enoriega commited on
Commit
107c97e
1 Parent(s): a9ee4a6

End of training

Browse files
all_results.json ADDED
@@ -0,0 +1,14 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 3.0,
3
+ "eval_loss": 0.2369384765625,
4
+ "eval_margin_accuracy": 0.8923288944441774,
5
+ "eval_runtime": 3805.1042,
6
+ "eval_samples": 748836,
7
+ "eval_samples_per_second": 196.798,
8
+ "eval_steps_per_second": 49.199,
9
+ "train_loss": 0.2929552839597066,
10
+ "train_runtime": 125578.7814,
11
+ "train_samples": 1000000,
12
+ "train_samples_per_second": 23.889,
13
+ "train_steps_per_second": 0.003
14
+ }
eval_results.json ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 3.0,
3
+ "eval_loss": 0.2369384765625,
4
+ "eval_margin_accuracy": 0.8923288944441774,
5
+ "eval_runtime": 3805.1042,
6
+ "eval_samples": 748836,
7
+ "eval_samples_per_second": 196.798,
8
+ "eval_steps_per_second": 49.199
9
+ }
runs/Jul19_22-30-39_rogue/events.out.tfevents.1658426886.rogue.2557089.2 ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:54ad60bc7382cbb831ad0693b85338c4411a0ad9f305638006733a87a7be8ca9
3
+ size 370
train_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 3.0,
3
+ "train_loss": 0.2929552839597066,
4
+ "train_runtime": 125578.7814,
5
+ "train_samples": 1000000,
6
+ "train_samples_per_second": 23.889,
7
+ "train_steps_per_second": 0.003
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,2437 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 3.0,
5
+ "global_step": 375,
6
+ "is_hyper_param_search": false,
7
+ "is_local_process_zero": true,
8
+ "is_world_process_zero": true,
9
+ "log_history": [
10
+ {
11
+ "epoch": 0.01,
12
+ "learning_rate": 5e-05,
13
+ "loss": 1.0013,
14
+ "step": 1
15
+ },
16
+ {
17
+ "epoch": 0.02,
18
+ "learning_rate": 4.986666666666667e-05,
19
+ "loss": 1.0009,
20
+ "step": 2
21
+ },
22
+ {
23
+ "epoch": 0.02,
24
+ "learning_rate": 4.973333333333334e-05,
25
+ "loss": 0.9946,
26
+ "step": 3
27
+ },
28
+ {
29
+ "epoch": 0.03,
30
+ "learning_rate": 4.96e-05,
31
+ "loss": 0.9779,
32
+ "step": 4
33
+ },
34
+ {
35
+ "epoch": 0.04,
36
+ "learning_rate": 4.9466666666666665e-05,
37
+ "loss": 0.9227,
38
+ "step": 5
39
+ },
40
+ {
41
+ "epoch": 0.05,
42
+ "learning_rate": 4.933333333333334e-05,
43
+ "loss": 0.7933,
44
+ "step": 6
45
+ },
46
+ {
47
+ "epoch": 0.06,
48
+ "learning_rate": 4.92e-05,
49
+ "loss": 0.6935,
50
+ "step": 7
51
+ },
52
+ {
53
+ "epoch": 0.06,
54
+ "learning_rate": 4.906666666666667e-05,
55
+ "loss": 0.6381,
56
+ "step": 8
57
+ },
58
+ {
59
+ "epoch": 0.07,
60
+ "learning_rate": 4.8933333333333335e-05,
61
+ "loss": 0.6094,
62
+ "step": 9
63
+ },
64
+ {
65
+ "epoch": 0.08,
66
+ "learning_rate": 4.88e-05,
67
+ "loss": 0.5823,
68
+ "step": 10
69
+ },
70
+ {
71
+ "epoch": 0.09,
72
+ "learning_rate": 4.866666666666667e-05,
73
+ "loss": 0.5418,
74
+ "step": 11
75
+ },
76
+ {
77
+ "epoch": 0.1,
78
+ "learning_rate": 4.853333333333334e-05,
79
+ "loss": 0.5124,
80
+ "step": 12
81
+ },
82
+ {
83
+ "epoch": 0.1,
84
+ "learning_rate": 4.8400000000000004e-05,
85
+ "loss": 0.4996,
86
+ "step": 13
87
+ },
88
+ {
89
+ "epoch": 0.11,
90
+ "learning_rate": 4.826666666666667e-05,
91
+ "loss": 0.4831,
92
+ "step": 14
93
+ },
94
+ {
95
+ "epoch": 0.12,
96
+ "learning_rate": 4.8133333333333336e-05,
97
+ "loss": 0.452,
98
+ "step": 15
99
+ },
100
+ {
101
+ "epoch": 0.13,
102
+ "learning_rate": 4.8e-05,
103
+ "loss": 0.4405,
104
+ "step": 16
105
+ },
106
+ {
107
+ "epoch": 0.14,
108
+ "learning_rate": 4.7866666666666674e-05,
109
+ "loss": 0.4283,
110
+ "step": 17
111
+ },
112
+ {
113
+ "epoch": 0.14,
114
+ "learning_rate": 4.773333333333333e-05,
115
+ "loss": 0.425,
116
+ "step": 18
117
+ },
118
+ {
119
+ "epoch": 0.15,
120
+ "learning_rate": 4.76e-05,
121
+ "loss": 0.4114,
122
+ "step": 19
123
+ },
124
+ {
125
+ "epoch": 0.16,
126
+ "learning_rate": 4.746666666666667e-05,
127
+ "loss": 0.3814,
128
+ "step": 20
129
+ },
130
+ {
131
+ "epoch": 0.16,
132
+ "eval_loss": 0.390869140625,
133
+ "eval_margin_accuracy": 0.831653392732187,
134
+ "eval_runtime": 3803.8224,
135
+ "eval_samples_per_second": 196.864,
136
+ "eval_steps_per_second": 49.216,
137
+ "step": 20
138
+ },
139
+ {
140
+ "epoch": 0.17,
141
+ "learning_rate": 4.7333333333333336e-05,
142
+ "loss": 0.3845,
143
+ "step": 21
144
+ },
145
+ {
146
+ "epoch": 0.18,
147
+ "learning_rate": 4.72e-05,
148
+ "loss": 0.3831,
149
+ "step": 22
150
+ },
151
+ {
152
+ "epoch": 0.18,
153
+ "learning_rate": 4.706666666666667e-05,
154
+ "loss": 0.3914,
155
+ "step": 23
156
+ },
157
+ {
158
+ "epoch": 0.19,
159
+ "learning_rate": 4.6933333333333333e-05,
160
+ "loss": 0.3763,
161
+ "step": 24
162
+ },
163
+ {
164
+ "epoch": 0.2,
165
+ "learning_rate": 4.6800000000000006e-05,
166
+ "loss": 0.3683,
167
+ "step": 25
168
+ },
169
+ {
170
+ "epoch": 0.21,
171
+ "learning_rate": 4.666666666666667e-05,
172
+ "loss": 0.3766,
173
+ "step": 26
174
+ },
175
+ {
176
+ "epoch": 0.22,
177
+ "learning_rate": 4.653333333333334e-05,
178
+ "loss": 0.3662,
179
+ "step": 27
180
+ },
181
+ {
182
+ "epoch": 0.22,
183
+ "learning_rate": 4.64e-05,
184
+ "loss": 0.3722,
185
+ "step": 28
186
+ },
187
+ {
188
+ "epoch": 0.23,
189
+ "learning_rate": 4.626666666666667e-05,
190
+ "loss": 0.3534,
191
+ "step": 29
192
+ },
193
+ {
194
+ "epoch": 0.24,
195
+ "learning_rate": 4.6133333333333334e-05,
196
+ "loss": 0.3482,
197
+ "step": 30
198
+ },
199
+ {
200
+ "epoch": 0.25,
201
+ "learning_rate": 4.600000000000001e-05,
202
+ "loss": 0.359,
203
+ "step": 31
204
+ },
205
+ {
206
+ "epoch": 0.26,
207
+ "learning_rate": 4.5866666666666666e-05,
208
+ "loss": 0.3519,
209
+ "step": 32
210
+ },
211
+ {
212
+ "epoch": 0.26,
213
+ "learning_rate": 4.573333333333333e-05,
214
+ "loss": 0.3614,
215
+ "step": 33
216
+ },
217
+ {
218
+ "epoch": 0.27,
219
+ "learning_rate": 4.5600000000000004e-05,
220
+ "loss": 0.372,
221
+ "step": 34
222
+ },
223
+ {
224
+ "epoch": 0.28,
225
+ "learning_rate": 4.546666666666667e-05,
226
+ "loss": 0.3432,
227
+ "step": 35
228
+ },
229
+ {
230
+ "epoch": 0.29,
231
+ "learning_rate": 4.5333333333333335e-05,
232
+ "loss": 0.3578,
233
+ "step": 36
234
+ },
235
+ {
236
+ "epoch": 0.3,
237
+ "learning_rate": 4.52e-05,
238
+ "loss": 0.3338,
239
+ "step": 37
240
+ },
241
+ {
242
+ "epoch": 0.3,
243
+ "learning_rate": 4.5066666666666667e-05,
244
+ "loss": 0.3408,
245
+ "step": 38
246
+ },
247
+ {
248
+ "epoch": 0.31,
249
+ "learning_rate": 4.493333333333333e-05,
250
+ "loss": 0.3352,
251
+ "step": 39
252
+ },
253
+ {
254
+ "epoch": 0.32,
255
+ "learning_rate": 4.4800000000000005e-05,
256
+ "loss": 0.349,
257
+ "step": 40
258
+ },
259
+ {
260
+ "epoch": 0.32,
261
+ "eval_loss": 0.33349609375,
262
+ "eval_margin_accuracy": 0.8463428574480928,
263
+ "eval_runtime": 3808.321,
264
+ "eval_samples_per_second": 196.632,
265
+ "eval_steps_per_second": 49.158,
266
+ "step": 40
267
+ },
268
+ {
269
+ "epoch": 0.33,
270
+ "learning_rate": 4.466666666666667e-05,
271
+ "loss": 0.3306,
272
+ "step": 41
273
+ },
274
+ {
275
+ "epoch": 0.34,
276
+ "learning_rate": 4.4533333333333336e-05,
277
+ "loss": 0.3394,
278
+ "step": 42
279
+ },
280
+ {
281
+ "epoch": 0.34,
282
+ "learning_rate": 4.44e-05,
283
+ "loss": 0.3503,
284
+ "step": 43
285
+ },
286
+ {
287
+ "epoch": 0.35,
288
+ "learning_rate": 4.426666666666667e-05,
289
+ "loss": 0.3219,
290
+ "step": 44
291
+ },
292
+ {
293
+ "epoch": 0.36,
294
+ "learning_rate": 4.413333333333334e-05,
295
+ "loss": 0.3345,
296
+ "step": 45
297
+ },
298
+ {
299
+ "epoch": 0.37,
300
+ "learning_rate": 4.4000000000000006e-05,
301
+ "loss": 0.3313,
302
+ "step": 46
303
+ },
304
+ {
305
+ "epoch": 0.38,
306
+ "learning_rate": 4.3866666666666665e-05,
307
+ "loss": 0.3272,
308
+ "step": 47
309
+ },
310
+ {
311
+ "epoch": 0.38,
312
+ "learning_rate": 4.373333333333334e-05,
313
+ "loss": 0.3284,
314
+ "step": 48
315
+ },
316
+ {
317
+ "epoch": 0.39,
318
+ "learning_rate": 4.36e-05,
319
+ "loss": 0.3332,
320
+ "step": 49
321
+ },
322
+ {
323
+ "epoch": 0.4,
324
+ "learning_rate": 4.346666666666667e-05,
325
+ "loss": 0.3415,
326
+ "step": 50
327
+ },
328
+ {
329
+ "epoch": 0.41,
330
+ "learning_rate": 4.3333333333333334e-05,
331
+ "loss": 0.3159,
332
+ "step": 51
333
+ },
334
+ {
335
+ "epoch": 0.42,
336
+ "learning_rate": 4.32e-05,
337
+ "loss": 0.33,
338
+ "step": 52
339
+ },
340
+ {
341
+ "epoch": 0.42,
342
+ "learning_rate": 4.3066666666666665e-05,
343
+ "loss": 0.3157,
344
+ "step": 53
345
+ },
346
+ {
347
+ "epoch": 0.43,
348
+ "learning_rate": 4.293333333333334e-05,
349
+ "loss": 0.3086,
350
+ "step": 54
351
+ },
352
+ {
353
+ "epoch": 0.44,
354
+ "learning_rate": 4.2800000000000004e-05,
355
+ "loss": 0.3145,
356
+ "step": 55
357
+ },
358
+ {
359
+ "epoch": 0.45,
360
+ "learning_rate": 4.266666666666667e-05,
361
+ "loss": 0.3145,
362
+ "step": 56
363
+ },
364
+ {
365
+ "epoch": 0.46,
366
+ "learning_rate": 4.2533333333333335e-05,
367
+ "loss": 0.3411,
368
+ "step": 57
369
+ },
370
+ {
371
+ "epoch": 0.46,
372
+ "learning_rate": 4.24e-05,
373
+ "loss": 0.3183,
374
+ "step": 58
375
+ },
376
+ {
377
+ "epoch": 0.47,
378
+ "learning_rate": 4.226666666666667e-05,
379
+ "loss": 0.3104,
380
+ "step": 59
381
+ },
382
+ {
383
+ "epoch": 0.48,
384
+ "learning_rate": 4.213333333333334e-05,
385
+ "loss": 0.3196,
386
+ "step": 60
387
+ },
388
+ {
389
+ "epoch": 0.48,
390
+ "eval_loss": 0.31005859375,
391
+ "eval_margin_accuracy": 0.8587380948565507,
392
+ "eval_runtime": 3800.708,
393
+ "eval_samples_per_second": 197.025,
394
+ "eval_steps_per_second": 49.256,
395
+ "step": 60
396
+ },
397
+ {
398
+ "epoch": 0.49,
399
+ "learning_rate": 4.2e-05,
400
+ "loss": 0.3107,
401
+ "step": 61
402
+ },
403
+ {
404
+ "epoch": 0.5,
405
+ "learning_rate": 4.186666666666667e-05,
406
+ "loss": 0.3237,
407
+ "step": 62
408
+ },
409
+ {
410
+ "epoch": 0.5,
411
+ "learning_rate": 4.1733333333333336e-05,
412
+ "loss": 0.3173,
413
+ "step": 63
414
+ },
415
+ {
416
+ "epoch": 0.51,
417
+ "learning_rate": 4.16e-05,
418
+ "loss": 0.3107,
419
+ "step": 64
420
+ },
421
+ {
422
+ "epoch": 0.52,
423
+ "learning_rate": 4.146666666666667e-05,
424
+ "loss": 0.3176,
425
+ "step": 65
426
+ },
427
+ {
428
+ "epoch": 0.53,
429
+ "learning_rate": 4.133333333333333e-05,
430
+ "loss": 0.3067,
431
+ "step": 66
432
+ },
433
+ {
434
+ "epoch": 0.54,
435
+ "learning_rate": 4.12e-05,
436
+ "loss": 0.3179,
437
+ "step": 67
438
+ },
439
+ {
440
+ "epoch": 0.54,
441
+ "learning_rate": 4.106666666666667e-05,
442
+ "loss": 0.3226,
443
+ "step": 68
444
+ },
445
+ {
446
+ "epoch": 0.55,
447
+ "learning_rate": 4.093333333333334e-05,
448
+ "loss": 0.3159,
449
+ "step": 69
450
+ },
451
+ {
452
+ "epoch": 0.56,
453
+ "learning_rate": 4.08e-05,
454
+ "loss": 0.3136,
455
+ "step": 70
456
+ },
457
+ {
458
+ "epoch": 0.57,
459
+ "learning_rate": 4.066666666666667e-05,
460
+ "loss": 0.3126,
461
+ "step": 71
462
+ },
463
+ {
464
+ "epoch": 0.58,
465
+ "learning_rate": 4.0533333333333334e-05,
466
+ "loss": 0.3002,
467
+ "step": 72
468
+ },
469
+ {
470
+ "epoch": 0.58,
471
+ "learning_rate": 4.0400000000000006e-05,
472
+ "loss": 0.3253,
473
+ "step": 73
474
+ },
475
+ {
476
+ "epoch": 0.59,
477
+ "learning_rate": 4.026666666666667e-05,
478
+ "loss": 0.3193,
479
+ "step": 74
480
+ },
481
+ {
482
+ "epoch": 0.6,
483
+ "learning_rate": 4.013333333333333e-05,
484
+ "loss": 0.3159,
485
+ "step": 75
486
+ },
487
+ {
488
+ "epoch": 0.61,
489
+ "learning_rate": 4e-05,
490
+ "loss": 0.3004,
491
+ "step": 76
492
+ },
493
+ {
494
+ "epoch": 0.62,
495
+ "learning_rate": 3.986666666666667e-05,
496
+ "loss": 0.3069,
497
+ "step": 77
498
+ },
499
+ {
500
+ "epoch": 0.62,
501
+ "learning_rate": 3.9733333333333335e-05,
502
+ "loss": 0.3034,
503
+ "step": 78
504
+ },
505
+ {
506
+ "epoch": 0.63,
507
+ "learning_rate": 3.960000000000001e-05,
508
+ "loss": 0.3167,
509
+ "step": 79
510
+ },
511
+ {
512
+ "epoch": 0.64,
513
+ "learning_rate": 3.9466666666666666e-05,
514
+ "loss": 0.3083,
515
+ "step": 80
516
+ },
517
+ {
518
+ "epoch": 0.64,
519
+ "eval_loss": 0.301025390625,
520
+ "eval_margin_accuracy": 0.8645043774604854,
521
+ "eval_runtime": 3796.4332,
522
+ "eval_samples_per_second": 197.247,
523
+ "eval_steps_per_second": 49.312,
524
+ "step": 80
525
+ },
526
+ {
527
+ "epoch": 0.65,
528
+ "learning_rate": 3.933333333333333e-05,
529
+ "loss": 0.3042,
530
+ "step": 81
531
+ },
532
+ {
533
+ "epoch": 0.66,
534
+ "learning_rate": 3.9200000000000004e-05,
535
+ "loss": 0.3052,
536
+ "step": 82
537
+ },
538
+ {
539
+ "epoch": 0.66,
540
+ "learning_rate": 3.906666666666667e-05,
541
+ "loss": 0.3024,
542
+ "step": 83
543
+ },
544
+ {
545
+ "epoch": 0.67,
546
+ "learning_rate": 3.8933333333333336e-05,
547
+ "loss": 0.2967,
548
+ "step": 84
549
+ },
550
+ {
551
+ "epoch": 0.68,
552
+ "learning_rate": 3.88e-05,
553
+ "loss": 0.2975,
554
+ "step": 85
555
+ },
556
+ {
557
+ "epoch": 0.69,
558
+ "learning_rate": 3.866666666666667e-05,
559
+ "loss": 0.2919,
560
+ "step": 86
561
+ },
562
+ {
563
+ "epoch": 0.7,
564
+ "learning_rate": 3.853333333333334e-05,
565
+ "loss": 0.2987,
566
+ "step": 87
567
+ },
568
+ {
569
+ "epoch": 0.7,
570
+ "learning_rate": 3.8400000000000005e-05,
571
+ "loss": 0.2937,
572
+ "step": 88
573
+ },
574
+ {
575
+ "epoch": 0.71,
576
+ "learning_rate": 3.8266666666666664e-05,
577
+ "loss": 0.2989,
578
+ "step": 89
579
+ },
580
+ {
581
+ "epoch": 0.72,
582
+ "learning_rate": 3.8133333333333336e-05,
583
+ "loss": 0.2897,
584
+ "step": 90
585
+ },
586
+ {
587
+ "epoch": 0.73,
588
+ "learning_rate": 3.8e-05,
589
+ "loss": 0.2895,
590
+ "step": 91
591
+ },
592
+ {
593
+ "epoch": 0.74,
594
+ "learning_rate": 3.786666666666667e-05,
595
+ "loss": 0.2968,
596
+ "step": 92
597
+ },
598
+ {
599
+ "epoch": 0.74,
600
+ "learning_rate": 3.773333333333334e-05,
601
+ "loss": 0.2938,
602
+ "step": 93
603
+ },
604
+ {
605
+ "epoch": 0.75,
606
+ "learning_rate": 3.76e-05,
607
+ "loss": 0.3026,
608
+ "step": 94
609
+ },
610
+ {
611
+ "epoch": 0.76,
612
+ "learning_rate": 3.7466666666666665e-05,
613
+ "loss": 0.2817,
614
+ "step": 95
615
+ },
616
+ {
617
+ "epoch": 0.77,
618
+ "learning_rate": 3.733333333333334e-05,
619
+ "loss": 0.2982,
620
+ "step": 96
621
+ },
622
+ {
623
+ "epoch": 0.78,
624
+ "learning_rate": 3.72e-05,
625
+ "loss": 0.2929,
626
+ "step": 97
627
+ },
628
+ {
629
+ "epoch": 0.78,
630
+ "learning_rate": 3.706666666666667e-05,
631
+ "loss": 0.2974,
632
+ "step": 98
633
+ },
634
+ {
635
+ "epoch": 0.79,
636
+ "learning_rate": 3.6933333333333334e-05,
637
+ "loss": 0.306,
638
+ "step": 99
639
+ },
640
+ {
641
+ "epoch": 0.8,
642
+ "learning_rate": 3.68e-05,
643
+ "loss": 0.2828,
644
+ "step": 100
645
+ },
646
+ {
647
+ "epoch": 0.8,
648
+ "eval_loss": 0.287109375,
649
+ "eval_margin_accuracy": 0.8685533280985422,
650
+ "eval_runtime": 3797.4404,
651
+ "eval_samples_per_second": 197.195,
652
+ "eval_steps_per_second": 49.299,
653
+ "step": 100
654
+ },
655
+ {
656
+ "epoch": 0.81,
657
+ "learning_rate": 3.6666666666666666e-05,
658
+ "loss": 0.301,
659
+ "step": 101
660
+ },
661
+ {
662
+ "epoch": 0.82,
663
+ "learning_rate": 3.653333333333334e-05,
664
+ "loss": 0.3022,
665
+ "step": 102
666
+ },
667
+ {
668
+ "epoch": 0.82,
669
+ "learning_rate": 3.6400000000000004e-05,
670
+ "loss": 0.2923,
671
+ "step": 103
672
+ },
673
+ {
674
+ "epoch": 0.83,
675
+ "learning_rate": 3.626666666666667e-05,
676
+ "loss": 0.3058,
677
+ "step": 104
678
+ },
679
+ {
680
+ "epoch": 0.84,
681
+ "learning_rate": 3.6133333333333335e-05,
682
+ "loss": 0.292,
683
+ "step": 105
684
+ },
685
+ {
686
+ "epoch": 0.85,
687
+ "learning_rate": 3.6e-05,
688
+ "loss": 0.2923,
689
+ "step": 106
690
+ },
691
+ {
692
+ "epoch": 0.86,
693
+ "learning_rate": 3.586666666666667e-05,
694
+ "loss": 0.2944,
695
+ "step": 107
696
+ },
697
+ {
698
+ "epoch": 0.86,
699
+ "learning_rate": 3.573333333333333e-05,
700
+ "loss": 0.297,
701
+ "step": 108
702
+ },
703
+ {
704
+ "epoch": 0.87,
705
+ "learning_rate": 3.56e-05,
706
+ "loss": 0.2904,
707
+ "step": 109
708
+ },
709
+ {
710
+ "epoch": 0.88,
711
+ "learning_rate": 3.546666666666667e-05,
712
+ "loss": 0.2901,
713
+ "step": 110
714
+ },
715
+ {
716
+ "epoch": 0.89,
717
+ "learning_rate": 3.5333333333333336e-05,
718
+ "loss": 0.2992,
719
+ "step": 111
720
+ },
721
+ {
722
+ "epoch": 0.9,
723
+ "learning_rate": 3.52e-05,
724
+ "loss": 0.2878,
725
+ "step": 112
726
+ },
727
+ {
728
+ "epoch": 0.9,
729
+ "learning_rate": 3.506666666666667e-05,
730
+ "loss": 0.3078,
731
+ "step": 113
732
+ },
733
+ {
734
+ "epoch": 0.91,
735
+ "learning_rate": 3.493333333333333e-05,
736
+ "loss": 0.2797,
737
+ "step": 114
738
+ },
739
+ {
740
+ "epoch": 0.92,
741
+ "learning_rate": 3.48e-05,
742
+ "loss": 0.2923,
743
+ "step": 115
744
+ },
745
+ {
746
+ "epoch": 0.93,
747
+ "learning_rate": 3.466666666666667e-05,
748
+ "loss": 0.2965,
749
+ "step": 116
750
+ },
751
+ {
752
+ "epoch": 0.94,
753
+ "learning_rate": 3.453333333333334e-05,
754
+ "loss": 0.284,
755
+ "step": 117
756
+ },
757
+ {
758
+ "epoch": 0.94,
759
+ "learning_rate": 3.4399999999999996e-05,
760
+ "loss": 0.2953,
761
+ "step": 118
762
+ },
763
+ {
764
+ "epoch": 0.95,
765
+ "learning_rate": 3.426666666666667e-05,
766
+ "loss": 0.2781,
767
+ "step": 119
768
+ },
769
+ {
770
+ "epoch": 0.96,
771
+ "learning_rate": 3.4133333333333334e-05,
772
+ "loss": 0.294,
773
+ "step": 120
774
+ },
775
+ {
776
+ "epoch": 0.96,
777
+ "eval_loss": 0.280029296875,
778
+ "eval_margin_accuracy": 0.871539295653521,
779
+ "eval_runtime": 3813.0607,
780
+ "eval_samples_per_second": 196.387,
781
+ "eval_steps_per_second": 49.097,
782
+ "step": 120
783
+ },
784
+ {
785
+ "epoch": 0.97,
786
+ "learning_rate": 3.4000000000000007e-05,
787
+ "loss": 0.2826,
788
+ "step": 121
789
+ },
790
+ {
791
+ "epoch": 0.98,
792
+ "learning_rate": 3.3866666666666665e-05,
793
+ "loss": 0.2912,
794
+ "step": 122
795
+ },
796
+ {
797
+ "epoch": 0.98,
798
+ "learning_rate": 3.373333333333333e-05,
799
+ "loss": 0.2851,
800
+ "step": 123
801
+ },
802
+ {
803
+ "epoch": 0.99,
804
+ "learning_rate": 3.3600000000000004e-05,
805
+ "loss": 0.2888,
806
+ "step": 124
807
+ },
808
+ {
809
+ "epoch": 1.0,
810
+ "learning_rate": 3.346666666666667e-05,
811
+ "loss": 0.2885,
812
+ "step": 125
813
+ },
814
+ {
815
+ "epoch": 1.01,
816
+ "learning_rate": 3.3333333333333335e-05,
817
+ "loss": 0.2886,
818
+ "step": 126
819
+ },
820
+ {
821
+ "epoch": 1.02,
822
+ "learning_rate": 3.32e-05,
823
+ "loss": 0.2809,
824
+ "step": 127
825
+ },
826
+ {
827
+ "epoch": 1.02,
828
+ "learning_rate": 3.3066666666666666e-05,
829
+ "loss": 0.2767,
830
+ "step": 128
831
+ },
832
+ {
833
+ "epoch": 1.03,
834
+ "learning_rate": 3.293333333333333e-05,
835
+ "loss": 0.29,
836
+ "step": 129
837
+ },
838
+ {
839
+ "epoch": 1.04,
840
+ "learning_rate": 3.2800000000000004e-05,
841
+ "loss": 0.2893,
842
+ "step": 130
843
+ },
844
+ {
845
+ "epoch": 1.05,
846
+ "learning_rate": 3.266666666666667e-05,
847
+ "loss": 0.276,
848
+ "step": 131
849
+ },
850
+ {
851
+ "epoch": 1.06,
852
+ "learning_rate": 3.253333333333333e-05,
853
+ "loss": 0.2812,
854
+ "step": 132
855
+ },
856
+ {
857
+ "epoch": 1.06,
858
+ "learning_rate": 3.24e-05,
859
+ "loss": 0.2781,
860
+ "step": 133
861
+ },
862
+ {
863
+ "epoch": 1.07,
864
+ "learning_rate": 3.226666666666667e-05,
865
+ "loss": 0.2781,
866
+ "step": 134
867
+ },
868
+ {
869
+ "epoch": 1.08,
870
+ "learning_rate": 3.213333333333334e-05,
871
+ "loss": 0.2877,
872
+ "step": 135
873
+ },
874
+ {
875
+ "epoch": 1.09,
876
+ "learning_rate": 3.2000000000000005e-05,
877
+ "loss": 0.2739,
878
+ "step": 136
879
+ },
880
+ {
881
+ "epoch": 1.1,
882
+ "learning_rate": 3.1866666666666664e-05,
883
+ "loss": 0.2822,
884
+ "step": 137
885
+ },
886
+ {
887
+ "epoch": 1.1,
888
+ "learning_rate": 3.173333333333334e-05,
889
+ "loss": 0.2728,
890
+ "step": 138
891
+ },
892
+ {
893
+ "epoch": 1.11,
894
+ "learning_rate": 3.16e-05,
895
+ "loss": 0.2955,
896
+ "step": 139
897
+ },
898
+ {
899
+ "epoch": 1.12,
900
+ "learning_rate": 3.146666666666667e-05,
901
+ "loss": 0.2711,
902
+ "step": 140
903
+ },
904
+ {
905
+ "epoch": 1.12,
906
+ "eval_loss": 0.270751953125,
907
+ "eval_margin_accuracy": 0.8741192998199873,
908
+ "eval_runtime": 3810.8564,
909
+ "eval_samples_per_second": 196.501,
910
+ "eval_steps_per_second": 49.125,
911
+ "step": 140
912
+ },
913
+ {
914
+ "epoch": 1.13,
915
+ "learning_rate": 3.1333333333333334e-05,
916
+ "loss": 0.282,
917
+ "step": 141
918
+ },
919
+ {
920
+ "epoch": 1.14,
921
+ "learning_rate": 3.12e-05,
922
+ "loss": 0.2891,
923
+ "step": 142
924
+ },
925
+ {
926
+ "epoch": 1.14,
927
+ "learning_rate": 3.1066666666666665e-05,
928
+ "loss": 0.2805,
929
+ "step": 143
930
+ },
931
+ {
932
+ "epoch": 1.15,
933
+ "learning_rate": 3.093333333333334e-05,
934
+ "loss": 0.2678,
935
+ "step": 144
936
+ },
937
+ {
938
+ "epoch": 1.16,
939
+ "learning_rate": 3.08e-05,
940
+ "loss": 0.2845,
941
+ "step": 145
942
+ },
943
+ {
944
+ "epoch": 1.17,
945
+ "learning_rate": 3.066666666666667e-05,
946
+ "loss": 0.2806,
947
+ "step": 146
948
+ },
949
+ {
950
+ "epoch": 1.18,
951
+ "learning_rate": 3.0533333333333335e-05,
952
+ "loss": 0.2731,
953
+ "step": 147
954
+ },
955
+ {
956
+ "epoch": 1.18,
957
+ "learning_rate": 3.04e-05,
958
+ "loss": 0.2904,
959
+ "step": 148
960
+ },
961
+ {
962
+ "epoch": 1.19,
963
+ "learning_rate": 3.0266666666666666e-05,
964
+ "loss": 0.2694,
965
+ "step": 149
966
+ },
967
+ {
968
+ "epoch": 1.2,
969
+ "learning_rate": 3.0133333333333335e-05,
970
+ "loss": 0.2792,
971
+ "step": 150
972
+ },
973
+ {
974
+ "epoch": 1.21,
975
+ "learning_rate": 3e-05,
976
+ "loss": 0.271,
977
+ "step": 151
978
+ },
979
+ {
980
+ "epoch": 1.22,
981
+ "learning_rate": 2.986666666666667e-05,
982
+ "loss": 0.2723,
983
+ "step": 152
984
+ },
985
+ {
986
+ "epoch": 1.22,
987
+ "learning_rate": 2.9733333333333336e-05,
988
+ "loss": 0.2685,
989
+ "step": 153
990
+ },
991
+ {
992
+ "epoch": 1.23,
993
+ "learning_rate": 2.96e-05,
994
+ "loss": 0.273,
995
+ "step": 154
996
+ },
997
+ {
998
+ "epoch": 1.24,
999
+ "learning_rate": 2.946666666666667e-05,
1000
+ "loss": 0.2761,
1001
+ "step": 155
1002
+ },
1003
+ {
1004
+ "epoch": 1.25,
1005
+ "learning_rate": 2.9333333333333336e-05,
1006
+ "loss": 0.2724,
1007
+ "step": 156
1008
+ },
1009
+ {
1010
+ "epoch": 1.26,
1011
+ "learning_rate": 2.9199999999999998e-05,
1012
+ "loss": 0.2772,
1013
+ "step": 157
1014
+ },
1015
+ {
1016
+ "epoch": 1.26,
1017
+ "learning_rate": 2.906666666666667e-05,
1018
+ "loss": 0.2641,
1019
+ "step": 158
1020
+ },
1021
+ {
1022
+ "epoch": 1.27,
1023
+ "learning_rate": 2.8933333333333333e-05,
1024
+ "loss": 0.2844,
1025
+ "step": 159
1026
+ },
1027
+ {
1028
+ "epoch": 1.28,
1029
+ "learning_rate": 2.88e-05,
1030
+ "loss": 0.2663,
1031
+ "step": 160
1032
+ },
1033
+ {
1034
+ "epoch": 1.28,
1035
+ "eval_loss": 0.26708984375,
1036
+ "eval_margin_accuracy": 0.876731353727652,
1037
+ "eval_runtime": 3813.1169,
1038
+ "eval_samples_per_second": 196.384,
1039
+ "eval_steps_per_second": 49.096,
1040
+ "step": 160
1041
+ },
1042
+ {
1043
+ "epoch": 1.29,
1044
+ "learning_rate": 2.8666666666666668e-05,
1045
+ "loss": 0.2641,
1046
+ "step": 161
1047
+ },
1048
+ {
1049
+ "epoch": 1.3,
1050
+ "learning_rate": 2.8533333333333333e-05,
1051
+ "loss": 0.2777,
1052
+ "step": 162
1053
+ },
1054
+ {
1055
+ "epoch": 1.3,
1056
+ "learning_rate": 2.84e-05,
1057
+ "loss": 0.2702,
1058
+ "step": 163
1059
+ },
1060
+ {
1061
+ "epoch": 1.31,
1062
+ "learning_rate": 2.8266666666666668e-05,
1063
+ "loss": 0.2803,
1064
+ "step": 164
1065
+ },
1066
+ {
1067
+ "epoch": 1.32,
1068
+ "learning_rate": 2.8133333333333334e-05,
1069
+ "loss": 0.2905,
1070
+ "step": 165
1071
+ },
1072
+ {
1073
+ "epoch": 1.33,
1074
+ "learning_rate": 2.8000000000000003e-05,
1075
+ "loss": 0.2544,
1076
+ "step": 166
1077
+ },
1078
+ {
1079
+ "epoch": 1.34,
1080
+ "learning_rate": 2.786666666666667e-05,
1081
+ "loss": 0.2715,
1082
+ "step": 167
1083
+ },
1084
+ {
1085
+ "epoch": 1.34,
1086
+ "learning_rate": 2.7733333333333334e-05,
1087
+ "loss": 0.2654,
1088
+ "step": 168
1089
+ },
1090
+ {
1091
+ "epoch": 1.35,
1092
+ "learning_rate": 2.7600000000000003e-05,
1093
+ "loss": 0.2683,
1094
+ "step": 169
1095
+ },
1096
+ {
1097
+ "epoch": 1.36,
1098
+ "learning_rate": 2.746666666666667e-05,
1099
+ "loss": 0.2589,
1100
+ "step": 170
1101
+ },
1102
+ {
1103
+ "epoch": 1.37,
1104
+ "learning_rate": 2.733333333333333e-05,
1105
+ "loss": 0.262,
1106
+ "step": 171
1107
+ },
1108
+ {
1109
+ "epoch": 1.38,
1110
+ "learning_rate": 2.7200000000000004e-05,
1111
+ "loss": 0.2671,
1112
+ "step": 172
1113
+ },
1114
+ {
1115
+ "epoch": 1.38,
1116
+ "learning_rate": 2.706666666666667e-05,
1117
+ "loss": 0.2759,
1118
+ "step": 173
1119
+ },
1120
+ {
1121
+ "epoch": 1.39,
1122
+ "learning_rate": 2.6933333333333332e-05,
1123
+ "loss": 0.2728,
1124
+ "step": 174
1125
+ },
1126
+ {
1127
+ "epoch": 1.4,
1128
+ "learning_rate": 2.6800000000000004e-05,
1129
+ "loss": 0.2722,
1130
+ "step": 175
1131
+ },
1132
+ {
1133
+ "epoch": 1.41,
1134
+ "learning_rate": 2.6666666666666667e-05,
1135
+ "loss": 0.2656,
1136
+ "step": 176
1137
+ },
1138
+ {
1139
+ "epoch": 1.42,
1140
+ "learning_rate": 2.6533333333333332e-05,
1141
+ "loss": 0.2862,
1142
+ "step": 177
1143
+ },
1144
+ {
1145
+ "epoch": 1.42,
1146
+ "learning_rate": 2.64e-05,
1147
+ "loss": 0.261,
1148
+ "step": 178
1149
+ },
1150
+ {
1151
+ "epoch": 1.43,
1152
+ "learning_rate": 2.6266666666666667e-05,
1153
+ "loss": 0.2522,
1154
+ "step": 179
1155
+ },
1156
+ {
1157
+ "epoch": 1.44,
1158
+ "learning_rate": 2.6133333333333333e-05,
1159
+ "loss": 0.2656,
1160
+ "step": 180
1161
+ },
1162
+ {
1163
+ "epoch": 1.44,
1164
+ "eval_loss": 0.26123046875,
1165
+ "eval_margin_accuracy": 0.8822358967784668,
1166
+ "eval_runtime": 3814.6359,
1167
+ "eval_samples_per_second": 196.306,
1168
+ "eval_steps_per_second": 49.077,
1169
+ "step": 180
1170
+ },
1171
+ {
1172
+ "epoch": 1.45,
1173
+ "learning_rate": 2.6000000000000002e-05,
1174
+ "loss": 0.2676,
1175
+ "step": 181
1176
+ },
1177
+ {
1178
+ "epoch": 1.46,
1179
+ "learning_rate": 2.5866666666666667e-05,
1180
+ "loss": 0.2641,
1181
+ "step": 182
1182
+ },
1183
+ {
1184
+ "epoch": 1.46,
1185
+ "learning_rate": 2.5733333333333337e-05,
1186
+ "loss": 0.256,
1187
+ "step": 183
1188
+ },
1189
+ {
1190
+ "epoch": 1.47,
1191
+ "learning_rate": 2.5600000000000002e-05,
1192
+ "loss": 0.2641,
1193
+ "step": 184
1194
+ },
1195
+ {
1196
+ "epoch": 1.48,
1197
+ "learning_rate": 2.5466666666666668e-05,
1198
+ "loss": 0.2595,
1199
+ "step": 185
1200
+ },
1201
+ {
1202
+ "epoch": 1.49,
1203
+ "learning_rate": 2.5333333333333337e-05,
1204
+ "loss": 0.2644,
1205
+ "step": 186
1206
+ },
1207
+ {
1208
+ "epoch": 1.5,
1209
+ "learning_rate": 2.5200000000000003e-05,
1210
+ "loss": 0.2662,
1211
+ "step": 187
1212
+ },
1213
+ {
1214
+ "epoch": 1.5,
1215
+ "learning_rate": 2.5066666666666665e-05,
1216
+ "loss": 0.2793,
1217
+ "step": 188
1218
+ },
1219
+ {
1220
+ "epoch": 1.51,
1221
+ "learning_rate": 2.4933333333333334e-05,
1222
+ "loss": 0.2625,
1223
+ "step": 189
1224
+ },
1225
+ {
1226
+ "epoch": 1.52,
1227
+ "learning_rate": 2.48e-05,
1228
+ "loss": 0.2768,
1229
+ "step": 190
1230
+ },
1231
+ {
1232
+ "epoch": 1.53,
1233
+ "learning_rate": 2.466666666666667e-05,
1234
+ "loss": 0.2723,
1235
+ "step": 191
1236
+ },
1237
+ {
1238
+ "epoch": 1.54,
1239
+ "learning_rate": 2.4533333333333334e-05,
1240
+ "loss": 0.2665,
1241
+ "step": 192
1242
+ },
1243
+ {
1244
+ "epoch": 1.54,
1245
+ "learning_rate": 2.44e-05,
1246
+ "loss": 0.2533,
1247
+ "step": 193
1248
+ },
1249
+ {
1250
+ "epoch": 1.55,
1251
+ "learning_rate": 2.426666666666667e-05,
1252
+ "loss": 0.2711,
1253
+ "step": 194
1254
+ },
1255
+ {
1256
+ "epoch": 1.56,
1257
+ "learning_rate": 2.4133333333333335e-05,
1258
+ "loss": 0.2573,
1259
+ "step": 195
1260
+ },
1261
+ {
1262
+ "epoch": 1.57,
1263
+ "learning_rate": 2.4e-05,
1264
+ "loss": 0.2617,
1265
+ "step": 196
1266
+ },
1267
+ {
1268
+ "epoch": 1.58,
1269
+ "learning_rate": 2.3866666666666666e-05,
1270
+ "loss": 0.257,
1271
+ "step": 197
1272
+ },
1273
+ {
1274
+ "epoch": 1.58,
1275
+ "learning_rate": 2.3733333333333335e-05,
1276
+ "loss": 0.2708,
1277
+ "step": 198
1278
+ },
1279
+ {
1280
+ "epoch": 1.59,
1281
+ "learning_rate": 2.36e-05,
1282
+ "loss": 0.2698,
1283
+ "step": 199
1284
+ },
1285
+ {
1286
+ "epoch": 1.6,
1287
+ "learning_rate": 2.3466666666666667e-05,
1288
+ "loss": 0.2645,
1289
+ "step": 200
1290
+ },
1291
+ {
1292
+ "epoch": 1.6,
1293
+ "eval_loss": 0.253662109375,
1294
+ "eval_margin_accuracy": 0.8850536031921542,
1295
+ "eval_runtime": 3813.437,
1296
+ "eval_samples_per_second": 196.368,
1297
+ "eval_steps_per_second": 49.092,
1298
+ "step": 200
1299
+ },
1300
+ {
1301
+ "epoch": 1.61,
1302
+ "learning_rate": 2.3333333333333336e-05,
1303
+ "loss": 0.2638,
1304
+ "step": 201
1305
+ },
1306
+ {
1307
+ "epoch": 1.62,
1308
+ "learning_rate": 2.32e-05,
1309
+ "loss": 0.2667,
1310
+ "step": 202
1311
+ },
1312
+ {
1313
+ "epoch": 1.62,
1314
+ "learning_rate": 2.3066666666666667e-05,
1315
+ "loss": 0.2561,
1316
+ "step": 203
1317
+ },
1318
+ {
1319
+ "epoch": 1.63,
1320
+ "learning_rate": 2.2933333333333333e-05,
1321
+ "loss": 0.2702,
1322
+ "step": 204
1323
+ },
1324
+ {
1325
+ "epoch": 1.64,
1326
+ "learning_rate": 2.2800000000000002e-05,
1327
+ "loss": 0.2619,
1328
+ "step": 205
1329
+ },
1330
+ {
1331
+ "epoch": 1.65,
1332
+ "learning_rate": 2.2666666666666668e-05,
1333
+ "loss": 0.2563,
1334
+ "step": 206
1335
+ },
1336
+ {
1337
+ "epoch": 1.66,
1338
+ "learning_rate": 2.2533333333333333e-05,
1339
+ "loss": 0.2579,
1340
+ "step": 207
1341
+ },
1342
+ {
1343
+ "epoch": 1.66,
1344
+ "learning_rate": 2.2400000000000002e-05,
1345
+ "loss": 0.2604,
1346
+ "step": 208
1347
+ },
1348
+ {
1349
+ "epoch": 1.67,
1350
+ "learning_rate": 2.2266666666666668e-05,
1351
+ "loss": 0.268,
1352
+ "step": 209
1353
+ },
1354
+ {
1355
+ "epoch": 1.68,
1356
+ "learning_rate": 2.2133333333333334e-05,
1357
+ "loss": 0.2536,
1358
+ "step": 210
1359
+ },
1360
+ {
1361
+ "epoch": 1.69,
1362
+ "learning_rate": 2.2000000000000003e-05,
1363
+ "loss": 0.2479,
1364
+ "step": 211
1365
+ },
1366
+ {
1367
+ "epoch": 1.7,
1368
+ "learning_rate": 2.186666666666667e-05,
1369
+ "loss": 0.2668,
1370
+ "step": 212
1371
+ },
1372
+ {
1373
+ "epoch": 1.7,
1374
+ "learning_rate": 2.1733333333333334e-05,
1375
+ "loss": 0.2586,
1376
+ "step": 213
1377
+ },
1378
+ {
1379
+ "epoch": 1.71,
1380
+ "learning_rate": 2.16e-05,
1381
+ "loss": 0.263,
1382
+ "step": 214
1383
+ },
1384
+ {
1385
+ "epoch": 1.72,
1386
+ "learning_rate": 2.146666666666667e-05,
1387
+ "loss": 0.2621,
1388
+ "step": 215
1389
+ },
1390
+ {
1391
+ "epoch": 1.73,
1392
+ "learning_rate": 2.1333333333333335e-05,
1393
+ "loss": 0.2613,
1394
+ "step": 216
1395
+ },
1396
+ {
1397
+ "epoch": 1.74,
1398
+ "learning_rate": 2.12e-05,
1399
+ "loss": 0.2614,
1400
+ "step": 217
1401
+ },
1402
+ {
1403
+ "epoch": 1.74,
1404
+ "learning_rate": 2.106666666666667e-05,
1405
+ "loss": 0.2587,
1406
+ "step": 218
1407
+ },
1408
+ {
1409
+ "epoch": 1.75,
1410
+ "learning_rate": 2.0933333333333335e-05,
1411
+ "loss": 0.255,
1412
+ "step": 219
1413
+ },
1414
+ {
1415
+ "epoch": 1.76,
1416
+ "learning_rate": 2.08e-05,
1417
+ "loss": 0.2625,
1418
+ "step": 220
1419
+ },
1420
+ {
1421
+ "epoch": 1.76,
1422
+ "eval_loss": 0.248291015625,
1423
+ "eval_margin_accuracy": 0.8877591355116474,
1424
+ "eval_runtime": 3811.0494,
1425
+ "eval_samples_per_second": 196.491,
1426
+ "eval_steps_per_second": 49.123,
1427
+ "step": 220
1428
+ },
1429
+ {
1430
+ "epoch": 1.77,
1431
+ "learning_rate": 2.0666666666666666e-05,
1432
+ "loss": 0.2555,
1433
+ "step": 221
1434
+ },
1435
+ {
1436
+ "epoch": 1.78,
1437
+ "learning_rate": 2.0533333333333336e-05,
1438
+ "loss": 0.2578,
1439
+ "step": 222
1440
+ },
1441
+ {
1442
+ "epoch": 1.78,
1443
+ "learning_rate": 2.04e-05,
1444
+ "loss": 0.2572,
1445
+ "step": 223
1446
+ },
1447
+ {
1448
+ "epoch": 1.79,
1449
+ "learning_rate": 2.0266666666666667e-05,
1450
+ "loss": 0.2463,
1451
+ "step": 224
1452
+ },
1453
+ {
1454
+ "epoch": 1.8,
1455
+ "learning_rate": 2.0133333333333336e-05,
1456
+ "loss": 0.2517,
1457
+ "step": 225
1458
+ },
1459
+ {
1460
+ "epoch": 1.81,
1461
+ "learning_rate": 2e-05,
1462
+ "loss": 0.2558,
1463
+ "step": 226
1464
+ },
1465
+ {
1466
+ "epoch": 1.82,
1467
+ "learning_rate": 1.9866666666666667e-05,
1468
+ "loss": 0.2452,
1469
+ "step": 227
1470
+ },
1471
+ {
1472
+ "epoch": 1.82,
1473
+ "learning_rate": 1.9733333333333333e-05,
1474
+ "loss": 0.2571,
1475
+ "step": 228
1476
+ },
1477
+ {
1478
+ "epoch": 1.83,
1479
+ "learning_rate": 1.9600000000000002e-05,
1480
+ "loss": 0.2563,
1481
+ "step": 229
1482
+ },
1483
+ {
1484
+ "epoch": 1.84,
1485
+ "learning_rate": 1.9466666666666668e-05,
1486
+ "loss": 0.2579,
1487
+ "step": 230
1488
+ },
1489
+ {
1490
+ "epoch": 1.85,
1491
+ "learning_rate": 1.9333333333333333e-05,
1492
+ "loss": 0.2397,
1493
+ "step": 231
1494
+ },
1495
+ {
1496
+ "epoch": 1.86,
1497
+ "learning_rate": 1.9200000000000003e-05,
1498
+ "loss": 0.2552,
1499
+ "step": 232
1500
+ },
1501
+ {
1502
+ "epoch": 1.86,
1503
+ "learning_rate": 1.9066666666666668e-05,
1504
+ "loss": 0.2585,
1505
+ "step": 233
1506
+ },
1507
+ {
1508
+ "epoch": 1.87,
1509
+ "learning_rate": 1.8933333333333334e-05,
1510
+ "loss": 0.2453,
1511
+ "step": 234
1512
+ },
1513
+ {
1514
+ "epoch": 1.88,
1515
+ "learning_rate": 1.88e-05,
1516
+ "loss": 0.264,
1517
+ "step": 235
1518
+ },
1519
+ {
1520
+ "epoch": 1.89,
1521
+ "learning_rate": 1.866666666666667e-05,
1522
+ "loss": 0.2551,
1523
+ "step": 236
1524
+ },
1525
+ {
1526
+ "epoch": 1.9,
1527
+ "learning_rate": 1.8533333333333334e-05,
1528
+ "loss": 0.2586,
1529
+ "step": 237
1530
+ },
1531
+ {
1532
+ "epoch": 1.9,
1533
+ "learning_rate": 1.84e-05,
1534
+ "loss": 0.258,
1535
+ "step": 238
1536
+ },
1537
+ {
1538
+ "epoch": 1.91,
1539
+ "learning_rate": 1.826666666666667e-05,
1540
+ "loss": 0.2428,
1541
+ "step": 239
1542
+ },
1543
+ {
1544
+ "epoch": 1.92,
1545
+ "learning_rate": 1.8133333333333335e-05,
1546
+ "loss": 0.2651,
1547
+ "step": 240
1548
+ },
1549
+ {
1550
+ "epoch": 1.92,
1551
+ "eval_loss": 0.2470703125,
1552
+ "eval_margin_accuracy": 0.8897755983953763,
1553
+ "eval_runtime": 3811.225,
1554
+ "eval_samples_per_second": 196.482,
1555
+ "eval_steps_per_second": 49.12,
1556
+ "step": 240
1557
+ },
1558
+ {
1559
+ "epoch": 1.93,
1560
+ "learning_rate": 1.8e-05,
1561
+ "loss": 0.2483,
1562
+ "step": 241
1563
+ },
1564
+ {
1565
+ "epoch": 1.94,
1566
+ "learning_rate": 1.7866666666666666e-05,
1567
+ "loss": 0.2555,
1568
+ "step": 242
1569
+ },
1570
+ {
1571
+ "epoch": 1.94,
1572
+ "learning_rate": 1.7733333333333335e-05,
1573
+ "loss": 0.2602,
1574
+ "step": 243
1575
+ },
1576
+ {
1577
+ "epoch": 1.95,
1578
+ "learning_rate": 1.76e-05,
1579
+ "loss": 0.2524,
1580
+ "step": 244
1581
+ },
1582
+ {
1583
+ "epoch": 1.96,
1584
+ "learning_rate": 1.7466666666666667e-05,
1585
+ "loss": 0.2601,
1586
+ "step": 245
1587
+ },
1588
+ {
1589
+ "epoch": 1.97,
1590
+ "learning_rate": 1.7333333333333336e-05,
1591
+ "loss": 0.2652,
1592
+ "step": 246
1593
+ },
1594
+ {
1595
+ "epoch": 1.98,
1596
+ "learning_rate": 1.7199999999999998e-05,
1597
+ "loss": 0.2327,
1598
+ "step": 247
1599
+ },
1600
+ {
1601
+ "epoch": 1.98,
1602
+ "learning_rate": 1.7066666666666667e-05,
1603
+ "loss": 0.2464,
1604
+ "step": 248
1605
+ },
1606
+ {
1607
+ "epoch": 1.99,
1608
+ "learning_rate": 1.6933333333333333e-05,
1609
+ "loss": 0.2522,
1610
+ "step": 249
1611
+ },
1612
+ {
1613
+ "epoch": 2.0,
1614
+ "learning_rate": 1.6800000000000002e-05,
1615
+ "loss": 0.2521,
1616
+ "step": 250
1617
+ },
1618
+ {
1619
+ "epoch": 2.01,
1620
+ "learning_rate": 1.6666666666666667e-05,
1621
+ "loss": 0.2353,
1622
+ "step": 251
1623
+ },
1624
+ {
1625
+ "epoch": 2.02,
1626
+ "learning_rate": 1.6533333333333333e-05,
1627
+ "loss": 0.2519,
1628
+ "step": 252
1629
+ },
1630
+ {
1631
+ "epoch": 2.02,
1632
+ "learning_rate": 1.6400000000000002e-05,
1633
+ "loss": 0.2489,
1634
+ "step": 253
1635
+ },
1636
+ {
1637
+ "epoch": 2.03,
1638
+ "learning_rate": 1.6266666666666665e-05,
1639
+ "loss": 0.2443,
1640
+ "step": 254
1641
+ },
1642
+ {
1643
+ "epoch": 2.04,
1644
+ "learning_rate": 1.6133333333333334e-05,
1645
+ "loss": 0.2542,
1646
+ "step": 255
1647
+ },
1648
+ {
1649
+ "epoch": 2.05,
1650
+ "learning_rate": 1.6000000000000003e-05,
1651
+ "loss": 0.2522,
1652
+ "step": 256
1653
+ },
1654
+ {
1655
+ "epoch": 2.06,
1656
+ "learning_rate": 1.586666666666667e-05,
1657
+ "loss": 0.2504,
1658
+ "step": 257
1659
+ },
1660
+ {
1661
+ "epoch": 2.06,
1662
+ "learning_rate": 1.5733333333333334e-05,
1663
+ "loss": 0.254,
1664
+ "step": 258
1665
+ },
1666
+ {
1667
+ "epoch": 2.07,
1668
+ "learning_rate": 1.56e-05,
1669
+ "loss": 0.2501,
1670
+ "step": 259
1671
+ },
1672
+ {
1673
+ "epoch": 2.08,
1674
+ "learning_rate": 1.546666666666667e-05,
1675
+ "loss": 0.2407,
1676
+ "step": 260
1677
+ },
1678
+ {
1679
+ "epoch": 2.08,
1680
+ "eval_loss": 0.2437744140625,
1681
+ "eval_margin_accuracy": 0.8904780218899733,
1682
+ "eval_runtime": 3806.5442,
1683
+ "eval_samples_per_second": 196.723,
1684
+ "eval_steps_per_second": 49.181,
1685
+ "step": 260
1686
+ },
1687
+ {
1688
+ "epoch": 2.09,
1689
+ "learning_rate": 1.5333333333333334e-05,
1690
+ "loss": 0.2502,
1691
+ "step": 261
1692
+ },
1693
+ {
1694
+ "epoch": 2.1,
1695
+ "learning_rate": 1.52e-05,
1696
+ "loss": 0.2585,
1697
+ "step": 262
1698
+ },
1699
+ {
1700
+ "epoch": 2.1,
1701
+ "learning_rate": 1.5066666666666668e-05,
1702
+ "loss": 0.2555,
1703
+ "step": 263
1704
+ },
1705
+ {
1706
+ "epoch": 2.11,
1707
+ "learning_rate": 1.4933333333333335e-05,
1708
+ "loss": 0.243,
1709
+ "step": 264
1710
+ },
1711
+ {
1712
+ "epoch": 2.12,
1713
+ "learning_rate": 1.48e-05,
1714
+ "loss": 0.254,
1715
+ "step": 265
1716
+ },
1717
+ {
1718
+ "epoch": 2.13,
1719
+ "learning_rate": 1.4666666666666668e-05,
1720
+ "loss": 0.2485,
1721
+ "step": 266
1722
+ },
1723
+ {
1724
+ "epoch": 2.14,
1725
+ "learning_rate": 1.4533333333333335e-05,
1726
+ "loss": 0.2529,
1727
+ "step": 267
1728
+ },
1729
+ {
1730
+ "epoch": 2.14,
1731
+ "learning_rate": 1.44e-05,
1732
+ "loss": 0.2624,
1733
+ "step": 268
1734
+ },
1735
+ {
1736
+ "epoch": 2.15,
1737
+ "learning_rate": 1.4266666666666667e-05,
1738
+ "loss": 0.2431,
1739
+ "step": 269
1740
+ },
1741
+ {
1742
+ "epoch": 2.16,
1743
+ "learning_rate": 1.4133333333333334e-05,
1744
+ "loss": 0.2452,
1745
+ "step": 270
1746
+ },
1747
+ {
1748
+ "epoch": 2.17,
1749
+ "learning_rate": 1.4000000000000001e-05,
1750
+ "loss": 0.2543,
1751
+ "step": 271
1752
+ },
1753
+ {
1754
+ "epoch": 2.18,
1755
+ "learning_rate": 1.3866666666666667e-05,
1756
+ "loss": 0.2509,
1757
+ "step": 272
1758
+ },
1759
+ {
1760
+ "epoch": 2.18,
1761
+ "learning_rate": 1.3733333333333335e-05,
1762
+ "loss": 0.2388,
1763
+ "step": 273
1764
+ },
1765
+ {
1766
+ "epoch": 2.19,
1767
+ "learning_rate": 1.3600000000000002e-05,
1768
+ "loss": 0.2397,
1769
+ "step": 274
1770
+ },
1771
+ {
1772
+ "epoch": 2.2,
1773
+ "learning_rate": 1.3466666666666666e-05,
1774
+ "loss": 0.2423,
1775
+ "step": 275
1776
+ },
1777
+ {
1778
+ "epoch": 2.21,
1779
+ "learning_rate": 1.3333333333333333e-05,
1780
+ "loss": 0.2446,
1781
+ "step": 276
1782
+ },
1783
+ {
1784
+ "epoch": 2.22,
1785
+ "learning_rate": 1.32e-05,
1786
+ "loss": 0.2604,
1787
+ "step": 277
1788
+ },
1789
+ {
1790
+ "epoch": 2.22,
1791
+ "learning_rate": 1.3066666666666666e-05,
1792
+ "loss": 0.2579,
1793
+ "step": 278
1794
+ },
1795
+ {
1796
+ "epoch": 2.23,
1797
+ "learning_rate": 1.2933333333333334e-05,
1798
+ "loss": 0.2447,
1799
+ "step": 279
1800
+ },
1801
+ {
1802
+ "epoch": 2.24,
1803
+ "learning_rate": 1.2800000000000001e-05,
1804
+ "loss": 0.2315,
1805
+ "step": 280
1806
+ },
1807
+ {
1808
+ "epoch": 2.24,
1809
+ "eval_loss": 0.2408447265625,
1810
+ "eval_margin_accuracy": 0.8909400723255826,
1811
+ "eval_runtime": 3813.2622,
1812
+ "eval_samples_per_second": 196.377,
1813
+ "eval_steps_per_second": 49.094,
1814
+ "step": 280
1815
+ },
1816
+ {
1817
+ "epoch": 2.25,
1818
+ "learning_rate": 1.2666666666666668e-05,
1819
+ "loss": 0.2479,
1820
+ "step": 281
1821
+ },
1822
+ {
1823
+ "epoch": 2.26,
1824
+ "learning_rate": 1.2533333333333332e-05,
1825
+ "loss": 0.2417,
1826
+ "step": 282
1827
+ },
1828
+ {
1829
+ "epoch": 2.26,
1830
+ "learning_rate": 1.24e-05,
1831
+ "loss": 0.2438,
1832
+ "step": 283
1833
+ },
1834
+ {
1835
+ "epoch": 2.27,
1836
+ "learning_rate": 1.2266666666666667e-05,
1837
+ "loss": 0.2412,
1838
+ "step": 284
1839
+ },
1840
+ {
1841
+ "epoch": 2.28,
1842
+ "learning_rate": 1.2133333333333335e-05,
1843
+ "loss": 0.2507,
1844
+ "step": 285
1845
+ },
1846
+ {
1847
+ "epoch": 2.29,
1848
+ "learning_rate": 1.2e-05,
1849
+ "loss": 0.2469,
1850
+ "step": 286
1851
+ },
1852
+ {
1853
+ "epoch": 2.3,
1854
+ "learning_rate": 1.1866666666666668e-05,
1855
+ "loss": 0.2391,
1856
+ "step": 287
1857
+ },
1858
+ {
1859
+ "epoch": 2.3,
1860
+ "learning_rate": 1.1733333333333333e-05,
1861
+ "loss": 0.2499,
1862
+ "step": 288
1863
+ },
1864
+ {
1865
+ "epoch": 2.31,
1866
+ "learning_rate": 1.16e-05,
1867
+ "loss": 0.2607,
1868
+ "step": 289
1869
+ },
1870
+ {
1871
+ "epoch": 2.32,
1872
+ "learning_rate": 1.1466666666666666e-05,
1873
+ "loss": 0.242,
1874
+ "step": 290
1875
+ },
1876
+ {
1877
+ "epoch": 2.33,
1878
+ "learning_rate": 1.1333333333333334e-05,
1879
+ "loss": 0.2372,
1880
+ "step": 291
1881
+ },
1882
+ {
1883
+ "epoch": 2.34,
1884
+ "learning_rate": 1.1200000000000001e-05,
1885
+ "loss": 0.243,
1886
+ "step": 292
1887
+ },
1888
+ {
1889
+ "epoch": 2.34,
1890
+ "learning_rate": 1.1066666666666667e-05,
1891
+ "loss": 0.2459,
1892
+ "step": 293
1893
+ },
1894
+ {
1895
+ "epoch": 2.35,
1896
+ "learning_rate": 1.0933333333333334e-05,
1897
+ "loss": 0.2482,
1898
+ "step": 294
1899
+ },
1900
+ {
1901
+ "epoch": 2.36,
1902
+ "learning_rate": 1.08e-05,
1903
+ "loss": 0.2528,
1904
+ "step": 295
1905
+ },
1906
+ {
1907
+ "epoch": 2.37,
1908
+ "learning_rate": 1.0666666666666667e-05,
1909
+ "loss": 0.2524,
1910
+ "step": 296
1911
+ },
1912
+ {
1913
+ "epoch": 2.38,
1914
+ "learning_rate": 1.0533333333333335e-05,
1915
+ "loss": 0.2427,
1916
+ "step": 297
1917
+ },
1918
+ {
1919
+ "epoch": 2.38,
1920
+ "learning_rate": 1.04e-05,
1921
+ "loss": 0.2454,
1922
+ "step": 298
1923
+ },
1924
+ {
1925
+ "epoch": 2.39,
1926
+ "learning_rate": 1.0266666666666668e-05,
1927
+ "loss": 0.2545,
1928
+ "step": 299
1929
+ },
1930
+ {
1931
+ "epoch": 2.4,
1932
+ "learning_rate": 1.0133333333333333e-05,
1933
+ "loss": 0.2461,
1934
+ "step": 300
1935
+ },
1936
+ {
1937
+ "epoch": 2.4,
1938
+ "eval_loss": 0.239013671875,
1939
+ "eval_margin_accuracy": 0.8918107569614708,
1940
+ "eval_runtime": 3807.2872,
1941
+ "eval_samples_per_second": 196.685,
1942
+ "eval_steps_per_second": 49.171,
1943
+ "step": 300
1944
+ },
1945
+ {
1946
+ "epoch": 2.41,
1947
+ "learning_rate": 1e-05,
1948
+ "loss": 0.2532,
1949
+ "step": 301
1950
+ },
1951
+ {
1952
+ "epoch": 2.42,
1953
+ "learning_rate": 9.866666666666667e-06,
1954
+ "loss": 0.2478,
1955
+ "step": 302
1956
+ },
1957
+ {
1958
+ "epoch": 2.42,
1959
+ "learning_rate": 9.733333333333334e-06,
1960
+ "loss": 0.2499,
1961
+ "step": 303
1962
+ },
1963
+ {
1964
+ "epoch": 2.43,
1965
+ "learning_rate": 9.600000000000001e-06,
1966
+ "loss": 0.2296,
1967
+ "step": 304
1968
+ },
1969
+ {
1970
+ "epoch": 2.44,
1971
+ "learning_rate": 9.466666666666667e-06,
1972
+ "loss": 0.2434,
1973
+ "step": 305
1974
+ },
1975
+ {
1976
+ "epoch": 2.45,
1977
+ "learning_rate": 9.333333333333334e-06,
1978
+ "loss": 0.2467,
1979
+ "step": 306
1980
+ },
1981
+ {
1982
+ "epoch": 2.46,
1983
+ "learning_rate": 9.2e-06,
1984
+ "loss": 0.2406,
1985
+ "step": 307
1986
+ },
1987
+ {
1988
+ "epoch": 2.46,
1989
+ "learning_rate": 9.066666666666667e-06,
1990
+ "loss": 0.2361,
1991
+ "step": 308
1992
+ },
1993
+ {
1994
+ "epoch": 2.47,
1995
+ "learning_rate": 8.933333333333333e-06,
1996
+ "loss": 0.2432,
1997
+ "step": 309
1998
+ },
1999
+ {
2000
+ "epoch": 2.48,
2001
+ "learning_rate": 8.8e-06,
2002
+ "loss": 0.2526,
2003
+ "step": 310
2004
+ },
2005
+ {
2006
+ "epoch": 2.49,
2007
+ "learning_rate": 8.666666666666668e-06,
2008
+ "loss": 0.2454,
2009
+ "step": 311
2010
+ },
2011
+ {
2012
+ "epoch": 2.5,
2013
+ "learning_rate": 8.533333333333334e-06,
2014
+ "loss": 0.2451,
2015
+ "step": 312
2016
+ },
2017
+ {
2018
+ "epoch": 2.5,
2019
+ "learning_rate": 8.400000000000001e-06,
2020
+ "loss": 0.2384,
2021
+ "step": 313
2022
+ },
2023
+ {
2024
+ "epoch": 2.51,
2025
+ "learning_rate": 8.266666666666667e-06,
2026
+ "loss": 0.2441,
2027
+ "step": 314
2028
+ },
2029
+ {
2030
+ "epoch": 2.52,
2031
+ "learning_rate": 8.133333333333332e-06,
2032
+ "loss": 0.2526,
2033
+ "step": 315
2034
+ },
2035
+ {
2036
+ "epoch": 2.53,
2037
+ "learning_rate": 8.000000000000001e-06,
2038
+ "loss": 0.2493,
2039
+ "step": 316
2040
+ },
2041
+ {
2042
+ "epoch": 2.54,
2043
+ "learning_rate": 7.866666666666667e-06,
2044
+ "loss": 0.235,
2045
+ "step": 317
2046
+ },
2047
+ {
2048
+ "epoch": 2.54,
2049
+ "learning_rate": 7.733333333333334e-06,
2050
+ "loss": 0.2384,
2051
+ "step": 318
2052
+ },
2053
+ {
2054
+ "epoch": 2.55,
2055
+ "learning_rate": 7.6e-06,
2056
+ "loss": 0.2423,
2057
+ "step": 319
2058
+ },
2059
+ {
2060
+ "epoch": 2.56,
2061
+ "learning_rate": 7.4666666666666675e-06,
2062
+ "loss": 0.2491,
2063
+ "step": 320
2064
+ },
2065
+ {
2066
+ "epoch": 2.56,
2067
+ "eval_loss": 0.239013671875,
2068
+ "eval_margin_accuracy": 0.8921125586910885,
2069
+ "eval_runtime": 3804.0834,
2070
+ "eval_samples_per_second": 196.851,
2071
+ "eval_steps_per_second": 49.213,
2072
+ "step": 320
2073
+ },
2074
+ {
2075
+ "epoch": 2.57,
2076
+ "learning_rate": 7.333333333333334e-06,
2077
+ "loss": 0.2428,
2078
+ "step": 321
2079
+ },
2080
+ {
2081
+ "epoch": 2.58,
2082
+ "learning_rate": 7.2e-06,
2083
+ "loss": 0.2294,
2084
+ "step": 322
2085
+ },
2086
+ {
2087
+ "epoch": 2.58,
2088
+ "learning_rate": 7.066666666666667e-06,
2089
+ "loss": 0.2604,
2090
+ "step": 323
2091
+ },
2092
+ {
2093
+ "epoch": 2.59,
2094
+ "learning_rate": 6.933333333333334e-06,
2095
+ "loss": 0.2355,
2096
+ "step": 324
2097
+ },
2098
+ {
2099
+ "epoch": 2.6,
2100
+ "learning_rate": 6.800000000000001e-06,
2101
+ "loss": 0.2317,
2102
+ "step": 325
2103
+ },
2104
+ {
2105
+ "epoch": 2.61,
2106
+ "learning_rate": 6.666666666666667e-06,
2107
+ "loss": 0.2462,
2108
+ "step": 326
2109
+ },
2110
+ {
2111
+ "epoch": 2.62,
2112
+ "learning_rate": 6.533333333333333e-06,
2113
+ "loss": 0.2429,
2114
+ "step": 327
2115
+ },
2116
+ {
2117
+ "epoch": 2.62,
2118
+ "learning_rate": 6.4000000000000006e-06,
2119
+ "loss": 0.235,
2120
+ "step": 328
2121
+ },
2122
+ {
2123
+ "epoch": 2.63,
2124
+ "learning_rate": 6.266666666666666e-06,
2125
+ "loss": 0.2434,
2126
+ "step": 329
2127
+ },
2128
+ {
2129
+ "epoch": 2.64,
2130
+ "learning_rate": 6.133333333333334e-06,
2131
+ "loss": 0.24,
2132
+ "step": 330
2133
+ },
2134
+ {
2135
+ "epoch": 2.65,
2136
+ "learning_rate": 6e-06,
2137
+ "loss": 0.2453,
2138
+ "step": 331
2139
+ },
2140
+ {
2141
+ "epoch": 2.66,
2142
+ "learning_rate": 5.866666666666667e-06,
2143
+ "loss": 0.2501,
2144
+ "step": 332
2145
+ },
2146
+ {
2147
+ "epoch": 2.66,
2148
+ "learning_rate": 5.733333333333333e-06,
2149
+ "loss": 0.2479,
2150
+ "step": 333
2151
+ },
2152
+ {
2153
+ "epoch": 2.67,
2154
+ "learning_rate": 5.600000000000001e-06,
2155
+ "loss": 0.2429,
2156
+ "step": 334
2157
+ },
2158
+ {
2159
+ "epoch": 2.68,
2160
+ "learning_rate": 5.466666666666667e-06,
2161
+ "loss": 0.2312,
2162
+ "step": 335
2163
+ },
2164
+ {
2165
+ "epoch": 2.69,
2166
+ "learning_rate": 5.333333333333334e-06,
2167
+ "loss": 0.2518,
2168
+ "step": 336
2169
+ },
2170
+ {
2171
+ "epoch": 2.7,
2172
+ "learning_rate": 5.2e-06,
2173
+ "loss": 0.2342,
2174
+ "step": 337
2175
+ },
2176
+ {
2177
+ "epoch": 2.7,
2178
+ "learning_rate": 5.066666666666667e-06,
2179
+ "loss": 0.2426,
2180
+ "step": 338
2181
+ },
2182
+ {
2183
+ "epoch": 2.71,
2184
+ "learning_rate": 4.933333333333333e-06,
2185
+ "loss": 0.2404,
2186
+ "step": 339
2187
+ },
2188
+ {
2189
+ "epoch": 2.72,
2190
+ "learning_rate": 4.800000000000001e-06,
2191
+ "loss": 0.2511,
2192
+ "step": 340
2193
+ },
2194
+ {
2195
+ "epoch": 2.72,
2196
+ "eval_loss": 0.2369384765625,
2197
+ "eval_margin_accuracy": 0.8917974029026382,
2198
+ "eval_runtime": 3800.3999,
2199
+ "eval_samples_per_second": 197.041,
2200
+ "eval_steps_per_second": 49.26,
2201
+ "step": 340
2202
+ },
2203
+ {
2204
+ "epoch": 2.73,
2205
+ "learning_rate": 4.666666666666667e-06,
2206
+ "loss": 0.2406,
2207
+ "step": 341
2208
+ },
2209
+ {
2210
+ "epoch": 2.74,
2211
+ "learning_rate": 4.533333333333334e-06,
2212
+ "loss": 0.2484,
2213
+ "step": 342
2214
+ },
2215
+ {
2216
+ "epoch": 2.74,
2217
+ "learning_rate": 4.4e-06,
2218
+ "loss": 0.2415,
2219
+ "step": 343
2220
+ },
2221
+ {
2222
+ "epoch": 2.75,
2223
+ "learning_rate": 4.266666666666667e-06,
2224
+ "loss": 0.2492,
2225
+ "step": 344
2226
+ },
2227
+ {
2228
+ "epoch": 2.76,
2229
+ "learning_rate": 4.133333333333333e-06,
2230
+ "loss": 0.2364,
2231
+ "step": 345
2232
+ },
2233
+ {
2234
+ "epoch": 2.77,
2235
+ "learning_rate": 4.000000000000001e-06,
2236
+ "loss": 0.2485,
2237
+ "step": 346
2238
+ },
2239
+ {
2240
+ "epoch": 2.78,
2241
+ "learning_rate": 3.866666666666667e-06,
2242
+ "loss": 0.2394,
2243
+ "step": 347
2244
+ },
2245
+ {
2246
+ "epoch": 2.78,
2247
+ "learning_rate": 3.7333333333333337e-06,
2248
+ "loss": 0.2424,
2249
+ "step": 348
2250
+ },
2251
+ {
2252
+ "epoch": 2.79,
2253
+ "learning_rate": 3.6e-06,
2254
+ "loss": 0.2384,
2255
+ "step": 349
2256
+ },
2257
+ {
2258
+ "epoch": 2.8,
2259
+ "learning_rate": 3.466666666666667e-06,
2260
+ "loss": 0.2405,
2261
+ "step": 350
2262
+ },
2263
+ {
2264
+ "epoch": 2.81,
2265
+ "learning_rate": 3.3333333333333333e-06,
2266
+ "loss": 0.2439,
2267
+ "step": 351
2268
+ },
2269
+ {
2270
+ "epoch": 2.82,
2271
+ "learning_rate": 3.2000000000000003e-06,
2272
+ "loss": 0.2392,
2273
+ "step": 352
2274
+ },
2275
+ {
2276
+ "epoch": 2.82,
2277
+ "learning_rate": 3.066666666666667e-06,
2278
+ "loss": 0.2451,
2279
+ "step": 353
2280
+ },
2281
+ {
2282
+ "epoch": 2.83,
2283
+ "learning_rate": 2.9333333333333333e-06,
2284
+ "loss": 0.2384,
2285
+ "step": 354
2286
+ },
2287
+ {
2288
+ "epoch": 2.84,
2289
+ "learning_rate": 2.8000000000000003e-06,
2290
+ "loss": 0.2449,
2291
+ "step": 355
2292
+ },
2293
+ {
2294
+ "epoch": 2.85,
2295
+ "learning_rate": 2.666666666666667e-06,
2296
+ "loss": 0.2516,
2297
+ "step": 356
2298
+ },
2299
+ {
2300
+ "epoch": 2.86,
2301
+ "learning_rate": 2.5333333333333334e-06,
2302
+ "loss": 0.2457,
2303
+ "step": 357
2304
+ },
2305
+ {
2306
+ "epoch": 2.86,
2307
+ "learning_rate": 2.4000000000000003e-06,
2308
+ "loss": 0.2473,
2309
+ "step": 358
2310
+ },
2311
+ {
2312
+ "epoch": 2.87,
2313
+ "learning_rate": 2.266666666666667e-06,
2314
+ "loss": 0.2536,
2315
+ "step": 359
2316
+ },
2317
+ {
2318
+ "epoch": 2.88,
2319
+ "learning_rate": 2.1333333333333334e-06,
2320
+ "loss": 0.2341,
2321
+ "step": 360
2322
+ },
2323
+ {
2324
+ "epoch": 2.88,
2325
+ "eval_loss": 0.236328125,
2326
+ "eval_margin_accuracy": 0.8920671548910576,
2327
+ "eval_runtime": 3816.5143,
2328
+ "eval_samples_per_second": 196.209,
2329
+ "eval_steps_per_second": 49.052,
2330
+ "step": 360
2331
+ },
2332
+ {
2333
+ "epoch": 2.89,
2334
+ "learning_rate": 2.0000000000000003e-06,
2335
+ "loss": 0.2316,
2336
+ "step": 361
2337
+ },
2338
+ {
2339
+ "epoch": 2.9,
2340
+ "learning_rate": 1.8666666666666669e-06,
2341
+ "loss": 0.2504,
2342
+ "step": 362
2343
+ },
2344
+ {
2345
+ "epoch": 2.9,
2346
+ "learning_rate": 1.7333333333333334e-06,
2347
+ "loss": 0.2354,
2348
+ "step": 363
2349
+ },
2350
+ {
2351
+ "epoch": 2.91,
2352
+ "learning_rate": 1.6000000000000001e-06,
2353
+ "loss": 0.2415,
2354
+ "step": 364
2355
+ },
2356
+ {
2357
+ "epoch": 2.92,
2358
+ "learning_rate": 1.4666666666666667e-06,
2359
+ "loss": 0.2333,
2360
+ "step": 365
2361
+ },
2362
+ {
2363
+ "epoch": 2.93,
2364
+ "learning_rate": 1.3333333333333334e-06,
2365
+ "loss": 0.2444,
2366
+ "step": 366
2367
+ },
2368
+ {
2369
+ "epoch": 2.94,
2370
+ "learning_rate": 1.2000000000000002e-06,
2371
+ "loss": 0.2361,
2372
+ "step": 367
2373
+ },
2374
+ {
2375
+ "epoch": 2.94,
2376
+ "learning_rate": 1.0666666666666667e-06,
2377
+ "loss": 0.2286,
2378
+ "step": 368
2379
+ },
2380
+ {
2381
+ "epoch": 2.95,
2382
+ "learning_rate": 9.333333333333334e-07,
2383
+ "loss": 0.2421,
2384
+ "step": 369
2385
+ },
2386
+ {
2387
+ "epoch": 2.96,
2388
+ "learning_rate": 8.000000000000001e-07,
2389
+ "loss": 0.2405,
2390
+ "step": 370
2391
+ },
2392
+ {
2393
+ "epoch": 2.97,
2394
+ "learning_rate": 6.666666666666667e-07,
2395
+ "loss": 0.2394,
2396
+ "step": 371
2397
+ },
2398
+ {
2399
+ "epoch": 2.98,
2400
+ "learning_rate": 5.333333333333333e-07,
2401
+ "loss": 0.2425,
2402
+ "step": 372
2403
+ },
2404
+ {
2405
+ "epoch": 2.98,
2406
+ "learning_rate": 4.0000000000000003e-07,
2407
+ "loss": 0.2414,
2408
+ "step": 373
2409
+ },
2410
+ {
2411
+ "epoch": 2.99,
2412
+ "learning_rate": 2.6666666666666667e-07,
2413
+ "loss": 0.2391,
2414
+ "step": 374
2415
+ },
2416
+ {
2417
+ "epoch": 3.0,
2418
+ "learning_rate": 1.3333333333333334e-07,
2419
+ "loss": 0.2369,
2420
+ "step": 375
2421
+ },
2422
+ {
2423
+ "epoch": 3.0,
2424
+ "step": 375,
2425
+ "total_flos": 1.3371949193670743e+18,
2426
+ "train_loss": 0.2929552839597066,
2427
+ "train_runtime": 125578.7814,
2428
+ "train_samples_per_second": 23.889,
2429
+ "train_steps_per_second": 0.003
2430
+ }
2431
+ ],
2432
+ "max_steps": 375,
2433
+ "num_train_epochs": 3,
2434
+ "total_flos": 1.3371949193670743e+18,
2435
+ "trial_name": null,
2436
+ "trial_params": null
2437
+ }