Model save
Browse files- README.md +66 -0
- all_results.json +9 -0
- train_results.json +9 -0
- trainer_state.json +2158 -0
README.md
ADDED
|
@@ -0,0 +1,66 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
---
|
| 2 |
+
base_model: barc0/Llama-3.1-ARC-Potpourri-Transduction-8B
|
| 3 |
+
library_name: peft
|
| 4 |
+
license: llama3.1
|
| 5 |
+
tags:
|
| 6 |
+
- trl
|
| 7 |
+
- sft
|
| 8 |
+
- generated_from_trainer
|
| 9 |
+
model-index:
|
| 10 |
+
- name: problem79_model
|
| 11 |
+
results: []
|
| 12 |
+
---
|
| 13 |
+
|
| 14 |
+
<!-- This model card has been generated automatically according to the information the Trainer had access to. You
|
| 15 |
+
should probably proofread and complete it, then remove this comment. -->
|
| 16 |
+
|
| 17 |
+
# problem79_model
|
| 18 |
+
|
| 19 |
+
This model is a fine-tuned version of [barc0/Llama-3.1-ARC-Potpourri-Transduction-8B](https://huggingface.co/barc0/Llama-3.1-ARC-Potpourri-Transduction-8B) on an unknown dataset.
|
| 20 |
+
It achieves the following results on the evaluation set:
|
| 21 |
+
- Loss: 0.0002
|
| 22 |
+
|
| 23 |
+
## Model description
|
| 24 |
+
|
| 25 |
+
More information needed
|
| 26 |
+
|
| 27 |
+
## Intended uses & limitations
|
| 28 |
+
|
| 29 |
+
More information needed
|
| 30 |
+
|
| 31 |
+
## Training and evaluation data
|
| 32 |
+
|
| 33 |
+
More information needed
|
| 34 |
+
|
| 35 |
+
## Training procedure
|
| 36 |
+
|
| 37 |
+
### Training hyperparameters
|
| 38 |
+
|
| 39 |
+
The following hyperparameters were used during training:
|
| 40 |
+
- learning_rate: 0.0001
|
| 41 |
+
- train_batch_size: 1
|
| 42 |
+
- eval_batch_size: 1
|
| 43 |
+
- seed: 42
|
| 44 |
+
- distributed_type: multi-GPU
|
| 45 |
+
- gradient_accumulation_steps: 2
|
| 46 |
+
- total_train_batch_size: 2
|
| 47 |
+
- optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
|
| 48 |
+
- lr_scheduler_type: cosine
|
| 49 |
+
- lr_scheduler_warmup_ratio: 0.1
|
| 50 |
+
- num_epochs: 2
|
| 51 |
+
|
| 52 |
+
### Training results
|
| 53 |
+
|
| 54 |
+
| Training Loss | Epoch | Step | Validation Loss |
|
| 55 |
+
|:-------------:|:-----:|:----:|:---------------:|
|
| 56 |
+
| 0.0001 | 1.0 | 150 | 0.0075 |
|
| 57 |
+
| 0.0001 | 2.0 | 300 | 0.0002 |
|
| 58 |
+
|
| 59 |
+
|
| 60 |
+
### Framework versions
|
| 61 |
+
|
| 62 |
+
- PEFT 0.13.2
|
| 63 |
+
- Transformers 4.46.2
|
| 64 |
+
- Pytorch 2.4.0+cu121
|
| 65 |
+
- Datasets 3.1.0
|
| 66 |
+
- Tokenizers 0.20.3
|
all_results.json
ADDED
|
@@ -0,0 +1,9 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"epoch": 2.0,
|
| 3 |
+
"total_flos": 10545480253440.0,
|
| 4 |
+
"train_loss": 0.004103656022343785,
|
| 5 |
+
"train_runtime": 957.2962,
|
| 6 |
+
"train_samples": 300,
|
| 7 |
+
"train_samples_per_second": 0.627,
|
| 8 |
+
"train_steps_per_second": 0.313
|
| 9 |
+
}
|
train_results.json
ADDED
|
@@ -0,0 +1,9 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"epoch": 2.0,
|
| 3 |
+
"total_flos": 10545480253440.0,
|
| 4 |
+
"train_loss": 0.004103656022343785,
|
| 5 |
+
"train_runtime": 957.2962,
|
| 6 |
+
"train_samples": 300,
|
| 7 |
+
"train_samples_per_second": 0.627,
|
| 8 |
+
"train_steps_per_second": 0.313
|
| 9 |
+
}
|
trainer_state.json
ADDED
|
@@ -0,0 +1,2158 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_metric": null,
|
| 3 |
+
"best_model_checkpoint": null,
|
| 4 |
+
"epoch": 2.0,
|
| 5 |
+
"eval_steps": 500,
|
| 6 |
+
"global_step": 300,
|
| 7 |
+
"is_hyper_param_search": false,
|
| 8 |
+
"is_local_process_zero": true,
|
| 9 |
+
"is_world_process_zero": true,
|
| 10 |
+
"log_history": [
|
| 11 |
+
{
|
| 12 |
+
"epoch": 0.006666666666666667,
|
| 13 |
+
"grad_norm": 0.03977673799137924,
|
| 14 |
+
"learning_rate": 3.3333333333333333e-06,
|
| 15 |
+
"loss": 0.0697,
|
| 16 |
+
"step": 1
|
| 17 |
+
},
|
| 18 |
+
{
|
| 19 |
+
"epoch": 0.013333333333333334,
|
| 20 |
+
"grad_norm": 0.0065301500769442775,
|
| 21 |
+
"learning_rate": 6.666666666666667e-06,
|
| 22 |
+
"loss": 0.0061,
|
| 23 |
+
"step": 2
|
| 24 |
+
},
|
| 25 |
+
{
|
| 26 |
+
"epoch": 0.02,
|
| 27 |
+
"grad_norm": 0.014819135856720608,
|
| 28 |
+
"learning_rate": 1e-05,
|
| 29 |
+
"loss": 0.0293,
|
| 30 |
+
"step": 3
|
| 31 |
+
},
|
| 32 |
+
{
|
| 33 |
+
"epoch": 0.02666666666666667,
|
| 34 |
+
"grad_norm": 0.039267882945525356,
|
| 35 |
+
"learning_rate": 1.3333333333333333e-05,
|
| 36 |
+
"loss": 0.1063,
|
| 37 |
+
"step": 4
|
| 38 |
+
},
|
| 39 |
+
{
|
| 40 |
+
"epoch": 0.03333333333333333,
|
| 41 |
+
"grad_norm": 0.012252458879639674,
|
| 42 |
+
"learning_rate": 1.6666666666666667e-05,
|
| 43 |
+
"loss": 0.0157,
|
| 44 |
+
"step": 5
|
| 45 |
+
},
|
| 46 |
+
{
|
| 47 |
+
"epoch": 0.04,
|
| 48 |
+
"grad_norm": 0.0056279562533792255,
|
| 49 |
+
"learning_rate": 2e-05,
|
| 50 |
+
"loss": 0.0045,
|
| 51 |
+
"step": 6
|
| 52 |
+
},
|
| 53 |
+
{
|
| 54 |
+
"epoch": 0.04666666666666667,
|
| 55 |
+
"grad_norm": 0.023813548160984865,
|
| 56 |
+
"learning_rate": 2.3333333333333336e-05,
|
| 57 |
+
"loss": 0.0325,
|
| 58 |
+
"step": 7
|
| 59 |
+
},
|
| 60 |
+
{
|
| 61 |
+
"epoch": 0.05333333333333334,
|
| 62 |
+
"grad_norm": 0.03607155998907514,
|
| 63 |
+
"learning_rate": 2.6666666666666667e-05,
|
| 64 |
+
"loss": 0.0277,
|
| 65 |
+
"step": 8
|
| 66 |
+
},
|
| 67 |
+
{
|
| 68 |
+
"epoch": 0.06,
|
| 69 |
+
"grad_norm": 0.007736905400320296,
|
| 70 |
+
"learning_rate": 3e-05,
|
| 71 |
+
"loss": 0.01,
|
| 72 |
+
"step": 9
|
| 73 |
+
},
|
| 74 |
+
{
|
| 75 |
+
"epoch": 0.06666666666666667,
|
| 76 |
+
"grad_norm": 0.012118116891684516,
|
| 77 |
+
"learning_rate": 3.3333333333333335e-05,
|
| 78 |
+
"loss": 0.0148,
|
| 79 |
+
"step": 10
|
| 80 |
+
},
|
| 81 |
+
{
|
| 82 |
+
"epoch": 0.07333333333333333,
|
| 83 |
+
"grad_norm": 0.039873886202707536,
|
| 84 |
+
"learning_rate": 3.6666666666666666e-05,
|
| 85 |
+
"loss": 0.0756,
|
| 86 |
+
"step": 11
|
| 87 |
+
},
|
| 88 |
+
{
|
| 89 |
+
"epoch": 0.08,
|
| 90 |
+
"grad_norm": 0.011527136005430448,
|
| 91 |
+
"learning_rate": 4e-05,
|
| 92 |
+
"loss": 0.0063,
|
| 93 |
+
"step": 12
|
| 94 |
+
},
|
| 95 |
+
{
|
| 96 |
+
"epoch": 0.08666666666666667,
|
| 97 |
+
"grad_norm": 0.009636482269021205,
|
| 98 |
+
"learning_rate": 4.3333333333333334e-05,
|
| 99 |
+
"loss": 0.0237,
|
| 100 |
+
"step": 13
|
| 101 |
+
},
|
| 102 |
+
{
|
| 103 |
+
"epoch": 0.09333333333333334,
|
| 104 |
+
"grad_norm": 0.007735492887043595,
|
| 105 |
+
"learning_rate": 4.666666666666667e-05,
|
| 106 |
+
"loss": 0.0126,
|
| 107 |
+
"step": 14
|
| 108 |
+
},
|
| 109 |
+
{
|
| 110 |
+
"epoch": 0.1,
|
| 111 |
+
"grad_norm": 0.014890543860786472,
|
| 112 |
+
"learning_rate": 5e-05,
|
| 113 |
+
"loss": 0.0236,
|
| 114 |
+
"step": 15
|
| 115 |
+
},
|
| 116 |
+
{
|
| 117 |
+
"epoch": 0.10666666666666667,
|
| 118 |
+
"grad_norm": 0.025323327290843564,
|
| 119 |
+
"learning_rate": 5.333333333333333e-05,
|
| 120 |
+
"loss": 0.0259,
|
| 121 |
+
"step": 16
|
| 122 |
+
},
|
| 123 |
+
{
|
| 124 |
+
"epoch": 0.11333333333333333,
|
| 125 |
+
"grad_norm": 0.009293163522717605,
|
| 126 |
+
"learning_rate": 5.666666666666667e-05,
|
| 127 |
+
"loss": 0.0063,
|
| 128 |
+
"step": 17
|
| 129 |
+
},
|
| 130 |
+
{
|
| 131 |
+
"epoch": 0.12,
|
| 132 |
+
"grad_norm": 0.02916025589916925,
|
| 133 |
+
"learning_rate": 6e-05,
|
| 134 |
+
"loss": 0.0389,
|
| 135 |
+
"step": 18
|
| 136 |
+
},
|
| 137 |
+
{
|
| 138 |
+
"epoch": 0.12666666666666668,
|
| 139 |
+
"grad_norm": 0.010144696980112122,
|
| 140 |
+
"learning_rate": 6.333333333333333e-05,
|
| 141 |
+
"loss": 0.0098,
|
| 142 |
+
"step": 19
|
| 143 |
+
},
|
| 144 |
+
{
|
| 145 |
+
"epoch": 0.13333333333333333,
|
| 146 |
+
"grad_norm": 0.008862578235702937,
|
| 147 |
+
"learning_rate": 6.666666666666667e-05,
|
| 148 |
+
"loss": 0.0155,
|
| 149 |
+
"step": 20
|
| 150 |
+
},
|
| 151 |
+
{
|
| 152 |
+
"epoch": 0.14,
|
| 153 |
+
"grad_norm": 0.05104184908379062,
|
| 154 |
+
"learning_rate": 7e-05,
|
| 155 |
+
"loss": 0.0347,
|
| 156 |
+
"step": 21
|
| 157 |
+
},
|
| 158 |
+
{
|
| 159 |
+
"epoch": 0.14666666666666667,
|
| 160 |
+
"grad_norm": 0.01617542383781755,
|
| 161 |
+
"learning_rate": 7.333333333333333e-05,
|
| 162 |
+
"loss": 0.0233,
|
| 163 |
+
"step": 22
|
| 164 |
+
},
|
| 165 |
+
{
|
| 166 |
+
"epoch": 0.15333333333333332,
|
| 167 |
+
"grad_norm": 0.024671375082196686,
|
| 168 |
+
"learning_rate": 7.666666666666667e-05,
|
| 169 |
+
"loss": 0.0237,
|
| 170 |
+
"step": 23
|
| 171 |
+
},
|
| 172 |
+
{
|
| 173 |
+
"epoch": 0.16,
|
| 174 |
+
"grad_norm": 0.012410254292339285,
|
| 175 |
+
"learning_rate": 8e-05,
|
| 176 |
+
"loss": 0.0125,
|
| 177 |
+
"step": 24
|
| 178 |
+
},
|
| 179 |
+
{
|
| 180 |
+
"epoch": 0.16666666666666666,
|
| 181 |
+
"grad_norm": 0.019740577759809464,
|
| 182 |
+
"learning_rate": 8.333333333333334e-05,
|
| 183 |
+
"loss": 0.0194,
|
| 184 |
+
"step": 25
|
| 185 |
+
},
|
| 186 |
+
{
|
| 187 |
+
"epoch": 0.17333333333333334,
|
| 188 |
+
"grad_norm": 0.012703556991820871,
|
| 189 |
+
"learning_rate": 8.666666666666667e-05,
|
| 190 |
+
"loss": 0.0094,
|
| 191 |
+
"step": 26
|
| 192 |
+
},
|
| 193 |
+
{
|
| 194 |
+
"epoch": 0.18,
|
| 195 |
+
"grad_norm": 0.016724171438981424,
|
| 196 |
+
"learning_rate": 9e-05,
|
| 197 |
+
"loss": 0.0117,
|
| 198 |
+
"step": 27
|
| 199 |
+
},
|
| 200 |
+
{
|
| 201 |
+
"epoch": 0.18666666666666668,
|
| 202 |
+
"grad_norm": 0.010375834313224863,
|
| 203 |
+
"learning_rate": 9.333333333333334e-05,
|
| 204 |
+
"loss": 0.0059,
|
| 205 |
+
"step": 28
|
| 206 |
+
},
|
| 207 |
+
{
|
| 208 |
+
"epoch": 0.19333333333333333,
|
| 209 |
+
"grad_norm": 0.010565764517732947,
|
| 210 |
+
"learning_rate": 9.666666666666667e-05,
|
| 211 |
+
"loss": 0.0115,
|
| 212 |
+
"step": 29
|
| 213 |
+
},
|
| 214 |
+
{
|
| 215 |
+
"epoch": 0.2,
|
| 216 |
+
"grad_norm": 0.01720149729026483,
|
| 217 |
+
"learning_rate": 0.0001,
|
| 218 |
+
"loss": 0.0225,
|
| 219 |
+
"step": 30
|
| 220 |
+
},
|
| 221 |
+
{
|
| 222 |
+
"epoch": 0.20666666666666667,
|
| 223 |
+
"grad_norm": 0.0077083290888715,
|
| 224 |
+
"learning_rate": 9.999661540018812e-05,
|
| 225 |
+
"loss": 0.0031,
|
| 226 |
+
"step": 31
|
| 227 |
+
},
|
| 228 |
+
{
|
| 229 |
+
"epoch": 0.21333333333333335,
|
| 230 |
+
"grad_norm": 0.006002362694509026,
|
| 231 |
+
"learning_rate": 9.998646205897309e-05,
|
| 232 |
+
"loss": 0.0062,
|
| 233 |
+
"step": 32
|
| 234 |
+
},
|
| 235 |
+
{
|
| 236 |
+
"epoch": 0.22,
|
| 237 |
+
"grad_norm": 0.029037792591552532,
|
| 238 |
+
"learning_rate": 9.99695413509548e-05,
|
| 239 |
+
"loss": 0.0083,
|
| 240 |
+
"step": 33
|
| 241 |
+
},
|
| 242 |
+
{
|
| 243 |
+
"epoch": 0.22666666666666666,
|
| 244 |
+
"grad_norm": 0.022298993545235585,
|
| 245 |
+
"learning_rate": 9.994585556692624e-05,
|
| 246 |
+
"loss": 0.0058,
|
| 247 |
+
"step": 34
|
| 248 |
+
},
|
| 249 |
+
{
|
| 250 |
+
"epoch": 0.23333333333333334,
|
| 251 |
+
"grad_norm": 0.021661859171059405,
|
| 252 |
+
"learning_rate": 9.991540791356342e-05,
|
| 253 |
+
"loss": 0.0216,
|
| 254 |
+
"step": 35
|
| 255 |
+
},
|
| 256 |
+
{
|
| 257 |
+
"epoch": 0.24,
|
| 258 |
+
"grad_norm": 0.026084910790291866,
|
| 259 |
+
"learning_rate": 9.987820251299122e-05,
|
| 260 |
+
"loss": 0.0156,
|
| 261 |
+
"step": 36
|
| 262 |
+
},
|
| 263 |
+
{
|
| 264 |
+
"epoch": 0.24666666666666667,
|
| 265 |
+
"grad_norm": 0.00394792088190261,
|
| 266 |
+
"learning_rate": 9.983424440222531e-05,
|
| 267 |
+
"loss": 0.0016,
|
| 268 |
+
"step": 37
|
| 269 |
+
},
|
| 270 |
+
{
|
| 271 |
+
"epoch": 0.25333333333333335,
|
| 272 |
+
"grad_norm": 0.01661401213263953,
|
| 273 |
+
"learning_rate": 9.978353953249022e-05,
|
| 274 |
+
"loss": 0.0167,
|
| 275 |
+
"step": 38
|
| 276 |
+
},
|
| 277 |
+
{
|
| 278 |
+
"epoch": 0.26,
|
| 279 |
+
"grad_norm": 0.059437983837096614,
|
| 280 |
+
"learning_rate": 9.972609476841367e-05,
|
| 281 |
+
"loss": 0.0092,
|
| 282 |
+
"step": 39
|
| 283 |
+
},
|
| 284 |
+
{
|
| 285 |
+
"epoch": 0.26666666666666666,
|
| 286 |
+
"grad_norm": 0.020003667087639856,
|
| 287 |
+
"learning_rate": 9.966191788709716e-05,
|
| 288 |
+
"loss": 0.0077,
|
| 289 |
+
"step": 40
|
| 290 |
+
},
|
| 291 |
+
{
|
| 292 |
+
"epoch": 0.2733333333333333,
|
| 293 |
+
"grad_norm": 0.006463867364665084,
|
| 294 |
+
"learning_rate": 9.959101757706308e-05,
|
| 295 |
+
"loss": 0.0032,
|
| 296 |
+
"step": 41
|
| 297 |
+
},
|
| 298 |
+
{
|
| 299 |
+
"epoch": 0.28,
|
| 300 |
+
"grad_norm": 0.0038599010866305367,
|
| 301 |
+
"learning_rate": 9.951340343707852e-05,
|
| 302 |
+
"loss": 0.0034,
|
| 303 |
+
"step": 42
|
| 304 |
+
},
|
| 305 |
+
{
|
| 306 |
+
"epoch": 0.2866666666666667,
|
| 307 |
+
"grad_norm": 0.007874248964875598,
|
| 308 |
+
"learning_rate": 9.942908597485558e-05,
|
| 309 |
+
"loss": 0.0049,
|
| 310 |
+
"step": 43
|
| 311 |
+
},
|
| 312 |
+
{
|
| 313 |
+
"epoch": 0.29333333333333333,
|
| 314 |
+
"grad_norm": 0.006279707603255696,
|
| 315 |
+
"learning_rate": 9.933807660562898e-05,
|
| 316 |
+
"loss": 0.0045,
|
| 317 |
+
"step": 44
|
| 318 |
+
},
|
| 319 |
+
{
|
| 320 |
+
"epoch": 0.3,
|
| 321 |
+
"grad_norm": 0.007087320501521553,
|
| 322 |
+
"learning_rate": 9.924038765061042e-05,
|
| 323 |
+
"loss": 0.003,
|
| 324 |
+
"step": 45
|
| 325 |
+
},
|
| 326 |
+
{
|
| 327 |
+
"epoch": 0.30666666666666664,
|
| 328 |
+
"grad_norm": 0.022491932320332614,
|
| 329 |
+
"learning_rate": 9.913603233532067e-05,
|
| 330 |
+
"loss": 0.0134,
|
| 331 |
+
"step": 46
|
| 332 |
+
},
|
| 333 |
+
{
|
| 334 |
+
"epoch": 0.31333333333333335,
|
| 335 |
+
"grad_norm": 0.005160259749805722,
|
| 336 |
+
"learning_rate": 9.902502478779896e-05,
|
| 337 |
+
"loss": 0.002,
|
| 338 |
+
"step": 47
|
| 339 |
+
},
|
| 340 |
+
{
|
| 341 |
+
"epoch": 0.32,
|
| 342 |
+
"grad_norm": 0.02177964763235288,
|
| 343 |
+
"learning_rate": 9.890738003669029e-05,
|
| 344 |
+
"loss": 0.0117,
|
| 345 |
+
"step": 48
|
| 346 |
+
},
|
| 347 |
+
{
|
| 348 |
+
"epoch": 0.32666666666666666,
|
| 349 |
+
"grad_norm": 0.013474504980735864,
|
| 350 |
+
"learning_rate": 9.878311400921072e-05,
|
| 351 |
+
"loss": 0.0066,
|
| 352 |
+
"step": 49
|
| 353 |
+
},
|
| 354 |
+
{
|
| 355 |
+
"epoch": 0.3333333333333333,
|
| 356 |
+
"grad_norm": 0.00946656594425562,
|
| 357 |
+
"learning_rate": 9.865224352899119e-05,
|
| 358 |
+
"loss": 0.0039,
|
| 359 |
+
"step": 50
|
| 360 |
+
},
|
| 361 |
+
{
|
| 362 |
+
"epoch": 0.34,
|
| 363 |
+
"grad_norm": 0.026641316284968547,
|
| 364 |
+
"learning_rate": 9.851478631379982e-05,
|
| 365 |
+
"loss": 0.0068,
|
| 366 |
+
"step": 51
|
| 367 |
+
},
|
| 368 |
+
{
|
| 369 |
+
"epoch": 0.3466666666666667,
|
| 370 |
+
"grad_norm": 0.009886930795375747,
|
| 371 |
+
"learning_rate": 9.837076097314319e-05,
|
| 372 |
+
"loss": 0.0023,
|
| 373 |
+
"step": 52
|
| 374 |
+
},
|
| 375 |
+
{
|
| 376 |
+
"epoch": 0.35333333333333333,
|
| 377 |
+
"grad_norm": 0.007365072683653581,
|
| 378 |
+
"learning_rate": 9.822018700574695e-05,
|
| 379 |
+
"loss": 0.0061,
|
| 380 |
+
"step": 53
|
| 381 |
+
},
|
| 382 |
+
{
|
| 383 |
+
"epoch": 0.36,
|
| 384 |
+
"grad_norm": 0.02066585877234035,
|
| 385 |
+
"learning_rate": 9.806308479691595e-05,
|
| 386 |
+
"loss": 0.005,
|
| 387 |
+
"step": 54
|
| 388 |
+
},
|
| 389 |
+
{
|
| 390 |
+
"epoch": 0.36666666666666664,
|
| 391 |
+
"grad_norm": 0.00294436341805414,
|
| 392 |
+
"learning_rate": 9.789947561577445e-05,
|
| 393 |
+
"loss": 0.0008,
|
| 394 |
+
"step": 55
|
| 395 |
+
},
|
| 396 |
+
{
|
| 397 |
+
"epoch": 0.37333333333333335,
|
| 398 |
+
"grad_norm": 0.003682367501648306,
|
| 399 |
+
"learning_rate": 9.77293816123866e-05,
|
| 400 |
+
"loss": 0.0009,
|
| 401 |
+
"step": 56
|
| 402 |
+
},
|
| 403 |
+
{
|
| 404 |
+
"epoch": 0.38,
|
| 405 |
+
"grad_norm": 0.007267109316280988,
|
| 406 |
+
"learning_rate": 9.755282581475769e-05,
|
| 407 |
+
"loss": 0.0023,
|
| 408 |
+
"step": 57
|
| 409 |
+
},
|
| 410 |
+
{
|
| 411 |
+
"epoch": 0.38666666666666666,
|
| 412 |
+
"grad_norm": 0.00892227426470675,
|
| 413 |
+
"learning_rate": 9.736983212571646e-05,
|
| 414 |
+
"loss": 0.0024,
|
| 415 |
+
"step": 58
|
| 416 |
+
},
|
| 417 |
+
{
|
| 418 |
+
"epoch": 0.3933333333333333,
|
| 419 |
+
"grad_norm": 0.02037847807670291,
|
| 420 |
+
"learning_rate": 9.718042531967918e-05,
|
| 421 |
+
"loss": 0.0072,
|
| 422 |
+
"step": 59
|
| 423 |
+
},
|
| 424 |
+
{
|
| 425 |
+
"epoch": 0.4,
|
| 426 |
+
"grad_norm": 0.0010079515868932766,
|
| 427 |
+
"learning_rate": 9.698463103929542e-05,
|
| 428 |
+
"loss": 0.0002,
|
| 429 |
+
"step": 60
|
| 430 |
+
},
|
| 431 |
+
{
|
| 432 |
+
"epoch": 0.4066666666666667,
|
| 433 |
+
"grad_norm": 0.02545538320643381,
|
| 434 |
+
"learning_rate": 9.678247579197657e-05,
|
| 435 |
+
"loss": 0.0161,
|
| 436 |
+
"step": 61
|
| 437 |
+
},
|
| 438 |
+
{
|
| 439 |
+
"epoch": 0.41333333333333333,
|
| 440 |
+
"grad_norm": 0.0009521273660328182,
|
| 441 |
+
"learning_rate": 9.657398694630712e-05,
|
| 442 |
+
"loss": 0.0003,
|
| 443 |
+
"step": 62
|
| 444 |
+
},
|
| 445 |
+
{
|
| 446 |
+
"epoch": 0.42,
|
| 447 |
+
"grad_norm": 0.0012660501591775387,
|
| 448 |
+
"learning_rate": 9.635919272833938e-05,
|
| 449 |
+
"loss": 0.0003,
|
| 450 |
+
"step": 63
|
| 451 |
+
},
|
| 452 |
+
{
|
| 453 |
+
"epoch": 0.4266666666666667,
|
| 454 |
+
"grad_norm": 0.012909132001859391,
|
| 455 |
+
"learning_rate": 9.613812221777212e-05,
|
| 456 |
+
"loss": 0.006,
|
| 457 |
+
"step": 64
|
| 458 |
+
},
|
| 459 |
+
{
|
| 460 |
+
"epoch": 0.43333333333333335,
|
| 461 |
+
"grad_norm": 0.021404624061672838,
|
| 462 |
+
"learning_rate": 9.591080534401371e-05,
|
| 463 |
+
"loss": 0.0011,
|
| 464 |
+
"step": 65
|
| 465 |
+
},
|
| 466 |
+
{
|
| 467 |
+
"epoch": 0.44,
|
| 468 |
+
"grad_norm": 0.003650648333180561,
|
| 469 |
+
"learning_rate": 9.567727288213005e-05,
|
| 470 |
+
"loss": 0.0004,
|
| 471 |
+
"step": 66
|
| 472 |
+
},
|
| 473 |
+
{
|
| 474 |
+
"epoch": 0.44666666666666666,
|
| 475 |
+
"grad_norm": 0.014034928154915733,
|
| 476 |
+
"learning_rate": 9.543755644867822e-05,
|
| 477 |
+
"loss": 0.0044,
|
| 478 |
+
"step": 67
|
| 479 |
+
},
|
| 480 |
+
{
|
| 481 |
+
"epoch": 0.4533333333333333,
|
| 482 |
+
"grad_norm": 0.0021441625030309474,
|
| 483 |
+
"learning_rate": 9.519168849742604e-05,
|
| 484 |
+
"loss": 0.0006,
|
| 485 |
+
"step": 68
|
| 486 |
+
},
|
| 487 |
+
{
|
| 488 |
+
"epoch": 0.46,
|
| 489 |
+
"grad_norm": 0.0010045070930458345,
|
| 490 |
+
"learning_rate": 9.493970231495835e-05,
|
| 491 |
+
"loss": 0.0002,
|
| 492 |
+
"step": 69
|
| 493 |
+
},
|
| 494 |
+
{
|
| 495 |
+
"epoch": 0.4666666666666667,
|
| 496 |
+
"grad_norm": 0.008142574612054095,
|
| 497 |
+
"learning_rate": 9.468163201617062e-05,
|
| 498 |
+
"loss": 0.0029,
|
| 499 |
+
"step": 70
|
| 500 |
+
},
|
| 501 |
+
{
|
| 502 |
+
"epoch": 0.47333333333333333,
|
| 503 |
+
"grad_norm": 0.03292094789623389,
|
| 504 |
+
"learning_rate": 9.441751253965021e-05,
|
| 505 |
+
"loss": 0.0045,
|
| 506 |
+
"step": 71
|
| 507 |
+
},
|
| 508 |
+
{
|
| 509 |
+
"epoch": 0.48,
|
| 510 |
+
"grad_norm": 0.011912626578576588,
|
| 511 |
+
"learning_rate": 9.414737964294636e-05,
|
| 512 |
+
"loss": 0.0017,
|
| 513 |
+
"step": 72
|
| 514 |
+
},
|
| 515 |
+
{
|
| 516 |
+
"epoch": 0.4866666666666667,
|
| 517 |
+
"grad_norm": 0.0017861845091254518,
|
| 518 |
+
"learning_rate": 9.38712698977291e-05,
|
| 519 |
+
"loss": 0.0004,
|
| 520 |
+
"step": 73
|
| 521 |
+
},
|
| 522 |
+
{
|
| 523 |
+
"epoch": 0.49333333333333335,
|
| 524 |
+
"grad_norm": 0.011731011044533848,
|
| 525 |
+
"learning_rate": 9.358922068483812e-05,
|
| 526 |
+
"loss": 0.0045,
|
| 527 |
+
"step": 74
|
| 528 |
+
},
|
| 529 |
+
{
|
| 530 |
+
"epoch": 0.5,
|
| 531 |
+
"grad_norm": 0.004854041456567811,
|
| 532 |
+
"learning_rate": 9.330127018922194e-05,
|
| 533 |
+
"loss": 0.0004,
|
| 534 |
+
"step": 75
|
| 535 |
+
},
|
| 536 |
+
{
|
| 537 |
+
"epoch": 0.5066666666666667,
|
| 538 |
+
"grad_norm": 0.02327584221640396,
|
| 539 |
+
"learning_rate": 9.300745739476829e-05,
|
| 540 |
+
"loss": 0.0007,
|
| 541 |
+
"step": 76
|
| 542 |
+
},
|
| 543 |
+
{
|
| 544 |
+
"epoch": 0.5133333333333333,
|
| 545 |
+
"grad_norm": 0.0028537622172145932,
|
| 546 |
+
"learning_rate": 9.270782207902629e-05,
|
| 547 |
+
"loss": 0.0004,
|
| 548 |
+
"step": 77
|
| 549 |
+
},
|
| 550 |
+
{
|
| 551 |
+
"epoch": 0.52,
|
| 552 |
+
"grad_norm": 0.09015330601056638,
|
| 553 |
+
"learning_rate": 9.24024048078213e-05,
|
| 554 |
+
"loss": 0.0147,
|
| 555 |
+
"step": 78
|
| 556 |
+
},
|
| 557 |
+
{
|
| 558 |
+
"epoch": 0.5266666666666666,
|
| 559 |
+
"grad_norm": 0.0008191391307044869,
|
| 560 |
+
"learning_rate": 9.209124692976287e-05,
|
| 561 |
+
"loss": 0.0001,
|
| 562 |
+
"step": 79
|
| 563 |
+
},
|
| 564 |
+
{
|
| 565 |
+
"epoch": 0.5333333333333333,
|
| 566 |
+
"grad_norm": 0.0006353783948769038,
|
| 567 |
+
"learning_rate": 9.177439057064683e-05,
|
| 568 |
+
"loss": 0.0001,
|
| 569 |
+
"step": 80
|
| 570 |
+
},
|
| 571 |
+
{
|
| 572 |
+
"epoch": 0.54,
|
| 573 |
+
"grad_norm": 0.043611140303823195,
|
| 574 |
+
"learning_rate": 9.145187862775209e-05,
|
| 575 |
+
"loss": 0.0183,
|
| 576 |
+
"step": 81
|
| 577 |
+
},
|
| 578 |
+
{
|
| 579 |
+
"epoch": 0.5466666666666666,
|
| 580 |
+
"grad_norm": 0.006962092601124405,
|
| 581 |
+
"learning_rate": 9.112375476403312e-05,
|
| 582 |
+
"loss": 0.0047,
|
| 583 |
+
"step": 82
|
| 584 |
+
},
|
| 585 |
+
{
|
| 586 |
+
"epoch": 0.5533333333333333,
|
| 587 |
+
"grad_norm": 0.0014787739550455486,
|
| 588 |
+
"learning_rate": 9.079006340220862e-05,
|
| 589 |
+
"loss": 0.0006,
|
| 590 |
+
"step": 83
|
| 591 |
+
},
|
| 592 |
+
{
|
| 593 |
+
"epoch": 0.56,
|
| 594 |
+
"grad_norm": 0.0017343398245412518,
|
| 595 |
+
"learning_rate": 9.045084971874738e-05,
|
| 596 |
+
"loss": 0.0001,
|
| 597 |
+
"step": 84
|
| 598 |
+
},
|
| 599 |
+
{
|
| 600 |
+
"epoch": 0.5666666666666667,
|
| 601 |
+
"grad_norm": 0.01095035391870999,
|
| 602 |
+
"learning_rate": 9.01061596377522e-05,
|
| 603 |
+
"loss": 0.0015,
|
| 604 |
+
"step": 85
|
| 605 |
+
},
|
| 606 |
+
{
|
| 607 |
+
"epoch": 0.5733333333333334,
|
| 608 |
+
"grad_norm": 0.03244878753163543,
|
| 609 |
+
"learning_rate": 8.97560398247424e-05,
|
| 610 |
+
"loss": 0.0095,
|
| 611 |
+
"step": 86
|
| 612 |
+
},
|
| 613 |
+
{
|
| 614 |
+
"epoch": 0.58,
|
| 615 |
+
"grad_norm": 0.0006196137955220628,
|
| 616 |
+
"learning_rate": 8.940053768033609e-05,
|
| 617 |
+
"loss": 0.0001,
|
| 618 |
+
"step": 87
|
| 619 |
+
},
|
| 620 |
+
{
|
| 621 |
+
"epoch": 0.5866666666666667,
|
| 622 |
+
"grad_norm": 0.0007941815331210884,
|
| 623 |
+
"learning_rate": 8.903970133383297e-05,
|
| 624 |
+
"loss": 0.0002,
|
| 625 |
+
"step": 88
|
| 626 |
+
},
|
| 627 |
+
{
|
| 628 |
+
"epoch": 0.5933333333333334,
|
| 629 |
+
"grad_norm": 0.0012925903487581677,
|
| 630 |
+
"learning_rate": 8.86735796366982e-05,
|
| 631 |
+
"loss": 0.0002,
|
| 632 |
+
"step": 89
|
| 633 |
+
},
|
| 634 |
+
{
|
| 635 |
+
"epoch": 0.6,
|
| 636 |
+
"grad_norm": 0.039861557503553004,
|
| 637 |
+
"learning_rate": 8.83022221559489e-05,
|
| 638 |
+
"loss": 0.0036,
|
| 639 |
+
"step": 90
|
| 640 |
+
},
|
| 641 |
+
{
|
| 642 |
+
"epoch": 0.6066666666666667,
|
| 643 |
+
"grad_norm": 0.005534195729789121,
|
| 644 |
+
"learning_rate": 8.792567916744346e-05,
|
| 645 |
+
"loss": 0.001,
|
| 646 |
+
"step": 91
|
| 647 |
+
},
|
| 648 |
+
{
|
| 649 |
+
"epoch": 0.6133333333333333,
|
| 650 |
+
"grad_norm": 0.03897134837746716,
|
| 651 |
+
"learning_rate": 8.754400164907497e-05,
|
| 652 |
+
"loss": 0.0045,
|
| 653 |
+
"step": 92
|
| 654 |
+
},
|
| 655 |
+
{
|
| 656 |
+
"epoch": 0.62,
|
| 657 |
+
"grad_norm": 0.0010919767160943903,
|
| 658 |
+
"learning_rate": 8.715724127386972e-05,
|
| 659 |
+
"loss": 0.0002,
|
| 660 |
+
"step": 93
|
| 661 |
+
},
|
| 662 |
+
{
|
| 663 |
+
"epoch": 0.6266666666666667,
|
| 664 |
+
"grad_norm": 0.0070978829743967254,
|
| 665 |
+
"learning_rate": 8.676545040299145e-05,
|
| 666 |
+
"loss": 0.0022,
|
| 667 |
+
"step": 94
|
| 668 |
+
},
|
| 669 |
+
{
|
| 670 |
+
"epoch": 0.6333333333333333,
|
| 671 |
+
"grad_norm": 0.00036329441861054316,
|
| 672 |
+
"learning_rate": 8.636868207865244e-05,
|
| 673 |
+
"loss": 0.0001,
|
| 674 |
+
"step": 95
|
| 675 |
+
},
|
| 676 |
+
{
|
| 677 |
+
"epoch": 0.64,
|
| 678 |
+
"grad_norm": 0.014407696590741724,
|
| 679 |
+
"learning_rate": 8.596699001693255e-05,
|
| 680 |
+
"loss": 0.0015,
|
| 681 |
+
"step": 96
|
| 682 |
+
},
|
| 683 |
+
{
|
| 684 |
+
"epoch": 0.6466666666666666,
|
| 685 |
+
"grad_norm": 0.0030471899716685165,
|
| 686 |
+
"learning_rate": 8.556042860050687e-05,
|
| 687 |
+
"loss": 0.0007,
|
| 688 |
+
"step": 97
|
| 689 |
+
},
|
| 690 |
+
{
|
| 691 |
+
"epoch": 0.6533333333333333,
|
| 692 |
+
"grad_norm": 0.003464467903049435,
|
| 693 |
+
"learning_rate": 8.51490528712831e-05,
|
| 694 |
+
"loss": 0.0006,
|
| 695 |
+
"step": 98
|
| 696 |
+
},
|
| 697 |
+
{
|
| 698 |
+
"epoch": 0.66,
|
| 699 |
+
"grad_norm": 0.11138074631187647,
|
| 700 |
+
"learning_rate": 8.473291852294987e-05,
|
| 701 |
+
"loss": 0.035,
|
| 702 |
+
"step": 99
|
| 703 |
+
},
|
| 704 |
+
{
|
| 705 |
+
"epoch": 0.6666666666666666,
|
| 706 |
+
"grad_norm": 0.0013202940649701589,
|
| 707 |
+
"learning_rate": 8.43120818934367e-05,
|
| 708 |
+
"loss": 0.0003,
|
| 709 |
+
"step": 100
|
| 710 |
+
},
|
| 711 |
+
{
|
| 712 |
+
"epoch": 0.6733333333333333,
|
| 713 |
+
"grad_norm": 0.0012280879879575937,
|
| 714 |
+
"learning_rate": 8.388659995728663e-05,
|
| 715 |
+
"loss": 0.0003,
|
| 716 |
+
"step": 101
|
| 717 |
+
},
|
| 718 |
+
{
|
| 719 |
+
"epoch": 0.68,
|
| 720 |
+
"grad_norm": 0.0005893246915399455,
|
| 721 |
+
"learning_rate": 8.345653031794292e-05,
|
| 722 |
+
"loss": 0.0002,
|
| 723 |
+
"step": 102
|
| 724 |
+
},
|
| 725 |
+
{
|
| 726 |
+
"epoch": 0.6866666666666666,
|
| 727 |
+
"grad_norm": 0.008273619998741781,
|
| 728 |
+
"learning_rate": 8.302193119995039e-05,
|
| 729 |
+
"loss": 0.0013,
|
| 730 |
+
"step": 103
|
| 731 |
+
},
|
| 732 |
+
{
|
| 733 |
+
"epoch": 0.6933333333333334,
|
| 734 |
+
"grad_norm": 0.010057094190166717,
|
| 735 |
+
"learning_rate": 8.258286144107276e-05,
|
| 736 |
+
"loss": 0.0014,
|
| 737 |
+
"step": 104
|
| 738 |
+
},
|
| 739 |
+
{
|
| 740 |
+
"epoch": 0.7,
|
| 741 |
+
"grad_norm": 0.020291817971856006,
|
| 742 |
+
"learning_rate": 8.213938048432697e-05,
|
| 743 |
+
"loss": 0.004,
|
| 744 |
+
"step": 105
|
| 745 |
+
},
|
| 746 |
+
{
|
| 747 |
+
"epoch": 0.7066666666666667,
|
| 748 |
+
"grad_norm": 0.006370988993567442,
|
| 749 |
+
"learning_rate": 8.169154836993551e-05,
|
| 750 |
+
"loss": 0.0011,
|
| 751 |
+
"step": 106
|
| 752 |
+
},
|
| 753 |
+
{
|
| 754 |
+
"epoch": 0.7133333333333334,
|
| 755 |
+
"grad_norm": 0.00021592458235370992,
|
| 756 |
+
"learning_rate": 8.1239425727198e-05,
|
| 757 |
+
"loss": 0.0,
|
| 758 |
+
"step": 107
|
| 759 |
+
},
|
| 760 |
+
{
|
| 761 |
+
"epoch": 0.72,
|
| 762 |
+
"grad_norm": 0.018475989690273927,
|
| 763 |
+
"learning_rate": 8.07830737662829e-05,
|
| 764 |
+
"loss": 0.0043,
|
| 765 |
+
"step": 108
|
| 766 |
+
},
|
| 767 |
+
{
|
| 768 |
+
"epoch": 0.7266666666666667,
|
| 769 |
+
"grad_norm": 0.0047922311203006515,
|
| 770 |
+
"learning_rate": 8.032255426994069e-05,
|
| 771 |
+
"loss": 0.0007,
|
| 772 |
+
"step": 109
|
| 773 |
+
},
|
| 774 |
+
{
|
| 775 |
+
"epoch": 0.7333333333333333,
|
| 776 |
+
"grad_norm": 0.0056305557958139405,
|
| 777 |
+
"learning_rate": 7.985792958513931e-05,
|
| 778 |
+
"loss": 0.0007,
|
| 779 |
+
"step": 110
|
| 780 |
+
},
|
| 781 |
+
{
|
| 782 |
+
"epoch": 0.74,
|
| 783 |
+
"grad_norm": 0.009207527429328918,
|
| 784 |
+
"learning_rate": 7.938926261462366e-05,
|
| 785 |
+
"loss": 0.0016,
|
| 786 |
+
"step": 111
|
| 787 |
+
},
|
| 788 |
+
{
|
| 789 |
+
"epoch": 0.7466666666666667,
|
| 790 |
+
"grad_norm": 0.0006047055295440849,
|
| 791 |
+
"learning_rate": 7.891661680839932e-05,
|
| 792 |
+
"loss": 0.0001,
|
| 793 |
+
"step": 112
|
| 794 |
+
},
|
| 795 |
+
{
|
| 796 |
+
"epoch": 0.7533333333333333,
|
| 797 |
+
"grad_norm": 0.018112668500209515,
|
| 798 |
+
"learning_rate": 7.844005615514259e-05,
|
| 799 |
+
"loss": 0.0043,
|
| 800 |
+
"step": 113
|
| 801 |
+
},
|
| 802 |
+
{
|
| 803 |
+
"epoch": 0.76,
|
| 804 |
+
"grad_norm": 0.019858934965056797,
|
| 805 |
+
"learning_rate": 7.795964517353735e-05,
|
| 806 |
+
"loss": 0.002,
|
| 807 |
+
"step": 114
|
| 808 |
+
},
|
| 809 |
+
{
|
| 810 |
+
"epoch": 0.7666666666666667,
|
| 811 |
+
"grad_norm": 0.00018747235763939927,
|
| 812 |
+
"learning_rate": 7.74754489035403e-05,
|
| 813 |
+
"loss": 0.0,
|
| 814 |
+
"step": 115
|
| 815 |
+
},
|
| 816 |
+
{
|
| 817 |
+
"epoch": 0.7733333333333333,
|
| 818 |
+
"grad_norm": 0.0002527942047071109,
|
| 819 |
+
"learning_rate": 7.698753289757565e-05,
|
| 820 |
+
"loss": 0.0,
|
| 821 |
+
"step": 116
|
| 822 |
+
},
|
| 823 |
+
{
|
| 824 |
+
"epoch": 0.78,
|
| 825 |
+
"grad_norm": 0.0076352245820117785,
|
| 826 |
+
"learning_rate": 7.649596321166024e-05,
|
| 827 |
+
"loss": 0.0018,
|
| 828 |
+
"step": 117
|
| 829 |
+
},
|
| 830 |
+
{
|
| 831 |
+
"epoch": 0.7866666666666666,
|
| 832 |
+
"grad_norm": 0.021682098386230916,
|
| 833 |
+
"learning_rate": 7.600080639646077e-05,
|
| 834 |
+
"loss": 0.0034,
|
| 835 |
+
"step": 118
|
| 836 |
+
},
|
| 837 |
+
{
|
| 838 |
+
"epoch": 0.7933333333333333,
|
| 839 |
+
"grad_norm": 0.0003418675361532699,
|
| 840 |
+
"learning_rate": 7.550212948828377e-05,
|
| 841 |
+
"loss": 0.0001,
|
| 842 |
+
"step": 119
|
| 843 |
+
},
|
| 844 |
+
{
|
| 845 |
+
"epoch": 0.8,
|
| 846 |
+
"grad_norm": 0.01327861183877304,
|
| 847 |
+
"learning_rate": 7.500000000000001e-05,
|
| 848 |
+
"loss": 0.0037,
|
| 849 |
+
"step": 120
|
| 850 |
+
},
|
| 851 |
+
{
|
| 852 |
+
"epoch": 0.8066666666666666,
|
| 853 |
+
"grad_norm": 0.004035480575877641,
|
| 854 |
+
"learning_rate": 7.449448591190435e-05,
|
| 855 |
+
"loss": 0.0004,
|
| 856 |
+
"step": 121
|
| 857 |
+
},
|
| 858 |
+
{
|
| 859 |
+
"epoch": 0.8133333333333334,
|
| 860 |
+
"grad_norm": 0.02462494127782071,
|
| 861 |
+
"learning_rate": 7.398565566251232e-05,
|
| 862 |
+
"loss": 0.0015,
|
| 863 |
+
"step": 122
|
| 864 |
+
},
|
| 865 |
+
{
|
| 866 |
+
"epoch": 0.82,
|
| 867 |
+
"grad_norm": 0.00028929080031529303,
|
| 868 |
+
"learning_rate": 7.347357813929454e-05,
|
| 869 |
+
"loss": 0.0,
|
| 870 |
+
"step": 123
|
| 871 |
+
},
|
| 872 |
+
{
|
| 873 |
+
"epoch": 0.8266666666666667,
|
| 874 |
+
"grad_norm": 0.0011004705058312045,
|
| 875 |
+
"learning_rate": 7.295832266935059e-05,
|
| 876 |
+
"loss": 0.0001,
|
| 877 |
+
"step": 124
|
| 878 |
+
},
|
| 879 |
+
{
|
| 880 |
+
"epoch": 0.8333333333333334,
|
| 881 |
+
"grad_norm": 0.0008421049360914082,
|
| 882 |
+
"learning_rate": 7.243995901002312e-05,
|
| 883 |
+
"loss": 0.0001,
|
| 884 |
+
"step": 125
|
| 885 |
+
},
|
| 886 |
+
{
|
| 887 |
+
"epoch": 0.84,
|
| 888 |
+
"grad_norm": 0.002857277007900197,
|
| 889 |
+
"learning_rate": 7.191855733945387e-05,
|
| 890 |
+
"loss": 0.0003,
|
| 891 |
+
"step": 126
|
| 892 |
+
},
|
| 893 |
+
{
|
| 894 |
+
"epoch": 0.8466666666666667,
|
| 895 |
+
"grad_norm": 0.004991942776888921,
|
| 896 |
+
"learning_rate": 7.139418824708272e-05,
|
| 897 |
+
"loss": 0.0008,
|
| 898 |
+
"step": 127
|
| 899 |
+
},
|
| 900 |
+
{
|
| 901 |
+
"epoch": 0.8533333333333334,
|
| 902 |
+
"grad_norm": 0.0034810519105614494,
|
| 903 |
+
"learning_rate": 7.08669227240909e-05,
|
| 904 |
+
"loss": 0.0004,
|
| 905 |
+
"step": 128
|
| 906 |
+
},
|
| 907 |
+
{
|
| 908 |
+
"epoch": 0.86,
|
| 909 |
+
"grad_norm": 0.0013393663186389013,
|
| 910 |
+
"learning_rate": 7.033683215379002e-05,
|
| 911 |
+
"loss": 0.0003,
|
| 912 |
+
"step": 129
|
| 913 |
+
},
|
| 914 |
+
{
|
| 915 |
+
"epoch": 0.8666666666666667,
|
| 916 |
+
"grad_norm": 0.001938276228289727,
|
| 917 |
+
"learning_rate": 6.980398830195785e-05,
|
| 918 |
+
"loss": 0.0003,
|
| 919 |
+
"step": 130
|
| 920 |
+
},
|
| 921 |
+
{
|
| 922 |
+
"epoch": 0.8733333333333333,
|
| 923 |
+
"grad_norm": 0.08997477894619263,
|
| 924 |
+
"learning_rate": 6.926846330712242e-05,
|
| 925 |
+
"loss": 0.048,
|
| 926 |
+
"step": 131
|
| 927 |
+
},
|
| 928 |
+
{
|
| 929 |
+
"epoch": 0.88,
|
| 930 |
+
"grad_norm": 0.16844510206079435,
|
| 931 |
+
"learning_rate": 6.873032967079561e-05,
|
| 932 |
+
"loss": 0.0097,
|
| 933 |
+
"step": 132
|
| 934 |
+
},
|
| 935 |
+
{
|
| 936 |
+
"epoch": 0.8866666666666667,
|
| 937 |
+
"grad_norm": 0.000888674134407202,
|
| 938 |
+
"learning_rate": 6.818966024765758e-05,
|
| 939 |
+
"loss": 0.0001,
|
| 940 |
+
"step": 133
|
| 941 |
+
},
|
| 942 |
+
{
|
| 943 |
+
"epoch": 0.8933333333333333,
|
| 944 |
+
"grad_norm": 0.009228988026029453,
|
| 945 |
+
"learning_rate": 6.764652823569344e-05,
|
| 946 |
+
"loss": 0.0012,
|
| 947 |
+
"step": 134
|
| 948 |
+
},
|
| 949 |
+
{
|
| 950 |
+
"epoch": 0.9,
|
| 951 |
+
"grad_norm": 0.004453025347443679,
|
| 952 |
+
"learning_rate": 6.710100716628344e-05,
|
| 953 |
+
"loss": 0.0005,
|
| 954 |
+
"step": 135
|
| 955 |
+
},
|
| 956 |
+
{
|
| 957 |
+
"epoch": 0.9066666666666666,
|
| 958 |
+
"grad_norm": 0.01793832388894505,
|
| 959 |
+
"learning_rate": 6.65531708942479e-05,
|
| 960 |
+
"loss": 0.0046,
|
| 961 |
+
"step": 136
|
| 962 |
+
},
|
| 963 |
+
{
|
| 964 |
+
"epoch": 0.9133333333333333,
|
| 965 |
+
"grad_norm": 0.0028230394752545326,
|
| 966 |
+
"learning_rate": 6.600309358784857e-05,
|
| 967 |
+
"loss": 0.0003,
|
| 968 |
+
"step": 137
|
| 969 |
+
},
|
| 970 |
+
{
|
| 971 |
+
"epoch": 0.92,
|
| 972 |
+
"grad_norm": 0.0027859088289514393,
|
| 973 |
+
"learning_rate": 6.545084971874738e-05,
|
| 974 |
+
"loss": 0.0003,
|
| 975 |
+
"step": 138
|
| 976 |
+
},
|
| 977 |
+
{
|
| 978 |
+
"epoch": 0.9266666666666666,
|
| 979 |
+
"grad_norm": 0.008822483096755842,
|
| 980 |
+
"learning_rate": 6.48965140519241e-05,
|
| 981 |
+
"loss": 0.0015,
|
| 982 |
+
"step": 139
|
| 983 |
+
},
|
| 984 |
+
{
|
| 985 |
+
"epoch": 0.9333333333333333,
|
| 986 |
+
"grad_norm": 0.007905295917479512,
|
| 987 |
+
"learning_rate": 6.434016163555452e-05,
|
| 988 |
+
"loss": 0.0006,
|
| 989 |
+
"step": 140
|
| 990 |
+
},
|
| 991 |
+
{
|
| 992 |
+
"epoch": 0.94,
|
| 993 |
+
"grad_norm": 0.005445432989462053,
|
| 994 |
+
"learning_rate": 6.378186779084995e-05,
|
| 995 |
+
"loss": 0.0009,
|
| 996 |
+
"step": 141
|
| 997 |
+
},
|
| 998 |
+
{
|
| 999 |
+
"epoch": 0.9466666666666667,
|
| 1000 |
+
"grad_norm": 0.012588460609710635,
|
| 1001 |
+
"learning_rate": 6.322170810186012e-05,
|
| 1002 |
+
"loss": 0.0036,
|
| 1003 |
+
"step": 142
|
| 1004 |
+
},
|
| 1005 |
+
{
|
| 1006 |
+
"epoch": 0.9533333333333334,
|
| 1007 |
+
"grad_norm": 0.0019277292503365924,
|
| 1008 |
+
"learning_rate": 6.26597584052401e-05,
|
| 1009 |
+
"loss": 0.0003,
|
| 1010 |
+
"step": 143
|
| 1011 |
+
},
|
| 1012 |
+
{
|
| 1013 |
+
"epoch": 0.96,
|
| 1014 |
+
"grad_norm": 0.0019484484917963651,
|
| 1015 |
+
"learning_rate": 6.209609477998338e-05,
|
| 1016 |
+
"loss": 0.0004,
|
| 1017 |
+
"step": 144
|
| 1018 |
+
},
|
| 1019 |
+
{
|
| 1020 |
+
"epoch": 0.9666666666666667,
|
| 1021 |
+
"grad_norm": 0.004747411789122029,
|
| 1022 |
+
"learning_rate": 6.153079353712201e-05,
|
| 1023 |
+
"loss": 0.0006,
|
| 1024 |
+
"step": 145
|
| 1025 |
+
},
|
| 1026 |
+
{
|
| 1027 |
+
"epoch": 0.9733333333333334,
|
| 1028 |
+
"grad_norm": 0.0059348847872391424,
|
| 1029 |
+
"learning_rate": 6.096393120939516e-05,
|
| 1030 |
+
"loss": 0.0013,
|
| 1031 |
+
"step": 146
|
| 1032 |
+
},
|
| 1033 |
+
{
|
| 1034 |
+
"epoch": 0.98,
|
| 1035 |
+
"grad_norm": 0.011898886338640825,
|
| 1036 |
+
"learning_rate": 6.0395584540887963e-05,
|
| 1037 |
+
"loss": 0.0012,
|
| 1038 |
+
"step": 147
|
| 1039 |
+
},
|
| 1040 |
+
{
|
| 1041 |
+
"epoch": 0.9866666666666667,
|
| 1042 |
+
"grad_norm": 0.06960036393010154,
|
| 1043 |
+
"learning_rate": 5.982583047664151e-05,
|
| 1044 |
+
"loss": 0.0067,
|
| 1045 |
+
"step": 148
|
| 1046 |
+
},
|
| 1047 |
+
{
|
| 1048 |
+
"epoch": 0.9933333333333333,
|
| 1049 |
+
"grad_norm": 0.0016042430770888461,
|
| 1050 |
+
"learning_rate": 5.925474615223573e-05,
|
| 1051 |
+
"loss": 0.0002,
|
| 1052 |
+
"step": 149
|
| 1053 |
+
},
|
| 1054 |
+
{
|
| 1055 |
+
"epoch": 1.0,
|
| 1056 |
+
"grad_norm": 0.00041045735757819376,
|
| 1057 |
+
"learning_rate": 5.868240888334653e-05,
|
| 1058 |
+
"loss": 0.0001,
|
| 1059 |
+
"step": 150
|
| 1060 |
+
},
|
| 1061 |
+
{
|
| 1062 |
+
"epoch": 1.0,
|
| 1063 |
+
"eval_loss": 0.0074932328425347805,
|
| 1064 |
+
"eval_runtime": 0.3946,
|
| 1065 |
+
"eval_samples_per_second": 2.534,
|
| 1066 |
+
"eval_steps_per_second": 2.534,
|
| 1067 |
+
"step": 150
|
| 1068 |
+
},
|
| 1069 |
+
{
|
| 1070 |
+
"epoch": 1.0066666666666666,
|
| 1071 |
+
"grad_norm": 0.031089130649145917,
|
| 1072 |
+
"learning_rate": 5.810889615527838e-05,
|
| 1073 |
+
"loss": 0.0037,
|
| 1074 |
+
"step": 151
|
| 1075 |
+
},
|
| 1076 |
+
{
|
| 1077 |
+
"epoch": 1.0133333333333334,
|
| 1078 |
+
"grad_norm": 0.0006451095346604995,
|
| 1079 |
+
"learning_rate": 5.753428561247416e-05,
|
| 1080 |
+
"loss": 0.0001,
|
| 1081 |
+
"step": 152
|
| 1082 |
+
},
|
| 1083 |
+
{
|
| 1084 |
+
"epoch": 1.02,
|
| 1085 |
+
"grad_norm": 8.234464614280706e-05,
|
| 1086 |
+
"learning_rate": 5.695865504800327e-05,
|
| 1087 |
+
"loss": 0.0,
|
| 1088 |
+
"step": 153
|
| 1089 |
+
},
|
| 1090 |
+
{
|
| 1091 |
+
"epoch": 1.0266666666666666,
|
| 1092 |
+
"grad_norm": 0.00019303862372940268,
|
| 1093 |
+
"learning_rate": 5.6382082393029746e-05,
|
| 1094 |
+
"loss": 0.0,
|
| 1095 |
+
"step": 154
|
| 1096 |
+
},
|
| 1097 |
+
{
|
| 1098 |
+
"epoch": 1.0333333333333334,
|
| 1099 |
+
"grad_norm": 0.00029651909090874535,
|
| 1100 |
+
"learning_rate": 5.5804645706261514e-05,
|
| 1101 |
+
"loss": 0.0001,
|
| 1102 |
+
"step": 155
|
| 1103 |
+
},
|
| 1104 |
+
{
|
| 1105 |
+
"epoch": 1.04,
|
| 1106 |
+
"grad_norm": 0.0012350976050947713,
|
| 1107 |
+
"learning_rate": 5.522642316338268e-05,
|
| 1108 |
+
"loss": 0.0002,
|
| 1109 |
+
"step": 156
|
| 1110 |
+
},
|
| 1111 |
+
{
|
| 1112 |
+
"epoch": 1.0466666666666666,
|
| 1113 |
+
"grad_norm": 0.00020884217432790283,
|
| 1114 |
+
"learning_rate": 5.464749304646962e-05,
|
| 1115 |
+
"loss": 0.0,
|
| 1116 |
+
"step": 157
|
| 1117 |
+
},
|
| 1118 |
+
{
|
| 1119 |
+
"epoch": 1.0533333333333332,
|
| 1120 |
+
"grad_norm": 0.0003824216483842935,
|
| 1121 |
+
"learning_rate": 5.4067933733392915e-05,
|
| 1122 |
+
"loss": 0.0001,
|
| 1123 |
+
"step": 158
|
| 1124 |
+
},
|
| 1125 |
+
{
|
| 1126 |
+
"epoch": 1.06,
|
| 1127 |
+
"grad_norm": 0.00034070477848585564,
|
| 1128 |
+
"learning_rate": 5.348782368720626e-05,
|
| 1129 |
+
"loss": 0.0001,
|
| 1130 |
+
"step": 159
|
| 1131 |
+
},
|
| 1132 |
+
{
|
| 1133 |
+
"epoch": 1.0666666666666667,
|
| 1134 |
+
"grad_norm": 0.0003572470470127684,
|
| 1135 |
+
"learning_rate": 5.290724144552379e-05,
|
| 1136 |
+
"loss": 0.0001,
|
| 1137 |
+
"step": 160
|
| 1138 |
+
},
|
| 1139 |
+
{
|
| 1140 |
+
"epoch": 1.0733333333333333,
|
| 1141 |
+
"grad_norm": 0.0018513471674874193,
|
| 1142 |
+
"learning_rate": 5.232626560988735e-05,
|
| 1143 |
+
"loss": 0.0005,
|
| 1144 |
+
"step": 161
|
| 1145 |
+
},
|
| 1146 |
+
{
|
| 1147 |
+
"epoch": 1.08,
|
| 1148 |
+
"grad_norm": 0.00043801272411854095,
|
| 1149 |
+
"learning_rate": 5.174497483512506e-05,
|
| 1150 |
+
"loss": 0.0001,
|
| 1151 |
+
"step": 162
|
| 1152 |
+
},
|
| 1153 |
+
{
|
| 1154 |
+
"epoch": 1.0866666666666667,
|
| 1155 |
+
"grad_norm": 0.0005392231831032653,
|
| 1156 |
+
"learning_rate": 5.116344781870281e-05,
|
| 1157 |
+
"loss": 0.0001,
|
| 1158 |
+
"step": 163
|
| 1159 |
+
},
|
| 1160 |
+
{
|
| 1161 |
+
"epoch": 1.0933333333333333,
|
| 1162 |
+
"grad_norm": 0.0007184124255617073,
|
| 1163 |
+
"learning_rate": 5.0581763290069865e-05,
|
| 1164 |
+
"loss": 0.0002,
|
| 1165 |
+
"step": 164
|
| 1166 |
+
},
|
| 1167 |
+
{
|
| 1168 |
+
"epoch": 1.1,
|
| 1169 |
+
"grad_norm": 0.004151719177702047,
|
| 1170 |
+
"learning_rate": 5e-05,
|
| 1171 |
+
"loss": 0.0006,
|
| 1172 |
+
"step": 165
|
| 1173 |
+
},
|
| 1174 |
+
{
|
| 1175 |
+
"epoch": 1.1066666666666667,
|
| 1176 |
+
"grad_norm": 0.0006818926306425922,
|
| 1177 |
+
"learning_rate": 4.941823670993016e-05,
|
| 1178 |
+
"loss": 0.0001,
|
| 1179 |
+
"step": 166
|
| 1180 |
+
},
|
| 1181 |
+
{
|
| 1182 |
+
"epoch": 1.1133333333333333,
|
| 1183 |
+
"grad_norm": 0.005536496383783915,
|
| 1184 |
+
"learning_rate": 4.883655218129719e-05,
|
| 1185 |
+
"loss": 0.0017,
|
| 1186 |
+
"step": 167
|
| 1187 |
+
},
|
| 1188 |
+
{
|
| 1189 |
+
"epoch": 1.12,
|
| 1190 |
+
"grad_norm": 0.09618686462708961,
|
| 1191 |
+
"learning_rate": 4.825502516487497e-05,
|
| 1192 |
+
"loss": 0.0099,
|
| 1193 |
+
"step": 168
|
| 1194 |
+
},
|
| 1195 |
+
{
|
| 1196 |
+
"epoch": 1.1266666666666667,
|
| 1197 |
+
"grad_norm": 0.0012136012952360053,
|
| 1198 |
+
"learning_rate": 4.767373439011267e-05,
|
| 1199 |
+
"loss": 0.0002,
|
| 1200 |
+
"step": 169
|
| 1201 |
+
},
|
| 1202 |
+
{
|
| 1203 |
+
"epoch": 1.1333333333333333,
|
| 1204 |
+
"grad_norm": 0.004678614392813985,
|
| 1205 |
+
"learning_rate": 4.709275855447621e-05,
|
| 1206 |
+
"loss": 0.0008,
|
| 1207 |
+
"step": 170
|
| 1208 |
+
},
|
| 1209 |
+
{
|
| 1210 |
+
"epoch": 1.1400000000000001,
|
| 1211 |
+
"grad_norm": 0.0009654276621053264,
|
| 1212 |
+
"learning_rate": 4.6512176312793736e-05,
|
| 1213 |
+
"loss": 0.0001,
|
| 1214 |
+
"step": 171
|
| 1215 |
+
},
|
| 1216 |
+
{
|
| 1217 |
+
"epoch": 1.1466666666666667,
|
| 1218 |
+
"grad_norm": 0.005433216212881821,
|
| 1219 |
+
"learning_rate": 4.593206626660709e-05,
|
| 1220 |
+
"loss": 0.001,
|
| 1221 |
+
"step": 172
|
| 1222 |
+
},
|
| 1223 |
+
{
|
| 1224 |
+
"epoch": 1.1533333333333333,
|
| 1225 |
+
"grad_norm": 0.0007414920348638349,
|
| 1226 |
+
"learning_rate": 4.535250695353039e-05,
|
| 1227 |
+
"loss": 0.0001,
|
| 1228 |
+
"step": 173
|
| 1229 |
+
},
|
| 1230 |
+
{
|
| 1231 |
+
"epoch": 1.16,
|
| 1232 |
+
"grad_norm": 0.006152285912748001,
|
| 1233 |
+
"learning_rate": 4.477357683661734e-05,
|
| 1234 |
+
"loss": 0.001,
|
| 1235 |
+
"step": 174
|
| 1236 |
+
},
|
| 1237 |
+
{
|
| 1238 |
+
"epoch": 1.1666666666666667,
|
| 1239 |
+
"grad_norm": 0.006246928301751163,
|
| 1240 |
+
"learning_rate": 4.4195354293738484e-05,
|
| 1241 |
+
"loss": 0.0015,
|
| 1242 |
+
"step": 175
|
| 1243 |
+
},
|
| 1244 |
+
{
|
| 1245 |
+
"epoch": 1.1733333333333333,
|
| 1246 |
+
"grad_norm": 0.0005151100594549171,
|
| 1247 |
+
"learning_rate": 4.361791760697027e-05,
|
| 1248 |
+
"loss": 0.0001,
|
| 1249 |
+
"step": 176
|
| 1250 |
+
},
|
| 1251 |
+
{
|
| 1252 |
+
"epoch": 1.18,
|
| 1253 |
+
"grad_norm": 0.0005548147703352298,
|
| 1254 |
+
"learning_rate": 4.3041344951996746e-05,
|
| 1255 |
+
"loss": 0.0001,
|
| 1256 |
+
"step": 177
|
| 1257 |
+
},
|
| 1258 |
+
{
|
| 1259 |
+
"epoch": 1.1866666666666668,
|
| 1260 |
+
"grad_norm": 7.805343776674219e-05,
|
| 1261 |
+
"learning_rate": 4.246571438752585e-05,
|
| 1262 |
+
"loss": 0.0,
|
| 1263 |
+
"step": 178
|
| 1264 |
+
},
|
| 1265 |
+
{
|
| 1266 |
+
"epoch": 1.1933333333333334,
|
| 1267 |
+
"grad_norm": 0.0004112314650348955,
|
| 1268 |
+
"learning_rate": 4.1891103844721636e-05,
|
| 1269 |
+
"loss": 0.0,
|
| 1270 |
+
"step": 179
|
| 1271 |
+
},
|
| 1272 |
+
{
|
| 1273 |
+
"epoch": 1.2,
|
| 1274 |
+
"grad_norm": 0.0016542476720152485,
|
| 1275 |
+
"learning_rate": 4.131759111665349e-05,
|
| 1276 |
+
"loss": 0.0003,
|
| 1277 |
+
"step": 180
|
| 1278 |
+
},
|
| 1279 |
+
{
|
| 1280 |
+
"epoch": 1.2066666666666666,
|
| 1281 |
+
"grad_norm": 0.0006428348768959248,
|
| 1282 |
+
"learning_rate": 4.074525384776428e-05,
|
| 1283 |
+
"loss": 0.0002,
|
| 1284 |
+
"step": 181
|
| 1285 |
+
},
|
| 1286 |
+
{
|
| 1287 |
+
"epoch": 1.2133333333333334,
|
| 1288 |
+
"grad_norm": 0.00012026219259738094,
|
| 1289 |
+
"learning_rate": 4.017416952335849e-05,
|
| 1290 |
+
"loss": 0.0,
|
| 1291 |
+
"step": 182
|
| 1292 |
+
},
|
| 1293 |
+
{
|
| 1294 |
+
"epoch": 1.22,
|
| 1295 |
+
"grad_norm": 0.000863217268550875,
|
| 1296 |
+
"learning_rate": 3.960441545911204e-05,
|
| 1297 |
+
"loss": 0.0002,
|
| 1298 |
+
"step": 183
|
| 1299 |
+
},
|
| 1300 |
+
{
|
| 1301 |
+
"epoch": 1.2266666666666666,
|
| 1302 |
+
"grad_norm": 0.0005225555214027371,
|
| 1303 |
+
"learning_rate": 3.903606879060483e-05,
|
| 1304 |
+
"loss": 0.0001,
|
| 1305 |
+
"step": 184
|
| 1306 |
+
},
|
| 1307 |
+
{
|
| 1308 |
+
"epoch": 1.2333333333333334,
|
| 1309 |
+
"grad_norm": 8.264161874997438e-05,
|
| 1310 |
+
"learning_rate": 3.846920646287799e-05,
|
| 1311 |
+
"loss": 0.0,
|
| 1312 |
+
"step": 185
|
| 1313 |
+
},
|
| 1314 |
+
{
|
| 1315 |
+
"epoch": 1.24,
|
| 1316 |
+
"grad_norm": 0.0042856859623411035,
|
| 1317 |
+
"learning_rate": 3.790390522001662e-05,
|
| 1318 |
+
"loss": 0.0006,
|
| 1319 |
+
"step": 186
|
| 1320 |
+
},
|
| 1321 |
+
{
|
| 1322 |
+
"epoch": 1.2466666666666666,
|
| 1323 |
+
"grad_norm": 0.00029850213325454306,
|
| 1324 |
+
"learning_rate": 3.7340241594759916e-05,
|
| 1325 |
+
"loss": 0.0001,
|
| 1326 |
+
"step": 187
|
| 1327 |
+
},
|
| 1328 |
+
{
|
| 1329 |
+
"epoch": 1.2533333333333334,
|
| 1330 |
+
"grad_norm": 0.0001996204775418948,
|
| 1331 |
+
"learning_rate": 3.67782918981399e-05,
|
| 1332 |
+
"loss": 0.0,
|
| 1333 |
+
"step": 188
|
| 1334 |
+
},
|
| 1335 |
+
{
|
| 1336 |
+
"epoch": 1.26,
|
| 1337 |
+
"grad_norm": 0.0001766475680789723,
|
| 1338 |
+
"learning_rate": 3.6218132209150045e-05,
|
| 1339 |
+
"loss": 0.0,
|
| 1340 |
+
"step": 189
|
| 1341 |
+
},
|
| 1342 |
+
{
|
| 1343 |
+
"epoch": 1.2666666666666666,
|
| 1344 |
+
"grad_norm": 0.0013779410003049353,
|
| 1345 |
+
"learning_rate": 3.5659838364445505e-05,
|
| 1346 |
+
"loss": 0.0002,
|
| 1347 |
+
"step": 190
|
| 1348 |
+
},
|
| 1349 |
+
{
|
| 1350 |
+
"epoch": 1.2733333333333334,
|
| 1351 |
+
"grad_norm": 0.003339916779830804,
|
| 1352 |
+
"learning_rate": 3.51034859480759e-05,
|
| 1353 |
+
"loss": 0.0002,
|
| 1354 |
+
"step": 191
|
| 1355 |
+
},
|
| 1356 |
+
{
|
| 1357 |
+
"epoch": 1.28,
|
| 1358 |
+
"grad_norm": 0.008805917492538545,
|
| 1359 |
+
"learning_rate": 3.4549150281252636e-05,
|
| 1360 |
+
"loss": 0.0013,
|
| 1361 |
+
"step": 192
|
| 1362 |
+
},
|
| 1363 |
+
{
|
| 1364 |
+
"epoch": 1.2866666666666666,
|
| 1365 |
+
"grad_norm": 3.748257443113416e-05,
|
| 1366 |
+
"learning_rate": 3.399690641215142e-05,
|
| 1367 |
+
"loss": 0.0,
|
| 1368 |
+
"step": 193
|
| 1369 |
+
},
|
| 1370 |
+
{
|
| 1371 |
+
"epoch": 1.2933333333333334,
|
| 1372 |
+
"grad_norm": 0.0005340498756181954,
|
| 1373 |
+
"learning_rate": 3.34468291057521e-05,
|
| 1374 |
+
"loss": 0.0001,
|
| 1375 |
+
"step": 194
|
| 1376 |
+
},
|
| 1377 |
+
{
|
| 1378 |
+
"epoch": 1.3,
|
| 1379 |
+
"grad_norm": 0.00033997327233216174,
|
| 1380 |
+
"learning_rate": 3.289899283371657e-05,
|
| 1381 |
+
"loss": 0.0001,
|
| 1382 |
+
"step": 195
|
| 1383 |
+
},
|
| 1384 |
+
{
|
| 1385 |
+
"epoch": 1.3066666666666666,
|
| 1386 |
+
"grad_norm": 0.00034127047387187356,
|
| 1387 |
+
"learning_rate": 3.235347176430656e-05,
|
| 1388 |
+
"loss": 0.0001,
|
| 1389 |
+
"step": 196
|
| 1390 |
+
},
|
| 1391 |
+
{
|
| 1392 |
+
"epoch": 1.3133333333333335,
|
| 1393 |
+
"grad_norm": 0.00047552332313896843,
|
| 1394 |
+
"learning_rate": 3.1810339752342446e-05,
|
| 1395 |
+
"loss": 0.0002,
|
| 1396 |
+
"step": 197
|
| 1397 |
+
},
|
| 1398 |
+
{
|
| 1399 |
+
"epoch": 1.32,
|
| 1400 |
+
"grad_norm": 0.001580644296476945,
|
| 1401 |
+
"learning_rate": 3.12696703292044e-05,
|
| 1402 |
+
"loss": 0.0002,
|
| 1403 |
+
"step": 198
|
| 1404 |
+
},
|
| 1405 |
+
{
|
| 1406 |
+
"epoch": 1.3266666666666667,
|
| 1407 |
+
"grad_norm": 0.0003860111380962226,
|
| 1408 |
+
"learning_rate": 3.073153669287759e-05,
|
| 1409 |
+
"loss": 0.0,
|
| 1410 |
+
"step": 199
|
| 1411 |
+
},
|
| 1412 |
+
{
|
| 1413 |
+
"epoch": 1.3333333333333333,
|
| 1414 |
+
"grad_norm": 0.00043450540763884386,
|
| 1415 |
+
"learning_rate": 3.019601169804216e-05,
|
| 1416 |
+
"loss": 0.0001,
|
| 1417 |
+
"step": 200
|
| 1418 |
+
},
|
| 1419 |
+
{
|
| 1420 |
+
"epoch": 1.34,
|
| 1421 |
+
"grad_norm": 0.0005078197808178275,
|
| 1422 |
+
"learning_rate": 2.9663167846209998e-05,
|
| 1423 |
+
"loss": 0.0001,
|
| 1424 |
+
"step": 201
|
| 1425 |
+
},
|
| 1426 |
+
{
|
| 1427 |
+
"epoch": 1.3466666666666667,
|
| 1428 |
+
"grad_norm": 0.010410515696474101,
|
| 1429 |
+
"learning_rate": 2.9133077275909108e-05,
|
| 1430 |
+
"loss": 0.001,
|
| 1431 |
+
"step": 202
|
| 1432 |
+
},
|
| 1433 |
+
{
|
| 1434 |
+
"epoch": 1.3533333333333333,
|
| 1435 |
+
"grad_norm": 0.013094598346933982,
|
| 1436 |
+
"learning_rate": 2.86058117529173e-05,
|
| 1437 |
+
"loss": 0.001,
|
| 1438 |
+
"step": 203
|
| 1439 |
+
},
|
| 1440 |
+
{
|
| 1441 |
+
"epoch": 1.3599999999999999,
|
| 1442 |
+
"grad_norm": 0.00039578705354724556,
|
| 1443 |
+
"learning_rate": 2.8081442660546125e-05,
|
| 1444 |
+
"loss": 0.0001,
|
| 1445 |
+
"step": 204
|
| 1446 |
+
},
|
| 1447 |
+
{
|
| 1448 |
+
"epoch": 1.3666666666666667,
|
| 1449 |
+
"grad_norm": 0.005772801852066743,
|
| 1450 |
+
"learning_rate": 2.7560040989976892e-05,
|
| 1451 |
+
"loss": 0.0005,
|
| 1452 |
+
"step": 205
|
| 1453 |
+
},
|
| 1454 |
+
{
|
| 1455 |
+
"epoch": 1.3733333333333333,
|
| 1456 |
+
"grad_norm": 0.0009128644518254651,
|
| 1457 |
+
"learning_rate": 2.7041677330649407e-05,
|
| 1458 |
+
"loss": 0.0001,
|
| 1459 |
+
"step": 206
|
| 1460 |
+
},
|
| 1461 |
+
{
|
| 1462 |
+
"epoch": 1.38,
|
| 1463 |
+
"grad_norm": 0.004983225527982661,
|
| 1464 |
+
"learning_rate": 2.6526421860705473e-05,
|
| 1465 |
+
"loss": 0.0005,
|
| 1466 |
+
"step": 207
|
| 1467 |
+
},
|
| 1468 |
+
{
|
| 1469 |
+
"epoch": 1.3866666666666667,
|
| 1470 |
+
"grad_norm": 0.005898505662750197,
|
| 1471 |
+
"learning_rate": 2.6014344337487707e-05,
|
| 1472 |
+
"loss": 0.0009,
|
| 1473 |
+
"step": 208
|
| 1474 |
+
},
|
| 1475 |
+
{
|
| 1476 |
+
"epoch": 1.3933333333333333,
|
| 1477 |
+
"grad_norm": 0.00022202431543141628,
|
| 1478 |
+
"learning_rate": 2.5505514088095655e-05,
|
| 1479 |
+
"loss": 0.0,
|
| 1480 |
+
"step": 209
|
| 1481 |
+
},
|
| 1482 |
+
{
|
| 1483 |
+
"epoch": 1.4,
|
| 1484 |
+
"grad_norm": 0.00019053311808447888,
|
| 1485 |
+
"learning_rate": 2.500000000000001e-05,
|
| 1486 |
+
"loss": 0.0,
|
| 1487 |
+
"step": 210
|
| 1488 |
+
},
|
| 1489 |
+
{
|
| 1490 |
+
"epoch": 1.4066666666666667,
|
| 1491 |
+
"grad_norm": 7.744793320853118e-05,
|
| 1492 |
+
"learning_rate": 2.4497870511716235e-05,
|
| 1493 |
+
"loss": 0.0,
|
| 1494 |
+
"step": 211
|
| 1495 |
+
},
|
| 1496 |
+
{
|
| 1497 |
+
"epoch": 1.4133333333333333,
|
| 1498 |
+
"grad_norm": 0.011676656554674262,
|
| 1499 |
+
"learning_rate": 2.399919360353923e-05,
|
| 1500 |
+
"loss": 0.0007,
|
| 1501 |
+
"step": 212
|
| 1502 |
+
},
|
| 1503 |
+
{
|
| 1504 |
+
"epoch": 1.42,
|
| 1505 |
+
"grad_norm": 0.002490004051101118,
|
| 1506 |
+
"learning_rate": 2.350403678833976e-05,
|
| 1507 |
+
"loss": 0.0005,
|
| 1508 |
+
"step": 213
|
| 1509 |
+
},
|
| 1510 |
+
{
|
| 1511 |
+
"epoch": 1.4266666666666667,
|
| 1512 |
+
"grad_norm": 0.00507177145839392,
|
| 1513 |
+
"learning_rate": 2.3012467102424373e-05,
|
| 1514 |
+
"loss": 0.0005,
|
| 1515 |
+
"step": 214
|
| 1516 |
+
},
|
| 1517 |
+
{
|
| 1518 |
+
"epoch": 1.4333333333333333,
|
| 1519 |
+
"grad_norm": 0.004393215595981061,
|
| 1520 |
+
"learning_rate": 2.25245510964597e-05,
|
| 1521 |
+
"loss": 0.0002,
|
| 1522 |
+
"step": 215
|
| 1523 |
+
},
|
| 1524 |
+
{
|
| 1525 |
+
"epoch": 1.44,
|
| 1526 |
+
"grad_norm": 0.0006243364115855281,
|
| 1527 |
+
"learning_rate": 2.2040354826462668e-05,
|
| 1528 |
+
"loss": 0.0001,
|
| 1529 |
+
"step": 216
|
| 1530 |
+
},
|
| 1531 |
+
{
|
| 1532 |
+
"epoch": 1.4466666666666668,
|
| 1533 |
+
"grad_norm": 0.0006950287557028698,
|
| 1534 |
+
"learning_rate": 2.1559943844857422e-05,
|
| 1535 |
+
"loss": 0.0001,
|
| 1536 |
+
"step": 217
|
| 1537 |
+
},
|
| 1538 |
+
{
|
| 1539 |
+
"epoch": 1.4533333333333334,
|
| 1540 |
+
"grad_norm": 0.0005312225839140049,
|
| 1541 |
+
"learning_rate": 2.1083383191600674e-05,
|
| 1542 |
+
"loss": 0.0001,
|
| 1543 |
+
"step": 218
|
| 1544 |
+
},
|
| 1545 |
+
{
|
| 1546 |
+
"epoch": 1.46,
|
| 1547 |
+
"grad_norm": 0.0002135095235760697,
|
| 1548 |
+
"learning_rate": 2.061073738537635e-05,
|
| 1549 |
+
"loss": 0.0,
|
| 1550 |
+
"step": 219
|
| 1551 |
+
},
|
| 1552 |
+
{
|
| 1553 |
+
"epoch": 1.4666666666666668,
|
| 1554 |
+
"grad_norm": 0.0002562954895931104,
|
| 1555 |
+
"learning_rate": 2.0142070414860704e-05,
|
| 1556 |
+
"loss": 0.0,
|
| 1557 |
+
"step": 220
|
| 1558 |
+
},
|
| 1559 |
+
{
|
| 1560 |
+
"epoch": 1.4733333333333334,
|
| 1561 |
+
"grad_norm": 0.00017281221812328804,
|
| 1562 |
+
"learning_rate": 1.9677445730059346e-05,
|
| 1563 |
+
"loss": 0.0,
|
| 1564 |
+
"step": 221
|
| 1565 |
+
},
|
| 1566 |
+
{
|
| 1567 |
+
"epoch": 1.48,
|
| 1568 |
+
"grad_norm": 9.680690123587516e-05,
|
| 1569 |
+
"learning_rate": 1.9216926233717085e-05,
|
| 1570 |
+
"loss": 0.0,
|
| 1571 |
+
"step": 222
|
| 1572 |
+
},
|
| 1573 |
+
{
|
| 1574 |
+
"epoch": 1.4866666666666668,
|
| 1575 |
+
"grad_norm": 0.000404099128164839,
|
| 1576 |
+
"learning_rate": 1.8760574272802e-05,
|
| 1577 |
+
"loss": 0.0001,
|
| 1578 |
+
"step": 223
|
| 1579 |
+
},
|
| 1580 |
+
{
|
| 1581 |
+
"epoch": 1.4933333333333334,
|
| 1582 |
+
"grad_norm": 9.76411590058246e-05,
|
| 1583 |
+
"learning_rate": 1.8308451630064484e-05,
|
| 1584 |
+
"loss": 0.0,
|
| 1585 |
+
"step": 224
|
| 1586 |
+
},
|
| 1587 |
+
{
|
| 1588 |
+
"epoch": 1.5,
|
| 1589 |
+
"grad_norm": 0.0008982099629517151,
|
| 1590 |
+
"learning_rate": 1.7860619515673033e-05,
|
| 1591 |
+
"loss": 0.0001,
|
| 1592 |
+
"step": 225
|
| 1593 |
+
},
|
| 1594 |
+
{
|
| 1595 |
+
"epoch": 1.5066666666666668,
|
| 1596 |
+
"grad_norm": 3.113841512923947e-05,
|
| 1597 |
+
"learning_rate": 1.7417138558927244e-05,
|
| 1598 |
+
"loss": 0.0,
|
| 1599 |
+
"step": 226
|
| 1600 |
+
},
|
| 1601 |
+
{
|
| 1602 |
+
"epoch": 1.5133333333333332,
|
| 1603 |
+
"grad_norm": 0.00013109737767042696,
|
| 1604 |
+
"learning_rate": 1.6978068800049624e-05,
|
| 1605 |
+
"loss": 0.0,
|
| 1606 |
+
"step": 227
|
| 1607 |
+
},
|
| 1608 |
+
{
|
| 1609 |
+
"epoch": 1.52,
|
| 1610 |
+
"grad_norm": 0.00013912686292984707,
|
| 1611 |
+
"learning_rate": 1.6543469682057106e-05,
|
| 1612 |
+
"loss": 0.0,
|
| 1613 |
+
"step": 228
|
| 1614 |
+
},
|
| 1615 |
+
{
|
| 1616 |
+
"epoch": 1.5266666666666666,
|
| 1617 |
+
"grad_norm": 0.0004670681966045266,
|
| 1618 |
+
"learning_rate": 1.611340004271339e-05,
|
| 1619 |
+
"loss": 0.0001,
|
| 1620 |
+
"step": 229
|
| 1621 |
+
},
|
| 1622 |
+
{
|
| 1623 |
+
"epoch": 1.5333333333333332,
|
| 1624 |
+
"grad_norm": 0.0010468991806846528,
|
| 1625 |
+
"learning_rate": 1.5687918106563326e-05,
|
| 1626 |
+
"loss": 0.0001,
|
| 1627 |
+
"step": 230
|
| 1628 |
+
},
|
| 1629 |
+
{
|
| 1630 |
+
"epoch": 1.54,
|
| 1631 |
+
"grad_norm": 0.0021258827608900475,
|
| 1632 |
+
"learning_rate": 1.526708147705013e-05,
|
| 1633 |
+
"loss": 0.0002,
|
| 1634 |
+
"step": 231
|
| 1635 |
+
},
|
| 1636 |
+
{
|
| 1637 |
+
"epoch": 1.5466666666666666,
|
| 1638 |
+
"grad_norm": 0.001974753904810416,
|
| 1639 |
+
"learning_rate": 1.4850947128716913e-05,
|
| 1640 |
+
"loss": 0.0005,
|
| 1641 |
+
"step": 232
|
| 1642 |
+
},
|
| 1643 |
+
{
|
| 1644 |
+
"epoch": 1.5533333333333332,
|
| 1645 |
+
"grad_norm": 0.00029809968593984786,
|
| 1646 |
+
"learning_rate": 1.4439571399493146e-05,
|
| 1647 |
+
"loss": 0.0001,
|
| 1648 |
+
"step": 233
|
| 1649 |
+
},
|
| 1650 |
+
{
|
| 1651 |
+
"epoch": 1.56,
|
| 1652 |
+
"grad_norm": 0.0021112287147639287,
|
| 1653 |
+
"learning_rate": 1.4033009983067452e-05,
|
| 1654 |
+
"loss": 0.0003,
|
| 1655 |
+
"step": 234
|
| 1656 |
+
},
|
| 1657 |
+
{
|
| 1658 |
+
"epoch": 1.5666666666666667,
|
| 1659 |
+
"grad_norm": 0.0002470091242766645,
|
| 1660 |
+
"learning_rate": 1.3631317921347563e-05,
|
| 1661 |
+
"loss": 0.0,
|
| 1662 |
+
"step": 235
|
| 1663 |
+
},
|
| 1664 |
+
{
|
| 1665 |
+
"epoch": 1.5733333333333333,
|
| 1666 |
+
"grad_norm": 0.001070621399022178,
|
| 1667 |
+
"learning_rate": 1.3234549597008571e-05,
|
| 1668 |
+
"loss": 0.0001,
|
| 1669 |
+
"step": 236
|
| 1670 |
+
},
|
| 1671 |
+
{
|
| 1672 |
+
"epoch": 1.58,
|
| 1673 |
+
"grad_norm": 0.0010645260052207543,
|
| 1674 |
+
"learning_rate": 1.2842758726130283e-05,
|
| 1675 |
+
"loss": 0.0003,
|
| 1676 |
+
"step": 237
|
| 1677 |
+
},
|
| 1678 |
+
{
|
| 1679 |
+
"epoch": 1.5866666666666667,
|
| 1680 |
+
"grad_norm": 0.010799310038266204,
|
| 1681 |
+
"learning_rate": 1.245599835092504e-05,
|
| 1682 |
+
"loss": 0.0025,
|
| 1683 |
+
"step": 238
|
| 1684 |
+
},
|
| 1685 |
+
{
|
| 1686 |
+
"epoch": 1.5933333333333333,
|
| 1687 |
+
"grad_norm": 1.7244510667684293e-05,
|
| 1688 |
+
"learning_rate": 1.2074320832556556e-05,
|
| 1689 |
+
"loss": 0.0,
|
| 1690 |
+
"step": 239
|
| 1691 |
+
},
|
| 1692 |
+
{
|
| 1693 |
+
"epoch": 1.6,
|
| 1694 |
+
"grad_norm": 0.00014489867038948415,
|
| 1695 |
+
"learning_rate": 1.1697777844051105e-05,
|
| 1696 |
+
"loss": 0.0,
|
| 1697 |
+
"step": 240
|
| 1698 |
+
},
|
| 1699 |
+
{
|
| 1700 |
+
"epoch": 1.6066666666666667,
|
| 1701 |
+
"grad_norm": 0.0008985387662203004,
|
| 1702 |
+
"learning_rate": 1.132642036330181e-05,
|
| 1703 |
+
"loss": 0.0001,
|
| 1704 |
+
"step": 241
|
| 1705 |
+
},
|
| 1706 |
+
{
|
| 1707 |
+
"epoch": 1.6133333333333333,
|
| 1708 |
+
"grad_norm": 0.00912727757765451,
|
| 1709 |
+
"learning_rate": 1.096029866616704e-05,
|
| 1710 |
+
"loss": 0.0039,
|
| 1711 |
+
"step": 242
|
| 1712 |
+
},
|
| 1713 |
+
{
|
| 1714 |
+
"epoch": 1.62,
|
| 1715 |
+
"grad_norm": 0.0006900899004432735,
|
| 1716 |
+
"learning_rate": 1.0599462319663905e-05,
|
| 1717 |
+
"loss": 0.0001,
|
| 1718 |
+
"step": 243
|
| 1719 |
+
},
|
| 1720 |
+
{
|
| 1721 |
+
"epoch": 1.6266666666666667,
|
| 1722 |
+
"grad_norm": 0.000844182967464247,
|
| 1723 |
+
"learning_rate": 1.0243960175257606e-05,
|
| 1724 |
+
"loss": 0.0002,
|
| 1725 |
+
"step": 244
|
| 1726 |
+
},
|
| 1727 |
+
{
|
| 1728 |
+
"epoch": 1.6333333333333333,
|
| 1729 |
+
"grad_norm": 0.0007783763736822429,
|
| 1730 |
+
"learning_rate": 9.893840362247809e-06,
|
| 1731 |
+
"loss": 0.0,
|
| 1732 |
+
"step": 245
|
| 1733 |
+
},
|
| 1734 |
+
{
|
| 1735 |
+
"epoch": 1.6400000000000001,
|
| 1736 |
+
"grad_norm": 0.00025158814215528826,
|
| 1737 |
+
"learning_rate": 9.549150281252633e-06,
|
| 1738 |
+
"loss": 0.0001,
|
| 1739 |
+
"step": 246
|
| 1740 |
+
},
|
| 1741 |
+
{
|
| 1742 |
+
"epoch": 1.6466666666666665,
|
| 1743 |
+
"grad_norm": 0.0013061698295345127,
|
| 1744 |
+
"learning_rate": 9.209936597791407e-06,
|
| 1745 |
+
"loss": 0.0003,
|
| 1746 |
+
"step": 247
|
| 1747 |
+
},
|
| 1748 |
+
{
|
| 1749 |
+
"epoch": 1.6533333333333333,
|
| 1750 |
+
"grad_norm": 0.0016255181980921593,
|
| 1751 |
+
"learning_rate": 8.876245235966885e-06,
|
| 1752 |
+
"loss": 0.0004,
|
| 1753 |
+
"step": 248
|
| 1754 |
+
},
|
| 1755 |
+
{
|
| 1756 |
+
"epoch": 1.6600000000000001,
|
| 1757 |
+
"grad_norm": 9.930899235145161e-05,
|
| 1758 |
+
"learning_rate": 8.548121372247918e-06,
|
| 1759 |
+
"loss": 0.0,
|
| 1760 |
+
"step": 249
|
| 1761 |
+
},
|
| 1762 |
+
{
|
| 1763 |
+
"epoch": 1.6666666666666665,
|
| 1764 |
+
"grad_norm": 0.00048227526447437366,
|
| 1765 |
+
"learning_rate": 8.225609429353187e-06,
|
| 1766 |
+
"loss": 0.0,
|
| 1767 |
+
"step": 250
|
| 1768 |
+
},
|
| 1769 |
+
{
|
| 1770 |
+
"epoch": 1.6733333333333333,
|
| 1771 |
+
"grad_norm": 0.0029678338765428106,
|
| 1772 |
+
"learning_rate": 7.908753070237123e-06,
|
| 1773 |
+
"loss": 0.0004,
|
| 1774 |
+
"step": 251
|
| 1775 |
+
},
|
| 1776 |
+
{
|
| 1777 |
+
"epoch": 1.6800000000000002,
|
| 1778 |
+
"grad_norm": 2.9067699556613302e-05,
|
| 1779 |
+
"learning_rate": 7.597595192178702e-06,
|
| 1780 |
+
"loss": 0.0,
|
| 1781 |
+
"step": 252
|
| 1782 |
+
},
|
| 1783 |
+
{
|
| 1784 |
+
"epoch": 1.6866666666666665,
|
| 1785 |
+
"grad_norm": 0.00012194522673978505,
|
| 1786 |
+
"learning_rate": 7.292177920973725e-06,
|
| 1787 |
+
"loss": 0.0,
|
| 1788 |
+
"step": 253
|
| 1789 |
+
},
|
| 1790 |
+
{
|
| 1791 |
+
"epoch": 1.6933333333333334,
|
| 1792 |
+
"grad_norm": 0.00704915288263033,
|
| 1793 |
+
"learning_rate": 6.992542605231739e-06,
|
| 1794 |
+
"loss": 0.0014,
|
| 1795 |
+
"step": 254
|
| 1796 |
+
},
|
| 1797 |
+
{
|
| 1798 |
+
"epoch": 1.7,
|
| 1799 |
+
"grad_norm": 0.00022859587609183477,
|
| 1800 |
+
"learning_rate": 6.698729810778065e-06,
|
| 1801 |
+
"loss": 0.0,
|
| 1802 |
+
"step": 255
|
| 1803 |
+
},
|
| 1804 |
+
{
|
| 1805 |
+
"epoch": 1.7066666666666666,
|
| 1806 |
+
"grad_norm": 0.0011638602882050794,
|
| 1807 |
+
"learning_rate": 6.410779315161886e-06,
|
| 1808 |
+
"loss": 0.0001,
|
| 1809 |
+
"step": 256
|
| 1810 |
+
},
|
| 1811 |
+
{
|
| 1812 |
+
"epoch": 1.7133333333333334,
|
| 1813 |
+
"grad_norm": 0.004222702966712396,
|
| 1814 |
+
"learning_rate": 6.128730102270897e-06,
|
| 1815 |
+
"loss": 0.001,
|
| 1816 |
+
"step": 257
|
| 1817 |
+
},
|
| 1818 |
+
{
|
| 1819 |
+
"epoch": 1.72,
|
| 1820 |
+
"grad_norm": 0.0026245641423167107,
|
| 1821 |
+
"learning_rate": 5.852620357053651e-06,
|
| 1822 |
+
"loss": 0.0005,
|
| 1823 |
+
"step": 258
|
| 1824 |
+
},
|
| 1825 |
+
{
|
| 1826 |
+
"epoch": 1.7266666666666666,
|
| 1827 |
+
"grad_norm": 0.00015547916245129244,
|
| 1828 |
+
"learning_rate": 5.582487460349805e-06,
|
| 1829 |
+
"loss": 0.0,
|
| 1830 |
+
"step": 259
|
| 1831 |
+
},
|
| 1832 |
+
{
|
| 1833 |
+
"epoch": 1.7333333333333334,
|
| 1834 |
+
"grad_norm": 0.0006334216683875969,
|
| 1835 |
+
"learning_rate": 5.318367983829392e-06,
|
| 1836 |
+
"loss": 0.0001,
|
| 1837 |
+
"step": 260
|
| 1838 |
+
},
|
| 1839 |
+
{
|
| 1840 |
+
"epoch": 1.74,
|
| 1841 |
+
"grad_norm": 0.00036857466764015745,
|
| 1842 |
+
"learning_rate": 5.060297685041659e-06,
|
| 1843 |
+
"loss": 0.0,
|
| 1844 |
+
"step": 261
|
| 1845 |
+
},
|
| 1846 |
+
{
|
| 1847 |
+
"epoch": 1.7466666666666666,
|
| 1848 |
+
"grad_norm": 0.00012761522054464025,
|
| 1849 |
+
"learning_rate": 4.8083115025739756e-06,
|
| 1850 |
+
"loss": 0.0,
|
| 1851 |
+
"step": 262
|
| 1852 |
+
},
|
| 1853 |
+
{
|
| 1854 |
+
"epoch": 1.7533333333333334,
|
| 1855 |
+
"grad_norm": 0.0007734440886516986,
|
| 1856 |
+
"learning_rate": 4.562443551321788e-06,
|
| 1857 |
+
"loss": 0.0001,
|
| 1858 |
+
"step": 263
|
| 1859 |
+
},
|
| 1860 |
+
{
|
| 1861 |
+
"epoch": 1.76,
|
| 1862 |
+
"grad_norm": 0.00024214344686277712,
|
| 1863 |
+
"learning_rate": 4.322727117869951e-06,
|
| 1864 |
+
"loss": 0.0001,
|
| 1865 |
+
"step": 264
|
| 1866 |
+
},
|
| 1867 |
+
{
|
| 1868 |
+
"epoch": 1.7666666666666666,
|
| 1869 |
+
"grad_norm": 0.00012185148268081635,
|
| 1870 |
+
"learning_rate": 4.089194655986306e-06,
|
| 1871 |
+
"loss": 0.0,
|
| 1872 |
+
"step": 265
|
| 1873 |
+
},
|
| 1874 |
+
{
|
| 1875 |
+
"epoch": 1.7733333333333334,
|
| 1876 |
+
"grad_norm": 0.00025376400041509517,
|
| 1877 |
+
"learning_rate": 3.861877782227885e-06,
|
| 1878 |
+
"loss": 0.0001,
|
| 1879 |
+
"step": 266
|
| 1880 |
+
},
|
| 1881 |
+
{
|
| 1882 |
+
"epoch": 1.78,
|
| 1883 |
+
"grad_norm": 0.0004833967931922394,
|
| 1884 |
+
"learning_rate": 3.6408072716606346e-06,
|
| 1885 |
+
"loss": 0.0,
|
| 1886 |
+
"step": 267
|
| 1887 |
+
},
|
| 1888 |
+
{
|
| 1889 |
+
"epoch": 1.7866666666666666,
|
| 1890 |
+
"grad_norm": 0.0004078905376115123,
|
| 1891 |
+
"learning_rate": 3.426013053692878e-06,
|
| 1892 |
+
"loss": 0.0001,
|
| 1893 |
+
"step": 268
|
| 1894 |
+
},
|
| 1895 |
+
{
|
| 1896 |
+
"epoch": 1.7933333333333334,
|
| 1897 |
+
"grad_norm": 0.0003222074521348218,
|
| 1898 |
+
"learning_rate": 3.2175242080234313e-06,
|
| 1899 |
+
"loss": 0.0001,
|
| 1900 |
+
"step": 269
|
| 1901 |
+
},
|
| 1902 |
+
{
|
| 1903 |
+
"epoch": 1.8,
|
| 1904 |
+
"grad_norm": 0.000715890842867892,
|
| 1905 |
+
"learning_rate": 3.0153689607045845e-06,
|
| 1906 |
+
"loss": 0.0002,
|
| 1907 |
+
"step": 270
|
| 1908 |
+
},
|
| 1909 |
+
{
|
| 1910 |
+
"epoch": 1.8066666666666666,
|
| 1911 |
+
"grad_norm": 0.005881869306444734,
|
| 1912 |
+
"learning_rate": 2.8195746803208244e-06,
|
| 1913 |
+
"loss": 0.0007,
|
| 1914 |
+
"step": 271
|
| 1915 |
+
},
|
| 1916 |
+
{
|
| 1917 |
+
"epoch": 1.8133333333333335,
|
| 1918 |
+
"grad_norm": 0.0007845683482315244,
|
| 1919 |
+
"learning_rate": 2.63016787428354e-06,
|
| 1920 |
+
"loss": 0.0002,
|
| 1921 |
+
"step": 272
|
| 1922 |
+
},
|
| 1923 |
+
{
|
| 1924 |
+
"epoch": 1.8199999999999998,
|
| 1925 |
+
"grad_norm": 0.000284811298553116,
|
| 1926 |
+
"learning_rate": 2.4471741852423237e-06,
|
| 1927 |
+
"loss": 0.0001,
|
| 1928 |
+
"step": 273
|
| 1929 |
+
},
|
| 1930 |
+
{
|
| 1931 |
+
"epoch": 1.8266666666666667,
|
| 1932 |
+
"grad_norm": 0.0029126414232900936,
|
| 1933 |
+
"learning_rate": 2.2706183876134045e-06,
|
| 1934 |
+
"loss": 0.0006,
|
| 1935 |
+
"step": 274
|
| 1936 |
+
},
|
| 1937 |
+
{
|
| 1938 |
+
"epoch": 1.8333333333333335,
|
| 1939 |
+
"grad_norm": 0.00034327205731299944,
|
| 1940 |
+
"learning_rate": 2.100524384225555e-06,
|
| 1941 |
+
"loss": 0.0001,
|
| 1942 |
+
"step": 275
|
| 1943 |
+
},
|
| 1944 |
+
{
|
| 1945 |
+
"epoch": 1.8399999999999999,
|
| 1946 |
+
"grad_norm": 0.0009963985705316596,
|
| 1947 |
+
"learning_rate": 1.9369152030840556e-06,
|
| 1948 |
+
"loss": 0.0001,
|
| 1949 |
+
"step": 276
|
| 1950 |
+
},
|
| 1951 |
+
{
|
| 1952 |
+
"epoch": 1.8466666666666667,
|
| 1953 |
+
"grad_norm": 0.002915086542858528,
|
| 1954 |
+
"learning_rate": 1.7798129942530551e-06,
|
| 1955 |
+
"loss": 0.0002,
|
| 1956 |
+
"step": 277
|
| 1957 |
+
},
|
| 1958 |
+
{
|
| 1959 |
+
"epoch": 1.8533333333333335,
|
| 1960 |
+
"grad_norm": 0.00012896801081549908,
|
| 1961 |
+
"learning_rate": 1.6292390268568104e-06,
|
| 1962 |
+
"loss": 0.0,
|
| 1963 |
+
"step": 278
|
| 1964 |
+
},
|
| 1965 |
+
{
|
| 1966 |
+
"epoch": 1.8599999999999999,
|
| 1967 |
+
"grad_norm": 0.00022915446962460819,
|
| 1968 |
+
"learning_rate": 1.4852136862001764e-06,
|
| 1969 |
+
"loss": 0.0001,
|
| 1970 |
+
"step": 279
|
| 1971 |
+
},
|
| 1972 |
+
{
|
| 1973 |
+
"epoch": 1.8666666666666667,
|
| 1974 |
+
"grad_norm": 0.00014364128256863693,
|
| 1975 |
+
"learning_rate": 1.3477564710088098e-06,
|
| 1976 |
+
"loss": 0.0,
|
| 1977 |
+
"step": 280
|
| 1978 |
+
},
|
| 1979 |
+
{
|
| 1980 |
+
"epoch": 1.8733333333333333,
|
| 1981 |
+
"grad_norm": 0.008956511187808444,
|
| 1982 |
+
"learning_rate": 1.2168859907892904e-06,
|
| 1983 |
+
"loss": 0.0007,
|
| 1984 |
+
"step": 281
|
| 1985 |
+
},
|
| 1986 |
+
{
|
| 1987 |
+
"epoch": 1.88,
|
| 1988 |
+
"grad_norm": 0.0007832180091732772,
|
| 1989 |
+
"learning_rate": 1.0926199633097157e-06,
|
| 1990 |
+
"loss": 0.0001,
|
| 1991 |
+
"step": 282
|
| 1992 |
+
},
|
| 1993 |
+
{
|
| 1994 |
+
"epoch": 1.8866666666666667,
|
| 1995 |
+
"grad_norm": 0.0011545340643213623,
|
| 1996 |
+
"learning_rate": 9.749752122010346e-07,
|
| 1997 |
+
"loss": 0.0002,
|
| 1998 |
+
"step": 283
|
| 1999 |
+
},
|
| 2000 |
+
{
|
| 2001 |
+
"epoch": 1.8933333333333333,
|
| 2002 |
+
"grad_norm": 0.0012911549229515733,
|
| 2003 |
+
"learning_rate": 8.639676646793382e-07,
|
| 2004 |
+
"loss": 0.0001,
|
| 2005 |
+
"step": 284
|
| 2006 |
+
},
|
| 2007 |
+
{
|
| 2008 |
+
"epoch": 1.9,
|
| 2009 |
+
"grad_norm": 0.0020073373042525343,
|
| 2010 |
+
"learning_rate": 7.596123493895991e-07,
|
| 2011 |
+
"loss": 0.0002,
|
| 2012 |
+
"step": 285
|
| 2013 |
+
},
|
| 2014 |
+
{
|
| 2015 |
+
"epoch": 1.9066666666666667,
|
| 2016 |
+
"grad_norm": 0.00019899983137095013,
|
| 2017 |
+
"learning_rate": 6.61923394371039e-07,
|
| 2018 |
+
"loss": 0.0,
|
| 2019 |
+
"step": 286
|
| 2020 |
+
},
|
| 2021 |
+
{
|
| 2022 |
+
"epoch": 1.9133333333333333,
|
| 2023 |
+
"grad_norm": 5.1578148199220094e-05,
|
| 2024 |
+
"learning_rate": 5.7091402514442e-07,
|
| 2025 |
+
"loss": 0.0,
|
| 2026 |
+
"step": 287
|
| 2027 |
+
},
|
| 2028 |
+
{
|
| 2029 |
+
"epoch": 1.92,
|
| 2030 |
+
"grad_norm": 0.008718803982540572,
|
| 2031 |
+
"learning_rate": 4.865965629214819e-07,
|
| 2032 |
+
"loss": 0.001,
|
| 2033 |
+
"step": 288
|
| 2034 |
+
},
|
| 2035 |
+
{
|
| 2036 |
+
"epoch": 1.9266666666666667,
|
| 2037 |
+
"grad_norm": 0.0002493342368906471,
|
| 2038 |
+
"learning_rate": 4.089824229369155e-07,
|
| 2039 |
+
"loss": 0.0,
|
| 2040 |
+
"step": 289
|
| 2041 |
+
},
|
| 2042 |
+
{
|
| 2043 |
+
"epoch": 1.9333333333333333,
|
| 2044 |
+
"grad_norm": 0.0009400967640781917,
|
| 2045 |
+
"learning_rate": 3.380821129028489e-07,
|
| 2046 |
+
"loss": 0.0002,
|
| 2047 |
+
"step": 290
|
| 2048 |
+
},
|
| 2049 |
+
{
|
| 2050 |
+
"epoch": 1.94,
|
| 2051 |
+
"grad_norm": 0.0002300872858375204,
|
| 2052 |
+
"learning_rate": 2.7390523158633554e-07,
|
| 2053 |
+
"loss": 0.0,
|
| 2054 |
+
"step": 291
|
| 2055 |
+
},
|
| 2056 |
+
{
|
| 2057 |
+
"epoch": 1.9466666666666668,
|
| 2058 |
+
"grad_norm": 0.00014997914469196854,
|
| 2059 |
+
"learning_rate": 2.1646046750978254e-07,
|
| 2060 |
+
"loss": 0.0,
|
| 2061 |
+
"step": 292
|
| 2062 |
+
},
|
| 2063 |
+
{
|
| 2064 |
+
"epoch": 1.9533333333333334,
|
| 2065 |
+
"grad_norm": 0.0015398363148719234,
|
| 2066 |
+
"learning_rate": 1.657555977746972e-07,
|
| 2067 |
+
"loss": 0.0002,
|
| 2068 |
+
"step": 293
|
| 2069 |
+
},
|
| 2070 |
+
{
|
| 2071 |
+
"epoch": 1.96,
|
| 2072 |
+
"grad_norm": 0.0008230077326252405,
|
| 2073 |
+
"learning_rate": 1.2179748700879012e-07,
|
| 2074 |
+
"loss": 0.0001,
|
| 2075 |
+
"step": 294
|
| 2076 |
+
},
|
| 2077 |
+
{
|
| 2078 |
+
"epoch": 1.9666666666666668,
|
| 2079 |
+
"grad_norm": 6.303625402493333e-05,
|
| 2080 |
+
"learning_rate": 8.459208643659122e-08,
|
| 2081 |
+
"loss": 0.0,
|
| 2082 |
+
"step": 295
|
| 2083 |
+
},
|
| 2084 |
+
{
|
| 2085 |
+
"epoch": 1.9733333333333334,
|
| 2086 |
+
"grad_norm": 0.00015224658253625332,
|
| 2087 |
+
"learning_rate": 5.4144433073771707e-08,
|
| 2088 |
+
"loss": 0.0,
|
| 2089 |
+
"step": 296
|
| 2090 |
+
},
|
| 2091 |
+
{
|
| 2092 |
+
"epoch": 1.98,
|
| 2093 |
+
"grad_norm": 7.01693469142752e-05,
|
| 2094 |
+
"learning_rate": 3.04586490452119e-08,
|
| 2095 |
+
"loss": 0.0,
|
| 2096 |
+
"step": 297
|
| 2097 |
+
},
|
| 2098 |
+
{
|
| 2099 |
+
"epoch": 1.9866666666666668,
|
| 2100 |
+
"grad_norm": 0.003389360446962304,
|
| 2101 |
+
"learning_rate": 1.3537941026914303e-08,
|
| 2102 |
+
"loss": 0.0002,
|
| 2103 |
+
"step": 298
|
| 2104 |
+
},
|
| 2105 |
+
{
|
| 2106 |
+
"epoch": 1.9933333333333332,
|
| 2107 |
+
"grad_norm": 0.005660794508101614,
|
| 2108 |
+
"learning_rate": 3.384599811889766e-09,
|
| 2109 |
+
"loss": 0.0005,
|
| 2110 |
+
"step": 299
|
| 2111 |
+
},
|
| 2112 |
+
{
|
| 2113 |
+
"epoch": 2.0,
|
| 2114 |
+
"grad_norm": 0.0014618162081013718,
|
| 2115 |
+
"learning_rate": 0.0,
|
| 2116 |
+
"loss": 0.0001,
|
| 2117 |
+
"step": 300
|
| 2118 |
+
},
|
| 2119 |
+
{
|
| 2120 |
+
"epoch": 2.0,
|
| 2121 |
+
"eval_loss": 0.00017112937348429114,
|
| 2122 |
+
"eval_runtime": 1.4813,
|
| 2123 |
+
"eval_samples_per_second": 0.675,
|
| 2124 |
+
"eval_steps_per_second": 0.675,
|
| 2125 |
+
"step": 300
|
| 2126 |
+
},
|
| 2127 |
+
{
|
| 2128 |
+
"epoch": 2.0,
|
| 2129 |
+
"step": 300,
|
| 2130 |
+
"total_flos": 10545480253440.0,
|
| 2131 |
+
"train_loss": 0.004103656022343785,
|
| 2132 |
+
"train_runtime": 957.2962,
|
| 2133 |
+
"train_samples_per_second": 0.627,
|
| 2134 |
+
"train_steps_per_second": 0.313
|
| 2135 |
+
}
|
| 2136 |
+
],
|
| 2137 |
+
"logging_steps": 1,
|
| 2138 |
+
"max_steps": 300,
|
| 2139 |
+
"num_input_tokens_seen": 0,
|
| 2140 |
+
"num_train_epochs": 2,
|
| 2141 |
+
"save_steps": 500,
|
| 2142 |
+
"stateful_callbacks": {
|
| 2143 |
+
"TrainerControl": {
|
| 2144 |
+
"args": {
|
| 2145 |
+
"should_epoch_stop": false,
|
| 2146 |
+
"should_evaluate": false,
|
| 2147 |
+
"should_log": false,
|
| 2148 |
+
"should_save": true,
|
| 2149 |
+
"should_training_stop": true
|
| 2150 |
+
},
|
| 2151 |
+
"attributes": {}
|
| 2152 |
+
}
|
| 2153 |
+
},
|
| 2154 |
+
"total_flos": 10545480253440.0,
|
| 2155 |
+
"train_batch_size": 1,
|
| 2156 |
+
"trial_name": null,
|
| 2157 |
+
"trial_params": null
|
| 2158 |
+
}
|