Commit
•
81fdd8f
1
Parent(s):
7a3a2e4
Upload trainer_state.json
Browse files- trainer_state.json +2173 -0
trainer_state.json
ADDED
|
@@ -0,0 +1,2173 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_metric": null,
|
| 3 |
+
"best_model_checkpoint": null,
|
| 4 |
+
"epoch": 1.0,
|
| 5 |
+
"eval_steps": 60,
|
| 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": 0.0033333333333333335,
|
| 13 |
+
"grad_norm": NaN,
|
| 14 |
+
"learning_rate": 0.0,
|
| 15 |
+
"loss": 3.678,
|
| 16 |
+
"step": 1
|
| 17 |
+
},
|
| 18 |
+
{
|
| 19 |
+
"epoch": 0.006666666666666667,
|
| 20 |
+
"grad_norm": 0.4762135446071625,
|
| 21 |
+
"learning_rate": 2.2222222222222223e-05,
|
| 22 |
+
"loss": 3.0439,
|
| 23 |
+
"step": 2
|
| 24 |
+
},
|
| 25 |
+
{
|
| 26 |
+
"epoch": 0.01,
|
| 27 |
+
"grad_norm": 0.6002700328826904,
|
| 28 |
+
"learning_rate": 4.4444444444444447e-05,
|
| 29 |
+
"loss": 3.4106,
|
| 30 |
+
"step": 3
|
| 31 |
+
},
|
| 32 |
+
{
|
| 33 |
+
"epoch": 0.013333333333333334,
|
| 34 |
+
"grad_norm": 0.6476659178733826,
|
| 35 |
+
"learning_rate": 6.666666666666667e-05,
|
| 36 |
+
"loss": 3.554,
|
| 37 |
+
"step": 4
|
| 38 |
+
},
|
| 39 |
+
{
|
| 40 |
+
"epoch": 0.016666666666666666,
|
| 41 |
+
"grad_norm": 0.5185155272483826,
|
| 42 |
+
"learning_rate": 8.888888888888889e-05,
|
| 43 |
+
"loss": 3.0154,
|
| 44 |
+
"step": 5
|
| 45 |
+
},
|
| 46 |
+
{
|
| 47 |
+
"epoch": 0.02,
|
| 48 |
+
"grad_norm": NaN,
|
| 49 |
+
"learning_rate": 8.888888888888889e-05,
|
| 50 |
+
"loss": 2.8894,
|
| 51 |
+
"step": 6
|
| 52 |
+
},
|
| 53 |
+
{
|
| 54 |
+
"epoch": 0.023333333333333334,
|
| 55 |
+
"grad_norm": 0.8041224479675293,
|
| 56 |
+
"learning_rate": 0.00011111111111111112,
|
| 57 |
+
"loss": 3.0546,
|
| 58 |
+
"step": 7
|
| 59 |
+
},
|
| 60 |
+
{
|
| 61 |
+
"epoch": 0.02666666666666667,
|
| 62 |
+
"grad_norm": 0.3952060639858246,
|
| 63 |
+
"learning_rate": 0.00013333333333333334,
|
| 64 |
+
"loss": 2.9562,
|
| 65 |
+
"step": 8
|
| 66 |
+
},
|
| 67 |
+
{
|
| 68 |
+
"epoch": 0.03,
|
| 69 |
+
"grad_norm": NaN,
|
| 70 |
+
"learning_rate": 0.00013333333333333334,
|
| 71 |
+
"loss": 2.6144,
|
| 72 |
+
"step": 9
|
| 73 |
+
},
|
| 74 |
+
{
|
| 75 |
+
"epoch": 0.03333333333333333,
|
| 76 |
+
"grad_norm": 0.8140532374382019,
|
| 77 |
+
"learning_rate": 0.00015555555555555556,
|
| 78 |
+
"loss": 2.5651,
|
| 79 |
+
"step": 10
|
| 80 |
+
},
|
| 81 |
+
{
|
| 82 |
+
"epoch": 0.03666666666666667,
|
| 83 |
+
"grad_norm": 0.7712438106536865,
|
| 84 |
+
"learning_rate": 0.00017777777777777779,
|
| 85 |
+
"loss": 2.4462,
|
| 86 |
+
"step": 11
|
| 87 |
+
},
|
| 88 |
+
{
|
| 89 |
+
"epoch": 0.04,
|
| 90 |
+
"grad_norm": 0.9129194617271423,
|
| 91 |
+
"learning_rate": 0.0002,
|
| 92 |
+
"loss": 2.2021,
|
| 93 |
+
"step": 12
|
| 94 |
+
},
|
| 95 |
+
{
|
| 96 |
+
"epoch": 0.043333333333333335,
|
| 97 |
+
"grad_norm": 1.4973784685134888,
|
| 98 |
+
"learning_rate": 0.00019999417253661235,
|
| 99 |
+
"loss": 1.7726,
|
| 100 |
+
"step": 13
|
| 101 |
+
},
|
| 102 |
+
{
|
| 103 |
+
"epoch": 0.04666666666666667,
|
| 104 |
+
"grad_norm": 1.3915261030197144,
|
| 105 |
+
"learning_rate": 0.00019997669082563597,
|
| 106 |
+
"loss": 2.0128,
|
| 107 |
+
"step": 14
|
| 108 |
+
},
|
| 109 |
+
{
|
| 110 |
+
"epoch": 0.05,
|
| 111 |
+
"grad_norm": 2.2161591053009033,
|
| 112 |
+
"learning_rate": 0.00019994755690455152,
|
| 113 |
+
"loss": 1.7553,
|
| 114 |
+
"step": 15
|
| 115 |
+
},
|
| 116 |
+
{
|
| 117 |
+
"epoch": 0.05333333333333334,
|
| 118 |
+
"grad_norm": 1.6553738117218018,
|
| 119 |
+
"learning_rate": 0.00019990677416889608,
|
| 120 |
+
"loss": 2.0475,
|
| 121 |
+
"step": 16
|
| 122 |
+
},
|
| 123 |
+
{
|
| 124 |
+
"epoch": 0.056666666666666664,
|
| 125 |
+
"grad_norm": 0.6157505512237549,
|
| 126 |
+
"learning_rate": 0.0001998543473718677,
|
| 127 |
+
"loss": 1.685,
|
| 128 |
+
"step": 17
|
| 129 |
+
},
|
| 130 |
+
{
|
| 131 |
+
"epoch": 0.06,
|
| 132 |
+
"grad_norm": 0.24669784307479858,
|
| 133 |
+
"learning_rate": 0.00019979028262377118,
|
| 134 |
+
"loss": 1.6533,
|
| 135 |
+
"step": 18
|
| 136 |
+
},
|
| 137 |
+
{
|
| 138 |
+
"epoch": 0.06333333333333334,
|
| 139 |
+
"grad_norm": 0.22707951068878174,
|
| 140 |
+
"learning_rate": 0.00019971458739130598,
|
| 141 |
+
"loss": 2.0047,
|
| 142 |
+
"step": 19
|
| 143 |
+
},
|
| 144 |
+
{
|
| 145 |
+
"epoch": 0.06666666666666667,
|
| 146 |
+
"grad_norm": 1.4569851160049438,
|
| 147 |
+
"learning_rate": 0.000199627270496696,
|
| 148 |
+
"loss": 2.0384,
|
| 149 |
+
"step": 20
|
| 150 |
+
},
|
| 151 |
+
{
|
| 152 |
+
"epoch": 0.07,
|
| 153 |
+
"grad_norm": 0.413117915391922,
|
| 154 |
+
"learning_rate": 0.0001995283421166614,
|
| 155 |
+
"loss": 1.8686,
|
| 156 |
+
"step": 21
|
| 157 |
+
},
|
| 158 |
+
{
|
| 159 |
+
"epoch": 0.07333333333333333,
|
| 160 |
+
"grad_norm": 0.3769432604312897,
|
| 161 |
+
"learning_rate": 0.00019941781378123244,
|
| 162 |
+
"loss": 2.3281,
|
| 163 |
+
"step": 22
|
| 164 |
+
},
|
| 165 |
+
{
|
| 166 |
+
"epoch": 0.07666666666666666,
|
| 167 |
+
"grad_norm": 0.22103984653949738,
|
| 168 |
+
"learning_rate": 0.00019929569837240564,
|
| 169 |
+
"loss": 1.4126,
|
| 170 |
+
"step": 23
|
| 171 |
+
},
|
| 172 |
+
{
|
| 173 |
+
"epoch": 0.08,
|
| 174 |
+
"grad_norm": 0.24588149785995483,
|
| 175 |
+
"learning_rate": 0.00019916201012264254,
|
| 176 |
+
"loss": 1.8129,
|
| 177 |
+
"step": 24
|
| 178 |
+
},
|
| 179 |
+
{
|
| 180 |
+
"epoch": 0.08333333333333333,
|
| 181 |
+
"grad_norm": 0.16510339081287384,
|
| 182 |
+
"learning_rate": 0.00019901676461321068,
|
| 183 |
+
"loss": 1.3982,
|
| 184 |
+
"step": 25
|
| 185 |
+
},
|
| 186 |
+
{
|
| 187 |
+
"epoch": 0.08666666666666667,
|
| 188 |
+
"grad_norm": 0.1440768837928772,
|
| 189 |
+
"learning_rate": 0.00019885997877236788,
|
| 190 |
+
"loss": 2.1907,
|
| 191 |
+
"step": 26
|
| 192 |
+
},
|
| 193 |
+
{
|
| 194 |
+
"epoch": 0.09,
|
| 195 |
+
"grad_norm": 0.17060863971710205,
|
| 196 |
+
"learning_rate": 0.00019869167087338907,
|
| 197 |
+
"loss": 1.3803,
|
| 198 |
+
"step": 27
|
| 199 |
+
},
|
| 200 |
+
{
|
| 201 |
+
"epoch": 0.09333333333333334,
|
| 202 |
+
"grad_norm": 0.2069515585899353,
|
| 203 |
+
"learning_rate": 0.00019851186053243666,
|
| 204 |
+
"loss": 1.887,
|
| 205 |
+
"step": 28
|
| 206 |
+
},
|
| 207 |
+
{
|
| 208 |
+
"epoch": 0.09666666666666666,
|
| 209 |
+
"grad_norm": 0.21821996569633484,
|
| 210 |
+
"learning_rate": 0.00019832056870627417,
|
| 211 |
+
"loss": 1.6054,
|
| 212 |
+
"step": 29
|
| 213 |
+
},
|
| 214 |
+
{
|
| 215 |
+
"epoch": 0.1,
|
| 216 |
+
"grad_norm": 0.17882876098155975,
|
| 217 |
+
"learning_rate": 0.0001981178176898239,
|
| 218 |
+
"loss": 1.6342,
|
| 219 |
+
"step": 30
|
| 220 |
+
},
|
| 221 |
+
{
|
| 222 |
+
"epoch": 0.10333333333333333,
|
| 223 |
+
"grad_norm": 0.17038118839263916,
|
| 224 |
+
"learning_rate": 0.00019790363111356837,
|
| 225 |
+
"loss": 1.8819,
|
| 226 |
+
"step": 31
|
| 227 |
+
},
|
| 228 |
+
{
|
| 229 |
+
"epoch": 0.10666666666666667,
|
| 230 |
+
"grad_norm": 0.1974552720785141,
|
| 231 |
+
"learning_rate": 0.00019767803394079615,
|
| 232 |
+
"loss": 1.9041,
|
| 233 |
+
"step": 32
|
| 234 |
+
},
|
| 235 |
+
{
|
| 236 |
+
"epoch": 0.11,
|
| 237 |
+
"grad_norm": 0.2757965922355652,
|
| 238 |
+
"learning_rate": 0.00019744105246469263,
|
| 239 |
+
"loss": 1.9125,
|
| 240 |
+
"step": 33
|
| 241 |
+
},
|
| 242 |
+
{
|
| 243 |
+
"epoch": 0.11333333333333333,
|
| 244 |
+
"grad_norm": 0.19870969653129578,
|
| 245 |
+
"learning_rate": 0.0001971927143052752,
|
| 246 |
+
"loss": 1.8851,
|
| 247 |
+
"step": 34
|
| 248 |
+
},
|
| 249 |
+
{
|
| 250 |
+
"epoch": 0.11666666666666667,
|
| 251 |
+
"grad_norm": 0.1826757788658142,
|
| 252 |
+
"learning_rate": 0.00019693304840617457,
|
| 253 |
+
"loss": 1.7898,
|
| 254 |
+
"step": 35
|
| 255 |
+
},
|
| 256 |
+
{
|
| 257 |
+
"epoch": 0.12,
|
| 258 |
+
"grad_norm": 0.2616521716117859,
|
| 259 |
+
"learning_rate": 0.00019666208503126112,
|
| 260 |
+
"loss": 1.9304,
|
| 261 |
+
"step": 36
|
| 262 |
+
},
|
| 263 |
+
{
|
| 264 |
+
"epoch": 0.12333333333333334,
|
| 265 |
+
"grad_norm": 0.21208493411540985,
|
| 266 |
+
"learning_rate": 0.00019637985576111778,
|
| 267 |
+
"loss": 1.6942,
|
| 268 |
+
"step": 37
|
| 269 |
+
},
|
| 270 |
+
{
|
| 271 |
+
"epoch": 0.12666666666666668,
|
| 272 |
+
"grad_norm": 0.2790180444717407,
|
| 273 |
+
"learning_rate": 0.0001960863934893594,
|
| 274 |
+
"loss": 1.8333,
|
| 275 |
+
"step": 38
|
| 276 |
+
},
|
| 277 |
+
{
|
| 278 |
+
"epoch": 0.13,
|
| 279 |
+
"grad_norm": 0.18341009318828583,
|
| 280 |
+
"learning_rate": 0.00019578173241879872,
|
| 281 |
+
"loss": 1.8026,
|
| 282 |
+
"step": 39
|
| 283 |
+
},
|
| 284 |
+
{
|
| 285 |
+
"epoch": 0.13333333333333333,
|
| 286 |
+
"grad_norm": 0.41886040568351746,
|
| 287 |
+
"learning_rate": 0.00019546590805746052,
|
| 288 |
+
"loss": 1.7716,
|
| 289 |
+
"step": 40
|
| 290 |
+
},
|
| 291 |
+
{
|
| 292 |
+
"epoch": 0.13666666666666666,
|
| 293 |
+
"grad_norm": 0.13291174173355103,
|
| 294 |
+
"learning_rate": 0.00019513895721444286,
|
| 295 |
+
"loss": 1.9675,
|
| 296 |
+
"step": 41
|
| 297 |
+
},
|
| 298 |
+
{
|
| 299 |
+
"epoch": 0.14,
|
| 300 |
+
"grad_norm": 0.1474720984697342,
|
| 301 |
+
"learning_rate": 0.00019480091799562704,
|
| 302 |
+
"loss": 1.6786,
|
| 303 |
+
"step": 42
|
| 304 |
+
},
|
| 305 |
+
{
|
| 306 |
+
"epoch": 0.14333333333333334,
|
| 307 |
+
"grad_norm": 0.17442239820957184,
|
| 308 |
+
"learning_rate": 0.00019445182979923654,
|
| 309 |
+
"loss": 1.7849,
|
| 310 |
+
"step": 43
|
| 311 |
+
},
|
| 312 |
+
{
|
| 313 |
+
"epoch": 0.14666666666666667,
|
| 314 |
+
"grad_norm": 0.15233103930950165,
|
| 315 |
+
"learning_rate": 0.000194091733311245,
|
| 316 |
+
"loss": 1.5371,
|
| 317 |
+
"step": 44
|
| 318 |
+
},
|
| 319 |
+
{
|
| 320 |
+
"epoch": 0.15,
|
| 321 |
+
"grad_norm": 0.13791708648204803,
|
| 322 |
+
"learning_rate": 0.00019372067050063438,
|
| 323 |
+
"loss": 2.0132,
|
| 324 |
+
"step": 45
|
| 325 |
+
},
|
| 326 |
+
{
|
| 327 |
+
"epoch": 0.15333333333333332,
|
| 328 |
+
"grad_norm": 0.15251068770885468,
|
| 329 |
+
"learning_rate": 0.0001933386846145036,
|
| 330 |
+
"loss": 1.7359,
|
| 331 |
+
"step": 46
|
| 332 |
+
},
|
| 333 |
+
{
|
| 334 |
+
"epoch": 0.15666666666666668,
|
| 335 |
+
"grad_norm": 0.24324262142181396,
|
| 336 |
+
"learning_rate": 0.00019294582017302797,
|
| 337 |
+
"loss": 1.7972,
|
| 338 |
+
"step": 47
|
| 339 |
+
},
|
| 340 |
+
{
|
| 341 |
+
"epoch": 0.16,
|
| 342 |
+
"grad_norm": 0.20748841762542725,
|
| 343 |
+
"learning_rate": 0.00019254212296427044,
|
| 344 |
+
"loss": 1.5059,
|
| 345 |
+
"step": 48
|
| 346 |
+
},
|
| 347 |
+
{
|
| 348 |
+
"epoch": 0.16333333333333333,
|
| 349 |
+
"grad_norm": 0.3106396496295929,
|
| 350 |
+
"learning_rate": 0.0001921276400388451,
|
| 351 |
+
"loss": 2.0664,
|
| 352 |
+
"step": 49
|
| 353 |
+
},
|
| 354 |
+
{
|
| 355 |
+
"epoch": 0.16666666666666666,
|
| 356 |
+
"grad_norm": 0.31523287296295166,
|
| 357 |
+
"learning_rate": 0.00019170241970443343,
|
| 358 |
+
"loss": 1.8873,
|
| 359 |
+
"step": 50
|
| 360 |
+
},
|
| 361 |
+
{
|
| 362 |
+
"epoch": 0.17,
|
| 363 |
+
"grad_norm": 1.2277356386184692,
|
| 364 |
+
"learning_rate": 0.00019126651152015403,
|
| 365 |
+
"loss": 1.6405,
|
| 366 |
+
"step": 51
|
| 367 |
+
},
|
| 368 |
+
{
|
| 369 |
+
"epoch": 0.17333333333333334,
|
| 370 |
+
"grad_norm": 0.19061756134033203,
|
| 371 |
+
"learning_rate": 0.00019081996629078657,
|
| 372 |
+
"loss": 1.8921,
|
| 373 |
+
"step": 52
|
| 374 |
+
},
|
| 375 |
+
{
|
| 376 |
+
"epoch": 0.17666666666666667,
|
| 377 |
+
"grad_norm": 0.27055197954177856,
|
| 378 |
+
"learning_rate": 0.00019036283606085053,
|
| 379 |
+
"loss": 1.8499,
|
| 380 |
+
"step": 53
|
| 381 |
+
},
|
| 382 |
+
{
|
| 383 |
+
"epoch": 0.18,
|
| 384 |
+
"grad_norm": 0.4002118706703186,
|
| 385 |
+
"learning_rate": 0.00018989517410853955,
|
| 386 |
+
"loss": 1.4783,
|
| 387 |
+
"step": 54
|
| 388 |
+
},
|
| 389 |
+
{
|
| 390 |
+
"epoch": 0.18333333333333332,
|
| 391 |
+
"grad_norm": 0.27212274074554443,
|
| 392 |
+
"learning_rate": 0.00018941703493951164,
|
| 393 |
+
"loss": 1.2299,
|
| 394 |
+
"step": 55
|
| 395 |
+
},
|
| 396 |
+
{
|
| 397 |
+
"epoch": 0.18666666666666668,
|
| 398 |
+
"grad_norm": 0.6585210561752319,
|
| 399 |
+
"learning_rate": 0.00018892847428053693,
|
| 400 |
+
"loss": 1.6397,
|
| 401 |
+
"step": 56
|
| 402 |
+
},
|
| 403 |
+
{
|
| 404 |
+
"epoch": 0.19,
|
| 405 |
+
"grad_norm": 0.2484641969203949,
|
| 406 |
+
"learning_rate": 0.00018842954907300236,
|
| 407 |
+
"loss": 1.9502,
|
| 408 |
+
"step": 57
|
| 409 |
+
},
|
| 410 |
+
{
|
| 411 |
+
"epoch": 0.19333333333333333,
|
| 412 |
+
"grad_norm": 0.1978948712348938,
|
| 413 |
+
"learning_rate": 0.00018792031746627563,
|
| 414 |
+
"loss": 2.0229,
|
| 415 |
+
"step": 58
|
| 416 |
+
},
|
| 417 |
+
{
|
| 418 |
+
"epoch": 0.19666666666666666,
|
| 419 |
+
"grad_norm": 0.17801423370838165,
|
| 420 |
+
"learning_rate": 0.0001874008388109276,
|
| 421 |
+
"loss": 2.0025,
|
| 422 |
+
"step": 59
|
| 423 |
+
},
|
| 424 |
+
{
|
| 425 |
+
"epoch": 0.2,
|
| 426 |
+
"grad_norm": 0.26752933859825134,
|
| 427 |
+
"learning_rate": 0.00018687117365181512,
|
| 428 |
+
"loss": 1.522,
|
| 429 |
+
"step": 60
|
| 430 |
+
},
|
| 431 |
+
{
|
| 432 |
+
"epoch": 0.2,
|
| 433 |
+
"eval_loss": 1.9986859560012817,
|
| 434 |
+
"eval_runtime": 106.2759,
|
| 435 |
+
"eval_samples_per_second": 2.823,
|
| 436 |
+
"eval_steps_per_second": 0.358,
|
| 437 |
+
"step": 60
|
| 438 |
+
},
|
| 439 |
+
{
|
| 440 |
+
"epoch": 0.20333333333333334,
|
| 441 |
+
"grad_norm": 0.24524369835853577,
|
| 442 |
+
"learning_rate": 0.00018633138372102468,
|
| 443 |
+
"loss": 2.0717,
|
| 444 |
+
"step": 61
|
| 445 |
+
},
|
| 446 |
+
{
|
| 447 |
+
"epoch": 0.20666666666666667,
|
| 448 |
+
"grad_norm": 0.1529204249382019,
|
| 449 |
+
"learning_rate": 0.00018578153193067745,
|
| 450 |
+
"loss": 1.7074,
|
| 451 |
+
"step": 62
|
| 452 |
+
},
|
| 453 |
+
{
|
| 454 |
+
"epoch": 0.21,
|
| 455 |
+
"grad_norm": 0.2284618765115738,
|
| 456 |
+
"learning_rate": 0.00018522168236559695,
|
| 457 |
+
"loss": 1.5471,
|
| 458 |
+
"step": 63
|
| 459 |
+
},
|
| 460 |
+
{
|
| 461 |
+
"epoch": 0.21333333333333335,
|
| 462 |
+
"grad_norm": 0.21615256369113922,
|
| 463 |
+
"learning_rate": 0.00018465190027584005,
|
| 464 |
+
"loss": 1.5937,
|
| 465 |
+
"step": 64
|
| 466 |
+
},
|
| 467 |
+
{
|
| 468 |
+
"epoch": 0.21666666666666667,
|
| 469 |
+
"grad_norm": 0.24150824546813965,
|
| 470 |
+
"learning_rate": 0.00018407225206909208,
|
| 471 |
+
"loss": 1.5986,
|
| 472 |
+
"step": 65
|
| 473 |
+
},
|
| 474 |
+
{
|
| 475 |
+
"epoch": 0.22,
|
| 476 |
+
"grad_norm": 0.15798711776733398,
|
| 477 |
+
"learning_rate": 0.00018348280530292713,
|
| 478 |
+
"loss": 1.8715,
|
| 479 |
+
"step": 66
|
| 480 |
+
},
|
| 481 |
+
{
|
| 482 |
+
"epoch": 0.22333333333333333,
|
| 483 |
+
"grad_norm": 0.2319696843624115,
|
| 484 |
+
"learning_rate": 0.00018288362867693414,
|
| 485 |
+
"loss": 1.3617,
|
| 486 |
+
"step": 67
|
| 487 |
+
},
|
| 488 |
+
{
|
| 489 |
+
"epoch": 0.22666666666666666,
|
| 490 |
+
"grad_norm": 0.2020319700241089,
|
| 491 |
+
"learning_rate": 0.00018227479202471015,
|
| 492 |
+
"loss": 1.7928,
|
| 493 |
+
"step": 68
|
| 494 |
+
},
|
| 495 |
+
{
|
| 496 |
+
"epoch": 0.23,
|
| 497 |
+
"grad_norm": 0.2809887230396271,
|
| 498 |
+
"learning_rate": 0.0001816563663057211,
|
| 499 |
+
"loss": 2.0081,
|
| 500 |
+
"step": 69
|
| 501 |
+
},
|
| 502 |
+
{
|
| 503 |
+
"epoch": 0.23333333333333334,
|
| 504 |
+
"grad_norm": 0.2510971426963806,
|
| 505 |
+
"learning_rate": 0.00018102842359703176,
|
| 506 |
+
"loss": 1.5938,
|
| 507 |
+
"step": 70
|
| 508 |
+
},
|
| 509 |
+
{
|
| 510 |
+
"epoch": 0.23666666666666666,
|
| 511 |
+
"grad_norm": 0.1601170003414154,
|
| 512 |
+
"learning_rate": 0.000180391037084905,
|
| 513 |
+
"loss": 1.8598,
|
| 514 |
+
"step": 71
|
| 515 |
+
},
|
| 516 |
+
{
|
| 517 |
+
"epoch": 0.24,
|
| 518 |
+
"grad_norm": 0.2945798337459564,
|
| 519 |
+
"learning_rate": 0.00017974428105627208,
|
| 520 |
+
"loss": 1.6412,
|
| 521 |
+
"step": 72
|
| 522 |
+
},
|
| 523 |
+
{
|
| 524 |
+
"epoch": 0.24333333333333335,
|
| 525 |
+
"grad_norm": 0.31662991642951965,
|
| 526 |
+
"learning_rate": 0.00017908823089007457,
|
| 527 |
+
"loss": 1.6946,
|
| 528 |
+
"step": 73
|
| 529 |
+
},
|
| 530 |
+
{
|
| 531 |
+
"epoch": 0.24666666666666667,
|
| 532 |
+
"grad_norm": 0.3063909709453583,
|
| 533 |
+
"learning_rate": 0.00017842296304847893,
|
| 534 |
+
"loss": 1.9946,
|
| 535 |
+
"step": 74
|
| 536 |
+
},
|
| 537 |
+
{
|
| 538 |
+
"epoch": 0.25,
|
| 539 |
+
"grad_norm": 0.13805601000785828,
|
| 540 |
+
"learning_rate": 0.00017774855506796496,
|
| 541 |
+
"loss": 1.6024,
|
| 542 |
+
"step": 75
|
| 543 |
+
},
|
| 544 |
+
{
|
| 545 |
+
"epoch": 0.25333333333333335,
|
| 546 |
+
"grad_norm": 0.17819726467132568,
|
| 547 |
+
"learning_rate": 0.00017706508555028893,
|
| 548 |
+
"loss": 1.7703,
|
| 549 |
+
"step": 76
|
| 550 |
+
},
|
| 551 |
+
{
|
| 552 |
+
"epoch": 0.25666666666666665,
|
| 553 |
+
"grad_norm": 0.11969258636236191,
|
| 554 |
+
"learning_rate": 0.0001763726341533227,
|
| 555 |
+
"loss": 1.9729,
|
| 556 |
+
"step": 77
|
| 557 |
+
},
|
| 558 |
+
{
|
| 559 |
+
"epoch": 0.26,
|
| 560 |
+
"grad_norm": 0.20544451475143433,
|
| 561 |
+
"learning_rate": 0.00017567128158176953,
|
| 562 |
+
"loss": 1.714,
|
| 563 |
+
"step": 78
|
| 564 |
+
},
|
| 565 |
+
{
|
| 566 |
+
"epoch": 0.2633333333333333,
|
| 567 |
+
"grad_norm": 0.16914527118206024,
|
| 568 |
+
"learning_rate": 0.0001749611095777581,
|
| 569 |
+
"loss": 1.936,
|
| 570 |
+
"step": 79
|
| 571 |
+
},
|
| 572 |
+
{
|
| 573 |
+
"epoch": 0.26666666666666666,
|
| 574 |
+
"grad_norm": 0.1939394325017929,
|
| 575 |
+
"learning_rate": 0.00017424220091131535,
|
| 576 |
+
"loss": 1.4724,
|
| 577 |
+
"step": 80
|
| 578 |
+
},
|
| 579 |
+
{
|
| 580 |
+
"epoch": 0.27,
|
| 581 |
+
"grad_norm": 0.19433513283729553,
|
| 582 |
+
"learning_rate": 0.00017351463937072004,
|
| 583 |
+
"loss": 1.8444,
|
| 584 |
+
"step": 81
|
| 585 |
+
},
|
| 586 |
+
{
|
| 587 |
+
"epoch": 0.2733333333333333,
|
| 588 |
+
"grad_norm": 0.18188251554965973,
|
| 589 |
+
"learning_rate": 0.00017277850975273696,
|
| 590 |
+
"loss": 1.6896,
|
| 591 |
+
"step": 82
|
| 592 |
+
},
|
| 593 |
+
{
|
| 594 |
+
"epoch": 0.27666666666666667,
|
| 595 |
+
"grad_norm": 0.17649756371974945,
|
| 596 |
+
"learning_rate": 0.000172033897852734,
|
| 597 |
+
"loss": 1.6855,
|
| 598 |
+
"step": 83
|
| 599 |
+
},
|
| 600 |
+
{
|
| 601 |
+
"epoch": 0.28,
|
| 602 |
+
"grad_norm": 0.1801021695137024,
|
| 603 |
+
"learning_rate": 0.00017128089045468294,
|
| 604 |
+
"loss": 1.4462,
|
| 605 |
+
"step": 84
|
| 606 |
+
},
|
| 607 |
+
{
|
| 608 |
+
"epoch": 0.2833333333333333,
|
| 609 |
+
"grad_norm": 0.16927750408649445,
|
| 610 |
+
"learning_rate": 0.0001705195753210446,
|
| 611 |
+
"loss": 1.5268,
|
| 612 |
+
"step": 85
|
| 613 |
+
},
|
| 614 |
+
{
|
| 615 |
+
"epoch": 0.2866666666666667,
|
| 616 |
+
"grad_norm": 0.18690228462219238,
|
| 617 |
+
"learning_rate": 0.0001697500411825403,
|
| 618 |
+
"loss": 1.8519,
|
| 619 |
+
"step": 86
|
| 620 |
+
},
|
| 621 |
+
{
|
| 622 |
+
"epoch": 0.29,
|
| 623 |
+
"grad_norm": 0.20217467844486237,
|
| 624 |
+
"learning_rate": 0.00016897237772781044,
|
| 625 |
+
"loss": 1.92,
|
| 626 |
+
"step": 87
|
| 627 |
+
},
|
| 628 |
+
{
|
| 629 |
+
"epoch": 0.29333333333333333,
|
| 630 |
+
"grad_norm": 0.27469587326049805,
|
| 631 |
+
"learning_rate": 0.0001681866755929612,
|
| 632 |
+
"loss": 2.0257,
|
| 633 |
+
"step": 88
|
| 634 |
+
},
|
| 635 |
+
{
|
| 636 |
+
"epoch": 0.2966666666666667,
|
| 637 |
+
"grad_norm": 0.13343855738639832,
|
| 638 |
+
"learning_rate": 0.00016739302635100108,
|
| 639 |
+
"loss": 1.6739,
|
| 640 |
+
"step": 89
|
| 641 |
+
},
|
| 642 |
+
{
|
| 643 |
+
"epoch": 0.3,
|
| 644 |
+
"grad_norm": 0.18704169988632202,
|
| 645 |
+
"learning_rate": 0.00016659152250116812,
|
| 646 |
+
"loss": 1.7542,
|
| 647 |
+
"step": 90
|
| 648 |
+
},
|
| 649 |
+
{
|
| 650 |
+
"epoch": 0.30333333333333334,
|
| 651 |
+
"grad_norm": 0.2323143184185028,
|
| 652 |
+
"learning_rate": 0.00016578225745814907,
|
| 653 |
+
"loss": 1.6746,
|
| 654 |
+
"step": 91
|
| 655 |
+
},
|
| 656 |
+
{
|
| 657 |
+
"epoch": 0.30666666666666664,
|
| 658 |
+
"grad_norm": 0.17189523577690125,
|
| 659 |
+
"learning_rate": 0.00016496532554119214,
|
| 660 |
+
"loss": 1.6818,
|
| 661 |
+
"step": 92
|
| 662 |
+
},
|
| 663 |
+
{
|
| 664 |
+
"epoch": 0.31,
|
| 665 |
+
"grad_norm": 0.19542841613292694,
|
| 666 |
+
"learning_rate": 0.000164140821963114,
|
| 667 |
+
"loss": 1.7951,
|
| 668 |
+
"step": 93
|
| 669 |
+
},
|
| 670 |
+
{
|
| 671 |
+
"epoch": 0.31333333333333335,
|
| 672 |
+
"grad_norm": 0.2227221131324768,
|
| 673 |
+
"learning_rate": 0.000163308842819203,
|
| 674 |
+
"loss": 2.0738,
|
| 675 |
+
"step": 94
|
| 676 |
+
},
|
| 677 |
+
{
|
| 678 |
+
"epoch": 0.31666666666666665,
|
| 679 |
+
"grad_norm": 0.25109028816223145,
|
| 680 |
+
"learning_rate": 0.00016246948507601914,
|
| 681 |
+
"loss": 1.7133,
|
| 682 |
+
"step": 95
|
| 683 |
+
},
|
| 684 |
+
{
|
| 685 |
+
"epoch": 0.32,
|
| 686 |
+
"grad_norm": 0.12997524440288544,
|
| 687 |
+
"learning_rate": 0.00016162284656009274,
|
| 688 |
+
"loss": 1.9752,
|
| 689 |
+
"step": 96
|
| 690 |
+
},
|
| 691 |
+
{
|
| 692 |
+
"epoch": 0.3233333333333333,
|
| 693 |
+
"grad_norm": 0.23506972193717957,
|
| 694 |
+
"learning_rate": 0.0001607690259465229,
|
| 695 |
+
"loss": 1.905,
|
| 696 |
+
"step": 97
|
| 697 |
+
},
|
| 698 |
+
{
|
| 699 |
+
"epoch": 0.32666666666666666,
|
| 700 |
+
"grad_norm": 0.15737849473953247,
|
| 701 |
+
"learning_rate": 0.00015990812274747692,
|
| 702 |
+
"loss": 1.5445,
|
| 703 |
+
"step": 98
|
| 704 |
+
},
|
| 705 |
+
{
|
| 706 |
+
"epoch": 0.33,
|
| 707 |
+
"grad_norm": 0.16445747017860413,
|
| 708 |
+
"learning_rate": 0.00015904023730059228,
|
| 709 |
+
"loss": 1.7706,
|
| 710 |
+
"step": 99
|
| 711 |
+
},
|
| 712 |
+
{
|
| 713 |
+
"epoch": 0.3333333333333333,
|
| 714 |
+
"grad_norm": 0.16149075329303741,
|
| 715 |
+
"learning_rate": 0.00015816547075728226,
|
| 716 |
+
"loss": 1.8575,
|
| 717 |
+
"step": 100
|
| 718 |
+
},
|
| 719 |
+
{
|
| 720 |
+
"epoch": 0.33666666666666667,
|
| 721 |
+
"grad_norm": 0.17258767783641815,
|
| 722 |
+
"learning_rate": 0.000157283925070947,
|
| 723 |
+
"loss": 1.6852,
|
| 724 |
+
"step": 101
|
| 725 |
+
},
|
| 726 |
+
{
|
| 727 |
+
"epoch": 0.34,
|
| 728 |
+
"grad_norm": 0.21116161346435547,
|
| 729 |
+
"learning_rate": 0.00015639570298509064,
|
| 730 |
+
"loss": 1.6215,
|
| 731 |
+
"step": 102
|
| 732 |
+
},
|
| 733 |
+
{
|
| 734 |
+
"epoch": 0.3433333333333333,
|
| 735 |
+
"grad_norm": 0.21945820748806,
|
| 736 |
+
"learning_rate": 0.000155500908021347,
|
| 737 |
+
"loss": 1.8009,
|
| 738 |
+
"step": 103
|
| 739 |
+
},
|
| 740 |
+
{
|
| 741 |
+
"epoch": 0.3466666666666667,
|
| 742 |
+
"grad_norm": 0.15959838032722473,
|
| 743 |
+
"learning_rate": 0.00015459964446741382,
|
| 744 |
+
"loss": 1.5615,
|
| 745 |
+
"step": 104
|
| 746 |
+
},
|
| 747 |
+
{
|
| 748 |
+
"epoch": 0.35,
|
| 749 |
+
"grad_norm": 0.1735246777534485,
|
| 750 |
+
"learning_rate": 0.0001536920173648984,
|
| 751 |
+
"loss": 1.7633,
|
| 752 |
+
"step": 105
|
| 753 |
+
},
|
| 754 |
+
{
|
| 755 |
+
"epoch": 0.35333333333333333,
|
| 756 |
+
"grad_norm": 0.13111194968223572,
|
| 757 |
+
"learning_rate": 0.00015277813249707487,
|
| 758 |
+
"loss": 1.927,
|
| 759 |
+
"step": 106
|
| 760 |
+
},
|
| 761 |
+
{
|
| 762 |
+
"epoch": 0.3566666666666667,
|
| 763 |
+
"grad_norm": 0.2176179140806198,
|
| 764 |
+
"learning_rate": 0.0001518580963765555,
|
| 765 |
+
"loss": 2.0393,
|
| 766 |
+
"step": 107
|
| 767 |
+
},
|
| 768 |
+
{
|
| 769 |
+
"epoch": 0.36,
|
| 770 |
+
"grad_norm": 0.16239792108535767,
|
| 771 |
+
"learning_rate": 0.00015093201623287631,
|
| 772 |
+
"loss": 1.5587,
|
| 773 |
+
"step": 108
|
| 774 |
+
},
|
| 775 |
+
{
|
| 776 |
+
"epoch": 0.36333333333333334,
|
| 777 |
+
"grad_norm": 0.25669199228286743,
|
| 778 |
+
"learning_rate": 0.00015000000000000001,
|
| 779 |
+
"loss": 1.4917,
|
| 780 |
+
"step": 109
|
| 781 |
+
},
|
| 782 |
+
{
|
| 783 |
+
"epoch": 0.36666666666666664,
|
| 784 |
+
"grad_norm": 0.14471955597400665,
|
| 785 |
+
"learning_rate": 0.00014906215630373606,
|
| 786 |
+
"loss": 1.6249,
|
| 787 |
+
"step": 110
|
| 788 |
+
},
|
| 789 |
+
{
|
| 790 |
+
"epoch": 0.37,
|
| 791 |
+
"grad_norm": 0.22089527547359467,
|
| 792 |
+
"learning_rate": 0.00014811859444908052,
|
| 793 |
+
"loss": 2.0068,
|
| 794 |
+
"step": 111
|
| 795 |
+
},
|
| 796 |
+
{
|
| 797 |
+
"epoch": 0.37333333333333335,
|
| 798 |
+
"grad_norm": 0.1651736944913864,
|
| 799 |
+
"learning_rate": 0.00014716942440747664,
|
| 800 |
+
"loss": 1.6535,
|
| 801 |
+
"step": 112
|
| 802 |
+
},
|
| 803 |
+
{
|
| 804 |
+
"epoch": 0.37666666666666665,
|
| 805 |
+
"grad_norm": 0.16808518767356873,
|
| 806 |
+
"learning_rate": 0.0001462147568039977,
|
| 807 |
+
"loss": 2.1169,
|
| 808 |
+
"step": 113
|
| 809 |
+
},
|
| 810 |
+
{
|
| 811 |
+
"epoch": 0.38,
|
| 812 |
+
"grad_norm": 0.1802249252796173,
|
| 813 |
+
"learning_rate": 0.00014525470290445392,
|
| 814 |
+
"loss": 1.7287,
|
| 815 |
+
"step": 114
|
| 816 |
+
},
|
| 817 |
+
{
|
| 818 |
+
"epoch": 0.38333333333333336,
|
| 819 |
+
"grad_norm": 0.13918867707252502,
|
| 820 |
+
"learning_rate": 0.00014428937460242417,
|
| 821 |
+
"loss": 1.6429,
|
| 822 |
+
"step": 115
|
| 823 |
+
},
|
| 824 |
+
{
|
| 825 |
+
"epoch": 0.38666666666666666,
|
| 826 |
+
"grad_norm": 0.16866669058799744,
|
| 827 |
+
"learning_rate": 0.00014331888440621533,
|
| 828 |
+
"loss": 1.6221,
|
| 829 |
+
"step": 116
|
| 830 |
+
},
|
| 831 |
+
{
|
| 832 |
+
"epoch": 0.39,
|
| 833 |
+
"grad_norm": 0.2179497629404068,
|
| 834 |
+
"learning_rate": 0.00014234334542574906,
|
| 835 |
+
"loss": 1.9434,
|
| 836 |
+
"step": 117
|
| 837 |
+
},
|
| 838 |
+
{
|
| 839 |
+
"epoch": 0.3933333333333333,
|
| 840 |
+
"grad_norm": 0.20598508417606354,
|
| 841 |
+
"learning_rate": 0.00014136287135937915,
|
| 842 |
+
"loss": 1.8447,
|
| 843 |
+
"step": 118
|
| 844 |
+
},
|
| 845 |
+
{
|
| 846 |
+
"epoch": 0.39666666666666667,
|
| 847 |
+
"grad_norm": 0.2654450535774231,
|
| 848 |
+
"learning_rate": 0.00014037757648064018,
|
| 849 |
+
"loss": 2.0047,
|
| 850 |
+
"step": 119
|
| 851 |
+
},
|
| 852 |
+
{
|
| 853 |
+
"epoch": 0.4,
|
| 854 |
+
"grad_norm": 0.1578744649887085,
|
| 855 |
+
"learning_rate": 0.00013938757562492873,
|
| 856 |
+
"loss": 1.5683,
|
| 857 |
+
"step": 120
|
| 858 |
+
},
|
| 859 |
+
{
|
| 860 |
+
"epoch": 0.4,
|
| 861 |
+
"eval_loss": 1.9689319133758545,
|
| 862 |
+
"eval_runtime": 105.5842,
|
| 863 |
+
"eval_samples_per_second": 2.841,
|
| 864 |
+
"eval_steps_per_second": 0.36,
|
| 865 |
+
"step": 120
|
| 866 |
+
},
|
| 867 |
+
{
|
| 868 |
+
"epoch": 0.4033333333333333,
|
| 869 |
+
"grad_norm": 0.17445330321788788,
|
| 870 |
+
"learning_rate": 0.00013839298417611963,
|
| 871 |
+
"loss": 1.8099,
|
| 872 |
+
"step": 121
|
| 873 |
+
},
|
| 874 |
+
{
|
| 875 |
+
"epoch": 0.4066666666666667,
|
| 876 |
+
"grad_norm": 0.17443552613258362,
|
| 877 |
+
"learning_rate": 0.00013739391805311793,
|
| 878 |
+
"loss": 1.6858,
|
| 879 |
+
"step": 122
|
| 880 |
+
},
|
| 881 |
+
{
|
| 882 |
+
"epoch": 0.41,
|
| 883 |
+
"grad_norm": 0.2298484444618225,
|
| 884 |
+
"learning_rate": 0.00013639049369634876,
|
| 885 |
+
"loss": 1.6995,
|
| 886 |
+
"step": 123
|
| 887 |
+
},
|
| 888 |
+
{
|
| 889 |
+
"epoch": 0.41333333333333333,
|
| 890 |
+
"grad_norm": 0.12730997800827026,
|
| 891 |
+
"learning_rate": 0.0001353828280541861,
|
| 892 |
+
"loss": 2.2712,
|
| 893 |
+
"step": 124
|
| 894 |
+
},
|
| 895 |
+
{
|
| 896 |
+
"epoch": 0.4166666666666667,
|
| 897 |
+
"grad_norm": 0.18344169855117798,
|
| 898 |
+
"learning_rate": 0.00013437103856932264,
|
| 899 |
+
"loss": 1.78,
|
| 900 |
+
"step": 125
|
| 901 |
+
},
|
| 902 |
+
{
|
| 903 |
+
"epoch": 0.42,
|
| 904 |
+
"grad_norm": 0.16407208144664764,
|
| 905 |
+
"learning_rate": 0.00013335524316508208,
|
| 906 |
+
"loss": 1.7153,
|
| 907 |
+
"step": 126
|
| 908 |
+
},
|
| 909 |
+
{
|
| 910 |
+
"epoch": 0.42333333333333334,
|
| 911 |
+
"grad_norm": 0.2899414896965027,
|
| 912 |
+
"learning_rate": 0.00013233556023167485,
|
| 913 |
+
"loss": 1.6807,
|
| 914 |
+
"step": 127
|
| 915 |
+
},
|
| 916 |
+
{
|
| 917 |
+
"epoch": 0.4266666666666667,
|
| 918 |
+
"grad_norm": 0.20936259627342224,
|
| 919 |
+
"learning_rate": 0.00013131210861240026,
|
| 920 |
+
"loss": 1.8354,
|
| 921 |
+
"step": 128
|
| 922 |
+
},
|
| 923 |
+
{
|
| 924 |
+
"epoch": 0.43,
|
| 925 |
+
"grad_norm": 0.24104556441307068,
|
| 926 |
+
"learning_rate": 0.00013028500758979506,
|
| 927 |
+
"loss": 1.7304,
|
| 928 |
+
"step": 129
|
| 929 |
+
},
|
| 930 |
+
{
|
| 931 |
+
"epoch": 0.43333333333333335,
|
| 932 |
+
"grad_norm": 0.13295267522335052,
|
| 933 |
+
"learning_rate": 0.00012925437687173142,
|
| 934 |
+
"loss": 1.5726,
|
| 935 |
+
"step": 130
|
| 936 |
+
},
|
| 937 |
+
{
|
| 938 |
+
"epoch": 0.43666666666666665,
|
| 939 |
+
"grad_norm": 0.18221959471702576,
|
| 940 |
+
"learning_rate": 0.00012822033657746478,
|
| 941 |
+
"loss": 1.8909,
|
| 942 |
+
"step": 131
|
| 943 |
+
},
|
| 944 |
+
{
|
| 945 |
+
"epoch": 0.44,
|
| 946 |
+
"grad_norm": 0.15093231201171875,
|
| 947 |
+
"learning_rate": 0.0001271830072236343,
|
| 948 |
+
"loss": 1.4898,
|
| 949 |
+
"step": 132
|
| 950 |
+
},
|
| 951 |
+
{
|
| 952 |
+
"epoch": 0.44333333333333336,
|
| 953 |
+
"grad_norm": 0.24701373279094696,
|
| 954 |
+
"learning_rate": 0.00012614250971021657,
|
| 955 |
+
"loss": 1.5876,
|
| 956 |
+
"step": 133
|
| 957 |
+
},
|
| 958 |
+
{
|
| 959 |
+
"epoch": 0.44666666666666666,
|
| 960 |
+
"grad_norm": 0.15908396244049072,
|
| 961 |
+
"learning_rate": 0.00012509896530643488,
|
| 962 |
+
"loss": 1.8188,
|
| 963 |
+
"step": 134
|
| 964 |
+
},
|
| 965 |
+
{
|
| 966 |
+
"epoch": 0.45,
|
| 967 |
+
"grad_norm": 0.17179876565933228,
|
| 968 |
+
"learning_rate": 0.00012405249563662537,
|
| 969 |
+
"loss": 1.6909,
|
| 970 |
+
"step": 135
|
| 971 |
+
},
|
| 972 |
+
{
|
| 973 |
+
"epoch": 0.4533333333333333,
|
| 974 |
+
"grad_norm": 0.2213679701089859,
|
| 975 |
+
"learning_rate": 0.00012300322266606178,
|
| 976 |
+
"loss": 1.8504,
|
| 977 |
+
"step": 136
|
| 978 |
+
},
|
| 979 |
+
{
|
| 980 |
+
"epoch": 0.45666666666666667,
|
| 981 |
+
"grad_norm": 0.1909617930650711,
|
| 982 |
+
"learning_rate": 0.00012195126868674051,
|
| 983 |
+
"loss": 1.7861,
|
| 984 |
+
"step": 137
|
| 985 |
+
},
|
| 986 |
+
{
|
| 987 |
+
"epoch": 0.46,
|
| 988 |
+
"grad_norm": 0.22522148489952087,
|
| 989 |
+
"learning_rate": 0.00012089675630312754,
|
| 990 |
+
"loss": 1.4303,
|
| 991 |
+
"step": 138
|
| 992 |
+
},
|
| 993 |
+
{
|
| 994 |
+
"epoch": 0.4633333333333333,
|
| 995 |
+
"grad_norm": 0.18442374467849731,
|
| 996 |
+
"learning_rate": 0.000119839808417869,
|
| 997 |
+
"loss": 1.7304,
|
| 998 |
+
"step": 139
|
| 999 |
+
},
|
| 1000 |
+
{
|
| 1001 |
+
"epoch": 0.4666666666666667,
|
| 1002 |
+
"grad_norm": 0.19756169617176056,
|
| 1003 |
+
"learning_rate": 0.00011878054821746703,
|
| 1004 |
+
"loss": 1.7696,
|
| 1005 |
+
"step": 140
|
| 1006 |
+
},
|
| 1007 |
+
{
|
| 1008 |
+
"epoch": 0.47,
|
| 1009 |
+
"grad_norm": 0.21999084949493408,
|
| 1010 |
+
"learning_rate": 0.0001177190991579223,
|
| 1011 |
+
"loss": 1.3715,
|
| 1012 |
+
"step": 141
|
| 1013 |
+
},
|
| 1014 |
+
{
|
| 1015 |
+
"epoch": 0.47333333333333333,
|
| 1016 |
+
"grad_norm": 0.15807120501995087,
|
| 1017 |
+
"learning_rate": 0.00011665558495034546,
|
| 1018 |
+
"loss": 1.6985,
|
| 1019 |
+
"step": 142
|
| 1020 |
+
},
|
| 1021 |
+
{
|
| 1022 |
+
"epoch": 0.4766666666666667,
|
| 1023 |
+
"grad_norm": 0.21601736545562744,
|
| 1024 |
+
"learning_rate": 0.00011559012954653865,
|
| 1025 |
+
"loss": 1.3233,
|
| 1026 |
+
"step": 143
|
| 1027 |
+
},
|
| 1028 |
+
{
|
| 1029 |
+
"epoch": 0.48,
|
| 1030 |
+
"grad_norm": 0.14652834832668304,
|
| 1031 |
+
"learning_rate": 0.00011452285712454904,
|
| 1032 |
+
"loss": 1.6432,
|
| 1033 |
+
"step": 144
|
| 1034 |
+
},
|
| 1035 |
+
{
|
| 1036 |
+
"epoch": 0.48333333333333334,
|
| 1037 |
+
"grad_norm": 0.11754251271486282,
|
| 1038 |
+
"learning_rate": 0.00011345389207419588,
|
| 1039 |
+
"loss": 1.9452,
|
| 1040 |
+
"step": 145
|
| 1041 |
+
},
|
| 1042 |
+
{
|
| 1043 |
+
"epoch": 0.4866666666666667,
|
| 1044 |
+
"grad_norm": 0.15474091470241547,
|
| 1045 |
+
"learning_rate": 0.00011238335898257304,
|
| 1046 |
+
"loss": 1.8238,
|
| 1047 |
+
"step": 146
|
| 1048 |
+
},
|
| 1049 |
+
{
|
| 1050 |
+
"epoch": 0.49,
|
| 1051 |
+
"grad_norm": 0.19140326976776123,
|
| 1052 |
+
"learning_rate": 0.00011131138261952845,
|
| 1053 |
+
"loss": 1.6152,
|
| 1054 |
+
"step": 147
|
| 1055 |
+
},
|
| 1056 |
+
{
|
| 1057 |
+
"epoch": 0.49333333333333335,
|
| 1058 |
+
"grad_norm": 0.17788617312908173,
|
| 1059 |
+
"learning_rate": 0.00011023808792312227,
|
| 1060 |
+
"loss": 1.7443,
|
| 1061 |
+
"step": 148
|
| 1062 |
+
},
|
| 1063 |
+
{
|
| 1064 |
+
"epoch": 0.49666666666666665,
|
| 1065 |
+
"grad_norm": 0.18357710540294647,
|
| 1066 |
+
"learning_rate": 0.0001091635999850655,
|
| 1067 |
+
"loss": 1.7117,
|
| 1068 |
+
"step": 149
|
| 1069 |
+
},
|
| 1070 |
+
{
|
| 1071 |
+
"epoch": 0.5,
|
| 1072 |
+
"grad_norm": 0.18637436628341675,
|
| 1073 |
+
"learning_rate": 0.00010808804403614043,
|
| 1074 |
+
"loss": 1.6151,
|
| 1075 |
+
"step": 150
|
| 1076 |
+
},
|
| 1077 |
+
{
|
| 1078 |
+
"epoch": 0.5033333333333333,
|
| 1079 |
+
"grad_norm": 0.18485836684703827,
|
| 1080 |
+
"learning_rate": 0.00010701154543160541,
|
| 1081 |
+
"loss": 1.2937,
|
| 1082 |
+
"step": 151
|
| 1083 |
+
},
|
| 1084 |
+
{
|
| 1085 |
+
"epoch": 0.5066666666666667,
|
| 1086 |
+
"grad_norm": 0.16544543206691742,
|
| 1087 |
+
"learning_rate": 0.00010593422963658452,
|
| 1088 |
+
"loss": 2.0701,
|
| 1089 |
+
"step": 152
|
| 1090 |
+
},
|
| 1091 |
+
{
|
| 1092 |
+
"epoch": 0.51,
|
| 1093 |
+
"grad_norm": 0.22352543473243713,
|
| 1094 |
+
"learning_rate": 0.00010485622221144484,
|
| 1095 |
+
"loss": 1.917,
|
| 1096 |
+
"step": 153
|
| 1097 |
+
},
|
| 1098 |
+
{
|
| 1099 |
+
"epoch": 0.5133333333333333,
|
| 1100 |
+
"grad_norm": 0.18895843625068665,
|
| 1101 |
+
"learning_rate": 0.00010377764879716234,
|
| 1102 |
+
"loss": 1.5448,
|
| 1103 |
+
"step": 154
|
| 1104 |
+
},
|
| 1105 |
+
{
|
| 1106 |
+
"epoch": 0.5166666666666667,
|
| 1107 |
+
"grad_norm": 0.15331783890724182,
|
| 1108 |
+
"learning_rate": 0.00010269863510067872,
|
| 1109 |
+
"loss": 1.7176,
|
| 1110 |
+
"step": 155
|
| 1111 |
+
},
|
| 1112 |
+
{
|
| 1113 |
+
"epoch": 0.52,
|
| 1114 |
+
"grad_norm": 0.23109984397888184,
|
| 1115 |
+
"learning_rate": 0.00010161930688025017,
|
| 1116 |
+
"loss": 1.533,
|
| 1117 |
+
"step": 156
|
| 1118 |
+
},
|
| 1119 |
+
{
|
| 1120 |
+
"epoch": 0.5233333333333333,
|
| 1121 |
+
"grad_norm": 0.14737705886363983,
|
| 1122 |
+
"learning_rate": 0.00010053978993079045,
|
| 1123 |
+
"loss": 1.738,
|
| 1124 |
+
"step": 157
|
| 1125 |
+
},
|
| 1126 |
+
{
|
| 1127 |
+
"epoch": 0.5266666666666666,
|
| 1128 |
+
"grad_norm": 0.17144230008125305,
|
| 1129 |
+
"learning_rate": 9.946021006920959e-05,
|
| 1130 |
+
"loss": 1.9154,
|
| 1131 |
+
"step": 158
|
| 1132 |
+
},
|
| 1133 |
+
{
|
| 1134 |
+
"epoch": 0.53,
|
| 1135 |
+
"grad_norm": 0.1662004441022873,
|
| 1136 |
+
"learning_rate": 9.838069311974986e-05,
|
| 1137 |
+
"loss": 1.8317,
|
| 1138 |
+
"step": 159
|
| 1139 |
+
},
|
| 1140 |
+
{
|
| 1141 |
+
"epoch": 0.5333333333333333,
|
| 1142 |
+
"grad_norm": 0.184712752699852,
|
| 1143 |
+
"learning_rate": 9.730136489932133e-05,
|
| 1144 |
+
"loss": 1.3791,
|
| 1145 |
+
"step": 160
|
| 1146 |
+
},
|
| 1147 |
+
{
|
| 1148 |
+
"epoch": 0.5366666666666666,
|
| 1149 |
+
"grad_norm": 0.2711019515991211,
|
| 1150 |
+
"learning_rate": 9.622235120283769e-05,
|
| 1151 |
+
"loss": 1.7356,
|
| 1152 |
+
"step": 161
|
| 1153 |
+
},
|
| 1154 |
+
{
|
| 1155 |
+
"epoch": 0.54,
|
| 1156 |
+
"grad_norm": 0.22583667933940887,
|
| 1157 |
+
"learning_rate": 9.514377778855521e-05,
|
| 1158 |
+
"loss": 1.839,
|
| 1159 |
+
"step": 162
|
| 1160 |
+
},
|
| 1161 |
+
{
|
| 1162 |
+
"epoch": 0.5433333333333333,
|
| 1163 |
+
"grad_norm": 0.19490784406661987,
|
| 1164 |
+
"learning_rate": 9.406577036341548e-05,
|
| 1165 |
+
"loss": 1.4991,
|
| 1166 |
+
"step": 163
|
| 1167 |
+
},
|
| 1168 |
+
{
|
| 1169 |
+
"epoch": 0.5466666666666666,
|
| 1170 |
+
"grad_norm": 0.15581147372722626,
|
| 1171 |
+
"learning_rate": 9.298845456839459e-05,
|
| 1172 |
+
"loss": 1.8299,
|
| 1173 |
+
"step": 164
|
| 1174 |
+
},
|
| 1175 |
+
{
|
| 1176 |
+
"epoch": 0.55,
|
| 1177 |
+
"grad_norm": 0.1860620230436325,
|
| 1178 |
+
"learning_rate": 9.19119559638596e-05,
|
| 1179 |
+
"loss": 2.1671,
|
| 1180 |
+
"step": 165
|
| 1181 |
+
},
|
| 1182 |
+
{
|
| 1183 |
+
"epoch": 0.5533333333333333,
|
| 1184 |
+
"grad_norm": 0.23739062249660492,
|
| 1185 |
+
"learning_rate": 9.083640001493454e-05,
|
| 1186 |
+
"loss": 2.3618,
|
| 1187 |
+
"step": 166
|
| 1188 |
+
},
|
| 1189 |
+
{
|
| 1190 |
+
"epoch": 0.5566666666666666,
|
| 1191 |
+
"grad_norm": 0.2087864726781845,
|
| 1192 |
+
"learning_rate": 8.976191207687775e-05,
|
| 1193 |
+
"loss": 1.7497,
|
| 1194 |
+
"step": 167
|
| 1195 |
+
},
|
| 1196 |
+
{
|
| 1197 |
+
"epoch": 0.56,
|
| 1198 |
+
"grad_norm": 0.14848671853542328,
|
| 1199 |
+
"learning_rate": 8.868861738047158e-05,
|
| 1200 |
+
"loss": 1.552,
|
| 1201 |
+
"step": 168
|
| 1202 |
+
},
|
| 1203 |
+
{
|
| 1204 |
+
"epoch": 0.5633333333333334,
|
| 1205 |
+
"grad_norm": 0.1923326849937439,
|
| 1206 |
+
"learning_rate": 8.7616641017427e-05,
|
| 1207 |
+
"loss": 1.9334,
|
| 1208 |
+
"step": 169
|
| 1209 |
+
},
|
| 1210 |
+
{
|
| 1211 |
+
"epoch": 0.5666666666666667,
|
| 1212 |
+
"grad_norm": 0.18040664494037628,
|
| 1213 |
+
"learning_rate": 8.654610792580415e-05,
|
| 1214 |
+
"loss": 1.8009,
|
| 1215 |
+
"step": 170
|
| 1216 |
+
},
|
| 1217 |
+
{
|
| 1218 |
+
"epoch": 0.57,
|
| 1219 |
+
"grad_norm": 0.19821511209011078,
|
| 1220 |
+
"learning_rate": 8.5477142875451e-05,
|
| 1221 |
+
"loss": 1.5184,
|
| 1222 |
+
"step": 171
|
| 1223 |
+
},
|
| 1224 |
+
{
|
| 1225 |
+
"epoch": 0.5733333333333334,
|
| 1226 |
+
"grad_norm": 0.24785931408405304,
|
| 1227 |
+
"learning_rate": 8.440987045346134e-05,
|
| 1228 |
+
"loss": 1.8505,
|
| 1229 |
+
"step": 172
|
| 1230 |
+
},
|
| 1231 |
+
{
|
| 1232 |
+
"epoch": 0.5766666666666667,
|
| 1233 |
+
"grad_norm": 0.17160287499427795,
|
| 1234 |
+
"learning_rate": 8.334441504965455e-05,
|
| 1235 |
+
"loss": 1.4808,
|
| 1236 |
+
"step": 173
|
| 1237 |
+
},
|
| 1238 |
+
{
|
| 1239 |
+
"epoch": 0.58,
|
| 1240 |
+
"grad_norm": 0.13557881116867065,
|
| 1241 |
+
"learning_rate": 8.228090084207774e-05,
|
| 1242 |
+
"loss": 1.6194,
|
| 1243 |
+
"step": 174
|
| 1244 |
+
},
|
| 1245 |
+
{
|
| 1246 |
+
"epoch": 0.5833333333333334,
|
| 1247 |
+
"grad_norm": 0.1418817937374115,
|
| 1248 |
+
"learning_rate": 8.1219451782533e-05,
|
| 1249 |
+
"loss": 1.4039,
|
| 1250 |
+
"step": 175
|
| 1251 |
+
},
|
| 1252 |
+
{
|
| 1253 |
+
"epoch": 0.5866666666666667,
|
| 1254 |
+
"grad_norm": 0.18646883964538574,
|
| 1255 |
+
"learning_rate": 8.016019158213101e-05,
|
| 1256 |
+
"loss": 1.5624,
|
| 1257 |
+
"step": 176
|
| 1258 |
+
},
|
| 1259 |
+
{
|
| 1260 |
+
"epoch": 0.59,
|
| 1261 |
+
"grad_norm": 0.1777251660823822,
|
| 1262 |
+
"learning_rate": 7.91032436968725e-05,
|
| 1263 |
+
"loss": 1.7192,
|
| 1264 |
+
"step": 177
|
| 1265 |
+
},
|
| 1266 |
+
{
|
| 1267 |
+
"epoch": 0.5933333333333334,
|
| 1268 |
+
"grad_norm": 0.14895232021808624,
|
| 1269 |
+
"learning_rate": 7.804873131325954e-05,
|
| 1270 |
+
"loss": 1.5677,
|
| 1271 |
+
"step": 178
|
| 1272 |
+
},
|
| 1273 |
+
{
|
| 1274 |
+
"epoch": 0.5966666666666667,
|
| 1275 |
+
"grad_norm": 0.19403791427612305,
|
| 1276 |
+
"learning_rate": 7.699677733393826e-05,
|
| 1277 |
+
"loss": 1.6584,
|
| 1278 |
+
"step": 179
|
| 1279 |
+
},
|
| 1280 |
+
{
|
| 1281 |
+
"epoch": 0.6,
|
| 1282 |
+
"grad_norm": 0.13547170162200928,
|
| 1283 |
+
"learning_rate": 7.594750436337467e-05,
|
| 1284 |
+
"loss": 1.29,
|
| 1285 |
+
"step": 180
|
| 1286 |
+
},
|
| 1287 |
+
{
|
| 1288 |
+
"epoch": 0.6,
|
| 1289 |
+
"eval_loss": 1.9572664499282837,
|
| 1290 |
+
"eval_runtime": 105.5497,
|
| 1291 |
+
"eval_samples_per_second": 2.842,
|
| 1292 |
+
"eval_steps_per_second": 0.36,
|
| 1293 |
+
"step": 180
|
| 1294 |
+
},
|
| 1295 |
+
{
|
| 1296 |
+
"epoch": 0.6033333333333334,
|
| 1297 |
+
"grad_norm": 0.16800864040851593,
|
| 1298 |
+
"learning_rate": 7.490103469356513e-05,
|
| 1299 |
+
"loss": 1.2715,
|
| 1300 |
+
"step": 181
|
| 1301 |
+
},
|
| 1302 |
+
{
|
| 1303 |
+
"epoch": 0.6066666666666667,
|
| 1304 |
+
"grad_norm": 0.29579752683639526,
|
| 1305 |
+
"learning_rate": 7.385749028978346e-05,
|
| 1306 |
+
"loss": 1.8179,
|
| 1307 |
+
"step": 182
|
| 1308 |
+
},
|
| 1309 |
+
{
|
| 1310 |
+
"epoch": 0.61,
|
| 1311 |
+
"grad_norm": 0.21788251399993896,
|
| 1312 |
+
"learning_rate": 7.281699277636572e-05,
|
| 1313 |
+
"loss": 1.4703,
|
| 1314 |
+
"step": 183
|
| 1315 |
+
},
|
| 1316 |
+
{
|
| 1317 |
+
"epoch": 0.6133333333333333,
|
| 1318 |
+
"grad_norm": 0.22312134504318237,
|
| 1319 |
+
"learning_rate": 7.177966342253524e-05,
|
| 1320 |
+
"loss": 1.8905,
|
| 1321 |
+
"step": 184
|
| 1322 |
+
},
|
| 1323 |
+
{
|
| 1324 |
+
"epoch": 0.6166666666666667,
|
| 1325 |
+
"grad_norm": 0.13738024234771729,
|
| 1326 |
+
"learning_rate": 7.07456231282686e-05,
|
| 1327 |
+
"loss": 1.7124,
|
| 1328 |
+
"step": 185
|
| 1329 |
+
},
|
| 1330 |
+
{
|
| 1331 |
+
"epoch": 0.62,
|
| 1332 |
+
"grad_norm": 0.23278340697288513,
|
| 1333 |
+
"learning_rate": 6.971499241020495e-05,
|
| 1334 |
+
"loss": 1.7325,
|
| 1335 |
+
"step": 186
|
| 1336 |
+
},
|
| 1337 |
+
{
|
| 1338 |
+
"epoch": 0.6233333333333333,
|
| 1339 |
+
"grad_norm": 0.21700285375118256,
|
| 1340 |
+
"learning_rate": 6.868789138759976e-05,
|
| 1341 |
+
"loss": 1.3786,
|
| 1342 |
+
"step": 187
|
| 1343 |
+
},
|
| 1344 |
+
{
|
| 1345 |
+
"epoch": 0.6266666666666667,
|
| 1346 |
+
"grad_norm": 0.2645608186721802,
|
| 1347 |
+
"learning_rate": 6.766443976832517e-05,
|
| 1348 |
+
"loss": 1.8447,
|
| 1349 |
+
"step": 188
|
| 1350 |
+
},
|
| 1351 |
+
{
|
| 1352 |
+
"epoch": 0.63,
|
| 1353 |
+
"grad_norm": 0.23962748050689697,
|
| 1354 |
+
"learning_rate": 6.664475683491796e-05,
|
| 1355 |
+
"loss": 1.6991,
|
| 1356 |
+
"step": 189
|
| 1357 |
+
},
|
| 1358 |
+
{
|
| 1359 |
+
"epoch": 0.6333333333333333,
|
| 1360 |
+
"grad_norm": 0.1541968584060669,
|
| 1361 |
+
"learning_rate": 6.562896143067734e-05,
|
| 1362 |
+
"loss": 1.6777,
|
| 1363 |
+
"step": 190
|
| 1364 |
+
},
|
| 1365 |
+
{
|
| 1366 |
+
"epoch": 0.6366666666666667,
|
| 1367 |
+
"grad_norm": 0.18910759687423706,
|
| 1368 |
+
"learning_rate": 6.461717194581393e-05,
|
| 1369 |
+
"loss": 1.6926,
|
| 1370 |
+
"step": 191
|
| 1371 |
+
},
|
| 1372 |
+
{
|
| 1373 |
+
"epoch": 0.64,
|
| 1374 |
+
"grad_norm": 0.12460765987634659,
|
| 1375 |
+
"learning_rate": 6.360950630365126e-05,
|
| 1376 |
+
"loss": 1.2618,
|
| 1377 |
+
"step": 192
|
| 1378 |
+
},
|
| 1379 |
+
{
|
| 1380 |
+
"epoch": 0.6433333333333333,
|
| 1381 |
+
"grad_norm": 0.1890854835510254,
|
| 1382 |
+
"learning_rate": 6.260608194688206e-05,
|
| 1383 |
+
"loss": 1.6225,
|
| 1384 |
+
"step": 193
|
| 1385 |
+
},
|
| 1386 |
+
{
|
| 1387 |
+
"epoch": 0.6466666666666666,
|
| 1388 |
+
"grad_norm": 0.14857855439186096,
|
| 1389 |
+
"learning_rate": 6.160701582388038e-05,
|
| 1390 |
+
"loss": 1.7004,
|
| 1391 |
+
"step": 194
|
| 1392 |
+
},
|
| 1393 |
+
{
|
| 1394 |
+
"epoch": 0.65,
|
| 1395 |
+
"grad_norm": 0.17963790893554688,
|
| 1396 |
+
"learning_rate": 6.061242437507131e-05,
|
| 1397 |
+
"loss": 1.2582,
|
| 1398 |
+
"step": 195
|
| 1399 |
+
},
|
| 1400 |
+
{
|
| 1401 |
+
"epoch": 0.6533333333333333,
|
| 1402 |
+
"grad_norm": 0.22860835492610931,
|
| 1403 |
+
"learning_rate": 5.962242351935985e-05,
|
| 1404 |
+
"loss": 1.7153,
|
| 1405 |
+
"step": 196
|
| 1406 |
+
},
|
| 1407 |
+
{
|
| 1408 |
+
"epoch": 0.6566666666666666,
|
| 1409 |
+
"grad_norm": 0.11601811647415161,
|
| 1410 |
+
"learning_rate": 5.863712864062089e-05,
|
| 1411 |
+
"loss": 1.3152,
|
| 1412 |
+
"step": 197
|
| 1413 |
+
},
|
| 1414 |
+
{
|
| 1415 |
+
"epoch": 0.66,
|
| 1416 |
+
"grad_norm": 0.2678441107273102,
|
| 1417 |
+
"learning_rate": 5.765665457425102e-05,
|
| 1418 |
+
"loss": 1.7089,
|
| 1419 |
+
"step": 198
|
| 1420 |
+
},
|
| 1421 |
+
{
|
| 1422 |
+
"epoch": 0.6633333333333333,
|
| 1423 |
+
"grad_norm": 0.14132283627986908,
|
| 1424 |
+
"learning_rate": 5.668111559378471e-05,
|
| 1425 |
+
"loss": 1.5296,
|
| 1426 |
+
"step": 199
|
| 1427 |
+
},
|
| 1428 |
+
{
|
| 1429 |
+
"epoch": 0.6666666666666666,
|
| 1430 |
+
"grad_norm": 0.1803818643093109,
|
| 1431 |
+
"learning_rate": 5.571062539757581e-05,
|
| 1432 |
+
"loss": 1.7109,
|
| 1433 |
+
"step": 200
|
| 1434 |
+
},
|
| 1435 |
+
{
|
| 1436 |
+
"epoch": 0.67,
|
| 1437 |
+
"grad_norm": 0.18806160986423492,
|
| 1438 |
+
"learning_rate": 5.474529709554612e-05,
|
| 1439 |
+
"loss": 1.564,
|
| 1440 |
+
"step": 201
|
| 1441 |
+
},
|
| 1442 |
+
{
|
| 1443 |
+
"epoch": 0.6733333333333333,
|
| 1444 |
+
"grad_norm": 0.1855868101119995,
|
| 1445 |
+
"learning_rate": 5.378524319600231e-05,
|
| 1446 |
+
"loss": 1.6849,
|
| 1447 |
+
"step": 202
|
| 1448 |
+
},
|
| 1449 |
+
{
|
| 1450 |
+
"epoch": 0.6766666666666666,
|
| 1451 |
+
"grad_norm": 0.14401951432228088,
|
| 1452 |
+
"learning_rate": 5.283057559252341e-05,
|
| 1453 |
+
"loss": 1.6278,
|
| 1454 |
+
"step": 203
|
| 1455 |
+
},
|
| 1456 |
+
{
|
| 1457 |
+
"epoch": 0.68,
|
| 1458 |
+
"grad_norm": 0.13861948251724243,
|
| 1459 |
+
"learning_rate": 5.1881405550919493e-05,
|
| 1460 |
+
"loss": 1.7262,
|
| 1461 |
+
"step": 204
|
| 1462 |
+
},
|
| 1463 |
+
{
|
| 1464 |
+
"epoch": 0.6833333333333333,
|
| 1465 |
+
"grad_norm": 0.3547126054763794,
|
| 1466 |
+
"learning_rate": 5.0937843696263966e-05,
|
| 1467 |
+
"loss": 2.1987,
|
| 1468 |
+
"step": 205
|
| 1469 |
+
},
|
| 1470 |
+
{
|
| 1471 |
+
"epoch": 0.6866666666666666,
|
| 1472 |
+
"grad_norm": 0.2394469678401947,
|
| 1473 |
+
"learning_rate": 5.000000000000002e-05,
|
| 1474 |
+
"loss": 1.7782,
|
| 1475 |
+
"step": 206
|
| 1476 |
+
},
|
| 1477 |
+
{
|
| 1478 |
+
"epoch": 0.69,
|
| 1479 |
+
"grad_norm": 0.17434202134609222,
|
| 1480 |
+
"learning_rate": 4.9067983767123736e-05,
|
| 1481 |
+
"loss": 1.6292,
|
| 1482 |
+
"step": 207
|
| 1483 |
+
},
|
| 1484 |
+
{
|
| 1485 |
+
"epoch": 0.6933333333333334,
|
| 1486 |
+
"grad_norm": 0.22222231328487396,
|
| 1487 |
+
"learning_rate": 4.814190362344454e-05,
|
| 1488 |
+
"loss": 1.8205,
|
| 1489 |
+
"step": 208
|
| 1490 |
+
},
|
| 1491 |
+
{
|
| 1492 |
+
"epoch": 0.6966666666666667,
|
| 1493 |
+
"grad_norm": 0.14674372971057892,
|
| 1494 |
+
"learning_rate": 4.722186750292511e-05,
|
| 1495 |
+
"loss": 1.3575,
|
| 1496 |
+
"step": 209
|
| 1497 |
+
},
|
| 1498 |
+
{
|
| 1499 |
+
"epoch": 0.7,
|
| 1500 |
+
"grad_norm": 0.23563924431800842,
|
| 1501 |
+
"learning_rate": 4.630798263510162e-05,
|
| 1502 |
+
"loss": 2.0979,
|
| 1503 |
+
"step": 210
|
| 1504 |
+
},
|
| 1505 |
+
{
|
| 1506 |
+
"epoch": 0.7033333333333334,
|
| 1507 |
+
"grad_norm": 0.19721245765686035,
|
| 1508 |
+
"learning_rate": 4.540035553258619e-05,
|
| 1509 |
+
"loss": 1.6031,
|
| 1510 |
+
"step": 211
|
| 1511 |
+
},
|
| 1512 |
+
{
|
| 1513 |
+
"epoch": 0.7066666666666667,
|
| 1514 |
+
"grad_norm": 0.1618299037218094,
|
| 1515 |
+
"learning_rate": 4.449909197865303e-05,
|
| 1516 |
+
"loss": 1.7319,
|
| 1517 |
+
"step": 212
|
| 1518 |
+
},
|
| 1519 |
+
{
|
| 1520 |
+
"epoch": 0.71,
|
| 1521 |
+
"grad_norm": 0.2110472023487091,
|
| 1522 |
+
"learning_rate": 4.360429701490934e-05,
|
| 1523 |
+
"loss": 1.8205,
|
| 1524 |
+
"step": 213
|
| 1525 |
+
},
|
| 1526 |
+
{
|
| 1527 |
+
"epoch": 0.7133333333333334,
|
| 1528 |
+
"grad_norm": 0.16100046038627625,
|
| 1529 |
+
"learning_rate": 4.271607492905303e-05,
|
| 1530 |
+
"loss": 1.7695,
|
| 1531 |
+
"step": 214
|
| 1532 |
+
},
|
| 1533 |
+
{
|
| 1534 |
+
"epoch": 0.7166666666666667,
|
| 1535 |
+
"grad_norm": 0.16993089020252228,
|
| 1536 |
+
"learning_rate": 4.183452924271776e-05,
|
| 1537 |
+
"loss": 1.6692,
|
| 1538 |
+
"step": 215
|
| 1539 |
+
},
|
| 1540 |
+
{
|
| 1541 |
+
"epoch": 0.72,
|
| 1542 |
+
"grad_norm": 0.19697882235050201,
|
| 1543 |
+
"learning_rate": 4.0959762699407766e-05,
|
| 1544 |
+
"loss": 1.6532,
|
| 1545 |
+
"step": 216
|
| 1546 |
+
},
|
| 1547 |
+
{
|
| 1548 |
+
"epoch": 0.7233333333333334,
|
| 1549 |
+
"grad_norm": 0.17745055258274078,
|
| 1550 |
+
"learning_rate": 4.009187725252309e-05,
|
| 1551 |
+
"loss": 1.7848,
|
| 1552 |
+
"step": 217
|
| 1553 |
+
},
|
| 1554 |
+
{
|
| 1555 |
+
"epoch": 0.7266666666666667,
|
| 1556 |
+
"grad_norm": 0.187378391623497,
|
| 1557 |
+
"learning_rate": 3.9230974053477086e-05,
|
| 1558 |
+
"loss": 1.656,
|
| 1559 |
+
"step": 218
|
| 1560 |
+
},
|
| 1561 |
+
{
|
| 1562 |
+
"epoch": 0.73,
|
| 1563 |
+
"grad_norm": 0.15109644830226898,
|
| 1564 |
+
"learning_rate": 3.8377153439907266e-05,
|
| 1565 |
+
"loss": 1.5773,
|
| 1566 |
+
"step": 219
|
| 1567 |
+
},
|
| 1568 |
+
{
|
| 1569 |
+
"epoch": 0.7333333333333333,
|
| 1570 |
+
"grad_norm": 0.1965898722410202,
|
| 1571 |
+
"learning_rate": 3.7530514923980884e-05,
|
| 1572 |
+
"loss": 1.7998,
|
| 1573 |
+
"step": 220
|
| 1574 |
+
},
|
| 1575 |
+
{
|
| 1576 |
+
"epoch": 0.7366666666666667,
|
| 1577 |
+
"grad_norm": 0.13748736679553986,
|
| 1578 |
+
"learning_rate": 3.669115718079702e-05,
|
| 1579 |
+
"loss": 1.7072,
|
| 1580 |
+
"step": 221
|
| 1581 |
+
},
|
| 1582 |
+
{
|
| 1583 |
+
"epoch": 0.74,
|
| 1584 |
+
"grad_norm": 0.16212758421897888,
|
| 1585 |
+
"learning_rate": 3.585917803688603e-05,
|
| 1586 |
+
"loss": 1.5043,
|
| 1587 |
+
"step": 222
|
| 1588 |
+
},
|
| 1589 |
+
{
|
| 1590 |
+
"epoch": 0.7433333333333333,
|
| 1591 |
+
"grad_norm": 0.19969479739665985,
|
| 1592 |
+
"learning_rate": 3.503467445880789e-05,
|
| 1593 |
+
"loss": 1.1802,
|
| 1594 |
+
"step": 223
|
| 1595 |
+
},
|
| 1596 |
+
{
|
| 1597 |
+
"epoch": 0.7466666666666667,
|
| 1598 |
+
"grad_norm": 0.19470465183258057,
|
| 1599 |
+
"learning_rate": 3.421774254185096e-05,
|
| 1600 |
+
"loss": 1.7774,
|
| 1601 |
+
"step": 224
|
| 1602 |
+
},
|
| 1603 |
+
{
|
| 1604 |
+
"epoch": 0.75,
|
| 1605 |
+
"grad_norm": 0.17509035766124725,
|
| 1606 |
+
"learning_rate": 3.340847749883191e-05,
|
| 1607 |
+
"loss": 1.7423,
|
| 1608 |
+
"step": 225
|
| 1609 |
+
},
|
| 1610 |
+
{
|
| 1611 |
+
"epoch": 0.7533333333333333,
|
| 1612 |
+
"grad_norm": 0.16134221851825714,
|
| 1613 |
+
"learning_rate": 3.2606973648998915e-05,
|
| 1614 |
+
"loss": 1.7789,
|
| 1615 |
+
"step": 226
|
| 1616 |
+
},
|
| 1617 |
+
{
|
| 1618 |
+
"epoch": 0.7566666666666667,
|
| 1619 |
+
"grad_norm": 0.13019809126853943,
|
| 1620 |
+
"learning_rate": 3.1813324407038825e-05,
|
| 1621 |
+
"loss": 1.6566,
|
| 1622 |
+
"step": 227
|
| 1623 |
+
},
|
| 1624 |
+
{
|
| 1625 |
+
"epoch": 0.76,
|
| 1626 |
+
"grad_norm": 0.17759770154953003,
|
| 1627 |
+
"learning_rate": 3.102762227218957e-05,
|
| 1628 |
+
"loss": 1.7183,
|
| 1629 |
+
"step": 228
|
| 1630 |
+
},
|
| 1631 |
+
{
|
| 1632 |
+
"epoch": 0.7633333333333333,
|
| 1633 |
+
"grad_norm": 0.22855810821056366,
|
| 1634 |
+
"learning_rate": 3.0249958817459722e-05,
|
| 1635 |
+
"loss": 1.4156,
|
| 1636 |
+
"step": 229
|
| 1637 |
+
},
|
| 1638 |
+
{
|
| 1639 |
+
"epoch": 0.7666666666666667,
|
| 1640 |
+
"grad_norm": 0.18700584769248962,
|
| 1641 |
+
"learning_rate": 2.9480424678955443e-05,
|
| 1642 |
+
"loss": 1.36,
|
| 1643 |
+
"step": 230
|
| 1644 |
+
},
|
| 1645 |
+
{
|
| 1646 |
+
"epoch": 0.77,
|
| 1647 |
+
"grad_norm": 0.23632779717445374,
|
| 1648 |
+
"learning_rate": 2.8719109545317103e-05,
|
| 1649 |
+
"loss": 2.4022,
|
| 1650 |
+
"step": 231
|
| 1651 |
+
},
|
| 1652 |
+
{
|
| 1653 |
+
"epoch": 0.7733333333333333,
|
| 1654 |
+
"grad_norm": 0.225185826420784,
|
| 1655 |
+
"learning_rate": 2.7966102147265994e-05,
|
| 1656 |
+
"loss": 1.5102,
|
| 1657 |
+
"step": 232
|
| 1658 |
+
},
|
| 1659 |
+
{
|
| 1660 |
+
"epoch": 0.7766666666666666,
|
| 1661 |
+
"grad_norm": 0.153280109167099,
|
| 1662 |
+
"learning_rate": 2.722149024726307e-05,
|
| 1663 |
+
"loss": 1.6525,
|
| 1664 |
+
"step": 233
|
| 1665 |
+
},
|
| 1666 |
+
{
|
| 1667 |
+
"epoch": 0.78,
|
| 1668 |
+
"grad_norm": 0.2028931975364685,
|
| 1669 |
+
"learning_rate": 2.6485360629279987e-05,
|
| 1670 |
+
"loss": 1.6028,
|
| 1671 |
+
"step": 234
|
| 1672 |
+
},
|
| 1673 |
+
{
|
| 1674 |
+
"epoch": 0.7833333333333333,
|
| 1675 |
+
"grad_norm": 0.11865737289190292,
|
| 1676 |
+
"learning_rate": 2.5757799088684654e-05,
|
| 1677 |
+
"loss": 1.9712,
|
| 1678 |
+
"step": 235
|
| 1679 |
+
},
|
| 1680 |
+
{
|
| 1681 |
+
"epoch": 0.7866666666666666,
|
| 1682 |
+
"grad_norm": 0.16811503469944,
|
| 1683 |
+
"learning_rate": 2.5038890422241958e-05,
|
| 1684 |
+
"loss": 1.8192,
|
| 1685 |
+
"step": 236
|
| 1686 |
+
},
|
| 1687 |
+
{
|
| 1688 |
+
"epoch": 0.79,
|
| 1689 |
+
"grad_norm": 0.2171882688999176,
|
| 1690 |
+
"learning_rate": 2.432871841823047e-05,
|
| 1691 |
+
"loss": 1.8958,
|
| 1692 |
+
"step": 237
|
| 1693 |
+
},
|
| 1694 |
+
{
|
| 1695 |
+
"epoch": 0.7933333333333333,
|
| 1696 |
+
"grad_norm": 0.1831800788640976,
|
| 1697 |
+
"learning_rate": 2.3627365846677306e-05,
|
| 1698 |
+
"loss": 1.8858,
|
| 1699 |
+
"step": 238
|
| 1700 |
+
},
|
| 1701 |
+
{
|
| 1702 |
+
"epoch": 0.7966666666666666,
|
| 1703 |
+
"grad_norm": 0.1818980723619461,
|
| 1704 |
+
"learning_rate": 2.2934914449711087e-05,
|
| 1705 |
+
"loss": 1.8898,
|
| 1706 |
+
"step": 239
|
| 1707 |
+
},
|
| 1708 |
+
{
|
| 1709 |
+
"epoch": 0.8,
|
| 1710 |
+
"grad_norm": 0.16912035644054413,
|
| 1711 |
+
"learning_rate": 2.2251444932035094e-05,
|
| 1712 |
+
"loss": 1.6317,
|
| 1713 |
+
"step": 240
|
| 1714 |
+
},
|
| 1715 |
+
{
|
| 1716 |
+
"epoch": 0.8,
|
| 1717 |
+
"eval_loss": 1.9515124559402466,
|
| 1718 |
+
"eval_runtime": 105.7502,
|
| 1719 |
+
"eval_samples_per_second": 2.837,
|
| 1720 |
+
"eval_steps_per_second": 0.359,
|
| 1721 |
+
"step": 240
|
| 1722 |
+
},
|
| 1723 |
+
{
|
| 1724 |
+
"epoch": 0.8033333333333333,
|
| 1725 |
+
"grad_norm": 0.26389726996421814,
|
| 1726 |
+
"learning_rate": 2.157703695152109e-05,
|
| 1727 |
+
"loss": 1.5613,
|
| 1728 |
+
"step": 241
|
| 1729 |
+
},
|
| 1730 |
+
{
|
| 1731 |
+
"epoch": 0.8066666666666666,
|
| 1732 |
+
"grad_norm": 0.17984025180339813,
|
| 1733 |
+
"learning_rate": 2.091176910992545e-05,
|
| 1734 |
+
"loss": 1.6669,
|
| 1735 |
+
"step": 242
|
| 1736 |
+
},
|
| 1737 |
+
{
|
| 1738 |
+
"epoch": 0.81,
|
| 1739 |
+
"grad_norm": 0.2281753122806549,
|
| 1740 |
+
"learning_rate": 2.025571894372794e-05,
|
| 1741 |
+
"loss": 1.7596,
|
| 1742 |
+
"step": 243
|
| 1743 |
+
},
|
| 1744 |
+
{
|
| 1745 |
+
"epoch": 0.8133333333333334,
|
| 1746 |
+
"grad_norm": 0.28229451179504395,
|
| 1747 |
+
"learning_rate": 1.9608962915094996e-05,
|
| 1748 |
+
"loss": 1.9176,
|
| 1749 |
+
"step": 244
|
| 1750 |
+
},
|
| 1751 |
+
{
|
| 1752 |
+
"epoch": 0.8166666666666667,
|
| 1753 |
+
"grad_norm": 0.21417230367660522,
|
| 1754 |
+
"learning_rate": 1.897157640296825e-05,
|
| 1755 |
+
"loss": 1.7502,
|
| 1756 |
+
"step": 245
|
| 1757 |
+
},
|
| 1758 |
+
{
|
| 1759 |
+
"epoch": 0.82,
|
| 1760 |
+
"grad_norm": 0.18738320469856262,
|
| 1761 |
+
"learning_rate": 1.8343633694278895e-05,
|
| 1762 |
+
"loss": 2.11,
|
| 1763 |
+
"step": 246
|
| 1764 |
+
},
|
| 1765 |
+
{
|
| 1766 |
+
"epoch": 0.8233333333333334,
|
| 1767 |
+
"grad_norm": 0.14456549286842346,
|
| 1768 |
+
"learning_rate": 1.772520797528988e-05,
|
| 1769 |
+
"loss": 1.868,
|
| 1770 |
+
"step": 247
|
| 1771 |
+
},
|
| 1772 |
+
{
|
| 1773 |
+
"epoch": 0.8266666666666667,
|
| 1774 |
+
"grad_norm": 0.2031559944152832,
|
| 1775 |
+
"learning_rate": 1.7116371323065883e-05,
|
| 1776 |
+
"loss": 1.3048,
|
| 1777 |
+
"step": 248
|
| 1778 |
+
},
|
| 1779 |
+
{
|
| 1780 |
+
"epoch": 0.83,
|
| 1781 |
+
"grad_norm": 0.49127626419067383,
|
| 1782 |
+
"learning_rate": 1.65171946970729e-05,
|
| 1783 |
+
"loss": 1.6597,
|
| 1784 |
+
"step": 249
|
| 1785 |
+
},
|
| 1786 |
+
{
|
| 1787 |
+
"epoch": 0.8333333333333334,
|
| 1788 |
+
"grad_norm": 0.12952959537506104,
|
| 1789 |
+
"learning_rate": 1.592774793090792e-05,
|
| 1790 |
+
"loss": 1.6928,
|
| 1791 |
+
"step": 250
|
| 1792 |
+
},
|
| 1793 |
+
{
|
| 1794 |
+
"epoch": 0.8366666666666667,
|
| 1795 |
+
"grad_norm": 0.16764536499977112,
|
| 1796 |
+
"learning_rate": 1.534809972415998e-05,
|
| 1797 |
+
"loss": 1.2168,
|
| 1798 |
+
"step": 251
|
| 1799 |
+
},
|
| 1800 |
+
{
|
| 1801 |
+
"epoch": 0.84,
|
| 1802 |
+
"grad_norm": 0.17101448774337769,
|
| 1803 |
+
"learning_rate": 1.4778317634403083e-05,
|
| 1804 |
+
"loss": 1.5374,
|
| 1805 |
+
"step": 252
|
| 1806 |
+
},
|
| 1807 |
+
{
|
| 1808 |
+
"epoch": 0.8433333333333334,
|
| 1809 |
+
"grad_norm": 0.19581882655620575,
|
| 1810 |
+
"learning_rate": 1.4218468069322578e-05,
|
| 1811 |
+
"loss": 1.7137,
|
| 1812 |
+
"step": 253
|
| 1813 |
+
},
|
| 1814 |
+
{
|
| 1815 |
+
"epoch": 0.8466666666666667,
|
| 1816 |
+
"grad_norm": 0.1691337525844574,
|
| 1817 |
+
"learning_rate": 1.3668616278975343e-05,
|
| 1818 |
+
"loss": 1.7247,
|
| 1819 |
+
"step": 254
|
| 1820 |
+
},
|
| 1821 |
+
{
|
| 1822 |
+
"epoch": 0.85,
|
| 1823 |
+
"grad_norm": 0.10976916551589966,
|
| 1824 |
+
"learning_rate": 1.3128826348184887e-05,
|
| 1825 |
+
"loss": 1.7101,
|
| 1826 |
+
"step": 255
|
| 1827 |
+
},
|
| 1828 |
+
{
|
| 1829 |
+
"epoch": 0.8533333333333334,
|
| 1830 |
+
"grad_norm": 0.14474567770957947,
|
| 1831 |
+
"learning_rate": 1.2599161189072427e-05,
|
| 1832 |
+
"loss": 1.6163,
|
| 1833 |
+
"step": 256
|
| 1834 |
+
},
|
| 1835 |
+
{
|
| 1836 |
+
"epoch": 0.8566666666666667,
|
| 1837 |
+
"grad_norm": 0.1492033302783966,
|
| 1838 |
+
"learning_rate": 1.2079682533724379e-05,
|
| 1839 |
+
"loss": 1.5831,
|
| 1840 |
+
"step": 257
|
| 1841 |
+
},
|
| 1842 |
+
{
|
| 1843 |
+
"epoch": 0.86,
|
| 1844 |
+
"grad_norm": 0.500358521938324,
|
| 1845 |
+
"learning_rate": 1.1570450926997655e-05,
|
| 1846 |
+
"loss": 1.9243,
|
| 1847 |
+
"step": 258
|
| 1848 |
+
},
|
| 1849 |
+
{
|
| 1850 |
+
"epoch": 0.8633333333333333,
|
| 1851 |
+
"grad_norm": 0.1507658064365387,
|
| 1852 |
+
"learning_rate": 1.1071525719463095e-05,
|
| 1853 |
+
"loss": 1.6014,
|
| 1854 |
+
"step": 259
|
| 1855 |
+
},
|
| 1856 |
+
{
|
| 1857 |
+
"epoch": 0.8666666666666667,
|
| 1858 |
+
"grad_norm": 0.13210022449493408,
|
| 1859 |
+
"learning_rate": 1.0582965060488359e-05,
|
| 1860 |
+
"loss": 1.8596,
|
| 1861 |
+
"step": 260
|
| 1862 |
+
},
|
| 1863 |
+
{
|
| 1864 |
+
"epoch": 0.87,
|
| 1865 |
+
"grad_norm": 0.18185356259346008,
|
| 1866 |
+
"learning_rate": 1.010482589146048e-05,
|
| 1867 |
+
"loss": 1.3959,
|
| 1868 |
+
"step": 261
|
| 1869 |
+
},
|
| 1870 |
+
{
|
| 1871 |
+
"epoch": 0.8733333333333333,
|
| 1872 |
+
"grad_norm": 0.1475716084241867,
|
| 1873 |
+
"learning_rate": 9.637163939149485e-06,
|
| 1874 |
+
"loss": 2.0064,
|
| 1875 |
+
"step": 262
|
| 1876 |
+
},
|
| 1877 |
+
{
|
| 1878 |
+
"epoch": 0.8766666666666667,
|
| 1879 |
+
"grad_norm": 0.20647890865802765,
|
| 1880 |
+
"learning_rate": 9.180033709213454e-06,
|
| 1881 |
+
"loss": 1.9017,
|
| 1882 |
+
"step": 263
|
| 1883 |
+
},
|
| 1884 |
+
{
|
| 1885 |
+
"epoch": 0.88,
|
| 1886 |
+
"grad_norm": 0.16821038722991943,
|
| 1887 |
+
"learning_rate": 8.733488479845997e-06,
|
| 1888 |
+
"loss": 1.4959,
|
| 1889 |
+
"step": 264
|
| 1890 |
+
},
|
| 1891 |
+
{
|
| 1892 |
+
"epoch": 0.8833333333333333,
|
| 1893 |
+
"grad_norm": 0.2551242709159851,
|
| 1894 |
+
"learning_rate": 8.297580295566575e-06,
|
| 1895 |
+
"loss": 1.7765,
|
| 1896 |
+
"step": 265
|
| 1897 |
+
},
|
| 1898 |
+
{
|
| 1899 |
+
"epoch": 0.8866666666666667,
|
| 1900 |
+
"grad_norm": 0.1547422707080841,
|
| 1901 |
+
"learning_rate": 7.872359961154906e-06,
|
| 1902 |
+
"loss": 1.9658,
|
| 1903 |
+
"step": 266
|
| 1904 |
+
},
|
| 1905 |
+
{
|
| 1906 |
+
"epoch": 0.89,
|
| 1907 |
+
"grad_norm": 0.19091367721557617,
|
| 1908 |
+
"learning_rate": 7.457877035729588e-06,
|
| 1909 |
+
"loss": 1.4526,
|
| 1910 |
+
"step": 267
|
| 1911 |
+
},
|
| 1912 |
+
{
|
| 1913 |
+
"epoch": 0.8933333333333333,
|
| 1914 |
+
"grad_norm": 0.18940412998199463,
|
| 1915 |
+
"learning_rate": 7.054179826972074e-06,
|
| 1916 |
+
"loss": 1.9816,
|
| 1917 |
+
"step": 268
|
| 1918 |
+
},
|
| 1919 |
+
{
|
| 1920 |
+
"epoch": 0.8966666666666666,
|
| 1921 |
+
"grad_norm": 0.20087075233459473,
|
| 1922 |
+
"learning_rate": 6.661315385496425e-06,
|
| 1923 |
+
"loss": 1.9941,
|
| 1924 |
+
"step": 269
|
| 1925 |
+
},
|
| 1926 |
+
{
|
| 1927 |
+
"epoch": 0.9,
|
| 1928 |
+
"grad_norm": 0.13561421632766724,
|
| 1929 |
+
"learning_rate": 6.2793294993656494e-06,
|
| 1930 |
+
"loss": 1.9879,
|
| 1931 |
+
"step": 270
|
| 1932 |
+
},
|
| 1933 |
+
{
|
| 1934 |
+
"epoch": 0.9033333333333333,
|
| 1935 |
+
"grad_norm": 0.13483434915542603,
|
| 1936 |
+
"learning_rate": 5.908266688755049e-06,
|
| 1937 |
+
"loss": 1.6953,
|
| 1938 |
+
"step": 271
|
| 1939 |
+
},
|
| 1940 |
+
{
|
| 1941 |
+
"epoch": 0.9066666666666666,
|
| 1942 |
+
"grad_norm": 0.19798149168491364,
|
| 1943 |
+
"learning_rate": 5.54817020076347e-06,
|
| 1944 |
+
"loss": 1.6216,
|
| 1945 |
+
"step": 272
|
| 1946 |
+
},
|
| 1947 |
+
{
|
| 1948 |
+
"epoch": 0.91,
|
| 1949 |
+
"grad_norm": 0.15632538497447968,
|
| 1950 |
+
"learning_rate": 5.199082004372957e-06,
|
| 1951 |
+
"loss": 1.7665,
|
| 1952 |
+
"step": 273
|
| 1953 |
+
},
|
| 1954 |
+
{
|
| 1955 |
+
"epoch": 0.9133333333333333,
|
| 1956 |
+
"grad_norm": 0.18586932122707367,
|
| 1957 |
+
"learning_rate": 4.861042785557146e-06,
|
| 1958 |
+
"loss": 2.0123,
|
| 1959 |
+
"step": 274
|
| 1960 |
+
},
|
| 1961 |
+
{
|
| 1962 |
+
"epoch": 0.9166666666666666,
|
| 1963 |
+
"grad_norm": 0.16410577297210693,
|
| 1964 |
+
"learning_rate": 4.534091942539475e-06,
|
| 1965 |
+
"loss": 1.7443,
|
| 1966 |
+
"step": 275
|
| 1967 |
+
},
|
| 1968 |
+
{
|
| 1969 |
+
"epoch": 0.92,
|
| 1970 |
+
"grad_norm": 0.1842477172613144,
|
| 1971 |
+
"learning_rate": 4.2182675812012965e-06,
|
| 1972 |
+
"loss": 1.528,
|
| 1973 |
+
"step": 276
|
| 1974 |
+
},
|
| 1975 |
+
{
|
| 1976 |
+
"epoch": 0.9233333333333333,
|
| 1977 |
+
"grad_norm": 0.1795828491449356,
|
| 1978 |
+
"learning_rate": 3.913606510640644e-06,
|
| 1979 |
+
"loss": 1.6607,
|
| 1980 |
+
"step": 277
|
| 1981 |
+
},
|
| 1982 |
+
{
|
| 1983 |
+
"epoch": 0.9266666666666666,
|
| 1984 |
+
"grad_norm": 0.24803687632083893,
|
| 1985 |
+
"learning_rate": 3.620144238882206e-06,
|
| 1986 |
+
"loss": 1.5034,
|
| 1987 |
+
"step": 278
|
| 1988 |
+
},
|
| 1989 |
+
{
|
| 1990 |
+
"epoch": 0.93,
|
| 1991 |
+
"grad_norm": 0.23375527560710907,
|
| 1992 |
+
"learning_rate": 3.3379149687388867e-06,
|
| 1993 |
+
"loss": 1.7486,
|
| 1994 |
+
"step": 279
|
| 1995 |
+
},
|
| 1996 |
+
{
|
| 1997 |
+
"epoch": 0.9333333333333333,
|
| 1998 |
+
"grad_norm": 0.1961246132850647,
|
| 1999 |
+
"learning_rate": 3.06695159382544e-06,
|
| 2000 |
+
"loss": 1.4684,
|
| 2001 |
+
"step": 280
|
| 2002 |
+
},
|
| 2003 |
+
{
|
| 2004 |
+
"epoch": 0.9366666666666666,
|
| 2005 |
+
"grad_norm": 0.17305491864681244,
|
| 2006 |
+
"learning_rate": 2.8072856947248037e-06,
|
| 2007 |
+
"loss": 1.8544,
|
| 2008 |
+
"step": 281
|
| 2009 |
+
},
|
| 2010 |
+
{
|
| 2011 |
+
"epoch": 0.94,
|
| 2012 |
+
"grad_norm": 0.1923137605190277,
|
| 2013 |
+
"learning_rate": 2.5589475353073988e-06,
|
| 2014 |
+
"loss": 1.8947,
|
| 2015 |
+
"step": 282
|
| 2016 |
+
},
|
| 2017 |
+
{
|
| 2018 |
+
"epoch": 0.9433333333333334,
|
| 2019 |
+
"grad_norm": 0.14171859622001648,
|
| 2020 |
+
"learning_rate": 2.3219660592038285e-06,
|
| 2021 |
+
"loss": 2.1618,
|
| 2022 |
+
"step": 283
|
| 2023 |
+
},
|
| 2024 |
+
{
|
| 2025 |
+
"epoch": 0.9466666666666667,
|
| 2026 |
+
"grad_norm": 0.13578371703624725,
|
| 2027 |
+
"learning_rate": 2.0963688864316323e-06,
|
| 2028 |
+
"loss": 1.9193,
|
| 2029 |
+
"step": 284
|
| 2030 |
+
},
|
| 2031 |
+
{
|
| 2032 |
+
"epoch": 0.95,
|
| 2033 |
+
"grad_norm": 0.20825190842151642,
|
| 2034 |
+
"learning_rate": 1.882182310176095e-06,
|
| 2035 |
+
"loss": 1.7954,
|
| 2036 |
+
"step": 285
|
| 2037 |
+
},
|
| 2038 |
+
{
|
| 2039 |
+
"epoch": 0.9533333333333334,
|
| 2040 |
+
"grad_norm": 0.16706398129463196,
|
| 2041 |
+
"learning_rate": 1.6794312937258417e-06,
|
| 2042 |
+
"loss": 2.1252,
|
| 2043 |
+
"step": 286
|
| 2044 |
+
},
|
| 2045 |
+
{
|
| 2046 |
+
"epoch": 0.9566666666666667,
|
| 2047 |
+
"grad_norm": 0.11100097745656967,
|
| 2048 |
+
"learning_rate": 1.488139467563354e-06,
|
| 2049 |
+
"loss": 1.4543,
|
| 2050 |
+
"step": 287
|
| 2051 |
+
},
|
| 2052 |
+
{
|
| 2053 |
+
"epoch": 0.96,
|
| 2054 |
+
"grad_norm": 0.16676479578018188,
|
| 2055 |
+
"learning_rate": 1.30832912661093e-06,
|
| 2056 |
+
"loss": 1.7001,
|
| 2057 |
+
"step": 288
|
| 2058 |
+
},
|
| 2059 |
+
{
|
| 2060 |
+
"epoch": 0.9633333333333334,
|
| 2061 |
+
"grad_norm": 0.14126090705394745,
|
| 2062 |
+
"learning_rate": 1.1400212276321376e-06,
|
| 2063 |
+
"loss": 1.4247,
|
| 2064 |
+
"step": 289
|
| 2065 |
+
},
|
| 2066 |
+
{
|
| 2067 |
+
"epoch": 0.9666666666666667,
|
| 2068 |
+
"grad_norm": 0.15663489699363708,
|
| 2069 |
+
"learning_rate": 9.832353867893386e-07,
|
| 2070 |
+
"loss": 0.9358,
|
| 2071 |
+
"step": 290
|
| 2072 |
+
},
|
| 2073 |
+
{
|
| 2074 |
+
"epoch": 0.97,
|
| 2075 |
+
"grad_norm": 0.2205333262681961,
|
| 2076 |
+
"learning_rate": 8.379898773574924e-07,
|
| 2077 |
+
"loss": 1.6609,
|
| 2078 |
+
"step": 291
|
| 2079 |
+
},
|
| 2080 |
+
{
|
| 2081 |
+
"epoch": 0.9733333333333334,
|
| 2082 |
+
"grad_norm": 0.1646774411201477,
|
| 2083 |
+
"learning_rate": 7.043016275943615e-07,
|
| 2084 |
+
"loss": 1.8591,
|
| 2085 |
+
"step": 292
|
| 2086 |
+
},
|
| 2087 |
+
{
|
| 2088 |
+
"epoch": 0.9766666666666667,
|
| 2089 |
+
"grad_norm": 0.20356421172618866,
|
| 2090 |
+
"learning_rate": 5.821862187675775e-07,
|
| 2091 |
+
"loss": 1.9469,
|
| 2092 |
+
"step": 293
|
| 2093 |
+
},
|
| 2094 |
+
{
|
| 2095 |
+
"epoch": 0.98,
|
| 2096 |
+
"grad_norm": 0.17772065103054047,
|
| 2097 |
+
"learning_rate": 4.7165788333860536e-07,
|
| 2098 |
+
"loss": 1.0896,
|
| 2099 |
+
"step": 294
|
| 2100 |
+
},
|
| 2101 |
+
{
|
| 2102 |
+
"epoch": 0.9833333333333333,
|
| 2103 |
+
"grad_norm": 0.1542958915233612,
|
| 2104 |
+
"learning_rate": 3.727295033040035e-07,
|
| 2105 |
+
"loss": 1.5185,
|
| 2106 |
+
"step": 295
|
| 2107 |
+
},
|
| 2108 |
+
{
|
| 2109 |
+
"epoch": 0.9866666666666667,
|
| 2110 |
+
"grad_norm": 0.1795244961977005,
|
| 2111 |
+
"learning_rate": 2.854126086940356e-07,
|
| 2112 |
+
"loss": 1.7396,
|
| 2113 |
+
"step": 296
|
| 2114 |
+
},
|
| 2115 |
+
{
|
| 2116 |
+
"epoch": 0.99,
|
| 2117 |
+
"grad_norm": 0.16536656022071838,
|
| 2118 |
+
"learning_rate": 2.0971737622883515e-07,
|
| 2119 |
+
"loss": 1.7716,
|
| 2120 |
+
"step": 297
|
| 2121 |
+
},
|
| 2122 |
+
{
|
| 2123 |
+
"epoch": 0.9933333333333333,
|
| 2124 |
+
"grad_norm": 0.20850741863250732,
|
| 2125 |
+
"learning_rate": 1.4565262813230894e-07,
|
| 2126 |
+
"loss": 1.2772,
|
| 2127 |
+
"step": 298
|
| 2128 |
+
},
|
| 2129 |
+
{
|
| 2130 |
+
"epoch": 0.9966666666666667,
|
| 2131 |
+
"grad_norm": 0.16341620683670044,
|
| 2132 |
+
"learning_rate": 9.32258311039269e-08,
|
| 2133 |
+
"loss": 1.5941,
|
| 2134 |
+
"step": 299
|
| 2135 |
+
},
|
| 2136 |
+
{
|
| 2137 |
+
"epoch": 1.0,
|
| 2138 |
+
"grad_norm": 0.19970038533210754,
|
| 2139 |
+
"learning_rate": 5.2443095448506674e-08,
|
| 2140 |
+
"loss": 1.7513,
|
| 2141 |
+
"step": 300
|
| 2142 |
+
},
|
| 2143 |
+
{
|
| 2144 |
+
"epoch": 1.0,
|
| 2145 |
+
"eval_loss": 1.9492239952087402,
|
| 2146 |
+
"eval_runtime": 107.0008,
|
| 2147 |
+
"eval_samples_per_second": 2.804,
|
| 2148 |
+
"eval_steps_per_second": 0.355,
|
| 2149 |
+
"step": 300
|
| 2150 |
+
}
|
| 2151 |
+
],
|
| 2152 |
+
"logging_steps": 1,
|
| 2153 |
+
"max_steps": 300,
|
| 2154 |
+
"num_input_tokens_seen": 0,
|
| 2155 |
+
"num_train_epochs": 1,
|
| 2156 |
+
"save_steps": 500,
|
| 2157 |
+
"stateful_callbacks": {
|
| 2158 |
+
"TrainerControl": {
|
| 2159 |
+
"args": {
|
| 2160 |
+
"should_epoch_stop": false,
|
| 2161 |
+
"should_evaluate": false,
|
| 2162 |
+
"should_log": false,
|
| 2163 |
+
"should_save": true,
|
| 2164 |
+
"should_training_stop": true
|
| 2165 |
+
},
|
| 2166 |
+
"attributes": {}
|
| 2167 |
+
}
|
| 2168 |
+
},
|
| 2169 |
+
"total_flos": 1.3809234445438157e+17,
|
| 2170 |
+
"train_batch_size": 1,
|
| 2171 |
+
"trial_name": null,
|
| 2172 |
+
"trial_params": null
|
| 2173 |
+
}
|