Gaduh Hartawan commited on
Commit
6a48c5e
1 Parent(s): 310b105

first commit

Browse files
config.json ADDED
@@ -0,0 +1,68 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "facebook/bart-large-cnn",
3
+ "_num_labels": 3,
4
+ "activation_dropout": 0,
5
+ "activation_function": "gelu",
6
+ "add_final_layer_norm": false,
7
+ "architectures": ["BartForConditionalGeneration"],
8
+ "attention_dropout": 0,
9
+ "bos_token_id": 0,
10
+ "classif_dropout": 0,
11
+ "classifier_dropout": 0,
12
+ "d_model": 1024,
13
+ "decoder_attention_heads": 16,
14
+ "decoder_ffn_dim": 4096,
15
+ "decoder_layerdrop": 0,
16
+ "decoder_layers": 12,
17
+ "decoder_start_token_id": 2,
18
+ "dropout": 0.1,
19
+ "early_stopping": true,
20
+ "encoder_attention_heads": 16,
21
+ "encoder_ffn_dim": 4096,
22
+ "encoder_layerdrop": 0,
23
+ "encoder_layers": 12,
24
+ "eos_token_id": 2,
25
+ "force_bos_token_to_be_generated": true,
26
+ "forced_bos_token_id": 0,
27
+ "forced_eos_token_id": 2,
28
+ "gradient_checkpointing": false,
29
+ "id2label": {
30
+ "0": "LABEL_0",
31
+ "1": "LABEL_1",
32
+ "2": "LABEL_2"
33
+ },
34
+ "init_std": 0.02,
35
+ "is_encoder_decoder": true,
36
+ "label2id": {
37
+ "LABEL_0": 0,
38
+ "LABEL_1": 1,
39
+ "LABEL_2": 2
40
+ },
41
+ "length_penalty": 2,
42
+ "max_length": 142,
43
+ "max_position_embeddings": 1024,
44
+ "min_length": 56,
45
+ "model_type": "bart",
46
+ "no_repeat_ngram_size": 3,
47
+ "normalize_before": false,
48
+ "num_beams": 4,
49
+ "num_hidden_layers": 12,
50
+ "output_past": true,
51
+ "pad_token_id": 1,
52
+ "prefix": " ",
53
+ "scale_embedding": false,
54
+ "task_specific_params": {
55
+ "summarization": {
56
+ "early_stopping": true,
57
+ "length_penalty": 2,
58
+ "max_length": 142,
59
+ "min_length": 56,
60
+ "no_repeat_ngram_size": 3,
61
+ "num_beams": 4
62
+ }
63
+ },
64
+ "torch_dtype": "float32",
65
+ "transformers_version": "4.39.3",
66
+ "use_cache": true,
67
+ "vocab_size": 50264
68
+ }
generation_config.json ADDED
@@ -0,0 +1,16 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_from_model_config": true,
3
+ "bos_token_id": 0,
4
+ "decoder_start_token_id": 2,
5
+ "early_stopping": true,
6
+ "eos_token_id": 2,
7
+ "forced_bos_token_id": 0,
8
+ "forced_eos_token_id": 2,
9
+ "length_penalty": 2,
10
+ "max_length": 142,
11
+ "min_length": 56,
12
+ "no_repeat_ngram_size": 3,
13
+ "num_beams": 4,
14
+ "pad_token_id": 1,
15
+ "transformers_version": "4.39.3"
16
+ }
model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:8e8c441683222cd6beb10c91ea2770548a94904a0bf52a9b009b5f4cbf7f4e8d
3
+ size 1625422896
optimizer.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:6a6acdbb3821e0d7a42e709d12c007e0f0c8540a3ec90392679150e72fab8e3d
3
+ size 3250751759
rng_state.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:8971b12a176fe7e5b5fb742e30c037a42e0e6846be001ecfa37949a7b05835cb
3
+ size 14244
scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:c3bec67b96ed587061623fcdd062c65bf54535d7990f2df1520a1ce081ee727f
3
+ size 1064
trainer_state.json ADDED
@@ -0,0 +1,3381 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 0.9902828495388996,
5
+ "eval_steps": 500,
6
+ "global_step": 48000,
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,
13
+ "grad_norm": 13.376683235168457,
14
+ "learning_rate": 0.00001,
15
+ "loss": 4.2362,
16
+ "step": 100
17
+ },
18
+ {
19
+ "epoch": 0,
20
+ "grad_norm": 2.2011091709136963,
21
+ "learning_rate": 0.00002,
22
+ "loss": 0.6427,
23
+ "step": 200
24
+ },
25
+ {
26
+ "epoch": 0.01,
27
+ "grad_norm": 2.1116416454315186,
28
+ "learning_rate": 0.00003,
29
+ "loss": 0.5047,
30
+ "step": 300
31
+ },
32
+ {
33
+ "epoch": 0.01,
34
+ "grad_norm": 2.325719118118286,
35
+ "learning_rate": 0.00004,
36
+ "loss": 0.4955,
37
+ "step": 400
38
+ },
39
+ {
40
+ "epoch": 0.01,
41
+ "grad_norm": 1.2606059312820435,
42
+ "learning_rate": 0.00005,
43
+ "loss": 0.5104,
44
+ "step": 500
45
+ },
46
+ {
47
+ "epoch": 0.01,
48
+ "grad_norm": 1.9306057691574097,
49
+ "learning_rate": 0.000049895770361259934,
50
+ "loss": 0.5024,
51
+ "step": 600
52
+ },
53
+ {
54
+ "epoch": 0.01,
55
+ "grad_norm": 1.3757009506225586,
56
+ "learning_rate": 0.00004979154072251986,
57
+ "loss": 0.4814,
58
+ "step": 700
59
+ },
60
+ {
61
+ "epoch": 0.02,
62
+ "grad_norm": 1.6575660705566406,
63
+ "learning_rate": 0.00004968731108377979,
64
+ "loss": 0.4675,
65
+ "step": 800
66
+ },
67
+ {
68
+ "epoch": 0.02,
69
+ "grad_norm": 1.6257671117782593,
70
+ "learning_rate": 0.000049583081445039714,
71
+ "loss": 0.4673,
72
+ "step": 900
73
+ },
74
+ {
75
+ "epoch": 0.02,
76
+ "grad_norm": 1.1650177240371704,
77
+ "learning_rate": 0.000049478851806299645,
78
+ "loss": 0.4635,
79
+ "step": 1000
80
+ },
81
+ {
82
+ "epoch": 0.02,
83
+ "grad_norm": 1.2291123867034912,
84
+ "learning_rate": 0.00004937462216755957,
85
+ "loss": 0.4645,
86
+ "step": 1100
87
+ },
88
+ {
89
+ "epoch": 0.02,
90
+ "grad_norm": 1.094923973083496,
91
+ "learning_rate": 0.0000492703925288195,
92
+ "loss": 0.463,
93
+ "step": 1200
94
+ },
95
+ {
96
+ "epoch": 0.03,
97
+ "grad_norm": 1.4243600368499756,
98
+ "learning_rate": 0.000049166162890079426,
99
+ "loss": 0.4305,
100
+ "step": 1300
101
+ },
102
+ {
103
+ "epoch": 0.03,
104
+ "grad_norm": 1.5323872566223145,
105
+ "learning_rate": 0.00004906193325133936,
106
+ "loss": 0.4431,
107
+ "step": 1400
108
+ },
109
+ {
110
+ "epoch": 0.03,
111
+ "grad_norm": 1.4820982217788696,
112
+ "learning_rate": 0.00004895770361259928,
113
+ "loss": 0.4301,
114
+ "step": 1500
115
+ },
116
+ {
117
+ "epoch": 0.03,
118
+ "grad_norm": 1.6124228239059448,
119
+ "learning_rate": 0.00004885347397385921,
120
+ "loss": 0.4537,
121
+ "step": 1600
122
+ },
123
+ {
124
+ "epoch": 0.04,
125
+ "grad_norm": 1.5138214826583862,
126
+ "learning_rate": 0.00004874924433511914,
127
+ "loss": 0.4101,
128
+ "step": 1700
129
+ },
130
+ {
131
+ "epoch": 0.04,
132
+ "grad_norm": 2.3704726696014404,
133
+ "learning_rate": 0.00004864501469637907,
134
+ "loss": 0.4113,
135
+ "step": 1800
136
+ },
137
+ {
138
+ "epoch": 0.04,
139
+ "grad_norm": 1.4032459259033203,
140
+ "learning_rate": 0.00004854078505763899,
141
+ "loss": 0.4297,
142
+ "step": 1900
143
+ },
144
+ {
145
+ "epoch": 0.04,
146
+ "grad_norm": 1.3240689039230347,
147
+ "learning_rate": 0.000048436555418898924,
148
+ "loss": 0.4193,
149
+ "step": 2000
150
+ },
151
+ {
152
+ "epoch": 0.04,
153
+ "grad_norm": 1.411370038986206,
154
+ "learning_rate": 0.00004833232578015885,
155
+ "loss": 0.4118,
156
+ "step": 2100
157
+ },
158
+ {
159
+ "epoch": 0.05,
160
+ "grad_norm": 1.4880633354187012,
161
+ "learning_rate": 0.00004822809614141878,
162
+ "loss": 0.4284,
163
+ "step": 2200
164
+ },
165
+ {
166
+ "epoch": 0.05,
167
+ "grad_norm": 1.3598105907440186,
168
+ "learning_rate": 0.000048123866502678705,
169
+ "loss": 0.4119,
170
+ "step": 2300
171
+ },
172
+ {
173
+ "epoch": 0.05,
174
+ "grad_norm": 1.2027459144592285,
175
+ "learning_rate": 0.000048019636863938636,
176
+ "loss": 0.4073,
177
+ "step": 2400
178
+ },
179
+ {
180
+ "epoch": 0.05,
181
+ "grad_norm": 1.35155189037323,
182
+ "learning_rate": 0.00004791540722519856,
183
+ "loss": 0.4134,
184
+ "step": 2500
185
+ },
186
+ {
187
+ "epoch": 0.05,
188
+ "grad_norm": 1.8489034175872803,
189
+ "learning_rate": 0.00004781117758645849,
190
+ "loss": 0.4069,
191
+ "step": 2600
192
+ },
193
+ {
194
+ "epoch": 0.06,
195
+ "grad_norm": 1.2636560201644897,
196
+ "learning_rate": 0.000047706947947718416,
197
+ "loss": 0.4224,
198
+ "step": 2700
199
+ },
200
+ {
201
+ "epoch": 0.06,
202
+ "grad_norm": 1.4396322965621948,
203
+ "learning_rate": 0.00004760271830897835,
204
+ "loss": 0.3951,
205
+ "step": 2800
206
+ },
207
+ {
208
+ "epoch": 0.06,
209
+ "grad_norm": 1.3303143978118896,
210
+ "learning_rate": 0.00004749848867023827,
211
+ "loss": 0.4111,
212
+ "step": 2900
213
+ },
214
+ {
215
+ "epoch": 0.06,
216
+ "grad_norm": 1.2054022550582886,
217
+ "learning_rate": 0.0000473942590314982,
218
+ "loss": 0.4155,
219
+ "step": 3000
220
+ },
221
+ {
222
+ "epoch": 0.06,
223
+ "grad_norm": 1.1086294651031494,
224
+ "learning_rate": 0.00004729002939275813,
225
+ "loss": 0.3912,
226
+ "step": 3100
227
+ },
228
+ {
229
+ "epoch": 0.07,
230
+ "grad_norm": 1.0423736572265625,
231
+ "learning_rate": 0.00004718579975401806,
232
+ "loss": 0.4174,
233
+ "step": 3200
234
+ },
235
+ {
236
+ "epoch": 0.07,
237
+ "grad_norm": 1.1115955114364624,
238
+ "learning_rate": 0.000047081570115277984,
239
+ "loss": 0.4293,
240
+ "step": 3300
241
+ },
242
+ {
243
+ "epoch": 0.07,
244
+ "grad_norm": 1.1089532375335693,
245
+ "learning_rate": 0.000046977340476537915,
246
+ "loss": 0.3957,
247
+ "step": 3400
248
+ },
249
+ {
250
+ "epoch": 0.07,
251
+ "grad_norm": 1.1033278703689575,
252
+ "learning_rate": 0.00004687311083779784,
253
+ "loss": 0.3913,
254
+ "step": 3500
255
+ },
256
+ {
257
+ "epoch": 0.07,
258
+ "grad_norm": 1.0068538188934326,
259
+ "learning_rate": 0.00004676888119905777,
260
+ "loss": 0.3931,
261
+ "step": 3600
262
+ },
263
+ {
264
+ "epoch": 0.08,
265
+ "grad_norm": 1.0825397968292236,
266
+ "learning_rate": 0.000046664651560317695,
267
+ "loss": 0.4043,
268
+ "step": 3700
269
+ },
270
+ {
271
+ "epoch": 0.08,
272
+ "grad_norm": 1.1124091148376465,
273
+ "learning_rate": 0.000046560421921577626,
274
+ "loss": 0.3892,
275
+ "step": 3800
276
+ },
277
+ {
278
+ "epoch": 0.08,
279
+ "grad_norm": 0.8287498354911804,
280
+ "learning_rate": 0.00004645619228283755,
281
+ "loss": 0.3902,
282
+ "step": 3900
283
+ },
284
+ {
285
+ "epoch": 0.08,
286
+ "grad_norm": 1.3230834007263184,
287
+ "learning_rate": 0.00004635196264409748,
288
+ "loss": 0.3946,
289
+ "step": 4000
290
+ },
291
+ {
292
+ "epoch": 0.08,
293
+ "grad_norm": 1.1308443546295166,
294
+ "learning_rate": 0.00004624773300535741,
295
+ "loss": 0.388,
296
+ "step": 4100
297
+ },
298
+ {
299
+ "epoch": 0.09,
300
+ "grad_norm": 1.016345739364624,
301
+ "learning_rate": 0.00004614350336661734,
302
+ "loss": 0.3885,
303
+ "step": 4200
304
+ },
305
+ {
306
+ "epoch": 0.09,
307
+ "grad_norm": 0.7567281723022461,
308
+ "learning_rate": 0.00004603927372787726,
309
+ "loss": 0.3733,
310
+ "step": 4300
311
+ },
312
+ {
313
+ "epoch": 0.09,
314
+ "grad_norm": 1.0191072225570679,
315
+ "learning_rate": 0.000045935044089137194,
316
+ "loss": 0.3755,
317
+ "step": 4400
318
+ },
319
+ {
320
+ "epoch": 0.09,
321
+ "grad_norm": 0.9752495288848877,
322
+ "learning_rate": 0.00004583081445039712,
323
+ "loss": 0.3891,
324
+ "step": 4500
325
+ },
326
+ {
327
+ "epoch": 0.09,
328
+ "grad_norm": 1.063784122467041,
329
+ "learning_rate": 0.00004572658481165705,
330
+ "loss": 0.3502,
331
+ "step": 4600
332
+ },
333
+ {
334
+ "epoch": 0.1,
335
+ "grad_norm": 1.4277328252792358,
336
+ "learning_rate": 0.000045622355172916974,
337
+ "loss": 0.3832,
338
+ "step": 4700
339
+ },
340
+ {
341
+ "epoch": 0.1,
342
+ "grad_norm": 1.051148533821106,
343
+ "learning_rate": 0.000045518125534176906,
344
+ "loss": 0.3844,
345
+ "step": 4800
346
+ },
347
+ {
348
+ "epoch": 0.1,
349
+ "grad_norm": 1.0719451904296875,
350
+ "learning_rate": 0.00004541389589543683,
351
+ "loss": 0.3591,
352
+ "step": 4900
353
+ },
354
+ {
355
+ "epoch": 0.1,
356
+ "grad_norm": 1.0701349973678589,
357
+ "learning_rate": 0.00004530966625669676,
358
+ "loss": 0.3549,
359
+ "step": 5000
360
+ },
361
+ {
362
+ "epoch": 0.11,
363
+ "grad_norm": 0.9545413255691528,
364
+ "learning_rate": 0.000045205436617956686,
365
+ "loss": 0.3791,
366
+ "step": 5100
367
+ },
368
+ {
369
+ "epoch": 0.11,
370
+ "grad_norm": 1.2077405452728271,
371
+ "learning_rate": 0.00004510120697921662,
372
+ "loss": 0.3794,
373
+ "step": 5200
374
+ },
375
+ {
376
+ "epoch": 0.11,
377
+ "grad_norm": 1.0325422286987305,
378
+ "learning_rate": 0.00004499697734047654,
379
+ "loss": 0.3709,
380
+ "step": 5300
381
+ },
382
+ {
383
+ "epoch": 0.11,
384
+ "grad_norm": 1.231856107711792,
385
+ "learning_rate": 0.00004489274770173647,
386
+ "loss": 0.375,
387
+ "step": 5400
388
+ },
389
+ {
390
+ "epoch": 0.11,
391
+ "grad_norm": 1.0496745109558105,
392
+ "learning_rate": 0.0000447885180629964,
393
+ "loss": 0.3633,
394
+ "step": 5500
395
+ },
396
+ {
397
+ "epoch": 0.12,
398
+ "grad_norm": 0.9745790362358093,
399
+ "learning_rate": 0.00004468428842425633,
400
+ "loss": 0.3541,
401
+ "step": 5600
402
+ },
403
+ {
404
+ "epoch": 0.12,
405
+ "grad_norm": 0.8768660426139832,
406
+ "learning_rate": 0.000044580058785516246,
407
+ "loss": 0.354,
408
+ "step": 5700
409
+ },
410
+ {
411
+ "epoch": 0.12,
412
+ "grad_norm": 1.2748613357543945,
413
+ "learning_rate": 0.00004447582914677618,
414
+ "loss": 0.3463,
415
+ "step": 5800
416
+ },
417
+ {
418
+ "epoch": 0.12,
419
+ "grad_norm": 1.6291444301605225,
420
+ "learning_rate": 0.0000443715995080361,
421
+ "loss": 0.3483,
422
+ "step": 5900
423
+ },
424
+ {
425
+ "epoch": 0.12,
426
+ "grad_norm": 1.1184431314468384,
427
+ "learning_rate": 0.000044267369869296034,
428
+ "loss": 0.3616,
429
+ "step": 6000
430
+ },
431
+ {
432
+ "epoch": 0.13,
433
+ "grad_norm": 1.042864441871643,
434
+ "learning_rate": 0.00004416314023055596,
435
+ "loss": 0.3659,
436
+ "step": 6100
437
+ },
438
+ {
439
+ "epoch": 0.13,
440
+ "grad_norm": 1.2588552236557007,
441
+ "learning_rate": 0.00004405891059181589,
442
+ "loss": 0.3685,
443
+ "step": 6200
444
+ },
445
+ {
446
+ "epoch": 0.13,
447
+ "grad_norm": 0.9592663645744324,
448
+ "learning_rate": 0.000043954680953075814,
449
+ "loss": 0.3346,
450
+ "step": 6300
451
+ },
452
+ {
453
+ "epoch": 0.13,
454
+ "grad_norm": 1.0394409894943237,
455
+ "learning_rate": 0.000043850451314335745,
456
+ "loss": 0.3543,
457
+ "step": 6400
458
+ },
459
+ {
460
+ "epoch": 0.13,
461
+ "grad_norm": 1.0655689239501953,
462
+ "learning_rate": 0.00004374622167559567,
463
+ "loss": 0.3608,
464
+ "step": 6500
465
+ },
466
+ {
467
+ "epoch": 0.14,
468
+ "grad_norm": 1.0429097414016724,
469
+ "learning_rate": 0.0000436419920368556,
470
+ "loss": 0.3752,
471
+ "step": 6600
472
+ },
473
+ {
474
+ "epoch": 0.14,
475
+ "grad_norm": 1.105862021446228,
476
+ "learning_rate": 0.000043537762398115525,
477
+ "loss": 0.3656,
478
+ "step": 6700
479
+ },
480
+ {
481
+ "epoch": 0.14,
482
+ "grad_norm": 1.396264672279358,
483
+ "learning_rate": 0.00004343353275937546,
484
+ "loss": 0.3649,
485
+ "step": 6800
486
+ },
487
+ {
488
+ "epoch": 0.14,
489
+ "grad_norm": 1.1206328868865967,
490
+ "learning_rate": 0.00004332930312063538,
491
+ "loss": 0.3658,
492
+ "step": 6900
493
+ },
494
+ {
495
+ "epoch": 0.14,
496
+ "grad_norm": 1.1256790161132812,
497
+ "learning_rate": 0.00004322507348189531,
498
+ "loss": 0.3604,
499
+ "step": 7000
500
+ },
501
+ {
502
+ "epoch": 0.15,
503
+ "grad_norm": 1.0484185218811035,
504
+ "learning_rate": 0.00004312084384315524,
505
+ "loss": 0.3538,
506
+ "step": 7100
507
+ },
508
+ {
509
+ "epoch": 0.15,
510
+ "grad_norm": 1.1310747861862183,
511
+ "learning_rate": 0.00004301661420441517,
512
+ "loss": 0.3454,
513
+ "step": 7200
514
+ },
515
+ {
516
+ "epoch": 0.15,
517
+ "grad_norm": 1.3282368183135986,
518
+ "learning_rate": 0.00004291238456567509,
519
+ "loss": 0.3531,
520
+ "step": 7300
521
+ },
522
+ {
523
+ "epoch": 0.15,
524
+ "grad_norm": 1.1081411838531494,
525
+ "learning_rate": 0.000042808154926935024,
526
+ "loss": 0.3572,
527
+ "step": 7400
528
+ },
529
+ {
530
+ "epoch": 0.15,
531
+ "grad_norm": 1.0838216543197632,
532
+ "learning_rate": 0.00004270392528819495,
533
+ "loss": 0.3609,
534
+ "step": 7500
535
+ },
536
+ {
537
+ "epoch": 0.16,
538
+ "grad_norm": 1.0632649660110474,
539
+ "learning_rate": 0.00004259969564945488,
540
+ "loss": 0.3555,
541
+ "step": 7600
542
+ },
543
+ {
544
+ "epoch": 0.16,
545
+ "grad_norm": 1.2421514987945557,
546
+ "learning_rate": 0.000042495466010714804,
547
+ "loss": 0.3504,
548
+ "step": 7700
549
+ },
550
+ {
551
+ "epoch": 0.16,
552
+ "grad_norm": 1.0846999883651733,
553
+ "learning_rate": 0.000042391236371974736,
554
+ "loss": 0.3697,
555
+ "step": 7800
556
+ },
557
+ {
558
+ "epoch": 0.16,
559
+ "grad_norm": 1.0196987390518188,
560
+ "learning_rate": 0.00004228700673323466,
561
+ "loss": 0.331,
562
+ "step": 7900
563
+ },
564
+ {
565
+ "epoch": 0.17,
566
+ "grad_norm": 0.896594226360321,
567
+ "learning_rate": 0.00004218277709449459,
568
+ "loss": 0.3501,
569
+ "step": 8000
570
+ },
571
+ {
572
+ "epoch": 0.17,
573
+ "grad_norm": 1.0059070587158203,
574
+ "learning_rate": 0.000042078547455754516,
575
+ "loss": 0.3414,
576
+ "step": 8100
577
+ },
578
+ {
579
+ "epoch": 0.17,
580
+ "grad_norm": 0.9597504734992981,
581
+ "learning_rate": 0.00004197431781701445,
582
+ "loss": 0.3405,
583
+ "step": 8200
584
+ },
585
+ {
586
+ "epoch": 0.17,
587
+ "grad_norm": 0.9826390743255615,
588
+ "learning_rate": 0.00004187008817827437,
589
+ "loss": 0.3444,
590
+ "step": 8300
591
+ },
592
+ {
593
+ "epoch": 0.17,
594
+ "grad_norm": 1.1618746519088745,
595
+ "learning_rate": 0.0000417658585395343,
596
+ "loss": 0.3428,
597
+ "step": 8400
598
+ },
599
+ {
600
+ "epoch": 0.18,
601
+ "grad_norm": 1.3454729318618774,
602
+ "learning_rate": 0.00004166162890079423,
603
+ "loss": 0.3546,
604
+ "step": 8500
605
+ },
606
+ {
607
+ "epoch": 0.18,
608
+ "grad_norm": 1.0757421255111694,
609
+ "learning_rate": 0.00004155739926205416,
610
+ "loss": 0.3409,
611
+ "step": 8600
612
+ },
613
+ {
614
+ "epoch": 0.18,
615
+ "grad_norm": 1.1405227184295654,
616
+ "learning_rate": 0.000041453169623314083,
617
+ "loss": 0.367,
618
+ "step": 8700
619
+ },
620
+ {
621
+ "epoch": 0.18,
622
+ "grad_norm": 1.336688756942749,
623
+ "learning_rate": 0.000041348939984574015,
624
+ "loss": 0.353,
625
+ "step": 8800
626
+ },
627
+ {
628
+ "epoch": 0.18,
629
+ "grad_norm": 1.0525643825531006,
630
+ "learning_rate": 0.00004124471034583394,
631
+ "loss": 0.3394,
632
+ "step": 8900
633
+ },
634
+ {
635
+ "epoch": 0.19,
636
+ "grad_norm": 0.9103542566299438,
637
+ "learning_rate": 0.00004114048070709387,
638
+ "loss": 0.3542,
639
+ "step": 9000
640
+ },
641
+ {
642
+ "epoch": 0.19,
643
+ "grad_norm": 1.1108696460723877,
644
+ "learning_rate": 0.000041036251068353795,
645
+ "loss": 0.3468,
646
+ "step": 9100
647
+ },
648
+ {
649
+ "epoch": 0.19,
650
+ "grad_norm": 0.9561033248901367,
651
+ "learning_rate": 0.000040932021429613726,
652
+ "loss": 0.3234,
653
+ "step": 9200
654
+ },
655
+ {
656
+ "epoch": 0.19,
657
+ "grad_norm": 1.0222822427749634,
658
+ "learning_rate": 0.00004082779179087365,
659
+ "loss": 0.3557,
660
+ "step": 9300
661
+ },
662
+ {
663
+ "epoch": 0.19,
664
+ "grad_norm": 0.7020508050918579,
665
+ "learning_rate": 0.00004072356215213358,
666
+ "loss": 0.3387,
667
+ "step": 9400
668
+ },
669
+ {
670
+ "epoch": 0.2,
671
+ "grad_norm": 1.1984186172485352,
672
+ "learning_rate": 0.00004061933251339351,
673
+ "loss": 0.3396,
674
+ "step": 9500
675
+ },
676
+ {
677
+ "epoch": 0.2,
678
+ "grad_norm": 1.0309916734695435,
679
+ "learning_rate": 0.00004051510287465344,
680
+ "loss": 0.3361,
681
+ "step": 9600
682
+ },
683
+ {
684
+ "epoch": 0.2,
685
+ "grad_norm": 0.9544962048530579,
686
+ "learning_rate": 0.00004041087323591336,
687
+ "loss": 0.3198,
688
+ "step": 9700
689
+ },
690
+ {
691
+ "epoch": 0.2,
692
+ "grad_norm": 0.924387514591217,
693
+ "learning_rate": 0.000040306643597173294,
694
+ "loss": 0.346,
695
+ "step": 9800
696
+ },
697
+ {
698
+ "epoch": 0.2,
699
+ "grad_norm": 0.9332679510116577,
700
+ "learning_rate": 0.00004020241395843322,
701
+ "loss": 0.3583,
702
+ "step": 9900
703
+ },
704
+ {
705
+ "epoch": 0.21,
706
+ "grad_norm": 0.8733212351799011,
707
+ "learning_rate": 0.00004009818431969315,
708
+ "loss": 0.3258,
709
+ "step": 10000
710
+ },
711
+ {
712
+ "epoch": 0.21,
713
+ "grad_norm": 1.1735975742340088,
714
+ "learning_rate": 0.000039993954680953074,
715
+ "loss": 0.3319,
716
+ "step": 10100
717
+ },
718
+ {
719
+ "epoch": 0.21,
720
+ "grad_norm": 1.1871587038040161,
721
+ "learning_rate": 0.000039889725042213005,
722
+ "loss": 0.3323,
723
+ "step": 10200
724
+ },
725
+ {
726
+ "epoch": 0.21,
727
+ "grad_norm": 1.0501062870025635,
728
+ "learning_rate": 0.00003978549540347294,
729
+ "loss": 0.3501,
730
+ "step": 10300
731
+ },
732
+ {
733
+ "epoch": 0.21,
734
+ "grad_norm": 1.6133193969726562,
735
+ "learning_rate": 0.00003968126576473286,
736
+ "loss": 0.3353,
737
+ "step": 10400
738
+ },
739
+ {
740
+ "epoch": 0.22,
741
+ "grad_norm": 1.0860315561294556,
742
+ "learning_rate": 0.00003957703612599279,
743
+ "loss": 0.3247,
744
+ "step": 10500
745
+ },
746
+ {
747
+ "epoch": 0.22,
748
+ "grad_norm": 0.9817527532577515,
749
+ "learning_rate": 0.00003947280648725272,
750
+ "loss": 0.3486,
751
+ "step": 10600
752
+ },
753
+ {
754
+ "epoch": 0.22,
755
+ "grad_norm": 1.185621738433838,
756
+ "learning_rate": 0.00003936857684851265,
757
+ "loss": 0.3344,
758
+ "step": 10700
759
+ },
760
+ {
761
+ "epoch": 0.22,
762
+ "grad_norm": 1.211653709411621,
763
+ "learning_rate": 0.00003926434720977257,
764
+ "loss": 0.3308,
765
+ "step": 10800
766
+ },
767
+ {
768
+ "epoch": 0.22,
769
+ "grad_norm": 1.1859573125839233,
770
+ "learning_rate": 0.000039160117571032504,
771
+ "loss": 0.3462,
772
+ "step": 10900
773
+ },
774
+ {
775
+ "epoch": 0.23,
776
+ "grad_norm": 0.9363047480583191,
777
+ "learning_rate": 0.00003905588793229243,
778
+ "loss": 0.3331,
779
+ "step": 11000
780
+ },
781
+ {
782
+ "epoch": 0.23,
783
+ "grad_norm": 0.8858780860900879,
784
+ "learning_rate": 0.00003895165829355236,
785
+ "loss": 0.3501,
786
+ "step": 11100
787
+ },
788
+ {
789
+ "epoch": 0.23,
790
+ "grad_norm": 1.187888264656067,
791
+ "learning_rate": 0.000038847428654812284,
792
+ "loss": 0.3202,
793
+ "step": 11200
794
+ },
795
+ {
796
+ "epoch": 0.23,
797
+ "grad_norm": 1.33687424659729,
798
+ "learning_rate": 0.000038743199016072216,
799
+ "loss": 0.3488,
800
+ "step": 11300
801
+ },
802
+ {
803
+ "epoch": 0.24,
804
+ "grad_norm": 1.230508804321289,
805
+ "learning_rate": 0.00003863896937733214,
806
+ "loss": 0.322,
807
+ "step": 11400
808
+ },
809
+ {
810
+ "epoch": 0.24,
811
+ "grad_norm": 1.2062541246414185,
812
+ "learning_rate": 0.00003853473973859207,
813
+ "loss": 0.3446,
814
+ "step": 11500
815
+ },
816
+ {
817
+ "epoch": 0.24,
818
+ "grad_norm": 0.9526596069335938,
819
+ "learning_rate": 0.000038430510099851996,
820
+ "loss": 0.3167,
821
+ "step": 11600
822
+ },
823
+ {
824
+ "epoch": 0.24,
825
+ "grad_norm": 0.8020007014274597,
826
+ "learning_rate": 0.00003832628046111193,
827
+ "loss": 0.3289,
828
+ "step": 11700
829
+ },
830
+ {
831
+ "epoch": 0.24,
832
+ "grad_norm": 0.8741321563720703,
833
+ "learning_rate": 0.00003822205082237185,
834
+ "loss": 0.3307,
835
+ "step": 11800
836
+ },
837
+ {
838
+ "epoch": 0.25,
839
+ "grad_norm": 0.8475280404090881,
840
+ "learning_rate": 0.00003811782118363178,
841
+ "loss": 0.3116,
842
+ "step": 11900
843
+ },
844
+ {
845
+ "epoch": 0.25,
846
+ "grad_norm": 0.8570387959480286,
847
+ "learning_rate": 0.00003801359154489171,
848
+ "loss": 0.3345,
849
+ "step": 12000
850
+ },
851
+ {
852
+ "epoch": 0.25,
853
+ "grad_norm": 1.237730860710144,
854
+ "learning_rate": 0.00003790936190615164,
855
+ "loss": 0.3457,
856
+ "step": 12100
857
+ },
858
+ {
859
+ "epoch": 0.25,
860
+ "grad_norm": 1.1261372566223145,
861
+ "learning_rate": 0.00003780513226741156,
862
+ "loss": 0.3261,
863
+ "step": 12200
864
+ },
865
+ {
866
+ "epoch": 0.25,
867
+ "grad_norm": 0.7940207719802856,
868
+ "learning_rate": 0.000037700902628671495,
869
+ "loss": 0.3272,
870
+ "step": 12300
871
+ },
872
+ {
873
+ "epoch": 0.26,
874
+ "grad_norm": 1.0150914192199707,
875
+ "learning_rate": 0.00003759667298993142,
876
+ "loss": 0.3338,
877
+ "step": 12400
878
+ },
879
+ {
880
+ "epoch": 0.26,
881
+ "grad_norm": 0.8289426565170288,
882
+ "learning_rate": 0.00003749244335119135,
883
+ "loss": 0.3485,
884
+ "step": 12500
885
+ },
886
+ {
887
+ "epoch": 0.26,
888
+ "grad_norm": 1.11201012134552,
889
+ "learning_rate": 0.000037388213712451275,
890
+ "loss": 0.321,
891
+ "step": 12600
892
+ },
893
+ {
894
+ "epoch": 0.26,
895
+ "grad_norm": 0.7759777903556824,
896
+ "learning_rate": 0.000037283984073711206,
897
+ "loss": 0.336,
898
+ "step": 12700
899
+ },
900
+ {
901
+ "epoch": 0.26,
902
+ "grad_norm": 1.2184884548187256,
903
+ "learning_rate": 0.00003717975443497113,
904
+ "loss": 0.3029,
905
+ "step": 12800
906
+ },
907
+ {
908
+ "epoch": 0.27,
909
+ "grad_norm": 0.7660321593284607,
910
+ "learning_rate": 0.00003707552479623106,
911
+ "loss": 0.336,
912
+ "step": 12900
913
+ },
914
+ {
915
+ "epoch": 0.27,
916
+ "grad_norm": 0.8834217190742493,
917
+ "learning_rate": 0.000036971295157490987,
918
+ "loss": 0.3184,
919
+ "step": 13000
920
+ },
921
+ {
922
+ "epoch": 0.27,
923
+ "grad_norm": 1.1337840557098389,
924
+ "learning_rate": 0.00003686706551875092,
925
+ "loss": 0.3216,
926
+ "step": 13100
927
+ },
928
+ {
929
+ "epoch": 0.27,
930
+ "grad_norm": 1.0339350700378418,
931
+ "learning_rate": 0.00003676283588001084,
932
+ "loss": 0.3162,
933
+ "step": 13200
934
+ },
935
+ {
936
+ "epoch": 0.27,
937
+ "grad_norm": 1.222301721572876,
938
+ "learning_rate": 0.000036658606241270774,
939
+ "loss": 0.3344,
940
+ "step": 13300
941
+ },
942
+ {
943
+ "epoch": 0.28,
944
+ "grad_norm": 1.290209412574768,
945
+ "learning_rate": 0.0000365543766025307,
946
+ "loss": 0.3212,
947
+ "step": 13400
948
+ },
949
+ {
950
+ "epoch": 0.28,
951
+ "grad_norm": 1.372733235359192,
952
+ "learning_rate": 0.00003645014696379063,
953
+ "loss": 0.3375,
954
+ "step": 13500
955
+ },
956
+ {
957
+ "epoch": 0.28,
958
+ "grad_norm": 0.7824010252952576,
959
+ "learning_rate": 0.000036345917325050554,
960
+ "loss": 0.3393,
961
+ "step": 13600
962
+ },
963
+ {
964
+ "epoch": 0.28,
965
+ "grad_norm": 1.637102484703064,
966
+ "learning_rate": 0.000036241687686310485,
967
+ "loss": 0.3318,
968
+ "step": 13700
969
+ },
970
+ {
971
+ "epoch": 0.28,
972
+ "grad_norm": 0.9548413753509521,
973
+ "learning_rate": 0.00003613745804757041,
974
+ "loss": 0.3041,
975
+ "step": 13800
976
+ },
977
+ {
978
+ "epoch": 0.29,
979
+ "grad_norm": 1.3793456554412842,
980
+ "learning_rate": 0.00003603322840883034,
981
+ "loss": 0.3208,
982
+ "step": 13900
983
+ },
984
+ {
985
+ "epoch": 0.29,
986
+ "grad_norm": 1.323983073234558,
987
+ "learning_rate": 0.000035928998770090266,
988
+ "loss": 0.3077,
989
+ "step": 14000
990
+ },
991
+ {
992
+ "epoch": 0.29,
993
+ "grad_norm": 0.8947316408157349,
994
+ "learning_rate": 0.0000358247691313502,
995
+ "loss": 0.3081,
996
+ "step": 14100
997
+ },
998
+ {
999
+ "epoch": 0.29,
1000
+ "grad_norm": 1.2341340780258179,
1001
+ "learning_rate": 0.00003572053949261012,
1002
+ "loss": 0.3243,
1003
+ "step": 14200
1004
+ },
1005
+ {
1006
+ "epoch": 0.3,
1007
+ "grad_norm": 1.1560657024383545,
1008
+ "learning_rate": 0.00003561630985387005,
1009
+ "loss": 0.3045,
1010
+ "step": 14300
1011
+ },
1012
+ {
1013
+ "epoch": 0.3,
1014
+ "grad_norm": 1.0063599348068237,
1015
+ "learning_rate": 0.00003551208021512998,
1016
+ "loss": 0.2984,
1017
+ "step": 14400
1018
+ },
1019
+ {
1020
+ "epoch": 0.3,
1021
+ "grad_norm": 0.9587939977645874,
1022
+ "learning_rate": 0.00003540785057638991,
1023
+ "loss": 0.3215,
1024
+ "step": 14500
1025
+ },
1026
+ {
1027
+ "epoch": 0.3,
1028
+ "grad_norm": 0.9009751081466675,
1029
+ "learning_rate": 0.00003530362093764983,
1030
+ "loss": 0.3257,
1031
+ "step": 14600
1032
+ },
1033
+ {
1034
+ "epoch": 0.3,
1035
+ "grad_norm": 1.1289176940917969,
1036
+ "learning_rate": 0.000035199391298909764,
1037
+ "loss": 0.3151,
1038
+ "step": 14700
1039
+ },
1040
+ {
1041
+ "epoch": 0.31,
1042
+ "grad_norm": 1.0544753074645996,
1043
+ "learning_rate": 0.00003509516166016969,
1044
+ "loss": 0.3123,
1045
+ "step": 14800
1046
+ },
1047
+ {
1048
+ "epoch": 0.31,
1049
+ "grad_norm": 1.6340482234954834,
1050
+ "learning_rate": 0.00003499093202142962,
1051
+ "loss": 0.3238,
1052
+ "step": 14900
1053
+ },
1054
+ {
1055
+ "epoch": 0.31,
1056
+ "grad_norm": 0.8671633005142212,
1057
+ "learning_rate": 0.000034886702382689545,
1058
+ "loss": 0.3174,
1059
+ "step": 15000
1060
+ },
1061
+ {
1062
+ "epoch": 0.31,
1063
+ "grad_norm": 0.8871846199035645,
1064
+ "learning_rate": 0.000034782472743949476,
1065
+ "loss": 0.3045,
1066
+ "step": 15100
1067
+ },
1068
+ {
1069
+ "epoch": 0.31,
1070
+ "grad_norm": 0.9014525413513184,
1071
+ "learning_rate": 0.0000346782431052094,
1072
+ "loss": 0.3335,
1073
+ "step": 15200
1074
+ },
1075
+ {
1076
+ "epoch": 0.32,
1077
+ "grad_norm": 0.819088876247406,
1078
+ "learning_rate": 0.00003457401346646933,
1079
+ "loss": 0.3222,
1080
+ "step": 15300
1081
+ },
1082
+ {
1083
+ "epoch": 0.32,
1084
+ "grad_norm": 1.1166553497314453,
1085
+ "learning_rate": 0.000034469783827729256,
1086
+ "loss": 0.3303,
1087
+ "step": 15400
1088
+ },
1089
+ {
1090
+ "epoch": 0.32,
1091
+ "grad_norm": 1.0952930450439453,
1092
+ "learning_rate": 0.00003436555418898919,
1093
+ "loss": 0.3095,
1094
+ "step": 15500
1095
+ },
1096
+ {
1097
+ "epoch": 0.32,
1098
+ "grad_norm": 1.186812400817871,
1099
+ "learning_rate": 0.00003426132455024911,
1100
+ "loss": 0.3146,
1101
+ "step": 15600
1102
+ },
1103
+ {
1104
+ "epoch": 0.32,
1105
+ "grad_norm": 0.9790433049201965,
1106
+ "learning_rate": 0.00003415709491150904,
1107
+ "loss": 0.321,
1108
+ "step": 15700
1109
+ },
1110
+ {
1111
+ "epoch": 0.33,
1112
+ "grad_norm": 0.9488071203231812,
1113
+ "learning_rate": 0.00003405286527276897,
1114
+ "loss": 0.321,
1115
+ "step": 15800
1116
+ },
1117
+ {
1118
+ "epoch": 0.33,
1119
+ "grad_norm": 0.9488551616668701,
1120
+ "learning_rate": 0.00003394863563402889,
1121
+ "loss": 0.2923,
1122
+ "step": 15900
1123
+ },
1124
+ {
1125
+ "epoch": 0.33,
1126
+ "grad_norm": 0.9801424145698547,
1127
+ "learning_rate": 0.00003384440599528882,
1128
+ "loss": 0.3131,
1129
+ "step": 16000
1130
+ },
1131
+ {
1132
+ "epoch": 0.33,
1133
+ "grad_norm": 1.5585353374481201,
1134
+ "learning_rate": 0.00003374017635654875,
1135
+ "loss": 0.3274,
1136
+ "step": 16100
1137
+ },
1138
+ {
1139
+ "epoch": 0.33,
1140
+ "grad_norm": 1.0194026231765747,
1141
+ "learning_rate": 0.00003363594671780867,
1142
+ "loss": 0.3294,
1143
+ "step": 16200
1144
+ },
1145
+ {
1146
+ "epoch": 0.34,
1147
+ "grad_norm": 0.89570552110672,
1148
+ "learning_rate": 0.000033531717079068604,
1149
+ "loss": 0.3041,
1150
+ "step": 16300
1151
+ },
1152
+ {
1153
+ "epoch": 0.34,
1154
+ "grad_norm": 1.361720085144043,
1155
+ "learning_rate": 0.00003342748744032853,
1156
+ "loss": 0.3001,
1157
+ "step": 16400
1158
+ },
1159
+ {
1160
+ "epoch": 0.34,
1161
+ "grad_norm": 0.6049641370773315,
1162
+ "learning_rate": 0.00003332325780158846,
1163
+ "loss": 0.2993,
1164
+ "step": 16500
1165
+ },
1166
+ {
1167
+ "epoch": 0.34,
1168
+ "grad_norm": 1.1714413166046143,
1169
+ "learning_rate": 0.000033219028162848384,
1170
+ "loss": 0.3252,
1171
+ "step": 16600
1172
+ },
1173
+ {
1174
+ "epoch": 0.34,
1175
+ "grad_norm": 0.6133936643600464,
1176
+ "learning_rate": 0.000033114798524108315,
1177
+ "loss": 0.3162,
1178
+ "step": 16700
1179
+ },
1180
+ {
1181
+ "epoch": 0.35,
1182
+ "grad_norm": 0.9461352229118347,
1183
+ "learning_rate": 0.00003301056888536824,
1184
+ "loss": 0.3,
1185
+ "step": 16800
1186
+ },
1187
+ {
1188
+ "epoch": 0.35,
1189
+ "grad_norm": 1.1674548387527466,
1190
+ "learning_rate": 0.00003290633924662817,
1191
+ "loss": 0.3053,
1192
+ "step": 16900
1193
+ },
1194
+ {
1195
+ "epoch": 0.35,
1196
+ "grad_norm": 0.9445935487747192,
1197
+ "learning_rate": 0.000032802109607888096,
1198
+ "loss": 0.319,
1199
+ "step": 17000
1200
+ },
1201
+ {
1202
+ "epoch": 0.35,
1203
+ "grad_norm": 0.7129838466644287,
1204
+ "learning_rate": 0.00003269787996914803,
1205
+ "loss": 0.3095,
1206
+ "step": 17100
1207
+ },
1208
+ {
1209
+ "epoch": 0.35,
1210
+ "grad_norm": 0.9326237440109253,
1211
+ "learning_rate": 0.00003259365033040795,
1212
+ "loss": 0.3174,
1213
+ "step": 17200
1214
+ },
1215
+ {
1216
+ "epoch": 0.36,
1217
+ "grad_norm": 0.8677362203598022,
1218
+ "learning_rate": 0.00003248942069166788,
1219
+ "loss": 0.3056,
1220
+ "step": 17300
1221
+ },
1222
+ {
1223
+ "epoch": 0.36,
1224
+ "grad_norm": 0.7561855316162109,
1225
+ "learning_rate": 0.00003238519105292781,
1226
+ "loss": 0.2939,
1227
+ "step": 17400
1228
+ },
1229
+ {
1230
+ "epoch": 0.36,
1231
+ "grad_norm": 1.0813933610916138,
1232
+ "learning_rate": 0.00003228096141418774,
1233
+ "loss": 0.296,
1234
+ "step": 17500
1235
+ },
1236
+ {
1237
+ "epoch": 0.36,
1238
+ "grad_norm": 1.1002167463302612,
1239
+ "learning_rate": 0.00003217673177544766,
1240
+ "loss": 0.3142,
1241
+ "step": 17600
1242
+ },
1243
+ {
1244
+ "epoch": 0.37,
1245
+ "grad_norm": 0.709709882736206,
1246
+ "learning_rate": 0.000032072502136707594,
1247
+ "loss": 0.2931,
1248
+ "step": 17700
1249
+ },
1250
+ {
1251
+ "epoch": 0.37,
1252
+ "grad_norm": 0.699057936668396,
1253
+ "learning_rate": 0.00003196827249796752,
1254
+ "loss": 0.3009,
1255
+ "step": 17800
1256
+ },
1257
+ {
1258
+ "epoch": 0.37,
1259
+ "grad_norm": 1.4942712783813477,
1260
+ "learning_rate": 0.00003186404285922745,
1261
+ "loss": 0.3203,
1262
+ "step": 17900
1263
+ },
1264
+ {
1265
+ "epoch": 0.37,
1266
+ "grad_norm": 1.069948434829712,
1267
+ "learning_rate": 0.000031759813220487375,
1268
+ "loss": 0.3118,
1269
+ "step": 18000
1270
+ },
1271
+ {
1272
+ "epoch": 0.37,
1273
+ "grad_norm": 0.9980233311653137,
1274
+ "learning_rate": 0.000031655583581747306,
1275
+ "loss": 0.2937,
1276
+ "step": 18100
1277
+ },
1278
+ {
1279
+ "epoch": 0.38,
1280
+ "grad_norm": 0.743611752986908,
1281
+ "learning_rate": 0.00003155135394300723,
1282
+ "loss": 0.3064,
1283
+ "step": 18200
1284
+ },
1285
+ {
1286
+ "epoch": 0.38,
1287
+ "grad_norm": 0.8888816237449646,
1288
+ "learning_rate": 0.00003144712430426716,
1289
+ "loss": 0.309,
1290
+ "step": 18300
1291
+ },
1292
+ {
1293
+ "epoch": 0.38,
1294
+ "grad_norm": 0.9147290587425232,
1295
+ "learning_rate": 0.000031342894665527086,
1296
+ "loss": 0.3104,
1297
+ "step": 18400
1298
+ },
1299
+ {
1300
+ "epoch": 0.38,
1301
+ "grad_norm": 1.191470742225647,
1302
+ "learning_rate": 0.00003123866502678702,
1303
+ "loss": 0.307,
1304
+ "step": 18500
1305
+ },
1306
+ {
1307
+ "epoch": 0.38,
1308
+ "grad_norm": 0.8025168776512146,
1309
+ "learning_rate": 0.00003113443538804694,
1310
+ "loss": 0.2981,
1311
+ "step": 18600
1312
+ },
1313
+ {
1314
+ "epoch": 0.39,
1315
+ "grad_norm": 1.0088508129119873,
1316
+ "learning_rate": 0.000031030205749306873,
1317
+ "loss": 0.2946,
1318
+ "step": 18700
1319
+ },
1320
+ {
1321
+ "epoch": 0.39,
1322
+ "grad_norm": 0.9163653254508972,
1323
+ "learning_rate": 0.0000309259761105668,
1324
+ "loss": 0.314,
1325
+ "step": 18800
1326
+ },
1327
+ {
1328
+ "epoch": 0.39,
1329
+ "grad_norm": 0.7615305185317993,
1330
+ "learning_rate": 0.00003082174647182673,
1331
+ "loss": 0.2987,
1332
+ "step": 18900
1333
+ },
1334
+ {
1335
+ "epoch": 0.39,
1336
+ "grad_norm": 1.1720337867736816,
1337
+ "learning_rate": 0.000030717516833086654,
1338
+ "loss": 0.284,
1339
+ "step": 19000
1340
+ },
1341
+ {
1342
+ "epoch": 0.39,
1343
+ "grad_norm": 0.9668058156967163,
1344
+ "learning_rate": 0.000030613287194346585,
1345
+ "loss": 0.2961,
1346
+ "step": 19100
1347
+ },
1348
+ {
1349
+ "epoch": 0.4,
1350
+ "grad_norm": 1.0331960916519165,
1351
+ "learning_rate": 0.000030509057555606513,
1352
+ "loss": 0.3126,
1353
+ "step": 19200
1354
+ },
1355
+ {
1356
+ "epoch": 0.4,
1357
+ "grad_norm": 1.011672854423523,
1358
+ "learning_rate": 0.00003040482791686644,
1359
+ "loss": 0.2909,
1360
+ "step": 19300
1361
+ },
1362
+ {
1363
+ "epoch": 0.4,
1364
+ "grad_norm": 0.7572203874588013,
1365
+ "learning_rate": 0.00003030059827812637,
1366
+ "loss": 0.3003,
1367
+ "step": 19400
1368
+ },
1369
+ {
1370
+ "epoch": 0.4,
1371
+ "grad_norm": 1.2314035892486572,
1372
+ "learning_rate": 0.000030196368639386297,
1373
+ "loss": 0.2967,
1374
+ "step": 19500
1375
+ },
1376
+ {
1377
+ "epoch": 0.4,
1378
+ "grad_norm": 0.7441611886024475,
1379
+ "learning_rate": 0.000030092139000646225,
1380
+ "loss": 0.3081,
1381
+ "step": 19600
1382
+ },
1383
+ {
1384
+ "epoch": 0.41,
1385
+ "grad_norm": 1.1014299392700195,
1386
+ "learning_rate": 0.000029987909361906152,
1387
+ "loss": 0.3076,
1388
+ "step": 19700
1389
+ },
1390
+ {
1391
+ "epoch": 0.41,
1392
+ "grad_norm": 0.8321337699890137,
1393
+ "learning_rate": 0.00002988367972316608,
1394
+ "loss": 0.3,
1395
+ "step": 19800
1396
+ },
1397
+ {
1398
+ "epoch": 0.41,
1399
+ "grad_norm": 1.0691934823989868,
1400
+ "learning_rate": 0.000029779450084426008,
1401
+ "loss": 0.3113,
1402
+ "step": 19900
1403
+ },
1404
+ {
1405
+ "epoch": 0.41,
1406
+ "grad_norm": 0.8844496607780457,
1407
+ "learning_rate": 0.000029675220445685936,
1408
+ "loss": 0.3135,
1409
+ "step": 20000
1410
+ },
1411
+ {
1412
+ "epoch": 0.41,
1413
+ "grad_norm": 0.9948704242706299,
1414
+ "learning_rate": 0.000029570990806945864,
1415
+ "loss": 0.2905,
1416
+ "step": 20100
1417
+ },
1418
+ {
1419
+ "epoch": 0.42,
1420
+ "grad_norm": 0.7587433457374573,
1421
+ "learning_rate": 0.000029466761168205792,
1422
+ "loss": 0.3187,
1423
+ "step": 20200
1424
+ },
1425
+ {
1426
+ "epoch": 0.42,
1427
+ "grad_norm": 0.8162456750869751,
1428
+ "learning_rate": 0.00002936253152946572,
1429
+ "loss": 0.3101,
1430
+ "step": 20300
1431
+ },
1432
+ {
1433
+ "epoch": 0.42,
1434
+ "grad_norm": 0.5907912850379944,
1435
+ "learning_rate": 0.000029258301890725648,
1436
+ "loss": 0.2926,
1437
+ "step": 20400
1438
+ },
1439
+ {
1440
+ "epoch": 0.42,
1441
+ "grad_norm": 0.9535139799118042,
1442
+ "learning_rate": 0.000029154072251985576,
1443
+ "loss": 0.3237,
1444
+ "step": 20500
1445
+ },
1446
+ {
1447
+ "epoch": 0.42,
1448
+ "grad_norm": 0.9831104874610901,
1449
+ "learning_rate": 0.000029049842613245504,
1450
+ "loss": 0.2922,
1451
+ "step": 20600
1452
+ },
1453
+ {
1454
+ "epoch": 0.43,
1455
+ "grad_norm": 0.8171008229255676,
1456
+ "learning_rate": 0.00002894561297450543,
1457
+ "loss": 0.3127,
1458
+ "step": 20700
1459
+ },
1460
+ {
1461
+ "epoch": 0.43,
1462
+ "grad_norm": 0.9013519287109375,
1463
+ "learning_rate": 0.00002884138333576536,
1464
+ "loss": 0.2974,
1465
+ "step": 20800
1466
+ },
1467
+ {
1468
+ "epoch": 0.43,
1469
+ "grad_norm": 1.0881197452545166,
1470
+ "learning_rate": 0.000028737153697025287,
1471
+ "loss": 0.3033,
1472
+ "step": 20900
1473
+ },
1474
+ {
1475
+ "epoch": 0.43,
1476
+ "grad_norm": 1.0165661573410034,
1477
+ "learning_rate": 0.000028632924058285215,
1478
+ "loss": 0.2969,
1479
+ "step": 21000
1480
+ },
1481
+ {
1482
+ "epoch": 0.44,
1483
+ "grad_norm": 0.9244837760925293,
1484
+ "learning_rate": 0.000028528694419545143,
1485
+ "loss": 0.3074,
1486
+ "step": 21100
1487
+ },
1488
+ {
1489
+ "epoch": 0.44,
1490
+ "grad_norm": 0.8180138468742371,
1491
+ "learning_rate": 0.00002842446478080507,
1492
+ "loss": 0.3022,
1493
+ "step": 21200
1494
+ },
1495
+ {
1496
+ "epoch": 0.44,
1497
+ "grad_norm": 0.8913204073905945,
1498
+ "learning_rate": 0.000028320235142065,
1499
+ "loss": 0.3041,
1500
+ "step": 21300
1501
+ },
1502
+ {
1503
+ "epoch": 0.44,
1504
+ "grad_norm": 0.944990336894989,
1505
+ "learning_rate": 0.000028216005503324927,
1506
+ "loss": 0.3034,
1507
+ "step": 21400
1508
+ },
1509
+ {
1510
+ "epoch": 0.44,
1511
+ "grad_norm": 0.6920465230941772,
1512
+ "learning_rate": 0.000028111775864584855,
1513
+ "loss": 0.287,
1514
+ "step": 21500
1515
+ },
1516
+ {
1517
+ "epoch": 0.45,
1518
+ "grad_norm": 0.9530170559883118,
1519
+ "learning_rate": 0.000028007546225844783,
1520
+ "loss": 0.2924,
1521
+ "step": 21600
1522
+ },
1523
+ {
1524
+ "epoch": 0.45,
1525
+ "grad_norm": 1.0395070314407349,
1526
+ "learning_rate": 0.00002790331658710471,
1527
+ "loss": 0.2976,
1528
+ "step": 21700
1529
+ },
1530
+ {
1531
+ "epoch": 0.45,
1532
+ "grad_norm": 1.0013209581375122,
1533
+ "learning_rate": 0.00002779908694836464,
1534
+ "loss": 0.2765,
1535
+ "step": 21800
1536
+ },
1537
+ {
1538
+ "epoch": 0.45,
1539
+ "grad_norm": 0.6239937543869019,
1540
+ "learning_rate": 0.000027694857309624566,
1541
+ "loss": 0.3001,
1542
+ "step": 21900
1543
+ },
1544
+ {
1545
+ "epoch": 0.45,
1546
+ "grad_norm": 0.6583734154701233,
1547
+ "learning_rate": 0.000027590627670884494,
1548
+ "loss": 0.2984,
1549
+ "step": 22000
1550
+ },
1551
+ {
1552
+ "epoch": 0.46,
1553
+ "grad_norm": 0.9175625443458557,
1554
+ "learning_rate": 0.000027486398032144422,
1555
+ "loss": 0.305,
1556
+ "step": 22100
1557
+ },
1558
+ {
1559
+ "epoch": 0.46,
1560
+ "grad_norm": 1.192954182624817,
1561
+ "learning_rate": 0.00002738216839340435,
1562
+ "loss": 0.2913,
1563
+ "step": 22200
1564
+ },
1565
+ {
1566
+ "epoch": 0.46,
1567
+ "grad_norm": 0.9170815944671631,
1568
+ "learning_rate": 0.000027277938754664278,
1569
+ "loss": 0.2886,
1570
+ "step": 22300
1571
+ },
1572
+ {
1573
+ "epoch": 0.46,
1574
+ "grad_norm": 0.7114281058311462,
1575
+ "learning_rate": 0.000027173709115924206,
1576
+ "loss": 0.2872,
1577
+ "step": 22400
1578
+ },
1579
+ {
1580
+ "epoch": 0.46,
1581
+ "grad_norm": 1.1340280771255493,
1582
+ "learning_rate": 0.000027069479477184134,
1583
+ "loss": 0.2927,
1584
+ "step": 22500
1585
+ },
1586
+ {
1587
+ "epoch": 0.47,
1588
+ "grad_norm": 1.0684434175491333,
1589
+ "learning_rate": 0.00002696524983844406,
1590
+ "loss": 0.2762,
1591
+ "step": 22600
1592
+ },
1593
+ {
1594
+ "epoch": 0.47,
1595
+ "grad_norm": 0.8208048343658447,
1596
+ "learning_rate": 0.00002686102019970399,
1597
+ "loss": 0.2933,
1598
+ "step": 22700
1599
+ },
1600
+ {
1601
+ "epoch": 0.47,
1602
+ "grad_norm": 0.9516797065734863,
1603
+ "learning_rate": 0.000026756790560963917,
1604
+ "loss": 0.2809,
1605
+ "step": 22800
1606
+ },
1607
+ {
1608
+ "epoch": 0.47,
1609
+ "grad_norm": 0.7305499315261841,
1610
+ "learning_rate": 0.000026652560922223845,
1611
+ "loss": 0.2968,
1612
+ "step": 22900
1613
+ },
1614
+ {
1615
+ "epoch": 0.47,
1616
+ "grad_norm": 0.7523550391197205,
1617
+ "learning_rate": 0.000026548331283483773,
1618
+ "loss": 0.289,
1619
+ "step": 23000
1620
+ },
1621
+ {
1622
+ "epoch": 0.48,
1623
+ "grad_norm": 1.0975223779678345,
1624
+ "learning_rate": 0.0000264441016447437,
1625
+ "loss": 0.2961,
1626
+ "step": 23100
1627
+ },
1628
+ {
1629
+ "epoch": 0.48,
1630
+ "grad_norm": 0.906672477722168,
1631
+ "learning_rate": 0.00002633987200600363,
1632
+ "loss": 0.2904,
1633
+ "step": 23200
1634
+ },
1635
+ {
1636
+ "epoch": 0.48,
1637
+ "grad_norm": 0.8232882022857666,
1638
+ "learning_rate": 0.000026235642367263557,
1639
+ "loss": 0.2876,
1640
+ "step": 23300
1641
+ },
1642
+ {
1643
+ "epoch": 0.48,
1644
+ "grad_norm": 1.0251737833023071,
1645
+ "learning_rate": 0.000026131412728523485,
1646
+ "loss": 0.2842,
1647
+ "step": 23400
1648
+ },
1649
+ {
1650
+ "epoch": 0.48,
1651
+ "grad_norm": 1.1119544506072998,
1652
+ "learning_rate": 0.000026027183089783413,
1653
+ "loss": 0.2778,
1654
+ "step": 23500
1655
+ },
1656
+ {
1657
+ "epoch": 0.49,
1658
+ "grad_norm": 1.1404234170913696,
1659
+ "learning_rate": 0.00002592295345104334,
1660
+ "loss": 0.2865,
1661
+ "step": 23600
1662
+ },
1663
+ {
1664
+ "epoch": 0.49,
1665
+ "grad_norm": 1.0083096027374268,
1666
+ "learning_rate": 0.00002581872381230327,
1667
+ "loss": 0.2923,
1668
+ "step": 23700
1669
+ },
1670
+ {
1671
+ "epoch": 0.49,
1672
+ "grad_norm": 1.1562743186950684,
1673
+ "learning_rate": 0.000025714494173563196,
1674
+ "loss": 0.3009,
1675
+ "step": 23800
1676
+ },
1677
+ {
1678
+ "epoch": 0.49,
1679
+ "grad_norm": 0.7771180272102356,
1680
+ "learning_rate": 0.000025610264534823124,
1681
+ "loss": 0.2938,
1682
+ "step": 23900
1683
+ },
1684
+ {
1685
+ "epoch": 0.5,
1686
+ "grad_norm": 0.8902438282966614,
1687
+ "learning_rate": 0.000025506034896083052,
1688
+ "loss": 0.3102,
1689
+ "step": 24000
1690
+ },
1691
+ {
1692
+ "epoch": 0.5,
1693
+ "grad_norm": 0.9011629819869995,
1694
+ "learning_rate": 0.00002540180525734298,
1695
+ "loss": 0.2885,
1696
+ "step": 24100
1697
+ },
1698
+ {
1699
+ "epoch": 0.5,
1700
+ "grad_norm": 0.8738746643066406,
1701
+ "learning_rate": 0.000025297575618602908,
1702
+ "loss": 0.2739,
1703
+ "step": 24200
1704
+ },
1705
+ {
1706
+ "epoch": 0.5,
1707
+ "grad_norm": 0.5818448662757874,
1708
+ "learning_rate": 0.000025193345979862836,
1709
+ "loss": 0.281,
1710
+ "step": 24300
1711
+ },
1712
+ {
1713
+ "epoch": 0.5,
1714
+ "grad_norm": 0.927828311920166,
1715
+ "learning_rate": 0.000025089116341122764,
1716
+ "loss": 0.3039,
1717
+ "step": 24400
1718
+ },
1719
+ {
1720
+ "epoch": 0.51,
1721
+ "grad_norm": 0.8303672671318054,
1722
+ "learning_rate": 0.00002498488670238269,
1723
+ "loss": 0.2921,
1724
+ "step": 24500
1725
+ },
1726
+ {
1727
+ "epoch": 0.51,
1728
+ "grad_norm": 1.7229905128479004,
1729
+ "learning_rate": 0.000024880657063642616,
1730
+ "loss": 0.3003,
1731
+ "step": 24600
1732
+ },
1733
+ {
1734
+ "epoch": 0.51,
1735
+ "grad_norm": 0.898224949836731,
1736
+ "learning_rate": 0.000024776427424902544,
1737
+ "loss": 0.3034,
1738
+ "step": 24700
1739
+ },
1740
+ {
1741
+ "epoch": 0.51,
1742
+ "grad_norm": 0.7359880805015564,
1743
+ "learning_rate": 0.000024672197786162472,
1744
+ "loss": 0.2918,
1745
+ "step": 24800
1746
+ },
1747
+ {
1748
+ "epoch": 0.51,
1749
+ "grad_norm": 0.9466255903244019,
1750
+ "learning_rate": 0.0000245679681474224,
1751
+ "loss": 0.2982,
1752
+ "step": 24900
1753
+ },
1754
+ {
1755
+ "epoch": 0.52,
1756
+ "grad_norm": 0.9300728440284729,
1757
+ "learning_rate": 0.00002446373850868233,
1758
+ "loss": 0.3049,
1759
+ "step": 25000
1760
+ },
1761
+ {
1762
+ "epoch": 0.52,
1763
+ "grad_norm": 1.2316802740097046,
1764
+ "learning_rate": 0.00002435950886994226,
1765
+ "loss": 0.3088,
1766
+ "step": 25100
1767
+ },
1768
+ {
1769
+ "epoch": 0.52,
1770
+ "grad_norm": 1.1127874851226807,
1771
+ "learning_rate": 0.000024255279231202187,
1772
+ "loss": 0.2844,
1773
+ "step": 25200
1774
+ },
1775
+ {
1776
+ "epoch": 0.52,
1777
+ "grad_norm": 1.0291988849639893,
1778
+ "learning_rate": 0.000024151049592462115,
1779
+ "loss": 0.2844,
1780
+ "step": 25300
1781
+ },
1782
+ {
1783
+ "epoch": 0.52,
1784
+ "grad_norm": 1.0049411058425903,
1785
+ "learning_rate": 0.000024046819953722043,
1786
+ "loss": 0.2902,
1787
+ "step": 25400
1788
+ },
1789
+ {
1790
+ "epoch": 0.53,
1791
+ "grad_norm": 7.540700912475586,
1792
+ "learning_rate": 0.00002394259031498197,
1793
+ "loss": 0.2966,
1794
+ "step": 25500
1795
+ },
1796
+ {
1797
+ "epoch": 0.53,
1798
+ "grad_norm": 0.7970338463783264,
1799
+ "learning_rate": 0.0000238383606762419,
1800
+ "loss": 0.2714,
1801
+ "step": 25600
1802
+ },
1803
+ {
1804
+ "epoch": 0.53,
1805
+ "grad_norm": 0.7852484583854675,
1806
+ "learning_rate": 0.000023734131037501827,
1807
+ "loss": 0.3103,
1808
+ "step": 25700
1809
+ },
1810
+ {
1811
+ "epoch": 0.53,
1812
+ "grad_norm": 1.1321452856063843,
1813
+ "learning_rate": 0.000023629901398761754,
1814
+ "loss": 0.2939,
1815
+ "step": 25800
1816
+ },
1817
+ {
1818
+ "epoch": 0.53,
1819
+ "grad_norm": 0.8240513801574707,
1820
+ "learning_rate": 0.000023525671760021682,
1821
+ "loss": 0.2933,
1822
+ "step": 25900
1823
+ },
1824
+ {
1825
+ "epoch": 0.54,
1826
+ "grad_norm": 0.8263924717903137,
1827
+ "learning_rate": 0.00002342144212128161,
1828
+ "loss": 0.2764,
1829
+ "step": 26000
1830
+ },
1831
+ {
1832
+ "epoch": 0.54,
1833
+ "grad_norm": 0.48156994581222534,
1834
+ "learning_rate": 0.000023317212482541538,
1835
+ "loss": 0.2785,
1836
+ "step": 26100
1837
+ },
1838
+ {
1839
+ "epoch": 0.54,
1840
+ "grad_norm": 0.7034128904342651,
1841
+ "learning_rate": 0.000023212982843801466,
1842
+ "loss": 0.2884,
1843
+ "step": 26200
1844
+ },
1845
+ {
1846
+ "epoch": 0.54,
1847
+ "grad_norm": 0.7832284569740295,
1848
+ "learning_rate": 0.000023108753205061394,
1849
+ "loss": 0.2933,
1850
+ "step": 26300
1851
+ },
1852
+ {
1853
+ "epoch": 0.54,
1854
+ "grad_norm": 1.0077266693115234,
1855
+ "learning_rate": 0.000023004523566321322,
1856
+ "loss": 0.2929,
1857
+ "step": 26400
1858
+ },
1859
+ {
1860
+ "epoch": 0.55,
1861
+ "grad_norm": 0.7659132480621338,
1862
+ "learning_rate": 0.00002290029392758125,
1863
+ "loss": 0.277,
1864
+ "step": 26500
1865
+ },
1866
+ {
1867
+ "epoch": 0.55,
1868
+ "grad_norm": 0.7871528267860413,
1869
+ "learning_rate": 0.000022796064288841178,
1870
+ "loss": 0.2995,
1871
+ "step": 26600
1872
+ },
1873
+ {
1874
+ "epoch": 0.55,
1875
+ "grad_norm": 0.9168059825897217,
1876
+ "learning_rate": 0.000022691834650101106,
1877
+ "loss": 0.3038,
1878
+ "step": 26700
1879
+ },
1880
+ {
1881
+ "epoch": 0.55,
1882
+ "grad_norm": 0.6936691403388977,
1883
+ "learning_rate": 0.000022587605011361033,
1884
+ "loss": 0.2838,
1885
+ "step": 26800
1886
+ },
1887
+ {
1888
+ "epoch": 0.55,
1889
+ "grad_norm": 0.9125056266784668,
1890
+ "learning_rate": 0.00002248337537262096,
1891
+ "loss": 0.2832,
1892
+ "step": 26900
1893
+ },
1894
+ {
1895
+ "epoch": 0.56,
1896
+ "grad_norm": 0.8433107733726501,
1897
+ "learning_rate": 0.00002237914573388089,
1898
+ "loss": 0.2963,
1899
+ "step": 27000
1900
+ },
1901
+ {
1902
+ "epoch": 0.56,
1903
+ "grad_norm": 0.6140872836112976,
1904
+ "learning_rate": 0.000022274916095140817,
1905
+ "loss": 0.256,
1906
+ "step": 27100
1907
+ },
1908
+ {
1909
+ "epoch": 0.56,
1910
+ "grad_norm": 0.9464013576507568,
1911
+ "learning_rate": 0.000022170686456400745,
1912
+ "loss": 0.279,
1913
+ "step": 27200
1914
+ },
1915
+ {
1916
+ "epoch": 0.56,
1917
+ "grad_norm": 0.6698806881904602,
1918
+ "learning_rate": 0.000022066456817660673,
1919
+ "loss": 0.2664,
1920
+ "step": 27300
1921
+ },
1922
+ {
1923
+ "epoch": 0.57,
1924
+ "grad_norm": 1.0536932945251465,
1925
+ "learning_rate": 0.0000219622271789206,
1926
+ "loss": 0.2768,
1927
+ "step": 27400
1928
+ },
1929
+ {
1930
+ "epoch": 0.57,
1931
+ "grad_norm": 0.9017496705055237,
1932
+ "learning_rate": 0.00002185799754018053,
1933
+ "loss": 0.2723,
1934
+ "step": 27500
1935
+ },
1936
+ {
1937
+ "epoch": 0.57,
1938
+ "grad_norm": 0.9188879728317261,
1939
+ "learning_rate": 0.000021753767901440457,
1940
+ "loss": 0.2925,
1941
+ "step": 27600
1942
+ },
1943
+ {
1944
+ "epoch": 0.57,
1945
+ "grad_norm": 0.716852068901062,
1946
+ "learning_rate": 0.000021649538262700385,
1947
+ "loss": 0.2789,
1948
+ "step": 27700
1949
+ },
1950
+ {
1951
+ "epoch": 0.57,
1952
+ "grad_norm": 0.8829745650291443,
1953
+ "learning_rate": 0.000021545308623960312,
1954
+ "loss": 0.2613,
1955
+ "step": 27800
1956
+ },
1957
+ {
1958
+ "epoch": 0.58,
1959
+ "grad_norm": 0.8111447095870972,
1960
+ "learning_rate": 0.00002144107898522024,
1961
+ "loss": 0.2847,
1962
+ "step": 27900
1963
+ },
1964
+ {
1965
+ "epoch": 0.58,
1966
+ "grad_norm": 1.069851279258728,
1967
+ "learning_rate": 0.000021336849346480168,
1968
+ "loss": 0.2865,
1969
+ "step": 28000
1970
+ },
1971
+ {
1972
+ "epoch": 0.58,
1973
+ "grad_norm": 1.1249984502792358,
1974
+ "learning_rate": 0.000021232619707740096,
1975
+ "loss": 0.285,
1976
+ "step": 28100
1977
+ },
1978
+ {
1979
+ "epoch": 0.58,
1980
+ "grad_norm": 0.8425958156585693,
1981
+ "learning_rate": 0.000021128390069000024,
1982
+ "loss": 0.2822,
1983
+ "step": 28200
1984
+ },
1985
+ {
1986
+ "epoch": 0.58,
1987
+ "grad_norm": 0.8334409594535828,
1988
+ "learning_rate": 0.000021024160430259952,
1989
+ "loss": 0.2915,
1990
+ "step": 28300
1991
+ },
1992
+ {
1993
+ "epoch": 0.59,
1994
+ "grad_norm": 0.8733804225921631,
1995
+ "learning_rate": 0.00002091993079151988,
1996
+ "loss": 0.2784,
1997
+ "step": 28400
1998
+ },
1999
+ {
2000
+ "epoch": 0.59,
2001
+ "grad_norm": 1.1405348777770996,
2002
+ "learning_rate": 0.000020815701152779808,
2003
+ "loss": 0.2632,
2004
+ "step": 28500
2005
+ },
2006
+ {
2007
+ "epoch": 0.59,
2008
+ "grad_norm": 0.930985689163208,
2009
+ "learning_rate": 0.000020711471514039732,
2010
+ "loss": 0.2804,
2011
+ "step": 28600
2012
+ },
2013
+ {
2014
+ "epoch": 0.59,
2015
+ "grad_norm": 0.7500423789024353,
2016
+ "learning_rate": 0.00002060724187529966,
2017
+ "loss": 0.271,
2018
+ "step": 28700
2019
+ },
2020
+ {
2021
+ "epoch": 0.59,
2022
+ "grad_norm": 0.830214262008667,
2023
+ "learning_rate": 0.000020503012236559588,
2024
+ "loss": 0.2802,
2025
+ "step": 28800
2026
+ },
2027
+ {
2028
+ "epoch": 0.6,
2029
+ "grad_norm": 1.1190361976623535,
2030
+ "learning_rate": 0.000020398782597819516,
2031
+ "loss": 0.2978,
2032
+ "step": 28900
2033
+ },
2034
+ {
2035
+ "epoch": 0.6,
2036
+ "grad_norm": 0.938105583190918,
2037
+ "learning_rate": 0.000020294552959079444,
2038
+ "loss": 0.273,
2039
+ "step": 29000
2040
+ },
2041
+ {
2042
+ "epoch": 0.6,
2043
+ "grad_norm": 1.2504827976226807,
2044
+ "learning_rate": 0.000020190323320339372,
2045
+ "loss": 0.2802,
2046
+ "step": 29100
2047
+ },
2048
+ {
2049
+ "epoch": 0.6,
2050
+ "grad_norm": 0.6229212284088135,
2051
+ "learning_rate": 0.0000200860936815993,
2052
+ "loss": 0.2751,
2053
+ "step": 29200
2054
+ },
2055
+ {
2056
+ "epoch": 0.6,
2057
+ "grad_norm": 0.917674720287323,
2058
+ "learning_rate": 0.000019981864042859228,
2059
+ "loss": 0.2668,
2060
+ "step": 29300
2061
+ },
2062
+ {
2063
+ "epoch": 0.61,
2064
+ "grad_norm": 0.7844977378845215,
2065
+ "learning_rate": 0.000019877634404119155,
2066
+ "loss": 0.2772,
2067
+ "step": 29400
2068
+ },
2069
+ {
2070
+ "epoch": 0.61,
2071
+ "grad_norm": 0.7926586866378784,
2072
+ "learning_rate": 0.000019773404765379083,
2073
+ "loss": 0.2851,
2074
+ "step": 29500
2075
+ },
2076
+ {
2077
+ "epoch": 0.61,
2078
+ "grad_norm": 0.9423878192901611,
2079
+ "learning_rate": 0.00001966917512663901,
2080
+ "loss": 0.2973,
2081
+ "step": 29600
2082
+ },
2083
+ {
2084
+ "epoch": 0.61,
2085
+ "grad_norm": 1.1130839586257935,
2086
+ "learning_rate": 0.00001956494548789894,
2087
+ "loss": 0.2858,
2088
+ "step": 29700
2089
+ },
2090
+ {
2091
+ "epoch": 0.61,
2092
+ "grad_norm": 0.8832184076309204,
2093
+ "learning_rate": 0.000019460715849158867,
2094
+ "loss": 0.2714,
2095
+ "step": 29800
2096
+ },
2097
+ {
2098
+ "epoch": 0.62,
2099
+ "grad_norm": 0.7974615693092346,
2100
+ "learning_rate": 0.000019356486210418795,
2101
+ "loss": 0.2672,
2102
+ "step": 29900
2103
+ },
2104
+ {
2105
+ "epoch": 0.62,
2106
+ "grad_norm": 1.0496609210968018,
2107
+ "learning_rate": 0.000019252256571678723,
2108
+ "loss": 0.2967,
2109
+ "step": 30000
2110
+ },
2111
+ {
2112
+ "epoch": 0.62,
2113
+ "grad_norm": 0.7052696943283081,
2114
+ "learning_rate": 0.00001914802693293865,
2115
+ "loss": 0.2682,
2116
+ "step": 30100
2117
+ },
2118
+ {
2119
+ "epoch": 0.62,
2120
+ "grad_norm": 0.8177437782287598,
2121
+ "learning_rate": 0.00001904379729419858,
2122
+ "loss": 0.2772,
2123
+ "step": 30200
2124
+ },
2125
+ {
2126
+ "epoch": 0.63,
2127
+ "grad_norm": 1.1367732286453247,
2128
+ "learning_rate": 0.000018939567655458507,
2129
+ "loss": 0.2751,
2130
+ "step": 30300
2131
+ },
2132
+ {
2133
+ "epoch": 0.63,
2134
+ "grad_norm": 1.4945389032363892,
2135
+ "learning_rate": 0.000018835338016718434,
2136
+ "loss": 0.2845,
2137
+ "step": 30400
2138
+ },
2139
+ {
2140
+ "epoch": 0.63,
2141
+ "grad_norm": 1.035019040107727,
2142
+ "learning_rate": 0.000018731108377978362,
2143
+ "loss": 0.2881,
2144
+ "step": 30500
2145
+ },
2146
+ {
2147
+ "epoch": 0.63,
2148
+ "grad_norm": 0.4365576207637787,
2149
+ "learning_rate": 0.00001862687873923829,
2150
+ "loss": 0.2805,
2151
+ "step": 30600
2152
+ },
2153
+ {
2154
+ "epoch": 0.63,
2155
+ "grad_norm": 0.6886979341506958,
2156
+ "learning_rate": 0.000018522649100498218,
2157
+ "loss": 0.2755,
2158
+ "step": 30700
2159
+ },
2160
+ {
2161
+ "epoch": 0.64,
2162
+ "grad_norm": 0.7902783751487732,
2163
+ "learning_rate": 0.000018418419461758146,
2164
+ "loss": 0.2746,
2165
+ "step": 30800
2166
+ },
2167
+ {
2168
+ "epoch": 0.64,
2169
+ "grad_norm": 1.1486902236938477,
2170
+ "learning_rate": 0.000018314189823018074,
2171
+ "loss": 0.2734,
2172
+ "step": 30900
2173
+ },
2174
+ {
2175
+ "epoch": 0.64,
2176
+ "grad_norm": 0.8375297784805298,
2177
+ "learning_rate": 0.000018209960184278002,
2178
+ "loss": 0.2672,
2179
+ "step": 31000
2180
+ },
2181
+ {
2182
+ "epoch": 0.64,
2183
+ "grad_norm": 0.8426914811134338,
2184
+ "learning_rate": 0.00001810573054553793,
2185
+ "loss": 0.266,
2186
+ "step": 31100
2187
+ },
2188
+ {
2189
+ "epoch": 0.64,
2190
+ "grad_norm": 1.0207959413528442,
2191
+ "learning_rate": 0.000018001500906797858,
2192
+ "loss": 0.2879,
2193
+ "step": 31200
2194
+ },
2195
+ {
2196
+ "epoch": 0.65,
2197
+ "grad_norm": 0.8999843597412109,
2198
+ "learning_rate": 0.000017897271268057786,
2199
+ "loss": 0.2617,
2200
+ "step": 31300
2201
+ },
2202
+ {
2203
+ "epoch": 0.65,
2204
+ "grad_norm": 0.7014563083648682,
2205
+ "learning_rate": 0.000017793041629317713,
2206
+ "loss": 0.2757,
2207
+ "step": 31400
2208
+ },
2209
+ {
2210
+ "epoch": 0.65,
2211
+ "grad_norm": 0.8926547765731812,
2212
+ "learning_rate": 0.00001768881199057764,
2213
+ "loss": 0.2805,
2214
+ "step": 31500
2215
+ },
2216
+ {
2217
+ "epoch": 0.65,
2218
+ "grad_norm": 0.9726804494857788,
2219
+ "learning_rate": 0.00001758458235183757,
2220
+ "loss": 0.2824,
2221
+ "step": 31600
2222
+ },
2223
+ {
2224
+ "epoch": 0.65,
2225
+ "grad_norm": 0.949054479598999,
2226
+ "learning_rate": 0.000017480352713097497,
2227
+ "loss": 0.2578,
2228
+ "step": 31700
2229
+ },
2230
+ {
2231
+ "epoch": 0.66,
2232
+ "grad_norm": 1.0712580680847168,
2233
+ "learning_rate": 0.000017376123074357425,
2234
+ "loss": 0.259,
2235
+ "step": 31800
2236
+ },
2237
+ {
2238
+ "epoch": 0.66,
2239
+ "grad_norm": 0.8288059234619141,
2240
+ "learning_rate": 0.000017271893435617353,
2241
+ "loss": 0.2788,
2242
+ "step": 31900
2243
+ },
2244
+ {
2245
+ "epoch": 0.66,
2246
+ "grad_norm": 0.9404420852661133,
2247
+ "learning_rate": 0.00001716766379687728,
2248
+ "loss": 0.2766,
2249
+ "step": 32000
2250
+ },
2251
+ {
2252
+ "epoch": 0.66,
2253
+ "grad_norm": 0.8590795993804932,
2254
+ "learning_rate": 0.00001706343415813721,
2255
+ "loss": 0.2768,
2256
+ "step": 32100
2257
+ },
2258
+ {
2259
+ "epoch": 0.66,
2260
+ "grad_norm": 1.1562901735305786,
2261
+ "learning_rate": 0.000016959204519397137,
2262
+ "loss": 0.2876,
2263
+ "step": 32200
2264
+ },
2265
+ {
2266
+ "epoch": 0.67,
2267
+ "grad_norm": 0.8512832522392273,
2268
+ "learning_rate": 0.000016854974880657065,
2269
+ "loss": 0.2599,
2270
+ "step": 32300
2271
+ },
2272
+ {
2273
+ "epoch": 0.67,
2274
+ "grad_norm": 0.8616644740104675,
2275
+ "learning_rate": 0.000016750745241916992,
2276
+ "loss": 0.2725,
2277
+ "step": 32400
2278
+ },
2279
+ {
2280
+ "epoch": 0.67,
2281
+ "grad_norm": 1.4701212644577026,
2282
+ "learning_rate": 0.00001664651560317692,
2283
+ "loss": 0.2592,
2284
+ "step": 32500
2285
+ },
2286
+ {
2287
+ "epoch": 0.67,
2288
+ "grad_norm": 1.0344711542129517,
2289
+ "learning_rate": 0.000016542285964436848,
2290
+ "loss": 0.2782,
2291
+ "step": 32600
2292
+ },
2293
+ {
2294
+ "epoch": 0.67,
2295
+ "grad_norm": 0.9090347290039062,
2296
+ "learning_rate": 0.000016438056325696776,
2297
+ "loss": 0.2683,
2298
+ "step": 32700
2299
+ },
2300
+ {
2301
+ "epoch": 0.68,
2302
+ "grad_norm": 0.9814984798431396,
2303
+ "learning_rate": 0.000016333826686956704,
2304
+ "loss": 0.2692,
2305
+ "step": 32800
2306
+ },
2307
+ {
2308
+ "epoch": 0.68,
2309
+ "grad_norm": 0.8351295590400696,
2310
+ "learning_rate": 0.000016229597048216632,
2311
+ "loss": 0.2707,
2312
+ "step": 32900
2313
+ },
2314
+ {
2315
+ "epoch": 0.68,
2316
+ "grad_norm": 0.8099172115325928,
2317
+ "learning_rate": 0.00001612536740947656,
2318
+ "loss": 0.2737,
2319
+ "step": 33000
2320
+ },
2321
+ {
2322
+ "epoch": 0.68,
2323
+ "grad_norm": 0.8135939240455627,
2324
+ "learning_rate": 0.000016021137770736488,
2325
+ "loss": 0.2641,
2326
+ "step": 33100
2327
+ },
2328
+ {
2329
+ "epoch": 0.68,
2330
+ "grad_norm": 1.0211602449417114,
2331
+ "learning_rate": 0.000015916908131996416,
2332
+ "loss": 0.2719,
2333
+ "step": 33200
2334
+ },
2335
+ {
2336
+ "epoch": 0.69,
2337
+ "grad_norm": 1.499255657196045,
2338
+ "learning_rate": 0.000015812678493256344,
2339
+ "loss": 0.2774,
2340
+ "step": 33300
2341
+ },
2342
+ {
2343
+ "epoch": 0.69,
2344
+ "grad_norm": 1.062286376953125,
2345
+ "learning_rate": 0.00001570844885451627,
2346
+ "loss": 0.2631,
2347
+ "step": 33400
2348
+ },
2349
+ {
2350
+ "epoch": 0.69,
2351
+ "grad_norm": 0.7480090260505676,
2352
+ "learning_rate": 0.0000156042192157762,
2353
+ "loss": 0.2697,
2354
+ "step": 33500
2355
+ },
2356
+ {
2357
+ "epoch": 0.69,
2358
+ "grad_norm": 0.8319742679595947,
2359
+ "learning_rate": 0.000015499989577036127,
2360
+ "loss": 0.286,
2361
+ "step": 33600
2362
+ },
2363
+ {
2364
+ "epoch": 0.7,
2365
+ "grad_norm": 1.1275886297225952,
2366
+ "learning_rate": 0.000015395759938296052,
2367
+ "loss": 0.2855,
2368
+ "step": 33700
2369
+ },
2370
+ {
2371
+ "epoch": 0.7,
2372
+ "grad_norm": 0.9062207937240601,
2373
+ "learning_rate": 0.00001529153029955598,
2374
+ "loss": 0.268,
2375
+ "step": 33800
2376
+ },
2377
+ {
2378
+ "epoch": 0.7,
2379
+ "grad_norm": 0.8947410583496094,
2380
+ "learning_rate": 0.00001518730066081591,
2381
+ "loss": 0.2679,
2382
+ "step": 33900
2383
+ },
2384
+ {
2385
+ "epoch": 0.7,
2386
+ "grad_norm": 1.0549769401550293,
2387
+ "learning_rate": 0.000015083071022075837,
2388
+ "loss": 0.2691,
2389
+ "step": 34000
2390
+ },
2391
+ {
2392
+ "epoch": 0.7,
2393
+ "grad_norm": 0.8998539447784424,
2394
+ "learning_rate": 0.000014978841383335765,
2395
+ "loss": 0.2688,
2396
+ "step": 34100
2397
+ },
2398
+ {
2399
+ "epoch": 0.71,
2400
+ "grad_norm": 0.6037629246711731,
2401
+ "learning_rate": 0.000014874611744595693,
2402
+ "loss": 0.267,
2403
+ "step": 34200
2404
+ },
2405
+ {
2406
+ "epoch": 0.71,
2407
+ "grad_norm": 0.92879718542099,
2408
+ "learning_rate": 0.000014770382105855621,
2409
+ "loss": 0.2667,
2410
+ "step": 34300
2411
+ },
2412
+ {
2413
+ "epoch": 0.71,
2414
+ "grad_norm": 1.562403678894043,
2415
+ "learning_rate": 0.000014666152467115549,
2416
+ "loss": 0.2812,
2417
+ "step": 34400
2418
+ },
2419
+ {
2420
+ "epoch": 0.71,
2421
+ "grad_norm": 1.0794057846069336,
2422
+ "learning_rate": 0.000014561922828375477,
2423
+ "loss": 0.2691,
2424
+ "step": 34500
2425
+ },
2426
+ {
2427
+ "epoch": 0.71,
2428
+ "grad_norm": 1.1239275932312012,
2429
+ "learning_rate": 0.000014457693189635405,
2430
+ "loss": 0.2626,
2431
+ "step": 34600
2432
+ },
2433
+ {
2434
+ "epoch": 0.72,
2435
+ "grad_norm": 1.2695655822753906,
2436
+ "learning_rate": 0.000014353463550895332,
2437
+ "loss": 0.2679,
2438
+ "step": 34700
2439
+ },
2440
+ {
2441
+ "epoch": 0.72,
2442
+ "grad_norm": 0.9684453010559082,
2443
+ "learning_rate": 0.00001424923391215526,
2444
+ "loss": 0.2689,
2445
+ "step": 34800
2446
+ },
2447
+ {
2448
+ "epoch": 0.72,
2449
+ "grad_norm": 0.8536735773086548,
2450
+ "learning_rate": 0.000014145004273415188,
2451
+ "loss": 0.2505,
2452
+ "step": 34900
2453
+ },
2454
+ {
2455
+ "epoch": 0.72,
2456
+ "grad_norm": 0.8420373797416687,
2457
+ "learning_rate": 0.000014040774634675116,
2458
+ "loss": 0.2808,
2459
+ "step": 35000
2460
+ },
2461
+ {
2462
+ "epoch": 0.72,
2463
+ "grad_norm": 1.7913522720336914,
2464
+ "learning_rate": 0.000013936544995935044,
2465
+ "loss": 0.2713,
2466
+ "step": 35100
2467
+ },
2468
+ {
2469
+ "epoch": 0.73,
2470
+ "grad_norm": 0.9944103360176086,
2471
+ "learning_rate": 0.000013832315357194972,
2472
+ "loss": 0.2767,
2473
+ "step": 35200
2474
+ },
2475
+ {
2476
+ "epoch": 0.73,
2477
+ "grad_norm": 0.647555947303772,
2478
+ "learning_rate": 0.0000137280857184549,
2479
+ "loss": 0.2637,
2480
+ "step": 35300
2481
+ },
2482
+ {
2483
+ "epoch": 0.73,
2484
+ "grad_norm": 0.6362162828445435,
2485
+ "learning_rate": 0.000013623856079714828,
2486
+ "loss": 0.2626,
2487
+ "step": 35400
2488
+ },
2489
+ {
2490
+ "epoch": 0.73,
2491
+ "grad_norm": 0.8359599113464355,
2492
+ "learning_rate": 0.000013519626440974756,
2493
+ "loss": 0.2819,
2494
+ "step": 35500
2495
+ },
2496
+ {
2497
+ "epoch": 0.73,
2498
+ "grad_norm": 0.8736098408699036,
2499
+ "learning_rate": 0.000013415396802234684,
2500
+ "loss": 0.2699,
2501
+ "step": 35600
2502
+ },
2503
+ {
2504
+ "epoch": 0.74,
2505
+ "grad_norm": 0.8288611173629761,
2506
+ "learning_rate": 0.000013311167163494611,
2507
+ "loss": 0.2621,
2508
+ "step": 35700
2509
+ },
2510
+ {
2511
+ "epoch": 0.74,
2512
+ "grad_norm": 0.7499838471412659,
2513
+ "learning_rate": 0.00001320693752475454,
2514
+ "loss": 0.2692,
2515
+ "step": 35800
2516
+ },
2517
+ {
2518
+ "epoch": 0.74,
2519
+ "grad_norm": 1.0514994859695435,
2520
+ "learning_rate": 0.000013102707886014467,
2521
+ "loss": 0.2712,
2522
+ "step": 35900
2523
+ },
2524
+ {
2525
+ "epoch": 0.74,
2526
+ "grad_norm": 0.8135703206062317,
2527
+ "learning_rate": 0.000012998478247274395,
2528
+ "loss": 0.267,
2529
+ "step": 36000
2530
+ },
2531
+ {
2532
+ "epoch": 0.74,
2533
+ "grad_norm": 0.780437707901001,
2534
+ "learning_rate": 0.000012894248608534323,
2535
+ "loss": 0.2578,
2536
+ "step": 36100
2537
+ },
2538
+ {
2539
+ "epoch": 0.75,
2540
+ "grad_norm": 1.0182126760482788,
2541
+ "learning_rate": 0.000012790018969794251,
2542
+ "loss": 0.2848,
2543
+ "step": 36200
2544
+ },
2545
+ {
2546
+ "epoch": 0.75,
2547
+ "grad_norm": 0.9728681445121765,
2548
+ "learning_rate": 0.000012685789331054179,
2549
+ "loss": 0.2772,
2550
+ "step": 36300
2551
+ },
2552
+ {
2553
+ "epoch": 0.75,
2554
+ "grad_norm": 0.7952257394790649,
2555
+ "learning_rate": 0.000012581559692314107,
2556
+ "loss": 0.261,
2557
+ "step": 36400
2558
+ },
2559
+ {
2560
+ "epoch": 0.75,
2561
+ "grad_norm": 0.7164922952651978,
2562
+ "learning_rate": 0.000012477330053574035,
2563
+ "loss": 0.2403,
2564
+ "step": 36500
2565
+ },
2566
+ {
2567
+ "epoch": 0.76,
2568
+ "grad_norm": 0.6388373970985413,
2569
+ "learning_rate": 0.000012373100414833963,
2570
+ "loss": 0.2705,
2571
+ "step": 36600
2572
+ },
2573
+ {
2574
+ "epoch": 0.76,
2575
+ "grad_norm": 1.4427376985549927,
2576
+ "learning_rate": 0.00001226887077609389,
2577
+ "loss": 0.277,
2578
+ "step": 36700
2579
+ },
2580
+ {
2581
+ "epoch": 0.76,
2582
+ "grad_norm": 0.9559366106987,
2583
+ "learning_rate": 0.000012164641137353818,
2584
+ "loss": 0.2784,
2585
+ "step": 36800
2586
+ },
2587
+ {
2588
+ "epoch": 0.76,
2589
+ "grad_norm": 0.8561313152313232,
2590
+ "learning_rate": 0.000012060411498613746,
2591
+ "loss": 0.272,
2592
+ "step": 36900
2593
+ },
2594
+ {
2595
+ "epoch": 0.76,
2596
+ "grad_norm": 0.9756980538368225,
2597
+ "learning_rate": 0.000011956181859873674,
2598
+ "loss": 0.2644,
2599
+ "step": 37000
2600
+ },
2601
+ {
2602
+ "epoch": 0.77,
2603
+ "grad_norm": 1.350045919418335,
2604
+ "learning_rate": 0.000011851952221133602,
2605
+ "loss": 0.2726,
2606
+ "step": 37100
2607
+ },
2608
+ {
2609
+ "epoch": 0.77,
2610
+ "grad_norm": 1.2612251043319702,
2611
+ "learning_rate": 0.00001174772258239353,
2612
+ "loss": 0.2696,
2613
+ "step": 37200
2614
+ },
2615
+ {
2616
+ "epoch": 0.77,
2617
+ "grad_norm": 0.9203113913536072,
2618
+ "learning_rate": 0.000011643492943653458,
2619
+ "loss": 0.2721,
2620
+ "step": 37300
2621
+ },
2622
+ {
2623
+ "epoch": 0.77,
2624
+ "grad_norm": 1.0679327249526978,
2625
+ "learning_rate": 0.000011539263304913386,
2626
+ "loss": 0.2738,
2627
+ "step": 37400
2628
+ },
2629
+ {
2630
+ "epoch": 0.77,
2631
+ "grad_norm": 0.7020294070243835,
2632
+ "learning_rate": 0.000011435033666173314,
2633
+ "loss": 0.2806,
2634
+ "step": 37500
2635
+ },
2636
+ {
2637
+ "epoch": 0.78,
2638
+ "grad_norm": 0.9969758987426758,
2639
+ "learning_rate": 0.000011330804027433242,
2640
+ "loss": 0.2556,
2641
+ "step": 37600
2642
+ },
2643
+ {
2644
+ "epoch": 0.78,
2645
+ "grad_norm": 0.7139135003089905,
2646
+ "learning_rate": 0.00001122657438869317,
2647
+ "loss": 0.2739,
2648
+ "step": 37700
2649
+ },
2650
+ {
2651
+ "epoch": 0.78,
2652
+ "grad_norm": 1.3120732307434082,
2653
+ "learning_rate": 0.000011122344749953097,
2654
+ "loss": 0.2774,
2655
+ "step": 37800
2656
+ },
2657
+ {
2658
+ "epoch": 0.78,
2659
+ "grad_norm": 0.9226138591766357,
2660
+ "learning_rate": 0.000011018115111213025,
2661
+ "loss": 0.2414,
2662
+ "step": 37900
2663
+ },
2664
+ {
2665
+ "epoch": 0.78,
2666
+ "grad_norm": 1.024018406867981,
2667
+ "learning_rate": 0.000010913885472472953,
2668
+ "loss": 0.2453,
2669
+ "step": 38000
2670
+ },
2671
+ {
2672
+ "epoch": 0.79,
2673
+ "grad_norm": 0.7024143934249878,
2674
+ "learning_rate": 0.000010809655833732881,
2675
+ "loss": 0.2681,
2676
+ "step": 38100
2677
+ },
2678
+ {
2679
+ "epoch": 0.79,
2680
+ "grad_norm": 1.008748173713684,
2681
+ "learning_rate": 0.000010705426194992809,
2682
+ "loss": 0.2656,
2683
+ "step": 38200
2684
+ },
2685
+ {
2686
+ "epoch": 0.79,
2687
+ "grad_norm": 0.8661462068557739,
2688
+ "learning_rate": 0.000010601196556252737,
2689
+ "loss": 0.2679,
2690
+ "step": 38300
2691
+ },
2692
+ {
2693
+ "epoch": 0.79,
2694
+ "grad_norm": 0.9956786632537842,
2695
+ "learning_rate": 0.000010496966917512665,
2696
+ "loss": 0.2622,
2697
+ "step": 38400
2698
+ },
2699
+ {
2700
+ "epoch": 0.79,
2701
+ "grad_norm": 1.3166755437850952,
2702
+ "learning_rate": 0.000010392737278772593,
2703
+ "loss": 0.2595,
2704
+ "step": 38500
2705
+ },
2706
+ {
2707
+ "epoch": 0.8,
2708
+ "grad_norm": 1.0491749048233032,
2709
+ "learning_rate": 0.00001028850764003252,
2710
+ "loss": 0.2682,
2711
+ "step": 38600
2712
+ },
2713
+ {
2714
+ "epoch": 0.8,
2715
+ "grad_norm": 1.0107011795043945,
2716
+ "learning_rate": 0.000010184278001292448,
2717
+ "loss": 0.2544,
2718
+ "step": 38700
2719
+ },
2720
+ {
2721
+ "epoch": 0.8,
2722
+ "grad_norm": 1.0187588930130005,
2723
+ "learning_rate": 0.000010080048362552376,
2724
+ "loss": 0.2611,
2725
+ "step": 38800
2726
+ },
2727
+ {
2728
+ "epoch": 0.8,
2729
+ "grad_norm": 0.8718214631080627,
2730
+ "learning_rate": 0.000009975818723812304,
2731
+ "loss": 0.2567,
2732
+ "step": 38900
2733
+ },
2734
+ {
2735
+ "epoch": 0.8,
2736
+ "grad_norm": 0.7450688481330872,
2737
+ "learning_rate": 0.000009871589085072232,
2738
+ "loss": 0.2642,
2739
+ "step": 39000
2740
+ },
2741
+ {
2742
+ "epoch": 0.81,
2743
+ "grad_norm": 1.0107316970825195,
2744
+ "learning_rate": 0.00000976735944633216,
2745
+ "loss": 0.2613,
2746
+ "step": 39100
2747
+ },
2748
+ {
2749
+ "epoch": 0.81,
2750
+ "grad_norm": 0.8210121393203735,
2751
+ "learning_rate": 0.000009663129807592088,
2752
+ "loss": 0.2768,
2753
+ "step": 39200
2754
+ },
2755
+ {
2756
+ "epoch": 0.81,
2757
+ "grad_norm": 0.8526451587677002,
2758
+ "learning_rate": 0.000009558900168852016,
2759
+ "loss": 0.2473,
2760
+ "step": 39300
2761
+ },
2762
+ {
2763
+ "epoch": 0.81,
2764
+ "grad_norm": 0.7720713019371033,
2765
+ "learning_rate": 0.000009454670530111944,
2766
+ "loss": 0.2715,
2767
+ "step": 39400
2768
+ },
2769
+ {
2770
+ "epoch": 0.81,
2771
+ "grad_norm": 0.8657224774360657,
2772
+ "learning_rate": 0.000009350440891371872,
2773
+ "loss": 0.2612,
2774
+ "step": 39500
2775
+ },
2776
+ {
2777
+ "epoch": 0.82,
2778
+ "grad_norm": 0.9144985675811768,
2779
+ "learning_rate": 0.0000092462112526318,
2780
+ "loss": 0.2648,
2781
+ "step": 39600
2782
+ },
2783
+ {
2784
+ "epoch": 0.82,
2785
+ "grad_norm": 1.0658880472183228,
2786
+ "learning_rate": 0.000009141981613891727,
2787
+ "loss": 0.2661,
2788
+ "step": 39700
2789
+ },
2790
+ {
2791
+ "epoch": 0.82,
2792
+ "grad_norm": 0.9904933571815491,
2793
+ "learning_rate": 0.000009037751975151655,
2794
+ "loss": 0.2513,
2795
+ "step": 39800
2796
+ },
2797
+ {
2798
+ "epoch": 0.82,
2799
+ "grad_norm": 0.9688336253166199,
2800
+ "learning_rate": 0.000008933522336411583,
2801
+ "loss": 0.2622,
2802
+ "step": 39900
2803
+ },
2804
+ {
2805
+ "epoch": 0.83,
2806
+ "grad_norm": 0.6780712604522705,
2807
+ "learning_rate": 0.000008829292697671511,
2808
+ "loss": 0.2665,
2809
+ "step": 40000
2810
+ },
2811
+ {
2812
+ "epoch": 0.83,
2813
+ "grad_norm": 0.9881765246391296,
2814
+ "learning_rate": 0.000008725063058931437,
2815
+ "loss": 0.2486,
2816
+ "step": 40100
2817
+ },
2818
+ {
2819
+ "epoch": 0.83,
2820
+ "grad_norm": 0.9511051774024963,
2821
+ "learning_rate": 0.000008620833420191365,
2822
+ "loss": 0.2655,
2823
+ "step": 40200
2824
+ },
2825
+ {
2826
+ "epoch": 0.83,
2827
+ "grad_norm": 0.8047460317611694,
2828
+ "learning_rate": 0.000008516603781451293,
2829
+ "loss": 0.262,
2830
+ "step": 40300
2831
+ },
2832
+ {
2833
+ "epoch": 0.83,
2834
+ "grad_norm": 1.0902456045150757,
2835
+ "learning_rate": 0.000008412374142711221,
2836
+ "loss": 0.2681,
2837
+ "step": 40400
2838
+ },
2839
+ {
2840
+ "epoch": 0.84,
2841
+ "grad_norm": 0.9015824794769287,
2842
+ "learning_rate": 0.000008308144503971149,
2843
+ "loss": 0.2689,
2844
+ "step": 40500
2845
+ },
2846
+ {
2847
+ "epoch": 0.84,
2848
+ "grad_norm": 0.9453705549240112,
2849
+ "learning_rate": 0.000008203914865231077,
2850
+ "loss": 0.2693,
2851
+ "step": 40600
2852
+ },
2853
+ {
2854
+ "epoch": 0.84,
2855
+ "grad_norm": 0.8557701706886292,
2856
+ "learning_rate": 0.000008099685226491005,
2857
+ "loss": 0.2753,
2858
+ "step": 40700
2859
+ },
2860
+ {
2861
+ "epoch": 0.84,
2862
+ "grad_norm": 1.022003173828125,
2863
+ "learning_rate": 0.000007995455587750933,
2864
+ "loss": 0.2646,
2865
+ "step": 40800
2866
+ },
2867
+ {
2868
+ "epoch": 0.84,
2869
+ "grad_norm": 0.9399078488349915,
2870
+ "learning_rate": 0.00000789122594901086,
2871
+ "loss": 0.2671,
2872
+ "step": 40900
2873
+ },
2874
+ {
2875
+ "epoch": 0.85,
2876
+ "grad_norm": 1.1249728202819824,
2877
+ "learning_rate": 0.000007786996310270788,
2878
+ "loss": 0.2655,
2879
+ "step": 41000
2880
+ },
2881
+ {
2882
+ "epoch": 0.85,
2883
+ "grad_norm": 1.2603721618652344,
2884
+ "learning_rate": 0.000007682766671530716,
2885
+ "loss": 0.262,
2886
+ "step": 41100
2887
+ },
2888
+ {
2889
+ "epoch": 0.85,
2890
+ "grad_norm": 0.6507100462913513,
2891
+ "learning_rate": 0.000007578537032790644,
2892
+ "loss": 0.2648,
2893
+ "step": 41200
2894
+ },
2895
+ {
2896
+ "epoch": 0.85,
2897
+ "grad_norm": 1.0216801166534424,
2898
+ "learning_rate": 0.000007474307394050572,
2899
+ "loss": 0.2727,
2900
+ "step": 41300
2901
+ },
2902
+ {
2903
+ "epoch": 0.85,
2904
+ "grad_norm": 0.8479890823364258,
2905
+ "learning_rate": 0.0000073700777553105,
2906
+ "loss": 0.2644,
2907
+ "step": 41400
2908
+ },
2909
+ {
2910
+ "epoch": 0.86,
2911
+ "grad_norm": 0.953072726726532,
2912
+ "learning_rate": 0.000007265848116570428,
2913
+ "loss": 0.2601,
2914
+ "step": 41500
2915
+ },
2916
+ {
2917
+ "epoch": 0.86,
2918
+ "grad_norm": 0.7130771279335022,
2919
+ "learning_rate": 0.000007161618477830357,
2920
+ "loss": 0.2634,
2921
+ "step": 41600
2922
+ },
2923
+ {
2924
+ "epoch": 0.86,
2925
+ "grad_norm": 1.1879602670669556,
2926
+ "learning_rate": 0.000007057388839090285,
2927
+ "loss": 0.2588,
2928
+ "step": 41700
2929
+ },
2930
+ {
2931
+ "epoch": 0.86,
2932
+ "grad_norm": 0.9556657075881958,
2933
+ "learning_rate": 0.0000069531592003502125,
2934
+ "loss": 0.2673,
2935
+ "step": 41800
2936
+ },
2937
+ {
2938
+ "epoch": 0.86,
2939
+ "grad_norm": 1.1229112148284912,
2940
+ "learning_rate": 0.0000068489295616101404,
2941
+ "loss": 0.264,
2942
+ "step": 41900
2943
+ },
2944
+ {
2945
+ "epoch": 0.87,
2946
+ "grad_norm": 1.2128034830093384,
2947
+ "learning_rate": 0.000006744699922870068,
2948
+ "loss": 0.2626,
2949
+ "step": 42000
2950
+ },
2951
+ {
2952
+ "epoch": 0.87,
2953
+ "grad_norm": 0.9225343465805054,
2954
+ "learning_rate": 0.000006640470284129996,
2955
+ "loss": 0.2713,
2956
+ "step": 42100
2957
+ },
2958
+ {
2959
+ "epoch": 0.87,
2960
+ "grad_norm": 1.0495810508728027,
2961
+ "learning_rate": 0.000006536240645389924,
2962
+ "loss": 0.2739,
2963
+ "step": 42200
2964
+ },
2965
+ {
2966
+ "epoch": 0.87,
2967
+ "grad_norm": 0.5960795879364014,
2968
+ "learning_rate": 0.000006432011006649852,
2969
+ "loss": 0.2629,
2970
+ "step": 42300
2971
+ },
2972
+ {
2973
+ "epoch": 0.87,
2974
+ "grad_norm": 0.653361439704895,
2975
+ "learning_rate": 0.00000632778136790978,
2976
+ "loss": 0.2585,
2977
+ "step": 42400
2978
+ },
2979
+ {
2980
+ "epoch": 0.88,
2981
+ "grad_norm": 0.8684765100479126,
2982
+ "learning_rate": 0.000006223551729169707,
2983
+ "loss": 0.2426,
2984
+ "step": 42500
2985
+ },
2986
+ {
2987
+ "epoch": 0.88,
2988
+ "grad_norm": 0.5730326771736145,
2989
+ "learning_rate": 0.000006119322090429635,
2990
+ "loss": 0.2537,
2991
+ "step": 42600
2992
+ },
2993
+ {
2994
+ "epoch": 0.88,
2995
+ "grad_norm": 0.8172651529312134,
2996
+ "learning_rate": 0.000006015092451689563,
2997
+ "loss": 0.2553,
2998
+ "step": 42700
2999
+ },
3000
+ {
3001
+ "epoch": 0.88,
3002
+ "grad_norm": 0.9099143147468567,
3003
+ "learning_rate": 0.000005910862812949491,
3004
+ "loss": 0.2569,
3005
+ "step": 42800
3006
+ },
3007
+ {
3008
+ "epoch": 0.89,
3009
+ "grad_norm": 0.9645257592201233,
3010
+ "learning_rate": 0.000005806633174209419,
3011
+ "loss": 0.2689,
3012
+ "step": 42900
3013
+ },
3014
+ {
3015
+ "epoch": 0.89,
3016
+ "grad_norm": 0.6569193005561829,
3017
+ "learning_rate": 0.0000057024035354693465,
3018
+ "loss": 0.2662,
3019
+ "step": 43000
3020
+ },
3021
+ {
3022
+ "epoch": 0.89,
3023
+ "grad_norm": 1.2637701034545898,
3024
+ "learning_rate": 0.000005598173896729274,
3025
+ "loss": 0.2874,
3026
+ "step": 43100
3027
+ },
3028
+ {
3029
+ "epoch": 0.89,
3030
+ "grad_norm": 1.0651448965072632,
3031
+ "learning_rate": 0.000005493944257989202,
3032
+ "loss": 0.255,
3033
+ "step": 43200
3034
+ },
3035
+ {
3036
+ "epoch": 0.89,
3037
+ "grad_norm": 1.1091278791427612,
3038
+ "learning_rate": 0.000005389714619249129,
3039
+ "loss": 0.283,
3040
+ "step": 43300
3041
+ },
3042
+ {
3043
+ "epoch": 0.9,
3044
+ "grad_norm": 0.9137535095214844,
3045
+ "learning_rate": 0.000005285484980509057,
3046
+ "loss": 0.2674,
3047
+ "step": 43400
3048
+ },
3049
+ {
3050
+ "epoch": 0.9,
3051
+ "grad_norm": 0.8751276731491089,
3052
+ "learning_rate": 0.000005181255341768985,
3053
+ "loss": 0.2638,
3054
+ "step": 43500
3055
+ },
3056
+ {
3057
+ "epoch": 0.9,
3058
+ "grad_norm": 0.9242710471153259,
3059
+ "learning_rate": 0.000005077025703028913,
3060
+ "loss": 0.2582,
3061
+ "step": 43600
3062
+ },
3063
+ {
3064
+ "epoch": 0.9,
3065
+ "grad_norm": 0.7860730886459351,
3066
+ "learning_rate": 0.000004972796064288841,
3067
+ "loss": 0.2557,
3068
+ "step": 43700
3069
+ },
3070
+ {
3071
+ "epoch": 0.9,
3072
+ "grad_norm": 0.9240506291389465,
3073
+ "learning_rate": 0.000004868566425548769,
3074
+ "loss": 0.2591,
3075
+ "step": 43800
3076
+ },
3077
+ {
3078
+ "epoch": 0.91,
3079
+ "grad_norm": 1.0865675210952759,
3080
+ "learning_rate": 0.000004764336786808697,
3081
+ "loss": 0.2511,
3082
+ "step": 43900
3083
+ },
3084
+ {
3085
+ "epoch": 0.91,
3086
+ "grad_norm": 1.0534336566925049,
3087
+ "learning_rate": 0.0000046601071480686255,
3088
+ "loss": 0.2651,
3089
+ "step": 44000
3090
+ },
3091
+ {
3092
+ "epoch": 0.91,
3093
+ "grad_norm": 0.9301556348800659,
3094
+ "learning_rate": 0.000004555877509328553,
3095
+ "loss": 0.2414,
3096
+ "step": 44100
3097
+ },
3098
+ {
3099
+ "epoch": 0.91,
3100
+ "grad_norm": 0.9242545366287231,
3101
+ "learning_rate": 0.000004451647870588481,
3102
+ "loss": 0.2636,
3103
+ "step": 44200
3104
+ },
3105
+ {
3106
+ "epoch": 0.91,
3107
+ "grad_norm": 0.7292113304138184,
3108
+ "learning_rate": 0.000004347418231848409,
3109
+ "loss": 0.2672,
3110
+ "step": 44300
3111
+ },
3112
+ {
3113
+ "epoch": 0.92,
3114
+ "grad_norm": 1.2003198862075806,
3115
+ "learning_rate": 0.000004243188593108337,
3116
+ "loss": 0.2661,
3117
+ "step": 44400
3118
+ },
3119
+ {
3120
+ "epoch": 0.92,
3121
+ "grad_norm": 0.9352708458900452,
3122
+ "learning_rate": 0.000004138958954368265,
3123
+ "loss": 0.275,
3124
+ "step": 44500
3125
+ },
3126
+ {
3127
+ "epoch": 0.92,
3128
+ "grad_norm": 0.7767049074172974,
3129
+ "learning_rate": 0.000004034729315628192,
3130
+ "loss": 0.2709,
3131
+ "step": 44600
3132
+ },
3133
+ {
3134
+ "epoch": 0.92,
3135
+ "grad_norm": 0.8384830355644226,
3136
+ "learning_rate": 0.00000393049967688812,
3137
+ "loss": 0.2655,
3138
+ "step": 44700
3139
+ },
3140
+ {
3141
+ "epoch": 0.92,
3142
+ "grad_norm": 0.9187309145927429,
3143
+ "learning_rate": 0.000003826270038148048,
3144
+ "loss": 0.2609,
3145
+ "step": 44800
3146
+ },
3147
+ {
3148
+ "epoch": 0.93,
3149
+ "grad_norm": 0.8865881562232971,
3150
+ "learning_rate": 0.0000037220403994079758,
3151
+ "loss": 0.2677,
3152
+ "step": 44900
3153
+ },
3154
+ {
3155
+ "epoch": 0.93,
3156
+ "grad_norm": 1.0104628801345825,
3157
+ "learning_rate": 0.0000036178107606679037,
3158
+ "loss": 0.2649,
3159
+ "step": 45000
3160
+ },
3161
+ {
3162
+ "epoch": 0.93,
3163
+ "grad_norm": 0.8638792634010315,
3164
+ "learning_rate": 0.0000035135811219278316,
3165
+ "loss": 0.2694,
3166
+ "step": 45100
3167
+ },
3168
+ {
3169
+ "epoch": 0.93,
3170
+ "grad_norm": 1.0379241704940796,
3171
+ "learning_rate": 0.0000034093514831877595,
3172
+ "loss": 0.2489,
3173
+ "step": 45200
3174
+ },
3175
+ {
3176
+ "epoch": 0.93,
3177
+ "grad_norm": 1.123955488204956,
3178
+ "learning_rate": 0.0000033051218444476874,
3179
+ "loss": 0.2576,
3180
+ "step": 45300
3181
+ },
3182
+ {
3183
+ "epoch": 0.94,
3184
+ "grad_norm": 1.1420966386795044,
3185
+ "learning_rate": 0.0000032008922057076153,
3186
+ "loss": 0.2706,
3187
+ "step": 45400
3188
+ },
3189
+ {
3190
+ "epoch": 0.94,
3191
+ "grad_norm": 1.0519020557403564,
3192
+ "learning_rate": 0.0000030966625669675427,
3193
+ "loss": 0.2616,
3194
+ "step": 45500
3195
+ },
3196
+ {
3197
+ "epoch": 0.94,
3198
+ "grad_norm": 1.040588140487671,
3199
+ "learning_rate": 0.0000029924329282274706,
3200
+ "loss": 0.2546,
3201
+ "step": 45600
3202
+ },
3203
+ {
3204
+ "epoch": 0.94,
3205
+ "grad_norm": 0.8306300640106201,
3206
+ "learning_rate": 0.0000028882032894873985,
3207
+ "loss": 0.2683,
3208
+ "step": 45700
3209
+ },
3210
+ {
3211
+ "epoch": 0.94,
3212
+ "grad_norm": 0.6718655228614807,
3213
+ "learning_rate": 0.0000027839736507473264,
3214
+ "loss": 0.2483,
3215
+ "step": 45800
3216
+ },
3217
+ {
3218
+ "epoch": 0.95,
3219
+ "grad_norm": 0.8920142650604248,
3220
+ "learning_rate": 0.0000026797440120072548,
3221
+ "loss": 0.2612,
3222
+ "step": 45900
3223
+ },
3224
+ {
3225
+ "epoch": 0.95,
3226
+ "grad_norm": 1.09241783618927,
3227
+ "learning_rate": 0.0000025755143732671827,
3228
+ "loss": 0.2483,
3229
+ "step": 46000
3230
+ },
3231
+ {
3232
+ "epoch": 0.95,
3233
+ "grad_norm": 0.9406448602676392,
3234
+ "learning_rate": 0.0000024712847345271106,
3235
+ "loss": 0.2639,
3236
+ "step": 46100
3237
+ },
3238
+ {
3239
+ "epoch": 0.95,
3240
+ "grad_norm": 0.9145969748497009,
3241
+ "learning_rate": 0.000002367055095787038,
3242
+ "loss": 0.2493,
3243
+ "step": 46200
3244
+ },
3245
+ {
3246
+ "epoch": 0.96,
3247
+ "grad_norm": 0.722114086151123,
3248
+ "learning_rate": 0.000002262825457046966,
3249
+ "loss": 0.266,
3250
+ "step": 46300
3251
+ },
3252
+ {
3253
+ "epoch": 0.96,
3254
+ "grad_norm": 0.7077659964561462,
3255
+ "learning_rate": 0.000002158595818306894,
3256
+ "loss": 0.2712,
3257
+ "step": 46400
3258
+ },
3259
+ {
3260
+ "epoch": 0.96,
3261
+ "grad_norm": 0.7417329549789429,
3262
+ "learning_rate": 0.0000020543661795668217,
3263
+ "loss": 0.2435,
3264
+ "step": 46500
3265
+ },
3266
+ {
3267
+ "epoch": 0.96,
3268
+ "grad_norm": 0.8229231238365173,
3269
+ "learning_rate": 0.0000019501365408267496,
3270
+ "loss": 0.2647,
3271
+ "step": 46600
3272
+ },
3273
+ {
3274
+ "epoch": 0.96,
3275
+ "grad_norm": 0.49395614862442017,
3276
+ "learning_rate": 0.0000018459069020866775,
3277
+ "loss": 0.2508,
3278
+ "step": 46700
3279
+ },
3280
+ {
3281
+ "epoch": 0.97,
3282
+ "grad_norm": 1.0020008087158203,
3283
+ "learning_rate": 0.0000017416772633466052,
3284
+ "loss": 0.2505,
3285
+ "step": 46800
3286
+ },
3287
+ {
3288
+ "epoch": 0.97,
3289
+ "grad_norm": 0.8525140881538391,
3290
+ "learning_rate": 0.0000016374476246065331,
3291
+ "loss": 0.2518,
3292
+ "step": 46900
3293
+ },
3294
+ {
3295
+ "epoch": 0.97,
3296
+ "grad_norm": 0.8383646011352539,
3297
+ "learning_rate": 0.000001533217985866461,
3298
+ "loss": 0.2768,
3299
+ "step": 47000
3300
+ },
3301
+ {
3302
+ "epoch": 0.97,
3303
+ "grad_norm": 0.586855947971344,
3304
+ "learning_rate": 0.000001428988347126389,
3305
+ "loss": 0.2379,
3306
+ "step": 47100
3307
+ },
3308
+ {
3309
+ "epoch": 0.97,
3310
+ "grad_norm": 0.7666946053504944,
3311
+ "learning_rate": 0.0000013247587083863168,
3312
+ "loss": 0.2501,
3313
+ "step": 47200
3314
+ },
3315
+ {
3316
+ "epoch": 0.98,
3317
+ "grad_norm": 1.0712182521820068,
3318
+ "learning_rate": 0.0000012205290696462445,
3319
+ "loss": 0.2539,
3320
+ "step": 47300
3321
+ },
3322
+ {
3323
+ "epoch": 0.98,
3324
+ "grad_norm": 0.9935363531112671,
3325
+ "learning_rate": 0.0000011162994309061726,
3326
+ "loss": 0.2603,
3327
+ "step": 47400
3328
+ },
3329
+ {
3330
+ "epoch": 0.98,
3331
+ "grad_norm": 0.8433282971382141,
3332
+ "learning_rate": 0.0000010120697921661005,
3333
+ "loss": 0.261,
3334
+ "step": 47500
3335
+ },
3336
+ {
3337
+ "epoch": 0.98,
3338
+ "grad_norm": 0.942387044429779,
3339
+ "learning_rate": 9.078401534260282e-7,
3340
+ "loss": 0.2702,
3341
+ "step": 47600
3342
+ },
3343
+ {
3344
+ "epoch": 0.98,
3345
+ "grad_norm": 1.199331521987915,
3346
+ "learning_rate": 8.036105146859561e-7,
3347
+ "loss": 0.2452,
3348
+ "step": 47700
3349
+ },
3350
+ {
3351
+ "epoch": 0.99,
3352
+ "grad_norm": 0.9567368626594543,
3353
+ "learning_rate": 6.993808759458839e-7,
3354
+ "loss": 0.2691,
3355
+ "step": 47800
3356
+ },
3357
+ {
3358
+ "epoch": 0.99,
3359
+ "grad_norm": 1.0403625965118408,
3360
+ "learning_rate": 5.951512372058119e-7,
3361
+ "loss": 0.2702,
3362
+ "step": 47900
3363
+ },
3364
+ {
3365
+ "epoch": 0.99,
3366
+ "grad_norm": 0.9573351740837097,
3367
+ "learning_rate": 4.909215984657397e-7,
3368
+ "loss": 0.2539,
3369
+ "step": 48000
3370
+ }
3371
+ ],
3372
+ "logging_steps": 100,
3373
+ "max_steps": 48471,
3374
+ "num_input_tokens_seen": 0,
3375
+ "num_train_epochs": 1,
3376
+ "save_steps": 16000,
3377
+ "total_flos": 104021020901376000,
3378
+ "train_batch_size": 4,
3379
+ "trial_name": null,
3380
+ "trial_params": null
3381
+ }
training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:9d53b21a61a3b91d2383fb7034fe689c71b017de8d9c9fd63254e0b967fc9f55
3
+ size 4920