File size: 441,680 Bytes
ec35349 | 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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 | [2025-12-13 20:39:02,352] [DEBUG] [axolotl.utils.config.resolve_dtype:66] [PID:1121389] bf16 support detected, enabling for this configuration.
[2025-12-13 20:39:02,354] [DEBUG] [axolotl.utils.config.log_gpu_memory_usage:127] [PID:1121389] baseline 0.000GB ()
[2025-12-13 20:39:02,354] [INFO] [axolotl.cli.config.load_cfg:248] [PID:1121389] config:
{
"activation_offloading": false,
"axolotl_config_path": "train.lima.yml",
"base_model": "/home/alex/Workspace/sllama/out_5/checkpoint-1722000",
"base_model_config": "/home/alex/Workspace/sllama/out_5/checkpoint-1722000",
"batch_size": 1,
"bf16": true,
"capabilities": {
"bf16": true,
"compute_capability": "sm_120",
"fp8": false,
"n_gpu": 1,
"n_node": 1
},
"context_parallel_size": 1,
"cosine_constant_lr_ratio": 0.1,
"cut_cross_entropy": true,
"dataloader_num_workers": 0,
"dataloader_pin_memory": true,
"dataset_prepared_path": "data_prep",
"dataset_processes": 12,
"datasets": [
{
"chat_template": "tokenizer_default",
"message_property_mappings": {
"content": "content",
"role": "role"
},
"path": "lima.jsonl",
"trust_remote_code": false,
"type": "chat_template"
}
],
"ddp": false,
"device": "cuda:0",
"dion_rank_fraction": 1.0,
"dion_rank_multiple_of": 1,
"env_capabilities": {
"torch_version": "2.7.1"
},
"eval_batch_size": 1,
"eval_causal_lm_metrics": [
"sacrebleu",
"comet",
"ter",
"chrf"
],
"eval_max_new_tokens": 128,
"eval_sample_packing": true,
"eval_table_size": 0,
"experimental_skip_move_to_device": true,
"flash_attention": true,
"fp16": false,
"fp8": true,
"gradient_accumulation_steps": 1,
"gradient_checkpointing": false,
"gradient_checkpointing_kwargs": {
"use_reentrant": false
},
"group_by_length": false,
"include_tkps": true,
"is_llama_derived_model": true,
"learning_rate": 0.1,
"liger_glu_activation": true,
"liger_layer_norm": true,
"liger_rms_norm": true,
"liger_rope": true,
"lisa_layers_attribute": "model.layers",
"load_best_model_at_end": false,
"load_in_4bit": false,
"load_in_8bit": false,
"local_rank": 0,
"logging_steps": 10,
"lora_dropout": 0.0,
"loraplus_lr_embedding": 1e-06,
"lr_scheduler": "cosine",
"max_grad_norm": 1.0,
"mean_resizing_embeddings": false,
"micro_batch_size": 1,
"model_config_type": "llama",
"num_epochs": 4.0,
"optim_args": {
"momentum": 0.98
},
"optimizer": "sgd",
"output_dir": "./out_6_lima",
"pad_to_sequence_len": true,
"plugins": [
"axolotl.integrations.cut_cross_entropy.CutCrossEntropyPlugin",
"axolotl.integrations.liger.LigerPlugin"
],
"pretrain_multipack_attn": true,
"profiler_steps_start": 0,
"qlora_sharded_model_loading": false,
"ray_num_workers": 1,
"resize_token_embeddings_to_32x": true,
"resources_per_worker": {
"GPU": 1
},
"sample_packing": true,
"sample_packing_bin_size": 200,
"sample_packing_group_size": 100000,
"save_only_model": true,
"save_safetensors": true,
"save_steps": 100,
"save_total_limit": 2,
"sequence_len": 2048,
"shuffle_before_merging_datasets": false,
"shuffle_merged_datasets": true,
"skip_prepare_dataset": false,
"streaming_multipack_buffer_size": 10000,
"strict": false,
"tensor_parallel_size": 1,
"tiled_mlp_use_original_mlp": true,
"tokenizer_config": "/home/alex/Workspace/sllama/out_5/checkpoint-1722000",
"tokenizer_save_jinja_files": true,
"torch_compile": true,
"torch_compile_backend": "inductor",
"torch_compile_mode": "default",
"torch_dtype": "torch.bfloat16",
"train_on_inputs": false,
"trl": {
"log_completions": false,
"mask_truncated_completions": false,
"ref_model_mixup_alpha": 0.9,
"ref_model_sync_steps": 64,
"scale_rewards": true,
"sync_ref_model": false,
"use_vllm": false,
"vllm_server_host": "0.0.0.0",
"vllm_server_port": 8000
},
"trust_remote_code": true,
"unfrozen_parameters": [
"^(?![\\s\\S]*embed_tokens)[\\s\\S]+$"
],
"use_ray": false,
"use_tensorboard": true,
"use_wandb": true,
"val_set_size": 0.0,
"vllm": {
"device": "auto",
"dtype": "auto",
"gpu_memory_utilization": 0.9,
"host": "0.0.0.0",
"port": 8000
},
"wandb_project": "sllama",
"warmup_ratio": 0.05,
"weight_decay": 0.01,
"world_size": 1
}
[2025-12-13 20:39:02,909] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:278] [PID:1121389] EOS: 128009 / <|eot_id|>
[2025-12-13 20:39:02,909] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:279] [PID:1121389] BOS: 128000 / <|begin_of_text|>
[2025-12-13 20:39:02,909] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:280] [PID:1121389] PAD: 128004 / <|finetune_right_pad_id|>
[2025-12-13 20:39:02,909] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:281] [PID:1121389] UNK: None / None
[2025-12-13 20:39:02,909] [INFO] [axolotl.utils.data.shared.load_preprocessed_dataset:470] [PID:1121389] Loading prepared dataset from disk at data_prep/0ed3928757e6a5973cddee77ac8c62e0...
[2025-12-13 20:39:02,913] [DEBUG] [axolotl.utils.trainer.calculate_total_num_steps:404] [PID:1121389] total_num_tokens: 640_837
[2025-12-13 20:39:02,917] [DEBUG] [axolotl.utils.trainer.calculate_total_num_steps:422] [PID:1121389] `total_supervised_tokens: 445_575`
[2025-12-13 20:39:03,640] [DEBUG] [axolotl.utils.samplers.multipack.__len__:458] [PID:1121389] generate_batches time: 0.36017513275146484
[2025-12-13 20:39:03,998] [DEBUG] [axolotl.utils.samplers.multipack.__len__:458] [PID:1121389] generate_batches time: 0.35738229751586914
[2025-12-13 20:39:04,353] [DEBUG] [axolotl.utils.samplers.multipack.__len__:458] [PID:1121389] generate_batches time: 0.35471415519714355
[2025-12-13 20:39:04,713] [DEBUG] [axolotl.utils.samplers.multipack.__len__:458] [PID:1121389] generate_batches time: 0.3598747253417969
[2025-12-13 20:39:04,724] [INFO] [axolotl.utils.samplers.multipack.calc_min_len:434] [PID:1121389] gather_len_batches: [322]
[2025-12-13 20:39:04,724] [DEBUG] [axolotl.utils.trainer.calculate_total_num_steps:481] [PID:1121389] data_loader_len: 322
[2025-12-13 20:39:04,725] [INFO] [axolotl.utils.trainer.calc_sample_packing_eff_est:497] [PID:1121389] sample_packing_eff_est across ranks: [0.9687575585332817]
[2025-12-13 20:39:04,725] [DEBUG] [axolotl.utils.trainer.calculate_total_num_steps:509] [PID:1121389] sample_packing_eff_est: 0.97
[2025-12-13 20:39:04,725] [DEBUG] [axolotl.utils.trainer.calculate_total_num_steps:520] [PID:1121389] total_num_steps: 1288
[2025-12-13 20:39:04,725] [INFO] [axolotl.utils.data.sft._prepare_standard_dataset:121] [PID:1121389] Maximum number of steps set at 1288
[2025-12-13 20:39:04,740] [DEBUG] [axolotl.train.setup_model_and_tokenizer:70] [PID:1121389] Loading tokenizer... /home/alex/Workspace/sllama/out_5/checkpoint-1722000
[2025-12-13 20:39:04,952] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:278] [PID:1121389] EOS: 128009 / <|eot_id|>
[2025-12-13 20:39:04,952] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:279] [PID:1121389] BOS: 128000 / <|begin_of_text|>
[2025-12-13 20:39:04,952] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:280] [PID:1121389] PAD: 128004 / <|finetune_right_pad_id|>
[2025-12-13 20:39:04,952] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:281] [PID:1121389] UNK: None / None
[2025-12-13 20:39:04,952] [DEBUG] [axolotl.train.setup_model_and_tokenizer:79] [PID:1121389] Loading model
[2025-12-13 20:39:04,955] [DEBUG] [axolotl.monkeypatch.transformers.trainer_loss_calc.patch_evaluation_loop:87] [PID:1121389] Patched Trainer.evaluation_loop with nanmean loss calculation
[2025-12-13 20:39:04,956] [DEBUG] [axolotl.monkeypatch.transformers.trainer_loss_calc.patch_maybe_log_save_evaluate:138] [PID:1121389] Patched Trainer._maybe_log_save_evaluate with nanmean loss calculation
[2025-12-13 20:39:04,957] [INFO] [axolotl.monkeypatch.trainer_accelerator_args.patch_create_accelerate_code_for_fp8:80] [PID:1121389] patching create_accelerator_and_postprocess to allow for overrides
[2025-12-13 20:39:04,957] [INFO] [axolotl.loaders.patch_manager._apply_multipack_patches:294] [PID:1121389] Applying multipack dataloader patch for sample packing...
[2025-12-13 20:39:05,015] [INFO] [axolotl.integrations.cut_cross_entropy.pre_model_load:94] [PID:1121389] Applying Cut Cross Entropy to model type: llama
[2025-12-13 20:39:05,020] [INFO] [axolotl.integrations.liger.plugin.pre_model_load:71] [PID:1121389] Applying LIGER to llama with kwargs: {'rope': True, 'cross_entropy': None, 'fused_linear_cross_entropy': None, 'rms_norm': True, 'swiglu': True}
[2025-12-13 20:39:05,890] [INFO] [axolotl.loaders.model._configure_embedding_dtypes:345] [PID:1121389] Converting modules to torch.bfloat16
[2025-12-13 20:39:06,358] [DEBUG] [axolotl.loaders.model.log_gpu_memory_usage:127] [PID:1121389] Memory usage after model load 0.000GB ()
[2025-12-13 20:39:06,858] [DEBUG] [axolotl.utils.freeze.freeze_layers_except:56] [PID:1121389] Unfrozen model.layers.0.self_attn.q_proj.weight
[2025-12-13 20:39:06,858] [DEBUG] [axolotl.utils.freeze.freeze_layers_except:56] [PID:1121389] Unfrozen model.layers.0.self_attn.k_proj.weight
[2025-12-13 20:39:06,858] [DEBUG] [axolotl.utils.freeze.freeze_layers_except:56] [PID:1121389] Unfrozen model.layers.0.self_attn.v_proj.weight
[2025-12-13 20:39:06,858] [DEBUG] [axolotl.utils.freeze.freeze_layers_except:56] [PID:1121389] Unfrozen model.layers.0.self_attn.o_proj.weight
[2025-12-13 20:39:06,859] [DEBUG] [axolotl.utils.freeze.freeze_layers_except:56] [PID:1121389] Unfrozen model.layers.0.mlp.gate_proj.weight
[2025-12-13 20:39:06,859] [DEBUG] [axolotl.utils.freeze.freeze_layers_except:56] [PID:1121389] Unfrozen model.layers.0.mlp.up_proj.weight
[2025-12-13 20:39:06,859] [DEBUG] [axolotl.utils.freeze.freeze_layers_except:56] [PID:1121389] Unfrozen model.layers.0.mlp.down_proj.weight
[2025-12-13 20:39:06,859] [DEBUG] [axolotl.utils.freeze.freeze_layers_except:56] [PID:1121389] Unfrozen model.layers.0.input_layernorm.weight
[2025-12-13 20:39:06,859] [DEBUG] [axolotl.utils.freeze.freeze_layers_except:56] [PID:1121389] Unfrozen model.layers.0.post_attention_layernorm.weight
[2025-12-13 20:39:06,859] [DEBUG] [axolotl.utils.freeze.freeze_layers_except:56] [PID:1121389] Unfrozen model.norm.weight
[2025-12-13 20:39:07,912] [INFO] [axolotl.train.save_initial_configs:412] [PID:1121389] Pre-saving tokenizer to ./out_6_lima...
[2025-12-13 20:39:07,973] [INFO] [axolotl.train.save_initial_configs:417] [PID:1121389] Pre-saving model config to ./out_6_lima...
[2025-12-13 20:39:07,975] [INFO] [axolotl.train.execute_training:203] [PID:1121389] Starting trainer...
[2025-12-13 20:39:09,007] [DEBUG] [axolotl.utils.samplers.multipack.__len__:458] [PID:1121389] generate_batches time: 0.37635207176208496
[2025-12-13 20:39:09,392] [DEBUG] [axolotl.utils.samplers.multipack.__len__:458] [PID:1121389] generate_batches time: 0.3846709728240967
[2025-12-13 20:39:09,774] [DEBUG] [axolotl.utils.samplers.multipack.__len__:458] [PID:1121389] generate_batches time: 0.38227200508117676
[2025-12-13 20:39:10,157] [DEBUG] [axolotl.utils.samplers.multipack.__len__:458] [PID:1121389] generate_batches time: 0.3822507858276367
[2025-12-13 20:39:10,157] [INFO] [axolotl.utils.samplers.multipack.calc_min_len:434] [PID:1121389] gather_len_batches: [323]
[34m[1mwandb[0m: Currently logged in as: [33malex-ht[0m to [32mhttps://api.wandb.ai[0m. Use [1m`wandb login --relogin`[0m to force relogin
[34m[1mwandb[0m: Tracking run with wandb version 0.21.1
[34m[1mwandb[0m: Run data is saved locally in [35m[1m/home/alex/Workspace/sllama/wandb/run-20251213_203911-00ktlhat[0m
[34m[1mwandb[0m: Run [1m`wandb offline`[0m to turn off syncing.
[34m[1mwandb[0m: Syncing run [33mstep6_lima[0m
[34m[1mwandb[0m: ⭐️ View project at [34m[4mhttps://wandb.ai/alex-ht/sllama[0m
[34m[1mwandb[0m: 🚀 View run at [34m[4mhttps://wandb.ai/alex-ht/sllama/runs/00ktlhat[0m
[34m[1mwandb[0m: [33mWARNING[0m Saving files without folders. If you want to preserve subdirectories pass base_path to wandb.save, i.e. wandb.save("/mnt/folder/file.h5", base_path="/mnt")
[2025-12-13 20:39:13,730] [INFO] [axolotl.utils.callbacks.on_train_begin:793] [PID:1121389] The Axolotl config has been saved to the WandB run under files.
0%| | 0/1288 [00:00<?, ?it/s]
0%| | 1/1288 [00:07<2:44:44, 7.68s/it]
0%|▏ | 2/1288 [00:08<1:24:08, 3.93s/it]
0%|▎ | 3/1288 [00:10<58:31, 2.73s/it]
0%|▎ | 4/1288 [00:11<46:16, 2.16s/it]
0%|▍ | 5/1288 [00:12<39:21, 1.84s/it]
0%|▌ | 6/1288 [00:14<35:42, 1.67s/it]
1%|▌ | 7/1288 [00:15<35:09, 1.65s/it]
1%|▋ | 8/1288 [00:17<35:34, 1.67s/it]
1%|▊ | 9/1288 [00:18<27:58, 1.31s/it]
1%|▉ | 10/1288 [00:18<22:25, 1.05s/it]
{'loss': 6.8542, 'grad_norm': 4.84375, 'learning_rate': 0.0140625, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2745.36, 'epoch': 0.03}
1%|▉ | 10/1288 [00:18<22:25, 1.05s/it]
1%|▉ | 11/1288 [00:19<19:07, 1.11it/s]
1%|█ | 12/1288 [00:19<16:17, 1.31it/s]
1%|█▏ | 13/1288 [00:20<14:30, 1.46it/s]
1%|█▏ | 14/1288 [00:20<13:05, 1.62it/s]
1%|█▎ | 15/1288 [00:20<12:22, 1.72it/s]
1%|█▍ | 16/1288 [00:21<13:13, 1.60it/s]
1%|█▍ | 17/1288 [00:22<12:23, 1.71it/s]
1%|█▌ | 18/1288 [00:22<11:38, 1.82it/s]
1%|█▋ | 19/1288 [00:23<11:50, 1.79it/s]
2%|█▊ | 20/1288 [00:23<11:18, 1.87it/s]
{'loss': 6.6978, 'grad_norm': 4.21875, 'learning_rate': 0.029687500000000002, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2828.51, 'epoch': 0.06}
2%|█▊ | 20/1288 [00:23<11:18, 1.87it/s]
2%|█▊ | 21/1288 [00:24<11:19, 1.87it/s]
2%|█▉ | 22/1288 [00:24<11:22, 1.85it/s]
2%|██ | 23/1288 [00:25<11:23, 1.85it/s]
2%|██ | 24/1288 [00:25<11:19, 1.86it/s]
2%|██▏ | 25/1288 [00:26<10:50, 1.94it/s]
2%|██▎ | 26/1288 [00:26<10:46, 1.95it/s]
2%|██▎ | 27/1288 [00:27<11:03, 1.90it/s]
2%|██▍ | 28/1288 [00:27<10:44, 1.96it/s]
2%|██▌ | 29/1288 [00:28<10:54, 1.92it/s]
2%|██▋ | 30/1288 [00:28<11:04, 1.89it/s]
{'loss': 6.5196, 'grad_norm': 4.75, 'learning_rate': 0.045312500000000006, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2799.53, 'epoch': 0.09}
2%|██▋ | 30/1288 [00:28<11:04, 1.89it/s]
2%|██▋ | 31/1288 [00:29<10:59, 1.91it/s]
2%|██▊ | 32/1288 [00:29<10:37, 1.97it/s]
3%|██▉ | 33/1288 [00:30<10:45, 1.94it/s]
3%|██▉ | 34/1288 [00:30<10:16, 2.03it/s]
3%|███ | 35/1288 [00:31<10:16, 2.03it/s]
3%|███▏ | 36/1288 [00:31<10:09, 2.05it/s]
3%|███▏ | 37/1288 [00:32<10:17, 2.03it/s]
3%|███▎ | 38/1288 [00:32<10:41, 1.95it/s]
3%|███▍ | 39/1288 [00:33<10:24, 2.00it/s]
3%|███▌ | 40/1288 [00:33<09:20, 2.23it/s]
{'loss': 6.6607, 'grad_norm': 9.4375, 'learning_rate': 0.060937500000000006, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 3775.34, 'epoch': 0.12}
3%|███▌ | 40/1288 [00:33<09:20, 2.23it/s]
3%|███▌ | 41/1288 [00:34<09:30, 2.19it/s]
3%|███▋ | 42/1288 [00:34<09:37, 2.16it/s]
3%|███▊ | 43/1288 [00:35<09:51, 2.10it/s]
3%|███▊ | 44/1288 [00:35<10:01, 2.07it/s]
3%|███▉ | 45/1288 [00:36<10:22, 2.00it/s]
4%|████ | 46/1288 [00:36<10:18, 2.01it/s]
4%|████ | 47/1288 [00:37<10:02, 2.06it/s]
4%|████▏ | 48/1288 [00:37<10:27, 1.98it/s]
4%|████▎ | 49/1288 [00:38<10:39, 1.94it/s]
4%|████▍ | 50/1288 [00:38<10:30, 1.96it/s]
{'loss': 6.8588, 'grad_norm': 5.78125, 'learning_rate': 0.0765625, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2773.42, 'epoch': 0.15}
4%|████▍ | 50/1288 [00:38<10:30, 1.96it/s]
4%|████▍ | 51/1288 [00:39<10:30, 1.96it/s]
4%|████▌ | 52/1288 [00:39<10:25, 1.98it/s]
4%|████▋ | 53/1288 [00:40<10:25, 1.98it/s]
4%|████▋ | 54/1288 [00:40<10:19, 1.99it/s]
4%|████▊ | 55/1288 [00:41<09:50, 2.09it/s]
4%|████▉ | 56/1288 [00:41<10:09, 2.02it/s]
4%|█████ | 57/1288 [00:42<10:23, 1.97it/s]
5%|█████ | 58/1288 [00:42<10:33, 1.94it/s]
5%|█████▏ | 59/1288 [00:43<09:59, 2.05it/s]
5%|█████▎ | 60/1288 [00:43<10:01, 2.04it/s]
{'loss': 6.6242, 'grad_norm': 4.40625, 'learning_rate': 0.0921875, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2760.99, 'epoch': 0.19}
5%|█████▎ | 60/1288 [00:43<10:01, 2.04it/s]
5%|█████▎ | 61/1288 [00:44<10:27, 1.95it/s]
5%|█████▍ | 62/1288 [00:44<10:27, 1.95it/s]
5%|█████▌ | 63/1288 [00:45<10:37, 1.92it/s]
5%|█████▌ | 64/1288 [00:45<10:29, 1.94it/s]
5%|█████▋ | 65/1288 [00:46<10:36, 1.92it/s]
5%|█████▊ | 66/1288 [00:46<10:40, 1.91it/s]
5%|█████▉ | 67/1288 [00:47<10:50, 1.88it/s]
5%|█████▉ | 68/1288 [00:48<10:52, 1.87it/s]
5%|██████ | 69/1288 [00:48<10:51, 1.87it/s]
5%|██████▏ | 70/1288 [00:49<10:55, 1.86it/s]
{'loss': 6.3776, 'grad_norm': 5.25, 'learning_rate': 0.09999588271465323, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 3077.19, 'epoch': 0.22}
5%|██████▏ | 70/1288 [00:49<10:55, 1.86it/s]
6%|██████▏ | 71/1288 [00:49<10:18, 1.97it/s]
6%|██████▎ | 72/1288 [00:50<10:14, 1.98it/s]
6%|██████▍ | 73/1288 [00:50<10:21, 1.96it/s]
6%|██████▍ | 74/1288 [00:51<10:22, 1.95it/s]
6%|██████▌ | 75/1288 [00:51<10:15, 1.97it/s]
6%|██████▋ | 76/1288 [00:52<10:02, 2.01it/s]
6%|██████▊ | 77/1288 [00:52<10:18, 1.96it/s]
6%|██████▊ | 78/1288 [00:53<10:05, 2.00it/s]
6%|██████▉ | 79/1288 [00:53<10:20, 1.95it/s]
6%|███████ | 80/1288 [00:54<10:00, 2.01it/s]
{'loss': 6.7895, 'grad_norm': 4.3125, 'learning_rate': 0.09996294850025658, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 3021.75, 'epoch': 0.25}
6%|███████ | 80/1288 [00:54<10:00, 2.01it/s]
6%|███████ | 81/1288 [00:54<10:04, 2.00it/s]
6%|███████▏ | 82/1288 [00:55<10:04, 2.00it/s]
6%|███████▎ | 83/1288 [00:55<10:12, 1.97it/s]
7%|███████▎ | 84/1288 [00:56<09:58, 2.01it/s]
7%|███████▍ | 85/1288 [00:56<09:41, 2.07it/s]
7%|███████▌ | 86/1288 [00:56<09:32, 2.10it/s]
7%|███████▋ | 87/1288 [00:57<09:03, 2.21it/s]
7%|███████▋ | 88/1288 [00:57<09:20, 2.14it/s]
7%|███████▊ | 89/1288 [00:58<09:21, 2.13it/s]
7%|███████▉ | 90/1288 [00:58<09:20, 2.14it/s]
{'loss': 6.6384, 'grad_norm': 3.984375, 'learning_rate': 0.09989710176649935, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2663.98, 'epoch': 0.28}
7%|███████▉ | 90/1288 [00:58<09:20, 2.14it/s]
7%|███████▉ | 91/1288 [00:59<08:56, 2.23it/s]
7%|████████ | 92/1288 [00:59<08:59, 2.22it/s]
7%|████████▏ | 93/1288 [01:00<09:28, 2.10it/s]
7%|████████▏ | 94/1288 [01:00<09:21, 2.12it/s]
7%|████████▎ | 95/1288 [01:01<09:18, 2.14it/s]
7%|████████▍ | 96/1288 [01:01<09:41, 2.05it/s]
8%|████████▌ | 97/1288 [01:02<09:47, 2.03it/s]
8%|████████▌ | 98/1288 [01:02<10:47, 1.84it/s]
8%|████████▋ | 99/1288 [01:03<10:40, 1.86it/s]
8%|████████▋ | 100/1288 [01:03<10:26, 1.90it/s]
{'loss': 6.7182, 'grad_norm': 4.125, 'learning_rate': 0.09979838588916229, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2654.54, 'epoch': 0.31}
8%|████████▋ | 100/1288 [01:03<10:26, 1.90it/s][2025-12-13 20:40:17,596] [INFO] [axolotl.core.trainers.base._save:671] [PID:1121389] Saving model checkpoint to ./out_6_lima/checkpoint-100
8%|████████▊ | 101/1288 [01:06<23:48, 1.20s/it]
8%|████████▊ | 102/1288 [01:07<19:38, 1.01it/s]
8%|████████▉ | 103/1288 [01:07<16:55, 1.17it/s]
8%|█████████ | 104/1288 [01:08<14:46, 1.33it/s]
8%|█████████▏ | 105/1288 [01:08<13:07, 1.50it/s]
8%|█████████▏ | 106/1288 [01:09<12:01, 1.64it/s]
8%|█████████▎ | 107/1288 [01:09<11:24, 1.72it/s]
8%|█████████▍ | 108/1288 [01:10<10:54, 1.80it/s]
8%|█████████▍ | 109/1288 [01:10<10:48, 1.82it/s]
9%|█████████▌ | 110/1288 [01:11<10:28, 1.87it/s]
{'loss': 6.626, 'grad_norm': 3.921875, 'learning_rate': 0.0996668658961975, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2783.22, 'epoch': 0.34}
9%|█████████▌ | 110/1288 [01:11<10:28, 1.87it/s]
9%|█████████▋ | 111/1288 [01:11<10:08, 1.94it/s]
9%|█████████▋ | 112/1288 [01:12<09:49, 2.00it/s]
9%|█████████▊ | 113/1288 [01:12<09:51, 1.99it/s]
9%|█████████▉ | 114/1288 [01:13<10:00, 1.95it/s]
9%|██████████ | 115/1288 [01:13<09:55, 1.97it/s]
9%|██████████ | 116/1288 [01:14<09:41, 2.01it/s]
9%|██████████▏ | 117/1288 [01:14<10:05, 1.93it/s]
9%|██████████▎ | 118/1288 [01:15<09:50, 1.98it/s]
9%|██████████▎ | 119/1288 [01:15<09:48, 1.99it/s]
9%|██████████▍ | 120/1288 [01:16<09:36, 2.03it/s]
{'loss': 6.3855, 'grad_norm': 3.828125, 'learning_rate': 0.09950262842489216, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2989.57, 'epoch': 0.37}
9%|██████████▍ | 120/1288 [01:16<09:36, 2.03it/s]
9%|██████████▌ | 121/1288 [01:16<09:38, 2.02it/s]
9%|██████████▌ | 122/1288 [01:17<09:41, 2.00it/s]
10%|██████████▋ | 123/1288 [01:17<10:25, 1.86it/s]
10%|██████████▊ | 124/1288 [01:18<10:17, 1.88it/s]
10%|██████████▊ | 125/1288 [01:18<10:16, 1.89it/s]
10%|██████████▉ | 126/1288 [01:19<10:03, 1.92it/s]
10%|███████████ | 127/1288 [01:19<09:46, 1.98it/s]
10%|███████████▏ | 128/1288 [01:20<09:43, 1.99it/s]
10%|███████████▏ | 129/1288 [01:20<09:55, 1.95it/s]
10%|███████████▎ | 130/1288 [01:21<09:39, 2.00it/s]
{'loss': 6.4989, 'grad_norm': 3.140625, 'learning_rate': 0.099305781664797, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2968.88, 'epoch': 0.4}
10%|███████████▎ | 130/1288 [01:21<09:39, 2.00it/s]
10%|███████████▍ | 131/1288 [01:21<09:26, 2.04it/s]
10%|███████████▍ | 132/1288 [01:22<09:20, 2.06it/s]
10%|███████████▌ | 133/1288 [01:22<09:37, 2.00it/s]
10%|███████████▋ | 134/1288 [01:23<09:45, 1.97it/s]
10%|███████████▋ | 135/1288 [01:23<09:55, 1.94it/s]
11%|███████████▊ | 136/1288 [01:24<09:54, 1.94it/s]
11%|███████████▉ | 137/1288 [01:24<10:02, 1.91it/s]
11%|████████████ | 138/1288 [01:25<09:55, 1.93it/s]
11%|████████████ | 139/1288 [01:25<09:54, 1.93it/s]
11%|████████████▏ | 140/1288 [01:26<10:03, 1.90it/s]
{'loss': 6.2947, 'grad_norm': 3.578125, 'learning_rate': 0.0990764552864579, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2775.85, 'epoch': 0.43}
11%|████████████▏ | 140/1288 [01:26<10:03, 1.90it/s]
11%|████████████▎ | 141/1288 [01:26<09:44, 1.96it/s]
11%|████████████▎ | 142/1288 [01:27<09:52, 1.94it/s]
11%|████████████▍ | 143/1288 [01:27<09:56, 1.92it/s]
11%|████████████▌ | 144/1288 [01:28<09:59, 1.91it/s]
11%|████████████▌ | 145/1288 [01:28<09:39, 1.97it/s]
11%|████████████▋ | 146/1288 [01:29<09:11, 2.07it/s]
11%|████████████▊ | 147/1288 [01:29<09:20, 2.04it/s]
11%|████████████▊ | 148/1288 [01:30<09:24, 2.02it/s]
12%|████████████▉ | 149/1288 [01:30<09:23, 2.02it/s]
12%|█████████████ | 150/1288 [01:31<09:24, 2.02it/s]
{'loss': 6.6597, 'grad_norm': 3.375, 'learning_rate': 0.09881480035599667, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2704.94, 'epoch': 0.46}
12%|█████████████ | 150/1288 [01:31<09:24, 2.02it/s]
12%|█████████████▏ | 151/1288 [01:31<09:28, 2.00it/s]
12%|█████████████▏ | 152/1288 [01:32<09:27, 2.00it/s]
12%|█████████████▎ | 153/1288 [01:32<09:20, 2.03it/s]
12%|█████████████▍ | 154/1288 [01:33<09:20, 2.02it/s]
12%|█████████████▍ | 155/1288 [01:33<09:13, 2.05it/s]
12%|█████████████▌ | 156/1288 [01:34<09:18, 2.03it/s]
12%|█████████████▋ | 157/1288 [01:34<09:24, 2.00it/s]
12%|█████████████▋ | 158/1288 [01:35<09:40, 1.95it/s]
12%|█████████████▊ | 159/1288 [01:35<09:47, 1.92it/s]
12%|█████████████▉ | 160/1288 [01:36<09:31, 1.97it/s]
{'loss': 6.4151, 'grad_norm': 3.9375, 'learning_rate': 0.09852098923559818, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2997.44, 'epoch': 0.5}
12%|█████████████▉ | 160/1288 [01:36<09:31, 1.97it/s]
12%|██████████████ | 161/1288 [01:36<09:16, 2.02it/s]
13%|██████████████ | 162/1288 [01:37<09:18, 2.02it/s]
13%|██████████████▏ | 163/1288 [01:37<09:41, 1.94it/s]
13%|██████████████▎ | 164/1288 [01:38<09:34, 1.96it/s]
13%|██████████████▎ | 165/1288 [01:38<09:33, 1.96it/s]
13%|██████████████▍ | 166/1288 [01:39<09:28, 1.97it/s]
13%|██████████████▌ | 167/1288 [01:39<09:28, 1.97it/s]
13%|██████████████▌ | 168/1288 [01:40<09:15, 2.02it/s]
13%|██████████████▋ | 169/1288 [01:40<09:09, 2.04it/s]
13%|██████████████▊ | 170/1288 [01:41<09:01, 2.06it/s]
{'loss': 6.7421, 'grad_norm': 4.0, 'learning_rate': 0.09819521546996864, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2851.12, 'epoch': 0.53}
13%|██████████████▊ | 170/1288 [01:41<09:01, 2.06it/s]
13%|██████████████▊ | 171/1288 [01:41<09:19, 2.00it/s]
13%|██████████████▉ | 172/1288 [01:42<09:16, 2.00it/s]
13%|███████████████ | 173/1288 [01:42<09:26, 1.97it/s]
14%|███████████████▏ | 174/1288 [01:43<09:13, 2.01it/s]
14%|███████████████▏ | 175/1288 [01:43<09:17, 2.00it/s]
14%|███████████████▎ | 176/1288 [01:44<09:31, 1.95it/s]
14%|███████████████▍ | 177/1288 [01:44<09:15, 2.00it/s]
14%|███████████████▍ | 178/1288 [01:45<09:20, 1.98it/s]
14%|███████████████▌ | 179/1288 [01:46<09:24, 1.96it/s]
14%|███████████████▋ | 180/1288 [01:46<09:11, 2.01it/s]
{'loss': 6.3521, 'grad_norm': 3.1875, 'learning_rate': 0.09783769365884022, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 3006.04, 'epoch': 0.56}
14%|███████████████▋ | 180/1288 [01:46<09:11, 2.01it/s]
14%|███████████████▋ | 181/1288 [01:47<09:25, 1.96it/s]
14%|███████████████▊ | 182/1288 [01:47<09:24, 1.96it/s]
14%|███████████████▉ | 183/1288 [01:47<08:59, 2.05it/s]
14%|████████████████ | 184/1288 [01:48<08:58, 2.05it/s]
14%|████████████████ | 185/1288 [01:48<08:48, 2.09it/s]
14%|████████████████▏ | 186/1288 [01:49<08:59, 2.04it/s]
15%|████████████████▎ | 187/1288 [01:49<09:09, 2.00it/s]
15%|████████████████▎ | 188/1288 [01:50<09:11, 1.99it/s]
15%|████████████████▍ | 189/1288 [01:50<09:14, 1.98it/s]
15%|████████████████▌ | 190/1288 [01:51<09:14, 1.98it/s]
{'loss': 6.7043, 'grad_norm': 4.90625, 'learning_rate': 0.09744865931560606, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2724.09, 'epoch': 0.59}
15%|████████████████▌ | 190/1288 [01:51<09:14, 1.98it/s]
15%|████████████████▌ | 191/1288 [01:52<09:35, 1.91it/s]
15%|████████████████▋ | 192/1288 [01:52<09:09, 2.00it/s]
15%|████████████████▊ | 193/1288 [01:53<09:21, 1.95it/s]
15%|████████████████▊ | 194/1288 [01:53<09:11, 1.98it/s]
15%|████████████████▉ | 195/1288 [01:54<09:21, 1.95it/s]
15%|█████████████████ | 196/1288 [01:54<09:10, 1.98it/s]
15%|█████████████████▏ | 197/1288 [01:55<09:11, 1.98it/s]
15%|█████████████████▏ | 198/1288 [01:55<09:21, 1.94it/s]
15%|█████████████████▎ | 199/1288 [01:56<09:07, 1.99it/s]
16%|█████████████████▍ | 200/1288 [01:56<09:07, 1.99it/s]
{'loss': 6.4776, 'grad_norm': 3.265625, 'learning_rate': 0.09702836871217839, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2788.26, 'epoch': 0.62}
16%|█████████████████▍ | 200/1288 [01:56<09:07, 1.99it/s][2025-12-13 20:41:10,285] [INFO] [axolotl.core.trainers.base._save:671] [PID:1121389] Saving model checkpoint to ./out_6_lima/checkpoint-200
16%|█████████████████▍ | 201/1288 [01:59<21:40, 1.20s/it]
16%|█████████████████▌ | 202/1288 [01:59<17:44, 1.02it/s]
16%|█████████████████▋ | 203/1288 [02:00<15:00, 1.20it/s]
16%|█████████████████▋ | 204/1288 [02:00<13:14, 1.36it/s]
16%|█████████████████▊ | 205/1288 [02:01<11:48, 1.53it/s]
16%|█████████████████▉ | 206/1288 [02:01<11:14, 1.60it/s]
16%|██████████████████ | 207/1288 [02:02<10:46, 1.67it/s]
16%|██████████████████ | 208/1288 [02:02<10:05, 1.78it/s]
16%|██████████████████▏ | 209/1288 [02:03<09:35, 1.87it/s]
16%|██████████████████▎ | 210/1288 [02:03<09:46, 1.84it/s]
{'loss': 6.4896, 'grad_norm': 3.265625, 'learning_rate': 0.09657709871017242, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2517.3, 'epoch': 0.65}
16%|██████████████████▎ | 210/1288 [02:03<09:46, 1.84it/s]
16%|██████████████████▎ | 211/1288 [02:04<09:22, 1.91it/s]
16%|██████████████████▍ | 212/1288 [02:04<09:04, 1.97it/s]
17%|██████████████████▌ | 213/1288 [02:05<09:06, 1.97it/s]
17%|██████████████████▌ | 214/1288 [02:05<09:15, 1.93it/s]
17%|██████████████████▋ | 215/1288 [02:06<09:13, 1.94it/s]
17%|██████████████████▊ | 216/1288 [02:06<09:22, 1.91it/s]
17%|██████████████████▊ | 217/1288 [02:07<09:03, 1.97it/s]
17%|██████████████████▉ | 218/1288 [02:07<09:13, 1.93it/s]
17%|███████████████████ | 219/1288 [02:08<09:06, 1.96it/s]
17%|███████████████████▏ | 220/1288 [02:08<09:03, 1.97it/s]
{'loss': 6.4361, 'grad_norm': 3.921875, 'learning_rate': 0.0960951465785269, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2767.27, 'epoch': 0.68}
17%|███████████████████▏ | 220/1288 [02:08<09:03, 1.97it/s]
17%|███████████████████▏ | 221/1288 [02:09<08:58, 1.98it/s]
17%|███████████████████▎ | 222/1288 [02:09<08:57, 1.98it/s]
17%|███████████████████▍ | 223/1288 [02:10<08:55, 1.99it/s]
17%|███████████████████▍ | 224/1288 [02:10<08:42, 2.04it/s]
17%|███████████████████▌ | 225/1288 [02:11<08:55, 1.98it/s]
18%|███████████████████▋ | 226/1288 [02:11<08:45, 2.02it/s]
18%|███████████████████▋ | 227/1288 [02:12<08:41, 2.04it/s]
18%|███████████████████▊ | 228/1288 [02:12<08:36, 2.05it/s]
18%|███████████████████▉ | 229/1288 [02:13<08:32, 2.07it/s]
18%|████████████████████ | 230/1288 [02:13<08:28, 2.08it/s]
{'loss': 6.7116, 'grad_norm': 3.390625, 'learning_rate': 0.09558282979768164, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2773.87, 'epoch': 0.71}
18%|████████████████████ | 230/1288 [02:13<08:28, 2.08it/s]
18%|████████████████████ | 231/1288 [02:14<08:27, 2.08it/s]
18%|████████████████████▏ | 232/1288 [02:14<08:35, 2.05it/s]
18%|████████████████████▎ | 233/1288 [02:15<08:43, 2.02it/s]
18%|████████████████████▎ | 234/1288 [02:15<08:48, 1.99it/s]
18%|████████████████████▍ | 235/1288 [02:16<09:02, 1.94it/s]
18%|████████████████████▌ | 236/1288 [02:16<08:58, 1.95it/s]
18%|████████████████████▌ | 237/1288 [02:17<08:53, 1.97it/s]
18%|████████████████████▋ | 238/1288 [02:17<09:00, 1.94it/s]
19%|████████████████████▊ | 239/1288 [02:18<08:47, 1.99it/s]
19%|████████████████████▊ | 240/1288 [02:18<08:36, 2.03it/s]
{'loss': 6.5845, 'grad_norm': 3.796875, 'learning_rate': 0.09504048585044089, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 3004.89, 'epoch': 0.74}
19%|████████████████████▊ | 240/1288 [02:18<08:36, 2.03it/s]
19%|████████████████████▉ | 241/1288 [02:19<08:29, 2.06it/s]
19%|█████████████████████ | 242/1288 [02:19<08:24, 2.07it/s]
19%|█████████████████████▏ | 243/1288 [02:20<08:32, 2.04it/s]
19%|█████████████████████▏ | 244/1288 [02:20<08:26, 2.06it/s]
19%|█████████████████████▎ | 245/1288 [02:21<08:42, 2.00it/s]
19%|█████████████████████▍ | 246/1288 [02:21<08:45, 1.98it/s]
19%|█████████████████████▍ | 247/1288 [02:22<08:44, 1.98it/s]
19%|█████████████████████▌ | 248/1288 [02:22<08:34, 2.02it/s]
19%|█████████████████████▋ | 249/1288 [02:23<08:25, 2.06it/s]
19%|█████████████████████▋ | 250/1288 [02:23<08:29, 2.04it/s]
{'loss': 6.5014, 'grad_norm': 3.453125, 'learning_rate': 0.09446847199966041, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2717.09, 'epoch': 0.77}
19%|█████████████████████▋ | 250/1288 [02:23<08:29, 2.04it/s]
19%|█████████████████████▊ | 251/1288 [02:24<08:22, 2.06it/s]
20%|█████████████████████▉ | 252/1288 [02:24<08:40, 1.99it/s]
20%|██████████████████████ | 253/1288 [02:25<08:33, 2.02it/s]
20%|██████████████████████ | 254/1288 [02:25<08:35, 2.01it/s]
20%|██████████████████████▏ | 255/1288 [02:26<08:49, 1.95it/s]
20%|██████████████████████▎ | 256/1288 [02:26<08:45, 1.96it/s]
20%|██████████████████████▎ | 257/1288 [02:27<08:32, 2.01it/s]
20%|██████████████████████▍ | 258/1288 [02:27<08:40, 1.98it/s]
20%|██████████████████████▌ | 259/1288 [02:28<08:28, 2.02it/s]
20%|██████████████████████▌ | 260/1288 [02:28<08:31, 2.01it/s]
{'loss': 6.5148, 'grad_norm': 3.21875, 'learning_rate': 0.09386716505290467, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2794.02, 'epoch': 0.8}
20%|██████████████████████▌ | 260/1288 [02:28<08:31, 2.01it/s]
20%|██████████████████████▋ | 261/1288 [02:29<08:32, 2.01it/s]
20%|██████████████████████▊ | 262/1288 [02:29<08:42, 1.97it/s]
20%|██████████████████████▊ | 263/1288 [02:30<08:41, 1.96it/s]
20%|██████████████████████▉ | 264/1288 [02:30<08:39, 1.97it/s]
21%|███████████████████████ | 265/1288 [02:31<08:28, 2.01it/s]
21%|███████████████████████▏ | 266/1288 [02:31<08:16, 2.06it/s]
21%|███████████████████████▏ | 267/1288 [02:32<08:34, 1.99it/s]
21%|███████████████████████▎ | 268/1288 [02:32<08:33, 1.99it/s]
21%|███████████████████████▍ | 269/1288 [02:33<08:33, 1.99it/s]
21%|███████████████████████▍ | 270/1288 [02:33<08:34, 1.98it/s]
{'loss': 6.5165, 'grad_norm': 3.984375, 'learning_rate': 0.09323696111422922, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2794.22, 'epoch': 0.84}
21%|███████████████████████▍ | 270/1288 [02:33<08:34, 1.98it/s]
21%|███████████████████████▌ | 271/1288 [02:34<08:01, 2.11it/s]
21%|███████████████████████▋ | 272/1288 [02:34<07:49, 2.16it/s]
21%|███████████████████████▋ | 273/1288 [02:35<08:12, 2.06it/s]
21%|███████████████████████▊ | 274/1288 [02:35<08:13, 2.05it/s]
21%|███████████████████████▉ | 275/1288 [02:36<08:30, 1.99it/s]
21%|████████████████████████ | 276/1288 [02:36<08:29, 1.99it/s]
22%|████████████████████████ | 277/1288 [02:37<08:14, 2.05it/s]
22%|████████████████████████▏ | 278/1288 [02:37<08:14, 2.04it/s]
22%|████████████████████████▎ | 279/1288 [02:38<08:26, 1.99it/s]
22%|████████████████████████▎ | 280/1288 [02:38<08:49, 1.91it/s]
{'loss': 6.6842, 'grad_norm': 3.640625, 'learning_rate': 0.09257827532325158, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2621.14, 'epoch': 0.87}
22%|████████████████████████▎ | 280/1288 [02:38<08:49, 1.91it/s]
22%|████████████████████████▍ | 281/1288 [02:39<08:44, 1.92it/s]
22%|████████████████████████▌ | 282/1288 [02:39<08:45, 1.91it/s]
22%|████████████████████████▌ | 283/1288 [02:40<08:42, 1.92it/s]
22%|████████████████████████▋ | 284/1288 [02:40<08:29, 1.97it/s]
22%|████████████████████████▊ | 285/1288 [02:41<08:36, 1.94it/s]
22%|████████████████████████▊ | 286/1288 [02:41<08:43, 1.91it/s]
22%|████████████████████████▉ | 287/1288 [02:42<08:39, 1.93it/s]
22%|█████████████████████████ | 288/1288 [02:42<08:21, 1.99it/s]
22%|█████████████████████████▏ | 289/1288 [02:43<08:13, 2.02it/s]
23%|█████████████████████████▏ | 290/1288 [02:43<08:17, 2.01it/s]
{'loss': 6.4367, 'grad_norm': 3.109375, 'learning_rate': 0.09189154158168292, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2840.79, 'epoch': 0.9}
23%|█████████████████████████▏ | 290/1288 [02:43<08:17, 2.01it/s]
23%|█████████████████████████▎ | 291/1288 [02:44<08:16, 2.01it/s]
23%|█████████████████████████▍ | 292/1288 [02:44<08:06, 2.05it/s]
23%|█████████████████████████▍ | 293/1288 [02:45<08:06, 2.04it/s]
23%|█████████████████████████▌ | 294/1288 [02:45<08:09, 2.03it/s]
23%|█████████████████████████▋ | 295/1288 [02:46<08:22, 1.97it/s]
23%|█████████████████████████▋ | 296/1288 [02:46<08:19, 1.98it/s]
23%|█████████████████████████▊ | 297/1288 [02:47<08:28, 1.95it/s]
23%|█████████████████████████▉ | 298/1288 [02:47<08:19, 1.98it/s]
23%|██████████████████████████ | 299/1288 [02:48<07:54, 2.09it/s]
23%|██████████████████████████ | 300/1288 [02:48<08:03, 2.04it/s]
{'loss': 6.5053, 'grad_norm': 3.6875, 'learning_rate': 0.0911772122675002, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2634.1, 'epoch': 0.93}
23%|██████████████████████████ | 300/1288 [02:48<08:03, 2.04it/s][2025-12-13 20:42:02,557] [INFO] [axolotl.core.trainers.base._save:671] [PID:1121389] Saving model checkpoint to ./out_6_lima/checkpoint-300
23%|██████████████████████████▏ | 301/1288 [02:51<20:04, 1.22s/it]
23%|██████████████████████████▎ | 302/1288 [02:52<16:17, 1.01it/s]
24%|██████████████████████████▎ | 303/1288 [02:52<14:00, 1.17it/s]
24%|██████████████████████████▍ | 304/1288 [02:53<12:27, 1.32it/s]
24%|██████████████████████████▌ | 305/1288 [02:53<11:11, 1.46it/s]
24%|██████████████████████████▌ | 306/1288 [02:54<10:26, 1.57it/s]
24%|██████████████████████████▋ | 307/1288 [02:54<09:05, 1.80it/s]
24%|██████████████████████████▊ | 308/1288 [02:55<08:48, 1.85it/s]
24%|██████████████████████████▊ | 309/1288 [02:55<08:46, 1.86it/s]
24%|██████████████████████████▉ | 310/1288 [02:56<08:42, 1.87it/s]
{'loss': 6.4672, 'grad_norm': 3.171875, 'learning_rate': 0.09043575793694733, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2600.45, 'epoch': 0.96}
24%|██████████████████████████▉ | 310/1288 [02:56<08:42, 1.87it/s]
24%|███████████████████████████ | 311/1288 [02:56<08:24, 1.94it/s]
24%|███████████████████████████▏ | 312/1288 [02:57<08:28, 1.92it/s]
24%|███████████████████████████▏ | 313/1288 [02:57<08:31, 1.91it/s]
24%|███████████████████████████▎ | 314/1288 [02:58<08:23, 1.94it/s]
24%|███████████████████████████▍ | 315/1288 [02:58<08:07, 2.00it/s]
25%|███████████████████████████▍ | 316/1288 [02:59<07:55, 2.04it/s]
25%|███████████████████████████▌ | 317/1288 [02:59<07:55, 2.04it/s]
25%|███████████████████████████▋ | 318/1288 [03:00<07:48, 2.07it/s]
25%|███████████████████████████▋ | 319/1288 [03:00<07:43, 2.09it/s]
25%|███████████████████████████▊ | 320/1288 [03:01<07:31, 2.14it/s]
{'loss': 6.4323, 'grad_norm': 3.625, 'learning_rate': 0.08966766701456176, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2831.85, 'epoch': 0.99}
25%|███████████████████████████▊ | 320/1288 [03:01<07:31, 2.14it/s]
25%|███████████████████████████▉ | 321/1288 [03:01<07:34, 2.13it/s]
25%|████████████████████████████ | 322/1288 [03:02<07:35, 2.12it/s]
25%|████████████████████████████ | 323/1288 [03:02<07:43, 2.08it/s]
25%|████████████████████████████▏ | 324/1288 [03:04<15:00, 1.07it/s]
25%|████████████████████████████▎ | 325/1288 [03:05<12:56, 1.24it/s]
25%|████████████████████████████▎ | 326/1288 [03:05<11:38, 1.38it/s]
25%|████████████████████████████▍ | 327/1288 [03:06<10:32, 1.52it/s]
25%|████████████████████████████▌ | 328/1288 [03:06<09:55, 1.61it/s]
26%|████████████████████████████▌ | 329/1288 [03:07<09:12, 1.74it/s]
26%|████████████████████████████▋ | 330/1288 [03:07<08:39, 1.84it/s]
{'loss': 6.4867, 'grad_norm': 4.0, 'learning_rate': 0.08887344547143032, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2989.61, 'epoch': 1.02}
26%|████████████████████████████▋ | 330/1288 [03:07<08:39, 1.84it/s]
26%|████████████████████████████▊ | 331/1288 [03:07<08:15, 1.93it/s]
26%|████████████████████████████▊ | 332/1288 [03:08<08:12, 1.94it/s]
26%|████████████████████████████▉ | 333/1288 [03:08<07:59, 1.99it/s]
26%|█████████████████████████████ | 334/1288 [03:09<08:09, 1.95it/s]
26%|█████████████████████████████▏ | 335/1288 [03:10<08:15, 1.92it/s]
26%|█████████████████████████████▏ | 336/1288 [03:10<07:48, 2.03it/s]
26%|█████████████████████████████▎ | 337/1288 [03:10<07:39, 2.07it/s]
26%|█████████████████████████████▍ | 338/1288 [03:11<07:43, 2.05it/s]
26%|█████████████████████████████▍ | 339/1288 [03:11<07:46, 2.03it/s]
26%|█████████████████████████████▌ | 340/1288 [03:12<07:44, 2.04it/s]
{'loss': 6.3927, 'grad_norm': 3.9375, 'learning_rate': 0.08805361649188657, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2768.75, 'epoch': 1.05}
26%|█████████████████████████████▌ | 340/1288 [03:12<07:44, 2.04it/s]
26%|█████████████████████████████▋ | 341/1288 [03:12<07:45, 2.03it/s]
27%|█████████████████████████████▋ | 342/1288 [03:13<07:48, 2.02it/s]
27%|█████████████████████████████▊ | 343/1288 [03:13<07:53, 1.99it/s]
27%|█████████████████████████████▉ | 344/1288 [03:14<07:56, 1.98it/s]
27%|██████████████████████████████ | 345/1288 [03:14<07:48, 2.01it/s]
27%|██████████████████████████████ | 346/1288 [03:15<07:42, 2.04it/s]
27%|██████████████████████████████▏ | 347/1288 [03:15<07:54, 1.98it/s]
27%|██████████████████████████████▎ | 348/1288 [03:16<07:43, 2.03it/s]
27%|██████████████████████████████▎ | 349/1288 [03:16<07:48, 2.01it/s]
27%|██████████████████████████████▍ | 350/1288 [03:17<07:48, 2.00it/s]
{'loss': 6.4186, 'grad_norm': 3.28125, 'learning_rate': 0.08720872012886918, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2754.62, 'epoch': 1.08}
27%|██████████████████████████████▍ | 350/1288 [03:17<07:48, 2.00it/s]
27%|██████████████████████████████▌ | 351/1288 [03:17<07:49, 1.99it/s]
27%|██████████████████████████████▌ | 352/1288 [03:18<07:50, 1.99it/s]
27%|██████████████████████████████▋ | 353/1288 [03:18<07:53, 1.97it/s]
27%|██████████████████████████████▊ | 354/1288 [03:19<07:45, 2.01it/s]
28%|██████████████████████████████▊ | 355/1288 [03:19<07:38, 2.03it/s]
28%|██████████████████████████████▉ | 356/1288 [03:20<07:53, 1.97it/s]
28%|███████████████████████████████ | 357/1288 [03:20<07:53, 1.96it/s]
28%|███████████████████████████████▏ | 358/1288 [03:21<08:03, 1.92it/s]
28%|███████████████████████████████▏ | 359/1288 [03:22<08:14, 1.88it/s]
28%|███████████████████████████████▎ | 360/1288 [03:22<07:57, 1.95it/s]
{'loss': 6.371, 'grad_norm': 3.59375, 'learning_rate': 0.08633931294816821, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 3122.51, 'epoch': 1.11}
28%|███████████████████████████████▎ | 360/1288 [03:22<07:57, 1.95it/s]
28%|███████████████████████████████▍ | 361/1288 [03:22<07:24, 2.08it/s]
28%|███████████████████████████████▍ | 362/1288 [03:23<07:40, 2.01it/s]
28%|███████████████████████████████▌ | 363/1288 [03:23<07:44, 1.99it/s]
28%|███████████████████████████████▋ | 364/1288 [03:24<07:36, 2.02it/s]
28%|███████████████████████████████▋ | 365/1288 [03:24<07:32, 2.04it/s]
28%|███████████████████████████████▊ | 366/1288 [03:25<07:34, 2.03it/s]
28%|███████████████████████████████▉ | 367/1288 [03:25<07:29, 2.05it/s]
29%|████████████████████████████████ | 368/1288 [03:26<07:43, 1.98it/s]
29%|████████████████████████████████ | 369/1288 [03:26<07:34, 2.02it/s]
29%|████████████████████████████████▏ | 370/1288 [03:27<07:26, 2.06it/s]
{'loss': 6.4765, 'grad_norm': 3.125, 'learning_rate': 0.08544596766179377, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2779.89, 'epoch': 1.15}
29%|████████████████████████████████▏ | 370/1288 [03:27<07:26, 2.06it/s]
29%|████████████████████████████████▎ | 371/1288 [03:27<07:40, 1.99it/s]
29%|████████████████████████████████▎ | 372/1288 [03:28<07:52, 1.94it/s]
29%|████████████████████████████████▍ | 373/1288 [03:28<07:49, 1.95it/s]
29%|████████████████████████████████▌ | 374/1288 [03:29<07:31, 2.02it/s]
29%|████████████████████████████████▌ | 375/1288 [03:29<07:34, 2.01it/s]
29%|████████████████████████████████▋ | 376/1288 [03:30<07:26, 2.04it/s]
29%|████████████████████████████████▊ | 377/1288 [03:30<07:42, 1.97it/s]
29%|████████████████████████████████▊ | 378/1288 [03:31<07:40, 1.98it/s]
29%|████████████████████████████████▉ | 379/1288 [03:31<07:31, 2.02it/s]
30%|█████████████████████████████████ | 380/1288 [03:32<07:28, 2.02it/s]
{'loss': 6.5867, 'grad_norm': 3.953125, 'learning_rate': 0.08452927275070858, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2866.01, 'epoch': 1.18}
30%|█████████████████████████████████ | 380/1288 [03:32<07:28, 2.02it/s]
30%|█████████████████████████████████▏ | 381/1288 [03:32<07:42, 1.96it/s]
30%|█████████████████████████████████▏ | 382/1288 [03:33<07:33, 2.00it/s]
30%|█████████████████████████████████▎ | 383/1288 [03:33<07:24, 2.04it/s]
30%|█████████████████████████████████▍ | 384/1288 [03:34<07:34, 1.99it/s]
30%|█████████████████████████████████▍ | 385/1288 [03:34<07:40, 1.96it/s]
30%|█████████████████████████████████▌ | 386/1288 [03:35<07:36, 1.97it/s]
30%|█████████████████████████████████▋ | 387/1288 [03:35<07:27, 2.01it/s]
30%|█████████████████████████████████▋ | 388/1288 [03:36<07:39, 1.96it/s]
30%|█████████████████████████████████▊ | 389/1288 [03:37<07:45, 1.93it/s]
30%|█████████████████████████████████▉ | 390/1288 [03:37<07:53, 1.90it/s]
{'loss': 5.9749, 'grad_norm': 3.671875, 'learning_rate': 0.08358983207717285, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2710.22, 'epoch': 1.21}
30%|█████████████████████████████████▉ | 390/1288 [03:37<07:53, 1.90it/s]
30%|██████████████████████████████████ | 391/1288 [03:38<07:47, 1.92it/s]
30%|██████████████████████████████████ | 392/1288 [03:38<07:33, 1.98it/s]
31%|██████████████████████████████████▏ | 393/1288 [03:39<07:41, 1.94it/s]
31%|██████████████████████████████████▎ | 394/1288 [03:39<07:36, 1.96it/s]
31%|██████████████████████████████████▎ | 395/1288 [03:40<07:43, 1.93it/s]
31%|██████████████████████████████████▍ | 396/1288 [03:40<07:36, 1.96it/s]
31%|██████████████████████████████████▌ | 397/1288 [03:41<07:36, 1.95it/s]
31%|██████████████████████████████████▌ | 398/1288 [03:41<07:41, 1.93it/s]
31%|██████████████████████████████████▋ | 399/1288 [03:42<07:37, 1.94it/s]
31%|██████████████████████████████████▊ | 400/1288 [03:42<07:24, 2.00it/s]
{'loss': 6.4844, 'grad_norm': 4.34375, 'learning_rate': 0.082628264486957, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 3085.71, 'epoch': 1.24}
31%|██████████████████████████████████▊ | 400/1288 [03:42<07:24, 2.00it/s][2025-12-13 20:42:56,390] [INFO] [axolotl.core.trainers.base._save:671] [PID:1121389] Saving model checkpoint to ./out_6_lima/checkpoint-400
31%|██████████████████████████████████▊ | 401/1288 [03:45<19:20, 1.31s/it]
31%|██████████████████████████████████▉ | 402/1288 [03:46<15:46, 1.07s/it]
31%|███████████████████████████████████ | 403/1288 [03:46<13:26, 1.10it/s]
31%|███████████████████████████████████▏ | 404/1288 [03:47<11:27, 1.29it/s]
31%|███████████████████████████████████▏ | 405/1288 [03:47<10:07, 1.45it/s]
32%|███████████████████████████████████▎ | 406/1288 [03:48<08:56, 1.64it/s]
32%|███████████████████████████████████▍ | 407/1288 [03:48<08:38, 1.70it/s]
32%|███████████████████████████████████▍ | 408/1288 [03:49<07:31, 1.95it/s]
32%|███████████████████████████████████▌ | 409/1288 [03:49<07:28, 1.96it/s]
32%|███████████████████████████████████▋ | 410/1288 [03:50<07:27, 1.96it/s]
{'loss': 6.5087, 'grad_norm': 2.921875, 'learning_rate': 0.08164520340168403, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2511.25, 'epoch': 1.27}
32%|███████████████████████████████████▋ | 410/1288 [03:50<07:27, 1.96it/s]
32%|███████████████████████████████████▋ | 411/1288 [03:50<07:20, 1.99it/s]
32%|███████████████████████████████████▊ | 412/1288 [03:51<07:05, 2.06it/s]
32%|███████████████████████████████████▉ | 413/1288 [03:51<07:11, 2.03it/s]
32%|████████████████████████████████████ | 414/1288 [03:52<06:57, 2.09it/s]
32%|████████████████████████████████████ | 415/1288 [03:52<06:59, 2.08it/s]
32%|████████████████████████████████████▏ | 416/1288 [03:53<07:05, 2.05it/s]
32%|████████████████████████████████████▎ | 417/1288 [03:53<07:11, 2.02it/s]
32%|████████████████████████████████████▎ | 418/1288 [03:54<07:04, 2.05it/s]
33%|████████████████████████████████████▍ | 419/1288 [03:54<07:02, 2.06it/s]
33%|████████████████████████████████████▌ | 420/1288 [03:54<06:59, 2.07it/s]
{'loss': 6.4753, 'grad_norm': 3.296875, 'learning_rate': 0.08064129640157033, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2577.32, 'epoch': 1.3}
33%|████████████████████████████████████▌ | 420/1288 [03:54<06:59, 2.07it/s]
33%|████████████████████████████████████▌ | 421/1288 [03:55<07:06, 2.03it/s]
33%|████████████████████████████████████▋ | 422/1288 [03:55<07:01, 2.05it/s]
33%|████████████████████████████████████▊ | 423/1288 [03:56<07:21, 1.96it/s]
33%|████████████████████████████████████▊ | 424/1288 [03:57<07:18, 1.97it/s]
33%|████████████████████████████████████▉ | 425/1288 [03:57<07:11, 2.00it/s]
33%|█████████████████████████████████████ | 426/1288 [03:57<07:02, 2.04it/s]
33%|█████████████████████████████████████▏ | 427/1288 [03:58<06:58, 2.06it/s]
33%|█████████████████████████████████████▏ | 428/1288 [03:58<06:56, 2.07it/s]
33%|█████████████████████████████████████▎ | 429/1288 [03:59<07:08, 2.00it/s]
33%|█████████████████████████████████████▍ | 430/1288 [04:00<07:20, 1.95it/s]
{'loss': 6.4225, 'grad_norm': 3.65625, 'learning_rate': 0.07961720479883966, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2557.22, 'epoch': 1.33}
33%|█████████████████████████████████████▍ | 430/1288 [04:00<07:20, 1.95it/s]
33%|█████████████████████████████████████▍ | 431/1288 [04:00<06:59, 2.04it/s]
34%|█████████████████████████████████████▌ | 432/1288 [04:00<06:54, 2.06it/s]
34%|█████████████████████████████████████▋ | 433/1288 [04:01<06:50, 2.08it/s]
34%|█████████████████████████████████████▋ | 434/1288 [04:01<07:05, 2.01it/s]
34%|█████████████████████████████████████▊ | 435/1288 [04:02<06:59, 2.03it/s]
34%|█████████████████████████████████████▉ | 436/1288 [04:02<07:05, 2.00it/s]
34%|██████████████████████████████████████ | 437/1288 [04:03<06:55, 2.05it/s]
34%|██████████████████████████████████████ | 438/1288 [04:03<06:48, 2.08it/s]
34%|██████████████████████████████████████▏ | 439/1288 [04:04<06:47, 2.09it/s]
34%|██████████████████████████████████████▎ | 440/1288 [04:04<06:57, 2.03it/s]
{'loss': 6.4401, 'grad_norm': 3.828125, 'learning_rate': 0.07857360320209125, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2451.93, 'epoch': 1.36}
34%|██████████████████████████████████████▎ | 440/1288 [04:04<06:57, 2.03it/s]
34%|██████████████████████████████████████▎ | 441/1288 [04:05<06:54, 2.04it/s]
34%|██████████████████████████████████████▍ | 442/1288 [04:05<06:58, 2.02it/s]
34%|██████████████████████████████████████▌ | 443/1288 [04:06<06:53, 2.05it/s]
34%|██████████████████████████████████████▌ | 444/1288 [04:06<06:54, 2.04it/s]
35%|██████████████████████████████████████▋ | 445/1288 [04:07<07:06, 1.98it/s]
35%|██████████████████████████████████████▊ | 446/1288 [04:07<07:09, 1.96it/s]
35%|██████████████████████████████████████▊ | 447/1288 [04:08<07:19, 1.91it/s]
35%|██████████████████████████████████████▉ | 448/1288 [04:08<07:20, 1.91it/s]
35%|███████████████████████████████████████ | 449/1288 [04:09<07:19, 1.91it/s]
35%|███████████████████████████████████████▏ | 450/1288 [04:09<07:07, 1.96it/s]
{'loss': 6.464, 'grad_norm': 2.96875, 'learning_rate': 0.07751117907190919, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2964.67, 'epoch': 1.39}
35%|███████████████████████████████████████▏ | 450/1288 [04:09<07:07, 1.96it/s]
35%|███████████████████████████████████████▏ | 451/1288 [04:10<06:59, 2.00it/s]
35%|███████████████████████████████████████▎ | 452/1288 [04:10<06:48, 2.05it/s]
35%|███████████████████████████████████████▍ | 453/1288 [04:11<06:55, 2.01it/s]
35%|███████████████████████████████████████▍ | 454/1288 [04:11<06:57, 2.00it/s]
35%|███████████████████████████████████████▌ | 455/1288 [04:12<07:04, 1.96it/s]
35%|███████████████████████████████████████▋ | 456/1288 [04:12<07:04, 1.96it/s]
35%|███████████████████████████████████████▋ | 457/1288 [04:13<07:09, 1.93it/s]
36%|███████████████████████████████████████▊ | 458/1288 [04:13<07:05, 1.95it/s]
36%|███████████████████████████████████████▉ | 459/1288 [04:14<06:45, 2.05it/s]
36%|████████████████████████████████████████ | 460/1288 [04:14<06:42, 2.06it/s]
{'loss': 6.3442, 'grad_norm': 2.984375, 'learning_rate': 0.07643063226800556, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2760.04, 'epoch': 1.42}
36%|████████████████████████████████████████ | 460/1288 [04:14<06:42, 2.06it/s]
36%|████████████████████████████████████████ | 461/1288 [04:15<06:37, 2.08it/s]
36%|████████████████████████████████████████▏ | 462/1288 [04:15<06:44, 2.04it/s]
36%|████████████████████████████████████████▎ | 463/1288 [04:16<06:55, 1.99it/s]
36%|████████████████████████████████████████▎ | 464/1288 [04:16<06:55, 1.98it/s]
36%|████████████████████████████████████████▍ | 465/1288 [04:17<06:55, 1.98it/s]
36%|████████████████████████████████████████▌ | 466/1288 [04:17<06:47, 2.02it/s]
36%|████████████████████████████████████████▌ | 467/1288 [04:18<07:00, 1.95it/s]
36%|████████████████████████████████████████▋ | 468/1288 [04:18<06:51, 1.99it/s]
36%|████████████████████████████████████████▊ | 469/1288 [04:19<06:58, 1.96it/s]
36%|████████████████████████████████████████▊ | 470/1288 [04:19<06:55, 1.97it/s]
{'loss': 6.4986, 'grad_norm': 2.96875, 'learning_rate': 0.07533267458819598, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2793.22, 'epoch': 1.46}
36%|████████████████████████████████████████▊ | 470/1288 [04:19<06:55, 1.97it/s]
37%|████████████████████████████████████████▉ | 471/1288 [04:20<06:53, 1.98it/s]
37%|█████████████████████████████████████████ | 472/1288 [04:20<06:45, 2.01it/s]
37%|█████████████████████████████████████████▏ | 473/1288 [04:21<06:48, 2.00it/s]
37%|█████████████████████████████████████████▏ | 474/1288 [04:21<06:41, 2.03it/s]
37%|█████████████████████████████████████████▎ | 475/1288 [04:22<06:50, 1.98it/s]
37%|█████████████████████████████████████████▍ | 476/1288 [04:22<06:40, 2.03it/s]
37%|█████████████████████████████████████████▍ | 477/1288 [04:23<06:43, 2.01it/s]
37%|█████████████████████████████████████████▌ | 478/1288 [04:23<06:45, 2.00it/s]
37%|█████████████████████████████████████████▋ | 479/1288 [04:24<06:49, 1.98it/s]
37%|█████████████████████████████████████████▋ | 480/1288 [04:24<06:48, 1.98it/s]
{'loss': 6.3065, 'grad_norm': 2.84375, 'learning_rate': 0.07421802929951088, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2766.29, 'epoch': 1.49}
37%|█████████████████████████████████████████▋ | 480/1288 [04:24<06:48, 1.98it/s]
37%|█████████████████████████████████████████▊ | 481/1288 [04:25<06:55, 1.94it/s]
37%|█████████████████████████████████████████▉ | 482/1288 [04:26<06:56, 1.94it/s]
38%|██████████████████████████████████████████ | 483/1288 [04:26<07:00, 1.91it/s]
38%|██████████████████████████████████████████ | 484/1288 [04:27<07:09, 1.87it/s]
38%|██████████████████████████████████████████▏ | 485/1288 [04:27<06:54, 1.94it/s]
38%|██████████████████████████████████████████▎ | 486/1288 [04:28<06:54, 1.94it/s]
38%|██████████████████████████████████████████▎ | 487/1288 [04:28<06:57, 1.92it/s]
38%|██████████████████████████████████████████▍ | 488/1288 [04:29<06:45, 1.97it/s]
38%|██████████████████████████████████████████▌ | 489/1288 [04:29<06:47, 1.96it/s]
38%|██████████████████████████████████████████▌ | 490/1288 [04:30<06:39, 2.00it/s]
{'loss': 6.3311, 'grad_norm': 3.109375, 'learning_rate': 0.0730874306617517, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 3121.39, 'epoch': 1.52}
38%|██████████████████████████████████████████▌ | 490/1288 [04:30<06:39, 2.00it/s]
38%|██████████████████████████████████████████▋ | 491/1288 [04:30<06:51, 1.94it/s]
38%|██████████████████████████████████████████▊ | 492/1288 [04:31<06:39, 1.99it/s]
38%|██████████████████████████████████████████▊ | 493/1288 [04:31<06:48, 1.95it/s]
38%|██████████████████████████████████████████▉ | 494/1288 [04:32<07:01, 1.88it/s]
38%|███████████████████████████████████████████ | 495/1288 [04:32<07:04, 1.87it/s]
39%|███████████████████████████████████████████▏ | 496/1288 [04:33<06:55, 1.91it/s]
39%|███████████████████████████████████████████▏ | 497/1288 [04:33<06:50, 1.93it/s]
39%|███████████████████████████████████████████▎ | 498/1288 [04:34<06:56, 1.90it/s]
39%|███████████████████████████████████████████▍ | 499/1288 [04:34<06:50, 1.92it/s]
39%|███████████████████████████████████████████▍ | 500/1288 [04:35<06:44, 1.95it/s]
{'loss': 6.2641, 'grad_norm': 4.1875, 'learning_rate': 0.0719416234438056, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 3107.7, 'epoch': 1.55}
39%|███████████████████████████████████████████▍ | 500/1288 [04:35<06:44, 1.95it/s][2025-12-13 20:43:49,088] [INFO] [axolotl.core.trainers.base._save:671] [PID:1121389] Saving model checkpoint to ./out_6_lima/checkpoint-500
39%|███████████████████████████████████████████▌ | 501/1288 [04:38<17:37, 1.34s/it]
39%|███████████████████████████████████████████▋ | 502/1288 [04:39<14:18, 1.09s/it]
39%|███████████████████████████████████████████▋ | 503/1288 [04:39<12:09, 1.08it/s]
39%|███████████████████████████████████████████▊ | 504/1288 [04:40<10:26, 1.25it/s]
39%|███████████████████████████████████████████▉ | 505/1288 [04:40<09:23, 1.39it/s]
39%|████████████████████████████████████████████ | 506/1288 [04:41<08:39, 1.51it/s]
39%|████████████████████████████████████████████ | 507/1288 [04:41<07:52, 1.65it/s]
39%|████████████████████████████████████████████▏ | 508/1288 [04:42<07:23, 1.76it/s]
40%|████████████████████████████████████████████▎ | 509/1288 [04:42<07:16, 1.78it/s]
40%|████████████████████████████████████████████▎ | 510/1288 [04:43<06:56, 1.87it/s]
{'loss': 6.3479, 'grad_norm': 3.15625, 'learning_rate': 0.07078136243303754, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 3030.94, 'epoch': 1.58}
40%|████████████████████████████████████████████▎ | 510/1288 [04:43<06:56, 1.87it/s]
40%|████████████████████████████████████████████▍ | 511/1288 [04:43<06:51, 1.89it/s]
40%|████████████████████████████████████████████▌ | 512/1288 [04:44<06:55, 1.87it/s]
40%|████████████████████████████████████████████▌ | 513/1288 [04:44<06:41, 1.93it/s]
40%|████████████████████████████████████████████▋ | 514/1288 [04:45<06:45, 1.91it/s]
40%|████████████████████████████████████████████▊ | 515/1288 [04:45<06:33, 1.97it/s]
40%|████████████████████████████████████████████▊ | 516/1288 [04:46<06:23, 2.01it/s]
40%|████████████████████████████████████████████▉ | 517/1288 [04:46<06:23, 2.01it/s]
40%|█████████████████████████████████████████████ | 518/1288 [04:47<06:32, 1.96it/s]
40%|█████████████████████████████████████████████▏ | 519/1288 [04:47<06:28, 1.98it/s]
40%|█████████████████████████████████████████████▏ | 520/1288 [04:48<06:19, 2.02it/s]
{'loss': 6.3151, 'grad_norm': 3.078125, 'learning_rate': 0.06960741193808273, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2984.92, 'epoch': 1.61}
40%|█████████████████████████████████████████████▏ | 520/1288 [04:48<06:19, 2.02it/s]
40%|█████████████████████████████████████████████▎ | 521/1288 [04:48<06:23, 2.00it/s]
41%|█████████████████████████████████████████████▍ | 522/1288 [04:49<06:20, 2.01it/s]
41%|█████████████████████████████████████████████▍ | 523/1288 [04:49<06:15, 2.04it/s]
41%|█████████████████████████████████████████████▌ | 524/1288 [04:50<06:09, 2.07it/s]
41%|█████████████████████████████████████████████▋ | 525/1288 [04:50<06:07, 2.08it/s]
41%|█████████████████████████████████████████████▋ | 526/1288 [04:51<06:04, 2.09it/s]
41%|█████████████████████████████████████████████▊ | 527/1288 [04:51<06:17, 2.01it/s]
41%|█████████████████████████████████████████████▉ | 528/1288 [04:52<06:10, 2.05it/s]
41%|██████████████████████████████████████████████ | 529/1288 [04:52<06:15, 2.02it/s]
41%|██████████████████████████████████████████████ | 530/1288 [04:52<05:36, 2.25it/s]
{'loss': 6.4469, 'grad_norm': 8.875, 'learning_rate': 0.06842054528536716, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 3648.13, 'epoch': 1.64}
41%|██████████████████████████████████████████████ | 530/1288 [04:52<05:36, 2.25it/s]
41%|██████████████████████████████████████████████▏ | 531/1288 [04:53<05:49, 2.17it/s]
41%|██████████████████████████████████████████████▎ | 532/1288 [04:53<05:48, 2.17it/s]
41%|██████████████████████████████████████████████▎ | 533/1288 [04:54<06:03, 2.08it/s]
41%|██████████████████████████████████████████████▍ | 534/1288 [04:55<06:17, 2.00it/s]
42%|██████████████████████████████████████████████▌ | 535/1288 [04:55<06:20, 1.98it/s]
42%|██████████████████████████████████████████████▌ | 536/1288 [04:56<06:13, 2.01it/s]
42%|██████████████████████████████████████████████▋ | 537/1288 [04:56<06:23, 1.96it/s]
42%|██████████████████████████████████████████████▊ | 538/1288 [04:57<06:13, 2.01it/s]
42%|██████████████████████████████████████████████▊ | 539/1288 [04:57<06:12, 2.01it/s]
42%|██████████████████████████████████████████████▉ | 540/1288 [04:58<06:07, 2.03it/s]
{'loss': 6.6141, 'grad_norm': 2.765625, 'learning_rate': 0.06722154430968755, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2837.68, 'epoch': 1.67}
42%|██████████████████████████████████████████████▉ | 540/1288 [04:58<06:07, 2.03it/s]
42%|███████████████████████████████████████████████ | 541/1288 [04:58<06:09, 2.02it/s]
42%|███████████████████████████████████████████████▏ | 542/1288 [04:59<06:21, 1.96it/s]
42%|███████████████████████████████████████████████▏ | 543/1288 [04:59<06:33, 1.89it/s]
42%|███████████████████████████████████████████████▎ | 544/1288 [05:00<06:27, 1.92it/s]
42%|███████████████████████████████████████████████▍ | 545/1288 [05:00<06:33, 1.89it/s]
42%|███████████████████████████████████████████████▍ | 546/1288 [05:01<06:34, 1.88it/s]
42%|███████████████████████████████████████████████▌ | 547/1288 [05:01<06:35, 1.88it/s]
43%|███████████████████████████████████████████████▋ | 548/1288 [05:02<06:34, 1.87it/s]
43%|███████████████████████████████████████████████▋ | 549/1288 [05:02<06:28, 1.90it/s]
43%|███████████████████████████████████████████████▊ | 550/1288 [05:03<06:32, 1.88it/s]
{'loss': 6.1934, 'grad_norm': 4.0625, 'learning_rate': 0.06601119883918677, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2895.51, 'epoch': 1.7}
43%|███████████████████████████████████████████████▊ | 550/1288 [05:03<06:32, 1.88it/s]
43%|███████████████████████████████████████████████▉ | 551/1288 [05:03<06:21, 1.93it/s]
43%|████████████████████████████████████████████████ | 552/1288 [05:04<06:18, 1.94it/s]
43%|████████████████████████████████████████████████ | 553/1288 [05:04<06:11, 1.98it/s]
43%|████████████████████████████████████████████████▏ | 554/1288 [05:05<06:08, 1.99it/s]
43%|████████████████████████████████████████████████▎ | 555/1288 [05:05<06:15, 1.95it/s]
43%|████████████████████████████████████████████████▎ | 556/1288 [05:06<06:12, 1.96it/s]
43%|████████████████████████████████████████████████▍ | 557/1288 [05:06<06:03, 2.01it/s]
43%|████████████████████████████████████████████████▌ | 558/1288 [05:07<06:11, 1.96it/s]
43%|████████████████████████████████████████████████▌ | 559/1288 [05:07<06:11, 1.96it/s]
43%|████████████████████████████████████████████████▋ | 560/1288 [05:08<06:15, 1.94it/s]
{'loss': 6.5664, 'grad_norm': 6.75, 'learning_rate': 0.06479030617506353, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2552.3, 'epoch': 1.73}
43%|████████████████████████████████████████████████▋ | 560/1288 [05:08<06:15, 1.94it/s]
44%|████████████████████████████████████████████████▊ | 561/1288 [05:08<05:56, 2.04it/s]
44%|████████████████████████████████████████████████▊ | 562/1288 [05:09<05:50, 2.07it/s]
44%|████████████████████████████████████████████████▉ | 563/1288 [05:09<05:57, 2.03it/s]
44%|█████████████████████████████████████████████████ | 564/1288 [05:10<06:01, 2.00it/s]
44%|█████████████████████████████████████████████████▏ | 565/1288 [05:10<06:03, 1.99it/s]
44%|█████████████████████████████████████████████████▏ | 566/1288 [05:11<05:57, 2.02it/s]
44%|█████████████████████████████████████████████████▎ | 567/1288 [05:11<06:05, 1.97it/s]
44%|█████████████████████████████████████████████████▍ | 568/1288 [05:12<06:11, 1.94it/s]
44%|█████████████████████████████████████████████████▍ | 569/1288 [05:12<06:17, 1.90it/s]
44%|█████████████████████████████████████████████████▌ | 570/1288 [05:13<06:12, 1.93it/s]
{'loss': 6.2367, 'grad_norm': 2.625, 'learning_rate': 0.0635596705663594, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2747.54, 'epoch': 1.76}
44%|█████████████████████████████████████████████████▌ | 570/1288 [05:13<06:12, 1.93it/s]
44%|█████████████████████████████████████████████████▋ | 571/1288 [05:13<06:07, 1.95it/s]
44%|█████████████████████████████████████████████████▋ | 572/1288 [05:14<05:59, 1.99it/s]
44%|█████████████████████████████████████████████████▊ | 573/1288 [05:14<06:10, 1.93it/s]
45%|█████████████████████████████████████████████████▉ | 574/1288 [05:15<05:59, 1.99it/s]
45%|██████████████████████████████████████████████████ | 575/1288 [05:15<06:06, 1.94it/s]
45%|██████████████████████████████████████████████████ | 576/1288 [05:16<05:59, 1.98it/s]
45%|██████████████████████████████████████████████████▏ | 577/1288 [05:16<06:07, 1.93it/s]
45%|██████████████████████████████████████████████████▎ | 578/1288 [05:17<06:04, 1.95it/s]
45%|██████████████████████████████████████████████████▎ | 579/1288 [05:17<05:55, 1.99it/s]
45%|██████████████████████████████████████████████████▍ | 580/1288 [05:18<05:53, 2.00it/s]
{'loss': 6.686, 'grad_norm': 3.875, 'learning_rate': 0.062320102680168944, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2769.21, 'epoch': 1.8}
45%|██████████████████████████████████████████████████▍ | 580/1288 [05:18<05:53, 2.00it/s]
45%|██████████████████████████████████████████████████▌ | 581/1288 [05:18<05:55, 1.99it/s]
45%|██████████████████████████████████████████████████▌ | 582/1288 [05:19<05:53, 2.00it/s]
45%|██████████████████████████████████████████████████▋ | 583/1288 [05:19<05:48, 2.02it/s]
45%|██████████████████████████████████████████████████▊ | 584/1288 [05:20<05:57, 1.97it/s]
45%|██████████████████████████████████████████████████▊ | 585/1288 [05:20<05:50, 2.00it/s]
45%|██████████████████████████████████████████████████▉ | 586/1288 [05:21<05:43, 2.05it/s]
46%|███████████████████████████████████████████████████ | 587/1288 [05:21<05:40, 2.06it/s]
46%|███████████████████████████████████████████████████▏ | 588/1288 [05:22<05:50, 2.00it/s]
46%|███████████████████████████████████████████████████▏ | 589/1288 [05:23<05:59, 1.94it/s]
46%|███████████████████████████████████████████████████▎ | 590/1288 [05:23<06:06, 1.91it/s]
{'loss': 6.1809, 'grad_norm': 4.21875, 'learning_rate': 0.06107241906762215, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2668.32, 'epoch': 1.83}
46%|███████████████████████████████████████████████████▎ | 590/1288 [05:23<06:06, 1.91it/s]
46%|███████████████████████████████████████████████████▍ | 591/1288 [05:24<05:55, 1.96it/s]
46%|███████████████████████████████████████████████████▍ | 592/1288 [05:24<05:52, 1.98it/s]
46%|███████████████████████████████████████████████████▌ | 593/1288 [05:25<05:53, 1.97it/s]
46%|███████████████████████████████████████████████████▋ | 594/1288 [05:25<05:45, 2.01it/s]
46%|███████████████████████████████████████████████████▋ | 595/1288 [05:25<05:41, 2.03it/s]
46%|███████████████████████████████████████████████████▊ | 596/1288 [05:26<05:19, 2.16it/s]
46%|███████████████████████████████████████████████████▉ | 597/1288 [05:26<05:28, 2.11it/s]
46%|████████████████████████████████████████████████████ | 598/1288 [05:27<05:28, 2.10it/s]
47%|████████████████████████████████████████████████████ | 599/1288 [05:27<05:33, 2.07it/s]
47%|████████████████████████████████████████████████████▏ | 600/1288 [05:28<05:37, 2.04it/s]
{'loss': 6.5976, 'grad_norm': 3.578125, 'learning_rate': 0.059817441625990564, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2375.01, 'epoch': 1.86}
47%|████████████████████████████████████████████████████▏ | 600/1288 [05:28<05:37, 2.04it/s][2025-12-13 20:44:42,105] [INFO] [axolotl.core.trainers.base._save:671] [PID:1121389] Saving model checkpoint to ./out_6_lima/checkpoint-600
47%|████████████████████████████████████████████████████▎ | 601/1288 [05:31<15:27, 1.35s/it]
47%|████████████████████████████████████████████████████▎ | 602/1288 [05:32<12:31, 1.10s/it]
47%|████████████████████████████████████████████████████▍ | 603/1288 [05:32<10:36, 1.08it/s]
47%|████████████████████████████████████████████████████▌ | 604/1288 [05:33<09:20, 1.22it/s]
47%|████████████████████████████████████████████████████▌ | 605/1288 [05:33<08:18, 1.37it/s]
47%|████████████████████████████████████████████████████▋ | 606/1288 [05:34<07:40, 1.48it/s]
47%|████████████████████████████████████████████████████▊ | 607/1288 [05:34<07:05, 1.60it/s]
47%|████████████████████████████████████████████████████▊ | 608/1288 [05:35<06:39, 1.70it/s]
47%|████████████████████████████████████████████████████▉ | 609/1288 [05:35<06:15, 1.81it/s]
47%|█████████████████████████████████████████████████████ | 610/1288 [05:36<06:08, 1.84it/s]
{'loss': 6.3878, 'grad_norm': 3.015625, 'learning_rate': 0.058555997057272116, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2894.95, 'epoch': 1.89}
47%|█████████████████████████████████████████████████████ | 610/1288 [05:36<06:08, 1.84it/s]
47%|█████████████████████████████████████████████████████▏ | 611/1288 [05:36<06:01, 1.87it/s]
48%|█████████████████████████████████████████████████████▏ | 612/1288 [05:37<05:54, 1.91it/s]
48%|█████████████████████████████████████████████████████▎ | 613/1288 [05:37<05:51, 1.92it/s]
48%|█████████████████████████████████████████████████████▍ | 614/1288 [05:38<05:48, 1.93it/s]
48%|█████████████████████████████████████████████████████▍ | 615/1288 [05:38<05:52, 1.91it/s]
48%|█████████████████████████████████████████████████████▌ | 616/1288 [05:39<05:48, 1.93it/s]
48%|█████████████████████████████████████████████████████▋ | 617/1288 [05:40<05:52, 1.90it/s]
48%|█████████████████████████████████████████████████████▋ | 618/1288 [05:40<05:41, 1.96it/s]
48%|█████████████████████████████████████████████████████▊ | 619/1288 [05:40<05:32, 2.01it/s]
48%|█████████████████████████████████████████████████████▉ | 620/1288 [05:41<05:26, 2.05it/s]
{'loss': 6.307, 'grad_norm': 3.171875, 'learning_rate': 0.05728891632361043, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2924.97, 'epoch': 1.92}
48%|█████████████████████████████████████████████████████▉ | 620/1288 [05:41<05:26, 2.05it/s]
48%|██████████████████████████████████████████████████████ | 621/1288 [05:41<05:23, 2.06it/s]
48%|██████████████████████████████████████████████████████ | 622/1288 [05:42<05:33, 2.00it/s]
48%|██████████████████████████████████████████████████████▏ | 623/1288 [05:42<05:36, 1.98it/s]
48%|██████████████████████████████████████████████████████▎ | 624/1288 [05:43<05:16, 2.10it/s]
49%|██████████████████████████████████████████████████████▎ | 625/1288 [05:43<05:23, 2.05it/s]
49%|██████████████████████████████████████████████████████▍ | 626/1288 [05:44<05:18, 2.08it/s]
49%|██████████████████████████████████████████████████████▌ | 627/1288 [05:44<05:31, 2.00it/s]
49%|██████████████████████████████████████████████████████▌ | 628/1288 [05:45<05:31, 1.99it/s]
49%|██████████████████████████████████████████████████████▋ | 629/1288 [05:45<05:31, 1.99it/s]
49%|██████████████████████████████████████████████████████▊ | 630/1288 [05:46<05:38, 1.94it/s]
{'loss': 6.3297, 'grad_norm': 3.328125, 'learning_rate': 0.05601703409990824, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2534.47, 'epoch': 1.95}
49%|██████████████████████████████████████████████████████▊ | 630/1288 [05:46<05:38, 1.94it/s]
49%|██████████████████████████████████████████████████████▊ | 631/1288 [05:46<05:37, 1.95it/s]
49%|██████████████████████████████████████████████████████▉ | 632/1288 [05:47<05:29, 1.99it/s]
49%|███████████████████████████████████████████████████████ | 633/1288 [05:47<05:24, 2.02it/s]
49%|███████████████████████████████████████████████████████▏ | 634/1288 [05:48<05:20, 2.04it/s]
49%|███████████████████████████████████████████████████████▏ | 635/1288 [05:48<05:35, 1.95it/s]
49%|███████████████████████████████████████████████████████▎ | 636/1288 [05:49<05:27, 1.99it/s]
49%|███████████████████████████████████████████████████████▍ | 637/1288 [05:49<05:22, 2.02it/s]
50%|███████████████████████████████████████████████████████▍ | 638/1288 [05:50<05:26, 1.99it/s]
50%|███████████████████████████████████████████████████████▌ | 639/1288 [05:50<05:14, 2.06it/s]
50%|███████████████████████████████████████████████████████▋ | 640/1288 [05:51<05:25, 1.99it/s]
{'loss': 6.5449, 'grad_norm': 3.15625, 'learning_rate': 0.054741188223994756, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2444.72, 'epoch': 1.98}
50%|███████████████████████████████████████████████████████▋ | 640/1288 [05:51<05:25, 1.99it/s]
50%|███████████████████████████████████████████████████████▋ | 641/1288 [05:51<05:19, 2.02it/s]
50%|███████████████████████████████████████████████████████▊ | 642/1288 [05:52<05:29, 1.96it/s]
50%|███████████████████████████████████████████████████████▉ | 643/1288 [05:53<05:39, 1.90it/s]
50%|████████████████████████████████████████████████████████ | 644/1288 [05:53<05:34, 1.92it/s]
50%|████████████████████████████████████████████████████████ | 645/1288 [05:53<05:24, 1.98it/s]
50%|████████████████████████████████████████████████████████▏ | 646/1288 [05:54<05:15, 2.03it/s]
50%|████████████████████████████████████████████████████████▎ | 647/1288 [05:56<08:41, 1.23it/s]
50%|████████████████████████████████████████████████████████▎ | 648/1288 [05:56<07:43, 1.38it/s]
50%|████████████████████████████████████████████████████████▍ | 649/1288 [05:57<07:05, 1.50it/s]
50%|████████████████████████████████████████████████████████▌ | 650/1288 [05:57<06:28, 1.64it/s]
{'loss': 6.3549, 'grad_norm': 3.875, 'learning_rate': 0.05346221914470959, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2934.56, 'epoch': 2.01}
50%|████████████████████████████████████████████████████████▌ | 650/1288 [05:57<06:28, 1.64it/s]
51%|████████████████████████████████████████████████████████▌ | 651/1288 [05:58<06:02, 1.76it/s]
51%|████████████████████████████████████████████████████████▋ | 652/1288 [05:58<05:55, 1.79it/s]
51%|████████████████████████████████████████████████████████▊ | 653/1288 [05:59<05:53, 1.80it/s]
51%|████████████████████████████████████████████████████████▊ | 654/1288 [05:59<05:37, 1.88it/s]
51%|████████████████████████████████████████████████████████▉ | 655/1288 [06:00<05:18, 1.99it/s]
51%|█████████████████████████████████████████████████████████ | 656/1288 [06:00<05:13, 2.02it/s]
51%|█████████████████████████████████████████████████████████▏ | 657/1288 [06:01<05:16, 1.99it/s]
51%|█████████████████████████████████████████████████████████▏ | 658/1288 [06:01<05:28, 1.92it/s]
51%|█████████████████████████████████████████████████████████▎ | 659/1288 [06:02<05:25, 1.93it/s]
51%|█████████████████████████████████████████████████████████▍ | 660/1288 [06:02<05:30, 1.90it/s]
{'loss': 6.2473, 'grad_norm': 3.890625, 'learning_rate': 0.05218096936826681, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2664.64, 'epoch': 2.04}
51%|█████████████████████████████████████████████████████████▍ | 660/1288 [06:02<05:30, 1.90it/s]
51%|█████████████████████████████████████████████████████████▍ | 661/1288 [06:03<05:20, 1.96it/s]
51%|█████████████████████████████████████████████████████████▌ | 662/1288 [06:03<05:24, 1.93it/s]
51%|█████████████████████████████████████████████████████████▋ | 663/1288 [06:04<05:22, 1.94it/s]
52%|█████████████████████████████████████████████████████████▋ | 664/1288 [06:04<05:17, 1.97it/s]
52%|█████████████████████████████████████████████████████████▊ | 665/1288 [06:05<05:23, 1.93it/s]
52%|█████████████████████████████████████████████████████████▉ | 666/1288 [06:05<05:28, 1.90it/s]
52%|██████████████████████████████████████████████████████████ | 667/1288 [06:06<05:12, 1.99it/s]
52%|██████████████████████████████████████████████████████████ | 668/1288 [06:06<05:01, 2.06it/s]
52%|██████████████████████████████████████████████████████████▏ | 669/1288 [06:07<04:59, 2.07it/s]
52%|██████████████████████████████████████████████████████████▎ | 670/1288 [06:07<04:57, 2.08it/s]
{'loss': 6.3402, 'grad_norm': 3.015625, 'learning_rate': 0.050898282903263536, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2834.09, 'epoch': 2.07}
52%|██████████████████████████████████████████████████████████▎ | 670/1288 [06:07<04:57, 2.08it/s]
52%|██████████████████████████████████████████████████████████▎ | 671/1288 [06:08<05:00, 2.05it/s]
52%|██████████████████████████████████████████████████████████▍ | 672/1288 [06:08<05:12, 1.97it/s]
52%|██████████████████████████████████████████████████████████▌ | 673/1288 [06:09<05:10, 1.98it/s]
52%|██████████████████████████████████████████████████████████▌ | 674/1288 [06:09<05:13, 1.96it/s]
52%|██████████████████████████████████████████████████████████▋ | 675/1288 [06:10<05:13, 1.95it/s]
52%|██████████████████████████████████████████████████████████▊ | 676/1288 [06:10<05:13, 1.95it/s]
53%|██████████████████████████████████████████████████████████▊ | 677/1288 [06:11<05:05, 2.00it/s]
53%|██████████████████████████████████████████████████████████▉ | 678/1288 [06:11<05:07, 1.98it/s]
53%|███████████████████████████████████████████████████████████ | 679/1288 [06:12<05:09, 1.97it/s]
53%|███████████████████████████████████████████████████████████▏ | 680/1288 [06:12<05:15, 1.93it/s]
{'loss': 6.3827, 'grad_norm': 3.09375, 'learning_rate': 0.049615004704699074, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2670.66, 'epoch': 2.11}
53%|███████████████████████████████████████████████████████████▏ | 680/1288 [06:12<05:15, 1.93it/s]
53%|███████████████████████████████████████████████████████████▏ | 681/1288 [06:13<05:25, 1.87it/s]
53%|███████████████████████████████████████████████████████████▎ | 682/1288 [06:13<05:13, 1.93it/s]
53%|███████████████████████████████████████████████████████████▍ | 683/1288 [06:14<05:22, 1.88it/s]
53%|███████████████████████████████████████████████████████████▍ | 684/1288 [06:14<05:24, 1.86it/s]
53%|███████████████████████████████████████████████████████████▌ | 685/1288 [06:15<05:19, 1.89it/s]
53%|███████████████████████████████████████████████████████████▋ | 686/1288 [06:15<05:10, 1.94it/s]
53%|███████████████████████████████████████████████████████████▋ | 687/1288 [06:16<05:08, 1.95it/s]
53%|███████████████████████████████████████████████████████████▊ | 688/1288 [06:16<05:14, 1.91it/s]
53%|███████████████████████████████████████████████████████████▉ | 689/1288 [06:17<05:04, 1.96it/s]
54%|████████████████████████████████████████████████████████████ | 690/1288 [06:17<05:13, 1.91it/s]
{'loss': 6.3279, 'grad_norm': 3.59375, 'learning_rate': 0.048331980117370346, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2701.62, 'epoch': 2.14}
54%|████████████████████████████████████████████████████████████ | 690/1288 [06:17<05:13, 1.91it/s]
54%|████████████████████████████████████████████████████████████ | 691/1288 [06:18<05:06, 1.95it/s]
54%|████████████████████████████████████████████████████████████▏ | 692/1288 [06:19<05:10, 1.92it/s]
54%|████████████████████████████████████████████████████████████▎ | 693/1288 [06:19<05:03, 1.96it/s]
54%|████████████████████████████████████████████████████████████▎ | 694/1288 [06:19<04:57, 2.00it/s]
54%|████████████████████████████████████████████████████████████▍ | 695/1288 [06:20<04:57, 1.99it/s]
54%|████████████████████████████████████████████████████████████▌ | 696/1288 [06:20<04:52, 2.02it/s]
54%|████████████████████████████████████████████████████████████▌ | 697/1288 [06:21<04:56, 2.00it/s]
54%|████████████████████████████████████████████████████████████▋ | 698/1288 [06:21<04:54, 2.00it/s]
54%|████████████████████████████████████████████████████████████▊ | 699/1288 [06:22<04:50, 2.03it/s]
54%|████████████████████████████████████████████████████████████▊ | 700/1288 [06:22<04:52, 2.01it/s]
{'loss': 6.5604, 'grad_norm': 3.0, 'learning_rate': 0.0470500543190108, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2597.75, 'epoch': 2.17}
54%|████████████████████████████████████████████████████████████▊ | 700/1288 [06:22<04:52, 2.01it/s][2025-12-13 20:45:36,681] [INFO] [axolotl.core.trainers.base._save:671] [PID:1121389] Saving model checkpoint to ./out_6_lima/checkpoint-700
54%|████████████████████████████████████████████████████████████▉ | 701/1288 [06:26<12:22, 1.27s/it]
55%|█████████████████████████████████████████████████████████████ | 702/1288 [06:26<10:07, 1.04s/it]
55%|█████████████████████████████████████████████████████████████▏ | 703/1288 [06:26<08:28, 1.15it/s]
55%|█████████████████████████████████████████████████████████████▏ | 704/1288 [06:27<07:19, 1.33it/s]
55%|█████████████████████████████████████████████████████████████▎ | 705/1288 [06:27<06:34, 1.48it/s]
55%|█████████████████████████████████████████████████████████████▍ | 706/1288 [06:28<06:00, 1.62it/s]
55%|█████████████████████████████████████████████████████████████▍ | 707/1288 [06:28<05:45, 1.68it/s]
55%|█████████████████████████████████████████████████████████████▌ | 708/1288 [06:29<05:24, 1.79it/s]
55%|█████████████████████████████████████████████████████████████▋ | 709/1288 [06:29<05:14, 1.84it/s]
55%|█████████████████████████████████████████████████████████████▋ | 710/1288 [06:30<05:07, 1.88it/s]
{'loss': 6.5682, 'grad_norm': 3.28125, 'learning_rate': 0.04577007176353931, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2591.56, 'epoch': 2.2}
55%|█████████████████████████████████████████████████████████████▋ | 710/1288 [06:30<05:07, 1.88it/s]
55%|█████████████████████████████████████████████████████████████▊ | 711/1288 [06:31<05:13, 1.84it/s]
55%|█████████████████████████████████████████████████████████████▉ | 712/1288 [06:31<05:13, 1.84it/s]
55%|██████████████████████████████████████████████████████████████ | 713/1288 [06:32<05:00, 1.92it/s]
55%|██████████████████████████████████████████████████████████████ | 714/1288 [06:32<05:01, 1.90it/s]
56%|██████████████████████████████████████████████████████████████▏ | 715/1288 [06:33<05:03, 1.89it/s]
56%|██████████████████████████████████████████████████████████████▎ | 716/1288 [06:33<04:53, 1.95it/s]
56%|██████████████████████████████████████████████████████████████▎ | 717/1288 [06:34<04:45, 2.00it/s]
56%|██████████████████████████████████████████████████████████████▍ | 718/1288 [06:34<04:40, 2.03it/s]
56%|██████████████████████████████████████████████████████████████▌ | 719/1288 [06:35<04:38, 2.04it/s]
56%|██████████████████████████████████████████████████████████████▌ | 720/1288 [06:35<04:39, 2.03it/s]
{'loss': 6.2766, 'grad_norm': 4.1875, 'learning_rate': 0.0444928756247857, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2830.22, 'epoch': 2.23}
56%|██████████████████████████████████████████████████████████████▌ | 720/1288 [06:35<04:39, 2.03it/s]
56%|██████████████████████████████████████████████████████████████▋ | 721/1288 [06:36<04:48, 1.97it/s]
56%|██████████████████████████████████████████████████████████████▊ | 722/1288 [06:36<04:35, 2.05it/s]
56%|██████████████████████████████████████████████████████████████▊ | 723/1288 [06:36<04:32, 2.07it/s]
56%|██████████████████████████████████████████████████████████████▉ | 724/1288 [06:37<04:32, 2.07it/s]
56%|███████████████████████████████████████████████████████████████ | 725/1288 [06:37<04:31, 2.07it/s]
56%|███████████████████████████████████████████████████████████████▏ | 726/1288 [06:38<04:35, 2.04it/s]
56%|███████████████████████████████████████████████████████████████▏ | 727/1288 [06:38<04:31, 2.07it/s]
57%|███████████████████████████████████████████████████████████████▎ | 728/1288 [06:39<04:14, 2.20it/s]
57%|███████████████████████████████████████████████████████████████▍ | 729/1288 [06:39<04:19, 2.16it/s]
57%|███████████████████████████████████████████████████████████████▍ | 730/1288 [06:40<04:33, 2.04it/s]
{'loss': 6.4892, 'grad_norm': 3.765625, 'learning_rate': 0.043219307241059796, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2173.3, 'epoch': 2.26}
57%|███████████████████████████████████████████████████████████████▍ | 730/1288 [06:40<04:33, 2.04it/s]
57%|███████████████████████████████████████████████████████████████▌ | 731/1288 [06:40<04:44, 1.96it/s]
57%|███████████████████████████████████████████████████████████████▋ | 732/1288 [06:41<04:47, 1.94it/s]
57%|███████████████████████████████████████████████████████████████▋ | 733/1288 [06:41<04:43, 1.96it/s]
57%|███████████████████████████████████████████████████████████████▊ | 734/1288 [06:42<04:47, 1.93it/s]
57%|███████████████████████████████████████████████████████████████▉ | 735/1288 [06:43<04:50, 1.90it/s]
57%|████████████████████████████████████████████████████████████████ | 736/1288 [06:43<04:42, 1.96it/s]
57%|████████████████████████████████████████████████████████████████ | 737/1288 [06:44<04:47, 1.92it/s]
57%|████████████████████████████████████████████████████████████████▏ | 738/1288 [06:44<04:43, 1.94it/s]
57%|████████████████████████████████████████████████████████████████▎ | 739/1288 [06:45<04:46, 1.91it/s]
57%|████████████████████████████████████████████████████████████████▎ | 740/1288 [06:45<04:39, 1.96it/s]
{'loss': 6.161, 'grad_norm': 2.96875, 'learning_rate': 0.04195020556092935, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 3152.7, 'epoch': 2.29}
57%|████████████████████████████████████████████████████████████████▎ | 740/1288 [06:45<04:39, 1.96it/s]
58%|████████████████████████████████████████████████████████████████▍ | 741/1288 [06:46<04:39, 1.96it/s]
58%|████████████████████████████████████████████████████████████████▌ | 742/1288 [06:46<04:44, 1.92it/s]
58%|████████████████████████████████████████████████████████████████▌ | 743/1288 [06:47<04:42, 1.93it/s]
58%|████████████████████████████████████████████████████████████████▋ | 744/1288 [06:47<04:46, 1.90it/s]
58%|████████████████████████████████████████████████████████████████▊ | 745/1288 [06:48<04:37, 1.96it/s]
58%|████████████████████████████████████████████████████████████████▊ | 746/1288 [06:48<04:31, 1.99it/s]
58%|████████████████████████████████████████████████████████████████▉ | 747/1288 [06:49<04:27, 2.02it/s]
58%|█████████████████████████████████████████████████████████████████ | 748/1288 [06:49<04:16, 2.11it/s]
58%|█████████████████████████████████████████████████████████████████▏ | 749/1288 [06:50<04:20, 2.07it/s]
58%|█████████████████████████████████████████████████████████████████▏ | 750/1288 [06:50<04:24, 2.04it/s]
{'loss': 6.3675, 'grad_norm': 2.90625, 'learning_rate': 0.04068640659057242, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2631.57, 'epoch': 2.32}
58%|█████████████████████████████████████████████████████████████████▏ | 750/1288 [06:50<04:24, 2.04it/s]
58%|█████████████████████████████████████████████████████████████████▎ | 751/1288 [06:51<04:33, 1.97it/s]
58%|█████████████████████████████████████████████████████████████████▍ | 752/1288 [06:51<04:27, 2.00it/s]
58%|█████████████████████████████████████████████████████████████████▍ | 753/1288 [06:52<04:33, 1.95it/s]
59%|█████████████████████████████████████████████████████████████████▌ | 754/1288 [06:52<04:33, 1.95it/s]
59%|█████████████████████████████████████████████████████████████████▋ | 755/1288 [06:53<04:28, 1.98it/s]
59%|█████████████████████████████████████████████████████████████████▋ | 756/1288 [06:53<04:30, 1.97it/s]
59%|█████████████████████████████████████████████████████████████████▊ | 757/1288 [06:54<04:29, 1.97it/s]
59%|█████████████████████████████████████████████████████████████████▉ | 758/1288 [06:54<04:25, 2.00it/s]
59%|██████████████████████████████████████████████████████████████████ | 759/1288 [06:55<04:18, 2.05it/s]
59%|██████████████████████████████████████████████████████████████████ | 760/1288 [06:55<04:14, 2.08it/s]
{'loss': 6.4722, 'grad_norm': 3.46875, 'learning_rate': 0.039428742843067736, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2947.9, 'epoch': 2.35}
59%|██████████████████████████████████████████████████████████████████ | 760/1288 [06:55<04:14, 2.08it/s]
59%|██████████████████████████████████████████████████████████████████▏ | 761/1288 [06:56<04:17, 2.04it/s]
59%|██████████████████████████████████████████████████████████████████▎ | 762/1288 [06:56<04:16, 2.05it/s]
59%|██████████████████████████████████████████████████████████████████▎ | 763/1288 [06:57<04:19, 2.02it/s]
59%|██████████████████████████████████████████████████████████████████▍ | 764/1288 [06:57<04:15, 2.05it/s]
59%|██████████████████████████████████████████████████████████████████▌ | 765/1288 [06:58<04:23, 1.98it/s]
59%|██████████████████████████████████████████████████████████████████▌ | 766/1288 [06:58<04:19, 2.01it/s]
60%|██████████████████████████████████████████████████████████████████▋ | 767/1288 [06:59<04:30, 1.93it/s]
60%|██████████████████████████████████████████████████████████████████▊ | 768/1288 [06:59<04:29, 1.93it/s]
60%|██████████████████████████████████████████████████████████████████▊ | 769/1288 [07:00<04:28, 1.93it/s]
60%|██████████████████████████████████████████████████████████████████▉ | 770/1288 [07:00<04:27, 1.94it/s]
{'loss': 6.2898, 'grad_norm': 3.03125, 'learning_rate': 0.038178042789986356, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2814.33, 'epoch': 2.38}
60%|██████████████████████████████████████████████████████████████████▉ | 770/1288 [07:00<04:27, 1.94it/s]
60%|███████████████████████████████████████████████████████████████████ | 771/1288 [07:01<04:27, 1.93it/s]
60%|███████████████████████████████████████████████████████████████████▏ | 772/1288 [07:01<04:32, 1.90it/s]
60%|███████████████████████████████████████████████████████████████████▏ | 773/1288 [07:02<04:29, 1.91it/s]
60%|███████████████████████████████████████████████████████████████████▎ | 774/1288 [07:02<04:27, 1.92it/s]
60%|███████████████████████████████████████████████████████████████████▍ | 775/1288 [07:03<04:26, 1.92it/s]
60%|███████████████████████████████████████████████████████████████████▍ | 776/1288 [07:03<04:24, 1.94it/s]
60%|███████████████████████████████████████████████████████████████████▌ | 777/1288 [07:04<03:55, 2.17it/s]
60%|███████████████████████████████████████████████████████████████████▋ | 778/1288 [07:04<04:07, 2.06it/s]
60%|███████████████████████████████████████████████████████████████████▋ | 779/1288 [07:05<04:05, 2.08it/s]
61%|███████████████████████████████████████████████████████████████████▊ | 780/1288 [07:05<04:05, 2.07it/s]
{'loss': 6.6719, 'grad_norm': 3.671875, 'learning_rate': 0.036935130315645485, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2790.89, 'epoch': 2.41}
61%|███████████████████████████████████████████████████████████████████▊ | 780/1288 [07:05<04:05, 2.07it/s]
61%|███████████████████████████████████████████████████████████████████▉ | 781/1288 [07:06<04:09, 2.03it/s]
61%|████████████████████████████████████████████████████████████████████ | 782/1288 [07:06<04:12, 2.00it/s]
61%|████████████████████████████████████████████████████████████████████ | 783/1288 [07:07<04:19, 1.95it/s]
61%|████████████████████████████████████████████████████████████████████▏ | 784/1288 [07:07<04:17, 1.96it/s]
61%|████████████████████████████████████████████████████████████████████▎ | 785/1288 [07:08<04:22, 1.92it/s]
61%|████████████████████████████████████████████████████████████████████▎ | 786/1288 [07:08<04:14, 1.97it/s]
61%|████████████████████████████████████████████████████████████████████▍ | 787/1288 [07:09<04:09, 2.00it/s]
61%|████████████████████████████████████████████████████████████████████▌ | 788/1288 [07:09<04:09, 2.00it/s]
61%|████████████████████████████████████████████████████████████████████▌ | 789/1288 [07:10<04:15, 1.95it/s]
61%|████████████████████████████████████████████████████████████████████▋ | 790/1288 [07:10<04:32, 1.83it/s]
{'loss': 6.1644, 'grad_norm': 3.015625, 'learning_rate': 0.035700824174384194, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2909.14, 'epoch': 2.45}
61%|████████████████████████████████████████████████████████████████████▋ | 790/1288 [07:10<04:32, 1.83it/s]
61%|████████████████████████████████████████████████████████████████████▊ | 791/1288 [07:11<04:30, 1.83it/s]
61%|████████████████████████████████████████████████████████████████████▊ | 792/1288 [07:11<04:29, 1.84it/s]
62%|████████████████████████████████████████████████████████████████████▉ | 793/1288 [07:12<04:23, 1.88it/s]
62%|█████████████████████████████████████████████████████████████████████ | 794/1288 [07:12<04:13, 1.95it/s]
62%|█████████████████████████████████████████████████████████████████████▏ | 795/1288 [07:13<04:17, 1.92it/s]
62%|█████████████████████████████████████████████████████████████████████▏ | 796/1288 [07:13<04:10, 1.97it/s]
62%|█████████████████████████████████████████████████████████████████████▎ | 797/1288 [07:14<04:08, 1.98it/s]
62%|█████████████████████████████████████████████████████████████████████▍ | 798/1288 [07:14<04:12, 1.94it/s]
62%|█████████████████████████████████████████████████████████████████████▍ | 799/1288 [07:15<04:12, 1.93it/s]
62%|█████████████████████████████████████████████████████████████████████▌ | 800/1288 [07:15<04:07, 1.97it/s]
{'loss': 6.1932, 'grad_norm': 3.375, 'learning_rate': 0.034475937451218255, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2991.93, 'epoch': 2.48}
62%|█████████████████████████████████████████████████████████████████████▌ | 800/1288 [07:15<04:07, 1.97it/s][2025-12-13 20:46:29,727] [INFO] [axolotl.core.trainers.base._save:671] [PID:1121389] Saving model checkpoint to ./out_6_lima/checkpoint-800
62%|█████████████████████████████████████████████████████████████████████▋ | 801/1288 [07:19<10:49, 1.33s/it]
62%|█████████████████████████████████████████████████████████████████████▋ | 802/1288 [07:19<08:48, 1.09s/it]
62%|█████████████████████████████████████████████████████████████████████▊ | 803/1288 [07:20<07:17, 1.11it/s]
62%|█████████████████████████████████████████████████████████████████████▉ | 804/1288 [07:20<06:18, 1.28it/s]
62%|██████████████████████████████████████████████████████████████████████ | 805/1288 [07:21<05:38, 1.43it/s]
63%|██████████████████████████████████████████████████████████████████████ | 806/1288 [07:21<05:06, 1.57it/s]
63%|██████████████████████████████████████████████████████████████████████▏ | 807/1288 [07:22<04:41, 1.71it/s]
63%|██████████████████████████████████████████████████████████████████████▎ | 808/1288 [07:22<04:30, 1.77it/s]
63%|██████████████████████████████████████████████████████████████████████▎ | 809/1288 [07:23<04:15, 1.87it/s]
63%|██████████████████████████████████████████████████████████████████████▍ | 810/1288 [07:23<04:16, 1.86it/s]
{'loss': 6.34, 'grad_norm': 2.8125, 'learning_rate': 0.03326127702622985, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2459.23, 'epoch': 2.51}
63%|██████████████████████████████████████████████████████████████████████▍ | 810/1288 [07:23<04:16, 1.86it/s]
63%|██████████████████████████████████████████████████████████████████████▌ | 811/1288 [07:24<04:20, 1.83it/s]
63%|██████████████████████████████████████████████████████████████████████▌ | 812/1288 [07:24<04:10, 1.90it/s]
63%|██████████████████████████████████████████████████████████████████████▋ | 813/1288 [07:25<04:00, 1.97it/s]
63%|██████████████████████████████████████████████████████████████████████▊ | 814/1288 [07:25<04:06, 1.92it/s]
63%|██████████████████████████████████████████████████████████████████████▊ | 815/1288 [07:26<04:04, 1.93it/s]
63%|██████████████████████████████████████████████████████████████████████▉ | 816/1288 [07:26<03:53, 2.02it/s]
63%|███████████████████████████████████████████████████████████████████████ | 817/1288 [07:27<03:59, 1.97it/s]
64%|███████████████████████████████████████████████████████████████████████▏ | 818/1288 [07:27<03:44, 2.09it/s]
64%|███████████████████████████████████████████████████████████████████████▏ | 819/1288 [07:28<03:45, 2.08it/s]
64%|███████████████████████████████████████████████████████████████████████▎ | 820/1288 [07:28<03:49, 2.04it/s]
{'loss': 6.2486, 'grad_norm': 3.46875, 'learning_rate': 0.03205764304304445, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2574.92, 'epoch': 2.54}
64%|███████████████████████████████████████████████████████████████████████▎ | 820/1288 [07:28<03:49, 2.04it/s]
64%|███████████████████████████████████████████████████████████████████████▍ | 821/1288 [07:29<03:52, 2.01it/s]
64%|███████████████████████████████████████████████████████████████████████▍ | 822/1288 [07:29<03:57, 1.96it/s]
64%|███████████████████████████████████████████████████████████████████████▌ | 823/1288 [07:30<04:02, 1.92it/s]
64%|███████████████████████████████████████████████████████████████████████▋ | 824/1288 [07:30<04:15, 1.82it/s]
64%|███████████████████████████████████████████████████████████████████████▋ | 825/1288 [07:31<04:04, 1.90it/s]
64%|███████████████████████████████████████████████████████████████████████▊ | 826/1288 [07:31<04:04, 1.89it/s]
64%|███████████████████████████████████████████████████████████████████████▉ | 827/1288 [07:32<04:01, 1.91it/s]
64%|████████████████████████████████████████████████████████████████████████ | 828/1288 [07:32<03:58, 1.93it/s]
64%|████████████████████████████████████████████████████████████████████████ | 829/1288 [07:33<03:51, 1.98it/s]
64%|████████████████████████████████████████████████████████████████████████▏ | 830/1288 [07:33<03:56, 1.94it/s]
{'loss': 6.1866, 'grad_norm': 3.390625, 'learning_rate': 0.030865828381745515, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2725.02, 'epoch': 2.57}
64%|████████████████████████████████████████████████████████████████████████▏ | 830/1288 [07:33<03:56, 1.94it/s]
65%|████████████████████████████████████████████████████████████████████████▎ | 831/1288 [07:34<03:56, 1.93it/s]
65%|████████████████████████████████████████████████████████████████████████▎ | 832/1288 [07:34<03:54, 1.94it/s]
65%|████████████████████████████████████████████████████████████████████████▍ | 833/1288 [07:35<03:52, 1.95it/s]
65%|████████████████████████████████████████████████████████████████████████▌ | 834/1288 [07:35<03:51, 1.96it/s]
65%|████████████████████████████████████████████████████████████████████████▌ | 835/1288 [07:36<03:50, 1.96it/s]
65%|████████████████████████████████████████████████████████████████████████▋ | 836/1288 [07:37<03:55, 1.92it/s]
65%|████████████████████████████████████████████████████████████████████████▊ | 837/1288 [07:37<03:44, 2.01it/s]
65%|████████████████████████████████████████████████████████████████████████▊ | 838/1288 [07:38<03:46, 1.98it/s]
65%|████████████████████████████████████████████████████████████████████████▉ | 839/1288 [07:38<03:42, 2.02it/s]
65%|█████████████████████████████████████████████████████████████████████████ | 840/1288 [07:38<03:43, 2.00it/s]
{'loss': 6.3355, 'grad_norm': 2.984375, 'learning_rate': 0.029686618136573695, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2675.18, 'epoch': 2.6}
65%|█████████████████████████████████████████████████████████████████████████ | 840/1288 [07:38<03:43, 2.00it/s]
65%|█████████████████████████████████████████████████████████████████████████▏ | 841/1288 [07:39<03:48, 1.95it/s]
65%|█████████████████████████████████████████████████████████████████████████▏ | 842/1288 [07:39<03:42, 2.00it/s]
65%|█████████████████████████████████████████████████████████████████████████▎ | 843/1288 [07:40<03:43, 1.99it/s]
66%|█████████████████████████████████████████████████████████████████████████▍ | 844/1288 [07:41<03:42, 1.99it/s]
66%|█████████████████████████████████████████████████████████████████████████▍ | 845/1288 [07:41<03:42, 1.99it/s]
66%|█████████████████████████████████████████████████████████████████████████▌ | 846/1288 [07:41<03:38, 2.03it/s]
66%|█████████████████████████████████████████████████████████████████████████▋ | 847/1288 [07:42<03:15, 2.26it/s]
66%|█████████████████████████████████████████████████████████████████████████▋ | 848/1288 [07:42<03:28, 2.11it/s]
66%|█████████████████████████████████████████████████████████████████████████▊ | 849/1288 [07:43<03:30, 2.09it/s]
66%|█████████████████████████████████████████████████████████████████████████▉ | 850/1288 [07:43<03:33, 2.05it/s]
{'loss': 6.4024, 'grad_norm': 2.796875, 'learning_rate': 0.02852078909875505, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2364.07, 'epoch': 2.63}
66%|█████████████████████████████████████████████████████████████████████████▉ | 850/1288 [07:43<03:33, 2.05it/s]
66%|██████████████████████████████████████████████████████████████████████████ | 851/1288 [07:44<03:34, 2.04it/s]
66%|██████████████████████████████████████████████████████████████████████████ | 852/1288 [07:44<03:31, 2.06it/s]
66%|██████████████████████████████████████████████████████████████████████████▏ | 853/1288 [07:45<03:35, 2.02it/s]
66%|██████████████████████████████████████████████████████████████████████████▎ | 854/1288 [07:45<03:28, 2.08it/s]
66%|██████████████████████████████████████████████████████████████████████████▎ | 855/1288 [07:46<03:31, 2.04it/s]
66%|██████████████████████████████████████████████████████████████████████████▍ | 856/1288 [07:46<03:38, 1.98it/s]
67%|██████████████████████████████████████████████████████████████████████████▌ | 857/1288 [07:47<03:35, 2.00it/s]
67%|██████████████████████████████████████████████████████████████████████████▌ | 858/1288 [07:47<03:40, 1.95it/s]
67%|██████████████████████████████████████████████████████████████████████████▋ | 859/1288 [07:48<03:33, 2.01it/s]
67%|██████████████████████████████████████████████████████████████████████████▊ | 860/1288 [07:48<03:37, 1.97it/s]
{'loss': 6.3874, 'grad_norm': 4.5625, 'learning_rate': 0.02736910924479881, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2543.21, 'epoch': 2.66}
67%|██████████████████████████████████████████████████████████████████████████▊ | 860/1288 [07:48<03:37, 1.97it/s]
67%|██████████████████████████████████████████████████████████████████████████▊ | 861/1288 [07:49<03:33, 2.00it/s]
67%|██████████████████████████████████████████████████████████████████████████▉ | 862/1288 [07:49<03:39, 1.94it/s]
67%|███████████████████████████████████████████████████████████████████████████ | 863/1288 [07:50<03:36, 1.96it/s]
67%|███████████████████████████████████████████████████████████████████████████▏ | 864/1288 [07:50<03:35, 1.96it/s]
67%|███████████████████████████████████████████████████████████████████████████▏ | 865/1288 [07:51<03:40, 1.91it/s]
67%|███████████████████████████████████████████████████████████████████████████▎ | 866/1288 [07:51<03:42, 1.89it/s]
67%|███████████████████████████████████████████████████████████████████████████▍ | 867/1288 [07:52<03:44, 1.87it/s]
67%|███████████████████████████████████████████████████████████████████████████▍ | 868/1288 [07:53<03:36, 1.94it/s]
67%|███████████████████████████████████████████████████████████████████████████▌ | 869/1288 [07:53<03:37, 1.92it/s]
68%|███████████████████████████████████████████████████████████████████████████▋ | 870/1288 [07:54<03:36, 1.94it/s]
{'loss': 6.42, 'grad_norm': 2.828125, 'learning_rate': 0.026232337230601567, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2932.8, 'epoch': 2.69}
68%|███████████████████████████████████████████████████████████████████████████▋ | 870/1288 [07:54<03:36, 1.94it/s]
68%|███████████████████████████████████████████████████████████████████████████▋ | 871/1288 [07:54<03:34, 1.95it/s]
68%|███████████████████████████████████████████████████████████████████████████▊ | 872/1288 [07:55<03:36, 1.92it/s]
68%|███████████████████████████████████████████████████████████████████████████▉ | 873/1288 [07:55<03:39, 1.89it/s]
68%|████████████████████████████████████████████████████████████████████████████ | 874/1288 [07:56<03:37, 1.90it/s]
68%|████████████████████████████████████████████████████████████████████████████ | 875/1288 [07:56<03:26, 2.00it/s]
68%|████████████████████████████████████████████████████████████████████████████▏ | 876/1288 [07:57<03:28, 1.98it/s]
68%|████████████████████████████████████████████████████████████████████████████▎ | 877/1288 [07:57<03:26, 1.99it/s]
68%|████████████████████████████████████████████████████████████████████████████▎ | 878/1288 [07:58<03:32, 1.93it/s]
68%|████████████████████████████████████████████████████████████████████████████▍ | 879/1288 [07:58<03:27, 1.97it/s]
68%|████████████████████████████████████████████████████████████████████████████▌ | 880/1288 [07:59<03:26, 1.98it/s]
{'loss': 6.2999, 'grad_norm': 3.5, 'learning_rate': 0.025111221891691383, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2832.37, 'epoch': 2.72}
68%|████████████████████████████████████████████████████████████████████████████▌ | 880/1288 [07:59<03:26, 1.98it/s]
68%|████████████████████████████████████████████████████████████████████████████▌ | 881/1288 [07:59<03:25, 1.98it/s]
68%|████████████████████████████████████████████████████████████████████████████▋ | 882/1288 [08:00<03:21, 2.01it/s]
69%|████████████████████████████████████████████████████████████████████████████▊ | 883/1288 [08:00<03:15, 2.07it/s]
69%|████████████████████████████████████████████████████████████████████████████▊ | 884/1288 [08:00<03:03, 2.20it/s]
69%|████████████████████████████████████████████████████████████████████████████▉ | 885/1288 [08:01<03:13, 2.08it/s]
69%|█████████████████████████████████████████████████████████████████████████████ | 886/1288 [08:01<03:10, 2.11it/s]
69%|█████████████████████████████████████████████████████████████████████████████▏ | 887/1288 [08:02<03:10, 2.10it/s]
69%|█████████████████████████████████████████████████████████████████████████████▏ | 888/1288 [08:02<03:14, 2.06it/s]
69%|█████████████████████████████████████████████████████████████████████████████▎ | 889/1288 [08:03<03:21, 1.98it/s]
69%|█████████████████████████████████████████████████████████████████████████████▍ | 890/1288 [08:04<03:24, 1.94it/s]
{'loss': 6.3203, 'grad_norm': 3.140625, 'learning_rate': 0.024006501749941095, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2402.44, 'epoch': 2.76}
69%|█████████████████████████████████████████████████████████████████████████████▍ | 890/1288 [08:04<03:24, 1.94it/s]
69%|█████████████████████████████████████████████████████████████████████████████▍ | 891/1288 [08:04<03:24, 1.95it/s]
69%|█████████████████████████████████████████████████████████████████████████████▌ | 892/1288 [08:05<03:19, 1.99it/s]
69%|█████████████████████████████████████████████████████████████████████████████▋ | 893/1288 [08:05<03:14, 2.03it/s]
69%|█████████████████████████████████████████████████████████████████████████████▋ | 894/1288 [08:06<03:20, 1.97it/s]
69%|█████████████████████████████████████████████████████████████████████████████▊ | 895/1288 [08:06<03:19, 1.97it/s]
70%|█████████████████████████████████████████████████████████████████████████████▉ | 896/1288 [08:07<03:24, 1.92it/s]
70%|██████████████████████████████████████████████████████████████████████████████ | 897/1288 [08:07<03:18, 1.97it/s]
70%|██████████████████████████████████████████████████████████████████████████████ | 898/1288 [08:08<03:22, 1.92it/s]
70%|██████████████████████████████████████████████████████████████████████████████▏ | 899/1288 [08:08<03:21, 1.93it/s]
70%|██████████████████████████████████████████████████████████████████████████████▎ | 900/1288 [08:09<03:16, 1.97it/s]
{'loss': 6.3982, 'grad_norm': 3.15625, 'learning_rate': 0.02291890452707539, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 3002.25, 'epoch': 2.79}
70%|██████████████████████████████████████████████████████████████████████████████▎ | 900/1288 [08:09<03:16, 1.97it/s][2025-12-13 20:47:22,867] [INFO] [axolotl.core.trainers.base._save:671] [PID:1121389] Saving model checkpoint to ./out_6_lima/checkpoint-900
70%|██████████████████████████████████████████████████████████████████████████████▎ | 901/1288 [08:12<08:08, 1.26s/it]
70%|██████████████████████████████████████████████████████████████████████████████▍ | 902/1288 [08:12<06:35, 1.02s/it]
70%|██████████████████████████████████████████████████████████████████████████████▌ | 903/1288 [08:13<05:31, 1.16it/s]
70%|██████████████████████████████████████████████████████████████████████████████▌ | 904/1288 [08:13<04:53, 1.31it/s]
70%|██████████████████████████████████████████████████████████████████████████████▋ | 905/1288 [08:14<04:24, 1.45it/s]
70%|██████████████████████████████████████████████████████████████████████████████▊ | 906/1288 [08:14<04:06, 1.55it/s]
70%|██████████████████████████████████████████████████████████████████████████████▊ | 907/1288 [08:15<03:50, 1.65it/s]
70%|██████████████████████████████████████████████████████████████████████████████▉ | 908/1288 [08:15<03:42, 1.71it/s]
71%|███████████████████████████████████████████████████████████████████████████████ | 909/1288 [08:16<03:29, 1.81it/s]
71%|███████████████████████████████████████████████████████████████████████████████▏ | 910/1288 [08:16<03:23, 1.86it/s]
{'loss': 6.3465, 'grad_norm': 3.46875, 'learning_rate': 0.021849146665292515, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2833.93, 'epoch': 2.82}
71%|███████████████████████████████████████████████████████████████████████████████▏ | 910/1288 [08:16<03:23, 1.86it/s]
71%|███████████████████████████████████████████████████████████████████████████████▏ | 911/1288 [08:17<03:26, 1.83it/s]
71%|███████████████████████████████████████████████████████████████████████████████▎ | 912/1288 [08:17<03:24, 1.84it/s]
71%|███████████████████████████████████████████████████████████████████████████████▍ | 913/1288 [08:18<03:21, 1.86it/s]
71%|███████████████████████████████████████████████████████████████████████████████▍ | 914/1288 [08:18<03:22, 1.85it/s]
71%|███████████████████████████████████████████████████████████████████████████████▌ | 915/1288 [08:19<03:18, 1.88it/s]
71%|███████████████████████████████████████████████████████████████████████████████▋ | 916/1288 [08:19<03:16, 1.90it/s]
71%|███████████████████████████████████████████████████████████████████████████████▋ | 917/1288 [08:20<03:13, 1.92it/s]
71%|███████████████████████████████████████████████████████████████████████████████▊ | 918/1288 [08:20<03:07, 1.98it/s]
71%|███████████████████████████████████████████████████████████████████████████████▉ | 919/1288 [08:21<03:06, 1.98it/s]
71%|████████████████████████████████████████████████████████████████████████████████ | 920/1288 [08:21<03:01, 2.02it/s]
{'loss': 6.1632, 'grad_norm': 3.015625, 'learning_rate': 0.020797932855316184, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 3115.38, 'epoch': 2.85}
71%|████████████████████████████████████████████████████████████████████████████████ | 920/1288 [08:21<03:01, 2.02it/s]
72%|████████████████████████████████████████████████████████████████████████████████ | 921/1288 [08:22<03:04, 1.99it/s]
72%|████████████████████████████████████████████████████████████████████████████████▏ | 922/1288 [08:22<03:01, 2.02it/s]
72%|████████████████████████████████████████████████████████████████████████████████▎ | 923/1288 [08:23<03:08, 1.93it/s]
72%|████████████████████████████████████████████████████████████████████████████████▎ | 924/1288 [08:23<03:04, 1.98it/s]
72%|████████████████████████████████████████████████████████████████████████████████▍ | 925/1288 [08:24<03:07, 1.93it/s]
72%|████████████████████████████████████████████████████████████████████████████████▌ | 926/1288 [08:25<03:07, 1.93it/s]
72%|████████████████████████████████████████████████████████████████████████████████▌ | 927/1288 [08:25<03:09, 1.91it/s]
72%|████████████████████████████████████████████████████████████████████████████████▋ | 928/1288 [08:26<03:07, 1.92it/s]
72%|████████████████████████████████████████████████████████████████████████████████▊ | 929/1288 [08:26<03:09, 1.89it/s]
72%|████████████████████████████████████████████████████████████████████████████████▊ | 930/1288 [08:27<03:10, 1.88it/s]
{'loss': 6.0676, 'grad_norm': 3.015625, 'learning_rate': 0.019765955572188576, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2862.8, 'epoch': 2.88}
72%|████████████████████████████████████████████████████████████████████████████████▊ | 930/1288 [08:27<03:10, 1.88it/s]
72%|████████████████████████████████████████████████████████████████████████████████▉ | 931/1288 [08:27<03:11, 1.87it/s]
72%|█████████████████████████████████████████████████████████████████████████████████ | 932/1288 [08:28<03:08, 1.89it/s]
72%|█████████████████████████████████████████████████████████████████████████████████▏ | 933/1288 [08:28<03:02, 1.94it/s]
73%|█████████████████████████████████████████████████████████████████████████████████▏ | 934/1288 [08:29<02:58, 1.99it/s]
73%|█████████████████████████████████████████████████████████████████████████████████▎ | 935/1288 [08:29<02:55, 2.01it/s]
73%|█████████████████████████████████████████████████████████████████████████████████▍ | 936/1288 [08:30<02:53, 2.03it/s]
73%|█████████████████████████████████████████████████████████████████████████████████▍ | 937/1288 [08:30<02:55, 2.00it/s]
73%|█████████████████████████████████████████████████████████████████████████████████▌ | 938/1288 [08:31<02:52, 2.03it/s]
73%|█████████████████████████████████████████████████████████████████████████████████▋ | 939/1288 [08:31<02:48, 2.07it/s]
73%|█████████████████████████████████████████████████████████████████████████████████▋ | 940/1288 [08:32<02:46, 2.09it/s]
{'loss': 6.4408, 'grad_norm': 3.046875, 'learning_rate': 0.018753894619110548, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2776.57, 'epoch': 2.91}
73%|█████████████████████████████████████████████████████████████████████████████████▋ | 940/1288 [08:32<02:46, 2.09it/s]
73%|█████████████████████████████████████████████████████████████████████████████████▊ | 941/1288 [08:32<02:51, 2.02it/s]
73%|█████████████████████████████████████████████████████████████████████████████████▉ | 942/1288 [08:33<02:56, 1.97it/s]
73%|██████████████████████████████████████████████████████████████████████████████████ | 943/1288 [08:33<02:52, 2.00it/s]
73%|██████████████████████████████████████████████████████████████████████████████████ | 944/1288 [08:34<02:53, 1.98it/s]
73%|██████████████████████████████████████████████████████████████████████████████████▏ | 945/1288 [08:34<02:55, 1.95it/s]
73%|██████████████████████████████████████████████████████████████████████████████████▎ | 946/1288 [08:35<02:55, 1.95it/s]
74%|██████████████████████████████████████████████████████████████████████████████████▎ | 947/1288 [08:35<02:55, 1.94it/s]
74%|██████████████████████████████████████████████████████████████████████████████████▍ | 948/1288 [08:36<02:54, 1.95it/s]
74%|██████████████████████████████████████████████████████████████████████████████████▌ | 949/1288 [08:36<02:44, 2.06it/s]
74%|██████████████████████████████████████████████████████████████████████████████████▌ | 950/1288 [08:37<02:50, 1.98it/s]
{'loss': 6.1035, 'grad_norm': 3.484375, 'learning_rate': 0.01776241667962879, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2635.97, 'epoch': 2.94}
74%|██████████████████████████████████████████████████████████████████████████████████▌ | 950/1288 [08:37<02:50, 1.98it/s]
74%|██████████████████████████████████████████████████████████████████████████████████▋ | 951/1288 [08:37<02:46, 2.02it/s]
74%|██████████████████████████████████████████████████████████████████████████████████▊ | 952/1288 [08:38<02:41, 2.08it/s]
74%|██████████████████████████████████████████████████████████████████████████████████▊ | 953/1288 [08:38<02:43, 2.06it/s]
74%|██████████████████████████████████████████████████████████████████████████████████▉ | 954/1288 [08:39<02:40, 2.07it/s]
74%|███████████████████████████████████████████████████████████████████████████████████ | 955/1288 [08:39<02:40, 2.08it/s]
74%|███████████████████████████████████████████████████████████████████████████████████▏ | 956/1288 [08:39<02:35, 2.14it/s]
74%|███████████████████████████████████████████████████████████████████████████████████▏ | 957/1288 [08:40<02:35, 2.13it/s]
74%|███████████████████████████████████████████████████████████████████████████████████▎ | 958/1288 [08:40<02:41, 2.04it/s]
74%|███████████████████████████████████████████████████████████████████████████████████▍ | 959/1288 [08:41<02:46, 1.97it/s]
75%|███████████████████████████████████████████████████████████████████████████████████▍ | 960/1288 [08:42<02:48, 1.94it/s]
{'loss': 5.8823, 'grad_norm': 3.5625, 'learning_rate': 0.016792174878465932, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2494.38, 'epoch': 2.97}
75%|███████████████████████████████████████████████████████████████████████████████████▍ | 960/1288 [08:42<02:48, 1.94it/s]
75%|███████████████████████████████████████████████████████████████████████████████████▌ | 961/1288 [08:42<02:51, 1.91it/s]
75%|███████████████████████████████████████████████████████████████████████████████████▋ | 962/1288 [08:43<02:44, 1.98it/s]
75%|███████████████████████████████████████████████████████████████████████████████████▋ | 963/1288 [08:43<02:30, 2.16it/s]
75%|███████████████████████████████████████████████████████████████████████████████████▊ | 964/1288 [08:43<02:35, 2.08it/s]
75%|███████████████████████████████████████████████████████████████████████████████████▉ | 965/1288 [08:44<02:37, 2.05it/s]
75%|████████████████████████████████████████████████████████████████████████████████████ | 966/1288 [08:44<02:36, 2.06it/s]
75%|████████████████████████████████████████████████████████████████████████████████████ | 967/1288 [08:45<02:31, 2.12it/s]
75%|████████████████████████████████████████████████████████████████████████████████████▏ | 968/1288 [08:45<02:37, 2.03it/s]
75%|████████████████████████████████████████████████████████████████████████████████████▎ | 969/1288 [08:46<02:30, 2.12it/s]
75%|████████████████████████████████████████████████████████████████████████████████████▎ | 970/1288 [08:47<04:15, 1.25it/s]
{'loss': 6.4021, 'grad_norm': 3.4375, 'learning_rate': 0.015843808351281914, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2460.65, 'epoch': 3.0}
75%|████████████████████████████████████████████████████████████████████████████████████▎ | 970/1288 [08:47<04:15, 1.25it/s]
75%|████████████████████████████████████████████████████████████████████████████████████▍ | 971/1288 [08:48<03:43, 1.42it/s]
75%|████████████████████████████████████████████████████████████████████████████████████▌ | 972/1288 [08:48<03:23, 1.55it/s]
76%|████████████████████████████████████████████████████████████████████████████████████▌ | 973/1288 [08:49<03:06, 1.69it/s]
76%|████████████████████████████████████████████████████████████████████████████████████▋ | 974/1288 [08:49<02:54, 1.80it/s]
76%|████████████████████████████████████████████████████████████████████████████████████▊ | 975/1288 [08:50<02:45, 1.89it/s]
76%|████████████████████████████████████████████████████████████████████████████████████▊ | 976/1288 [08:50<02:46, 1.88it/s]
76%|████████████████████████████████████████████████████████████████████████████████████▉ | 977/1288 [08:51<02:43, 1.91it/s]
76%|█████████████████████████████████████████████████████████████████████████████████████ | 978/1288 [08:51<02:37, 1.97it/s]
76%|█████████████████████████████████████████████████████████████████████████████████████▏ | 979/1288 [08:52<02:37, 1.96it/s]
76%|█████████████████████████████████████████████████████████████████████████████████████▏ | 980/1288 [08:52<02:37, 1.96it/s]
{'loss': 6.2481, 'grad_norm': 3.421875, 'learning_rate': 0.014917941823650915, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2553.72, 'epoch': 3.03}
76%|█████████████████████████████████████████████████████████████████████████████████████▏ | 980/1288 [08:52<02:37, 1.96it/s]
76%|█████████████████████████████████████████████████████████████████████████████████████▎ | 981/1288 [08:53<02:36, 1.96it/s]
76%|█████████████████████████████████████████████████████████████████████████████████████▍ | 982/1288 [08:53<02:32, 2.01it/s]
76%|█████████████████████████████████████████████████████████████████████████████████████▍ | 983/1288 [08:54<02:32, 2.00it/s]
76%|█████████████████████████████████████████████████████████████████████████████████████▌ | 984/1288 [08:54<02:32, 1.99it/s]
76%|█████████████████████████████████████████████████████████████████████████████████████▋ | 985/1288 [08:55<02:30, 2.02it/s]
77%|█████████████████████████████████████████████████████████████████████████████████████▋ | 986/1288 [08:55<02:32, 1.98it/s]
77%|█████████████████████████████████████████████████████████████████████████████████████▊ | 987/1288 [08:56<02:31, 1.98it/s]
77%|█████████████████████████████████████████████████████████████████████████████████████▉ | 988/1288 [08:56<02:24, 2.07it/s]
77%|██████████████████████████████████████████████████████████████████████████████████████ | 989/1288 [08:57<02:29, 2.00it/s]
77%|██████████████████████████████████████████████████████████████████████████████████████ | 990/1288 [08:57<02:29, 1.99it/s]
{'loss': 6.4088, 'grad_norm': 3.609375, 'learning_rate': 0.014015185199530378, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2636.23, 'epoch': 3.07}
77%|██████████████████████████████████████████████████████████████████████████████████████ | 990/1288 [08:57<02:29, 1.99it/s]
77%|██████████████████████████████████████████████████████████████████████████████████████▏ | 991/1288 [08:58<02:32, 1.94it/s]
77%|██████████████████████████████████████████████████████████████████████████████████████▎ | 992/1288 [08:58<02:34, 1.92it/s]
77%|██████████████████████████████████████████████████████████████████████████████████████▎ | 993/1288 [08:59<02:27, 2.01it/s]
77%|██████████████████████████████████████████████████████████████████████████████████████▍ | 994/1288 [08:59<02:24, 2.04it/s]
77%|██████████████████████████████████████████████████████████████████████████████████████▌ | 995/1288 [09:00<02:27, 1.99it/s]
77%|██████████████████████████████████████████████████████████████████████████████████████▌ | 996/1288 [09:00<02:26, 1.99it/s]
77%|██████████████████████████████████████████████████████████████████████████████████████▋ | 997/1288 [09:01<02:26, 1.98it/s]
77%|██████████████████████████████████████████████████████████████████████████████████████▊ | 998/1288 [09:01<02:24, 2.01it/s]
78%|██████████████████████████████████████████████████████████████████████████████████████▊ | 999/1288 [09:02<02:24, 2.00it/s]
78%|██████████████████████████████████████████████████████████████████████████████████████▏ | 1000/1288 [09:02<02:25, 1.98it/s]
{'loss': 6.2442, 'grad_norm': 3.46875, 'learning_rate': 0.013136133159493801, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2650.12, 'epoch': 3.1}
78%|██████████████████████████████████████████████████████████████████████████████████████▏ | 1000/1288 [09:02<02:25, 1.98it/s][2025-12-13 20:48:16,595] [INFO] [axolotl.core.trainers.base._save:671] [PID:1121389] Saving model checkpoint to ./out_6_lima/checkpoint-1000
78%|██████████████████████████████████████████████████████████████████████████████████████▎ | 1001/1288 [09:05<06:07, 1.28s/it]
78%|██████████████████████████████████████████████████████████████████████████████████████▎ | 1002/1288 [09:06<04:56, 1.04s/it]
78%|██████████████████████████████████████████████████████████████████████████████████████▍ | 1003/1288 [09:06<04:07, 1.15it/s]
78%|██████████████████████████████████████████████████████████████████████████████████████▌ | 1004/1288 [09:07<03:32, 1.34it/s]
78%|██████████████████████████████████████████████████████████████████████████████████████▌ | 1005/1288 [09:07<03:13, 1.46it/s]
78%|██████████████████████████████████████████████████████████████████████████████████████▋ | 1006/1288 [09:08<03:00, 1.56it/s]
78%|██████████████████████████████████████████████████████████████████████████████████████▊ | 1007/1288 [09:08<02:48, 1.67it/s]
78%|██████████████████████████████████████████████████████████████████████████████████████▊ | 1008/1288 [09:09<02:37, 1.78it/s]
78%|██████████████████████████████████████████████████████████████████████████████████████▉ | 1009/1288 [09:09<02:35, 1.79it/s]
78%|███████████████████████████████████████████████████████████████████████████████████████ | 1010/1288 [09:10<02:33, 1.81it/s]
{'loss': 6.2945, 'grad_norm': 3.65625, 'learning_rate': 0.012281364768991804, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2553.0, 'epoch': 3.13}
78%|███████████████████████████████████████████████████████████████████████████████████████ | 1010/1288 [09:10<02:33, 1.81it/s]
78%|███████████████████████████████████████████████████████████████████████████████████████▏ | 1011/1288 [09:11<02:33, 1.81it/s]
79%|███████████████████████████████████████████████████████████████████████████████████████▏ | 1012/1288 [09:11<02:29, 1.85it/s]
79%|███████████████████████████████████████████████████████████████████████████████████████▎ | 1013/1288 [09:12<02:26, 1.88it/s]
79%|███████████████████████████████████████████████████████████████████████████████████████▍ | 1014/1288 [09:12<02:21, 1.94it/s]
79%|███████████████████████████████████████████████████████████████████████████████████████▍ | 1015/1288 [09:13<02:23, 1.91it/s]
79%|███████████████████████████████████████████████████████████████████████████████████████▌ | 1016/1288 [09:13<02:21, 1.93it/s]
79%|███████████████████████████████████████████████████████████████████████████████████████▋ | 1017/1288 [09:14<02:16, 1.98it/s]
79%|███████████████████████████████████████████████████████████████████████████████████████▋ | 1018/1288 [09:14<02:16, 1.98it/s]
79%|███████████████████████████████████████████████████████████████████████████████████████▊ | 1019/1288 [09:15<02:13, 2.01it/s]
79%|███████████████████████████████████████████████████████████████████████████████████████▉ | 1020/1288 [09:15<02:13, 2.01it/s]
{'loss': 6.4189, 'grad_norm': 3.140625, 'learning_rate': 0.01145144309689934, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2812.43, 'epoch': 3.16}
79%|███████████████████████████████████████████████████████████████████████████████████████▉ | 1020/1288 [09:15<02:13, 2.01it/s]
79%|███████████████████████████████████████████████████████████████████████████████████████▉ | 1021/1288 [09:16<02:15, 1.96it/s]
79%|████████████████████████████████████████████████████████████████████████████████████████ | 1022/1288 [09:16<02:15, 1.96it/s]
79%|████████████████████████████████████████████████████████████████████████████████████████▏ | 1023/1288 [09:17<02:11, 2.01it/s]
80%|████████████████████████████████████████████████████████████████████████████████████████▏ | 1024/1288 [09:17<02:14, 1.96it/s]
80%|████████████████████████████████████████████████████████████████████████████████████████▎ | 1025/1288 [09:18<02:14, 1.95it/s]
80%|████████████████████████████████████████████████████████████████████████████████████████▍ | 1026/1288 [09:18<02:13, 1.96it/s]
80%|████████████████████████████████████████████████████████████████████████████████████████▌ | 1027/1288 [09:19<02:10, 2.00it/s]
80%|████████████████████████████████████████████████████████████████████████████████████████▌ | 1028/1288 [09:19<02:13, 1.95it/s]
80%|████████████████████████████████████████████████████████████████████████████████████████▋ | 1029/1288 [09:20<02:10, 1.99it/s]
80%|████████████████████████████████████████████████████████████████████████████████████████▊ | 1030/1288 [09:20<02:04, 2.08it/s]
{'loss': 6.2488, 'grad_norm': 3.28125, 'learning_rate': 0.010646914844600543, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 3256.86, 'epoch': 3.19}
80%|████████████████████████████████████████████████████████████████████████████████████████▊ | 1030/1288 [09:20<02:04, 2.08it/s]
80%|████████████████████████████████████████████████████████████████████████████████████████▊ | 1031/1288 [09:21<02:04, 2.06it/s]
80%|████████████████████████████████████████████████████████████████████████████████████████▉ | 1032/1288 [09:21<02:03, 2.07it/s]
80%|█████████████████████████████████████████████████████████████████████████████████████████ | 1033/1288 [09:22<02:05, 2.03it/s]
80%|█████████████████████████████████████████████████████████████████████████████████████████ | 1034/1288 [09:22<02:09, 1.97it/s]
80%|█████████████████████████████████████████████████████████████████████████████████████████▏ | 1035/1288 [09:23<02:07, 1.98it/s]
80%|█████████████████████████████████████████████████████████████████████████████████████████▎ | 1036/1288 [09:23<02:07, 1.98it/s]
81%|█████████████████████████████████████████████████████████████████████████████████████████▎ | 1037/1288 [09:24<02:04, 2.01it/s]
81%|█████████████████████████████████████████████████████████████████████████████████████████▍ | 1038/1288 [09:24<02:05, 1.99it/s]
81%|█████████████████████████████████████████████████████████████████████████████████████████▌ | 1039/1288 [09:25<02:03, 2.02it/s]
81%|█████████████████████████████████████████████████████████████████████████████████████████▋ | 1040/1288 [09:25<02:02, 2.02it/s]
{'loss': 6.1305, 'grad_norm': 5.375, 'learning_rate': 0.009868309985855445, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2776.15, 'epoch': 3.22}
81%|█████████████████████████████████████████████████████████████████████████████████████████▋ | 1040/1288 [09:25<02:02, 2.02it/s]
81%|█████████████████████████████████████████████████████████████████████████████████████████▋ | 1041/1288 [09:26<02:02, 2.01it/s]
81%|█████████████████████████████████████████████████████████████████████████████████████████▊ | 1042/1288 [09:26<02:01, 2.03it/s]
81%|█████████████████████████████████████████████████████████████████████████████████████████▉ | 1043/1288 [09:27<02:01, 2.02it/s]
81%|█████████████████████████████████████████████████████████████████████████████████████████▉ | 1044/1288 [09:27<02:02, 2.00it/s]
81%|██████████████████████████████████████████████████████████████████████████████████████████ | 1045/1288 [09:28<02:02, 1.98it/s]
81%|██████████████████████████████████████████████████████████████████████████████████████████▏ | 1046/1288 [09:28<02:02, 1.98it/s]
81%|██████████████████████████████████████████████████████████████████████████████████████████▏ | 1047/1288 [09:29<02:01, 1.98it/s]
81%|██████████████████████████████████████████████████████████████████████████████████████████▎ | 1048/1288 [09:29<02:03, 1.94it/s]
81%|██████████████████████████████████████████████████████████████████████████████████████████▍ | 1049/1288 [09:30<02:03, 1.94it/s]
82%|██████████████████████████████████████████████████████████████████████████████████████████▍ | 1050/1288 [09:30<02:01, 1.95it/s]
{'loss': 6.547, 'grad_norm': 3.203125, 'learning_rate': 0.009116141417685898, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2870.03, 'epoch': 3.25}
82%|██████████████████████████████████████████████████████████████████████████████████████████▍ | 1050/1288 [09:30<02:01, 1.95it/s]
82%|██████████████████████████████████████████████████████████████████████████████████████████▌ | 1051/1288 [09:31<02:00, 1.96it/s]
82%|██████████████████████████████████████████████████████████████████████████████████████████▋ | 1052/1288 [09:31<01:58, 2.00it/s]
82%|██████████████████████████████████████████████████████████████████████████████████████████▋ | 1053/1288 [09:32<01:55, 2.03it/s]
82%|██████████████████████████████████████████████████████████████████████████████████████████▊ | 1054/1288 [09:32<01:56, 2.00it/s]
82%|██████████████████████████████████████████████████████████████████████████████████████████▉ | 1055/1288 [09:33<01:54, 2.04it/s]
82%|███████████████████████████████████████████████████████████████████████████████████████████ | 1056/1288 [09:33<01:55, 2.01it/s]
82%|███████████████████████████████████████████████████████████████████████████████████████████ | 1057/1288 [09:34<01:57, 1.96it/s]
82%|███████████████████████████████████████████████████████████████████████████████████████████▏ | 1058/1288 [09:34<01:55, 2.00it/s]
82%|███████████████████████████████████████████████████████████████████████████████████████████▎ | 1059/1288 [09:35<01:57, 1.95it/s]
82%|███████████████████████████████████████████████████████████████████████████████████████████▎ | 1060/1288 [09:35<01:56, 1.96it/s]
{'loss': 6.2881, 'grad_norm': 3.515625, 'learning_rate': 0.00839090462251047, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2688.05, 'epoch': 3.28}
82%|███████████████████████████████████████████████████████████████████████████████████████████▎ | 1060/1288 [09:35<01:56, 1.96it/s]
82%|███████████████████████████████████████████████████████████████████████████████████████████▍ | 1061/1288 [09:36<01:58, 1.92it/s]
82%|███████████████████████████████████████████████████████████████████████████████████████████▌ | 1062/1288 [09:36<01:52, 2.01it/s]
83%|███████████████████████████████████████████████████████████████████████████████████████████▌ | 1063/1288 [09:37<01:56, 1.93it/s]
83%|███████████████████████████████████████████████████████████████████████████████████████████▋ | 1064/1288 [09:37<01:53, 1.98it/s]
83%|███████████████████████████████████████████████████████████████████████████████████████████▊ | 1065/1288 [09:38<01:56, 1.91it/s]
83%|███████████████████████████████████████████████████████████████████████████████████████████▊ | 1066/1288 [09:38<01:55, 1.93it/s]
83%|███████████████████████████████████████████████████████████████████████████████████████████▉ | 1067/1288 [09:39<01:56, 1.89it/s]
83%|████████████████████████████████████████████████████████████████████████████████████████████ | 1068/1288 [09:39<01:57, 1.87it/s]
83%|████████████████████████████████████████████████████████████████████████████████████████████▏ | 1069/1288 [09:40<01:54, 1.90it/s]
83%|████████████████████████████████████████████████████████████████████████████████████████████▏ | 1070/1288 [09:40<01:56, 1.87it/s]
{'loss': 6.0413, 'grad_norm': 3.078125, 'learning_rate': 0.007693077341751137, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2977.69, 'epoch': 3.31}
83%|████████████████████████████████████████████████████████████████████████████████████████████▏ | 1070/1288 [09:40<01:56, 1.87it/s]
83%|████████████████████████████████████████████████████████████████████████████████████████████▎ | 1071/1288 [09:41<01:51, 1.95it/s]
83%|████████████████████████████████████████████████████████████████████████████████████████████▍ | 1072/1288 [09:41<01:53, 1.91it/s]
83%|████████████████████████████████████████████████████████████████████████████████████████████▍ | 1073/1288 [09:42<01:52, 1.92it/s]
83%|████████████████████████████████████████████████████████████████████████████████████████████▌ | 1074/1288 [09:42<01:50, 1.94it/s]
83%|████████████████████████████████████████████████████████████████████████████████████████████▋ | 1075/1288 [09:43<01:49, 1.95it/s]
84%|████████████████████████████████████████████████████████████████████████████████████████████▋ | 1076/1288 [09:44<01:50, 1.91it/s]
84%|████████████████████████████████████████████████████████████████████████████████████████████▊ | 1077/1288 [09:44<01:45, 2.01it/s]
84%|████████████████████████████████████████████████████████████████████████████████████████████▉ | 1078/1288 [09:45<01:47, 1.95it/s]
84%|████████████████████████████████████████████████████████████████████████████████████████████▉ | 1079/1288 [09:45<01:44, 1.99it/s]
84%|█████████████████████████████████████████████████████████████████████████████████████████████ | 1080/1288 [09:46<01:48, 1.92it/s]
{'loss': 6.3148, 'grad_norm': 2.890625, 'learning_rate': 0.00702311926112657, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2583.76, 'epoch': 3.34}
84%|█████████████████████████████████████████████████████████████████████████████████████████████ | 1080/1288 [09:46<01:48, 1.92it/s]
84%|█████████████████████████████████████████████████████████████████████████████████████████████▏ | 1081/1288 [09:46<01:45, 1.96it/s]
84%|█████████████████████████████████████████████████████████████████████████████████████████████▏ | 1082/1288 [09:47<01:45, 1.95it/s]
84%|█████████████████████████████████████████████████████████████████████████████████████████████▎ | 1083/1288 [09:47<01:42, 2.01it/s]
84%|█████████████████████████████████████████████████████████████████████████████████████████████▍ | 1084/1288 [09:48<01:41, 2.00it/s]
84%|█████████████████████████████████████████████████████████████████████████████████████████████▌ | 1085/1288 [09:48<01:39, 2.04it/s]
84%|█████████████████████████████████████████████████████████████████████████████████████████████▌ | 1086/1288 [09:48<01:38, 2.05it/s]
84%|█████████████████████████████████████████████████████████████████████████████████████████████▋ | 1087/1288 [09:49<01:38, 2.04it/s]
84%|█████████████████████████████████████████████████████████████████████████████████████████████▊ | 1088/1288 [09:49<01:37, 2.06it/s]
85%|█████████████████████████████████████████████████████████████████████████████████████████████▊ | 1089/1288 [09:50<01:37, 2.04it/s]
85%|█████████████████████████████████████████████████████████████████████████████████████████████▉ | 1090/1288 [09:50<01:37, 2.03it/s]
{'loss': 6.4992, 'grad_norm': 3.625, 'learning_rate': 0.006381471707839448, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2566.24, 'epoch': 3.37}
85%|█████████████████████████████████████████████████████████████████████████████████████████████▉ | 1090/1288 [09:50<01:37, 2.03it/s]
85%|██████████████████████████████████████████████████████████████████████████████████████████████ | 1091/1288 [09:51<01:40, 1.97it/s]
85%|██████████████████████████████████████████████████████████████████████████████████████████████ | 1092/1288 [09:52<01:43, 1.90it/s]
85%|██████████████████████████████████████████████████████████████████████████████████████████████▏ | 1093/1288 [09:52<01:39, 1.96it/s]
85%|██████████████████████████████████████████████████████████████████████████████████████████████▎ | 1094/1288 [09:53<01:41, 1.91it/s]
85%|██████████████████████████████████████████████████████████████████████████████████████████████▎ | 1095/1288 [09:53<01:43, 1.87it/s]
85%|██████████████████████████████████████████████████████████████████████████████████████████████▍ | 1096/1288 [09:54<01:43, 1.85it/s]
85%|██████████████████████████████████████████████████████████████████████████████████████████████▌ | 1097/1288 [09:54<01:43, 1.84it/s]
85%|██████████████████████████████████████████████████████████████████████████████████████████████▋ | 1098/1288 [09:55<01:41, 1.87it/s]
85%|██████████████████████████████████████████████████████████████████████████████████████████████▋ | 1099/1288 [09:55<01:39, 1.91it/s]
85%|██████████████████████████████████████████████████████████████████████████████████████████████▊ | 1100/1288 [09:56<01:35, 1.96it/s]
{'loss': 6.2456, 'grad_norm': 3.1875, 'learning_rate': 0.005768557359857241, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 3296.91, 'epoch': 3.41}
85%|██████████████████████████████████████████████████████████████████████████████████████████████▊ | 1100/1288 [09:56<01:35, 1.96it/s][2025-12-13 20:49:09,967] [INFO] [axolotl.core.trainers.base._save:671] [PID:1121389] Saving model checkpoint to ./out_6_lima/checkpoint-1100
85%|██████████████████████████████████████████████████████████████████████████████████████████████▉ | 1101/1288 [09:59<03:57, 1.27s/it]
86%|██████████████████████████████████████████████████████████████████████████████████████████████▉ | 1102/1288 [09:59<03:13, 1.04s/it]
86%|███████████████████████████████████████████████████████████████████████████████████████████████ | 1103/1288 [10:00<02:43, 1.13it/s]
86%|███████████████████████████████████████████████████████████████████████████████████████████████▏ | 1104/1288 [10:00<02:23, 1.28it/s]
86%|███████████████████████████████████████████████████████████████████████████████████████████████▏ | 1105/1288 [10:01<02:07, 1.43it/s]
86%|███████████████████████████████████████████████████████████████████████████████████████████████▎ | 1106/1288 [10:01<01:54, 1.59it/s]
86%|███████████████████████████████████████████████████████████████████████████████████████████████▍ | 1107/1288 [10:02<01:47, 1.69it/s]
86%|███████████████████████████████████████████████████████████████████████████████████████████████▍ | 1108/1288 [10:02<01:42, 1.76it/s]
86%|███████████████████████████████████████████████████████████████████████████████████████████████▌ | 1109/1288 [10:03<01:36, 1.85it/s]
86%|███████████████████████████████████████████████████████████████████████████████████████████████▋ | 1110/1288 [10:03<01:36, 1.85it/s]
{'loss': 6.3436, 'grad_norm': 2.9375, 'learning_rate': 0.005184779967477893, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2581.78, 'epoch': 3.44}
86%|███████████████████████████████████████████████████████████████████████████████████████████████▋ | 1110/1288 [10:03<01:36, 1.85it/s]
86%|███████████████████████████████████████████████████████████████████████████████████████████████▋ | 1111/1288 [10:04<01:36, 1.84it/s]
86%|███████████████████████████████████████████████████████████████████████████████████████████████▊ | 1112/1288 [10:04<01:32, 1.90it/s]
86%|███████████████████████████████████████████████████████████████████████████████████████████████▉ | 1113/1288 [10:05<01:32, 1.89it/s]
86%|████████████████████████████████████████████████████████████████████████████████████████████████ | 1114/1288 [10:05<01:27, 2.00it/s]
87%|████████████████████████████████████████████████████████████████████████████████████████████████ | 1115/1288 [10:06<01:28, 1.95it/s]
87%|████████████████████████████████████████████████████████████████████████████████████████████████▏ | 1116/1288 [10:06<01:26, 1.99it/s]
87%|████████████████████████████████████████████████████████████████████████████████████████████████▎ | 1117/1288 [10:07<01:25, 1.99it/s]
87%|████████████████████████████████████████████████████████████████████████████████████████████████▎ | 1118/1288 [10:07<01:27, 1.95it/s]
87%|████████████████████████████████████████████████████████████████████████████████████████████████▍ | 1119/1288 [10:08<01:24, 2.01it/s]
87%|████████████████████████████████████████████████████████████████████████████████████████████████▌ | 1120/1288 [10:08<01:25, 1.96it/s]
{'loss': 6.113, 'grad_norm': 3.9375, 'learning_rate': 0.004630524087364018, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2644.42, 'epoch': 3.47}
87%|████████████████████████████████████████████████████████████████████████████████████████████████▌ | 1120/1288 [10:08<01:25, 1.96it/s]
87%|████████████████████████████████████████████████████████████████████████████████████████████████▌ | 1121/1288 [10:09<01:24, 1.97it/s]
87%|████████████████████████████████████████████████████████████████████████████████████████████████▋ | 1122/1288 [10:09<01:23, 2.00it/s]
87%|████████████████████████████████████████████████████████████████████████████████████████████████▊ | 1123/1288 [10:10<01:22, 1.99it/s]
87%|████████████████████████████████████████████████████████████████████████████████████████████████▊ | 1124/1288 [10:10<01:23, 1.95it/s]
87%|████████████████████████████████████████████████████████████████████████████████████████████████▉ | 1125/1288 [10:11<01:24, 1.93it/s]
87%|█████████████████████████████████████████████████████████████████████████████████████████████████ | 1126/1288 [10:11<01:21, 1.98it/s]
88%|█████████████████████████████████████████████████████████████████████████████████████████████████▏ | 1127/1288 [10:12<01:22, 1.95it/s]
88%|█████████████████████████████████████████████████████████████████████████████████████████████████▏ | 1128/1288 [10:13<01:22, 1.94it/s]
88%|█████████████████████████████████████████████████████████████████████████████████████████████████▎ | 1129/1288 [10:13<01:19, 2.01it/s]
88%|█████████████████████████████████████████████████████████████████████████████████████████████████▍ | 1130/1288 [10:13<01:20, 1.97it/s]
{'loss': 6.1765, 'grad_norm': 3.921875, 'learning_rate': 0.00410615482922056, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2616.84, 'epoch': 3.5}
88%|█████████████████████████████████████████████████████████████████████████████████████████████████▍ | 1130/1288 [10:13<01:20, 1.97it/s]
88%|█████████████████████████████████████████████████████████████████████████████████████████████████▍ | 1131/1288 [10:14<01:16, 2.05it/s]
88%|█████████████████████████████████████████████████████████████████████████████████████████████████▌ | 1132/1288 [10:14<01:14, 2.08it/s]
88%|█████████████████████████████████████████████████████████████████████████████████████████████████▋ | 1133/1288 [10:15<01:17, 2.01it/s]
88%|█████████████████████████████████████████████████████████████████████████████████████████████████▋ | 1134/1288 [10:15<01:16, 2.01it/s]
88%|█████████████████████████████████████████████████████████████████████████████████████████████████▊ | 1135/1288 [10:16<01:17, 1.97it/s]
88%|█████████████████████████████████████████████████████████████████████████████████████████████████▉ | 1136/1288 [10:16<01:15, 2.01it/s]
88%|█████████████████████████████████████████████████████████████████████████████████████████████████▉ | 1137/1288 [10:17<01:13, 2.05it/s]
88%|██████████████████████████████████████████████████████████████████████████████████████████████████ | 1138/1288 [10:17<01:15, 1.99it/s]
88%|██████████████████████████████████████████████████████████████████████████████████████████████████▏ | 1139/1288 [10:18<01:14, 2.00it/s]
89%|██████████████████████████████████████████████████████████████████████████████████████████████████▏ | 1140/1288 [10:18<01:12, 2.04it/s]
{'loss': 6.2806, 'grad_norm': 3.453125, 'learning_rate': 0.0036120176152829643, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2764.65, 'epoch': 3.53}
89%|██████████████████████████████████████████████████████████████████████████████████████████████████▏ | 1140/1288 [10:18<01:12, 2.04it/s]
89%|██████████████████████████████████████████████████████████████████████████████████████████████████▎ | 1141/1288 [10:19<01:15, 1.94it/s]
89%|██████████████████████████████████████████████████████████████████████████████████████████████████▍ | 1142/1288 [10:19<01:14, 1.95it/s]
89%|██████████████████████████████████████████████████████████████████████████████████████████████████▌ | 1143/1288 [10:20<01:15, 1.92it/s]
89%|██████████████████████████████████████████████████████████████████████████████████████████████████▌ | 1144/1288 [10:21<01:15, 1.92it/s]
89%|██████████████████████████████████████████████████████████████████████████████████████████████████▋ | 1145/1288 [10:21<01:13, 1.95it/s]
89%|██████████████████████████████████████████████████████████████████████████████████████████████████▊ | 1146/1288 [10:22<01:14, 1.92it/s]
89%|██████████████████████████████████████████████████████████████████████████████████████████████████▊ | 1147/1288 [10:22<01:14, 1.89it/s]
89%|██████████████████████████████████████████████████████████████████████████████████████████████████▉ | 1148/1288 [10:23<01:13, 1.92it/s]
89%|███████████████████████████████████████████████████████████████████████████████████████████████████ | 1149/1288 [10:23<01:12, 1.91it/s]
89%|███████████████████████████████████████████████████████████████████████████████████████████████████ | 1150/1288 [10:24<01:12, 1.91it/s]
{'loss': 6.207, 'grad_norm': 3.671875, 'learning_rate': 0.003148437952774275, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2995.33, 'epoch': 3.56}
89%|███████████████████████████████████████████████████████████████████████████████████████████████████ | 1150/1288 [10:24<01:12, 1.91it/s]
89%|███████████████████████████████████████████████████████████████████████████████████████████████████▏ | 1151/1288 [10:24<01:10, 1.96it/s]
89%|███████████████████████████████████████████████████████████████████████████████████████████████████▎ | 1152/1288 [10:25<01:09, 1.96it/s]
90%|███████████████████████████████████████████████████████████████████████████████████████████████████▎ | 1153/1288 [10:25<01:09, 1.95it/s]
90%|███████████████████████████████████████████████████████████████████████████████████████████████████▍ | 1154/1288 [10:26<01:08, 1.95it/s]
90%|███████████████████████████████████████████████████████████████████████████████████████████████████▌ | 1155/1288 [10:26<01:09, 1.91it/s]
90%|███████████████████████████████████████████████████████████████████████████████████████████████████▌ | 1156/1288 [10:27<01:08, 1.92it/s]
90%|███████████████████████████████████████████████████████████████████████████████████████████████████▋ | 1157/1288 [10:27<01:07, 1.93it/s]
90%|███████████████████████████████████████████████████████████████████████████████████████████████████▊ | 1158/1288 [10:28<01:05, 1.99it/s]
90%|███████████████████████████████████████████████████████████████████████████████████████████████████▉ | 1159/1288 [10:28<01:02, 2.06it/s]
90%|███████████████████████████████████████████████████████████████████████████████████████████████████▉ | 1160/1288 [10:29<01:02, 2.03it/s]
{'loss': 6.371, 'grad_norm': 3.578125, 'learning_rate': 0.00271572121948091, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2730.62, 'epoch': 3.59}
90%|███████████████████████████████████████████████████████████████████████████████████████████████████▉ | 1160/1288 [10:29<01:02, 2.03it/s]
90%|████████████████████████████████████████████████████████████████████████████████████████████████████ | 1161/1288 [10:29<01:03, 2.00it/s]
90%|████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 1162/1288 [10:30<01:05, 1.92it/s]
90%|████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 1163/1288 [10:30<01:03, 1.97it/s]
90%|████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 1164/1288 [10:31<01:03, 1.97it/s]
90%|████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 1165/1288 [10:31<01:01, 2.00it/s]
91%|████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 1166/1288 [10:32<00:59, 2.04it/s]
91%|████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 1167/1288 [10:32<00:59, 2.02it/s]
91%|████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 1168/1288 [10:33<01:01, 1.96it/s]
91%|████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 1169/1288 [10:33<01:01, 1.93it/s]
91%|████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 1170/1288 [10:34<01:00, 1.94it/s]
{'loss': 6.3744, 'grad_norm': 2.984375, 'learning_rate': 0.002314152462588659, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2838.63, 'epoch': 3.62}
91%|████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 1170/1288 [10:34<01:00, 1.94it/s]
91%|████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 1171/1288 [10:34<01:00, 1.95it/s]
91%|█████████████████████████████████████████████████████████████████████████████████████████████████████ | 1172/1288 [10:35<00:59, 1.96it/s]
91%|█████████████████████████████████████████████████████████████████████████████████████████████████████ | 1173/1288 [10:35<01:03, 1.81it/s]
91%|█████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 1174/1288 [10:36<00:57, 1.98it/s]
91%|█████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 1175/1288 [10:36<00:58, 1.93it/s]
91%|█████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 1176/1288 [10:37<00:58, 1.93it/s]
91%|█████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 1177/1288 [10:37<00:56, 1.97it/s]
91%|█████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 1178/1288 [10:38<00:56, 1.94it/s]
92%|█████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 1179/1288 [10:38<00:55, 1.98it/s]
92%|█████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 1180/1288 [10:39<00:53, 2.01it/s]
{'loss': 6.1967, 'grad_norm': 4.25, 'learning_rate': 0.0019439962109110032, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2915.45, 'epoch': 3.65}
92%|█████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 1180/1288 [10:39<00:53, 2.01it/s]
92%|█████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 1181/1288 [10:39<00:53, 2.01it/s]
92%|█████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 1182/1288 [10:40<00:53, 1.99it/s]
92%|█████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 1183/1288 [10:40<00:52, 2.00it/s]
92%|██████████████████████████████████████████████████████████████████████████████████████████████████████ | 1184/1288 [10:41<00:52, 1.98it/s]
92%|██████████████████████████████████████████████████████████████████████████████████████████████████████ | 1185/1288 [10:41<00:52, 1.97it/s]
92%|██████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 1186/1288 [10:42<00:52, 1.96it/s]
92%|██████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 1187/1288 [10:42<00:51, 1.96it/s]
92%|██████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 1188/1288 [10:43<00:50, 1.99it/s]
92%|██████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 1189/1288 [10:43<00:48, 2.02it/s]
92%|██████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 1190/1288 [10:44<00:49, 1.97it/s]
{'loss': 6.2772, 'grad_norm': 3.8125, 'learning_rate': 0.0016054963006338742, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2576.52, 'epoch': 3.68}
92%|██████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 1190/1288 [10:44<00:49, 1.97it/s]
92%|██████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 1191/1288 [10:44<00:48, 2.02it/s]
93%|██████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 1192/1288 [10:45<00:46, 2.04it/s]
93%|██████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 1193/1288 [10:45<00:47, 2.01it/s]
93%|██████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 1194/1288 [10:46<00:46, 2.03it/s]
93%|██████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 1195/1288 [10:46<00:45, 2.06it/s]
93%|███████████████████████████████████████████████████████████████████████████████████████████████████████ | 1196/1288 [10:47<00:45, 2.03it/s]
93%|███████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 1197/1288 [10:47<00:46, 1.97it/s]
93%|███████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 1198/1288 [10:48<00:45, 1.97it/s]
93%|███████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 1199/1288 [10:48<00:45, 1.97it/s]
93%|███████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 1200/1288 [10:49<00:44, 1.97it/s]
{'loss': 6.2284, 'grad_norm': 3.875, 'learning_rate': 0.0012988757146913223, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2688.72, 'epoch': 3.72}
93%|███████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 1200/1288 [10:49<00:44, 1.97it/s][2025-12-13 20:50:03,207] [INFO] [axolotl.core.trainers.base._save:671] [PID:1121389] Saving model checkpoint to ./out_6_lima/checkpoint-1200
93%|███████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 1201/1288 [10:52<01:48, 1.25s/it]
93%|███████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 1202/1288 [10:52<01:27, 1.02s/it]
93%|███████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 1203/1288 [10:53<01:14, 1.14it/s]
93%|███████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 1204/1288 [10:53<01:04, 1.31it/s]
94%|███████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 1205/1288 [10:54<00:57, 1.44it/s]
94%|███████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 1206/1288 [10:55<00:52, 1.57it/s]
94%|████████████████████████████████████████████████████████████████████████████████████████████████████████ | 1207/1288 [10:55<00:47, 1.70it/s]
94%|████████████████████████████████████████████████████████████████████████████████████████████████████████ | 1208/1288 [10:56<00:45, 1.77it/s]
94%|████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 1209/1288 [10:56<00:42, 1.88it/s]
94%|████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 1210/1288 [10:56<00:40, 1.93it/s]
{'loss': 6.3279, 'grad_norm': 3.28125, 'learning_rate': 0.0010243364358780815, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2789.43, 'epoch': 3.75}
94%|████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 1210/1288 [10:56<00:40, 1.93it/s]
94%|████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 1211/1288 [10:57<00:38, 1.99it/s]
94%|████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 1212/1288 [10:57<00:38, 1.98it/s]
94%|████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 1213/1288 [10:58<00:37, 1.98it/s]
94%|████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 1214/1288 [10:58<00:37, 1.98it/s]
94%|████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 1215/1288 [10:59<00:37, 1.95it/s]
94%|████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 1216/1288 [10:59<00:37, 1.94it/s]
94%|████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 1217/1288 [11:00<00:37, 1.91it/s]
95%|████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 1218/1288 [11:01<00:36, 1.94it/s]
95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████ | 1219/1288 [11:01<00:36, 1.90it/s]
95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 1220/1288 [11:02<00:36, 1.88it/s]
{'loss': 6.0937, 'grad_norm': 3.140625, 'learning_rate': 0.0007820593137957244, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2695.28, 'epoch': 3.78}
95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 1220/1288 [11:02<00:36, 1.88it/s]
95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 1221/1288 [11:02<00:34, 1.94it/s]
95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 1222/1288 [11:03<00:33, 1.96it/s]
95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 1223/1288 [11:03<00:33, 1.93it/s]
95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 1224/1288 [11:04<00:32, 1.94it/s]
95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 1225/1288 [11:04<00:32, 1.96it/s]
95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 1226/1288 [11:05<00:31, 1.95it/s]
95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 1227/1288 [11:05<00:31, 1.92it/s]
95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 1228/1288 [11:06<00:31, 1.93it/s]
95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 1229/1288 [11:06<00:29, 1.97it/s]
95%|██████████████████████████████████████████████████████████████████████████████████████████████████████████ | 1230/1288 [11:07<00:28, 2.02it/s]
{'loss': 6.5538, 'grad_norm': 3.453125, 'learning_rate': 0.0005722039457200234, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2891.73, 'epoch': 3.81}
95%|██████████████████████████████████████████████████████████████████████████████████████████████████████████ | 1230/1288 [11:07<00:28, 2.02it/s]
96%|██████████████████████████████████████████████████████████████████████████████████████████████████████████ | 1231/1288 [11:07<00:28, 1.99it/s]
96%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 1232/1288 [11:08<00:27, 2.02it/s]
96%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 1233/1288 [11:08<00:26, 2.04it/s]
96%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 1234/1288 [11:09<00:26, 2.02it/s]
96%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 1235/1288 [11:09<00:25, 2.05it/s]
96%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 1236/1288 [11:09<00:22, 2.28it/s]
96%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 1237/1288 [11:10<00:22, 2.29it/s]
96%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 1238/1288 [11:11<00:24, 2.00it/s]
96%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 1239/1288 [11:11<00:24, 2.01it/s]
96%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 1240/1288 [11:12<00:24, 1.98it/s]
{'loss': 6.3883, 'grad_norm': 2.578125, 'learning_rate': 0.0003949085714681389, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2283.22, 'epoch': 3.84}
96%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 1240/1288 [11:12<00:24, 1.98it/s]
96%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 1241/1288 [11:12<00:23, 1.97it/s]
96%|███████████████████████████████████████████████████████████████████████████████████████████████████████████ | 1242/1288 [11:13<00:22, 2.01it/s]
97%|███████████████████████████████████████████████████████████████████████████████████████████████████████████ | 1243/1288 [11:13<00:22, 2.04it/s]
97%|███████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 1244/1288 [11:14<00:21, 2.01it/s]
97%|███████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 1245/1288 [11:14<00:20, 2.08it/s]
97%|███████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 1246/1288 [11:14<00:20, 2.09it/s]
97%|███████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 1247/1288 [11:15<00:19, 2.06it/s]
97%|███████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 1248/1288 [11:16<00:20, 1.93it/s]
97%|███████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 1249/1288 [11:16<00:20, 1.93it/s]
97%|███████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 1250/1288 [11:17<00:19, 1.96it/s]
{'loss': 6.1749, 'grad_norm': 3.484375, 'learning_rate': 0.0002502899823346727, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2713.55, 'epoch': 3.87}
97%|███████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 1250/1288 [11:17<00:19, 1.96it/s]
97%|███████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 1251/1288 [11:17<00:19, 1.93it/s]
97%|███████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 1252/1288 [11:18<00:18, 1.90it/s]
97%|███████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 1253/1288 [11:18<00:17, 1.99it/s]
97%|████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 1254/1288 [11:19<00:17, 1.99it/s]
97%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 1255/1288 [11:19<00:16, 1.95it/s]
98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 1256/1288 [11:20<00:16, 1.92it/s]
98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 1257/1288 [11:20<00:16, 1.90it/s]
98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 1258/1288 [11:21<00:15, 1.88it/s]
98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 1259/1288 [11:21<00:15, 1.86it/s]
98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 1260/1288 [11:22<00:15, 1.86it/s]
{'loss': 5.8971, 'grad_norm': 2.59375, 'learning_rate': 0.00013844344415676058, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2919.3, 'epoch': 3.9}
98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 1260/1288 [11:22<00:15, 1.86it/s]
98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 1261/1288 [11:22<00:14, 1.90it/s]
98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 1262/1288 [11:23<00:13, 1.92it/s]
98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 1263/1288 [11:23<00:12, 1.97it/s]
98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 1264/1288 [11:24<00:11, 2.01it/s]
98%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 1265/1288 [11:24<00:11, 1.96it/s]
98%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 1266/1288 [11:25<00:11, 1.96it/s]
98%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 1267/1288 [11:25<00:11, 1.81it/s]
98%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 1268/1288 [11:26<00:10, 1.89it/s]
99%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 1269/1288 [11:26<00:09, 1.90it/s]
99%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 1270/1288 [11:27<00:09, 1.96it/s]
{'loss': 6.2062, 'grad_norm': 4.1875, 'learning_rate': 5.9442634558792845e-05, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 2872.91, 'epoch': 3.93}
99%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 1270/1288 [11:27<00:09, 1.96it/s]
99%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 1271/1288 [11:27<00:08, 1.95it/s]
99%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 1272/1288 [11:28<00:08, 1.99it/s]
99%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 1273/1288 [11:28<00:07, 2.03it/s]
99%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 1274/1288 [11:29<00:06, 2.00it/s]
99%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 1275/1288 [11:29<00:06, 1.96it/s]
99%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 1276/1288 [11:30<00:05, 2.01it/s]
99%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 1277/1288 [11:30<00:05, 2.15it/s]
99%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▏| 1278/1288 [11:31<00:04, 2.01it/s]
99%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▏| 1279/1288 [11:31<00:04, 2.03it/s]
99%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▎| 1280/1288 [11:32<00:03, 2.24it/s]
{'loss': 6.2402, 'grad_norm': 6.0625, 'learning_rate': 1.3339594418138035e-05, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'tokens_per_second_per_gpu': 3539.23, 'epoch': 3.96}
99%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▎| 1280/1288 [11:32<00:03, 2.24it/s]
99%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▍| 1281/1288 [11:32<00:03, 2.10it/s]
100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▍| 1282/1288 [11:33<00:02, 2.07it/s]
100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▌| 1283/1288 [11:33<00:02, 2.08it/s]
100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▋| 1284/1288 [11:34<00:01, 2.05it/s]
100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▋| 1285/1288 [11:34<00:01, 2.06it/s]
100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▊| 1286/1288 [11:35<00:00, 2.07it/s]
100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▉| 1287/1288 [11:35<00:00, 1.99it/s]
100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████| 1288/1288 [11:36<00:00, 2.08it/s][2025-12-13 20:50:49,898] [INFO] [axolotl.core.trainers.base._save:671] [PID:1121389] Saving model checkpoint to ./out_6_lima/checkpoint-1288
{'train_runtime': 701.5896, 'train_samples_per_second': 1.836, 'train_steps_per_second': 1.836, 'train_loss': 6.3926010724180236, 'memory/max_active (GiB)': 6.75, 'memory/max_allocated (GiB)': 6.75, 'memory/device_reserved (GiB)': 7.17, 'epoch': 3.99}
100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████| 1288/1288 [11:38<00:00, 2.08it/s]
100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████| 1288/1288 [11:38<00:00, 1.84it/s]
[2025-12-13 20:50:52,468] [INFO] [axolotl.train.save_trained_model:225] [PID:1121389] Training completed! Saving trained model to ./out_6_lima.
[2025-12-13 20:50:54,912] [INFO] [axolotl.train.save_trained_model:346] [PID:1121389] Model successfully saved to ./out_6_lima
|