Upload 11 files
Browse files- config.json +29 -0
- model.safetensors +3 -0
- optimizer.pt +3 -0
- rng_state.pth +3 -0
- scheduler.pt +3 -0
- special_tokens_map.json +7 -0
- tokenizer.json +0 -0
- tokenizer_config.json +58 -0
- trainer_state.json +1639 -0
- training_args.bin +3 -0
- vocab.txt +0 -0
config.json
ADDED
|
@@ -0,0 +1,29 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"architectures": [
|
| 3 |
+
"BertForSequenceClassification"
|
| 4 |
+
],
|
| 5 |
+
"attention_probs_dropout_prob": 0.1,
|
| 6 |
+
"cell": {},
|
| 7 |
+
"classifier_dropout": null,
|
| 8 |
+
"emb_size": 312,
|
| 9 |
+
"hidden_act": "gelu",
|
| 10 |
+
"hidden_dropout_prob": 0.1,
|
| 11 |
+
"hidden_size": 312,
|
| 12 |
+
"initializer_range": 0.02,
|
| 13 |
+
"intermediate_size": 1200,
|
| 14 |
+
"layer_norm_eps": 1e-12,
|
| 15 |
+
"max_position_embeddings": 512,
|
| 16 |
+
"model_type": "bert",
|
| 17 |
+
"num_attention_heads": 12,
|
| 18 |
+
"num_hidden_layers": 4,
|
| 19 |
+
"pad_token_id": 0,
|
| 20 |
+
"position_embedding_type": "absolute",
|
| 21 |
+
"pre_trained": "",
|
| 22 |
+
"problem_type": "single_label_classification",
|
| 23 |
+
"structure": [],
|
| 24 |
+
"torch_dtype": "float32",
|
| 25 |
+
"transformers_version": "4.52.4",
|
| 26 |
+
"type_vocab_size": 2,
|
| 27 |
+
"use_cache": true,
|
| 28 |
+
"vocab_size": 30522
|
| 29 |
+
}
|
model.safetensors
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:d4cb56d6bcd787811d48f69dc85d1f1826fc2c869af23a4a1488252a668a4c52
|
| 3 |
+
size 57411808
|
optimizer.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:2068de92052204fb3921159b3b9c51965204721f167fd3af783523fe07355ac8
|
| 3 |
+
size 114865914
|
rng_state.pth
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:757ce8ec6c4a945aff221aa85c408218c470cc9ffa7394ad4b4cf32b8b56bf23
|
| 3 |
+
size 14244
|
scheduler.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:7689cb25043b70edb6dbbe643b458ed35e320d6fa1d22827fc562a39a9191e75
|
| 3 |
+
size 1064
|
special_tokens_map.json
ADDED
|
@@ -0,0 +1,7 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"cls_token": "[CLS]",
|
| 3 |
+
"mask_token": "[MASK]",
|
| 4 |
+
"pad_token": "[PAD]",
|
| 5 |
+
"sep_token": "[SEP]",
|
| 6 |
+
"unk_token": "[UNK]"
|
| 7 |
+
}
|
tokenizer.json
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|
tokenizer_config.json
ADDED
|
@@ -0,0 +1,58 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"added_tokens_decoder": {
|
| 3 |
+
"0": {
|
| 4 |
+
"content": "[PAD]",
|
| 5 |
+
"lstrip": false,
|
| 6 |
+
"normalized": false,
|
| 7 |
+
"rstrip": false,
|
| 8 |
+
"single_word": false,
|
| 9 |
+
"special": true
|
| 10 |
+
},
|
| 11 |
+
"100": {
|
| 12 |
+
"content": "[UNK]",
|
| 13 |
+
"lstrip": false,
|
| 14 |
+
"normalized": false,
|
| 15 |
+
"rstrip": false,
|
| 16 |
+
"single_word": false,
|
| 17 |
+
"special": true
|
| 18 |
+
},
|
| 19 |
+
"101": {
|
| 20 |
+
"content": "[CLS]",
|
| 21 |
+
"lstrip": false,
|
| 22 |
+
"normalized": false,
|
| 23 |
+
"rstrip": false,
|
| 24 |
+
"single_word": false,
|
| 25 |
+
"special": true
|
| 26 |
+
},
|
| 27 |
+
"102": {
|
| 28 |
+
"content": "[SEP]",
|
| 29 |
+
"lstrip": false,
|
| 30 |
+
"normalized": false,
|
| 31 |
+
"rstrip": false,
|
| 32 |
+
"single_word": false,
|
| 33 |
+
"special": true
|
| 34 |
+
},
|
| 35 |
+
"103": {
|
| 36 |
+
"content": "[MASK]",
|
| 37 |
+
"lstrip": false,
|
| 38 |
+
"normalized": false,
|
| 39 |
+
"rstrip": false,
|
| 40 |
+
"single_word": false,
|
| 41 |
+
"special": true
|
| 42 |
+
}
|
| 43 |
+
},
|
| 44 |
+
"clean_up_tokenization_spaces": true,
|
| 45 |
+
"cls_token": "[CLS]",
|
| 46 |
+
"do_basic_tokenize": true,
|
| 47 |
+
"do_lower_case": true,
|
| 48 |
+
"extra_special_tokens": {},
|
| 49 |
+
"mask_token": "[MASK]",
|
| 50 |
+
"model_max_length": 1000000000000000019884624838656,
|
| 51 |
+
"never_split": null,
|
| 52 |
+
"pad_token": "[PAD]",
|
| 53 |
+
"sep_token": "[SEP]",
|
| 54 |
+
"strip_accents": null,
|
| 55 |
+
"tokenize_chinese_chars": true,
|
| 56 |
+
"tokenizer_class": "BertTokenizer",
|
| 57 |
+
"unk_token": "[UNK]"
|
| 58 |
+
}
|
trainer_state.json
ADDED
|
@@ -0,0 +1,1639 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_global_step": 112500,
|
| 3 |
+
"best_metric": 0.9359666666666666,
|
| 4 |
+
"best_model_checkpoint": "./results/checkpoint-112500",
|
| 5 |
+
"epoch": 3.0,
|
| 6 |
+
"eval_steps": 500,
|
| 7 |
+
"global_step": 112500,
|
| 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": 6.924962997436523,
|
| 15 |
+
"learning_rate": 1.991128888888889e-05,
|
| 16 |
+
"loss": 0.3298,
|
| 17 |
+
"step": 500
|
| 18 |
+
},
|
| 19 |
+
{
|
| 20 |
+
"epoch": 0.02666666666666667,
|
| 21 |
+
"grad_norm": 6.446069717407227,
|
| 22 |
+
"learning_rate": 1.9822400000000002e-05,
|
| 23 |
+
"loss": 0.2324,
|
| 24 |
+
"step": 1000
|
| 25 |
+
},
|
| 26 |
+
{
|
| 27 |
+
"epoch": 0.04,
|
| 28 |
+
"grad_norm": 5.68242073059082,
|
| 29 |
+
"learning_rate": 1.9733511111111112e-05,
|
| 30 |
+
"loss": 0.2256,
|
| 31 |
+
"step": 1500
|
| 32 |
+
},
|
| 33 |
+
{
|
| 34 |
+
"epoch": 0.05333333333333334,
|
| 35 |
+
"grad_norm": 6.5432538986206055,
|
| 36 |
+
"learning_rate": 1.9644622222222226e-05,
|
| 37 |
+
"loss": 0.2166,
|
| 38 |
+
"step": 2000
|
| 39 |
+
},
|
| 40 |
+
{
|
| 41 |
+
"epoch": 0.06666666666666667,
|
| 42 |
+
"grad_norm": 3.0585386753082275,
|
| 43 |
+
"learning_rate": 1.9555733333333337e-05,
|
| 44 |
+
"loss": 0.2056,
|
| 45 |
+
"step": 2500
|
| 46 |
+
},
|
| 47 |
+
{
|
| 48 |
+
"epoch": 0.08,
|
| 49 |
+
"grad_norm": 8.683813095092773,
|
| 50 |
+
"learning_rate": 1.9466844444444447e-05,
|
| 51 |
+
"loss": 0.1974,
|
| 52 |
+
"step": 3000
|
| 53 |
+
},
|
| 54 |
+
{
|
| 55 |
+
"epoch": 0.09333333333333334,
|
| 56 |
+
"grad_norm": 3.974627733230591,
|
| 57 |
+
"learning_rate": 1.9377955555555558e-05,
|
| 58 |
+
"loss": 0.2019,
|
| 59 |
+
"step": 3500
|
| 60 |
+
},
|
| 61 |
+
{
|
| 62 |
+
"epoch": 0.10666666666666667,
|
| 63 |
+
"grad_norm": 4.222468376159668,
|
| 64 |
+
"learning_rate": 1.9289066666666668e-05,
|
| 65 |
+
"loss": 0.1996,
|
| 66 |
+
"step": 4000
|
| 67 |
+
},
|
| 68 |
+
{
|
| 69 |
+
"epoch": 0.12,
|
| 70 |
+
"grad_norm": 0.7340072989463806,
|
| 71 |
+
"learning_rate": 1.920017777777778e-05,
|
| 72 |
+
"loss": 0.1961,
|
| 73 |
+
"step": 4500
|
| 74 |
+
},
|
| 75 |
+
{
|
| 76 |
+
"epoch": 0.13333333333333333,
|
| 77 |
+
"grad_norm": 4.615850925445557,
|
| 78 |
+
"learning_rate": 1.911128888888889e-05,
|
| 79 |
+
"loss": 0.1961,
|
| 80 |
+
"step": 5000
|
| 81 |
+
},
|
| 82 |
+
{
|
| 83 |
+
"epoch": 0.14666666666666667,
|
| 84 |
+
"grad_norm": 13.42386531829834,
|
| 85 |
+
"learning_rate": 1.90224e-05,
|
| 86 |
+
"loss": 0.1948,
|
| 87 |
+
"step": 5500
|
| 88 |
+
},
|
| 89 |
+
{
|
| 90 |
+
"epoch": 0.16,
|
| 91 |
+
"grad_norm": 0.5252296924591064,
|
| 92 |
+
"learning_rate": 1.8933511111111113e-05,
|
| 93 |
+
"loss": 0.1865,
|
| 94 |
+
"step": 6000
|
| 95 |
+
},
|
| 96 |
+
{
|
| 97 |
+
"epoch": 0.17333333333333334,
|
| 98 |
+
"grad_norm": 3.5321481227874756,
|
| 99 |
+
"learning_rate": 1.8844622222222224e-05,
|
| 100 |
+
"loss": 0.1895,
|
| 101 |
+
"step": 6500
|
| 102 |
+
},
|
| 103 |
+
{
|
| 104 |
+
"epoch": 0.18666666666666668,
|
| 105 |
+
"grad_norm": 3.602579116821289,
|
| 106 |
+
"learning_rate": 1.8755733333333334e-05,
|
| 107 |
+
"loss": 0.1905,
|
| 108 |
+
"step": 7000
|
| 109 |
+
},
|
| 110 |
+
{
|
| 111 |
+
"epoch": 0.2,
|
| 112 |
+
"grad_norm": 3.1788716316223145,
|
| 113 |
+
"learning_rate": 1.8666844444444445e-05,
|
| 114 |
+
"loss": 0.1947,
|
| 115 |
+
"step": 7500
|
| 116 |
+
},
|
| 117 |
+
{
|
| 118 |
+
"epoch": 0.21333333333333335,
|
| 119 |
+
"grad_norm": 4.463395595550537,
|
| 120 |
+
"learning_rate": 1.857795555555556e-05,
|
| 121 |
+
"loss": 0.1847,
|
| 122 |
+
"step": 8000
|
| 123 |
+
},
|
| 124 |
+
{
|
| 125 |
+
"epoch": 0.22666666666666666,
|
| 126 |
+
"grad_norm": 2.527770757675171,
|
| 127 |
+
"learning_rate": 1.848906666666667e-05,
|
| 128 |
+
"loss": 0.1791,
|
| 129 |
+
"step": 8500
|
| 130 |
+
},
|
| 131 |
+
{
|
| 132 |
+
"epoch": 0.24,
|
| 133 |
+
"grad_norm": 5.57848596572876,
|
| 134 |
+
"learning_rate": 1.840017777777778e-05,
|
| 135 |
+
"loss": 0.1857,
|
| 136 |
+
"step": 9000
|
| 137 |
+
},
|
| 138 |
+
{
|
| 139 |
+
"epoch": 0.25333333333333335,
|
| 140 |
+
"grad_norm": 3.1781156063079834,
|
| 141 |
+
"learning_rate": 1.831128888888889e-05,
|
| 142 |
+
"loss": 0.1885,
|
| 143 |
+
"step": 9500
|
| 144 |
+
},
|
| 145 |
+
{
|
| 146 |
+
"epoch": 0.26666666666666666,
|
| 147 |
+
"grad_norm": 4.088613510131836,
|
| 148 |
+
"learning_rate": 1.8222400000000004e-05,
|
| 149 |
+
"loss": 0.1903,
|
| 150 |
+
"step": 10000
|
| 151 |
+
},
|
| 152 |
+
{
|
| 153 |
+
"epoch": 0.28,
|
| 154 |
+
"grad_norm": 1.8597575426101685,
|
| 155 |
+
"learning_rate": 1.8133511111111114e-05,
|
| 156 |
+
"loss": 0.1779,
|
| 157 |
+
"step": 10500
|
| 158 |
+
},
|
| 159 |
+
{
|
| 160 |
+
"epoch": 0.29333333333333333,
|
| 161 |
+
"grad_norm": 7.61260461807251,
|
| 162 |
+
"learning_rate": 1.8044622222222225e-05,
|
| 163 |
+
"loss": 0.183,
|
| 164 |
+
"step": 11000
|
| 165 |
+
},
|
| 166 |
+
{
|
| 167 |
+
"epoch": 0.30666666666666664,
|
| 168 |
+
"grad_norm": 3.552172899246216,
|
| 169 |
+
"learning_rate": 1.7955733333333335e-05,
|
| 170 |
+
"loss": 0.1908,
|
| 171 |
+
"step": 11500
|
| 172 |
+
},
|
| 173 |
+
{
|
| 174 |
+
"epoch": 0.32,
|
| 175 |
+
"grad_norm": 7.69835090637207,
|
| 176 |
+
"learning_rate": 1.7866844444444445e-05,
|
| 177 |
+
"loss": 0.1787,
|
| 178 |
+
"step": 12000
|
| 179 |
+
},
|
| 180 |
+
{
|
| 181 |
+
"epoch": 0.3333333333333333,
|
| 182 |
+
"grad_norm": 5.42686653137207,
|
| 183 |
+
"learning_rate": 1.7777955555555556e-05,
|
| 184 |
+
"loss": 0.1849,
|
| 185 |
+
"step": 12500
|
| 186 |
+
},
|
| 187 |
+
{
|
| 188 |
+
"epoch": 0.3466666666666667,
|
| 189 |
+
"grad_norm": 0.7322025895118713,
|
| 190 |
+
"learning_rate": 1.7689066666666666e-05,
|
| 191 |
+
"loss": 0.1803,
|
| 192 |
+
"step": 13000
|
| 193 |
+
},
|
| 194 |
+
{
|
| 195 |
+
"epoch": 0.36,
|
| 196 |
+
"grad_norm": 2.8071279525756836,
|
| 197 |
+
"learning_rate": 1.7600177777777777e-05,
|
| 198 |
+
"loss": 0.1845,
|
| 199 |
+
"step": 13500
|
| 200 |
+
},
|
| 201 |
+
{
|
| 202 |
+
"epoch": 0.37333333333333335,
|
| 203 |
+
"grad_norm": 2.348557233810425,
|
| 204 |
+
"learning_rate": 1.751128888888889e-05,
|
| 205 |
+
"loss": 0.171,
|
| 206 |
+
"step": 14000
|
| 207 |
+
},
|
| 208 |
+
{
|
| 209 |
+
"epoch": 0.38666666666666666,
|
| 210 |
+
"grad_norm": 2.0512709617614746,
|
| 211 |
+
"learning_rate": 1.74224e-05,
|
| 212 |
+
"loss": 0.1898,
|
| 213 |
+
"step": 14500
|
| 214 |
+
},
|
| 215 |
+
{
|
| 216 |
+
"epoch": 0.4,
|
| 217 |
+
"grad_norm": 2.916203498840332,
|
| 218 |
+
"learning_rate": 1.733351111111111e-05,
|
| 219 |
+
"loss": 0.1759,
|
| 220 |
+
"step": 15000
|
| 221 |
+
},
|
| 222 |
+
{
|
| 223 |
+
"epoch": 0.41333333333333333,
|
| 224 |
+
"grad_norm": 1.8009586334228516,
|
| 225 |
+
"learning_rate": 1.7244622222222222e-05,
|
| 226 |
+
"loss": 0.1713,
|
| 227 |
+
"step": 15500
|
| 228 |
+
},
|
| 229 |
+
{
|
| 230 |
+
"epoch": 0.4266666666666667,
|
| 231 |
+
"grad_norm": 11.053401947021484,
|
| 232 |
+
"learning_rate": 1.7155733333333336e-05,
|
| 233 |
+
"loss": 0.1818,
|
| 234 |
+
"step": 16000
|
| 235 |
+
},
|
| 236 |
+
{
|
| 237 |
+
"epoch": 0.44,
|
| 238 |
+
"grad_norm": 0.9306756854057312,
|
| 239 |
+
"learning_rate": 1.7066844444444446e-05,
|
| 240 |
+
"loss": 0.1839,
|
| 241 |
+
"step": 16500
|
| 242 |
+
},
|
| 243 |
+
{
|
| 244 |
+
"epoch": 0.4533333333333333,
|
| 245 |
+
"grad_norm": 1.7572970390319824,
|
| 246 |
+
"learning_rate": 1.6977955555555557e-05,
|
| 247 |
+
"loss": 0.1723,
|
| 248 |
+
"step": 17000
|
| 249 |
+
},
|
| 250 |
+
{
|
| 251 |
+
"epoch": 0.4666666666666667,
|
| 252 |
+
"grad_norm": 2.47117280960083,
|
| 253 |
+
"learning_rate": 1.6889066666666667e-05,
|
| 254 |
+
"loss": 0.1818,
|
| 255 |
+
"step": 17500
|
| 256 |
+
},
|
| 257 |
+
{
|
| 258 |
+
"epoch": 0.48,
|
| 259 |
+
"grad_norm": 1.051652193069458,
|
| 260 |
+
"learning_rate": 1.680017777777778e-05,
|
| 261 |
+
"loss": 0.1659,
|
| 262 |
+
"step": 18000
|
| 263 |
+
},
|
| 264 |
+
{
|
| 265 |
+
"epoch": 0.49333333333333335,
|
| 266 |
+
"grad_norm": 9.737627983093262,
|
| 267 |
+
"learning_rate": 1.671128888888889e-05,
|
| 268 |
+
"loss": 0.1801,
|
| 269 |
+
"step": 18500
|
| 270 |
+
},
|
| 271 |
+
{
|
| 272 |
+
"epoch": 0.5066666666666667,
|
| 273 |
+
"grad_norm": 6.0278801918029785,
|
| 274 |
+
"learning_rate": 1.6622400000000002e-05,
|
| 275 |
+
"loss": 0.1785,
|
| 276 |
+
"step": 19000
|
| 277 |
+
},
|
| 278 |
+
{
|
| 279 |
+
"epoch": 0.52,
|
| 280 |
+
"grad_norm": 3.889968156814575,
|
| 281 |
+
"learning_rate": 1.6533511111111112e-05,
|
| 282 |
+
"loss": 0.1644,
|
| 283 |
+
"step": 19500
|
| 284 |
+
},
|
| 285 |
+
{
|
| 286 |
+
"epoch": 0.5333333333333333,
|
| 287 |
+
"grad_norm": 2.603872299194336,
|
| 288 |
+
"learning_rate": 1.6444622222222223e-05,
|
| 289 |
+
"loss": 0.1835,
|
| 290 |
+
"step": 20000
|
| 291 |
+
},
|
| 292 |
+
{
|
| 293 |
+
"epoch": 0.5466666666666666,
|
| 294 |
+
"grad_norm": 0.6035894155502319,
|
| 295 |
+
"learning_rate": 1.6355733333333333e-05,
|
| 296 |
+
"loss": 0.172,
|
| 297 |
+
"step": 20500
|
| 298 |
+
},
|
| 299 |
+
{
|
| 300 |
+
"epoch": 0.56,
|
| 301 |
+
"grad_norm": 11.361248016357422,
|
| 302 |
+
"learning_rate": 1.6266844444444444e-05,
|
| 303 |
+
"loss": 0.171,
|
| 304 |
+
"step": 21000
|
| 305 |
+
},
|
| 306 |
+
{
|
| 307 |
+
"epoch": 0.5733333333333334,
|
| 308 |
+
"grad_norm": 0.9519938826560974,
|
| 309 |
+
"learning_rate": 1.6177955555555558e-05,
|
| 310 |
+
"loss": 0.1777,
|
| 311 |
+
"step": 21500
|
| 312 |
+
},
|
| 313 |
+
{
|
| 314 |
+
"epoch": 0.5866666666666667,
|
| 315 |
+
"grad_norm": 12.636277198791504,
|
| 316 |
+
"learning_rate": 1.6089066666666668e-05,
|
| 317 |
+
"loss": 0.1771,
|
| 318 |
+
"step": 22000
|
| 319 |
+
},
|
| 320 |
+
{
|
| 321 |
+
"epoch": 0.6,
|
| 322 |
+
"grad_norm": 2.310169219970703,
|
| 323 |
+
"learning_rate": 1.600017777777778e-05,
|
| 324 |
+
"loss": 0.1754,
|
| 325 |
+
"step": 22500
|
| 326 |
+
},
|
| 327 |
+
{
|
| 328 |
+
"epoch": 0.6133333333333333,
|
| 329 |
+
"grad_norm": 4.273941993713379,
|
| 330 |
+
"learning_rate": 1.591128888888889e-05,
|
| 331 |
+
"loss": 0.17,
|
| 332 |
+
"step": 23000
|
| 333 |
+
},
|
| 334 |
+
{
|
| 335 |
+
"epoch": 0.6266666666666667,
|
| 336 |
+
"grad_norm": 5.049039840698242,
|
| 337 |
+
"learning_rate": 1.5822400000000003e-05,
|
| 338 |
+
"loss": 0.1804,
|
| 339 |
+
"step": 23500
|
| 340 |
+
},
|
| 341 |
+
{
|
| 342 |
+
"epoch": 0.64,
|
| 343 |
+
"grad_norm": 4.0421061515808105,
|
| 344 |
+
"learning_rate": 1.5733511111111113e-05,
|
| 345 |
+
"loss": 0.1706,
|
| 346 |
+
"step": 24000
|
| 347 |
+
},
|
| 348 |
+
{
|
| 349 |
+
"epoch": 0.6533333333333333,
|
| 350 |
+
"grad_norm": 5.300897121429443,
|
| 351 |
+
"learning_rate": 1.5644622222222224e-05,
|
| 352 |
+
"loss": 0.1767,
|
| 353 |
+
"step": 24500
|
| 354 |
+
},
|
| 355 |
+
{
|
| 356 |
+
"epoch": 0.6666666666666666,
|
| 357 |
+
"grad_norm": 3.8265490531921387,
|
| 358 |
+
"learning_rate": 1.5555733333333334e-05,
|
| 359 |
+
"loss": 0.1802,
|
| 360 |
+
"step": 25000
|
| 361 |
+
},
|
| 362 |
+
{
|
| 363 |
+
"epoch": 0.68,
|
| 364 |
+
"grad_norm": 3.3010833263397217,
|
| 365 |
+
"learning_rate": 1.5466844444444448e-05,
|
| 366 |
+
"loss": 0.1799,
|
| 367 |
+
"step": 25500
|
| 368 |
+
},
|
| 369 |
+
{
|
| 370 |
+
"epoch": 0.6933333333333334,
|
| 371 |
+
"grad_norm": 3.451127529144287,
|
| 372 |
+
"learning_rate": 1.537795555555556e-05,
|
| 373 |
+
"loss": 0.1757,
|
| 374 |
+
"step": 26000
|
| 375 |
+
},
|
| 376 |
+
{
|
| 377 |
+
"epoch": 0.7066666666666667,
|
| 378 |
+
"grad_norm": 7.2855987548828125,
|
| 379 |
+
"learning_rate": 1.528906666666667e-05,
|
| 380 |
+
"loss": 0.1703,
|
| 381 |
+
"step": 26500
|
| 382 |
+
},
|
| 383 |
+
{
|
| 384 |
+
"epoch": 0.72,
|
| 385 |
+
"grad_norm": 2.122622489929199,
|
| 386 |
+
"learning_rate": 1.5200177777777778e-05,
|
| 387 |
+
"loss": 0.1807,
|
| 388 |
+
"step": 27000
|
| 389 |
+
},
|
| 390 |
+
{
|
| 391 |
+
"epoch": 0.7333333333333333,
|
| 392 |
+
"grad_norm": 5.44147253036499,
|
| 393 |
+
"learning_rate": 1.5111288888888892e-05,
|
| 394 |
+
"loss": 0.1792,
|
| 395 |
+
"step": 27500
|
| 396 |
+
},
|
| 397 |
+
{
|
| 398 |
+
"epoch": 0.7466666666666667,
|
| 399 |
+
"grad_norm": 19.15901756286621,
|
| 400 |
+
"learning_rate": 1.5022400000000002e-05,
|
| 401 |
+
"loss": 0.173,
|
| 402 |
+
"step": 28000
|
| 403 |
+
},
|
| 404 |
+
{
|
| 405 |
+
"epoch": 0.76,
|
| 406 |
+
"grad_norm": 2.908573627471924,
|
| 407 |
+
"learning_rate": 1.4933511111111113e-05,
|
| 408 |
+
"loss": 0.1696,
|
| 409 |
+
"step": 28500
|
| 410 |
+
},
|
| 411 |
+
{
|
| 412 |
+
"epoch": 0.7733333333333333,
|
| 413 |
+
"grad_norm": 4.085779190063477,
|
| 414 |
+
"learning_rate": 1.4844622222222223e-05,
|
| 415 |
+
"loss": 0.1648,
|
| 416 |
+
"step": 29000
|
| 417 |
+
},
|
| 418 |
+
{
|
| 419 |
+
"epoch": 0.7866666666666666,
|
| 420 |
+
"grad_norm": 7.775406837463379,
|
| 421 |
+
"learning_rate": 1.4755733333333335e-05,
|
| 422 |
+
"loss": 0.1764,
|
| 423 |
+
"step": 29500
|
| 424 |
+
},
|
| 425 |
+
{
|
| 426 |
+
"epoch": 0.8,
|
| 427 |
+
"grad_norm": 5.207675933837891,
|
| 428 |
+
"learning_rate": 1.4666844444444446e-05,
|
| 429 |
+
"loss": 0.1701,
|
| 430 |
+
"step": 30000
|
| 431 |
+
},
|
| 432 |
+
{
|
| 433 |
+
"epoch": 0.8133333333333334,
|
| 434 |
+
"grad_norm": 11.684020042419434,
|
| 435 |
+
"learning_rate": 1.4577955555555556e-05,
|
| 436 |
+
"loss": 0.1694,
|
| 437 |
+
"step": 30500
|
| 438 |
+
},
|
| 439 |
+
{
|
| 440 |
+
"epoch": 0.8266666666666667,
|
| 441 |
+
"grad_norm": 9.609663009643555,
|
| 442 |
+
"learning_rate": 1.4489066666666666e-05,
|
| 443 |
+
"loss": 0.1677,
|
| 444 |
+
"step": 31000
|
| 445 |
+
},
|
| 446 |
+
{
|
| 447 |
+
"epoch": 0.84,
|
| 448 |
+
"grad_norm": 3.604388952255249,
|
| 449 |
+
"learning_rate": 1.440017777777778e-05,
|
| 450 |
+
"loss": 0.1676,
|
| 451 |
+
"step": 31500
|
| 452 |
+
},
|
| 453 |
+
{
|
| 454 |
+
"epoch": 0.8533333333333334,
|
| 455 |
+
"grad_norm": 2.2640857696533203,
|
| 456 |
+
"learning_rate": 1.431128888888889e-05,
|
| 457 |
+
"loss": 0.174,
|
| 458 |
+
"step": 32000
|
| 459 |
+
},
|
| 460 |
+
{
|
| 461 |
+
"epoch": 0.8666666666666667,
|
| 462 |
+
"grad_norm": 5.792328357696533,
|
| 463 |
+
"learning_rate": 1.4222400000000001e-05,
|
| 464 |
+
"loss": 0.1834,
|
| 465 |
+
"step": 32500
|
| 466 |
+
},
|
| 467 |
+
{
|
| 468 |
+
"epoch": 0.88,
|
| 469 |
+
"grad_norm": 10.582271575927734,
|
| 470 |
+
"learning_rate": 1.4133511111111112e-05,
|
| 471 |
+
"loss": 0.1691,
|
| 472 |
+
"step": 33000
|
| 473 |
+
},
|
| 474 |
+
{
|
| 475 |
+
"epoch": 0.8933333333333333,
|
| 476 |
+
"grad_norm": 0.56258225440979,
|
| 477 |
+
"learning_rate": 1.4044622222222224e-05,
|
| 478 |
+
"loss": 0.1668,
|
| 479 |
+
"step": 33500
|
| 480 |
+
},
|
| 481 |
+
{
|
| 482 |
+
"epoch": 0.9066666666666666,
|
| 483 |
+
"grad_norm": 3.2600042819976807,
|
| 484 |
+
"learning_rate": 1.3955733333333334e-05,
|
| 485 |
+
"loss": 0.1654,
|
| 486 |
+
"step": 34000
|
| 487 |
+
},
|
| 488 |
+
{
|
| 489 |
+
"epoch": 0.92,
|
| 490 |
+
"grad_norm": 6.783730983734131,
|
| 491 |
+
"learning_rate": 1.3866844444444445e-05,
|
| 492 |
+
"loss": 0.1622,
|
| 493 |
+
"step": 34500
|
| 494 |
+
},
|
| 495 |
+
{
|
| 496 |
+
"epoch": 0.9333333333333333,
|
| 497 |
+
"grad_norm": 0.47156190872192383,
|
| 498 |
+
"learning_rate": 1.3777955555555557e-05,
|
| 499 |
+
"loss": 0.1696,
|
| 500 |
+
"step": 35000
|
| 501 |
+
},
|
| 502 |
+
{
|
| 503 |
+
"epoch": 0.9466666666666667,
|
| 504 |
+
"grad_norm": 7.54743766784668,
|
| 505 |
+
"learning_rate": 1.3689066666666669e-05,
|
| 506 |
+
"loss": 0.1621,
|
| 507 |
+
"step": 35500
|
| 508 |
+
},
|
| 509 |
+
{
|
| 510 |
+
"epoch": 0.96,
|
| 511 |
+
"grad_norm": 3.3479397296905518,
|
| 512 |
+
"learning_rate": 1.360017777777778e-05,
|
| 513 |
+
"loss": 0.1641,
|
| 514 |
+
"step": 36000
|
| 515 |
+
},
|
| 516 |
+
{
|
| 517 |
+
"epoch": 0.9733333333333334,
|
| 518 |
+
"grad_norm": 0.5830157399177551,
|
| 519 |
+
"learning_rate": 1.351128888888889e-05,
|
| 520 |
+
"loss": 0.1768,
|
| 521 |
+
"step": 36500
|
| 522 |
+
},
|
| 523 |
+
{
|
| 524 |
+
"epoch": 0.9866666666666667,
|
| 525 |
+
"grad_norm": 0.9766425490379333,
|
| 526 |
+
"learning_rate": 1.3422400000000002e-05,
|
| 527 |
+
"loss": 0.1767,
|
| 528 |
+
"step": 37000
|
| 529 |
+
},
|
| 530 |
+
{
|
| 531 |
+
"epoch": 1.0,
|
| 532 |
+
"grad_norm": 2.2511048316955566,
|
| 533 |
+
"learning_rate": 1.3333511111111113e-05,
|
| 534 |
+
"loss": 0.1805,
|
| 535 |
+
"step": 37500
|
| 536 |
+
},
|
| 537 |
+
{
|
| 538 |
+
"epoch": 1.0,
|
| 539 |
+
"eval_accuracy": 0.9336266666666667,
|
| 540 |
+
"eval_loss": 0.15549463033676147,
|
| 541 |
+
"eval_roc_auc": 0.9640682792910416,
|
| 542 |
+
"eval_runtime": 71.4408,
|
| 543 |
+
"eval_samples_per_second": 2099.641,
|
| 544 |
+
"eval_steps_per_second": 131.228,
|
| 545 |
+
"step": 37500
|
| 546 |
+
},
|
| 547 |
+
{
|
| 548 |
+
"epoch": 1.0133333333333334,
|
| 549 |
+
"grad_norm": 0.5941932201385498,
|
| 550 |
+
"learning_rate": 1.3244622222222223e-05,
|
| 551 |
+
"loss": 0.1569,
|
| 552 |
+
"step": 38000
|
| 553 |
+
},
|
| 554 |
+
{
|
| 555 |
+
"epoch": 1.0266666666666666,
|
| 556 |
+
"grad_norm": 6.199728965759277,
|
| 557 |
+
"learning_rate": 1.3155733333333334e-05,
|
| 558 |
+
"loss": 0.1626,
|
| 559 |
+
"step": 38500
|
| 560 |
+
},
|
| 561 |
+
{
|
| 562 |
+
"epoch": 1.04,
|
| 563 |
+
"grad_norm": 6.476550102233887,
|
| 564 |
+
"learning_rate": 1.3066844444444446e-05,
|
| 565 |
+
"loss": 0.1588,
|
| 566 |
+
"step": 39000
|
| 567 |
+
},
|
| 568 |
+
{
|
| 569 |
+
"epoch": 1.0533333333333332,
|
| 570 |
+
"grad_norm": 2.1434028148651123,
|
| 571 |
+
"learning_rate": 1.2977955555555558e-05,
|
| 572 |
+
"loss": 0.1593,
|
| 573 |
+
"step": 39500
|
| 574 |
+
},
|
| 575 |
+
{
|
| 576 |
+
"epoch": 1.0666666666666667,
|
| 577 |
+
"grad_norm": 7.160366058349609,
|
| 578 |
+
"learning_rate": 1.2889066666666668e-05,
|
| 579 |
+
"loss": 0.1654,
|
| 580 |
+
"step": 40000
|
| 581 |
+
},
|
| 582 |
+
{
|
| 583 |
+
"epoch": 1.08,
|
| 584 |
+
"grad_norm": 5.688711166381836,
|
| 585 |
+
"learning_rate": 1.2800177777777779e-05,
|
| 586 |
+
"loss": 0.1605,
|
| 587 |
+
"step": 40500
|
| 588 |
+
},
|
| 589 |
+
{
|
| 590 |
+
"epoch": 1.0933333333333333,
|
| 591 |
+
"grad_norm": 2.6624457836151123,
|
| 592 |
+
"learning_rate": 1.2711288888888891e-05,
|
| 593 |
+
"loss": 0.162,
|
| 594 |
+
"step": 41000
|
| 595 |
+
},
|
| 596 |
+
{
|
| 597 |
+
"epoch": 1.1066666666666667,
|
| 598 |
+
"grad_norm": 2.13610577583313,
|
| 599 |
+
"learning_rate": 1.2622400000000001e-05,
|
| 600 |
+
"loss": 0.1697,
|
| 601 |
+
"step": 41500
|
| 602 |
+
},
|
| 603 |
+
{
|
| 604 |
+
"epoch": 1.12,
|
| 605 |
+
"grad_norm": 1.7965058088302612,
|
| 606 |
+
"learning_rate": 1.2533511111111112e-05,
|
| 607 |
+
"loss": 0.1641,
|
| 608 |
+
"step": 42000
|
| 609 |
+
},
|
| 610 |
+
{
|
| 611 |
+
"epoch": 1.1333333333333333,
|
| 612 |
+
"grad_norm": 6.1187052726745605,
|
| 613 |
+
"learning_rate": 1.2444622222222222e-05,
|
| 614 |
+
"loss": 0.1665,
|
| 615 |
+
"step": 42500
|
| 616 |
+
},
|
| 617 |
+
{
|
| 618 |
+
"epoch": 1.1466666666666667,
|
| 619 |
+
"grad_norm": 3.0875155925750732,
|
| 620 |
+
"learning_rate": 1.2355733333333334e-05,
|
| 621 |
+
"loss": 0.1696,
|
| 622 |
+
"step": 43000
|
| 623 |
+
},
|
| 624 |
+
{
|
| 625 |
+
"epoch": 1.16,
|
| 626 |
+
"grad_norm": 1.7061272859573364,
|
| 627 |
+
"learning_rate": 1.2266844444444445e-05,
|
| 628 |
+
"loss": 0.1631,
|
| 629 |
+
"step": 43500
|
| 630 |
+
},
|
| 631 |
+
{
|
| 632 |
+
"epoch": 1.1733333333333333,
|
| 633 |
+
"grad_norm": 7.367978096008301,
|
| 634 |
+
"learning_rate": 1.2177955555555557e-05,
|
| 635 |
+
"loss": 0.1705,
|
| 636 |
+
"step": 44000
|
| 637 |
+
},
|
| 638 |
+
{
|
| 639 |
+
"epoch": 1.1866666666666668,
|
| 640 |
+
"grad_norm": 1.446173906326294,
|
| 641 |
+
"learning_rate": 1.2089066666666667e-05,
|
| 642 |
+
"loss": 0.1665,
|
| 643 |
+
"step": 44500
|
| 644 |
+
},
|
| 645 |
+
{
|
| 646 |
+
"epoch": 1.2,
|
| 647 |
+
"grad_norm": 0.7211847901344299,
|
| 648 |
+
"learning_rate": 1.200017777777778e-05,
|
| 649 |
+
"loss": 0.1666,
|
| 650 |
+
"step": 45000
|
| 651 |
+
},
|
| 652 |
+
{
|
| 653 |
+
"epoch": 1.2133333333333334,
|
| 654 |
+
"grad_norm": 3.097473621368408,
|
| 655 |
+
"learning_rate": 1.191128888888889e-05,
|
| 656 |
+
"loss": 0.1623,
|
| 657 |
+
"step": 45500
|
| 658 |
+
},
|
| 659 |
+
{
|
| 660 |
+
"epoch": 1.2266666666666666,
|
| 661 |
+
"grad_norm": 8.937402725219727,
|
| 662 |
+
"learning_rate": 1.18224e-05,
|
| 663 |
+
"loss": 0.1573,
|
| 664 |
+
"step": 46000
|
| 665 |
+
},
|
| 666 |
+
{
|
| 667 |
+
"epoch": 1.24,
|
| 668 |
+
"grad_norm": 6.416681289672852,
|
| 669 |
+
"learning_rate": 1.1733511111111111e-05,
|
| 670 |
+
"loss": 0.1698,
|
| 671 |
+
"step": 46500
|
| 672 |
+
},
|
| 673 |
+
{
|
| 674 |
+
"epoch": 1.2533333333333334,
|
| 675 |
+
"grad_norm": 5.953726768493652,
|
| 676 |
+
"learning_rate": 1.1644622222222223e-05,
|
| 677 |
+
"loss": 0.1638,
|
| 678 |
+
"step": 47000
|
| 679 |
+
},
|
| 680 |
+
{
|
| 681 |
+
"epoch": 1.2666666666666666,
|
| 682 |
+
"grad_norm": 4.727179050445557,
|
| 683 |
+
"learning_rate": 1.1555733333333334e-05,
|
| 684 |
+
"loss": 0.1602,
|
| 685 |
+
"step": 47500
|
| 686 |
+
},
|
| 687 |
+
{
|
| 688 |
+
"epoch": 1.28,
|
| 689 |
+
"grad_norm": 15.166394233703613,
|
| 690 |
+
"learning_rate": 1.1466844444444446e-05,
|
| 691 |
+
"loss": 0.1642,
|
| 692 |
+
"step": 48000
|
| 693 |
+
},
|
| 694 |
+
{
|
| 695 |
+
"epoch": 1.2933333333333334,
|
| 696 |
+
"grad_norm": 1.0376096963882446,
|
| 697 |
+
"learning_rate": 1.1377955555555556e-05,
|
| 698 |
+
"loss": 0.1694,
|
| 699 |
+
"step": 48500
|
| 700 |
+
},
|
| 701 |
+
{
|
| 702 |
+
"epoch": 1.3066666666666666,
|
| 703 |
+
"grad_norm": 0.7701208591461182,
|
| 704 |
+
"learning_rate": 1.1289066666666668e-05,
|
| 705 |
+
"loss": 0.16,
|
| 706 |
+
"step": 49000
|
| 707 |
+
},
|
| 708 |
+
{
|
| 709 |
+
"epoch": 1.32,
|
| 710 |
+
"grad_norm": 4.891656398773193,
|
| 711 |
+
"learning_rate": 1.1200177777777779e-05,
|
| 712 |
+
"loss": 0.1606,
|
| 713 |
+
"step": 49500
|
| 714 |
+
},
|
| 715 |
+
{
|
| 716 |
+
"epoch": 1.3333333333333333,
|
| 717 |
+
"grad_norm": 8.97839069366455,
|
| 718 |
+
"learning_rate": 1.111128888888889e-05,
|
| 719 |
+
"loss": 0.1685,
|
| 720 |
+
"step": 50000
|
| 721 |
+
},
|
| 722 |
+
{
|
| 723 |
+
"epoch": 1.3466666666666667,
|
| 724 |
+
"grad_norm": 0.20904645323753357,
|
| 725 |
+
"learning_rate": 1.1022400000000001e-05,
|
| 726 |
+
"loss": 0.1608,
|
| 727 |
+
"step": 50500
|
| 728 |
+
},
|
| 729 |
+
{
|
| 730 |
+
"epoch": 1.3599999999999999,
|
| 731 |
+
"grad_norm": 9.957182884216309,
|
| 732 |
+
"learning_rate": 1.0933511111111112e-05,
|
| 733 |
+
"loss": 0.1662,
|
| 734 |
+
"step": 51000
|
| 735 |
+
},
|
| 736 |
+
{
|
| 737 |
+
"epoch": 1.3733333333333333,
|
| 738 |
+
"grad_norm": 3.023970365524292,
|
| 739 |
+
"learning_rate": 1.0844622222222222e-05,
|
| 740 |
+
"loss": 0.1727,
|
| 741 |
+
"step": 51500
|
| 742 |
+
},
|
| 743 |
+
{
|
| 744 |
+
"epoch": 1.3866666666666667,
|
| 745 |
+
"grad_norm": 6.184418678283691,
|
| 746 |
+
"learning_rate": 1.0755733333333333e-05,
|
| 747 |
+
"loss": 0.1598,
|
| 748 |
+
"step": 52000
|
| 749 |
+
},
|
| 750 |
+
{
|
| 751 |
+
"epoch": 1.4,
|
| 752 |
+
"grad_norm": 1.9592366218566895,
|
| 753 |
+
"learning_rate": 1.0666844444444447e-05,
|
| 754 |
+
"loss": 0.1564,
|
| 755 |
+
"step": 52500
|
| 756 |
+
},
|
| 757 |
+
{
|
| 758 |
+
"epoch": 1.4133333333333333,
|
| 759 |
+
"grad_norm": 1.0425689220428467,
|
| 760 |
+
"learning_rate": 1.0577955555555557e-05,
|
| 761 |
+
"loss": 0.1599,
|
| 762 |
+
"step": 53000
|
| 763 |
+
},
|
| 764 |
+
{
|
| 765 |
+
"epoch": 1.4266666666666667,
|
| 766 |
+
"grad_norm": 0.8117395043373108,
|
| 767 |
+
"learning_rate": 1.0489066666666668e-05,
|
| 768 |
+
"loss": 0.1608,
|
| 769 |
+
"step": 53500
|
| 770 |
+
},
|
| 771 |
+
{
|
| 772 |
+
"epoch": 1.44,
|
| 773 |
+
"grad_norm": 4.717148780822754,
|
| 774 |
+
"learning_rate": 1.0400177777777778e-05,
|
| 775 |
+
"loss": 0.1647,
|
| 776 |
+
"step": 54000
|
| 777 |
+
},
|
| 778 |
+
{
|
| 779 |
+
"epoch": 1.4533333333333334,
|
| 780 |
+
"grad_norm": 1.1125507354736328,
|
| 781 |
+
"learning_rate": 1.031128888888889e-05,
|
| 782 |
+
"loss": 0.1651,
|
| 783 |
+
"step": 54500
|
| 784 |
+
},
|
| 785 |
+
{
|
| 786 |
+
"epoch": 1.4666666666666668,
|
| 787 |
+
"grad_norm": 6.528645038604736,
|
| 788 |
+
"learning_rate": 1.02224e-05,
|
| 789 |
+
"loss": 0.1586,
|
| 790 |
+
"step": 55000
|
| 791 |
+
},
|
| 792 |
+
{
|
| 793 |
+
"epoch": 1.48,
|
| 794 |
+
"grad_norm": 0.015608014538884163,
|
| 795 |
+
"learning_rate": 1.0133511111111111e-05,
|
| 796 |
+
"loss": 0.157,
|
| 797 |
+
"step": 55500
|
| 798 |
+
},
|
| 799 |
+
{
|
| 800 |
+
"epoch": 1.4933333333333334,
|
| 801 |
+
"grad_norm": 4.705836296081543,
|
| 802 |
+
"learning_rate": 1.0044622222222221e-05,
|
| 803 |
+
"loss": 0.1562,
|
| 804 |
+
"step": 56000
|
| 805 |
+
},
|
| 806 |
+
{
|
| 807 |
+
"epoch": 1.5066666666666668,
|
| 808 |
+
"grad_norm": 2.740739107131958,
|
| 809 |
+
"learning_rate": 9.955733333333334e-06,
|
| 810 |
+
"loss": 0.1625,
|
| 811 |
+
"step": 56500
|
| 812 |
+
},
|
| 813 |
+
{
|
| 814 |
+
"epoch": 1.52,
|
| 815 |
+
"grad_norm": 0.43999674916267395,
|
| 816 |
+
"learning_rate": 9.866844444444446e-06,
|
| 817 |
+
"loss": 0.1613,
|
| 818 |
+
"step": 57000
|
| 819 |
+
},
|
| 820 |
+
{
|
| 821 |
+
"epoch": 1.5333333333333332,
|
| 822 |
+
"grad_norm": 7.738208293914795,
|
| 823 |
+
"learning_rate": 9.777955555555556e-06,
|
| 824 |
+
"loss": 0.159,
|
| 825 |
+
"step": 57500
|
| 826 |
+
},
|
| 827 |
+
{
|
| 828 |
+
"epoch": 1.5466666666666666,
|
| 829 |
+
"grad_norm": 0.75526362657547,
|
| 830 |
+
"learning_rate": 9.689066666666668e-06,
|
| 831 |
+
"loss": 0.1602,
|
| 832 |
+
"step": 58000
|
| 833 |
+
},
|
| 834 |
+
{
|
| 835 |
+
"epoch": 1.56,
|
| 836 |
+
"grad_norm": 7.4203619956970215,
|
| 837 |
+
"learning_rate": 9.600177777777779e-06,
|
| 838 |
+
"loss": 0.161,
|
| 839 |
+
"step": 58500
|
| 840 |
+
},
|
| 841 |
+
{
|
| 842 |
+
"epoch": 1.5733333333333333,
|
| 843 |
+
"grad_norm": 5.024014472961426,
|
| 844 |
+
"learning_rate": 9.51128888888889e-06,
|
| 845 |
+
"loss": 0.1639,
|
| 846 |
+
"step": 59000
|
| 847 |
+
},
|
| 848 |
+
{
|
| 849 |
+
"epoch": 1.5866666666666667,
|
| 850 |
+
"grad_norm": 6.8457512855529785,
|
| 851 |
+
"learning_rate": 9.4224e-06,
|
| 852 |
+
"loss": 0.1613,
|
| 853 |
+
"step": 59500
|
| 854 |
+
},
|
| 855 |
+
{
|
| 856 |
+
"epoch": 1.6,
|
| 857 |
+
"grad_norm": 14.056071281433105,
|
| 858 |
+
"learning_rate": 9.333511111111112e-06,
|
| 859 |
+
"loss": 0.1572,
|
| 860 |
+
"step": 60000
|
| 861 |
+
},
|
| 862 |
+
{
|
| 863 |
+
"epoch": 1.6133333333333333,
|
| 864 |
+
"grad_norm": 15.818329811096191,
|
| 865 |
+
"learning_rate": 9.244622222222222e-06,
|
| 866 |
+
"loss": 0.1587,
|
| 867 |
+
"step": 60500
|
| 868 |
+
},
|
| 869 |
+
{
|
| 870 |
+
"epoch": 1.6266666666666667,
|
| 871 |
+
"grad_norm": 3.704280138015747,
|
| 872 |
+
"learning_rate": 9.155733333333335e-06,
|
| 873 |
+
"loss": 0.1623,
|
| 874 |
+
"step": 61000
|
| 875 |
+
},
|
| 876 |
+
{
|
| 877 |
+
"epoch": 1.6400000000000001,
|
| 878 |
+
"grad_norm": 0.761895477771759,
|
| 879 |
+
"learning_rate": 9.066844444444445e-06,
|
| 880 |
+
"loss": 0.1625,
|
| 881 |
+
"step": 61500
|
| 882 |
+
},
|
| 883 |
+
{
|
| 884 |
+
"epoch": 1.6533333333333333,
|
| 885 |
+
"grad_norm": 3.5546834468841553,
|
| 886 |
+
"learning_rate": 8.977955555555557e-06,
|
| 887 |
+
"loss": 0.1649,
|
| 888 |
+
"step": 62000
|
| 889 |
+
},
|
| 890 |
+
{
|
| 891 |
+
"epoch": 1.6666666666666665,
|
| 892 |
+
"grad_norm": 3.535801887512207,
|
| 893 |
+
"learning_rate": 8.889066666666668e-06,
|
| 894 |
+
"loss": 0.1621,
|
| 895 |
+
"step": 62500
|
| 896 |
+
},
|
| 897 |
+
{
|
| 898 |
+
"epoch": 1.6800000000000002,
|
| 899 |
+
"grad_norm": 2.308583974838257,
|
| 900 |
+
"learning_rate": 8.800177777777778e-06,
|
| 901 |
+
"loss": 0.164,
|
| 902 |
+
"step": 63000
|
| 903 |
+
},
|
| 904 |
+
{
|
| 905 |
+
"epoch": 1.6933333333333334,
|
| 906 |
+
"grad_norm": 10.04520034790039,
|
| 907 |
+
"learning_rate": 8.711288888888889e-06,
|
| 908 |
+
"loss": 0.1637,
|
| 909 |
+
"step": 63500
|
| 910 |
+
},
|
| 911 |
+
{
|
| 912 |
+
"epoch": 1.7066666666666666,
|
| 913 |
+
"grad_norm": 5.150910377502441,
|
| 914 |
+
"learning_rate": 8.6224e-06,
|
| 915 |
+
"loss": 0.1575,
|
| 916 |
+
"step": 64000
|
| 917 |
+
},
|
| 918 |
+
{
|
| 919 |
+
"epoch": 1.72,
|
| 920 |
+
"grad_norm": 0.023175127804279327,
|
| 921 |
+
"learning_rate": 8.533511111111111e-06,
|
| 922 |
+
"loss": 0.1641,
|
| 923 |
+
"step": 64500
|
| 924 |
+
},
|
| 925 |
+
{
|
| 926 |
+
"epoch": 1.7333333333333334,
|
| 927 |
+
"grad_norm": 3.1218388080596924,
|
| 928 |
+
"learning_rate": 8.444622222222223e-06,
|
| 929 |
+
"loss": 0.1563,
|
| 930 |
+
"step": 65000
|
| 931 |
+
},
|
| 932 |
+
{
|
| 933 |
+
"epoch": 1.7466666666666666,
|
| 934 |
+
"grad_norm": 3.781221866607666,
|
| 935 |
+
"learning_rate": 8.355733333333334e-06,
|
| 936 |
+
"loss": 0.1589,
|
| 937 |
+
"step": 65500
|
| 938 |
+
},
|
| 939 |
+
{
|
| 940 |
+
"epoch": 1.76,
|
| 941 |
+
"grad_norm": 2.77959942817688,
|
| 942 |
+
"learning_rate": 8.266844444444446e-06,
|
| 943 |
+
"loss": 0.1706,
|
| 944 |
+
"step": 66000
|
| 945 |
+
},
|
| 946 |
+
{
|
| 947 |
+
"epoch": 1.7733333333333334,
|
| 948 |
+
"grad_norm": 4.3421220779418945,
|
| 949 |
+
"learning_rate": 8.177955555555556e-06,
|
| 950 |
+
"loss": 0.1591,
|
| 951 |
+
"step": 66500
|
| 952 |
+
},
|
| 953 |
+
{
|
| 954 |
+
"epoch": 1.7866666666666666,
|
| 955 |
+
"grad_norm": 3.431793451309204,
|
| 956 |
+
"learning_rate": 8.089066666666667e-06,
|
| 957 |
+
"loss": 0.1634,
|
| 958 |
+
"step": 67000
|
| 959 |
+
},
|
| 960 |
+
{
|
| 961 |
+
"epoch": 1.8,
|
| 962 |
+
"grad_norm": 3.9532511234283447,
|
| 963 |
+
"learning_rate": 8.000177777777779e-06,
|
| 964 |
+
"loss": 0.1732,
|
| 965 |
+
"step": 67500
|
| 966 |
+
},
|
| 967 |
+
{
|
| 968 |
+
"epoch": 1.8133333333333335,
|
| 969 |
+
"grad_norm": 3.9432785511016846,
|
| 970 |
+
"learning_rate": 7.91128888888889e-06,
|
| 971 |
+
"loss": 0.1729,
|
| 972 |
+
"step": 68000
|
| 973 |
+
},
|
| 974 |
+
{
|
| 975 |
+
"epoch": 1.8266666666666667,
|
| 976 |
+
"grad_norm": 3.6713857650756836,
|
| 977 |
+
"learning_rate": 7.822400000000002e-06,
|
| 978 |
+
"loss": 0.1722,
|
| 979 |
+
"step": 68500
|
| 980 |
+
},
|
| 981 |
+
{
|
| 982 |
+
"epoch": 1.8399999999999999,
|
| 983 |
+
"grad_norm": 1.4513734579086304,
|
| 984 |
+
"learning_rate": 7.733511111111112e-06,
|
| 985 |
+
"loss": 0.1522,
|
| 986 |
+
"step": 69000
|
| 987 |
+
},
|
| 988 |
+
{
|
| 989 |
+
"epoch": 1.8533333333333335,
|
| 990 |
+
"grad_norm": 3.163621425628662,
|
| 991 |
+
"learning_rate": 7.644622222222222e-06,
|
| 992 |
+
"loss": 0.1651,
|
| 993 |
+
"step": 69500
|
| 994 |
+
},
|
| 995 |
+
{
|
| 996 |
+
"epoch": 1.8666666666666667,
|
| 997 |
+
"grad_norm": 1.6190903186798096,
|
| 998 |
+
"learning_rate": 7.555733333333334e-06,
|
| 999 |
+
"loss": 0.1534,
|
| 1000 |
+
"step": 70000
|
| 1001 |
+
},
|
| 1002 |
+
{
|
| 1003 |
+
"epoch": 1.88,
|
| 1004 |
+
"grad_norm": 0.9948943257331848,
|
| 1005 |
+
"learning_rate": 7.466844444444445e-06,
|
| 1006 |
+
"loss": 0.1621,
|
| 1007 |
+
"step": 70500
|
| 1008 |
+
},
|
| 1009 |
+
{
|
| 1010 |
+
"epoch": 1.8933333333333333,
|
| 1011 |
+
"grad_norm": 5.644164085388184,
|
| 1012 |
+
"learning_rate": 7.377955555555556e-06,
|
| 1013 |
+
"loss": 0.1675,
|
| 1014 |
+
"step": 71000
|
| 1015 |
+
},
|
| 1016 |
+
{
|
| 1017 |
+
"epoch": 1.9066666666666667,
|
| 1018 |
+
"grad_norm": 3.012378692626953,
|
| 1019 |
+
"learning_rate": 7.289066666666668e-06,
|
| 1020 |
+
"loss": 0.1649,
|
| 1021 |
+
"step": 71500
|
| 1022 |
+
},
|
| 1023 |
+
{
|
| 1024 |
+
"epoch": 1.92,
|
| 1025 |
+
"grad_norm": 2.93514347076416,
|
| 1026 |
+
"learning_rate": 7.200177777777778e-06,
|
| 1027 |
+
"loss": 0.1666,
|
| 1028 |
+
"step": 72000
|
| 1029 |
+
},
|
| 1030 |
+
{
|
| 1031 |
+
"epoch": 1.9333333333333333,
|
| 1032 |
+
"grad_norm": 3.8508403301239014,
|
| 1033 |
+
"learning_rate": 7.1112888888888894e-06,
|
| 1034 |
+
"loss": 0.1598,
|
| 1035 |
+
"step": 72500
|
| 1036 |
+
},
|
| 1037 |
+
{
|
| 1038 |
+
"epoch": 1.9466666666666668,
|
| 1039 |
+
"grad_norm": 1.6260486841201782,
|
| 1040 |
+
"learning_rate": 7.022400000000001e-06,
|
| 1041 |
+
"loss": 0.1628,
|
| 1042 |
+
"step": 73000
|
| 1043 |
+
},
|
| 1044 |
+
{
|
| 1045 |
+
"epoch": 1.96,
|
| 1046 |
+
"grad_norm": 4.051096439361572,
|
| 1047 |
+
"learning_rate": 6.933511111111112e-06,
|
| 1048 |
+
"loss": 0.1556,
|
| 1049 |
+
"step": 73500
|
| 1050 |
+
},
|
| 1051 |
+
{
|
| 1052 |
+
"epoch": 1.9733333333333334,
|
| 1053 |
+
"grad_norm": 5.158590793609619,
|
| 1054 |
+
"learning_rate": 6.8446222222222225e-06,
|
| 1055 |
+
"loss": 0.1605,
|
| 1056 |
+
"step": 74000
|
| 1057 |
+
},
|
| 1058 |
+
{
|
| 1059 |
+
"epoch": 1.9866666666666668,
|
| 1060 |
+
"grad_norm": 3.5490450859069824,
|
| 1061 |
+
"learning_rate": 6.755733333333334e-06,
|
| 1062 |
+
"loss": 0.1605,
|
| 1063 |
+
"step": 74500
|
| 1064 |
+
},
|
| 1065 |
+
{
|
| 1066 |
+
"epoch": 2.0,
|
| 1067 |
+
"grad_norm": 4.156341552734375,
|
| 1068 |
+
"learning_rate": 6.666844444444445e-06,
|
| 1069 |
+
"loss": 0.1631,
|
| 1070 |
+
"step": 75000
|
| 1071 |
+
},
|
| 1072 |
+
{
|
| 1073 |
+
"epoch": 2.0,
|
| 1074 |
+
"eval_accuracy": 0.9355,
|
| 1075 |
+
"eval_loss": 0.16089090704917908,
|
| 1076 |
+
"eval_roc_auc": 0.9664329571233745,
|
| 1077 |
+
"eval_runtime": 71.8229,
|
| 1078 |
+
"eval_samples_per_second": 2088.472,
|
| 1079 |
+
"eval_steps_per_second": 130.529,
|
| 1080 |
+
"step": 75000
|
| 1081 |
+
},
|
| 1082 |
+
{
|
| 1083 |
+
"epoch": 2.013333333333333,
|
| 1084 |
+
"grad_norm": 0.37760597467422485,
|
| 1085 |
+
"learning_rate": 6.577955555555556e-06,
|
| 1086 |
+
"loss": 0.1571,
|
| 1087 |
+
"step": 75500
|
| 1088 |
+
},
|
| 1089 |
+
{
|
| 1090 |
+
"epoch": 2.026666666666667,
|
| 1091 |
+
"grad_norm": 2.3621420860290527,
|
| 1092 |
+
"learning_rate": 6.489066666666667e-06,
|
| 1093 |
+
"loss": 0.1588,
|
| 1094 |
+
"step": 76000
|
| 1095 |
+
},
|
| 1096 |
+
{
|
| 1097 |
+
"epoch": 2.04,
|
| 1098 |
+
"grad_norm": 5.164142608642578,
|
| 1099 |
+
"learning_rate": 6.400177777777778e-06,
|
| 1100 |
+
"loss": 0.1563,
|
| 1101 |
+
"step": 76500
|
| 1102 |
+
},
|
| 1103 |
+
{
|
| 1104 |
+
"epoch": 2.0533333333333332,
|
| 1105 |
+
"grad_norm": 6.492125988006592,
|
| 1106 |
+
"learning_rate": 6.311288888888889e-06,
|
| 1107 |
+
"loss": 0.1513,
|
| 1108 |
+
"step": 77000
|
| 1109 |
+
},
|
| 1110 |
+
{
|
| 1111 |
+
"epoch": 2.066666666666667,
|
| 1112 |
+
"grad_norm": 4.94801139831543,
|
| 1113 |
+
"learning_rate": 6.222400000000001e-06,
|
| 1114 |
+
"loss": 0.1607,
|
| 1115 |
+
"step": 77500
|
| 1116 |
+
},
|
| 1117 |
+
{
|
| 1118 |
+
"epoch": 2.08,
|
| 1119 |
+
"grad_norm": 0.7187438011169434,
|
| 1120 |
+
"learning_rate": 6.133511111111111e-06,
|
| 1121 |
+
"loss": 0.1524,
|
| 1122 |
+
"step": 78000
|
| 1123 |
+
},
|
| 1124 |
+
{
|
| 1125 |
+
"epoch": 2.0933333333333333,
|
| 1126 |
+
"grad_norm": 3.6568777561187744,
|
| 1127 |
+
"learning_rate": 6.0446222222222225e-06,
|
| 1128 |
+
"loss": 0.157,
|
| 1129 |
+
"step": 78500
|
| 1130 |
+
},
|
| 1131 |
+
{
|
| 1132 |
+
"epoch": 2.1066666666666665,
|
| 1133 |
+
"grad_norm": 1.4683983325958252,
|
| 1134 |
+
"learning_rate": 5.955733333333333e-06,
|
| 1135 |
+
"loss": 0.1621,
|
| 1136 |
+
"step": 79000
|
| 1137 |
+
},
|
| 1138 |
+
{
|
| 1139 |
+
"epoch": 2.12,
|
| 1140 |
+
"grad_norm": 1.7399336099624634,
|
| 1141 |
+
"learning_rate": 5.866844444444445e-06,
|
| 1142 |
+
"loss": 0.155,
|
| 1143 |
+
"step": 79500
|
| 1144 |
+
},
|
| 1145 |
+
{
|
| 1146 |
+
"epoch": 2.1333333333333333,
|
| 1147 |
+
"grad_norm": 5.425464630126953,
|
| 1148 |
+
"learning_rate": 5.777955555555556e-06,
|
| 1149 |
+
"loss": 0.157,
|
| 1150 |
+
"step": 80000
|
| 1151 |
+
},
|
| 1152 |
+
{
|
| 1153 |
+
"epoch": 2.1466666666666665,
|
| 1154 |
+
"grad_norm": 4.227963447570801,
|
| 1155 |
+
"learning_rate": 5.689066666666667e-06,
|
| 1156 |
+
"loss": 0.1612,
|
| 1157 |
+
"step": 80500
|
| 1158 |
+
},
|
| 1159 |
+
{
|
| 1160 |
+
"epoch": 2.16,
|
| 1161 |
+
"grad_norm": 8.189958572387695,
|
| 1162 |
+
"learning_rate": 5.600177777777777e-06,
|
| 1163 |
+
"loss": 0.1569,
|
| 1164 |
+
"step": 81000
|
| 1165 |
+
},
|
| 1166 |
+
{
|
| 1167 |
+
"epoch": 2.1733333333333333,
|
| 1168 |
+
"grad_norm": 0.708821713924408,
|
| 1169 |
+
"learning_rate": 5.5112888888888895e-06,
|
| 1170 |
+
"loss": 0.1536,
|
| 1171 |
+
"step": 81500
|
| 1172 |
+
},
|
| 1173 |
+
{
|
| 1174 |
+
"epoch": 2.1866666666666665,
|
| 1175 |
+
"grad_norm": 1.1910531520843506,
|
| 1176 |
+
"learning_rate": 5.422400000000001e-06,
|
| 1177 |
+
"loss": 0.1515,
|
| 1178 |
+
"step": 82000
|
| 1179 |
+
},
|
| 1180 |
+
{
|
| 1181 |
+
"epoch": 2.2,
|
| 1182 |
+
"grad_norm": 4.063385009765625,
|
| 1183 |
+
"learning_rate": 5.333511111111111e-06,
|
| 1184 |
+
"loss": 0.1645,
|
| 1185 |
+
"step": 82500
|
| 1186 |
+
},
|
| 1187 |
+
{
|
| 1188 |
+
"epoch": 2.2133333333333334,
|
| 1189 |
+
"grad_norm": 3.9359991550445557,
|
| 1190 |
+
"learning_rate": 5.244622222222223e-06,
|
| 1191 |
+
"loss": 0.1587,
|
| 1192 |
+
"step": 83000
|
| 1193 |
+
},
|
| 1194 |
+
{
|
| 1195 |
+
"epoch": 2.2266666666666666,
|
| 1196 |
+
"grad_norm": 11.701959609985352,
|
| 1197 |
+
"learning_rate": 5.155733333333334e-06,
|
| 1198 |
+
"loss": 0.1516,
|
| 1199 |
+
"step": 83500
|
| 1200 |
+
},
|
| 1201 |
+
{
|
| 1202 |
+
"epoch": 2.24,
|
| 1203 |
+
"grad_norm": 1.1032155752182007,
|
| 1204 |
+
"learning_rate": 5.066844444444445e-06,
|
| 1205 |
+
"loss": 0.1558,
|
| 1206 |
+
"step": 84000
|
| 1207 |
+
},
|
| 1208 |
+
{
|
| 1209 |
+
"epoch": 2.2533333333333334,
|
| 1210 |
+
"grad_norm": 7.502242565155029,
|
| 1211 |
+
"learning_rate": 4.977955555555556e-06,
|
| 1212 |
+
"loss": 0.154,
|
| 1213 |
+
"step": 84500
|
| 1214 |
+
},
|
| 1215 |
+
{
|
| 1216 |
+
"epoch": 2.2666666666666666,
|
| 1217 |
+
"grad_norm": 3.382655382156372,
|
| 1218 |
+
"learning_rate": 4.889066666666667e-06,
|
| 1219 |
+
"loss": 0.1562,
|
| 1220 |
+
"step": 85000
|
| 1221 |
+
},
|
| 1222 |
+
{
|
| 1223 |
+
"epoch": 2.2800000000000002,
|
| 1224 |
+
"grad_norm": 5.087756633758545,
|
| 1225 |
+
"learning_rate": 4.800177777777778e-06,
|
| 1226 |
+
"loss": 0.1488,
|
| 1227 |
+
"step": 85500
|
| 1228 |
+
},
|
| 1229 |
+
{
|
| 1230 |
+
"epoch": 2.2933333333333334,
|
| 1231 |
+
"grad_norm": 7.414464473724365,
|
| 1232 |
+
"learning_rate": 4.7112888888888895e-06,
|
| 1233 |
+
"loss": 0.152,
|
| 1234 |
+
"step": 86000
|
| 1235 |
+
},
|
| 1236 |
+
{
|
| 1237 |
+
"epoch": 2.3066666666666666,
|
| 1238 |
+
"grad_norm": 5.461930751800537,
|
| 1239 |
+
"learning_rate": 4.6224e-06,
|
| 1240 |
+
"loss": 0.1615,
|
| 1241 |
+
"step": 86500
|
| 1242 |
+
},
|
| 1243 |
+
{
|
| 1244 |
+
"epoch": 2.32,
|
| 1245 |
+
"grad_norm": 1.813199520111084,
|
| 1246 |
+
"learning_rate": 4.533511111111111e-06,
|
| 1247 |
+
"loss": 0.1477,
|
| 1248 |
+
"step": 87000
|
| 1249 |
+
},
|
| 1250 |
+
{
|
| 1251 |
+
"epoch": 2.3333333333333335,
|
| 1252 |
+
"grad_norm": 1.058738350868225,
|
| 1253 |
+
"learning_rate": 4.444622222222223e-06,
|
| 1254 |
+
"loss": 0.1616,
|
| 1255 |
+
"step": 87500
|
| 1256 |
+
},
|
| 1257 |
+
{
|
| 1258 |
+
"epoch": 2.3466666666666667,
|
| 1259 |
+
"grad_norm": 2.765003204345703,
|
| 1260 |
+
"learning_rate": 4.355733333333334e-06,
|
| 1261 |
+
"loss": 0.1558,
|
| 1262 |
+
"step": 88000
|
| 1263 |
+
},
|
| 1264 |
+
{
|
| 1265 |
+
"epoch": 2.36,
|
| 1266 |
+
"grad_norm": 8.905878067016602,
|
| 1267 |
+
"learning_rate": 4.266844444444444e-06,
|
| 1268 |
+
"loss": 0.156,
|
| 1269 |
+
"step": 88500
|
| 1270 |
+
},
|
| 1271 |
+
{
|
| 1272 |
+
"epoch": 2.3733333333333335,
|
| 1273 |
+
"grad_norm": 8.618307113647461,
|
| 1274 |
+
"learning_rate": 4.177955555555556e-06,
|
| 1275 |
+
"loss": 0.1572,
|
| 1276 |
+
"step": 89000
|
| 1277 |
+
},
|
| 1278 |
+
{
|
| 1279 |
+
"epoch": 2.3866666666666667,
|
| 1280 |
+
"grad_norm": 7.892423152923584,
|
| 1281 |
+
"learning_rate": 4.089066666666667e-06,
|
| 1282 |
+
"loss": 0.1457,
|
| 1283 |
+
"step": 89500
|
| 1284 |
+
},
|
| 1285 |
+
{
|
| 1286 |
+
"epoch": 2.4,
|
| 1287 |
+
"grad_norm": 1.6120429039001465,
|
| 1288 |
+
"learning_rate": 4.000177777777778e-06,
|
| 1289 |
+
"loss": 0.1527,
|
| 1290 |
+
"step": 90000
|
| 1291 |
+
},
|
| 1292 |
+
{
|
| 1293 |
+
"epoch": 2.413333333333333,
|
| 1294 |
+
"grad_norm": 0.2991999089717865,
|
| 1295 |
+
"learning_rate": 3.9112888888888896e-06,
|
| 1296 |
+
"loss": 0.154,
|
| 1297 |
+
"step": 90500
|
| 1298 |
+
},
|
| 1299 |
+
{
|
| 1300 |
+
"epoch": 2.4266666666666667,
|
| 1301 |
+
"grad_norm": 3.7586658000946045,
|
| 1302 |
+
"learning_rate": 3.822400000000001e-06,
|
| 1303 |
+
"loss": 0.1551,
|
| 1304 |
+
"step": 91000
|
| 1305 |
+
},
|
| 1306 |
+
{
|
| 1307 |
+
"epoch": 2.44,
|
| 1308 |
+
"grad_norm": 7.50267219543457,
|
| 1309 |
+
"learning_rate": 3.7335111111111118e-06,
|
| 1310 |
+
"loss": 0.1524,
|
| 1311 |
+
"step": 91500
|
| 1312 |
+
},
|
| 1313 |
+
{
|
| 1314 |
+
"epoch": 2.453333333333333,
|
| 1315 |
+
"grad_norm": 4.875062465667725,
|
| 1316 |
+
"learning_rate": 3.6446222222222226e-06,
|
| 1317 |
+
"loss": 0.1587,
|
| 1318 |
+
"step": 92000
|
| 1319 |
+
},
|
| 1320 |
+
{
|
| 1321 |
+
"epoch": 2.466666666666667,
|
| 1322 |
+
"grad_norm": 2.9754557609558105,
|
| 1323 |
+
"learning_rate": 3.555733333333334e-06,
|
| 1324 |
+
"loss": 0.1492,
|
| 1325 |
+
"step": 92500
|
| 1326 |
+
},
|
| 1327 |
+
{
|
| 1328 |
+
"epoch": 2.48,
|
| 1329 |
+
"grad_norm": 4.871894836425781,
|
| 1330 |
+
"learning_rate": 3.466844444444445e-06,
|
| 1331 |
+
"loss": 0.1694,
|
| 1332 |
+
"step": 93000
|
| 1333 |
+
},
|
| 1334 |
+
{
|
| 1335 |
+
"epoch": 2.493333333333333,
|
| 1336 |
+
"grad_norm": 1.8370604515075684,
|
| 1337 |
+
"learning_rate": 3.377955555555556e-06,
|
| 1338 |
+
"loss": 0.1567,
|
| 1339 |
+
"step": 93500
|
| 1340 |
+
},
|
| 1341 |
+
{
|
| 1342 |
+
"epoch": 2.506666666666667,
|
| 1343 |
+
"grad_norm": 5.000058174133301,
|
| 1344 |
+
"learning_rate": 3.289066666666667e-06,
|
| 1345 |
+
"loss": 0.159,
|
| 1346 |
+
"step": 94000
|
| 1347 |
+
},
|
| 1348 |
+
{
|
| 1349 |
+
"epoch": 2.52,
|
| 1350 |
+
"grad_norm": 2.8431179523468018,
|
| 1351 |
+
"learning_rate": 3.2001777777777783e-06,
|
| 1352 |
+
"loss": 0.1597,
|
| 1353 |
+
"step": 94500
|
| 1354 |
+
},
|
| 1355 |
+
{
|
| 1356 |
+
"epoch": 2.533333333333333,
|
| 1357 |
+
"grad_norm": 2.977501153945923,
|
| 1358 |
+
"learning_rate": 3.111288888888889e-06,
|
| 1359 |
+
"loss": 0.1585,
|
| 1360 |
+
"step": 95000
|
| 1361 |
+
},
|
| 1362 |
+
{
|
| 1363 |
+
"epoch": 2.546666666666667,
|
| 1364 |
+
"grad_norm": 10.933128356933594,
|
| 1365 |
+
"learning_rate": 3.0224000000000005e-06,
|
| 1366 |
+
"loss": 0.1585,
|
| 1367 |
+
"step": 95500
|
| 1368 |
+
},
|
| 1369 |
+
{
|
| 1370 |
+
"epoch": 2.56,
|
| 1371 |
+
"grad_norm": 2.910295248031616,
|
| 1372 |
+
"learning_rate": 2.9335111111111114e-06,
|
| 1373 |
+
"loss": 0.1583,
|
| 1374 |
+
"step": 96000
|
| 1375 |
+
},
|
| 1376 |
+
{
|
| 1377 |
+
"epoch": 2.5733333333333333,
|
| 1378 |
+
"grad_norm": 5.146080493927002,
|
| 1379 |
+
"learning_rate": 2.8446222222222227e-06,
|
| 1380 |
+
"loss": 0.1604,
|
| 1381 |
+
"step": 96500
|
| 1382 |
+
},
|
| 1383 |
+
{
|
| 1384 |
+
"epoch": 2.586666666666667,
|
| 1385 |
+
"grad_norm": 2.5756635665893555,
|
| 1386 |
+
"learning_rate": 2.7557333333333336e-06,
|
| 1387 |
+
"loss": 0.1526,
|
| 1388 |
+
"step": 97000
|
| 1389 |
+
},
|
| 1390 |
+
{
|
| 1391 |
+
"epoch": 2.6,
|
| 1392 |
+
"grad_norm": 1.7914905548095703,
|
| 1393 |
+
"learning_rate": 2.666844444444445e-06,
|
| 1394 |
+
"loss": 0.1594,
|
| 1395 |
+
"step": 97500
|
| 1396 |
+
},
|
| 1397 |
+
{
|
| 1398 |
+
"epoch": 2.6133333333333333,
|
| 1399 |
+
"grad_norm": 0.20537488162517548,
|
| 1400 |
+
"learning_rate": 2.5779555555555557e-06,
|
| 1401 |
+
"loss": 0.1591,
|
| 1402 |
+
"step": 98000
|
| 1403 |
+
},
|
| 1404 |
+
{
|
| 1405 |
+
"epoch": 2.626666666666667,
|
| 1406 |
+
"grad_norm": 2.455848217010498,
|
| 1407 |
+
"learning_rate": 2.489066666666667e-06,
|
| 1408 |
+
"loss": 0.153,
|
| 1409 |
+
"step": 98500
|
| 1410 |
+
},
|
| 1411 |
+
{
|
| 1412 |
+
"epoch": 2.64,
|
| 1413 |
+
"grad_norm": 0.4273248016834259,
|
| 1414 |
+
"learning_rate": 2.400177777777778e-06,
|
| 1415 |
+
"loss": 0.1631,
|
| 1416 |
+
"step": 99000
|
| 1417 |
+
},
|
| 1418 |
+
{
|
| 1419 |
+
"epoch": 2.6533333333333333,
|
| 1420 |
+
"grad_norm": 1.5844085216522217,
|
| 1421 |
+
"learning_rate": 2.3112888888888892e-06,
|
| 1422 |
+
"loss": 0.1587,
|
| 1423 |
+
"step": 99500
|
| 1424 |
+
},
|
| 1425 |
+
{
|
| 1426 |
+
"epoch": 2.6666666666666665,
|
| 1427 |
+
"grad_norm": 1.7712628841400146,
|
| 1428 |
+
"learning_rate": 2.2224e-06,
|
| 1429 |
+
"loss": 0.1642,
|
| 1430 |
+
"step": 100000
|
| 1431 |
+
},
|
| 1432 |
+
{
|
| 1433 |
+
"epoch": 2.68,
|
| 1434 |
+
"grad_norm": 0.21946005523204803,
|
| 1435 |
+
"learning_rate": 2.1335111111111114e-06,
|
| 1436 |
+
"loss": 0.1559,
|
| 1437 |
+
"step": 100500
|
| 1438 |
+
},
|
| 1439 |
+
{
|
| 1440 |
+
"epoch": 2.6933333333333334,
|
| 1441 |
+
"grad_norm": 2.396003007888794,
|
| 1442 |
+
"learning_rate": 2.0446222222222223e-06,
|
| 1443 |
+
"loss": 0.1563,
|
| 1444 |
+
"step": 101000
|
| 1445 |
+
},
|
| 1446 |
+
{
|
| 1447 |
+
"epoch": 2.7066666666666666,
|
| 1448 |
+
"grad_norm": 7.338997840881348,
|
| 1449 |
+
"learning_rate": 1.955733333333333e-06,
|
| 1450 |
+
"loss": 0.1561,
|
| 1451 |
+
"step": 101500
|
| 1452 |
+
},
|
| 1453 |
+
{
|
| 1454 |
+
"epoch": 2.7199999999999998,
|
| 1455 |
+
"grad_norm": 65.9477767944336,
|
| 1456 |
+
"learning_rate": 1.8668444444444445e-06,
|
| 1457 |
+
"loss": 0.1577,
|
| 1458 |
+
"step": 102000
|
| 1459 |
+
},
|
| 1460 |
+
{
|
| 1461 |
+
"epoch": 2.7333333333333334,
|
| 1462 |
+
"grad_norm": 9.717840194702148,
|
| 1463 |
+
"learning_rate": 1.7779555555555558e-06,
|
| 1464 |
+
"loss": 0.1567,
|
| 1465 |
+
"step": 102500
|
| 1466 |
+
},
|
| 1467 |
+
{
|
| 1468 |
+
"epoch": 2.7466666666666666,
|
| 1469 |
+
"grad_norm": 4.013182163238525,
|
| 1470 |
+
"learning_rate": 1.6890666666666669e-06,
|
| 1471 |
+
"loss": 0.1552,
|
| 1472 |
+
"step": 103000
|
| 1473 |
+
},
|
| 1474 |
+
{
|
| 1475 |
+
"epoch": 2.76,
|
| 1476 |
+
"grad_norm": 3.7362122535705566,
|
| 1477 |
+
"learning_rate": 1.600177777777778e-06,
|
| 1478 |
+
"loss": 0.16,
|
| 1479 |
+
"step": 103500
|
| 1480 |
+
},
|
| 1481 |
+
{
|
| 1482 |
+
"epoch": 2.7733333333333334,
|
| 1483 |
+
"grad_norm": 3.37005615234375,
|
| 1484 |
+
"learning_rate": 1.511288888888889e-06,
|
| 1485 |
+
"loss": 0.1497,
|
| 1486 |
+
"step": 104000
|
| 1487 |
+
},
|
| 1488 |
+
{
|
| 1489 |
+
"epoch": 2.7866666666666666,
|
| 1490 |
+
"grad_norm": 2.124300956726074,
|
| 1491 |
+
"learning_rate": 1.4224000000000001e-06,
|
| 1492 |
+
"loss": 0.1532,
|
| 1493 |
+
"step": 104500
|
| 1494 |
+
},
|
| 1495 |
+
{
|
| 1496 |
+
"epoch": 2.8,
|
| 1497 |
+
"grad_norm": 4.643367767333984,
|
| 1498 |
+
"learning_rate": 1.3335111111111112e-06,
|
| 1499 |
+
"loss": 0.1583,
|
| 1500 |
+
"step": 105000
|
| 1501 |
+
},
|
| 1502 |
+
{
|
| 1503 |
+
"epoch": 2.8133333333333335,
|
| 1504 |
+
"grad_norm": 3.3346452713012695,
|
| 1505 |
+
"learning_rate": 1.2446222222222223e-06,
|
| 1506 |
+
"loss": 0.1557,
|
| 1507 |
+
"step": 105500
|
| 1508 |
+
},
|
| 1509 |
+
{
|
| 1510 |
+
"epoch": 2.8266666666666667,
|
| 1511 |
+
"grad_norm": 7.849328517913818,
|
| 1512 |
+
"learning_rate": 1.1557333333333334e-06,
|
| 1513 |
+
"loss": 0.1498,
|
| 1514 |
+
"step": 106000
|
| 1515 |
+
},
|
| 1516 |
+
{
|
| 1517 |
+
"epoch": 2.84,
|
| 1518 |
+
"grad_norm": 1.2570407390594482,
|
| 1519 |
+
"learning_rate": 1.0668444444444445e-06,
|
| 1520 |
+
"loss": 0.1605,
|
| 1521 |
+
"step": 106500
|
| 1522 |
+
},
|
| 1523 |
+
{
|
| 1524 |
+
"epoch": 2.8533333333333335,
|
| 1525 |
+
"grad_norm": 6.444018363952637,
|
| 1526 |
+
"learning_rate": 9.779555555555556e-07,
|
| 1527 |
+
"loss": 0.159,
|
| 1528 |
+
"step": 107000
|
| 1529 |
+
},
|
| 1530 |
+
{
|
| 1531 |
+
"epoch": 2.8666666666666667,
|
| 1532 |
+
"grad_norm": 0.41188427805900574,
|
| 1533 |
+
"learning_rate": 8.890666666666667e-07,
|
| 1534 |
+
"loss": 0.1568,
|
| 1535 |
+
"step": 107500
|
| 1536 |
+
},
|
| 1537 |
+
{
|
| 1538 |
+
"epoch": 2.88,
|
| 1539 |
+
"grad_norm": 7.1673583984375,
|
| 1540 |
+
"learning_rate": 8.001777777777778e-07,
|
| 1541 |
+
"loss": 0.1575,
|
| 1542 |
+
"step": 108000
|
| 1543 |
+
},
|
| 1544 |
+
{
|
| 1545 |
+
"epoch": 2.8933333333333335,
|
| 1546 |
+
"grad_norm": 2.8863675594329834,
|
| 1547 |
+
"learning_rate": 7.11288888888889e-07,
|
| 1548 |
+
"loss": 0.1498,
|
| 1549 |
+
"step": 108500
|
| 1550 |
+
},
|
| 1551 |
+
{
|
| 1552 |
+
"epoch": 2.9066666666666667,
|
| 1553 |
+
"grad_norm": 0.9453912973403931,
|
| 1554 |
+
"learning_rate": 6.224000000000001e-07,
|
| 1555 |
+
"loss": 0.1547,
|
| 1556 |
+
"step": 109000
|
| 1557 |
+
},
|
| 1558 |
+
{
|
| 1559 |
+
"epoch": 2.92,
|
| 1560 |
+
"grad_norm": 3.075265645980835,
|
| 1561 |
+
"learning_rate": 5.335111111111112e-07,
|
| 1562 |
+
"loss": 0.1497,
|
| 1563 |
+
"step": 109500
|
| 1564 |
+
},
|
| 1565 |
+
{
|
| 1566 |
+
"epoch": 2.9333333333333336,
|
| 1567 |
+
"grad_norm": 6.613731861114502,
|
| 1568 |
+
"learning_rate": 4.4462222222222225e-07,
|
| 1569 |
+
"loss": 0.1529,
|
| 1570 |
+
"step": 110000
|
| 1571 |
+
},
|
| 1572 |
+
{
|
| 1573 |
+
"epoch": 2.9466666666666668,
|
| 1574 |
+
"grad_norm": 5.192198753356934,
|
| 1575 |
+
"learning_rate": 3.5573333333333334e-07,
|
| 1576 |
+
"loss": 0.1543,
|
| 1577 |
+
"step": 110500
|
| 1578 |
+
},
|
| 1579 |
+
{
|
| 1580 |
+
"epoch": 2.96,
|
| 1581 |
+
"grad_norm": 10.172599792480469,
|
| 1582 |
+
"learning_rate": 2.668444444444445e-07,
|
| 1583 |
+
"loss": 0.1579,
|
| 1584 |
+
"step": 111000
|
| 1585 |
+
},
|
| 1586 |
+
{
|
| 1587 |
+
"epoch": 2.9733333333333336,
|
| 1588 |
+
"grad_norm": 9.182332992553711,
|
| 1589 |
+
"learning_rate": 1.7795555555555555e-07,
|
| 1590 |
+
"loss": 0.1566,
|
| 1591 |
+
"step": 111500
|
| 1592 |
+
},
|
| 1593 |
+
{
|
| 1594 |
+
"epoch": 2.986666666666667,
|
| 1595 |
+
"grad_norm": 0.6276681423187256,
|
| 1596 |
+
"learning_rate": 8.906666666666667e-08,
|
| 1597 |
+
"loss": 0.1522,
|
| 1598 |
+
"step": 112000
|
| 1599 |
+
},
|
| 1600 |
+
{
|
| 1601 |
+
"epoch": 3.0,
|
| 1602 |
+
"grad_norm": 2.9301698207855225,
|
| 1603 |
+
"learning_rate": 1.7777777777777778e-10,
|
| 1604 |
+
"loss": 0.1625,
|
| 1605 |
+
"step": 112500
|
| 1606 |
+
},
|
| 1607 |
+
{
|
| 1608 |
+
"epoch": 3.0,
|
| 1609 |
+
"eval_accuracy": 0.9359666666666666,
|
| 1610 |
+
"eval_loss": 0.15989860892295837,
|
| 1611 |
+
"eval_roc_auc": 0.9675508452504964,
|
| 1612 |
+
"eval_runtime": 71.2061,
|
| 1613 |
+
"eval_samples_per_second": 2106.56,
|
| 1614 |
+
"eval_steps_per_second": 131.66,
|
| 1615 |
+
"step": 112500
|
| 1616 |
+
}
|
| 1617 |
+
],
|
| 1618 |
+
"logging_steps": 500,
|
| 1619 |
+
"max_steps": 112500,
|
| 1620 |
+
"num_input_tokens_seen": 0,
|
| 1621 |
+
"num_train_epochs": 3,
|
| 1622 |
+
"save_steps": 500,
|
| 1623 |
+
"stateful_callbacks": {
|
| 1624 |
+
"TrainerControl": {
|
| 1625 |
+
"args": {
|
| 1626 |
+
"should_epoch_stop": false,
|
| 1627 |
+
"should_evaluate": false,
|
| 1628 |
+
"should_log": false,
|
| 1629 |
+
"should_save": true,
|
| 1630 |
+
"should_training_stop": true
|
| 1631 |
+
},
|
| 1632 |
+
"attributes": {}
|
| 1633 |
+
}
|
| 1634 |
+
},
|
| 1635 |
+
"total_flos": 6452548300800000.0,
|
| 1636 |
+
"train_batch_size": 16,
|
| 1637 |
+
"trial_name": null,
|
| 1638 |
+
"trial_params": null
|
| 1639 |
+
}
|
training_args.bin
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:a24d15efdd3272342580d8a6e996d37b52d7691de18a43679ef901c611c726d1
|
| 3 |
+
size 5240
|
vocab.txt
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|