Hugging Face's logo

NLPGenius
/
bert_phishingdetection

Safetensors
Model card Files
xet
 Community
NLPGenius commited on
Commit
490a6b0
·
verified ·
1 Parent(s): bf1f26b

Upload folder using huggingface_hub

Browse files
Files changed (21) hide show
  1. checkpoint-1098/config.json +31 -0
  2. checkpoint-1098/model.safetensors +3 -0
  3. checkpoint-1098/optimizer.pt +3 -0
  4. checkpoint-1098/rng_state.pth +3 -0
  5. checkpoint-1098/scheduler.pt +3 -0
  6. checkpoint-1098/trainer_state.json +0 -0
  7. checkpoint-1098/training_args.bin +3 -0
  8. checkpoint-1647/config.json +31 -0
  9. checkpoint-1647/model.safetensors +3 -0
  10. checkpoint-1647/optimizer.pt +3 -0
  11. checkpoint-1647/rng_state.pth +3 -0
  12. checkpoint-1647/scheduler.pt +3 -0
  13. checkpoint-1647/trainer_state.json +0 -0
  14. checkpoint-1647/training_args.bin +3 -0
  15. checkpoint-549/config.json +31 -0
  16. checkpoint-549/model.safetensors +3 -0
  17. checkpoint-549/optimizer.pt +3 -0
  18. checkpoint-549/rng_state.pth +3 -0
  19. checkpoint-549/scheduler.pt +3 -0
  20. checkpoint-549/trainer_state.json +3885 -0
  21. checkpoint-549/training_args.bin +3 -0
checkpoint-1098/config.json ADDED
@@ -0,0 +1,31 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "google-bert/bert-base-uncased",
3
+ "architectures": [
4
+ "BertForSequenceClassification"
5
+ ],
6
+ "attention_probs_dropout_prob": 0.1,
7
+ "classifier_dropout": null,
8
+ "gradient_checkpointing": false,
9
+ "hidden_act": "gelu",
10
+ "hidden_dropout_prob": 0.1,
11
+ "hidden_size": 768,
12
+ "id2label": {
13
+ "0": "SAFE EMAIL",
14
+ "1": "PHISHING EMAIL"
15
+ },
16
+ "initializer_range": 0.02,
17
+ "intermediate_size": 3072,
18
+ "layer_norm_eps": 1e-12,
19
+ "max_position_embeddings": 512,
20
+ "model_type": "bert",
21
+ "num_attention_heads": 12,
22
+ "num_hidden_layers": 12,
23
+ "pad_token_id": 0,
24
+ "position_embedding_type": "absolute",
25
+ "problem_type": "single_label_classification",
26
+ "torch_dtype": "float32",
27
+ "transformers_version": "4.44.0",
28
+ "type_vocab_size": 2,
29
+ "use_cache": true,
30
+ "vocab_size": 30522
31
+ }
checkpoint-1098/model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:723bdf2389363fd078d2365bcad76f51eff3a15986c9c800242ff7f8e2f409af
3
+ size 437958648
checkpoint-1098/optimizer.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:476f74fe62c2c6c3390e770d427f122a7335cea7d6fb4e44c4612b1b38b1ecfe
3
+ size 876038330
checkpoint-1098/rng_state.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:ffd94b29b3be5cd3774fa7ae0a4ce807421977204c83d85e0e544eb761073a92
3
+ size 14244
checkpoint-1098/scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:4fb3ab7a7a5c9d5ccc528da3e9e4046474dfd0535ab89a4b2dc1d54ad3be1e40
3
+ size 1064
checkpoint-1098/trainer_state.json ADDED
The diff for this file is too large to render. See raw diff
 
checkpoint-1098/training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:50f5fe9a2853b937262c43355fcde8b96817662f7f0b87c7a7fefbc2a4174b82
3
+ size 5176
checkpoint-1647/config.json ADDED
@@ -0,0 +1,31 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "google-bert/bert-base-uncased",
3
+ "architectures": [
4
+ "BertForSequenceClassification"
5
+ ],
6
+ "attention_probs_dropout_prob": 0.1,
7
+ "classifier_dropout": null,
8
+ "gradient_checkpointing": false,
9
+ "hidden_act": "gelu",
10
+ "hidden_dropout_prob": 0.1,
11
+ "hidden_size": 768,
12
+ "id2label": {
13
+ "0": "SAFE EMAIL",
14
+ "1": "PHISHING EMAIL"
15
+ },
16
+ "initializer_range": 0.02,
17
+ "intermediate_size": 3072,
18
+ "layer_norm_eps": 1e-12,
19
+ "max_position_embeddings": 512,
20
+ "model_type": "bert",
21
+ "num_attention_heads": 12,
22
+ "num_hidden_layers": 12,
23
+ "pad_token_id": 0,
24
+ "position_embedding_type": "absolute",
25
+ "problem_type": "single_label_classification",
26
+ "torch_dtype": "float32",
27
+ "transformers_version": "4.44.0",
28
+ "type_vocab_size": 2,
29
+ "use_cache": true,
30
+ "vocab_size": 30522
31
+ }
checkpoint-1647/model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:72d96506eb38446c6c7745aa6a8af1b08f7e03d58f151fc6cf8ab472b542349a
3
+ size 437958648
checkpoint-1647/optimizer.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:1da45e881555eb428a7e5bfc64029aa9e0cd8e8dd180c0d3f92c864612ca7849
3
+ size 876038330
checkpoint-1647/rng_state.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:cc8a2740de2d0b56fb3afb41e9bf798c87ea14a06d61a5f179a897c49e6cd417
3
+ size 14244
checkpoint-1647/scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:efb13e2dfdcf113efd1a1c041e740c9c7b4263699ed37c25eb6f7c9d5a8afc41
3
+ size 1064
checkpoint-1647/trainer_state.json ADDED
The diff for this file is too large to render. See raw diff
 
checkpoint-1647/training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:50f5fe9a2853b937262c43355fcde8b96817662f7f0b87c7a7fefbc2a4174b82
3
+ size 5176
checkpoint-549/config.json ADDED
@@ -0,0 +1,31 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "google-bert/bert-base-uncased",
3
+ "architectures": [
4
+ "BertForSequenceClassification"
5
+ ],
6
+ "attention_probs_dropout_prob": 0.1,
7
+ "classifier_dropout": null,
8
+ "gradient_checkpointing": false,
9
+ "hidden_act": "gelu",
10
+ "hidden_dropout_prob": 0.1,
11
+ "hidden_size": 768,
12
+ "id2label": {
13
+ "0": "SAFE EMAIL",
14
+ "1": "PHISHING EMAIL"
15
+ },
16
+ "initializer_range": 0.02,
17
+ "intermediate_size": 3072,
18
+ "layer_norm_eps": 1e-12,
19
+ "max_position_embeddings": 512,
20
+ "model_type": "bert",
21
+ "num_attention_heads": 12,
22
+ "num_hidden_layers": 12,
23
+ "pad_token_id": 0,
24
+ "position_embedding_type": "absolute",
25
+ "problem_type": "single_label_classification",
26
+ "torch_dtype": "float32",
27
+ "transformers_version": "4.44.0",
28
+ "type_vocab_size": 2,
29
+ "use_cache": true,
30
+ "vocab_size": 30522
31
+ }
checkpoint-549/model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:cac34b52944212cc4a541af500f8b08401a11759d8c812c819ad131ab9bb4208
3
+ size 437958648
checkpoint-549/optimizer.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:22ca5801a49bcf7dafea834fb7cb8b6c4d5cfd73248696bc69c2626cd682724f
3
+ size 876038330
checkpoint-549/rng_state.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:000f12c0735d3d52838bc96e975dd4e9e38133f730b56eadc576e9d0c8291f92
3
+ size 14244
checkpoint-549/scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:5b985176767c49ef3e570051ae1f4a62ca2e1f70c22efd69cd42d1489238bd44
3
+ size 1064
checkpoint-549/trainer_state.json ADDED
@@ -0,0 +1,3885 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": 0.04577361047267914,
3
+ "best_model_checkpoint": "./phishing-email-detection/checkpoint-549",
4
+ "epoch": 1.0,
5
+ "eval_steps": 1,
6
+ "global_step": 549,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.0018214936247723133,
13
+ "grad_norm": 3.5286669731140137,
14
+ "learning_rate": 1.0000000000000002e-06,
15
+ "loss": 0.7387,
16
+ "step": 1
17
+ },
18
+ {
19
+ "epoch": 0.0036429872495446266,
20
+ "grad_norm": 5.887165069580078,
21
+ "learning_rate": 2.0000000000000003e-06,
22
+ "loss": 0.7757,
23
+ "step": 2
24
+ },
25
+ {
26
+ "epoch": 0.00546448087431694,
27
+ "grad_norm": 4.956603050231934,
28
+ "learning_rate": 3e-06,
29
+ "loss": 0.7739,
30
+ "step": 3
31
+ },
32
+ {
33
+ "epoch": 0.007285974499089253,
34
+ "grad_norm": 1.441901683807373,
35
+ "learning_rate": 4.000000000000001e-06,
36
+ "loss": 0.6558,
37
+ "step": 4
38
+ },
39
+ {
40
+ "epoch": 0.009107468123861567,
41
+ "grad_norm": 2.219719648361206,
42
+ "learning_rate": 5e-06,
43
+ "loss": 0.7077,
44
+ "step": 5
45
+ },
46
+ {
47
+ "epoch": 0.01092896174863388,
48
+ "grad_norm": 3.6860222816467285,
49
+ "learning_rate": 6e-06,
50
+ "loss": 0.7193,
51
+ "step": 6
52
+ },
53
+ {
54
+ "epoch": 0.012750455373406194,
55
+ "grad_norm": 4.651106834411621,
56
+ "learning_rate": 7.000000000000001e-06,
57
+ "loss": 0.7194,
58
+ "step": 7
59
+ },
60
+ {
61
+ "epoch": 0.014571948998178506,
62
+ "grad_norm": 2.381688117980957,
63
+ "learning_rate": 8.000000000000001e-06,
64
+ "loss": 0.6798,
65
+ "step": 8
66
+ },
67
+ {
68
+ "epoch": 0.01639344262295082,
69
+ "grad_norm": 2.163804292678833,
70
+ "learning_rate": 9e-06,
71
+ "loss": 0.6845,
72
+ "step": 9
73
+ },
74
+ {
75
+ "epoch": 0.018214936247723135,
76
+ "grad_norm": 3.0246245861053467,
77
+ "learning_rate": 1e-05,
78
+ "loss": 0.6573,
79
+ "step": 10
80
+ },
81
+ {
82
+ "epoch": 0.020036429872495445,
83
+ "grad_norm": 7.085489273071289,
84
+ "learning_rate": 1.1000000000000001e-05,
85
+ "loss": 0.7286,
86
+ "step": 11
87
+ },
88
+ {
89
+ "epoch": 0.02185792349726776,
90
+ "grad_norm": 3.3664584159851074,
91
+ "learning_rate": 1.2e-05,
92
+ "loss": 0.7074,
93
+ "step": 12
94
+ },
95
+ {
96
+ "epoch": 0.023679417122040074,
97
+ "grad_norm": 2.2570459842681885,
98
+ "learning_rate": 1.3000000000000001e-05,
99
+ "loss": 0.64,
100
+ "step": 13
101
+ },
102
+ {
103
+ "epoch": 0.025500910746812388,
104
+ "grad_norm": 2.044220447540283,
105
+ "learning_rate": 1.4000000000000001e-05,
106
+ "loss": 0.6568,
107
+ "step": 14
108
+ },
109
+ {
110
+ "epoch": 0.0273224043715847,
111
+ "grad_norm": 2.8037195205688477,
112
+ "learning_rate": 1.5e-05,
113
+ "loss": 0.6471,
114
+ "step": 15
115
+ },
116
+ {
117
+ "epoch": 0.029143897996357013,
118
+ "grad_norm": 1.8997001647949219,
119
+ "learning_rate": 1.6000000000000003e-05,
120
+ "loss": 0.6499,
121
+ "step": 16
122
+ },
123
+ {
124
+ "epoch": 0.030965391621129327,
125
+ "grad_norm": 3.3398947715759277,
126
+ "learning_rate": 1.7000000000000003e-05,
127
+ "loss": 0.5904,
128
+ "step": 17
129
+ },
130
+ {
131
+ "epoch": 0.03278688524590164,
132
+ "grad_norm": 2.688948631286621,
133
+ "learning_rate": 1.8e-05,
134
+ "loss": 0.6029,
135
+ "step": 18
136
+ },
137
+ {
138
+ "epoch": 0.03460837887067395,
139
+ "grad_norm": 2.952101469039917,
140
+ "learning_rate": 1.9e-05,
141
+ "loss": 0.6377,
142
+ "step": 19
143
+ },
144
+ {
145
+ "epoch": 0.03642987249544627,
146
+ "grad_norm": 3.182657480239868,
147
+ "learning_rate": 2e-05,
148
+ "loss": 0.6495,
149
+ "step": 20
150
+ },
151
+ {
152
+ "epoch": 0.03825136612021858,
153
+ "grad_norm": 5.169290542602539,
154
+ "learning_rate": 2.1e-05,
155
+ "loss": 0.6297,
156
+ "step": 21
157
+ },
158
+ {
159
+ "epoch": 0.04007285974499089,
160
+ "grad_norm": 4.624154090881348,
161
+ "learning_rate": 2.2000000000000003e-05,
162
+ "loss": 0.637,
163
+ "step": 22
164
+ },
165
+ {
166
+ "epoch": 0.04189435336976321,
167
+ "grad_norm": 3.911428689956665,
168
+ "learning_rate": 2.3000000000000003e-05,
169
+ "loss": 0.5452,
170
+ "step": 23
171
+ },
172
+ {
173
+ "epoch": 0.04371584699453552,
174
+ "grad_norm": 4.3677897453308105,
175
+ "learning_rate": 2.4e-05,
176
+ "loss": 0.5605,
177
+ "step": 24
178
+ },
179
+ {
180
+ "epoch": 0.04553734061930783,
181
+ "grad_norm": 2.0296688079833984,
182
+ "learning_rate": 2.5e-05,
183
+ "loss": 0.5526,
184
+ "step": 25
185
+ },
186
+ {
187
+ "epoch": 0.04735883424408015,
188
+ "grad_norm": 5.974031925201416,
189
+ "learning_rate": 2.6000000000000002e-05,
190
+ "loss": 0.512,
191
+ "step": 26
192
+ },
193
+ {
194
+ "epoch": 0.04918032786885246,
195
+ "grad_norm": 3.5385329723358154,
196
+ "learning_rate": 2.7000000000000002e-05,
197
+ "loss": 0.5212,
198
+ "step": 27
199
+ },
200
+ {
201
+ "epoch": 0.051001821493624776,
202
+ "grad_norm": 4.718818187713623,
203
+ "learning_rate": 2.8000000000000003e-05,
204
+ "loss": 0.4359,
205
+ "step": 28
206
+ },
207
+ {
208
+ "epoch": 0.052823315118397086,
209
+ "grad_norm": 3.893428325653076,
210
+ "learning_rate": 2.9e-05,
211
+ "loss": 0.4226,
212
+ "step": 29
213
+ },
214
+ {
215
+ "epoch": 0.0546448087431694,
216
+ "grad_norm": 4.146342754364014,
217
+ "learning_rate": 3e-05,
218
+ "loss": 0.4003,
219
+ "step": 30
220
+ },
221
+ {
222
+ "epoch": 0.056466302367941715,
223
+ "grad_norm": 5.218969821929932,
224
+ "learning_rate": 3.1e-05,
225
+ "loss": 0.3837,
226
+ "step": 31
227
+ },
228
+ {
229
+ "epoch": 0.058287795992714025,
230
+ "grad_norm": 6.411149024963379,
231
+ "learning_rate": 3.2000000000000005e-05,
232
+ "loss": 0.4135,
233
+ "step": 32
234
+ },
235
+ {
236
+ "epoch": 0.060109289617486336,
237
+ "grad_norm": 3.4569814205169678,
238
+ "learning_rate": 3.3e-05,
239
+ "loss": 0.2921,
240
+ "step": 33
241
+ },
242
+ {
243
+ "epoch": 0.061930783242258654,
244
+ "grad_norm": 4.673402309417725,
245
+ "learning_rate": 3.4000000000000007e-05,
246
+ "loss": 0.3708,
247
+ "step": 34
248
+ },
249
+ {
250
+ "epoch": 0.06375227686703097,
251
+ "grad_norm": 4.357000827789307,
252
+ "learning_rate": 3.5e-05,
253
+ "loss": 0.3005,
254
+ "step": 35
255
+ },
256
+ {
257
+ "epoch": 0.06557377049180328,
258
+ "grad_norm": 2.4127838611602783,
259
+ "learning_rate": 3.6e-05,
260
+ "loss": 0.1953,
261
+ "step": 36
262
+ },
263
+ {
264
+ "epoch": 0.06739526411657559,
265
+ "grad_norm": 8.710689544677734,
266
+ "learning_rate": 3.7e-05,
267
+ "loss": 0.3076,
268
+ "step": 37
269
+ },
270
+ {
271
+ "epoch": 0.0692167577413479,
272
+ "grad_norm": 3.4053244590759277,
273
+ "learning_rate": 3.8e-05,
274
+ "loss": 0.1865,
275
+ "step": 38
276
+ },
277
+ {
278
+ "epoch": 0.07103825136612021,
279
+ "grad_norm": 7.373399257659912,
280
+ "learning_rate": 3.9000000000000006e-05,
281
+ "loss": 0.244,
282
+ "step": 39
283
+ },
284
+ {
285
+ "epoch": 0.07285974499089254,
286
+ "grad_norm": 3.437110424041748,
287
+ "learning_rate": 4e-05,
288
+ "loss": 0.3219,
289
+ "step": 40
290
+ },
291
+ {
292
+ "epoch": 0.07468123861566485,
293
+ "grad_norm": 4.024507999420166,
294
+ "learning_rate": 4.1e-05,
295
+ "loss": 0.1873,
296
+ "step": 41
297
+ },
298
+ {
299
+ "epoch": 0.07650273224043716,
300
+ "grad_norm": 5.076328277587891,
301
+ "learning_rate": 4.2e-05,
302
+ "loss": 0.1642,
303
+ "step": 42
304
+ },
305
+ {
306
+ "epoch": 0.07832422586520947,
307
+ "grad_norm": 1.7894034385681152,
308
+ "learning_rate": 4.3e-05,
309
+ "loss": 0.0831,
310
+ "step": 43
311
+ },
312
+ {
313
+ "epoch": 0.08014571948998178,
314
+ "grad_norm": 2.9944159984588623,
315
+ "learning_rate": 4.4000000000000006e-05,
316
+ "loss": 0.114,
317
+ "step": 44
318
+ },
319
+ {
320
+ "epoch": 0.08196721311475409,
321
+ "grad_norm": 2.9631662368774414,
322
+ "learning_rate": 4.5e-05,
323
+ "loss": 0.0638,
324
+ "step": 45
325
+ },
326
+ {
327
+ "epoch": 0.08378870673952642,
328
+ "grad_norm": 3.803802251815796,
329
+ "learning_rate": 4.600000000000001e-05,
330
+ "loss": 0.2082,
331
+ "step": 46
332
+ },
333
+ {
334
+ "epoch": 0.08561020036429873,
335
+ "grad_norm": 10.075150489807129,
336
+ "learning_rate": 4.7e-05,
337
+ "loss": 0.1128,
338
+ "step": 47
339
+ },
340
+ {
341
+ "epoch": 0.08743169398907104,
342
+ "grad_norm": 8.686117172241211,
343
+ "learning_rate": 4.8e-05,
344
+ "loss": 0.2981,
345
+ "step": 48
346
+ },
347
+ {
348
+ "epoch": 0.08925318761384335,
349
+ "grad_norm": 6.119321346282959,
350
+ "learning_rate": 4.9e-05,
351
+ "loss": 0.227,
352
+ "step": 49
353
+ },
354
+ {
355
+ "epoch": 0.09107468123861566,
356
+ "grad_norm": 1.3178825378417969,
357
+ "learning_rate": 5e-05,
358
+ "loss": 0.0379,
359
+ "step": 50
360
+ },
361
+ {
362
+ "epoch": 0.09289617486338798,
363
+ "grad_norm": 14.058587074279785,
364
+ "learning_rate": 4.996869129618034e-05,
365
+ "loss": 0.2593,
366
+ "step": 51
367
+ },
368
+ {
369
+ "epoch": 0.0947176684881603,
370
+ "grad_norm": 3.1873652935028076,
371
+ "learning_rate": 4.993738259236068e-05,
372
+ "loss": 0.0374,
373
+ "step": 52
374
+ },
375
+ {
376
+ "epoch": 0.0965391621129326,
377
+ "grad_norm": 14.453207015991211,
378
+ "learning_rate": 4.990607388854102e-05,
379
+ "loss": 0.3941,
380
+ "step": 53
381
+ },
382
+ {
383
+ "epoch": 0.09836065573770492,
384
+ "grad_norm": 1.3862441778182983,
385
+ "learning_rate": 4.9874765184721355e-05,
386
+ "loss": 0.1079,
387
+ "step": 54
388
+ },
389
+ {
390
+ "epoch": 0.10018214936247723,
391
+ "grad_norm": 16.57040023803711,
392
+ "learning_rate": 4.984345648090169e-05,
393
+ "loss": 0.5086,
394
+ "step": 55
395
+ },
396
+ {
397
+ "epoch": 0.10200364298724955,
398
+ "grad_norm": 19.026596069335938,
399
+ "learning_rate": 4.981214777708203e-05,
400
+ "loss": 0.3344,
401
+ "step": 56
402
+ },
403
+ {
404
+ "epoch": 0.10382513661202186,
405
+ "grad_norm": 10.873573303222656,
406
+ "learning_rate": 4.978083907326237e-05,
407
+ "loss": 0.145,
408
+ "step": 57
409
+ },
410
+ {
411
+ "epoch": 0.10564663023679417,
412
+ "grad_norm": 12.884831428527832,
413
+ "learning_rate": 4.974953036944271e-05,
414
+ "loss": 0.408,
415
+ "step": 58
416
+ },
417
+ {
418
+ "epoch": 0.10746812386156648,
419
+ "grad_norm": 13.81652545928955,
420
+ "learning_rate": 4.9718221665623046e-05,
421
+ "loss": 0.1871,
422
+ "step": 59
423
+ },
424
+ {
425
+ "epoch": 0.1092896174863388,
426
+ "grad_norm": 9.276785850524902,
427
+ "learning_rate": 4.9686912961803384e-05,
428
+ "loss": 0.1794,
429
+ "step": 60
430
+ },
431
+ {
432
+ "epoch": 0.1111111111111111,
433
+ "grad_norm": 3.9966280460357666,
434
+ "learning_rate": 4.965560425798372e-05,
435
+ "loss": 0.1224,
436
+ "step": 61
437
+ },
438
+ {
439
+ "epoch": 0.11293260473588343,
440
+ "grad_norm": 9.78342056274414,
441
+ "learning_rate": 4.962429555416406e-05,
442
+ "loss": 0.2712,
443
+ "step": 62
444
+ },
445
+ {
446
+ "epoch": 0.11475409836065574,
447
+ "grad_norm": 3.808826446533203,
448
+ "learning_rate": 4.95929868503444e-05,
449
+ "loss": 0.0539,
450
+ "step": 63
451
+ },
452
+ {
453
+ "epoch": 0.11657559198542805,
454
+ "grad_norm": 2.176527500152588,
455
+ "learning_rate": 4.9561678146524736e-05,
456
+ "loss": 0.0676,
457
+ "step": 64
458
+ },
459
+ {
460
+ "epoch": 0.11839708561020036,
461
+ "grad_norm": 1.8019678592681885,
462
+ "learning_rate": 4.9530369442705075e-05,
463
+ "loss": 0.1436,
464
+ "step": 65
465
+ },
466
+ {
467
+ "epoch": 0.12021857923497267,
468
+ "grad_norm": 2.831108570098877,
469
+ "learning_rate": 4.949906073888541e-05,
470
+ "loss": 0.0529,
471
+ "step": 66
472
+ },
473
+ {
474
+ "epoch": 0.122040072859745,
475
+ "grad_norm": 3.580284357070923,
476
+ "learning_rate": 4.946775203506575e-05,
477
+ "loss": 0.0522,
478
+ "step": 67
479
+ },
480
+ {
481
+ "epoch": 0.12386156648451731,
482
+ "grad_norm": 1.6722187995910645,
483
+ "learning_rate": 4.943644333124609e-05,
484
+ "loss": 0.0587,
485
+ "step": 68
486
+ },
487
+ {
488
+ "epoch": 0.12568306010928962,
489
+ "grad_norm": 2.407590866088867,
490
+ "learning_rate": 4.940513462742643e-05,
491
+ "loss": 0.1156,
492
+ "step": 69
493
+ },
494
+ {
495
+ "epoch": 0.12750455373406194,
496
+ "grad_norm": 9.305254936218262,
497
+ "learning_rate": 4.9373825923606765e-05,
498
+ "loss": 0.0965,
499
+ "step": 70
500
+ },
501
+ {
502
+ "epoch": 0.12932604735883424,
503
+ "grad_norm": 7.728682994842529,
504
+ "learning_rate": 4.93425172197871e-05,
505
+ "loss": 0.1213,
506
+ "step": 71
507
+ },
508
+ {
509
+ "epoch": 0.13114754098360656,
510
+ "grad_norm": 2.370173454284668,
511
+ "learning_rate": 4.931120851596744e-05,
512
+ "loss": 0.0458,
513
+ "step": 72
514
+ },
515
+ {
516
+ "epoch": 0.13296903460837886,
517
+ "grad_norm": 15.143721580505371,
518
+ "learning_rate": 4.927989981214778e-05,
519
+ "loss": 0.358,
520
+ "step": 73
521
+ },
522
+ {
523
+ "epoch": 0.13479052823315119,
524
+ "grad_norm": 7.329561233520508,
525
+ "learning_rate": 4.924859110832812e-05,
526
+ "loss": 0.0722,
527
+ "step": 74
528
+ },
529
+ {
530
+ "epoch": 0.1366120218579235,
531
+ "grad_norm": 4.661482810974121,
532
+ "learning_rate": 4.9217282404508456e-05,
533
+ "loss": 0.1194,
534
+ "step": 75
535
+ },
536
+ {
537
+ "epoch": 0.1384335154826958,
538
+ "grad_norm": 7.151434898376465,
539
+ "learning_rate": 4.9185973700688794e-05,
540
+ "loss": 0.0753,
541
+ "step": 76
542
+ },
543
+ {
544
+ "epoch": 0.14025500910746813,
545
+ "grad_norm": 8.931604385375977,
546
+ "learning_rate": 4.915466499686913e-05,
547
+ "loss": 0.1828,
548
+ "step": 77
549
+ },
550
+ {
551
+ "epoch": 0.14207650273224043,
552
+ "grad_norm": 9.410967826843262,
553
+ "learning_rate": 4.912335629304947e-05,
554
+ "loss": 0.0992,
555
+ "step": 78
556
+ },
557
+ {
558
+ "epoch": 0.14389799635701275,
559
+ "grad_norm": 5.235998153686523,
560
+ "learning_rate": 4.909204758922981e-05,
561
+ "loss": 0.2115,
562
+ "step": 79
563
+ },
564
+ {
565
+ "epoch": 0.14571948998178508,
566
+ "grad_norm": 5.031798839569092,
567
+ "learning_rate": 4.906073888541015e-05,
568
+ "loss": 0.0448,
569
+ "step": 80
570
+ },
571
+ {
572
+ "epoch": 0.14754098360655737,
573
+ "grad_norm": 1.3853205442428589,
574
+ "learning_rate": 4.9029430181590485e-05,
575
+ "loss": 0.0279,
576
+ "step": 81
577
+ },
578
+ {
579
+ "epoch": 0.1493624772313297,
580
+ "grad_norm": 7.063821792602539,
581
+ "learning_rate": 4.899812147777082e-05,
582
+ "loss": 0.1193,
583
+ "step": 82
584
+ },
585
+ {
586
+ "epoch": 0.151183970856102,
587
+ "grad_norm": 12.036198616027832,
588
+ "learning_rate": 4.896681277395116e-05,
589
+ "loss": 0.2752,
590
+ "step": 83
591
+ },
592
+ {
593
+ "epoch": 0.15300546448087432,
594
+ "grad_norm": 8.796091079711914,
595
+ "learning_rate": 4.89355040701315e-05,
596
+ "loss": 0.2198,
597
+ "step": 84
598
+ },
599
+ {
600
+ "epoch": 0.15482695810564662,
601
+ "grad_norm": 0.6930309534072876,
602
+ "learning_rate": 4.890419536631184e-05,
603
+ "loss": 0.0153,
604
+ "step": 85
605
+ },
606
+ {
607
+ "epoch": 0.15664845173041894,
608
+ "grad_norm": 6.166244029998779,
609
+ "learning_rate": 4.8872886662492175e-05,
610
+ "loss": 0.163,
611
+ "step": 86
612
+ },
613
+ {
614
+ "epoch": 0.15846994535519127,
615
+ "grad_norm": 4.07868766784668,
616
+ "learning_rate": 4.8841577958672514e-05,
617
+ "loss": 0.0629,
618
+ "step": 87
619
+ },
620
+ {
621
+ "epoch": 0.16029143897996356,
622
+ "grad_norm": 6.002202033996582,
623
+ "learning_rate": 4.881026925485285e-05,
624
+ "loss": 0.1418,
625
+ "step": 88
626
+ },
627
+ {
628
+ "epoch": 0.1621129326047359,
629
+ "grad_norm": 5.126954078674316,
630
+ "learning_rate": 4.877896055103319e-05,
631
+ "loss": 0.0691,
632
+ "step": 89
633
+ },
634
+ {
635
+ "epoch": 0.16393442622950818,
636
+ "grad_norm": 8.614744186401367,
637
+ "learning_rate": 4.874765184721353e-05,
638
+ "loss": 0.1183,
639
+ "step": 90
640
+ },
641
+ {
642
+ "epoch": 0.1657559198542805,
643
+ "grad_norm": 4.495233535766602,
644
+ "learning_rate": 4.8716343143393866e-05,
645
+ "loss": 0.1058,
646
+ "step": 91
647
+ },
648
+ {
649
+ "epoch": 0.16757741347905283,
650
+ "grad_norm": 2.912471294403076,
651
+ "learning_rate": 4.8685034439574204e-05,
652
+ "loss": 0.0322,
653
+ "step": 92
654
+ },
655
+ {
656
+ "epoch": 0.16939890710382513,
657
+ "grad_norm": 2.786748170852661,
658
+ "learning_rate": 4.865372573575454e-05,
659
+ "loss": 0.0289,
660
+ "step": 93
661
+ },
662
+ {
663
+ "epoch": 0.17122040072859745,
664
+ "grad_norm": 2.2987825870513916,
665
+ "learning_rate": 4.862241703193488e-05,
666
+ "loss": 0.0647,
667
+ "step": 94
668
+ },
669
+ {
670
+ "epoch": 0.17304189435336975,
671
+ "grad_norm": 2.2475061416625977,
672
+ "learning_rate": 4.859110832811522e-05,
673
+ "loss": 0.0384,
674
+ "step": 95
675
+ },
676
+ {
677
+ "epoch": 0.17486338797814208,
678
+ "grad_norm": 4.809598445892334,
679
+ "learning_rate": 4.855979962429556e-05,
680
+ "loss": 0.1032,
681
+ "step": 96
682
+ },
683
+ {
684
+ "epoch": 0.1766848816029144,
685
+ "grad_norm": 4.917390823364258,
686
+ "learning_rate": 4.8528490920475895e-05,
687
+ "loss": 0.1083,
688
+ "step": 97
689
+ },
690
+ {
691
+ "epoch": 0.1785063752276867,
692
+ "grad_norm": 1.0454902648925781,
693
+ "learning_rate": 4.849718221665623e-05,
694
+ "loss": 0.0186,
695
+ "step": 98
696
+ },
697
+ {
698
+ "epoch": 0.18032786885245902,
699
+ "grad_norm": 3.4447038173675537,
700
+ "learning_rate": 4.846587351283657e-05,
701
+ "loss": 0.0509,
702
+ "step": 99
703
+ },
704
+ {
705
+ "epoch": 0.18214936247723132,
706
+ "grad_norm": 6.711843490600586,
707
+ "learning_rate": 4.843456480901691e-05,
708
+ "loss": 0.0718,
709
+ "step": 100
710
+ },
711
+ {
712
+ "epoch": 0.18397085610200364,
713
+ "grad_norm": 3.19818377494812,
714
+ "learning_rate": 4.840325610519725e-05,
715
+ "loss": 0.0889,
716
+ "step": 101
717
+ },
718
+ {
719
+ "epoch": 0.18579234972677597,
720
+ "grad_norm": 10.022863388061523,
721
+ "learning_rate": 4.8371947401377586e-05,
722
+ "loss": 0.1713,
723
+ "step": 102
724
+ },
725
+ {
726
+ "epoch": 0.18761384335154827,
727
+ "grad_norm": 0.2765645682811737,
728
+ "learning_rate": 4.8340638697557924e-05,
729
+ "loss": 0.0049,
730
+ "step": 103
731
+ },
732
+ {
733
+ "epoch": 0.1894353369763206,
734
+ "grad_norm": 6.575446605682373,
735
+ "learning_rate": 4.830932999373826e-05,
736
+ "loss": 0.2178,
737
+ "step": 104
738
+ },
739
+ {
740
+ "epoch": 0.1912568306010929,
741
+ "grad_norm": 6.493257522583008,
742
+ "learning_rate": 4.82780212899186e-05,
743
+ "loss": 0.1347,
744
+ "step": 105
745
+ },
746
+ {
747
+ "epoch": 0.1930783242258652,
748
+ "grad_norm": 7.500410556793213,
749
+ "learning_rate": 4.824671258609894e-05,
750
+ "loss": 0.0779,
751
+ "step": 106
752
+ },
753
+ {
754
+ "epoch": 0.19489981785063754,
755
+ "grad_norm": 9.324666976928711,
756
+ "learning_rate": 4.8215403882279276e-05,
757
+ "loss": 0.3894,
758
+ "step": 107
759
+ },
760
+ {
761
+ "epoch": 0.19672131147540983,
762
+ "grad_norm": 2.570295810699463,
763
+ "learning_rate": 4.8184095178459615e-05,
764
+ "loss": 0.0145,
765
+ "step": 108
766
+ },
767
+ {
768
+ "epoch": 0.19854280510018216,
769
+ "grad_norm": 2.4578723907470703,
770
+ "learning_rate": 4.815278647463995e-05,
771
+ "loss": 0.0212,
772
+ "step": 109
773
+ },
774
+ {
775
+ "epoch": 0.20036429872495445,
776
+ "grad_norm": 4.467875957489014,
777
+ "learning_rate": 4.812147777082029e-05,
778
+ "loss": 0.0766,
779
+ "step": 110
780
+ },
781
+ {
782
+ "epoch": 0.20218579234972678,
783
+ "grad_norm": 8.017147064208984,
784
+ "learning_rate": 4.809016906700063e-05,
785
+ "loss": 0.2337,
786
+ "step": 111
787
+ },
788
+ {
789
+ "epoch": 0.2040072859744991,
790
+ "grad_norm": 7.299202919006348,
791
+ "learning_rate": 4.805886036318097e-05,
792
+ "loss": 0.2099,
793
+ "step": 112
794
+ },
795
+ {
796
+ "epoch": 0.2058287795992714,
797
+ "grad_norm": 1.8824843168258667,
798
+ "learning_rate": 4.8027551659361305e-05,
799
+ "loss": 0.0292,
800
+ "step": 113
801
+ },
802
+ {
803
+ "epoch": 0.20765027322404372,
804
+ "grad_norm": 0.450076699256897,
805
+ "learning_rate": 4.7996242955541643e-05,
806
+ "loss": 0.0103,
807
+ "step": 114
808
+ },
809
+ {
810
+ "epoch": 0.20947176684881602,
811
+ "grad_norm": 6.788011074066162,
812
+ "learning_rate": 4.796493425172198e-05,
813
+ "loss": 0.074,
814
+ "step": 115
815
+ },
816
+ {
817
+ "epoch": 0.21129326047358835,
818
+ "grad_norm": 6.855130195617676,
819
+ "learning_rate": 4.793362554790232e-05,
820
+ "loss": 0.0793,
821
+ "step": 116
822
+ },
823
+ {
824
+ "epoch": 0.21311475409836064,
825
+ "grad_norm": 6.564332962036133,
826
+ "learning_rate": 4.790231684408266e-05,
827
+ "loss": 0.061,
828
+ "step": 117
829
+ },
830
+ {
831
+ "epoch": 0.21493624772313297,
832
+ "grad_norm": 3.254970073699951,
833
+ "learning_rate": 4.7871008140262996e-05,
834
+ "loss": 0.0462,
835
+ "step": 118
836
+ },
837
+ {
838
+ "epoch": 0.2167577413479053,
839
+ "grad_norm": 0.28988149762153625,
840
+ "learning_rate": 4.7839699436443334e-05,
841
+ "loss": 0.0079,
842
+ "step": 119
843
+ },
844
+ {
845
+ "epoch": 0.2185792349726776,
846
+ "grad_norm": 2.863494634628296,
847
+ "learning_rate": 4.780839073262367e-05,
848
+ "loss": 0.0674,
849
+ "step": 120
850
+ },
851
+ {
852
+ "epoch": 0.2204007285974499,
853
+ "grad_norm": 2.85598087310791,
854
+ "learning_rate": 4.777708202880401e-05,
855
+ "loss": 0.1649,
856
+ "step": 121
857
+ },
858
+ {
859
+ "epoch": 0.2222222222222222,
860
+ "grad_norm": 1.740670919418335,
861
+ "learning_rate": 4.774577332498435e-05,
862
+ "loss": 0.0164,
863
+ "step": 122
864
+ },
865
+ {
866
+ "epoch": 0.22404371584699453,
867
+ "grad_norm": 1.7192822694778442,
868
+ "learning_rate": 4.771446462116469e-05,
869
+ "loss": 0.129,
870
+ "step": 123
871
+ },
872
+ {
873
+ "epoch": 0.22586520947176686,
874
+ "grad_norm": 5.544397830963135,
875
+ "learning_rate": 4.7683155917345025e-05,
876
+ "loss": 0.0954,
877
+ "step": 124
878
+ },
879
+ {
880
+ "epoch": 0.22768670309653916,
881
+ "grad_norm": 7.164045810699463,
882
+ "learning_rate": 4.765184721352536e-05,
883
+ "loss": 0.2136,
884
+ "step": 125
885
+ },
886
+ {
887
+ "epoch": 0.22950819672131148,
888
+ "grad_norm": 1.1967582702636719,
889
+ "learning_rate": 4.76205385097057e-05,
890
+ "loss": 0.0317,
891
+ "step": 126
892
+ },
893
+ {
894
+ "epoch": 0.23132969034608378,
895
+ "grad_norm": 0.9311371445655823,
896
+ "learning_rate": 4.758922980588604e-05,
897
+ "loss": 0.1102,
898
+ "step": 127
899
+ },
900
+ {
901
+ "epoch": 0.2331511839708561,
902
+ "grad_norm": 0.8293129205703735,
903
+ "learning_rate": 4.755792110206638e-05,
904
+ "loss": 0.0218,
905
+ "step": 128
906
+ },
907
+ {
908
+ "epoch": 0.23497267759562843,
909
+ "grad_norm": 1.2660574913024902,
910
+ "learning_rate": 4.7526612398246716e-05,
911
+ "loss": 0.0278,
912
+ "step": 129
913
+ },
914
+ {
915
+ "epoch": 0.23679417122040072,
916
+ "grad_norm": 0.48367011547088623,
917
+ "learning_rate": 4.7495303694427054e-05,
918
+ "loss": 0.0146,
919
+ "step": 130
920
+ },
921
+ {
922
+ "epoch": 0.23861566484517305,
923
+ "grad_norm": 0.7170718908309937,
924
+ "learning_rate": 4.746399499060739e-05,
925
+ "loss": 0.0107,
926
+ "step": 131
927
+ },
928
+ {
929
+ "epoch": 0.24043715846994534,
930
+ "grad_norm": 4.402022361755371,
931
+ "learning_rate": 4.743268628678773e-05,
932
+ "loss": 0.1032,
933
+ "step": 132
934
+ },
935
+ {
936
+ "epoch": 0.24225865209471767,
937
+ "grad_norm": 0.09203081578016281,
938
+ "learning_rate": 4.740137758296807e-05,
939
+ "loss": 0.0029,
940
+ "step": 133
941
+ },
942
+ {
943
+ "epoch": 0.24408014571949,
944
+ "grad_norm": 0.09475582838058472,
945
+ "learning_rate": 4.7370068879148406e-05,
946
+ "loss": 0.0029,
947
+ "step": 134
948
+ },
949
+ {
950
+ "epoch": 0.2459016393442623,
951
+ "grad_norm": 0.25659048557281494,
952
+ "learning_rate": 4.7338760175328744e-05,
953
+ "loss": 0.0037,
954
+ "step": 135
955
+ },
956
+ {
957
+ "epoch": 0.24772313296903462,
958
+ "grad_norm": 5.615557670593262,
959
+ "learning_rate": 4.730745147150908e-05,
960
+ "loss": 0.0604,
961
+ "step": 136
962
+ },
963
+ {
964
+ "epoch": 0.2495446265938069,
965
+ "grad_norm": 8.917096138000488,
966
+ "learning_rate": 4.727614276768942e-05,
967
+ "loss": 0.0719,
968
+ "step": 137
969
+ },
970
+ {
971
+ "epoch": 0.25136612021857924,
972
+ "grad_norm": 10.325088500976562,
973
+ "learning_rate": 4.724483406386976e-05,
974
+ "loss": 0.2705,
975
+ "step": 138
976
+ },
977
+ {
978
+ "epoch": 0.25318761384335153,
979
+ "grad_norm": 0.44606778025627136,
980
+ "learning_rate": 4.72135253600501e-05,
981
+ "loss": 0.0039,
982
+ "step": 139
983
+ },
984
+ {
985
+ "epoch": 0.2550091074681239,
986
+ "grad_norm": 5.040135383605957,
987
+ "learning_rate": 4.7182216656230435e-05,
988
+ "loss": 0.1328,
989
+ "step": 140
990
+ },
991
+ {
992
+ "epoch": 0.2568306010928962,
993
+ "grad_norm": 2.567768096923828,
994
+ "learning_rate": 4.715090795241077e-05,
995
+ "loss": 0.0166,
996
+ "step": 141
997
+ },
998
+ {
999
+ "epoch": 0.2586520947176685,
1000
+ "grad_norm": 0.5684707164764404,
1001
+ "learning_rate": 4.711959924859111e-05,
1002
+ "loss": 0.0044,
1003
+ "step": 142
1004
+ },
1005
+ {
1006
+ "epoch": 0.2604735883424408,
1007
+ "grad_norm": 5.067185878753662,
1008
+ "learning_rate": 4.708829054477145e-05,
1009
+ "loss": 0.0219,
1010
+ "step": 143
1011
+ },
1012
+ {
1013
+ "epoch": 0.26229508196721313,
1014
+ "grad_norm": 10.094161987304688,
1015
+ "learning_rate": 4.705698184095179e-05,
1016
+ "loss": 0.0192,
1017
+ "step": 144
1018
+ },
1019
+ {
1020
+ "epoch": 0.2641165755919854,
1021
+ "grad_norm": 3.966435194015503,
1022
+ "learning_rate": 4.7025673137132126e-05,
1023
+ "loss": 0.1723,
1024
+ "step": 145
1025
+ },
1026
+ {
1027
+ "epoch": 0.2659380692167577,
1028
+ "grad_norm": 8.564971923828125,
1029
+ "learning_rate": 4.6994364433312464e-05,
1030
+ "loss": 0.0367,
1031
+ "step": 146
1032
+ },
1033
+ {
1034
+ "epoch": 0.2677595628415301,
1035
+ "grad_norm": 1.8184422254562378,
1036
+ "learning_rate": 4.69630557294928e-05,
1037
+ "loss": 0.1991,
1038
+ "step": 147
1039
+ },
1040
+ {
1041
+ "epoch": 0.26958105646630237,
1042
+ "grad_norm": 0.5665643811225891,
1043
+ "learning_rate": 4.693174702567314e-05,
1044
+ "loss": 0.005,
1045
+ "step": 148
1046
+ },
1047
+ {
1048
+ "epoch": 0.27140255009107467,
1049
+ "grad_norm": 6.798255920410156,
1050
+ "learning_rate": 4.690043832185348e-05,
1051
+ "loss": 0.2519,
1052
+ "step": 149
1053
+ },
1054
+ {
1055
+ "epoch": 0.273224043715847,
1056
+ "grad_norm": 0.10390115529298782,
1057
+ "learning_rate": 4.6869129618033816e-05,
1058
+ "loss": 0.0023,
1059
+ "step": 150
1060
+ },
1061
+ {
1062
+ "epoch": 0.2750455373406193,
1063
+ "grad_norm": 10.828420639038086,
1064
+ "learning_rate": 4.6837820914214155e-05,
1065
+ "loss": 0.2426,
1066
+ "step": 151
1067
+ },
1068
+ {
1069
+ "epoch": 0.2768670309653916,
1070
+ "grad_norm": 8.121326446533203,
1071
+ "learning_rate": 4.680651221039449e-05,
1072
+ "loss": 0.2702,
1073
+ "step": 152
1074
+ },
1075
+ {
1076
+ "epoch": 0.2786885245901639,
1077
+ "grad_norm": 9.042678833007812,
1078
+ "learning_rate": 4.6775203506574824e-05,
1079
+ "loss": 0.0417,
1080
+ "step": 153
1081
+ },
1082
+ {
1083
+ "epoch": 0.28051001821493626,
1084
+ "grad_norm": 0.2314717322587967,
1085
+ "learning_rate": 4.674389480275517e-05,
1086
+ "loss": 0.0031,
1087
+ "step": 154
1088
+ },
1089
+ {
1090
+ "epoch": 0.28233151183970856,
1091
+ "grad_norm": 0.13141897320747375,
1092
+ "learning_rate": 4.671258609893551e-05,
1093
+ "loss": 0.0035,
1094
+ "step": 155
1095
+ },
1096
+ {
1097
+ "epoch": 0.28415300546448086,
1098
+ "grad_norm": 7.087045192718506,
1099
+ "learning_rate": 4.6681277395115845e-05,
1100
+ "loss": 0.0734,
1101
+ "step": 156
1102
+ },
1103
+ {
1104
+ "epoch": 0.2859744990892532,
1105
+ "grad_norm": 4.150629043579102,
1106
+ "learning_rate": 4.6649968691296183e-05,
1107
+ "loss": 0.1494,
1108
+ "step": 157
1109
+ },
1110
+ {
1111
+ "epoch": 0.2877959927140255,
1112
+ "grad_norm": 3.2965354919433594,
1113
+ "learning_rate": 4.661865998747652e-05,
1114
+ "loss": 0.2095,
1115
+ "step": 158
1116
+ },
1117
+ {
1118
+ "epoch": 0.2896174863387978,
1119
+ "grad_norm": 4.767673492431641,
1120
+ "learning_rate": 4.658735128365686e-05,
1121
+ "loss": 0.0516,
1122
+ "step": 159
1123
+ },
1124
+ {
1125
+ "epoch": 0.29143897996357016,
1126
+ "grad_norm": 0.28837457299232483,
1127
+ "learning_rate": 4.65560425798372e-05,
1128
+ "loss": 0.0066,
1129
+ "step": 160
1130
+ },
1131
+ {
1132
+ "epoch": 0.29326047358834245,
1133
+ "grad_norm": 2.4652457237243652,
1134
+ "learning_rate": 4.6524733876017536e-05,
1135
+ "loss": 0.0242,
1136
+ "step": 161
1137
+ },
1138
+ {
1139
+ "epoch": 0.29508196721311475,
1140
+ "grad_norm": 8.974453926086426,
1141
+ "learning_rate": 4.6493425172197874e-05,
1142
+ "loss": 0.131,
1143
+ "step": 162
1144
+ },
1145
+ {
1146
+ "epoch": 0.29690346083788705,
1147
+ "grad_norm": 6.204460144042969,
1148
+ "learning_rate": 4.646211646837821e-05,
1149
+ "loss": 0.0939,
1150
+ "step": 163
1151
+ },
1152
+ {
1153
+ "epoch": 0.2987249544626594,
1154
+ "grad_norm": 3.9641923904418945,
1155
+ "learning_rate": 4.643080776455855e-05,
1156
+ "loss": 0.0657,
1157
+ "step": 164
1158
+ },
1159
+ {
1160
+ "epoch": 0.3005464480874317,
1161
+ "grad_norm": 0.4072006940841675,
1162
+ "learning_rate": 4.639949906073889e-05,
1163
+ "loss": 0.0094,
1164
+ "step": 165
1165
+ },
1166
+ {
1167
+ "epoch": 0.302367941712204,
1168
+ "grad_norm": 6.755229473114014,
1169
+ "learning_rate": 4.636819035691923e-05,
1170
+ "loss": 0.0565,
1171
+ "step": 166
1172
+ },
1173
+ {
1174
+ "epoch": 0.30418943533697634,
1175
+ "grad_norm": 3.4620673656463623,
1176
+ "learning_rate": 4.6336881653099565e-05,
1177
+ "loss": 0.118,
1178
+ "step": 167
1179
+ },
1180
+ {
1181
+ "epoch": 0.30601092896174864,
1182
+ "grad_norm": 2.3143203258514404,
1183
+ "learning_rate": 4.63055729492799e-05,
1184
+ "loss": 0.0329,
1185
+ "step": 168
1186
+ },
1187
+ {
1188
+ "epoch": 0.30783242258652094,
1189
+ "grad_norm": 4.3909502029418945,
1190
+ "learning_rate": 4.627426424546024e-05,
1191
+ "loss": 0.0331,
1192
+ "step": 169
1193
+ },
1194
+ {
1195
+ "epoch": 0.30965391621129323,
1196
+ "grad_norm": 4.431717872619629,
1197
+ "learning_rate": 4.624295554164057e-05,
1198
+ "loss": 0.2422,
1199
+ "step": 170
1200
+ },
1201
+ {
1202
+ "epoch": 0.3114754098360656,
1203
+ "grad_norm": 5.801990985870361,
1204
+ "learning_rate": 4.621164683782092e-05,
1205
+ "loss": 0.1696,
1206
+ "step": 171
1207
+ },
1208
+ {
1209
+ "epoch": 0.3132969034608379,
1210
+ "grad_norm": 3.9410240650177,
1211
+ "learning_rate": 4.6180338134001256e-05,
1212
+ "loss": 0.105,
1213
+ "step": 172
1214
+ },
1215
+ {
1216
+ "epoch": 0.3151183970856102,
1217
+ "grad_norm": 3.1621594429016113,
1218
+ "learning_rate": 4.6149029430181594e-05,
1219
+ "loss": 0.1192,
1220
+ "step": 173
1221
+ },
1222
+ {
1223
+ "epoch": 0.31693989071038253,
1224
+ "grad_norm": 0.6451271772384644,
1225
+ "learning_rate": 4.611772072636193e-05,
1226
+ "loss": 0.0161,
1227
+ "step": 174
1228
+ },
1229
+ {
1230
+ "epoch": 0.31876138433515483,
1231
+ "grad_norm": 2.4215264320373535,
1232
+ "learning_rate": 4.608641202254227e-05,
1233
+ "loss": 0.1183,
1234
+ "step": 175
1235
+ },
1236
+ {
1237
+ "epoch": 0.3205828779599271,
1238
+ "grad_norm": 1.0982496738433838,
1239
+ "learning_rate": 4.605510331872261e-05,
1240
+ "loss": 0.0156,
1241
+ "step": 176
1242
+ },
1243
+ {
1244
+ "epoch": 0.3224043715846995,
1245
+ "grad_norm": 3.5166165828704834,
1246
+ "learning_rate": 4.6023794614902946e-05,
1247
+ "loss": 0.0369,
1248
+ "step": 177
1249
+ },
1250
+ {
1251
+ "epoch": 0.3242258652094718,
1252
+ "grad_norm": 9.985152244567871,
1253
+ "learning_rate": 4.5992485911083284e-05,
1254
+ "loss": 0.2611,
1255
+ "step": 178
1256
+ },
1257
+ {
1258
+ "epoch": 0.32604735883424407,
1259
+ "grad_norm": 7.556087493896484,
1260
+ "learning_rate": 4.596117720726362e-05,
1261
+ "loss": 0.1196,
1262
+ "step": 179
1263
+ },
1264
+ {
1265
+ "epoch": 0.32786885245901637,
1266
+ "grad_norm": 5.1856255531311035,
1267
+ "learning_rate": 4.5929868503443954e-05,
1268
+ "loss": 0.0543,
1269
+ "step": 180
1270
+ },
1271
+ {
1272
+ "epoch": 0.3296903460837887,
1273
+ "grad_norm": 2.5084640979766846,
1274
+ "learning_rate": 4.58985597996243e-05,
1275
+ "loss": 0.0427,
1276
+ "step": 181
1277
+ },
1278
+ {
1279
+ "epoch": 0.331511839708561,
1280
+ "grad_norm": 4.249439716339111,
1281
+ "learning_rate": 4.586725109580464e-05,
1282
+ "loss": 0.0918,
1283
+ "step": 182
1284
+ },
1285
+ {
1286
+ "epoch": 0.3333333333333333,
1287
+ "grad_norm": 2.1144330501556396,
1288
+ "learning_rate": 4.5835942391984975e-05,
1289
+ "loss": 0.0206,
1290
+ "step": 183
1291
+ },
1292
+ {
1293
+ "epoch": 0.33515482695810567,
1294
+ "grad_norm": 3.1298768520355225,
1295
+ "learning_rate": 4.580463368816531e-05,
1296
+ "loss": 0.2067,
1297
+ "step": 184
1298
+ },
1299
+ {
1300
+ "epoch": 0.33697632058287796,
1301
+ "grad_norm": 0.23244377970695496,
1302
+ "learning_rate": 4.577332498434565e-05,
1303
+ "loss": 0.0054,
1304
+ "step": 185
1305
+ },
1306
+ {
1307
+ "epoch": 0.33879781420765026,
1308
+ "grad_norm": 5.3826165199279785,
1309
+ "learning_rate": 4.574201628052599e-05,
1310
+ "loss": 0.0849,
1311
+ "step": 186
1312
+ },
1313
+ {
1314
+ "epoch": 0.3406193078324226,
1315
+ "grad_norm": 1.491070032119751,
1316
+ "learning_rate": 4.571070757670632e-05,
1317
+ "loss": 0.0188,
1318
+ "step": 187
1319
+ },
1320
+ {
1321
+ "epoch": 0.3424408014571949,
1322
+ "grad_norm": 4.769292831420898,
1323
+ "learning_rate": 4.5679398872886666e-05,
1324
+ "loss": 0.0418,
1325
+ "step": 188
1326
+ },
1327
+ {
1328
+ "epoch": 0.3442622950819672,
1329
+ "grad_norm": 2.514923334121704,
1330
+ "learning_rate": 4.5648090169067004e-05,
1331
+ "loss": 0.0264,
1332
+ "step": 189
1333
+ },
1334
+ {
1335
+ "epoch": 0.3460837887067395,
1336
+ "grad_norm": 2.249234914779663,
1337
+ "learning_rate": 4.561678146524734e-05,
1338
+ "loss": 0.0439,
1339
+ "step": 190
1340
+ },
1341
+ {
1342
+ "epoch": 0.34790528233151186,
1343
+ "grad_norm": 3.586806535720825,
1344
+ "learning_rate": 4.558547276142768e-05,
1345
+ "loss": 0.0383,
1346
+ "step": 191
1347
+ },
1348
+ {
1349
+ "epoch": 0.34972677595628415,
1350
+ "grad_norm": 0.31262052059173584,
1351
+ "learning_rate": 4.555416405760802e-05,
1352
+ "loss": 0.0061,
1353
+ "step": 192
1354
+ },
1355
+ {
1356
+ "epoch": 0.35154826958105645,
1357
+ "grad_norm": 0.5122743844985962,
1358
+ "learning_rate": 4.5522855353788357e-05,
1359
+ "loss": 0.0079,
1360
+ "step": 193
1361
+ },
1362
+ {
1363
+ "epoch": 0.3533697632058288,
1364
+ "grad_norm": 6.9489970207214355,
1365
+ "learning_rate": 4.5491546649968695e-05,
1366
+ "loss": 0.0527,
1367
+ "step": 194
1368
+ },
1369
+ {
1370
+ "epoch": 0.3551912568306011,
1371
+ "grad_norm": 0.07147891819477081,
1372
+ "learning_rate": 4.546023794614903e-05,
1373
+ "loss": 0.0026,
1374
+ "step": 195
1375
+ },
1376
+ {
1377
+ "epoch": 0.3570127504553734,
1378
+ "grad_norm": 0.07803834974765778,
1379
+ "learning_rate": 4.542892924232937e-05,
1380
+ "loss": 0.0026,
1381
+ "step": 196
1382
+ },
1383
+ {
1384
+ "epoch": 0.3588342440801457,
1385
+ "grad_norm": 9.417202949523926,
1386
+ "learning_rate": 4.53976205385097e-05,
1387
+ "loss": 0.0472,
1388
+ "step": 197
1389
+ },
1390
+ {
1391
+ "epoch": 0.36065573770491804,
1392
+ "grad_norm": 15.531563758850098,
1393
+ "learning_rate": 4.536631183469005e-05,
1394
+ "loss": 0.3136,
1395
+ "step": 198
1396
+ },
1397
+ {
1398
+ "epoch": 0.36247723132969034,
1399
+ "grad_norm": 1.265466332435608,
1400
+ "learning_rate": 4.5335003130870385e-05,
1401
+ "loss": 0.0104,
1402
+ "step": 199
1403
+ },
1404
+ {
1405
+ "epoch": 0.36429872495446264,
1406
+ "grad_norm": 0.04873238131403923,
1407
+ "learning_rate": 4.5303694427050724e-05,
1408
+ "loss": 0.0016,
1409
+ "step": 200
1410
+ },
1411
+ {
1412
+ "epoch": 0.366120218579235,
1413
+ "grad_norm": 5.967303276062012,
1414
+ "learning_rate": 4.527238572323106e-05,
1415
+ "loss": 0.0346,
1416
+ "step": 201
1417
+ },
1418
+ {
1419
+ "epoch": 0.3679417122040073,
1420
+ "grad_norm": 4.412702560424805,
1421
+ "learning_rate": 4.52410770194114e-05,
1422
+ "loss": 0.0571,
1423
+ "step": 202
1424
+ },
1425
+ {
1426
+ "epoch": 0.3697632058287796,
1427
+ "grad_norm": 4.523514270782471,
1428
+ "learning_rate": 4.520976831559174e-05,
1429
+ "loss": 0.1823,
1430
+ "step": 203
1431
+ },
1432
+ {
1433
+ "epoch": 0.37158469945355194,
1434
+ "grad_norm": 0.036965470761060715,
1435
+ "learning_rate": 4.517845961177207e-05,
1436
+ "loss": 0.0014,
1437
+ "step": 204
1438
+ },
1439
+ {
1440
+ "epoch": 0.37340619307832423,
1441
+ "grad_norm": 1.5821716785430908,
1442
+ "learning_rate": 4.5147150907952414e-05,
1443
+ "loss": 0.0077,
1444
+ "step": 205
1445
+ },
1446
+ {
1447
+ "epoch": 0.37522768670309653,
1448
+ "grad_norm": 9.728230476379395,
1449
+ "learning_rate": 4.511584220413275e-05,
1450
+ "loss": 0.1637,
1451
+ "step": 206
1452
+ },
1453
+ {
1454
+ "epoch": 0.3770491803278688,
1455
+ "grad_norm": 2.888592481613159,
1456
+ "learning_rate": 4.5084533500313084e-05,
1457
+ "loss": 0.016,
1458
+ "step": 207
1459
+ },
1460
+ {
1461
+ "epoch": 0.3788706739526412,
1462
+ "grad_norm": 16.919540405273438,
1463
+ "learning_rate": 4.505322479649343e-05,
1464
+ "loss": 0.2238,
1465
+ "step": 208
1466
+ },
1467
+ {
1468
+ "epoch": 0.3806921675774135,
1469
+ "grad_norm": 7.649754524230957,
1470
+ "learning_rate": 4.502191609267377e-05,
1471
+ "loss": 0.0428,
1472
+ "step": 209
1473
+ },
1474
+ {
1475
+ "epoch": 0.3825136612021858,
1476
+ "grad_norm": 0.849263072013855,
1477
+ "learning_rate": 4.4990607388854105e-05,
1478
+ "loss": 0.0087,
1479
+ "step": 210
1480
+ },
1481
+ {
1482
+ "epoch": 0.3843351548269581,
1483
+ "grad_norm": 0.10891333967447281,
1484
+ "learning_rate": 4.495929868503444e-05,
1485
+ "loss": 0.0027,
1486
+ "step": 211
1487
+ },
1488
+ {
1489
+ "epoch": 0.3861566484517304,
1490
+ "grad_norm": 0.21434666216373444,
1491
+ "learning_rate": 4.492798998121478e-05,
1492
+ "loss": 0.0038,
1493
+ "step": 212
1494
+ },
1495
+ {
1496
+ "epoch": 0.3879781420765027,
1497
+ "grad_norm": 0.19272175431251526,
1498
+ "learning_rate": 4.489668127739512e-05,
1499
+ "loss": 0.0028,
1500
+ "step": 213
1501
+ },
1502
+ {
1503
+ "epoch": 0.38979963570127507,
1504
+ "grad_norm": 1.2215018272399902,
1505
+ "learning_rate": 4.486537257357545e-05,
1506
+ "loss": 0.0161,
1507
+ "step": 214
1508
+ },
1509
+ {
1510
+ "epoch": 0.39162112932604737,
1511
+ "grad_norm": 1.3724066019058228,
1512
+ "learning_rate": 4.4834063869755796e-05,
1513
+ "loss": 0.0097,
1514
+ "step": 215
1515
+ },
1516
+ {
1517
+ "epoch": 0.39344262295081966,
1518
+ "grad_norm": 1.1924035549163818,
1519
+ "learning_rate": 4.4802755165936134e-05,
1520
+ "loss": 0.0066,
1521
+ "step": 216
1522
+ },
1523
+ {
1524
+ "epoch": 0.39526411657559196,
1525
+ "grad_norm": 1.784501075744629,
1526
+ "learning_rate": 4.477144646211647e-05,
1527
+ "loss": 0.0108,
1528
+ "step": 217
1529
+ },
1530
+ {
1531
+ "epoch": 0.3970856102003643,
1532
+ "grad_norm": 0.02774379588663578,
1533
+ "learning_rate": 4.474013775829681e-05,
1534
+ "loss": 0.0009,
1535
+ "step": 218
1536
+ },
1537
+ {
1538
+ "epoch": 0.3989071038251366,
1539
+ "grad_norm": 0.7612521052360535,
1540
+ "learning_rate": 4.470882905447715e-05,
1541
+ "loss": 0.0028,
1542
+ "step": 219
1543
+ },
1544
+ {
1545
+ "epoch": 0.4007285974499089,
1546
+ "grad_norm": 18.709510803222656,
1547
+ "learning_rate": 4.4677520350657486e-05,
1548
+ "loss": 0.2104,
1549
+ "step": 220
1550
+ },
1551
+ {
1552
+ "epoch": 0.40255009107468126,
1553
+ "grad_norm": 16.760061264038086,
1554
+ "learning_rate": 4.464621164683782e-05,
1555
+ "loss": 0.2124,
1556
+ "step": 221
1557
+ },
1558
+ {
1559
+ "epoch": 0.40437158469945356,
1560
+ "grad_norm": 11.746216773986816,
1561
+ "learning_rate": 4.461490294301816e-05,
1562
+ "loss": 0.0412,
1563
+ "step": 222
1564
+ },
1565
+ {
1566
+ "epoch": 0.40619307832422585,
1567
+ "grad_norm": 0.067040354013443,
1568
+ "learning_rate": 4.45835942391985e-05,
1569
+ "loss": 0.0011,
1570
+ "step": 223
1571
+ },
1572
+ {
1573
+ "epoch": 0.4080145719489982,
1574
+ "grad_norm": 0.5200300216674805,
1575
+ "learning_rate": 4.455228553537883e-05,
1576
+ "loss": 0.0037,
1577
+ "step": 224
1578
+ },
1579
+ {
1580
+ "epoch": 0.4098360655737705,
1581
+ "grad_norm": 8.267187118530273,
1582
+ "learning_rate": 4.452097683155918e-05,
1583
+ "loss": 0.1523,
1584
+ "step": 225
1585
+ },
1586
+ {
1587
+ "epoch": 0.4116575591985428,
1588
+ "grad_norm": 3.609358549118042,
1589
+ "learning_rate": 4.4489668127739515e-05,
1590
+ "loss": 0.1881,
1591
+ "step": 226
1592
+ },
1593
+ {
1594
+ "epoch": 0.4134790528233151,
1595
+ "grad_norm": 0.05134233087301254,
1596
+ "learning_rate": 4.445835942391985e-05,
1597
+ "loss": 0.0009,
1598
+ "step": 227
1599
+ },
1600
+ {
1601
+ "epoch": 0.41530054644808745,
1602
+ "grad_norm": 0.025521283969283104,
1603
+ "learning_rate": 4.442705072010019e-05,
1604
+ "loss": 0.0008,
1605
+ "step": 228
1606
+ },
1607
+ {
1608
+ "epoch": 0.41712204007285975,
1609
+ "grad_norm": 4.127375602722168,
1610
+ "learning_rate": 4.439574201628053e-05,
1611
+ "loss": 0.1777,
1612
+ "step": 229
1613
+ },
1614
+ {
1615
+ "epoch": 0.41894353369763204,
1616
+ "grad_norm": 0.06890428066253662,
1617
+ "learning_rate": 4.436443331246087e-05,
1618
+ "loss": 0.0013,
1619
+ "step": 230
1620
+ },
1621
+ {
1622
+ "epoch": 0.4207650273224044,
1623
+ "grad_norm": 0.10192258656024933,
1624
+ "learning_rate": 4.43331246086412e-05,
1625
+ "loss": 0.0011,
1626
+ "step": 231
1627
+ },
1628
+ {
1629
+ "epoch": 0.4225865209471767,
1630
+ "grad_norm": 11.624174118041992,
1631
+ "learning_rate": 4.4301815904821544e-05,
1632
+ "loss": 0.2336,
1633
+ "step": 232
1634
+ },
1635
+ {
1636
+ "epoch": 0.424408014571949,
1637
+ "grad_norm": 7.359781265258789,
1638
+ "learning_rate": 4.427050720100188e-05,
1639
+ "loss": 0.0708,
1640
+ "step": 233
1641
+ },
1642
+ {
1643
+ "epoch": 0.4262295081967213,
1644
+ "grad_norm": 0.025949914008378983,
1645
+ "learning_rate": 4.423919849718222e-05,
1646
+ "loss": 0.0009,
1647
+ "step": 234
1648
+ },
1649
+ {
1650
+ "epoch": 0.42805100182149364,
1651
+ "grad_norm": 16.999971389770508,
1652
+ "learning_rate": 4.420788979336256e-05,
1653
+ "loss": 0.0829,
1654
+ "step": 235
1655
+ },
1656
+ {
1657
+ "epoch": 0.42987249544626593,
1658
+ "grad_norm": 1.726982593536377,
1659
+ "learning_rate": 4.41765810895429e-05,
1660
+ "loss": 0.0058,
1661
+ "step": 236
1662
+ },
1663
+ {
1664
+ "epoch": 0.43169398907103823,
1665
+ "grad_norm": 5.918796539306641,
1666
+ "learning_rate": 4.4145272385723235e-05,
1667
+ "loss": 0.3652,
1668
+ "step": 237
1669
+ },
1670
+ {
1671
+ "epoch": 0.4335154826958106,
1672
+ "grad_norm": 0.22916308045387268,
1673
+ "learning_rate": 4.411396368190357e-05,
1674
+ "loss": 0.004,
1675
+ "step": 238
1676
+ },
1677
+ {
1678
+ "epoch": 0.4353369763205829,
1679
+ "grad_norm": 16.436437606811523,
1680
+ "learning_rate": 4.408265497808391e-05,
1681
+ "loss": 0.1857,
1682
+ "step": 239
1683
+ },
1684
+ {
1685
+ "epoch": 0.4371584699453552,
1686
+ "grad_norm": 4.63889741897583,
1687
+ "learning_rate": 4.405134627426425e-05,
1688
+ "loss": 0.1949,
1689
+ "step": 240
1690
+ },
1691
+ {
1692
+ "epoch": 0.43897996357012753,
1693
+ "grad_norm": 3.314641237258911,
1694
+ "learning_rate": 4.402003757044458e-05,
1695
+ "loss": 0.0253,
1696
+ "step": 241
1697
+ },
1698
+ {
1699
+ "epoch": 0.4408014571948998,
1700
+ "grad_norm": 5.616635322570801,
1701
+ "learning_rate": 4.3988728866624925e-05,
1702
+ "loss": 0.3264,
1703
+ "step": 242
1704
+ },
1705
+ {
1706
+ "epoch": 0.4426229508196721,
1707
+ "grad_norm": 3.840766191482544,
1708
+ "learning_rate": 4.3957420162805264e-05,
1709
+ "loss": 0.1885,
1710
+ "step": 243
1711
+ },
1712
+ {
1713
+ "epoch": 0.4444444444444444,
1714
+ "grad_norm": 0.6121935844421387,
1715
+ "learning_rate": 4.39261114589856e-05,
1716
+ "loss": 0.0043,
1717
+ "step": 244
1718
+ },
1719
+ {
1720
+ "epoch": 0.44626593806921677,
1721
+ "grad_norm": 1.0368307828903198,
1722
+ "learning_rate": 4.389480275516594e-05,
1723
+ "loss": 0.0139,
1724
+ "step": 245
1725
+ },
1726
+ {
1727
+ "epoch": 0.44808743169398907,
1728
+ "grad_norm": 0.8692595958709717,
1729
+ "learning_rate": 4.386349405134628e-05,
1730
+ "loss": 0.0116,
1731
+ "step": 246
1732
+ },
1733
+ {
1734
+ "epoch": 0.44990892531876137,
1735
+ "grad_norm": 13.962285041809082,
1736
+ "learning_rate": 4.3832185347526616e-05,
1737
+ "loss": 0.2261,
1738
+ "step": 247
1739
+ },
1740
+ {
1741
+ "epoch": 0.4517304189435337,
1742
+ "grad_norm": 7.238385200500488,
1743
+ "learning_rate": 4.380087664370695e-05,
1744
+ "loss": 0.0423,
1745
+ "step": 248
1746
+ },
1747
+ {
1748
+ "epoch": 0.453551912568306,
1749
+ "grad_norm": 0.13841496407985687,
1750
+ "learning_rate": 4.376956793988729e-05,
1751
+ "loss": 0.0048,
1752
+ "step": 249
1753
+ },
1754
+ {
1755
+ "epoch": 0.4553734061930783,
1756
+ "grad_norm": 2.9722912311553955,
1757
+ "learning_rate": 4.373825923606763e-05,
1758
+ "loss": 0.1466,
1759
+ "step": 250
1760
+ },
1761
+ {
1762
+ "epoch": 0.45719489981785066,
1763
+ "grad_norm": 2.275719404220581,
1764
+ "learning_rate": 4.370695053224796e-05,
1765
+ "loss": 0.0137,
1766
+ "step": 251
1767
+ },
1768
+ {
1769
+ "epoch": 0.45901639344262296,
1770
+ "grad_norm": 2.344390392303467,
1771
+ "learning_rate": 4.367564182842831e-05,
1772
+ "loss": 0.0229,
1773
+ "step": 252
1774
+ },
1775
+ {
1776
+ "epoch": 0.46083788706739526,
1777
+ "grad_norm": 2.280900716781616,
1778
+ "learning_rate": 4.3644333124608645e-05,
1779
+ "loss": 0.0163,
1780
+ "step": 253
1781
+ },
1782
+ {
1783
+ "epoch": 0.46265938069216755,
1784
+ "grad_norm": 0.29969778656959534,
1785
+ "learning_rate": 4.361302442078898e-05,
1786
+ "loss": 0.005,
1787
+ "step": 254
1788
+ },
1789
+ {
1790
+ "epoch": 0.4644808743169399,
1791
+ "grad_norm": 9.383149147033691,
1792
+ "learning_rate": 4.358171571696932e-05,
1793
+ "loss": 0.1589,
1794
+ "step": 255
1795
+ },
1796
+ {
1797
+ "epoch": 0.4663023679417122,
1798
+ "grad_norm": 2.4629006385803223,
1799
+ "learning_rate": 4.355040701314966e-05,
1800
+ "loss": 0.1433,
1801
+ "step": 256
1802
+ },
1803
+ {
1804
+ "epoch": 0.4681238615664845,
1805
+ "grad_norm": 8.262639999389648,
1806
+ "learning_rate": 4.351909830933e-05,
1807
+ "loss": 0.0439,
1808
+ "step": 257
1809
+ },
1810
+ {
1811
+ "epoch": 0.46994535519125685,
1812
+ "grad_norm": 0.35271739959716797,
1813
+ "learning_rate": 4.348778960551033e-05,
1814
+ "loss": 0.0069,
1815
+ "step": 258
1816
+ },
1817
+ {
1818
+ "epoch": 0.47176684881602915,
1819
+ "grad_norm": 7.017502784729004,
1820
+ "learning_rate": 4.3456480901690674e-05,
1821
+ "loss": 0.0536,
1822
+ "step": 259
1823
+ },
1824
+ {
1825
+ "epoch": 0.47358834244080145,
1826
+ "grad_norm": 1.242332935333252,
1827
+ "learning_rate": 4.342517219787101e-05,
1828
+ "loss": 0.0127,
1829
+ "step": 260
1830
+ },
1831
+ {
1832
+ "epoch": 0.47540983606557374,
1833
+ "grad_norm": 2.1583664417266846,
1834
+ "learning_rate": 4.339386349405135e-05,
1835
+ "loss": 0.0214,
1836
+ "step": 261
1837
+ },
1838
+ {
1839
+ "epoch": 0.4772313296903461,
1840
+ "grad_norm": 4.674497127532959,
1841
+ "learning_rate": 4.336255479023169e-05,
1842
+ "loss": 0.0298,
1843
+ "step": 262
1844
+ },
1845
+ {
1846
+ "epoch": 0.4790528233151184,
1847
+ "grad_norm": 1.7035185098648071,
1848
+ "learning_rate": 4.3331246086412026e-05,
1849
+ "loss": 0.0105,
1850
+ "step": 263
1851
+ },
1852
+ {
1853
+ "epoch": 0.4808743169398907,
1854
+ "grad_norm": 0.12772846221923828,
1855
+ "learning_rate": 4.3299937382592365e-05,
1856
+ "loss": 0.0023,
1857
+ "step": 264
1858
+ },
1859
+ {
1860
+ "epoch": 0.48269581056466304,
1861
+ "grad_norm": 19.110734939575195,
1862
+ "learning_rate": 4.3268628678772696e-05,
1863
+ "loss": 0.4182,
1864
+ "step": 265
1865
+ },
1866
+ {
1867
+ "epoch": 0.48451730418943534,
1868
+ "grad_norm": 9.244805335998535,
1869
+ "learning_rate": 4.323731997495304e-05,
1870
+ "loss": 0.2689,
1871
+ "step": 266
1872
+ },
1873
+ {
1874
+ "epoch": 0.48633879781420764,
1875
+ "grad_norm": 1.423405647277832,
1876
+ "learning_rate": 4.320601127113338e-05,
1877
+ "loss": 0.0072,
1878
+ "step": 267
1879
+ },
1880
+ {
1881
+ "epoch": 0.48816029143898,
1882
+ "grad_norm": 5.039240837097168,
1883
+ "learning_rate": 4.317470256731371e-05,
1884
+ "loss": 0.1362,
1885
+ "step": 268
1886
+ },
1887
+ {
1888
+ "epoch": 0.4899817850637523,
1889
+ "grad_norm": 6.24086856842041,
1890
+ "learning_rate": 4.3143393863494055e-05,
1891
+ "loss": 0.1773,
1892
+ "step": 269
1893
+ },
1894
+ {
1895
+ "epoch": 0.4918032786885246,
1896
+ "grad_norm": 1.5966615676879883,
1897
+ "learning_rate": 4.3112085159674393e-05,
1898
+ "loss": 0.1787,
1899
+ "step": 270
1900
+ },
1901
+ {
1902
+ "epoch": 0.4936247723132969,
1903
+ "grad_norm": 3.686453104019165,
1904
+ "learning_rate": 4.308077645585473e-05,
1905
+ "loss": 0.3175,
1906
+ "step": 271
1907
+ },
1908
+ {
1909
+ "epoch": 0.49544626593806923,
1910
+ "grad_norm": 0.04620608314871788,
1911
+ "learning_rate": 4.304946775203507e-05,
1912
+ "loss": 0.0016,
1913
+ "step": 272
1914
+ },
1915
+ {
1916
+ "epoch": 0.4972677595628415,
1917
+ "grad_norm": 0.20282939076423645,
1918
+ "learning_rate": 4.301815904821541e-05,
1919
+ "loss": 0.003,
1920
+ "step": 273
1921
+ },
1922
+ {
1923
+ "epoch": 0.4990892531876138,
1924
+ "grad_norm": 0.0827542319893837,
1925
+ "learning_rate": 4.2986850344395746e-05,
1926
+ "loss": 0.0029,
1927
+ "step": 274
1928
+ },
1929
+ {
1930
+ "epoch": 0.5009107468123861,
1931
+ "grad_norm": 0.29965463280677795,
1932
+ "learning_rate": 4.295554164057608e-05,
1933
+ "loss": 0.0063,
1934
+ "step": 275
1935
+ },
1936
+ {
1937
+ "epoch": 0.5027322404371585,
1938
+ "grad_norm": 4.543389320373535,
1939
+ "learning_rate": 4.292423293675642e-05,
1940
+ "loss": 0.0712,
1941
+ "step": 276
1942
+ },
1943
+ {
1944
+ "epoch": 0.5045537340619308,
1945
+ "grad_norm": 2.681236743927002,
1946
+ "learning_rate": 4.289292423293676e-05,
1947
+ "loss": 0.0391,
1948
+ "step": 277
1949
+ },
1950
+ {
1951
+ "epoch": 0.5063752276867031,
1952
+ "grad_norm": 2.3870694637298584,
1953
+ "learning_rate": 4.286161552911709e-05,
1954
+ "loss": 0.028,
1955
+ "step": 278
1956
+ },
1957
+ {
1958
+ "epoch": 0.5081967213114754,
1959
+ "grad_norm": 1.0104269981384277,
1960
+ "learning_rate": 4.283030682529744e-05,
1961
+ "loss": 0.0179,
1962
+ "step": 279
1963
+ },
1964
+ {
1965
+ "epoch": 0.5100182149362478,
1966
+ "grad_norm": 0.17253230512142181,
1967
+ "learning_rate": 4.2798998121477775e-05,
1968
+ "loss": 0.0052,
1969
+ "step": 280
1970
+ },
1971
+ {
1972
+ "epoch": 0.51183970856102,
1973
+ "grad_norm": 0.27264872193336487,
1974
+ "learning_rate": 4.276768941765811e-05,
1975
+ "loss": 0.0086,
1976
+ "step": 281
1977
+ },
1978
+ {
1979
+ "epoch": 0.5136612021857924,
1980
+ "grad_norm": 4.211297988891602,
1981
+ "learning_rate": 4.2736380713838444e-05,
1982
+ "loss": 0.0984,
1983
+ "step": 282
1984
+ },
1985
+ {
1986
+ "epoch": 0.5154826958105647,
1987
+ "grad_norm": 0.8885019421577454,
1988
+ "learning_rate": 4.270507201001879e-05,
1989
+ "loss": 0.0076,
1990
+ "step": 283
1991
+ },
1992
+ {
1993
+ "epoch": 0.517304189435337,
1994
+ "grad_norm": 0.921626091003418,
1995
+ "learning_rate": 4.267376330619913e-05,
1996
+ "loss": 0.0087,
1997
+ "step": 284
1998
+ },
1999
+ {
2000
+ "epoch": 0.5191256830601093,
2001
+ "grad_norm": 0.955025851726532,
2002
+ "learning_rate": 4.264245460237946e-05,
2003
+ "loss": 0.0131,
2004
+ "step": 285
2005
+ },
2006
+ {
2007
+ "epoch": 0.5209471766848816,
2008
+ "grad_norm": 6.5410919189453125,
2009
+ "learning_rate": 4.2611145898559804e-05,
2010
+ "loss": 0.0893,
2011
+ "step": 286
2012
+ },
2013
+ {
2014
+ "epoch": 0.5227686703096539,
2015
+ "grad_norm": 10.288850784301758,
2016
+ "learning_rate": 4.257983719474014e-05,
2017
+ "loss": 0.0205,
2018
+ "step": 287
2019
+ },
2020
+ {
2021
+ "epoch": 0.5245901639344263,
2022
+ "grad_norm": 0.04318219795823097,
2023
+ "learning_rate": 4.254852849092048e-05,
2024
+ "loss": 0.0017,
2025
+ "step": 288
2026
+ },
2027
+ {
2028
+ "epoch": 0.5264116575591985,
2029
+ "grad_norm": 2.292560577392578,
2030
+ "learning_rate": 4.251721978710082e-05,
2031
+ "loss": 0.1756,
2032
+ "step": 289
2033
+ },
2034
+ {
2035
+ "epoch": 0.5282331511839709,
2036
+ "grad_norm": 3.368222713470459,
2037
+ "learning_rate": 4.2485911083281156e-05,
2038
+ "loss": 0.0199,
2039
+ "step": 290
2040
+ },
2041
+ {
2042
+ "epoch": 0.5300546448087432,
2043
+ "grad_norm": 4.767663955688477,
2044
+ "learning_rate": 4.2454602379461494e-05,
2045
+ "loss": 0.1685,
2046
+ "step": 291
2047
+ },
2048
+ {
2049
+ "epoch": 0.5318761384335154,
2050
+ "grad_norm": 0.11847999691963196,
2051
+ "learning_rate": 4.2423293675641826e-05,
2052
+ "loss": 0.0029,
2053
+ "step": 292
2054
+ },
2055
+ {
2056
+ "epoch": 0.5336976320582878,
2057
+ "grad_norm": 6.336174488067627,
2058
+ "learning_rate": 4.239198497182217e-05,
2059
+ "loss": 0.0425,
2060
+ "step": 293
2061
+ },
2062
+ {
2063
+ "epoch": 0.5355191256830601,
2064
+ "grad_norm": 15.296269416809082,
2065
+ "learning_rate": 4.236067626800251e-05,
2066
+ "loss": 0.0794,
2067
+ "step": 294
2068
+ },
2069
+ {
2070
+ "epoch": 0.5373406193078324,
2071
+ "grad_norm": 0.18433484435081482,
2072
+ "learning_rate": 4.232936756418284e-05,
2073
+ "loss": 0.0039,
2074
+ "step": 295
2075
+ },
2076
+ {
2077
+ "epoch": 0.5391621129326047,
2078
+ "grad_norm": 0.14353422820568085,
2079
+ "learning_rate": 4.2298058860363185e-05,
2080
+ "loss": 0.003,
2081
+ "step": 296
2082
+ },
2083
+ {
2084
+ "epoch": 0.5409836065573771,
2085
+ "grad_norm": 3.668611526489258,
2086
+ "learning_rate": 4.226675015654352e-05,
2087
+ "loss": 0.0258,
2088
+ "step": 297
2089
+ },
2090
+ {
2091
+ "epoch": 0.5428051001821493,
2092
+ "grad_norm": 3.0370147228240967,
2093
+ "learning_rate": 4.223544145272386e-05,
2094
+ "loss": 0.0125,
2095
+ "step": 298
2096
+ },
2097
+ {
2098
+ "epoch": 0.5446265938069217,
2099
+ "grad_norm": 3.1501262187957764,
2100
+ "learning_rate": 4.220413274890419e-05,
2101
+ "loss": 0.165,
2102
+ "step": 299
2103
+ },
2104
+ {
2105
+ "epoch": 0.546448087431694,
2106
+ "grad_norm": 1.3201171159744263,
2107
+ "learning_rate": 4.217282404508454e-05,
2108
+ "loss": 0.0116,
2109
+ "step": 300
2110
+ },
2111
+ {
2112
+ "epoch": 0.5482695810564663,
2113
+ "grad_norm": 0.2336684912443161,
2114
+ "learning_rate": 4.2141515341264876e-05,
2115
+ "loss": 0.0035,
2116
+ "step": 301
2117
+ },
2118
+ {
2119
+ "epoch": 0.5500910746812386,
2120
+ "grad_norm": 9.169921875,
2121
+ "learning_rate": 4.211020663744521e-05,
2122
+ "loss": 0.0728,
2123
+ "step": 302
2124
+ },
2125
+ {
2126
+ "epoch": 0.5519125683060109,
2127
+ "grad_norm": 0.07561606913805008,
2128
+ "learning_rate": 4.207889793362555e-05,
2129
+ "loss": 0.0026,
2130
+ "step": 303
2131
+ },
2132
+ {
2133
+ "epoch": 0.5537340619307832,
2134
+ "grad_norm": 1.609074592590332,
2135
+ "learning_rate": 4.204758922980589e-05,
2136
+ "loss": 0.0113,
2137
+ "step": 304
2138
+ },
2139
+ {
2140
+ "epoch": 0.5555555555555556,
2141
+ "grad_norm": 3.4536828994750977,
2142
+ "learning_rate": 4.201628052598622e-05,
2143
+ "loss": 0.0147,
2144
+ "step": 305
2145
+ },
2146
+ {
2147
+ "epoch": 0.5573770491803278,
2148
+ "grad_norm": 6.3433918952941895,
2149
+ "learning_rate": 4.1984971822166566e-05,
2150
+ "loss": 0.2036,
2151
+ "step": 306
2152
+ },
2153
+ {
2154
+ "epoch": 0.5591985428051002,
2155
+ "grad_norm": 4.692470550537109,
2156
+ "learning_rate": 4.1953663118346905e-05,
2157
+ "loss": 0.0401,
2158
+ "step": 307
2159
+ },
2160
+ {
2161
+ "epoch": 0.5610200364298725,
2162
+ "grad_norm": 6.455625057220459,
2163
+ "learning_rate": 4.192235441452724e-05,
2164
+ "loss": 0.0697,
2165
+ "step": 308
2166
+ },
2167
+ {
2168
+ "epoch": 0.5628415300546448,
2169
+ "grad_norm": 4.6514716148376465,
2170
+ "learning_rate": 4.1891045710707574e-05,
2171
+ "loss": 0.1204,
2172
+ "step": 309
2173
+ },
2174
+ {
2175
+ "epoch": 0.5646630236794171,
2176
+ "grad_norm": 3.956284523010254,
2177
+ "learning_rate": 4.185973700688792e-05,
2178
+ "loss": 0.1731,
2179
+ "step": 310
2180
+ },
2181
+ {
2182
+ "epoch": 0.5664845173041895,
2183
+ "grad_norm": 1.0369857549667358,
2184
+ "learning_rate": 4.182842830306826e-05,
2185
+ "loss": 0.0108,
2186
+ "step": 311
2187
+ },
2188
+ {
2189
+ "epoch": 0.5683060109289617,
2190
+ "grad_norm": 0.22317107021808624,
2191
+ "learning_rate": 4.179711959924859e-05,
2192
+ "loss": 0.0027,
2193
+ "step": 312
2194
+ },
2195
+ {
2196
+ "epoch": 0.5701275045537341,
2197
+ "grad_norm": 6.622973442077637,
2198
+ "learning_rate": 4.1765810895428933e-05,
2199
+ "loss": 0.0617,
2200
+ "step": 313
2201
+ },
2202
+ {
2203
+ "epoch": 0.5719489981785064,
2204
+ "grad_norm": 6.9914422035217285,
2205
+ "learning_rate": 4.173450219160927e-05,
2206
+ "loss": 0.08,
2207
+ "step": 314
2208
+ },
2209
+ {
2210
+ "epoch": 0.5737704918032787,
2211
+ "grad_norm": 9.093573570251465,
2212
+ "learning_rate": 4.170319348778961e-05,
2213
+ "loss": 0.1431,
2214
+ "step": 315
2215
+ },
2216
+ {
2217
+ "epoch": 0.575591985428051,
2218
+ "grad_norm": 0.36630722880363464,
2219
+ "learning_rate": 4.167188478396994e-05,
2220
+ "loss": 0.0064,
2221
+ "step": 316
2222
+ },
2223
+ {
2224
+ "epoch": 0.5774134790528234,
2225
+ "grad_norm": 4.634314060211182,
2226
+ "learning_rate": 4.1640576080150286e-05,
2227
+ "loss": 0.1175,
2228
+ "step": 317
2229
+ },
2230
+ {
2231
+ "epoch": 0.5792349726775956,
2232
+ "grad_norm": 0.327493816614151,
2233
+ "learning_rate": 4.1609267376330624e-05,
2234
+ "loss": 0.0048,
2235
+ "step": 318
2236
+ },
2237
+ {
2238
+ "epoch": 0.581056466302368,
2239
+ "grad_norm": 0.24527287483215332,
2240
+ "learning_rate": 4.1577958672510956e-05,
2241
+ "loss": 0.0042,
2242
+ "step": 319
2243
+ },
2244
+ {
2245
+ "epoch": 0.5828779599271403,
2246
+ "grad_norm": 5.85356330871582,
2247
+ "learning_rate": 4.15466499686913e-05,
2248
+ "loss": 0.0292,
2249
+ "step": 320
2250
+ },
2251
+ {
2252
+ "epoch": 0.5846994535519126,
2253
+ "grad_norm": 0.6484350562095642,
2254
+ "learning_rate": 4.151534126487164e-05,
2255
+ "loss": 0.0061,
2256
+ "step": 321
2257
+ },
2258
+ {
2259
+ "epoch": 0.5865209471766849,
2260
+ "grad_norm": 2.3831231594085693,
2261
+ "learning_rate": 4.148403256105197e-05,
2262
+ "loss": 0.023,
2263
+ "step": 322
2264
+ },
2265
+ {
2266
+ "epoch": 0.5883424408014571,
2267
+ "grad_norm": 0.4163350462913513,
2268
+ "learning_rate": 4.1452723857232315e-05,
2269
+ "loss": 0.0057,
2270
+ "step": 323
2271
+ },
2272
+ {
2273
+ "epoch": 0.5901639344262295,
2274
+ "grad_norm": 3.6175761222839355,
2275
+ "learning_rate": 4.142141515341265e-05,
2276
+ "loss": 0.0257,
2277
+ "step": 324
2278
+ },
2279
+ {
2280
+ "epoch": 0.5919854280510018,
2281
+ "grad_norm": 2.211493730545044,
2282
+ "learning_rate": 4.139010644959299e-05,
2283
+ "loss": 0.0206,
2284
+ "step": 325
2285
+ },
2286
+ {
2287
+ "epoch": 0.5938069216757741,
2288
+ "grad_norm": 0.03227696940302849,
2289
+ "learning_rate": 4.135879774577332e-05,
2290
+ "loss": 0.0011,
2291
+ "step": 326
2292
+ },
2293
+ {
2294
+ "epoch": 0.5956284153005464,
2295
+ "grad_norm": 0.03025558590888977,
2296
+ "learning_rate": 4.132748904195367e-05,
2297
+ "loss": 0.001,
2298
+ "step": 327
2299
+ },
2300
+ {
2301
+ "epoch": 0.5974499089253188,
2302
+ "grad_norm": 0.027479926124215126,
2303
+ "learning_rate": 4.1296180338134006e-05,
2304
+ "loss": 0.0009,
2305
+ "step": 328
2306
+ },
2307
+ {
2308
+ "epoch": 0.599271402550091,
2309
+ "grad_norm": 0.07558054476976395,
2310
+ "learning_rate": 4.126487163431434e-05,
2311
+ "loss": 0.0015,
2312
+ "step": 329
2313
+ },
2314
+ {
2315
+ "epoch": 0.6010928961748634,
2316
+ "grad_norm": 2.8735299110412598,
2317
+ "learning_rate": 4.123356293049468e-05,
2318
+ "loss": 0.0178,
2319
+ "step": 330
2320
+ },
2321
+ {
2322
+ "epoch": 0.6029143897996357,
2323
+ "grad_norm": 5.421073913574219,
2324
+ "learning_rate": 4.120225422667502e-05,
2325
+ "loss": 0.1629,
2326
+ "step": 331
2327
+ },
2328
+ {
2329
+ "epoch": 0.604735883424408,
2330
+ "grad_norm": 3.4357104301452637,
2331
+ "learning_rate": 4.117094552285535e-05,
2332
+ "loss": 0.1494,
2333
+ "step": 332
2334
+ },
2335
+ {
2336
+ "epoch": 0.6065573770491803,
2337
+ "grad_norm": 3.9810731410980225,
2338
+ "learning_rate": 4.113963681903569e-05,
2339
+ "loss": 0.1603,
2340
+ "step": 333
2341
+ },
2342
+ {
2343
+ "epoch": 0.6083788706739527,
2344
+ "grad_norm": 0.08673622459173203,
2345
+ "learning_rate": 4.1108328115216034e-05,
2346
+ "loss": 0.0013,
2347
+ "step": 334
2348
+ },
2349
+ {
2350
+ "epoch": 0.6102003642987249,
2351
+ "grad_norm": 0.03046957589685917,
2352
+ "learning_rate": 4.107701941139637e-05,
2353
+ "loss": 0.0011,
2354
+ "step": 335
2355
+ },
2356
+ {
2357
+ "epoch": 0.6120218579234973,
2358
+ "grad_norm": 11.446281433105469,
2359
+ "learning_rate": 4.1045710707576704e-05,
2360
+ "loss": 0.0644,
2361
+ "step": 336
2362
+ },
2363
+ {
2364
+ "epoch": 0.6138433515482696,
2365
+ "grad_norm": 1.642142415046692,
2366
+ "learning_rate": 4.101440200375705e-05,
2367
+ "loss": 0.0056,
2368
+ "step": 337
2369
+ },
2370
+ {
2371
+ "epoch": 0.6156648451730419,
2372
+ "grad_norm": 1.6858967542648315,
2373
+ "learning_rate": 4.098309329993739e-05,
2374
+ "loss": 0.0133,
2375
+ "step": 338
2376
+ },
2377
+ {
2378
+ "epoch": 0.6174863387978142,
2379
+ "grad_norm": 0.04817913472652435,
2380
+ "learning_rate": 4.095178459611772e-05,
2381
+ "loss": 0.0013,
2382
+ "step": 339
2383
+ },
2384
+ {
2385
+ "epoch": 0.6193078324225865,
2386
+ "grad_norm": 1.458479642868042,
2387
+ "learning_rate": 4.092047589229806e-05,
2388
+ "loss": 0.0078,
2389
+ "step": 340
2390
+ },
2391
+ {
2392
+ "epoch": 0.6211293260473588,
2393
+ "grad_norm": 0.7223337292671204,
2394
+ "learning_rate": 4.08891671884784e-05,
2395
+ "loss": 0.0167,
2396
+ "step": 341
2397
+ },
2398
+ {
2399
+ "epoch": 0.6229508196721312,
2400
+ "grad_norm": 0.4470398426055908,
2401
+ "learning_rate": 4.085785848465874e-05,
2402
+ "loss": 0.0043,
2403
+ "step": 342
2404
+ },
2405
+ {
2406
+ "epoch": 0.6247723132969034,
2407
+ "grad_norm": 0.10019668936729431,
2408
+ "learning_rate": 4.082654978083907e-05,
2409
+ "loss": 0.0018,
2410
+ "step": 343
2411
+ },
2412
+ {
2413
+ "epoch": 0.6265938069216758,
2414
+ "grad_norm": 0.07710490375757217,
2415
+ "learning_rate": 4.0795241077019416e-05,
2416
+ "loss": 0.0014,
2417
+ "step": 344
2418
+ },
2419
+ {
2420
+ "epoch": 0.6284153005464481,
2421
+ "grad_norm": 0.49735426902770996,
2422
+ "learning_rate": 4.0763932373199754e-05,
2423
+ "loss": 0.0083,
2424
+ "step": 345
2425
+ },
2426
+ {
2427
+ "epoch": 0.6302367941712204,
2428
+ "grad_norm": 7.425228118896484,
2429
+ "learning_rate": 4.0732623669380085e-05,
2430
+ "loss": 0.4383,
2431
+ "step": 346
2432
+ },
2433
+ {
2434
+ "epoch": 0.6320582877959927,
2435
+ "grad_norm": 9.259267807006836,
2436
+ "learning_rate": 4.070131496556043e-05,
2437
+ "loss": 0.0335,
2438
+ "step": 347
2439
+ },
2440
+ {
2441
+ "epoch": 0.6338797814207651,
2442
+ "grad_norm": 1.7133445739746094,
2443
+ "learning_rate": 4.067000626174077e-05,
2444
+ "loss": 0.1959,
2445
+ "step": 348
2446
+ },
2447
+ {
2448
+ "epoch": 0.6357012750455373,
2449
+ "grad_norm": 7.2402238845825195,
2450
+ "learning_rate": 4.06386975579211e-05,
2451
+ "loss": 0.0182,
2452
+ "step": 349
2453
+ },
2454
+ {
2455
+ "epoch": 0.6375227686703097,
2456
+ "grad_norm": 1.9264317750930786,
2457
+ "learning_rate": 4.0607388854101445e-05,
2458
+ "loss": 0.0096,
2459
+ "step": 350
2460
+ },
2461
+ {
2462
+ "epoch": 0.639344262295082,
2463
+ "grad_norm": 5.997550964355469,
2464
+ "learning_rate": 4.057608015028178e-05,
2465
+ "loss": 0.2692,
2466
+ "step": 351
2467
+ },
2468
+ {
2469
+ "epoch": 0.6411657559198543,
2470
+ "grad_norm": 0.8955827355384827,
2471
+ "learning_rate": 4.054477144646212e-05,
2472
+ "loss": 0.008,
2473
+ "step": 352
2474
+ },
2475
+ {
2476
+ "epoch": 0.6429872495446266,
2477
+ "grad_norm": 15.662752151489258,
2478
+ "learning_rate": 4.051346274264245e-05,
2479
+ "loss": 0.0583,
2480
+ "step": 353
2481
+ },
2482
+ {
2483
+ "epoch": 0.644808743169399,
2484
+ "grad_norm": 0.17019307613372803,
2485
+ "learning_rate": 4.04821540388228e-05,
2486
+ "loss": 0.0045,
2487
+ "step": 354
2488
+ },
2489
+ {
2490
+ "epoch": 0.6466302367941712,
2491
+ "grad_norm": 0.09931718558073044,
2492
+ "learning_rate": 4.0450845335003135e-05,
2493
+ "loss": 0.0026,
2494
+ "step": 355
2495
+ },
2496
+ {
2497
+ "epoch": 0.6484517304189436,
2498
+ "grad_norm": 0.13057781755924225,
2499
+ "learning_rate": 4.041953663118347e-05,
2500
+ "loss": 0.0043,
2501
+ "step": 356
2502
+ },
2503
+ {
2504
+ "epoch": 0.6502732240437158,
2505
+ "grad_norm": 8.035531044006348,
2506
+ "learning_rate": 4.038822792736381e-05,
2507
+ "loss": 0.1404,
2508
+ "step": 357
2509
+ },
2510
+ {
2511
+ "epoch": 0.6520947176684881,
2512
+ "grad_norm": 5.847539901733398,
2513
+ "learning_rate": 4.035691922354415e-05,
2514
+ "loss": 0.096,
2515
+ "step": 358
2516
+ },
2517
+ {
2518
+ "epoch": 0.6539162112932605,
2519
+ "grad_norm": 2.056274890899658,
2520
+ "learning_rate": 4.032561051972448e-05,
2521
+ "loss": 0.0151,
2522
+ "step": 359
2523
+ },
2524
+ {
2525
+ "epoch": 0.6557377049180327,
2526
+ "grad_norm": 0.13496744632720947,
2527
+ "learning_rate": 4.029430181590482e-05,
2528
+ "loss": 0.0037,
2529
+ "step": 360
2530
+ },
2531
+ {
2532
+ "epoch": 0.6575591985428051,
2533
+ "grad_norm": 1.0296528339385986,
2534
+ "learning_rate": 4.0262993112085164e-05,
2535
+ "loss": 0.0107,
2536
+ "step": 361
2537
+ },
2538
+ {
2539
+ "epoch": 0.6593806921675774,
2540
+ "grad_norm": 5.667383193969727,
2541
+ "learning_rate": 4.02316844082655e-05,
2542
+ "loss": 0.0813,
2543
+ "step": 362
2544
+ },
2545
+ {
2546
+ "epoch": 0.6612021857923497,
2547
+ "grad_norm": 4.281712055206299,
2548
+ "learning_rate": 4.0200375704445834e-05,
2549
+ "loss": 0.0377,
2550
+ "step": 363
2551
+ },
2552
+ {
2553
+ "epoch": 0.663023679417122,
2554
+ "grad_norm": 0.37562137842178345,
2555
+ "learning_rate": 4.016906700062618e-05,
2556
+ "loss": 0.0068,
2557
+ "step": 364
2558
+ },
2559
+ {
2560
+ "epoch": 0.6648451730418944,
2561
+ "grad_norm": 7.240072727203369,
2562
+ "learning_rate": 4.013775829680652e-05,
2563
+ "loss": 0.0583,
2564
+ "step": 365
2565
+ },
2566
+ {
2567
+ "epoch": 0.6666666666666666,
2568
+ "grad_norm": 1.4774280786514282,
2569
+ "learning_rate": 4.010644959298685e-05,
2570
+ "loss": 0.0111,
2571
+ "step": 366
2572
+ },
2573
+ {
2574
+ "epoch": 0.668488160291439,
2575
+ "grad_norm": 2.835345983505249,
2576
+ "learning_rate": 4.007514088916719e-05,
2577
+ "loss": 0.048,
2578
+ "step": 367
2579
+ },
2580
+ {
2581
+ "epoch": 0.6703096539162113,
2582
+ "grad_norm": 0.5821844935417175,
2583
+ "learning_rate": 4.004383218534753e-05,
2584
+ "loss": 0.0049,
2585
+ "step": 368
2586
+ },
2587
+ {
2588
+ "epoch": 0.6721311475409836,
2589
+ "grad_norm": 3.108658790588379,
2590
+ "learning_rate": 4.001252348152787e-05,
2591
+ "loss": 0.0191,
2592
+ "step": 369
2593
+ },
2594
+ {
2595
+ "epoch": 0.6739526411657559,
2596
+ "grad_norm": 8.561149597167969,
2597
+ "learning_rate": 3.99812147777082e-05,
2598
+ "loss": 0.0647,
2599
+ "step": 370
2600
+ },
2601
+ {
2602
+ "epoch": 0.6757741347905283,
2603
+ "grad_norm": 0.19415520131587982,
2604
+ "learning_rate": 3.9949906073888546e-05,
2605
+ "loss": 0.0029,
2606
+ "step": 371
2607
+ },
2608
+ {
2609
+ "epoch": 0.6775956284153005,
2610
+ "grad_norm": 0.06202491745352745,
2611
+ "learning_rate": 3.9918597370068884e-05,
2612
+ "loss": 0.0018,
2613
+ "step": 372
2614
+ },
2615
+ {
2616
+ "epoch": 0.6794171220400729,
2617
+ "grad_norm": 3.6461710929870605,
2618
+ "learning_rate": 3.9887288666249215e-05,
2619
+ "loss": 0.0083,
2620
+ "step": 373
2621
+ },
2622
+ {
2623
+ "epoch": 0.6812386156648452,
2624
+ "grad_norm": 15.124981880187988,
2625
+ "learning_rate": 3.985597996242956e-05,
2626
+ "loss": 0.1567,
2627
+ "step": 374
2628
+ },
2629
+ {
2630
+ "epoch": 0.6830601092896175,
2631
+ "grad_norm": 2.153791666030884,
2632
+ "learning_rate": 3.98246712586099e-05,
2633
+ "loss": 0.0105,
2634
+ "step": 375
2635
+ },
2636
+ {
2637
+ "epoch": 0.6848816029143898,
2638
+ "grad_norm": 0.7105178236961365,
2639
+ "learning_rate": 3.979336255479023e-05,
2640
+ "loss": 0.0032,
2641
+ "step": 376
2642
+ },
2643
+ {
2644
+ "epoch": 0.6867030965391621,
2645
+ "grad_norm": 0.782936692237854,
2646
+ "learning_rate": 3.976205385097057e-05,
2647
+ "loss": 0.0053,
2648
+ "step": 377
2649
+ },
2650
+ {
2651
+ "epoch": 0.6885245901639344,
2652
+ "grad_norm": 17.51541519165039,
2653
+ "learning_rate": 3.973074514715091e-05,
2654
+ "loss": 0.0756,
2655
+ "step": 378
2656
+ },
2657
+ {
2658
+ "epoch": 0.6903460837887068,
2659
+ "grad_norm": 8.316147804260254,
2660
+ "learning_rate": 3.969943644333125e-05,
2661
+ "loss": 0.0734,
2662
+ "step": 379
2663
+ },
2664
+ {
2665
+ "epoch": 0.692167577413479,
2666
+ "grad_norm": 0.5029911398887634,
2667
+ "learning_rate": 3.966812773951158e-05,
2668
+ "loss": 0.0039,
2669
+ "step": 380
2670
+ },
2671
+ {
2672
+ "epoch": 0.6939890710382514,
2673
+ "grad_norm": 0.038834672421216965,
2674
+ "learning_rate": 3.963681903569193e-05,
2675
+ "loss": 0.001,
2676
+ "step": 381
2677
+ },
2678
+ {
2679
+ "epoch": 0.6958105646630237,
2680
+ "grad_norm": 6.278717517852783,
2681
+ "learning_rate": 3.9605510331872265e-05,
2682
+ "loss": 0.0977,
2683
+ "step": 382
2684
+ },
2685
+ {
2686
+ "epoch": 0.697632058287796,
2687
+ "grad_norm": 0.07930924743413925,
2688
+ "learning_rate": 3.9574201628052597e-05,
2689
+ "loss": 0.001,
2690
+ "step": 383
2691
+ },
2692
+ {
2693
+ "epoch": 0.6994535519125683,
2694
+ "grad_norm": 0.039321571588516235,
2695
+ "learning_rate": 3.954289292423294e-05,
2696
+ "loss": 0.0008,
2697
+ "step": 384
2698
+ },
2699
+ {
2700
+ "epoch": 0.7012750455373407,
2701
+ "grad_norm": 0.296947717666626,
2702
+ "learning_rate": 3.951158422041328e-05,
2703
+ "loss": 0.0024,
2704
+ "step": 385
2705
+ },
2706
+ {
2707
+ "epoch": 0.7030965391621129,
2708
+ "grad_norm": 9.602386474609375,
2709
+ "learning_rate": 3.948027551659361e-05,
2710
+ "loss": 0.2459,
2711
+ "step": 386
2712
+ },
2713
+ {
2714
+ "epoch": 0.7049180327868853,
2715
+ "grad_norm": 0.015402719378471375,
2716
+ "learning_rate": 3.944896681277395e-05,
2717
+ "loss": 0.0006,
2718
+ "step": 387
2719
+ },
2720
+ {
2721
+ "epoch": 0.7067395264116576,
2722
+ "grad_norm": 0.014821278862655163,
2723
+ "learning_rate": 3.9417658108954294e-05,
2724
+ "loss": 0.0005,
2725
+ "step": 388
2726
+ },
2727
+ {
2728
+ "epoch": 0.7085610200364298,
2729
+ "grad_norm": 0.03218044340610504,
2730
+ "learning_rate": 3.938634940513463e-05,
2731
+ "loss": 0.0008,
2732
+ "step": 389
2733
+ },
2734
+ {
2735
+ "epoch": 0.7103825136612022,
2736
+ "grad_norm": 0.2660595774650574,
2737
+ "learning_rate": 3.9355040701314964e-05,
2738
+ "loss": 0.002,
2739
+ "step": 390
2740
+ },
2741
+ {
2742
+ "epoch": 0.7122040072859745,
2743
+ "grad_norm": 10.710992813110352,
2744
+ "learning_rate": 3.932373199749531e-05,
2745
+ "loss": 0.1631,
2746
+ "step": 391
2747
+ },
2748
+ {
2749
+ "epoch": 0.7140255009107468,
2750
+ "grad_norm": 0.07790596038103104,
2751
+ "learning_rate": 3.929242329367565e-05,
2752
+ "loss": 0.0011,
2753
+ "step": 392
2754
+ },
2755
+ {
2756
+ "epoch": 0.7158469945355191,
2757
+ "grad_norm": 6.2742462158203125,
2758
+ "learning_rate": 3.926111458985598e-05,
2759
+ "loss": 0.0302,
2760
+ "step": 393
2761
+ },
2762
+ {
2763
+ "epoch": 0.7176684881602914,
2764
+ "grad_norm": 2.138582706451416,
2765
+ "learning_rate": 3.9229805886036316e-05,
2766
+ "loss": 0.1987,
2767
+ "step": 394
2768
+ },
2769
+ {
2770
+ "epoch": 0.7194899817850637,
2771
+ "grad_norm": 0.017461583018302917,
2772
+ "learning_rate": 3.919849718221666e-05,
2773
+ "loss": 0.0005,
2774
+ "step": 395
2775
+ },
2776
+ {
2777
+ "epoch": 0.7213114754098361,
2778
+ "grad_norm": 0.812929093837738,
2779
+ "learning_rate": 3.9167188478397e-05,
2780
+ "loss": 0.0035,
2781
+ "step": 396
2782
+ },
2783
+ {
2784
+ "epoch": 0.7231329690346083,
2785
+ "grad_norm": 0.6114425659179688,
2786
+ "learning_rate": 3.913587977457733e-05,
2787
+ "loss": 0.0053,
2788
+ "step": 397
2789
+ },
2790
+ {
2791
+ "epoch": 0.7249544626593807,
2792
+ "grad_norm": 4.900968074798584,
2793
+ "learning_rate": 3.9104571070757675e-05,
2794
+ "loss": 0.212,
2795
+ "step": 398
2796
+ },
2797
+ {
2798
+ "epoch": 0.726775956284153,
2799
+ "grad_norm": 0.29532384872436523,
2800
+ "learning_rate": 3.9073262366938014e-05,
2801
+ "loss": 0.0041,
2802
+ "step": 399
2803
+ },
2804
+ {
2805
+ "epoch": 0.7285974499089253,
2806
+ "grad_norm": 8.498466491699219,
2807
+ "learning_rate": 3.9041953663118345e-05,
2808
+ "loss": 0.0716,
2809
+ "step": 400
2810
+ },
2811
+ {
2812
+ "epoch": 0.7304189435336976,
2813
+ "grad_norm": 13.04411792755127,
2814
+ "learning_rate": 3.901064495929869e-05,
2815
+ "loss": 0.0875,
2816
+ "step": 401
2817
+ },
2818
+ {
2819
+ "epoch": 0.73224043715847,
2820
+ "grad_norm": 0.21621406078338623,
2821
+ "learning_rate": 3.897933625547903e-05,
2822
+ "loss": 0.002,
2823
+ "step": 402
2824
+ },
2825
+ {
2826
+ "epoch": 0.7340619307832422,
2827
+ "grad_norm": 3.328409194946289,
2828
+ "learning_rate": 3.894802755165936e-05,
2829
+ "loss": 0.0098,
2830
+ "step": 403
2831
+ },
2832
+ {
2833
+ "epoch": 0.7358834244080146,
2834
+ "grad_norm": 9.559609413146973,
2835
+ "learning_rate": 3.89167188478397e-05,
2836
+ "loss": 0.1343,
2837
+ "step": 404
2838
+ },
2839
+ {
2840
+ "epoch": 0.7377049180327869,
2841
+ "grad_norm": 0.6983762979507446,
2842
+ "learning_rate": 3.888541014402004e-05,
2843
+ "loss": 0.0027,
2844
+ "step": 405
2845
+ },
2846
+ {
2847
+ "epoch": 0.7395264116575592,
2848
+ "grad_norm": 0.05780564993619919,
2849
+ "learning_rate": 3.885410144020038e-05,
2850
+ "loss": 0.0012,
2851
+ "step": 406
2852
+ },
2853
+ {
2854
+ "epoch": 0.7413479052823315,
2855
+ "grad_norm": 1.37694251537323,
2856
+ "learning_rate": 3.882279273638071e-05,
2857
+ "loss": 0.2163,
2858
+ "step": 407
2859
+ },
2860
+ {
2861
+ "epoch": 0.7431693989071039,
2862
+ "grad_norm": 0.019220901653170586,
2863
+ "learning_rate": 3.879148403256106e-05,
2864
+ "loss": 0.0007,
2865
+ "step": 408
2866
+ },
2867
+ {
2868
+ "epoch": 0.7449908925318761,
2869
+ "grad_norm": 1.4538003206253052,
2870
+ "learning_rate": 3.8760175328741395e-05,
2871
+ "loss": 0.0067,
2872
+ "step": 409
2873
+ },
2874
+ {
2875
+ "epoch": 0.7468123861566485,
2876
+ "grad_norm": 0.03995515778660774,
2877
+ "learning_rate": 3.8728866624921726e-05,
2878
+ "loss": 0.0013,
2879
+ "step": 410
2880
+ },
2881
+ {
2882
+ "epoch": 0.7486338797814208,
2883
+ "grad_norm": 7.3194146156311035,
2884
+ "learning_rate": 3.8697557921102065e-05,
2885
+ "loss": 0.071,
2886
+ "step": 411
2887
+ },
2888
+ {
2889
+ "epoch": 0.7504553734061931,
2890
+ "grad_norm": 5.2992024421691895,
2891
+ "learning_rate": 3.866624921728241e-05,
2892
+ "loss": 0.114,
2893
+ "step": 412
2894
+ },
2895
+ {
2896
+ "epoch": 0.7522768670309654,
2897
+ "grad_norm": 1.8797881603240967,
2898
+ "learning_rate": 3.863494051346274e-05,
2899
+ "loss": 0.0116,
2900
+ "step": 413
2901
+ },
2902
+ {
2903
+ "epoch": 0.7540983606557377,
2904
+ "grad_norm": 0.04209226742386818,
2905
+ "learning_rate": 3.860363180964308e-05,
2906
+ "loss": 0.0015,
2907
+ "step": 414
2908
+ },
2909
+ {
2910
+ "epoch": 0.75591985428051,
2911
+ "grad_norm": 9.969036102294922,
2912
+ "learning_rate": 3.8572323105823424e-05,
2913
+ "loss": 0.1007,
2914
+ "step": 415
2915
+ },
2916
+ {
2917
+ "epoch": 0.7577413479052824,
2918
+ "grad_norm": 4.476265907287598,
2919
+ "learning_rate": 3.854101440200376e-05,
2920
+ "loss": 0.0236,
2921
+ "step": 416
2922
+ },
2923
+ {
2924
+ "epoch": 0.7595628415300546,
2925
+ "grad_norm": 5.227812767028809,
2926
+ "learning_rate": 3.850970569818409e-05,
2927
+ "loss": 0.1293,
2928
+ "step": 417
2929
+ },
2930
+ {
2931
+ "epoch": 0.761384335154827,
2932
+ "grad_norm": 0.5161237120628357,
2933
+ "learning_rate": 3.847839699436444e-05,
2934
+ "loss": 0.0068,
2935
+ "step": 418
2936
+ },
2937
+ {
2938
+ "epoch": 0.7632058287795993,
2939
+ "grad_norm": 0.06678824126720428,
2940
+ "learning_rate": 3.8447088290544776e-05,
2941
+ "loss": 0.0022,
2942
+ "step": 419
2943
+ },
2944
+ {
2945
+ "epoch": 0.7650273224043715,
2946
+ "grad_norm": 11.278353691101074,
2947
+ "learning_rate": 3.841577958672511e-05,
2948
+ "loss": 0.0381,
2949
+ "step": 420
2950
+ },
2951
+ {
2952
+ "epoch": 0.7668488160291439,
2953
+ "grad_norm": 1.4786038398742676,
2954
+ "learning_rate": 3.8384470882905446e-05,
2955
+ "loss": 0.0134,
2956
+ "step": 421
2957
+ },
2958
+ {
2959
+ "epoch": 0.7686703096539163,
2960
+ "grad_norm": 3.063671588897705,
2961
+ "learning_rate": 3.835316217908579e-05,
2962
+ "loss": 0.0226,
2963
+ "step": 422
2964
+ },
2965
+ {
2966
+ "epoch": 0.7704918032786885,
2967
+ "grad_norm": 0.3474072813987732,
2968
+ "learning_rate": 3.832185347526613e-05,
2969
+ "loss": 0.0075,
2970
+ "step": 423
2971
+ },
2972
+ {
2973
+ "epoch": 0.7723132969034608,
2974
+ "grad_norm": 0.31541740894317627,
2975
+ "learning_rate": 3.829054477144646e-05,
2976
+ "loss": 0.0058,
2977
+ "step": 424
2978
+ },
2979
+ {
2980
+ "epoch": 0.7741347905282332,
2981
+ "grad_norm": 1.1225982904434204,
2982
+ "learning_rate": 3.8259236067626805e-05,
2983
+ "loss": 0.1693,
2984
+ "step": 425
2985
+ },
2986
+ {
2987
+ "epoch": 0.7759562841530054,
2988
+ "grad_norm": 0.09978262335062027,
2989
+ "learning_rate": 3.8227927363807143e-05,
2990
+ "loss": 0.0031,
2991
+ "step": 426
2992
+ },
2993
+ {
2994
+ "epoch": 0.7777777777777778,
2995
+ "grad_norm": 0.08662858605384827,
2996
+ "learning_rate": 3.8196618659987475e-05,
2997
+ "loss": 0.0021,
2998
+ "step": 427
2999
+ },
3000
+ {
3001
+ "epoch": 0.7795992714025501,
3002
+ "grad_norm": 0.11617692559957504,
3003
+ "learning_rate": 3.816530995616781e-05,
3004
+ "loss": 0.004,
3005
+ "step": 428
3006
+ },
3007
+ {
3008
+ "epoch": 0.7814207650273224,
3009
+ "grad_norm": 0.17725755274295807,
3010
+ "learning_rate": 3.813400125234816e-05,
3011
+ "loss": 0.0034,
3012
+ "step": 429
3013
+ },
3014
+ {
3015
+ "epoch": 0.7832422586520947,
3016
+ "grad_norm": 11.300631523132324,
3017
+ "learning_rate": 3.810269254852849e-05,
3018
+ "loss": 0.0706,
3019
+ "step": 430
3020
+ },
3021
+ {
3022
+ "epoch": 0.785063752276867,
3023
+ "grad_norm": 0.10579409450292587,
3024
+ "learning_rate": 3.807138384470883e-05,
3025
+ "loss": 0.0033,
3026
+ "step": 431
3027
+ },
3028
+ {
3029
+ "epoch": 0.7868852459016393,
3030
+ "grad_norm": 2.0246171951293945,
3031
+ "learning_rate": 3.804007514088917e-05,
3032
+ "loss": 0.157,
3033
+ "step": 432
3034
+ },
3035
+ {
3036
+ "epoch": 0.7887067395264117,
3037
+ "grad_norm": 9.128832817077637,
3038
+ "learning_rate": 3.800876643706951e-05,
3039
+ "loss": 0.0421,
3040
+ "step": 433
3041
+ },
3042
+ {
3043
+ "epoch": 0.7905282331511839,
3044
+ "grad_norm": 1.876198172569275,
3045
+ "learning_rate": 3.797745773324984e-05,
3046
+ "loss": 0.0129,
3047
+ "step": 434
3048
+ },
3049
+ {
3050
+ "epoch": 0.7923497267759563,
3051
+ "grad_norm": 2.0219812393188477,
3052
+ "learning_rate": 3.794614902943019e-05,
3053
+ "loss": 0.1312,
3054
+ "step": 435
3055
+ },
3056
+ {
3057
+ "epoch": 0.7941712204007286,
3058
+ "grad_norm": 1.8168342113494873,
3059
+ "learning_rate": 3.7914840325610525e-05,
3060
+ "loss": 0.079,
3061
+ "step": 436
3062
+ },
3063
+ {
3064
+ "epoch": 0.7959927140255009,
3065
+ "grad_norm": 9.818557739257812,
3066
+ "learning_rate": 3.7883531621790856e-05,
3067
+ "loss": 0.2222,
3068
+ "step": 437
3069
+ },
3070
+ {
3071
+ "epoch": 0.7978142076502732,
3072
+ "grad_norm": 10.846918106079102,
3073
+ "learning_rate": 3.7852222917971194e-05,
3074
+ "loss": 0.1435,
3075
+ "step": 438
3076
+ },
3077
+ {
3078
+ "epoch": 0.7996357012750456,
3079
+ "grad_norm": 10.874890327453613,
3080
+ "learning_rate": 3.782091421415154e-05,
3081
+ "loss": 0.1216,
3082
+ "step": 439
3083
+ },
3084
+ {
3085
+ "epoch": 0.8014571948998178,
3086
+ "grad_norm": 10.522339820861816,
3087
+ "learning_rate": 3.778960551033187e-05,
3088
+ "loss": 0.0773,
3089
+ "step": 440
3090
+ },
3091
+ {
3092
+ "epoch": 0.8032786885245902,
3093
+ "grad_norm": 11.772398948669434,
3094
+ "learning_rate": 3.775829680651221e-05,
3095
+ "loss": 0.5585,
3096
+ "step": 441
3097
+ },
3098
+ {
3099
+ "epoch": 0.8051001821493625,
3100
+ "grad_norm": 2.1887152194976807,
3101
+ "learning_rate": 3.7726988102692554e-05,
3102
+ "loss": 0.041,
3103
+ "step": 442
3104
+ },
3105
+ {
3106
+ "epoch": 0.8069216757741348,
3107
+ "grad_norm": 1.6691868305206299,
3108
+ "learning_rate": 3.769567939887289e-05,
3109
+ "loss": 0.0391,
3110
+ "step": 443
3111
+ },
3112
+ {
3113
+ "epoch": 0.8087431693989071,
3114
+ "grad_norm": 1.4274911880493164,
3115
+ "learning_rate": 3.766437069505322e-05,
3116
+ "loss": 0.0277,
3117
+ "step": 444
3118
+ },
3119
+ {
3120
+ "epoch": 0.8105646630236795,
3121
+ "grad_norm": 0.6223703026771545,
3122
+ "learning_rate": 3.763306199123356e-05,
3123
+ "loss": 0.0171,
3124
+ "step": 445
3125
+ },
3126
+ {
3127
+ "epoch": 0.8123861566484517,
3128
+ "grad_norm": 0.23633567988872528,
3129
+ "learning_rate": 3.7601753287413906e-05,
3130
+ "loss": 0.008,
3131
+ "step": 446
3132
+ },
3133
+ {
3134
+ "epoch": 0.8142076502732241,
3135
+ "grad_norm": 1.7008121013641357,
3136
+ "learning_rate": 3.757044458359424e-05,
3137
+ "loss": 0.0079,
3138
+ "step": 447
3139
+ },
3140
+ {
3141
+ "epoch": 0.8160291438979964,
3142
+ "grad_norm": 0.08883205056190491,
3143
+ "learning_rate": 3.7539135879774576e-05,
3144
+ "loss": 0.0032,
3145
+ "step": 448
3146
+ },
3147
+ {
3148
+ "epoch": 0.8178506375227687,
3149
+ "grad_norm": 2.3876216411590576,
3150
+ "learning_rate": 3.750782717595492e-05,
3151
+ "loss": 0.111,
3152
+ "step": 449
3153
+ },
3154
+ {
3155
+ "epoch": 0.819672131147541,
3156
+ "grad_norm": 5.239230155944824,
3157
+ "learning_rate": 3.747651847213526e-05,
3158
+ "loss": 0.0726,
3159
+ "step": 450
3160
+ },
3161
+ {
3162
+ "epoch": 0.8214936247723132,
3163
+ "grad_norm": 4.39957857131958,
3164
+ "learning_rate": 3.744520976831559e-05,
3165
+ "loss": 0.0349,
3166
+ "step": 451
3167
+ },
3168
+ {
3169
+ "epoch": 0.8233151183970856,
3170
+ "grad_norm": 4.1816534996032715,
3171
+ "learning_rate": 3.7413901064495935e-05,
3172
+ "loss": 0.1397,
3173
+ "step": 452
3174
+ },
3175
+ {
3176
+ "epoch": 0.825136612021858,
3177
+ "grad_norm": 0.13828523457050323,
3178
+ "learning_rate": 3.738259236067627e-05,
3179
+ "loss": 0.0037,
3180
+ "step": 453
3181
+ },
3182
+ {
3183
+ "epoch": 0.8269581056466302,
3184
+ "grad_norm": 0.7528238892555237,
3185
+ "learning_rate": 3.7351283656856605e-05,
3186
+ "loss": 0.0062,
3187
+ "step": 454
3188
+ },
3189
+ {
3190
+ "epoch": 0.8287795992714025,
3191
+ "grad_norm": 11.578791618347168,
3192
+ "learning_rate": 3.731997495303694e-05,
3193
+ "loss": 0.2069,
3194
+ "step": 455
3195
+ },
3196
+ {
3197
+ "epoch": 0.8306010928961749,
3198
+ "grad_norm": 0.3673207759857178,
3199
+ "learning_rate": 3.728866624921729e-05,
3200
+ "loss": 0.0033,
3201
+ "step": 456
3202
+ },
3203
+ {
3204
+ "epoch": 0.8324225865209471,
3205
+ "grad_norm": 0.3435652554035187,
3206
+ "learning_rate": 3.725735754539762e-05,
3207
+ "loss": 0.003,
3208
+ "step": 457
3209
+ },
3210
+ {
3211
+ "epoch": 0.8342440801457195,
3212
+ "grad_norm": 0.055871132761240005,
3213
+ "learning_rate": 3.722604884157796e-05,
3214
+ "loss": 0.0019,
3215
+ "step": 458
3216
+ },
3217
+ {
3218
+ "epoch": 0.8360655737704918,
3219
+ "grad_norm": 5.986182689666748,
3220
+ "learning_rate": 3.71947401377583e-05,
3221
+ "loss": 0.0398,
3222
+ "step": 459
3223
+ },
3224
+ {
3225
+ "epoch": 0.8378870673952641,
3226
+ "grad_norm": 2.631530284881592,
3227
+ "learning_rate": 3.716343143393864e-05,
3228
+ "loss": 0.0158,
3229
+ "step": 460
3230
+ },
3231
+ {
3232
+ "epoch": 0.8397085610200364,
3233
+ "grad_norm": 12.033699035644531,
3234
+ "learning_rate": 3.713212273011897e-05,
3235
+ "loss": 0.1011,
3236
+ "step": 461
3237
+ },
3238
+ {
3239
+ "epoch": 0.8415300546448088,
3240
+ "grad_norm": 0.41058558225631714,
3241
+ "learning_rate": 3.7100814026299316e-05,
3242
+ "loss": 0.0047,
3243
+ "step": 462
3244
+ },
3245
+ {
3246
+ "epoch": 0.843351548269581,
3247
+ "grad_norm": 2.519164800643921,
3248
+ "learning_rate": 3.7069505322479655e-05,
3249
+ "loss": 0.2319,
3250
+ "step": 463
3251
+ },
3252
+ {
3253
+ "epoch": 0.8451730418943534,
3254
+ "grad_norm": 0.09700655937194824,
3255
+ "learning_rate": 3.7038196618659986e-05,
3256
+ "loss": 0.0021,
3257
+ "step": 464
3258
+ },
3259
+ {
3260
+ "epoch": 0.8469945355191257,
3261
+ "grad_norm": 1.427298903465271,
3262
+ "learning_rate": 3.7006887914840324e-05,
3263
+ "loss": 0.0121,
3264
+ "step": 465
3265
+ },
3266
+ {
3267
+ "epoch": 0.848816029143898,
3268
+ "grad_norm": 2.7123031616210938,
3269
+ "learning_rate": 3.697557921102067e-05,
3270
+ "loss": 0.0099,
3271
+ "step": 466
3272
+ },
3273
+ {
3274
+ "epoch": 0.8506375227686703,
3275
+ "grad_norm": 0.1832200437784195,
3276
+ "learning_rate": 3.6944270507201e-05,
3277
+ "loss": 0.0016,
3278
+ "step": 467
3279
+ },
3280
+ {
3281
+ "epoch": 0.8524590163934426,
3282
+ "grad_norm": 0.05797650292515755,
3283
+ "learning_rate": 3.691296180338134e-05,
3284
+ "loss": 0.0017,
3285
+ "step": 468
3286
+ },
3287
+ {
3288
+ "epoch": 0.8542805100182149,
3289
+ "grad_norm": 11.710906028747559,
3290
+ "learning_rate": 3.6881653099561683e-05,
3291
+ "loss": 0.2383,
3292
+ "step": 469
3293
+ },
3294
+ {
3295
+ "epoch": 0.8561020036429873,
3296
+ "grad_norm": 0.06885645538568497,
3297
+ "learning_rate": 3.685034439574202e-05,
3298
+ "loss": 0.0019,
3299
+ "step": 470
3300
+ },
3301
+ {
3302
+ "epoch": 0.8579234972677595,
3303
+ "grad_norm": 0.06676291674375534,
3304
+ "learning_rate": 3.681903569192235e-05,
3305
+ "loss": 0.0019,
3306
+ "step": 471
3307
+ },
3308
+ {
3309
+ "epoch": 0.8597449908925319,
3310
+ "grad_norm": 1.3994064331054688,
3311
+ "learning_rate": 3.678772698810269e-05,
3312
+ "loss": 0.0091,
3313
+ "step": 472
3314
+ },
3315
+ {
3316
+ "epoch": 0.8615664845173042,
3317
+ "grad_norm": 0.18276052176952362,
3318
+ "learning_rate": 3.6756418284283036e-05,
3319
+ "loss": 0.0018,
3320
+ "step": 473
3321
+ },
3322
+ {
3323
+ "epoch": 0.8633879781420765,
3324
+ "grad_norm": 0.28978365659713745,
3325
+ "learning_rate": 3.672510958046337e-05,
3326
+ "loss": 0.0033,
3327
+ "step": 474
3328
+ },
3329
+ {
3330
+ "epoch": 0.8652094717668488,
3331
+ "grad_norm": 0.03744082152843475,
3332
+ "learning_rate": 3.6693800876643706e-05,
3333
+ "loss": 0.0013,
3334
+ "step": 475
3335
+ },
3336
+ {
3337
+ "epoch": 0.8670309653916212,
3338
+ "grad_norm": 2.398526906967163,
3339
+ "learning_rate": 3.666249217282405e-05,
3340
+ "loss": 0.0122,
3341
+ "step": 476
3342
+ },
3343
+ {
3344
+ "epoch": 0.8688524590163934,
3345
+ "grad_norm": 0.02406764030456543,
3346
+ "learning_rate": 3.663118346900439e-05,
3347
+ "loss": 0.0009,
3348
+ "step": 477
3349
+ },
3350
+ {
3351
+ "epoch": 0.8706739526411658,
3352
+ "grad_norm": 0.37078964710235596,
3353
+ "learning_rate": 3.659987476518472e-05,
3354
+ "loss": 0.0022,
3355
+ "step": 478
3356
+ },
3357
+ {
3358
+ "epoch": 0.8724954462659381,
3359
+ "grad_norm": 4.862973213195801,
3360
+ "learning_rate": 3.6568566061365065e-05,
3361
+ "loss": 0.0194,
3362
+ "step": 479
3363
+ },
3364
+ {
3365
+ "epoch": 0.8743169398907104,
3366
+ "grad_norm": 0.055899012833833694,
3367
+ "learning_rate": 3.65372573575454e-05,
3368
+ "loss": 0.0012,
3369
+ "step": 480
3370
+ },
3371
+ {
3372
+ "epoch": 0.8761384335154827,
3373
+ "grad_norm": 4.453655242919922,
3374
+ "learning_rate": 3.6505948653725734e-05,
3375
+ "loss": 0.1545,
3376
+ "step": 481
3377
+ },
3378
+ {
3379
+ "epoch": 0.8779599271402551,
3380
+ "grad_norm": 0.08148118853569031,
3381
+ "learning_rate": 3.647463994990607e-05,
3382
+ "loss": 0.0015,
3383
+ "step": 482
3384
+ },
3385
+ {
3386
+ "epoch": 0.8797814207650273,
3387
+ "grad_norm": 0.11519090086221695,
3388
+ "learning_rate": 3.644333124608642e-05,
3389
+ "loss": 0.0012,
3390
+ "step": 483
3391
+ },
3392
+ {
3393
+ "epoch": 0.8816029143897997,
3394
+ "grad_norm": 0.03914317488670349,
3395
+ "learning_rate": 3.641202254226675e-05,
3396
+ "loss": 0.0011,
3397
+ "step": 484
3398
+ },
3399
+ {
3400
+ "epoch": 0.8834244080145719,
3401
+ "grad_norm": 1.1666841506958008,
3402
+ "learning_rate": 3.638071383844709e-05,
3403
+ "loss": 0.2138,
3404
+ "step": 485
3405
+ },
3406
+ {
3407
+ "epoch": 0.8852459016393442,
3408
+ "grad_norm": 0.02257809415459633,
3409
+ "learning_rate": 3.634940513462743e-05,
3410
+ "loss": 0.0008,
3411
+ "step": 486
3412
+ },
3413
+ {
3414
+ "epoch": 0.8870673952641166,
3415
+ "grad_norm": 0.026867952197790146,
3416
+ "learning_rate": 3.631809643080777e-05,
3417
+ "loss": 0.001,
3418
+ "step": 487
3419
+ },
3420
+ {
3421
+ "epoch": 0.8888888888888888,
3422
+ "grad_norm": 0.03357498347759247,
3423
+ "learning_rate": 3.62867877269881e-05,
3424
+ "loss": 0.0012,
3425
+ "step": 488
3426
+ },
3427
+ {
3428
+ "epoch": 0.8907103825136612,
3429
+ "grad_norm": 3.916914701461792,
3430
+ "learning_rate": 3.625547902316844e-05,
3431
+ "loss": 0.1349,
3432
+ "step": 489
3433
+ },
3434
+ {
3435
+ "epoch": 0.8925318761384335,
3436
+ "grad_norm": 3.825364828109741,
3437
+ "learning_rate": 3.6224170319348784e-05,
3438
+ "loss": 0.0989,
3439
+ "step": 490
3440
+ },
3441
+ {
3442
+ "epoch": 0.8943533697632058,
3443
+ "grad_norm": 0.034188635647296906,
3444
+ "learning_rate": 3.6192861615529116e-05,
3445
+ "loss": 0.0011,
3446
+ "step": 491
3447
+ },
3448
+ {
3449
+ "epoch": 0.8961748633879781,
3450
+ "grad_norm": 6.912594318389893,
3451
+ "learning_rate": 3.6161552911709454e-05,
3452
+ "loss": 0.0512,
3453
+ "step": 492
3454
+ },
3455
+ {
3456
+ "epoch": 0.8979963570127505,
3457
+ "grad_norm": 3.054703712463379,
3458
+ "learning_rate": 3.61302442078898e-05,
3459
+ "loss": 0.0481,
3460
+ "step": 493
3461
+ },
3462
+ {
3463
+ "epoch": 0.8998178506375227,
3464
+ "grad_norm": 0.16723403334617615,
3465
+ "learning_rate": 3.609893550407013e-05,
3466
+ "loss": 0.0034,
3467
+ "step": 494
3468
+ },
3469
+ {
3470
+ "epoch": 0.9016393442622951,
3471
+ "grad_norm": 17.146343231201172,
3472
+ "learning_rate": 3.606762680025047e-05,
3473
+ "loss": 0.2352,
3474
+ "step": 495
3475
+ },
3476
+ {
3477
+ "epoch": 0.9034608378870674,
3478
+ "grad_norm": 4.063144207000732,
3479
+ "learning_rate": 3.603631809643081e-05,
3480
+ "loss": 0.0731,
3481
+ "step": 496
3482
+ },
3483
+ {
3484
+ "epoch": 0.9052823315118397,
3485
+ "grad_norm": 0.10850164294242859,
3486
+ "learning_rate": 3.600500939261115e-05,
3487
+ "loss": 0.0027,
3488
+ "step": 497
3489
+ },
3490
+ {
3491
+ "epoch": 0.907103825136612,
3492
+ "grad_norm": 0.18612350523471832,
3493
+ "learning_rate": 3.597370068879148e-05,
3494
+ "loss": 0.0035,
3495
+ "step": 498
3496
+ },
3497
+ {
3498
+ "epoch": 0.9089253187613844,
3499
+ "grad_norm": 0.1478041708469391,
3500
+ "learning_rate": 3.594239198497182e-05,
3501
+ "loss": 0.0032,
3502
+ "step": 499
3503
+ },
3504
+ {
3505
+ "epoch": 0.9107468123861566,
3506
+ "grad_norm": 0.07824063301086426,
3507
+ "learning_rate": 3.5911083281152166e-05,
3508
+ "loss": 0.002,
3509
+ "step": 500
3510
+ },
3511
+ {
3512
+ "epoch": 0.912568306010929,
3513
+ "grad_norm": 0.08944151550531387,
3514
+ "learning_rate": 3.58797745773325e-05,
3515
+ "loss": 0.0026,
3516
+ "step": 501
3517
+ },
3518
+ {
3519
+ "epoch": 0.9143897996357013,
3520
+ "grad_norm": 0.04674902930855751,
3521
+ "learning_rate": 3.5848465873512835e-05,
3522
+ "loss": 0.0015,
3523
+ "step": 502
3524
+ },
3525
+ {
3526
+ "epoch": 0.9162112932604736,
3527
+ "grad_norm": 0.038566358387470245,
3528
+ "learning_rate": 3.581715716969318e-05,
3529
+ "loss": 0.0013,
3530
+ "step": 503
3531
+ },
3532
+ {
3533
+ "epoch": 0.9180327868852459,
3534
+ "grad_norm": 5.497028350830078,
3535
+ "learning_rate": 3.578584846587352e-05,
3536
+ "loss": 0.2885,
3537
+ "step": 504
3538
+ },
3539
+ {
3540
+ "epoch": 0.9198542805100182,
3541
+ "grad_norm": 0.0487968772649765,
3542
+ "learning_rate": 3.575453976205385e-05,
3543
+ "loss": 0.0015,
3544
+ "step": 505
3545
+ },
3546
+ {
3547
+ "epoch": 0.9216757741347905,
3548
+ "grad_norm": 0.04053632542490959,
3549
+ "learning_rate": 3.572323105823419e-05,
3550
+ "loss": 0.0014,
3551
+ "step": 506
3552
+ },
3553
+ {
3554
+ "epoch": 0.9234972677595629,
3555
+ "grad_norm": 0.18789644539356232,
3556
+ "learning_rate": 3.569192235441453e-05,
3557
+ "loss": 0.003,
3558
+ "step": 507
3559
+ },
3560
+ {
3561
+ "epoch": 0.9253187613843351,
3562
+ "grad_norm": 0.161463662981987,
3563
+ "learning_rate": 3.5660613650594864e-05,
3564
+ "loss": 0.0028,
3565
+ "step": 508
3566
+ },
3567
+ {
3568
+ "epoch": 0.9271402550091075,
3569
+ "grad_norm": 0.05199124291539192,
3570
+ "learning_rate": 3.56293049467752e-05,
3571
+ "loss": 0.0017,
3572
+ "step": 509
3573
+ },
3574
+ {
3575
+ "epoch": 0.9289617486338798,
3576
+ "grad_norm": 0.035535071045160294,
3577
+ "learning_rate": 3.559799624295555e-05,
3578
+ "loss": 0.0013,
3579
+ "step": 510
3580
+ },
3581
+ {
3582
+ "epoch": 0.930783242258652,
3583
+ "grad_norm": 0.05581507459282875,
3584
+ "learning_rate": 3.556668753913588e-05,
3585
+ "loss": 0.0018,
3586
+ "step": 511
3587
+ },
3588
+ {
3589
+ "epoch": 0.9326047358834244,
3590
+ "grad_norm": 0.47275644540786743,
3591
+ "learning_rate": 3.553537883531622e-05,
3592
+ "loss": 0.004,
3593
+ "step": 512
3594
+ },
3595
+ {
3596
+ "epoch": 0.9344262295081968,
3597
+ "grad_norm": 0.0707859992980957,
3598
+ "learning_rate": 3.550407013149656e-05,
3599
+ "loss": 0.0015,
3600
+ "step": 513
3601
+ },
3602
+ {
3603
+ "epoch": 0.936247723132969,
3604
+ "grad_norm": 8.448419570922852,
3605
+ "learning_rate": 3.54727614276769e-05,
3606
+ "loss": 0.1712,
3607
+ "step": 514
3608
+ },
3609
+ {
3610
+ "epoch": 0.9380692167577414,
3611
+ "grad_norm": 2.0937178134918213,
3612
+ "learning_rate": 3.544145272385723e-05,
3613
+ "loss": 0.017,
3614
+ "step": 515
3615
+ },
3616
+ {
3617
+ "epoch": 0.9398907103825137,
3618
+ "grad_norm": 0.7188909649848938,
3619
+ "learning_rate": 3.541014402003757e-05,
3620
+ "loss": 0.0084,
3621
+ "step": 516
3622
+ },
3623
+ {
3624
+ "epoch": 0.941712204007286,
3625
+ "grad_norm": 0.07177567481994629,
3626
+ "learning_rate": 3.5378835316217914e-05,
3627
+ "loss": 0.0015,
3628
+ "step": 517
3629
+ },
3630
+ {
3631
+ "epoch": 0.9435336976320583,
3632
+ "grad_norm": 0.686763346195221,
3633
+ "learning_rate": 3.5347526612398246e-05,
3634
+ "loss": 0.0047,
3635
+ "step": 518
3636
+ },
3637
+ {
3638
+ "epoch": 0.9453551912568307,
3639
+ "grad_norm": 0.06569703668355942,
3640
+ "learning_rate": 3.5316217908578584e-05,
3641
+ "loss": 0.0016,
3642
+ "step": 519
3643
+ },
3644
+ {
3645
+ "epoch": 0.9471766848816029,
3646
+ "grad_norm": 0.024774452671408653,
3647
+ "learning_rate": 3.528490920475893e-05,
3648
+ "loss": 0.0009,
3649
+ "step": 520
3650
+ },
3651
+ {
3652
+ "epoch": 0.9489981785063752,
3653
+ "grad_norm": 0.03425534442067146,
3654
+ "learning_rate": 3.525360050093926e-05,
3655
+ "loss": 0.0011,
3656
+ "step": 521
3657
+ },
3658
+ {
3659
+ "epoch": 0.9508196721311475,
3660
+ "grad_norm": 0.03125905990600586,
3661
+ "learning_rate": 3.52222917971196e-05,
3662
+ "loss": 0.001,
3663
+ "step": 522
3664
+ },
3665
+ {
3666
+ "epoch": 0.9526411657559198,
3667
+ "grad_norm": 10.502355575561523,
3668
+ "learning_rate": 3.5190983093299936e-05,
3669
+ "loss": 0.2401,
3670
+ "step": 523
3671
+ },
3672
+ {
3673
+ "epoch": 0.9544626593806922,
3674
+ "grad_norm": 0.037440430372953415,
3675
+ "learning_rate": 3.515967438948028e-05,
3676
+ "loss": 0.0009,
3677
+ "step": 524
3678
+ },
3679
+ {
3680
+ "epoch": 0.9562841530054644,
3681
+ "grad_norm": 6.415884017944336,
3682
+ "learning_rate": 3.512836568566061e-05,
3683
+ "loss": 0.1531,
3684
+ "step": 525
3685
+ },
3686
+ {
3687
+ "epoch": 0.9581056466302368,
3688
+ "grad_norm": 0.03087371401488781,
3689
+ "learning_rate": 3.509705698184095e-05,
3690
+ "loss": 0.001,
3691
+ "step": 526
3692
+ },
3693
+ {
3694
+ "epoch": 0.9599271402550091,
3695
+ "grad_norm": 8.961065292358398,
3696
+ "learning_rate": 3.5065748278021296e-05,
3697
+ "loss": 0.0851,
3698
+ "step": 527
3699
+ },
3700
+ {
3701
+ "epoch": 0.9617486338797814,
3702
+ "grad_norm": 0.1427253782749176,
3703
+ "learning_rate": 3.503443957420163e-05,
3704
+ "loss": 0.0018,
3705
+ "step": 528
3706
+ },
3707
+ {
3708
+ "epoch": 0.9635701275045537,
3709
+ "grad_norm": 2.9051027297973633,
3710
+ "learning_rate": 3.5003130870381965e-05,
3711
+ "loss": 0.0202,
3712
+ "step": 529
3713
+ },
3714
+ {
3715
+ "epoch": 0.9653916211293261,
3716
+ "grad_norm": 1.785143494606018,
3717
+ "learning_rate": 3.497182216656231e-05,
3718
+ "loss": 0.191,
3719
+ "step": 530
3720
+ },
3721
+ {
3722
+ "epoch": 0.9672131147540983,
3723
+ "grad_norm": 0.08835508674383163,
3724
+ "learning_rate": 3.494051346274265e-05,
3725
+ "loss": 0.0012,
3726
+ "step": 531
3727
+ },
3728
+ {
3729
+ "epoch": 0.9690346083788707,
3730
+ "grad_norm": 3.4107658863067627,
3731
+ "learning_rate": 3.490920475892298e-05,
3732
+ "loss": 0.0126,
3733
+ "step": 532
3734
+ },
3735
+ {
3736
+ "epoch": 0.970856102003643,
3737
+ "grad_norm": 3.6474239826202393,
3738
+ "learning_rate": 3.487789605510332e-05,
3739
+ "loss": 0.1471,
3740
+ "step": 533
3741
+ },
3742
+ {
3743
+ "epoch": 0.9726775956284153,
3744
+ "grad_norm": 1.437477946281433,
3745
+ "learning_rate": 3.484658735128366e-05,
3746
+ "loss": 0.0089,
3747
+ "step": 534
3748
+ },
3749
+ {
3750
+ "epoch": 0.9744990892531876,
3751
+ "grad_norm": 0.03210463002324104,
3752
+ "learning_rate": 3.4815278647463994e-05,
3753
+ "loss": 0.001,
3754
+ "step": 535
3755
+ },
3756
+ {
3757
+ "epoch": 0.97632058287796,
3758
+ "grad_norm": 4.223978042602539,
3759
+ "learning_rate": 3.478396994364433e-05,
3760
+ "loss": 0.0222,
3761
+ "step": 536
3762
+ },
3763
+ {
3764
+ "epoch": 0.9781420765027322,
3765
+ "grad_norm": 0.0497698038816452,
3766
+ "learning_rate": 3.475266123982468e-05,
3767
+ "loss": 0.0016,
3768
+ "step": 537
3769
+ },
3770
+ {
3771
+ "epoch": 0.9799635701275046,
3772
+ "grad_norm": 7.607251167297363,
3773
+ "learning_rate": 3.472135253600501e-05,
3774
+ "loss": 0.0362,
3775
+ "step": 538
3776
+ },
3777
+ {
3778
+ "epoch": 0.9817850637522769,
3779
+ "grad_norm": 0.5749123692512512,
3780
+ "learning_rate": 3.4690043832185347e-05,
3781
+ "loss": 0.0097,
3782
+ "step": 539
3783
+ },
3784
+ {
3785
+ "epoch": 0.9836065573770492,
3786
+ "grad_norm": 0.22390051186084747,
3787
+ "learning_rate": 3.4658735128365685e-05,
3788
+ "loss": 0.0029,
3789
+ "step": 540
3790
+ },
3791
+ {
3792
+ "epoch": 0.9854280510018215,
3793
+ "grad_norm": 11.045784950256348,
3794
+ "learning_rate": 3.462742642454603e-05,
3795
+ "loss": 0.064,
3796
+ "step": 541
3797
+ },
3798
+ {
3799
+ "epoch": 0.9872495446265938,
3800
+ "grad_norm": 0.17796143889427185,
3801
+ "learning_rate": 3.459611772072636e-05,
3802
+ "loss": 0.0021,
3803
+ "step": 542
3804
+ },
3805
+ {
3806
+ "epoch": 0.9890710382513661,
3807
+ "grad_norm": 0.05928805470466614,
3808
+ "learning_rate": 3.45648090169067e-05,
3809
+ "loss": 0.0015,
3810
+ "step": 543
3811
+ },
3812
+ {
3813
+ "epoch": 0.9908925318761385,
3814
+ "grad_norm": 0.3007548451423645,
3815
+ "learning_rate": 3.4533500313087044e-05,
3816
+ "loss": 0.0031,
3817
+ "step": 544
3818
+ },
3819
+ {
3820
+ "epoch": 0.9927140255009107,
3821
+ "grad_norm": 0.2960835099220276,
3822
+ "learning_rate": 3.4502191609267375e-05,
3823
+ "loss": 0.003,
3824
+ "step": 545
3825
+ },
3826
+ {
3827
+ "epoch": 0.994535519125683,
3828
+ "grad_norm": 0.2534222900867462,
3829
+ "learning_rate": 3.4470882905447714e-05,
3830
+ "loss": 0.0022,
3831
+ "step": 546
3832
+ },
3833
+ {
3834
+ "epoch": 0.9963570127504554,
3835
+ "grad_norm": 9.211565971374512,
3836
+ "learning_rate": 3.443957420162806e-05,
3837
+ "loss": 0.0399,
3838
+ "step": 547
3839
+ },
3840
+ {
3841
+ "epoch": 0.9981785063752276,
3842
+ "grad_norm": 4.776447772979736,
3843
+ "learning_rate": 3.4408265497808397e-05,
3844
+ "loss": 0.0172,
3845
+ "step": 548
3846
+ },
3847
+ {
3848
+ "epoch": 1.0,
3849
+ "grad_norm": 8.753249168395996,
3850
+ "learning_rate": 3.437695679398873e-05,
3851
+ "loss": 0.1608,
3852
+ "step": 549
3853
+ },
3854
+ {
3855
+ "epoch": 1.0,
3856
+ "eval_accuracy": 0.988615664845173,
3857
+ "eval_loss": 0.04577361047267914,
3858
+ "eval_runtime": 72.6414,
3859
+ "eval_samples_per_second": 60.461,
3860
+ "eval_steps_per_second": 1.9,
3861
+ "step": 549
3862
+ }
3863
+ ],
3864
+ "logging_steps": 1,
3865
+ "max_steps": 1647,
3866
+ "num_input_tokens_seen": 0,
3867
+ "num_train_epochs": 3,
3868
+ "save_steps": 500,
3869
+ "stateful_callbacks": {
3870
+ "TrainerControl": {
3871
+ "args": {
3872
+ "should_epoch_stop": false,
3873
+ "should_evaluate": false,
3874
+ "should_log": false,
3875
+ "should_save": true,
3876
+ "should_training_stop": false
3877
+ },
3878
+ "attributes": {}
3879
+ }
3880
+ },
3881
+ "total_flos": 4622335020564480.0,
3882
+ "train_batch_size": 32,
3883
+ "trial_name": null,
3884
+ "trial_params": null
3885
+ }
checkpoint-549/training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:50f5fe9a2853b937262c43355fcde8b96817662f7f0b87c7a7fefbc2a4174b82
3
+ size 5176