Hugging Face's logo

m3hrdadfi
/
wav2vec2-large-xlsr-persian-v3

Automatic Speech Recognition
Transformers
PyTorch
TensorFlow
Persian
wav2vec2
audio
speech
xlsr-fine-tuning-week
Eval Results
Inference Endpoints
Model card Files Community
2
m3hrdadfi commited on
Commit
02535ad
•
1 Parent(s): 91f828f

Hello Wav2Vec

Browse files
Files changed (15) hide show
  1. README.md +237 -0
  2. config.json +76 -0
  3. dictionary.py +664 -0
  4. normalizer.py +203 -0
  5. predictions.csv +0 -0
  6. preprocessor_config.json +9 -0
  7. pytorch_model.bin +3 -0
  8. sample1.flac +0 -0
  9. sample2978.flac +0 -0
  10. sample5168.flac +0 -0
  11. special_tokens_map.json +1 -0
  12. tf_model.h5 +3 -0
  13. tokenizer_config.json +1 -0
  14. trainer_state.json +3341 -0
  15. vocab.json +1 -0
README.md ADDED
@@ -0,0 +1,237 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ language: fa
3
+ datasets:
4
+ - common_voice
5
+ tags:
6
+ - audio
7
+ - automatic-speech-recognition
8
+ - speech
9
+ - xlsr-fine-tuning-week
10
+ widget:
11
+ - label: Common Voice sample 1
12
+ src: https://huggingface.co/m3hrdadfi/wav2vec2-xlsr-fa/resolve/main/sample1.flac
13
+ - label: Common Voice sample 2978
14
+ src: https://huggingface.co/m3hrdadfi/wav2vec2-xlsr-fa/resolve/main/sample2978.flac
15
+ - label: Common Voice sample 5168
16
+ src: https://huggingface.co/m3hrdadfi/wav2vec2-xlsr-fa/resolve/main/sample5168.flac
17
+ model-index:
18
+ - name: XLSR Wav2Vec2 Persian (Farsi) V3 by Mehrdad Farahani
19
+ results:
20
+ - task:
21
+ name: Speech Recognition
22
+ type: automatic-speech-recognition
23
+ dataset:
24
+ name: Common Voice fa
25
+ type: common_voice
26
+ args: fa
27
+ metrics:
28
+ - name: Test WER
29
+ type: wer
30
+ value: 10.36
31
+
32
+ ---
33
+
34
+ # Wav2Vec2-Large-XLSR-53-Persian V3
35
+
36
+
37
+ ## Usage
38
+ Fine-tuned [facebook/wav2vec2-large-xlsr-53](https://huggingface.co/facebook/wav2vec2-large-xlsr-53) in Persian (Farsi) using [Common Voice](https://huggingface.co/datasets/common_voice). When using this model, make sure that your speech input is sampled at 16kHz.
39
+
40
+
41
+ **Requirements**
42
+ ```bash
43
+ # requirement packages
44
+ !pip install git+https://github.com/huggingface/datasets.git
45
+ !pip install git+https://github.com/huggingface/transformers.git
46
+ !pip install torchaudio
47
+ !pip install librosa
48
+ !pip install jiwer
49
+ !pip install parsivar
50
+ !pip install num2fawords
51
+ ```
52
+
53
+ **Normalizer**
54
+ ```bash
55
+ # Normalizer
56
+ !wget -O normalizer.py https://huggingface.co/m3hrdadfi/"wav2vec2-large-xlsr-persian-v3/raw/main/dictionary.py
57
+ !wget -O normalizer.py https://huggingface.co/m3hrdadfi/"wav2vec2-large-xlsr-persian-v3/raw/main/normalizer.py
58
+ ```
59
+
60
+ **Downloading data**
61
+ ```bash
62
+ wget https://voice-prod-bundler-ee1969a6ce8178826482b88e843c335139bd3fb4.s3.amazonaws.com/cv-corpus-6.1-2020-12-11/fa.tar.gz
63
+
64
+ tar -xzf fa.tar.gz
65
+ rm -rf fa.tar.gz
66
+ ```
67
+
68
+ **Cleaning**
69
+ ```python
70
+ from normalizer import normalizer
71
+
72
+ def cleaning(text):
73
+ if not isinstance(text, str):
74
+ return None
75
+
76
+ return normalizer({"sentence": text}, return_dict=False)
77
+
78
+ data_dir = "/content/cv-corpus-6.1-2020-12-11/fa"
79
+
80
+ test = pd.read_csv(f"{data_dir}/test.tsv", sep="\t")
81
+ test["path"] = data_dir + "/clips/" + test["path"]
82
+ print(f"Step 0: {len(test)}")
83
+
84
+ test["status"] = test["path"].apply(lambda path: True if os.path.exists(path) else None)
85
+ test = test.dropna(subset=["path"])
86
+ test = test.drop("status", 1)
87
+ print(f"Step 1: {len(test)}")
88
+
89
+ test["sentence"] = test["sentence"].apply(lambda t: cleaning(t))
90
+ test = test.dropna(subset=["sentence"])
91
+ print(f"Step 2: {len(test)}")
92
+
93
+ test = test.reset_index(drop=True)
94
+ print(test.head())
95
+
96
+ test = test[["path", "sentence"]]
97
+ test.to_csv("/content/test.csv", sep="\t", encoding="utf-8", index=False)
98
+ ```
99
+
100
+ **Prediction**
101
+ ```python
102
+ import numpy as np
103
+ import pandas as pd
104
+
105
+ import librosa
106
+ import torch
107
+ import torchaudio
108
+ from transformers import Wav2Vec2ForCTC, Wav2Vec2Processor
109
+ from datasets import load_dataset, load_metric
110
+
111
+ import IPython.display as ipd
112
+
113
+ model_name_or_path = "m3hrdadfi/wav2vec2-large-xlsr-persian-v3"
114
+ device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
115
+ print(model_name_or_path, device)
116
+
117
+ processor = Wav2Vec2Processor.from_pretrained(model_name_or_path)
118
+ model = Wav2Vec2ForCTC.from_pretrained(model_name_or_path).to(device)
119
+
120
+
121
+ def speech_file_to_array_fn(batch):
122
+ speech_array, sampling_rate = torchaudio.load(batch["path"])
123
+ speech_array = speech_array.squeeze().numpy()
124
+ speech_array = librosa.resample(np.asarray(speech_array), sampling_rate, processor.feature_extractor.sampling_rate)
125
+
126
+ batch["speech"] = speech_array
127
+ return batch
128
+
129
+
130
+ def predict(batch):
131
+ features = processor(
132
+ batch["speech"],
133
+ sampling_rate=processor.feature_extractor.sampling_rate,
134
+ return_tensors="pt",
135
+ padding=True
136
+ )
137
+
138
+ input_values = features.input_values.to(device)
139
+ attention_mask = features.attention_mask.to(device)
140
+
141
+ with torch.no_grad():
142
+ logits = model(input_values, attention_mask=attention_mask).logits
143
+
144
+ pred_ids = torch.argmax(logits, dim=-1)
145
+
146
+ batch["predicted"] = processor.batch_decode(pred_ids)
147
+ return batch
148
+
149
+
150
+ dataset = load_dataset("csv", data_files={"test": "/content/test.csv"}, delimiter="\t")["test"]
151
+ dataset = dataset.map(speech_file_to_array_fn)
152
+ result = dataset.map(predict, batched=True, batch_size=4)
153
+ ```
154
+
155
+ **WER Score**
156
+ ```python
157
+ wer = load_metric("wer")
158
+ print("WER: {:.2f}".format(100 * wer.compute(predictions=result["predicted"], references=result["sentence"])))
159
+ ```
160
+
161
+ **Output**
162
+ ```python
163
+ max_items = np.random.randint(0, len(result), 20).tolist()
164
+ for i in max_items:
165
+ reference, predicted = result["sentence"][i], result["predicted"][i]
166
+ print("reference:", reference)
167
+ print("predicted:", predicted)
168
+ print('---')
169
+ ```
170
+
171
+ ```text
172
+ reference: ماجرا رو براش تعریف کردم اون گفت مریم اگه میدونی پسر خوبیه خب چه اشکالی داره با‌هاش بیش‌تر اشنا بشو
173
+ predicted: ماجرا رو براش تعریف کردم اون گفت مریم اگه میدونی پسر خوبیه خب چه اشکالی داره با‌هاش بیش‌تر اشنا بشو
174
+ ---
175
+ reference: بیا پایین تو اجازه نداری بری اون بالا
176
+ predicted: بیا پایین تو اجازه نداری بری اون بالا
177
+ ---
178
+ reference: هر روز یک دو مداد کش می رفتتم تااین که تا پایان ترم از تمامی دوستانم مداد برداشته بودم
179
+ predicted: هر روز یک دو مداد کش می رفتم تااین که تا پایین ترم از تمامی دوستان و مداد برداشته بودم
180
+ ---
181
+ reference: فکر میکنی آروم میشینه
182
+ predicted: فکر میکنی آروم میشینه
183
+ ---
184
+ reference: هرکسی با گوشی هوشمند خود میتواند با کایلا متصل گردد در یک محدوده مکانی
185
+ predicted: هرکسی با گوشی هوشمند خود میتواند با کایلا متصل گردد در یک محدوده مکانی
186
+ ---
187
+ reference: برو از مهرداد بپرس
188
+ predicted: برو از مهرداد بپرس
189
+ ---
190
+ reference: می خواهم شما را با این قدم‌ها آشنا کنم
191
+ predicted: می خواهم شما را با این قدم‌ها آشنا کنم
192
+ ---
193
+ reference: میدونم یه روز دوباره می تونم تو رو ببینم
194
+ predicted: میدونم یه روز دوباره می تونم تو رو ببینم
195
+ ---
196
+ reference: بسیار خوب خواهد بود دعوت او را بپذیری
197
+ predicted: بسیار خوب خواهد بود دعوت او را بپذیری
198
+ ---
199
+ reference: بهت بگن آشغالی خوبه
200
+ predicted: بهت بگن آشغالی خوبه
201
+ ---
202
+ reference: چرا معاشرت با هم ایمانان ما را محفوظ نگه میدارد
203
+ predicted: چرا معاشرت با هم ایمانان آ را م حفوظ نگه میدارد
204
+ ---
205
+ reference: بولیوی پس از گویان فقیر‌ترین کشور آمریکای جنوبی است
206
+ predicted: بولیوی پس از گویان فقیر‌ترین کشور آمریکای جنوبی است
207
+ ---
208
+ reference: بعد از مدتی اینکار برایم عادی شد
209
+ predicted: بعد از مدتی اینکار برایم عادو شد
210
+ ---
211
+ reference: به نظر اون هم همینطوره
212
+ predicted: به نظر اون هم همینطوره
213
+ ---
214
+ reference: هیچ مایونز ی دارید
215
+ predicted: هیچ مایونز ی دارید
216
+ ---
217
+ reference: هیچ یک از انان کاری به سنگ نداشتند
218
+ predicted: هیچ شک از انان کاری به سنگ نداشتند
219
+ ---
220
+ reference: می خواهم کمی کتاب شعر ببینم
221
+ predicted: می خواهم کتاب شعر ببینم
222
+ ---
223
+ reference: همین شوهر فهیمه مگه نمی گفتی فرمانده بوده کو
224
+ predicted: همین شوهر فهیمه بینامی گفتی فهمانده بود کو
225
+ ---
226
+ reference: اون جا‌ها کسی رو نمیبینی که تو دستش کتاب نباشه
227
+ predicted: اون جا‌ها کسی رو نمیبینی که تو دستش کتاب نباشه
228
+ ---
229
+ reference: زندان رفتن من در این سال‌های اخیر برام شانس بزرگی بود که معما و مشکل چندین سال‌هام را حل کرد
230
+ predicted: زندان رفتن من در این سال‌ها اخی براب شانس بزرگی بود که معما و مشکل چندین سال‌هام را حل کرد
231
+ ---
232
+ ```
233
+
234
+ ## Evaluation
235
+
236
+ **Test Result:**
237
+ - WER: 10.36%
config.json ADDED
@@ -0,0 +1,76 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "facebook/wav2vec2-large-xlsr-53",
3
+ "activation_dropout": 0.09216,
4
+ "apply_spec_augment": true,
5
+ "architectures": [
6
+ "Wav2Vec2ForCTC"
7
+ ],
8
+ "attention_dropout": 0.05316,
9
+ "bos_token_id": 1,
10
+ "conv_bias": true,
11
+ "conv_dim": [
12
+ 512,
13
+ 512,
14
+ 512,
15
+ 512,
16
+ 512,
17
+ 512,
18
+ 512
19
+ ],
20
+ "conv_kernel": [
21
+ 10,
22
+ 3,
23
+ 3,
24
+ 3,
25
+ 3,
26
+ 2,
27
+ 2
28
+ ],
29
+ "conv_stride": [
30
+ 5,
31
+ 2,
32
+ 2,
33
+ 2,
34
+ 2,
35
+ 2,
36
+ 2
37
+ ],
38
+ "ctc_loss_reduction": "mean",
39
+ "ctc_zero_infinity": true,
40
+ "do_stable_layer_norm": true,
41
+ "eos_token_id": 2,
42
+ "feat_extract_activation": "gelu",
43
+ "feat_extract_dropout": 0.0,
44
+ "feat_extract_norm": "layer",
45
+ "feat_proj_dropout": 0.01249,
46
+ "final_dropout": 0.0,
47
+ "gradient_checkpointing": true,
48
+ "hidden_act": "gelu",
49
+ "hidden_dropout": 0.01941,
50
+ "hidden_size": 1024,
51
+ "initializer_range": 0.02,
52
+ "intermediate_size": 4096,
53
+ "layer_norm_eps": 1e-05,
54
+ "layerdrop": 0.01377,
55
+ "mask_channel_length": 10,
56
+ "mask_channel_min_space": 1,
57
+ "mask_channel_other": 0.0,
58
+ "mask_channel_prob": 0.0,
59
+ "mask_channel_selection": "static",
60
+ "mask_feature_length": 10,
61
+ "mask_feature_prob": 0.0,
62
+ "mask_time_length": 10,
63
+ "mask_time_min_space": 1,
64
+ "mask_time_other": 0.0,
65
+ "mask_time_prob": 0.04529,
66
+ "mask_time_selection": "static",
67
+ "model_type": "wav2vec2",
68
+ "num_attention_heads": 16,
69
+ "num_conv_pos_embedding_groups": 16,
70
+ "num_conv_pos_embeddings": 128,
71
+ "num_feat_extract_layers": 7,
72
+ "num_hidden_layers": 24,
73
+ "pad_token_id": 0,
74
+ "transformers_version": "4.6.0.dev0",
75
+ "vocab_size": 40
76
+ }
dictionary.py ADDED
@@ -0,0 +1,664 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ dictionary_mapping = {
2
+ 'ك': 'ک', 'دِ': 'د', 'بِ': 'ب', 'زِ': 'ز', 'ذِ': 'ذ', 'شِ': 'ش', 'سِ': 'س', 'ى': 'ی',
3
+ 'ي': 'ی', 'أ': 'ا', 'ؤ': 'و', "ے": "ی", "ۀ": "ه", "ﭘ": "پ", "ﮐ": "ک", "ﯽ": "ی",
4
+ "ﺎ": "ا", "ﺑ": "ب", "ﺘ": "ت", "ﺧ": "خ", "ﺩ": "د", "ﺱ": "س", "ﻀ": "ض", "ﻌ": "ع",
5
+ "ﻟ": "ل", "ﻡ": "م", "ﻢ": "م", "ﻪ": "ه", "ﻮ": "و", 'ﺍ': "ا", 'ة': "ه",
6
+ 'ﯾ': "ی", 'ﯿ': "ی", 'ﺒ': "ب", 'ﺖ': "ت", 'ﺪ': "د", 'ﺮ': "ر", 'ﺴ': "س", 'ﺷ': "ش",
7
+ 'ﺸ': "ش", 'ﻋ': "ع", 'ﻤ': "م", 'ﻥ': "ن", 'ﻧ': "ن", 'ﻭ': "و", 'ﺭ': "ر", "ﮔ": "گ",
8
+
9
+ "a": "‌ای‌", "b": "‌بی‌", "c": "‌سی‌", "d": "‌دی‌", "e": "‌ایی‌", "f": "‌اف‌",
10
+ "g": "‌جی‌", "h": "‌اچ‌", "i": "‌آی‌", "j": "‌جی‌", "k": "‌کی‌", "l": "‌ال‌",
11
+ "m": "‌ام‌", "n": "‌ان‌", "o": "‌او‌", "p": "‌پی‌", "q": "‌کیو‌", "r": "‌آر‌",
12
+ "s": "‌اس‌", "t": "‌تی‌", "u": "‌یو‌", "v": "‌وی‌", "w": "‌دبلیو‌", "x": "‌اکس‌",
13
+ "y": "‌وای‌", "z": "‌زد ",
14
+ "\u200c": " ", "\u200d": " ", "\u200e": " ", "\u200f": " ", "\ufeff": " ",
15
+
16
+ "نو آوری‌مان": "نو‌آوری‌مان",
17
+ "نو آوری مان": "نو‌آوری‌مان",
18
+ "نو آوریمان": "نو‌آوری‌مان",
19
+ " ا م ": "‌ام ",
20
+ " م ": "‌ام ",
21
+ "کنندهای": "کننده‌ای",
22
+ "ارائهای": "ارائه‌ای",
23
+ "ایدهای": "ایده‌ای",
24
+ "ماسهای": "ماسه‌ای",
25
+ "خامنهای": "خامنه‌ای",
26
+ "قلهای": "قله‌ای",
27
+ "سیارهای": "سیاره‌ای",
28
+ "کیسهای": "کیسه‌ای",
29
+ "شانهای": "شانه‌ای",
30
+ "غریبهای": "غریبه‌ای",
31
+ "برنامهای": "برنامه‌ای",
32
+ "سختگیرانهای": "سختگیرانه‌ای",
33
+ "بهانهای": "بهانه‌ای",
34
+ "زیرروالهای": "زیر روالهای",
35
+ "درهای": "دره‌ای",
36
+ "آمادهای": "آماده‌ای",
37
+ "سادهای": "ساده‌ای",
38
+ "سرمایهگذارهای": "سرمایه گذارهای",
39
+ "فوقالعادهای": "فوق‌العاده‌ای",
40
+ "حادثهای": "حادثه‌ای",
41
+ "نویسندههای": "نویسنده‌های",
42
+ "علاقهای": "علاقه‌ای",
43
+ "برجستهای": "برجسته‌ای",
44
+ "جلگهای": "جلگه‌ای",
45
+ "زندهای": "زنده‌ای",
46
+ "فنآوریهای": "فناوری‌های",
47
+ "سایهروشنهای": "سایه روشن‌های",
48
+ "بیسابقهای": "بی سابقه‌ای",
49
+ "فرضیهای": "فرضیه‌ای",
50
+ "راهاندازهای": "راه اندازهای",
51
+ "بیشهای": "بیشه‌ای",
52
+ "مقالهای": "مقاله‌ای",
53
+ "دیگهای": "دیگه‌ای",
54
+ "ماههاست": "ماه هاست",
55
+ "نرمافزارهای": "نرم‌افزارهای",
56
+ "کتابسوزانهای": "کتاب سوزان‌های",
57
+ "سیستمعاملهای": "سیستم عامل‌های",
58
+ "اسلحهای": "اسلحه‌ای",
59
+ "وقفهای": "وقفه‌ای",
60
+ "زمینهای": "زمینه‌ای",
61
+ "حرامزادههای": "حرامزاده‌های",
62
+ "هزینهای": "هزینه‌ای",
63
+ "انداختهای": "انداخته‌ای",
64
+ "جسورانهای": "جسورانه‌ای",
65
+ "فاجعهای": "فاجعه‌ای",
66
+ "جامعهای": "جامعه‌ای",
67
+ "پدیدهای": "پدیده‌ای",
68
+ "اغواگرانهای": "اغواگرانه‌ای",
69
+ "تکانهای": "تکانه‌ای",
70
+ "لولهای": "لوله‌ای",
71
+ "نشانهای": "نشانه‌ای",
72
+ "وسیلهای": "وسیله‌ای",
73
+ "آیندهای": "آینده‌ای",
74
+ "بردهای": "برده‌ای",
75
+ "سابقهای": "سابقه‌ای",
76
+ "ناحیهای": "ناحیه‌ای",
77
+ "تکاندهندهای": "تکان دهنده‌ای",
78
+ "بودجهای": "بودجه‌ای",
79
+ "روزانهای": "روزانه‌ای",
80
+ "چارهای": "چاره‌ای",
81
+ "انگیزهای": "انگیزه‌ای",
82
+ "دادهای": "داده‌ای",
83
+ "عدهای": "عده‌ای",
84
+ "هفتهای": "هفته‌ای",
85
+ "منطقهای": "منطقه‌ای",
86
+ "استارتآپهای": "استارتاپ‌های",
87
+ "سازهای": "سازه‌ای",
88
+ "مجموعهای": "مجموعه‌ای",
89
+ "فلسفهای": "فلسفه‌ای",
90
+ "تذکردهندهای": "تذکر دهنده‌ای",
91
+ "مصاحبهای": "مصابحه‌ای",
92
+ "نمونهای": "نمونه‌ای",
93
+ "قلمموهای": "قلم مو‌های",
94
+ "شبزندهداری": "شب زنده‌داری",
95
+ "خوردهباشد": "خورده باشد",
96
+ "داشتهباشید": "داشته باشید",
97
+ "فزایندهای": "فزاینده‌ای",
98
+ "عمدهای": "عمده‌ای",
99
+ "بدیهایی": "بدی‌های",
100
+ "نوشت‌هایم": "نوشته‌ایم",
101
+ "بنتالهدی": "بنت الهدی",
102
+ "نوشتهام": "نوشته‌ام",
103
+ "سرمایهگذاران": "سرمایه گذاران",
104
+ "خانهی": "خانه‌ی",
105
+ "گستاخانهی": "گستاخانه‌ی",
106
+ "گرفتهباشیم": "گرفته باشیم",
107
+ "خونهی": "خونه‌ی",
108
+ "داشتهام": "داشته‌ام",
109
+ "رشتهام": "رشته‌ام",
110
+ "سرمایهگذارانشان": "سرمایه گذارانشان",
111
+ "ریشهکنی": "ریشه‌کنی",
112
+ "مودبانهتری": "مودبانه‌تری",
113
+ "برگردانشدهاند": "برگردان شده‌اند",
114
+ "قرمهسبزی": "قرمه‌سبزی",
115
+ "راهجویی": "راه جویی",
116
+ "اماهیچوقت": "اما هیچوقت",
117
+ "آبوهوای": "آب و هوای",
118
+ "بقیهاش": "بقیه‌اش",
119
+ "طبقهبندی": "طبقه‌بندی",
120
+ "مردههان": "مرده هان",
121
+ "آمادهاند": "آماده‌اند",
122
+ "نشدهاید": "نشده‌اید",
123
+ "آگاهیرسانی": "آگاهی رسانی",
124
+ "نداشتهاند": "نداشته‌اند",
125
+ "شکنانهترین": "شکنانه‌ترین",
126
+ "اقدامهایی": "اقدام‌هایی",
127
+ "راهآهن": "راه آهن",
128
+ "شدهاند": "شده‌اند",
129
+ "تازهترین": "تازه‌ترین",
130
+ "روبهروی": "رو به روی",
131
+ "منحصربهفرد": "منحصر به فرد",
132
+ "سیزدهبدر": "سیزده بدر",
133
+ "برندهی": "برنده‌ی",
134
+ "خانهاشتراکی": "خانه اشتراکی",
135
+ "دادههایی": "داده‌هایی",
136
+ "استفادهتر": "استفاده‌تر",
137
+ "گذرنامهتان": "گذرنامه‌تان",
138
+ "کهنترین": "کهنه‌ترین",
139
+ "فرهنگسرا": "فرهنگ‌سرا",
140
+ "آمادهاید": "آماده‌اید",
141
+ "ویژهی": "ویژه‌ی",
142
+ "غریزهات": "غریزه‌ات",
143
+ "مادرشوهری": "مادر شوهری",
144
+ "نبودهام": "نبوده‌ام",
145
+ "بودهاند": "بوده‌اند",
146
+ "وتنها": "و تنها",
147
+ "بداههکاری": "بداهه‌کاری",
148
+ "سرمایهگذار": "سرمایه گذار",
149
+ "برنامهنویس": "برنامه نویس",
150
+ "مهنازخانم": "مهناز خانم",
151
+ "مواجهاند": "مواجه‌اند",
152
+ "توسعهاش": "توسعه‌اش",
153
+ "سینهام": "سینه‌ام",
154
+ "سین‌هام": "سینه‌ام",
155
+ "نمیخواهند": "نمیخواهند",
156
+ "فنآوری‌ها": "فناوری‌ها",
157
+ "دنبالهرو": "دنباله‌رو",
158
+ "لبهی": "لبه‌ی",
159
+ "اللهیار": "الله یار",
160
+ "ارزندهتر": "ارزنده‌تر",
161
+ "برههای": "بره‌ای",
162
+ "پیادهسازی": "پیاده‌سازی",
163
+ "دهسالگی": "ده سالگی",
164
+ "رسانهای": "رسانه‌ای",
165
+ "ریشسفیدها": "ریش سفید‌ها",
166
+ "چهجوری": "چه جوری",
167
+ "ویژگیهایی": "ویژگی‌هایی",
168
+ "می‌فهمی‌م": "میفهمیم",
169
+ "وبهم": "و بهم",
170
+ "قطرهای": "قطره‌ای",
171
+ "ازتنهایی": "از تنهایی",
172
+ "لطیفهای": "لطیفه‌ای",
173
+ "باشهاومدم": "باشه اومدم",
174
+ "منحصربهفردترین": "منحصر به فرد‌ترین",
175
+ "کردهاند": "کرده‌اند",
176
+ "اندازهای": "اندازه‌ای",
177
+ "بهرهبرداری": "بهره برداری",
178
+ "اماشوهرجان": "اما شوهر جان",
179
+ "خانوادهاش": "خانواده‌اش",
180
+ "نشدهاند": "نشده‌اند",
181
+ "نکردهایم": "نکرده‌ایم",
182
+ "تخممرغ‌هایش": "تخم مرغ‌هایش",
183
+ "وظیفهش": "وظیفه‌اش",
184
+ "مشگینشهر": "مشگی شهر",
185
+ "توسعهدهندگانش": "توسعه دهندگانش",
186
+ "امینابراهیم": "امین ابراهیم",
187
+ "دربارهاش": "درباره‌اش",
188
+ "میانافزارها": "میان‌افزارها",
189
+ "دیدهاند": "دیده‌اند",
190
+ "خانوادهام": "خانواده‌ام",
191
+ "مایهی": "مایه‌ی",
192
+ "نوشتهشدن": "نوشته شدن",
193
+ "راهحل‌هایشان": "راه حل‌هایشان",
194
+ "میهماننواز": "میهمان نواز",
195
+ "زیبندهی": "زیرنده‌ی",
196
+ "راههایی": "راه‌هایی",
197
+ "جربزهی": "جربزه‌ی",
198
+ "بهجا": " به جا",
199
+ "بطورهمزمان": "به طور همزمان",
200
+ "فهمیدهبود": "فهمیده بود",
201
+ "دوربرگردان‌ها": "دور برگردان‌ها",
202
+ "شالودهی": "شالوده‌ی",
203
+ "راهکاریی": "راه‌کاری",
204
+ "مخالفتهایی": "مخالفت‌هایی",
205
+ "چیزهاازشون": "چیزها ازشون",
206
+ "سکونتگاه‌های": "سکونت گاه‌های",
207
+ "سالهابود": "سال‌ها بود",
208
+ "نمونهی": "نمونه‌ی",
209
+ "سرمایهگذاری": "سرمایه گذاری",
210
+ "شبکهای": "شبکه‌ای",
211
+ "خواهرشوهر": "خواهر شوهر",
212
+ "سرگیجهآور": "سرگیجه آور",
213
+ "آستانهی": "آستانه‌ی",
214
+ "دادهاست": "داده است",
215
+ "مجسمهسازی": "مجسمه سازی",
216
+ "ماهرانهترین": "ماهرانه‌ترین",
217
+ "پنجشنبههایی": "پنجشنبه شب‌هایی",
218
+ "نرفنهام": "نرفته‌ام",
219
+ "قورمهسبزی": "قورمه سبزی",
220
+ "گذارهای": "گذاره‌ای",
221
+ "بندهخدا": "بنده خدا",
222
+ "روزنامهنگاران": "روزنامه نگاران",
223
+ "نقشهی": "نقشه‌ی",
224
+ "حملهی": "حمله‌ی",
225
+ "تکنیکهاست": "تکنیک هاست",
226
+ "نرمافزارهایمان": "نرم‌افرارهایمان",
227
+ "مادرشوهرم": "مادر شوهرم",
228
+ "ماهگیمون": "ماه گیمون",
229
+ "مادرشوهرمحترم": "مادر شوهر محترم",
230
+ "شوهرداری": "شوهر داری",
231
+ "سرمایهگذارها": "سرمایه گذارها",
232
+ "بهرهمند": "بهره‌مند",
233
+ "درمانهایی": "درمان‌هایی",
234
+ "عامدانهتر": "عامدانه‌تر",
235
+ "تازهوارد": "تازه وارد",
236
+ "مونتهویدئو": "مونته ویدئو",
237
+ "ذائق‌هاش": "ذائقه‌اش",
238
+ "گوشهگیرتر": "گوشه‌گیرتر",
239
+ "دنبالهدار": "دنباله‌دار",
240
+ "بیخانمان‌ها": "بی‌خانمان‌ها",
241
+ "سرمایهدارها": "سرمایه‌دارها",
242
+ "مادرشوهریم": "مادر شوهریم",
243
+ "صبحان‌هاش": "صبحانه‌اش",
244
+ "جنازهست": "جنازه است",
245
+ "شمارهات": "شماره‌ای",
246
+ "بهقدری": "به قدری",
247
+ "کیسهی": "کیسه‌ی",
248
+ "کوششهایی": "کوشش‌هایی",
249
+ "مادرشوهر": "مادر شوهر",
250
+ "رابطهی": "رابطه‌ی",
251
+ "نوشتهاند": "نوشته‌اند",
252
+ "کنجکاوانهی": "کنجکاوانه‌ی",
253
+ "غیرمتعهد": "غیر متعهد",
254
+ "کردهای": "کرده‌ای",
255
+ "وهمکارانم": "و همکارانم",
256
+ "گردهمآیی": "گردهمایی",
257
+ "اللهوردی": "الله وردی",
258
+ "صرفهجویی": "صرفه جویی",
259
+ "ماندهاند": "مانده‌اند",
260
+ "برنامهنویسی": "برنامه‌نویسی",
261
+ "امینمهدی": "امین مهدی",
262
+ "سهامدارنی": "سهام دارانی",
263
+ "مسابقهی": "مسابقه‌ی",
264
+ "ستارهشناسم": "ستار شناسم",
265
+ "گرفتهاند": "گرفته‌اند",
266
+ "جامعهشان": "جامعه‌شان",
267
+ "بچهی": "بچه‌ی",
268
+ "شیوهی": "شیوه‌ی",
269
+ "بهکار": "به کار",
270
+ "بهتراست": "بهتر است",
271
+ "سروکلهشون": "سر و کلهشون",
272
+ "رسیدهمسرش": "رسید همسرش",
273
+ "پسراهل": "پسر اهل",
274
+ "پروژههای": "پروژه‌های",
275
+ "عاقلان‌هام": "عاقلانه‌ام",
276
+ "گذاشتهاند": "گذاشته‌اند",
277
+ "کردهام": "کرده‌ام",
278
+ "اندازهگیری": "اندازه گیری",
279
+ "یاوهگویی": "یاوه گویی",
280
+ "سازمانهایی": "سازمان‌هایی",
281
+ "نمودهاند": "نموده‌اند",
282
+ "تنهاییآور": "تنهایی آور",
283
+ "قراردهیم": "قرار دهیم",
284
+ "ازشوهرجان": "از شوهر جان",
285
+ "کرهجنوبی": "کره جنوبی",
286
+ "توهینآمیز": "توهین آمیز",
287
+ "فنآوریهایی": "فناوری‌هایی",
288
+ "داشتهاید": "داشته‌اید",
289
+ "شدهایم": "شده‌ایم",
290
+ "نمیفهمم": "نمیفهمم",
291
+ "مثالهایی": "مثال‌هایی",
292
+ "رییسجمهور": "رییس جمهور",
293
+ "مجموعهی": "مجموعه‌ی",
294
+ "درندهاند": "درنده‌اند",
295
+ "امابهش": "اما بهش",
296
+ "بازخواهند": "باز خواهند",
297
+ "برنامههایی": "برنامه‌هایی",
298
+ "یهجا": "یه جا",
299
+ "زگیلهایی": "زگیل‌هایی",
300
+ "وسیلهی": "وسیله‌ی",
301
+ "بهمنیار": "بهمن یار",
302
+ "دادهام": "داده‌ام",
303
+ "بههنگام": "به هنگام",
304
+ "بهدروغ": "به دروغ",
305
+ "دورافتادهترین": "دور افتاده‌ترین",
306
+ "نامهایی": "نامه‌ایی",
307
+ "سهقسمتی": "سه قسمتی",
308
+ "توجهازچیدن": "توجه از چیدن",
309
+ "پیامرسان‌ها": "پیام رسان‌ها",
310
+ "بهمنزاد": "بهمن زاد",
311
+ "نشانههایی": "نشانه‌هایی",
312
+ "راهحل‌های": "راه حل‌های",
313
+ "راهحلهایی": "راه حل‌هایی",
314
+ "راهحلهای": "راه حل‌های",
315
+ "نظرخواهی‌ها": "نظر خواهی‌ها",
316
+ "نظرخواهیها": "نظر خواهی‌ها",
317
+ "کندهی": "کنده‌ی",
318
+ "حرامزاده‌های": "حرام زاده‌های",
319
+ "شبیهسازیهایی": "شبیه سازی‌هایی",
320
+ "مهارتهایی": "مهارت‌هایی",
321
+ "روبهرویشان": "رو به رویشان",
322
+ "برجستهترین": "برجسته‌ترین",
323
+ "نمیفهمیدم": "نمیفهمیدم",
324
+ "دستگاههایی": "دستگاه‌هایی",
325
+ "برادرشوهر": "برادر شوهر",
326
+ "گرسن‌هام": "گرسته‌ام",
327
+ "گرسنههام": "گرسته‌ام",
328
+ "قهوهخوری": "قهوه خوری",
329
+ "دادهاید": "داده‌اید",
330
+ "بهآرامی": "به آرمانی",
331
+ "دانستنیهاست": "دانستنی‌هاست",
332
+ "بهراحتی": "به راحتی",
333
+ "ایدهپردازی": "ایده‌پردازی",
334
+ "ریشسفیدهای": "ریش سفید‌های",
335
+ "خفهمون": "خفه مون",
336
+ "بهجای": "به جای",
337
+ "ریزخشونت‌ها": "ریز خشونت‌ها",
338
+ "ریزخشونتها": "ریز خشونت‌ها",
339
+ "حساسیتهایی": "حساسیت‌هایی",
340
+ "پشتصحنهی": "پشت صحنه‌ی",
341
+ "کلهی": "کله‌ی",
342
+ "تاشوهرم": "تا شوهرم",
343
+ "آیندهاش": "آینده‌اش",
344
+ "پروانههایی": "پروانه‌هایی",
345
+ "خوبیهایی": "خوبی‌هایی",
346
+ "نرمافزارها": "نرم‌افزارها",
347
+ "رساندهاند": "رسانده‌اند",
348
+ "سرمایهگذارنی": "سرمایه گذارانی",
349
+ "تکهچسبانی": "تکه چسبانی",
350
+ "بیتوجهی": "بی توجهی",
351
+ "جاهطلبی": "جاه طلبی",
352
+ "پرغلغلهتان": "پر غلغله‌تان",
353
+ "خمینیشهر": "خمینی شهر",
354
+ "رشتهتوییت": "رشته توییت",
355
+ "موهبتهایی": "موهبت‌هایی",
356
+ "برنامهی": "برنامه‌ی",
357
+ "مادرشوهردارم": "مادر شوهر داردم",
358
+ "سیاهپوستان": "سیاه پوستان",
359
+ "شرکتهایی": "شرکت‌هایی",
360
+ "نیاوردهاند": "نیاورده‌اند",
361
+ "آنهم": "آن هم",
362
+ "شوهرداریم": "شوهر داریم",
363
+ "یکچهارم": "یک چهارم",
364
+ "پروندههاست": "پرونده هاست",
365
+ "برنامهت": "برنامه‌ات",
366
+ "چروکیدهمان": "چروکیده‌مان",
367
+ "زمینهسازی": "زمینه سازی",
368
+ "زدهاند": "زده‌اند",
369
+ "اظهارنظرپرداختن": "اظهار نظر پرداختن",
370
+ "صلحطلبانهترین": "صلح طلبانه‌ترین",
371
+ "بهغلط": "به غلط",
372
+ "ایدهآلم": "ایده آلم",
373
+ "سیاهکاران": "سیاه کاران",
374
+ "امیرابراهیم": "امیر ابراهیم",
375
+ "توسعهدهندگان": "توسعه دهندگان",
376
+ "لحظهی": "لحظه‌ی",
377
+ "امینطاها": "امین طاها",
378
+ "بینالنهرین": "بین النهرین",
379
+ "نیمهوقت": "نیمه وقت",
380
+ "پیادهروی": "پیاده روی",
381
+ "آلودهاند": "آلوده‌اند",
382
+ "گریهکرد": "گره کرد",
383
+ "نعمتهایی": "نعمت‌هایی",
384
+ "مادرشوهرشماهم": "مادر شوهر شما هم",
385
+ "آشپزخونهاس": "آشپزخونه‌اس",
386
+ "مسابقهها": "مسابقه‌ها",
387
+ "مسابقهای": "مسابقه‌های",
388
+ "برنامهریزی": "برنامه‌ریزی",
389
+ "بازخواهید": "باز خواهید",
390
+ "جوییما": "جویی ما",
391
+ "آماده ایم": "آماده‌ایم",
392
+ "مدلسازی": "مدل‌سازی",
393
+ "درصورتیکه": "در صورتیکه",
394
+ "آمریکاییات": "آمریکایی‌ات",
395
+ "مادریاش": "مادری‌اش",
396
+ "غافلگیرکننده": "غافلگیر کننده",
397
+ "پیکرتراشی": "پیکر تراشی",
398
+ "اذیتوآزار": "اذیت و آزار",
399
+ "امتیازاورترین": "امتیاز آور",
400
+ "جیکجیک": "جیک جیک",
401
+ "تاشب": "تا شب",
402
+ "کپیرایت": "کپی رایت",
403
+ "آنتیبادی": "آنتی بادی",
404
+ "عجیبتر": "عجیب‌تر",
405
+ "استانداردسازی": "استاندارد سازی",
406
+ "هشتادوهشت": "هشتاد و هشت",
407
+ "متنوعتر": "متنوع‌تر",
408
+ "منظورانجام": "منظور انجام",
409
+ "نگرانکننده‌ترین": "نگران کننده‌ترین",
410
+ "شگفتانگیز": "شگفت انگیز",
411
+ "رنگینپوست": "رنگین پو��ت",
412
+ "فارغ التحصیلان": "فارغ‌التحصیلان",
413
+ "ترسناکتر": "ترسناک‌تر",
414
+ "لا رامبلا": "لارامبلا",
415
+ "پرجمعیتترین": "پرجمعیت‌ترین",
416
+ "درمیآیند": "درمی‌آیند",
417
+ "باشمالکی": "باشم الکی",
418
+ "وسیعتر": "وسیع‌تر",
419
+ "فاحشهخانه": "فاحشه خانه",
420
+ "بااحتیاط": "با احتیاط",
421
+ "قانعکننده": "قانع‌کننده",
422
+ "انعطافپذیری": "انعطاف‌پذیری",
423
+ "بیتالمقدس": "بیت‌المقدس",
424
+ "اوپناستریتمپ": "اوپن استریت مپ",
425
+ "روزابارونی": "روزا بارونی",
426
+ "محافظهکارانه": "محافظه کارانه",
427
+ "فوتبالدستی": "فوتبال دستی",
428
+ "توسعهدهنده": "توسعه دهنده",
429
+ "قانونگزاران": "قانون گزاران",
430
+ "العسریسرا": "العسر یسرا",
431
+ "خارقالعاده": "خارق‌العاده",
432
+ "بیماریمزمن": "بیماری مزمن",
433
+ "بادوستانتان": "با دوستانتان",
434
+ "برابربیشتر": "برابر بیشتر",
435
+ "ارائهدهنده": "ارائه دهنده",
436
+ "طوفانزدگان": "طوفان زندگان",
437
+ "امینمحمد": "امین محمد",
438
+ "محیطزیست": "محیط زیست",
439
+ "شقیترینشان": "شقی‌ترینشان",
440
+ "بودواقعا": "بود واقعا",
441
+ "نیویورکتایمز": "نیویورک تایمز",
442
+ "ریودوژانیرو": "ریو دو ژانیرو",
443
+ "مشترکالمنافع": "مشترک‌المنافع",
444
+ "اسلایدسازم": "اسلاید سازم",
445
+ "نمیآوریدش": "نمی‌آوریدش",
446
+ "بینالملل": "بین‌الملل",
447
+ "مصرفکنندگان": "مصرف کنندگان",
448
+ "امینالدین": "امین الدین",
449
+ "امریکااینقدر": "امریکا اینقدر",
450
+ "بعضیاوقات": "بعضی اوقات",
451
+ "خاطربچه": "خاطر بچه",
452
+ "ایناکیلویی": "اینا کیلویی",
453
+ "ویکیپدیا": "ویکی‌پدیا",
454
+ "مافکرمیکنیم": "ما فکر میکنیم",
455
+ "انگلیسیزبان": "انگلیسی زبان",
456
+ "کلهشون": "کله‌شون",
457
+ "آدمبزرگی": "آرم بزرگی",
458
+ "مر آت مر آه": "مر‌آت مر‌آت",
459
+ "آسیبزد": "آسیب زد",
460
+ "آیآرسی": "آی آرسی",
461
+ "آسیااقیانوسیه": "آسیا اقیانوسیه",
462
+ "آیای": "آیا",
463
+ "میانجنسی": "میان جنسی",
464
+ "میاننسلی": "میان نسلی",
465
+ "میان‌افزار‌ها": "میان افزارها",
466
+ "آییننامه": "آیین‌نامه",
467
+ "ارائهشده": "ارائه‌شده",
468
+ "اشپزخونه": "آشپزخونه",
469
+ "اماعلتشونمیپرسه": "اما علتشو نمیپرسه",
470
+ "امیدوارکننده": "امیدوار کننده",
471
+ "ایالاتمتحده": "ایالات متحده",
472
+ "بااینکه": "با اینکه",
473
+ "بلندپروازانه": "بلند پروازانه",
474
+ "بهترازاینه": "بهتر از اینه",
475
+ "بهدست‌آمده": "به دست‌آمده",
476
+ "بهوسیله": "به وسیله",
477
+ "بیادبانه": "بی ادبانه",
478
+ "بیاندازه": "بی اندازه",
479
+ "بیصبرانه": "بی صبرانه",
480
+ "بیفایده": "بی فایده",
481
+ "بیمهره": "بی مهره",
482
+ "بینظیره": "بی نظیره",
483
+ "تاریخزده": "تاریخ زده",
484
+ "تهرانزده": "تهران زده",
485
+ "تولیدشده": "تولید شده",
486
+ "تولیدکننده": "تولید کننده",
487
+ "تکمیلشده": "تکمیل شده",
488
+ "جاافتاده": "جا افتاده",
489
+ "جمع‌آوریکننده": "جمع‌ آوری کننده",
490
+ "جورآدمیه": "جور آدمیه",
491
+ "حقالزحمه": "حق الزحمه",
492
+ "دخترونهتره": "دخترونه تره",
493
+ "دوپنجره": "دو پنجره",
494
+ "ذاتالریه": "ذات‌الریه",
495
+ "راسالخیمه": "راس‌الخیمه",
496
+ "رنگماده": "رنگ ماده",
497
+ "سوئاستفاده": "سو استفاده",
498
+ "سواستفاده": "سو استفاده",
499
+ "شبهجزیره": "شبه جزیره",
500
+ "صادرکننده": "صادر کننده",
501
+ "ضررداره": "ضرر داره",
502
+ "عابرپیاده": "عابر پیاده",
503
+ "فوقالعاده": "فوق‌العاده",
504
+ "قابلتوجه": "قابل توجه",
505
+ "قانع‌کننده": "قانع‌ کننده",
506
+ "مادربیچاره": "مادر بیچاره",
507
+ "مشخصشده": "مشخص شده",
508
+ "مصرفکننده": "مصرف کننده",
509
+ "مصیبتزده": "مصیب تزده",
510
+ "ناامیدکننده": "ناامید کننده",
511
+ "نیمفاصله": "نیم‌فاصله",
512
+ "هماهنگکننده": "هماهنگ کننده",
513
+ "همهجانبه": "همه جانبه",
514
+ "واردکننده": "وارد کننده",
515
+ "وخوابگاه": "و خوابگاه",
516
+ "ودستگاه": "و دستگاه",
517
+ "وزردچوبه": "و زردچوبه",
518
+ "وپروانه": "و پروانه",
519
+ "پدرخوانده": "پدر خوانده",
520
+ "چاپشده": "چاپ شده",
521
+ "کردته": "کرد ته",
522
+ "کردندکه": "کردند که",
523
+ "یکطرفه": "یک طرفه",
524
+ "پایینتره": "پایین‌تره",
525
+ "اشتراکگذاری": "اشتراک گذاری",
526
+ "انحصارگراناند": "انحصار گران‌اند",
527
+ "خوشحالییییی": "خوشحالی",
528
+ "همتیمی‌هایشان": "هم تیمی‌هایشان",
529
+ "پایدار‌ام‌باید": "پایدار‌ام ‌باید",
530
+ "پرجنبوجوش‌تر": "پر جنب و جوش‌تر",
531
+ "آبمروارید": "آب مروارید",
532
+ "آتشسوزی": "آتش سوزی",
533
+ "آتشنشانی": "آتش‌نشانی",
534
+ "آتشنشان": "آتش‌نشان",
535
+ "آرامشبخش": "آرامش بخش",
536
+ "آشناداشتن": "آشنا داشتن",
537
+ "آقاچیزی": "آقا چیزی",
538
+ "آموخت‌هام": "آموخته‌ام",
539
+ "آموزششان": "آموزش‌شان",
540
+ "ازآنجا": "از آنجا",
541
+ "ازالان": "از الان",
542
+ "ازاینجا": "از اینجا",
543
+ "ازجیبش": "از جیبش",
544
+ "ازدستش": "از دستش",
545
+ "ازدیوار": "از دیوار",
546
+ "ازشغلشون": "از شغلشون",
547
+ "ازوقتی": "از وقتی",
548
+ "ازکسانی": "از کسانی",
549
+ "اسباببازی": "اسباب بازی",
550
+ "اسبسوار": "اسب سوار",
551
+ "اصیلزاده": "اصیل زاده",
552
+ "افتادهاید": "افتاده‌اید",
553
+ "ال‌هام": "الهام",
554
+ "امااصلا": "اما اصلا",
555
+ "امااصلابه": "اما اصلا به",
556
+ "امااین": "اما این",
557
+ "امابعد": "اما بعد",
558
+ "امابعدیکی": "اما بعد یکی",
559
+ "اماجاذبه": "اما جاذبه",
560
+ "امرارمعاش": "امرار معاش",
561
+ "امکانپذیر": "امکان پذیر",
562
+ "انت‌های": "انتهای",
563
+ "انت‌هایی": "انتهایی",
564
+ "ایزدبانوی": "ایزد بانوی",
565
+ "بااینحال": "با اینحال",
566
+ "باحتمال": "به احتمال",
567
+ "باحجاب": "با حجاب",
568
+ "باخنده": "با خنده",
569
+ "بادوستاش": "با دوستاش",
570
+ "بارمان": "بار مان",
571
+ "باز‌تر": "باز ‌تر",
572
+ "باطعنه": "با طعنه",
573
+ "بافریاد": "با فریاد",
574
+ "بارگزاری": "بارگذاری",
575
+ "بالامنم": "بالا منم",
576
+ "بگیرمامان": "بگیر مامان",
577
+ "بیاحترامی": "بی احترامی",
578
+ "بیادبی": "بی ادبی",
579
+ "بیاعتنا": "بی اعتنا",
580
+ "بیدارباش": "بیدار باش",
581
+ "بیشازحد": "بیش از حد",
582
+ "بیمسئولیت": "بی مسئولیت",
583
+ "تاسفبار": "تاسف بار",
584
+ "تامشکلمون": "تا مشکلمون",
585
+ "تانقشه": "تا نقشه",
586
+ "تصمیمگیری": "تصمیم گیری",
587
+ "تقسیمبندی": "تقسیم بندی",
588
+ "تقصیرارو": "تقصیرا رو",
589
+ "جدیدابرای": "جدیدا برای",
590
+ "جعبهابزار": "جعبه ابزار",
591
+ "جلوتونو": "جلو تو نو",
592
+ "حاضردر": "حاضر در",
593
+ "حاضرنیست": "حاضر نیست",
594
+ "دستنخورده": "دست نخورده",
595
+ "دوامتیاز": "دو امتیاز",
596
+ "دوروزتمام": "دو روز تمام",
597
+ "شخصیسازی": "شخصی‌سازی",
598
+ "شدواجناس": "شد و اجناس",
599
+ "شوهردارم": "شوهر دارم",
600
+ "شوهرشماهم": "شوهر شما هم",
601
+ "شوهرمحترم": "شوهر محترم",
602
+ "شکلگیری": "شکل گیری",
603
+ "صخرهنوردی": "صخره‌نوردی",
604
+ "صدوبیست": "صد و بیست",
605
+ "عقبنشینی": "عقب نشینی",
606
+ "عکسالعمل": "عکس‌العمل",
607
+ "غرغرمیکنم": "غرغر میکنم",
608
+ "هزاربار": "هزار بار",
609
+ "هزارتومان": "هزار تومان",
610
+ "هزارجور": "هزار جور",
611
+ "هزاروسیصد": "هزار و سیصد",
612
+ "هممیهنان": "هم میهنان",
613
+ "هممیهنانش": "هم میهنانش",
614
+ "همنسلانش": "هم نسلانش",
615
+ "همهگیری": "همه گیری",
616
+ "هییییچ": "هیچ",
617
+ "وقتاخیلی": "وقتا خیلی",
618
+ "وقتابه": "وقتا به",
619
+ "وقتگذرانی": "وقت گذرانی",
620
+ "ومحکوم": "و محکوم",
621
+ "ومحیط‌ها": "و محیط‌ها",
622
+ "وکشورتان": "و کشورتان",
623
+ "ویکیمدیا": "ویکی‌مدی��",
624
+ "یهوگفت": "یهو گفت",
625
+ "اینجااز": "اینجا از",
626
+ }
627
+ fixator_dictionary = {
628
+ "ب‌های": "بهای",
629
+ "به‌ترین": "بهترین",
630
+ "آس‌تر": "‌آستر",
631
+ "ارکس‌تر": "ارکستر",
632
+ "ان‌تر": "انتر",
633
+ "بس‌تر": "بستر",
634
+ "به‌تر": "بهتر",
635
+ "به‌ترتر": "بهترتر",
636
+ "توئی‌تر": "تویتتر",
637
+ "تویی‌تر": "توییتر",
638
+ "تی‌تر": "تیتر",
639
+ "دخ‌تر": "دختر",
640
+ "دف‌تر": "دفتر",
641
+ "دلس‌تر": "دلستر",
642
+ "دک‌تر": "دکتر",
643
+ "ش‌تر": "شتر",
644
+ "لی‌تر": "لیتر",
645
+ "م‌تر": "متر",
646
+ "هیپس‌تر": "هیپستر",
647
+ "پی‌تر": "پیتر",
648
+ "چ‌تر": "چتر",
649
+ "کم‌تر": "کمتر",
650
+ "گنگس‌تر": "گنگستر",
651
+ "انگش‌تر": "انگشتر",
652
+ "سن‌تر": "سنتر",
653
+ "تویت‌تر": "توییتر",
654
+ "مادهش‌تر": "ماده شتر",
655
+ "وی‌ترین": "ویترین",
656
+ "کرونوم‌تر": "کرنومتر",
657
+ "که‌تر": "کهتر",
658
+ "فیل‌تر": "فیلتر",
659
+ "ال‌هام": "الهام",
660
+ "آل‌مان": "آلمان",
661
+ "انت‌های": "انتهای",
662
+ "انت‌هایی": "انتهایی",
663
+ "آموخت‌هام": "آموخته‌ام",
664
+ }
normalizer.py ADDED
@@ -0,0 +1,203 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ from parsivar import Normalizer
2
+
3
+ import num2fawords
4
+ import re
5
+ import string
6
+
7
+
8
+ _normalizer = Normalizer(half_space_char="\u200c", statistical_space_correction=True)
9
+ chars_to_ignore = [
10
+ ",", "?", ".", "!", "-", ";", ":", '""', "%", "'", '"', "�",
11
+ "#", "!", "؟", "?", "«", "»", "،", "(", ")", "؛", "'ٔ", "٬", 'ٔ', ",", "?",
12
+ ".", "!", "-", ";", ":", '"', "“", "%", "‘", "”", "�", "–", "…", "_", "”", '“', '„',
13
+ 'ā', 'š', 'ّ', 'ْ',
14
+ ]
15
+ chars_to_ignore = chars_to_ignore + list(string.ascii_lowercase + string.digits)
16
+ chars_to_ignore = f"""[{"".join(chars_to_ignore)}]"""
17
+ zwnj = "\u200c"
18
+ silent_chars = ["ا", "د", "ذ", "ر", "ز", "و", "آ"] + [zwnj] + [" "]
19
+
20
+
21
+ def multiple_replace(text, chars_to_mapping):
22
+ pattern = "|".join(map(re.escape, chars_to_mapping.keys()))
23
+ return re.sub(pattern, lambda m: chars_to_mapping[m.group()], str(text))
24
+
25
+
26
+ def remove_special_characters(text, chars_to_ignore_regex):
27
+ text = re.sub(chars_to_ignore_regex, '', text).lower() + " "
28
+ return text
29
+
30
+
31
+ def convert_word_nums_to_text(word):
32
+ try:
33
+ word = int(word)
34
+ word = num2fawords.words(word)
35
+ except:
36
+ word = word
37
+
38
+ return word
39
+
40
+
41
+ def normalizer_at_word_level(text):
42
+ words = text.split()
43
+ _text = []
44
+
45
+ for word in words:
46
+ word = convert_word_nums_to_text(word)
47
+ word = fixator_dictionary.get(word, word)
48
+
49
+ _text.append(word)
50
+
51
+ return " ".join(_text) + " "
52
+
53
+
54
+ def finder(ss, s, starter=False):
55
+ found = []
56
+ for m in re.finditer(ss, s):
57
+ if starter:
58
+ found.append(m.start())
59
+ else:
60
+ found.append((m.start(), m.end()))
61
+
62
+ return found
63
+
64
+
65
+ def substring_replace(ss, s, start, end, stripped=True):
66
+ s_start = s[:start]
67
+ s_end = s[end:]
68
+
69
+ counter = 0
70
+ if stripped:
71
+ counter = 1 if s_start.endswith(" ") else counter
72
+ s_start = s_start.rstrip()
73
+
74
+ return s_start + ss + s_end, counter
75
+
76
+
77
+ def normalizer(
78
+ batch,
79
+ is_normalize=True,
80
+ return_dict=True,
81
+ filter_trivials=False,
82
+ remove_extra_space=False
83
+ ):
84
+ text = batch["sentence"].lower().strip()
85
+
86
+ # Parsivar normalizer
87
+ if is_normalize:
88
+ text = _normalizer.normalize(text)
89
+
90
+ # Dictionary mapping
91
+ text = multiple_replace(text, dictionary_mapping)
92
+ text = re.sub(" +", " ", text)
93
+
94
+ # Remove specials
95
+ text = remove_special_characters(text, chars_to_ignore)
96
+ text = re.sub(" +", " ", text)
97
+
98
+ # Replace connected آ
99
+ special, pointer = "آ", int("0")
100
+ for f in sorted(finder(special, text, True)):
101
+ index = f + pointer - 1
102
+ if len(text) >= index:
103
+ if text[index] not in silent_chars:
104
+ new_text, extra_pointer = substring_replace(
105
+ f"{text[index]}{zwnj}", text, index, index + 1, stripped=True)
106
+ text = new_text
107
+ pointer += 1 + 1 - 1 - extra_pointer
108
+
109
+ # Replace connected ها
110
+ pointer = int("0")
111
+ special_list = [
112
+ # "ام", "ای", "است", "ایم", "اید", "اند",
113
+ "هایمان", "هایم", "هایت", "هایش",
114
+ "هایتان", "هایشان", "هام", "هات",
115
+ "هاتان", "هامون", "هامان", "هاش",
116
+ "هاتون", "هاشان", "هاشون",
117
+ "هایی", "های", "هاس", "ها"
118
+ ]
119
+ for special in special_list:
120
+ pointer = 0
121
+ text = text
122
+ for f in sorted(finder(special, text, False)):
123
+ start, end = f[0] + pointer - 1, f[1] + pointer - 1
124
+ if len(text) >= (end + 1):
125
+ if len(text) == (end + 1):
126
+ new_text, extra_pointer = substring_replace(
127
+ f"{zwnj}{special}",
128
+ text,
129
+ start + 1,
130
+ end + 1,
131
+ stripped=True)
132
+ text = new_text
133
+ pointer += 1 + 1 - 1 - extra_pointer
134
+ else:
135
+ if text[end + 1] == " ":
136
+ new_text, extra_pointer = substring_replace(
137
+ f"{zwnj}{special}",
138
+ text,
139
+ start + 1,
140
+ end + 1,
141
+ stripped=True)
142
+ text = new_text
143
+ pointer += 1 + 1 - 1 - extra_pointer
144
+
145
+ special, pointer = "افزار", int("0")
146
+ for f in sorted(finder(special, text, False)):
147
+ start, end = f[0] + pointer - 1, f[1] + pointer - 1
148
+
149
+ if len(text) >= (end + 1):
150
+ new_text, extra_pointer = substring_replace(f"{zwnj}{special}", text, start + 1, end + 1, stripped=True)
151
+ text = new_text
152
+ pointer += 1 + 1 - 1 - extra_pointer
153
+
154
+ # Replace connected ها
155
+ pointer = int("0")
156
+ special_list = [
157
+ "ترین", "تر"
158
+ ]
159
+ for special in special_list:
160
+ pointer = 0
161
+ text = text
162
+ for f in sorted(finder(special, text, False)):
163
+ start, end = f[0] + pointer - 1, f[1] + pointer - 1
164
+ if len(text) >= (end + 1):
165
+ if len(text) == (end + 1):
166
+ new_text, extra_pointer = substring_replace(
167
+ f"{zwnj}{special}",
168
+ text,
169
+ start + 1,
170
+ end + 1,
171
+ stripped=True)
172
+ text = new_text
173
+ pointer += 1 + 1 - 1 - extra_pointer
174
+ else:
175
+ if text[end + 1] == " ":
176
+ new_text, extra_pointer = substring_replace(
177
+ f"{zwnj}{special}",
178
+ text,
179
+ start + 1,
180
+ end + 1,
181
+ stripped=True)
182
+ text = new_text
183
+ pointer += 1 + 1 - 1 - extra_pointer
184
+
185
+ # Normalizer at word level
186
+ text = normalizer_at_word_level(text)
187
+ text = re.sub(" +", " ", text)
188
+
189
+ if remove_extra_space:
190
+ text = text.strip()
191
+ else:
192
+ text = text.strip() + " "
193
+
194
+ if filter_trivials:
195
+ if not len(text) > 2:
196
+ text = None
197
+
198
+ if not return_dict:
199
+ return text
200
+
201
+ batch["sentence"] = text
202
+ return batch
203
+
predictions.csv ADDED
The diff for this file is too large to render. See raw diff
 
preprocessor_config.json ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "do_normalize": true,
3
+ "feature_extractor_type": "Wav2Vec2FeatureExtractor",
4
+ "feature_size": 1,
5
+ "padding_side": "right",
6
+ "padding_value": 0.0,
7
+ "return_attention_mask": true,
8
+ "sampling_rate": 16000
9
+ }
pytorch_model.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:d6d33fc8e01332e2e4cf0230c159f63d02620a0528c19c69c3ce7d58777223e2
3
+ size 1262097815
sample1.flac ADDED
Binary file (44.5 kB). View file
 
sample2978.flac ADDED
Binary file (193 kB). View file
 
sample5168.flac ADDED
Binary file (70.1 kB). View file
 
special_tokens_map.json ADDED
@@ -0,0 +1 @@
 
 
1
+ {"bos_token": "<s>", "eos_token": "</s>", "unk_token": "<unk>", "pad_token": "<pad>"}
tf_model.h5 ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:3eb1167b6d301f201da515819ef0bfb697821a4db0e6d5b6dcb1ea2baa3f0aa6
3
+ size 1262429728
tokenizer_config.json ADDED
@@ -0,0 +1 @@
 
 
1
+ {"unk_token": "<unk>", "bos_token": "<s>", "eos_token": "</s>", "pad_token": "<pad>", "do_lower_case": false, "word_delimiter_token": "|", "special_tokens_map_file": "/workspace/output_models/fa/xlsr-fa/special_tokens_map.json", "tokenizer_file": null, "name_or_path": "/workspace/output_models/fa/xlsr-fa"}
trainer_state.json ADDED
@@ -0,0 +1,3341 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 30.0,
5
+ "global_step": 71280,
6
+ "is_hyper_param_search": false,
7
+ "is_local_process_zero": true,
8
+ "is_world_process_zero": true,
9
+ "log_history": [
10
+ {
11
+ "epoch": 0.13,
12
+ "learning_rate": 0.0002472,
13
+ "loss": 7.355,
14
+ "step": 300
15
+ },
16
+ {
17
+ "epoch": 0.13,
18
+ "eval_loss": 3.007211446762085,
19
+ "eval_runtime": 459.0118,
20
+ "eval_samples_per_second": 11.357,
21
+ "eval_wer": 1.0,
22
+ "step": 300
23
+ },
24
+ {
25
+ "epoch": 0.25,
26
+ "learning_rate": 0.0004114179146651596,
27
+ "loss": 1.4963,
28
+ "step": 600
29
+ },
30
+ {
31
+ "epoch": 0.25,
32
+ "eval_loss": 0.6261181235313416,
33
+ "eval_runtime": 447.0386,
34
+ "eval_samples_per_second": 11.661,
35
+ "eval_wer": 0.5529420917507326,
36
+ "step": 600
37
+ },
38
+ {
39
+ "epoch": 0.38,
40
+ "learning_rate": 0.0004096716586606386,
41
+ "loss": 0.5139,
42
+ "step": 900
43
+ },
44
+ {
45
+ "epoch": 0.38,
46
+ "eval_loss": 0.47113755345344543,
47
+ "eval_runtime": 456.1265,
48
+ "eval_samples_per_second": 11.429,
49
+ "eval_wer": 0.445372267316719,
50
+ "step": 900
51
+ },
52
+ {
53
+ "epoch": 0.51,
54
+ "learning_rate": 0.00040792540265611755,
55
+ "loss": 0.4189,
56
+ "step": 1200
57
+ },
58
+ {
59
+ "epoch": 0.51,
60
+ "eval_loss": 0.4321776032447815,
61
+ "eval_runtime": 431.3516,
62
+ "eval_samples_per_second": 12.085,
63
+ "eval_wer": 0.4174684266486865,
64
+ "step": 1200
65
+ },
66
+ {
67
+ "epoch": 0.63,
68
+ "learning_rate": 0.00040617914665159647,
69
+ "loss": 0.3815,
70
+ "step": 1500
71
+ },
72
+ {
73
+ "epoch": 0.63,
74
+ "eval_loss": 0.3827853798866272,
75
+ "eval_runtime": 459.5456,
76
+ "eval_samples_per_second": 11.344,
77
+ "eval_wer": 0.3828998210627318,
78
+ "step": 1500
79
+ },
80
+ {
81
+ "epoch": 0.76,
82
+ "learning_rate": 0.00040443289064707544,
83
+ "loss": 0.3504,
84
+ "step": 1800
85
+ },
86
+ {
87
+ "epoch": 0.76,
88
+ "eval_loss": 0.3574122190475464,
89
+ "eval_runtime": 457.446,
90
+ "eval_samples_per_second": 11.396,
91
+ "eval_wer": 0.3792951427608205,
92
+ "step": 1800
93
+ },
94
+ {
95
+ "epoch": 0.88,
96
+ "learning_rate": 0.00040268663464255436,
97
+ "loss": 0.3385,
98
+ "step": 2100
99
+ },
100
+ {
101
+ "epoch": 0.88,
102
+ "eval_loss": 0.3647058308124542,
103
+ "eval_runtime": 432.4987,
104
+ "eval_samples_per_second": 12.053,
105
+ "eval_wer": 0.3572002800757242,
106
+ "step": 2100
107
+ },
108
+ {
109
+ "epoch": 1.01,
110
+ "learning_rate": 0.00040094037863803333,
111
+ "loss": 0.3205,
112
+ "step": 2400
113
+ },
114
+ {
115
+ "epoch": 1.01,
116
+ "eval_loss": 0.3391036093235016,
117
+ "eval_runtime": 460.5432,
118
+ "eval_samples_per_second": 11.319,
119
+ "eval_wer": 0.34612691579575217,
120
+ "step": 2400
121
+ },
122
+ {
123
+ "epoch": 1.14,
124
+ "learning_rate": 0.0003991941226335123,
125
+ "loss": 0.2697,
126
+ "step": 2700
127
+ },
128
+ {
129
+ "epoch": 1.14,
130
+ "eval_loss": 0.34452542662620544,
131
+ "eval_runtime": 469.56,
132
+ "eval_samples_per_second": 11.102,
133
+ "eval_wer": 0.3170042270688001,
134
+ "step": 2700
135
+ },
136
+ {
137
+ "epoch": 1.26,
138
+ "learning_rate": 0.0003974478666289912,
139
+ "loss": 0.2562,
140
+ "step": 3000
141
+ },
142
+ {
143
+ "epoch": 1.26,
144
+ "eval_loss": 0.32179856300354004,
145
+ "eval_runtime": 433.2725,
146
+ "eval_samples_per_second": 12.032,
147
+ "eval_wer": 0.31285495708098854,
148
+ "step": 3000
149
+ },
150
+ {
151
+ "epoch": 1.39,
152
+ "learning_rate": 0.0003957016106244702,
153
+ "loss": 0.2514,
154
+ "step": 3300
155
+ },
156
+ {
157
+ "epoch": 1.39,
158
+ "eval_loss": 0.3245706558227539,
159
+ "eval_runtime": 453.9529,
160
+ "eval_samples_per_second": 11.484,
161
+ "eval_wer": 0.30668291797411895,
162
+ "step": 3300
163
+ },
164
+ {
165
+ "epoch": 1.52,
166
+ "learning_rate": 0.0003939553546199491,
167
+ "loss": 0.2545,
168
+ "step": 3600
169
+ },
170
+ {
171
+ "epoch": 1.52,
172
+ "eval_loss": 0.32298558950424194,
173
+ "eval_runtime": 460.4237,
174
+ "eval_samples_per_second": 11.322,
175
+ "eval_wer": 0.30904281527968674,
176
+ "step": 3600
177
+ },
178
+ {
179
+ "epoch": 1.64,
180
+ "learning_rate": 0.0003922090986154281,
181
+ "loss": 0.2457,
182
+ "step": 3900
183
+ },
184
+ {
185
+ "epoch": 1.64,
186
+ "eval_loss": 0.31425100564956665,
187
+ "eval_runtime": 459.4801,
188
+ "eval_samples_per_second": 11.345,
189
+ "eval_wer": 0.2933274552008506,
190
+ "step": 3900
191
+ },
192
+ {
193
+ "epoch": 1.77,
194
+ "learning_rate": 0.000390462842610907,
195
+ "loss": 0.2458,
196
+ "step": 4200
197
+ },
198
+ {
199
+ "epoch": 1.77,
200
+ "eval_loss": 0.312289834022522,
201
+ "eval_runtime": 428.9645,
202
+ "eval_samples_per_second": 12.153,
203
+ "eval_wer": 0.28100930992453516,
204
+ "step": 4200
205
+ },
206
+ {
207
+ "epoch": 1.89,
208
+ "learning_rate": 0.00038871658660638597,
209
+ "loss": 0.2353,
210
+ "step": 4500
211
+ },
212
+ {
213
+ "epoch": 1.89,
214
+ "eval_loss": 0.29052308201789856,
215
+ "eval_runtime": 458.3214,
216
+ "eval_samples_per_second": 11.374,
217
+ "eval_wer": 0.27597832006431366,
218
+ "step": 4500
219
+ },
220
+ {
221
+ "epoch": 2.02,
222
+ "learning_rate": 0.00038697033060186494,
223
+ "loss": 0.2316,
224
+ "step": 4800
225
+ },
226
+ {
227
+ "epoch": 2.02,
228
+ "eval_loss": 0.3132184147834778,
229
+ "eval_runtime": 450.6205,
230
+ "eval_samples_per_second": 11.568,
231
+ "eval_wer": 0.26967661627032496,
232
+ "step": 4800
233
+ },
234
+ {
235
+ "epoch": 2.15,
236
+ "learning_rate": 0.00038522407459734386,
237
+ "loss": 0.1995,
238
+ "step": 5100
239
+ },
240
+ {
241
+ "epoch": 2.15,
242
+ "eval_loss": 0.3037310242652893,
243
+ "eval_runtime": 424.704,
244
+ "eval_samples_per_second": 12.274,
245
+ "eval_wer": 0.2598480329866964,
246
+ "step": 5100
247
+ },
248
+ {
249
+ "epoch": 2.27,
250
+ "learning_rate": 0.00038347781859282283,
251
+ "loss": 0.1934,
252
+ "step": 5400
253
+ },
254
+ {
255
+ "epoch": 2.27,
256
+ "eval_loss": 0.2947574853897095,
257
+ "eval_runtime": 450.7971,
258
+ "eval_samples_per_second": 11.564,
259
+ "eval_wer": 0.25870698374004825,
260
+ "step": 5400
261
+ },
262
+ {
263
+ "epoch": 2.4,
264
+ "learning_rate": 0.00038173156258830174,
265
+ "loss": 0.1957,
266
+ "step": 5700
267
+ },
268
+ {
269
+ "epoch": 2.4,
270
+ "eval_loss": 0.30417683720588684,
271
+ "eval_runtime": 454.0214,
272
+ "eval_samples_per_second": 11.482,
273
+ "eval_wer": 0.2659682062187184,
274
+ "step": 5700
275
+ },
276
+ {
277
+ "epoch": 2.53,
278
+ "learning_rate": 0.0003799853065837807,
279
+ "loss": 0.198,
280
+ "step": 6000
281
+ },
282
+ {
283
+ "epoch": 2.53,
284
+ "eval_loss": 0.2877831757068634,
285
+ "eval_runtime": 423.4049,
286
+ "eval_samples_per_second": 12.312,
287
+ "eval_wer": 0.25683981224553304,
288
+ "step": 6000
289
+ },
290
+ {
291
+ "epoch": 2.65,
292
+ "learning_rate": 0.00037823905057925963,
293
+ "loss": 0.2005,
294
+ "step": 6300
295
+ },
296
+ {
297
+ "epoch": 2.65,
298
+ "eval_loss": 0.2968423664569855,
299
+ "eval_runtime": 449.924,
300
+ "eval_samples_per_second": 11.586,
301
+ "eval_wer": 0.25951090480018674,
302
+ "step": 6300
303
+ },
304
+ {
305
+ "epoch": 2.78,
306
+ "learning_rate": 0.00037649279457473866,
307
+ "loss": 0.1994,
308
+ "step": 6600
309
+ },
310
+ {
311
+ "epoch": 2.78,
312
+ "eval_loss": 0.2824803590774536,
313
+ "eval_runtime": 452.2888,
314
+ "eval_samples_per_second": 11.526,
315
+ "eval_wer": 0.25056404138896815,
316
+ "step": 6600
317
+ },
318
+ {
319
+ "epoch": 2.9,
320
+ "learning_rate": 0.0003747465385702176,
321
+ "loss": 0.1869,
322
+ "step": 6900
323
+ },
324
+ {
325
+ "epoch": 2.9,
326
+ "eval_loss": 0.2733488082885742,
327
+ "eval_runtime": 446.0548,
328
+ "eval_samples_per_second": 11.687,
329
+ "eval_wer": 0.24574051502813724,
330
+ "step": 6900
331
+ },
332
+ {
333
+ "epoch": 3.03,
334
+ "learning_rate": 0.0003730002825656965,
335
+ "loss": 0.1916,
336
+ "step": 7200
337
+ },
338
+ {
339
+ "epoch": 3.03,
340
+ "eval_loss": 0.2809160351753235,
341
+ "eval_runtime": 423.4141,
342
+ "eval_samples_per_second": 12.312,
343
+ "eval_wer": 0.24529965509193227,
344
+ "step": 7200
345
+ },
346
+ {
347
+ "epoch": 3.16,
348
+ "learning_rate": 0.00037125402656117547,
349
+ "loss": 0.1675,
350
+ "step": 7500
351
+ },
352
+ {
353
+ "epoch": 3.16,
354
+ "eval_loss": 0.28469306230545044,
355
+ "eval_runtime": 443.2959,
356
+ "eval_samples_per_second": 11.76,
357
+ "eval_wer": 0.25012318145276313,
358
+ "step": 7500
359
+ },
360
+ {
361
+ "epoch": 3.28,
362
+ "learning_rate": 0.0003695077705566544,
363
+ "loss": 0.162,
364
+ "step": 7800
365
+ },
366
+ {
367
+ "epoch": 3.28,
368
+ "eval_loss": 0.2753625810146332,
369
+ "eval_runtime": 450.2372,
370
+ "eval_samples_per_second": 11.578,
371
+ "eval_wer": 0.23324083918985503,
372
+ "step": 7800
373
+ },
374
+ {
375
+ "epoch": 3.41,
376
+ "learning_rate": 0.00036776151455213336,
377
+ "loss": 0.1595,
378
+ "step": 8100
379
+ },
380
+ {
381
+ "epoch": 3.41,
382
+ "eval_loss": 0.2853989899158478,
383
+ "eval_runtime": 425.7608,
384
+ "eval_samples_per_second": 12.244,
385
+ "eval_wer": 0.23324083918985503,
386
+ "step": 8100
387
+ },
388
+ {
389
+ "epoch": 3.54,
390
+ "learning_rate": 0.0003660152585476123,
391
+ "loss": 0.1658,
392
+ "step": 8400
393
+ },
394
+ {
395
+ "epoch": 3.54,
396
+ "eval_loss": 0.28348785638809204,
397
+ "eval_runtime": 450.477,
398
+ "eval_samples_per_second": 11.572,
399
+ "eval_wer": 0.23103653950883016,
400
+ "step": 8400
401
+ },
402
+ {
403
+ "epoch": 3.66,
404
+ "learning_rate": 0.00036426900254309124,
405
+ "loss": 0.1594,
406
+ "step": 8700
407
+ },
408
+ {
409
+ "epoch": 3.66,
410
+ "eval_loss": 0.27261418104171753,
411
+ "eval_runtime": 459.5467,
412
+ "eval_samples_per_second": 11.344,
413
+ "eval_wer": 0.23287777806592153,
414
+ "step": 8700
415
+ },
416
+ {
417
+ "epoch": 3.79,
418
+ "learning_rate": 0.0003625227465385702,
419
+ "loss": 0.1646,
420
+ "step": 9000
421
+ },
422
+ {
423
+ "epoch": 3.79,
424
+ "eval_loss": 0.2741488218307495,
425
+ "eval_runtime": 421.349,
426
+ "eval_samples_per_second": 12.372,
427
+ "eval_wer": 0.2319182593812401,
428
+ "step": 9000
429
+ },
430
+ {
431
+ "epoch": 3.91,
432
+ "learning_rate": 0.00036077649053404913,
433
+ "loss": 0.1691,
434
+ "step": 9300
435
+ },
436
+ {
437
+ "epoch": 3.91,
438
+ "eval_loss": 0.3101365268230438,
439
+ "eval_runtime": 444.0677,
440
+ "eval_samples_per_second": 11.739,
441
+ "eval_wer": 0.2433546847851456,
442
+ "step": 9300
443
+ },
444
+ {
445
+ "epoch": 4.04,
446
+ "learning_rate": 0.0003590302345295281,
447
+ "loss": 0.1729,
448
+ "step": 9600
449
+ },
450
+ {
451
+ "epoch": 4.04,
452
+ "eval_loss": 0.2734999358654022,
453
+ "eval_runtime": 449.6252,
454
+ "eval_samples_per_second": 11.594,
455
+ "eval_wer": 0.21807007079691917,
456
+ "step": 9600
457
+ },
458
+ {
459
+ "epoch": 4.17,
460
+ "learning_rate": 0.000357283978525007,
461
+ "loss": 0.1416,
462
+ "step": 9900
463
+ },
464
+ {
465
+ "epoch": 4.17,
466
+ "eval_loss": 0.27035850286483765,
467
+ "eval_runtime": 421.6286,
468
+ "eval_samples_per_second": 12.364,
469
+ "eval_wer": 0.21532117942999404,
470
+ "step": 9900
471
+ },
472
+ {
473
+ "epoch": 4.29,
474
+ "learning_rate": 0.000355537722520486,
475
+ "loss": 0.1334,
476
+ "step": 10200
477
+ },
478
+ {
479
+ "epoch": 4.29,
480
+ "eval_loss": 0.2867918908596039,
481
+ "eval_runtime": 447.7813,
482
+ "eval_samples_per_second": 11.642,
483
+ "eval_wer": 0.2140763984336506,
484
+ "step": 10200
485
+ },
486
+ {
487
+ "epoch": 4.42,
488
+ "learning_rate": 0.00035379146651596497,
489
+ "loss": 0.1382,
490
+ "step": 10500
491
+ },
492
+ {
493
+ "epoch": 4.42,
494
+ "eval_loss": 0.29414185881614685,
495
+ "eval_runtime": 447.6999,
496
+ "eval_samples_per_second": 11.644,
497
+ "eval_wer": 0.22981769144991054,
498
+ "step": 10500
499
+ },
500
+ {
501
+ "epoch": 4.55,
502
+ "learning_rate": 0.0003520452105114439,
503
+ "loss": 0.1563,
504
+ "step": 10800
505
+ },
506
+ {
507
+ "epoch": 4.55,
508
+ "eval_loss": 0.2874026298522949,
509
+ "eval_runtime": 448.1528,
510
+ "eval_samples_per_second": 11.632,
511
+ "eval_wer": 0.2264982754596613,
512
+ "step": 10800
513
+ },
514
+ {
515
+ "epoch": 4.67,
516
+ "learning_rate": 0.00035029895450692285,
517
+ "loss": 0.1522,
518
+ "step": 11100
519
+ },
520
+ {
521
+ "epoch": 4.67,
522
+ "eval_loss": 0.27748048305511475,
523
+ "eval_runtime": 422.3545,
524
+ "eval_samples_per_second": 12.343,
525
+ "eval_wer": 0.21596950286558958,
526
+ "step": 11100
527
+ },
528
+ {
529
+ "epoch": 4.8,
530
+ "learning_rate": 0.00034855269850240177,
531
+ "loss": 0.152,
532
+ "step": 11400
533
+ },
534
+ {
535
+ "epoch": 4.8,
536
+ "eval_loss": 0.2689838707447052,
537
+ "eval_runtime": 450.681,
538
+ "eval_samples_per_second": 11.567,
539
+ "eval_wer": 0.221156090350354,
540
+ "step": 11400
541
+ },
542
+ {
543
+ "epoch": 4.92,
544
+ "learning_rate": 0.00034680644249788074,
545
+ "loss": 0.1537,
546
+ "step": 11700
547
+ },
548
+ {
549
+ "epoch": 4.92,
550
+ "eval_loss": 0.26583364605903625,
551
+ "eval_runtime": 439.0624,
552
+ "eval_samples_per_second": 11.873,
553
+ "eval_wer": 0.2123388916262545,
554
+ "step": 11700
555
+ },
556
+ {
557
+ "epoch": 5.05,
558
+ "learning_rate": 0.00034506018649335966,
559
+ "loss": 0.1394,
560
+ "step": 12000
561
+ },
562
+ {
563
+ "epoch": 5.05,
564
+ "eval_loss": 0.28286588191986084,
565
+ "eval_runtime": 420.652,
566
+ "eval_samples_per_second": 12.393,
567
+ "eval_wer": 0.20710043826664246,
568
+ "step": 12000
569
+ },
570
+ {
571
+ "epoch": 5.18,
572
+ "learning_rate": 0.0003433139304888387,
573
+ "loss": 0.1318,
574
+ "step": 12300
575
+ },
576
+ {
577
+ "epoch": 5.18,
578
+ "eval_loss": 0.2701680362224579,
579
+ "eval_runtime": 452.9348,
580
+ "eval_samples_per_second": 11.509,
581
+ "eval_wer": 0.20406628458805529,
582
+ "step": 12300
583
+ },
584
+ {
585
+ "epoch": 5.3,
586
+ "learning_rate": 0.0003415676744843176,
587
+ "loss": 0.1211,
588
+ "step": 12600
589
+ },
590
+ {
591
+ "epoch": 5.3,
592
+ "eval_loss": 0.27643057703971863,
593
+ "eval_runtime": 455.5802,
594
+ "eval_samples_per_second": 11.443,
595
+ "eval_wer": 0.19257799330930214,
596
+ "step": 12600
597
+ },
598
+ {
599
+ "epoch": 5.43,
600
+ "learning_rate": 0.0003398214184797965,
601
+ "loss": 0.1278,
602
+ "step": 12900
603
+ },
604
+ {
605
+ "epoch": 5.43,
606
+ "eval_loss": 0.2747470438480377,
607
+ "eval_runtime": 420.85,
608
+ "eval_samples_per_second": 12.387,
609
+ "eval_wer": 0.20979746375871994,
610
+ "step": 12900
611
+ },
612
+ {
613
+ "epoch": 5.56,
614
+ "learning_rate": 0.0003380751624752755,
615
+ "loss": 0.1334,
616
+ "step": 13200
617
+ },
618
+ {
619
+ "epoch": 5.56,
620
+ "eval_loss": 0.2526901960372925,
621
+ "eval_runtime": 447.6704,
622
+ "eval_samples_per_second": 11.645,
623
+ "eval_wer": 0.19836103835481445,
624
+ "step": 13200
625
+ },
626
+ {
627
+ "epoch": 5.68,
628
+ "learning_rate": 0.0003363289064707544,
629
+ "loss": 0.1262,
630
+ "step": 13500
631
+ },
632
+ {
633
+ "epoch": 5.68,
634
+ "eval_loss": 0.24875697493553162,
635
+ "eval_runtime": 453.8545,
636
+ "eval_samples_per_second": 11.486,
637
+ "eval_wer": 0.2052591997095511,
638
+ "step": 13500
639
+ },
640
+ {
641
+ "epoch": 5.81,
642
+ "learning_rate": 0.0003345826504662334,
643
+ "loss": 0.1366,
644
+ "step": 13800
645
+ },
646
+ {
647
+ "epoch": 5.81,
648
+ "eval_loss": 0.2449602484703064,
649
+ "eval_runtime": 450.7796,
650
+ "eval_samples_per_second": 11.564,
651
+ "eval_wer": 0.19501568942714143,
652
+ "step": 13800
653
+ },
654
+ {
655
+ "epoch": 5.93,
656
+ "learning_rate": 0.00033283639446171235,
657
+ "loss": 0.1348,
658
+ "step": 14100
659
+ },
660
+ {
661
+ "epoch": 5.93,
662
+ "eval_loss": 0.28218716382980347,
663
+ "eval_runtime": 422.2899,
664
+ "eval_samples_per_second": 12.345,
665
+ "eval_wer": 0.22273799953320714,
666
+ "step": 14100
667
+ },
668
+ {
669
+ "epoch": 6.06,
670
+ "learning_rate": 0.00033109013845719127,
671
+ "loss": 0.1325,
672
+ "step": 14400
673
+ },
674
+ {
675
+ "epoch": 6.06,
676
+ "eval_loss": 0.2777564525604248,
677
+ "eval_runtime": 447.1411,
678
+ "eval_samples_per_second": 11.659,
679
+ "eval_wer": 0.20780062757708564,
680
+ "step": 14400
681
+ },
682
+ {
683
+ "epoch": 6.19,
684
+ "learning_rate": 0.00032934388245267024,
685
+ "loss": 0.1261,
686
+ "step": 14700
687
+ },
688
+ {
689
+ "epoch": 6.19,
690
+ "eval_loss": 0.28267186880111694,
691
+ "eval_runtime": 452.8704,
692
+ "eval_samples_per_second": 11.511,
693
+ "eval_wer": 0.2153730453048417,
694
+ "step": 14700
695
+ },
696
+ {
697
+ "epoch": 6.31,
698
+ "learning_rate": 0.00032759762644814916,
699
+ "loss": 0.1268,
700
+ "step": 15000
701
+ },
702
+ {
703
+ "epoch": 6.31,
704
+ "eval_loss": 0.2655777335166931,
705
+ "eval_runtime": 421.8213,
706
+ "eval_samples_per_second": 12.358,
707
+ "eval_wer": 0.20074686859780608,
708
+ "step": 15000
709
+ },
710
+ {
711
+ "epoch": 6.44,
712
+ "learning_rate": 0.00032585137044362813,
713
+ "loss": 0.1146,
714
+ "step": 15300
715
+ },
716
+ {
717
+ "epoch": 6.44,
718
+ "eval_loss": 0.26334822177886963,
719
+ "eval_runtime": 453.2863,
720
+ "eval_samples_per_second": 11.5,
721
+ "eval_wer": 0.19060709006509166,
722
+ "step": 15300
723
+ },
724
+ {
725
+ "epoch": 6.57,
726
+ "learning_rate": 0.00032410511443910705,
727
+ "loss": 0.1196,
728
+ "step": 15600
729
+ },
730
+ {
731
+ "epoch": 6.57,
732
+ "eval_loss": 0.2629387676715851,
733
+ "eval_runtime": 453.8742,
734
+ "eval_samples_per_second": 11.486,
735
+ "eval_wer": 0.1959752081118228,
736
+ "step": 15600
737
+ },
738
+ {
739
+ "epoch": 6.69,
740
+ "learning_rate": 0.0003223588584345861,
741
+ "loss": 0.1162,
742
+ "step": 15900
743
+ },
744
+ {
745
+ "epoch": 6.69,
746
+ "eval_loss": 0.2686946392059326,
747
+ "eval_runtime": 423.221,
748
+ "eval_samples_per_second": 12.317,
749
+ "eval_wer": 0.19566401286273696,
750
+ "step": 15900
751
+ },
752
+ {
753
+ "epoch": 6.82,
754
+ "learning_rate": 0.000320612602430065,
755
+ "loss": 0.1178,
756
+ "step": 16200
757
+ },
758
+ {
759
+ "epoch": 6.82,
760
+ "eval_loss": 0.26208436489105225,
761
+ "eval_runtime": 455.8818,
762
+ "eval_samples_per_second": 11.435,
763
+ "eval_wer": 0.19716812323331864,
764
+ "step": 16200
765
+ },
766
+ {
767
+ "epoch": 6.94,
768
+ "learning_rate": 0.0003188663464255439,
769
+ "loss": 0.1172,
770
+ "step": 16500
771
+ },
772
+ {
773
+ "epoch": 6.94,
774
+ "eval_loss": 0.2683062255382538,
775
+ "eval_runtime": 453.6948,
776
+ "eval_samples_per_second": 11.49,
777
+ "eval_wer": 0.18845465625891444,
778
+ "step": 16500
779
+ },
780
+ {
781
+ "epoch": 7.07,
782
+ "learning_rate": 0.0003171200904210229,
783
+ "loss": 0.1137,
784
+ "step": 16800
785
+ },
786
+ {
787
+ "epoch": 7.07,
788
+ "eval_loss": 0.246523916721344,
789
+ "eval_runtime": 446.7642,
790
+ "eval_samples_per_second": 11.668,
791
+ "eval_wer": 0.18466844739503643,
792
+ "step": 16800
793
+ },
794
+ {
795
+ "epoch": 7.2,
796
+ "learning_rate": 0.0003153738344165018,
797
+ "loss": 0.1015,
798
+ "step": 17100
799
+ },
800
+ {
801
+ "epoch": 7.2,
802
+ "eval_loss": 0.261563241481781,
803
+ "eval_runtime": 423.2985,
804
+ "eval_samples_per_second": 12.315,
805
+ "eval_wer": 0.18783226576074272,
806
+ "step": 17100
807
+ },
808
+ {
809
+ "epoch": 7.32,
810
+ "learning_rate": 0.00031362757841198077,
811
+ "loss": 0.1048,
812
+ "step": 17400
813
+ },
814
+ {
815
+ "epoch": 7.32,
816
+ "eval_loss": 0.26347172260284424,
817
+ "eval_runtime": 455.9994,
818
+ "eval_samples_per_second": 11.432,
819
+ "eval_wer": 0.18096003734342989,
820
+ "step": 17400
821
+ },
822
+ {
823
+ "epoch": 7.45,
824
+ "learning_rate": 0.0003118813224074597,
825
+ "loss": 0.1085,
826
+ "step": 17700
827
+ },
828
+ {
829
+ "epoch": 7.45,
830
+ "eval_loss": 0.25925150513648987,
831
+ "eval_runtime": 451.158,
832
+ "eval_samples_per_second": 11.555,
833
+ "eval_wer": 0.19657166567257073,
834
+ "step": 17700
835
+ },
836
+ {
837
+ "epoch": 7.58,
838
+ "learning_rate": 0.0003101350664029387,
839
+ "loss": 0.1165,
840
+ "step": 18000
841
+ },
842
+ {
843
+ "epoch": 7.58,
844
+ "eval_loss": 0.25639158487319946,
845
+ "eval_runtime": 422.5184,
846
+ "eval_samples_per_second": 12.338,
847
+ "eval_wer": 0.1952490858639558,
848
+ "step": 18000
849
+ },
850
+ {
851
+ "epoch": 7.7,
852
+ "learning_rate": 0.00030838881039841763,
853
+ "loss": 0.1132,
854
+ "step": 18300
855
+ },
856
+ {
857
+ "epoch": 7.7,
858
+ "eval_loss": 0.2572135627269745,
859
+ "eval_runtime": 450.0834,
860
+ "eval_samples_per_second": 11.582,
861
+ "eval_wer": 0.19268172505899744,
862
+ "step": 18300
863
+ },
864
+ {
865
+ "epoch": 7.83,
866
+ "learning_rate": 0.00030664255439389655,
867
+ "loss": 0.1105,
868
+ "step": 18600
869
+ },
870
+ {
871
+ "epoch": 7.83,
872
+ "eval_loss": 0.26829710602760315,
873
+ "eval_runtime": 447.2579,
874
+ "eval_samples_per_second": 11.655,
875
+ "eval_wer": 0.18083037265631077,
876
+ "step": 18600
877
+ },
878
+ {
879
+ "epoch": 7.95,
880
+ "learning_rate": 0.0003048962983893755,
881
+ "loss": 0.1114,
882
+ "step": 18900
883
+ },
884
+ {
885
+ "epoch": 7.95,
886
+ "eval_loss": 0.2628280818462372,
887
+ "eval_runtime": 420.5057,
888
+ "eval_samples_per_second": 12.397,
889
+ "eval_wer": 0.18710614351287572,
890
+ "step": 18900
891
+ },
892
+ {
893
+ "epoch": 8.08,
894
+ "learning_rate": 0.00030315004238485444,
895
+ "loss": 0.1008,
896
+ "step": 19200
897
+ },
898
+ {
899
+ "epoch": 8.08,
900
+ "eval_loss": 0.2631722390651703,
901
+ "eval_runtime": 454.7744,
902
+ "eval_samples_per_second": 11.463,
903
+ "eval_wer": 0.1872358081999948,
904
+ "step": 19200
905
+ },
906
+ {
907
+ "epoch": 8.21,
908
+ "learning_rate": 0.0003014037863803334,
909
+ "loss": 0.0916,
910
+ "step": 19500
911
+ },
912
+ {
913
+ "epoch": 8.21,
914
+ "eval_loss": 0.2808758616447449,
915
+ "eval_runtime": 447.7804,
916
+ "eval_samples_per_second": 11.642,
917
+ "eval_wer": 0.1823863489017401,
918
+ "step": 19500
919
+ },
920
+ {
921
+ "epoch": 8.33,
922
+ "learning_rate": 0.0002996575303758124,
923
+ "loss": 0.0991,
924
+ "step": 19800
925
+ },
926
+ {
927
+ "epoch": 8.33,
928
+ "eval_loss": 0.26910626888275146,
929
+ "eval_runtime": 418.5271,
930
+ "eval_samples_per_second": 12.456,
931
+ "eval_wer": 0.18023391509556289,
932
+ "step": 19800
933
+ },
934
+ {
935
+ "epoch": 8.46,
936
+ "learning_rate": 0.0002979112743712913,
937
+ "loss": 0.0969,
938
+ "step": 20100
939
+ },
940
+ {
941
+ "epoch": 8.46,
942
+ "eval_loss": 0.24965764582157135,
943
+ "eval_runtime": 443.9577,
944
+ "eval_samples_per_second": 11.742,
945
+ "eval_wer": 0.1918259381240113,
946
+ "step": 20100
947
+ },
948
+ {
949
+ "epoch": 8.59,
950
+ "learning_rate": 0.00029616501836677027,
951
+ "loss": 0.1008,
952
+ "step": 20400
953
+ },
954
+ {
955
+ "epoch": 8.59,
956
+ "eval_loss": 0.2633902132511139,
957
+ "eval_runtime": 446.6554,
958
+ "eval_samples_per_second": 11.671,
959
+ "eval_wer": 0.17963745753481497,
960
+ "step": 20400
961
+ },
962
+ {
963
+ "epoch": 8.71,
964
+ "learning_rate": 0.0002944187623622492,
965
+ "loss": 0.1003,
966
+ "step": 20700
967
+ },
968
+ {
969
+ "epoch": 8.71,
970
+ "eval_loss": 0.26895150542259216,
971
+ "eval_runtime": 447.0422,
972
+ "eval_samples_per_second": 11.661,
973
+ "eval_wer": 0.17255776561811156,
974
+ "step": 20700
975
+ },
976
+ {
977
+ "epoch": 8.84,
978
+ "learning_rate": 0.00029267250635772816,
979
+ "loss": 0.1059,
980
+ "step": 21000
981
+ },
982
+ {
983
+ "epoch": 8.84,
984
+ "eval_loss": 0.25897544622421265,
985
+ "eval_runtime": 418.2635,
986
+ "eval_samples_per_second": 12.463,
987
+ "eval_wer": 0.18676901532636603,
988
+ "step": 21000
989
+ },
990
+ {
991
+ "epoch": 8.96,
992
+ "learning_rate": 0.0002909262503532071,
993
+ "loss": 0.1011,
994
+ "step": 21300
995
+ },
996
+ {
997
+ "epoch": 8.96,
998
+ "eval_loss": 0.27191728353500366,
999
+ "eval_runtime": 439.9733,
1000
+ "eval_samples_per_second": 11.848,
1001
+ "eval_wer": 0.17569565104639404,
1002
+ "step": 21300
1003
+ },
1004
+ {
1005
+ "epoch": 9.09,
1006
+ "learning_rate": 0.0002891799943486861,
1007
+ "loss": 0.086,
1008
+ "step": 21600
1009
+ },
1010
+ {
1011
+ "epoch": 9.09,
1012
+ "eval_loss": 0.24117550253868103,
1013
+ "eval_runtime": 451.9133,
1014
+ "eval_samples_per_second": 11.535,
1015
+ "eval_wer": 0.16464821970384586,
1016
+ "step": 21600
1017
+ },
1018
+ {
1019
+ "epoch": 9.22,
1020
+ "learning_rate": 0.000287433738344165,
1021
+ "loss": 0.0896,
1022
+ "step": 21900
1023
+ },
1024
+ {
1025
+ "epoch": 9.22,
1026
+ "eval_loss": 0.2518727481365204,
1027
+ "eval_runtime": 420.864,
1028
+ "eval_samples_per_second": 12.386,
1029
+ "eval_wer": 0.1694198801898291,
1030
+ "step": 21900
1031
+ },
1032
+ {
1033
+ "epoch": 9.34,
1034
+ "learning_rate": 0.00028568748233964394,
1035
+ "loss": 0.0853,
1036
+ "step": 22200
1037
+ },
1038
+ {
1039
+ "epoch": 9.34,
1040
+ "eval_loss": 0.25565269589424133,
1041
+ "eval_runtime": 442.9887,
1042
+ "eval_samples_per_second": 11.768,
1043
+ "eval_wer": 0.17079432587329166,
1044
+ "step": 22200
1045
+ },
1046
+ {
1047
+ "epoch": 9.47,
1048
+ "learning_rate": 0.0002839412263351229,
1049
+ "loss": 0.0792,
1050
+ "step": 22500
1051
+ },
1052
+ {
1053
+ "epoch": 9.47,
1054
+ "eval_loss": 0.24455079436302185,
1055
+ "eval_runtime": 447.726,
1056
+ "eval_samples_per_second": 11.643,
1057
+ "eval_wer": 0.16685251938487072,
1058
+ "step": 22500
1059
+ },
1060
+ {
1061
+ "epoch": 9.6,
1062
+ "learning_rate": 0.0002821949703306018,
1063
+ "loss": 0.0864,
1064
+ "step": 22800
1065
+ },
1066
+ {
1067
+ "epoch": 9.6,
1068
+ "eval_loss": 0.2556290626525879,
1069
+ "eval_runtime": 421.6345,
1070
+ "eval_samples_per_second": 12.364,
1071
+ "eval_wer": 0.16667098882290396,
1072
+ "step": 22800
1073
+ },
1074
+ {
1075
+ "epoch": 9.72,
1076
+ "learning_rate": 0.0002804487143260808,
1077
+ "loss": 0.092,
1078
+ "step": 23100
1079
+ },
1080
+ {
1081
+ "epoch": 9.72,
1082
+ "eval_loss": 0.2547804117202759,
1083
+ "eval_runtime": 444.7489,
1084
+ "eval_samples_per_second": 11.721,
1085
+ "eval_wer": 0.17476206529913643,
1086
+ "step": 23100
1087
+ },
1088
+ {
1089
+ "epoch": 9.85,
1090
+ "learning_rate": 0.00027870245832155977,
1091
+ "loss": 0.0915,
1092
+ "step": 23400
1093
+ },
1094
+ {
1095
+ "epoch": 9.85,
1096
+ "eval_loss": 0.23804427683353424,
1097
+ "eval_runtime": 440.9531,
1098
+ "eval_samples_per_second": 11.822,
1099
+ "eval_wer": 0.16879748969165737,
1100
+ "step": 23400
1101
+ },
1102
+ {
1103
+ "epoch": 9.97,
1104
+ "learning_rate": 0.00027695620231703874,
1105
+ "loss": 0.0926,
1106
+ "step": 23700
1107
+ },
1108
+ {
1109
+ "epoch": 9.97,
1110
+ "eval_loss": 0.2537280321121216,
1111
+ "eval_runtime": 446.3024,
1112
+ "eval_samples_per_second": 11.68,
1113
+ "eval_wer": 0.1642332927050647,
1114
+ "step": 23700
1115
+ },
1116
+ {
1117
+ "epoch": 10.1,
1118
+ "learning_rate": 0.00027520994631251766,
1119
+ "loss": 0.0819,
1120
+ "step": 24000
1121
+ },
1122
+ {
1123
+ "epoch": 10.1,
1124
+ "eval_loss": 0.24399155378341675,
1125
+ "eval_runtime": 420.6608,
1126
+ "eval_samples_per_second": 12.392,
1127
+ "eval_wer": 0.16405176214309794,
1128
+ "step": 24000
1129
+ },
1130
+ {
1131
+ "epoch": 10.23,
1132
+ "learning_rate": 0.0002734636903079966,
1133
+ "loss": 0.08,
1134
+ "step": 24300
1135
+ },
1136
+ {
1137
+ "epoch": 10.23,
1138
+ "eval_loss": 0.24013200402259827,
1139
+ "eval_runtime": 448.905,
1140
+ "eval_samples_per_second": 11.613,
1141
+ "eval_wer": 0.15940976634423382,
1142
+ "step": 24300
1143
+ },
1144
+ {
1145
+ "epoch": 10.35,
1146
+ "learning_rate": 0.00027171743430347555,
1147
+ "loss": 0.0775,
1148
+ "step": 24600
1149
+ },
1150
+ {
1151
+ "epoch": 10.35,
1152
+ "eval_loss": 0.2440200299024582,
1153
+ "eval_runtime": 449.5925,
1154
+ "eval_samples_per_second": 11.595,
1155
+ "eval_wer": 0.1610435414019346,
1156
+ "step": 24600
1157
+ },
1158
+ {
1159
+ "epoch": 10.48,
1160
+ "learning_rate": 0.00026997117829895447,
1161
+ "loss": 0.0772,
1162
+ "step": 24900
1163
+ },
1164
+ {
1165
+ "epoch": 10.48,
1166
+ "eval_loss": 0.27414917945861816,
1167
+ "eval_runtime": 419.8275,
1168
+ "eval_samples_per_second": 12.417,
1169
+ "eval_wer": 0.166230128886699,
1170
+ "step": 24900
1171
+ },
1172
+ {
1173
+ "epoch": 10.61,
1174
+ "learning_rate": 0.00026822492229443344,
1175
+ "loss": 0.0808,
1176
+ "step": 25200
1177
+ },
1178
+ {
1179
+ "epoch": 10.61,
1180
+ "eval_loss": 0.2687024176120758,
1181
+ "eval_runtime": 443.5669,
1182
+ "eval_samples_per_second": 11.752,
1183
+ "eval_wer": 0.1630663105209927,
1184
+ "step": 25200
1185
+ },
1186
+ {
1187
+ "epoch": 10.73,
1188
+ "learning_rate": 0.0002664786662899124,
1189
+ "loss": 0.0801,
1190
+ "step": 25500
1191
+ },
1192
+ {
1193
+ "epoch": 10.73,
1194
+ "eval_loss": 0.25520530343055725,
1195
+ "eval_runtime": 450.4913,
1196
+ "eval_samples_per_second": 11.572,
1197
+ "eval_wer": 0.1645704208915744,
1198
+ "step": 25500
1199
+ },
1200
+ {
1201
+ "epoch": 10.86,
1202
+ "learning_rate": 0.0002647324102853913,
1203
+ "loss": 0.0852,
1204
+ "step": 25800
1205
+ },
1206
+ {
1207
+ "epoch": 10.86,
1208
+ "eval_loss": 0.24987785518169403,
1209
+ "eval_runtime": 423.7767,
1210
+ "eval_samples_per_second": 12.301,
1211
+ "eval_wer": 0.16527061020201758,
1212
+ "step": 25800
1213
+ },
1214
+ {
1215
+ "epoch": 10.98,
1216
+ "learning_rate": 0.0002629861542808703,
1217
+ "loss": 0.0822,
1218
+ "step": 26100
1219
+ },
1220
+ {
1221
+ "epoch": 10.98,
1222
+ "eval_loss": 0.24487553536891937,
1223
+ "eval_runtime": 453.0579,
1224
+ "eval_samples_per_second": 11.506,
1225
+ "eval_wer": 0.1553901610435414,
1226
+ "step": 26100
1227
+ },
1228
+ {
1229
+ "epoch": 11.11,
1230
+ "learning_rate": 0.0002612398982763492,
1231
+ "loss": 0.0693,
1232
+ "step": 26400
1233
+ },
1234
+ {
1235
+ "epoch": 11.11,
1236
+ "eval_loss": 0.2533997893333435,
1237
+ "eval_runtime": 453.0359,
1238
+ "eval_samples_per_second": 11.507,
1239
+ "eval_wer": 0.14846606675138094,
1240
+ "step": 26400
1241
+ },
1242
+ {
1243
+ "epoch": 11.24,
1244
+ "learning_rate": 0.0002594936422718282,
1245
+ "loss": 0.0694,
1246
+ "step": 26700
1247
+ },
1248
+ {
1249
+ "epoch": 11.24,
1250
+ "eval_loss": 0.2577211260795593,
1251
+ "eval_runtime": 448.0425,
1252
+ "eval_samples_per_second": 11.635,
1253
+ "eval_wer": 0.15048883587043904,
1254
+ "step": 26700
1255
+ },
1256
+ {
1257
+ "epoch": 11.36,
1258
+ "learning_rate": 0.0002577473862673071,
1259
+ "loss": 0.0718,
1260
+ "step": 27000
1261
+ },
1262
+ {
1263
+ "epoch": 11.36,
1264
+ "eval_loss": 0.24945984780788422,
1265
+ "eval_runtime": 422.4019,
1266
+ "eval_samples_per_second": 12.341,
1267
+ "eval_wer": 0.15331552604963564,
1268
+ "step": 27000
1269
+ },
1270
+ {
1271
+ "epoch": 11.49,
1272
+ "learning_rate": 0.00025600113026278613,
1273
+ "loss": 0.0712,
1274
+ "step": 27300
1275
+ },
1276
+ {
1277
+ "epoch": 11.49,
1278
+ "eval_loss": 0.25240784883499146,
1279
+ "eval_runtime": 445.1796,
1280
+ "eval_samples_per_second": 11.71,
1281
+ "eval_wer": 0.15487150229506497,
1282
+ "step": 27300
1283
+ },
1284
+ {
1285
+ "epoch": 11.62,
1286
+ "learning_rate": 0.00025425487425826505,
1287
+ "loss": 0.0724,
1288
+ "step": 27600
1289
+ },
1290
+ {
1291
+ "epoch": 11.62,
1292
+ "eval_loss": 0.2555846869945526,
1293
+ "eval_runtime": 442.017,
1294
+ "eval_samples_per_second": 11.794,
1295
+ "eval_wer": 0.15507896579445554,
1296
+ "step": 27600
1297
+ },
1298
+ {
1299
+ "epoch": 11.74,
1300
+ "learning_rate": 0.00025250861825374397,
1301
+ "loss": 0.0733,
1302
+ "step": 27900
1303
+ },
1304
+ {
1305
+ "epoch": 11.74,
1306
+ "eval_loss": 0.2552262246608734,
1307
+ "eval_runtime": 422.3705,
1308
+ "eval_samples_per_second": 12.342,
1309
+ "eval_wer": 0.15331552604963564,
1310
+ "step": 27900
1311
+ },
1312
+ {
1313
+ "epoch": 11.87,
1314
+ "learning_rate": 0.00025076236224922294,
1315
+ "loss": 0.0739,
1316
+ "step": 28200
1317
+ },
1318
+ {
1319
+ "epoch": 11.87,
1320
+ "eval_loss": 0.25745663046836853,
1321
+ "eval_runtime": 446.6268,
1322
+ "eval_samples_per_second": 11.672,
1323
+ "eval_wer": 0.15181141567905396,
1324
+ "step": 28200
1325
+ },
1326
+ {
1327
+ "epoch": 11.99,
1328
+ "learning_rate": 0.00024901610624470185,
1329
+ "loss": 0.0756,
1330
+ "step": 28500
1331
+ },
1332
+ {
1333
+ "epoch": 11.99,
1334
+ "eval_loss": 0.25365495681762695,
1335
+ "eval_runtime": 445.0479,
1336
+ "eval_samples_per_second": 11.713,
1337
+ "eval_wer": 0.15199294624102072,
1338
+ "step": 28500
1339
+ },
1340
+ {
1341
+ "epoch": 12.12,
1342
+ "learning_rate": 0.0002472698502401808,
1343
+ "loss": 0.0623,
1344
+ "step": 28800
1345
+ },
1346
+ {
1347
+ "epoch": 12.12,
1348
+ "eval_loss": 0.25725752115249634,
1349
+ "eval_runtime": 422.5366,
1350
+ "eval_samples_per_second": 12.337,
1351
+ "eval_wer": 0.15450844117113147,
1352
+ "step": 28800
1353
+ },
1354
+ {
1355
+ "epoch": 12.25,
1356
+ "learning_rate": 0.0002455235942356598,
1357
+ "loss": 0.0642,
1358
+ "step": 29100
1359
+ },
1360
+ {
1361
+ "epoch": 12.25,
1362
+ "eval_loss": 0.2661702334880829,
1363
+ "eval_runtime": 452.9004,
1364
+ "eval_samples_per_second": 11.51,
1365
+ "eval_wer": 0.1533673919244833,
1366
+ "step": 29100
1367
+ },
1368
+ {
1369
+ "epoch": 12.37,
1370
+ "learning_rate": 0.00024377733823113874,
1371
+ "loss": 0.0656,
1372
+ "step": 29400
1373
+ },
1374
+ {
1375
+ "epoch": 12.37,
1376
+ "eval_loss": 0.27368617057800293,
1377
+ "eval_runtime": 444.5703,
1378
+ "eval_samples_per_second": 11.726,
1379
+ "eval_wer": 0.15121495811830607,
1380
+ "step": 29400
1381
+ },
1382
+ {
1383
+ "epoch": 12.5,
1384
+ "learning_rate": 0.0002420310822266177,
1385
+ "loss": 0.0713,
1386
+ "step": 29700
1387
+ },
1388
+ {
1389
+ "epoch": 12.5,
1390
+ "eval_loss": 0.27105453610420227,
1391
+ "eval_runtime": 422.4149,
1392
+ "eval_samples_per_second": 12.341,
1393
+ "eval_wer": 0.1492699878115194,
1394
+ "step": 29700
1395
+ },
1396
+ {
1397
+ "epoch": 12.63,
1398
+ "learning_rate": 0.00024028482622209663,
1399
+ "loss": 0.0667,
1400
+ "step": 30000
1401
+ },
1402
+ {
1403
+ "epoch": 12.63,
1404
+ "eval_loss": 0.24904416501522064,
1405
+ "eval_runtime": 450.1403,
1406
+ "eval_samples_per_second": 11.581,
1407
+ "eval_wer": 0.150203573558777,
1408
+ "step": 30000
1409
+ },
1410
+ {
1411
+ "epoch": 12.75,
1412
+ "learning_rate": 0.00023853857021757558,
1413
+ "loss": 0.0629,
1414
+ "step": 30300
1415
+ },
1416
+ {
1417
+ "epoch": 12.75,
1418
+ "eval_loss": 0.26200103759765625,
1419
+ "eval_runtime": 443.2234,
1420
+ "eval_samples_per_second": 11.762,
1421
+ "eval_wer": 0.1519670133035969,
1422
+ "step": 30300
1423
+ },
1424
+ {
1425
+ "epoch": 12.88,
1426
+ "learning_rate": 0.00023679231421305452,
1427
+ "loss": 0.0657,
1428
+ "step": 30600
1429
+ },
1430
+ {
1431
+ "epoch": 12.88,
1432
+ "eval_loss": 0.2610265016555786,
1433
+ "eval_runtime": 438.2352,
1434
+ "eval_samples_per_second": 11.895,
1435
+ "eval_wer": 0.1481030056274474,
1436
+ "step": 30600
1437
+ },
1438
+ {
1439
+ "epoch": 13.01,
1440
+ "learning_rate": 0.0002350460582085335,
1441
+ "loss": 0.0712,
1442
+ "step": 30900
1443
+ },
1444
+ {
1445
+ "epoch": 13.01,
1446
+ "eval_loss": 0.2637769281864166,
1447
+ "eval_runtime": 423.4731,
1448
+ "eval_samples_per_second": 12.31,
1449
+ "eval_wer": 0.1468841575685278,
1450
+ "step": 30900
1451
+ },
1452
+ {
1453
+ "epoch": 13.13,
1454
+ "learning_rate": 0.00023329980220401244,
1455
+ "loss": 0.0624,
1456
+ "step": 31200
1457
+ },
1458
+ {
1459
+ "epoch": 13.13,
1460
+ "eval_loss": 0.25238868594169617,
1461
+ "eval_runtime": 449.8496,
1462
+ "eval_samples_per_second": 11.588,
1463
+ "eval_wer": 0.14999611005938643,
1464
+ "step": 31200
1465
+ },
1466
+ {
1467
+ "epoch": 13.26,
1468
+ "learning_rate": 0.00023155354619949138,
1469
+ "loss": 0.0592,
1470
+ "step": 31500
1471
+ },
1472
+ {
1473
+ "epoch": 13.26,
1474
+ "eval_loss": 0.25298765301704407,
1475
+ "eval_runtime": 451.2139,
1476
+ "eval_samples_per_second": 11.553,
1477
+ "eval_wer": 0.1419309665205778,
1478
+ "step": 31500
1479
+ },
1480
+ {
1481
+ "epoch": 13.38,
1482
+ "learning_rate": 0.00022980729019497033,
1483
+ "loss": 0.0634,
1484
+ "step": 31800
1485
+ },
1486
+ {
1487
+ "epoch": 13.38,
1488
+ "eval_loss": 0.2578509449958801,
1489
+ "eval_runtime": 421.4953,
1490
+ "eval_samples_per_second": 12.368,
1491
+ "eval_wer": 0.15080003111952492,
1492
+ "step": 31800
1493
+ },
1494
+ {
1495
+ "epoch": 13.51,
1496
+ "learning_rate": 0.00022806103419044927,
1497
+ "loss": 0.0575,
1498
+ "step": 32100
1499
+ },
1500
+ {
1501
+ "epoch": 13.51,
1502
+ "eval_loss": 0.24078154563903809,
1503
+ "eval_runtime": 445.6242,
1504
+ "eval_samples_per_second": 11.698,
1505
+ "eval_wer": 0.1440574673893312,
1506
+ "step": 32100
1507
+ },
1508
+ {
1509
+ "epoch": 13.64,
1510
+ "learning_rate": 0.00022631477818592821,
1511
+ "loss": 0.0571,
1512
+ "step": 32400
1513
+ },
1514
+ {
1515
+ "epoch": 13.64,
1516
+ "eval_loss": 0.24118457734584808,
1517
+ "eval_runtime": 441.1228,
1518
+ "eval_samples_per_second": 11.818,
1519
+ "eval_wer": 0.13801509296958067,
1520
+ "step": 32400
1521
+ },
1522
+ {
1523
+ "epoch": 13.76,
1524
+ "learning_rate": 0.00022456852218140716,
1525
+ "loss": 0.0583,
1526
+ "step": 32700
1527
+ },
1528
+ {
1529
+ "epoch": 13.76,
1530
+ "eval_loss": 0.2555965483188629,
1531
+ "eval_runtime": 420.9676,
1532
+ "eval_samples_per_second": 12.383,
1533
+ "eval_wer": 0.1451207178237079,
1534
+ "step": 32700
1535
+ },
1536
+ {
1537
+ "epoch": 13.89,
1538
+ "learning_rate": 0.00022282226617688613,
1539
+ "loss": 0.0564,
1540
+ "step": 33000
1541
+ },
1542
+ {
1543
+ "epoch": 13.89,
1544
+ "eval_loss": 0.25013622641563416,
1545
+ "eval_runtime": 445.1032,
1546
+ "eval_samples_per_second": 11.712,
1547
+ "eval_wer": 0.1420606312076969,
1548
+ "step": 33000
1549
+ },
1550
+ {
1551
+ "epoch": 14.02,
1552
+ "learning_rate": 0.00022107601017236508,
1553
+ "loss": 0.0628,
1554
+ "step": 33300
1555
+ },
1556
+ {
1557
+ "epoch": 14.02,
1558
+ "eval_loss": 0.2687903344631195,
1559
+ "eval_runtime": 448.3298,
1560
+ "eval_samples_per_second": 11.628,
1561
+ "eval_wer": 0.14968491481030055,
1562
+ "step": 33300
1563
+ },
1564
+ {
1565
+ "epoch": 14.14,
1566
+ "learning_rate": 0.00021932975416784402,
1567
+ "loss": 0.0565,
1568
+ "step": 33600
1569
+ },
1570
+ {
1571
+ "epoch": 14.14,
1572
+ "eval_loss": 0.2639634609222412,
1573
+ "eval_runtime": 444.628,
1574
+ "eval_samples_per_second": 11.724,
1575
+ "eval_wer": 0.14154197245922046,
1576
+ "step": 33600
1577
+ },
1578
+ {
1579
+ "epoch": 14.27,
1580
+ "learning_rate": 0.00021758349816332296,
1581
+ "loss": 0.0539,
1582
+ "step": 33900
1583
+ },
1584
+ {
1585
+ "epoch": 14.27,
1586
+ "eval_loss": 0.25850602984428406,
1587
+ "eval_runtime": 422.0625,
1588
+ "eval_samples_per_second": 12.351,
1589
+ "eval_wer": 0.14177536889603484,
1590
+ "step": 33900
1591
+ },
1592
+ {
1593
+ "epoch": 14.39,
1594
+ "learning_rate": 0.0002158372421588019,
1595
+ "loss": 0.0515,
1596
+ "step": 34200
1597
+ },
1598
+ {
1599
+ "epoch": 14.39,
1600
+ "eval_loss": 0.2456846386194229,
1601
+ "eval_runtime": 439.8595,
1602
+ "eval_samples_per_second": 11.852,
1603
+ "eval_wer": 0.13741863540883276,
1604
+ "step": 34200
1605
+ },
1606
+ {
1607
+ "epoch": 14.52,
1608
+ "learning_rate": 0.00021409098615428085,
1609
+ "loss": 0.0535,
1610
+ "step": 34500
1611
+ },
1612
+ {
1613
+ "epoch": 14.52,
1614
+ "eval_loss": 0.2575737535953522,
1615
+ "eval_runtime": 450.7209,
1616
+ "eval_samples_per_second": 11.566,
1617
+ "eval_wer": 0.13684811078550868,
1618
+ "step": 34500
1619
+ },
1620
+ {
1621
+ "epoch": 14.65,
1622
+ "learning_rate": 0.00021234473014975982,
1623
+ "loss": 0.0528,
1624
+ "step": 34800
1625
+ },
1626
+ {
1627
+ "epoch": 14.65,
1628
+ "eval_loss": 0.24703530967235565,
1629
+ "eval_runtime": 422.3035,
1630
+ "eval_samples_per_second": 12.344,
1631
+ "eval_wer": 0.13889681284199062,
1632
+ "step": 34800
1633
+ },
1634
+ {
1635
+ "epoch": 14.77,
1636
+ "learning_rate": 0.00021059847414523877,
1637
+ "loss": 0.0556,
1638
+ "step": 35100
1639
+ },
1640
+ {
1641
+ "epoch": 14.77,
1642
+ "eval_loss": 0.2394973188638687,
1643
+ "eval_runtime": 452.3855,
1644
+ "eval_samples_per_second": 11.523,
1645
+ "eval_wer": 0.13962293508985762,
1646
+ "step": 35100
1647
+ },
1648
+ {
1649
+ "epoch": 14.9,
1650
+ "learning_rate": 0.00020885221814071771,
1651
+ "loss": 0.0562,
1652
+ "step": 35400
1653
+ },
1654
+ {
1655
+ "epoch": 14.9,
1656
+ "eval_loss": 0.2461041510105133,
1657
+ "eval_runtime": 443.6609,
1658
+ "eval_samples_per_second": 11.75,
1659
+ "eval_wer": 0.13835222115609036,
1660
+ "step": 35400
1661
+ },
1662
+ {
1663
+ "epoch": 15.03,
1664
+ "learning_rate": 0.00020710596213619666,
1665
+ "loss": 0.055,
1666
+ "step": 35700
1667
+ },
1668
+ {
1669
+ "epoch": 15.03,
1670
+ "eval_loss": 0.261261522769928,
1671
+ "eval_runtime": 421.1886,
1672
+ "eval_samples_per_second": 12.377,
1673
+ "eval_wer": 0.14125671014755842,
1674
+ "step": 35700
1675
+ },
1676
+ {
1677
+ "epoch": 15.15,
1678
+ "learning_rate": 0.0002053597061316756,
1679
+ "loss": 0.0504,
1680
+ "step": 36000
1681
+ },
1682
+ {
1683
+ "epoch": 15.15,
1684
+ "eval_loss": 0.2512105405330658,
1685
+ "eval_runtime": 449.4571,
1686
+ "eval_samples_per_second": 11.598,
1687
+ "eval_wer": 0.14104924664816784,
1688
+ "step": 36000
1689
+ },
1690
+ {
1691
+ "epoch": 15.28,
1692
+ "learning_rate": 0.00020361345012715457,
1693
+ "loss": 0.0492,
1694
+ "step": 36300
1695
+ },
1696
+ {
1697
+ "epoch": 15.28,
1698
+ "eval_loss": 0.2652667164802551,
1699
+ "eval_runtime": 447.4649,
1700
+ "eval_samples_per_second": 11.65,
1701
+ "eval_wer": 0.1455875106973367,
1702
+ "step": 36300
1703
+ },
1704
+ {
1705
+ "epoch": 15.4,
1706
+ "learning_rate": 0.0002018671941226335,
1707
+ "loss": 0.0495,
1708
+ "step": 36600
1709
+ },
1710
+ {
1711
+ "epoch": 15.4,
1712
+ "eval_loss": 0.25162389874458313,
1713
+ "eval_runtime": 420.3357,
1714
+ "eval_samples_per_second": 12.402,
1715
+ "eval_wer": 0.1370037084100516,
1716
+ "step": 36600
1717
+ },
1718
+ {
1719
+ "epoch": 15.53,
1720
+ "learning_rate": 0.00020012093811811244,
1721
+ "loss": 0.0549,
1722
+ "step": 36900
1723
+ },
1724
+ {
1725
+ "epoch": 15.53,
1726
+ "eval_loss": 0.2618192136287689,
1727
+ "eval_runtime": 445.4016,
1728
+ "eval_samples_per_second": 11.704,
1729
+ "eval_wer": 0.14042685614999612,
1730
+ "step": 36900
1731
+ },
1732
+ {
1733
+ "epoch": 15.66,
1734
+ "learning_rate": 0.0001983746821135914,
1735
+ "loss": 0.0497,
1736
+ "step": 37200
1737
+ },
1738
+ {
1739
+ "epoch": 15.66,
1740
+ "eval_loss": 0.254682332277298,
1741
+ "eval_runtime": 449.7454,
1742
+ "eval_samples_per_second": 11.591,
1743
+ "eval_wer": 0.13679624491066103,
1744
+ "step": 37200
1745
+ },
1746
+ {
1747
+ "epoch": 15.78,
1748
+ "learning_rate": 0.00019662842610907035,
1749
+ "loss": 0.0517,
1750
+ "step": 37500
1751
+ },
1752
+ {
1753
+ "epoch": 15.78,
1754
+ "eval_loss": 0.2562556862831116,
1755
+ "eval_runtime": 452.5481,
1756
+ "eval_samples_per_second": 11.519,
1757
+ "eval_wer": 0.13721117190944218,
1758
+ "step": 37500
1759
+ },
1760
+ {
1761
+ "epoch": 15.91,
1762
+ "learning_rate": 0.0001948821701045493,
1763
+ "loss": 0.0541,
1764
+ "step": 37800
1765
+ },
1766
+ {
1767
+ "epoch": 15.91,
1768
+ "eval_loss": 0.25422725081443787,
1769
+ "eval_runtime": 421.3988,
1770
+ "eval_samples_per_second": 12.371,
1771
+ "eval_wer": 0.13549959803946993,
1772
+ "step": 37800
1773
+ },
1774
+ {
1775
+ "epoch": 16.04,
1776
+ "learning_rate": 0.00019313591410002827,
1777
+ "loss": 0.0494,
1778
+ "step": 38100
1779
+ },
1780
+ {
1781
+ "epoch": 16.04,
1782
+ "eval_loss": 0.2502134144306183,
1783
+ "eval_runtime": 457.8032,
1784
+ "eval_samples_per_second": 11.387,
1785
+ "eval_wer": 0.13267290786027333,
1786
+ "step": 38100
1787
+ },
1788
+ {
1789
+ "epoch": 16.16,
1790
+ "learning_rate": 0.00019138965809550719,
1791
+ "loss": 0.0447,
1792
+ "step": 38400
1793
+ },
1794
+ {
1795
+ "epoch": 16.16,
1796
+ "eval_loss": 0.2713734805583954,
1797
+ "eval_runtime": 453.8402,
1798
+ "eval_samples_per_second": 11.486,
1799
+ "eval_wer": 0.13220611498664453,
1800
+ "step": 38400
1801
+ },
1802
+ {
1803
+ "epoch": 16.29,
1804
+ "learning_rate": 0.00018964340209098613,
1805
+ "loss": 0.0441,
1806
+ "step": 38700
1807
+ },
1808
+ {
1809
+ "epoch": 16.29,
1810
+ "eval_loss": 0.25368762016296387,
1811
+ "eval_runtime": 421.2775,
1812
+ "eval_samples_per_second": 12.374,
1813
+ "eval_wer": 0.13114286455226784,
1814
+ "step": 38700
1815
+ },
1816
+ {
1817
+ "epoch": 16.41,
1818
+ "learning_rate": 0.0001878971460864651,
1819
+ "loss": 0.0457,
1820
+ "step": 39000
1821
+ },
1822
+ {
1823
+ "epoch": 16.41,
1824
+ "eval_loss": 0.24593111872673035,
1825
+ "eval_runtime": 450.5495,
1826
+ "eval_samples_per_second": 11.57,
1827
+ "eval_wer": 0.13430668291797412,
1828
+ "step": 39000
1829
+ },
1830
+ {
1831
+ "epoch": 16.54,
1832
+ "learning_rate": 0.00018615089008194405,
1833
+ "loss": 0.0484,
1834
+ "step": 39300
1835
+ },
1836
+ {
1837
+ "epoch": 16.54,
1838
+ "eval_loss": 0.24097564816474915,
1839
+ "eval_runtime": 447.1986,
1840
+ "eval_samples_per_second": 11.657,
1841
+ "eval_wer": 0.1310909986774202,
1842
+ "step": 39300
1843
+ },
1844
+ {
1845
+ "epoch": 16.67,
1846
+ "learning_rate": 0.000184404634077423,
1847
+ "loss": 0.0435,
1848
+ "step": 39600
1849
+ },
1850
+ {
1851
+ "epoch": 16.67,
1852
+ "eval_loss": 0.24710460007190704,
1853
+ "eval_runtime": 420.3947,
1854
+ "eval_samples_per_second": 12.4,
1855
+ "eval_wer": 0.13150592567620134,
1856
+ "step": 39600
1857
+ },
1858
+ {
1859
+ "epoch": 16.79,
1860
+ "learning_rate": 0.00018265837807290196,
1861
+ "loss": 0.045,
1862
+ "step": 39900
1863
+ },
1864
+ {
1865
+ "epoch": 16.79,
1866
+ "eval_loss": 0.24996981024742126,
1867
+ "eval_runtime": 445.0069,
1868
+ "eval_samples_per_second": 11.714,
1869
+ "eval_wer": 0.12870516843442856,
1870
+ "step": 39900
1871
+ },
1872
+ {
1873
+ "epoch": 16.92,
1874
+ "learning_rate": 0.00018091212206838088,
1875
+ "loss": 0.0476,
1876
+ "step": 40200
1877
+ },
1878
+ {
1879
+ "epoch": 16.92,
1880
+ "eval_loss": 0.24158866703510284,
1881
+ "eval_runtime": 450.2986,
1882
+ "eval_samples_per_second": 11.577,
1883
+ "eval_wer": 0.12753818625035657,
1884
+ "step": 40200
1885
+ },
1886
+ {
1887
+ "epoch": 17.05,
1888
+ "learning_rate": 0.00017916586606385983,
1889
+ "loss": 0.0421,
1890
+ "step": 40500
1891
+ },
1892
+ {
1893
+ "epoch": 17.05,
1894
+ "eval_loss": 0.25376275181770325,
1895
+ "eval_runtime": 439.9451,
1896
+ "eval_samples_per_second": 11.849,
1897
+ "eval_wer": 0.12727885687611837,
1898
+ "step": 40500
1899
+ },
1900
+ {
1901
+ "epoch": 17.17,
1902
+ "learning_rate": 0.0001774196100593388,
1903
+ "loss": 0.043,
1904
+ "step": 40800
1905
+ },
1906
+ {
1907
+ "epoch": 17.17,
1908
+ "eval_loss": 0.2612881064414978,
1909
+ "eval_runtime": 420.2448,
1910
+ "eval_samples_per_second": 12.405,
1911
+ "eval_wer": 0.13638131791187988,
1912
+ "step": 40800
1913
+ },
1914
+ {
1915
+ "epoch": 17.3,
1916
+ "learning_rate": 0.00017567335405481774,
1917
+ "loss": 0.0421,
1918
+ "step": 41100
1919
+ },
1920
+ {
1921
+ "epoch": 17.3,
1922
+ "eval_loss": 0.25012627243995667,
1923
+ "eval_runtime": 442.3555,
1924
+ "eval_samples_per_second": 11.785,
1925
+ "eval_wer": 0.129949949430772,
1926
+ "step": 41100
1927
+ },
1928
+ {
1929
+ "epoch": 17.42,
1930
+ "learning_rate": 0.00017392709805029669,
1931
+ "loss": 0.0455,
1932
+ "step": 41400
1933
+ },
1934
+ {
1935
+ "epoch": 17.42,
1936
+ "eval_loss": 0.27013105154037476,
1937
+ "eval_runtime": 439.1226,
1938
+ "eval_samples_per_second": 11.871,
1939
+ "eval_wer": 0.13282850548481626,
1940
+ "step": 41400
1941
+ },
1942
+ {
1943
+ "epoch": 17.55,
1944
+ "learning_rate": 0.00017218084204577566,
1945
+ "loss": 0.0447,
1946
+ "step": 41700
1947
+ },
1948
+ {
1949
+ "epoch": 17.55,
1950
+ "eval_loss": 0.25483304262161255,
1951
+ "eval_runtime": 422.116,
1952
+ "eval_samples_per_second": 12.35,
1953
+ "eval_wer": 0.13098726692772492,
1954
+ "step": 41700
1955
+ },
1956
+ {
1957
+ "epoch": 17.68,
1958
+ "learning_rate": 0.0001704345860412546,
1959
+ "loss": 0.0422,
1960
+ "step": 42000
1961
+ },
1962
+ {
1963
+ "epoch": 17.68,
1964
+ "eval_loss": 0.25715696811676025,
1965
+ "eval_runtime": 455.1849,
1966
+ "eval_samples_per_second": 11.452,
1967
+ "eval_wer": 0.12795311324913772,
1968
+ "step": 42000
1969
+ },
1970
+ {
1971
+ "epoch": 17.8,
1972
+ "learning_rate": 0.00016868833003673352,
1973
+ "loss": 0.0421,
1974
+ "step": 42300
1975
+ },
1976
+ {
1977
+ "epoch": 17.8,
1978
+ "eval_loss": 0.25144657492637634,
1979
+ "eval_runtime": 438.538,
1980
+ "eval_samples_per_second": 11.887,
1981
+ "eval_wer": 0.13508467104068878,
1982
+ "step": 42300
1983
+ },
1984
+ {
1985
+ "epoch": 17.93,
1986
+ "learning_rate": 0.00016694207403221246,
1987
+ "loss": 0.0421,
1988
+ "step": 42600
1989
+ },
1990
+ {
1991
+ "epoch": 17.93,
1992
+ "eval_loss": 0.25014957785606384,
1993
+ "eval_runtime": 419.3857,
1994
+ "eval_samples_per_second": 12.43,
1995
+ "eval_wer": 0.12906822955836209,
1996
+ "step": 42600
1997
+ },
1998
+ {
1999
+ "epoch": 18.06,
2000
+ "learning_rate": 0.00016519581802769144,
2001
+ "loss": 0.0412,
2002
+ "step": 42900
2003
+ },
2004
+ {
2005
+ "epoch": 18.06,
2006
+ "eval_loss": 0.25013405084609985,
2007
+ "eval_runtime": 447.7509,
2008
+ "eval_samples_per_second": 11.643,
2009
+ "eval_wer": 0.12891263193381913,
2010
+ "step": 42900
2011
+ },
2012
+ {
2013
+ "epoch": 18.18,
2014
+ "learning_rate": 0.00016344956202317038,
2015
+ "loss": 0.0365,
2016
+ "step": 43200
2017
+ },
2018
+ {
2019
+ "epoch": 18.18,
2020
+ "eval_loss": 0.24244625866413116,
2021
+ "eval_runtime": 452.5128,
2022
+ "eval_samples_per_second": 11.52,
2023
+ "eval_wer": 0.13249137729830657,
2024
+ "step": 43200
2025
+ },
2026
+ {
2027
+ "epoch": 18.31,
2028
+ "learning_rate": 0.00016170330601864932,
2029
+ "loss": 0.037,
2030
+ "step": 43500
2031
+ },
2032
+ {
2033
+ "epoch": 18.31,
2034
+ "eval_loss": 0.24644562602043152,
2035
+ "eval_runtime": 447.1204,
2036
+ "eval_samples_per_second": 11.659,
2037
+ "eval_wer": 0.12963875418168616,
2038
+ "step": 43500
2039
+ },
2040
+ {
2041
+ "epoch": 18.43,
2042
+ "learning_rate": 0.0001599570500141283,
2043
+ "loss": 0.0398,
2044
+ "step": 43800
2045
+ },
2046
+ {
2047
+ "epoch": 18.43,
2048
+ "eval_loss": 0.24118588864803314,
2049
+ "eval_runtime": 420.9169,
2050
+ "eval_samples_per_second": 12.385,
2051
+ "eval_wer": 0.12551541713129846,
2052
+ "step": 43800
2053
+ },
2054
+ {
2055
+ "epoch": 18.56,
2056
+ "learning_rate": 0.00015821079400960721,
2057
+ "loss": 0.0398,
2058
+ "step": 44100
2059
+ },
2060
+ {
2061
+ "epoch": 18.56,
2062
+ "eval_loss": 0.2401241511106491,
2063
+ "eval_runtime": 443.2738,
2064
+ "eval_samples_per_second": 11.76,
2065
+ "eval_wer": 0.12642306994113223,
2066
+ "step": 44100
2067
+ },
2068
+ {
2069
+ "epoch": 18.69,
2070
+ "learning_rate": 0.00015646453800508616,
2071
+ "loss": 0.0404,
2072
+ "step": 44400
2073
+ },
2074
+ {
2075
+ "epoch": 18.69,
2076
+ "eval_loss": 0.24249568581581116,
2077
+ "eval_runtime": 454.0524,
2078
+ "eval_samples_per_second": 11.481,
2079
+ "eval_wer": 0.12416690438525972,
2080
+ "step": 44400
2081
+ },
2082
+ {
2083
+ "epoch": 18.81,
2084
+ "learning_rate": 0.00015471828200056513,
2085
+ "loss": 0.0385,
2086
+ "step": 44700
2087
+ },
2088
+ {
2089
+ "epoch": 18.81,
2090
+ "eval_loss": 0.2565571069717407,
2091
+ "eval_runtime": 421.1105,
2092
+ "eval_samples_per_second": 12.379,
2093
+ "eval_wer": 0.13007961411789112,
2094
+ "step": 44700
2095
+ },
2096
+ {
2097
+ "epoch": 18.94,
2098
+ "learning_rate": 0.00015297202599604407,
2099
+ "loss": 0.0409,
2100
+ "step": 45000
2101
+ },
2102
+ {
2103
+ "epoch": 18.94,
2104
+ "eval_loss": 0.24367791414260864,
2105
+ "eval_runtime": 440.1807,
2106
+ "eval_samples_per_second": 11.843,
2107
+ "eval_wer": 0.12823837556079978,
2108
+ "step": 45000
2109
+ },
2110
+ {
2111
+ "epoch": 19.07,
2112
+ "learning_rate": 0.00015122576999152302,
2113
+ "loss": 0.0386,
2114
+ "step": 45300
2115
+ },
2116
+ {
2117
+ "epoch": 19.07,
2118
+ "eval_loss": 0.2512024939060211,
2119
+ "eval_runtime": 448.55,
2120
+ "eval_samples_per_second": 11.622,
2121
+ "eval_wer": 0.1251004901325173,
2122
+ "step": 45300
2123
+ },
2124
+ {
2125
+ "epoch": 19.19,
2126
+ "learning_rate": 0.000149479513987002,
2127
+ "loss": 0.0382,
2128
+ "step": 45600
2129
+ },
2130
+ {
2131
+ "epoch": 19.19,
2132
+ "eval_loss": 0.26347675919532776,
2133
+ "eval_runtime": 420.744,
2134
+ "eval_samples_per_second": 12.39,
2135
+ "eval_wer": 0.1246077643214647,
2136
+ "step": 45600
2137
+ },
2138
+ {
2139
+ "epoch": 19.32,
2140
+ "learning_rate": 0.00014773325798248094,
2141
+ "loss": 0.0356,
2142
+ "step": 45900
2143
+ },
2144
+ {
2145
+ "epoch": 19.32,
2146
+ "eval_loss": 0.24348150193691254,
2147
+ "eval_runtime": 444.991,
2148
+ "eval_samples_per_second": 11.715,
2149
+ "eval_wer": 0.11929151214958118,
2150
+ "step": 45900
2151
+ },
2152
+ {
2153
+ "epoch": 19.44,
2154
+ "learning_rate": 0.00014598700197795985,
2155
+ "loss": 0.0347,
2156
+ "step": 46200
2157
+ },
2158
+ {
2159
+ "epoch": 19.44,
2160
+ "eval_loss": 0.24703486263751984,
2161
+ "eval_runtime": 450.7542,
2162
+ "eval_samples_per_second": 11.565,
2163
+ "eval_wer": 0.11866912165140946,
2164
+ "step": 46200
2165
+ },
2166
+ {
2167
+ "epoch": 19.57,
2168
+ "learning_rate": 0.00014424074597343882,
2169
+ "loss": 0.0351,
2170
+ "step": 46500
2171
+ },
2172
+ {
2173
+ "epoch": 19.57,
2174
+ "eval_loss": 0.25269144773483276,
2175
+ "eval_runtime": 420.9044,
2176
+ "eval_samples_per_second": 12.385,
2177
+ "eval_wer": 0.12250719639013512,
2178
+ "step": 46500
2179
+ },
2180
+ {
2181
+ "epoch": 19.7,
2182
+ "learning_rate": 0.00014249448996891777,
2183
+ "loss": 0.0387,
2184
+ "step": 46800
2185
+ },
2186
+ {
2187
+ "epoch": 19.7,
2188
+ "eval_loss": 0.2696446180343628,
2189
+ "eval_runtime": 447.6183,
2190
+ "eval_samples_per_second": 11.646,
2191
+ "eval_wer": 0.12899043074609062,
2192
+ "step": 46800
2193
+ },
2194
+ {
2195
+ "epoch": 19.82,
2196
+ "learning_rate": 0.0001407482339643967,
2197
+ "loss": 0.0381,
2198
+ "step": 47100
2199
+ },
2200
+ {
2201
+ "epoch": 19.82,
2202
+ "eval_loss": 0.24737927317619324,
2203
+ "eval_runtime": 454.8982,
2204
+ "eval_samples_per_second": 11.46,
2205
+ "eval_wer": 0.123544513887088,
2206
+ "step": 47100
2207
+ },
2208
+ {
2209
+ "epoch": 19.95,
2210
+ "learning_rate": 0.00013900197795987568,
2211
+ "loss": 0.0353,
2212
+ "step": 47400
2213
+ },
2214
+ {
2215
+ "epoch": 19.95,
2216
+ "eval_loss": 0.24795196950435638,
2217
+ "eval_runtime": 453.6312,
2218
+ "eval_samples_per_second": 11.492,
2219
+ "eval_wer": 0.12318145276315448,
2220
+ "step": 47400
2221
+ },
2222
+ {
2223
+ "epoch": 20.08,
2224
+ "learning_rate": 0.00013725572195535463,
2225
+ "loss": 0.0339,
2226
+ "step": 47700
2227
+ },
2228
+ {
2229
+ "epoch": 20.08,
2230
+ "eval_loss": 0.25215083360671997,
2231
+ "eval_runtime": 420.9875,
2232
+ "eval_samples_per_second": 12.383,
2233
+ "eval_wer": 0.12250719639013512,
2234
+ "step": 47700
2235
+ },
2236
+ {
2237
+ "epoch": 20.2,
2238
+ "learning_rate": 0.00013550946595083355,
2239
+ "loss": 0.0329,
2240
+ "step": 48000
2241
+ },
2242
+ {
2243
+ "epoch": 20.2,
2244
+ "eval_loss": 0.25695204734802246,
2245
+ "eval_runtime": 443.8662,
2246
+ "eval_samples_per_second": 11.745,
2247
+ "eval_wer": 0.11952490858639558,
2248
+ "step": 48000
2249
+ },
2250
+ {
2251
+ "epoch": 20.33,
2252
+ "learning_rate": 0.00013376320994631252,
2253
+ "loss": 0.0316,
2254
+ "step": 48300
2255
+ },
2256
+ {
2257
+ "epoch": 20.33,
2258
+ "eval_loss": 0.25657811760902405,
2259
+ "eval_runtime": 443.4461,
2260
+ "eval_samples_per_second": 11.756,
2261
+ "eval_wer": 0.11999170146002437,
2262
+ "step": 48300
2263
+ },
2264
+ {
2265
+ "epoch": 20.45,
2266
+ "learning_rate": 0.00013201695394179146,
2267
+ "loss": 0.0339,
2268
+ "step": 48600
2269
+ },
2270
+ {
2271
+ "epoch": 20.45,
2272
+ "eval_loss": 0.2606305181980133,
2273
+ "eval_runtime": 420.9039,
2274
+ "eval_samples_per_second": 12.385,
2275
+ "eval_wer": 0.11809859702808537,
2276
+ "step": 48600
2277
+ },
2278
+ {
2279
+ "epoch": 20.58,
2280
+ "learning_rate": 0.0001302706979372704,
2281
+ "loss": 0.0324,
2282
+ "step": 48900
2283
+ },
2284
+ {
2285
+ "epoch": 20.58,
2286
+ "eval_loss": 0.2572144865989685,
2287
+ "eval_runtime": 456.9807,
2288
+ "eval_samples_per_second": 11.407,
2289
+ "eval_wer": 0.11488291278753145,
2290
+ "step": 48900
2291
+ },
2292
+ {
2293
+ "epoch": 20.71,
2294
+ "learning_rate": 0.00012852444193274935,
2295
+ "loss": 0.0306,
2296
+ "step": 49200
2297
+ },
2298
+ {
2299
+ "epoch": 20.71,
2300
+ "eval_loss": 0.25449544191360474,
2301
+ "eval_runtime": 449.6003,
2302
+ "eval_samples_per_second": 11.595,
2303
+ "eval_wer": 0.11783926765384715,
2304
+ "step": 49200
2305
+ },
2306
+ {
2307
+ "epoch": 20.83,
2308
+ "learning_rate": 0.00012677818592822832,
2309
+ "loss": 0.0339,
2310
+ "step": 49500
2311
+ },
2312
+ {
2313
+ "epoch": 20.83,
2314
+ "eval_loss": 0.24496378004550934,
2315
+ "eval_runtime": 420.0292,
2316
+ "eval_samples_per_second": 12.411,
2317
+ "eval_wer": 0.1147013822255647,
2318
+ "step": 49500
2319
+ },
2320
+ {
2321
+ "epoch": 20.96,
2322
+ "learning_rate": 0.00012503192992370724,
2323
+ "loss": 0.0344,
2324
+ "step": 49800
2325
+ },
2326
+ {
2327
+ "epoch": 20.96,
2328
+ "eval_loss": 0.23759284615516663,
2329
+ "eval_runtime": 450.494,
2330
+ "eval_samples_per_second": 11.572,
2331
+ "eval_wer": 0.12004356733487202,
2332
+ "step": 49800
2333
+ },
2334
+ {
2335
+ "epoch": 21.09,
2336
+ "learning_rate": 0.00012328567391918619,
2337
+ "loss": 0.0302,
2338
+ "step": 50100
2339
+ },
2340
+ {
2341
+ "epoch": 21.09,
2342
+ "eval_loss": 0.2617592215538025,
2343
+ "eval_runtime": 450.3195,
2344
+ "eval_samples_per_second": 11.576,
2345
+ "eval_wer": 0.11584243147221286,
2346
+ "step": 50100
2347
+ },
2348
+ {
2349
+ "epoch": 21.21,
2350
+ "learning_rate": 0.00012153941791466516,
2351
+ "loss": 0.0312,
2352
+ "step": 50400
2353
+ },
2354
+ {
2355
+ "epoch": 21.21,
2356
+ "eval_loss": 0.25956034660339355,
2357
+ "eval_runtime": 440.9223,
2358
+ "eval_samples_per_second": 11.823,
2359
+ "eval_wer": 0.11462358341329322,
2360
+ "step": 50400
2361
+ },
2362
+ {
2363
+ "epoch": 21.34,
2364
+ "learning_rate": 0.0001197931619101441,
2365
+ "loss": 0.0296,
2366
+ "step": 50700
2367
+ },
2368
+ {
2369
+ "epoch": 21.34,
2370
+ "eval_loss": 0.25406599044799805,
2371
+ "eval_runtime": 422.3783,
2372
+ "eval_samples_per_second": 12.342,
2373
+ "eval_wer": 0.11480511397525998,
2374
+ "step": 50700
2375
+ },
2376
+ {
2377
+ "epoch": 21.46,
2378
+ "learning_rate": 0.00011804690590562305,
2379
+ "loss": 0.0288,
2380
+ "step": 51000
2381
+ },
2382
+ {
2383
+ "epoch": 21.46,
2384
+ "eval_loss": 0.25333333015441895,
2385
+ "eval_runtime": 451.8621,
2386
+ "eval_samples_per_second": 11.537,
2387
+ "eval_wer": 0.11270454604393039,
2388
+ "step": 51000
2389
+ },
2390
+ {
2391
+ "epoch": 21.59,
2392
+ "learning_rate": 0.000116300649901102,
2393
+ "loss": 0.0305,
2394
+ "step": 51300
2395
+ },
2396
+ {
2397
+ "epoch": 21.59,
2398
+ "eval_loss": 0.2583317756652832,
2399
+ "eval_runtime": 448.0342,
2400
+ "eval_samples_per_second": 11.635,
2401
+ "eval_wer": 0.11542750447343171,
2402
+ "step": 51300
2403
+ },
2404
+ {
2405
+ "epoch": 21.72,
2406
+ "learning_rate": 0.00011455439389658095,
2407
+ "loss": 0.0298,
2408
+ "step": 51600
2409
+ },
2410
+ {
2411
+ "epoch": 21.72,
2412
+ "eval_loss": 0.23815418779850006,
2413
+ "eval_runtime": 423.0616,
2414
+ "eval_samples_per_second": 12.322,
2415
+ "eval_wer": 0.11524597391146495,
2416
+ "step": 51600
2417
+ },
2418
+ {
2419
+ "epoch": 21.84,
2420
+ "learning_rate": 0.0001128081378920599,
2421
+ "loss": 0.0291,
2422
+ "step": 51900
2423
+ },
2424
+ {
2425
+ "epoch": 21.84,
2426
+ "eval_loss": 0.2578916549682617,
2427
+ "eval_runtime": 448.7674,
2428
+ "eval_samples_per_second": 11.616,
2429
+ "eval_wer": 0.1138974611654262,
2430
+ "step": 51900
2431
+ },
2432
+ {
2433
+ "epoch": 21.97,
2434
+ "learning_rate": 0.00011106188188753885,
2435
+ "loss": 0.0295,
2436
+ "step": 52200
2437
+ },
2438
+ {
2439
+ "epoch": 21.97,
2440
+ "eval_loss": 0.26773908734321594,
2441
+ "eval_runtime": 447.9798,
2442
+ "eval_samples_per_second": 11.637,
2443
+ "eval_wer": 0.1136640647286118,
2444
+ "step": 52200
2445
+ },
2446
+ {
2447
+ "epoch": 22.1,
2448
+ "learning_rate": 0.0001093156258830178,
2449
+ "loss": 0.0279,
2450
+ "step": 52500
2451
+ },
2452
+ {
2453
+ "epoch": 22.1,
2454
+ "eval_loss": 0.24904872477054596,
2455
+ "eval_runtime": 420.4369,
2456
+ "eval_samples_per_second": 12.399,
2457
+ "eval_wer": 0.1128342107310495,
2458
+ "step": 52500
2459
+ },
2460
+ {
2461
+ "epoch": 22.22,
2462
+ "learning_rate": 0.00010756936987849674,
2463
+ "loss": 0.0283,
2464
+ "step": 52800
2465
+ },
2466
+ {
2467
+ "epoch": 22.22,
2468
+ "eval_loss": 0.2628434896469116,
2469
+ "eval_runtime": 449.8543,
2470
+ "eval_samples_per_second": 11.588,
2471
+ "eval_wer": 0.11433832110163118,
2472
+ "step": 52800
2473
+ },
2474
+ {
2475
+ "epoch": 22.35,
2476
+ "learning_rate": 0.0001058231138739757,
2477
+ "loss": 0.0277,
2478
+ "step": 53100
2479
+ },
2480
+ {
2481
+ "epoch": 22.35,
2482
+ "eval_loss": 0.26064106822013855,
2483
+ "eval_runtime": 447.314,
2484
+ "eval_samples_per_second": 11.654,
2485
+ "eval_wer": 0.11280827779362568,
2486
+ "step": 53100
2487
+ },
2488
+ {
2489
+ "epoch": 22.47,
2490
+ "learning_rate": 0.00010407685786945464,
2491
+ "loss": 0.0263,
2492
+ "step": 53400
2493
+ },
2494
+ {
2495
+ "epoch": 22.47,
2496
+ "eval_loss": 0.264713853597641,
2497
+ "eval_runtime": 446.9042,
2498
+ "eval_samples_per_second": 11.665,
2499
+ "eval_wer": 0.11210808848318249,
2500
+ "step": 53400
2501
+ },
2502
+ {
2503
+ "epoch": 22.6,
2504
+ "learning_rate": 0.0001023306018649336,
2505
+ "loss": 0.0278,
2506
+ "step": 53700
2507
+ },
2508
+ {
2509
+ "epoch": 22.6,
2510
+ "eval_loss": 0.2553078830242157,
2511
+ "eval_runtime": 421.9865,
2512
+ "eval_samples_per_second": 12.353,
2513
+ "eval_wer": 0.1103446487383626,
2514
+ "step": 53700
2515
+ },
2516
+ {
2517
+ "epoch": 22.73,
2518
+ "learning_rate": 0.00010058434586041255,
2519
+ "loss": 0.028,
2520
+ "step": 54000
2521
+ },
2522
+ {
2523
+ "epoch": 22.73,
2524
+ "eval_loss": 0.25996631383895874,
2525
+ "eval_runtime": 448.115,
2526
+ "eval_samples_per_second": 11.633,
2527
+ "eval_wer": 0.11226368610772543,
2528
+ "step": 54000
2529
+ },
2530
+ {
2531
+ "epoch": 22.85,
2532
+ "learning_rate": 9.883808985589149e-05,
2533
+ "loss": 0.0289,
2534
+ "step": 54300
2535
+ },
2536
+ {
2537
+ "epoch": 22.85,
2538
+ "eval_loss": 0.2588217258453369,
2539
+ "eval_runtime": 457.0011,
2540
+ "eval_samples_per_second": 11.407,
2541
+ "eval_wer": 0.11221182023287778,
2542
+ "step": 54300
2543
+ },
2544
+ {
2545
+ "epoch": 22.98,
2546
+ "learning_rate": 9.709183385137043e-05,
2547
+ "loss": 0.0288,
2548
+ "step": 54600
2549
+ },
2550
+ {
2551
+ "epoch": 22.98,
2552
+ "eval_loss": 0.2563655972480774,
2553
+ "eval_runtime": 421.5067,
2554
+ "eval_samples_per_second": 12.368,
2555
+ "eval_wer": 0.1130676071678639,
2556
+ "step": 54600
2557
+ },
2558
+ {
2559
+ "epoch": 23.11,
2560
+ "learning_rate": 9.534557784684939e-05,
2561
+ "loss": 0.0259,
2562
+ "step": 54900
2563
+ },
2564
+ {
2565
+ "epoch": 23.11,
2566
+ "eval_loss": 0.25361210107803345,
2567
+ "eval_runtime": 454.0477,
2568
+ "eval_samples_per_second": 11.481,
2569
+ "eval_wer": 0.10935919711625736,
2570
+ "step": 54900
2571
+ },
2572
+ {
2573
+ "epoch": 23.23,
2574
+ "learning_rate": 9.359932184232834e-05,
2575
+ "loss": 0.0278,
2576
+ "step": 55200
2577
+ },
2578
+ {
2579
+ "epoch": 23.23,
2580
+ "eval_loss": 0.26548078656196594,
2581
+ "eval_runtime": 453.6451,
2582
+ "eval_samples_per_second": 11.491,
2583
+ "eval_wer": 0.10974819117761468,
2584
+ "step": 55200
2585
+ },
2586
+ {
2587
+ "epoch": 23.36,
2588
+ "learning_rate": 9.185306583780728e-05,
2589
+ "loss": 0.0254,
2590
+ "step": 55500
2591
+ },
2592
+ {
2593
+ "epoch": 23.36,
2594
+ "eval_loss": 0.27383095026016235,
2595
+ "eval_runtime": 421.4102,
2596
+ "eval_samples_per_second": 12.37,
2597
+ "eval_wer": 0.11286014366847333,
2598
+ "step": 55500
2599
+ },
2600
+ {
2601
+ "epoch": 23.48,
2602
+ "learning_rate": 9.010680983328624e-05,
2603
+ "loss": 0.0276,
2604
+ "step": 55800
2605
+ },
2606
+ {
2607
+ "epoch": 23.48,
2608
+ "eval_loss": 0.2656802833080292,
2609
+ "eval_runtime": 449.064,
2610
+ "eval_samples_per_second": 11.609,
2611
+ "eval_wer": 0.1109411062991105,
2612
+ "step": 55800
2613
+ },
2614
+ {
2615
+ "epoch": 23.61,
2616
+ "learning_rate": 8.836055382876518e-05,
2617
+ "loss": 0.026,
2618
+ "step": 56100
2619
+ },
2620
+ {
2621
+ "epoch": 23.61,
2622
+ "eval_loss": 0.27263152599334717,
2623
+ "eval_runtime": 447.0215,
2624
+ "eval_samples_per_second": 11.662,
2625
+ "eval_wer": 0.11044838048805788,
2626
+ "step": 56100
2627
+ },
2628
+ {
2629
+ "epoch": 23.74,
2630
+ "learning_rate": 8.661429782424413e-05,
2631
+ "loss": 0.0258,
2632
+ "step": 56400
2633
+ },
2634
+ {
2635
+ "epoch": 23.74,
2636
+ "eval_loss": 0.26607978343963623,
2637
+ "eval_runtime": 422.7932,
2638
+ "eval_samples_per_second": 12.33,
2639
+ "eval_wer": 0.10775135499598039,
2640
+ "step": 56400
2641
+ },
2642
+ {
2643
+ "epoch": 23.86,
2644
+ "learning_rate": 8.486804181972309e-05,
2645
+ "loss": 0.0252,
2646
+ "step": 56700
2647
+ },
2648
+ {
2649
+ "epoch": 23.86,
2650
+ "eval_loss": 0.26961830258369446,
2651
+ "eval_runtime": 442.9007,
2652
+ "eval_samples_per_second": 11.77,
2653
+ "eval_wer": 0.10891833718005238,
2654
+ "step": 56700
2655
+ },
2656
+ {
2657
+ "epoch": 23.99,
2658
+ "learning_rate": 8.312178581520203e-05,
2659
+ "loss": 0.0255,
2660
+ "step": 57000
2661
+ },
2662
+ {
2663
+ "epoch": 23.99,
2664
+ "eval_loss": 0.25439324975013733,
2665
+ "eval_runtime": 447.4952,
2666
+ "eval_samples_per_second": 11.649,
2667
+ "eval_wer": 0.10808848318249008,
2668
+ "step": 57000
2669
+ },
2670
+ {
2671
+ "epoch": 24.12,
2672
+ "learning_rate": 8.137552981068098e-05,
2673
+ "loss": 0.0235,
2674
+ "step": 57300
2675
+ },
2676
+ {
2677
+ "epoch": 24.12,
2678
+ "eval_loss": 0.26512473821640015,
2679
+ "eval_runtime": 447.2758,
2680
+ "eval_samples_per_second": 11.655,
2681
+ "eval_wer": 0.1096444594279194,
2682
+ "step": 57300
2683
+ },
2684
+ {
2685
+ "epoch": 24.24,
2686
+ "learning_rate": 7.962927380615993e-05,
2687
+ "loss": 0.0237,
2688
+ "step": 57600
2689
+ },
2690
+ {
2691
+ "epoch": 24.24,
2692
+ "eval_loss": 0.2661215364933014,
2693
+ "eval_runtime": 422.3577,
2694
+ "eval_samples_per_second": 12.343,
2695
+ "eval_wer": 0.10912580067944296,
2696
+ "step": 57600
2697
+ },
2698
+ {
2699
+ "epoch": 24.37,
2700
+ "learning_rate": 7.788301780163888e-05,
2701
+ "loss": 0.0259,
2702
+ "step": 57900
2703
+ },
2704
+ {
2705
+ "epoch": 24.37,
2706
+ "eval_loss": 0.2603491246700287,
2707
+ "eval_runtime": 447.2071,
2708
+ "eval_samples_per_second": 11.657,
2709
+ "eval_wer": 0.1081144161199139,
2710
+ "step": 57900
2711
+ },
2712
+ {
2713
+ "epoch": 24.49,
2714
+ "learning_rate": 7.613676179711782e-05,
2715
+ "loss": 0.022,
2716
+ "step": 58200
2717
+ },
2718
+ {
2719
+ "epoch": 24.49,
2720
+ "eval_loss": 0.25694188475608826,
2721
+ "eval_runtime": 447.9008,
2722
+ "eval_samples_per_second": 11.639,
2723
+ "eval_wer": 0.10653250693706076,
2724
+ "step": 58200
2725
+ },
2726
+ {
2727
+ "epoch": 24.62,
2728
+ "learning_rate": 7.439050579259678e-05,
2729
+ "loss": 0.0239,
2730
+ "step": 58500
2731
+ },
2732
+ {
2733
+ "epoch": 24.62,
2734
+ "eval_loss": 0.2633558511734009,
2735
+ "eval_runtime": 422.3281,
2736
+ "eval_samples_per_second": 12.343,
2737
+ "eval_wer": 0.10868494074323799,
2738
+ "step": 58500
2739
+ },
2740
+ {
2741
+ "epoch": 24.75,
2742
+ "learning_rate": 7.264424978807573e-05,
2743
+ "loss": 0.0226,
2744
+ "step": 58800
2745
+ },
2746
+ {
2747
+ "epoch": 24.75,
2748
+ "eval_loss": 0.2715343236923218,
2749
+ "eval_runtime": 451.351,
2750
+ "eval_samples_per_second": 11.55,
2751
+ "eval_wer": 0.10580638468919375,
2752
+ "step": 58800
2753
+ },
2754
+ {
2755
+ "epoch": 24.87,
2756
+ "learning_rate": 7.089799378355467e-05,
2757
+ "loss": 0.0236,
2758
+ "step": 59100
2759
+ },
2760
+ {
2761
+ "epoch": 24.87,
2762
+ "eval_loss": 0.25477010011672974,
2763
+ "eval_runtime": 442.3516,
2764
+ "eval_samples_per_second": 11.785,
2765
+ "eval_wer": 0.10487279894193616,
2766
+ "step": 59100
2767
+ },
2768
+ {
2769
+ "epoch": 25.0,
2770
+ "learning_rate": 6.915173777903363e-05,
2771
+ "loss": 0.0221,
2772
+ "step": 59400
2773
+ },
2774
+ {
2775
+ "epoch": 25.0,
2776
+ "eval_loss": 0.26137542724609375,
2777
+ "eval_runtime": 423.9191,
2778
+ "eval_samples_per_second": 12.297,
2779
+ "eval_wer": 0.10531365887814113,
2780
+ "step": 59400
2781
+ },
2782
+ {
2783
+ "epoch": 25.13,
2784
+ "learning_rate": 6.740548177451257e-05,
2785
+ "loss": 0.0228,
2786
+ "step": 59700
2787
+ },
2788
+ {
2789
+ "epoch": 25.13,
2790
+ "eval_loss": 0.2630428969860077,
2791
+ "eval_runtime": 457.649,
2792
+ "eval_samples_per_second": 11.391,
2793
+ "eval_wer": 0.10508026244132673,
2794
+ "step": 59700
2795
+ },
2796
+ {
2797
+ "epoch": 25.25,
2798
+ "learning_rate": 6.565922576999152e-05,
2799
+ "loss": 0.0211,
2800
+ "step": 60000
2801
+ },
2802
+ {
2803
+ "epoch": 25.25,
2804
+ "eval_loss": 0.26376327872276306,
2805
+ "eval_runtime": 438.7038,
2806
+ "eval_samples_per_second": 11.883,
2807
+ "eval_wer": 0.10510619537875054,
2808
+ "step": 60000
2809
+ },
2810
+ {
2811
+ "epoch": 25.38,
2812
+ "learning_rate": 6.391296976547048e-05,
2813
+ "loss": 0.0216,
2814
+ "step": 60300
2815
+ },
2816
+ {
2817
+ "epoch": 25.38,
2818
+ "eval_loss": 0.27177637815475464,
2819
+ "eval_runtime": 453.0435,
2820
+ "eval_samples_per_second": 11.507,
2821
+ "eval_wer": 0.10443193900573118,
2822
+ "step": 60300
2823
+ },
2824
+ {
2825
+ "epoch": 25.51,
2826
+ "learning_rate": 6.216671376094942e-05,
2827
+ "loss": 0.0241,
2828
+ "step": 60600
2829
+ },
2830
+ {
2831
+ "epoch": 25.51,
2832
+ "eval_loss": 0.2619257867336273,
2833
+ "eval_runtime": 422.4781,
2834
+ "eval_samples_per_second": 12.339,
2835
+ "eval_wer": 0.10329088975908302,
2836
+ "step": 60600
2837
+ },
2838
+ {
2839
+ "epoch": 25.63,
2840
+ "learning_rate": 6.042045775642837e-05,
2841
+ "loss": 0.0211,
2842
+ "step": 60900
2843
+ },
2844
+ {
2845
+ "epoch": 25.63,
2846
+ "eval_loss": 0.26482462882995605,
2847
+ "eval_runtime": 439.7256,
2848
+ "eval_samples_per_second": 11.855,
2849
+ "eval_wer": 0.10217577344985866,
2850
+ "step": 60900
2851
+ },
2852
+ {
2853
+ "epoch": 25.76,
2854
+ "learning_rate": 5.867420175190732e-05,
2855
+ "loss": 0.0216,
2856
+ "step": 61200
2857
+ },
2858
+ {
2859
+ "epoch": 25.76,
2860
+ "eval_loss": 0.2719128131866455,
2861
+ "eval_runtime": 444.9118,
2862
+ "eval_samples_per_second": 11.717,
2863
+ "eval_wer": 0.10227950519955395,
2864
+ "step": 61200
2865
+ },
2866
+ {
2867
+ "epoch": 25.88,
2868
+ "learning_rate": 5.692794574738626e-05,
2869
+ "loss": 0.0209,
2870
+ "step": 61500
2871
+ },
2872
+ {
2873
+ "epoch": 25.88,
2874
+ "eval_loss": 0.2721671164035797,
2875
+ "eval_runtime": 422.0845,
2876
+ "eval_samples_per_second": 12.351,
2877
+ "eval_wer": 0.10134591945229636,
2878
+ "step": 61500
2879
+ },
2880
+ {
2881
+ "epoch": 26.01,
2882
+ "learning_rate": 5.518168974286522e-05,
2883
+ "loss": 0.0212,
2884
+ "step": 61800
2885
+ },
2886
+ {
2887
+ "epoch": 26.01,
2888
+ "eval_loss": 0.26508814096450806,
2889
+ "eval_runtime": 445.5664,
2890
+ "eval_samples_per_second": 11.7,
2891
+ "eval_wer": 0.10051606545473406,
2892
+ "step": 61800
2893
+ },
2894
+ {
2895
+ "epoch": 26.14,
2896
+ "learning_rate": 5.3435433738344156e-05,
2897
+ "loss": 0.0204,
2898
+ "step": 62100
2899
+ },
2900
+ {
2901
+ "epoch": 26.14,
2902
+ "eval_loss": 0.26492705941200256,
2903
+ "eval_runtime": 452.3889,
2904
+ "eval_samples_per_second": 11.523,
2905
+ "eval_wer": 0.10220170638728249,
2906
+ "step": 62100
2907
+ },
2908
+ {
2909
+ "epoch": 26.26,
2910
+ "learning_rate": 5.168917773382311e-05,
2911
+ "loss": 0.0202,
2912
+ "step": 62400
2913
+ },
2914
+ {
2915
+ "epoch": 26.26,
2916
+ "eval_loss": 0.278484046459198,
2917
+ "eval_runtime": 422.0533,
2918
+ "eval_samples_per_second": 12.352,
2919
+ "eval_wer": 0.10313529213454008,
2920
+ "step": 62400
2921
+ },
2922
+ {
2923
+ "epoch": 26.39,
2924
+ "learning_rate": 4.994292172930206e-05,
2925
+ "loss": 0.0213,
2926
+ "step": 62700
2927
+ },
2928
+ {
2929
+ "epoch": 26.39,
2930
+ "eval_loss": 0.272367924451828,
2931
+ "eval_runtime": 442.0178,
2932
+ "eval_samples_per_second": 11.794,
2933
+ "eval_wer": 0.10033453489276731,
2934
+ "step": 62700
2935
+ },
2936
+ {
2937
+ "epoch": 26.52,
2938
+ "learning_rate": 4.819666572478101e-05,
2939
+ "loss": 0.0215,
2940
+ "step": 63000
2941
+ },
2942
+ {
2943
+ "epoch": 26.52,
2944
+ "eval_loss": 0.2681904137134552,
2945
+ "eval_runtime": 443.7076,
2946
+ "eval_samples_per_second": 11.749,
2947
+ "eval_wer": 0.10157931588911076,
2948
+ "step": 63000
2949
+ },
2950
+ {
2951
+ "epoch": 26.64,
2952
+ "learning_rate": 4.645040972025996e-05,
2953
+ "loss": 0.0188,
2954
+ "step": 63300
2955
+ },
2956
+ {
2957
+ "epoch": 26.64,
2958
+ "eval_loss": 0.2568943500518799,
2959
+ "eval_runtime": 423.3689,
2960
+ "eval_samples_per_second": 12.313,
2961
+ "eval_wer": 0.10023080314307202,
2962
+ "step": 63300
2963
+ },
2964
+ {
2965
+ "epoch": 26.77,
2966
+ "learning_rate": 4.4704153715738906e-05,
2967
+ "loss": 0.0192,
2968
+ "step": 63600
2969
+ },
2970
+ {
2971
+ "epoch": 26.77,
2972
+ "eval_loss": 0.26485371589660645,
2973
+ "eval_runtime": 442.7329,
2974
+ "eval_samples_per_second": 11.775,
2975
+ "eval_wer": 0.10111252301548196,
2976
+ "step": 63600
2977
+ },
2978
+ {
2979
+ "epoch": 26.89,
2980
+ "learning_rate": 4.295789771121786e-05,
2981
+ "loss": 0.0209,
2982
+ "step": 63900
2983
+ },
2984
+ {
2985
+ "epoch": 26.89,
2986
+ "eval_loss": 0.25886571407318115,
2987
+ "eval_runtime": 451.6321,
2988
+ "eval_samples_per_second": 11.543,
2989
+ "eval_wer": 0.099504680895205,
2990
+ "step": 63900
2991
+ },
2992
+ {
2993
+ "epoch": 27.02,
2994
+ "learning_rate": 4.121164170669681e-05,
2995
+ "loss": 0.0194,
2996
+ "step": 64200
2997
+ },
2998
+ {
2999
+ "epoch": 27.02,
3000
+ "eval_loss": 0.2557186484336853,
3001
+ "eval_runtime": 442.5519,
3002
+ "eval_samples_per_second": 11.779,
3003
+ "eval_wer": 0.09893415627188092,
3004
+ "step": 64200
3005
+ },
3006
+ {
3007
+ "epoch": 27.15,
3008
+ "learning_rate": 3.946538570217575e-05,
3009
+ "loss": 0.0196,
3010
+ "step": 64500
3011
+ },
3012
+ {
3013
+ "epoch": 27.15,
3014
+ "eval_loss": 0.25841090083122253,
3015
+ "eval_runtime": 424.1061,
3016
+ "eval_samples_per_second": 12.292,
3017
+ "eval_wer": 0.09989367495656233,
3018
+ "step": 64500
3019
+ },
3020
+ {
3021
+ "epoch": 27.27,
3022
+ "learning_rate": 3.77191296976547e-05,
3023
+ "loss": 0.019,
3024
+ "step": 64800
3025
+ },
3026
+ {
3027
+ "epoch": 27.27,
3028
+ "eval_loss": 0.2668149173259735,
3029
+ "eval_runtime": 448.6143,
3030
+ "eval_samples_per_second": 11.62,
3031
+ "eval_wer": 0.09877855864733798,
3032
+ "step": 64800
3033
+ },
3034
+ {
3035
+ "epoch": 27.4,
3036
+ "learning_rate": 3.5972873693133656e-05,
3037
+ "loss": 0.0181,
3038
+ "step": 65100
3039
+ },
3040
+ {
3041
+ "epoch": 27.4,
3042
+ "eval_loss": 0.2628437876701355,
3043
+ "eval_runtime": 450.825,
3044
+ "eval_samples_per_second": 11.563,
3045
+ "eval_wer": 0.09768937527553746,
3046
+ "step": 65100
3047
+ },
3048
+ {
3049
+ "epoch": 27.53,
3050
+ "learning_rate": 3.42266176886126e-05,
3051
+ "loss": 0.0175,
3052
+ "step": 65400
3053
+ },
3054
+ {
3055
+ "epoch": 27.53,
3056
+ "eval_loss": 0.26442092657089233,
3057
+ "eval_runtime": 420.8378,
3058
+ "eval_samples_per_second": 12.387,
3059
+ "eval_wer": 0.0998677420191385,
3060
+ "step": 65400
3061
+ },
3062
+ {
3063
+ "epoch": 27.65,
3064
+ "learning_rate": 3.248036168409155e-05,
3065
+ "loss": 0.0201,
3066
+ "step": 65700
3067
+ },
3068
+ {
3069
+ "epoch": 27.65,
3070
+ "eval_loss": 0.2726499140262604,
3071
+ "eval_runtime": 445.7776,
3072
+ "eval_samples_per_second": 11.694,
3073
+ "eval_wer": 0.09924535152096678,
3074
+ "step": 65700
3075
+ },
3076
+ {
3077
+ "epoch": 27.78,
3078
+ "learning_rate": 3.07341056795705e-05,
3079
+ "loss": 0.0182,
3080
+ "step": 66000
3081
+ },
3082
+ {
3083
+ "epoch": 27.78,
3084
+ "eval_loss": 0.265592485666275,
3085
+ "eval_runtime": 453.8658,
3086
+ "eval_samples_per_second": 11.486,
3087
+ "eval_wer": 0.09704105183994191,
3088
+ "step": 66000
3089
+ },
3090
+ {
3091
+ "epoch": 27.9,
3092
+ "learning_rate": 2.8987849675049448e-05,
3093
+ "loss": 0.0205,
3094
+ "step": 66300
3095
+ },
3096
+ {
3097
+ "epoch": 27.9,
3098
+ "eval_loss": 0.2697185277938843,
3099
+ "eval_runtime": 421.7967,
3100
+ "eval_samples_per_second": 12.359,
3101
+ "eval_wer": 0.09831176577370919,
3102
+ "step": 66300
3103
+ },
3104
+ {
3105
+ "epoch": 28.03,
3106
+ "learning_rate": 2.7241593670528396e-05,
3107
+ "loss": 0.0197,
3108
+ "step": 66600
3109
+ },
3110
+ {
3111
+ "epoch": 28.03,
3112
+ "eval_loss": 0.26293227076530457,
3113
+ "eval_runtime": 454.9345,
3114
+ "eval_samples_per_second": 11.459,
3115
+ "eval_wer": 0.09675578952827987,
3116
+ "step": 66600
3117
+ },
3118
+ {
3119
+ "epoch": 28.16,
3120
+ "learning_rate": 2.5495337666007347e-05,
3121
+ "loss": 0.018,
3122
+ "step": 66900
3123
+ },
3124
+ {
3125
+ "epoch": 28.16,
3126
+ "eval_loss": 0.2722020149230957,
3127
+ "eval_runtime": 451.9089,
3128
+ "eval_samples_per_second": 11.536,
3129
+ "eval_wer": 0.09683358834055134,
3130
+ "step": 66900
3131
+ },
3132
+ {
3133
+ "epoch": 28.28,
3134
+ "learning_rate": 2.3749081661486295e-05,
3135
+ "loss": 0.0172,
3136
+ "step": 67200
3137
+ },
3138
+ {
3139
+ "epoch": 28.28,
3140
+ "eval_loss": 0.2774170935153961,
3141
+ "eval_runtime": 451.1229,
3142
+ "eval_samples_per_second": 11.556,
3143
+ "eval_wer": 0.09685952127797516,
3144
+ "step": 67200
3145
+ },
3146
+ {
3147
+ "epoch": 28.41,
3148
+ "learning_rate": 2.2002825656965243e-05,
3149
+ "loss": 0.0158,
3150
+ "step": 67500
3151
+ },
3152
+ {
3153
+ "epoch": 28.41,
3154
+ "eval_loss": 0.27579203248023987,
3155
+ "eval_runtime": 425.5661,
3156
+ "eval_samples_per_second": 12.25,
3157
+ "eval_wer": 0.09735224708902777,
3158
+ "step": 67500
3159
+ },
3160
+ {
3161
+ "epoch": 28.54,
3162
+ "learning_rate": 2.025656965244419e-05,
3163
+ "loss": 0.0189,
3164
+ "step": 67800
3165
+ },
3166
+ {
3167
+ "epoch": 28.54,
3168
+ "eval_loss": 0.2757831811904907,
3169
+ "eval_runtime": 453.6044,
3170
+ "eval_samples_per_second": 11.492,
3171
+ "eval_wer": 0.09717071652706102,
3172
+ "step": 67800
3173
+ },
3174
+ {
3175
+ "epoch": 28.66,
3176
+ "learning_rate": 1.8510313647923142e-05,
3177
+ "loss": 0.0188,
3178
+ "step": 68100
3179
+ },
3180
+ {
3181
+ "epoch": 28.66,
3182
+ "eval_loss": 0.281482994556427,
3183
+ "eval_runtime": 443.0118,
3184
+ "eval_samples_per_second": 11.767,
3185
+ "eval_wer": 0.09660019190373693,
3186
+ "step": 68100
3187
+ },
3188
+ {
3189
+ "epoch": 28.79,
3190
+ "learning_rate": 1.676405764340209e-05,
3191
+ "loss": 0.0167,
3192
+ "step": 68400
3193
+ },
3194
+ {
3195
+ "epoch": 28.79,
3196
+ "eval_loss": 0.2745157480239868,
3197
+ "eval_runtime": 422.5171,
3198
+ "eval_samples_per_second": 12.338,
3199
+ "eval_wer": 0.09587406965586992,
3200
+ "step": 68400
3201
+ },
3202
+ {
3203
+ "epoch": 28.91,
3204
+ "learning_rate": 1.501780163888104e-05,
3205
+ "loss": 0.0149,
3206
+ "step": 68700
3207
+ },
3208
+ {
3209
+ "epoch": 28.91,
3210
+ "eval_loss": 0.27913355827331543,
3211
+ "eval_runtime": 451.1316,
3212
+ "eval_samples_per_second": 11.555,
3213
+ "eval_wer": 0.09660019190373693,
3214
+ "step": 68700
3215
+ },
3216
+ {
3217
+ "epoch": 29.04,
3218
+ "learning_rate": 1.3271545634359989e-05,
3219
+ "loss": 0.0168,
3220
+ "step": 69000
3221
+ },
3222
+ {
3223
+ "epoch": 29.04,
3224
+ "eval_loss": 0.27442270517349243,
3225
+ "eval_runtime": 453.3058,
3226
+ "eval_samples_per_second": 11.5,
3227
+ "eval_wer": 0.0956147402816317,
3228
+ "step": 69000
3229
+ },
3230
+ {
3231
+ "epoch": 29.17,
3232
+ "learning_rate": 1.1525289629838937e-05,
3233
+ "loss": 0.0163,
3234
+ "step": 69300
3235
+ },
3236
+ {
3237
+ "epoch": 29.17,
3238
+ "eval_loss": 0.27673137187957764,
3239
+ "eval_runtime": 423.4053,
3240
+ "eval_samples_per_second": 12.312,
3241
+ "eval_wer": 0.09512201447057908,
3242
+ "step": 69300
3243
+ },
3244
+ {
3245
+ "epoch": 29.29,
3246
+ "learning_rate": 9.779033625317885e-06,
3247
+ "loss": 0.0177,
3248
+ "step": 69600
3249
+ },
3250
+ {
3251
+ "epoch": 29.29,
3252
+ "eval_loss": 0.2782154083251953,
3253
+ "eval_runtime": 450.2277,
3254
+ "eval_samples_per_second": 11.579,
3255
+ "eval_wer": 0.09512201447057908,
3256
+ "step": 69600
3257
+ },
3258
+ {
3259
+ "epoch": 29.42,
3260
+ "learning_rate": 8.032777620796835e-06,
3261
+ "loss": 0.0166,
3262
+ "step": 69900
3263
+ },
3264
+ {
3265
+ "epoch": 29.42,
3266
+ "eval_loss": 0.2790413200855255,
3267
+ "eval_runtime": 446.9628,
3268
+ "eval_samples_per_second": 11.663,
3269
+ "eval_wer": 0.09553694146936023,
3270
+ "step": 69900
3271
+ },
3272
+ {
3273
+ "epoch": 29.55,
3274
+ "learning_rate": 6.286521616275784e-06,
3275
+ "loss": 0.0152,
3276
+ "step": 70200
3277
+ },
3278
+ {
3279
+ "epoch": 29.55,
3280
+ "eval_loss": 0.2786215543746948,
3281
+ "eval_runtime": 447.9811,
3282
+ "eval_samples_per_second": 11.637,
3283
+ "eval_wer": 0.0953813438448173,
3284
+ "step": 70200
3285
+ },
3286
+ {
3287
+ "epoch": 29.67,
3288
+ "learning_rate": 4.540265611754733e-06,
3289
+ "loss": 0.0157,
3290
+ "step": 70500
3291
+ },
3292
+ {
3293
+ "epoch": 29.67,
3294
+ "eval_loss": 0.27765703201293945,
3295
+ "eval_runtime": 423.4541,
3296
+ "eval_samples_per_second": 12.311,
3297
+ "eval_wer": 0.09517388034542673,
3298
+ "step": 70500
3299
+ },
3300
+ {
3301
+ "epoch": 29.8,
3302
+ "learning_rate": 2.7940096072336816e-06,
3303
+ "loss": 0.0175,
3304
+ "step": 70800
3305
+ },
3306
+ {
3307
+ "epoch": 29.8,
3308
+ "eval_loss": 0.2788052558898926,
3309
+ "eval_runtime": 450.7945,
3310
+ "eval_samples_per_second": 11.564,
3311
+ "eval_wer": 0.09486268509634087,
3312
+ "step": 70800
3313
+ },
3314
+ {
3315
+ "epoch": 29.92,
3316
+ "learning_rate": 1.0477536027126306e-06,
3317
+ "loss": 0.0166,
3318
+ "step": 71100
3319
+ },
3320
+ {
3321
+ "epoch": 29.92,
3322
+ "eval_loss": 0.2789298892021179,
3323
+ "eval_runtime": 455.4523,
3324
+ "eval_samples_per_second": 11.446,
3325
+ "eval_wer": 0.09540727678224112,
3326
+ "step": 71100
3327
+ },
3328
+ {
3329
+ "epoch": 30.0,
3330
+ "step": 71280,
3331
+ "total_flos": 4.535964846237055e+20,
3332
+ "train_runtime": 470143.8106,
3333
+ "train_samples_per_second": 0.152
3334
+ }
3335
+ ],
3336
+ "max_steps": 71280,
3337
+ "num_train_epochs": 30,
3338
+ "total_flos": 4.535964846237055e+20,
3339
+ "trial_name": null,
3340
+ "trial_params": null
3341
+ }
vocab.json ADDED
@@ -0,0 +1 @@
 
 
1
+ {"<pad>": 0, "<s>": 1, "</s>": 2, "<unk>": 3, "|": 4, "آ": 5, "ئ": 6, "ا": 7, "ب": 8, "ت": 9, "ث": 10, "ج": 11, "ح": 12, "خ": 13, "د": 14, "ذ": 15, "ر": 16, "ز": 17, "س": 18, "ش": 19, "ص": 20, "ض": 21, "ط": 22, "ظ": 23, "ع": 24, "غ": 25, "ف": 26, "ق": 27, "ل": 28, "م": 29, "ن": 30, "ه": 31, "و": 32, "پ": 33, "چ": 34, "ژ": 35, "ک": 36, "گ": 37, "ی": 38, "‌": 39}