| { | |
| "best_global_step": 200, | |
| "best_metric": 2.740701675415039, | |
| "best_model_checkpoint": null, | |
| "epoch": 0.5866666666666667, | |
| "eval_steps": 100, | |
| "global_step": 220, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.0026666666666666666, | |
| "grad_norm": 18.99793815612793, | |
| "learning_rate": 0.0, | |
| "loss": 2.8968, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.005333333333333333, | |
| "grad_norm": 11.996694564819336, | |
| "learning_rate": 0.0001, | |
| "loss": 2.7216, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.008, | |
| "grad_norm": 13.868853569030762, | |
| "learning_rate": 0.0002, | |
| "loss": 2.7594, | |
| "step": 3 | |
| }, | |
| { | |
| "epoch": 0.010666666666666666, | |
| "grad_norm": 11.259204864501953, | |
| "learning_rate": 0.0003, | |
| "loss": 2.763, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.013333333333333334, | |
| "grad_norm": 7.20668888092041, | |
| "learning_rate": 0.0004, | |
| "loss": 2.6533, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 0.016, | |
| "grad_norm": 6.761629581451416, | |
| "learning_rate": 0.0005, | |
| "loss": 2.5771, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 0.018666666666666668, | |
| "grad_norm": 5.149209499359131, | |
| "learning_rate": 0.0004993288590604027, | |
| "loss": 2.4775, | |
| "step": 7 | |
| }, | |
| { | |
| "epoch": 0.021333333333333333, | |
| "grad_norm": 5.3045172691345215, | |
| "learning_rate": 0.0004986577181208054, | |
| "loss": 2.4258, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 0.024, | |
| "grad_norm": 4.353558540344238, | |
| "learning_rate": 0.0004979865771812081, | |
| "loss": 2.3734, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 0.02666666666666667, | |
| "grad_norm": 6.34622049331665, | |
| "learning_rate": 0.0004973154362416108, | |
| "loss": 2.4293, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.029333333333333333, | |
| "grad_norm": 4.698485374450684, | |
| "learning_rate": 0.0004966442953020134, | |
| "loss": 2.2754, | |
| "step": 11 | |
| }, | |
| { | |
| "epoch": 0.032, | |
| "grad_norm": 4.4563679695129395, | |
| "learning_rate": 0.0004959731543624161, | |
| "loss": 2.3387, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 0.034666666666666665, | |
| "grad_norm": 4.204184532165527, | |
| "learning_rate": 0.0004953020134228188, | |
| "loss": 2.274, | |
| "step": 13 | |
| }, | |
| { | |
| "epoch": 0.037333333333333336, | |
| "grad_norm": 4.6718525886535645, | |
| "learning_rate": 0.0004946308724832214, | |
| "loss": 2.3, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 3.200247287750244, | |
| "learning_rate": 0.0004939597315436242, | |
| "loss": 2.1972, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 0.042666666666666665, | |
| "grad_norm": 2.496098518371582, | |
| "learning_rate": 0.0004932885906040269, | |
| "loss": 2.2999, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 0.04533333333333334, | |
| "grad_norm": 2.854609727859497, | |
| "learning_rate": 0.0004926174496644296, | |
| "loss": 2.2374, | |
| "step": 17 | |
| }, | |
| { | |
| "epoch": 0.048, | |
| "grad_norm": 3.2290594577789307, | |
| "learning_rate": 0.0004919463087248322, | |
| "loss": 2.2791, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 0.050666666666666665, | |
| "grad_norm": 3.2531440258026123, | |
| "learning_rate": 0.0004912751677852349, | |
| "loss": 2.2158, | |
| "step": 19 | |
| }, | |
| { | |
| "epoch": 0.05333333333333334, | |
| "grad_norm": 2.5142836570739746, | |
| "learning_rate": 0.0004906040268456376, | |
| "loss": 2.2618, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.056, | |
| "grad_norm": 2.7063865661621094, | |
| "learning_rate": 0.0004899328859060403, | |
| "loss": 2.3427, | |
| "step": 21 | |
| }, | |
| { | |
| "epoch": 0.058666666666666666, | |
| "grad_norm": 2.894263744354248, | |
| "learning_rate": 0.000489261744966443, | |
| "loss": 2.2904, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 0.06133333333333333, | |
| "grad_norm": 2.6508796215057373, | |
| "learning_rate": 0.0004885906040268456, | |
| "loss": 2.2185, | |
| "step": 23 | |
| }, | |
| { | |
| "epoch": 0.064, | |
| "grad_norm": 4.005720138549805, | |
| "learning_rate": 0.0004879194630872483, | |
| "loss": 2.1725, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 0.06666666666666667, | |
| "grad_norm": 2.0936405658721924, | |
| "learning_rate": 0.000487248322147651, | |
| "loss": 2.1567, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 0.06933333333333333, | |
| "grad_norm": 2.376448154449463, | |
| "learning_rate": 0.00048657718120805374, | |
| "loss": 2.3067, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 0.072, | |
| "grad_norm": 2.433168649673462, | |
| "learning_rate": 0.00048590604026845635, | |
| "loss": 2.414, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 0.07466666666666667, | |
| "grad_norm": 2.4113612174987793, | |
| "learning_rate": 0.0004852348993288591, | |
| "loss": 2.1622, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 0.07733333333333334, | |
| "grad_norm": 2.300220251083374, | |
| "learning_rate": 0.00048456375838926174, | |
| "loss": 2.1799, | |
| "step": 29 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 2.567547559738159, | |
| "learning_rate": 0.00048389261744966446, | |
| "loss": 2.313, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.08266666666666667, | |
| "grad_norm": 2.345918893814087, | |
| "learning_rate": 0.0004832214765100671, | |
| "loss": 2.2494, | |
| "step": 31 | |
| }, | |
| { | |
| "epoch": 0.08533333333333333, | |
| "grad_norm": 2.4843552112579346, | |
| "learning_rate": 0.0004825503355704698, | |
| "loss": 2.1966, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 0.088, | |
| "grad_norm": 2.4805150032043457, | |
| "learning_rate": 0.0004818791946308725, | |
| "loss": 2.1327, | |
| "step": 33 | |
| }, | |
| { | |
| "epoch": 0.09066666666666667, | |
| "grad_norm": 2.462193250656128, | |
| "learning_rate": 0.00048120805369127517, | |
| "loss": 2.2231, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 0.09333333333333334, | |
| "grad_norm": 2.927288055419922, | |
| "learning_rate": 0.0004805369127516779, | |
| "loss": 2.1488, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 0.096, | |
| "grad_norm": 3.126699686050415, | |
| "learning_rate": 0.0004798657718120805, | |
| "loss": 2.1518, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 0.09866666666666667, | |
| "grad_norm": 2.0917441844940186, | |
| "learning_rate": 0.0004791946308724832, | |
| "loss": 2.1736, | |
| "step": 37 | |
| }, | |
| { | |
| "epoch": 0.10133333333333333, | |
| "grad_norm": 2.16457462310791, | |
| "learning_rate": 0.00047852348993288594, | |
| "loss": 2.1238, | |
| "step": 38 | |
| }, | |
| { | |
| "epoch": 0.104, | |
| "grad_norm": 2.4035158157348633, | |
| "learning_rate": 0.0004778523489932886, | |
| "loss": 2.2164, | |
| "step": 39 | |
| }, | |
| { | |
| "epoch": 0.10666666666666667, | |
| "grad_norm": 2.58906626701355, | |
| "learning_rate": 0.0004771812080536913, | |
| "loss": 2.1475, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.10933333333333334, | |
| "grad_norm": 2.1741342544555664, | |
| "learning_rate": 0.00047651006711409394, | |
| "loss": 2.11, | |
| "step": 41 | |
| }, | |
| { | |
| "epoch": 0.112, | |
| "grad_norm": 2.265110969543457, | |
| "learning_rate": 0.00047583892617449665, | |
| "loss": 2.1681, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 0.11466666666666667, | |
| "grad_norm": 2.3968636989593506, | |
| "learning_rate": 0.0004751677852348993, | |
| "loss": 2.2262, | |
| "step": 43 | |
| }, | |
| { | |
| "epoch": 0.11733333333333333, | |
| "grad_norm": 2.332958698272705, | |
| "learning_rate": 0.00047449664429530204, | |
| "loss": 2.2378, | |
| "step": 44 | |
| }, | |
| { | |
| "epoch": 0.12, | |
| "grad_norm": 1.9767862558364868, | |
| "learning_rate": 0.00047382550335570476, | |
| "loss": 2.1622, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 0.12266666666666666, | |
| "grad_norm": 2.2687995433807373, | |
| "learning_rate": 0.00047315436241610737, | |
| "loss": 2.2024, | |
| "step": 46 | |
| }, | |
| { | |
| "epoch": 0.12533333333333332, | |
| "grad_norm": 1.9566984176635742, | |
| "learning_rate": 0.0004724832214765101, | |
| "loss": 2.094, | |
| "step": 47 | |
| }, | |
| { | |
| "epoch": 0.128, | |
| "grad_norm": 3.261591911315918, | |
| "learning_rate": 0.00047181208053691275, | |
| "loss": 2.0753, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 0.13066666666666665, | |
| "grad_norm": 2.3279614448547363, | |
| "learning_rate": 0.00047114093959731547, | |
| "loss": 2.1862, | |
| "step": 49 | |
| }, | |
| { | |
| "epoch": 0.13333333333333333, | |
| "grad_norm": 1.9362128973007202, | |
| "learning_rate": 0.0004704697986577181, | |
| "loss": 2.1482, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.136, | |
| "grad_norm": 2.4454574584960938, | |
| "learning_rate": 0.0004697986577181208, | |
| "loss": 2.1528, | |
| "step": 51 | |
| }, | |
| { | |
| "epoch": 0.13866666666666666, | |
| "grad_norm": 1.8882256746292114, | |
| "learning_rate": 0.0004691275167785235, | |
| "loss": 2.0805, | |
| "step": 52 | |
| }, | |
| { | |
| "epoch": 0.14133333333333334, | |
| "grad_norm": 1.9548041820526123, | |
| "learning_rate": 0.0004684563758389262, | |
| "loss": 2.1315, | |
| "step": 53 | |
| }, | |
| { | |
| "epoch": 0.144, | |
| "grad_norm": 2.049616575241089, | |
| "learning_rate": 0.0004677852348993289, | |
| "loss": 2.1819, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 0.14666666666666667, | |
| "grad_norm": 2.2909982204437256, | |
| "learning_rate": 0.0004671140939597315, | |
| "loss": 2.1856, | |
| "step": 55 | |
| }, | |
| { | |
| "epoch": 0.14933333333333335, | |
| "grad_norm": 2.1005330085754395, | |
| "learning_rate": 0.00046644295302013423, | |
| "loss": 2.0906, | |
| "step": 56 | |
| }, | |
| { | |
| "epoch": 0.152, | |
| "grad_norm": 2.2690324783325195, | |
| "learning_rate": 0.00046577181208053695, | |
| "loss": 2.1937, | |
| "step": 57 | |
| }, | |
| { | |
| "epoch": 0.15466666666666667, | |
| "grad_norm": 2.1487715244293213, | |
| "learning_rate": 0.0004651006711409396, | |
| "loss": 2.1735, | |
| "step": 58 | |
| }, | |
| { | |
| "epoch": 0.15733333333333333, | |
| "grad_norm": 2.1271591186523438, | |
| "learning_rate": 0.0004644295302013423, | |
| "loss": 2.1865, | |
| "step": 59 | |
| }, | |
| { | |
| "epoch": 0.16, | |
| "grad_norm": 1.9822970628738403, | |
| "learning_rate": 0.00046375838926174495, | |
| "loss": 2.1503, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 0.16266666666666665, | |
| "grad_norm": 2.2608866691589355, | |
| "learning_rate": 0.00046308724832214767, | |
| "loss": 2.2522, | |
| "step": 61 | |
| }, | |
| { | |
| "epoch": 0.16533333333333333, | |
| "grad_norm": 2.4626386165618896, | |
| "learning_rate": 0.00046241610738255033, | |
| "loss": 2.1703, | |
| "step": 62 | |
| }, | |
| { | |
| "epoch": 0.168, | |
| "grad_norm": 2.0138027667999268, | |
| "learning_rate": 0.00046174496644295305, | |
| "loss": 2.273, | |
| "step": 63 | |
| }, | |
| { | |
| "epoch": 0.17066666666666666, | |
| "grad_norm": 2.023001194000244, | |
| "learning_rate": 0.0004610738255033557, | |
| "loss": 2.2078, | |
| "step": 64 | |
| }, | |
| { | |
| "epoch": 0.17333333333333334, | |
| "grad_norm": 1.9026998281478882, | |
| "learning_rate": 0.0004604026845637584, | |
| "loss": 2.1624, | |
| "step": 65 | |
| }, | |
| { | |
| "epoch": 0.176, | |
| "grad_norm": 2.529275417327881, | |
| "learning_rate": 0.0004597315436241611, | |
| "loss": 2.1886, | |
| "step": 66 | |
| }, | |
| { | |
| "epoch": 0.17866666666666667, | |
| "grad_norm": 2.714327096939087, | |
| "learning_rate": 0.00045906040268456377, | |
| "loss": 2.1777, | |
| "step": 67 | |
| }, | |
| { | |
| "epoch": 0.18133333333333335, | |
| "grad_norm": 2.068495035171509, | |
| "learning_rate": 0.0004583892617449665, | |
| "loss": 2.1414, | |
| "step": 68 | |
| }, | |
| { | |
| "epoch": 0.184, | |
| "grad_norm": 2.427833080291748, | |
| "learning_rate": 0.0004577181208053691, | |
| "loss": 2.2098, | |
| "step": 69 | |
| }, | |
| { | |
| "epoch": 0.18666666666666668, | |
| "grad_norm": 2.0356478691101074, | |
| "learning_rate": 0.0004570469798657718, | |
| "loss": 2.1437, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 0.18933333333333333, | |
| "grad_norm": 2.0538289546966553, | |
| "learning_rate": 0.00045637583892617453, | |
| "loss": 2.2302, | |
| "step": 71 | |
| }, | |
| { | |
| "epoch": 0.192, | |
| "grad_norm": 2.5733108520507812, | |
| "learning_rate": 0.0004557046979865772, | |
| "loss": 2.1042, | |
| "step": 72 | |
| }, | |
| { | |
| "epoch": 0.19466666666666665, | |
| "grad_norm": 2.566141366958618, | |
| "learning_rate": 0.00045503355704697986, | |
| "loss": 2.2464, | |
| "step": 73 | |
| }, | |
| { | |
| "epoch": 0.19733333333333333, | |
| "grad_norm": 2.350034236907959, | |
| "learning_rate": 0.00045436241610738253, | |
| "loss": 2.1898, | |
| "step": 74 | |
| }, | |
| { | |
| "epoch": 0.2, | |
| "grad_norm": 1.9391041994094849, | |
| "learning_rate": 0.00045369127516778525, | |
| "loss": 2.0656, | |
| "step": 75 | |
| }, | |
| { | |
| "epoch": 0.20266666666666666, | |
| "grad_norm": 2.1555047035217285, | |
| "learning_rate": 0.00045302013422818797, | |
| "loss": 2.0669, | |
| "step": 76 | |
| }, | |
| { | |
| "epoch": 0.20533333333333334, | |
| "grad_norm": 2.3165154457092285, | |
| "learning_rate": 0.00045234899328859063, | |
| "loss": 2.065, | |
| "step": 77 | |
| }, | |
| { | |
| "epoch": 0.208, | |
| "grad_norm": 2.1037423610687256, | |
| "learning_rate": 0.0004516778523489933, | |
| "loss": 2.1215, | |
| "step": 78 | |
| }, | |
| { | |
| "epoch": 0.21066666666666667, | |
| "grad_norm": 2.142181634902954, | |
| "learning_rate": 0.00045100671140939596, | |
| "loss": 2.1088, | |
| "step": 79 | |
| }, | |
| { | |
| "epoch": 0.21333333333333335, | |
| "grad_norm": 2.0997326374053955, | |
| "learning_rate": 0.0004503355704697987, | |
| "loss": 2.0795, | |
| "step": 80 | |
| }, | |
| { | |
| "epoch": 0.216, | |
| "grad_norm": 2.4189531803131104, | |
| "learning_rate": 0.00044966442953020135, | |
| "loss": 2.2738, | |
| "step": 81 | |
| }, | |
| { | |
| "epoch": 0.21866666666666668, | |
| "grad_norm": 2.238974094390869, | |
| "learning_rate": 0.000448993288590604, | |
| "loss": 2.1024, | |
| "step": 82 | |
| }, | |
| { | |
| "epoch": 0.22133333333333333, | |
| "grad_norm": 2.597956895828247, | |
| "learning_rate": 0.00044832214765100673, | |
| "loss": 2.1586, | |
| "step": 83 | |
| }, | |
| { | |
| "epoch": 0.224, | |
| "grad_norm": 2.6692593097686768, | |
| "learning_rate": 0.0004476510067114094, | |
| "loss": 2.2619, | |
| "step": 84 | |
| }, | |
| { | |
| "epoch": 0.22666666666666666, | |
| "grad_norm": 2.338456630706787, | |
| "learning_rate": 0.0004469798657718121, | |
| "loss": 2.2293, | |
| "step": 85 | |
| }, | |
| { | |
| "epoch": 0.22933333333333333, | |
| "grad_norm": 2.1509850025177, | |
| "learning_rate": 0.0004463087248322148, | |
| "loss": 2.1885, | |
| "step": 86 | |
| }, | |
| { | |
| "epoch": 0.232, | |
| "grad_norm": 1.868327021598816, | |
| "learning_rate": 0.00044563758389261745, | |
| "loss": 2.1006, | |
| "step": 87 | |
| }, | |
| { | |
| "epoch": 0.23466666666666666, | |
| "grad_norm": 2.0828697681427, | |
| "learning_rate": 0.0004449664429530201, | |
| "loss": 2.2007, | |
| "step": 88 | |
| }, | |
| { | |
| "epoch": 0.23733333333333334, | |
| "grad_norm": 2.0917301177978516, | |
| "learning_rate": 0.00044429530201342283, | |
| "loss": 2.0403, | |
| "step": 89 | |
| }, | |
| { | |
| "epoch": 0.24, | |
| "grad_norm": 1.9218182563781738, | |
| "learning_rate": 0.00044362416107382555, | |
| "loss": 2.1742, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 0.24266666666666667, | |
| "grad_norm": 1.991309404373169, | |
| "learning_rate": 0.0004429530201342282, | |
| "loss": 2.2386, | |
| "step": 91 | |
| }, | |
| { | |
| "epoch": 0.24533333333333332, | |
| "grad_norm": 2.089097499847412, | |
| "learning_rate": 0.0004422818791946309, | |
| "loss": 2.2832, | |
| "step": 92 | |
| }, | |
| { | |
| "epoch": 0.248, | |
| "grad_norm": 2.3613646030426025, | |
| "learning_rate": 0.00044161073825503354, | |
| "loss": 2.0967, | |
| "step": 93 | |
| }, | |
| { | |
| "epoch": 0.25066666666666665, | |
| "grad_norm": 2.2647705078125, | |
| "learning_rate": 0.00044093959731543626, | |
| "loss": 2.1749, | |
| "step": 94 | |
| }, | |
| { | |
| "epoch": 0.25333333333333335, | |
| "grad_norm": 2.557692289352417, | |
| "learning_rate": 0.00044026845637583893, | |
| "loss": 2.1571, | |
| "step": 95 | |
| }, | |
| { | |
| "epoch": 0.256, | |
| "grad_norm": 2.1566359996795654, | |
| "learning_rate": 0.0004395973154362416, | |
| "loss": 2.1789, | |
| "step": 96 | |
| }, | |
| { | |
| "epoch": 0.25866666666666666, | |
| "grad_norm": 1.8936281204223633, | |
| "learning_rate": 0.0004389261744966443, | |
| "loss": 2.1424, | |
| "step": 97 | |
| }, | |
| { | |
| "epoch": 0.2613333333333333, | |
| "grad_norm": 2.8550844192504883, | |
| "learning_rate": 0.000438255033557047, | |
| "loss": 2.1369, | |
| "step": 98 | |
| }, | |
| { | |
| "epoch": 0.264, | |
| "grad_norm": 2.6517467498779297, | |
| "learning_rate": 0.0004375838926174497, | |
| "loss": 2.2398, | |
| "step": 99 | |
| }, | |
| { | |
| "epoch": 0.26666666666666666, | |
| "grad_norm": 2.4939329624176025, | |
| "learning_rate": 0.00043691275167785236, | |
| "loss": 2.2705, | |
| "step": 100 | |
| }, | |
| { | |
| "epoch": 0.26666666666666666, | |
| "eval_loss": 2.744743585586548, | |
| "eval_runtime": 2.9879, | |
| "eval_samples_per_second": 33.468, | |
| "eval_steps_per_second": 4.351, | |
| "step": 100 | |
| }, | |
| { | |
| "epoch": 0.2693333333333333, | |
| "grad_norm": 1.9077235460281372, | |
| "learning_rate": 0.000436241610738255, | |
| "loss": 2.1767, | |
| "step": 101 | |
| }, | |
| { | |
| "epoch": 0.272, | |
| "grad_norm": 1.8216391801834106, | |
| "learning_rate": 0.00043557046979865775, | |
| "loss": 2.1175, | |
| "step": 102 | |
| }, | |
| { | |
| "epoch": 0.27466666666666667, | |
| "grad_norm": 2.1698806285858154, | |
| "learning_rate": 0.0004348993288590604, | |
| "loss": 2.1728, | |
| "step": 103 | |
| }, | |
| { | |
| "epoch": 0.2773333333333333, | |
| "grad_norm": 1.9396804571151733, | |
| "learning_rate": 0.00043422818791946313, | |
| "loss": 2.0818, | |
| "step": 104 | |
| }, | |
| { | |
| "epoch": 0.28, | |
| "grad_norm": 2.1544346809387207, | |
| "learning_rate": 0.00043355704697986574, | |
| "loss": 2.1498, | |
| "step": 105 | |
| }, | |
| { | |
| "epoch": 0.2826666666666667, | |
| "grad_norm": 1.983604907989502, | |
| "learning_rate": 0.00043288590604026846, | |
| "loss": 2.194, | |
| "step": 106 | |
| }, | |
| { | |
| "epoch": 0.2853333333333333, | |
| "grad_norm": 3.0730369091033936, | |
| "learning_rate": 0.0004322147651006711, | |
| "loss": 2.1437, | |
| "step": 107 | |
| }, | |
| { | |
| "epoch": 0.288, | |
| "grad_norm": 2.2146384716033936, | |
| "learning_rate": 0.00043154362416107384, | |
| "loss": 2.2381, | |
| "step": 108 | |
| }, | |
| { | |
| "epoch": 0.2906666666666667, | |
| "grad_norm": 1.7721198797225952, | |
| "learning_rate": 0.00043087248322147656, | |
| "loss": 2.1758, | |
| "step": 109 | |
| }, | |
| { | |
| "epoch": 0.29333333333333333, | |
| "grad_norm": 1.905593991279602, | |
| "learning_rate": 0.0004302013422818792, | |
| "loss": 2.152, | |
| "step": 110 | |
| }, | |
| { | |
| "epoch": 0.296, | |
| "grad_norm": 2.222337484359741, | |
| "learning_rate": 0.0004295302013422819, | |
| "loss": 2.1278, | |
| "step": 111 | |
| }, | |
| { | |
| "epoch": 0.2986666666666667, | |
| "grad_norm": 1.9015562534332275, | |
| "learning_rate": 0.00042885906040268456, | |
| "loss": 2.1701, | |
| "step": 112 | |
| }, | |
| { | |
| "epoch": 0.30133333333333334, | |
| "grad_norm": 2.0160012245178223, | |
| "learning_rate": 0.0004281879194630873, | |
| "loss": 2.1139, | |
| "step": 113 | |
| }, | |
| { | |
| "epoch": 0.304, | |
| "grad_norm": 2.5178940296173096, | |
| "learning_rate": 0.00042751677852348994, | |
| "loss": 2.1912, | |
| "step": 114 | |
| }, | |
| { | |
| "epoch": 0.30666666666666664, | |
| "grad_norm": 1.9496968984603882, | |
| "learning_rate": 0.0004268456375838926, | |
| "loss": 2.1285, | |
| "step": 115 | |
| }, | |
| { | |
| "epoch": 0.30933333333333335, | |
| "grad_norm": 1.9165014028549194, | |
| "learning_rate": 0.0004261744966442953, | |
| "loss": 2.1468, | |
| "step": 116 | |
| }, | |
| { | |
| "epoch": 0.312, | |
| "grad_norm": 2.064317464828491, | |
| "learning_rate": 0.000425503355704698, | |
| "loss": 2.1306, | |
| "step": 117 | |
| }, | |
| { | |
| "epoch": 0.31466666666666665, | |
| "grad_norm": 2.1233792304992676, | |
| "learning_rate": 0.0004248322147651007, | |
| "loss": 2.0635, | |
| "step": 118 | |
| }, | |
| { | |
| "epoch": 0.31733333333333336, | |
| "grad_norm": 2.2450101375579834, | |
| "learning_rate": 0.0004241610738255033, | |
| "loss": 2.2343, | |
| "step": 119 | |
| }, | |
| { | |
| "epoch": 0.32, | |
| "grad_norm": 2.2606186866760254, | |
| "learning_rate": 0.00042348993288590604, | |
| "loss": 2.0978, | |
| "step": 120 | |
| }, | |
| { | |
| "epoch": 0.32266666666666666, | |
| "grad_norm": 2.1984171867370605, | |
| "learning_rate": 0.00042281879194630876, | |
| "loss": 2.2415, | |
| "step": 121 | |
| }, | |
| { | |
| "epoch": 0.3253333333333333, | |
| "grad_norm": 2.1734187602996826, | |
| "learning_rate": 0.0004221476510067114, | |
| "loss": 2.1066, | |
| "step": 122 | |
| }, | |
| { | |
| "epoch": 0.328, | |
| "grad_norm": 2.565073013305664, | |
| "learning_rate": 0.00042147651006711414, | |
| "loss": 2.2116, | |
| "step": 123 | |
| }, | |
| { | |
| "epoch": 0.33066666666666666, | |
| "grad_norm": 2.5273349285125732, | |
| "learning_rate": 0.00042080536912751675, | |
| "loss": 2.2632, | |
| "step": 124 | |
| }, | |
| { | |
| "epoch": 0.3333333333333333, | |
| "grad_norm": 2.053875207901001, | |
| "learning_rate": 0.0004201342281879195, | |
| "loss": 2.0613, | |
| "step": 125 | |
| }, | |
| { | |
| "epoch": 0.336, | |
| "grad_norm": 2.1504480838775635, | |
| "learning_rate": 0.00041946308724832214, | |
| "loss": 2.1702, | |
| "step": 126 | |
| }, | |
| { | |
| "epoch": 0.33866666666666667, | |
| "grad_norm": 1.9674434661865234, | |
| "learning_rate": 0.00041879194630872486, | |
| "loss": 2.2179, | |
| "step": 127 | |
| }, | |
| { | |
| "epoch": 0.3413333333333333, | |
| "grad_norm": 2.0371594429016113, | |
| "learning_rate": 0.0004181208053691275, | |
| "loss": 2.1576, | |
| "step": 128 | |
| }, | |
| { | |
| "epoch": 0.344, | |
| "grad_norm": 2.1722424030303955, | |
| "learning_rate": 0.0004174496644295302, | |
| "loss": 2.1568, | |
| "step": 129 | |
| }, | |
| { | |
| "epoch": 0.3466666666666667, | |
| "grad_norm": 1.8493080139160156, | |
| "learning_rate": 0.0004167785234899329, | |
| "loss": 2.1448, | |
| "step": 130 | |
| }, | |
| { | |
| "epoch": 0.34933333333333333, | |
| "grad_norm": 1.8906511068344116, | |
| "learning_rate": 0.00041610738255033557, | |
| "loss": 2.1382, | |
| "step": 131 | |
| }, | |
| { | |
| "epoch": 0.352, | |
| "grad_norm": 2.458812952041626, | |
| "learning_rate": 0.0004154362416107383, | |
| "loss": 2.1413, | |
| "step": 132 | |
| }, | |
| { | |
| "epoch": 0.3546666666666667, | |
| "grad_norm": 1.8810272216796875, | |
| "learning_rate": 0.0004147651006711409, | |
| "loss": 2.1943, | |
| "step": 133 | |
| }, | |
| { | |
| "epoch": 0.35733333333333334, | |
| "grad_norm": 2.4485628604888916, | |
| "learning_rate": 0.0004140939597315436, | |
| "loss": 2.2619, | |
| "step": 134 | |
| }, | |
| { | |
| "epoch": 0.36, | |
| "grad_norm": 2.633702278137207, | |
| "learning_rate": 0.00041342281879194634, | |
| "loss": 2.3566, | |
| "step": 135 | |
| }, | |
| { | |
| "epoch": 0.3626666666666667, | |
| "grad_norm": 1.8953648805618286, | |
| "learning_rate": 0.000412751677852349, | |
| "loss": 2.1156, | |
| "step": 136 | |
| }, | |
| { | |
| "epoch": 0.36533333333333334, | |
| "grad_norm": 2.009206533432007, | |
| "learning_rate": 0.0004120805369127517, | |
| "loss": 2.1292, | |
| "step": 137 | |
| }, | |
| { | |
| "epoch": 0.368, | |
| "grad_norm": 2.1863133907318115, | |
| "learning_rate": 0.00041140939597315434, | |
| "loss": 2.1048, | |
| "step": 138 | |
| }, | |
| { | |
| "epoch": 0.37066666666666664, | |
| "grad_norm": 2.2830810546875, | |
| "learning_rate": 0.00041073825503355705, | |
| "loss": 2.2971, | |
| "step": 139 | |
| }, | |
| { | |
| "epoch": 0.37333333333333335, | |
| "grad_norm": 1.7698041200637817, | |
| "learning_rate": 0.0004100671140939598, | |
| "loss": 2.1421, | |
| "step": 140 | |
| }, | |
| { | |
| "epoch": 0.376, | |
| "grad_norm": 1.9662206172943115, | |
| "learning_rate": 0.00040939597315436244, | |
| "loss": 2.073, | |
| "step": 141 | |
| }, | |
| { | |
| "epoch": 0.37866666666666665, | |
| "grad_norm": 1.842811107635498, | |
| "learning_rate": 0.0004087248322147651, | |
| "loss": 2.1251, | |
| "step": 142 | |
| }, | |
| { | |
| "epoch": 0.38133333333333336, | |
| "grad_norm": 2.3966176509857178, | |
| "learning_rate": 0.00040805369127516777, | |
| "loss": 2.2615, | |
| "step": 143 | |
| }, | |
| { | |
| "epoch": 0.384, | |
| "grad_norm": 1.8330518007278442, | |
| "learning_rate": 0.0004073825503355705, | |
| "loss": 2.1212, | |
| "step": 144 | |
| }, | |
| { | |
| "epoch": 0.38666666666666666, | |
| "grad_norm": 2.2815067768096924, | |
| "learning_rate": 0.00040671140939597315, | |
| "loss": 1.9967, | |
| "step": 145 | |
| }, | |
| { | |
| "epoch": 0.3893333333333333, | |
| "grad_norm": 2.0610122680664062, | |
| "learning_rate": 0.00040604026845637587, | |
| "loss": 2.1672, | |
| "step": 146 | |
| }, | |
| { | |
| "epoch": 0.392, | |
| "grad_norm": 2.2148237228393555, | |
| "learning_rate": 0.00040536912751677854, | |
| "loss": 2.12, | |
| "step": 147 | |
| }, | |
| { | |
| "epoch": 0.39466666666666667, | |
| "grad_norm": 2.140583038330078, | |
| "learning_rate": 0.0004046979865771812, | |
| "loss": 2.2654, | |
| "step": 148 | |
| }, | |
| { | |
| "epoch": 0.3973333333333333, | |
| "grad_norm": 2.087383270263672, | |
| "learning_rate": 0.0004040268456375839, | |
| "loss": 2.0081, | |
| "step": 149 | |
| }, | |
| { | |
| "epoch": 0.4, | |
| "grad_norm": 2.019127368927002, | |
| "learning_rate": 0.0004033557046979866, | |
| "loss": 2.2961, | |
| "step": 150 | |
| }, | |
| { | |
| "epoch": 0.4026666666666667, | |
| "grad_norm": 2.156116485595703, | |
| "learning_rate": 0.00040268456375838925, | |
| "loss": 2.1146, | |
| "step": 151 | |
| }, | |
| { | |
| "epoch": 0.4053333333333333, | |
| "grad_norm": 2.1553804874420166, | |
| "learning_rate": 0.0004020134228187919, | |
| "loss": 2.2517, | |
| "step": 152 | |
| }, | |
| { | |
| "epoch": 0.408, | |
| "grad_norm": 2.3060996532440186, | |
| "learning_rate": 0.00040134228187919464, | |
| "loss": 2.1544, | |
| "step": 153 | |
| }, | |
| { | |
| "epoch": 0.4106666666666667, | |
| "grad_norm": 2.078162431716919, | |
| "learning_rate": 0.00040067114093959735, | |
| "loss": 2.1286, | |
| "step": 154 | |
| }, | |
| { | |
| "epoch": 0.41333333333333333, | |
| "grad_norm": 2.1695902347564697, | |
| "learning_rate": 0.0004, | |
| "loss": 2.2246, | |
| "step": 155 | |
| }, | |
| { | |
| "epoch": 0.416, | |
| "grad_norm": 2.2290070056915283, | |
| "learning_rate": 0.0003993288590604027, | |
| "loss": 2.2081, | |
| "step": 156 | |
| }, | |
| { | |
| "epoch": 0.4186666666666667, | |
| "grad_norm": 2.1992504596710205, | |
| "learning_rate": 0.00039865771812080535, | |
| "loss": 2.1093, | |
| "step": 157 | |
| }, | |
| { | |
| "epoch": 0.42133333333333334, | |
| "grad_norm": 2.001126527786255, | |
| "learning_rate": 0.00039798657718120807, | |
| "loss": 2.2068, | |
| "step": 158 | |
| }, | |
| { | |
| "epoch": 0.424, | |
| "grad_norm": 2.8013081550598145, | |
| "learning_rate": 0.0003973154362416108, | |
| "loss": 2.2607, | |
| "step": 159 | |
| }, | |
| { | |
| "epoch": 0.4266666666666667, | |
| "grad_norm": 2.1828129291534424, | |
| "learning_rate": 0.00039664429530201345, | |
| "loss": 2.1367, | |
| "step": 160 | |
| }, | |
| { | |
| "epoch": 0.42933333333333334, | |
| "grad_norm": 2.2790374755859375, | |
| "learning_rate": 0.0003959731543624161, | |
| "loss": 2.1564, | |
| "step": 161 | |
| }, | |
| { | |
| "epoch": 0.432, | |
| "grad_norm": 2.4061520099639893, | |
| "learning_rate": 0.0003953020134228188, | |
| "loss": 2.1546, | |
| "step": 162 | |
| }, | |
| { | |
| "epoch": 0.43466666666666665, | |
| "grad_norm": 1.9639766216278076, | |
| "learning_rate": 0.0003946308724832215, | |
| "loss": 2.091, | |
| "step": 163 | |
| }, | |
| { | |
| "epoch": 0.43733333333333335, | |
| "grad_norm": 2.1262893676757812, | |
| "learning_rate": 0.00039395973154362417, | |
| "loss": 2.1445, | |
| "step": 164 | |
| }, | |
| { | |
| "epoch": 0.44, | |
| "grad_norm": 1.9325850009918213, | |
| "learning_rate": 0.00039328859060402683, | |
| "loss": 2.1136, | |
| "step": 165 | |
| }, | |
| { | |
| "epoch": 0.44266666666666665, | |
| "grad_norm": 1.871358036994934, | |
| "learning_rate": 0.00039261744966442955, | |
| "loss": 2.1256, | |
| "step": 166 | |
| }, | |
| { | |
| "epoch": 0.44533333333333336, | |
| "grad_norm": 2.239694118499756, | |
| "learning_rate": 0.0003919463087248322, | |
| "loss": 2.1037, | |
| "step": 167 | |
| }, | |
| { | |
| "epoch": 0.448, | |
| "grad_norm": 2.328955888748169, | |
| "learning_rate": 0.00039127516778523493, | |
| "loss": 2.153, | |
| "step": 168 | |
| }, | |
| { | |
| "epoch": 0.45066666666666666, | |
| "grad_norm": 2.0680394172668457, | |
| "learning_rate": 0.0003906040268456376, | |
| "loss": 2.2259, | |
| "step": 169 | |
| }, | |
| { | |
| "epoch": 0.4533333333333333, | |
| "grad_norm": 2.0476558208465576, | |
| "learning_rate": 0.00038993288590604026, | |
| "loss": 2.066, | |
| "step": 170 | |
| }, | |
| { | |
| "epoch": 0.456, | |
| "grad_norm": 1.8802927732467651, | |
| "learning_rate": 0.00038926174496644293, | |
| "loss": 2.2538, | |
| "step": 171 | |
| }, | |
| { | |
| "epoch": 0.45866666666666667, | |
| "grad_norm": 2.389678955078125, | |
| "learning_rate": 0.00038859060402684565, | |
| "loss": 2.1479, | |
| "step": 172 | |
| }, | |
| { | |
| "epoch": 0.4613333333333333, | |
| "grad_norm": 2.0446889400482178, | |
| "learning_rate": 0.00038791946308724837, | |
| "loss": 2.0938, | |
| "step": 173 | |
| }, | |
| { | |
| "epoch": 0.464, | |
| "grad_norm": 2.309231996536255, | |
| "learning_rate": 0.000387248322147651, | |
| "loss": 2.102, | |
| "step": 174 | |
| }, | |
| { | |
| "epoch": 0.4666666666666667, | |
| "grad_norm": 2.3548967838287354, | |
| "learning_rate": 0.0003865771812080537, | |
| "loss": 1.929, | |
| "step": 175 | |
| }, | |
| { | |
| "epoch": 0.4693333333333333, | |
| "grad_norm": 2.109212636947632, | |
| "learning_rate": 0.00038590604026845636, | |
| "loss": 2.1874, | |
| "step": 176 | |
| }, | |
| { | |
| "epoch": 0.472, | |
| "grad_norm": 1.7046563625335693, | |
| "learning_rate": 0.0003852348993288591, | |
| "loss": 2.0835, | |
| "step": 177 | |
| }, | |
| { | |
| "epoch": 0.4746666666666667, | |
| "grad_norm": 2.3349504470825195, | |
| "learning_rate": 0.0003845637583892618, | |
| "loss": 2.1755, | |
| "step": 178 | |
| }, | |
| { | |
| "epoch": 0.47733333333333333, | |
| "grad_norm": 1.9932845830917358, | |
| "learning_rate": 0.0003838926174496644, | |
| "loss": 2.1853, | |
| "step": 179 | |
| }, | |
| { | |
| "epoch": 0.48, | |
| "grad_norm": 1.896245002746582, | |
| "learning_rate": 0.00038322147651006713, | |
| "loss": 2.2239, | |
| "step": 180 | |
| }, | |
| { | |
| "epoch": 0.4826666666666667, | |
| "grad_norm": 2.451906204223633, | |
| "learning_rate": 0.0003825503355704698, | |
| "loss": 2.1803, | |
| "step": 181 | |
| }, | |
| { | |
| "epoch": 0.48533333333333334, | |
| "grad_norm": 3.5472662448883057, | |
| "learning_rate": 0.0003818791946308725, | |
| "loss": 2.1781, | |
| "step": 182 | |
| }, | |
| { | |
| "epoch": 0.488, | |
| "grad_norm": 1.7954983711242676, | |
| "learning_rate": 0.0003812080536912752, | |
| "loss": 2.1159, | |
| "step": 183 | |
| }, | |
| { | |
| "epoch": 0.49066666666666664, | |
| "grad_norm": 2.308729410171509, | |
| "learning_rate": 0.00038053691275167785, | |
| "loss": 2.2176, | |
| "step": 184 | |
| }, | |
| { | |
| "epoch": 0.49333333333333335, | |
| "grad_norm": 2.430508613586426, | |
| "learning_rate": 0.00037986577181208056, | |
| "loss": 2.1742, | |
| "step": 185 | |
| }, | |
| { | |
| "epoch": 0.496, | |
| "grad_norm": 3.750340461730957, | |
| "learning_rate": 0.00037919463087248323, | |
| "loss": 2.1848, | |
| "step": 186 | |
| }, | |
| { | |
| "epoch": 0.49866666666666665, | |
| "grad_norm": 1.8468990325927734, | |
| "learning_rate": 0.00037852348993288595, | |
| "loss": 2.2697, | |
| "step": 187 | |
| }, | |
| { | |
| "epoch": 0.5013333333333333, | |
| "grad_norm": 1.6696285009384155, | |
| "learning_rate": 0.00037785234899328856, | |
| "loss": 2.119, | |
| "step": 188 | |
| }, | |
| { | |
| "epoch": 0.504, | |
| "grad_norm": 2.6666688919067383, | |
| "learning_rate": 0.0003771812080536913, | |
| "loss": 2.0995, | |
| "step": 189 | |
| }, | |
| { | |
| "epoch": 0.5066666666666667, | |
| "grad_norm": 1.7461131811141968, | |
| "learning_rate": 0.00037651006711409394, | |
| "loss": 2.1585, | |
| "step": 190 | |
| }, | |
| { | |
| "epoch": 0.5093333333333333, | |
| "grad_norm": 1.8945667743682861, | |
| "learning_rate": 0.00037583892617449666, | |
| "loss": 2.2269, | |
| "step": 191 | |
| }, | |
| { | |
| "epoch": 0.512, | |
| "grad_norm": 2.1470212936401367, | |
| "learning_rate": 0.0003751677852348994, | |
| "loss": 2.1429, | |
| "step": 192 | |
| }, | |
| { | |
| "epoch": 0.5146666666666667, | |
| "grad_norm": 1.98981511592865, | |
| "learning_rate": 0.000374496644295302, | |
| "loss": 2.0532, | |
| "step": 193 | |
| }, | |
| { | |
| "epoch": 0.5173333333333333, | |
| "grad_norm": 2.916414260864258, | |
| "learning_rate": 0.0003738255033557047, | |
| "loss": 2.1565, | |
| "step": 194 | |
| }, | |
| { | |
| "epoch": 0.52, | |
| "grad_norm": 2.0814547538757324, | |
| "learning_rate": 0.0003731543624161074, | |
| "loss": 2.059, | |
| "step": 195 | |
| }, | |
| { | |
| "epoch": 0.5226666666666666, | |
| "grad_norm": 2.5623323917388916, | |
| "learning_rate": 0.0003724832214765101, | |
| "loss": 2.246, | |
| "step": 196 | |
| }, | |
| { | |
| "epoch": 0.5253333333333333, | |
| "grad_norm": 2.0759260654449463, | |
| "learning_rate": 0.0003718120805369127, | |
| "loss": 2.1994, | |
| "step": 197 | |
| }, | |
| { | |
| "epoch": 0.528, | |
| "grad_norm": 2.0958433151245117, | |
| "learning_rate": 0.0003711409395973154, | |
| "loss": 2.312, | |
| "step": 198 | |
| }, | |
| { | |
| "epoch": 0.5306666666666666, | |
| "grad_norm": 1.9345588684082031, | |
| "learning_rate": 0.00037046979865771815, | |
| "loss": 2.262, | |
| "step": 199 | |
| }, | |
| { | |
| "epoch": 0.5333333333333333, | |
| "grad_norm": 2.496511697769165, | |
| "learning_rate": 0.0003697986577181208, | |
| "loss": 2.1374, | |
| "step": 200 | |
| }, | |
| { | |
| "epoch": 0.5333333333333333, | |
| "eval_loss": 2.740701675415039, | |
| "eval_runtime": 2.9679, | |
| "eval_samples_per_second": 33.693, | |
| "eval_steps_per_second": 4.38, | |
| "step": 200 | |
| }, | |
| { | |
| "epoch": 0.536, | |
| "grad_norm": 2.432771921157837, | |
| "learning_rate": 0.00036912751677852353, | |
| "loss": 2.0972, | |
| "step": 201 | |
| }, | |
| { | |
| "epoch": 0.5386666666666666, | |
| "grad_norm": 1.7450460195541382, | |
| "learning_rate": 0.00036845637583892614, | |
| "loss": 2.1, | |
| "step": 202 | |
| }, | |
| { | |
| "epoch": 0.5413333333333333, | |
| "grad_norm": 2.1547839641571045, | |
| "learning_rate": 0.00036778523489932886, | |
| "loss": 2.2389, | |
| "step": 203 | |
| }, | |
| { | |
| "epoch": 0.544, | |
| "grad_norm": 2.068830966949463, | |
| "learning_rate": 0.0003671140939597316, | |
| "loss": 2.1345, | |
| "step": 204 | |
| }, | |
| { | |
| "epoch": 0.5466666666666666, | |
| "grad_norm": 1.9365946054458618, | |
| "learning_rate": 0.00036644295302013424, | |
| "loss": 2.2807, | |
| "step": 205 | |
| }, | |
| { | |
| "epoch": 0.5493333333333333, | |
| "grad_norm": 2.5042197704315186, | |
| "learning_rate": 0.00036577181208053696, | |
| "loss": 2.1585, | |
| "step": 206 | |
| }, | |
| { | |
| "epoch": 0.552, | |
| "grad_norm": 2.1041066646575928, | |
| "learning_rate": 0.0003651006711409396, | |
| "loss": 2.2156, | |
| "step": 207 | |
| }, | |
| { | |
| "epoch": 0.5546666666666666, | |
| "grad_norm": 1.9482405185699463, | |
| "learning_rate": 0.0003644295302013423, | |
| "loss": 2.1189, | |
| "step": 208 | |
| }, | |
| { | |
| "epoch": 0.5573333333333333, | |
| "grad_norm": 1.7892388105392456, | |
| "learning_rate": 0.00036375838926174496, | |
| "loss": 2.252, | |
| "step": 209 | |
| }, | |
| { | |
| "epoch": 0.56, | |
| "grad_norm": 1.888733148574829, | |
| "learning_rate": 0.0003630872483221477, | |
| "loss": 2.1769, | |
| "step": 210 | |
| }, | |
| { | |
| "epoch": 0.5626666666666666, | |
| "grad_norm": 2.031954050064087, | |
| "learning_rate": 0.00036241610738255034, | |
| "loss": 2.1701, | |
| "step": 211 | |
| }, | |
| { | |
| "epoch": 0.5653333333333334, | |
| "grad_norm": 2.3231399059295654, | |
| "learning_rate": 0.000361744966442953, | |
| "loss": 2.1861, | |
| "step": 212 | |
| }, | |
| { | |
| "epoch": 0.568, | |
| "grad_norm": 1.788241982460022, | |
| "learning_rate": 0.0003610738255033557, | |
| "loss": 2.2834, | |
| "step": 213 | |
| }, | |
| { | |
| "epoch": 0.5706666666666667, | |
| "grad_norm": 2.1457693576812744, | |
| "learning_rate": 0.0003604026845637584, | |
| "loss": 2.1962, | |
| "step": 214 | |
| }, | |
| { | |
| "epoch": 0.5733333333333334, | |
| "grad_norm": 2.0327866077423096, | |
| "learning_rate": 0.0003597315436241611, | |
| "loss": 2.2073, | |
| "step": 215 | |
| }, | |
| { | |
| "epoch": 0.576, | |
| "grad_norm": 2.115037679672241, | |
| "learning_rate": 0.0003590604026845637, | |
| "loss": 2.2295, | |
| "step": 216 | |
| }, | |
| { | |
| "epoch": 0.5786666666666667, | |
| "grad_norm": 2.880354404449463, | |
| "learning_rate": 0.00035838926174496644, | |
| "loss": 2.1047, | |
| "step": 217 | |
| }, | |
| { | |
| "epoch": 0.5813333333333334, | |
| "grad_norm": 2.5368404388427734, | |
| "learning_rate": 0.00035771812080536916, | |
| "loss": 2.0423, | |
| "step": 218 | |
| }, | |
| { | |
| "epoch": 0.584, | |
| "grad_norm": 2.4011788368225098, | |
| "learning_rate": 0.0003570469798657718, | |
| "loss": 2.1397, | |
| "step": 219 | |
| }, | |
| { | |
| "epoch": 0.5866666666666667, | |
| "grad_norm": 2.1273884773254395, | |
| "learning_rate": 0.0003563758389261745, | |
| "loss": 2.1233, | |
| "step": 220 | |
| } | |
| ], | |
| "logging_steps": 1, | |
| "max_steps": 750, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 2, | |
| "save_steps": 5, | |
| "stateful_callbacks": { | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": false, | |
| "should_training_stop": false | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 7.5642175488e+16, | |
| "train_batch_size": 2, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |