alvarobartt HF staff commited on
Commit
2ab8b96
β€’
1 Parent(s): ed174e2

Model save

Browse files
Files changed (4) hide show
  1. README.md +64 -0
  2. all_results.json +9 -0
  3. train_results.json +9 -0
  4. trainer_state.json +1407 -0
README.md ADDED
@@ -0,0 +1,64 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ base_model: google/gemma-2-2b-it
3
+ datasets:
4
+ - generator
5
+ library_name: peft
6
+ license: gemma
7
+ tags:
8
+ - trl
9
+ - sft
10
+ - generated_from_trainer
11
+ model-index:
12
+ - name: gemma-2-2b-it-lora-sql
13
+ results: []
14
+ ---
15
+
16
+ <!-- This model card has been generated automatically according to the information the Trainer had access to. You
17
+ should probably proofread and complete it, then remove this comment. -->
18
+
19
+ # gemma-2-2b-it-lora-sql
20
+
21
+ This model is a fine-tuned version of [google/gemma-2-2b-it](https://huggingface.co/google/gemma-2-2b-it) on the generator dataset.
22
+
23
+ ## Model description
24
+
25
+ More information needed
26
+
27
+ ## Intended uses & limitations
28
+
29
+ More information needed
30
+
31
+ ## Training and evaluation data
32
+
33
+ More information needed
34
+
35
+ ## Training procedure
36
+
37
+ ### Training hyperparameters
38
+
39
+ The following hyperparameters were used during training:
40
+ - learning_rate: 0.0002
41
+ - train_batch_size: 4
42
+ - eval_batch_size: 8
43
+ - seed: 42
44
+ - distributed_type: multi-GPU
45
+ - num_devices: 2
46
+ - gradient_accumulation_steps: 2
47
+ - total_train_batch_size: 16
48
+ - total_eval_batch_size: 16
49
+ - optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
50
+ - lr_scheduler_type: cosine
51
+ - lr_scheduler_warmup_ratio: 0.1
52
+ - num_epochs: 3
53
+
54
+ ### Training results
55
+
56
+
57
+
58
+ ### Framework versions
59
+
60
+ - PEFT 0.12.0
61
+ - Transformers 4.44.2
62
+ - Pytorch 2.3.0+cu121
63
+ - Datasets 3.0.0
64
+ - Tokenizers 0.19.1
all_results.json ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 2.9977046671767407,
3
+ "total_flos": 3660773289099264.0,
4
+ "train_loss": 0.4337311900958168,
5
+ "train_runtime": 5331.8775,
6
+ "train_samples": 100000,
7
+ "train_samples_per_second": 5.882,
8
+ "train_steps_per_second": 0.367
9
+ }
train_results.json ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 2.9977046671767407,
3
+ "total_flos": 3660773289099264.0,
4
+ "train_loss": 0.4337311900958168,
5
+ "train_runtime": 5331.8775,
6
+ "train_samples": 100000,
7
+ "train_samples_per_second": 5.882,
8
+ "train_steps_per_second": 0.367
9
+ }
trainer_state.json ADDED
@@ -0,0 +1,1407 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 2.9977046671767407,
5
+ "eval_steps": 500,
6
+ "global_step": 1959,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.015302218821729151,
13
+ "grad_norm": 2.9595158525528062,
14
+ "learning_rate": 1.0204081632653061e-05,
15
+ "loss": 1.7025,
16
+ "step": 10
17
+ },
18
+ {
19
+ "epoch": 0.030604437643458302,
20
+ "grad_norm": 1.263751808272248,
21
+ "learning_rate": 2.0408163265306123e-05,
22
+ "loss": 1.4094,
23
+ "step": 20
24
+ },
25
+ {
26
+ "epoch": 0.045906656465187455,
27
+ "grad_norm": 1.1314499693827325,
28
+ "learning_rate": 3.061224489795919e-05,
29
+ "loss": 1.0742,
30
+ "step": 30
31
+ },
32
+ {
33
+ "epoch": 0.061208875286916604,
34
+ "grad_norm": 0.43429385320294256,
35
+ "learning_rate": 4.0816326530612245e-05,
36
+ "loss": 0.8975,
37
+ "step": 40
38
+ },
39
+ {
40
+ "epoch": 0.07651109410864575,
41
+ "grad_norm": 0.37910893323587813,
42
+ "learning_rate": 5.102040816326531e-05,
43
+ "loss": 0.7694,
44
+ "step": 50
45
+ },
46
+ {
47
+ "epoch": 0.09181331293037491,
48
+ "grad_norm": 0.32985782659377816,
49
+ "learning_rate": 6.122448979591838e-05,
50
+ "loss": 0.6667,
51
+ "step": 60
52
+ },
53
+ {
54
+ "epoch": 0.10711553175210406,
55
+ "grad_norm": 0.27993689719153514,
56
+ "learning_rate": 7.142857142857143e-05,
57
+ "loss": 0.6143,
58
+ "step": 70
59
+ },
60
+ {
61
+ "epoch": 0.12241775057383321,
62
+ "grad_norm": 0.2562350918748776,
63
+ "learning_rate": 8.163265306122449e-05,
64
+ "loss": 0.5736,
65
+ "step": 80
66
+ },
67
+ {
68
+ "epoch": 0.13771996939556236,
69
+ "grad_norm": 0.2627549443187762,
70
+ "learning_rate": 9.183673469387756e-05,
71
+ "loss": 0.5605,
72
+ "step": 90
73
+ },
74
+ {
75
+ "epoch": 0.1530221882172915,
76
+ "grad_norm": 0.25450163445897056,
77
+ "learning_rate": 0.00010204081632653062,
78
+ "loss": 0.5425,
79
+ "step": 100
80
+ },
81
+ {
82
+ "epoch": 0.16832440703902066,
83
+ "grad_norm": 0.265185130228763,
84
+ "learning_rate": 0.00011224489795918367,
85
+ "loss": 0.5417,
86
+ "step": 110
87
+ },
88
+ {
89
+ "epoch": 0.18362662586074982,
90
+ "grad_norm": 0.2600738826510011,
91
+ "learning_rate": 0.00012244897959183676,
92
+ "loss": 0.5349,
93
+ "step": 120
94
+ },
95
+ {
96
+ "epoch": 0.19892884468247896,
97
+ "grad_norm": 0.27451283782332153,
98
+ "learning_rate": 0.0001326530612244898,
99
+ "loss": 0.5225,
100
+ "step": 130
101
+ },
102
+ {
103
+ "epoch": 0.21423106350420812,
104
+ "grad_norm": 0.29276216948080613,
105
+ "learning_rate": 0.00014285714285714287,
106
+ "loss": 0.5148,
107
+ "step": 140
108
+ },
109
+ {
110
+ "epoch": 0.22953328232593725,
111
+ "grad_norm": 0.25373117999248507,
112
+ "learning_rate": 0.0001530612244897959,
113
+ "loss": 0.5108,
114
+ "step": 150
115
+ },
116
+ {
117
+ "epoch": 0.24483550114766642,
118
+ "grad_norm": 0.26479254050664824,
119
+ "learning_rate": 0.00016326530612244898,
120
+ "loss": 0.5061,
121
+ "step": 160
122
+ },
123
+ {
124
+ "epoch": 0.26013771996939555,
125
+ "grad_norm": 0.27232811822105624,
126
+ "learning_rate": 0.00017346938775510205,
127
+ "loss": 0.5065,
128
+ "step": 170
129
+ },
130
+ {
131
+ "epoch": 0.2754399387911247,
132
+ "grad_norm": 0.26418337252250673,
133
+ "learning_rate": 0.00018367346938775512,
134
+ "loss": 0.4967,
135
+ "step": 180
136
+ },
137
+ {
138
+ "epoch": 0.2907421576128539,
139
+ "grad_norm": 0.2503450300406005,
140
+ "learning_rate": 0.00019387755102040816,
141
+ "loss": 0.4998,
142
+ "step": 190
143
+ },
144
+ {
145
+ "epoch": 0.306044376434583,
146
+ "grad_norm": 0.2339540170507543,
147
+ "learning_rate": 0.0001999974597101728,
148
+ "loss": 0.4989,
149
+ "step": 200
150
+ },
151
+ {
152
+ "epoch": 0.32134659525631215,
153
+ "grad_norm": 0.23446730330407825,
154
+ "learning_rate": 0.0001999688829317862,
155
+ "loss": 0.4895,
156
+ "step": 210
157
+ },
158
+ {
159
+ "epoch": 0.3366488140780413,
160
+ "grad_norm": 0.23685036500213205,
161
+ "learning_rate": 0.00019990856311693857,
162
+ "loss": 0.4898,
163
+ "step": 220
164
+ },
165
+ {
166
+ "epoch": 0.3519510328997705,
167
+ "grad_norm": 0.2396529148643123,
168
+ "learning_rate": 0.00019981651941893068,
169
+ "loss": 0.4881,
170
+ "step": 230
171
+ },
172
+ {
173
+ "epoch": 0.36725325172149964,
174
+ "grad_norm": 0.22794906865901965,
175
+ "learning_rate": 0.0001996927810643216,
176
+ "loss": 0.4825,
177
+ "step": 240
178
+ },
179
+ {
180
+ "epoch": 0.38255547054322875,
181
+ "grad_norm": 0.21749849325438408,
182
+ "learning_rate": 0.00019953738734364843,
183
+ "loss": 0.4905,
184
+ "step": 250
185
+ },
186
+ {
187
+ "epoch": 0.3978576893649579,
188
+ "grad_norm": 0.21941306857106413,
189
+ "learning_rate": 0.00019935038759895038,
190
+ "loss": 0.4844,
191
+ "step": 260
192
+ },
193
+ {
194
+ "epoch": 0.4131599081866871,
195
+ "grad_norm": 0.2106883472247568,
196
+ "learning_rate": 0.0001991318412081012,
197
+ "loss": 0.4832,
198
+ "step": 270
199
+ },
200
+ {
201
+ "epoch": 0.42846212700841624,
202
+ "grad_norm": 0.20643151525949935,
203
+ "learning_rate": 0.00019888181756595513,
204
+ "loss": 0.4732,
205
+ "step": 280
206
+ },
207
+ {
208
+ "epoch": 0.44376434583014535,
209
+ "grad_norm": 0.21375448358620805,
210
+ "learning_rate": 0.0001986003960623118,
211
+ "loss": 0.4777,
212
+ "step": 290
213
+ },
214
+ {
215
+ "epoch": 0.4590665646518745,
216
+ "grad_norm": 0.2078386748706879,
217
+ "learning_rate": 0.0001982876660567078,
218
+ "loss": 0.4773,
219
+ "step": 300
220
+ },
221
+ {
222
+ "epoch": 0.4743687834736037,
223
+ "grad_norm": 0.20709767688640485,
224
+ "learning_rate": 0.00019794372685004232,
225
+ "loss": 0.4774,
226
+ "step": 310
227
+ },
228
+ {
229
+ "epoch": 0.48967100229533284,
230
+ "grad_norm": 0.20114204358521104,
231
+ "learning_rate": 0.00019756868765304637,
232
+ "loss": 0.4724,
233
+ "step": 320
234
+ },
235
+ {
236
+ "epoch": 0.504973221117062,
237
+ "grad_norm": 0.2047995080216857,
238
+ "learning_rate": 0.000197162667551605,
239
+ "loss": 0.4723,
240
+ "step": 330
241
+ },
242
+ {
243
+ "epoch": 0.5202754399387911,
244
+ "grad_norm": 0.2065404899680565,
245
+ "learning_rate": 0.00019672579546894418,
246
+ "loss": 0.4744,
247
+ "step": 340
248
+ },
249
+ {
250
+ "epoch": 0.5355776587605203,
251
+ "grad_norm": 0.20339328597837086,
252
+ "learning_rate": 0.00019625821012469392,
253
+ "loss": 0.469,
254
+ "step": 350
255
+ },
256
+ {
257
+ "epoch": 0.5508798775822494,
258
+ "grad_norm": 0.20269051264889382,
259
+ "learning_rate": 0.0001957600599908406,
260
+ "loss": 0.4652,
261
+ "step": 360
262
+ },
263
+ {
264
+ "epoch": 0.5661820964039785,
265
+ "grad_norm": 0.20140204074578216,
266
+ "learning_rate": 0.00019523150324458297,
267
+ "loss": 0.4663,
268
+ "step": 370
269
+ },
270
+ {
271
+ "epoch": 0.5814843152257078,
272
+ "grad_norm": 0.20145479660046747,
273
+ "learning_rate": 0.0001946727077181062,
274
+ "loss": 0.4647,
275
+ "step": 380
276
+ },
277
+ {
278
+ "epoch": 0.5967865340474369,
279
+ "grad_norm": 0.19812410832421173,
280
+ "learning_rate": 0.00019408385084529014,
281
+ "loss": 0.4669,
282
+ "step": 390
283
+ },
284
+ {
285
+ "epoch": 0.612088752869166,
286
+ "grad_norm": 0.20593747645685082,
287
+ "learning_rate": 0.0001934651196053692,
288
+ "loss": 0.4606,
289
+ "step": 400
290
+ },
291
+ {
292
+ "epoch": 0.6273909716908952,
293
+ "grad_norm": 0.19985586154896637,
294
+ "learning_rate": 0.00019281671046356057,
295
+ "loss": 0.465,
296
+ "step": 410
297
+ },
298
+ {
299
+ "epoch": 0.6426931905126243,
300
+ "grad_norm": 0.18804149710765375,
301
+ "learning_rate": 0.0001921388293086812,
302
+ "loss": 0.4591,
303
+ "step": 420
304
+ },
305
+ {
306
+ "epoch": 0.6579954093343535,
307
+ "grad_norm": 0.20403982281128524,
308
+ "learning_rate": 0.00019143169138777176,
309
+ "loss": 0.4612,
310
+ "step": 430
311
+ },
312
+ {
313
+ "epoch": 0.6732976281560826,
314
+ "grad_norm": 0.19472172680549107,
315
+ "learning_rate": 0.00019069552123774966,
316
+ "loss": 0.4535,
317
+ "step": 440
318
+ },
319
+ {
320
+ "epoch": 0.6885998469778117,
321
+ "grad_norm": 0.18853093267297413,
322
+ "learning_rate": 0.00018993055261411188,
323
+ "loss": 0.4536,
324
+ "step": 450
325
+ },
326
+ {
327
+ "epoch": 0.703902065799541,
328
+ "grad_norm": 0.1824795154817547,
329
+ "learning_rate": 0.0001891370284167108,
330
+ "loss": 0.4533,
331
+ "step": 460
332
+ },
333
+ {
334
+ "epoch": 0.7192042846212701,
335
+ "grad_norm": 0.19623573820167492,
336
+ "learning_rate": 0.00018831520061262657,
337
+ "loss": 0.4608,
338
+ "step": 470
339
+ },
340
+ {
341
+ "epoch": 0.7345065034429993,
342
+ "grad_norm": 0.1894732171051352,
343
+ "learning_rate": 0.00018746533015615997,
344
+ "loss": 0.4561,
345
+ "step": 480
346
+ },
347
+ {
348
+ "epoch": 0.7498087222647284,
349
+ "grad_norm": 0.1956746346911804,
350
+ "learning_rate": 0.00018658768690597198,
351
+ "loss": 0.4562,
352
+ "step": 490
353
+ },
354
+ {
355
+ "epoch": 0.7651109410864575,
356
+ "grad_norm": 0.19485019146231133,
357
+ "learning_rate": 0.00018568254953939573,
358
+ "loss": 0.4547,
359
+ "step": 500
360
+ },
361
+ {
362
+ "epoch": 0.7804131599081867,
363
+ "grad_norm": 0.1900932930656561,
364
+ "learning_rate": 0.0001847502054639483,
365
+ "loss": 0.4563,
366
+ "step": 510
367
+ },
368
+ {
369
+ "epoch": 0.7957153787299158,
370
+ "grad_norm": 0.18608837489031835,
371
+ "learning_rate": 0.00018379095072607052,
372
+ "loss": 0.4546,
373
+ "step": 520
374
+ },
375
+ {
376
+ "epoch": 0.811017597551645,
377
+ "grad_norm": 0.19229921508866923,
378
+ "learning_rate": 0.0001828050899171234,
379
+ "loss": 0.4506,
380
+ "step": 530
381
+ },
382
+ {
383
+ "epoch": 0.8263198163733741,
384
+ "grad_norm": 0.20164999528455674,
385
+ "learning_rate": 0.00018179293607667178,
386
+ "loss": 0.4528,
387
+ "step": 540
388
+ },
389
+ {
390
+ "epoch": 0.8416220351951033,
391
+ "grad_norm": 0.18962588415494633,
392
+ "learning_rate": 0.00018075481059308488,
393
+ "loss": 0.4501,
394
+ "step": 550
395
+ },
396
+ {
397
+ "epoch": 0.8569242540168325,
398
+ "grad_norm": 0.1878318467581915,
399
+ "learning_rate": 0.00017969104310148627,
400
+ "loss": 0.4489,
401
+ "step": 560
402
+ },
403
+ {
404
+ "epoch": 0.8722264728385616,
405
+ "grad_norm": 0.19855697462159105,
406
+ "learning_rate": 0.00017860197137908504,
407
+ "loss": 0.4486,
408
+ "step": 570
409
+ },
410
+ {
411
+ "epoch": 0.8875286916602907,
412
+ "grad_norm": 0.18806947832467016,
413
+ "learning_rate": 0.00017748794123792169,
414
+ "loss": 0.449,
415
+ "step": 580
416
+ },
417
+ {
418
+ "epoch": 0.9028309104820199,
419
+ "grad_norm": 0.18547154568221744,
420
+ "learning_rate": 0.00017634930641506272,
421
+ "loss": 0.4468,
422
+ "step": 590
423
+ },
424
+ {
425
+ "epoch": 0.918133129303749,
426
+ "grad_norm": 0.1988415349574148,
427
+ "learning_rate": 0.00017518642846027876,
428
+ "loss": 0.4447,
429
+ "step": 600
430
+ },
431
+ {
432
+ "epoch": 0.9334353481254782,
433
+ "grad_norm": 0.1971157063292002,
434
+ "learning_rate": 0.00017399967662124204,
435
+ "loss": 0.4496,
436
+ "step": 610
437
+ },
438
+ {
439
+ "epoch": 0.9487375669472073,
440
+ "grad_norm": 0.18821213785618154,
441
+ "learning_rate": 0.00017278942772627954,
442
+ "loss": 0.4442,
443
+ "step": 620
444
+ },
445
+ {
446
+ "epoch": 0.9640397857689365,
447
+ "grad_norm": 0.1863099123502169,
448
+ "learning_rate": 0.00017155606606471873,
449
+ "loss": 0.4428,
450
+ "step": 630
451
+ },
452
+ {
453
+ "epoch": 0.9793420045906657,
454
+ "grad_norm": 0.1877422977434543,
455
+ "learning_rate": 0.00017029998326486485,
456
+ "loss": 0.4431,
457
+ "step": 640
458
+ },
459
+ {
460
+ "epoch": 0.9946442234123948,
461
+ "grad_norm": 0.1976160670120698,
462
+ "learning_rate": 0.00016902157816964724,
463
+ "loss": 0.4382,
464
+ "step": 650
465
+ },
466
+ {
467
+ "epoch": 1.009946442234124,
468
+ "grad_norm": 0.18992306538475748,
469
+ "learning_rate": 0.0001677212567099752,
470
+ "loss": 0.4353,
471
+ "step": 660
472
+ },
473
+ {
474
+ "epoch": 1.025248661055853,
475
+ "grad_norm": 0.19209926834930846,
476
+ "learning_rate": 0.00016639943177584302,
477
+ "loss": 0.422,
478
+ "step": 670
479
+ },
480
+ {
481
+ "epoch": 1.0405508798775822,
482
+ "grad_norm": 0.1862611696289539,
483
+ "learning_rate": 0.00016505652308522546,
484
+ "loss": 0.4166,
485
+ "step": 680
486
+ },
487
+ {
488
+ "epoch": 1.0558530986993113,
489
+ "grad_norm": 0.19413670929825885,
490
+ "learning_rate": 0.00016369295705080493,
491
+ "loss": 0.4214,
492
+ "step": 690
493
+ },
494
+ {
495
+ "epoch": 1.0711553175210407,
496
+ "grad_norm": 0.19044466403960753,
497
+ "learning_rate": 0.00016230916664457303,
498
+ "loss": 0.4226,
499
+ "step": 700
500
+ },
501
+ {
502
+ "epoch": 1.0864575363427698,
503
+ "grad_norm": 0.20537259284486634,
504
+ "learning_rate": 0.00016090559126034955,
505
+ "loss": 0.4206,
506
+ "step": 710
507
+ },
508
+ {
509
+ "epoch": 1.1017597551644989,
510
+ "grad_norm": 0.19548453583302455,
511
+ "learning_rate": 0.00015948267657426172,
512
+ "loss": 0.4258,
513
+ "step": 720
514
+ },
515
+ {
516
+ "epoch": 1.117061973986228,
517
+ "grad_norm": 0.19233863084054012,
518
+ "learning_rate": 0.00015804087440322937,
519
+ "loss": 0.4212,
520
+ "step": 730
521
+ },
522
+ {
523
+ "epoch": 1.132364192807957,
524
+ "grad_norm": 0.20059506523438514,
525
+ "learning_rate": 0.00015658064256149972,
526
+ "loss": 0.4248,
527
+ "step": 740
528
+ },
529
+ {
530
+ "epoch": 1.1476664116296864,
531
+ "grad_norm": 0.19781190556296033,
532
+ "learning_rate": 0.00015510244471527798,
533
+ "loss": 0.419,
534
+ "step": 750
535
+ },
536
+ {
537
+ "epoch": 1.1629686304514155,
538
+ "grad_norm": 0.1978522622616877,
539
+ "learning_rate": 0.0001536067502355,
540
+ "loss": 0.4156,
541
+ "step": 760
542
+ },
543
+ {
544
+ "epoch": 1.1782708492731446,
545
+ "grad_norm": 0.19356090367390197,
546
+ "learning_rate": 0.00015209403404879303,
547
+ "loss": 0.4176,
548
+ "step": 770
549
+ },
550
+ {
551
+ "epoch": 1.1935730680948737,
552
+ "grad_norm": 0.21041098882140832,
553
+ "learning_rate": 0.0001505647764866729,
554
+ "loss": 0.4155,
555
+ "step": 780
556
+ },
557
+ {
558
+ "epoch": 1.2088752869166028,
559
+ "grad_norm": 0.19309297495512096,
560
+ "learning_rate": 0.00014901946313302452,
561
+ "loss": 0.4125,
562
+ "step": 790
563
+ },
564
+ {
565
+ "epoch": 1.2241775057383322,
566
+ "grad_norm": 0.20988205146033515,
567
+ "learning_rate": 0.0001474585846699151,
568
+ "loss": 0.4198,
569
+ "step": 800
570
+ },
571
+ {
572
+ "epoch": 1.2394797245600613,
573
+ "grad_norm": 0.19899429014402967,
574
+ "learning_rate": 0.00014588263672178812,
575
+ "loss": 0.4139,
576
+ "step": 810
577
+ },
578
+ {
579
+ "epoch": 1.2547819433817904,
580
+ "grad_norm": 0.19678065811835893,
581
+ "learning_rate": 0.00014429211969808808,
582
+ "loss": 0.4168,
583
+ "step": 820
584
+ },
585
+ {
586
+ "epoch": 1.2700841622035195,
587
+ "grad_norm": 0.20776458272762527,
588
+ "learning_rate": 0.00014268753863436602,
589
+ "loss": 0.4137,
590
+ "step": 830
591
+ },
592
+ {
593
+ "epoch": 1.2853863810252486,
594
+ "grad_norm": 0.2056945302468653,
595
+ "learning_rate": 0.00014106940303191583,
596
+ "loss": 0.4166,
597
+ "step": 840
598
+ },
599
+ {
600
+ "epoch": 1.300688599846978,
601
+ "grad_norm": 0.20731916359275016,
602
+ "learning_rate": 0.000139438226695993,
603
+ "loss": 0.4179,
604
+ "step": 850
605
+ },
606
+ {
607
+ "epoch": 1.315990818668707,
608
+ "grad_norm": 0.2001144508118885,
609
+ "learning_rate": 0.00013779452757266617,
610
+ "loss": 0.4131,
611
+ "step": 860
612
+ },
613
+ {
614
+ "epoch": 1.3312930374904361,
615
+ "grad_norm": 0.19624161193905473,
616
+ "learning_rate": 0.00013613882758435435,
617
+ "loss": 0.4089,
618
+ "step": 870
619
+ },
620
+ {
621
+ "epoch": 1.3465952563121653,
622
+ "grad_norm": 0.20129114730483852,
623
+ "learning_rate": 0.0001344716524641012,
624
+ "loss": 0.4149,
625
+ "step": 880
626
+ },
627
+ {
628
+ "epoch": 1.3618974751338944,
629
+ "grad_norm": 0.207327826679874,
630
+ "learning_rate": 0.0001327935315886395,
631
+ "loss": 0.4097,
632
+ "step": 890
633
+ },
634
+ {
635
+ "epoch": 1.3771996939556237,
636
+ "grad_norm": 0.2029298678382067,
637
+ "learning_rate": 0.00013110499781029874,
638
+ "loss": 0.4132,
639
+ "step": 900
640
+ },
641
+ {
642
+ "epoch": 1.3925019127773526,
643
+ "grad_norm": 0.20764777212748992,
644
+ "learning_rate": 0.00012940658728780862,
645
+ "loss": 0.4142,
646
+ "step": 910
647
+ },
648
+ {
649
+ "epoch": 1.407804131599082,
650
+ "grad_norm": 0.2017977764168179,
651
+ "learning_rate": 0.00012769883931605333,
652
+ "loss": 0.4212,
653
+ "step": 920
654
+ },
655
+ {
656
+ "epoch": 1.423106350420811,
657
+ "grad_norm": 0.1932903343458798,
658
+ "learning_rate": 0.00012598229615482954,
659
+ "loss": 0.4127,
660
+ "step": 930
661
+ },
662
+ {
663
+ "epoch": 1.4384085692425401,
664
+ "grad_norm": 0.20197440137591363,
665
+ "learning_rate": 0.0001242575028566632,
666
+ "loss": 0.4118,
667
+ "step": 940
668
+ },
669
+ {
670
+ "epoch": 1.4537107880642695,
671
+ "grad_norm": 0.20030727904644482,
672
+ "learning_rate": 0.00012252500709373934,
673
+ "loss": 0.4133,
674
+ "step": 950
675
+ },
676
+ {
677
+ "epoch": 1.4690130068859983,
678
+ "grad_norm": 0.20837354923941284,
679
+ "learning_rate": 0.00012078535898400019,
680
+ "loss": 0.4117,
681
+ "step": 960
682
+ },
683
+ {
684
+ "epoch": 1.4843152257077277,
685
+ "grad_norm": 0.19925595673498087,
686
+ "learning_rate": 0.00011903911091646684,
687
+ "loss": 0.4083,
688
+ "step": 970
689
+ },
690
+ {
691
+ "epoch": 1.4996174445294568,
692
+ "grad_norm": 0.2084484154721651,
693
+ "learning_rate": 0.00011728681737583945,
694
+ "loss": 0.408,
695
+ "step": 980
696
+ },
697
+ {
698
+ "epoch": 1.5149196633511859,
699
+ "grad_norm": 0.20623569681522963,
700
+ "learning_rate": 0.00011552903476643222,
701
+ "loss": 0.4117,
702
+ "step": 990
703
+ },
704
+ {
705
+ "epoch": 1.5302218821729152,
706
+ "grad_norm": 0.19912897780166905,
707
+ "learning_rate": 0.0001137663212354988,
708
+ "loss": 0.4071,
709
+ "step": 1000
710
+ },
711
+ {
712
+ "epoch": 1.545524100994644,
713
+ "grad_norm": 0.2015032395684377,
714
+ "learning_rate": 0.00011199923649600432,
715
+ "loss": 0.4085,
716
+ "step": 1010
717
+ },
718
+ {
719
+ "epoch": 1.5608263198163734,
720
+ "grad_norm": 0.19846674785205634,
721
+ "learning_rate": 0.0001102283416489001,
722
+ "loss": 0.4094,
723
+ "step": 1020
724
+ },
725
+ {
726
+ "epoch": 1.5761285386381025,
727
+ "grad_norm": 0.19503368149396527,
728
+ "learning_rate": 0.00010845419900495772,
729
+ "loss": 0.4031,
730
+ "step": 1030
731
+ },
732
+ {
733
+ "epoch": 1.5914307574598316,
734
+ "grad_norm": 0.20636304448971973,
735
+ "learning_rate": 0.00010667737190621911,
736
+ "loss": 0.4141,
737
+ "step": 1040
738
+ },
739
+ {
740
+ "epoch": 1.606732976281561,
741
+ "grad_norm": 0.19741819850815578,
742
+ "learning_rate": 0.0001048984245471188,
743
+ "loss": 0.4123,
744
+ "step": 1050
745
+ },
746
+ {
747
+ "epoch": 1.6220351951032899,
748
+ "grad_norm": 0.208094236192064,
749
+ "learning_rate": 0.00010311792179533589,
750
+ "loss": 0.4094,
751
+ "step": 1060
752
+ },
753
+ {
754
+ "epoch": 1.6373374139250192,
755
+ "grad_norm": 0.20834394157642375,
756
+ "learning_rate": 0.00010133642901243199,
757
+ "loss": 0.4073,
758
+ "step": 1070
759
+ },
760
+ {
761
+ "epoch": 1.6526396327467483,
762
+ "grad_norm": 0.20325976490051528,
763
+ "learning_rate": 9.955451187433249e-05,
764
+ "loss": 0.4072,
765
+ "step": 1080
766
+ },
767
+ {
768
+ "epoch": 1.6679418515684774,
769
+ "grad_norm": 0.19996940436744937,
770
+ "learning_rate": 9.777273619170796e-05,
771
+ "loss": 0.4067,
772
+ "step": 1090
773
+ },
774
+ {
775
+ "epoch": 1.6832440703902067,
776
+ "grad_norm": 0.19609861659837347,
777
+ "learning_rate": 9.599166773031269e-05,
778
+ "loss": 0.405,
779
+ "step": 1100
780
+ },
781
+ {
782
+ "epoch": 1.6985462892119356,
783
+ "grad_norm": 0.20661663114073753,
784
+ "learning_rate": 9.421187203133763e-05,
785
+ "loss": 0.4089,
786
+ "step": 1110
787
+ },
788
+ {
789
+ "epoch": 1.713848508033665,
790
+ "grad_norm": 0.19921721692896047,
791
+ "learning_rate": 9.243391423183448e-05,
792
+ "loss": 0.4071,
793
+ "step": 1120
794
+ },
795
+ {
796
+ "epoch": 1.729150726855394,
797
+ "grad_norm": 0.20297141939912075,
798
+ "learning_rate": 9.06583588852683e-05,
799
+ "loss": 0.4043,
800
+ "step": 1130
801
+ },
802
+ {
803
+ "epoch": 1.7444529456771232,
804
+ "grad_norm": 0.20714391729089626,
805
+ "learning_rate": 8.888576978225527e-05,
806
+ "loss": 0.4031,
807
+ "step": 1140
808
+ },
809
+ {
810
+ "epoch": 1.7597551644988525,
811
+ "grad_norm": 0.20284798828869055,
812
+ "learning_rate": 8.711670977154274e-05,
813
+ "loss": 0.4051,
814
+ "step": 1150
815
+ },
816
+ {
817
+ "epoch": 1.7750573833205814,
818
+ "grad_norm": 0.20621816413716504,
819
+ "learning_rate": 8.535174058128812e-05,
820
+ "loss": 0.4028,
821
+ "step": 1160
822
+ },
823
+ {
824
+ "epoch": 1.7903596021423107,
825
+ "grad_norm": 0.2107861816265634,
826
+ "learning_rate": 8.359142264069424e-05,
827
+ "loss": 0.3972,
828
+ "step": 1170
829
+ },
830
+ {
831
+ "epoch": 1.8056618209640398,
832
+ "grad_norm": 0.20926246575879495,
833
+ "learning_rate": 8.183631490205637e-05,
834
+ "loss": 0.4033,
835
+ "step": 1180
836
+ },
837
+ {
838
+ "epoch": 1.820964039785769,
839
+ "grad_norm": 0.20398570550310058,
840
+ "learning_rate": 8.008697466327865e-05,
841
+ "loss": 0.3994,
842
+ "step": 1190
843
+ },
844
+ {
845
+ "epoch": 1.836266258607498,
846
+ "grad_norm": 0.21408610304309247,
847
+ "learning_rate": 7.834395739091585e-05,
848
+ "loss": 0.3971,
849
+ "step": 1200
850
+ },
851
+ {
852
+ "epoch": 1.8515684774292271,
853
+ "grad_norm": 0.2059678534725396,
854
+ "learning_rate": 7.660781654379638e-05,
855
+ "loss": 0.4004,
856
+ "step": 1210
857
+ },
858
+ {
859
+ "epoch": 1.8668706962509565,
860
+ "grad_norm": 0.20089108656511492,
861
+ "learning_rate": 7.487910339728308e-05,
862
+ "loss": 0.398,
863
+ "step": 1220
864
+ },
865
+ {
866
+ "epoch": 1.8821729150726856,
867
+ "grad_norm": 0.2089057556225053,
868
+ "learning_rate": 7.315836686822729e-05,
869
+ "loss": 0.4,
870
+ "step": 1230
871
+ },
872
+ {
873
+ "epoch": 1.8974751338944147,
874
+ "grad_norm": 0.2076979091587327,
875
+ "learning_rate": 7.14461533406714e-05,
876
+ "loss": 0.3942,
877
+ "step": 1240
878
+ },
879
+ {
880
+ "epoch": 1.9127773527161438,
881
+ "grad_norm": 0.2075858197523019,
882
+ "learning_rate": 6.974300649235633e-05,
883
+ "loss": 0.4004,
884
+ "step": 1250
885
+ },
886
+ {
887
+ "epoch": 1.928079571537873,
888
+ "grad_norm": 0.21210310960815237,
889
+ "learning_rate": 6.804946712208793e-05,
890
+ "loss": 0.4021,
891
+ "step": 1260
892
+ },
893
+ {
894
+ "epoch": 1.9433817903596022,
895
+ "grad_norm": 0.21341887577251997,
896
+ "learning_rate": 6.63660729780174e-05,
897
+ "loss": 0.3954,
898
+ "step": 1270
899
+ },
900
+ {
901
+ "epoch": 1.9586840091813313,
902
+ "grad_norm": 0.22172559452313256,
903
+ "learning_rate": 6.469335858689074e-05,
904
+ "loss": 0.4002,
905
+ "step": 1280
906
+ },
907
+ {
908
+ "epoch": 1.9739862280030605,
909
+ "grad_norm": 0.20709389048082577,
910
+ "learning_rate": 6.303185508432085e-05,
911
+ "loss": 0.4018,
912
+ "step": 1290
913
+ },
914
+ {
915
+ "epoch": 1.9892884468247896,
916
+ "grad_norm": 0.21370736036441443,
917
+ "learning_rate": 6.138209004613647e-05,
918
+ "loss": 0.3955,
919
+ "step": 1300
920
+ },
921
+ {
922
+ "epoch": 2.0045906656465187,
923
+ "grad_norm": 0.20094204383719153,
924
+ "learning_rate": 5.974458732086149e-05,
925
+ "loss": 0.3851,
926
+ "step": 1310
927
+ },
928
+ {
929
+ "epoch": 2.019892884468248,
930
+ "grad_norm": 0.22289055701062488,
931
+ "learning_rate": 5.81198668633778e-05,
932
+ "loss": 0.3674,
933
+ "step": 1320
934
+ },
935
+ {
936
+ "epoch": 2.035195103289977,
937
+ "grad_norm": 0.22724332895866212,
938
+ "learning_rate": 5.6508444569824315e-05,
939
+ "loss": 0.3614,
940
+ "step": 1330
941
+ },
942
+ {
943
+ "epoch": 2.050497322111706,
944
+ "grad_norm": 0.23888425948419684,
945
+ "learning_rate": 5.491083211378505e-05,
946
+ "loss": 0.3614,
947
+ "step": 1340
948
+ },
949
+ {
950
+ "epoch": 2.0657995409334355,
951
+ "grad_norm": 0.23068081709857463,
952
+ "learning_rate": 5.3327536783817766e-05,
953
+ "loss": 0.3644,
954
+ "step": 1350
955
+ },
956
+ {
957
+ "epoch": 2.0811017597551644,
958
+ "grad_norm": 0.2460582871625401,
959
+ "learning_rate": 5.1759061322375045e-05,
960
+ "loss": 0.3634,
961
+ "step": 1360
962
+ },
963
+ {
964
+ "epoch": 2.0964039785768938,
965
+ "grad_norm": 0.24787239171921766,
966
+ "learning_rate": 5.0205903766168915e-05,
967
+ "loss": 0.3612,
968
+ "step": 1370
969
+ },
970
+ {
971
+ "epoch": 2.1117061973986226,
972
+ "grad_norm": 0.23563510103472043,
973
+ "learning_rate": 4.8668557288029684e-05,
974
+ "loss": 0.3627,
975
+ "step": 1380
976
+ },
977
+ {
978
+ "epoch": 2.127008416220352,
979
+ "grad_norm": 0.23966764070729765,
980
+ "learning_rate": 4.7147510040309115e-05,
981
+ "loss": 0.3633,
982
+ "step": 1390
983
+ },
984
+ {
985
+ "epoch": 2.1423106350420813,
986
+ "grad_norm": 0.24153476110732292,
987
+ "learning_rate": 4.56432449998779e-05,
988
+ "loss": 0.3621,
989
+ "step": 1400
990
+ },
991
+ {
992
+ "epoch": 2.15761285386381,
993
+ "grad_norm": 0.23966649969853318,
994
+ "learning_rate": 4.4156239814766355e-05,
995
+ "loss": 0.3597,
996
+ "step": 1410
997
+ },
998
+ {
999
+ "epoch": 2.1729150726855395,
1000
+ "grad_norm": 0.2492626290666687,
1001
+ "learning_rate": 4.268696665249724e-05,
1002
+ "loss": 0.3663,
1003
+ "step": 1420
1004
+ },
1005
+ {
1006
+ "epoch": 2.1882172915072684,
1007
+ "grad_norm": 0.24762132725809086,
1008
+ "learning_rate": 4.1235892050158866e-05,
1009
+ "loss": 0.3604,
1010
+ "step": 1430
1011
+ },
1012
+ {
1013
+ "epoch": 2.2035195103289977,
1014
+ "grad_norm": 0.24689838661058983,
1015
+ "learning_rate": 3.9803476766265835e-05,
1016
+ "loss": 0.3648,
1017
+ "step": 1440
1018
+ },
1019
+ {
1020
+ "epoch": 2.218821729150727,
1021
+ "grad_norm": 0.24705256051578678,
1022
+ "learning_rate": 3.839017563445489e-05,
1023
+ "loss": 0.3625,
1024
+ "step": 1450
1025
+ },
1026
+ {
1027
+ "epoch": 2.234123947972456,
1028
+ "grad_norm": 0.2496443256139868,
1029
+ "learning_rate": 3.699643741906193e-05,
1030
+ "loss": 0.3545,
1031
+ "step": 1460
1032
+ },
1033
+ {
1034
+ "epoch": 2.2494261667941853,
1035
+ "grad_norm": 0.249005841241916,
1036
+ "learning_rate": 3.562270467262619e-05,
1037
+ "loss": 0.3601,
1038
+ "step": 1470
1039
+ },
1040
+ {
1041
+ "epoch": 2.264728385615914,
1042
+ "grad_norm": 0.24757649232051404,
1043
+ "learning_rate": 3.426941359536699e-05,
1044
+ "loss": 0.3576,
1045
+ "step": 1480
1046
+ },
1047
+ {
1048
+ "epoch": 2.2800306044376435,
1049
+ "grad_norm": 0.25451870114574876,
1050
+ "learning_rate": 3.293699389667734e-05,
1051
+ "loss": 0.3648,
1052
+ "step": 1490
1053
+ },
1054
+ {
1055
+ "epoch": 2.295332823259373,
1056
+ "grad_norm": 0.2453131567916715,
1057
+ "learning_rate": 3.1625868658678784e-05,
1058
+ "loss": 0.3625,
1059
+ "step": 1500
1060
+ },
1061
+ {
1062
+ "epoch": 2.3106350420811017,
1063
+ "grad_norm": 0.26123253732278273,
1064
+ "learning_rate": 3.0336454201880404e-05,
1065
+ "loss": 0.3557,
1066
+ "step": 1510
1067
+ },
1068
+ {
1069
+ "epoch": 2.325937260902831,
1070
+ "grad_norm": 0.2626580334343511,
1071
+ "learning_rate": 2.9069159952984938e-05,
1072
+ "loss": 0.3566,
1073
+ "step": 1520
1074
+ },
1075
+ {
1076
+ "epoch": 2.34123947972456,
1077
+ "grad_norm": 0.25003501828393526,
1078
+ "learning_rate": 2.7824388314883876e-05,
1079
+ "loss": 0.3591,
1080
+ "step": 1530
1081
+ },
1082
+ {
1083
+ "epoch": 2.3565416985462893,
1084
+ "grad_norm": 0.2507207739640118,
1085
+ "learning_rate": 2.6602534538882752e-05,
1086
+ "loss": 0.358,
1087
+ "step": 1540
1088
+ },
1089
+ {
1090
+ "epoch": 2.371843917368018,
1091
+ "grad_norm": 0.2512257287691549,
1092
+ "learning_rate": 2.5403986599197403e-05,
1093
+ "loss": 0.3501,
1094
+ "step": 1550
1095
+ },
1096
+ {
1097
+ "epoch": 2.3871461361897475,
1098
+ "grad_norm": 0.2499142391014787,
1099
+ "learning_rate": 2.4229125069760773e-05,
1100
+ "loss": 0.3517,
1101
+ "step": 1560
1102
+ },
1103
+ {
1104
+ "epoch": 2.402448355011477,
1105
+ "grad_norm": 0.24884412260444377,
1106
+ "learning_rate": 2.30783230033796e-05,
1107
+ "loss": 0.3568,
1108
+ "step": 1570
1109
+ },
1110
+ {
1111
+ "epoch": 2.4177505738332057,
1112
+ "grad_norm": 0.25335712662759613,
1113
+ "learning_rate": 2.1951945813279306e-05,
1114
+ "loss": 0.3547,
1115
+ "step": 1580
1116
+ },
1117
+ {
1118
+ "epoch": 2.433052792654935,
1119
+ "grad_norm": 0.24937746984746909,
1120
+ "learning_rate": 2.0850351157074598e-05,
1121
+ "loss": 0.353,
1122
+ "step": 1590
1123
+ },
1124
+ {
1125
+ "epoch": 2.4483550114766643,
1126
+ "grad_norm": 0.26237405083230225,
1127
+ "learning_rate": 1.9773888823202747e-05,
1128
+ "loss": 0.3579,
1129
+ "step": 1600
1130
+ },
1131
+ {
1132
+ "epoch": 2.4636572302983932,
1133
+ "grad_norm": 0.24937407019841143,
1134
+ "learning_rate": 1.8722900619855577e-05,
1135
+ "loss": 0.3562,
1136
+ "step": 1610
1137
+ },
1138
+ {
1139
+ "epoch": 2.4789594491201226,
1140
+ "grad_norm": 0.2497739493217595,
1141
+ "learning_rate": 1.7697720266445374e-05,
1142
+ "loss": 0.3512,
1143
+ "step": 1620
1144
+ },
1145
+ {
1146
+ "epoch": 2.4942616679418514,
1147
+ "grad_norm": 0.250399923768968,
1148
+ "learning_rate": 1.6698673287639242e-05,
1149
+ "loss": 0.3556,
1150
+ "step": 1630
1151
+ },
1152
+ {
1153
+ "epoch": 2.5095638867635808,
1154
+ "grad_norm": 0.2538234603963528,
1155
+ "learning_rate": 1.5726076909995525e-05,
1156
+ "loss": 0.355,
1157
+ "step": 1640
1158
+ },
1159
+ {
1160
+ "epoch": 2.5248661055853097,
1161
+ "grad_norm": 0.2504434686740776,
1162
+ "learning_rate": 1.4780239961235143e-05,
1163
+ "loss": 0.3581,
1164
+ "step": 1650
1165
+ },
1166
+ {
1167
+ "epoch": 2.540168324407039,
1168
+ "grad_norm": 0.2537006354023553,
1169
+ "learning_rate": 1.3861462772179735e-05,
1170
+ "loss": 0.3529,
1171
+ "step": 1660
1172
+ },
1173
+ {
1174
+ "epoch": 2.5554705432287683,
1175
+ "grad_norm": 0.2560925692389684,
1176
+ "learning_rate": 1.297003708138792e-05,
1177
+ "loss": 0.3584,
1178
+ "step": 1670
1179
+ },
1180
+ {
1181
+ "epoch": 2.570772762050497,
1182
+ "grad_norm": 0.25340005468102866,
1183
+ "learning_rate": 1.2106245942519745e-05,
1184
+ "loss": 0.3562,
1185
+ "step": 1680
1186
+ },
1187
+ {
1188
+ "epoch": 2.5860749808722265,
1189
+ "grad_norm": 0.25785387176401525,
1190
+ "learning_rate": 1.1270363634458903e-05,
1191
+ "loss": 0.3541,
1192
+ "step": 1690
1193
+ },
1194
+ {
1195
+ "epoch": 2.601377199693956,
1196
+ "grad_norm": 0.2615280811952495,
1197
+ "learning_rate": 1.0462655574221213e-05,
1198
+ "loss": 0.3553,
1199
+ "step": 1700
1200
+ },
1201
+ {
1202
+ "epoch": 2.6166794185156848,
1203
+ "grad_norm": 0.24663819526398556,
1204
+ "learning_rate": 9.683378232676965e-06,
1205
+ "loss": 0.3532,
1206
+ "step": 1710
1207
+ },
1208
+ {
1209
+ "epoch": 2.631981637337414,
1210
+ "grad_norm": 0.2614751928374674,
1211
+ "learning_rate": 8.932779053113893e-06,
1212
+ "loss": 0.3546,
1213
+ "step": 1720
1214
+ },
1215
+ {
1216
+ "epoch": 2.647283856159143,
1217
+ "grad_norm": 0.25884670404819016,
1218
+ "learning_rate": 8.211096372666783e-06,
1219
+ "loss": 0.3559,
1220
+ "step": 1730
1221
+ },
1222
+ {
1223
+ "epoch": 2.6625860749808723,
1224
+ "grad_norm": 0.26303763365287397,
1225
+ "learning_rate": 7.518559346638432e-06,
1226
+ "loss": 0.3556,
1227
+ "step": 1740
1228
+ },
1229
+ {
1230
+ "epoch": 2.677888293802601,
1231
+ "grad_norm": 0.2591833975916801,
1232
+ "learning_rate": 6.855387875736152e-06,
1233
+ "loss": 0.3577,
1234
+ "step": 1750
1235
+ },
1236
+ {
1237
+ "epoch": 2.6931905126243305,
1238
+ "grad_norm": 0.24688502674320847,
1239
+ "learning_rate": 6.221792536246973e-06,
1240
+ "loss": 0.3557,
1241
+ "step": 1760
1242
+ },
1243
+ {
1244
+ "epoch": 2.70849273144606,
1245
+ "grad_norm": 0.26100100849151864,
1246
+ "learning_rate": 5.617974513173341e-06,
1247
+ "loss": 0.3548,
1248
+ "step": 1770
1249
+ },
1250
+ {
1251
+ "epoch": 2.7237949502677887,
1252
+ "grad_norm": 0.2699346579349574,
1253
+ "learning_rate": 5.044125536351196e-06,
1254
+ "loss": 0.3511,
1255
+ "step": 1780
1256
+ },
1257
+ {
1258
+ "epoch": 2.739097169089518,
1259
+ "grad_norm": 0.2717440390716044,
1260
+ "learning_rate": 4.500427819570097e-06,
1261
+ "loss": 0.3494,
1262
+ "step": 1790
1263
+ },
1264
+ {
1265
+ "epoch": 2.7543993879112474,
1266
+ "grad_norm": 0.2579283254483208,
1267
+ "learning_rate": 3.987054002714952e-06,
1268
+ "loss": 0.3569,
1269
+ "step": 1800
1270
+ },
1271
+ {
1272
+ "epoch": 2.7697016067329763,
1273
+ "grad_norm": 0.2594723269046269,
1274
+ "learning_rate": 3.504167096947952e-06,
1275
+ "loss": 0.3516,
1276
+ "step": 1810
1277
+ },
1278
+ {
1279
+ "epoch": 2.785003825554705,
1280
+ "grad_norm": 0.256455133609715,
1281
+ "learning_rate": 3.051920432947664e-06,
1282
+ "loss": 0.3512,
1283
+ "step": 1820
1284
+ },
1285
+ {
1286
+ "epoch": 2.8003060443764345,
1287
+ "grad_norm": 0.2621246657840175,
1288
+ "learning_rate": 2.6304576122221035e-06,
1289
+ "loss": 0.3527,
1290
+ "step": 1830
1291
+ },
1292
+ {
1293
+ "epoch": 2.815608263198164,
1294
+ "grad_norm": 0.26278995363196544,
1295
+ "learning_rate": 2.2399124615110846e-06,
1296
+ "loss": 0.3518,
1297
+ "step": 1840
1298
+ },
1299
+ {
1300
+ "epoch": 2.8309104820198927,
1301
+ "grad_norm": 0.27091602282401345,
1302
+ "learning_rate": 1.880408990292315e-06,
1303
+ "loss": 0.3581,
1304
+ "step": 1850
1305
+ },
1306
+ {
1307
+ "epoch": 2.846212700841622,
1308
+ "grad_norm": 0.25572786473847814,
1309
+ "learning_rate": 1.5520613514047655e-06,
1310
+ "loss": 0.3562,
1311
+ "step": 1860
1312
+ },
1313
+ {
1314
+ "epoch": 2.8615149196633514,
1315
+ "grad_norm": 0.26244627787054337,
1316
+ "learning_rate": 1.2549738048017846e-06,
1317
+ "loss": 0.3552,
1318
+ "step": 1870
1319
+ },
1320
+ {
1321
+ "epoch": 2.8768171384850802,
1322
+ "grad_norm": 0.26131103676147655,
1323
+ "learning_rate": 9.892406844456026e-07,
1324
+ "loss": 0.352,
1325
+ "step": 1880
1326
+ },
1327
+ {
1328
+ "epoch": 2.8921193573068096,
1329
+ "grad_norm": 0.27449669022834305,
1330
+ "learning_rate": 7.549463683534374e-07,
1331
+ "loss": 0.3504,
1332
+ "step": 1890
1333
+ },
1334
+ {
1335
+ "epoch": 2.907421576128539,
1336
+ "grad_norm": 0.264605800831863,
1337
+ "learning_rate": 5.521652518051368e-07,
1338
+ "loss": 0.3515,
1339
+ "step": 1900
1340
+ },
1341
+ {
1342
+ "epoch": 2.922723794950268,
1343
+ "grad_norm": 0.2618398016329481,
1344
+ "learning_rate": 3.809617237203744e-07,
1345
+ "loss": 0.3561,
1346
+ "step": 1910
1347
+ },
1348
+ {
1349
+ "epoch": 2.9380260137719967,
1350
+ "grad_norm": 0.26831015620903936,
1351
+ "learning_rate": 2.4139014621340494e-07,
1352
+ "loss": 0.3527,
1353
+ "step": 1920
1354
+ },
1355
+ {
1356
+ "epoch": 2.953328232593726,
1357
+ "grad_norm": 0.26666302239559175,
1358
+ "learning_rate": 1.334948373314493e-07,
1359
+ "loss": 0.3562,
1360
+ "step": 1930
1361
+ },
1362
+ {
1363
+ "epoch": 2.9686304514154553,
1364
+ "grad_norm": 0.262359494195635,
1365
+ "learning_rate": 5.7310056982418094e-08,
1366
+ "loss": 0.355,
1367
+ "step": 1940
1368
+ },
1369
+ {
1370
+ "epoch": 2.9839326702371842,
1371
+ "grad_norm": 0.2576422839291312,
1372
+ "learning_rate": 1.2859996056402423e-08,
1373
+ "loss": 0.3531,
1374
+ "step": 1950
1375
+ },
1376
+ {
1377
+ "epoch": 2.9977046671767407,
1378
+ "step": 1959,
1379
+ "total_flos": 3660773289099264.0,
1380
+ "train_loss": 0.4337311900958168,
1381
+ "train_runtime": 5331.8775,
1382
+ "train_samples_per_second": 5.882,
1383
+ "train_steps_per_second": 0.367
1384
+ }
1385
+ ],
1386
+ "logging_steps": 10,
1387
+ "max_steps": 1959,
1388
+ "num_input_tokens_seen": 0,
1389
+ "num_train_epochs": 3,
1390
+ "save_steps": 500,
1391
+ "stateful_callbacks": {
1392
+ "TrainerControl": {
1393
+ "args": {
1394
+ "should_epoch_stop": false,
1395
+ "should_evaluate": false,
1396
+ "should_log": false,
1397
+ "should_save": true,
1398
+ "should_training_stop": true
1399
+ },
1400
+ "attributes": {}
1401
+ }
1402
+ },
1403
+ "total_flos": 3660773289099264.0,
1404
+ "train_batch_size": 4,
1405
+ "trial_name": null,
1406
+ "trial_params": null
1407
+ }