🍻 cheers
Browse files- README.md +2 -1
- all_results.json +11 -11
- eval_results.json +6 -6
- runs/Apr14_21-54-08_6575159b613a/events.out.tfevents.1744669968.6575159b613a.962.1 +3 -0
- train_results.json +6 -6
- trainer_state.json +889 -278
README.md
CHANGED
|
@@ -3,6 +3,7 @@ library_name: transformers
|
|
| 3 |
license: apache-2.0
|
| 4 |
base_model: facebook/deit-base-distilled-patch16-224
|
| 5 |
tags:
|
|
|
|
| 6 |
- generated_from_trainer
|
| 7 |
metrics:
|
| 8 |
- accuracy
|
|
@@ -16,7 +17,7 @@ should probably proofread and complete it, then remove this comment. -->
|
|
| 16 |
|
| 17 |
# deit-ena24
|
| 18 |
|
| 19 |
-
This model is a fine-tuned version of [facebook/deit-base-distilled-patch16-224](https://huggingface.co/facebook/deit-base-distilled-patch16-224) on
|
| 20 |
It achieves the following results on the evaluation set:
|
| 21 |
- Loss: 0.0999
|
| 22 |
- Accuracy: 0.9763
|
|
|
|
| 3 |
license: apache-2.0
|
| 4 |
base_model: facebook/deit-base-distilled-patch16-224
|
| 5 |
tags:
|
| 6 |
+
- image-classification
|
| 7 |
- generated_from_trainer
|
| 8 |
metrics:
|
| 9 |
- accuracy
|
|
|
|
| 17 |
|
| 18 |
# deit-ena24
|
| 19 |
|
| 20 |
+
This model is a fine-tuned version of [facebook/deit-base-distilled-patch16-224](https://huggingface.co/facebook/deit-base-distilled-patch16-224) on the ena24 dataset.
|
| 21 |
It achieves the following results on the evaluation set:
|
| 22 |
- Loss: 0.0999
|
| 23 |
- Accuracy: 0.9763
|
all_results.json
CHANGED
|
@@ -1,13 +1,13 @@
|
|
| 1 |
{
|
| 2 |
-
"epoch":
|
| 3 |
-
"eval_accuracy": 0.
|
| 4 |
-
"eval_loss": 0.
|
| 5 |
-
"eval_runtime":
|
| 6 |
-
"eval_samples_per_second":
|
| 7 |
-
"eval_steps_per_second": 2.
|
| 8 |
-
"total_flos":
|
| 9 |
-
"train_loss": 0.
|
| 10 |
-
"train_runtime":
|
| 11 |
-
"train_samples_per_second": 5.
|
| 12 |
-
"train_steps_per_second": 0.
|
| 13 |
}
|
|
|
|
| 1 |
{
|
| 2 |
+
"epoch": 2.0,
|
| 3 |
+
"eval_accuracy": 0.9763358778625955,
|
| 4 |
+
"eval_loss": 0.09990814328193665,
|
| 5 |
+
"eval_runtime": 73.9296,
|
| 6 |
+
"eval_samples_per_second": 17.72,
|
| 7 |
+
"eval_steps_per_second": 2.218,
|
| 8 |
+
"total_flos": 9.520992752534323e+17,
|
| 9 |
+
"train_loss": 0.37781994496223587,
|
| 10 |
+
"train_runtime": 2217.5006,
|
| 11 |
+
"train_samples_per_second": 5.54,
|
| 12 |
+
"train_steps_per_second": 0.693
|
| 13 |
}
|
eval_results.json
CHANGED
|
@@ -1,8 +1,8 @@
|
|
| 1 |
{
|
| 2 |
-
"epoch":
|
| 3 |
-
"eval_accuracy": 0.
|
| 4 |
-
"eval_loss": 0.
|
| 5 |
-
"eval_runtime":
|
| 6 |
-
"eval_samples_per_second":
|
| 7 |
-
"eval_steps_per_second": 2.
|
| 8 |
}
|
|
|
|
| 1 |
{
|
| 2 |
+
"epoch": 2.0,
|
| 3 |
+
"eval_accuracy": 0.9763358778625955,
|
| 4 |
+
"eval_loss": 0.09990814328193665,
|
| 5 |
+
"eval_runtime": 73.9296,
|
| 6 |
+
"eval_samples_per_second": 17.72,
|
| 7 |
+
"eval_steps_per_second": 2.218
|
| 8 |
}
|
runs/Apr14_21-54-08_6575159b613a/events.out.tfevents.1744669968.6575159b613a.962.1
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:b19e21154dfc7cbe336cdff02e37fd6175a03b3b57d95f99c7d256c9aefda4eb
|
| 3 |
+
size 411
|
train_results.json
CHANGED
|
@@ -1,8 +1,8 @@
|
|
| 1 |
{
|
| 2 |
-
"epoch":
|
| 3 |
-
"total_flos":
|
| 4 |
-
"train_loss": 0.
|
| 5 |
-
"train_runtime":
|
| 6 |
-
"train_samples_per_second": 5.
|
| 7 |
-
"train_steps_per_second": 0.
|
| 8 |
}
|
|
|
|
| 1 |
{
|
| 2 |
+
"epoch": 2.0,
|
| 3 |
+
"total_flos": 9.520992752534323e+17,
|
| 4 |
+
"train_loss": 0.37781994496223587,
|
| 5 |
+
"train_runtime": 2217.5006,
|
| 6 |
+
"train_samples_per_second": 5.54,
|
| 7 |
+
"train_steps_per_second": 0.693
|
| 8 |
}
|
trainer_state.json
CHANGED
|
@@ -1,623 +1,1234 @@
|
|
| 1 |
{
|
| 2 |
-
"best_global_step":
|
| 3 |
-
"best_metric": 0.
|
| 4 |
-
"best_model_checkpoint": "./deit-ena24/checkpoint-
|
| 5 |
-
"epoch":
|
| 6 |
"eval_steps": 100,
|
| 7 |
-
"global_step":
|
| 8 |
"is_hyper_param_search": false,
|
| 9 |
"is_local_process_zero": true,
|
| 10 |
"is_world_process_zero": true,
|
| 11 |
"log_history": [
|
| 12 |
{
|
| 13 |
"epoch": 0.013020833333333334,
|
| 14 |
-
"grad_norm":
|
| 15 |
-
"learning_rate": 0.
|
| 16 |
-
"loss": 2.
|
| 17 |
"step": 10
|
| 18 |
},
|
| 19 |
{
|
| 20 |
"epoch": 0.026041666666666668,
|
| 21 |
-
"grad_norm": 9.
|
| 22 |
-
"learning_rate": 0.
|
| 23 |
-
"loss": 2.
|
| 24 |
"step": 20
|
| 25 |
},
|
| 26 |
{
|
| 27 |
"epoch": 0.0390625,
|
| 28 |
-
"grad_norm":
|
| 29 |
-
"learning_rate": 0.
|
| 30 |
-
"loss": 2.
|
| 31 |
"step": 30
|
| 32 |
},
|
| 33 |
{
|
| 34 |
"epoch": 0.052083333333333336,
|
| 35 |
-
"grad_norm":
|
| 36 |
-
"learning_rate": 0.
|
| 37 |
-
"loss": 1.
|
| 38 |
"step": 40
|
| 39 |
},
|
| 40 |
{
|
| 41 |
"epoch": 0.06510416666666667,
|
| 42 |
-
"grad_norm":
|
| 43 |
-
"learning_rate": 0.
|
| 44 |
-
"loss": 1.
|
| 45 |
"step": 50
|
| 46 |
},
|
| 47 |
{
|
| 48 |
"epoch": 0.078125,
|
| 49 |
-
"grad_norm":
|
| 50 |
-
"learning_rate": 0.
|
| 51 |
-
"loss": 1.
|
| 52 |
"step": 60
|
| 53 |
},
|
| 54 |
{
|
| 55 |
"epoch": 0.09114583333333333,
|
| 56 |
-
"grad_norm":
|
| 57 |
-
"learning_rate": 0.
|
| 58 |
-
"loss": 1.
|
| 59 |
"step": 70
|
| 60 |
},
|
| 61 |
{
|
| 62 |
"epoch": 0.10416666666666667,
|
| 63 |
-
"grad_norm":
|
| 64 |
-
"learning_rate": 0.
|
| 65 |
-
"loss":
|
| 66 |
"step": 80
|
| 67 |
},
|
| 68 |
{
|
| 69 |
"epoch": 0.1171875,
|
| 70 |
-
"grad_norm": 11.
|
| 71 |
-
"learning_rate": 0.
|
| 72 |
-
"loss": 1.
|
| 73 |
"step": 90
|
| 74 |
},
|
| 75 |
{
|
| 76 |
"epoch": 0.13020833333333334,
|
| 77 |
-
"grad_norm":
|
| 78 |
-
"learning_rate": 0.
|
| 79 |
-
"loss": 1.
|
| 80 |
"step": 100
|
| 81 |
},
|
| 82 |
{
|
| 83 |
"epoch": 0.13020833333333334,
|
| 84 |
-
"eval_accuracy": 0.
|
| 85 |
-
"eval_loss": 0.
|
| 86 |
-
"eval_runtime":
|
| 87 |
-
"eval_samples_per_second": 15.
|
| 88 |
-
"eval_steps_per_second": 1.
|
| 89 |
"step": 100
|
| 90 |
},
|
| 91 |
{
|
| 92 |
"epoch": 0.14322916666666666,
|
| 93 |
-
"grad_norm":
|
| 94 |
-
"learning_rate": 0.
|
| 95 |
-
"loss": 0.
|
| 96 |
"step": 110
|
| 97 |
},
|
| 98 |
{
|
| 99 |
"epoch": 0.15625,
|
| 100 |
-
"grad_norm": 5.
|
| 101 |
-
"learning_rate": 0.
|
| 102 |
-
"loss": 0.
|
| 103 |
"step": 120
|
| 104 |
},
|
| 105 |
{
|
| 106 |
"epoch": 0.16927083333333334,
|
| 107 |
-
"grad_norm":
|
| 108 |
-
"learning_rate": 0.
|
| 109 |
-
"loss": 1.
|
| 110 |
"step": 130
|
| 111 |
},
|
| 112 |
{
|
| 113 |
"epoch": 0.18229166666666666,
|
| 114 |
-
"grad_norm": 8.
|
| 115 |
-
"learning_rate": 0.
|
| 116 |
-
"loss":
|
| 117 |
"step": 140
|
| 118 |
},
|
| 119 |
{
|
| 120 |
"epoch": 0.1953125,
|
| 121 |
-
"grad_norm":
|
| 122 |
-
"learning_rate": 0.
|
| 123 |
-
"loss": 0.
|
| 124 |
"step": 150
|
| 125 |
},
|
| 126 |
{
|
| 127 |
"epoch": 0.20833333333333334,
|
| 128 |
-
"grad_norm": 7.
|
| 129 |
-
"learning_rate": 0.
|
| 130 |
-
"loss": 1.
|
| 131 |
"step": 160
|
| 132 |
},
|
| 133 |
{
|
| 134 |
"epoch": 0.22135416666666666,
|
| 135 |
-
"grad_norm":
|
| 136 |
-
"learning_rate": 0.
|
| 137 |
-
"loss":
|
| 138 |
"step": 170
|
| 139 |
},
|
| 140 |
{
|
| 141 |
"epoch": 0.234375,
|
| 142 |
-
"grad_norm":
|
| 143 |
-
"learning_rate": 0.
|
| 144 |
-
"loss": 0.
|
| 145 |
"step": 180
|
| 146 |
},
|
| 147 |
{
|
| 148 |
"epoch": 0.24739583333333334,
|
| 149 |
-
"grad_norm": 11.
|
| 150 |
-
"learning_rate": 0.
|
| 151 |
-
"loss": 0.
|
| 152 |
"step": 190
|
| 153 |
},
|
| 154 |
{
|
| 155 |
"epoch": 0.2604166666666667,
|
| 156 |
-
"grad_norm":
|
| 157 |
-
"learning_rate": 0.
|
| 158 |
-
"loss": 0.
|
| 159 |
"step": 200
|
| 160 |
},
|
| 161 |
{
|
| 162 |
"epoch": 0.2604166666666667,
|
| 163 |
-
"eval_accuracy": 0.
|
| 164 |
-
"eval_loss": 0.
|
| 165 |
-
"eval_runtime":
|
| 166 |
-
"eval_samples_per_second": 17.
|
| 167 |
-
"eval_steps_per_second": 2.
|
| 168 |
"step": 200
|
| 169 |
},
|
| 170 |
{
|
| 171 |
"epoch": 0.2734375,
|
| 172 |
-
"grad_norm":
|
| 173 |
-
"learning_rate": 0.
|
| 174 |
-
"loss": 0.
|
| 175 |
"step": 210
|
| 176 |
},
|
| 177 |
{
|
| 178 |
"epoch": 0.2864583333333333,
|
| 179 |
-
"grad_norm":
|
| 180 |
-
"learning_rate": 0.
|
| 181 |
-
"loss": 0.
|
| 182 |
"step": 220
|
| 183 |
},
|
| 184 |
{
|
| 185 |
"epoch": 0.2994791666666667,
|
| 186 |
-
"grad_norm": 7.
|
| 187 |
-
"learning_rate": 0.
|
| 188 |
-
"loss": 0.
|
| 189 |
"step": 230
|
| 190 |
},
|
| 191 |
{
|
| 192 |
"epoch": 0.3125,
|
| 193 |
-
"grad_norm":
|
| 194 |
-
"learning_rate": 0.
|
| 195 |
-
"loss": 0.
|
| 196 |
"step": 240
|
| 197 |
},
|
| 198 |
{
|
| 199 |
"epoch": 0.3255208333333333,
|
| 200 |
-
"grad_norm":
|
| 201 |
-
"learning_rate": 0.
|
| 202 |
-
"loss": 0.
|
| 203 |
"step": 250
|
| 204 |
},
|
| 205 |
{
|
| 206 |
"epoch": 0.3385416666666667,
|
| 207 |
-
"grad_norm":
|
| 208 |
-
"learning_rate": 0.
|
| 209 |
-
"loss": 0.
|
| 210 |
"step": 260
|
| 211 |
},
|
| 212 |
{
|
| 213 |
"epoch": 0.3515625,
|
| 214 |
-
"grad_norm": 4.
|
| 215 |
-
"learning_rate": 0.
|
| 216 |
-
"loss": 0.
|
| 217 |
"step": 270
|
| 218 |
},
|
| 219 |
{
|
| 220 |
"epoch": 0.3645833333333333,
|
| 221 |
-
"grad_norm":
|
| 222 |
-
"learning_rate": 0.
|
| 223 |
-
"loss": 0.
|
| 224 |
"step": 280
|
| 225 |
},
|
| 226 |
{
|
| 227 |
"epoch": 0.3776041666666667,
|
| 228 |
-
"grad_norm":
|
| 229 |
-
"learning_rate": 0.
|
| 230 |
-
"loss": 0.
|
| 231 |
"step": 290
|
| 232 |
},
|
| 233 |
{
|
| 234 |
"epoch": 0.390625,
|
| 235 |
-
"grad_norm":
|
| 236 |
-
"learning_rate": 0.
|
| 237 |
-
"loss": 0.
|
| 238 |
"step": 300
|
| 239 |
},
|
| 240 |
{
|
| 241 |
"epoch": 0.390625,
|
| 242 |
-
"eval_accuracy": 0.
|
| 243 |
-
"eval_loss": 0.
|
| 244 |
-
"eval_runtime":
|
| 245 |
-
"eval_samples_per_second": 17.
|
| 246 |
-
"eval_steps_per_second": 2.
|
| 247 |
"step": 300
|
| 248 |
},
|
| 249 |
{
|
| 250 |
"epoch": 0.4036458333333333,
|
| 251 |
-
"grad_norm":
|
| 252 |
-
"learning_rate": 0.
|
| 253 |
-
"loss": 0.
|
| 254 |
"step": 310
|
| 255 |
},
|
| 256 |
{
|
| 257 |
"epoch": 0.4166666666666667,
|
| 258 |
-
"grad_norm":
|
| 259 |
-
"learning_rate": 0.
|
| 260 |
-
"loss": 0.
|
| 261 |
"step": 320
|
| 262 |
},
|
| 263 |
{
|
| 264 |
"epoch": 0.4296875,
|
| 265 |
-
"grad_norm": 7.
|
| 266 |
-
"learning_rate": 0.
|
| 267 |
-
"loss": 0.
|
| 268 |
"step": 330
|
| 269 |
},
|
| 270 |
{
|
| 271 |
"epoch": 0.4427083333333333,
|
| 272 |
-
"grad_norm":
|
| 273 |
-
"learning_rate": 0.
|
| 274 |
-
"loss": 0.
|
| 275 |
"step": 340
|
| 276 |
},
|
| 277 |
{
|
| 278 |
"epoch": 0.4557291666666667,
|
| 279 |
-
"grad_norm":
|
| 280 |
-
"learning_rate": 0.
|
| 281 |
-
"loss": 0.
|
| 282 |
"step": 350
|
| 283 |
},
|
| 284 |
{
|
| 285 |
"epoch": 0.46875,
|
| 286 |
-
"grad_norm":
|
| 287 |
-
"learning_rate": 0.
|
| 288 |
-
"loss": 0.
|
| 289 |
"step": 360
|
| 290 |
},
|
| 291 |
{
|
| 292 |
"epoch": 0.4817708333333333,
|
| 293 |
-
"grad_norm": 12.
|
| 294 |
-
"learning_rate": 0.
|
| 295 |
-
"loss": 0.
|
| 296 |
"step": 370
|
| 297 |
},
|
| 298 |
{
|
| 299 |
"epoch": 0.4947916666666667,
|
| 300 |
-
"grad_norm":
|
| 301 |
-
"learning_rate": 0.
|
| 302 |
-
"loss": 0.
|
| 303 |
"step": 380
|
| 304 |
},
|
| 305 |
{
|
| 306 |
"epoch": 0.5078125,
|
| 307 |
-
"grad_norm":
|
| 308 |
-
"learning_rate":
|
| 309 |
-
"loss": 0.
|
| 310 |
"step": 390
|
| 311 |
},
|
| 312 |
{
|
| 313 |
"epoch": 0.5208333333333334,
|
| 314 |
-
"grad_norm":
|
| 315 |
-
"learning_rate":
|
| 316 |
-
"loss": 0.
|
| 317 |
"step": 400
|
| 318 |
},
|
| 319 |
{
|
| 320 |
"epoch": 0.5208333333333334,
|
| 321 |
-
"eval_accuracy": 0.
|
| 322 |
-
"eval_loss": 0.
|
| 323 |
-
"eval_runtime":
|
| 324 |
-
"eval_samples_per_second":
|
| 325 |
-
"eval_steps_per_second": 2.
|
| 326 |
"step": 400
|
| 327 |
},
|
| 328 |
{
|
| 329 |
"epoch": 0.5338541666666666,
|
| 330 |
-
"grad_norm":
|
| 331 |
-
"learning_rate":
|
| 332 |
-
"loss": 0.
|
| 333 |
"step": 410
|
| 334 |
},
|
| 335 |
{
|
| 336 |
"epoch": 0.546875,
|
| 337 |
-
"grad_norm":
|
| 338 |
-
"learning_rate":
|
| 339 |
-
"loss": 0.
|
| 340 |
"step": 420
|
| 341 |
},
|
| 342 |
{
|
| 343 |
"epoch": 0.5598958333333334,
|
| 344 |
-
"grad_norm":
|
| 345 |
-
"learning_rate":
|
| 346 |
-
"loss": 0.
|
| 347 |
"step": 430
|
| 348 |
},
|
| 349 |
{
|
| 350 |
"epoch": 0.5729166666666666,
|
| 351 |
-
"grad_norm":
|
| 352 |
-
"learning_rate":
|
| 353 |
-
"loss": 0.
|
| 354 |
"step": 440
|
| 355 |
},
|
| 356 |
{
|
| 357 |
"epoch": 0.5859375,
|
| 358 |
-
"grad_norm":
|
| 359 |
-
"learning_rate":
|
| 360 |
-
"loss": 0.
|
| 361 |
"step": 450
|
| 362 |
},
|
| 363 |
{
|
| 364 |
"epoch": 0.5989583333333334,
|
| 365 |
-
"grad_norm":
|
| 366 |
-
"learning_rate":
|
| 367 |
-
"loss": 0.
|
| 368 |
"step": 460
|
| 369 |
},
|
| 370 |
{
|
| 371 |
"epoch": 0.6119791666666666,
|
| 372 |
-
"grad_norm":
|
| 373 |
-
"learning_rate":
|
| 374 |
-
"loss": 0.
|
| 375 |
"step": 470
|
| 376 |
},
|
| 377 |
{
|
| 378 |
"epoch": 0.625,
|
| 379 |
-
"grad_norm": 5.
|
| 380 |
-
"learning_rate":
|
| 381 |
-
"loss": 0.
|
| 382 |
"step": 480
|
| 383 |
},
|
| 384 |
{
|
| 385 |
"epoch": 0.6380208333333334,
|
| 386 |
-
"grad_norm":
|
| 387 |
-
"learning_rate":
|
| 388 |
-
"loss": 0.
|
| 389 |
"step": 490
|
| 390 |
},
|
| 391 |
{
|
| 392 |
"epoch": 0.6510416666666666,
|
| 393 |
-
"grad_norm":
|
| 394 |
-
"learning_rate":
|
| 395 |
-
"loss": 0.
|
| 396 |
"step": 500
|
| 397 |
},
|
| 398 |
{
|
| 399 |
"epoch": 0.6510416666666666,
|
| 400 |
-
"eval_accuracy": 0.
|
| 401 |
-
"eval_loss": 0.
|
| 402 |
-
"eval_runtime":
|
| 403 |
-
"eval_samples_per_second": 17.
|
| 404 |
-
"eval_steps_per_second": 2.
|
| 405 |
"step": 500
|
| 406 |
},
|
| 407 |
{
|
| 408 |
"epoch": 0.6640625,
|
| 409 |
-
"grad_norm":
|
| 410 |
-
"learning_rate":
|
| 411 |
-
"loss": 0.
|
| 412 |
"step": 510
|
| 413 |
},
|
| 414 |
{
|
| 415 |
"epoch": 0.6770833333333334,
|
| 416 |
-
"grad_norm":
|
| 417 |
-
"learning_rate":
|
| 418 |
-
"loss": 0.
|
| 419 |
"step": 520
|
| 420 |
},
|
| 421 |
{
|
| 422 |
"epoch": 0.6901041666666666,
|
| 423 |
-
"grad_norm":
|
| 424 |
-
"learning_rate":
|
| 425 |
-
"loss": 0.
|
| 426 |
"step": 530
|
| 427 |
},
|
| 428 |
{
|
| 429 |
"epoch": 0.703125,
|
| 430 |
-
"grad_norm":
|
| 431 |
-
"learning_rate":
|
| 432 |
-
"loss": 0.
|
| 433 |
"step": 540
|
| 434 |
},
|
| 435 |
{
|
| 436 |
"epoch": 0.7161458333333334,
|
| 437 |
-
"grad_norm":
|
| 438 |
-
"learning_rate":
|
| 439 |
-
"loss": 0.
|
| 440 |
"step": 550
|
| 441 |
},
|
| 442 |
{
|
| 443 |
"epoch": 0.7291666666666666,
|
| 444 |
-
"grad_norm":
|
| 445 |
-
"learning_rate":
|
| 446 |
-
"loss": 0.
|
| 447 |
"step": 560
|
| 448 |
},
|
| 449 |
{
|
| 450 |
"epoch": 0.7421875,
|
| 451 |
-
"grad_norm":
|
| 452 |
-
"learning_rate":
|
| 453 |
-
"loss": 0.
|
| 454 |
"step": 570
|
| 455 |
},
|
| 456 |
{
|
| 457 |
"epoch": 0.7552083333333334,
|
| 458 |
-
"grad_norm":
|
| 459 |
-
"learning_rate":
|
| 460 |
-
"loss": 0.
|
| 461 |
"step": 580
|
| 462 |
},
|
| 463 |
{
|
| 464 |
"epoch": 0.7682291666666666,
|
| 465 |
-
"grad_norm":
|
| 466 |
-
"learning_rate":
|
| 467 |
-
"loss": 0.
|
| 468 |
"step": 590
|
| 469 |
},
|
| 470 |
{
|
| 471 |
"epoch": 0.78125,
|
| 472 |
-
"grad_norm":
|
| 473 |
-
"learning_rate":
|
| 474 |
-
"loss": 0.
|
| 475 |
"step": 600
|
| 476 |
},
|
| 477 |
{
|
| 478 |
"epoch": 0.78125,
|
| 479 |
-
"eval_accuracy": 0.
|
| 480 |
-
"eval_loss": 0.
|
| 481 |
-
"eval_runtime":
|
| 482 |
-
"eval_samples_per_second": 17.
|
| 483 |
-
"eval_steps_per_second": 2.
|
| 484 |
"step": 600
|
| 485 |
},
|
| 486 |
{
|
| 487 |
"epoch": 0.7942708333333334,
|
| 488 |
-
"grad_norm":
|
| 489 |
-
"learning_rate":
|
| 490 |
-
"loss": 0.
|
| 491 |
"step": 610
|
| 492 |
},
|
| 493 |
{
|
| 494 |
"epoch": 0.8072916666666666,
|
| 495 |
-
"grad_norm":
|
| 496 |
-
"learning_rate":
|
| 497 |
-
"loss": 0.
|
| 498 |
"step": 620
|
| 499 |
},
|
| 500 |
{
|
| 501 |
"epoch": 0.8203125,
|
| 502 |
-
"grad_norm":
|
| 503 |
-
"learning_rate":
|
| 504 |
-
"loss": 0.
|
| 505 |
"step": 630
|
| 506 |
},
|
| 507 |
{
|
| 508 |
"epoch": 0.8333333333333334,
|
| 509 |
-
"grad_norm":
|
| 510 |
-
"learning_rate":
|
| 511 |
-
"loss": 0.
|
| 512 |
"step": 640
|
| 513 |
},
|
| 514 |
{
|
| 515 |
"epoch": 0.8463541666666666,
|
| 516 |
-
"grad_norm":
|
| 517 |
-
"learning_rate":
|
| 518 |
-
"loss": 0.
|
| 519 |
"step": 650
|
| 520 |
},
|
| 521 |
{
|
| 522 |
"epoch": 0.859375,
|
| 523 |
-
"grad_norm":
|
| 524 |
-
"learning_rate":
|
| 525 |
-
"loss": 0.
|
| 526 |
"step": 660
|
| 527 |
},
|
| 528 |
{
|
| 529 |
"epoch": 0.8723958333333334,
|
| 530 |
-
"grad_norm":
|
| 531 |
-
"learning_rate":
|
| 532 |
-
"loss": 0.
|
| 533 |
"step": 670
|
| 534 |
},
|
| 535 |
{
|
| 536 |
"epoch": 0.8854166666666666,
|
| 537 |
-
"grad_norm":
|
| 538 |
-
"learning_rate":
|
| 539 |
-
"loss": 0.
|
| 540 |
"step": 680
|
| 541 |
},
|
| 542 |
{
|
| 543 |
"epoch": 0.8984375,
|
| 544 |
-
"grad_norm":
|
| 545 |
-
"learning_rate":
|
| 546 |
-
"loss": 0.
|
| 547 |
"step": 690
|
| 548 |
},
|
| 549 |
{
|
| 550 |
"epoch": 0.9114583333333334,
|
| 551 |
-
"grad_norm":
|
| 552 |
-
"learning_rate":
|
| 553 |
-
"loss": 0.
|
| 554 |
"step": 700
|
| 555 |
},
|
| 556 |
{
|
| 557 |
"epoch": 0.9114583333333334,
|
| 558 |
-
"eval_accuracy": 0.
|
| 559 |
-
"eval_loss": 0.
|
| 560 |
-
"eval_runtime":
|
| 561 |
-
"eval_samples_per_second": 17.
|
| 562 |
-
"eval_steps_per_second": 2.
|
| 563 |
"step": 700
|
| 564 |
},
|
| 565 |
{
|
| 566 |
"epoch": 0.9244791666666666,
|
| 567 |
-
"grad_norm":
|
| 568 |
-
"learning_rate":
|
| 569 |
-
"loss": 0.
|
| 570 |
"step": 710
|
| 571 |
},
|
| 572 |
{
|
| 573 |
"epoch": 0.9375,
|
| 574 |
-
"grad_norm":
|
| 575 |
-
"learning_rate":
|
| 576 |
-
"loss": 0.
|
| 577 |
"step": 720
|
| 578 |
},
|
| 579 |
{
|
| 580 |
"epoch": 0.9505208333333334,
|
| 581 |
-
"grad_norm":
|
| 582 |
-
"learning_rate":
|
| 583 |
-
"loss": 0.
|
| 584 |
"step": 730
|
| 585 |
},
|
| 586 |
{
|
| 587 |
"epoch": 0.9635416666666666,
|
| 588 |
-
"grad_norm":
|
| 589 |
-
"learning_rate":
|
| 590 |
-
"loss": 0.
|
| 591 |
"step": 740
|
| 592 |
},
|
| 593 |
{
|
| 594 |
"epoch": 0.9765625,
|
| 595 |
-
"grad_norm":
|
| 596 |
-
"learning_rate":
|
| 597 |
-
"loss": 0.
|
| 598 |
"step": 750
|
| 599 |
},
|
| 600 |
{
|
| 601 |
"epoch": 0.9895833333333334,
|
| 602 |
-
"grad_norm": 6.
|
| 603 |
-
"learning_rate":
|
| 604 |
-
"loss": 0.
|
| 605 |
"step": 760
|
| 606 |
},
|
| 607 |
{
|
| 608 |
-
"epoch": 1.
|
| 609 |
-
"
|
| 610 |
-
"
|
| 611 |
-
"
|
| 612 |
-
"
|
| 613 |
-
|
| 614 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 615 |
}
|
| 616 |
],
|
| 617 |
"logging_steps": 10,
|
| 618 |
-
"max_steps":
|
| 619 |
"num_input_tokens_seen": 0,
|
| 620 |
-
"num_train_epochs":
|
| 621 |
"save_steps": 100,
|
| 622 |
"stateful_callbacks": {
|
| 623 |
"TrainerControl": {
|
|
@@ -631,7 +1242,7 @@
|
|
| 631 |
"attributes": {}
|
| 632 |
}
|
| 633 |
},
|
| 634 |
-
"total_flos":
|
| 635 |
"train_batch_size": 8,
|
| 636 |
"trial_name": null,
|
| 637 |
"trial_params": null
|
|
|
|
| 1 |
{
|
| 2 |
+
"best_global_step": 1500,
|
| 3 |
+
"best_metric": 0.09990814328193665,
|
| 4 |
+
"best_model_checkpoint": "./deit-ena24/checkpoint-1500",
|
| 5 |
+
"epoch": 2.0,
|
| 6 |
"eval_steps": 100,
|
| 7 |
+
"global_step": 1536,
|
| 8 |
"is_hyper_param_search": false,
|
| 9 |
"is_local_process_zero": true,
|
| 10 |
"is_world_process_zero": true,
|
| 11 |
"log_history": [
|
| 12 |
{
|
| 13 |
"epoch": 0.013020833333333334,
|
| 14 |
+
"grad_norm": 14.254265785217285,
|
| 15 |
+
"learning_rate": 0.000198828125,
|
| 16 |
+
"loss": 2.9884,
|
| 17 |
"step": 10
|
| 18 |
},
|
| 19 |
{
|
| 20 |
"epoch": 0.026041666666666668,
|
| 21 |
+
"grad_norm": 9.068739891052246,
|
| 22 |
+
"learning_rate": 0.00019752604166666668,
|
| 23 |
+
"loss": 2.4096,
|
| 24 |
"step": 20
|
| 25 |
},
|
| 26 |
{
|
| 27 |
"epoch": 0.0390625,
|
| 28 |
+
"grad_norm": 13.04211139678955,
|
| 29 |
+
"learning_rate": 0.00019635416666666667,
|
| 30 |
+
"loss": 2.0258,
|
| 31 |
"step": 30
|
| 32 |
},
|
| 33 |
{
|
| 34 |
"epoch": 0.052083333333333336,
|
| 35 |
+
"grad_norm": 10.427019119262695,
|
| 36 |
+
"learning_rate": 0.00019505208333333335,
|
| 37 |
+
"loss": 1.8002,
|
| 38 |
"step": 40
|
| 39 |
},
|
| 40 |
{
|
| 41 |
"epoch": 0.06510416666666667,
|
| 42 |
+
"grad_norm": 14.92846965789795,
|
| 43 |
+
"learning_rate": 0.00019375000000000002,
|
| 44 |
+
"loss": 1.4203,
|
| 45 |
"step": 50
|
| 46 |
},
|
| 47 |
{
|
| 48 |
"epoch": 0.078125,
|
| 49 |
+
"grad_norm": 13.101774215698242,
|
| 50 |
+
"learning_rate": 0.00019257812500000001,
|
| 51 |
+
"loss": 1.333,
|
| 52 |
"step": 60
|
| 53 |
},
|
| 54 |
{
|
| 55 |
"epoch": 0.09114583333333333,
|
| 56 |
+
"grad_norm": 11.586206436157227,
|
| 57 |
+
"learning_rate": 0.0001912760416666667,
|
| 58 |
+
"loss": 1.4012,
|
| 59 |
"step": 70
|
| 60 |
},
|
| 61 |
{
|
| 62 |
"epoch": 0.10416666666666667,
|
| 63 |
+
"grad_norm": 10.456829071044922,
|
| 64 |
+
"learning_rate": 0.00018997395833333334,
|
| 65 |
+
"loss": 0.9635,
|
| 66 |
"step": 80
|
| 67 |
},
|
| 68 |
{
|
| 69 |
"epoch": 0.1171875,
|
| 70 |
+
"grad_norm": 11.61454963684082,
|
| 71 |
+
"learning_rate": 0.000188671875,
|
| 72 |
+
"loss": 1.0177,
|
| 73 |
"step": 90
|
| 74 |
},
|
| 75 |
{
|
| 76 |
"epoch": 0.13020833333333334,
|
| 77 |
+
"grad_norm": 13.899850845336914,
|
| 78 |
+
"learning_rate": 0.00018736979166666668,
|
| 79 |
+
"loss": 1.2545,
|
| 80 |
"step": 100
|
| 81 |
},
|
| 82 |
{
|
| 83 |
"epoch": 0.13020833333333334,
|
| 84 |
+
"eval_accuracy": 0.7122137404580152,
|
| 85 |
+
"eval_loss": 0.9921107888221741,
|
| 86 |
+
"eval_runtime": 85.2392,
|
| 87 |
+
"eval_samples_per_second": 15.369,
|
| 88 |
+
"eval_steps_per_second": 1.924,
|
| 89 |
"step": 100
|
| 90 |
},
|
| 91 |
{
|
| 92 |
"epoch": 0.14322916666666666,
|
| 93 |
+
"grad_norm": 5.766229629516602,
|
| 94 |
+
"learning_rate": 0.00018606770833333333,
|
| 95 |
+
"loss": 0.9139,
|
| 96 |
"step": 110
|
| 97 |
},
|
| 98 |
{
|
| 99 |
"epoch": 0.15625,
|
| 100 |
+
"grad_norm": 5.574714183807373,
|
| 101 |
+
"learning_rate": 0.000184765625,
|
| 102 |
+
"loss": 0.9618,
|
| 103 |
"step": 120
|
| 104 |
},
|
| 105 |
{
|
| 106 |
"epoch": 0.16927083333333334,
|
| 107 |
+
"grad_norm": 13.56793212890625,
|
| 108 |
+
"learning_rate": 0.00018346354166666668,
|
| 109 |
+
"loss": 1.1131,
|
| 110 |
"step": 130
|
| 111 |
},
|
| 112 |
{
|
| 113 |
"epoch": 0.18229166666666666,
|
| 114 |
+
"grad_norm": 8.038383483886719,
|
| 115 |
+
"learning_rate": 0.00018216145833333333,
|
| 116 |
+
"loss": 0.8377,
|
| 117 |
"step": 140
|
| 118 |
},
|
| 119 |
{
|
| 120 |
"epoch": 0.1953125,
|
| 121 |
+
"grad_norm": 11.770642280578613,
|
| 122 |
+
"learning_rate": 0.000180859375,
|
| 123 |
+
"loss": 0.9098,
|
| 124 |
"step": 150
|
| 125 |
},
|
| 126 |
{
|
| 127 |
"epoch": 0.20833333333333334,
|
| 128 |
+
"grad_norm": 7.951399803161621,
|
| 129 |
+
"learning_rate": 0.00017955729166666668,
|
| 130 |
+
"loss": 1.1005,
|
| 131 |
"step": 160
|
| 132 |
},
|
| 133 |
{
|
| 134 |
"epoch": 0.22135416666666666,
|
| 135 |
+
"grad_norm": 8.963672637939453,
|
| 136 |
+
"learning_rate": 0.00017825520833333333,
|
| 137 |
+
"loss": 1.0716,
|
| 138 |
"step": 170
|
| 139 |
},
|
| 140 |
{
|
| 141 |
"epoch": 0.234375,
|
| 142 |
+
"grad_norm": 8.31511402130127,
|
| 143 |
+
"learning_rate": 0.000176953125,
|
| 144 |
+
"loss": 0.9231,
|
| 145 |
"step": 180
|
| 146 |
},
|
| 147 |
{
|
| 148 |
"epoch": 0.24739583333333334,
|
| 149 |
+
"grad_norm": 11.787638664245605,
|
| 150 |
+
"learning_rate": 0.00017565104166666667,
|
| 151 |
+
"loss": 0.8794,
|
| 152 |
"step": 190
|
| 153 |
},
|
| 154 |
{
|
| 155 |
"epoch": 0.2604166666666667,
|
| 156 |
+
"grad_norm": 8.950199127197266,
|
| 157 |
+
"learning_rate": 0.00017434895833333332,
|
| 158 |
+
"loss": 0.8766,
|
| 159 |
"step": 200
|
| 160 |
},
|
| 161 |
{
|
| 162 |
"epoch": 0.2604166666666667,
|
| 163 |
+
"eval_accuracy": 0.8442748091603054,
|
| 164 |
+
"eval_loss": 0.5768096446990967,
|
| 165 |
+
"eval_runtime": 76.5082,
|
| 166 |
+
"eval_samples_per_second": 17.122,
|
| 167 |
+
"eval_steps_per_second": 2.144,
|
| 168 |
"step": 200
|
| 169 |
},
|
| 170 |
{
|
| 171 |
"epoch": 0.2734375,
|
| 172 |
+
"grad_norm": 8.455012321472168,
|
| 173 |
+
"learning_rate": 0.000173046875,
|
| 174 |
+
"loss": 0.5924,
|
| 175 |
"step": 210
|
| 176 |
},
|
| 177 |
{
|
| 178 |
"epoch": 0.2864583333333333,
|
| 179 |
+
"grad_norm": 13.688481330871582,
|
| 180 |
+
"learning_rate": 0.00017174479166666667,
|
| 181 |
+
"loss": 0.8901,
|
| 182 |
"step": 220
|
| 183 |
},
|
| 184 |
{
|
| 185 |
"epoch": 0.2994791666666667,
|
| 186 |
+
"grad_norm": 7.238300323486328,
|
| 187 |
+
"learning_rate": 0.00017044270833333335,
|
| 188 |
+
"loss": 0.6618,
|
| 189 |
"step": 230
|
| 190 |
},
|
| 191 |
{
|
| 192 |
"epoch": 0.3125,
|
| 193 |
+
"grad_norm": 14.064223289489746,
|
| 194 |
+
"learning_rate": 0.00016914062500000002,
|
| 195 |
+
"loss": 0.5885,
|
| 196 |
"step": 240
|
| 197 |
},
|
| 198 |
{
|
| 199 |
"epoch": 0.3255208333333333,
|
| 200 |
+
"grad_norm": 10.471748352050781,
|
| 201 |
+
"learning_rate": 0.0001678385416666667,
|
| 202 |
+
"loss": 0.7282,
|
| 203 |
"step": 250
|
| 204 |
},
|
| 205 |
{
|
| 206 |
"epoch": 0.3385416666666667,
|
| 207 |
+
"grad_norm": 14.036811828613281,
|
| 208 |
+
"learning_rate": 0.00016653645833333334,
|
| 209 |
+
"loss": 0.6805,
|
| 210 |
"step": 260
|
| 211 |
},
|
| 212 |
{
|
| 213 |
"epoch": 0.3515625,
|
| 214 |
+
"grad_norm": 4.001175880432129,
|
| 215 |
+
"learning_rate": 0.00016523437500000002,
|
| 216 |
+
"loss": 0.798,
|
| 217 |
"step": 270
|
| 218 |
},
|
| 219 |
{
|
| 220 |
"epoch": 0.3645833333333333,
|
| 221 |
+
"grad_norm": 7.733170032501221,
|
| 222 |
+
"learning_rate": 0.0001639322916666667,
|
| 223 |
+
"loss": 0.8256,
|
| 224 |
"step": 280
|
| 225 |
},
|
| 226 |
{
|
| 227 |
"epoch": 0.3776041666666667,
|
| 228 |
+
"grad_norm": 13.877567291259766,
|
| 229 |
+
"learning_rate": 0.00016263020833333334,
|
| 230 |
+
"loss": 0.8026,
|
| 231 |
"step": 290
|
| 232 |
},
|
| 233 |
{
|
| 234 |
"epoch": 0.390625,
|
| 235 |
+
"grad_norm": 6.910639762878418,
|
| 236 |
+
"learning_rate": 0.000161328125,
|
| 237 |
+
"loss": 0.5148,
|
| 238 |
"step": 300
|
| 239 |
},
|
| 240 |
{
|
| 241 |
"epoch": 0.390625,
|
| 242 |
+
"eval_accuracy": 0.8618320610687022,
|
| 243 |
+
"eval_loss": 0.447169691324234,
|
| 244 |
+
"eval_runtime": 75.8803,
|
| 245 |
+
"eval_samples_per_second": 17.264,
|
| 246 |
+
"eval_steps_per_second": 2.161,
|
| 247 |
"step": 300
|
| 248 |
},
|
| 249 |
{
|
| 250 |
"epoch": 0.4036458333333333,
|
| 251 |
+
"grad_norm": 8.244635581970215,
|
| 252 |
+
"learning_rate": 0.0001600260416666667,
|
| 253 |
+
"loss": 0.5423,
|
| 254 |
"step": 310
|
| 255 |
},
|
| 256 |
{
|
| 257 |
"epoch": 0.4166666666666667,
|
| 258 |
+
"grad_norm": 2.3077194690704346,
|
| 259 |
+
"learning_rate": 0.00015872395833333334,
|
| 260 |
+
"loss": 0.2741,
|
| 261 |
"step": 320
|
| 262 |
},
|
| 263 |
{
|
| 264 |
"epoch": 0.4296875,
|
| 265 |
+
"grad_norm": 7.123690128326416,
|
| 266 |
+
"learning_rate": 0.000157421875,
|
| 267 |
+
"loss": 0.6976,
|
| 268 |
"step": 330
|
| 269 |
},
|
| 270 |
{
|
| 271 |
"epoch": 0.4427083333333333,
|
| 272 |
+
"grad_norm": 5.03502082824707,
|
| 273 |
+
"learning_rate": 0.00015611979166666668,
|
| 274 |
+
"loss": 0.1724,
|
| 275 |
"step": 340
|
| 276 |
},
|
| 277 |
{
|
| 278 |
"epoch": 0.4557291666666667,
|
| 279 |
+
"grad_norm": 10.38921070098877,
|
| 280 |
+
"learning_rate": 0.00015481770833333333,
|
| 281 |
+
"loss": 0.5339,
|
| 282 |
"step": 350
|
| 283 |
},
|
| 284 |
{
|
| 285 |
"epoch": 0.46875,
|
| 286 |
+
"grad_norm": 15.144037246704102,
|
| 287 |
+
"learning_rate": 0.000153515625,
|
| 288 |
+
"loss": 0.7088,
|
| 289 |
"step": 360
|
| 290 |
},
|
| 291 |
{
|
| 292 |
"epoch": 0.4817708333333333,
|
| 293 |
+
"grad_norm": 12.410104751586914,
|
| 294 |
+
"learning_rate": 0.00015221354166666668,
|
| 295 |
+
"loss": 0.4032,
|
| 296 |
"step": 370
|
| 297 |
},
|
| 298 |
{
|
| 299 |
"epoch": 0.4947916666666667,
|
| 300 |
+
"grad_norm": 12.73668098449707,
|
| 301 |
+
"learning_rate": 0.00015091145833333333,
|
| 302 |
+
"loss": 0.608,
|
| 303 |
"step": 380
|
| 304 |
},
|
| 305 |
{
|
| 306 |
"epoch": 0.5078125,
|
| 307 |
+
"grad_norm": 11.428128242492676,
|
| 308 |
+
"learning_rate": 0.000149609375,
|
| 309 |
+
"loss": 0.4807,
|
| 310 |
"step": 390
|
| 311 |
},
|
| 312 |
{
|
| 313 |
"epoch": 0.5208333333333334,
|
| 314 |
+
"grad_norm": 1.5439820289611816,
|
| 315 |
+
"learning_rate": 0.00014830729166666668,
|
| 316 |
+
"loss": 0.4511,
|
| 317 |
"step": 400
|
| 318 |
},
|
| 319 |
{
|
| 320 |
"epoch": 0.5208333333333334,
|
| 321 |
+
"eval_accuracy": 0.8778625954198473,
|
| 322 |
+
"eval_loss": 0.47862082719802856,
|
| 323 |
+
"eval_runtime": 77.1268,
|
| 324 |
+
"eval_samples_per_second": 16.985,
|
| 325 |
+
"eval_steps_per_second": 2.126,
|
| 326 |
"step": 400
|
| 327 |
},
|
| 328 |
{
|
| 329 |
"epoch": 0.5338541666666666,
|
| 330 |
+
"grad_norm": 2.8190579414367676,
|
| 331 |
+
"learning_rate": 0.00014700520833333332,
|
| 332 |
+
"loss": 0.4902,
|
| 333 |
"step": 410
|
| 334 |
},
|
| 335 |
{
|
| 336 |
"epoch": 0.546875,
|
| 337 |
+
"grad_norm": 8.657638549804688,
|
| 338 |
+
"learning_rate": 0.000145703125,
|
| 339 |
+
"loss": 0.4453,
|
| 340 |
"step": 420
|
| 341 |
},
|
| 342 |
{
|
| 343 |
"epoch": 0.5598958333333334,
|
| 344 |
+
"grad_norm": 8.562153816223145,
|
| 345 |
+
"learning_rate": 0.00014440104166666667,
|
| 346 |
+
"loss": 0.4765,
|
| 347 |
"step": 430
|
| 348 |
},
|
| 349 |
{
|
| 350 |
"epoch": 0.5729166666666666,
|
| 351 |
+
"grad_norm": 10.900357246398926,
|
| 352 |
+
"learning_rate": 0.00014309895833333332,
|
| 353 |
+
"loss": 0.2885,
|
| 354 |
"step": 440
|
| 355 |
},
|
| 356 |
{
|
| 357 |
"epoch": 0.5859375,
|
| 358 |
+
"grad_norm": 1.7712116241455078,
|
| 359 |
+
"learning_rate": 0.000141796875,
|
| 360 |
+
"loss": 0.3364,
|
| 361 |
"step": 450
|
| 362 |
},
|
| 363 |
{
|
| 364 |
"epoch": 0.5989583333333334,
|
| 365 |
+
"grad_norm": 10.570148468017578,
|
| 366 |
+
"learning_rate": 0.00014049479166666667,
|
| 367 |
+
"loss": 0.7942,
|
| 368 |
"step": 460
|
| 369 |
},
|
| 370 |
{
|
| 371 |
"epoch": 0.6119791666666666,
|
| 372 |
+
"grad_norm": 3.171020984649658,
|
| 373 |
+
"learning_rate": 0.00013919270833333334,
|
| 374 |
+
"loss": 0.4288,
|
| 375 |
"step": 470
|
| 376 |
},
|
| 377 |
{
|
| 378 |
"epoch": 0.625,
|
| 379 |
+
"grad_norm": 5.04898738861084,
|
| 380 |
+
"learning_rate": 0.00013789062500000002,
|
| 381 |
+
"loss": 0.3496,
|
| 382 |
"step": 480
|
| 383 |
},
|
| 384 |
{
|
| 385 |
"epoch": 0.6380208333333334,
|
| 386 |
+
"grad_norm": 2.6155598163604736,
|
| 387 |
+
"learning_rate": 0.0001365885416666667,
|
| 388 |
+
"loss": 0.2348,
|
| 389 |
"step": 490
|
| 390 |
},
|
| 391 |
{
|
| 392 |
"epoch": 0.6510416666666666,
|
| 393 |
+
"grad_norm": 1.5771807432174683,
|
| 394 |
+
"learning_rate": 0.00013528645833333334,
|
| 395 |
+
"loss": 0.4874,
|
| 396 |
"step": 500
|
| 397 |
},
|
| 398 |
{
|
| 399 |
"epoch": 0.6510416666666666,
|
| 400 |
+
"eval_accuracy": 0.8862595419847328,
|
| 401 |
+
"eval_loss": 0.408286988735199,
|
| 402 |
+
"eval_runtime": 76.7885,
|
| 403 |
+
"eval_samples_per_second": 17.06,
|
| 404 |
+
"eval_steps_per_second": 2.136,
|
| 405 |
"step": 500
|
| 406 |
},
|
| 407 |
{
|
| 408 |
"epoch": 0.6640625,
|
| 409 |
+
"grad_norm": 1.126064419746399,
|
| 410 |
+
"learning_rate": 0.00013398437500000002,
|
| 411 |
+
"loss": 0.3431,
|
| 412 |
"step": 510
|
| 413 |
},
|
| 414 |
{
|
| 415 |
"epoch": 0.6770833333333334,
|
| 416 |
+
"grad_norm": 10.946215629577637,
|
| 417 |
+
"learning_rate": 0.0001326822916666667,
|
| 418 |
+
"loss": 0.5422,
|
| 419 |
"step": 520
|
| 420 |
},
|
| 421 |
{
|
| 422 |
"epoch": 0.6901041666666666,
|
| 423 |
+
"grad_norm": 10.152504920959473,
|
| 424 |
+
"learning_rate": 0.00013138020833333334,
|
| 425 |
+
"loss": 0.654,
|
| 426 |
"step": 530
|
| 427 |
},
|
| 428 |
{
|
| 429 |
"epoch": 0.703125,
|
| 430 |
+
"grad_norm": 10.196568489074707,
|
| 431 |
+
"learning_rate": 0.000130078125,
|
| 432 |
+
"loss": 0.3061,
|
| 433 |
"step": 540
|
| 434 |
},
|
| 435 |
{
|
| 436 |
"epoch": 0.7161458333333334,
|
| 437 |
+
"grad_norm": 18.616979598999023,
|
| 438 |
+
"learning_rate": 0.0001287760416666667,
|
| 439 |
+
"loss": 0.2963,
|
| 440 |
"step": 550
|
| 441 |
},
|
| 442 |
{
|
| 443 |
"epoch": 0.7291666666666666,
|
| 444 |
+
"grad_norm": 10.364749908447266,
|
| 445 |
+
"learning_rate": 0.00012747395833333333,
|
| 446 |
+
"loss": 0.5747,
|
| 447 |
"step": 560
|
| 448 |
},
|
| 449 |
{
|
| 450 |
"epoch": 0.7421875,
|
| 451 |
+
"grad_norm": 6.650425910949707,
|
| 452 |
+
"learning_rate": 0.000126171875,
|
| 453 |
+
"loss": 0.4145,
|
| 454 |
"step": 570
|
| 455 |
},
|
| 456 |
{
|
| 457 |
"epoch": 0.7552083333333334,
|
| 458 |
+
"grad_norm": 3.4692835807800293,
|
| 459 |
+
"learning_rate": 0.00012486979166666668,
|
| 460 |
+
"loss": 0.1143,
|
| 461 |
"step": 580
|
| 462 |
},
|
| 463 |
{
|
| 464 |
"epoch": 0.7682291666666666,
|
| 465 |
+
"grad_norm": 10.982894897460938,
|
| 466 |
+
"learning_rate": 0.00012356770833333333,
|
| 467 |
+
"loss": 0.2723,
|
| 468 |
"step": 590
|
| 469 |
},
|
| 470 |
{
|
| 471 |
"epoch": 0.78125,
|
| 472 |
+
"grad_norm": 13.571615219116211,
|
| 473 |
+
"learning_rate": 0.000122265625,
|
| 474 |
+
"loss": 0.5794,
|
| 475 |
"step": 600
|
| 476 |
},
|
| 477 |
{
|
| 478 |
"epoch": 0.78125,
|
| 479 |
+
"eval_accuracy": 0.8977099236641222,
|
| 480 |
+
"eval_loss": 0.3512656092643738,
|
| 481 |
+
"eval_runtime": 76.0132,
|
| 482 |
+
"eval_samples_per_second": 17.234,
|
| 483 |
+
"eval_steps_per_second": 2.158,
|
| 484 |
"step": 600
|
| 485 |
},
|
| 486 |
{
|
| 487 |
"epoch": 0.7942708333333334,
|
| 488 |
+
"grad_norm": 10.244173049926758,
|
| 489 |
+
"learning_rate": 0.00012096354166666668,
|
| 490 |
+
"loss": 0.1669,
|
| 491 |
"step": 610
|
| 492 |
},
|
| 493 |
{
|
| 494 |
"epoch": 0.8072916666666666,
|
| 495 |
+
"grad_norm": 9.398392677307129,
|
| 496 |
+
"learning_rate": 0.00011966145833333333,
|
| 497 |
+
"loss": 0.3262,
|
| 498 |
"step": 620
|
| 499 |
},
|
| 500 |
{
|
| 501 |
"epoch": 0.8203125,
|
| 502 |
+
"grad_norm": 8.680326461791992,
|
| 503 |
+
"learning_rate": 0.000118359375,
|
| 504 |
+
"loss": 0.3688,
|
| 505 |
"step": 630
|
| 506 |
},
|
| 507 |
{
|
| 508 |
"epoch": 0.8333333333333334,
|
| 509 |
+
"grad_norm": 2.6575496196746826,
|
| 510 |
+
"learning_rate": 0.00011705729166666668,
|
| 511 |
+
"loss": 0.3672,
|
| 512 |
"step": 640
|
| 513 |
},
|
| 514 |
{
|
| 515 |
"epoch": 0.8463541666666666,
|
| 516 |
+
"grad_norm": 10.259125709533691,
|
| 517 |
+
"learning_rate": 0.00011575520833333334,
|
| 518 |
+
"loss": 0.4929,
|
| 519 |
"step": 650
|
| 520 |
},
|
| 521 |
{
|
| 522 |
"epoch": 0.859375,
|
| 523 |
+
"grad_norm": 10.977476119995117,
|
| 524 |
+
"learning_rate": 0.00011445312500000001,
|
| 525 |
+
"loss": 0.2888,
|
| 526 |
"step": 660
|
| 527 |
},
|
| 528 |
{
|
| 529 |
"epoch": 0.8723958333333334,
|
| 530 |
+
"grad_norm": 0.2373678833246231,
|
| 531 |
+
"learning_rate": 0.00011315104166666667,
|
| 532 |
+
"loss": 0.1836,
|
| 533 |
"step": 670
|
| 534 |
},
|
| 535 |
{
|
| 536 |
"epoch": 0.8854166666666666,
|
| 537 |
+
"grad_norm": 8.054667472839355,
|
| 538 |
+
"learning_rate": 0.00011184895833333333,
|
| 539 |
+
"loss": 0.1984,
|
| 540 |
"step": 680
|
| 541 |
},
|
| 542 |
{
|
| 543 |
"epoch": 0.8984375,
|
| 544 |
+
"grad_norm": 4.308763027191162,
|
| 545 |
+
"learning_rate": 0.00011054687500000001,
|
| 546 |
+
"loss": 0.2421,
|
| 547 |
"step": 690
|
| 548 |
},
|
| 549 |
{
|
| 550 |
"epoch": 0.9114583333333334,
|
| 551 |
+
"grad_norm": 0.2590220272541046,
|
| 552 |
+
"learning_rate": 0.00010924479166666668,
|
| 553 |
+
"loss": 0.3324,
|
| 554 |
"step": 700
|
| 555 |
},
|
| 556 |
{
|
| 557 |
"epoch": 0.9114583333333334,
|
| 558 |
+
"eval_accuracy": 0.9282442748091603,
|
| 559 |
+
"eval_loss": 0.23950977623462677,
|
| 560 |
+
"eval_runtime": 76.106,
|
| 561 |
+
"eval_samples_per_second": 17.213,
|
| 562 |
+
"eval_steps_per_second": 2.155,
|
| 563 |
"step": 700
|
| 564 |
},
|
| 565 |
{
|
| 566 |
"epoch": 0.9244791666666666,
|
| 567 |
+
"grad_norm": 11.796812057495117,
|
| 568 |
+
"learning_rate": 0.00010794270833333333,
|
| 569 |
+
"loss": 0.4767,
|
| 570 |
"step": 710
|
| 571 |
},
|
| 572 |
{
|
| 573 |
"epoch": 0.9375,
|
| 574 |
+
"grad_norm": 14.937353134155273,
|
| 575 |
+
"learning_rate": 0.000106640625,
|
| 576 |
+
"loss": 0.4462,
|
| 577 |
"step": 720
|
| 578 |
},
|
| 579 |
{
|
| 580 |
"epoch": 0.9505208333333334,
|
| 581 |
+
"grad_norm": 2.598228931427002,
|
| 582 |
+
"learning_rate": 0.00010533854166666668,
|
| 583 |
+
"loss": 0.1408,
|
| 584 |
"step": 730
|
| 585 |
},
|
| 586 |
{
|
| 587 |
"epoch": 0.9635416666666666,
|
| 588 |
+
"grad_norm": 7.975482940673828,
|
| 589 |
+
"learning_rate": 0.00010403645833333333,
|
| 590 |
+
"loss": 0.3842,
|
| 591 |
"step": 740
|
| 592 |
},
|
| 593 |
{
|
| 594 |
"epoch": 0.9765625,
|
| 595 |
+
"grad_norm": 13.985623359680176,
|
| 596 |
+
"learning_rate": 0.000102734375,
|
| 597 |
+
"loss": 0.2015,
|
| 598 |
"step": 750
|
| 599 |
},
|
| 600 |
{
|
| 601 |
"epoch": 0.9895833333333334,
|
| 602 |
+
"grad_norm": 6.4967169761657715,
|
| 603 |
+
"learning_rate": 0.00010143229166666668,
|
| 604 |
+
"loss": 0.1178,
|
| 605 |
"step": 760
|
| 606 |
},
|
| 607 |
{
|
| 608 |
+
"epoch": 1.0026041666666667,
|
| 609 |
+
"grad_norm": 2.3705174922943115,
|
| 610 |
+
"learning_rate": 0.00010013020833333334,
|
| 611 |
+
"loss": 0.3769,
|
| 612 |
+
"step": 770
|
| 613 |
+
},
|
| 614 |
+
{
|
| 615 |
+
"epoch": 1.015625,
|
| 616 |
+
"grad_norm": 1.5413340330123901,
|
| 617 |
+
"learning_rate": 9.8828125e-05,
|
| 618 |
+
"loss": 0.0929,
|
| 619 |
+
"step": 780
|
| 620 |
+
},
|
| 621 |
+
{
|
| 622 |
+
"epoch": 1.0286458333333333,
|
| 623 |
+
"grad_norm": 0.045080412179231644,
|
| 624 |
+
"learning_rate": 9.752604166666667e-05,
|
| 625 |
+
"loss": 0.1167,
|
| 626 |
+
"step": 790
|
| 627 |
+
},
|
| 628 |
+
{
|
| 629 |
+
"epoch": 1.0416666666666667,
|
| 630 |
+
"grad_norm": 0.6813530921936035,
|
| 631 |
+
"learning_rate": 9.622395833333335e-05,
|
| 632 |
+
"loss": 0.0975,
|
| 633 |
+
"step": 800
|
| 634 |
+
},
|
| 635 |
+
{
|
| 636 |
+
"epoch": 1.0416666666666667,
|
| 637 |
+
"eval_accuracy": 0.9473282442748091,
|
| 638 |
+
"eval_loss": 0.2091217041015625,
|
| 639 |
+
"eval_runtime": 76.9014,
|
| 640 |
+
"eval_samples_per_second": 17.035,
|
| 641 |
+
"eval_steps_per_second": 2.133,
|
| 642 |
+
"step": 800
|
| 643 |
+
},
|
| 644 |
+
{
|
| 645 |
+
"epoch": 1.0546875,
|
| 646 |
+
"grad_norm": 0.1403409093618393,
|
| 647 |
+
"learning_rate": 9.492187500000001e-05,
|
| 648 |
+
"loss": 0.1571,
|
| 649 |
+
"step": 810
|
| 650 |
+
},
|
| 651 |
+
{
|
| 652 |
+
"epoch": 1.0677083333333333,
|
| 653 |
+
"grad_norm": 0.45783254504203796,
|
| 654 |
+
"learning_rate": 9.361979166666667e-05,
|
| 655 |
+
"loss": 0.0216,
|
| 656 |
+
"step": 820
|
| 657 |
+
},
|
| 658 |
+
{
|
| 659 |
+
"epoch": 1.0807291666666667,
|
| 660 |
+
"grad_norm": 8.578229904174805,
|
| 661 |
+
"learning_rate": 9.231770833333334e-05,
|
| 662 |
+
"loss": 0.039,
|
| 663 |
+
"step": 830
|
| 664 |
+
},
|
| 665 |
+
{
|
| 666 |
+
"epoch": 1.09375,
|
| 667 |
+
"grad_norm": 10.040135383605957,
|
| 668 |
+
"learning_rate": 9.1015625e-05,
|
| 669 |
+
"loss": 0.1932,
|
| 670 |
+
"step": 840
|
| 671 |
+
},
|
| 672 |
+
{
|
| 673 |
+
"epoch": 1.1067708333333333,
|
| 674 |
+
"grad_norm": 1.2970826625823975,
|
| 675 |
+
"learning_rate": 8.971354166666667e-05,
|
| 676 |
+
"loss": 0.0537,
|
| 677 |
+
"step": 850
|
| 678 |
+
},
|
| 679 |
+
{
|
| 680 |
+
"epoch": 1.1197916666666667,
|
| 681 |
+
"grad_norm": 0.9889762997627258,
|
| 682 |
+
"learning_rate": 8.841145833333334e-05,
|
| 683 |
+
"loss": 0.0471,
|
| 684 |
+
"step": 860
|
| 685 |
+
},
|
| 686 |
+
{
|
| 687 |
+
"epoch": 1.1328125,
|
| 688 |
+
"grad_norm": 0.07918990403413773,
|
| 689 |
+
"learning_rate": 8.7109375e-05,
|
| 690 |
+
"loss": 0.2681,
|
| 691 |
+
"step": 870
|
| 692 |
+
},
|
| 693 |
+
{
|
| 694 |
+
"epoch": 1.1458333333333333,
|
| 695 |
+
"grad_norm": 0.010387329384684563,
|
| 696 |
+
"learning_rate": 8.580729166666666e-05,
|
| 697 |
+
"loss": 0.2494,
|
| 698 |
+
"step": 880
|
| 699 |
+
},
|
| 700 |
+
{
|
| 701 |
+
"epoch": 1.1588541666666667,
|
| 702 |
+
"grad_norm": 10.086416244506836,
|
| 703 |
+
"learning_rate": 8.450520833333334e-05,
|
| 704 |
+
"loss": 0.2706,
|
| 705 |
+
"step": 890
|
| 706 |
+
},
|
| 707 |
+
{
|
| 708 |
+
"epoch": 1.171875,
|
| 709 |
+
"grad_norm": 0.24107152223587036,
|
| 710 |
+
"learning_rate": 8.3203125e-05,
|
| 711 |
+
"loss": 0.0579,
|
| 712 |
+
"step": 900
|
| 713 |
+
},
|
| 714 |
+
{
|
| 715 |
+
"epoch": 1.171875,
|
| 716 |
+
"eval_accuracy": 0.9419847328244275,
|
| 717 |
+
"eval_loss": 0.19194655120372772,
|
| 718 |
+
"eval_runtime": 77.4264,
|
| 719 |
+
"eval_samples_per_second": 16.919,
|
| 720 |
+
"eval_steps_per_second": 2.118,
|
| 721 |
+
"step": 900
|
| 722 |
+
},
|
| 723 |
+
{
|
| 724 |
+
"epoch": 1.1848958333333333,
|
| 725 |
+
"grad_norm": 8.108233451843262,
|
| 726 |
+
"learning_rate": 8.190104166666667e-05,
|
| 727 |
+
"loss": 0.052,
|
| 728 |
+
"step": 910
|
| 729 |
+
},
|
| 730 |
+
{
|
| 731 |
+
"epoch": 1.1979166666666667,
|
| 732 |
+
"grad_norm": 8.147061347961426,
|
| 733 |
+
"learning_rate": 8.059895833333335e-05,
|
| 734 |
+
"loss": 0.1775,
|
| 735 |
+
"step": 920
|
| 736 |
+
},
|
| 737 |
+
{
|
| 738 |
+
"epoch": 1.2109375,
|
| 739 |
+
"grad_norm": 9.907308578491211,
|
| 740 |
+
"learning_rate": 7.929687500000001e-05,
|
| 741 |
+
"loss": 0.2054,
|
| 742 |
+
"step": 930
|
| 743 |
+
},
|
| 744 |
+
{
|
| 745 |
+
"epoch": 1.2239583333333333,
|
| 746 |
+
"grad_norm": 0.03491589426994324,
|
| 747 |
+
"learning_rate": 7.799479166666667e-05,
|
| 748 |
+
"loss": 0.1212,
|
| 749 |
+
"step": 940
|
| 750 |
+
},
|
| 751 |
+
{
|
| 752 |
+
"epoch": 1.2369791666666667,
|
| 753 |
+
"grad_norm": 14.554330825805664,
|
| 754 |
+
"learning_rate": 7.669270833333334e-05,
|
| 755 |
+
"loss": 0.0365,
|
| 756 |
+
"step": 950
|
| 757 |
+
},
|
| 758 |
+
{
|
| 759 |
+
"epoch": 1.25,
|
| 760 |
+
"grad_norm": 6.551287651062012,
|
| 761 |
+
"learning_rate": 7.5390625e-05,
|
| 762 |
+
"loss": 0.0244,
|
| 763 |
+
"step": 960
|
| 764 |
+
},
|
| 765 |
+
{
|
| 766 |
+
"epoch": 1.2630208333333333,
|
| 767 |
+
"grad_norm": 0.03951248526573181,
|
| 768 |
+
"learning_rate": 7.408854166666667e-05,
|
| 769 |
+
"loss": 0.0573,
|
| 770 |
+
"step": 970
|
| 771 |
+
},
|
| 772 |
+
{
|
| 773 |
+
"epoch": 1.2760416666666667,
|
| 774 |
+
"grad_norm": 0.014379375614225864,
|
| 775 |
+
"learning_rate": 7.278645833333334e-05,
|
| 776 |
+
"loss": 0.0535,
|
| 777 |
+
"step": 980
|
| 778 |
+
},
|
| 779 |
+
{
|
| 780 |
+
"epoch": 1.2890625,
|
| 781 |
+
"grad_norm": 8.54177474975586,
|
| 782 |
+
"learning_rate": 7.1484375e-05,
|
| 783 |
+
"loss": 0.1362,
|
| 784 |
+
"step": 990
|
| 785 |
+
},
|
| 786 |
+
{
|
| 787 |
+
"epoch": 1.3020833333333333,
|
| 788 |
+
"grad_norm": 3.608940839767456,
|
| 789 |
+
"learning_rate": 7.018229166666666e-05,
|
| 790 |
+
"loss": 0.2113,
|
| 791 |
+
"step": 1000
|
| 792 |
+
},
|
| 793 |
+
{
|
| 794 |
+
"epoch": 1.3020833333333333,
|
| 795 |
+
"eval_accuracy": 0.9610687022900763,
|
| 796 |
+
"eval_loss": 0.17562778294086456,
|
| 797 |
+
"eval_runtime": 77.267,
|
| 798 |
+
"eval_samples_per_second": 16.954,
|
| 799 |
+
"eval_steps_per_second": 2.123,
|
| 800 |
+
"step": 1000
|
| 801 |
+
},
|
| 802 |
+
{
|
| 803 |
+
"epoch": 1.3151041666666667,
|
| 804 |
+
"grad_norm": 0.4334266185760498,
|
| 805 |
+
"learning_rate": 6.888020833333334e-05,
|
| 806 |
+
"loss": 0.0837,
|
| 807 |
+
"step": 1010
|
| 808 |
+
},
|
| 809 |
+
{
|
| 810 |
+
"epoch": 1.328125,
|
| 811 |
+
"grad_norm": 1.7467626333236694,
|
| 812 |
+
"learning_rate": 6.7578125e-05,
|
| 813 |
+
"loss": 0.1298,
|
| 814 |
+
"step": 1020
|
| 815 |
+
},
|
| 816 |
+
{
|
| 817 |
+
"epoch": 1.3411458333333333,
|
| 818 |
+
"grad_norm": 0.09293239563703537,
|
| 819 |
+
"learning_rate": 6.627604166666667e-05,
|
| 820 |
+
"loss": 0.0307,
|
| 821 |
+
"step": 1030
|
| 822 |
+
},
|
| 823 |
+
{
|
| 824 |
+
"epoch": 1.3541666666666667,
|
| 825 |
+
"grad_norm": 0.6930071711540222,
|
| 826 |
+
"learning_rate": 6.497395833333335e-05,
|
| 827 |
+
"loss": 0.1656,
|
| 828 |
+
"step": 1040
|
| 829 |
+
},
|
| 830 |
+
{
|
| 831 |
+
"epoch": 1.3671875,
|
| 832 |
+
"grad_norm": 0.061571307480335236,
|
| 833 |
+
"learning_rate": 6.367187500000001e-05,
|
| 834 |
+
"loss": 0.0357,
|
| 835 |
+
"step": 1050
|
| 836 |
+
},
|
| 837 |
+
{
|
| 838 |
+
"epoch": 1.3802083333333333,
|
| 839 |
+
"grad_norm": 0.14721141755580902,
|
| 840 |
+
"learning_rate": 6.236979166666667e-05,
|
| 841 |
+
"loss": 0.0677,
|
| 842 |
+
"step": 1060
|
| 843 |
+
},
|
| 844 |
+
{
|
| 845 |
+
"epoch": 1.3932291666666667,
|
| 846 |
+
"grad_norm": 0.015600386075675488,
|
| 847 |
+
"learning_rate": 6.106770833333334e-05,
|
| 848 |
+
"loss": 0.0887,
|
| 849 |
+
"step": 1070
|
| 850 |
+
},
|
| 851 |
+
{
|
| 852 |
+
"epoch": 1.40625,
|
| 853 |
+
"grad_norm": 0.025986164808273315,
|
| 854 |
+
"learning_rate": 5.9765625000000004e-05,
|
| 855 |
+
"loss": 0.0937,
|
| 856 |
+
"step": 1080
|
| 857 |
+
},
|
| 858 |
+
{
|
| 859 |
+
"epoch": 1.4192708333333333,
|
| 860 |
+
"grad_norm": 13.869457244873047,
|
| 861 |
+
"learning_rate": 5.8463541666666665e-05,
|
| 862 |
+
"loss": 0.1568,
|
| 863 |
+
"step": 1090
|
| 864 |
+
},
|
| 865 |
+
{
|
| 866 |
+
"epoch": 1.4322916666666667,
|
| 867 |
+
"grad_norm": 0.11318224668502808,
|
| 868 |
+
"learning_rate": 5.716145833333334e-05,
|
| 869 |
+
"loss": 0.0301,
|
| 870 |
+
"step": 1100
|
| 871 |
+
},
|
| 872 |
+
{
|
| 873 |
+
"epoch": 1.4322916666666667,
|
| 874 |
+
"eval_accuracy": 0.966412213740458,
|
| 875 |
+
"eval_loss": 0.1411714106798172,
|
| 876 |
+
"eval_runtime": 76.9438,
|
| 877 |
+
"eval_samples_per_second": 17.025,
|
| 878 |
+
"eval_steps_per_second": 2.131,
|
| 879 |
+
"step": 1100
|
| 880 |
+
},
|
| 881 |
+
{
|
| 882 |
+
"epoch": 1.4453125,
|
| 883 |
+
"grad_norm": 5.520286560058594,
|
| 884 |
+
"learning_rate": 5.5859375e-05,
|
| 885 |
+
"loss": 0.0151,
|
| 886 |
+
"step": 1110
|
| 887 |
+
},
|
| 888 |
+
{
|
| 889 |
+
"epoch": 1.4583333333333333,
|
| 890 |
+
"grad_norm": 9.024094581604004,
|
| 891 |
+
"learning_rate": 5.455729166666667e-05,
|
| 892 |
+
"loss": 0.1358,
|
| 893 |
+
"step": 1120
|
| 894 |
+
},
|
| 895 |
+
{
|
| 896 |
+
"epoch": 1.4713541666666667,
|
| 897 |
+
"grad_norm": 8.022049903869629,
|
| 898 |
+
"learning_rate": 5.3255208333333336e-05,
|
| 899 |
+
"loss": 0.0736,
|
| 900 |
+
"step": 1130
|
| 901 |
+
},
|
| 902 |
+
{
|
| 903 |
+
"epoch": 1.484375,
|
| 904 |
+
"grad_norm": 0.03531012311577797,
|
| 905 |
+
"learning_rate": 5.1953125000000004e-05,
|
| 906 |
+
"loss": 0.0978,
|
| 907 |
+
"step": 1140
|
| 908 |
+
},
|
| 909 |
+
{
|
| 910 |
+
"epoch": 1.4973958333333333,
|
| 911 |
+
"grad_norm": 0.30647599697113037,
|
| 912 |
+
"learning_rate": 5.0651041666666665e-05,
|
| 913 |
+
"loss": 0.0766,
|
| 914 |
+
"step": 1150
|
| 915 |
+
},
|
| 916 |
+
{
|
| 917 |
+
"epoch": 1.5104166666666665,
|
| 918 |
+
"grad_norm": 0.5959821939468384,
|
| 919 |
+
"learning_rate": 4.934895833333333e-05,
|
| 920 |
+
"loss": 0.0845,
|
| 921 |
+
"step": 1160
|
| 922 |
+
},
|
| 923 |
+
{
|
| 924 |
+
"epoch": 1.5234375,
|
| 925 |
+
"grad_norm": 0.040372032672166824,
|
| 926 |
+
"learning_rate": 4.8046875e-05,
|
| 927 |
+
"loss": 0.0896,
|
| 928 |
+
"step": 1170
|
| 929 |
+
},
|
| 930 |
+
{
|
| 931 |
+
"epoch": 1.5364583333333335,
|
| 932 |
+
"grad_norm": 0.016574544832110405,
|
| 933 |
+
"learning_rate": 4.674479166666667e-05,
|
| 934 |
+
"loss": 0.087,
|
| 935 |
+
"step": 1180
|
| 936 |
+
},
|
| 937 |
+
{
|
| 938 |
+
"epoch": 1.5494791666666665,
|
| 939 |
+
"grad_norm": 3.529259204864502,
|
| 940 |
+
"learning_rate": 4.5442708333333336e-05,
|
| 941 |
+
"loss": 0.0194,
|
| 942 |
+
"step": 1190
|
| 943 |
+
},
|
| 944 |
+
{
|
| 945 |
+
"epoch": 1.5625,
|
| 946 |
+
"grad_norm": 0.06897322833538055,
|
| 947 |
+
"learning_rate": 4.4140625000000004e-05,
|
| 948 |
+
"loss": 0.0534,
|
| 949 |
+
"step": 1200
|
| 950 |
+
},
|
| 951 |
+
{
|
| 952 |
+
"epoch": 1.5625,
|
| 953 |
+
"eval_accuracy": 0.9687022900763359,
|
| 954 |
+
"eval_loss": 0.13458263874053955,
|
| 955 |
+
"eval_runtime": 75.3914,
|
| 956 |
+
"eval_samples_per_second": 17.376,
|
| 957 |
+
"eval_steps_per_second": 2.175,
|
| 958 |
+
"step": 1200
|
| 959 |
+
},
|
| 960 |
+
{
|
| 961 |
+
"epoch": 1.5755208333333335,
|
| 962 |
+
"grad_norm": 0.307174414396286,
|
| 963 |
+
"learning_rate": 4.283854166666667e-05,
|
| 964 |
+
"loss": 0.0311,
|
| 965 |
+
"step": 1210
|
| 966 |
+
},
|
| 967 |
+
{
|
| 968 |
+
"epoch": 1.5885416666666665,
|
| 969 |
+
"grad_norm": 0.02322992868721485,
|
| 970 |
+
"learning_rate": 4.153645833333333e-05,
|
| 971 |
+
"loss": 0.1793,
|
| 972 |
+
"step": 1220
|
| 973 |
+
},
|
| 974 |
+
{
|
| 975 |
+
"epoch": 1.6015625,
|
| 976 |
+
"grad_norm": 0.014354332350194454,
|
| 977 |
+
"learning_rate": 4.0234375e-05,
|
| 978 |
+
"loss": 0.0013,
|
| 979 |
+
"step": 1230
|
| 980 |
+
},
|
| 981 |
+
{
|
| 982 |
+
"epoch": 1.6145833333333335,
|
| 983 |
+
"grad_norm": 0.01764397881925106,
|
| 984 |
+
"learning_rate": 3.893229166666667e-05,
|
| 985 |
+
"loss": 0.0435,
|
| 986 |
+
"step": 1240
|
| 987 |
+
},
|
| 988 |
+
{
|
| 989 |
+
"epoch": 1.6276041666666665,
|
| 990 |
+
"grad_norm": 0.17532891035079956,
|
| 991 |
+
"learning_rate": 3.7630208333333336e-05,
|
| 992 |
+
"loss": 0.0829,
|
| 993 |
+
"step": 1250
|
| 994 |
+
},
|
| 995 |
+
{
|
| 996 |
+
"epoch": 1.640625,
|
| 997 |
+
"grad_norm": 13.797767639160156,
|
| 998 |
+
"learning_rate": 3.6328125000000004e-05,
|
| 999 |
+
"loss": 0.1418,
|
| 1000 |
+
"step": 1260
|
| 1001 |
+
},
|
| 1002 |
+
{
|
| 1003 |
+
"epoch": 1.6536458333333335,
|
| 1004 |
+
"grad_norm": 0.02218351885676384,
|
| 1005 |
+
"learning_rate": 3.502604166666667e-05,
|
| 1006 |
+
"loss": 0.0241,
|
| 1007 |
+
"step": 1270
|
| 1008 |
+
},
|
| 1009 |
+
{
|
| 1010 |
+
"epoch": 1.6666666666666665,
|
| 1011 |
+
"grad_norm": 0.04145214706659317,
|
| 1012 |
+
"learning_rate": 3.372395833333333e-05,
|
| 1013 |
+
"loss": 0.004,
|
| 1014 |
+
"step": 1280
|
| 1015 |
+
},
|
| 1016 |
+
{
|
| 1017 |
+
"epoch": 1.6796875,
|
| 1018 |
+
"grad_norm": 3.2447264194488525,
|
| 1019 |
+
"learning_rate": 3.2421875e-05,
|
| 1020 |
+
"loss": 0.0053,
|
| 1021 |
+
"step": 1290
|
| 1022 |
+
},
|
| 1023 |
+
{
|
| 1024 |
+
"epoch": 1.6927083333333335,
|
| 1025 |
+
"grad_norm": 11.00242805480957,
|
| 1026 |
+
"learning_rate": 3.111979166666667e-05,
|
| 1027 |
+
"loss": 0.0868,
|
| 1028 |
+
"step": 1300
|
| 1029 |
+
},
|
| 1030 |
+
{
|
| 1031 |
+
"epoch": 1.6927083333333335,
|
| 1032 |
+
"eval_accuracy": 0.9687022900763359,
|
| 1033 |
+
"eval_loss": 0.12921789288520813,
|
| 1034 |
+
"eval_runtime": 76.1446,
|
| 1035 |
+
"eval_samples_per_second": 17.204,
|
| 1036 |
+
"eval_steps_per_second": 2.154,
|
| 1037 |
+
"step": 1300
|
| 1038 |
+
},
|
| 1039 |
+
{
|
| 1040 |
+
"epoch": 1.7057291666666665,
|
| 1041 |
+
"grad_norm": 0.017809266224503517,
|
| 1042 |
+
"learning_rate": 2.9817708333333332e-05,
|
| 1043 |
+
"loss": 0.0474,
|
| 1044 |
+
"step": 1310
|
| 1045 |
+
},
|
| 1046 |
+
{
|
| 1047 |
+
"epoch": 1.71875,
|
| 1048 |
+
"grad_norm": 0.02033165469765663,
|
| 1049 |
+
"learning_rate": 2.8515625e-05,
|
| 1050 |
+
"loss": 0.1071,
|
| 1051 |
+
"step": 1320
|
| 1052 |
+
},
|
| 1053 |
+
{
|
| 1054 |
+
"epoch": 1.7317708333333335,
|
| 1055 |
+
"grad_norm": 0.022759564220905304,
|
| 1056 |
+
"learning_rate": 2.721354166666667e-05,
|
| 1057 |
+
"loss": 0.0824,
|
| 1058 |
+
"step": 1330
|
| 1059 |
+
},
|
| 1060 |
+
{
|
| 1061 |
+
"epoch": 1.7447916666666665,
|
| 1062 |
+
"grad_norm": 0.019711025059223175,
|
| 1063 |
+
"learning_rate": 2.5911458333333332e-05,
|
| 1064 |
+
"loss": 0.0616,
|
| 1065 |
+
"step": 1340
|
| 1066 |
+
},
|
| 1067 |
+
{
|
| 1068 |
+
"epoch": 1.7578125,
|
| 1069 |
+
"grad_norm": 0.11359129846096039,
|
| 1070 |
+
"learning_rate": 2.4609375e-05,
|
| 1071 |
+
"loss": 0.0106,
|
| 1072 |
+
"step": 1350
|
| 1073 |
+
},
|
| 1074 |
+
{
|
| 1075 |
+
"epoch": 1.7708333333333335,
|
| 1076 |
+
"grad_norm": 0.09237557649612427,
|
| 1077 |
+
"learning_rate": 2.3307291666666668e-05,
|
| 1078 |
+
"loss": 0.0129,
|
| 1079 |
+
"step": 1360
|
| 1080 |
+
},
|
| 1081 |
+
{
|
| 1082 |
+
"epoch": 1.7838541666666665,
|
| 1083 |
+
"grad_norm": 0.007784575689584017,
|
| 1084 |
+
"learning_rate": 2.2005208333333336e-05,
|
| 1085 |
+
"loss": 0.0877,
|
| 1086 |
+
"step": 1370
|
| 1087 |
+
},
|
| 1088 |
+
{
|
| 1089 |
+
"epoch": 1.796875,
|
| 1090 |
+
"grad_norm": 0.009522438049316406,
|
| 1091 |
+
"learning_rate": 2.0703125e-05,
|
| 1092 |
+
"loss": 0.0095,
|
| 1093 |
+
"step": 1380
|
| 1094 |
+
},
|
| 1095 |
+
{
|
| 1096 |
+
"epoch": 1.8098958333333335,
|
| 1097 |
+
"grad_norm": 0.009628471918404102,
|
| 1098 |
+
"learning_rate": 1.9401041666666668e-05,
|
| 1099 |
+
"loss": 0.0038,
|
| 1100 |
+
"step": 1390
|
| 1101 |
+
},
|
| 1102 |
+
{
|
| 1103 |
+
"epoch": 1.8229166666666665,
|
| 1104 |
+
"grad_norm": 0.7344593405723572,
|
| 1105 |
+
"learning_rate": 1.8098958333333336e-05,
|
| 1106 |
+
"loss": 0.0623,
|
| 1107 |
+
"step": 1400
|
| 1108 |
+
},
|
| 1109 |
+
{
|
| 1110 |
+
"epoch": 1.8229166666666665,
|
| 1111 |
+
"eval_accuracy": 0.9763358778625955,
|
| 1112 |
+
"eval_loss": 0.10858321189880371,
|
| 1113 |
+
"eval_runtime": 77.5151,
|
| 1114 |
+
"eval_samples_per_second": 16.9,
|
| 1115 |
+
"eval_steps_per_second": 2.116,
|
| 1116 |
+
"step": 1400
|
| 1117 |
+
},
|
| 1118 |
+
{
|
| 1119 |
+
"epoch": 1.8359375,
|
| 1120 |
+
"grad_norm": 3.2703933715820312,
|
| 1121 |
+
"learning_rate": 1.6796875e-05,
|
| 1122 |
+
"loss": 0.0251,
|
| 1123 |
+
"step": 1410
|
| 1124 |
+
},
|
| 1125 |
+
{
|
| 1126 |
+
"epoch": 1.8489583333333335,
|
| 1127 |
+
"grad_norm": 0.013623889535665512,
|
| 1128 |
+
"learning_rate": 1.5494791666666668e-05,
|
| 1129 |
+
"loss": 0.0583,
|
| 1130 |
+
"step": 1420
|
| 1131 |
+
},
|
| 1132 |
+
{
|
| 1133 |
+
"epoch": 1.8619791666666665,
|
| 1134 |
+
"grad_norm": 14.402461051940918,
|
| 1135 |
+
"learning_rate": 1.4192708333333336e-05,
|
| 1136 |
+
"loss": 0.1874,
|
| 1137 |
+
"step": 1430
|
| 1138 |
+
},
|
| 1139 |
+
{
|
| 1140 |
+
"epoch": 1.875,
|
| 1141 |
+
"grad_norm": 0.14863599836826324,
|
| 1142 |
+
"learning_rate": 1.2890625e-05,
|
| 1143 |
+
"loss": 0.0116,
|
| 1144 |
+
"step": 1440
|
| 1145 |
+
},
|
| 1146 |
+
{
|
| 1147 |
+
"epoch": 1.8880208333333335,
|
| 1148 |
+
"grad_norm": 0.21350590884685516,
|
| 1149 |
+
"learning_rate": 1.1588541666666668e-05,
|
| 1150 |
+
"loss": 0.0009,
|
| 1151 |
+
"step": 1450
|
| 1152 |
+
},
|
| 1153 |
+
{
|
| 1154 |
+
"epoch": 1.9010416666666665,
|
| 1155 |
+
"grad_norm": 2.0455312728881836,
|
| 1156 |
+
"learning_rate": 1.0286458333333334e-05,
|
| 1157 |
+
"loss": 0.055,
|
| 1158 |
+
"step": 1460
|
| 1159 |
+
},
|
| 1160 |
+
{
|
| 1161 |
+
"epoch": 1.9140625,
|
| 1162 |
+
"grad_norm": 0.020870625972747803,
|
| 1163 |
+
"learning_rate": 8.984375e-06,
|
| 1164 |
+
"loss": 0.1927,
|
| 1165 |
+
"step": 1470
|
| 1166 |
+
},
|
| 1167 |
+
{
|
| 1168 |
+
"epoch": 1.9270833333333335,
|
| 1169 |
+
"grad_norm": 0.04342105984687805,
|
| 1170 |
+
"learning_rate": 7.682291666666668e-06,
|
| 1171 |
+
"loss": 0.0033,
|
| 1172 |
+
"step": 1480
|
| 1173 |
+
},
|
| 1174 |
+
{
|
| 1175 |
+
"epoch": 1.9401041666666665,
|
| 1176 |
+
"grad_norm": 0.010561387054622173,
|
| 1177 |
+
"learning_rate": 6.380208333333333e-06,
|
| 1178 |
+
"loss": 0.0465,
|
| 1179 |
+
"step": 1490
|
| 1180 |
+
},
|
| 1181 |
+
{
|
| 1182 |
+
"epoch": 1.953125,
|
| 1183 |
+
"grad_norm": 0.024927057325839996,
|
| 1184 |
+
"learning_rate": 5.078125000000001e-06,
|
| 1185 |
+
"loss": 0.1078,
|
| 1186 |
+
"step": 1500
|
| 1187 |
+
},
|
| 1188 |
+
{
|
| 1189 |
+
"epoch": 1.953125,
|
| 1190 |
+
"eval_accuracy": 0.9763358778625955,
|
| 1191 |
+
"eval_loss": 0.09990814328193665,
|
| 1192 |
+
"eval_runtime": 76.08,
|
| 1193 |
+
"eval_samples_per_second": 17.219,
|
| 1194 |
+
"eval_steps_per_second": 2.156,
|
| 1195 |
+
"step": 1500
|
| 1196 |
+
},
|
| 1197 |
+
{
|
| 1198 |
+
"epoch": 1.9661458333333335,
|
| 1199 |
+
"grad_norm": 9.230520248413086,
|
| 1200 |
+
"learning_rate": 3.7760416666666667e-06,
|
| 1201 |
+
"loss": 0.134,
|
| 1202 |
+
"step": 1510
|
| 1203 |
+
},
|
| 1204 |
+
{
|
| 1205 |
+
"epoch": 1.9791666666666665,
|
| 1206 |
+
"grad_norm": 0.05698850750923157,
|
| 1207 |
+
"learning_rate": 2.473958333333333e-06,
|
| 1208 |
+
"loss": 0.0115,
|
| 1209 |
+
"step": 1520
|
| 1210 |
+
},
|
| 1211 |
+
{
|
| 1212 |
+
"epoch": 1.9921875,
|
| 1213 |
+
"grad_norm": 0.005129971541464329,
|
| 1214 |
+
"learning_rate": 1.1718750000000001e-06,
|
| 1215 |
+
"loss": 0.0615,
|
| 1216 |
+
"step": 1530
|
| 1217 |
+
},
|
| 1218 |
+
{
|
| 1219 |
+
"epoch": 2.0,
|
| 1220 |
+
"step": 1536,
|
| 1221 |
+
"total_flos": 9.520992752534323e+17,
|
| 1222 |
+
"train_loss": 0.37781994496223587,
|
| 1223 |
+
"train_runtime": 2217.5006,
|
| 1224 |
+
"train_samples_per_second": 5.54,
|
| 1225 |
+
"train_steps_per_second": 0.693
|
| 1226 |
}
|
| 1227 |
],
|
| 1228 |
"logging_steps": 10,
|
| 1229 |
+
"max_steps": 1536,
|
| 1230 |
"num_input_tokens_seen": 0,
|
| 1231 |
+
"num_train_epochs": 2,
|
| 1232 |
"save_steps": 100,
|
| 1233 |
"stateful_callbacks": {
|
| 1234 |
"TrainerControl": {
|
|
|
|
| 1242 |
"attributes": {}
|
| 1243 |
}
|
| 1244 |
},
|
| 1245 |
+
"total_flos": 9.520992752534323e+17,
|
| 1246 |
"train_batch_size": 8,
|
| 1247 |
"trial_name": null,
|
| 1248 |
"trial_params": null
|