Instructions to use Mcummings1662/Title_One with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use Mcummings1662/Title_One with MLX:

# Make sure mlx-lm is installed
# pip install --upgrade mlx-lm

# Generate text with mlx-lm
from mlx_lm import load, generate

model, tokenizer = load("Mcummings1662/Title_One")

prompt = "Write a story about Einstein"
messages = [{"role": "user", "content": prompt}]
prompt = tokenizer.apply_chat_template(
    messages, add_generation_prompt=True
)

text = generate(model, tokenizer, prompt=prompt, verbose=True)

llama-cpp-python

How to use Mcummings1662/Title_One with llama-cpp-python:

# !pip install llama-cpp-python

from llama_cpp import Llama

llm = Llama.from_pretrained(
	repo_id="Mcummings1662/Title_One",
	filename="gguf/qwen25-coder-14b-n8n-f16.gguf",
)

llm.create_chat_completion(
	messages = [
		{
			"role": "user",
			"content": "What is the capital of France?"
		}
	]
)

Notebooks
Google Colab
Kaggle
Local Apps

llama.cpp

How to use Mcummings1662/Title_One with llama.cpp:

Install from brew

brew install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf Mcummings1662/Title_One:F16
# Run inference directly in the terminal:
llama-cli -hf Mcummings1662/Title_One:F16

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf Mcummings1662/Title_One:F16
# Run inference directly in the terminal:
llama-cli -hf Mcummings1662/Title_One:F16

Use pre-built binary

# Download pre-built binary from:
# https://github.com/ggerganov/llama.cpp/releases
# Start a local OpenAI-compatible server with a web UI:
./llama-server -hf Mcummings1662/Title_One:F16
# Run inference directly in the terminal:
./llama-cli -hf Mcummings1662/Title_One:F16

Build from source code

git clone https://github.com/ggerganov/llama.cpp.git
cd llama.cpp
cmake -B build
cmake --build build -j --target llama-server llama-cli
# Start a local OpenAI-compatible server with a web UI:
./build/bin/llama-server -hf Mcummings1662/Title_One:F16
# Run inference directly in the terminal:
./build/bin/llama-cli -hf Mcummings1662/Title_One:F16

Use Docker

docker model run hf.co/Mcummings1662/Title_One:F16

LM Studio
Jan

vLLM

How to use Mcummings1662/Title_One with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "Mcummings1662/Title_One"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Mcummings1662/Title_One",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/Mcummings1662/Title_One:F16

Ollama
How to use Mcummings1662/Title_One with Ollama:
```
ollama run hf.co/Mcummings1662/Title_One:F16
```

Unsloth Studio new

How to use Mcummings1662/Title_One with Unsloth Studio:

Install Unsloth Studio (macOS, Linux, WSL)

curl -fsSL https://unsloth.ai/install.sh | sh
# Run unsloth studio
unsloth studio -H 0.0.0.0 -p 8888
# Then open http://localhost:8888 in your browser
# Search for Mcummings1662/Title_One to start chatting

Install Unsloth Studio (Windows)

irm https://unsloth.ai/install.ps1 | iex
# Run unsloth studio
unsloth studio -H 0.0.0.0 -p 8888
# Then open http://localhost:8888 in your browser
# Search for Mcummings1662/Title_One to start chatting

Using HuggingFace Spaces for Unsloth

# No setup required
# Open https://huggingface.co/spaces/unsloth/studio in your browser
# Search for Mcummings1662/Title_One to start chatting

Pi new

How to use Mcummings1662/Title_One with Pi:

Start the MLX server

# Install MLX LM:
uv tool install mlx-lm
# Start a local OpenAI-compatible server:
mlx_lm.server --model "Mcummings1662/Title_One"

Configure the model in Pi

# Install Pi:
npm install -g @mariozechner/pi-coding-agent
# Add to ~/.pi/agent/models.json:
{
  "providers": {
    "mlx-lm": {
      "baseUrl": "http://localhost:8080/v1",
      "api": "openai-completions",
      "apiKey": "none",
      "models": [
        {
          "id": "Mcummings1662/Title_One"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Hermes Agent new

How to use Mcummings1662/Title_One with Hermes Agent:

Start the MLX server

# Install MLX LM:
uv tool install mlx-lm
# Start a local OpenAI-compatible server:
mlx_lm.server --model "Mcummings1662/Title_One"

Configure Hermes

# Install Hermes:
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash
hermes setup
# Point Hermes at the local server:
hermes config set model.provider custom
hermes config set model.base_url http://127.0.0.1:8080/v1
hermes config set model.default Mcummings1662/Title_One

Run Hermes

hermes

MLX LM

How to use Mcummings1662/Title_One with MLX LM:

Generate or start a chat session

# Install MLX LM
uv tool install mlx-lm
# Interactive chat REPL
mlx_lm.chat --model "Mcummings1662/Title_One"

Run an OpenAI-compatible server

# Install MLX LM
uv tool install mlx-lm
# Start the server
mlx_lm.server --model "Mcummings1662/Title_One"
# Calling the OpenAI-compatible server with curl
curl -X POST "http://localhost:8000/v1/chat/completions" \
   -H "Content-Type: application/json" \
   --data '{
     "model": "Mcummings1662/Title_One",
     "messages": [
       {"role": "user", "content": "Hello"}
     ]
   }'

Docker Model Runner
How to use Mcummings1662/Title_One with Docker Model Runner:
```
docker model run hf.co/Mcummings1662/Title_One:F16
```

Lemonade

How to use Mcummings1662/Title_One with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull Mcummings1662/Title_One:F16

Run and chat with the model

lemonade run user.Title_One-F16

List all available models

lemonade list

Title_One / debug.log

Mcummings1662

Duplicate from mbakgun/Qwen2.5-Coder-14B-n8n-Workflow-Generator

696e0be 10 days ago

raw

history blame contribute delete

474 kB

	[2025-12-25 22:27:59,815] [DEBUG] [axolotl.utils.config.log_gpu_memory_usage:127] [PID:1133] baseline 0.000GB ()
	[2025-12-25 22:27:59,815] [INFO] [axolotl.cli.config.load_cfg:248] [PID:1133] config:
	{
	"activation_offloading": false,
	"adapter": "qlora",
	"axolotl_config_path": "config.yaml",
	"base_model": "Qwen/Qwen2.5-Coder-14B-Instruct",
	"base_model_config": "Qwen/Qwen2.5-Coder-14B-Instruct",
	"batch_size": 16,
	"bf16": true,
	"capabilities": {
	"bf16": true,
	"compute_capability": "sm_90",
	"fp8": false,
	"n_gpu": 1,
	"n_node": 1
	},
	"context_parallel_size": 1,
	"dataloader_num_workers": 1,
	"dataloader_pin_memory": true,
	"dataloader_prefetch_factor": 256,
	"dataset_processes": 36,
	"datasets": [
	{
	"message_property_mappings": {
	"content": "content",
	"role": "role"
	},
	"path": "mbakgun/n8nbuilder-n8n-workflows-dataset",
	"trust_remote_code": false,
	"type": "alpaca"
	}
	],
	"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_table_size": 0,
	"experimental_skip_move_to_device": true,
	"flash_attention": true,
	"fp16": false,
	"gradient_accumulation_steps": 16,
	"gradient_checkpointing": true,
	"gradient_checkpointing_kwargs": {
	"use_reentrant": false
	},
	"include_tkps": true,
	"learning_rate": 0.0002,
	"lisa_layers_attribute": "model.layers",
	"load_best_model_at_end": false,
	"load_in_4bit": true,
	"load_in_8bit": false,
	"local_rank": 0,
	"logging_steps": 1,
	"lora_alpha": 64,
	"lora_dropout": 0.05,
	"lora_r": 32,
	"lora_target_modules": [
	"q_proj",
	"k_proj",
	"v_proj",
	"o_proj",
	"gate_proj",
	"up_proj",
	"down_proj"
	],
	"loraplus_lr_embedding": 1e-06,
	"lr_scheduler": "cosine",
	"mean_resizing_embeddings": false,
	"micro_batch_size": 1,
	"model_config_type": "qwen2",
	"num_epochs": 3.0,
	"optimizer": "adamw_bnb_8bit",
	"output_dir": "./outputs/qwen25-coder-n8n",
	"pad_to_sequence_len": false,
	"pretrain_multipack_attn": true,
	"profiler_steps_start": 0,
	"qlora_sharded_model_loading": false,
	"ray_num_workers": 1,
	"resources_per_worker": {
	"GPU": 1
	},
	"sample_packing": false,
	"sample_packing_bin_size": 200,
	"sample_packing_group_size": 100000,
	"save_only_model": false,
	"save_safetensors": true,
	"save_steps": 100,
	"save_strategy": "steps",
	"sequence_len": 8192,
	"shuffle_before_merging_datasets": false,
	"shuffle_merged_datasets": true,
	"skip_prepare_dataset": false,
	"streaming_multipack_buffer_size": 10000,
	"strict": false,
	"tensor_parallel_size": 1,
	"tf32": true,
	"tiled_mlp_use_original_mlp": true,
	"tokenizer_config": "Qwen/Qwen2.5-Coder-14B-Instruct",
	"tokenizer_save_jinja_files": true,
	"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
	},
	"use_ray": false,
	"val_set_size": 0.0,
	"vllm": {
	"device": "auto",
	"dtype": "auto",
	"gpu_memory_utilization": 0.9,
	"host": "0.0.0.0",
	"port": 8000
	},
	"warmup_ratio": 0.1,
	"weight_decay": 0.01,
	"world_size": 1
	}
	[2025-12-25 22:28:00,313] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:278] [PID:1133] EOS: 151645 / <\|im_end\|>
	[2025-12-25 22:28:00,314] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:279] [PID:1133] BOS: None / None
	[2025-12-25 22:28:00,314] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:280] [PID:1133] PAD: 151643 / <\|endoftext\|>
	[2025-12-25 22:28:00,314] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:281] [PID:1133] UNK: None / None
	[2025-12-25 22:28:00,314] [INFO] [axolotl.utils.data.shared.load_preprocessed_dataset:476] [PID:1133] Unable to find prepared dataset in last_run_prepared/fd30d23b351de719c91e124efcc5fe43
	[2025-12-25 22:28:00,314] [INFO] [axolotl.utils.data.sft._load_raw_datasets:320] [PID:1133] Loading raw datasets...
	[2025-12-25 22:28:00,314] [WARNING] [axolotl.utils.data.sft._load_raw_datasets:322] [PID:1133] Processing datasets during training can lead to VRAM instability. Please pre-process your dataset using `axolotl preprocess path/to/config.yml`.
	[2025-12-25 22:28:00,955] [INFO] [axolotl.utils.data.wrappers.get_dataset_wrapper:87] [PID:1133] Loading dataset: mbakgun/n8nbuilder-n8n-workflows-dataset with base_type: alpaca and prompt_style: None
	[2025-12-25 22:28:01,168] [INFO] [axolotl.utils.data.utils.handle_long_seq_in_dataset:218] [PID:1133] min_input_len: 878
	[2025-12-25 22:28:01,168] [INFO] [axolotl.utils.data.utils.handle_long_seq_in_dataset:220] [PID:1133] max_input_len: 12396
	Dropping Long Sequences (>8192) (num_proc=36): 0%\| \| 0/2737 [00:00<?, ? examples/s] Dropping Long Sequences (>8192) (num_proc=36): 3%\|██▎ \| 77/2737 [00:00<00:31, 85.60 examples/s] Dropping Long Sequences (>8192) (num_proc=36): 42%\|████████████████████████████████▉ \| 1141/2737 [00:00<00:01, 1531.24 examples/s] Dropping Long Sequences (>8192) (num_proc=36): 100%\|███████████████████████████████████████████████████████████████████████████████\| 2737/2737 [00:01<00:00, 3888.53 examples/s] Dropping Long Sequences (>8192) (num_proc=36): 100%\|███████████████████████████████████████████████████████████████████████████████\| 2737/2737 [00:01<00:00, 2115.72 examples/s]
	[2025-12-25 22:28:02,540] [WARNING] [axolotl.utils.data.utils.handle_long_seq_in_dataset:260] [PID:1133] Dropped 433 samples from dataset
	Saving the dataset (0/9 shards): 0%\| \| 0/2304 [00:00<?, ? examples/s] Saving the dataset (0/9 shards): 11%\|██████████▌ \| 256/2304 [00:00<00:02, 916.49 examples/s] Saving the dataset (1/9 shards): 11%\|██████████▌ \| 256/2304 [00:00<00:02, 916.49 examples/s] Saving the dataset (2/9 shards): 33%\|███████████████████████████████▋ \| 768/2304 [00:00<00:01, 916.49 examples/s] Saving the dataset (3/9 shards): 33%\|███████████████████████████████▋ \| 768/2304 [00:00<00:01, 916.49 examples/s] Saving the dataset (4/9 shards): 44%\|█████████████████████████████████████████▊ \| 1024/2304 [00:00<00:01, 916.49 examples/s] Saving the dataset (5/9 shards): 56%\|████████████████████████████████████████████████████▏ \| 1280/2304 [00:00<00:01, 916.49 examples/s] Saving the dataset (6/9 shards): 67%\|██████████████████████████████████████████████████████████████▋ \| 1536/2304 [00:00<00:00, 916.49 examples/s] Saving the dataset (7/9 shards): 78%\|█████████████████████████████████████████████████████████████████████████ \| 1792/2304 [00:00<00:00, 916.49 examples/s] Saving the dataset (8/9 shards): 89%\|███████████████████████████████████████████████████████████████████████████████████▌ \| 2048/2304 [00:00<00:00, 916.49 examples/s] Saving the dataset (9/9 shards): 100%\|██████████████████████████████████████████████████████████████████████████████████████████████\| 2304/2304 [00:00<00:00, 916.49 examples/s] Saving the dataset (9/9 shards): 100%\|█████████████████████████████████████████████████████████████████████████████████████████████\| 2304/2304 [00:00<00:00, 5976.92 examples/s]
	[2025-12-25 22:28:03,194] [DEBUG] [axolotl.utils.trainer.calculate_total_num_steps:404] [PID:1133] total_num_tokens: 9_507_792
	[2025-12-25 22:28:03,238] [DEBUG] [axolotl.utils.trainer.calculate_total_num_steps:422] [PID:1133] `total_supervised_tokens: 11_572_652`
	[2025-12-25 22:28:03,239] [DEBUG] [axolotl.utils.trainer.calculate_total_num_steps:520] [PID:1133] total_num_steps: 432
	[2025-12-25 22:28:03,239] [INFO] [axolotl.utils.data.sft._prepare_standard_dataset:121] [PID:1133] Maximum number of steps set at 432
	[2025-12-25 22:28:03,267] [DEBUG] [axolotl.train.setup_model_and_tokenizer:65] [PID:1133] Loading tokenizer... Qwen/Qwen2.5-Coder-14B-Instruct
	[2025-12-25 22:28:03,684] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:278] [PID:1133] EOS: 151645 / <\|im_end\|>
	[2025-12-25 22:28:03,684] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:279] [PID:1133] BOS: None / None
	[2025-12-25 22:28:03,685] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:280] [PID:1133] PAD: 151643 / <\|endoftext\|>
	[2025-12-25 22:28:03,685] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:281] [PID:1133] UNK: None / None
	[2025-12-25 22:28:03,685] [DEBUG] [axolotl.train.setup_model_and_tokenizer:74] [PID:1133] Loading model
	[2025-12-25 22:28:03,736] [DEBUG] [axolotl.monkeypatch.transformers.trainer_loss_calc.patch_evaluation_loop:87] [PID:1133] Patched Trainer.evaluation_loop with nanmean loss calculation
	[2025-12-25 22:28:03,737] [DEBUG] [axolotl.monkeypatch.transformers.trainer_loss_calc.patch_maybe_log_save_evaluate:138] [PID:1133] Patched Trainer._maybe_log_save_evaluate with nanmean loss calculation
	Loading checkpoint shards: 0%\| \| 0/6 [00:00<?, ?it/s] Loading checkpoint shards: 17%\|███████████████████ \| 1/6 [00:03<00:19, 3.93s/it] Loading checkpoint shards: 33%\|██████████████████████████████████████ \| 2/6 [00:09<00:18, 4.62s/it] Loading checkpoint shards: 50%\|█████████████████████████████████████████████████████████ \| 3/6 [00:14<00:14, 4.80s/it] Loading checkpoint shards: 67%\|████████████████████████████████████████████████████████████████████████████ \| 4/6 [00:19<00:09, 4.89s/it] Loading checkpoint shards: 83%\|███████████████████████████████████████████████████████████████████████████████████████████████ \| 5/6 [00:24<00:04, 4.91s/it] Loading checkpoint shards: 100%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████\| 6/6 [00:27<00:00, 4.42s/it] Loading checkpoint shards: 100%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████\| 6/6 [00:27<00:00, 4.58s/it]
	[2025-12-25 22:28:32,092] [INFO] [axolotl.loaders.model._prepare_model_for_quantization:863] [PID:1133] converting PEFT model w/ prepare_model_for_kbit_training
	[2025-12-25 22:28:32,098] [INFO] [axolotl.loaders.model._configure_embedding_dtypes:345] [PID:1133] Converting modules to torch.bfloat16
	[2025-12-25 22:28:32,100] [DEBUG] [axolotl.loaders.model.log_gpu_memory_usage:127] [PID:1133] Memory usage after model load 13.888GB (+13.888GB allocated, +15.756GB reserved)
	trainable params: 137,625,600 \|\| all params: 14,907,659,264 \|\| trainable%: 0.9232
	[2025-12-25 22:28:33,795] [DEBUG] [axolotl.loaders.model.log_gpu_memory_usage:127] [PID:1133] after adapters 9.900GB (+9.900GB allocated, +16.031GB reserved)
	[2025-12-25 22:28:40,857] [INFO] [axolotl.train.save_initial_configs:398] [PID:1133] Pre-saving adapter config to ./outputs/qwen25-coder-n8n...
	[2025-12-25 22:28:40,857] [INFO] [axolotl.train.save_initial_configs:402] [PID:1133] Pre-saving tokenizer to ./outputs/qwen25-coder-n8n...
	[2025-12-25 22:28:41,011] [INFO] [axolotl.train.save_initial_configs:407] [PID:1133] Pre-saving model config to ./outputs/qwen25-coder-n8n...
	[2025-12-25 22:28:41,013] [INFO] [axolotl.train.execute_training:196] [PID:1133] Starting trainer...
	0%\| \| 0/432 [00:00<?, ?it/s] 0%\|▎ \| 1/432 [00:33<4:03:10, 33.85s/it] {'loss': 1.0821, 'grad_norm': 0.09848134219646454, 'learning_rate': 0.0, 'memory/max_active (GiB)': 27.69, 'memory/max_allocated (GiB)': 27.69, 'memory/device_reserved (GiB)': 30.8, 'tokens_per_second_per_gpu': 1763.68, 'epoch': 0.01}
	0%\|▎ \| 1/432 [00:33<4:03:10, 33.85s/it] 0%\|▋ \| 2/432 [01:03<3:44:28, 31.32s/it] {'loss': 1.2119, 'grad_norm': 0.11234692484140396, 'learning_rate': 4.651162790697674e-06, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 31.05, 'tokens_per_second_per_gpu': 1834.64, 'epoch': 0.01}
	0%\|▋ \| 2/432 [01:03<3:44:28, 31.32s/it] 1%\|▉ \| 3/432 [01:33<3:40:04, 30.78s/it] {'loss': 1.2053, 'grad_norm': 0.11071926355361938, 'learning_rate': 9.302325581395349e-06, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 31.05, 'tokens_per_second_per_gpu': 1875.82, 'epoch': 0.02}
	1%\|▉ \| 3/432 [01:33<3:40:04, 30.78s/it] 1%\|█▎ \| 4/432 [02:07<3:49:36, 32.19s/it] {'loss': 1.0514, 'grad_norm': 0.10147764533758163, 'learning_rate': 1.3953488372093024e-05, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.27, 'tokens_per_second_per_gpu': 1792.72, 'epoch': 0.03}
	1%\|█▎ \| 4/432 [02:07<3:49:36, 32.19s/it] 1%\|█▌ \| 5/432 [02:41<3:51:32, 32.54s/it] {'loss': 1.209, 'grad_norm': 0.10568977892398834, 'learning_rate': 1.8604651162790697e-05, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.27, 'tokens_per_second_per_gpu': 1840.61, 'epoch': 0.03}
	1%\|█▌ \| 5/432 [02:41<3:51:32, 32.54s/it] 1%\|█▉ \| 6/432 [03:13<3:51:42, 32.63s/it] {'loss': 1.0817, 'grad_norm': 0.10363873094320297, 'learning_rate': 2.3255813953488374e-05, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.27, 'tokens_per_second_per_gpu': 1784.92, 'epoch': 0.04}
	1%\|█▉ \| 6/432 [03:13<3:51:42, 32.63s/it] 2%\|██▏ \| 7/432 [03:52<4:04:08, 34.47s/it] {'loss': 1.1571, 'grad_norm': 0.113986074924469, 'learning_rate': 2.7906976744186048e-05, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.33, 'tokens_per_second_per_gpu': 1892.63, 'epoch': 0.05}
	2%\|██▏ \| 7/432 [03:52<4:04:08, 34.47s/it] 2%\|██▌ \| 8/432 [04:26<4:02:41, 34.34s/it] {'loss': 1.1444, 'grad_norm': 0.1191892921924591, 'learning_rate': 3.2558139534883724e-05, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.33, 'tokens_per_second_per_gpu': 1863.93, 'epoch': 0.06}
	2%\|██▌ \| 8/432 [04:26<4:02:41, 34.34s/it] 2%\|██▊ \| 9/432 [04:54<3:49:22, 32.53s/it] {'loss': 1.1786, 'grad_norm': 0.11628979444503784, 'learning_rate': 3.7209302325581394e-05, 'memory/max_active (GiB)': 24.64, 'memory/max_allocated (GiB)': 24.64, 'memory/device_reserved (GiB)': 32.33, 'tokens_per_second_per_gpu': 1764.21, 'epoch': 0.06}
	2%\|██▊ \| 9/432 [04:54<3:49:22, 32.53s/it] 2%\|███▏ \| 10/432 [05:25<3:44:45, 31.96s/it] {'loss': 1.0695, 'grad_norm': 0.10155434161424637, 'learning_rate': 4.186046511627907e-05, 'memory/max_active (GiB)': 27.2, 'memory/max_allocated (GiB)': 27.2, 'memory/device_reserved (GiB)': 32.33, 'tokens_per_second_per_gpu': 1823.2, 'epoch': 0.07}
	2%\|███▏ \| 10/432 [05:25<3:44:45, 31.96s/it] 3%\|███▍ \| 11/432 [06:01<3:52:59, 33.21s/it] {'loss': 1.0805, 'grad_norm': 0.08485760539770126, 'learning_rate': 4.651162790697675e-05, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.33, 'tokens_per_second_per_gpu': 1805.0, 'epoch': 0.08}
	3%\|███▍ \| 11/432 [06:01<3:52:59, 33.21s/it] 3%\|███▊ \| 12/432 [06:30<3:44:23, 32.05s/it] {'loss': 1.0824, 'grad_norm': 0.07211048156023026, 'learning_rate': 5.1162790697674425e-05, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.33, 'tokens_per_second_per_gpu': 1799.74, 'epoch': 0.08}
	3%\|███▊ \| 12/432 [06:30<3:44:23, 32.05s/it] 3%\|████ \| 13/432 [07:04<3:47:30, 32.58s/it] {'loss': 1.0264, 'grad_norm': 0.06483420729637146, 'learning_rate': 5.5813953488372095e-05, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.33, 'tokens_per_second_per_gpu': 1798.61, 'epoch': 0.09}
	3%\|████ \| 13/432 [07:04<3:47:30, 32.58s/it] 3%\|████▍ \| 14/432 [07:32<3:37:27, 31.21s/it] {'loss': 1.0967, 'grad_norm': 0.06657296419143677, 'learning_rate': 6.0465116279069765e-05, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.33, 'tokens_per_second_per_gpu': 1788.44, 'epoch': 0.1}
	3%\|████▍ \| 14/432 [07:32<3:37:27, 31.21s/it] 3%\|████▋ \| 15/432 [07:59<3:26:38, 29.73s/it] {'loss': 1.1489, 'grad_norm': 0.195042684674263, 'learning_rate': 6.511627906976745e-05, 'memory/max_active (GiB)': 24.8, 'memory/max_allocated (GiB)': 24.8, 'memory/device_reserved (GiB)': 32.33, 'tokens_per_second_per_gpu': 1785.21, 'epoch': 0.1}
	3%\|████▋ \| 15/432 [07:59<3:26:38, 29.73s/it] 4%\|█████ \| 16/432 [08:26<3:21:43, 29.10s/it] {'loss': 1.0985, 'grad_norm': 0.07728952169418335, 'learning_rate': 6.976744186046513e-05, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.33, 'tokens_per_second_per_gpu': 1752.91, 'epoch': 0.11}
	4%\|█████ \| 16/432 [08:26<3:21:43, 29.10s/it] 4%\|█████▎ \| 17/432 [08:55<3:20:08, 28.93s/it] {'loss': 1.1112, 'grad_norm': 0.08134876191616058, 'learning_rate': 7.441860465116279e-05, 'memory/max_active (GiB)': 26.06, 'memory/max_allocated (GiB)': 26.06, 'memory/device_reserved (GiB)': 32.33, 'tokens_per_second_per_gpu': 1813.48, 'epoch': 0.12}
	4%\|█████▎ \| 17/432 [08:55<3:20:08, 28.93s/it] 4%\|█████▋ \| 18/432 [09:24<3:20:20, 29.04s/it] {'loss': 1.0222, 'grad_norm': 0.08289807289838791, 'learning_rate': 7.906976744186047e-05, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.33, 'tokens_per_second_per_gpu': 1852.47, 'epoch': 0.12}
	4%\|█████▋ \| 18/432 [09:24<3:20:20, 29.04s/it] 4%\|█████▉ \| 19/432 [09:50<3:12:40, 27.99s/it] {'loss': 1.1493, 'grad_norm': 0.09635733813047409, 'learning_rate': 8.372093023255814e-05, 'memory/max_active (GiB)': 24.17, 'memory/max_allocated (GiB)': 24.17, 'memory/device_reserved (GiB)': 32.33, 'tokens_per_second_per_gpu': 1745.06, 'epoch': 0.13}
	4%\|█████▉ \| 19/432 [09:50<3:12:40, 27.99s/it] 5%\|██████▎ \| 20/432 [10:16<3:09:20, 27.57s/it] {'loss': 0.9912, 'grad_norm': 0.08602173626422882, 'learning_rate': 8.837209302325582e-05, 'memory/max_active (GiB)': 26.25, 'memory/max_allocated (GiB)': 26.25, 'memory/device_reserved (GiB)': 32.33, 'tokens_per_second_per_gpu': 1758.58, 'epoch': 0.14}
	5%\|██████▎ \| 20/432 [10:16<3:09:20, 27.57s/it] 5%\|██████▌ \| 21/432 [10:45<3:11:39, 27.98s/it] {'loss': 1.1637, 'grad_norm': 0.08320974558591843, 'learning_rate': 9.30232558139535e-05, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.33, 'tokens_per_second_per_gpu': 1772.58, 'epoch': 0.15}
	5%\|██████▌ \| 21/432 [10:45<3:11:39, 27.98s/it] 5%\|██████▉ \| 22/432 [11:22<3:29:56, 30.72s/it] {'loss': 1.0209, 'grad_norm': 0.0785663053393364, 'learning_rate': 9.767441860465116e-05, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1822.66, 'epoch': 0.15}
	5%\|██████▉ \| 22/432 [11:22<3:29:56, 30.72s/it] 5%\|███████▏ \| 23/432 [11:55<3:33:42, 31.35s/it] {'loss': 0.9858, 'grad_norm': 0.07734047621488571, 'learning_rate': 0.00010232558139534885, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1889.88, 'epoch': 0.16}
	5%\|███████▏ \| 23/432 [11:55<3:33:42, 31.35s/it] 6%\|███████▌ \| 24/432 [12:27<3:35:25, 31.68s/it] {'loss': 1.0003, 'grad_norm': 0.07255646586418152, 'learning_rate': 0.00010697674418604651, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1833.16, 'epoch': 0.17}
	6%\|███████▌ \| 24/432 [12:27<3:35:25, 31.68s/it] 6%\|███████▊ \| 25/432 [13:04<3:45:06, 33.19s/it] {'loss': 1.0143, 'grad_norm': 0.07897679507732391, 'learning_rate': 0.00011162790697674419, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1900.98, 'epoch': 0.17}
	6%\|███████▊ \| 25/432 [13:04<3:45:06, 33.19s/it] 6%\|████████▏ \| 26/432 [13:29<3:28:01, 30.74s/it] {'loss': 1.0341, 'grad_norm': 0.09510312229394913, 'learning_rate': 0.00011627906976744187, 'memory/max_active (GiB)': 23.18, 'memory/max_allocated (GiB)': 23.18, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1701.34, 'epoch': 0.18}
	6%\|████████▏ \| 26/432 [13:29<3:28:01, 30.74s/it] 6%\|████████▌ \| 27/432 [14:03<3:33:11, 31.58s/it] {'loss': 1.0004, 'grad_norm': 0.07016909122467041, 'learning_rate': 0.00012093023255813953, 'memory/max_active (GiB)': 28.38, 'memory/max_allocated (GiB)': 28.38, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1891.5, 'epoch': 0.19}
	6%\|████████▌ \| 27/432 [14:03<3:33:11, 31.58s/it] 6%\|████████▊ \| 28/432 [14:40<3:45:02, 33.42s/it] {'loss': 0.9588, 'grad_norm': 0.07151541113853455, 'learning_rate': 0.0001255813953488372, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1890.08, 'epoch': 0.19}
	6%\|████████▊ \| 28/432 [14:40<3:45:02, 33.42s/it] 7%\|█████████▏ \| 29/432 [15:12<3:39:52, 32.74s/it] {'loss': 1.0078, 'grad_norm': 0.07155290246009827, 'learning_rate': 0.0001302325581395349, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1759.11, 'epoch': 0.2}
	7%\|█████████▏ \| 29/432 [15:12<3:39:52, 32.74s/it] 7%\|█████████▍ \| 30/432 [15:39<3:27:49, 31.02s/it] {'loss': 1.0343, 'grad_norm': 0.08267220109701157, 'learning_rate': 0.00013488372093023256, 'memory/max_active (GiB)': 26.49, 'memory/max_allocated (GiB)': 26.49, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1794.99, 'epoch': 0.21}
	7%\|█████████▍ \| 30/432 [15:39<3:27:49, 31.02s/it] 7%\|█████████▊ \| 31/432 [16:13<3:34:58, 32.17s/it] {'loss': 0.9155, 'grad_norm': 0.06379543989896774, 'learning_rate': 0.00013953488372093025, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1829.94, 'epoch': 0.22}
	7%\|█████████▊ \| 31/432 [16:13<3:34:58, 32.17s/it] 7%\|██████████ \| 32/432 [16:40<3:23:21, 30.50s/it] {'loss': 1.0727, 'grad_norm': 0.07846751064062119, 'learning_rate': 0.00014418604651162791, 'memory/max_active (GiB)': 23.79, 'memory/max_allocated (GiB)': 23.79, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1854.31, 'epoch': 0.22}
	7%\|██████████ \| 32/432 [16:40<3:23:21, 30.50s/it] 8%\|██████████▍ \| 33/432 [17:11<3:23:04, 30.54s/it] {'loss': 1.0472, 'grad_norm': 0.07601239532232285, 'learning_rate': 0.00014883720930232558, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1806.02, 'epoch': 0.23}
	8%\|██████████▍ \| 33/432 [17:11<3:23:04, 30.54s/it] 8%\|██████████▋ \| 34/432 [17:38<3:15:19, 29.45s/it] {'loss': 1.034, 'grad_norm': 0.09074926376342773, 'learning_rate': 0.00015348837209302327, 'memory/max_active (GiB)': 23.79, 'memory/max_allocated (GiB)': 23.79, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1814.81, 'epoch': 0.24}
	8%\|██████████▋ \| 34/432 [17:38<3:15:19, 29.45s/it] 8%\|███████████ \| 35/432 [18:09<3:19:04, 30.09s/it] {'loss': 0.9786, 'grad_norm': 0.07441543787717819, 'learning_rate': 0.00015813953488372093, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1865.18, 'epoch': 0.24}
	8%\|███████████ \| 35/432 [18:09<3:19:04, 30.09s/it] 8%\|███████████▎ \| 36/432 [18:43<3:26:48, 31.33s/it] {'loss': 0.9218, 'grad_norm': 0.08436308056116104, 'learning_rate': 0.00016279069767441862, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1860.2, 'epoch': 0.25}
	8%\|███████████▎ \| 36/432 [18:43<3:26:48, 31.33s/it] 9%\|███████████▋ \| 37/432 [19:13<3:22:58, 30.83s/it] {'loss': 1.0504, 'grad_norm': 0.07554468512535095, 'learning_rate': 0.00016744186046511629, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1816.31, 'epoch': 0.26}
	9%\|███████████▋ \| 37/432 [19:13<3:22:58, 30.83s/it] 9%\|███████████▉ \| 38/432 [19:44<3:22:43, 30.87s/it] {'loss': 0.9141, 'grad_norm': 0.09911656379699707, 'learning_rate': 0.00017209302325581395, 'memory/max_active (GiB)': 26.26, 'memory/max_allocated (GiB)': 26.26, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1863.8, 'epoch': 0.26}
	9%\|███████████▉ \| 38/432 [19:44<3:22:43, 30.87s/it] 9%\|████████████▎ \| 39/432 [20:06<3:03:55, 28.08s/it] {'loss': 1.0342, 'grad_norm': 0.07778877764940262, 'learning_rate': 0.00017674418604651164, 'memory/max_active (GiB)': 24.17, 'memory/max_allocated (GiB)': 24.17, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1619.33, 'epoch': 0.27}
	9%\|████████████▎ \| 39/432 [20:06<3:03:55, 28.08s/it] 9%\|████████████▌ \| 40/432 [20:35<3:05:18, 28.36s/it] {'loss': 0.9365, 'grad_norm': 0.09776122868061066, 'learning_rate': 0.0001813953488372093, 'memory/max_active (GiB)': 26.06, 'memory/max_allocated (GiB)': 26.06, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1708.88, 'epoch': 0.28}
	9%\|████████████▌ \| 40/432 [20:35<3:05:18, 28.36s/it] 9%\|████████████▉ \| 41/432 [21:07<3:12:06, 29.48s/it] {'loss': 0.9455, 'grad_norm': 0.09212527424097061, 'learning_rate': 0.000186046511627907, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1854.36, 'epoch': 0.28}
	9%\|████████████▉ \| 41/432 [21:07<3:12:06, 29.48s/it] 10%\|█████████████▏ \| 42/432 [21:32<3:03:44, 28.27s/it] {'loss': 0.9964, 'grad_norm': 0.1160384938120842, 'learning_rate': 0.00019069767441860466, 'memory/max_active (GiB)': 23.7, 'memory/max_allocated (GiB)': 23.7, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1775.41, 'epoch': 0.29}
	10%\|█████████████▏ \| 42/432 [21:32<3:03:44, 28.27s/it] 10%\|█████████████▌ \| 43/432 [22:02<3:06:18, 28.74s/it] {'loss': 0.8627, 'grad_norm': 0.06805545091629028, 'learning_rate': 0.00019534883720930232, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1830.25, 'epoch': 0.3}
	10%\|█████████████▌ \| 43/432 [22:02<3:06:18, 28.74s/it] 10%\|█████████████▊ \| 44/432 [22:35<3:13:22, 29.90s/it] {'loss': 0.9417, 'grad_norm': 0.06951376795768738, 'learning_rate': 0.0002, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1843.05, 'epoch': 0.31}
	10%\|█████████████▊ \| 44/432 [22:35<3:13:22, 29.90s/it] 10%\|██████████████▏ \| 45/432 [23:07<3:18:05, 30.71s/it] {'loss': 0.9017, 'grad_norm': 0.06728649139404297, 'learning_rate': 0.00019999673886943734, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1889.73, 'epoch': 0.31}
	10%\|██████████████▏ \| 45/432 [23:07<3:18:05, 30.71s/it] 11%\|██████████████▍ \| 46/432 [23:39<3:19:09, 30.96s/it] {'loss': 1.0087, 'grad_norm': 0.0888209342956543, 'learning_rate': 0.0001999869556904488, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1805.58, 'epoch': 0.32}
	11%\|██████████████▍ \| 46/432 [23:39<3:19:09, 30.96s/it] 11%\|██████████████▊ \| 47/432 [24:08<3:16:18, 30.59s/it] {'loss': 0.9246, 'grad_norm': 0.07477093487977982, 'learning_rate': 0.00019997065110111885, 'memory/max_active (GiB)': 27.2, 'memory/max_allocated (GiB)': 27.2, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1807.73, 'epoch': 0.33}
	11%\|██████████████▊ \| 47/432 [24:08<3:16:18, 30.59s/it] 11%\|███████████████ \| 48/432 [24:39<3:15:53, 30.61s/it] {'loss': 0.936, 'grad_norm': 0.08000776916742325, 'learning_rate': 0.00019994782616487538, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1732.16, 'epoch': 0.33}
	11%\|███████████████ \| 48/432 [24:39<3:15:53, 30.61s/it] 11%\|███████████████▍ \| 49/432 [25:06<3:08:03, 29.46s/it] {'loss': 0.9732, 'grad_norm': 0.2703610956668854, 'learning_rate': 0.00019991848237042035, 'memory/max_active (GiB)': 24.64, 'memory/max_allocated (GiB)': 24.64, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1814.28, 'epoch': 0.34}
	11%\|███████████████▍ \| 49/432 [25:06<3:08:03, 29.46s/it] 12%\|███████████████▋ \| 50/432 [25:34<3:04:18, 28.95s/it] {'loss': 0.9867, 'grad_norm': 0.08173573762178421, 'learning_rate': 0.00019988262163163264, 'memory/max_active (GiB)': 26.25, 'memory/max_allocated (GiB)': 26.25, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1746.16, 'epoch': 0.35}
	12%\|███████████████▋ \| 50/432 [25:34<3:04:18, 28.95s/it] 12%\|████████████████ \| 51/432 [26:06<3:10:51, 30.06s/it] {'loss': 0.9353, 'grad_norm': 0.06703449040651321, 'learning_rate': 0.00019984024628744328, 'memory/max_active (GiB)': 25.31, 'memory/max_allocated (GiB)': 25.31, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1803.49, 'epoch': 0.35}
	12%\|████████████████ \| 51/432 [26:06<3:10:51, 30.06s/it] 12%\|████████████████▎ \| 52/432 [26:31<3:00:46, 28.54s/it] {'loss': 0.9705, 'grad_norm': 0.0770621970295906, 'learning_rate': 0.0001997913591016829, 'memory/max_active (GiB)': 27.44, 'memory/max_allocated (GiB)': 27.44, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1805.23, 'epoch': 0.36}
	12%\|████████████████▎ \| 52/432 [26:31<3:00:46, 28.54s/it] 12%\|████████████████▋ \| 53/432 [27:04<3:08:21, 29.82s/it] {'loss': 0.9082, 'grad_norm': 0.08800782263278961, 'learning_rate': 0.00019973596326290137, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1787.79, 'epoch': 0.37}
	12%\|████████████████▋ \| 53/432 [27:04<3:08:21, 29.82s/it] 12%\|█████████████████ \| 54/432 [27:38<3:16:01, 31.11s/it] {'loss': 0.964, 'grad_norm': 0.0656328946352005, 'learning_rate': 0.00019967406238415998, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1888.13, 'epoch': 0.38}
	12%\|█████████████████ \| 54/432 [27:38<3:16:01, 31.11s/it] 13%\|█████████████████▎ \| 55/432 [28:08<3:13:44, 30.84s/it] {'loss': 0.918, 'grad_norm': 0.09178014099597931, 'learning_rate': 0.00019960566050279566, 'memory/max_active (GiB)': 27.2, 'memory/max_allocated (GiB)': 27.2, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1822.06, 'epoch': 0.38}
	13%\|█████████████████▎ \| 55/432 [28:08<3:13:44, 30.84s/it] 13%\|█████████████████▋ \| 56/432 [28:34<3:03:56, 29.35s/it] {'loss': 1.0078, 'grad_norm': 0.07544898241758347, 'learning_rate': 0.00019953076208015772, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1779.76, 'epoch': 0.39}
	13%\|█████████████████▋ \| 56/432 [28:34<3:03:56, 29.35s/it] 13%\|█████████████████▉ \| 57/432 [29:07<3:09:09, 30.27s/it] {'loss': 0.952, 'grad_norm': 0.07013165950775146, 'learning_rate': 0.0001994493720013169, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1875.9, 'epoch': 0.4}
	13%\|█████████████████▉ \| 57/432 [29:07<3:09:09, 30.27s/it] 13%\|██████████████████▎ \| 58/432 [29:36<3:06:17, 29.89s/it] {'loss': 0.9751, 'grad_norm': 0.2212851643562317, 'learning_rate': 0.00019936149557474666, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1808.54, 'epoch': 0.4}
	13%\|██████████████████▎ \| 58/432 [29:36<3:06:17, 29.89s/it] 14%\|██████████████████▌ \| 59/432 [30:09<3:12:19, 30.94s/it] {'loss': 0.9055, 'grad_norm': 0.0661102756857872, 'learning_rate': 0.00019926713853197695, 'memory/max_active (GiB)': 24.74, 'memory/max_allocated (GiB)': 24.74, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1802.3, 'epoch': 0.41}
	14%\|██████████████████▌ \| 59/432 [30:09<3:12:19, 30.94s/it] 14%\|██████████████████▉ \| 60/432 [30:40<3:12:31, 31.05s/it] {'loss': 0.9826, 'grad_norm': 0.08663811534643173, 'learning_rate': 0.0001991663070272206, 'memory/max_active (GiB)': 24.17, 'memory/max_allocated (GiB)': 24.17, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1707.88, 'epoch': 0.42}
	14%\|██████████████████▉ \| 60/432 [30:40<3:12:31, 31.05s/it] 14%\|███████████████████▏ \| 61/432 [31:14<3:15:52, 31.68s/it] {'loss': 0.9759, 'grad_norm': 0.07683200389146805, 'learning_rate': 0.0001990590076369715, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1895.98, 'epoch': 0.42}
	14%\|███████████████████▏ \| 61/432 [31:14<3:15:52, 31.68s/it] 14%\|███████████████████▌ \| 62/432 [31:45<3:14:33, 31.55s/it] {'loss': 0.9168, 'grad_norm': 0.07595925778150558, 'learning_rate': 0.00019894524735957622, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1797.18, 'epoch': 0.43}
	14%\|███████████████████▌ \| 62/432 [31:45<3:14:33, 31.55s/it] 15%\|███████████████████▊ \| 63/432 [32:13<3:08:40, 30.68s/it] {'loss': 0.9679, 'grad_norm': 0.07661418616771698, 'learning_rate': 0.00019882503361477705, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1830.69, 'epoch': 0.44}
	15%\|███████████████████▊ \| 63/432 [32:13<3:08:40, 30.68s/it] 15%\|████████████████████▏ \| 64/432 [32:44<3:08:27, 30.73s/it] {'loss': 0.9592, 'grad_norm': 0.08054457604885101, 'learning_rate': 0.00019869837424322829, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1798.08, 'epoch': 0.44}
	15%\|████████████████████▏ \| 64/432 [32:44<3:08:27, 30.73s/it] 15%\|████████████████████▍ \| 65/432 [33:15<3:08:07, 30.76s/it] {'loss': 0.9257, 'grad_norm': 0.08320043236017227, 'learning_rate': 0.00019856527750598493, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1795.23, 'epoch': 0.45}
	15%\|████████████████████▍ \| 65/432 [33:15<3:08:07, 30.76s/it] 15%\|████████████████████▊ \| 66/432 [33:49<3:13:58, 31.80s/it] {'loss': 0.8969, 'grad_norm': 0.0733579471707344, 'learning_rate': 0.00019842575208396372, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1861.37, 'epoch': 0.46}
	15%\|████████████████████▊ \| 66/432 [33:49<3:13:58, 31.80s/it] 16%\|█████████████████████ \| 67/432 [34:22<3:14:20, 31.95s/it] {'loss': 0.8604, 'grad_norm': 0.29595091938972473, 'learning_rate': 0.00019827980707737703, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1844.94, 'epoch': 0.47}
	16%\|█████████████████████ \| 67/432 [34:22<3:14:20, 31.95s/it] 16%\|█████████████████████▍ \| 68/432 [34:51<3:09:19, 31.21s/it] {'loss': 0.9479, 'grad_norm': 0.10486430674791336, 'learning_rate': 0.00019812745200513927, 'memory/max_active (GiB)': 27.2, 'memory/max_allocated (GiB)': 27.2, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1823.2, 'epoch': 0.47}
	16%\|█████████████████████▍ \| 68/432 [34:51<3:09:19, 31.21s/it] 16%\|█████████████████████▋ \| 69/432 [35:28<3:18:46, 32.85s/it] {'loss': 0.9287, 'grad_norm': 0.13543325662612915, 'learning_rate': 0.0001979686968042461, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1821.33, 'epoch': 0.48}
	16%\|█████████████████████▋ \| 69/432 [35:28<3:18:46, 32.85s/it] 16%\|██████████████████████ \| 70/432 [36:00<3:16:21, 32.55s/it] {'loss': 0.9248, 'grad_norm': 0.07873474061489105, 'learning_rate': 0.00019780355182912626, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1771.5, 'epoch': 0.49}
	16%\|██████████████████████ \| 70/432 [36:00<3:16:21, 32.55s/it] 16%\|██████████████████████▎ \| 71/432 [36:30<3:11:56, 31.90s/it] {'loss': 0.9172, 'grad_norm': 0.06926668435335159, 'learning_rate': 0.0001976320278509663, 'memory/max_active (GiB)': 26.06, 'memory/max_allocated (GiB)': 26.06, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1875.05, 'epoch': 0.49}
	16%\|██████████████████████▎ \| 71/432 [36:30<3:11:56, 31.90s/it] 17%\|██████████████████████▋ \| 72/432 [37:06<3:19:18, 33.22s/it] {'loss': 0.8823, 'grad_norm': 0.08082268387079239, 'learning_rate': 0.0001974541360570079, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1865.89, 'epoch': 0.5}
	17%\|██████████████████████▋ \| 72/432 [37:06<3:19:18, 33.22s/it] 17%\|██████████████████████▉ \| 73/432 [37:37<3:14:13, 32.46s/it] {'loss': 0.9185, 'grad_norm': 0.07178379595279694, 'learning_rate': 0.00019726988804981844, 'memory/max_active (GiB)': 27.2, 'memory/max_allocated (GiB)': 27.2, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1854.53, 'epoch': 0.51}
	17%\|██████████████████████▉ \| 73/432 [37:37<3:14:13, 32.46s/it] 17%\|███████████████████████▎ \| 74/432 [38:09<3:12:00, 32.18s/it] {'loss': 0.9461, 'grad_norm': 0.07196955382823944, 'learning_rate': 0.00019707929584653408, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1820.12, 'epoch': 0.51}
	17%\|███████████████████████▎ \| 74/432 [38:09<3:12:00, 32.18s/it] 17%\|███████████████████████▌ \| 75/432 [38:35<3:01:38, 30.53s/it] {'loss': 1.0447, 'grad_norm': 0.07153692096471786, 'learning_rate': 0.00019688237187807594, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1809.64, 'epoch': 0.52}
	17%\|███████████████████████▌ \| 75/432 [38:35<3:01:38, 30.53s/it] 18%\|███████████████████████▉ \| 76/432 [39:04<2:57:30, 29.92s/it] {'loss': 0.8106, 'grad_norm': 0.06721945106983185, 'learning_rate': 0.00019667912898833955, 'memory/max_active (GiB)': 23.22, 'memory/max_allocated (GiB)': 23.22, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1785.2, 'epoch': 0.53}
	18%\|███████████████████████▉ \| 76/432 [39:04<2:57:30, 29.92s/it] 18%\|████████████████████████▏ \| 77/432 [39:35<2:58:54, 30.24s/it] {'loss': 0.9299, 'grad_norm': 0.08322236686944962, 'learning_rate': 0.00019646958043335677, 'memory/max_active (GiB)': 24.64, 'memory/max_allocated (GiB)': 24.64, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1836.34, 'epoch': 0.53}
	18%\|████████████████████████▏ \| 77/432 [39:35<2:58:54, 30.24s/it] 18%\|████████████████████████▌ \| 78/432 [40:07<3:02:40, 30.96s/it] {'loss': 0.9262, 'grad_norm': 0.06773433834314346, 'learning_rate': 0.00019625373988043165, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1850.19, 'epoch': 0.54}
	18%\|████████████████████████▌ \| 78/432 [40:07<3:02:40, 30.96s/it] 18%\|████████████████████████▊ \| 79/432 [40:40<3:05:38, 31.55s/it] {'loss': 0.9067, 'grad_norm': 0.06558340042829514, 'learning_rate': 0.00019603162140724862, 'memory/max_active (GiB)': 27.2, 'memory/max_allocated (GiB)': 27.2, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1876.53, 'epoch': 0.55}
	18%\|████████████████████████▊ \| 79/432 [40:40<3:05:38, 31.55s/it] 19%\|█████████████████████████▏ \| 80/432 [41:07<2:56:33, 30.10s/it] {'loss': 0.8971, 'grad_norm': 0.06962298601865768, 'learning_rate': 0.0001958032395009545, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1767.39, 'epoch': 0.56}
	19%\|█████████████████████████▏ \| 80/432 [41:07<2:56:33, 30.10s/it] 19%\|█████████████████████████▌ \| 81/432 [41:32<2:47:00, 28.55s/it] {'loss': 0.9593, 'grad_norm': 0.08821487426757812, 'learning_rate': 0.00019556860905721362, 'memory/max_active (GiB)': 25.11, 'memory/max_allocated (GiB)': 25.11, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1789.22, 'epoch': 0.56}
	19%\|█████████████████████████▌ \| 81/432 [41:32<2:47:00, 28.55s/it] 19%\|█████████████████████████▊ \| 82/432 [42:00<2:45:10, 28.32s/it] {'loss': 0.9409, 'grad_norm': 0.07249249517917633, 'learning_rate': 0.00019532774537923617, 'memory/max_active (GiB)': 27.44, 'memory/max_allocated (GiB)': 27.44, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1764.78, 'epoch': 0.57}
	19%\|█████████████████████████▊ \| 82/432 [42:00<2:45:10, 28.32s/it] 19%\|██████████████████████████▏ \| 83/432 [42:29<2:46:56, 28.70s/it] {'loss': 0.8989, 'grad_norm': 0.08999690413475037, 'learning_rate': 0.00019508066417678018, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1821.55, 'epoch': 0.58}
	19%\|██████████████████████████▏ \| 83/432 [42:29<2:46:56, 28.70s/it] 19%\|██████████████████████████▍ \| 84/432 [43:05<2:58:37, 30.80s/it] {'loss': 0.957, 'grad_norm': 0.06516412645578384, 'learning_rate': 0.00019482738156512692, 'memory/max_active (GiB)': 28.38, 'memory/max_allocated (GiB)': 28.38, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1902.34, 'epoch': 0.58}
	19%\|██████████████████████████▍ \| 84/432 [43:05<2:58:37, 30.80s/it] 20%\|██████████████████████████▊ \| 85/432 [43:39<3:03:34, 31.74s/it] {'loss': 0.9576, 'grad_norm': 0.0862964540719986, 'learning_rate': 0.00019456791406402964, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1848.41, 'epoch': 0.59}
	20%\|██████████████████████████▊ \| 85/432 [43:39<3:03:34, 31.74s/it] 20%\|███████████████████████████ \| 86/432 [44:14<3:08:38, 32.71s/it] {'loss': 0.9729, 'grad_norm': 0.11609019339084625, 'learning_rate': 0.00019430227859663633, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1869.76, 'epoch': 0.6}
	20%\|███████████████████████████ \| 86/432 [44:14<3:08:38, 32.71s/it] 20%\|███████████████████████████▍ \| 87/432 [44:44<3:03:59, 32.00s/it] {'loss': 0.9315, 'grad_norm': 0.08986852318048477, 'learning_rate': 0.00019403049248838578, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1824.83, 'epoch': 0.6}
	20%\|███████████████████████████▍ \| 87/432 [44:44<3:03:59, 32.00s/it] 20%\|███████████████████████████▋ \| 88/432 [45:11<2:53:53, 30.33s/it] {'loss': 0.9937, 'grad_norm': 0.08460818976163864, 'learning_rate': 0.00019375257346587773, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1763.25, 'epoch': 0.61}
	20%\|███████████████████████████▋ \| 88/432 [45:11<2:53:53, 30.33s/it] 21%\|████████████████████████████ \| 89/432 [45:41<2:53:27, 30.34s/it] {'loss': 0.937, 'grad_norm': 0.07170393317937851, 'learning_rate': 0.0001934685396557165, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1806.52, 'epoch': 0.62}
	21%\|████████████████████████████ \| 89/432 [45:41<2:53:27, 30.34s/it] 21%\|████████████████████████████▎ \| 90/432 [46:14<2:57:09, 31.08s/it] {'loss': 0.8459, 'grad_norm': 0.1740889698266983, 'learning_rate': 0.00019317840958332888, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1882.4, 'epoch': 0.62}
	21%\|████████████████████████████▎ \| 90/432 [46:14<2:57:09, 31.08s/it] 21%\|████████████████████████████▋ \| 91/432 [46:49<3:03:16, 32.25s/it] {'loss': 0.7879, 'grad_norm': 0.06397266685962677, 'learning_rate': 0.00019288220217175583, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1867.77, 'epoch': 0.63}
	21%\|████████████████████████████▋ \| 91/432 [46:49<3:03:16, 32.25s/it] 21%\|████████████████████████████▉ \| 92/432 [47:26<3:10:55, 33.69s/it] {'loss': 0.8671, 'grad_norm': 0.06102391704916954, 'learning_rate': 0.00019257993674041813, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1878.38, 'epoch': 0.64}
	21%\|████████████████████████████▉ \| 92/432 [47:26<3:10:55, 33.69s/it] 22%\|█████████████████████████████▎ \| 93/432 [47:57<3:06:46, 33.06s/it] {'loss': 0.9089, 'grad_norm': 0.06330034881830215, 'learning_rate': 0.00019227163300385662, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1859.18, 'epoch': 0.65}
	22%\|█████████████████████████████▎ \| 93/432 [47:57<3:06:46, 33.06s/it] 22%\|█████████████████████████████▌ \| 94/432 [48:24<2:55:04, 31.08s/it] {'loss': 0.8842, 'grad_norm': 0.07149945199489594, 'learning_rate': 0.00019195731107044594, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1784.86, 'epoch': 0.65}
	22%\|█████████████████████████████▌ \| 94/432 [48:24<2:55:04, 31.08s/it] 22%\|█████████████████████████████▉ \| 95/432 [48:51<2:47:06, 29.75s/it] {'loss': 0.875, 'grad_norm': 0.07301725447177887, 'learning_rate': 0.0001916369914410834, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1697.59, 'epoch': 0.66}
	22%\|█████████████████████████████▉ \| 95/432 [48:51<2:47:06, 29.75s/it] 22%\|██████████████████████████████▏ \| 96/432 [49:22<2:48:41, 30.12s/it] {'loss': 0.798, 'grad_norm': 0.060419220477342606, 'learning_rate': 0.00019131069500785174, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1802.63, 'epoch': 0.67}
	22%\|██████████████████████████████▏ \| 96/432 [49:22<2:48:41, 30.12s/it] 22%\|██████████████████████████████▌ \| 97/432 [49:55<2:53:04, 31.00s/it] {'loss': 0.8801, 'grad_norm': 0.06787065416574478, 'learning_rate': 0.00019097844305265624, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1756.93, 'epoch': 0.67}
	22%\|██████████████████████████████▌ \| 97/432 [49:55<2:53:04, 31.00s/it] 23%\|██████████████████████████████▊ \| 98/432 [50:27<2:55:38, 31.55s/it] {'loss': 0.9047, 'grad_norm': 0.07948441058397293, 'learning_rate': 0.0001906402572458371, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1838.22, 'epoch': 0.68}
	23%\|██████████████████████████████▊ \| 98/432 [50:27<2:55:38, 31.55s/it] 23%\|███████████████████████████████▏ \| 99/432 [51:02<2:59:29, 32.34s/it] {'loss': 0.9473, 'grad_norm': 0.06950388848781586, 'learning_rate': 0.0001902961596447557, 'memory/max_active (GiB)': 26.06, 'memory/max_allocated (GiB)': 26.06, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1809.3, 'epoch': 0.69}
	23%\|███████████████████████████████▏ \| 99/432 [51:02<2:59:29, 32.34s/it] 23%\|███████████████████████████████▎ \| 100/432 [51:37<3:04:12, 33.29s/it] {'loss': 0.837, 'grad_norm': 0.059347931295633316, 'learning_rate': 0.00018994617269235616, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1897.82, 'epoch': 0.69}
	23%\|███████████████████████████████▎ \| 100/432 [51:37<3:04:12, 33.29s/it][2025-12-25 23:20:19,296] [INFO] [axolotl.core.trainers.base._save:671] [PID:1133] Saving model checkpoint to ./outputs/qwen25-coder-n8n/checkpoint-100
	23%\|███████████████████████████████▌ \| 101/432 [52:02<2:49:03, 30.65s/it] {'loss': 0.8884, 'grad_norm': 0.0786047875881195, 'learning_rate': 0.00018959031921570135, 'memory/max_active (GiB)': 24.17, 'memory/max_allocated (GiB)': 24.17, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1783.4, 'epoch': 0.7}
	23%\|███████████████████████████████▌ \| 101/432 [52:02<2:49:03, 30.65s/it] 24%\|███████████████████████████████▉ \| 102/432 [52:34<2:51:56, 31.26s/it] {'loss': 0.9047, 'grad_norm': 0.0657181590795517, 'learning_rate': 0.0001892286224244843, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1810.31, 'epoch': 0.71}
	24%\|███████████████████████████████▉ \| 102/432 [52:34<2:51:56, 31.26s/it] 24%\|████████████████████████████████▏ \| 103/432 [53:03<2:47:19, 30.51s/it] {'loss': 0.9022, 'grad_norm': 0.07979200780391693, 'learning_rate': 0.00018886110590951417, 'memory/max_active (GiB)': 25.11, 'memory/max_allocated (GiB)': 25.11, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1739.77, 'epoch': 0.72}
	24%\|████████████████████████████████▏ \| 103/432 [53:03<2:47:19, 30.51s/it] 24%\|████████████████████████████████▌ \| 104/432 [53:29<2:38:32, 29.00s/it] {'loss': 0.8916, 'grad_norm': 0.07467928528785706, 'learning_rate': 0.00018848779364117775, 'memory/max_active (GiB)': 24.64, 'memory/max_allocated (GiB)': 24.64, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1796.23, 'epoch': 0.72}
	24%\|████████████████████████████████▌ \| 104/432 [53:29<2:38:32, 29.00s/it] 24%\|████████████████████████████████▊ \| 105/432 [53:59<2:39:47, 29.32s/it] {'loss': 0.9186, 'grad_norm': 0.07130390405654907, 'learning_rate': 0.000188108709967876, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1834.56, 'epoch': 0.73}
	24%\|████████████████████████████████▊ \| 105/432 [53:59<2:39:47, 29.32s/it] 25%\|█████████████████████████████████▏ \| 106/432 [54:27<2:37:21, 28.96s/it] {'loss': 0.9381, 'grad_norm': 0.08154763281345367, 'learning_rate': 0.000187723879614436, 'memory/max_active (GiB)': 26.06, 'memory/max_allocated (GiB)': 26.06, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1711.53, 'epoch': 0.74}
	25%\|█████████████████████████████████▏ \| 106/432 [54:27<2:37:21, 28.96s/it] 25%\|█████████████████████████████████▍ \| 107/432 [54:57<2:39:07, 29.38s/it] {'loss': 0.9567, 'grad_norm': 0.07683106511831284, 'learning_rate': 0.00018733332768049827, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1720.36, 'epoch': 0.74}
	25%\|█████████████████████████████████▍ \| 107/432 [54:57<2:39:07, 29.38s/it] 25%\|█████████████████████████████████▊ \| 108/432 [55:25<2:35:51, 28.86s/it] {'loss': 0.9454, 'grad_norm': 0.07069261372089386, 'learning_rate': 0.00018693707963887978, 'memory/max_active (GiB)': 26.06, 'memory/max_allocated (GiB)': 26.06, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1795.58, 'epoch': 0.75}
	25%\|█████████████████████████████████▊ \| 108/432 [55:25<2:35:51, 28.86s/it] 25%\|██████████████████████████████████ \| 109/432 [55:55<2:36:55, 29.15s/it] {'loss': 0.9739, 'grad_norm': 0.07336299121379852, 'learning_rate': 0.0001865351613339125, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1695.16, 'epoch': 0.76}
	25%\|██████████████████████████████████ \| 109/432 [55:55<2:36:55, 29.15s/it] 25%\|██████████████████████████████████▍ \| 110/432 [56:26<2:40:29, 29.90s/it] {'loss': 0.8957, 'grad_norm': 0.0726110115647316, 'learning_rate': 0.0001861275989797578, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1866.56, 'epoch': 0.76}
	25%\|██████████████████████████████████▍ \| 110/432 [56:26<2:40:29, 29.90s/it] 26%\|██████████████████████████████████▋ \| 111/432 [56:58<2:42:44, 30.42s/it] {'loss': 0.9204, 'grad_norm': 0.08780913054943085, 'learning_rate': 0.00018571441915869662, 'memory/max_active (GiB)': 27.2, 'memory/max_allocated (GiB)': 27.2, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1820.22, 'epoch': 0.77}
	26%\|██████████████████████████████████▋ \| 111/432 [56:58<2:42:44, 30.42s/it] 26%\|███████████████████████████████████ \| 112/432 [57:33<2:49:33, 31.79s/it] {'loss': 0.9357, 'grad_norm': 0.10503561049699783, 'learning_rate': 0.0001852956488193959, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1793.45, 'epoch': 0.78}
	26%\|███████████████████████████████████ \| 112/432 [57:33<2:49:33, 31.79s/it] 26%\|███████████████████████████████████▎ \| 113/432 [58:05<2:48:56, 31.77s/it] {'loss': 0.8725, 'grad_norm': 0.06898421794176102, 'learning_rate': 0.0001848713152751506, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1794.32, 'epoch': 0.78}
	26%\|███████████████████████████████████▎ \| 113/432 [58:05<2:48:56, 31.77s/it] 26%\|███████████████████████████████████▋ \| 114/432 [58:40<2:54:33, 32.93s/it] {'loss': 0.9115, 'grad_norm': 0.06764024496078491, 'learning_rate': 0.00018444144620210256, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1811.27, 'epoch': 0.79}
	26%\|███████████████████████████████████▋ \| 114/432 [58:40<2:54:33, 32.93s/it] 27%\|███████████████████████████████████▉ \| 115/432 [59:07<2:44:48, 31.20s/it] {'loss': 0.866, 'grad_norm': 0.07626543939113617, 'learning_rate': 0.00018400606963743518, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1798.98, 'epoch': 0.8}
	27%\|███████████████████████████████████▉ \| 115/432 [59:07<2:44:48, 31.20s/it] 27%\|████████████████████████████████████▎ \| 116/432 [59:40<2:47:03, 31.72s/it] {'loss': 0.911, 'grad_norm': 0.06234179437160492, 'learning_rate': 0.00018356521397754495, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1837.38, 'epoch': 0.81}
	27%\|████████████████████████████████████▎ \| 116/432 [59:40<2:47:03, 31.72s/it] 27%\|████████████████████████████████████ \| 117/432 [1:00:13<2:48:44, 32.14s/it] {'loss': 0.9853, 'grad_norm': 0.07429645955562592, 'learning_rate': 0.00018311890797618915, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1909.7, 'epoch': 0.81}
	27%\|████████████████████████████████████ \| 117/432 [1:00:13<2:48:44, 32.14s/it] 27%\|████████████████████████████████████▎ \| 118/432 [1:00:44<2:45:40, 31.66s/it] {'loss': 0.8815, 'grad_norm': 0.0701533630490303, 'learning_rate': 0.00018266718074261062, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1862.25, 'epoch': 0.82}
	27%\|████████████████████████████████████▎ \| 118/432 [1:00:44<2:45:40, 31.66s/it] 28%\|████████████████████████████████████▋ \| 119/432 [1:01:14<2:42:28, 31.14s/it] {'loss': 0.9683, 'grad_norm': 0.08356419950723648, 'learning_rate': 0.00018221006173963912, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1779.76, 'epoch': 0.83}
	28%\|████████████████████████████████████▋ \| 119/432 [1:01:14<2:42:28, 31.14s/it] 28%\|████████████████████████████████████▉ \| 120/432 [1:01:42<2:37:02, 30.20s/it] {'loss': 0.8591, 'grad_norm': 0.06717222929000854, 'learning_rate': 0.00018174758078176963, 'memory/max_active (GiB)': 24.17, 'memory/max_allocated (GiB)': 24.17, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1819.98, 'epoch': 0.83}
	28%\|████████████████████████████████████▉ \| 120/432 [1:01:42<2:37:02, 30.20s/it] 28%\|█████████████████████████████████████▎ \| 121/432 [1:02:12<2:36:29, 30.19s/it] {'loss': 0.8717, 'grad_norm': 0.07267988473176956, 'learning_rate': 0.00018127976803321793, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1790.21, 'epoch': 0.84}
	28%\|█████████████████████████████████████▎ \| 121/432 [1:02:12<2:36:29, 30.19s/it] 28%\|█████████████████████████████████████▌ \| 122/432 [1:02:40<2:31:48, 29.38s/it] {'loss': 0.8591, 'grad_norm': 0.07312195748090744, 'learning_rate': 0.00018080665400595303, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1784.17, 'epoch': 0.85}
	28%\|█████████████████████████████████████▌ \| 122/432 [1:02:40<2:31:48, 29.38s/it] 28%\|█████████████████████████████████████▊ \| 123/432 [1:03:12<2:36:03, 30.30s/it] {'loss': 0.826, 'grad_norm': 0.06259205937385559, 'learning_rate': 0.00018032826955770724, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1872.69, 'epoch': 0.85}
	28%\|█████████████████████████████████████▊ \| 123/432 [1:03:12<2:36:03, 30.30s/it] 29%\|██████████████████████████████████████▏ \| 124/432 [1:03:48<2:43:52, 31.92s/it] {'loss': 0.8974, 'grad_norm': 0.062194038182497025, 'learning_rate': 0.00017984464588996342, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1856.73, 'epoch': 0.86}
	29%\|██████████████████████████████████████▏ \| 124/432 [1:03:48<2:43:52, 31.92s/it] 29%\|██████████████████████████████████████▍ \| 125/432 [1:04:20<2:44:38, 32.18s/it] {'loss': 0.8899, 'grad_norm': 0.06809177249670029, 'learning_rate': 0.00017935581454592002, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1904.82, 'epoch': 0.87}
	29%\|██████████████████████████████████████▍ \| 125/432 [1:04:20<2:44:38, 32.18s/it] 29%\|██████████████████████████████████████▊ \| 126/432 [1:04:54<2:45:49, 32.52s/it] {'loss': 0.8287, 'grad_norm': 0.058420922607183456, 'learning_rate': 0.00017886180740843383, 'memory/max_active (GiB)': 27.2, 'memory/max_allocated (GiB)': 27.2, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1699.16, 'epoch': 0.88}
	29%\|██████████████████████████████████████▊ \| 126/432 [1:04:54<2:45:49, 32.52s/it] 29%\|███████████████████████████████████████ \| 127/432 [1:05:27<2:46:43, 32.80s/it] {'loss': 0.7913, 'grad_norm': 0.06883256137371063, 'learning_rate': 0.00017836265669794033, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.39, 'tokens_per_second_per_gpu': 1877.6, 'epoch': 0.88}
	29%\|███████████████████████████████████████ \| 127/432 [1:05:27<2:46:43, 32.80s/it] 30%\|███████████████████████████████████████▍ \| 128/432 [1:05:58<2:43:10, 32.20s/it] {'loss': 0.8462, 'grad_norm': 0.06439166516065598, 'learning_rate': 0.00017785839497035222, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1785.45, 'epoch': 0.89}
	30%\|███████████████████████████████████████▍ \| 128/432 [1:05:58<2:43:10, 32.20s/it] 30%\|███████████████████████████████████████▋ \| 129/432 [1:06:29<2:41:10, 31.92s/it] {'loss': 0.9299, 'grad_norm': 0.07990575581789017, 'learning_rate': 0.00017734905511493615, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1863.91, 'epoch': 0.9}
	30%\|███████████████████████████████████████▋ \| 129/432 [1:06:29<2:41:10, 31.92s/it] 30%\|████████████████████████████████████████ \| 130/432 [1:07:00<2:38:11, 31.43s/it] {'loss': 0.8973, 'grad_norm': 0.13562186062335968, 'learning_rate': 0.0001768346703521675, 'memory/max_active (GiB)': 25.11, 'memory/max_allocated (GiB)': 25.11, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1841.01, 'epoch': 0.9}
	30%\|████████████████████████████████████████ \| 130/432 [1:07:00<2:38:11, 31.43s/it] 30%\|████████████████████████████████████████▎ \| 131/432 [1:07:32<2:38:28, 31.59s/it] {'loss': 0.8393, 'grad_norm': 0.0757925733923912, 'learning_rate': 0.0001763152742315637, 'memory/max_active (GiB)': 26.06, 'memory/max_allocated (GiB)': 26.06, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1841.76, 'epoch': 0.91}
	30%\|████████████████████████████████████████▎ \| 131/432 [1:07:32<2:38:28, 31.59s/it] 31%\|████████████████████████████████████████▋ \| 132/432 [1:08:05<2:40:59, 32.20s/it] {'loss': 0.9476, 'grad_norm': 0.1594410538673401, 'learning_rate': 0.000175790900629496, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1900.8, 'epoch': 0.92}
	31%\|████████████████████████████████████████▋ \| 132/432 [1:08:05<2:40:59, 32.20s/it] 31%\|████████████████████████████████████████▉ \| 133/432 [1:08:37<2:39:10, 31.94s/it] {'loss': 0.8889, 'grad_norm': 0.07541660219430923, 'learning_rate': 0.00017526158374698, 'memory/max_active (GiB)': 27.2, 'memory/max_allocated (GiB)': 27.2, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1862.75, 'epoch': 0.92}
	31%\|████████████████████████████████████████▉ \| 133/432 [1:08:37<2:39:10, 31.94s/it] 31%\|█████████████████████████████████████████▎ \| 134/432 [1:09:06<2:35:03, 31.22s/it] {'loss': 0.8986, 'grad_norm': 0.06783576309680939, 'learning_rate': 0.00017472735810744494, 'memory/max_active (GiB)': 25.11, 'memory/max_allocated (GiB)': 25.11, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1834.08, 'epoch': 0.93}
	31%\|█████████████████████████████████████████▎ \| 134/432 [1:09:06<2:35:03, 31.22s/it] 31%\|█████████████████████████████████████████▌ \| 135/432 [1:09:32<2:26:52, 29.67s/it] {'loss': 0.8216, 'grad_norm': 0.08990088850259781, 'learning_rate': 0.00017418825855448206, 'memory/max_active (GiB)': 24.17, 'memory/max_allocated (GiB)': 24.17, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1756.08, 'epoch': 0.94}
	31%\|█████████████████████████████████████████▌ \| 135/432 [1:09:32<2:26:52, 29.67s/it] 31%\|█████████████████████████████████████████▊ \| 136/432 [1:10:08<2:35:58, 31.62s/it] {'loss': 0.9572, 'grad_norm': 0.06768841296434402, 'learning_rate': 0.00017364432024957193, 'memory/max_active (GiB)': 27.44, 'memory/max_allocated (GiB)': 27.44, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1894.76, 'epoch': 0.94}
	31%\|█████████████████████████████████████████▊ \| 136/432 [1:10:08<2:35:58, 31.62s/it] 32%\|██████████████████████████████████████████▏ \| 137/432 [1:10:36<2:29:18, 30.37s/it] {'loss': 0.9175, 'grad_norm': 0.07805129885673523, 'learning_rate': 0.00017309557866979113, 'memory/max_active (GiB)': 24.74, 'memory/max_allocated (GiB)': 24.74, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1814.77, 'epoch': 0.95}
	32%\|██████████████████████████████████████████▏ \| 137/432 [1:10:36<2:29:18, 30.37s/it] 32%\|██████████████████████████████████████████▍ \| 138/432 [1:11:06<2:28:37, 30.33s/it] {'loss': 0.9275, 'grad_norm': 0.07132866978645325, 'learning_rate': 0.00017254206960549842, 'memory/max_active (GiB)': 26.49, 'memory/max_allocated (GiB)': 26.49, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1802.23, 'epoch': 0.96}
	32%\|██████████████████████████████████████████▍ \| 138/432 [1:11:06<2:28:37, 30.33s/it] 32%\|██████████████████████████████████████████▊ \| 139/432 [1:11:32<2:21:21, 28.95s/it] {'loss': 0.9107, 'grad_norm': 0.0779808983206749, 'learning_rate': 0.00017198382915800033, 'memory/max_active (GiB)': 26.25, 'memory/max_allocated (GiB)': 26.25, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1816.41, 'epoch': 0.97}
	32%\|██████████████████████████████████████████▊ \| 139/432 [1:11:32<2:21:21, 28.95s/it] 32%\|███████████████████████████████████████████ \| 140/432 [1:12:01<2:21:24, 29.06s/it] {'loss': 0.8597, 'grad_norm': 0.07991725951433182, 'learning_rate': 0.0001714208937371965, 'memory/max_active (GiB)': 24.64, 'memory/max_allocated (GiB)': 24.64, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1831.07, 'epoch': 0.97}
	32%\|███████████████████████████████████████████ \| 140/432 [1:12:01<2:21:24, 29.06s/it] 33%\|███████████████████████████████████████████▍ \| 141/432 [1:12:30<2:21:00, 29.07s/it] {'loss': 0.9037, 'grad_norm': 0.07846493273973465, 'learning_rate': 0.00017085330005920516, 'memory/max_active (GiB)': 27.2, 'memory/max_allocated (GiB)': 27.2, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1772.26, 'epoch': 0.98}
	33%\|███████████████████████████████████████████▍ \| 141/432 [1:12:30<2:21:00, 29.07s/it] 33%\|███████████████████████████████████████████▋ \| 142/432 [1:12:59<2:20:03, 28.98s/it] {'loss': 0.8545, 'grad_norm': 0.07660206407308578, 'learning_rate': 0.00017028108514396799, 'memory/max_active (GiB)': 27.2, 'memory/max_allocated (GiB)': 27.2, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1841.68, 'epoch': 0.99}
	33%\|███████████████████████████████████████████▋ \| 142/432 [1:12:59<2:20:03, 28.98s/it] 33%\|████████████████████████████████████████████ \| 143/432 [1:13:31<2:24:05, 29.92s/it] {'loss': 0.8313, 'grad_norm': 0.06597072631120682, 'learning_rate': 0.000169704286312836, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1819.32, 'epoch': 0.99}
	33%\|████████████████████████████████████████████ \| 143/432 [1:13:31<2:24:05, 29.92s/it] 33%\|████████████████████████████████████████████▎ \| 144/432 [1:14:00<2:22:56, 29.78s/it] {'loss': 0.9172, 'grad_norm': 0.12106018513441086, 'learning_rate': 0.00016912294118613517, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1816.15, 'epoch': 1.0}
	33%\|████████████████████████████████████████████▎ \| 144/432 [1:14:00<2:22:56, 29.78s/it] 34%\|████████████████████████████████████████████▋ \| 145/432 [1:14:36<2:30:54, 31.55s/it] {'loss': 0.9025, 'grad_norm': 0.07370701432228088, 'learning_rate': 0.00016853708768071264, 'memory/max_active (GiB)': 27.2, 'memory/max_allocated (GiB)': 27.2, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1740.51, 'epoch': 1.01}
	34%\|████████████████████████████████████████████▋ \| 145/432 [1:14:36<2:30:54, 31.55s/it] 34%\|████████████████████████████████████████████▉ \| 146/432 [1:15:09<2:31:52, 31.86s/it] {'loss': 0.8453, 'grad_norm': 0.06994107365608215, 'learning_rate': 0.0001679467640074639, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1858.12, 'epoch': 1.01}
	34%\|████████████████████████████████████████████▉ \| 146/432 [1:15:09<2:31:52, 31.86s/it] 34%\|█████████████████████████████████████████████▎ \| 147/432 [1:15:37<2:26:09, 30.77s/it] {'loss': 0.8769, 'grad_norm': 0.07402420789003372, 'learning_rate': 0.00016735200866884036, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1768.73, 'epoch': 1.02}
	34%\|█████████████████████████████████████████████▎ \| 147/432 [1:15:37<2:26:09, 30.77s/it] 34%\|█████████████████████████████████████████████▌ \| 148/432 [1:16:09<2:27:03, 31.07s/it] {'loss': 0.9602, 'grad_norm': 0.09437773376703262, 'learning_rate': 0.00016675286045633828, 'memory/max_active (GiB)': 25.11, 'memory/max_allocated (GiB)': 25.11, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1793.91, 'epoch': 1.03}
	34%\|█████████████████████████████████████████████▌ \| 148/432 [1:16:09<2:27:03, 31.07s/it] 34%\|█████████████████████████████████████████████▊ \| 149/432 [1:16:33<2:16:20, 28.91s/it] {'loss': 0.9701, 'grad_norm': 0.09405123442411423, 'learning_rate': 0.00016614935844796864, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1738.78, 'epoch': 1.03}
	34%\|█████████████████████████████████████████████▊ \| 149/432 [1:16:33<2:16:20, 28.91s/it] 35%\|██████████████████████████████████████████████▏ \| 150/432 [1:17:06<2:22:11, 30.25s/it] {'loss': 0.9213, 'grad_norm': 0.0800110325217247, 'learning_rate': 0.00016554154200570825, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1838.3, 'epoch': 1.04}
	35%\|██████████████████████████████████████████████▏ \| 150/432 [1:17:06<2:22:11, 30.25s/it] 35%\|██████████████████████████████████████████████▍ \| 151/432 [1:17:32<2:16:17, 29.10s/it] {'loss': 0.9151, 'grad_norm': 0.07217224687337875, 'learning_rate': 0.0001649294507729327, 'memory/max_active (GiB)': 24.74, 'memory/max_allocated (GiB)': 24.74, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1800.16, 'epoch': 1.05}
	35%\|██████████████████████████████████████████████▍ \| 151/432 [1:17:32<2:16:17, 29.10s/it] 35%\|██████████████████████████████████████████████▊ \| 152/432 [1:18:08<2:24:52, 31.04s/it] {'loss': 0.8443, 'grad_norm': 0.11542835831642151, 'learning_rate': 0.0001643131246718305, 'memory/max_active (GiB)': 26.26, 'memory/max_allocated (GiB)': 26.26, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1808.4, 'epoch': 1.06}
	35%\|██████████████████████████████████████████████▊ \| 152/432 [1:18:08<2:24:52, 31.04s/it] 35%\|███████████████████████████████████████████████ \| 153/432 [1:18:33<2:16:12, 29.29s/it] {'loss': 0.8658, 'grad_norm': 0.16738373041152954, 'learning_rate': 0.00016369260390079933, 'memory/max_active (GiB)': 24.74, 'memory/max_allocated (GiB)': 24.74, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1786.38, 'epoch': 1.06}
	35%\|███████████████████████████████████████████████ \| 153/432 [1:18:33<2:16:12, 29.29s/it] 36%\|███████████████████████████████████████████████▍ \| 154/432 [1:19:02<2:15:04, 29.15s/it] {'loss': 0.8402, 'grad_norm': 0.08216153830289841, 'learning_rate': 0.0001630679289318242, 'memory/max_active (GiB)': 24.17, 'memory/max_allocated (GiB)': 24.17, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1721.01, 'epoch': 1.07}
	36%\|███████████████████████████████████████████████▍ \| 154/432 [1:19:02<2:15:04, 29.15s/it] 36%\|███████████████████████████████████████████████▋ \| 155/432 [1:19:28<2:10:23, 28.25s/it] {'loss': 0.843, 'grad_norm': 0.0893600732088089, 'learning_rate': 0.00016243914050783785, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1769.48, 'epoch': 1.08}
	36%\|███████████████████████████████████████████████▋ \| 155/432 [1:19:28<2:10:23, 28.25s/it] 36%\|████████████████████████████████████████████████ \| 156/432 [1:19:58<2:12:22, 28.78s/it] {'loss': 0.8911, 'grad_norm': 0.08116093277931213, 'learning_rate': 0.00016180627964006313, 'memory/max_active (GiB)': 27.2, 'memory/max_allocated (GiB)': 27.2, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1890.64, 'epoch': 1.08}
	36%\|████████████████████████████████████████████████ \| 156/432 [1:19:58<2:12:22, 28.78s/it] 36%\|████████████████████████████████████████████████▎ \| 157/432 [1:20:28<2:13:20, 29.09s/it] {'loss': 0.9208, 'grad_norm': 0.08874551951885223, 'learning_rate': 0.00016116938760533844, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1768.32, 'epoch': 1.09}
	36%\|████████████████████████████████████████████████▎ \| 157/432 [1:20:28<2:13:20, 29.09s/it] 37%\|████████████████████████████████████████████████▋ \| 158/432 [1:20:57<2:12:31, 29.02s/it] {'loss': 0.9199, 'grad_norm': 0.10523993521928787, 'learning_rate': 0.00016052850594342534, 'memory/max_active (GiB)': 23.22, 'memory/max_allocated (GiB)': 23.22, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1866.22, 'epoch': 1.1}
	37%\|████████████████████████████████████████████████▋ \| 158/432 [1:20:57<2:12:31, 29.02s/it] 37%\|████████████████████████████████████████████████▉ \| 159/432 [1:21:28<2:14:59, 29.67s/it] {'loss': 0.8523, 'grad_norm': 0.1344747096300125, 'learning_rate': 0.00015988367645429938, 'memory/max_active (GiB)': 25.11, 'memory/max_allocated (GiB)': 25.11, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1796.77, 'epoch': 1.1}
	37%\|████████████████████████████████████████████████▉ \| 159/432 [1:21:28<2:14:59, 29.67s/it] 37%\|█████████████████████████████████████████████████▎ \| 160/432 [1:21:57<2:13:26, 29.44s/it] {'loss': 0.9055, 'grad_norm': 0.10914891213178635, 'learning_rate': 0.0001592349411954236, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1796.0, 'epoch': 1.11}
	37%\|█████████████████████████████████████████████████▎ \| 160/432 [1:21:57<2:13:26, 29.44s/it] 37%\|█████████████████████████████████████████████████▌ \| 161/432 [1:22:26<2:12:41, 29.38s/it] {'loss': 0.834, 'grad_norm': 0.09863642603158951, 'learning_rate': 0.0001585823424790056, 'memory/max_active (GiB)': 26.26, 'memory/max_allocated (GiB)': 26.26, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1744.31, 'epoch': 1.12}
	37%\|█████████████████████████████████████████████████▌ \| 161/432 [1:22:26<2:12:41, 29.38s/it] 38%\|█████████████████████████████████████████████████▉ \| 162/432 [1:22:58<2:16:11, 30.27s/it] {'loss': 0.8731, 'grad_norm': 0.0731300413608551, 'learning_rate': 0.0001579259228692378, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1840.36, 'epoch': 1.12}
	38%\|█████████████████████████████████████████████████▉ \| 162/432 [1:22:58<2:16:11, 30.27s/it] 38%\|██████████████████████████████████████████████████▏ \| 163/432 [1:23:30<2:16:51, 30.53s/it] {'loss': 0.8169, 'grad_norm': 0.08072181046009064, 'learning_rate': 0.00015726572517952122, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1874.55, 'epoch': 1.13}
	38%\|██████████████████████████████████████████████████▏ \| 163/432 [1:23:30<2:16:51, 30.53s/it] 38%\|██████████████████████████████████████████████████▍ \| 164/432 [1:24:03<2:19:48, 31.30s/it] {'loss': 0.8925, 'grad_norm': 0.07996222376823425, 'learning_rate': 0.00015660179246967314, 'memory/max_active (GiB)': 28.38, 'memory/max_allocated (GiB)': 28.38, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1858.78, 'epoch': 1.14}
	38%\|██████████████████████████████████████████████████▍ \| 164/432 [1:24:03<2:19:48, 31.30s/it] 38%\|██████████████████████████████████████████████████▊ \| 165/432 [1:24:39<2:25:54, 32.79s/it] {'loss': 0.842, 'grad_norm': 0.07483426481485367, 'learning_rate': 0.00015593416804311852, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1792.51, 'epoch': 1.15}
	38%\|██████████████████████████████████████████████████▊ \| 165/432 [1:24:39<2:25:54, 32.79s/it] 38%\|███████████████████████████████████████████████████ \| 166/432 [1:25:08<2:20:27, 31.68s/it] {'loss': 0.8672, 'grad_norm': 0.07248706370592117, 'learning_rate': 0.00015526289544406585, 'memory/max_active (GiB)': 26.06, 'memory/max_allocated (GiB)': 26.06, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1778.82, 'epoch': 1.15}
	38%\|███████████████████████████████████████████████████ \| 166/432 [1:25:08<2:20:27, 31.68s/it] 39%\|███████████████████████████████████████████████████▍ \| 167/432 [1:25:39<2:18:54, 31.45s/it] {'loss': 0.9355, 'grad_norm': 0.07618600875139236, 'learning_rate': 0.0001545880184546669, 'memory/max_active (GiB)': 25.11, 'memory/max_allocated (GiB)': 25.11, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1743.04, 'epoch': 1.16}
	39%\|███████████████████████████████████████████████████▍ \| 167/432 [1:25:39<2:18:54, 31.45s/it] 39%\|███████████████████████████████████████████████████▋ \| 168/432 [1:26:14<2:23:45, 32.67s/it] {'loss': 0.8303, 'grad_norm': 0.06785187125205994, 'learning_rate': 0.0001539095810921612, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1858.47, 'epoch': 1.17}
	39%\|███████████████████████████████████████████████████▋ \| 168/432 [1:26:14<2:23:45, 32.67s/it] 39%\|████████████████████████████████████████████████████ \| 169/432 [1:26:45<2:20:25, 32.04s/it] {'loss': 0.8736, 'grad_norm': 0.06521926075220108, 'learning_rate': 0.0001532276276060051, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1828.71, 'epoch': 1.17}
	39%\|████████████████████████████████████████████████████ \| 169/432 [1:26:45<2:20:25, 32.04s/it] 39%\|████████████████████████████████████████████████████▎ \| 170/432 [1:27:18<2:21:23, 32.38s/it] {'loss': 0.8526, 'grad_norm': 0.07702817767858505, 'learning_rate': 0.00015254220247498573, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1843.68, 'epoch': 1.18}
	39%\|████████████████████████████████████████████████████▎ \| 170/432 [1:27:18<2:21:23, 32.38s/it] 40%\|████████████████████████████████████████████████████▋ \| 171/432 [1:27:44<2:12:27, 30.45s/it] {'loss': 0.8973, 'grad_norm': 0.1337224841117859, 'learning_rate': 0.0001518533504043199, 'memory/max_active (GiB)': 26.25, 'memory/max_allocated (GiB)': 26.25, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1884.45, 'epoch': 1.19}
	40%\|████████████████████████████████████████████████████▋ \| 171/432 [1:27:44<2:12:27, 30.45s/it] 40%\|████████████████████████████████████████████████████▉ \| 172/432 [1:28:18<2:16:11, 31.43s/it] {'loss': 0.8214, 'grad_norm': 0.09579396992921829, 'learning_rate': 0.0001511611163227385, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1824.99, 'epoch': 1.19}
	40%\|████████████████████████████████████████████████████▉ \| 172/432 [1:28:18<2:16:11, 31.43s/it] 40%\|█████████████████████████████████████████████████████▎ \| 173/432 [1:28:47<2:13:03, 30.82s/it] {'loss': 0.8975, 'grad_norm': 0.08288433402776718, 'learning_rate': 0.00015046554537955585, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1815.52, 'epoch': 1.2}
	40%\|█████████████████████████████████████████████████████▎ \| 173/432 [1:28:47<2:13:03, 30.82s/it] 40%\|█████████████████████████████████████████████████████▌ \| 174/432 [1:29:16<2:09:17, 30.07s/it] {'loss': 0.8802, 'grad_norm': 0.07618972659111023, 'learning_rate': 0.00014976668294172527, 'memory/max_active (GiB)': 26.49, 'memory/max_allocated (GiB)': 26.49, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1844.86, 'epoch': 1.21}
	40%\|█████████████████████████████████████████████████████▌ \| 174/432 [1:29:16<2:09:17, 30.07s/it] 41%\|█████████████████████████████████████████████████████▉ \| 175/432 [1:29:46<2:08:41, 30.04s/it] {'loss': 0.8764, 'grad_norm': 0.08120069652795792, 'learning_rate': 0.00014906457459087978, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1855.53, 'epoch': 1.22}
	41%\|█████████████████████████████████████████████████████▉ \| 175/432 [1:29:46<2:08:41, 30.04s/it] 41%\|██████████████████████████████████████████████████████▏ \| 176/432 [1:30:17<2:10:33, 30.60s/it] {'loss': 0.7791, 'grad_norm': 0.0804535299539566, 'learning_rate': 0.00014835926612035945, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1806.63, 'epoch': 1.22}
	41%\|██████████████████████████████████████████████████████▏ \| 176/432 [1:30:17<2:10:33, 30.60s/it] 41%\|██████████████████████████████████████████████████████▍ \| 177/432 [1:30:45<2:06:13, 29.70s/it] {'loss': 0.8774, 'grad_norm': 0.07893332093954086, 'learning_rate': 0.00014765080353222447, 'memory/max_active (GiB)': 23.75, 'memory/max_allocated (GiB)': 23.75, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1791.96, 'epoch': 1.23}
	41%\|██████████████████████████████████████████████████████▍ \| 177/432 [1:30:45<2:06:13, 29.70s/it] 41%\|██████████████████████████████████████████████████████▊ \| 178/432 [1:31:17<2:09:04, 30.49s/it] {'loss': 0.8865, 'grad_norm': 0.08453946560621262, 'learning_rate': 0.0001469392330342548, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1846.08, 'epoch': 1.24}
	41%\|██████████████████████████████████████████████████████▊ \| 178/432 [1:31:17<2:09:04, 30.49s/it] 41%\|███████████████████████████████████████████████████████ \| 179/432 [1:31:48<2:08:57, 30.58s/it] {'loss': 0.8611, 'grad_norm': 0.09483584016561508, 'learning_rate': 0.0001462246010369364, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1746.22, 'epoch': 1.24}
	41%\|███████████████████████████████████████████████████████ \| 179/432 [1:31:48<2:08:57, 30.58s/it] 42%\|███████████████████████████████████████████████████████▍ \| 180/432 [1:32:14<2:02:07, 29.08s/it] {'loss': 0.887, 'grad_norm': 0.10927578061819077, 'learning_rate': 0.0001455069541504342, 'memory/max_active (GiB)': 24.17, 'memory/max_allocated (GiB)': 24.17, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1829.41, 'epoch': 1.25}
	42%\|███████████████████████████████████████████████████████▍ \| 180/432 [1:32:14<2:02:07, 29.08s/it] 42%\|███████████████████████████████████████████████████████▋ \| 181/432 [1:32:40<1:57:59, 28.20s/it] {'loss': 0.7864, 'grad_norm': 0.08271358907222748, 'learning_rate': 0.00014478633918155217, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1757.68, 'epoch': 1.26}
	42%\|███████████████████████████████████████████████████████▋ \| 181/432 [1:32:40<1:57:59, 28.20s/it] 42%\|████████████████████████████████████████████████████████ \| 182/432 [1:33:08<1:57:34, 28.22s/it] {'loss': 0.8428, 'grad_norm': 0.09157366305589676, 'learning_rate': 0.00014406280313068018, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1808.32, 'epoch': 1.26}
	42%\|████████████████████████████████████████████████████████ \| 182/432 [1:33:08<1:57:34, 28.22s/it] 42%\|████████████████████████████████████████████████████████▎ \| 183/432 [1:33:37<1:57:35, 28.33s/it] {'loss': 0.8618, 'grad_norm': 0.09229514002799988, 'learning_rate': 0.0001433363931887289, 'memory/max_active (GiB)': 24.27, 'memory/max_allocated (GiB)': 24.27, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1808.02, 'epoch': 1.27}
	42%\|████████████████████████████████████████████████████████▎ \| 183/432 [1:33:37<1:57:35, 28.33s/it] 43%\|████████████████████████████████████████████████████████▋ \| 184/432 [1:34:10<2:02:37, 29.67s/it] {'loss': 0.8205, 'grad_norm': 0.08157222718000412, 'learning_rate': 0.00014260715673405157, 'memory/max_active (GiB)': 27.44, 'memory/max_allocated (GiB)': 27.44, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1820.59, 'epoch': 1.28}
	43%\|████████████████████████████████████████████████████████▋ \| 184/432 [1:34:10<2:02:37, 29.67s/it] 43%\|████████████████████████████████████████████████████████▉ \| 185/432 [1:34:40<2:03:19, 29.96s/it] {'loss': 0.8863, 'grad_norm': 0.07500192523002625, 'learning_rate': 0.00014187514132935392, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1786.34, 'epoch': 1.28}
	43%\|████████████████████████████████████████████████████████▉ \| 185/432 [1:34:40<2:03:19, 29.96s/it] 43%\|█████████████████████████████████████████████████████████▎ \| 186/432 [1:35:10<2:02:17, 29.83s/it] {'loss': 0.8631, 'grad_norm': 0.08555968850851059, 'learning_rate': 0.00014114039471859222, 'memory/max_active (GiB)': 28.38, 'memory/max_allocated (GiB)': 28.38, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1752.67, 'epoch': 1.29}
	43%\|█████████████████████████████████████████████████████████▎ \| 186/432 [1:35:10<2:02:17, 29.83s/it] 43%\|█████████████████████████████████████████████████████████▌ \| 187/432 [1:35:45<2:09:03, 31.60s/it] {'loss': 0.9533, 'grad_norm': 0.08531264960765839, 'learning_rate': 0.00014040296482385894, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1935.53, 'epoch': 1.3}
	43%\|█████████████████████████████████████████████████████████▌ \| 187/432 [1:35:45<2:09:03, 31.60s/it] 44%\|█████████████████████████████████████████████████████████▉ \| 188/432 [1:36:16<2:06:41, 31.15s/it] {'loss': 0.9088, 'grad_norm': 0.0975320041179657, 'learning_rate': 0.0001396628997422575, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1858.47, 'epoch': 1.31}
	44%\|█████████████████████████████████████████████████████████▉ \| 188/432 [1:36:16<2:06:41, 31.15s/it] 44%\|██████████████████████████████████████████████████████████▏ \| 189/432 [1:36:47<2:06:18, 31.19s/it] {'loss': 0.8836, 'grad_norm': 0.08182326704263687, 'learning_rate': 0.00013892024774276495, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1805.73, 'epoch': 1.31}
	44%\|██████████████████████████████████████████████████████████▏ \| 189/432 [1:36:47<2:06:18, 31.19s/it] 44%\|██████████████████████████████████████████████████████████▍ \| 190/432 [1:37:17<2:04:30, 30.87s/it] {'loss': 0.8415, 'grad_norm': 0.09812135249376297, 'learning_rate': 0.00013817505726308402, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1786.37, 'epoch': 1.32}
	44%\|██████████████████████████████████████████████████████████▍ \| 190/432 [1:37:17<2:04:30, 30.87s/it] 44%\|██████████████████████████████████████████████████████████▊ \| 191/432 [1:37:47<2:02:37, 30.53s/it] {'loss': 0.8869, 'grad_norm': 0.0917779952287674, 'learning_rate': 0.00013742737690648361, 'memory/max_active (GiB)': 27.2, 'memory/max_allocated (GiB)': 27.2, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1818.34, 'epoch': 1.33}
	44%\|██████████████████████████████████████████████████████████▊ \| 191/432 [1:37:47<2:02:37, 30.53s/it] 44%\|███████████████████████████████████████████████████████████ \| 192/432 [1:38:18<2:03:01, 30.76s/it] {'loss': 0.8554, 'grad_norm': 0.0986262708902359, 'learning_rate': 0.00013667725543862905, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1825.63, 'epoch': 1.33}
	44%\|███████████████████████████████████████████████████████████ \| 192/432 [1:38:18<2:03:01, 30.76s/it] 45%\|███████████████████████████████████████████████████████████▍ \| 193/432 [1:38:48<2:01:30, 30.51s/it] {'loss': 0.8649, 'grad_norm': 0.08627785742282867, 'learning_rate': 0.00013592474178440115, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1804.99, 'epoch': 1.34}
	45%\|███████████████████████████████████████████████████████████▍ \| 193/432 [1:38:48<2:01:30, 30.51s/it] 45%\|███████████████████████████████████████████████████████████▋ \| 194/432 [1:39:23<2:06:21, 31.86s/it] {'loss': 0.8681, 'grad_norm': 0.07916709780693054, 'learning_rate': 0.0001351698850247055, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1806.46, 'epoch': 1.35}
	45%\|███████████████████████████████████████████████████████████▋ \| 194/432 [1:39:23<2:06:21, 31.86s/it] 45%\|████████████████████████████████████████████████████████████ \| 195/432 [1:39:52<2:02:20, 30.97s/it] {'loss': 0.8953, 'grad_norm': 0.08284994214773178, 'learning_rate': 0.000134412734393271, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1827.15, 'epoch': 1.35}
	45%\|████████████████████████████████████████████████████████████ \| 195/432 [1:39:52<2:02:20, 30.97s/it] 45%\|████████████████████████████████████████████████████████████▎ \| 196/432 [1:40:29<2:08:53, 32.77s/it] {'loss': 0.9466, 'grad_norm': 0.08089049905538559, 'learning_rate': 0.00013365333927343906, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1850.2, 'epoch': 1.36}
	45%\|████████████████████████████████████████████████████████████▎ \| 196/432 [1:40:29<2:08:53, 32.77s/it] 46%\|████████████████████████████████████████████████████████████▋ \| 197/432 [1:40:57<2:02:40, 31.32s/it] {'loss': 0.8445, 'grad_norm': 0.09982682019472122, 'learning_rate': 0.00013289174919494228, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1776.51, 'epoch': 1.37}
	46%\|████████████████████████████████████████████████████████████▋ \| 197/432 [1:40:57<2:02:40, 31.32s/it] 46%\|████████████████████████████████████████████████████████████▉ \| 198/432 [1:41:27<2:00:27, 30.89s/it] {'loss': 0.92, 'grad_norm': 0.08014615625143051, 'learning_rate': 0.0001321280138306743, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1849.96, 'epoch': 1.38}
	46%\|████████████████████████████████████████████████████████████▉ \| 198/432 [1:41:27<2:00:27, 30.89s/it] 46%\|█████████████████████████████████████████████████████████████▎ \| 199/432 [1:42:03<2:06:00, 32.45s/it] {'loss': 0.7737, 'grad_norm': 0.10110778361558914, 'learning_rate': 0.00013136218299344992, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1853.85, 'epoch': 1.38}
	46%\|█████████████████████████████████████████████████████████████▎ \| 199/432 [1:42:03<2:06:00, 32.45s/it] 46%\|█████████████████████████████████████████████████████████████▌ \| 200/432 [1:42:31<2:00:49, 31.25s/it] {'loss': 0.9339, 'grad_norm': 0.15635082125663757, 'learning_rate': 0.0001305943066327561, 'memory/max_active (GiB)': 25.31, 'memory/max_allocated (GiB)': 25.31, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1818.61, 'epoch': 1.39}
	46%\|█████████████████████████████████████████████████████████████▌ \| 200/432 [1:42:31<2:00:49, 31.25s/it][2025-12-26 00:11:13,333] [INFO] [axolotl.core.trainers.base._save:671] [PID:1133] Saving model checkpoint to ./outputs/qwen25-coder-n8n/checkpoint-200
	47%\|█████████████████████████████████████████████████████████████▉ \| 201/432 [1:43:03<2:00:40, 31.35s/it] {'loss': 0.8845, 'grad_norm': 0.09929472953081131, 'learning_rate': 0.00012982443483149423, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1817.2, 'epoch': 1.4}
	47%\|█████████████████████████████████████████████████████████████▉ \| 201/432 [1:43:03<2:00:40, 31.35s/it] 47%\|██████████████████████████████████████████████████████████████▏ \| 202/432 [1:43:33<1:59:16, 31.12s/it] {'loss': 0.8707, 'grad_norm': 0.09515942633152008, 'learning_rate': 0.00012905261780271344, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1837.43, 'epoch': 1.4}
	47%\|██████████████████████████████████████████████████████████████▏ \| 202/432 [1:43:33<1:59:16, 31.12s/it] 47%\|██████████████████████████████████████████████████████████████▍ \| 203/432 [1:44:04<1:57:50, 30.88s/it] {'loss': 0.8496, 'grad_norm': 0.09018309414386749, 'learning_rate': 0.0001282789058863359, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1816.33, 'epoch': 1.41}
	47%\|██████████████████████████████████████████████████████████████▍ \| 203/432 [1:44:04<1:57:50, 30.88s/it] 47%\|██████████████████████████████████████████████████████████████▊ \| 204/432 [1:44:38<2:01:09, 31.89s/it] {'loss': 0.8792, 'grad_norm': 0.08522883802652359, 'learning_rate': 0.00012750334954587296, 'memory/max_active (GiB)': 27.63, 'memory/max_allocated (GiB)': 27.63, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1824.68, 'epoch': 1.42}
	47%\|██████████████████████████████████████████████████████████████▊ \| 204/432 [1:44:38<2:01:09, 31.89s/it] 47%\|███████████████████████████████████████████████████████████████ \| 205/432 [1:45:10<2:01:17, 32.06s/it] {'loss': 0.8472, 'grad_norm': 0.08992571383714676, 'learning_rate': 0.0001267259993651345, 'memory/max_active (GiB)': 26.06, 'memory/max_allocated (GiB)': 26.06, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1866.8, 'epoch': 1.42}
	47%\|███████████████████████████████████████████████████████████████ \| 205/432 [1:45:10<2:01:17, 32.06s/it] 48%\|███████████████████████████████████████████████████████████████▍ \| 206/432 [1:45:42<2:00:12, 31.91s/it] {'loss': 0.9094, 'grad_norm': 0.09144216775894165, 'learning_rate': 0.00012594690604492904, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1745.68, 'epoch': 1.43}
	48%\|███████████████████████████████████████████████████████████████▍ \| 206/432 [1:45:42<2:00:12, 31.91s/it] 48%\|███████████████████████████████████████████████████████████████▋ \| 207/432 [1:46:19<2:05:42, 33.52s/it] {'loss': 0.8063, 'grad_norm': 0.07513560354709625, 'learning_rate': 0.00012516612039975743, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1931.76, 'epoch': 1.44}
	48%\|███████████████████████████████████████████████████████████████▋ \| 207/432 [1:46:19<2:05:42, 33.52s/it] 48%\|████████████████████████████████████████████████████████████████ \| 208/432 [1:46:52<2:04:22, 33.32s/it] {'loss': 0.8781, 'grad_norm': 0.08792822808027267, 'learning_rate': 0.0001243836933544982, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1827.06, 'epoch': 1.44}
	48%\|████████████████████████████████████████████████████████████████ \| 208/432 [1:46:52<2:04:22, 33.32s/it] 48%\|████████████████████████████████████████████████████████████████▎ \| 209/432 [1:47:29<2:08:02, 34.45s/it] {'loss': 0.9232, 'grad_norm': 0.08969538658857346, 'learning_rate': 0.00012359967594108642, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1890.53, 'epoch': 1.45}
	48%\|████████████████████████████████████████████████████████████████▎ \| 209/432 [1:47:29<2:08:02, 34.45s/it] 49%\|████████████████████████████████████████████████████████████████▋ \| 210/432 [1:48:01<2:04:13, 33.58s/it] {'loss': 0.8174, 'grad_norm': 0.08039836585521698, 'learning_rate': 0.000122814119295185, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1885.57, 'epoch': 1.46}
	49%\|████████████████████████████████████████████████████████████████▋ \| 210/432 [1:48:01<2:04:13, 33.58s/it] 49%\|████████████████████████████████████████████████████████████████▉ \| 211/432 [1:48:27<1:55:15, 31.29s/it] {'loss': 0.8835, 'grad_norm': 0.10929764062166214, 'learning_rate': 0.00012202707465284973, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1756.47, 'epoch': 1.47}
	49%\|████████████████████████████████████████████████████████████████▉ \| 211/432 [1:48:27<1:55:15, 31.29s/it] 49%\|█████████████████████████████████████████████████████████████████▎ \| 212/432 [1:49:01<1:57:38, 32.09s/it] {'loss': 0.8583, 'grad_norm': 0.08015114814043045, 'learning_rate': 0.00012123859334718732, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1868.39, 'epoch': 1.47}
	49%\|█████████████████████████████████████████████████████████████████▎ \| 212/432 [1:49:01<1:57:38, 32.09s/it] 49%\|█████████████████████████████████████████████████████████████████▌ \| 213/432 [1:49:31<1:54:59, 31.51s/it] {'loss': 0.9098, 'grad_norm': 0.09009604901075363, 'learning_rate': 0.00012044872680500742, 'memory/max_active (GiB)': 26.06, 'memory/max_allocated (GiB)': 26.06, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1819.35, 'epoch': 1.48}
	49%\|█████████████████████████████████████████████████████████████████▌ \| 213/432 [1:49:31<1:54:59, 31.51s/it] 50%\|█████████████████████████████████████████████████████████████████▉ \| 214/432 [1:49:58<1:49:40, 30.18s/it] {'loss': 0.8883, 'grad_norm': 0.08752250671386719, 'learning_rate': 0.00011965752654346853, 'memory/max_active (GiB)': 24.17, 'memory/max_allocated (GiB)': 24.17, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1884.22, 'epoch': 1.49}
	50%\|█████████████████████████████████████████████████████████████████▉ \| 214/432 [1:49:58<1:49:40, 30.18s/it] 50%\|██████████████████████████████████████████████████████████████████▏ \| 215/432 [1:50:27<1:48:18, 29.95s/it] {'loss': 0.8918, 'grad_norm': 0.11148025095462799, 'learning_rate': 0.00011886504416671768, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1859.76, 'epoch': 1.49}
	50%\|██████████████████████████████████████████████████████████████████▏ \| 215/432 [1:50:27<1:48:18, 29.95s/it] 50%\|██████████████████████████████████████████████████████████████████▌ \| 216/432 [1:50:58<1:48:54, 30.25s/it] {'loss': 0.8242, 'grad_norm': 0.07988481968641281, 'learning_rate': 0.0001180713313625249, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1858.7, 'epoch': 1.5}
	50%\|██████████████████████████████████████████████████████████████████▌ \| 216/432 [1:50:58<1:48:54, 30.25s/it] 50%\|██████████████████████████████████████████████████████████████████▊ \| 217/432 [1:51:28<1:48:27, 30.27s/it] {'loss': 0.8426, 'grad_norm': 0.09761878848075867, 'learning_rate': 0.00011727643989891179, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1856.18, 'epoch': 1.51}
	50%\|██████████████████████████████████████████████████████████████████▊ \| 217/432 [1:51:28<1:48:27, 30.27s/it] 50%\|███████████████████████████████████████████████████████████████████ \| 218/432 [1:52:03<1:52:11, 31.46s/it] {'loss': 0.8674, 'grad_norm': 0.07537931948900223, 'learning_rate': 0.00011648042162077534, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1835.45, 'epoch': 1.51}
	50%\|███████████████████████████████████████████████████████████████████ \| 218/432 [1:52:03<1:52:11, 31.46s/it] 51%\|███████████████████████████████████████████████████████████████████▍ \| 219/432 [1:52:38<1:56:08, 32.72s/it] {'loss': 0.8664, 'grad_norm': 0.09314136207103729, 'learning_rate': 0.00011568332844650622, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1856.96, 'epoch': 1.52}
	51%\|███████████████████████████████████████████████████████████████████▍ \| 219/432 [1:52:38<1:56:08, 32.72s/it] 51%\|███████████████████████████████████████████████████████████████████▋ \| 220/432 [1:53:08<1:52:14, 31.76s/it] {'loss': 0.78, 'grad_norm': 0.08512671291828156, 'learning_rate': 0.00011488521236460265, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1758.27, 'epoch': 1.53}
	51%\|███████████████████████████████████████████████████████████████████▋ \| 220/432 [1:53:08<1:52:14, 31.76s/it] 51%\|████████████████████████████████████████████████████████████████████ \| 221/432 [1:53:36<1:48:08, 30.75s/it] {'loss': 0.8393, 'grad_norm': 0.10404758155345917, 'learning_rate': 0.00011408612543027964, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1819.01, 'epoch': 1.53}
	51%\|████████████████████████████████████████████████████████████████████ \| 221/432 [1:53:36<1:48:08, 30.75s/it] 51%\|████████████████████████████████████████████████████████████████████▎ \| 222/432 [1:54:11<1:52:01, 32.01s/it] {'loss': 0.8878, 'grad_norm': 0.07990723848342896, 'learning_rate': 0.00011328611976207358, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1918.78, 'epoch': 1.54}
	51%\|████████████████████████████████████████████████████████████████████▎ \| 222/432 [1:54:11<1:52:01, 32.01s/it] 52%\|████████████████████████████████████████████████████████████████████▋ \| 223/432 [1:54:40<1:48:13, 31.07s/it] {'loss': 0.9207, 'grad_norm': 0.1014494001865387, 'learning_rate': 0.00011248524753844325, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1775.9, 'epoch': 1.55}
	52%\|████████████████████████████████████████████████████████████████████▋ \| 223/432 [1:54:40<1:48:13, 31.07s/it] 52%\|████████████████████████████████████████████████████████████████████▉ \| 224/432 [1:55:11<1:47:49, 31.10s/it] {'loss': 0.8358, 'grad_norm': 0.09172676503658295, 'learning_rate': 0.0001116835609943663, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1843.7, 'epoch': 1.56}
	52%\|████████████████████████████████████████████████████████████████████▉ \| 224/432 [1:55:11<1:47:49, 31.10s/it] 52%\|█████████████████████████████████████████████████████████████████████▎ \| 225/432 [1:55:45<1:50:06, 31.92s/it] {'loss': 0.8325, 'grad_norm': 0.1032896563410759, 'learning_rate': 0.00011088111241793257, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1780.78, 'epoch': 1.56}
	52%\|█████████████████████████████████████████████████████████████████████▎ \| 225/432 [1:55:45<1:50:06, 31.92s/it] 52%\|█████████████████████████████████████████████████████████████████████▌ \| 226/432 [1:56:13<1:45:05, 30.61s/it] {'loss': 0.9252, 'grad_norm': 0.0878959596157074, 'learning_rate': 0.0001100779541469336, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1826.23, 'epoch': 1.57}
	52%\|█████████████████████████████████████████████████████████████████████▌ \| 226/432 [1:56:13<1:45:05, 30.61s/it] 53%\|█████████████████████████████████████████████████████████████████████▉ \| 227/432 [1:56:50<1:51:01, 32.50s/it] {'loss': 0.8705, 'grad_norm': 0.08273521810770035, 'learning_rate': 0.00010927413856544906, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1953.86, 'epoch': 1.58}
	53%\|█████████████████████████████████████████████████████████████████████▉ \| 227/432 [1:56:50<1:51:01, 32.50s/it] 53%\|██████████████████████████████████████████████████████████████████████▏ \| 228/432 [1:57:21<1:49:17, 32.14s/it] {'loss': 0.7784, 'grad_norm': 0.08073699474334717, 'learning_rate': 0.00010846971810043016, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1841.1, 'epoch': 1.58}
	53%\|██████████████████████████████████████████████████████████████████████▏ \| 228/432 [1:57:21<1:49:17, 32.14s/it] 53%\|██████████████████████████████████████████████████████████████████████▌ \| 229/432 [1:57:51<1:46:47, 31.56s/it] {'loss': 0.8653, 'grad_norm': 0.11773651838302612, 'learning_rate': 0.00010766474521828021, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1863.8, 'epoch': 1.59}
	53%\|██████████████████████████████████████████████████████████████████████▌ \| 229/432 [1:57:51<1:46:47, 31.56s/it] 53%\|██████████████████████████████████████████████████████████████████████▊ \| 230/432 [1:58:15<1:38:22, 29.22s/it] {'loss': 0.855, 'grad_norm': 0.0916401743888855, 'learning_rate': 0.00010685927242143247, 'memory/max_active (GiB)': 22.28, 'memory/max_allocated (GiB)': 22.28, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1704.74, 'epoch': 1.6}
	53%\|██████████████████████████████████████████████████████████████████████▊ \| 230/432 [1:58:15<1:38:22, 29.22s/it] 53%\|███████████████████████████████████████████████████████████████████████ \| 231/432 [1:58:48<1:42:18, 30.54s/it] {'loss': 0.8633, 'grad_norm': 0.09775011986494064, 'learning_rate': 0.00010605335224492616, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1802.54, 'epoch': 1.6}
	53%\|███████████████████████████████████████████████████████████████████████ \| 231/432 [1:58:48<1:42:18, 30.54s/it] 54%\|███████████████████████████████████████████████████████████████████████▍ \| 232/432 [1:59:20<1:42:30, 30.75s/it] {'loss': 0.8797, 'grad_norm': 0.08898714184761047, 'learning_rate': 0.00010524703725297957, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1818.02, 'epoch': 1.61}
	54%\|███████████████████████████████████████████████████████████████████████▍ \| 232/432 [1:59:20<1:42:30, 30.75s/it] 54%\|███████████████████████████████████████████████████████████████████████▋ \| 233/432 [1:59:52<1:43:50, 31.31s/it] {'loss': 0.9125, 'grad_norm': 0.1121303141117096, 'learning_rate': 0.000104440380035562, 'memory/max_active (GiB)': 27.2, 'memory/max_allocated (GiB)': 27.2, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1850.21, 'epoch': 1.62}
	54%\|███████████████████████████████████████████████████████████████████████▋ \| 233/432 [1:59:52<1:43:50, 31.31s/it] 54%\|████████████████████████████████████████████████████████████████████████ \| 234/432 [2:00:19<1:38:16, 29.78s/it] {'loss': 0.9372, 'grad_norm': 0.09762759506702423, 'learning_rate': 0.00010363343320496358, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1741.45, 'epoch': 1.62}
	54%\|████████████████████████████████████████████████████████████████████████ \| 234/432 [2:00:19<1:38:16, 29.78s/it] 54%\|████████████████████████████████████████████████████████████████████████▎ \| 235/432 [2:00:51<1:40:18, 30.55s/it] {'loss': 0.878, 'grad_norm': 0.09309601783752441, 'learning_rate': 0.00010282624939236367, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1801.22, 'epoch': 1.63}
	54%\|████████████████████████████████████████████████████████████████████████▎ \| 235/432 [2:00:51<1:40:18, 30.55s/it] 55%\|████████████████████████████████████████████████████████████████████████▋ \| 236/432 [2:01:31<1:49:25, 33.50s/it] {'loss': 0.8456, 'grad_norm': 0.08035903424024582, 'learning_rate': 0.00010201888124439836, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1852.12, 'epoch': 1.64}
	55%\|████████████████████████████████████████████████████████████████████████▋ \| 236/432 [2:01:31<1:49:25, 33.50s/it] 55%\|████████████████████████████████████████████████████████████████████████▉ \| 237/432 [2:02:05<1:49:14, 33.61s/it] {'loss': 0.7949, 'grad_norm': 0.09497448056936264, 'learning_rate': 0.00010121138141972648, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1797.28, 'epoch': 1.65}
	55%\|████████████████████████████████████████████████████████████████████████▉ \| 237/432 [2:02:05<1:49:14, 33.61s/it] 55%\|█████████████████████████████████████████████████████████████████████████▎ \| 238/432 [2:02:41<1:51:05, 34.36s/it] {'loss': 0.8362, 'grad_norm': 0.07064519077539444, 'learning_rate': 0.00010040380258559519, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1883.85, 'epoch': 1.65}
	55%\|█████████████████████████████████████████████████████████████████████████▎ \| 238/432 [2:02:41<1:51:05, 34.36s/it] 55%\|█████████████████████████████████████████████████████████████████████████▌ \| 239/432 [2:03:14<1:49:07, 33.92s/it] {'loss': 0.8508, 'grad_norm': 0.08790645003318787, 'learning_rate': 9.959619741440485e-05, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1855.49, 'epoch': 1.66}
	55%\|█████████████████████████████████████████████████████████████████████████▌ \| 239/432 [2:03:14<1:49:07, 33.92s/it] 56%\|█████████████████████████████████████████████████████████████████████████▉ \| 240/432 [2:03:39<1:40:00, 31.25s/it] {'loss': 0.8734, 'grad_norm': 0.11324595659971237, 'learning_rate': 9.878861858027356e-05, 'memory/max_active (GiB)': 26.06, 'memory/max_allocated (GiB)': 26.06, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1711.71, 'epoch': 1.67}
	56%\|█████████████████████████████████████████████████████████████████████████▉ \| 240/432 [2:03:39<1:40:00, 31.25s/it] 56%\|██████████████████████████████████████████████████████████████████████████▏ \| 241/432 [2:04:16<1:44:41, 32.89s/it] {'loss': 0.7948, 'grad_norm': 0.08453542739152908, 'learning_rate': 9.798111875560166e-05, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1948.65, 'epoch': 1.67}
	56%\|██████████████████████████████████████████████████████████████████████████▏ \| 241/432 [2:04:16<1:44:41, 32.89s/it] 56%\|██████████████████████████████████████████████████████████████████████████▌ \| 242/432 [2:04:49<1:44:03, 32.86s/it] {'loss': 0.9066, 'grad_norm': 0.09879390895366669, 'learning_rate': 9.717375060763635e-05, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1794.2, 'epoch': 1.68}
	56%\|██████████████████████████████████████████████████████████████████████████▌ \| 242/432 [2:04:49<1:44:03, 32.86s/it] 56%\|██████████████████████████████████████████████████████████████████████████▊ \| 243/432 [2:05:20<1:42:12, 32.45s/it] {'loss': 0.8287, 'grad_norm': 0.12350359559059143, 'learning_rate': 9.636656679503647e-05, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1865.82, 'epoch': 1.69}
	56%\|██████████████████████████████████████████████████████████████████████████▊ \| 243/432 [2:05:20<1:42:12, 32.45s/it] 56%\|███████████████████████████████████████████████████████████████████████████ \| 244/432 [2:05:48<1:37:18, 31.05s/it] {'loss': 0.9052, 'grad_norm': 0.09640428423881531, 'learning_rate': 9.555961996443802e-05, 'memory/max_active (GiB)': 26.06, 'memory/max_allocated (GiB)': 26.06, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1773.17, 'epoch': 1.69}
	56%\|███████████████████████████████████████████████████████████████████████████ \| 244/432 [2:05:48<1:37:18, 31.05s/it] 57%\|███████████████████████████████████████████████████████████████████████████▍ \| 245/432 [2:06:20<1:37:18, 31.22s/it] {'loss': 0.8773, 'grad_norm': 0.08821994811296463, 'learning_rate': 9.475296274702044e-05, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1817.71, 'epoch': 1.7}
	57%\|███████████████████████████████████████████████████████████████████████████▍ \| 245/432 [2:06:20<1:37:18, 31.22s/it] 57%\|███████████████████████████████████████████████████████████████████████████▋ \| 246/432 [2:06:49<1:35:31, 30.81s/it] {'loss': 0.8856, 'grad_norm': 0.08469712734222412, 'learning_rate': 9.394664775507386e-05, 'memory/max_active (GiB)': 25.11, 'memory/max_allocated (GiB)': 25.11, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1832.28, 'epoch': 1.71}
	57%\|███████████████████████████████████████████████████████████████████████████▋ \| 246/432 [2:06:49<1:35:31, 30.81s/it] 57%\|████████████████████████████████████████████████████████████████████████████ \| 247/432 [2:07:15<1:30:13, 29.26s/it] {'loss': 0.919, 'grad_norm': 0.08056015521287918, 'learning_rate': 9.314072757856752e-05, 'memory/max_active (GiB)': 26.25, 'memory/max_allocated (GiB)': 26.25, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1761.99, 'epoch': 1.72}
	57%\|████████████████████████████████████████████████████████████████████████████ \| 247/432 [2:07:15<1:30:13, 29.26s/it] 57%\|████████████████████████████████████████████████████████████████████████████▎ \| 248/432 [2:07:48<1:32:47, 30.26s/it] {'loss': 0.8668, 'grad_norm': 0.08589974790811539, 'learning_rate': 9.233525478171985e-05, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1749.38, 'epoch': 1.72}
	57%\|████████████████████████████████████████████████████████████████████████████▎ \| 248/432 [2:07:48<1:32:47, 30.26s/it] 58%\|████████████████████████████████████████████████████████████████████████████▋ \| 249/432 [2:08:23<1:36:32, 31.65s/it] {'loss': 0.796, 'grad_norm': 0.0930853933095932, 'learning_rate': 9.153028189956986e-05, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1784.47, 'epoch': 1.73}
	58%\|████████████████████████████████████████████████████████████████████████████▋ \| 249/432 [2:08:23<1:36:32, 31.65s/it] 58%\|████████████████████████████████████████████████████████████████████████████▉ \| 250/432 [2:08:54<1:35:54, 31.62s/it] {'loss': 0.8382, 'grad_norm': 0.07989697903394699, 'learning_rate': 9.072586143455097e-05, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1868.02, 'epoch': 1.74}
	58%\|████████████████████████████████████████████████████████████████████████████▉ \| 250/432 [2:08:54<1:35:54, 31.62s/it] 58%\|█████████████████████████████████████████████████████████████████████████████▎ \| 251/432 [2:09:27<1:36:32, 32.00s/it] {'loss': 0.8661, 'grad_norm': 0.08756358176469803, 'learning_rate': 8.99220458530664e-05, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1780.22, 'epoch': 1.74}
	58%\|█████████████████████████████████████████████████████████████████████████████▎ \| 251/432 [2:09:27<1:36:32, 32.00s/it] 58%\|█████████████████████████████████████████████████████████████████████████████▌ \| 252/432 [2:10:00<1:36:36, 32.20s/it] {'loss': 0.8648, 'grad_norm': 0.09106790274381638, 'learning_rate': 8.911888758206746e-05, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1867.43, 'epoch': 1.75}
	58%\|█████████████████████████████████████████████████████████████████████████████▌ \| 252/432 [2:10:00<1:36:36, 32.20s/it] 59%\|█████████████████████████████████████████████████████████████████████████████▉ \| 253/432 [2:10:30<1:34:47, 31.77s/it] {'loss': 0.818, 'grad_norm': 0.08131217211484909, 'learning_rate': 8.831643900563372e-05, 'memory/max_active (GiB)': 25.11, 'memory/max_allocated (GiB)': 25.11, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1822.77, 'epoch': 1.76}
	59%\|█████████████████████████████████████████████████████████████████████████████▉ \| 253/432 [2:10:30<1:34:47, 31.77s/it] 59%\|██████████████████████████████████████████████████████████████████████████████▏ \| 254/432 [2:10:56<1:28:54, 29.97s/it] {'loss': 0.8088, 'grad_norm': 0.11942015588283539, 'learning_rate': 8.751475246155677e-05, 'memory/max_active (GiB)': 23.7, 'memory/max_allocated (GiB)': 23.7, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1729.21, 'epoch': 1.76}
	59%\|██████████████████████████████████████████████████████████████████████████████▏ \| 254/432 [2:10:56<1:28:54, 29.97s/it] 59%\|██████████████████████████████████████████████████████████████████████████████▌ \| 255/432 [2:11:28<1:29:57, 30.50s/it] {'loss': 0.8724, 'grad_norm': 0.09604175388813019, 'learning_rate': 8.671388023792642e-05, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1886.58, 'epoch': 1.77}
	59%\|██████████████████████████████████████████████████████████████████████████████▌ \| 255/432 [2:11:28<1:29:57, 30.50s/it] 59%\|██████████████████████████████████████████████████████████████████████████████▊ \| 256/432 [2:11:58<1:28:45, 30.26s/it] {'loss': 0.8124, 'grad_norm': 0.0788886770606041, 'learning_rate': 8.59138745697204e-05, 'memory/max_active (GiB)': 24.74, 'memory/max_allocated (GiB)': 24.74, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1754.64, 'epoch': 1.78}
	59%\|██████████████████████████████████████████████████████████████████████████████▊ \| 256/432 [2:11:58<1:28:45, 30.26s/it] 59%\|███████████████████████████████████████████████████████████████████████████████ \| 257/432 [2:12:25<1:25:57, 29.47s/it] {'loss': 0.7003, 'grad_norm': 0.0804813876748085, 'learning_rate': 8.511478763539736e-05, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1794.04, 'epoch': 1.78}
	59%\|███████████████████████████████████████████████████████████████████████████████ \| 257/432 [2:12:25<1:25:57, 29.47s/it] 60%\|███████████████████████████████████████████████████████████████████████████████▍ \| 258/432 [2:12:50<1:21:01, 27.94s/it] {'loss': 0.866, 'grad_norm': 0.09597983211278915, 'learning_rate': 8.431667155349381e-05, 'memory/max_active (GiB)': 23.32, 'memory/max_allocated (GiB)': 23.32, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1748.56, 'epoch': 1.79}
	60%\|███████████████████████████████████████████████████████████████████████████████▍ \| 258/432 [2:12:50<1:21:01, 27.94s/it] 60%\|███████████████████████████████████████████████████████████████████████████████▋ \| 259/432 [2:13:19<1:22:04, 28.46s/it] {'loss': 0.863, 'grad_norm': 0.11629097163677216, 'learning_rate': 8.351957837922467e-05, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1773.79, 'epoch': 1.8}
	60%\|███████████████████████████████████████████████████████████████████████████████▋ \| 259/432 [2:13:19<1:22:04, 28.46s/it] 60%\|████████████████████████████████████████████████████████████████████████████████ \| 260/432 [2:13:43<1:17:44, 27.12s/it] {'loss': 0.8615, 'grad_norm': 0.09090136736631393, 'learning_rate': 8.27235601010882e-05, 'memory/max_active (GiB)': 25.11, 'memory/max_allocated (GiB)': 25.11, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1774.56, 'epoch': 1.81}
	60%\|████████████████████████████████████████████████████████████████████████████████ \| 260/432 [2:13:43<1:17:44, 27.12s/it] 60%\|████████████████████████████████████████████████████████████████████████████████▎ \| 261/432 [2:14:10<1:17:21, 27.14s/it] {'loss': 0.8546, 'grad_norm': 0.10009613633155823, 'learning_rate': 8.192866863747515e-05, 'memory/max_active (GiB)': 27.0, 'memory/max_allocated (GiB)': 27.0, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1750.52, 'epoch': 1.81}
	60%\|████████████████████████████████████████████████████████████████████████████████▎ \| 261/432 [2:14:10<1:17:21, 27.14s/it] 61%\|████████████████████████████████████████████████████████████████████████████████▋ \| 262/432 [2:14:36<1:15:42, 26.72s/it] {'loss': 0.7865, 'grad_norm': 0.0965074971318245, 'learning_rate': 8.113495583328233e-05, 'memory/max_active (GiB)': 24.74, 'memory/max_allocated (GiB)': 24.74, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1680.7, 'epoch': 1.82}
	61%\|████████████████████████████████████████████████████████████████████████████████▋ \| 262/432 [2:14:36<1:15:42, 26.72s/it] 61%\|████████████████████████████████████████████████████████████████████████████████▉ \| 263/432 [2:15:07<1:18:24, 27.84s/it] {'loss': 0.8501, 'grad_norm': 0.09880048781633377, 'learning_rate': 8.034247345653148e-05, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1889.0, 'epoch': 1.83}
	61%\|████████████████████████████████████████████████████████████████████████████████▉ \| 263/432 [2:15:07<1:18:24, 27.84s/it] 61%\|█████████████████████████████████████████████████████████████████████████████████▎ \| 264/432 [2:15:41<1:23:05, 29.68s/it] {'loss': 0.8325, 'grad_norm': 0.0786200538277626, 'learning_rate': 7.955127319499259e-05, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1823.88, 'epoch': 1.83}
	61%\|█████████████████████████████████████████████████████████████████████████████████▎ \| 264/432 [2:15:41<1:23:05, 29.68s/it] 61%\|█████████████████████████████████████████████████████████████████████████████████▌ \| 265/432 [2:16:16<1:27:06, 31.30s/it] {'loss': 0.8751, 'grad_norm': 0.07960072159767151, 'learning_rate': 7.876140665281271e-05, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1897.77, 'epoch': 1.84}
	61%\|█████████████████████████████████████████████████████████████████████████████████▌ \| 265/432 [2:16:16<1:27:06, 31.30s/it] 62%\|█████████████████████████████████████████████████████████████████████████████████▉ \| 266/432 [2:16:46<1:25:36, 30.94s/it] {'loss': 0.8494, 'grad_norm': 0.08863594383001328, 'learning_rate': 7.797292534715031e-05, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1813.39, 'epoch': 1.85}
	62%\|█████████████████████████████████████████████████████████████████████████████████▉ \| 266/432 [2:16:46<1:25:36, 30.94s/it] 62%\|██████████████████████████████████████████████████████████████████████████████████▏ \| 267/432 [2:17:22<1:29:32, 32.56s/it] {'loss': 0.8065, 'grad_norm': 0.08356545120477676, 'learning_rate': 7.718588070481501e-05, 'memory/max_active (GiB)': 27.2, 'memory/max_allocated (GiB)': 27.2, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1812.7, 'epoch': 1.85}
	62%\|██████████████████████████████████████████████████████████████████████████████████▏ \| 267/432 [2:17:22<1:29:32, 32.56s/it] 62%\|██████████████████████████████████████████████████████████████████████████████████▌ \| 268/432 [2:17:51<1:25:46, 31.38s/it] {'loss': 0.7955, 'grad_norm': 0.11613404750823975, 'learning_rate': 7.64003240589136e-05, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1771.17, 'epoch': 1.86}
	62%\|██████████████████████████████████████████████████████████████████████████████████▌ \| 268/432 [2:17:51<1:25:46, 31.38s/it] 62%\|██████████████████████████████████████████████████████████████████████████████████▊ \| 269/432 [2:18:17<1:21:13, 29.90s/it] {'loss': 0.8593, 'grad_norm': 0.09824944287538528, 'learning_rate': 7.561630664550179e-05, 'memory/max_active (GiB)': 24.64, 'memory/max_allocated (GiB)': 24.64, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1768.77, 'epoch': 1.87}
	62%\|██████████████████████████████████████████████████████████████████████████████████▊ \| 269/432 [2:18:17<1:21:13, 29.90s/it] 62%\|███████████████████████████████████████████████████████████████████████████████████▏ \| 270/432 [2:18:47<1:20:28, 29.81s/it] {'loss': 0.8571, 'grad_norm': 0.09118006378412247, 'learning_rate': 7.483387960024261e-05, 'memory/max_active (GiB)': 26.06, 'memory/max_allocated (GiB)': 26.06, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1805.31, 'epoch': 1.88}
	62%\|███████████████████████████████████████████████████████████████████████████████████▏ \| 270/432 [2:18:47<1:20:28, 29.81s/it] 63%\|███████████████████████████████████████████████████████████████████████████████████▍ \| 271/432 [2:19:16<1:19:30, 29.63s/it] {'loss': 0.8738, 'grad_norm': 0.09468278288841248, 'learning_rate': 7.405309395507097e-05, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1793.21, 'epoch': 1.88}
	63%\|███████████████████████████████████████████████████████████████████████████████████▍ \| 271/432 [2:19:16<1:19:30, 29.63s/it] 63%\|███████████████████████████████████████████████████████████████████████████████████▋ \| 272/432 [2:19:47<1:20:27, 30.17s/it] {'loss': 0.8775, 'grad_norm': 0.0904763713479042, 'learning_rate': 7.327400063486554e-05, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1886.32, 'epoch': 1.89}
	63%\|███████████████████████████████████████████████████████████████████████████████████▋ \| 272/432 [2:19:47<1:20:27, 30.17s/it] 63%\|████████████████████████████████████████████████████████████████████████████████████ \| 273/432 [2:20:15<1:17:32, 29.26s/it] {'loss': 0.8815, 'grad_norm': 0.09754563868045807, 'learning_rate': 7.249665045412703e-05, 'memory/max_active (GiB)': 24.17, 'memory/max_allocated (GiB)': 24.17, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1869.03, 'epoch': 1.9}
	63%\|████████████████████████████████████████████████████████████████████████████████████ \| 273/432 [2:20:15<1:17:32, 29.26s/it] 63%\|████████████████████████████████████████████████████████████████████████████████████▎ \| 274/432 [2:20:44<1:17:30, 29.44s/it] {'loss': 0.9238, 'grad_norm': 0.08886516839265823, 'learning_rate': 7.172109411366417e-05, 'memory/max_active (GiB)': 24.64, 'memory/max_allocated (GiB)': 24.64, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1854.15, 'epoch': 1.9}
	63%\|████████████████████████████████████████████████████████████████████████████████████▎ \| 274/432 [2:20:44<1:17:30, 29.44s/it] 64%\|████████████████████████████████████████████████████████████████████████████████████▋ \| 275/432 [2:21:12<1:15:39, 28.91s/it] {'loss': 0.9098, 'grad_norm': 0.09808940440416336, 'learning_rate': 7.094738219728657e-05, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1739.44, 'epoch': 1.91}
	64%\|████████████████████████████████████████████████████████████████████████████████████▋ \| 275/432 [2:21:12<1:15:39, 28.91s/it] 64%\|████████████████████████████████████████████████████████████████████████████████████▉ \| 276/432 [2:21:38<1:13:09, 28.14s/it] {'loss': 0.8904, 'grad_norm': 0.07680974900722504, 'learning_rate': 7.017556516850581e-05, 'memory/max_active (GiB)': 23.22, 'memory/max_allocated (GiB)': 23.22, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1810.82, 'epoch': 1.92}
	64%\|████████████████████████████████████████████████████████████████████████████████████▉ \| 276/432 [2:21:38<1:13:09, 28.14s/it] 64%\|█████████████████████████████████████████████████████████████████████████████████████▎ \| 277/432 [2:22:11<1:16:25, 29.59s/it] {'loss': 0.8547, 'grad_norm': 0.07694356143474579, 'learning_rate': 6.94056933672439e-05, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1902.73, 'epoch': 1.92}
	64%\|█████████████████████████████████████████████████████████████████████████████████████▎ \| 277/432 [2:22:11<1:16:25, 29.59s/it] 64%\|█████████████████████████████████████████████████████████████████████████████████████▌ \| 278/432 [2:22:44<1:18:28, 30.58s/it] {'loss': 0.8173, 'grad_norm': 0.08431762456893921, 'learning_rate': 6.863781700655011e-05, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1798.48, 'epoch': 1.93}
	64%\|█████████████████████████████████████████████████████████████████████████████████████▌ \| 278/432 [2:22:44<1:18:28, 30.58s/it] 65%\|█████████████████████████████████████████████████████████████████████████████████████▉ \| 279/432 [2:23:19<1:21:00, 31.77s/it] {'loss': 0.8748, 'grad_norm': 0.07724566757678986, 'learning_rate': 6.787198616932571e-05, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1917.22, 'epoch': 1.94}
	65%\|█████████████████████████████████████████████████████████████████████████████████████▉ \| 279/432 [2:23:19<1:21:00, 31.77s/it] 65%\|██████████████████████████████████████████████████████████████████████████████████████▏ \| 280/432 [2:23:52<1:21:16, 32.08s/it] {'loss': 0.9169, 'grad_norm': 0.11666595935821533, 'learning_rate': 6.710825080505775e-05, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1713.95, 'epoch': 1.94}
	65%\|██████████████████████████████████████████████████████████████████████████████████████▏ \| 280/432 [2:23:52<1:21:16, 32.08s/it] 65%\|██████████████████████████████████████████████████████████████████████████████████████▌ \| 281/432 [2:24:19<1:16:57, 30.58s/it] {'loss': 0.8569, 'grad_norm': 0.09968864172697067, 'learning_rate': 6.634666072656097e-05, 'memory/max_active (GiB)': 27.0, 'memory/max_allocated (GiB)': 27.0, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1781.62, 'epoch': 1.95}
	65%\|██████████████████████████████████████████████████████████████████████████████████████▌ \| 281/432 [2:24:19<1:16:57, 30.58s/it] 65%\|██████████████████████████████████████████████████████████████████████████████████████▊ \| 282/432 [2:24:50<1:16:46, 30.71s/it] {'loss': 0.788, 'grad_norm': 0.09674399346113205, 'learning_rate': 6.558726560672899e-05, 'memory/max_active (GiB)': 24.64, 'memory/max_allocated (GiB)': 24.64, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1865.35, 'epoch': 1.96}
	65%\|██████████████████████████████████████████████████████████████████████████████████████▊ \| 282/432 [2:24:50<1:16:46, 30.71s/it] 66%\|███████████████████████████████████████████████████████████████████████████████████████▏ \| 283/432 [2:25:19<1:14:50, 30.14s/it] {'loss': 0.8589, 'grad_norm': 0.09675844758749008, 'learning_rate': 6.483011497529456e-05, 'memory/max_active (GiB)': 26.25, 'memory/max_allocated (GiB)': 26.25, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1743.26, 'epoch': 1.97}
	66%\|███████████████████████████████████████████████████████████████████████████████████████▏ \| 283/432 [2:25:19<1:14:50, 30.14s/it] 66%\|███████████████████████████████████████████████████████████████████████████████████████▍ \| 284/432 [2:25:51<1:15:39, 30.67s/it] {'loss': 0.8096, 'grad_norm': 0.09706730395555496, 'learning_rate': 6.407525821559887e-05, 'memory/max_active (GiB)': 27.2, 'memory/max_allocated (GiB)': 27.2, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1861.42, 'epoch': 1.97}
	66%\|███████████████████████████████████████████████████████████████████████████████████████▍ \| 284/432 [2:25:51<1:15:39, 30.67s/it] 66%\|███████████████████████████████████████████████████████████████████████████████████████▋ \| 285/432 [2:26:26<1:18:42, 32.13s/it] {'loss': 0.8119, 'grad_norm': 0.07886802405118942, 'learning_rate': 6.332274456137097e-05, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1899.29, 'epoch': 1.98}
	66%\|███████████████████████████████████████████████████████████████████████████████████████▋ \| 285/432 [2:26:26<1:18:42, 32.13s/it] 66%\|████████████████████████████████████████████████████████████████████████████████████████ \| 286/432 [2:26:56<1:16:23, 31.40s/it] {'loss': 0.8325, 'grad_norm': 0.11373884230852127, 'learning_rate': 6.257262309351637e-05, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1767.65, 'epoch': 1.99}
	66%\|████████████████████████████████████████████████████████████████████████████████████████ \| 286/432 [2:26:56<1:16:23, 31.40s/it] 66%\|████████████████████████████████████████████████████████████████████████████████████████▎ \| 287/432 [2:27:21<1:11:43, 29.68s/it] {'loss': 0.8644, 'grad_norm': 0.10353608429431915, 'learning_rate': 6.182494273691601e-05, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1813.76, 'epoch': 1.99}
	66%\|████████████████████████████████████████████████████████████████████████████████████████▎ \| 287/432 [2:27:21<1:11:43, 29.68s/it] 67%\|████████████████████████████████████████████████████████████████████████████████████████▋ \| 288/432 [2:27:57<1:15:15, 31.36s/it] {'loss': 0.8194, 'grad_norm': 0.0775594413280487, 'learning_rate': 6.107975225723506e-05, 'memory/max_active (GiB)': 26.49, 'memory/max_allocated (GiB)': 26.49, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1879.94, 'epoch': 2.0}
	67%\|████████████████████████████████████████████████████████████████████████████████████████▋ \| 288/432 [2:27:57<1:15:15, 31.36s/it] 67%\|████████████████████████████████████████████████████████████████████████████████████████▉ \| 289/432 [2:28:27<1:14:20, 31.19s/it] {'loss': 0.8638, 'grad_norm': 0.3271954655647278, 'learning_rate': 6.0337100257742526e-05, 'memory/max_active (GiB)': 24.64, 'memory/max_allocated (GiB)': 24.64, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1807.54, 'epoch': 2.01}
	67%\|████████████████████████████████████████████████████████████████████████████████████████▉ \| 289/432 [2:28:27<1:14:20, 31.19s/it] 67%\|█████████████████████████████████████████████████████████████████████████████████████████▎ \| 290/432 [2:29:01<1:15:17, 31.81s/it] {'loss': 0.8505, 'grad_norm': 0.09865723550319672, 'learning_rate': 5.959703517614107e-05, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1841.54, 'epoch': 2.01}
	67%\|█████████████████████████████████████████████████████████████████████████████████████████▎ \| 290/432 [2:29:01<1:15:17, 31.81s/it] 67%\|█████████████████████████████████████████████████████████████████████████████████████████▌ \| 291/432 [2:29:30<1:12:49, 30.99s/it] {'loss': 0.9427, 'grad_norm': 0.10358452796936035, 'learning_rate': 5.885960528140784e-05, 'memory/max_active (GiB)': 25.11, 'memory/max_allocated (GiB)': 25.11, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1871.58, 'epoch': 2.02}
	67%\|█████████████████████████████████████████████████████████████████████████████████████████▌ \| 291/432 [2:29:30<1:12:49, 30.99s/it] 68%\|█████████████████████████████████████████████████████████████████████████████████████████▉ \| 292/432 [2:30:02<1:13:16, 31.40s/it] {'loss': 0.8465, 'grad_norm': 0.08211047947406769, 'learning_rate': 5.8124858670646076e-05, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1929.81, 'epoch': 2.03}
	68%\|█████████████████████████████████████████████████████████████████████████████████████████▉ \| 292/432 [2:30:02<1:13:16, 31.40s/it] 68%\|██████████████████████████████████████████████████████████████████████████████████████████▏ \| 293/432 [2:30:40<1:17:06, 33.28s/it] {'loss': 0.8665, 'grad_norm': 0.0825471431016922, 'learning_rate': 5.7392843265948445e-05, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1887.14, 'epoch': 2.03}
	68%\|██████████████████████████████████████████████████████████████████████████████████████████▏ \| 293/432 [2:30:40<1:17:06, 33.28s/it] 68%\|██████████████████████████████████████████████████████████████████████████████████████████▌ \| 294/432 [2:31:08<1:13:16, 31.86s/it] {'loss': 0.8792, 'grad_norm': 0.10379532724618912, 'learning_rate': 5.666360681127109e-05, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1790.02, 'epoch': 2.04}
	68%\|██████████████████████████████████████████████████████████████████████████████████████████▌ \| 294/432 [2:31:08<1:13:16, 31.86s/it] 68%\|██████████████████████████████████████████████████████████████████████████████████████████▊ \| 295/432 [2:31:41<1:13:31, 32.20s/it] {'loss': 0.8132, 'grad_norm': 0.09821659326553345, 'learning_rate': 5.59371968693198e-05, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1845.27, 'epoch': 2.05}
	68%\|██████████████████████████████████████████████████████████████████████████████████████████▊ \| 295/432 [2:31:41<1:13:31, 32.20s/it] 69%\|███████████████████████████████████████████████████████████████████████████████████████████▏ \| 296/432 [2:32:10<1:10:26, 31.08s/it] {'loss': 0.844, 'grad_norm': 0.112259142100811, 'learning_rate': 5.5213660818447876e-05, 'memory/max_active (GiB)': 27.2, 'memory/max_allocated (GiB)': 27.2, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1750.46, 'epoch': 2.06}
	69%\|███████████████████████████████████████████████████████████████████████████████████████████▏ \| 296/432 [2:32:10<1:10:26, 31.08s/it] 69%\|███████████████████████████████████████████████████████████████████████████████████████████▍ \| 297/432 [2:32:40<1:09:17, 30.80s/it] {'loss': 0.8193, 'grad_norm': 0.12411390990018845, 'learning_rate': 5.449304584956582e-05, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1835.3, 'epoch': 2.06}
	69%\|███████████████████████████████████████████████████████████████████████████████████████████▍ \| 297/432 [2:32:40<1:09:17, 30.80s/it] 69%\|███████████████████████████████████████████████████████████████████████████████████████████▋ \| 298/432 [2:33:12<1:09:36, 31.17s/it] {'loss': 0.8435, 'grad_norm': 0.13642744719982147, 'learning_rate': 5.377539896306363e-05, 'memory/max_active (GiB)': 24.74, 'memory/max_allocated (GiB)': 24.74, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1875.92, 'epoch': 2.07}
	69%\|███████████████████████████████████████████████████████████████████████████████████████████▋ \| 298/432 [2:33:12<1:09:36, 31.17s/it] 69%\|████████████████████████████████████████████████████████████████████████████████████████████ \| 299/432 [2:33:35<1:03:47, 28.78s/it] {'loss': 0.8313, 'grad_norm': 0.1161445826292038, 'learning_rate': 5.3060766965745224e-05, 'memory/max_active (GiB)': 23.7, 'memory/max_allocated (GiB)': 23.7, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1779.07, 'epoch': 2.08}
	69%\|████████████████████████████████████████████████████████████████████████████████████████████ \| 299/432 [2:33:35<1:03:47, 28.78s/it] 69%\|████████████████████████████████████████████████████████████████████████████████████████████▎ \| 300/432 [2:34:07<1:05:14, 29.65s/it] {'loss': 0.7722, 'grad_norm': 0.1206204742193222, 'learning_rate': 5.2349196467775564e-05, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1826.73, 'epoch': 2.08}
	69%\|████████████████████████████████████████████████████████████████████████████████████████████▎ \| 300/432 [2:34:07<1:05:14, 29.65s/it][2025-12-26 01:02:49,078] [INFO] [axolotl.core.trainers.base._save:671] [PID:1133] Saving model checkpoint to ./outputs/qwen25-coder-n8n/checkpoint-300
	70%\|████████████████████████████████████████████████████████████████████████████████████████████▋ \| 301/432 [2:34:42<1:08:01, 31.15s/it] {'loss': 0.7582, 'grad_norm': 0.10483237355947495, 'learning_rate': 5.164073387964057e-05, 'memory/max_active (GiB)': 27.2, 'memory/max_allocated (GiB)': 27.2, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1856.16, 'epoch': 2.09}
	70%\|████████████████████████████████████████████████████████████████████████████████████████████▋ \| 301/432 [2:34:42<1:08:01, 31.15s/it] 70%\|████████████████████████████████████████████████████████████████████████████████████████████▉ \| 302/432 [2:35:10<1:05:48, 30.37s/it] {'loss': 0.8407, 'grad_norm': 0.08910904079675674, 'learning_rate': 5.093542540912024e-05, 'memory/max_active (GiB)': 27.2, 'memory/max_allocated (GiB)': 27.2, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1712.18, 'epoch': 2.1}
	70%\|████████████████████████████████████████████████████████████████████████████████████████████▉ \| 302/432 [2:35:10<1:05:48, 30.37s/it] 70%\|█████████████████████████████████████████████████████████████████████████████████████████████▎ \| 303/432 [2:35:37<1:02:52, 29.24s/it] {'loss': 0.8836, 'grad_norm': 0.11549682915210724, 'learning_rate': 5.023331705827477e-05, 'memory/max_active (GiB)': 27.44, 'memory/max_allocated (GiB)': 27.44, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1756.42, 'epoch': 2.1}
	70%\|█████████████████████████████████████████████████████████████████████████████████████████████▎ \| 303/432 [2:35:37<1:02:52, 29.24s/it] 70%\|█████████████████████████████████████████████████████████████████████████████████████████████▌ \| 304/432 [2:36:09<1:04:11, 30.09s/it] {'loss': 0.7829, 'grad_norm': 0.09834477305412292, 'learning_rate': 4.9534454620444145e-05, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1856.85, 'epoch': 2.11}
	70%\|█████████████████████████████████████████████████████████████████████████████████████████████▌ \| 304/432 [2:36:09<1:04:11, 30.09s/it] 71%\|█████████████████████████████████████████████████████████████████████████████████████████████▉ \| 305/432 [2:36:36<1:01:39, 29.13s/it] {'loss': 0.8453, 'grad_norm': 0.10889922827482224, 'learning_rate': 4.883888367726153e-05, 'memory/max_active (GiB)': 24.17, 'memory/max_allocated (GiB)': 24.17, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1809.25, 'epoch': 2.12}
	71%\|█████████████████████████████████████████████████████████████████████████████████████████████▉ \| 305/432 [2:36:36<1:01:39, 29.13s/it] 71%\|██████████████████████████████████████████████████████████████████████████████████████████████▏ \| 306/432 [2:37:05<1:01:29, 29.28s/it] {'loss': 0.8669, 'grad_norm': 0.0908389538526535, 'learning_rate': 4.8146649595680106e-05, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1833.44, 'epoch': 2.12}
	71%\|██████████████████████████████████████████████████████████████████████████████████████████████▏ \| 306/432 [2:37:05<1:01:29, 29.28s/it] 71%\|██████████████████████████████████████████████████████████████████████████████████████████████▌ \| 307/432 [2:37:38<1:03:09, 30.32s/it] {'loss': 0.804, 'grad_norm': 0.09255880862474442, 'learning_rate': 4.7457797525014294e-05, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1812.18, 'epoch': 2.13}
	71%\|██████████████████████████████████████████████████████████████████████████████████████████████▌ \| 307/432 [2:37:38<1:03:09, 30.32s/it] 71%\|██████████████████████████████████████████████████████████████████████████████████████████████▊ \| 308/432 [2:38:06<1:01:00, 29.52s/it] {'loss': 0.8572, 'grad_norm': 0.10134515911340714, 'learning_rate': 4.677237239399489e-05, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1800.68, 'epoch': 2.14}
	71%\|██████████████████████████████████████████████████████████████████████████████████████████████▊ \| 308/432 [2:38:06<1:01:00, 29.52s/it] 72%\|████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 309/432 [2:38:33<59:08, 28.85s/it] {'loss': 0.8331, 'grad_norm': 0.09899571537971497, 'learning_rate': 4.609041890783882e-05, 'memory/max_active (GiB)': 27.2, 'memory/max_allocated (GiB)': 27.2, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1801.36, 'epoch': 2.15}
	72%\|████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 309/432 [2:38:33<59:08, 28.85s/it] 72%\|████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 310/432 [2:39:03<59:12, 29.12s/it] {'loss': 0.8021, 'grad_norm': 0.09702388197183609, 'learning_rate': 4.541198154533311e-05, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1825.58, 'epoch': 2.15}
	72%\|████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 310/432 [2:39:03<59:12, 29.12s/it] 72%\|█████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 311/432 [2:39:31<58:16, 28.90s/it] {'loss': 0.8754, 'grad_norm': 0.10719087719917297, 'learning_rate': 4.4737104555934164e-05, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1691.89, 'epoch': 2.16}
	72%\|█████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 311/432 [2:39:31<58:16, 28.90s/it] 72%\|████████████████████████████████████████████████████████████████████████████████████████████████ \| 312/432 [2:40:08<1:02:19, 31.16s/it] {'loss': 0.8347, 'grad_norm': 0.10494202375411987, 'learning_rate': 4.40658319568815e-05, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1870.08, 'epoch': 2.17}
	72%\|████████████████████████████████████████████████████████████████████████████████████████████████ \| 312/432 [2:40:08<1:02:19, 31.16s/it] 72%\|████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 313/432 [2:40:41<1:03:02, 31.78s/it] {'loss': 0.8044, 'grad_norm': 0.08886885643005371, 'learning_rate': 4.3398207530326915e-05, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1858.98, 'epoch': 2.17}
	72%\|████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 313/432 [2:40:41<1:03:02, 31.78s/it] 73%\|████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 314/432 [2:41:18<1:05:56, 33.53s/it] {'loss': 0.8233, 'grad_norm': 0.09062239527702332, 'learning_rate': 4.27342748204788e-05, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1825.04, 'epoch': 2.18}
	73%\|████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 314/432 [2:41:18<1:05:56, 33.53s/it] 73%\|████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 315/432 [2:41:47<1:02:13, 31.91s/it] {'loss': 0.8216, 'grad_norm': 0.11928120255470276, 'learning_rate': 4.207407713076221e-05, 'memory/max_active (GiB)': 24.17, 'memory/max_allocated (GiB)': 24.17, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1761.75, 'epoch': 2.19}
	73%\|████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 315/432 [2:41:47<1:02:13, 31.91s/it] 73%\|█████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 316/432 [2:42:16<1:00:01, 31.05s/it] {'loss': 0.8625, 'grad_norm': 0.11144374310970306, 'learning_rate': 4.1417657520994405e-05, 'memory/max_active (GiB)': 25.11, 'memory/max_allocated (GiB)': 25.11, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1733.02, 'epoch': 2.19}
	73%\|█████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 316/432 [2:42:16<1:00:01, 31.05s/it] 73%\|█████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 317/432 [2:42:48<1:00:20, 31.48s/it] {'loss': 0.8506, 'grad_norm': 0.08445002883672714, 'learning_rate': 4.0765058804576416e-05, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1877.93, 'epoch': 2.2}
	73%\|█████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 317/432 [2:42:48<1:00:20, 31.48s/it] 74%\|█████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 318/432 [2:43:22<1:01:23, 32.31s/it] {'loss': 0.835, 'grad_norm': 0.10655620694160461, 'learning_rate': 4.0116323545700675e-05, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1849.34, 'epoch': 2.21}
	74%\|█████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 318/432 [2:43:22<1:01:23, 32.31s/it] 74%\|███████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 319/432 [2:43:51<58:59, 31.32s/it] {'loss': 0.773, 'grad_norm': 0.09846463054418564, 'learning_rate': 3.9471494056574686e-05, 'memory/max_active (GiB)': 23.66, 'memory/max_allocated (GiB)': 23.66, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1826.04, 'epoch': 2.22}
	74%\|███████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 319/432 [2:43:51<58:59, 31.32s/it] 74%\|████████████████████████████████████████████████████████████████████████████████████████████████████ \| 320/432 [2:44:23<58:48, 31.51s/it] {'loss': 0.7294, 'grad_norm': 0.08937955647706985, 'learning_rate': 3.8830612394661605e-05, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1838.38, 'epoch': 2.22}
	74%\|████████████████████████████████████████████████████████████████████████████████████████████████████ \| 320/432 [2:44:23<58:48, 31.51s/it] 74%\|██████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 321/432 [2:45:00<1:01:02, 33.00s/it] {'loss': 0.7987, 'grad_norm': 0.09597578644752502, 'learning_rate': 3.81937203599369e-05, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1881.8, 'epoch': 2.23}
	74%\|██████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 321/432 [2:45:00<1:01:02, 33.00s/it] 75%\|███████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 322/432 [2:45:32<1:00:14, 32.86s/it] {'loss': 0.8584, 'grad_norm': 0.11112694442272186, 'learning_rate': 3.756085949216218e-05, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1803.07, 'epoch': 2.24}
	75%\|███████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 322/432 [2:45:32<1:00:14, 32.86s/it] 75%\|███████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 323/432 [2:46:06<1:00:02, 33.05s/it] {'loss': 0.7849, 'grad_norm': 0.09991186112165451, 'learning_rate': 3.69320710681758e-05, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1881.65, 'epoch': 2.24}
	75%\|███████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 323/432 [2:46:06<1:00:02, 33.05s/it] 75%\|█████████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 324/432 [2:46:37<58:22, 32.43s/it] {'loss': 0.8531, 'grad_norm': 0.097774937748909, 'learning_rate': 3.6307396099200684e-05, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1858.8, 'epoch': 2.25}
	75%\|█████████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 324/432 [2:46:37<58:22, 32.43s/it] 75%\|█████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 325/432 [2:46:59<52:23, 29.38s/it] {'loss': 0.8608, 'grad_norm': 0.1338118612766266, 'learning_rate': 3.568687532816951e-05, 'memory/max_active (GiB)': 25.31, 'memory/max_allocated (GiB)': 25.31, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1700.93, 'epoch': 2.26}
	75%\|█████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 325/432 [2:46:59<52:23, 29.38s/it] 75%\|█████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 326/432 [2:47:32<53:56, 30.53s/it] {'loss': 0.9267, 'grad_norm': 0.2812134027481079, 'learning_rate': 3.507054922706733e-05, 'memory/max_active (GiB)': 26.06, 'memory/max_allocated (GiB)': 26.06, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1860.78, 'epoch': 2.26}
	75%\|█████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 326/432 [2:47:32<53:56, 30.53s/it] 76%\|██████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 327/432 [2:48:04<54:01, 30.87s/it] {'loss': 0.8684, 'grad_norm': 0.09611228853464127, 'learning_rate': 3.445845799429176e-05, 'memory/max_active (GiB)': 26.26, 'memory/max_allocated (GiB)': 26.26, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1811.27, 'epoch': 2.27}
	76%\|██████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 327/432 [2:48:04<54:01, 30.87s/it] 76%\|██████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 328/432 [2:48:40<56:09, 32.40s/it] {'loss': 0.7347, 'grad_norm': 0.08556186407804489, 'learning_rate': 3.385064155203138e-05, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1825.98, 'epoch': 2.28}
	76%\|██████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 328/432 [2:48:40<56:09, 32.40s/it] 76%\|██████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 329/432 [2:49:09<54:08, 31.54s/it] {'loss': 0.852, 'grad_norm': 0.10197862982749939, 'learning_rate': 3.324713954366171e-05, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1861.36, 'epoch': 2.28}
	76%\|██████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 329/432 [2:49:09<54:08, 31.54s/it] 76%\|███████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 330/432 [2:49:46<56:14, 33.09s/it] {'loss': 0.8236, 'grad_norm': 0.1492842137813568, 'learning_rate': 3.264799133115963e-05, 'memory/max_active (GiB)': 27.2, 'memory/max_allocated (GiB)': 27.2, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1892.98, 'epoch': 2.29}
	76%\|███████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 330/432 [2:49:46<56:14, 33.09s/it] 77%\|███████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 331/432 [2:50:23<57:30, 34.16s/it] {'loss': 0.8086, 'grad_norm': 0.0990268662571907, 'learning_rate': 3.2053235992536134e-05, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1737.96, 'epoch': 2.3}
	77%\|███████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 331/432 [2:50:23<57:30, 34.16s/it] 77%\|███████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 332/432 [2:50:52<54:28, 32.68s/it] {'loss': 0.8093, 'grad_norm': 0.09925055503845215, 'learning_rate': 3.1462912319287375e-05, 'memory/max_active (GiB)': 27.2, 'memory/max_allocated (GiB)': 27.2, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1818.79, 'epoch': 2.31}
	77%\|███████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 332/432 [2:50:52<54:28, 32.68s/it] 77%\|████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 333/432 [2:51:20<51:49, 31.40s/it] {'loss': 0.7252, 'grad_norm': 0.10327502340078354, 'learning_rate': 3.087705881386486e-05, 'memory/max_active (GiB)': 25.11, 'memory/max_allocated (GiB)': 25.11, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1797.21, 'epoch': 2.31}
	77%\|████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 333/432 [2:51:20<51:49, 31.40s/it] 77%\|████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 334/432 [2:51:54<52:26, 32.11s/it] {'loss': 0.8185, 'grad_norm': 0.14320008456707, 'learning_rate': 3.0295713687164007e-05, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1801.4, 'epoch': 2.32}
	77%\|████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 334/432 [2:51:54<52:26, 32.11s/it] 78%\|████████████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 335/432 [2:52:19<48:34, 30.04s/it] {'loss': 0.8296, 'grad_norm': 0.11287199705839157, 'learning_rate': 2.971891485603203e-05, 'memory/max_active (GiB)': 24.17, 'memory/max_allocated (GiB)': 24.17, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1842.36, 'epoch': 2.33}
	78%\|████████████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 335/432 [2:52:19<48:34, 30.04s/it] 78%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 336/432 [2:52:46<46:25, 29.01s/it] {'loss': 0.8122, 'grad_norm': 0.10159208625555038, 'learning_rate': 2.9146699940794864e-05, 'memory/max_active (GiB)': 23.22, 'memory/max_allocated (GiB)': 23.22, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1760.31, 'epoch': 2.33}
	78%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 336/432 [2:52:46<46:25, 29.01s/it] 78%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 337/432 [2:53:15<45:44, 28.89s/it] {'loss': 0.8574, 'grad_norm': 0.10231487452983856, 'learning_rate': 2.8579106262803466e-05, 'memory/max_active (GiB)': 24.74, 'memory/max_allocated (GiB)': 24.74, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1821.83, 'epoch': 2.34}
	78%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 337/432 [2:53:15<45:44, 28.89s/it] 78%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 338/432 [2:53:48<47:21, 30.23s/it] {'loss': 0.7637, 'grad_norm': 0.09942459315061569, 'learning_rate': 2.8016170841999667e-05, 'memory/max_active (GiB)': 26.69, 'memory/max_allocated (GiB)': 26.69, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1819.25, 'epoch': 2.35}
	78%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 338/432 [2:53:48<47:21, 30.23s/it] 78%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 339/432 [2:54:17<46:24, 29.94s/it] {'loss': 0.8113, 'grad_norm': 0.10532701760530472, 'learning_rate': 2.7457930394501562e-05, 'memory/max_active (GiB)': 22.65, 'memory/max_allocated (GiB)': 22.65, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1796.34, 'epoch': 2.35}
	78%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 339/432 [2:54:17<46:24, 29.94s/it] 79%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 340/432 [2:54:44<44:39, 29.12s/it] {'loss': 0.8426, 'grad_norm': 0.10633235424757004, 'learning_rate': 2.6904421330208883e-05, 'memory/max_active (GiB)': 24.64, 'memory/max_allocated (GiB)': 24.64, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1855.82, 'epoch': 2.36}
	79%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 340/432 [2:54:44<44:39, 29.12s/it] 79%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 341/432 [2:55:15<44:54, 29.61s/it] {'loss': 0.8737, 'grad_norm': 0.10168317705392838, 'learning_rate': 2.6355679750428086e-05, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1823.03, 'epoch': 2.37}
	79%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 341/432 [2:55:15<44:54, 29.61s/it] 79%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 342/432 [2:55:49<46:20, 30.90s/it] {'loss': 0.8571, 'grad_norm': 0.10064361244440079, 'learning_rate': 2.5811741445517945e-05, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1879.25, 'epoch': 2.38}
	79%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 342/432 [2:55:49<46:20, 30.90s/it] 79%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 343/432 [2:56:22<46:38, 31.44s/it] {'loss': 0.7609, 'grad_norm': 0.09406903386116028, 'learning_rate': 2.527264189255507e-05, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1805.74, 'epoch': 2.38}
	79%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 343/432 [2:56:22<46:38, 31.44s/it] 80%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 344/432 [2:56:52<45:46, 31.21s/it] {'loss': 0.9006, 'grad_norm': 0.11502882093191147, 'learning_rate': 2.473841625302006e-05, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1806.4, 'epoch': 2.39}
	80%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 344/432 [2:56:52<45:46, 31.21s/it] 80%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 345/432 [2:57:17<42:27, 29.29s/it] {'loss': 0.9385, 'grad_norm': 0.13979212939739227, 'learning_rate': 2.420909937050405e-05, 'memory/max_active (GiB)': 21.8, 'memory/max_allocated (GiB)': 21.8, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1768.95, 'epoch': 2.4}
	80%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 345/432 [2:57:17<42:27, 29.29s/it] 80%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 346/432 [2:57:50<43:34, 30.40s/it] {'loss': 0.8276, 'grad_norm': 0.10192658007144928, 'learning_rate': 2.3684725768436332e-05, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1866.73, 'epoch': 2.4}
	80%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 346/432 [2:57:50<43:34, 30.40s/it] 80%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 347/432 [2:58:17<41:33, 29.34s/it] {'loss': 0.7505, 'grad_norm': 0.10716025531291962, 'learning_rate': 2.3165329647832522e-05, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1830.88, 'epoch': 2.41}
	80%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 347/432 [2:58:17<41:33, 29.34s/it] 81%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 348/432 [2:58:49<42:06, 30.07s/it] {'loss': 0.7762, 'grad_norm': 0.11043676733970642, 'learning_rate': 2.2650944885063897e-05, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1802.58, 'epoch': 2.42}
	81%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 348/432 [2:58:49<42:06, 30.07s/it] 81%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 349/432 [2:59:23<43:18, 31.31s/it] {'loss': 0.7837, 'grad_norm': 0.1073077991604805, 'learning_rate': 2.214160502964783e-05, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1887.68, 'epoch': 2.42}
	81%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 349/432 [2:59:23<43:18, 31.31s/it] 81%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 350/432 [2:59:53<42:13, 30.89s/it] {'loss': 0.8455, 'grad_norm': 0.12652604281902313, 'learning_rate': 2.163734330205971e-05, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1834.8, 'epoch': 2.43}
	81%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 350/432 [2:59:53<42:13, 30.89s/it] 81%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 351/432 [3:00:27<42:56, 31.81s/it] {'loss': 0.7924, 'grad_norm': 0.0960283875465393, 'learning_rate': 2.1138192591566176e-05, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1834.94, 'epoch': 2.44}
	81%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 351/432 [3:00:27<42:56, 31.81s/it] 81%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 352/432 [3:00:58<42:12, 31.66s/it] {'loss': 0.8456, 'grad_norm': 0.10233157128095627, 'learning_rate': 2.0644185454079977e-05, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1847.96, 'epoch': 2.44}
	81%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 352/432 [3:00:58<42:12, 31.66s/it] 82%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 353/432 [3:01:31<42:18, 32.13s/it] {'loss': 0.8035, 'grad_norm': 0.10484486073255539, 'learning_rate': 2.0155354110036604e-05, 'memory/max_active (GiB)': 28.38, 'memory/max_allocated (GiB)': 28.38, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1786.65, 'epoch': 2.45}
	82%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 353/432 [3:01:31<42:18, 32.13s/it] 82%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 354/432 [3:02:01<40:38, 31.26s/it] {'loss': 0.835, 'grad_norm': 0.1015055924654007, 'learning_rate': 1.967173044229278e-05, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1884.13, 'epoch': 2.46}
	82%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 354/432 [3:02:01<40:38, 31.26s/it] 82%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 355/432 [3:02:31<39:41, 30.93s/it] {'loss': 0.8258, 'grad_norm': 0.1266254186630249, 'learning_rate': 1.919334599404696e-05, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1787.3, 'epoch': 2.47}
	82%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 355/432 [3:02:31<39:41, 30.93s/it] 82%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 356/432 [3:02:58<37:52, 29.90s/it] {'loss': 0.8396, 'grad_norm': 0.11822691559791565, 'learning_rate': 1.8720231966782063e-05, 'memory/max_active (GiB)': 26.06, 'memory/max_allocated (GiB)': 26.06, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1702.41, 'epoch': 2.47}
	82%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 356/432 [3:02:58<37:52, 29.90s/it] 83%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 357/432 [3:03:28<37:18, 29.84s/it] {'loss': 0.8544, 'grad_norm': 0.11631257086992264, 'learning_rate': 1.825241921823039e-05, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1804.36, 'epoch': 2.48}
	83%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 357/432 [3:03:28<37:18, 29.84s/it] 83%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 358/432 [3:03:56<35:59, 29.19s/it] {'loss': 0.9094, 'grad_norm': 0.10697708278894424, 'learning_rate': 1.7789938260360904e-05, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1795.64, 'epoch': 2.49}
	83%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 358/432 [3:03:56<35:59, 29.19s/it] 83%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 359/432 [3:04:30<37:30, 30.83s/it] {'loss': 0.8145, 'grad_norm': 0.09850968420505524, 'learning_rate': 1.733281925738939e-05, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1897.62, 'epoch': 2.49}
	83%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 359/432 [3:04:30<37:30, 30.83s/it] 83%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 360/432 [3:04:58<35:42, 29.76s/it] {'loss': 0.8407, 'grad_norm': 0.10670553892850876, 'learning_rate': 1.6881092023810853e-05, 'memory/max_active (GiB)': 25.17, 'memory/max_allocated (GiB)': 25.17, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1784.79, 'epoch': 2.5}
	83%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 360/432 [3:04:58<35:42, 29.76s/it] 84%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 361/432 [3:05:26<34:40, 29.30s/it] {'loss': 0.8405, 'grad_norm': 0.11095992475748062, 'learning_rate': 1.6434786022455073e-05, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1779.3, 'epoch': 2.51}
	84%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 361/432 [3:05:26<34:40, 29.30s/it] 84%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 362/432 [3:06:00<35:56, 30.80s/it] {'loss': 0.8309, 'grad_norm': 0.11120492219924927, 'learning_rate': 1.5993930362564835e-05, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1852.11, 'epoch': 2.51}
	84%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 362/432 [3:06:00<35:56, 30.80s/it] 84%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 363/432 [3:06:29<34:52, 30.33s/it] {'loss': 0.7261, 'grad_norm': 0.10228531807661057, 'learning_rate': 1.555855379789747e-05, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1748.01, 'epoch': 2.52}
	84%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 363/432 [3:06:29<34:52, 30.33s/it] 84%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 364/432 [3:07:00<34:22, 30.34s/it] {'loss': 0.8694, 'grad_norm': 0.11399529129266739, 'learning_rate': 1.512868472484943e-05, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1843.28, 'epoch': 2.53}
	84%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 364/432 [3:07:00<34:22, 30.34s/it] 84%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 365/432 [3:07:27<32:59, 29.54s/it] {'loss': 0.863, 'grad_norm': 0.13473452627658844, 'learning_rate': 1.4704351180604126e-05, 'memory/max_active (GiB)': 24.17, 'memory/max_allocated (GiB)': 24.17, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1790.94, 'epoch': 2.53}
	84%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 365/432 [3:07:27<32:59, 29.54s/it] 85%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 366/432 [3:07:57<32:36, 29.65s/it] {'loss': 0.8362, 'grad_norm': 0.11323491483926773, 'learning_rate': 1.428558084130338e-05, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1785.86, 'epoch': 2.54}
	85%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 366/432 [3:07:57<32:36, 29.65s/it] 85%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 367/432 [3:08:22<30:30, 28.17s/it] {'loss': 0.876, 'grad_norm': 0.13538388907909393, 'learning_rate': 1.3872401020242221e-05, 'memory/max_active (GiB)': 23.22, 'memory/max_allocated (GiB)': 23.22, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1801.53, 'epoch': 2.55}
	85%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 367/432 [3:08:22<30:30, 28.17s/it] 85%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 368/432 [3:08:51<30:22, 28.48s/it] {'loss': 0.8166, 'grad_norm': 0.0967227891087532, 'learning_rate': 1.346483866608751e-05, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1798.04, 'epoch': 2.56}
	85%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 368/432 [3:08:51<30:22, 28.48s/it] 85%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 369/432 [3:09:21<30:25, 28.98s/it] {'loss': 0.7985, 'grad_norm': 0.10000680387020111, 'learning_rate': 1.3062920361120223e-05, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1836.29, 'epoch': 2.56}
	85%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 369/432 [3:09:21<30:25, 28.98s/it] 86%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 370/432 [3:09:52<30:30, 29.52s/it] {'loss': 0.7586, 'grad_norm': 0.14123210310935974, 'learning_rate': 1.2666672319501738e-05, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1737.44, 'epoch': 2.57}
	86%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 370/432 [3:09:52<30:30, 29.52s/it] 86%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 371/432 [3:10:27<31:32, 31.02s/it] {'loss': 0.7202, 'grad_norm': 0.11604631692171097, 'learning_rate': 1.2276120385564004e-05, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1811.73, 'epoch': 2.58}
	86%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 371/432 [3:10:27<31:32, 31.02s/it] 86%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 372/432 [3:11:03<32:36, 32.61s/it] {'loss': 0.7902, 'grad_norm': 0.1004401445388794, 'learning_rate': 1.1891290032124002e-05, 'memory/max_active (GiB)': 27.2, 'memory/max_allocated (GiB)': 27.2, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1878.63, 'epoch': 2.58}
	86%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 372/432 [3:11:03<32:36, 32.61s/it] 86%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 373/432 [3:11:33<31:08, 31.67s/it] {'loss': 0.8919, 'grad_norm': 0.10621000081300735, 'learning_rate': 1.1512206358822263e-05, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1783.93, 'epoch': 2.59}
	86%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 373/432 [3:11:33<31:08, 31.67s/it] 87%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 374/432 [3:12:05<30:51, 31.92s/it] {'loss': 0.851, 'grad_norm': 0.11515773832798004, 'learning_rate': 1.1138894090485863e-05, 'memory/max_active (GiB)': 27.2, 'memory/max_allocated (GiB)': 27.2, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1795.49, 'epoch': 2.6}
	87%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 374/432 [3:12:05<30:51, 31.92s/it] 87%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 375/432 [3:12:43<32:07, 33.81s/it] {'loss': 0.7918, 'grad_norm': 0.09483210742473602, 'learning_rate': 1.0771377575515728e-05, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1844.05, 'epoch': 2.6}
	87%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 375/432 [3:12:43<32:07, 33.81s/it] 87%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 376/432 [3:13:09<29:15, 31.34s/it] {'loss': 0.8978, 'grad_norm': 0.10778528451919556, 'learning_rate': 1.0409680784298658e-05, 'memory/max_active (GiB)': 24.74, 'memory/max_allocated (GiB)': 24.74, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1807.42, 'epoch': 2.61}
	87%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 376/432 [3:13:09<29:15, 31.34s/it] 87%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 377/432 [3:13:43<29:31, 32.20s/it] {'loss': 0.789, 'grad_norm': 0.10410923510789871, 'learning_rate': 1.005382730764386e-05, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1810.88, 'epoch': 2.62}
	87%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 377/432 [3:13:43<29:31, 32.20s/it] 88%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 378/432 [3:14:13<28:27, 31.62s/it] {'loss': 0.7429, 'grad_norm': 0.09712324291467667, 'learning_rate': 9.703840355244286e-06, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1836.91, 'epoch': 2.62}
	88%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 378/432 [3:14:13<28:27, 31.62s/it] 88%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 379/432 [3:14:46<28:20, 32.08s/it] {'loss': 0.8078, 'grad_norm': 0.11279500275850296, 'learning_rate': 9.359742754162926e-06, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1691.65, 'epoch': 2.63}
	88%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 379/432 [3:14:46<28:20, 32.08s/it] 88%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 380/432 [3:15:20<28:08, 32.46s/it] {'loss': 0.8323, 'grad_norm': 0.09859468042850494, 'learning_rate': 9.02155694734379e-06, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1857.55, 'epoch': 2.64}
	88%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 380/432 [3:15:20<28:08, 32.46s/it] 88%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 381/432 [3:15:52<27:30, 32.35s/it] {'loss': 0.8181, 'grad_norm': 0.08730151504278183, 'learning_rate': 8.689304992148284e-06, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1895.18, 'epoch': 2.65}
	88%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 381/432 [3:15:52<27:30, 32.35s/it] 88%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 382/432 [3:16:26<27:30, 33.00s/it] {'loss': 0.8269, 'grad_norm': 0.10433226078748703, 'learning_rate': 8.363008558916574e-06, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1838.94, 'epoch': 2.65}
	88%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 382/432 [3:16:26<27:30, 33.00s/it] 89%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 383/432 [3:16:56<26:06, 31.96s/it] {'loss': 0.8538, 'grad_norm': 0.10719826817512512, 'learning_rate': 8.042688929554076e-06, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1876.39, 'epoch': 2.66}
	89%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 383/432 [3:16:56<26:06, 31.96s/it] 89%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 384/432 [3:17:28<25:36, 32.01s/it] {'loss': 0.8248, 'grad_norm': 0.10298610478639603, 'learning_rate': 7.7283669961434e-06, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1862.53, 'epoch': 2.67}
	89%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 384/432 [3:17:28<25:36, 32.01s/it] 89%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 385/432 [3:17:58<24:38, 31.47s/it] {'loss': 0.7747, 'grad_norm': 0.09885454922914505, 'learning_rate': 7.420063259581855e-06, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1829.41, 'epoch': 2.67}
	89%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 385/432 [3:17:58<24:38, 31.47s/it] 89%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 386/432 [3:18:30<24:09, 31.51s/it] {'loss': 0.7923, 'grad_norm': 0.1027243509888649, 'learning_rate': 7.117797828244177e-06, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1826.28, 'epoch': 2.68}
	89%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 386/432 [3:18:30<24:09, 31.51s/it] 90%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 387/432 [3:19:01<23:29, 31.31s/it] {'loss': 0.7689, 'grad_norm': 0.10491602122783661, 'learning_rate': 6.8215904166711084e-06, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1833.93, 'epoch': 2.69}
	90%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 387/432 [3:19:01<23:29, 31.31s/it] 90%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 388/432 [3:19:31<22:43, 30.98s/it] {'loss': 0.7892, 'grad_norm': 0.09954719245433807, 'learning_rate': 6.531460344283513e-06, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1822.87, 'epoch': 2.69}
	90%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 388/432 [3:19:31<22:43, 30.98s/it] 90%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 389/432 [3:20:04<22:34, 31.51s/it] {'loss': 0.8368, 'grad_norm': 0.1778382658958435, 'learning_rate': 6.247426534122292e-06, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1841.43, 'epoch': 2.7}
	90%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 389/432 [3:20:04<22:34, 31.51s/it] 90%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 390/432 [3:20:32<21:22, 30.54s/it] {'loss': 0.842, 'grad_norm': 0.11237037181854248, 'learning_rate': 5.969507511614225e-06, 'memory/max_active (GiB)': 26.25, 'memory/max_allocated (GiB)': 26.25, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1794.11, 'epoch': 2.71}
	90%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 390/432 [3:20:32<21:22, 30.54s/it] 91%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 391/432 [3:21:05<21:22, 31.28s/it] {'loss': 0.8278, 'grad_norm': 0.2676903009414673, 'learning_rate': 5.6977214033636985e-06, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1829.64, 'epoch': 2.72}
	91%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 391/432 [3:21:05<21:22, 31.28s/it] 91%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 392/432 [3:21:33<20:15, 30.40s/it] {'loss': 0.8265, 'grad_norm': 0.11570659279823303, 'learning_rate': 5.432085935970388e-06, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1768.22, 'epoch': 2.72}
	91%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 392/432 [3:21:33<20:15, 30.40s/it] 91%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 393/432 [3:22:02<19:27, 29.95s/it] {'loss': 0.8366, 'grad_norm': 0.12637855112552643, 'learning_rate': 5.172618434873111e-06, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1835.2, 'epoch': 2.73}
	91%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 393/432 [3:22:02<19:27, 29.95s/it] 91%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 394/432 [3:22:37<19:52, 31.39s/it] {'loss': 0.7843, 'grad_norm': 0.10351341217756271, 'learning_rate': 4.9193358232198174e-06, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1822.35, 'epoch': 2.74}
	91%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 394/432 [3:22:37<19:52, 31.39s/it] 91%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 395/432 [3:23:06<18:59, 30.79s/it] {'loss': 0.7466, 'grad_norm': 0.10283168405294418, 'learning_rate': 4.6722546207638385e-06, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1793.71, 'epoch': 2.74}
	91%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 395/432 [3:23:06<18:59, 30.79s/it] 92%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 396/432 [3:23:34<17:54, 29.84s/it] {'loss': 0.8289, 'grad_norm': 0.11357080191373825, 'learning_rate': 4.4313909427863956e-06, 'memory/max_active (GiB)': 23.7, 'memory/max_allocated (GiB)': 23.7, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1787.84, 'epoch': 2.75}
	92%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 396/432 [3:23:34<17:54, 29.84s/it] 92%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 397/432 [3:24:01<16:58, 29.11s/it] {'loss': 0.809, 'grad_norm': 0.10671019554138184, 'learning_rate': 4.1967604990455045e-06, 'memory/max_active (GiB)': 27.0, 'memory/max_allocated (GiB)': 27.0, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1803.11, 'epoch': 2.76}
	92%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 397/432 [3:24:01<16:58, 29.11s/it] 92%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 398/432 [3:24:32<16:47, 29.63s/it] {'loss': 0.8229, 'grad_norm': 0.09226933121681213, 'learning_rate': 3.968378592751398e-06, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1904.67, 'epoch': 2.76}
	92%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 398/432 [3:24:32<16:47, 29.63s/it] 92%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 399/432 [3:25:04<16:37, 30.24s/it] {'loss': 0.8109, 'grad_norm': 0.09880439937114716, 'learning_rate': 3.746260119568368e-06, 'memory/max_active (GiB)': 26.26, 'memory/max_allocated (GiB)': 26.26, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1828.43, 'epoch': 2.77}
	92%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 399/432 [3:25:04<16:37, 30.24s/it] 93%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 400/432 [3:25:38<16:46, 31.44s/it] {'loss': 0.7738, 'grad_norm': 0.10233703255653381, 'learning_rate': 3.5304195666432395e-06, 'memory/max_active (GiB)': 27.2, 'memory/max_allocated (GiB)': 27.2, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1919.92, 'epoch': 2.78}
	93%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 400/432 [3:25:38<16:46, 31.44s/it][2025-12-26 01:54:20,343] [INFO] [axolotl.core.trainers.base._save:671] [PID:1133] Saving model checkpoint to ./outputs/qwen25-coder-n8n/checkpoint-400
	93%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 401/432 [3:26:13<16:44, 32.42s/it] {'loss': 0.7759, 'grad_norm': 0.17234432697296143, 'learning_rate': 3.320871011660498e-06, 'memory/max_active (GiB)': 27.2, 'memory/max_allocated (GiB)': 27.2, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1855.88, 'epoch': 2.78}
	93%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 401/432 [3:26:13<16:44, 32.42s/it] 93%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 402/432 [3:26:40<15:22, 30.74s/it] {'loss': 0.758, 'grad_norm': 0.11207076907157898, 'learning_rate': 3.1176281219240654e-06, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1696.22, 'epoch': 2.79}
	93%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 402/432 [3:26:40<15:22, 30.74s/it] 93%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 403/432 [3:27:05<14:07, 29.23s/it] {'loss': 0.7431, 'grad_norm': 0.1065332219004631, 'learning_rate': 2.9207041534659363e-06, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1730.88, 'epoch': 2.8}
	93%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 403/432 [3:27:05<14:07, 29.23s/it] 94%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 404/432 [3:27:38<14:02, 30.10s/it] {'loss': 0.7671, 'grad_norm': 0.10551347583532333, 'learning_rate': 2.7301119501815465e-06, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1759.12, 'epoch': 2.81}
	94%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 404/432 [3:27:38<14:02, 30.10s/it] 94%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 405/432 [3:28:01<12:41, 28.21s/it] {'loss': 0.9049, 'grad_norm': 0.11033763736486435, 'learning_rate': 2.5458639429921105e-06, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1774.92, 'epoch': 2.81}
	94%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 405/432 [3:28:01<12:41, 28.21s/it] 94%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 406/432 [3:28:31<12:25, 28.68s/it] {'loss': 0.8182, 'grad_norm': 0.10400108247995377, 'learning_rate': 2.367972149033726e-06, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1869.76, 'epoch': 2.82}
	94%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 406/432 [3:28:31<12:25, 28.68s/it] 94%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 407/432 [3:29:09<13:07, 31.48s/it] {'loss': 0.7896, 'grad_norm': 0.09419360011816025, 'learning_rate': 2.196448170873755e-06, 'memory/max_active (GiB)': 27.2, 'memory/max_allocated (GiB)': 27.2, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1841.64, 'epoch': 2.83}
	94%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 407/432 [3:29:09<13:07, 31.48s/it] 94%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 408/432 [3:29:45<13:06, 32.75s/it] {'loss': 0.8237, 'grad_norm': 0.13284596800804138, 'learning_rate': 2.0313031957539197e-06, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1806.24, 'epoch': 2.83}
	94%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 408/432 [3:29:45<13:06, 32.75s/it] 95%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 409/432 [3:30:13<12:04, 31.48s/it] {'loss': 0.8572, 'grad_norm': 0.12487660348415375, 'learning_rate': 1.8725479948607516e-06, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1794.14, 'epoch': 2.84}
	95%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 409/432 [3:30:13<12:04, 31.48s/it] 95%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 410/432 [3:30:37<10:43, 29.24s/it] {'loss': 0.7738, 'grad_norm': 0.1171218752861023, 'learning_rate': 1.7201929226229875e-06, 'memory/max_active (GiB)': 26.06, 'memory/max_allocated (GiB)': 26.06, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1853.84, 'epoch': 2.85}
	95%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 410/432 [3:30:37<10:43, 29.24s/it] 95%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 411/432 [3:31:09<10:30, 30.01s/it] {'loss': 0.8106, 'grad_norm': 0.10732091963291168, 'learning_rate': 1.5742479160362978e-06, 'memory/max_active (GiB)': 27.01, 'memory/max_allocated (GiB)': 27.01, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1838.76, 'epoch': 2.85}
	95%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 411/432 [3:31:09<10:30, 30.01s/it] 95%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 412/432 [3:31:33<09:23, 28.15s/it] {'loss': 0.8634, 'grad_norm': 0.11473925411701202, 'learning_rate': 1.4347224940150838e-06, 'memory/max_active (GiB)': 26.06, 'memory/max_allocated (GiB)': 26.06, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1760.57, 'epoch': 2.86}
	95%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 412/432 [3:31:33<09:23, 28.15s/it] 96%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 413/432 [3:32:02<08:57, 28.31s/it] {'loss': 0.8708, 'grad_norm': 0.11678808927536011, 'learning_rate': 1.3016257567717294e-06, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1850.53, 'epoch': 2.87}
	96%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 413/432 [3:32:02<08:57, 28.31s/it] 96%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 414/432 [3:32:30<08:27, 28.17s/it] {'loss': 0.8422, 'grad_norm': 0.13239774107933044, 'learning_rate': 1.1749663852229864e-06, 'memory/max_active (GiB)': 25.31, 'memory/max_allocated (GiB)': 25.31, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1811.16, 'epoch': 2.88}
	96%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 414/432 [3:32:30<08:27, 28.17s/it] 96%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 415/432 [3:33:08<08:49, 31.14s/it] {'loss': 0.8549, 'grad_norm': 0.09804488718509674, 'learning_rate': 1.054752640423784e-06, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1863.58, 'epoch': 2.88}
	96%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 415/432 [3:33:08<08:49, 31.14s/it] 96%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 416/432 [3:33:38<08:13, 30.83s/it] {'loss': 0.8647, 'grad_norm': 0.09605742990970612, 'learning_rate': 9.409923630284812e-07, 'memory/max_active (GiB)': 24.74, 'memory/max_allocated (GiB)': 24.74, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1863.86, 'epoch': 2.89}
	96%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 416/432 [3:33:38<08:13, 30.83s/it] 97%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 417/432 [3:34:06<07:33, 30.21s/it] {'loss': 0.8128, 'grad_norm': 0.12115737795829773, 'learning_rate': 8.336929727794319e-07, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1758.19, 'epoch': 2.9}
	97%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 417/432 [3:34:06<07:33, 30.21s/it] 97%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 418/432 [3:34:34<06:52, 29.50s/it] {'loss': 0.8259, 'grad_norm': 0.13504910469055176, 'learning_rate': 7.328614680230495e-07, 'memory/max_active (GiB)': 26.49, 'memory/max_allocated (GiB)': 26.49, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1738.62, 'epoch': 2.9}
	97%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 418/432 [3:34:34<06:52, 29.50s/it] 97%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 419/432 [3:35:03<06:21, 29.33s/it] {'loss': 0.7902, 'grad_norm': 0.13194741308689117, 'learning_rate': 6.385044252533723e-07, 'memory/max_active (GiB)': 25.68, 'memory/max_allocated (GiB)': 25.68, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1703.42, 'epoch': 2.91}
	97%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 419/432 [3:35:03<06:21, 29.33s/it] 97%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 420/432 [3:35:35<05:59, 29.93s/it] {'loss': 0.7756, 'grad_norm': 0.10325660556554794, 'learning_rate': 5.506279986831064e-07, 'memory/max_active (GiB)': 27.95, 'memory/max_allocated (GiB)': 27.95, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1853.06, 'epoch': 2.92}
	97%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 420/432 [3:35:35<05:59, 29.93s/it] 97%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 421/432 [3:36:04<05:26, 29.64s/it] {'loss': 0.8261, 'grad_norm': 0.12070223689079285, 'learning_rate': 4.6923791984228025e-07, 'memory/max_active (GiB)': 28.38, 'memory/max_allocated (GiB)': 28.38, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1775.28, 'epoch': 2.92}
	97%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 421/432 [3:36:04<05:26, 29.64s/it] 98%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 422/432 [3:36:28<04:40, 28.06s/it] {'loss': 0.8389, 'grad_norm': 0.15000122785568237, 'learning_rate': 3.943394972043546e-07, 'memory/max_active (GiB)': 23.7, 'memory/max_allocated (GiB)': 23.7, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1706.5, 'epoch': 2.93}
	98%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 422/432 [3:36:28<04:40, 28.06s/it] 98%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 423/432 [3:36:56<04:14, 28.22s/it] {'loss': 0.8162, 'grad_norm': 0.20373791456222534, 'learning_rate': 3.259376158400329e-07, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1808.55, 'epoch': 2.94}
	98%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 423/432 [3:36:56<04:14, 28.22s/it] 98%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 424/432 [3:37:32<04:03, 30.41s/it] {'loss': 0.8391, 'grad_norm': 0.09305896610021591, 'learning_rate': 2.640367370986385e-07, 'memory/max_active (GiB)': 26.26, 'memory/max_allocated (GiB)': 26.26, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1879.83, 'epoch': 2.94}
	98%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 424/432 [3:37:32<04:03, 30.41s/it] 98%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 425/432 [3:38:08<03:44, 32.08s/it] {'loss': 0.7987, 'grad_norm': 0.10039401054382324, 'learning_rate': 2.0864089831711396e-07, 'memory/max_active (GiB)': 28.9, 'memory/max_allocated (GiB)': 28.9, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1840.29, 'epoch': 2.95}
	98%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 425/432 [3:38:08<03:44, 32.08s/it] 99%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 426/432 [3:38:40<03:12, 32.15s/it] {'loss': 0.7855, 'grad_norm': 0.1038123145699501, 'learning_rate': 1.5975371255672056e-07, 'memory/max_active (GiB)': 27.2, 'memory/max_allocated (GiB)': 27.2, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1804.61, 'epoch': 2.96}
	99%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 426/432 [3:38:40<03:12, 32.15s/it] 99%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 427/432 [3:39:11<02:38, 31.62s/it] {'loss': 0.817, 'grad_norm': 0.10045933723449707, 'learning_rate': 1.1737836836737126e-07, 'memory/max_active (GiB)': 26.26, 'memory/max_allocated (GiB)': 26.26, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1764.93, 'epoch': 2.97}
	99%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 427/432 [3:39:11<02:38, 31.62s/it] 99%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 428/432 [3:39:44<02:08, 32.10s/it] {'loss': 0.758, 'grad_norm': 0.08594603836536407, 'learning_rate': 8.15176295796638e-08, 'memory/max_active (GiB)': 27.2, 'memory/max_allocated (GiB)': 27.2, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1886.3, 'epoch': 2.97}
	99%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 428/432 [3:39:44<02:08, 32.10s/it] 99%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 429/432 [3:40:15<01:35, 31.91s/it] {'loss': 0.8586, 'grad_norm': 0.12988920509815216, 'learning_rate': 5.217383512463592e-08, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1827.15, 'epoch': 2.98}
	99%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 429/432 [3:40:15<01:35, 31.91s/it] 100%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍\| 430/432 [3:40:51<01:06, 33.14s/it] {'loss': 0.8207, 'grad_norm': 0.10698951780796051, 'learning_rate': 2.934889888116521e-08, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1801.91, 'epoch': 2.99}
	100%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍\| 430/432 [3:40:51<01:06, 33.14s/it] 100%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋\| 431/432 [3:41:26<00:33, 33.47s/it] {'loss': 0.8343, 'grad_norm': 0.10340207070112228, 'learning_rate': 1.3044309551213386e-08, 'memory/max_active (GiB)': 28.15, 'memory/max_allocated (GiB)': 28.15, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1886.96, 'epoch': 2.99}
	100%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋\| 431/432 [3:41:26<00:33, 33.47s/it] 100%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████\| 432/432 [3:41:56<00:00, 32.47s/it] {'loss': 0.7904, 'grad_norm': 0.11241187155246735, 'learning_rate': 3.2611305626706336e-09, 'memory/max_active (GiB)': 25.11, 'memory/max_allocated (GiB)': 25.11, 'memory/device_reserved (GiB)': 32.41, 'tokens_per_second_per_gpu': 1793.6, 'epoch': 3.0}
	100%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████\| 432/432 [3:41:56<00:00, 32.47s/it][2025-12-26 02:10:37,941] [INFO] [axolotl.core.trainers.base._save:671] [PID:1133] Saving model checkpoint to ./outputs/qwen25-coder-n8n/checkpoint-432
	{'train_runtime': 13317.4275, 'train_samples_per_second': 0.519, 'train_steps_per_second': 0.032, 'train_loss': 0.8797789990074105, 'memory/max_active (GiB)': 10.22, 'memory/max_allocated (GiB)': 10.22, 'memory/device_reserved (GiB)': 32.41, 'epoch': 3.0}
	100%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████\| 432/432 [3:41:57<00:00, 32.47s/it] 100%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████\| 432/432 [3:41:57<00:00, 30.83s/it]
	[2025-12-26 02:10:39,329] [INFO] [axolotl.train.save_trained_model:218] [PID:1133] Training completed! Saving trained model to ./outputs/qwen25-coder-n8n.
	[2025-12-26 02:10:40,085] [INFO] [axolotl.train.save_trained_model:336] [PID:1133] Model successfully saved to ./outputs/qwen25-coder-n8n