sai1881 commited on
Commit
0bfa078
1 Parent(s): 47dd7bd

Upload trainer_state.json

Browse files
Files changed (1) hide show
  1. trainer_state.json +2483 -0
trainer_state.json ADDED
@@ -0,0 +1,2483 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 1.1634913049801583,
5
+ "eval_steps": 500,
6
+ "global_step": 3500,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.003324260871371881,
13
+ "grad_norm": 2.5143792629241943,
14
+ "learning_rate": 1.6622340425531916e-08,
15
+ "loss": 9.0836,
16
+ "step": 10
17
+ },
18
+ {
19
+ "epoch": 0.006648521742743762,
20
+ "grad_norm": 2.6173431873321533,
21
+ "learning_rate": 3.324468085106383e-08,
22
+ "loss": 9.0829,
23
+ "step": 20
24
+ },
25
+ {
26
+ "epoch": 0.009972782614115643,
27
+ "grad_norm": 2.5349628925323486,
28
+ "learning_rate": 4.9867021276595746e-08,
29
+ "loss": 9.0061,
30
+ "step": 30
31
+ },
32
+ {
33
+ "epoch": 0.013297043485487523,
34
+ "grad_norm": 2.3916308879852295,
35
+ "learning_rate": 6.648936170212767e-08,
36
+ "loss": 8.9747,
37
+ "step": 40
38
+ },
39
+ {
40
+ "epoch": 0.016621304356859403,
41
+ "grad_norm": 2.5103342533111572,
42
+ "learning_rate": 8.311170212765958e-08,
43
+ "loss": 9.0057,
44
+ "step": 50
45
+ },
46
+ {
47
+ "epoch": 0.019945565228231286,
48
+ "grad_norm": 2.421079397201538,
49
+ "learning_rate": 9.973404255319149e-08,
50
+ "loss": 8.9885,
51
+ "step": 60
52
+ },
53
+ {
54
+ "epoch": 0.023269826099603166,
55
+ "grad_norm": 2.6052393913269043,
56
+ "learning_rate": 1.163563829787234e-07,
57
+ "loss": 8.9706,
58
+ "step": 70
59
+ },
60
+ {
61
+ "epoch": 0.026594086970975046,
62
+ "grad_norm": 2.376847505569458,
63
+ "learning_rate": 1.3297872340425533e-07,
64
+ "loss": 9.0211,
65
+ "step": 80
66
+ },
67
+ {
68
+ "epoch": 0.02991834784234693,
69
+ "grad_norm": 2.6200971603393555,
70
+ "learning_rate": 1.4960106382978723e-07,
71
+ "loss": 8.9903,
72
+ "step": 90
73
+ },
74
+ {
75
+ "epoch": 0.033242608713718806,
76
+ "grad_norm": 2.515320301055908,
77
+ "learning_rate": 1.6622340425531916e-07,
78
+ "loss": 8.9643,
79
+ "step": 100
80
+ },
81
+ {
82
+ "epoch": 0.03656686958509069,
83
+ "grad_norm": 2.4840102195739746,
84
+ "learning_rate": 1.8284574468085108e-07,
85
+ "loss": 8.9761,
86
+ "step": 110
87
+ },
88
+ {
89
+ "epoch": 0.03989113045646257,
90
+ "grad_norm": 2.5950074195861816,
91
+ "learning_rate": 1.9946808510638298e-07,
92
+ "loss": 9.0101,
93
+ "step": 120
94
+ },
95
+ {
96
+ "epoch": 0.04321539132783445,
97
+ "grad_norm": 2.530604839324951,
98
+ "learning_rate": 2.160904255319149e-07,
99
+ "loss": 8.961,
100
+ "step": 130
101
+ },
102
+ {
103
+ "epoch": 0.04653965219920633,
104
+ "grad_norm": 2.5579464435577393,
105
+ "learning_rate": 2.327127659574468e-07,
106
+ "loss": 8.8733,
107
+ "step": 140
108
+ },
109
+ {
110
+ "epoch": 0.04986391307057821,
111
+ "grad_norm": 2.638901472091675,
112
+ "learning_rate": 2.4933510638297876e-07,
113
+ "loss": 8.9534,
114
+ "step": 150
115
+ },
116
+ {
117
+ "epoch": 0.05318817394195009,
118
+ "grad_norm": 2.6817493438720703,
119
+ "learning_rate": 2.6595744680851066e-07,
120
+ "loss": 9.0014,
121
+ "step": 160
122
+ },
123
+ {
124
+ "epoch": 0.05651243481332197,
125
+ "grad_norm": 2.6700024604797363,
126
+ "learning_rate": 2.8257978723404256e-07,
127
+ "loss": 8.8832,
128
+ "step": 170
129
+ },
130
+ {
131
+ "epoch": 0.05983669568469386,
132
+ "grad_norm": 2.794243335723877,
133
+ "learning_rate": 2.9920212765957446e-07,
134
+ "loss": 8.9012,
135
+ "step": 180
136
+ },
137
+ {
138
+ "epoch": 0.06316095655606574,
139
+ "grad_norm": 3.000873327255249,
140
+ "learning_rate": 3.1582446808510636e-07,
141
+ "loss": 8.7874,
142
+ "step": 190
143
+ },
144
+ {
145
+ "epoch": 0.06648521742743761,
146
+ "grad_norm": 2.872612714767456,
147
+ "learning_rate": 3.324468085106383e-07,
148
+ "loss": 8.8558,
149
+ "step": 200
150
+ },
151
+ {
152
+ "epoch": 0.0698094782988095,
153
+ "grad_norm": 2.9133315086364746,
154
+ "learning_rate": 3.490691489361702e-07,
155
+ "loss": 8.8333,
156
+ "step": 210
157
+ },
158
+ {
159
+ "epoch": 0.07313373917018139,
160
+ "grad_norm": 3.1017534732818604,
161
+ "learning_rate": 3.6569148936170217e-07,
162
+ "loss": 8.8199,
163
+ "step": 220
164
+ },
165
+ {
166
+ "epoch": 0.07645800004155326,
167
+ "grad_norm": 2.9153056144714355,
168
+ "learning_rate": 3.8231382978723407e-07,
169
+ "loss": 8.8266,
170
+ "step": 230
171
+ },
172
+ {
173
+ "epoch": 0.07978226091292515,
174
+ "grad_norm": 3.0996434688568115,
175
+ "learning_rate": 3.9893617021276597e-07,
176
+ "loss": 8.7202,
177
+ "step": 240
178
+ },
179
+ {
180
+ "epoch": 0.08310652178429702,
181
+ "grad_norm": 3.257809638977051,
182
+ "learning_rate": 4.1555851063829787e-07,
183
+ "loss": 8.6149,
184
+ "step": 250
185
+ },
186
+ {
187
+ "epoch": 0.0864307826556689,
188
+ "grad_norm": 3.378631353378296,
189
+ "learning_rate": 4.321808510638298e-07,
190
+ "loss": 8.5092,
191
+ "step": 260
192
+ },
193
+ {
194
+ "epoch": 0.08975504352704078,
195
+ "grad_norm": 3.3546876907348633,
196
+ "learning_rate": 4.488031914893618e-07,
197
+ "loss": 8.477,
198
+ "step": 270
199
+ },
200
+ {
201
+ "epoch": 0.09307930439841267,
202
+ "grad_norm": 3.292569637298584,
203
+ "learning_rate": 4.654255319148936e-07,
204
+ "loss": 8.4594,
205
+ "step": 280
206
+ },
207
+ {
208
+ "epoch": 0.09640356526978455,
209
+ "grad_norm": 3.190239906311035,
210
+ "learning_rate": 4.820478723404255e-07,
211
+ "loss": 8.3134,
212
+ "step": 290
213
+ },
214
+ {
215
+ "epoch": 0.09972782614115643,
216
+ "grad_norm": 3.2521212100982666,
217
+ "learning_rate": 4.986702127659575e-07,
218
+ "loss": 8.2896,
219
+ "step": 300
220
+ },
221
+ {
222
+ "epoch": 0.10305208701252831,
223
+ "grad_norm": 3.399919033050537,
224
+ "learning_rate": 5.152925531914893e-07,
225
+ "loss": 8.1656,
226
+ "step": 310
227
+ },
228
+ {
229
+ "epoch": 0.10637634788390019,
230
+ "grad_norm": 3.412688970565796,
231
+ "learning_rate": 5.319148936170213e-07,
232
+ "loss": 7.9764,
233
+ "step": 320
234
+ },
235
+ {
236
+ "epoch": 0.10970060875527207,
237
+ "grad_norm": 3.2669174671173096,
238
+ "learning_rate": 5.485372340425532e-07,
239
+ "loss": 7.9755,
240
+ "step": 330
241
+ },
242
+ {
243
+ "epoch": 0.11302486962664395,
244
+ "grad_norm": 3.405444383621216,
245
+ "learning_rate": 5.651595744680851e-07,
246
+ "loss": 7.8587,
247
+ "step": 340
248
+ },
249
+ {
250
+ "epoch": 0.11634913049801583,
251
+ "grad_norm": 3.2224161624908447,
252
+ "learning_rate": 5.81781914893617e-07,
253
+ "loss": 7.7357,
254
+ "step": 350
255
+ },
256
+ {
257
+ "epoch": 0.11967339136938772,
258
+ "grad_norm": 3.230048894882202,
259
+ "learning_rate": 5.984042553191489e-07,
260
+ "loss": 7.5667,
261
+ "step": 360
262
+ },
263
+ {
264
+ "epoch": 0.12299765224075959,
265
+ "grad_norm": 3.2728312015533447,
266
+ "learning_rate": 6.150265957446809e-07,
267
+ "loss": 7.4844,
268
+ "step": 370
269
+ },
270
+ {
271
+ "epoch": 0.12632191311213148,
272
+ "grad_norm": 3.200800895690918,
273
+ "learning_rate": 6.316489361702127e-07,
274
+ "loss": 7.3059,
275
+ "step": 380
276
+ },
277
+ {
278
+ "epoch": 0.12964617398350337,
279
+ "grad_norm": 3.075329065322876,
280
+ "learning_rate": 6.482712765957447e-07,
281
+ "loss": 7.1618,
282
+ "step": 390
283
+ },
284
+ {
285
+ "epoch": 0.13297043485487522,
286
+ "grad_norm": 3.1853721141815186,
287
+ "learning_rate": 6.648936170212766e-07,
288
+ "loss": 7.1392,
289
+ "step": 400
290
+ },
291
+ {
292
+ "epoch": 0.1362946957262471,
293
+ "grad_norm": 3.0336828231811523,
294
+ "learning_rate": 6.815159574468085e-07,
295
+ "loss": 6.974,
296
+ "step": 410
297
+ },
298
+ {
299
+ "epoch": 0.139618956597619,
300
+ "grad_norm": 3.027355670928955,
301
+ "learning_rate": 6.981382978723404e-07,
302
+ "loss": 6.7714,
303
+ "step": 420
304
+ },
305
+ {
306
+ "epoch": 0.14294321746899089,
307
+ "grad_norm": 2.99857497215271,
308
+ "learning_rate": 7.147606382978723e-07,
309
+ "loss": 6.6538,
310
+ "step": 430
311
+ },
312
+ {
313
+ "epoch": 0.14626747834036277,
314
+ "grad_norm": 2.840437650680542,
315
+ "learning_rate": 7.313829787234043e-07,
316
+ "loss": 6.4758,
317
+ "step": 440
318
+ },
319
+ {
320
+ "epoch": 0.14959173921173463,
321
+ "grad_norm": 3.076049566268921,
322
+ "learning_rate": 7.480053191489362e-07,
323
+ "loss": 6.3225,
324
+ "step": 450
325
+ },
326
+ {
327
+ "epoch": 0.15291600008310652,
328
+ "grad_norm": 2.8588602542877197,
329
+ "learning_rate": 7.646276595744681e-07,
330
+ "loss": 6.1646,
331
+ "step": 460
332
+ },
333
+ {
334
+ "epoch": 0.1562402609544784,
335
+ "grad_norm": 2.9168858528137207,
336
+ "learning_rate": 7.8125e-07,
337
+ "loss": 6.0828,
338
+ "step": 470
339
+ },
340
+ {
341
+ "epoch": 0.1595645218258503,
342
+ "grad_norm": 2.795363187789917,
343
+ "learning_rate": 7.978723404255319e-07,
344
+ "loss": 5.9192,
345
+ "step": 480
346
+ },
347
+ {
348
+ "epoch": 0.16288878269722215,
349
+ "grad_norm": 2.3897600173950195,
350
+ "learning_rate": 8.144946808510639e-07,
351
+ "loss": 5.6675,
352
+ "step": 490
353
+ },
354
+ {
355
+ "epoch": 0.16621304356859404,
356
+ "grad_norm": 2.279939651489258,
357
+ "learning_rate": 8.311170212765957e-07,
358
+ "loss": 5.5443,
359
+ "step": 500
360
+ },
361
+ {
362
+ "epoch": 0.16953730443996592,
363
+ "grad_norm": 2.394994020462036,
364
+ "learning_rate": 8.477393617021276e-07,
365
+ "loss": 5.4127,
366
+ "step": 510
367
+ },
368
+ {
369
+ "epoch": 0.1728615653113378,
370
+ "grad_norm": 2.3148529529571533,
371
+ "learning_rate": 8.643617021276596e-07,
372
+ "loss": 5.2102,
373
+ "step": 520
374
+ },
375
+ {
376
+ "epoch": 0.1761858261827097,
377
+ "grad_norm": 2.053243637084961,
378
+ "learning_rate": 8.809840425531915e-07,
379
+ "loss": 5.1204,
380
+ "step": 530
381
+ },
382
+ {
383
+ "epoch": 0.17951008705408156,
384
+ "grad_norm": 2.0687060356140137,
385
+ "learning_rate": 8.976063829787235e-07,
386
+ "loss": 4.9786,
387
+ "step": 540
388
+ },
389
+ {
390
+ "epoch": 0.18283434792545344,
391
+ "grad_norm": 1.8042306900024414,
392
+ "learning_rate": 9.142287234042553e-07,
393
+ "loss": 4.7735,
394
+ "step": 550
395
+ },
396
+ {
397
+ "epoch": 0.18615860879682533,
398
+ "grad_norm": 1.8975441455841064,
399
+ "learning_rate": 9.308510638297872e-07,
400
+ "loss": 4.6749,
401
+ "step": 560
402
+ },
403
+ {
404
+ "epoch": 0.18948286966819722,
405
+ "grad_norm": 1.6640989780426025,
406
+ "learning_rate": 9.474734042553192e-07,
407
+ "loss": 4.529,
408
+ "step": 570
409
+ },
410
+ {
411
+ "epoch": 0.1928071305395691,
412
+ "grad_norm": 1.9563913345336914,
413
+ "learning_rate": 9.64095744680851e-07,
414
+ "loss": 4.4255,
415
+ "step": 580
416
+ },
417
+ {
418
+ "epoch": 0.19613139141094096,
419
+ "grad_norm": 1.433192253112793,
420
+ "learning_rate": 9.80718085106383e-07,
421
+ "loss": 4.3369,
422
+ "step": 590
423
+ },
424
+ {
425
+ "epoch": 0.19945565228231285,
426
+ "grad_norm": 1.6940258741378784,
427
+ "learning_rate": 9.97340425531915e-07,
428
+ "loss": 4.2264,
429
+ "step": 600
430
+ },
431
+ {
432
+ "epoch": 0.20277991315368474,
433
+ "grad_norm": 1.3721990585327148,
434
+ "learning_rate": 1.0139627659574467e-06,
435
+ "loss": 4.0771,
436
+ "step": 610
437
+ },
438
+ {
439
+ "epoch": 0.20610417402505662,
440
+ "grad_norm": 1.3481799364089966,
441
+ "learning_rate": 1.0305851063829786e-06,
442
+ "loss": 3.9652,
443
+ "step": 620
444
+ },
445
+ {
446
+ "epoch": 0.20942843489642848,
447
+ "grad_norm": 1.3010597229003906,
448
+ "learning_rate": 1.0472074468085108e-06,
449
+ "loss": 3.9205,
450
+ "step": 630
451
+ },
452
+ {
453
+ "epoch": 0.21275269576780037,
454
+ "grad_norm": 1.551216721534729,
455
+ "learning_rate": 1.0638297872340427e-06,
456
+ "loss": 3.8234,
457
+ "step": 640
458
+ },
459
+ {
460
+ "epoch": 0.21607695663917226,
461
+ "grad_norm": 1.3280216455459595,
462
+ "learning_rate": 1.0804521276595746e-06,
463
+ "loss": 3.6898,
464
+ "step": 650
465
+ },
466
+ {
467
+ "epoch": 0.21940121751054414,
468
+ "grad_norm": 1.0909334421157837,
469
+ "learning_rate": 1.0970744680851065e-06,
470
+ "loss": 3.6489,
471
+ "step": 660
472
+ },
473
+ {
474
+ "epoch": 0.22272547838191603,
475
+ "grad_norm": 1.345831036567688,
476
+ "learning_rate": 1.1136968085106384e-06,
477
+ "loss": 3.5296,
478
+ "step": 670
479
+ },
480
+ {
481
+ "epoch": 0.2260497392532879,
482
+ "grad_norm": 1.0882962942123413,
483
+ "learning_rate": 1.1303191489361703e-06,
484
+ "loss": 3.489,
485
+ "step": 680
486
+ },
487
+ {
488
+ "epoch": 0.22937400012465978,
489
+ "grad_norm": 0.9840554594993591,
490
+ "learning_rate": 1.1469414893617022e-06,
491
+ "loss": 3.4164,
492
+ "step": 690
493
+ },
494
+ {
495
+ "epoch": 0.23269826099603166,
496
+ "grad_norm": 1.0956693887710571,
497
+ "learning_rate": 1.163563829787234e-06,
498
+ "loss": 3.3211,
499
+ "step": 700
500
+ },
501
+ {
502
+ "epoch": 0.23602252186740355,
503
+ "grad_norm": 0.8875247240066528,
504
+ "learning_rate": 1.1801861702127662e-06,
505
+ "loss": 3.2647,
506
+ "step": 710
507
+ },
508
+ {
509
+ "epoch": 0.23934678273877544,
510
+ "grad_norm": 1.268930196762085,
511
+ "learning_rate": 1.1968085106382979e-06,
512
+ "loss": 3.2033,
513
+ "step": 720
514
+ },
515
+ {
516
+ "epoch": 0.2426710436101473,
517
+ "grad_norm": 0.9430990815162659,
518
+ "learning_rate": 1.2134308510638298e-06,
519
+ "loss": 3.1317,
520
+ "step": 730
521
+ },
522
+ {
523
+ "epoch": 0.24599530448151918,
524
+ "grad_norm": 0.9196615219116211,
525
+ "learning_rate": 1.2300531914893619e-06,
526
+ "loss": 3.0706,
527
+ "step": 740
528
+ },
529
+ {
530
+ "epoch": 0.24931956535289107,
531
+ "grad_norm": 0.7046869993209839,
532
+ "learning_rate": 1.2466755319148936e-06,
533
+ "loss": 3.0142,
534
+ "step": 750
535
+ },
536
+ {
537
+ "epoch": 0.25264382622426296,
538
+ "grad_norm": 0.9173153638839722,
539
+ "learning_rate": 1.2632978723404255e-06,
540
+ "loss": 2.949,
541
+ "step": 760
542
+ },
543
+ {
544
+ "epoch": 0.25596808709563484,
545
+ "grad_norm": 0.8014841675758362,
546
+ "learning_rate": 1.2799202127659576e-06,
547
+ "loss": 2.9325,
548
+ "step": 770
549
+ },
550
+ {
551
+ "epoch": 0.25929234796700673,
552
+ "grad_norm": 0.9520502686500549,
553
+ "learning_rate": 1.2965425531914895e-06,
554
+ "loss": 2.859,
555
+ "step": 780
556
+ },
557
+ {
558
+ "epoch": 0.2626166088383786,
559
+ "grad_norm": 0.7679387331008911,
560
+ "learning_rate": 1.3131648936170214e-06,
561
+ "loss": 2.8509,
562
+ "step": 790
563
+ },
564
+ {
565
+ "epoch": 0.26594086970975045,
566
+ "grad_norm": 0.7660825252532959,
567
+ "learning_rate": 1.3297872340425533e-06,
568
+ "loss": 2.7896,
569
+ "step": 800
570
+ },
571
+ {
572
+ "epoch": 0.26926513058112234,
573
+ "grad_norm": 0.7754834294319153,
574
+ "learning_rate": 1.3464095744680852e-06,
575
+ "loss": 2.736,
576
+ "step": 810
577
+ },
578
+ {
579
+ "epoch": 0.2725893914524942,
580
+ "grad_norm": 0.5802922248840332,
581
+ "learning_rate": 1.363031914893617e-06,
582
+ "loss": 2.6962,
583
+ "step": 820
584
+ },
585
+ {
586
+ "epoch": 0.2759136523238661,
587
+ "grad_norm": 0.6394158601760864,
588
+ "learning_rate": 1.379654255319149e-06,
589
+ "loss": 2.6656,
590
+ "step": 830
591
+ },
592
+ {
593
+ "epoch": 0.279237913195238,
594
+ "grad_norm": 0.6503139138221741,
595
+ "learning_rate": 1.3962765957446809e-06,
596
+ "loss": 2.616,
597
+ "step": 840
598
+ },
599
+ {
600
+ "epoch": 0.2825621740666099,
601
+ "grad_norm": 0.6165557503700256,
602
+ "learning_rate": 1.412898936170213e-06,
603
+ "loss": 2.5971,
604
+ "step": 850
605
+ },
606
+ {
607
+ "epoch": 0.28588643493798177,
608
+ "grad_norm": 0.6192012429237366,
609
+ "learning_rate": 1.4295212765957447e-06,
610
+ "loss": 2.5536,
611
+ "step": 860
612
+ },
613
+ {
614
+ "epoch": 0.28921069580935366,
615
+ "grad_norm": 0.6266525983810425,
616
+ "learning_rate": 1.4461436170212766e-06,
617
+ "loss": 2.5036,
618
+ "step": 870
619
+ },
620
+ {
621
+ "epoch": 0.29253495668072554,
622
+ "grad_norm": 0.5376760363578796,
623
+ "learning_rate": 1.4627659574468087e-06,
624
+ "loss": 2.5136,
625
+ "step": 880
626
+ },
627
+ {
628
+ "epoch": 0.2958592175520974,
629
+ "grad_norm": 0.6490041613578796,
630
+ "learning_rate": 1.4793882978723404e-06,
631
+ "loss": 2.4638,
632
+ "step": 890
633
+ },
634
+ {
635
+ "epoch": 0.29918347842346926,
636
+ "grad_norm": 0.6368073225021362,
637
+ "learning_rate": 1.4960106382978725e-06,
638
+ "loss": 2.4258,
639
+ "step": 900
640
+ },
641
+ {
642
+ "epoch": 0.30250773929484115,
643
+ "grad_norm": 0.5121726989746094,
644
+ "learning_rate": 1.5126329787234044e-06,
645
+ "loss": 2.4016,
646
+ "step": 910
647
+ },
648
+ {
649
+ "epoch": 0.30583200016621304,
650
+ "grad_norm": 0.5835744738578796,
651
+ "learning_rate": 1.5292553191489363e-06,
652
+ "loss": 2.4192,
653
+ "step": 920
654
+ },
655
+ {
656
+ "epoch": 0.3091562610375849,
657
+ "grad_norm": 0.5275241732597351,
658
+ "learning_rate": 1.5458776595744682e-06,
659
+ "loss": 2.3687,
660
+ "step": 930
661
+ },
662
+ {
663
+ "epoch": 0.3124805219089568,
664
+ "grad_norm": 0.4900510609149933,
665
+ "learning_rate": 1.5625e-06,
666
+ "loss": 2.3208,
667
+ "step": 940
668
+ },
669
+ {
670
+ "epoch": 0.3158047827803287,
671
+ "grad_norm": 0.4609052240848541,
672
+ "learning_rate": 1.5791223404255322e-06,
673
+ "loss": 2.3363,
674
+ "step": 950
675
+ },
676
+ {
677
+ "epoch": 0.3191290436517006,
678
+ "grad_norm": 0.461566299200058,
679
+ "learning_rate": 1.5957446808510639e-06,
680
+ "loss": 2.2793,
681
+ "step": 960
682
+ },
683
+ {
684
+ "epoch": 0.32245330452307247,
685
+ "grad_norm": 0.49795401096343994,
686
+ "learning_rate": 1.6123670212765958e-06,
687
+ "loss": 2.2845,
688
+ "step": 970
689
+ },
690
+ {
691
+ "epoch": 0.3257775653944443,
692
+ "grad_norm": 0.4422404170036316,
693
+ "learning_rate": 1.6289893617021279e-06,
694
+ "loss": 2.2744,
695
+ "step": 980
696
+ },
697
+ {
698
+ "epoch": 0.3291018262658162,
699
+ "grad_norm": 0.4161861538887024,
700
+ "learning_rate": 1.6456117021276596e-06,
701
+ "loss": 2.2463,
702
+ "step": 990
703
+ },
704
+ {
705
+ "epoch": 0.3324260871371881,
706
+ "grad_norm": 0.46071523427963257,
707
+ "learning_rate": 1.6622340425531915e-06,
708
+ "loss": 2.2271,
709
+ "step": 1000
710
+ },
711
+ {
712
+ "epoch": 0.33575034800855996,
713
+ "grad_norm": 0.3772067129611969,
714
+ "learning_rate": 1.6788563829787236e-06,
715
+ "loss": 2.2119,
716
+ "step": 1010
717
+ },
718
+ {
719
+ "epoch": 0.33907460887993185,
720
+ "grad_norm": 0.44782117009162903,
721
+ "learning_rate": 1.6954787234042553e-06,
722
+ "loss": 2.2022,
723
+ "step": 1020
724
+ },
725
+ {
726
+ "epoch": 0.34239886975130374,
727
+ "grad_norm": 0.4486360251903534,
728
+ "learning_rate": 1.7121010638297872e-06,
729
+ "loss": 2.1723,
730
+ "step": 1030
731
+ },
732
+ {
733
+ "epoch": 0.3457231306226756,
734
+ "grad_norm": 0.47423475980758667,
735
+ "learning_rate": 1.7287234042553193e-06,
736
+ "loss": 2.1295,
737
+ "step": 1040
738
+ },
739
+ {
740
+ "epoch": 0.3490473914940475,
741
+ "grad_norm": 0.4199342131614685,
742
+ "learning_rate": 1.745345744680851e-06,
743
+ "loss": 2.1387,
744
+ "step": 1050
745
+ },
746
+ {
747
+ "epoch": 0.3523716523654194,
748
+ "grad_norm": 0.43744415044784546,
749
+ "learning_rate": 1.761968085106383e-06,
750
+ "loss": 2.1195,
751
+ "step": 1060
752
+ },
753
+ {
754
+ "epoch": 0.3556959132367913,
755
+ "grad_norm": 0.3780044913291931,
756
+ "learning_rate": 1.778590425531915e-06,
757
+ "loss": 2.1194,
758
+ "step": 1070
759
+ },
760
+ {
761
+ "epoch": 0.3590201741081631,
762
+ "grad_norm": 0.40349099040031433,
763
+ "learning_rate": 1.795212765957447e-06,
764
+ "loss": 2.1005,
765
+ "step": 1080
766
+ },
767
+ {
768
+ "epoch": 0.362344434979535,
769
+ "grad_norm": 0.378764271736145,
770
+ "learning_rate": 1.8118351063829788e-06,
771
+ "loss": 2.0757,
772
+ "step": 1090
773
+ },
774
+ {
775
+ "epoch": 0.3656686958509069,
776
+ "grad_norm": 0.34115588665008545,
777
+ "learning_rate": 1.8284574468085107e-06,
778
+ "loss": 2.0591,
779
+ "step": 1100
780
+ },
781
+ {
782
+ "epoch": 0.3689929567222788,
783
+ "grad_norm": 0.39553964138031006,
784
+ "learning_rate": 1.8450797872340428e-06,
785
+ "loss": 2.0298,
786
+ "step": 1110
787
+ },
788
+ {
789
+ "epoch": 0.37231721759365066,
790
+ "grad_norm": 0.36110466718673706,
791
+ "learning_rate": 1.8617021276595745e-06,
792
+ "loss": 2.0113,
793
+ "step": 1120
794
+ },
795
+ {
796
+ "epoch": 0.37564147846502255,
797
+ "grad_norm": 0.33477863669395447,
798
+ "learning_rate": 1.8783244680851066e-06,
799
+ "loss": 2.0197,
800
+ "step": 1130
801
+ },
802
+ {
803
+ "epoch": 0.37896573933639444,
804
+ "grad_norm": 0.43919846415519714,
805
+ "learning_rate": 1.8949468085106385e-06,
806
+ "loss": 1.9794,
807
+ "step": 1140
808
+ },
809
+ {
810
+ "epoch": 0.3822900002077663,
811
+ "grad_norm": 0.3243393898010254,
812
+ "learning_rate": 1.9115691489361704e-06,
813
+ "loss": 1.9667,
814
+ "step": 1150
815
+ },
816
+ {
817
+ "epoch": 0.3856142610791382,
818
+ "grad_norm": 0.3350262939929962,
819
+ "learning_rate": 1.928191489361702e-06,
820
+ "loss": 1.978,
821
+ "step": 1160
822
+ },
823
+ {
824
+ "epoch": 0.38893852195051004,
825
+ "grad_norm": 0.3365063965320587,
826
+ "learning_rate": 1.944813829787234e-06,
827
+ "loss": 1.9701,
828
+ "step": 1170
829
+ },
830
+ {
831
+ "epoch": 0.39226278282188193,
832
+ "grad_norm": 0.3240489661693573,
833
+ "learning_rate": 1.961436170212766e-06,
834
+ "loss": 1.9465,
835
+ "step": 1180
836
+ },
837
+ {
838
+ "epoch": 0.3955870436932538,
839
+ "grad_norm": 0.3239437937736511,
840
+ "learning_rate": 1.978058510638298e-06,
841
+ "loss": 1.9253,
842
+ "step": 1190
843
+ },
844
+ {
845
+ "epoch": 0.3989113045646257,
846
+ "grad_norm": 0.3397749364376068,
847
+ "learning_rate": 1.99468085106383e-06,
848
+ "loss": 1.9057,
849
+ "step": 1200
850
+ },
851
+ {
852
+ "epoch": 0.4022355654359976,
853
+ "grad_norm": 0.2915981113910675,
854
+ "learning_rate": 2.011303191489362e-06,
855
+ "loss": 1.9047,
856
+ "step": 1210
857
+ },
858
+ {
859
+ "epoch": 0.4055598263073695,
860
+ "grad_norm": 0.39456045627593994,
861
+ "learning_rate": 2.0279255319148935e-06,
862
+ "loss": 1.9144,
863
+ "step": 1220
864
+ },
865
+ {
866
+ "epoch": 0.40888408717874136,
867
+ "grad_norm": 0.2593387961387634,
868
+ "learning_rate": 2.0445478723404256e-06,
869
+ "loss": 1.8969,
870
+ "step": 1230
871
+ },
872
+ {
873
+ "epoch": 0.41220834805011325,
874
+ "grad_norm": 0.30935177206993103,
875
+ "learning_rate": 2.0611702127659573e-06,
876
+ "loss": 1.8931,
877
+ "step": 1240
878
+ },
879
+ {
880
+ "epoch": 0.41553260892148514,
881
+ "grad_norm": 0.27917250990867615,
882
+ "learning_rate": 2.0777925531914894e-06,
883
+ "loss": 1.8899,
884
+ "step": 1250
885
+ },
886
+ {
887
+ "epoch": 0.41885686979285697,
888
+ "grad_norm": 0.25976502895355225,
889
+ "learning_rate": 2.0944148936170215e-06,
890
+ "loss": 1.8503,
891
+ "step": 1260
892
+ },
893
+ {
894
+ "epoch": 0.42218113066422885,
895
+ "grad_norm": 0.31833794713020325,
896
+ "learning_rate": 2.111037234042553e-06,
897
+ "loss": 1.8527,
898
+ "step": 1270
899
+ },
900
+ {
901
+ "epoch": 0.42550539153560074,
902
+ "grad_norm": 0.2671976685523987,
903
+ "learning_rate": 2.1276595744680853e-06,
904
+ "loss": 1.8505,
905
+ "step": 1280
906
+ },
907
+ {
908
+ "epoch": 0.42882965240697263,
909
+ "grad_norm": 0.3245258629322052,
910
+ "learning_rate": 2.144281914893617e-06,
911
+ "loss": 1.864,
912
+ "step": 1290
913
+ },
914
+ {
915
+ "epoch": 0.4321539132783445,
916
+ "grad_norm": 0.2622531056404114,
917
+ "learning_rate": 2.160904255319149e-06,
918
+ "loss": 1.8301,
919
+ "step": 1300
920
+ },
921
+ {
922
+ "epoch": 0.4354781741497164,
923
+ "grad_norm": 0.3247709274291992,
924
+ "learning_rate": 2.177526595744681e-06,
925
+ "loss": 1.812,
926
+ "step": 1310
927
+ },
928
+ {
929
+ "epoch": 0.4388024350210883,
930
+ "grad_norm": 0.26424384117126465,
931
+ "learning_rate": 2.194148936170213e-06,
932
+ "loss": 1.7958,
933
+ "step": 1320
934
+ },
935
+ {
936
+ "epoch": 0.4421266958924602,
937
+ "grad_norm": 0.2569092810153961,
938
+ "learning_rate": 2.210771276595745e-06,
939
+ "loss": 1.8147,
940
+ "step": 1330
941
+ },
942
+ {
943
+ "epoch": 0.44545095676383206,
944
+ "grad_norm": 0.2393629103899002,
945
+ "learning_rate": 2.2273936170212767e-06,
946
+ "loss": 1.7976,
947
+ "step": 1340
948
+ },
949
+ {
950
+ "epoch": 0.44877521763520395,
951
+ "grad_norm": 0.232402965426445,
952
+ "learning_rate": 2.244015957446809e-06,
953
+ "loss": 1.7597,
954
+ "step": 1350
955
+ },
956
+ {
957
+ "epoch": 0.4520994785065758,
958
+ "grad_norm": 0.26385971903800964,
959
+ "learning_rate": 2.2606382978723405e-06,
960
+ "loss": 1.7781,
961
+ "step": 1360
962
+ },
963
+ {
964
+ "epoch": 0.45542373937794767,
965
+ "grad_norm": 0.2671038806438446,
966
+ "learning_rate": 2.277260638297872e-06,
967
+ "loss": 1.7583,
968
+ "step": 1370
969
+ },
970
+ {
971
+ "epoch": 0.45874800024931955,
972
+ "grad_norm": 0.27096447348594666,
973
+ "learning_rate": 2.2938829787234043e-06,
974
+ "loss": 1.7402,
975
+ "step": 1380
976
+ },
977
+ {
978
+ "epoch": 0.46207226112069144,
979
+ "grad_norm": 0.2245018631219864,
980
+ "learning_rate": 2.3105053191489364e-06,
981
+ "loss": 1.7644,
982
+ "step": 1390
983
+ },
984
+ {
985
+ "epoch": 0.46539652199206333,
986
+ "grad_norm": 0.20663714408874512,
987
+ "learning_rate": 2.327127659574468e-06,
988
+ "loss": 1.7519,
989
+ "step": 1400
990
+ },
991
+ {
992
+ "epoch": 0.4687207828634352,
993
+ "grad_norm": 0.26273128390312195,
994
+ "learning_rate": 2.3437500000000002e-06,
995
+ "loss": 1.7312,
996
+ "step": 1410
997
+ },
998
+ {
999
+ "epoch": 0.4720450437348071,
1000
+ "grad_norm": 0.24725256860256195,
1001
+ "learning_rate": 2.3603723404255323e-06,
1002
+ "loss": 1.7217,
1003
+ "step": 1420
1004
+ },
1005
+ {
1006
+ "epoch": 0.475369304606179,
1007
+ "grad_norm": 0.25341796875,
1008
+ "learning_rate": 2.376994680851064e-06,
1009
+ "loss": 1.7246,
1010
+ "step": 1430
1011
+ },
1012
+ {
1013
+ "epoch": 0.4786935654775509,
1014
+ "grad_norm": 0.21035414934158325,
1015
+ "learning_rate": 2.3936170212765957e-06,
1016
+ "loss": 1.7017,
1017
+ "step": 1440
1018
+ },
1019
+ {
1020
+ "epoch": 0.4820178263489227,
1021
+ "grad_norm": 0.21454143524169922,
1022
+ "learning_rate": 2.410239361702128e-06,
1023
+ "loss": 1.7049,
1024
+ "step": 1450
1025
+ },
1026
+ {
1027
+ "epoch": 0.4853420872202946,
1028
+ "grad_norm": 0.22413010895252228,
1029
+ "learning_rate": 2.4268617021276595e-06,
1030
+ "loss": 1.6809,
1031
+ "step": 1460
1032
+ },
1033
+ {
1034
+ "epoch": 0.4886663480916665,
1035
+ "grad_norm": 0.2039473056793213,
1036
+ "learning_rate": 2.4434840425531916e-06,
1037
+ "loss": 1.6873,
1038
+ "step": 1470
1039
+ },
1040
+ {
1041
+ "epoch": 0.49199060896303837,
1042
+ "grad_norm": 0.18895457684993744,
1043
+ "learning_rate": 2.4601063829787237e-06,
1044
+ "loss": 1.69,
1045
+ "step": 1480
1046
+ },
1047
+ {
1048
+ "epoch": 0.49531486983441025,
1049
+ "grad_norm": 0.21047964692115784,
1050
+ "learning_rate": 2.4767287234042554e-06,
1051
+ "loss": 1.681,
1052
+ "step": 1490
1053
+ },
1054
+ {
1055
+ "epoch": 0.49863913070578214,
1056
+ "grad_norm": 0.2226460874080658,
1057
+ "learning_rate": 2.493351063829787e-06,
1058
+ "loss": 1.6613,
1059
+ "step": 1500
1060
+ },
1061
+ {
1062
+ "epoch": 0.501963391577154,
1063
+ "grad_norm": 0.21892835199832916,
1064
+ "learning_rate": 2.5099734042553192e-06,
1065
+ "loss": 1.6376,
1066
+ "step": 1510
1067
+ },
1068
+ {
1069
+ "epoch": 0.5052876524485259,
1070
+ "grad_norm": 0.20363831520080566,
1071
+ "learning_rate": 2.526595744680851e-06,
1072
+ "loss": 1.6541,
1073
+ "step": 1520
1074
+ },
1075
+ {
1076
+ "epoch": 0.5086119133198977,
1077
+ "grad_norm": 0.1988699585199356,
1078
+ "learning_rate": 2.543218085106383e-06,
1079
+ "loss": 1.6422,
1080
+ "step": 1530
1081
+ },
1082
+ {
1083
+ "epoch": 0.5119361741912697,
1084
+ "grad_norm": 0.2050096094608307,
1085
+ "learning_rate": 2.559840425531915e-06,
1086
+ "loss": 1.6377,
1087
+ "step": 1540
1088
+ },
1089
+ {
1090
+ "epoch": 0.5152604350626415,
1091
+ "grad_norm": 0.23265878856182098,
1092
+ "learning_rate": 2.5764627659574472e-06,
1093
+ "loss": 1.6251,
1094
+ "step": 1550
1095
+ },
1096
+ {
1097
+ "epoch": 0.5185846959340135,
1098
+ "grad_norm": 0.2024969905614853,
1099
+ "learning_rate": 2.593085106382979e-06,
1100
+ "loss": 1.6048,
1101
+ "step": 1560
1102
+ },
1103
+ {
1104
+ "epoch": 0.5219089568053853,
1105
+ "grad_norm": 0.21343863010406494,
1106
+ "learning_rate": 2.6097074468085106e-06,
1107
+ "loss": 1.6195,
1108
+ "step": 1570
1109
+ },
1110
+ {
1111
+ "epoch": 0.5252332176767572,
1112
+ "grad_norm": 0.1862565129995346,
1113
+ "learning_rate": 2.6263297872340427e-06,
1114
+ "loss": 1.5991,
1115
+ "step": 1580
1116
+ },
1117
+ {
1118
+ "epoch": 0.5285574785481291,
1119
+ "grad_norm": 0.22765249013900757,
1120
+ "learning_rate": 2.6429521276595744e-06,
1121
+ "loss": 1.5957,
1122
+ "step": 1590
1123
+ },
1124
+ {
1125
+ "epoch": 0.5318817394195009,
1126
+ "grad_norm": 0.19874997437000275,
1127
+ "learning_rate": 2.6595744680851065e-06,
1128
+ "loss": 1.5847,
1129
+ "step": 1600
1130
+ },
1131
+ {
1132
+ "epoch": 0.5352060002908728,
1133
+ "grad_norm": 0.25979486107826233,
1134
+ "learning_rate": 2.6761968085106386e-06,
1135
+ "loss": 1.6046,
1136
+ "step": 1610
1137
+ },
1138
+ {
1139
+ "epoch": 0.5385302611622447,
1140
+ "grad_norm": 0.1831529289484024,
1141
+ "learning_rate": 2.6928191489361703e-06,
1142
+ "loss": 1.5835,
1143
+ "step": 1620
1144
+ },
1145
+ {
1146
+ "epoch": 0.5418545220336166,
1147
+ "grad_norm": 0.2680751085281372,
1148
+ "learning_rate": 2.7094414893617024e-06,
1149
+ "loss": 1.6009,
1150
+ "step": 1630
1151
+ },
1152
+ {
1153
+ "epoch": 0.5451787829049884,
1154
+ "grad_norm": 0.18160907924175262,
1155
+ "learning_rate": 2.726063829787234e-06,
1156
+ "loss": 1.5666,
1157
+ "step": 1640
1158
+ },
1159
+ {
1160
+ "epoch": 0.5485030437763604,
1161
+ "grad_norm": 0.22875571250915527,
1162
+ "learning_rate": 2.742686170212766e-06,
1163
+ "loss": 1.5614,
1164
+ "step": 1650
1165
+ },
1166
+ {
1167
+ "epoch": 0.5518273046477322,
1168
+ "grad_norm": 0.21110033988952637,
1169
+ "learning_rate": 2.759308510638298e-06,
1170
+ "loss": 1.5707,
1171
+ "step": 1660
1172
+ },
1173
+ {
1174
+ "epoch": 0.5551515655191042,
1175
+ "grad_norm": 0.1887374073266983,
1176
+ "learning_rate": 2.77593085106383e-06,
1177
+ "loss": 1.5781,
1178
+ "step": 1670
1179
+ },
1180
+ {
1181
+ "epoch": 0.558475826390476,
1182
+ "grad_norm": 0.1916954219341278,
1183
+ "learning_rate": 2.7925531914893617e-06,
1184
+ "loss": 1.563,
1185
+ "step": 1680
1186
+ },
1187
+ {
1188
+ "epoch": 0.5618000872618478,
1189
+ "grad_norm": 0.21001753211021423,
1190
+ "learning_rate": 2.809175531914894e-06,
1191
+ "loss": 1.5495,
1192
+ "step": 1690
1193
+ },
1194
+ {
1195
+ "epoch": 0.5651243481332198,
1196
+ "grad_norm": 0.1702377200126648,
1197
+ "learning_rate": 2.825797872340426e-06,
1198
+ "loss": 1.5427,
1199
+ "step": 1700
1200
+ },
1201
+ {
1202
+ "epoch": 0.5684486090045916,
1203
+ "grad_norm": 0.19061295688152313,
1204
+ "learning_rate": 2.8424202127659576e-06,
1205
+ "loss": 1.5387,
1206
+ "step": 1710
1207
+ },
1208
+ {
1209
+ "epoch": 0.5717728698759635,
1210
+ "grad_norm": 0.17503058910369873,
1211
+ "learning_rate": 2.8590425531914893e-06,
1212
+ "loss": 1.5154,
1213
+ "step": 1720
1214
+ },
1215
+ {
1216
+ "epoch": 0.5750971307473354,
1217
+ "grad_norm": 0.1703094244003296,
1218
+ "learning_rate": 2.8756648936170214e-06,
1219
+ "loss": 1.5209,
1220
+ "step": 1730
1221
+ },
1222
+ {
1223
+ "epoch": 0.5784213916187073,
1224
+ "grad_norm": 0.22713126242160797,
1225
+ "learning_rate": 2.892287234042553e-06,
1226
+ "loss": 1.529,
1227
+ "step": 1740
1228
+ },
1229
+ {
1230
+ "epoch": 0.5817456524900791,
1231
+ "grad_norm": 0.16218431293964386,
1232
+ "learning_rate": 2.9089095744680852e-06,
1233
+ "loss": 1.505,
1234
+ "step": 1750
1235
+ },
1236
+ {
1237
+ "epoch": 0.5850699133614511,
1238
+ "grad_norm": 0.16082778573036194,
1239
+ "learning_rate": 2.9255319148936174e-06,
1240
+ "loss": 1.5312,
1241
+ "step": 1760
1242
+ },
1243
+ {
1244
+ "epoch": 0.5883941742328229,
1245
+ "grad_norm": 0.19500340521335602,
1246
+ "learning_rate": 2.942154255319149e-06,
1247
+ "loss": 1.4971,
1248
+ "step": 1770
1249
+ },
1250
+ {
1251
+ "epoch": 0.5917184351041948,
1252
+ "grad_norm": 0.16831324994564056,
1253
+ "learning_rate": 2.9587765957446807e-06,
1254
+ "loss": 1.5172,
1255
+ "step": 1780
1256
+ },
1257
+ {
1258
+ "epoch": 0.5950426959755667,
1259
+ "grad_norm": 0.17963413894176483,
1260
+ "learning_rate": 2.975398936170213e-06,
1261
+ "loss": 1.5076,
1262
+ "step": 1790
1263
+ },
1264
+ {
1265
+ "epoch": 0.5983669568469385,
1266
+ "grad_norm": 0.17123515903949738,
1267
+ "learning_rate": 2.992021276595745e-06,
1268
+ "loss": 1.4941,
1269
+ "step": 1800
1270
+ },
1271
+ {
1272
+ "epoch": 0.6016912177183105,
1273
+ "grad_norm": 0.15727902948856354,
1274
+ "learning_rate": 3.0086436170212766e-06,
1275
+ "loss": 1.4609,
1276
+ "step": 1810
1277
+ },
1278
+ {
1279
+ "epoch": 0.6050154785896823,
1280
+ "grad_norm": 0.1833077073097229,
1281
+ "learning_rate": 3.0252659574468088e-06,
1282
+ "loss": 1.5042,
1283
+ "step": 1820
1284
+ },
1285
+ {
1286
+ "epoch": 0.6083397394610542,
1287
+ "grad_norm": 0.16962528228759766,
1288
+ "learning_rate": 3.041888297872341e-06,
1289
+ "loss": 1.4651,
1290
+ "step": 1830
1291
+ },
1292
+ {
1293
+ "epoch": 0.6116640003324261,
1294
+ "grad_norm": 0.17829731106758118,
1295
+ "learning_rate": 3.0585106382978726e-06,
1296
+ "loss": 1.4907,
1297
+ "step": 1840
1298
+ },
1299
+ {
1300
+ "epoch": 0.614988261203798,
1301
+ "grad_norm": 0.16981306672096252,
1302
+ "learning_rate": 3.0751329787234042e-06,
1303
+ "loss": 1.4683,
1304
+ "step": 1850
1305
+ },
1306
+ {
1307
+ "epoch": 0.6183125220751698,
1308
+ "grad_norm": 0.20783671736717224,
1309
+ "learning_rate": 3.0917553191489363e-06,
1310
+ "loss": 1.463,
1311
+ "step": 1860
1312
+ },
1313
+ {
1314
+ "epoch": 0.6216367829465417,
1315
+ "grad_norm": 0.20343361794948578,
1316
+ "learning_rate": 3.108377659574468e-06,
1317
+ "loss": 1.4632,
1318
+ "step": 1870
1319
+ },
1320
+ {
1321
+ "epoch": 0.6249610438179136,
1322
+ "grad_norm": 0.18592675030231476,
1323
+ "learning_rate": 3.125e-06,
1324
+ "loss": 1.4887,
1325
+ "step": 1880
1326
+ },
1327
+ {
1328
+ "epoch": 0.6282853046892855,
1329
+ "grad_norm": 0.17272701859474182,
1330
+ "learning_rate": 3.141622340425532e-06,
1331
+ "loss": 1.4491,
1332
+ "step": 1890
1333
+ },
1334
+ {
1335
+ "epoch": 0.6316095655606574,
1336
+ "grad_norm": 0.2021792083978653,
1337
+ "learning_rate": 3.1582446808510644e-06,
1338
+ "loss": 1.4537,
1339
+ "step": 1900
1340
+ },
1341
+ {
1342
+ "epoch": 0.6349338264320292,
1343
+ "grad_norm": 0.16319766640663147,
1344
+ "learning_rate": 3.174867021276596e-06,
1345
+ "loss": 1.456,
1346
+ "step": 1910
1347
+ },
1348
+ {
1349
+ "epoch": 0.6382580873034012,
1350
+ "grad_norm": 0.2344328761100769,
1351
+ "learning_rate": 3.1914893617021277e-06,
1352
+ "loss": 1.4801,
1353
+ "step": 1920
1354
+ },
1355
+ {
1356
+ "epoch": 0.641582348174773,
1357
+ "grad_norm": 0.17495407164096832,
1358
+ "learning_rate": 3.20811170212766e-06,
1359
+ "loss": 1.4435,
1360
+ "step": 1930
1361
+ },
1362
+ {
1363
+ "epoch": 0.6449066090461449,
1364
+ "grad_norm": 0.19222399592399597,
1365
+ "learning_rate": 3.2247340425531915e-06,
1366
+ "loss": 1.4391,
1367
+ "step": 1940
1368
+ },
1369
+ {
1370
+ "epoch": 0.6482308699175168,
1371
+ "grad_norm": 0.24526530504226685,
1372
+ "learning_rate": 3.2413563829787232e-06,
1373
+ "loss": 1.4555,
1374
+ "step": 1950
1375
+ },
1376
+ {
1377
+ "epoch": 0.6515551307888886,
1378
+ "grad_norm": 0.18150673806667328,
1379
+ "learning_rate": 3.2579787234042558e-06,
1380
+ "loss": 1.4396,
1381
+ "step": 1960
1382
+ },
1383
+ {
1384
+ "epoch": 0.6548793916602605,
1385
+ "grad_norm": 0.18334811925888062,
1386
+ "learning_rate": 3.2746010638297875e-06,
1387
+ "loss": 1.4139,
1388
+ "step": 1970
1389
+ },
1390
+ {
1391
+ "epoch": 0.6582036525316324,
1392
+ "grad_norm": 0.25186312198638916,
1393
+ "learning_rate": 3.291223404255319e-06,
1394
+ "loss": 1.439,
1395
+ "step": 1980
1396
+ },
1397
+ {
1398
+ "epoch": 0.6615279134030043,
1399
+ "grad_norm": 0.16558600962162018,
1400
+ "learning_rate": 3.3078457446808513e-06,
1401
+ "loss": 1.4383,
1402
+ "step": 1990
1403
+ },
1404
+ {
1405
+ "epoch": 0.6648521742743762,
1406
+ "grad_norm": 0.2373538315296173,
1407
+ "learning_rate": 3.324468085106383e-06,
1408
+ "loss": 1.4334,
1409
+ "step": 2000
1410
+ },
1411
+ {
1412
+ "epoch": 0.6681764351457481,
1413
+ "grad_norm": 0.2821474075317383,
1414
+ "learning_rate": 3.3410904255319146e-06,
1415
+ "loss": 1.4418,
1416
+ "step": 2010
1417
+ },
1418
+ {
1419
+ "epoch": 0.6715006960171199,
1420
+ "grad_norm": 0.2443741410970688,
1421
+ "learning_rate": 3.357712765957447e-06,
1422
+ "loss": 1.4071,
1423
+ "step": 2020
1424
+ },
1425
+ {
1426
+ "epoch": 0.6748249568884919,
1427
+ "grad_norm": 0.17468735575675964,
1428
+ "learning_rate": 3.374335106382979e-06,
1429
+ "loss": 1.4109,
1430
+ "step": 2030
1431
+ },
1432
+ {
1433
+ "epoch": 0.6781492177598637,
1434
+ "grad_norm": 0.1655045598745346,
1435
+ "learning_rate": 3.3909574468085105e-06,
1436
+ "loss": 1.4049,
1437
+ "step": 2040
1438
+ },
1439
+ {
1440
+ "epoch": 0.6814734786312356,
1441
+ "grad_norm": 0.17598801851272583,
1442
+ "learning_rate": 3.4075797872340427e-06,
1443
+ "loss": 1.4188,
1444
+ "step": 2050
1445
+ },
1446
+ {
1447
+ "epoch": 0.6847977395026075,
1448
+ "grad_norm": 0.28528669476509094,
1449
+ "learning_rate": 3.4242021276595743e-06,
1450
+ "loss": 1.408,
1451
+ "step": 2060
1452
+ },
1453
+ {
1454
+ "epoch": 0.6881220003739793,
1455
+ "grad_norm": 0.17654620110988617,
1456
+ "learning_rate": 3.440824468085106e-06,
1457
+ "loss": 1.4117,
1458
+ "step": 2070
1459
+ },
1460
+ {
1461
+ "epoch": 0.6914462612453512,
1462
+ "grad_norm": 0.2636467516422272,
1463
+ "learning_rate": 3.4574468085106386e-06,
1464
+ "loss": 1.3947,
1465
+ "step": 2080
1466
+ },
1467
+ {
1468
+ "epoch": 0.6947705221167231,
1469
+ "grad_norm": 0.26495933532714844,
1470
+ "learning_rate": 3.4740691489361703e-06,
1471
+ "loss": 1.398,
1472
+ "step": 2090
1473
+ },
1474
+ {
1475
+ "epoch": 0.698094782988095,
1476
+ "grad_norm": 0.3873574435710907,
1477
+ "learning_rate": 3.490691489361702e-06,
1478
+ "loss": 1.4204,
1479
+ "step": 2100
1480
+ },
1481
+ {
1482
+ "epoch": 0.7014190438594669,
1483
+ "grad_norm": 0.327854186296463,
1484
+ "learning_rate": 3.5073138297872345e-06,
1485
+ "loss": 1.3744,
1486
+ "step": 2110
1487
+ },
1488
+ {
1489
+ "epoch": 0.7047433047308388,
1490
+ "grad_norm": 0.308570921421051,
1491
+ "learning_rate": 3.523936170212766e-06,
1492
+ "loss": 1.4293,
1493
+ "step": 2120
1494
+ },
1495
+ {
1496
+ "epoch": 0.7080675656022106,
1497
+ "grad_norm": 0.21123336255550385,
1498
+ "learning_rate": 3.5405585106382983e-06,
1499
+ "loss": 1.3878,
1500
+ "step": 2130
1501
+ },
1502
+ {
1503
+ "epoch": 0.7113918264735826,
1504
+ "grad_norm": 0.18777534365653992,
1505
+ "learning_rate": 3.55718085106383e-06,
1506
+ "loss": 1.3882,
1507
+ "step": 2140
1508
+ },
1509
+ {
1510
+ "epoch": 0.7147160873449544,
1511
+ "grad_norm": 0.2535350024700165,
1512
+ "learning_rate": 3.5738031914893617e-06,
1513
+ "loss": 1.3974,
1514
+ "step": 2150
1515
+ },
1516
+ {
1517
+ "epoch": 0.7180403482163262,
1518
+ "grad_norm": 0.15405435860157013,
1519
+ "learning_rate": 3.590425531914894e-06,
1520
+ "loss": 1.3853,
1521
+ "step": 2160
1522
+ },
1523
+ {
1524
+ "epoch": 0.7213646090876982,
1525
+ "grad_norm": 0.1863648146390915,
1526
+ "learning_rate": 3.607047872340426e-06,
1527
+ "loss": 1.3835,
1528
+ "step": 2170
1529
+ },
1530
+ {
1531
+ "epoch": 0.72468886995907,
1532
+ "grad_norm": 0.18587157130241394,
1533
+ "learning_rate": 3.6236702127659576e-06,
1534
+ "loss": 1.3711,
1535
+ "step": 2180
1536
+ },
1537
+ {
1538
+ "epoch": 0.728013130830442,
1539
+ "grad_norm": 0.18254730105400085,
1540
+ "learning_rate": 3.6402925531914897e-06,
1541
+ "loss": 1.3768,
1542
+ "step": 2190
1543
+ },
1544
+ {
1545
+ "epoch": 0.7313373917018138,
1546
+ "grad_norm": 0.21665969491004944,
1547
+ "learning_rate": 3.6569148936170214e-06,
1548
+ "loss": 1.3638,
1549
+ "step": 2200
1550
+ },
1551
+ {
1552
+ "epoch": 0.7346616525731857,
1553
+ "grad_norm": 0.15701924264431,
1554
+ "learning_rate": 3.673537234042553e-06,
1555
+ "loss": 1.3885,
1556
+ "step": 2210
1557
+ },
1558
+ {
1559
+ "epoch": 0.7379859134445576,
1560
+ "grad_norm": 0.19307725131511688,
1561
+ "learning_rate": 3.6901595744680856e-06,
1562
+ "loss": 1.3933,
1563
+ "step": 2220
1564
+ },
1565
+ {
1566
+ "epoch": 0.7413101743159295,
1567
+ "grad_norm": 0.16837100684642792,
1568
+ "learning_rate": 3.7067819148936173e-06,
1569
+ "loss": 1.3685,
1570
+ "step": 2230
1571
+ },
1572
+ {
1573
+ "epoch": 0.7446344351873013,
1574
+ "grad_norm": 0.2914402484893799,
1575
+ "learning_rate": 3.723404255319149e-06,
1576
+ "loss": 1.3802,
1577
+ "step": 2240
1578
+ },
1579
+ {
1580
+ "epoch": 0.7479586960586732,
1581
+ "grad_norm": 0.2770545184612274,
1582
+ "learning_rate": 3.7400265957446815e-06,
1583
+ "loss": 1.3575,
1584
+ "step": 2250
1585
+ },
1586
+ {
1587
+ "epoch": 0.7512829569300451,
1588
+ "grad_norm": 0.19819234311580658,
1589
+ "learning_rate": 3.756648936170213e-06,
1590
+ "loss": 1.3695,
1591
+ "step": 2260
1592
+ },
1593
+ {
1594
+ "epoch": 0.7546072178014169,
1595
+ "grad_norm": 0.15371359884738922,
1596
+ "learning_rate": 3.7732712765957445e-06,
1597
+ "loss": 1.3514,
1598
+ "step": 2270
1599
+ },
1600
+ {
1601
+ "epoch": 0.7579314786727889,
1602
+ "grad_norm": 0.26700448989868164,
1603
+ "learning_rate": 3.789893617021277e-06,
1604
+ "loss": 1.3689,
1605
+ "step": 2280
1606
+ },
1607
+ {
1608
+ "epoch": 0.7612557395441607,
1609
+ "grad_norm": 0.2938506007194519,
1610
+ "learning_rate": 3.8065159574468087e-06,
1611
+ "loss": 1.3518,
1612
+ "step": 2290
1613
+ },
1614
+ {
1615
+ "epoch": 0.7645800004155326,
1616
+ "grad_norm": 0.2514606714248657,
1617
+ "learning_rate": 3.823138297872341e-06,
1618
+ "loss": 1.3655,
1619
+ "step": 2300
1620
+ },
1621
+ {
1622
+ "epoch": 0.7679042612869045,
1623
+ "grad_norm": 0.2503184378147125,
1624
+ "learning_rate": 3.8397606382978725e-06,
1625
+ "loss": 1.3511,
1626
+ "step": 2310
1627
+ },
1628
+ {
1629
+ "epoch": 0.7712285221582764,
1630
+ "grad_norm": 0.1815042346715927,
1631
+ "learning_rate": 3.856382978723404e-06,
1632
+ "loss": 1.383,
1633
+ "step": 2320
1634
+ },
1635
+ {
1636
+ "epoch": 0.7745527830296483,
1637
+ "grad_norm": 0.25425419211387634,
1638
+ "learning_rate": 3.873005319148936e-06,
1639
+ "loss": 1.3354,
1640
+ "step": 2330
1641
+ },
1642
+ {
1643
+ "epoch": 0.7778770439010201,
1644
+ "grad_norm": 0.18466657400131226,
1645
+ "learning_rate": 3.889627659574468e-06,
1646
+ "loss": 1.3514,
1647
+ "step": 2340
1648
+ },
1649
+ {
1650
+ "epoch": 0.781201304772392,
1651
+ "grad_norm": 0.1782332807779312,
1652
+ "learning_rate": 3.90625e-06,
1653
+ "loss": 1.32,
1654
+ "step": 2350
1655
+ },
1656
+ {
1657
+ "epoch": 0.7845255656437639,
1658
+ "grad_norm": 0.27637991309165955,
1659
+ "learning_rate": 3.922872340425532e-06,
1660
+ "loss": 1.3383,
1661
+ "step": 2360
1662
+ },
1663
+ {
1664
+ "epoch": 0.7878498265151358,
1665
+ "grad_norm": 0.17314772307872772,
1666
+ "learning_rate": 3.939494680851064e-06,
1667
+ "loss": 1.3314,
1668
+ "step": 2370
1669
+ },
1670
+ {
1671
+ "epoch": 0.7911740873865076,
1672
+ "grad_norm": 0.3641667068004608,
1673
+ "learning_rate": 3.956117021276596e-06,
1674
+ "loss": 1.3543,
1675
+ "step": 2380
1676
+ },
1677
+ {
1678
+ "epoch": 0.7944983482578796,
1679
+ "grad_norm": 0.3088253438472748,
1680
+ "learning_rate": 3.972739361702128e-06,
1681
+ "loss": 1.3444,
1682
+ "step": 2390
1683
+ },
1684
+ {
1685
+ "epoch": 0.7978226091292514,
1686
+ "grad_norm": 0.25276973843574524,
1687
+ "learning_rate": 3.98936170212766e-06,
1688
+ "loss": 1.3102,
1689
+ "step": 2400
1690
+ },
1691
+ {
1692
+ "epoch": 0.8011468700006233,
1693
+ "grad_norm": 0.26414382457733154,
1694
+ "learning_rate": 4.005984042553192e-06,
1695
+ "loss": 1.3119,
1696
+ "step": 2410
1697
+ },
1698
+ {
1699
+ "epoch": 0.8044711308719952,
1700
+ "grad_norm": 0.1684638261795044,
1701
+ "learning_rate": 4.022606382978724e-06,
1702
+ "loss": 1.3204,
1703
+ "step": 2420
1704
+ },
1705
+ {
1706
+ "epoch": 0.807795391743367,
1707
+ "grad_norm": 0.18500946462154388,
1708
+ "learning_rate": 4.039228723404256e-06,
1709
+ "loss": 1.3251,
1710
+ "step": 2430
1711
+ },
1712
+ {
1713
+ "epoch": 0.811119652614739,
1714
+ "grad_norm": 0.2754835784435272,
1715
+ "learning_rate": 4.055851063829787e-06,
1716
+ "loss": 1.3258,
1717
+ "step": 2440
1718
+ },
1719
+ {
1720
+ "epoch": 0.8144439134861108,
1721
+ "grad_norm": 0.18949855864048004,
1722
+ "learning_rate": 4.072473404255319e-06,
1723
+ "loss": 1.3145,
1724
+ "step": 2450
1725
+ },
1726
+ {
1727
+ "epoch": 0.8177681743574827,
1728
+ "grad_norm": 0.6927218437194824,
1729
+ "learning_rate": 4.089095744680851e-06,
1730
+ "loss": 1.3205,
1731
+ "step": 2460
1732
+ },
1733
+ {
1734
+ "epoch": 0.8210924352288546,
1735
+ "grad_norm": 0.36098670959472656,
1736
+ "learning_rate": 4.105718085106383e-06,
1737
+ "loss": 1.3295,
1738
+ "step": 2470
1739
+ },
1740
+ {
1741
+ "epoch": 0.8244166961002265,
1742
+ "grad_norm": 0.25839686393737793,
1743
+ "learning_rate": 4.1223404255319146e-06,
1744
+ "loss": 1.321,
1745
+ "step": 2480
1746
+ },
1747
+ {
1748
+ "epoch": 0.8277409569715983,
1749
+ "grad_norm": 0.18720127642154694,
1750
+ "learning_rate": 4.138962765957447e-06,
1751
+ "loss": 1.2975,
1752
+ "step": 2490
1753
+ },
1754
+ {
1755
+ "epoch": 0.8310652178429703,
1756
+ "grad_norm": 0.17975495755672455,
1757
+ "learning_rate": 4.155585106382979e-06,
1758
+ "loss": 1.318,
1759
+ "step": 2500
1760
+ },
1761
+ {
1762
+ "epoch": 0.8343894787143421,
1763
+ "grad_norm": 0.3536490797996521,
1764
+ "learning_rate": 4.1722074468085105e-06,
1765
+ "loss": 1.312,
1766
+ "step": 2510
1767
+ },
1768
+ {
1769
+ "epoch": 0.8377137395857139,
1770
+ "grad_norm": 0.4771016836166382,
1771
+ "learning_rate": 4.188829787234043e-06,
1772
+ "loss": 1.3242,
1773
+ "step": 2520
1774
+ },
1775
+ {
1776
+ "epoch": 0.8410380004570859,
1777
+ "grad_norm": 0.6679111123085022,
1778
+ "learning_rate": 4.205452127659575e-06,
1779
+ "loss": 1.3108,
1780
+ "step": 2530
1781
+ },
1782
+ {
1783
+ "epoch": 0.8443622613284577,
1784
+ "grad_norm": 0.2579514682292938,
1785
+ "learning_rate": 4.222074468085106e-06,
1786
+ "loss": 1.3266,
1787
+ "step": 2540
1788
+ },
1789
+ {
1790
+ "epoch": 0.8476865221998297,
1791
+ "grad_norm": 0.17981646955013275,
1792
+ "learning_rate": 4.238696808510639e-06,
1793
+ "loss": 1.3182,
1794
+ "step": 2550
1795
+ },
1796
+ {
1797
+ "epoch": 0.8510107830712015,
1798
+ "grad_norm": 0.19210171699523926,
1799
+ "learning_rate": 4.255319148936171e-06,
1800
+ "loss": 1.3022,
1801
+ "step": 2560
1802
+ },
1803
+ {
1804
+ "epoch": 0.8543350439425734,
1805
+ "grad_norm": 0.18870197236537933,
1806
+ "learning_rate": 4.271941489361702e-06,
1807
+ "loss": 1.2911,
1808
+ "step": 2570
1809
+ },
1810
+ {
1811
+ "epoch": 0.8576593048139453,
1812
+ "grad_norm": 0.24970248341560364,
1813
+ "learning_rate": 4.288563829787234e-06,
1814
+ "loss": 1.3006,
1815
+ "step": 2580
1816
+ },
1817
+ {
1818
+ "epoch": 0.8609835656853172,
1819
+ "grad_norm": 0.18395459651947021,
1820
+ "learning_rate": 4.305186170212766e-06,
1821
+ "loss": 1.308,
1822
+ "step": 2590
1823
+ },
1824
+ {
1825
+ "epoch": 0.864307826556689,
1826
+ "grad_norm": 0.19471628963947296,
1827
+ "learning_rate": 4.321808510638298e-06,
1828
+ "loss": 1.2775,
1829
+ "step": 2600
1830
+ },
1831
+ {
1832
+ "epoch": 0.867632087428061,
1833
+ "grad_norm": 0.2713675796985626,
1834
+ "learning_rate": 4.33843085106383e-06,
1835
+ "loss": 1.2845,
1836
+ "step": 2610
1837
+ },
1838
+ {
1839
+ "epoch": 0.8709563482994328,
1840
+ "grad_norm": 0.268235445022583,
1841
+ "learning_rate": 4.355053191489362e-06,
1842
+ "loss": 1.276,
1843
+ "step": 2620
1844
+ },
1845
+ {
1846
+ "epoch": 0.8742806091708046,
1847
+ "grad_norm": 0.2281683087348938,
1848
+ "learning_rate": 4.371675531914894e-06,
1849
+ "loss": 1.2988,
1850
+ "step": 2630
1851
+ },
1852
+ {
1853
+ "epoch": 0.8776048700421766,
1854
+ "grad_norm": 0.20509906113147736,
1855
+ "learning_rate": 4.388297872340426e-06,
1856
+ "loss": 1.2993,
1857
+ "step": 2640
1858
+ },
1859
+ {
1860
+ "epoch": 0.8809291309135484,
1861
+ "grad_norm": 0.19255685806274414,
1862
+ "learning_rate": 4.4049202127659575e-06,
1863
+ "loss": 1.2816,
1864
+ "step": 2650
1865
+ },
1866
+ {
1867
+ "epoch": 0.8842533917849204,
1868
+ "grad_norm": 0.1968984156847,
1869
+ "learning_rate": 4.42154255319149e-06,
1870
+ "loss": 1.2861,
1871
+ "step": 2660
1872
+ },
1873
+ {
1874
+ "epoch": 0.8875776526562922,
1875
+ "grad_norm": 0.5413665771484375,
1876
+ "learning_rate": 4.438164893617022e-06,
1877
+ "loss": 1.2779,
1878
+ "step": 2670
1879
+ },
1880
+ {
1881
+ "epoch": 0.8909019135276641,
1882
+ "grad_norm": 0.19381985068321228,
1883
+ "learning_rate": 4.454787234042553e-06,
1884
+ "loss": 1.2835,
1885
+ "step": 2680
1886
+ },
1887
+ {
1888
+ "epoch": 0.894226174399036,
1889
+ "grad_norm": 0.19788819551467896,
1890
+ "learning_rate": 4.471409574468086e-06,
1891
+ "loss": 1.2788,
1892
+ "step": 2690
1893
+ },
1894
+ {
1895
+ "epoch": 0.8975504352704079,
1896
+ "grad_norm": 0.19661852717399597,
1897
+ "learning_rate": 4.488031914893618e-06,
1898
+ "loss": 1.2782,
1899
+ "step": 2700
1900
+ },
1901
+ {
1902
+ "epoch": 0.9008746961417797,
1903
+ "grad_norm": 0.1792154759168625,
1904
+ "learning_rate": 4.504654255319149e-06,
1905
+ "loss": 1.2561,
1906
+ "step": 2710
1907
+ },
1908
+ {
1909
+ "epoch": 0.9041989570131516,
1910
+ "grad_norm": 0.19385012984275818,
1911
+ "learning_rate": 4.521276595744681e-06,
1912
+ "loss": 1.2743,
1913
+ "step": 2720
1914
+ },
1915
+ {
1916
+ "epoch": 0.9075232178845235,
1917
+ "grad_norm": 0.19243328273296356,
1918
+ "learning_rate": 4.537898936170213e-06,
1919
+ "loss": 1.2536,
1920
+ "step": 2730
1921
+ },
1922
+ {
1923
+ "epoch": 0.9108474787558953,
1924
+ "grad_norm": 0.1733260452747345,
1925
+ "learning_rate": 4.554521276595744e-06,
1926
+ "loss": 1.2497,
1927
+ "step": 2740
1928
+ },
1929
+ {
1930
+ "epoch": 0.9141717396272673,
1931
+ "grad_norm": 0.1626838594675064,
1932
+ "learning_rate": 4.571143617021277e-06,
1933
+ "loss": 1.2663,
1934
+ "step": 2750
1935
+ },
1936
+ {
1937
+ "epoch": 0.9174960004986391,
1938
+ "grad_norm": 0.22138752043247223,
1939
+ "learning_rate": 4.587765957446809e-06,
1940
+ "loss": 1.2627,
1941
+ "step": 2760
1942
+ },
1943
+ {
1944
+ "epoch": 0.920820261370011,
1945
+ "grad_norm": 0.2485809475183487,
1946
+ "learning_rate": 4.60438829787234e-06,
1947
+ "loss": 1.2625,
1948
+ "step": 2770
1949
+ },
1950
+ {
1951
+ "epoch": 0.9241445222413829,
1952
+ "grad_norm": 0.19163627922534943,
1953
+ "learning_rate": 4.621010638297873e-06,
1954
+ "loss": 1.2637,
1955
+ "step": 2780
1956
+ },
1957
+ {
1958
+ "epoch": 0.9274687831127548,
1959
+ "grad_norm": 0.20371121168136597,
1960
+ "learning_rate": 4.6376329787234045e-06,
1961
+ "loss": 1.2468,
1962
+ "step": 2790
1963
+ },
1964
+ {
1965
+ "epoch": 0.9307930439841267,
1966
+ "grad_norm": 0.207363098859787,
1967
+ "learning_rate": 4.654255319148936e-06,
1968
+ "loss": 1.2533,
1969
+ "step": 2800
1970
+ },
1971
+ {
1972
+ "epoch": 0.9341173048554985,
1973
+ "grad_norm": 0.1894274204969406,
1974
+ "learning_rate": 4.670877659574469e-06,
1975
+ "loss": 1.2573,
1976
+ "step": 2810
1977
+ },
1978
+ {
1979
+ "epoch": 0.9374415657268704,
1980
+ "grad_norm": 0.19954580068588257,
1981
+ "learning_rate": 4.6875000000000004e-06,
1982
+ "loss": 1.2416,
1983
+ "step": 2820
1984
+ },
1985
+ {
1986
+ "epoch": 0.9407658265982423,
1987
+ "grad_norm": 0.21874602138996124,
1988
+ "learning_rate": 4.704122340425532e-06,
1989
+ "loss": 1.2639,
1990
+ "step": 2830
1991
+ },
1992
+ {
1993
+ "epoch": 0.9440900874696142,
1994
+ "grad_norm": 0.20103342831134796,
1995
+ "learning_rate": 4.720744680851065e-06,
1996
+ "loss": 1.2291,
1997
+ "step": 2840
1998
+ },
1999
+ {
2000
+ "epoch": 0.947414348340986,
2001
+ "grad_norm": 0.1904035359621048,
2002
+ "learning_rate": 4.737367021276596e-06,
2003
+ "loss": 1.2405,
2004
+ "step": 2850
2005
+ },
2006
+ {
2007
+ "epoch": 0.950738609212358,
2008
+ "grad_norm": 0.1963120400905609,
2009
+ "learning_rate": 4.753989361702128e-06,
2010
+ "loss": 1.2358,
2011
+ "step": 2860
2012
+ },
2013
+ {
2014
+ "epoch": 0.9540628700837298,
2015
+ "grad_norm": 0.18605996668338776,
2016
+ "learning_rate": 4.77061170212766e-06,
2017
+ "loss": 1.2436,
2018
+ "step": 2870
2019
+ },
2020
+ {
2021
+ "epoch": 0.9573871309551018,
2022
+ "grad_norm": 0.3102928698062897,
2023
+ "learning_rate": 4.787234042553191e-06,
2024
+ "loss": 1.2512,
2025
+ "step": 2880
2026
+ },
2027
+ {
2028
+ "epoch": 0.9607113918264736,
2029
+ "grad_norm": 0.19887375831604004,
2030
+ "learning_rate": 4.803856382978723e-06,
2031
+ "loss": 1.252,
2032
+ "step": 2890
2033
+ },
2034
+ {
2035
+ "epoch": 0.9640356526978454,
2036
+ "grad_norm": 0.19327284395694733,
2037
+ "learning_rate": 4.820478723404256e-06,
2038
+ "loss": 1.2266,
2039
+ "step": 2900
2040
+ },
2041
+ {
2042
+ "epoch": 0.9673599135692174,
2043
+ "grad_norm": 0.19663333892822266,
2044
+ "learning_rate": 4.837101063829787e-06,
2045
+ "loss": 1.2413,
2046
+ "step": 2910
2047
+ },
2048
+ {
2049
+ "epoch": 0.9706841744405892,
2050
+ "grad_norm": 0.23062920570373535,
2051
+ "learning_rate": 4.853723404255319e-06,
2052
+ "loss": 1.2314,
2053
+ "step": 2920
2054
+ },
2055
+ {
2056
+ "epoch": 0.9740084353119611,
2057
+ "grad_norm": 0.2594512403011322,
2058
+ "learning_rate": 4.8703457446808515e-06,
2059
+ "loss": 1.2444,
2060
+ "step": 2930
2061
+ },
2062
+ {
2063
+ "epoch": 0.977332696183333,
2064
+ "grad_norm": 0.19132867455482483,
2065
+ "learning_rate": 4.886968085106383e-06,
2066
+ "loss": 1.2386,
2067
+ "step": 2940
2068
+ },
2069
+ {
2070
+ "epoch": 0.9806569570547049,
2071
+ "grad_norm": 0.2195463478565216,
2072
+ "learning_rate": 4.903590425531915e-06,
2073
+ "loss": 1.2257,
2074
+ "step": 2950
2075
+ },
2076
+ {
2077
+ "epoch": 0.9839812179260767,
2078
+ "grad_norm": 0.19802413880825043,
2079
+ "learning_rate": 4.9202127659574475e-06,
2080
+ "loss": 1.2367,
2081
+ "step": 2960
2082
+ },
2083
+ {
2084
+ "epoch": 0.9873054787974487,
2085
+ "grad_norm": 0.22345732152462006,
2086
+ "learning_rate": 4.936835106382979e-06,
2087
+ "loss": 1.1885,
2088
+ "step": 2970
2089
+ },
2090
+ {
2091
+ "epoch": 0.9906297396688205,
2092
+ "grad_norm": 0.29191696643829346,
2093
+ "learning_rate": 4.953457446808511e-06,
2094
+ "loss": 1.213,
2095
+ "step": 2980
2096
+ },
2097
+ {
2098
+ "epoch": 0.9939540005401923,
2099
+ "grad_norm": 0.2331935614347458,
2100
+ "learning_rate": 4.9700797872340425e-06,
2101
+ "loss": 1.2078,
2102
+ "step": 2990
2103
+ },
2104
+ {
2105
+ "epoch": 0.9972782614115643,
2106
+ "grad_norm": 0.20795047283172607,
2107
+ "learning_rate": 4.986702127659574e-06,
2108
+ "loss": 1.2167,
2109
+ "step": 3000
2110
+ },
2111
+ {
2112
+ "epoch": 1.0006025222829362,
2113
+ "grad_norm": 0.19333745539188385,
2114
+ "learning_rate": 5.003324468085106e-06,
2115
+ "loss": 1.2232,
2116
+ "step": 3010
2117
+ },
2118
+ {
2119
+ "epoch": 1.003926783154308,
2120
+ "grad_norm": 0.21302959322929382,
2121
+ "learning_rate": 5.0199468085106384e-06,
2122
+ "loss": 1.2129,
2123
+ "step": 3020
2124
+ },
2125
+ {
2126
+ "epoch": 1.0072510440256799,
2127
+ "grad_norm": 0.21599692106246948,
2128
+ "learning_rate": 5.03656914893617e-06,
2129
+ "loss": 1.1955,
2130
+ "step": 3030
2131
+ },
2132
+ {
2133
+ "epoch": 1.0105753048970518,
2134
+ "grad_norm": 0.22842222452163696,
2135
+ "learning_rate": 5.053191489361702e-06,
2136
+ "loss": 1.2085,
2137
+ "step": 3040
2138
+ },
2139
+ {
2140
+ "epoch": 1.0138995657684238,
2141
+ "grad_norm": 0.19472521543502808,
2142
+ "learning_rate": 5.069813829787234e-06,
2143
+ "loss": 1.2029,
2144
+ "step": 3050
2145
+ },
2146
+ {
2147
+ "epoch": 1.0172238266397955,
2148
+ "grad_norm": 0.22058968245983124,
2149
+ "learning_rate": 5.086436170212766e-06,
2150
+ "loss": 1.2058,
2151
+ "step": 3060
2152
+ },
2153
+ {
2154
+ "epoch": 1.0205480875111674,
2155
+ "grad_norm": 0.23935015499591827,
2156
+ "learning_rate": 5.1030585106382986e-06,
2157
+ "loss": 1.2052,
2158
+ "step": 3070
2159
+ },
2160
+ {
2161
+ "epoch": 1.0238723483825394,
2162
+ "grad_norm": 0.2543661594390869,
2163
+ "learning_rate": 5.11968085106383e-06,
2164
+ "loss": 1.1964,
2165
+ "step": 3080
2166
+ },
2167
+ {
2168
+ "epoch": 1.027196609253911,
2169
+ "grad_norm": 0.22757141292095184,
2170
+ "learning_rate": 5.136303191489362e-06,
2171
+ "loss": 1.2131,
2172
+ "step": 3090
2173
+ },
2174
+ {
2175
+ "epoch": 1.030520870125283,
2176
+ "grad_norm": 0.2462802529335022,
2177
+ "learning_rate": 5.1529255319148945e-06,
2178
+ "loss": 1.2,
2179
+ "step": 3100
2180
+ },
2181
+ {
2182
+ "epoch": 1.033845130996655,
2183
+ "grad_norm": 0.3865806758403778,
2184
+ "learning_rate": 5.169547872340426e-06,
2185
+ "loss": 1.1976,
2186
+ "step": 3110
2187
+ },
2188
+ {
2189
+ "epoch": 1.037169391868027,
2190
+ "grad_norm": 0.2478027641773224,
2191
+ "learning_rate": 5.186170212765958e-06,
2192
+ "loss": 1.1892,
2193
+ "step": 3120
2194
+ },
2195
+ {
2196
+ "epoch": 1.0404936527393986,
2197
+ "grad_norm": 0.27189669013023376,
2198
+ "learning_rate": 5.2027925531914895e-06,
2199
+ "loss": 1.1915,
2200
+ "step": 3130
2201
+ },
2202
+ {
2203
+ "epoch": 1.0438179136107706,
2204
+ "grad_norm": 0.24409879744052887,
2205
+ "learning_rate": 5.219414893617021e-06,
2206
+ "loss": 1.193,
2207
+ "step": 3140
2208
+ },
2209
+ {
2210
+ "epoch": 1.0471421744821425,
2211
+ "grad_norm": 0.2317332923412323,
2212
+ "learning_rate": 5.236037234042553e-06,
2213
+ "loss": 1.209,
2214
+ "step": 3150
2215
+ },
2216
+ {
2217
+ "epoch": 1.0504664353535145,
2218
+ "grad_norm": 0.2069033831357956,
2219
+ "learning_rate": 5.2526595744680855e-06,
2220
+ "loss": 1.1926,
2221
+ "step": 3160
2222
+ },
2223
+ {
2224
+ "epoch": 1.0537906962248862,
2225
+ "grad_norm": 0.233448788523674,
2226
+ "learning_rate": 5.269281914893617e-06,
2227
+ "loss": 1.195,
2228
+ "step": 3170
2229
+ },
2230
+ {
2231
+ "epoch": 1.0571149570962581,
2232
+ "grad_norm": 0.20409508049488068,
2233
+ "learning_rate": 5.285904255319149e-06,
2234
+ "loss": 1.1984,
2235
+ "step": 3180
2236
+ },
2237
+ {
2238
+ "epoch": 1.06043921796763,
2239
+ "grad_norm": 0.24429172277450562,
2240
+ "learning_rate": 5.302526595744681e-06,
2241
+ "loss": 1.1608,
2242
+ "step": 3190
2243
+ },
2244
+ {
2245
+ "epoch": 1.0637634788390018,
2246
+ "grad_norm": 0.22169041633605957,
2247
+ "learning_rate": 5.319148936170213e-06,
2248
+ "loss": 1.1735,
2249
+ "step": 3200
2250
+ },
2251
+ {
2252
+ "epoch": 1.0670877397103737,
2253
+ "grad_norm": 0.25986573100090027,
2254
+ "learning_rate": 5.335771276595745e-06,
2255
+ "loss": 1.1706,
2256
+ "step": 3210
2257
+ },
2258
+ {
2259
+ "epoch": 1.0704120005817457,
2260
+ "grad_norm": 0.301274836063385,
2261
+ "learning_rate": 5.352393617021277e-06,
2262
+ "loss": 1.1588,
2263
+ "step": 3220
2264
+ },
2265
+ {
2266
+ "epoch": 1.0737362614531176,
2267
+ "grad_norm": 0.21944095194339752,
2268
+ "learning_rate": 5.369015957446809e-06,
2269
+ "loss": 1.201,
2270
+ "step": 3230
2271
+ },
2272
+ {
2273
+ "epoch": 1.0770605223244893,
2274
+ "grad_norm": 0.2160642445087433,
2275
+ "learning_rate": 5.385638297872341e-06,
2276
+ "loss": 1.189,
2277
+ "step": 3240
2278
+ },
2279
+ {
2280
+ "epoch": 1.0803847831958613,
2281
+ "grad_norm": 0.28684699535369873,
2282
+ "learning_rate": 5.402260638297873e-06,
2283
+ "loss": 1.1844,
2284
+ "step": 3250
2285
+ },
2286
+ {
2287
+ "epoch": 1.0837090440672332,
2288
+ "grad_norm": 0.2690293788909912,
2289
+ "learning_rate": 5.418882978723405e-06,
2290
+ "loss": 1.1671,
2291
+ "step": 3260
2292
+ },
2293
+ {
2294
+ "epoch": 1.087033304938605,
2295
+ "grad_norm": 0.24337069690227509,
2296
+ "learning_rate": 5.4355053191489366e-06,
2297
+ "loss": 1.177,
2298
+ "step": 3270
2299
+ },
2300
+ {
2301
+ "epoch": 1.090357565809977,
2302
+ "grad_norm": 0.2460750788450241,
2303
+ "learning_rate": 5.452127659574468e-06,
2304
+ "loss": 1.1843,
2305
+ "step": 3280
2306
+ },
2307
+ {
2308
+ "epoch": 1.0936818266813488,
2309
+ "grad_norm": 0.23255892097949982,
2310
+ "learning_rate": 5.46875e-06,
2311
+ "loss": 1.1669,
2312
+ "step": 3290
2313
+ },
2314
+ {
2315
+ "epoch": 1.0970060875527208,
2316
+ "grad_norm": 0.2593073844909668,
2317
+ "learning_rate": 5.485372340425532e-06,
2318
+ "loss": 1.1703,
2319
+ "step": 3300
2320
+ },
2321
+ {
2322
+ "epoch": 1.1003303484240925,
2323
+ "grad_norm": 0.26776090264320374,
2324
+ "learning_rate": 5.501994680851064e-06,
2325
+ "loss": 1.1595,
2326
+ "step": 3310
2327
+ },
2328
+ {
2329
+ "epoch": 1.1036546092954644,
2330
+ "grad_norm": 0.2763229012489319,
2331
+ "learning_rate": 5.518617021276596e-06,
2332
+ "loss": 1.1687,
2333
+ "step": 3320
2334
+ },
2335
+ {
2336
+ "epoch": 1.1069788701668364,
2337
+ "grad_norm": 0.22993025183677673,
2338
+ "learning_rate": 5.5352393617021275e-06,
2339
+ "loss": 1.1599,
2340
+ "step": 3330
2341
+ },
2342
+ {
2343
+ "epoch": 1.1103031310382083,
2344
+ "grad_norm": 0.33553963899612427,
2345
+ "learning_rate": 5.55186170212766e-06,
2346
+ "loss": 1.1313,
2347
+ "step": 3340
2348
+ },
2349
+ {
2350
+ "epoch": 1.11362739190958,
2351
+ "grad_norm": 0.26335400342941284,
2352
+ "learning_rate": 5.568484042553192e-06,
2353
+ "loss": 1.1617,
2354
+ "step": 3350
2355
+ },
2356
+ {
2357
+ "epoch": 1.116951652780952,
2358
+ "grad_norm": 0.2727535367012024,
2359
+ "learning_rate": 5.5851063829787235e-06,
2360
+ "loss": 1.1502,
2361
+ "step": 3360
2362
+ },
2363
+ {
2364
+ "epoch": 1.120275913652324,
2365
+ "grad_norm": 0.2764947712421417,
2366
+ "learning_rate": 5.601728723404256e-06,
2367
+ "loss": 1.1632,
2368
+ "step": 3370
2369
+ },
2370
+ {
2371
+ "epoch": 1.1236001745236956,
2372
+ "grad_norm": 0.31052595376968384,
2373
+ "learning_rate": 5.618351063829788e-06,
2374
+ "loss": 1.1566,
2375
+ "step": 3380
2376
+ },
2377
+ {
2378
+ "epoch": 1.1269244353950676,
2379
+ "grad_norm": 0.2513100504875183,
2380
+ "learning_rate": 5.634973404255319e-06,
2381
+ "loss": 1.1419,
2382
+ "step": 3390
2383
+ },
2384
+ {
2385
+ "epoch": 1.1302486962664395,
2386
+ "grad_norm": 0.24479760229587555,
2387
+ "learning_rate": 5.651595744680852e-06,
2388
+ "loss": 1.1444,
2389
+ "step": 3400
2390
+ },
2391
+ {
2392
+ "epoch": 1.1335729571378115,
2393
+ "grad_norm": 0.49369576573371887,
2394
+ "learning_rate": 5.668218085106384e-06,
2395
+ "loss": 1.1358,
2396
+ "step": 3410
2397
+ },
2398
+ {
2399
+ "epoch": 1.1368972180091832,
2400
+ "grad_norm": 0.24435286223888397,
2401
+ "learning_rate": 5.684840425531915e-06,
2402
+ "loss": 1.1361,
2403
+ "step": 3420
2404
+ },
2405
+ {
2406
+ "epoch": 1.1402214788805551,
2407
+ "grad_norm": 0.260768860578537,
2408
+ "learning_rate": 5.701462765957447e-06,
2409
+ "loss": 1.149,
2410
+ "step": 3430
2411
+ },
2412
+ {
2413
+ "epoch": 1.143545739751927,
2414
+ "grad_norm": 0.19861842691898346,
2415
+ "learning_rate": 5.718085106382979e-06,
2416
+ "loss": 1.1449,
2417
+ "step": 3440
2418
+ },
2419
+ {
2420
+ "epoch": 1.146870000623299,
2421
+ "grad_norm": 0.3177703022956848,
2422
+ "learning_rate": 5.73470744680851e-06,
2423
+ "loss": 1.1437,
2424
+ "step": 3450
2425
+ },
2426
+ {
2427
+ "epoch": 1.1501942614946707,
2428
+ "grad_norm": 0.258980929851532,
2429
+ "learning_rate": 5.751329787234043e-06,
2430
+ "loss": 1.1695,
2431
+ "step": 3460
2432
+ },
2433
+ {
2434
+ "epoch": 1.1535185223660427,
2435
+ "grad_norm": 0.27876991033554077,
2436
+ "learning_rate": 5.7679521276595746e-06,
2437
+ "loss": 1.151,
2438
+ "step": 3470
2439
+ },
2440
+ {
2441
+ "epoch": 1.1568427832374146,
2442
+ "grad_norm": 0.26816457509994507,
2443
+ "learning_rate": 5.784574468085106e-06,
2444
+ "loss": 1.1378,
2445
+ "step": 3480
2446
+ },
2447
+ {
2448
+ "epoch": 1.1601670441087863,
2449
+ "grad_norm": 0.26024243235588074,
2450
+ "learning_rate": 5.801196808510639e-06,
2451
+ "loss": 1.1502,
2452
+ "step": 3490
2453
+ },
2454
+ {
2455
+ "epoch": 1.1634913049801583,
2456
+ "grad_norm": 0.27794960141181946,
2457
+ "learning_rate": 5.8178191489361705e-06,
2458
+ "loss": 1.12,
2459
+ "step": 3500
2460
+ }
2461
+ ],
2462
+ "logging_steps": 10,
2463
+ "max_steps": 150400,
2464
+ "num_input_tokens_seen": 0,
2465
+ "num_train_epochs": 50,
2466
+ "save_steps": 500,
2467
+ "stateful_callbacks": {
2468
+ "TrainerControl": {
2469
+ "args": {
2470
+ "should_epoch_stop": false,
2471
+ "should_evaluate": false,
2472
+ "should_log": false,
2473
+ "should_save": true,
2474
+ "should_training_stop": false
2475
+ },
2476
+ "attributes": {}
2477
+ }
2478
+ },
2479
+ "total_flos": 2.02023714816e+18,
2480
+ "train_batch_size": 5,
2481
+ "trial_name": null,
2482
+ "trial_params": null
2483
+ }