🍻 cheers
Browse files- README.md +2 -1
- all_results.json +13 -0
- eval_results.json +8 -0
- runs/Apr02_13-16-37_1cc1d607f404/events.out.tfevents.1743601711.1cc1d607f404.165.1 +3 -0
- train_results.json +8 -0
- trainer_state.json +1249 -0
README.md
CHANGED
|
@@ -3,6 +3,7 @@ library_name: transformers
|
|
| 3 |
license: apache-2.0
|
| 4 |
base_model: google/vit-base-patch16-224-in21k
|
| 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 |
# vit-ena24
|
| 18 |
|
| 19 |
-
This model is a fine-tuned version of [google/vit-base-patch16-224-in21k](https://huggingface.co/google/vit-base-patch16-224-in21k) on
|
| 20 |
It achieves the following results on the evaluation set:
|
| 21 |
- Loss: 0.1241
|
| 22 |
- Accuracy: 0.9710
|
|
|
|
| 3 |
license: apache-2.0
|
| 4 |
base_model: google/vit-base-patch16-224-in21k
|
| 5 |
tags:
|
| 6 |
+
- image-classification
|
| 7 |
- generated_from_trainer
|
| 8 |
metrics:
|
| 9 |
- accuracy
|
|
|
|
| 17 |
|
| 18 |
# vit-ena24
|
| 19 |
|
| 20 |
+
This model is a fine-tuned version of [google/vit-base-patch16-224-in21k](https://huggingface.co/google/vit-base-patch16-224-in21k) on the beans dataset.
|
| 21 |
It achieves the following results on the evaluation set:
|
| 22 |
- Loss: 0.1241
|
| 23 |
- Accuracy: 0.9710
|
all_results.json
ADDED
|
@@ -0,0 +1,13 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"epoch": 2.0,
|
| 3 |
+
"eval_accuracy": 0.9709923664122138,
|
| 4 |
+
"eval_loss": 0.1240573301911354,
|
| 5 |
+
"eval_runtime": 58.5447,
|
| 6 |
+
"eval_samples_per_second": 22.376,
|
| 7 |
+
"eval_steps_per_second": 2.801,
|
| 8 |
+
"total_flos": 9.520822340772987e+17,
|
| 9 |
+
"train_loss": 0.5513936869877701,
|
| 10 |
+
"train_runtime": 1799.2782,
|
| 11 |
+
"train_samples_per_second": 6.827,
|
| 12 |
+
"train_steps_per_second": 0.854
|
| 13 |
+
}
|
eval_results.json
ADDED
|
@@ -0,0 +1,8 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"epoch": 2.0,
|
| 3 |
+
"eval_accuracy": 0.9709923664122138,
|
| 4 |
+
"eval_loss": 0.1240573301911354,
|
| 5 |
+
"eval_runtime": 58.5447,
|
| 6 |
+
"eval_samples_per_second": 22.376,
|
| 7 |
+
"eval_steps_per_second": 2.801
|
| 8 |
+
}
|
runs/Apr02_13-16-37_1cc1d607f404/events.out.tfevents.1743601711.1cc1d607f404.165.1
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:369bef5c63fe78772fbd1faf92f27585e07e3f6b7aac97562a94811f30dcac30
|
| 3 |
+
size 411
|
train_results.json
ADDED
|
@@ -0,0 +1,8 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"epoch": 2.0,
|
| 3 |
+
"total_flos": 9.520822340772987e+17,
|
| 4 |
+
"train_loss": 0.5513936869877701,
|
| 5 |
+
"train_runtime": 1799.2782,
|
| 6 |
+
"train_samples_per_second": 6.827,
|
| 7 |
+
"train_steps_per_second": 0.854
|
| 8 |
+
}
|
trainer_state.json
ADDED
|
@@ -0,0 +1,1249 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_global_step": 1500,
|
| 3 |
+
"best_metric": 0.1240573301911354,
|
| 4 |
+
"best_model_checkpoint": "./vit-ena24/checkpoint-1500",
|
| 5 |
+
"epoch": 2.0,
|
| 6 |
+
"eval_steps": 100,
|
| 7 |
+
"global_step": 1536,
|
| 8 |
+
"is_hyper_param_search": false,
|
| 9 |
+
"is_local_process_zero": true,
|
| 10 |
+
"is_world_process_zero": true,
|
| 11 |
+
"log_history": [
|
| 12 |
+
{
|
| 13 |
+
"epoch": 0.013020833333333334,
|
| 14 |
+
"grad_norm": 3.0722601413726807,
|
| 15 |
+
"learning_rate": 0.00019869791666666668,
|
| 16 |
+
"loss": 3.031,
|
| 17 |
+
"step": 10
|
| 18 |
+
},
|
| 19 |
+
{
|
| 20 |
+
"epoch": 0.026041666666666668,
|
| 21 |
+
"grad_norm": 2.4264492988586426,
|
| 22 |
+
"learning_rate": 0.00019739583333333333,
|
| 23 |
+
"loss": 2.7744,
|
| 24 |
+
"step": 20
|
| 25 |
+
},
|
| 26 |
+
{
|
| 27 |
+
"epoch": 0.0390625,
|
| 28 |
+
"grad_norm": 2.4537649154663086,
|
| 29 |
+
"learning_rate": 0.00019609375,
|
| 30 |
+
"loss": 2.7627,
|
| 31 |
+
"step": 30
|
| 32 |
+
},
|
| 33 |
+
{
|
| 34 |
+
"epoch": 0.052083333333333336,
|
| 35 |
+
"grad_norm": 2.7302908897399902,
|
| 36 |
+
"learning_rate": 0.00019479166666666668,
|
| 37 |
+
"loss": 2.5747,
|
| 38 |
+
"step": 40
|
| 39 |
+
},
|
| 40 |
+
{
|
| 41 |
+
"epoch": 0.06510416666666667,
|
| 42 |
+
"grad_norm": 2.5019726753234863,
|
| 43 |
+
"learning_rate": 0.00019348958333333333,
|
| 44 |
+
"loss": 2.4003,
|
| 45 |
+
"step": 50
|
| 46 |
+
},
|
| 47 |
+
{
|
| 48 |
+
"epoch": 0.078125,
|
| 49 |
+
"grad_norm": 2.628033399581909,
|
| 50 |
+
"learning_rate": 0.0001921875,
|
| 51 |
+
"loss": 2.221,
|
| 52 |
+
"step": 60
|
| 53 |
+
},
|
| 54 |
+
{
|
| 55 |
+
"epoch": 0.09114583333333333,
|
| 56 |
+
"grad_norm": 2.7688052654266357,
|
| 57 |
+
"learning_rate": 0.00019088541666666668,
|
| 58 |
+
"loss": 2.1845,
|
| 59 |
+
"step": 70
|
| 60 |
+
},
|
| 61 |
+
{
|
| 62 |
+
"epoch": 0.10416666666666667,
|
| 63 |
+
"grad_norm": 2.4697251319885254,
|
| 64 |
+
"learning_rate": 0.00018958333333333332,
|
| 65 |
+
"loss": 1.8719,
|
| 66 |
+
"step": 80
|
| 67 |
+
},
|
| 68 |
+
{
|
| 69 |
+
"epoch": 0.1171875,
|
| 70 |
+
"grad_norm": 2.2273764610290527,
|
| 71 |
+
"learning_rate": 0.00018828125,
|
| 72 |
+
"loss": 1.8395,
|
| 73 |
+
"step": 90
|
| 74 |
+
},
|
| 75 |
+
{
|
| 76 |
+
"epoch": 0.13020833333333334,
|
| 77 |
+
"grad_norm": 2.8049874305725098,
|
| 78 |
+
"learning_rate": 0.00018697916666666667,
|
| 79 |
+
"loss": 1.9499,
|
| 80 |
+
"step": 100
|
| 81 |
+
},
|
| 82 |
+
{
|
| 83 |
+
"epoch": 0.13020833333333334,
|
| 84 |
+
"eval_accuracy": 0.5885496183206107,
|
| 85 |
+
"eval_loss": 1.7695176601409912,
|
| 86 |
+
"eval_runtime": 61.1681,
|
| 87 |
+
"eval_samples_per_second": 21.416,
|
| 88 |
+
"eval_steps_per_second": 2.681,
|
| 89 |
+
"step": 100
|
| 90 |
+
},
|
| 91 |
+
{
|
| 92 |
+
"epoch": 0.14322916666666666,
|
| 93 |
+
"grad_norm": 1.92490553855896,
|
| 94 |
+
"learning_rate": 0.00018567708333333335,
|
| 95 |
+
"loss": 1.7157,
|
| 96 |
+
"step": 110
|
| 97 |
+
},
|
| 98 |
+
{
|
| 99 |
+
"epoch": 0.15625,
|
| 100 |
+
"grad_norm": 2.6504788398742676,
|
| 101 |
+
"learning_rate": 0.000184375,
|
| 102 |
+
"loss": 1.7076,
|
| 103 |
+
"step": 120
|
| 104 |
+
},
|
| 105 |
+
{
|
| 106 |
+
"epoch": 0.16927083333333334,
|
| 107 |
+
"grad_norm": 2.9084460735321045,
|
| 108 |
+
"learning_rate": 0.00018307291666666667,
|
| 109 |
+
"loss": 1.5286,
|
| 110 |
+
"step": 130
|
| 111 |
+
},
|
| 112 |
+
{
|
| 113 |
+
"epoch": 0.18229166666666666,
|
| 114 |
+
"grad_norm": 2.2270238399505615,
|
| 115 |
+
"learning_rate": 0.00018177083333333334,
|
| 116 |
+
"loss": 1.4616,
|
| 117 |
+
"step": 140
|
| 118 |
+
},
|
| 119 |
+
{
|
| 120 |
+
"epoch": 0.1953125,
|
| 121 |
+
"grad_norm": 3.2315688133239746,
|
| 122 |
+
"learning_rate": 0.00018046875000000002,
|
| 123 |
+
"loss": 1.3648,
|
| 124 |
+
"step": 150
|
| 125 |
+
},
|
| 126 |
+
{
|
| 127 |
+
"epoch": 0.20833333333333334,
|
| 128 |
+
"grad_norm": 2.666015148162842,
|
| 129 |
+
"learning_rate": 0.0001791666666666667,
|
| 130 |
+
"loss": 1.4065,
|
| 131 |
+
"step": 160
|
| 132 |
+
},
|
| 133 |
+
{
|
| 134 |
+
"epoch": 0.22135416666666666,
|
| 135 |
+
"grad_norm": 2.359640121459961,
|
| 136 |
+
"learning_rate": 0.00017786458333333334,
|
| 137 |
+
"loss": 1.1526,
|
| 138 |
+
"step": 170
|
| 139 |
+
},
|
| 140 |
+
{
|
| 141 |
+
"epoch": 0.234375,
|
| 142 |
+
"grad_norm": 2.60929799079895,
|
| 143 |
+
"learning_rate": 0.00017656250000000002,
|
| 144 |
+
"loss": 1.4927,
|
| 145 |
+
"step": 180
|
| 146 |
+
},
|
| 147 |
+
{
|
| 148 |
+
"epoch": 0.24739583333333334,
|
| 149 |
+
"grad_norm": 2.391559362411499,
|
| 150 |
+
"learning_rate": 0.0001752604166666667,
|
| 151 |
+
"loss": 1.342,
|
| 152 |
+
"step": 190
|
| 153 |
+
},
|
| 154 |
+
{
|
| 155 |
+
"epoch": 0.2604166666666667,
|
| 156 |
+
"grad_norm": 2.897575855255127,
|
| 157 |
+
"learning_rate": 0.00017395833333333334,
|
| 158 |
+
"loss": 1.2926,
|
| 159 |
+
"step": 200
|
| 160 |
+
},
|
| 161 |
+
{
|
| 162 |
+
"epoch": 0.2604166666666667,
|
| 163 |
+
"eval_accuracy": 0.7389312977099237,
|
| 164 |
+
"eval_loss": 1.1301350593566895,
|
| 165 |
+
"eval_runtime": 62.1104,
|
| 166 |
+
"eval_samples_per_second": 21.091,
|
| 167 |
+
"eval_steps_per_second": 2.64,
|
| 168 |
+
"step": 200
|
| 169 |
+
},
|
| 170 |
+
{
|
| 171 |
+
"epoch": 0.2734375,
|
| 172 |
+
"grad_norm": 1.78794264793396,
|
| 173 |
+
"learning_rate": 0.00017265625,
|
| 174 |
+
"loss": 0.9414,
|
| 175 |
+
"step": 210
|
| 176 |
+
},
|
| 177 |
+
{
|
| 178 |
+
"epoch": 0.2864583333333333,
|
| 179 |
+
"grad_norm": 1.964126706123352,
|
| 180 |
+
"learning_rate": 0.0001713541666666667,
|
| 181 |
+
"loss": 1.1701,
|
| 182 |
+
"step": 220
|
| 183 |
+
},
|
| 184 |
+
{
|
| 185 |
+
"epoch": 0.2994791666666667,
|
| 186 |
+
"grad_norm": 5.4335222244262695,
|
| 187 |
+
"learning_rate": 0.00017005208333333333,
|
| 188 |
+
"loss": 1.1313,
|
| 189 |
+
"step": 230
|
| 190 |
+
},
|
| 191 |
+
{
|
| 192 |
+
"epoch": 0.3125,
|
| 193 |
+
"grad_norm": 3.4125571250915527,
|
| 194 |
+
"learning_rate": 0.00016875,
|
| 195 |
+
"loss": 1.0923,
|
| 196 |
+
"step": 240
|
| 197 |
+
},
|
| 198 |
+
{
|
| 199 |
+
"epoch": 0.3255208333333333,
|
| 200 |
+
"grad_norm": 3.207430124282837,
|
| 201 |
+
"learning_rate": 0.00016744791666666668,
|
| 202 |
+
"loss": 1.0682,
|
| 203 |
+
"step": 250
|
| 204 |
+
},
|
| 205 |
+
{
|
| 206 |
+
"epoch": 0.3385416666666667,
|
| 207 |
+
"grad_norm": 5.175798416137695,
|
| 208 |
+
"learning_rate": 0.00016614583333333333,
|
| 209 |
+
"loss": 1.0122,
|
| 210 |
+
"step": 260
|
| 211 |
+
},
|
| 212 |
+
{
|
| 213 |
+
"epoch": 0.3515625,
|
| 214 |
+
"grad_norm": 2.509777784347534,
|
| 215 |
+
"learning_rate": 0.00016484375,
|
| 216 |
+
"loss": 0.8986,
|
| 217 |
+
"step": 270
|
| 218 |
+
},
|
| 219 |
+
{
|
| 220 |
+
"epoch": 0.3645833333333333,
|
| 221 |
+
"grad_norm": 2.8268353939056396,
|
| 222 |
+
"learning_rate": 0.00016354166666666668,
|
| 223 |
+
"loss": 1.0038,
|
| 224 |
+
"step": 280
|
| 225 |
+
},
|
| 226 |
+
{
|
| 227 |
+
"epoch": 0.3776041666666667,
|
| 228 |
+
"grad_norm": 2.010891914367676,
|
| 229 |
+
"learning_rate": 0.00016223958333333333,
|
| 230 |
+
"loss": 0.8838,
|
| 231 |
+
"step": 290
|
| 232 |
+
},
|
| 233 |
+
{
|
| 234 |
+
"epoch": 0.390625,
|
| 235 |
+
"grad_norm": 2.156606435775757,
|
| 236 |
+
"learning_rate": 0.0001609375,
|
| 237 |
+
"loss": 0.8506,
|
| 238 |
+
"step": 300
|
| 239 |
+
},
|
| 240 |
+
{
|
| 241 |
+
"epoch": 0.390625,
|
| 242 |
+
"eval_accuracy": 0.7786259541984732,
|
| 243 |
+
"eval_loss": 0.8699814081192017,
|
| 244 |
+
"eval_runtime": 62.9143,
|
| 245 |
+
"eval_samples_per_second": 20.822,
|
| 246 |
+
"eval_steps_per_second": 2.607,
|
| 247 |
+
"step": 300
|
| 248 |
+
},
|
| 249 |
+
{
|
| 250 |
+
"epoch": 0.4036458333333333,
|
| 251 |
+
"grad_norm": 1.4123530387878418,
|
| 252 |
+
"learning_rate": 0.00015963541666666668,
|
| 253 |
+
"loss": 0.9444,
|
| 254 |
+
"step": 310
|
| 255 |
+
},
|
| 256 |
+
{
|
| 257 |
+
"epoch": 0.4166666666666667,
|
| 258 |
+
"grad_norm": 2.9093761444091797,
|
| 259 |
+
"learning_rate": 0.00015833333333333332,
|
| 260 |
+
"loss": 0.8172,
|
| 261 |
+
"step": 320
|
| 262 |
+
},
|
| 263 |
+
{
|
| 264 |
+
"epoch": 0.4296875,
|
| 265 |
+
"grad_norm": 3.12125825881958,
|
| 266 |
+
"learning_rate": 0.00015703125,
|
| 267 |
+
"loss": 0.6503,
|
| 268 |
+
"step": 330
|
| 269 |
+
},
|
| 270 |
+
{
|
| 271 |
+
"epoch": 0.4427083333333333,
|
| 272 |
+
"grad_norm": 1.1089674234390259,
|
| 273 |
+
"learning_rate": 0.00015572916666666667,
|
| 274 |
+
"loss": 0.6197,
|
| 275 |
+
"step": 340
|
| 276 |
+
},
|
| 277 |
+
{
|
| 278 |
+
"epoch": 0.4557291666666667,
|
| 279 |
+
"grad_norm": 3.4280874729156494,
|
| 280 |
+
"learning_rate": 0.00015442708333333332,
|
| 281 |
+
"loss": 0.6035,
|
| 282 |
+
"step": 350
|
| 283 |
+
},
|
| 284 |
+
{
|
| 285 |
+
"epoch": 0.46875,
|
| 286 |
+
"grad_norm": 2.3865673542022705,
|
| 287 |
+
"learning_rate": 0.000153125,
|
| 288 |
+
"loss": 0.5898,
|
| 289 |
+
"step": 360
|
| 290 |
+
},
|
| 291 |
+
{
|
| 292 |
+
"epoch": 0.4817708333333333,
|
| 293 |
+
"grad_norm": 3.5790512561798096,
|
| 294 |
+
"learning_rate": 0.00015182291666666667,
|
| 295 |
+
"loss": 0.5847,
|
| 296 |
+
"step": 370
|
| 297 |
+
},
|
| 298 |
+
{
|
| 299 |
+
"epoch": 0.4947916666666667,
|
| 300 |
+
"grad_norm": 2.1285228729248047,
|
| 301 |
+
"learning_rate": 0.00015052083333333334,
|
| 302 |
+
"loss": 1.0145,
|
| 303 |
+
"step": 380
|
| 304 |
+
},
|
| 305 |
+
{
|
| 306 |
+
"epoch": 0.5078125,
|
| 307 |
+
"grad_norm": 2.900602340698242,
|
| 308 |
+
"learning_rate": 0.00014921875000000002,
|
| 309 |
+
"loss": 0.6172,
|
| 310 |
+
"step": 390
|
| 311 |
+
},
|
| 312 |
+
{
|
| 313 |
+
"epoch": 0.5208333333333334,
|
| 314 |
+
"grad_norm": 3.4392776489257812,
|
| 315 |
+
"learning_rate": 0.0001479166666666667,
|
| 316 |
+
"loss": 0.6715,
|
| 317 |
+
"step": 400
|
| 318 |
+
},
|
| 319 |
+
{
|
| 320 |
+
"epoch": 0.5208333333333334,
|
| 321 |
+
"eval_accuracy": 0.8396946564885496,
|
| 322 |
+
"eval_loss": 0.7060399651527405,
|
| 323 |
+
"eval_runtime": 60.8536,
|
| 324 |
+
"eval_samples_per_second": 21.527,
|
| 325 |
+
"eval_steps_per_second": 2.695,
|
| 326 |
+
"step": 400
|
| 327 |
+
},
|
| 328 |
+
{
|
| 329 |
+
"epoch": 0.5338541666666666,
|
| 330 |
+
"grad_norm": 1.3393733501434326,
|
| 331 |
+
"learning_rate": 0.00014661458333333334,
|
| 332 |
+
"loss": 0.6946,
|
| 333 |
+
"step": 410
|
| 334 |
+
},
|
| 335 |
+
{
|
| 336 |
+
"epoch": 0.546875,
|
| 337 |
+
"grad_norm": 2.181816816329956,
|
| 338 |
+
"learning_rate": 0.00014531250000000002,
|
| 339 |
+
"loss": 0.5684,
|
| 340 |
+
"step": 420
|
| 341 |
+
},
|
| 342 |
+
{
|
| 343 |
+
"epoch": 0.5598958333333334,
|
| 344 |
+
"grad_norm": 4.672101974487305,
|
| 345 |
+
"learning_rate": 0.0001440104166666667,
|
| 346 |
+
"loss": 0.4329,
|
| 347 |
+
"step": 430
|
| 348 |
+
},
|
| 349 |
+
{
|
| 350 |
+
"epoch": 0.5729166666666666,
|
| 351 |
+
"grad_norm": 1.4188686609268188,
|
| 352 |
+
"learning_rate": 0.00014270833333333334,
|
| 353 |
+
"loss": 0.4638,
|
| 354 |
+
"step": 440
|
| 355 |
+
},
|
| 356 |
+
{
|
| 357 |
+
"epoch": 0.5859375,
|
| 358 |
+
"grad_norm": 8.921753883361816,
|
| 359 |
+
"learning_rate": 0.00014140625,
|
| 360 |
+
"loss": 0.7674,
|
| 361 |
+
"step": 450
|
| 362 |
+
},
|
| 363 |
+
{
|
| 364 |
+
"epoch": 0.5989583333333334,
|
| 365 |
+
"grad_norm": 4.4842352867126465,
|
| 366 |
+
"learning_rate": 0.00014010416666666669,
|
| 367 |
+
"loss": 0.7014,
|
| 368 |
+
"step": 460
|
| 369 |
+
},
|
| 370 |
+
{
|
| 371 |
+
"epoch": 0.6119791666666666,
|
| 372 |
+
"grad_norm": 5.743294715881348,
|
| 373 |
+
"learning_rate": 0.00013880208333333333,
|
| 374 |
+
"loss": 0.7538,
|
| 375 |
+
"step": 470
|
| 376 |
+
},
|
| 377 |
+
{
|
| 378 |
+
"epoch": 0.625,
|
| 379 |
+
"grad_norm": 1.0341393947601318,
|
| 380 |
+
"learning_rate": 0.0001375,
|
| 381 |
+
"loss": 0.6684,
|
| 382 |
+
"step": 480
|
| 383 |
+
},
|
| 384 |
+
{
|
| 385 |
+
"epoch": 0.6380208333333334,
|
| 386 |
+
"grad_norm": 3.5416698455810547,
|
| 387 |
+
"learning_rate": 0.00013619791666666668,
|
| 388 |
+
"loss": 0.4125,
|
| 389 |
+
"step": 490
|
| 390 |
+
},
|
| 391 |
+
{
|
| 392 |
+
"epoch": 0.6510416666666666,
|
| 393 |
+
"grad_norm": 6.88870096206665,
|
| 394 |
+
"learning_rate": 0.00013489583333333333,
|
| 395 |
+
"loss": 0.5668,
|
| 396 |
+
"step": 500
|
| 397 |
+
},
|
| 398 |
+
{
|
| 399 |
+
"epoch": 0.6510416666666666,
|
| 400 |
+
"eval_accuracy": 0.8603053435114504,
|
| 401 |
+
"eval_loss": 0.5340920686721802,
|
| 402 |
+
"eval_runtime": 59.9325,
|
| 403 |
+
"eval_samples_per_second": 21.858,
|
| 404 |
+
"eval_steps_per_second": 2.736,
|
| 405 |
+
"step": 500
|
| 406 |
+
},
|
| 407 |
+
{
|
| 408 |
+
"epoch": 0.6640625,
|
| 409 |
+
"grad_norm": 0.7580458521842957,
|
| 410 |
+
"learning_rate": 0.00013359375,
|
| 411 |
+
"loss": 0.6056,
|
| 412 |
+
"step": 510
|
| 413 |
+
},
|
| 414 |
+
{
|
| 415 |
+
"epoch": 0.6770833333333334,
|
| 416 |
+
"grad_norm": 4.677633285522461,
|
| 417 |
+
"learning_rate": 0.00013229166666666668,
|
| 418 |
+
"loss": 0.7308,
|
| 419 |
+
"step": 520
|
| 420 |
+
},
|
| 421 |
+
{
|
| 422 |
+
"epoch": 0.6901041666666666,
|
| 423 |
+
"grad_norm": 1.9876255989074707,
|
| 424 |
+
"learning_rate": 0.00013098958333333333,
|
| 425 |
+
"loss": 0.6517,
|
| 426 |
+
"step": 530
|
| 427 |
+
},
|
| 428 |
+
{
|
| 429 |
+
"epoch": 0.703125,
|
| 430 |
+
"grad_norm": 3.5517194271087646,
|
| 431 |
+
"learning_rate": 0.0001296875,
|
| 432 |
+
"loss": 0.3811,
|
| 433 |
+
"step": 540
|
| 434 |
+
},
|
| 435 |
+
{
|
| 436 |
+
"epoch": 0.7161458333333334,
|
| 437 |
+
"grad_norm": 1.658909559249878,
|
| 438 |
+
"learning_rate": 0.00012838541666666668,
|
| 439 |
+
"loss": 0.5153,
|
| 440 |
+
"step": 550
|
| 441 |
+
},
|
| 442 |
+
{
|
| 443 |
+
"epoch": 0.7291666666666666,
|
| 444 |
+
"grad_norm": 0.3942301869392395,
|
| 445 |
+
"learning_rate": 0.00012708333333333332,
|
| 446 |
+
"loss": 0.5046,
|
| 447 |
+
"step": 560
|
| 448 |
+
},
|
| 449 |
+
{
|
| 450 |
+
"epoch": 0.7421875,
|
| 451 |
+
"grad_norm": 4.73356819152832,
|
| 452 |
+
"learning_rate": 0.00012578125,
|
| 453 |
+
"loss": 0.6237,
|
| 454 |
+
"step": 570
|
| 455 |
+
},
|
| 456 |
+
{
|
| 457 |
+
"epoch": 0.7552083333333334,
|
| 458 |
+
"grad_norm": 4.091372013092041,
|
| 459 |
+
"learning_rate": 0.00012447916666666667,
|
| 460 |
+
"loss": 0.6311,
|
| 461 |
+
"step": 580
|
| 462 |
+
},
|
| 463 |
+
{
|
| 464 |
+
"epoch": 0.7682291666666666,
|
| 465 |
+
"grad_norm": 5.154061317443848,
|
| 466 |
+
"learning_rate": 0.00012317708333333332,
|
| 467 |
+
"loss": 0.3187,
|
| 468 |
+
"step": 590
|
| 469 |
+
},
|
| 470 |
+
{
|
| 471 |
+
"epoch": 0.78125,
|
| 472 |
+
"grad_norm": 3.486983060836792,
|
| 473 |
+
"learning_rate": 0.00012187500000000001,
|
| 474 |
+
"loss": 0.5531,
|
| 475 |
+
"step": 600
|
| 476 |
+
},
|
| 477 |
+
{
|
| 478 |
+
"epoch": 0.78125,
|
| 479 |
+
"eval_accuracy": 0.8893129770992366,
|
| 480 |
+
"eval_loss": 0.44243791699409485,
|
| 481 |
+
"eval_runtime": 60.1806,
|
| 482 |
+
"eval_samples_per_second": 21.768,
|
| 483 |
+
"eval_steps_per_second": 2.725,
|
| 484 |
+
"step": 600
|
| 485 |
+
},
|
| 486 |
+
{
|
| 487 |
+
"epoch": 0.7942708333333334,
|
| 488 |
+
"grad_norm": 0.35905104875564575,
|
| 489 |
+
"learning_rate": 0.00012057291666666668,
|
| 490 |
+
"loss": 0.3105,
|
| 491 |
+
"step": 610
|
| 492 |
+
},
|
| 493 |
+
{
|
| 494 |
+
"epoch": 0.8072916666666666,
|
| 495 |
+
"grad_norm": 3.2125747203826904,
|
| 496 |
+
"learning_rate": 0.00011927083333333333,
|
| 497 |
+
"loss": 0.4539,
|
| 498 |
+
"step": 620
|
| 499 |
+
},
|
| 500 |
+
{
|
| 501 |
+
"epoch": 0.8203125,
|
| 502 |
+
"grad_norm": 1.6138118505477905,
|
| 503 |
+
"learning_rate": 0.00011796875,
|
| 504 |
+
"loss": 0.4095,
|
| 505 |
+
"step": 630
|
| 506 |
+
},
|
| 507 |
+
{
|
| 508 |
+
"epoch": 0.8333333333333334,
|
| 509 |
+
"grad_norm": 1.9036149978637695,
|
| 510 |
+
"learning_rate": 0.00011666666666666668,
|
| 511 |
+
"loss": 0.4021,
|
| 512 |
+
"step": 640
|
| 513 |
+
},
|
| 514 |
+
{
|
| 515 |
+
"epoch": 0.8463541666666666,
|
| 516 |
+
"grad_norm": 6.64377498626709,
|
| 517 |
+
"learning_rate": 0.00011536458333333333,
|
| 518 |
+
"loss": 0.2135,
|
| 519 |
+
"step": 650
|
| 520 |
+
},
|
| 521 |
+
{
|
| 522 |
+
"epoch": 0.859375,
|
| 523 |
+
"grad_norm": 9.110306739807129,
|
| 524 |
+
"learning_rate": 0.0001140625,
|
| 525 |
+
"loss": 0.3364,
|
| 526 |
+
"step": 660
|
| 527 |
+
},
|
| 528 |
+
{
|
| 529 |
+
"epoch": 0.8723958333333334,
|
| 530 |
+
"grad_norm": 0.41515108942985535,
|
| 531 |
+
"learning_rate": 0.00011276041666666668,
|
| 532 |
+
"loss": 0.2699,
|
| 533 |
+
"step": 670
|
| 534 |
+
},
|
| 535 |
+
{
|
| 536 |
+
"epoch": 0.8854166666666666,
|
| 537 |
+
"grad_norm": 2.9530420303344727,
|
| 538 |
+
"learning_rate": 0.00011145833333333334,
|
| 539 |
+
"loss": 0.534,
|
| 540 |
+
"step": 680
|
| 541 |
+
},
|
| 542 |
+
{
|
| 543 |
+
"epoch": 0.8984375,
|
| 544 |
+
"grad_norm": 2.8452494144439697,
|
| 545 |
+
"learning_rate": 0.00011015625000000001,
|
| 546 |
+
"loss": 0.5152,
|
| 547 |
+
"step": 690
|
| 548 |
+
},
|
| 549 |
+
{
|
| 550 |
+
"epoch": 0.9114583333333334,
|
| 551 |
+
"grad_norm": 0.2534309923648834,
|
| 552 |
+
"learning_rate": 0.00010885416666666669,
|
| 553 |
+
"loss": 0.2316,
|
| 554 |
+
"step": 700
|
| 555 |
+
},
|
| 556 |
+
{
|
| 557 |
+
"epoch": 0.9114583333333334,
|
| 558 |
+
"eval_accuracy": 0.9,
|
| 559 |
+
"eval_loss": 0.3668559193611145,
|
| 560 |
+
"eval_runtime": 59.7253,
|
| 561 |
+
"eval_samples_per_second": 21.934,
|
| 562 |
+
"eval_steps_per_second": 2.746,
|
| 563 |
+
"step": 700
|
| 564 |
+
},
|
| 565 |
+
{
|
| 566 |
+
"epoch": 0.9244791666666666,
|
| 567 |
+
"grad_norm": 5.2680206298828125,
|
| 568 |
+
"learning_rate": 0.00010755208333333333,
|
| 569 |
+
"loss": 0.5104,
|
| 570 |
+
"step": 710
|
| 571 |
+
},
|
| 572 |
+
{
|
| 573 |
+
"epoch": 0.9375,
|
| 574 |
+
"grad_norm": 3.948025703430176,
|
| 575 |
+
"learning_rate": 0.00010625000000000001,
|
| 576 |
+
"loss": 0.4896,
|
| 577 |
+
"step": 720
|
| 578 |
+
},
|
| 579 |
+
{
|
| 580 |
+
"epoch": 0.9505208333333334,
|
| 581 |
+
"grad_norm": 0.9852448105812073,
|
| 582 |
+
"learning_rate": 0.00010494791666666668,
|
| 583 |
+
"loss": 0.2585,
|
| 584 |
+
"step": 730
|
| 585 |
+
},
|
| 586 |
+
{
|
| 587 |
+
"epoch": 0.9635416666666666,
|
| 588 |
+
"grad_norm": 0.18954665958881378,
|
| 589 |
+
"learning_rate": 0.00010364583333333333,
|
| 590 |
+
"loss": 0.2797,
|
| 591 |
+
"step": 740
|
| 592 |
+
},
|
| 593 |
+
{
|
| 594 |
+
"epoch": 0.9765625,
|
| 595 |
+
"grad_norm": 1.220759391784668,
|
| 596 |
+
"learning_rate": 0.00010234375,
|
| 597 |
+
"loss": 0.4115,
|
| 598 |
+
"step": 750
|
| 599 |
+
},
|
| 600 |
+
{
|
| 601 |
+
"epoch": 0.9895833333333334,
|
| 602 |
+
"grad_norm": 0.19437117874622345,
|
| 603 |
+
"learning_rate": 0.00010104166666666668,
|
| 604 |
+
"loss": 0.2969,
|
| 605 |
+
"step": 760
|
| 606 |
+
},
|
| 607 |
+
{
|
| 608 |
+
"epoch": 1.0026041666666667,
|
| 609 |
+
"grad_norm": 3.36908221244812,
|
| 610 |
+
"learning_rate": 9.973958333333334e-05,
|
| 611 |
+
"loss": 0.3022,
|
| 612 |
+
"step": 770
|
| 613 |
+
},
|
| 614 |
+
{
|
| 615 |
+
"epoch": 1.015625,
|
| 616 |
+
"grad_norm": 4.469690799713135,
|
| 617 |
+
"learning_rate": 9.84375e-05,
|
| 618 |
+
"loss": 0.3513,
|
| 619 |
+
"step": 780
|
| 620 |
+
},
|
| 621 |
+
{
|
| 622 |
+
"epoch": 1.0286458333333333,
|
| 623 |
+
"grad_norm": 0.21652820706367493,
|
| 624 |
+
"learning_rate": 9.713541666666666e-05,
|
| 625 |
+
"loss": 0.2065,
|
| 626 |
+
"step": 790
|
| 627 |
+
},
|
| 628 |
+
{
|
| 629 |
+
"epoch": 1.0416666666666667,
|
| 630 |
+
"grad_norm": 3.9520163536071777,
|
| 631 |
+
"learning_rate": 9.583333333333334e-05,
|
| 632 |
+
"loss": 0.2114,
|
| 633 |
+
"step": 800
|
| 634 |
+
},
|
| 635 |
+
{
|
| 636 |
+
"epoch": 1.0416666666666667,
|
| 637 |
+
"eval_accuracy": 0.9374045801526718,
|
| 638 |
+
"eval_loss": 0.26653820276260376,
|
| 639 |
+
"eval_runtime": 60.5917,
|
| 640 |
+
"eval_samples_per_second": 21.62,
|
| 641 |
+
"eval_steps_per_second": 2.707,
|
| 642 |
+
"step": 800
|
| 643 |
+
},
|
| 644 |
+
{
|
| 645 |
+
"epoch": 1.0546875,
|
| 646 |
+
"grad_norm": 0.2229415774345398,
|
| 647 |
+
"learning_rate": 9.453125000000001e-05,
|
| 648 |
+
"loss": 0.1251,
|
| 649 |
+
"step": 810
|
| 650 |
+
},
|
| 651 |
+
{
|
| 652 |
+
"epoch": 1.0677083333333333,
|
| 653 |
+
"grad_norm": 2.231929302215576,
|
| 654 |
+
"learning_rate": 9.322916666666667e-05,
|
| 655 |
+
"loss": 0.1972,
|
| 656 |
+
"step": 820
|
| 657 |
+
},
|
| 658 |
+
{
|
| 659 |
+
"epoch": 1.0807291666666667,
|
| 660 |
+
"grad_norm": 0.3673107326030731,
|
| 661 |
+
"learning_rate": 9.192708333333335e-05,
|
| 662 |
+
"loss": 0.1123,
|
| 663 |
+
"step": 830
|
| 664 |
+
},
|
| 665 |
+
{
|
| 666 |
+
"epoch": 1.09375,
|
| 667 |
+
"grad_norm": 0.2413560450077057,
|
| 668 |
+
"learning_rate": 9.062500000000001e-05,
|
| 669 |
+
"loss": 0.1859,
|
| 670 |
+
"step": 840
|
| 671 |
+
},
|
| 672 |
+
{
|
| 673 |
+
"epoch": 1.1067708333333333,
|
| 674 |
+
"grad_norm": 0.29296183586120605,
|
| 675 |
+
"learning_rate": 8.932291666666667e-05,
|
| 676 |
+
"loss": 0.1734,
|
| 677 |
+
"step": 850
|
| 678 |
+
},
|
| 679 |
+
{
|
| 680 |
+
"epoch": 1.1197916666666667,
|
| 681 |
+
"grad_norm": 0.1393246203660965,
|
| 682 |
+
"learning_rate": 8.802083333333334e-05,
|
| 683 |
+
"loss": 0.1023,
|
| 684 |
+
"step": 860
|
| 685 |
+
},
|
| 686 |
+
{
|
| 687 |
+
"epoch": 1.1328125,
|
| 688 |
+
"grad_norm": 0.2735807001590729,
|
| 689 |
+
"learning_rate": 8.671875e-05,
|
| 690 |
+
"loss": 0.3084,
|
| 691 |
+
"step": 870
|
| 692 |
+
},
|
| 693 |
+
{
|
| 694 |
+
"epoch": 1.1458333333333333,
|
| 695 |
+
"grad_norm": 1.9295347929000854,
|
| 696 |
+
"learning_rate": 8.541666666666666e-05,
|
| 697 |
+
"loss": 0.2324,
|
| 698 |
+
"step": 880
|
| 699 |
+
},
|
| 700 |
+
{
|
| 701 |
+
"epoch": 1.1588541666666667,
|
| 702 |
+
"grad_norm": 1.8442853689193726,
|
| 703 |
+
"learning_rate": 8.411458333333334e-05,
|
| 704 |
+
"loss": 0.3073,
|
| 705 |
+
"step": 890
|
| 706 |
+
},
|
| 707 |
+
{
|
| 708 |
+
"epoch": 1.171875,
|
| 709 |
+
"grad_norm": 0.27216193079948425,
|
| 710 |
+
"learning_rate": 8.28125e-05,
|
| 711 |
+
"loss": 0.1614,
|
| 712 |
+
"step": 900
|
| 713 |
+
},
|
| 714 |
+
{
|
| 715 |
+
"epoch": 1.171875,
|
| 716 |
+
"eval_accuracy": 0.9358778625954198,
|
| 717 |
+
"eval_loss": 0.26842617988586426,
|
| 718 |
+
"eval_runtime": 61.533,
|
| 719 |
+
"eval_samples_per_second": 21.289,
|
| 720 |
+
"eval_steps_per_second": 2.665,
|
| 721 |
+
"step": 900
|
| 722 |
+
},
|
| 723 |
+
{
|
| 724 |
+
"epoch": 1.1848958333333333,
|
| 725 |
+
"grad_norm": 0.31529104709625244,
|
| 726 |
+
"learning_rate": 8.151041666666666e-05,
|
| 727 |
+
"loss": 0.1144,
|
| 728 |
+
"step": 910
|
| 729 |
+
},
|
| 730 |
+
{
|
| 731 |
+
"epoch": 1.1979166666666667,
|
| 732 |
+
"grad_norm": 4.7185282707214355,
|
| 733 |
+
"learning_rate": 8.020833333333334e-05,
|
| 734 |
+
"loss": 0.2046,
|
| 735 |
+
"step": 920
|
| 736 |
+
},
|
| 737 |
+
{
|
| 738 |
+
"epoch": 1.2109375,
|
| 739 |
+
"grad_norm": 1.045372486114502,
|
| 740 |
+
"learning_rate": 7.890625000000001e-05,
|
| 741 |
+
"loss": 0.2476,
|
| 742 |
+
"step": 930
|
| 743 |
+
},
|
| 744 |
+
{
|
| 745 |
+
"epoch": 1.2239583333333333,
|
| 746 |
+
"grad_norm": 1.0386674404144287,
|
| 747 |
+
"learning_rate": 7.760416666666667e-05,
|
| 748 |
+
"loss": 0.2533,
|
| 749 |
+
"step": 940
|
| 750 |
+
},
|
| 751 |
+
{
|
| 752 |
+
"epoch": 1.2369791666666667,
|
| 753 |
+
"grad_norm": 2.500465154647827,
|
| 754 |
+
"learning_rate": 7.630208333333335e-05,
|
| 755 |
+
"loss": 0.4332,
|
| 756 |
+
"step": 950
|
| 757 |
+
},
|
| 758 |
+
{
|
| 759 |
+
"epoch": 1.25,
|
| 760 |
+
"grad_norm": 1.079042673110962,
|
| 761 |
+
"learning_rate": 7.500000000000001e-05,
|
| 762 |
+
"loss": 0.3729,
|
| 763 |
+
"step": 960
|
| 764 |
+
},
|
| 765 |
+
{
|
| 766 |
+
"epoch": 1.2630208333333333,
|
| 767 |
+
"grad_norm": 0.2167169451713562,
|
| 768 |
+
"learning_rate": 7.369791666666667e-05,
|
| 769 |
+
"loss": 0.1837,
|
| 770 |
+
"step": 970
|
| 771 |
+
},
|
| 772 |
+
{
|
| 773 |
+
"epoch": 1.2760416666666667,
|
| 774 |
+
"grad_norm": 0.15448452532291412,
|
| 775 |
+
"learning_rate": 7.239583333333334e-05,
|
| 776 |
+
"loss": 0.2347,
|
| 777 |
+
"step": 980
|
| 778 |
+
},
|
| 779 |
+
{
|
| 780 |
+
"epoch": 1.2890625,
|
| 781 |
+
"grad_norm": 4.789432048797607,
|
| 782 |
+
"learning_rate": 7.109375e-05,
|
| 783 |
+
"loss": 0.1681,
|
| 784 |
+
"step": 990
|
| 785 |
+
},
|
| 786 |
+
{
|
| 787 |
+
"epoch": 1.3020833333333333,
|
| 788 |
+
"grad_norm": 0.5079424381256104,
|
| 789 |
+
"learning_rate": 6.979166666666666e-05,
|
| 790 |
+
"loss": 0.1441,
|
| 791 |
+
"step": 1000
|
| 792 |
+
},
|
| 793 |
+
{
|
| 794 |
+
"epoch": 1.3020833333333333,
|
| 795 |
+
"eval_accuracy": 0.950381679389313,
|
| 796 |
+
"eval_loss": 0.21387264132499695,
|
| 797 |
+
"eval_runtime": 60.067,
|
| 798 |
+
"eval_samples_per_second": 21.809,
|
| 799 |
+
"eval_steps_per_second": 2.73,
|
| 800 |
+
"step": 1000
|
| 801 |
+
},
|
| 802 |
+
{
|
| 803 |
+
"epoch": 1.3151041666666667,
|
| 804 |
+
"grad_norm": 0.6446687579154968,
|
| 805 |
+
"learning_rate": 6.848958333333334e-05,
|
| 806 |
+
"loss": 0.1308,
|
| 807 |
+
"step": 1010
|
| 808 |
+
},
|
| 809 |
+
{
|
| 810 |
+
"epoch": 1.328125,
|
| 811 |
+
"grad_norm": 0.17588114738464355,
|
| 812 |
+
"learning_rate": 6.71875e-05,
|
| 813 |
+
"loss": 0.3116,
|
| 814 |
+
"step": 1020
|
| 815 |
+
},
|
| 816 |
+
{
|
| 817 |
+
"epoch": 1.3411458333333333,
|
| 818 |
+
"grad_norm": 5.327168941497803,
|
| 819 |
+
"learning_rate": 6.588541666666666e-05,
|
| 820 |
+
"loss": 0.1814,
|
| 821 |
+
"step": 1030
|
| 822 |
+
},
|
| 823 |
+
{
|
| 824 |
+
"epoch": 1.3541666666666667,
|
| 825 |
+
"grad_norm": 2.496091842651367,
|
| 826 |
+
"learning_rate": 6.458333333333334e-05,
|
| 827 |
+
"loss": 0.2144,
|
| 828 |
+
"step": 1040
|
| 829 |
+
},
|
| 830 |
+
{
|
| 831 |
+
"epoch": 1.3671875,
|
| 832 |
+
"grad_norm": 0.1502150446176529,
|
| 833 |
+
"learning_rate": 6.328125e-05,
|
| 834 |
+
"loss": 0.1437,
|
| 835 |
+
"step": 1050
|
| 836 |
+
},
|
| 837 |
+
{
|
| 838 |
+
"epoch": 1.3802083333333333,
|
| 839 |
+
"grad_norm": 0.2538672983646393,
|
| 840 |
+
"learning_rate": 6.197916666666667e-05,
|
| 841 |
+
"loss": 0.1433,
|
| 842 |
+
"step": 1060
|
| 843 |
+
},
|
| 844 |
+
{
|
| 845 |
+
"epoch": 1.3932291666666667,
|
| 846 |
+
"grad_norm": 0.08320388197898865,
|
| 847 |
+
"learning_rate": 6.067708333333334e-05,
|
| 848 |
+
"loss": 0.0923,
|
| 849 |
+
"step": 1070
|
| 850 |
+
},
|
| 851 |
+
{
|
| 852 |
+
"epoch": 1.40625,
|
| 853 |
+
"grad_norm": 0.1576339453458786,
|
| 854 |
+
"learning_rate": 5.9375e-05,
|
| 855 |
+
"loss": 0.1077,
|
| 856 |
+
"step": 1080
|
| 857 |
+
},
|
| 858 |
+
{
|
| 859 |
+
"epoch": 1.4192708333333333,
|
| 860 |
+
"grad_norm": 0.2809673249721527,
|
| 861 |
+
"learning_rate": 5.807291666666667e-05,
|
| 862 |
+
"loss": 0.129,
|
| 863 |
+
"step": 1090
|
| 864 |
+
},
|
| 865 |
+
{
|
| 866 |
+
"epoch": 1.4322916666666667,
|
| 867 |
+
"grad_norm": 0.07573004812002182,
|
| 868 |
+
"learning_rate": 5.677083333333334e-05,
|
| 869 |
+
"loss": 0.1,
|
| 870 |
+
"step": 1100
|
| 871 |
+
},
|
| 872 |
+
{
|
| 873 |
+
"epoch": 1.4322916666666667,
|
| 874 |
+
"eval_accuracy": 0.9603053435114504,
|
| 875 |
+
"eval_loss": 0.17950783669948578,
|
| 876 |
+
"eval_runtime": 59.1614,
|
| 877 |
+
"eval_samples_per_second": 22.143,
|
| 878 |
+
"eval_steps_per_second": 2.772,
|
| 879 |
+
"step": 1100
|
| 880 |
+
},
|
| 881 |
+
{
|
| 882 |
+
"epoch": 1.4453125,
|
| 883 |
+
"grad_norm": 3.232757329940796,
|
| 884 |
+
"learning_rate": 5.546875e-05,
|
| 885 |
+
"loss": 0.1563,
|
| 886 |
+
"step": 1110
|
| 887 |
+
},
|
| 888 |
+
{
|
| 889 |
+
"epoch": 1.4583333333333333,
|
| 890 |
+
"grad_norm": 3.8679308891296387,
|
| 891 |
+
"learning_rate": 5.4166666666666664e-05,
|
| 892 |
+
"loss": 0.1467,
|
| 893 |
+
"step": 1120
|
| 894 |
+
},
|
| 895 |
+
{
|
| 896 |
+
"epoch": 1.4713541666666667,
|
| 897 |
+
"grad_norm": 0.15715742111206055,
|
| 898 |
+
"learning_rate": 5.286458333333334e-05,
|
| 899 |
+
"loss": 0.0356,
|
| 900 |
+
"step": 1130
|
| 901 |
+
},
|
| 902 |
+
{
|
| 903 |
+
"epoch": 1.484375,
|
| 904 |
+
"grad_norm": 1.7540335655212402,
|
| 905 |
+
"learning_rate": 5.15625e-05,
|
| 906 |
+
"loss": 0.264,
|
| 907 |
+
"step": 1140
|
| 908 |
+
},
|
| 909 |
+
{
|
| 910 |
+
"epoch": 1.4973958333333333,
|
| 911 |
+
"grad_norm": 0.46123847365379333,
|
| 912 |
+
"learning_rate": 5.026041666666667e-05,
|
| 913 |
+
"loss": 0.1234,
|
| 914 |
+
"step": 1150
|
| 915 |
+
},
|
| 916 |
+
{
|
| 917 |
+
"epoch": 1.5104166666666665,
|
| 918 |
+
"grad_norm": 2.576964855194092,
|
| 919 |
+
"learning_rate": 4.8958333333333335e-05,
|
| 920 |
+
"loss": 0.1651,
|
| 921 |
+
"step": 1160
|
| 922 |
+
},
|
| 923 |
+
{
|
| 924 |
+
"epoch": 1.5234375,
|
| 925 |
+
"grad_norm": 0.09197568893432617,
|
| 926 |
+
"learning_rate": 4.765625e-05,
|
| 927 |
+
"loss": 0.1799,
|
| 928 |
+
"step": 1170
|
| 929 |
+
},
|
| 930 |
+
{
|
| 931 |
+
"epoch": 1.5364583333333335,
|
| 932 |
+
"grad_norm": 0.4775465130805969,
|
| 933 |
+
"learning_rate": 4.635416666666667e-05,
|
| 934 |
+
"loss": 0.2102,
|
| 935 |
+
"step": 1180
|
| 936 |
+
},
|
| 937 |
+
{
|
| 938 |
+
"epoch": 1.5494791666666665,
|
| 939 |
+
"grad_norm": 0.36772438883781433,
|
| 940 |
+
"learning_rate": 4.505208333333333e-05,
|
| 941 |
+
"loss": 0.1065,
|
| 942 |
+
"step": 1190
|
| 943 |
+
},
|
| 944 |
+
{
|
| 945 |
+
"epoch": 1.5625,
|
| 946 |
+
"grad_norm": 0.06261827796697617,
|
| 947 |
+
"learning_rate": 4.375e-05,
|
| 948 |
+
"loss": 0.1394,
|
| 949 |
+
"step": 1200
|
| 950 |
+
},
|
| 951 |
+
{
|
| 952 |
+
"epoch": 1.5625,
|
| 953 |
+
"eval_accuracy": 0.9671755725190839,
|
| 954 |
+
"eval_loss": 0.14713044464588165,
|
| 955 |
+
"eval_runtime": 59.5229,
|
| 956 |
+
"eval_samples_per_second": 22.008,
|
| 957 |
+
"eval_steps_per_second": 2.755,
|
| 958 |
+
"step": 1200
|
| 959 |
+
},
|
| 960 |
+
{
|
| 961 |
+
"epoch": 1.5755208333333335,
|
| 962 |
+
"grad_norm": 0.09620843827724457,
|
| 963 |
+
"learning_rate": 4.244791666666667e-05,
|
| 964 |
+
"loss": 0.0616,
|
| 965 |
+
"step": 1210
|
| 966 |
+
},
|
| 967 |
+
{
|
| 968 |
+
"epoch": 1.5885416666666665,
|
| 969 |
+
"grad_norm": 0.3054959774017334,
|
| 970 |
+
"learning_rate": 4.1145833333333335e-05,
|
| 971 |
+
"loss": 0.1526,
|
| 972 |
+
"step": 1220
|
| 973 |
+
},
|
| 974 |
+
{
|
| 975 |
+
"epoch": 1.6015625,
|
| 976 |
+
"grad_norm": 0.15028196573257446,
|
| 977 |
+
"learning_rate": 3.984375e-05,
|
| 978 |
+
"loss": 0.0677,
|
| 979 |
+
"step": 1230
|
| 980 |
+
},
|
| 981 |
+
{
|
| 982 |
+
"epoch": 1.6145833333333335,
|
| 983 |
+
"grad_norm": 0.4755881130695343,
|
| 984 |
+
"learning_rate": 3.854166666666667e-05,
|
| 985 |
+
"loss": 0.1156,
|
| 986 |
+
"step": 1240
|
| 987 |
+
},
|
| 988 |
+
{
|
| 989 |
+
"epoch": 1.6276041666666665,
|
| 990 |
+
"grad_norm": 0.16299839317798615,
|
| 991 |
+
"learning_rate": 3.723958333333333e-05,
|
| 992 |
+
"loss": 0.0202,
|
| 993 |
+
"step": 1250
|
| 994 |
+
},
|
| 995 |
+
{
|
| 996 |
+
"epoch": 1.640625,
|
| 997 |
+
"grad_norm": 0.05333033949136734,
|
| 998 |
+
"learning_rate": 3.59375e-05,
|
| 999 |
+
"loss": 0.1144,
|
| 1000 |
+
"step": 1260
|
| 1001 |
+
},
|
| 1002 |
+
{
|
| 1003 |
+
"epoch": 1.6536458333333335,
|
| 1004 |
+
"grad_norm": 0.08512204140424728,
|
| 1005 |
+
"learning_rate": 3.463541666666667e-05,
|
| 1006 |
+
"loss": 0.0438,
|
| 1007 |
+
"step": 1270
|
| 1008 |
+
},
|
| 1009 |
+
{
|
| 1010 |
+
"epoch": 1.6666666666666665,
|
| 1011 |
+
"grad_norm": 0.3463301360607147,
|
| 1012 |
+
"learning_rate": 3.3333333333333335e-05,
|
| 1013 |
+
"loss": 0.1687,
|
| 1014 |
+
"step": 1280
|
| 1015 |
+
},
|
| 1016 |
+
{
|
| 1017 |
+
"epoch": 1.6796875,
|
| 1018 |
+
"grad_norm": 2.4247636795043945,
|
| 1019 |
+
"learning_rate": 3.203125e-05,
|
| 1020 |
+
"loss": 0.1979,
|
| 1021 |
+
"step": 1290
|
| 1022 |
+
},
|
| 1023 |
+
{
|
| 1024 |
+
"epoch": 1.6927083333333335,
|
| 1025 |
+
"grad_norm": 0.11793797463178635,
|
| 1026 |
+
"learning_rate": 3.072916666666667e-05,
|
| 1027 |
+
"loss": 0.067,
|
| 1028 |
+
"step": 1300
|
| 1029 |
+
},
|
| 1030 |
+
{
|
| 1031 |
+
"epoch": 1.6927083333333335,
|
| 1032 |
+
"eval_accuracy": 0.9687022900763359,
|
| 1033 |
+
"eval_loss": 0.14118480682373047,
|
| 1034 |
+
"eval_runtime": 59.6258,
|
| 1035 |
+
"eval_samples_per_second": 21.97,
|
| 1036 |
+
"eval_steps_per_second": 2.75,
|
| 1037 |
+
"step": 1300
|
| 1038 |
+
},
|
| 1039 |
+
{
|
| 1040 |
+
"epoch": 1.7057291666666665,
|
| 1041 |
+
"grad_norm": 0.19167575240135193,
|
| 1042 |
+
"learning_rate": 2.942708333333333e-05,
|
| 1043 |
+
"loss": 0.1485,
|
| 1044 |
+
"step": 1310
|
| 1045 |
+
},
|
| 1046 |
+
{
|
| 1047 |
+
"epoch": 1.71875,
|
| 1048 |
+
"grad_norm": 0.17611677944660187,
|
| 1049 |
+
"learning_rate": 2.8125000000000003e-05,
|
| 1050 |
+
"loss": 0.138,
|
| 1051 |
+
"step": 1320
|
| 1052 |
+
},
|
| 1053 |
+
{
|
| 1054 |
+
"epoch": 1.7317708333333335,
|
| 1055 |
+
"grad_norm": 1.6763341426849365,
|
| 1056 |
+
"learning_rate": 2.682291666666667e-05,
|
| 1057 |
+
"loss": 0.1725,
|
| 1058 |
+
"step": 1330
|
| 1059 |
+
},
|
| 1060 |
+
{
|
| 1061 |
+
"epoch": 1.7447916666666665,
|
| 1062 |
+
"grad_norm": 0.09804801642894745,
|
| 1063 |
+
"learning_rate": 2.552083333333333e-05,
|
| 1064 |
+
"loss": 0.0707,
|
| 1065 |
+
"step": 1340
|
| 1066 |
+
},
|
| 1067 |
+
{
|
| 1068 |
+
"epoch": 1.7578125,
|
| 1069 |
+
"grad_norm": 0.18733666837215424,
|
| 1070 |
+
"learning_rate": 2.4218750000000003e-05,
|
| 1071 |
+
"loss": 0.0391,
|
| 1072 |
+
"step": 1350
|
| 1073 |
+
},
|
| 1074 |
+
{
|
| 1075 |
+
"epoch": 1.7708333333333335,
|
| 1076 |
+
"grad_norm": 0.27055248618125916,
|
| 1077 |
+
"learning_rate": 2.2916666666666667e-05,
|
| 1078 |
+
"loss": 0.0787,
|
| 1079 |
+
"step": 1360
|
| 1080 |
+
},
|
| 1081 |
+
{
|
| 1082 |
+
"epoch": 1.7838541666666665,
|
| 1083 |
+
"grad_norm": 1.7702397108078003,
|
| 1084 |
+
"learning_rate": 2.1614583333333335e-05,
|
| 1085 |
+
"loss": 0.1576,
|
| 1086 |
+
"step": 1370
|
| 1087 |
+
},
|
| 1088 |
+
{
|
| 1089 |
+
"epoch": 1.796875,
|
| 1090 |
+
"grad_norm": 0.13192972540855408,
|
| 1091 |
+
"learning_rate": 2.0312500000000002e-05,
|
| 1092 |
+
"loss": 0.047,
|
| 1093 |
+
"step": 1380
|
| 1094 |
+
},
|
| 1095 |
+
{
|
| 1096 |
+
"epoch": 1.8098958333333335,
|
| 1097 |
+
"grad_norm": 0.05426124855875969,
|
| 1098 |
+
"learning_rate": 1.9010416666666667e-05,
|
| 1099 |
+
"loss": 0.1102,
|
| 1100 |
+
"step": 1390
|
| 1101 |
+
},
|
| 1102 |
+
{
|
| 1103 |
+
"epoch": 1.8229166666666665,
|
| 1104 |
+
"grad_norm": 0.07557754963636398,
|
| 1105 |
+
"learning_rate": 1.7708333333333335e-05,
|
| 1106 |
+
"loss": 0.15,
|
| 1107 |
+
"step": 1400
|
| 1108 |
+
},
|
| 1109 |
+
{
|
| 1110 |
+
"epoch": 1.8229166666666665,
|
| 1111 |
+
"eval_accuracy": 0.9694656488549618,
|
| 1112 |
+
"eval_loss": 0.13288851082324982,
|
| 1113 |
+
"eval_runtime": 59.5324,
|
| 1114 |
+
"eval_samples_per_second": 22.005,
|
| 1115 |
+
"eval_steps_per_second": 2.755,
|
| 1116 |
+
"step": 1400
|
| 1117 |
+
},
|
| 1118 |
+
{
|
| 1119 |
+
"epoch": 1.8359375,
|
| 1120 |
+
"grad_norm": 1.602898120880127,
|
| 1121 |
+
"learning_rate": 1.6406250000000002e-05,
|
| 1122 |
+
"loss": 0.1897,
|
| 1123 |
+
"step": 1410
|
| 1124 |
+
},
|
| 1125 |
+
{
|
| 1126 |
+
"epoch": 1.8489583333333335,
|
| 1127 |
+
"grad_norm": 0.08557943254709244,
|
| 1128 |
+
"learning_rate": 1.5104166666666667e-05,
|
| 1129 |
+
"loss": 0.0974,
|
| 1130 |
+
"step": 1420
|
| 1131 |
+
},
|
| 1132 |
+
{
|
| 1133 |
+
"epoch": 1.8619791666666665,
|
| 1134 |
+
"grad_norm": 7.729787826538086,
|
| 1135 |
+
"learning_rate": 1.3802083333333335e-05,
|
| 1136 |
+
"loss": 0.12,
|
| 1137 |
+
"step": 1430
|
| 1138 |
+
},
|
| 1139 |
+
{
|
| 1140 |
+
"epoch": 1.875,
|
| 1141 |
+
"grad_norm": 0.23855291306972504,
|
| 1142 |
+
"learning_rate": 1.25e-05,
|
| 1143 |
+
"loss": 0.0517,
|
| 1144 |
+
"step": 1440
|
| 1145 |
+
},
|
| 1146 |
+
{
|
| 1147 |
+
"epoch": 1.8880208333333335,
|
| 1148 |
+
"grad_norm": 0.30376580357551575,
|
| 1149 |
+
"learning_rate": 1.1197916666666668e-05,
|
| 1150 |
+
"loss": 0.0539,
|
| 1151 |
+
"step": 1450
|
| 1152 |
+
},
|
| 1153 |
+
{
|
| 1154 |
+
"epoch": 1.9010416666666665,
|
| 1155 |
+
"grad_norm": 0.09812232106924057,
|
| 1156 |
+
"learning_rate": 9.895833333333333e-06,
|
| 1157 |
+
"loss": 0.0852,
|
| 1158 |
+
"step": 1460
|
| 1159 |
+
},
|
| 1160 |
+
{
|
| 1161 |
+
"epoch": 1.9140625,
|
| 1162 |
+
"grad_norm": 0.07574792951345444,
|
| 1163 |
+
"learning_rate": 8.59375e-06,
|
| 1164 |
+
"loss": 0.1108,
|
| 1165 |
+
"step": 1470
|
| 1166 |
+
},
|
| 1167 |
+
{
|
| 1168 |
+
"epoch": 1.9270833333333335,
|
| 1169 |
+
"grad_norm": 0.07949287444353104,
|
| 1170 |
+
"learning_rate": 7.2916666666666674e-06,
|
| 1171 |
+
"loss": 0.1038,
|
| 1172 |
+
"step": 1480
|
| 1173 |
+
},
|
| 1174 |
+
{
|
| 1175 |
+
"epoch": 1.9401041666666665,
|
| 1176 |
+
"grad_norm": 0.08240082114934921,
|
| 1177 |
+
"learning_rate": 5.9895833333333335e-06,
|
| 1178 |
+
"loss": 0.0939,
|
| 1179 |
+
"step": 1490
|
| 1180 |
+
},
|
| 1181 |
+
{
|
| 1182 |
+
"epoch": 1.953125,
|
| 1183 |
+
"grad_norm": 0.15334384143352509,
|
| 1184 |
+
"learning_rate": 4.6875000000000004e-06,
|
| 1185 |
+
"loss": 0.0848,
|
| 1186 |
+
"step": 1500
|
| 1187 |
+
},
|
| 1188 |
+
{
|
| 1189 |
+
"epoch": 1.953125,
|
| 1190 |
+
"eval_accuracy": 0.9709923664122138,
|
| 1191 |
+
"eval_loss": 0.1240573301911354,
|
| 1192 |
+
"eval_runtime": 59.8501,
|
| 1193 |
+
"eval_samples_per_second": 21.888,
|
| 1194 |
+
"eval_steps_per_second": 2.74,
|
| 1195 |
+
"step": 1500
|
| 1196 |
+
},
|
| 1197 |
+
{
|
| 1198 |
+
"epoch": 1.9661458333333335,
|
| 1199 |
+
"grad_norm": 3.634660005569458,
|
| 1200 |
+
"learning_rate": 3.3854166666666665e-06,
|
| 1201 |
+
"loss": 0.1126,
|
| 1202 |
+
"step": 1510
|
| 1203 |
+
},
|
| 1204 |
+
{
|
| 1205 |
+
"epoch": 1.9791666666666665,
|
| 1206 |
+
"grad_norm": 0.17326831817626953,
|
| 1207 |
+
"learning_rate": 2.0833333333333334e-06,
|
| 1208 |
+
"loss": 0.0657,
|
| 1209 |
+
"step": 1520
|
| 1210 |
+
},
|
| 1211 |
+
{
|
| 1212 |
+
"epoch": 1.9921875,
|
| 1213 |
+
"grad_norm": 0.06573884189128876,
|
| 1214 |
+
"learning_rate": 7.8125e-07,
|
| 1215 |
+
"loss": 0.2126,
|
| 1216 |
+
"step": 1530
|
| 1217 |
+
},
|
| 1218 |
+
{
|
| 1219 |
+
"epoch": 2.0,
|
| 1220 |
+
"step": 1536,
|
| 1221 |
+
"total_flos": 9.520822340772987e+17,
|
| 1222 |
+
"train_loss": 0.5513936869877701,
|
| 1223 |
+
"train_runtime": 1799.2782,
|
| 1224 |
+
"train_samples_per_second": 6.827,
|
| 1225 |
+
"train_steps_per_second": 0.854
|
| 1226 |
+
}
|
| 1227 |
+
],
|
| 1228 |
+
"logging_steps": 10,
|
| 1229 |
+
"max_steps": 1536,
|
| 1230 |
+
"num_input_tokens_seen": 0,
|
| 1231 |
+
"num_train_epochs": 2,
|
| 1232 |
+
"save_steps": 100,
|
| 1233 |
+
"stateful_callbacks": {
|
| 1234 |
+
"TrainerControl": {
|
| 1235 |
+
"args": {
|
| 1236 |
+
"should_epoch_stop": false,
|
| 1237 |
+
"should_evaluate": false,
|
| 1238 |
+
"should_log": false,
|
| 1239 |
+
"should_save": true,
|
| 1240 |
+
"should_training_stop": true
|
| 1241 |
+
},
|
| 1242 |
+
"attributes": {}
|
| 1243 |
+
}
|
| 1244 |
+
},
|
| 1245 |
+
"total_flos": 9.520822340772987e+17,
|
| 1246 |
+
"train_batch_size": 8,
|
| 1247 |
+
"trial_name": null,
|
| 1248 |
+
"trial_params": null
|
| 1249 |
+
}
|