TianyiQ commited on
Commit
3354e2c
1 Parent(s): 874491c

Upload ./trainer_state.json with huggingface_hub

Browse files
Files changed (1) hide show
  1. trainer_state.json +166 -2805
trainer_state.json CHANGED
@@ -1,2881 +1,242 @@
1
  {
2
- "best_metric": 1.9417628049850464,
3
- "best_model_checkpoint": "./output/training_results/C020_random_sample_llama3-8b-base_pretrain_20240505_135320/checkpoint-400",
4
  "epoch": 4.0,
5
- "eval_steps": 200,
6
- "global_step": 1984,
7
  "is_hyper_param_search": false,
8
  "is_local_process_zero": true,
9
  "is_world_process_zero": true,
10
  "log_history": [
11
  {
12
- "epoch": 0.0020161290322580645,
13
- "grad_norm": 1.862664305700109,
14
- "learning_rate": 7.5e-07,
15
- "loss": 2.0502,
16
  "step": 1
17
  },
18
  {
19
- "epoch": 0.010080645161290322,
20
- "grad_norm": 1.7486282966194167,
21
- "learning_rate": 3.75e-06,
22
- "loss": 2.0591,
23
- "step": 5
24
  },
25
  {
26
- "epoch": 0.020161290322580645,
27
- "grad_norm": 1.5758042428174392,
28
- "learning_rate": 6.750000000000001e-06,
29
- "loss": 1.9721,
30
- "step": 10
31
  },
32
  {
33
- "epoch": 0.03024193548387097,
34
- "grad_norm": 1.8438408614274,
35
- "learning_rate": 9.75e-06,
36
- "loss": 2.0137,
37
- "step": 15
 
38
  },
39
  {
40
- "epoch": 0.04032258064516129,
41
- "grad_norm": 1.8618630610677624,
42
- "learning_rate": 1.3500000000000001e-05,
43
- "loss": 2.058,
44
- "step": 20
45
- },
46
- {
47
- "epoch": 0.05040322580645161,
48
- "grad_norm": 2.12580198675208,
49
- "learning_rate": 1.47507132047542e-05,
50
- "loss": 2.0324,
51
- "step": 25
52
- },
53
- {
54
- "epoch": 0.06048387096774194,
55
- "grad_norm": 1.4836280728067701,
56
- "learning_rate": 1.4424209058252117e-05,
57
- "loss": 1.9982,
58
- "step": 30
59
- },
60
- {
61
- "epoch": 0.07056451612903226,
62
- "grad_norm": 1.6623583118858967,
63
- "learning_rate": 1.4025354123166567e-05,
64
- "loss": 1.8959,
65
- "step": 35
66
- },
67
- {
68
- "epoch": 0.08064516129032258,
69
- "grad_norm": 1.5916601844779366,
70
- "learning_rate": 1.3636585978219431e-05,
71
- "loss": 2.0492,
72
- "step": 40
73
- },
74
- {
75
- "epoch": 0.0907258064516129,
76
- "grad_norm": 1.7125711612090788,
77
- "learning_rate": 1.3257674460153073e-05,
78
- "loss": 1.9655,
79
- "step": 45
80
- },
81
- {
82
- "epoch": 0.10080645161290322,
83
- "grad_norm": 1.632995352775119,
84
- "learning_rate": 1.288839408598928e-05,
85
- "loss": 2.0569,
86
- "step": 50
87
- },
88
- {
89
- "epoch": 0.11088709677419355,
90
- "grad_norm": 1.9174014047156116,
91
- "learning_rate": 1.2528523969541332e-05,
92
- "loss": 1.9287,
93
- "step": 55
94
- },
95
- {
96
- "epoch": 0.12096774193548387,
97
- "grad_norm": 1.867558573747783,
98
- "learning_rate": 1.2177847739205852e-05,
99
- "loss": 1.9894,
100
- "step": 60
101
- },
102
- {
103
- "epoch": 0.1310483870967742,
104
- "grad_norm": 1.567626378627341,
105
- "learning_rate": 1.1836153457018077e-05,
106
- "loss": 2.0005,
107
- "step": 65
108
- },
109
- {
110
- "epoch": 0.14112903225806453,
111
- "grad_norm": 1.3955216806991564,
112
- "learning_rate": 1.1569125393187758e-05,
113
- "loss": 2.0943,
114
- "step": 70
115
- },
116
- {
117
- "epoch": 0.15120967741935484,
118
- "grad_norm": 1.4220083911016554,
119
- "learning_rate": 1.1243078381650268e-05,
120
- "loss": 1.9521,
121
- "step": 75
122
- },
123
- {
124
- "epoch": 0.16129032258064516,
125
- "grad_norm": 1.5790411664333717,
126
- "learning_rate": 1.0925442805236739e-05,
127
- "loss": 2.0206,
128
- "step": 80
129
- },
130
- {
131
- "epoch": 0.17137096774193547,
132
- "grad_norm": 1.3900088055150563,
133
- "learning_rate": 1.0616022857385877e-05,
134
- "loss": 1.9713,
135
- "step": 85
136
- },
137
- {
138
- "epoch": 0.1814516129032258,
139
- "grad_norm": 1.3384719686058493,
140
- "learning_rate": 1.0314626793719932e-05,
141
- "loss": 1.925,
142
- "step": 90
143
- },
144
- {
145
- "epoch": 0.19153225806451613,
146
- "grad_norm": 1.6023250792595878,
147
- "learning_rate": 1.0021066858113034e-05,
148
- "loss": 2.0494,
149
- "step": 95
150
- },
151
- {
152
- "epoch": 0.20161290322580644,
153
- "grad_norm": 1.4194138427481093,
154
- "learning_rate": 9.735159209915871e-06,
155
- "loss": 2.0098,
156
- "step": 100
157
- },
158
- {
159
- "epoch": 0.21169354838709678,
160
- "grad_norm": 1.2578428133053623,
161
- "learning_rate": 9.456723852321558e-06,
162
- "loss": 1.9048,
163
- "step": 105
164
- },
165
- {
166
- "epoch": 0.2217741935483871,
167
- "grad_norm": 1.2538874670770739,
168
- "learning_rate": 9.239237068300538e-06,
169
- "loss": 1.9968,
170
- "step": 110
171
- },
172
- {
173
- "epoch": 0.2318548387096774,
174
- "grad_norm": 1.39475982271136,
175
- "learning_rate": 8.973810241991637e-06,
176
- "loss": 2.0145,
177
- "step": 115
178
- },
179
- {
180
- "epoch": 0.24193548387096775,
181
- "grad_norm": 1.2474176211653318,
182
- "learning_rate": 8.715371568554332e-06,
183
- "loss": 2.0293,
184
- "step": 120
185
- },
186
- {
187
- "epoch": 0.25201612903225806,
188
- "grad_norm": 1.4147919193342449,
189
- "learning_rate": 8.463755024156938e-06,
190
- "loss": 1.9515,
191
- "step": 125
192
- },
193
- {
194
- "epoch": 0.2620967741935484,
195
- "grad_norm": 1.2583008452280033,
196
- "learning_rate": 8.218798100385521e-06,
197
- "loss": 1.9602,
198
- "step": 130
199
- },
200
- {
201
- "epoch": 0.2721774193548387,
202
- "grad_norm": 1.4165902883907349,
203
- "learning_rate": 7.980341738939008e-06,
204
- "loss": 1.985,
205
- "step": 135
206
- },
207
- {
208
- "epoch": 0.28225806451612906,
209
- "grad_norm": 1.2768405135809222,
210
- "learning_rate": 7.748230267366966e-06,
211
- "loss": 1.9847,
212
- "step": 140
213
- },
214
- {
215
- "epoch": 0.2923387096774194,
216
- "grad_norm": 1.4092721850037662,
217
- "learning_rate": 7.522311335836008e-06,
218
- "loss": 1.876,
219
- "step": 145
220
- },
221
- {
222
- "epoch": 0.3024193548387097,
223
- "grad_norm": 1.307344104572624,
224
- "learning_rate": 7.302435854911248e-06,
225
- "loss": 1.9837,
226
- "step": 150
227
- },
228
- {
229
- "epoch": 0.3125,
230
- "grad_norm": 1.1706462667165936,
231
- "learning_rate": 7.088457934339014e-06,
232
- "loss": 1.9666,
233
- "step": 155
234
- },
235
- {
236
- "epoch": 0.3225806451612903,
237
- "grad_norm": 1.4451121840176004,
238
- "learning_rate": 6.880234822817464e-06,
239
- "loss": 1.9447,
240
- "step": 160
241
- },
242
- {
243
- "epoch": 0.3326612903225806,
244
- "grad_norm": 1.5334691388320456,
245
- "learning_rate": 6.677626848741738e-06,
246
- "loss": 1.9565,
247
- "step": 165
248
- },
249
- {
250
- "epoch": 0.34274193548387094,
251
- "grad_norm": 1.3638980480173026,
252
- "learning_rate": 6.480497361910502e-06,
253
- "loss": 1.8949,
254
- "step": 170
255
- },
256
- {
257
- "epoch": 0.3528225806451613,
258
- "grad_norm": 1.1960476927370378,
259
- "learning_rate": 6.288712676180814e-06,
260
- "loss": 1.8283,
261
- "step": 175
262
- },
263
- {
264
- "epoch": 0.3629032258064516,
265
- "grad_norm": 1.2534954529871944,
266
- "learning_rate": 6.102142013058452e-06,
267
- "loss": 1.9803,
268
- "step": 180
269
- },
270
- {
271
- "epoch": 0.37298387096774194,
272
- "grad_norm": 1.371419907969094,
273
- "learning_rate": 5.92065744621091e-06,
274
- "loss": 1.966,
275
- "step": 185
276
- },
277
- {
278
- "epoch": 0.38306451612903225,
279
- "grad_norm": 1.2633124617977696,
280
- "learning_rate": 5.744133846890542e-06,
281
- "loss": 1.9811,
282
- "step": 190
283
- },
284
- {
285
- "epoch": 0.39314516129032256,
286
- "grad_norm": 1.164537124006197,
287
- "learning_rate": 5.572448830255249e-06,
288
- "loss": 1.9782,
289
- "step": 195
290
- },
291
- {
292
- "epoch": 0.4032258064516129,
293
- "grad_norm": 1.2462948785459638,
294
- "learning_rate": 5.405482702574484e-06,
295
- "loss": 1.9087,
296
- "step": 200
297
- },
298
- {
299
- "epoch": 0.4032258064516129,
300
- "eval_loss": 1.971670150756836,
301
- "eval_runtime": 90.0126,
302
- "eval_samples_per_second": 19.564,
303
- "eval_steps_per_second": 0.311,
304
- "step": 200
305
- },
306
- {
307
- "epoch": 0.41330645161290325,
308
- "grad_norm": 1.3766492549691904,
309
- "learning_rate": 5.243118409308317e-06,
310
- "loss": 2.0798,
311
- "step": 205
312
- },
313
- {
314
- "epoch": 0.42338709677419356,
315
- "grad_norm": 1.2423997076500177,
316
- "learning_rate": 5.085241484047513e-06,
317
- "loss": 1.8739,
318
- "step": 210
319
- },
320
- {
321
- "epoch": 0.4334677419354839,
322
- "grad_norm": 1.1300210393690464,
323
- "learning_rate": 4.931739998302693e-06,
324
- "loss": 1.8057,
325
- "step": 215
326
- },
327
- {
328
- "epoch": 0.4435483870967742,
329
- "grad_norm": 1.4140153817527936,
330
- "learning_rate": 4.782504512130776e-06,
331
- "loss": 1.9858,
332
- "step": 220
333
- },
334
- {
335
- "epoch": 0.4536290322580645,
336
- "grad_norm": 1.2444950990794887,
337
- "learning_rate": 4.637428025587017e-06,
338
  "loss": 1.9789,
339
- "step": 225
340
- },
341
- {
342
- "epoch": 0.4637096774193548,
343
- "grad_norm": 1.2052674239904773,
344
- "learning_rate": 4.4964059309911556e-06,
345
- "loss": 1.9367,
346
- "step": 230
347
- },
348
- {
349
- "epoch": 0.4737903225806452,
350
- "grad_norm": 1.277871648485073,
351
- "learning_rate": 4.3593359659961716e-06,
352
- "loss": 1.9616,
353
- "step": 235
354
- },
355
- {
356
- "epoch": 0.4838709677419355,
357
- "grad_norm": 1.3535390602470023,
358
- "learning_rate": 4.226118167448512e-06,
359
- "loss": 1.9542,
360
- "step": 240
361
- },
362
- {
363
- "epoch": 0.4939516129032258,
364
- "grad_norm": 1.222656117941944,
365
- "learning_rate": 4.096654826028485e-06,
366
- "loss": 1.9179,
367
- "step": 245
368
- },
369
- {
370
- "epoch": 0.5040322580645161,
371
- "grad_norm": 1.2370551856793075,
372
- "learning_rate": 3.97085044165989e-06,
373
- "loss": 1.8558,
374
- "step": 250
375
- },
376
- {
377
- "epoch": 0.5141129032258065,
378
- "grad_norm": 1.2889675743730276,
379
- "learning_rate": 3.848611679677959e-06,
380
- "loss": 1.9233,
381
- "step": 255
382
  },
383
  {
384
- "epoch": 0.5241935483870968,
385
- "grad_norm": 1.2084336693966136,
386
- "learning_rate": 3.729847327744829e-06,
387
- "loss": 1.8753,
388
- "step": 260
389
  },
390
  {
391
- "epoch": 0.5342741935483871,
392
- "grad_norm": 1.4153228238243372,
393
- "learning_rate": 3.6144682535018863e-06,
394
- "loss": 1.9414,
395
- "step": 265
 
396
  },
397
  {
398
- "epoch": 0.5443548387096774,
399
- "grad_norm": 1.2415679119854826,
400
- "learning_rate": 3.502387362948446e-06,
401
- "loss": 1.9364,
402
- "step": 270
403
  },
404
  {
405
- "epoch": 0.5544354838709677,
406
- "grad_norm": 1.2442629747270402,
407
- "learning_rate": 3.3935195595364e-06,
408
- "loss": 1.8724,
409
- "step": 275
410
  },
411
  {
412
- "epoch": 0.5645161290322581,
413
- "grad_norm": 1.3555733119122653,
414
- "learning_rate": 3.287781703970469e-06,
415
- "loss": 1.8838,
416
- "step": 280
 
417
  },
418
  {
419
- "epoch": 0.5745967741935484,
420
- "grad_norm": 1.2470604787323722,
421
- "learning_rate": 3.1850925747039375e-06,
422
- "loss": 1.994,
423
- "step": 285
424
  },
425
  {
426
- "epoch": 0.5846774193548387,
427
- "grad_norm": 1.35644231599274,
428
- "learning_rate": 3.085372829119804e-06,
429
- "loss": 1.897,
430
- "step": 290
431
  },
432
  {
433
- "epoch": 0.594758064516129,
434
- "grad_norm": 1.326596637954423,
435
- "learning_rate": 2.9885449653873967e-06,
436
- "loss": 1.8701,
437
- "step": 295
 
438
  },
439
  {
440
- "epoch": 0.6048387096774194,
441
- "grad_norm": 1.1997391649395446,
442
- "learning_rate": 2.8945332849846483e-06,
443
- "loss": 1.9457,
444
- "step": 300
445
  },
446
  {
447
- "epoch": 0.6149193548387096,
448
- "grad_norm": 1.25341747302999,
449
- "learning_rate": 2.8032638558763024e-06,
450
- "loss": 1.8957,
451
- "step": 305
452
  },
453
  {
454
- "epoch": 0.625,
455
- "grad_norm": 1.3099633124688492,
456
- "learning_rate": 2.714664476338476e-06,
457
- "loss": 1.7966,
458
- "step": 310
 
459
  },
460
  {
461
- "epoch": 0.6350806451612904,
462
- "grad_norm": 1.2383580405168713,
463
- "learning_rate": 2.6286646394200784e-06,
464
- "loss": 1.8531,
465
- "step": 315
466
  },
467
  {
468
- "epoch": 0.6451612903225806,
469
- "grad_norm": 1.1594361027274587,
470
- "learning_rate": 2.5451954980317313e-06,
471
- "loss": 2.0083,
472
- "step": 320
473
  },
474
  {
475
- "epoch": 0.655241935483871,
476
- "grad_norm": 1.2490365651731397,
477
- "learning_rate": 2.4641898306529013e-06,
478
- "loss": 2.0424,
479
- "step": 325
 
480
  },
481
  {
482
- "epoch": 0.6653225806451613,
483
- "grad_norm": 1.181798792519064,
484
- "learning_rate": 2.385582007648151e-06,
485
- "loss": 1.927,
486
- "step": 330
487
  },
488
  {
489
- "epoch": 0.6754032258064516,
490
- "grad_norm": 1.1464146712668952,
491
- "learning_rate": 2.3093079581833982e-06,
492
- "loss": 1.841,
493
- "step": 335
494
  },
495
  {
496
- "epoch": 0.6854838709677419,
497
- "grad_norm": 1.272807320496496,
498
- "learning_rate": 2.2353051377332933e-06,
499
- "loss": 2.0111,
500
- "step": 340
 
501
  },
502
  {
503
- "epoch": 0.6955645161290323,
504
- "grad_norm": 1.294506676739782,
505
- "learning_rate": 2.163512496170876e-06,
506
- "loss": 1.8891,
507
- "step": 345
508
- },
509
- {
510
- "epoch": 0.7056451612903226,
511
- "grad_norm": 1.1893154239696047,
512
- "learning_rate": 2.093870446430792e-06,
513
- "loss": 1.9165,
514
- "step": 350
515
- },
516
- {
517
- "epoch": 0.7157258064516129,
518
- "grad_norm": 1.3456137263979548,
519
- "learning_rate": 2.026320833737434e-06,
520
- "loss": 1.9668,
521
- "step": 355
522
- },
523
- {
524
- "epoch": 0.7258064516129032,
525
- "grad_norm": 1.237670919084104,
526
- "learning_rate": 1.9608069053895406e-06,
527
  "loss": 1.8764,
528
- "step": 360
529
- },
530
- {
531
- "epoch": 0.7358870967741935,
532
- "grad_norm": 1.2467674896007754,
533
- "learning_rate": 1.8972732810927808e-06,
534
- "loss": 1.8413,
535
- "step": 365
536
- },
537
- {
538
- "epoch": 0.7459677419354839,
539
- "grad_norm": 1.2641168575246482,
540
- "learning_rate": 1.8356659238320686e-06,
541
- "loss": 1.8496,
542
- "step": 370
543
- },
544
- {
545
- "epoch": 0.7560483870967742,
546
- "grad_norm": 1.3760663460506264,
547
- "learning_rate": 1.7759321112753693e-06,
548
- "loss": 1.8394,
549
- "step": 375
550
- },
551
- {
552
- "epoch": 0.7661290322580645,
553
- "grad_norm": 1.1549697025197416,
554
- "learning_rate": 1.718020407700906e-06,
555
- "loss": 1.8772,
556
- "step": 380
557
- },
558
- {
559
- "epoch": 0.7762096774193549,
560
- "grad_norm": 1.173935455479261,
561
- "learning_rate": 1.6618806364397543e-06,
562
- "loss": 1.873,
563
- "step": 385
564
- },
565
- {
566
- "epoch": 0.7862903225806451,
567
- "grad_norm": 1.1687914205281313,
568
- "learning_rate": 1.6074638528259137e-06,
569
- "loss": 1.7951,
570
- "step": 390
571
- },
572
- {
573
- "epoch": 0.7963709677419355,
574
- "grad_norm": 1.2122222438808594,
575
- "learning_rate": 1.5547223176460478e-06,
576
- "loss": 1.9303,
577
- "step": 395
578
- },
579
- {
580
- "epoch": 0.8064516129032258,
581
- "grad_norm": 1.2659166954554237,
582
- "learning_rate": 1.503609471081174e-06,
583
- "loss": 1.8752,
584
- "step": 400
585
- },
586
- {
587
- "epoch": 0.8064516129032258,
588
- "eval_loss": 1.9417628049850464,
589
- "eval_runtime": 89.9499,
590
- "eval_samples_per_second": 19.578,
591
- "eval_steps_per_second": 0.311,
592
- "step": 400
593
- },
594
- {
595
- "epoch": 0.8165322580645161,
596
- "grad_norm": 1.3170841848170978,
597
- "learning_rate": 1.4540799071326888e-06,
598
- "loss": 1.916,
599
- "step": 405
600
- },
601
- {
602
- "epoch": 0.8266129032258065,
603
- "grad_norm": 1.2106133937481183,
604
- "learning_rate": 1.4060893485251885e-06,
605
- "loss": 1.9357,
606
- "step": 410
607
- },
608
- {
609
- "epoch": 0.8366935483870968,
610
- "grad_norm": 1.1609644269427515,
611
- "learning_rate": 1.3595946220786867e-06,
612
- "loss": 1.9729,
613
- "step": 415
614
- },
615
- {
616
- "epoch": 0.8467741935483871,
617
- "grad_norm": 1.255134988378285,
618
- "learning_rate": 1.3145536345428467e-06,
619
- "loss": 1.8483,
620
- "step": 420
621
- },
622
- {
623
- "epoch": 0.8568548387096774,
624
- "grad_norm": 1.2271496366595076,
625
- "learning_rate": 1.2709253488860179e-06,
626
- "loss": 1.9611,
627
- "step": 425
628
- },
629
- {
630
- "epoch": 0.8669354838709677,
631
- "grad_norm": 1.2112912625332515,
632
- "learning_rate": 1.228669761031903e-06,
633
- "loss": 1.8703,
634
- "step": 430
635
- },
636
- {
637
- "epoch": 0.8770161290322581,
638
- "grad_norm": 1.1796106189216746,
639
- "learning_rate": 1.1877478770367983e-06,
640
- "loss": 1.8931,
641
- "step": 435
642
- },
643
- {
644
- "epoch": 0.8870967741935484,
645
- "grad_norm": 1.2743988647789708,
646
- "learning_rate": 1.1481216907004316e-06,
647
- "loss": 2.0008,
648
- "step": 440
649
- },
650
- {
651
- "epoch": 0.8971774193548387,
652
- "grad_norm": 1.109580598205878,
653
- "learning_rate": 1.109754161603501e-06,
654
- "loss": 1.8754,
655
- "step": 445
656
- },
657
- {
658
- "epoch": 0.907258064516129,
659
- "grad_norm": 1.3265747651562068,
660
- "learning_rate": 1.07260919356514e-06,
661
- "loss": 1.937,
662
- "step": 450
663
- },
664
- {
665
- "epoch": 0.9173387096774194,
666
- "grad_norm": 1.2255846935811405,
667
- "learning_rate": 1.036651613513567e-06,
668
- "loss": 1.839,
669
- "step": 455
670
- },
671
- {
672
- "epoch": 0.9274193548387096,
673
- "grad_norm": 1.1637588001750867,
674
- "learning_rate": 1.0018471507633137e-06,
675
- "loss": 1.8875,
676
- "step": 460
677
- },
678
- {
679
- "epoch": 0.9375,
680
- "grad_norm": 1.2461604557758548,
681
- "learning_rate": 9.681624166924873e-07,
682
- "loss": 2.0349,
683
- "step": 465
684
- },
685
- {
686
- "epoch": 0.9475806451612904,
687
- "grad_norm": 1.106959630092776,
688
- "learning_rate": 9.355648848136057e-07,
689
- "loss": 1.7721,
690
- "step": 470
691
- },
692
- {
693
- "epoch": 0.9576612903225806,
694
- "grad_norm": 1.1845513909345546,
695
- "learning_rate": 9.040228712316404e-07,
696
- "loss": 1.9764,
697
- "step": 475
698
- },
699
- {
700
- "epoch": 0.967741935483871,
701
- "grad_norm": 1.1157403262103818,
702
- "learning_rate": 8.735055154829718e-07,
703
- "loss": 1.951,
704
- "step": 480
705
- },
706
- {
707
- "epoch": 0.9778225806451613,
708
- "grad_norm": 1.184174473692059,
709
- "learning_rate": 8.439827617490521e-07,
710
- "loss": 1.9679,
711
- "step": 485
712
- },
713
- {
714
- "epoch": 0.9879032258064516,
715
- "grad_norm": 1.2877898930931635,
716
- "learning_rate": 8.154253404386484e-07,
717
- "loss": 1.9346,
718
- "step": 490
719
- },
720
- {
721
- "epoch": 0.9979838709677419,
722
- "grad_norm": 1.1827480417909397,
723
- "learning_rate": 7.878047501326227e-07,
724
- "loss": 1.9182,
725
- "step": 495
726
- },
727
- {
728
- "epoch": 1.0080645161290323,
729
- "grad_norm": 1.3196758723195976,
730
- "learning_rate": 7.61093239885272e-07,
731
- "loss": 1.7384,
732
- "step": 500
733
- },
734
- {
735
- "epoch": 1.0181451612903225,
736
- "grad_norm": 1.2675698548410592,
737
- "learning_rate": 7.35263791876364e-07,
738
- "loss": 1.7799,
739
- "step": 505
740
- },
741
- {
742
- "epoch": 1.028225806451613,
743
- "grad_norm": 1.3275129553040272,
744
- "learning_rate": 7.102901044080282e-07,
745
- "loss": 1.7003,
746
- "step": 510
747
- },
748
- {
749
- "epoch": 1.0383064516129032,
750
- "grad_norm": 1.4098711468145062,
751
- "learning_rate": 6.861465752407945e-07,
752
- "loss": 1.7438,
753
- "step": 515
754
- },
755
- {
756
- "epoch": 1.0483870967741935,
757
- "grad_norm": 1.46840354164103,
758
- "learning_rate": 6.628082852631131e-07,
759
- "loss": 1.8117,
760
- "step": 520
761
- },
762
- {
763
- "epoch": 1.0584677419354838,
764
- "grad_norm": 1.2413756391084652,
765
- "learning_rate": 6.402509824887728e-07,
766
- "loss": 1.7275,
767
- "step": 525
768
- },
769
- {
770
- "epoch": 1.0685483870967742,
771
- "grad_norm": 1.1966512738085646,
772
- "learning_rate": 6.184510663767266e-07,
773
- "loss": 1.7607,
774
- "step": 530
775
- },
776
- {
777
- "epoch": 1.0786290322580645,
778
- "grad_norm": 1.1871529707057311,
779
- "learning_rate": 5.973855724678734e-07,
780
- "loss": 1.7508,
781
- "step": 535
782
- },
783
- {
784
- "epoch": 1.0887096774193548,
785
- "grad_norm": 1.2178547151060322,
786
- "learning_rate": 5.770321573334551e-07,
787
- "loss": 1.7386,
788
- "step": 540
789
- },
790
- {
791
- "epoch": 1.0987903225806452,
792
- "grad_norm": 1.215474948218683,
793
- "learning_rate": 5.573690838297752e-07,
794
- "loss": 1.7264,
795
- "step": 545
796
- },
797
- {
798
- "epoch": 1.1088709677419355,
799
- "grad_norm": 1.3022255779670897,
800
- "learning_rate": 5.383752066540304e-07,
801
- "loss": 1.7367,
802
- "step": 550
803
- },
804
- {
805
- "epoch": 1.1189516129032258,
806
- "grad_norm": 1.2677022586640083,
807
- "learning_rate": 5.200299581961105e-07,
808
- "loss": 1.8039,
809
- "step": 555
810
- },
811
- {
812
- "epoch": 1.129032258064516,
813
- "grad_norm": 1.2498635415826649,
814
- "learning_rate": 5.023133346812977e-07,
815
- "loss": 1.7811,
816
- "step": 560
817
- },
818
- {
819
- "epoch": 1.1391129032258065,
820
- "grad_norm": 1.1813135414245424,
821
- "learning_rate": 4.85205882598862e-07,
822
- "loss": 1.7935,
823
- "step": 565
824
- },
825
- {
826
- "epoch": 1.1491935483870968,
827
- "grad_norm": 1.283761351053989,
828
- "learning_rate": 4.686886854116219e-07,
829
- "loss": 1.7428,
830
- "step": 570
831
- },
832
- {
833
- "epoch": 1.159274193548387,
834
- "grad_norm": 1.181148159521782,
835
- "learning_rate": 4.5274335054160525e-07,
836
- "loss": 1.7405,
837
- "step": 575
838
- },
839
- {
840
- "epoch": 1.1693548387096775,
841
- "grad_norm": 1.2540563610260587,
842
- "learning_rate": 4.3735199662701383e-07,
843
- "loss": 1.7017,
844
- "step": 580
845
- },
846
- {
847
- "epoch": 1.1794354838709677,
848
- "grad_norm": 1.26673278964677,
849
- "learning_rate": 4.2249724104576337e-07,
850
- "loss": 1.7258,
851
- "step": 585
852
- },
853
- {
854
- "epoch": 1.189516129032258,
855
- "grad_norm": 1.2483740436576478,
856
- "learning_rate": 4.081621877009305e-07,
857
- "loss": 1.7842,
858
- "step": 590
859
- },
860
- {
861
- "epoch": 1.1995967741935485,
862
- "grad_norm": 1.2338327909706366,
863
- "learning_rate": 3.9433041506352036e-07,
864
- "loss": 1.7602,
865
- "step": 595
866
- },
867
- {
868
- "epoch": 1.2096774193548387,
869
- "grad_norm": 1.2070627326429186,
870
- "learning_rate": 3.8098596446800587e-07,
871
- "loss": 1.6383,
872
- "step": 600
873
- },
874
- {
875
- "epoch": 1.2096774193548387,
876
- "eval_loss": 1.9439929723739624,
877
- "eval_runtime": 89.7597,
878
- "eval_samples_per_second": 19.619,
879
- "eval_steps_per_second": 0.312,
880
- "step": 600
881
- },
882
- {
883
- "epoch": 1.219758064516129,
884
- "grad_norm": 1.2154229290189673,
885
- "learning_rate": 3.681133286561828e-07,
886
- "loss": 1.8134,
887
- "step": 605
888
- },
889
- {
890
- "epoch": 1.2298387096774193,
891
- "grad_norm": 1.2295658806251533,
892
- "learning_rate": 3.556974405649289e-07,
893
- "loss": 1.725,
894
- "step": 610
895
- },
896
- {
897
- "epoch": 1.2399193548387097,
898
- "grad_norm": 1.2791124588407303,
899
- "learning_rate": 3.437236623535232e-07,
900
- "loss": 1.7526,
901
- "step": 615
902
- },
903
- {
904
- "epoch": 1.25,
905
- "grad_norm": 1.1899209284700905,
906
- "learning_rate": 3.3217777466625205e-07,
907
- "loss": 1.7313,
908
- "step": 620
909
- },
910
- {
911
- "epoch": 1.2600806451612903,
912
- "grad_norm": 1.3442383601969903,
913
- "learning_rate": 3.2104596612607314e-07,
914
- "loss": 1.8358,
915
- "step": 625
916
- },
917
- {
918
- "epoch": 1.2701612903225805,
919
- "grad_norm": 1.2622913229084678,
920
- "learning_rate": 3.1031482305518425e-07,
921
- "loss": 1.7504,
922
- "step": 630
923
- },
924
- {
925
- "epoch": 1.280241935483871,
926
- "grad_norm": 1.1574713957890075,
927
- "learning_rate": 2.9997131941839894e-07,
928
- "loss": 1.7646,
929
- "step": 635
930
- },
931
- {
932
- "epoch": 1.2903225806451613,
933
- "grad_norm": 1.346661773742281,
934
- "learning_rate": 2.9000280698528666e-07,
935
- "loss": 1.7116,
936
- "step": 640
937
- },
938
- {
939
- "epoch": 1.3004032258064515,
940
- "grad_norm": 1.3332483111343922,
941
- "learning_rate": 2.8039700570709997e-07,
942
- "loss": 1.8109,
943
- "step": 645
944
- },
945
- {
946
- "epoch": 1.310483870967742,
947
- "grad_norm": 1.2333462778908426,
948
- "learning_rate": 2.7114199430456553e-07,
949
- "loss": 1.7683,
950
- "step": 650
951
- },
952
- {
953
- "epoch": 1.3205645161290323,
954
- "grad_norm": 1.1938385640085034,
955
- "learning_rate": 2.6222620106267406e-07,
956
- "loss": 1.6945,
957
- "step": 655
958
- },
959
- {
960
- "epoch": 1.3306451612903225,
961
- "grad_norm": 1.4010824213914208,
962
- "learning_rate": 2.536383948286623e-07,
963
- "loss": 1.7537,
964
- "step": 660
965
- },
966
- {
967
- "epoch": 1.340725806451613,
968
- "grad_norm": 1.3881248076295551,
969
- "learning_rate": 2.4536767620943495e-07,
970
- "loss": 1.7843,
971
- "step": 665
972
- },
973
- {
974
- "epoch": 1.3508064516129032,
975
- "grad_norm": 1.2168315394832683,
976
- "learning_rate": 2.3740346896473077e-07,
977
- "loss": 1.7928,
978
- "step": 670
979
- },
980
- {
981
- "epoch": 1.3608870967741935,
982
- "grad_norm": 1.4475784692183353,
983
- "learning_rate": 2.2973551159239254e-07,
984
- "loss": 1.7755,
985
- "step": 675
986
- },
987
- {
988
- "epoch": 1.370967741935484,
989
- "grad_norm": 1.182910838845923,
990
- "learning_rate": 2.223538491021522e-07,
991
- "loss": 1.7251,
992
- "step": 680
993
- },
994
- {
995
- "epoch": 1.3810483870967742,
996
- "grad_norm": 1.226170490302768,
997
- "learning_rate": 2.1524882497440346e-07,
998
- "loss": 1.7814,
999
- "step": 685
1000
- },
1001
- {
1002
- "epoch": 1.3911290322580645,
1003
- "grad_norm": 1.1753601198052888,
1004
- "learning_rate": 2.084110733004757e-07,
1005
- "loss": 1.7355,
1006
- "step": 690
1007
- },
1008
- {
1009
- "epoch": 1.4012096774193548,
1010
- "grad_norm": 1.176444951923013,
1011
- "learning_rate": 2.0183151110098748e-07,
1012
- "loss": 1.7006,
1013
- "step": 695
1014
- },
1015
- {
1016
- "epoch": 1.4112903225806452,
1017
- "grad_norm": 1.2575906929525473,
1018
- "learning_rate": 1.955013308189006e-07,
1019
- "loss": 1.6631,
1020
- "step": 700
1021
- },
1022
- {
1023
- "epoch": 1.4213709677419355,
1024
- "grad_norm": 1.3222267696078929,
1025
- "learning_rate": 1.8941199298395633e-07,
1026
- "loss": 1.7313,
1027
- "step": 705
1028
- },
1029
- {
1030
- "epoch": 1.4314516129032258,
1031
- "grad_norm": 1.3554981903288013,
1032
- "learning_rate": 1.8355521904521423e-07,
1033
- "loss": 1.7183,
1034
- "step": 710
1035
- },
1036
- {
1037
- "epoch": 1.441532258064516,
1038
- "grad_norm": 1.2333423736099849,
1039
- "learning_rate": 1.7792298436847624e-07,
1040
- "loss": 1.7057,
1041
- "step": 715
1042
- },
1043
- {
1044
- "epoch": 1.4516129032258065,
1045
- "grad_norm": 1.2791350480965469,
1046
- "learning_rate": 1.7250751139542018e-07,
1047
- "loss": 1.6957,
1048
- "step": 720
1049
- },
1050
- {
1051
- "epoch": 1.4616935483870968,
1052
- "grad_norm": 1.5651823236688753,
1053
- "learning_rate": 1.6730126296131982e-07,
1054
- "loss": 1.808,
1055
- "step": 725
1056
- },
1057
- {
1058
- "epoch": 1.471774193548387,
1059
- "grad_norm": 1.3083961982147532,
1060
- "learning_rate": 1.622969357682752e-07,
1061
- "loss": 1.7913,
1062
- "step": 730
1063
- },
1064
- {
1065
- "epoch": 1.4818548387096775,
1066
- "grad_norm": 1.2078318183364274,
1067
- "learning_rate": 1.574874540109262e-07,
1068
- "loss": 1.7273,
1069
- "step": 735
1070
- },
1071
- {
1072
- "epoch": 1.4919354838709677,
1073
- "grad_norm": 1.2904657184612536,
1074
- "learning_rate": 1.5286596315166833e-07,
1075
- "loss": 1.6646,
1076
- "step": 740
1077
- },
1078
- {
1079
- "epoch": 1.502016129032258,
1080
- "grad_norm": 1.240861344603422,
1081
- "learning_rate": 1.4842582384243795e-07,
1082
- "loss": 1.6495,
1083
- "step": 745
1084
- },
1085
- {
1086
- "epoch": 1.5120967741935485,
1087
- "grad_norm": 1.2574003293432507,
1088
- "learning_rate": 1.4416060599017888e-07,
1089
- "loss": 1.7356,
1090
- "step": 750
1091
- },
1092
- {
1093
- "epoch": 1.5221774193548387,
1094
- "grad_norm": 1.4067959486898025,
1095
- "learning_rate": 1.4006408296314945e-07,
1096
- "loss": 1.7802,
1097
- "step": 755
1098
- },
1099
- {
1100
- "epoch": 1.532258064516129,
1101
- "grad_norm": 1.3011200023092266,
1102
- "learning_rate": 1.3613022593527299e-07,
1103
- "loss": 1.7435,
1104
- "step": 760
1105
- },
1106
- {
1107
- "epoch": 1.5423387096774195,
1108
- "grad_norm": 1.5064955060135545,
1109
- "learning_rate": 1.3235319836577956e-07,
1110
- "loss": 1.8153,
1111
- "step": 765
1112
- },
1113
- {
1114
- "epoch": 1.5524193548387095,
1115
- "grad_norm": 1.2545915727253294,
1116
- "learning_rate": 1.287273506114331e-07,
1117
- "loss": 1.7333,
1118
- "step": 770
1119
- },
1120
- {
1121
- "epoch": 1.5625,
1122
- "grad_norm": 1.210516142345582,
1123
- "learning_rate": 1.2524721466867644e-07,
1124
- "loss": 1.8145,
1125
- "step": 775
1126
- },
1127
- {
1128
- "epoch": 1.5725806451612905,
1129
- "grad_norm": 1.2428363984374335,
1130
- "learning_rate": 1.2190749904307564e-07,
1131
- "loss": 1.7466,
1132
- "step": 780
1133
- },
1134
- {
1135
- "epoch": 1.5826612903225805,
1136
- "grad_norm": 1.2372984868597403,
1137
- "learning_rate": 1.187030837434837e-07,
1138
- "loss": 1.7707,
1139
- "step": 785
1140
- },
1141
- {
1142
- "epoch": 1.592741935483871,
1143
- "grad_norm": 1.223197065220676,
1144
- "learning_rate": 1.1562901539838627e-07,
1145
- "loss": 1.7515,
1146
- "step": 790
1147
- },
1148
- {
1149
- "epoch": 1.6028225806451613,
1150
- "grad_norm": 1.360461478384606,
1151
- "learning_rate": 1.1268050249193624e-07,
1152
- "loss": 1.7033,
1153
- "step": 795
1154
- },
1155
- {
1156
- "epoch": 1.6129032258064515,
1157
- "grad_norm": 1.3523444473608008,
1158
- "learning_rate": 1.0985291071721938e-07,
1159
- "loss": 1.7073,
1160
- "step": 800
1161
- },
1162
- {
1163
- "epoch": 1.6129032258064515,
1164
- "eval_loss": 1.9434727430343628,
1165
- "eval_runtime": 89.696,
1166
- "eval_samples_per_second": 19.633,
1167
- "eval_steps_per_second": 0.312,
1168
- "step": 800
1169
- },
1170
- {
1171
- "epoch": 1.622983870967742,
1172
- "grad_norm": 1.1908153349621502,
1173
- "learning_rate": 1.0714175844433986e-07,
1174
- "loss": 1.7606,
1175
- "step": 805
1176
- },
1177
- {
1178
- "epoch": 1.6330645161290323,
1179
- "grad_norm": 1.1559466036906028,
1180
- "learning_rate": 1.0454271230095008e-07,
1181
- "loss": 1.6855,
1182
- "step": 810
1183
- },
1184
- {
1185
- "epoch": 1.6431451612903225,
1186
- "grad_norm": 1.2177765725388214,
1187
- "learning_rate": 1.0205158286289079e-07,
1188
- "loss": 1.6938,
1189
- "step": 815
1190
- },
1191
- {
1192
- "epoch": 1.653225806451613,
1193
- "grad_norm": 1.2381331316689286,
1194
- "learning_rate": 9.966432045264543e-08,
1195
- "loss": 1.7047,
1196
- "step": 820
1197
- },
1198
- {
1199
- "epoch": 1.6633064516129032,
1200
- "grad_norm": 1.2662439850688683,
1201
- "learning_rate": 9.73770110433516e-08,
1202
- "loss": 1.8619,
1203
- "step": 825
1204
- },
1205
- {
1206
- "epoch": 1.6733870967741935,
1207
- "grad_norm": 1.3616392797318724,
1208
- "learning_rate": 9.518587226615035e-08,
1209
- "loss": 1.8544,
1210
- "step": 830
1211
- },
1212
- {
1213
- "epoch": 1.683467741935484,
1214
- "grad_norm": 1.2521663767495246,
1215
- "learning_rate": 9.30872495186915e-08,
1216
- "loss": 1.7568,
1217
- "step": 835
1218
- },
1219
- {
1220
- "epoch": 1.6935483870967742,
1221
- "grad_norm": 1.2504361983829193,
1222
- "learning_rate": 9.107761217265013e-08,
1223
- "loss": 1.721,
1224
- "step": 840
1225
- },
1226
- {
1227
- "epoch": 1.7036290322580645,
1228
- "grad_norm": 1.2617228722420664,
1229
- "learning_rate": 8.915354987814596e-08,
1230
- "loss": 1.7788,
1231
- "step": 845
1232
- },
1233
- {
1234
- "epoch": 1.713709677419355,
1235
- "grad_norm": 1.2060296867893439,
1236
- "learning_rate": 8.731176896299368e-08,
1237
- "loss": 1.7307,
1238
- "step": 850
1239
- },
1240
- {
1241
- "epoch": 1.723790322580645,
1242
- "grad_norm": 1.2261412385974246,
1243
- "learning_rate": 8.554908892474695e-08,
1244
- "loss": 1.6492,
1245
- "step": 855
1246
- },
1247
- {
1248
- "epoch": 1.7338709677419355,
1249
- "grad_norm": 1.1985063418448514,
1250
- "learning_rate": 8.38624390135359e-08,
1251
- "loss": 1.8062,
1252
- "step": 860
1253
- },
1254
- {
1255
- "epoch": 1.7439516129032258,
1256
- "grad_norm": 1.1687433855869847,
1257
- "learning_rate": 8.224885490372989e-08,
1258
- "loss": 1.6903,
1259
- "step": 865
1260
- },
1261
- {
1262
- "epoch": 1.754032258064516,
1263
- "grad_norm": 1.2094813386232657,
1264
- "learning_rate": 8.070547545249396e-08,
1265
- "loss": 1.7466,
1266
- "step": 870
1267
- },
1268
- {
1269
- "epoch": 1.7641129032258065,
1270
- "grad_norm": 1.5715777085972131,
1271
- "learning_rate": 7.922953954333971e-08,
1272
- "loss": 1.7321,
1273
- "step": 875
1274
- },
1275
- {
1276
- "epoch": 1.7741935483870968,
1277
- "grad_norm": 1.232854137306794,
1278
- "learning_rate": 7.781838301280604e-08,
1279
- "loss": 1.7854,
1280
- "step": 880
1281
- },
1282
- {
1283
- "epoch": 1.784274193548387,
1284
- "grad_norm": 1.2306505361743405,
1285
- "learning_rate": 7.646943565843591e-08,
1286
- "loss": 1.7035,
1287
- "step": 885
1288
- },
1289
- {
1290
- "epoch": 1.7943548387096775,
1291
- "grad_norm": 1.4038527293019962,
1292
- "learning_rate": 7.518021832625021e-08,
1293
- "loss": 1.7898,
1294
- "step": 890
1295
- },
1296
- {
1297
- "epoch": 1.8044354838709677,
1298
- "grad_norm": 1.1701930640429434,
1299
- "learning_rate": 7.39483400759502e-08,
1300
- "loss": 1.7473,
1301
- "step": 895
1302
- },
1303
- {
1304
- "epoch": 1.814516129032258,
1305
- "grad_norm": 1.165650133692535,
1306
- "learning_rate": 7.277149542211219e-08,
1307
- "loss": 1.7392,
1308
- "step": 900
1309
- },
1310
- {
1311
- "epoch": 1.8245967741935485,
1312
- "grad_norm": 1.242160120226514,
1313
- "learning_rate": 7.164746164966925e-08,
1314
- "loss": 1.691,
1315
- "step": 905
1316
- },
1317
- {
1318
- "epoch": 1.8346774193548387,
1319
- "grad_norm": 1.3662669550498554,
1320
- "learning_rate": 7.057409620200535e-08,
1321
- "loss": 1.7456,
1322
- "step": 910
1323
- },
1324
- {
1325
- "epoch": 1.844758064516129,
1326
- "grad_norm": 1.2736994338683274,
1327
- "learning_rate": 6.954933414001788e-08,
1328
- "loss": 1.9068,
1329
- "step": 915
1330
- },
1331
- {
1332
- "epoch": 1.8548387096774195,
1333
- "grad_norm": 1.3755517276213882,
1334
- "learning_rate": 6.857118567053417e-08,
1335
- "loss": 1.7568,
1336
- "step": 920
1337
- },
1338
- {
1339
- "epoch": 1.8649193548387095,
1340
- "grad_norm": 1.1731257131372528,
1341
- "learning_rate": 6.763773374249751e-08,
1342
- "loss": 1.7815,
1343
- "step": 925
1344
- },
1345
- {
1346
- "epoch": 1.875,
1347
- "grad_norm": 1.2300272384037476,
1348
- "learning_rate": 6.674713170936664e-08,
1349
- "loss": 1.7488,
1350
- "step": 930
1351
- },
1352
- {
1353
- "epoch": 1.8850806451612905,
1354
- "grad_norm": 1.2420985179509971,
1355
- "learning_rate": 6.589760105620217e-08,
1356
- "loss": 1.7614,
1357
- "step": 935
1358
- },
1359
- {
1360
- "epoch": 1.8951612903225805,
1361
- "grad_norm": 1.7224910659058157,
1362
- "learning_rate": 6.508742918994098e-08,
1363
- "loss": 1.7496,
1364
- "step": 940
1365
- },
1366
- {
1367
- "epoch": 1.905241935483871,
1368
- "grad_norm": 1.3013159637595342,
1369
- "learning_rate": 6.431496729138832e-08,
1370
- "loss": 1.7375,
1371
- "step": 945
1372
- },
1373
- {
1374
- "epoch": 1.9153225806451613,
1375
- "grad_norm": 1.2702415604664459,
1376
- "learning_rate": 6.357862822748362e-08,
1377
- "loss": 1.7668,
1378
- "step": 950
1379
- },
1380
- {
1381
- "epoch": 1.9254032258064515,
1382
- "grad_norm": 1.168954401665018,
1383
- "learning_rate": 6.287688452242478e-08,
1384
- "loss": 1.7489,
1385
- "step": 955
1386
- },
1387
- {
1388
- "epoch": 1.935483870967742,
1389
- "grad_norm": 1.3375224905639664,
1390
- "learning_rate": 6.220826638626108e-08,
1391
- "loss": 1.6308,
1392
- "step": 960
1393
- },
1394
- {
1395
- "epoch": 1.9455645161290323,
1396
- "grad_norm": 1.2577572377495214,
1397
- "learning_rate": 6.15713597995916e-08,
1398
- "loss": 1.7912,
1399
- "step": 965
1400
- },
1401
- {
1402
- "epoch": 1.9556451612903225,
1403
- "grad_norm": 1.2336415332120372,
1404
- "learning_rate": 6.096480465303296e-08,
1405
- "loss": 1.7562,
1406
- "step": 970
1407
- },
1408
- {
1409
- "epoch": 1.965725806451613,
1410
- "grad_norm": 1.3102010598064548,
1411
- "learning_rate": 6.038729294014376e-08,
1412
- "loss": 1.6953,
1413
- "step": 975
1414
- },
1415
- {
1416
- "epoch": 1.9758064516129032,
1417
- "grad_norm": 1.3132413812361838,
1418
- "learning_rate": 5.983756700252073e-08,
1419
- "loss": 1.7719,
1420
- "step": 980
1421
- },
1422
- {
1423
- "epoch": 1.9858870967741935,
1424
- "grad_norm": 1.2310128233562452,
1425
- "learning_rate": 5.9314417825804556e-08,
1426
- "loss": 1.7212,
1427
- "step": 985
1428
- },
1429
- {
1430
- "epoch": 1.995967741935484,
1431
- "grad_norm": 1.2006191684102008,
1432
- "learning_rate": 5.8816683385358974e-08,
1433
- "loss": 1.7667,
1434
- "step": 990
1435
- },
1436
- {
1437
- "epoch": 2.006048387096774,
1438
- "grad_norm": 1.2035537415937343,
1439
- "learning_rate": 5.834324704041041e-08,
1440
- "loss": 1.7686,
1441
- "step": 995
1442
- },
1443
- {
1444
- "epoch": 2.0161290322580645,
1445
- "grad_norm": 1.2316714422775488,
1446
- "learning_rate": 5.789303597545942e-08,
1447
- "loss": 1.6699,
1448
- "step": 1000
1449
- },
1450
- {
1451
- "epoch": 2.0161290322580645,
1452
- "eval_loss": 1.9428125619888306,
1453
- "eval_runtime": 89.8315,
1454
- "eval_samples_per_second": 19.603,
1455
- "eval_steps_per_second": 0.312,
1456
- "step": 1000
1457
- },
1458
- {
1459
- "epoch": 2.026209677419355,
1460
- "grad_norm": 1.2569040983124893,
1461
- "learning_rate": 5.746501968779849e-08,
1462
- "loss": 1.7248,
1463
- "step": 1005
1464
- },
1465
- {
1466
- "epoch": 2.036290322580645,
1467
- "grad_norm": 1.2073156251056785,
1468
- "learning_rate": 5.7058208519993964e-08,
1469
- "loss": 1.5994,
1470
- "step": 1010
1471
- },
1472
- {
1473
- "epoch": 2.0463709677419355,
1474
- "grad_norm": 1.250476166765303,
1475
- "learning_rate": 5.667165223621266e-08,
1476
- "loss": 1.7618,
1477
- "step": 1015
1478
- },
1479
- {
1480
- "epoch": 2.056451612903226,
1481
- "grad_norm": 1.1771740320614876,
1482
- "learning_rate": 5.630443864129586e-08,
1483
- "loss": 1.7109,
1484
- "step": 1020
1485
- },
1486
- {
1487
- "epoch": 2.066532258064516,
1488
- "grad_norm": 1.2423874053675774,
1489
- "learning_rate": 5.595569224150602e-08,
1490
- "loss": 1.688,
1491
- "step": 1025
1492
- },
1493
- {
1494
- "epoch": 2.0766129032258065,
1495
- "grad_norm": 1.1913045210590958,
1496
- "learning_rate": 5.562457294589246e-08,
1497
- "loss": 1.7122,
1498
- "step": 1030
1499
- },
1500
- {
1501
- "epoch": 2.086693548387097,
1502
- "grad_norm": 1.5628319901302377,
1503
- "learning_rate": 5.53102748072445e-08,
1504
- "loss": 1.8032,
1505
- "step": 1035
1506
- },
1507
- {
1508
- "epoch": 2.096774193548387,
1509
- "grad_norm": 1.2186459343954958,
1510
- "learning_rate": 5.501202480162106e-08,
1511
- "loss": 1.706,
1512
- "step": 1040
1513
- },
1514
- {
1515
- "epoch": 2.1068548387096775,
1516
- "grad_norm": 1.5980051096787016,
1517
- "learning_rate": 5.472908164546672e-08,
1518
- "loss": 1.6859,
1519
- "step": 1045
1520
- },
1521
- {
1522
- "epoch": 2.1169354838709675,
1523
- "grad_norm": 1.2032746720272727,
1524
- "learning_rate": 5.446073464934468e-08,
1525
- "loss": 1.6677,
1526
- "step": 1050
1527
- },
1528
- {
1529
- "epoch": 2.127016129032258,
1530
- "grad_norm": 1.2566967045401873,
1531
- "learning_rate": 5.420630260733693e-08,
1532
- "loss": 1.7704,
1533
- "step": 1055
1534
- },
1535
- {
1536
- "epoch": 2.1370967741935485,
1537
- "grad_norm": 1.1883212669149759,
1538
- "learning_rate": 5.396513272118224e-08,
1539
- "loss": 1.7207,
1540
- "step": 1060
1541
- },
1542
- {
1543
- "epoch": 2.1471774193548385,
1544
- "grad_norm": 1.4452669028801322,
1545
- "learning_rate": 5.373659955824137e-08,
1546
- "loss": 1.7838,
1547
- "step": 1065
1548
- },
1549
- {
1550
- "epoch": 2.157258064516129,
1551
- "grad_norm": 1.2860799707706096,
1552
- "learning_rate": 5.3520104042398855e-08,
1553
- "loss": 1.7416,
1554
- "step": 1070
1555
- },
1556
- {
1557
- "epoch": 2.1673387096774195,
1558
- "grad_norm": 1.1967308129229457,
1559
- "learning_rate": 5.331507247702889e-08,
1560
- "loss": 1.6755,
1561
- "step": 1075
1562
- },
1563
- {
1564
- "epoch": 2.1774193548387095,
1565
- "grad_norm": 1.2537902733229633,
1566
- "learning_rate": 5.3120955599171935e-08,
1567
- "loss": 1.7548,
1568
- "step": 1080
1569
- },
1570
- {
1571
- "epoch": 2.1875,
1572
- "grad_norm": 1.2447529415534258,
1573
- "learning_rate": 5.293722766408659e-08,
1574
- "loss": 1.7471,
1575
- "step": 1085
1576
- },
1577
- {
1578
- "epoch": 2.1975806451612905,
1579
- "grad_norm": 1.1991864633094496,
1580
- "learning_rate": 5.276338555935963e-08,
1581
- "loss": 1.7606,
1582
- "step": 1090
1583
- },
1584
- {
1585
- "epoch": 2.2076612903225805,
1586
- "grad_norm": 1.219389195740527,
1587
- "learning_rate": 5.259894794777423e-08,
1588
- "loss": 1.7225,
1589
- "step": 1095
1590
- },
1591
- {
1592
- "epoch": 2.217741935483871,
1593
- "grad_norm": 1.2339738380016207,
1594
- "learning_rate": 5.2443454438154534e-08,
1595
- "loss": 1.7114,
1596
- "step": 1100
1597
- },
1598
- {
1599
- "epoch": 2.2278225806451615,
1600
- "grad_norm": 1.1802337869081512,
1601
- "learning_rate": 5.229646478342111e-08,
1602
- "loss": 1.694,
1603
- "step": 1105
1604
- },
1605
- {
1606
- "epoch": 2.2379032258064515,
1607
- "grad_norm": 1.2158683240460215,
1608
- "learning_rate": 5.2157558105109226e-08,
1609
- "loss": 1.7462,
1610
- "step": 1110
1611
- },
1612
- {
1613
- "epoch": 2.247983870967742,
1614
- "grad_norm": 1.174384875714619,
1615
- "learning_rate": 5.202633214361811e-08,
1616
- "loss": 1.695,
1617
- "step": 1115
1618
- },
1619
- {
1620
- "epoch": 2.258064516129032,
1621
- "grad_norm": 1.2247069091252694,
1622
- "learning_rate": 5.190240253347578e-08,
1623
- "loss": 1.7591,
1624
- "step": 1120
1625
- },
1626
- {
1627
- "epoch": 2.2681451612903225,
1628
- "grad_norm": 1.3095787384406332,
1629
- "learning_rate": 5.178540210291998e-08,
1630
- "loss": 1.7217,
1631
- "step": 1125
1632
- },
1633
- {
1634
- "epoch": 2.278225806451613,
1635
- "grad_norm": 1.2493489539759923,
1636
- "learning_rate": 5.167498019711146e-08,
1637
- "loss": 1.7889,
1638
- "step": 1130
1639
- },
1640
- {
1641
- "epoch": 2.288306451612903,
1642
- "grad_norm": 1.2374059562548885,
1643
- "learning_rate": 5.157080202431146e-08,
1644
- "loss": 1.6853,
1645
- "step": 1135
1646
- },
1647
- {
1648
- "epoch": 2.2983870967741935,
1649
- "grad_norm": 1.2417228451011928,
1650
- "learning_rate": 5.1472548024370265e-08,
1651
- "loss": 1.7252,
1652
- "step": 1140
1653
- },
1654
- {
1655
- "epoch": 2.308467741935484,
1656
- "grad_norm": 1.2382899521975939,
1657
- "learning_rate": 5.137991325888869e-08,
1658
- "loss": 1.6828,
1659
- "step": 1145
1660
- },
1661
- {
1662
- "epoch": 2.318548387096774,
1663
- "grad_norm": 1.2406554761874888,
1664
- "learning_rate": 5.129260682242921e-08,
1665
- "loss": 1.7995,
1666
- "step": 1150
1667
- },
1668
- {
1669
- "epoch": 2.3286290322580645,
1670
- "grad_norm": 1.2857931147752715,
1671
- "learning_rate": 5.121035127416763e-08,
1672
- "loss": 1.6909,
1673
- "step": 1155
1674
- },
1675
- {
1676
- "epoch": 2.338709677419355,
1677
- "grad_norm": 1.2227137154473942,
1678
- "learning_rate": 5.1132882089390505e-08,
1679
- "loss": 1.8297,
1680
- "step": 1160
1681
- },
1682
- {
1683
- "epoch": 2.348790322580645,
1684
- "grad_norm": 1.2092856119101558,
1685
- "learning_rate": 5.105994713025749e-08,
1686
- "loss": 1.7084,
1687
- "step": 1165
1688
- },
1689
- {
1690
- "epoch": 2.3588709677419355,
1691
- "grad_norm": 1.2553731796947716,
1692
- "learning_rate": 5.099130613526128e-08,
1693
- "loss": 1.7698,
1694
- "step": 1170
1695
- },
1696
- {
1697
- "epoch": 2.368951612903226,
1698
- "grad_norm": 1.2347295734439494,
1699
- "learning_rate": 5.092673022683157e-08,
1700
- "loss": 1.7176,
1701
- "step": 1175
1702
- },
1703
- {
1704
- "epoch": 2.379032258064516,
1705
- "grad_norm": 1.2236546996683366,
1706
- "learning_rate": 5.086600143654227e-08,
1707
- "loss": 1.7972,
1708
- "step": 1180
1709
- },
1710
- {
1711
- "epoch": 2.3891129032258065,
1712
- "grad_norm": 1.1892980030528701,
1713
- "learning_rate": 5.080891224739457e-08,
1714
- "loss": 1.7075,
1715
- "step": 1185
1716
- },
1717
- {
1718
- "epoch": 2.399193548387097,
1719
- "grad_norm": 1.2693570071261813,
1720
- "learning_rate": 5.075526515266076e-08,
1721
- "loss": 1.762,
1722
- "step": 1190
1723
- },
1724
- {
1725
- "epoch": 2.409274193548387,
1726
- "grad_norm": 1.2598507176307956,
1727
- "learning_rate": 5.07048722307867e-08,
1728
- "loss": 1.7596,
1729
- "step": 1195
1730
- },
1731
- {
1732
- "epoch": 2.4193548387096775,
1733
- "grad_norm": 1.2086250967210856,
1734
- "learning_rate": 5.065755473586252e-08,
1735
- "loss": 1.7212,
1736
- "step": 1200
1737
- },
1738
- {
1739
- "epoch": 2.4193548387096775,
1740
- "eval_loss": 1.9444948434829712,
1741
- "eval_runtime": 89.768,
1742
- "eval_samples_per_second": 19.617,
1743
- "eval_steps_per_second": 0.312,
1744
- "step": 1200
1745
- },
1746
- {
1747
- "epoch": 2.429435483870968,
1748
- "grad_norm": 1.2270017834004545,
1749
- "learning_rate": 5.061314270318372e-08,
1750
- "loss": 1.7673,
1751
- "step": 1205
1752
- },
1753
- {
1754
- "epoch": 2.439516129032258,
1755
- "grad_norm": 1.2758334557746702,
1756
- "learning_rate": 5.057147456943636e-08,
1757
- "loss": 1.7733,
1758
- "step": 1210
1759
- },
1760
- {
1761
- "epoch": 2.4495967741935485,
1762
- "grad_norm": 1.2671506994834478,
1763
- "learning_rate": 5.053239680705157e-08,
1764
- "loss": 1.685,
1765
- "step": 1215
1766
- },
1767
- {
1768
- "epoch": 2.4596774193548385,
1769
- "grad_norm": 1.3082114423304811,
1770
- "learning_rate": 5.049576357228625e-08,
1771
- "loss": 1.7673,
1772
- "step": 1220
1773
- },
1774
- {
1775
- "epoch": 2.469758064516129,
1776
- "grad_norm": 1.2410498924874347,
1777
- "learning_rate": 5.0461436366597737e-08,
1778
- "loss": 1.6777,
1779
- "step": 1225
1780
- },
1781
- {
1782
- "epoch": 2.4798387096774195,
1783
- "grad_norm": 1.2225089432500613,
1784
- "learning_rate": 5.0429283710891395e-08,
1785
- "loss": 1.7561,
1786
- "step": 1230
1787
- },
1788
- {
1789
- "epoch": 2.4899193548387095,
1790
- "grad_norm": 1.3411537670367075,
1791
- "learning_rate": 5.0399180832230535e-08,
1792
- "loss": 1.7278,
1793
- "step": 1235
1794
- },
1795
- {
1796
- "epoch": 2.5,
1797
- "grad_norm": 1.2608235504861707,
1798
- "learning_rate": 5.0371009362608996e-08,
1799
- "loss": 1.6774,
1800
- "step": 1240
1801
- },
1802
- {
1803
- "epoch": 2.5100806451612905,
1804
- "grad_norm": 1.2549696696310126,
1805
- "learning_rate": 5.0344657049396644e-08,
1806
- "loss": 1.6711,
1807
- "step": 1245
1808
- },
1809
- {
1810
- "epoch": 2.5201612903225805,
1811
- "grad_norm": 1.2520913106199976,
1812
- "learning_rate": 5.032001747707849e-08,
1813
- "loss": 1.7873,
1814
- "step": 1250
1815
- },
1816
- {
1817
- "epoch": 2.530241935483871,
1818
- "grad_norm": 1.2195192727589492,
1819
- "learning_rate": 5.029698979991788e-08,
1820
- "loss": 1.7961,
1821
- "step": 1255
1822
- },
1823
- {
1824
- "epoch": 2.540322580645161,
1825
- "grad_norm": 1.2296378280476938,
1826
- "learning_rate": 5.0275478485184044e-08,
1827
- "loss": 1.7105,
1828
- "step": 1260
1829
- },
1830
- {
1831
- "epoch": 2.5504032258064515,
1832
- "grad_norm": 1.2672207613505957,
1833
- "learning_rate": 5.025539306659372e-08,
1834
- "loss": 1.7319,
1835
- "step": 1265
1836
- },
1837
- {
1838
- "epoch": 2.560483870967742,
1839
- "grad_norm": 1.33348278916816,
1840
- "learning_rate": 5.0236647907626076e-08,
1841
- "loss": 1.7581,
1842
- "step": 1270
1843
- },
1844
- {
1845
- "epoch": 2.570564516129032,
1846
- "grad_norm": 1.2147181184983937,
1847
- "learning_rate": 5.021916197437918e-08,
1848
- "loss": 1.7909,
1849
- "step": 1275
1850
- },
1851
- {
1852
- "epoch": 2.5806451612903225,
1853
- "grad_norm": 1.2006424516658476,
1854
- "learning_rate": 5.020285861764526e-08,
1855
- "loss": 1.7094,
1856
- "step": 1280
1857
- },
1858
- {
1859
- "epoch": 2.590725806451613,
1860
- "grad_norm": 1.304898262044129,
1861
- "learning_rate": 5.018766536389094e-08,
1862
- "loss": 1.7601,
1863
- "step": 1285
1864
- },
1865
- {
1866
- "epoch": 2.600806451612903,
1867
- "grad_norm": 1.2541227980327716,
1868
- "learning_rate": 5.017351371483695e-08,
1869
- "loss": 1.6886,
1870
- "step": 1290
1871
- },
1872
- {
1873
- "epoch": 2.6108870967741935,
1874
- "grad_norm": 1.2252553715485226,
1875
- "learning_rate": 5.01603389553406e-08,
1876
- "loss": 1.7265,
1877
- "step": 1295
1878
- },
1879
- {
1880
- "epoch": 2.620967741935484,
1881
- "grad_norm": 1.249302955897003,
1882
- "learning_rate": 5.0148079969292275e-08,
1883
- "loss": 1.6571,
1884
- "step": 1300
1885
- },
1886
- {
1887
- "epoch": 2.631048387096774,
1888
- "grad_norm": 1.1957123027809284,
1889
- "learning_rate": 5.0136679063245423e-08,
1890
- "loss": 1.7532,
1891
- "step": 1305
1892
- },
1893
- {
1894
- "epoch": 2.6411290322580645,
1895
- "grad_norm": 1.201048445138404,
1896
- "learning_rate": 5.012608179750745e-08,
1897
- "loss": 1.7326,
1898
- "step": 1310
1899
- },
1900
- {
1901
- "epoch": 2.651209677419355,
1902
- "grad_norm": 1.2081583082273468,
1903
- "learning_rate": 5.011623682442653e-08,
1904
- "loss": 1.6896,
1905
- "step": 1315
1906
- },
1907
- {
1908
- "epoch": 2.661290322580645,
1909
- "grad_norm": 1.2165377024812585,
1910
- "learning_rate": 5.010709573361717e-08,
1911
- "loss": 1.7138,
1912
- "step": 1320
1913
- },
1914
- {
1915
- "epoch": 2.6713709677419355,
1916
- "grad_norm": 1.2512113015598476,
1917
- "learning_rate": 5.0098612903874436e-08,
1918
- "loss": 1.7417,
1919
- "step": 1325
1920
- },
1921
- {
1922
- "epoch": 2.681451612903226,
1923
- "grad_norm": 1.3393843580639568,
1924
- "learning_rate": 5.009074536153439e-08,
1925
- "loss": 1.6794,
1926
- "step": 1330
1927
- },
1928
- {
1929
- "epoch": 2.691532258064516,
1930
- "grad_norm": 1.244775300561878,
1931
- "learning_rate": 5.008345264504506e-08,
1932
- "loss": 1.6785,
1933
- "step": 1335
1934
- },
1935
- {
1936
- "epoch": 2.7016129032258065,
1937
- "grad_norm": 1.2309880190717277,
1938
- "learning_rate": 5.007669667551931e-08,
1939
- "loss": 1.7386,
1940
- "step": 1340
1941
- },
1942
- {
1943
- "epoch": 2.711693548387097,
1944
- "grad_norm": 1.2646430684773242,
1945
- "learning_rate": 5.007044163304792e-08,
1946
- "loss": 1.7271,
1947
- "step": 1345
1948
- },
1949
- {
1950
- "epoch": 2.721774193548387,
1951
- "grad_norm": 1.3573014483042332,
1952
- "learning_rate": 5.0064653838557546e-08,
1953
- "loss": 1.8166,
1954
- "step": 1350
1955
- },
1956
- {
1957
- "epoch": 2.7318548387096775,
1958
- "grad_norm": 1.260061171998465,
1959
- "learning_rate": 5.0059301641004814e-08,
1960
- "loss": 1.7825,
1961
- "step": 1355
1962
- },
1963
- {
1964
- "epoch": 2.741935483870968,
1965
- "grad_norm": 1.2930142933374957,
1966
- "learning_rate": 5.0054355309704326e-08,
1967
- "loss": 1.7362,
1968
- "step": 1360
1969
- },
1970
- {
1971
- "epoch": 2.752016129032258,
1972
- "grad_norm": 1.1917500201859248,
1973
- "learning_rate": 5.004978693159421e-08,
1974
- "loss": 1.7862,
1975
- "step": 1365
1976
- },
1977
- {
1978
- "epoch": 2.7620967741935485,
1979
- "grad_norm": 1.309363529031979,
1980
- "learning_rate": 5.004557031324913e-08,
1981
- "loss": 1.766,
1982
- "step": 1370
1983
- },
1984
- {
1985
- "epoch": 2.772177419354839,
1986
- "grad_norm": 1.260854474561999,
1987
- "learning_rate": 5.00416808874565e-08,
1988
- "loss": 1.7798,
1989
- "step": 1375
1990
- },
1991
- {
1992
- "epoch": 2.782258064516129,
1993
- "grad_norm": 1.2133948555271834,
1994
- "learning_rate": 5.003809562417745e-08,
1995
- "loss": 1.7702,
1996
- "step": 1380
1997
- },
1998
- {
1999
- "epoch": 2.7923387096774195,
2000
- "grad_norm": 1.20285403043514,
2001
- "learning_rate": 5.00347929457196e-08,
2002
- "loss": 1.7629,
2003
- "step": 1385
2004
- },
2005
- {
2006
- "epoch": 2.8024193548387095,
2007
- "grad_norm": 1.2055338414881442,
2008
- "learning_rate": 5.003175264595438e-08,
2009
- "loss": 1.6825,
2010
- "step": 1390
2011
- },
2012
- {
2013
- "epoch": 2.8125,
2014
- "grad_norm": 1.2692380612645446,
2015
- "learning_rate": 5.002895581341684e-08,
2016
- "loss": 1.7922,
2017
- "step": 1395
2018
- },
2019
- {
2020
- "epoch": 2.8225806451612905,
2021
- "grad_norm": 1.197125036474829,
2022
- "learning_rate": 5.002638475813119e-08,
2023
- "loss": 1.7346,
2024
- "step": 1400
2025
- },
2026
- {
2027
- "epoch": 2.8225806451612905,
2028
- "eval_loss": 1.9443275928497314,
2029
- "eval_runtime": 89.8463,
2030
- "eval_samples_per_second": 19.6,
2031
- "eval_steps_per_second": 0.312,
2032
- "step": 1400
2033
- },
2034
- {
2035
- "epoch": 2.8326612903225805,
2036
- "grad_norm": 1.3129336482449783,
2037
- "learning_rate": 5.0024022942010466e-08,
2038
- "loss": 1.7541,
2039
- "step": 1405
2040
- },
2041
- {
2042
- "epoch": 2.842741935483871,
2043
- "grad_norm": 1.1872922962263166,
2044
- "learning_rate": 5.002185491268355e-08,
2045
- "loss": 1.6476,
2046
- "step": 1410
2047
- },
2048
- {
2049
- "epoch": 2.852822580645161,
2050
- "grad_norm": 1.3099170695792106,
2051
- "learning_rate": 5.0019866240607806e-08,
2052
- "loss": 1.6647,
2053
- "step": 1415
2054
- },
2055
- {
2056
- "epoch": 2.8629032258064515,
2057
- "grad_norm": 1.3296060602873512,
2058
- "learning_rate": 5.001804345933021e-08,
2059
- "loss": 1.7079,
2060
- "step": 1420
2061
- },
2062
- {
2063
- "epoch": 2.872983870967742,
2064
- "grad_norm": 1.2481767829563293,
2065
- "learning_rate": 5.001637400876446e-08,
2066
- "loss": 1.6979,
2067
- "step": 1425
2068
- },
2069
- {
2070
- "epoch": 2.883064516129032,
2071
- "grad_norm": 1.3774040469968931,
2072
- "learning_rate": 5.001484618135618e-08,
2073
- "loss": 1.716,
2074
- "step": 1430
2075
- },
2076
- {
2077
- "epoch": 2.8931451612903225,
2078
- "grad_norm": 1.3300791138778125,
2079
- "learning_rate": 5.0013449071012536e-08,
2080
- "loss": 1.8281,
2081
- "step": 1435
2082
- },
2083
- {
2084
- "epoch": 2.903225806451613,
2085
- "grad_norm": 1.2648870887474146,
2086
- "learning_rate": 5.0012172524676996e-08,
2087
- "loss": 1.7511,
2088
- "step": 1440
2089
- },
2090
- {
2091
- "epoch": 2.913306451612903,
2092
- "grad_norm": 1.2324711482162307,
2093
- "learning_rate": 5.001100709643403e-08,
2094
- "loss": 1.7665,
2095
- "step": 1445
2096
- },
2097
- {
2098
- "epoch": 2.9233870967741935,
2099
- "grad_norm": 1.1884469998607576,
2100
- "learning_rate": 5.0009944004032616e-08,
2101
- "loss": 1.7515,
2102
- "step": 1450
2103
- },
2104
- {
2105
- "epoch": 2.933467741935484,
2106
- "grad_norm": 1.2242938574470985,
2107
- "learning_rate": 5.000897508772145e-08,
2108
- "loss": 1.779,
2109
- "step": 1455
2110
- },
2111
- {
2112
- "epoch": 2.943548387096774,
2113
- "grad_norm": 1.1767587628025173,
2114
- "learning_rate": 5.000809277129238e-08,
2115
- "loss": 1.7013,
2116
- "step": 1460
2117
- },
2118
- {
2119
- "epoch": 2.9536290322580645,
2120
- "grad_norm": 1.1876105747863372,
2121
- "learning_rate": 5.000729002523258e-08,
2122
- "loss": 1.7691,
2123
- "step": 1465
2124
- },
2125
- {
2126
- "epoch": 2.963709677419355,
2127
- "grad_norm": 1.2804911094505236,
2128
- "learning_rate": 5.0006560331889364e-08,
2129
- "loss": 1.7952,
2130
- "step": 1470
2131
- },
2132
- {
2133
- "epoch": 2.973790322580645,
2134
- "grad_norm": 1.2634767897263572,
2135
- "learning_rate": 5.0005897652555256e-08,
2136
- "loss": 1.8265,
2137
- "step": 1475
2138
- },
2139
- {
2140
- "epoch": 2.9838709677419355,
2141
- "grad_norm": 1.376696085159001,
2142
- "learning_rate": 5.000529639638423e-08,
2143
- "loss": 1.7974,
2144
- "step": 1480
2145
- },
2146
- {
2147
- "epoch": 2.993951612903226,
2148
- "grad_norm": 1.1674051041442062,
2149
- "learning_rate": 5.000475139105343e-08,
2150
- "loss": 1.6758,
2151
- "step": 1485
2152
- },
2153
- {
2154
- "epoch": 3.004032258064516,
2155
- "grad_norm": 1.2278436300934317,
2156
- "learning_rate": 5.000425785508798e-08,
2157
- "loss": 1.7076,
2158
- "step": 1490
2159
- },
2160
- {
2161
- "epoch": 3.0141129032258065,
2162
- "grad_norm": 1.208822859914408,
2163
- "learning_rate": 5.0003811371769436e-08,
2164
- "loss": 1.6804,
2165
- "step": 1495
2166
- },
2167
- {
2168
- "epoch": 3.024193548387097,
2169
- "grad_norm": 1.2607881481569827,
2170
- "learning_rate": 5.000340786455173e-08,
2171
- "loss": 1.7044,
2172
- "step": 1500
2173
- },
2174
- {
2175
- "epoch": 3.034274193548387,
2176
- "grad_norm": 1.2481468783314629,
2177
- "learning_rate": 5.00030435739113e-08,
2178
- "loss": 1.7133,
2179
- "step": 1505
2180
- },
2181
- {
2182
- "epoch": 3.0443548387096775,
2183
- "grad_norm": 1.2625933161048073,
2184
- "learning_rate": 5.0002715035560964e-08,
2185
- "loss": 1.7043,
2186
- "step": 1510
2187
- },
2188
- {
2189
- "epoch": 3.0544354838709675,
2190
- "grad_norm": 1.2211349887353309,
2191
- "learning_rate": 5.000241905995991e-08,
2192
- "loss": 1.7931,
2193
- "step": 1515
2194
- },
2195
- {
2196
- "epoch": 3.064516129032258,
2197
- "grad_norm": 1.2628888420799884,
2198
- "learning_rate": 5.000215271305494e-08,
2199
- "loss": 1.7648,
2200
- "step": 1520
2201
- },
2202
- {
2203
- "epoch": 3.0745967741935485,
2204
- "grad_norm": 1.2349226985107031,
2205
- "learning_rate": 5.000191329819063e-08,
2206
- "loss": 1.72,
2207
- "step": 1525
2208
- },
2209
- {
2210
- "epoch": 3.0846774193548385,
2211
- "grad_norm": 1.2993139941453224,
2212
- "learning_rate": 5.0001698339128735e-08,
2213
- "loss": 1.7493,
2214
- "step": 1530
2215
- },
2216
- {
2217
- "epoch": 3.094758064516129,
2218
- "grad_norm": 1.3021805987677582,
2219
- "learning_rate": 5.0001505564119494e-08,
2220
- "loss": 1.7801,
2221
- "step": 1535
2222
- },
2223
- {
2224
- "epoch": 3.1048387096774195,
2225
- "grad_norm": 1.2177089098452982,
2226
- "learning_rate": 5.000133289097e-08,
2227
- "loss": 1.7488,
2228
- "step": 1540
2229
- },
2230
- {
2231
- "epoch": 3.1149193548387095,
2232
- "grad_norm": 1.2475923991723818,
2233
- "learning_rate": 5.0001178413057135e-08,
2234
- "loss": 1.8035,
2235
- "step": 1545
2236
- },
2237
- {
2238
- "epoch": 3.125,
2239
- "grad_norm": 1.2750062841943113,
2240
- "learning_rate": 5.0001040386234535e-08,
2241
- "loss": 1.6927,
2242
- "step": 1550
2243
- },
2244
- {
2245
- "epoch": 3.1350806451612905,
2246
- "grad_norm": 1.2521384201728667,
2247
- "learning_rate": 5.000091721658573e-08,
2248
- "loss": 1.7867,
2249
- "step": 1555
2250
- },
2251
- {
2252
- "epoch": 3.1451612903225805,
2253
- "grad_norm": 1.2788389170185523,
2254
- "learning_rate": 5.0000807448977166e-08,
2255
- "loss": 1.7463,
2256
- "step": 1560
2257
- },
2258
- {
2259
- "epoch": 3.155241935483871,
2260
- "grad_norm": 1.1932742831754912,
2261
- "learning_rate": 5.000070975636714e-08,
2262
- "loss": 1.6646,
2263
- "step": 1565
2264
- },
2265
- {
2266
- "epoch": 3.1653225806451615,
2267
- "grad_norm": 1.2026279996869336,
2268
- "learning_rate": 5.0000622929828655e-08,
2269
- "loss": 1.7426,
2270
- "step": 1570
2271
- },
2272
- {
2273
- "epoch": 3.1754032258064515,
2274
- "grad_norm": 1.2658970944840857,
2275
- "learning_rate": 5.000054586924596e-08,
2276
- "loss": 1.6139,
2277
- "step": 1575
2278
- },
2279
- {
2280
- "epoch": 3.185483870967742,
2281
- "grad_norm": 1.2582895003633043,
2282
- "learning_rate": 5.0000477574646376e-08,
2283
- "loss": 1.6655,
2284
- "step": 1580
2285
- },
2286
- {
2287
- "epoch": 3.195564516129032,
2288
- "grad_norm": 1.286929029486268,
2289
- "learning_rate": 5.000041713813098e-08,
2290
- "loss": 1.8082,
2291
- "step": 1585
2292
- },
2293
- {
2294
- "epoch": 3.2056451612903225,
2295
- "grad_norm": 1.5242979315943919,
2296
- "learning_rate": 5.0000363736369096e-08,
2297
- "loss": 1.7129,
2298
- "step": 1590
2299
- },
2300
- {
2301
- "epoch": 3.215725806451613,
2302
- "grad_norm": 1.1974095695410052,
2303
- "learning_rate": 5.000031662362353e-08,
2304
- "loss": 1.7858,
2305
- "step": 1595
2306
- },
2307
- {
2308
- "epoch": 3.225806451612903,
2309
- "grad_norm": 1.2334951186835896,
2310
- "learning_rate": 5.000027512527476e-08,
2311
- "loss": 1.7028,
2312
- "step": 1600
2313
- },
2314
- {
2315
- "epoch": 3.225806451612903,
2316
- "eval_loss": 1.9448145627975464,
2317
- "eval_runtime": 89.9094,
2318
- "eval_samples_per_second": 19.586,
2319
- "eval_steps_per_second": 0.311,
2320
- "step": 1600
2321
- },
2322
- {
2323
- "epoch": 3.2358870967741935,
2324
- "grad_norm": 1.2639640178197116,
2325
- "learning_rate": 5.0000238631814066e-08,
2326
- "loss": 1.8326,
2327
- "step": 1605
2328
- },
2329
- {
2330
- "epoch": 3.245967741935484,
2331
- "grad_norm": 1.2369747127772903,
2332
- "learning_rate": 5.000020659327692e-08,
2333
- "loss": 1.6435,
2334
- "step": 1610
2335
- },
2336
- {
2337
- "epoch": 3.256048387096774,
2338
- "grad_norm": 1.2345433192530466,
2339
- "learning_rate": 5.000017851408939e-08,
2340
- "loss": 1.7267,
2341
- "step": 1615
2342
- },
2343
- {
2344
- "epoch": 3.2661290322580645,
2345
- "grad_norm": 1.2504468827628226,
2346
- "learning_rate": 5.0000153948301755e-08,
2347
- "loss": 1.749,
2348
- "step": 1620
2349
- },
2350
- {
2351
- "epoch": 3.276209677419355,
2352
- "grad_norm": 1.2484879937766102,
2353
- "learning_rate": 5.000013249518468e-08,
2354
- "loss": 1.7147,
2355
- "step": 1625
2356
- },
2357
- {
2358
- "epoch": 3.286290322580645,
2359
- "grad_norm": 1.2765939466692027,
2360
- "learning_rate": 5.000011379516478e-08,
2361
- "loss": 1.708,
2362
- "step": 1630
2363
- },
2364
- {
2365
- "epoch": 3.2963709677419355,
2366
- "grad_norm": 1.2548830946050018,
2367
- "learning_rate": 5.000009752607744e-08,
2368
- "loss": 1.6576,
2369
- "step": 1635
2370
- },
2371
- {
2372
- "epoch": 3.306451612903226,
2373
- "grad_norm": 1.3380090814755392,
2374
- "learning_rate": 5.00000833997159e-08,
2375
- "loss": 1.7899,
2376
- "step": 1640
2377
- },
2378
- {
2379
- "epoch": 3.316532258064516,
2380
- "grad_norm": 1.2589567647915303,
2381
- "learning_rate": 5.000007115865701e-08,
2382
- "loss": 1.7283,
2383
- "step": 1645
2384
- },
2385
- {
2386
- "epoch": 3.3266129032258065,
2387
- "grad_norm": 1.330891571705861,
2388
- "learning_rate": 5.00000605733447e-08,
2389
- "loss": 1.7638,
2390
- "step": 1650
2391
- },
2392
- {
2393
- "epoch": 3.336693548387097,
2394
- "grad_norm": 1.2968430137554552,
2395
- "learning_rate": 5.0000051439413665e-08,
2396
- "loss": 1.7894,
2397
- "step": 1655
2398
- },
2399
- {
2400
- "epoch": 3.346774193548387,
2401
- "grad_norm": 1.26655914538691,
2402
- "learning_rate": 5.000004357523643e-08,
2403
- "loss": 1.6794,
2404
- "step": 1660
2405
- },
2406
- {
2407
- "epoch": 3.3568548387096775,
2408
- "grad_norm": 1.3255247557489993,
2409
- "learning_rate": 5.000003681967807e-08,
2410
- "loss": 1.7458,
2411
- "step": 1665
2412
- },
2413
- {
2414
- "epoch": 3.366935483870968,
2415
- "grad_norm": 1.4616051241449233,
2416
- "learning_rate": 5.000003103004378e-08,
2417
- "loss": 1.7682,
2418
- "step": 1670
2419
- },
2420
- {
2421
- "epoch": 3.377016129032258,
2422
- "grad_norm": 1.2909185531222274,
2423
- "learning_rate": 5.000002608020516e-08,
2424
- "loss": 1.7676,
2425
- "step": 1675
2426
- },
2427
- {
2428
- "epoch": 3.3870967741935485,
2429
- "grad_norm": 1.5116117360689252,
2430
- "learning_rate": 5.0000021858892204e-08,
2431
- "loss": 1.8041,
2432
- "step": 1680
2433
- },
2434
- {
2435
- "epoch": 3.3971774193548385,
2436
- "grad_norm": 1.2019942003042767,
2437
- "learning_rate": 5.000001826813845e-08,
2438
- "loss": 1.6975,
2439
- "step": 1685
2440
- },
2441
- {
2442
- "epoch": 3.407258064516129,
2443
- "grad_norm": 1.2423004849326869,
2444
- "learning_rate": 5.000001522186781e-08,
2445
- "loss": 1.7856,
2446
- "step": 1690
2447
- },
2448
- {
2449
- "epoch": 3.4173387096774195,
2450
- "grad_norm": 1.1833866067645467,
2451
- "learning_rate": 5.0000012644612046e-08,
2452
- "loss": 1.6801,
2453
- "step": 1695
2454
- },
2455
- {
2456
- "epoch": 3.4274193548387095,
2457
- "grad_norm": 1.2527324283211838,
2458
- "learning_rate": 5.000001047034869e-08,
2459
- "loss": 1.7829,
2460
- "step": 1700
2461
- },
2462
- {
2463
- "epoch": 3.4375,
2464
- "grad_norm": 1.2021893152164589,
2465
- "learning_rate": 5.000000864144987e-08,
2466
- "loss": 1.7365,
2467
- "step": 1705
2468
- },
2469
- {
2470
- "epoch": 3.4475806451612905,
2471
- "grad_norm": 1.2533733399310467,
2472
- "learning_rate": 5.0000007107733085e-08,
2473
- "loss": 1.7684,
2474
- "step": 1710
2475
- },
2476
- {
2477
- "epoch": 3.4576612903225805,
2478
- "grad_norm": 1.2808992378124462,
2479
- "learning_rate": 5.000000582560542e-08,
2480
- "loss": 1.7195,
2481
- "step": 1715
2482
- },
2483
- {
2484
- "epoch": 3.467741935483871,
2485
- "grad_norm": 1.2244209413905693,
2486
- "learning_rate": 5.00000047572936e-08,
2487
- "loss": 1.7485,
2488
- "step": 1720
2489
- },
2490
- {
2491
- "epoch": 3.4778225806451615,
2492
- "grad_norm": 1.2540825243078901,
2493
- "learning_rate": 5.000000387015242e-08,
2494
- "loss": 1.7303,
2495
- "step": 1725
2496
- },
2497
- {
2498
- "epoch": 3.4879032258064515,
2499
- "grad_norm": 1.2847488818819852,
2500
- "learning_rate": 5.0000003136044955e-08,
2501
- "loss": 1.8182,
2502
- "step": 1730
2503
- },
2504
- {
2505
- "epoch": 3.497983870967742,
2506
- "grad_norm": 1.247272423872035,
2507
- "learning_rate": 5.000000253078795e-08,
2508
- "loss": 1.7646,
2509
- "step": 1735
2510
- },
2511
- {
2512
- "epoch": 3.508064516129032,
2513
- "grad_norm": 1.1616622600983573,
2514
- "learning_rate": 5.000000203365694e-08,
2515
- "loss": 1.61,
2516
- "step": 1740
2517
- },
2518
- {
2519
- "epoch": 3.5181451612903225,
2520
- "grad_norm": 1.2602897978426342,
2521
- "learning_rate": 5.000000162694535e-08,
2522
- "loss": 1.7119,
2523
- "step": 1745
2524
- },
2525
- {
2526
- "epoch": 3.528225806451613,
2527
- "grad_norm": 1.2351778503899846,
2528
- "learning_rate": 5.000000129557269e-08,
2529
- "loss": 1.7027,
2530
- "step": 1750
2531
- },
2532
- {
2533
- "epoch": 3.538306451612903,
2534
- "grad_norm": 1.2344538732881385,
2535
- "learning_rate": 5.000000102673722e-08,
2536
- "loss": 1.7228,
2537
- "step": 1755
2538
- },
2539
- {
2540
- "epoch": 3.5483870967741935,
2541
- "grad_norm": 1.2335083557737399,
2542
- "learning_rate": 5.0000000809608727e-08,
2543
- "loss": 1.7107,
2544
- "step": 1760
2545
- },
2546
- {
2547
- "epoch": 3.558467741935484,
2548
- "grad_norm": 1.2491739462049536,
2549
- "learning_rate": 5.000000063505754e-08,
2550
- "loss": 1.6427,
2551
- "step": 1765
2552
- },
2553
- {
2554
- "epoch": 3.568548387096774,
2555
- "grad_norm": 1.2486316865372293,
2556
- "learning_rate": 5.000000049541612e-08,
2557
- "loss": 1.7365,
2558
- "step": 1770
2559
- },
2560
- {
2561
- "epoch": 3.5786290322580645,
2562
- "grad_norm": 1.3051302158136038,
2563
- "learning_rate": 5.000000038426991e-08,
2564
- "loss": 1.7311,
2565
- "step": 1775
2566
- },
2567
- {
2568
- "epoch": 3.588709677419355,
2569
- "grad_norm": 1.23592969040822,
2570
- "learning_rate": 5.000000029627433e-08,
2571
- "loss": 1.7672,
2572
- "step": 1780
2573
- },
2574
- {
2575
- "epoch": 3.598790322580645,
2576
- "grad_norm": 1.1961157739658335,
2577
- "learning_rate": 5.000000022699522e-08,
2578
- "loss": 1.6726,
2579
- "step": 1785
2580
- },
2581
- {
2582
- "epoch": 3.6088709677419355,
2583
- "grad_norm": 1.2487972857881837,
2584
- "learning_rate": 5.000000017277015e-08,
2585
- "loss": 1.823,
2586
- "step": 1790
2587
- },
2588
- {
2589
- "epoch": 3.618951612903226,
2590
- "grad_norm": 1.2187655485543294,
2591
- "learning_rate": 5.0000000130588186e-08,
2592
- "loss": 1.7657,
2593
- "step": 1795
2594
- },
2595
- {
2596
- "epoch": 3.629032258064516,
2597
- "grad_norm": 1.196141679163838,
2598
- "learning_rate": 5.000000009798615e-08,
2599
- "loss": 1.7383,
2600
- "step": 1800
2601
- },
2602
- {
2603
- "epoch": 3.629032258064516,
2604
- "eval_loss": 1.9450066089630127,
2605
- "eval_runtime": 89.836,
2606
- "eval_samples_per_second": 19.602,
2607
- "eval_steps_per_second": 0.312,
2608
- "step": 1800
2609
- },
2610
- {
2611
- "epoch": 3.6391129032258065,
2612
- "grad_norm": 1.2843403341661654,
2613
- "learning_rate": 5.0000000072959346e-08,
2614
- "loss": 1.6978,
2615
- "step": 1805
2616
- },
2617
- {
2618
- "epoch": 3.649193548387097,
2619
- "grad_norm": 1.2729441010270168,
2620
- "learning_rate": 5.000000005388504e-08,
2621
- "loss": 1.7236,
2622
- "step": 1810
2623
- },
2624
- {
2625
- "epoch": 3.659274193548387,
2626
- "grad_norm": 1.278805125989498,
2627
- "learning_rate": 5.000000003945723e-08,
2628
- "loss": 1.7535,
2629
- "step": 1815
2630
- },
2631
- {
2632
- "epoch": 3.6693548387096775,
2633
- "grad_norm": 1.3166466197064246,
2634
- "learning_rate": 5.0000000028631134e-08,
2635
- "loss": 1.7694,
2636
- "step": 1820
2637
- },
2638
- {
2639
- "epoch": 3.679435483870968,
2640
- "grad_norm": 1.2114793447075247,
2641
- "learning_rate": 5.0000000020576294e-08,
2642
- "loss": 1.7647,
2643
- "step": 1825
2644
- },
2645
- {
2646
- "epoch": 3.689516129032258,
2647
- "grad_norm": 1.2395966902447142,
2648
- "learning_rate": 5.000000001463704e-08,
2649
- "loss": 1.7112,
2650
- "step": 1830
2651
- },
2652
- {
2653
- "epoch": 3.6995967741935485,
2654
- "grad_norm": 1.2716522150792229,
2655
- "learning_rate": 5.0000000010299415e-08,
2656
- "loss": 1.7674,
2657
- "step": 1835
2658
- },
2659
- {
2660
- "epoch": 3.709677419354839,
2661
- "grad_norm": 1.2205432657380169,
2662
- "learning_rate": 5.000000000716364e-08,
2663
- "loss": 1.6942,
2664
- "step": 1840
2665
- },
2666
- {
2667
- "epoch": 3.719758064516129,
2668
- "grad_norm": 1.3306099794060742,
2669
- "learning_rate": 5.000000000492121e-08,
2670
- "loss": 1.6627,
2671
- "step": 1845
2672
- },
2673
- {
2674
- "epoch": 3.7298387096774195,
2675
- "grad_norm": 1.2101658596755476,
2676
- "learning_rate": 5.000000000333616e-08,
2677
- "loss": 1.719,
2678
- "step": 1850
2679
- },
2680
- {
2681
- "epoch": 3.7399193548387095,
2682
- "grad_norm": 1.2500275205533455,
2683
- "learning_rate": 5.000000000222965e-08,
2684
- "loss": 1.7493,
2685
- "step": 1855
2686
- },
2687
- {
2688
- "epoch": 3.75,
2689
- "grad_norm": 1.2312257846231576,
2690
- "learning_rate": 5.0000000001467476e-08,
2691
- "loss": 1.7789,
2692
- "step": 1860
2693
- },
2694
- {
2695
- "epoch": 3.7600806451612905,
2696
- "grad_norm": 1.2152299183587771,
2697
- "learning_rate": 5.000000000095e-08,
2698
- "loss": 1.7211,
2699
- "step": 1865
2700
- },
2701
- {
2702
- "epoch": 3.7701612903225805,
2703
- "grad_norm": 1.1996585863358138,
2704
- "learning_rate": 5.0000000000604084e-08,
2705
- "loss": 1.7994,
2706
- "step": 1870
2707
- },
2708
- {
2709
- "epoch": 3.780241935483871,
2710
- "grad_norm": 1.3230860176481571,
2711
- "learning_rate": 5.0000000000376735e-08,
2712
- "loss": 1.7701,
2713
- "step": 1875
2714
- },
2715
- {
2716
- "epoch": 3.790322580645161,
2717
- "grad_norm": 1.2748379623445445,
2718
- "learning_rate": 5.000000000023003e-08,
2719
- "loss": 1.7793,
2720
- "step": 1880
2721
- },
2722
- {
2723
- "epoch": 3.8004032258064515,
2724
- "grad_norm": 1.2509667612393764,
2725
- "learning_rate": 5.000000000013723e-08,
2726
- "loss": 1.7706,
2727
- "step": 1885
2728
- },
2729
- {
2730
- "epoch": 3.810483870967742,
2731
- "grad_norm": 1.2694885460408405,
2732
- "learning_rate": 5.000000000007981e-08,
2733
- "loss": 1.7397,
2734
- "step": 1890
2735
- },
2736
- {
2737
- "epoch": 3.820564516129032,
2738
- "grad_norm": 1.3091515145607215,
2739
- "learning_rate": 5.000000000004513e-08,
2740
- "loss": 1.7211,
2741
- "step": 1895
2742
- },
2743
- {
2744
- "epoch": 3.8306451612903225,
2745
- "grad_norm": 1.247922300219581,
2746
- "learning_rate": 5.0000000000024734e-08,
2747
- "loss": 1.774,
2748
- "step": 1900
2749
- },
2750
- {
2751
- "epoch": 3.840725806451613,
2752
- "grad_norm": 1.2523345160639314,
2753
- "learning_rate": 5.0000000000013094e-08,
2754
- "loss": 1.6928,
2755
- "step": 1905
2756
- },
2757
- {
2758
- "epoch": 3.850806451612903,
2759
- "grad_norm": 1.1986290945949785,
2760
- "learning_rate": 5.000000000000667e-08,
2761
- "loss": 1.7161,
2762
- "step": 1910
2763
- },
2764
- {
2765
- "epoch": 3.8608870967741935,
2766
- "grad_norm": 1.2245878014293898,
2767
- "learning_rate": 5.000000000000325e-08,
2768
- "loss": 1.686,
2769
- "step": 1915
2770
- },
2771
- {
2772
- "epoch": 3.870967741935484,
2773
- "grad_norm": 1.2249127134236595,
2774
- "learning_rate": 5.00000000000015e-08,
2775
- "loss": 1.7206,
2776
- "step": 1920
2777
- },
2778
- {
2779
- "epoch": 3.881048387096774,
2780
- "grad_norm": 1.3558345618343015,
2781
- "learning_rate": 5.000000000000065e-08,
2782
- "loss": 1.68,
2783
- "step": 1925
2784
- },
2785
- {
2786
- "epoch": 3.8911290322580645,
2787
- "grad_norm": 1.3236906608919645,
2788
- "learning_rate": 5.000000000000027e-08,
2789
- "loss": 1.6661,
2790
- "step": 1930
2791
- },
2792
- {
2793
- "epoch": 3.901209677419355,
2794
- "grad_norm": 1.183426329240457,
2795
- "learning_rate": 5.00000000000001e-08,
2796
- "loss": 1.727,
2797
- "step": 1935
2798
- },
2799
- {
2800
- "epoch": 3.911290322580645,
2801
- "grad_norm": 1.2348171369390457,
2802
- "learning_rate": 5.000000000000003e-08,
2803
- "loss": 1.6334,
2804
- "step": 1940
2805
- },
2806
- {
2807
- "epoch": 3.9213709677419355,
2808
- "grad_norm": 1.2911302775087936,
2809
- "learning_rate": 5.000000000000001e-08,
2810
- "loss": 1.8057,
2811
- "step": 1945
2812
- },
2813
- {
2814
- "epoch": 3.931451612903226,
2815
- "grad_norm": 1.1863076460974697,
2816
- "learning_rate": 5e-08,
2817
- "loss": 1.6921,
2818
- "step": 1950
2819
  },
2820
  {
2821
- "epoch": 3.941532258064516,
2822
- "grad_norm": 1.2618121531154096,
2823
- "learning_rate": 5e-08,
2824
- "loss": 1.6586,
2825
- "step": 1955
2826
  },
2827
  {
2828
- "epoch": 3.9516129032258065,
2829
- "grad_norm": 1.4241738579497785,
2830
- "learning_rate": 5e-08,
2831
- "loss": 1.7724,
2832
- "step": 1960
 
2833
  },
2834
  {
2835
- "epoch": 3.961693548387097,
2836
- "grad_norm": 1.3305658271138237,
2837
- "learning_rate": 5e-08,
2838
- "loss": 1.759,
2839
- "step": 1965
2840
  },
2841
  {
2842
- "epoch": 3.971774193548387,
2843
- "grad_norm": 1.364160190258584,
2844
- "learning_rate": 5e-08,
2845
- "loss": 1.7014,
2846
- "step": 1970
2847
  },
2848
  {
2849
- "epoch": 3.9818548387096775,
2850
- "grad_norm": 1.206231989148295,
2851
- "learning_rate": 5e-08,
2852
- "loss": 1.6474,
2853
- "step": 1975
 
2854
  },
2855
  {
2856
- "epoch": 3.991935483870968,
2857
- "grad_norm": 1.3115654648816009,
2858
- "learning_rate": 5e-08,
2859
- "loss": 1.7559,
2860
- "step": 1980
2861
  },
2862
  {
2863
  "epoch": 4.0,
2864
- "step": 1984,
2865
- "total_flos": 414362338590720.0,
2866
- "train_loss": 1.7886004945443523,
2867
- "train_runtime": 13163.6015,
2868
- "train_samples_per_second": 4.815,
2869
- "train_steps_per_second": 0.151
2870
  }
2871
  ],
2872
- "logging_steps": 5,
2873
- "max_steps": 1984,
2874
  "num_input_tokens_seen": 0,
2875
  "num_train_epochs": 4,
2876
- "save_steps": 200,
2877
- "total_flos": 414362338590720.0,
2878
- "train_batch_size": 4,
2879
  "trial_name": null,
2880
  "trial_params": null
2881
  }
 
1
  {
2
+ "best_metric": 1.9378653764724731,
3
+ "best_model_checkpoint": "./output/training_results/C020_Meta-Llama-3-8B_pretrain_20240726_033210/checkpoint-32778",
4
  "epoch": 4.0,
5
+ "eval_steps": 3642,
6
+ "global_step": 36412,
7
  "is_hyper_param_search": false,
8
  "is_local_process_zero": true,
9
  "is_world_process_zero": true,
10
  "log_history": [
11
  {
12
+ "epoch": 0.00010985389432055367,
13
+ "grad_norm": 0.0,
14
+ "learning_rate": 0.0,
15
+ "loss": 2.0915,
16
  "step": 1
17
  },
18
  {
19
+ "epoch": 0.20004394155772823,
20
+ "grad_norm": 1.880800447163735,
21
+ "learning_rate": 1.9904796777737092e-06,
22
+ "loss": 2.0663,
23
+ "step": 1821
24
  },
25
  {
26
+ "epoch": 0.40008788311545646,
27
+ "grad_norm": 1.91582729652135,
28
+ "learning_rate": 2.239936089625888e-06,
29
+ "loss": 2.007,
30
+ "step": 3642
31
  },
32
  {
33
+ "epoch": 0.40008788311545646,
34
+ "eval_loss": 1.9830611944198608,
35
+ "eval_runtime": 322.5516,
36
+ "eval_samples_per_second": 200.684,
37
+ "eval_steps_per_second": 1.569,
38
+ "step": 3642
39
  },
40
  {
41
+ "epoch": 0.6001318246731847,
42
+ "grad_norm": 1.8799884350488187,
43
+ "learning_rate": 1.2178786981582618e-06,
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
44
  "loss": 1.9789,
45
+ "step": 5463
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
46
  },
47
  {
48
+ "epoch": 0.8001757662309129,
49
+ "grad_norm": 2.167713398694089,
50
+ "learning_rate": 6.502057578924368e-07,
51
+ "loss": 1.9635,
52
+ "step": 7284
53
  },
54
  {
55
+ "epoch": 0.8001757662309129,
56
+ "eval_loss": 1.9486902952194214,
57
+ "eval_runtime": 315.8318,
58
+ "eval_samples_per_second": 204.954,
59
+ "eval_steps_per_second": 1.602,
60
+ "step": 7284
61
  },
62
  {
63
+ "epoch": 1.000219707788641,
64
+ "grad_norm": 1.9185025050401976,
65
+ "learning_rate": 3.4539250265217177e-07,
66
+ "loss": 1.9518,
67
+ "step": 9105
68
  },
69
  {
70
+ "epoch": 1.2002636493463694,
71
+ "grad_norm": 1.8537277337784435,
72
+ "learning_rate": 1.8838570953925226e-07,
73
+ "loss": 1.8917,
74
+ "step": 10926
75
  },
76
  {
77
+ "epoch": 1.2002636493463694,
78
+ "eval_loss": 1.9423131942749023,
79
+ "eval_runtime": 315.8691,
80
+ "eval_samples_per_second": 204.93,
81
+ "eval_steps_per_second": 1.602,
82
+ "step": 10926
83
  },
84
  {
85
+ "epoch": 1.4003075909040976,
86
+ "grad_norm": 1.8472997131423734,
87
+ "learning_rate": 1.113186862393777e-07,
88
+ "loss": 1.8886,
89
+ "step": 12747
90
  },
91
  {
92
+ "epoch": 1.6003515324618258,
93
+ "grad_norm": 1.895662682121472,
94
+ "learning_rate": 7.547123756350748e-08,
95
+ "loss": 1.8884,
96
+ "step": 14568
97
  },
98
  {
99
+ "epoch": 1.6003515324618258,
100
+ "eval_loss": 1.9401631355285645,
101
+ "eval_runtime": 315.8338,
102
+ "eval_samples_per_second": 204.953,
103
+ "eval_steps_per_second": 1.602,
104
+ "step": 14568
105
  },
106
  {
107
+ "epoch": 1.800395474019554,
108
+ "grad_norm": 1.8596122602328744,
109
+ "learning_rate": 5.97978448731285e-08,
110
+ "loss": 1.891,
111
+ "step": 16389
112
  },
113
  {
114
+ "epoch": 2.000439415577282,
115
+ "grad_norm": 1.752487380981475,
116
+ "learning_rate": 5.343917594361068e-08,
117
+ "loss": 1.8872,
118
+ "step": 18210
119
  },
120
  {
121
+ "epoch": 2.000439415577282,
122
+ "eval_loss": 1.9390411376953125,
123
+ "eval_runtime": 316.1594,
124
+ "eval_samples_per_second": 204.742,
125
+ "eval_steps_per_second": 1.6,
126
+ "step": 18210
127
  },
128
  {
129
+ "epoch": 2.2004833571350106,
130
+ "grad_norm": 1.8941258580557327,
131
+ "learning_rate": 5.108265610728981e-08,
132
+ "loss": 1.8788,
133
+ "step": 20031
134
  },
135
  {
136
+ "epoch": 2.400527298692739,
137
+ "grad_norm": 1.8532314600998243,
138
+ "learning_rate": 5.0297076317689476e-08,
139
+ "loss": 1.8811,
140
+ "step": 21852
141
  },
142
  {
143
+ "epoch": 2.400527298692739,
144
+ "eval_loss": 1.9393320083618164,
145
+ "eval_runtime": 316.5674,
146
+ "eval_samples_per_second": 204.478,
147
+ "eval_steps_per_second": 1.598,
148
+ "step": 21852
149
  },
150
  {
151
+ "epoch": 2.600571240250467,
152
+ "grad_norm": 1.856636820022415,
153
+ "learning_rate": 5.006877574024932e-08,
154
+ "loss": 1.8807,
155
+ "step": 23673
156
  },
157
  {
158
+ "epoch": 2.8006151818081952,
159
+ "grad_norm": 1.8975919928137213,
160
+ "learning_rate": 5.001268969632882e-08,
161
+ "loss": 1.8782,
162
+ "step": 25494
163
  },
164
  {
165
+ "epoch": 2.8006151818081952,
166
+ "eval_loss": 1.938640832901001,
167
+ "eval_runtime": 316.1355,
168
+ "eval_samples_per_second": 204.757,
169
+ "eval_steps_per_second": 1.601,
170
+ "step": 25494
171
  },
172
  {
173
+ "epoch": 3.0006591233659234,
174
+ "grad_norm": 1.8638851197626498,
175
+ "learning_rate": 5.000172130703981e-08,
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
176
  "loss": 1.8764,
177
+ "step": 27315
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
178
  },
179
  {
180
+ "epoch": 3.2007030649236516,
181
+ "grad_norm": 1.9182088121869934,
182
+ "learning_rate": 5.000014937976813e-08,
183
+ "loss": 1.8742,
184
+ "step": 29136
185
  },
186
  {
187
+ "epoch": 3.2007030649236516,
188
+ "eval_loss": 1.9384987354278564,
189
+ "eval_runtime": 316.0484,
190
+ "eval_samples_per_second": 204.814,
191
+ "eval_steps_per_second": 1.601,
192
+ "step": 29136
193
  },
194
  {
195
+ "epoch": 3.40074700648138,
196
+ "grad_norm": 1.9601402086429087,
197
+ "learning_rate": 5.000000644319432e-08,
198
+ "loss": 1.8775,
199
+ "step": 30957
200
  },
201
  {
202
+ "epoch": 3.600790948039108,
203
+ "grad_norm": 1.8139760695838174,
204
+ "learning_rate": 5.000000007721787e-08,
205
+ "loss": 1.8756,
206
+ "step": 32778
207
  },
208
  {
209
+ "epoch": 3.600790948039108,
210
+ "eval_loss": 1.9378653764724731,
211
+ "eval_runtime": 316.2121,
212
+ "eval_samples_per_second": 204.708,
213
+ "eval_steps_per_second": 1.6,
214
+ "step": 32778
215
  },
216
  {
217
+ "epoch": 3.8008348895968362,
218
+ "grad_norm": 1.9502862375669288,
219
+ "learning_rate": 5.000000000004247e-08,
220
+ "loss": 1.871,
221
+ "step": 34599
222
  },
223
  {
224
  "epoch": 4.0,
225
+ "step": 36412,
226
+ "total_flos": 3807150279229440.0,
227
+ "train_loss": 1.9091134535458327,
228
+ "train_runtime": 51834.1311,
229
+ "train_samples_per_second": 44.957,
230
+ "train_steps_per_second": 0.702
231
  }
232
  ],
233
+ "logging_steps": 1821,
234
+ "max_steps": 36412,
235
  "num_input_tokens_seen": 0,
236
  "num_train_epochs": 4,
237
+ "save_steps": 3642,
238
+ "total_flos": 3807150279229440.0,
239
+ "train_batch_size": 8,
240
  "trial_name": null,
241
  "trial_params": null
242
  }