Upload folder using huggingface_hub
Browse files- checkpoint-40000/config.json +38 -0
- checkpoint-40000/generation_config.json +6 -0
- checkpoint-40000/merges.txt +0 -0
- checkpoint-40000/model.safetensors +3 -0
- checkpoint-40000/optimizer.pt +3 -0
- checkpoint-40000/rng_state.pth +3 -0
- checkpoint-40000/scheduler.pt +3 -0
- checkpoint-40000/special_tokens_map.json +24 -0
- checkpoint-40000/tokenizer_config.json +23 -0
- checkpoint-40000/trainer_state.json +2907 -0
- checkpoint-40000/training_args.bin +3 -0
- checkpoint-40000/vocab.json +0 -0
- checkpoint-45000/config.json +38 -0
- checkpoint-45000/generation_config.json +6 -0
- checkpoint-45000/merges.txt +0 -0
- checkpoint-45000/model.safetensors +3 -0
- checkpoint-45000/optimizer.pt +3 -0
- checkpoint-45000/rng_state.pth +3 -0
- checkpoint-45000/scheduler.pt +3 -0
- checkpoint-45000/special_tokens_map.json +24 -0
- checkpoint-45000/tokenizer_config.json +23 -0
- checkpoint-45000/trainer_state.json +3265 -0
- checkpoint-45000/training_args.bin +3 -0
- checkpoint-45000/vocab.json +0 -0
- config.json +38 -0
- generation_config.json +6 -0
- merges.txt +0 -0
- model.safetensors +3 -0
- special_tokens_map.json +24 -0
- tokenizer_config.json +23 -0
- vocab.json +0 -0
checkpoint-40000/config.json
ADDED
|
@@ -0,0 +1,38 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"activation_function": "gelu_new",
|
| 3 |
+
"architectures": [
|
| 4 |
+
"GPT2LMHeadModel"
|
| 5 |
+
],
|
| 6 |
+
"attn_pdrop": 0.1,
|
| 7 |
+
"bos_token_id": 50256,
|
| 8 |
+
"embd_pdrop": 0.1,
|
| 9 |
+
"eos_token_id": 50256,
|
| 10 |
+
"initializer_range": 0.02,
|
| 11 |
+
"layer_norm_epsilon": 1e-05,
|
| 12 |
+
"model_type": "gpt2",
|
| 13 |
+
"n_ctx": 1024,
|
| 14 |
+
"n_embd": 768,
|
| 15 |
+
"n_head": 12,
|
| 16 |
+
"n_inner": null,
|
| 17 |
+
"n_layer": 12,
|
| 18 |
+
"n_positions": 1024,
|
| 19 |
+
"reorder_and_upcast_attn": false,
|
| 20 |
+
"resid_pdrop": 0.1,
|
| 21 |
+
"scale_attn_by_inverse_layer_idx": false,
|
| 22 |
+
"scale_attn_weights": true,
|
| 23 |
+
"summary_activation": null,
|
| 24 |
+
"summary_first_dropout": 0.1,
|
| 25 |
+
"summary_proj_to_labels": true,
|
| 26 |
+
"summary_type": "cls_index",
|
| 27 |
+
"summary_use_proj": true,
|
| 28 |
+
"task_specific_params": {
|
| 29 |
+
"text-generation": {
|
| 30 |
+
"do_sample": true,
|
| 31 |
+
"max_length": 50
|
| 32 |
+
}
|
| 33 |
+
},
|
| 34 |
+
"torch_dtype": "float32",
|
| 35 |
+
"transformers_version": "4.52.4",
|
| 36 |
+
"use_cache": true,
|
| 37 |
+
"vocab_size": 50257
|
| 38 |
+
}
|
checkpoint-40000/generation_config.json
ADDED
|
@@ -0,0 +1,6 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"_from_model_config": true,
|
| 3 |
+
"bos_token_id": 50256,
|
| 4 |
+
"eos_token_id": 50256,
|
| 5 |
+
"transformers_version": "4.52.4"
|
| 6 |
+
}
|
checkpoint-40000/merges.txt
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|
checkpoint-40000/model.safetensors
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:163d230ce12799dc97b168faa1075a640b0f1955ed6f6ac4c1bc8fda0d73aecb
|
| 3 |
+
size 497774208
|
checkpoint-40000/optimizer.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:99d21807ea06fe700683477a415ae5004f84503be37f9d31b975faa5e24a0250
|
| 3 |
+
size 995642298
|
checkpoint-40000/rng_state.pth
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:76bee4113ca691962a7f4cc5e3fb3089c2623053c5ff5caf2b5a5cda263b201c
|
| 3 |
+
size 14244
|
checkpoint-40000/scheduler.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:c907a2f2b37d498e65b6da072b0c0c2eeae2ebab4b3d1bb5dc2c5b68e457eaf8
|
| 3 |
+
size 1064
|
checkpoint-40000/special_tokens_map.json
ADDED
|
@@ -0,0 +1,24 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"bos_token": {
|
| 3 |
+
"content": "<|endoftext|>",
|
| 4 |
+
"lstrip": false,
|
| 5 |
+
"normalized": true,
|
| 6 |
+
"rstrip": false,
|
| 7 |
+
"single_word": false
|
| 8 |
+
},
|
| 9 |
+
"eos_token": {
|
| 10 |
+
"content": "<|endoftext|>",
|
| 11 |
+
"lstrip": false,
|
| 12 |
+
"normalized": true,
|
| 13 |
+
"rstrip": false,
|
| 14 |
+
"single_word": false
|
| 15 |
+
},
|
| 16 |
+
"pad_token": "<|endoftext|>",
|
| 17 |
+
"unk_token": {
|
| 18 |
+
"content": "<|endoftext|>",
|
| 19 |
+
"lstrip": false,
|
| 20 |
+
"normalized": true,
|
| 21 |
+
"rstrip": false,
|
| 22 |
+
"single_word": false
|
| 23 |
+
}
|
| 24 |
+
}
|
checkpoint-40000/tokenizer_config.json
ADDED
|
@@ -0,0 +1,23 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"add_bos_token": false,
|
| 3 |
+
"add_prefix_space": false,
|
| 4 |
+
"added_tokens_decoder": {
|
| 5 |
+
"50256": {
|
| 6 |
+
"content": "<|endoftext|>",
|
| 7 |
+
"lstrip": false,
|
| 8 |
+
"normalized": true,
|
| 9 |
+
"rstrip": false,
|
| 10 |
+
"single_word": false,
|
| 11 |
+
"special": true
|
| 12 |
+
}
|
| 13 |
+
},
|
| 14 |
+
"bos_token": "<|endoftext|>",
|
| 15 |
+
"clean_up_tokenization_spaces": false,
|
| 16 |
+
"eos_token": "<|endoftext|>",
|
| 17 |
+
"errors": "replace",
|
| 18 |
+
"extra_special_tokens": {},
|
| 19 |
+
"model_max_length": 1024,
|
| 20 |
+
"pad_token": "<|endoftext|>",
|
| 21 |
+
"tokenizer_class": "GPT2Tokenizer",
|
| 22 |
+
"unk_token": "<|endoftext|>"
|
| 23 |
+
}
|
checkpoint-40000/trainer_state.json
ADDED
|
@@ -0,0 +1,2907 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_global_step": 40000,
|
| 3 |
+
"best_metric": 0.11772522330284119,
|
| 4 |
+
"best_model_checkpoint": "/content/drive/MyDrive/chatbot/gpt2-finetuned-uet/checkpoint-40000",
|
| 5 |
+
"epoch": 3.5555555555555554,
|
| 6 |
+
"eval_steps": 5000,
|
| 7 |
+
"global_step": 40000,
|
| 8 |
+
"is_hyper_param_search": false,
|
| 9 |
+
"is_local_process_zero": true,
|
| 10 |
+
"is_world_process_zero": true,
|
| 11 |
+
"log_history": [
|
| 12 |
+
{
|
| 13 |
+
"epoch": 0.008888888888888889,
|
| 14 |
+
"grad_norm": 6.82129430770874,
|
| 15 |
+
"learning_rate": 2.9934000000000002e-05,
|
| 16 |
+
"loss": 0.9164,
|
| 17 |
+
"step": 100
|
| 18 |
+
},
|
| 19 |
+
{
|
| 20 |
+
"epoch": 0.017777777777777778,
|
| 21 |
+
"grad_norm": 5.949863433837891,
|
| 22 |
+
"learning_rate": 2.9867333333333335e-05,
|
| 23 |
+
"loss": 0.2066,
|
| 24 |
+
"step": 200
|
| 25 |
+
},
|
| 26 |
+
{
|
| 27 |
+
"epoch": 0.02666666666666667,
|
| 28 |
+
"grad_norm": 4.183337211608887,
|
| 29 |
+
"learning_rate": 2.9800666666666667e-05,
|
| 30 |
+
"loss": 0.1721,
|
| 31 |
+
"step": 300
|
| 32 |
+
},
|
| 33 |
+
{
|
| 34 |
+
"epoch": 0.035555555555555556,
|
| 35 |
+
"grad_norm": 4.205233573913574,
|
| 36 |
+
"learning_rate": 2.9734e-05,
|
| 37 |
+
"loss": 0.1537,
|
| 38 |
+
"step": 400
|
| 39 |
+
},
|
| 40 |
+
{
|
| 41 |
+
"epoch": 0.044444444444444446,
|
| 42 |
+
"grad_norm": 3.5019726753234863,
|
| 43 |
+
"learning_rate": 2.9667333333333333e-05,
|
| 44 |
+
"loss": 0.138,
|
| 45 |
+
"step": 500
|
| 46 |
+
},
|
| 47 |
+
{
|
| 48 |
+
"epoch": 0.05333333333333334,
|
| 49 |
+
"grad_norm": 3.7419962882995605,
|
| 50 |
+
"learning_rate": 2.9600666666666666e-05,
|
| 51 |
+
"loss": 0.1372,
|
| 52 |
+
"step": 600
|
| 53 |
+
},
|
| 54 |
+
{
|
| 55 |
+
"epoch": 0.06222222222222222,
|
| 56 |
+
"grad_norm": 4.127668380737305,
|
| 57 |
+
"learning_rate": 2.9534000000000002e-05,
|
| 58 |
+
"loss": 0.1348,
|
| 59 |
+
"step": 700
|
| 60 |
+
},
|
| 61 |
+
{
|
| 62 |
+
"epoch": 0.07111111111111111,
|
| 63 |
+
"grad_norm": 5.248896598815918,
|
| 64 |
+
"learning_rate": 2.9467333333333335e-05,
|
| 65 |
+
"loss": 0.1268,
|
| 66 |
+
"step": 800
|
| 67 |
+
},
|
| 68 |
+
{
|
| 69 |
+
"epoch": 0.08,
|
| 70 |
+
"grad_norm": 4.989108562469482,
|
| 71 |
+
"learning_rate": 2.9400666666666668e-05,
|
| 72 |
+
"loss": 0.1249,
|
| 73 |
+
"step": 900
|
| 74 |
+
},
|
| 75 |
+
{
|
| 76 |
+
"epoch": 0.08888888888888889,
|
| 77 |
+
"grad_norm": 3.937284231185913,
|
| 78 |
+
"learning_rate": 2.9334e-05,
|
| 79 |
+
"loss": 0.1247,
|
| 80 |
+
"step": 1000
|
| 81 |
+
},
|
| 82 |
+
{
|
| 83 |
+
"epoch": 0.09777777777777778,
|
| 84 |
+
"grad_norm": 4.6740522384643555,
|
| 85 |
+
"learning_rate": 2.9267333333333334e-05,
|
| 86 |
+
"loss": 0.1241,
|
| 87 |
+
"step": 1100
|
| 88 |
+
},
|
| 89 |
+
{
|
| 90 |
+
"epoch": 0.10666666666666667,
|
| 91 |
+
"grad_norm": 5.112093448638916,
|
| 92 |
+
"learning_rate": 2.9200666666666666e-05,
|
| 93 |
+
"loss": 0.1237,
|
| 94 |
+
"step": 1200
|
| 95 |
+
},
|
| 96 |
+
{
|
| 97 |
+
"epoch": 0.11555555555555555,
|
| 98 |
+
"grad_norm": 4.429466247558594,
|
| 99 |
+
"learning_rate": 2.9134e-05,
|
| 100 |
+
"loss": 0.1233,
|
| 101 |
+
"step": 1300
|
| 102 |
+
},
|
| 103 |
+
{
|
| 104 |
+
"epoch": 0.12444444444444444,
|
| 105 |
+
"grad_norm": 3.7811667919158936,
|
| 106 |
+
"learning_rate": 2.9067333333333332e-05,
|
| 107 |
+
"loss": 0.1224,
|
| 108 |
+
"step": 1400
|
| 109 |
+
},
|
| 110 |
+
{
|
| 111 |
+
"epoch": 0.13333333333333333,
|
| 112 |
+
"grad_norm": 3.949687957763672,
|
| 113 |
+
"learning_rate": 2.9000666666666668e-05,
|
| 114 |
+
"loss": 0.1221,
|
| 115 |
+
"step": 1500
|
| 116 |
+
},
|
| 117 |
+
{
|
| 118 |
+
"epoch": 0.14222222222222222,
|
| 119 |
+
"grad_norm": 4.339414119720459,
|
| 120 |
+
"learning_rate": 2.8934e-05,
|
| 121 |
+
"loss": 0.1208,
|
| 122 |
+
"step": 1600
|
| 123 |
+
},
|
| 124 |
+
{
|
| 125 |
+
"epoch": 0.1511111111111111,
|
| 126 |
+
"grad_norm": 4.27586030960083,
|
| 127 |
+
"learning_rate": 2.8867333333333334e-05,
|
| 128 |
+
"loss": 0.1236,
|
| 129 |
+
"step": 1700
|
| 130 |
+
},
|
| 131 |
+
{
|
| 132 |
+
"epoch": 0.16,
|
| 133 |
+
"grad_norm": 3.8597822189331055,
|
| 134 |
+
"learning_rate": 2.8800666666666667e-05,
|
| 135 |
+
"loss": 0.1211,
|
| 136 |
+
"step": 1800
|
| 137 |
+
},
|
| 138 |
+
{
|
| 139 |
+
"epoch": 0.1688888888888889,
|
| 140 |
+
"grad_norm": 4.734971046447754,
|
| 141 |
+
"learning_rate": 2.8734e-05,
|
| 142 |
+
"loss": 0.122,
|
| 143 |
+
"step": 1900
|
| 144 |
+
},
|
| 145 |
+
{
|
| 146 |
+
"epoch": 0.17777777777777778,
|
| 147 |
+
"grad_norm": 3.8875231742858887,
|
| 148 |
+
"learning_rate": 2.8667333333333333e-05,
|
| 149 |
+
"loss": 0.1213,
|
| 150 |
+
"step": 2000
|
| 151 |
+
},
|
| 152 |
+
{
|
| 153 |
+
"epoch": 0.18666666666666668,
|
| 154 |
+
"grad_norm": 2.6618669033050537,
|
| 155 |
+
"learning_rate": 2.8600666666666665e-05,
|
| 156 |
+
"loss": 0.1218,
|
| 157 |
+
"step": 2100
|
| 158 |
+
},
|
| 159 |
+
{
|
| 160 |
+
"epoch": 0.19555555555555557,
|
| 161 |
+
"grad_norm": 3.809056043624878,
|
| 162 |
+
"learning_rate": 2.8534e-05,
|
| 163 |
+
"loss": 0.1236,
|
| 164 |
+
"step": 2200
|
| 165 |
+
},
|
| 166 |
+
{
|
| 167 |
+
"epoch": 0.20444444444444446,
|
| 168 |
+
"grad_norm": 4.541649341583252,
|
| 169 |
+
"learning_rate": 2.8467333333333334e-05,
|
| 170 |
+
"loss": 0.1211,
|
| 171 |
+
"step": 2300
|
| 172 |
+
},
|
| 173 |
+
{
|
| 174 |
+
"epoch": 0.21333333333333335,
|
| 175 |
+
"grad_norm": 3.4047656059265137,
|
| 176 |
+
"learning_rate": 2.8400666666666667e-05,
|
| 177 |
+
"loss": 0.1221,
|
| 178 |
+
"step": 2400
|
| 179 |
+
},
|
| 180 |
+
{
|
| 181 |
+
"epoch": 0.2222222222222222,
|
| 182 |
+
"grad_norm": 3.6217405796051025,
|
| 183 |
+
"learning_rate": 2.8334e-05,
|
| 184 |
+
"loss": 0.1211,
|
| 185 |
+
"step": 2500
|
| 186 |
+
},
|
| 187 |
+
{
|
| 188 |
+
"epoch": 0.2311111111111111,
|
| 189 |
+
"grad_norm": 3.8457906246185303,
|
| 190 |
+
"learning_rate": 2.8267333333333333e-05,
|
| 191 |
+
"loss": 0.122,
|
| 192 |
+
"step": 2600
|
| 193 |
+
},
|
| 194 |
+
{
|
| 195 |
+
"epoch": 0.24,
|
| 196 |
+
"grad_norm": 5.507346153259277,
|
| 197 |
+
"learning_rate": 2.8200666666666666e-05,
|
| 198 |
+
"loss": 0.1207,
|
| 199 |
+
"step": 2700
|
| 200 |
+
},
|
| 201 |
+
{
|
| 202 |
+
"epoch": 0.24888888888888888,
|
| 203 |
+
"grad_norm": 4.867903232574463,
|
| 204 |
+
"learning_rate": 2.8134e-05,
|
| 205 |
+
"loss": 0.1201,
|
| 206 |
+
"step": 2800
|
| 207 |
+
},
|
| 208 |
+
{
|
| 209 |
+
"epoch": 0.2577777777777778,
|
| 210 |
+
"grad_norm": 3.717101573944092,
|
| 211 |
+
"learning_rate": 2.806733333333333e-05,
|
| 212 |
+
"loss": 0.1202,
|
| 213 |
+
"step": 2900
|
| 214 |
+
},
|
| 215 |
+
{
|
| 216 |
+
"epoch": 0.26666666666666666,
|
| 217 |
+
"grad_norm": 3.990020990371704,
|
| 218 |
+
"learning_rate": 2.8000666666666668e-05,
|
| 219 |
+
"loss": 0.1214,
|
| 220 |
+
"step": 3000
|
| 221 |
+
},
|
| 222 |
+
{
|
| 223 |
+
"epoch": 0.27555555555555555,
|
| 224 |
+
"grad_norm": 3.9653103351593018,
|
| 225 |
+
"learning_rate": 2.7934e-05,
|
| 226 |
+
"loss": 0.1195,
|
| 227 |
+
"step": 3100
|
| 228 |
+
},
|
| 229 |
+
{
|
| 230 |
+
"epoch": 0.28444444444444444,
|
| 231 |
+
"grad_norm": 3.743941068649292,
|
| 232 |
+
"learning_rate": 2.7867333333333333e-05,
|
| 233 |
+
"loss": 0.1209,
|
| 234 |
+
"step": 3200
|
| 235 |
+
},
|
| 236 |
+
{
|
| 237 |
+
"epoch": 0.29333333333333333,
|
| 238 |
+
"grad_norm": 4.509164333343506,
|
| 239 |
+
"learning_rate": 2.7800666666666666e-05,
|
| 240 |
+
"loss": 0.1204,
|
| 241 |
+
"step": 3300
|
| 242 |
+
},
|
| 243 |
+
{
|
| 244 |
+
"epoch": 0.3022222222222222,
|
| 245 |
+
"grad_norm": 4.283110618591309,
|
| 246 |
+
"learning_rate": 2.7734e-05,
|
| 247 |
+
"loss": 0.1205,
|
| 248 |
+
"step": 3400
|
| 249 |
+
},
|
| 250 |
+
{
|
| 251 |
+
"epoch": 0.3111111111111111,
|
| 252 |
+
"grad_norm": 3.8113884925842285,
|
| 253 |
+
"learning_rate": 2.7667333333333332e-05,
|
| 254 |
+
"loss": 0.1184,
|
| 255 |
+
"step": 3500
|
| 256 |
+
},
|
| 257 |
+
{
|
| 258 |
+
"epoch": 0.32,
|
| 259 |
+
"grad_norm": 3.287177801132202,
|
| 260 |
+
"learning_rate": 2.7600666666666665e-05,
|
| 261 |
+
"loss": 0.1201,
|
| 262 |
+
"step": 3600
|
| 263 |
+
},
|
| 264 |
+
{
|
| 265 |
+
"epoch": 0.3288888888888889,
|
| 266 |
+
"grad_norm": 4.167423248291016,
|
| 267 |
+
"learning_rate": 2.7533999999999998e-05,
|
| 268 |
+
"loss": 0.119,
|
| 269 |
+
"step": 3700
|
| 270 |
+
},
|
| 271 |
+
{
|
| 272 |
+
"epoch": 0.3377777777777778,
|
| 273 |
+
"grad_norm": 4.485795974731445,
|
| 274 |
+
"learning_rate": 2.7467333333333334e-05,
|
| 275 |
+
"loss": 0.121,
|
| 276 |
+
"step": 3800
|
| 277 |
+
},
|
| 278 |
+
{
|
| 279 |
+
"epoch": 0.3466666666666667,
|
| 280 |
+
"grad_norm": 3.1703178882598877,
|
| 281 |
+
"learning_rate": 2.7400666666666667e-05,
|
| 282 |
+
"loss": 0.1186,
|
| 283 |
+
"step": 3900
|
| 284 |
+
},
|
| 285 |
+
{
|
| 286 |
+
"epoch": 0.35555555555555557,
|
| 287 |
+
"grad_norm": 3.0991108417510986,
|
| 288 |
+
"learning_rate": 2.7334e-05,
|
| 289 |
+
"loss": 0.1201,
|
| 290 |
+
"step": 4000
|
| 291 |
+
},
|
| 292 |
+
{
|
| 293 |
+
"epoch": 0.36444444444444446,
|
| 294 |
+
"grad_norm": 4.4850053787231445,
|
| 295 |
+
"learning_rate": 2.7267333333333336e-05,
|
| 296 |
+
"loss": 0.1193,
|
| 297 |
+
"step": 4100
|
| 298 |
+
},
|
| 299 |
+
{
|
| 300 |
+
"epoch": 0.37333333333333335,
|
| 301 |
+
"grad_norm": 3.0892951488494873,
|
| 302 |
+
"learning_rate": 2.720066666666667e-05,
|
| 303 |
+
"loss": 0.1186,
|
| 304 |
+
"step": 4200
|
| 305 |
+
},
|
| 306 |
+
{
|
| 307 |
+
"epoch": 0.38222222222222224,
|
| 308 |
+
"grad_norm": 3.4168922901153564,
|
| 309 |
+
"learning_rate": 2.7134e-05,
|
| 310 |
+
"loss": 0.1186,
|
| 311 |
+
"step": 4300
|
| 312 |
+
},
|
| 313 |
+
{
|
| 314 |
+
"epoch": 0.39111111111111113,
|
| 315 |
+
"grad_norm": 2.864269733428955,
|
| 316 |
+
"learning_rate": 2.7067333333333334e-05,
|
| 317 |
+
"loss": 0.1176,
|
| 318 |
+
"step": 4400
|
| 319 |
+
},
|
| 320 |
+
{
|
| 321 |
+
"epoch": 0.4,
|
| 322 |
+
"grad_norm": 4.241358280181885,
|
| 323 |
+
"learning_rate": 2.7000666666666667e-05,
|
| 324 |
+
"loss": 0.118,
|
| 325 |
+
"step": 4500
|
| 326 |
+
},
|
| 327 |
+
{
|
| 328 |
+
"epoch": 0.4088888888888889,
|
| 329 |
+
"grad_norm": 3.6913700103759766,
|
| 330 |
+
"learning_rate": 2.6934000000000003e-05,
|
| 331 |
+
"loss": 0.1184,
|
| 332 |
+
"step": 4600
|
| 333 |
+
},
|
| 334 |
+
{
|
| 335 |
+
"epoch": 0.4177777777777778,
|
| 336 |
+
"grad_norm": 2.865185499191284,
|
| 337 |
+
"learning_rate": 2.6867333333333336e-05,
|
| 338 |
+
"loss": 0.1191,
|
| 339 |
+
"step": 4700
|
| 340 |
+
},
|
| 341 |
+
{
|
| 342 |
+
"epoch": 0.4266666666666667,
|
| 343 |
+
"grad_norm": 3.7335503101348877,
|
| 344 |
+
"learning_rate": 2.680066666666667e-05,
|
| 345 |
+
"loss": 0.1199,
|
| 346 |
+
"step": 4800
|
| 347 |
+
},
|
| 348 |
+
{
|
| 349 |
+
"epoch": 0.43555555555555553,
|
| 350 |
+
"grad_norm": 3.280344009399414,
|
| 351 |
+
"learning_rate": 2.6734000000000002e-05,
|
| 352 |
+
"loss": 0.1184,
|
| 353 |
+
"step": 4900
|
| 354 |
+
},
|
| 355 |
+
{
|
| 356 |
+
"epoch": 0.4444444444444444,
|
| 357 |
+
"grad_norm": 3.2532272338867188,
|
| 358 |
+
"learning_rate": 2.6667333333333335e-05,
|
| 359 |
+
"loss": 0.1188,
|
| 360 |
+
"step": 5000
|
| 361 |
+
},
|
| 362 |
+
{
|
| 363 |
+
"epoch": 0.4444444444444444,
|
| 364 |
+
"eval_loss": 0.12208713591098785,
|
| 365 |
+
"eval_runtime": 204.8959,
|
| 366 |
+
"eval_samples_per_second": 48.805,
|
| 367 |
+
"eval_steps_per_second": 6.101,
|
| 368 |
+
"step": 5000
|
| 369 |
+
},
|
| 370 |
+
{
|
| 371 |
+
"epoch": 0.4533333333333333,
|
| 372 |
+
"grad_norm": 3.123708486557007,
|
| 373 |
+
"learning_rate": 2.6600666666666668e-05,
|
| 374 |
+
"loss": 0.1196,
|
| 375 |
+
"step": 5100
|
| 376 |
+
},
|
| 377 |
+
{
|
| 378 |
+
"epoch": 0.4622222222222222,
|
| 379 |
+
"grad_norm": 3.468099594116211,
|
| 380 |
+
"learning_rate": 2.6534e-05,
|
| 381 |
+
"loss": 0.1181,
|
| 382 |
+
"step": 5200
|
| 383 |
+
},
|
| 384 |
+
{
|
| 385 |
+
"epoch": 0.4711111111111111,
|
| 386 |
+
"grad_norm": 3.4722182750701904,
|
| 387 |
+
"learning_rate": 2.6467333333333337e-05,
|
| 388 |
+
"loss": 0.1186,
|
| 389 |
+
"step": 5300
|
| 390 |
+
},
|
| 391 |
+
{
|
| 392 |
+
"epoch": 0.48,
|
| 393 |
+
"grad_norm": 3.341700792312622,
|
| 394 |
+
"learning_rate": 2.640066666666667e-05,
|
| 395 |
+
"loss": 0.1175,
|
| 396 |
+
"step": 5400
|
| 397 |
+
},
|
| 398 |
+
{
|
| 399 |
+
"epoch": 0.4888888888888889,
|
| 400 |
+
"grad_norm": 5.254228591918945,
|
| 401 |
+
"learning_rate": 2.6334000000000002e-05,
|
| 402 |
+
"loss": 0.1171,
|
| 403 |
+
"step": 5500
|
| 404 |
+
},
|
| 405 |
+
{
|
| 406 |
+
"epoch": 0.49777777777777776,
|
| 407 |
+
"grad_norm": 3.9166531562805176,
|
| 408 |
+
"learning_rate": 2.6267333333333335e-05,
|
| 409 |
+
"loss": 0.1181,
|
| 410 |
+
"step": 5600
|
| 411 |
+
},
|
| 412 |
+
{
|
| 413 |
+
"epoch": 0.5066666666666667,
|
| 414 |
+
"grad_norm": 3.530609130859375,
|
| 415 |
+
"learning_rate": 2.6200666666666668e-05,
|
| 416 |
+
"loss": 0.118,
|
| 417 |
+
"step": 5700
|
| 418 |
+
},
|
| 419 |
+
{
|
| 420 |
+
"epoch": 0.5155555555555555,
|
| 421 |
+
"grad_norm": 2.8813321590423584,
|
| 422 |
+
"learning_rate": 2.6134e-05,
|
| 423 |
+
"loss": 0.119,
|
| 424 |
+
"step": 5800
|
| 425 |
+
},
|
| 426 |
+
{
|
| 427 |
+
"epoch": 0.5244444444444445,
|
| 428 |
+
"grad_norm": 2.88515567779541,
|
| 429 |
+
"learning_rate": 2.6067333333333334e-05,
|
| 430 |
+
"loss": 0.1192,
|
| 431 |
+
"step": 5900
|
| 432 |
+
},
|
| 433 |
+
{
|
| 434 |
+
"epoch": 0.5333333333333333,
|
| 435 |
+
"grad_norm": 3.641014814376831,
|
| 436 |
+
"learning_rate": 2.6000666666666667e-05,
|
| 437 |
+
"loss": 0.1177,
|
| 438 |
+
"step": 6000
|
| 439 |
+
},
|
| 440 |
+
{
|
| 441 |
+
"epoch": 0.5422222222222223,
|
| 442 |
+
"grad_norm": 3.2416274547576904,
|
| 443 |
+
"learning_rate": 2.5934000000000003e-05,
|
| 444 |
+
"loss": 0.1189,
|
| 445 |
+
"step": 6100
|
| 446 |
+
},
|
| 447 |
+
{
|
| 448 |
+
"epoch": 0.5511111111111111,
|
| 449 |
+
"grad_norm": 3.6603827476501465,
|
| 450 |
+
"learning_rate": 2.5867333333333336e-05,
|
| 451 |
+
"loss": 0.12,
|
| 452 |
+
"step": 6200
|
| 453 |
+
},
|
| 454 |
+
{
|
| 455 |
+
"epoch": 0.56,
|
| 456 |
+
"grad_norm": 2.7942700386047363,
|
| 457 |
+
"learning_rate": 2.580066666666667e-05,
|
| 458 |
+
"loss": 0.1186,
|
| 459 |
+
"step": 6300
|
| 460 |
+
},
|
| 461 |
+
{
|
| 462 |
+
"epoch": 0.5688888888888889,
|
| 463 |
+
"grad_norm": 2.454925298690796,
|
| 464 |
+
"learning_rate": 2.5734e-05,
|
| 465 |
+
"loss": 0.1193,
|
| 466 |
+
"step": 6400
|
| 467 |
+
},
|
| 468 |
+
{
|
| 469 |
+
"epoch": 0.5777777777777777,
|
| 470 |
+
"grad_norm": 3.182051420211792,
|
| 471 |
+
"learning_rate": 2.5667333333333334e-05,
|
| 472 |
+
"loss": 0.1179,
|
| 473 |
+
"step": 6500
|
| 474 |
+
},
|
| 475 |
+
{
|
| 476 |
+
"epoch": 0.5866666666666667,
|
| 477 |
+
"grad_norm": 2.543154001235962,
|
| 478 |
+
"learning_rate": 2.5600666666666667e-05,
|
| 479 |
+
"loss": 0.1169,
|
| 480 |
+
"step": 6600
|
| 481 |
+
},
|
| 482 |
+
{
|
| 483 |
+
"epoch": 0.5955555555555555,
|
| 484 |
+
"grad_norm": 2.878065586090088,
|
| 485 |
+
"learning_rate": 2.5534e-05,
|
| 486 |
+
"loss": 0.1165,
|
| 487 |
+
"step": 6700
|
| 488 |
+
},
|
| 489 |
+
{
|
| 490 |
+
"epoch": 0.6044444444444445,
|
| 491 |
+
"grad_norm": 2.6504786014556885,
|
| 492 |
+
"learning_rate": 2.5467333333333333e-05,
|
| 493 |
+
"loss": 0.1177,
|
| 494 |
+
"step": 6800
|
| 495 |
+
},
|
| 496 |
+
{
|
| 497 |
+
"epoch": 0.6133333333333333,
|
| 498 |
+
"grad_norm": 3.112470865249634,
|
| 499 |
+
"learning_rate": 2.540066666666667e-05,
|
| 500 |
+
"loss": 0.1188,
|
| 501 |
+
"step": 6900
|
| 502 |
+
},
|
| 503 |
+
{
|
| 504 |
+
"epoch": 0.6222222222222222,
|
| 505 |
+
"grad_norm": 3.2158005237579346,
|
| 506 |
+
"learning_rate": 2.5334000000000002e-05,
|
| 507 |
+
"loss": 0.1182,
|
| 508 |
+
"step": 7000
|
| 509 |
+
},
|
| 510 |
+
{
|
| 511 |
+
"epoch": 0.6311111111111111,
|
| 512 |
+
"grad_norm": 2.7829103469848633,
|
| 513 |
+
"learning_rate": 2.5267333333333335e-05,
|
| 514 |
+
"loss": 0.1182,
|
| 515 |
+
"step": 7100
|
| 516 |
+
},
|
| 517 |
+
{
|
| 518 |
+
"epoch": 0.64,
|
| 519 |
+
"grad_norm": 3.6927225589752197,
|
| 520 |
+
"learning_rate": 2.5200666666666667e-05,
|
| 521 |
+
"loss": 0.1172,
|
| 522 |
+
"step": 7200
|
| 523 |
+
},
|
| 524 |
+
{
|
| 525 |
+
"epoch": 0.6488888888888888,
|
| 526 |
+
"grad_norm": 2.701704978942871,
|
| 527 |
+
"learning_rate": 2.5134e-05,
|
| 528 |
+
"loss": 0.1174,
|
| 529 |
+
"step": 7300
|
| 530 |
+
},
|
| 531 |
+
{
|
| 532 |
+
"epoch": 0.6577777777777778,
|
| 533 |
+
"grad_norm": 3.097184419631958,
|
| 534 |
+
"learning_rate": 2.5067333333333333e-05,
|
| 535 |
+
"loss": 0.1181,
|
| 536 |
+
"step": 7400
|
| 537 |
+
},
|
| 538 |
+
{
|
| 539 |
+
"epoch": 0.6666666666666666,
|
| 540 |
+
"grad_norm": 3.704460620880127,
|
| 541 |
+
"learning_rate": 2.5000666666666666e-05,
|
| 542 |
+
"loss": 0.1171,
|
| 543 |
+
"step": 7500
|
| 544 |
+
},
|
| 545 |
+
{
|
| 546 |
+
"epoch": 0.6755555555555556,
|
| 547 |
+
"grad_norm": 2.7724316120147705,
|
| 548 |
+
"learning_rate": 2.4934e-05,
|
| 549 |
+
"loss": 0.1172,
|
| 550 |
+
"step": 7600
|
| 551 |
+
},
|
| 552 |
+
{
|
| 553 |
+
"epoch": 0.6844444444444444,
|
| 554 |
+
"grad_norm": 3.8086202144622803,
|
| 555 |
+
"learning_rate": 2.4867333333333335e-05,
|
| 556 |
+
"loss": 0.1182,
|
| 557 |
+
"step": 7700
|
| 558 |
+
},
|
| 559 |
+
{
|
| 560 |
+
"epoch": 0.6933333333333334,
|
| 561 |
+
"grad_norm": 3.596428632736206,
|
| 562 |
+
"learning_rate": 2.4800666666666668e-05,
|
| 563 |
+
"loss": 0.1181,
|
| 564 |
+
"step": 7800
|
| 565 |
+
},
|
| 566 |
+
{
|
| 567 |
+
"epoch": 0.7022222222222222,
|
| 568 |
+
"grad_norm": 2.5893187522888184,
|
| 569 |
+
"learning_rate": 2.4734e-05,
|
| 570 |
+
"loss": 0.118,
|
| 571 |
+
"step": 7900
|
| 572 |
+
},
|
| 573 |
+
{
|
| 574 |
+
"epoch": 0.7111111111111111,
|
| 575 |
+
"grad_norm": 2.582350730895996,
|
| 576 |
+
"learning_rate": 2.4667333333333334e-05,
|
| 577 |
+
"loss": 0.1185,
|
| 578 |
+
"step": 8000
|
| 579 |
+
},
|
| 580 |
+
{
|
| 581 |
+
"epoch": 0.72,
|
| 582 |
+
"grad_norm": 3.3927502632141113,
|
| 583 |
+
"learning_rate": 2.4600666666666666e-05,
|
| 584 |
+
"loss": 0.1179,
|
| 585 |
+
"step": 8100
|
| 586 |
+
},
|
| 587 |
+
{
|
| 588 |
+
"epoch": 0.7288888888888889,
|
| 589 |
+
"grad_norm": 4.322011947631836,
|
| 590 |
+
"learning_rate": 2.4534e-05,
|
| 591 |
+
"loss": 0.118,
|
| 592 |
+
"step": 8200
|
| 593 |
+
},
|
| 594 |
+
{
|
| 595 |
+
"epoch": 0.7377777777777778,
|
| 596 |
+
"grad_norm": 2.3560194969177246,
|
| 597 |
+
"learning_rate": 2.4467333333333332e-05,
|
| 598 |
+
"loss": 0.1175,
|
| 599 |
+
"step": 8300
|
| 600 |
+
},
|
| 601 |
+
{
|
| 602 |
+
"epoch": 0.7466666666666667,
|
| 603 |
+
"grad_norm": 3.332634925842285,
|
| 604 |
+
"learning_rate": 2.4400666666666668e-05,
|
| 605 |
+
"loss": 0.117,
|
| 606 |
+
"step": 8400
|
| 607 |
+
},
|
| 608 |
+
{
|
| 609 |
+
"epoch": 0.7555555555555555,
|
| 610 |
+
"grad_norm": 3.440761089324951,
|
| 611 |
+
"learning_rate": 2.4334e-05,
|
| 612 |
+
"loss": 0.1177,
|
| 613 |
+
"step": 8500
|
| 614 |
+
},
|
| 615 |
+
{
|
| 616 |
+
"epoch": 0.7644444444444445,
|
| 617 |
+
"grad_norm": 2.6699066162109375,
|
| 618 |
+
"learning_rate": 2.4267333333333334e-05,
|
| 619 |
+
"loss": 0.1159,
|
| 620 |
+
"step": 8600
|
| 621 |
+
},
|
| 622 |
+
{
|
| 623 |
+
"epoch": 0.7733333333333333,
|
| 624 |
+
"grad_norm": 2.5748603343963623,
|
| 625 |
+
"learning_rate": 2.4200666666666667e-05,
|
| 626 |
+
"loss": 0.1161,
|
| 627 |
+
"step": 8700
|
| 628 |
+
},
|
| 629 |
+
{
|
| 630 |
+
"epoch": 0.7822222222222223,
|
| 631 |
+
"grad_norm": 3.216967821121216,
|
| 632 |
+
"learning_rate": 2.4134e-05,
|
| 633 |
+
"loss": 0.1167,
|
| 634 |
+
"step": 8800
|
| 635 |
+
},
|
| 636 |
+
{
|
| 637 |
+
"epoch": 0.7911111111111111,
|
| 638 |
+
"grad_norm": 2.9499289989471436,
|
| 639 |
+
"learning_rate": 2.4067333333333333e-05,
|
| 640 |
+
"loss": 0.1164,
|
| 641 |
+
"step": 8900
|
| 642 |
+
},
|
| 643 |
+
{
|
| 644 |
+
"epoch": 0.8,
|
| 645 |
+
"grad_norm": 2.6872825622558594,
|
| 646 |
+
"learning_rate": 2.4000666666666665e-05,
|
| 647 |
+
"loss": 0.117,
|
| 648 |
+
"step": 9000
|
| 649 |
+
},
|
| 650 |
+
{
|
| 651 |
+
"epoch": 0.8088888888888889,
|
| 652 |
+
"grad_norm": 3.444622039794922,
|
| 653 |
+
"learning_rate": 2.3933999999999998e-05,
|
| 654 |
+
"loss": 0.1187,
|
| 655 |
+
"step": 9100
|
| 656 |
+
},
|
| 657 |
+
{
|
| 658 |
+
"epoch": 0.8177777777777778,
|
| 659 |
+
"grad_norm": 2.4359054565429688,
|
| 660 |
+
"learning_rate": 2.3867333333333334e-05,
|
| 661 |
+
"loss": 0.1163,
|
| 662 |
+
"step": 9200
|
| 663 |
+
},
|
| 664 |
+
{
|
| 665 |
+
"epoch": 0.8266666666666667,
|
| 666 |
+
"grad_norm": 2.510025978088379,
|
| 667 |
+
"learning_rate": 2.3800666666666667e-05,
|
| 668 |
+
"loss": 0.117,
|
| 669 |
+
"step": 9300
|
| 670 |
+
},
|
| 671 |
+
{
|
| 672 |
+
"epoch": 0.8355555555555556,
|
| 673 |
+
"grad_norm": 2.5156795978546143,
|
| 674 |
+
"learning_rate": 2.3734e-05,
|
| 675 |
+
"loss": 0.1177,
|
| 676 |
+
"step": 9400
|
| 677 |
+
},
|
| 678 |
+
{
|
| 679 |
+
"epoch": 0.8444444444444444,
|
| 680 |
+
"grad_norm": 3.8582279682159424,
|
| 681 |
+
"learning_rate": 2.3667333333333333e-05,
|
| 682 |
+
"loss": 0.1188,
|
| 683 |
+
"step": 9500
|
| 684 |
+
},
|
| 685 |
+
{
|
| 686 |
+
"epoch": 0.8533333333333334,
|
| 687 |
+
"grad_norm": 2.9142448902130127,
|
| 688 |
+
"learning_rate": 2.3600666666666666e-05,
|
| 689 |
+
"loss": 0.1201,
|
| 690 |
+
"step": 9600
|
| 691 |
+
},
|
| 692 |
+
{
|
| 693 |
+
"epoch": 0.8622222222222222,
|
| 694 |
+
"grad_norm": 1.9949374198913574,
|
| 695 |
+
"learning_rate": 2.3534e-05,
|
| 696 |
+
"loss": 0.1173,
|
| 697 |
+
"step": 9700
|
| 698 |
+
},
|
| 699 |
+
{
|
| 700 |
+
"epoch": 0.8711111111111111,
|
| 701 |
+
"grad_norm": 2.8266148567199707,
|
| 702 |
+
"learning_rate": 2.346733333333333e-05,
|
| 703 |
+
"loss": 0.1156,
|
| 704 |
+
"step": 9800
|
| 705 |
+
},
|
| 706 |
+
{
|
| 707 |
+
"epoch": 0.88,
|
| 708 |
+
"grad_norm": 2.821716070175171,
|
| 709 |
+
"learning_rate": 2.3400666666666664e-05,
|
| 710 |
+
"loss": 0.114,
|
| 711 |
+
"step": 9900
|
| 712 |
+
},
|
| 713 |
+
{
|
| 714 |
+
"epoch": 0.8888888888888888,
|
| 715 |
+
"grad_norm": 2.1341419219970703,
|
| 716 |
+
"learning_rate": 2.3334e-05,
|
| 717 |
+
"loss": 0.118,
|
| 718 |
+
"step": 10000
|
| 719 |
+
},
|
| 720 |
+
{
|
| 721 |
+
"epoch": 0.8888888888888888,
|
| 722 |
+
"eval_loss": 0.11916246265172958,
|
| 723 |
+
"eval_runtime": 209.6485,
|
| 724 |
+
"eval_samples_per_second": 47.699,
|
| 725 |
+
"eval_steps_per_second": 5.962,
|
| 726 |
+
"step": 10000
|
| 727 |
+
},
|
| 728 |
+
{
|
| 729 |
+
"epoch": 0.8977777777777778,
|
| 730 |
+
"grad_norm": 2.4303793907165527,
|
| 731 |
+
"learning_rate": 2.3267333333333333e-05,
|
| 732 |
+
"loss": 0.1164,
|
| 733 |
+
"step": 10100
|
| 734 |
+
},
|
| 735 |
+
{
|
| 736 |
+
"epoch": 0.9066666666666666,
|
| 737 |
+
"grad_norm": 2.23417329788208,
|
| 738 |
+
"learning_rate": 2.3200666666666666e-05,
|
| 739 |
+
"loss": 0.1168,
|
| 740 |
+
"step": 10200
|
| 741 |
+
},
|
| 742 |
+
{
|
| 743 |
+
"epoch": 0.9155555555555556,
|
| 744 |
+
"grad_norm": 2.7402517795562744,
|
| 745 |
+
"learning_rate": 2.3134e-05,
|
| 746 |
+
"loss": 0.1171,
|
| 747 |
+
"step": 10300
|
| 748 |
+
},
|
| 749 |
+
{
|
| 750 |
+
"epoch": 0.9244444444444444,
|
| 751 |
+
"grad_norm": 2.4961931705474854,
|
| 752 |
+
"learning_rate": 2.3067333333333332e-05,
|
| 753 |
+
"loss": 0.117,
|
| 754 |
+
"step": 10400
|
| 755 |
+
},
|
| 756 |
+
{
|
| 757 |
+
"epoch": 0.9333333333333333,
|
| 758 |
+
"grad_norm": 3.0183095932006836,
|
| 759 |
+
"learning_rate": 2.3000666666666668e-05,
|
| 760 |
+
"loss": 0.1166,
|
| 761 |
+
"step": 10500
|
| 762 |
+
},
|
| 763 |
+
{
|
| 764 |
+
"epoch": 0.9422222222222222,
|
| 765 |
+
"grad_norm": 3.062873125076294,
|
| 766 |
+
"learning_rate": 2.2934e-05,
|
| 767 |
+
"loss": 0.1167,
|
| 768 |
+
"step": 10600
|
| 769 |
+
},
|
| 770 |
+
{
|
| 771 |
+
"epoch": 0.9511111111111111,
|
| 772 |
+
"grad_norm": 2.418299436569214,
|
| 773 |
+
"learning_rate": 2.2867333333333334e-05,
|
| 774 |
+
"loss": 0.1173,
|
| 775 |
+
"step": 10700
|
| 776 |
+
},
|
| 777 |
+
{
|
| 778 |
+
"epoch": 0.96,
|
| 779 |
+
"grad_norm": 2.580348253250122,
|
| 780 |
+
"learning_rate": 2.280066666666667e-05,
|
| 781 |
+
"loss": 0.1173,
|
| 782 |
+
"step": 10800
|
| 783 |
+
},
|
| 784 |
+
{
|
| 785 |
+
"epoch": 0.9688888888888889,
|
| 786 |
+
"grad_norm": 2.902337074279785,
|
| 787 |
+
"learning_rate": 2.2734000000000003e-05,
|
| 788 |
+
"loss": 0.1174,
|
| 789 |
+
"step": 10900
|
| 790 |
+
},
|
| 791 |
+
{
|
| 792 |
+
"epoch": 0.9777777777777777,
|
| 793 |
+
"grad_norm": 2.1894068717956543,
|
| 794 |
+
"learning_rate": 2.2667333333333336e-05,
|
| 795 |
+
"loss": 0.1167,
|
| 796 |
+
"step": 11000
|
| 797 |
+
},
|
| 798 |
+
{
|
| 799 |
+
"epoch": 0.9866666666666667,
|
| 800 |
+
"grad_norm": 2.944486618041992,
|
| 801 |
+
"learning_rate": 2.260066666666667e-05,
|
| 802 |
+
"loss": 0.1174,
|
| 803 |
+
"step": 11100
|
| 804 |
+
},
|
| 805 |
+
{
|
| 806 |
+
"epoch": 0.9955555555555555,
|
| 807 |
+
"grad_norm": 2.560166835784912,
|
| 808 |
+
"learning_rate": 2.2534e-05,
|
| 809 |
+
"loss": 0.1179,
|
| 810 |
+
"step": 11200
|
| 811 |
+
},
|
| 812 |
+
{
|
| 813 |
+
"epoch": 1.0044444444444445,
|
| 814 |
+
"grad_norm": 2.7553763389587402,
|
| 815 |
+
"learning_rate": 2.2467333333333334e-05,
|
| 816 |
+
"loss": 0.1158,
|
| 817 |
+
"step": 11300
|
| 818 |
+
},
|
| 819 |
+
{
|
| 820 |
+
"epoch": 1.0133333333333334,
|
| 821 |
+
"grad_norm": 2.8809797763824463,
|
| 822 |
+
"learning_rate": 2.2400666666666667e-05,
|
| 823 |
+
"loss": 0.1175,
|
| 824 |
+
"step": 11400
|
| 825 |
+
},
|
| 826 |
+
{
|
| 827 |
+
"epoch": 1.0222222222222221,
|
| 828 |
+
"grad_norm": 2.329749822616577,
|
| 829 |
+
"learning_rate": 2.2334000000000003e-05,
|
| 830 |
+
"loss": 0.1155,
|
| 831 |
+
"step": 11500
|
| 832 |
+
},
|
| 833 |
+
{
|
| 834 |
+
"epoch": 1.031111111111111,
|
| 835 |
+
"grad_norm": 2.763226270675659,
|
| 836 |
+
"learning_rate": 2.2267333333333336e-05,
|
| 837 |
+
"loss": 0.1166,
|
| 838 |
+
"step": 11600
|
| 839 |
+
},
|
| 840 |
+
{
|
| 841 |
+
"epoch": 1.04,
|
| 842 |
+
"grad_norm": 3.360959768295288,
|
| 843 |
+
"learning_rate": 2.220066666666667e-05,
|
| 844 |
+
"loss": 0.1162,
|
| 845 |
+
"step": 11700
|
| 846 |
+
},
|
| 847 |
+
{
|
| 848 |
+
"epoch": 1.048888888888889,
|
| 849 |
+
"grad_norm": 2.1025476455688477,
|
| 850 |
+
"learning_rate": 2.2134000000000002e-05,
|
| 851 |
+
"loss": 0.1167,
|
| 852 |
+
"step": 11800
|
| 853 |
+
},
|
| 854 |
+
{
|
| 855 |
+
"epoch": 1.0577777777777777,
|
| 856 |
+
"grad_norm": 2.6342437267303467,
|
| 857 |
+
"learning_rate": 2.2067333333333335e-05,
|
| 858 |
+
"loss": 0.1159,
|
| 859 |
+
"step": 11900
|
| 860 |
+
},
|
| 861 |
+
{
|
| 862 |
+
"epoch": 1.0666666666666667,
|
| 863 |
+
"grad_norm": 2.8531672954559326,
|
| 864 |
+
"learning_rate": 2.2000666666666668e-05,
|
| 865 |
+
"loss": 0.1174,
|
| 866 |
+
"step": 12000
|
| 867 |
+
},
|
| 868 |
+
{
|
| 869 |
+
"epoch": 1.0755555555555556,
|
| 870 |
+
"grad_norm": 2.5636589527130127,
|
| 871 |
+
"learning_rate": 2.1934e-05,
|
| 872 |
+
"loss": 0.1164,
|
| 873 |
+
"step": 12100
|
| 874 |
+
},
|
| 875 |
+
{
|
| 876 |
+
"epoch": 1.0844444444444445,
|
| 877 |
+
"grad_norm": 2.7614545822143555,
|
| 878 |
+
"learning_rate": 2.1867333333333333e-05,
|
| 879 |
+
"loss": 0.1172,
|
| 880 |
+
"step": 12200
|
| 881 |
+
},
|
| 882 |
+
{
|
| 883 |
+
"epoch": 1.0933333333333333,
|
| 884 |
+
"grad_norm": 2.60809063911438,
|
| 885 |
+
"learning_rate": 2.180066666666667e-05,
|
| 886 |
+
"loss": 0.1163,
|
| 887 |
+
"step": 12300
|
| 888 |
+
},
|
| 889 |
+
{
|
| 890 |
+
"epoch": 1.1022222222222222,
|
| 891 |
+
"grad_norm": 3.316859483718872,
|
| 892 |
+
"learning_rate": 2.1734000000000002e-05,
|
| 893 |
+
"loss": 0.1177,
|
| 894 |
+
"step": 12400
|
| 895 |
+
},
|
| 896 |
+
{
|
| 897 |
+
"epoch": 1.1111111111111112,
|
| 898 |
+
"grad_norm": 3.271606922149658,
|
| 899 |
+
"learning_rate": 2.1667333333333335e-05,
|
| 900 |
+
"loss": 0.1167,
|
| 901 |
+
"step": 12500
|
| 902 |
+
},
|
| 903 |
+
{
|
| 904 |
+
"epoch": 1.12,
|
| 905 |
+
"grad_norm": 3.194365978240967,
|
| 906 |
+
"learning_rate": 2.1600666666666668e-05,
|
| 907 |
+
"loss": 0.118,
|
| 908 |
+
"step": 12600
|
| 909 |
+
},
|
| 910 |
+
{
|
| 911 |
+
"epoch": 1.1288888888888888,
|
| 912 |
+
"grad_norm": 2.5785796642303467,
|
| 913 |
+
"learning_rate": 2.1534e-05,
|
| 914 |
+
"loss": 0.1166,
|
| 915 |
+
"step": 12700
|
| 916 |
+
},
|
| 917 |
+
{
|
| 918 |
+
"epoch": 1.1377777777777778,
|
| 919 |
+
"grad_norm": 2.8842148780822754,
|
| 920 |
+
"learning_rate": 2.1467333333333334e-05,
|
| 921 |
+
"loss": 0.1169,
|
| 922 |
+
"step": 12800
|
| 923 |
+
},
|
| 924 |
+
{
|
| 925 |
+
"epoch": 1.1466666666666667,
|
| 926 |
+
"grad_norm": 2.530769109725952,
|
| 927 |
+
"learning_rate": 2.1400666666666667e-05,
|
| 928 |
+
"loss": 0.1176,
|
| 929 |
+
"step": 12900
|
| 930 |
+
},
|
| 931 |
+
{
|
| 932 |
+
"epoch": 1.1555555555555554,
|
| 933 |
+
"grad_norm": 2.9388973712921143,
|
| 934 |
+
"learning_rate": 2.1334e-05,
|
| 935 |
+
"loss": 0.1164,
|
| 936 |
+
"step": 13000
|
| 937 |
+
},
|
| 938 |
+
{
|
| 939 |
+
"epoch": 1.1644444444444444,
|
| 940 |
+
"grad_norm": 3.258341073989868,
|
| 941 |
+
"learning_rate": 2.1267333333333336e-05,
|
| 942 |
+
"loss": 0.1161,
|
| 943 |
+
"step": 13100
|
| 944 |
+
},
|
| 945 |
+
{
|
| 946 |
+
"epoch": 1.1733333333333333,
|
| 947 |
+
"grad_norm": 3.597013473510742,
|
| 948 |
+
"learning_rate": 2.120066666666667e-05,
|
| 949 |
+
"loss": 0.1168,
|
| 950 |
+
"step": 13200
|
| 951 |
+
},
|
| 952 |
+
{
|
| 953 |
+
"epoch": 1.1822222222222223,
|
| 954 |
+
"grad_norm": 2.683460235595703,
|
| 955 |
+
"learning_rate": 2.1134e-05,
|
| 956 |
+
"loss": 0.1152,
|
| 957 |
+
"step": 13300
|
| 958 |
+
},
|
| 959 |
+
{
|
| 960 |
+
"epoch": 1.1911111111111112,
|
| 961 |
+
"grad_norm": 3.4266109466552734,
|
| 962 |
+
"learning_rate": 2.1067333333333334e-05,
|
| 963 |
+
"loss": 0.1158,
|
| 964 |
+
"step": 13400
|
| 965 |
+
},
|
| 966 |
+
{
|
| 967 |
+
"epoch": 1.2,
|
| 968 |
+
"grad_norm": 2.183912754058838,
|
| 969 |
+
"learning_rate": 2.1000666666666667e-05,
|
| 970 |
+
"loss": 0.1162,
|
| 971 |
+
"step": 13500
|
| 972 |
+
},
|
| 973 |
+
{
|
| 974 |
+
"epoch": 1.208888888888889,
|
| 975 |
+
"grad_norm": 2.8540754318237305,
|
| 976 |
+
"learning_rate": 2.0934e-05,
|
| 977 |
+
"loss": 0.1162,
|
| 978 |
+
"step": 13600
|
| 979 |
+
},
|
| 980 |
+
{
|
| 981 |
+
"epoch": 1.2177777777777778,
|
| 982 |
+
"grad_norm": 2.472102403640747,
|
| 983 |
+
"learning_rate": 2.0867333333333333e-05,
|
| 984 |
+
"loss": 0.1165,
|
| 985 |
+
"step": 13700
|
| 986 |
+
},
|
| 987 |
+
{
|
| 988 |
+
"epoch": 1.2266666666666666,
|
| 989 |
+
"grad_norm": 2.466033697128296,
|
| 990 |
+
"learning_rate": 2.0800666666666665e-05,
|
| 991 |
+
"loss": 0.1171,
|
| 992 |
+
"step": 13800
|
| 993 |
+
},
|
| 994 |
+
{
|
| 995 |
+
"epoch": 1.2355555555555555,
|
| 996 |
+
"grad_norm": 2.822277784347534,
|
| 997 |
+
"learning_rate": 2.0734000000000002e-05,
|
| 998 |
+
"loss": 0.1154,
|
| 999 |
+
"step": 13900
|
| 1000 |
+
},
|
| 1001 |
+
{
|
| 1002 |
+
"epoch": 1.2444444444444445,
|
| 1003 |
+
"grad_norm": 2.0999035835266113,
|
| 1004 |
+
"learning_rate": 2.0667333333333335e-05,
|
| 1005 |
+
"loss": 0.1163,
|
| 1006 |
+
"step": 14000
|
| 1007 |
+
},
|
| 1008 |
+
{
|
| 1009 |
+
"epoch": 1.2533333333333334,
|
| 1010 |
+
"grad_norm": 2.3862359523773193,
|
| 1011 |
+
"learning_rate": 2.0600666666666667e-05,
|
| 1012 |
+
"loss": 0.1166,
|
| 1013 |
+
"step": 14100
|
| 1014 |
+
},
|
| 1015 |
+
{
|
| 1016 |
+
"epoch": 1.2622222222222224,
|
| 1017 |
+
"grad_norm": 3.0106606483459473,
|
| 1018 |
+
"learning_rate": 2.0534e-05,
|
| 1019 |
+
"loss": 0.1174,
|
| 1020 |
+
"step": 14200
|
| 1021 |
+
},
|
| 1022 |
+
{
|
| 1023 |
+
"epoch": 1.271111111111111,
|
| 1024 |
+
"grad_norm": 2.2720947265625,
|
| 1025 |
+
"learning_rate": 2.0467333333333333e-05,
|
| 1026 |
+
"loss": 0.1162,
|
| 1027 |
+
"step": 14300
|
| 1028 |
+
},
|
| 1029 |
+
{
|
| 1030 |
+
"epoch": 1.28,
|
| 1031 |
+
"grad_norm": 2.4867804050445557,
|
| 1032 |
+
"learning_rate": 2.0400666666666666e-05,
|
| 1033 |
+
"loss": 0.1167,
|
| 1034 |
+
"step": 14400
|
| 1035 |
+
},
|
| 1036 |
+
{
|
| 1037 |
+
"epoch": 1.2888888888888888,
|
| 1038 |
+
"grad_norm": 3.227097511291504,
|
| 1039 |
+
"learning_rate": 2.0334e-05,
|
| 1040 |
+
"loss": 0.1166,
|
| 1041 |
+
"step": 14500
|
| 1042 |
+
},
|
| 1043 |
+
{
|
| 1044 |
+
"epoch": 1.2977777777777777,
|
| 1045 |
+
"grad_norm": 2.6462483406066895,
|
| 1046 |
+
"learning_rate": 2.0267333333333335e-05,
|
| 1047 |
+
"loss": 0.116,
|
| 1048 |
+
"step": 14600
|
| 1049 |
+
},
|
| 1050 |
+
{
|
| 1051 |
+
"epoch": 1.3066666666666666,
|
| 1052 |
+
"grad_norm": 1.9896470308303833,
|
| 1053 |
+
"learning_rate": 2.0200666666666668e-05,
|
| 1054 |
+
"loss": 0.1166,
|
| 1055 |
+
"step": 14700
|
| 1056 |
+
},
|
| 1057 |
+
{
|
| 1058 |
+
"epoch": 1.3155555555555556,
|
| 1059 |
+
"grad_norm": 3.9435179233551025,
|
| 1060 |
+
"learning_rate": 2.0134e-05,
|
| 1061 |
+
"loss": 0.1161,
|
| 1062 |
+
"step": 14800
|
| 1063 |
+
},
|
| 1064 |
+
{
|
| 1065 |
+
"epoch": 1.3244444444444445,
|
| 1066 |
+
"grad_norm": 3.1520168781280518,
|
| 1067 |
+
"learning_rate": 2.0067333333333334e-05,
|
| 1068 |
+
"loss": 0.1163,
|
| 1069 |
+
"step": 14900
|
| 1070 |
+
},
|
| 1071 |
+
{
|
| 1072 |
+
"epoch": 1.3333333333333333,
|
| 1073 |
+
"grad_norm": 2.1935575008392334,
|
| 1074 |
+
"learning_rate": 2.0000666666666666e-05,
|
| 1075 |
+
"loss": 0.1166,
|
| 1076 |
+
"step": 15000
|
| 1077 |
+
},
|
| 1078 |
+
{
|
| 1079 |
+
"epoch": 1.3333333333333333,
|
| 1080 |
+
"eval_loss": 0.11884617805480957,
|
| 1081 |
+
"eval_runtime": 211.3057,
|
| 1082 |
+
"eval_samples_per_second": 47.325,
|
| 1083 |
+
"eval_steps_per_second": 5.916,
|
| 1084 |
+
"step": 15000
|
| 1085 |
+
},
|
| 1086 |
+
{
|
| 1087 |
+
"epoch": 1.3422222222222222,
|
| 1088 |
+
"grad_norm": 2.775670289993286,
|
| 1089 |
+
"learning_rate": 1.9934e-05,
|
| 1090 |
+
"loss": 0.1159,
|
| 1091 |
+
"step": 15100
|
| 1092 |
+
},
|
| 1093 |
+
{
|
| 1094 |
+
"epoch": 1.3511111111111112,
|
| 1095 |
+
"grad_norm": 2.6361074447631836,
|
| 1096 |
+
"learning_rate": 1.9867333333333332e-05,
|
| 1097 |
+
"loss": 0.1169,
|
| 1098 |
+
"step": 15200
|
| 1099 |
+
},
|
| 1100 |
+
{
|
| 1101 |
+
"epoch": 1.3599999999999999,
|
| 1102 |
+
"grad_norm": 2.5795843601226807,
|
| 1103 |
+
"learning_rate": 1.9800666666666665e-05,
|
| 1104 |
+
"loss": 0.1166,
|
| 1105 |
+
"step": 15300
|
| 1106 |
+
},
|
| 1107 |
+
{
|
| 1108 |
+
"epoch": 1.3688888888888888,
|
| 1109 |
+
"grad_norm": 3.1737446784973145,
|
| 1110 |
+
"learning_rate": 1.9734e-05,
|
| 1111 |
+
"loss": 0.1167,
|
| 1112 |
+
"step": 15400
|
| 1113 |
+
},
|
| 1114 |
+
{
|
| 1115 |
+
"epoch": 1.3777777777777778,
|
| 1116 |
+
"grad_norm": 2.2223973274230957,
|
| 1117 |
+
"learning_rate": 1.9667333333333334e-05,
|
| 1118 |
+
"loss": 0.1164,
|
| 1119 |
+
"step": 15500
|
| 1120 |
+
},
|
| 1121 |
+
{
|
| 1122 |
+
"epoch": 1.3866666666666667,
|
| 1123 |
+
"grad_norm": 2.2306268215179443,
|
| 1124 |
+
"learning_rate": 1.9600666666666667e-05,
|
| 1125 |
+
"loss": 0.1168,
|
| 1126 |
+
"step": 15600
|
| 1127 |
+
},
|
| 1128 |
+
{
|
| 1129 |
+
"epoch": 1.3955555555555557,
|
| 1130 |
+
"grad_norm": 2.343104600906372,
|
| 1131 |
+
"learning_rate": 1.9534e-05,
|
| 1132 |
+
"loss": 0.1169,
|
| 1133 |
+
"step": 15700
|
| 1134 |
+
},
|
| 1135 |
+
{
|
| 1136 |
+
"epoch": 1.4044444444444444,
|
| 1137 |
+
"grad_norm": 2.2243905067443848,
|
| 1138 |
+
"learning_rate": 1.9467333333333333e-05,
|
| 1139 |
+
"loss": 0.1168,
|
| 1140 |
+
"step": 15800
|
| 1141 |
+
},
|
| 1142 |
+
{
|
| 1143 |
+
"epoch": 1.4133333333333333,
|
| 1144 |
+
"grad_norm": 2.11381459236145,
|
| 1145 |
+
"learning_rate": 1.9400666666666665e-05,
|
| 1146 |
+
"loss": 0.1176,
|
| 1147 |
+
"step": 15900
|
| 1148 |
+
},
|
| 1149 |
+
{
|
| 1150 |
+
"epoch": 1.4222222222222223,
|
| 1151 |
+
"grad_norm": 2.713016986846924,
|
| 1152 |
+
"learning_rate": 1.9333999999999998e-05,
|
| 1153 |
+
"loss": 0.117,
|
| 1154 |
+
"step": 16000
|
| 1155 |
+
},
|
| 1156 |
+
{
|
| 1157 |
+
"epoch": 1.431111111111111,
|
| 1158 |
+
"grad_norm": 2.860501766204834,
|
| 1159 |
+
"learning_rate": 1.926733333333333e-05,
|
| 1160 |
+
"loss": 0.1165,
|
| 1161 |
+
"step": 16100
|
| 1162 |
+
},
|
| 1163 |
+
{
|
| 1164 |
+
"epoch": 1.44,
|
| 1165 |
+
"grad_norm": 2.216109037399292,
|
| 1166 |
+
"learning_rate": 1.9200666666666667e-05,
|
| 1167 |
+
"loss": 0.117,
|
| 1168 |
+
"step": 16200
|
| 1169 |
+
},
|
| 1170 |
+
{
|
| 1171 |
+
"epoch": 1.448888888888889,
|
| 1172 |
+
"grad_norm": 2.458571672439575,
|
| 1173 |
+
"learning_rate": 1.9134e-05,
|
| 1174 |
+
"loss": 0.1166,
|
| 1175 |
+
"step": 16300
|
| 1176 |
+
},
|
| 1177 |
+
{
|
| 1178 |
+
"epoch": 1.4577777777777778,
|
| 1179 |
+
"grad_norm": 2.421862840652466,
|
| 1180 |
+
"learning_rate": 1.9067333333333333e-05,
|
| 1181 |
+
"loss": 0.117,
|
| 1182 |
+
"step": 16400
|
| 1183 |
+
},
|
| 1184 |
+
{
|
| 1185 |
+
"epoch": 1.4666666666666668,
|
| 1186 |
+
"grad_norm": 2.4166271686553955,
|
| 1187 |
+
"learning_rate": 1.9000666666666666e-05,
|
| 1188 |
+
"loss": 0.1158,
|
| 1189 |
+
"step": 16500
|
| 1190 |
+
},
|
| 1191 |
+
{
|
| 1192 |
+
"epoch": 1.4755555555555555,
|
| 1193 |
+
"grad_norm": 2.1545352935791016,
|
| 1194 |
+
"learning_rate": 1.8934e-05,
|
| 1195 |
+
"loss": 0.1153,
|
| 1196 |
+
"step": 16600
|
| 1197 |
+
},
|
| 1198 |
+
{
|
| 1199 |
+
"epoch": 1.4844444444444445,
|
| 1200 |
+
"grad_norm": 2.041667938232422,
|
| 1201 |
+
"learning_rate": 1.886733333333333e-05,
|
| 1202 |
+
"loss": 0.1174,
|
| 1203 |
+
"step": 16700
|
| 1204 |
+
},
|
| 1205 |
+
{
|
| 1206 |
+
"epoch": 1.4933333333333334,
|
| 1207 |
+
"grad_norm": 2.384735584259033,
|
| 1208 |
+
"learning_rate": 1.8800666666666664e-05,
|
| 1209 |
+
"loss": 0.1163,
|
| 1210 |
+
"step": 16800
|
| 1211 |
+
},
|
| 1212 |
+
{
|
| 1213 |
+
"epoch": 1.5022222222222221,
|
| 1214 |
+
"grad_norm": 2.500413656234741,
|
| 1215 |
+
"learning_rate": 1.8734e-05,
|
| 1216 |
+
"loss": 0.1151,
|
| 1217 |
+
"step": 16900
|
| 1218 |
+
},
|
| 1219 |
+
{
|
| 1220 |
+
"epoch": 1.511111111111111,
|
| 1221 |
+
"grad_norm": 2.1342129707336426,
|
| 1222 |
+
"learning_rate": 1.8667333333333337e-05,
|
| 1223 |
+
"loss": 0.1159,
|
| 1224 |
+
"step": 17000
|
| 1225 |
+
},
|
| 1226 |
+
{
|
| 1227 |
+
"epoch": 1.52,
|
| 1228 |
+
"grad_norm": 1.887050986289978,
|
| 1229 |
+
"learning_rate": 1.860066666666667e-05,
|
| 1230 |
+
"loss": 0.1167,
|
| 1231 |
+
"step": 17100
|
| 1232 |
+
},
|
| 1233 |
+
{
|
| 1234 |
+
"epoch": 1.528888888888889,
|
| 1235 |
+
"grad_norm": 2.915043830871582,
|
| 1236 |
+
"learning_rate": 1.8534000000000002e-05,
|
| 1237 |
+
"loss": 0.1146,
|
| 1238 |
+
"step": 17200
|
| 1239 |
+
},
|
| 1240 |
+
{
|
| 1241 |
+
"epoch": 1.537777777777778,
|
| 1242 |
+
"grad_norm": 1.9369572401046753,
|
| 1243 |
+
"learning_rate": 1.8467333333333335e-05,
|
| 1244 |
+
"loss": 0.115,
|
| 1245 |
+
"step": 17300
|
| 1246 |
+
},
|
| 1247 |
+
{
|
| 1248 |
+
"epoch": 1.5466666666666666,
|
| 1249 |
+
"grad_norm": 2.6729207038879395,
|
| 1250 |
+
"learning_rate": 1.8400666666666668e-05,
|
| 1251 |
+
"loss": 0.1164,
|
| 1252 |
+
"step": 17400
|
| 1253 |
+
},
|
| 1254 |
+
{
|
| 1255 |
+
"epoch": 1.5555555555555556,
|
| 1256 |
+
"grad_norm": 2.3808655738830566,
|
| 1257 |
+
"learning_rate": 1.8334e-05,
|
| 1258 |
+
"loss": 0.1164,
|
| 1259 |
+
"step": 17500
|
| 1260 |
+
},
|
| 1261 |
+
{
|
| 1262 |
+
"epoch": 1.5644444444444443,
|
| 1263 |
+
"grad_norm": 2.073694944381714,
|
| 1264 |
+
"learning_rate": 1.8267333333333334e-05,
|
| 1265 |
+
"loss": 0.1162,
|
| 1266 |
+
"step": 17600
|
| 1267 |
+
},
|
| 1268 |
+
{
|
| 1269 |
+
"epoch": 1.5733333333333333,
|
| 1270 |
+
"grad_norm": 2.777702808380127,
|
| 1271 |
+
"learning_rate": 1.820066666666667e-05,
|
| 1272 |
+
"loss": 0.1165,
|
| 1273 |
+
"step": 17700
|
| 1274 |
+
},
|
| 1275 |
+
{
|
| 1276 |
+
"epoch": 1.5822222222222222,
|
| 1277 |
+
"grad_norm": 2.505470037460327,
|
| 1278 |
+
"learning_rate": 1.8134000000000003e-05,
|
| 1279 |
+
"loss": 0.1161,
|
| 1280 |
+
"step": 17800
|
| 1281 |
+
},
|
| 1282 |
+
{
|
| 1283 |
+
"epoch": 1.5911111111111111,
|
| 1284 |
+
"grad_norm": 2.718674421310425,
|
| 1285 |
+
"learning_rate": 1.8067333333333336e-05,
|
| 1286 |
+
"loss": 0.1163,
|
| 1287 |
+
"step": 17900
|
| 1288 |
+
},
|
| 1289 |
+
{
|
| 1290 |
+
"epoch": 1.6,
|
| 1291 |
+
"grad_norm": 2.1494431495666504,
|
| 1292 |
+
"learning_rate": 1.800066666666667e-05,
|
| 1293 |
+
"loss": 0.1156,
|
| 1294 |
+
"step": 18000
|
| 1295 |
+
},
|
| 1296 |
+
{
|
| 1297 |
+
"epoch": 1.608888888888889,
|
| 1298 |
+
"grad_norm": 2.116150379180908,
|
| 1299 |
+
"learning_rate": 1.7934e-05,
|
| 1300 |
+
"loss": 0.1151,
|
| 1301 |
+
"step": 18100
|
| 1302 |
+
},
|
| 1303 |
+
{
|
| 1304 |
+
"epoch": 1.6177777777777778,
|
| 1305 |
+
"grad_norm": 2.0484061241149902,
|
| 1306 |
+
"learning_rate": 1.7867333333333334e-05,
|
| 1307 |
+
"loss": 0.1156,
|
| 1308 |
+
"step": 18200
|
| 1309 |
+
},
|
| 1310 |
+
{
|
| 1311 |
+
"epoch": 1.6266666666666667,
|
| 1312 |
+
"grad_norm": 2.424205780029297,
|
| 1313 |
+
"learning_rate": 1.7800666666666667e-05,
|
| 1314 |
+
"loss": 0.1163,
|
| 1315 |
+
"step": 18300
|
| 1316 |
+
},
|
| 1317 |
+
{
|
| 1318 |
+
"epoch": 1.6355555555555554,
|
| 1319 |
+
"grad_norm": 1.8127673864364624,
|
| 1320 |
+
"learning_rate": 1.7734e-05,
|
| 1321 |
+
"loss": 0.1158,
|
| 1322 |
+
"step": 18400
|
| 1323 |
+
},
|
| 1324 |
+
{
|
| 1325 |
+
"epoch": 1.6444444444444444,
|
| 1326 |
+
"grad_norm": 1.8198715448379517,
|
| 1327 |
+
"learning_rate": 1.7667333333333336e-05,
|
| 1328 |
+
"loss": 0.1154,
|
| 1329 |
+
"step": 18500
|
| 1330 |
+
},
|
| 1331 |
+
{
|
| 1332 |
+
"epoch": 1.6533333333333333,
|
| 1333 |
+
"grad_norm": 2.0981502532958984,
|
| 1334 |
+
"learning_rate": 1.760066666666667e-05,
|
| 1335 |
+
"loss": 0.1151,
|
| 1336 |
+
"step": 18600
|
| 1337 |
+
},
|
| 1338 |
+
{
|
| 1339 |
+
"epoch": 1.6622222222222223,
|
| 1340 |
+
"grad_norm": 2.4855105876922607,
|
| 1341 |
+
"learning_rate": 1.7534000000000002e-05,
|
| 1342 |
+
"loss": 0.1159,
|
| 1343 |
+
"step": 18700
|
| 1344 |
+
},
|
| 1345 |
+
{
|
| 1346 |
+
"epoch": 1.6711111111111112,
|
| 1347 |
+
"grad_norm": 2.699737071990967,
|
| 1348 |
+
"learning_rate": 1.7467333333333335e-05,
|
| 1349 |
+
"loss": 0.1157,
|
| 1350 |
+
"step": 18800
|
| 1351 |
+
},
|
| 1352 |
+
{
|
| 1353 |
+
"epoch": 1.6800000000000002,
|
| 1354 |
+
"grad_norm": 2.327432870864868,
|
| 1355 |
+
"learning_rate": 1.7400666666666668e-05,
|
| 1356 |
+
"loss": 0.1171,
|
| 1357 |
+
"step": 18900
|
| 1358 |
+
},
|
| 1359 |
+
{
|
| 1360 |
+
"epoch": 1.6888888888888889,
|
| 1361 |
+
"grad_norm": 2.1968882083892822,
|
| 1362 |
+
"learning_rate": 1.7334e-05,
|
| 1363 |
+
"loss": 0.1161,
|
| 1364 |
+
"step": 19000
|
| 1365 |
+
},
|
| 1366 |
+
{
|
| 1367 |
+
"epoch": 1.6977777777777778,
|
| 1368 |
+
"grad_norm": 1.8226240873336792,
|
| 1369 |
+
"learning_rate": 1.7267333333333333e-05,
|
| 1370 |
+
"loss": 0.1151,
|
| 1371 |
+
"step": 19100
|
| 1372 |
+
},
|
| 1373 |
+
{
|
| 1374 |
+
"epoch": 1.7066666666666666,
|
| 1375 |
+
"grad_norm": 2.7223825454711914,
|
| 1376 |
+
"learning_rate": 1.7200666666666666e-05,
|
| 1377 |
+
"loss": 0.1171,
|
| 1378 |
+
"step": 19200
|
| 1379 |
+
},
|
| 1380 |
+
{
|
| 1381 |
+
"epoch": 1.7155555555555555,
|
| 1382 |
+
"grad_norm": 2.9477438926696777,
|
| 1383 |
+
"learning_rate": 1.7134000000000002e-05,
|
| 1384 |
+
"loss": 0.1156,
|
| 1385 |
+
"step": 19300
|
| 1386 |
+
},
|
| 1387 |
+
{
|
| 1388 |
+
"epoch": 1.7244444444444444,
|
| 1389 |
+
"grad_norm": 2.40928316116333,
|
| 1390 |
+
"learning_rate": 1.7067333333333335e-05,
|
| 1391 |
+
"loss": 0.1166,
|
| 1392 |
+
"step": 19400
|
| 1393 |
+
},
|
| 1394 |
+
{
|
| 1395 |
+
"epoch": 1.7333333333333334,
|
| 1396 |
+
"grad_norm": 1.8822649717330933,
|
| 1397 |
+
"learning_rate": 1.7000666666666668e-05,
|
| 1398 |
+
"loss": 0.1153,
|
| 1399 |
+
"step": 19500
|
| 1400 |
+
},
|
| 1401 |
+
{
|
| 1402 |
+
"epoch": 1.7422222222222223,
|
| 1403 |
+
"grad_norm": 2.2142670154571533,
|
| 1404 |
+
"learning_rate": 1.6934e-05,
|
| 1405 |
+
"loss": 0.1163,
|
| 1406 |
+
"step": 19600
|
| 1407 |
+
},
|
| 1408 |
+
{
|
| 1409 |
+
"epoch": 1.751111111111111,
|
| 1410 |
+
"grad_norm": 2.1836495399475098,
|
| 1411 |
+
"learning_rate": 1.6867333333333334e-05,
|
| 1412 |
+
"loss": 0.1151,
|
| 1413 |
+
"step": 19700
|
| 1414 |
+
},
|
| 1415 |
+
{
|
| 1416 |
+
"epoch": 1.76,
|
| 1417 |
+
"grad_norm": 3.2107222080230713,
|
| 1418 |
+
"learning_rate": 1.6800666666666667e-05,
|
| 1419 |
+
"loss": 0.1163,
|
| 1420 |
+
"step": 19800
|
| 1421 |
+
},
|
| 1422 |
+
{
|
| 1423 |
+
"epoch": 1.7688888888888887,
|
| 1424 |
+
"grad_norm": 1.8287441730499268,
|
| 1425 |
+
"learning_rate": 1.6734e-05,
|
| 1426 |
+
"loss": 0.1156,
|
| 1427 |
+
"step": 19900
|
| 1428 |
+
},
|
| 1429 |
+
{
|
| 1430 |
+
"epoch": 1.7777777777777777,
|
| 1431 |
+
"grad_norm": 2.0980119705200195,
|
| 1432 |
+
"learning_rate": 1.6667333333333332e-05,
|
| 1433 |
+
"loss": 0.1155,
|
| 1434 |
+
"step": 20000
|
| 1435 |
+
},
|
| 1436 |
+
{
|
| 1437 |
+
"epoch": 1.7777777777777777,
|
| 1438 |
+
"eval_loss": 0.11874008923768997,
|
| 1439 |
+
"eval_runtime": 211.255,
|
| 1440 |
+
"eval_samples_per_second": 47.336,
|
| 1441 |
+
"eval_steps_per_second": 5.917,
|
| 1442 |
+
"step": 20000
|
| 1443 |
+
},
|
| 1444 |
+
{
|
| 1445 |
+
"epoch": 1.7866666666666666,
|
| 1446 |
+
"grad_norm": 2.3383679389953613,
|
| 1447 |
+
"learning_rate": 1.660066666666667e-05,
|
| 1448 |
+
"loss": 0.1138,
|
| 1449 |
+
"step": 20100
|
| 1450 |
+
},
|
| 1451 |
+
{
|
| 1452 |
+
"epoch": 1.7955555555555556,
|
| 1453 |
+
"grad_norm": 2.7525901794433594,
|
| 1454 |
+
"learning_rate": 1.6534e-05,
|
| 1455 |
+
"loss": 0.116,
|
| 1456 |
+
"step": 20200
|
| 1457 |
+
},
|
| 1458 |
+
{
|
| 1459 |
+
"epoch": 1.8044444444444445,
|
| 1460 |
+
"grad_norm": 2.5040132999420166,
|
| 1461 |
+
"learning_rate": 1.6467333333333334e-05,
|
| 1462 |
+
"loss": 0.1161,
|
| 1463 |
+
"step": 20300
|
| 1464 |
+
},
|
| 1465 |
+
{
|
| 1466 |
+
"epoch": 1.8133333333333335,
|
| 1467 |
+
"grad_norm": 2.259471893310547,
|
| 1468 |
+
"learning_rate": 1.6400666666666667e-05,
|
| 1469 |
+
"loss": 0.117,
|
| 1470 |
+
"step": 20400
|
| 1471 |
+
},
|
| 1472 |
+
{
|
| 1473 |
+
"epoch": 1.8222222222222222,
|
| 1474 |
+
"grad_norm": 2.2679028511047363,
|
| 1475 |
+
"learning_rate": 1.6334e-05,
|
| 1476 |
+
"loss": 0.1137,
|
| 1477 |
+
"step": 20500
|
| 1478 |
+
},
|
| 1479 |
+
{
|
| 1480 |
+
"epoch": 1.8311111111111111,
|
| 1481 |
+
"grad_norm": 2.327155351638794,
|
| 1482 |
+
"learning_rate": 1.6267333333333333e-05,
|
| 1483 |
+
"loss": 0.1166,
|
| 1484 |
+
"step": 20600
|
| 1485 |
+
},
|
| 1486 |
+
{
|
| 1487 |
+
"epoch": 1.8399999999999999,
|
| 1488 |
+
"grad_norm": 1.955175757408142,
|
| 1489 |
+
"learning_rate": 1.6200666666666665e-05,
|
| 1490 |
+
"loss": 0.1166,
|
| 1491 |
+
"step": 20700
|
| 1492 |
+
},
|
| 1493 |
+
{
|
| 1494 |
+
"epoch": 1.8488888888888888,
|
| 1495 |
+
"grad_norm": 2.710777759552002,
|
| 1496 |
+
"learning_rate": 1.6134e-05,
|
| 1497 |
+
"loss": 0.1172,
|
| 1498 |
+
"step": 20800
|
| 1499 |
+
},
|
| 1500 |
+
{
|
| 1501 |
+
"epoch": 1.8577777777777778,
|
| 1502 |
+
"grad_norm": 2.216688632965088,
|
| 1503 |
+
"learning_rate": 1.6067333333333335e-05,
|
| 1504 |
+
"loss": 0.1161,
|
| 1505 |
+
"step": 20900
|
| 1506 |
+
},
|
| 1507 |
+
{
|
| 1508 |
+
"epoch": 1.8666666666666667,
|
| 1509 |
+
"grad_norm": 2.182429075241089,
|
| 1510 |
+
"learning_rate": 1.6000666666666667e-05,
|
| 1511 |
+
"loss": 0.1156,
|
| 1512 |
+
"step": 21000
|
| 1513 |
+
},
|
| 1514 |
+
{
|
| 1515 |
+
"epoch": 1.8755555555555556,
|
| 1516 |
+
"grad_norm": 1.9243407249450684,
|
| 1517 |
+
"learning_rate": 1.5934e-05,
|
| 1518 |
+
"loss": 0.1142,
|
| 1519 |
+
"step": 21100
|
| 1520 |
+
},
|
| 1521 |
+
{
|
| 1522 |
+
"epoch": 1.8844444444444446,
|
| 1523 |
+
"grad_norm": 2.7626757621765137,
|
| 1524 |
+
"learning_rate": 1.5867333333333333e-05,
|
| 1525 |
+
"loss": 0.1145,
|
| 1526 |
+
"step": 21200
|
| 1527 |
+
},
|
| 1528 |
+
{
|
| 1529 |
+
"epoch": 1.8933333333333333,
|
| 1530 |
+
"grad_norm": 2.6856908798217773,
|
| 1531 |
+
"learning_rate": 1.5800666666666666e-05,
|
| 1532 |
+
"loss": 0.1152,
|
| 1533 |
+
"step": 21300
|
| 1534 |
+
},
|
| 1535 |
+
{
|
| 1536 |
+
"epoch": 1.9022222222222223,
|
| 1537 |
+
"grad_norm": 1.7904895544052124,
|
| 1538 |
+
"learning_rate": 1.5734e-05,
|
| 1539 |
+
"loss": 0.1155,
|
| 1540 |
+
"step": 21400
|
| 1541 |
+
},
|
| 1542 |
+
{
|
| 1543 |
+
"epoch": 1.911111111111111,
|
| 1544 |
+
"grad_norm": 3.033803939819336,
|
| 1545 |
+
"learning_rate": 1.566733333333333e-05,
|
| 1546 |
+
"loss": 0.1166,
|
| 1547 |
+
"step": 21500
|
| 1548 |
+
},
|
| 1549 |
+
{
|
| 1550 |
+
"epoch": 1.92,
|
| 1551 |
+
"grad_norm": 2.309826612472534,
|
| 1552 |
+
"learning_rate": 1.5600666666666668e-05,
|
| 1553 |
+
"loss": 0.1158,
|
| 1554 |
+
"step": 21600
|
| 1555 |
+
},
|
| 1556 |
+
{
|
| 1557 |
+
"epoch": 1.9288888888888889,
|
| 1558 |
+
"grad_norm": 1.7815381288528442,
|
| 1559 |
+
"learning_rate": 1.5534e-05,
|
| 1560 |
+
"loss": 0.1162,
|
| 1561 |
+
"step": 21700
|
| 1562 |
+
},
|
| 1563 |
+
{
|
| 1564 |
+
"epoch": 1.9377777777777778,
|
| 1565 |
+
"grad_norm": 2.4178450107574463,
|
| 1566 |
+
"learning_rate": 1.5467333333333334e-05,
|
| 1567 |
+
"loss": 0.1148,
|
| 1568 |
+
"step": 21800
|
| 1569 |
+
},
|
| 1570 |
+
{
|
| 1571 |
+
"epoch": 1.9466666666666668,
|
| 1572 |
+
"grad_norm": 2.054873466491699,
|
| 1573 |
+
"learning_rate": 1.5400666666666666e-05,
|
| 1574 |
+
"loss": 0.1159,
|
| 1575 |
+
"step": 21900
|
| 1576 |
+
},
|
| 1577 |
+
{
|
| 1578 |
+
"epoch": 1.9555555555555557,
|
| 1579 |
+
"grad_norm": 2.2199928760528564,
|
| 1580 |
+
"learning_rate": 1.5334e-05,
|
| 1581 |
+
"loss": 0.116,
|
| 1582 |
+
"step": 22000
|
| 1583 |
+
},
|
| 1584 |
+
{
|
| 1585 |
+
"epoch": 1.9644444444444444,
|
| 1586 |
+
"grad_norm": 2.7613635063171387,
|
| 1587 |
+
"learning_rate": 1.5267333333333332e-05,
|
| 1588 |
+
"loss": 0.1158,
|
| 1589 |
+
"step": 22100
|
| 1590 |
+
},
|
| 1591 |
+
{
|
| 1592 |
+
"epoch": 1.9733333333333334,
|
| 1593 |
+
"grad_norm": 2.339095115661621,
|
| 1594 |
+
"learning_rate": 1.5200666666666667e-05,
|
| 1595 |
+
"loss": 0.1165,
|
| 1596 |
+
"step": 22200
|
| 1597 |
+
},
|
| 1598 |
+
{
|
| 1599 |
+
"epoch": 1.982222222222222,
|
| 1600 |
+
"grad_norm": 2.9039108753204346,
|
| 1601 |
+
"learning_rate": 1.5134e-05,
|
| 1602 |
+
"loss": 0.1161,
|
| 1603 |
+
"step": 22300
|
| 1604 |
+
},
|
| 1605 |
+
{
|
| 1606 |
+
"epoch": 1.991111111111111,
|
| 1607 |
+
"grad_norm": 1.7739943265914917,
|
| 1608 |
+
"learning_rate": 1.5067333333333336e-05,
|
| 1609 |
+
"loss": 0.1156,
|
| 1610 |
+
"step": 22400
|
| 1611 |
+
},
|
| 1612 |
+
{
|
| 1613 |
+
"epoch": 2.0,
|
| 1614 |
+
"grad_norm": 2.047527551651001,
|
| 1615 |
+
"learning_rate": 1.5000666666666669e-05,
|
| 1616 |
+
"loss": 0.1154,
|
| 1617 |
+
"step": 22500
|
| 1618 |
+
},
|
| 1619 |
+
{
|
| 1620 |
+
"epoch": 2.008888888888889,
|
| 1621 |
+
"grad_norm": 2.352304458618164,
|
| 1622 |
+
"learning_rate": 1.4934000000000001e-05,
|
| 1623 |
+
"loss": 0.1158,
|
| 1624 |
+
"step": 22600
|
| 1625 |
+
},
|
| 1626 |
+
{
|
| 1627 |
+
"epoch": 2.017777777777778,
|
| 1628 |
+
"grad_norm": 2.671964645385742,
|
| 1629 |
+
"learning_rate": 1.4867333333333334e-05,
|
| 1630 |
+
"loss": 0.1162,
|
| 1631 |
+
"step": 22700
|
| 1632 |
+
},
|
| 1633 |
+
{
|
| 1634 |
+
"epoch": 2.026666666666667,
|
| 1635 |
+
"grad_norm": 2.2361083030700684,
|
| 1636 |
+
"learning_rate": 1.4800666666666667e-05,
|
| 1637 |
+
"loss": 0.1159,
|
| 1638 |
+
"step": 22800
|
| 1639 |
+
},
|
| 1640 |
+
{
|
| 1641 |
+
"epoch": 2.0355555555555553,
|
| 1642 |
+
"grad_norm": 2.8421878814697266,
|
| 1643 |
+
"learning_rate": 1.4734e-05,
|
| 1644 |
+
"loss": 0.1165,
|
| 1645 |
+
"step": 22900
|
| 1646 |
+
},
|
| 1647 |
+
{
|
| 1648 |
+
"epoch": 2.0444444444444443,
|
| 1649 |
+
"grad_norm": 2.485544204711914,
|
| 1650 |
+
"learning_rate": 1.4667333333333334e-05,
|
| 1651 |
+
"loss": 0.1152,
|
| 1652 |
+
"step": 23000
|
| 1653 |
+
},
|
| 1654 |
+
{
|
| 1655 |
+
"epoch": 2.0533333333333332,
|
| 1656 |
+
"grad_norm": 2.96846079826355,
|
| 1657 |
+
"learning_rate": 1.4600666666666667e-05,
|
| 1658 |
+
"loss": 0.1155,
|
| 1659 |
+
"step": 23100
|
| 1660 |
+
},
|
| 1661 |
+
{
|
| 1662 |
+
"epoch": 2.062222222222222,
|
| 1663 |
+
"grad_norm": 2.7394907474517822,
|
| 1664 |
+
"learning_rate": 1.4534e-05,
|
| 1665 |
+
"loss": 0.1164,
|
| 1666 |
+
"step": 23200
|
| 1667 |
+
},
|
| 1668 |
+
{
|
| 1669 |
+
"epoch": 2.071111111111111,
|
| 1670 |
+
"grad_norm": 2.4437592029571533,
|
| 1671 |
+
"learning_rate": 1.4467333333333333e-05,
|
| 1672 |
+
"loss": 0.1156,
|
| 1673 |
+
"step": 23300
|
| 1674 |
+
},
|
| 1675 |
+
{
|
| 1676 |
+
"epoch": 2.08,
|
| 1677 |
+
"grad_norm": 2.2288527488708496,
|
| 1678 |
+
"learning_rate": 1.4400666666666667e-05,
|
| 1679 |
+
"loss": 0.1158,
|
| 1680 |
+
"step": 23400
|
| 1681 |
+
},
|
| 1682 |
+
{
|
| 1683 |
+
"epoch": 2.088888888888889,
|
| 1684 |
+
"grad_norm": 2.3188891410827637,
|
| 1685 |
+
"learning_rate": 1.4334e-05,
|
| 1686 |
+
"loss": 0.1148,
|
| 1687 |
+
"step": 23500
|
| 1688 |
+
},
|
| 1689 |
+
{
|
| 1690 |
+
"epoch": 2.097777777777778,
|
| 1691 |
+
"grad_norm": 2.7612464427948,
|
| 1692 |
+
"learning_rate": 1.4267333333333333e-05,
|
| 1693 |
+
"loss": 0.1171,
|
| 1694 |
+
"step": 23600
|
| 1695 |
+
},
|
| 1696 |
+
{
|
| 1697 |
+
"epoch": 2.1066666666666665,
|
| 1698 |
+
"grad_norm": 2.3894736766815186,
|
| 1699 |
+
"learning_rate": 1.4200666666666666e-05,
|
| 1700 |
+
"loss": 0.1148,
|
| 1701 |
+
"step": 23700
|
| 1702 |
+
},
|
| 1703 |
+
{
|
| 1704 |
+
"epoch": 2.1155555555555554,
|
| 1705 |
+
"grad_norm": 2.3277463912963867,
|
| 1706 |
+
"learning_rate": 1.4134e-05,
|
| 1707 |
+
"loss": 0.1153,
|
| 1708 |
+
"step": 23800
|
| 1709 |
+
},
|
| 1710 |
+
{
|
| 1711 |
+
"epoch": 2.1244444444444444,
|
| 1712 |
+
"grad_norm": 2.8140342235565186,
|
| 1713 |
+
"learning_rate": 1.4067333333333333e-05,
|
| 1714 |
+
"loss": 0.1137,
|
| 1715 |
+
"step": 23900
|
| 1716 |
+
},
|
| 1717 |
+
{
|
| 1718 |
+
"epoch": 2.1333333333333333,
|
| 1719 |
+
"grad_norm": 2.089547634124756,
|
| 1720 |
+
"learning_rate": 1.4000666666666666e-05,
|
| 1721 |
+
"loss": 0.1155,
|
| 1722 |
+
"step": 24000
|
| 1723 |
+
},
|
| 1724 |
+
{
|
| 1725 |
+
"epoch": 2.1422222222222222,
|
| 1726 |
+
"grad_norm": 3.302685260772705,
|
| 1727 |
+
"learning_rate": 1.3934e-05,
|
| 1728 |
+
"loss": 0.1153,
|
| 1729 |
+
"step": 24100
|
| 1730 |
+
},
|
| 1731 |
+
{
|
| 1732 |
+
"epoch": 2.151111111111111,
|
| 1733 |
+
"grad_norm": 4.049182415008545,
|
| 1734 |
+
"learning_rate": 1.3867333333333334e-05,
|
| 1735 |
+
"loss": 0.1157,
|
| 1736 |
+
"step": 24200
|
| 1737 |
+
},
|
| 1738 |
+
{
|
| 1739 |
+
"epoch": 2.16,
|
| 1740 |
+
"grad_norm": 2.8935699462890625,
|
| 1741 |
+
"learning_rate": 1.3800666666666666e-05,
|
| 1742 |
+
"loss": 0.1148,
|
| 1743 |
+
"step": 24300
|
| 1744 |
+
},
|
| 1745 |
+
{
|
| 1746 |
+
"epoch": 2.168888888888889,
|
| 1747 |
+
"grad_norm": 2.7473628520965576,
|
| 1748 |
+
"learning_rate": 1.3734e-05,
|
| 1749 |
+
"loss": 0.1163,
|
| 1750 |
+
"step": 24400
|
| 1751 |
+
},
|
| 1752 |
+
{
|
| 1753 |
+
"epoch": 2.1777777777777776,
|
| 1754 |
+
"grad_norm": 2.5902512073516846,
|
| 1755 |
+
"learning_rate": 1.3667333333333334e-05,
|
| 1756 |
+
"loss": 0.1166,
|
| 1757 |
+
"step": 24500
|
| 1758 |
+
},
|
| 1759 |
+
{
|
| 1760 |
+
"epoch": 2.1866666666666665,
|
| 1761 |
+
"grad_norm": 2.7223613262176514,
|
| 1762 |
+
"learning_rate": 1.3600666666666667e-05,
|
| 1763 |
+
"loss": 0.1162,
|
| 1764 |
+
"step": 24600
|
| 1765 |
+
},
|
| 1766 |
+
{
|
| 1767 |
+
"epoch": 2.1955555555555555,
|
| 1768 |
+
"grad_norm": 2.1939899921417236,
|
| 1769 |
+
"learning_rate": 1.3534e-05,
|
| 1770 |
+
"loss": 0.1154,
|
| 1771 |
+
"step": 24700
|
| 1772 |
+
},
|
| 1773 |
+
{
|
| 1774 |
+
"epoch": 2.2044444444444444,
|
| 1775 |
+
"grad_norm": 2.0452585220336914,
|
| 1776 |
+
"learning_rate": 1.3467333333333332e-05,
|
| 1777 |
+
"loss": 0.1152,
|
| 1778 |
+
"step": 24800
|
| 1779 |
+
},
|
| 1780 |
+
{
|
| 1781 |
+
"epoch": 2.2133333333333334,
|
| 1782 |
+
"grad_norm": 1.8646681308746338,
|
| 1783 |
+
"learning_rate": 1.3400666666666667e-05,
|
| 1784 |
+
"loss": 0.1155,
|
| 1785 |
+
"step": 24900
|
| 1786 |
+
},
|
| 1787 |
+
{
|
| 1788 |
+
"epoch": 2.2222222222222223,
|
| 1789 |
+
"grad_norm": 1.9449495077133179,
|
| 1790 |
+
"learning_rate": 1.3334000000000001e-05,
|
| 1791 |
+
"loss": 0.1152,
|
| 1792 |
+
"step": 25000
|
| 1793 |
+
},
|
| 1794 |
+
{
|
| 1795 |
+
"epoch": 2.2222222222222223,
|
| 1796 |
+
"eval_loss": 0.11821907013654709,
|
| 1797 |
+
"eval_runtime": 205.4004,
|
| 1798 |
+
"eval_samples_per_second": 48.685,
|
| 1799 |
+
"eval_steps_per_second": 6.086,
|
| 1800 |
+
"step": 25000
|
| 1801 |
+
},
|
| 1802 |
+
{
|
| 1803 |
+
"epoch": 2.2311111111111113,
|
| 1804 |
+
"grad_norm": 2.43855881690979,
|
| 1805 |
+
"learning_rate": 1.3267333333333334e-05,
|
| 1806 |
+
"loss": 0.1152,
|
| 1807 |
+
"step": 25100
|
| 1808 |
+
},
|
| 1809 |
+
{
|
| 1810 |
+
"epoch": 2.24,
|
| 1811 |
+
"grad_norm": 2.259459972381592,
|
| 1812 |
+
"learning_rate": 1.3200666666666667e-05,
|
| 1813 |
+
"loss": 0.1166,
|
| 1814 |
+
"step": 25200
|
| 1815 |
+
},
|
| 1816 |
+
{
|
| 1817 |
+
"epoch": 2.2488888888888887,
|
| 1818 |
+
"grad_norm": 1.6553391218185425,
|
| 1819 |
+
"learning_rate": 1.3134000000000002e-05,
|
| 1820 |
+
"loss": 0.1161,
|
| 1821 |
+
"step": 25300
|
| 1822 |
+
},
|
| 1823 |
+
{
|
| 1824 |
+
"epoch": 2.2577777777777777,
|
| 1825 |
+
"grad_norm": 2.632042407989502,
|
| 1826 |
+
"learning_rate": 1.3067333333333334e-05,
|
| 1827 |
+
"loss": 0.1158,
|
| 1828 |
+
"step": 25400
|
| 1829 |
+
},
|
| 1830 |
+
{
|
| 1831 |
+
"epoch": 2.2666666666666666,
|
| 1832 |
+
"grad_norm": 1.961142897605896,
|
| 1833 |
+
"learning_rate": 1.3000666666666667e-05,
|
| 1834 |
+
"loss": 0.1155,
|
| 1835 |
+
"step": 25500
|
| 1836 |
+
},
|
| 1837 |
+
{
|
| 1838 |
+
"epoch": 2.2755555555555556,
|
| 1839 |
+
"grad_norm": 3.4109835624694824,
|
| 1840 |
+
"learning_rate": 1.2934e-05,
|
| 1841 |
+
"loss": 0.1157,
|
| 1842 |
+
"step": 25600
|
| 1843 |
+
},
|
| 1844 |
+
{
|
| 1845 |
+
"epoch": 2.2844444444444445,
|
| 1846 |
+
"grad_norm": 1.8419948816299438,
|
| 1847 |
+
"learning_rate": 1.2867333333333335e-05,
|
| 1848 |
+
"loss": 0.1155,
|
| 1849 |
+
"step": 25700
|
| 1850 |
+
},
|
| 1851 |
+
{
|
| 1852 |
+
"epoch": 2.2933333333333334,
|
| 1853 |
+
"grad_norm": 1.9801756143569946,
|
| 1854 |
+
"learning_rate": 1.2800666666666668e-05,
|
| 1855 |
+
"loss": 0.1158,
|
| 1856 |
+
"step": 25800
|
| 1857 |
+
},
|
| 1858 |
+
{
|
| 1859 |
+
"epoch": 2.3022222222222224,
|
| 1860 |
+
"grad_norm": 2.43862247467041,
|
| 1861 |
+
"learning_rate": 1.2734e-05,
|
| 1862 |
+
"loss": 0.1153,
|
| 1863 |
+
"step": 25900
|
| 1864 |
+
},
|
| 1865 |
+
{
|
| 1866 |
+
"epoch": 2.311111111111111,
|
| 1867 |
+
"grad_norm": 2.5168206691741943,
|
| 1868 |
+
"learning_rate": 1.2667333333333333e-05,
|
| 1869 |
+
"loss": 0.1156,
|
| 1870 |
+
"step": 26000
|
| 1871 |
+
},
|
| 1872 |
+
{
|
| 1873 |
+
"epoch": 2.32,
|
| 1874 |
+
"grad_norm": 1.8565939664840698,
|
| 1875 |
+
"learning_rate": 1.2600666666666668e-05,
|
| 1876 |
+
"loss": 0.1152,
|
| 1877 |
+
"step": 26100
|
| 1878 |
+
},
|
| 1879 |
+
{
|
| 1880 |
+
"epoch": 2.328888888888889,
|
| 1881 |
+
"grad_norm": 2.830747127532959,
|
| 1882 |
+
"learning_rate": 1.2534e-05,
|
| 1883 |
+
"loss": 0.1162,
|
| 1884 |
+
"step": 26200
|
| 1885 |
+
},
|
| 1886 |
+
{
|
| 1887 |
+
"epoch": 2.3377777777777777,
|
| 1888 |
+
"grad_norm": 2.1019651889801025,
|
| 1889 |
+
"learning_rate": 1.2467333333333333e-05,
|
| 1890 |
+
"loss": 0.1133,
|
| 1891 |
+
"step": 26300
|
| 1892 |
+
},
|
| 1893 |
+
{
|
| 1894 |
+
"epoch": 2.3466666666666667,
|
| 1895 |
+
"grad_norm": 2.217740774154663,
|
| 1896 |
+
"learning_rate": 1.2400666666666666e-05,
|
| 1897 |
+
"loss": 0.1152,
|
| 1898 |
+
"step": 26400
|
| 1899 |
+
},
|
| 1900 |
+
{
|
| 1901 |
+
"epoch": 2.3555555555555556,
|
| 1902 |
+
"grad_norm": 2.361687660217285,
|
| 1903 |
+
"learning_rate": 1.2334e-05,
|
| 1904 |
+
"loss": 0.1156,
|
| 1905 |
+
"step": 26500
|
| 1906 |
+
},
|
| 1907 |
+
{
|
| 1908 |
+
"epoch": 2.3644444444444446,
|
| 1909 |
+
"grad_norm": 2.0507583618164062,
|
| 1910 |
+
"learning_rate": 1.2267333333333334e-05,
|
| 1911 |
+
"loss": 0.1159,
|
| 1912 |
+
"step": 26600
|
| 1913 |
+
},
|
| 1914 |
+
{
|
| 1915 |
+
"epoch": 2.3733333333333335,
|
| 1916 |
+
"grad_norm": 2.8861610889434814,
|
| 1917 |
+
"learning_rate": 1.2200666666666667e-05,
|
| 1918 |
+
"loss": 0.1151,
|
| 1919 |
+
"step": 26700
|
| 1920 |
+
},
|
| 1921 |
+
{
|
| 1922 |
+
"epoch": 2.3822222222222225,
|
| 1923 |
+
"grad_norm": 1.8134089708328247,
|
| 1924 |
+
"learning_rate": 1.2134e-05,
|
| 1925 |
+
"loss": 0.1154,
|
| 1926 |
+
"step": 26800
|
| 1927 |
+
},
|
| 1928 |
+
{
|
| 1929 |
+
"epoch": 2.391111111111111,
|
| 1930 |
+
"grad_norm": 2.0537240505218506,
|
| 1931 |
+
"learning_rate": 1.2067333333333334e-05,
|
| 1932 |
+
"loss": 0.1159,
|
| 1933 |
+
"step": 26900
|
| 1934 |
+
},
|
| 1935 |
+
{
|
| 1936 |
+
"epoch": 2.4,
|
| 1937 |
+
"grad_norm": 2.097390651702881,
|
| 1938 |
+
"learning_rate": 1.2000666666666667e-05,
|
| 1939 |
+
"loss": 0.1161,
|
| 1940 |
+
"step": 27000
|
| 1941 |
+
},
|
| 1942 |
+
{
|
| 1943 |
+
"epoch": 2.408888888888889,
|
| 1944 |
+
"grad_norm": 2.088944435119629,
|
| 1945 |
+
"learning_rate": 1.1934e-05,
|
| 1946 |
+
"loss": 0.1146,
|
| 1947 |
+
"step": 27100
|
| 1948 |
+
},
|
| 1949 |
+
{
|
| 1950 |
+
"epoch": 2.417777777777778,
|
| 1951 |
+
"grad_norm": 2.133535385131836,
|
| 1952 |
+
"learning_rate": 1.1867333333333332e-05,
|
| 1953 |
+
"loss": 0.1159,
|
| 1954 |
+
"step": 27200
|
| 1955 |
+
},
|
| 1956 |
+
{
|
| 1957 |
+
"epoch": 2.4266666666666667,
|
| 1958 |
+
"grad_norm": 1.7839490175247192,
|
| 1959 |
+
"learning_rate": 1.1800666666666667e-05,
|
| 1960 |
+
"loss": 0.1151,
|
| 1961 |
+
"step": 27300
|
| 1962 |
+
},
|
| 1963 |
+
{
|
| 1964 |
+
"epoch": 2.4355555555555557,
|
| 1965 |
+
"grad_norm": 2.6169657707214355,
|
| 1966 |
+
"learning_rate": 1.1734e-05,
|
| 1967 |
+
"loss": 0.1163,
|
| 1968 |
+
"step": 27400
|
| 1969 |
+
},
|
| 1970 |
+
{
|
| 1971 |
+
"epoch": 2.4444444444444446,
|
| 1972 |
+
"grad_norm": 2.3692398071289062,
|
| 1973 |
+
"learning_rate": 1.1667333333333333e-05,
|
| 1974 |
+
"loss": 0.1154,
|
| 1975 |
+
"step": 27500
|
| 1976 |
+
},
|
| 1977 |
+
{
|
| 1978 |
+
"epoch": 2.453333333333333,
|
| 1979 |
+
"grad_norm": 2.067922353744507,
|
| 1980 |
+
"learning_rate": 1.1600666666666667e-05,
|
| 1981 |
+
"loss": 0.1164,
|
| 1982 |
+
"step": 27600
|
| 1983 |
+
},
|
| 1984 |
+
{
|
| 1985 |
+
"epoch": 2.462222222222222,
|
| 1986 |
+
"grad_norm": 2.0473413467407227,
|
| 1987 |
+
"learning_rate": 1.1534e-05,
|
| 1988 |
+
"loss": 0.1163,
|
| 1989 |
+
"step": 27700
|
| 1990 |
+
},
|
| 1991 |
+
{
|
| 1992 |
+
"epoch": 2.471111111111111,
|
| 1993 |
+
"grad_norm": 2.808614730834961,
|
| 1994 |
+
"learning_rate": 1.1467333333333333e-05,
|
| 1995 |
+
"loss": 0.1156,
|
| 1996 |
+
"step": 27800
|
| 1997 |
+
},
|
| 1998 |
+
{
|
| 1999 |
+
"epoch": 2.48,
|
| 2000 |
+
"grad_norm": 2.913728713989258,
|
| 2001 |
+
"learning_rate": 1.1400666666666666e-05,
|
| 2002 |
+
"loss": 0.116,
|
| 2003 |
+
"step": 27900
|
| 2004 |
+
},
|
| 2005 |
+
{
|
| 2006 |
+
"epoch": 2.488888888888889,
|
| 2007 |
+
"grad_norm": 1.912876009941101,
|
| 2008 |
+
"learning_rate": 1.1334e-05,
|
| 2009 |
+
"loss": 0.1152,
|
| 2010 |
+
"step": 28000
|
| 2011 |
+
},
|
| 2012 |
+
{
|
| 2013 |
+
"epoch": 2.497777777777778,
|
| 2014 |
+
"grad_norm": 1.86778724193573,
|
| 2015 |
+
"learning_rate": 1.1267333333333333e-05,
|
| 2016 |
+
"loss": 0.1153,
|
| 2017 |
+
"step": 28100
|
| 2018 |
+
},
|
| 2019 |
+
{
|
| 2020 |
+
"epoch": 2.506666666666667,
|
| 2021 |
+
"grad_norm": 2.0126466751098633,
|
| 2022 |
+
"learning_rate": 1.1200666666666668e-05,
|
| 2023 |
+
"loss": 0.1158,
|
| 2024 |
+
"step": 28200
|
| 2025 |
+
},
|
| 2026 |
+
{
|
| 2027 |
+
"epoch": 2.5155555555555553,
|
| 2028 |
+
"grad_norm": 3.1814756393432617,
|
| 2029 |
+
"learning_rate": 1.1134e-05,
|
| 2030 |
+
"loss": 0.1141,
|
| 2031 |
+
"step": 28300
|
| 2032 |
+
},
|
| 2033 |
+
{
|
| 2034 |
+
"epoch": 2.5244444444444447,
|
| 2035 |
+
"grad_norm": 1.9883755445480347,
|
| 2036 |
+
"learning_rate": 1.1067333333333335e-05,
|
| 2037 |
+
"loss": 0.1166,
|
| 2038 |
+
"step": 28400
|
| 2039 |
+
},
|
| 2040 |
+
{
|
| 2041 |
+
"epoch": 2.533333333333333,
|
| 2042 |
+
"grad_norm": 2.183955192565918,
|
| 2043 |
+
"learning_rate": 1.1000666666666668e-05,
|
| 2044 |
+
"loss": 0.1148,
|
| 2045 |
+
"step": 28500
|
| 2046 |
+
},
|
| 2047 |
+
{
|
| 2048 |
+
"epoch": 2.542222222222222,
|
| 2049 |
+
"grad_norm": 1.8114796876907349,
|
| 2050 |
+
"learning_rate": 1.0934e-05,
|
| 2051 |
+
"loss": 0.1152,
|
| 2052 |
+
"step": 28600
|
| 2053 |
+
},
|
| 2054 |
+
{
|
| 2055 |
+
"epoch": 2.551111111111111,
|
| 2056 |
+
"grad_norm": 2.805391550064087,
|
| 2057 |
+
"learning_rate": 1.0867333333333334e-05,
|
| 2058 |
+
"loss": 0.1167,
|
| 2059 |
+
"step": 28700
|
| 2060 |
+
},
|
| 2061 |
+
{
|
| 2062 |
+
"epoch": 2.56,
|
| 2063 |
+
"grad_norm": 1.9589388370513916,
|
| 2064 |
+
"learning_rate": 1.0800666666666668e-05,
|
| 2065 |
+
"loss": 0.1159,
|
| 2066 |
+
"step": 28800
|
| 2067 |
+
},
|
| 2068 |
+
{
|
| 2069 |
+
"epoch": 2.568888888888889,
|
| 2070 |
+
"grad_norm": 2.483231782913208,
|
| 2071 |
+
"learning_rate": 1.0734000000000001e-05,
|
| 2072 |
+
"loss": 0.1164,
|
| 2073 |
+
"step": 28900
|
| 2074 |
+
},
|
| 2075 |
+
{
|
| 2076 |
+
"epoch": 2.5777777777777775,
|
| 2077 |
+
"grad_norm": 2.146597385406494,
|
| 2078 |
+
"learning_rate": 1.0667333333333334e-05,
|
| 2079 |
+
"loss": 0.1157,
|
| 2080 |
+
"step": 29000
|
| 2081 |
+
},
|
| 2082 |
+
{
|
| 2083 |
+
"epoch": 2.586666666666667,
|
| 2084 |
+
"grad_norm": 2.4722535610198975,
|
| 2085 |
+
"learning_rate": 1.0600666666666667e-05,
|
| 2086 |
+
"loss": 0.1152,
|
| 2087 |
+
"step": 29100
|
| 2088 |
+
},
|
| 2089 |
+
{
|
| 2090 |
+
"epoch": 2.5955555555555554,
|
| 2091 |
+
"grad_norm": 2.1983442306518555,
|
| 2092 |
+
"learning_rate": 1.0534000000000001e-05,
|
| 2093 |
+
"loss": 0.1157,
|
| 2094 |
+
"step": 29200
|
| 2095 |
+
},
|
| 2096 |
+
{
|
| 2097 |
+
"epoch": 2.6044444444444443,
|
| 2098 |
+
"grad_norm": 2.2970950603485107,
|
| 2099 |
+
"learning_rate": 1.0467333333333334e-05,
|
| 2100 |
+
"loss": 0.1157,
|
| 2101 |
+
"step": 29300
|
| 2102 |
+
},
|
| 2103 |
+
{
|
| 2104 |
+
"epoch": 2.6133333333333333,
|
| 2105 |
+
"grad_norm": 2.0761561393737793,
|
| 2106 |
+
"learning_rate": 1.0400666666666667e-05,
|
| 2107 |
+
"loss": 0.1158,
|
| 2108 |
+
"step": 29400
|
| 2109 |
+
},
|
| 2110 |
+
{
|
| 2111 |
+
"epoch": 2.6222222222222222,
|
| 2112 |
+
"grad_norm": 2.563446283340454,
|
| 2113 |
+
"learning_rate": 1.0334e-05,
|
| 2114 |
+
"loss": 0.1148,
|
| 2115 |
+
"step": 29500
|
| 2116 |
+
},
|
| 2117 |
+
{
|
| 2118 |
+
"epoch": 2.631111111111111,
|
| 2119 |
+
"grad_norm": 1.857676386833191,
|
| 2120 |
+
"learning_rate": 1.0267333333333334e-05,
|
| 2121 |
+
"loss": 0.1156,
|
| 2122 |
+
"step": 29600
|
| 2123 |
+
},
|
| 2124 |
+
{
|
| 2125 |
+
"epoch": 2.64,
|
| 2126 |
+
"grad_norm": 1.8866102695465088,
|
| 2127 |
+
"learning_rate": 1.0200666666666667e-05,
|
| 2128 |
+
"loss": 0.1161,
|
| 2129 |
+
"step": 29700
|
| 2130 |
+
},
|
| 2131 |
+
{
|
| 2132 |
+
"epoch": 2.648888888888889,
|
| 2133 |
+
"grad_norm": 2.0575530529022217,
|
| 2134 |
+
"learning_rate": 1.0134e-05,
|
| 2135 |
+
"loss": 0.1147,
|
| 2136 |
+
"step": 29800
|
| 2137 |
+
},
|
| 2138 |
+
{
|
| 2139 |
+
"epoch": 2.6577777777777776,
|
| 2140 |
+
"grad_norm": 2.034001111984253,
|
| 2141 |
+
"learning_rate": 1.0067333333333333e-05,
|
| 2142 |
+
"loss": 0.1157,
|
| 2143 |
+
"step": 29900
|
| 2144 |
+
},
|
| 2145 |
+
{
|
| 2146 |
+
"epoch": 2.6666666666666665,
|
| 2147 |
+
"grad_norm": 2.0795133113861084,
|
| 2148 |
+
"learning_rate": 1.0000666666666667e-05,
|
| 2149 |
+
"loss": 0.1148,
|
| 2150 |
+
"step": 30000
|
| 2151 |
+
},
|
| 2152 |
+
{
|
| 2153 |
+
"epoch": 2.6666666666666665,
|
| 2154 |
+
"eval_loss": 0.11856765300035477,
|
| 2155 |
+
"eval_runtime": 205.9117,
|
| 2156 |
+
"eval_samples_per_second": 48.565,
|
| 2157 |
+
"eval_steps_per_second": 6.071,
|
| 2158 |
+
"step": 30000
|
| 2159 |
+
},
|
| 2160 |
+
{
|
| 2161 |
+
"epoch": 2.6755555555555555,
|
| 2162 |
+
"grad_norm": 1.806398630142212,
|
| 2163 |
+
"learning_rate": 9.934e-06,
|
| 2164 |
+
"loss": 0.1157,
|
| 2165 |
+
"step": 30100
|
| 2166 |
+
},
|
| 2167 |
+
{
|
| 2168 |
+
"epoch": 2.6844444444444444,
|
| 2169 |
+
"grad_norm": 2.670499563217163,
|
| 2170 |
+
"learning_rate": 9.867333333333333e-06,
|
| 2171 |
+
"loss": 0.1158,
|
| 2172 |
+
"step": 30200
|
| 2173 |
+
},
|
| 2174 |
+
{
|
| 2175 |
+
"epoch": 2.6933333333333334,
|
| 2176 |
+
"grad_norm": 2.7029168605804443,
|
| 2177 |
+
"learning_rate": 9.800666666666666e-06,
|
| 2178 |
+
"loss": 0.1158,
|
| 2179 |
+
"step": 30300
|
| 2180 |
+
},
|
| 2181 |
+
{
|
| 2182 |
+
"epoch": 2.7022222222222223,
|
| 2183 |
+
"grad_norm": 2.2368838787078857,
|
| 2184 |
+
"learning_rate": 9.734e-06,
|
| 2185 |
+
"loss": 0.1158,
|
| 2186 |
+
"step": 30400
|
| 2187 |
+
},
|
| 2188 |
+
{
|
| 2189 |
+
"epoch": 2.7111111111111112,
|
| 2190 |
+
"grad_norm": 2.2548608779907227,
|
| 2191 |
+
"learning_rate": 9.667333333333333e-06,
|
| 2192 |
+
"loss": 0.1158,
|
| 2193 |
+
"step": 30500
|
| 2194 |
+
},
|
| 2195 |
+
{
|
| 2196 |
+
"epoch": 2.7199999999999998,
|
| 2197 |
+
"grad_norm": 2.935089588165283,
|
| 2198 |
+
"learning_rate": 9.600666666666666e-06,
|
| 2199 |
+
"loss": 0.1158,
|
| 2200 |
+
"step": 30600
|
| 2201 |
+
},
|
| 2202 |
+
{
|
| 2203 |
+
"epoch": 2.728888888888889,
|
| 2204 |
+
"grad_norm": 2.124918222427368,
|
| 2205 |
+
"learning_rate": 9.534e-06,
|
| 2206 |
+
"loss": 0.116,
|
| 2207 |
+
"step": 30700
|
| 2208 |
+
},
|
| 2209 |
+
{
|
| 2210 |
+
"epoch": 2.7377777777777776,
|
| 2211 |
+
"grad_norm": 2.378983736038208,
|
| 2212 |
+
"learning_rate": 9.467333333333333e-06,
|
| 2213 |
+
"loss": 0.1151,
|
| 2214 |
+
"step": 30800
|
| 2215 |
+
},
|
| 2216 |
+
{
|
| 2217 |
+
"epoch": 2.7466666666666666,
|
| 2218 |
+
"grad_norm": 2.25007963180542,
|
| 2219 |
+
"learning_rate": 9.400666666666666e-06,
|
| 2220 |
+
"loss": 0.1149,
|
| 2221 |
+
"step": 30900
|
| 2222 |
+
},
|
| 2223 |
+
{
|
| 2224 |
+
"epoch": 2.7555555555555555,
|
| 2225 |
+
"grad_norm": 2.59733510017395,
|
| 2226 |
+
"learning_rate": 9.333999999999999e-06,
|
| 2227 |
+
"loss": 0.1161,
|
| 2228 |
+
"step": 31000
|
| 2229 |
+
},
|
| 2230 |
+
{
|
| 2231 |
+
"epoch": 2.7644444444444445,
|
| 2232 |
+
"grad_norm": 1.812325119972229,
|
| 2233 |
+
"learning_rate": 9.267333333333334e-06,
|
| 2234 |
+
"loss": 0.1138,
|
| 2235 |
+
"step": 31100
|
| 2236 |
+
},
|
| 2237 |
+
{
|
| 2238 |
+
"epoch": 2.7733333333333334,
|
| 2239 |
+
"grad_norm": 1.9207689762115479,
|
| 2240 |
+
"learning_rate": 9.200666666666666e-06,
|
| 2241 |
+
"loss": 0.1147,
|
| 2242 |
+
"step": 31200
|
| 2243 |
+
},
|
| 2244 |
+
{
|
| 2245 |
+
"epoch": 2.7822222222222224,
|
| 2246 |
+
"grad_norm": 2.4983069896698,
|
| 2247 |
+
"learning_rate": 9.134e-06,
|
| 2248 |
+
"loss": 0.1153,
|
| 2249 |
+
"step": 31300
|
| 2250 |
+
},
|
| 2251 |
+
{
|
| 2252 |
+
"epoch": 2.7911111111111113,
|
| 2253 |
+
"grad_norm": 2.1139156818389893,
|
| 2254 |
+
"learning_rate": 9.067333333333334e-06,
|
| 2255 |
+
"loss": 0.1147,
|
| 2256 |
+
"step": 31400
|
| 2257 |
+
},
|
| 2258 |
+
{
|
| 2259 |
+
"epoch": 2.8,
|
| 2260 |
+
"grad_norm": 1.7658330202102661,
|
| 2261 |
+
"learning_rate": 9.000666666666668e-06,
|
| 2262 |
+
"loss": 0.1149,
|
| 2263 |
+
"step": 31500
|
| 2264 |
+
},
|
| 2265 |
+
{
|
| 2266 |
+
"epoch": 2.8088888888888888,
|
| 2267 |
+
"grad_norm": 2.7101166248321533,
|
| 2268 |
+
"learning_rate": 8.934000000000001e-06,
|
| 2269 |
+
"loss": 0.1159,
|
| 2270 |
+
"step": 31600
|
| 2271 |
+
},
|
| 2272 |
+
{
|
| 2273 |
+
"epoch": 2.8177777777777777,
|
| 2274 |
+
"grad_norm": 2.397491455078125,
|
| 2275 |
+
"learning_rate": 8.867333333333334e-06,
|
| 2276 |
+
"loss": 0.1145,
|
| 2277 |
+
"step": 31700
|
| 2278 |
+
},
|
| 2279 |
+
{
|
| 2280 |
+
"epoch": 2.8266666666666667,
|
| 2281 |
+
"grad_norm": 1.7462725639343262,
|
| 2282 |
+
"learning_rate": 8.800666666666667e-06,
|
| 2283 |
+
"loss": 0.1146,
|
| 2284 |
+
"step": 31800
|
| 2285 |
+
},
|
| 2286 |
+
{
|
| 2287 |
+
"epoch": 2.8355555555555556,
|
| 2288 |
+
"grad_norm": 1.9845815896987915,
|
| 2289 |
+
"learning_rate": 8.734000000000001e-06,
|
| 2290 |
+
"loss": 0.1159,
|
| 2291 |
+
"step": 31900
|
| 2292 |
+
},
|
| 2293 |
+
{
|
| 2294 |
+
"epoch": 2.8444444444444446,
|
| 2295 |
+
"grad_norm": 2.7019858360290527,
|
| 2296 |
+
"learning_rate": 8.667333333333334e-06,
|
| 2297 |
+
"loss": 0.1161,
|
| 2298 |
+
"step": 32000
|
| 2299 |
+
},
|
| 2300 |
+
{
|
| 2301 |
+
"epoch": 2.8533333333333335,
|
| 2302 |
+
"grad_norm": 2.1721303462982178,
|
| 2303 |
+
"learning_rate": 8.600666666666667e-06,
|
| 2304 |
+
"loss": 0.1158,
|
| 2305 |
+
"step": 32100
|
| 2306 |
+
},
|
| 2307 |
+
{
|
| 2308 |
+
"epoch": 2.862222222222222,
|
| 2309 |
+
"grad_norm": 2.018580436706543,
|
| 2310 |
+
"learning_rate": 8.534e-06,
|
| 2311 |
+
"loss": 0.1155,
|
| 2312 |
+
"step": 32200
|
| 2313 |
+
},
|
| 2314 |
+
{
|
| 2315 |
+
"epoch": 2.871111111111111,
|
| 2316 |
+
"grad_norm": 2.5351226329803467,
|
| 2317 |
+
"learning_rate": 8.467333333333334e-06,
|
| 2318 |
+
"loss": 0.1145,
|
| 2319 |
+
"step": 32300
|
| 2320 |
+
},
|
| 2321 |
+
{
|
| 2322 |
+
"epoch": 2.88,
|
| 2323 |
+
"grad_norm": 2.0548834800720215,
|
| 2324 |
+
"learning_rate": 8.400666666666667e-06,
|
| 2325 |
+
"loss": 0.1123,
|
| 2326 |
+
"step": 32400
|
| 2327 |
+
},
|
| 2328 |
+
{
|
| 2329 |
+
"epoch": 2.888888888888889,
|
| 2330 |
+
"grad_norm": 1.849409818649292,
|
| 2331 |
+
"learning_rate": 8.334e-06,
|
| 2332 |
+
"loss": 0.1164,
|
| 2333 |
+
"step": 32500
|
| 2334 |
+
},
|
| 2335 |
+
{
|
| 2336 |
+
"epoch": 2.897777777777778,
|
| 2337 |
+
"grad_norm": 1.837160348892212,
|
| 2338 |
+
"learning_rate": 8.267333333333333e-06,
|
| 2339 |
+
"loss": 0.1149,
|
| 2340 |
+
"step": 32600
|
| 2341 |
+
},
|
| 2342 |
+
{
|
| 2343 |
+
"epoch": 2.9066666666666667,
|
| 2344 |
+
"grad_norm": 2.0503478050231934,
|
| 2345 |
+
"learning_rate": 8.200666666666668e-06,
|
| 2346 |
+
"loss": 0.1156,
|
| 2347 |
+
"step": 32700
|
| 2348 |
+
},
|
| 2349 |
+
{
|
| 2350 |
+
"epoch": 2.9155555555555557,
|
| 2351 |
+
"grad_norm": 2.295761823654175,
|
| 2352 |
+
"learning_rate": 8.134e-06,
|
| 2353 |
+
"loss": 0.1161,
|
| 2354 |
+
"step": 32800
|
| 2355 |
+
},
|
| 2356 |
+
{
|
| 2357 |
+
"epoch": 2.924444444444444,
|
| 2358 |
+
"grad_norm": 1.939372181892395,
|
| 2359 |
+
"learning_rate": 8.067333333333333e-06,
|
| 2360 |
+
"loss": 0.1159,
|
| 2361 |
+
"step": 32900
|
| 2362 |
+
},
|
| 2363 |
+
{
|
| 2364 |
+
"epoch": 2.9333333333333336,
|
| 2365 |
+
"grad_norm": 2.1088409423828125,
|
| 2366 |
+
"learning_rate": 8.000666666666666e-06,
|
| 2367 |
+
"loss": 0.1151,
|
| 2368 |
+
"step": 33000
|
| 2369 |
+
},
|
| 2370 |
+
{
|
| 2371 |
+
"epoch": 2.942222222222222,
|
| 2372 |
+
"grad_norm": 2.3162732124328613,
|
| 2373 |
+
"learning_rate": 7.934e-06,
|
| 2374 |
+
"loss": 0.1146,
|
| 2375 |
+
"step": 33100
|
| 2376 |
+
},
|
| 2377 |
+
{
|
| 2378 |
+
"epoch": 2.951111111111111,
|
| 2379 |
+
"grad_norm": 2.5189192295074463,
|
| 2380 |
+
"learning_rate": 7.867333333333333e-06,
|
| 2381 |
+
"loss": 0.1153,
|
| 2382 |
+
"step": 33200
|
| 2383 |
+
},
|
| 2384 |
+
{
|
| 2385 |
+
"epoch": 2.96,
|
| 2386 |
+
"grad_norm": 2.011211633682251,
|
| 2387 |
+
"learning_rate": 7.800666666666666e-06,
|
| 2388 |
+
"loss": 0.1154,
|
| 2389 |
+
"step": 33300
|
| 2390 |
+
},
|
| 2391 |
+
{
|
| 2392 |
+
"epoch": 2.968888888888889,
|
| 2393 |
+
"grad_norm": 2.14790415763855,
|
| 2394 |
+
"learning_rate": 7.733999999999999e-06,
|
| 2395 |
+
"loss": 0.1158,
|
| 2396 |
+
"step": 33400
|
| 2397 |
+
},
|
| 2398 |
+
{
|
| 2399 |
+
"epoch": 2.977777777777778,
|
| 2400 |
+
"grad_norm": 1.6173288822174072,
|
| 2401 |
+
"learning_rate": 7.667333333333334e-06,
|
| 2402 |
+
"loss": 0.1154,
|
| 2403 |
+
"step": 33500
|
| 2404 |
+
},
|
| 2405 |
+
{
|
| 2406 |
+
"epoch": 2.986666666666667,
|
| 2407 |
+
"grad_norm": 2.406761407852173,
|
| 2408 |
+
"learning_rate": 7.6006666666666665e-06,
|
| 2409 |
+
"loss": 0.1162,
|
| 2410 |
+
"step": 33600
|
| 2411 |
+
},
|
| 2412 |
+
{
|
| 2413 |
+
"epoch": 2.9955555555555557,
|
| 2414 |
+
"grad_norm": 1.9551059007644653,
|
| 2415 |
+
"learning_rate": 7.533999999999999e-06,
|
| 2416 |
+
"loss": 0.1152,
|
| 2417 |
+
"step": 33700
|
| 2418 |
+
},
|
| 2419 |
+
{
|
| 2420 |
+
"epoch": 3.0044444444444443,
|
| 2421 |
+
"grad_norm": 3.290292263031006,
|
| 2422 |
+
"learning_rate": 7.467333333333334e-06,
|
| 2423 |
+
"loss": 0.1139,
|
| 2424 |
+
"step": 33800
|
| 2425 |
+
},
|
| 2426 |
+
{
|
| 2427 |
+
"epoch": 3.013333333333333,
|
| 2428 |
+
"grad_norm": 1.8533827066421509,
|
| 2429 |
+
"learning_rate": 7.400666666666668e-06,
|
| 2430 |
+
"loss": 0.115,
|
| 2431 |
+
"step": 33900
|
| 2432 |
+
},
|
| 2433 |
+
{
|
| 2434 |
+
"epoch": 3.022222222222222,
|
| 2435 |
+
"grad_norm": 2.736829996109009,
|
| 2436 |
+
"learning_rate": 7.3340000000000004e-06,
|
| 2437 |
+
"loss": 0.1166,
|
| 2438 |
+
"step": 34000
|
| 2439 |
+
},
|
| 2440 |
+
{
|
| 2441 |
+
"epoch": 3.031111111111111,
|
| 2442 |
+
"grad_norm": 1.9183787107467651,
|
| 2443 |
+
"learning_rate": 7.267333333333334e-06,
|
| 2444 |
+
"loss": 0.1156,
|
| 2445 |
+
"step": 34100
|
| 2446 |
+
},
|
| 2447 |
+
{
|
| 2448 |
+
"epoch": 3.04,
|
| 2449 |
+
"grad_norm": 2.566490411758423,
|
| 2450 |
+
"learning_rate": 7.200666666666667e-06,
|
| 2451 |
+
"loss": 0.1144,
|
| 2452 |
+
"step": 34200
|
| 2453 |
+
},
|
| 2454 |
+
{
|
| 2455 |
+
"epoch": 3.048888888888889,
|
| 2456 |
+
"grad_norm": 1.9702024459838867,
|
| 2457 |
+
"learning_rate": 7.134000000000001e-06,
|
| 2458 |
+
"loss": 0.1155,
|
| 2459 |
+
"step": 34300
|
| 2460 |
+
},
|
| 2461 |
+
{
|
| 2462 |
+
"epoch": 3.057777777777778,
|
| 2463 |
+
"grad_norm": 1.7992531061172485,
|
| 2464 |
+
"learning_rate": 7.0673333333333335e-06,
|
| 2465 |
+
"loss": 0.115,
|
| 2466 |
+
"step": 34400
|
| 2467 |
+
},
|
| 2468 |
+
{
|
| 2469 |
+
"epoch": 3.066666666666667,
|
| 2470 |
+
"grad_norm": 2.741799831390381,
|
| 2471 |
+
"learning_rate": 7.000666666666667e-06,
|
| 2472 |
+
"loss": 0.1135,
|
| 2473 |
+
"step": 34500
|
| 2474 |
+
},
|
| 2475 |
+
{
|
| 2476 |
+
"epoch": 3.0755555555555554,
|
| 2477 |
+
"grad_norm": 2.1746695041656494,
|
| 2478 |
+
"learning_rate": 6.934e-06,
|
| 2479 |
+
"loss": 0.1157,
|
| 2480 |
+
"step": 34600
|
| 2481 |
+
},
|
| 2482 |
+
{
|
| 2483 |
+
"epoch": 3.0844444444444443,
|
| 2484 |
+
"grad_norm": 2.317960023880005,
|
| 2485 |
+
"learning_rate": 6.867333333333334e-06,
|
| 2486 |
+
"loss": 0.116,
|
| 2487 |
+
"step": 34700
|
| 2488 |
+
},
|
| 2489 |
+
{
|
| 2490 |
+
"epoch": 3.0933333333333333,
|
| 2491 |
+
"grad_norm": 2.2601873874664307,
|
| 2492 |
+
"learning_rate": 6.8006666666666666e-06,
|
| 2493 |
+
"loss": 0.1166,
|
| 2494 |
+
"step": 34800
|
| 2495 |
+
},
|
| 2496 |
+
{
|
| 2497 |
+
"epoch": 3.102222222222222,
|
| 2498 |
+
"grad_norm": 2.3944337368011475,
|
| 2499 |
+
"learning_rate": 6.734e-06,
|
| 2500 |
+
"loss": 0.1148,
|
| 2501 |
+
"step": 34900
|
| 2502 |
+
},
|
| 2503 |
+
{
|
| 2504 |
+
"epoch": 3.111111111111111,
|
| 2505 |
+
"grad_norm": 1.8338050842285156,
|
| 2506 |
+
"learning_rate": 6.667333333333333e-06,
|
| 2507 |
+
"loss": 0.1162,
|
| 2508 |
+
"step": 35000
|
| 2509 |
+
},
|
| 2510 |
+
{
|
| 2511 |
+
"epoch": 3.111111111111111,
|
| 2512 |
+
"eval_loss": 0.11784859746694565,
|
| 2513 |
+
"eval_runtime": 222.7792,
|
| 2514 |
+
"eval_samples_per_second": 44.887,
|
| 2515 |
+
"eval_steps_per_second": 5.611,
|
| 2516 |
+
"step": 35000
|
| 2517 |
+
},
|
| 2518 |
+
{
|
| 2519 |
+
"epoch": 3.12,
|
| 2520 |
+
"grad_norm": 2.1952126026153564,
|
| 2521 |
+
"learning_rate": 6.600666666666667e-06,
|
| 2522 |
+
"loss": 0.1155,
|
| 2523 |
+
"step": 35100
|
| 2524 |
+
},
|
| 2525 |
+
{
|
| 2526 |
+
"epoch": 3.128888888888889,
|
| 2527 |
+
"grad_norm": 2.4511802196502686,
|
| 2528 |
+
"learning_rate": 6.534e-06,
|
| 2529 |
+
"loss": 0.1161,
|
| 2530 |
+
"step": 35200
|
| 2531 |
+
},
|
| 2532 |
+
{
|
| 2533 |
+
"epoch": 3.137777777777778,
|
| 2534 |
+
"grad_norm": 2.5017638206481934,
|
| 2535 |
+
"learning_rate": 6.467333333333333e-06,
|
| 2536 |
+
"loss": 0.1151,
|
| 2537 |
+
"step": 35300
|
| 2538 |
+
},
|
| 2539 |
+
{
|
| 2540 |
+
"epoch": 3.1466666666666665,
|
| 2541 |
+
"grad_norm": 2.345991373062134,
|
| 2542 |
+
"learning_rate": 6.400666666666667e-06,
|
| 2543 |
+
"loss": 0.1161,
|
| 2544 |
+
"step": 35400
|
| 2545 |
+
},
|
| 2546 |
+
{
|
| 2547 |
+
"epoch": 3.1555555555555554,
|
| 2548 |
+
"grad_norm": 2.8866028785705566,
|
| 2549 |
+
"learning_rate": 6.334000000000001e-06,
|
| 2550 |
+
"loss": 0.1156,
|
| 2551 |
+
"step": 35500
|
| 2552 |
+
},
|
| 2553 |
+
{
|
| 2554 |
+
"epoch": 3.1644444444444444,
|
| 2555 |
+
"grad_norm": 2.9575486183166504,
|
| 2556 |
+
"learning_rate": 6.2673333333333335e-06,
|
| 2557 |
+
"loss": 0.1142,
|
| 2558 |
+
"step": 35600
|
| 2559 |
+
},
|
| 2560 |
+
{
|
| 2561 |
+
"epoch": 3.1733333333333333,
|
| 2562 |
+
"grad_norm": 2.0834195613861084,
|
| 2563 |
+
"learning_rate": 6.200666666666667e-06,
|
| 2564 |
+
"loss": 0.1155,
|
| 2565 |
+
"step": 35700
|
| 2566 |
+
},
|
| 2567 |
+
{
|
| 2568 |
+
"epoch": 3.1822222222222223,
|
| 2569 |
+
"grad_norm": 2.265125036239624,
|
| 2570 |
+
"learning_rate": 6.134e-06,
|
| 2571 |
+
"loss": 0.1153,
|
| 2572 |
+
"step": 35800
|
| 2573 |
+
},
|
| 2574 |
+
{
|
| 2575 |
+
"epoch": 3.1911111111111112,
|
| 2576 |
+
"grad_norm": 1.915515661239624,
|
| 2577 |
+
"learning_rate": 6.067333333333334e-06,
|
| 2578 |
+
"loss": 0.1156,
|
| 2579 |
+
"step": 35900
|
| 2580 |
+
},
|
| 2581 |
+
{
|
| 2582 |
+
"epoch": 3.2,
|
| 2583 |
+
"grad_norm": 1.5453358888626099,
|
| 2584 |
+
"learning_rate": 6.000666666666667e-06,
|
| 2585 |
+
"loss": 0.1159,
|
| 2586 |
+
"step": 36000
|
| 2587 |
+
},
|
| 2588 |
+
{
|
| 2589 |
+
"epoch": 3.2088888888888887,
|
| 2590 |
+
"grad_norm": 3.102155923843384,
|
| 2591 |
+
"learning_rate": 5.934e-06,
|
| 2592 |
+
"loss": 0.1159,
|
| 2593 |
+
"step": 36100
|
| 2594 |
+
},
|
| 2595 |
+
{
|
| 2596 |
+
"epoch": 3.2177777777777776,
|
| 2597 |
+
"grad_norm": 1.9122494459152222,
|
| 2598 |
+
"learning_rate": 5.867333333333333e-06,
|
| 2599 |
+
"loss": 0.1152,
|
| 2600 |
+
"step": 36200
|
| 2601 |
+
},
|
| 2602 |
+
{
|
| 2603 |
+
"epoch": 3.2266666666666666,
|
| 2604 |
+
"grad_norm": 3.5081045627593994,
|
| 2605 |
+
"learning_rate": 5.800666666666667e-06,
|
| 2606 |
+
"loss": 0.1155,
|
| 2607 |
+
"step": 36300
|
| 2608 |
+
},
|
| 2609 |
+
{
|
| 2610 |
+
"epoch": 3.2355555555555555,
|
| 2611 |
+
"grad_norm": 2.1976592540740967,
|
| 2612 |
+
"learning_rate": 5.734e-06,
|
| 2613 |
+
"loss": 0.1153,
|
| 2614 |
+
"step": 36400
|
| 2615 |
+
},
|
| 2616 |
+
{
|
| 2617 |
+
"epoch": 3.2444444444444445,
|
| 2618 |
+
"grad_norm": 1.8369086980819702,
|
| 2619 |
+
"learning_rate": 5.667333333333333e-06,
|
| 2620 |
+
"loss": 0.1144,
|
| 2621 |
+
"step": 36500
|
| 2622 |
+
},
|
| 2623 |
+
{
|
| 2624 |
+
"epoch": 3.2533333333333334,
|
| 2625 |
+
"grad_norm": 2.886779308319092,
|
| 2626 |
+
"learning_rate": 5.600666666666666e-06,
|
| 2627 |
+
"loss": 0.1137,
|
| 2628 |
+
"step": 36600
|
| 2629 |
+
},
|
| 2630 |
+
{
|
| 2631 |
+
"epoch": 3.2622222222222224,
|
| 2632 |
+
"grad_norm": 2.462570905685425,
|
| 2633 |
+
"learning_rate": 5.534e-06,
|
| 2634 |
+
"loss": 0.1149,
|
| 2635 |
+
"step": 36700
|
| 2636 |
+
},
|
| 2637 |
+
{
|
| 2638 |
+
"epoch": 3.2711111111111113,
|
| 2639 |
+
"grad_norm": 2.79964017868042,
|
| 2640 |
+
"learning_rate": 5.467333333333333e-06,
|
| 2641 |
+
"loss": 0.1144,
|
| 2642 |
+
"step": 36800
|
| 2643 |
+
},
|
| 2644 |
+
{
|
| 2645 |
+
"epoch": 3.2800000000000002,
|
| 2646 |
+
"grad_norm": 2.734807014465332,
|
| 2647 |
+
"learning_rate": 5.400666666666666e-06,
|
| 2648 |
+
"loss": 0.1165,
|
| 2649 |
+
"step": 36900
|
| 2650 |
+
},
|
| 2651 |
+
{
|
| 2652 |
+
"epoch": 3.2888888888888888,
|
| 2653 |
+
"grad_norm": 2.096987247467041,
|
| 2654 |
+
"learning_rate": 5.334000000000001e-06,
|
| 2655 |
+
"loss": 0.1152,
|
| 2656 |
+
"step": 37000
|
| 2657 |
+
},
|
| 2658 |
+
{
|
| 2659 |
+
"epoch": 3.2977777777777777,
|
| 2660 |
+
"grad_norm": 2.1545772552490234,
|
| 2661 |
+
"learning_rate": 5.267333333333334e-06,
|
| 2662 |
+
"loss": 0.1159,
|
| 2663 |
+
"step": 37100
|
| 2664 |
+
},
|
| 2665 |
+
{
|
| 2666 |
+
"epoch": 3.3066666666666666,
|
| 2667 |
+
"grad_norm": 2.877927780151367,
|
| 2668 |
+
"learning_rate": 5.2006666666666675e-06,
|
| 2669 |
+
"loss": 0.1145,
|
| 2670 |
+
"step": 37200
|
| 2671 |
+
},
|
| 2672 |
+
{
|
| 2673 |
+
"epoch": 3.3155555555555556,
|
| 2674 |
+
"grad_norm": 2.041455030441284,
|
| 2675 |
+
"learning_rate": 5.134e-06,
|
| 2676 |
+
"loss": 0.1146,
|
| 2677 |
+
"step": 37300
|
| 2678 |
+
},
|
| 2679 |
+
{
|
| 2680 |
+
"epoch": 3.3244444444444445,
|
| 2681 |
+
"grad_norm": 3.838764190673828,
|
| 2682 |
+
"learning_rate": 5.067333333333334e-06,
|
| 2683 |
+
"loss": 0.115,
|
| 2684 |
+
"step": 37400
|
| 2685 |
+
},
|
| 2686 |
+
{
|
| 2687 |
+
"epoch": 3.3333333333333335,
|
| 2688 |
+
"grad_norm": 2.4776864051818848,
|
| 2689 |
+
"learning_rate": 5.000666666666667e-06,
|
| 2690 |
+
"loss": 0.1153,
|
| 2691 |
+
"step": 37500
|
| 2692 |
+
},
|
| 2693 |
+
{
|
| 2694 |
+
"epoch": 3.3422222222222224,
|
| 2695 |
+
"grad_norm": 2.534553050994873,
|
| 2696 |
+
"learning_rate": 4.9340000000000005e-06,
|
| 2697 |
+
"loss": 0.1154,
|
| 2698 |
+
"step": 37600
|
| 2699 |
+
},
|
| 2700 |
+
{
|
| 2701 |
+
"epoch": 3.351111111111111,
|
| 2702 |
+
"grad_norm": 2.8918344974517822,
|
| 2703 |
+
"learning_rate": 4.867333333333333e-06,
|
| 2704 |
+
"loss": 0.1148,
|
| 2705 |
+
"step": 37700
|
| 2706 |
+
},
|
| 2707 |
+
{
|
| 2708 |
+
"epoch": 3.36,
|
| 2709 |
+
"grad_norm": 2.2287111282348633,
|
| 2710 |
+
"learning_rate": 4.800666666666667e-06,
|
| 2711 |
+
"loss": 0.1154,
|
| 2712 |
+
"step": 37800
|
| 2713 |
+
},
|
| 2714 |
+
{
|
| 2715 |
+
"epoch": 3.368888888888889,
|
| 2716 |
+
"grad_norm": 1.7449971437454224,
|
| 2717 |
+
"learning_rate": 4.734e-06,
|
| 2718 |
+
"loss": 0.1135,
|
| 2719 |
+
"step": 37900
|
| 2720 |
+
},
|
| 2721 |
+
{
|
| 2722 |
+
"epoch": 3.3777777777777778,
|
| 2723 |
+
"grad_norm": 1.7717570066452026,
|
| 2724 |
+
"learning_rate": 4.667333333333334e-06,
|
| 2725 |
+
"loss": 0.1159,
|
| 2726 |
+
"step": 38000
|
| 2727 |
+
},
|
| 2728 |
+
{
|
| 2729 |
+
"epoch": 3.3866666666666667,
|
| 2730 |
+
"grad_norm": 2.641322135925293,
|
| 2731 |
+
"learning_rate": 4.6006666666666664e-06,
|
| 2732 |
+
"loss": 0.115,
|
| 2733 |
+
"step": 38100
|
| 2734 |
+
},
|
| 2735 |
+
{
|
| 2736 |
+
"epoch": 3.3955555555555557,
|
| 2737 |
+
"grad_norm": 2.314724922180176,
|
| 2738 |
+
"learning_rate": 4.534e-06,
|
| 2739 |
+
"loss": 0.1155,
|
| 2740 |
+
"step": 38200
|
| 2741 |
+
},
|
| 2742 |
+
{
|
| 2743 |
+
"epoch": 3.4044444444444446,
|
| 2744 |
+
"grad_norm": 2.006136894226074,
|
| 2745 |
+
"learning_rate": 4.467333333333333e-06,
|
| 2746 |
+
"loss": 0.1151,
|
| 2747 |
+
"step": 38300
|
| 2748 |
+
},
|
| 2749 |
+
{
|
| 2750 |
+
"epoch": 3.413333333333333,
|
| 2751 |
+
"grad_norm": 2.498370885848999,
|
| 2752 |
+
"learning_rate": 4.400666666666667e-06,
|
| 2753 |
+
"loss": 0.1135,
|
| 2754 |
+
"step": 38400
|
| 2755 |
+
},
|
| 2756 |
+
{
|
| 2757 |
+
"epoch": 3.422222222222222,
|
| 2758 |
+
"grad_norm": 2.1067326068878174,
|
| 2759 |
+
"learning_rate": 4.3339999999999995e-06,
|
| 2760 |
+
"loss": 0.1142,
|
| 2761 |
+
"step": 38500
|
| 2762 |
+
},
|
| 2763 |
+
{
|
| 2764 |
+
"epoch": 3.431111111111111,
|
| 2765 |
+
"grad_norm": 2.3120410442352295,
|
| 2766 |
+
"learning_rate": 4.267333333333334e-06,
|
| 2767 |
+
"loss": 0.1156,
|
| 2768 |
+
"step": 38600
|
| 2769 |
+
},
|
| 2770 |
+
{
|
| 2771 |
+
"epoch": 3.44,
|
| 2772 |
+
"grad_norm": 2.062558650970459,
|
| 2773 |
+
"learning_rate": 4.200666666666667e-06,
|
| 2774 |
+
"loss": 0.1146,
|
| 2775 |
+
"step": 38700
|
| 2776 |
+
},
|
| 2777 |
+
{
|
| 2778 |
+
"epoch": 3.448888888888889,
|
| 2779 |
+
"grad_norm": 1.8033158779144287,
|
| 2780 |
+
"learning_rate": 4.1340000000000006e-06,
|
| 2781 |
+
"loss": 0.1142,
|
| 2782 |
+
"step": 38800
|
| 2783 |
+
},
|
| 2784 |
+
{
|
| 2785 |
+
"epoch": 3.457777777777778,
|
| 2786 |
+
"grad_norm": 1.7999958992004395,
|
| 2787 |
+
"learning_rate": 4.067333333333333e-06,
|
| 2788 |
+
"loss": 0.1152,
|
| 2789 |
+
"step": 38900
|
| 2790 |
+
},
|
| 2791 |
+
{
|
| 2792 |
+
"epoch": 3.466666666666667,
|
| 2793 |
+
"grad_norm": 1.9380857944488525,
|
| 2794 |
+
"learning_rate": 4.000666666666667e-06,
|
| 2795 |
+
"loss": 0.1159,
|
| 2796 |
+
"step": 39000
|
| 2797 |
+
},
|
| 2798 |
+
{
|
| 2799 |
+
"epoch": 3.4755555555555557,
|
| 2800 |
+
"grad_norm": 2.4088852405548096,
|
| 2801 |
+
"learning_rate": 3.934e-06,
|
| 2802 |
+
"loss": 0.1142,
|
| 2803 |
+
"step": 39100
|
| 2804 |
+
},
|
| 2805 |
+
{
|
| 2806 |
+
"epoch": 3.4844444444444447,
|
| 2807 |
+
"grad_norm": 1.9888384342193604,
|
| 2808 |
+
"learning_rate": 3.867333333333334e-06,
|
| 2809 |
+
"loss": 0.1131,
|
| 2810 |
+
"step": 39200
|
| 2811 |
+
},
|
| 2812 |
+
{
|
| 2813 |
+
"epoch": 3.493333333333333,
|
| 2814 |
+
"grad_norm": 2.044527530670166,
|
| 2815 |
+
"learning_rate": 3.8006666666666665e-06,
|
| 2816 |
+
"loss": 0.1145,
|
| 2817 |
+
"step": 39300
|
| 2818 |
+
},
|
| 2819 |
+
{
|
| 2820 |
+
"epoch": 3.502222222222222,
|
| 2821 |
+
"grad_norm": 1.478445291519165,
|
| 2822 |
+
"learning_rate": 3.734e-06,
|
| 2823 |
+
"loss": 0.114,
|
| 2824 |
+
"step": 39400
|
| 2825 |
+
},
|
| 2826 |
+
{
|
| 2827 |
+
"epoch": 3.511111111111111,
|
| 2828 |
+
"grad_norm": 2.0271923542022705,
|
| 2829 |
+
"learning_rate": 3.6673333333333334e-06,
|
| 2830 |
+
"loss": 0.1148,
|
| 2831 |
+
"step": 39500
|
| 2832 |
+
},
|
| 2833 |
+
{
|
| 2834 |
+
"epoch": 3.52,
|
| 2835 |
+
"grad_norm": 2.7675399780273438,
|
| 2836 |
+
"learning_rate": 3.6006666666666667e-06,
|
| 2837 |
+
"loss": 0.116,
|
| 2838 |
+
"step": 39600
|
| 2839 |
+
},
|
| 2840 |
+
{
|
| 2841 |
+
"epoch": 3.528888888888889,
|
| 2842 |
+
"grad_norm": 1.6932669878005981,
|
| 2843 |
+
"learning_rate": 3.534e-06,
|
| 2844 |
+
"loss": 0.1142,
|
| 2845 |
+
"step": 39700
|
| 2846 |
+
},
|
| 2847 |
+
{
|
| 2848 |
+
"epoch": 3.537777777777778,
|
| 2849 |
+
"grad_norm": 2.0795860290527344,
|
| 2850 |
+
"learning_rate": 3.4673333333333337e-06,
|
| 2851 |
+
"loss": 0.1148,
|
| 2852 |
+
"step": 39800
|
| 2853 |
+
},
|
| 2854 |
+
{
|
| 2855 |
+
"epoch": 3.546666666666667,
|
| 2856 |
+
"grad_norm": 1.9962270259857178,
|
| 2857 |
+
"learning_rate": 3.400666666666667e-06,
|
| 2858 |
+
"loss": 0.1147,
|
| 2859 |
+
"step": 39900
|
| 2860 |
+
},
|
| 2861 |
+
{
|
| 2862 |
+
"epoch": 3.5555555555555554,
|
| 2863 |
+
"grad_norm": 1.931861400604248,
|
| 2864 |
+
"learning_rate": 3.334e-06,
|
| 2865 |
+
"loss": 0.1144,
|
| 2866 |
+
"step": 40000
|
| 2867 |
+
},
|
| 2868 |
+
{
|
| 2869 |
+
"epoch": 3.5555555555555554,
|
| 2870 |
+
"eval_loss": 0.11772522330284119,
|
| 2871 |
+
"eval_runtime": 222.4728,
|
| 2872 |
+
"eval_samples_per_second": 44.949,
|
| 2873 |
+
"eval_steps_per_second": 5.619,
|
| 2874 |
+
"step": 40000
|
| 2875 |
+
}
|
| 2876 |
+
],
|
| 2877 |
+
"logging_steps": 100,
|
| 2878 |
+
"max_steps": 45000,
|
| 2879 |
+
"num_input_tokens_seen": 0,
|
| 2880 |
+
"num_train_epochs": 4,
|
| 2881 |
+
"save_steps": 5000,
|
| 2882 |
+
"stateful_callbacks": {
|
| 2883 |
+
"EarlyStoppingCallback": {
|
| 2884 |
+
"args": {
|
| 2885 |
+
"early_stopping_patience": 2,
|
| 2886 |
+
"early_stopping_threshold": 0.0
|
| 2887 |
+
},
|
| 2888 |
+
"attributes": {
|
| 2889 |
+
"early_stopping_patience_counter": 0
|
| 2890 |
+
}
|
| 2891 |
+
},
|
| 2892 |
+
"TrainerControl": {
|
| 2893 |
+
"args": {
|
| 2894 |
+
"should_epoch_stop": false,
|
| 2895 |
+
"should_evaluate": false,
|
| 2896 |
+
"should_log": false,
|
| 2897 |
+
"should_save": true,
|
| 2898 |
+
"should_training_stop": false
|
| 2899 |
+
},
|
| 2900 |
+
"attributes": {}
|
| 2901 |
+
}
|
| 2902 |
+
},
|
| 2903 |
+
"total_flos": 4.180672512e+16,
|
| 2904 |
+
"train_batch_size": 8,
|
| 2905 |
+
"trial_name": null,
|
| 2906 |
+
"trial_params": null
|
| 2907 |
+
}
|
checkpoint-40000/training_args.bin
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:8cb95410d93c3ee210f1369fbf884daade6cf79cf421d895010b4ffb2d301809
|
| 3 |
+
size 5304
|
checkpoint-40000/vocab.json
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|
checkpoint-45000/config.json
ADDED
|
@@ -0,0 +1,38 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"activation_function": "gelu_new",
|
| 3 |
+
"architectures": [
|
| 4 |
+
"GPT2LMHeadModel"
|
| 5 |
+
],
|
| 6 |
+
"attn_pdrop": 0.1,
|
| 7 |
+
"bos_token_id": 50256,
|
| 8 |
+
"embd_pdrop": 0.1,
|
| 9 |
+
"eos_token_id": 50256,
|
| 10 |
+
"initializer_range": 0.02,
|
| 11 |
+
"layer_norm_epsilon": 1e-05,
|
| 12 |
+
"model_type": "gpt2",
|
| 13 |
+
"n_ctx": 1024,
|
| 14 |
+
"n_embd": 768,
|
| 15 |
+
"n_head": 12,
|
| 16 |
+
"n_inner": null,
|
| 17 |
+
"n_layer": 12,
|
| 18 |
+
"n_positions": 1024,
|
| 19 |
+
"reorder_and_upcast_attn": false,
|
| 20 |
+
"resid_pdrop": 0.1,
|
| 21 |
+
"scale_attn_by_inverse_layer_idx": false,
|
| 22 |
+
"scale_attn_weights": true,
|
| 23 |
+
"summary_activation": null,
|
| 24 |
+
"summary_first_dropout": 0.1,
|
| 25 |
+
"summary_proj_to_labels": true,
|
| 26 |
+
"summary_type": "cls_index",
|
| 27 |
+
"summary_use_proj": true,
|
| 28 |
+
"task_specific_params": {
|
| 29 |
+
"text-generation": {
|
| 30 |
+
"do_sample": true,
|
| 31 |
+
"max_length": 50
|
| 32 |
+
}
|
| 33 |
+
},
|
| 34 |
+
"torch_dtype": "float32",
|
| 35 |
+
"transformers_version": "4.52.4",
|
| 36 |
+
"use_cache": true,
|
| 37 |
+
"vocab_size": 50257
|
| 38 |
+
}
|
checkpoint-45000/generation_config.json
ADDED
|
@@ -0,0 +1,6 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"_from_model_config": true,
|
| 3 |
+
"bos_token_id": 50256,
|
| 4 |
+
"eos_token_id": 50256,
|
| 5 |
+
"transformers_version": "4.52.4"
|
| 6 |
+
}
|
checkpoint-45000/merges.txt
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|
checkpoint-45000/model.safetensors
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:f7882cef026f5b631de5c3e56bfe7367c976565a61c914b56fc7b1c8ccad767f
|
| 3 |
+
size 497774208
|
checkpoint-45000/optimizer.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:20a974bad56e0c850ebb5e843c135c4b0cd42bf37a301c59dcb336be2a155435
|
| 3 |
+
size 995642298
|
checkpoint-45000/rng_state.pth
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:e5b15b37f061ea2d640bcb850d18333d0d60535bf7b7690c0480668253f99f7c
|
| 3 |
+
size 14244
|
checkpoint-45000/scheduler.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:55f3adb371f7e93a5e0d24c3e040f9ba552b925db3cb66115de5a20b55648bd5
|
| 3 |
+
size 1064
|
checkpoint-45000/special_tokens_map.json
ADDED
|
@@ -0,0 +1,24 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"bos_token": {
|
| 3 |
+
"content": "<|endoftext|>",
|
| 4 |
+
"lstrip": false,
|
| 5 |
+
"normalized": true,
|
| 6 |
+
"rstrip": false,
|
| 7 |
+
"single_word": false
|
| 8 |
+
},
|
| 9 |
+
"eos_token": {
|
| 10 |
+
"content": "<|endoftext|>",
|
| 11 |
+
"lstrip": false,
|
| 12 |
+
"normalized": true,
|
| 13 |
+
"rstrip": false,
|
| 14 |
+
"single_word": false
|
| 15 |
+
},
|
| 16 |
+
"pad_token": "<|endoftext|>",
|
| 17 |
+
"unk_token": {
|
| 18 |
+
"content": "<|endoftext|>",
|
| 19 |
+
"lstrip": false,
|
| 20 |
+
"normalized": true,
|
| 21 |
+
"rstrip": false,
|
| 22 |
+
"single_word": false
|
| 23 |
+
}
|
| 24 |
+
}
|
checkpoint-45000/tokenizer_config.json
ADDED
|
@@ -0,0 +1,23 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"add_bos_token": false,
|
| 3 |
+
"add_prefix_space": false,
|
| 4 |
+
"added_tokens_decoder": {
|
| 5 |
+
"50256": {
|
| 6 |
+
"content": "<|endoftext|>",
|
| 7 |
+
"lstrip": false,
|
| 8 |
+
"normalized": true,
|
| 9 |
+
"rstrip": false,
|
| 10 |
+
"single_word": false,
|
| 11 |
+
"special": true
|
| 12 |
+
}
|
| 13 |
+
},
|
| 14 |
+
"bos_token": "<|endoftext|>",
|
| 15 |
+
"clean_up_tokenization_spaces": false,
|
| 16 |
+
"eos_token": "<|endoftext|>",
|
| 17 |
+
"errors": "replace",
|
| 18 |
+
"extra_special_tokens": {},
|
| 19 |
+
"model_max_length": 1024,
|
| 20 |
+
"pad_token": "<|endoftext|>",
|
| 21 |
+
"tokenizer_class": "GPT2Tokenizer",
|
| 22 |
+
"unk_token": "<|endoftext|>"
|
| 23 |
+
}
|
checkpoint-45000/trainer_state.json
ADDED
|
@@ -0,0 +1,3265 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_global_step": 45000,
|
| 3 |
+
"best_metric": 0.11760604381561279,
|
| 4 |
+
"best_model_checkpoint": "/content/drive/MyDrive/chatbot/gpt2-finetuned-uet/checkpoint-45000",
|
| 5 |
+
"epoch": 4.0,
|
| 6 |
+
"eval_steps": 5000,
|
| 7 |
+
"global_step": 45000,
|
| 8 |
+
"is_hyper_param_search": false,
|
| 9 |
+
"is_local_process_zero": true,
|
| 10 |
+
"is_world_process_zero": true,
|
| 11 |
+
"log_history": [
|
| 12 |
+
{
|
| 13 |
+
"epoch": 0.008888888888888889,
|
| 14 |
+
"grad_norm": 6.82129430770874,
|
| 15 |
+
"learning_rate": 2.9934000000000002e-05,
|
| 16 |
+
"loss": 0.9164,
|
| 17 |
+
"step": 100
|
| 18 |
+
},
|
| 19 |
+
{
|
| 20 |
+
"epoch": 0.017777777777777778,
|
| 21 |
+
"grad_norm": 5.949863433837891,
|
| 22 |
+
"learning_rate": 2.9867333333333335e-05,
|
| 23 |
+
"loss": 0.2066,
|
| 24 |
+
"step": 200
|
| 25 |
+
},
|
| 26 |
+
{
|
| 27 |
+
"epoch": 0.02666666666666667,
|
| 28 |
+
"grad_norm": 4.183337211608887,
|
| 29 |
+
"learning_rate": 2.9800666666666667e-05,
|
| 30 |
+
"loss": 0.1721,
|
| 31 |
+
"step": 300
|
| 32 |
+
},
|
| 33 |
+
{
|
| 34 |
+
"epoch": 0.035555555555555556,
|
| 35 |
+
"grad_norm": 4.205233573913574,
|
| 36 |
+
"learning_rate": 2.9734e-05,
|
| 37 |
+
"loss": 0.1537,
|
| 38 |
+
"step": 400
|
| 39 |
+
},
|
| 40 |
+
{
|
| 41 |
+
"epoch": 0.044444444444444446,
|
| 42 |
+
"grad_norm": 3.5019726753234863,
|
| 43 |
+
"learning_rate": 2.9667333333333333e-05,
|
| 44 |
+
"loss": 0.138,
|
| 45 |
+
"step": 500
|
| 46 |
+
},
|
| 47 |
+
{
|
| 48 |
+
"epoch": 0.05333333333333334,
|
| 49 |
+
"grad_norm": 3.7419962882995605,
|
| 50 |
+
"learning_rate": 2.9600666666666666e-05,
|
| 51 |
+
"loss": 0.1372,
|
| 52 |
+
"step": 600
|
| 53 |
+
},
|
| 54 |
+
{
|
| 55 |
+
"epoch": 0.06222222222222222,
|
| 56 |
+
"grad_norm": 4.127668380737305,
|
| 57 |
+
"learning_rate": 2.9534000000000002e-05,
|
| 58 |
+
"loss": 0.1348,
|
| 59 |
+
"step": 700
|
| 60 |
+
},
|
| 61 |
+
{
|
| 62 |
+
"epoch": 0.07111111111111111,
|
| 63 |
+
"grad_norm": 5.248896598815918,
|
| 64 |
+
"learning_rate": 2.9467333333333335e-05,
|
| 65 |
+
"loss": 0.1268,
|
| 66 |
+
"step": 800
|
| 67 |
+
},
|
| 68 |
+
{
|
| 69 |
+
"epoch": 0.08,
|
| 70 |
+
"grad_norm": 4.989108562469482,
|
| 71 |
+
"learning_rate": 2.9400666666666668e-05,
|
| 72 |
+
"loss": 0.1249,
|
| 73 |
+
"step": 900
|
| 74 |
+
},
|
| 75 |
+
{
|
| 76 |
+
"epoch": 0.08888888888888889,
|
| 77 |
+
"grad_norm": 3.937284231185913,
|
| 78 |
+
"learning_rate": 2.9334e-05,
|
| 79 |
+
"loss": 0.1247,
|
| 80 |
+
"step": 1000
|
| 81 |
+
},
|
| 82 |
+
{
|
| 83 |
+
"epoch": 0.09777777777777778,
|
| 84 |
+
"grad_norm": 4.6740522384643555,
|
| 85 |
+
"learning_rate": 2.9267333333333334e-05,
|
| 86 |
+
"loss": 0.1241,
|
| 87 |
+
"step": 1100
|
| 88 |
+
},
|
| 89 |
+
{
|
| 90 |
+
"epoch": 0.10666666666666667,
|
| 91 |
+
"grad_norm": 5.112093448638916,
|
| 92 |
+
"learning_rate": 2.9200666666666666e-05,
|
| 93 |
+
"loss": 0.1237,
|
| 94 |
+
"step": 1200
|
| 95 |
+
},
|
| 96 |
+
{
|
| 97 |
+
"epoch": 0.11555555555555555,
|
| 98 |
+
"grad_norm": 4.429466247558594,
|
| 99 |
+
"learning_rate": 2.9134e-05,
|
| 100 |
+
"loss": 0.1233,
|
| 101 |
+
"step": 1300
|
| 102 |
+
},
|
| 103 |
+
{
|
| 104 |
+
"epoch": 0.12444444444444444,
|
| 105 |
+
"grad_norm": 3.7811667919158936,
|
| 106 |
+
"learning_rate": 2.9067333333333332e-05,
|
| 107 |
+
"loss": 0.1224,
|
| 108 |
+
"step": 1400
|
| 109 |
+
},
|
| 110 |
+
{
|
| 111 |
+
"epoch": 0.13333333333333333,
|
| 112 |
+
"grad_norm": 3.949687957763672,
|
| 113 |
+
"learning_rate": 2.9000666666666668e-05,
|
| 114 |
+
"loss": 0.1221,
|
| 115 |
+
"step": 1500
|
| 116 |
+
},
|
| 117 |
+
{
|
| 118 |
+
"epoch": 0.14222222222222222,
|
| 119 |
+
"grad_norm": 4.339414119720459,
|
| 120 |
+
"learning_rate": 2.8934e-05,
|
| 121 |
+
"loss": 0.1208,
|
| 122 |
+
"step": 1600
|
| 123 |
+
},
|
| 124 |
+
{
|
| 125 |
+
"epoch": 0.1511111111111111,
|
| 126 |
+
"grad_norm": 4.27586030960083,
|
| 127 |
+
"learning_rate": 2.8867333333333334e-05,
|
| 128 |
+
"loss": 0.1236,
|
| 129 |
+
"step": 1700
|
| 130 |
+
},
|
| 131 |
+
{
|
| 132 |
+
"epoch": 0.16,
|
| 133 |
+
"grad_norm": 3.8597822189331055,
|
| 134 |
+
"learning_rate": 2.8800666666666667e-05,
|
| 135 |
+
"loss": 0.1211,
|
| 136 |
+
"step": 1800
|
| 137 |
+
},
|
| 138 |
+
{
|
| 139 |
+
"epoch": 0.1688888888888889,
|
| 140 |
+
"grad_norm": 4.734971046447754,
|
| 141 |
+
"learning_rate": 2.8734e-05,
|
| 142 |
+
"loss": 0.122,
|
| 143 |
+
"step": 1900
|
| 144 |
+
},
|
| 145 |
+
{
|
| 146 |
+
"epoch": 0.17777777777777778,
|
| 147 |
+
"grad_norm": 3.8875231742858887,
|
| 148 |
+
"learning_rate": 2.8667333333333333e-05,
|
| 149 |
+
"loss": 0.1213,
|
| 150 |
+
"step": 2000
|
| 151 |
+
},
|
| 152 |
+
{
|
| 153 |
+
"epoch": 0.18666666666666668,
|
| 154 |
+
"grad_norm": 2.6618669033050537,
|
| 155 |
+
"learning_rate": 2.8600666666666665e-05,
|
| 156 |
+
"loss": 0.1218,
|
| 157 |
+
"step": 2100
|
| 158 |
+
},
|
| 159 |
+
{
|
| 160 |
+
"epoch": 0.19555555555555557,
|
| 161 |
+
"grad_norm": 3.809056043624878,
|
| 162 |
+
"learning_rate": 2.8534e-05,
|
| 163 |
+
"loss": 0.1236,
|
| 164 |
+
"step": 2200
|
| 165 |
+
},
|
| 166 |
+
{
|
| 167 |
+
"epoch": 0.20444444444444446,
|
| 168 |
+
"grad_norm": 4.541649341583252,
|
| 169 |
+
"learning_rate": 2.8467333333333334e-05,
|
| 170 |
+
"loss": 0.1211,
|
| 171 |
+
"step": 2300
|
| 172 |
+
},
|
| 173 |
+
{
|
| 174 |
+
"epoch": 0.21333333333333335,
|
| 175 |
+
"grad_norm": 3.4047656059265137,
|
| 176 |
+
"learning_rate": 2.8400666666666667e-05,
|
| 177 |
+
"loss": 0.1221,
|
| 178 |
+
"step": 2400
|
| 179 |
+
},
|
| 180 |
+
{
|
| 181 |
+
"epoch": 0.2222222222222222,
|
| 182 |
+
"grad_norm": 3.6217405796051025,
|
| 183 |
+
"learning_rate": 2.8334e-05,
|
| 184 |
+
"loss": 0.1211,
|
| 185 |
+
"step": 2500
|
| 186 |
+
},
|
| 187 |
+
{
|
| 188 |
+
"epoch": 0.2311111111111111,
|
| 189 |
+
"grad_norm": 3.8457906246185303,
|
| 190 |
+
"learning_rate": 2.8267333333333333e-05,
|
| 191 |
+
"loss": 0.122,
|
| 192 |
+
"step": 2600
|
| 193 |
+
},
|
| 194 |
+
{
|
| 195 |
+
"epoch": 0.24,
|
| 196 |
+
"grad_norm": 5.507346153259277,
|
| 197 |
+
"learning_rate": 2.8200666666666666e-05,
|
| 198 |
+
"loss": 0.1207,
|
| 199 |
+
"step": 2700
|
| 200 |
+
},
|
| 201 |
+
{
|
| 202 |
+
"epoch": 0.24888888888888888,
|
| 203 |
+
"grad_norm": 4.867903232574463,
|
| 204 |
+
"learning_rate": 2.8134e-05,
|
| 205 |
+
"loss": 0.1201,
|
| 206 |
+
"step": 2800
|
| 207 |
+
},
|
| 208 |
+
{
|
| 209 |
+
"epoch": 0.2577777777777778,
|
| 210 |
+
"grad_norm": 3.717101573944092,
|
| 211 |
+
"learning_rate": 2.806733333333333e-05,
|
| 212 |
+
"loss": 0.1202,
|
| 213 |
+
"step": 2900
|
| 214 |
+
},
|
| 215 |
+
{
|
| 216 |
+
"epoch": 0.26666666666666666,
|
| 217 |
+
"grad_norm": 3.990020990371704,
|
| 218 |
+
"learning_rate": 2.8000666666666668e-05,
|
| 219 |
+
"loss": 0.1214,
|
| 220 |
+
"step": 3000
|
| 221 |
+
},
|
| 222 |
+
{
|
| 223 |
+
"epoch": 0.27555555555555555,
|
| 224 |
+
"grad_norm": 3.9653103351593018,
|
| 225 |
+
"learning_rate": 2.7934e-05,
|
| 226 |
+
"loss": 0.1195,
|
| 227 |
+
"step": 3100
|
| 228 |
+
},
|
| 229 |
+
{
|
| 230 |
+
"epoch": 0.28444444444444444,
|
| 231 |
+
"grad_norm": 3.743941068649292,
|
| 232 |
+
"learning_rate": 2.7867333333333333e-05,
|
| 233 |
+
"loss": 0.1209,
|
| 234 |
+
"step": 3200
|
| 235 |
+
},
|
| 236 |
+
{
|
| 237 |
+
"epoch": 0.29333333333333333,
|
| 238 |
+
"grad_norm": 4.509164333343506,
|
| 239 |
+
"learning_rate": 2.7800666666666666e-05,
|
| 240 |
+
"loss": 0.1204,
|
| 241 |
+
"step": 3300
|
| 242 |
+
},
|
| 243 |
+
{
|
| 244 |
+
"epoch": 0.3022222222222222,
|
| 245 |
+
"grad_norm": 4.283110618591309,
|
| 246 |
+
"learning_rate": 2.7734e-05,
|
| 247 |
+
"loss": 0.1205,
|
| 248 |
+
"step": 3400
|
| 249 |
+
},
|
| 250 |
+
{
|
| 251 |
+
"epoch": 0.3111111111111111,
|
| 252 |
+
"grad_norm": 3.8113884925842285,
|
| 253 |
+
"learning_rate": 2.7667333333333332e-05,
|
| 254 |
+
"loss": 0.1184,
|
| 255 |
+
"step": 3500
|
| 256 |
+
},
|
| 257 |
+
{
|
| 258 |
+
"epoch": 0.32,
|
| 259 |
+
"grad_norm": 3.287177801132202,
|
| 260 |
+
"learning_rate": 2.7600666666666665e-05,
|
| 261 |
+
"loss": 0.1201,
|
| 262 |
+
"step": 3600
|
| 263 |
+
},
|
| 264 |
+
{
|
| 265 |
+
"epoch": 0.3288888888888889,
|
| 266 |
+
"grad_norm": 4.167423248291016,
|
| 267 |
+
"learning_rate": 2.7533999999999998e-05,
|
| 268 |
+
"loss": 0.119,
|
| 269 |
+
"step": 3700
|
| 270 |
+
},
|
| 271 |
+
{
|
| 272 |
+
"epoch": 0.3377777777777778,
|
| 273 |
+
"grad_norm": 4.485795974731445,
|
| 274 |
+
"learning_rate": 2.7467333333333334e-05,
|
| 275 |
+
"loss": 0.121,
|
| 276 |
+
"step": 3800
|
| 277 |
+
},
|
| 278 |
+
{
|
| 279 |
+
"epoch": 0.3466666666666667,
|
| 280 |
+
"grad_norm": 3.1703178882598877,
|
| 281 |
+
"learning_rate": 2.7400666666666667e-05,
|
| 282 |
+
"loss": 0.1186,
|
| 283 |
+
"step": 3900
|
| 284 |
+
},
|
| 285 |
+
{
|
| 286 |
+
"epoch": 0.35555555555555557,
|
| 287 |
+
"grad_norm": 3.0991108417510986,
|
| 288 |
+
"learning_rate": 2.7334e-05,
|
| 289 |
+
"loss": 0.1201,
|
| 290 |
+
"step": 4000
|
| 291 |
+
},
|
| 292 |
+
{
|
| 293 |
+
"epoch": 0.36444444444444446,
|
| 294 |
+
"grad_norm": 4.4850053787231445,
|
| 295 |
+
"learning_rate": 2.7267333333333336e-05,
|
| 296 |
+
"loss": 0.1193,
|
| 297 |
+
"step": 4100
|
| 298 |
+
},
|
| 299 |
+
{
|
| 300 |
+
"epoch": 0.37333333333333335,
|
| 301 |
+
"grad_norm": 3.0892951488494873,
|
| 302 |
+
"learning_rate": 2.720066666666667e-05,
|
| 303 |
+
"loss": 0.1186,
|
| 304 |
+
"step": 4200
|
| 305 |
+
},
|
| 306 |
+
{
|
| 307 |
+
"epoch": 0.38222222222222224,
|
| 308 |
+
"grad_norm": 3.4168922901153564,
|
| 309 |
+
"learning_rate": 2.7134e-05,
|
| 310 |
+
"loss": 0.1186,
|
| 311 |
+
"step": 4300
|
| 312 |
+
},
|
| 313 |
+
{
|
| 314 |
+
"epoch": 0.39111111111111113,
|
| 315 |
+
"grad_norm": 2.864269733428955,
|
| 316 |
+
"learning_rate": 2.7067333333333334e-05,
|
| 317 |
+
"loss": 0.1176,
|
| 318 |
+
"step": 4400
|
| 319 |
+
},
|
| 320 |
+
{
|
| 321 |
+
"epoch": 0.4,
|
| 322 |
+
"grad_norm": 4.241358280181885,
|
| 323 |
+
"learning_rate": 2.7000666666666667e-05,
|
| 324 |
+
"loss": 0.118,
|
| 325 |
+
"step": 4500
|
| 326 |
+
},
|
| 327 |
+
{
|
| 328 |
+
"epoch": 0.4088888888888889,
|
| 329 |
+
"grad_norm": 3.6913700103759766,
|
| 330 |
+
"learning_rate": 2.6934000000000003e-05,
|
| 331 |
+
"loss": 0.1184,
|
| 332 |
+
"step": 4600
|
| 333 |
+
},
|
| 334 |
+
{
|
| 335 |
+
"epoch": 0.4177777777777778,
|
| 336 |
+
"grad_norm": 2.865185499191284,
|
| 337 |
+
"learning_rate": 2.6867333333333336e-05,
|
| 338 |
+
"loss": 0.1191,
|
| 339 |
+
"step": 4700
|
| 340 |
+
},
|
| 341 |
+
{
|
| 342 |
+
"epoch": 0.4266666666666667,
|
| 343 |
+
"grad_norm": 3.7335503101348877,
|
| 344 |
+
"learning_rate": 2.680066666666667e-05,
|
| 345 |
+
"loss": 0.1199,
|
| 346 |
+
"step": 4800
|
| 347 |
+
},
|
| 348 |
+
{
|
| 349 |
+
"epoch": 0.43555555555555553,
|
| 350 |
+
"grad_norm": 3.280344009399414,
|
| 351 |
+
"learning_rate": 2.6734000000000002e-05,
|
| 352 |
+
"loss": 0.1184,
|
| 353 |
+
"step": 4900
|
| 354 |
+
},
|
| 355 |
+
{
|
| 356 |
+
"epoch": 0.4444444444444444,
|
| 357 |
+
"grad_norm": 3.2532272338867188,
|
| 358 |
+
"learning_rate": 2.6667333333333335e-05,
|
| 359 |
+
"loss": 0.1188,
|
| 360 |
+
"step": 5000
|
| 361 |
+
},
|
| 362 |
+
{
|
| 363 |
+
"epoch": 0.4444444444444444,
|
| 364 |
+
"eval_loss": 0.12208713591098785,
|
| 365 |
+
"eval_runtime": 204.8959,
|
| 366 |
+
"eval_samples_per_second": 48.805,
|
| 367 |
+
"eval_steps_per_second": 6.101,
|
| 368 |
+
"step": 5000
|
| 369 |
+
},
|
| 370 |
+
{
|
| 371 |
+
"epoch": 0.4533333333333333,
|
| 372 |
+
"grad_norm": 3.123708486557007,
|
| 373 |
+
"learning_rate": 2.6600666666666668e-05,
|
| 374 |
+
"loss": 0.1196,
|
| 375 |
+
"step": 5100
|
| 376 |
+
},
|
| 377 |
+
{
|
| 378 |
+
"epoch": 0.4622222222222222,
|
| 379 |
+
"grad_norm": 3.468099594116211,
|
| 380 |
+
"learning_rate": 2.6534e-05,
|
| 381 |
+
"loss": 0.1181,
|
| 382 |
+
"step": 5200
|
| 383 |
+
},
|
| 384 |
+
{
|
| 385 |
+
"epoch": 0.4711111111111111,
|
| 386 |
+
"grad_norm": 3.4722182750701904,
|
| 387 |
+
"learning_rate": 2.6467333333333337e-05,
|
| 388 |
+
"loss": 0.1186,
|
| 389 |
+
"step": 5300
|
| 390 |
+
},
|
| 391 |
+
{
|
| 392 |
+
"epoch": 0.48,
|
| 393 |
+
"grad_norm": 3.341700792312622,
|
| 394 |
+
"learning_rate": 2.640066666666667e-05,
|
| 395 |
+
"loss": 0.1175,
|
| 396 |
+
"step": 5400
|
| 397 |
+
},
|
| 398 |
+
{
|
| 399 |
+
"epoch": 0.4888888888888889,
|
| 400 |
+
"grad_norm": 5.254228591918945,
|
| 401 |
+
"learning_rate": 2.6334000000000002e-05,
|
| 402 |
+
"loss": 0.1171,
|
| 403 |
+
"step": 5500
|
| 404 |
+
},
|
| 405 |
+
{
|
| 406 |
+
"epoch": 0.49777777777777776,
|
| 407 |
+
"grad_norm": 3.9166531562805176,
|
| 408 |
+
"learning_rate": 2.6267333333333335e-05,
|
| 409 |
+
"loss": 0.1181,
|
| 410 |
+
"step": 5600
|
| 411 |
+
},
|
| 412 |
+
{
|
| 413 |
+
"epoch": 0.5066666666666667,
|
| 414 |
+
"grad_norm": 3.530609130859375,
|
| 415 |
+
"learning_rate": 2.6200666666666668e-05,
|
| 416 |
+
"loss": 0.118,
|
| 417 |
+
"step": 5700
|
| 418 |
+
},
|
| 419 |
+
{
|
| 420 |
+
"epoch": 0.5155555555555555,
|
| 421 |
+
"grad_norm": 2.8813321590423584,
|
| 422 |
+
"learning_rate": 2.6134e-05,
|
| 423 |
+
"loss": 0.119,
|
| 424 |
+
"step": 5800
|
| 425 |
+
},
|
| 426 |
+
{
|
| 427 |
+
"epoch": 0.5244444444444445,
|
| 428 |
+
"grad_norm": 2.88515567779541,
|
| 429 |
+
"learning_rate": 2.6067333333333334e-05,
|
| 430 |
+
"loss": 0.1192,
|
| 431 |
+
"step": 5900
|
| 432 |
+
},
|
| 433 |
+
{
|
| 434 |
+
"epoch": 0.5333333333333333,
|
| 435 |
+
"grad_norm": 3.641014814376831,
|
| 436 |
+
"learning_rate": 2.6000666666666667e-05,
|
| 437 |
+
"loss": 0.1177,
|
| 438 |
+
"step": 6000
|
| 439 |
+
},
|
| 440 |
+
{
|
| 441 |
+
"epoch": 0.5422222222222223,
|
| 442 |
+
"grad_norm": 3.2416274547576904,
|
| 443 |
+
"learning_rate": 2.5934000000000003e-05,
|
| 444 |
+
"loss": 0.1189,
|
| 445 |
+
"step": 6100
|
| 446 |
+
},
|
| 447 |
+
{
|
| 448 |
+
"epoch": 0.5511111111111111,
|
| 449 |
+
"grad_norm": 3.6603827476501465,
|
| 450 |
+
"learning_rate": 2.5867333333333336e-05,
|
| 451 |
+
"loss": 0.12,
|
| 452 |
+
"step": 6200
|
| 453 |
+
},
|
| 454 |
+
{
|
| 455 |
+
"epoch": 0.56,
|
| 456 |
+
"grad_norm": 2.7942700386047363,
|
| 457 |
+
"learning_rate": 2.580066666666667e-05,
|
| 458 |
+
"loss": 0.1186,
|
| 459 |
+
"step": 6300
|
| 460 |
+
},
|
| 461 |
+
{
|
| 462 |
+
"epoch": 0.5688888888888889,
|
| 463 |
+
"grad_norm": 2.454925298690796,
|
| 464 |
+
"learning_rate": 2.5734e-05,
|
| 465 |
+
"loss": 0.1193,
|
| 466 |
+
"step": 6400
|
| 467 |
+
},
|
| 468 |
+
{
|
| 469 |
+
"epoch": 0.5777777777777777,
|
| 470 |
+
"grad_norm": 3.182051420211792,
|
| 471 |
+
"learning_rate": 2.5667333333333334e-05,
|
| 472 |
+
"loss": 0.1179,
|
| 473 |
+
"step": 6500
|
| 474 |
+
},
|
| 475 |
+
{
|
| 476 |
+
"epoch": 0.5866666666666667,
|
| 477 |
+
"grad_norm": 2.543154001235962,
|
| 478 |
+
"learning_rate": 2.5600666666666667e-05,
|
| 479 |
+
"loss": 0.1169,
|
| 480 |
+
"step": 6600
|
| 481 |
+
},
|
| 482 |
+
{
|
| 483 |
+
"epoch": 0.5955555555555555,
|
| 484 |
+
"grad_norm": 2.878065586090088,
|
| 485 |
+
"learning_rate": 2.5534e-05,
|
| 486 |
+
"loss": 0.1165,
|
| 487 |
+
"step": 6700
|
| 488 |
+
},
|
| 489 |
+
{
|
| 490 |
+
"epoch": 0.6044444444444445,
|
| 491 |
+
"grad_norm": 2.6504786014556885,
|
| 492 |
+
"learning_rate": 2.5467333333333333e-05,
|
| 493 |
+
"loss": 0.1177,
|
| 494 |
+
"step": 6800
|
| 495 |
+
},
|
| 496 |
+
{
|
| 497 |
+
"epoch": 0.6133333333333333,
|
| 498 |
+
"grad_norm": 3.112470865249634,
|
| 499 |
+
"learning_rate": 2.540066666666667e-05,
|
| 500 |
+
"loss": 0.1188,
|
| 501 |
+
"step": 6900
|
| 502 |
+
},
|
| 503 |
+
{
|
| 504 |
+
"epoch": 0.6222222222222222,
|
| 505 |
+
"grad_norm": 3.2158005237579346,
|
| 506 |
+
"learning_rate": 2.5334000000000002e-05,
|
| 507 |
+
"loss": 0.1182,
|
| 508 |
+
"step": 7000
|
| 509 |
+
},
|
| 510 |
+
{
|
| 511 |
+
"epoch": 0.6311111111111111,
|
| 512 |
+
"grad_norm": 2.7829103469848633,
|
| 513 |
+
"learning_rate": 2.5267333333333335e-05,
|
| 514 |
+
"loss": 0.1182,
|
| 515 |
+
"step": 7100
|
| 516 |
+
},
|
| 517 |
+
{
|
| 518 |
+
"epoch": 0.64,
|
| 519 |
+
"grad_norm": 3.6927225589752197,
|
| 520 |
+
"learning_rate": 2.5200666666666667e-05,
|
| 521 |
+
"loss": 0.1172,
|
| 522 |
+
"step": 7200
|
| 523 |
+
},
|
| 524 |
+
{
|
| 525 |
+
"epoch": 0.6488888888888888,
|
| 526 |
+
"grad_norm": 2.701704978942871,
|
| 527 |
+
"learning_rate": 2.5134e-05,
|
| 528 |
+
"loss": 0.1174,
|
| 529 |
+
"step": 7300
|
| 530 |
+
},
|
| 531 |
+
{
|
| 532 |
+
"epoch": 0.6577777777777778,
|
| 533 |
+
"grad_norm": 3.097184419631958,
|
| 534 |
+
"learning_rate": 2.5067333333333333e-05,
|
| 535 |
+
"loss": 0.1181,
|
| 536 |
+
"step": 7400
|
| 537 |
+
},
|
| 538 |
+
{
|
| 539 |
+
"epoch": 0.6666666666666666,
|
| 540 |
+
"grad_norm": 3.704460620880127,
|
| 541 |
+
"learning_rate": 2.5000666666666666e-05,
|
| 542 |
+
"loss": 0.1171,
|
| 543 |
+
"step": 7500
|
| 544 |
+
},
|
| 545 |
+
{
|
| 546 |
+
"epoch": 0.6755555555555556,
|
| 547 |
+
"grad_norm": 2.7724316120147705,
|
| 548 |
+
"learning_rate": 2.4934e-05,
|
| 549 |
+
"loss": 0.1172,
|
| 550 |
+
"step": 7600
|
| 551 |
+
},
|
| 552 |
+
{
|
| 553 |
+
"epoch": 0.6844444444444444,
|
| 554 |
+
"grad_norm": 3.8086202144622803,
|
| 555 |
+
"learning_rate": 2.4867333333333335e-05,
|
| 556 |
+
"loss": 0.1182,
|
| 557 |
+
"step": 7700
|
| 558 |
+
},
|
| 559 |
+
{
|
| 560 |
+
"epoch": 0.6933333333333334,
|
| 561 |
+
"grad_norm": 3.596428632736206,
|
| 562 |
+
"learning_rate": 2.4800666666666668e-05,
|
| 563 |
+
"loss": 0.1181,
|
| 564 |
+
"step": 7800
|
| 565 |
+
},
|
| 566 |
+
{
|
| 567 |
+
"epoch": 0.7022222222222222,
|
| 568 |
+
"grad_norm": 2.5893187522888184,
|
| 569 |
+
"learning_rate": 2.4734e-05,
|
| 570 |
+
"loss": 0.118,
|
| 571 |
+
"step": 7900
|
| 572 |
+
},
|
| 573 |
+
{
|
| 574 |
+
"epoch": 0.7111111111111111,
|
| 575 |
+
"grad_norm": 2.582350730895996,
|
| 576 |
+
"learning_rate": 2.4667333333333334e-05,
|
| 577 |
+
"loss": 0.1185,
|
| 578 |
+
"step": 8000
|
| 579 |
+
},
|
| 580 |
+
{
|
| 581 |
+
"epoch": 0.72,
|
| 582 |
+
"grad_norm": 3.3927502632141113,
|
| 583 |
+
"learning_rate": 2.4600666666666666e-05,
|
| 584 |
+
"loss": 0.1179,
|
| 585 |
+
"step": 8100
|
| 586 |
+
},
|
| 587 |
+
{
|
| 588 |
+
"epoch": 0.7288888888888889,
|
| 589 |
+
"grad_norm": 4.322011947631836,
|
| 590 |
+
"learning_rate": 2.4534e-05,
|
| 591 |
+
"loss": 0.118,
|
| 592 |
+
"step": 8200
|
| 593 |
+
},
|
| 594 |
+
{
|
| 595 |
+
"epoch": 0.7377777777777778,
|
| 596 |
+
"grad_norm": 2.3560194969177246,
|
| 597 |
+
"learning_rate": 2.4467333333333332e-05,
|
| 598 |
+
"loss": 0.1175,
|
| 599 |
+
"step": 8300
|
| 600 |
+
},
|
| 601 |
+
{
|
| 602 |
+
"epoch": 0.7466666666666667,
|
| 603 |
+
"grad_norm": 3.332634925842285,
|
| 604 |
+
"learning_rate": 2.4400666666666668e-05,
|
| 605 |
+
"loss": 0.117,
|
| 606 |
+
"step": 8400
|
| 607 |
+
},
|
| 608 |
+
{
|
| 609 |
+
"epoch": 0.7555555555555555,
|
| 610 |
+
"grad_norm": 3.440761089324951,
|
| 611 |
+
"learning_rate": 2.4334e-05,
|
| 612 |
+
"loss": 0.1177,
|
| 613 |
+
"step": 8500
|
| 614 |
+
},
|
| 615 |
+
{
|
| 616 |
+
"epoch": 0.7644444444444445,
|
| 617 |
+
"grad_norm": 2.6699066162109375,
|
| 618 |
+
"learning_rate": 2.4267333333333334e-05,
|
| 619 |
+
"loss": 0.1159,
|
| 620 |
+
"step": 8600
|
| 621 |
+
},
|
| 622 |
+
{
|
| 623 |
+
"epoch": 0.7733333333333333,
|
| 624 |
+
"grad_norm": 2.5748603343963623,
|
| 625 |
+
"learning_rate": 2.4200666666666667e-05,
|
| 626 |
+
"loss": 0.1161,
|
| 627 |
+
"step": 8700
|
| 628 |
+
},
|
| 629 |
+
{
|
| 630 |
+
"epoch": 0.7822222222222223,
|
| 631 |
+
"grad_norm": 3.216967821121216,
|
| 632 |
+
"learning_rate": 2.4134e-05,
|
| 633 |
+
"loss": 0.1167,
|
| 634 |
+
"step": 8800
|
| 635 |
+
},
|
| 636 |
+
{
|
| 637 |
+
"epoch": 0.7911111111111111,
|
| 638 |
+
"grad_norm": 2.9499289989471436,
|
| 639 |
+
"learning_rate": 2.4067333333333333e-05,
|
| 640 |
+
"loss": 0.1164,
|
| 641 |
+
"step": 8900
|
| 642 |
+
},
|
| 643 |
+
{
|
| 644 |
+
"epoch": 0.8,
|
| 645 |
+
"grad_norm": 2.6872825622558594,
|
| 646 |
+
"learning_rate": 2.4000666666666665e-05,
|
| 647 |
+
"loss": 0.117,
|
| 648 |
+
"step": 9000
|
| 649 |
+
},
|
| 650 |
+
{
|
| 651 |
+
"epoch": 0.8088888888888889,
|
| 652 |
+
"grad_norm": 3.444622039794922,
|
| 653 |
+
"learning_rate": 2.3933999999999998e-05,
|
| 654 |
+
"loss": 0.1187,
|
| 655 |
+
"step": 9100
|
| 656 |
+
},
|
| 657 |
+
{
|
| 658 |
+
"epoch": 0.8177777777777778,
|
| 659 |
+
"grad_norm": 2.4359054565429688,
|
| 660 |
+
"learning_rate": 2.3867333333333334e-05,
|
| 661 |
+
"loss": 0.1163,
|
| 662 |
+
"step": 9200
|
| 663 |
+
},
|
| 664 |
+
{
|
| 665 |
+
"epoch": 0.8266666666666667,
|
| 666 |
+
"grad_norm": 2.510025978088379,
|
| 667 |
+
"learning_rate": 2.3800666666666667e-05,
|
| 668 |
+
"loss": 0.117,
|
| 669 |
+
"step": 9300
|
| 670 |
+
},
|
| 671 |
+
{
|
| 672 |
+
"epoch": 0.8355555555555556,
|
| 673 |
+
"grad_norm": 2.5156795978546143,
|
| 674 |
+
"learning_rate": 2.3734e-05,
|
| 675 |
+
"loss": 0.1177,
|
| 676 |
+
"step": 9400
|
| 677 |
+
},
|
| 678 |
+
{
|
| 679 |
+
"epoch": 0.8444444444444444,
|
| 680 |
+
"grad_norm": 3.8582279682159424,
|
| 681 |
+
"learning_rate": 2.3667333333333333e-05,
|
| 682 |
+
"loss": 0.1188,
|
| 683 |
+
"step": 9500
|
| 684 |
+
},
|
| 685 |
+
{
|
| 686 |
+
"epoch": 0.8533333333333334,
|
| 687 |
+
"grad_norm": 2.9142448902130127,
|
| 688 |
+
"learning_rate": 2.3600666666666666e-05,
|
| 689 |
+
"loss": 0.1201,
|
| 690 |
+
"step": 9600
|
| 691 |
+
},
|
| 692 |
+
{
|
| 693 |
+
"epoch": 0.8622222222222222,
|
| 694 |
+
"grad_norm": 1.9949374198913574,
|
| 695 |
+
"learning_rate": 2.3534e-05,
|
| 696 |
+
"loss": 0.1173,
|
| 697 |
+
"step": 9700
|
| 698 |
+
},
|
| 699 |
+
{
|
| 700 |
+
"epoch": 0.8711111111111111,
|
| 701 |
+
"grad_norm": 2.8266148567199707,
|
| 702 |
+
"learning_rate": 2.346733333333333e-05,
|
| 703 |
+
"loss": 0.1156,
|
| 704 |
+
"step": 9800
|
| 705 |
+
},
|
| 706 |
+
{
|
| 707 |
+
"epoch": 0.88,
|
| 708 |
+
"grad_norm": 2.821716070175171,
|
| 709 |
+
"learning_rate": 2.3400666666666664e-05,
|
| 710 |
+
"loss": 0.114,
|
| 711 |
+
"step": 9900
|
| 712 |
+
},
|
| 713 |
+
{
|
| 714 |
+
"epoch": 0.8888888888888888,
|
| 715 |
+
"grad_norm": 2.1341419219970703,
|
| 716 |
+
"learning_rate": 2.3334e-05,
|
| 717 |
+
"loss": 0.118,
|
| 718 |
+
"step": 10000
|
| 719 |
+
},
|
| 720 |
+
{
|
| 721 |
+
"epoch": 0.8888888888888888,
|
| 722 |
+
"eval_loss": 0.11916246265172958,
|
| 723 |
+
"eval_runtime": 209.6485,
|
| 724 |
+
"eval_samples_per_second": 47.699,
|
| 725 |
+
"eval_steps_per_second": 5.962,
|
| 726 |
+
"step": 10000
|
| 727 |
+
},
|
| 728 |
+
{
|
| 729 |
+
"epoch": 0.8977777777777778,
|
| 730 |
+
"grad_norm": 2.4303793907165527,
|
| 731 |
+
"learning_rate": 2.3267333333333333e-05,
|
| 732 |
+
"loss": 0.1164,
|
| 733 |
+
"step": 10100
|
| 734 |
+
},
|
| 735 |
+
{
|
| 736 |
+
"epoch": 0.9066666666666666,
|
| 737 |
+
"grad_norm": 2.23417329788208,
|
| 738 |
+
"learning_rate": 2.3200666666666666e-05,
|
| 739 |
+
"loss": 0.1168,
|
| 740 |
+
"step": 10200
|
| 741 |
+
},
|
| 742 |
+
{
|
| 743 |
+
"epoch": 0.9155555555555556,
|
| 744 |
+
"grad_norm": 2.7402517795562744,
|
| 745 |
+
"learning_rate": 2.3134e-05,
|
| 746 |
+
"loss": 0.1171,
|
| 747 |
+
"step": 10300
|
| 748 |
+
},
|
| 749 |
+
{
|
| 750 |
+
"epoch": 0.9244444444444444,
|
| 751 |
+
"grad_norm": 2.4961931705474854,
|
| 752 |
+
"learning_rate": 2.3067333333333332e-05,
|
| 753 |
+
"loss": 0.117,
|
| 754 |
+
"step": 10400
|
| 755 |
+
},
|
| 756 |
+
{
|
| 757 |
+
"epoch": 0.9333333333333333,
|
| 758 |
+
"grad_norm": 3.0183095932006836,
|
| 759 |
+
"learning_rate": 2.3000666666666668e-05,
|
| 760 |
+
"loss": 0.1166,
|
| 761 |
+
"step": 10500
|
| 762 |
+
},
|
| 763 |
+
{
|
| 764 |
+
"epoch": 0.9422222222222222,
|
| 765 |
+
"grad_norm": 3.062873125076294,
|
| 766 |
+
"learning_rate": 2.2934e-05,
|
| 767 |
+
"loss": 0.1167,
|
| 768 |
+
"step": 10600
|
| 769 |
+
},
|
| 770 |
+
{
|
| 771 |
+
"epoch": 0.9511111111111111,
|
| 772 |
+
"grad_norm": 2.418299436569214,
|
| 773 |
+
"learning_rate": 2.2867333333333334e-05,
|
| 774 |
+
"loss": 0.1173,
|
| 775 |
+
"step": 10700
|
| 776 |
+
},
|
| 777 |
+
{
|
| 778 |
+
"epoch": 0.96,
|
| 779 |
+
"grad_norm": 2.580348253250122,
|
| 780 |
+
"learning_rate": 2.280066666666667e-05,
|
| 781 |
+
"loss": 0.1173,
|
| 782 |
+
"step": 10800
|
| 783 |
+
},
|
| 784 |
+
{
|
| 785 |
+
"epoch": 0.9688888888888889,
|
| 786 |
+
"grad_norm": 2.902337074279785,
|
| 787 |
+
"learning_rate": 2.2734000000000003e-05,
|
| 788 |
+
"loss": 0.1174,
|
| 789 |
+
"step": 10900
|
| 790 |
+
},
|
| 791 |
+
{
|
| 792 |
+
"epoch": 0.9777777777777777,
|
| 793 |
+
"grad_norm": 2.1894068717956543,
|
| 794 |
+
"learning_rate": 2.2667333333333336e-05,
|
| 795 |
+
"loss": 0.1167,
|
| 796 |
+
"step": 11000
|
| 797 |
+
},
|
| 798 |
+
{
|
| 799 |
+
"epoch": 0.9866666666666667,
|
| 800 |
+
"grad_norm": 2.944486618041992,
|
| 801 |
+
"learning_rate": 2.260066666666667e-05,
|
| 802 |
+
"loss": 0.1174,
|
| 803 |
+
"step": 11100
|
| 804 |
+
},
|
| 805 |
+
{
|
| 806 |
+
"epoch": 0.9955555555555555,
|
| 807 |
+
"grad_norm": 2.560166835784912,
|
| 808 |
+
"learning_rate": 2.2534e-05,
|
| 809 |
+
"loss": 0.1179,
|
| 810 |
+
"step": 11200
|
| 811 |
+
},
|
| 812 |
+
{
|
| 813 |
+
"epoch": 1.0044444444444445,
|
| 814 |
+
"grad_norm": 2.7553763389587402,
|
| 815 |
+
"learning_rate": 2.2467333333333334e-05,
|
| 816 |
+
"loss": 0.1158,
|
| 817 |
+
"step": 11300
|
| 818 |
+
},
|
| 819 |
+
{
|
| 820 |
+
"epoch": 1.0133333333333334,
|
| 821 |
+
"grad_norm": 2.8809797763824463,
|
| 822 |
+
"learning_rate": 2.2400666666666667e-05,
|
| 823 |
+
"loss": 0.1175,
|
| 824 |
+
"step": 11400
|
| 825 |
+
},
|
| 826 |
+
{
|
| 827 |
+
"epoch": 1.0222222222222221,
|
| 828 |
+
"grad_norm": 2.329749822616577,
|
| 829 |
+
"learning_rate": 2.2334000000000003e-05,
|
| 830 |
+
"loss": 0.1155,
|
| 831 |
+
"step": 11500
|
| 832 |
+
},
|
| 833 |
+
{
|
| 834 |
+
"epoch": 1.031111111111111,
|
| 835 |
+
"grad_norm": 2.763226270675659,
|
| 836 |
+
"learning_rate": 2.2267333333333336e-05,
|
| 837 |
+
"loss": 0.1166,
|
| 838 |
+
"step": 11600
|
| 839 |
+
},
|
| 840 |
+
{
|
| 841 |
+
"epoch": 1.04,
|
| 842 |
+
"grad_norm": 3.360959768295288,
|
| 843 |
+
"learning_rate": 2.220066666666667e-05,
|
| 844 |
+
"loss": 0.1162,
|
| 845 |
+
"step": 11700
|
| 846 |
+
},
|
| 847 |
+
{
|
| 848 |
+
"epoch": 1.048888888888889,
|
| 849 |
+
"grad_norm": 2.1025476455688477,
|
| 850 |
+
"learning_rate": 2.2134000000000002e-05,
|
| 851 |
+
"loss": 0.1167,
|
| 852 |
+
"step": 11800
|
| 853 |
+
},
|
| 854 |
+
{
|
| 855 |
+
"epoch": 1.0577777777777777,
|
| 856 |
+
"grad_norm": 2.6342437267303467,
|
| 857 |
+
"learning_rate": 2.2067333333333335e-05,
|
| 858 |
+
"loss": 0.1159,
|
| 859 |
+
"step": 11900
|
| 860 |
+
},
|
| 861 |
+
{
|
| 862 |
+
"epoch": 1.0666666666666667,
|
| 863 |
+
"grad_norm": 2.8531672954559326,
|
| 864 |
+
"learning_rate": 2.2000666666666668e-05,
|
| 865 |
+
"loss": 0.1174,
|
| 866 |
+
"step": 12000
|
| 867 |
+
},
|
| 868 |
+
{
|
| 869 |
+
"epoch": 1.0755555555555556,
|
| 870 |
+
"grad_norm": 2.5636589527130127,
|
| 871 |
+
"learning_rate": 2.1934e-05,
|
| 872 |
+
"loss": 0.1164,
|
| 873 |
+
"step": 12100
|
| 874 |
+
},
|
| 875 |
+
{
|
| 876 |
+
"epoch": 1.0844444444444445,
|
| 877 |
+
"grad_norm": 2.7614545822143555,
|
| 878 |
+
"learning_rate": 2.1867333333333333e-05,
|
| 879 |
+
"loss": 0.1172,
|
| 880 |
+
"step": 12200
|
| 881 |
+
},
|
| 882 |
+
{
|
| 883 |
+
"epoch": 1.0933333333333333,
|
| 884 |
+
"grad_norm": 2.60809063911438,
|
| 885 |
+
"learning_rate": 2.180066666666667e-05,
|
| 886 |
+
"loss": 0.1163,
|
| 887 |
+
"step": 12300
|
| 888 |
+
},
|
| 889 |
+
{
|
| 890 |
+
"epoch": 1.1022222222222222,
|
| 891 |
+
"grad_norm": 3.316859483718872,
|
| 892 |
+
"learning_rate": 2.1734000000000002e-05,
|
| 893 |
+
"loss": 0.1177,
|
| 894 |
+
"step": 12400
|
| 895 |
+
},
|
| 896 |
+
{
|
| 897 |
+
"epoch": 1.1111111111111112,
|
| 898 |
+
"grad_norm": 3.271606922149658,
|
| 899 |
+
"learning_rate": 2.1667333333333335e-05,
|
| 900 |
+
"loss": 0.1167,
|
| 901 |
+
"step": 12500
|
| 902 |
+
},
|
| 903 |
+
{
|
| 904 |
+
"epoch": 1.12,
|
| 905 |
+
"grad_norm": 3.194365978240967,
|
| 906 |
+
"learning_rate": 2.1600666666666668e-05,
|
| 907 |
+
"loss": 0.118,
|
| 908 |
+
"step": 12600
|
| 909 |
+
},
|
| 910 |
+
{
|
| 911 |
+
"epoch": 1.1288888888888888,
|
| 912 |
+
"grad_norm": 2.5785796642303467,
|
| 913 |
+
"learning_rate": 2.1534e-05,
|
| 914 |
+
"loss": 0.1166,
|
| 915 |
+
"step": 12700
|
| 916 |
+
},
|
| 917 |
+
{
|
| 918 |
+
"epoch": 1.1377777777777778,
|
| 919 |
+
"grad_norm": 2.8842148780822754,
|
| 920 |
+
"learning_rate": 2.1467333333333334e-05,
|
| 921 |
+
"loss": 0.1169,
|
| 922 |
+
"step": 12800
|
| 923 |
+
},
|
| 924 |
+
{
|
| 925 |
+
"epoch": 1.1466666666666667,
|
| 926 |
+
"grad_norm": 2.530769109725952,
|
| 927 |
+
"learning_rate": 2.1400666666666667e-05,
|
| 928 |
+
"loss": 0.1176,
|
| 929 |
+
"step": 12900
|
| 930 |
+
},
|
| 931 |
+
{
|
| 932 |
+
"epoch": 1.1555555555555554,
|
| 933 |
+
"grad_norm": 2.9388973712921143,
|
| 934 |
+
"learning_rate": 2.1334e-05,
|
| 935 |
+
"loss": 0.1164,
|
| 936 |
+
"step": 13000
|
| 937 |
+
},
|
| 938 |
+
{
|
| 939 |
+
"epoch": 1.1644444444444444,
|
| 940 |
+
"grad_norm": 3.258341073989868,
|
| 941 |
+
"learning_rate": 2.1267333333333336e-05,
|
| 942 |
+
"loss": 0.1161,
|
| 943 |
+
"step": 13100
|
| 944 |
+
},
|
| 945 |
+
{
|
| 946 |
+
"epoch": 1.1733333333333333,
|
| 947 |
+
"grad_norm": 3.597013473510742,
|
| 948 |
+
"learning_rate": 2.120066666666667e-05,
|
| 949 |
+
"loss": 0.1168,
|
| 950 |
+
"step": 13200
|
| 951 |
+
},
|
| 952 |
+
{
|
| 953 |
+
"epoch": 1.1822222222222223,
|
| 954 |
+
"grad_norm": 2.683460235595703,
|
| 955 |
+
"learning_rate": 2.1134e-05,
|
| 956 |
+
"loss": 0.1152,
|
| 957 |
+
"step": 13300
|
| 958 |
+
},
|
| 959 |
+
{
|
| 960 |
+
"epoch": 1.1911111111111112,
|
| 961 |
+
"grad_norm": 3.4266109466552734,
|
| 962 |
+
"learning_rate": 2.1067333333333334e-05,
|
| 963 |
+
"loss": 0.1158,
|
| 964 |
+
"step": 13400
|
| 965 |
+
},
|
| 966 |
+
{
|
| 967 |
+
"epoch": 1.2,
|
| 968 |
+
"grad_norm": 2.183912754058838,
|
| 969 |
+
"learning_rate": 2.1000666666666667e-05,
|
| 970 |
+
"loss": 0.1162,
|
| 971 |
+
"step": 13500
|
| 972 |
+
},
|
| 973 |
+
{
|
| 974 |
+
"epoch": 1.208888888888889,
|
| 975 |
+
"grad_norm": 2.8540754318237305,
|
| 976 |
+
"learning_rate": 2.0934e-05,
|
| 977 |
+
"loss": 0.1162,
|
| 978 |
+
"step": 13600
|
| 979 |
+
},
|
| 980 |
+
{
|
| 981 |
+
"epoch": 1.2177777777777778,
|
| 982 |
+
"grad_norm": 2.472102403640747,
|
| 983 |
+
"learning_rate": 2.0867333333333333e-05,
|
| 984 |
+
"loss": 0.1165,
|
| 985 |
+
"step": 13700
|
| 986 |
+
},
|
| 987 |
+
{
|
| 988 |
+
"epoch": 1.2266666666666666,
|
| 989 |
+
"grad_norm": 2.466033697128296,
|
| 990 |
+
"learning_rate": 2.0800666666666665e-05,
|
| 991 |
+
"loss": 0.1171,
|
| 992 |
+
"step": 13800
|
| 993 |
+
},
|
| 994 |
+
{
|
| 995 |
+
"epoch": 1.2355555555555555,
|
| 996 |
+
"grad_norm": 2.822277784347534,
|
| 997 |
+
"learning_rate": 2.0734000000000002e-05,
|
| 998 |
+
"loss": 0.1154,
|
| 999 |
+
"step": 13900
|
| 1000 |
+
},
|
| 1001 |
+
{
|
| 1002 |
+
"epoch": 1.2444444444444445,
|
| 1003 |
+
"grad_norm": 2.0999035835266113,
|
| 1004 |
+
"learning_rate": 2.0667333333333335e-05,
|
| 1005 |
+
"loss": 0.1163,
|
| 1006 |
+
"step": 14000
|
| 1007 |
+
},
|
| 1008 |
+
{
|
| 1009 |
+
"epoch": 1.2533333333333334,
|
| 1010 |
+
"grad_norm": 2.3862359523773193,
|
| 1011 |
+
"learning_rate": 2.0600666666666667e-05,
|
| 1012 |
+
"loss": 0.1166,
|
| 1013 |
+
"step": 14100
|
| 1014 |
+
},
|
| 1015 |
+
{
|
| 1016 |
+
"epoch": 1.2622222222222224,
|
| 1017 |
+
"grad_norm": 3.0106606483459473,
|
| 1018 |
+
"learning_rate": 2.0534e-05,
|
| 1019 |
+
"loss": 0.1174,
|
| 1020 |
+
"step": 14200
|
| 1021 |
+
},
|
| 1022 |
+
{
|
| 1023 |
+
"epoch": 1.271111111111111,
|
| 1024 |
+
"grad_norm": 2.2720947265625,
|
| 1025 |
+
"learning_rate": 2.0467333333333333e-05,
|
| 1026 |
+
"loss": 0.1162,
|
| 1027 |
+
"step": 14300
|
| 1028 |
+
},
|
| 1029 |
+
{
|
| 1030 |
+
"epoch": 1.28,
|
| 1031 |
+
"grad_norm": 2.4867804050445557,
|
| 1032 |
+
"learning_rate": 2.0400666666666666e-05,
|
| 1033 |
+
"loss": 0.1167,
|
| 1034 |
+
"step": 14400
|
| 1035 |
+
},
|
| 1036 |
+
{
|
| 1037 |
+
"epoch": 1.2888888888888888,
|
| 1038 |
+
"grad_norm": 3.227097511291504,
|
| 1039 |
+
"learning_rate": 2.0334e-05,
|
| 1040 |
+
"loss": 0.1166,
|
| 1041 |
+
"step": 14500
|
| 1042 |
+
},
|
| 1043 |
+
{
|
| 1044 |
+
"epoch": 1.2977777777777777,
|
| 1045 |
+
"grad_norm": 2.6462483406066895,
|
| 1046 |
+
"learning_rate": 2.0267333333333335e-05,
|
| 1047 |
+
"loss": 0.116,
|
| 1048 |
+
"step": 14600
|
| 1049 |
+
},
|
| 1050 |
+
{
|
| 1051 |
+
"epoch": 1.3066666666666666,
|
| 1052 |
+
"grad_norm": 1.9896470308303833,
|
| 1053 |
+
"learning_rate": 2.0200666666666668e-05,
|
| 1054 |
+
"loss": 0.1166,
|
| 1055 |
+
"step": 14700
|
| 1056 |
+
},
|
| 1057 |
+
{
|
| 1058 |
+
"epoch": 1.3155555555555556,
|
| 1059 |
+
"grad_norm": 3.9435179233551025,
|
| 1060 |
+
"learning_rate": 2.0134e-05,
|
| 1061 |
+
"loss": 0.1161,
|
| 1062 |
+
"step": 14800
|
| 1063 |
+
},
|
| 1064 |
+
{
|
| 1065 |
+
"epoch": 1.3244444444444445,
|
| 1066 |
+
"grad_norm": 3.1520168781280518,
|
| 1067 |
+
"learning_rate": 2.0067333333333334e-05,
|
| 1068 |
+
"loss": 0.1163,
|
| 1069 |
+
"step": 14900
|
| 1070 |
+
},
|
| 1071 |
+
{
|
| 1072 |
+
"epoch": 1.3333333333333333,
|
| 1073 |
+
"grad_norm": 2.1935575008392334,
|
| 1074 |
+
"learning_rate": 2.0000666666666666e-05,
|
| 1075 |
+
"loss": 0.1166,
|
| 1076 |
+
"step": 15000
|
| 1077 |
+
},
|
| 1078 |
+
{
|
| 1079 |
+
"epoch": 1.3333333333333333,
|
| 1080 |
+
"eval_loss": 0.11884617805480957,
|
| 1081 |
+
"eval_runtime": 211.3057,
|
| 1082 |
+
"eval_samples_per_second": 47.325,
|
| 1083 |
+
"eval_steps_per_second": 5.916,
|
| 1084 |
+
"step": 15000
|
| 1085 |
+
},
|
| 1086 |
+
{
|
| 1087 |
+
"epoch": 1.3422222222222222,
|
| 1088 |
+
"grad_norm": 2.775670289993286,
|
| 1089 |
+
"learning_rate": 1.9934e-05,
|
| 1090 |
+
"loss": 0.1159,
|
| 1091 |
+
"step": 15100
|
| 1092 |
+
},
|
| 1093 |
+
{
|
| 1094 |
+
"epoch": 1.3511111111111112,
|
| 1095 |
+
"grad_norm": 2.6361074447631836,
|
| 1096 |
+
"learning_rate": 1.9867333333333332e-05,
|
| 1097 |
+
"loss": 0.1169,
|
| 1098 |
+
"step": 15200
|
| 1099 |
+
},
|
| 1100 |
+
{
|
| 1101 |
+
"epoch": 1.3599999999999999,
|
| 1102 |
+
"grad_norm": 2.5795843601226807,
|
| 1103 |
+
"learning_rate": 1.9800666666666665e-05,
|
| 1104 |
+
"loss": 0.1166,
|
| 1105 |
+
"step": 15300
|
| 1106 |
+
},
|
| 1107 |
+
{
|
| 1108 |
+
"epoch": 1.3688888888888888,
|
| 1109 |
+
"grad_norm": 3.1737446784973145,
|
| 1110 |
+
"learning_rate": 1.9734e-05,
|
| 1111 |
+
"loss": 0.1167,
|
| 1112 |
+
"step": 15400
|
| 1113 |
+
},
|
| 1114 |
+
{
|
| 1115 |
+
"epoch": 1.3777777777777778,
|
| 1116 |
+
"grad_norm": 2.2223973274230957,
|
| 1117 |
+
"learning_rate": 1.9667333333333334e-05,
|
| 1118 |
+
"loss": 0.1164,
|
| 1119 |
+
"step": 15500
|
| 1120 |
+
},
|
| 1121 |
+
{
|
| 1122 |
+
"epoch": 1.3866666666666667,
|
| 1123 |
+
"grad_norm": 2.2306268215179443,
|
| 1124 |
+
"learning_rate": 1.9600666666666667e-05,
|
| 1125 |
+
"loss": 0.1168,
|
| 1126 |
+
"step": 15600
|
| 1127 |
+
},
|
| 1128 |
+
{
|
| 1129 |
+
"epoch": 1.3955555555555557,
|
| 1130 |
+
"grad_norm": 2.343104600906372,
|
| 1131 |
+
"learning_rate": 1.9534e-05,
|
| 1132 |
+
"loss": 0.1169,
|
| 1133 |
+
"step": 15700
|
| 1134 |
+
},
|
| 1135 |
+
{
|
| 1136 |
+
"epoch": 1.4044444444444444,
|
| 1137 |
+
"grad_norm": 2.2243905067443848,
|
| 1138 |
+
"learning_rate": 1.9467333333333333e-05,
|
| 1139 |
+
"loss": 0.1168,
|
| 1140 |
+
"step": 15800
|
| 1141 |
+
},
|
| 1142 |
+
{
|
| 1143 |
+
"epoch": 1.4133333333333333,
|
| 1144 |
+
"grad_norm": 2.11381459236145,
|
| 1145 |
+
"learning_rate": 1.9400666666666665e-05,
|
| 1146 |
+
"loss": 0.1176,
|
| 1147 |
+
"step": 15900
|
| 1148 |
+
},
|
| 1149 |
+
{
|
| 1150 |
+
"epoch": 1.4222222222222223,
|
| 1151 |
+
"grad_norm": 2.713016986846924,
|
| 1152 |
+
"learning_rate": 1.9333999999999998e-05,
|
| 1153 |
+
"loss": 0.117,
|
| 1154 |
+
"step": 16000
|
| 1155 |
+
},
|
| 1156 |
+
{
|
| 1157 |
+
"epoch": 1.431111111111111,
|
| 1158 |
+
"grad_norm": 2.860501766204834,
|
| 1159 |
+
"learning_rate": 1.926733333333333e-05,
|
| 1160 |
+
"loss": 0.1165,
|
| 1161 |
+
"step": 16100
|
| 1162 |
+
},
|
| 1163 |
+
{
|
| 1164 |
+
"epoch": 1.44,
|
| 1165 |
+
"grad_norm": 2.216109037399292,
|
| 1166 |
+
"learning_rate": 1.9200666666666667e-05,
|
| 1167 |
+
"loss": 0.117,
|
| 1168 |
+
"step": 16200
|
| 1169 |
+
},
|
| 1170 |
+
{
|
| 1171 |
+
"epoch": 1.448888888888889,
|
| 1172 |
+
"grad_norm": 2.458571672439575,
|
| 1173 |
+
"learning_rate": 1.9134e-05,
|
| 1174 |
+
"loss": 0.1166,
|
| 1175 |
+
"step": 16300
|
| 1176 |
+
},
|
| 1177 |
+
{
|
| 1178 |
+
"epoch": 1.4577777777777778,
|
| 1179 |
+
"grad_norm": 2.421862840652466,
|
| 1180 |
+
"learning_rate": 1.9067333333333333e-05,
|
| 1181 |
+
"loss": 0.117,
|
| 1182 |
+
"step": 16400
|
| 1183 |
+
},
|
| 1184 |
+
{
|
| 1185 |
+
"epoch": 1.4666666666666668,
|
| 1186 |
+
"grad_norm": 2.4166271686553955,
|
| 1187 |
+
"learning_rate": 1.9000666666666666e-05,
|
| 1188 |
+
"loss": 0.1158,
|
| 1189 |
+
"step": 16500
|
| 1190 |
+
},
|
| 1191 |
+
{
|
| 1192 |
+
"epoch": 1.4755555555555555,
|
| 1193 |
+
"grad_norm": 2.1545352935791016,
|
| 1194 |
+
"learning_rate": 1.8934e-05,
|
| 1195 |
+
"loss": 0.1153,
|
| 1196 |
+
"step": 16600
|
| 1197 |
+
},
|
| 1198 |
+
{
|
| 1199 |
+
"epoch": 1.4844444444444445,
|
| 1200 |
+
"grad_norm": 2.041667938232422,
|
| 1201 |
+
"learning_rate": 1.886733333333333e-05,
|
| 1202 |
+
"loss": 0.1174,
|
| 1203 |
+
"step": 16700
|
| 1204 |
+
},
|
| 1205 |
+
{
|
| 1206 |
+
"epoch": 1.4933333333333334,
|
| 1207 |
+
"grad_norm": 2.384735584259033,
|
| 1208 |
+
"learning_rate": 1.8800666666666664e-05,
|
| 1209 |
+
"loss": 0.1163,
|
| 1210 |
+
"step": 16800
|
| 1211 |
+
},
|
| 1212 |
+
{
|
| 1213 |
+
"epoch": 1.5022222222222221,
|
| 1214 |
+
"grad_norm": 2.500413656234741,
|
| 1215 |
+
"learning_rate": 1.8734e-05,
|
| 1216 |
+
"loss": 0.1151,
|
| 1217 |
+
"step": 16900
|
| 1218 |
+
},
|
| 1219 |
+
{
|
| 1220 |
+
"epoch": 1.511111111111111,
|
| 1221 |
+
"grad_norm": 2.1342129707336426,
|
| 1222 |
+
"learning_rate": 1.8667333333333337e-05,
|
| 1223 |
+
"loss": 0.1159,
|
| 1224 |
+
"step": 17000
|
| 1225 |
+
},
|
| 1226 |
+
{
|
| 1227 |
+
"epoch": 1.52,
|
| 1228 |
+
"grad_norm": 1.887050986289978,
|
| 1229 |
+
"learning_rate": 1.860066666666667e-05,
|
| 1230 |
+
"loss": 0.1167,
|
| 1231 |
+
"step": 17100
|
| 1232 |
+
},
|
| 1233 |
+
{
|
| 1234 |
+
"epoch": 1.528888888888889,
|
| 1235 |
+
"grad_norm": 2.915043830871582,
|
| 1236 |
+
"learning_rate": 1.8534000000000002e-05,
|
| 1237 |
+
"loss": 0.1146,
|
| 1238 |
+
"step": 17200
|
| 1239 |
+
},
|
| 1240 |
+
{
|
| 1241 |
+
"epoch": 1.537777777777778,
|
| 1242 |
+
"grad_norm": 1.9369572401046753,
|
| 1243 |
+
"learning_rate": 1.8467333333333335e-05,
|
| 1244 |
+
"loss": 0.115,
|
| 1245 |
+
"step": 17300
|
| 1246 |
+
},
|
| 1247 |
+
{
|
| 1248 |
+
"epoch": 1.5466666666666666,
|
| 1249 |
+
"grad_norm": 2.6729207038879395,
|
| 1250 |
+
"learning_rate": 1.8400666666666668e-05,
|
| 1251 |
+
"loss": 0.1164,
|
| 1252 |
+
"step": 17400
|
| 1253 |
+
},
|
| 1254 |
+
{
|
| 1255 |
+
"epoch": 1.5555555555555556,
|
| 1256 |
+
"grad_norm": 2.3808655738830566,
|
| 1257 |
+
"learning_rate": 1.8334e-05,
|
| 1258 |
+
"loss": 0.1164,
|
| 1259 |
+
"step": 17500
|
| 1260 |
+
},
|
| 1261 |
+
{
|
| 1262 |
+
"epoch": 1.5644444444444443,
|
| 1263 |
+
"grad_norm": 2.073694944381714,
|
| 1264 |
+
"learning_rate": 1.8267333333333334e-05,
|
| 1265 |
+
"loss": 0.1162,
|
| 1266 |
+
"step": 17600
|
| 1267 |
+
},
|
| 1268 |
+
{
|
| 1269 |
+
"epoch": 1.5733333333333333,
|
| 1270 |
+
"grad_norm": 2.777702808380127,
|
| 1271 |
+
"learning_rate": 1.820066666666667e-05,
|
| 1272 |
+
"loss": 0.1165,
|
| 1273 |
+
"step": 17700
|
| 1274 |
+
},
|
| 1275 |
+
{
|
| 1276 |
+
"epoch": 1.5822222222222222,
|
| 1277 |
+
"grad_norm": 2.505470037460327,
|
| 1278 |
+
"learning_rate": 1.8134000000000003e-05,
|
| 1279 |
+
"loss": 0.1161,
|
| 1280 |
+
"step": 17800
|
| 1281 |
+
},
|
| 1282 |
+
{
|
| 1283 |
+
"epoch": 1.5911111111111111,
|
| 1284 |
+
"grad_norm": 2.718674421310425,
|
| 1285 |
+
"learning_rate": 1.8067333333333336e-05,
|
| 1286 |
+
"loss": 0.1163,
|
| 1287 |
+
"step": 17900
|
| 1288 |
+
},
|
| 1289 |
+
{
|
| 1290 |
+
"epoch": 1.6,
|
| 1291 |
+
"grad_norm": 2.1494431495666504,
|
| 1292 |
+
"learning_rate": 1.800066666666667e-05,
|
| 1293 |
+
"loss": 0.1156,
|
| 1294 |
+
"step": 18000
|
| 1295 |
+
},
|
| 1296 |
+
{
|
| 1297 |
+
"epoch": 1.608888888888889,
|
| 1298 |
+
"grad_norm": 2.116150379180908,
|
| 1299 |
+
"learning_rate": 1.7934e-05,
|
| 1300 |
+
"loss": 0.1151,
|
| 1301 |
+
"step": 18100
|
| 1302 |
+
},
|
| 1303 |
+
{
|
| 1304 |
+
"epoch": 1.6177777777777778,
|
| 1305 |
+
"grad_norm": 2.0484061241149902,
|
| 1306 |
+
"learning_rate": 1.7867333333333334e-05,
|
| 1307 |
+
"loss": 0.1156,
|
| 1308 |
+
"step": 18200
|
| 1309 |
+
},
|
| 1310 |
+
{
|
| 1311 |
+
"epoch": 1.6266666666666667,
|
| 1312 |
+
"grad_norm": 2.424205780029297,
|
| 1313 |
+
"learning_rate": 1.7800666666666667e-05,
|
| 1314 |
+
"loss": 0.1163,
|
| 1315 |
+
"step": 18300
|
| 1316 |
+
},
|
| 1317 |
+
{
|
| 1318 |
+
"epoch": 1.6355555555555554,
|
| 1319 |
+
"grad_norm": 1.8127673864364624,
|
| 1320 |
+
"learning_rate": 1.7734e-05,
|
| 1321 |
+
"loss": 0.1158,
|
| 1322 |
+
"step": 18400
|
| 1323 |
+
},
|
| 1324 |
+
{
|
| 1325 |
+
"epoch": 1.6444444444444444,
|
| 1326 |
+
"grad_norm": 1.8198715448379517,
|
| 1327 |
+
"learning_rate": 1.7667333333333336e-05,
|
| 1328 |
+
"loss": 0.1154,
|
| 1329 |
+
"step": 18500
|
| 1330 |
+
},
|
| 1331 |
+
{
|
| 1332 |
+
"epoch": 1.6533333333333333,
|
| 1333 |
+
"grad_norm": 2.0981502532958984,
|
| 1334 |
+
"learning_rate": 1.760066666666667e-05,
|
| 1335 |
+
"loss": 0.1151,
|
| 1336 |
+
"step": 18600
|
| 1337 |
+
},
|
| 1338 |
+
{
|
| 1339 |
+
"epoch": 1.6622222222222223,
|
| 1340 |
+
"grad_norm": 2.4855105876922607,
|
| 1341 |
+
"learning_rate": 1.7534000000000002e-05,
|
| 1342 |
+
"loss": 0.1159,
|
| 1343 |
+
"step": 18700
|
| 1344 |
+
},
|
| 1345 |
+
{
|
| 1346 |
+
"epoch": 1.6711111111111112,
|
| 1347 |
+
"grad_norm": 2.699737071990967,
|
| 1348 |
+
"learning_rate": 1.7467333333333335e-05,
|
| 1349 |
+
"loss": 0.1157,
|
| 1350 |
+
"step": 18800
|
| 1351 |
+
},
|
| 1352 |
+
{
|
| 1353 |
+
"epoch": 1.6800000000000002,
|
| 1354 |
+
"grad_norm": 2.327432870864868,
|
| 1355 |
+
"learning_rate": 1.7400666666666668e-05,
|
| 1356 |
+
"loss": 0.1171,
|
| 1357 |
+
"step": 18900
|
| 1358 |
+
},
|
| 1359 |
+
{
|
| 1360 |
+
"epoch": 1.6888888888888889,
|
| 1361 |
+
"grad_norm": 2.1968882083892822,
|
| 1362 |
+
"learning_rate": 1.7334e-05,
|
| 1363 |
+
"loss": 0.1161,
|
| 1364 |
+
"step": 19000
|
| 1365 |
+
},
|
| 1366 |
+
{
|
| 1367 |
+
"epoch": 1.6977777777777778,
|
| 1368 |
+
"grad_norm": 1.8226240873336792,
|
| 1369 |
+
"learning_rate": 1.7267333333333333e-05,
|
| 1370 |
+
"loss": 0.1151,
|
| 1371 |
+
"step": 19100
|
| 1372 |
+
},
|
| 1373 |
+
{
|
| 1374 |
+
"epoch": 1.7066666666666666,
|
| 1375 |
+
"grad_norm": 2.7223825454711914,
|
| 1376 |
+
"learning_rate": 1.7200666666666666e-05,
|
| 1377 |
+
"loss": 0.1171,
|
| 1378 |
+
"step": 19200
|
| 1379 |
+
},
|
| 1380 |
+
{
|
| 1381 |
+
"epoch": 1.7155555555555555,
|
| 1382 |
+
"grad_norm": 2.9477438926696777,
|
| 1383 |
+
"learning_rate": 1.7134000000000002e-05,
|
| 1384 |
+
"loss": 0.1156,
|
| 1385 |
+
"step": 19300
|
| 1386 |
+
},
|
| 1387 |
+
{
|
| 1388 |
+
"epoch": 1.7244444444444444,
|
| 1389 |
+
"grad_norm": 2.40928316116333,
|
| 1390 |
+
"learning_rate": 1.7067333333333335e-05,
|
| 1391 |
+
"loss": 0.1166,
|
| 1392 |
+
"step": 19400
|
| 1393 |
+
},
|
| 1394 |
+
{
|
| 1395 |
+
"epoch": 1.7333333333333334,
|
| 1396 |
+
"grad_norm": 1.8822649717330933,
|
| 1397 |
+
"learning_rate": 1.7000666666666668e-05,
|
| 1398 |
+
"loss": 0.1153,
|
| 1399 |
+
"step": 19500
|
| 1400 |
+
},
|
| 1401 |
+
{
|
| 1402 |
+
"epoch": 1.7422222222222223,
|
| 1403 |
+
"grad_norm": 2.2142670154571533,
|
| 1404 |
+
"learning_rate": 1.6934e-05,
|
| 1405 |
+
"loss": 0.1163,
|
| 1406 |
+
"step": 19600
|
| 1407 |
+
},
|
| 1408 |
+
{
|
| 1409 |
+
"epoch": 1.751111111111111,
|
| 1410 |
+
"grad_norm": 2.1836495399475098,
|
| 1411 |
+
"learning_rate": 1.6867333333333334e-05,
|
| 1412 |
+
"loss": 0.1151,
|
| 1413 |
+
"step": 19700
|
| 1414 |
+
},
|
| 1415 |
+
{
|
| 1416 |
+
"epoch": 1.76,
|
| 1417 |
+
"grad_norm": 3.2107222080230713,
|
| 1418 |
+
"learning_rate": 1.6800666666666667e-05,
|
| 1419 |
+
"loss": 0.1163,
|
| 1420 |
+
"step": 19800
|
| 1421 |
+
},
|
| 1422 |
+
{
|
| 1423 |
+
"epoch": 1.7688888888888887,
|
| 1424 |
+
"grad_norm": 1.8287441730499268,
|
| 1425 |
+
"learning_rate": 1.6734e-05,
|
| 1426 |
+
"loss": 0.1156,
|
| 1427 |
+
"step": 19900
|
| 1428 |
+
},
|
| 1429 |
+
{
|
| 1430 |
+
"epoch": 1.7777777777777777,
|
| 1431 |
+
"grad_norm": 2.0980119705200195,
|
| 1432 |
+
"learning_rate": 1.6667333333333332e-05,
|
| 1433 |
+
"loss": 0.1155,
|
| 1434 |
+
"step": 20000
|
| 1435 |
+
},
|
| 1436 |
+
{
|
| 1437 |
+
"epoch": 1.7777777777777777,
|
| 1438 |
+
"eval_loss": 0.11874008923768997,
|
| 1439 |
+
"eval_runtime": 211.255,
|
| 1440 |
+
"eval_samples_per_second": 47.336,
|
| 1441 |
+
"eval_steps_per_second": 5.917,
|
| 1442 |
+
"step": 20000
|
| 1443 |
+
},
|
| 1444 |
+
{
|
| 1445 |
+
"epoch": 1.7866666666666666,
|
| 1446 |
+
"grad_norm": 2.3383679389953613,
|
| 1447 |
+
"learning_rate": 1.660066666666667e-05,
|
| 1448 |
+
"loss": 0.1138,
|
| 1449 |
+
"step": 20100
|
| 1450 |
+
},
|
| 1451 |
+
{
|
| 1452 |
+
"epoch": 1.7955555555555556,
|
| 1453 |
+
"grad_norm": 2.7525901794433594,
|
| 1454 |
+
"learning_rate": 1.6534e-05,
|
| 1455 |
+
"loss": 0.116,
|
| 1456 |
+
"step": 20200
|
| 1457 |
+
},
|
| 1458 |
+
{
|
| 1459 |
+
"epoch": 1.8044444444444445,
|
| 1460 |
+
"grad_norm": 2.5040132999420166,
|
| 1461 |
+
"learning_rate": 1.6467333333333334e-05,
|
| 1462 |
+
"loss": 0.1161,
|
| 1463 |
+
"step": 20300
|
| 1464 |
+
},
|
| 1465 |
+
{
|
| 1466 |
+
"epoch": 1.8133333333333335,
|
| 1467 |
+
"grad_norm": 2.259471893310547,
|
| 1468 |
+
"learning_rate": 1.6400666666666667e-05,
|
| 1469 |
+
"loss": 0.117,
|
| 1470 |
+
"step": 20400
|
| 1471 |
+
},
|
| 1472 |
+
{
|
| 1473 |
+
"epoch": 1.8222222222222222,
|
| 1474 |
+
"grad_norm": 2.2679028511047363,
|
| 1475 |
+
"learning_rate": 1.6334e-05,
|
| 1476 |
+
"loss": 0.1137,
|
| 1477 |
+
"step": 20500
|
| 1478 |
+
},
|
| 1479 |
+
{
|
| 1480 |
+
"epoch": 1.8311111111111111,
|
| 1481 |
+
"grad_norm": 2.327155351638794,
|
| 1482 |
+
"learning_rate": 1.6267333333333333e-05,
|
| 1483 |
+
"loss": 0.1166,
|
| 1484 |
+
"step": 20600
|
| 1485 |
+
},
|
| 1486 |
+
{
|
| 1487 |
+
"epoch": 1.8399999999999999,
|
| 1488 |
+
"grad_norm": 1.955175757408142,
|
| 1489 |
+
"learning_rate": 1.6200666666666665e-05,
|
| 1490 |
+
"loss": 0.1166,
|
| 1491 |
+
"step": 20700
|
| 1492 |
+
},
|
| 1493 |
+
{
|
| 1494 |
+
"epoch": 1.8488888888888888,
|
| 1495 |
+
"grad_norm": 2.710777759552002,
|
| 1496 |
+
"learning_rate": 1.6134e-05,
|
| 1497 |
+
"loss": 0.1172,
|
| 1498 |
+
"step": 20800
|
| 1499 |
+
},
|
| 1500 |
+
{
|
| 1501 |
+
"epoch": 1.8577777777777778,
|
| 1502 |
+
"grad_norm": 2.216688632965088,
|
| 1503 |
+
"learning_rate": 1.6067333333333335e-05,
|
| 1504 |
+
"loss": 0.1161,
|
| 1505 |
+
"step": 20900
|
| 1506 |
+
},
|
| 1507 |
+
{
|
| 1508 |
+
"epoch": 1.8666666666666667,
|
| 1509 |
+
"grad_norm": 2.182429075241089,
|
| 1510 |
+
"learning_rate": 1.6000666666666667e-05,
|
| 1511 |
+
"loss": 0.1156,
|
| 1512 |
+
"step": 21000
|
| 1513 |
+
},
|
| 1514 |
+
{
|
| 1515 |
+
"epoch": 1.8755555555555556,
|
| 1516 |
+
"grad_norm": 1.9243407249450684,
|
| 1517 |
+
"learning_rate": 1.5934e-05,
|
| 1518 |
+
"loss": 0.1142,
|
| 1519 |
+
"step": 21100
|
| 1520 |
+
},
|
| 1521 |
+
{
|
| 1522 |
+
"epoch": 1.8844444444444446,
|
| 1523 |
+
"grad_norm": 2.7626757621765137,
|
| 1524 |
+
"learning_rate": 1.5867333333333333e-05,
|
| 1525 |
+
"loss": 0.1145,
|
| 1526 |
+
"step": 21200
|
| 1527 |
+
},
|
| 1528 |
+
{
|
| 1529 |
+
"epoch": 1.8933333333333333,
|
| 1530 |
+
"grad_norm": 2.6856908798217773,
|
| 1531 |
+
"learning_rate": 1.5800666666666666e-05,
|
| 1532 |
+
"loss": 0.1152,
|
| 1533 |
+
"step": 21300
|
| 1534 |
+
},
|
| 1535 |
+
{
|
| 1536 |
+
"epoch": 1.9022222222222223,
|
| 1537 |
+
"grad_norm": 1.7904895544052124,
|
| 1538 |
+
"learning_rate": 1.5734e-05,
|
| 1539 |
+
"loss": 0.1155,
|
| 1540 |
+
"step": 21400
|
| 1541 |
+
},
|
| 1542 |
+
{
|
| 1543 |
+
"epoch": 1.911111111111111,
|
| 1544 |
+
"grad_norm": 3.033803939819336,
|
| 1545 |
+
"learning_rate": 1.566733333333333e-05,
|
| 1546 |
+
"loss": 0.1166,
|
| 1547 |
+
"step": 21500
|
| 1548 |
+
},
|
| 1549 |
+
{
|
| 1550 |
+
"epoch": 1.92,
|
| 1551 |
+
"grad_norm": 2.309826612472534,
|
| 1552 |
+
"learning_rate": 1.5600666666666668e-05,
|
| 1553 |
+
"loss": 0.1158,
|
| 1554 |
+
"step": 21600
|
| 1555 |
+
},
|
| 1556 |
+
{
|
| 1557 |
+
"epoch": 1.9288888888888889,
|
| 1558 |
+
"grad_norm": 1.7815381288528442,
|
| 1559 |
+
"learning_rate": 1.5534e-05,
|
| 1560 |
+
"loss": 0.1162,
|
| 1561 |
+
"step": 21700
|
| 1562 |
+
},
|
| 1563 |
+
{
|
| 1564 |
+
"epoch": 1.9377777777777778,
|
| 1565 |
+
"grad_norm": 2.4178450107574463,
|
| 1566 |
+
"learning_rate": 1.5467333333333334e-05,
|
| 1567 |
+
"loss": 0.1148,
|
| 1568 |
+
"step": 21800
|
| 1569 |
+
},
|
| 1570 |
+
{
|
| 1571 |
+
"epoch": 1.9466666666666668,
|
| 1572 |
+
"grad_norm": 2.054873466491699,
|
| 1573 |
+
"learning_rate": 1.5400666666666666e-05,
|
| 1574 |
+
"loss": 0.1159,
|
| 1575 |
+
"step": 21900
|
| 1576 |
+
},
|
| 1577 |
+
{
|
| 1578 |
+
"epoch": 1.9555555555555557,
|
| 1579 |
+
"grad_norm": 2.2199928760528564,
|
| 1580 |
+
"learning_rate": 1.5334e-05,
|
| 1581 |
+
"loss": 0.116,
|
| 1582 |
+
"step": 22000
|
| 1583 |
+
},
|
| 1584 |
+
{
|
| 1585 |
+
"epoch": 1.9644444444444444,
|
| 1586 |
+
"grad_norm": 2.7613635063171387,
|
| 1587 |
+
"learning_rate": 1.5267333333333332e-05,
|
| 1588 |
+
"loss": 0.1158,
|
| 1589 |
+
"step": 22100
|
| 1590 |
+
},
|
| 1591 |
+
{
|
| 1592 |
+
"epoch": 1.9733333333333334,
|
| 1593 |
+
"grad_norm": 2.339095115661621,
|
| 1594 |
+
"learning_rate": 1.5200666666666667e-05,
|
| 1595 |
+
"loss": 0.1165,
|
| 1596 |
+
"step": 22200
|
| 1597 |
+
},
|
| 1598 |
+
{
|
| 1599 |
+
"epoch": 1.982222222222222,
|
| 1600 |
+
"grad_norm": 2.9039108753204346,
|
| 1601 |
+
"learning_rate": 1.5134e-05,
|
| 1602 |
+
"loss": 0.1161,
|
| 1603 |
+
"step": 22300
|
| 1604 |
+
},
|
| 1605 |
+
{
|
| 1606 |
+
"epoch": 1.991111111111111,
|
| 1607 |
+
"grad_norm": 1.7739943265914917,
|
| 1608 |
+
"learning_rate": 1.5067333333333336e-05,
|
| 1609 |
+
"loss": 0.1156,
|
| 1610 |
+
"step": 22400
|
| 1611 |
+
},
|
| 1612 |
+
{
|
| 1613 |
+
"epoch": 2.0,
|
| 1614 |
+
"grad_norm": 2.047527551651001,
|
| 1615 |
+
"learning_rate": 1.5000666666666669e-05,
|
| 1616 |
+
"loss": 0.1154,
|
| 1617 |
+
"step": 22500
|
| 1618 |
+
},
|
| 1619 |
+
{
|
| 1620 |
+
"epoch": 2.008888888888889,
|
| 1621 |
+
"grad_norm": 2.352304458618164,
|
| 1622 |
+
"learning_rate": 1.4934000000000001e-05,
|
| 1623 |
+
"loss": 0.1158,
|
| 1624 |
+
"step": 22600
|
| 1625 |
+
},
|
| 1626 |
+
{
|
| 1627 |
+
"epoch": 2.017777777777778,
|
| 1628 |
+
"grad_norm": 2.671964645385742,
|
| 1629 |
+
"learning_rate": 1.4867333333333334e-05,
|
| 1630 |
+
"loss": 0.1162,
|
| 1631 |
+
"step": 22700
|
| 1632 |
+
},
|
| 1633 |
+
{
|
| 1634 |
+
"epoch": 2.026666666666667,
|
| 1635 |
+
"grad_norm": 2.2361083030700684,
|
| 1636 |
+
"learning_rate": 1.4800666666666667e-05,
|
| 1637 |
+
"loss": 0.1159,
|
| 1638 |
+
"step": 22800
|
| 1639 |
+
},
|
| 1640 |
+
{
|
| 1641 |
+
"epoch": 2.0355555555555553,
|
| 1642 |
+
"grad_norm": 2.8421878814697266,
|
| 1643 |
+
"learning_rate": 1.4734e-05,
|
| 1644 |
+
"loss": 0.1165,
|
| 1645 |
+
"step": 22900
|
| 1646 |
+
},
|
| 1647 |
+
{
|
| 1648 |
+
"epoch": 2.0444444444444443,
|
| 1649 |
+
"grad_norm": 2.485544204711914,
|
| 1650 |
+
"learning_rate": 1.4667333333333334e-05,
|
| 1651 |
+
"loss": 0.1152,
|
| 1652 |
+
"step": 23000
|
| 1653 |
+
},
|
| 1654 |
+
{
|
| 1655 |
+
"epoch": 2.0533333333333332,
|
| 1656 |
+
"grad_norm": 2.96846079826355,
|
| 1657 |
+
"learning_rate": 1.4600666666666667e-05,
|
| 1658 |
+
"loss": 0.1155,
|
| 1659 |
+
"step": 23100
|
| 1660 |
+
},
|
| 1661 |
+
{
|
| 1662 |
+
"epoch": 2.062222222222222,
|
| 1663 |
+
"grad_norm": 2.7394907474517822,
|
| 1664 |
+
"learning_rate": 1.4534e-05,
|
| 1665 |
+
"loss": 0.1164,
|
| 1666 |
+
"step": 23200
|
| 1667 |
+
},
|
| 1668 |
+
{
|
| 1669 |
+
"epoch": 2.071111111111111,
|
| 1670 |
+
"grad_norm": 2.4437592029571533,
|
| 1671 |
+
"learning_rate": 1.4467333333333333e-05,
|
| 1672 |
+
"loss": 0.1156,
|
| 1673 |
+
"step": 23300
|
| 1674 |
+
},
|
| 1675 |
+
{
|
| 1676 |
+
"epoch": 2.08,
|
| 1677 |
+
"grad_norm": 2.2288527488708496,
|
| 1678 |
+
"learning_rate": 1.4400666666666667e-05,
|
| 1679 |
+
"loss": 0.1158,
|
| 1680 |
+
"step": 23400
|
| 1681 |
+
},
|
| 1682 |
+
{
|
| 1683 |
+
"epoch": 2.088888888888889,
|
| 1684 |
+
"grad_norm": 2.3188891410827637,
|
| 1685 |
+
"learning_rate": 1.4334e-05,
|
| 1686 |
+
"loss": 0.1148,
|
| 1687 |
+
"step": 23500
|
| 1688 |
+
},
|
| 1689 |
+
{
|
| 1690 |
+
"epoch": 2.097777777777778,
|
| 1691 |
+
"grad_norm": 2.7612464427948,
|
| 1692 |
+
"learning_rate": 1.4267333333333333e-05,
|
| 1693 |
+
"loss": 0.1171,
|
| 1694 |
+
"step": 23600
|
| 1695 |
+
},
|
| 1696 |
+
{
|
| 1697 |
+
"epoch": 2.1066666666666665,
|
| 1698 |
+
"grad_norm": 2.3894736766815186,
|
| 1699 |
+
"learning_rate": 1.4200666666666666e-05,
|
| 1700 |
+
"loss": 0.1148,
|
| 1701 |
+
"step": 23700
|
| 1702 |
+
},
|
| 1703 |
+
{
|
| 1704 |
+
"epoch": 2.1155555555555554,
|
| 1705 |
+
"grad_norm": 2.3277463912963867,
|
| 1706 |
+
"learning_rate": 1.4134e-05,
|
| 1707 |
+
"loss": 0.1153,
|
| 1708 |
+
"step": 23800
|
| 1709 |
+
},
|
| 1710 |
+
{
|
| 1711 |
+
"epoch": 2.1244444444444444,
|
| 1712 |
+
"grad_norm": 2.8140342235565186,
|
| 1713 |
+
"learning_rate": 1.4067333333333333e-05,
|
| 1714 |
+
"loss": 0.1137,
|
| 1715 |
+
"step": 23900
|
| 1716 |
+
},
|
| 1717 |
+
{
|
| 1718 |
+
"epoch": 2.1333333333333333,
|
| 1719 |
+
"grad_norm": 2.089547634124756,
|
| 1720 |
+
"learning_rate": 1.4000666666666666e-05,
|
| 1721 |
+
"loss": 0.1155,
|
| 1722 |
+
"step": 24000
|
| 1723 |
+
},
|
| 1724 |
+
{
|
| 1725 |
+
"epoch": 2.1422222222222222,
|
| 1726 |
+
"grad_norm": 3.302685260772705,
|
| 1727 |
+
"learning_rate": 1.3934e-05,
|
| 1728 |
+
"loss": 0.1153,
|
| 1729 |
+
"step": 24100
|
| 1730 |
+
},
|
| 1731 |
+
{
|
| 1732 |
+
"epoch": 2.151111111111111,
|
| 1733 |
+
"grad_norm": 4.049182415008545,
|
| 1734 |
+
"learning_rate": 1.3867333333333334e-05,
|
| 1735 |
+
"loss": 0.1157,
|
| 1736 |
+
"step": 24200
|
| 1737 |
+
},
|
| 1738 |
+
{
|
| 1739 |
+
"epoch": 2.16,
|
| 1740 |
+
"grad_norm": 2.8935699462890625,
|
| 1741 |
+
"learning_rate": 1.3800666666666666e-05,
|
| 1742 |
+
"loss": 0.1148,
|
| 1743 |
+
"step": 24300
|
| 1744 |
+
},
|
| 1745 |
+
{
|
| 1746 |
+
"epoch": 2.168888888888889,
|
| 1747 |
+
"grad_norm": 2.7473628520965576,
|
| 1748 |
+
"learning_rate": 1.3734e-05,
|
| 1749 |
+
"loss": 0.1163,
|
| 1750 |
+
"step": 24400
|
| 1751 |
+
},
|
| 1752 |
+
{
|
| 1753 |
+
"epoch": 2.1777777777777776,
|
| 1754 |
+
"grad_norm": 2.5902512073516846,
|
| 1755 |
+
"learning_rate": 1.3667333333333334e-05,
|
| 1756 |
+
"loss": 0.1166,
|
| 1757 |
+
"step": 24500
|
| 1758 |
+
},
|
| 1759 |
+
{
|
| 1760 |
+
"epoch": 2.1866666666666665,
|
| 1761 |
+
"grad_norm": 2.7223613262176514,
|
| 1762 |
+
"learning_rate": 1.3600666666666667e-05,
|
| 1763 |
+
"loss": 0.1162,
|
| 1764 |
+
"step": 24600
|
| 1765 |
+
},
|
| 1766 |
+
{
|
| 1767 |
+
"epoch": 2.1955555555555555,
|
| 1768 |
+
"grad_norm": 2.1939899921417236,
|
| 1769 |
+
"learning_rate": 1.3534e-05,
|
| 1770 |
+
"loss": 0.1154,
|
| 1771 |
+
"step": 24700
|
| 1772 |
+
},
|
| 1773 |
+
{
|
| 1774 |
+
"epoch": 2.2044444444444444,
|
| 1775 |
+
"grad_norm": 2.0452585220336914,
|
| 1776 |
+
"learning_rate": 1.3467333333333332e-05,
|
| 1777 |
+
"loss": 0.1152,
|
| 1778 |
+
"step": 24800
|
| 1779 |
+
},
|
| 1780 |
+
{
|
| 1781 |
+
"epoch": 2.2133333333333334,
|
| 1782 |
+
"grad_norm": 1.8646681308746338,
|
| 1783 |
+
"learning_rate": 1.3400666666666667e-05,
|
| 1784 |
+
"loss": 0.1155,
|
| 1785 |
+
"step": 24900
|
| 1786 |
+
},
|
| 1787 |
+
{
|
| 1788 |
+
"epoch": 2.2222222222222223,
|
| 1789 |
+
"grad_norm": 1.9449495077133179,
|
| 1790 |
+
"learning_rate": 1.3334000000000001e-05,
|
| 1791 |
+
"loss": 0.1152,
|
| 1792 |
+
"step": 25000
|
| 1793 |
+
},
|
| 1794 |
+
{
|
| 1795 |
+
"epoch": 2.2222222222222223,
|
| 1796 |
+
"eval_loss": 0.11821907013654709,
|
| 1797 |
+
"eval_runtime": 205.4004,
|
| 1798 |
+
"eval_samples_per_second": 48.685,
|
| 1799 |
+
"eval_steps_per_second": 6.086,
|
| 1800 |
+
"step": 25000
|
| 1801 |
+
},
|
| 1802 |
+
{
|
| 1803 |
+
"epoch": 2.2311111111111113,
|
| 1804 |
+
"grad_norm": 2.43855881690979,
|
| 1805 |
+
"learning_rate": 1.3267333333333334e-05,
|
| 1806 |
+
"loss": 0.1152,
|
| 1807 |
+
"step": 25100
|
| 1808 |
+
},
|
| 1809 |
+
{
|
| 1810 |
+
"epoch": 2.24,
|
| 1811 |
+
"grad_norm": 2.259459972381592,
|
| 1812 |
+
"learning_rate": 1.3200666666666667e-05,
|
| 1813 |
+
"loss": 0.1166,
|
| 1814 |
+
"step": 25200
|
| 1815 |
+
},
|
| 1816 |
+
{
|
| 1817 |
+
"epoch": 2.2488888888888887,
|
| 1818 |
+
"grad_norm": 1.6553391218185425,
|
| 1819 |
+
"learning_rate": 1.3134000000000002e-05,
|
| 1820 |
+
"loss": 0.1161,
|
| 1821 |
+
"step": 25300
|
| 1822 |
+
},
|
| 1823 |
+
{
|
| 1824 |
+
"epoch": 2.2577777777777777,
|
| 1825 |
+
"grad_norm": 2.632042407989502,
|
| 1826 |
+
"learning_rate": 1.3067333333333334e-05,
|
| 1827 |
+
"loss": 0.1158,
|
| 1828 |
+
"step": 25400
|
| 1829 |
+
},
|
| 1830 |
+
{
|
| 1831 |
+
"epoch": 2.2666666666666666,
|
| 1832 |
+
"grad_norm": 1.961142897605896,
|
| 1833 |
+
"learning_rate": 1.3000666666666667e-05,
|
| 1834 |
+
"loss": 0.1155,
|
| 1835 |
+
"step": 25500
|
| 1836 |
+
},
|
| 1837 |
+
{
|
| 1838 |
+
"epoch": 2.2755555555555556,
|
| 1839 |
+
"grad_norm": 3.4109835624694824,
|
| 1840 |
+
"learning_rate": 1.2934e-05,
|
| 1841 |
+
"loss": 0.1157,
|
| 1842 |
+
"step": 25600
|
| 1843 |
+
},
|
| 1844 |
+
{
|
| 1845 |
+
"epoch": 2.2844444444444445,
|
| 1846 |
+
"grad_norm": 1.8419948816299438,
|
| 1847 |
+
"learning_rate": 1.2867333333333335e-05,
|
| 1848 |
+
"loss": 0.1155,
|
| 1849 |
+
"step": 25700
|
| 1850 |
+
},
|
| 1851 |
+
{
|
| 1852 |
+
"epoch": 2.2933333333333334,
|
| 1853 |
+
"grad_norm": 1.9801756143569946,
|
| 1854 |
+
"learning_rate": 1.2800666666666668e-05,
|
| 1855 |
+
"loss": 0.1158,
|
| 1856 |
+
"step": 25800
|
| 1857 |
+
},
|
| 1858 |
+
{
|
| 1859 |
+
"epoch": 2.3022222222222224,
|
| 1860 |
+
"grad_norm": 2.43862247467041,
|
| 1861 |
+
"learning_rate": 1.2734e-05,
|
| 1862 |
+
"loss": 0.1153,
|
| 1863 |
+
"step": 25900
|
| 1864 |
+
},
|
| 1865 |
+
{
|
| 1866 |
+
"epoch": 2.311111111111111,
|
| 1867 |
+
"grad_norm": 2.5168206691741943,
|
| 1868 |
+
"learning_rate": 1.2667333333333333e-05,
|
| 1869 |
+
"loss": 0.1156,
|
| 1870 |
+
"step": 26000
|
| 1871 |
+
},
|
| 1872 |
+
{
|
| 1873 |
+
"epoch": 2.32,
|
| 1874 |
+
"grad_norm": 1.8565939664840698,
|
| 1875 |
+
"learning_rate": 1.2600666666666668e-05,
|
| 1876 |
+
"loss": 0.1152,
|
| 1877 |
+
"step": 26100
|
| 1878 |
+
},
|
| 1879 |
+
{
|
| 1880 |
+
"epoch": 2.328888888888889,
|
| 1881 |
+
"grad_norm": 2.830747127532959,
|
| 1882 |
+
"learning_rate": 1.2534e-05,
|
| 1883 |
+
"loss": 0.1162,
|
| 1884 |
+
"step": 26200
|
| 1885 |
+
},
|
| 1886 |
+
{
|
| 1887 |
+
"epoch": 2.3377777777777777,
|
| 1888 |
+
"grad_norm": 2.1019651889801025,
|
| 1889 |
+
"learning_rate": 1.2467333333333333e-05,
|
| 1890 |
+
"loss": 0.1133,
|
| 1891 |
+
"step": 26300
|
| 1892 |
+
},
|
| 1893 |
+
{
|
| 1894 |
+
"epoch": 2.3466666666666667,
|
| 1895 |
+
"grad_norm": 2.217740774154663,
|
| 1896 |
+
"learning_rate": 1.2400666666666666e-05,
|
| 1897 |
+
"loss": 0.1152,
|
| 1898 |
+
"step": 26400
|
| 1899 |
+
},
|
| 1900 |
+
{
|
| 1901 |
+
"epoch": 2.3555555555555556,
|
| 1902 |
+
"grad_norm": 2.361687660217285,
|
| 1903 |
+
"learning_rate": 1.2334e-05,
|
| 1904 |
+
"loss": 0.1156,
|
| 1905 |
+
"step": 26500
|
| 1906 |
+
},
|
| 1907 |
+
{
|
| 1908 |
+
"epoch": 2.3644444444444446,
|
| 1909 |
+
"grad_norm": 2.0507583618164062,
|
| 1910 |
+
"learning_rate": 1.2267333333333334e-05,
|
| 1911 |
+
"loss": 0.1159,
|
| 1912 |
+
"step": 26600
|
| 1913 |
+
},
|
| 1914 |
+
{
|
| 1915 |
+
"epoch": 2.3733333333333335,
|
| 1916 |
+
"grad_norm": 2.8861610889434814,
|
| 1917 |
+
"learning_rate": 1.2200666666666667e-05,
|
| 1918 |
+
"loss": 0.1151,
|
| 1919 |
+
"step": 26700
|
| 1920 |
+
},
|
| 1921 |
+
{
|
| 1922 |
+
"epoch": 2.3822222222222225,
|
| 1923 |
+
"grad_norm": 1.8134089708328247,
|
| 1924 |
+
"learning_rate": 1.2134e-05,
|
| 1925 |
+
"loss": 0.1154,
|
| 1926 |
+
"step": 26800
|
| 1927 |
+
},
|
| 1928 |
+
{
|
| 1929 |
+
"epoch": 2.391111111111111,
|
| 1930 |
+
"grad_norm": 2.0537240505218506,
|
| 1931 |
+
"learning_rate": 1.2067333333333334e-05,
|
| 1932 |
+
"loss": 0.1159,
|
| 1933 |
+
"step": 26900
|
| 1934 |
+
},
|
| 1935 |
+
{
|
| 1936 |
+
"epoch": 2.4,
|
| 1937 |
+
"grad_norm": 2.097390651702881,
|
| 1938 |
+
"learning_rate": 1.2000666666666667e-05,
|
| 1939 |
+
"loss": 0.1161,
|
| 1940 |
+
"step": 27000
|
| 1941 |
+
},
|
| 1942 |
+
{
|
| 1943 |
+
"epoch": 2.408888888888889,
|
| 1944 |
+
"grad_norm": 2.088944435119629,
|
| 1945 |
+
"learning_rate": 1.1934e-05,
|
| 1946 |
+
"loss": 0.1146,
|
| 1947 |
+
"step": 27100
|
| 1948 |
+
},
|
| 1949 |
+
{
|
| 1950 |
+
"epoch": 2.417777777777778,
|
| 1951 |
+
"grad_norm": 2.133535385131836,
|
| 1952 |
+
"learning_rate": 1.1867333333333332e-05,
|
| 1953 |
+
"loss": 0.1159,
|
| 1954 |
+
"step": 27200
|
| 1955 |
+
},
|
| 1956 |
+
{
|
| 1957 |
+
"epoch": 2.4266666666666667,
|
| 1958 |
+
"grad_norm": 1.7839490175247192,
|
| 1959 |
+
"learning_rate": 1.1800666666666667e-05,
|
| 1960 |
+
"loss": 0.1151,
|
| 1961 |
+
"step": 27300
|
| 1962 |
+
},
|
| 1963 |
+
{
|
| 1964 |
+
"epoch": 2.4355555555555557,
|
| 1965 |
+
"grad_norm": 2.6169657707214355,
|
| 1966 |
+
"learning_rate": 1.1734e-05,
|
| 1967 |
+
"loss": 0.1163,
|
| 1968 |
+
"step": 27400
|
| 1969 |
+
},
|
| 1970 |
+
{
|
| 1971 |
+
"epoch": 2.4444444444444446,
|
| 1972 |
+
"grad_norm": 2.3692398071289062,
|
| 1973 |
+
"learning_rate": 1.1667333333333333e-05,
|
| 1974 |
+
"loss": 0.1154,
|
| 1975 |
+
"step": 27500
|
| 1976 |
+
},
|
| 1977 |
+
{
|
| 1978 |
+
"epoch": 2.453333333333333,
|
| 1979 |
+
"grad_norm": 2.067922353744507,
|
| 1980 |
+
"learning_rate": 1.1600666666666667e-05,
|
| 1981 |
+
"loss": 0.1164,
|
| 1982 |
+
"step": 27600
|
| 1983 |
+
},
|
| 1984 |
+
{
|
| 1985 |
+
"epoch": 2.462222222222222,
|
| 1986 |
+
"grad_norm": 2.0473413467407227,
|
| 1987 |
+
"learning_rate": 1.1534e-05,
|
| 1988 |
+
"loss": 0.1163,
|
| 1989 |
+
"step": 27700
|
| 1990 |
+
},
|
| 1991 |
+
{
|
| 1992 |
+
"epoch": 2.471111111111111,
|
| 1993 |
+
"grad_norm": 2.808614730834961,
|
| 1994 |
+
"learning_rate": 1.1467333333333333e-05,
|
| 1995 |
+
"loss": 0.1156,
|
| 1996 |
+
"step": 27800
|
| 1997 |
+
},
|
| 1998 |
+
{
|
| 1999 |
+
"epoch": 2.48,
|
| 2000 |
+
"grad_norm": 2.913728713989258,
|
| 2001 |
+
"learning_rate": 1.1400666666666666e-05,
|
| 2002 |
+
"loss": 0.116,
|
| 2003 |
+
"step": 27900
|
| 2004 |
+
},
|
| 2005 |
+
{
|
| 2006 |
+
"epoch": 2.488888888888889,
|
| 2007 |
+
"grad_norm": 1.912876009941101,
|
| 2008 |
+
"learning_rate": 1.1334e-05,
|
| 2009 |
+
"loss": 0.1152,
|
| 2010 |
+
"step": 28000
|
| 2011 |
+
},
|
| 2012 |
+
{
|
| 2013 |
+
"epoch": 2.497777777777778,
|
| 2014 |
+
"grad_norm": 1.86778724193573,
|
| 2015 |
+
"learning_rate": 1.1267333333333333e-05,
|
| 2016 |
+
"loss": 0.1153,
|
| 2017 |
+
"step": 28100
|
| 2018 |
+
},
|
| 2019 |
+
{
|
| 2020 |
+
"epoch": 2.506666666666667,
|
| 2021 |
+
"grad_norm": 2.0126466751098633,
|
| 2022 |
+
"learning_rate": 1.1200666666666668e-05,
|
| 2023 |
+
"loss": 0.1158,
|
| 2024 |
+
"step": 28200
|
| 2025 |
+
},
|
| 2026 |
+
{
|
| 2027 |
+
"epoch": 2.5155555555555553,
|
| 2028 |
+
"grad_norm": 3.1814756393432617,
|
| 2029 |
+
"learning_rate": 1.1134e-05,
|
| 2030 |
+
"loss": 0.1141,
|
| 2031 |
+
"step": 28300
|
| 2032 |
+
},
|
| 2033 |
+
{
|
| 2034 |
+
"epoch": 2.5244444444444447,
|
| 2035 |
+
"grad_norm": 1.9883755445480347,
|
| 2036 |
+
"learning_rate": 1.1067333333333335e-05,
|
| 2037 |
+
"loss": 0.1166,
|
| 2038 |
+
"step": 28400
|
| 2039 |
+
},
|
| 2040 |
+
{
|
| 2041 |
+
"epoch": 2.533333333333333,
|
| 2042 |
+
"grad_norm": 2.183955192565918,
|
| 2043 |
+
"learning_rate": 1.1000666666666668e-05,
|
| 2044 |
+
"loss": 0.1148,
|
| 2045 |
+
"step": 28500
|
| 2046 |
+
},
|
| 2047 |
+
{
|
| 2048 |
+
"epoch": 2.542222222222222,
|
| 2049 |
+
"grad_norm": 1.8114796876907349,
|
| 2050 |
+
"learning_rate": 1.0934e-05,
|
| 2051 |
+
"loss": 0.1152,
|
| 2052 |
+
"step": 28600
|
| 2053 |
+
},
|
| 2054 |
+
{
|
| 2055 |
+
"epoch": 2.551111111111111,
|
| 2056 |
+
"grad_norm": 2.805391550064087,
|
| 2057 |
+
"learning_rate": 1.0867333333333334e-05,
|
| 2058 |
+
"loss": 0.1167,
|
| 2059 |
+
"step": 28700
|
| 2060 |
+
},
|
| 2061 |
+
{
|
| 2062 |
+
"epoch": 2.56,
|
| 2063 |
+
"grad_norm": 1.9589388370513916,
|
| 2064 |
+
"learning_rate": 1.0800666666666668e-05,
|
| 2065 |
+
"loss": 0.1159,
|
| 2066 |
+
"step": 28800
|
| 2067 |
+
},
|
| 2068 |
+
{
|
| 2069 |
+
"epoch": 2.568888888888889,
|
| 2070 |
+
"grad_norm": 2.483231782913208,
|
| 2071 |
+
"learning_rate": 1.0734000000000001e-05,
|
| 2072 |
+
"loss": 0.1164,
|
| 2073 |
+
"step": 28900
|
| 2074 |
+
},
|
| 2075 |
+
{
|
| 2076 |
+
"epoch": 2.5777777777777775,
|
| 2077 |
+
"grad_norm": 2.146597385406494,
|
| 2078 |
+
"learning_rate": 1.0667333333333334e-05,
|
| 2079 |
+
"loss": 0.1157,
|
| 2080 |
+
"step": 29000
|
| 2081 |
+
},
|
| 2082 |
+
{
|
| 2083 |
+
"epoch": 2.586666666666667,
|
| 2084 |
+
"grad_norm": 2.4722535610198975,
|
| 2085 |
+
"learning_rate": 1.0600666666666667e-05,
|
| 2086 |
+
"loss": 0.1152,
|
| 2087 |
+
"step": 29100
|
| 2088 |
+
},
|
| 2089 |
+
{
|
| 2090 |
+
"epoch": 2.5955555555555554,
|
| 2091 |
+
"grad_norm": 2.1983442306518555,
|
| 2092 |
+
"learning_rate": 1.0534000000000001e-05,
|
| 2093 |
+
"loss": 0.1157,
|
| 2094 |
+
"step": 29200
|
| 2095 |
+
},
|
| 2096 |
+
{
|
| 2097 |
+
"epoch": 2.6044444444444443,
|
| 2098 |
+
"grad_norm": 2.2970950603485107,
|
| 2099 |
+
"learning_rate": 1.0467333333333334e-05,
|
| 2100 |
+
"loss": 0.1157,
|
| 2101 |
+
"step": 29300
|
| 2102 |
+
},
|
| 2103 |
+
{
|
| 2104 |
+
"epoch": 2.6133333333333333,
|
| 2105 |
+
"grad_norm": 2.0761561393737793,
|
| 2106 |
+
"learning_rate": 1.0400666666666667e-05,
|
| 2107 |
+
"loss": 0.1158,
|
| 2108 |
+
"step": 29400
|
| 2109 |
+
},
|
| 2110 |
+
{
|
| 2111 |
+
"epoch": 2.6222222222222222,
|
| 2112 |
+
"grad_norm": 2.563446283340454,
|
| 2113 |
+
"learning_rate": 1.0334e-05,
|
| 2114 |
+
"loss": 0.1148,
|
| 2115 |
+
"step": 29500
|
| 2116 |
+
},
|
| 2117 |
+
{
|
| 2118 |
+
"epoch": 2.631111111111111,
|
| 2119 |
+
"grad_norm": 1.857676386833191,
|
| 2120 |
+
"learning_rate": 1.0267333333333334e-05,
|
| 2121 |
+
"loss": 0.1156,
|
| 2122 |
+
"step": 29600
|
| 2123 |
+
},
|
| 2124 |
+
{
|
| 2125 |
+
"epoch": 2.64,
|
| 2126 |
+
"grad_norm": 1.8866102695465088,
|
| 2127 |
+
"learning_rate": 1.0200666666666667e-05,
|
| 2128 |
+
"loss": 0.1161,
|
| 2129 |
+
"step": 29700
|
| 2130 |
+
},
|
| 2131 |
+
{
|
| 2132 |
+
"epoch": 2.648888888888889,
|
| 2133 |
+
"grad_norm": 2.0575530529022217,
|
| 2134 |
+
"learning_rate": 1.0134e-05,
|
| 2135 |
+
"loss": 0.1147,
|
| 2136 |
+
"step": 29800
|
| 2137 |
+
},
|
| 2138 |
+
{
|
| 2139 |
+
"epoch": 2.6577777777777776,
|
| 2140 |
+
"grad_norm": 2.034001111984253,
|
| 2141 |
+
"learning_rate": 1.0067333333333333e-05,
|
| 2142 |
+
"loss": 0.1157,
|
| 2143 |
+
"step": 29900
|
| 2144 |
+
},
|
| 2145 |
+
{
|
| 2146 |
+
"epoch": 2.6666666666666665,
|
| 2147 |
+
"grad_norm": 2.0795133113861084,
|
| 2148 |
+
"learning_rate": 1.0000666666666667e-05,
|
| 2149 |
+
"loss": 0.1148,
|
| 2150 |
+
"step": 30000
|
| 2151 |
+
},
|
| 2152 |
+
{
|
| 2153 |
+
"epoch": 2.6666666666666665,
|
| 2154 |
+
"eval_loss": 0.11856765300035477,
|
| 2155 |
+
"eval_runtime": 205.9117,
|
| 2156 |
+
"eval_samples_per_second": 48.565,
|
| 2157 |
+
"eval_steps_per_second": 6.071,
|
| 2158 |
+
"step": 30000
|
| 2159 |
+
},
|
| 2160 |
+
{
|
| 2161 |
+
"epoch": 2.6755555555555555,
|
| 2162 |
+
"grad_norm": 1.806398630142212,
|
| 2163 |
+
"learning_rate": 9.934e-06,
|
| 2164 |
+
"loss": 0.1157,
|
| 2165 |
+
"step": 30100
|
| 2166 |
+
},
|
| 2167 |
+
{
|
| 2168 |
+
"epoch": 2.6844444444444444,
|
| 2169 |
+
"grad_norm": 2.670499563217163,
|
| 2170 |
+
"learning_rate": 9.867333333333333e-06,
|
| 2171 |
+
"loss": 0.1158,
|
| 2172 |
+
"step": 30200
|
| 2173 |
+
},
|
| 2174 |
+
{
|
| 2175 |
+
"epoch": 2.6933333333333334,
|
| 2176 |
+
"grad_norm": 2.7029168605804443,
|
| 2177 |
+
"learning_rate": 9.800666666666666e-06,
|
| 2178 |
+
"loss": 0.1158,
|
| 2179 |
+
"step": 30300
|
| 2180 |
+
},
|
| 2181 |
+
{
|
| 2182 |
+
"epoch": 2.7022222222222223,
|
| 2183 |
+
"grad_norm": 2.2368838787078857,
|
| 2184 |
+
"learning_rate": 9.734e-06,
|
| 2185 |
+
"loss": 0.1158,
|
| 2186 |
+
"step": 30400
|
| 2187 |
+
},
|
| 2188 |
+
{
|
| 2189 |
+
"epoch": 2.7111111111111112,
|
| 2190 |
+
"grad_norm": 2.2548608779907227,
|
| 2191 |
+
"learning_rate": 9.667333333333333e-06,
|
| 2192 |
+
"loss": 0.1158,
|
| 2193 |
+
"step": 30500
|
| 2194 |
+
},
|
| 2195 |
+
{
|
| 2196 |
+
"epoch": 2.7199999999999998,
|
| 2197 |
+
"grad_norm": 2.935089588165283,
|
| 2198 |
+
"learning_rate": 9.600666666666666e-06,
|
| 2199 |
+
"loss": 0.1158,
|
| 2200 |
+
"step": 30600
|
| 2201 |
+
},
|
| 2202 |
+
{
|
| 2203 |
+
"epoch": 2.728888888888889,
|
| 2204 |
+
"grad_norm": 2.124918222427368,
|
| 2205 |
+
"learning_rate": 9.534e-06,
|
| 2206 |
+
"loss": 0.116,
|
| 2207 |
+
"step": 30700
|
| 2208 |
+
},
|
| 2209 |
+
{
|
| 2210 |
+
"epoch": 2.7377777777777776,
|
| 2211 |
+
"grad_norm": 2.378983736038208,
|
| 2212 |
+
"learning_rate": 9.467333333333333e-06,
|
| 2213 |
+
"loss": 0.1151,
|
| 2214 |
+
"step": 30800
|
| 2215 |
+
},
|
| 2216 |
+
{
|
| 2217 |
+
"epoch": 2.7466666666666666,
|
| 2218 |
+
"grad_norm": 2.25007963180542,
|
| 2219 |
+
"learning_rate": 9.400666666666666e-06,
|
| 2220 |
+
"loss": 0.1149,
|
| 2221 |
+
"step": 30900
|
| 2222 |
+
},
|
| 2223 |
+
{
|
| 2224 |
+
"epoch": 2.7555555555555555,
|
| 2225 |
+
"grad_norm": 2.59733510017395,
|
| 2226 |
+
"learning_rate": 9.333999999999999e-06,
|
| 2227 |
+
"loss": 0.1161,
|
| 2228 |
+
"step": 31000
|
| 2229 |
+
},
|
| 2230 |
+
{
|
| 2231 |
+
"epoch": 2.7644444444444445,
|
| 2232 |
+
"grad_norm": 1.812325119972229,
|
| 2233 |
+
"learning_rate": 9.267333333333334e-06,
|
| 2234 |
+
"loss": 0.1138,
|
| 2235 |
+
"step": 31100
|
| 2236 |
+
},
|
| 2237 |
+
{
|
| 2238 |
+
"epoch": 2.7733333333333334,
|
| 2239 |
+
"grad_norm": 1.9207689762115479,
|
| 2240 |
+
"learning_rate": 9.200666666666666e-06,
|
| 2241 |
+
"loss": 0.1147,
|
| 2242 |
+
"step": 31200
|
| 2243 |
+
},
|
| 2244 |
+
{
|
| 2245 |
+
"epoch": 2.7822222222222224,
|
| 2246 |
+
"grad_norm": 2.4983069896698,
|
| 2247 |
+
"learning_rate": 9.134e-06,
|
| 2248 |
+
"loss": 0.1153,
|
| 2249 |
+
"step": 31300
|
| 2250 |
+
},
|
| 2251 |
+
{
|
| 2252 |
+
"epoch": 2.7911111111111113,
|
| 2253 |
+
"grad_norm": 2.1139156818389893,
|
| 2254 |
+
"learning_rate": 9.067333333333334e-06,
|
| 2255 |
+
"loss": 0.1147,
|
| 2256 |
+
"step": 31400
|
| 2257 |
+
},
|
| 2258 |
+
{
|
| 2259 |
+
"epoch": 2.8,
|
| 2260 |
+
"grad_norm": 1.7658330202102661,
|
| 2261 |
+
"learning_rate": 9.000666666666668e-06,
|
| 2262 |
+
"loss": 0.1149,
|
| 2263 |
+
"step": 31500
|
| 2264 |
+
},
|
| 2265 |
+
{
|
| 2266 |
+
"epoch": 2.8088888888888888,
|
| 2267 |
+
"grad_norm": 2.7101166248321533,
|
| 2268 |
+
"learning_rate": 8.934000000000001e-06,
|
| 2269 |
+
"loss": 0.1159,
|
| 2270 |
+
"step": 31600
|
| 2271 |
+
},
|
| 2272 |
+
{
|
| 2273 |
+
"epoch": 2.8177777777777777,
|
| 2274 |
+
"grad_norm": 2.397491455078125,
|
| 2275 |
+
"learning_rate": 8.867333333333334e-06,
|
| 2276 |
+
"loss": 0.1145,
|
| 2277 |
+
"step": 31700
|
| 2278 |
+
},
|
| 2279 |
+
{
|
| 2280 |
+
"epoch": 2.8266666666666667,
|
| 2281 |
+
"grad_norm": 1.7462725639343262,
|
| 2282 |
+
"learning_rate": 8.800666666666667e-06,
|
| 2283 |
+
"loss": 0.1146,
|
| 2284 |
+
"step": 31800
|
| 2285 |
+
},
|
| 2286 |
+
{
|
| 2287 |
+
"epoch": 2.8355555555555556,
|
| 2288 |
+
"grad_norm": 1.9845815896987915,
|
| 2289 |
+
"learning_rate": 8.734000000000001e-06,
|
| 2290 |
+
"loss": 0.1159,
|
| 2291 |
+
"step": 31900
|
| 2292 |
+
},
|
| 2293 |
+
{
|
| 2294 |
+
"epoch": 2.8444444444444446,
|
| 2295 |
+
"grad_norm": 2.7019858360290527,
|
| 2296 |
+
"learning_rate": 8.667333333333334e-06,
|
| 2297 |
+
"loss": 0.1161,
|
| 2298 |
+
"step": 32000
|
| 2299 |
+
},
|
| 2300 |
+
{
|
| 2301 |
+
"epoch": 2.8533333333333335,
|
| 2302 |
+
"grad_norm": 2.1721303462982178,
|
| 2303 |
+
"learning_rate": 8.600666666666667e-06,
|
| 2304 |
+
"loss": 0.1158,
|
| 2305 |
+
"step": 32100
|
| 2306 |
+
},
|
| 2307 |
+
{
|
| 2308 |
+
"epoch": 2.862222222222222,
|
| 2309 |
+
"grad_norm": 2.018580436706543,
|
| 2310 |
+
"learning_rate": 8.534e-06,
|
| 2311 |
+
"loss": 0.1155,
|
| 2312 |
+
"step": 32200
|
| 2313 |
+
},
|
| 2314 |
+
{
|
| 2315 |
+
"epoch": 2.871111111111111,
|
| 2316 |
+
"grad_norm": 2.5351226329803467,
|
| 2317 |
+
"learning_rate": 8.467333333333334e-06,
|
| 2318 |
+
"loss": 0.1145,
|
| 2319 |
+
"step": 32300
|
| 2320 |
+
},
|
| 2321 |
+
{
|
| 2322 |
+
"epoch": 2.88,
|
| 2323 |
+
"grad_norm": 2.0548834800720215,
|
| 2324 |
+
"learning_rate": 8.400666666666667e-06,
|
| 2325 |
+
"loss": 0.1123,
|
| 2326 |
+
"step": 32400
|
| 2327 |
+
},
|
| 2328 |
+
{
|
| 2329 |
+
"epoch": 2.888888888888889,
|
| 2330 |
+
"grad_norm": 1.849409818649292,
|
| 2331 |
+
"learning_rate": 8.334e-06,
|
| 2332 |
+
"loss": 0.1164,
|
| 2333 |
+
"step": 32500
|
| 2334 |
+
},
|
| 2335 |
+
{
|
| 2336 |
+
"epoch": 2.897777777777778,
|
| 2337 |
+
"grad_norm": 1.837160348892212,
|
| 2338 |
+
"learning_rate": 8.267333333333333e-06,
|
| 2339 |
+
"loss": 0.1149,
|
| 2340 |
+
"step": 32600
|
| 2341 |
+
},
|
| 2342 |
+
{
|
| 2343 |
+
"epoch": 2.9066666666666667,
|
| 2344 |
+
"grad_norm": 2.0503478050231934,
|
| 2345 |
+
"learning_rate": 8.200666666666668e-06,
|
| 2346 |
+
"loss": 0.1156,
|
| 2347 |
+
"step": 32700
|
| 2348 |
+
},
|
| 2349 |
+
{
|
| 2350 |
+
"epoch": 2.9155555555555557,
|
| 2351 |
+
"grad_norm": 2.295761823654175,
|
| 2352 |
+
"learning_rate": 8.134e-06,
|
| 2353 |
+
"loss": 0.1161,
|
| 2354 |
+
"step": 32800
|
| 2355 |
+
},
|
| 2356 |
+
{
|
| 2357 |
+
"epoch": 2.924444444444444,
|
| 2358 |
+
"grad_norm": 1.939372181892395,
|
| 2359 |
+
"learning_rate": 8.067333333333333e-06,
|
| 2360 |
+
"loss": 0.1159,
|
| 2361 |
+
"step": 32900
|
| 2362 |
+
},
|
| 2363 |
+
{
|
| 2364 |
+
"epoch": 2.9333333333333336,
|
| 2365 |
+
"grad_norm": 2.1088409423828125,
|
| 2366 |
+
"learning_rate": 8.000666666666666e-06,
|
| 2367 |
+
"loss": 0.1151,
|
| 2368 |
+
"step": 33000
|
| 2369 |
+
},
|
| 2370 |
+
{
|
| 2371 |
+
"epoch": 2.942222222222222,
|
| 2372 |
+
"grad_norm": 2.3162732124328613,
|
| 2373 |
+
"learning_rate": 7.934e-06,
|
| 2374 |
+
"loss": 0.1146,
|
| 2375 |
+
"step": 33100
|
| 2376 |
+
},
|
| 2377 |
+
{
|
| 2378 |
+
"epoch": 2.951111111111111,
|
| 2379 |
+
"grad_norm": 2.5189192295074463,
|
| 2380 |
+
"learning_rate": 7.867333333333333e-06,
|
| 2381 |
+
"loss": 0.1153,
|
| 2382 |
+
"step": 33200
|
| 2383 |
+
},
|
| 2384 |
+
{
|
| 2385 |
+
"epoch": 2.96,
|
| 2386 |
+
"grad_norm": 2.011211633682251,
|
| 2387 |
+
"learning_rate": 7.800666666666666e-06,
|
| 2388 |
+
"loss": 0.1154,
|
| 2389 |
+
"step": 33300
|
| 2390 |
+
},
|
| 2391 |
+
{
|
| 2392 |
+
"epoch": 2.968888888888889,
|
| 2393 |
+
"grad_norm": 2.14790415763855,
|
| 2394 |
+
"learning_rate": 7.733999999999999e-06,
|
| 2395 |
+
"loss": 0.1158,
|
| 2396 |
+
"step": 33400
|
| 2397 |
+
},
|
| 2398 |
+
{
|
| 2399 |
+
"epoch": 2.977777777777778,
|
| 2400 |
+
"grad_norm": 1.6173288822174072,
|
| 2401 |
+
"learning_rate": 7.667333333333334e-06,
|
| 2402 |
+
"loss": 0.1154,
|
| 2403 |
+
"step": 33500
|
| 2404 |
+
},
|
| 2405 |
+
{
|
| 2406 |
+
"epoch": 2.986666666666667,
|
| 2407 |
+
"grad_norm": 2.406761407852173,
|
| 2408 |
+
"learning_rate": 7.6006666666666665e-06,
|
| 2409 |
+
"loss": 0.1162,
|
| 2410 |
+
"step": 33600
|
| 2411 |
+
},
|
| 2412 |
+
{
|
| 2413 |
+
"epoch": 2.9955555555555557,
|
| 2414 |
+
"grad_norm": 1.9551059007644653,
|
| 2415 |
+
"learning_rate": 7.533999999999999e-06,
|
| 2416 |
+
"loss": 0.1152,
|
| 2417 |
+
"step": 33700
|
| 2418 |
+
},
|
| 2419 |
+
{
|
| 2420 |
+
"epoch": 3.0044444444444443,
|
| 2421 |
+
"grad_norm": 3.290292263031006,
|
| 2422 |
+
"learning_rate": 7.467333333333334e-06,
|
| 2423 |
+
"loss": 0.1139,
|
| 2424 |
+
"step": 33800
|
| 2425 |
+
},
|
| 2426 |
+
{
|
| 2427 |
+
"epoch": 3.013333333333333,
|
| 2428 |
+
"grad_norm": 1.8533827066421509,
|
| 2429 |
+
"learning_rate": 7.400666666666668e-06,
|
| 2430 |
+
"loss": 0.115,
|
| 2431 |
+
"step": 33900
|
| 2432 |
+
},
|
| 2433 |
+
{
|
| 2434 |
+
"epoch": 3.022222222222222,
|
| 2435 |
+
"grad_norm": 2.736829996109009,
|
| 2436 |
+
"learning_rate": 7.3340000000000004e-06,
|
| 2437 |
+
"loss": 0.1166,
|
| 2438 |
+
"step": 34000
|
| 2439 |
+
},
|
| 2440 |
+
{
|
| 2441 |
+
"epoch": 3.031111111111111,
|
| 2442 |
+
"grad_norm": 1.9183787107467651,
|
| 2443 |
+
"learning_rate": 7.267333333333334e-06,
|
| 2444 |
+
"loss": 0.1156,
|
| 2445 |
+
"step": 34100
|
| 2446 |
+
},
|
| 2447 |
+
{
|
| 2448 |
+
"epoch": 3.04,
|
| 2449 |
+
"grad_norm": 2.566490411758423,
|
| 2450 |
+
"learning_rate": 7.200666666666667e-06,
|
| 2451 |
+
"loss": 0.1144,
|
| 2452 |
+
"step": 34200
|
| 2453 |
+
},
|
| 2454 |
+
{
|
| 2455 |
+
"epoch": 3.048888888888889,
|
| 2456 |
+
"grad_norm": 1.9702024459838867,
|
| 2457 |
+
"learning_rate": 7.134000000000001e-06,
|
| 2458 |
+
"loss": 0.1155,
|
| 2459 |
+
"step": 34300
|
| 2460 |
+
},
|
| 2461 |
+
{
|
| 2462 |
+
"epoch": 3.057777777777778,
|
| 2463 |
+
"grad_norm": 1.7992531061172485,
|
| 2464 |
+
"learning_rate": 7.0673333333333335e-06,
|
| 2465 |
+
"loss": 0.115,
|
| 2466 |
+
"step": 34400
|
| 2467 |
+
},
|
| 2468 |
+
{
|
| 2469 |
+
"epoch": 3.066666666666667,
|
| 2470 |
+
"grad_norm": 2.741799831390381,
|
| 2471 |
+
"learning_rate": 7.000666666666667e-06,
|
| 2472 |
+
"loss": 0.1135,
|
| 2473 |
+
"step": 34500
|
| 2474 |
+
},
|
| 2475 |
+
{
|
| 2476 |
+
"epoch": 3.0755555555555554,
|
| 2477 |
+
"grad_norm": 2.1746695041656494,
|
| 2478 |
+
"learning_rate": 6.934e-06,
|
| 2479 |
+
"loss": 0.1157,
|
| 2480 |
+
"step": 34600
|
| 2481 |
+
},
|
| 2482 |
+
{
|
| 2483 |
+
"epoch": 3.0844444444444443,
|
| 2484 |
+
"grad_norm": 2.317960023880005,
|
| 2485 |
+
"learning_rate": 6.867333333333334e-06,
|
| 2486 |
+
"loss": 0.116,
|
| 2487 |
+
"step": 34700
|
| 2488 |
+
},
|
| 2489 |
+
{
|
| 2490 |
+
"epoch": 3.0933333333333333,
|
| 2491 |
+
"grad_norm": 2.2601873874664307,
|
| 2492 |
+
"learning_rate": 6.8006666666666666e-06,
|
| 2493 |
+
"loss": 0.1166,
|
| 2494 |
+
"step": 34800
|
| 2495 |
+
},
|
| 2496 |
+
{
|
| 2497 |
+
"epoch": 3.102222222222222,
|
| 2498 |
+
"grad_norm": 2.3944337368011475,
|
| 2499 |
+
"learning_rate": 6.734e-06,
|
| 2500 |
+
"loss": 0.1148,
|
| 2501 |
+
"step": 34900
|
| 2502 |
+
},
|
| 2503 |
+
{
|
| 2504 |
+
"epoch": 3.111111111111111,
|
| 2505 |
+
"grad_norm": 1.8338050842285156,
|
| 2506 |
+
"learning_rate": 6.667333333333333e-06,
|
| 2507 |
+
"loss": 0.1162,
|
| 2508 |
+
"step": 35000
|
| 2509 |
+
},
|
| 2510 |
+
{
|
| 2511 |
+
"epoch": 3.111111111111111,
|
| 2512 |
+
"eval_loss": 0.11784859746694565,
|
| 2513 |
+
"eval_runtime": 222.7792,
|
| 2514 |
+
"eval_samples_per_second": 44.887,
|
| 2515 |
+
"eval_steps_per_second": 5.611,
|
| 2516 |
+
"step": 35000
|
| 2517 |
+
},
|
| 2518 |
+
{
|
| 2519 |
+
"epoch": 3.12,
|
| 2520 |
+
"grad_norm": 2.1952126026153564,
|
| 2521 |
+
"learning_rate": 6.600666666666667e-06,
|
| 2522 |
+
"loss": 0.1155,
|
| 2523 |
+
"step": 35100
|
| 2524 |
+
},
|
| 2525 |
+
{
|
| 2526 |
+
"epoch": 3.128888888888889,
|
| 2527 |
+
"grad_norm": 2.4511802196502686,
|
| 2528 |
+
"learning_rate": 6.534e-06,
|
| 2529 |
+
"loss": 0.1161,
|
| 2530 |
+
"step": 35200
|
| 2531 |
+
},
|
| 2532 |
+
{
|
| 2533 |
+
"epoch": 3.137777777777778,
|
| 2534 |
+
"grad_norm": 2.5017638206481934,
|
| 2535 |
+
"learning_rate": 6.467333333333333e-06,
|
| 2536 |
+
"loss": 0.1151,
|
| 2537 |
+
"step": 35300
|
| 2538 |
+
},
|
| 2539 |
+
{
|
| 2540 |
+
"epoch": 3.1466666666666665,
|
| 2541 |
+
"grad_norm": 2.345991373062134,
|
| 2542 |
+
"learning_rate": 6.400666666666667e-06,
|
| 2543 |
+
"loss": 0.1161,
|
| 2544 |
+
"step": 35400
|
| 2545 |
+
},
|
| 2546 |
+
{
|
| 2547 |
+
"epoch": 3.1555555555555554,
|
| 2548 |
+
"grad_norm": 2.8866028785705566,
|
| 2549 |
+
"learning_rate": 6.334000000000001e-06,
|
| 2550 |
+
"loss": 0.1156,
|
| 2551 |
+
"step": 35500
|
| 2552 |
+
},
|
| 2553 |
+
{
|
| 2554 |
+
"epoch": 3.1644444444444444,
|
| 2555 |
+
"grad_norm": 2.9575486183166504,
|
| 2556 |
+
"learning_rate": 6.2673333333333335e-06,
|
| 2557 |
+
"loss": 0.1142,
|
| 2558 |
+
"step": 35600
|
| 2559 |
+
},
|
| 2560 |
+
{
|
| 2561 |
+
"epoch": 3.1733333333333333,
|
| 2562 |
+
"grad_norm": 2.0834195613861084,
|
| 2563 |
+
"learning_rate": 6.200666666666667e-06,
|
| 2564 |
+
"loss": 0.1155,
|
| 2565 |
+
"step": 35700
|
| 2566 |
+
},
|
| 2567 |
+
{
|
| 2568 |
+
"epoch": 3.1822222222222223,
|
| 2569 |
+
"grad_norm": 2.265125036239624,
|
| 2570 |
+
"learning_rate": 6.134e-06,
|
| 2571 |
+
"loss": 0.1153,
|
| 2572 |
+
"step": 35800
|
| 2573 |
+
},
|
| 2574 |
+
{
|
| 2575 |
+
"epoch": 3.1911111111111112,
|
| 2576 |
+
"grad_norm": 1.915515661239624,
|
| 2577 |
+
"learning_rate": 6.067333333333334e-06,
|
| 2578 |
+
"loss": 0.1156,
|
| 2579 |
+
"step": 35900
|
| 2580 |
+
},
|
| 2581 |
+
{
|
| 2582 |
+
"epoch": 3.2,
|
| 2583 |
+
"grad_norm": 1.5453358888626099,
|
| 2584 |
+
"learning_rate": 6.000666666666667e-06,
|
| 2585 |
+
"loss": 0.1159,
|
| 2586 |
+
"step": 36000
|
| 2587 |
+
},
|
| 2588 |
+
{
|
| 2589 |
+
"epoch": 3.2088888888888887,
|
| 2590 |
+
"grad_norm": 3.102155923843384,
|
| 2591 |
+
"learning_rate": 5.934e-06,
|
| 2592 |
+
"loss": 0.1159,
|
| 2593 |
+
"step": 36100
|
| 2594 |
+
},
|
| 2595 |
+
{
|
| 2596 |
+
"epoch": 3.2177777777777776,
|
| 2597 |
+
"grad_norm": 1.9122494459152222,
|
| 2598 |
+
"learning_rate": 5.867333333333333e-06,
|
| 2599 |
+
"loss": 0.1152,
|
| 2600 |
+
"step": 36200
|
| 2601 |
+
},
|
| 2602 |
+
{
|
| 2603 |
+
"epoch": 3.2266666666666666,
|
| 2604 |
+
"grad_norm": 3.5081045627593994,
|
| 2605 |
+
"learning_rate": 5.800666666666667e-06,
|
| 2606 |
+
"loss": 0.1155,
|
| 2607 |
+
"step": 36300
|
| 2608 |
+
},
|
| 2609 |
+
{
|
| 2610 |
+
"epoch": 3.2355555555555555,
|
| 2611 |
+
"grad_norm": 2.1976592540740967,
|
| 2612 |
+
"learning_rate": 5.734e-06,
|
| 2613 |
+
"loss": 0.1153,
|
| 2614 |
+
"step": 36400
|
| 2615 |
+
},
|
| 2616 |
+
{
|
| 2617 |
+
"epoch": 3.2444444444444445,
|
| 2618 |
+
"grad_norm": 1.8369086980819702,
|
| 2619 |
+
"learning_rate": 5.667333333333333e-06,
|
| 2620 |
+
"loss": 0.1144,
|
| 2621 |
+
"step": 36500
|
| 2622 |
+
},
|
| 2623 |
+
{
|
| 2624 |
+
"epoch": 3.2533333333333334,
|
| 2625 |
+
"grad_norm": 2.886779308319092,
|
| 2626 |
+
"learning_rate": 5.600666666666666e-06,
|
| 2627 |
+
"loss": 0.1137,
|
| 2628 |
+
"step": 36600
|
| 2629 |
+
},
|
| 2630 |
+
{
|
| 2631 |
+
"epoch": 3.2622222222222224,
|
| 2632 |
+
"grad_norm": 2.462570905685425,
|
| 2633 |
+
"learning_rate": 5.534e-06,
|
| 2634 |
+
"loss": 0.1149,
|
| 2635 |
+
"step": 36700
|
| 2636 |
+
},
|
| 2637 |
+
{
|
| 2638 |
+
"epoch": 3.2711111111111113,
|
| 2639 |
+
"grad_norm": 2.79964017868042,
|
| 2640 |
+
"learning_rate": 5.467333333333333e-06,
|
| 2641 |
+
"loss": 0.1144,
|
| 2642 |
+
"step": 36800
|
| 2643 |
+
},
|
| 2644 |
+
{
|
| 2645 |
+
"epoch": 3.2800000000000002,
|
| 2646 |
+
"grad_norm": 2.734807014465332,
|
| 2647 |
+
"learning_rate": 5.400666666666666e-06,
|
| 2648 |
+
"loss": 0.1165,
|
| 2649 |
+
"step": 36900
|
| 2650 |
+
},
|
| 2651 |
+
{
|
| 2652 |
+
"epoch": 3.2888888888888888,
|
| 2653 |
+
"grad_norm": 2.096987247467041,
|
| 2654 |
+
"learning_rate": 5.334000000000001e-06,
|
| 2655 |
+
"loss": 0.1152,
|
| 2656 |
+
"step": 37000
|
| 2657 |
+
},
|
| 2658 |
+
{
|
| 2659 |
+
"epoch": 3.2977777777777777,
|
| 2660 |
+
"grad_norm": 2.1545772552490234,
|
| 2661 |
+
"learning_rate": 5.267333333333334e-06,
|
| 2662 |
+
"loss": 0.1159,
|
| 2663 |
+
"step": 37100
|
| 2664 |
+
},
|
| 2665 |
+
{
|
| 2666 |
+
"epoch": 3.3066666666666666,
|
| 2667 |
+
"grad_norm": 2.877927780151367,
|
| 2668 |
+
"learning_rate": 5.2006666666666675e-06,
|
| 2669 |
+
"loss": 0.1145,
|
| 2670 |
+
"step": 37200
|
| 2671 |
+
},
|
| 2672 |
+
{
|
| 2673 |
+
"epoch": 3.3155555555555556,
|
| 2674 |
+
"grad_norm": 2.041455030441284,
|
| 2675 |
+
"learning_rate": 5.134e-06,
|
| 2676 |
+
"loss": 0.1146,
|
| 2677 |
+
"step": 37300
|
| 2678 |
+
},
|
| 2679 |
+
{
|
| 2680 |
+
"epoch": 3.3244444444444445,
|
| 2681 |
+
"grad_norm": 3.838764190673828,
|
| 2682 |
+
"learning_rate": 5.067333333333334e-06,
|
| 2683 |
+
"loss": 0.115,
|
| 2684 |
+
"step": 37400
|
| 2685 |
+
},
|
| 2686 |
+
{
|
| 2687 |
+
"epoch": 3.3333333333333335,
|
| 2688 |
+
"grad_norm": 2.4776864051818848,
|
| 2689 |
+
"learning_rate": 5.000666666666667e-06,
|
| 2690 |
+
"loss": 0.1153,
|
| 2691 |
+
"step": 37500
|
| 2692 |
+
},
|
| 2693 |
+
{
|
| 2694 |
+
"epoch": 3.3422222222222224,
|
| 2695 |
+
"grad_norm": 2.534553050994873,
|
| 2696 |
+
"learning_rate": 4.9340000000000005e-06,
|
| 2697 |
+
"loss": 0.1154,
|
| 2698 |
+
"step": 37600
|
| 2699 |
+
},
|
| 2700 |
+
{
|
| 2701 |
+
"epoch": 3.351111111111111,
|
| 2702 |
+
"grad_norm": 2.8918344974517822,
|
| 2703 |
+
"learning_rate": 4.867333333333333e-06,
|
| 2704 |
+
"loss": 0.1148,
|
| 2705 |
+
"step": 37700
|
| 2706 |
+
},
|
| 2707 |
+
{
|
| 2708 |
+
"epoch": 3.36,
|
| 2709 |
+
"grad_norm": 2.2287111282348633,
|
| 2710 |
+
"learning_rate": 4.800666666666667e-06,
|
| 2711 |
+
"loss": 0.1154,
|
| 2712 |
+
"step": 37800
|
| 2713 |
+
},
|
| 2714 |
+
{
|
| 2715 |
+
"epoch": 3.368888888888889,
|
| 2716 |
+
"grad_norm": 1.7449971437454224,
|
| 2717 |
+
"learning_rate": 4.734e-06,
|
| 2718 |
+
"loss": 0.1135,
|
| 2719 |
+
"step": 37900
|
| 2720 |
+
},
|
| 2721 |
+
{
|
| 2722 |
+
"epoch": 3.3777777777777778,
|
| 2723 |
+
"grad_norm": 1.7717570066452026,
|
| 2724 |
+
"learning_rate": 4.667333333333334e-06,
|
| 2725 |
+
"loss": 0.1159,
|
| 2726 |
+
"step": 38000
|
| 2727 |
+
},
|
| 2728 |
+
{
|
| 2729 |
+
"epoch": 3.3866666666666667,
|
| 2730 |
+
"grad_norm": 2.641322135925293,
|
| 2731 |
+
"learning_rate": 4.6006666666666664e-06,
|
| 2732 |
+
"loss": 0.115,
|
| 2733 |
+
"step": 38100
|
| 2734 |
+
},
|
| 2735 |
+
{
|
| 2736 |
+
"epoch": 3.3955555555555557,
|
| 2737 |
+
"grad_norm": 2.314724922180176,
|
| 2738 |
+
"learning_rate": 4.534e-06,
|
| 2739 |
+
"loss": 0.1155,
|
| 2740 |
+
"step": 38200
|
| 2741 |
+
},
|
| 2742 |
+
{
|
| 2743 |
+
"epoch": 3.4044444444444446,
|
| 2744 |
+
"grad_norm": 2.006136894226074,
|
| 2745 |
+
"learning_rate": 4.467333333333333e-06,
|
| 2746 |
+
"loss": 0.1151,
|
| 2747 |
+
"step": 38300
|
| 2748 |
+
},
|
| 2749 |
+
{
|
| 2750 |
+
"epoch": 3.413333333333333,
|
| 2751 |
+
"grad_norm": 2.498370885848999,
|
| 2752 |
+
"learning_rate": 4.400666666666667e-06,
|
| 2753 |
+
"loss": 0.1135,
|
| 2754 |
+
"step": 38400
|
| 2755 |
+
},
|
| 2756 |
+
{
|
| 2757 |
+
"epoch": 3.422222222222222,
|
| 2758 |
+
"grad_norm": 2.1067326068878174,
|
| 2759 |
+
"learning_rate": 4.3339999999999995e-06,
|
| 2760 |
+
"loss": 0.1142,
|
| 2761 |
+
"step": 38500
|
| 2762 |
+
},
|
| 2763 |
+
{
|
| 2764 |
+
"epoch": 3.431111111111111,
|
| 2765 |
+
"grad_norm": 2.3120410442352295,
|
| 2766 |
+
"learning_rate": 4.267333333333334e-06,
|
| 2767 |
+
"loss": 0.1156,
|
| 2768 |
+
"step": 38600
|
| 2769 |
+
},
|
| 2770 |
+
{
|
| 2771 |
+
"epoch": 3.44,
|
| 2772 |
+
"grad_norm": 2.062558650970459,
|
| 2773 |
+
"learning_rate": 4.200666666666667e-06,
|
| 2774 |
+
"loss": 0.1146,
|
| 2775 |
+
"step": 38700
|
| 2776 |
+
},
|
| 2777 |
+
{
|
| 2778 |
+
"epoch": 3.448888888888889,
|
| 2779 |
+
"grad_norm": 1.8033158779144287,
|
| 2780 |
+
"learning_rate": 4.1340000000000006e-06,
|
| 2781 |
+
"loss": 0.1142,
|
| 2782 |
+
"step": 38800
|
| 2783 |
+
},
|
| 2784 |
+
{
|
| 2785 |
+
"epoch": 3.457777777777778,
|
| 2786 |
+
"grad_norm": 1.7999958992004395,
|
| 2787 |
+
"learning_rate": 4.067333333333333e-06,
|
| 2788 |
+
"loss": 0.1152,
|
| 2789 |
+
"step": 38900
|
| 2790 |
+
},
|
| 2791 |
+
{
|
| 2792 |
+
"epoch": 3.466666666666667,
|
| 2793 |
+
"grad_norm": 1.9380857944488525,
|
| 2794 |
+
"learning_rate": 4.000666666666667e-06,
|
| 2795 |
+
"loss": 0.1159,
|
| 2796 |
+
"step": 39000
|
| 2797 |
+
},
|
| 2798 |
+
{
|
| 2799 |
+
"epoch": 3.4755555555555557,
|
| 2800 |
+
"grad_norm": 2.4088852405548096,
|
| 2801 |
+
"learning_rate": 3.934e-06,
|
| 2802 |
+
"loss": 0.1142,
|
| 2803 |
+
"step": 39100
|
| 2804 |
+
},
|
| 2805 |
+
{
|
| 2806 |
+
"epoch": 3.4844444444444447,
|
| 2807 |
+
"grad_norm": 1.9888384342193604,
|
| 2808 |
+
"learning_rate": 3.867333333333334e-06,
|
| 2809 |
+
"loss": 0.1131,
|
| 2810 |
+
"step": 39200
|
| 2811 |
+
},
|
| 2812 |
+
{
|
| 2813 |
+
"epoch": 3.493333333333333,
|
| 2814 |
+
"grad_norm": 2.044527530670166,
|
| 2815 |
+
"learning_rate": 3.8006666666666665e-06,
|
| 2816 |
+
"loss": 0.1145,
|
| 2817 |
+
"step": 39300
|
| 2818 |
+
},
|
| 2819 |
+
{
|
| 2820 |
+
"epoch": 3.502222222222222,
|
| 2821 |
+
"grad_norm": 1.478445291519165,
|
| 2822 |
+
"learning_rate": 3.734e-06,
|
| 2823 |
+
"loss": 0.114,
|
| 2824 |
+
"step": 39400
|
| 2825 |
+
},
|
| 2826 |
+
{
|
| 2827 |
+
"epoch": 3.511111111111111,
|
| 2828 |
+
"grad_norm": 2.0271923542022705,
|
| 2829 |
+
"learning_rate": 3.6673333333333334e-06,
|
| 2830 |
+
"loss": 0.1148,
|
| 2831 |
+
"step": 39500
|
| 2832 |
+
},
|
| 2833 |
+
{
|
| 2834 |
+
"epoch": 3.52,
|
| 2835 |
+
"grad_norm": 2.7675399780273438,
|
| 2836 |
+
"learning_rate": 3.6006666666666667e-06,
|
| 2837 |
+
"loss": 0.116,
|
| 2838 |
+
"step": 39600
|
| 2839 |
+
},
|
| 2840 |
+
{
|
| 2841 |
+
"epoch": 3.528888888888889,
|
| 2842 |
+
"grad_norm": 1.6932669878005981,
|
| 2843 |
+
"learning_rate": 3.534e-06,
|
| 2844 |
+
"loss": 0.1142,
|
| 2845 |
+
"step": 39700
|
| 2846 |
+
},
|
| 2847 |
+
{
|
| 2848 |
+
"epoch": 3.537777777777778,
|
| 2849 |
+
"grad_norm": 2.0795860290527344,
|
| 2850 |
+
"learning_rate": 3.4673333333333337e-06,
|
| 2851 |
+
"loss": 0.1148,
|
| 2852 |
+
"step": 39800
|
| 2853 |
+
},
|
| 2854 |
+
{
|
| 2855 |
+
"epoch": 3.546666666666667,
|
| 2856 |
+
"grad_norm": 1.9962270259857178,
|
| 2857 |
+
"learning_rate": 3.400666666666667e-06,
|
| 2858 |
+
"loss": 0.1147,
|
| 2859 |
+
"step": 39900
|
| 2860 |
+
},
|
| 2861 |
+
{
|
| 2862 |
+
"epoch": 3.5555555555555554,
|
| 2863 |
+
"grad_norm": 1.931861400604248,
|
| 2864 |
+
"learning_rate": 3.334e-06,
|
| 2865 |
+
"loss": 0.1144,
|
| 2866 |
+
"step": 40000
|
| 2867 |
+
},
|
| 2868 |
+
{
|
| 2869 |
+
"epoch": 3.5555555555555554,
|
| 2870 |
+
"eval_loss": 0.11772522330284119,
|
| 2871 |
+
"eval_runtime": 222.4728,
|
| 2872 |
+
"eval_samples_per_second": 44.949,
|
| 2873 |
+
"eval_steps_per_second": 5.619,
|
| 2874 |
+
"step": 40000
|
| 2875 |
+
},
|
| 2876 |
+
{
|
| 2877 |
+
"epoch": 3.5644444444444443,
|
| 2878 |
+
"grad_norm": 2.4488837718963623,
|
| 2879 |
+
"learning_rate": 3.2673333333333334e-06,
|
| 2880 |
+
"loss": 0.1145,
|
| 2881 |
+
"step": 40100
|
| 2882 |
+
},
|
| 2883 |
+
{
|
| 2884 |
+
"epoch": 3.5733333333333333,
|
| 2885 |
+
"grad_norm": 2.099616050720215,
|
| 2886 |
+
"learning_rate": 3.2006666666666667e-06,
|
| 2887 |
+
"loss": 0.115,
|
| 2888 |
+
"step": 40200
|
| 2889 |
+
},
|
| 2890 |
+
{
|
| 2891 |
+
"epoch": 3.582222222222222,
|
| 2892 |
+
"grad_norm": 2.275487184524536,
|
| 2893 |
+
"learning_rate": 3.134e-06,
|
| 2894 |
+
"loss": 0.1155,
|
| 2895 |
+
"step": 40300
|
| 2896 |
+
},
|
| 2897 |
+
{
|
| 2898 |
+
"epoch": 3.591111111111111,
|
| 2899 |
+
"grad_norm": 2.2421047687530518,
|
| 2900 |
+
"learning_rate": 3.0673333333333332e-06,
|
| 2901 |
+
"loss": 0.1139,
|
| 2902 |
+
"step": 40400
|
| 2903 |
+
},
|
| 2904 |
+
{
|
| 2905 |
+
"epoch": 3.6,
|
| 2906 |
+
"grad_norm": 1.8405983448028564,
|
| 2907 |
+
"learning_rate": 3.0006666666666665e-06,
|
| 2908 |
+
"loss": 0.1132,
|
| 2909 |
+
"step": 40500
|
| 2910 |
+
},
|
| 2911 |
+
{
|
| 2912 |
+
"epoch": 3.608888888888889,
|
| 2913 |
+
"grad_norm": 2.1309421062469482,
|
| 2914 |
+
"learning_rate": 2.934e-06,
|
| 2915 |
+
"loss": 0.1165,
|
| 2916 |
+
"step": 40600
|
| 2917 |
+
},
|
| 2918 |
+
{
|
| 2919 |
+
"epoch": 3.6177777777777775,
|
| 2920 |
+
"grad_norm": 2.048819065093994,
|
| 2921 |
+
"learning_rate": 2.8673333333333335e-06,
|
| 2922 |
+
"loss": 0.1152,
|
| 2923 |
+
"step": 40700
|
| 2924 |
+
},
|
| 2925 |
+
{
|
| 2926 |
+
"epoch": 3.626666666666667,
|
| 2927 |
+
"grad_norm": 1.7024204730987549,
|
| 2928 |
+
"learning_rate": 2.8006666666666667e-06,
|
| 2929 |
+
"loss": 0.1156,
|
| 2930 |
+
"step": 40800
|
| 2931 |
+
},
|
| 2932 |
+
{
|
| 2933 |
+
"epoch": 3.6355555555555554,
|
| 2934 |
+
"grad_norm": 1.748242974281311,
|
| 2935 |
+
"learning_rate": 2.734e-06,
|
| 2936 |
+
"loss": 0.1151,
|
| 2937 |
+
"step": 40900
|
| 2938 |
+
},
|
| 2939 |
+
{
|
| 2940 |
+
"epoch": 3.6444444444444444,
|
| 2941 |
+
"grad_norm": 1.976176142692566,
|
| 2942 |
+
"learning_rate": 2.6673333333333333e-06,
|
| 2943 |
+
"loss": 0.1145,
|
| 2944 |
+
"step": 41000
|
| 2945 |
+
},
|
| 2946 |
+
{
|
| 2947 |
+
"epoch": 3.6533333333333333,
|
| 2948 |
+
"grad_norm": 2.0815675258636475,
|
| 2949 |
+
"learning_rate": 2.6006666666666665e-06,
|
| 2950 |
+
"loss": 0.115,
|
| 2951 |
+
"step": 41100
|
| 2952 |
+
},
|
| 2953 |
+
{
|
| 2954 |
+
"epoch": 3.6622222222222223,
|
| 2955 |
+
"grad_norm": 1.9975913763046265,
|
| 2956 |
+
"learning_rate": 2.534e-06,
|
| 2957 |
+
"loss": 0.1147,
|
| 2958 |
+
"step": 41200
|
| 2959 |
+
},
|
| 2960 |
+
{
|
| 2961 |
+
"epoch": 3.671111111111111,
|
| 2962 |
+
"grad_norm": 2.068807363510132,
|
| 2963 |
+
"learning_rate": 2.467333333333333e-06,
|
| 2964 |
+
"loss": 0.115,
|
| 2965 |
+
"step": 41300
|
| 2966 |
+
},
|
| 2967 |
+
{
|
| 2968 |
+
"epoch": 3.68,
|
| 2969 |
+
"grad_norm": 2.1508102416992188,
|
| 2970 |
+
"learning_rate": 2.4006666666666667e-06,
|
| 2971 |
+
"loss": 0.1156,
|
| 2972 |
+
"step": 41400
|
| 2973 |
+
},
|
| 2974 |
+
{
|
| 2975 |
+
"epoch": 3.688888888888889,
|
| 2976 |
+
"grad_norm": 2.2454254627227783,
|
| 2977 |
+
"learning_rate": 2.334e-06,
|
| 2978 |
+
"loss": 0.1153,
|
| 2979 |
+
"step": 41500
|
| 2980 |
+
},
|
| 2981 |
+
{
|
| 2982 |
+
"epoch": 3.6977777777777776,
|
| 2983 |
+
"grad_norm": 2.6782426834106445,
|
| 2984 |
+
"learning_rate": 2.2673333333333333e-06,
|
| 2985 |
+
"loss": 0.1147,
|
| 2986 |
+
"step": 41600
|
| 2987 |
+
},
|
| 2988 |
+
{
|
| 2989 |
+
"epoch": 3.7066666666666666,
|
| 2990 |
+
"grad_norm": 2.5738117694854736,
|
| 2991 |
+
"learning_rate": 2.2006666666666665e-06,
|
| 2992 |
+
"loss": 0.1152,
|
| 2993 |
+
"step": 41700
|
| 2994 |
+
},
|
| 2995 |
+
{
|
| 2996 |
+
"epoch": 3.7155555555555555,
|
| 2997 |
+
"grad_norm": 2.14444899559021,
|
| 2998 |
+
"learning_rate": 2.1340000000000002e-06,
|
| 2999 |
+
"loss": 0.1148,
|
| 3000 |
+
"step": 41800
|
| 3001 |
+
},
|
| 3002 |
+
{
|
| 3003 |
+
"epoch": 3.7244444444444444,
|
| 3004 |
+
"grad_norm": 2.488896369934082,
|
| 3005 |
+
"learning_rate": 2.0673333333333335e-06,
|
| 3006 |
+
"loss": 0.116,
|
| 3007 |
+
"step": 41900
|
| 3008 |
+
},
|
| 3009 |
+
{
|
| 3010 |
+
"epoch": 3.7333333333333334,
|
| 3011 |
+
"grad_norm": 1.549385905265808,
|
| 3012 |
+
"learning_rate": 2.0006666666666668e-06,
|
| 3013 |
+
"loss": 0.1143,
|
| 3014 |
+
"step": 42000
|
| 3015 |
+
},
|
| 3016 |
+
{
|
| 3017 |
+
"epoch": 3.7422222222222223,
|
| 3018 |
+
"grad_norm": 2.7564737796783447,
|
| 3019 |
+
"learning_rate": 1.934e-06,
|
| 3020 |
+
"loss": 0.1145,
|
| 3021 |
+
"step": 42100
|
| 3022 |
+
},
|
| 3023 |
+
{
|
| 3024 |
+
"epoch": 3.7511111111111113,
|
| 3025 |
+
"grad_norm": 1.8770675659179688,
|
| 3026 |
+
"learning_rate": 1.8673333333333333e-06,
|
| 3027 |
+
"loss": 0.1151,
|
| 3028 |
+
"step": 42200
|
| 3029 |
+
},
|
| 3030 |
+
{
|
| 3031 |
+
"epoch": 3.76,
|
| 3032 |
+
"grad_norm": 1.8028825521469116,
|
| 3033 |
+
"learning_rate": 1.8006666666666666e-06,
|
| 3034 |
+
"loss": 0.1142,
|
| 3035 |
+
"step": 42300
|
| 3036 |
+
},
|
| 3037 |
+
{
|
| 3038 |
+
"epoch": 3.7688888888888887,
|
| 3039 |
+
"grad_norm": 3.0894250869750977,
|
| 3040 |
+
"learning_rate": 1.734e-06,
|
| 3041 |
+
"loss": 0.113,
|
| 3042 |
+
"step": 42400
|
| 3043 |
+
},
|
| 3044 |
+
{
|
| 3045 |
+
"epoch": 3.7777777777777777,
|
| 3046 |
+
"grad_norm": 1.6943740844726562,
|
| 3047 |
+
"learning_rate": 1.6673333333333333e-06,
|
| 3048 |
+
"loss": 0.1158,
|
| 3049 |
+
"step": 42500
|
| 3050 |
+
},
|
| 3051 |
+
{
|
| 3052 |
+
"epoch": 3.7866666666666666,
|
| 3053 |
+
"grad_norm": 2.0735836029052734,
|
| 3054 |
+
"learning_rate": 1.6006666666666668e-06,
|
| 3055 |
+
"loss": 0.114,
|
| 3056 |
+
"step": 42600
|
| 3057 |
+
},
|
| 3058 |
+
{
|
| 3059 |
+
"epoch": 3.7955555555555556,
|
| 3060 |
+
"grad_norm": 2.2292916774749756,
|
| 3061 |
+
"learning_rate": 1.534e-06,
|
| 3062 |
+
"loss": 0.114,
|
| 3063 |
+
"step": 42700
|
| 3064 |
+
},
|
| 3065 |
+
{
|
| 3066 |
+
"epoch": 3.8044444444444445,
|
| 3067 |
+
"grad_norm": 2.780007839202881,
|
| 3068 |
+
"learning_rate": 1.4673333333333335e-06,
|
| 3069 |
+
"loss": 0.1149,
|
| 3070 |
+
"step": 42800
|
| 3071 |
+
},
|
| 3072 |
+
{
|
| 3073 |
+
"epoch": 3.8133333333333335,
|
| 3074 |
+
"grad_norm": 1.9034864902496338,
|
| 3075 |
+
"learning_rate": 1.4006666666666668e-06,
|
| 3076 |
+
"loss": 0.1149,
|
| 3077 |
+
"step": 42900
|
| 3078 |
+
},
|
| 3079 |
+
{
|
| 3080 |
+
"epoch": 3.822222222222222,
|
| 3081 |
+
"grad_norm": 1.8478845357894897,
|
| 3082 |
+
"learning_rate": 1.334e-06,
|
| 3083 |
+
"loss": 0.1131,
|
| 3084 |
+
"step": 43000
|
| 3085 |
+
},
|
| 3086 |
+
{
|
| 3087 |
+
"epoch": 3.8311111111111114,
|
| 3088 |
+
"grad_norm": 2.3863301277160645,
|
| 3089 |
+
"learning_rate": 1.2673333333333333e-06,
|
| 3090 |
+
"loss": 0.1151,
|
| 3091 |
+
"step": 43100
|
| 3092 |
+
},
|
| 3093 |
+
{
|
| 3094 |
+
"epoch": 3.84,
|
| 3095 |
+
"grad_norm": 2.5131964683532715,
|
| 3096 |
+
"learning_rate": 1.2006666666666668e-06,
|
| 3097 |
+
"loss": 0.1156,
|
| 3098 |
+
"step": 43200
|
| 3099 |
+
},
|
| 3100 |
+
{
|
| 3101 |
+
"epoch": 3.848888888888889,
|
| 3102 |
+
"grad_norm": 2.439030885696411,
|
| 3103 |
+
"learning_rate": 1.134e-06,
|
| 3104 |
+
"loss": 0.1151,
|
| 3105 |
+
"step": 43300
|
| 3106 |
+
},
|
| 3107 |
+
{
|
| 3108 |
+
"epoch": 3.8577777777777778,
|
| 3109 |
+
"grad_norm": 1.6926780939102173,
|
| 3110 |
+
"learning_rate": 1.0673333333333333e-06,
|
| 3111 |
+
"loss": 0.1149,
|
| 3112 |
+
"step": 43400
|
| 3113 |
+
},
|
| 3114 |
+
{
|
| 3115 |
+
"epoch": 3.8666666666666667,
|
| 3116 |
+
"grad_norm": 1.7866731882095337,
|
| 3117 |
+
"learning_rate": 1.0006666666666666e-06,
|
| 3118 |
+
"loss": 0.1147,
|
| 3119 |
+
"step": 43500
|
| 3120 |
+
},
|
| 3121 |
+
{
|
| 3122 |
+
"epoch": 3.8755555555555556,
|
| 3123 |
+
"grad_norm": 1.7567743062973022,
|
| 3124 |
+
"learning_rate": 9.34e-07,
|
| 3125 |
+
"loss": 0.1125,
|
| 3126 |
+
"step": 43600
|
| 3127 |
+
},
|
| 3128 |
+
{
|
| 3129 |
+
"epoch": 3.8844444444444446,
|
| 3130 |
+
"grad_norm": 1.9600574970245361,
|
| 3131 |
+
"learning_rate": 8.673333333333333e-07,
|
| 3132 |
+
"loss": 0.1145,
|
| 3133 |
+
"step": 43700
|
| 3134 |
+
},
|
| 3135 |
+
{
|
| 3136 |
+
"epoch": 3.8933333333333335,
|
| 3137 |
+
"grad_norm": 2.4924819469451904,
|
| 3138 |
+
"learning_rate": 8.006666666666667e-07,
|
| 3139 |
+
"loss": 0.1147,
|
| 3140 |
+
"step": 43800
|
| 3141 |
+
},
|
| 3142 |
+
{
|
| 3143 |
+
"epoch": 3.902222222222222,
|
| 3144 |
+
"grad_norm": 1.857824683189392,
|
| 3145 |
+
"learning_rate": 7.340000000000001e-07,
|
| 3146 |
+
"loss": 0.1144,
|
| 3147 |
+
"step": 43900
|
| 3148 |
+
},
|
| 3149 |
+
{
|
| 3150 |
+
"epoch": 3.911111111111111,
|
| 3151 |
+
"grad_norm": 2.3395354747772217,
|
| 3152 |
+
"learning_rate": 6.673333333333334e-07,
|
| 3153 |
+
"loss": 0.1156,
|
| 3154 |
+
"step": 44000
|
| 3155 |
+
},
|
| 3156 |
+
{
|
| 3157 |
+
"epoch": 3.92,
|
| 3158 |
+
"grad_norm": 2.1742966175079346,
|
| 3159 |
+
"learning_rate": 6.006666666666667e-07,
|
| 3160 |
+
"loss": 0.1149,
|
| 3161 |
+
"step": 44100
|
| 3162 |
+
},
|
| 3163 |
+
{
|
| 3164 |
+
"epoch": 3.928888888888889,
|
| 3165 |
+
"grad_norm": 1.9339632987976074,
|
| 3166 |
+
"learning_rate": 5.34e-07,
|
| 3167 |
+
"loss": 0.1157,
|
| 3168 |
+
"step": 44200
|
| 3169 |
+
},
|
| 3170 |
+
{
|
| 3171 |
+
"epoch": 3.937777777777778,
|
| 3172 |
+
"grad_norm": 2.219855785369873,
|
| 3173 |
+
"learning_rate": 4.673333333333333e-07,
|
| 3174 |
+
"loss": 0.113,
|
| 3175 |
+
"step": 44300
|
| 3176 |
+
},
|
| 3177 |
+
{
|
| 3178 |
+
"epoch": 3.9466666666666668,
|
| 3179 |
+
"grad_norm": 2.3561089038848877,
|
| 3180 |
+
"learning_rate": 4.006666666666667e-07,
|
| 3181 |
+
"loss": 0.1149,
|
| 3182 |
+
"step": 44400
|
| 3183 |
+
},
|
| 3184 |
+
{
|
| 3185 |
+
"epoch": 3.9555555555555557,
|
| 3186 |
+
"grad_norm": 1.901092529296875,
|
| 3187 |
+
"learning_rate": 3.34e-07,
|
| 3188 |
+
"loss": 0.1152,
|
| 3189 |
+
"step": 44500
|
| 3190 |
+
},
|
| 3191 |
+
{
|
| 3192 |
+
"epoch": 3.964444444444444,
|
| 3193 |
+
"grad_norm": 2.4958181381225586,
|
| 3194 |
+
"learning_rate": 2.673333333333333e-07,
|
| 3195 |
+
"loss": 0.1149,
|
| 3196 |
+
"step": 44600
|
| 3197 |
+
},
|
| 3198 |
+
{
|
| 3199 |
+
"epoch": 3.9733333333333336,
|
| 3200 |
+
"grad_norm": 1.7383066415786743,
|
| 3201 |
+
"learning_rate": 2.006666666666667e-07,
|
| 3202 |
+
"loss": 0.1153,
|
| 3203 |
+
"step": 44700
|
| 3204 |
+
},
|
| 3205 |
+
{
|
| 3206 |
+
"epoch": 3.982222222222222,
|
| 3207 |
+
"grad_norm": 2.181018590927124,
|
| 3208 |
+
"learning_rate": 1.34e-07,
|
| 3209 |
+
"loss": 0.1153,
|
| 3210 |
+
"step": 44800
|
| 3211 |
+
},
|
| 3212 |
+
{
|
| 3213 |
+
"epoch": 3.991111111111111,
|
| 3214 |
+
"grad_norm": 2.5362730026245117,
|
| 3215 |
+
"learning_rate": 6.733333333333333e-08,
|
| 3216 |
+
"loss": 0.1148,
|
| 3217 |
+
"step": 44900
|
| 3218 |
+
},
|
| 3219 |
+
{
|
| 3220 |
+
"epoch": 4.0,
|
| 3221 |
+
"grad_norm": 1.8079057931900024,
|
| 3222 |
+
"learning_rate": 6.666666666666667e-10,
|
| 3223 |
+
"loss": 0.1141,
|
| 3224 |
+
"step": 45000
|
| 3225 |
+
},
|
| 3226 |
+
{
|
| 3227 |
+
"epoch": 4.0,
|
| 3228 |
+
"eval_loss": 0.11760604381561279,
|
| 3229 |
+
"eval_runtime": 212.0163,
|
| 3230 |
+
"eval_samples_per_second": 47.166,
|
| 3231 |
+
"eval_steps_per_second": 5.896,
|
| 3232 |
+
"step": 45000
|
| 3233 |
+
}
|
| 3234 |
+
],
|
| 3235 |
+
"logging_steps": 100,
|
| 3236 |
+
"max_steps": 45000,
|
| 3237 |
+
"num_input_tokens_seen": 0,
|
| 3238 |
+
"num_train_epochs": 4,
|
| 3239 |
+
"save_steps": 5000,
|
| 3240 |
+
"stateful_callbacks": {
|
| 3241 |
+
"EarlyStoppingCallback": {
|
| 3242 |
+
"args": {
|
| 3243 |
+
"early_stopping_patience": 2,
|
| 3244 |
+
"early_stopping_threshold": 0.0
|
| 3245 |
+
},
|
| 3246 |
+
"attributes": {
|
| 3247 |
+
"early_stopping_patience_counter": 0
|
| 3248 |
+
}
|
| 3249 |
+
},
|
| 3250 |
+
"TrainerControl": {
|
| 3251 |
+
"args": {
|
| 3252 |
+
"should_epoch_stop": false,
|
| 3253 |
+
"should_evaluate": false,
|
| 3254 |
+
"should_log": false,
|
| 3255 |
+
"should_save": true,
|
| 3256 |
+
"should_training_stop": true
|
| 3257 |
+
},
|
| 3258 |
+
"attributes": {}
|
| 3259 |
+
}
|
| 3260 |
+
},
|
| 3261 |
+
"total_flos": 4.703256576e+16,
|
| 3262 |
+
"train_batch_size": 8,
|
| 3263 |
+
"trial_name": null,
|
| 3264 |
+
"trial_params": null
|
| 3265 |
+
}
|
checkpoint-45000/training_args.bin
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:0b5f533eefab8fbf2b77e00f0333c4b6b9cd3cf7aa705a108b1b663e249b2de7
|
| 3 |
+
size 5304
|
checkpoint-45000/vocab.json
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|
config.json
ADDED
|
@@ -0,0 +1,38 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"activation_function": "gelu_new",
|
| 3 |
+
"architectures": [
|
| 4 |
+
"GPT2LMHeadModel"
|
| 5 |
+
],
|
| 6 |
+
"attn_pdrop": 0.1,
|
| 7 |
+
"bos_token_id": 50256,
|
| 8 |
+
"embd_pdrop": 0.1,
|
| 9 |
+
"eos_token_id": 50256,
|
| 10 |
+
"initializer_range": 0.02,
|
| 11 |
+
"layer_norm_epsilon": 1e-05,
|
| 12 |
+
"model_type": "gpt2",
|
| 13 |
+
"n_ctx": 1024,
|
| 14 |
+
"n_embd": 768,
|
| 15 |
+
"n_head": 12,
|
| 16 |
+
"n_inner": null,
|
| 17 |
+
"n_layer": 12,
|
| 18 |
+
"n_positions": 1024,
|
| 19 |
+
"reorder_and_upcast_attn": false,
|
| 20 |
+
"resid_pdrop": 0.1,
|
| 21 |
+
"scale_attn_by_inverse_layer_idx": false,
|
| 22 |
+
"scale_attn_weights": true,
|
| 23 |
+
"summary_activation": null,
|
| 24 |
+
"summary_first_dropout": 0.1,
|
| 25 |
+
"summary_proj_to_labels": true,
|
| 26 |
+
"summary_type": "cls_index",
|
| 27 |
+
"summary_use_proj": true,
|
| 28 |
+
"task_specific_params": {
|
| 29 |
+
"text-generation": {
|
| 30 |
+
"do_sample": true,
|
| 31 |
+
"max_length": 50
|
| 32 |
+
}
|
| 33 |
+
},
|
| 34 |
+
"torch_dtype": "float32",
|
| 35 |
+
"transformers_version": "4.52.4",
|
| 36 |
+
"use_cache": true,
|
| 37 |
+
"vocab_size": 50257
|
| 38 |
+
}
|
generation_config.json
ADDED
|
@@ -0,0 +1,6 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"_from_model_config": true,
|
| 3 |
+
"bos_token_id": 50256,
|
| 4 |
+
"eos_token_id": 50256,
|
| 5 |
+
"transformers_version": "4.52.4"
|
| 6 |
+
}
|
merges.txt
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|
model.safetensors
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:f7882cef026f5b631de5c3e56bfe7367c976565a61c914b56fc7b1c8ccad767f
|
| 3 |
+
size 497774208
|
special_tokens_map.json
ADDED
|
@@ -0,0 +1,24 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"bos_token": {
|
| 3 |
+
"content": "<|endoftext|>",
|
| 4 |
+
"lstrip": false,
|
| 5 |
+
"normalized": true,
|
| 6 |
+
"rstrip": false,
|
| 7 |
+
"single_word": false
|
| 8 |
+
},
|
| 9 |
+
"eos_token": {
|
| 10 |
+
"content": "<|endoftext|>",
|
| 11 |
+
"lstrip": false,
|
| 12 |
+
"normalized": true,
|
| 13 |
+
"rstrip": false,
|
| 14 |
+
"single_word": false
|
| 15 |
+
},
|
| 16 |
+
"pad_token": "<|endoftext|>",
|
| 17 |
+
"unk_token": {
|
| 18 |
+
"content": "<|endoftext|>",
|
| 19 |
+
"lstrip": false,
|
| 20 |
+
"normalized": true,
|
| 21 |
+
"rstrip": false,
|
| 22 |
+
"single_word": false
|
| 23 |
+
}
|
| 24 |
+
}
|
tokenizer_config.json
ADDED
|
@@ -0,0 +1,23 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"add_bos_token": false,
|
| 3 |
+
"add_prefix_space": false,
|
| 4 |
+
"added_tokens_decoder": {
|
| 5 |
+
"50256": {
|
| 6 |
+
"content": "<|endoftext|>",
|
| 7 |
+
"lstrip": false,
|
| 8 |
+
"normalized": true,
|
| 9 |
+
"rstrip": false,
|
| 10 |
+
"single_word": false,
|
| 11 |
+
"special": true
|
| 12 |
+
}
|
| 13 |
+
},
|
| 14 |
+
"bos_token": "<|endoftext|>",
|
| 15 |
+
"clean_up_tokenization_spaces": false,
|
| 16 |
+
"eos_token": "<|endoftext|>",
|
| 17 |
+
"errors": "replace",
|
| 18 |
+
"extra_special_tokens": {},
|
| 19 |
+
"model_max_length": 1024,
|
| 20 |
+
"pad_token": "<|endoftext|>",
|
| 21 |
+
"tokenizer_class": "GPT2Tokenizer",
|
| 22 |
+
"unk_token": "<|endoftext|>"
|
| 23 |
+
}
|
vocab.json
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|