File size: 9,172 Bytes
d4b1108
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
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
{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 8.0,
  "eval_steps": 100,
  "global_step": 192,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.20833333333333334,
      "grad_norm": 14.965083122253418,
      "learning_rate": 4.991638098272951e-05,
      "loss": 4.5817,
      "num_input_tokens_seen": 70400,
      "step": 5
    },
    {
      "epoch": 0.4166666666666667,
      "grad_norm": 1.2255456447601318,
      "learning_rate": 4.966608330212198e-05,
      "loss": 0.4906,
      "num_input_tokens_seen": 142296,
      "step": 10
    },
    {
      "epoch": 0.625,
      "grad_norm": 0.9692479372024536,
      "learning_rate": 4.9250781329863606e-05,
      "loss": 0.5919,
      "num_input_tokens_seen": 215224,
      "step": 15
    },
    {
      "epoch": 0.8333333333333334,
      "grad_norm": 1.2537702322006226,
      "learning_rate": 4.867325323737765e-05,
      "loss": 0.3977,
      "num_input_tokens_seen": 285568,
      "step": 20
    },
    {
      "epoch": 1.0416666666666667,
      "grad_norm": 5.391773700714111,
      "learning_rate": 4.793736241118728e-05,
      "loss": 0.4036,
      "num_input_tokens_seen": 357968,
      "step": 25
    },
    {
      "epoch": 1.25,
      "grad_norm": 0.7211081981658936,
      "learning_rate": 4.7048031608708876e-05,
      "loss": 0.3966,
      "num_input_tokens_seen": 428848,
      "step": 30
    },
    {
      "epoch": 1.4583333333333333,
      "grad_norm": 1.8750863075256348,
      "learning_rate": 4.601121002736095e-05,
      "loss": 0.3386,
      "num_input_tokens_seen": 500536,
      "step": 35
    },
    {
      "epoch": 1.6666666666666665,
      "grad_norm": 3.4102139472961426,
      "learning_rate": 4.4833833507280884e-05,
      "loss": 0.3656,
      "num_input_tokens_seen": 572648,
      "step": 40
    },
    {
      "epoch": 1.875,
      "grad_norm": 2.648550510406494,
      "learning_rate": 4.352377813387398e-05,
      "loss": 0.3556,
      "num_input_tokens_seen": 643624,
      "step": 45
    },
    {
      "epoch": 2.0833333333333335,
      "grad_norm": 0.8133513331413269,
      "learning_rate": 4.208980755057178e-05,
      "loss": 0.2927,
      "num_input_tokens_seen": 715504,
      "step": 50
    },
    {
      "epoch": 2.2916666666666665,
      "grad_norm": 2.6871180534362793,
      "learning_rate": 4.054151433425194e-05,
      "loss": 0.2644,
      "num_input_tokens_seen": 786328,
      "step": 55
    },
    {
      "epoch": 2.5,
      "grad_norm": 1.71990966796875,
      "learning_rate": 3.888925582549006e-05,
      "loss": 0.2624,
      "num_input_tokens_seen": 856784,
      "step": 60
    },
    {
      "epoch": 2.7083333333333335,
      "grad_norm": 1.2586452960968018,
      "learning_rate": 3.7144084842908505e-05,
      "loss": 0.2458,
      "num_input_tokens_seen": 929768,
      "step": 65
    },
    {
      "epoch": 2.9166666666666665,
      "grad_norm": 1.3015620708465576,
      "learning_rate": 3.5317675745109866e-05,
      "loss": 0.2809,
      "num_input_tokens_seen": 1001312,
      "step": 70
    },
    {
      "epoch": 3.125,
      "grad_norm": 1.136038899421692,
      "learning_rate": 3.34222463348055e-05,
      "loss": 0.2873,
      "num_input_tokens_seen": 1074016,
      "step": 75
    },
    {
      "epoch": 3.3333333333333335,
      "grad_norm": 1.0206663608551025,
      "learning_rate": 3.147047612756302e-05,
      "loss": 0.2201,
      "num_input_tokens_seen": 1144184,
      "step": 80
    },
    {
      "epoch": 3.5416666666666665,
      "grad_norm": 1.0465854406356812,
      "learning_rate": 2.9475421531915827e-05,
      "loss": 0.1891,
      "num_input_tokens_seen": 1215680,
      "step": 85
    },
    {
      "epoch": 3.75,
      "grad_norm": 2.669116497039795,
      "learning_rate": 2.7450428508239024e-05,
      "loss": 0.1966,
      "num_input_tokens_seen": 1287848,
      "step": 90
    },
    {
      "epoch": 3.9583333333333335,
      "grad_norm": 2.8238487243652344,
      "learning_rate": 2.5409043290662173e-05,
      "loss": 0.1773,
      "num_input_tokens_seen": 1359184,
      "step": 95
    },
    {
      "epoch": 4.166666666666667,
      "grad_norm": 4.206888198852539,
      "learning_rate": 2.3364921769246423e-05,
      "loss": 0.1521,
      "num_input_tokens_seen": 1431816,
      "step": 100
    },
    {
      "epoch": 4.166666666666667,
      "eval_loss": 0.3628197908401489,
      "eval_runtime": 109.019,
      "eval_samples_per_second": 0.881,
      "eval_steps_per_second": 0.44,
      "num_input_tokens_seen": 1431816,
      "step": 100
    },
    {
      "epoch": 4.375,
      "grad_norm": 1.345531702041626,
      "learning_rate": 2.1331738138615958e-05,
      "loss": 0.0969,
      "num_input_tokens_seen": 1503912,
      "step": 105
    },
    {
      "epoch": 4.583333333333333,
      "grad_norm": 2.6333017349243164,
      "learning_rate": 1.932309342414067e-05,
      "loss": 0.1199,
      "num_input_tokens_seen": 1575912,
      "step": 110
    },
    {
      "epoch": 4.791666666666667,
      "grad_norm": 1.8659350872039795,
      "learning_rate": 1.7352424497586163e-05,
      "loss": 0.1323,
      "num_input_tokens_seen": 1646056,
      "step": 115
    },
    {
      "epoch": 5.0,
      "grad_norm": 2.1656887531280518,
      "learning_rate": 1.5432914190872757e-05,
      "loss": 0.1403,
      "num_input_tokens_seen": 1717560,
      "step": 120
    },
    {
      "epoch": 5.208333333333333,
      "grad_norm": 4.230530738830566,
      "learning_rate": 1.3577403109239484e-05,
      "loss": 0.1139,
      "num_input_tokens_seen": 1789304,
      "step": 125
    },
    {
      "epoch": 5.416666666666667,
      "grad_norm": 0.5218907594680786,
      "learning_rate": 1.1798303733740802e-05,
      "loss": 0.0935,
      "num_input_tokens_seen": 1859552,
      "step": 130
    },
    {
      "epoch": 5.625,
      "grad_norm": 1.5045415163040161,
      "learning_rate": 1.0107517387689166e-05,
      "loss": 0.0502,
      "num_input_tokens_seen": 1931216,
      "step": 135
    },
    {
      "epoch": 5.833333333333333,
      "grad_norm": 2.7641360759735107,
      "learning_rate": 8.51635462249828e-06,
      "loss": 0.043,
      "num_input_tokens_seen": 2003784,
      "step": 140
    },
    {
      "epoch": 6.041666666666667,
      "grad_norm": 1.3363369703292847,
      "learning_rate": 7.035459555507548e-06,
      "loss": 0.0432,
      "num_input_tokens_seen": 2075648,
      "step": 145
    },
    {
      "epoch": 6.25,
      "grad_norm": 2.7394213676452637,
      "learning_rate": 5.674738665931575e-06,
      "loss": 0.0336,
      "num_input_tokens_seen": 2147344,
      "step": 150
    },
    {
      "epoch": 6.458333333333333,
      "grad_norm": 1.555774450302124,
      "learning_rate": 4.4432945252556284e-06,
      "loss": 0.0189,
      "num_input_tokens_seen": 2218968,
      "step": 155
    },
    {
      "epoch": 6.666666666666667,
      "grad_norm": 0.5655226111412048,
      "learning_rate": 3.3493649053890326e-06,
      "loss": 0.0344,
      "num_input_tokens_seen": 2290400,
      "step": 160
    },
    {
      "epoch": 6.875,
      "grad_norm": 0.8995972275733948,
      "learning_rate": 2.4002676719139166e-06,
      "loss": 0.0112,
      "num_input_tokens_seen": 2362184,
      "step": 165
    },
    {
      "epoch": 7.083333333333333,
      "grad_norm": 0.36821281909942627,
      "learning_rate": 1.6023518310668618e-06,
      "loss": 0.0071,
      "num_input_tokens_seen": 2432600,
      "step": 170
    },
    {
      "epoch": 7.291666666666667,
      "grad_norm": 2.5213656425476074,
      "learning_rate": 9.609550579259496e-07,
      "loss": 0.0239,
      "num_input_tokens_seen": 2503072,
      "step": 175
    },
    {
      "epoch": 7.5,
      "grad_norm": 0.3469555377960205,
      "learning_rate": 4.803679899192392e-07,
      "loss": 0.0051,
      "num_input_tokens_seen": 2575144,
      "step": 180
    },
    {
      "epoch": 7.708333333333333,
      "grad_norm": 1.465752124786377,
      "learning_rate": 1.6380552451389086e-07,
      "loss": 0.0197,
      "num_input_tokens_seen": 2646888,
      "step": 185
    },
    {
      "epoch": 7.916666666666667,
      "grad_norm": 0.40796151757240295,
      "learning_rate": 1.3385313090857887e-08,
      "loss": 0.0048,
      "num_input_tokens_seen": 2719168,
      "step": 190
    },
    {
      "epoch": 8.0,
      "num_input_tokens_seen": 2748096,
      "step": 192,
      "total_flos": 194502843170816.0,
      "train_loss": 0.2990388348637983,
      "train_runtime": 8392.057,
      "train_samples_per_second": 0.366,
      "train_steps_per_second": 0.023
    }
  ],
  "logging_steps": 5,
  "max_steps": 192,
  "num_input_tokens_seen": 2748096,
  "num_train_epochs": 8,
  "save_steps": 100,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": true
      },
      "attributes": {}
    }
  },
  "total_flos": 194502843170816.0,
  "train_batch_size": 1,
  "trial_name": null,
  "trial_params": null
}