Upload ./train_results.json with huggingface_hub
This commit is contained in:
257
trainer_state.json
Normal file
257
trainer_state.json
Normal file
@@ -0,0 +1,257 @@
|
||||
{
|
||||
"best_metric": 2.3333284854888916,
|
||||
"best_model_checkpoint": "./output/training_results/C019_random_sample_Meta-Llama-3-8B_pretrain_20240726_033210/checkpoint-40700",
|
||||
"epoch": 4.0,
|
||||
"eval_steps": 4070,
|
||||
"global_step": 40700,
|
||||
"is_hyper_param_search": false,
|
||||
"is_local_process_zero": true,
|
||||
"is_world_process_zero": true,
|
||||
"log_history": [
|
||||
{
|
||||
"epoch": 9.828009828009828e-05,
|
||||
"grad_norm": 0.0,
|
||||
"learning_rate": 0.0,
|
||||
"loss": 2.7384,
|
||||
"step": 1
|
||||
},
|
||||
{
|
||||
"epoch": 0.2,
|
||||
"grad_norm": 2.155671963962152,
|
||||
"learning_rate": 1.9927939731411727e-06,
|
||||
"loss": 2.4775,
|
||||
"step": 2035
|
||||
},
|
||||
{
|
||||
"epoch": 0.4,
|
||||
"grad_norm": 2.0610799346731716,
|
||||
"learning_rate": 2.238606233181306e-06,
|
||||
"loss": 2.404,
|
||||
"step": 4070
|
||||
},
|
||||
{
|
||||
"epoch": 0.4,
|
||||
"eval_loss": 2.388622283935547,
|
||||
"eval_runtime": 386.8721,
|
||||
"eval_samples_per_second": 187.02,
|
||||
"eval_steps_per_second": 1.463,
|
||||
"step": 4070
|
||||
},
|
||||
{
|
||||
"epoch": 0.6,
|
||||
"grad_norm": 1.852185161682542,
|
||||
"learning_rate": 1.2183995585808034e-06,
|
||||
"loss": 2.3695,
|
||||
"step": 6105
|
||||
},
|
||||
{
|
||||
"epoch": 0.8,
|
||||
"grad_norm": 1.963949683462878,
|
||||
"learning_rate": 6.503021712782451e-07,
|
||||
"loss": 2.3519,
|
||||
"step": 8140
|
||||
},
|
||||
{
|
||||
"epoch": 0.8,
|
||||
"eval_loss": 2.347768545150757,
|
||||
"eval_runtime": 353.4879,
|
||||
"eval_samples_per_second": 204.683,
|
||||
"eval_steps_per_second": 1.601,
|
||||
"step": 8140
|
||||
},
|
||||
{
|
||||
"epoch": 1.0,
|
||||
"grad_norm": 1.8257205248825334,
|
||||
"learning_rate": 3.454633956957804e-07,
|
||||
"loss": 2.341,
|
||||
"step": 10175
|
||||
},
|
||||
{
|
||||
"epoch": 1.2,
|
||||
"grad_norm": 1.934651438097829,
|
||||
"learning_rate": 1.8843776358550853e-07,
|
||||
"loss": 2.272,
|
||||
"step": 12210
|
||||
},
|
||||
{
|
||||
"epoch": 1.2,
|
||||
"eval_loss": 2.3399369716644287,
|
||||
"eval_runtime": 353.2432,
|
||||
"eval_samples_per_second": 204.825,
|
||||
"eval_steps_per_second": 1.602,
|
||||
"step": 12210
|
||||
},
|
||||
{
|
||||
"epoch": 1.4,
|
||||
"grad_norm": 1.9087851196083852,
|
||||
"learning_rate": 1.1134838176940004e-07,
|
||||
"loss": 2.2758,
|
||||
"step": 14245
|
||||
},
|
||||
{
|
||||
"epoch": 1.6,
|
||||
"grad_norm": 1.9434977796166109,
|
||||
"learning_rate": 7.549690625694449e-08,
|
||||
"loss": 2.2737,
|
||||
"step": 16280
|
||||
},
|
||||
{
|
||||
"epoch": 1.6,
|
||||
"eval_loss": 2.3373029232025146,
|
||||
"eval_runtime": 353.221,
|
||||
"eval_samples_per_second": 204.838,
|
||||
"eval_steps_per_second": 1.602,
|
||||
"step": 16280
|
||||
},
|
||||
{
|
||||
"epoch": 1.8,
|
||||
"grad_norm": 1.8796392127857566,
|
||||
"learning_rate": 5.980471884190691e-08,
|
||||
"loss": 2.2725,
|
||||
"step": 18315
|
||||
},
|
||||
{
|
||||
"epoch": 2.0,
|
||||
"grad_norm": 1.9345766812761183,
|
||||
"learning_rate": 5.3444261786522375e-08,
|
||||
"loss": 2.2735,
|
||||
"step": 20350
|
||||
},
|
||||
{
|
||||
"epoch": 2.0,
|
||||
"eval_loss": 2.3360562324523926,
|
||||
"eval_runtime": 353.5294,
|
||||
"eval_samples_per_second": 204.659,
|
||||
"eval_steps_per_second": 1.601,
|
||||
"step": 20350
|
||||
},
|
||||
{
|
||||
"epoch": 2.2,
|
||||
"grad_norm": 1.941719791382991,
|
||||
"learning_rate": 5.108383189787308e-08,
|
||||
"loss": 2.2617,
|
||||
"step": 22385
|
||||
},
|
||||
{
|
||||
"epoch": 2.4,
|
||||
"grad_norm": 1.9268741466862327,
|
||||
"learning_rate": 5.029810361474273e-08,
|
||||
"loss": 2.2629,
|
||||
"step": 24420
|
||||
},
|
||||
{
|
||||
"epoch": 2.4,
|
||||
"eval_loss": 2.3360707759857178,
|
||||
"eval_runtime": 353.1028,
|
||||
"eval_samples_per_second": 204.906,
|
||||
"eval_steps_per_second": 1.603,
|
||||
"step": 24420
|
||||
},
|
||||
{
|
||||
"epoch": 2.6,
|
||||
"grad_norm": 1.9707963592912294,
|
||||
"learning_rate": 5.006893878600473e-08,
|
||||
"loss": 2.2617,
|
||||
"step": 26455
|
||||
},
|
||||
{
|
||||
"epoch": 2.8,
|
||||
"grad_norm": 1.9597319665023907,
|
||||
"learning_rate": 5.001272696084112e-08,
|
||||
"loss": 2.2655,
|
||||
"step": 28490
|
||||
},
|
||||
{
|
||||
"epoch": 2.8,
|
||||
"eval_loss": 2.3352677822113037,
|
||||
"eval_runtime": 353.4276,
|
||||
"eval_samples_per_second": 204.718,
|
||||
"eval_steps_per_second": 1.601,
|
||||
"step": 28490
|
||||
},
|
||||
{
|
||||
"epoch": 3.0,
|
||||
"grad_norm": 34.02276184361365,
|
||||
"learning_rate": 5.0001729586514593e-08,
|
||||
"loss": 2.2615,
|
||||
"step": 30525
|
||||
},
|
||||
{
|
||||
"epoch": 3.2,
|
||||
"grad_norm": 2.124382265375981,
|
||||
"learning_rate": 5.0000150744726626e-08,
|
||||
"loss": 2.2567,
|
||||
"step": 32560
|
||||
},
|
||||
{
|
||||
"epoch": 3.2,
|
||||
"eval_loss": 2.334810733795166,
|
||||
"eval_runtime": 353.1613,
|
||||
"eval_samples_per_second": 204.872,
|
||||
"eval_steps_per_second": 1.603,
|
||||
"step": 32560
|
||||
},
|
||||
{
|
||||
"epoch": 3.4,
|
||||
"grad_norm": 1.9867886821885041,
|
||||
"learning_rate": 5.000000648758777e-08,
|
||||
"loss": 2.2555,
|
||||
"step": 34595
|
||||
},
|
||||
{
|
||||
"epoch": 3.6,
|
||||
"grad_norm": 2.0413183498941763,
|
||||
"learning_rate": 5.000000007849755e-08,
|
||||
"loss": 2.2581,
|
||||
"step": 36630
|
||||
},
|
||||
{
|
||||
"epoch": 3.6,
|
||||
"eval_loss": 2.3342058658599854,
|
||||
"eval_runtime": 353.3438,
|
||||
"eval_samples_per_second": 204.767,
|
||||
"eval_steps_per_second": 1.602,
|
||||
"step": 36630
|
||||
},
|
||||
{
|
||||
"epoch": 3.8,
|
||||
"grad_norm": 1.954005554664922,
|
||||
"learning_rate": 5.000000000004389e-08,
|
||||
"loss": 2.2592,
|
||||
"step": 38665
|
||||
},
|
||||
{
|
||||
"epoch": 4.0,
|
||||
"grad_norm": 1.9904895703350474,
|
||||
"learning_rate": 5e-08,
|
||||
"loss": 2.2607,
|
||||
"step": 40700
|
||||
},
|
||||
{
|
||||
"epoch": 4.0,
|
||||
"eval_loss": 2.3333284854888916,
|
||||
"eval_runtime": 353.3086,
|
||||
"eval_samples_per_second": 204.787,
|
||||
"eval_steps_per_second": 1.602,
|
||||
"step": 40700
|
||||
},
|
||||
{
|
||||
"epoch": 4.0,
|
||||
"step": 40700,
|
||||
"total_flos": 4255641501696000.0,
|
||||
"train_loss": 2.2957492570853644,
|
||||
"train_runtime": 58446.3006,
|
||||
"train_samples_per_second": 44.566,
|
||||
"train_steps_per_second": 0.696
|
||||
}
|
||||
],
|
||||
"logging_steps": 2035,
|
||||
"max_steps": 40700,
|
||||
"num_input_tokens_seen": 0,
|
||||
"num_train_epochs": 4,
|
||||
"save_steps": 4070,
|
||||
"total_flos": 4255641501696000.0,
|
||||
"train_batch_size": 8,
|
||||
"trial_name": null,
|
||||
"trial_params": null
|
||||
}
|
||||
Reference in New Issue
Block a user