Arain commited on
Commit
8db7e50
·
verified ·
1 Parent(s): b0526d0

Upload trainer_state.json

Browse files
Files changed (1) hide show
  1. trainer_state.json +1819 -0
trainer_state.json ADDED
@@ -0,0 +1,1819 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 3.7166085946573753,
5
+ "eval_steps": 500,
6
+ "global_step": 600,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.01,
13
+ "learning_rate": 6.020599913279623e-06,
14
+ "loss": 0.8986,
15
+ "step": 2
16
+ },
17
+ {
18
+ "epoch": 0.02,
19
+ "learning_rate": 1.2041199826559246e-05,
20
+ "loss": 0.7523,
21
+ "step": 4
22
+ },
23
+ {
24
+ "epoch": 0.04,
25
+ "learning_rate": 1.5563025007672873e-05,
26
+ "loss": 0.6042,
27
+ "step": 6
28
+ },
29
+ {
30
+ "epoch": 0.05,
31
+ "learning_rate": 1.806179973983887e-05,
32
+ "loss": 0.511,
33
+ "step": 8
34
+ },
35
+ {
36
+ "epoch": 0.06,
37
+ "learning_rate": 1.9999999999999998e-05,
38
+ "loss": 0.457,
39
+ "step": 10
40
+ },
41
+ {
42
+ "epoch": 0.07,
43
+ "learning_rate": 2e-05,
44
+ "loss": 0.4316,
45
+ "step": 12
46
+ },
47
+ {
48
+ "epoch": 0.09,
49
+ "learning_rate": 2e-05,
50
+ "loss": 0.4123,
51
+ "step": 14
52
+ },
53
+ {
54
+ "epoch": 0.1,
55
+ "learning_rate": 2e-05,
56
+ "loss": 0.3952,
57
+ "step": 16
58
+ },
59
+ {
60
+ "epoch": 0.11,
61
+ "learning_rate": 2e-05,
62
+ "loss": 0.3816,
63
+ "step": 18
64
+ },
65
+ {
66
+ "epoch": 0.12,
67
+ "learning_rate": 2e-05,
68
+ "loss": 0.3786,
69
+ "step": 20
70
+ },
71
+ {
72
+ "epoch": 0.14,
73
+ "learning_rate": 2e-05,
74
+ "loss": 0.3675,
75
+ "step": 22
76
+ },
77
+ {
78
+ "epoch": 0.15,
79
+ "learning_rate": 2e-05,
80
+ "loss": 0.3584,
81
+ "step": 24
82
+ },
83
+ {
84
+ "epoch": 0.16,
85
+ "learning_rate": 2e-05,
86
+ "loss": 0.3562,
87
+ "step": 26
88
+ },
89
+ {
90
+ "epoch": 0.17,
91
+ "learning_rate": 2e-05,
92
+ "loss": 0.3543,
93
+ "step": 28
94
+ },
95
+ {
96
+ "epoch": 0.19,
97
+ "learning_rate": 2e-05,
98
+ "loss": 0.3517,
99
+ "step": 30
100
+ },
101
+ {
102
+ "epoch": 0.2,
103
+ "learning_rate": 2e-05,
104
+ "loss": 0.3405,
105
+ "step": 32
106
+ },
107
+ {
108
+ "epoch": 0.21,
109
+ "learning_rate": 2e-05,
110
+ "loss": 0.337,
111
+ "step": 34
112
+ },
113
+ {
114
+ "epoch": 0.22,
115
+ "learning_rate": 2e-05,
116
+ "loss": 0.3362,
117
+ "step": 36
118
+ },
119
+ {
120
+ "epoch": 0.24,
121
+ "learning_rate": 2e-05,
122
+ "loss": 0.3315,
123
+ "step": 38
124
+ },
125
+ {
126
+ "epoch": 0.25,
127
+ "learning_rate": 2e-05,
128
+ "loss": 0.3255,
129
+ "step": 40
130
+ },
131
+ {
132
+ "epoch": 0.26,
133
+ "learning_rate": 2e-05,
134
+ "loss": 0.3223,
135
+ "step": 42
136
+ },
137
+ {
138
+ "epoch": 0.27,
139
+ "learning_rate": 2e-05,
140
+ "loss": 0.3184,
141
+ "step": 44
142
+ },
143
+ {
144
+ "epoch": 0.28,
145
+ "learning_rate": 2e-05,
146
+ "loss": 0.3211,
147
+ "step": 46
148
+ },
149
+ {
150
+ "epoch": 0.3,
151
+ "learning_rate": 2e-05,
152
+ "loss": 0.3139,
153
+ "step": 48
154
+ },
155
+ {
156
+ "epoch": 0.31,
157
+ "learning_rate": 2e-05,
158
+ "loss": 0.3112,
159
+ "step": 50
160
+ },
161
+ {
162
+ "epoch": 0.32,
163
+ "learning_rate": 2e-05,
164
+ "loss": 0.3143,
165
+ "step": 52
166
+ },
167
+ {
168
+ "epoch": 0.33,
169
+ "learning_rate": 2e-05,
170
+ "loss": 0.3086,
171
+ "step": 54
172
+ },
173
+ {
174
+ "epoch": 0.35,
175
+ "learning_rate": 2e-05,
176
+ "loss": 0.3025,
177
+ "step": 56
178
+ },
179
+ {
180
+ "epoch": 0.36,
181
+ "learning_rate": 2e-05,
182
+ "loss": 0.3055,
183
+ "step": 58
184
+ },
185
+ {
186
+ "epoch": 0.37,
187
+ "learning_rate": 2e-05,
188
+ "loss": 0.3046,
189
+ "step": 60
190
+ },
191
+ {
192
+ "epoch": 0.38,
193
+ "learning_rate": 2e-05,
194
+ "loss": 0.2948,
195
+ "step": 62
196
+ },
197
+ {
198
+ "epoch": 0.4,
199
+ "learning_rate": 2e-05,
200
+ "loss": 0.2951,
201
+ "step": 64
202
+ },
203
+ {
204
+ "epoch": 0.41,
205
+ "learning_rate": 2e-05,
206
+ "loss": 0.2957,
207
+ "step": 66
208
+ },
209
+ {
210
+ "epoch": 0.42,
211
+ "learning_rate": 2e-05,
212
+ "loss": 0.2899,
213
+ "step": 68
214
+ },
215
+ {
216
+ "epoch": 0.43,
217
+ "learning_rate": 2e-05,
218
+ "loss": 0.2927,
219
+ "step": 70
220
+ },
221
+ {
222
+ "epoch": 0.45,
223
+ "learning_rate": 2e-05,
224
+ "loss": 0.2863,
225
+ "step": 72
226
+ },
227
+ {
228
+ "epoch": 0.46,
229
+ "learning_rate": 2e-05,
230
+ "loss": 0.2812,
231
+ "step": 74
232
+ },
233
+ {
234
+ "epoch": 0.47,
235
+ "learning_rate": 2e-05,
236
+ "loss": 0.2818,
237
+ "step": 76
238
+ },
239
+ {
240
+ "epoch": 0.48,
241
+ "learning_rate": 2e-05,
242
+ "loss": 0.2795,
243
+ "step": 78
244
+ },
245
+ {
246
+ "epoch": 0.5,
247
+ "learning_rate": 2e-05,
248
+ "loss": 0.2782,
249
+ "step": 80
250
+ },
251
+ {
252
+ "epoch": 0.51,
253
+ "learning_rate": 2e-05,
254
+ "loss": 0.2773,
255
+ "step": 82
256
+ },
257
+ {
258
+ "epoch": 0.52,
259
+ "learning_rate": 2e-05,
260
+ "loss": 0.2717,
261
+ "step": 84
262
+ },
263
+ {
264
+ "epoch": 0.53,
265
+ "learning_rate": 2e-05,
266
+ "loss": 0.2716,
267
+ "step": 86
268
+ },
269
+ {
270
+ "epoch": 0.55,
271
+ "learning_rate": 2e-05,
272
+ "loss": 0.2699,
273
+ "step": 88
274
+ },
275
+ {
276
+ "epoch": 0.56,
277
+ "learning_rate": 2e-05,
278
+ "loss": 0.2692,
279
+ "step": 90
280
+ },
281
+ {
282
+ "epoch": 0.57,
283
+ "learning_rate": 2e-05,
284
+ "loss": 0.2683,
285
+ "step": 92
286
+ },
287
+ {
288
+ "epoch": 0.58,
289
+ "learning_rate": 2e-05,
290
+ "loss": 0.266,
291
+ "step": 94
292
+ },
293
+ {
294
+ "epoch": 0.59,
295
+ "learning_rate": 2e-05,
296
+ "loss": 0.2653,
297
+ "step": 96
298
+ },
299
+ {
300
+ "epoch": 0.61,
301
+ "learning_rate": 2e-05,
302
+ "loss": 0.2627,
303
+ "step": 98
304
+ },
305
+ {
306
+ "epoch": 0.62,
307
+ "learning_rate": 2e-05,
308
+ "loss": 0.2599,
309
+ "step": 100
310
+ },
311
+ {
312
+ "epoch": 0.63,
313
+ "learning_rate": 2e-05,
314
+ "loss": 0.262,
315
+ "step": 102
316
+ },
317
+ {
318
+ "epoch": 0.64,
319
+ "learning_rate": 2e-05,
320
+ "loss": 0.2601,
321
+ "step": 104
322
+ },
323
+ {
324
+ "epoch": 0.66,
325
+ "learning_rate": 2e-05,
326
+ "loss": 0.2582,
327
+ "step": 106
328
+ },
329
+ {
330
+ "epoch": 0.67,
331
+ "learning_rate": 2e-05,
332
+ "loss": 0.2565,
333
+ "step": 108
334
+ },
335
+ {
336
+ "epoch": 0.68,
337
+ "learning_rate": 2e-05,
338
+ "loss": 0.2528,
339
+ "step": 110
340
+ },
341
+ {
342
+ "epoch": 0.69,
343
+ "learning_rate": 2e-05,
344
+ "loss": 0.2513,
345
+ "step": 112
346
+ },
347
+ {
348
+ "epoch": 0.71,
349
+ "learning_rate": 2e-05,
350
+ "loss": 0.2506,
351
+ "step": 114
352
+ },
353
+ {
354
+ "epoch": 0.72,
355
+ "learning_rate": 2e-05,
356
+ "loss": 0.2501,
357
+ "step": 116
358
+ },
359
+ {
360
+ "epoch": 0.73,
361
+ "learning_rate": 2e-05,
362
+ "loss": 0.2495,
363
+ "step": 118
364
+ },
365
+ {
366
+ "epoch": 0.74,
367
+ "learning_rate": 2e-05,
368
+ "loss": 0.248,
369
+ "step": 120
370
+ },
371
+ {
372
+ "epoch": 0.76,
373
+ "learning_rate": 2e-05,
374
+ "loss": 0.2454,
375
+ "step": 122
376
+ },
377
+ {
378
+ "epoch": 0.77,
379
+ "learning_rate": 2e-05,
380
+ "loss": 0.2434,
381
+ "step": 124
382
+ },
383
+ {
384
+ "epoch": 0.78,
385
+ "learning_rate": 2e-05,
386
+ "loss": 0.2409,
387
+ "step": 126
388
+ },
389
+ {
390
+ "epoch": 0.79,
391
+ "learning_rate": 2e-05,
392
+ "loss": 0.2389,
393
+ "step": 128
394
+ },
395
+ {
396
+ "epoch": 0.81,
397
+ "learning_rate": 2e-05,
398
+ "loss": 0.2412,
399
+ "step": 130
400
+ },
401
+ {
402
+ "epoch": 0.82,
403
+ "learning_rate": 2e-05,
404
+ "loss": 0.238,
405
+ "step": 132
406
+ },
407
+ {
408
+ "epoch": 0.83,
409
+ "learning_rate": 2e-05,
410
+ "loss": 0.2405,
411
+ "step": 134
412
+ },
413
+ {
414
+ "epoch": 0.84,
415
+ "learning_rate": 2e-05,
416
+ "loss": 0.234,
417
+ "step": 136
418
+ },
419
+ {
420
+ "epoch": 0.85,
421
+ "learning_rate": 2e-05,
422
+ "loss": 0.2349,
423
+ "step": 138
424
+ },
425
+ {
426
+ "epoch": 0.87,
427
+ "learning_rate": 2e-05,
428
+ "loss": 0.233,
429
+ "step": 140
430
+ },
431
+ {
432
+ "epoch": 0.88,
433
+ "learning_rate": 2e-05,
434
+ "loss": 0.2303,
435
+ "step": 142
436
+ },
437
+ {
438
+ "epoch": 0.89,
439
+ "learning_rate": 2e-05,
440
+ "loss": 0.2352,
441
+ "step": 144
442
+ },
443
+ {
444
+ "epoch": 0.9,
445
+ "learning_rate": 2e-05,
446
+ "loss": 0.2322,
447
+ "step": 146
448
+ },
449
+ {
450
+ "epoch": 0.92,
451
+ "learning_rate": 2e-05,
452
+ "loss": 0.2287,
453
+ "step": 148
454
+ },
455
+ {
456
+ "epoch": 0.93,
457
+ "learning_rate": 2e-05,
458
+ "loss": 0.2281,
459
+ "step": 150
460
+ },
461
+ {
462
+ "epoch": 0.94,
463
+ "learning_rate": 2e-05,
464
+ "loss": 0.2282,
465
+ "step": 152
466
+ },
467
+ {
468
+ "epoch": 0.95,
469
+ "learning_rate": 2e-05,
470
+ "loss": 0.2241,
471
+ "step": 154
472
+ },
473
+ {
474
+ "epoch": 0.97,
475
+ "learning_rate": 2e-05,
476
+ "loss": 0.2211,
477
+ "step": 156
478
+ },
479
+ {
480
+ "epoch": 0.98,
481
+ "learning_rate": 2e-05,
482
+ "loss": 0.2238,
483
+ "step": 158
484
+ },
485
+ {
486
+ "epoch": 0.99,
487
+ "learning_rate": 2e-05,
488
+ "loss": 0.2184,
489
+ "step": 160
490
+ },
491
+ {
492
+ "epoch": 1.0,
493
+ "learning_rate": 2e-05,
494
+ "loss": 0.2157,
495
+ "step": 162
496
+ },
497
+ {
498
+ "epoch": 1.02,
499
+ "learning_rate": 2e-05,
500
+ "loss": 0.2071,
501
+ "step": 164
502
+ },
503
+ {
504
+ "epoch": 1.03,
505
+ "learning_rate": 2e-05,
506
+ "loss": 0.2022,
507
+ "step": 166
508
+ },
509
+ {
510
+ "epoch": 1.04,
511
+ "learning_rate": 2e-05,
512
+ "loss": 0.2012,
513
+ "step": 168
514
+ },
515
+ {
516
+ "epoch": 1.05,
517
+ "learning_rate": 2e-05,
518
+ "loss": 0.199,
519
+ "step": 170
520
+ },
521
+ {
522
+ "epoch": 1.07,
523
+ "learning_rate": 2e-05,
524
+ "loss": 0.2018,
525
+ "step": 172
526
+ },
527
+ {
528
+ "epoch": 1.08,
529
+ "learning_rate": 2e-05,
530
+ "loss": 0.2009,
531
+ "step": 174
532
+ },
533
+ {
534
+ "epoch": 1.09,
535
+ "learning_rate": 2e-05,
536
+ "loss": 0.2018,
537
+ "step": 176
538
+ },
539
+ {
540
+ "epoch": 1.1,
541
+ "learning_rate": 2e-05,
542
+ "loss": 0.1956,
543
+ "step": 178
544
+ },
545
+ {
546
+ "epoch": 1.11,
547
+ "learning_rate": 2e-05,
548
+ "loss": 0.2,
549
+ "step": 180
550
+ },
551
+ {
552
+ "epoch": 1.13,
553
+ "learning_rate": 2e-05,
554
+ "loss": 0.1955,
555
+ "step": 182
556
+ },
557
+ {
558
+ "epoch": 1.14,
559
+ "learning_rate": 2e-05,
560
+ "loss": 0.195,
561
+ "step": 184
562
+ },
563
+ {
564
+ "epoch": 1.15,
565
+ "learning_rate": 2e-05,
566
+ "loss": 0.1951,
567
+ "step": 186
568
+ },
569
+ {
570
+ "epoch": 1.16,
571
+ "learning_rate": 2e-05,
572
+ "loss": 0.1931,
573
+ "step": 188
574
+ },
575
+ {
576
+ "epoch": 1.18,
577
+ "learning_rate": 2e-05,
578
+ "loss": 0.1925,
579
+ "step": 190
580
+ },
581
+ {
582
+ "epoch": 1.19,
583
+ "learning_rate": 2e-05,
584
+ "loss": 0.1942,
585
+ "step": 192
586
+ },
587
+ {
588
+ "epoch": 1.2,
589
+ "learning_rate": 2e-05,
590
+ "loss": 0.1906,
591
+ "step": 194
592
+ },
593
+ {
594
+ "epoch": 1.21,
595
+ "learning_rate": 2e-05,
596
+ "loss": 0.191,
597
+ "step": 196
598
+ },
599
+ {
600
+ "epoch": 1.23,
601
+ "learning_rate": 2e-05,
602
+ "loss": 0.192,
603
+ "step": 198
604
+ },
605
+ {
606
+ "epoch": 1.24,
607
+ "learning_rate": 2e-05,
608
+ "loss": 0.1907,
609
+ "step": 200
610
+ },
611
+ {
612
+ "epoch": 1.25,
613
+ "learning_rate": 2e-05,
614
+ "loss": 0.1905,
615
+ "step": 202
616
+ },
617
+ {
618
+ "epoch": 1.26,
619
+ "learning_rate": 2e-05,
620
+ "loss": 0.1887,
621
+ "step": 204
622
+ },
623
+ {
624
+ "epoch": 1.28,
625
+ "learning_rate": 2e-05,
626
+ "loss": 0.1861,
627
+ "step": 206
628
+ },
629
+ {
630
+ "epoch": 1.29,
631
+ "learning_rate": 2e-05,
632
+ "loss": 0.1878,
633
+ "step": 208
634
+ },
635
+ {
636
+ "epoch": 1.3,
637
+ "learning_rate": 2e-05,
638
+ "loss": 0.1847,
639
+ "step": 210
640
+ },
641
+ {
642
+ "epoch": 1.31,
643
+ "learning_rate": 2e-05,
644
+ "loss": 0.1832,
645
+ "step": 212
646
+ },
647
+ {
648
+ "epoch": 1.33,
649
+ "learning_rate": 2e-05,
650
+ "loss": 0.1826,
651
+ "step": 214
652
+ },
653
+ {
654
+ "epoch": 1.34,
655
+ "learning_rate": 2e-05,
656
+ "loss": 0.1796,
657
+ "step": 216
658
+ },
659
+ {
660
+ "epoch": 1.35,
661
+ "learning_rate": 2e-05,
662
+ "loss": 0.1827,
663
+ "step": 218
664
+ },
665
+ {
666
+ "epoch": 1.36,
667
+ "learning_rate": 2e-05,
668
+ "loss": 0.1816,
669
+ "step": 220
670
+ },
671
+ {
672
+ "epoch": 1.38,
673
+ "learning_rate": 2e-05,
674
+ "loss": 0.1786,
675
+ "step": 222
676
+ },
677
+ {
678
+ "epoch": 1.39,
679
+ "learning_rate": 2e-05,
680
+ "loss": 0.1788,
681
+ "step": 224
682
+ },
683
+ {
684
+ "epoch": 1.4,
685
+ "learning_rate": 2e-05,
686
+ "loss": 0.1754,
687
+ "step": 226
688
+ },
689
+ {
690
+ "epoch": 1.41,
691
+ "learning_rate": 2e-05,
692
+ "loss": 0.1752,
693
+ "step": 228
694
+ },
695
+ {
696
+ "epoch": 1.42,
697
+ "learning_rate": 2e-05,
698
+ "loss": 0.1774,
699
+ "step": 230
700
+ },
701
+ {
702
+ "epoch": 1.44,
703
+ "learning_rate": 2e-05,
704
+ "loss": 0.1774,
705
+ "step": 232
706
+ },
707
+ {
708
+ "epoch": 1.45,
709
+ "learning_rate": 2e-05,
710
+ "loss": 0.1727,
711
+ "step": 234
712
+ },
713
+ {
714
+ "epoch": 1.46,
715
+ "learning_rate": 2e-05,
716
+ "loss": 0.1742,
717
+ "step": 236
718
+ },
719
+ {
720
+ "epoch": 1.47,
721
+ "learning_rate": 2e-05,
722
+ "loss": 0.172,
723
+ "step": 238
724
+ },
725
+ {
726
+ "epoch": 1.49,
727
+ "learning_rate": 2e-05,
728
+ "loss": 0.1736,
729
+ "step": 240
730
+ },
731
+ {
732
+ "epoch": 1.5,
733
+ "learning_rate": 2e-05,
734
+ "loss": 0.1768,
735
+ "step": 242
736
+ },
737
+ {
738
+ "epoch": 1.51,
739
+ "learning_rate": 2e-05,
740
+ "loss": 0.1732,
741
+ "step": 244
742
+ },
743
+ {
744
+ "epoch": 1.52,
745
+ "learning_rate": 2e-05,
746
+ "loss": 0.1681,
747
+ "step": 246
748
+ },
749
+ {
750
+ "epoch": 1.54,
751
+ "learning_rate": 2e-05,
752
+ "loss": 0.1686,
753
+ "step": 248
754
+ },
755
+ {
756
+ "epoch": 1.55,
757
+ "learning_rate": 2e-05,
758
+ "loss": 0.167,
759
+ "step": 250
760
+ },
761
+ {
762
+ "epoch": 1.56,
763
+ "learning_rate": 2e-05,
764
+ "loss": 0.1684,
765
+ "step": 252
766
+ },
767
+ {
768
+ "epoch": 1.57,
769
+ "learning_rate": 2e-05,
770
+ "loss": 0.1697,
771
+ "step": 254
772
+ },
773
+ {
774
+ "epoch": 1.59,
775
+ "learning_rate": 2e-05,
776
+ "loss": 0.1669,
777
+ "step": 256
778
+ },
779
+ {
780
+ "epoch": 1.6,
781
+ "learning_rate": 2e-05,
782
+ "loss": 0.1661,
783
+ "step": 258
784
+ },
785
+ {
786
+ "epoch": 1.61,
787
+ "learning_rate": 2e-05,
788
+ "loss": 0.167,
789
+ "step": 260
790
+ },
791
+ {
792
+ "epoch": 1.62,
793
+ "learning_rate": 2e-05,
794
+ "loss": 0.1635,
795
+ "step": 262
796
+ },
797
+ {
798
+ "epoch": 1.64,
799
+ "learning_rate": 2e-05,
800
+ "loss": 0.1658,
801
+ "step": 264
802
+ },
803
+ {
804
+ "epoch": 1.65,
805
+ "learning_rate": 2e-05,
806
+ "loss": 0.1654,
807
+ "step": 266
808
+ },
809
+ {
810
+ "epoch": 1.66,
811
+ "learning_rate": 2e-05,
812
+ "loss": 0.1628,
813
+ "step": 268
814
+ },
815
+ {
816
+ "epoch": 1.67,
817
+ "learning_rate": 2e-05,
818
+ "loss": 0.1629,
819
+ "step": 270
820
+ },
821
+ {
822
+ "epoch": 1.68,
823
+ "learning_rate": 2e-05,
824
+ "loss": 0.1627,
825
+ "step": 272
826
+ },
827
+ {
828
+ "epoch": 1.7,
829
+ "learning_rate": 2e-05,
830
+ "loss": 0.1619,
831
+ "step": 274
832
+ },
833
+ {
834
+ "epoch": 1.71,
835
+ "learning_rate": 2e-05,
836
+ "loss": 0.1631,
837
+ "step": 276
838
+ },
839
+ {
840
+ "epoch": 1.72,
841
+ "learning_rate": 2e-05,
842
+ "loss": 0.1602,
843
+ "step": 278
844
+ },
845
+ {
846
+ "epoch": 1.73,
847
+ "learning_rate": 2e-05,
848
+ "loss": 0.1621,
849
+ "step": 280
850
+ },
851
+ {
852
+ "epoch": 1.75,
853
+ "learning_rate": 2e-05,
854
+ "loss": 0.1586,
855
+ "step": 282
856
+ },
857
+ {
858
+ "epoch": 1.76,
859
+ "learning_rate": 2e-05,
860
+ "loss": 0.1567,
861
+ "step": 284
862
+ },
863
+ {
864
+ "epoch": 1.77,
865
+ "learning_rate": 2e-05,
866
+ "loss": 0.1585,
867
+ "step": 286
868
+ },
869
+ {
870
+ "epoch": 1.78,
871
+ "learning_rate": 2e-05,
872
+ "loss": 0.1572,
873
+ "step": 288
874
+ },
875
+ {
876
+ "epoch": 1.8,
877
+ "learning_rate": 2e-05,
878
+ "loss": 0.1546,
879
+ "step": 290
880
+ },
881
+ {
882
+ "epoch": 1.81,
883
+ "learning_rate": 2e-05,
884
+ "loss": 0.1555,
885
+ "step": 292
886
+ },
887
+ {
888
+ "epoch": 1.82,
889
+ "learning_rate": 2e-05,
890
+ "loss": 0.1546,
891
+ "step": 294
892
+ },
893
+ {
894
+ "epoch": 1.83,
895
+ "learning_rate": 2e-05,
896
+ "loss": 0.1549,
897
+ "step": 296
898
+ },
899
+ {
900
+ "epoch": 1.85,
901
+ "learning_rate": 2e-05,
902
+ "loss": 0.1539,
903
+ "step": 298
904
+ },
905
+ {
906
+ "epoch": 1.86,
907
+ "learning_rate": 2e-05,
908
+ "loss": 0.1553,
909
+ "step": 300
910
+ },
911
+ {
912
+ "epoch": 1.87,
913
+ "learning_rate": 2e-05,
914
+ "loss": 0.1554,
915
+ "step": 302
916
+ },
917
+ {
918
+ "epoch": 1.88,
919
+ "learning_rate": 2e-05,
920
+ "loss": 0.1512,
921
+ "step": 304
922
+ },
923
+ {
924
+ "epoch": 1.9,
925
+ "learning_rate": 2e-05,
926
+ "loss": 0.1514,
927
+ "step": 306
928
+ },
929
+ {
930
+ "epoch": 1.91,
931
+ "learning_rate": 2e-05,
932
+ "loss": 0.1511,
933
+ "step": 308
934
+ },
935
+ {
936
+ "epoch": 1.92,
937
+ "learning_rate": 2e-05,
938
+ "loss": 0.1497,
939
+ "step": 310
940
+ },
941
+ {
942
+ "epoch": 1.93,
943
+ "learning_rate": 2e-05,
944
+ "loss": 0.1504,
945
+ "step": 312
946
+ },
947
+ {
948
+ "epoch": 1.95,
949
+ "learning_rate": 2e-05,
950
+ "loss": 0.1495,
951
+ "step": 314
952
+ },
953
+ {
954
+ "epoch": 1.96,
955
+ "learning_rate": 2e-05,
956
+ "loss": 0.147,
957
+ "step": 316
958
+ },
959
+ {
960
+ "epoch": 1.97,
961
+ "learning_rate": 2e-05,
962
+ "loss": 0.1479,
963
+ "step": 318
964
+ },
965
+ {
966
+ "epoch": 1.98,
967
+ "learning_rate": 2e-05,
968
+ "loss": 0.146,
969
+ "step": 320
970
+ },
971
+ {
972
+ "epoch": 1.99,
973
+ "learning_rate": 2e-05,
974
+ "loss": 0.1436,
975
+ "step": 322
976
+ },
977
+ {
978
+ "epoch": 2.01,
979
+ "learning_rate": 2e-05,
980
+ "loss": 0.1313,
981
+ "step": 324
982
+ },
983
+ {
984
+ "epoch": 2.02,
985
+ "learning_rate": 2e-05,
986
+ "loss": 0.1249,
987
+ "step": 326
988
+ },
989
+ {
990
+ "epoch": 2.03,
991
+ "learning_rate": 2e-05,
992
+ "loss": 0.1251,
993
+ "step": 328
994
+ },
995
+ {
996
+ "epoch": 2.04,
997
+ "learning_rate": 2e-05,
998
+ "loss": 0.1236,
999
+ "step": 330
1000
+ },
1001
+ {
1002
+ "epoch": 2.06,
1003
+ "learning_rate": 2e-05,
1004
+ "loss": 0.1199,
1005
+ "step": 332
1006
+ },
1007
+ {
1008
+ "epoch": 2.07,
1009
+ "learning_rate": 2e-05,
1010
+ "loss": 0.1186,
1011
+ "step": 334
1012
+ },
1013
+ {
1014
+ "epoch": 2.08,
1015
+ "learning_rate": 2e-05,
1016
+ "loss": 0.1184,
1017
+ "step": 336
1018
+ },
1019
+ {
1020
+ "epoch": 2.09,
1021
+ "learning_rate": 2e-05,
1022
+ "loss": 0.12,
1023
+ "step": 338
1024
+ },
1025
+ {
1026
+ "epoch": 2.11,
1027
+ "learning_rate": 2e-05,
1028
+ "loss": 0.1163,
1029
+ "step": 340
1030
+ },
1031
+ {
1032
+ "epoch": 2.12,
1033
+ "learning_rate": 2e-05,
1034
+ "loss": 0.1191,
1035
+ "step": 342
1036
+ },
1037
+ {
1038
+ "epoch": 2.13,
1039
+ "learning_rate": 2e-05,
1040
+ "loss": 0.1181,
1041
+ "step": 344
1042
+ },
1043
+ {
1044
+ "epoch": 2.14,
1045
+ "learning_rate": 2e-05,
1046
+ "loss": 0.1171,
1047
+ "step": 346
1048
+ },
1049
+ {
1050
+ "epoch": 2.16,
1051
+ "learning_rate": 2e-05,
1052
+ "loss": 0.1141,
1053
+ "step": 348
1054
+ },
1055
+ {
1056
+ "epoch": 2.17,
1057
+ "learning_rate": 2e-05,
1058
+ "loss": 0.1146,
1059
+ "step": 350
1060
+ },
1061
+ {
1062
+ "epoch": 2.18,
1063
+ "learning_rate": 2e-05,
1064
+ "loss": 0.1178,
1065
+ "step": 352
1066
+ },
1067
+ {
1068
+ "epoch": 2.19,
1069
+ "learning_rate": 2e-05,
1070
+ "loss": 0.1134,
1071
+ "step": 354
1072
+ },
1073
+ {
1074
+ "epoch": 2.21,
1075
+ "learning_rate": 2e-05,
1076
+ "loss": 0.1164,
1077
+ "step": 356
1078
+ },
1079
+ {
1080
+ "epoch": 2.22,
1081
+ "learning_rate": 2e-05,
1082
+ "loss": 0.1164,
1083
+ "step": 358
1084
+ },
1085
+ {
1086
+ "epoch": 2.23,
1087
+ "learning_rate": 2e-05,
1088
+ "loss": 0.1163,
1089
+ "step": 360
1090
+ },
1091
+ {
1092
+ "epoch": 2.24,
1093
+ "learning_rate": 2e-05,
1094
+ "loss": 0.1149,
1095
+ "step": 362
1096
+ },
1097
+ {
1098
+ "epoch": 2.25,
1099
+ "learning_rate": 2e-05,
1100
+ "loss": 0.1132,
1101
+ "step": 364
1102
+ },
1103
+ {
1104
+ "epoch": 2.27,
1105
+ "learning_rate": 2e-05,
1106
+ "loss": 0.1118,
1107
+ "step": 366
1108
+ },
1109
+ {
1110
+ "epoch": 2.28,
1111
+ "learning_rate": 2e-05,
1112
+ "loss": 0.1117,
1113
+ "step": 368
1114
+ },
1115
+ {
1116
+ "epoch": 2.29,
1117
+ "learning_rate": 2e-05,
1118
+ "loss": 0.1106,
1119
+ "step": 370
1120
+ },
1121
+ {
1122
+ "epoch": 2.3,
1123
+ "learning_rate": 2e-05,
1124
+ "loss": 0.1133,
1125
+ "step": 372
1126
+ },
1127
+ {
1128
+ "epoch": 2.32,
1129
+ "learning_rate": 2e-05,
1130
+ "loss": 0.1108,
1131
+ "step": 374
1132
+ },
1133
+ {
1134
+ "epoch": 2.33,
1135
+ "learning_rate": 2e-05,
1136
+ "loss": 0.1084,
1137
+ "step": 376
1138
+ },
1139
+ {
1140
+ "epoch": 2.34,
1141
+ "learning_rate": 2e-05,
1142
+ "loss": 0.1086,
1143
+ "step": 378
1144
+ },
1145
+ {
1146
+ "epoch": 2.35,
1147
+ "learning_rate": 2e-05,
1148
+ "loss": 0.1071,
1149
+ "step": 380
1150
+ },
1151
+ {
1152
+ "epoch": 2.37,
1153
+ "learning_rate": 2e-05,
1154
+ "loss": 0.1104,
1155
+ "step": 382
1156
+ },
1157
+ {
1158
+ "epoch": 2.38,
1159
+ "learning_rate": 2e-05,
1160
+ "loss": 0.1096,
1161
+ "step": 384
1162
+ },
1163
+ {
1164
+ "epoch": 2.39,
1165
+ "learning_rate": 2e-05,
1166
+ "loss": 0.1088,
1167
+ "step": 386
1168
+ },
1169
+ {
1170
+ "epoch": 2.4,
1171
+ "learning_rate": 2e-05,
1172
+ "loss": 0.1091,
1173
+ "step": 388
1174
+ },
1175
+ {
1176
+ "epoch": 2.42,
1177
+ "learning_rate": 2e-05,
1178
+ "loss": 0.1056,
1179
+ "step": 390
1180
+ },
1181
+ {
1182
+ "epoch": 2.43,
1183
+ "learning_rate": 2e-05,
1184
+ "loss": 0.1077,
1185
+ "step": 392
1186
+ },
1187
+ {
1188
+ "epoch": 2.44,
1189
+ "learning_rate": 2e-05,
1190
+ "loss": 0.1104,
1191
+ "step": 394
1192
+ },
1193
+ {
1194
+ "epoch": 2.45,
1195
+ "learning_rate": 2e-05,
1196
+ "loss": 0.1084,
1197
+ "step": 396
1198
+ },
1199
+ {
1200
+ "epoch": 2.47,
1201
+ "learning_rate": 2e-05,
1202
+ "loss": 0.1069,
1203
+ "step": 398
1204
+ },
1205
+ {
1206
+ "epoch": 2.48,
1207
+ "learning_rate": 2e-05,
1208
+ "loss": 0.1036,
1209
+ "step": 400
1210
+ },
1211
+ {
1212
+ "epoch": 2.49,
1213
+ "learning_rate": 2e-05,
1214
+ "loss": 0.1086,
1215
+ "step": 402
1216
+ },
1217
+ {
1218
+ "epoch": 2.5,
1219
+ "learning_rate": 2e-05,
1220
+ "loss": 0.1068,
1221
+ "step": 404
1222
+ },
1223
+ {
1224
+ "epoch": 2.51,
1225
+ "learning_rate": 2e-05,
1226
+ "loss": 0.1059,
1227
+ "step": 406
1228
+ },
1229
+ {
1230
+ "epoch": 2.53,
1231
+ "learning_rate": 2e-05,
1232
+ "loss": 0.1054,
1233
+ "step": 408
1234
+ },
1235
+ {
1236
+ "epoch": 2.54,
1237
+ "learning_rate": 2e-05,
1238
+ "loss": 0.1055,
1239
+ "step": 410
1240
+ },
1241
+ {
1242
+ "epoch": 2.55,
1243
+ "learning_rate": 2e-05,
1244
+ "loss": 0.1045,
1245
+ "step": 412
1246
+ },
1247
+ {
1248
+ "epoch": 2.56,
1249
+ "learning_rate": 2e-05,
1250
+ "loss": 0.1047,
1251
+ "step": 414
1252
+ },
1253
+ {
1254
+ "epoch": 2.58,
1255
+ "learning_rate": 2e-05,
1256
+ "loss": 0.1009,
1257
+ "step": 416
1258
+ },
1259
+ {
1260
+ "epoch": 2.59,
1261
+ "learning_rate": 2e-05,
1262
+ "loss": 0.1028,
1263
+ "step": 418
1264
+ },
1265
+ {
1266
+ "epoch": 2.6,
1267
+ "learning_rate": 2e-05,
1268
+ "loss": 0.1021,
1269
+ "step": 420
1270
+ },
1271
+ {
1272
+ "epoch": 2.61,
1273
+ "learning_rate": 2e-05,
1274
+ "loss": 0.1006,
1275
+ "step": 422
1276
+ },
1277
+ {
1278
+ "epoch": 2.63,
1279
+ "learning_rate": 2e-05,
1280
+ "loss": 0.1001,
1281
+ "step": 424
1282
+ },
1283
+ {
1284
+ "epoch": 2.64,
1285
+ "learning_rate": 2e-05,
1286
+ "loss": 0.1005,
1287
+ "step": 426
1288
+ },
1289
+ {
1290
+ "epoch": 2.65,
1291
+ "learning_rate": 2e-05,
1292
+ "loss": 0.0993,
1293
+ "step": 428
1294
+ },
1295
+ {
1296
+ "epoch": 2.66,
1297
+ "learning_rate": 2e-05,
1298
+ "loss": 0.0998,
1299
+ "step": 430
1300
+ },
1301
+ {
1302
+ "epoch": 2.68,
1303
+ "learning_rate": 2e-05,
1304
+ "loss": 0.1039,
1305
+ "step": 432
1306
+ },
1307
+ {
1308
+ "epoch": 2.69,
1309
+ "learning_rate": 2e-05,
1310
+ "loss": 0.0995,
1311
+ "step": 434
1312
+ },
1313
+ {
1314
+ "epoch": 2.7,
1315
+ "learning_rate": 2e-05,
1316
+ "loss": 0.0998,
1317
+ "step": 436
1318
+ },
1319
+ {
1320
+ "epoch": 2.71,
1321
+ "learning_rate": 2e-05,
1322
+ "loss": 0.0999,
1323
+ "step": 438
1324
+ },
1325
+ {
1326
+ "epoch": 2.73,
1327
+ "learning_rate": 2e-05,
1328
+ "loss": 0.1023,
1329
+ "step": 440
1330
+ },
1331
+ {
1332
+ "epoch": 2.74,
1333
+ "learning_rate": 2e-05,
1334
+ "loss": 0.1003,
1335
+ "step": 442
1336
+ },
1337
+ {
1338
+ "epoch": 2.75,
1339
+ "learning_rate": 2e-05,
1340
+ "loss": 0.0985,
1341
+ "step": 444
1342
+ },
1343
+ {
1344
+ "epoch": 2.76,
1345
+ "learning_rate": 2e-05,
1346
+ "loss": 0.0973,
1347
+ "step": 446
1348
+ },
1349
+ {
1350
+ "epoch": 2.78,
1351
+ "learning_rate": 2e-05,
1352
+ "loss": 0.0974,
1353
+ "step": 448
1354
+ },
1355
+ {
1356
+ "epoch": 2.79,
1357
+ "learning_rate": 2e-05,
1358
+ "loss": 0.0976,
1359
+ "step": 450
1360
+ },
1361
+ {
1362
+ "epoch": 2.8,
1363
+ "learning_rate": 2e-05,
1364
+ "loss": 0.0951,
1365
+ "step": 452
1366
+ },
1367
+ {
1368
+ "epoch": 2.81,
1369
+ "learning_rate": 2e-05,
1370
+ "loss": 0.0964,
1371
+ "step": 454
1372
+ },
1373
+ {
1374
+ "epoch": 2.82,
1375
+ "learning_rate": 2e-05,
1376
+ "loss": 0.0957,
1377
+ "step": 456
1378
+ },
1379
+ {
1380
+ "epoch": 2.84,
1381
+ "learning_rate": 2e-05,
1382
+ "loss": 0.0938,
1383
+ "step": 458
1384
+ },
1385
+ {
1386
+ "epoch": 2.85,
1387
+ "learning_rate": 2e-05,
1388
+ "loss": 0.0933,
1389
+ "step": 460
1390
+ },
1391
+ {
1392
+ "epoch": 2.86,
1393
+ "learning_rate": 2e-05,
1394
+ "loss": 0.0935,
1395
+ "step": 462
1396
+ },
1397
+ {
1398
+ "epoch": 2.87,
1399
+ "learning_rate": 2e-05,
1400
+ "loss": 0.0961,
1401
+ "step": 464
1402
+ },
1403
+ {
1404
+ "epoch": 2.89,
1405
+ "learning_rate": 2e-05,
1406
+ "loss": 0.0941,
1407
+ "step": 466
1408
+ },
1409
+ {
1410
+ "epoch": 2.9,
1411
+ "learning_rate": 2e-05,
1412
+ "loss": 0.0944,
1413
+ "step": 468
1414
+ },
1415
+ {
1416
+ "epoch": 2.91,
1417
+ "learning_rate": 2e-05,
1418
+ "loss": 0.0957,
1419
+ "step": 470
1420
+ },
1421
+ {
1422
+ "epoch": 2.92,
1423
+ "learning_rate": 2e-05,
1424
+ "loss": 0.0934,
1425
+ "step": 472
1426
+ },
1427
+ {
1428
+ "epoch": 2.94,
1429
+ "learning_rate": 2e-05,
1430
+ "loss": 0.094,
1431
+ "step": 474
1432
+ },
1433
+ {
1434
+ "epoch": 2.95,
1435
+ "learning_rate": 2e-05,
1436
+ "loss": 0.0966,
1437
+ "step": 476
1438
+ },
1439
+ {
1440
+ "epoch": 2.96,
1441
+ "learning_rate": 2e-05,
1442
+ "loss": 0.0929,
1443
+ "step": 478
1444
+ },
1445
+ {
1446
+ "epoch": 2.97,
1447
+ "learning_rate": 2e-05,
1448
+ "loss": 0.09,
1449
+ "step": 480
1450
+ },
1451
+ {
1452
+ "epoch": 2.99,
1453
+ "learning_rate": 2e-05,
1454
+ "loss": 0.0916,
1455
+ "step": 482
1456
+ },
1457
+ {
1458
+ "epoch": 3.0,
1459
+ "learning_rate": 2e-05,
1460
+ "loss": 0.0895,
1461
+ "step": 484
1462
+ },
1463
+ {
1464
+ "epoch": 3.01,
1465
+ "learning_rate": 2e-05,
1466
+ "loss": 0.0683,
1467
+ "step": 486
1468
+ },
1469
+ {
1470
+ "epoch": 3.02,
1471
+ "learning_rate": 2e-05,
1472
+ "loss": 0.0695,
1473
+ "step": 488
1474
+ },
1475
+ {
1476
+ "epoch": 3.04,
1477
+ "learning_rate": 2e-05,
1478
+ "loss": 0.0661,
1479
+ "step": 490
1480
+ },
1481
+ {
1482
+ "epoch": 3.05,
1483
+ "learning_rate": 2e-05,
1484
+ "loss": 0.067,
1485
+ "step": 492
1486
+ },
1487
+ {
1488
+ "epoch": 3.06,
1489
+ "learning_rate": 2e-05,
1490
+ "loss": 0.0656,
1491
+ "step": 494
1492
+ },
1493
+ {
1494
+ "epoch": 3.07,
1495
+ "learning_rate": 2e-05,
1496
+ "loss": 0.0676,
1497
+ "step": 496
1498
+ },
1499
+ {
1500
+ "epoch": 3.08,
1501
+ "learning_rate": 2e-05,
1502
+ "loss": 0.0655,
1503
+ "step": 498
1504
+ },
1505
+ {
1506
+ "epoch": 3.1,
1507
+ "learning_rate": 2e-05,
1508
+ "loss": 0.0629,
1509
+ "step": 500
1510
+ },
1511
+ {
1512
+ "epoch": 3.11,
1513
+ "learning_rate": 2e-05,
1514
+ "loss": 0.0651,
1515
+ "step": 502
1516
+ },
1517
+ {
1518
+ "epoch": 3.12,
1519
+ "learning_rate": 2e-05,
1520
+ "loss": 0.0639,
1521
+ "step": 504
1522
+ },
1523
+ {
1524
+ "epoch": 3.13,
1525
+ "learning_rate": 2e-05,
1526
+ "loss": 0.065,
1527
+ "step": 506
1528
+ },
1529
+ {
1530
+ "epoch": 3.15,
1531
+ "learning_rate": 2e-05,
1532
+ "loss": 0.065,
1533
+ "step": 508
1534
+ },
1535
+ {
1536
+ "epoch": 3.16,
1537
+ "learning_rate": 2e-05,
1538
+ "loss": 0.0648,
1539
+ "step": 510
1540
+ },
1541
+ {
1542
+ "epoch": 3.17,
1543
+ "learning_rate": 2e-05,
1544
+ "loss": 0.0639,
1545
+ "step": 512
1546
+ },
1547
+ {
1548
+ "epoch": 3.18,
1549
+ "learning_rate": 2e-05,
1550
+ "loss": 0.0632,
1551
+ "step": 514
1552
+ },
1553
+ {
1554
+ "epoch": 3.2,
1555
+ "learning_rate": 2e-05,
1556
+ "loss": 0.0615,
1557
+ "step": 516
1558
+ },
1559
+ {
1560
+ "epoch": 3.21,
1561
+ "learning_rate": 2e-05,
1562
+ "loss": 0.0621,
1563
+ "step": 518
1564
+ },
1565
+ {
1566
+ "epoch": 3.22,
1567
+ "learning_rate": 2e-05,
1568
+ "loss": 0.0635,
1569
+ "step": 520
1570
+ },
1571
+ {
1572
+ "epoch": 3.23,
1573
+ "learning_rate": 2e-05,
1574
+ "loss": 0.064,
1575
+ "step": 522
1576
+ },
1577
+ {
1578
+ "epoch": 3.25,
1579
+ "learning_rate": 2e-05,
1580
+ "loss": 0.0641,
1581
+ "step": 524
1582
+ },
1583
+ {
1584
+ "epoch": 3.26,
1585
+ "learning_rate": 2e-05,
1586
+ "loss": 0.0625,
1587
+ "step": 526
1588
+ },
1589
+ {
1590
+ "epoch": 3.27,
1591
+ "learning_rate": 2e-05,
1592
+ "loss": 0.0623,
1593
+ "step": 528
1594
+ },
1595
+ {
1596
+ "epoch": 3.28,
1597
+ "learning_rate": 2e-05,
1598
+ "loss": 0.0626,
1599
+ "step": 530
1600
+ },
1601
+ {
1602
+ "epoch": 3.3,
1603
+ "learning_rate": 2e-05,
1604
+ "loss": 0.0644,
1605
+ "step": 532
1606
+ },
1607
+ {
1608
+ "epoch": 3.31,
1609
+ "learning_rate": 2e-05,
1610
+ "loss": 0.0643,
1611
+ "step": 534
1612
+ },
1613
+ {
1614
+ "epoch": 3.32,
1615
+ "learning_rate": 2e-05,
1616
+ "loss": 0.0676,
1617
+ "step": 536
1618
+ },
1619
+ {
1620
+ "epoch": 3.33,
1621
+ "learning_rate": 2e-05,
1622
+ "loss": 0.0631,
1623
+ "step": 538
1624
+ },
1625
+ {
1626
+ "epoch": 3.34,
1627
+ "learning_rate": 2e-05,
1628
+ "loss": 0.0635,
1629
+ "step": 540
1630
+ },
1631
+ {
1632
+ "epoch": 3.36,
1633
+ "learning_rate": 2e-05,
1634
+ "loss": 0.0644,
1635
+ "step": 542
1636
+ },
1637
+ {
1638
+ "epoch": 3.37,
1639
+ "learning_rate": 2e-05,
1640
+ "loss": 0.0637,
1641
+ "step": 544
1642
+ },
1643
+ {
1644
+ "epoch": 3.38,
1645
+ "learning_rate": 2e-05,
1646
+ "loss": 0.0619,
1647
+ "step": 546
1648
+ },
1649
+ {
1650
+ "epoch": 3.39,
1651
+ "learning_rate": 2e-05,
1652
+ "loss": 0.0644,
1653
+ "step": 548
1654
+ },
1655
+ {
1656
+ "epoch": 3.41,
1657
+ "learning_rate": 2e-05,
1658
+ "loss": 0.0607,
1659
+ "step": 550
1660
+ },
1661
+ {
1662
+ "epoch": 3.42,
1663
+ "learning_rate": 2e-05,
1664
+ "loss": 0.0633,
1665
+ "step": 552
1666
+ },
1667
+ {
1668
+ "epoch": 3.43,
1669
+ "learning_rate": 2e-05,
1670
+ "loss": 0.0614,
1671
+ "step": 554
1672
+ },
1673
+ {
1674
+ "epoch": 3.44,
1675
+ "learning_rate": 2e-05,
1676
+ "loss": 0.0632,
1677
+ "step": 556
1678
+ },
1679
+ {
1680
+ "epoch": 3.46,
1681
+ "learning_rate": 2e-05,
1682
+ "loss": 0.0619,
1683
+ "step": 558
1684
+ },
1685
+ {
1686
+ "epoch": 3.47,
1687
+ "learning_rate": 2e-05,
1688
+ "loss": 0.0606,
1689
+ "step": 560
1690
+ },
1691
+ {
1692
+ "epoch": 3.48,
1693
+ "learning_rate": 2e-05,
1694
+ "loss": 0.0596,
1695
+ "step": 562
1696
+ },
1697
+ {
1698
+ "epoch": 3.49,
1699
+ "learning_rate": 2e-05,
1700
+ "loss": 0.0591,
1701
+ "step": 564
1702
+ },
1703
+ {
1704
+ "epoch": 3.51,
1705
+ "learning_rate": 2e-05,
1706
+ "loss": 0.0603,
1707
+ "step": 566
1708
+ },
1709
+ {
1710
+ "epoch": 3.52,
1711
+ "learning_rate": 2e-05,
1712
+ "loss": 0.059,
1713
+ "step": 568
1714
+ },
1715
+ {
1716
+ "epoch": 3.53,
1717
+ "learning_rate": 2e-05,
1718
+ "loss": 0.0584,
1719
+ "step": 570
1720
+ },
1721
+ {
1722
+ "epoch": 3.54,
1723
+ "learning_rate": 2e-05,
1724
+ "loss": 0.0599,
1725
+ "step": 572
1726
+ },
1727
+ {
1728
+ "epoch": 3.56,
1729
+ "learning_rate": 2e-05,
1730
+ "loss": 0.0587,
1731
+ "step": 574
1732
+ },
1733
+ {
1734
+ "epoch": 3.57,
1735
+ "learning_rate": 2e-05,
1736
+ "loss": 0.0589,
1737
+ "step": 576
1738
+ },
1739
+ {
1740
+ "epoch": 3.58,
1741
+ "learning_rate": 2e-05,
1742
+ "loss": 0.0579,
1743
+ "step": 578
1744
+ },
1745
+ {
1746
+ "epoch": 3.59,
1747
+ "learning_rate": 2e-05,
1748
+ "loss": 0.0602,
1749
+ "step": 580
1750
+ },
1751
+ {
1752
+ "epoch": 3.61,
1753
+ "learning_rate": 2e-05,
1754
+ "loss": 0.0576,
1755
+ "step": 582
1756
+ },
1757
+ {
1758
+ "epoch": 3.62,
1759
+ "learning_rate": 2e-05,
1760
+ "loss": 0.0567,
1761
+ "step": 584
1762
+ },
1763
+ {
1764
+ "epoch": 3.63,
1765
+ "learning_rate": 2e-05,
1766
+ "loss": 0.0584,
1767
+ "step": 586
1768
+ },
1769
+ {
1770
+ "epoch": 3.64,
1771
+ "learning_rate": 2e-05,
1772
+ "loss": 0.056,
1773
+ "step": 588
1774
+ },
1775
+ {
1776
+ "epoch": 3.65,
1777
+ "learning_rate": 2e-05,
1778
+ "loss": 0.0599,
1779
+ "step": 590
1780
+ },
1781
+ {
1782
+ "epoch": 3.67,
1783
+ "learning_rate": 2e-05,
1784
+ "loss": 0.058,
1785
+ "step": 592
1786
+ },
1787
+ {
1788
+ "epoch": 3.68,
1789
+ "learning_rate": 2e-05,
1790
+ "loss": 0.0582,
1791
+ "step": 594
1792
+ },
1793
+ {
1794
+ "epoch": 3.69,
1795
+ "learning_rate": 2e-05,
1796
+ "loss": 0.0558,
1797
+ "step": 596
1798
+ },
1799
+ {
1800
+ "epoch": 3.7,
1801
+ "learning_rate": 2e-05,
1802
+ "loss": 0.0575,
1803
+ "step": 598
1804
+ },
1805
+ {
1806
+ "epoch": 3.72,
1807
+ "learning_rate": 2e-05,
1808
+ "loss": 0.0548,
1809
+ "step": 600
1810
+ }
1811
+ ],
1812
+ "logging_steps": 2,
1813
+ "max_steps": 644,
1814
+ "num_train_epochs": 4,
1815
+ "save_steps": 200,
1816
+ "total_flos": 1.0201226996508262e+17,
1817
+ "trial_name": null,
1818
+ "trial_params": null
1819
+ }