Upload trainer_state.json with huggingface_hub
Browse files- trainer_state.json +734 -0
trainer_state.json
ADDED
|
@@ -0,0 +1,734 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_global_step": null,
|
| 3 |
+
"best_metric": null,
|
| 4 |
+
"best_model_checkpoint": null,
|
| 5 |
+
"epoch": 1.3333333333333333,
|
| 6 |
+
"eval_steps": 500,
|
| 7 |
+
"global_step": 100,
|
| 8 |
+
"is_hyper_param_search": false,
|
| 9 |
+
"is_local_process_zero": true,
|
| 10 |
+
"is_world_process_zero": true,
|
| 11 |
+
"log_history": [
|
| 12 |
+
{
|
| 13 |
+
"epoch": 0.013333333333333334,
|
| 14 |
+
"grad_norm": 0.8440026640892029,
|
| 15 |
+
"learning_rate": 0.0,
|
| 16 |
+
"loss": 2.0703,
|
| 17 |
+
"step": 1
|
| 18 |
+
},
|
| 19 |
+
{
|
| 20 |
+
"epoch": 0.02666666666666667,
|
| 21 |
+
"grad_norm": 0.8205575346946716,
|
| 22 |
+
"learning_rate": 4e-05,
|
| 23 |
+
"loss": 1.7615,
|
| 24 |
+
"step": 2
|
| 25 |
+
},
|
| 26 |
+
{
|
| 27 |
+
"epoch": 0.04,
|
| 28 |
+
"grad_norm": 0.8870009779930115,
|
| 29 |
+
"learning_rate": 8e-05,
|
| 30 |
+
"loss": 1.7709,
|
| 31 |
+
"step": 3
|
| 32 |
+
},
|
| 33 |
+
{
|
| 34 |
+
"epoch": 0.05333333333333334,
|
| 35 |
+
"grad_norm": 0.8464481234550476,
|
| 36 |
+
"learning_rate": 0.00012,
|
| 37 |
+
"loss": 1.6095,
|
| 38 |
+
"step": 4
|
| 39 |
+
},
|
| 40 |
+
{
|
| 41 |
+
"epoch": 0.06666666666666667,
|
| 42 |
+
"grad_norm": 0.9339048862457275,
|
| 43 |
+
"learning_rate": 0.00016,
|
| 44 |
+
"loss": 1.7009,
|
| 45 |
+
"step": 5
|
| 46 |
+
},
|
| 47 |
+
{
|
| 48 |
+
"epoch": 0.08,
|
| 49 |
+
"grad_norm": 0.8801436424255371,
|
| 50 |
+
"learning_rate": 0.0002,
|
| 51 |
+
"loss": 1.7275,
|
| 52 |
+
"step": 6
|
| 53 |
+
},
|
| 54 |
+
{
|
| 55 |
+
"epoch": 0.09333333333333334,
|
| 56 |
+
"grad_norm": 0.8814226388931274,
|
| 57 |
+
"learning_rate": 0.00019994532573409262,
|
| 58 |
+
"loss": 1.7187,
|
| 59 |
+
"step": 7
|
| 60 |
+
},
|
| 61 |
+
{
|
| 62 |
+
"epoch": 0.10666666666666667,
|
| 63 |
+
"grad_norm": 0.9567201733589172,
|
| 64 |
+
"learning_rate": 0.00019978136272187747,
|
| 65 |
+
"loss": 1.5729,
|
| 66 |
+
"step": 8
|
| 67 |
+
},
|
| 68 |
+
{
|
| 69 |
+
"epoch": 0.12,
|
| 70 |
+
"grad_norm": 0.9291136860847473,
|
| 71 |
+
"learning_rate": 0.00019950829025450114,
|
| 72 |
+
"loss": 1.7834,
|
| 73 |
+
"step": 9
|
| 74 |
+
},
|
| 75 |
+
{
|
| 76 |
+
"epoch": 0.13333333333333333,
|
| 77 |
+
"grad_norm": 0.8355920314788818,
|
| 78 |
+
"learning_rate": 0.00019912640693269752,
|
| 79 |
+
"loss": 1.6865,
|
| 80 |
+
"step": 10
|
| 81 |
+
},
|
| 82 |
+
{
|
| 83 |
+
"epoch": 0.14666666666666667,
|
| 84 |
+
"grad_norm": 0.9413231015205383,
|
| 85 |
+
"learning_rate": 0.00019863613034027224,
|
| 86 |
+
"loss": 1.67,
|
| 87 |
+
"step": 11
|
| 88 |
+
},
|
| 89 |
+
{
|
| 90 |
+
"epoch": 0.16,
|
| 91 |
+
"grad_norm": 0.9365332126617432,
|
| 92 |
+
"learning_rate": 0.00019803799658748094,
|
| 93 |
+
"loss": 1.7805,
|
| 94 |
+
"step": 12
|
| 95 |
+
},
|
| 96 |
+
{
|
| 97 |
+
"epoch": 0.17333333333333334,
|
| 98 |
+
"grad_norm": 0.8937055468559265,
|
| 99 |
+
"learning_rate": 0.0001973326597248006,
|
| 100 |
+
"loss": 1.7198,
|
| 101 |
+
"step": 13
|
| 102 |
+
},
|
| 103 |
+
{
|
| 104 |
+
"epoch": 0.18666666666666668,
|
| 105 |
+
"grad_norm": 0.9279404878616333,
|
| 106 |
+
"learning_rate": 0.00019652089102773488,
|
| 107 |
+
"loss": 1.5964,
|
| 108 |
+
"step": 14
|
| 109 |
+
},
|
| 110 |
+
{
|
| 111 |
+
"epoch": 0.2,
|
| 112 |
+
"grad_norm": 0.9140329360961914,
|
| 113 |
+
"learning_rate": 0.00019560357815343577,
|
| 114 |
+
"loss": 1.5523,
|
| 115 |
+
"step": 15
|
| 116 |
+
},
|
| 117 |
+
{
|
| 118 |
+
"epoch": 0.21333333333333335,
|
| 119 |
+
"grad_norm": 1.0546398162841797,
|
| 120 |
+
"learning_rate": 0.00019458172417006347,
|
| 121 |
+
"loss": 1.4866,
|
| 122 |
+
"step": 16
|
| 123 |
+
},
|
| 124 |
+
{
|
| 125 |
+
"epoch": 0.22666666666666666,
|
| 126 |
+
"grad_norm": 1.0071226358413696,
|
| 127 |
+
"learning_rate": 0.0001934564464599461,
|
| 128 |
+
"loss": 1.3565,
|
| 129 |
+
"step": 17
|
| 130 |
+
},
|
| 131 |
+
{
|
| 132 |
+
"epoch": 0.24,
|
| 133 |
+
"grad_norm": 0.9773914813995361,
|
| 134 |
+
"learning_rate": 0.00019222897549773848,
|
| 135 |
+
"loss": 1.3755,
|
| 136 |
+
"step": 18
|
| 137 |
+
},
|
| 138 |
+
{
|
| 139 |
+
"epoch": 0.25333333333333335,
|
| 140 |
+
"grad_norm": 1.1147329807281494,
|
| 141 |
+
"learning_rate": 0.00019090065350491626,
|
| 142 |
+
"loss": 1.5884,
|
| 143 |
+
"step": 19
|
| 144 |
+
},
|
| 145 |
+
{
|
| 146 |
+
"epoch": 0.26666666666666666,
|
| 147 |
+
"grad_norm": 1.0253920555114746,
|
| 148 |
+
"learning_rate": 0.00018947293298207635,
|
| 149 |
+
"loss": 1.4291,
|
| 150 |
+
"step": 20
|
| 151 |
+
},
|
| 152 |
+
{
|
| 153 |
+
"epoch": 0.28,
|
| 154 |
+
"grad_norm": 1.0929694175720215,
|
| 155 |
+
"learning_rate": 0.0001879473751206489,
|
| 156 |
+
"loss": 1.8566,
|
| 157 |
+
"step": 21
|
| 158 |
+
},
|
| 159 |
+
{
|
| 160 |
+
"epoch": 0.29333333333333333,
|
| 161 |
+
"grad_norm": 1.0458513498306274,
|
| 162 |
+
"learning_rate": 0.00018632564809575742,
|
| 163 |
+
"loss": 1.4776,
|
| 164 |
+
"step": 22
|
| 165 |
+
},
|
| 166 |
+
{
|
| 167 |
+
"epoch": 0.30666666666666664,
|
| 168 |
+
"grad_norm": 1.2224355936050415,
|
| 169 |
+
"learning_rate": 0.00018460952524209355,
|
| 170 |
+
"loss": 1.4635,
|
| 171 |
+
"step": 23
|
| 172 |
+
},
|
| 173 |
+
{
|
| 174 |
+
"epoch": 0.32,
|
| 175 |
+
"grad_norm": 1.1089707612991333,
|
| 176 |
+
"learning_rate": 0.00018280088311480201,
|
| 177 |
+
"loss": 1.3369,
|
| 178 |
+
"step": 24
|
| 179 |
+
},
|
| 180 |
+
{
|
| 181 |
+
"epoch": 0.3333333333333333,
|
| 182 |
+
"grad_norm": 1.172438383102417,
|
| 183 |
+
"learning_rate": 0.00018090169943749476,
|
| 184 |
+
"loss": 1.492,
|
| 185 |
+
"step": 25
|
| 186 |
+
},
|
| 187 |
+
{
|
| 188 |
+
"epoch": 0.3466666666666667,
|
| 189 |
+
"grad_norm": 1.062111258506775,
|
| 190 |
+
"learning_rate": 0.00017891405093963938,
|
| 191 |
+
"loss": 1.4319,
|
| 192 |
+
"step": 26
|
| 193 |
+
},
|
| 194 |
+
{
|
| 195 |
+
"epoch": 0.36,
|
| 196 |
+
"grad_norm": 1.178992748260498,
|
| 197 |
+
"learning_rate": 0.00017684011108568592,
|
| 198 |
+
"loss": 1.5821,
|
| 199 |
+
"step": 27
|
| 200 |
+
},
|
| 201 |
+
{
|
| 202 |
+
"epoch": 0.37333333333333335,
|
| 203 |
+
"grad_norm": 1.0926856994628906,
|
| 204 |
+
"learning_rate": 0.0001746821476984154,
|
| 205 |
+
"loss": 1.6889,
|
| 206 |
+
"step": 28
|
| 207 |
+
},
|
| 208 |
+
{
|
| 209 |
+
"epoch": 0.38666666666666666,
|
| 210 |
+
"grad_norm": 1.0912868976593018,
|
| 211 |
+
"learning_rate": 0.00017244252047910892,
|
| 212 |
+
"loss": 1.7892,
|
| 213 |
+
"step": 29
|
| 214 |
+
},
|
| 215 |
+
{
|
| 216 |
+
"epoch": 0.4,
|
| 217 |
+
"grad_norm": 1.0745105743408203,
|
| 218 |
+
"learning_rate": 0.00017012367842724887,
|
| 219 |
+
"loss": 1.6463,
|
| 220 |
+
"step": 30
|
| 221 |
+
},
|
| 222 |
+
{
|
| 223 |
+
"epoch": 0.41333333333333333,
|
| 224 |
+
"grad_norm": 1.1378589868545532,
|
| 225 |
+
"learning_rate": 0.00016772815716257412,
|
| 226 |
+
"loss": 1.6541,
|
| 227 |
+
"step": 31
|
| 228 |
+
},
|
| 229 |
+
{
|
| 230 |
+
"epoch": 0.4266666666666667,
|
| 231 |
+
"grad_norm": 1.1313064098358154,
|
| 232 |
+
"learning_rate": 0.00016525857615241687,
|
| 233 |
+
"loss": 1.6786,
|
| 234 |
+
"step": 32
|
| 235 |
+
},
|
| 236 |
+
{
|
| 237 |
+
"epoch": 0.44,
|
| 238 |
+
"grad_norm": 1.1693713665008545,
|
| 239 |
+
"learning_rate": 0.0001627176358473537,
|
| 240 |
+
"loss": 1.4162,
|
| 241 |
+
"step": 33
|
| 242 |
+
},
|
| 243 |
+
{
|
| 244 |
+
"epoch": 0.4533333333333333,
|
| 245 |
+
"grad_norm": 1.1788471937179565,
|
| 246 |
+
"learning_rate": 0.00016010811472830252,
|
| 247 |
+
"loss": 1.4484,
|
| 248 |
+
"step": 34
|
| 249 |
+
},
|
| 250 |
+
{
|
| 251 |
+
"epoch": 0.4666666666666667,
|
| 252 |
+
"grad_norm": 1.2727031707763672,
|
| 253 |
+
"learning_rate": 0.00015743286626829437,
|
| 254 |
+
"loss": 1.6479,
|
| 255 |
+
"step": 35
|
| 256 |
+
},
|
| 257 |
+
{
|
| 258 |
+
"epoch": 0.48,
|
| 259 |
+
"grad_norm": 1.1873282194137573,
|
| 260 |
+
"learning_rate": 0.00015469481581224272,
|
| 261 |
+
"loss": 1.153,
|
| 262 |
+
"step": 36
|
| 263 |
+
},
|
| 264 |
+
{
|
| 265 |
+
"epoch": 0.49333333333333335,
|
| 266 |
+
"grad_norm": 1.2361260652542114,
|
| 267 |
+
"learning_rate": 0.00015189695737812152,
|
| 268 |
+
"loss": 1.1911,
|
| 269 |
+
"step": 37
|
| 270 |
+
},
|
| 271 |
+
{
|
| 272 |
+
"epoch": 0.5066666666666667,
|
| 273 |
+
"grad_norm": 1.1538161039352417,
|
| 274 |
+
"learning_rate": 0.00014904235038305083,
|
| 275 |
+
"loss": 1.3722,
|
| 276 |
+
"step": 38
|
| 277 |
+
},
|
| 278 |
+
{
|
| 279 |
+
"epoch": 0.52,
|
| 280 |
+
"grad_norm": 1.2298163175582886,
|
| 281 |
+
"learning_rate": 0.0001461341162978688,
|
| 282 |
+
"loss": 1.6578,
|
| 283 |
+
"step": 39
|
| 284 |
+
},
|
| 285 |
+
{
|
| 286 |
+
"epoch": 0.5333333333333333,
|
| 287 |
+
"grad_norm": 1.2842562198638916,
|
| 288 |
+
"learning_rate": 0.00014317543523384928,
|
| 289 |
+
"loss": 1.488,
|
| 290 |
+
"step": 40
|
| 291 |
+
},
|
| 292 |
+
{
|
| 293 |
+
"epoch": 0.5466666666666666,
|
| 294 |
+
"grad_norm": 1.2733633518218994,
|
| 295 |
+
"learning_rate": 0.00014016954246529696,
|
| 296 |
+
"loss": 1.7913,
|
| 297 |
+
"step": 41
|
| 298 |
+
},
|
| 299 |
+
{
|
| 300 |
+
"epoch": 0.56,
|
| 301 |
+
"grad_norm": 1.306769847869873,
|
| 302 |
+
"learning_rate": 0.00013711972489182208,
|
| 303 |
+
"loss": 1.4581,
|
| 304 |
+
"step": 42
|
| 305 |
+
},
|
| 306 |
+
{
|
| 307 |
+
"epoch": 0.5733333333333334,
|
| 308 |
+
"grad_norm": 1.3530184030532837,
|
| 309 |
+
"learning_rate": 0.00013402931744416433,
|
| 310 |
+
"loss": 1.5364,
|
| 311 |
+
"step": 43
|
| 312 |
+
},
|
| 313 |
+
{
|
| 314 |
+
"epoch": 0.5866666666666667,
|
| 315 |
+
"grad_norm": 1.2467401027679443,
|
| 316 |
+
"learning_rate": 0.00013090169943749476,
|
| 317 |
+
"loss": 1.6921,
|
| 318 |
+
"step": 44
|
| 319 |
+
},
|
| 320 |
+
{
|
| 321 |
+
"epoch": 0.6,
|
| 322 |
+
"grad_norm": 1.2064480781555176,
|
| 323 |
+
"learning_rate": 0.00012774029087618446,
|
| 324 |
+
"loss": 1.5215,
|
| 325 |
+
"step": 45
|
| 326 |
+
},
|
| 327 |
+
{
|
| 328 |
+
"epoch": 0.6133333333333333,
|
| 329 |
+
"grad_norm": 1.3085877895355225,
|
| 330 |
+
"learning_rate": 0.00012454854871407994,
|
| 331 |
+
"loss": 1.732,
|
| 332 |
+
"step": 46
|
| 333 |
+
},
|
| 334 |
+
{
|
| 335 |
+
"epoch": 0.6266666666666667,
|
| 336 |
+
"grad_norm": 1.306090235710144,
|
| 337 |
+
"learning_rate": 0.0001213299630743747,
|
| 338 |
+
"loss": 1.4149,
|
| 339 |
+
"step": 47
|
| 340 |
+
},
|
| 341 |
+
{
|
| 342 |
+
"epoch": 0.64,
|
| 343 |
+
"grad_norm": 1.277496337890625,
|
| 344 |
+
"learning_rate": 0.000118088053433211,
|
| 345 |
+
"loss": 1.6538,
|
| 346 |
+
"step": 48
|
| 347 |
+
},
|
| 348 |
+
{
|
| 349 |
+
"epoch": 0.6533333333333333,
|
| 350 |
+
"grad_norm": 1.3178523778915405,
|
| 351 |
+
"learning_rate": 0.0001148263647711842,
|
| 352 |
+
"loss": 1.6022,
|
| 353 |
+
"step": 49
|
| 354 |
+
},
|
| 355 |
+
{
|
| 356 |
+
"epoch": 0.6666666666666666,
|
| 357 |
+
"grad_norm": 1.2071044445037842,
|
| 358 |
+
"learning_rate": 0.00011154846369695863,
|
| 359 |
+
"loss": 1.918,
|
| 360 |
+
"step": 50
|
| 361 |
+
},
|
| 362 |
+
{
|
| 363 |
+
"epoch": 0.68,
|
| 364 |
+
"grad_norm": 1.3383886814117432,
|
| 365 |
+
"learning_rate": 0.00010825793454723325,
|
| 366 |
+
"loss": 1.5421,
|
| 367 |
+
"step": 51
|
| 368 |
+
},
|
| 369 |
+
{
|
| 370 |
+
"epoch": 0.6933333333333334,
|
| 371 |
+
"grad_norm": 1.2876945734024048,
|
| 372 |
+
"learning_rate": 0.00010495837546732224,
|
| 373 |
+
"loss": 1.5687,
|
| 374 |
+
"step": 52
|
| 375 |
+
},
|
| 376 |
+
{
|
| 377 |
+
"epoch": 0.7066666666666667,
|
| 378 |
+
"grad_norm": 1.18553626537323,
|
| 379 |
+
"learning_rate": 0.00010165339447663587,
|
| 380 |
+
"loss": 1.6069,
|
| 381 |
+
"step": 53
|
| 382 |
+
},
|
| 383 |
+
{
|
| 384 |
+
"epoch": 0.72,
|
| 385 |
+
"grad_norm": 1.2010143995285034,
|
| 386 |
+
"learning_rate": 9.834660552336415e-05,
|
| 387 |
+
"loss": 1.679,
|
| 388 |
+
"step": 54
|
| 389 |
+
},
|
| 390 |
+
{
|
| 391 |
+
"epoch": 0.7333333333333333,
|
| 392 |
+
"grad_norm": 1.2488950490951538,
|
| 393 |
+
"learning_rate": 9.504162453267777e-05,
|
| 394 |
+
"loss": 1.6771,
|
| 395 |
+
"step": 55
|
| 396 |
+
},
|
| 397 |
+
{
|
| 398 |
+
"epoch": 0.7466666666666667,
|
| 399 |
+
"grad_norm": 1.250627875328064,
|
| 400 |
+
"learning_rate": 9.174206545276677e-05,
|
| 401 |
+
"loss": 1.824,
|
| 402 |
+
"step": 56
|
| 403 |
+
},
|
| 404 |
+
{
|
| 405 |
+
"epoch": 0.76,
|
| 406 |
+
"grad_norm": 1.2688724994659424,
|
| 407 |
+
"learning_rate": 8.845153630304139e-05,
|
| 408 |
+
"loss": 1.4831,
|
| 409 |
+
"step": 57
|
| 410 |
+
},
|
| 411 |
+
{
|
| 412 |
+
"epoch": 0.7733333333333333,
|
| 413 |
+
"grad_norm": 1.2856069803237915,
|
| 414 |
+
"learning_rate": 8.517363522881579e-05,
|
| 415 |
+
"loss": 1.8211,
|
| 416 |
+
"step": 58
|
| 417 |
+
},
|
| 418 |
+
{
|
| 419 |
+
"epoch": 0.7866666666666666,
|
| 420 |
+
"grad_norm": 1.2304469347000122,
|
| 421 |
+
"learning_rate": 8.191194656678904e-05,
|
| 422 |
+
"loss": 1.7463,
|
| 423 |
+
"step": 59
|
| 424 |
+
},
|
| 425 |
+
{
|
| 426 |
+
"epoch": 0.8,
|
| 427 |
+
"grad_norm": 1.1906541585922241,
|
| 428 |
+
"learning_rate": 7.867003692562534e-05,
|
| 429 |
+
"loss": 1.6181,
|
| 430 |
+
"step": 60
|
| 431 |
+
},
|
| 432 |
+
{
|
| 433 |
+
"epoch": 0.8133333333333334,
|
| 434 |
+
"grad_norm": 1.255319356918335,
|
| 435 |
+
"learning_rate": 7.54514512859201e-05,
|
| 436 |
+
"loss": 1.5103,
|
| 437 |
+
"step": 61
|
| 438 |
+
},
|
| 439 |
+
{
|
| 440 |
+
"epoch": 0.8266666666666667,
|
| 441 |
+
"grad_norm": 1.2759405374526978,
|
| 442 |
+
"learning_rate": 7.225970912381556e-05,
|
| 443 |
+
"loss": 1.7434,
|
| 444 |
+
"step": 62
|
| 445 |
+
},
|
| 446 |
+
{
|
| 447 |
+
"epoch": 0.84,
|
| 448 |
+
"grad_norm": 1.367226481437683,
|
| 449 |
+
"learning_rate": 6.909830056250527e-05,
|
| 450 |
+
"loss": 1.6471,
|
| 451 |
+
"step": 63
|
| 452 |
+
},
|
| 453 |
+
{
|
| 454 |
+
"epoch": 0.8533333333333334,
|
| 455 |
+
"grad_norm": 1.2023500204086304,
|
| 456 |
+
"learning_rate": 6.59706825558357e-05,
|
| 457 |
+
"loss": 1.4471,
|
| 458 |
+
"step": 64
|
| 459 |
+
},
|
| 460 |
+
{
|
| 461 |
+
"epoch": 0.8666666666666667,
|
| 462 |
+
"grad_norm": 1.2866662740707397,
|
| 463 |
+
"learning_rate": 6.28802751081779e-05,
|
| 464 |
+
"loss": 1.8365,
|
| 465 |
+
"step": 65
|
| 466 |
+
},
|
| 467 |
+
{
|
| 468 |
+
"epoch": 0.88,
|
| 469 |
+
"grad_norm": 1.2443156242370605,
|
| 470 |
+
"learning_rate": 5.983045753470308e-05,
|
| 471 |
+
"loss": 1.5014,
|
| 472 |
+
"step": 66
|
| 473 |
+
},
|
| 474 |
+
{
|
| 475 |
+
"epoch": 0.8933333333333333,
|
| 476 |
+
"grad_norm": 1.27727472782135,
|
| 477 |
+
"learning_rate": 5.6824564766150726e-05,
|
| 478 |
+
"loss": 1.5796,
|
| 479 |
+
"step": 67
|
| 480 |
+
},
|
| 481 |
+
{
|
| 482 |
+
"epoch": 0.9066666666666666,
|
| 483 |
+
"grad_norm": 1.3078596591949463,
|
| 484 |
+
"learning_rate": 5.386588370213124e-05,
|
| 485 |
+
"loss": 1.6415,
|
| 486 |
+
"step": 68
|
| 487 |
+
},
|
| 488 |
+
{
|
| 489 |
+
"epoch": 0.92,
|
| 490 |
+
"grad_norm": 1.360992670059204,
|
| 491 |
+
"learning_rate": 5.095764961694922e-05,
|
| 492 |
+
"loss": 1.7043,
|
| 493 |
+
"step": 69
|
| 494 |
+
},
|
| 495 |
+
{
|
| 496 |
+
"epoch": 0.9333333333333333,
|
| 497 |
+
"grad_norm": 1.109791874885559,
|
| 498 |
+
"learning_rate": 4.810304262187852e-05,
|
| 499 |
+
"loss": 1.9472,
|
| 500 |
+
"step": 70
|
| 501 |
+
},
|
| 502 |
+
{
|
| 503 |
+
"epoch": 0.9466666666666667,
|
| 504 |
+
"grad_norm": 1.3488279581069946,
|
| 505 |
+
"learning_rate": 4.530518418775733e-05,
|
| 506 |
+
"loss": 1.485,
|
| 507 |
+
"step": 71
|
| 508 |
+
},
|
| 509 |
+
{
|
| 510 |
+
"epoch": 0.96,
|
| 511 |
+
"grad_norm": 1.227574348449707,
|
| 512 |
+
"learning_rate": 4.256713373170564e-05,
|
| 513 |
+
"loss": 1.5947,
|
| 514 |
+
"step": 72
|
| 515 |
+
},
|
| 516 |
+
{
|
| 517 |
+
"epoch": 0.9733333333333334,
|
| 518 |
+
"grad_norm": 1.1044386625289917,
|
| 519 |
+
"learning_rate": 3.9891885271697496e-05,
|
| 520 |
+
"loss": 1.7053,
|
| 521 |
+
"step": 73
|
| 522 |
+
},
|
| 523 |
+
{
|
| 524 |
+
"epoch": 0.9866666666666667,
|
| 525 |
+
"grad_norm": 1.2621186971664429,
|
| 526 |
+
"learning_rate": 3.7282364152646297e-05,
|
| 527 |
+
"loss": 1.5852,
|
| 528 |
+
"step": 74
|
| 529 |
+
},
|
| 530 |
+
{
|
| 531 |
+
"epoch": 1.0,
|
| 532 |
+
"grad_norm": 1.3646624088287354,
|
| 533 |
+
"learning_rate": 3.4741423847583134e-05,
|
| 534 |
+
"loss": 1.7227,
|
| 535 |
+
"step": 75
|
| 536 |
+
},
|
| 537 |
+
{
|
| 538 |
+
"epoch": 1.0133333333333334,
|
| 539 |
+
"grad_norm": 1.208559513092041,
|
| 540 |
+
"learning_rate": 3.227184283742591e-05,
|
| 541 |
+
"loss": 1.3371,
|
| 542 |
+
"step": 76
|
| 543 |
+
},
|
| 544 |
+
{
|
| 545 |
+
"epoch": 1.0266666666666666,
|
| 546 |
+
"grad_norm": 1.1699467897415161,
|
| 547 |
+
"learning_rate": 2.9876321572751144e-05,
|
| 548 |
+
"loss": 1.3344,
|
| 549 |
+
"step": 77
|
| 550 |
+
},
|
| 551 |
+
{
|
| 552 |
+
"epoch": 1.04,
|
| 553 |
+
"grad_norm": 1.101700782775879,
|
| 554 |
+
"learning_rate": 2.7557479520891104e-05,
|
| 555 |
+
"loss": 1.4425,
|
| 556 |
+
"step": 78
|
| 557 |
+
},
|
| 558 |
+
{
|
| 559 |
+
"epoch": 1.0533333333333332,
|
| 560 |
+
"grad_norm": 1.125812292098999,
|
| 561 |
+
"learning_rate": 2.5317852301584643e-05,
|
| 562 |
+
"loss": 1.2204,
|
| 563 |
+
"step": 79
|
| 564 |
+
},
|
| 565 |
+
{
|
| 566 |
+
"epoch": 1.0666666666666667,
|
| 567 |
+
"grad_norm": 1.1652486324310303,
|
| 568 |
+
"learning_rate": 2.315988891431412e-05,
|
| 569 |
+
"loss": 1.2765,
|
| 570 |
+
"step": 80
|
| 571 |
+
},
|
| 572 |
+
{
|
| 573 |
+
"epoch": 1.08,
|
| 574 |
+
"grad_norm": 1.0551825761795044,
|
| 575 |
+
"learning_rate": 2.1085949060360654e-05,
|
| 576 |
+
"loss": 1.0202,
|
| 577 |
+
"step": 81
|
| 578 |
+
},
|
| 579 |
+
{
|
| 580 |
+
"epoch": 1.0933333333333333,
|
| 581 |
+
"grad_norm": 1.2187154293060303,
|
| 582 |
+
"learning_rate": 1.9098300562505266e-05,
|
| 583 |
+
"loss": 1.3722,
|
| 584 |
+
"step": 82
|
| 585 |
+
},
|
| 586 |
+
{
|
| 587 |
+
"epoch": 1.1066666666666667,
|
| 588 |
+
"grad_norm": 1.1256279945373535,
|
| 589 |
+
"learning_rate": 1.7199116885197995e-05,
|
| 590 |
+
"loss": 1.3276,
|
| 591 |
+
"step": 83
|
| 592 |
+
},
|
| 593 |
+
{
|
| 594 |
+
"epoch": 1.12,
|
| 595 |
+
"grad_norm": 1.089321494102478,
|
| 596 |
+
"learning_rate": 1.5390474757906446e-05,
|
| 597 |
+
"loss": 1.1561,
|
| 598 |
+
"step": 84
|
| 599 |
+
},
|
| 600 |
+
{
|
| 601 |
+
"epoch": 1.1333333333333333,
|
| 602 |
+
"grad_norm": 1.1937209367752075,
|
| 603 |
+
"learning_rate": 1.3674351904242611e-05,
|
| 604 |
+
"loss": 1.2608,
|
| 605 |
+
"step": 85
|
| 606 |
+
},
|
| 607 |
+
{
|
| 608 |
+
"epoch": 1.1466666666666667,
|
| 609 |
+
"grad_norm": 1.0680181980133057,
|
| 610 |
+
"learning_rate": 1.2052624879351104e-05,
|
| 611 |
+
"loss": 1.2302,
|
| 612 |
+
"step": 86
|
| 613 |
+
},
|
| 614 |
+
{
|
| 615 |
+
"epoch": 1.16,
|
| 616 |
+
"grad_norm": 1.1529444456100464,
|
| 617 |
+
"learning_rate": 1.0527067017923654e-05,
|
| 618 |
+
"loss": 1.2923,
|
| 619 |
+
"step": 87
|
| 620 |
+
},
|
| 621 |
+
{
|
| 622 |
+
"epoch": 1.1733333333333333,
|
| 623 |
+
"grad_norm": 1.1063073873519897,
|
| 624 |
+
"learning_rate": 9.09934649508375e-06,
|
| 625 |
+
"loss": 1.2624,
|
| 626 |
+
"step": 88
|
| 627 |
+
},
|
| 628 |
+
{
|
| 629 |
+
"epoch": 1.1866666666666668,
|
| 630 |
+
"grad_norm": 1.1068354845046997,
|
| 631 |
+
"learning_rate": 7.771024502261526e-06,
|
| 632 |
+
"loss": 1.1488,
|
| 633 |
+
"step": 89
|
| 634 |
+
},
|
| 635 |
+
{
|
| 636 |
+
"epoch": 1.2,
|
| 637 |
+
"grad_norm": 1.1118688583374023,
|
| 638 |
+
"learning_rate": 6.543553540053926e-06,
|
| 639 |
+
"loss": 1.1415,
|
| 640 |
+
"step": 90
|
| 641 |
+
},
|
| 642 |
+
{
|
| 643 |
+
"epoch": 1.2133333333333334,
|
| 644 |
+
"grad_norm": 1.250420093536377,
|
| 645 |
+
"learning_rate": 5.418275829936537e-06,
|
| 646 |
+
"loss": 1.3396,
|
| 647 |
+
"step": 91
|
| 648 |
+
},
|
| 649 |
+
{
|
| 650 |
+
"epoch": 1.2266666666666666,
|
| 651 |
+
"grad_norm": 1.195170283317566,
|
| 652 |
+
"learning_rate": 4.3964218465642355e-06,
|
| 653 |
+
"loss": 1.2185,
|
| 654 |
+
"step": 92
|
| 655 |
+
},
|
| 656 |
+
{
|
| 657 |
+
"epoch": 1.24,
|
| 658 |
+
"grad_norm": 1.1890268325805664,
|
| 659 |
+
"learning_rate": 3.4791089722651436e-06,
|
| 660 |
+
"loss": 1.12,
|
| 661 |
+
"step": 93
|
| 662 |
+
},
|
| 663 |
+
{
|
| 664 |
+
"epoch": 1.2533333333333334,
|
| 665 |
+
"grad_norm": 1.1417518854141235,
|
| 666 |
+
"learning_rate": 2.667340275199426e-06,
|
| 667 |
+
"loss": 1.0968,
|
| 668 |
+
"step": 94
|
| 669 |
+
},
|
| 670 |
+
{
|
| 671 |
+
"epoch": 1.2666666666666666,
|
| 672 |
+
"grad_norm": 1.2035924196243286,
|
| 673 |
+
"learning_rate": 1.9620034125190644e-06,
|
| 674 |
+
"loss": 1.1366,
|
| 675 |
+
"step": 95
|
| 676 |
+
},
|
| 677 |
+
{
|
| 678 |
+
"epoch": 1.28,
|
| 679 |
+
"grad_norm": 1.2221871614456177,
|
| 680 |
+
"learning_rate": 1.3638696597277679e-06,
|
| 681 |
+
"loss": 0.9526,
|
| 682 |
+
"step": 96
|
| 683 |
+
},
|
| 684 |
+
{
|
| 685 |
+
"epoch": 1.2933333333333334,
|
| 686 |
+
"grad_norm": 1.0615272521972656,
|
| 687 |
+
"learning_rate": 8.735930673024806e-07,
|
| 688 |
+
"loss": 1.4847,
|
| 689 |
+
"step": 97
|
| 690 |
+
},
|
| 691 |
+
{
|
| 692 |
+
"epoch": 1.3066666666666666,
|
| 693 |
+
"grad_norm": 1.2646980285644531,
|
| 694 |
+
"learning_rate": 4.917097454988584e-07,
|
| 695 |
+
"loss": 1.2585,
|
| 696 |
+
"step": 98
|
| 697 |
+
},
|
| 698 |
+
{
|
| 699 |
+
"epoch": 1.32,
|
| 700 |
+
"grad_norm": 1.1021074056625366,
|
| 701 |
+
"learning_rate": 2.1863727812254653e-07,
|
| 702 |
+
"loss": 1.4376,
|
| 703 |
+
"step": 99
|
| 704 |
+
},
|
| 705 |
+
{
|
| 706 |
+
"epoch": 1.3333333333333333,
|
| 707 |
+
"grad_norm": 1.1673988103866577,
|
| 708 |
+
"learning_rate": 5.467426590739511e-08,
|
| 709 |
+
"loss": 1.0331,
|
| 710 |
+
"step": 100
|
| 711 |
+
}
|
| 712 |
+
],
|
| 713 |
+
"logging_steps": 1,
|
| 714 |
+
"max_steps": 100,
|
| 715 |
+
"num_input_tokens_seen": 0,
|
| 716 |
+
"num_train_epochs": 2,
|
| 717 |
+
"save_steps": 50,
|
| 718 |
+
"stateful_callbacks": {
|
| 719 |
+
"TrainerControl": {
|
| 720 |
+
"args": {
|
| 721 |
+
"should_epoch_stop": false,
|
| 722 |
+
"should_evaluate": false,
|
| 723 |
+
"should_log": false,
|
| 724 |
+
"should_save": true,
|
| 725 |
+
"should_training_stop": true
|
| 726 |
+
},
|
| 727 |
+
"attributes": {}
|
| 728 |
+
}
|
| 729 |
+
},
|
| 730 |
+
"total_flos": 2670084862083072.0,
|
| 731 |
+
"train_batch_size": 6,
|
| 732 |
+
"trial_name": null,
|
| 733 |
+
"trial_params": null
|
| 734 |
+
}
|