system HF staff commited on
Commit
b083460
1 Parent(s): 8c44006

Update trainer_state.json

Browse files
Files changed (1) hide show
  1. trainer_state.json +1216 -0
trainer_state.json ADDED
@@ -0,0 +1,1216 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": 0.88762098828324,
3
+ "best_model_checkpoint": "test-glue/checkpoint-98176",
4
+ "epoch": 4.0,
5
+ "global_step": 98176,
6
+ "is_hyper_param_search": false,
7
+ "is_local_process_zero": true,
8
+ "is_world_process_zero": true,
9
+ "log_history": [
10
+ {
11
+ "epoch": 0.020371577574967405,
12
+ "learning_rate": 1.9898142112125166e-05,
13
+ "loss": 0.659133544921875,
14
+ "step": 500
15
+ },
16
+ {
17
+ "epoch": 0.04074315514993481,
18
+ "learning_rate": 1.9796284224250328e-05,
19
+ "loss": 0.5110537109375,
20
+ "step": 1000
21
+ },
22
+ {
23
+ "epoch": 0.06111473272490222,
24
+ "learning_rate": 1.969442633637549e-05,
25
+ "loss": 0.485730224609375,
26
+ "step": 1500
27
+ },
28
+ {
29
+ "epoch": 0.08148631029986962,
30
+ "learning_rate": 1.9592568448500654e-05,
31
+ "loss": 0.48240771484375,
32
+ "step": 2000
33
+ },
34
+ {
35
+ "epoch": 0.10185788787483703,
36
+ "learning_rate": 1.9490710560625816e-05,
37
+ "loss": 0.46434228515625,
38
+ "step": 2500
39
+ },
40
+ {
41
+ "epoch": 0.12222946544980444,
42
+ "learning_rate": 1.938885267275098e-05,
43
+ "loss": 0.449291259765625,
44
+ "step": 3000
45
+ },
46
+ {
47
+ "epoch": 0.14260104302477183,
48
+ "learning_rate": 1.9286994784876142e-05,
49
+ "loss": 0.4585693359375,
50
+ "step": 3500
51
+ },
52
+ {
53
+ "epoch": 0.16297262059973924,
54
+ "learning_rate": 1.9185136897001307e-05,
55
+ "loss": 0.44105908203125,
56
+ "step": 4000
57
+ },
58
+ {
59
+ "epoch": 0.18334419817470665,
60
+ "learning_rate": 1.9083279009126468e-05,
61
+ "loss": 0.444558837890625,
62
+ "step": 4500
63
+ },
64
+ {
65
+ "epoch": 0.20371577574967406,
66
+ "learning_rate": 1.898142112125163e-05,
67
+ "loss": 0.45100146484375,
68
+ "step": 5000
69
+ },
70
+ {
71
+ "epoch": 0.22408735332464147,
72
+ "learning_rate": 1.8879563233376795e-05,
73
+ "loss": 0.448494140625,
74
+ "step": 5500
75
+ },
76
+ {
77
+ "epoch": 0.24445893089960888,
78
+ "learning_rate": 1.8777705345501956e-05,
79
+ "loss": 0.4301044921875,
80
+ "step": 6000
81
+ },
82
+ {
83
+ "epoch": 0.2648305084745763,
84
+ "learning_rate": 1.867584745762712e-05,
85
+ "loss": 0.42643359375,
86
+ "step": 6500
87
+ },
88
+ {
89
+ "epoch": 0.28520208604954367,
90
+ "learning_rate": 1.8573989569752282e-05,
91
+ "loss": 0.41756689453125,
92
+ "step": 7000
93
+ },
94
+ {
95
+ "epoch": 0.3055736636245111,
96
+ "learning_rate": 1.8472131681877447e-05,
97
+ "loss": 0.4308828125,
98
+ "step": 7500
99
+ },
100
+ {
101
+ "epoch": 0.3259452411994785,
102
+ "learning_rate": 1.837027379400261e-05,
103
+ "loss": 0.41683154296875,
104
+ "step": 8000
105
+ },
106
+ {
107
+ "epoch": 0.34631681877444587,
108
+ "learning_rate": 1.8268415906127773e-05,
109
+ "loss": 0.413720703125,
110
+ "step": 8500
111
+ },
112
+ {
113
+ "epoch": 0.3666883963494133,
114
+ "learning_rate": 1.8166558018252935e-05,
115
+ "loss": 0.425869140625,
116
+ "step": 9000
117
+ },
118
+ {
119
+ "epoch": 0.3870599739243807,
120
+ "learning_rate": 1.80647001303781e-05,
121
+ "loss": 0.42243359375,
122
+ "step": 9500
123
+ },
124
+ {
125
+ "epoch": 0.4074315514993481,
126
+ "learning_rate": 1.796284224250326e-05,
127
+ "loss": 0.415326171875,
128
+ "step": 10000
129
+ },
130
+ {
131
+ "epoch": 0.4278031290743155,
132
+ "learning_rate": 1.7860984354628423e-05,
133
+ "loss": 0.4072890625,
134
+ "step": 10500
135
+ },
136
+ {
137
+ "epoch": 0.44817470664928294,
138
+ "learning_rate": 1.7759126466753587e-05,
139
+ "loss": 0.4062841796875,
140
+ "step": 11000
141
+ },
142
+ {
143
+ "epoch": 0.4685462842242503,
144
+ "learning_rate": 1.765726857887875e-05,
145
+ "loss": 0.3890205078125,
146
+ "step": 11500
147
+ },
148
+ {
149
+ "epoch": 0.48891786179921776,
150
+ "learning_rate": 1.7555410691003914e-05,
151
+ "loss": 0.3969296875,
152
+ "step": 12000
153
+ },
154
+ {
155
+ "epoch": 0.5092894393741851,
156
+ "learning_rate": 1.7453552803129075e-05,
157
+ "loss": 0.3952880859375,
158
+ "step": 12500
159
+ },
160
+ {
161
+ "epoch": 0.5296610169491526,
162
+ "learning_rate": 1.7351694915254237e-05,
163
+ "loss": 0.41177734375,
164
+ "step": 13000
165
+ },
166
+ {
167
+ "epoch": 0.5500325945241199,
168
+ "learning_rate": 1.72498370273794e-05,
169
+ "loss": 0.3807109375,
170
+ "step": 13500
171
+ },
172
+ {
173
+ "epoch": 0.5704041720990873,
174
+ "learning_rate": 1.7147979139504566e-05,
175
+ "loss": 0.403853515625,
176
+ "step": 14000
177
+ },
178
+ {
179
+ "epoch": 0.5907757496740548,
180
+ "learning_rate": 1.7046121251629728e-05,
181
+ "loss": 0.411607421875,
182
+ "step": 14500
183
+ },
184
+ {
185
+ "epoch": 0.6111473272490222,
186
+ "learning_rate": 1.6944263363754893e-05,
187
+ "loss": 0.3996162109375,
188
+ "step": 15000
189
+ },
190
+ {
191
+ "epoch": 0.6315189048239895,
192
+ "learning_rate": 1.6842405475880054e-05,
193
+ "loss": 0.3948984375,
194
+ "step": 15500
195
+ },
196
+ {
197
+ "epoch": 0.651890482398957,
198
+ "learning_rate": 1.6740547588005215e-05,
199
+ "loss": 0.389115234375,
200
+ "step": 16000
201
+ },
202
+ {
203
+ "epoch": 0.6722620599739244,
204
+ "learning_rate": 1.663868970013038e-05,
205
+ "loss": 0.403466796875,
206
+ "step": 16500
207
+ },
208
+ {
209
+ "epoch": 0.6926336375488917,
210
+ "learning_rate": 1.6536831812255542e-05,
211
+ "loss": 0.4059140625,
212
+ "step": 17000
213
+ },
214
+ {
215
+ "epoch": 0.7130052151238592,
216
+ "learning_rate": 1.6434973924380707e-05,
217
+ "loss": 0.3873095703125,
218
+ "step": 17500
219
+ },
220
+ {
221
+ "epoch": 0.7333767926988266,
222
+ "learning_rate": 1.6333116036505868e-05,
223
+ "loss": 0.3887783203125,
224
+ "step": 18000
225
+ },
226
+ {
227
+ "epoch": 0.753748370273794,
228
+ "learning_rate": 1.623125814863103e-05,
229
+ "loss": 0.395041015625,
230
+ "step": 18500
231
+ },
232
+ {
233
+ "epoch": 0.7741199478487614,
234
+ "learning_rate": 1.6129400260756194e-05,
235
+ "loss": 0.39855078125,
236
+ "step": 19000
237
+ },
238
+ {
239
+ "epoch": 0.7944915254237288,
240
+ "learning_rate": 1.6027542372881356e-05,
241
+ "loss": 0.390134765625,
242
+ "step": 19500
243
+ },
244
+ {
245
+ "epoch": 0.8148631029986962,
246
+ "learning_rate": 1.592568448500652e-05,
247
+ "loss": 0.3717578125,
248
+ "step": 20000
249
+ },
250
+ {
251
+ "epoch": 0.8352346805736637,
252
+ "learning_rate": 1.5823826597131685e-05,
253
+ "loss": 0.387556640625,
254
+ "step": 20500
255
+ },
256
+ {
257
+ "epoch": 0.855606258148631,
258
+ "learning_rate": 1.5721968709256844e-05,
259
+ "loss": 0.389892578125,
260
+ "step": 21000
261
+ },
262
+ {
263
+ "epoch": 0.8759778357235984,
264
+ "learning_rate": 1.562011082138201e-05,
265
+ "loss": 0.38671875,
266
+ "step": 21500
267
+ },
268
+ {
269
+ "epoch": 0.8963494132985659,
270
+ "learning_rate": 1.5518252933507173e-05,
271
+ "loss": 0.36665234375,
272
+ "step": 22000
273
+ },
274
+ {
275
+ "epoch": 0.9167209908735332,
276
+ "learning_rate": 1.5416395045632335e-05,
277
+ "loss": 0.3940859375,
278
+ "step": 22500
279
+ },
280
+ {
281
+ "epoch": 0.9370925684485006,
282
+ "learning_rate": 1.53145371577575e-05,
283
+ "loss": 0.382552734375,
284
+ "step": 23000
285
+ },
286
+ {
287
+ "epoch": 0.9574641460234681,
288
+ "learning_rate": 1.5212679269882663e-05,
289
+ "loss": 0.38312109375,
290
+ "step": 23500
291
+ },
292
+ {
293
+ "epoch": 0.9778357235984355,
294
+ "learning_rate": 1.5110821382007822e-05,
295
+ "loss": 0.3804765625,
296
+ "step": 24000
297
+ },
298
+ {
299
+ "epoch": 0.9982073011734028,
300
+ "learning_rate": 1.5008963494132987e-05,
301
+ "loss": 0.383294921875,
302
+ "step": 24500
303
+ },
304
+ {
305
+ "epoch": 1.0,
306
+ "eval_accuracy": 0.8807947019867549,
307
+ "eval_loss": 0.3417690396308899,
308
+ "step": 24544
309
+ },
310
+ {
311
+ "epoch": 1.0185788787483703,
312
+ "learning_rate": 1.490710560625815e-05,
313
+ "loss": 0.293595703125,
314
+ "step": 25000
315
+ },
316
+ {
317
+ "epoch": 1.0389504563233376,
318
+ "learning_rate": 1.4805247718383314e-05,
319
+ "loss": 0.29225,
320
+ "step": 25500
321
+ },
322
+ {
323
+ "epoch": 1.0593220338983051,
324
+ "learning_rate": 1.4703389830508477e-05,
325
+ "loss": 0.294130859375,
326
+ "step": 26000
327
+ },
328
+ {
329
+ "epoch": 1.0796936114732725,
330
+ "learning_rate": 1.4601531942633638e-05,
331
+ "loss": 0.28494921875,
332
+ "step": 26500
333
+ },
334
+ {
335
+ "epoch": 1.1000651890482398,
336
+ "learning_rate": 1.4499674054758801e-05,
337
+ "loss": 0.28199609375,
338
+ "step": 27000
339
+ },
340
+ {
341
+ "epoch": 1.1204367666232073,
342
+ "learning_rate": 1.4397816166883964e-05,
343
+ "loss": 0.28830078125,
344
+ "step": 27500
345
+ },
346
+ {
347
+ "epoch": 1.1408083441981747,
348
+ "learning_rate": 1.4295958279009128e-05,
349
+ "loss": 0.283265625,
350
+ "step": 28000
351
+ },
352
+ {
353
+ "epoch": 1.161179921773142,
354
+ "learning_rate": 1.419410039113429e-05,
355
+ "loss": 0.284984375,
356
+ "step": 28500
357
+ },
358
+ {
359
+ "epoch": 1.1815514993481095,
360
+ "learning_rate": 1.4092242503259454e-05,
361
+ "loss": 0.2741875,
362
+ "step": 29000
363
+ },
364
+ {
365
+ "epoch": 1.2019230769230769,
366
+ "learning_rate": 1.3990384615384615e-05,
367
+ "loss": 0.293828125,
368
+ "step": 29500
369
+ },
370
+ {
371
+ "epoch": 1.2222946544980444,
372
+ "learning_rate": 1.3888526727509778e-05,
373
+ "loss": 0.291970703125,
374
+ "step": 30000
375
+ },
376
+ {
377
+ "epoch": 1.2426662320730117,
378
+ "learning_rate": 1.3786668839634942e-05,
379
+ "loss": 0.2823515625,
380
+ "step": 30500
381
+ },
382
+ {
383
+ "epoch": 1.263037809647979,
384
+ "learning_rate": 1.3684810951760106e-05,
385
+ "loss": 0.2898671875,
386
+ "step": 31000
387
+ },
388
+ {
389
+ "epoch": 1.2834093872229466,
390
+ "learning_rate": 1.358295306388527e-05,
391
+ "loss": 0.291859375,
392
+ "step": 31500
393
+ },
394
+ {
395
+ "epoch": 1.303780964797914,
396
+ "learning_rate": 1.3481095176010431e-05,
397
+ "loss": 0.292462890625,
398
+ "step": 32000
399
+ },
400
+ {
401
+ "epoch": 1.3241525423728815,
402
+ "learning_rate": 1.3379237288135594e-05,
403
+ "loss": 0.29555859375,
404
+ "step": 32500
405
+ },
406
+ {
407
+ "epoch": 1.3445241199478488,
408
+ "learning_rate": 1.3277379400260757e-05,
409
+ "loss": 0.288212890625,
410
+ "step": 33000
411
+ },
412
+ {
413
+ "epoch": 1.3648956975228161,
414
+ "learning_rate": 1.317552151238592e-05,
415
+ "loss": 0.294849609375,
416
+ "step": 33500
417
+ },
418
+ {
419
+ "epoch": 1.3852672750977835,
420
+ "learning_rate": 1.3073663624511084e-05,
421
+ "loss": 0.289576171875,
422
+ "step": 34000
423
+ },
424
+ {
425
+ "epoch": 1.405638852672751,
426
+ "learning_rate": 1.2971805736636247e-05,
427
+ "loss": 0.289185546875,
428
+ "step": 34500
429
+ },
430
+ {
431
+ "epoch": 1.4260104302477183,
432
+ "learning_rate": 1.2869947848761408e-05,
433
+ "loss": 0.283068359375,
434
+ "step": 35000
435
+ },
436
+ {
437
+ "epoch": 1.4463820078226859,
438
+ "learning_rate": 1.2768089960886571e-05,
439
+ "loss": 0.28625390625,
440
+ "step": 35500
441
+ },
442
+ {
443
+ "epoch": 1.4667535853976532,
444
+ "learning_rate": 1.2666232073011735e-05,
445
+ "loss": 0.282048828125,
446
+ "step": 36000
447
+ },
448
+ {
449
+ "epoch": 1.4871251629726205,
450
+ "learning_rate": 1.2564374185136898e-05,
451
+ "loss": 0.28896484375,
452
+ "step": 36500
453
+ },
454
+ {
455
+ "epoch": 1.5074967405475879,
456
+ "learning_rate": 1.2462516297262063e-05,
457
+ "loss": 0.276443359375,
458
+ "step": 37000
459
+ },
460
+ {
461
+ "epoch": 1.5278683181225554,
462
+ "learning_rate": 1.2360658409387226e-05,
463
+ "loss": 0.310044921875,
464
+ "step": 37500
465
+ },
466
+ {
467
+ "epoch": 1.548239895697523,
468
+ "learning_rate": 1.2258800521512385e-05,
469
+ "loss": 0.285341796875,
470
+ "step": 38000
471
+ },
472
+ {
473
+ "epoch": 1.5686114732724903,
474
+ "learning_rate": 1.215694263363755e-05,
475
+ "loss": 0.282486328125,
476
+ "step": 38500
477
+ },
478
+ {
479
+ "epoch": 1.5889830508474576,
480
+ "learning_rate": 1.2055084745762713e-05,
481
+ "loss": 0.295353515625,
482
+ "step": 39000
483
+ },
484
+ {
485
+ "epoch": 1.609354628422425,
486
+ "learning_rate": 1.1953226857887877e-05,
487
+ "loss": 0.284724609375,
488
+ "step": 39500
489
+ },
490
+ {
491
+ "epoch": 1.6297262059973925,
492
+ "learning_rate": 1.185136897001304e-05,
493
+ "loss": 0.286890625,
494
+ "step": 40000
495
+ },
496
+ {
497
+ "epoch": 1.6500977835723598,
498
+ "learning_rate": 1.1749511082138201e-05,
499
+ "loss": 0.278595703125,
500
+ "step": 40500
501
+ },
502
+ {
503
+ "epoch": 1.6704693611473274,
504
+ "learning_rate": 1.1647653194263364e-05,
505
+ "loss": 0.30148046875,
506
+ "step": 41000
507
+ },
508
+ {
509
+ "epoch": 1.6908409387222947,
510
+ "learning_rate": 1.1545795306388527e-05,
511
+ "loss": 0.274353515625,
512
+ "step": 41500
513
+ },
514
+ {
515
+ "epoch": 1.711212516297262,
516
+ "learning_rate": 1.144393741851369e-05,
517
+ "loss": 0.29472265625,
518
+ "step": 42000
519
+ },
520
+ {
521
+ "epoch": 1.7315840938722293,
522
+ "learning_rate": 1.1342079530638854e-05,
523
+ "loss": 0.2853359375,
524
+ "step": 42500
525
+ },
526
+ {
527
+ "epoch": 1.7519556714471969,
528
+ "learning_rate": 1.1240221642764017e-05,
529
+ "loss": 0.286759765625,
530
+ "step": 43000
531
+ },
532
+ {
533
+ "epoch": 1.7723272490221644,
534
+ "learning_rate": 1.1138363754889178e-05,
535
+ "loss": 0.28123046875,
536
+ "step": 43500
537
+ },
538
+ {
539
+ "epoch": 1.7926988265971318,
540
+ "learning_rate": 1.1036505867014341e-05,
541
+ "loss": 0.2833515625,
542
+ "step": 44000
543
+ },
544
+ {
545
+ "epoch": 1.813070404172099,
546
+ "learning_rate": 1.0934647979139506e-05,
547
+ "loss": 0.281861328125,
548
+ "step": 44500
549
+ },
550
+ {
551
+ "epoch": 1.8334419817470664,
552
+ "learning_rate": 1.083279009126467e-05,
553
+ "loss": 0.2866171875,
554
+ "step": 45000
555
+ },
556
+ {
557
+ "epoch": 1.8538135593220337,
558
+ "learning_rate": 1.0730932203389833e-05,
559
+ "loss": 0.28151953125,
560
+ "step": 45500
561
+ },
562
+ {
563
+ "epoch": 1.8741851368970013,
564
+ "learning_rate": 1.0629074315514994e-05,
565
+ "loss": 0.285787109375,
566
+ "step": 46000
567
+ },
568
+ {
569
+ "epoch": 1.8945567144719688,
570
+ "learning_rate": 1.0527216427640157e-05,
571
+ "loss": 0.28494921875,
572
+ "step": 46500
573
+ },
574
+ {
575
+ "epoch": 1.9149282920469362,
576
+ "learning_rate": 1.042535853976532e-05,
577
+ "loss": 0.281390625,
578
+ "step": 47000
579
+ },
580
+ {
581
+ "epoch": 1.9352998696219035,
582
+ "learning_rate": 1.0323500651890483e-05,
583
+ "loss": 0.2822734375,
584
+ "step": 47500
585
+ },
586
+ {
587
+ "epoch": 1.9556714471968708,
588
+ "learning_rate": 1.0221642764015647e-05,
589
+ "loss": 0.2885546875,
590
+ "step": 48000
591
+ },
592
+ {
593
+ "epoch": 1.9760430247718384,
594
+ "learning_rate": 1.011978487614081e-05,
595
+ "loss": 0.2759296875,
596
+ "step": 48500
597
+ },
598
+ {
599
+ "epoch": 1.996414602346806,
600
+ "learning_rate": 1.0017926988265971e-05,
601
+ "loss": 0.27166796875,
602
+ "step": 49000
603
+ },
604
+ {
605
+ "epoch": 2.0,
606
+ "eval_accuracy": 0.8865002547121752,
607
+ "eval_loss": 0.34813082218170166,
608
+ "step": 49088
609
+ },
610
+ {
611
+ "epoch": 2.0167861799217732,
612
+ "learning_rate": 9.916069100391134e-06,
613
+ "loss": 0.2067265625,
614
+ "step": 49500
615
+ },
616
+ {
617
+ "epoch": 2.0371577574967406,
618
+ "learning_rate": 9.814211212516298e-06,
619
+ "loss": 0.18627734375,
620
+ "step": 50000
621
+ },
622
+ {
623
+ "epoch": 2.057529335071708,
624
+ "learning_rate": 9.71235332464146e-06,
625
+ "loss": 0.20591796875,
626
+ "step": 50500
627
+ },
628
+ {
629
+ "epoch": 2.077900912646675,
630
+ "learning_rate": 9.610495436766624e-06,
631
+ "loss": 0.207765625,
632
+ "step": 51000
633
+ },
634
+ {
635
+ "epoch": 2.098272490221643,
636
+ "learning_rate": 9.508637548891787e-06,
637
+ "loss": 0.200046875,
638
+ "step": 51500
639
+ },
640
+ {
641
+ "epoch": 2.1186440677966103,
642
+ "learning_rate": 9.40677966101695e-06,
643
+ "loss": 0.20955078125,
644
+ "step": 52000
645
+ },
646
+ {
647
+ "epoch": 2.1390156453715776,
648
+ "learning_rate": 9.304921773142113e-06,
649
+ "loss": 0.20408203125,
650
+ "step": 52500
651
+ },
652
+ {
653
+ "epoch": 2.159387222946545,
654
+ "learning_rate": 9.203063885267276e-06,
655
+ "loss": 0.1967578125,
656
+ "step": 53000
657
+ },
658
+ {
659
+ "epoch": 2.1797588005215123,
660
+ "learning_rate": 9.101205997392438e-06,
661
+ "loss": 0.2086171875,
662
+ "step": 53500
663
+ },
664
+ {
665
+ "epoch": 2.2001303780964796,
666
+ "learning_rate": 8.999348109517601e-06,
667
+ "loss": 0.19387890625,
668
+ "step": 54000
669
+ },
670
+ {
671
+ "epoch": 2.2205019556714474,
672
+ "learning_rate": 8.897490221642766e-06,
673
+ "loss": 0.2149140625,
674
+ "step": 54500
675
+ },
676
+ {
677
+ "epoch": 2.2408735332464147,
678
+ "learning_rate": 8.795632333767927e-06,
679
+ "loss": 0.20816015625,
680
+ "step": 55000
681
+ },
682
+ {
683
+ "epoch": 2.261245110821382,
684
+ "learning_rate": 8.69377444589309e-06,
685
+ "loss": 0.1981796875,
686
+ "step": 55500
687
+ },
688
+ {
689
+ "epoch": 2.2816166883963493,
690
+ "learning_rate": 8.591916558018254e-06,
691
+ "loss": 0.20524609375,
692
+ "step": 56000
693
+ },
694
+ {
695
+ "epoch": 2.3019882659713167,
696
+ "learning_rate": 8.490058670143417e-06,
697
+ "loss": 0.20031640625,
698
+ "step": 56500
699
+ },
700
+ {
701
+ "epoch": 2.322359843546284,
702
+ "learning_rate": 8.38820078226858e-06,
703
+ "loss": 0.2170234375,
704
+ "step": 57000
705
+ },
706
+ {
707
+ "epoch": 2.3427314211212518,
708
+ "learning_rate": 8.286342894393743e-06,
709
+ "loss": 0.202625,
710
+ "step": 57500
711
+ },
712
+ {
713
+ "epoch": 2.363102998696219,
714
+ "learning_rate": 8.184485006518904e-06,
715
+ "loss": 0.21112890625,
716
+ "step": 58000
717
+ },
718
+ {
719
+ "epoch": 2.3834745762711864,
720
+ "learning_rate": 8.08262711864407e-06,
721
+ "loss": 0.19984375,
722
+ "step": 58500
723
+ },
724
+ {
725
+ "epoch": 2.4038461538461537,
726
+ "learning_rate": 7.980769230769232e-06,
727
+ "loss": 0.2016015625,
728
+ "step": 59000
729
+ },
730
+ {
731
+ "epoch": 2.424217731421121,
732
+ "learning_rate": 7.878911342894394e-06,
733
+ "loss": 0.20296875,
734
+ "step": 59500
735
+ },
736
+ {
737
+ "epoch": 2.444589308996089,
738
+ "learning_rate": 7.777053455019557e-06,
739
+ "loss": 0.20494140625,
740
+ "step": 60000
741
+ },
742
+ {
743
+ "epoch": 2.464960886571056,
744
+ "learning_rate": 7.67519556714472e-06,
745
+ "loss": 0.19887890625,
746
+ "step": 60500
747
+ },
748
+ {
749
+ "epoch": 2.4853324641460235,
750
+ "learning_rate": 7.573337679269883e-06,
751
+ "loss": 0.2058984375,
752
+ "step": 61000
753
+ },
754
+ {
755
+ "epoch": 2.505704041720991,
756
+ "learning_rate": 7.4714797913950464e-06,
757
+ "loss": 0.2057265625,
758
+ "step": 61500
759
+ },
760
+ {
761
+ "epoch": 2.526075619295958,
762
+ "learning_rate": 7.369621903520209e-06,
763
+ "loss": 0.1991484375,
764
+ "step": 62000
765
+ },
766
+ {
767
+ "epoch": 2.5464471968709255,
768
+ "learning_rate": 7.267764015645372e-06,
769
+ "loss": 0.2016328125,
770
+ "step": 62500
771
+ },
772
+ {
773
+ "epoch": 2.5668187744458932,
774
+ "learning_rate": 7.165906127770536e-06,
775
+ "loss": 0.2006640625,
776
+ "step": 63000
777
+ },
778
+ {
779
+ "epoch": 2.5871903520208606,
780
+ "learning_rate": 7.064048239895698e-06,
781
+ "loss": 0.20136328125,
782
+ "step": 63500
783
+ },
784
+ {
785
+ "epoch": 2.607561929595828,
786
+ "learning_rate": 6.962190352020861e-06,
787
+ "loss": 0.210953125,
788
+ "step": 64000
789
+ },
790
+ {
791
+ "epoch": 2.627933507170795,
792
+ "learning_rate": 6.8603324641460245e-06,
793
+ "loss": 0.20728515625,
794
+ "step": 64500
795
+ },
796
+ {
797
+ "epoch": 2.648305084745763,
798
+ "learning_rate": 6.758474576271187e-06,
799
+ "loss": 0.19809765625,
800
+ "step": 65000
801
+ },
802
+ {
803
+ "epoch": 2.6686766623207303,
804
+ "learning_rate": 6.65661668839635e-06,
805
+ "loss": 0.20791796875,
806
+ "step": 65500
807
+ },
808
+ {
809
+ "epoch": 2.6890482398956976,
810
+ "learning_rate": 6.554758800521513e-06,
811
+ "loss": 0.1968359375,
812
+ "step": 66000
813
+ },
814
+ {
815
+ "epoch": 2.709419817470665,
816
+ "learning_rate": 6.452900912646675e-06,
817
+ "loss": 0.19569140625,
818
+ "step": 66500
819
+ },
820
+ {
821
+ "epoch": 2.7297913950456323,
822
+ "learning_rate": 6.351043024771839e-06,
823
+ "loss": 0.21024609375,
824
+ "step": 67000
825
+ },
826
+ {
827
+ "epoch": 2.7501629726205996,
828
+ "learning_rate": 6.249185136897002e-06,
829
+ "loss": 0.20680859375,
830
+ "step": 67500
831
+ },
832
+ {
833
+ "epoch": 2.770534550195567,
834
+ "learning_rate": 6.147327249022165e-06,
835
+ "loss": 0.206203125,
836
+ "step": 68000
837
+ },
838
+ {
839
+ "epoch": 2.7909061277705347,
840
+ "learning_rate": 6.045469361147328e-06,
841
+ "loss": 0.1981015625,
842
+ "step": 68500
843
+ },
844
+ {
845
+ "epoch": 2.811277705345502,
846
+ "learning_rate": 5.94361147327249e-06,
847
+ "loss": 0.20408984375,
848
+ "step": 69000
849
+ },
850
+ {
851
+ "epoch": 2.8316492829204694,
852
+ "learning_rate": 5.841753585397653e-06,
853
+ "loss": 0.20057421875,
854
+ "step": 69500
855
+ },
856
+ {
857
+ "epoch": 2.8520208604954367,
858
+ "learning_rate": 5.739895697522817e-06,
859
+ "loss": 0.19898046875,
860
+ "step": 70000
861
+ },
862
+ {
863
+ "epoch": 2.872392438070404,
864
+ "learning_rate": 5.63803780964798e-06,
865
+ "loss": 0.19495703125,
866
+ "step": 70500
867
+ },
868
+ {
869
+ "epoch": 2.8927640156453718,
870
+ "learning_rate": 5.536179921773143e-06,
871
+ "loss": 0.1974296875,
872
+ "step": 71000
873
+ },
874
+ {
875
+ "epoch": 2.913135593220339,
876
+ "learning_rate": 5.434322033898306e-06,
877
+ "loss": 0.20246484375,
878
+ "step": 71500
879
+ },
880
+ {
881
+ "epoch": 2.9335071707953064,
882
+ "learning_rate": 5.332464146023468e-06,
883
+ "loss": 0.19712109375,
884
+ "step": 72000
885
+ },
886
+ {
887
+ "epoch": 2.9538787483702738,
888
+ "learning_rate": 5.230606258148631e-06,
889
+ "loss": 0.202109375,
890
+ "step": 72500
891
+ },
892
+ {
893
+ "epoch": 2.974250325945241,
894
+ "learning_rate": 5.128748370273794e-06,
895
+ "loss": 0.2054140625,
896
+ "step": 73000
897
+ },
898
+ {
899
+ "epoch": 2.9946219035202084,
900
+ "learning_rate": 5.026890482398958e-06,
901
+ "loss": 0.202515625,
902
+ "step": 73500
903
+ },
904
+ {
905
+ "epoch": 3.0,
906
+ "eval_accuracy": 0.884666327050433,
907
+ "eval_loss": 0.4447501301765442,
908
+ "step": 73632
909
+ },
910
+ {
911
+ "epoch": 3.014993481095176,
912
+ "learning_rate": 4.92503259452412e-06,
913
+ "loss": 0.13929296875,
914
+ "step": 74000
915
+ },
916
+ {
917
+ "epoch": 3.0353650586701435,
918
+ "learning_rate": 4.823174706649283e-06,
919
+ "loss": 0.14209765625,
920
+ "step": 74500
921
+ },
922
+ {
923
+ "epoch": 3.055736636245111,
924
+ "learning_rate": 4.721316818774446e-06,
925
+ "loss": 0.14396875,
926
+ "step": 75000
927
+ },
928
+ {
929
+ "epoch": 3.076108213820078,
930
+ "learning_rate": 4.6194589308996094e-06,
931
+ "loss": 0.13436328125,
932
+ "step": 75500
933
+ },
934
+ {
935
+ "epoch": 3.0964797913950455,
936
+ "learning_rate": 4.5176010430247726e-06,
937
+ "loss": 0.13274609375,
938
+ "step": 76000
939
+ },
940
+ {
941
+ "epoch": 3.1168513689700132,
942
+ "learning_rate": 4.415743155149935e-06,
943
+ "loss": 0.1425546875,
944
+ "step": 76500
945
+ },
946
+ {
947
+ "epoch": 3.1372229465449806,
948
+ "learning_rate": 4.313885267275098e-06,
949
+ "loss": 0.1465,
950
+ "step": 77000
951
+ },
952
+ {
953
+ "epoch": 3.157594524119948,
954
+ "learning_rate": 4.212027379400261e-06,
955
+ "loss": 0.13299609375,
956
+ "step": 77500
957
+ },
958
+ {
959
+ "epoch": 3.1779661016949152,
960
+ "learning_rate": 4.110169491525424e-06,
961
+ "loss": 0.146578125,
962
+ "step": 78000
963
+ },
964
+ {
965
+ "epoch": 3.1983376792698825,
966
+ "learning_rate": 4.0083116036505874e-06,
967
+ "loss": 0.1382421875,
968
+ "step": 78500
969
+ },
970
+ {
971
+ "epoch": 3.21870925684485,
972
+ "learning_rate": 3.90645371577575e-06,
973
+ "loss": 0.14358984375,
974
+ "step": 79000
975
+ },
976
+ {
977
+ "epoch": 3.2390808344198176,
978
+ "learning_rate": 3.8045958279009133e-06,
979
+ "loss": 0.1374140625,
980
+ "step": 79500
981
+ },
982
+ {
983
+ "epoch": 3.259452411994785,
984
+ "learning_rate": 3.702737940026076e-06,
985
+ "loss": 0.14011328125,
986
+ "step": 80000
987
+ },
988
+ {
989
+ "epoch": 3.2798239895697523,
990
+ "learning_rate": 3.6008800521512388e-06,
991
+ "loss": 0.14218359375,
992
+ "step": 80500
993
+ },
994
+ {
995
+ "epoch": 3.3001955671447196,
996
+ "learning_rate": 3.4990221642764015e-06,
997
+ "loss": 0.14026953125,
998
+ "step": 81000
999
+ },
1000
+ {
1001
+ "epoch": 3.320567144719687,
1002
+ "learning_rate": 3.397164276401565e-06,
1003
+ "loss": 0.1326171875,
1004
+ "step": 81500
1005
+ },
1006
+ {
1007
+ "epoch": 3.3409387222946547,
1008
+ "learning_rate": 3.2953063885267278e-06,
1009
+ "loss": 0.124484375,
1010
+ "step": 82000
1011
+ },
1012
+ {
1013
+ "epoch": 3.361310299869622,
1014
+ "learning_rate": 3.1934485006518905e-06,
1015
+ "loss": 0.13862890625,
1016
+ "step": 82500
1017
+ },
1018
+ {
1019
+ "epoch": 3.3816818774445894,
1020
+ "learning_rate": 3.091590612777054e-06,
1021
+ "loss": 0.14094140625,
1022
+ "step": 83000
1023
+ },
1024
+ {
1025
+ "epoch": 3.4020534550195567,
1026
+ "learning_rate": 2.9897327249022168e-06,
1027
+ "loss": 0.13262890625,
1028
+ "step": 83500
1029
+ },
1030
+ {
1031
+ "epoch": 3.422425032594524,
1032
+ "learning_rate": 2.8878748370273795e-06,
1033
+ "loss": 0.14966015625,
1034
+ "step": 84000
1035
+ },
1036
+ {
1037
+ "epoch": 3.4427966101694913,
1038
+ "learning_rate": 2.7860169491525422e-06,
1039
+ "loss": 0.136,
1040
+ "step": 84500
1041
+ },
1042
+ {
1043
+ "epoch": 3.463168187744459,
1044
+ "learning_rate": 2.684159061277706e-06,
1045
+ "loss": 0.15666796875,
1046
+ "step": 85000
1047
+ },
1048
+ {
1049
+ "epoch": 3.4835397653194264,
1050
+ "learning_rate": 2.5823011734028685e-06,
1051
+ "loss": 0.12829296875,
1052
+ "step": 85500
1053
+ },
1054
+ {
1055
+ "epoch": 3.5039113428943938,
1056
+ "learning_rate": 2.4804432855280312e-06,
1057
+ "loss": 0.134625,
1058
+ "step": 86000
1059
+ },
1060
+ {
1061
+ "epoch": 3.524282920469361,
1062
+ "learning_rate": 2.3785853976531944e-06,
1063
+ "loss": 0.1383125,
1064
+ "step": 86500
1065
+ },
1066
+ {
1067
+ "epoch": 3.5446544980443284,
1068
+ "learning_rate": 2.2767275097783575e-06,
1069
+ "loss": 0.145578125,
1070
+ "step": 87000
1071
+ },
1072
+ {
1073
+ "epoch": 3.565026075619296,
1074
+ "learning_rate": 2.1748696219035202e-06,
1075
+ "loss": 0.13809765625,
1076
+ "step": 87500
1077
+ },
1078
+ {
1079
+ "epoch": 3.5853976531942635,
1080
+ "learning_rate": 2.0730117340286834e-06,
1081
+ "loss": 0.131578125,
1082
+ "step": 88000
1083
+ },
1084
+ {
1085
+ "epoch": 3.605769230769231,
1086
+ "learning_rate": 1.971153846153846e-06,
1087
+ "loss": 0.128625,
1088
+ "step": 88500
1089
+ },
1090
+ {
1091
+ "epoch": 3.626140808344198,
1092
+ "learning_rate": 1.8692959582790093e-06,
1093
+ "loss": 0.1566328125,
1094
+ "step": 89000
1095
+ },
1096
+ {
1097
+ "epoch": 3.6465123859191655,
1098
+ "learning_rate": 1.7674380704041722e-06,
1099
+ "loss": 0.13289453125,
1100
+ "step": 89500
1101
+ },
1102
+ {
1103
+ "epoch": 3.666883963494133,
1104
+ "learning_rate": 1.6655801825293353e-06,
1105
+ "loss": 0.13489453125,
1106
+ "step": 90000
1107
+ },
1108
+ {
1109
+ "epoch": 3.6872555410691,
1110
+ "learning_rate": 1.563722294654498e-06,
1111
+ "loss": 0.1342890625,
1112
+ "step": 90500
1113
+ },
1114
+ {
1115
+ "epoch": 3.707627118644068,
1116
+ "learning_rate": 1.4618644067796612e-06,
1117
+ "loss": 0.13596875,
1118
+ "step": 91000
1119
+ },
1120
+ {
1121
+ "epoch": 3.7279986962190352,
1122
+ "learning_rate": 1.3600065189048241e-06,
1123
+ "loss": 0.12205859375,
1124
+ "step": 91500
1125
+ },
1126
+ {
1127
+ "epoch": 3.7483702737940026,
1128
+ "learning_rate": 1.258148631029987e-06,
1129
+ "loss": 0.136265625,
1130
+ "step": 92000
1131
+ },
1132
+ {
1133
+ "epoch": 3.76874185136897,
1134
+ "learning_rate": 1.15629074315515e-06,
1135
+ "loss": 0.1251875,
1136
+ "step": 92500
1137
+ },
1138
+ {
1139
+ "epoch": 3.7891134289439377,
1140
+ "learning_rate": 1.0544328552803131e-06,
1141
+ "loss": 0.1440859375,
1142
+ "step": 93000
1143
+ },
1144
+ {
1145
+ "epoch": 3.809485006518905,
1146
+ "learning_rate": 9.52574967405476e-07,
1147
+ "loss": 0.14747265625,
1148
+ "step": 93500
1149
+ },
1150
+ {
1151
+ "epoch": 3.8298565840938723,
1152
+ "learning_rate": 8.507170795306389e-07,
1153
+ "loss": 0.12144921875,
1154
+ "step": 94000
1155
+ },
1156
+ {
1157
+ "epoch": 3.8502281616688396,
1158
+ "learning_rate": 7.488591916558019e-07,
1159
+ "loss": 0.138546875,
1160
+ "step": 94500
1161
+ },
1162
+ {
1163
+ "epoch": 3.870599739243807,
1164
+ "learning_rate": 6.470013037809649e-07,
1165
+ "loss": 0.1290390625,
1166
+ "step": 95000
1167
+ },
1168
+ {
1169
+ "epoch": 3.8909713168187743,
1170
+ "learning_rate": 5.451434159061278e-07,
1171
+ "loss": 0.13651953125,
1172
+ "step": 95500
1173
+ },
1174
+ {
1175
+ "epoch": 3.9113428943937416,
1176
+ "learning_rate": 4.432855280312908e-07,
1177
+ "loss": 0.14065234375,
1178
+ "step": 96000
1179
+ },
1180
+ {
1181
+ "epoch": 3.9317144719687094,
1182
+ "learning_rate": 3.4142764015645373e-07,
1183
+ "loss": 0.129953125,
1184
+ "step": 96500
1185
+ },
1186
+ {
1187
+ "epoch": 3.9520860495436767,
1188
+ "learning_rate": 2.395697522816167e-07,
1189
+ "loss": 0.127765625,
1190
+ "step": 97000
1191
+ },
1192
+ {
1193
+ "epoch": 3.972457627118644,
1194
+ "learning_rate": 1.3771186440677968e-07,
1195
+ "loss": 0.12146875,
1196
+ "step": 97500
1197
+ },
1198
+ {
1199
+ "epoch": 3.9928292046936114,
1200
+ "learning_rate": 3.585397653194264e-08,
1201
+ "loss": 0.132578125,
1202
+ "step": 98000
1203
+ },
1204
+ {
1205
+ "epoch": 4.0,
1206
+ "eval_accuracy": 0.88762098828324,
1207
+ "eval_loss": 0.5551679134368896,
1208
+ "step": 98176
1209
+ }
1210
+ ],
1211
+ "max_steps": 98176,
1212
+ "num_train_epochs": 4,
1213
+ "total_flos": 124136967570323400,
1214
+ "trial_name": null,
1215
+ "trial_params": null
1216
+ }