| { |
| "best_metric": 0.663003663003663, |
| "best_model_checkpoint": "/home/grahama/workspace/experiments/complexity/model/checkpoint-1800", |
| "epoch": 3.0, |
| "eval_steps": 500, |
| "global_step": 1800, |
| "is_hyper_param_search": false, |
| "is_local_process_zero": true, |
| "is_world_process_zero": true, |
| "log_history": [ |
| { |
| "epoch": 0.016666666666666666, |
| "grad_norm": 2.3482773303985596, |
| "learning_rate": 2.3809523809523811e-07, |
| "loss": 0.7019, |
| "step": 10 |
| }, |
| { |
| "epoch": 0.03333333333333333, |
| "grad_norm": 1.3639864921569824, |
| "learning_rate": 4.7619047619047623e-07, |
| "loss": 0.7018, |
| "step": 20 |
| }, |
| { |
| "epoch": 0.05, |
| "grad_norm": 2.9051921367645264, |
| "learning_rate": 7.142857142857143e-07, |
| "loss": 0.7151, |
| "step": 30 |
| }, |
| { |
| "epoch": 0.06666666666666667, |
| "grad_norm": 1.0235440731048584, |
| "learning_rate": 9.523809523809525e-07, |
| "loss": 0.7034, |
| "step": 40 |
| }, |
| { |
| "epoch": 0.08333333333333333, |
| "grad_norm": 2.771768808364868, |
| "learning_rate": 1.1904761904761906e-06, |
| "loss": 0.7006, |
| "step": 50 |
| }, |
| { |
| "epoch": 0.1, |
| "grad_norm": 1.2305303812026978, |
| "learning_rate": 1.4285714285714286e-06, |
| "loss": 0.6995, |
| "step": 60 |
| }, |
| { |
| "epoch": 0.11666666666666667, |
| "grad_norm": 2.2383503913879395, |
| "learning_rate": 1.6666666666666667e-06, |
| "loss": 0.6994, |
| "step": 70 |
| }, |
| { |
| "epoch": 0.13333333333333333, |
| "grad_norm": 1.0624160766601562, |
| "learning_rate": 1.904761904761905e-06, |
| "loss": 0.6998, |
| "step": 80 |
| }, |
| { |
| "epoch": 0.15, |
| "grad_norm": 1.2018228769302368, |
| "learning_rate": 2.1428571428571427e-06, |
| "loss": 0.6974, |
| "step": 90 |
| }, |
| { |
| "epoch": 0.16666666666666666, |
| "grad_norm": 1.0849791765213013, |
| "learning_rate": 2.380952380952381e-06, |
| "loss": 0.6875, |
| "step": 100 |
| }, |
| { |
| "epoch": 0.18333333333333332, |
| "grad_norm": 1.291517972946167, |
| "learning_rate": 2.6190476190476192e-06, |
| "loss": 0.6865, |
| "step": 110 |
| }, |
| { |
| "epoch": 0.2, |
| "grad_norm": 1.056863784790039, |
| "learning_rate": 2.8571428571428573e-06, |
| "loss": 0.6829, |
| "step": 120 |
| }, |
| { |
| "epoch": 0.21666666666666667, |
| "grad_norm": 2.968041181564331, |
| "learning_rate": 3.0952380952380957e-06, |
| "loss": 0.6696, |
| "step": 130 |
| }, |
| { |
| "epoch": 0.23333333333333334, |
| "grad_norm": 1.055704116821289, |
| "learning_rate": 3.3333333333333333e-06, |
| "loss": 0.6783, |
| "step": 140 |
| }, |
| { |
| "epoch": 0.25, |
| "grad_norm": 1.6586881875991821, |
| "learning_rate": 3.5714285714285718e-06, |
| "loss": 0.6702, |
| "step": 150 |
| }, |
| { |
| "epoch": 0.26666666666666666, |
| "grad_norm": 2.3964574337005615, |
| "learning_rate": 3.80952380952381e-06, |
| "loss": 0.709, |
| "step": 160 |
| }, |
| { |
| "epoch": 0.2833333333333333, |
| "grad_norm": 1.0744259357452393, |
| "learning_rate": 4.047619047619048e-06, |
| "loss": 0.7022, |
| "step": 170 |
| }, |
| { |
| "epoch": 0.3, |
| "grad_norm": 1.071405053138733, |
| "learning_rate": 4.2857142857142855e-06, |
| "loss": 0.6747, |
| "step": 180 |
| }, |
| { |
| "epoch": 0.31666666666666665, |
| "grad_norm": 2.1431033611297607, |
| "learning_rate": 4.523809523809524e-06, |
| "loss": 0.6623, |
| "step": 190 |
| }, |
| { |
| "epoch": 0.3333333333333333, |
| "grad_norm": 1.301439881324768, |
| "learning_rate": 4.761904761904762e-06, |
| "loss": 0.667, |
| "step": 200 |
| }, |
| { |
| "epoch": 0.35, |
| "grad_norm": 1.5243868827819824, |
| "learning_rate": 5e-06, |
| "loss": 0.6584, |
| "step": 210 |
| }, |
| { |
| "epoch": 0.36666666666666664, |
| "grad_norm": 1.2769250869750977, |
| "learning_rate": 5.2380952380952384e-06, |
| "loss": 0.6898, |
| "step": 220 |
| }, |
| { |
| "epoch": 0.38333333333333336, |
| "grad_norm": 1.274899959564209, |
| "learning_rate": 5.476190476190477e-06, |
| "loss": 0.6995, |
| "step": 230 |
| }, |
| { |
| "epoch": 0.4, |
| "grad_norm": 1.658318281173706, |
| "learning_rate": 5.7142857142857145e-06, |
| "loss": 0.6705, |
| "step": 240 |
| }, |
| { |
| "epoch": 0.4166666666666667, |
| "grad_norm": 2.4139277935028076, |
| "learning_rate": 5.9523809523809525e-06, |
| "loss": 0.6849, |
| "step": 250 |
| }, |
| { |
| "epoch": 0.43333333333333335, |
| "grad_norm": 1.5813899040222168, |
| "learning_rate": 6.1904761904761914e-06, |
| "loss": 0.6663, |
| "step": 260 |
| }, |
| { |
| "epoch": 0.45, |
| "grad_norm": 1.4048871994018555, |
| "learning_rate": 6.4285714285714295e-06, |
| "loss": 0.6542, |
| "step": 270 |
| }, |
| { |
| "epoch": 0.4666666666666667, |
| "grad_norm": 1.7416518926620483, |
| "learning_rate": 6.666666666666667e-06, |
| "loss": 0.6793, |
| "step": 280 |
| }, |
| { |
| "epoch": 0.48333333333333334, |
| "grad_norm": 1.7340086698532104, |
| "learning_rate": 6.9047619047619055e-06, |
| "loss": 0.6681, |
| "step": 290 |
| }, |
| { |
| "epoch": 0.5, |
| "grad_norm": 1.4946725368499756, |
| "learning_rate": 7.1428571428571436e-06, |
| "loss": 0.6758, |
| "step": 300 |
| }, |
| { |
| "epoch": 0.5166666666666667, |
| "grad_norm": 1.9904041290283203, |
| "learning_rate": 7.380952380952382e-06, |
| "loss": 0.6432, |
| "step": 310 |
| }, |
| { |
| "epoch": 0.5333333333333333, |
| "grad_norm": 2.4469521045684814, |
| "learning_rate": 7.61904761904762e-06, |
| "loss": 0.6688, |
| "step": 320 |
| }, |
| { |
| "epoch": 0.55, |
| "grad_norm": 2.104259967803955, |
| "learning_rate": 7.857142857142858e-06, |
| "loss": 0.6312, |
| "step": 330 |
| }, |
| { |
| "epoch": 0.5666666666666667, |
| "grad_norm": 2.125582218170166, |
| "learning_rate": 8.095238095238097e-06, |
| "loss": 0.6712, |
| "step": 340 |
| }, |
| { |
| "epoch": 0.5833333333333334, |
| "grad_norm": 1.9155024290084839, |
| "learning_rate": 8.333333333333334e-06, |
| "loss": 0.6766, |
| "step": 350 |
| }, |
| { |
| "epoch": 0.6, |
| "grad_norm": 3.6578118801116943, |
| "learning_rate": 8.571428571428571e-06, |
| "loss": 0.6561, |
| "step": 360 |
| }, |
| { |
| "epoch": 0.6166666666666667, |
| "grad_norm": 2.083104133605957, |
| "learning_rate": 8.80952380952381e-06, |
| "loss": 0.6374, |
| "step": 370 |
| }, |
| { |
| "epoch": 0.6333333333333333, |
| "grad_norm": 4.414960861206055, |
| "learning_rate": 9.047619047619049e-06, |
| "loss": 0.6512, |
| "step": 380 |
| }, |
| { |
| "epoch": 0.65, |
| "grad_norm": 2.075925588607788, |
| "learning_rate": 9.285714285714288e-06, |
| "loss": 0.6316, |
| "step": 390 |
| }, |
| { |
| "epoch": 0.6666666666666666, |
| "grad_norm": 3.132584571838379, |
| "learning_rate": 9.523809523809525e-06, |
| "loss": 0.6424, |
| "step": 400 |
| }, |
| { |
| "epoch": 0.6833333333333333, |
| "grad_norm": 2.2723052501678467, |
| "learning_rate": 9.761904761904762e-06, |
| "loss": 0.6395, |
| "step": 410 |
| }, |
| { |
| "epoch": 0.7, |
| "grad_norm": 4.37326192855835, |
| "learning_rate": 1e-05, |
| "loss": 0.6519, |
| "step": 420 |
| }, |
| { |
| "epoch": 0.7166666666666667, |
| "grad_norm": 3.2006280422210693, |
| "learning_rate": 1.0238095238095238e-05, |
| "loss": 0.6429, |
| "step": 430 |
| }, |
| { |
| "epoch": 0.7333333333333333, |
| "grad_norm": 3.0944504737854004, |
| "learning_rate": 1.0476190476190477e-05, |
| "loss": 0.6756, |
| "step": 440 |
| }, |
| { |
| "epoch": 0.75, |
| "grad_norm": 5.158036708831787, |
| "learning_rate": 1.0714285714285714e-05, |
| "loss": 0.6863, |
| "step": 450 |
| }, |
| { |
| "epoch": 0.7666666666666667, |
| "grad_norm": 3.744805335998535, |
| "learning_rate": 1.0952380952380955e-05, |
| "loss": 0.6826, |
| "step": 460 |
| }, |
| { |
| "epoch": 0.7833333333333333, |
| "grad_norm": 2.350935220718384, |
| "learning_rate": 1.1190476190476192e-05, |
| "loss": 0.6465, |
| "step": 470 |
| }, |
| { |
| "epoch": 0.8, |
| "grad_norm": 2.391106367111206, |
| "learning_rate": 1.1428571428571429e-05, |
| "loss": 0.6494, |
| "step": 480 |
| }, |
| { |
| "epoch": 0.8166666666666667, |
| "grad_norm": 2.6871049404144287, |
| "learning_rate": 1.1666666666666668e-05, |
| "loss": 0.614, |
| "step": 490 |
| }, |
| { |
| "epoch": 0.8333333333333334, |
| "grad_norm": 2.496380567550659, |
| "learning_rate": 1.1904761904761905e-05, |
| "loss": 0.639, |
| "step": 500 |
| }, |
| { |
| "epoch": 0.85, |
| "grad_norm": 3.1409785747528076, |
| "learning_rate": 1.2142857142857142e-05, |
| "loss": 0.6906, |
| "step": 510 |
| }, |
| { |
| "epoch": 0.8666666666666667, |
| "grad_norm": 2.4331531524658203, |
| "learning_rate": 1.2380952380952383e-05, |
| "loss": 0.5914, |
| "step": 520 |
| }, |
| { |
| "epoch": 0.8833333333333333, |
| "grad_norm": 2.956902265548706, |
| "learning_rate": 1.261904761904762e-05, |
| "loss": 0.7081, |
| "step": 530 |
| }, |
| { |
| "epoch": 0.9, |
| "grad_norm": 2.1885573863983154, |
| "learning_rate": 1.2857142857142859e-05, |
| "loss": 0.6466, |
| "step": 540 |
| }, |
| { |
| "epoch": 0.9166666666666666, |
| "grad_norm": 2.6431517601013184, |
| "learning_rate": 1.3095238095238096e-05, |
| "loss": 0.6631, |
| "step": 550 |
| }, |
| { |
| "epoch": 0.9333333333333333, |
| "grad_norm": 2.1615426540374756, |
| "learning_rate": 1.3333333333333333e-05, |
| "loss": 0.6735, |
| "step": 560 |
| }, |
| { |
| "epoch": 0.95, |
| "grad_norm": 2.0207862854003906, |
| "learning_rate": 1.3571428571428574e-05, |
| "loss": 0.6325, |
| "step": 570 |
| }, |
| { |
| "epoch": 0.9666666666666667, |
| "grad_norm": 2.8899736404418945, |
| "learning_rate": 1.3809523809523811e-05, |
| "loss": 0.6519, |
| "step": 580 |
| }, |
| { |
| "epoch": 0.9833333333333333, |
| "grad_norm": 2.453443765640259, |
| "learning_rate": 1.4047619047619048e-05, |
| "loss": 0.6532, |
| "step": 590 |
| }, |
| { |
| "epoch": 1.0, |
| "grad_norm": 3.556234121322632, |
| "learning_rate": 1.4285714285714287e-05, |
| "loss": 0.5941, |
| "step": 600 |
| }, |
| { |
| "epoch": 1.0, |
| "eval_accuracy": 0.6461538461538462, |
| "eval_loss": 0.6432204246520996, |
| "eval_runtime": 4.8353, |
| "eval_samples_per_second": 282.297, |
| "eval_steps_per_second": 17.786, |
| "step": 600 |
| }, |
| { |
| "epoch": 1.0166666666666666, |
| "grad_norm": 2.244147539138794, |
| "learning_rate": 1.4523809523809524e-05, |
| "loss": 0.6154, |
| "step": 610 |
| }, |
| { |
| "epoch": 1.0333333333333334, |
| "grad_norm": 2.3262217044830322, |
| "learning_rate": 1.4761904761904763e-05, |
| "loss": 0.5981, |
| "step": 620 |
| }, |
| { |
| "epoch": 1.05, |
| "grad_norm": 2.543795347213745, |
| "learning_rate": 1.5000000000000002e-05, |
| "loss": 0.6061, |
| "step": 630 |
| }, |
| { |
| "epoch": 1.0666666666666667, |
| "grad_norm": 3.5577542781829834, |
| "learning_rate": 1.523809523809524e-05, |
| "loss": 0.6432, |
| "step": 640 |
| }, |
| { |
| "epoch": 1.0833333333333333, |
| "grad_norm": 3.3030037879943848, |
| "learning_rate": 1.5476190476190476e-05, |
| "loss": 0.5663, |
| "step": 650 |
| }, |
| { |
| "epoch": 1.1, |
| "grad_norm": 2.2861194610595703, |
| "learning_rate": 1.5714285714285715e-05, |
| "loss": 0.6242, |
| "step": 660 |
| }, |
| { |
| "epoch": 1.1166666666666667, |
| "grad_norm": 3.9813036918640137, |
| "learning_rate": 1.5952380952380954e-05, |
| "loss": 0.6192, |
| "step": 670 |
| }, |
| { |
| "epoch": 1.1333333333333333, |
| "grad_norm": 5.103733062744141, |
| "learning_rate": 1.6190476190476193e-05, |
| "loss": 0.6288, |
| "step": 680 |
| }, |
| { |
| "epoch": 1.15, |
| "grad_norm": 4.313375949859619, |
| "learning_rate": 1.642857142857143e-05, |
| "loss": 0.5938, |
| "step": 690 |
| }, |
| { |
| "epoch": 1.1666666666666667, |
| "grad_norm": 3.633436918258667, |
| "learning_rate": 1.6666666666666667e-05, |
| "loss": 0.6003, |
| "step": 700 |
| }, |
| { |
| "epoch": 1.1833333333333333, |
| "grad_norm": 3.060312509536743, |
| "learning_rate": 1.6904761904761906e-05, |
| "loss": 0.6214, |
| "step": 710 |
| }, |
| { |
| "epoch": 1.2, |
| "grad_norm": 3.6623165607452393, |
| "learning_rate": 1.7142857142857142e-05, |
| "loss": 0.6283, |
| "step": 720 |
| }, |
| { |
| "epoch": 1.2166666666666668, |
| "grad_norm": 2.556682586669922, |
| "learning_rate": 1.7380952380952384e-05, |
| "loss": 0.603, |
| "step": 730 |
| }, |
| { |
| "epoch": 1.2333333333333334, |
| "grad_norm": 3.2409424781799316, |
| "learning_rate": 1.761904761904762e-05, |
| "loss": 0.6463, |
| "step": 740 |
| }, |
| { |
| "epoch": 1.25, |
| "grad_norm": 3.6875534057617188, |
| "learning_rate": 1.785714285714286e-05, |
| "loss": 0.5864, |
| "step": 750 |
| }, |
| { |
| "epoch": 1.2666666666666666, |
| "grad_norm": 2.9428772926330566, |
| "learning_rate": 1.8095238095238097e-05, |
| "loss": 0.6349, |
| "step": 760 |
| }, |
| { |
| "epoch": 1.2833333333333332, |
| "grad_norm": 2.926853656768799, |
| "learning_rate": 1.8333333333333333e-05, |
| "loss": 0.6658, |
| "step": 770 |
| }, |
| { |
| "epoch": 1.3, |
| "grad_norm": 3.1792550086975098, |
| "learning_rate": 1.8571428571428575e-05, |
| "loss": 0.6263, |
| "step": 780 |
| }, |
| { |
| "epoch": 1.3166666666666667, |
| "grad_norm": 2.887868642807007, |
| "learning_rate": 1.880952380952381e-05, |
| "loss": 0.5737, |
| "step": 790 |
| }, |
| { |
| "epoch": 1.3333333333333333, |
| "grad_norm": 3.9215023517608643, |
| "learning_rate": 1.904761904761905e-05, |
| "loss": 0.5895, |
| "step": 800 |
| }, |
| { |
| "epoch": 1.35, |
| "grad_norm": 3.228184938430786, |
| "learning_rate": 1.928571428571429e-05, |
| "loss": 0.675, |
| "step": 810 |
| }, |
| { |
| "epoch": 1.3666666666666667, |
| "grad_norm": 2.5528361797332764, |
| "learning_rate": 1.9523809523809524e-05, |
| "loss": 0.612, |
| "step": 820 |
| }, |
| { |
| "epoch": 1.3833333333333333, |
| "grad_norm": 3.355010509490967, |
| "learning_rate": 1.9761904761904763e-05, |
| "loss": 0.6137, |
| "step": 830 |
| }, |
| { |
| "epoch": 1.4, |
| "grad_norm": 5.365524768829346, |
| "learning_rate": 2e-05, |
| "loss": 0.6278, |
| "step": 840 |
| }, |
| { |
| "epoch": 1.4166666666666667, |
| "grad_norm": 2.9840915203094482, |
| "learning_rate": 1.999991365731819e-05, |
| "loss": 0.6106, |
| "step": 850 |
| }, |
| { |
| "epoch": 1.4333333333333333, |
| "grad_norm": 3.0227549076080322, |
| "learning_rate": 1.999965463076377e-05, |
| "loss": 0.6136, |
| "step": 860 |
| }, |
| { |
| "epoch": 1.45, |
| "grad_norm": 4.935601711273193, |
| "learning_rate": 1.999922292480975e-05, |
| "loss": 0.6194, |
| "step": 870 |
| }, |
| { |
| "epoch": 1.4666666666666668, |
| "grad_norm": 2.947390556335449, |
| "learning_rate": 1.999861854691106e-05, |
| "loss": 0.6737, |
| "step": 880 |
| }, |
| { |
| "epoch": 1.4833333333333334, |
| "grad_norm": 3.2077040672302246, |
| "learning_rate": 1.999784150750442e-05, |
| "loss": 0.5906, |
| "step": 890 |
| }, |
| { |
| "epoch": 1.5, |
| "grad_norm": 2.1263020038604736, |
| "learning_rate": 1.9996891820008165e-05, |
| "loss": 0.6731, |
| "step": 900 |
| }, |
| { |
| "epoch": 1.5166666666666666, |
| "grad_norm": 3.1736927032470703, |
| "learning_rate": 1.9995769500822007e-05, |
| "loss": 0.5658, |
| "step": 910 |
| }, |
| { |
| "epoch": 1.5333333333333332, |
| "grad_norm": 3.766897201538086, |
| "learning_rate": 1.999447456932676e-05, |
| "loss": 0.6082, |
| "step": 920 |
| }, |
| { |
| "epoch": 1.55, |
| "grad_norm": 7.309018135070801, |
| "learning_rate": 1.9993007047883988e-05, |
| "loss": 0.5453, |
| "step": 930 |
| }, |
| { |
| "epoch": 1.5666666666666667, |
| "grad_norm": 6.418699264526367, |
| "learning_rate": 1.9991366961835643e-05, |
| "loss": 0.6428, |
| "step": 940 |
| }, |
| { |
| "epoch": 1.5833333333333335, |
| "grad_norm": 2.967588424682617, |
| "learning_rate": 1.9989554339503612e-05, |
| "loss": 0.6075, |
| "step": 950 |
| }, |
| { |
| "epoch": 1.6, |
| "grad_norm": 3.2338814735412598, |
| "learning_rate": 1.9987569212189224e-05, |
| "loss": 0.6513, |
| "step": 960 |
| }, |
| { |
| "epoch": 1.6166666666666667, |
| "grad_norm": 2.6137988567352295, |
| "learning_rate": 1.9985411614172728e-05, |
| "loss": 0.6457, |
| "step": 970 |
| }, |
| { |
| "epoch": 1.6333333333333333, |
| "grad_norm": 2.2644853591918945, |
| "learning_rate": 1.9983081582712684e-05, |
| "loss": 0.6146, |
| "step": 980 |
| }, |
| { |
| "epoch": 1.65, |
| "grad_norm": 3.580810785293579, |
| "learning_rate": 1.9980579158045322e-05, |
| "loss": 0.6434, |
| "step": 990 |
| }, |
| { |
| "epoch": 1.6666666666666665, |
| "grad_norm": 3.8415021896362305, |
| "learning_rate": 1.997790438338385e-05, |
| "loss": 0.6149, |
| "step": 1000 |
| }, |
| { |
| "epoch": 1.6833333333333333, |
| "grad_norm": 3.2889180183410645, |
| "learning_rate": 1.997505730491772e-05, |
| "loss": 0.6029, |
| "step": 1010 |
| }, |
| { |
| "epoch": 1.7, |
| "grad_norm": 3.0964486598968506, |
| "learning_rate": 1.9972037971811802e-05, |
| "loss": 0.6128, |
| "step": 1020 |
| }, |
| { |
| "epoch": 1.7166666666666668, |
| "grad_norm": 3.3787407875061035, |
| "learning_rate": 1.9968846436205566e-05, |
| "loss": 0.6478, |
| "step": 1030 |
| }, |
| { |
| "epoch": 1.7333333333333334, |
| "grad_norm": 3.098156452178955, |
| "learning_rate": 1.9965482753212154e-05, |
| "loss": 0.617, |
| "step": 1040 |
| }, |
| { |
| "epoch": 1.75, |
| "grad_norm": 3.4448206424713135, |
| "learning_rate": 1.9961946980917457e-05, |
| "loss": 0.6047, |
| "step": 1050 |
| }, |
| { |
| "epoch": 1.7666666666666666, |
| "grad_norm": 2.8418798446655273, |
| "learning_rate": 1.995823918037908e-05, |
| "loss": 0.6228, |
| "step": 1060 |
| }, |
| { |
| "epoch": 1.7833333333333332, |
| "grad_norm": 2.9955010414123535, |
| "learning_rate": 1.9954359415625313e-05, |
| "loss": 0.6033, |
| "step": 1070 |
| }, |
| { |
| "epoch": 1.8, |
| "grad_norm": 3.4788753986358643, |
| "learning_rate": 1.9950307753654016e-05, |
| "loss": 0.5801, |
| "step": 1080 |
| }, |
| { |
| "epoch": 1.8166666666666667, |
| "grad_norm": 2.713418483734131, |
| "learning_rate": 1.994608426443146e-05, |
| "loss": 0.5789, |
| "step": 1090 |
| }, |
| { |
| "epoch": 1.8333333333333335, |
| "grad_norm": 3.982531785964966, |
| "learning_rate": 1.994168902089112e-05, |
| "loss": 0.6497, |
| "step": 1100 |
| }, |
| { |
| "epoch": 1.85, |
| "grad_norm": 2.0478599071502686, |
| "learning_rate": 1.9937122098932428e-05, |
| "loss": 0.6031, |
| "step": 1110 |
| }, |
| { |
| "epoch": 1.8666666666666667, |
| "grad_norm": 5.567689418792725, |
| "learning_rate": 1.9932383577419432e-05, |
| "loss": 0.6487, |
| "step": 1120 |
| }, |
| { |
| "epoch": 1.8833333333333333, |
| "grad_norm": 2.5129470825195312, |
| "learning_rate": 1.9927473538179467e-05, |
| "loss": 0.5877, |
| "step": 1130 |
| }, |
| { |
| "epoch": 1.9, |
| "grad_norm": 2.4075396060943604, |
| "learning_rate": 1.9922392066001724e-05, |
| "loss": 0.6478, |
| "step": 1140 |
| }, |
| { |
| "epoch": 1.9166666666666665, |
| "grad_norm": 3.643559217453003, |
| "learning_rate": 1.9917139248635788e-05, |
| "loss": 0.625, |
| "step": 1150 |
| }, |
| { |
| "epoch": 1.9333333333333333, |
| "grad_norm": 3.3517959117889404, |
| "learning_rate": 1.991171517679013e-05, |
| "loss": 0.6502, |
| "step": 1160 |
| }, |
| { |
| "epoch": 1.95, |
| "grad_norm": 2.3340976238250732, |
| "learning_rate": 1.9906119944130527e-05, |
| "loss": 0.6354, |
| "step": 1170 |
| }, |
| { |
| "epoch": 1.9666666666666668, |
| "grad_norm": 2.662628173828125, |
| "learning_rate": 1.9900353647278466e-05, |
| "loss": 0.6282, |
| "step": 1180 |
| }, |
| { |
| "epoch": 1.9833333333333334, |
| "grad_norm": 3.3780112266540527, |
| "learning_rate": 1.9894416385809444e-05, |
| "loss": 0.6428, |
| "step": 1190 |
| }, |
| { |
| "epoch": 2.0, |
| "grad_norm": 1.9971626996994019, |
| "learning_rate": 1.9888308262251286e-05, |
| "loss": 0.6028, |
| "step": 1200 |
| }, |
| { |
| "epoch": 2.0, |
| "eval_accuracy": 0.6571428571428571, |
| "eval_loss": 0.6266757845878601, |
| "eval_runtime": 1.9428, |
| "eval_samples_per_second": 702.601, |
| "eval_steps_per_second": 44.266, |
| "step": 1200 |
| }, |
| { |
| "epoch": 2.0166666666666666, |
| "grad_norm": 2.3505845069885254, |
| "learning_rate": 1.9882029382082342e-05, |
| "loss": 0.5231, |
| "step": 1210 |
| }, |
| { |
| "epoch": 2.033333333333333, |
| "grad_norm": 3.543018102645874, |
| "learning_rate": 1.9875579853729677e-05, |
| "loss": 0.6002, |
| "step": 1220 |
| }, |
| { |
| "epoch": 2.05, |
| "grad_norm": 2.687847852706909, |
| "learning_rate": 1.9868959788567213e-05, |
| "loss": 0.5469, |
| "step": 1230 |
| }, |
| { |
| "epoch": 2.066666666666667, |
| "grad_norm": 4.663837909698486, |
| "learning_rate": 1.9862169300913784e-05, |
| "loss": 0.5582, |
| "step": 1240 |
| }, |
| { |
| "epoch": 2.0833333333333335, |
| "grad_norm": 4.063023090362549, |
| "learning_rate": 1.9855208508031173e-05, |
| "loss": 0.549, |
| "step": 1250 |
| }, |
| { |
| "epoch": 2.1, |
| "grad_norm": 5.092895984649658, |
| "learning_rate": 1.9848077530122083e-05, |
| "loss": 0.607, |
| "step": 1260 |
| }, |
| { |
| "epoch": 2.1166666666666667, |
| "grad_norm": 3.7984111309051514, |
| "learning_rate": 1.9840776490328067e-05, |
| "loss": 0.592, |
| "step": 1270 |
| }, |
| { |
| "epoch": 2.1333333333333333, |
| "grad_norm": 3.775224447250366, |
| "learning_rate": 1.9833305514727396e-05, |
| "loss": 0.5196, |
| "step": 1280 |
| }, |
| { |
| "epoch": 2.15, |
| "grad_norm": 5.623272895812988, |
| "learning_rate": 1.9825664732332886e-05, |
| "loss": 0.5283, |
| "step": 1290 |
| }, |
| { |
| "epoch": 2.1666666666666665, |
| "grad_norm": 4.856538772583008, |
| "learning_rate": 1.981785427508966e-05, |
| "loss": 0.518, |
| "step": 1300 |
| }, |
| { |
| "epoch": 2.183333333333333, |
| "grad_norm": 5.726941108703613, |
| "learning_rate": 1.9809874277872886e-05, |
| "loss": 0.5532, |
| "step": 1310 |
| }, |
| { |
| "epoch": 2.2, |
| "grad_norm": 5.120604515075684, |
| "learning_rate": 1.9801724878485438e-05, |
| "loss": 0.5172, |
| "step": 1320 |
| }, |
| { |
| "epoch": 2.216666666666667, |
| "grad_norm": 7.325108051300049, |
| "learning_rate": 1.9793406217655516e-05, |
| "loss": 0.5383, |
| "step": 1330 |
| }, |
| { |
| "epoch": 2.2333333333333334, |
| "grad_norm": 5.705660820007324, |
| "learning_rate": 1.9784918439034216e-05, |
| "loss": 0.4953, |
| "step": 1340 |
| }, |
| { |
| "epoch": 2.25, |
| "grad_norm": 6.060757637023926, |
| "learning_rate": 1.977626168919305e-05, |
| "loss": 0.5214, |
| "step": 1350 |
| }, |
| { |
| "epoch": 2.2666666666666666, |
| "grad_norm": 3.8743319511413574, |
| "learning_rate": 1.9767436117621416e-05, |
| "loss": 0.5362, |
| "step": 1360 |
| }, |
| { |
| "epoch": 2.283333333333333, |
| "grad_norm": 4.374029636383057, |
| "learning_rate": 1.975844187672402e-05, |
| "loss": 0.5604, |
| "step": 1370 |
| }, |
| { |
| "epoch": 2.3, |
| "grad_norm": 6.106194019317627, |
| "learning_rate": 1.9749279121818235e-05, |
| "loss": 0.5306, |
| "step": 1380 |
| }, |
| { |
| "epoch": 2.3166666666666664, |
| "grad_norm": 5.56414270401001, |
| "learning_rate": 1.9739948011131438e-05, |
| "loss": 0.5369, |
| "step": 1390 |
| }, |
| { |
| "epoch": 2.3333333333333335, |
| "grad_norm": 3.9365651607513428, |
| "learning_rate": 1.973044870579824e-05, |
| "loss": 0.526, |
| "step": 1400 |
| }, |
| { |
| "epoch": 2.35, |
| "grad_norm": 4.8061394691467285, |
| "learning_rate": 1.9720781369857747e-05, |
| "loss": 0.5264, |
| "step": 1410 |
| }, |
| { |
| "epoch": 2.3666666666666667, |
| "grad_norm": 5.648602485656738, |
| "learning_rate": 1.9710946170250702e-05, |
| "loss": 0.5488, |
| "step": 1420 |
| }, |
| { |
| "epoch": 2.3833333333333333, |
| "grad_norm": 4.482698917388916, |
| "learning_rate": 1.9700943276816602e-05, |
| "loss": 0.5014, |
| "step": 1430 |
| }, |
| { |
| "epoch": 2.4, |
| "grad_norm": 5.18354606628418, |
| "learning_rate": 1.969077286229078e-05, |
| "loss": 0.5383, |
| "step": 1440 |
| }, |
| { |
| "epoch": 2.4166666666666665, |
| "grad_norm": 5.076839923858643, |
| "learning_rate": 1.9680435102301412e-05, |
| "loss": 0.5387, |
| "step": 1450 |
| }, |
| { |
| "epoch": 2.4333333333333336, |
| "grad_norm": 5.83772611618042, |
| "learning_rate": 1.9669930175366474e-05, |
| "loss": 0.4779, |
| "step": 1460 |
| }, |
| { |
| "epoch": 2.45, |
| "grad_norm": 5.16604471206665, |
| "learning_rate": 1.9659258262890683e-05, |
| "loss": 0.5521, |
| "step": 1470 |
| }, |
| { |
| "epoch": 2.466666666666667, |
| "grad_norm": 4.944518089294434, |
| "learning_rate": 1.964841954916235e-05, |
| "loss": 0.4844, |
| "step": 1480 |
| }, |
| { |
| "epoch": 2.4833333333333334, |
| "grad_norm": 6.394619941711426, |
| "learning_rate": 1.9637414221350198e-05, |
| "loss": 0.567, |
| "step": 1490 |
| }, |
| { |
| "epoch": 2.5, |
| "grad_norm": 5.958597183227539, |
| "learning_rate": 1.962624246950012e-05, |
| "loss": 0.4951, |
| "step": 1500 |
| }, |
| { |
| "epoch": 2.5166666666666666, |
| "grad_norm": 4.636740207672119, |
| "learning_rate": 1.9614904486531935e-05, |
| "loss": 0.5123, |
| "step": 1510 |
| }, |
| { |
| "epoch": 2.533333333333333, |
| "grad_norm": 4.756173610687256, |
| "learning_rate": 1.9603400468236e-05, |
| "loss": 0.58, |
| "step": 1520 |
| }, |
| { |
| "epoch": 2.55, |
| "grad_norm": 3.969093084335327, |
| "learning_rate": 1.9591730613269878e-05, |
| "loss": 0.5517, |
| "step": 1530 |
| }, |
| { |
| "epoch": 2.5666666666666664, |
| "grad_norm": 4.5238237380981445, |
| "learning_rate": 1.957989512315489e-05, |
| "loss": 0.5167, |
| "step": 1540 |
| }, |
| { |
| "epoch": 2.5833333333333335, |
| "grad_norm": 5.810571670532227, |
| "learning_rate": 1.9567894202272623e-05, |
| "loss": 0.4826, |
| "step": 1550 |
| }, |
| { |
| "epoch": 2.6, |
| "grad_norm": 4.773239612579346, |
| "learning_rate": 1.955572805786141e-05, |
| "loss": 0.5443, |
| "step": 1560 |
| }, |
| { |
| "epoch": 2.6166666666666667, |
| "grad_norm": 4.351752281188965, |
| "learning_rate": 1.9543396900012763e-05, |
| "loss": 0.526, |
| "step": 1570 |
| }, |
| { |
| "epoch": 2.6333333333333333, |
| "grad_norm": 5.192873954772949, |
| "learning_rate": 1.9530900941667733e-05, |
| "loss": 0.5179, |
| "step": 1580 |
| }, |
| { |
| "epoch": 2.65, |
| "grad_norm": 5.123302936553955, |
| "learning_rate": 1.9518240398613226e-05, |
| "loss": 0.528, |
| "step": 1590 |
| }, |
| { |
| "epoch": 2.6666666666666665, |
| "grad_norm": 4.081309795379639, |
| "learning_rate": 1.9505415489478293e-05, |
| "loss": 0.592, |
| "step": 1600 |
| }, |
| { |
| "epoch": 2.6833333333333336, |
| "grad_norm": 6.409515857696533, |
| "learning_rate": 1.949242643573034e-05, |
| "loss": 0.5388, |
| "step": 1610 |
| }, |
| { |
| "epoch": 2.7, |
| "grad_norm": 5.410388469696045, |
| "learning_rate": 1.947927346167132e-05, |
| "loss": 0.5233, |
| "step": 1620 |
| }, |
| { |
| "epoch": 2.716666666666667, |
| "grad_norm": 3.5235464572906494, |
| "learning_rate": 1.9465956794433837e-05, |
| "loss": 0.5285, |
| "step": 1630 |
| }, |
| { |
| "epoch": 2.7333333333333334, |
| "grad_norm": 5.431538105010986, |
| "learning_rate": 1.945247666397725e-05, |
| "loss": 0.4719, |
| "step": 1640 |
| }, |
| { |
| "epoch": 2.75, |
| "grad_norm": 6.913374900817871, |
| "learning_rate": 1.9438833303083677e-05, |
| "loss": 0.4603, |
| "step": 1650 |
| }, |
| { |
| "epoch": 2.7666666666666666, |
| "grad_norm": 6.34077262878418, |
| "learning_rate": 1.9425026947353994e-05, |
| "loss": 0.5288, |
| "step": 1660 |
| }, |
| { |
| "epoch": 2.783333333333333, |
| "grad_norm": 4.550387382507324, |
| "learning_rate": 1.9411057835203756e-05, |
| "loss": 0.4983, |
| "step": 1670 |
| }, |
| { |
| "epoch": 2.8, |
| "grad_norm": 4.740011692047119, |
| "learning_rate": 1.9396926207859085e-05, |
| "loss": 0.4939, |
| "step": 1680 |
| }, |
| { |
| "epoch": 2.8166666666666664, |
| "grad_norm": 5.84373664855957, |
| "learning_rate": 1.9382632309352503e-05, |
| "loss": 0.5498, |
| "step": 1690 |
| }, |
| { |
| "epoch": 2.8333333333333335, |
| "grad_norm": 4.3570027351379395, |
| "learning_rate": 1.936817638651871e-05, |
| "loss": 0.4716, |
| "step": 1700 |
| }, |
| { |
| "epoch": 2.85, |
| "grad_norm": 5.5916666984558105, |
| "learning_rate": 1.935355868899034e-05, |
| "loss": 0.5037, |
| "step": 1710 |
| }, |
| { |
| "epoch": 2.8666666666666667, |
| "grad_norm": 4.379909038543701, |
| "learning_rate": 1.9338779469193638e-05, |
| "loss": 0.5789, |
| "step": 1720 |
| }, |
| { |
| "epoch": 2.8833333333333333, |
| "grad_norm": 5.084365367889404, |
| "learning_rate": 1.9323838982344092e-05, |
| "loss": 0.5584, |
| "step": 1730 |
| }, |
| { |
| "epoch": 2.9, |
| "grad_norm": 6.741174221038818, |
| "learning_rate": 1.9308737486442045e-05, |
| "loss": 0.5089, |
| "step": 1740 |
| }, |
| { |
| "epoch": 2.9166666666666665, |
| "grad_norm": 6.0026469230651855, |
| "learning_rate": 1.9293475242268224e-05, |
| "loss": 0.4928, |
| "step": 1750 |
| }, |
| { |
| "epoch": 2.9333333333333336, |
| "grad_norm": 6.163332939147949, |
| "learning_rate": 1.9278052513379256e-05, |
| "loss": 0.5397, |
| "step": 1760 |
| }, |
| { |
| "epoch": 2.95, |
| "grad_norm": 5.151211738586426, |
| "learning_rate": 1.926246956610309e-05, |
| "loss": 0.5085, |
| "step": 1770 |
| }, |
| { |
| "epoch": 2.966666666666667, |
| "grad_norm": 5.902535915374756, |
| "learning_rate": 1.9246726669534416e-05, |
| "loss": 0.5619, |
| "step": 1780 |
| }, |
| { |
| "epoch": 2.9833333333333334, |
| "grad_norm": 4.26236629486084, |
| "learning_rate": 1.923082409553002e-05, |
| "loss": 0.4873, |
| "step": 1790 |
| }, |
| { |
| "epoch": 3.0, |
| "grad_norm": 9.270946502685547, |
| "learning_rate": 1.921476211870408e-05, |
| "loss": 0.5346, |
| "step": 1800 |
| }, |
| { |
| "epoch": 3.0, |
| "eval_accuracy": 0.663003663003663, |
| "eval_loss": 0.6800894737243652, |
| "eval_runtime": 2.0234, |
| "eval_samples_per_second": 674.621, |
| "eval_steps_per_second": 42.504, |
| "step": 1800 |
| } |
| ], |
| "logging_steps": 10, |
| "max_steps": 8400, |
| "num_input_tokens_seen": 0, |
| "num_train_epochs": 14, |
| "save_steps": 500, |
| "stateful_callbacks": { |
| "EarlyStoppingCallback": { |
| "args": { |
| "early_stopping_patience": 9, |
| "early_stopping_threshold": 0.0 |
| }, |
| "attributes": { |
| "early_stopping_patience_counter": 0 |
| } |
| }, |
| "TrainerControl": { |
| "args": { |
| "should_epoch_stop": false, |
| "should_evaluate": false, |
| "should_log": false, |
| "should_save": true, |
| "should_training_stop": false |
| }, |
| "attributes": {} |
| } |
| }, |
| "total_flos": 953665919774208.0, |
| "train_batch_size": 16, |
| "trial_name": null, |
| "trial_params": null |
| } |
|
|
