Upload trainer_state.json with huggingface_hub
Browse files- trainer_state.json +1618 -0
trainer_state.json
ADDED
|
@@ -0,0 +1,1618 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_global_step": null,
|
| 3 |
+
"best_metric": null,
|
| 4 |
+
"best_model_checkpoint": null,
|
| 5 |
+
"epoch": 3.0,
|
| 6 |
+
"eval_steps": 100.0,
|
| 7 |
+
"global_step": 2250,
|
| 8 |
+
"is_hyper_param_search": false,
|
| 9 |
+
"is_local_process_zero": true,
|
| 10 |
+
"is_world_process_zero": true,
|
| 11 |
+
"log_history": [
|
| 12 |
+
{
|
| 13 |
+
"epoch": 0.013333333333333334,
|
| 14 |
+
"grad_norm": 5.898292287342509,
|
| 15 |
+
"learning_rate": 8.000000000000001e-07,
|
| 16 |
+
"loss": 0.831,
|
| 17 |
+
"step": 10
|
| 18 |
+
},
|
| 19 |
+
{
|
| 20 |
+
"epoch": 0.02666666666666667,
|
| 21 |
+
"grad_norm": 3.3520696397590375,
|
| 22 |
+
"learning_rate": 1.688888888888889e-06,
|
| 23 |
+
"loss": 0.7557,
|
| 24 |
+
"step": 20
|
| 25 |
+
},
|
| 26 |
+
{
|
| 27 |
+
"epoch": 0.04,
|
| 28 |
+
"grad_norm": 2.8482498609186684,
|
| 29 |
+
"learning_rate": 2.577777777777778e-06,
|
| 30 |
+
"loss": 0.67,
|
| 31 |
+
"step": 30
|
| 32 |
+
},
|
| 33 |
+
{
|
| 34 |
+
"epoch": 0.05333333333333334,
|
| 35 |
+
"grad_norm": 2.842056164365863,
|
| 36 |
+
"learning_rate": 3.4666666666666672e-06,
|
| 37 |
+
"loss": 0.6148,
|
| 38 |
+
"step": 40
|
| 39 |
+
},
|
| 40 |
+
{
|
| 41 |
+
"epoch": 0.06666666666666667,
|
| 42 |
+
"grad_norm": 2.604688431399306,
|
| 43 |
+
"learning_rate": 4.3555555555555555e-06,
|
| 44 |
+
"loss": 0.572,
|
| 45 |
+
"step": 50
|
| 46 |
+
},
|
| 47 |
+
{
|
| 48 |
+
"epoch": 0.08,
|
| 49 |
+
"grad_norm": 2.763965702225131,
|
| 50 |
+
"learning_rate": 5.244444444444445e-06,
|
| 51 |
+
"loss": 0.5575,
|
| 52 |
+
"step": 60
|
| 53 |
+
},
|
| 54 |
+
{
|
| 55 |
+
"epoch": 0.09333333333333334,
|
| 56 |
+
"grad_norm": 2.638749187206815,
|
| 57 |
+
"learning_rate": 6.133333333333334e-06,
|
| 58 |
+
"loss": 0.5413,
|
| 59 |
+
"step": 70
|
| 60 |
+
},
|
| 61 |
+
{
|
| 62 |
+
"epoch": 0.10666666666666667,
|
| 63 |
+
"grad_norm": 2.843742012797147,
|
| 64 |
+
"learning_rate": 7.022222222222222e-06,
|
| 65 |
+
"loss": 0.5311,
|
| 66 |
+
"step": 80
|
| 67 |
+
},
|
| 68 |
+
{
|
| 69 |
+
"epoch": 0.12,
|
| 70 |
+
"grad_norm": 2.5707192399965835,
|
| 71 |
+
"learning_rate": 7.911111111111112e-06,
|
| 72 |
+
"loss": 0.536,
|
| 73 |
+
"step": 90
|
| 74 |
+
},
|
| 75 |
+
{
|
| 76 |
+
"epoch": 0.13333333333333333,
|
| 77 |
+
"grad_norm": 2.5409559716924948,
|
| 78 |
+
"learning_rate": 8.8e-06,
|
| 79 |
+
"loss": 0.5414,
|
| 80 |
+
"step": 100
|
| 81 |
+
},
|
| 82 |
+
{
|
| 83 |
+
"epoch": 0.14666666666666667,
|
| 84 |
+
"grad_norm": 2.550184586569705,
|
| 85 |
+
"learning_rate": 9.688888888888889e-06,
|
| 86 |
+
"loss": 0.5432,
|
| 87 |
+
"step": 110
|
| 88 |
+
},
|
| 89 |
+
{
|
| 90 |
+
"epoch": 0.16,
|
| 91 |
+
"grad_norm": 2.468087443571347,
|
| 92 |
+
"learning_rate": 1.0577777777777778e-05,
|
| 93 |
+
"loss": 0.5278,
|
| 94 |
+
"step": 120
|
| 95 |
+
},
|
| 96 |
+
{
|
| 97 |
+
"epoch": 0.17333333333333334,
|
| 98 |
+
"grad_norm": 2.5428236438212863,
|
| 99 |
+
"learning_rate": 1.1466666666666668e-05,
|
| 100 |
+
"loss": 0.5232,
|
| 101 |
+
"step": 130
|
| 102 |
+
},
|
| 103 |
+
{
|
| 104 |
+
"epoch": 0.18666666666666668,
|
| 105 |
+
"grad_norm": 2.3201702953705348,
|
| 106 |
+
"learning_rate": 1.2355555555555557e-05,
|
| 107 |
+
"loss": 0.5309,
|
| 108 |
+
"step": 140
|
| 109 |
+
},
|
| 110 |
+
{
|
| 111 |
+
"epoch": 0.2,
|
| 112 |
+
"grad_norm": 2.6753097519596483,
|
| 113 |
+
"learning_rate": 1.3244444444444447e-05,
|
| 114 |
+
"loss": 0.552,
|
| 115 |
+
"step": 150
|
| 116 |
+
},
|
| 117 |
+
{
|
| 118 |
+
"epoch": 0.21333333333333335,
|
| 119 |
+
"grad_norm": 2.23236104829742,
|
| 120 |
+
"learning_rate": 1.4133333333333334e-05,
|
| 121 |
+
"loss": 0.5365,
|
| 122 |
+
"step": 160
|
| 123 |
+
},
|
| 124 |
+
{
|
| 125 |
+
"epoch": 0.22666666666666666,
|
| 126 |
+
"grad_norm": 2.414527209693637,
|
| 127 |
+
"learning_rate": 1.5022222222222223e-05,
|
| 128 |
+
"loss": 0.5442,
|
| 129 |
+
"step": 170
|
| 130 |
+
},
|
| 131 |
+
{
|
| 132 |
+
"epoch": 0.24,
|
| 133 |
+
"grad_norm": 2.3119278546712234,
|
| 134 |
+
"learning_rate": 1.5911111111111113e-05,
|
| 135 |
+
"loss": 0.5414,
|
| 136 |
+
"step": 180
|
| 137 |
+
},
|
| 138 |
+
{
|
| 139 |
+
"epoch": 0.25333333333333335,
|
| 140 |
+
"grad_norm": 2.4448991648059084,
|
| 141 |
+
"learning_rate": 1.6800000000000002e-05,
|
| 142 |
+
"loss": 0.5499,
|
| 143 |
+
"step": 190
|
| 144 |
+
},
|
| 145 |
+
{
|
| 146 |
+
"epoch": 0.26666666666666666,
|
| 147 |
+
"grad_norm": 2.3368352174393023,
|
| 148 |
+
"learning_rate": 1.768888888888889e-05,
|
| 149 |
+
"loss": 0.5573,
|
| 150 |
+
"step": 200
|
| 151 |
+
},
|
| 152 |
+
{
|
| 153 |
+
"epoch": 0.28,
|
| 154 |
+
"grad_norm": 5.723913802347117,
|
| 155 |
+
"learning_rate": 1.857777777777778e-05,
|
| 156 |
+
"loss": 0.5654,
|
| 157 |
+
"step": 210
|
| 158 |
+
},
|
| 159 |
+
{
|
| 160 |
+
"epoch": 0.29333333333333333,
|
| 161 |
+
"grad_norm": 2.2067530686259187,
|
| 162 |
+
"learning_rate": 1.9466666666666668e-05,
|
| 163 |
+
"loss": 0.5797,
|
| 164 |
+
"step": 220
|
| 165 |
+
},
|
| 166 |
+
{
|
| 167 |
+
"epoch": 0.30666666666666664,
|
| 168 |
+
"grad_norm": 2.174399621724107,
|
| 169 |
+
"learning_rate": 1.999980745232294e-05,
|
| 170 |
+
"loss": 0.5669,
|
| 171 |
+
"step": 230
|
| 172 |
+
},
|
| 173 |
+
{
|
| 174 |
+
"epoch": 0.32,
|
| 175 |
+
"grad_norm": 2.0729059181266307,
|
| 176 |
+
"learning_rate": 1.9997641376110816e-05,
|
| 177 |
+
"loss": 0.5642,
|
| 178 |
+
"step": 240
|
| 179 |
+
},
|
| 180 |
+
{
|
| 181 |
+
"epoch": 0.3333333333333333,
|
| 182 |
+
"grad_norm": 2.1037213081795616,
|
| 183 |
+
"learning_rate": 1.999306906216052e-05,
|
| 184 |
+
"loss": 0.5738,
|
| 185 |
+
"step": 250
|
| 186 |
+
},
|
| 187 |
+
{
|
| 188 |
+
"epoch": 0.3466666666666667,
|
| 189 |
+
"grad_norm": 2.1559844456557498,
|
| 190 |
+
"learning_rate": 1.998609161093904e-05,
|
| 191 |
+
"loss": 0.564,
|
| 192 |
+
"step": 260
|
| 193 |
+
},
|
| 194 |
+
{
|
| 195 |
+
"epoch": 0.36,
|
| 196 |
+
"grad_norm": 1.9621152005934692,
|
| 197 |
+
"learning_rate": 1.9976710701783116e-05,
|
| 198 |
+
"loss": 0.5596,
|
| 199 |
+
"step": 270
|
| 200 |
+
},
|
| 201 |
+
{
|
| 202 |
+
"epoch": 0.37333333333333335,
|
| 203 |
+
"grad_norm": 2.065551312473691,
|
| 204 |
+
"learning_rate": 1.9964928592495046e-05,
|
| 205 |
+
"loss": 0.552,
|
| 206 |
+
"step": 280
|
| 207 |
+
},
|
| 208 |
+
{
|
| 209 |
+
"epoch": 0.38666666666666666,
|
| 210 |
+
"grad_norm": 1.7993806855818701,
|
| 211 |
+
"learning_rate": 1.9950748118799264e-05,
|
| 212 |
+
"loss": 0.5574,
|
| 213 |
+
"step": 290
|
| 214 |
+
},
|
| 215 |
+
{
|
| 216 |
+
"epoch": 0.4,
|
| 217 |
+
"grad_norm": 2.06194707168385,
|
| 218 |
+
"learning_rate": 1.9934172693659854e-05,
|
| 219 |
+
"loss": 0.5504,
|
| 220 |
+
"step": 300
|
| 221 |
+
},
|
| 222 |
+
{
|
| 223 |
+
"epoch": 0.41333333333333333,
|
| 224 |
+
"grad_norm": 2.1609690055894157,
|
| 225 |
+
"learning_rate": 1.9915206306459117e-05,
|
| 226 |
+
"loss": 0.5683,
|
| 227 |
+
"step": 310
|
| 228 |
+
},
|
| 229 |
+
{
|
| 230 |
+
"epoch": 0.4266666666666667,
|
| 231 |
+
"grad_norm": 1.8055525365899636,
|
| 232 |
+
"learning_rate": 1.989385352203739e-05,
|
| 233 |
+
"loss": 0.549,
|
| 234 |
+
"step": 320
|
| 235 |
+
},
|
| 236 |
+
{
|
| 237 |
+
"epoch": 0.44,
|
| 238 |
+
"grad_norm": 1.836966259586883,
|
| 239 |
+
"learning_rate": 1.9870119479594385e-05,
|
| 240 |
+
"loss": 0.5514,
|
| 241 |
+
"step": 330
|
| 242 |
+
},
|
| 243 |
+
{
|
| 244 |
+
"epoch": 0.4533333333333333,
|
| 245 |
+
"grad_norm": 1.8329270025337256,
|
| 246 |
+
"learning_rate": 1.984400989145228e-05,
|
| 247 |
+
"loss": 0.5585,
|
| 248 |
+
"step": 340
|
| 249 |
+
},
|
| 250 |
+
{
|
| 251 |
+
"epoch": 0.4666666666666667,
|
| 252 |
+
"grad_norm": 1.9315973824122936,
|
| 253 |
+
"learning_rate": 1.9815531041680894e-05,
|
| 254 |
+
"loss": 0.5573,
|
| 255 |
+
"step": 350
|
| 256 |
+
},
|
| 257 |
+
{
|
| 258 |
+
"epoch": 0.48,
|
| 259 |
+
"grad_norm": 1.8973964631724305,
|
| 260 |
+
"learning_rate": 1.9784689784585193e-05,
|
| 261 |
+
"loss": 0.5587,
|
| 262 |
+
"step": 360
|
| 263 |
+
},
|
| 264 |
+
{
|
| 265 |
+
"epoch": 0.49333333333333335,
|
| 266 |
+
"grad_norm": 1.6828257612777964,
|
| 267 |
+
"learning_rate": 1.9751493543055634e-05,
|
| 268 |
+
"loss": 0.537,
|
| 269 |
+
"step": 370
|
| 270 |
+
},
|
| 271 |
+
{
|
| 272 |
+
"epoch": 0.5066666666666667,
|
| 273 |
+
"grad_norm": 1.80491354414748,
|
| 274 |
+
"learning_rate": 1.97159503067816e-05,
|
| 275 |
+
"loss": 0.5364,
|
| 276 |
+
"step": 380
|
| 277 |
+
},
|
| 278 |
+
{
|
| 279 |
+
"epoch": 0.52,
|
| 280 |
+
"grad_norm": 1.7459760296830809,
|
| 281 |
+
"learning_rate": 1.9678068630328434e-05,
|
| 282 |
+
"loss": 0.5352,
|
| 283 |
+
"step": 390
|
| 284 |
+
},
|
| 285 |
+
{
|
| 286 |
+
"epoch": 0.5333333333333333,
|
| 287 |
+
"grad_norm": 1.767031051839234,
|
| 288 |
+
"learning_rate": 1.9637857631078532e-05,
|
| 289 |
+
"loss": 0.5432,
|
| 290 |
+
"step": 400
|
| 291 |
+
},
|
| 292 |
+
{
|
| 293 |
+
"epoch": 0.5466666666666666,
|
| 294 |
+
"grad_norm": 1.8676642254493088,
|
| 295 |
+
"learning_rate": 1.9595326987036963e-05,
|
| 296 |
+
"loss": 0.5265,
|
| 297 |
+
"step": 410
|
| 298 |
+
},
|
| 299 |
+
{
|
| 300 |
+
"epoch": 0.56,
|
| 301 |
+
"grad_norm": 1.7276672862042475,
|
| 302 |
+
"learning_rate": 1.9550486934502147e-05,
|
| 303 |
+
"loss": 0.5322,
|
| 304 |
+
"step": 420
|
| 305 |
+
},
|
| 306 |
+
{
|
| 307 |
+
"epoch": 0.5733333333333334,
|
| 308 |
+
"grad_norm": 1.6683705378514615,
|
| 309 |
+
"learning_rate": 1.9503348265602212e-05,
|
| 310 |
+
"loss": 0.5381,
|
| 311 |
+
"step": 430
|
| 312 |
+
},
|
| 313 |
+
{
|
| 314 |
+
"epoch": 0.5866666666666667,
|
| 315 |
+
"grad_norm": 1.7580537844176218,
|
| 316 |
+
"learning_rate": 1.9453922325697498e-05,
|
| 317 |
+
"loss": 0.5332,
|
| 318 |
+
"step": 440
|
| 319 |
+
},
|
| 320 |
+
{
|
| 321 |
+
"epoch": 0.6,
|
| 322 |
+
"grad_norm": 1.830369813882976,
|
| 323 |
+
"learning_rate": 1.940222101064998e-05,
|
| 324 |
+
"loss": 0.547,
|
| 325 |
+
"step": 450
|
| 326 |
+
},
|
| 327 |
+
{
|
| 328 |
+
"epoch": 0.6133333333333333,
|
| 329 |
+
"grad_norm": 1.7250098248942782,
|
| 330 |
+
"learning_rate": 1.9348256763960146e-05,
|
| 331 |
+
"loss": 0.5311,
|
| 332 |
+
"step": 460
|
| 333 |
+
},
|
| 334 |
+
{
|
| 335 |
+
"epoch": 0.6266666666666667,
|
| 336 |
+
"grad_norm": 1.7354679606511643,
|
| 337 |
+
"learning_rate": 1.92920425737721e-05,
|
| 338 |
+
"loss": 0.538,
|
| 339 |
+
"step": 470
|
| 340 |
+
},
|
| 341 |
+
{
|
| 342 |
+
"epoch": 0.64,
|
| 343 |
+
"grad_norm": 1.5961267823194598,
|
| 344 |
+
"learning_rate": 1.923359196974757e-05,
|
| 345 |
+
"loss": 0.5172,
|
| 346 |
+
"step": 480
|
| 347 |
+
},
|
| 348 |
+
{
|
| 349 |
+
"epoch": 0.6533333333333333,
|
| 350 |
+
"grad_norm": 1.6258042451060035,
|
| 351 |
+
"learning_rate": 1.9172919019809572e-05,
|
| 352 |
+
"loss": 0.5241,
|
| 353 |
+
"step": 490
|
| 354 |
+
},
|
| 355 |
+
{
|
| 356 |
+
"epoch": 0.6666666666666666,
|
| 357 |
+
"grad_norm": 1.636589287624598,
|
| 358 |
+
"learning_rate": 1.9110038326756535e-05,
|
| 359 |
+
"loss": 0.5281,
|
| 360 |
+
"step": 500
|
| 361 |
+
},
|
| 362 |
+
{
|
| 363 |
+
"epoch": 0.68,
|
| 364 |
+
"grad_norm": 1.6602707907135428,
|
| 365 |
+
"learning_rate": 1.9044965024747703e-05,
|
| 366 |
+
"loss": 0.5245,
|
| 367 |
+
"step": 510
|
| 368 |
+
},
|
| 369 |
+
{
|
| 370 |
+
"epoch": 0.6933333333333334,
|
| 371 |
+
"grad_norm": 1.5619026617235454,
|
| 372 |
+
"learning_rate": 1.897771477566063e-05,
|
| 373 |
+
"loss": 0.5163,
|
| 374 |
+
"step": 520
|
| 375 |
+
},
|
| 376 |
+
{
|
| 377 |
+
"epoch": 0.7066666666666667,
|
| 378 |
+
"grad_norm": 1.7738440775608577,
|
| 379 |
+
"learning_rate": 1.8908303765321662e-05,
|
| 380 |
+
"loss": 0.511,
|
| 381 |
+
"step": 530
|
| 382 |
+
},
|
| 383 |
+
{
|
| 384 |
+
"epoch": 0.72,
|
| 385 |
+
"grad_norm": 1.591338142157395,
|
| 386 |
+
"learning_rate": 1.883674869961035e-05,
|
| 387 |
+
"loss": 0.5138,
|
| 388 |
+
"step": 540
|
| 389 |
+
},
|
| 390 |
+
{
|
| 391 |
+
"epoch": 0.7333333333333333,
|
| 392 |
+
"grad_norm": 1.503878347304741,
|
| 393 |
+
"learning_rate": 1.8763066800438638e-05,
|
| 394 |
+
"loss": 0.5164,
|
| 395 |
+
"step": 550
|
| 396 |
+
},
|
| 397 |
+
{
|
| 398 |
+
"epoch": 0.7466666666666667,
|
| 399 |
+
"grad_norm": 1.631853451659782,
|
| 400 |
+
"learning_rate": 1.86872758016059e-05,
|
| 401 |
+
"loss": 0.5162,
|
| 402 |
+
"step": 560
|
| 403 |
+
},
|
| 404 |
+
{
|
| 405 |
+
"epoch": 0.76,
|
| 406 |
+
"grad_norm": 1.601575902860291,
|
| 407 |
+
"learning_rate": 1.8609393944530765e-05,
|
| 408 |
+
"loss": 0.4943,
|
| 409 |
+
"step": 570
|
| 410 |
+
},
|
| 411 |
+
{
|
| 412 |
+
"epoch": 0.7733333333333333,
|
| 413 |
+
"grad_norm": 1.7363291625481707,
|
| 414 |
+
"learning_rate": 1.852943997386075e-05,
|
| 415 |
+
"loss": 0.5266,
|
| 416 |
+
"step": 580
|
| 417 |
+
},
|
| 418 |
+
{
|
| 419 |
+
"epoch": 0.7866666666666666,
|
| 420 |
+
"grad_norm": 1.7231953517721612,
|
| 421 |
+
"learning_rate": 1.84474331329608e-05,
|
| 422 |
+
"loss": 0.5098,
|
| 423 |
+
"step": 590
|
| 424 |
+
},
|
| 425 |
+
{
|
| 426 |
+
"epoch": 0.8,
|
| 427 |
+
"grad_norm": 1.5337403101367062,
|
| 428 |
+
"learning_rate": 1.8363393159281766e-05,
|
| 429 |
+
"loss": 0.5255,
|
| 430 |
+
"step": 600
|
| 431 |
+
},
|
| 432 |
+
{
|
| 433 |
+
"epoch": 0.8133333333333334,
|
| 434 |
+
"grad_norm": 1.525378999616932,
|
| 435 |
+
"learning_rate": 1.827734027961001e-05,
|
| 436 |
+
"loss": 0.4982,
|
| 437 |
+
"step": 610
|
| 438 |
+
},
|
| 439 |
+
{
|
| 440 |
+
"epoch": 0.8266666666666667,
|
| 441 |
+
"grad_norm": 1.4980657492566625,
|
| 442 |
+
"learning_rate": 1.8189295205199188e-05,
|
| 443 |
+
"loss": 0.5194,
|
| 444 |
+
"step": 620
|
| 445 |
+
},
|
| 446 |
+
{
|
| 447 |
+
"epoch": 0.84,
|
| 448 |
+
"grad_norm": 1.6582273486045063,
|
| 449 |
+
"learning_rate": 1.809927912678547e-05,
|
| 450 |
+
"loss": 0.4854,
|
| 451 |
+
"step": 630
|
| 452 |
+
},
|
| 453 |
+
{
|
| 454 |
+
"epoch": 0.8533333333333334,
|
| 455 |
+
"grad_norm": 1.402398271375965,
|
| 456 |
+
"learning_rate": 1.8007313709487334e-05,
|
| 457 |
+
"loss": 0.5036,
|
| 458 |
+
"step": 640
|
| 459 |
+
},
|
| 460 |
+
{
|
| 461 |
+
"epoch": 0.8666666666666667,
|
| 462 |
+
"grad_norm": 1.484848172423363,
|
| 463 |
+
"learning_rate": 1.7913421087591204e-05,
|
| 464 |
+
"loss": 0.4899,
|
| 465 |
+
"step": 650
|
| 466 |
+
},
|
| 467 |
+
{
|
| 468 |
+
"epoch": 0.88,
|
| 469 |
+
"grad_norm": 1.5795919048848,
|
| 470 |
+
"learning_rate": 1.7817623859224133e-05,
|
| 471 |
+
"loss": 0.5074,
|
| 472 |
+
"step": 660
|
| 473 |
+
},
|
| 474 |
+
{
|
| 475 |
+
"epoch": 0.8933333333333333,
|
| 476 |
+
"grad_norm": 1.5883983901835983,
|
| 477 |
+
"learning_rate": 1.7719945080914902e-05,
|
| 478 |
+
"loss": 0.4988,
|
| 479 |
+
"step": 670
|
| 480 |
+
},
|
| 481 |
+
{
|
| 482 |
+
"epoch": 0.9066666666666666,
|
| 483 |
+
"grad_norm": 1.5340894751635927,
|
| 484 |
+
"learning_rate": 1.7620408262044753e-05,
|
| 485 |
+
"loss": 0.5002,
|
| 486 |
+
"step": 680
|
| 487 |
+
},
|
| 488 |
+
{
|
| 489 |
+
"epoch": 0.92,
|
| 490 |
+
"grad_norm": 1.59111403078431,
|
| 491 |
+
"learning_rate": 1.7519037359189126e-05,
|
| 492 |
+
"loss": 0.5032,
|
| 493 |
+
"step": 690
|
| 494 |
+
},
|
| 495 |
+
{
|
| 496 |
+
"epoch": 0.9333333333333333,
|
| 497 |
+
"grad_norm": 1.5054816711340275,
|
| 498 |
+
"learning_rate": 1.7415856770351797e-05,
|
| 499 |
+
"loss": 0.4847,
|
| 500 |
+
"step": 700
|
| 501 |
+
},
|
| 502 |
+
{
|
| 503 |
+
"epoch": 0.9466666666666667,
|
| 504 |
+
"grad_norm": 1.6231981434576328,
|
| 505 |
+
"learning_rate": 1.731089132909274e-05,
|
| 506 |
+
"loss": 0.5056,
|
| 507 |
+
"step": 710
|
| 508 |
+
},
|
| 509 |
+
{
|
| 510 |
+
"epoch": 0.96,
|
| 511 |
+
"grad_norm": 1.53234310850289,
|
| 512 |
+
"learning_rate": 1.720416629855117e-05,
|
| 513 |
+
"loss": 0.4978,
|
| 514 |
+
"step": 720
|
| 515 |
+
},
|
| 516 |
+
{
|
| 517 |
+
"epoch": 0.9733333333333334,
|
| 518 |
+
"grad_norm": 1.5263836515846234,
|
| 519 |
+
"learning_rate": 1.709570736536521e-05,
|
| 520 |
+
"loss": 0.4895,
|
| 521 |
+
"step": 730
|
| 522 |
+
},
|
| 523 |
+
{
|
| 524 |
+
"epoch": 0.9866666666666667,
|
| 525 |
+
"grad_norm": 1.6016841380688063,
|
| 526 |
+
"learning_rate": 1.6985540633489614e-05,
|
| 527 |
+
"loss": 0.4892,
|
| 528 |
+
"step": 740
|
| 529 |
+
},
|
| 530 |
+
{
|
| 531 |
+
"epoch": 1.0,
|
| 532 |
+
"grad_norm": 1.478915449080549,
|
| 533 |
+
"learning_rate": 1.6873692617913038e-05,
|
| 534 |
+
"loss": 0.4972,
|
| 535 |
+
"step": 750
|
| 536 |
+
},
|
| 537 |
+
{
|
| 538 |
+
"epoch": 1.0133333333333334,
|
| 539 |
+
"grad_norm": 1.5500520898780836,
|
| 540 |
+
"learning_rate": 1.6760190238276418e-05,
|
| 541 |
+
"loss": 0.3175,
|
| 542 |
+
"step": 760
|
| 543 |
+
},
|
| 544 |
+
{
|
| 545 |
+
"epoch": 1.0266666666666666,
|
| 546 |
+
"grad_norm": 1.2877837988796759,
|
| 547 |
+
"learning_rate": 1.6645060812393926e-05,
|
| 548 |
+
"loss": 0.3167,
|
| 549 |
+
"step": 770
|
| 550 |
+
},
|
| 551 |
+
{
|
| 552 |
+
"epoch": 1.04,
|
| 553 |
+
"grad_norm": 1.5744349291427038,
|
| 554 |
+
"learning_rate": 1.6528332049678103e-05,
|
| 555 |
+
"loss": 0.3213,
|
| 556 |
+
"step": 780
|
| 557 |
+
},
|
| 558 |
+
{
|
| 559 |
+
"epoch": 1.0533333333333332,
|
| 560 |
+
"grad_norm": 1.443067702425252,
|
| 561 |
+
"learning_rate": 1.6410032044470735e-05,
|
| 562 |
+
"loss": 0.3154,
|
| 563 |
+
"step": 790
|
| 564 |
+
},
|
| 565 |
+
{
|
| 566 |
+
"epoch": 1.0666666666666667,
|
| 567 |
+
"grad_norm": 1.4427194400328103,
|
| 568 |
+
"learning_rate": 1.6290189269281124e-05,
|
| 569 |
+
"loss": 0.2926,
|
| 570 |
+
"step": 800
|
| 571 |
+
},
|
| 572 |
+
{
|
| 573 |
+
"epoch": 1.08,
|
| 574 |
+
"grad_norm": 1.4892938392431916,
|
| 575 |
+
"learning_rate": 1.616883256793327e-05,
|
| 576 |
+
"loss": 0.3249,
|
| 577 |
+
"step": 810
|
| 578 |
+
},
|
| 579 |
+
{
|
| 580 |
+
"epoch": 1.0933333333333333,
|
| 581 |
+
"grad_norm": 1.487428336048415,
|
| 582 |
+
"learning_rate": 1.6045991148623752e-05,
|
| 583 |
+
"loss": 0.3133,
|
| 584 |
+
"step": 820
|
| 585 |
+
},
|
| 586 |
+
{
|
| 587 |
+
"epoch": 1.1066666666666667,
|
| 588 |
+
"grad_norm": 1.262279480100629,
|
| 589 |
+
"learning_rate": 1.5921694576891847e-05,
|
| 590 |
+
"loss": 0.3063,
|
| 591 |
+
"step": 830
|
| 592 |
+
},
|
| 593 |
+
{
|
| 594 |
+
"epoch": 1.12,
|
| 595 |
+
"grad_norm": 1.372952862077645,
|
| 596 |
+
"learning_rate": 1.579597276850374e-05,
|
| 597 |
+
"loss": 0.2963,
|
| 598 |
+
"step": 840
|
| 599 |
+
},
|
| 600 |
+
{
|
| 601 |
+
"epoch": 1.1333333333333333,
|
| 602 |
+
"grad_norm": 1.3266592978149803,
|
| 603 |
+
"learning_rate": 1.566885598225231e-05,
|
| 604 |
+
"loss": 0.3153,
|
| 605 |
+
"step": 850
|
| 606 |
+
},
|
| 607 |
+
{
|
| 608 |
+
"epoch": 1.1466666666666667,
|
| 609 |
+
"grad_norm": 1.515920110293018,
|
| 610 |
+
"learning_rate": 1.5540374812674496e-05,
|
| 611 |
+
"loss": 0.3058,
|
| 612 |
+
"step": 860
|
| 613 |
+
},
|
| 614 |
+
{
|
| 615 |
+
"epoch": 1.16,
|
| 616 |
+
"grad_norm": 1.3836202370426358,
|
| 617 |
+
"learning_rate": 1.5410560182687736e-05,
|
| 618 |
+
"loss": 0.3083,
|
| 619 |
+
"step": 870
|
| 620 |
+
},
|
| 621 |
+
{
|
| 622 |
+
"epoch": 1.1733333333333333,
|
| 623 |
+
"grad_norm": 1.4188846910077975,
|
| 624 |
+
"learning_rate": 1.5279443336147437e-05,
|
| 625 |
+
"loss": 0.3122,
|
| 626 |
+
"step": 880
|
| 627 |
+
},
|
| 628 |
+
{
|
| 629 |
+
"epoch": 1.1866666666666668,
|
| 630 |
+
"grad_norm": 1.404337742095731,
|
| 631 |
+
"learning_rate": 1.5147055830327206e-05,
|
| 632 |
+
"loss": 0.3307,
|
| 633 |
+
"step": 890
|
| 634 |
+
},
|
| 635 |
+
{
|
| 636 |
+
"epoch": 1.2,
|
| 637 |
+
"grad_norm": 1.274501602481238,
|
| 638 |
+
"learning_rate": 1.5013429528323603e-05,
|
| 639 |
+
"loss": 0.3046,
|
| 640 |
+
"step": 900
|
| 641 |
+
},
|
| 642 |
+
{
|
| 643 |
+
"epoch": 1.2133333333333334,
|
| 644 |
+
"grad_norm": 1.3352211022934344,
|
| 645 |
+
"learning_rate": 1.4878596591387329e-05,
|
| 646 |
+
"loss": 0.297,
|
| 647 |
+
"step": 910
|
| 648 |
+
},
|
| 649 |
+
{
|
| 650 |
+
"epoch": 1.2266666666666666,
|
| 651 |
+
"grad_norm": 1.494783999918573,
|
| 652 |
+
"learning_rate": 1.474258947118263e-05,
|
| 653 |
+
"loss": 0.3036,
|
| 654 |
+
"step": 920
|
| 655 |
+
},
|
| 656 |
+
{
|
| 657 |
+
"epoch": 1.24,
|
| 658 |
+
"grad_norm": 1.4710133083730235,
|
| 659 |
+
"learning_rate": 1.4605440901976815e-05,
|
| 660 |
+
"loss": 0.2973,
|
| 661 |
+
"step": 930
|
| 662 |
+
},
|
| 663 |
+
{
|
| 664 |
+
"epoch": 1.2533333333333334,
|
| 665 |
+
"grad_norm": 1.2797832652653047,
|
| 666 |
+
"learning_rate": 1.4467183892761769e-05,
|
| 667 |
+
"loss": 0.2977,
|
| 668 |
+
"step": 940
|
| 669 |
+
},
|
| 670 |
+
{
|
| 671 |
+
"epoch": 1.2666666666666666,
|
| 672 |
+
"grad_norm": 1.427489925034098,
|
| 673 |
+
"learning_rate": 1.4327851719309298e-05,
|
| 674 |
+
"loss": 0.3039,
|
| 675 |
+
"step": 950
|
| 676 |
+
},
|
| 677 |
+
{
|
| 678 |
+
"epoch": 1.28,
|
| 679 |
+
"grad_norm": 1.4189412936976333,
|
| 680 |
+
"learning_rate": 1.4187477916162338e-05,
|
| 681 |
+
"loss": 0.2982,
|
| 682 |
+
"step": 960
|
| 683 |
+
},
|
| 684 |
+
{
|
| 685 |
+
"epoch": 1.2933333333333334,
|
| 686 |
+
"grad_norm": 1.4124412125754198,
|
| 687 |
+
"learning_rate": 1.4046096268563814e-05,
|
| 688 |
+
"loss": 0.3155,
|
| 689 |
+
"step": 970
|
| 690 |
+
},
|
| 691 |
+
{
|
| 692 |
+
"epoch": 1.3066666666666666,
|
| 693 |
+
"grad_norm": 1.2020488368155164,
|
| 694 |
+
"learning_rate": 1.3903740804325193e-05,
|
| 695 |
+
"loss": 0.3042,
|
| 696 |
+
"step": 980
|
| 697 |
+
},
|
| 698 |
+
{
|
| 699 |
+
"epoch": 1.32,
|
| 700 |
+
"grad_norm": 1.466365199069532,
|
| 701 |
+
"learning_rate": 1.376044578563668e-05,
|
| 702 |
+
"loss": 0.2994,
|
| 703 |
+
"step": 990
|
| 704 |
+
},
|
| 705 |
+
{
|
| 706 |
+
"epoch": 1.3333333333333333,
|
| 707 |
+
"grad_norm": 1.3013257275718952,
|
| 708 |
+
"learning_rate": 1.3616245700820922e-05,
|
| 709 |
+
"loss": 0.2917,
|
| 710 |
+
"step": 1000
|
| 711 |
+
},
|
| 712 |
+
{
|
| 713 |
+
"epoch": 1.3466666666666667,
|
| 714 |
+
"grad_norm": 1.385115451097482,
|
| 715 |
+
"learning_rate": 1.3471175256032406e-05,
|
| 716 |
+
"loss": 0.3026,
|
| 717 |
+
"step": 1010
|
| 718 |
+
},
|
| 719 |
+
{
|
| 720 |
+
"epoch": 1.3599999999999999,
|
| 721 |
+
"grad_norm": 1.3775984840623503,
|
| 722 |
+
"learning_rate": 1.33252693669043e-05,
|
| 723 |
+
"loss": 0.3068,
|
| 724 |
+
"step": 1020
|
| 725 |
+
},
|
| 726 |
+
{
|
| 727 |
+
"epoch": 1.3733333333333333,
|
| 728 |
+
"grad_norm": 1.4876271154328609,
|
| 729 |
+
"learning_rate": 1.317856315014498e-05,
|
| 730 |
+
"loss": 0.3015,
|
| 731 |
+
"step": 1030
|
| 732 |
+
},
|
| 733 |
+
{
|
| 734 |
+
"epoch": 1.3866666666666667,
|
| 735 |
+
"grad_norm": 1.3809528753419271,
|
| 736 |
+
"learning_rate": 1.3031091915086114e-05,
|
| 737 |
+
"loss": 0.3071,
|
| 738 |
+
"step": 1040
|
| 739 |
+
},
|
| 740 |
+
{
|
| 741 |
+
"epoch": 1.4,
|
| 742 |
+
"grad_norm": 1.479012706520447,
|
| 743 |
+
"learning_rate": 1.2882891155184375e-05,
|
| 744 |
+
"loss": 0.2935,
|
| 745 |
+
"step": 1050
|
| 746 |
+
},
|
| 747 |
+
{
|
| 748 |
+
"epoch": 1.4133333333333333,
|
| 749 |
+
"grad_norm": 1.320538464066422,
|
| 750 |
+
"learning_rate": 1.2733996539478883e-05,
|
| 751 |
+
"loss": 0.2918,
|
| 752 |
+
"step": 1060
|
| 753 |
+
},
|
| 754 |
+
{
|
| 755 |
+
"epoch": 1.4266666666666667,
|
| 756 |
+
"grad_norm": 1.5500334952770096,
|
| 757 |
+
"learning_rate": 1.2584443904006345e-05,
|
| 758 |
+
"loss": 0.2885,
|
| 759 |
+
"step": 1070
|
| 760 |
+
},
|
| 761 |
+
{
|
| 762 |
+
"epoch": 1.44,
|
| 763 |
+
"grad_norm": 1.4279396196227776,
|
| 764 |
+
"learning_rate": 1.2434269243176018e-05,
|
| 765 |
+
"loss": 0.2965,
|
| 766 |
+
"step": 1080
|
| 767 |
+
},
|
| 768 |
+
{
|
| 769 |
+
"epoch": 1.4533333333333334,
|
| 770 |
+
"grad_norm": 1.3178662034373272,
|
| 771 |
+
"learning_rate": 1.2283508701106559e-05,
|
| 772 |
+
"loss": 0.2918,
|
| 773 |
+
"step": 1090
|
| 774 |
+
},
|
| 775 |
+
{
|
| 776 |
+
"epoch": 1.4666666666666668,
|
| 777 |
+
"grad_norm": 1.357491827685075,
|
| 778 |
+
"learning_rate": 1.2132198562926845e-05,
|
| 779 |
+
"loss": 0.3042,
|
| 780 |
+
"step": 1100
|
| 781 |
+
},
|
| 782 |
+
{
|
| 783 |
+
"epoch": 1.48,
|
| 784 |
+
"grad_norm": 1.3120666160624832,
|
| 785 |
+
"learning_rate": 1.1980375246042832e-05,
|
| 786 |
+
"loss": 0.2882,
|
| 787 |
+
"step": 1110
|
| 788 |
+
},
|
| 789 |
+
{
|
| 790 |
+
"epoch": 1.4933333333333334,
|
| 791 |
+
"grad_norm": 1.3268620726200377,
|
| 792 |
+
"learning_rate": 1.1828075291372616e-05,
|
| 793 |
+
"loss": 0.2986,
|
| 794 |
+
"step": 1120
|
| 795 |
+
},
|
| 796 |
+
{
|
| 797 |
+
"epoch": 1.5066666666666668,
|
| 798 |
+
"grad_norm": 1.3797667737909631,
|
| 799 |
+
"learning_rate": 1.1675335354551726e-05,
|
| 800 |
+
"loss": 0.2882,
|
| 801 |
+
"step": 1130
|
| 802 |
+
},
|
| 803 |
+
{
|
| 804 |
+
"epoch": 1.52,
|
| 805 |
+
"grad_norm": 1.3323762761355011,
|
| 806 |
+
"learning_rate": 1.1522192197110833e-05,
|
| 807 |
+
"loss": 0.3067,
|
| 808 |
+
"step": 1140
|
| 809 |
+
},
|
| 810 |
+
{
|
| 811 |
+
"epoch": 1.5333333333333332,
|
| 812 |
+
"grad_norm": 1.3437820087933539,
|
| 813 |
+
"learning_rate": 1.1368682677627971e-05,
|
| 814 |
+
"loss": 0.2927,
|
| 815 |
+
"step": 1150
|
| 816 |
+
},
|
| 817 |
+
{
|
| 818 |
+
"epoch": 1.5466666666666666,
|
| 819 |
+
"grad_norm": 1.44947512691173,
|
| 820 |
+
"learning_rate": 1.1214843742857382e-05,
|
| 821 |
+
"loss": 0.2796,
|
| 822 |
+
"step": 1160
|
| 823 |
+
},
|
| 824 |
+
{
|
| 825 |
+
"epoch": 1.56,
|
| 826 |
+
"grad_norm": 1.2319265669983162,
|
| 827 |
+
"learning_rate": 1.1060712418837159e-05,
|
| 828 |
+
"loss": 0.3046,
|
| 829 |
+
"step": 1170
|
| 830 |
+
},
|
| 831 |
+
{
|
| 832 |
+
"epoch": 1.5733333333333333,
|
| 833 |
+
"grad_norm": 1.267658216015742,
|
| 834 |
+
"learning_rate": 1.0906325801977804e-05,
|
| 835 |
+
"loss": 0.2739,
|
| 836 |
+
"step": 1180
|
| 837 |
+
},
|
| 838 |
+
{
|
| 839 |
+
"epoch": 1.5866666666666667,
|
| 840 |
+
"grad_norm": 1.3845073710546068,
|
| 841 |
+
"learning_rate": 1.0751721050133825e-05,
|
| 842 |
+
"loss": 0.2732,
|
| 843 |
+
"step": 1190
|
| 844 |
+
},
|
| 845 |
+
{
|
| 846 |
+
"epoch": 1.6,
|
| 847 |
+
"grad_norm": 1.403517049970254,
|
| 848 |
+
"learning_rate": 1.0596935373660595e-05,
|
| 849 |
+
"loss": 0.2896,
|
| 850 |
+
"step": 1200
|
| 851 |
+
},
|
| 852 |
+
{
|
| 853 |
+
"epoch": 1.6133333333333333,
|
| 854 |
+
"grad_norm": 1.3082013569669586,
|
| 855 |
+
"learning_rate": 1.0442006026458506e-05,
|
| 856 |
+
"loss": 0.2922,
|
| 857 |
+
"step": 1210
|
| 858 |
+
},
|
| 859 |
+
{
|
| 860 |
+
"epoch": 1.6266666666666667,
|
| 861 |
+
"grad_norm": 1.3188217287972277,
|
| 862 |
+
"learning_rate": 1.0286970297006709e-05,
|
| 863 |
+
"loss": 0.278,
|
| 864 |
+
"step": 1220
|
| 865 |
+
},
|
| 866 |
+
{
|
| 867 |
+
"epoch": 1.6400000000000001,
|
| 868 |
+
"grad_norm": 1.3837458297844165,
|
| 869 |
+
"learning_rate": 1.013186549938849e-05,
|
| 870 |
+
"loss": 0.2798,
|
| 871 |
+
"step": 1230
|
| 872 |
+
},
|
| 873 |
+
{
|
| 874 |
+
"epoch": 1.6533333333333333,
|
| 875 |
+
"grad_norm": 1.4735069331417645,
|
| 876 |
+
"learning_rate": 9.976728964310499e-06,
|
| 877 |
+
"loss": 0.2841,
|
| 878 |
+
"step": 1240
|
| 879 |
+
},
|
| 880 |
+
{
|
| 881 |
+
"epoch": 1.6666666666666665,
|
| 882 |
+
"grad_norm": 1.347373614614953,
|
| 883 |
+
"learning_rate": 9.821598030117973e-06,
|
| 884 |
+
"loss": 0.2765,
|
| 885 |
+
"step": 1250
|
| 886 |
+
},
|
| 887 |
+
{
|
| 888 |
+
"epoch": 1.6800000000000002,
|
| 889 |
+
"grad_norm": 1.416549966636134,
|
| 890 |
+
"learning_rate": 9.666510033808131e-06,
|
| 891 |
+
"loss": 0.2731,
|
| 892 |
+
"step": 1260
|
| 893 |
+
},
|
| 894 |
+
{
|
| 895 |
+
"epoch": 1.6933333333333334,
|
| 896 |
+
"grad_norm": 1.2824349167424853,
|
| 897 |
+
"learning_rate": 9.511502302043867e-06,
|
| 898 |
+
"loss": 0.2658,
|
| 899 |
+
"step": 1270
|
| 900 |
+
},
|
| 901 |
+
{
|
| 902 |
+
"epoch": 1.7066666666666666,
|
| 903 |
+
"grad_norm": 1.4066772698561938,
|
| 904 |
+
"learning_rate": 9.356612142169978e-06,
|
| 905 |
+
"loss": 0.2888,
|
| 906 |
+
"step": 1280
|
| 907 |
+
},
|
| 908 |
+
{
|
| 909 |
+
"epoch": 1.72,
|
| 910 |
+
"grad_norm": 1.4841579432866259,
|
| 911 |
+
"learning_rate": 9.201876833233981e-06,
|
| 912 |
+
"loss": 0.2797,
|
| 913 |
+
"step": 1290
|
| 914 |
+
},
|
| 915 |
+
{
|
| 916 |
+
"epoch": 1.7333333333333334,
|
| 917 |
+
"grad_norm": 1.4104207350501496,
|
| 918 |
+
"learning_rate": 9.047333617013786e-06,
|
| 919 |
+
"loss": 0.2965,
|
| 920 |
+
"step": 1300
|
| 921 |
+
},
|
| 922 |
+
{
|
| 923 |
+
"epoch": 1.7466666666666666,
|
| 924 |
+
"grad_norm": 1.333482702989703,
|
| 925 |
+
"learning_rate": 8.893019689054331e-06,
|
| 926 |
+
"loss": 0.2648,
|
| 927 |
+
"step": 1310
|
| 928 |
+
},
|
| 929 |
+
{
|
| 930 |
+
"epoch": 1.76,
|
| 931 |
+
"grad_norm": 1.2700424278857796,
|
| 932 |
+
"learning_rate": 8.738972189715333e-06,
|
| 933 |
+
"loss": 0.2702,
|
| 934 |
+
"step": 1320
|
| 935 |
+
},
|
| 936 |
+
{
|
| 937 |
+
"epoch": 1.7733333333333334,
|
| 938 |
+
"grad_norm": 1.3395576800985032,
|
| 939 |
+
"learning_rate": 8.585228195232311e-06,
|
| 940 |
+
"loss": 0.2711,
|
| 941 |
+
"step": 1330
|
| 942 |
+
},
|
| 943 |
+
{
|
| 944 |
+
"epoch": 1.7866666666666666,
|
| 945 |
+
"grad_norm": 1.3014253042461292,
|
| 946 |
+
"learning_rate": 8.431824708793088e-06,
|
| 947 |
+
"loss": 0.2674,
|
| 948 |
+
"step": 1340
|
| 949 |
+
},
|
| 950 |
+
{
|
| 951 |
+
"epoch": 1.8,
|
| 952 |
+
"grad_norm": 1.479854073124865,
|
| 953 |
+
"learning_rate": 8.27879865163181e-06,
|
| 954 |
+
"loss": 0.2661,
|
| 955 |
+
"step": 1350
|
| 956 |
+
},
|
| 957 |
+
{
|
| 958 |
+
"epoch": 1.8133333333333335,
|
| 959 |
+
"grad_norm": 1.3347031197598869,
|
| 960 |
+
"learning_rate": 8.126186854142752e-06,
|
| 961 |
+
"loss": 0.2695,
|
| 962 |
+
"step": 1360
|
| 963 |
+
},
|
| 964 |
+
{
|
| 965 |
+
"epoch": 1.8266666666666667,
|
| 966 |
+
"grad_norm": 1.3235485773695175,
|
| 967 |
+
"learning_rate": 7.974026047015951e-06,
|
| 968 |
+
"loss": 0.2856,
|
| 969 |
+
"step": 1370
|
| 970 |
+
},
|
| 971 |
+
{
|
| 972 |
+
"epoch": 1.8399999999999999,
|
| 973 |
+
"grad_norm": 1.2929815276752243,
|
| 974 |
+
"learning_rate": 7.822352852396816e-06,
|
| 975 |
+
"loss": 0.2623,
|
| 976 |
+
"step": 1380
|
| 977 |
+
},
|
| 978 |
+
{
|
| 979 |
+
"epoch": 1.8533333333333335,
|
| 980 |
+
"grad_norm": 1.3074877719082068,
|
| 981 |
+
"learning_rate": 7.671203775071942e-06,
|
| 982 |
+
"loss": 0.2695,
|
| 983 |
+
"step": 1390
|
| 984 |
+
},
|
| 985 |
+
{
|
| 986 |
+
"epoch": 1.8666666666666667,
|
| 987 |
+
"grad_norm": 1.5863457037525999,
|
| 988 |
+
"learning_rate": 7.520615193683073e-06,
|
| 989 |
+
"loss": 0.2715,
|
| 990 |
+
"step": 1400
|
| 991 |
+
},
|
| 992 |
+
{
|
| 993 |
+
"epoch": 1.88,
|
| 994 |
+
"grad_norm": 1.3099705821764867,
|
| 995 |
+
"learning_rate": 7.370623351971491e-06,
|
| 996 |
+
"loss": 0.2622,
|
| 997 |
+
"step": 1410
|
| 998 |
+
},
|
| 999 |
+
{
|
| 1000 |
+
"epoch": 1.8933333333333333,
|
| 1001 |
+
"grad_norm": 1.3893546212592964,
|
| 1002 |
+
"learning_rate": 7.221264350054855e-06,
|
| 1003 |
+
"loss": 0.2636,
|
| 1004 |
+
"step": 1420
|
| 1005 |
+
},
|
| 1006 |
+
{
|
| 1007 |
+
"epoch": 1.9066666666666667,
|
| 1008 |
+
"grad_norm": 1.5526505673407882,
|
| 1009 |
+
"learning_rate": 7.072574135738585e-06,
|
| 1010 |
+
"loss": 0.254,
|
| 1011 |
+
"step": 1430
|
| 1012 |
+
},
|
| 1013 |
+
{
|
| 1014 |
+
"epoch": 1.92,
|
| 1015 |
+
"grad_norm": 1.4190653245269111,
|
| 1016 |
+
"learning_rate": 6.924588495863964e-06,
|
| 1017 |
+
"loss": 0.2483,
|
| 1018 |
+
"step": 1440
|
| 1019 |
+
},
|
| 1020 |
+
{
|
| 1021 |
+
"epoch": 1.9333333333333333,
|
| 1022 |
+
"grad_norm": 1.5457390837023646,
|
| 1023 |
+
"learning_rate": 6.777343047694891e-06,
|
| 1024 |
+
"loss": 0.2781,
|
| 1025 |
+
"step": 1450
|
| 1026 |
+
},
|
| 1027 |
+
{
|
| 1028 |
+
"epoch": 1.9466666666666668,
|
| 1029 |
+
"grad_norm": 1.2183490560955095,
|
| 1030 |
+
"learning_rate": 6.630873230345538e-06,
|
| 1031 |
+
"loss": 0.2547,
|
| 1032 |
+
"step": 1460
|
| 1033 |
+
},
|
| 1034 |
+
{
|
| 1035 |
+
"epoch": 1.96,
|
| 1036 |
+
"grad_norm": 1.241949056283733,
|
| 1037 |
+
"learning_rate": 6.485214296250836e-06,
|
| 1038 |
+
"loss": 0.2601,
|
| 1039 |
+
"step": 1470
|
| 1040 |
+
},
|
| 1041 |
+
{
|
| 1042 |
+
"epoch": 1.9733333333333334,
|
| 1043 |
+
"grad_norm": 1.2417988547879941,
|
| 1044 |
+
"learning_rate": 6.340401302681879e-06,
|
| 1045 |
+
"loss": 0.2603,
|
| 1046 |
+
"step": 1480
|
| 1047 |
+
},
|
| 1048 |
+
{
|
| 1049 |
+
"epoch": 1.9866666666666668,
|
| 1050 |
+
"grad_norm": 1.3431300997242668,
|
| 1051 |
+
"learning_rate": 6.196469103308356e-06,
|
| 1052 |
+
"loss": 0.2553,
|
| 1053 |
+
"step": 1490
|
| 1054 |
+
},
|
| 1055 |
+
{
|
| 1056 |
+
"epoch": 2.0,
|
| 1057 |
+
"grad_norm": 1.3558235310015465,
|
| 1058 |
+
"learning_rate": 6.053452339809917e-06,
|
| 1059 |
+
"loss": 0.2472,
|
| 1060 |
+
"step": 1500
|
| 1061 |
+
},
|
| 1062 |
+
{
|
| 1063 |
+
"epoch": 2.013333333333333,
|
| 1064 |
+
"grad_norm": 1.271334672548769,
|
| 1065 |
+
"learning_rate": 5.911385433538621e-06,
|
| 1066 |
+
"loss": 0.1039,
|
| 1067 |
+
"step": 1510
|
| 1068 |
+
},
|
| 1069 |
+
{
|
| 1070 |
+
"epoch": 2.026666666666667,
|
| 1071 |
+
"grad_norm": 1.259332505013853,
|
| 1072 |
+
"learning_rate": 5.77030257723437e-06,
|
| 1073 |
+
"loss": 0.1015,
|
| 1074 |
+
"step": 1520
|
| 1075 |
+
},
|
| 1076 |
+
{
|
| 1077 |
+
"epoch": 2.04,
|
| 1078 |
+
"grad_norm": 1.2647796138558425,
|
| 1079 |
+
"learning_rate": 5.630237726795388e-06,
|
| 1080 |
+
"loss": 0.0983,
|
| 1081 |
+
"step": 1530
|
| 1082 |
+
},
|
| 1083 |
+
{
|
| 1084 |
+
"epoch": 2.0533333333333332,
|
| 1085 |
+
"grad_norm": 1.1737294997144214,
|
| 1086 |
+
"learning_rate": 5.491224593105695e-06,
|
| 1087 |
+
"loss": 0.0967,
|
| 1088 |
+
"step": 1540
|
| 1089 |
+
},
|
| 1090 |
+
{
|
| 1091 |
+
"epoch": 2.066666666666667,
|
| 1092 |
+
"grad_norm": 1.1522987332525947,
|
| 1093 |
+
"learning_rate": 5.353296633921554e-06,
|
| 1094 |
+
"loss": 0.102,
|
| 1095 |
+
"step": 1550
|
| 1096 |
+
},
|
| 1097 |
+
{
|
| 1098 |
+
"epoch": 2.08,
|
| 1099 |
+
"grad_norm": 1.1467599629117255,
|
| 1100 |
+
"learning_rate": 5.216487045818846e-06,
|
| 1101 |
+
"loss": 0.0952,
|
| 1102 |
+
"step": 1560
|
| 1103 |
+
},
|
| 1104 |
+
{
|
| 1105 |
+
"epoch": 2.0933333333333333,
|
| 1106 |
+
"grad_norm": 1.2921507124893596,
|
| 1107 |
+
"learning_rate": 5.080828756203294e-06,
|
| 1108 |
+
"loss": 0.0988,
|
| 1109 |
+
"step": 1570
|
| 1110 |
+
},
|
| 1111 |
+
{
|
| 1112 |
+
"epoch": 2.1066666666666665,
|
| 1113 |
+
"grad_norm": 1.2267738908963643,
|
| 1114 |
+
"learning_rate": 4.946354415385473e-06,
|
| 1115 |
+
"loss": 0.092,
|
| 1116 |
+
"step": 1580
|
| 1117 |
+
},
|
| 1118 |
+
{
|
| 1119 |
+
"epoch": 2.12,
|
| 1120 |
+
"grad_norm": 1.1892361992636193,
|
| 1121 |
+
"learning_rate": 4.8130963887225205e-06,
|
| 1122 |
+
"loss": 0.0952,
|
| 1123 |
+
"step": 1590
|
| 1124 |
+
},
|
| 1125 |
+
{
|
| 1126 |
+
"epoch": 2.1333333333333333,
|
| 1127 |
+
"grad_norm": 1.1871522873920162,
|
| 1128 |
+
"learning_rate": 4.681086748828424e-06,
|
| 1129 |
+
"loss": 0.0932,
|
| 1130 |
+
"step": 1600
|
| 1131 |
+
},
|
| 1132 |
+
{
|
| 1133 |
+
"epoch": 2.1466666666666665,
|
| 1134 |
+
"grad_norm": 1.203861377156354,
|
| 1135 |
+
"learning_rate": 4.5503572678547754e-06,
|
| 1136 |
+
"loss": 0.0952,
|
| 1137 |
+
"step": 1610
|
| 1138 |
+
},
|
| 1139 |
+
{
|
| 1140 |
+
"epoch": 2.16,
|
| 1141 |
+
"grad_norm": 1.2379452347738353,
|
| 1142 |
+
"learning_rate": 4.420939409843823e-06,
|
| 1143 |
+
"loss": 0.0981,
|
| 1144 |
+
"step": 1620
|
| 1145 |
+
},
|
| 1146 |
+
{
|
| 1147 |
+
"epoch": 2.1733333333333333,
|
| 1148 |
+
"grad_norm": 1.193342041777427,
|
| 1149 |
+
"learning_rate": 4.292864323155684e-06,
|
| 1150 |
+
"loss": 0.0968,
|
| 1151 |
+
"step": 1630
|
| 1152 |
+
},
|
| 1153 |
+
{
|
| 1154 |
+
"epoch": 2.1866666666666665,
|
| 1155 |
+
"grad_norm": 1.1393797590348669,
|
| 1156 |
+
"learning_rate": 4.166162832971551e-06,
|
| 1157 |
+
"loss": 0.0894,
|
| 1158 |
+
"step": 1640
|
| 1159 |
+
},
|
| 1160 |
+
{
|
| 1161 |
+
"epoch": 2.2,
|
| 1162 |
+
"grad_norm": 1.1621022143677093,
|
| 1163 |
+
"learning_rate": 4.04086543387466e-06,
|
| 1164 |
+
"loss": 0.0925,
|
| 1165 |
+
"step": 1650
|
| 1166 |
+
},
|
| 1167 |
+
{
|
| 1168 |
+
"epoch": 2.2133333333333334,
|
| 1169 |
+
"grad_norm": 1.2303719335175114,
|
| 1170 |
+
"learning_rate": 3.917002282510854e-06,
|
| 1171 |
+
"loss": 0.0945,
|
| 1172 |
+
"step": 1660
|
| 1173 |
+
},
|
| 1174 |
+
{
|
| 1175 |
+
"epoch": 2.2266666666666666,
|
| 1176 |
+
"grad_norm": 1.182042216644373,
|
| 1177 |
+
"learning_rate": 3.79460319033046e-06,
|
| 1178 |
+
"loss": 0.0974,
|
| 1179 |
+
"step": 1670
|
| 1180 |
+
},
|
| 1181 |
+
{
|
| 1182 |
+
"epoch": 2.24,
|
| 1183 |
+
"grad_norm": 1.1886899887217957,
|
| 1184 |
+
"learning_rate": 3.6736976164132245e-06,
|
| 1185 |
+
"loss": 0.0907,
|
| 1186 |
+
"step": 1680
|
| 1187 |
+
},
|
| 1188 |
+
{
|
| 1189 |
+
"epoch": 2.2533333333333334,
|
| 1190 |
+
"grad_norm": 1.157992699831231,
|
| 1191 |
+
"learning_rate": 3.554314660378133e-06,
|
| 1192 |
+
"loss": 0.0904,
|
| 1193 |
+
"step": 1690
|
| 1194 |
+
},
|
| 1195 |
+
{
|
| 1196 |
+
"epoch": 2.2666666666666666,
|
| 1197 |
+
"grad_norm": 1.3047038979105168,
|
| 1198 |
+
"learning_rate": 3.4364830553796614e-06,
|
| 1199 |
+
"loss": 0.0838,
|
| 1200 |
+
"step": 1700
|
| 1201 |
+
},
|
| 1202 |
+
{
|
| 1203 |
+
"epoch": 2.2800000000000002,
|
| 1204 |
+
"grad_norm": 1.1669103137767654,
|
| 1205 |
+
"learning_rate": 3.3202311611922878e-06,
|
| 1206 |
+
"loss": 0.0896,
|
| 1207 |
+
"step": 1710
|
| 1208 |
+
},
|
| 1209 |
+
{
|
| 1210 |
+
"epoch": 2.2933333333333334,
|
| 1211 |
+
"grad_norm": 1.2610145239549075,
|
| 1212 |
+
"learning_rate": 3.2055869573848374e-06,
|
| 1213 |
+
"loss": 0.0862,
|
| 1214 |
+
"step": 1720
|
| 1215 |
+
},
|
| 1216 |
+
{
|
| 1217 |
+
"epoch": 2.3066666666666666,
|
| 1218 |
+
"grad_norm": 1.1548120041160357,
|
| 1219 |
+
"learning_rate": 3.092578036586329e-06,
|
| 1220 |
+
"loss": 0.0964,
|
| 1221 |
+
"step": 1730
|
| 1222 |
+
},
|
| 1223 |
+
{
|
| 1224 |
+
"epoch": 2.32,
|
| 1225 |
+
"grad_norm": 1.1218110675754365,
|
| 1226 |
+
"learning_rate": 2.9812315978450014e-06,
|
| 1227 |
+
"loss": 0.0885,
|
| 1228 |
+
"step": 1740
|
| 1229 |
+
},
|
| 1230 |
+
{
|
| 1231 |
+
"epoch": 2.3333333333333335,
|
| 1232 |
+
"grad_norm": 1.2675656297024207,
|
| 1233 |
+
"learning_rate": 2.8715744400819976e-06,
|
| 1234 |
+
"loss": 0.0937,
|
| 1235 |
+
"step": 1750
|
| 1236 |
+
},
|
| 1237 |
+
{
|
| 1238 |
+
"epoch": 2.3466666666666667,
|
| 1239 |
+
"grad_norm": 1.3092921509797635,
|
| 1240 |
+
"learning_rate": 2.7636329556414076e-06,
|
| 1241 |
+
"loss": 0.087,
|
| 1242 |
+
"step": 1760
|
| 1243 |
+
},
|
| 1244 |
+
{
|
| 1245 |
+
"epoch": 2.36,
|
| 1246 |
+
"grad_norm": 1.201127760368848,
|
| 1247 |
+
"learning_rate": 2.6574331239381446e-06,
|
| 1248 |
+
"loss": 0.0883,
|
| 1249 |
+
"step": 1770
|
| 1250 |
+
},
|
| 1251 |
+
{
|
| 1252 |
+
"epoch": 2.3733333333333335,
|
| 1253 |
+
"grad_norm": 1.2695894422759888,
|
| 1254 |
+
"learning_rate": 2.5530005052051742e-06,
|
| 1255 |
+
"loss": 0.0907,
|
| 1256 |
+
"step": 1780
|
| 1257 |
+
},
|
| 1258 |
+
{
|
| 1259 |
+
"epoch": 2.3866666666666667,
|
| 1260 |
+
"grad_norm": 1.353487999457415,
|
| 1261 |
+
"learning_rate": 2.4503602343417145e-06,
|
| 1262 |
+
"loss": 0.0871,
|
| 1263 |
+
"step": 1790
|
| 1264 |
+
},
|
| 1265 |
+
{
|
| 1266 |
+
"epoch": 2.4,
|
| 1267 |
+
"grad_norm": 1.242288563968108,
|
| 1268 |
+
"learning_rate": 2.3495370148637097e-06,
|
| 1269 |
+
"loss": 0.0863,
|
| 1270 |
+
"step": 1800
|
| 1271 |
+
},
|
| 1272 |
+
{
|
| 1273 |
+
"epoch": 2.413333333333333,
|
| 1274 |
+
"grad_norm": 1.2808772752327722,
|
| 1275 |
+
"learning_rate": 2.2505551129582047e-06,
|
| 1276 |
+
"loss": 0.0892,
|
| 1277 |
+
"step": 1810
|
| 1278 |
+
},
|
| 1279 |
+
{
|
| 1280 |
+
"epoch": 2.4266666666666667,
|
| 1281 |
+
"grad_norm": 1.1925923707160173,
|
| 1282 |
+
"learning_rate": 2.1534383516429292e-06,
|
| 1283 |
+
"loss": 0.0864,
|
| 1284 |
+
"step": 1820
|
| 1285 |
+
},
|
| 1286 |
+
{
|
| 1287 |
+
"epoch": 2.44,
|
| 1288 |
+
"grad_norm": 1.2103277675399466,
|
| 1289 |
+
"learning_rate": 2.058210105032562e-06,
|
| 1290 |
+
"loss": 0.0891,
|
| 1291 |
+
"step": 1830
|
| 1292 |
+
},
|
| 1293 |
+
{
|
| 1294 |
+
"epoch": 2.453333333333333,
|
| 1295 |
+
"grad_norm": 1.1671085676481412,
|
| 1296 |
+
"learning_rate": 1.964893292713049e-06,
|
| 1297 |
+
"loss": 0.082,
|
| 1298 |
+
"step": 1840
|
| 1299 |
+
},
|
| 1300 |
+
{
|
| 1301 |
+
"epoch": 2.466666666666667,
|
| 1302 |
+
"grad_norm": 1.2959185985758885,
|
| 1303 |
+
"learning_rate": 1.873510374225289e-06,
|
| 1304 |
+
"loss": 0.0816,
|
| 1305 |
+
"step": 1850
|
| 1306 |
+
},
|
| 1307 |
+
{
|
| 1308 |
+
"epoch": 2.48,
|
| 1309 |
+
"grad_norm": 1.3054350935746348,
|
| 1310 |
+
"learning_rate": 1.784083343659575e-06,
|
| 1311 |
+
"loss": 0.0864,
|
| 1312 |
+
"step": 1860
|
| 1313 |
+
},
|
| 1314 |
+
{
|
| 1315 |
+
"epoch": 2.493333333333333,
|
| 1316 |
+
"grad_norm": 1.1713245516396773,
|
| 1317 |
+
"learning_rate": 1.6966337243620267e-06,
|
| 1318 |
+
"loss": 0.0835,
|
| 1319 |
+
"step": 1870
|
| 1320 |
+
},
|
| 1321 |
+
{
|
| 1322 |
+
"epoch": 2.506666666666667,
|
| 1323 |
+
"grad_norm": 1.2895421188401006,
|
| 1324 |
+
"learning_rate": 1.6111825637543522e-06,
|
| 1325 |
+
"loss": 0.0856,
|
| 1326 |
+
"step": 1880
|
| 1327 |
+
},
|
| 1328 |
+
{
|
| 1329 |
+
"epoch": 2.52,
|
| 1330 |
+
"grad_norm": 1.1419786567666756,
|
| 1331 |
+
"learning_rate": 1.5277504282681454e-06,
|
| 1332 |
+
"loss": 0.0809,
|
| 1333 |
+
"step": 1890
|
| 1334 |
+
},
|
| 1335 |
+
{
|
| 1336 |
+
"epoch": 2.533333333333333,
|
| 1337 |
+
"grad_norm": 0.9983181785897505,
|
| 1338 |
+
"learning_rate": 1.446357398394934e-06,
|
| 1339 |
+
"loss": 0.0799,
|
| 1340 |
+
"step": 1900
|
| 1341 |
+
},
|
| 1342 |
+
{
|
| 1343 |
+
"epoch": 2.546666666666667,
|
| 1344 |
+
"grad_norm": 1.2012628024780774,
|
| 1345 |
+
"learning_rate": 1.36702306385321e-06,
|
| 1346 |
+
"loss": 0.0851,
|
| 1347 |
+
"step": 1910
|
| 1348 |
+
},
|
| 1349 |
+
{
|
| 1350 |
+
"epoch": 2.56,
|
| 1351 |
+
"grad_norm": 1.2254608339394375,
|
| 1352 |
+
"learning_rate": 1.2897665188735531e-06,
|
| 1353 |
+
"loss": 0.0857,
|
| 1354 |
+
"step": 1920
|
| 1355 |
+
},
|
| 1356 |
+
{
|
| 1357 |
+
"epoch": 2.5733333333333333,
|
| 1358 |
+
"grad_norm": 1.3064257637173244,
|
| 1359 |
+
"learning_rate": 1.2146063576030265e-06,
|
| 1360 |
+
"loss": 0.0858,
|
| 1361 |
+
"step": 1930
|
| 1362 |
+
},
|
| 1363 |
+
{
|
| 1364 |
+
"epoch": 2.586666666666667,
|
| 1365 |
+
"grad_norm": 1.2280560491414472,
|
| 1366 |
+
"learning_rate": 1.141560669629933e-06,
|
| 1367 |
+
"loss": 0.0849,
|
| 1368 |
+
"step": 1940
|
| 1369 |
+
},
|
| 1370 |
+
{
|
| 1371 |
+
"epoch": 2.6,
|
| 1372 |
+
"grad_norm": 1.221117372493366,
|
| 1373 |
+
"learning_rate": 1.0706470356299914e-06,
|
| 1374 |
+
"loss": 0.0803,
|
| 1375 |
+
"step": 1950
|
| 1376 |
+
},
|
| 1377 |
+
{
|
| 1378 |
+
"epoch": 2.6133333333333333,
|
| 1379 |
+
"grad_norm": 1.1062994588319333,
|
| 1380 |
+
"learning_rate": 1.0018825231350203e-06,
|
| 1381 |
+
"loss": 0.0781,
|
| 1382 |
+
"step": 1960
|
| 1383 |
+
},
|
| 1384 |
+
{
|
| 1385 |
+
"epoch": 2.626666666666667,
|
| 1386 |
+
"grad_norm": 1.1468313192862971,
|
| 1387 |
+
"learning_rate": 9.352836824251089e-07,
|
| 1388 |
+
"loss": 0.0847,
|
| 1389 |
+
"step": 1970
|
| 1390 |
+
},
|
| 1391 |
+
{
|
| 1392 |
+
"epoch": 2.64,
|
| 1393 |
+
"grad_norm": 1.0433349455108576,
|
| 1394 |
+
"learning_rate": 8.708665425452878e-07,
|
| 1395 |
+
"loss": 0.078,
|
| 1396 |
+
"step": 1980
|
| 1397 |
+
},
|
| 1398 |
+
{
|
| 1399 |
+
"epoch": 2.6533333333333333,
|
| 1400 |
+
"grad_norm": 1.21036935185303,
|
| 1401 |
+
"learning_rate": 8.086466074476562e-07,
|
| 1402 |
+
"loss": 0.0781,
|
| 1403 |
+
"step": 1990
|
| 1404 |
+
},
|
| 1405 |
+
{
|
| 1406 |
+
"epoch": 2.6666666666666665,
|
| 1407 |
+
"grad_norm": 1.1828902458749508,
|
| 1408 |
+
"learning_rate": 7.486388522598697e-07,
|
| 1409 |
+
"loss": 0.0848,
|
| 1410 |
+
"step": 2000
|
| 1411 |
+
},
|
| 1412 |
+
{
|
| 1413 |
+
"epoch": 2.68,
|
| 1414 |
+
"grad_norm": 1.1638108328255012,
|
| 1415 |
+
"learning_rate": 6.908577196809341e-07,
|
| 1416 |
+
"loss": 0.0826,
|
| 1417 |
+
"step": 2010
|
| 1418 |
+
},
|
| 1419 |
+
{
|
| 1420 |
+
"epoch": 2.6933333333333334,
|
| 1421 |
+
"grad_norm": 0.990842640215284,
|
| 1422 |
+
"learning_rate": 6.353171165051109e-07,
|
| 1423 |
+
"loss": 0.0776,
|
| 1424 |
+
"step": 2020
|
| 1425 |
+
},
|
| 1426 |
+
{
|
| 1427 |
+
"epoch": 2.7066666666666666,
|
| 1428 |
+
"grad_norm": 0.9852819544235483,
|
| 1429 |
+
"learning_rate": 5.820304102748387e-07,
|
| 1430 |
+
"loss": 0.0782,
|
| 1431 |
+
"step": 2030
|
| 1432 |
+
},
|
| 1433 |
+
{
|
| 1434 |
+
"epoch": 2.7199999999999998,
|
| 1435 |
+
"grad_norm": 1.1501228819315463,
|
| 1436 |
+
"learning_rate": 5.310104260634175e-07,
|
| 1437 |
+
"loss": 0.0871,
|
| 1438 |
+
"step": 2040
|
| 1439 |
+
},
|
| 1440 |
+
{
|
| 1441 |
+
"epoch": 2.7333333333333334,
|
| 1442 |
+
"grad_norm": 1.121884155635006,
|
| 1443 |
+
"learning_rate": 4.822694433882635e-07,
|
| 1444 |
+
"loss": 0.0834,
|
| 1445 |
+
"step": 2050
|
| 1446 |
+
},
|
| 1447 |
+
{
|
| 1448 |
+
"epoch": 2.7466666666666666,
|
| 1449 |
+
"grad_norm": 1.257369418017355,
|
| 1450 |
+
"learning_rate": 4.358191932554745e-07,
|
| 1451 |
+
"loss": 0.0776,
|
| 1452 |
+
"step": 2060
|
| 1453 |
+
},
|
| 1454 |
+
{
|
| 1455 |
+
"epoch": 2.76,
|
| 1456 |
+
"grad_norm": 1.306777289071889,
|
| 1457 |
+
"learning_rate": 3.9167085533639235e-07,
|
| 1458 |
+
"loss": 0.0826,
|
| 1459 |
+
"step": 2070
|
| 1460 |
+
},
|
| 1461 |
+
{
|
| 1462 |
+
"epoch": 2.7733333333333334,
|
| 1463 |
+
"grad_norm": 1.2497521681381152,
|
| 1464 |
+
"learning_rate": 3.498350552768859e-07,
|
| 1465 |
+
"loss": 0.0741,
|
| 1466 |
+
"step": 2080
|
| 1467 |
+
},
|
| 1468 |
+
{
|
| 1469 |
+
"epoch": 2.7866666666666666,
|
| 1470 |
+
"grad_norm": 1.1891363723815997,
|
| 1471 |
+
"learning_rate": 3.103218621399595e-07,
|
| 1472 |
+
"loss": 0.0869,
|
| 1473 |
+
"step": 2090
|
| 1474 |
+
},
|
| 1475 |
+
{
|
| 1476 |
+
"epoch": 2.8,
|
| 1477 |
+
"grad_norm": 1.0962070799319383,
|
| 1478 |
+
"learning_rate": 2.731407859823276e-07,
|
| 1479 |
+
"loss": 0.0823,
|
| 1480 |
+
"step": 2100
|
| 1481 |
+
},
|
| 1482 |
+
{
|
| 1483 |
+
"epoch": 2.8133333333333335,
|
| 1484 |
+
"grad_norm": 1.1753618722545454,
|
| 1485 |
+
"learning_rate": 2.3830077556552424e-07,
|
| 1486 |
+
"loss": 0.079,
|
| 1487 |
+
"step": 2110
|
| 1488 |
+
},
|
| 1489 |
+
{
|
| 1490 |
+
"epoch": 2.8266666666666667,
|
| 1491 |
+
"grad_norm": 1.1212908974504778,
|
| 1492 |
+
"learning_rate": 2.0581021620211694e-07,
|
| 1493 |
+
"loss": 0.0815,
|
| 1494 |
+
"step": 2120
|
| 1495 |
+
},
|
| 1496 |
+
{
|
| 1497 |
+
"epoch": 2.84,
|
| 1498 |
+
"grad_norm": 1.2157452121346082,
|
| 1499 |
+
"learning_rate": 1.756769277375192e-07,
|
| 1500 |
+
"loss": 0.0762,
|
| 1501 |
+
"step": 2130
|
| 1502 |
+
},
|
| 1503 |
+
{
|
| 1504 |
+
"epoch": 2.8533333333333335,
|
| 1505 |
+
"grad_norm": 1.186088234467925,
|
| 1506 |
+
"learning_rate": 1.4790816266791018e-07,
|
| 1507 |
+
"loss": 0.0747,
|
| 1508 |
+
"step": 2140
|
| 1509 |
+
},
|
| 1510 |
+
{
|
| 1511 |
+
"epoch": 2.8666666666666667,
|
| 1512 |
+
"grad_norm": 1.3195518879853894,
|
| 1513 |
+
"learning_rate": 1.2251060439469996e-07,
|
| 1514 |
+
"loss": 0.0788,
|
| 1515 |
+
"step": 2150
|
| 1516 |
+
},
|
| 1517 |
+
{
|
| 1518 |
+
"epoch": 2.88,
|
| 1519 |
+
"grad_norm": 1.1383724595806066,
|
| 1520 |
+
"learning_rate": 9.94903656159607e-08,
|
| 1521 |
+
"loss": 0.0679,
|
| 1522 |
+
"step": 2160
|
| 1523 |
+
},
|
| 1524 |
+
{
|
| 1525 |
+
"epoch": 2.8933333333333335,
|
| 1526 |
+
"grad_norm": 1.2979323934309601,
|
| 1527 |
+
"learning_rate": 7.885298685522235e-08,
|
| 1528 |
+
"loss": 0.0767,
|
| 1529 |
+
"step": 2170
|
| 1530 |
+
},
|
| 1531 |
+
{
|
| 1532 |
+
"epoch": 2.9066666666666667,
|
| 1533 |
+
"grad_norm": 1.108643716338332,
|
| 1534 |
+
"learning_rate": 6.060343512797496e-08,
|
| 1535 |
+
"loss": 0.0759,
|
| 1536 |
+
"step": 2180
|
| 1537 |
+
},
|
| 1538 |
+
{
|
| 1539 |
+
"epoch": 2.92,
|
| 1540 |
+
"grad_norm": 1.0922608908248117,
|
| 1541 |
+
"learning_rate": 4.474610274620816e-08,
|
| 1542 |
+
"loss": 0.0794,
|
| 1543 |
+
"step": 2190
|
| 1544 |
+
},
|
| 1545 |
+
{
|
| 1546 |
+
"epoch": 2.9333333333333336,
|
| 1547 |
+
"grad_norm": 1.106441231628031,
|
| 1548 |
+
"learning_rate": 3.1284806261264735e-08,
|
| 1549 |
+
"loss": 0.0724,
|
| 1550 |
+
"step": 2200
|
| 1551 |
+
},
|
| 1552 |
+
{
|
| 1553 |
+
"epoch": 2.9466666666666668,
|
| 1554 |
+
"grad_norm": 1.1588317931504066,
|
| 1555 |
+
"learning_rate": 2.0222785545265243e-08,
|
| 1556 |
+
"loss": 0.0779,
|
| 1557 |
+
"step": 2210
|
| 1558 |
+
},
|
| 1559 |
+
{
|
| 1560 |
+
"epoch": 2.96,
|
| 1561 |
+
"grad_norm": 1.1133014058264121,
|
| 1562 |
+
"learning_rate": 1.1562703011347431e-08,
|
| 1563 |
+
"loss": 0.0782,
|
| 1564 |
+
"step": 2220
|
| 1565 |
+
},
|
| 1566 |
+
{
|
| 1567 |
+
"epoch": 2.9733333333333336,
|
| 1568 |
+
"grad_norm": 1.0580167637006066,
|
| 1569 |
+
"learning_rate": 5.306642972862097e-09,
|
| 1570 |
+
"loss": 0.0741,
|
| 1571 |
+
"step": 2230
|
| 1572 |
+
},
|
| 1573 |
+
{
|
| 1574 |
+
"epoch": 2.986666666666667,
|
| 1575 |
+
"grad_norm": 1.1790179510358132,
|
| 1576 |
+
"learning_rate": 1.4561111417255024e-09,
|
| 1577 |
+
"loss": 0.0847,
|
| 1578 |
+
"step": 2240
|
| 1579 |
+
},
|
| 1580 |
+
{
|
| 1581 |
+
"epoch": 3.0,
|
| 1582 |
+
"grad_norm": 0.9038955505849338,
|
| 1583 |
+
"learning_rate": 1.2034266022586948e-11,
|
| 1584 |
+
"loss": 0.0796,
|
| 1585 |
+
"step": 2250
|
| 1586 |
+
},
|
| 1587 |
+
{
|
| 1588 |
+
"epoch": 3.0,
|
| 1589 |
+
"step": 2250,
|
| 1590 |
+
"total_flos": 129168097050624.0,
|
| 1591 |
+
"train_loss": 0.3054656948778364,
|
| 1592 |
+
"train_runtime": 2157.3411,
|
| 1593 |
+
"train_samples_per_second": 8.339,
|
| 1594 |
+
"train_steps_per_second": 1.043
|
| 1595 |
+
}
|
| 1596 |
+
],
|
| 1597 |
+
"logging_steps": 10,
|
| 1598 |
+
"max_steps": 2250,
|
| 1599 |
+
"num_input_tokens_seen": 0,
|
| 1600 |
+
"num_train_epochs": 3,
|
| 1601 |
+
"save_steps": 3125,
|
| 1602 |
+
"stateful_callbacks": {
|
| 1603 |
+
"TrainerControl": {
|
| 1604 |
+
"args": {
|
| 1605 |
+
"should_epoch_stop": false,
|
| 1606 |
+
"should_evaluate": false,
|
| 1607 |
+
"should_log": false,
|
| 1608 |
+
"should_save": true,
|
| 1609 |
+
"should_training_stop": true
|
| 1610 |
+
},
|
| 1611 |
+
"attributes": {}
|
| 1612 |
+
}
|
| 1613 |
+
},
|
| 1614 |
+
"total_flos": 129168097050624.0,
|
| 1615 |
+
"train_batch_size": 1,
|
| 1616 |
+
"trial_name": null,
|
| 1617 |
+
"trial_params": null
|
| 1618 |
+
}
|