{
  "best_metric": 0.9064,
  "best_model_checkpoint": "output/checkpoint-5000",
  "epoch": 2.0,
  "eval_steps": 500,
  "global_step": 5000,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.02,
      "learning_rate": 3.3333333333333337e-06,
      "loss": 0.8125,
      "step": 50
    },
    {
      "epoch": 0.04,
      "learning_rate": 6.6666666666666675e-06,
      "loss": 0.7599,
      "step": 100
    },
    {
      "epoch": 0.06,
      "learning_rate": 1e-05,
      "loss": 0.7309,
      "step": 150
    },
    {
      "epoch": 0.08,
      "learning_rate": 1.3333333333333335e-05,
      "loss": 0.7104,
      "step": 200
    },
    {
      "epoch": 0.1,
      "learning_rate": 1.6666666666666667e-05,
      "loss": 0.6939,
      "step": 250
    },
    {
      "epoch": 0.12,
      "learning_rate": 2e-05,
      "loss": 0.6824,
      "step": 300
    },
    {
      "epoch": 0.14,
      "learning_rate": 2.3333333333333336e-05,
      "loss": 0.686,
      "step": 350
    },
    {
      "epoch": 0.16,
      "learning_rate": 2.666666666666667e-05,
      "loss": 0.6693,
      "step": 400
    },
    {
      "epoch": 0.18,
      "learning_rate": 3e-05,
      "loss": 0.6436,
      "step": 450
    },
    {
      "epoch": 0.2,
      "learning_rate": 3.3333333333333335e-05,
      "loss": 0.6101,
      "step": 500
    },
    {
      "epoch": 0.22,
      "learning_rate": 3.6666666666666666e-05,
      "loss": 0.493,
      "step": 550
    },
    {
      "epoch": 0.24,
      "learning_rate": 3.993333333333333e-05,
      "loss": 0.4239,
      "step": 600
    },
    {
      "epoch": 0.26,
      "learning_rate": 4.326666666666667e-05,
      "loss": 0.3391,
      "step": 650
    },
    {
      "epoch": 0.28,
      "learning_rate": 4.66e-05,
      "loss": 0.3332,
      "step": 700
    },
    {
      "epoch": 0.3,
      "learning_rate": 4.986666666666666e-05,
      "loss": 0.3966,
      "step": 750
    },
    {
      "epoch": 0.32,
      "learning_rate": 5.32e-05,
      "loss": 0.3137,
      "step": 800
    },
    {
      "epoch": 0.34,
      "learning_rate": 5.653333333333333e-05,
      "loss": 0.3072,
      "step": 850
    },
    {
      "epoch": 0.36,
      "learning_rate": 5.986666666666667e-05,
      "loss": 0.272,
      "step": 900
    },
    {
      "epoch": 0.38,
      "learning_rate": 6.32e-05,
      "loss": 0.2715,
      "step": 950
    },
    {
      "epoch": 0.4,
      "learning_rate": 6.653333333333333e-05,
      "loss": 0.2892,
      "step": 1000
    },
    {
      "epoch": 0.42,
      "learning_rate": 6.986666666666667e-05,
      "loss": 0.28,
      "step": 1050
    },
    {
      "epoch": 0.44,
      "learning_rate": 7.32e-05,
      "loss": 0.3102,
      "step": 1100
    },
    {
      "epoch": 0.46,
      "learning_rate": 7.653333333333333e-05,
      "loss": 0.2663,
      "step": 1150
    },
    {
      "epoch": 0.48,
      "learning_rate": 7.986666666666667e-05,
      "loss": 0.2778,
      "step": 1200
    },
    {
      "epoch": 0.5,
      "learning_rate": 8.32e-05,
      "loss": 0.3414,
      "step": 1250
    },
    {
      "epoch": 0.52,
      "learning_rate": 8.653333333333334e-05,
      "loss": 0.2608,
      "step": 1300
    },
    {
      "epoch": 0.54,
      "learning_rate": 8.986666666666666e-05,
      "loss": 0.2847,
      "step": 1350
    },
    {
      "epoch": 0.56,
      "learning_rate": 9.32e-05,
      "loss": 0.2801,
      "step": 1400
    },
    {
      "epoch": 0.58,
      "learning_rate": 9.653333333333334e-05,
      "loss": 0.2777,
      "step": 1450
    },
    {
      "epoch": 0.6,
      "learning_rate": 9.986666666666668e-05,
      "loss": 0.2819,
      "step": 1500
    },
    {
      "epoch": 0.62,
      "learning_rate": 0.0001032,
      "loss": 0.2631,
      "step": 1550
    },
    {
      "epoch": 0.64,
      "learning_rate": 0.00010653333333333333,
      "loss": 0.255,
      "step": 1600
    },
    {
      "epoch": 0.66,
      "learning_rate": 0.00010986666666666668,
      "loss": 0.3253,
      "step": 1650
    },
    {
      "epoch": 0.68,
      "learning_rate": 0.0001132,
      "loss": 0.2632,
      "step": 1700
    },
    {
      "epoch": 0.7,
      "learning_rate": 0.00011653333333333334,
      "loss": 0.2808,
      "step": 1750
    },
    {
      "epoch": 0.72,
      "learning_rate": 0.00011986666666666666,
      "loss": 0.2487,
      "step": 1800
    },
    {
      "epoch": 0.74,
      "learning_rate": 0.0001232,
      "loss": 0.1958,
      "step": 1850
    },
    {
      "epoch": 0.76,
      "learning_rate": 0.00012653333333333334,
      "loss": 0.2882,
      "step": 1900
    },
    {
      "epoch": 0.78,
      "learning_rate": 0.00012986666666666666,
      "loss": 0.2877,
      "step": 1950
    },
    {
      "epoch": 0.8,
      "learning_rate": 0.0001332,
      "loss": 0.2412,
      "step": 2000
    },
    {
      "epoch": 0.82,
      "learning_rate": 0.00013653333333333334,
      "loss": 0.2608,
      "step": 2050
    },
    {
      "epoch": 0.84,
      "learning_rate": 0.00013986666666666666,
      "loss": 0.2296,
      "step": 2100
    },
    {
      "epoch": 0.86,
      "learning_rate": 0.00014319999999999998,
      "loss": 0.2311,
      "step": 2150
    },
    {
      "epoch": 0.88,
      "learning_rate": 0.00014653333333333334,
      "loss": 0.2603,
      "step": 2200
    },
    {
      "epoch": 0.9,
      "learning_rate": 0.00014986666666666669,
      "loss": 0.2923,
      "step": 2250
    },
    {
      "epoch": 0.92,
      "learning_rate": 0.0001532,
      "loss": 0.2415,
      "step": 2300
    },
    {
      "epoch": 0.94,
      "learning_rate": 0.00015646666666666668,
      "loss": 0.2671,
      "step": 2350
    },
    {
      "epoch": 0.96,
      "learning_rate": 0.0001598,
      "loss": 0.2421,
      "step": 2400
    },
    {
      "epoch": 0.98,
      "learning_rate": 0.00016313333333333333,
      "loss": 0.2449,
      "step": 2450
    },
    {
      "epoch": 1.0,
      "learning_rate": 0.00016646666666666668,
      "loss": 0.2399,
      "step": 2500
    },
    {
      "epoch": 1.0,
      "eval_accuracy": 0.9037,
      "eval_loss": 0.2539164125919342,
      "eval_runtime": 132.4594,
      "eval_samples_per_second": 75.495,
      "eval_steps_per_second": 4.718,
      "step": 2500
    },
    {
      "epoch": 1.02,
      "learning_rate": 0.0001698,
      "loss": 0.2453,
      "step": 2550
    },
    {
      "epoch": 1.04,
      "learning_rate": 0.00017313333333333333,
      "loss": 0.2485,
      "step": 2600
    },
    {
      "epoch": 1.06,
      "learning_rate": 0.00017646666666666666,
      "loss": 0.2321,
      "step": 2650
    },
    {
      "epoch": 1.08,
      "learning_rate": 0.00017979999999999998,
      "loss": 0.239,
      "step": 2700
    },
    {
      "epoch": 1.1,
      "learning_rate": 0.00018313333333333336,
      "loss": 0.2389,
      "step": 2750
    },
    {
      "epoch": 1.12,
      "learning_rate": 0.00018646666666666668,
      "loss": 0.2216,
      "step": 2800
    },
    {
      "epoch": 1.14,
      "learning_rate": 0.0001898,
      "loss": 0.3027,
      "step": 2850
    },
    {
      "epoch": 1.16,
      "learning_rate": 0.00019313333333333333,
      "loss": 0.2683,
      "step": 2900
    },
    {
      "epoch": 1.18,
      "learning_rate": 0.00019646666666666668,
      "loss": 0.2378,
      "step": 2950
    },
    {
      "epoch": 1.2,
      "learning_rate": 0.0001998,
      "loss": 0.2598,
      "step": 3000
    },
    {
      "epoch": 1.22,
      "learning_rate": 0.00020313333333333333,
      "loss": 0.2363,
      "step": 3050
    },
    {
      "epoch": 1.24,
      "learning_rate": 0.00020646666666666665,
      "loss": 0.2437,
      "step": 3100
    },
    {
      "epoch": 1.26,
      "learning_rate": 0.0002098,
      "loss": 0.244,
      "step": 3150
    },
    {
      "epoch": 1.28,
      "learning_rate": 0.00021313333333333335,
      "loss": 0.2264,
      "step": 3200
    },
    {
      "epoch": 1.3,
      "learning_rate": 0.00021646666666666668,
      "loss": 0.188,
      "step": 3250
    },
    {
      "epoch": 1.32,
      "learning_rate": 0.0002198,
      "loss": 0.2507,
      "step": 3300
    },
    {
      "epoch": 1.34,
      "learning_rate": 0.00022313333333333333,
      "loss": 0.2265,
      "step": 3350
    },
    {
      "epoch": 1.36,
      "learning_rate": 0.00022646666666666668,
      "loss": 0.2265,
      "step": 3400
    },
    {
      "epoch": 1.38,
      "learning_rate": 0.0002298,
      "loss": 0.226,
      "step": 3450
    },
    {
      "epoch": 1.4,
      "learning_rate": 0.00023313333333333333,
      "loss": 0.2502,
      "step": 3500
    },
    {
      "epoch": 1.42,
      "learning_rate": 0.00023646666666666665,
      "loss": 0.2436,
      "step": 3550
    },
    {
      "epoch": 1.44,
      "learning_rate": 0.00023980000000000003,
      "loss": 0.2472,
      "step": 3600
    },
    {
      "epoch": 1.46,
      "learning_rate": 0.00024313333333333335,
      "loss": 0.2596,
      "step": 3650
    },
    {
      "epoch": 1.48,
      "learning_rate": 0.0002464666666666667,
      "loss": 0.2381,
      "step": 3700
    },
    {
      "epoch": 1.5,
      "learning_rate": 0.0002498,
      "loss": 0.231,
      "step": 3750
    },
    {
      "epoch": 1.52,
      "learning_rate": 0.0002531333333333333,
      "loss": 0.2489,
      "step": 3800
    },
    {
      "epoch": 1.54,
      "learning_rate": 0.0002564666666666667,
      "loss": 0.1849,
      "step": 3850
    },
    {
      "epoch": 1.56,
      "learning_rate": 0.00025979999999999997,
      "loss": 0.2742,
      "step": 3900
    },
    {
      "epoch": 1.58,
      "learning_rate": 0.00026313333333333335,
      "loss": 0.2268,
      "step": 3950
    },
    {
      "epoch": 1.6,
      "learning_rate": 0.0002664666666666667,
      "loss": 0.287,
      "step": 4000
    },
    {
      "epoch": 1.62,
      "learning_rate": 0.0002698,
      "loss": 0.208,
      "step": 4050
    },
    {
      "epoch": 1.64,
      "learning_rate": 0.0002731333333333333,
      "loss": 0.2446,
      "step": 4100
    },
    {
      "epoch": 1.66,
      "learning_rate": 0.0002764666666666667,
      "loss": 0.2359,
      "step": 4150
    },
    {
      "epoch": 1.68,
      "learning_rate": 0.0002798,
      "loss": 0.2917,
      "step": 4200
    },
    {
      "epoch": 1.7,
      "learning_rate": 0.00028313333333333335,
      "loss": 0.2051,
      "step": 4250
    },
    {
      "epoch": 1.72,
      "learning_rate": 0.00028646666666666667,
      "loss": 0.2119,
      "step": 4300
    },
    {
      "epoch": 1.74,
      "learning_rate": 0.0002898,
      "loss": 0.1946,
      "step": 4350
    },
    {
      "epoch": 1.76,
      "learning_rate": 0.0002931333333333334,
      "loss": 0.2159,
      "step": 4400
    },
    {
      "epoch": 1.78,
      "learning_rate": 0.00029646666666666664,
      "loss": 0.2793,
      "step": 4450
    },
    {
      "epoch": 1.8,
      "learning_rate": 0.0002998,
      "loss": 0.2675,
      "step": 4500
    },
    {
      "epoch": 1.82,
      "learning_rate": 0.0003031333333333333,
      "loss": 0.1927,
      "step": 4550
    },
    {
      "epoch": 1.84,
      "learning_rate": 0.00030646666666666667,
      "loss": 0.177,
      "step": 4600
    },
    {
      "epoch": 1.86,
      "learning_rate": 0.00030980000000000005,
      "loss": 0.2681,
      "step": 4650
    },
    {
      "epoch": 1.88,
      "learning_rate": 0.00031306666666666667,
      "loss": 0.2123,
      "step": 4700
    },
    {
      "epoch": 1.9,
      "learning_rate": 0.00031640000000000005,
      "loss": 0.2232,
      "step": 4750
    },
    {
      "epoch": 1.92,
      "learning_rate": 0.0003197333333333333,
      "loss": 0.222,
      "step": 4800
    },
    {
      "epoch": 1.94,
      "learning_rate": 0.0003230666666666667,
      "loss": 0.2126,
      "step": 4850
    },
    {
      "epoch": 1.96,
      "learning_rate": 0.0003264,
      "loss": 0.2268,
      "step": 4900
    },
    {
      "epoch": 1.98,
      "learning_rate": 0.00032973333333333334,
      "loss": 0.2239,
      "step": 4950
    },
    {
      "epoch": 2.0,
      "learning_rate": 0.00033306666666666667,
      "loss": 0.2454,
      "step": 5000
    },
    {
      "epoch": 2.0,
      "eval_accuracy": 0.9064,
      "eval_loss": 0.27525001764297485,
      "eval_runtime": 132.3865,
      "eval_samples_per_second": 75.536,
      "eval_steps_per_second": 4.721,
      "step": 5000
    }
  ],
  "logging_steps": 50,
  "max_steps": 25000,
  "num_train_epochs": 10,
  "save_steps": 500,
  "total_flos": 1.166722013005056e+16,
  "trial_name": null,
  "trial_params": null
}