mnauf commited on
Commit
d02fdb6
1 Parent(s): 1db41df

End of training

Browse files
Files changed (4) hide show
  1. all_results.json +13 -0
  2. eval_results.json +8 -0
  3. train_results.json +8 -0
  4. trainer_state.json +2125 -0
all_results.json ADDED
@@ -0,0 +1,13 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 1.9989842559674962,
3
+ "eval_accuracy": 0.9820952380952381,
4
+ "eval_loss": 0.062325455248355865,
5
+ "eval_runtime": 746.7763,
6
+ "eval_samples_per_second": 28.121,
7
+ "eval_steps_per_second": 0.88,
8
+ "total_flos": 1.3566159569165903e+20,
9
+ "train_loss": 0.14182275843612224,
10
+ "train_runtime": 17938.7006,
11
+ "train_samples_per_second": 21.072,
12
+ "train_steps_per_second": 0.165
13
+ }
eval_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 1.9989842559674962,
3
+ "eval_accuracy": 0.9820952380952381,
4
+ "eval_loss": 0.062325455248355865,
5
+ "eval_runtime": 746.7763,
6
+ "eval_samples_per_second": 28.121,
7
+ "eval_steps_per_second": 0.88
8
+ }
train_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 1.9989842559674962,
3
+ "total_flos": 1.3566159569165903e+20,
4
+ "train_loss": 0.14182275843612224,
5
+ "train_runtime": 17938.7006,
6
+ "train_samples_per_second": 21.072,
7
+ "train_steps_per_second": 0.165
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,2125 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": 0.9820952380952381,
3
+ "best_model_checkpoint": "dinov2-large-cluster-finetune-linear-probe-trueface/checkpoint-2952",
4
+ "epoch": 1.9989842559674962,
5
+ "eval_steps": 500,
6
+ "global_step": 2952,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.006771626883358727,
13
+ "grad_norm": 5.265126705169678,
14
+ "learning_rate": 1.6891891891891894e-06,
15
+ "loss": 0.8799,
16
+ "step": 10
17
+ },
18
+ {
19
+ "epoch": 0.013543253766717453,
20
+ "grad_norm": 6.357407093048096,
21
+ "learning_rate": 3.3783783783783788e-06,
22
+ "loss": 0.8361,
23
+ "step": 20
24
+ },
25
+ {
26
+ "epoch": 0.02031488065007618,
27
+ "grad_norm": 4.737895965576172,
28
+ "learning_rate": 5.067567567567568e-06,
29
+ "loss": 0.8673,
30
+ "step": 30
31
+ },
32
+ {
33
+ "epoch": 0.027086507533434907,
34
+ "grad_norm": 5.784124374389648,
35
+ "learning_rate": 6.7567567567567575e-06,
36
+ "loss": 0.87,
37
+ "step": 40
38
+ },
39
+ {
40
+ "epoch": 0.03385813441679363,
41
+ "grad_norm": 6.456064701080322,
42
+ "learning_rate": 8.445945945945946e-06,
43
+ "loss": 0.8188,
44
+ "step": 50
45
+ },
46
+ {
47
+ "epoch": 0.04062976130015236,
48
+ "grad_norm": 6.111750602722168,
49
+ "learning_rate": 1.0135135135135136e-05,
50
+ "loss": 0.8241,
51
+ "step": 60
52
+ },
53
+ {
54
+ "epoch": 0.04740138818351109,
55
+ "grad_norm": 4.581135272979736,
56
+ "learning_rate": 1.1824324324324325e-05,
57
+ "loss": 0.8163,
58
+ "step": 70
59
+ },
60
+ {
61
+ "epoch": 0.05417301506686981,
62
+ "grad_norm": 4.400207996368408,
63
+ "learning_rate": 1.3513513513513515e-05,
64
+ "loss": 0.8066,
65
+ "step": 80
66
+ },
67
+ {
68
+ "epoch": 0.06094464195022854,
69
+ "grad_norm": 4.919775009155273,
70
+ "learning_rate": 1.5202702702702704e-05,
71
+ "loss": 0.7875,
72
+ "step": 90
73
+ },
74
+ {
75
+ "epoch": 0.06771626883358726,
76
+ "grad_norm": 4.747180461883545,
77
+ "learning_rate": 1.6891891891891892e-05,
78
+ "loss": 0.7627,
79
+ "step": 100
80
+ },
81
+ {
82
+ "epoch": 0.074487895716946,
83
+ "grad_norm": 4.32789421081543,
84
+ "learning_rate": 1.8581081081081082e-05,
85
+ "loss": 0.7603,
86
+ "step": 110
87
+ },
88
+ {
89
+ "epoch": 0.08125952260030472,
90
+ "grad_norm": 4.564222812652588,
91
+ "learning_rate": 2.0270270270270273e-05,
92
+ "loss": 0.7323,
93
+ "step": 120
94
+ },
95
+ {
96
+ "epoch": 0.08803114948366345,
97
+ "grad_norm": 4.640108108520508,
98
+ "learning_rate": 2.195945945945946e-05,
99
+ "loss": 0.7282,
100
+ "step": 130
101
+ },
102
+ {
103
+ "epoch": 0.09480277636702218,
104
+ "grad_norm": 4.069850921630859,
105
+ "learning_rate": 2.364864864864865e-05,
106
+ "loss": 0.6938,
107
+ "step": 140
108
+ },
109
+ {
110
+ "epoch": 0.1015744032503809,
111
+ "grad_norm": 4.110805988311768,
112
+ "learning_rate": 2.533783783783784e-05,
113
+ "loss": 0.6607,
114
+ "step": 150
115
+ },
116
+ {
117
+ "epoch": 0.10834603013373963,
118
+ "grad_norm": 4.257925510406494,
119
+ "learning_rate": 2.702702702702703e-05,
120
+ "loss": 0.6171,
121
+ "step": 160
122
+ },
123
+ {
124
+ "epoch": 0.11511765701709836,
125
+ "grad_norm": 3.9571423530578613,
126
+ "learning_rate": 2.8716216216216217e-05,
127
+ "loss": 0.6084,
128
+ "step": 170
129
+ },
130
+ {
131
+ "epoch": 0.12188928390045708,
132
+ "grad_norm": 3.1258833408355713,
133
+ "learning_rate": 3.0405405405405407e-05,
134
+ "loss": 0.5765,
135
+ "step": 180
136
+ },
137
+ {
138
+ "epoch": 0.1286609107838158,
139
+ "grad_norm": 3.235241651535034,
140
+ "learning_rate": 3.20945945945946e-05,
141
+ "loss": 0.5534,
142
+ "step": 190
143
+ },
144
+ {
145
+ "epoch": 0.13543253766717453,
146
+ "grad_norm": 4.166315078735352,
147
+ "learning_rate": 3.3783783783783784e-05,
148
+ "loss": 0.5382,
149
+ "step": 200
150
+ },
151
+ {
152
+ "epoch": 0.14220416455053325,
153
+ "grad_norm": 3.878629446029663,
154
+ "learning_rate": 3.547297297297297e-05,
155
+ "loss": 0.5036,
156
+ "step": 210
157
+ },
158
+ {
159
+ "epoch": 0.148975791433892,
160
+ "grad_norm": 2.8281824588775635,
161
+ "learning_rate": 3.7162162162162165e-05,
162
+ "loss": 0.4804,
163
+ "step": 220
164
+ },
165
+ {
166
+ "epoch": 0.15574741831725072,
167
+ "grad_norm": 2.894228219985962,
168
+ "learning_rate": 3.885135135135135e-05,
169
+ "loss": 0.4522,
170
+ "step": 230
171
+ },
172
+ {
173
+ "epoch": 0.16251904520060945,
174
+ "grad_norm": 2.7571442127227783,
175
+ "learning_rate": 4.0540540540540545e-05,
176
+ "loss": 0.4496,
177
+ "step": 240
178
+ },
179
+ {
180
+ "epoch": 0.16929067208396817,
181
+ "grad_norm": 2.831394672393799,
182
+ "learning_rate": 4.222972972972973e-05,
183
+ "loss": 0.412,
184
+ "step": 250
185
+ },
186
+ {
187
+ "epoch": 0.1760622989673269,
188
+ "grad_norm": 2.329063892364502,
189
+ "learning_rate": 4.391891891891892e-05,
190
+ "loss": 0.386,
191
+ "step": 260
192
+ },
193
+ {
194
+ "epoch": 0.1828339258506856,
195
+ "grad_norm": 2.811448812484741,
196
+ "learning_rate": 4.560810810810811e-05,
197
+ "loss": 0.3755,
198
+ "step": 270
199
+ },
200
+ {
201
+ "epoch": 0.18960555273404436,
202
+ "grad_norm": 2.9765515327453613,
203
+ "learning_rate": 4.72972972972973e-05,
204
+ "loss": 0.3544,
205
+ "step": 280
206
+ },
207
+ {
208
+ "epoch": 0.19637717961740309,
209
+ "grad_norm": 2.6609086990356445,
210
+ "learning_rate": 4.8986486486486486e-05,
211
+ "loss": 0.3317,
212
+ "step": 290
213
+ },
214
+ {
215
+ "epoch": 0.2031488065007618,
216
+ "grad_norm": 4.433963298797607,
217
+ "learning_rate": 4.992469879518072e-05,
218
+ "loss": 0.3321,
219
+ "step": 300
220
+ },
221
+ {
222
+ "epoch": 0.20992043338412053,
223
+ "grad_norm": 1.8786640167236328,
224
+ "learning_rate": 4.9736445783132535e-05,
225
+ "loss": 0.3046,
226
+ "step": 310
227
+ },
228
+ {
229
+ "epoch": 0.21669206026747925,
230
+ "grad_norm": 2.7514021396636963,
231
+ "learning_rate": 4.954819277108434e-05,
232
+ "loss": 0.2974,
233
+ "step": 320
234
+ },
235
+ {
236
+ "epoch": 0.22346368715083798,
237
+ "grad_norm": 3.1674134731292725,
238
+ "learning_rate": 4.9359939759036146e-05,
239
+ "loss": 0.2762,
240
+ "step": 330
241
+ },
242
+ {
243
+ "epoch": 0.23023531403419673,
244
+ "grad_norm": 1.7846009731292725,
245
+ "learning_rate": 4.917168674698795e-05,
246
+ "loss": 0.2604,
247
+ "step": 340
248
+ },
249
+ {
250
+ "epoch": 0.23700694091755545,
251
+ "grad_norm": 1.7402037382125854,
252
+ "learning_rate": 4.898343373493976e-05,
253
+ "loss": 0.263,
254
+ "step": 350
255
+ },
256
+ {
257
+ "epoch": 0.24377856780091417,
258
+ "grad_norm": 1.480891466140747,
259
+ "learning_rate": 4.879518072289157e-05,
260
+ "loss": 0.25,
261
+ "step": 360
262
+ },
263
+ {
264
+ "epoch": 0.2505501946842729,
265
+ "grad_norm": 2.047008514404297,
266
+ "learning_rate": 4.8606927710843376e-05,
267
+ "loss": 0.2281,
268
+ "step": 370
269
+ },
270
+ {
271
+ "epoch": 0.2573218215676316,
272
+ "grad_norm": 1.3639116287231445,
273
+ "learning_rate": 4.841867469879519e-05,
274
+ "loss": 0.2264,
275
+ "step": 380
276
+ },
277
+ {
278
+ "epoch": 0.26409344845099036,
279
+ "grad_norm": 1.8563684225082397,
280
+ "learning_rate": 4.823042168674699e-05,
281
+ "loss": 0.2245,
282
+ "step": 390
283
+ },
284
+ {
285
+ "epoch": 0.27086507533434906,
286
+ "grad_norm": 1.3617446422576904,
287
+ "learning_rate": 4.804216867469879e-05,
288
+ "loss": 0.2177,
289
+ "step": 400
290
+ },
291
+ {
292
+ "epoch": 0.2776367022177078,
293
+ "grad_norm": 1.7790151834487915,
294
+ "learning_rate": 4.7853915662650606e-05,
295
+ "loss": 0.2191,
296
+ "step": 410
297
+ },
298
+ {
299
+ "epoch": 0.2844083291010665,
300
+ "grad_norm": 1.2283886671066284,
301
+ "learning_rate": 4.766566265060241e-05,
302
+ "loss": 0.208,
303
+ "step": 420
304
+ },
305
+ {
306
+ "epoch": 0.29117995598442525,
307
+ "grad_norm": 1.2149569988250732,
308
+ "learning_rate": 4.7477409638554224e-05,
309
+ "loss": 0.1974,
310
+ "step": 430
311
+ },
312
+ {
313
+ "epoch": 0.297951582867784,
314
+ "grad_norm": 1.4879294633865356,
315
+ "learning_rate": 4.728915662650602e-05,
316
+ "loss": 0.1905,
317
+ "step": 440
318
+ },
319
+ {
320
+ "epoch": 0.3047232097511427,
321
+ "grad_norm": 1.4393724203109741,
322
+ "learning_rate": 4.710090361445783e-05,
323
+ "loss": 0.194,
324
+ "step": 450
325
+ },
326
+ {
327
+ "epoch": 0.31149483663450145,
328
+ "grad_norm": 1.5028496980667114,
329
+ "learning_rate": 4.691265060240964e-05,
330
+ "loss": 0.1831,
331
+ "step": 460
332
+ },
333
+ {
334
+ "epoch": 0.31826646351786014,
335
+ "grad_norm": 1.403731346130371,
336
+ "learning_rate": 4.672439759036145e-05,
337
+ "loss": 0.193,
338
+ "step": 470
339
+ },
340
+ {
341
+ "epoch": 0.3250380904012189,
342
+ "grad_norm": 1.6740349531173706,
343
+ "learning_rate": 4.653614457831326e-05,
344
+ "loss": 0.1724,
345
+ "step": 480
346
+ },
347
+ {
348
+ "epoch": 0.33180971728457764,
349
+ "grad_norm": 0.9081584215164185,
350
+ "learning_rate": 4.634789156626506e-05,
351
+ "loss": 0.1593,
352
+ "step": 490
353
+ },
354
+ {
355
+ "epoch": 0.33858134416793634,
356
+ "grad_norm": 1.0645991563796997,
357
+ "learning_rate": 4.615963855421687e-05,
358
+ "loss": 0.1611,
359
+ "step": 500
360
+ },
361
+ {
362
+ "epoch": 0.3453529710512951,
363
+ "grad_norm": 2.582812786102295,
364
+ "learning_rate": 4.597138554216868e-05,
365
+ "loss": 0.1558,
366
+ "step": 510
367
+ },
368
+ {
369
+ "epoch": 0.3521245979346538,
370
+ "grad_norm": 1.2780678272247314,
371
+ "learning_rate": 4.578313253012048e-05,
372
+ "loss": 0.1426,
373
+ "step": 520
374
+ },
375
+ {
376
+ "epoch": 0.35889622481801253,
377
+ "grad_norm": 2.387918710708618,
378
+ "learning_rate": 4.5594879518072295e-05,
379
+ "loss": 0.1573,
380
+ "step": 530
381
+ },
382
+ {
383
+ "epoch": 0.3656678517013712,
384
+ "grad_norm": 1.4807089567184448,
385
+ "learning_rate": 4.5406626506024094e-05,
386
+ "loss": 0.1618,
387
+ "step": 540
388
+ },
389
+ {
390
+ "epoch": 0.37243947858473,
391
+ "grad_norm": 1.0865875482559204,
392
+ "learning_rate": 4.5218373493975907e-05,
393
+ "loss": 0.1439,
394
+ "step": 550
395
+ },
396
+ {
397
+ "epoch": 0.3792111054680887,
398
+ "grad_norm": 0.9812231063842773,
399
+ "learning_rate": 4.503012048192771e-05,
400
+ "loss": 0.1422,
401
+ "step": 560
402
+ },
403
+ {
404
+ "epoch": 0.3859827323514474,
405
+ "grad_norm": 0.9900213479995728,
406
+ "learning_rate": 4.4841867469879525e-05,
407
+ "loss": 0.1308,
408
+ "step": 570
409
+ },
410
+ {
411
+ "epoch": 0.39275435923480617,
412
+ "grad_norm": 1.0598454475402832,
413
+ "learning_rate": 4.465361445783133e-05,
414
+ "loss": 0.1565,
415
+ "step": 580
416
+ },
417
+ {
418
+ "epoch": 0.39952598611816487,
419
+ "grad_norm": 1.130131483078003,
420
+ "learning_rate": 4.446536144578313e-05,
421
+ "loss": 0.1432,
422
+ "step": 590
423
+ },
424
+ {
425
+ "epoch": 0.4062976130015236,
426
+ "grad_norm": 1.4709850549697876,
427
+ "learning_rate": 4.427710843373494e-05,
428
+ "loss": 0.1427,
429
+ "step": 600
430
+ },
431
+ {
432
+ "epoch": 0.41306923988488237,
433
+ "grad_norm": 1.2057602405548096,
434
+ "learning_rate": 4.408885542168675e-05,
435
+ "loss": 0.1377,
436
+ "step": 610
437
+ },
438
+ {
439
+ "epoch": 0.41984086676824106,
440
+ "grad_norm": 1.0241261720657349,
441
+ "learning_rate": 4.390060240963856e-05,
442
+ "loss": 0.1303,
443
+ "step": 620
444
+ },
445
+ {
446
+ "epoch": 0.4266124936515998,
447
+ "grad_norm": 0.70640629529953,
448
+ "learning_rate": 4.3712349397590366e-05,
449
+ "loss": 0.1284,
450
+ "step": 630
451
+ },
452
+ {
453
+ "epoch": 0.4333841205349585,
454
+ "grad_norm": 1.1402077674865723,
455
+ "learning_rate": 4.352409638554217e-05,
456
+ "loss": 0.1153,
457
+ "step": 640
458
+ },
459
+ {
460
+ "epoch": 0.44015574741831726,
461
+ "grad_norm": 2.3130173683166504,
462
+ "learning_rate": 4.333584337349398e-05,
463
+ "loss": 0.1353,
464
+ "step": 650
465
+ },
466
+ {
467
+ "epoch": 0.44692737430167595,
468
+ "grad_norm": 1.018059253692627,
469
+ "learning_rate": 4.3147590361445783e-05,
470
+ "loss": 0.1198,
471
+ "step": 660
472
+ },
473
+ {
474
+ "epoch": 0.4536990011850347,
475
+ "grad_norm": 1.1822158098220825,
476
+ "learning_rate": 4.2959337349397596e-05,
477
+ "loss": 0.1224,
478
+ "step": 670
479
+ },
480
+ {
481
+ "epoch": 0.46047062806839345,
482
+ "grad_norm": 0.8007648587226868,
483
+ "learning_rate": 4.27710843373494e-05,
484
+ "loss": 0.1156,
485
+ "step": 680
486
+ },
487
+ {
488
+ "epoch": 0.46724225495175215,
489
+ "grad_norm": 2.0608577728271484,
490
+ "learning_rate": 4.258283132530121e-05,
491
+ "loss": 0.1355,
492
+ "step": 690
493
+ },
494
+ {
495
+ "epoch": 0.4740138818351109,
496
+ "grad_norm": 0.8175686597824097,
497
+ "learning_rate": 4.239457831325301e-05,
498
+ "loss": 0.117,
499
+ "step": 700
500
+ },
501
+ {
502
+ "epoch": 0.4807855087184696,
503
+ "grad_norm": 0.9864722490310669,
504
+ "learning_rate": 4.220632530120482e-05,
505
+ "loss": 0.1143,
506
+ "step": 710
507
+ },
508
+ {
509
+ "epoch": 0.48755713560182834,
510
+ "grad_norm": 1.1170806884765625,
511
+ "learning_rate": 4.201807228915663e-05,
512
+ "loss": 0.1128,
513
+ "step": 720
514
+ },
515
+ {
516
+ "epoch": 0.4943287624851871,
517
+ "grad_norm": 0.8426876664161682,
518
+ "learning_rate": 4.182981927710844e-05,
519
+ "loss": 0.1039,
520
+ "step": 730
521
+ },
522
+ {
523
+ "epoch": 0.5011003893685458,
524
+ "grad_norm": 1.0189573764801025,
525
+ "learning_rate": 4.164156626506024e-05,
526
+ "loss": 0.1056,
527
+ "step": 740
528
+ },
529
+ {
530
+ "epoch": 0.5078720162519045,
531
+ "grad_norm": 1.0524259805679321,
532
+ "learning_rate": 4.145331325301205e-05,
533
+ "loss": 0.106,
534
+ "step": 750
535
+ },
536
+ {
537
+ "epoch": 0.5146436431352632,
538
+ "grad_norm": 0.8824974298477173,
539
+ "learning_rate": 4.126506024096386e-05,
540
+ "loss": 0.1077,
541
+ "step": 760
542
+ },
543
+ {
544
+ "epoch": 0.521415270018622,
545
+ "grad_norm": 1.034146785736084,
546
+ "learning_rate": 4.107680722891567e-05,
547
+ "loss": 0.1147,
548
+ "step": 770
549
+ },
550
+ {
551
+ "epoch": 0.5281868969019807,
552
+ "grad_norm": 1.1661494970321655,
553
+ "learning_rate": 4.088855421686747e-05,
554
+ "loss": 0.1159,
555
+ "step": 780
556
+ },
557
+ {
558
+ "epoch": 0.5349585237853395,
559
+ "grad_norm": 1.9664863348007202,
560
+ "learning_rate": 4.070030120481928e-05,
561
+ "loss": 0.1155,
562
+ "step": 790
563
+ },
564
+ {
565
+ "epoch": 0.5417301506686981,
566
+ "grad_norm": 0.9557604193687439,
567
+ "learning_rate": 4.0512048192771084e-05,
568
+ "loss": 0.1117,
569
+ "step": 800
570
+ },
571
+ {
572
+ "epoch": 0.5485017775520569,
573
+ "grad_norm": 1.1883480548858643,
574
+ "learning_rate": 4.03237951807229e-05,
575
+ "loss": 0.1001,
576
+ "step": 810
577
+ },
578
+ {
579
+ "epoch": 0.5552734044354156,
580
+ "grad_norm": 1.3493871688842773,
581
+ "learning_rate": 4.01355421686747e-05,
582
+ "loss": 0.1022,
583
+ "step": 820
584
+ },
585
+ {
586
+ "epoch": 0.5620450313187744,
587
+ "grad_norm": 0.8323326110839844,
588
+ "learning_rate": 3.994728915662651e-05,
589
+ "loss": 0.1084,
590
+ "step": 830
591
+ },
592
+ {
593
+ "epoch": 0.568816658202133,
594
+ "grad_norm": 1.3079185485839844,
595
+ "learning_rate": 3.9759036144578314e-05,
596
+ "loss": 0.1054,
597
+ "step": 840
598
+ },
599
+ {
600
+ "epoch": 0.5755882850854918,
601
+ "grad_norm": 0.961869478225708,
602
+ "learning_rate": 3.957078313253012e-05,
603
+ "loss": 0.1027,
604
+ "step": 850
605
+ },
606
+ {
607
+ "epoch": 0.5823599119688505,
608
+ "grad_norm": 0.7965933680534363,
609
+ "learning_rate": 3.938253012048193e-05,
610
+ "loss": 0.101,
611
+ "step": 860
612
+ },
613
+ {
614
+ "epoch": 0.5891315388522093,
615
+ "grad_norm": 0.5749910473823547,
616
+ "learning_rate": 3.919427710843374e-05,
617
+ "loss": 0.0942,
618
+ "step": 870
619
+ },
620
+ {
621
+ "epoch": 0.595903165735568,
622
+ "grad_norm": 1.314102292060852,
623
+ "learning_rate": 3.9006024096385544e-05,
624
+ "loss": 0.1062,
625
+ "step": 880
626
+ },
627
+ {
628
+ "epoch": 0.6026747926189266,
629
+ "grad_norm": 0.9225144982337952,
630
+ "learning_rate": 3.881777108433735e-05,
631
+ "loss": 0.0895,
632
+ "step": 890
633
+ },
634
+ {
635
+ "epoch": 0.6094464195022854,
636
+ "grad_norm": 1.0227304697036743,
637
+ "learning_rate": 3.8629518072289155e-05,
638
+ "loss": 0.1057,
639
+ "step": 900
640
+ },
641
+ {
642
+ "epoch": 0.6162180463856441,
643
+ "grad_norm": 0.9698050618171692,
644
+ "learning_rate": 3.844126506024097e-05,
645
+ "loss": 0.0996,
646
+ "step": 910
647
+ },
648
+ {
649
+ "epoch": 0.6229896732690029,
650
+ "grad_norm": 0.7296442985534668,
651
+ "learning_rate": 3.8253012048192774e-05,
652
+ "loss": 0.1035,
653
+ "step": 920
654
+ },
655
+ {
656
+ "epoch": 0.6297613001523616,
657
+ "grad_norm": 0.943133533000946,
658
+ "learning_rate": 3.806475903614458e-05,
659
+ "loss": 0.0892,
660
+ "step": 930
661
+ },
662
+ {
663
+ "epoch": 0.6365329270357203,
664
+ "grad_norm": 1.618379831314087,
665
+ "learning_rate": 3.7876506024096385e-05,
666
+ "loss": 0.0828,
667
+ "step": 940
668
+ },
669
+ {
670
+ "epoch": 0.643304553919079,
671
+ "grad_norm": 0.8589970469474792,
672
+ "learning_rate": 3.76882530120482e-05,
673
+ "loss": 0.1033,
674
+ "step": 950
675
+ },
676
+ {
677
+ "epoch": 0.6500761808024378,
678
+ "grad_norm": 0.7783709764480591,
679
+ "learning_rate": 3.7500000000000003e-05,
680
+ "loss": 0.0943,
681
+ "step": 960
682
+ },
683
+ {
684
+ "epoch": 0.6568478076857965,
685
+ "grad_norm": 1.0342212915420532,
686
+ "learning_rate": 3.731174698795181e-05,
687
+ "loss": 0.0979,
688
+ "step": 970
689
+ },
690
+ {
691
+ "epoch": 0.6636194345691553,
692
+ "grad_norm": 0.815461277961731,
693
+ "learning_rate": 3.7123493975903615e-05,
694
+ "loss": 0.092,
695
+ "step": 980
696
+ },
697
+ {
698
+ "epoch": 0.6703910614525139,
699
+ "grad_norm": 0.7246832251548767,
700
+ "learning_rate": 3.693524096385542e-05,
701
+ "loss": 0.0843,
702
+ "step": 990
703
+ },
704
+ {
705
+ "epoch": 0.6771626883358727,
706
+ "grad_norm": 0.9605166912078857,
707
+ "learning_rate": 3.674698795180723e-05,
708
+ "loss": 0.0835,
709
+ "step": 1000
710
+ },
711
+ {
712
+ "epoch": 0.6839343152192314,
713
+ "grad_norm": 1.1440260410308838,
714
+ "learning_rate": 3.655873493975904e-05,
715
+ "loss": 0.0886,
716
+ "step": 1010
717
+ },
718
+ {
719
+ "epoch": 0.6907059421025902,
720
+ "grad_norm": 1.0243327617645264,
721
+ "learning_rate": 3.6370481927710845e-05,
722
+ "loss": 0.089,
723
+ "step": 1020
724
+ },
725
+ {
726
+ "epoch": 0.6974775689859489,
727
+ "grad_norm": 0.8508220314979553,
728
+ "learning_rate": 3.618222891566265e-05,
729
+ "loss": 0.0795,
730
+ "step": 1030
731
+ },
732
+ {
733
+ "epoch": 0.7042491958693076,
734
+ "grad_norm": 0.852389931678772,
735
+ "learning_rate": 3.5993975903614456e-05,
736
+ "loss": 0.091,
737
+ "step": 1040
738
+ },
739
+ {
740
+ "epoch": 0.7110208227526663,
741
+ "grad_norm": 0.9550991058349609,
742
+ "learning_rate": 3.580572289156627e-05,
743
+ "loss": 0.0856,
744
+ "step": 1050
745
+ },
746
+ {
747
+ "epoch": 0.7177924496360251,
748
+ "grad_norm": 1.009476661682129,
749
+ "learning_rate": 3.5617469879518075e-05,
750
+ "loss": 0.084,
751
+ "step": 1060
752
+ },
753
+ {
754
+ "epoch": 0.7245640765193838,
755
+ "grad_norm": 0.8816896080970764,
756
+ "learning_rate": 3.542921686746988e-05,
757
+ "loss": 0.0873,
758
+ "step": 1070
759
+ },
760
+ {
761
+ "epoch": 0.7313357034027425,
762
+ "grad_norm": 0.8172402381896973,
763
+ "learning_rate": 3.5240963855421686e-05,
764
+ "loss": 0.0785,
765
+ "step": 1080
766
+ },
767
+ {
768
+ "epoch": 0.7381073302861012,
769
+ "grad_norm": 1.3699508905410767,
770
+ "learning_rate": 3.505271084337349e-05,
771
+ "loss": 0.0785,
772
+ "step": 1090
773
+ },
774
+ {
775
+ "epoch": 0.74487895716946,
776
+ "grad_norm": 0.6807621121406555,
777
+ "learning_rate": 3.4864457831325304e-05,
778
+ "loss": 0.0797,
779
+ "step": 1100
780
+ },
781
+ {
782
+ "epoch": 0.7516505840528187,
783
+ "grad_norm": 0.8369671106338501,
784
+ "learning_rate": 3.467620481927711e-05,
785
+ "loss": 0.0845,
786
+ "step": 1110
787
+ },
788
+ {
789
+ "epoch": 0.7584222109361775,
790
+ "grad_norm": 0.7025638818740845,
791
+ "learning_rate": 3.4487951807228916e-05,
792
+ "loss": 0.0699,
793
+ "step": 1120
794
+ },
795
+ {
796
+ "epoch": 0.7651938378195361,
797
+ "grad_norm": 0.6446508765220642,
798
+ "learning_rate": 3.429969879518072e-05,
799
+ "loss": 0.0879,
800
+ "step": 1130
801
+ },
802
+ {
803
+ "epoch": 0.7719654647028948,
804
+ "grad_norm": 1.6889147758483887,
805
+ "learning_rate": 3.4111445783132534e-05,
806
+ "loss": 0.0966,
807
+ "step": 1140
808
+ },
809
+ {
810
+ "epoch": 0.7787370915862536,
811
+ "grad_norm": 0.7355449199676514,
812
+ "learning_rate": 3.392319277108434e-05,
813
+ "loss": 0.0824,
814
+ "step": 1150
815
+ },
816
+ {
817
+ "epoch": 0.7855087184696123,
818
+ "grad_norm": 0.5761105418205261,
819
+ "learning_rate": 3.3734939759036146e-05,
820
+ "loss": 0.0759,
821
+ "step": 1160
822
+ },
823
+ {
824
+ "epoch": 0.7922803453529711,
825
+ "grad_norm": 0.7694604396820068,
826
+ "learning_rate": 3.354668674698795e-05,
827
+ "loss": 0.0839,
828
+ "step": 1170
829
+ },
830
+ {
831
+ "epoch": 0.7990519722363297,
832
+ "grad_norm": 0.8113671541213989,
833
+ "learning_rate": 3.335843373493976e-05,
834
+ "loss": 0.0799,
835
+ "step": 1180
836
+ },
837
+ {
838
+ "epoch": 0.8058235991196885,
839
+ "grad_norm": 0.6517748832702637,
840
+ "learning_rate": 3.317018072289157e-05,
841
+ "loss": 0.078,
842
+ "step": 1190
843
+ },
844
+ {
845
+ "epoch": 0.8125952260030472,
846
+ "grad_norm": 0.8274058103561401,
847
+ "learning_rate": 3.2981927710843376e-05,
848
+ "loss": 0.0789,
849
+ "step": 1200
850
+ },
851
+ {
852
+ "epoch": 0.819366852886406,
853
+ "grad_norm": 0.7922660112380981,
854
+ "learning_rate": 3.279367469879519e-05,
855
+ "loss": 0.0764,
856
+ "step": 1210
857
+ },
858
+ {
859
+ "epoch": 0.8261384797697647,
860
+ "grad_norm": 1.2404780387878418,
861
+ "learning_rate": 3.260542168674699e-05,
862
+ "loss": 0.0731,
863
+ "step": 1220
864
+ },
865
+ {
866
+ "epoch": 0.8329101066531234,
867
+ "grad_norm": 0.6905914545059204,
868
+ "learning_rate": 3.241716867469879e-05,
869
+ "loss": 0.0704,
870
+ "step": 1230
871
+ },
872
+ {
873
+ "epoch": 0.8396817335364821,
874
+ "grad_norm": 0.9580501914024353,
875
+ "learning_rate": 3.2228915662650605e-05,
876
+ "loss": 0.0806,
877
+ "step": 1240
878
+ },
879
+ {
880
+ "epoch": 0.8464533604198409,
881
+ "grad_norm": 0.4647589325904846,
882
+ "learning_rate": 3.204066265060241e-05,
883
+ "loss": 0.0749,
884
+ "step": 1250
885
+ },
886
+ {
887
+ "epoch": 0.8532249873031996,
888
+ "grad_norm": 0.7317982316017151,
889
+ "learning_rate": 3.1852409638554224e-05,
890
+ "loss": 0.0739,
891
+ "step": 1260
892
+ },
893
+ {
894
+ "epoch": 0.8599966141865584,
895
+ "grad_norm": 0.7131925821304321,
896
+ "learning_rate": 3.166415662650602e-05,
897
+ "loss": 0.0742,
898
+ "step": 1270
899
+ },
900
+ {
901
+ "epoch": 0.866768241069917,
902
+ "grad_norm": 0.42962631583213806,
903
+ "learning_rate": 3.147590361445783e-05,
904
+ "loss": 0.0595,
905
+ "step": 1280
906
+ },
907
+ {
908
+ "epoch": 0.8735398679532758,
909
+ "grad_norm": 1.0177807807922363,
910
+ "learning_rate": 3.128765060240964e-05,
911
+ "loss": 0.0815,
912
+ "step": 1290
913
+ },
914
+ {
915
+ "epoch": 0.8803114948366345,
916
+ "grad_norm": 0.7908213138580322,
917
+ "learning_rate": 3.1099397590361447e-05,
918
+ "loss": 0.0758,
919
+ "step": 1300
920
+ },
921
+ {
922
+ "epoch": 0.8870831217199933,
923
+ "grad_norm": 0.7449843883514404,
924
+ "learning_rate": 3.091114457831326e-05,
925
+ "loss": 0.0789,
926
+ "step": 1310
927
+ },
928
+ {
929
+ "epoch": 0.8938547486033519,
930
+ "grad_norm": 0.8616693615913391,
931
+ "learning_rate": 3.072289156626506e-05,
932
+ "loss": 0.0653,
933
+ "step": 1320
934
+ },
935
+ {
936
+ "epoch": 0.9006263754867107,
937
+ "grad_norm": 1.0630964040756226,
938
+ "learning_rate": 3.053463855421687e-05,
939
+ "loss": 0.081,
940
+ "step": 1330
941
+ },
942
+ {
943
+ "epoch": 0.9073980023700694,
944
+ "grad_norm": 0.7529353499412537,
945
+ "learning_rate": 3.0346385542168676e-05,
946
+ "loss": 0.0753,
947
+ "step": 1340
948
+ },
949
+ {
950
+ "epoch": 0.9141696292534282,
951
+ "grad_norm": 0.7995216846466064,
952
+ "learning_rate": 3.0158132530120482e-05,
953
+ "loss": 0.066,
954
+ "step": 1350
955
+ },
956
+ {
957
+ "epoch": 0.9209412561367869,
958
+ "grad_norm": 0.3852786719799042,
959
+ "learning_rate": 2.996987951807229e-05,
960
+ "loss": 0.07,
961
+ "step": 1360
962
+ },
963
+ {
964
+ "epoch": 0.9277128830201455,
965
+ "grad_norm": 0.6470819711685181,
966
+ "learning_rate": 2.9781626506024097e-05,
967
+ "loss": 0.0815,
968
+ "step": 1370
969
+ },
970
+ {
971
+ "epoch": 0.9344845099035043,
972
+ "grad_norm": 0.9942120313644409,
973
+ "learning_rate": 2.9593373493975906e-05,
974
+ "loss": 0.0749,
975
+ "step": 1380
976
+ },
977
+ {
978
+ "epoch": 0.941256136786863,
979
+ "grad_norm": 1.0045307874679565,
980
+ "learning_rate": 2.9405120481927712e-05,
981
+ "loss": 0.0797,
982
+ "step": 1390
983
+ },
984
+ {
985
+ "epoch": 0.9480277636702218,
986
+ "grad_norm": 0.5135801434516907,
987
+ "learning_rate": 2.921686746987952e-05,
988
+ "loss": 0.0647,
989
+ "step": 1400
990
+ },
991
+ {
992
+ "epoch": 0.9547993905535805,
993
+ "grad_norm": 1.0146623849868774,
994
+ "learning_rate": 2.9028614457831327e-05,
995
+ "loss": 0.078,
996
+ "step": 1410
997
+ },
998
+ {
999
+ "epoch": 0.9615710174369392,
1000
+ "grad_norm": 0.730907142162323,
1001
+ "learning_rate": 2.8840361445783133e-05,
1002
+ "loss": 0.0671,
1003
+ "step": 1420
1004
+ },
1005
+ {
1006
+ "epoch": 0.9683426443202979,
1007
+ "grad_norm": 1.0035794973373413,
1008
+ "learning_rate": 2.8652108433734942e-05,
1009
+ "loss": 0.0804,
1010
+ "step": 1430
1011
+ },
1012
+ {
1013
+ "epoch": 0.9751142712036567,
1014
+ "grad_norm": 0.6765666604042053,
1015
+ "learning_rate": 2.8463855421686748e-05,
1016
+ "loss": 0.0691,
1017
+ "step": 1440
1018
+ },
1019
+ {
1020
+ "epoch": 0.9818858980870154,
1021
+ "grad_norm": 0.8572028279304504,
1022
+ "learning_rate": 2.8275602409638557e-05,
1023
+ "loss": 0.0716,
1024
+ "step": 1450
1025
+ },
1026
+ {
1027
+ "epoch": 0.9886575249703742,
1028
+ "grad_norm": 0.4426514208316803,
1029
+ "learning_rate": 2.8087349397590362e-05,
1030
+ "loss": 0.0709,
1031
+ "step": 1460
1032
+ },
1033
+ {
1034
+ "epoch": 0.9954291518537328,
1035
+ "grad_norm": 0.5503798723220825,
1036
+ "learning_rate": 2.789909638554217e-05,
1037
+ "loss": 0.0709,
1038
+ "step": 1470
1039
+ },
1040
+ {
1041
+ "epoch": 0.9994921279837481,
1042
+ "eval_accuracy": 0.9789523809523809,
1043
+ "eval_loss": 0.07530121505260468,
1044
+ "eval_runtime": 1028.8877,
1045
+ "eval_samples_per_second": 20.41,
1046
+ "eval_steps_per_second": 0.639,
1047
+ "step": 1476
1048
+ },
1049
+ {
1050
+ "epoch": 1.0022007787370917,
1051
+ "grad_norm": 0.808159589767456,
1052
+ "learning_rate": 2.7710843373493977e-05,
1053
+ "loss": 0.0653,
1054
+ "step": 1480
1055
+ },
1056
+ {
1057
+ "epoch": 1.0089724056204503,
1058
+ "grad_norm": 1.711690902709961,
1059
+ "learning_rate": 2.7522590361445783e-05,
1060
+ "loss": 0.0712,
1061
+ "step": 1490
1062
+ },
1063
+ {
1064
+ "epoch": 1.015744032503809,
1065
+ "grad_norm": 0.584488570690155,
1066
+ "learning_rate": 2.7334337349397592e-05,
1067
+ "loss": 0.0748,
1068
+ "step": 1500
1069
+ },
1070
+ {
1071
+ "epoch": 1.0225156593871678,
1072
+ "grad_norm": 0.6118115186691284,
1073
+ "learning_rate": 2.7146084337349398e-05,
1074
+ "loss": 0.0663,
1075
+ "step": 1510
1076
+ },
1077
+ {
1078
+ "epoch": 1.0292872862705265,
1079
+ "grad_norm": 0.7841724753379822,
1080
+ "learning_rate": 2.6957831325301207e-05,
1081
+ "loss": 0.0664,
1082
+ "step": 1520
1083
+ },
1084
+ {
1085
+ "epoch": 1.0360589131538853,
1086
+ "grad_norm": 0.6936156153678894,
1087
+ "learning_rate": 2.6769578313253013e-05,
1088
+ "loss": 0.0642,
1089
+ "step": 1530
1090
+ },
1091
+ {
1092
+ "epoch": 1.042830540037244,
1093
+ "grad_norm": 0.7428813576698303,
1094
+ "learning_rate": 2.658132530120482e-05,
1095
+ "loss": 0.0694,
1096
+ "step": 1540
1097
+ },
1098
+ {
1099
+ "epoch": 1.0496021669206026,
1100
+ "grad_norm": 1.0296515226364136,
1101
+ "learning_rate": 2.6393072289156628e-05,
1102
+ "loss": 0.0754,
1103
+ "step": 1550
1104
+ },
1105
+ {
1106
+ "epoch": 1.0563737938039615,
1107
+ "grad_norm": 0.6250594258308411,
1108
+ "learning_rate": 2.6204819277108434e-05,
1109
+ "loss": 0.0646,
1110
+ "step": 1560
1111
+ },
1112
+ {
1113
+ "epoch": 1.06314542068732,
1114
+ "grad_norm": 1.5104742050170898,
1115
+ "learning_rate": 2.6016566265060243e-05,
1116
+ "loss": 0.073,
1117
+ "step": 1570
1118
+ },
1119
+ {
1120
+ "epoch": 1.069917047570679,
1121
+ "grad_norm": 0.8500051498413086,
1122
+ "learning_rate": 2.582831325301205e-05,
1123
+ "loss": 0.0677,
1124
+ "step": 1580
1125
+ },
1126
+ {
1127
+ "epoch": 1.0766886744540376,
1128
+ "grad_norm": 1.0728169679641724,
1129
+ "learning_rate": 2.5640060240963858e-05,
1130
+ "loss": 0.0692,
1131
+ "step": 1590
1132
+ },
1133
+ {
1134
+ "epoch": 1.0834603013373962,
1135
+ "grad_norm": 0.7029580473899841,
1136
+ "learning_rate": 2.5451807228915663e-05,
1137
+ "loss": 0.0681,
1138
+ "step": 1600
1139
+ },
1140
+ {
1141
+ "epoch": 1.090231928220755,
1142
+ "grad_norm": 0.7941862344741821,
1143
+ "learning_rate": 2.526355421686747e-05,
1144
+ "loss": 0.0727,
1145
+ "step": 1610
1146
+ },
1147
+ {
1148
+ "epoch": 1.0970035551041137,
1149
+ "grad_norm": 0.8318243026733398,
1150
+ "learning_rate": 2.5075301204819278e-05,
1151
+ "loss": 0.0764,
1152
+ "step": 1620
1153
+ },
1154
+ {
1155
+ "epoch": 1.1037751819874724,
1156
+ "grad_norm": 0.9039504528045654,
1157
+ "learning_rate": 2.4887048192771087e-05,
1158
+ "loss": 0.0817,
1159
+ "step": 1630
1160
+ },
1161
+ {
1162
+ "epoch": 1.1105468088708312,
1163
+ "grad_norm": 0.8218241930007935,
1164
+ "learning_rate": 2.4698795180722893e-05,
1165
+ "loss": 0.0705,
1166
+ "step": 1640
1167
+ },
1168
+ {
1169
+ "epoch": 1.1173184357541899,
1170
+ "grad_norm": 0.5053806900978088,
1171
+ "learning_rate": 2.45105421686747e-05,
1172
+ "loss": 0.0738,
1173
+ "step": 1650
1174
+ },
1175
+ {
1176
+ "epoch": 1.1240900626375487,
1177
+ "grad_norm": 0.5837478637695312,
1178
+ "learning_rate": 2.4322289156626508e-05,
1179
+ "loss": 0.0623,
1180
+ "step": 1660
1181
+ },
1182
+ {
1183
+ "epoch": 1.1308616895209074,
1184
+ "grad_norm": 0.6927766799926758,
1185
+ "learning_rate": 2.4134036144578314e-05,
1186
+ "loss": 0.0692,
1187
+ "step": 1670
1188
+ },
1189
+ {
1190
+ "epoch": 1.137633316404266,
1191
+ "grad_norm": 0.8067636489868164,
1192
+ "learning_rate": 2.3945783132530123e-05,
1193
+ "loss": 0.0716,
1194
+ "step": 1680
1195
+ },
1196
+ {
1197
+ "epoch": 1.1444049432876249,
1198
+ "grad_norm": 0.8656367063522339,
1199
+ "learning_rate": 2.375753012048193e-05,
1200
+ "loss": 0.0648,
1201
+ "step": 1690
1202
+ },
1203
+ {
1204
+ "epoch": 1.1511765701709835,
1205
+ "grad_norm": 0.5790455341339111,
1206
+ "learning_rate": 2.3569277108433734e-05,
1207
+ "loss": 0.0682,
1208
+ "step": 1700
1209
+ },
1210
+ {
1211
+ "epoch": 1.1579481970543424,
1212
+ "grad_norm": 0.9087624549865723,
1213
+ "learning_rate": 2.3381024096385544e-05,
1214
+ "loss": 0.0606,
1215
+ "step": 1710
1216
+ },
1217
+ {
1218
+ "epoch": 1.164719823937701,
1219
+ "grad_norm": 0.6014874577522278,
1220
+ "learning_rate": 2.319277108433735e-05,
1221
+ "loss": 0.078,
1222
+ "step": 1720
1223
+ },
1224
+ {
1225
+ "epoch": 1.1714914508210597,
1226
+ "grad_norm": 0.6091852784156799,
1227
+ "learning_rate": 2.300451807228916e-05,
1228
+ "loss": 0.0647,
1229
+ "step": 1730
1230
+ },
1231
+ {
1232
+ "epoch": 1.1782630777044185,
1233
+ "grad_norm": 0.581322431564331,
1234
+ "learning_rate": 2.2816265060240964e-05,
1235
+ "loss": 0.0712,
1236
+ "step": 1740
1237
+ },
1238
+ {
1239
+ "epoch": 1.1850347045877772,
1240
+ "grad_norm": 0.4964611530303955,
1241
+ "learning_rate": 2.2628012048192773e-05,
1242
+ "loss": 0.0524,
1243
+ "step": 1750
1244
+ },
1245
+ {
1246
+ "epoch": 1.191806331471136,
1247
+ "grad_norm": 0.8920990228652954,
1248
+ "learning_rate": 2.243975903614458e-05,
1249
+ "loss": 0.0719,
1250
+ "step": 1760
1251
+ },
1252
+ {
1253
+ "epoch": 1.1985779583544947,
1254
+ "grad_norm": 0.6709417104721069,
1255
+ "learning_rate": 2.2251506024096385e-05,
1256
+ "loss": 0.0695,
1257
+ "step": 1770
1258
+ },
1259
+ {
1260
+ "epoch": 1.2053495852378533,
1261
+ "grad_norm": 0.7828611731529236,
1262
+ "learning_rate": 2.2063253012048194e-05,
1263
+ "loss": 0.0742,
1264
+ "step": 1780
1265
+ },
1266
+ {
1267
+ "epoch": 1.2121212121212122,
1268
+ "grad_norm": 1.2962734699249268,
1269
+ "learning_rate": 2.1875e-05,
1270
+ "loss": 0.0743,
1271
+ "step": 1790
1272
+ },
1273
+ {
1274
+ "epoch": 1.2188928390045708,
1275
+ "grad_norm": 0.5535785555839539,
1276
+ "learning_rate": 2.168674698795181e-05,
1277
+ "loss": 0.064,
1278
+ "step": 1800
1279
+ },
1280
+ {
1281
+ "epoch": 1.2256644658879297,
1282
+ "grad_norm": 1.0534149408340454,
1283
+ "learning_rate": 2.1498493975903615e-05,
1284
+ "loss": 0.0594,
1285
+ "step": 1810
1286
+ },
1287
+ {
1288
+ "epoch": 1.2324360927712883,
1289
+ "grad_norm": 0.8949538469314575,
1290
+ "learning_rate": 2.1310240963855424e-05,
1291
+ "loss": 0.0607,
1292
+ "step": 1820
1293
+ },
1294
+ {
1295
+ "epoch": 1.239207719654647,
1296
+ "grad_norm": 0.7287763357162476,
1297
+ "learning_rate": 2.112198795180723e-05,
1298
+ "loss": 0.076,
1299
+ "step": 1830
1300
+ },
1301
+ {
1302
+ "epoch": 1.2459793465380058,
1303
+ "grad_norm": 1.2560794353485107,
1304
+ "learning_rate": 2.0933734939759035e-05,
1305
+ "loss": 0.0662,
1306
+ "step": 1840
1307
+ },
1308
+ {
1309
+ "epoch": 1.2527509734213644,
1310
+ "grad_norm": 0.4771580398082733,
1311
+ "learning_rate": 2.0745481927710844e-05,
1312
+ "loss": 0.0541,
1313
+ "step": 1850
1314
+ },
1315
+ {
1316
+ "epoch": 1.2595226003047233,
1317
+ "grad_norm": 0.9189515113830566,
1318
+ "learning_rate": 2.055722891566265e-05,
1319
+ "loss": 0.058,
1320
+ "step": 1860
1321
+ },
1322
+ {
1323
+ "epoch": 1.266294227188082,
1324
+ "grad_norm": 1.0164196491241455,
1325
+ "learning_rate": 2.036897590361446e-05,
1326
+ "loss": 0.0604,
1327
+ "step": 1870
1328
+ },
1329
+ {
1330
+ "epoch": 1.2730658540714406,
1331
+ "grad_norm": 0.8721578121185303,
1332
+ "learning_rate": 2.018072289156627e-05,
1333
+ "loss": 0.0731,
1334
+ "step": 1880
1335
+ },
1336
+ {
1337
+ "epoch": 1.2798374809547994,
1338
+ "grad_norm": 0.8412027955055237,
1339
+ "learning_rate": 1.999246987951807e-05,
1340
+ "loss": 0.0636,
1341
+ "step": 1890
1342
+ },
1343
+ {
1344
+ "epoch": 1.286609107838158,
1345
+ "grad_norm": 0.784599244594574,
1346
+ "learning_rate": 1.980421686746988e-05,
1347
+ "loss": 0.0636,
1348
+ "step": 1900
1349
+ },
1350
+ {
1351
+ "epoch": 1.293380734721517,
1352
+ "grad_norm": 0.5514250993728638,
1353
+ "learning_rate": 1.9615963855421686e-05,
1354
+ "loss": 0.0677,
1355
+ "step": 1910
1356
+ },
1357
+ {
1358
+ "epoch": 1.3001523616048756,
1359
+ "grad_norm": 0.6008131504058838,
1360
+ "learning_rate": 1.9427710843373495e-05,
1361
+ "loss": 0.0637,
1362
+ "step": 1920
1363
+ },
1364
+ {
1365
+ "epoch": 1.3069239884882342,
1366
+ "grad_norm": 0.9827722311019897,
1367
+ "learning_rate": 1.9239457831325304e-05,
1368
+ "loss": 0.0581,
1369
+ "step": 1930
1370
+ },
1371
+ {
1372
+ "epoch": 1.313695615371593,
1373
+ "grad_norm": 0.699483335018158,
1374
+ "learning_rate": 1.905120481927711e-05,
1375
+ "loss": 0.0651,
1376
+ "step": 1940
1377
+ },
1378
+ {
1379
+ "epoch": 1.3204672422549517,
1380
+ "grad_norm": 0.7085596919059753,
1381
+ "learning_rate": 1.8862951807228916e-05,
1382
+ "loss": 0.0589,
1383
+ "step": 1950
1384
+ },
1385
+ {
1386
+ "epoch": 1.3272388691383106,
1387
+ "grad_norm": 1.0991511344909668,
1388
+ "learning_rate": 1.867469879518072e-05,
1389
+ "loss": 0.0699,
1390
+ "step": 1960
1391
+ },
1392
+ {
1393
+ "epoch": 1.3340104960216692,
1394
+ "grad_norm": 0.8005927801132202,
1395
+ "learning_rate": 1.848644578313253e-05,
1396
+ "loss": 0.0673,
1397
+ "step": 1970
1398
+ },
1399
+ {
1400
+ "epoch": 1.3407821229050279,
1401
+ "grad_norm": 0.7139153480529785,
1402
+ "learning_rate": 1.829819277108434e-05,
1403
+ "loss": 0.0571,
1404
+ "step": 1980
1405
+ },
1406
+ {
1407
+ "epoch": 1.3475537497883867,
1408
+ "grad_norm": 0.4111141562461853,
1409
+ "learning_rate": 1.8109939759036145e-05,
1410
+ "loss": 0.0587,
1411
+ "step": 1990
1412
+ },
1413
+ {
1414
+ "epoch": 1.3543253766717454,
1415
+ "grad_norm": 0.5993856191635132,
1416
+ "learning_rate": 1.7921686746987955e-05,
1417
+ "loss": 0.0649,
1418
+ "step": 2000
1419
+ },
1420
+ {
1421
+ "epoch": 1.3610970035551042,
1422
+ "grad_norm": 0.9376055598258972,
1423
+ "learning_rate": 1.773343373493976e-05,
1424
+ "loss": 0.0672,
1425
+ "step": 2010
1426
+ },
1427
+ {
1428
+ "epoch": 1.3678686304384629,
1429
+ "grad_norm": 0.4629497230052948,
1430
+ "learning_rate": 1.7545180722891566e-05,
1431
+ "loss": 0.0517,
1432
+ "step": 2020
1433
+ },
1434
+ {
1435
+ "epoch": 1.3746402573218215,
1436
+ "grad_norm": 0.4839510917663574,
1437
+ "learning_rate": 1.7356927710843375e-05,
1438
+ "loss": 0.0524,
1439
+ "step": 2030
1440
+ },
1441
+ {
1442
+ "epoch": 1.3814118842051804,
1443
+ "grad_norm": 0.5999952554702759,
1444
+ "learning_rate": 1.716867469879518e-05,
1445
+ "loss": 0.056,
1446
+ "step": 2040
1447
+ },
1448
+ {
1449
+ "epoch": 1.388183511088539,
1450
+ "grad_norm": 0.5760485529899597,
1451
+ "learning_rate": 1.698042168674699e-05,
1452
+ "loss": 0.0663,
1453
+ "step": 2050
1454
+ },
1455
+ {
1456
+ "epoch": 1.3949551379718979,
1457
+ "grad_norm": 0.7293563485145569,
1458
+ "learning_rate": 1.6792168674698796e-05,
1459
+ "loss": 0.0649,
1460
+ "step": 2060
1461
+ },
1462
+ {
1463
+ "epoch": 1.4017267648552565,
1464
+ "grad_norm": 0.6858052611351013,
1465
+ "learning_rate": 1.6603915662650605e-05,
1466
+ "loss": 0.0545,
1467
+ "step": 2070
1468
+ },
1469
+ {
1470
+ "epoch": 1.4084983917386151,
1471
+ "grad_norm": 0.9105307459831238,
1472
+ "learning_rate": 1.641566265060241e-05,
1473
+ "loss": 0.0616,
1474
+ "step": 2080
1475
+ },
1476
+ {
1477
+ "epoch": 1.415270018621974,
1478
+ "grad_norm": 0.4213721752166748,
1479
+ "learning_rate": 1.6227409638554216e-05,
1480
+ "loss": 0.0647,
1481
+ "step": 2090
1482
+ },
1483
+ {
1484
+ "epoch": 1.4220416455053326,
1485
+ "grad_norm": 0.5692495703697205,
1486
+ "learning_rate": 1.6039156626506026e-05,
1487
+ "loss": 0.0602,
1488
+ "step": 2100
1489
+ },
1490
+ {
1491
+ "epoch": 1.4288132723886915,
1492
+ "grad_norm": 0.70749431848526,
1493
+ "learning_rate": 1.585090361445783e-05,
1494
+ "loss": 0.0638,
1495
+ "step": 2110
1496
+ },
1497
+ {
1498
+ "epoch": 1.4355848992720501,
1499
+ "grad_norm": 0.7523058652877808,
1500
+ "learning_rate": 1.566265060240964e-05,
1501
+ "loss": 0.0565,
1502
+ "step": 2120
1503
+ },
1504
+ {
1505
+ "epoch": 1.4423565261554088,
1506
+ "grad_norm": 0.5956985354423523,
1507
+ "learning_rate": 1.5474397590361446e-05,
1508
+ "loss": 0.0584,
1509
+ "step": 2130
1510
+ },
1511
+ {
1512
+ "epoch": 1.4491281530387676,
1513
+ "grad_norm": 0.7276691794395447,
1514
+ "learning_rate": 1.5286144578313255e-05,
1515
+ "loss": 0.0589,
1516
+ "step": 2140
1517
+ },
1518
+ {
1519
+ "epoch": 1.4558997799221263,
1520
+ "grad_norm": 0.9040044546127319,
1521
+ "learning_rate": 1.509789156626506e-05,
1522
+ "loss": 0.0635,
1523
+ "step": 2150
1524
+ },
1525
+ {
1526
+ "epoch": 1.4626714068054851,
1527
+ "grad_norm": 0.7457456588745117,
1528
+ "learning_rate": 1.4909638554216867e-05,
1529
+ "loss": 0.0654,
1530
+ "step": 2160
1531
+ },
1532
+ {
1533
+ "epoch": 1.4694430336888438,
1534
+ "grad_norm": 0.7019338011741638,
1535
+ "learning_rate": 1.4721385542168676e-05,
1536
+ "loss": 0.0641,
1537
+ "step": 2170
1538
+ },
1539
+ {
1540
+ "epoch": 1.4762146605722024,
1541
+ "grad_norm": 0.8061505556106567,
1542
+ "learning_rate": 1.4533132530120484e-05,
1543
+ "loss": 0.0573,
1544
+ "step": 2180
1545
+ },
1546
+ {
1547
+ "epoch": 1.4829862874555613,
1548
+ "grad_norm": 0.6644711494445801,
1549
+ "learning_rate": 1.4344879518072291e-05,
1550
+ "loss": 0.0654,
1551
+ "step": 2190
1552
+ },
1553
+ {
1554
+ "epoch": 1.48975791433892,
1555
+ "grad_norm": 0.8262456059455872,
1556
+ "learning_rate": 1.4156626506024098e-05,
1557
+ "loss": 0.0642,
1558
+ "step": 2200
1559
+ },
1560
+ {
1561
+ "epoch": 1.4965295412222788,
1562
+ "grad_norm": 0.9707741737365723,
1563
+ "learning_rate": 1.3968373493975902e-05,
1564
+ "loss": 0.0629,
1565
+ "step": 2210
1566
+ },
1567
+ {
1568
+ "epoch": 1.5033011681056374,
1569
+ "grad_norm": 1.0274876356124878,
1570
+ "learning_rate": 1.378012048192771e-05,
1571
+ "loss": 0.0584,
1572
+ "step": 2220
1573
+ },
1574
+ {
1575
+ "epoch": 1.510072794988996,
1576
+ "grad_norm": 0.5561116933822632,
1577
+ "learning_rate": 1.3591867469879519e-05,
1578
+ "loss": 0.0703,
1579
+ "step": 2230
1580
+ },
1581
+ {
1582
+ "epoch": 1.5168444218723547,
1583
+ "grad_norm": 0.7350441217422485,
1584
+ "learning_rate": 1.3403614457831327e-05,
1585
+ "loss": 0.0679,
1586
+ "step": 2240
1587
+ },
1588
+ {
1589
+ "epoch": 1.5236160487557135,
1590
+ "grad_norm": 1.2632744312286377,
1591
+ "learning_rate": 1.3215361445783134e-05,
1592
+ "loss": 0.0572,
1593
+ "step": 2250
1594
+ },
1595
+ {
1596
+ "epoch": 1.5303876756390724,
1597
+ "grad_norm": 0.970457911491394,
1598
+ "learning_rate": 1.3027108433734941e-05,
1599
+ "loss": 0.057,
1600
+ "step": 2260
1601
+ },
1602
+ {
1603
+ "epoch": 1.537159302522431,
1604
+ "grad_norm": 0.8355304598808289,
1605
+ "learning_rate": 1.2838855421686745e-05,
1606
+ "loss": 0.0543,
1607
+ "step": 2270
1608
+ },
1609
+ {
1610
+ "epoch": 1.5439309294057897,
1611
+ "grad_norm": 0.61915522813797,
1612
+ "learning_rate": 1.2650602409638555e-05,
1613
+ "loss": 0.0623,
1614
+ "step": 2280
1615
+ },
1616
+ {
1617
+ "epoch": 1.5507025562891483,
1618
+ "grad_norm": 0.5436218976974487,
1619
+ "learning_rate": 1.2462349397590362e-05,
1620
+ "loss": 0.0621,
1621
+ "step": 2290
1622
+ },
1623
+ {
1624
+ "epoch": 1.5574741831725072,
1625
+ "grad_norm": 0.8874384164810181,
1626
+ "learning_rate": 1.227409638554217e-05,
1627
+ "loss": 0.0598,
1628
+ "step": 2300
1629
+ },
1630
+ {
1631
+ "epoch": 1.564245810055866,
1632
+ "grad_norm": 0.6226460933685303,
1633
+ "learning_rate": 1.2085843373493977e-05,
1634
+ "loss": 0.0549,
1635
+ "step": 2310
1636
+ },
1637
+ {
1638
+ "epoch": 1.5710174369392247,
1639
+ "grad_norm": 0.648560643196106,
1640
+ "learning_rate": 1.1897590361445783e-05,
1641
+ "loss": 0.0581,
1642
+ "step": 2320
1643
+ },
1644
+ {
1645
+ "epoch": 1.5777890638225833,
1646
+ "grad_norm": 0.6028856039047241,
1647
+ "learning_rate": 1.170933734939759e-05,
1648
+ "loss": 0.0628,
1649
+ "step": 2330
1650
+ },
1651
+ {
1652
+ "epoch": 1.584560690705942,
1653
+ "grad_norm": 0.5027485489845276,
1654
+ "learning_rate": 1.1521084337349398e-05,
1655
+ "loss": 0.0655,
1656
+ "step": 2340
1657
+ },
1658
+ {
1659
+ "epoch": 1.5913323175893008,
1660
+ "grad_norm": 1.5245540142059326,
1661
+ "learning_rate": 1.1332831325301205e-05,
1662
+ "loss": 0.0637,
1663
+ "step": 2350
1664
+ },
1665
+ {
1666
+ "epoch": 1.5981039444726597,
1667
+ "grad_norm": 0.7036380767822266,
1668
+ "learning_rate": 1.1144578313253013e-05,
1669
+ "loss": 0.0582,
1670
+ "step": 2360
1671
+ },
1672
+ {
1673
+ "epoch": 1.6048755713560183,
1674
+ "grad_norm": 0.7167279124259949,
1675
+ "learning_rate": 1.095632530120482e-05,
1676
+ "loss": 0.0542,
1677
+ "step": 2370
1678
+ },
1679
+ {
1680
+ "epoch": 1.611647198239377,
1681
+ "grad_norm": 0.9925076365470886,
1682
+ "learning_rate": 1.0768072289156627e-05,
1683
+ "loss": 0.0521,
1684
+ "step": 2380
1685
+ },
1686
+ {
1687
+ "epoch": 1.6184188251227356,
1688
+ "grad_norm": 0.8511892557144165,
1689
+ "learning_rate": 1.0579819277108433e-05,
1690
+ "loss": 0.0603,
1691
+ "step": 2390
1692
+ },
1693
+ {
1694
+ "epoch": 1.6251904520060945,
1695
+ "grad_norm": 1.3457633256912231,
1696
+ "learning_rate": 1.0391566265060242e-05,
1697
+ "loss": 0.0654,
1698
+ "step": 2400
1699
+ },
1700
+ {
1701
+ "epoch": 1.6319620788894533,
1702
+ "grad_norm": 0.8031491041183472,
1703
+ "learning_rate": 1.020331325301205e-05,
1704
+ "loss": 0.0526,
1705
+ "step": 2410
1706
+ },
1707
+ {
1708
+ "epoch": 1.638733705772812,
1709
+ "grad_norm": 0.6882662773132324,
1710
+ "learning_rate": 1.0015060240963856e-05,
1711
+ "loss": 0.0585,
1712
+ "step": 2420
1713
+ },
1714
+ {
1715
+ "epoch": 1.6455053326561706,
1716
+ "grad_norm": 0.5608332753181458,
1717
+ "learning_rate": 9.826807228915663e-06,
1718
+ "loss": 0.0613,
1719
+ "step": 2430
1720
+ },
1721
+ {
1722
+ "epoch": 1.6522769595395292,
1723
+ "grad_norm": 0.512611985206604,
1724
+ "learning_rate": 9.63855421686747e-06,
1725
+ "loss": 0.0535,
1726
+ "step": 2440
1727
+ },
1728
+ {
1729
+ "epoch": 1.659048586422888,
1730
+ "grad_norm": 0.48724594712257385,
1731
+ "learning_rate": 9.450301204819278e-06,
1732
+ "loss": 0.0554,
1733
+ "step": 2450
1734
+ },
1735
+ {
1736
+ "epoch": 1.665820213306247,
1737
+ "grad_norm": 0.7341836094856262,
1738
+ "learning_rate": 9.262048192771085e-06,
1739
+ "loss": 0.0598,
1740
+ "step": 2460
1741
+ },
1742
+ {
1743
+ "epoch": 1.6725918401896056,
1744
+ "grad_norm": 0.5964226722717285,
1745
+ "learning_rate": 9.073795180722893e-06,
1746
+ "loss": 0.0742,
1747
+ "step": 2470
1748
+ },
1749
+ {
1750
+ "epoch": 1.6793634670729642,
1751
+ "grad_norm": 1.4178098440170288,
1752
+ "learning_rate": 8.885542168674699e-06,
1753
+ "loss": 0.0716,
1754
+ "step": 2480
1755
+ },
1756
+ {
1757
+ "epoch": 1.6861350939563229,
1758
+ "grad_norm": 0.7655882239341736,
1759
+ "learning_rate": 8.697289156626506e-06,
1760
+ "loss": 0.0509,
1761
+ "step": 2490
1762
+ },
1763
+ {
1764
+ "epoch": 1.6929067208396817,
1765
+ "grad_norm": 0.7825894355773926,
1766
+ "learning_rate": 8.509036144578313e-06,
1767
+ "loss": 0.056,
1768
+ "step": 2500
1769
+ },
1770
+ {
1771
+ "epoch": 1.6996783477230406,
1772
+ "grad_norm": 0.7740017771720886,
1773
+ "learning_rate": 8.320783132530121e-06,
1774
+ "loss": 0.0669,
1775
+ "step": 2510
1776
+ },
1777
+ {
1778
+ "epoch": 1.7064499746063992,
1779
+ "grad_norm": 0.4478660523891449,
1780
+ "learning_rate": 8.132530120481928e-06,
1781
+ "loss": 0.0711,
1782
+ "step": 2520
1783
+ },
1784
+ {
1785
+ "epoch": 1.7132216014897579,
1786
+ "grad_norm": 0.9198179244995117,
1787
+ "learning_rate": 7.944277108433736e-06,
1788
+ "loss": 0.0534,
1789
+ "step": 2530
1790
+ },
1791
+ {
1792
+ "epoch": 1.7199932283731165,
1793
+ "grad_norm": 0.5813512802124023,
1794
+ "learning_rate": 7.756024096385543e-06,
1795
+ "loss": 0.0612,
1796
+ "step": 2540
1797
+ },
1798
+ {
1799
+ "epoch": 1.7267648552564754,
1800
+ "grad_norm": 0.6739583611488342,
1801
+ "learning_rate": 7.56777108433735e-06,
1802
+ "loss": 0.0617,
1803
+ "step": 2550
1804
+ },
1805
+ {
1806
+ "epoch": 1.7335364821398342,
1807
+ "grad_norm": 0.6534674167633057,
1808
+ "learning_rate": 7.379518072289157e-06,
1809
+ "loss": 0.0639,
1810
+ "step": 2560
1811
+ },
1812
+ {
1813
+ "epoch": 1.7403081090231929,
1814
+ "grad_norm": 0.6965113878250122,
1815
+ "learning_rate": 7.191265060240965e-06,
1816
+ "loss": 0.0543,
1817
+ "step": 2570
1818
+ },
1819
+ {
1820
+ "epoch": 1.7470797359065515,
1821
+ "grad_norm": 0.7045726776123047,
1822
+ "learning_rate": 7.003012048192771e-06,
1823
+ "loss": 0.0557,
1824
+ "step": 2580
1825
+ },
1826
+ {
1827
+ "epoch": 1.7538513627899102,
1828
+ "grad_norm": 0.7541308403015137,
1829
+ "learning_rate": 6.814759036144579e-06,
1830
+ "loss": 0.0609,
1831
+ "step": 2590
1832
+ },
1833
+ {
1834
+ "epoch": 1.760622989673269,
1835
+ "grad_norm": 1.2629750967025757,
1836
+ "learning_rate": 6.626506024096386e-06,
1837
+ "loss": 0.055,
1838
+ "step": 2600
1839
+ },
1840
+ {
1841
+ "epoch": 1.7673946165566279,
1842
+ "grad_norm": 0.8643785119056702,
1843
+ "learning_rate": 6.438253012048193e-06,
1844
+ "loss": 0.0675,
1845
+ "step": 2610
1846
+ },
1847
+ {
1848
+ "epoch": 1.7741662434399865,
1849
+ "grad_norm": 0.7467519640922546,
1850
+ "learning_rate": 6.25e-06,
1851
+ "loss": 0.0641,
1852
+ "step": 2620
1853
+ },
1854
+ {
1855
+ "epoch": 1.7809378703233452,
1856
+ "grad_norm": 0.4777075946331024,
1857
+ "learning_rate": 6.061746987951807e-06,
1858
+ "loss": 0.0605,
1859
+ "step": 2630
1860
+ },
1861
+ {
1862
+ "epoch": 1.7877094972067038,
1863
+ "grad_norm": 0.6084995865821838,
1864
+ "learning_rate": 5.873493975903615e-06,
1865
+ "loss": 0.0545,
1866
+ "step": 2640
1867
+ },
1868
+ {
1869
+ "epoch": 1.7944811240900627,
1870
+ "grad_norm": 0.9602014422416687,
1871
+ "learning_rate": 5.685240963855422e-06,
1872
+ "loss": 0.0484,
1873
+ "step": 2650
1874
+ },
1875
+ {
1876
+ "epoch": 1.8012527509734215,
1877
+ "grad_norm": 0.7709717154502869,
1878
+ "learning_rate": 5.496987951807229e-06,
1879
+ "loss": 0.0637,
1880
+ "step": 2660
1881
+ },
1882
+ {
1883
+ "epoch": 1.8080243778567802,
1884
+ "grad_norm": 0.422376424074173,
1885
+ "learning_rate": 5.308734939759037e-06,
1886
+ "loss": 0.0659,
1887
+ "step": 2670
1888
+ },
1889
+ {
1890
+ "epoch": 1.8147960047401388,
1891
+ "grad_norm": 0.4001966118812561,
1892
+ "learning_rate": 5.120481927710843e-06,
1893
+ "loss": 0.0609,
1894
+ "step": 2680
1895
+ },
1896
+ {
1897
+ "epoch": 1.8215676316234974,
1898
+ "grad_norm": 0.4686823785305023,
1899
+ "learning_rate": 4.932228915662651e-06,
1900
+ "loss": 0.0588,
1901
+ "step": 2690
1902
+ },
1903
+ {
1904
+ "epoch": 1.8283392585068563,
1905
+ "grad_norm": 0.4594326615333557,
1906
+ "learning_rate": 4.743975903614458e-06,
1907
+ "loss": 0.0558,
1908
+ "step": 2700
1909
+ },
1910
+ {
1911
+ "epoch": 1.8351108853902152,
1912
+ "grad_norm": 0.7824903130531311,
1913
+ "learning_rate": 4.555722891566265e-06,
1914
+ "loss": 0.0536,
1915
+ "step": 2710
1916
+ },
1917
+ {
1918
+ "epoch": 1.8418825122735738,
1919
+ "grad_norm": 0.6944392323493958,
1920
+ "learning_rate": 4.367469879518073e-06,
1921
+ "loss": 0.0653,
1922
+ "step": 2720
1923
+ },
1924
+ {
1925
+ "epoch": 1.8486541391569324,
1926
+ "grad_norm": 0.665273129940033,
1927
+ "learning_rate": 4.17921686746988e-06,
1928
+ "loss": 0.0544,
1929
+ "step": 2730
1930
+ },
1931
+ {
1932
+ "epoch": 1.855425766040291,
1933
+ "grad_norm": 0.6628099083900452,
1934
+ "learning_rate": 3.990963855421686e-06,
1935
+ "loss": 0.056,
1936
+ "step": 2740
1937
+ },
1938
+ {
1939
+ "epoch": 1.86219739292365,
1940
+ "grad_norm": 0.79542475938797,
1941
+ "learning_rate": 3.802710843373494e-06,
1942
+ "loss": 0.0549,
1943
+ "step": 2750
1944
+ },
1945
+ {
1946
+ "epoch": 1.8689690198070086,
1947
+ "grad_norm": 0.7736166715621948,
1948
+ "learning_rate": 3.614457831325301e-06,
1949
+ "loss": 0.0606,
1950
+ "step": 2760
1951
+ },
1952
+ {
1953
+ "epoch": 1.8757406466903674,
1954
+ "grad_norm": 1.0499205589294434,
1955
+ "learning_rate": 3.426204819277109e-06,
1956
+ "loss": 0.0656,
1957
+ "step": 2770
1958
+ },
1959
+ {
1960
+ "epoch": 1.882512273573726,
1961
+ "grad_norm": 0.831328809261322,
1962
+ "learning_rate": 3.2379518072289157e-06,
1963
+ "loss": 0.0575,
1964
+ "step": 2780
1965
+ },
1966
+ {
1967
+ "epoch": 1.8892839004570847,
1968
+ "grad_norm": 0.7741392254829407,
1969
+ "learning_rate": 3.049698795180723e-06,
1970
+ "loss": 0.0493,
1971
+ "step": 2790
1972
+ },
1973
+ {
1974
+ "epoch": 1.8960555273404436,
1975
+ "grad_norm": 0.5156965851783752,
1976
+ "learning_rate": 2.86144578313253e-06,
1977
+ "loss": 0.0574,
1978
+ "step": 2800
1979
+ },
1980
+ {
1981
+ "epoch": 1.9028271542238022,
1982
+ "grad_norm": 0.7923727035522461,
1983
+ "learning_rate": 2.6731927710843376e-06,
1984
+ "loss": 0.0496,
1985
+ "step": 2810
1986
+ },
1987
+ {
1988
+ "epoch": 1.909598781107161,
1989
+ "grad_norm": 0.6281595230102539,
1990
+ "learning_rate": 2.4849397590361446e-06,
1991
+ "loss": 0.0564,
1992
+ "step": 2820
1993
+ },
1994
+ {
1995
+ "epoch": 1.9163704079905197,
1996
+ "grad_norm": 0.475424200296402,
1997
+ "learning_rate": 2.296686746987952e-06,
1998
+ "loss": 0.0518,
1999
+ "step": 2830
2000
+ },
2001
+ {
2002
+ "epoch": 1.9231420348738784,
2003
+ "grad_norm": 0.808529794216156,
2004
+ "learning_rate": 2.108433734939759e-06,
2005
+ "loss": 0.0519,
2006
+ "step": 2840
2007
+ },
2008
+ {
2009
+ "epoch": 1.9299136617572372,
2010
+ "grad_norm": 0.9661712050437927,
2011
+ "learning_rate": 1.920180722891566e-06,
2012
+ "loss": 0.057,
2013
+ "step": 2850
2014
+ },
2015
+ {
2016
+ "epoch": 1.9366852886405959,
2017
+ "grad_norm": 0.7859961986541748,
2018
+ "learning_rate": 1.7319277108433736e-06,
2019
+ "loss": 0.0597,
2020
+ "step": 2860
2021
+ },
2022
+ {
2023
+ "epoch": 1.9434569155239547,
2024
+ "grad_norm": 0.8376522660255432,
2025
+ "learning_rate": 1.5436746987951808e-06,
2026
+ "loss": 0.0562,
2027
+ "step": 2870
2028
+ },
2029
+ {
2030
+ "epoch": 1.9502285424073134,
2031
+ "grad_norm": 1.249200463294983,
2032
+ "learning_rate": 1.355421686746988e-06,
2033
+ "loss": 0.0582,
2034
+ "step": 2880
2035
+ },
2036
+ {
2037
+ "epoch": 1.957000169290672,
2038
+ "grad_norm": 0.6086472272872925,
2039
+ "learning_rate": 1.167168674698795e-06,
2040
+ "loss": 0.0575,
2041
+ "step": 2890
2042
+ },
2043
+ {
2044
+ "epoch": 1.9637717961740309,
2045
+ "grad_norm": 0.5852237939834595,
2046
+ "learning_rate": 9.789156626506025e-07,
2047
+ "loss": 0.0523,
2048
+ "step": 2900
2049
+ },
2050
+ {
2051
+ "epoch": 1.9705434230573895,
2052
+ "grad_norm": 0.5044909119606018,
2053
+ "learning_rate": 7.906626506024097e-07,
2054
+ "loss": 0.0599,
2055
+ "step": 2910
2056
+ },
2057
+ {
2058
+ "epoch": 1.9773150499407484,
2059
+ "grad_norm": 0.5792267918586731,
2060
+ "learning_rate": 6.024096385542169e-07,
2061
+ "loss": 0.0514,
2062
+ "step": 2920
2063
+ },
2064
+ {
2065
+ "epoch": 1.984086676824107,
2066
+ "grad_norm": 0.6914946436882019,
2067
+ "learning_rate": 4.1415662650602414e-07,
2068
+ "loss": 0.0582,
2069
+ "step": 2930
2070
+ },
2071
+ {
2072
+ "epoch": 1.9908583037074656,
2073
+ "grad_norm": 1.0799570083618164,
2074
+ "learning_rate": 2.2590361445783133e-07,
2075
+ "loss": 0.0467,
2076
+ "step": 2940
2077
+ },
2078
+ {
2079
+ "epoch": 1.9976299305908245,
2080
+ "grad_norm": 0.7630107998847961,
2081
+ "learning_rate": 3.7650602409638556e-08,
2082
+ "loss": 0.0634,
2083
+ "step": 2950
2084
+ },
2085
+ {
2086
+ "epoch": 1.9989842559674962,
2087
+ "eval_accuracy": 0.9820952380952381,
2088
+ "eval_loss": 0.062325455248355865,
2089
+ "eval_runtime": 751.2071,
2090
+ "eval_samples_per_second": 27.955,
2091
+ "eval_steps_per_second": 0.875,
2092
+ "step": 2952
2093
+ },
2094
+ {
2095
+ "epoch": 1.9989842559674962,
2096
+ "step": 2952,
2097
+ "total_flos": 1.3566159569165903e+20,
2098
+ "train_loss": 0.14182275843612224,
2099
+ "train_runtime": 17938.7006,
2100
+ "train_samples_per_second": 21.072,
2101
+ "train_steps_per_second": 0.165
2102
+ }
2103
+ ],
2104
+ "logging_steps": 10,
2105
+ "max_steps": 2952,
2106
+ "num_input_tokens_seen": 0,
2107
+ "num_train_epochs": 2,
2108
+ "save_steps": 500,
2109
+ "stateful_callbacks": {
2110
+ "TrainerControl": {
2111
+ "args": {
2112
+ "should_epoch_stop": false,
2113
+ "should_evaluate": false,
2114
+ "should_log": false,
2115
+ "should_save": true,
2116
+ "should_training_stop": true
2117
+ },
2118
+ "attributes": {}
2119
+ }
2120
+ },
2121
+ "total_flos": 1.3566159569165903e+20,
2122
+ "train_batch_size": 32,
2123
+ "trial_name": null,
2124
+ "trial_params": null
2125
+ }