File size: 9,863 Bytes
1d0441b
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 1.4903129657228018,
  "eval_steps": 500,
  "global_step": 1000,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.029806259314456036,
      "grad_norm": 0.22671940922737122,
      "learning_rate": 8e-05,
      "loss": 1.3506,
      "step": 20
    },
    {
      "epoch": 0.05961251862891207,
      "grad_norm": 0.05189573019742966,
      "learning_rate": 0.00016,
      "loss": 0.8372,
      "step": 40
    },
    {
      "epoch": 0.08941877794336811,
      "grad_norm": 0.049646440893411636,
      "learning_rate": 0.0001999871938117722,
      "loss": 0.7053,
      "step": 60
    },
    {
      "epoch": 0.11922503725782414,
      "grad_norm": 0.04605806618928909,
      "learning_rate": 0.0001998847639849245,
      "loss": 0.5957,
      "step": 80
    },
    {
      "epoch": 0.14903129657228018,
      "grad_norm": 0.04606040194630623,
      "learning_rate": 0.0001996800092633612,
      "loss": 0.5457,
      "step": 100
    },
    {
      "epoch": 0.17883755588673622,
      "grad_norm": 0.03791499882936478,
      "learning_rate": 0.0001993731394038509,
      "loss": 0.5301,
      "step": 120
    },
    {
      "epoch": 0.20864381520119224,
      "grad_norm": 0.047940950840711594,
      "learning_rate": 0.0001989644687729177,
      "loss": 0.5223,
      "step": 140
    },
    {
      "epoch": 0.23845007451564829,
      "grad_norm": 0.0519738644361496,
      "learning_rate": 0.0001984544160247949,
      "loss": 0.5117,
      "step": 160
    },
    {
      "epoch": 0.26825633383010433,
      "grad_norm": 0.04569224268198013,
      "learning_rate": 0.00019784350367254322,
      "loss": 0.5181,
      "step": 180
    },
    {
      "epoch": 0.29806259314456035,
      "grad_norm": 0.045780543237924576,
      "learning_rate": 0.0001971323575527731,
      "loss": 0.5168,
      "step": 200
    },
    {
      "epoch": 0.32786885245901637,
      "grad_norm": 0.046496499329805374,
      "learning_rate": 0.0001963217061845192,
      "loss": 0.5051,
      "step": 220
    },
    {
      "epoch": 0.35767511177347244,
      "grad_norm": 0.04850991442799568,
      "learning_rate": 0.00019541238002292394,
      "loss": 0.5083,
      "step": 240
    },
    {
      "epoch": 0.38748137108792846,
      "grad_norm": 0.046593230217695236,
      "learning_rate": 0.00019440531060849504,
      "loss": 0.5066,
      "step": 260
    },
    {
      "epoch": 0.4172876304023845,
      "grad_norm": 0.050816215574741364,
      "learning_rate": 0.00019330152961280765,
      "loss": 0.5021,
      "step": 280
    },
    {
      "epoch": 0.44709388971684055,
      "grad_norm": 0.0533340722322464,
      "learning_rate": 0.00019210216778162994,
      "loss": 0.5017,
      "step": 300
    },
    {
      "epoch": 0.47690014903129657,
      "grad_norm": 0.10607749223709106,
      "learning_rate": 0.00019080845377655352,
      "loss": 0.4996,
      "step": 320
    },
    {
      "epoch": 0.5067064083457526,
      "grad_norm": 0.054169464856386185,
      "learning_rate": 0.00018942171291631653,
      "loss": 0.5014,
      "step": 340
    },
    {
      "epoch": 0.5365126676602087,
      "grad_norm": 0.047340892255306244,
      "learning_rate": 0.000187943365819108,
      "loss": 0.4988,
      "step": 360
    },
    {
      "epoch": 0.5663189269746647,
      "grad_norm": 0.04948943480849266,
      "learning_rate": 0.00018637492694724466,
      "loss": 0.4975,
      "step": 380
    },
    {
      "epoch": 0.5961251862891207,
      "grad_norm": 0.04684118553996086,
      "learning_rate": 0.00018471800305571129,
      "loss": 0.4961,
      "step": 400
    },
    {
      "epoch": 0.6259314456035767,
      "grad_norm": 0.04512176662683487,
      "learning_rate": 0.00018297429154615338,
      "loss": 0.4956,
      "step": 420
    },
    {
      "epoch": 0.6557377049180327,
      "grad_norm": 0.05711393430829048,
      "learning_rate": 0.00018114557872800905,
      "loss": 0.4944,
      "step": 440
    },
    {
      "epoch": 0.6855439642324889,
      "grad_norm": 0.05339927598834038,
      "learning_rate": 0.000179233737988561,
      "loss": 0.4922,
      "step": 460
    },
    {
      "epoch": 0.7153502235469449,
      "grad_norm": 0.04622140899300575,
      "learning_rate": 0.00017724072787378333,
      "loss": 0.4846,
      "step": 480
    },
    {
      "epoch": 0.7451564828614009,
      "grad_norm": 0.0447109080851078,
      "learning_rate": 0.00017516859008194938,
      "loss": 0.4855,
      "step": 500
    },
    {
      "epoch": 0.7749627421758569,
      "grad_norm": 0.0435018390417099,
      "learning_rate": 0.00017301944737205588,
      "loss": 0.486,
      "step": 520
    },
    {
      "epoch": 0.8047690014903129,
      "grad_norm": 0.04844864085316658,
      "learning_rate": 0.0001707955013892061,
      "loss": 0.4911,
      "step": 540
    },
    {
      "epoch": 0.834575260804769,
      "grad_norm": 0.05155207961797714,
      "learning_rate": 0.00016849903040917975,
      "loss": 0.4861,
      "step": 560
    },
    {
      "epoch": 0.8643815201192251,
      "grad_norm": 0.04522501304745674,
      "learning_rate": 0.00016613238700450013,
      "loss": 0.4852,
      "step": 580
    },
    {
      "epoch": 0.8941877794336811,
      "grad_norm": 0.047208670526742935,
      "learning_rate": 0.00016369799563438958,
      "loss": 0.4844,
      "step": 600
    },
    {
      "epoch": 0.9239940387481371,
      "grad_norm": 0.054809391498565674,
      "learning_rate": 0.00016119835016108197,
      "loss": 0.4815,
      "step": 620
    },
    {
      "epoch": 0.9538002980625931,
      "grad_norm": 0.04929815232753754,
      "learning_rate": 0.00015863601129503688,
      "loss": 0.4823,
      "step": 640
    },
    {
      "epoch": 0.9836065573770492,
      "grad_norm": 0.05650775134563446,
      "learning_rate": 0.00015601360397167214,
      "loss": 0.481,
      "step": 660
    },
    {
      "epoch": 1.0134128166915053,
      "grad_norm": 0.04741150885820389,
      "learning_rate": 0.00015333381466230294,
      "loss": 0.488,
      "step": 680
    },
    {
      "epoch": 1.0432190760059612,
      "grad_norm": 0.057174187153577805,
      "learning_rate": 0.00015059938862204127,
      "loss": 0.4821,
      "step": 700
    },
    {
      "epoch": 1.0730253353204173,
      "grad_norm": 0.054773855954408646,
      "learning_rate": 0.0001478131270774758,
      "loss": 0.4776,
      "step": 720
    },
    {
      "epoch": 1.1028315946348732,
      "grad_norm": 0.05249800160527229,
      "learning_rate": 0.0001449778843570128,
      "loss": 0.4782,
      "step": 740
    },
    {
      "epoch": 1.1326378539493294,
      "grad_norm": 0.049587223678827286,
      "learning_rate": 0.00014209656496681812,
      "loss": 0.4819,
      "step": 760
    },
    {
      "epoch": 1.1624441132637853,
      "grad_norm": 0.048591841012239456,
      "learning_rate": 0.0001391721206153554,
      "loss": 0.4796,
      "step": 780
    },
    {
      "epoch": 1.1922503725782414,
      "grad_norm": 0.05344521254301071,
      "learning_rate": 0.000136207547189569,
      "loss": 0.472,
      "step": 800
    },
    {
      "epoch": 1.2220566318926975,
      "grad_norm": 0.052742790430784225,
      "learning_rate": 0.0001332058816858092,
      "loss": 0.476,
      "step": 820
    },
    {
      "epoch": 1.2518628912071534,
      "grad_norm": 0.05483981594443321,
      "learning_rate": 0.00013017019909864364,
      "loss": 0.4755,
      "step": 840
    },
    {
      "epoch": 1.2816691505216096,
      "grad_norm": 0.050890855491161346,
      "learning_rate": 0.00012710360927074233,
      "loss": 0.4719,
      "step": 860
    },
    {
      "epoch": 1.3114754098360657,
      "grad_norm": 0.05531829223036766,
      "learning_rate": 0.0001240092537070631,
      "loss": 0.4745,
      "step": 880
    },
    {
      "epoch": 1.3412816691505216,
      "grad_norm": 0.05655696988105774,
      "learning_rate": 0.00012089030235660155,
      "loss": 0.475,
      "step": 900
    },
    {
      "epoch": 1.3710879284649775,
      "grad_norm": 0.059185780584812164,
      "learning_rate": 0.00011774995036500181,
      "loss": 0.4714,
      "step": 920
    },
    {
      "epoch": 1.4008941877794336,
      "grad_norm": 0.05000292509794235,
      "learning_rate": 0.00011459141480135518,
      "loss": 0.4774,
      "step": 940
    },
    {
      "epoch": 1.4307004470938898,
      "grad_norm": 0.05054055526852608,
      "learning_rate": 0.00011141793136253986,
      "loss": 0.4666,
      "step": 960
    },
    {
      "epoch": 1.4605067064083457,
      "grad_norm": 0.04777640849351883,
      "learning_rate": 0.00010823275105847772,
      "loss": 0.4711,
      "step": 980
    },
    {
      "epoch": 1.4903129657228018,
      "grad_norm": 0.05582300201058388,
      "learning_rate": 0.00010503913688170396,
      "loss": 0.4668,
      "step": 1000
    }
  ],
  "logging_steps": 20,
  "max_steps": 2013,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 3,
  "save_steps": 500,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": false
      },
      "attributes": {}
    }
  },
  "total_flos": 3.6835684982666035e+17,
  "train_batch_size": 2,
  "trial_name": null,
  "trial_params": null
}