 0.55,
|
| 237 |
+
"grad_norm": 0.02557096276097297,
|
| 238 |
+
"learning_rate": 4.54788011072248e-05,
|
| 239 |
+
"loss": 0.0208,
|
| 240 |
+
"step": 33
|
| 241 |
+
},
|
| 242 |
+
{
|
| 243 |
+
"epoch": 0.5666666666666667,
|
| 244 |
+
"grad_norm": 0.05297880750156102,
|
| 245 |
+
"learning_rate": 4.50530798188761e-05,
|
| 246 |
+
"loss": 0.0503,
|
| 247 |
+
"step": 34
|
| 248 |
+
},
|
| 249 |
+
{
|
| 250 |
+
"epoch": 0.5833333333333334,
|
| 251 |
+
"grad_norm": 0.03241692695784168,
|
| 252 |
+
"learning_rate": 4.4610391622989396e-05,
|
| 253 |
+
"loss": 0.0204,
|
| 254 |
+
"step": 35
|
| 255 |
+
},
|
| 256 |
+
{
|
| 257 |
+
"epoch": 0.6,
|
| 258 |
+
"grad_norm": 0.031789230930039034,
|
| 259 |
+
"learning_rate": 4.415111107797445e-05,
|
| 260 |
+
"loss": 0.0223,
|
| 261 |
+
"step": 36
|
| 262 |
+
},
|
| 263 |
+
{
|
| 264 |
+
"epoch": 0.6166666666666667,
|
| 265 |
+
"grad_norm": 0.09163975585614548,
|
| 266 |
+
"learning_rate": 4.36756267810249e-05,
|
| 267 |
+
"loss": 0.0543,
|
| 268 |
+
"step": 37
|
| 269 |
+
},
|
| 270 |
+
{
|
| 271 |
+
"epoch": 0.6333333333333333,
|
| 272 |
+
"grad_norm": 0.04237240403102959,
|
| 273 |
+
"learning_rate": 4.318434103932622e-05,
|
| 274 |
+
"loss": 0.0213,
|
| 275 |
+
"step": 38
|
| 276 |
+
},
|
| 277 |
+
{
|
| 278 |
+
"epoch": 0.65,
|
| 279 |
+
"grad_norm": 0.038433227869473605,
|
| 280 |
+
"learning_rate": 4.267766952966369e-05,
|
| 281 |
+
"loss": 0.0229,
|
| 282 |
+
"step": 39
|
| 283 |
+
},
|
| 284 |
+
{
|
| 285 |
+
"epoch": 0.6666666666666666,
|
| 286 |
+
"grad_norm": 0.061322227427647834,
|
| 287 |
+
"learning_rate": 4.215604094671835e-05,
|
| 288 |
+
"loss": 0.0457,
|
| 289 |
+
"step": 40
|
| 290 |
+
},
|
| 291 |
+
{
|
| 292 |
+
"epoch": 0.6833333333333333,
|
| 293 |
+
"grad_norm": 0.029307088218105272,
|
| 294 |
+
"learning_rate": 4.1619896640348445e-05,
|
| 295 |
+
"loss": 0.0143,
|
| 296 |
+
"step": 41
|
| 297 |
+
},
|
| 298 |
+
{
|
| 299 |
+
"epoch": 0.7,
|
| 300 |
+
"grad_norm": 0.022936051386415447,
|
| 301 |
+
"learning_rate": 4.1069690242163484e-05,
|
| 302 |
+
"loss": 0.0126,
|
| 303 |
+
"step": 42
|
| 304 |
+
},
|
| 305 |
+
{
|
| 306 |
+
"epoch": 0.7166666666666667,
|
| 307 |
+
"grad_norm": 0.07658833688112006,
|
| 308 |
+
"learning_rate": 4.05058872817065e-05,
|
| 309 |
+
"loss": 0.0754,
|
| 310 |
+
"step": 43
|
| 311 |
+
},
|
| 312 |
+
{
|
| 313 |
+
"epoch": 0.7333333333333333,
|
| 314 |
+
"grad_norm": 0.037676215687386765,
|
| 315 |
+
"learning_rate": 3.9928964792569655e-05,
|
| 316 |
+
"loss": 0.0236,
|
| 317 |
+
"step": 44
|
| 318 |
+
},
|
| 319 |
+
{
|
| 320 |
+
"epoch": 0.75,
|
| 321 |
+
"grad_norm": 0.06215415347689673,
|
| 322 |
+
"learning_rate": 3.933941090877615e-05,
|
| 323 |
+
"loss": 0.0467,
|
| 324 |
+
"step": 45
|
| 325 |
+
},
|
| 326 |
+
{
|
| 327 |
+
"epoch": 0.7666666666666667,
|
| 328 |
+
"grad_norm": 0.028019464294679285,
|
| 329 |
+
"learning_rate": 3.873772445177015e-05,
|
| 330 |
+
"loss": 0.0153,
|
| 331 |
+
"step": 46
|
| 332 |
+
},
|
| 333 |
+
{
|
| 334 |
+
"epoch": 0.7833333333333333,
|
| 335 |
+
"grad_norm": 0.04220821981679396,
|
| 336 |
+
"learning_rate": 3.8124414508364e-05,
|
| 337 |
+
"loss": 0.0183,
|
| 338 |
+
"step": 47
|
| 339 |
+
},
|
| 340 |
+
{
|
| 341 |
+
"epoch": 0.8,
|
| 342 |
+
"grad_norm": 0.051205067038937485,
|
| 343 |
+
"learning_rate": 3.7500000000000003e-05,
|
| 344 |
+
"loss": 0.0387,
|
| 345 |
+
"step": 48
|
| 346 |
+
},
|
| 347 |
+
{
|
| 348 |
+
"epoch": 0.8166666666666667,
|
| 349 |
+
"grad_norm": 0.029870905431265686,
|
| 350 |
+
"learning_rate": 3.686500924369101e-05,
|
| 351 |
+
"loss": 0.0195,
|
| 352 |
+
"step": 49
|
| 353 |
+
},
|
| 354 |
+
{
|
| 355 |
+
"epoch": 0.8333333333333334,
|
| 356 |
+
"grad_norm": 0.024478518183322393,
|
| 357 |
+
"learning_rate": 3.621997950501156e-05,
|
| 358 |
+
"loss": 0.0125,
|
| 359 |
+
"step": 50
|
| 360 |
+
},
|
| 361 |
+
{
|
| 362 |
+
"epoch": 0.85,
|
| 363 |
+
"grad_norm": 0.06425234214970503,
|
| 364 |
+
"learning_rate": 3.556545654351749e-05,
|
| 365 |
+
"loss": 0.0452,
|
| 366 |
+
"step": 51
|
| 367 |
+
},
|
| 368 |
+
{
|
| 369 |
+
"epoch": 0.8666666666666667,
|
| 370 |
+
"grad_norm": 0.060249490179085215,
|
| 371 |
+
"learning_rate": 3.490199415097892e-05,
|
| 372 |
+
"loss": 0.0432,
|
| 373 |
+
"step": 52
|
| 374 |
+
},
|
| 375 |
+
{
|
| 376 |
+
"epoch": 0.8833333333333333,
|
| 377 |
+
"grad_norm": 0.03993944750618337,
|
| 378 |
+
"learning_rate": 3.423015368281711e-05,
|
| 379 |
+
"loss": 0.0214,
|
| 380 |
+
"step": 53
|
| 381 |
+
},
|
| 382 |
+
{
|
| 383 |
+
"epoch": 0.9,
|
| 384 |
+
"grad_norm": 0.05305682509824997,
|
| 385 |
+
"learning_rate": 3.355050358314172e-05,
|
| 386 |
+
"loss": 0.0295,
|
| 387 |
+
"step": 54
|
| 388 |
+
},
|
| 389 |
+
{
|
| 390 |
+
"epoch": 0.9166666666666666,
|
| 391 |
+
"grad_norm": 0.043309758489262724,
|
| 392 |
+
"learning_rate": 3.2863618903790346e-05,
|
| 393 |
+
"loss": 0.0116,
|
| 394 |
+
"step": 55
|
| 395 |
+
},
|
| 396 |
+
{
|
| 397 |
+
"epoch": 0.9333333333333333,
|
| 398 |
+
"grad_norm": 0.05029945068435243,
|
| 399 |
+
"learning_rate": 3.217008081777726e-05,
|
| 400 |
+
"loss": 0.0137,
|
| 401 |
+
"step": 56
|
| 402 |
+
},
|
| 403 |
+
{
|
| 404 |
+
"epoch": 0.95,
|
| 405 |
+
"grad_norm": 0.03165935886021689,
|
| 406 |
+
"learning_rate": 3.147047612756302e-05,
|
| 407 |
+
"loss": 0.0105,
|
| 408 |
+
"step": 57
|
| 409 |
+
},
|
| 410 |
+
{
|
| 411 |
+
"epoch": 0.9666666666666667,
|
| 412 |
+
"grad_norm": 0.036765703778937175,
|
| 413 |
+
"learning_rate": 3.076539676856101e-05,
|
| 414 |
+
"loss": 0.0117,
|
| 415 |
+
"step": 58
|
| 416 |
+
},
|
| 417 |
+
{
|
| 418 |
+
"epoch": 0.9833333333333333,
|
| 419 |
+
"grad_norm": 0.044008256441346136,
|
| 420 |
+
"learning_rate": 3.0055439308300952e-05,
|
| 421 |
+
"loss": 0.016,
|
| 422 |
+
"step": 59
|
| 423 |
+
},
|
| 424 |
+
{
|
| 425 |
+
"epoch": 1.0,
|
| 426 |
+
"grad_norm": 0.04399005512538931,
|
| 427 |
+
"learning_rate": 2.9341204441673266e-05,
|
| 428 |
+
"loss": 0.0223,
|
| 429 |
+
"step": 60
|
| 430 |
+
},
|
| 431 |
+
{
|
| 432 |
+
"epoch": 1.0,
|
| 433 |
+
"eval_loss": 0.0373697392642498,
|
| 434 |
+
"eval_runtime": 0.4152,
|
| 435 |
+
"eval_samples_per_second": 2.409,
|
| 436 |
+
"eval_steps_per_second": 2.409,
|
| 437 |
+
"step": 60
|
| 438 |
+
},
|
| 439 |
+
{
|
| 440 |
+
"epoch": 1.0166666666666666,
|
| 441 |
+
"grad_norm": 0.037133481892040514,
|
| 442 |
+
"learning_rate": 2.8623296482681166e-05,
|
| 443 |
+
"loss": 0.013,
|
| 444 |
+
"step": 61
|
| 445 |
+
},
|
| 446 |
+
{
|
| 447 |
+
"epoch": 1.0333333333333334,
|
| 448 |
+
"grad_norm": 0.04497729934240487,
|
| 449 |
+
"learning_rate": 2.7902322853130757e-05,
|
| 450 |
+
"loss": 0.0216,
|
| 451 |
+
"step": 62
|
| 452 |
+
},
|
| 453 |
+
{
|
| 454 |
+
"epoch": 1.05,
|
| 455 |
+
"grad_norm": 0.03831977031555312,
|
| 456 |
+
"learning_rate": 2.717889356869146e-05,
|
| 457 |
+
"loss": 0.0236,
|
| 458 |
+
"step": 63
|
| 459 |
+
},
|
| 460 |
+
{
|
| 461 |
+
"epoch": 1.0666666666666667,
|
| 462 |
+
"grad_norm": 0.020996179804174984,
|
| 463 |
+
"learning_rate": 2.6453620722761896e-05,
|
| 464 |
+
"loss": 0.0066,
|
| 465 |
+
"step": 64
|
| 466 |
+
},
|
| 467 |
+
{
|
| 468 |
+
"epoch": 1.0833333333333333,
|
| 469 |
+
"grad_norm": 0.0448285474215798,
|
| 470 |
+
"learning_rate": 2.5727117968577784e-05,
|
| 471 |
+
"loss": 0.0255,
|
| 472 |
+
"step": 65
|
| 473 |
+
},
|
| 474 |
+
{
|
| 475 |
+
"epoch": 1.1,
|
| 476 |
+
"grad_norm": 0.027351811004705545,
|
| 477 |
+
"learning_rate": 2.5e-05,
|
| 478 |
+
"loss": 0.0093,
|
| 479 |
+
"step": 66
|
| 480 |
+
},
|
| 481 |
+
{
|
| 482 |
+
"epoch": 1.1166666666666667,
|
| 483 |
+
"grad_norm": 0.03820675587650992,
|
| 484 |
+
"learning_rate": 2.4272882031422215e-05,
|
| 485 |
+
"loss": 0.0222,
|
| 486 |
+
"step": 67
|
| 487 |
+
},
|
| 488 |
+
{
|
| 489 |
+
"epoch": 1.1333333333333333,
|
| 490 |
+
"grad_norm": 0.02567552327007203,
|
| 491 |
+
"learning_rate": 2.3546379277238107e-05,
|
| 492 |
+
"loss": 0.0063,
|
| 493 |
+
"step": 68
|
| 494 |
+
},
|
| 495 |
+
{
|
| 496 |
+
"epoch": 1.15,
|
| 497 |
+
"grad_norm": 0.023207043476762543,
|
| 498 |
+
"learning_rate": 2.2821106431308544e-05,
|
| 499 |
+
"loss": 0.0069,
|
| 500 |
+
"step": 69
|
| 501 |
+
},
|
| 502 |
+
{
|
| 503 |
+
"epoch": 1.1666666666666667,
|
| 504 |
+
"grad_norm": 0.02669421637100139,
|
| 505 |
+
"learning_rate": 2.2097677146869242e-05,
|
| 506 |
+
"loss": 0.0053,
|
| 507 |
+
"step": 70
|
| 508 |
+
},
|
| 509 |
+
{
|
| 510 |
+
"epoch": 1.1833333333333333,
|
| 511 |
+
"grad_norm": 0.025070674733463198,
|
| 512 |
+
"learning_rate": 2.1376703517318837e-05,
|
| 513 |
+
"loss": 0.011,
|
| 514 |
+
"step": 71
|
| 515 |
+
},
|
| 516 |
+
{
|
| 517 |
+
"epoch": 1.2,
|
| 518 |
+
"grad_norm": 0.03151995798369007,
|
| 519 |
+
"learning_rate": 2.0658795558326743e-05,
|
| 520 |
+
"loss": 0.0086,
|
| 521 |
+
"step": 72
|
| 522 |
+
},
|
| 523 |
+
{
|
| 524 |
+
"epoch": 1.2166666666666668,
|
| 525 |
+
"grad_norm": 0.02673178326782079,
|
| 526 |
+
"learning_rate": 1.9944560691699057e-05,
|
| 527 |
+
"loss": 0.0069,
|
| 528 |
+
"step": 73
|
| 529 |
+
},
|
| 530 |
+
{
|
| 531 |
+
"epoch": 1.2333333333333334,
|
| 532 |
+
"grad_norm": 0.04834068529611499,
|
| 533 |
+
"learning_rate": 1.9234603231438995e-05,
|
| 534 |
+
"loss": 0.0124,
|
| 535 |
+
"step": 74
|
| 536 |
+
},
|
| 537 |
+
{
|
| 538 |
+
"epoch": 1.25,
|
| 539 |
+
"grad_norm": 0.032690938131770333,
|
| 540 |
+
"learning_rate": 1.852952387243698e-05,
|
| 541 |
+
"loss": 0.0097,
|
| 542 |
+
"step": 75
|
| 543 |
+
},
|
| 544 |
+
{
|
| 545 |
+
"epoch": 1.2666666666666666,
|
| 546 |
+
"grad_norm": 0.02250262879831173,
|
| 547 |
+
"learning_rate": 1.7829919182222752e-05,
|
| 548 |
+
"loss": 0.0071,
|
| 549 |
+
"step": 76
|
| 550 |
+
},
|
| 551 |
+
{
|
| 552 |
+
"epoch": 1.2833333333333332,
|
| 553 |
+
"grad_norm": 0.022663730453488885,
|
| 554 |
+
"learning_rate": 1.7136381096209664e-05,
|
| 555 |
+
"loss": 0.005,
|
| 556 |
+
"step": 77
|
| 557 |
+
},
|
| 558 |
+
{
|
| 559 |
+
"epoch": 1.3,
|
| 560 |
+
"grad_norm": 0.04042460539577997,
|
| 561 |
+
"learning_rate": 1.6449496416858284e-05,
|
| 562 |
+
"loss": 0.0099,
|
| 563 |
+
"step": 78
|
| 564 |
+
},
|
| 565 |
+
{
|
| 566 |
+
"epoch": 1.3166666666666667,
|
| 567 |
+
"grad_norm": 0.016943939145619667,
|
| 568 |
+
"learning_rate": 1.5769846317182893e-05,
|
| 569 |
+
"loss": 0.0033,
|
| 570 |
+
"step": 79
|
| 571 |
+
},
|
| 572 |
+
{
|
| 573 |
+
"epoch": 1.3333333333333333,
|
| 574 |
+
"grad_norm": 0.030207079287355817,
|
| 575 |
+
"learning_rate": 1.509800584902108e-05,
|
| 576 |
+
"loss": 0.0079,
|
| 577 |
+
"step": 80
|
| 578 |
+
},
|
| 579 |
+
{
|
| 580 |
+
"epoch": 1.35,
|
| 581 |
+
"grad_norm": 0.052656185365865624,
|
| 582 |
+
"learning_rate": 1.443454345648252e-05,
|
| 583 |
+
"loss": 0.027,
|
| 584 |
+
"step": 81
|
| 585 |
+
},
|
| 586 |
+
{
|
| 587 |
+
"epoch": 1.3666666666666667,
|
| 588 |
+
"grad_norm": 0.0497250362640235,
|
| 589 |
+
"learning_rate": 1.3780020494988446e-05,
|
| 590 |
+
"loss": 0.0143,
|
| 591 |
+
"step": 82
|
| 592 |
+
},
|
| 593 |
+
{
|
| 594 |
+
"epoch": 1.3833333333333333,
|
| 595 |
+
"grad_norm": 0.021663721918114456,
|
| 596 |
+
"learning_rate": 1.313499075630899e-05,
|
| 597 |
+
"loss": 0.0054,
|
| 598 |
+
"step": 83
|
| 599 |
+
},
|
| 600 |
+
{
|
| 601 |
+
"epoch": 1.4,
|
| 602 |
+
"grad_norm": 0.042146167692867276,
|
| 603 |
+
"learning_rate": 1.2500000000000006e-05,
|
| 604 |
+
"loss": 0.0086,
|
| 605 |
+
"step": 84
|
| 606 |
+
},
|
| 607 |
+
{
|
| 608 |
+
"epoch": 1.4166666666666667,
|
| 609 |
+
"grad_norm": 0.017363385328503626,
|
| 610 |
+
"learning_rate": 1.1875585491636e-05,
|
| 611 |
+
"loss": 0.0047,
|
| 612 |
+
"step": 85
|
| 613 |
+
},
|
| 614 |
+
{
|
| 615 |
+
"epoch": 1.4333333333333333,
|
| 616 |
+
"grad_norm": 0.046140550247183644,
|
| 617 |
+
"learning_rate": 1.126227554822985e-05,
|
| 618 |
+
"loss": 0.0199,
|
| 619 |
+
"step": 86
|
| 620 |
+
},
|
| 621 |
+
{
|
| 622 |
+
"epoch": 1.45,
|
| 623 |
+
"grad_norm": 0.11631571582402989,
|
| 624 |
+
"learning_rate": 1.0660589091223855e-05,
|
| 625 |
+
"loss": 0.0219,
|
| 626 |
+
"step": 87
|
| 627 |
+
},
|
| 628 |
+
{
|
| 629 |
+
"epoch": 1.4666666666666668,
|
| 630 |
+
"grad_norm": 0.06934377482076469,
|
| 631 |
+
"learning_rate": 1.0071035207430352e-05,
|
| 632 |
+
"loss": 0.0182,
|
| 633 |
+
"step": 88
|
| 634 |
+
},
|
| 635 |
+
{
|
| 636 |
+
"epoch": 1.4833333333333334,
|
| 637 |
+
"grad_norm": 0.05093725494680462,
|
| 638 |
+
"learning_rate": 9.494112718293501e-06,
|
| 639 |
+
"loss": 0.015,
|
| 640 |
+
"step": 89
|
| 641 |
+
},
|
| 642 |
+
{
|
| 643 |
+
"epoch": 1.5,
|
| 644 |
+
"grad_norm": 0.04493724698985179,
|
| 645 |
+
"learning_rate": 8.930309757836517e-06,
|
| 646 |
+
"loss": 0.0168,
|
| 647 |
+
"step": 90
|
| 648 |
+
},
|
| 649 |
+
{
|
| 650 |
+
"epoch": 1.5166666666666666,
|
| 651 |
+
"grad_norm": 0.06911047964567629,
|
| 652 |
+
"learning_rate": 8.380103359651553e-06,
|
| 653 |
+
"loss": 0.0171,
|
| 654 |
+
"step": 91
|
| 655 |
+
},
|
| 656 |
+
{
|
| 657 |
+
"epoch": 1.5333333333333332,
|
| 658 |
+
"grad_norm": 0.04707044793228012,
|
| 659 |
+
"learning_rate": 7.843959053281663e-06,
|
| 660 |
+
"loss": 0.0145,
|
| 661 |
+
"step": 92
|
| 662 |
+
},
|
| 663 |
+
{
|
| 664 |
+
"epoch": 1.55,
|
| 665 |
+
"grad_norm": 0.028551442066085193,
|
| 666 |
+
"learning_rate": 7.3223304703363135e-06,
|
| 667 |
+
"loss": 0.0071,
|
| 668 |
+
"step": 93
|
| 669 |
+
},
|
| 670 |
+
{
|
| 671 |
+
"epoch": 1.5666666666666667,
|
| 672 |
+
"grad_norm": 0.03087656444597174,
|
| 673 |
+
"learning_rate": 6.815658960673782e-06,
|
| 674 |
+
"loss": 0.0082,
|
| 675 |
+
"step": 94
|
| 676 |
+
},
|
| 677 |
+
{
|
| 678 |
+
"epoch": 1.5833333333333335,
|
| 679 |
+
"grad_norm": 0.012750645976565285,
|
| 680 |
+
"learning_rate": 6.324373218975105e-06,
|
| 681 |
+
"loss": 0.0019,
|
| 682 |
+
"step": 95
|
| 683 |
+
},
|
| 684 |
+
{
|
| 685 |
+
"epoch": 1.6,
|
| 686 |
+
"grad_norm": 0.02449196736617268,
|
| 687 |
+
"learning_rate": 5.848888922025553e-06,
|
| 688 |
+
"loss": 0.0036,
|
| 689 |
+
"step": 96
|
| 690 |
+
},
|
| 691 |
+
{
|
| 692 |
+
"epoch": 1.6166666666666667,
|
| 693 |
+
"grad_norm": 0.017517015560072235,
|
| 694 |
+
"learning_rate": 5.389608377010608e-06,
|
| 695 |
+
"loss": 0.004,
|
| 696 |
+
"step": 97
|
| 697 |
+
},
|
| 698 |
+
{
|
| 699 |
+
"epoch": 1.6333333333333333,
|
| 700 |
+
"grad_norm": 0.01623227924717082,
|
| 701 |
+
"learning_rate": 4.946920181123904e-06,
|
| 702 |
+
"loss": 0.0031,
|
| 703 |
+
"step": 98
|
| 704 |
+
},
|
| 705 |
+
{
|
| 706 |
+
"epoch": 1.65,
|
| 707 |
+
"grad_norm": 0.11257763379879959,
|
| 708 |
+
"learning_rate": 4.521198892775203e-06,
|
| 709 |
+
"loss": 0.0434,
|
| 710 |
+
"step": 99
|
| 711 |
+
},
|
| 712 |
+
{
|
| 713 |
+
"epoch": 1.6666666666666665,
|
| 714 |
+
"grad_norm": 0.060311955245701675,
|
| 715 |
+
"learning_rate": 4.112804714676594e-06,
|
| 716 |
+
"loss": 0.0242,
|
| 717 |
+
"step": 100
|
| 718 |
+
},
|
| 719 |
+
{
|
| 720 |
+
"epoch": 1.6833333333333333,
|
| 721 |
+
"grad_norm": 0.16931823577796679,
|
| 722 |
+
"learning_rate": 3.7220831890750067e-06,
|
| 723 |
+
"loss": 0.0203,
|
| 724 |
+
"step": 101
|
| 725 |
+
},
|
| 726 |
+
{
|
| 727 |
+
"epoch": 1.7,
|
| 728 |
+
"grad_norm": 0.05390891274686803,
|
| 729 |
+
"learning_rate": 3.3493649053890326e-06,
|
| 730 |
+
"loss": 0.0099,
|
| 731 |
+
"step": 102
|
| 732 |
+
},
|
| 733 |
+
{
|
| 734 |
+
"epoch": 1.7166666666666668,
|
| 735 |
+
"grad_norm": 0.07845161240666386,
|
| 736 |
+
"learning_rate": 2.9949652204972254e-06,
|
| 737 |
+
"loss": 0.0208,
|
| 738 |
+
"step": 103
|
| 739 |
+
},
|
| 740 |
+
{
|
| 741 |
+
"epoch": 1.7333333333333334,
|
| 742 |
+
"grad_norm": 0.022188817084095064,
|
| 743 |
+
"learning_rate": 2.659183991914696e-06,
|
| 744 |
+
"loss": 0.0021,
|
| 745 |
+
"step": 104
|
| 746 |
+
},
|
| 747 |
+
{
|
| 748 |
+
"epoch": 1.75,
|
| 749 |
+
"grad_norm": 0.045194097552994555,
|
| 750 |
+
"learning_rate": 2.3423053240837515e-06,
|
| 751 |
+
"loss": 0.0145,
|
| 752 |
+
"step": 105
|
| 753 |
+
},
|
| 754 |
+
{
|
| 755 |
+
"epoch": 1.7666666666666666,
|
| 756 |
+
"grad_norm": 0.04320010676543297,
|
| 757 |
+
"learning_rate": 2.044597327993153e-06,
|
| 758 |
+
"loss": 0.007,
|
| 759 |
+
"step": 106
|
| 760 |
+
},
|
| 761 |
+
{
|
| 762 |
+
"epoch": 1.7833333333333332,
|
| 763 |
+
"grad_norm": 0.03998232231315256,
|
| 764 |
+
"learning_rate": 1.7663118943294366e-06,
|
| 765 |
+
"loss": 0.0121,
|
| 766 |
+
"step": 107
|
| 767 |
+
},
|
| 768 |
+
{
|
| 769 |
+
"epoch": 1.8,
|
| 770 |
+
"grad_norm": 0.02036932629359332,
|
| 771 |
+
"learning_rate": 1.5076844803522922e-06,
|
| 772 |
+
"loss": 0.0046,
|
| 773 |
+
"step": 108
|
| 774 |
+
},
|
| 775 |
+
{
|
| 776 |
+
"epoch": 1.8166666666666667,
|
| 777 |
+
"grad_norm": 0.012776871070684358,
|
| 778 |
+
"learning_rate": 1.2689339106741527e-06,
|
| 779 |
+
"loss": 0.0023,
|
| 780 |
+
"step": 109
|
| 781 |
+
},
|
| 782 |
+
{
|
| 783 |
+
"epoch": 1.8333333333333335,
|
| 784 |
+
"grad_norm": 0.04885025476573013,
|
| 785 |
+
"learning_rate": 1.0502621921127776e-06,
|
| 786 |
+
"loss": 0.01,
|
| 787 |
+
"step": 110
|
| 788 |
+
},
|
| 789 |
+
{
|
| 790 |
+
"epoch": 1.85,
|
| 791 |
+
"grad_norm": 0.013048452680092035,
|
| 792 |
+
"learning_rate": 8.51854342773295e-07,
|
| 793 |
+
"loss": 0.0021,
|
| 794 |
+
"step": 111
|
| 795 |
+
},
|
| 796 |
+
{
|
| 797 |
+
"epoch": 1.8666666666666667,
|
| 798 |
+
"grad_norm": 0.01577143442530727,
|
| 799 |
+
"learning_rate": 6.738782355044049e-07,
|
| 800 |
+
"loss": 0.0036,
|
| 801 |
+
"step": 112
|
| 802 |
+
},
|
| 803 |
+
{
|
| 804 |
+
"epoch": 1.8833333333333333,
|
| 805 |
+
"grad_norm": 0.0239932320615818,
|
| 806 |
+
"learning_rate": 5.164844558612131e-07,
|
| 807 |
+
"loss": 0.0052,
|
| 808 |
+
"step": 113
|
| 809 |
+
},
|
| 810 |
+
{
|
| 811 |
+
"epoch": 1.9,
|
| 812 |
+
"grad_norm": 0.006170123542353716,
|
| 813 |
+
"learning_rate": 3.7980617469479953e-07,
|
| 814 |
+
"loss": 0.0006,
|
| 815 |
+
"step": 114
|
| 816 |
+
},
|
| 817 |
+
{
|
| 818 |
+
"epoch": 1.9166666666666665,
|
| 819 |
+
"grad_norm": 0.020277542430267054,
|
| 820 |
+
"learning_rate": 2.6395903547638825e-07,
|
| 821 |
+
"loss": 0.0027,
|
| 822 |
+
"step": 115
|
| 823 |
+
},
|
| 824 |
+
{
|
| 825 |
+
"epoch": 1.9333333333333333,
|
| 826 |
+
"grad_norm": 0.016294524791986845,
|
| 827 |
+
"learning_rate": 1.6904105645142444e-07,
|
| 828 |
+
"loss": 0.0028,
|
| 829 |
+
"step": 116
|
| 830 |
+
},
|
| 831 |
+
{
|
| 832 |
+
"epoch": 1.95,
|
| 833 |
+
"grad_norm": 0.03362862102640842,
|
| 834 |
+
"learning_rate": 9.513254770636137e-08,
|
| 835 |
+
"loss": 0.0057,
|
| 836 |
+
"step": 117
|
| 837 |
+
},
|
| 838 |
+
{
|
| 839 |
+
"epoch": 1.9666666666666668,
|
| 840 |
+
"grad_norm": 0.003932878635129191,
|
| 841 |
+
"learning_rate": 4.229604321829561e-08,
|
| 842 |
+
"loss": 0.0004,
|
| 843 |
+
"step": 118
|
| 844 |
+
},
|
| 845 |
+
{
|
| 846 |
+
"epoch": 1.9833333333333334,
|
| 847 |
+
"grad_norm": 0.07246901106530362,
|
| 848 |
+
"learning_rate": 1.0576247944985018e-08,
|
| 849 |
+
"loss": 0.0284,
|
| 850 |
+
"step": 119
|
| 851 |
+
},
|
| 852 |
+
{
|
| 853 |
+
"epoch": 2.0,
|
| 854 |
+
"grad_norm": 0.049463984848335224,
|
| 855 |
+
"learning_rate": 0.0,
|
| 856 |
+
"loss": 0.014,
|
| 857 |
+
"step": 120
|
| 858 |
+
},
|
| 859 |
+
{
|
| 860 |
+
"epoch": 2.0,
|
| 861 |
+
"eval_loss": 0.049386005848646164,
|
| 862 |
+
"eval_runtime": 1.3963,
|
| 863 |
+
"eval_samples_per_second": 0.716,
|
| 864 |
+
"eval_steps_per_second": 0.716,
|
| 865 |
+
"step": 120
|
| 866 |
+
},
|
| 867 |
+
{
|
| 868 |
+
"epoch": 2.0,
|
| 869 |
+
"step": 120,
|
| 870 |
+
"total_flos": 904636661760.0,
|
| 871 |
+
"train_loss": 0.023700654555674796,
|
| 872 |
+
"train_runtime": 290.5243,
|
| 873 |
+
"train_samples_per_second": 0.826,
|
| 874 |
+
"train_steps_per_second": 0.413
|
| 875 |
+
}
|
| 876 |
+
],
|
| 877 |
+
"logging_steps": 1,
|
| 878 |
+
"max_steps": 120,
|
| 879 |
+
"num_input_tokens_seen": 0,
|
| 880 |
+
"num_train_epochs": 2,
|
| 881 |
+
"save_steps": 500,
|
| 882 |
+
"stateful_callbacks": {
|
| 883 |
+
"TrainerControl": {
|
| 884 |
+
"args": {
|
| 885 |
+
"should_epoch_stop": false,
|
| 886 |
+
"should_evaluate": false,
|
| 887 |
+
"should_log": false,
|
| 888 |
+
"should_save": true,
|
| 889 |
+
"should_training_stop": true
|
| 890 |
+
},
|
| 891 |
+
"attributes": {}
|
| 892 |
+
}
|
| 893 |
+
},
|
| 894 |
+
"total_flos": 904636661760.0,
|
| 895 |
+
"train_batch_size": 2,
|
| 896 |
+
"trial_name": null,
|
| 897 |
+
"trial_params": null
|
| 898 |
+
}
|