shng2025 commited on
Commit
ca17756
1 Parent(s): f616bf0

🍻 cheers

Browse files
README.md CHANGED
@@ -2,6 +2,7 @@
2
  license: apache-2.0
3
  base_model: google/vit-base-patch16-224-in21k
4
  tags:
 
5
  - generated_from_trainer
6
  metrics:
7
  - accuracy
@@ -15,7 +16,7 @@ should probably proofread and complete it, then remove this comment. -->
15
 
16
  # trash_vit_trail
17
 
18
- This model is a fine-tuned version of [google/vit-base-patch16-224-in21k](https://huggingface.co/google/vit-base-patch16-224-in21k) on an unknown dataset.
19
  It achieves the following results on the evaluation set:
20
  - Loss: 0.0711
21
  - Accuracy: 0.9814
 
2
  license: apache-2.0
3
  base_model: google/vit-base-patch16-224-in21k
4
  tags:
5
+ - image-classification
6
  - generated_from_trainer
7
  metrics:
8
  - accuracy
 
16
 
17
  # trash_vit_trail
18
 
19
+ This model is a fine-tuned version of [google/vit-base-patch16-224-in21k](https://huggingface.co/google/vit-base-patch16-224-in21k) on the beans dataset.
20
  It achieves the following results on the evaluation set:
21
  - Loss: 0.0711
22
  - Accuracy: 0.9814
all_results.json ADDED
@@ -0,0 +1,13 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 4.0,
3
+ "eval_accuracy": 0.9814070351758793,
4
+ "eval_loss": 0.0710952952504158,
5
+ "eval_runtime": 56.3238,
6
+ "eval_samples_per_second": 35.331,
7
+ "eval_steps_per_second": 4.421,
8
+ "total_flos": 5.549295064059888e+18,
9
+ "train_loss": 0.1165861947240576,
10
+ "train_runtime": 2488.5837,
11
+ "train_samples_per_second": 28.775,
12
+ "train_steps_per_second": 1.799
13
+ }
eval_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 4.0,
3
+ "eval_accuracy": 0.9814070351758793,
4
+ "eval_loss": 0.0710952952504158,
5
+ "eval_runtime": 56.3238,
6
+ "eval_samples_per_second": 35.331,
7
+ "eval_steps_per_second": 4.421
8
+ }
runs/Sep01_14-52-17_7689d3120dd1/events.out.tfevents.1725204913.7689d3120dd1.2982.7 ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:96d2c26416bba7d07296a660507f9c308abe78ee5d50378a136446f6276606f4
3
+ size 411
train_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 4.0,
3
+ "total_flos": 5.549295064059888e+18,
4
+ "train_loss": 0.1165861947240576,
5
+ "train_runtime": 2488.5837,
6
+ "train_samples_per_second": 28.775,
7
+ "train_steps_per_second": 1.799
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,3207 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": 0.0710952952504158,
3
+ "best_model_checkpoint": "./vit-base-trash-demo-v5/checkpoint-4000",
4
+ "epoch": 4.0,
5
+ "eval_steps": 1000,
6
+ "global_step": 4476,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.008936550491510277,
13
+ "grad_norm": 2.2266733646392822,
14
+ "learning_rate": 0.00019955317247542448,
15
+ "loss": 1.7283,
16
+ "step": 10
17
+ },
18
+ {
19
+ "epoch": 0.017873100983020553,
20
+ "grad_norm": 1.7498841285705566,
21
+ "learning_rate": 0.000199106344950849,
22
+ "loss": 1.2864,
23
+ "step": 20
24
+ },
25
+ {
26
+ "epoch": 0.02680965147453083,
27
+ "grad_norm": 2.307732582092285,
28
+ "learning_rate": 0.00019865951742627347,
29
+ "loss": 0.9102,
30
+ "step": 30
31
+ },
32
+ {
33
+ "epoch": 0.035746201966041107,
34
+ "grad_norm": 4.274341106414795,
35
+ "learning_rate": 0.00019821268990169794,
36
+ "loss": 0.7496,
37
+ "step": 40
38
+ },
39
+ {
40
+ "epoch": 0.044682752457551385,
41
+ "grad_norm": 2.586291551589966,
42
+ "learning_rate": 0.00019776586237712246,
43
+ "loss": 0.7103,
44
+ "step": 50
45
+ },
46
+ {
47
+ "epoch": 0.05361930294906166,
48
+ "grad_norm": 1.1641569137573242,
49
+ "learning_rate": 0.00019731903485254693,
50
+ "loss": 0.5292,
51
+ "step": 60
52
+ },
53
+ {
54
+ "epoch": 0.06255585344057193,
55
+ "grad_norm": 5.71007776260376,
56
+ "learning_rate": 0.0001968722073279714,
57
+ "loss": 0.5169,
58
+ "step": 70
59
+ },
60
+ {
61
+ "epoch": 0.07149240393208221,
62
+ "grad_norm": 4.907001495361328,
63
+ "learning_rate": 0.0001964253798033959,
64
+ "loss": 0.5468,
65
+ "step": 80
66
+ },
67
+ {
68
+ "epoch": 0.08042895442359249,
69
+ "grad_norm": 4.788897514343262,
70
+ "learning_rate": 0.00019597855227882039,
71
+ "loss": 0.5174,
72
+ "step": 90
73
+ },
74
+ {
75
+ "epoch": 0.08936550491510277,
76
+ "grad_norm": 3.1065032482147217,
77
+ "learning_rate": 0.00019553172475424485,
78
+ "loss": 0.4598,
79
+ "step": 100
80
+ },
81
+ {
82
+ "epoch": 0.09830205540661305,
83
+ "grad_norm": 2.299734115600586,
84
+ "learning_rate": 0.00019508489722966935,
85
+ "loss": 0.3711,
86
+ "step": 110
87
+ },
88
+ {
89
+ "epoch": 0.10723860589812333,
90
+ "grad_norm": 1.3453820943832397,
91
+ "learning_rate": 0.00019463806970509384,
92
+ "loss": 0.4316,
93
+ "step": 120
94
+ },
95
+ {
96
+ "epoch": 0.1161751563896336,
97
+ "grad_norm": 2.797497034072876,
98
+ "learning_rate": 0.00019419124218051834,
99
+ "loss": 0.5008,
100
+ "step": 130
101
+ },
102
+ {
103
+ "epoch": 0.12511170688114387,
104
+ "grad_norm": 3.164219856262207,
105
+ "learning_rate": 0.0001937444146559428,
106
+ "loss": 0.371,
107
+ "step": 140
108
+ },
109
+ {
110
+ "epoch": 0.13404825737265416,
111
+ "grad_norm": 5.14756965637207,
112
+ "learning_rate": 0.0001932975871313673,
113
+ "loss": 0.5617,
114
+ "step": 150
115
+ },
116
+ {
117
+ "epoch": 0.14298480786416443,
118
+ "grad_norm": 1.478502869606018,
119
+ "learning_rate": 0.0001928507596067918,
120
+ "loss": 0.3317,
121
+ "step": 160
122
+ },
123
+ {
124
+ "epoch": 0.15192135835567472,
125
+ "grad_norm": 1.3914997577667236,
126
+ "learning_rate": 0.00019240393208221627,
127
+ "loss": 0.3637,
128
+ "step": 170
129
+ },
130
+ {
131
+ "epoch": 0.16085790884718498,
132
+ "grad_norm": 2.963843822479248,
133
+ "learning_rate": 0.00019195710455764076,
134
+ "loss": 0.3628,
135
+ "step": 180
136
+ },
137
+ {
138
+ "epoch": 0.16979445933869527,
139
+ "grad_norm": 4.369801044464111,
140
+ "learning_rate": 0.00019151027703306526,
141
+ "loss": 0.4182,
142
+ "step": 190
143
+ },
144
+ {
145
+ "epoch": 0.17873100983020554,
146
+ "grad_norm": 2.109142541885376,
147
+ "learning_rate": 0.00019106344950848973,
148
+ "loss": 0.279,
149
+ "step": 200
150
+ },
151
+ {
152
+ "epoch": 0.1876675603217158,
153
+ "grad_norm": 5.093620777130127,
154
+ "learning_rate": 0.00019061662198391422,
155
+ "loss": 0.4936,
156
+ "step": 210
157
+ },
158
+ {
159
+ "epoch": 0.1966041108132261,
160
+ "grad_norm": 2.2940657138824463,
161
+ "learning_rate": 0.00019016979445933872,
162
+ "loss": 0.532,
163
+ "step": 220
164
+ },
165
+ {
166
+ "epoch": 0.20554066130473636,
167
+ "grad_norm": 3.415463924407959,
168
+ "learning_rate": 0.00018972296693476319,
169
+ "loss": 0.3475,
170
+ "step": 230
171
+ },
172
+ {
173
+ "epoch": 0.21447721179624665,
174
+ "grad_norm": 1.158109426498413,
175
+ "learning_rate": 0.00018927613941018768,
176
+ "loss": 0.386,
177
+ "step": 240
178
+ },
179
+ {
180
+ "epoch": 0.22341376228775692,
181
+ "grad_norm": 0.44666406512260437,
182
+ "learning_rate": 0.00018882931188561218,
183
+ "loss": 0.4165,
184
+ "step": 250
185
+ },
186
+ {
187
+ "epoch": 0.2323503127792672,
188
+ "grad_norm": 2.626112461090088,
189
+ "learning_rate": 0.00018838248436103664,
190
+ "loss": 0.3478,
191
+ "step": 260
192
+ },
193
+ {
194
+ "epoch": 0.24128686327077747,
195
+ "grad_norm": 3.9105656147003174,
196
+ "learning_rate": 0.00018793565683646114,
197
+ "loss": 0.293,
198
+ "step": 270
199
+ },
200
+ {
201
+ "epoch": 0.25022341376228774,
202
+ "grad_norm": 6.075140953063965,
203
+ "learning_rate": 0.00018748882931188563,
204
+ "loss": 0.4013,
205
+ "step": 280
206
+ },
207
+ {
208
+ "epoch": 0.25915996425379806,
209
+ "grad_norm": 1.2540974617004395,
210
+ "learning_rate": 0.0001870420017873101,
211
+ "loss": 0.5419,
212
+ "step": 290
213
+ },
214
+ {
215
+ "epoch": 0.2680965147453083,
216
+ "grad_norm": 2.7805850505828857,
217
+ "learning_rate": 0.00018659517426273457,
218
+ "loss": 0.373,
219
+ "step": 300
220
+ },
221
+ {
222
+ "epoch": 0.2770330652368186,
223
+ "grad_norm": 1.9444429874420166,
224
+ "learning_rate": 0.0001861483467381591,
225
+ "loss": 0.2447,
226
+ "step": 310
227
+ },
228
+ {
229
+ "epoch": 0.28596961572832885,
230
+ "grad_norm": 2.164452075958252,
231
+ "learning_rate": 0.00018570151921358356,
232
+ "loss": 0.4141,
233
+ "step": 320
234
+ },
235
+ {
236
+ "epoch": 0.2949061662198391,
237
+ "grad_norm": 4.439435958862305,
238
+ "learning_rate": 0.00018525469168900803,
239
+ "loss": 0.3183,
240
+ "step": 330
241
+ },
242
+ {
243
+ "epoch": 0.30384271671134944,
244
+ "grad_norm": 3.332730770111084,
245
+ "learning_rate": 0.00018480786416443255,
246
+ "loss": 0.3255,
247
+ "step": 340
248
+ },
249
+ {
250
+ "epoch": 0.3127792672028597,
251
+ "grad_norm": 4.461299419403076,
252
+ "learning_rate": 0.00018436103663985702,
253
+ "loss": 0.2733,
254
+ "step": 350
255
+ },
256
+ {
257
+ "epoch": 0.32171581769436997,
258
+ "grad_norm": 4.637039661407471,
259
+ "learning_rate": 0.0001839142091152815,
260
+ "loss": 0.2486,
261
+ "step": 360
262
+ },
263
+ {
264
+ "epoch": 0.33065236818588023,
265
+ "grad_norm": 1.985630989074707,
266
+ "learning_rate": 0.000183467381590706,
267
+ "loss": 0.2978,
268
+ "step": 370
269
+ },
270
+ {
271
+ "epoch": 0.33958891867739055,
272
+ "grad_norm": 2.7530932426452637,
273
+ "learning_rate": 0.00018302055406613048,
274
+ "loss": 0.3722,
275
+ "step": 380
276
+ },
277
+ {
278
+ "epoch": 0.3485254691689008,
279
+ "grad_norm": 0.20281237363815308,
280
+ "learning_rate": 0.00018257372654155497,
281
+ "loss": 0.3897,
282
+ "step": 390
283
+ },
284
+ {
285
+ "epoch": 0.3574620196604111,
286
+ "grad_norm": 1.9220471382141113,
287
+ "learning_rate": 0.00018212689901697947,
288
+ "loss": 0.2564,
289
+ "step": 400
290
+ },
291
+ {
292
+ "epoch": 0.36639857015192134,
293
+ "grad_norm": 4.841084957122803,
294
+ "learning_rate": 0.00018168007149240394,
295
+ "loss": 0.3892,
296
+ "step": 410
297
+ },
298
+ {
299
+ "epoch": 0.3753351206434316,
300
+ "grad_norm": 5.499583721160889,
301
+ "learning_rate": 0.00018123324396782843,
302
+ "loss": 0.3462,
303
+ "step": 420
304
+ },
305
+ {
306
+ "epoch": 0.38427167113494193,
307
+ "grad_norm": 1.4320725202560425,
308
+ "learning_rate": 0.0001807864164432529,
309
+ "loss": 0.2658,
310
+ "step": 430
311
+ },
312
+ {
313
+ "epoch": 0.3932082216264522,
314
+ "grad_norm": 2.9739625453948975,
315
+ "learning_rate": 0.0001803395889186774,
316
+ "loss": 0.269,
317
+ "step": 440
318
+ },
319
+ {
320
+ "epoch": 0.40214477211796246,
321
+ "grad_norm": 2.0247411727905273,
322
+ "learning_rate": 0.0001798927613941019,
323
+ "loss": 0.3355,
324
+ "step": 450
325
+ },
326
+ {
327
+ "epoch": 0.4110813226094727,
328
+ "grad_norm": 0.25784507393836975,
329
+ "learning_rate": 0.00017944593386952636,
330
+ "loss": 0.2589,
331
+ "step": 460
332
+ },
333
+ {
334
+ "epoch": 0.42001787310098304,
335
+ "grad_norm": 8.2475004196167,
336
+ "learning_rate": 0.00017899910634495086,
337
+ "loss": 0.3034,
338
+ "step": 470
339
+ },
340
+ {
341
+ "epoch": 0.4289544235924933,
342
+ "grad_norm": 2.1054959297180176,
343
+ "learning_rate": 0.00017855227882037535,
344
+ "loss": 0.3784,
345
+ "step": 480
346
+ },
347
+ {
348
+ "epoch": 0.43789097408400357,
349
+ "grad_norm": 2.6620118618011475,
350
+ "learning_rate": 0.00017810545129579982,
351
+ "loss": 0.3303,
352
+ "step": 490
353
+ },
354
+ {
355
+ "epoch": 0.44682752457551383,
356
+ "grad_norm": 2.4308674335479736,
357
+ "learning_rate": 0.00017765862377122431,
358
+ "loss": 0.4428,
359
+ "step": 500
360
+ },
361
+ {
362
+ "epoch": 0.45576407506702415,
363
+ "grad_norm": 4.620336532592773,
364
+ "learning_rate": 0.0001772117962466488,
365
+ "loss": 0.4007,
366
+ "step": 510
367
+ },
368
+ {
369
+ "epoch": 0.4647006255585344,
370
+ "grad_norm": 0.6208035945892334,
371
+ "learning_rate": 0.00017676496872207328,
372
+ "loss": 0.4641,
373
+ "step": 520
374
+ },
375
+ {
376
+ "epoch": 0.4736371760500447,
377
+ "grad_norm": 3.478276252746582,
378
+ "learning_rate": 0.00017631814119749777,
379
+ "loss": 0.3107,
380
+ "step": 530
381
+ },
382
+ {
383
+ "epoch": 0.48257372654155495,
384
+ "grad_norm": 2.8934295177459717,
385
+ "learning_rate": 0.00017587131367292227,
386
+ "loss": 0.2283,
387
+ "step": 540
388
+ },
389
+ {
390
+ "epoch": 0.4915102770330652,
391
+ "grad_norm": 2.323265552520752,
392
+ "learning_rate": 0.00017542448614834674,
393
+ "loss": 0.253,
394
+ "step": 550
395
+ },
396
+ {
397
+ "epoch": 0.5004468275245755,
398
+ "grad_norm": 0.8551294207572937,
399
+ "learning_rate": 0.00017497765862377123,
400
+ "loss": 0.2903,
401
+ "step": 560
402
+ },
403
+ {
404
+ "epoch": 0.5093833780160858,
405
+ "grad_norm": 3.454586982727051,
406
+ "learning_rate": 0.00017453083109919573,
407
+ "loss": 0.2434,
408
+ "step": 570
409
+ },
410
+ {
411
+ "epoch": 0.5183199285075961,
412
+ "grad_norm": 4.937902927398682,
413
+ "learning_rate": 0.0001740840035746202,
414
+ "loss": 0.254,
415
+ "step": 580
416
+ },
417
+ {
418
+ "epoch": 0.5272564789991063,
419
+ "grad_norm": 7.016292095184326,
420
+ "learning_rate": 0.0001736371760500447,
421
+ "loss": 0.3365,
422
+ "step": 590
423
+ },
424
+ {
425
+ "epoch": 0.5361930294906166,
426
+ "grad_norm": 4.799339294433594,
427
+ "learning_rate": 0.0001731903485254692,
428
+ "loss": 0.2639,
429
+ "step": 600
430
+ },
431
+ {
432
+ "epoch": 0.5451295799821269,
433
+ "grad_norm": 3.4884583950042725,
434
+ "learning_rate": 0.00017274352100089365,
435
+ "loss": 0.2255,
436
+ "step": 610
437
+ },
438
+ {
439
+ "epoch": 0.5540661304736372,
440
+ "grad_norm": 1.6748002767562866,
441
+ "learning_rate": 0.00017229669347631815,
442
+ "loss": 0.2678,
443
+ "step": 620
444
+ },
445
+ {
446
+ "epoch": 0.5630026809651475,
447
+ "grad_norm": 4.145753383636475,
448
+ "learning_rate": 0.00017184986595174265,
449
+ "loss": 0.3435,
450
+ "step": 630
451
+ },
452
+ {
453
+ "epoch": 0.5719392314566577,
454
+ "grad_norm": 3.8941946029663086,
455
+ "learning_rate": 0.00017140303842716711,
456
+ "loss": 0.3448,
457
+ "step": 640
458
+ },
459
+ {
460
+ "epoch": 0.580875781948168,
461
+ "grad_norm": 2.7980730533599854,
462
+ "learning_rate": 0.0001709562109025916,
463
+ "loss": 0.1776,
464
+ "step": 650
465
+ },
466
+ {
467
+ "epoch": 0.5898123324396782,
468
+ "grad_norm": 2.6846330165863037,
469
+ "learning_rate": 0.0001705093833780161,
470
+ "loss": 0.1698,
471
+ "step": 660
472
+ },
473
+ {
474
+ "epoch": 0.5987488829311886,
475
+ "grad_norm": 0.6026754379272461,
476
+ "learning_rate": 0.00017006255585344057,
477
+ "loss": 0.2683,
478
+ "step": 670
479
+ },
480
+ {
481
+ "epoch": 0.6076854334226989,
482
+ "grad_norm": 1.7795771360397339,
483
+ "learning_rate": 0.00016961572832886507,
484
+ "loss": 0.1734,
485
+ "step": 680
486
+ },
487
+ {
488
+ "epoch": 0.6166219839142091,
489
+ "grad_norm": 2.9793999195098877,
490
+ "learning_rate": 0.00016916890080428956,
491
+ "loss": 0.2341,
492
+ "step": 690
493
+ },
494
+ {
495
+ "epoch": 0.6255585344057194,
496
+ "grad_norm": 2.885993480682373,
497
+ "learning_rate": 0.00016872207327971403,
498
+ "loss": 0.1787,
499
+ "step": 700
500
+ },
501
+ {
502
+ "epoch": 0.6344950848972297,
503
+ "grad_norm": 0.12324349582195282,
504
+ "learning_rate": 0.00016827524575513853,
505
+ "loss": 0.1716,
506
+ "step": 710
507
+ },
508
+ {
509
+ "epoch": 0.6434316353887399,
510
+ "grad_norm": 3.5133144855499268,
511
+ "learning_rate": 0.00016782841823056302,
512
+ "loss": 0.248,
513
+ "step": 720
514
+ },
515
+ {
516
+ "epoch": 0.6523681858802503,
517
+ "grad_norm": 0.16779197752475739,
518
+ "learning_rate": 0.0001673815907059875,
519
+ "loss": 0.1969,
520
+ "step": 730
521
+ },
522
+ {
523
+ "epoch": 0.6613047363717605,
524
+ "grad_norm": 6.696399688720703,
525
+ "learning_rate": 0.00016693476318141199,
526
+ "loss": 0.2659,
527
+ "step": 740
528
+ },
529
+ {
530
+ "epoch": 0.6702412868632708,
531
+ "grad_norm": 3.4363462924957275,
532
+ "learning_rate": 0.00016648793565683648,
533
+ "loss": 0.1933,
534
+ "step": 750
535
+ },
536
+ {
537
+ "epoch": 0.6791778373547811,
538
+ "grad_norm": 2.9766454696655273,
539
+ "learning_rate": 0.00016604110813226095,
540
+ "loss": 0.3646,
541
+ "step": 760
542
+ },
543
+ {
544
+ "epoch": 0.6881143878462913,
545
+ "grad_norm": 3.3751492500305176,
546
+ "learning_rate": 0.00016559428060768544,
547
+ "loss": 0.2365,
548
+ "step": 770
549
+ },
550
+ {
551
+ "epoch": 0.6970509383378016,
552
+ "grad_norm": 1.6829200983047485,
553
+ "learning_rate": 0.00016514745308310994,
554
+ "loss": 0.3954,
555
+ "step": 780
556
+ },
557
+ {
558
+ "epoch": 0.7059874888293118,
559
+ "grad_norm": 3.473019599914551,
560
+ "learning_rate": 0.0001647006255585344,
561
+ "loss": 0.2257,
562
+ "step": 790
563
+ },
564
+ {
565
+ "epoch": 0.7149240393208222,
566
+ "grad_norm": 2.1625287532806396,
567
+ "learning_rate": 0.0001642537980339589,
568
+ "loss": 0.2984,
569
+ "step": 800
570
+ },
571
+ {
572
+ "epoch": 0.7238605898123325,
573
+ "grad_norm": 1.2086807489395142,
574
+ "learning_rate": 0.00016380697050938337,
575
+ "loss": 0.2888,
576
+ "step": 810
577
+ },
578
+ {
579
+ "epoch": 0.7327971403038427,
580
+ "grad_norm": 0.19183319807052612,
581
+ "learning_rate": 0.00016336014298480787,
582
+ "loss": 0.2884,
583
+ "step": 820
584
+ },
585
+ {
586
+ "epoch": 0.741733690795353,
587
+ "grad_norm": 4.687781810760498,
588
+ "learning_rate": 0.00016291331546023236,
589
+ "loss": 0.2456,
590
+ "step": 830
591
+ },
592
+ {
593
+ "epoch": 0.7506702412868632,
594
+ "grad_norm": 1.6150999069213867,
595
+ "learning_rate": 0.00016246648793565683,
596
+ "loss": 0.2231,
597
+ "step": 840
598
+ },
599
+ {
600
+ "epoch": 0.7596067917783735,
601
+ "grad_norm": 2.592801809310913,
602
+ "learning_rate": 0.00016201966041108133,
603
+ "loss": 0.2425,
604
+ "step": 850
605
+ },
606
+ {
607
+ "epoch": 0.7685433422698839,
608
+ "grad_norm": 5.782228469848633,
609
+ "learning_rate": 0.00016157283288650582,
610
+ "loss": 0.2184,
611
+ "step": 860
612
+ },
613
+ {
614
+ "epoch": 0.7774798927613941,
615
+ "grad_norm": 4.794034957885742,
616
+ "learning_rate": 0.0001611260053619303,
617
+ "loss": 0.1862,
618
+ "step": 870
619
+ },
620
+ {
621
+ "epoch": 0.7864164432529044,
622
+ "grad_norm": 6.517756462097168,
623
+ "learning_rate": 0.0001606791778373548,
624
+ "loss": 0.3502,
625
+ "step": 880
626
+ },
627
+ {
628
+ "epoch": 0.7953529937444147,
629
+ "grad_norm": 6.479066848754883,
630
+ "learning_rate": 0.00016023235031277928,
631
+ "loss": 0.1433,
632
+ "step": 890
633
+ },
634
+ {
635
+ "epoch": 0.8042895442359249,
636
+ "grad_norm": 1.539117455482483,
637
+ "learning_rate": 0.00015978552278820375,
638
+ "loss": 0.3306,
639
+ "step": 900
640
+ },
641
+ {
642
+ "epoch": 0.8132260947274352,
643
+ "grad_norm": 2.0679945945739746,
644
+ "learning_rate": 0.00015933869526362827,
645
+ "loss": 0.2325,
646
+ "step": 910
647
+ },
648
+ {
649
+ "epoch": 0.8221626452189454,
650
+ "grad_norm": 4.1405558586120605,
651
+ "learning_rate": 0.00015889186773905274,
652
+ "loss": 0.2126,
653
+ "step": 920
654
+ },
655
+ {
656
+ "epoch": 0.8310991957104558,
657
+ "grad_norm": 3.7805371284484863,
658
+ "learning_rate": 0.0001584450402144772,
659
+ "loss": 0.2418,
660
+ "step": 930
661
+ },
662
+ {
663
+ "epoch": 0.8400357462019661,
664
+ "grad_norm": 4.6036248207092285,
665
+ "learning_rate": 0.0001579982126899017,
666
+ "loss": 0.3191,
667
+ "step": 940
668
+ },
669
+ {
670
+ "epoch": 0.8489722966934763,
671
+ "grad_norm": 0.8650698661804199,
672
+ "learning_rate": 0.0001575513851653262,
673
+ "loss": 0.0849,
674
+ "step": 950
675
+ },
676
+ {
677
+ "epoch": 0.8579088471849866,
678
+ "grad_norm": 0.4226575791835785,
679
+ "learning_rate": 0.00015710455764075067,
680
+ "loss": 0.1689,
681
+ "step": 960
682
+ },
683
+ {
684
+ "epoch": 0.8668453976764968,
685
+ "grad_norm": 4.508443355560303,
686
+ "learning_rate": 0.00015665773011617516,
687
+ "loss": 0.1381,
688
+ "step": 970
689
+ },
690
+ {
691
+ "epoch": 0.8757819481680071,
692
+ "grad_norm": 5.323261260986328,
693
+ "learning_rate": 0.00015621090259159966,
694
+ "loss": 0.1799,
695
+ "step": 980
696
+ },
697
+ {
698
+ "epoch": 0.8847184986595175,
699
+ "grad_norm": 4.80311393737793,
700
+ "learning_rate": 0.00015576407506702412,
701
+ "loss": 0.1616,
702
+ "step": 990
703
+ },
704
+ {
705
+ "epoch": 0.8936550491510277,
706
+ "grad_norm": 2.0073227882385254,
707
+ "learning_rate": 0.00015531724754244862,
708
+ "loss": 0.1814,
709
+ "step": 1000
710
+ },
711
+ {
712
+ "epoch": 0.8936550491510277,
713
+ "eval_accuracy": 0.9487437185929648,
714
+ "eval_loss": 0.17145079374313354,
715
+ "eval_runtime": 56.2937,
716
+ "eval_samples_per_second": 35.35,
717
+ "eval_steps_per_second": 4.423,
718
+ "step": 1000
719
+ },
720
+ {
721
+ "epoch": 0.902591599642538,
722
+ "grad_norm": 3.7729084491729736,
723
+ "learning_rate": 0.00015487042001787312,
724
+ "loss": 0.1352,
725
+ "step": 1010
726
+ },
727
+ {
728
+ "epoch": 0.9115281501340483,
729
+ "grad_norm": 6.341058254241943,
730
+ "learning_rate": 0.00015442359249329758,
731
+ "loss": 0.2095,
732
+ "step": 1020
733
+ },
734
+ {
735
+ "epoch": 0.9204647006255585,
736
+ "grad_norm": 0.42624279856681824,
737
+ "learning_rate": 0.00015397676496872208,
738
+ "loss": 0.2741,
739
+ "step": 1030
740
+ },
741
+ {
742
+ "epoch": 0.9294012511170688,
743
+ "grad_norm": 4.386059761047363,
744
+ "learning_rate": 0.00015352993744414657,
745
+ "loss": 0.1688,
746
+ "step": 1040
747
+ },
748
+ {
749
+ "epoch": 0.938337801608579,
750
+ "grad_norm": 0.07118342816829681,
751
+ "learning_rate": 0.00015308310991957104,
752
+ "loss": 0.2251,
753
+ "step": 1050
754
+ },
755
+ {
756
+ "epoch": 0.9472743521000894,
757
+ "grad_norm": 1.6763445138931274,
758
+ "learning_rate": 0.00015263628239499554,
759
+ "loss": 0.2107,
760
+ "step": 1060
761
+ },
762
+ {
763
+ "epoch": 0.9562109025915997,
764
+ "grad_norm": 5.161765098571777,
765
+ "learning_rate": 0.00015218945487042003,
766
+ "loss": 0.1552,
767
+ "step": 1070
768
+ },
769
+ {
770
+ "epoch": 0.9651474530831099,
771
+ "grad_norm": 1.8887020349502563,
772
+ "learning_rate": 0.0001517426273458445,
773
+ "loss": 0.259,
774
+ "step": 1080
775
+ },
776
+ {
777
+ "epoch": 0.9740840035746202,
778
+ "grad_norm": 0.29733049869537354,
779
+ "learning_rate": 0.000151295799821269,
780
+ "loss": 0.1136,
781
+ "step": 1090
782
+ },
783
+ {
784
+ "epoch": 0.9830205540661304,
785
+ "grad_norm": 3.253506660461426,
786
+ "learning_rate": 0.0001508489722966935,
787
+ "loss": 0.1211,
788
+ "step": 1100
789
+ },
790
+ {
791
+ "epoch": 0.9919571045576407,
792
+ "grad_norm": 2.1613495349884033,
793
+ "learning_rate": 0.00015040214477211796,
794
+ "loss": 0.1925,
795
+ "step": 1110
796
+ },
797
+ {
798
+ "epoch": 1.000893655049151,
799
+ "grad_norm": 0.23403897881507874,
800
+ "learning_rate": 0.00014995531724754246,
801
+ "loss": 0.1099,
802
+ "step": 1120
803
+ },
804
+ {
805
+ "epoch": 1.0098302055406614,
806
+ "grad_norm": 0.7746050357818604,
807
+ "learning_rate": 0.00014950848972296695,
808
+ "loss": 0.0627,
809
+ "step": 1130
810
+ },
811
+ {
812
+ "epoch": 1.0187667560321716,
813
+ "grad_norm": 0.3406558930873871,
814
+ "learning_rate": 0.00014906166219839145,
815
+ "loss": 0.063,
816
+ "step": 1140
817
+ },
818
+ {
819
+ "epoch": 1.0277033065236818,
820
+ "grad_norm": 0.12071269750595093,
821
+ "learning_rate": 0.00014861483467381591,
822
+ "loss": 0.1432,
823
+ "step": 1150
824
+ },
825
+ {
826
+ "epoch": 1.0366398570151922,
827
+ "grad_norm": 0.4978802800178528,
828
+ "learning_rate": 0.00014816800714924038,
829
+ "loss": 0.0746,
830
+ "step": 1160
831
+ },
832
+ {
833
+ "epoch": 1.0455764075067024,
834
+ "grad_norm": 1.3803187608718872,
835
+ "learning_rate": 0.0001477211796246649,
836
+ "loss": 0.0929,
837
+ "step": 1170
838
+ },
839
+ {
840
+ "epoch": 1.0545129579982127,
841
+ "grad_norm": 0.8612852692604065,
842
+ "learning_rate": 0.00014727435210008937,
843
+ "loss": 0.0949,
844
+ "step": 1180
845
+ },
846
+ {
847
+ "epoch": 1.063449508489723,
848
+ "grad_norm": 0.3493196666240692,
849
+ "learning_rate": 0.00014682752457551384,
850
+ "loss": 0.168,
851
+ "step": 1190
852
+ },
853
+ {
854
+ "epoch": 1.0723860589812333,
855
+ "grad_norm": 0.18564535677433014,
856
+ "learning_rate": 0.00014638069705093836,
857
+ "loss": 0.1344,
858
+ "step": 1200
859
+ },
860
+ {
861
+ "epoch": 1.0813226094727435,
862
+ "grad_norm": 5.853936672210693,
863
+ "learning_rate": 0.00014593386952636283,
864
+ "loss": 0.0874,
865
+ "step": 1210
866
+ },
867
+ {
868
+ "epoch": 1.0902591599642537,
869
+ "grad_norm": 5.366926670074463,
870
+ "learning_rate": 0.0001454870420017873,
871
+ "loss": 0.0847,
872
+ "step": 1220
873
+ },
874
+ {
875
+ "epoch": 1.0991957104557641,
876
+ "grad_norm": 0.04646310582756996,
877
+ "learning_rate": 0.00014504021447721182,
878
+ "loss": 0.0947,
879
+ "step": 1230
880
+ },
881
+ {
882
+ "epoch": 1.1081322609472744,
883
+ "grad_norm": 0.7593271732330322,
884
+ "learning_rate": 0.0001445933869526363,
885
+ "loss": 0.1208,
886
+ "step": 1240
887
+ },
888
+ {
889
+ "epoch": 1.1170688114387846,
890
+ "grad_norm": 6.3901472091674805,
891
+ "learning_rate": 0.00014414655942806076,
892
+ "loss": 0.0977,
893
+ "step": 1250
894
+ },
895
+ {
896
+ "epoch": 1.126005361930295,
897
+ "grad_norm": 1.7897100448608398,
898
+ "learning_rate": 0.00014369973190348528,
899
+ "loss": 0.1107,
900
+ "step": 1260
901
+ },
902
+ {
903
+ "epoch": 1.1349419124218052,
904
+ "grad_norm": 3.0502521991729736,
905
+ "learning_rate": 0.00014325290437890975,
906
+ "loss": 0.1854,
907
+ "step": 1270
908
+ },
909
+ {
910
+ "epoch": 1.1438784629133154,
911
+ "grad_norm": 0.18816685676574707,
912
+ "learning_rate": 0.00014280607685433422,
913
+ "loss": 0.0863,
914
+ "step": 1280
915
+ },
916
+ {
917
+ "epoch": 1.1528150134048256,
918
+ "grad_norm": 0.05062058940529823,
919
+ "learning_rate": 0.0001423592493297587,
920
+ "loss": 0.1339,
921
+ "step": 1290
922
+ },
923
+ {
924
+ "epoch": 1.161751563896336,
925
+ "grad_norm": 0.23230992257595062,
926
+ "learning_rate": 0.0001419124218051832,
927
+ "loss": 0.187,
928
+ "step": 1300
929
+ },
930
+ {
931
+ "epoch": 1.1706881143878463,
932
+ "grad_norm": 3.0492892265319824,
933
+ "learning_rate": 0.00014146559428060768,
934
+ "loss": 0.0701,
935
+ "step": 1310
936
+ },
937
+ {
938
+ "epoch": 1.1796246648793565,
939
+ "grad_norm": 0.03424559161067009,
940
+ "learning_rate": 0.00014101876675603217,
941
+ "loss": 0.0428,
942
+ "step": 1320
943
+ },
944
+ {
945
+ "epoch": 1.188561215370867,
946
+ "grad_norm": 3.6026527881622314,
947
+ "learning_rate": 0.00014057193923145667,
948
+ "loss": 0.1337,
949
+ "step": 1330
950
+ },
951
+ {
952
+ "epoch": 1.197497765862377,
953
+ "grad_norm": 0.09644579142332077,
954
+ "learning_rate": 0.00014012511170688114,
955
+ "loss": 0.1271,
956
+ "step": 1340
957
+ },
958
+ {
959
+ "epoch": 1.2064343163538873,
960
+ "grad_norm": 0.22322706878185272,
961
+ "learning_rate": 0.00013967828418230563,
962
+ "loss": 0.055,
963
+ "step": 1350
964
+ },
965
+ {
966
+ "epoch": 1.2153708668453977,
967
+ "grad_norm": 0.05372155085206032,
968
+ "learning_rate": 0.00013923145665773013,
969
+ "loss": 0.1251,
970
+ "step": 1360
971
+ },
972
+ {
973
+ "epoch": 1.224307417336908,
974
+ "grad_norm": 0.4156355857849121,
975
+ "learning_rate": 0.00013878462913315462,
976
+ "loss": 0.0405,
977
+ "step": 1370
978
+ },
979
+ {
980
+ "epoch": 1.2332439678284182,
981
+ "grad_norm": 0.030704261735081673,
982
+ "learning_rate": 0.0001383378016085791,
983
+ "loss": 0.1225,
984
+ "step": 1380
985
+ },
986
+ {
987
+ "epoch": 1.2421805183199286,
988
+ "grad_norm": 0.09552694112062454,
989
+ "learning_rate": 0.00013789097408400359,
990
+ "loss": 0.0495,
991
+ "step": 1390
992
+ },
993
+ {
994
+ "epoch": 1.2511170688114388,
995
+ "grad_norm": 2.1124463081359863,
996
+ "learning_rate": 0.00013744414655942808,
997
+ "loss": 0.0651,
998
+ "step": 1400
999
+ },
1000
+ {
1001
+ "epoch": 1.260053619302949,
1002
+ "grad_norm": 4.6221232414245605,
1003
+ "learning_rate": 0.00013699731903485255,
1004
+ "loss": 0.2366,
1005
+ "step": 1410
1006
+ },
1007
+ {
1008
+ "epoch": 1.2689901697944594,
1009
+ "grad_norm": 0.054540861397981644,
1010
+ "learning_rate": 0.00013655049151027704,
1011
+ "loss": 0.1915,
1012
+ "step": 1420
1013
+ },
1014
+ {
1015
+ "epoch": 1.2779267202859697,
1016
+ "grad_norm": 0.6603236198425293,
1017
+ "learning_rate": 0.00013610366398570154,
1018
+ "loss": 0.0386,
1019
+ "step": 1430
1020
+ },
1021
+ {
1022
+ "epoch": 1.2868632707774799,
1023
+ "grad_norm": 4.419101715087891,
1024
+ "learning_rate": 0.000135656836461126,
1025
+ "loss": 0.1288,
1026
+ "step": 1440
1027
+ },
1028
+ {
1029
+ "epoch": 1.2957998212689903,
1030
+ "grad_norm": 1.6491079330444336,
1031
+ "learning_rate": 0.0001352100089365505,
1032
+ "loss": 0.077,
1033
+ "step": 1450
1034
+ },
1035
+ {
1036
+ "epoch": 1.3047363717605005,
1037
+ "grad_norm": 0.904062807559967,
1038
+ "learning_rate": 0.000134763181411975,
1039
+ "loss": 0.2083,
1040
+ "step": 1460
1041
+ },
1042
+ {
1043
+ "epoch": 1.3136729222520107,
1044
+ "grad_norm": 3.4404361248016357,
1045
+ "learning_rate": 0.00013431635388739947,
1046
+ "loss": 0.1846,
1047
+ "step": 1470
1048
+ },
1049
+ {
1050
+ "epoch": 1.322609472743521,
1051
+ "grad_norm": 0.2096666842699051,
1052
+ "learning_rate": 0.00013386952636282396,
1053
+ "loss": 0.0354,
1054
+ "step": 1480
1055
+ },
1056
+ {
1057
+ "epoch": 1.3315460232350314,
1058
+ "grad_norm": 4.2826128005981445,
1059
+ "learning_rate": 0.00013342269883824846,
1060
+ "loss": 0.1438,
1061
+ "step": 1490
1062
+ },
1063
+ {
1064
+ "epoch": 1.3404825737265416,
1065
+ "grad_norm": 4.742111682891846,
1066
+ "learning_rate": 0.00013297587131367293,
1067
+ "loss": 0.0994,
1068
+ "step": 1500
1069
+ },
1070
+ {
1071
+ "epoch": 1.3494191242180518,
1072
+ "grad_norm": 6.2931952476501465,
1073
+ "learning_rate": 0.0001325290437890974,
1074
+ "loss": 0.0754,
1075
+ "step": 1510
1076
+ },
1077
+ {
1078
+ "epoch": 1.358355674709562,
1079
+ "grad_norm": 1.523571491241455,
1080
+ "learning_rate": 0.00013208221626452192,
1081
+ "loss": 0.1283,
1082
+ "step": 1520
1083
+ },
1084
+ {
1085
+ "epoch": 1.3672922252010724,
1086
+ "grad_norm": 8.253166198730469,
1087
+ "learning_rate": 0.00013163538873994638,
1088
+ "loss": 0.1718,
1089
+ "step": 1530
1090
+ },
1091
+ {
1092
+ "epoch": 1.3762287756925826,
1093
+ "grad_norm": 2.4168646335601807,
1094
+ "learning_rate": 0.00013118856121537085,
1095
+ "loss": 0.1285,
1096
+ "step": 1540
1097
+ },
1098
+ {
1099
+ "epoch": 1.3851653261840928,
1100
+ "grad_norm": 4.069122314453125,
1101
+ "learning_rate": 0.00013074173369079537,
1102
+ "loss": 0.1165,
1103
+ "step": 1550
1104
+ },
1105
+ {
1106
+ "epoch": 1.3941018766756033,
1107
+ "grad_norm": 0.2789513170719147,
1108
+ "learning_rate": 0.00013029490616621984,
1109
+ "loss": 0.0795,
1110
+ "step": 1560
1111
+ },
1112
+ {
1113
+ "epoch": 1.4030384271671135,
1114
+ "grad_norm": 0.5609318017959595,
1115
+ "learning_rate": 0.0001298480786416443,
1116
+ "loss": 0.1187,
1117
+ "step": 1570
1118
+ },
1119
+ {
1120
+ "epoch": 1.4119749776586237,
1121
+ "grad_norm": 0.34373611211776733,
1122
+ "learning_rate": 0.00012940125111706883,
1123
+ "loss": 0.0872,
1124
+ "step": 1580
1125
+ },
1126
+ {
1127
+ "epoch": 1.420911528150134,
1128
+ "grad_norm": 4.596048355102539,
1129
+ "learning_rate": 0.0001289544235924933,
1130
+ "loss": 0.1354,
1131
+ "step": 1590
1132
+ },
1133
+ {
1134
+ "epoch": 1.4298480786416443,
1135
+ "grad_norm": 0.06107456609606743,
1136
+ "learning_rate": 0.00012850759606791777,
1137
+ "loss": 0.119,
1138
+ "step": 1600
1139
+ },
1140
+ {
1141
+ "epoch": 1.4387846291331545,
1142
+ "grad_norm": 0.08292512595653534,
1143
+ "learning_rate": 0.0001280607685433423,
1144
+ "loss": 0.1075,
1145
+ "step": 1610
1146
+ },
1147
+ {
1148
+ "epoch": 1.447721179624665,
1149
+ "grad_norm": 0.04113980755209923,
1150
+ "learning_rate": 0.00012761394101876676,
1151
+ "loss": 0.099,
1152
+ "step": 1620
1153
+ },
1154
+ {
1155
+ "epoch": 1.4566577301161752,
1156
+ "grad_norm": 3.1171679496765137,
1157
+ "learning_rate": 0.00012716711349419126,
1158
+ "loss": 0.0476,
1159
+ "step": 1630
1160
+ },
1161
+ {
1162
+ "epoch": 1.4655942806076854,
1163
+ "grad_norm": 0.03248828276991844,
1164
+ "learning_rate": 0.00012672028596961572,
1165
+ "loss": 0.1217,
1166
+ "step": 1640
1167
+ },
1168
+ {
1169
+ "epoch": 1.4745308310991958,
1170
+ "grad_norm": 0.14615251123905182,
1171
+ "learning_rate": 0.00012627345844504022,
1172
+ "loss": 0.0845,
1173
+ "step": 1650
1174
+ },
1175
+ {
1176
+ "epoch": 1.483467381590706,
1177
+ "grad_norm": 0.8569982647895813,
1178
+ "learning_rate": 0.00012582663092046471,
1179
+ "loss": 0.0933,
1180
+ "step": 1660
1181
+ },
1182
+ {
1183
+ "epoch": 1.4924039320822162,
1184
+ "grad_norm": 0.030800212174654007,
1185
+ "learning_rate": 0.00012537980339588918,
1186
+ "loss": 0.0555,
1187
+ "step": 1670
1188
+ },
1189
+ {
1190
+ "epoch": 1.5013404825737267,
1191
+ "grad_norm": 0.9634251594543457,
1192
+ "learning_rate": 0.00012493297587131368,
1193
+ "loss": 0.1249,
1194
+ "step": 1680
1195
+ },
1196
+ {
1197
+ "epoch": 1.5102770330652369,
1198
+ "grad_norm": 0.06999039649963379,
1199
+ "learning_rate": 0.00012448614834673817,
1200
+ "loss": 0.0727,
1201
+ "step": 1690
1202
+ },
1203
+ {
1204
+ "epoch": 1.519213583556747,
1205
+ "grad_norm": 0.0438673160970211,
1206
+ "learning_rate": 0.00012403932082216264,
1207
+ "loss": 0.0595,
1208
+ "step": 1700
1209
+ },
1210
+ {
1211
+ "epoch": 1.5281501340482575,
1212
+ "grad_norm": 0.030631419271230698,
1213
+ "learning_rate": 0.00012359249329758714,
1214
+ "loss": 0.0641,
1215
+ "step": 1710
1216
+ },
1217
+ {
1218
+ "epoch": 1.5370866845397675,
1219
+ "grad_norm": 0.09066120535135269,
1220
+ "learning_rate": 0.00012314566577301163,
1221
+ "loss": 0.0689,
1222
+ "step": 1720
1223
+ },
1224
+ {
1225
+ "epoch": 1.546023235031278,
1226
+ "grad_norm": 1.1478157043457031,
1227
+ "learning_rate": 0.0001226988382484361,
1228
+ "loss": 0.0427,
1229
+ "step": 1730
1230
+ },
1231
+ {
1232
+ "epoch": 1.5549597855227884,
1233
+ "grad_norm": 0.5382466912269592,
1234
+ "learning_rate": 0.0001222520107238606,
1235
+ "loss": 0.1211,
1236
+ "step": 1740
1237
+ },
1238
+ {
1239
+ "epoch": 1.5638963360142983,
1240
+ "grad_norm": 0.15291939675807953,
1241
+ "learning_rate": 0.00012180518319928509,
1242
+ "loss": 0.1934,
1243
+ "step": 1750
1244
+ },
1245
+ {
1246
+ "epoch": 1.5728328865058088,
1247
+ "grad_norm": 0.07158921658992767,
1248
+ "learning_rate": 0.00012135835567470957,
1249
+ "loss": 0.045,
1250
+ "step": 1760
1251
+ },
1252
+ {
1253
+ "epoch": 1.5817694369973192,
1254
+ "grad_norm": 1.416129469871521,
1255
+ "learning_rate": 0.00012091152815013404,
1256
+ "loss": 0.0822,
1257
+ "step": 1770
1258
+ },
1259
+ {
1260
+ "epoch": 1.5907059874888292,
1261
+ "grad_norm": 3.2841928005218506,
1262
+ "learning_rate": 0.00012046470062555855,
1263
+ "loss": 0.0685,
1264
+ "step": 1780
1265
+ },
1266
+ {
1267
+ "epoch": 1.5996425379803396,
1268
+ "grad_norm": 5.683614730834961,
1269
+ "learning_rate": 0.00012001787310098302,
1270
+ "loss": 0.1512,
1271
+ "step": 1790
1272
+ },
1273
+ {
1274
+ "epoch": 1.6085790884718498,
1275
+ "grad_norm": 0.054330743849277496,
1276
+ "learning_rate": 0.0001195710455764075,
1277
+ "loss": 0.1381,
1278
+ "step": 1800
1279
+ },
1280
+ {
1281
+ "epoch": 1.61751563896336,
1282
+ "grad_norm": 0.05368073284626007,
1283
+ "learning_rate": 0.00011912421805183201,
1284
+ "loss": 0.1118,
1285
+ "step": 1810
1286
+ },
1287
+ {
1288
+ "epoch": 1.6264521894548705,
1289
+ "grad_norm": 17.735898971557617,
1290
+ "learning_rate": 0.00011867739052725648,
1291
+ "loss": 0.1704,
1292
+ "step": 1820
1293
+ },
1294
+ {
1295
+ "epoch": 1.6353887399463807,
1296
+ "grad_norm": 3.4387574195861816,
1297
+ "learning_rate": 0.00011823056300268096,
1298
+ "loss": 0.1498,
1299
+ "step": 1830
1300
+ },
1301
+ {
1302
+ "epoch": 1.6443252904378909,
1303
+ "grad_norm": 3.4959723949432373,
1304
+ "learning_rate": 0.00011778373547810547,
1305
+ "loss": 0.0667,
1306
+ "step": 1840
1307
+ },
1308
+ {
1309
+ "epoch": 1.6532618409294013,
1310
+ "grad_norm": 1.4753037691116333,
1311
+ "learning_rate": 0.00011733690795352994,
1312
+ "loss": 0.0445,
1313
+ "step": 1850
1314
+ },
1315
+ {
1316
+ "epoch": 1.6621983914209115,
1317
+ "grad_norm": 0.24579989910125732,
1318
+ "learning_rate": 0.00011689008042895442,
1319
+ "loss": 0.0377,
1320
+ "step": 1860
1321
+ },
1322
+ {
1323
+ "epoch": 1.6711349419124217,
1324
+ "grad_norm": 3.813619375228882,
1325
+ "learning_rate": 0.00011644325290437891,
1326
+ "loss": 0.1004,
1327
+ "step": 1870
1328
+ },
1329
+ {
1330
+ "epoch": 1.6800714924039322,
1331
+ "grad_norm": 0.808028519153595,
1332
+ "learning_rate": 0.0001159964253798034,
1333
+ "loss": 0.0679,
1334
+ "step": 1880
1335
+ },
1336
+ {
1337
+ "epoch": 1.6890080428954424,
1338
+ "grad_norm": 0.277228444814682,
1339
+ "learning_rate": 0.0001155495978552279,
1340
+ "loss": 0.1096,
1341
+ "step": 1890
1342
+ },
1343
+ {
1344
+ "epoch": 1.6979445933869526,
1345
+ "grad_norm": 2.485595703125,
1346
+ "learning_rate": 0.00011510277033065237,
1347
+ "loss": 0.0738,
1348
+ "step": 1900
1349
+ },
1350
+ {
1351
+ "epoch": 1.706881143878463,
1352
+ "grad_norm": 0.35362759232521057,
1353
+ "learning_rate": 0.00011465594280607685,
1354
+ "loss": 0.0807,
1355
+ "step": 1910
1356
+ },
1357
+ {
1358
+ "epoch": 1.7158176943699732,
1359
+ "grad_norm": 1.7707135677337646,
1360
+ "learning_rate": 0.00011420911528150135,
1361
+ "loss": 0.0603,
1362
+ "step": 1920
1363
+ },
1364
+ {
1365
+ "epoch": 1.7247542448614834,
1366
+ "grad_norm": 0.010053984820842743,
1367
+ "learning_rate": 0.00011376228775692583,
1368
+ "loss": 0.0142,
1369
+ "step": 1930
1370
+ },
1371
+ {
1372
+ "epoch": 1.7336907953529939,
1373
+ "grad_norm": 11.442891120910645,
1374
+ "learning_rate": 0.00011331546023235031,
1375
+ "loss": 0.0509,
1376
+ "step": 1940
1377
+ },
1378
+ {
1379
+ "epoch": 1.742627345844504,
1380
+ "grad_norm": 2.5633316040039062,
1381
+ "learning_rate": 0.00011286863270777481,
1382
+ "loss": 0.0204,
1383
+ "step": 1950
1384
+ },
1385
+ {
1386
+ "epoch": 1.7515638963360143,
1387
+ "grad_norm": 0.9002701044082642,
1388
+ "learning_rate": 0.00011242180518319929,
1389
+ "loss": 0.0822,
1390
+ "step": 1960
1391
+ },
1392
+ {
1393
+ "epoch": 1.7605004468275247,
1394
+ "grad_norm": 0.03169967234134674,
1395
+ "learning_rate": 0.00011197497765862377,
1396
+ "loss": 0.0951,
1397
+ "step": 1970
1398
+ },
1399
+ {
1400
+ "epoch": 1.7694369973190347,
1401
+ "grad_norm": 0.07693292945623398,
1402
+ "learning_rate": 0.00011152815013404827,
1403
+ "loss": 0.11,
1404
+ "step": 1980
1405
+ },
1406
+ {
1407
+ "epoch": 1.7783735478105451,
1408
+ "grad_norm": 0.06315601617097855,
1409
+ "learning_rate": 0.00011108132260947275,
1410
+ "loss": 0.1217,
1411
+ "step": 1990
1412
+ },
1413
+ {
1414
+ "epoch": 1.7873100983020556,
1415
+ "grad_norm": 0.26389381289482117,
1416
+ "learning_rate": 0.00011063449508489723,
1417
+ "loss": 0.1077,
1418
+ "step": 2000
1419
+ },
1420
+ {
1421
+ "epoch": 1.7873100983020556,
1422
+ "eval_accuracy": 0.9668341708542714,
1423
+ "eval_loss": 0.12829196453094482,
1424
+ "eval_runtime": 56.3081,
1425
+ "eval_samples_per_second": 35.341,
1426
+ "eval_steps_per_second": 4.422,
1427
+ "step": 2000
1428
+ },
1429
+ {
1430
+ "epoch": 1.7962466487935655,
1431
+ "grad_norm": 0.14058926701545715,
1432
+ "learning_rate": 0.00011018766756032173,
1433
+ "loss": 0.051,
1434
+ "step": 2010
1435
+ },
1436
+ {
1437
+ "epoch": 1.805183199285076,
1438
+ "grad_norm": 0.8464193940162659,
1439
+ "learning_rate": 0.00010974084003574621,
1440
+ "loss": 0.0557,
1441
+ "step": 2020
1442
+ },
1443
+ {
1444
+ "epoch": 1.8141197497765862,
1445
+ "grad_norm": 0.5524567365646362,
1446
+ "learning_rate": 0.00010929401251117069,
1447
+ "loss": 0.0327,
1448
+ "step": 2030
1449
+ },
1450
+ {
1451
+ "epoch": 1.8230563002680964,
1452
+ "grad_norm": 4.706042289733887,
1453
+ "learning_rate": 0.00010884718498659518,
1454
+ "loss": 0.0815,
1455
+ "step": 2040
1456
+ },
1457
+ {
1458
+ "epoch": 1.8319928507596068,
1459
+ "grad_norm": 5.365744113922119,
1460
+ "learning_rate": 0.00010840035746201967,
1461
+ "loss": 0.0617,
1462
+ "step": 2050
1463
+ },
1464
+ {
1465
+ "epoch": 1.840929401251117,
1466
+ "grad_norm": 1.1039865016937256,
1467
+ "learning_rate": 0.00010795352993744415,
1468
+ "loss": 0.0528,
1469
+ "step": 2060
1470
+ },
1471
+ {
1472
+ "epoch": 1.8498659517426272,
1473
+ "grad_norm": 2.8230929374694824,
1474
+ "learning_rate": 0.00010750670241286864,
1475
+ "loss": 0.0534,
1476
+ "step": 2070
1477
+ },
1478
+ {
1479
+ "epoch": 1.8588025022341377,
1480
+ "grad_norm": 0.02104310691356659,
1481
+ "learning_rate": 0.00010705987488829313,
1482
+ "loss": 0.1058,
1483
+ "step": 2080
1484
+ },
1485
+ {
1486
+ "epoch": 1.8677390527256479,
1487
+ "grad_norm": 0.030116664245724678,
1488
+ "learning_rate": 0.0001066130473637176,
1489
+ "loss": 0.0971,
1490
+ "step": 2090
1491
+ },
1492
+ {
1493
+ "epoch": 1.876675603217158,
1494
+ "grad_norm": 0.5036576986312866,
1495
+ "learning_rate": 0.0001061662198391421,
1496
+ "loss": 0.0693,
1497
+ "step": 2100
1498
+ },
1499
+ {
1500
+ "epoch": 1.8856121537086685,
1501
+ "grad_norm": 4.131002426147461,
1502
+ "learning_rate": 0.00010571939231456658,
1503
+ "loss": 0.0933,
1504
+ "step": 2110
1505
+ },
1506
+ {
1507
+ "epoch": 1.8945487042001787,
1508
+ "grad_norm": 5.004481792449951,
1509
+ "learning_rate": 0.00010527256478999108,
1510
+ "loss": 0.0698,
1511
+ "step": 2120
1512
+ },
1513
+ {
1514
+ "epoch": 1.903485254691689,
1515
+ "grad_norm": 0.014153541065752506,
1516
+ "learning_rate": 0.00010482573726541556,
1517
+ "loss": 0.0598,
1518
+ "step": 2130
1519
+ },
1520
+ {
1521
+ "epoch": 1.9124218051831994,
1522
+ "grad_norm": 0.39952540397644043,
1523
+ "learning_rate": 0.00010437890974084004,
1524
+ "loss": 0.1169,
1525
+ "step": 2140
1526
+ },
1527
+ {
1528
+ "epoch": 1.9213583556747096,
1529
+ "grad_norm": 5.047325611114502,
1530
+ "learning_rate": 0.00010393208221626454,
1531
+ "loss": 0.1492,
1532
+ "step": 2150
1533
+ },
1534
+ {
1535
+ "epoch": 1.9302949061662198,
1536
+ "grad_norm": 0.045367881655693054,
1537
+ "learning_rate": 0.00010348525469168902,
1538
+ "loss": 0.081,
1539
+ "step": 2160
1540
+ },
1541
+ {
1542
+ "epoch": 1.9392314566577302,
1543
+ "grad_norm": 0.02820589952170849,
1544
+ "learning_rate": 0.00010303842716711349,
1545
+ "loss": 0.1456,
1546
+ "step": 2170
1547
+ },
1548
+ {
1549
+ "epoch": 1.9481680071492404,
1550
+ "grad_norm": 0.15606756508350372,
1551
+ "learning_rate": 0.000102591599642538,
1552
+ "loss": 0.0484,
1553
+ "step": 2180
1554
+ },
1555
+ {
1556
+ "epoch": 1.9571045576407506,
1557
+ "grad_norm": 4.374292850494385,
1558
+ "learning_rate": 0.00010214477211796248,
1559
+ "loss": 0.1133,
1560
+ "step": 2190
1561
+ },
1562
+ {
1563
+ "epoch": 1.966041108132261,
1564
+ "grad_norm": 0.6300436854362488,
1565
+ "learning_rate": 0.00010169794459338695,
1566
+ "loss": 0.0159,
1567
+ "step": 2200
1568
+ },
1569
+ {
1570
+ "epoch": 1.974977658623771,
1571
+ "grad_norm": 0.011597417294979095,
1572
+ "learning_rate": 0.00010125111706881146,
1573
+ "loss": 0.019,
1574
+ "step": 2210
1575
+ },
1576
+ {
1577
+ "epoch": 1.9839142091152815,
1578
+ "grad_norm": 0.013629280962049961,
1579
+ "learning_rate": 0.00010080428954423592,
1580
+ "loss": 0.0953,
1581
+ "step": 2220
1582
+ },
1583
+ {
1584
+ "epoch": 1.992850759606792,
1585
+ "grad_norm": 4.461750030517578,
1586
+ "learning_rate": 0.0001003574620196604,
1587
+ "loss": 0.1169,
1588
+ "step": 2230
1589
+ },
1590
+ {
1591
+ "epoch": 2.001787310098302,
1592
+ "grad_norm": 0.2028690129518509,
1593
+ "learning_rate": 9.99106344950849e-05,
1594
+ "loss": 0.0515,
1595
+ "step": 2240
1596
+ },
1597
+ {
1598
+ "epoch": 2.0107238605898123,
1599
+ "grad_norm": 0.683179497718811,
1600
+ "learning_rate": 9.946380697050938e-05,
1601
+ "loss": 0.0414,
1602
+ "step": 2250
1603
+ },
1604
+ {
1605
+ "epoch": 2.0196604110813228,
1606
+ "grad_norm": 0.3097274601459503,
1607
+ "learning_rate": 9.901697944593388e-05,
1608
+ "loss": 0.013,
1609
+ "step": 2260
1610
+ },
1611
+ {
1612
+ "epoch": 2.0285969615728328,
1613
+ "grad_norm": 0.02391964942216873,
1614
+ "learning_rate": 9.857015192135836e-05,
1615
+ "loss": 0.0143,
1616
+ "step": 2270
1617
+ },
1618
+ {
1619
+ "epoch": 2.037533512064343,
1620
+ "grad_norm": 0.02549424022436142,
1621
+ "learning_rate": 9.812332439678284e-05,
1622
+ "loss": 0.0321,
1623
+ "step": 2280
1624
+ },
1625
+ {
1626
+ "epoch": 2.0464700625558536,
1627
+ "grad_norm": 0.015907390043139458,
1628
+ "learning_rate": 9.767649687220734e-05,
1629
+ "loss": 0.0905,
1630
+ "step": 2290
1631
+ },
1632
+ {
1633
+ "epoch": 2.0554066130473636,
1634
+ "grad_norm": 0.04600854963064194,
1635
+ "learning_rate": 9.722966934763182e-05,
1636
+ "loss": 0.0055,
1637
+ "step": 2300
1638
+ },
1639
+ {
1640
+ "epoch": 2.064343163538874,
1641
+ "grad_norm": 0.17837274074554443,
1642
+ "learning_rate": 9.67828418230563e-05,
1643
+ "loss": 0.0792,
1644
+ "step": 2310
1645
+ },
1646
+ {
1647
+ "epoch": 2.0732797140303845,
1648
+ "grad_norm": 0.678176760673523,
1649
+ "learning_rate": 9.63360142984808e-05,
1650
+ "loss": 0.1025,
1651
+ "step": 2320
1652
+ },
1653
+ {
1654
+ "epoch": 2.0822162645218945,
1655
+ "grad_norm": 0.047438375651836395,
1656
+ "learning_rate": 9.588918677390528e-05,
1657
+ "loss": 0.0037,
1658
+ "step": 2330
1659
+ },
1660
+ {
1661
+ "epoch": 2.091152815013405,
1662
+ "grad_norm": 0.3825267553329468,
1663
+ "learning_rate": 9.544235924932976e-05,
1664
+ "loss": 0.0271,
1665
+ "step": 2340
1666
+ },
1667
+ {
1668
+ "epoch": 2.1000893655049153,
1669
+ "grad_norm": 0.022976990789175034,
1670
+ "learning_rate": 9.499553172475425e-05,
1671
+ "loss": 0.0055,
1672
+ "step": 2350
1673
+ },
1674
+ {
1675
+ "epoch": 2.1090259159964253,
1676
+ "grad_norm": 0.21945427358150482,
1677
+ "learning_rate": 9.454870420017874e-05,
1678
+ "loss": 0.0072,
1679
+ "step": 2360
1680
+ },
1681
+ {
1682
+ "epoch": 2.1179624664879357,
1683
+ "grad_norm": 0.020401885733008385,
1684
+ "learning_rate": 9.410187667560322e-05,
1685
+ "loss": 0.0045,
1686
+ "step": 2370
1687
+ },
1688
+ {
1689
+ "epoch": 2.126899016979446,
1690
+ "grad_norm": 0.3614647388458252,
1691
+ "learning_rate": 9.365504915102771e-05,
1692
+ "loss": 0.0292,
1693
+ "step": 2380
1694
+ },
1695
+ {
1696
+ "epoch": 2.135835567470956,
1697
+ "grad_norm": 0.01699133589863777,
1698
+ "learning_rate": 9.32082216264522e-05,
1699
+ "loss": 0.0728,
1700
+ "step": 2390
1701
+ },
1702
+ {
1703
+ "epoch": 2.1447721179624666,
1704
+ "grad_norm": 0.012751326896250248,
1705
+ "learning_rate": 9.276139410187668e-05,
1706
+ "loss": 0.0358,
1707
+ "step": 2400
1708
+ },
1709
+ {
1710
+ "epoch": 2.1537086684539766,
1711
+ "grad_norm": 0.009738125838339329,
1712
+ "learning_rate": 9.231456657730116e-05,
1713
+ "loss": 0.0415,
1714
+ "step": 2410
1715
+ },
1716
+ {
1717
+ "epoch": 2.162645218945487,
1718
+ "grad_norm": 0.012577983550727367,
1719
+ "learning_rate": 9.186773905272565e-05,
1720
+ "loss": 0.0204,
1721
+ "step": 2420
1722
+ },
1723
+ {
1724
+ "epoch": 2.1715817694369974,
1725
+ "grad_norm": 0.022706875577569008,
1726
+ "learning_rate": 9.142091152815015e-05,
1727
+ "loss": 0.0391,
1728
+ "step": 2430
1729
+ },
1730
+ {
1731
+ "epoch": 2.1805183199285074,
1732
+ "grad_norm": 1.2650375366210938,
1733
+ "learning_rate": 9.097408400357462e-05,
1734
+ "loss": 0.005,
1735
+ "step": 2440
1736
+ },
1737
+ {
1738
+ "epoch": 2.189454870420018,
1739
+ "grad_norm": 0.012098530307412148,
1740
+ "learning_rate": 9.052725647899911e-05,
1741
+ "loss": 0.0631,
1742
+ "step": 2450
1743
+ },
1744
+ {
1745
+ "epoch": 2.1983914209115283,
1746
+ "grad_norm": 0.014217260293662548,
1747
+ "learning_rate": 9.00804289544236e-05,
1748
+ "loss": 0.0158,
1749
+ "step": 2460
1750
+ },
1751
+ {
1752
+ "epoch": 2.2073279714030383,
1753
+ "grad_norm": 9.968586921691895,
1754
+ "learning_rate": 8.963360142984808e-05,
1755
+ "loss": 0.0338,
1756
+ "step": 2470
1757
+ },
1758
+ {
1759
+ "epoch": 2.2162645218945487,
1760
+ "grad_norm": 0.008608737029135227,
1761
+ "learning_rate": 8.918677390527257e-05,
1762
+ "loss": 0.0344,
1763
+ "step": 2480
1764
+ },
1765
+ {
1766
+ "epoch": 2.225201072386059,
1767
+ "grad_norm": 0.0957435816526413,
1768
+ "learning_rate": 8.873994638069705e-05,
1769
+ "loss": 0.0346,
1770
+ "step": 2490
1771
+ },
1772
+ {
1773
+ "epoch": 2.234137622877569,
1774
+ "grad_norm": 0.009171651676297188,
1775
+ "learning_rate": 8.829311885612154e-05,
1776
+ "loss": 0.0534,
1777
+ "step": 2500
1778
+ },
1779
+ {
1780
+ "epoch": 2.2430741733690795,
1781
+ "grad_norm": 0.025571748614311218,
1782
+ "learning_rate": 8.784629133154603e-05,
1783
+ "loss": 0.0046,
1784
+ "step": 2510
1785
+ },
1786
+ {
1787
+ "epoch": 2.25201072386059,
1788
+ "grad_norm": 0.008803543634712696,
1789
+ "learning_rate": 8.739946380697051e-05,
1790
+ "loss": 0.0104,
1791
+ "step": 2520
1792
+ },
1793
+ {
1794
+ "epoch": 2.2609472743521,
1795
+ "grad_norm": 0.009746580384671688,
1796
+ "learning_rate": 8.6952636282395e-05,
1797
+ "loss": 0.0194,
1798
+ "step": 2530
1799
+ },
1800
+ {
1801
+ "epoch": 2.2698838248436104,
1802
+ "grad_norm": 4.104613780975342,
1803
+ "learning_rate": 8.650580875781949e-05,
1804
+ "loss": 0.0155,
1805
+ "step": 2540
1806
+ },
1807
+ {
1808
+ "epoch": 2.278820375335121,
1809
+ "grad_norm": 0.01826513558626175,
1810
+ "learning_rate": 8.605898123324397e-05,
1811
+ "loss": 0.0072,
1812
+ "step": 2550
1813
+ },
1814
+ {
1815
+ "epoch": 2.287756925826631,
1816
+ "grad_norm": 0.03380773961544037,
1817
+ "learning_rate": 8.561215370866847e-05,
1818
+ "loss": 0.0515,
1819
+ "step": 2560
1820
+ },
1821
+ {
1822
+ "epoch": 2.2966934763181412,
1823
+ "grad_norm": 0.13917675614356995,
1824
+ "learning_rate": 8.516532618409293e-05,
1825
+ "loss": 0.0553,
1826
+ "step": 2570
1827
+ },
1828
+ {
1829
+ "epoch": 2.3056300268096512,
1830
+ "grad_norm": 3.9170970916748047,
1831
+ "learning_rate": 8.471849865951743e-05,
1832
+ "loss": 0.0252,
1833
+ "step": 2580
1834
+ },
1835
+ {
1836
+ "epoch": 2.3145665773011617,
1837
+ "grad_norm": 0.02010478265583515,
1838
+ "learning_rate": 8.427167113494193e-05,
1839
+ "loss": 0.0212,
1840
+ "step": 2590
1841
+ },
1842
+ {
1843
+ "epoch": 2.323503127792672,
1844
+ "grad_norm": 0.008358313702046871,
1845
+ "learning_rate": 8.38248436103664e-05,
1846
+ "loss": 0.1032,
1847
+ "step": 2600
1848
+ },
1849
+ {
1850
+ "epoch": 2.3324396782841825,
1851
+ "grad_norm": 0.08038530498743057,
1852
+ "learning_rate": 8.337801608579089e-05,
1853
+ "loss": 0.0445,
1854
+ "step": 2610
1855
+ },
1856
+ {
1857
+ "epoch": 2.3413762287756925,
1858
+ "grad_norm": 0.03653928264975548,
1859
+ "learning_rate": 8.293118856121538e-05,
1860
+ "loss": 0.0396,
1861
+ "step": 2620
1862
+ },
1863
+ {
1864
+ "epoch": 2.350312779267203,
1865
+ "grad_norm": 0.027160342782735825,
1866
+ "learning_rate": 8.248436103663985e-05,
1867
+ "loss": 0.0305,
1868
+ "step": 2630
1869
+ },
1870
+ {
1871
+ "epoch": 2.359249329758713,
1872
+ "grad_norm": 0.015198041684925556,
1873
+ "learning_rate": 8.203753351206435e-05,
1874
+ "loss": 0.0377,
1875
+ "step": 2640
1876
+ },
1877
+ {
1878
+ "epoch": 2.3681858802502234,
1879
+ "grad_norm": 0.03799434006214142,
1880
+ "learning_rate": 8.159070598748883e-05,
1881
+ "loss": 0.0057,
1882
+ "step": 2650
1883
+ },
1884
+ {
1885
+ "epoch": 2.377122430741734,
1886
+ "grad_norm": 0.008046945556998253,
1887
+ "learning_rate": 8.114387846291331e-05,
1888
+ "loss": 0.0249,
1889
+ "step": 2660
1890
+ },
1891
+ {
1892
+ "epoch": 2.386058981233244,
1893
+ "grad_norm": 8.727446556091309,
1894
+ "learning_rate": 8.069705093833781e-05,
1895
+ "loss": 0.0466,
1896
+ "step": 2670
1897
+ },
1898
+ {
1899
+ "epoch": 2.394995531724754,
1900
+ "grad_norm": 0.01986142434179783,
1901
+ "learning_rate": 8.025022341376229e-05,
1902
+ "loss": 0.0357,
1903
+ "step": 2680
1904
+ },
1905
+ {
1906
+ "epoch": 2.4039320822162646,
1907
+ "grad_norm": 7.71134614944458,
1908
+ "learning_rate": 7.980339588918678e-05,
1909
+ "loss": 0.015,
1910
+ "step": 2690
1911
+ },
1912
+ {
1913
+ "epoch": 2.4128686327077746,
1914
+ "grad_norm": 0.04247535765171051,
1915
+ "learning_rate": 7.935656836461127e-05,
1916
+ "loss": 0.0165,
1917
+ "step": 2700
1918
+ },
1919
+ {
1920
+ "epoch": 2.421805183199285,
1921
+ "grad_norm": 0.008588094264268875,
1922
+ "learning_rate": 7.890974084003575e-05,
1923
+ "loss": 0.0039,
1924
+ "step": 2710
1925
+ },
1926
+ {
1927
+ "epoch": 2.4307417336907955,
1928
+ "grad_norm": 0.11789193749427795,
1929
+ "learning_rate": 7.846291331546024e-05,
1930
+ "loss": 0.0344,
1931
+ "step": 2720
1932
+ },
1933
+ {
1934
+ "epoch": 2.4396782841823055,
1935
+ "grad_norm": 0.02231294848024845,
1936
+ "learning_rate": 7.801608579088472e-05,
1937
+ "loss": 0.0248,
1938
+ "step": 2730
1939
+ },
1940
+ {
1941
+ "epoch": 2.448614834673816,
1942
+ "grad_norm": 0.017268147319555283,
1943
+ "learning_rate": 7.75692582663092e-05,
1944
+ "loss": 0.0716,
1945
+ "step": 2740
1946
+ },
1947
+ {
1948
+ "epoch": 2.4575513851653263,
1949
+ "grad_norm": 8.963982582092285,
1950
+ "learning_rate": 7.71224307417337e-05,
1951
+ "loss": 0.0282,
1952
+ "step": 2750
1953
+ },
1954
+ {
1955
+ "epoch": 2.4664879356568363,
1956
+ "grad_norm": 0.799085259437561,
1957
+ "learning_rate": 7.667560321715817e-05,
1958
+ "loss": 0.0416,
1959
+ "step": 2760
1960
+ },
1961
+ {
1962
+ "epoch": 2.4754244861483468,
1963
+ "grad_norm": 0.15468931198120117,
1964
+ "learning_rate": 7.622877569258267e-05,
1965
+ "loss": 0.0669,
1966
+ "step": 2770
1967
+ },
1968
+ {
1969
+ "epoch": 2.484361036639857,
1970
+ "grad_norm": 3.4924068450927734,
1971
+ "learning_rate": 7.578194816800716e-05,
1972
+ "loss": 0.0477,
1973
+ "step": 2780
1974
+ },
1975
+ {
1976
+ "epoch": 2.493297587131367,
1977
+ "grad_norm": 0.012834394350647926,
1978
+ "learning_rate": 7.533512064343163e-05,
1979
+ "loss": 0.0174,
1980
+ "step": 2790
1981
+ },
1982
+ {
1983
+ "epoch": 2.5022341376228776,
1984
+ "grad_norm": 0.039204515516757965,
1985
+ "learning_rate": 7.488829311885612e-05,
1986
+ "loss": 0.0699,
1987
+ "step": 2800
1988
+ },
1989
+ {
1990
+ "epoch": 2.5111706881143876,
1991
+ "grad_norm": 0.08284445852041245,
1992
+ "learning_rate": 7.444146559428062e-05,
1993
+ "loss": 0.0445,
1994
+ "step": 2810
1995
+ },
1996
+ {
1997
+ "epoch": 2.520107238605898,
1998
+ "grad_norm": 0.010827134363353252,
1999
+ "learning_rate": 7.39946380697051e-05,
2000
+ "loss": 0.043,
2001
+ "step": 2820
2002
+ },
2003
+ {
2004
+ "epoch": 2.5290437890974085,
2005
+ "grad_norm": 3.5454938411712646,
2006
+ "learning_rate": 7.354781054512958e-05,
2007
+ "loss": 0.0339,
2008
+ "step": 2830
2009
+ },
2010
+ {
2011
+ "epoch": 2.537980339588919,
2012
+ "grad_norm": 0.006842234171926975,
2013
+ "learning_rate": 7.310098302055406e-05,
2014
+ "loss": 0.0029,
2015
+ "step": 2840
2016
+ },
2017
+ {
2018
+ "epoch": 2.546916890080429,
2019
+ "grad_norm": 0.7790193557739258,
2020
+ "learning_rate": 7.265415549597856e-05,
2021
+ "loss": 0.0055,
2022
+ "step": 2850
2023
+ },
2024
+ {
2025
+ "epoch": 2.5558534405719393,
2026
+ "grad_norm": 0.022239111363887787,
2027
+ "learning_rate": 7.220732797140304e-05,
2028
+ "loss": 0.008,
2029
+ "step": 2860
2030
+ },
2031
+ {
2032
+ "epoch": 2.5647899910634493,
2033
+ "grad_norm": 0.05403418838977814,
2034
+ "learning_rate": 7.176050044682752e-05,
2035
+ "loss": 0.057,
2036
+ "step": 2870
2037
+ },
2038
+ {
2039
+ "epoch": 2.5737265415549597,
2040
+ "grad_norm": 0.008923870511353016,
2041
+ "learning_rate": 7.131367292225202e-05,
2042
+ "loss": 0.0045,
2043
+ "step": 2880
2044
+ },
2045
+ {
2046
+ "epoch": 2.58266309204647,
2047
+ "grad_norm": 0.02668040059506893,
2048
+ "learning_rate": 7.08668453976765e-05,
2049
+ "loss": 0.0551,
2050
+ "step": 2890
2051
+ },
2052
+ {
2053
+ "epoch": 2.5915996425379806,
2054
+ "grad_norm": 0.049835577607154846,
2055
+ "learning_rate": 7.042001787310098e-05,
2056
+ "loss": 0.0255,
2057
+ "step": 2900
2058
+ },
2059
+ {
2060
+ "epoch": 2.6005361930294906,
2061
+ "grad_norm": 0.19334334135055542,
2062
+ "learning_rate": 6.997319034852548e-05,
2063
+ "loss": 0.0434,
2064
+ "step": 2910
2065
+ },
2066
+ {
2067
+ "epoch": 2.609472743521001,
2068
+ "grad_norm": 2.9139554500579834,
2069
+ "learning_rate": 6.952636282394996e-05,
2070
+ "loss": 0.0069,
2071
+ "step": 2920
2072
+ },
2073
+ {
2074
+ "epoch": 2.618409294012511,
2075
+ "grad_norm": 0.006679228041321039,
2076
+ "learning_rate": 6.907953529937444e-05,
2077
+ "loss": 0.0021,
2078
+ "step": 2930
2079
+ },
2080
+ {
2081
+ "epoch": 2.6273458445040214,
2082
+ "grad_norm": 0.1680416613817215,
2083
+ "learning_rate": 6.863270777479894e-05,
2084
+ "loss": 0.0249,
2085
+ "step": 2940
2086
+ },
2087
+ {
2088
+ "epoch": 2.636282394995532,
2089
+ "grad_norm": 0.08290654420852661,
2090
+ "learning_rate": 6.818588025022342e-05,
2091
+ "loss": 0.029,
2092
+ "step": 2950
2093
+ },
2094
+ {
2095
+ "epoch": 2.645218945487042,
2096
+ "grad_norm": 0.013707391917705536,
2097
+ "learning_rate": 6.77390527256479e-05,
2098
+ "loss": 0.0124,
2099
+ "step": 2960
2100
+ },
2101
+ {
2102
+ "epoch": 2.6541554959785523,
2103
+ "grad_norm": 0.2275378704071045,
2104
+ "learning_rate": 6.72922252010724e-05,
2105
+ "loss": 0.035,
2106
+ "step": 2970
2107
+ },
2108
+ {
2109
+ "epoch": 2.6630920464700627,
2110
+ "grad_norm": 0.5669155716896057,
2111
+ "learning_rate": 6.684539767649688e-05,
2112
+ "loss": 0.0288,
2113
+ "step": 2980
2114
+ },
2115
+ {
2116
+ "epoch": 2.6720285969615727,
2117
+ "grad_norm": 0.01488091703504324,
2118
+ "learning_rate": 6.639857015192136e-05,
2119
+ "loss": 0.0438,
2120
+ "step": 2990
2121
+ },
2122
+ {
2123
+ "epoch": 2.680965147453083,
2124
+ "grad_norm": 3.9659953117370605,
2125
+ "learning_rate": 6.595174262734584e-05,
2126
+ "loss": 0.0652,
2127
+ "step": 3000
2128
+ },
2129
+ {
2130
+ "epoch": 2.680965147453083,
2131
+ "eval_accuracy": 0.9793969849246231,
2132
+ "eval_loss": 0.08239442110061646,
2133
+ "eval_runtime": 56.1213,
2134
+ "eval_samples_per_second": 35.459,
2135
+ "eval_steps_per_second": 4.437,
2136
+ "step": 3000
2137
+ },
2138
+ {
2139
+ "epoch": 2.6899016979445936,
2140
+ "grad_norm": 8.31395149230957,
2141
+ "learning_rate": 6.550491510277034e-05,
2142
+ "loss": 0.0098,
2143
+ "step": 3010
2144
+ },
2145
+ {
2146
+ "epoch": 2.6988382484361035,
2147
+ "grad_norm": 0.008468572981655598,
2148
+ "learning_rate": 6.505808757819482e-05,
2149
+ "loss": 0.1056,
2150
+ "step": 3020
2151
+ },
2152
+ {
2153
+ "epoch": 2.707774798927614,
2154
+ "grad_norm": 0.9328808188438416,
2155
+ "learning_rate": 6.46112600536193e-05,
2156
+ "loss": 0.0769,
2157
+ "step": 3030
2158
+ },
2159
+ {
2160
+ "epoch": 2.716711349419124,
2161
+ "grad_norm": 0.6114912629127502,
2162
+ "learning_rate": 6.41644325290438e-05,
2163
+ "loss": 0.0434,
2164
+ "step": 3040
2165
+ },
2166
+ {
2167
+ "epoch": 2.7256478999106344,
2168
+ "grad_norm": 0.03709472343325615,
2169
+ "learning_rate": 6.371760500446829e-05,
2170
+ "loss": 0.0166,
2171
+ "step": 3050
2172
+ },
2173
+ {
2174
+ "epoch": 2.734584450402145,
2175
+ "grad_norm": 0.1086587980389595,
2176
+ "learning_rate": 6.327077747989276e-05,
2177
+ "loss": 0.0047,
2178
+ "step": 3060
2179
+ },
2180
+ {
2181
+ "epoch": 2.7435210008936552,
2182
+ "grad_norm": 0.12008140981197357,
2183
+ "learning_rate": 6.282394995531725e-05,
2184
+ "loss": 0.0069,
2185
+ "step": 3070
2186
+ },
2187
+ {
2188
+ "epoch": 2.7524575513851652,
2189
+ "grad_norm": 0.017355024814605713,
2190
+ "learning_rate": 6.237712243074174e-05,
2191
+ "loss": 0.0033,
2192
+ "step": 3080
2193
+ },
2194
+ {
2195
+ "epoch": 2.7613941018766757,
2196
+ "grad_norm": 0.15070508420467377,
2197
+ "learning_rate": 6.193029490616622e-05,
2198
+ "loss": 0.0476,
2199
+ "step": 3090
2200
+ },
2201
+ {
2202
+ "epoch": 2.7703306523681857,
2203
+ "grad_norm": 0.022527649998664856,
2204
+ "learning_rate": 6.148346738159071e-05,
2205
+ "loss": 0.0243,
2206
+ "step": 3100
2207
+ },
2208
+ {
2209
+ "epoch": 2.779267202859696,
2210
+ "grad_norm": 0.37779930233955383,
2211
+ "learning_rate": 6.10366398570152e-05,
2212
+ "loss": 0.0058,
2213
+ "step": 3110
2214
+ },
2215
+ {
2216
+ "epoch": 2.7882037533512065,
2217
+ "grad_norm": 0.029893942177295685,
2218
+ "learning_rate": 6.0589812332439676e-05,
2219
+ "loss": 0.0208,
2220
+ "step": 3120
2221
+ },
2222
+ {
2223
+ "epoch": 2.797140303842717,
2224
+ "grad_norm": 0.01635076478123665,
2225
+ "learning_rate": 6.0142984807864165e-05,
2226
+ "loss": 0.0026,
2227
+ "step": 3130
2228
+ },
2229
+ {
2230
+ "epoch": 2.806076854334227,
2231
+ "grad_norm": 0.011868173256516457,
2232
+ "learning_rate": 5.969615728328865e-05,
2233
+ "loss": 0.0257,
2234
+ "step": 3140
2235
+ },
2236
+ {
2237
+ "epoch": 2.8150134048257374,
2238
+ "grad_norm": 0.02559722028672695,
2239
+ "learning_rate": 5.9249329758713135e-05,
2240
+ "loss": 0.0666,
2241
+ "step": 3150
2242
+ },
2243
+ {
2244
+ "epoch": 2.8239499553172474,
2245
+ "grad_norm": 0.01763424649834633,
2246
+ "learning_rate": 5.8802502234137623e-05,
2247
+ "loss": 0.0611,
2248
+ "step": 3160
2249
+ },
2250
+ {
2251
+ "epoch": 2.832886505808758,
2252
+ "grad_norm": 0.02686423808336258,
2253
+ "learning_rate": 5.835567470956211e-05,
2254
+ "loss": 0.0039,
2255
+ "step": 3170
2256
+ },
2257
+ {
2258
+ "epoch": 2.841823056300268,
2259
+ "grad_norm": 0.04632404074072838,
2260
+ "learning_rate": 5.79088471849866e-05,
2261
+ "loss": 0.0122,
2262
+ "step": 3180
2263
+ },
2264
+ {
2265
+ "epoch": 2.8507596067917786,
2266
+ "grad_norm": 0.1586790531873703,
2267
+ "learning_rate": 5.746201966041108e-05,
2268
+ "loss": 0.0026,
2269
+ "step": 3190
2270
+ },
2271
+ {
2272
+ "epoch": 2.8596961572832886,
2273
+ "grad_norm": 5.425605297088623,
2274
+ "learning_rate": 5.701519213583557e-05,
2275
+ "loss": 0.0622,
2276
+ "step": 3200
2277
+ },
2278
+ {
2279
+ "epoch": 2.868632707774799,
2280
+ "grad_norm": 0.006181008648127317,
2281
+ "learning_rate": 5.656836461126006e-05,
2282
+ "loss": 0.0028,
2283
+ "step": 3210
2284
+ },
2285
+ {
2286
+ "epoch": 2.877569258266309,
2287
+ "grad_norm": 0.09517185389995575,
2288
+ "learning_rate": 5.612153708668454e-05,
2289
+ "loss": 0.0035,
2290
+ "step": 3220
2291
+ },
2292
+ {
2293
+ "epoch": 2.8865058087578195,
2294
+ "grad_norm": 0.015022194012999535,
2295
+ "learning_rate": 5.567470956210903e-05,
2296
+ "loss": 0.0285,
2297
+ "step": 3230
2298
+ },
2299
+ {
2300
+ "epoch": 2.89544235924933,
2301
+ "grad_norm": 4.772485256195068,
2302
+ "learning_rate": 5.522788203753352e-05,
2303
+ "loss": 0.0279,
2304
+ "step": 3240
2305
+ },
2306
+ {
2307
+ "epoch": 2.90437890974084,
2308
+ "grad_norm": 3.1032145023345947,
2309
+ "learning_rate": 5.478105451295799e-05,
2310
+ "loss": 0.0049,
2311
+ "step": 3250
2312
+ },
2313
+ {
2314
+ "epoch": 2.9133154602323503,
2315
+ "grad_norm": 0.05868244543671608,
2316
+ "learning_rate": 5.433422698838249e-05,
2317
+ "loss": 0.0029,
2318
+ "step": 3260
2319
+ },
2320
+ {
2321
+ "epoch": 2.9222520107238603,
2322
+ "grad_norm": 0.008307090029120445,
2323
+ "learning_rate": 5.388739946380698e-05,
2324
+ "loss": 0.0099,
2325
+ "step": 3270
2326
+ },
2327
+ {
2328
+ "epoch": 2.9311885612153707,
2329
+ "grad_norm": 0.010392882861196995,
2330
+ "learning_rate": 5.344057193923145e-05,
2331
+ "loss": 0.002,
2332
+ "step": 3280
2333
+ },
2334
+ {
2335
+ "epoch": 2.940125111706881,
2336
+ "grad_norm": 0.005523020401597023,
2337
+ "learning_rate": 5.299374441465594e-05,
2338
+ "loss": 0.0035,
2339
+ "step": 3290
2340
+ },
2341
+ {
2342
+ "epoch": 2.9490616621983916,
2343
+ "grad_norm": 0.06098335236310959,
2344
+ "learning_rate": 5.2546916890080436e-05,
2345
+ "loss": 0.0056,
2346
+ "step": 3300
2347
+ },
2348
+ {
2349
+ "epoch": 2.9579982126899016,
2350
+ "grad_norm": 0.013083376921713352,
2351
+ "learning_rate": 5.2100089365504925e-05,
2352
+ "loss": 0.023,
2353
+ "step": 3310
2354
+ },
2355
+ {
2356
+ "epoch": 2.966934763181412,
2357
+ "grad_norm": 0.01605415530502796,
2358
+ "learning_rate": 5.16532618409294e-05,
2359
+ "loss": 0.0396,
2360
+ "step": 3320
2361
+ },
2362
+ {
2363
+ "epoch": 2.975871313672922,
2364
+ "grad_norm": 0.013243346475064754,
2365
+ "learning_rate": 5.120643431635389e-05,
2366
+ "loss": 0.0083,
2367
+ "step": 3330
2368
+ },
2369
+ {
2370
+ "epoch": 2.9848078641644324,
2371
+ "grad_norm": 1.4108890295028687,
2372
+ "learning_rate": 5.0759606791778383e-05,
2373
+ "loss": 0.0468,
2374
+ "step": 3340
2375
+ },
2376
+ {
2377
+ "epoch": 2.993744414655943,
2378
+ "grad_norm": 0.5704414248466492,
2379
+ "learning_rate": 5.031277926720286e-05,
2380
+ "loss": 0.0209,
2381
+ "step": 3350
2382
+ },
2383
+ {
2384
+ "epoch": 3.002680965147453,
2385
+ "grad_norm": 0.03908452019095421,
2386
+ "learning_rate": 4.986595174262735e-05,
2387
+ "loss": 0.0779,
2388
+ "step": 3360
2389
+ },
2390
+ {
2391
+ "epoch": 3.0116175156389633,
2392
+ "grad_norm": 0.010959290899336338,
2393
+ "learning_rate": 4.9419124218051835e-05,
2394
+ "loss": 0.0109,
2395
+ "step": 3370
2396
+ },
2397
+ {
2398
+ "epoch": 3.0205540661304737,
2399
+ "grad_norm": 0.028490547090768814,
2400
+ "learning_rate": 4.8972296693476324e-05,
2401
+ "loss": 0.0025,
2402
+ "step": 3380
2403
+ },
2404
+ {
2405
+ "epoch": 3.0294906166219837,
2406
+ "grad_norm": 0.00491972966119647,
2407
+ "learning_rate": 4.8525469168900806e-05,
2408
+ "loss": 0.0214,
2409
+ "step": 3390
2410
+ },
2411
+ {
2412
+ "epoch": 3.038427167113494,
2413
+ "grad_norm": 0.014270992018282413,
2414
+ "learning_rate": 4.8078641644325294e-05,
2415
+ "loss": 0.0048,
2416
+ "step": 3400
2417
+ },
2418
+ {
2419
+ "epoch": 3.0473637176050046,
2420
+ "grad_norm": 0.00458119623363018,
2421
+ "learning_rate": 4.7631814119749776e-05,
2422
+ "loss": 0.0308,
2423
+ "step": 3410
2424
+ },
2425
+ {
2426
+ "epoch": 3.0563002680965146,
2427
+ "grad_norm": 0.00890402402728796,
2428
+ "learning_rate": 4.7184986595174265e-05,
2429
+ "loss": 0.0019,
2430
+ "step": 3420
2431
+ },
2432
+ {
2433
+ "epoch": 3.065236818588025,
2434
+ "grad_norm": 0.004751246422529221,
2435
+ "learning_rate": 4.673815907059875e-05,
2436
+ "loss": 0.0028,
2437
+ "step": 3430
2438
+ },
2439
+ {
2440
+ "epoch": 3.0741733690795354,
2441
+ "grad_norm": 0.008143426850438118,
2442
+ "learning_rate": 4.6291331546023235e-05,
2443
+ "loss": 0.0015,
2444
+ "step": 3440
2445
+ },
2446
+ {
2447
+ "epoch": 3.0831099195710454,
2448
+ "grad_norm": 0.035306982696056366,
2449
+ "learning_rate": 4.5844504021447723e-05,
2450
+ "loss": 0.0561,
2451
+ "step": 3450
2452
+ },
2453
+ {
2454
+ "epoch": 3.092046470062556,
2455
+ "grad_norm": 0.006312028504908085,
2456
+ "learning_rate": 4.539767649687221e-05,
2457
+ "loss": 0.0407,
2458
+ "step": 3460
2459
+ },
2460
+ {
2461
+ "epoch": 3.1009830205540663,
2462
+ "grad_norm": 0.012918233871459961,
2463
+ "learning_rate": 4.4950848972296694e-05,
2464
+ "loss": 0.0204,
2465
+ "step": 3470
2466
+ },
2467
+ {
2468
+ "epoch": 3.1099195710455763,
2469
+ "grad_norm": 0.03429726883769035,
2470
+ "learning_rate": 4.450402144772118e-05,
2471
+ "loss": 0.0138,
2472
+ "step": 3480
2473
+ },
2474
+ {
2475
+ "epoch": 3.1188561215370867,
2476
+ "grad_norm": 0.032142043113708496,
2477
+ "learning_rate": 4.405719392314567e-05,
2478
+ "loss": 0.0074,
2479
+ "step": 3490
2480
+ },
2481
+ {
2482
+ "epoch": 3.127792672028597,
2483
+ "grad_norm": 0.11621160060167313,
2484
+ "learning_rate": 4.361036639857015e-05,
2485
+ "loss": 0.007,
2486
+ "step": 3500
2487
+ },
2488
+ {
2489
+ "epoch": 3.136729222520107,
2490
+ "grad_norm": 0.010225760750472546,
2491
+ "learning_rate": 4.316353887399464e-05,
2492
+ "loss": 0.0371,
2493
+ "step": 3510
2494
+ },
2495
+ {
2496
+ "epoch": 3.1456657730116175,
2497
+ "grad_norm": 0.0270242840051651,
2498
+ "learning_rate": 4.271671134941912e-05,
2499
+ "loss": 0.0024,
2500
+ "step": 3520
2501
+ },
2502
+ {
2503
+ "epoch": 3.154602323503128,
2504
+ "grad_norm": 0.561730146408081,
2505
+ "learning_rate": 4.226988382484361e-05,
2506
+ "loss": 0.0322,
2507
+ "step": 3530
2508
+ },
2509
+ {
2510
+ "epoch": 3.163538873994638,
2511
+ "grad_norm": 3.7698066234588623,
2512
+ "learning_rate": 4.18230563002681e-05,
2513
+ "loss": 0.0061,
2514
+ "step": 3540
2515
+ },
2516
+ {
2517
+ "epoch": 3.1724754244861484,
2518
+ "grad_norm": 0.08852257579565048,
2519
+ "learning_rate": 4.137622877569258e-05,
2520
+ "loss": 0.002,
2521
+ "step": 3550
2522
+ },
2523
+ {
2524
+ "epoch": 3.181411974977659,
2525
+ "grad_norm": 0.010241570882499218,
2526
+ "learning_rate": 4.092940125111707e-05,
2527
+ "loss": 0.0032,
2528
+ "step": 3560
2529
+ },
2530
+ {
2531
+ "epoch": 3.190348525469169,
2532
+ "grad_norm": 0.02900160290300846,
2533
+ "learning_rate": 4.048257372654156e-05,
2534
+ "loss": 0.0021,
2535
+ "step": 3570
2536
+ },
2537
+ {
2538
+ "epoch": 3.1992850759606792,
2539
+ "grad_norm": 0.012413430958986282,
2540
+ "learning_rate": 4.003574620196605e-05,
2541
+ "loss": 0.0016,
2542
+ "step": 3580
2543
+ },
2544
+ {
2545
+ "epoch": 3.2082216264521897,
2546
+ "grad_norm": 0.011820780113339424,
2547
+ "learning_rate": 3.958891867739053e-05,
2548
+ "loss": 0.0156,
2549
+ "step": 3590
2550
+ },
2551
+ {
2552
+ "epoch": 3.2171581769436997,
2553
+ "grad_norm": 0.0063424003310501575,
2554
+ "learning_rate": 3.914209115281501e-05,
2555
+ "loss": 0.0066,
2556
+ "step": 3600
2557
+ },
2558
+ {
2559
+ "epoch": 3.22609472743521,
2560
+ "grad_norm": 0.014534726738929749,
2561
+ "learning_rate": 3.8695263628239506e-05,
2562
+ "loss": 0.0023,
2563
+ "step": 3610
2564
+ },
2565
+ {
2566
+ "epoch": 3.23503127792672,
2567
+ "grad_norm": 0.0037305313162505627,
2568
+ "learning_rate": 3.824843610366399e-05,
2569
+ "loss": 0.0014,
2570
+ "step": 3620
2571
+ },
2572
+ {
2573
+ "epoch": 3.2439678284182305,
2574
+ "grad_norm": 0.004174220375716686,
2575
+ "learning_rate": 3.780160857908847e-05,
2576
+ "loss": 0.0022,
2577
+ "step": 3630
2578
+ },
2579
+ {
2580
+ "epoch": 3.252904378909741,
2581
+ "grad_norm": 0.02620732970535755,
2582
+ "learning_rate": 3.735478105451296e-05,
2583
+ "loss": 0.0033,
2584
+ "step": 3640
2585
+ },
2586
+ {
2587
+ "epoch": 3.2618409294012514,
2588
+ "grad_norm": 0.008887135423719883,
2589
+ "learning_rate": 3.690795352993745e-05,
2590
+ "loss": 0.0137,
2591
+ "step": 3650
2592
+ },
2593
+ {
2594
+ "epoch": 3.2707774798927614,
2595
+ "grad_norm": 0.0036694956943392754,
2596
+ "learning_rate": 3.6461126005361935e-05,
2597
+ "loss": 0.0016,
2598
+ "step": 3660
2599
+ },
2600
+ {
2601
+ "epoch": 3.279714030384272,
2602
+ "grad_norm": 0.005121259950101376,
2603
+ "learning_rate": 3.601429848078642e-05,
2604
+ "loss": 0.0023,
2605
+ "step": 3670
2606
+ },
2607
+ {
2608
+ "epoch": 3.2886505808757818,
2609
+ "grad_norm": 0.005332967732101679,
2610
+ "learning_rate": 3.55674709562109e-05,
2611
+ "loss": 0.0508,
2612
+ "step": 3680
2613
+ },
2614
+ {
2615
+ "epoch": 3.297587131367292,
2616
+ "grad_norm": 0.008636276237666607,
2617
+ "learning_rate": 3.5120643431635394e-05,
2618
+ "loss": 0.0015,
2619
+ "step": 3690
2620
+ },
2621
+ {
2622
+ "epoch": 3.3065236818588026,
2623
+ "grad_norm": 0.004048788454383612,
2624
+ "learning_rate": 3.4673815907059876e-05,
2625
+ "loss": 0.0015,
2626
+ "step": 3700
2627
+ },
2628
+ {
2629
+ "epoch": 3.3154602323503126,
2630
+ "grad_norm": 0.013148046098649502,
2631
+ "learning_rate": 3.4226988382484365e-05,
2632
+ "loss": 0.0021,
2633
+ "step": 3710
2634
+ },
2635
+ {
2636
+ "epoch": 3.324396782841823,
2637
+ "grad_norm": 0.003611048450693488,
2638
+ "learning_rate": 3.3780160857908846e-05,
2639
+ "loss": 0.0018,
2640
+ "step": 3720
2641
+ },
2642
+ {
2643
+ "epoch": 3.3333333333333335,
2644
+ "grad_norm": 0.0047615463845431805,
2645
+ "learning_rate": 3.3333333333333335e-05,
2646
+ "loss": 0.002,
2647
+ "step": 3730
2648
+ },
2649
+ {
2650
+ "epoch": 3.3422698838248435,
2651
+ "grad_norm": 0.052058279514312744,
2652
+ "learning_rate": 3.2886505808757823e-05,
2653
+ "loss": 0.0017,
2654
+ "step": 3740
2655
+ },
2656
+ {
2657
+ "epoch": 3.351206434316354,
2658
+ "grad_norm": 0.004867528565227985,
2659
+ "learning_rate": 3.2439678284182305e-05,
2660
+ "loss": 0.0015,
2661
+ "step": 3750
2662
+ },
2663
+ {
2664
+ "epoch": 3.3601429848078643,
2665
+ "grad_norm": 0.005437952931970358,
2666
+ "learning_rate": 3.1992850759606794e-05,
2667
+ "loss": 0.0027,
2668
+ "step": 3760
2669
+ },
2670
+ {
2671
+ "epoch": 3.3690795352993743,
2672
+ "grad_norm": 0.08657950907945633,
2673
+ "learning_rate": 3.154602323503128e-05,
2674
+ "loss": 0.0012,
2675
+ "step": 3770
2676
+ },
2677
+ {
2678
+ "epoch": 3.3780160857908847,
2679
+ "grad_norm": 0.003917807713150978,
2680
+ "learning_rate": 3.1099195710455764e-05,
2681
+ "loss": 0.0016,
2682
+ "step": 3780
2683
+ },
2684
+ {
2685
+ "epoch": 3.386952636282395,
2686
+ "grad_norm": 0.03561088442802429,
2687
+ "learning_rate": 3.065236818588025e-05,
2688
+ "loss": 0.0063,
2689
+ "step": 3790
2690
+ },
2691
+ {
2692
+ "epoch": 3.395889186773905,
2693
+ "grad_norm": 0.021922320127487183,
2694
+ "learning_rate": 3.0205540661304738e-05,
2695
+ "loss": 0.0195,
2696
+ "step": 3800
2697
+ },
2698
+ {
2699
+ "epoch": 3.4048257372654156,
2700
+ "grad_norm": 0.009989120066165924,
2701
+ "learning_rate": 2.9758713136729223e-05,
2702
+ "loss": 0.0027,
2703
+ "step": 3810
2704
+ },
2705
+ {
2706
+ "epoch": 3.413762287756926,
2707
+ "grad_norm": 0.004757929127663374,
2708
+ "learning_rate": 2.931188561215371e-05,
2709
+ "loss": 0.0213,
2710
+ "step": 3820
2711
+ },
2712
+ {
2713
+ "epoch": 3.422698838248436,
2714
+ "grad_norm": 0.005087022669613361,
2715
+ "learning_rate": 2.8865058087578197e-05,
2716
+ "loss": 0.012,
2717
+ "step": 3830
2718
+ },
2719
+ {
2720
+ "epoch": 3.4316353887399464,
2721
+ "grad_norm": 0.04014687240123749,
2722
+ "learning_rate": 2.8418230563002685e-05,
2723
+ "loss": 0.0016,
2724
+ "step": 3840
2725
+ },
2726
+ {
2727
+ "epoch": 3.4405719392314564,
2728
+ "grad_norm": 0.008556324057281017,
2729
+ "learning_rate": 2.7971403038427167e-05,
2730
+ "loss": 0.0466,
2731
+ "step": 3850
2732
+ },
2733
+ {
2734
+ "epoch": 3.449508489722967,
2735
+ "grad_norm": 0.0066629331558942795,
2736
+ "learning_rate": 2.7524575513851652e-05,
2737
+ "loss": 0.0013,
2738
+ "step": 3860
2739
+ },
2740
+ {
2741
+ "epoch": 3.4584450402144773,
2742
+ "grad_norm": 0.007047568913549185,
2743
+ "learning_rate": 2.707774798927614e-05,
2744
+ "loss": 0.0015,
2745
+ "step": 3870
2746
+ },
2747
+ {
2748
+ "epoch": 3.4673815907059877,
2749
+ "grad_norm": 0.0033304065000265837,
2750
+ "learning_rate": 2.6630920464700626e-05,
2751
+ "loss": 0.0186,
2752
+ "step": 3880
2753
+ },
2754
+ {
2755
+ "epoch": 3.4763181411974977,
2756
+ "grad_norm": 0.043915342539548874,
2757
+ "learning_rate": 2.6184092940125114e-05,
2758
+ "loss": 0.0013,
2759
+ "step": 3890
2760
+ },
2761
+ {
2762
+ "epoch": 3.485254691689008,
2763
+ "grad_norm": 0.005252317525446415,
2764
+ "learning_rate": 2.57372654155496e-05,
2765
+ "loss": 0.0036,
2766
+ "step": 3900
2767
+ },
2768
+ {
2769
+ "epoch": 3.494191242180518,
2770
+ "grad_norm": 0.005055012181401253,
2771
+ "learning_rate": 2.5290437890974085e-05,
2772
+ "loss": 0.0012,
2773
+ "step": 3910
2774
+ },
2775
+ {
2776
+ "epoch": 3.5031277926720286,
2777
+ "grad_norm": 0.0049805790185928345,
2778
+ "learning_rate": 2.484361036639857e-05,
2779
+ "loss": 0.0157,
2780
+ "step": 3920
2781
+ },
2782
+ {
2783
+ "epoch": 3.512064343163539,
2784
+ "grad_norm": 0.009514909237623215,
2785
+ "learning_rate": 2.439678284182306e-05,
2786
+ "loss": 0.0109,
2787
+ "step": 3930
2788
+ },
2789
+ {
2790
+ "epoch": 3.5210008936550494,
2791
+ "grad_norm": 0.03643026947975159,
2792
+ "learning_rate": 2.3949955317247544e-05,
2793
+ "loss": 0.0019,
2794
+ "step": 3940
2795
+ },
2796
+ {
2797
+ "epoch": 3.5299374441465594,
2798
+ "grad_norm": 0.056902140378952026,
2799
+ "learning_rate": 2.3503127792672032e-05,
2800
+ "loss": 0.0016,
2801
+ "step": 3950
2802
+ },
2803
+ {
2804
+ "epoch": 3.53887399463807,
2805
+ "grad_norm": 0.10358071327209473,
2806
+ "learning_rate": 2.3056300268096514e-05,
2807
+ "loss": 0.005,
2808
+ "step": 3960
2809
+ },
2810
+ {
2811
+ "epoch": 3.54781054512958,
2812
+ "grad_norm": 0.005386151373386383,
2813
+ "learning_rate": 2.2609472743521002e-05,
2814
+ "loss": 0.0021,
2815
+ "step": 3970
2816
+ },
2817
+ {
2818
+ "epoch": 3.5567470956210903,
2819
+ "grad_norm": 0.007350238971412182,
2820
+ "learning_rate": 2.2162645218945488e-05,
2821
+ "loss": 0.0016,
2822
+ "step": 3980
2823
+ },
2824
+ {
2825
+ "epoch": 3.5656836461126007,
2826
+ "grad_norm": 0.07326429337263107,
2827
+ "learning_rate": 2.1715817694369976e-05,
2828
+ "loss": 0.0084,
2829
+ "step": 3990
2830
+ },
2831
+ {
2832
+ "epoch": 3.5746201966041107,
2833
+ "grad_norm": 0.005603461060672998,
2834
+ "learning_rate": 2.126899016979446e-05,
2835
+ "loss": 0.0011,
2836
+ "step": 4000
2837
+ },
2838
+ {
2839
+ "epoch": 3.5746201966041107,
2840
+ "eval_accuracy": 0.9814070351758793,
2841
+ "eval_loss": 0.0710952952504158,
2842
+ "eval_runtime": 56.3405,
2843
+ "eval_samples_per_second": 35.321,
2844
+ "eval_steps_per_second": 4.42,
2845
+ "step": 4000
2846
+ },
2847
+ {
2848
+ "epoch": 3.583556747095621,
2849
+ "grad_norm": 0.010818341746926308,
2850
+ "learning_rate": 2.0822162645218946e-05,
2851
+ "loss": 0.0038,
2852
+ "step": 4010
2853
+ },
2854
+ {
2855
+ "epoch": 3.592493297587131,
2856
+ "grad_norm": 0.003599151037633419,
2857
+ "learning_rate": 2.037533512064343e-05,
2858
+ "loss": 0.0065,
2859
+ "step": 4020
2860
+ },
2861
+ {
2862
+ "epoch": 3.6014298480786415,
2863
+ "grad_norm": 4.198567867279053,
2864
+ "learning_rate": 1.992850759606792e-05,
2865
+ "loss": 0.0083,
2866
+ "step": 4030
2867
+ },
2868
+ {
2869
+ "epoch": 3.610366398570152,
2870
+ "grad_norm": 0.013494855724275112,
2871
+ "learning_rate": 1.9481680071492405e-05,
2872
+ "loss": 0.0045,
2873
+ "step": 4040
2874
+ },
2875
+ {
2876
+ "epoch": 3.6193029490616624,
2877
+ "grad_norm": 0.0036234534345567226,
2878
+ "learning_rate": 1.903485254691689e-05,
2879
+ "loss": 0.0016,
2880
+ "step": 4050
2881
+ },
2882
+ {
2883
+ "epoch": 3.6282394995531724,
2884
+ "grad_norm": 0.021920403465628624,
2885
+ "learning_rate": 1.8588025022341376e-05,
2886
+ "loss": 0.0012,
2887
+ "step": 4060
2888
+ },
2889
+ {
2890
+ "epoch": 3.637176050044683,
2891
+ "grad_norm": 0.004384295083582401,
2892
+ "learning_rate": 1.8141197497765864e-05,
2893
+ "loss": 0.001,
2894
+ "step": 4070
2895
+ },
2896
+ {
2897
+ "epoch": 3.646112600536193,
2898
+ "grad_norm": 0.03161391615867615,
2899
+ "learning_rate": 1.769436997319035e-05,
2900
+ "loss": 0.0026,
2901
+ "step": 4080
2902
+ },
2903
+ {
2904
+ "epoch": 3.6550491510277032,
2905
+ "grad_norm": 0.0033394452184438705,
2906
+ "learning_rate": 1.7247542448614838e-05,
2907
+ "loss": 0.0267,
2908
+ "step": 4090
2909
+ },
2910
+ {
2911
+ "epoch": 3.6639857015192137,
2912
+ "grad_norm": 0.01090541947633028,
2913
+ "learning_rate": 1.680071492403932e-05,
2914
+ "loss": 0.0014,
2915
+ "step": 4100
2916
+ },
2917
+ {
2918
+ "epoch": 3.672922252010724,
2919
+ "grad_norm": 0.0053653959184885025,
2920
+ "learning_rate": 1.6353887399463808e-05,
2921
+ "loss": 0.0095,
2922
+ "step": 4110
2923
+ },
2924
+ {
2925
+ "epoch": 3.681858802502234,
2926
+ "grad_norm": 0.032379720360040665,
2927
+ "learning_rate": 1.5907059874888293e-05,
2928
+ "loss": 0.0011,
2929
+ "step": 4120
2930
+ },
2931
+ {
2932
+ "epoch": 3.6907953529937445,
2933
+ "grad_norm": 0.05944305285811424,
2934
+ "learning_rate": 1.5460232350312782e-05,
2935
+ "loss": 0.0015,
2936
+ "step": 4130
2937
+ },
2938
+ {
2939
+ "epoch": 3.6997319034852545,
2940
+ "grad_norm": 0.0054045203141868114,
2941
+ "learning_rate": 1.5013404825737265e-05,
2942
+ "loss": 0.0012,
2943
+ "step": 4140
2944
+ },
2945
+ {
2946
+ "epoch": 3.708668453976765,
2947
+ "grad_norm": 0.003021675394847989,
2948
+ "learning_rate": 1.4566577301161752e-05,
2949
+ "loss": 0.0023,
2950
+ "step": 4150
2951
+ },
2952
+ {
2953
+ "epoch": 3.7176050044682754,
2954
+ "grad_norm": 0.007955508306622505,
2955
+ "learning_rate": 1.4119749776586239e-05,
2956
+ "loss": 0.0031,
2957
+ "step": 4160
2958
+ },
2959
+ {
2960
+ "epoch": 3.726541554959786,
2961
+ "grad_norm": 0.005485454574227333,
2962
+ "learning_rate": 1.3672922252010726e-05,
2963
+ "loss": 0.0014,
2964
+ "step": 4170
2965
+ },
2966
+ {
2967
+ "epoch": 3.7354781054512958,
2968
+ "grad_norm": 0.007910342887043953,
2969
+ "learning_rate": 1.322609472743521e-05,
2970
+ "loss": 0.0014,
2971
+ "step": 4180
2972
+ },
2973
+ {
2974
+ "epoch": 3.744414655942806,
2975
+ "grad_norm": 0.011793126352131367,
2976
+ "learning_rate": 1.2779267202859696e-05,
2977
+ "loss": 0.001,
2978
+ "step": 4190
2979
+ },
2980
+ {
2981
+ "epoch": 3.753351206434316,
2982
+ "grad_norm": 0.005442539695650339,
2983
+ "learning_rate": 1.2332439678284183e-05,
2984
+ "loss": 0.0015,
2985
+ "step": 4200
2986
+ },
2987
+ {
2988
+ "epoch": 3.7622877569258266,
2989
+ "grad_norm": 1.1986395120620728,
2990
+ "learning_rate": 1.188561215370867e-05,
2991
+ "loss": 0.002,
2992
+ "step": 4210
2993
+ },
2994
+ {
2995
+ "epoch": 3.771224307417337,
2996
+ "grad_norm": 0.006608502473682165,
2997
+ "learning_rate": 1.1438784629133155e-05,
2998
+ "loss": 0.0009,
2999
+ "step": 4220
3000
+ },
3001
+ {
3002
+ "epoch": 3.780160857908847,
3003
+ "grad_norm": 0.0039040117990225554,
3004
+ "learning_rate": 1.0991957104557642e-05,
3005
+ "loss": 0.0013,
3006
+ "step": 4230
3007
+ },
3008
+ {
3009
+ "epoch": 3.7890974084003575,
3010
+ "grad_norm": 0.0041880221106112,
3011
+ "learning_rate": 1.0545129579982127e-05,
3012
+ "loss": 0.0012,
3013
+ "step": 4240
3014
+ },
3015
+ {
3016
+ "epoch": 3.798033958891868,
3017
+ "grad_norm": 0.003776776837185025,
3018
+ "learning_rate": 1.0098302055406614e-05,
3019
+ "loss": 0.0013,
3020
+ "step": 4250
3021
+ },
3022
+ {
3023
+ "epoch": 3.806970509383378,
3024
+ "grad_norm": 0.2970888614654541,
3025
+ "learning_rate": 9.651474530831099e-06,
3026
+ "loss": 0.0014,
3027
+ "step": 4260
3028
+ },
3029
+ {
3030
+ "epoch": 3.8159070598748883,
3031
+ "grad_norm": 0.003879937343299389,
3032
+ "learning_rate": 9.204647006255586e-06,
3033
+ "loss": 0.0013,
3034
+ "step": 4270
3035
+ },
3036
+ {
3037
+ "epoch": 3.8248436103663987,
3038
+ "grad_norm": 3.5169312953948975,
3039
+ "learning_rate": 8.757819481680071e-06,
3040
+ "loss": 0.0035,
3041
+ "step": 4280
3042
+ },
3043
+ {
3044
+ "epoch": 3.8337801608579087,
3045
+ "grad_norm": 0.004920534789562225,
3046
+ "learning_rate": 8.310991957104558e-06,
3047
+ "loss": 0.001,
3048
+ "step": 4290
3049
+ },
3050
+ {
3051
+ "epoch": 3.842716711349419,
3052
+ "grad_norm": 0.0035059740766882896,
3053
+ "learning_rate": 7.864164432529045e-06,
3054
+ "loss": 0.0094,
3055
+ "step": 4300
3056
+ },
3057
+ {
3058
+ "epoch": 3.851653261840929,
3059
+ "grad_norm": 0.004144645761698484,
3060
+ "learning_rate": 7.41733690795353e-06,
3061
+ "loss": 0.001,
3062
+ "step": 4310
3063
+ },
3064
+ {
3065
+ "epoch": 3.8605898123324396,
3066
+ "grad_norm": 0.006385812535881996,
3067
+ "learning_rate": 6.970509383378017e-06,
3068
+ "loss": 0.001,
3069
+ "step": 4320
3070
+ },
3071
+ {
3072
+ "epoch": 3.86952636282395,
3073
+ "grad_norm": 0.003677819389849901,
3074
+ "learning_rate": 6.523681858802503e-06,
3075
+ "loss": 0.0009,
3076
+ "step": 4330
3077
+ },
3078
+ {
3079
+ "epoch": 3.8784629133154604,
3080
+ "grad_norm": 0.003563833888620138,
3081
+ "learning_rate": 6.076854334226989e-06,
3082
+ "loss": 0.0251,
3083
+ "step": 4340
3084
+ },
3085
+ {
3086
+ "epoch": 3.8873994638069704,
3087
+ "grad_norm": 0.012182756327092648,
3088
+ "learning_rate": 5.630026809651475e-06,
3089
+ "loss": 0.0422,
3090
+ "step": 4350
3091
+ },
3092
+ {
3093
+ "epoch": 3.896336014298481,
3094
+ "grad_norm": 0.004781792871654034,
3095
+ "learning_rate": 5.1831992850759615e-06,
3096
+ "loss": 0.0021,
3097
+ "step": 4360
3098
+ },
3099
+ {
3100
+ "epoch": 3.905272564789991,
3101
+ "grad_norm": 0.003455075901001692,
3102
+ "learning_rate": 4.7363717605004475e-06,
3103
+ "loss": 0.0182,
3104
+ "step": 4370
3105
+ },
3106
+ {
3107
+ "epoch": 3.9142091152815013,
3108
+ "grad_norm": 0.00627366965636611,
3109
+ "learning_rate": 4.2895442359249335e-06,
3110
+ "loss": 0.0148,
3111
+ "step": 4380
3112
+ },
3113
+ {
3114
+ "epoch": 3.9231456657730117,
3115
+ "grad_norm": 0.015941530466079712,
3116
+ "learning_rate": 3.8427167113494195e-06,
3117
+ "loss": 0.0015,
3118
+ "step": 4390
3119
+ },
3120
+ {
3121
+ "epoch": 3.932082216264522,
3122
+ "grad_norm": 0.004724125377833843,
3123
+ "learning_rate": 3.3958891867739055e-06,
3124
+ "loss": 0.0093,
3125
+ "step": 4400
3126
+ },
3127
+ {
3128
+ "epoch": 3.941018766756032,
3129
+ "grad_norm": 0.0062377783469855785,
3130
+ "learning_rate": 2.9490616621983915e-06,
3131
+ "loss": 0.0011,
3132
+ "step": 4410
3133
+ },
3134
+ {
3135
+ "epoch": 3.9499553172475426,
3136
+ "grad_norm": 0.0042613474652171135,
3137
+ "learning_rate": 2.502234137622878e-06,
3138
+ "loss": 0.0141,
3139
+ "step": 4420
3140
+ },
3141
+ {
3142
+ "epoch": 3.9588918677390526,
3143
+ "grad_norm": 0.005040575284510851,
3144
+ "learning_rate": 2.055406613047364e-06,
3145
+ "loss": 0.0061,
3146
+ "step": 4430
3147
+ },
3148
+ {
3149
+ "epoch": 3.967828418230563,
3150
+ "grad_norm": 0.004678263328969479,
3151
+ "learning_rate": 1.60857908847185e-06,
3152
+ "loss": 0.0011,
3153
+ "step": 4440
3154
+ },
3155
+ {
3156
+ "epoch": 3.9767649687220734,
3157
+ "grad_norm": 0.0033705062232911587,
3158
+ "learning_rate": 1.161751563896336e-06,
3159
+ "loss": 0.0065,
3160
+ "step": 4450
3161
+ },
3162
+ {
3163
+ "epoch": 3.9857015192135834,
3164
+ "grad_norm": 0.004543005023151636,
3165
+ "learning_rate": 7.149240393208222e-07,
3166
+ "loss": 0.0011,
3167
+ "step": 4460
3168
+ },
3169
+ {
3170
+ "epoch": 3.994638069705094,
3171
+ "grad_norm": 0.01603855937719345,
3172
+ "learning_rate": 2.6809651474530835e-07,
3173
+ "loss": 0.001,
3174
+ "step": 4470
3175
+ },
3176
+ {
3177
+ "epoch": 4.0,
3178
+ "step": 4476,
3179
+ "total_flos": 5.549295064059888e+18,
3180
+ "train_loss": 0.1165861947240576,
3181
+ "train_runtime": 2488.5837,
3182
+ "train_samples_per_second": 28.775,
3183
+ "train_steps_per_second": 1.799
3184
+ }
3185
+ ],
3186
+ "logging_steps": 10,
3187
+ "max_steps": 4476,
3188
+ "num_input_tokens_seen": 0,
3189
+ "num_train_epochs": 4,
3190
+ "save_steps": 2000,
3191
+ "stateful_callbacks": {
3192
+ "TrainerControl": {
3193
+ "args": {
3194
+ "should_epoch_stop": false,
3195
+ "should_evaluate": false,
3196
+ "should_log": false,
3197
+ "should_save": true,
3198
+ "should_training_stop": true
3199
+ },
3200
+ "attributes": {}
3201
+ }
3202
+ },
3203
+ "total_flos": 5.549295064059888e+18,
3204
+ "train_batch_size": 16,
3205
+ "trial_name": null,
3206
+ "trial_params": null
3207
+ }