problem88_model_aug_30 / trainer_state.json
aadityap's picture
Model save
738d79f verified
{
"best_metric": null,
"best_model_checkpoint": null,
"epoch": 2.0,
"eval_steps": 500,
"global_step": 90,
"is_hyper_param_search": false,
"is_local_process_zero": true,
"is_world_process_zero": true,
"log_history": [
{
"epoch": 0.022222222222222223,
"grad_norm": 0.15352968871988337,
"learning_rate": 5.555555555555556e-06,
"loss": 0.1828,
"step": 1
},
{
"epoch": 0.044444444444444446,
"grad_norm": 0.1992673485223412,
"learning_rate": 1.1111111111111112e-05,
"loss": 0.1999,
"step": 2
},
{
"epoch": 0.06666666666666667,
"grad_norm": 0.1672953053939959,
"learning_rate": 1.6666666666666667e-05,
"loss": 0.1535,
"step": 3
},
{
"epoch": 0.08888888888888889,
"grad_norm": 0.27881675369340553,
"learning_rate": 2.2222222222222223e-05,
"loss": 0.2579,
"step": 4
},
{
"epoch": 0.1111111111111111,
"grad_norm": 0.19015211653657962,
"learning_rate": 2.777777777777778e-05,
"loss": 0.1451,
"step": 5
},
{
"epoch": 0.13333333333333333,
"grad_norm": 0.17685374617481667,
"learning_rate": 3.3333333333333335e-05,
"loss": 0.1233,
"step": 6
},
{
"epoch": 0.15555555555555556,
"grad_norm": 0.11511643797638078,
"learning_rate": 3.888888888888889e-05,
"loss": 0.0668,
"step": 7
},
{
"epoch": 0.17777777777777778,
"grad_norm": 0.35336946985881396,
"learning_rate": 4.4444444444444447e-05,
"loss": 0.3579,
"step": 8
},
{
"epoch": 0.2,
"grad_norm": 0.36377699724925733,
"learning_rate": 5e-05,
"loss": 0.3149,
"step": 9
},
{
"epoch": 0.2222222222222222,
"grad_norm": 0.13466476239074193,
"learning_rate": 4.998119881260576e-05,
"loss": 0.0576,
"step": 10
},
{
"epoch": 0.24444444444444444,
"grad_norm": 0.1927678314689982,
"learning_rate": 4.99248235291948e-05,
"loss": 0.1805,
"step": 11
},
{
"epoch": 0.26666666666666666,
"grad_norm": 0.12324214014637602,
"learning_rate": 4.983095894354858e-05,
"loss": 0.081,
"step": 12
},
{
"epoch": 0.28888888888888886,
"grad_norm": 0.3239776824825179,
"learning_rate": 4.969974623692023e-05,
"loss": 0.26,
"step": 13
},
{
"epoch": 0.3111111111111111,
"grad_norm": 0.2155401569773017,
"learning_rate": 4.953138276568462e-05,
"loss": 0.1257,
"step": 14
},
{
"epoch": 0.3333333333333333,
"grad_norm": 0.2897815766964899,
"learning_rate": 4.9326121764495596e-05,
"loss": 0.0976,
"step": 15
},
{
"epoch": 0.35555555555555557,
"grad_norm": 0.39829676265862246,
"learning_rate": 4.9084271965397014e-05,
"loss": 0.143,
"step": 16
},
{
"epoch": 0.37777777777777777,
"grad_norm": 0.20210191072903955,
"learning_rate": 4.880619713346039e-05,
"loss": 0.1066,
"step": 17
},
{
"epoch": 0.4,
"grad_norm": 0.40880170866877663,
"learning_rate": 4.849231551964771e-05,
"loss": 0.2189,
"step": 18
},
{
"epoch": 0.4222222222222222,
"grad_norm": 0.4184595635898202,
"learning_rate": 4.814309923172227e-05,
"loss": 0.1845,
"step": 19
},
{
"epoch": 0.4444444444444444,
"grad_norm": 0.2715390485387202,
"learning_rate": 4.775907352415367e-05,
"loss": 0.1263,
"step": 20
},
{
"epoch": 0.4666666666666667,
"grad_norm": 0.19016690002806513,
"learning_rate": 4.734081600808531e-05,
"loss": 0.0394,
"step": 21
},
{
"epoch": 0.4888888888888889,
"grad_norm": 0.3806812284355486,
"learning_rate": 4.6888955782552274e-05,
"loss": 0.2056,
"step": 22
},
{
"epoch": 0.5111111111111111,
"grad_norm": 0.26875087498837735,
"learning_rate": 4.640417248825667e-05,
"loss": 0.1077,
"step": 23
},
{
"epoch": 0.5333333333333333,
"grad_norm": 0.22530421732750502,
"learning_rate": 4.588719528532342e-05,
"loss": 0.1043,
"step": 24
},
{
"epoch": 0.5555555555555556,
"grad_norm": 0.18405476029818285,
"learning_rate": 4.533880175657419e-05,
"loss": 0.0795,
"step": 25
},
{
"epoch": 0.5777777777777777,
"grad_norm": 0.25568790339476477,
"learning_rate": 4.475981673796899e-05,
"loss": 0.1235,
"step": 26
},
{
"epoch": 0.6,
"grad_norm": 0.1977921472382721,
"learning_rate": 4.415111107797445e-05,
"loss": 0.0909,
"step": 27
},
{
"epoch": 0.6222222222222222,
"grad_norm": 0.2605021359404801,
"learning_rate": 4.351360032772512e-05,
"loss": 0.0844,
"step": 28
},
{
"epoch": 0.6444444444444445,
"grad_norm": 0.1363348491849494,
"learning_rate": 4.2848243363947484e-05,
"loss": 0.0419,
"step": 29
},
{
"epoch": 0.6666666666666666,
"grad_norm": 0.25954324302915655,
"learning_rate": 4.215604094671835e-05,
"loss": 0.083,
"step": 30
},
{
"epoch": 0.6888888888888889,
"grad_norm": 0.15241320837389336,
"learning_rate": 4.14380342142266e-05,
"loss": 0.0505,
"step": 31
},
{
"epoch": 0.7111111111111111,
"grad_norm": 0.21196345448497633,
"learning_rate": 4.069530311680247e-05,
"loss": 0.0458,
"step": 32
},
{
"epoch": 0.7333333333333333,
"grad_norm": 0.14671622354492578,
"learning_rate": 3.9928964792569655e-05,
"loss": 0.0515,
"step": 33
},
{
"epoch": 0.7555555555555555,
"grad_norm": 0.24886874701283312,
"learning_rate": 3.914017188716347e-05,
"loss": 0.0779,
"step": 34
},
{
"epoch": 0.7777777777777778,
"grad_norm": 0.2759509508684298,
"learning_rate": 3.8330110820042285e-05,
"loss": 0.064,
"step": 35
},
{
"epoch": 0.8,
"grad_norm": 0.1455636144453065,
"learning_rate": 3.7500000000000003e-05,
"loss": 0.07,
"step": 36
},
{
"epoch": 0.8222222222222222,
"grad_norm": 0.2708881899406701,
"learning_rate": 3.665108799256348e-05,
"loss": 0.1154,
"step": 37
},
{
"epoch": 0.8444444444444444,
"grad_norm": 0.20701892065585925,
"learning_rate": 3.578465164203134e-05,
"loss": 0.064,
"step": 38
},
{
"epoch": 0.8666666666666667,
"grad_norm": 0.07525579966677097,
"learning_rate": 3.490199415097892e-05,
"loss": 0.0174,
"step": 39
},
{
"epoch": 0.8888888888888888,
"grad_norm": 0.47775650060704056,
"learning_rate": 3.400444312011776e-05,
"loss": 0.2248,
"step": 40
},
{
"epoch": 0.9111111111111111,
"grad_norm": 0.1512821048275736,
"learning_rate": 3.309334855145803e-05,
"loss": 0.048,
"step": 41
},
{
"epoch": 0.9333333333333333,
"grad_norm": 0.2668654620386901,
"learning_rate": 3.217008081777726e-05,
"loss": 0.0612,
"step": 42
},
{
"epoch": 0.9555555555555556,
"grad_norm": 0.20792461168152554,
"learning_rate": 3.1236028601449534e-05,
"loss": 0.0744,
"step": 43
},
{
"epoch": 0.9777777777777777,
"grad_norm": 0.1471973464840355,
"learning_rate": 3.0292596805735274e-05,
"loss": 0.0323,
"step": 44
},
{
"epoch": 1.0,
"grad_norm": 0.15571330433687014,
"learning_rate": 2.9341204441673266e-05,
"loss": 0.0395,
"step": 45
},
{
"epoch": 1.0,
"eval_loss": 0.13151995837688446,
"eval_runtime": 0.3971,
"eval_samples_per_second": 2.519,
"eval_steps_per_second": 2.519,
"step": 45
},
{
"epoch": 1.0222222222222221,
"grad_norm": 0.08463452690558734,
"learning_rate": 2.8383282493753283e-05,
"loss": 0.0204,
"step": 46
},
{
"epoch": 1.0444444444444445,
"grad_norm": 0.12410620903011262,
"learning_rate": 2.742027176757948e-05,
"loss": 0.0311,
"step": 47
},
{
"epoch": 1.0666666666666667,
"grad_norm": 0.057661254660238734,
"learning_rate": 2.6453620722761896e-05,
"loss": 0.0117,
"step": 48
},
{
"epoch": 1.0888888888888888,
"grad_norm": 0.11691070820752421,
"learning_rate": 2.548478329429561e-05,
"loss": 0.0384,
"step": 49
},
{
"epoch": 1.1111111111111112,
"grad_norm": 0.19002974743608797,
"learning_rate": 2.4515216705704395e-05,
"loss": 0.0533,
"step": 50
},
{
"epoch": 1.1333333333333333,
"grad_norm": 0.11112574882832801,
"learning_rate": 2.3546379277238107e-05,
"loss": 0.0228,
"step": 51
},
{
"epoch": 1.1555555555555554,
"grad_norm": 0.18194491846874342,
"learning_rate": 2.2579728232420525e-05,
"loss": 0.0583,
"step": 52
},
{
"epoch": 1.1777777777777778,
"grad_norm": 0.1533461648182278,
"learning_rate": 2.161671750624673e-05,
"loss": 0.0465,
"step": 53
},
{
"epoch": 1.2,
"grad_norm": 0.06909879137605512,
"learning_rate": 2.0658795558326743e-05,
"loss": 0.011,
"step": 54
},
{
"epoch": 1.2222222222222223,
"grad_norm": 0.04652100573581006,
"learning_rate": 1.970740319426474e-05,
"loss": 0.0082,
"step": 55
},
{
"epoch": 1.2444444444444445,
"grad_norm": 0.07851036278058815,
"learning_rate": 1.876397139855047e-05,
"loss": 0.0136,
"step": 56
},
{
"epoch": 1.2666666666666666,
"grad_norm": 0.3387532671795071,
"learning_rate": 1.7829919182222752e-05,
"loss": 0.1106,
"step": 57
},
{
"epoch": 1.2888888888888888,
"grad_norm": 0.14394041528242452,
"learning_rate": 1.690665144854198e-05,
"loss": 0.0259,
"step": 58
},
{
"epoch": 1.3111111111111111,
"grad_norm": 0.12193751882013566,
"learning_rate": 1.5995556879882246e-05,
"loss": 0.0357,
"step": 59
},
{
"epoch": 1.3333333333333333,
"grad_norm": 0.10245566375207657,
"learning_rate": 1.509800584902108e-05,
"loss": 0.0294,
"step": 60
},
{
"epoch": 1.3555555555555556,
"grad_norm": 0.1549289530175864,
"learning_rate": 1.4215348357968669e-05,
"loss": 0.0301,
"step": 61
},
{
"epoch": 1.3777777777777778,
"grad_norm": 0.0510702557495791,
"learning_rate": 1.3348912007436537e-05,
"loss": 0.0053,
"step": 62
},
{
"epoch": 1.4,
"grad_norm": 0.09129828566612887,
"learning_rate": 1.2500000000000006e-05,
"loss": 0.0095,
"step": 63
},
{
"epoch": 1.4222222222222223,
"grad_norm": 0.11685635904352058,
"learning_rate": 1.1669889179957725e-05,
"loss": 0.0263,
"step": 64
},
{
"epoch": 1.4444444444444444,
"grad_norm": 0.059282074482053033,
"learning_rate": 1.085982811283654e-05,
"loss": 0.0126,
"step": 65
},
{
"epoch": 1.4666666666666668,
"grad_norm": 0.04492683333176809,
"learning_rate": 1.0071035207430352e-05,
"loss": 0.0063,
"step": 66
},
{
"epoch": 1.488888888888889,
"grad_norm": 0.07991980856274734,
"learning_rate": 9.304696883197542e-06,
"loss": 0.0168,
"step": 67
},
{
"epoch": 1.511111111111111,
"grad_norm": 0.18860273052381646,
"learning_rate": 8.561965785773413e-06,
"loss": 0.0138,
"step": 68
},
{
"epoch": 1.5333333333333332,
"grad_norm": 0.04637738493485198,
"learning_rate": 7.843959053281663e-06,
"loss": 0.0059,
"step": 69
},
{
"epoch": 1.5555555555555556,
"grad_norm": 0.11241673386744654,
"learning_rate": 7.1517566360525284e-06,
"loss": 0.0167,
"step": 70
},
{
"epoch": 1.5777777777777777,
"grad_norm": 0.06513269256685703,
"learning_rate": 6.48639967227489e-06,
"loss": 0.0121,
"step": 71
},
{
"epoch": 1.6,
"grad_norm": 0.1499902093509071,
"learning_rate": 5.848888922025553e-06,
"loss": 0.029,
"step": 72
},
{
"epoch": 1.6222222222222222,
"grad_norm": 0.025048176137643145,
"learning_rate": 5.240183262031021e-06,
"loss": 0.004,
"step": 73
},
{
"epoch": 1.6444444444444444,
"grad_norm": 0.1211626973278271,
"learning_rate": 4.661198243425813e-06,
"loss": 0.0156,
"step": 74
},
{
"epoch": 1.6666666666666665,
"grad_norm": 0.3541302340517843,
"learning_rate": 4.112804714676594e-06,
"loss": 0.0247,
"step": 75
},
{
"epoch": 1.6888888888888889,
"grad_norm": 0.10275595190598034,
"learning_rate": 3.595827511743341e-06,
"loss": 0.0149,
"step": 76
},
{
"epoch": 1.7111111111111112,
"grad_norm": 0.021989766789088025,
"learning_rate": 3.111044217447731e-06,
"loss": 0.0031,
"step": 77
},
{
"epoch": 1.7333333333333334,
"grad_norm": 0.05086015561609853,
"learning_rate": 2.659183991914696e-06,
"loss": 0.0082,
"step": 78
},
{
"epoch": 1.7555555555555555,
"grad_norm": 0.1233758707928277,
"learning_rate": 2.2409264758463363e-06,
"loss": 0.0163,
"step": 79
},
{
"epoch": 1.7777777777777777,
"grad_norm": 0.12858923331151956,
"learning_rate": 1.8569007682777417e-06,
"loss": 0.0231,
"step": 80
},
{
"epoch": 1.8,
"grad_norm": 0.10088342416382587,
"learning_rate": 1.5076844803522922e-06,
"loss": 0.0117,
"step": 81
},
{
"epoch": 1.8222222222222222,
"grad_norm": 0.10722303391126128,
"learning_rate": 1.1938028665396173e-06,
"loss": 0.0247,
"step": 82
},
{
"epoch": 1.8444444444444446,
"grad_norm": 0.1830696778117431,
"learning_rate": 9.157280346029918e-07,
"loss": 0.0264,
"step": 83
},
{
"epoch": 1.8666666666666667,
"grad_norm": 0.1259648620962399,
"learning_rate": 6.738782355044049e-07,
"loss": 0.032,
"step": 84
},
{
"epoch": 1.8888888888888888,
"grad_norm": 0.11980211541006067,
"learning_rate": 4.6861723431538276e-07,
"loss": 0.0322,
"step": 85
},
{
"epoch": 1.911111111111111,
"grad_norm": 0.23359207984719352,
"learning_rate": 3.002537630797747e-07,
"loss": 0.0425,
"step": 86
},
{
"epoch": 1.9333333333333333,
"grad_norm": 0.10948078113683882,
"learning_rate": 1.6904105645142444e-07,
"loss": 0.019,
"step": 87
},
{
"epoch": 1.9555555555555557,
"grad_norm": 0.040764819228826535,
"learning_rate": 7.51764708051994e-08,
"loss": 0.0064,
"step": 88
},
{
"epoch": 1.9777777777777779,
"grad_norm": 0.015632399712207767,
"learning_rate": 1.8801187394248965e-08,
"loss": 0.0021,
"step": 89
},
{
"epoch": 2.0,
"grad_norm": 0.10746360158455943,
"learning_rate": 0.0,
"loss": 0.0115,
"step": 90
},
{
"epoch": 2.0,
"eval_loss": 0.15711571276187897,
"eval_runtime": 1.4509,
"eval_samples_per_second": 0.689,
"eval_steps_per_second": 0.689,
"step": 90
},
{
"epoch": 2.0,
"step": 90,
"total_flos": 422804029440.0,
"train_loss": 0.07111663229815247,
"train_runtime": 202.1032,
"train_samples_per_second": 0.891,
"train_steps_per_second": 0.445
}
],
"logging_steps": 1,
"max_steps": 90,
"num_input_tokens_seen": 0,
"num_train_epochs": 2,
"save_steps": 500,
"stateful_callbacks": {
"TrainerControl": {
"args": {
"should_epoch_stop": false,
"should_evaluate": false,
"should_log": false,
"should_save": true,
"should_training_stop": true
},
"attributes": {}
}
},
"total_flos": 422804029440.0,
"train_batch_size": 2,
"trial_name": null,
"trial_params": null
}