File size: 4,326 Bytes
7c313a9
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 2.55,
  "eval_steps": 500,
  "global_step": 33,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.05,
      "learning_rate": 8.333333333333334e-06,
      "loss": 1.3421,
      "step": 1
    },
    {
      "epoch": 0.1,
      "learning_rate": 1.6666666666666667e-05,
      "loss": 1.3481,
      "step": 2
    },
    {
      "epoch": 0.15,
      "learning_rate": 2.5e-05,
      "loss": 1.4063,
      "step": 3
    },
    {
      "epoch": 0.2,
      "learning_rate": 3.3333333333333335e-05,
      "loss": 1.3044,
      "step": 4
    },
    {
      "epoch": 0.25,
      "learning_rate": 4.166666666666667e-05,
      "loss": 1.264,
      "step": 5
    },
    {
      "epoch": 0.3,
      "learning_rate": 5e-05,
      "loss": 1.2187,
      "step": 6
    },
    {
      "epoch": 0.35,
      "learning_rate": 4.9074074074074075e-05,
      "loss": 1.345,
      "step": 7
    },
    {
      "epoch": 0.4,
      "learning_rate": 4.814814814814815e-05,
      "loss": 1.2374,
      "step": 8
    },
    {
      "epoch": 0.45,
      "learning_rate": 4.722222222222222e-05,
      "loss": 1.388,
      "step": 9
    },
    {
      "epoch": 0.5,
      "learning_rate": 4.62962962962963e-05,
      "loss": 1.2398,
      "step": 10
    },
    {
      "epoch": 0.55,
      "learning_rate": 4.5370370370370374e-05,
      "loss": 1.2157,
      "step": 11
    },
    {
      "epoch": 1.05,
      "learning_rate": 4.4444444444444447e-05,
      "loss": 1.1396,
      "step": 12
    },
    {
      "epoch": 1.1,
      "learning_rate": 4.351851851851852e-05,
      "loss": 1.1824,
      "step": 13
    },
    {
      "epoch": 1.15,
      "learning_rate": 4.259259259259259e-05,
      "loss": 1.2468,
      "step": 14
    },
    {
      "epoch": 1.2,
      "learning_rate": 4.166666666666667e-05,
      "loss": 1.17,
      "step": 15
    },
    {
      "epoch": 1.25,
      "learning_rate": 4.074074074074074e-05,
      "loss": 1.2504,
      "step": 16
    },
    {
      "epoch": 1.3,
      "learning_rate": 3.981481481481482e-05,
      "loss": 1.1699,
      "step": 17
    },
    {
      "epoch": 1.35,
      "learning_rate": 3.888888888888889e-05,
      "loss": 1.1979,
      "step": 18
    },
    {
      "epoch": 1.4,
      "learning_rate": 3.7962962962962964e-05,
      "loss": 1.1994,
      "step": 19
    },
    {
      "epoch": 1.45,
      "learning_rate": 3.7037037037037037e-05,
      "loss": 1.1363,
      "step": 20
    },
    {
      "epoch": 1.5,
      "learning_rate": 3.611111111111111e-05,
      "loss": 1.1799,
      "step": 21
    },
    {
      "epoch": 1.55,
      "learning_rate": 3.518518518518519e-05,
      "loss": 1.1419,
      "step": 22
    },
    {
      "epoch": 2.05,
      "learning_rate": 3.425925925925926e-05,
      "loss": 1.099,
      "step": 23
    },
    {
      "epoch": 2.1,
      "learning_rate": 3.3333333333333335e-05,
      "loss": 1.122,
      "step": 24
    },
    {
      "epoch": 2.15,
      "learning_rate": 3.240740740740741e-05,
      "loss": 1.1069,
      "step": 25
    },
    {
      "epoch": 2.2,
      "learning_rate": 3.148148148148148e-05,
      "loss": 1.1937,
      "step": 26
    },
    {
      "epoch": 2.25,
      "learning_rate": 3.055555555555556e-05,
      "loss": 1.1516,
      "step": 27
    },
    {
      "epoch": 2.3,
      "learning_rate": 2.962962962962963e-05,
      "loss": 1.034,
      "step": 28
    },
    {
      "epoch": 2.35,
      "learning_rate": 2.8703703703703706e-05,
      "loss": 1.0439,
      "step": 29
    },
    {
      "epoch": 2.4,
      "learning_rate": 2.777777777777778e-05,
      "loss": 1.1027,
      "step": 30
    },
    {
      "epoch": 2.45,
      "learning_rate": 2.6851851851851855e-05,
      "loss": 1.1097,
      "step": 31
    },
    {
      "epoch": 2.5,
      "learning_rate": 2.5925925925925925e-05,
      "loss": 1.1121,
      "step": 32
    },
    {
      "epoch": 2.55,
      "learning_rate": 2.5e-05,
      "loss": 1.1438,
      "step": 33
    }
  ],
  "logging_steps": 1,
  "max_steps": 60,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 3,
  "save_steps": 500,
  "total_flos": 2680896116183040.0,
  "train_batch_size": 5,
  "trial_name": null,
  "trial_params": null
}