| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 1.0, | |
| "eval_steps": 500, | |
| "global_step": 1875, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.0005333333333333334, | |
| "grad_norm": 23.259888560308273, | |
| "learning_rate": 5.319148936170213e-08, | |
| "loss": 1.3571, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.0026666666666666666, | |
| "grad_norm": 23.74599684989325, | |
| "learning_rate": 2.6595744680851066e-07, | |
| "loss": 1.3485, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 0.005333333333333333, | |
| "grad_norm": 14.017726031240942, | |
| "learning_rate": 5.319148936170213e-07, | |
| "loss": 1.3174, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.008, | |
| "grad_norm": 12.405314565948874, | |
| "learning_rate": 7.97872340425532e-07, | |
| "loss": 1.1507, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 0.010666666666666666, | |
| "grad_norm": 8.953549454445659, | |
| "learning_rate": 1.0638297872340427e-06, | |
| "loss": 1.0492, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.013333333333333334, | |
| "grad_norm": 3.472583741195905, | |
| "learning_rate": 1.3297872340425533e-06, | |
| "loss": 0.9493, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 0.016, | |
| "grad_norm": 3.409560725136326, | |
| "learning_rate": 1.595744680851064e-06, | |
| "loss": 0.9014, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.018666666666666668, | |
| "grad_norm": 3.072344840723042, | |
| "learning_rate": 1.8617021276595745e-06, | |
| "loss": 0.8878, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 0.021333333333333333, | |
| "grad_norm": 3.013271894911945, | |
| "learning_rate": 2.1276595744680853e-06, | |
| "loss": 0.8722, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.024, | |
| "grad_norm": 3.117052858944193, | |
| "learning_rate": 2.393617021276596e-06, | |
| "loss": 0.8542, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 0.02666666666666667, | |
| "grad_norm": 3.036623392571696, | |
| "learning_rate": 2.6595744680851065e-06, | |
| "loss": 0.8455, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.029333333333333333, | |
| "grad_norm": 3.150234881938106, | |
| "learning_rate": 2.9255319148936174e-06, | |
| "loss": 0.823, | |
| "step": 55 | |
| }, | |
| { | |
| "epoch": 0.032, | |
| "grad_norm": 2.9740966983678483, | |
| "learning_rate": 3.191489361702128e-06, | |
| "loss": 0.8263, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 0.034666666666666665, | |
| "grad_norm": 3.0462076055938154, | |
| "learning_rate": 3.457446808510639e-06, | |
| "loss": 0.8065, | |
| "step": 65 | |
| }, | |
| { | |
| "epoch": 0.037333333333333336, | |
| "grad_norm": 3.031465196129359, | |
| "learning_rate": 3.723404255319149e-06, | |
| "loss": 0.8161, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 3.2219534406416614, | |
| "learning_rate": 3.98936170212766e-06, | |
| "loss": 0.7967, | |
| "step": 75 | |
| }, | |
| { | |
| "epoch": 0.042666666666666665, | |
| "grad_norm": 3.2372818431026777, | |
| "learning_rate": 4.255319148936171e-06, | |
| "loss": 0.7842, | |
| "step": 80 | |
| }, | |
| { | |
| "epoch": 0.04533333333333334, | |
| "grad_norm": 3.138654518664438, | |
| "learning_rate": 4.521276595744681e-06, | |
| "loss": 0.7659, | |
| "step": 85 | |
| }, | |
| { | |
| "epoch": 0.048, | |
| "grad_norm": 3.2327655184508526, | |
| "learning_rate": 4.787234042553192e-06, | |
| "loss": 0.7598, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 0.050666666666666665, | |
| "grad_norm": 3.298947473840247, | |
| "learning_rate": 5.053191489361703e-06, | |
| "loss": 0.7665, | |
| "step": 95 | |
| }, | |
| { | |
| "epoch": 0.05333333333333334, | |
| "grad_norm": 3.2558321082587476, | |
| "learning_rate": 5.319148936170213e-06, | |
| "loss": 0.7543, | |
| "step": 100 | |
| }, | |
| { | |
| "epoch": 0.056, | |
| "grad_norm": 3.1123037187117952, | |
| "learning_rate": 5.5851063829787235e-06, | |
| "loss": 0.755, | |
| "step": 105 | |
| }, | |
| { | |
| "epoch": 0.058666666666666666, | |
| "grad_norm": 2.9710008221533233, | |
| "learning_rate": 5.851063829787235e-06, | |
| "loss": 0.7395, | |
| "step": 110 | |
| }, | |
| { | |
| "epoch": 0.06133333333333333, | |
| "grad_norm": 2.9978710535728053, | |
| "learning_rate": 6.117021276595745e-06, | |
| "loss": 0.7448, | |
| "step": 115 | |
| }, | |
| { | |
| "epoch": 0.064, | |
| "grad_norm": 3.2755218388302048, | |
| "learning_rate": 6.382978723404256e-06, | |
| "loss": 0.7228, | |
| "step": 120 | |
| }, | |
| { | |
| "epoch": 0.06666666666666667, | |
| "grad_norm": 3.1254224262570576, | |
| "learning_rate": 6.648936170212767e-06, | |
| "loss": 0.751, | |
| "step": 125 | |
| }, | |
| { | |
| "epoch": 0.06933333333333333, | |
| "grad_norm": 2.869080722159408, | |
| "learning_rate": 6.914893617021278e-06, | |
| "loss": 0.7359, | |
| "step": 130 | |
| }, | |
| { | |
| "epoch": 0.072, | |
| "grad_norm": 2.9132987724801747, | |
| "learning_rate": 7.1808510638297875e-06, | |
| "loss": 0.7296, | |
| "step": 135 | |
| }, | |
| { | |
| "epoch": 0.07466666666666667, | |
| "grad_norm": 3.0736996161268775, | |
| "learning_rate": 7.446808510638298e-06, | |
| "loss": 0.7183, | |
| "step": 140 | |
| }, | |
| { | |
| "epoch": 0.07733333333333334, | |
| "grad_norm": 2.950761575882245, | |
| "learning_rate": 7.71276595744681e-06, | |
| "loss": 0.7152, | |
| "step": 145 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 3.144578339572093, | |
| "learning_rate": 7.97872340425532e-06, | |
| "loss": 0.7172, | |
| "step": 150 | |
| }, | |
| { | |
| "epoch": 0.08266666666666667, | |
| "grad_norm": 2.9953920059025814, | |
| "learning_rate": 8.24468085106383e-06, | |
| "loss": 0.7098, | |
| "step": 155 | |
| }, | |
| { | |
| "epoch": 0.08533333333333333, | |
| "grad_norm": 2.7422828070910286, | |
| "learning_rate": 8.510638297872341e-06, | |
| "loss": 0.7208, | |
| "step": 160 | |
| }, | |
| { | |
| "epoch": 0.088, | |
| "grad_norm": 2.9002554490000345, | |
| "learning_rate": 8.776595744680852e-06, | |
| "loss": 0.7203, | |
| "step": 165 | |
| }, | |
| { | |
| "epoch": 0.09066666666666667, | |
| "grad_norm": 2.8412165479733034, | |
| "learning_rate": 9.042553191489362e-06, | |
| "loss": 0.7022, | |
| "step": 170 | |
| }, | |
| { | |
| "epoch": 0.09333333333333334, | |
| "grad_norm": 2.868498607255197, | |
| "learning_rate": 9.308510638297872e-06, | |
| "loss": 0.72, | |
| "step": 175 | |
| }, | |
| { | |
| "epoch": 0.096, | |
| "grad_norm": 2.812615649943488, | |
| "learning_rate": 9.574468085106385e-06, | |
| "loss": 0.7196, | |
| "step": 180 | |
| }, | |
| { | |
| "epoch": 0.09866666666666667, | |
| "grad_norm": 2.7257502803760723, | |
| "learning_rate": 9.840425531914895e-06, | |
| "loss": 0.7071, | |
| "step": 185 | |
| }, | |
| { | |
| "epoch": 0.10133333333333333, | |
| "grad_norm": 2.831351676543259, | |
| "learning_rate": 9.999965320799377e-06, | |
| "loss": 0.7202, | |
| "step": 190 | |
| }, | |
| { | |
| "epoch": 0.104, | |
| "grad_norm": 2.817176403291916, | |
| "learning_rate": 9.999575185316994e-06, | |
| "loss": 0.7117, | |
| "step": 195 | |
| }, | |
| { | |
| "epoch": 0.10666666666666667, | |
| "grad_norm": 2.693988660883595, | |
| "learning_rate": 9.99875159928796e-06, | |
| "loss": 0.7208, | |
| "step": 200 | |
| }, | |
| { | |
| "epoch": 0.10933333333333334, | |
| "grad_norm": 2.671108437058815, | |
| "learning_rate": 9.997494634115101e-06, | |
| "loss": 0.707, | |
| "step": 205 | |
| }, | |
| { | |
| "epoch": 0.112, | |
| "grad_norm": 2.6250940915355496, | |
| "learning_rate": 9.995804398774129e-06, | |
| "loss": 0.7264, | |
| "step": 210 | |
| }, | |
| { | |
| "epoch": 0.11466666666666667, | |
| "grad_norm": 2.6365544341595886, | |
| "learning_rate": 9.993681039804176e-06, | |
| "loss": 0.696, | |
| "step": 215 | |
| }, | |
| { | |
| "epoch": 0.11733333333333333, | |
| "grad_norm": 2.6303194348396106, | |
| "learning_rate": 9.991124741295106e-06, | |
| "loss": 0.7122, | |
| "step": 220 | |
| }, | |
| { | |
| "epoch": 0.12, | |
| "grad_norm": 2.7023906847526806, | |
| "learning_rate": 9.988135724871546e-06, | |
| "loss": 0.6871, | |
| "step": 225 | |
| }, | |
| { | |
| "epoch": 0.12266666666666666, | |
| "grad_norm": 2.7022937303583463, | |
| "learning_rate": 9.984714249673676e-06, | |
| "loss": 0.6907, | |
| "step": 230 | |
| }, | |
| { | |
| "epoch": 0.12533333333333332, | |
| "grad_norm": 2.629841762853114, | |
| "learning_rate": 9.980860612334753e-06, | |
| "loss": 0.6975, | |
| "step": 235 | |
| }, | |
| { | |
| "epoch": 0.128, | |
| "grad_norm": 2.5843314937091306, | |
| "learning_rate": 9.976575146955409e-06, | |
| "loss": 0.7059, | |
| "step": 240 | |
| }, | |
| { | |
| "epoch": 0.13066666666666665, | |
| "grad_norm": 2.523094070355681, | |
| "learning_rate": 9.971858225074672e-06, | |
| "loss": 0.6895, | |
| "step": 245 | |
| }, | |
| { | |
| "epoch": 0.13333333333333333, | |
| "grad_norm": 2.7177330866226383, | |
| "learning_rate": 9.966710255637764e-06, | |
| "loss": 0.702, | |
| "step": 250 | |
| }, | |
| { | |
| "epoch": 0.136, | |
| "grad_norm": 2.516290755235333, | |
| "learning_rate": 9.961131684960635e-06, | |
| "loss": 0.6982, | |
| "step": 255 | |
| }, | |
| { | |
| "epoch": 0.13866666666666666, | |
| "grad_norm": 2.8446232372390647, | |
| "learning_rate": 9.955122996691278e-06, | |
| "loss": 0.6798, | |
| "step": 260 | |
| }, | |
| { | |
| "epoch": 0.14133333333333334, | |
| "grad_norm": 2.626212677483728, | |
| "learning_rate": 9.9486847117678e-06, | |
| "loss": 0.6935, | |
| "step": 265 | |
| }, | |
| { | |
| "epoch": 0.144, | |
| "grad_norm": 2.763067123330303, | |
| "learning_rate": 9.941817388373248e-06, | |
| "loss": 0.7009, | |
| "step": 270 | |
| }, | |
| { | |
| "epoch": 0.14666666666666667, | |
| "grad_norm": 2.5655262662282157, | |
| "learning_rate": 9.934521621887223e-06, | |
| "loss": 0.6817, | |
| "step": 275 | |
| }, | |
| { | |
| "epoch": 0.14933333333333335, | |
| "grad_norm": 2.4975229165315147, | |
| "learning_rate": 9.926798044834261e-06, | |
| "loss": 0.6825, | |
| "step": 280 | |
| }, | |
| { | |
| "epoch": 0.152, | |
| "grad_norm": 2.6847632872735514, | |
| "learning_rate": 9.918647326828993e-06, | |
| "loss": 0.681, | |
| "step": 285 | |
| }, | |
| { | |
| "epoch": 0.15466666666666667, | |
| "grad_norm": 2.417810828579564, | |
| "learning_rate": 9.910070174518093e-06, | |
| "loss": 0.6746, | |
| "step": 290 | |
| }, | |
| { | |
| "epoch": 0.15733333333333333, | |
| "grad_norm": 2.4767731840763507, | |
| "learning_rate": 9.901067331519013e-06, | |
| "loss": 0.678, | |
| "step": 295 | |
| }, | |
| { | |
| "epoch": 0.16, | |
| "grad_norm": 2.6054805217793233, | |
| "learning_rate": 9.891639578355511e-06, | |
| "loss": 0.6529, | |
| "step": 300 | |
| }, | |
| { | |
| "epoch": 0.16266666666666665, | |
| "grad_norm": 2.707334331423786, | |
| "learning_rate": 9.881787732389987e-06, | |
| "loss": 0.6718, | |
| "step": 305 | |
| }, | |
| { | |
| "epoch": 0.16533333333333333, | |
| "grad_norm": 2.6117207367821274, | |
| "learning_rate": 9.871512647752612e-06, | |
| "loss": 0.6749, | |
| "step": 310 | |
| }, | |
| { | |
| "epoch": 0.168, | |
| "grad_norm": 2.430251704147062, | |
| "learning_rate": 9.860815215267288e-06, | |
| "loss": 0.6773, | |
| "step": 315 | |
| }, | |
| { | |
| "epoch": 0.17066666666666666, | |
| "grad_norm": 2.76556526718674, | |
| "learning_rate": 9.849696362374399e-06, | |
| "loss": 0.6693, | |
| "step": 320 | |
| }, | |
| { | |
| "epoch": 0.17333333333333334, | |
| "grad_norm": 2.5391725341374767, | |
| "learning_rate": 9.838157053050423e-06, | |
| "loss": 0.6592, | |
| "step": 325 | |
| }, | |
| { | |
| "epoch": 0.176, | |
| "grad_norm": 2.4816651120876396, | |
| "learning_rate": 9.826198287724346e-06, | |
| "loss": 0.6718, | |
| "step": 330 | |
| }, | |
| { | |
| "epoch": 0.17866666666666667, | |
| "grad_norm": 2.5133503893904185, | |
| "learning_rate": 9.813821103190932e-06, | |
| "loss": 0.6623, | |
| "step": 335 | |
| }, | |
| { | |
| "epoch": 0.18133333333333335, | |
| "grad_norm": 2.4585078206160604, | |
| "learning_rate": 9.801026572520832e-06, | |
| "loss": 0.6825, | |
| "step": 340 | |
| }, | |
| { | |
| "epoch": 0.184, | |
| "grad_norm": 2.44135362893466, | |
| "learning_rate": 9.787815804967554e-06, | |
| "loss": 0.6517, | |
| "step": 345 | |
| }, | |
| { | |
| "epoch": 0.18666666666666668, | |
| "grad_norm": 2.3767839952997107, | |
| "learning_rate": 9.77418994587129e-06, | |
| "loss": 0.6582, | |
| "step": 350 | |
| }, | |
| { | |
| "epoch": 0.18933333333333333, | |
| "grad_norm": 2.4655040877841308, | |
| "learning_rate": 9.760150176559627e-06, | |
| "loss": 0.6509, | |
| "step": 355 | |
| }, | |
| { | |
| "epoch": 0.192, | |
| "grad_norm": 2.780251609122818, | |
| "learning_rate": 9.74569771424512e-06, | |
| "loss": 0.6535, | |
| "step": 360 | |
| }, | |
| { | |
| "epoch": 0.19466666666666665, | |
| "grad_norm": 2.498699553653997, | |
| "learning_rate": 9.730833811919763e-06, | |
| "loss": 0.6505, | |
| "step": 365 | |
| }, | |
| { | |
| "epoch": 0.19733333333333333, | |
| "grad_norm": 2.3998732523645736, | |
| "learning_rate": 9.715559758246363e-06, | |
| "loss": 0.6631, | |
| "step": 370 | |
| }, | |
| { | |
| "epoch": 0.2, | |
| "grad_norm": 2.5218679460071716, | |
| "learning_rate": 9.699876877446815e-06, | |
| "loss": 0.6523, | |
| "step": 375 | |
| }, | |
| { | |
| "epoch": 0.20266666666666666, | |
| "grad_norm": 2.635244872767708, | |
| "learning_rate": 9.683786529187287e-06, | |
| "loss": 0.6551, | |
| "step": 380 | |
| }, | |
| { | |
| "epoch": 0.20533333333333334, | |
| "grad_norm": 2.664882032951259, | |
| "learning_rate": 9.667290108460354e-06, | |
| "loss": 0.6531, | |
| "step": 385 | |
| }, | |
| { | |
| "epoch": 0.208, | |
| "grad_norm": 2.3518910342704027, | |
| "learning_rate": 9.650389045464046e-06, | |
| "loss": 0.6396, | |
| "step": 390 | |
| }, | |
| { | |
| "epoch": 0.21066666666666667, | |
| "grad_norm": 2.6941793946267243, | |
| "learning_rate": 9.633084805477857e-06, | |
| "loss": 0.6534, | |
| "step": 395 | |
| }, | |
| { | |
| "epoch": 0.21333333333333335, | |
| "grad_norm": 2.521811386923356, | |
| "learning_rate": 9.615378888735706e-06, | |
| "loss": 0.6309, | |
| "step": 400 | |
| }, | |
| { | |
| "epoch": 0.216, | |
| "grad_norm": 2.430879665111966, | |
| "learning_rate": 9.597272830295877e-06, | |
| "loss": 0.6374, | |
| "step": 405 | |
| }, | |
| { | |
| "epoch": 0.21866666666666668, | |
| "grad_norm": 2.498543154152749, | |
| "learning_rate": 9.57876819990792e-06, | |
| "loss": 0.6302, | |
| "step": 410 | |
| }, | |
| { | |
| "epoch": 0.22133333333333333, | |
| "grad_norm": 2.4493746882244003, | |
| "learning_rate": 9.559866601876581e-06, | |
| "loss": 0.6278, | |
| "step": 415 | |
| }, | |
| { | |
| "epoch": 0.224, | |
| "grad_norm": 2.540704056617036, | |
| "learning_rate": 9.540569674922685e-06, | |
| "loss": 0.6304, | |
| "step": 420 | |
| }, | |
| { | |
| "epoch": 0.22666666666666666, | |
| "grad_norm": 2.594257220981031, | |
| "learning_rate": 9.520879092041085e-06, | |
| "loss": 0.6134, | |
| "step": 425 | |
| }, | |
| { | |
| "epoch": 0.22933333333333333, | |
| "grad_norm": 2.4349126403708854, | |
| "learning_rate": 9.500796560355603e-06, | |
| "loss": 0.6453, | |
| "step": 430 | |
| }, | |
| { | |
| "epoch": 0.232, | |
| "grad_norm": 2.4763514474446384, | |
| "learning_rate": 9.480323820971039e-06, | |
| "loss": 0.6274, | |
| "step": 435 | |
| }, | |
| { | |
| "epoch": 0.23466666666666666, | |
| "grad_norm": 2.391722975082234, | |
| "learning_rate": 9.459462648822209e-06, | |
| "loss": 0.6163, | |
| "step": 440 | |
| }, | |
| { | |
| "epoch": 0.23733333333333334, | |
| "grad_norm": 2.549508183751048, | |
| "learning_rate": 9.438214852520073e-06, | |
| "loss": 0.6372, | |
| "step": 445 | |
| }, | |
| { | |
| "epoch": 0.24, | |
| "grad_norm": 2.2898575910667094, | |
| "learning_rate": 9.416582274194929e-06, | |
| "loss": 0.6247, | |
| "step": 450 | |
| }, | |
| { | |
| "epoch": 0.24266666666666667, | |
| "grad_norm": 2.3108693457125247, | |
| "learning_rate": 9.394566789336707e-06, | |
| "loss": 0.6328, | |
| "step": 455 | |
| }, | |
| { | |
| "epoch": 0.24533333333333332, | |
| "grad_norm": 2.4504617363123566, | |
| "learning_rate": 9.37217030663236e-06, | |
| "loss": 0.6186, | |
| "step": 460 | |
| }, | |
| { | |
| "epoch": 0.248, | |
| "grad_norm": 2.6466525050643477, | |
| "learning_rate": 9.349394767800397e-06, | |
| "loss": 0.6116, | |
| "step": 465 | |
| }, | |
| { | |
| "epoch": 0.25066666666666665, | |
| "grad_norm": 2.5184351917861756, | |
| "learning_rate": 9.326242147422538e-06, | |
| "loss": 0.6283, | |
| "step": 470 | |
| }, | |
| { | |
| "epoch": 0.25333333333333335, | |
| "grad_norm": 2.732431403447119, | |
| "learning_rate": 9.302714452772515e-06, | |
| "loss": 0.6029, | |
| "step": 475 | |
| }, | |
| { | |
| "epoch": 0.256, | |
| "grad_norm": 2.4387291786488077, | |
| "learning_rate": 9.27881372364206e-06, | |
| "loss": 0.6179, | |
| "step": 480 | |
| }, | |
| { | |
| "epoch": 0.25866666666666666, | |
| "grad_norm": 2.5164823501867284, | |
| "learning_rate": 9.254542032164047e-06, | |
| "loss": 0.5973, | |
| "step": 485 | |
| }, | |
| { | |
| "epoch": 0.2613333333333333, | |
| "grad_norm": 2.4172448217430533, | |
| "learning_rate": 9.22990148263285e-06, | |
| "loss": 0.6158, | |
| "step": 490 | |
| }, | |
| { | |
| "epoch": 0.264, | |
| "grad_norm": 82.57786877934379, | |
| "learning_rate": 9.204894211321906e-06, | |
| "loss": 0.6252, | |
| "step": 495 | |
| }, | |
| { | |
| "epoch": 0.26666666666666666, | |
| "grad_norm": 2.4139978459008575, | |
| "learning_rate": 9.179522386298508e-06, | |
| "loss": 0.6239, | |
| "step": 500 | |
| }, | |
| { | |
| "epoch": 0.2693333333333333, | |
| "grad_norm": 2.585600509975947, | |
| "learning_rate": 9.153788207235827e-06, | |
| "loss": 0.6226, | |
| "step": 505 | |
| }, | |
| { | |
| "epoch": 0.272, | |
| "grad_norm": 2.430702131041585, | |
| "learning_rate": 9.127693905222223e-06, | |
| "loss": 0.6023, | |
| "step": 510 | |
| }, | |
| { | |
| "epoch": 0.27466666666666667, | |
| "grad_norm": 2.4662883439089853, | |
| "learning_rate": 9.101241742567802e-06, | |
| "loss": 0.5967, | |
| "step": 515 | |
| }, | |
| { | |
| "epoch": 0.2773333333333333, | |
| "grad_norm": 2.3882899307410317, | |
| "learning_rate": 9.074434012608282e-06, | |
| "loss": 0.6097, | |
| "step": 520 | |
| }, | |
| { | |
| "epoch": 0.28, | |
| "grad_norm": 2.569069862777697, | |
| "learning_rate": 9.047273039506174e-06, | |
| "loss": 0.6177, | |
| "step": 525 | |
| }, | |
| { | |
| "epoch": 0.2826666666666667, | |
| "grad_norm": 2.5689292387719993, | |
| "learning_rate": 9.01976117804928e-06, | |
| "loss": 0.5942, | |
| "step": 530 | |
| }, | |
| { | |
| "epoch": 0.2853333333333333, | |
| "grad_norm": 2.526926461740629, | |
| "learning_rate": 8.991900813446523e-06, | |
| "loss": 0.5991, | |
| "step": 535 | |
| }, | |
| { | |
| "epoch": 0.288, | |
| "grad_norm": 2.4619304461729126, | |
| "learning_rate": 8.963694361121186e-06, | |
| "loss": 0.5869, | |
| "step": 540 | |
| }, | |
| { | |
| "epoch": 0.2906666666666667, | |
| "grad_norm": 2.3850086002116373, | |
| "learning_rate": 8.93514426650147e-06, | |
| "loss": 0.6045, | |
| "step": 545 | |
| }, | |
| { | |
| "epoch": 0.29333333333333333, | |
| "grad_norm": 2.599454241236005, | |
| "learning_rate": 8.906253004808506e-06, | |
| "loss": 0.5847, | |
| "step": 550 | |
| }, | |
| { | |
| "epoch": 0.296, | |
| "grad_norm": 2.639558029233759, | |
| "learning_rate": 8.877023080841739e-06, | |
| "loss": 0.6057, | |
| "step": 555 | |
| }, | |
| { | |
| "epoch": 0.2986666666666667, | |
| "grad_norm": 2.4119040235550053, | |
| "learning_rate": 8.847457028761783e-06, | |
| "loss": 0.6046, | |
| "step": 560 | |
| }, | |
| { | |
| "epoch": 0.30133333333333334, | |
| "grad_norm": 2.3522500754485702, | |
| "learning_rate": 8.817557411870717e-06, | |
| "loss": 0.5939, | |
| "step": 565 | |
| }, | |
| { | |
| "epoch": 0.304, | |
| "grad_norm": 4.182494810051903, | |
| "learning_rate": 8.787326822389836e-06, | |
| "loss": 0.5842, | |
| "step": 570 | |
| }, | |
| { | |
| "epoch": 0.30666666666666664, | |
| "grad_norm": 2.5810961623251423, | |
| "learning_rate": 8.756767881234928e-06, | |
| "loss": 0.5845, | |
| "step": 575 | |
| }, | |
| { | |
| "epoch": 0.30933333333333335, | |
| "grad_norm": 2.5315710630696713, | |
| "learning_rate": 8.725883237789046e-06, | |
| "loss": 0.581, | |
| "step": 580 | |
| }, | |
| { | |
| "epoch": 0.312, | |
| "grad_norm": 2.4785609690389814, | |
| "learning_rate": 8.6946755696728e-06, | |
| "loss": 0.5798, | |
| "step": 585 | |
| }, | |
| { | |
| "epoch": 0.31466666666666665, | |
| "grad_norm": 2.394700625504838, | |
| "learning_rate": 8.663147582512232e-06, | |
| "loss": 0.5791, | |
| "step": 590 | |
| }, | |
| { | |
| "epoch": 0.31733333333333336, | |
| "grad_norm": 2.40855744842884, | |
| "learning_rate": 8.631302009704235e-06, | |
| "loss": 0.5708, | |
| "step": 595 | |
| }, | |
| { | |
| "epoch": 0.32, | |
| "grad_norm": 2.3576541504173534, | |
| "learning_rate": 8.599141612179572e-06, | |
| "loss": 0.5883, | |
| "step": 600 | |
| }, | |
| { | |
| "epoch": 0.32266666666666666, | |
| "grad_norm": 2.4314009638638585, | |
| "learning_rate": 8.566669178163513e-06, | |
| "loss": 0.5749, | |
| "step": 605 | |
| }, | |
| { | |
| "epoch": 0.3253333333333333, | |
| "grad_norm": 2.465655124142602, | |
| "learning_rate": 8.533887522934114e-06, | |
| "loss": 0.5854, | |
| "step": 610 | |
| }, | |
| { | |
| "epoch": 0.328, | |
| "grad_norm": 2.3673286328938232, | |
| "learning_rate": 8.50079948857812e-06, | |
| "loss": 0.5823, | |
| "step": 615 | |
| }, | |
| { | |
| "epoch": 0.33066666666666666, | |
| "grad_norm": 2.4151587438539015, | |
| "learning_rate": 8.467407943744574e-06, | |
| "loss": 0.5869, | |
| "step": 620 | |
| }, | |
| { | |
| "epoch": 0.3333333333333333, | |
| "grad_norm": 2.4130077664949607, | |
| "learning_rate": 8.433715783396115e-06, | |
| "loss": 0.585, | |
| "step": 625 | |
| }, | |
| { | |
| "epoch": 0.336, | |
| "grad_norm": 2.658944291412008, | |
| "learning_rate": 8.399725928557985e-06, | |
| "loss": 0.5701, | |
| "step": 630 | |
| }, | |
| { | |
| "epoch": 0.33866666666666667, | |
| "grad_norm": 2.388304086609134, | |
| "learning_rate": 8.36544132606479e-06, | |
| "loss": 0.5723, | |
| "step": 635 | |
| }, | |
| { | |
| "epoch": 0.3413333333333333, | |
| "grad_norm": 2.463778668942814, | |
| "learning_rate": 8.33086494830501e-06, | |
| "loss": 0.5622, | |
| "step": 640 | |
| }, | |
| { | |
| "epoch": 0.344, | |
| "grad_norm": 2.4831022488962367, | |
| "learning_rate": 8.295999792963301e-06, | |
| "loss": 0.577, | |
| "step": 645 | |
| }, | |
| { | |
| "epoch": 0.3466666666666667, | |
| "grad_norm": 2.7777118728288634, | |
| "learning_rate": 8.260848882760616e-06, | |
| "loss": 0.5768, | |
| "step": 650 | |
| }, | |
| { | |
| "epoch": 0.34933333333333333, | |
| "grad_norm": 2.383225841172316, | |
| "learning_rate": 8.225415265192126e-06, | |
| "loss": 0.5694, | |
| "step": 655 | |
| }, | |
| { | |
| "epoch": 0.352, | |
| "grad_norm": 2.607706676741877, | |
| "learning_rate": 8.18970201226302e-06, | |
| "loss": 0.5567, | |
| "step": 660 | |
| }, | |
| { | |
| "epoch": 0.3546666666666667, | |
| "grad_norm": 2.4807670186424224, | |
| "learning_rate": 8.153712220222163e-06, | |
| "loss": 0.5632, | |
| "step": 665 | |
| }, | |
| { | |
| "epoch": 0.35733333333333334, | |
| "grad_norm": 2.4009729551707313, | |
| "learning_rate": 8.117449009293668e-06, | |
| "loss": 0.561, | |
| "step": 670 | |
| }, | |
| { | |
| "epoch": 0.36, | |
| "grad_norm": 2.376334696649406, | |
| "learning_rate": 8.080915523406371e-06, | |
| "loss": 0.5466, | |
| "step": 675 | |
| }, | |
| { | |
| "epoch": 0.3626666666666667, | |
| "grad_norm": 2.4201724647962077, | |
| "learning_rate": 8.044114929921264e-06, | |
| "loss": 0.5558, | |
| "step": 680 | |
| }, | |
| { | |
| "epoch": 0.36533333333333334, | |
| "grad_norm": 2.370773289362348, | |
| "learning_rate": 8.007050419356898e-06, | |
| "loss": 0.5612, | |
| "step": 685 | |
| }, | |
| { | |
| "epoch": 0.368, | |
| "grad_norm": 2.395631750871668, | |
| "learning_rate": 7.969725205112766e-06, | |
| "loss": 0.5402, | |
| "step": 690 | |
| }, | |
| { | |
| "epoch": 0.37066666666666664, | |
| "grad_norm": 2.292309468906475, | |
| "learning_rate": 7.932142523190711e-06, | |
| "loss": 0.5561, | |
| "step": 695 | |
| }, | |
| { | |
| "epoch": 0.37333333333333335, | |
| "grad_norm": 2.5665880209582275, | |
| "learning_rate": 7.894305631914373e-06, | |
| "loss": 0.5478, | |
| "step": 700 | |
| }, | |
| { | |
| "epoch": 0.376, | |
| "grad_norm": 2.3417619877900515, | |
| "learning_rate": 7.856217811646707e-06, | |
| "loss": 0.5431, | |
| "step": 705 | |
| }, | |
| { | |
| "epoch": 0.37866666666666665, | |
| "grad_norm": 2.378185708635682, | |
| "learning_rate": 7.81788236450557e-06, | |
| "loss": 0.5377, | |
| "step": 710 | |
| }, | |
| { | |
| "epoch": 0.38133333333333336, | |
| "grad_norm": 2.35979261727569, | |
| "learning_rate": 7.779302614077449e-06, | |
| "loss": 0.5492, | |
| "step": 715 | |
| }, | |
| { | |
| "epoch": 0.384, | |
| "grad_norm": 2.3727409656294314, | |
| "learning_rate": 7.740481905129307e-06, | |
| "loss": 0.5474, | |
| "step": 720 | |
| }, | |
| { | |
| "epoch": 0.38666666666666666, | |
| "grad_norm": 2.492120490302813, | |
| "learning_rate": 7.701423603318605e-06, | |
| "loss": 0.5426, | |
| "step": 725 | |
| }, | |
| { | |
| "epoch": 0.3893333333333333, | |
| "grad_norm": 2.4218361381016904, | |
| "learning_rate": 7.662131094901499e-06, | |
| "loss": 0.5426, | |
| "step": 730 | |
| }, | |
| { | |
| "epoch": 0.392, | |
| "grad_norm": 2.480957117981857, | |
| "learning_rate": 7.622607786439279e-06, | |
| "loss": 0.5443, | |
| "step": 735 | |
| }, | |
| { | |
| "epoch": 0.39466666666666667, | |
| "grad_norm": 2.321912308945143, | |
| "learning_rate": 7.5828571045030005e-06, | |
| "loss": 0.5318, | |
| "step": 740 | |
| }, | |
| { | |
| "epoch": 0.3973333333333333, | |
| "grad_norm": 2.4686690084639715, | |
| "learning_rate": 7.542882495376437e-06, | |
| "loss": 0.5283, | |
| "step": 745 | |
| }, | |
| { | |
| "epoch": 0.4, | |
| "grad_norm": 2.3295822388886678, | |
| "learning_rate": 7.502687424757278e-06, | |
| "loss": 0.5383, | |
| "step": 750 | |
| }, | |
| { | |
| "epoch": 0.4026666666666667, | |
| "grad_norm": 2.314138015382556, | |
| "learning_rate": 7.462275377456671e-06, | |
| "loss": 0.549, | |
| "step": 755 | |
| }, | |
| { | |
| "epoch": 0.4053333333333333, | |
| "grad_norm": 2.3552445504517068, | |
| "learning_rate": 7.421649857097092e-06, | |
| "loss": 0.5217, | |
| "step": 760 | |
| }, | |
| { | |
| "epoch": 0.408, | |
| "grad_norm": 2.432966515457319, | |
| "learning_rate": 7.380814385808594e-06, | |
| "loss": 0.5244, | |
| "step": 765 | |
| }, | |
| { | |
| "epoch": 0.4106666666666667, | |
| "grad_norm": 2.334902556336071, | |
| "learning_rate": 7.339772503923445e-06, | |
| "loss": 0.5382, | |
| "step": 770 | |
| }, | |
| { | |
| "epoch": 0.41333333333333333, | |
| "grad_norm": 2.3374269855802314, | |
| "learning_rate": 7.298527769669188e-06, | |
| "loss": 0.5346, | |
| "step": 775 | |
| }, | |
| { | |
| "epoch": 0.416, | |
| "grad_norm": 2.2491104779234603, | |
| "learning_rate": 7.257083758860159e-06, | |
| "loss": 0.5233, | |
| "step": 780 | |
| }, | |
| { | |
| "epoch": 0.4186666666666667, | |
| "grad_norm": 2.539999745054639, | |
| "learning_rate": 7.215444064587462e-06, | |
| "loss": 0.5284, | |
| "step": 785 | |
| }, | |
| { | |
| "epoch": 0.42133333333333334, | |
| "grad_norm": 2.4102737542749137, | |
| "learning_rate": 7.173612296907473e-06, | |
| "loss": 0.5176, | |
| "step": 790 | |
| }, | |
| { | |
| "epoch": 0.424, | |
| "grad_norm": 2.5085261566085855, | |
| "learning_rate": 7.131592082528837e-06, | |
| "loss": 0.526, | |
| "step": 795 | |
| }, | |
| { | |
| "epoch": 0.4266666666666667, | |
| "grad_norm": 2.621235982292167, | |
| "learning_rate": 7.089387064498057e-06, | |
| "loss": 0.5324, | |
| "step": 800 | |
| }, | |
| { | |
| "epoch": 0.42933333333333334, | |
| "grad_norm": 2.3701750427890436, | |
| "learning_rate": 7.047000901883646e-06, | |
| "loss": 0.5095, | |
| "step": 805 | |
| }, | |
| { | |
| "epoch": 0.432, | |
| "grad_norm": 2.4339546224552793, | |
| "learning_rate": 7.004437269458894e-06, | |
| "loss": 0.523, | |
| "step": 810 | |
| }, | |
| { | |
| "epoch": 0.43466666666666665, | |
| "grad_norm": 2.2844223356070024, | |
| "learning_rate": 6.961699857383279e-06, | |
| "loss": 0.5113, | |
| "step": 815 | |
| }, | |
| { | |
| "epoch": 0.43733333333333335, | |
| "grad_norm": 2.43459596589023, | |
| "learning_rate": 6.91879237088253e-06, | |
| "loss": 0.5078, | |
| "step": 820 | |
| }, | |
| { | |
| "epoch": 0.44, | |
| "grad_norm": 2.496004091377107, | |
| "learning_rate": 6.875718529927404e-06, | |
| "loss": 0.5141, | |
| "step": 825 | |
| }, | |
| { | |
| "epoch": 0.44266666666666665, | |
| "grad_norm": 2.343473436764425, | |
| "learning_rate": 6.832482068911167e-06, | |
| "loss": 0.5083, | |
| "step": 830 | |
| }, | |
| { | |
| "epoch": 0.44533333333333336, | |
| "grad_norm": 2.4382038879450576, | |
| "learning_rate": 6.789086736325834e-06, | |
| "loss": 0.5014, | |
| "step": 835 | |
| }, | |
| { | |
| "epoch": 0.448, | |
| "grad_norm": 2.2773477539450577, | |
| "learning_rate": 6.745536294437187e-06, | |
| "loss": 0.5274, | |
| "step": 840 | |
| }, | |
| { | |
| "epoch": 0.45066666666666666, | |
| "grad_norm": 2.385145548385621, | |
| "learning_rate": 6.701834518958587e-06, | |
| "loss": 0.5026, | |
| "step": 845 | |
| }, | |
| { | |
| "epoch": 0.4533333333333333, | |
| "grad_norm": 2.3638082484944327, | |
| "learning_rate": 6.6579851987236435e-06, | |
| "loss": 0.4928, | |
| "step": 850 | |
| }, | |
| { | |
| "epoch": 0.456, | |
| "grad_norm": 2.3204273946740113, | |
| "learning_rate": 6.613992135357713e-06, | |
| "loss": 0.5151, | |
| "step": 855 | |
| }, | |
| { | |
| "epoch": 0.45866666666666667, | |
| "grad_norm": 2.2787898202355055, | |
| "learning_rate": 6.5698591429483286e-06, | |
| "loss": 0.5134, | |
| "step": 860 | |
| }, | |
| { | |
| "epoch": 0.4613333333333333, | |
| "grad_norm": 2.3118821713815545, | |
| "learning_rate": 6.52559004771451e-06, | |
| "loss": 0.4981, | |
| "step": 865 | |
| }, | |
| { | |
| "epoch": 0.464, | |
| "grad_norm": 2.229274536094739, | |
| "learning_rate": 6.481188687675057e-06, | |
| "loss": 0.4897, | |
| "step": 870 | |
| }, | |
| { | |
| "epoch": 0.4666666666666667, | |
| "grad_norm": 2.3823454052736777, | |
| "learning_rate": 6.436658912315789e-06, | |
| "loss": 0.5083, | |
| "step": 875 | |
| }, | |
| { | |
| "epoch": 0.4693333333333333, | |
| "grad_norm": 2.3242360940643256, | |
| "learning_rate": 6.392004582255807e-06, | |
| "loss": 0.5125, | |
| "step": 880 | |
| }, | |
| { | |
| "epoch": 0.472, | |
| "grad_norm": 2.533699241059259, | |
| "learning_rate": 6.3472295689127946e-06, | |
| "loss": 0.4925, | |
| "step": 885 | |
| }, | |
| { | |
| "epoch": 0.4746666666666667, | |
| "grad_norm": 2.4926524832053025, | |
| "learning_rate": 6.302337754167369e-06, | |
| "loss": 0.4922, | |
| "step": 890 | |
| }, | |
| { | |
| "epoch": 0.47733333333333333, | |
| "grad_norm": 2.4201540932837577, | |
| "learning_rate": 6.2573330300265375e-06, | |
| "loss": 0.4967, | |
| "step": 895 | |
| }, | |
| { | |
| "epoch": 0.48, | |
| "grad_norm": 2.5434442292717923, | |
| "learning_rate": 6.2122192982862615e-06, | |
| "loss": 0.4876, | |
| "step": 900 | |
| }, | |
| { | |
| "epoch": 0.4826666666666667, | |
| "grad_norm": 2.2407211839622323, | |
| "learning_rate": 6.167000470193189e-06, | |
| "loss": 0.4942, | |
| "step": 905 | |
| }, | |
| { | |
| "epoch": 0.48533333333333334, | |
| "grad_norm": 2.2612486277091475, | |
| "learning_rate": 6.121680466105559e-06, | |
| "loss": 0.5008, | |
| "step": 910 | |
| }, | |
| { | |
| "epoch": 0.488, | |
| "grad_norm": 2.4472015645614325, | |
| "learning_rate": 6.076263215153308e-06, | |
| "loss": 0.4951, | |
| "step": 915 | |
| }, | |
| { | |
| "epoch": 0.49066666666666664, | |
| "grad_norm": 2.2657276706101523, | |
| "learning_rate": 6.030752654897435e-06, | |
| "loss": 0.491, | |
| "step": 920 | |
| }, | |
| { | |
| "epoch": 0.49333333333333335, | |
| "grad_norm": 2.328807032585629, | |
| "learning_rate": 5.985152730988617e-06, | |
| "loss": 0.4849, | |
| "step": 925 | |
| }, | |
| { | |
| "epoch": 0.496, | |
| "grad_norm": 2.456327229558458, | |
| "learning_rate": 5.939467396825137e-06, | |
| "loss": 0.4648, | |
| "step": 930 | |
| }, | |
| { | |
| "epoch": 0.49866666666666665, | |
| "grad_norm": 2.42361284710613, | |
| "learning_rate": 5.893700613210128e-06, | |
| "loss": 0.4777, | |
| "step": 935 | |
| }, | |
| { | |
| "epoch": 0.5013333333333333, | |
| "grad_norm": 2.3422219547032395, | |
| "learning_rate": 5.847856348008188e-06, | |
| "loss": 0.4794, | |
| "step": 940 | |
| }, | |
| { | |
| "epoch": 0.504, | |
| "grad_norm": 2.2466933433639054, | |
| "learning_rate": 5.801938575801372e-06, | |
| "loss": 0.4933, | |
| "step": 945 | |
| }, | |
| { | |
| "epoch": 0.5066666666666667, | |
| "grad_norm": 2.3674483779471003, | |
| "learning_rate": 5.755951277544607e-06, | |
| "loss": 0.4731, | |
| "step": 950 | |
| }, | |
| { | |
| "epoch": 0.5093333333333333, | |
| "grad_norm": 2.47202751893508, | |
| "learning_rate": 5.709898440220552e-06, | |
| "loss": 0.4786, | |
| "step": 955 | |
| }, | |
| { | |
| "epoch": 0.512, | |
| "grad_norm": 2.3235134598998264, | |
| "learning_rate": 5.663784056493936e-06, | |
| "loss": 0.4739, | |
| "step": 960 | |
| }, | |
| { | |
| "epoch": 0.5146666666666667, | |
| "grad_norm": 2.3932370273048242, | |
| "learning_rate": 5.617612124365411e-06, | |
| "loss": 0.4692, | |
| "step": 965 | |
| }, | |
| { | |
| "epoch": 0.5173333333333333, | |
| "grad_norm": 2.411173794723751, | |
| "learning_rate": 5.5713866468249235e-06, | |
| "loss": 0.4792, | |
| "step": 970 | |
| }, | |
| { | |
| "epoch": 0.52, | |
| "grad_norm": 2.363842246832309, | |
| "learning_rate": 5.5251116315046785e-06, | |
| "loss": 0.4739, | |
| "step": 975 | |
| }, | |
| { | |
| "epoch": 0.5226666666666666, | |
| "grad_norm": 2.293474399540879, | |
| "learning_rate": 5.478791090331677e-06, | |
| "loss": 0.4624, | |
| "step": 980 | |
| }, | |
| { | |
| "epoch": 0.5253333333333333, | |
| "grad_norm": 2.467561141003447, | |
| "learning_rate": 5.4324290391798995e-06, | |
| "loss": 0.4584, | |
| "step": 985 | |
| }, | |
| { | |
| "epoch": 0.528, | |
| "grad_norm": 2.31593377549714, | |
| "learning_rate": 5.3860294975221335e-06, | |
| "loss": 0.4558, | |
| "step": 990 | |
| }, | |
| { | |
| "epoch": 0.5306666666666666, | |
| "grad_norm": 2.353152757807195, | |
| "learning_rate": 5.339596488081501e-06, | |
| "loss": 0.4536, | |
| "step": 995 | |
| }, | |
| { | |
| "epoch": 0.5333333333333333, | |
| "grad_norm": 2.3303429499721293, | |
| "learning_rate": 5.293134036482697e-06, | |
| "loss": 0.4652, | |
| "step": 1000 | |
| }, | |
| { | |
| "epoch": 0.536, | |
| "grad_norm": 2.2719972695394404, | |
| "learning_rate": 5.2466461709029755e-06, | |
| "loss": 0.4631, | |
| "step": 1005 | |
| }, | |
| { | |
| "epoch": 0.5386666666666666, | |
| "grad_norm": 2.2167047812420546, | |
| "learning_rate": 5.200136921722919e-06, | |
| "loss": 0.4726, | |
| "step": 1010 | |
| }, | |
| { | |
| "epoch": 0.5413333333333333, | |
| "grad_norm": 2.3807281463839773, | |
| "learning_rate": 5.1536103211770135e-06, | |
| "loss": 0.4531, | |
| "step": 1015 | |
| }, | |
| { | |
| "epoch": 0.544, | |
| "grad_norm": 2.379987327206516, | |
| "learning_rate": 5.1070704030040675e-06, | |
| "loss": 0.4465, | |
| "step": 1020 | |
| }, | |
| { | |
| "epoch": 0.5466666666666666, | |
| "grad_norm": 2.4197096394091098, | |
| "learning_rate": 5.060521202097491e-06, | |
| "loss": 0.4552, | |
| "step": 1025 | |
| }, | |
| { | |
| "epoch": 0.5493333333333333, | |
| "grad_norm": 2.1982207369310003, | |
| "learning_rate": 5.013966754155482e-06, | |
| "loss": 0.4486, | |
| "step": 1030 | |
| }, | |
| { | |
| "epoch": 0.552, | |
| "grad_norm": 2.4044765609146745, | |
| "learning_rate": 4.967411095331149e-06, | |
| "loss": 0.4595, | |
| "step": 1035 | |
| }, | |
| { | |
| "epoch": 0.5546666666666666, | |
| "grad_norm": 2.3899877392440065, | |
| "learning_rate": 4.920858261882578e-06, | |
| "loss": 0.4571, | |
| "step": 1040 | |
| }, | |
| { | |
| "epoch": 0.5573333333333333, | |
| "grad_norm": 2.344582692609488, | |
| "learning_rate": 4.8743122898229e-06, | |
| "loss": 0.4563, | |
| "step": 1045 | |
| }, | |
| { | |
| "epoch": 0.56, | |
| "grad_norm": 2.223119161940745, | |
| "learning_rate": 4.827777214570384e-06, | |
| "loss": 0.4411, | |
| "step": 1050 | |
| }, | |
| { | |
| "epoch": 0.5626666666666666, | |
| "grad_norm": 2.251616741269647, | |
| "learning_rate": 4.781257070598571e-06, | |
| "loss": 0.4509, | |
| "step": 1055 | |
| }, | |
| { | |
| "epoch": 0.5653333333333334, | |
| "grad_norm": 2.2986555390100376, | |
| "learning_rate": 4.734755891086498e-06, | |
| "loss": 0.4582, | |
| "step": 1060 | |
| }, | |
| { | |
| "epoch": 0.568, | |
| "grad_norm": 2.5144294788276933, | |
| "learning_rate": 4.688277707569035e-06, | |
| "loss": 0.455, | |
| "step": 1065 | |
| }, | |
| { | |
| "epoch": 0.5706666666666667, | |
| "grad_norm": 2.3963875789239455, | |
| "learning_rate": 4.641826549587352e-06, | |
| "loss": 0.4385, | |
| "step": 1070 | |
| }, | |
| { | |
| "epoch": 0.5733333333333334, | |
| "grad_norm": 2.3274752970320387, | |
| "learning_rate": 4.5954064443395765e-06, | |
| "loss": 0.4648, | |
| "step": 1075 | |
| }, | |
| { | |
| "epoch": 0.576, | |
| "grad_norm": 2.2397050183240705, | |
| "learning_rate": 4.54902141633164e-06, | |
| "loss": 0.4374, | |
| "step": 1080 | |
| }, | |
| { | |
| "epoch": 0.5786666666666667, | |
| "grad_norm": 2.438396253637709, | |
| "learning_rate": 4.5026754870283695e-06, | |
| "loss": 0.446, | |
| "step": 1085 | |
| }, | |
| { | |
| "epoch": 0.5813333333333334, | |
| "grad_norm": 2.4501156229942067, | |
| "learning_rate": 4.456372674504828e-06, | |
| "loss": 0.4339, | |
| "step": 1090 | |
| }, | |
| { | |
| "epoch": 0.584, | |
| "grad_norm": 2.403382192080749, | |
| "learning_rate": 4.410116993097968e-06, | |
| "loss": 0.4424, | |
| "step": 1095 | |
| }, | |
| { | |
| "epoch": 0.5866666666666667, | |
| "grad_norm": 2.3348675028495776, | |
| "learning_rate": 4.363912453058589e-06, | |
| "loss": 0.4419, | |
| "step": 1100 | |
| }, | |
| { | |
| "epoch": 0.5893333333333334, | |
| "grad_norm": 2.435901554416754, | |
| "learning_rate": 4.317763060203665e-06, | |
| "loss": 0.4281, | |
| "step": 1105 | |
| }, | |
| { | |
| "epoch": 0.592, | |
| "grad_norm": 2.198047824691438, | |
| "learning_rate": 4.271672815569047e-06, | |
| "loss": 0.4382, | |
| "step": 1110 | |
| }, | |
| { | |
| "epoch": 0.5946666666666667, | |
| "grad_norm": 2.3718561541948695, | |
| "learning_rate": 4.225645715062585e-06, | |
| "loss": 0.4257, | |
| "step": 1115 | |
| }, | |
| { | |
| "epoch": 0.5973333333333334, | |
| "grad_norm": 2.4735170806958404, | |
| "learning_rate": 4.179685749117698e-06, | |
| "loss": 0.438, | |
| "step": 1120 | |
| }, | |
| { | |
| "epoch": 0.6, | |
| "grad_norm": 2.241312173206067, | |
| "learning_rate": 4.133796902347397e-06, | |
| "loss": 0.4383, | |
| "step": 1125 | |
| }, | |
| { | |
| "epoch": 0.6026666666666667, | |
| "grad_norm": 2.3963568649179683, | |
| "learning_rate": 4.0879831531988485e-06, | |
| "loss": 0.4449, | |
| "step": 1130 | |
| }, | |
| { | |
| "epoch": 0.6053333333333333, | |
| "grad_norm": 2.302053617319228, | |
| "learning_rate": 4.042248473608442e-06, | |
| "loss": 0.4301, | |
| "step": 1135 | |
| }, | |
| { | |
| "epoch": 0.608, | |
| "grad_norm": 2.515957955929794, | |
| "learning_rate": 3.996596828657437e-06, | |
| "loss": 0.4236, | |
| "step": 1140 | |
| }, | |
| { | |
| "epoch": 0.6106666666666667, | |
| "grad_norm": 2.2444504735133797, | |
| "learning_rate": 3.9510321762282e-06, | |
| "loss": 0.4327, | |
| "step": 1145 | |
| }, | |
| { | |
| "epoch": 0.6133333333333333, | |
| "grad_norm": 2.3014649015732465, | |
| "learning_rate": 3.90555846666106e-06, | |
| "loss": 0.418, | |
| "step": 1150 | |
| }, | |
| { | |
| "epoch": 0.616, | |
| "grad_norm": 2.196538583965881, | |
| "learning_rate": 3.860179642411838e-06, | |
| "loss": 0.4168, | |
| "step": 1155 | |
| }, | |
| { | |
| "epoch": 0.6186666666666667, | |
| "grad_norm": 2.2979453548211928, | |
| "learning_rate": 3.814899637710031e-06, | |
| "loss": 0.4236, | |
| "step": 1160 | |
| }, | |
| { | |
| "epoch": 0.6213333333333333, | |
| "grad_norm": 2.2535682462518145, | |
| "learning_rate": 3.7697223782177304e-06, | |
| "loss": 0.4193, | |
| "step": 1165 | |
| }, | |
| { | |
| "epoch": 0.624, | |
| "grad_norm": 2.2737064515227225, | |
| "learning_rate": 3.724651780689286e-06, | |
| "loss": 0.4369, | |
| "step": 1170 | |
| }, | |
| { | |
| "epoch": 0.6266666666666667, | |
| "grad_norm": 2.2395682664762666, | |
| "learning_rate": 3.6796917526317153e-06, | |
| "loss": 0.421, | |
| "step": 1175 | |
| }, | |
| { | |
| "epoch": 0.6293333333333333, | |
| "grad_norm": 2.1759850491426236, | |
| "learning_rate": 3.634846191965944e-06, | |
| "loss": 0.4246, | |
| "step": 1180 | |
| }, | |
| { | |
| "epoch": 0.632, | |
| "grad_norm": 2.2657883200543285, | |
| "learning_rate": 3.5901189866888654e-06, | |
| "loss": 0.4166, | |
| "step": 1185 | |
| }, | |
| { | |
| "epoch": 0.6346666666666667, | |
| "grad_norm": 2.384560710009172, | |
| "learning_rate": 3.5455140145362587e-06, | |
| "loss": 0.4195, | |
| "step": 1190 | |
| }, | |
| { | |
| "epoch": 0.6373333333333333, | |
| "grad_norm": 2.1592208510365882, | |
| "learning_rate": 3.5010351426466006e-06, | |
| "loss": 0.4372, | |
| "step": 1195 | |
| }, | |
| { | |
| "epoch": 0.64, | |
| "grad_norm": 2.3040094094986836, | |
| "learning_rate": 3.4566862272257923e-06, | |
| "loss": 0.429, | |
| "step": 1200 | |
| }, | |
| { | |
| "epoch": 0.6426666666666667, | |
| "grad_norm": 2.3453924094835226, | |
| "learning_rate": 3.4124711132128374e-06, | |
| "loss": 0.4318, | |
| "step": 1205 | |
| }, | |
| { | |
| "epoch": 0.6453333333333333, | |
| "grad_norm": 2.1594771455246287, | |
| "learning_rate": 3.3683936339464957e-06, | |
| "loss": 0.4099, | |
| "step": 1210 | |
| }, | |
| { | |
| "epoch": 0.648, | |
| "grad_norm": 2.396075831858853, | |
| "learning_rate": 3.324457610832942e-06, | |
| "loss": 0.4167, | |
| "step": 1215 | |
| }, | |
| { | |
| "epoch": 0.6506666666666666, | |
| "grad_norm": 2.228648271442044, | |
| "learning_rate": 3.280666853014457e-06, | |
| "loss": 0.4191, | |
| "step": 1220 | |
| }, | |
| { | |
| "epoch": 0.6533333333333333, | |
| "grad_norm": 2.345320038403452, | |
| "learning_rate": 3.2370251570391933e-06, | |
| "loss": 0.437, | |
| "step": 1225 | |
| }, | |
| { | |
| "epoch": 0.656, | |
| "grad_norm": 2.3376860877677066, | |
| "learning_rate": 3.193536306532013e-06, | |
| "loss": 0.4028, | |
| "step": 1230 | |
| }, | |
| { | |
| "epoch": 0.6586666666666666, | |
| "grad_norm": 2.2160626794019005, | |
| "learning_rate": 3.150204071866464e-06, | |
| "loss": 0.4187, | |
| "step": 1235 | |
| }, | |
| { | |
| "epoch": 0.6613333333333333, | |
| "grad_norm": 2.5088924452106562, | |
| "learning_rate": 3.1070322098378925e-06, | |
| "loss": 0.4089, | |
| "step": 1240 | |
| }, | |
| { | |
| "epoch": 0.664, | |
| "grad_norm": 2.1403443829320388, | |
| "learning_rate": 3.064024463337747e-06, | |
| "loss": 0.3946, | |
| "step": 1245 | |
| }, | |
| { | |
| "epoch": 0.6666666666666666, | |
| "grad_norm": 2.255928735707292, | |
| "learning_rate": 3.021184561029071e-06, | |
| "loss": 0.4166, | |
| "step": 1250 | |
| }, | |
| { | |
| "epoch": 0.6693333333333333, | |
| "grad_norm": 2.1871176127975214, | |
| "learning_rate": 2.978516217023243e-06, | |
| "loss": 0.3997, | |
| "step": 1255 | |
| }, | |
| { | |
| "epoch": 0.672, | |
| "grad_norm": 2.2985173769332667, | |
| "learning_rate": 2.9360231305579645e-06, | |
| "loss": 0.4024, | |
| "step": 1260 | |
| }, | |
| { | |
| "epoch": 0.6746666666666666, | |
| "grad_norm": 2.299082386261716, | |
| "learning_rate": 2.8937089856765564e-06, | |
| "loss": 0.4001, | |
| "step": 1265 | |
| }, | |
| { | |
| "epoch": 0.6773333333333333, | |
| "grad_norm": 2.3812099073276953, | |
| "learning_rate": 2.8515774509085535e-06, | |
| "loss": 0.3998, | |
| "step": 1270 | |
| }, | |
| { | |
| "epoch": 0.68, | |
| "grad_norm": 2.342109571987212, | |
| "learning_rate": 2.8096321789516557e-06, | |
| "loss": 0.3997, | |
| "step": 1275 | |
| }, | |
| { | |
| "epoch": 0.6826666666666666, | |
| "grad_norm": 2.248404704987879, | |
| "learning_rate": 2.7678768063550454e-06, | |
| "loss": 0.3908, | |
| "step": 1280 | |
| }, | |
| { | |
| "epoch": 0.6853333333333333, | |
| "grad_norm": 2.216159042326995, | |
| "learning_rate": 2.726314953204111e-06, | |
| "loss": 0.396, | |
| "step": 1285 | |
| }, | |
| { | |
| "epoch": 0.688, | |
| "grad_norm": 2.083797566823459, | |
| "learning_rate": 2.684950222806596e-06, | |
| "loss": 0.4059, | |
| "step": 1290 | |
| }, | |
| { | |
| "epoch": 0.6906666666666667, | |
| "grad_norm": 2.150117249837093, | |
| "learning_rate": 2.643786201380194e-06, | |
| "loss": 0.3963, | |
| "step": 1295 | |
| }, | |
| { | |
| "epoch": 0.6933333333333334, | |
| "grad_norm": 2.2310070813454086, | |
| "learning_rate": 2.6028264577416418e-06, | |
| "loss": 0.3906, | |
| "step": 1300 | |
| }, | |
| { | |
| "epoch": 0.696, | |
| "grad_norm": 2.316284688452512, | |
| "learning_rate": 2.562074542997305e-06, | |
| "loss": 0.4078, | |
| "step": 1305 | |
| }, | |
| { | |
| "epoch": 0.6986666666666667, | |
| "grad_norm": 2.1916571080273424, | |
| "learning_rate": 2.5215339902353097e-06, | |
| "loss": 0.4041, | |
| "step": 1310 | |
| }, | |
| { | |
| "epoch": 0.7013333333333334, | |
| "grad_norm": 2.1986492574686816, | |
| "learning_rate": 2.481208314219233e-06, | |
| "loss": 0.395, | |
| "step": 1315 | |
| }, | |
| { | |
| "epoch": 0.704, | |
| "grad_norm": 2.287704012478369, | |
| "learning_rate": 2.4411010110833783e-06, | |
| "loss": 0.3997, | |
| "step": 1320 | |
| }, | |
| { | |
| "epoch": 0.7066666666666667, | |
| "grad_norm": 2.0681287696197392, | |
| "learning_rate": 2.401215558029671e-06, | |
| "loss": 0.381, | |
| "step": 1325 | |
| }, | |
| { | |
| "epoch": 0.7093333333333334, | |
| "grad_norm": 2.2910006228817728, | |
| "learning_rate": 2.3615554130262003e-06, | |
| "loss": 0.3953, | |
| "step": 1330 | |
| }, | |
| { | |
| "epoch": 0.712, | |
| "grad_norm": 2.253161052626821, | |
| "learning_rate": 2.32212401450741e-06, | |
| "loss": 0.3857, | |
| "step": 1335 | |
| }, | |
| { | |
| "epoch": 0.7146666666666667, | |
| "grad_norm": 2.215426156326273, | |
| "learning_rate": 2.2829247810760023e-06, | |
| "loss": 0.3936, | |
| "step": 1340 | |
| }, | |
| { | |
| "epoch": 0.7173333333333334, | |
| "grad_norm": 2.2295419611838705, | |
| "learning_rate": 2.243961111206555e-06, | |
| "loss": 0.4014, | |
| "step": 1345 | |
| }, | |
| { | |
| "epoch": 0.72, | |
| "grad_norm": 2.0834459238832532, | |
| "learning_rate": 2.2052363829508776e-06, | |
| "loss": 0.3905, | |
| "step": 1350 | |
| }, | |
| { | |
| "epoch": 0.7226666666666667, | |
| "grad_norm": 2.1932109652985936, | |
| "learning_rate": 2.1667539536451455e-06, | |
| "loss": 0.3955, | |
| "step": 1355 | |
| }, | |
| { | |
| "epoch": 0.7253333333333334, | |
| "grad_norm": 2.096926693517729, | |
| "learning_rate": 2.128517159618827e-06, | |
| "loss": 0.3784, | |
| "step": 1360 | |
| }, | |
| { | |
| "epoch": 0.728, | |
| "grad_norm": 2.165831352374955, | |
| "learning_rate": 2.0905293159054315e-06, | |
| "loss": 0.385, | |
| "step": 1365 | |
| }, | |
| { | |
| "epoch": 0.7306666666666667, | |
| "grad_norm": 2.1281870984211775, | |
| "learning_rate": 2.0527937159551044e-06, | |
| "loss": 0.3914, | |
| "step": 1370 | |
| }, | |
| { | |
| "epoch": 0.7333333333333333, | |
| "grad_norm": 2.2403557061647335, | |
| "learning_rate": 2.0153136313490945e-06, | |
| "loss": 0.3779, | |
| "step": 1375 | |
| }, | |
| { | |
| "epoch": 0.736, | |
| "grad_norm": 2.1781782630038564, | |
| "learning_rate": 1.978092311516116e-06, | |
| "loss": 0.385, | |
| "step": 1380 | |
| }, | |
| { | |
| "epoch": 0.7386666666666667, | |
| "grad_norm": 2.102977684273184, | |
| "learning_rate": 1.9411329834506286e-06, | |
| "loss": 0.3836, | |
| "step": 1385 | |
| }, | |
| { | |
| "epoch": 0.7413333333333333, | |
| "grad_norm": 2.131022210441682, | |
| "learning_rate": 1.904438851433068e-06, | |
| "loss": 0.3858, | |
| "step": 1390 | |
| }, | |
| { | |
| "epoch": 0.744, | |
| "grad_norm": 2.016362474516166, | |
| "learning_rate": 1.8680130967520433e-06, | |
| "loss": 0.382, | |
| "step": 1395 | |
| }, | |
| { | |
| "epoch": 0.7466666666666667, | |
| "grad_norm": 2.1325860734400743, | |
| "learning_rate": 1.831858877428524e-06, | |
| "loss": 0.3819, | |
| "step": 1400 | |
| }, | |
| { | |
| "epoch": 0.7493333333333333, | |
| "grad_norm": 2.3021378186160373, | |
| "learning_rate": 1.7959793279420507e-06, | |
| "loss": 0.3784, | |
| "step": 1405 | |
| }, | |
| { | |
| "epoch": 0.752, | |
| "grad_norm": 2.1082106316292215, | |
| "learning_rate": 1.7603775589589821e-06, | |
| "loss": 0.3743, | |
| "step": 1410 | |
| }, | |
| { | |
| "epoch": 0.7546666666666667, | |
| "grad_norm": 2.218446264477523, | |
| "learning_rate": 1.7250566570628103e-06, | |
| "loss": 0.3889, | |
| "step": 1415 | |
| }, | |
| { | |
| "epoch": 0.7573333333333333, | |
| "grad_norm": 2.2215360503848833, | |
| "learning_rate": 1.6900196844865575e-06, | |
| "loss": 0.3841, | |
| "step": 1420 | |
| }, | |
| { | |
| "epoch": 0.76, | |
| "grad_norm": 2.1922417264922283, | |
| "learning_rate": 1.6552696788472921e-06, | |
| "loss": 0.384, | |
| "step": 1425 | |
| }, | |
| { | |
| "epoch": 0.7626666666666667, | |
| "grad_norm": 2.034266140435063, | |
| "learning_rate": 1.6208096528827717e-06, | |
| "loss": 0.3752, | |
| "step": 1430 | |
| }, | |
| { | |
| "epoch": 0.7653333333333333, | |
| "grad_norm": 1.9703743985392084, | |
| "learning_rate": 1.5866425941902524e-06, | |
| "loss": 0.3729, | |
| "step": 1435 | |
| }, | |
| { | |
| "epoch": 0.768, | |
| "grad_norm": 2.1608934417539363, | |
| "learning_rate": 1.5527714649674641e-06, | |
| "loss": 0.361, | |
| "step": 1440 | |
| }, | |
| { | |
| "epoch": 0.7706666666666667, | |
| "grad_norm": 2.161894643733255, | |
| "learning_rate": 1.5191992017557994e-06, | |
| "loss": 0.3694, | |
| "step": 1445 | |
| }, | |
| { | |
| "epoch": 0.7733333333333333, | |
| "grad_norm": 2.1502053120288767, | |
| "learning_rate": 1.485928715185721e-06, | |
| "loss": 0.3631, | |
| "step": 1450 | |
| }, | |
| { | |
| "epoch": 0.776, | |
| "grad_norm": 2.0713427590662765, | |
| "learning_rate": 1.4529628897244214e-06, | |
| "loss": 0.3668, | |
| "step": 1455 | |
| }, | |
| { | |
| "epoch": 0.7786666666666666, | |
| "grad_norm": 2.2472960326001417, | |
| "learning_rate": 1.4203045834257418e-06, | |
| "loss": 0.3793, | |
| "step": 1460 | |
| }, | |
| { | |
| "epoch": 0.7813333333333333, | |
| "grad_norm": 2.2687786095073017, | |
| "learning_rate": 1.3879566276823896e-06, | |
| "loss": 0.3768, | |
| "step": 1465 | |
| }, | |
| { | |
| "epoch": 0.784, | |
| "grad_norm": 2.291909527620323, | |
| "learning_rate": 1.3559218269804624e-06, | |
| "loss": 0.3799, | |
| "step": 1470 | |
| }, | |
| { | |
| "epoch": 0.7866666666666666, | |
| "grad_norm": 2.066684696405708, | |
| "learning_rate": 1.3242029586563054e-06, | |
| "loss": 0.3728, | |
| "step": 1475 | |
| }, | |
| { | |
| "epoch": 0.7893333333333333, | |
| "grad_norm": 2.1707276557628536, | |
| "learning_rate": 1.2928027726557257e-06, | |
| "loss": 0.3709, | |
| "step": 1480 | |
| }, | |
| { | |
| "epoch": 0.792, | |
| "grad_norm": 2.189981318650527, | |
| "learning_rate": 1.261723991295576e-06, | |
| "loss": 0.3567, | |
| "step": 1485 | |
| }, | |
| { | |
| "epoch": 0.7946666666666666, | |
| "grad_norm": 1.9608276121810344, | |
| "learning_rate": 1.2309693090277392e-06, | |
| "loss": 0.3716, | |
| "step": 1490 | |
| }, | |
| { | |
| "epoch": 0.7973333333333333, | |
| "grad_norm": 2.022668679626713, | |
| "learning_rate": 1.2005413922055247e-06, | |
| "loss": 0.3526, | |
| "step": 1495 | |
| }, | |
| { | |
| "epoch": 0.8, | |
| "grad_norm": 2.252268848275413, | |
| "learning_rate": 1.170442878852503e-06, | |
| "loss": 0.38, | |
| "step": 1500 | |
| }, | |
| { | |
| "epoch": 0.8026666666666666, | |
| "grad_norm": 1.913776315404001, | |
| "learning_rate": 1.1406763784337948e-06, | |
| "loss": 0.3682, | |
| "step": 1505 | |
| }, | |
| { | |
| "epoch": 0.8053333333333333, | |
| "grad_norm": 2.0051121046884433, | |
| "learning_rate": 1.1112444716298381e-06, | |
| "loss": 0.3628, | |
| "step": 1510 | |
| }, | |
| { | |
| "epoch": 0.808, | |
| "grad_norm": 2.2259191211561826, | |
| "learning_rate": 1.0821497101126487e-06, | |
| "loss": 0.3583, | |
| "step": 1515 | |
| }, | |
| { | |
| "epoch": 0.8106666666666666, | |
| "grad_norm": 2.0573174194279975, | |
| "learning_rate": 1.0533946163245984e-06, | |
| "loss": 0.3754, | |
| "step": 1520 | |
| }, | |
| { | |
| "epoch": 0.8133333333333334, | |
| "grad_norm": 2.2071014638730455, | |
| "learning_rate": 1.024981683259723e-06, | |
| "loss": 0.3718, | |
| "step": 1525 | |
| }, | |
| { | |
| "epoch": 0.816, | |
| "grad_norm": 2.1383981658733613, | |
| "learning_rate": 9.969133742475883e-07, | |
| "loss": 0.3625, | |
| "step": 1530 | |
| }, | |
| { | |
| "epoch": 0.8186666666666667, | |
| "grad_norm": 2.015738402344878, | |
| "learning_rate": 9.691921227397227e-07, | |
| "loss": 0.3526, | |
| "step": 1535 | |
| }, | |
| { | |
| "epoch": 0.8213333333333334, | |
| "grad_norm": 2.04773210760189, | |
| "learning_rate": 9.418203320986502e-07, | |
| "loss": 0.3768, | |
| "step": 1540 | |
| }, | |
| { | |
| "epoch": 0.824, | |
| "grad_norm": 2.2067406421420115, | |
| "learning_rate": 9.148003753895146e-07, | |
| "loss": 0.3655, | |
| "step": 1545 | |
| }, | |
| { | |
| "epoch": 0.8266666666666667, | |
| "grad_norm": 2.0150620424404235, | |
| "learning_rate": 8.881345951743486e-07, | |
| "loss": 0.3613, | |
| "step": 1550 | |
| }, | |
| { | |
| "epoch": 0.8293333333333334, | |
| "grad_norm": 1.997218423268215, | |
| "learning_rate": 8.618253033089768e-07, | |
| "loss": 0.3674, | |
| "step": 1555 | |
| }, | |
| { | |
| "epoch": 0.832, | |
| "grad_norm": 2.3085595336394085, | |
| "learning_rate": 8.358747807425827e-07, | |
| "loss": 0.3604, | |
| "step": 1560 | |
| }, | |
| { | |
| "epoch": 0.8346666666666667, | |
| "grad_norm": 1.997521512304418, | |
| "learning_rate": 8.102852773199588e-07, | |
| "loss": 0.3714, | |
| "step": 1565 | |
| }, | |
| { | |
| "epoch": 0.8373333333333334, | |
| "grad_norm": 2.269597932867867, | |
| "learning_rate": 7.850590115864481e-07, | |
| "loss": 0.3754, | |
| "step": 1570 | |
| }, | |
| { | |
| "epoch": 0.84, | |
| "grad_norm": 2.2919798645970677, | |
| "learning_rate": 7.601981705956041e-07, | |
| "loss": 0.3653, | |
| "step": 1575 | |
| }, | |
| { | |
| "epoch": 0.8426666666666667, | |
| "grad_norm": 2.160239267762227, | |
| "learning_rate": 7.357049097195773e-07, | |
| "loss": 0.3669, | |
| "step": 1580 | |
| }, | |
| { | |
| "epoch": 0.8453333333333334, | |
| "grad_norm": 2.1970286019307292, | |
| "learning_rate": 7.115813524622489e-07, | |
| "loss": 0.3649, | |
| "step": 1585 | |
| }, | |
| { | |
| "epoch": 0.848, | |
| "grad_norm": 2.129222738599959, | |
| "learning_rate": 6.87829590275132e-07, | |
| "loss": 0.358, | |
| "step": 1590 | |
| }, | |
| { | |
| "epoch": 0.8506666666666667, | |
| "grad_norm": 2.0789990268022946, | |
| "learning_rate": 6.644516823760439e-07, | |
| "loss": 0.3691, | |
| "step": 1595 | |
| }, | |
| { | |
| "epoch": 0.8533333333333334, | |
| "grad_norm": 2.563742962745491, | |
| "learning_rate": 6.414496555705802e-07, | |
| "loss": 0.3581, | |
| "step": 1600 | |
| }, | |
| { | |
| "epoch": 0.856, | |
| "grad_norm": 2.2085385915124593, | |
| "learning_rate": 6.188255040763929e-07, | |
| "loss": 0.3595, | |
| "step": 1605 | |
| }, | |
| { | |
| "epoch": 0.8586666666666667, | |
| "grad_norm": 2.033359518177267, | |
| "learning_rate": 5.965811893503015e-07, | |
| "loss": 0.3503, | |
| "step": 1610 | |
| }, | |
| { | |
| "epoch": 0.8613333333333333, | |
| "grad_norm": 2.1827830474867014, | |
| "learning_rate": 5.747186399182336e-07, | |
| "loss": 0.3669, | |
| "step": 1615 | |
| }, | |
| { | |
| "epoch": 0.864, | |
| "grad_norm": 2.1300145810826816, | |
| "learning_rate": 5.532397512080306e-07, | |
| "loss": 0.3481, | |
| "step": 1620 | |
| }, | |
| { | |
| "epoch": 0.8666666666666667, | |
| "grad_norm": 2.074574594847925, | |
| "learning_rate": 5.321463853851189e-07, | |
| "loss": 0.3496, | |
| "step": 1625 | |
| }, | |
| { | |
| "epoch": 0.8693333333333333, | |
| "grad_norm": 2.0263794334104985, | |
| "learning_rate": 5.114403711910631e-07, | |
| "loss": 0.3461, | |
| "step": 1630 | |
| }, | |
| { | |
| "epoch": 0.872, | |
| "grad_norm": 2.2185299517742387, | |
| "learning_rate": 4.911235037850187e-07, | |
| "loss": 0.3539, | |
| "step": 1635 | |
| }, | |
| { | |
| "epoch": 0.8746666666666667, | |
| "grad_norm": 2.145898691768029, | |
| "learning_rate": 4.7119754458809727e-07, | |
| "loss": 0.3497, | |
| "step": 1640 | |
| }, | |
| { | |
| "epoch": 0.8773333333333333, | |
| "grad_norm": 2.086210944151003, | |
| "learning_rate": 4.5166422113065877e-07, | |
| "loss": 0.3599, | |
| "step": 1645 | |
| }, | |
| { | |
| "epoch": 0.88, | |
| "grad_norm": 2.092627906388921, | |
| "learning_rate": 4.325252269025315e-07, | |
| "loss": 0.3601, | |
| "step": 1650 | |
| }, | |
| { | |
| "epoch": 0.8826666666666667, | |
| "grad_norm": 2.0057225584693885, | |
| "learning_rate": 4.137822212061965e-07, | |
| "loss": 0.3546, | |
| "step": 1655 | |
| }, | |
| { | |
| "epoch": 0.8853333333333333, | |
| "grad_norm": 2.2609035975594747, | |
| "learning_rate": 3.954368290129301e-07, | |
| "loss": 0.3572, | |
| "step": 1660 | |
| }, | |
| { | |
| "epoch": 0.888, | |
| "grad_norm": 2.11382601292617, | |
| "learning_rate": 3.7749064082191976e-07, | |
| "loss": 0.3624, | |
| "step": 1665 | |
| }, | |
| { | |
| "epoch": 0.8906666666666667, | |
| "grad_norm": 2.1157082539279575, | |
| "learning_rate": 3.5994521252237516e-07, | |
| "loss": 0.3569, | |
| "step": 1670 | |
| }, | |
| { | |
| "epoch": 0.8933333333333333, | |
| "grad_norm": 2.1905200450444364, | |
| "learning_rate": 3.42802065258635e-07, | |
| "loss": 0.3652, | |
| "step": 1675 | |
| }, | |
| { | |
| "epoch": 0.896, | |
| "grad_norm": 2.2185501179259517, | |
| "learning_rate": 3.260626852982873e-07, | |
| "loss": 0.355, | |
| "step": 1680 | |
| }, | |
| { | |
| "epoch": 0.8986666666666666, | |
| "grad_norm": 1.8105080326443634, | |
| "learning_rate": 3.097285239033138e-07, | |
| "loss": 0.3468, | |
| "step": 1685 | |
| }, | |
| { | |
| "epoch": 0.9013333333333333, | |
| "grad_norm": 2.0943403418199713, | |
| "learning_rate": 2.93800997204271e-07, | |
| "loss": 0.3469, | |
| "step": 1690 | |
| }, | |
| { | |
| "epoch": 0.904, | |
| "grad_norm": 2.1532187920107897, | |
| "learning_rate": 2.782814860775124e-07, | |
| "loss": 0.3492, | |
| "step": 1695 | |
| }, | |
| { | |
| "epoch": 0.9066666666666666, | |
| "grad_norm": 2.042945855447484, | |
| "learning_rate": 2.631713360254734e-07, | |
| "loss": 0.3511, | |
| "step": 1700 | |
| }, | |
| { | |
| "epoch": 0.9093333333333333, | |
| "grad_norm": 1.908577230711415, | |
| "learning_rate": 2.4847185706001643e-07, | |
| "loss": 0.349, | |
| "step": 1705 | |
| }, | |
| { | |
| "epoch": 0.912, | |
| "grad_norm": 2.125919068982205, | |
| "learning_rate": 2.3418432358885633e-07, | |
| "loss": 0.355, | |
| "step": 1710 | |
| }, | |
| { | |
| "epoch": 0.9146666666666666, | |
| "grad_norm": 2.0498237117683904, | |
| "learning_rate": 2.2030997430507462e-07, | |
| "loss": 0.3608, | |
| "step": 1715 | |
| }, | |
| { | |
| "epoch": 0.9173333333333333, | |
| "grad_norm": 2.0829112363725133, | |
| "learning_rate": 2.0685001207972843e-07, | |
| "loss": 0.3401, | |
| "step": 1720 | |
| }, | |
| { | |
| "epoch": 0.92, | |
| "grad_norm": 2.059508243465879, | |
| "learning_rate": 1.9380560385756088e-07, | |
| "loss": 0.3384, | |
| "step": 1725 | |
| }, | |
| { | |
| "epoch": 0.9226666666666666, | |
| "grad_norm": 2.04443666129051, | |
| "learning_rate": 1.8117788055583286e-07, | |
| "loss": 0.3573, | |
| "step": 1730 | |
| }, | |
| { | |
| "epoch": 0.9253333333333333, | |
| "grad_norm": 2.0777954668280696, | |
| "learning_rate": 1.68967936966275e-07, | |
| "loss": 0.3581, | |
| "step": 1735 | |
| }, | |
| { | |
| "epoch": 0.928, | |
| "grad_norm": 2.318601892553672, | |
| "learning_rate": 1.5717683166017184e-07, | |
| "loss": 0.3554, | |
| "step": 1740 | |
| }, | |
| { | |
| "epoch": 0.9306666666666666, | |
| "grad_norm": 1.9033526436638828, | |
| "learning_rate": 1.458055868965841e-07, | |
| "loss": 0.3464, | |
| "step": 1745 | |
| }, | |
| { | |
| "epoch": 0.9333333333333333, | |
| "grad_norm": 1.8964617728273265, | |
| "learning_rate": 1.3485518853372625e-07, | |
| "loss": 0.3463, | |
| "step": 1750 | |
| }, | |
| { | |
| "epoch": 0.936, | |
| "grad_norm": 2.220191506763542, | |
| "learning_rate": 1.2432658594349113e-07, | |
| "loss": 0.3489, | |
| "step": 1755 | |
| }, | |
| { | |
| "epoch": 0.9386666666666666, | |
| "grad_norm": 2.2689124914628978, | |
| "learning_rate": 1.1422069192914221e-07, | |
| "loss": 0.3492, | |
| "step": 1760 | |
| }, | |
| { | |
| "epoch": 0.9413333333333334, | |
| "grad_norm": 2.0630767282056253, | |
| "learning_rate": 1.0453838264617711e-07, | |
| "loss": 0.3527, | |
| "step": 1765 | |
| }, | |
| { | |
| "epoch": 0.944, | |
| "grad_norm": 2.0272483148082054, | |
| "learning_rate": 9.528049752636714e-08, | |
| "loss": 0.3517, | |
| "step": 1770 | |
| }, | |
| { | |
| "epoch": 0.9466666666666667, | |
| "grad_norm": 1.9932084873356486, | |
| "learning_rate": 8.644783920498001e-08, | |
| "loss": 0.3482, | |
| "step": 1775 | |
| }, | |
| { | |
| "epoch": 0.9493333333333334, | |
| "grad_norm": 1.9996195399178616, | |
| "learning_rate": 7.804117345119266e-08, | |
| "loss": 0.3427, | |
| "step": 1780 | |
| }, | |
| { | |
| "epoch": 0.952, | |
| "grad_norm": 2.1050317258160143, | |
| "learning_rate": 7.00612291017022e-08, | |
| "loss": 0.3569, | |
| "step": 1785 | |
| }, | |
| { | |
| "epoch": 0.9546666666666667, | |
| "grad_norm": 2.2743572236785843, | |
| "learning_rate": 6.250869799753866e-08, | |
| "loss": 0.3552, | |
| "step": 1790 | |
| }, | |
| { | |
| "epoch": 0.9573333333333334, | |
| "grad_norm": 1.9993043818753629, | |
| "learning_rate": 5.538423492408129e-08, | |
| "loss": 0.3527, | |
| "step": 1795 | |
| }, | |
| { | |
| "epoch": 0.96, | |
| "grad_norm": 2.029015420291921, | |
| "learning_rate": 4.8688457554291746e-08, | |
| "loss": 0.3547, | |
| "step": 1800 | |
| }, | |
| { | |
| "epoch": 0.9626666666666667, | |
| "grad_norm": 1.9792921618891166, | |
| "learning_rate": 4.2421946395164174e-08, | |
| "loss": 0.3423, | |
| "step": 1805 | |
| }, | |
| { | |
| "epoch": 0.9653333333333334, | |
| "grad_norm": 2.3054014391722024, | |
| "learning_rate": 3.658524473739544e-08, | |
| "loss": 0.3561, | |
| "step": 1810 | |
| }, | |
| { | |
| "epoch": 0.968, | |
| "grad_norm": 1.9685873055688585, | |
| "learning_rate": 3.117885860828396e-08, | |
| "loss": 0.3585, | |
| "step": 1815 | |
| }, | |
| { | |
| "epoch": 0.9706666666666667, | |
| "grad_norm": 1.9947649481794998, | |
| "learning_rate": 2.6203256727859172e-08, | |
| "loss": 0.3549, | |
| "step": 1820 | |
| }, | |
| { | |
| "epoch": 0.9733333333333334, | |
| "grad_norm": 2.069737731388745, | |
| "learning_rate": 2.1658870468241332e-08, | |
| "loss": 0.3308, | |
| "step": 1825 | |
| }, | |
| { | |
| "epoch": 0.976, | |
| "grad_norm": 2.0270659827707025, | |
| "learning_rate": 1.754609381624639e-08, | |
| "loss": 0.3527, | |
| "step": 1830 | |
| }, | |
| { | |
| "epoch": 0.9786666666666667, | |
| "grad_norm": 2.128191982191078, | |
| "learning_rate": 1.3865283339228319e-08, | |
| "loss": 0.3412, | |
| "step": 1835 | |
| }, | |
| { | |
| "epoch": 0.9813333333333333, | |
| "grad_norm": 2.261297783670063, | |
| "learning_rate": 1.0616758154161633e-08, | |
| "loss": 0.3522, | |
| "step": 1840 | |
| }, | |
| { | |
| "epoch": 0.984, | |
| "grad_norm": 2.024827818826432, | |
| "learning_rate": 7.800799899979061e-09, | |
| "loss": 0.3526, | |
| "step": 1845 | |
| }, | |
| { | |
| "epoch": 0.9866666666666667, | |
| "grad_norm": 1.884901231330492, | |
| "learning_rate": 5.417652713152199e-09, | |
| "loss": 0.3428, | |
| "step": 1850 | |
| }, | |
| { | |
| "epoch": 0.9893333333333333, | |
| "grad_norm": 2.1880036961865934, | |
| "learning_rate": 3.4675232065256583e-09, | |
| "loss": 0.3629, | |
| "step": 1855 | |
| }, | |
| { | |
| "epoch": 0.992, | |
| "grad_norm": 1.9104397204190642, | |
| "learning_rate": 1.9505804514047266e-09, | |
| "loss": 0.3447, | |
| "step": 1860 | |
| }, | |
| { | |
| "epoch": 0.9946666666666667, | |
| "grad_norm": 2.164339994181747, | |
| "learning_rate": 8.669559628954327e-10, | |
| "loss": 0.3561, | |
| "step": 1865 | |
| }, | |
| { | |
| "epoch": 0.9973333333333333, | |
| "grad_norm": 1.9493351233131455, | |
| "learning_rate": 2.167436885064378e-10, | |
| "loss": 0.3558, | |
| "step": 1870 | |
| }, | |
| { | |
| "epoch": 1.0, | |
| "grad_norm": 2.0537390406517777, | |
| "learning_rate": 0.0, | |
| "loss": 0.3508, | |
| "step": 1875 | |
| }, | |
| { | |
| "epoch": 1.0, | |
| "eval_runtime": 3.3526, | |
| "eval_samples_per_second": 2.983, | |
| "eval_steps_per_second": 0.895, | |
| "step": 1875 | |
| }, | |
| { | |
| "epoch": 1.0, | |
| "step": 1875, | |
| "total_flos": 196293427200000.0, | |
| "train_loss": 0.5153299657185872, | |
| "train_runtime": 16626.7844, | |
| "train_samples_per_second": 1.803, | |
| "train_steps_per_second": 0.113 | |
| } | |
| ], | |
| "logging_steps": 5, | |
| "max_steps": 1875, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 1, | |
| "save_steps": 100, | |
| "stateful_callbacks": { | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": true | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 196293427200000.0, | |
| "train_batch_size": 4, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |