Qin Liu commited on
Commit
cc697cb
1 Parent(s): bf0e499

Model save

Browse files
README.md ADDED
@@ -0,0 +1,63 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ license: other
3
+ library_name: peft
4
+ tags:
5
+ - trl
6
+ - sft
7
+ - generated_from_trainer
8
+ base_model: meta-llama/Meta-Llama-3-8B
9
+ datasets:
10
+ - generator
11
+ model-index:
12
+ - name: llama3-meta_material
13
+ results: []
14
+ ---
15
+
16
+ <!-- This model card has been generated automatically according to the information the Trainer had access to. You
17
+ should probably proofread and complete it, then remove this comment. -->
18
+
19
+ # llama3-meta_material
20
+
21
+ This model is a fine-tuned version of [meta-llama/Meta-Llama-3-8B](https://huggingface.co/meta-llama/Meta-Llama-3-8B) on the generator dataset.
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: 0.0002
41
+ - train_batch_size: 1
42
+ - eval_batch_size: 1
43
+ - seed: 42
44
+ - distributed_type: multi-GPU
45
+ - num_devices: 4
46
+ - total_train_batch_size: 4
47
+ - total_eval_batch_size: 4
48
+ - optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
49
+ - lr_scheduler_type: cosine
50
+ - lr_scheduler_warmup_ratio: 0.1
51
+ - num_epochs: 1
52
+
53
+ ### Training results
54
+
55
+
56
+
57
+ ### Framework versions
58
+
59
+ - PEFT 0.7.1
60
+ - Transformers 4.39.0.dev0
61
+ - Pytorch 2.1.2
62
+ - Datasets 2.14.6
63
+ - Tokenizers 0.15.2
adapter_model.safetensors CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:79815cce09d077c909c9b1f6f50c25e7e3f164881f725a50c734e62fb3bbed0a
3
  size 31516744
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:a24132ba69fa809e76e74a9119420f512fd1e208ebe370aaca68602aa1139a91
3
  size 31516744
all_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 1.0,
3
+ "train_loss": 1.7167340969840534,
4
+ "train_runtime": 8001.3069,
5
+ "train_samples": 2240,
6
+ "train_samples_per_second": 0.659,
7
+ "train_steps_per_second": 0.165
8
+ }
runs/May03_07-57-10_COE-CS-sv003/events.out.tfevents.1714723050.COE-CS-sv003.651347.0 CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:2ef4fb7096a6a36a1a21dfa63d4e67c751c8b17f4ecbc7cd293c5b7f37fb0526
3
- size 59699
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:b68da6d5ceacea89442a15130232bc901bee213cd17919b1bb3de9922f6285a1
3
+ size 60686
train_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 1.0,
3
+ "train_loss": 1.7167340969840534,
4
+ "train_runtime": 8001.3069,
5
+ "train_samples": 2240,
6
+ "train_samples_per_second": 0.659,
7
+ "train_steps_per_second": 0.165
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,1878 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 1.0,
5
+ "eval_steps": 500,
6
+ "global_step": 1319,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.0,
13
+ "grad_norm": 0.08992228630318096,
14
+ "learning_rate": 1.5151515151515152e-06,
15
+ "loss": 1.9018,
16
+ "step": 1
17
+ },
18
+ {
19
+ "epoch": 0.0,
20
+ "grad_norm": 0.0740828375791177,
21
+ "learning_rate": 7.5757575757575764e-06,
22
+ "loss": 1.764,
23
+ "step": 5
24
+ },
25
+ {
26
+ "epoch": 0.01,
27
+ "grad_norm": 0.07748708824774467,
28
+ "learning_rate": 1.5151515151515153e-05,
29
+ "loss": 1.6755,
30
+ "step": 10
31
+ },
32
+ {
33
+ "epoch": 0.01,
34
+ "grad_norm": 0.0972745675012954,
35
+ "learning_rate": 2.272727272727273e-05,
36
+ "loss": 1.7941,
37
+ "step": 15
38
+ },
39
+ {
40
+ "epoch": 0.02,
41
+ "grad_norm": 0.08859056101473906,
42
+ "learning_rate": 3.0303030303030306e-05,
43
+ "loss": 1.9252,
44
+ "step": 20
45
+ },
46
+ {
47
+ "epoch": 0.02,
48
+ "grad_norm": 0.10873228272662556,
49
+ "learning_rate": 3.787878787878788e-05,
50
+ "loss": 1.678,
51
+ "step": 25
52
+ },
53
+ {
54
+ "epoch": 0.02,
55
+ "grad_norm": 0.097714070547121,
56
+ "learning_rate": 4.545454545454546e-05,
57
+ "loss": 1.601,
58
+ "step": 30
59
+ },
60
+ {
61
+ "epoch": 0.03,
62
+ "grad_norm": 0.12508554024661148,
63
+ "learning_rate": 5.303030303030303e-05,
64
+ "loss": 1.8,
65
+ "step": 35
66
+ },
67
+ {
68
+ "epoch": 0.03,
69
+ "grad_norm": 0.12109319585406818,
70
+ "learning_rate": 6.060606060606061e-05,
71
+ "loss": 1.8099,
72
+ "step": 40
73
+ },
74
+ {
75
+ "epoch": 0.03,
76
+ "grad_norm": 0.1640439558840102,
77
+ "learning_rate": 6.818181818181818e-05,
78
+ "loss": 1.9468,
79
+ "step": 45
80
+ },
81
+ {
82
+ "epoch": 0.04,
83
+ "grad_norm": 0.14480636511042952,
84
+ "learning_rate": 7.575757575757576e-05,
85
+ "loss": 1.8372,
86
+ "step": 50
87
+ },
88
+ {
89
+ "epoch": 0.04,
90
+ "grad_norm": 0.14206421045069687,
91
+ "learning_rate": 8.333333333333334e-05,
92
+ "loss": 1.7241,
93
+ "step": 55
94
+ },
95
+ {
96
+ "epoch": 0.05,
97
+ "grad_norm": 0.2311330757678567,
98
+ "learning_rate": 9.090909090909092e-05,
99
+ "loss": 1.8208,
100
+ "step": 60
101
+ },
102
+ {
103
+ "epoch": 0.05,
104
+ "grad_norm": 0.189110382740428,
105
+ "learning_rate": 9.848484848484849e-05,
106
+ "loss": 1.707,
107
+ "step": 65
108
+ },
109
+ {
110
+ "epoch": 0.05,
111
+ "grad_norm": 0.13055837108201243,
112
+ "learning_rate": 0.00010606060606060606,
113
+ "loss": 1.6787,
114
+ "step": 70
115
+ },
116
+ {
117
+ "epoch": 0.06,
118
+ "grad_norm": 0.18520751971810132,
119
+ "learning_rate": 0.00011363636363636365,
120
+ "loss": 1.7811,
121
+ "step": 75
122
+ },
123
+ {
124
+ "epoch": 0.06,
125
+ "grad_norm": 0.15541159241507693,
126
+ "learning_rate": 0.00012121212121212122,
127
+ "loss": 1.695,
128
+ "step": 80
129
+ },
130
+ {
131
+ "epoch": 0.06,
132
+ "grad_norm": 0.19125540723930942,
133
+ "learning_rate": 0.00012878787878787878,
134
+ "loss": 1.7545,
135
+ "step": 85
136
+ },
137
+ {
138
+ "epoch": 0.07,
139
+ "grad_norm": 0.18097293155941335,
140
+ "learning_rate": 0.00013636363636363637,
141
+ "loss": 1.7739,
142
+ "step": 90
143
+ },
144
+ {
145
+ "epoch": 0.07,
146
+ "grad_norm": 0.19933236705063037,
147
+ "learning_rate": 0.00014393939393939396,
148
+ "loss": 1.7473,
149
+ "step": 95
150
+ },
151
+ {
152
+ "epoch": 0.08,
153
+ "grad_norm": 0.17704145093132606,
154
+ "learning_rate": 0.00015151515151515152,
155
+ "loss": 1.8366,
156
+ "step": 100
157
+ },
158
+ {
159
+ "epoch": 0.08,
160
+ "grad_norm": 0.15828713632727448,
161
+ "learning_rate": 0.0001590909090909091,
162
+ "loss": 1.8373,
163
+ "step": 105
164
+ },
165
+ {
166
+ "epoch": 0.08,
167
+ "grad_norm": 0.14819493671841716,
168
+ "learning_rate": 0.0001666666666666667,
169
+ "loss": 1.7091,
170
+ "step": 110
171
+ },
172
+ {
173
+ "epoch": 0.09,
174
+ "grad_norm": 0.1622614877169443,
175
+ "learning_rate": 0.00017424242424242425,
176
+ "loss": 1.7943,
177
+ "step": 115
178
+ },
179
+ {
180
+ "epoch": 0.09,
181
+ "grad_norm": 0.19948476709892068,
182
+ "learning_rate": 0.00018181818181818183,
183
+ "loss": 1.8075,
184
+ "step": 120
185
+ },
186
+ {
187
+ "epoch": 0.09,
188
+ "grad_norm": 0.1691916901921161,
189
+ "learning_rate": 0.00018939393939393942,
190
+ "loss": 1.7856,
191
+ "step": 125
192
+ },
193
+ {
194
+ "epoch": 0.1,
195
+ "grad_norm": 0.15241428197032597,
196
+ "learning_rate": 0.00019696969696969698,
197
+ "loss": 1.8374,
198
+ "step": 130
199
+ },
200
+ {
201
+ "epoch": 0.1,
202
+ "grad_norm": 0.19209359192695652,
203
+ "learning_rate": 0.00019999684783792443,
204
+ "loss": 1.7143,
205
+ "step": 135
206
+ },
207
+ {
208
+ "epoch": 0.11,
209
+ "grad_norm": 0.16191115612389606,
210
+ "learning_rate": 0.00019997758534488915,
211
+ "loss": 1.822,
212
+ "step": 140
213
+ },
214
+ {
215
+ "epoch": 0.11,
216
+ "grad_norm": 0.1584155775536348,
217
+ "learning_rate": 0.00019994081492910124,
218
+ "loss": 1.6943,
219
+ "step": 145
220
+ },
221
+ {
222
+ "epoch": 0.11,
223
+ "grad_norm": 0.1614369821018255,
224
+ "learning_rate": 0.00019988654302974,
225
+ "loss": 1.7322,
226
+ "step": 150
227
+ },
228
+ {
229
+ "epoch": 0.12,
230
+ "grad_norm": 0.15011399662325187,
231
+ "learning_rate": 0.00019981477915081793,
232
+ "loss": 1.7347,
233
+ "step": 155
234
+ },
235
+ {
236
+ "epoch": 0.12,
237
+ "grad_norm": 0.14529246406802704,
238
+ "learning_rate": 0.0001997255358595164,
239
+ "loss": 1.7458,
240
+ "step": 160
241
+ },
242
+ {
243
+ "epoch": 0.13,
244
+ "grad_norm": 0.17972000220179096,
245
+ "learning_rate": 0.00019961882878398492,
246
+ "loss": 1.7652,
247
+ "step": 165
248
+ },
249
+ {
250
+ "epoch": 0.13,
251
+ "grad_norm": 0.1383192615362475,
252
+ "learning_rate": 0.00019949467661060433,
253
+ "loss": 1.8346,
254
+ "step": 170
255
+ },
256
+ {
257
+ "epoch": 0.13,
258
+ "grad_norm": 0.1487696428331422,
259
+ "learning_rate": 0.00019935310108071453,
260
+ "loss": 1.6247,
261
+ "step": 175
262
+ },
263
+ {
264
+ "epoch": 0.14,
265
+ "grad_norm": 0.14864871631851187,
266
+ "learning_rate": 0.000199194126986807,
267
+ "loss": 1.7883,
268
+ "step": 180
269
+ },
270
+ {
271
+ "epoch": 0.14,
272
+ "grad_norm": 0.15094444221670217,
273
+ "learning_rate": 0.00019901778216818345,
274
+ "loss": 1.912,
275
+ "step": 185
276
+ },
277
+ {
278
+ "epoch": 0.14,
279
+ "grad_norm": 0.16630571990033322,
280
+ "learning_rate": 0.0001988240975060804,
281
+ "loss": 1.6714,
282
+ "step": 190
283
+ },
284
+ {
285
+ "epoch": 0.15,
286
+ "grad_norm": 0.18330301650534517,
287
+ "learning_rate": 0.00019861310691826143,
288
+ "loss": 1.7698,
289
+ "step": 195
290
+ },
291
+ {
292
+ "epoch": 0.15,
293
+ "grad_norm": 0.14395798059204837,
294
+ "learning_rate": 0.00019838484735307748,
295
+ "loss": 1.6334,
296
+ "step": 200
297
+ },
298
+ {
299
+ "epoch": 0.16,
300
+ "grad_norm": 0.17075494920598505,
301
+ "learning_rate": 0.00019813935878299662,
302
+ "loss": 1.8058,
303
+ "step": 205
304
+ },
305
+ {
306
+ "epoch": 0.16,
307
+ "grad_norm": 0.1517385663302395,
308
+ "learning_rate": 0.00019787668419760408,
309
+ "loss": 1.7305,
310
+ "step": 210
311
+ },
312
+ {
313
+ "epoch": 0.16,
314
+ "grad_norm": 0.18402560356298175,
315
+ "learning_rate": 0.00019759686959607383,
316
+ "loss": 1.8005,
317
+ "step": 215
318
+ },
319
+ {
320
+ "epoch": 0.17,
321
+ "grad_norm": 0.1597598662204373,
322
+ "learning_rate": 0.00019729996397911356,
323
+ "loss": 1.835,
324
+ "step": 220
325
+ },
326
+ {
327
+ "epoch": 0.17,
328
+ "grad_norm": 0.18746716552277176,
329
+ "learning_rate": 0.0001969860193403835,
330
+ "loss": 1.6065,
331
+ "step": 225
332
+ },
333
+ {
334
+ "epoch": 0.17,
335
+ "grad_norm": 0.18286863109823168,
336
+ "learning_rate": 0.00019665509065739149,
337
+ "loss": 1.6882,
338
+ "step": 230
339
+ },
340
+ {
341
+ "epoch": 0.18,
342
+ "grad_norm": 0.17022449603830708,
343
+ "learning_rate": 0.00019630723588186545,
344
+ "loss": 1.7489,
345
+ "step": 235
346
+ },
347
+ {
348
+ "epoch": 0.18,
349
+ "grad_norm": 0.19066522709932746,
350
+ "learning_rate": 0.00019594251592960479,
351
+ "loss": 1.7215,
352
+ "step": 240
353
+ },
354
+ {
355
+ "epoch": 0.19,
356
+ "grad_norm": 0.13321877247130193,
357
+ "learning_rate": 0.0001955609946698131,
358
+ "loss": 1.5857,
359
+ "step": 245
360
+ },
361
+ {
362
+ "epoch": 0.19,
363
+ "grad_norm": 0.16703841490849763,
364
+ "learning_rate": 0.0001951627389139134,
365
+ "loss": 1.6287,
366
+ "step": 250
367
+ },
368
+ {
369
+ "epoch": 0.19,
370
+ "grad_norm": 0.15390480377905874,
371
+ "learning_rate": 0.00019474781840384816,
372
+ "loss": 1.5562,
373
+ "step": 255
374
+ },
375
+ {
376
+ "epoch": 0.2,
377
+ "grad_norm": 0.13726931247747762,
378
+ "learning_rate": 0.00019431630579986632,
379
+ "loss": 1.6663,
380
+ "step": 260
381
+ },
382
+ {
383
+ "epoch": 0.2,
384
+ "grad_norm": 0.22618332502897354,
385
+ "learning_rate": 0.0001938682766677991,
386
+ "loss": 1.7624,
387
+ "step": 265
388
+ },
389
+ {
390
+ "epoch": 0.2,
391
+ "grad_norm": 0.14665992310817066,
392
+ "learning_rate": 0.00019340380946582695,
393
+ "loss": 1.7523,
394
+ "step": 270
395
+ },
396
+ {
397
+ "epoch": 0.21,
398
+ "grad_norm": 0.1554140913393743,
399
+ "learning_rate": 0.0001929229855307402,
400
+ "loss": 1.6392,
401
+ "step": 275
402
+ },
403
+ {
404
+ "epoch": 0.21,
405
+ "grad_norm": 0.20920485611465975,
406
+ "learning_rate": 0.00019242588906369536,
407
+ "loss": 1.8364,
408
+ "step": 280
409
+ },
410
+ {
411
+ "epoch": 0.22,
412
+ "grad_norm": 0.19116748798349187,
413
+ "learning_rate": 0.00019191260711547001,
414
+ "loss": 1.6188,
415
+ "step": 285
416
+ },
417
+ {
418
+ "epoch": 0.22,
419
+ "grad_norm": 0.16536086353984128,
420
+ "learning_rate": 0.0001913832295712186,
421
+ "loss": 1.7202,
422
+ "step": 290
423
+ },
424
+ {
425
+ "epoch": 0.22,
426
+ "grad_norm": 0.1569402268882919,
427
+ "learning_rate": 0.0001908378491347319,
428
+ "loss": 1.6367,
429
+ "step": 295
430
+ },
431
+ {
432
+ "epoch": 0.23,
433
+ "grad_norm": 0.16304498560465056,
434
+ "learning_rate": 0.0001902765613122028,
435
+ "loss": 1.7834,
436
+ "step": 300
437
+ },
438
+ {
439
+ "epoch": 0.23,
440
+ "grad_norm": 0.16236999153287665,
441
+ "learning_rate": 0.00018969946439550148,
442
+ "loss": 1.6726,
443
+ "step": 305
444
+ },
445
+ {
446
+ "epoch": 0.24,
447
+ "grad_norm": 0.15182991037078394,
448
+ "learning_rate": 0.00018910665944496264,
449
+ "loss": 1.8442,
450
+ "step": 310
451
+ },
452
+ {
453
+ "epoch": 0.24,
454
+ "grad_norm": 0.18052814912668647,
455
+ "learning_rate": 0.00018849825027168803,
456
+ "loss": 1.9455,
457
+ "step": 315
458
+ },
459
+ {
460
+ "epoch": 0.24,
461
+ "grad_norm": 0.16420621140530428,
462
+ "learning_rate": 0.0001878743434193671,
463
+ "loss": 1.7824,
464
+ "step": 320
465
+ },
466
+ {
467
+ "epoch": 0.25,
468
+ "grad_norm": 0.14151509823888947,
469
+ "learning_rate": 0.0001872350481456193,
470
+ "loss": 1.744,
471
+ "step": 325
472
+ },
473
+ {
474
+ "epoch": 0.25,
475
+ "grad_norm": 0.15295370028181537,
476
+ "learning_rate": 0.0001865804764028611,
477
+ "loss": 1.6297,
478
+ "step": 330
479
+ },
480
+ {
481
+ "epoch": 0.25,
482
+ "grad_norm": 0.18729292049319135,
483
+ "learning_rate": 0.00018591074281870099,
484
+ "loss": 1.7033,
485
+ "step": 335
486
+ },
487
+ {
488
+ "epoch": 0.26,
489
+ "grad_norm": 0.16159062074874506,
490
+ "learning_rate": 0.00018522596467586598,
491
+ "loss": 1.725,
492
+ "step": 340
493
+ },
494
+ {
495
+ "epoch": 0.26,
496
+ "grad_norm": 0.1862873005353938,
497
+ "learning_rate": 0.00018452626189166345,
498
+ "loss": 1.7492,
499
+ "step": 345
500
+ },
501
+ {
502
+ "epoch": 0.27,
503
+ "grad_norm": 0.1995664751091554,
504
+ "learning_rate": 0.0001838117569969812,
505
+ "loss": 1.6189,
506
+ "step": 350
507
+ },
508
+ {
509
+ "epoch": 0.27,
510
+ "grad_norm": 0.20573320860450153,
511
+ "learning_rate": 0.00018308257511483018,
512
+ "loss": 1.5645,
513
+ "step": 355
514
+ },
515
+ {
516
+ "epoch": 0.27,
517
+ "grad_norm": 0.1979474845480437,
518
+ "learning_rate": 0.000182338843938433,
519
+ "loss": 1.6659,
520
+ "step": 360
521
+ },
522
+ {
523
+ "epoch": 0.28,
524
+ "grad_norm": 0.1489980772801844,
525
+ "learning_rate": 0.00018158069370886266,
526
+ "loss": 1.7409,
527
+ "step": 365
528
+ },
529
+ {
530
+ "epoch": 0.28,
531
+ "grad_norm": 0.21205357472863073,
532
+ "learning_rate": 0.00018080825719223468,
533
+ "loss": 1.825,
534
+ "step": 370
535
+ },
536
+ {
537
+ "epoch": 0.28,
538
+ "grad_norm": 0.16632310528095662,
539
+ "learning_rate": 0.0001800216696564576,
540
+ "loss": 1.6339,
541
+ "step": 375
542
+ },
543
+ {
544
+ "epoch": 0.29,
545
+ "grad_norm": 0.1514716321570189,
546
+ "learning_rate": 0.00017922106884754488,
547
+ "loss": 1.6527,
548
+ "step": 380
549
+ },
550
+ {
551
+ "epoch": 0.29,
552
+ "grad_norm": 0.1824720480684259,
553
+ "learning_rate": 0.00017840659496549298,
554
+ "loss": 1.9076,
555
+ "step": 385
556
+ },
557
+ {
558
+ "epoch": 0.3,
559
+ "grad_norm": 0.17567973424287547,
560
+ "learning_rate": 0.00017757839063972997,
561
+ "loss": 1.6627,
562
+ "step": 390
563
+ },
564
+ {
565
+ "epoch": 0.3,
566
+ "grad_norm": 0.18153116327896177,
567
+ "learning_rate": 0.00017673660090413823,
568
+ "loss": 1.7191,
569
+ "step": 395
570
+ },
571
+ {
572
+ "epoch": 0.3,
573
+ "grad_norm": 0.1707968303720214,
574
+ "learning_rate": 0.00017588137317165657,
575
+ "loss": 1.7909,
576
+ "step": 400
577
+ },
578
+ {
579
+ "epoch": 0.31,
580
+ "grad_norm": 0.16649736682689767,
581
+ "learning_rate": 0.00017501285720846523,
582
+ "loss": 1.6713,
583
+ "step": 405
584
+ },
585
+ {
586
+ "epoch": 0.31,
587
+ "grad_norm": 0.1887556367835341,
588
+ "learning_rate": 0.0001741312051077594,
589
+ "loss": 1.6464,
590
+ "step": 410
591
+ },
592
+ {
593
+ "epoch": 0.31,
594
+ "grad_norm": 0.1614746163296818,
595
+ "learning_rate": 0.00017323657126311454,
596
+ "loss": 1.6152,
597
+ "step": 415
598
+ },
599
+ {
600
+ "epoch": 0.32,
601
+ "grad_norm": 0.16027605599844436,
602
+ "learning_rate": 0.0001723291123414495,
603
+ "loss": 1.6705,
604
+ "step": 420
605
+ },
606
+ {
607
+ "epoch": 0.32,
608
+ "grad_norm": 0.1378518336569361,
609
+ "learning_rate": 0.000171408987255591,
610
+ "loss": 1.7244,
611
+ "step": 425
612
+ },
613
+ {
614
+ "epoch": 0.33,
615
+ "grad_norm": 0.17223398801495055,
616
+ "learning_rate": 0.00017047635713644528,
617
+ "loss": 1.6938,
618
+ "step": 430
619
+ },
620
+ {
621
+ "epoch": 0.33,
622
+ "grad_norm": 0.13195968200255281,
623
+ "learning_rate": 0.00016953138530478092,
624
+ "loss": 1.8307,
625
+ "step": 435
626
+ },
627
+ {
628
+ "epoch": 0.33,
629
+ "grad_norm": 0.1769224290233956,
630
+ "learning_rate": 0.00016857423724262849,
631
+ "loss": 1.7391,
632
+ "step": 440
633
+ },
634
+ {
635
+ "epoch": 0.34,
636
+ "grad_norm": 0.18282706527502826,
637
+ "learning_rate": 0.00016760508056430152,
638
+ "loss": 1.7326,
639
+ "step": 445
640
+ },
641
+ {
642
+ "epoch": 0.34,
643
+ "grad_norm": 0.1631203496086859,
644
+ "learning_rate": 0.0001666240849870441,
645
+ "loss": 1.823,
646
+ "step": 450
647
+ },
648
+ {
649
+ "epoch": 0.34,
650
+ "grad_norm": 0.20235195405729262,
651
+ "learning_rate": 0.0001656314223013104,
652
+ "loss": 1.845,
653
+ "step": 455
654
+ },
655
+ {
656
+ "epoch": 0.35,
657
+ "grad_norm": 0.19609007678999507,
658
+ "learning_rate": 0.00016462726634068075,
659
+ "loss": 1.7261,
660
+ "step": 460
661
+ },
662
+ {
663
+ "epoch": 0.35,
664
+ "grad_norm": 0.18106665152255952,
665
+ "learning_rate": 0.00016361179295142046,
666
+ "loss": 1.7463,
667
+ "step": 465
668
+ },
669
+ {
670
+ "epoch": 0.36,
671
+ "grad_norm": 0.18149538862355094,
672
+ "learning_rate": 0.00016258517996168564,
673
+ "loss": 1.795,
674
+ "step": 470
675
+ },
676
+ {
677
+ "epoch": 0.36,
678
+ "grad_norm": 0.19025838125643668,
679
+ "learning_rate": 0.0001615476071503823,
680
+ "loss": 1.832,
681
+ "step": 475
682
+ },
683
+ {
684
+ "epoch": 0.36,
685
+ "grad_norm": 0.1265376212889534,
686
+ "learning_rate": 0.00016049925621568382,
687
+ "loss": 1.7837,
688
+ "step": 480
689
+ },
690
+ {
691
+ "epoch": 0.37,
692
+ "grad_norm": 0.14422377519554716,
693
+ "learning_rate": 0.00015944031074321204,
694
+ "loss": 1.6805,
695
+ "step": 485
696
+ },
697
+ {
698
+ "epoch": 0.37,
699
+ "grad_norm": 0.1762633551257036,
700
+ "learning_rate": 0.00015837095617388827,
701
+ "loss": 1.7382,
702
+ "step": 490
703
+ },
704
+ {
705
+ "epoch": 0.38,
706
+ "grad_norm": 0.1876144376022372,
707
+ "learning_rate": 0.00015729137977145893,
708
+ "loss": 1.7734,
709
+ "step": 495
710
+ },
711
+ {
712
+ "epoch": 0.38,
713
+ "grad_norm": 0.20336686380575994,
714
+ "learning_rate": 0.0001562017705897024,
715
+ "loss": 1.7307,
716
+ "step": 500
717
+ },
718
+ {
719
+ "epoch": 0.38,
720
+ "grad_norm": 0.1851794296881923,
721
+ "learning_rate": 0.0001551023194393221,
722
+ "loss": 1.6542,
723
+ "step": 505
724
+ },
725
+ {
726
+ "epoch": 0.39,
727
+ "grad_norm": 0.13390782339032822,
728
+ "learning_rate": 0.00015399321885453202,
729
+ "loss": 1.6537,
730
+ "step": 510
731
+ },
732
+ {
733
+ "epoch": 0.39,
734
+ "grad_norm": 0.16853017759818759,
735
+ "learning_rate": 0.00015287466305934037,
736
+ "loss": 1.7368,
737
+ "step": 515
738
+ },
739
+ {
740
+ "epoch": 0.39,
741
+ "grad_norm": 0.1988449599462779,
742
+ "learning_rate": 0.0001517468479335376,
743
+ "loss": 1.8295,
744
+ "step": 520
745
+ },
746
+ {
747
+ "epoch": 0.4,
748
+ "grad_norm": 0.1559082965308534,
749
+ "learning_rate": 0.00015060997097839386,
750
+ "loss": 1.7347,
751
+ "step": 525
752
+ },
753
+ {
754
+ "epoch": 0.4,
755
+ "grad_norm": 0.224768472771501,
756
+ "learning_rate": 0.00014946423128207322,
757
+ "loss": 1.8114,
758
+ "step": 530
759
+ },
760
+ {
761
+ "epoch": 0.41,
762
+ "grad_norm": 0.1295999325817523,
763
+ "learning_rate": 0.0001483098294847695,
764
+ "loss": 1.8739,
765
+ "step": 535
766
+ },
767
+ {
768
+ "epoch": 0.41,
769
+ "grad_norm": 0.18936807370761422,
770
+ "learning_rate": 0.0001471469677435704,
771
+ "loss": 1.7902,
772
+ "step": 540
773
+ },
774
+ {
775
+ "epoch": 0.41,
776
+ "grad_norm": 0.1643554393968483,
777
+ "learning_rate": 0.00014597584969705616,
778
+ "loss": 1.6912,
779
+ "step": 545
780
+ },
781
+ {
782
+ "epoch": 0.42,
783
+ "grad_norm": 0.15773757647809103,
784
+ "learning_rate": 0.0001447966804296387,
785
+ "loss": 1.8605,
786
+ "step": 550
787
+ },
788
+ {
789
+ "epoch": 0.42,
790
+ "grad_norm": 0.20406845772260215,
791
+ "learning_rate": 0.00014360966643564747,
792
+ "loss": 1.6922,
793
+ "step": 555
794
+ },
795
+ {
796
+ "epoch": 0.42,
797
+ "grad_norm": 0.17501456530325488,
798
+ "learning_rate": 0.0001424150155831685,
799
+ "loss": 1.7865,
800
+ "step": 560
801
+ },
802
+ {
803
+ "epoch": 0.43,
804
+ "grad_norm": 0.1518901111914136,
805
+ "learning_rate": 0.0001412129370776429,
806
+ "loss": 1.6559,
807
+ "step": 565
808
+ },
809
+ {
810
+ "epoch": 0.43,
811
+ "grad_norm": 0.18138565181200048,
812
+ "learning_rate": 0.00014000364142523103,
813
+ "loss": 1.5771,
814
+ "step": 570
815
+ },
816
+ {
817
+ "epoch": 0.44,
818
+ "grad_norm": 0.16454907908913538,
819
+ "learning_rate": 0.0001387873403959492,
820
+ "loss": 1.6639,
821
+ "step": 575
822
+ },
823
+ {
824
+ "epoch": 0.44,
825
+ "grad_norm": 0.1334424167275731,
826
+ "learning_rate": 0.0001375642469865844,
827
+ "loss": 1.6229,
828
+ "step": 580
829
+ },
830
+ {
831
+ "epoch": 0.44,
832
+ "grad_norm": 0.1632799340974609,
833
+ "learning_rate": 0.00013633457538339514,
834
+ "loss": 1.7959,
835
+ "step": 585
836
+ },
837
+ {
838
+ "epoch": 0.45,
839
+ "grad_norm": 0.195109291960245,
840
+ "learning_rate": 0.00013509854092460312,
841
+ "loss": 1.6124,
842
+ "step": 590
843
+ },
844
+ {
845
+ "epoch": 0.45,
846
+ "grad_norm": 0.1839733274238824,
847
+ "learning_rate": 0.00013385636006268368,
848
+ "loss": 1.7034,
849
+ "step": 595
850
+ },
851
+ {
852
+ "epoch": 0.45,
853
+ "grad_norm": 0.1850784607361091,
854
+ "learning_rate": 0.00013260825032646083,
855
+ "loss": 1.6997,
856
+ "step": 600
857
+ },
858
+ {
859
+ "epoch": 0.46,
860
+ "grad_norm": 0.15397168391927735,
861
+ "learning_rate": 0.0001313544302830142,
862
+ "loss": 1.4588,
863
+ "step": 605
864
+ },
865
+ {
866
+ "epoch": 0.46,
867
+ "grad_norm": 0.203541257474643,
868
+ "learning_rate": 0.00013009511949940358,
869
+ "loss": 1.6677,
870
+ "step": 610
871
+ },
872
+ {
873
+ "epoch": 0.47,
874
+ "grad_norm": 0.16193823373140015,
875
+ "learning_rate": 0.00012883053850421897,
876
+ "loss": 1.6539,
877
+ "step": 615
878
+ },
879
+ {
880
+ "epoch": 0.47,
881
+ "grad_norm": 0.16809205680859712,
882
+ "learning_rate": 0.00012756090874896172,
883
+ "loss": 1.7106,
884
+ "step": 620
885
+ },
886
+ {
887
+ "epoch": 0.47,
888
+ "grad_norm": 0.13435988109027225,
889
+ "learning_rate": 0.00012628645256926438,
890
+ "loss": 1.5563,
891
+ "step": 625
892
+ },
893
+ {
894
+ "epoch": 0.48,
895
+ "grad_norm": 0.17547074427143972,
896
+ "learning_rate": 0.00012500739314595563,
897
+ "loss": 1.6488,
898
+ "step": 630
899
+ },
900
+ {
901
+ "epoch": 0.48,
902
+ "grad_norm": 0.19354830986756066,
903
+ "learning_rate": 0.0001237239544659771,
904
+ "loss": 1.7111,
905
+ "step": 635
906
+ },
907
+ {
908
+ "epoch": 0.49,
909
+ "grad_norm": 0.16194728732695224,
910
+ "learning_rate": 0.00012243636128315939,
911
+ "loss": 1.6541,
912
+ "step": 640
913
+ },
914
+ {
915
+ "epoch": 0.49,
916
+ "grad_norm": 0.1479347118711336,
917
+ "learning_rate": 0.00012114483907886308,
918
+ "loss": 1.7099,
919
+ "step": 645
920
+ },
921
+ {
922
+ "epoch": 0.49,
923
+ "grad_norm": 0.14962574930449243,
924
+ "learning_rate": 0.00011984961402249311,
925
+ "loss": 1.7944,
926
+ "step": 650
927
+ },
928
+ {
929
+ "epoch": 0.5,
930
+ "grad_norm": 0.19522394739541554,
931
+ "learning_rate": 0.00011855091293189234,
932
+ "loss": 1.6922,
933
+ "step": 655
934
+ },
935
+ {
936
+ "epoch": 0.5,
937
+ "grad_norm": 0.20134721263904506,
938
+ "learning_rate": 0.0001172489632336213,
939
+ "loss": 1.7516,
940
+ "step": 660
941
+ },
942
+ {
943
+ "epoch": 0.5,
944
+ "grad_norm": 0.17494019729104499,
945
+ "learning_rate": 0.00011594399292313192,
946
+ "loss": 1.7995,
947
+ "step": 665
948
+ },
949
+ {
950
+ "epoch": 0.51,
951
+ "grad_norm": 0.2018746644709756,
952
+ "learning_rate": 0.000114636230524841,
953
+ "loss": 1.8339,
954
+ "step": 670
955
+ },
956
+ {
957
+ "epoch": 0.51,
958
+ "grad_norm": 0.17996734198172393,
959
+ "learning_rate": 0.00011332590505211159,
960
+ "loss": 1.7256,
961
+ "step": 675
962
+ },
963
+ {
964
+ "epoch": 0.52,
965
+ "grad_norm": 0.17873752655785974,
966
+ "learning_rate": 0.00011201324596714844,
967
+ "loss": 1.7191,
968
+ "step": 680
969
+ },
970
+ {
971
+ "epoch": 0.52,
972
+ "grad_norm": 0.1467005565147068,
973
+ "learning_rate": 0.0001106984831408149,
974
+ "loss": 1.6384,
975
+ "step": 685
976
+ },
977
+ {
978
+ "epoch": 0.52,
979
+ "grad_norm": 0.1915514048730809,
980
+ "learning_rate": 0.00010938184681237833,
981
+ "loss": 1.6736,
982
+ "step": 690
983
+ },
984
+ {
985
+ "epoch": 0.53,
986
+ "grad_norm": 0.1838191695918362,
987
+ "learning_rate": 0.00010806356754919091,
988
+ "loss": 1.4994,
989
+ "step": 695
990
+ },
991
+ {
992
+ "epoch": 0.53,
993
+ "grad_norm": 0.22436914705741917,
994
+ "learning_rate": 0.00010674387620631308,
995
+ "loss": 1.83,
996
+ "step": 700
997
+ },
998
+ {
999
+ "epoch": 0.53,
1000
+ "grad_norm": 0.17652320007559247,
1001
+ "learning_rate": 0.00010542300388608652,
1002
+ "loss": 1.7067,
1003
+ "step": 705
1004
+ },
1005
+ {
1006
+ "epoch": 0.54,
1007
+ "grad_norm": 0.16308378188013725,
1008
+ "learning_rate": 0.00010410118189766387,
1009
+ "loss": 1.6581,
1010
+ "step": 710
1011
+ },
1012
+ {
1013
+ "epoch": 0.54,
1014
+ "grad_norm": 0.17768576113421508,
1015
+ "learning_rate": 0.0001027786417165022,
1016
+ "loss": 1.6501,
1017
+ "step": 715
1018
+ },
1019
+ {
1020
+ "epoch": 0.55,
1021
+ "grad_norm": 0.2761038831057377,
1022
+ "learning_rate": 0.00010145561494382742,
1023
+ "loss": 1.7354,
1024
+ "step": 720
1025
+ },
1026
+ {
1027
+ "epoch": 0.55,
1028
+ "grad_norm": 0.19431100962861855,
1029
+ "learning_rate": 0.00010013233326607661,
1030
+ "loss": 1.689,
1031
+ "step": 725
1032
+ },
1033
+ {
1034
+ "epoch": 0.55,
1035
+ "grad_norm": 0.20190135739240553,
1036
+ "learning_rate": 9.880902841432544e-05,
1037
+ "loss": 1.6582,
1038
+ "step": 730
1039
+ },
1040
+ {
1041
+ "epoch": 0.56,
1042
+ "grad_norm": 0.1612101989801135,
1043
+ "learning_rate": 9.748593212370773e-05,
1044
+ "loss": 1.7682,
1045
+ "step": 735
1046
+ },
1047
+ {
1048
+ "epoch": 0.56,
1049
+ "grad_norm": 0.1887774058582275,
1050
+ "learning_rate": 9.616327609283445e-05,
1051
+ "loss": 1.6278,
1052
+ "step": 740
1053
+ },
1054
+ {
1055
+ "epoch": 0.56,
1056
+ "grad_norm": 0.18804655029135892,
1057
+ "learning_rate": 9.484129194321896e-05,
1058
+ "loss": 1.6383,
1059
+ "step": 745
1060
+ },
1061
+ {
1062
+ "epoch": 0.57,
1063
+ "grad_norm": 0.17619546651470808,
1064
+ "learning_rate": 9.352021117871574e-05,
1065
+ "loss": 1.7387,
1066
+ "step": 750
1067
+ },
1068
+ {
1069
+ "epoch": 0.57,
1070
+ "grad_norm": 0.1832656601025776,
1071
+ "learning_rate": 9.220026514497983e-05,
1072
+ "loss": 1.7469,
1073
+ "step": 755
1074
+ },
1075
+ {
1076
+ "epoch": 0.58,
1077
+ "grad_norm": 0.18317871859883073,
1078
+ "learning_rate": 9.088168498895408e-05,
1079
+ "loss": 1.6827,
1080
+ "step": 760
1081
+ },
1082
+ {
1083
+ "epoch": 0.58,
1084
+ "grad_norm": 0.18190889844847366,
1085
+ "learning_rate": 8.956470161839072e-05,
1086
+ "loss": 1.7512,
1087
+ "step": 765
1088
+ },
1089
+ {
1090
+ "epoch": 0.58,
1091
+ "grad_norm": 0.13673363804446922,
1092
+ "learning_rate": 8.82495456614155e-05,
1093
+ "loss": 1.72,
1094
+ "step": 770
1095
+ },
1096
+ {
1097
+ "epoch": 0.59,
1098
+ "grad_norm": 0.15018409524264797,
1099
+ "learning_rate": 8.693644742614017e-05,
1100
+ "loss": 1.7045,
1101
+ "step": 775
1102
+ },
1103
+ {
1104
+ "epoch": 0.59,
1105
+ "grad_norm": 0.2186693604605445,
1106
+ "learning_rate": 8.562563686033145e-05,
1107
+ "loss": 1.701,
1108
+ "step": 780
1109
+ },
1110
+ {
1111
+ "epoch": 0.6,
1112
+ "grad_norm": 0.19245197095540534,
1113
+ "learning_rate": 8.431734351114284e-05,
1114
+ "loss": 1.762,
1115
+ "step": 785
1116
+ },
1117
+ {
1118
+ "epoch": 0.6,
1119
+ "grad_norm": 0.19207579375731684,
1120
+ "learning_rate": 8.301179648491669e-05,
1121
+ "loss": 1.6583,
1122
+ "step": 790
1123
+ },
1124
+ {
1125
+ "epoch": 0.6,
1126
+ "grad_norm": 0.18601379502952384,
1127
+ "learning_rate": 8.17092244070634e-05,
1128
+ "loss": 1.8022,
1129
+ "step": 795
1130
+ },
1131
+ {
1132
+ "epoch": 0.61,
1133
+ "grad_norm": 0.15775561164822532,
1134
+ "learning_rate": 8.040985538202505e-05,
1135
+ "loss": 1.8587,
1136
+ "step": 800
1137
+ },
1138
+ {
1139
+ "epoch": 0.61,
1140
+ "grad_norm": 0.17113306175707532,
1141
+ "learning_rate": 7.911391695332988e-05,
1142
+ "loss": 1.8229,
1143
+ "step": 805
1144
+ },
1145
+ {
1146
+ "epoch": 0.61,
1147
+ "grad_norm": 0.1915640796282049,
1148
+ "learning_rate": 7.782163606374536e-05,
1149
+ "loss": 1.7157,
1150
+ "step": 810
1151
+ },
1152
+ {
1153
+ "epoch": 0.62,
1154
+ "grad_norm": 0.16640360967802714,
1155
+ "learning_rate": 7.653323901553625e-05,
1156
+ "loss": 1.7302,
1157
+ "step": 815
1158
+ },
1159
+ {
1160
+ "epoch": 0.62,
1161
+ "grad_norm": 0.1787131411656399,
1162
+ "learning_rate": 7.52489514308349e-05,
1163
+ "loss": 1.5147,
1164
+ "step": 820
1165
+ },
1166
+ {
1167
+ "epoch": 0.63,
1168
+ "grad_norm": 0.181532462982817,
1169
+ "learning_rate": 7.396899821213072e-05,
1170
+ "loss": 1.6488,
1171
+ "step": 825
1172
+ },
1173
+ {
1174
+ "epoch": 0.63,
1175
+ "grad_norm": 0.21557423812359156,
1176
+ "learning_rate": 7.269360350288547e-05,
1177
+ "loss": 1.7753,
1178
+ "step": 830
1179
+ },
1180
+ {
1181
+ "epoch": 0.63,
1182
+ "grad_norm": 0.18460048157273207,
1183
+ "learning_rate": 7.142299064828169e-05,
1184
+ "loss": 1.7397,
1185
+ "step": 835
1186
+ },
1187
+ {
1188
+ "epoch": 0.64,
1189
+ "grad_norm": 0.15330203579005233,
1190
+ "learning_rate": 7.015738215611079e-05,
1191
+ "loss": 1.8253,
1192
+ "step": 840
1193
+ },
1194
+ {
1195
+ "epoch": 0.64,
1196
+ "grad_norm": 0.17444450083682025,
1197
+ "learning_rate": 6.889699965780787e-05,
1198
+ "loss": 1.6109,
1199
+ "step": 845
1200
+ },
1201
+ {
1202
+ "epoch": 0.64,
1203
+ "grad_norm": 0.21652046641655817,
1204
+ "learning_rate": 6.764206386963991e-05,
1205
+ "loss": 1.7588,
1206
+ "step": 850
1207
+ },
1208
+ {
1209
+ "epoch": 0.65,
1210
+ "grad_norm": 0.21834789848228028,
1211
+ "learning_rate": 6.639279455405432e-05,
1212
+ "loss": 1.7249,
1213
+ "step": 855
1214
+ },
1215
+ {
1216
+ "epoch": 0.65,
1217
+ "grad_norm": 0.19720018886202378,
1218
+ "learning_rate": 6.514941048119435e-05,
1219
+ "loss": 1.7814,
1220
+ "step": 860
1221
+ },
1222
+ {
1223
+ "epoch": 0.66,
1224
+ "grad_norm": 0.17019093587889528,
1225
+ "learning_rate": 6.391212939058861e-05,
1226
+ "loss": 1.7215,
1227
+ "step": 865
1228
+ },
1229
+ {
1230
+ "epoch": 0.66,
1231
+ "grad_norm": 0.17764400698646424,
1232
+ "learning_rate": 6.268116795302068e-05,
1233
+ "loss": 1.6174,
1234
+ "step": 870
1235
+ },
1236
+ {
1237
+ "epoch": 0.66,
1238
+ "grad_norm": 0.1857191323680069,
1239
+ "learning_rate": 6.14567417325861e-05,
1240
+ "loss": 1.7505,
1241
+ "step": 875
1242
+ },
1243
+ {
1244
+ "epoch": 0.67,
1245
+ "grad_norm": 0.2043550506390951,
1246
+ "learning_rate": 6.023906514894313e-05,
1247
+ "loss": 1.617,
1248
+ "step": 880
1249
+ },
1250
+ {
1251
+ "epoch": 0.67,
1252
+ "grad_norm": 0.152811359160537,
1253
+ "learning_rate": 5.902835143976393e-05,
1254
+ "loss": 1.5499,
1255
+ "step": 885
1256
+ },
1257
+ {
1258
+ "epoch": 0.67,
1259
+ "grad_norm": 0.16838709339190316,
1260
+ "learning_rate": 5.782481262339261e-05,
1261
+ "loss": 1.629,
1262
+ "step": 890
1263
+ },
1264
+ {
1265
+ "epoch": 0.68,
1266
+ "grad_norm": 0.24023332810174503,
1267
+ "learning_rate": 5.662865946171696e-05,
1268
+ "loss": 1.8542,
1269
+ "step": 895
1270
+ },
1271
+ {
1272
+ "epoch": 0.68,
1273
+ "grad_norm": 0.17090260469005264,
1274
+ "learning_rate": 5.544010142326026e-05,
1275
+ "loss": 1.6502,
1276
+ "step": 900
1277
+ },
1278
+ {
1279
+ "epoch": 0.69,
1280
+ "grad_norm": 0.22105892400962765,
1281
+ "learning_rate": 5.425934664649921e-05,
1282
+ "loss": 1.7454,
1283
+ "step": 905
1284
+ },
1285
+ {
1286
+ "epoch": 0.69,
1287
+ "grad_norm": 0.17574025557326728,
1288
+ "learning_rate": 5.308660190341528e-05,
1289
+ "loss": 1.6264,
1290
+ "step": 910
1291
+ },
1292
+ {
1293
+ "epoch": 0.69,
1294
+ "grad_norm": 0.19344761090063187,
1295
+ "learning_rate": 5.1922072563284986e-05,
1296
+ "loss": 1.6931,
1297
+ "step": 915
1298
+ },
1299
+ {
1300
+ "epoch": 0.7,
1301
+ "grad_norm": 0.20792951796116704,
1302
+ "learning_rate": 5.076596255671592e-05,
1303
+ "loss": 1.7799,
1304
+ "step": 920
1305
+ },
1306
+ {
1307
+ "epoch": 0.7,
1308
+ "grad_norm": 0.152967524344273,
1309
+ "learning_rate": 4.9618474339934916e-05,
1310
+ "loss": 1.5804,
1311
+ "step": 925
1312
+ },
1313
+ {
1314
+ "epoch": 0.71,
1315
+ "grad_norm": 0.2029478917940139,
1316
+ "learning_rate": 4.8479808859333964e-05,
1317
+ "loss": 1.6536,
1318
+ "step": 930
1319
+ },
1320
+ {
1321
+ "epoch": 0.71,
1322
+ "grad_norm": 0.20273359253816137,
1323
+ "learning_rate": 4.735016551628095e-05,
1324
+ "loss": 1.7212,
1325
+ "step": 935
1326
+ },
1327
+ {
1328
+ "epoch": 0.71,
1329
+ "grad_norm": 0.24355186668207754,
1330
+ "learning_rate": 4.6229742132200746e-05,
1331
+ "loss": 1.5726,
1332
+ "step": 940
1333
+ },
1334
+ {
1335
+ "epoch": 0.72,
1336
+ "grad_norm": 0.16910336039273627,
1337
+ "learning_rate": 4.511873491393304e-05,
1338
+ "loss": 1.6338,
1339
+ "step": 945
1340
+ },
1341
+ {
1342
+ "epoch": 0.72,
1343
+ "grad_norm": 0.18917035113482142,
1344
+ "learning_rate": 4.401733841937279e-05,
1345
+ "loss": 1.7485,
1346
+ "step": 950
1347
+ },
1348
+ {
1349
+ "epoch": 0.72,
1350
+ "grad_norm": 0.15310313773374987,
1351
+ "learning_rate": 4.292574552339981e-05,
1352
+ "loss": 1.5909,
1353
+ "step": 955
1354
+ },
1355
+ {
1356
+ "epoch": 0.73,
1357
+ "grad_norm": 0.16225231468176773,
1358
+ "learning_rate": 4.184414738410248e-05,
1359
+ "loss": 1.7539,
1360
+ "step": 960
1361
+ },
1362
+ {
1363
+ "epoch": 0.73,
1364
+ "grad_norm": 0.1864838363620509,
1365
+ "learning_rate": 4.077273340930263e-05,
1366
+ "loss": 1.7388,
1367
+ "step": 965
1368
+ },
1369
+ {
1370
+ "epoch": 0.74,
1371
+ "grad_norm": 0.18596136650157077,
1372
+ "learning_rate": 3.971169122338668e-05,
1373
+ "loss": 1.6928,
1374
+ "step": 970
1375
+ },
1376
+ {
1377
+ "epoch": 0.74,
1378
+ "grad_norm": 0.19828582588669125,
1379
+ "learning_rate": 3.866120663444914e-05,
1380
+ "loss": 1.6799,
1381
+ "step": 975
1382
+ },
1383
+ {
1384
+ "epoch": 0.74,
1385
+ "grad_norm": 0.19914566086301766,
1386
+ "learning_rate": 3.762146360175427e-05,
1387
+ "loss": 1.7465,
1388
+ "step": 980
1389
+ },
1390
+ {
1391
+ "epoch": 0.75,
1392
+ "grad_norm": 0.1565602915291301,
1393
+ "learning_rate": 3.659264420352122e-05,
1394
+ "loss": 1.6289,
1395
+ "step": 985
1396
+ },
1397
+ {
1398
+ "epoch": 0.75,
1399
+ "grad_norm": 0.1761029839621625,
1400
+ "learning_rate": 3.557492860503893e-05,
1401
+ "loss": 1.68,
1402
+ "step": 990
1403
+ },
1404
+ {
1405
+ "epoch": 0.75,
1406
+ "grad_norm": 0.16369015034577106,
1407
+ "learning_rate": 3.45684950271158e-05,
1408
+ "loss": 1.8479,
1409
+ "step": 995
1410
+ },
1411
+ {
1412
+ "epoch": 0.76,
1413
+ "grad_norm": 0.198047069955828,
1414
+ "learning_rate": 3.3573519714869914e-05,
1415
+ "loss": 1.6707,
1416
+ "step": 1000
1417
+ },
1418
+ {
1419
+ "epoch": 0.76,
1420
+ "grad_norm": 0.17307190965159788,
1421
+ "learning_rate": 3.25901769068654e-05,
1422
+ "loss": 1.635,
1423
+ "step": 1005
1424
+ },
1425
+ {
1426
+ "epoch": 0.77,
1427
+ "grad_norm": 0.22793946769374895,
1428
+ "learning_rate": 3.16186388045998e-05,
1429
+ "loss": 1.7162,
1430
+ "step": 1010
1431
+ },
1432
+ {
1433
+ "epoch": 0.77,
1434
+ "grad_norm": 0.2076019661591803,
1435
+ "learning_rate": 3.065907554234858e-05,
1436
+ "loss": 1.8822,
1437
+ "step": 1015
1438
+ },
1439
+ {
1440
+ "epoch": 0.77,
1441
+ "grad_norm": 0.19560384418847823,
1442
+ "learning_rate": 2.9711655157371443e-05,
1443
+ "loss": 1.6867,
1444
+ "step": 1020
1445
+ },
1446
+ {
1447
+ "epoch": 0.78,
1448
+ "grad_norm": 0.19574225624101774,
1449
+ "learning_rate": 2.8776543560485857e-05,
1450
+ "loss": 1.713,
1451
+ "step": 1025
1452
+ },
1453
+ {
1454
+ "epoch": 0.78,
1455
+ "grad_norm": 0.18200916558664465,
1456
+ "learning_rate": 2.785390450701303e-05,
1457
+ "loss": 1.6337,
1458
+ "step": 1030
1459
+ },
1460
+ {
1461
+ "epoch": 0.78,
1462
+ "grad_norm": 0.1541733986762764,
1463
+ "learning_rate": 2.6943899568101405e-05,
1464
+ "loss": 1.5729,
1465
+ "step": 1035
1466
+ },
1467
+ {
1468
+ "epoch": 0.79,
1469
+ "grad_norm": 0.19958352219242734,
1470
+ "learning_rate": 2.6046688102432382e-05,
1471
+ "loss": 1.7146,
1472
+ "step": 1040
1473
+ },
1474
+ {
1475
+ "epoch": 0.79,
1476
+ "grad_norm": 0.19853696310550636,
1477
+ "learning_rate": 2.5162427228313857e-05,
1478
+ "loss": 1.7313,
1479
+ "step": 1045
1480
+ },
1481
+ {
1482
+ "epoch": 0.8,
1483
+ "grad_norm": 0.15888101789785714,
1484
+ "learning_rate": 2.429127179616575e-05,
1485
+ "loss": 1.7659,
1486
+ "step": 1050
1487
+ },
1488
+ {
1489
+ "epoch": 0.8,
1490
+ "grad_norm": 0.18173603127604884,
1491
+ "learning_rate": 2.343337436140295e-05,
1492
+ "loss": 1.7334,
1493
+ "step": 1055
1494
+ },
1495
+ {
1496
+ "epoch": 0.8,
1497
+ "grad_norm": 0.14655412622982647,
1498
+ "learning_rate": 2.258888515772005e-05,
1499
+ "loss": 1.5761,
1500
+ "step": 1060
1501
+ },
1502
+ {
1503
+ "epoch": 0.81,
1504
+ "grad_norm": 0.20266007316099247,
1505
+ "learning_rate": 2.1757952070782504e-05,
1506
+ "loss": 1.7433,
1507
+ "step": 1065
1508
+ },
1509
+ {
1510
+ "epoch": 0.81,
1511
+ "grad_norm": 0.20234298686235969,
1512
+ "learning_rate": 2.0940720612329258e-05,
1513
+ "loss": 1.5892,
1514
+ "step": 1070
1515
+ },
1516
+ {
1517
+ "epoch": 0.82,
1518
+ "grad_norm": 0.1526986847585089,
1519
+ "learning_rate": 2.0137333894690912e-05,
1520
+ "loss": 1.6581,
1521
+ "step": 1075
1522
+ },
1523
+ {
1524
+ "epoch": 0.82,
1525
+ "grad_norm": 0.2163230002939218,
1526
+ "learning_rate": 1.9347932605728093e-05,
1527
+ "loss": 1.668,
1528
+ "step": 1080
1529
+ },
1530
+ {
1531
+ "epoch": 0.82,
1532
+ "grad_norm": 0.18915868456626023,
1533
+ "learning_rate": 1.8572654984194392e-05,
1534
+ "loss": 1.621,
1535
+ "step": 1085
1536
+ },
1537
+ {
1538
+ "epoch": 0.83,
1539
+ "grad_norm": 0.2161988791708388,
1540
+ "learning_rate": 1.781163679552831e-05,
1541
+ "loss": 1.7003,
1542
+ "step": 1090
1543
+ },
1544
+ {
1545
+ "epoch": 0.83,
1546
+ "grad_norm": 0.1560093225771299,
1547
+ "learning_rate": 1.706501130807806e-05,
1548
+ "loss": 1.7737,
1549
+ "step": 1095
1550
+ },
1551
+ {
1552
+ "epoch": 0.83,
1553
+ "grad_norm": 0.2028694894544158,
1554
+ "learning_rate": 1.6332909269763953e-05,
1555
+ "loss": 1.7086,
1556
+ "step": 1100
1557
+ },
1558
+ {
1559
+ "epoch": 0.84,
1560
+ "grad_norm": 0.20833737878016775,
1561
+ "learning_rate": 1.561545888518192e-05,
1562
+ "loss": 1.6524,
1563
+ "step": 1105
1564
+ },
1565
+ {
1566
+ "epoch": 0.84,
1567
+ "grad_norm": 0.2292307851951488,
1568
+ "learning_rate": 1.4912785793152583e-05,
1569
+ "loss": 1.7708,
1570
+ "step": 1110
1571
+ },
1572
+ {
1573
+ "epoch": 0.85,
1574
+ "grad_norm": 0.20740473508039634,
1575
+ "learning_rate": 1.4225013044719615e-05,
1576
+ "loss": 1.5385,
1577
+ "step": 1115
1578
+ },
1579
+ {
1580
+ "epoch": 0.85,
1581
+ "grad_norm": 0.19005217138703415,
1582
+ "learning_rate": 1.3552261081601091e-05,
1583
+ "loss": 1.7285,
1584
+ "step": 1120
1585
+ },
1586
+ {
1587
+ "epoch": 0.85,
1588
+ "grad_norm": 0.1940930521738508,
1589
+ "learning_rate": 1.289464771509804e-05,
1590
+ "loss": 1.6208,
1591
+ "step": 1125
1592
+ },
1593
+ {
1594
+ "epoch": 0.86,
1595
+ "grad_norm": 0.2153509149434588,
1596
+ "learning_rate": 1.2252288105463405e-05,
1597
+ "loss": 1.7712,
1598
+ "step": 1130
1599
+ },
1600
+ {
1601
+ "epoch": 0.86,
1602
+ "grad_norm": 0.19048315548215075,
1603
+ "learning_rate": 1.1625294741735526e-05,
1604
+ "loss": 1.6668,
1605
+ "step": 1135
1606
+ },
1607
+ {
1608
+ "epoch": 0.86,
1609
+ "grad_norm": 0.15371576628718261,
1610
+ "learning_rate": 1.101377742203903e-05,
1611
+ "loss": 1.7325,
1612
+ "step": 1140
1613
+ },
1614
+ {
1615
+ "epoch": 0.87,
1616
+ "grad_norm": 0.1765858067098436,
1617
+ "learning_rate": 1.0417843234357282e-05,
1618
+ "loss": 1.5605,
1619
+ "step": 1145
1620
+ },
1621
+ {
1622
+ "epoch": 0.87,
1623
+ "grad_norm": 0.19769140244098435,
1624
+ "learning_rate": 9.837596537779237e-06,
1625
+ "loss": 1.7202,
1626
+ "step": 1150
1627
+ },
1628
+ {
1629
+ "epoch": 0.88,
1630
+ "grad_norm": 0.1636190248970844,
1631
+ "learning_rate": 9.27313894422428e-06,
1632
+ "loss": 1.7334,
1633
+ "step": 1155
1634
+ },
1635
+ {
1636
+ "epoch": 0.88,
1637
+ "grad_norm": 0.1795770045555807,
1638
+ "learning_rate": 8.724569300648034e-06,
1639
+ "loss": 1.7336,
1640
+ "step": 1160
1641
+ },
1642
+ {
1643
+ "epoch": 0.88,
1644
+ "grad_norm": 0.18573985907644597,
1645
+ "learning_rate": 8.19198367173255e-06,
1646
+ "loss": 1.6823,
1647
+ "step": 1165
1648
+ },
1649
+ {
1650
+ "epoch": 0.89,
1651
+ "grad_norm": 0.19679409440430415,
1652
+ "learning_rate": 7.675475323063475e-06,
1653
+ "loss": 1.8278,
1654
+ "step": 1170
1655
+ },
1656
+ {
1657
+ "epoch": 0.89,
1658
+ "grad_norm": 0.20610765374352058,
1659
+ "learning_rate": 7.175134704797592e-06,
1660
+ "loss": 1.7029,
1661
+ "step": 1175
1662
+ },
1663
+ {
1664
+ "epoch": 0.89,
1665
+ "grad_norm": 0.192668406292881,
1666
+ "learning_rate": 6.691049435823327e-06,
1667
+ "loss": 1.8248,
1668
+ "step": 1180
1669
+ },
1670
+ {
1671
+ "epoch": 0.9,
1672
+ "grad_norm": 0.18604582750480914,
1673
+ "learning_rate": 6.22330428841702e-06,
1674
+ "loss": 1.8242,
1675
+ "step": 1185
1676
+ },
1677
+ {
1678
+ "epoch": 0.9,
1679
+ "grad_norm": 0.19974117814732592,
1680
+ "learning_rate": 5.771981173397811e-06,
1681
+ "loss": 1.6994,
1682
+ "step": 1190
1683
+ },
1684
+ {
1685
+ "epoch": 0.91,
1686
+ "grad_norm": 0.18691439037044016,
1687
+ "learning_rate": 5.337159125783453e-06,
1688
+ "loss": 1.8688,
1689
+ "step": 1195
1690
+ },
1691
+ {
1692
+ "epoch": 0.91,
1693
+ "grad_norm": 0.18302336322558957,
1694
+ "learning_rate": 4.9189142909498945e-06,
1695
+ "loss": 1.7011,
1696
+ "step": 1200
1697
+ },
1698
+ {
1699
+ "epoch": 0.91,
1700
+ "grad_norm": 0.16276715134022465,
1701
+ "learning_rate": 4.517319911296747e-06,
1702
+ "loss": 1.6793,
1703
+ "step": 1205
1704
+ },
1705
+ {
1706
+ "epoch": 0.92,
1707
+ "grad_norm": 0.1671233177658411,
1708
+ "learning_rate": 4.132446313421246e-06,
1709
+ "loss": 1.7648,
1710
+ "step": 1210
1711
+ },
1712
+ {
1713
+ "epoch": 0.92,
1714
+ "grad_norm": 0.1999230765848782,
1715
+ "learning_rate": 3.7643608958027543e-06,
1716
+ "loss": 1.7858,
1717
+ "step": 1215
1718
+ },
1719
+ {
1720
+ "epoch": 0.92,
1721
+ "grad_norm": 0.19081110632199813,
1722
+ "learning_rate": 3.4131281170000083e-06,
1723
+ "loss": 1.7149,
1724
+ "step": 1220
1725
+ },
1726
+ {
1727
+ "epoch": 0.93,
1728
+ "grad_norm": 0.20949748915550245,
1729
+ "learning_rate": 3.0788094843632655e-06,
1730
+ "loss": 1.7321,
1731
+ "step": 1225
1732
+ },
1733
+ {
1734
+ "epoch": 0.93,
1735
+ "grad_norm": 0.17479576986843795,
1736
+ "learning_rate": 2.7614635432632097e-06,
1737
+ "loss": 1.7379,
1738
+ "step": 1230
1739
+ },
1740
+ {
1741
+ "epoch": 0.94,
1742
+ "grad_norm": 0.19598502442999505,
1743
+ "learning_rate": 2.461145866838599e-06,
1744
+ "loss": 1.6667,
1745
+ "step": 1235
1746
+ },
1747
+ {
1748
+ "epoch": 0.94,
1749
+ "grad_norm": 0.2114759691470325,
1750
+ "learning_rate": 2.177909046264348e-06,
1751
+ "loss": 1.5768,
1752
+ "step": 1240
1753
+ },
1754
+ {
1755
+ "epoch": 0.94,
1756
+ "grad_norm": 0.21204581223076796,
1757
+ "learning_rate": 1.911802681541919e-06,
1758
+ "loss": 1.493,
1759
+ "step": 1245
1760
+ },
1761
+ {
1762
+ "epoch": 0.95,
1763
+ "grad_norm": 0.2146455711644599,
1764
+ "learning_rate": 1.6628733728133227e-06,
1765
+ "loss": 1.7313,
1766
+ "step": 1250
1767
+ },
1768
+ {
1769
+ "epoch": 0.95,
1770
+ "grad_norm": 0.1829938024906039,
1771
+ "learning_rate": 1.4311647122006721e-06,
1772
+ "loss": 1.7979,
1773
+ "step": 1255
1774
+ },
1775
+ {
1776
+ "epoch": 0.96,
1777
+ "grad_norm": 0.2227396674614033,
1778
+ "learning_rate": 1.216717276172341e-06,
1779
+ "loss": 1.7429,
1780
+ "step": 1260
1781
+ },
1782
+ {
1783
+ "epoch": 0.96,
1784
+ "grad_norm": 0.17163374392577124,
1785
+ "learning_rate": 1.0195686184373166e-06,
1786
+ "loss": 1.7308,
1787
+ "step": 1265
1788
+ },
1789
+ {
1790
+ "epoch": 0.96,
1791
+ "grad_norm": 0.18401065207770326,
1792
+ "learning_rate": 8.397532633688254e-07,
1793
+ "loss": 1.6,
1794
+ "step": 1270
1795
+ },
1796
+ {
1797
+ "epoch": 0.97,
1798
+ "grad_norm": 0.17090828715744394,
1799
+ "learning_rate": 6.773026999584708e-07,
1800
+ "loss": 1.7816,
1801
+ "step": 1275
1802
+ },
1803
+ {
1804
+ "epoch": 0.97,
1805
+ "grad_norm": 0.1911205998245446,
1806
+ "learning_rate": 5.322453763019653e-07,
1807
+ "loss": 1.744,
1808
+ "step": 1280
1809
+ },
1810
+ {
1811
+ "epoch": 0.97,
1812
+ "grad_norm": 0.1667057593092014,
1813
+ "learning_rate": 4.046066946172822e-07,
1814
+ "loss": 1.5815,
1815
+ "step": 1285
1816
+ },
1817
+ {
1818
+ "epoch": 0.98,
1819
+ "grad_norm": 0.1607155959453338,
1820
+ "learning_rate": 2.9440900679631457e-07,
1821
+ "loss": 1.8161,
1822
+ "step": 1290
1823
+ },
1824
+ {
1825
+ "epoch": 0.98,
1826
+ "grad_norm": 0.18720833430214684,
1827
+ "learning_rate": 2.016716104906391e-07,
1828
+ "loss": 1.8291,
1829
+ "step": 1295
1830
+ },
1831
+ {
1832
+ "epoch": 0.99,
1833
+ "grad_norm": 0.2766212038818113,
1834
+ "learning_rate": 1.2641074573209733e-07,
1835
+ "loss": 1.5269,
1836
+ "step": 1300
1837
+ },
1838
+ {
1839
+ "epoch": 0.99,
1840
+ "grad_norm": 0.21165128196697935,
1841
+ "learning_rate": 6.86395920889149e-08,
1842
+ "loss": 1.652,
1843
+ "step": 1305
1844
+ },
1845
+ {
1846
+ "epoch": 0.99,
1847
+ "grad_norm": 0.18315613432516514,
1848
+ "learning_rate": 2.8368266357681194e-08,
1849
+ "loss": 1.6759,
1850
+ "step": 1310
1851
+ },
1852
+ {
1853
+ "epoch": 1.0,
1854
+ "grad_norm": 0.21177038438817372,
1855
+ "learning_rate": 5.603820791755254e-09,
1856
+ "loss": 1.7057,
1857
+ "step": 1315
1858
+ },
1859
+ {
1860
+ "epoch": 1.0,
1861
+ "step": 1319,
1862
+ "total_flos": 4147887483125760.0,
1863
+ "train_loss": 1.7167340969840534,
1864
+ "train_runtime": 8001.3069,
1865
+ "train_samples_per_second": 0.659,
1866
+ "train_steps_per_second": 0.165
1867
+ }
1868
+ ],
1869
+ "logging_steps": 5,
1870
+ "max_steps": 1319,
1871
+ "num_input_tokens_seen": 0,
1872
+ "num_train_epochs": 1,
1873
+ "save_steps": 100,
1874
+ "total_flos": 4147887483125760.0,
1875
+ "train_batch_size": 1,
1876
+ "trial_name": null,
1877
+ "trial_params": null
1878
+ }