File size: 2,726 Bytes
54651e2
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
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
{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 1.0,
  "eval_steps": 2,
  "global_step": 24,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.041666666666666664,
      "grad_norm": 0.0,
      "learning_rate": 0.0,
      "loss": 0.7559,
      "step": 1
    },
    {
      "epoch": 0.08333333333333333,
      "grad_norm": 0.0,
      "learning_rate": 0.0,
      "loss": 0.7135,
      "step": 2
    },
    {
      "epoch": 0.16666666666666666,
      "grad_norm": 0.0,
      "learning_rate": 0.0,
      "loss": 0.8489,
      "step": 4
    },
    {
      "epoch": 0.25,
      "grad_norm": 0.0,
      "learning_rate": 0.0,
      "loss": 0.797,
      "step": 6
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 10.305083919363016,
      "learning_rate": 1.5e-06,
      "loss": 0.8431,
      "step": 8
    },
    {
      "epoch": 0.4166666666666667,
      "grad_norm": 7.655107078882642,
      "learning_rate": 2.865909090909091e-06,
      "loss": 0.7511,
      "step": 10
    },
    {
      "epoch": 0.5,
      "grad_norm": 4.0160890881464875,
      "learning_rate": 2.5977272727272726e-06,
      "loss": 0.6955,
      "step": 12
    },
    {
      "epoch": 0.5833333333333334,
      "grad_norm": 4.847331281388901,
      "learning_rate": 2.4636363636363635e-06,
      "loss": 0.7004,
      "step": 14
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 2.8142153085473263,
      "learning_rate": 2.1954545454545456e-06,
      "loss": 0.6475,
      "step": 16
    },
    {
      "epoch": 0.75,
      "grad_norm": 2.8911883560824365,
      "learning_rate": 1.9272727272727273e-06,
      "loss": 0.5901,
      "step": 18
    },
    {
      "epoch": 0.8333333333333334,
      "grad_norm": 2.444112032375457,
      "learning_rate": 1.659090909090909e-06,
      "loss": 0.5872,
      "step": 20
    },
    {
      "epoch": 0.9166666666666666,
      "grad_norm": 2.749801138927137,
      "learning_rate": 1.390909090909091e-06,
      "loss": 0.63,
      "step": 22
    },
    {
      "epoch": 1.0,
      "grad_norm": 2.550080220688598,
      "learning_rate": 1.1227272727272728e-06,
      "loss": 0.6758,
      "step": 24
    },
    {
      "epoch": 1.0,
      "step": 24,
      "total_flos": 3522444656640.0,
      "train_loss": 0.7084513182441393,
      "train_runtime": 3879.4306,
      "train_samples_per_second": 0.787,
      "train_steps_per_second": 0.006
    }
  ],
  "logging_steps": 2,
  "max_steps": 24,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 1,
  "save_steps": 5,
  "total_flos": 3522444656640.0,
  "train_batch_size": 2,
  "trial_name": null,
  "trial_params": null
}