🍻 cheers
Browse files- README.md +2 -1
- all_results.json +13 -0
- eval_results.json +8 -0
- runs/Apr10_16-42-33_4c624e5f2d34/events.out.tfevents.1744305619.4c624e5f2d34.1310.1 +3 -0
- train_results.json +8 -0
- trainer_state.json +1248 -0
README.md
CHANGED
|
@@ -3,6 +3,7 @@ library_name: transformers
|
|
| 3 |
license: apache-2.0
|
| 4 |
base_model: microsoft/swin-tiny-patch4-window7-224
|
| 5 |
tags:
|
|
|
|
| 6 |
- generated_from_trainer
|
| 7 |
metrics:
|
| 8 |
- accuracy
|
|
@@ -16,7 +17,7 @@ should probably proofread and complete it, then remove this comment. -->
|
|
| 16 |
|
| 17 |
# swin-ena24
|
| 18 |
|
| 19 |
-
This model is a fine-tuned version of [microsoft/swin-tiny-patch4-window7-224](https://huggingface.co/microsoft/swin-tiny-patch4-window7-224) on
|
| 20 |
It achieves the following results on the evaluation set:
|
| 21 |
- Loss: 0.1460
|
| 22 |
- Accuracy: 0.9695
|
|
|
|
| 3 |
license: apache-2.0
|
| 4 |
base_model: microsoft/swin-tiny-patch4-window7-224
|
| 5 |
tags:
|
| 6 |
+
- image-classification
|
| 7 |
- generated_from_trainer
|
| 8 |
metrics:
|
| 9 |
- accuracy
|
|
|
|
| 17 |
|
| 18 |
# swin-ena24
|
| 19 |
|
| 20 |
+
This model is a fine-tuned version of [microsoft/swin-tiny-patch4-window7-224](https://huggingface.co/microsoft/swin-tiny-patch4-window7-224) on the ena24 dataset.
|
| 21 |
It achieves the following results on the evaluation set:
|
| 22 |
- Loss: 0.1460
|
| 23 |
- Accuracy: 0.9695
|
all_results.json
ADDED
|
@@ -0,0 +1,13 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"epoch": 2.0,
|
| 3 |
+
"eval_accuracy": 0.9694656488549618,
|
| 4 |
+
"eval_loss": 0.14603066444396973,
|
| 5 |
+
"eval_runtime": 106.8625,
|
| 6 |
+
"eval_samples_per_second": 12.259,
|
| 7 |
+
"eval_steps_per_second": 1.535,
|
| 8 |
+
"total_flos": 3.0550160235390566e+17,
|
| 9 |
+
"train_loss": 0.4910107587832802,
|
| 10 |
+
"train_runtime": 2027.0785,
|
| 11 |
+
"train_samples_per_second": 6.06,
|
| 12 |
+
"train_steps_per_second": 0.758
|
| 13 |
+
}
|
eval_results.json
ADDED
|
@@ -0,0 +1,8 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"epoch": 2.0,
|
| 3 |
+
"eval_accuracy": 0.9694656488549618,
|
| 4 |
+
"eval_loss": 0.14603066444396973,
|
| 5 |
+
"eval_runtime": 106.8625,
|
| 6 |
+
"eval_samples_per_second": 12.259,
|
| 7 |
+
"eval_steps_per_second": 1.535
|
| 8 |
+
}
|
runs/Apr10_16-42-33_4c624e5f2d34/events.out.tfevents.1744305619.4c624e5f2d34.1310.1
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:3b86d73a72f8b32cf8f67346ba66687885c564c9c0a42f1ead3741d0c6b1b266
|
| 3 |
+
size 411
|
train_results.json
ADDED
|
@@ -0,0 +1,8 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"epoch": 2.0,
|
| 3 |
+
"total_flos": 3.0550160235390566e+17,
|
| 4 |
+
"train_loss": 0.4910107587832802,
|
| 5 |
+
"train_runtime": 2027.0785,
|
| 6 |
+
"train_samples_per_second": 6.06,
|
| 7 |
+
"train_steps_per_second": 0.758
|
| 8 |
+
}
|
trainer_state.json
ADDED
|
@@ -0,0 +1,1248 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_metric": 0.14603066444396973,
|
| 3 |
+
"best_model_checkpoint": "./swin-ena24/checkpoint-1500",
|
| 4 |
+
"epoch": 2.0,
|
| 5 |
+
"eval_steps": 100,
|
| 6 |
+
"global_step": 1536,
|
| 7 |
+
"is_hyper_param_search": false,
|
| 8 |
+
"is_local_process_zero": true,
|
| 9 |
+
"is_world_process_zero": true,
|
| 10 |
+
"log_history": [
|
| 11 |
+
{
|
| 12 |
+
"epoch": 0.013020833333333334,
|
| 13 |
+
"grad_norm": 19.137184143066406,
|
| 14 |
+
"learning_rate": 0.000198828125,
|
| 15 |
+
"loss": 2.8893,
|
| 16 |
+
"step": 10
|
| 17 |
+
},
|
| 18 |
+
{
|
| 19 |
+
"epoch": 0.026041666666666668,
|
| 20 |
+
"grad_norm": 17.698881149291992,
|
| 21 |
+
"learning_rate": 0.00019752604166666668,
|
| 22 |
+
"loss": 2.5368,
|
| 23 |
+
"step": 20
|
| 24 |
+
},
|
| 25 |
+
{
|
| 26 |
+
"epoch": 0.0390625,
|
| 27 |
+
"grad_norm": 15.328144073486328,
|
| 28 |
+
"learning_rate": 0.00019622395833333333,
|
| 29 |
+
"loss": 2.3692,
|
| 30 |
+
"step": 30
|
| 31 |
+
},
|
| 32 |
+
{
|
| 33 |
+
"epoch": 0.052083333333333336,
|
| 34 |
+
"grad_norm": 19.703828811645508,
|
| 35 |
+
"learning_rate": 0.000194921875,
|
| 36 |
+
"loss": 1.8624,
|
| 37 |
+
"step": 40
|
| 38 |
+
},
|
| 39 |
+
{
|
| 40 |
+
"epoch": 0.06510416666666667,
|
| 41 |
+
"grad_norm": 18.06562042236328,
|
| 42 |
+
"learning_rate": 0.00019375000000000002,
|
| 43 |
+
"loss": 1.5774,
|
| 44 |
+
"step": 50
|
| 45 |
+
},
|
| 46 |
+
{
|
| 47 |
+
"epoch": 0.078125,
|
| 48 |
+
"grad_norm": 14.017910957336426,
|
| 49 |
+
"learning_rate": 0.0001924479166666667,
|
| 50 |
+
"loss": 1.536,
|
| 51 |
+
"step": 60
|
| 52 |
+
},
|
| 53 |
+
{
|
| 54 |
+
"epoch": 0.09114583333333333,
|
| 55 |
+
"grad_norm": 16.04033851623535,
|
| 56 |
+
"learning_rate": 0.00019114583333333334,
|
| 57 |
+
"loss": 1.5945,
|
| 58 |
+
"step": 70
|
| 59 |
+
},
|
| 60 |
+
{
|
| 61 |
+
"epoch": 0.10416666666666667,
|
| 62 |
+
"grad_norm": 13.362733840942383,
|
| 63 |
+
"learning_rate": 0.00018984375000000002,
|
| 64 |
+
"loss": 1.1206,
|
| 65 |
+
"step": 80
|
| 66 |
+
},
|
| 67 |
+
{
|
| 68 |
+
"epoch": 0.1171875,
|
| 69 |
+
"grad_norm": 17.88530158996582,
|
| 70 |
+
"learning_rate": 0.0001885416666666667,
|
| 71 |
+
"loss": 1.3076,
|
| 72 |
+
"step": 90
|
| 73 |
+
},
|
| 74 |
+
{
|
| 75 |
+
"epoch": 0.13020833333333334,
|
| 76 |
+
"grad_norm": 32.35853958129883,
|
| 77 |
+
"learning_rate": 0.00018723958333333334,
|
| 78 |
+
"loss": 1.679,
|
| 79 |
+
"step": 100
|
| 80 |
+
},
|
| 81 |
+
{
|
| 82 |
+
"epoch": 0.13020833333333334,
|
| 83 |
+
"eval_accuracy": 0.6572519083969466,
|
| 84 |
+
"eval_loss": 1.2074722051620483,
|
| 85 |
+
"eval_runtime": 77.6225,
|
| 86 |
+
"eval_samples_per_second": 16.877,
|
| 87 |
+
"eval_steps_per_second": 2.113,
|
| 88 |
+
"step": 100
|
| 89 |
+
},
|
| 90 |
+
{
|
| 91 |
+
"epoch": 0.14322916666666666,
|
| 92 |
+
"grad_norm": 12.503293991088867,
|
| 93 |
+
"learning_rate": 0.0001859375,
|
| 94 |
+
"loss": 1.1866,
|
| 95 |
+
"step": 110
|
| 96 |
+
},
|
| 97 |
+
{
|
| 98 |
+
"epoch": 0.15625,
|
| 99 |
+
"grad_norm": 15.57072925567627,
|
| 100 |
+
"learning_rate": 0.0001846354166666667,
|
| 101 |
+
"loss": 1.1447,
|
| 102 |
+
"step": 120
|
| 103 |
+
},
|
| 104 |
+
{
|
| 105 |
+
"epoch": 0.16927083333333334,
|
| 106 |
+
"grad_norm": 18.077991485595703,
|
| 107 |
+
"learning_rate": 0.00018333333333333334,
|
| 108 |
+
"loss": 1.0287,
|
| 109 |
+
"step": 130
|
| 110 |
+
},
|
| 111 |
+
{
|
| 112 |
+
"epoch": 0.18229166666666666,
|
| 113 |
+
"grad_norm": 15.3638277053833,
|
| 114 |
+
"learning_rate": 0.00018203125,
|
| 115 |
+
"loss": 1.3324,
|
| 116 |
+
"step": 140
|
| 117 |
+
},
|
| 118 |
+
{
|
| 119 |
+
"epoch": 0.1953125,
|
| 120 |
+
"grad_norm": 22.239227294921875,
|
| 121 |
+
"learning_rate": 0.00018072916666666668,
|
| 122 |
+
"loss": 0.744,
|
| 123 |
+
"step": 150
|
| 124 |
+
},
|
| 125 |
+
{
|
| 126 |
+
"epoch": 0.20833333333333334,
|
| 127 |
+
"grad_norm": 12.249711036682129,
|
| 128 |
+
"learning_rate": 0.00017942708333333333,
|
| 129 |
+
"loss": 1.2428,
|
| 130 |
+
"step": 160
|
| 131 |
+
},
|
| 132 |
+
{
|
| 133 |
+
"epoch": 0.22135416666666666,
|
| 134 |
+
"grad_norm": 19.163421630859375,
|
| 135 |
+
"learning_rate": 0.000178125,
|
| 136 |
+
"loss": 0.981,
|
| 137 |
+
"step": 170
|
| 138 |
+
},
|
| 139 |
+
{
|
| 140 |
+
"epoch": 0.234375,
|
| 141 |
+
"grad_norm": 9.934164047241211,
|
| 142 |
+
"learning_rate": 0.00017682291666666668,
|
| 143 |
+
"loss": 1.2928,
|
| 144 |
+
"step": 180
|
| 145 |
+
},
|
| 146 |
+
{
|
| 147 |
+
"epoch": 0.24739583333333334,
|
| 148 |
+
"grad_norm": 18.89433479309082,
|
| 149 |
+
"learning_rate": 0.00017552083333333333,
|
| 150 |
+
"loss": 0.8793,
|
| 151 |
+
"step": 190
|
| 152 |
+
},
|
| 153 |
+
{
|
| 154 |
+
"epoch": 0.2604166666666667,
|
| 155 |
+
"grad_norm": 29.108247756958008,
|
| 156 |
+
"learning_rate": 0.00017421875,
|
| 157 |
+
"loss": 0.9674,
|
| 158 |
+
"step": 200
|
| 159 |
+
},
|
| 160 |
+
{
|
| 161 |
+
"epoch": 0.2604166666666667,
|
| 162 |
+
"eval_accuracy": 0.7809160305343511,
|
| 163 |
+
"eval_loss": 0.7624679207801819,
|
| 164 |
+
"eval_runtime": 73.8868,
|
| 165 |
+
"eval_samples_per_second": 17.73,
|
| 166 |
+
"eval_steps_per_second": 2.22,
|
| 167 |
+
"step": 200
|
| 168 |
+
},
|
| 169 |
+
{
|
| 170 |
+
"epoch": 0.2734375,
|
| 171 |
+
"grad_norm": 10.666354179382324,
|
| 172 |
+
"learning_rate": 0.00017291666666666668,
|
| 173 |
+
"loss": 0.7059,
|
| 174 |
+
"step": 210
|
| 175 |
+
},
|
| 176 |
+
{
|
| 177 |
+
"epoch": 0.2864583333333333,
|
| 178 |
+
"grad_norm": 14.006400108337402,
|
| 179 |
+
"learning_rate": 0.00017174479166666667,
|
| 180 |
+
"loss": 1.1448,
|
| 181 |
+
"step": 220
|
| 182 |
+
},
|
| 183 |
+
{
|
| 184 |
+
"epoch": 0.2994791666666667,
|
| 185 |
+
"grad_norm": 30.65872573852539,
|
| 186 |
+
"learning_rate": 0.00017044270833333335,
|
| 187 |
+
"loss": 0.908,
|
| 188 |
+
"step": 230
|
| 189 |
+
},
|
| 190 |
+
{
|
| 191 |
+
"epoch": 0.3125,
|
| 192 |
+
"grad_norm": 26.076704025268555,
|
| 193 |
+
"learning_rate": 0.00016914062500000002,
|
| 194 |
+
"loss": 0.9287,
|
| 195 |
+
"step": 240
|
| 196 |
+
},
|
| 197 |
+
{
|
| 198 |
+
"epoch": 0.3255208333333333,
|
| 199 |
+
"grad_norm": 22.52906608581543,
|
| 200 |
+
"learning_rate": 0.0001678385416666667,
|
| 201 |
+
"loss": 0.8056,
|
| 202 |
+
"step": 250
|
| 203 |
+
},
|
| 204 |
+
{
|
| 205 |
+
"epoch": 0.3385416666666667,
|
| 206 |
+
"grad_norm": 40.40198516845703,
|
| 207 |
+
"learning_rate": 0.00016653645833333334,
|
| 208 |
+
"loss": 0.8103,
|
| 209 |
+
"step": 260
|
| 210 |
+
},
|
| 211 |
+
{
|
| 212 |
+
"epoch": 0.3515625,
|
| 213 |
+
"grad_norm": 22.325740814208984,
|
| 214 |
+
"learning_rate": 0.00016523437500000002,
|
| 215 |
+
"loss": 0.7211,
|
| 216 |
+
"step": 270
|
| 217 |
+
},
|
| 218 |
+
{
|
| 219 |
+
"epoch": 0.3645833333333333,
|
| 220 |
+
"grad_norm": 19.23032569885254,
|
| 221 |
+
"learning_rate": 0.0001639322916666667,
|
| 222 |
+
"loss": 0.7658,
|
| 223 |
+
"step": 280
|
| 224 |
+
},
|
| 225 |
+
{
|
| 226 |
+
"epoch": 0.3776041666666667,
|
| 227 |
+
"grad_norm": 25.430156707763672,
|
| 228 |
+
"learning_rate": 0.00016263020833333334,
|
| 229 |
+
"loss": 0.794,
|
| 230 |
+
"step": 290
|
| 231 |
+
},
|
| 232 |
+
{
|
| 233 |
+
"epoch": 0.390625,
|
| 234 |
+
"grad_norm": 9.933557510375977,
|
| 235 |
+
"learning_rate": 0.000161328125,
|
| 236 |
+
"loss": 0.8194,
|
| 237 |
+
"step": 300
|
| 238 |
+
},
|
| 239 |
+
{
|
| 240 |
+
"epoch": 0.390625,
|
| 241 |
+
"eval_accuracy": 0.7931297709923664,
|
| 242 |
+
"eval_loss": 0.7240409851074219,
|
| 243 |
+
"eval_runtime": 79.4243,
|
| 244 |
+
"eval_samples_per_second": 16.494,
|
| 245 |
+
"eval_steps_per_second": 2.065,
|
| 246 |
+
"step": 300
|
| 247 |
+
},
|
| 248 |
+
{
|
| 249 |
+
"epoch": 0.4036458333333333,
|
| 250 |
+
"grad_norm": 2.646684169769287,
|
| 251 |
+
"learning_rate": 0.0001600260416666667,
|
| 252 |
+
"loss": 0.7402,
|
| 253 |
+
"step": 310
|
| 254 |
+
},
|
| 255 |
+
{
|
| 256 |
+
"epoch": 0.4166666666666667,
|
| 257 |
+
"grad_norm": 17.664100646972656,
|
| 258 |
+
"learning_rate": 0.00015872395833333334,
|
| 259 |
+
"loss": 0.6686,
|
| 260 |
+
"step": 320
|
| 261 |
+
},
|
| 262 |
+
{
|
| 263 |
+
"epoch": 0.4296875,
|
| 264 |
+
"grad_norm": 15.631237983703613,
|
| 265 |
+
"learning_rate": 0.000157421875,
|
| 266 |
+
"loss": 0.4876,
|
| 267 |
+
"step": 330
|
| 268 |
+
},
|
| 269 |
+
{
|
| 270 |
+
"epoch": 0.4427083333333333,
|
| 271 |
+
"grad_norm": 7.895652770996094,
|
| 272 |
+
"learning_rate": 0.00015611979166666668,
|
| 273 |
+
"loss": 0.4528,
|
| 274 |
+
"step": 340
|
| 275 |
+
},
|
| 276 |
+
{
|
| 277 |
+
"epoch": 0.4557291666666667,
|
| 278 |
+
"grad_norm": 19.20707130432129,
|
| 279 |
+
"learning_rate": 0.00015481770833333333,
|
| 280 |
+
"loss": 0.5774,
|
| 281 |
+
"step": 350
|
| 282 |
+
},
|
| 283 |
+
{
|
| 284 |
+
"epoch": 0.46875,
|
| 285 |
+
"grad_norm": 19.956523895263672,
|
| 286 |
+
"learning_rate": 0.000153515625,
|
| 287 |
+
"loss": 0.5157,
|
| 288 |
+
"step": 360
|
| 289 |
+
},
|
| 290 |
+
{
|
| 291 |
+
"epoch": 0.4817708333333333,
|
| 292 |
+
"grad_norm": 15.245158195495605,
|
| 293 |
+
"learning_rate": 0.00015221354166666668,
|
| 294 |
+
"loss": 0.6705,
|
| 295 |
+
"step": 370
|
| 296 |
+
},
|
| 297 |
+
{
|
| 298 |
+
"epoch": 0.4947916666666667,
|
| 299 |
+
"grad_norm": 20.26449203491211,
|
| 300 |
+
"learning_rate": 0.00015091145833333333,
|
| 301 |
+
"loss": 0.9493,
|
| 302 |
+
"step": 380
|
| 303 |
+
},
|
| 304 |
+
{
|
| 305 |
+
"epoch": 0.5078125,
|
| 306 |
+
"grad_norm": 23.741857528686523,
|
| 307 |
+
"learning_rate": 0.000149609375,
|
| 308 |
+
"loss": 0.5957,
|
| 309 |
+
"step": 390
|
| 310 |
+
},
|
| 311 |
+
{
|
| 312 |
+
"epoch": 0.5208333333333334,
|
| 313 |
+
"grad_norm": 14.479671478271484,
|
| 314 |
+
"learning_rate": 0.00014830729166666668,
|
| 315 |
+
"loss": 0.5756,
|
| 316 |
+
"step": 400
|
| 317 |
+
},
|
| 318 |
+
{
|
| 319 |
+
"epoch": 0.5208333333333334,
|
| 320 |
+
"eval_accuracy": 0.8022900763358779,
|
| 321 |
+
"eval_loss": 0.6613183617591858,
|
| 322 |
+
"eval_runtime": 74.5013,
|
| 323 |
+
"eval_samples_per_second": 17.584,
|
| 324 |
+
"eval_steps_per_second": 2.201,
|
| 325 |
+
"step": 400
|
| 326 |
+
},
|
| 327 |
+
{
|
| 328 |
+
"epoch": 0.5338541666666666,
|
| 329 |
+
"grad_norm": 6.594635009765625,
|
| 330 |
+
"learning_rate": 0.00014700520833333332,
|
| 331 |
+
"loss": 0.8826,
|
| 332 |
+
"step": 410
|
| 333 |
+
},
|
| 334 |
+
{
|
| 335 |
+
"epoch": 0.546875,
|
| 336 |
+
"grad_norm": 9.458160400390625,
|
| 337 |
+
"learning_rate": 0.000145703125,
|
| 338 |
+
"loss": 0.5491,
|
| 339 |
+
"step": 420
|
| 340 |
+
},
|
| 341 |
+
{
|
| 342 |
+
"epoch": 0.5598958333333334,
|
| 343 |
+
"grad_norm": 15.821258544921875,
|
| 344 |
+
"learning_rate": 0.00014440104166666667,
|
| 345 |
+
"loss": 0.4379,
|
| 346 |
+
"step": 430
|
| 347 |
+
},
|
| 348 |
+
{
|
| 349 |
+
"epoch": 0.5729166666666666,
|
| 350 |
+
"grad_norm": 16.79399299621582,
|
| 351 |
+
"learning_rate": 0.00014309895833333332,
|
| 352 |
+
"loss": 0.5384,
|
| 353 |
+
"step": 440
|
| 354 |
+
},
|
| 355 |
+
{
|
| 356 |
+
"epoch": 0.5859375,
|
| 357 |
+
"grad_norm": 44.70375061035156,
|
| 358 |
+
"learning_rate": 0.000141796875,
|
| 359 |
+
"loss": 0.7182,
|
| 360 |
+
"step": 450
|
| 361 |
+
},
|
| 362 |
+
{
|
| 363 |
+
"epoch": 0.5989583333333334,
|
| 364 |
+
"grad_norm": 11.955780982971191,
|
| 365 |
+
"learning_rate": 0.00014049479166666667,
|
| 366 |
+
"loss": 0.7309,
|
| 367 |
+
"step": 460
|
| 368 |
+
},
|
| 369 |
+
{
|
| 370 |
+
"epoch": 0.6119791666666666,
|
| 371 |
+
"grad_norm": 28.034196853637695,
|
| 372 |
+
"learning_rate": 0.00013919270833333334,
|
| 373 |
+
"loss": 1.0549,
|
| 374 |
+
"step": 470
|
| 375 |
+
},
|
| 376 |
+
{
|
| 377 |
+
"epoch": 0.625,
|
| 378 |
+
"grad_norm": 11.979992866516113,
|
| 379 |
+
"learning_rate": 0.00013789062500000002,
|
| 380 |
+
"loss": 0.6048,
|
| 381 |
+
"step": 480
|
| 382 |
+
},
|
| 383 |
+
{
|
| 384 |
+
"epoch": 0.6380208333333334,
|
| 385 |
+
"grad_norm": 26.997657775878906,
|
| 386 |
+
"learning_rate": 0.0001365885416666667,
|
| 387 |
+
"loss": 0.4925,
|
| 388 |
+
"step": 490
|
| 389 |
+
},
|
| 390 |
+
{
|
| 391 |
+
"epoch": 0.6510416666666666,
|
| 392 |
+
"grad_norm": 2.774933099746704,
|
| 393 |
+
"learning_rate": 0.00013528645833333334,
|
| 394 |
+
"loss": 0.5796,
|
| 395 |
+
"step": 500
|
| 396 |
+
},
|
| 397 |
+
{
|
| 398 |
+
"epoch": 0.6510416666666666,
|
| 399 |
+
"eval_accuracy": 0.8946564885496183,
|
| 400 |
+
"eval_loss": 0.39284491539001465,
|
| 401 |
+
"eval_runtime": 74.6071,
|
| 402 |
+
"eval_samples_per_second": 17.559,
|
| 403 |
+
"eval_steps_per_second": 2.198,
|
| 404 |
+
"step": 500
|
| 405 |
+
},
|
| 406 |
+
{
|
| 407 |
+
"epoch": 0.6640625,
|
| 408 |
+
"grad_norm": 15.612303733825684,
|
| 409 |
+
"learning_rate": 0.00013398437500000002,
|
| 410 |
+
"loss": 0.5714,
|
| 411 |
+
"step": 510
|
| 412 |
+
},
|
| 413 |
+
{
|
| 414 |
+
"epoch": 0.6770833333333334,
|
| 415 |
+
"grad_norm": 19.30680274963379,
|
| 416 |
+
"learning_rate": 0.0001326822916666667,
|
| 417 |
+
"loss": 0.897,
|
| 418 |
+
"step": 520
|
| 419 |
+
},
|
| 420 |
+
{
|
| 421 |
+
"epoch": 0.6901041666666666,
|
| 422 |
+
"grad_norm": 11.674906730651855,
|
| 423 |
+
"learning_rate": 0.00013138020833333334,
|
| 424 |
+
"loss": 0.5362,
|
| 425 |
+
"step": 530
|
| 426 |
+
},
|
| 427 |
+
{
|
| 428 |
+
"epoch": 0.703125,
|
| 429 |
+
"grad_norm": 14.383560180664062,
|
| 430 |
+
"learning_rate": 0.000130078125,
|
| 431 |
+
"loss": 0.2224,
|
| 432 |
+
"step": 540
|
| 433 |
+
},
|
| 434 |
+
{
|
| 435 |
+
"epoch": 0.7161458333333334,
|
| 436 |
+
"grad_norm": 18.37944984436035,
|
| 437 |
+
"learning_rate": 0.0001287760416666667,
|
| 438 |
+
"loss": 0.5704,
|
| 439 |
+
"step": 550
|
| 440 |
+
},
|
| 441 |
+
{
|
| 442 |
+
"epoch": 0.7291666666666666,
|
| 443 |
+
"grad_norm": 0.8469496369361877,
|
| 444 |
+
"learning_rate": 0.00012747395833333333,
|
| 445 |
+
"loss": 0.4755,
|
| 446 |
+
"step": 560
|
| 447 |
+
},
|
| 448 |
+
{
|
| 449 |
+
"epoch": 0.7421875,
|
| 450 |
+
"grad_norm": 13.775555610656738,
|
| 451 |
+
"learning_rate": 0.000126171875,
|
| 452 |
+
"loss": 0.4607,
|
| 453 |
+
"step": 570
|
| 454 |
+
},
|
| 455 |
+
{
|
| 456 |
+
"epoch": 0.7552083333333334,
|
| 457 |
+
"grad_norm": 30.54509925842285,
|
| 458 |
+
"learning_rate": 0.00012486979166666668,
|
| 459 |
+
"loss": 0.6791,
|
| 460 |
+
"step": 580
|
| 461 |
+
},
|
| 462 |
+
{
|
| 463 |
+
"epoch": 0.7682291666666666,
|
| 464 |
+
"grad_norm": 37.50748825073242,
|
| 465 |
+
"learning_rate": 0.00012356770833333333,
|
| 466 |
+
"loss": 0.2711,
|
| 467 |
+
"step": 590
|
| 468 |
+
},
|
| 469 |
+
{
|
| 470 |
+
"epoch": 0.78125,
|
| 471 |
+
"grad_norm": 4.085801601409912,
|
| 472 |
+
"learning_rate": 0.000122265625,
|
| 473 |
+
"loss": 0.5275,
|
| 474 |
+
"step": 600
|
| 475 |
+
},
|
| 476 |
+
{
|
| 477 |
+
"epoch": 0.78125,
|
| 478 |
+
"eval_accuracy": 0.8862595419847328,
|
| 479 |
+
"eval_loss": 0.42737287282943726,
|
| 480 |
+
"eval_runtime": 73.6703,
|
| 481 |
+
"eval_samples_per_second": 17.782,
|
| 482 |
+
"eval_steps_per_second": 2.226,
|
| 483 |
+
"step": 600
|
| 484 |
+
},
|
| 485 |
+
{
|
| 486 |
+
"epoch": 0.7942708333333334,
|
| 487 |
+
"grad_norm": 14.00988483428955,
|
| 488 |
+
"learning_rate": 0.00012096354166666668,
|
| 489 |
+
"loss": 0.3553,
|
| 490 |
+
"step": 610
|
| 491 |
+
},
|
| 492 |
+
{
|
| 493 |
+
"epoch": 0.8072916666666666,
|
| 494 |
+
"grad_norm": 12.099505424499512,
|
| 495 |
+
"learning_rate": 0.00011966145833333333,
|
| 496 |
+
"loss": 0.2886,
|
| 497 |
+
"step": 620
|
| 498 |
+
},
|
| 499 |
+
{
|
| 500 |
+
"epoch": 0.8203125,
|
| 501 |
+
"grad_norm": 12.980664253234863,
|
| 502 |
+
"learning_rate": 0.000118359375,
|
| 503 |
+
"loss": 0.4614,
|
| 504 |
+
"step": 630
|
| 505 |
+
},
|
| 506 |
+
{
|
| 507 |
+
"epoch": 0.8333333333333334,
|
| 508 |
+
"grad_norm": 8.608884811401367,
|
| 509 |
+
"learning_rate": 0.00011705729166666668,
|
| 510 |
+
"loss": 0.6598,
|
| 511 |
+
"step": 640
|
| 512 |
+
},
|
| 513 |
+
{
|
| 514 |
+
"epoch": 0.8463541666666666,
|
| 515 |
+
"grad_norm": 21.98219108581543,
|
| 516 |
+
"learning_rate": 0.00011575520833333334,
|
| 517 |
+
"loss": 0.2752,
|
| 518 |
+
"step": 650
|
| 519 |
+
},
|
| 520 |
+
{
|
| 521 |
+
"epoch": 0.859375,
|
| 522 |
+
"grad_norm": 15.057792663574219,
|
| 523 |
+
"learning_rate": 0.00011445312500000001,
|
| 524 |
+
"loss": 0.3105,
|
| 525 |
+
"step": 660
|
| 526 |
+
},
|
| 527 |
+
{
|
| 528 |
+
"epoch": 0.8723958333333334,
|
| 529 |
+
"grad_norm": 0.31376245617866516,
|
| 530 |
+
"learning_rate": 0.00011315104166666667,
|
| 531 |
+
"loss": 0.2434,
|
| 532 |
+
"step": 670
|
| 533 |
+
},
|
| 534 |
+
{
|
| 535 |
+
"epoch": 0.8854166666666666,
|
| 536 |
+
"grad_norm": 8.3682279586792,
|
| 537 |
+
"learning_rate": 0.00011184895833333333,
|
| 538 |
+
"loss": 0.7755,
|
| 539 |
+
"step": 680
|
| 540 |
+
},
|
| 541 |
+
{
|
| 542 |
+
"epoch": 0.8984375,
|
| 543 |
+
"grad_norm": 19.532732009887695,
|
| 544 |
+
"learning_rate": 0.00011054687500000001,
|
| 545 |
+
"loss": 0.6686,
|
| 546 |
+
"step": 690
|
| 547 |
+
},
|
| 548 |
+
{
|
| 549 |
+
"epoch": 0.9114583333333334,
|
| 550 |
+
"grad_norm": 1.6680271625518799,
|
| 551 |
+
"learning_rate": 0.00010924479166666668,
|
| 552 |
+
"loss": 0.1931,
|
| 553 |
+
"step": 700
|
| 554 |
+
},
|
| 555 |
+
{
|
| 556 |
+
"epoch": 0.9114583333333334,
|
| 557 |
+
"eval_accuracy": 0.8908396946564886,
|
| 558 |
+
"eval_loss": 0.40064361691474915,
|
| 559 |
+
"eval_runtime": 73.3206,
|
| 560 |
+
"eval_samples_per_second": 17.867,
|
| 561 |
+
"eval_steps_per_second": 2.237,
|
| 562 |
+
"step": 700
|
| 563 |
+
},
|
| 564 |
+
{
|
| 565 |
+
"epoch": 0.9244791666666666,
|
| 566 |
+
"grad_norm": 31.948530197143555,
|
| 567 |
+
"learning_rate": 0.00010794270833333333,
|
| 568 |
+
"loss": 0.4723,
|
| 569 |
+
"step": 710
|
| 570 |
+
},
|
| 571 |
+
{
|
| 572 |
+
"epoch": 0.9375,
|
| 573 |
+
"grad_norm": 20.63643455505371,
|
| 574 |
+
"learning_rate": 0.000106640625,
|
| 575 |
+
"loss": 0.7187,
|
| 576 |
+
"step": 720
|
| 577 |
+
},
|
| 578 |
+
{
|
| 579 |
+
"epoch": 0.9505208333333334,
|
| 580 |
+
"grad_norm": 12.042938232421875,
|
| 581 |
+
"learning_rate": 0.00010533854166666668,
|
| 582 |
+
"loss": 0.3109,
|
| 583 |
+
"step": 730
|
| 584 |
+
},
|
| 585 |
+
{
|
| 586 |
+
"epoch": 0.9635416666666666,
|
| 587 |
+
"grad_norm": 7.951898097991943,
|
| 588 |
+
"learning_rate": 0.00010403645833333333,
|
| 589 |
+
"loss": 0.4523,
|
| 590 |
+
"step": 740
|
| 591 |
+
},
|
| 592 |
+
{
|
| 593 |
+
"epoch": 0.9765625,
|
| 594 |
+
"grad_norm": 7.688608169555664,
|
| 595 |
+
"learning_rate": 0.000102734375,
|
| 596 |
+
"loss": 0.2719,
|
| 597 |
+
"step": 750
|
| 598 |
+
},
|
| 599 |
+
{
|
| 600 |
+
"epoch": 0.9895833333333334,
|
| 601 |
+
"grad_norm": 0.0716124027967453,
|
| 602 |
+
"learning_rate": 0.00010143229166666668,
|
| 603 |
+
"loss": 0.3194,
|
| 604 |
+
"step": 760
|
| 605 |
+
},
|
| 606 |
+
{
|
| 607 |
+
"epoch": 1.0026041666666667,
|
| 608 |
+
"grad_norm": 10.544008255004883,
|
| 609 |
+
"learning_rate": 0.00010013020833333334,
|
| 610 |
+
"loss": 0.258,
|
| 611 |
+
"step": 770
|
| 612 |
+
},
|
| 613 |
+
{
|
| 614 |
+
"epoch": 1.015625,
|
| 615 |
+
"grad_norm": 12.604735374450684,
|
| 616 |
+
"learning_rate": 9.8828125e-05,
|
| 617 |
+
"loss": 0.3173,
|
| 618 |
+
"step": 780
|
| 619 |
+
},
|
| 620 |
+
{
|
| 621 |
+
"epoch": 1.0286458333333333,
|
| 622 |
+
"grad_norm": 0.19275100529193878,
|
| 623 |
+
"learning_rate": 9.752604166666667e-05,
|
| 624 |
+
"loss": 0.1935,
|
| 625 |
+
"step": 790
|
| 626 |
+
},
|
| 627 |
+
{
|
| 628 |
+
"epoch": 1.0416666666666667,
|
| 629 |
+
"grad_norm": 3.9712767601013184,
|
| 630 |
+
"learning_rate": 9.622395833333335e-05,
|
| 631 |
+
"loss": 0.254,
|
| 632 |
+
"step": 800
|
| 633 |
+
},
|
| 634 |
+
{
|
| 635 |
+
"epoch": 1.0416666666666667,
|
| 636 |
+
"eval_accuracy": 0.9236641221374046,
|
| 637 |
+
"eval_loss": 0.29486316442489624,
|
| 638 |
+
"eval_runtime": 75.3347,
|
| 639 |
+
"eval_samples_per_second": 17.389,
|
| 640 |
+
"eval_steps_per_second": 2.177,
|
| 641 |
+
"step": 800
|
| 642 |
+
},
|
| 643 |
+
{
|
| 644 |
+
"epoch": 1.0546875,
|
| 645 |
+
"grad_norm": 1.885643720626831,
|
| 646 |
+
"learning_rate": 9.492187500000001e-05,
|
| 647 |
+
"loss": 0.2289,
|
| 648 |
+
"step": 810
|
| 649 |
+
},
|
| 650 |
+
{
|
| 651 |
+
"epoch": 1.0677083333333333,
|
| 652 |
+
"grad_norm": 1.4112160205841064,
|
| 653 |
+
"learning_rate": 9.361979166666667e-05,
|
| 654 |
+
"loss": 0.06,
|
| 655 |
+
"step": 820
|
| 656 |
+
},
|
| 657 |
+
{
|
| 658 |
+
"epoch": 1.0807291666666667,
|
| 659 |
+
"grad_norm": 8.833313941955566,
|
| 660 |
+
"learning_rate": 9.231770833333334e-05,
|
| 661 |
+
"loss": 0.0836,
|
| 662 |
+
"step": 830
|
| 663 |
+
},
|
| 664 |
+
{
|
| 665 |
+
"epoch": 1.09375,
|
| 666 |
+
"grad_norm": 26.344707489013672,
|
| 667 |
+
"learning_rate": 9.1015625e-05,
|
| 668 |
+
"loss": 0.3461,
|
| 669 |
+
"step": 840
|
| 670 |
+
},
|
| 671 |
+
{
|
| 672 |
+
"epoch": 1.1067708333333333,
|
| 673 |
+
"grad_norm": 14.231084823608398,
|
| 674 |
+
"learning_rate": 8.971354166666667e-05,
|
| 675 |
+
"loss": 0.2058,
|
| 676 |
+
"step": 850
|
| 677 |
+
},
|
| 678 |
+
{
|
| 679 |
+
"epoch": 1.1197916666666667,
|
| 680 |
+
"grad_norm": 7.80463981628418,
|
| 681 |
+
"learning_rate": 8.841145833333334e-05,
|
| 682 |
+
"loss": 0.1807,
|
| 683 |
+
"step": 860
|
| 684 |
+
},
|
| 685 |
+
{
|
| 686 |
+
"epoch": 1.1328125,
|
| 687 |
+
"grad_norm": 11.762496948242188,
|
| 688 |
+
"learning_rate": 8.7109375e-05,
|
| 689 |
+
"loss": 0.4262,
|
| 690 |
+
"step": 870
|
| 691 |
+
},
|
| 692 |
+
{
|
| 693 |
+
"epoch": 1.1458333333333333,
|
| 694 |
+
"grad_norm": 64.76978302001953,
|
| 695 |
+
"learning_rate": 8.580729166666666e-05,
|
| 696 |
+
"loss": 0.4554,
|
| 697 |
+
"step": 880
|
| 698 |
+
},
|
| 699 |
+
{
|
| 700 |
+
"epoch": 1.1588541666666667,
|
| 701 |
+
"grad_norm": 14.084482192993164,
|
| 702 |
+
"learning_rate": 8.450520833333334e-05,
|
| 703 |
+
"loss": 0.4272,
|
| 704 |
+
"step": 890
|
| 705 |
+
},
|
| 706 |
+
{
|
| 707 |
+
"epoch": 1.171875,
|
| 708 |
+
"grad_norm": 3.779946804046631,
|
| 709 |
+
"learning_rate": 8.3203125e-05,
|
| 710 |
+
"loss": 0.1321,
|
| 711 |
+
"step": 900
|
| 712 |
+
},
|
| 713 |
+
{
|
| 714 |
+
"epoch": 1.171875,
|
| 715 |
+
"eval_accuracy": 0.9419847328244275,
|
| 716 |
+
"eval_loss": 0.25654757022857666,
|
| 717 |
+
"eval_runtime": 75.1151,
|
| 718 |
+
"eval_samples_per_second": 17.44,
|
| 719 |
+
"eval_steps_per_second": 2.183,
|
| 720 |
+
"step": 900
|
| 721 |
+
},
|
| 722 |
+
{
|
| 723 |
+
"epoch": 1.1848958333333333,
|
| 724 |
+
"grad_norm": 0.11264535039663315,
|
| 725 |
+
"learning_rate": 8.190104166666667e-05,
|
| 726 |
+
"loss": 0.0888,
|
| 727 |
+
"step": 910
|
| 728 |
+
},
|
| 729 |
+
{
|
| 730 |
+
"epoch": 1.1979166666666667,
|
| 731 |
+
"grad_norm": 15.256750106811523,
|
| 732 |
+
"learning_rate": 8.059895833333335e-05,
|
| 733 |
+
"loss": 0.1551,
|
| 734 |
+
"step": 920
|
| 735 |
+
},
|
| 736 |
+
{
|
| 737 |
+
"epoch": 1.2109375,
|
| 738 |
+
"grad_norm": 0.44320812821388245,
|
| 739 |
+
"learning_rate": 7.929687500000001e-05,
|
| 740 |
+
"loss": 0.0941,
|
| 741 |
+
"step": 930
|
| 742 |
+
},
|
| 743 |
+
{
|
| 744 |
+
"epoch": 1.2239583333333333,
|
| 745 |
+
"grad_norm": 6.104582786560059,
|
| 746 |
+
"learning_rate": 7.799479166666667e-05,
|
| 747 |
+
"loss": 0.1653,
|
| 748 |
+
"step": 940
|
| 749 |
+
},
|
| 750 |
+
{
|
| 751 |
+
"epoch": 1.2369791666666667,
|
| 752 |
+
"grad_norm": 18.38254737854004,
|
| 753 |
+
"learning_rate": 7.669270833333334e-05,
|
| 754 |
+
"loss": 0.5877,
|
| 755 |
+
"step": 950
|
| 756 |
+
},
|
| 757 |
+
{
|
| 758 |
+
"epoch": 1.25,
|
| 759 |
+
"grad_norm": 3.581014633178711,
|
| 760 |
+
"learning_rate": 7.5390625e-05,
|
| 761 |
+
"loss": 0.6076,
|
| 762 |
+
"step": 960
|
| 763 |
+
},
|
| 764 |
+
{
|
| 765 |
+
"epoch": 1.2630208333333333,
|
| 766 |
+
"grad_norm": 6.547170639038086,
|
| 767 |
+
"learning_rate": 7.408854166666667e-05,
|
| 768 |
+
"loss": 0.2582,
|
| 769 |
+
"step": 970
|
| 770 |
+
},
|
| 771 |
+
{
|
| 772 |
+
"epoch": 1.2760416666666667,
|
| 773 |
+
"grad_norm": 0.01767435111105442,
|
| 774 |
+
"learning_rate": 7.278645833333334e-05,
|
| 775 |
+
"loss": 0.2594,
|
| 776 |
+
"step": 980
|
| 777 |
+
},
|
| 778 |
+
{
|
| 779 |
+
"epoch": 1.2890625,
|
| 780 |
+
"grad_norm": 12.584964752197266,
|
| 781 |
+
"learning_rate": 7.1484375e-05,
|
| 782 |
+
"loss": 0.2787,
|
| 783 |
+
"step": 990
|
| 784 |
+
},
|
| 785 |
+
{
|
| 786 |
+
"epoch": 1.3020833333333333,
|
| 787 |
+
"grad_norm": 0.295124888420105,
|
| 788 |
+
"learning_rate": 7.018229166666666e-05,
|
| 789 |
+
"loss": 0.1888,
|
| 790 |
+
"step": 1000
|
| 791 |
+
},
|
| 792 |
+
{
|
| 793 |
+
"epoch": 1.3020833333333333,
|
| 794 |
+
"eval_accuracy": 0.9465648854961832,
|
| 795 |
+
"eval_loss": 0.2155449539422989,
|
| 796 |
+
"eval_runtime": 74.289,
|
| 797 |
+
"eval_samples_per_second": 17.634,
|
| 798 |
+
"eval_steps_per_second": 2.208,
|
| 799 |
+
"step": 1000
|
| 800 |
+
},
|
| 801 |
+
{
|
| 802 |
+
"epoch": 1.3151041666666667,
|
| 803 |
+
"grad_norm": 15.49652099609375,
|
| 804 |
+
"learning_rate": 6.888020833333334e-05,
|
| 805 |
+
"loss": 0.0824,
|
| 806 |
+
"step": 1010
|
| 807 |
+
},
|
| 808 |
+
{
|
| 809 |
+
"epoch": 1.328125,
|
| 810 |
+
"grad_norm": 0.030679570510983467,
|
| 811 |
+
"learning_rate": 6.7578125e-05,
|
| 812 |
+
"loss": 0.4899,
|
| 813 |
+
"step": 1020
|
| 814 |
+
},
|
| 815 |
+
{
|
| 816 |
+
"epoch": 1.3411458333333333,
|
| 817 |
+
"grad_norm": 5.836081504821777,
|
| 818 |
+
"learning_rate": 6.627604166666667e-05,
|
| 819 |
+
"loss": 0.1659,
|
| 820 |
+
"step": 1030
|
| 821 |
+
},
|
| 822 |
+
{
|
| 823 |
+
"epoch": 1.3541666666666667,
|
| 824 |
+
"grad_norm": 11.09244155883789,
|
| 825 |
+
"learning_rate": 6.497395833333335e-05,
|
| 826 |
+
"loss": 0.2553,
|
| 827 |
+
"step": 1040
|
| 828 |
+
},
|
| 829 |
+
{
|
| 830 |
+
"epoch": 1.3671875,
|
| 831 |
+
"grad_norm": 0.186336949467659,
|
| 832 |
+
"learning_rate": 6.367187500000001e-05,
|
| 833 |
+
"loss": 0.0296,
|
| 834 |
+
"step": 1050
|
| 835 |
+
},
|
| 836 |
+
{
|
| 837 |
+
"epoch": 1.3802083333333333,
|
| 838 |
+
"grad_norm": 0.15204249322414398,
|
| 839 |
+
"learning_rate": 6.236979166666667e-05,
|
| 840 |
+
"loss": 0.2083,
|
| 841 |
+
"step": 1060
|
| 842 |
+
},
|
| 843 |
+
{
|
| 844 |
+
"epoch": 1.3932291666666667,
|
| 845 |
+
"grad_norm": 0.11023818701505661,
|
| 846 |
+
"learning_rate": 6.106770833333334e-05,
|
| 847 |
+
"loss": 0.101,
|
| 848 |
+
"step": 1070
|
| 849 |
+
},
|
| 850 |
+
{
|
| 851 |
+
"epoch": 1.40625,
|
| 852 |
+
"grad_norm": 0.015729086473584175,
|
| 853 |
+
"learning_rate": 5.9765625000000004e-05,
|
| 854 |
+
"loss": 0.1557,
|
| 855 |
+
"step": 1080
|
| 856 |
+
},
|
| 857 |
+
{
|
| 858 |
+
"epoch": 1.4192708333333333,
|
| 859 |
+
"grad_norm": 0.696450412273407,
|
| 860 |
+
"learning_rate": 5.8463541666666665e-05,
|
| 861 |
+
"loss": 0.119,
|
| 862 |
+
"step": 1090
|
| 863 |
+
},
|
| 864 |
+
{
|
| 865 |
+
"epoch": 1.4322916666666667,
|
| 866 |
+
"grad_norm": 0.08492497354745865,
|
| 867 |
+
"learning_rate": 5.716145833333334e-05,
|
| 868 |
+
"loss": 0.0558,
|
| 869 |
+
"step": 1100
|
| 870 |
+
},
|
| 871 |
+
{
|
| 872 |
+
"epoch": 1.4322916666666667,
|
| 873 |
+
"eval_accuracy": 0.9419847328244275,
|
| 874 |
+
"eval_loss": 0.22885718941688538,
|
| 875 |
+
"eval_runtime": 73.8722,
|
| 876 |
+
"eval_samples_per_second": 17.733,
|
| 877 |
+
"eval_steps_per_second": 2.22,
|
| 878 |
+
"step": 1100
|
| 879 |
+
},
|
| 880 |
+
{
|
| 881 |
+
"epoch": 1.4453125,
|
| 882 |
+
"grad_norm": 23.16351890563965,
|
| 883 |
+
"learning_rate": 5.5859375e-05,
|
| 884 |
+
"loss": 0.1581,
|
| 885 |
+
"step": 1110
|
| 886 |
+
},
|
| 887 |
+
{
|
| 888 |
+
"epoch": 1.4583333333333333,
|
| 889 |
+
"grad_norm": 11.894280433654785,
|
| 890 |
+
"learning_rate": 5.455729166666667e-05,
|
| 891 |
+
"loss": 0.135,
|
| 892 |
+
"step": 1120
|
| 893 |
+
},
|
| 894 |
+
{
|
| 895 |
+
"epoch": 1.4713541666666667,
|
| 896 |
+
"grad_norm": 0.4382041096687317,
|
| 897 |
+
"learning_rate": 5.3255208333333336e-05,
|
| 898 |
+
"loss": 0.0114,
|
| 899 |
+
"step": 1130
|
| 900 |
+
},
|
| 901 |
+
{
|
| 902 |
+
"epoch": 1.484375,
|
| 903 |
+
"grad_norm": 28.010578155517578,
|
| 904 |
+
"learning_rate": 5.1953125000000004e-05,
|
| 905 |
+
"loss": 0.2487,
|
| 906 |
+
"step": 1140
|
| 907 |
+
},
|
| 908 |
+
{
|
| 909 |
+
"epoch": 1.4973958333333333,
|
| 910 |
+
"grad_norm": 10.582464218139648,
|
| 911 |
+
"learning_rate": 5.0651041666666665e-05,
|
| 912 |
+
"loss": 0.175,
|
| 913 |
+
"step": 1150
|
| 914 |
+
},
|
| 915 |
+
{
|
| 916 |
+
"epoch": 1.5104166666666665,
|
| 917 |
+
"grad_norm": 1.2336310148239136,
|
| 918 |
+
"learning_rate": 4.934895833333333e-05,
|
| 919 |
+
"loss": 0.2887,
|
| 920 |
+
"step": 1160
|
| 921 |
+
},
|
| 922 |
+
{
|
| 923 |
+
"epoch": 1.5234375,
|
| 924 |
+
"grad_norm": 0.0038283036556094885,
|
| 925 |
+
"learning_rate": 4.8046875e-05,
|
| 926 |
+
"loss": 0.162,
|
| 927 |
+
"step": 1170
|
| 928 |
+
},
|
| 929 |
+
{
|
| 930 |
+
"epoch": 1.5364583333333335,
|
| 931 |
+
"grad_norm": 0.44737881422042847,
|
| 932 |
+
"learning_rate": 4.674479166666667e-05,
|
| 933 |
+
"loss": 0.1938,
|
| 934 |
+
"step": 1180
|
| 935 |
+
},
|
| 936 |
+
{
|
| 937 |
+
"epoch": 1.5494791666666665,
|
| 938 |
+
"grad_norm": 0.037989482283592224,
|
| 939 |
+
"learning_rate": 4.5442708333333336e-05,
|
| 940 |
+
"loss": 0.1295,
|
| 941 |
+
"step": 1190
|
| 942 |
+
},
|
| 943 |
+
{
|
| 944 |
+
"epoch": 1.5625,
|
| 945 |
+
"grad_norm": 0.013066948391497135,
|
| 946 |
+
"learning_rate": 4.4140625000000004e-05,
|
| 947 |
+
"loss": 0.0824,
|
| 948 |
+
"step": 1200
|
| 949 |
+
},
|
| 950 |
+
{
|
| 951 |
+
"epoch": 1.5625,
|
| 952 |
+
"eval_accuracy": 0.9633587786259542,
|
| 953 |
+
"eval_loss": 0.17319123446941376,
|
| 954 |
+
"eval_runtime": 73.5121,
|
| 955 |
+
"eval_samples_per_second": 17.82,
|
| 956 |
+
"eval_steps_per_second": 2.231,
|
| 957 |
+
"step": 1200
|
| 958 |
+
},
|
| 959 |
+
{
|
| 960 |
+
"epoch": 1.5755208333333335,
|
| 961 |
+
"grad_norm": 0.12737029790878296,
|
| 962 |
+
"learning_rate": 4.283854166666667e-05,
|
| 963 |
+
"loss": 0.0624,
|
| 964 |
+
"step": 1210
|
| 965 |
+
},
|
| 966 |
+
{
|
| 967 |
+
"epoch": 1.5885416666666665,
|
| 968 |
+
"grad_norm": 0.11795361340045929,
|
| 969 |
+
"learning_rate": 4.153645833333333e-05,
|
| 970 |
+
"loss": 0.1612,
|
| 971 |
+
"step": 1220
|
| 972 |
+
},
|
| 973 |
+
{
|
| 974 |
+
"epoch": 1.6015625,
|
| 975 |
+
"grad_norm": 0.9020833373069763,
|
| 976 |
+
"learning_rate": 4.0234375e-05,
|
| 977 |
+
"loss": 0.1486,
|
| 978 |
+
"step": 1230
|
| 979 |
+
},
|
| 980 |
+
{
|
| 981 |
+
"epoch": 1.6145833333333335,
|
| 982 |
+
"grad_norm": 0.4964276850223541,
|
| 983 |
+
"learning_rate": 3.893229166666667e-05,
|
| 984 |
+
"loss": 0.1591,
|
| 985 |
+
"step": 1240
|
| 986 |
+
},
|
| 987 |
+
{
|
| 988 |
+
"epoch": 1.6276041666666665,
|
| 989 |
+
"grad_norm": 4.413622856140137,
|
| 990 |
+
"learning_rate": 3.7630208333333336e-05,
|
| 991 |
+
"loss": 0.0117,
|
| 992 |
+
"step": 1250
|
| 993 |
+
},
|
| 994 |
+
{
|
| 995 |
+
"epoch": 1.640625,
|
| 996 |
+
"grad_norm": 0.016717761754989624,
|
| 997 |
+
"learning_rate": 3.6328125000000004e-05,
|
| 998 |
+
"loss": 0.0583,
|
| 999 |
+
"step": 1260
|
| 1000 |
+
},
|
| 1001 |
+
{
|
| 1002 |
+
"epoch": 1.6536458333333335,
|
| 1003 |
+
"grad_norm": 0.010378271341323853,
|
| 1004 |
+
"learning_rate": 3.502604166666667e-05,
|
| 1005 |
+
"loss": 0.0444,
|
| 1006 |
+
"step": 1270
|
| 1007 |
+
},
|
| 1008 |
+
{
|
| 1009 |
+
"epoch": 1.6666666666666665,
|
| 1010 |
+
"grad_norm": 25.841062545776367,
|
| 1011 |
+
"learning_rate": 3.372395833333333e-05,
|
| 1012 |
+
"loss": 0.1886,
|
| 1013 |
+
"step": 1280
|
| 1014 |
+
},
|
| 1015 |
+
{
|
| 1016 |
+
"epoch": 1.6796875,
|
| 1017 |
+
"grad_norm": 14.170876502990723,
|
| 1018 |
+
"learning_rate": 3.2421875e-05,
|
| 1019 |
+
"loss": 0.0858,
|
| 1020 |
+
"step": 1290
|
| 1021 |
+
},
|
| 1022 |
+
{
|
| 1023 |
+
"epoch": 1.6927083333333335,
|
| 1024 |
+
"grad_norm": 0.03511003032326698,
|
| 1025 |
+
"learning_rate": 3.111979166666667e-05,
|
| 1026 |
+
"loss": 0.1455,
|
| 1027 |
+
"step": 1300
|
| 1028 |
+
},
|
| 1029 |
+
{
|
| 1030 |
+
"epoch": 1.6927083333333335,
|
| 1031 |
+
"eval_accuracy": 0.9648854961832061,
|
| 1032 |
+
"eval_loss": 0.16894325613975525,
|
| 1033 |
+
"eval_runtime": 73.2214,
|
| 1034 |
+
"eval_samples_per_second": 17.891,
|
| 1035 |
+
"eval_steps_per_second": 2.24,
|
| 1036 |
+
"step": 1300
|
| 1037 |
+
},
|
| 1038 |
+
{
|
| 1039 |
+
"epoch": 1.7057291666666665,
|
| 1040 |
+
"grad_norm": 0.8833614587783813,
|
| 1041 |
+
"learning_rate": 2.9817708333333332e-05,
|
| 1042 |
+
"loss": 0.226,
|
| 1043 |
+
"step": 1310
|
| 1044 |
+
},
|
| 1045 |
+
{
|
| 1046 |
+
"epoch": 1.71875,
|
| 1047 |
+
"grad_norm": 5.1818413734436035,
|
| 1048 |
+
"learning_rate": 2.8515625e-05,
|
| 1049 |
+
"loss": 0.234,
|
| 1050 |
+
"step": 1320
|
| 1051 |
+
},
|
| 1052 |
+
{
|
| 1053 |
+
"epoch": 1.7317708333333335,
|
| 1054 |
+
"grad_norm": 24.279285430908203,
|
| 1055 |
+
"learning_rate": 2.721354166666667e-05,
|
| 1056 |
+
"loss": 0.1407,
|
| 1057 |
+
"step": 1330
|
| 1058 |
+
},
|
| 1059 |
+
{
|
| 1060 |
+
"epoch": 1.7447916666666665,
|
| 1061 |
+
"grad_norm": 3.641658067703247,
|
| 1062 |
+
"learning_rate": 2.5911458333333332e-05,
|
| 1063 |
+
"loss": 0.0246,
|
| 1064 |
+
"step": 1340
|
| 1065 |
+
},
|
| 1066 |
+
{
|
| 1067 |
+
"epoch": 1.7578125,
|
| 1068 |
+
"grad_norm": 6.918363094329834,
|
| 1069 |
+
"learning_rate": 2.4609375e-05,
|
| 1070 |
+
"loss": 0.0329,
|
| 1071 |
+
"step": 1350
|
| 1072 |
+
},
|
| 1073 |
+
{
|
| 1074 |
+
"epoch": 1.7708333333333335,
|
| 1075 |
+
"grad_norm": 0.2751164436340332,
|
| 1076 |
+
"learning_rate": 2.3307291666666668e-05,
|
| 1077 |
+
"loss": 0.0889,
|
| 1078 |
+
"step": 1360
|
| 1079 |
+
},
|
| 1080 |
+
{
|
| 1081 |
+
"epoch": 1.7838541666666665,
|
| 1082 |
+
"grad_norm": 12.80313777923584,
|
| 1083 |
+
"learning_rate": 2.2005208333333336e-05,
|
| 1084 |
+
"loss": 0.1268,
|
| 1085 |
+
"step": 1370
|
| 1086 |
+
},
|
| 1087 |
+
{
|
| 1088 |
+
"epoch": 1.796875,
|
| 1089 |
+
"grad_norm": 45.26594161987305,
|
| 1090 |
+
"learning_rate": 2.0703125e-05,
|
| 1091 |
+
"loss": 0.1618,
|
| 1092 |
+
"step": 1380
|
| 1093 |
+
},
|
| 1094 |
+
{
|
| 1095 |
+
"epoch": 1.8098958333333335,
|
| 1096 |
+
"grad_norm": 0.006187820341438055,
|
| 1097 |
+
"learning_rate": 1.9401041666666668e-05,
|
| 1098 |
+
"loss": 0.0486,
|
| 1099 |
+
"step": 1390
|
| 1100 |
+
},
|
| 1101 |
+
{
|
| 1102 |
+
"epoch": 1.8229166666666665,
|
| 1103 |
+
"grad_norm": 0.0677751749753952,
|
| 1104 |
+
"learning_rate": 1.8098958333333336e-05,
|
| 1105 |
+
"loss": 0.1453,
|
| 1106 |
+
"step": 1400
|
| 1107 |
+
},
|
| 1108 |
+
{
|
| 1109 |
+
"epoch": 1.8229166666666665,
|
| 1110 |
+
"eval_accuracy": 0.9671755725190839,
|
| 1111 |
+
"eval_loss": 0.15956774353981018,
|
| 1112 |
+
"eval_runtime": 73.9125,
|
| 1113 |
+
"eval_samples_per_second": 17.724,
|
| 1114 |
+
"eval_steps_per_second": 2.219,
|
| 1115 |
+
"step": 1400
|
| 1116 |
+
},
|
| 1117 |
+
{
|
| 1118 |
+
"epoch": 1.8359375,
|
| 1119 |
+
"grad_norm": 2.44240140914917,
|
| 1120 |
+
"learning_rate": 1.6796875e-05,
|
| 1121 |
+
"loss": 0.0217,
|
| 1122 |
+
"step": 1410
|
| 1123 |
+
},
|
| 1124 |
+
{
|
| 1125 |
+
"epoch": 1.8489583333333335,
|
| 1126 |
+
"grad_norm": 0.009471221826970577,
|
| 1127 |
+
"learning_rate": 1.5494791666666668e-05,
|
| 1128 |
+
"loss": 0.047,
|
| 1129 |
+
"step": 1420
|
| 1130 |
+
},
|
| 1131 |
+
{
|
| 1132 |
+
"epoch": 1.8619791666666665,
|
| 1133 |
+
"grad_norm": 35.52199172973633,
|
| 1134 |
+
"learning_rate": 1.4192708333333336e-05,
|
| 1135 |
+
"loss": 0.1074,
|
| 1136 |
+
"step": 1430
|
| 1137 |
+
},
|
| 1138 |
+
{
|
| 1139 |
+
"epoch": 1.875,
|
| 1140 |
+
"grad_norm": 0.06195181980729103,
|
| 1141 |
+
"learning_rate": 1.2890625e-05,
|
| 1142 |
+
"loss": 0.0771,
|
| 1143 |
+
"step": 1440
|
| 1144 |
+
},
|
| 1145 |
+
{
|
| 1146 |
+
"epoch": 1.8880208333333335,
|
| 1147 |
+
"grad_norm": 1.2877771854400635,
|
| 1148 |
+
"learning_rate": 1.1588541666666668e-05,
|
| 1149 |
+
"loss": 0.051,
|
| 1150 |
+
"step": 1450
|
| 1151 |
+
},
|
| 1152 |
+
{
|
| 1153 |
+
"epoch": 1.9010416666666665,
|
| 1154 |
+
"grad_norm": 0.04213323816657066,
|
| 1155 |
+
"learning_rate": 1.0286458333333334e-05,
|
| 1156 |
+
"loss": 0.0556,
|
| 1157 |
+
"step": 1460
|
| 1158 |
+
},
|
| 1159 |
+
{
|
| 1160 |
+
"epoch": 1.9140625,
|
| 1161 |
+
"grad_norm": 0.1363218128681183,
|
| 1162 |
+
"learning_rate": 8.984375e-06,
|
| 1163 |
+
"loss": 0.1067,
|
| 1164 |
+
"step": 1470
|
| 1165 |
+
},
|
| 1166 |
+
{
|
| 1167 |
+
"epoch": 1.9270833333333335,
|
| 1168 |
+
"grad_norm": 0.02965795062482357,
|
| 1169 |
+
"learning_rate": 7.682291666666668e-06,
|
| 1170 |
+
"loss": 0.167,
|
| 1171 |
+
"step": 1480
|
| 1172 |
+
},
|
| 1173 |
+
{
|
| 1174 |
+
"epoch": 1.9401041666666665,
|
| 1175 |
+
"grad_norm": 0.016119975596666336,
|
| 1176 |
+
"learning_rate": 6.380208333333333e-06,
|
| 1177 |
+
"loss": 0.1252,
|
| 1178 |
+
"step": 1490
|
| 1179 |
+
},
|
| 1180 |
+
{
|
| 1181 |
+
"epoch": 1.953125,
|
| 1182 |
+
"grad_norm": 0.018927693367004395,
|
| 1183 |
+
"learning_rate": 5.078125000000001e-06,
|
| 1184 |
+
"loss": 0.0403,
|
| 1185 |
+
"step": 1500
|
| 1186 |
+
},
|
| 1187 |
+
{
|
| 1188 |
+
"epoch": 1.953125,
|
| 1189 |
+
"eval_accuracy": 0.9694656488549618,
|
| 1190 |
+
"eval_loss": 0.14603066444396973,
|
| 1191 |
+
"eval_runtime": 73.7246,
|
| 1192 |
+
"eval_samples_per_second": 17.769,
|
| 1193 |
+
"eval_steps_per_second": 2.224,
|
| 1194 |
+
"step": 1500
|
| 1195 |
+
},
|
| 1196 |
+
{
|
| 1197 |
+
"epoch": 1.9661458333333335,
|
| 1198 |
+
"grad_norm": 29.340105056762695,
|
| 1199 |
+
"learning_rate": 3.7760416666666667e-06,
|
| 1200 |
+
"loss": 0.0741,
|
| 1201 |
+
"step": 1510
|
| 1202 |
+
},
|
| 1203 |
+
{
|
| 1204 |
+
"epoch": 1.9791666666666665,
|
| 1205 |
+
"grad_norm": 0.08993780612945557,
|
| 1206 |
+
"learning_rate": 2.473958333333333e-06,
|
| 1207 |
+
"loss": 0.0522,
|
| 1208 |
+
"step": 1520
|
| 1209 |
+
},
|
| 1210 |
+
{
|
| 1211 |
+
"epoch": 1.9921875,
|
| 1212 |
+
"grad_norm": 0.0012096602004021406,
|
| 1213 |
+
"learning_rate": 1.1718750000000001e-06,
|
| 1214 |
+
"loss": 0.1544,
|
| 1215 |
+
"step": 1530
|
| 1216 |
+
},
|
| 1217 |
+
{
|
| 1218 |
+
"epoch": 2.0,
|
| 1219 |
+
"step": 1536,
|
| 1220 |
+
"total_flos": 3.0550160235390566e+17,
|
| 1221 |
+
"train_loss": 0.4910107587832802,
|
| 1222 |
+
"train_runtime": 2027.0785,
|
| 1223 |
+
"train_samples_per_second": 6.06,
|
| 1224 |
+
"train_steps_per_second": 0.758
|
| 1225 |
+
}
|
| 1226 |
+
],
|
| 1227 |
+
"logging_steps": 10,
|
| 1228 |
+
"max_steps": 1536,
|
| 1229 |
+
"num_input_tokens_seen": 0,
|
| 1230 |
+
"num_train_epochs": 2,
|
| 1231 |
+
"save_steps": 100,
|
| 1232 |
+
"stateful_callbacks": {
|
| 1233 |
+
"TrainerControl": {
|
| 1234 |
+
"args": {
|
| 1235 |
+
"should_epoch_stop": false,
|
| 1236 |
+
"should_evaluate": false,
|
| 1237 |
+
"should_log": false,
|
| 1238 |
+
"should_save": true,
|
| 1239 |
+
"should_training_stop": true
|
| 1240 |
+
},
|
| 1241 |
+
"attributes": {}
|
| 1242 |
+
}
|
| 1243 |
+
},
|
| 1244 |
+
"total_flos": 3.0550160235390566e+17,
|
| 1245 |
+
"train_batch_size": 8,
|
| 1246 |
+
"trial_name": null,
|
| 1247 |
+
"trial_params": null
|
| 1248 |
+
}
|