Model save
Browse files- README.md +60 -0
- all_results.json +9 -0
- generation_config.json +6 -0
- runs/Sep16_11-34-49_COE-CS-sv003/events.out.tfevents.1726486515.COE-CS-sv003.3493365.0 +2 -2
- train_results.json +9 -0
- trainer_state.json +2681 -0
README.md
ADDED
|
@@ -0,0 +1,60 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
---
|
| 2 |
+
library_name: transformers
|
| 3 |
+
license: apache-2.0
|
| 4 |
+
base_model: mistralai/Mistral-7B-Instruct-v0.2
|
| 5 |
+
tags:
|
| 6 |
+
- trl
|
| 7 |
+
- sft
|
| 8 |
+
- generated_from_trainer
|
| 9 |
+
model-index:
|
| 10 |
+
- name: feedback_p0.1_seed42_level2_stylecleanbatch16
|
| 11 |
+
results: []
|
| 12 |
+
---
|
| 13 |
+
|
| 14 |
+
<!-- This model card has been generated automatically according to the information the Trainer had access to. You
|
| 15 |
+
should probably proofread and complete it, then remove this comment. -->
|
| 16 |
+
|
| 17 |
+
# feedback_p0.1_seed42_level2_stylecleanbatch16
|
| 18 |
+
|
| 19 |
+
This model is a fine-tuned version of [mistralai/Mistral-7B-Instruct-v0.2](https://huggingface.co/mistralai/Mistral-7B-Instruct-v0.2) on the None dataset.
|
| 20 |
+
|
| 21 |
+
## Model description
|
| 22 |
+
|
| 23 |
+
More information needed
|
| 24 |
+
|
| 25 |
+
## Intended uses & limitations
|
| 26 |
+
|
| 27 |
+
More information needed
|
| 28 |
+
|
| 29 |
+
## Training and evaluation data
|
| 30 |
+
|
| 31 |
+
More information needed
|
| 32 |
+
|
| 33 |
+
## Training procedure
|
| 34 |
+
|
| 35 |
+
### Training hyperparameters
|
| 36 |
+
|
| 37 |
+
The following hyperparameters were used during training:
|
| 38 |
+
- learning_rate: 1e-05
|
| 39 |
+
- train_batch_size: 4
|
| 40 |
+
- eval_batch_size: 1
|
| 41 |
+
- seed: 42
|
| 42 |
+
- distributed_type: multi-GPU
|
| 43 |
+
- num_devices: 4
|
| 44 |
+
- total_train_batch_size: 16
|
| 45 |
+
- total_eval_batch_size: 4
|
| 46 |
+
- optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
|
| 47 |
+
- lr_scheduler_type: cosine
|
| 48 |
+
- lr_scheduler_warmup_ratio: 0.1
|
| 49 |
+
- num_epochs: 1
|
| 50 |
+
|
| 51 |
+
### Training results
|
| 52 |
+
|
| 53 |
+
|
| 54 |
+
|
| 55 |
+
### Framework versions
|
| 56 |
+
|
| 57 |
+
- Transformers 4.44.2
|
| 58 |
+
- Pytorch 2.3.1+cu121
|
| 59 |
+
- Datasets 2.19.1
|
| 60 |
+
- Tokenizers 0.19.1
|
all_results.json
ADDED
|
@@ -0,0 +1,9 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"epoch": 1.0,
|
| 3 |
+
"total_flos": 196293427200000.0,
|
| 4 |
+
"train_loss": 0.5153299657185872,
|
| 5 |
+
"train_runtime": 16626.7844,
|
| 6 |
+
"train_samples": 98952,
|
| 7 |
+
"train_samples_per_second": 1.803,
|
| 8 |
+
"train_steps_per_second": 0.113
|
| 9 |
+
}
|
generation_config.json
ADDED
|
@@ -0,0 +1,6 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"_from_model_config": true,
|
| 3 |
+
"bos_token_id": 1,
|
| 4 |
+
"eos_token_id": 2,
|
| 5 |
+
"transformers_version": "4.44.2"
|
| 6 |
+
}
|
runs/Sep16_11-34-49_COE-CS-sv003/events.out.tfevents.1726486515.COE-CS-sv003.3493365.0
CHANGED
|
@@ -1,3 +1,3 @@
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
-
oid sha256:
|
| 3 |
-
size
|
|
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:474d7e919f59fc490e3ef7702146c01efb970ba473719b3dbb803d5bdcf372f5
|
| 3 |
+
size 85079
|
train_results.json
ADDED
|
@@ -0,0 +1,9 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"epoch": 1.0,
|
| 3 |
+
"total_flos": 196293427200000.0,
|
| 4 |
+
"train_loss": 0.5153299657185872,
|
| 5 |
+
"train_runtime": 16626.7844,
|
| 6 |
+
"train_samples": 98952,
|
| 7 |
+
"train_samples_per_second": 1.803,
|
| 8 |
+
"train_steps_per_second": 0.113
|
| 9 |
+
}
|
trainer_state.json
ADDED
|
@@ -0,0 +1,2681 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_metric": null,
|
| 3 |
+
"best_model_checkpoint": null,
|
| 4 |
+
"epoch": 1.0,
|
| 5 |
+
"eval_steps": 500,
|
| 6 |
+
"global_step": 1875,
|
| 7 |
+
"is_hyper_param_search": false,
|
| 8 |
+
"is_local_process_zero": true,
|
| 9 |
+
"is_world_process_zero": true,
|
| 10 |
+
"log_history": [
|
| 11 |
+
{
|
| 12 |
+
"epoch": 0.0005333333333333334,
|
| 13 |
+
"grad_norm": 23.259888560308273,
|
| 14 |
+
"learning_rate": 5.319148936170213e-08,
|
| 15 |
+
"loss": 1.3571,
|
| 16 |
+
"step": 1
|
| 17 |
+
},
|
| 18 |
+
{
|
| 19 |
+
"epoch": 0.0026666666666666666,
|
| 20 |
+
"grad_norm": 23.74599684989325,
|
| 21 |
+
"learning_rate": 2.6595744680851066e-07,
|
| 22 |
+
"loss": 1.3485,
|
| 23 |
+
"step": 5
|
| 24 |
+
},
|
| 25 |
+
{
|
| 26 |
+
"epoch": 0.005333333333333333,
|
| 27 |
+
"grad_norm": 14.017726031240942,
|
| 28 |
+
"learning_rate": 5.319148936170213e-07,
|
| 29 |
+
"loss": 1.3174,
|
| 30 |
+
"step": 10
|
| 31 |
+
},
|
| 32 |
+
{
|
| 33 |
+
"epoch": 0.008,
|
| 34 |
+
"grad_norm": 12.405314565948874,
|
| 35 |
+
"learning_rate": 7.97872340425532e-07,
|
| 36 |
+
"loss": 1.1507,
|
| 37 |
+
"step": 15
|
| 38 |
+
},
|
| 39 |
+
{
|
| 40 |
+
"epoch": 0.010666666666666666,
|
| 41 |
+
"grad_norm": 8.953549454445659,
|
| 42 |
+
"learning_rate": 1.0638297872340427e-06,
|
| 43 |
+
"loss": 1.0492,
|
| 44 |
+
"step": 20
|
| 45 |
+
},
|
| 46 |
+
{
|
| 47 |
+
"epoch": 0.013333333333333334,
|
| 48 |
+
"grad_norm": 3.472583741195905,
|
| 49 |
+
"learning_rate": 1.3297872340425533e-06,
|
| 50 |
+
"loss": 0.9493,
|
| 51 |
+
"step": 25
|
| 52 |
+
},
|
| 53 |
+
{
|
| 54 |
+
"epoch": 0.016,
|
| 55 |
+
"grad_norm": 3.409560725136326,
|
| 56 |
+
"learning_rate": 1.595744680851064e-06,
|
| 57 |
+
"loss": 0.9014,
|
| 58 |
+
"step": 30
|
| 59 |
+
},
|
| 60 |
+
{
|
| 61 |
+
"epoch": 0.018666666666666668,
|
| 62 |
+
"grad_norm": 3.072344840723042,
|
| 63 |
+
"learning_rate": 1.8617021276595745e-06,
|
| 64 |
+
"loss": 0.8878,
|
| 65 |
+
"step": 35
|
| 66 |
+
},
|
| 67 |
+
{
|
| 68 |
+
"epoch": 0.021333333333333333,
|
| 69 |
+
"grad_norm": 3.013271894911945,
|
| 70 |
+
"learning_rate": 2.1276595744680853e-06,
|
| 71 |
+
"loss": 0.8722,
|
| 72 |
+
"step": 40
|
| 73 |
+
},
|
| 74 |
+
{
|
| 75 |
+
"epoch": 0.024,
|
| 76 |
+
"grad_norm": 3.117052858944193,
|
| 77 |
+
"learning_rate": 2.393617021276596e-06,
|
| 78 |
+
"loss": 0.8542,
|
| 79 |
+
"step": 45
|
| 80 |
+
},
|
| 81 |
+
{
|
| 82 |
+
"epoch": 0.02666666666666667,
|
| 83 |
+
"grad_norm": 3.036623392571696,
|
| 84 |
+
"learning_rate": 2.6595744680851065e-06,
|
| 85 |
+
"loss": 0.8455,
|
| 86 |
+
"step": 50
|
| 87 |
+
},
|
| 88 |
+
{
|
| 89 |
+
"epoch": 0.029333333333333333,
|
| 90 |
+
"grad_norm": 3.150234881938106,
|
| 91 |
+
"learning_rate": 2.9255319148936174e-06,
|
| 92 |
+
"loss": 0.823,
|
| 93 |
+
"step": 55
|
| 94 |
+
},
|
| 95 |
+
{
|
| 96 |
+
"epoch": 0.032,
|
| 97 |
+
"grad_norm": 2.9740966983678483,
|
| 98 |
+
"learning_rate": 3.191489361702128e-06,
|
| 99 |
+
"loss": 0.8263,
|
| 100 |
+
"step": 60
|
| 101 |
+
},
|
| 102 |
+
{
|
| 103 |
+
"epoch": 0.034666666666666665,
|
| 104 |
+
"grad_norm": 3.0462076055938154,
|
| 105 |
+
"learning_rate": 3.457446808510639e-06,
|
| 106 |
+
"loss": 0.8065,
|
| 107 |
+
"step": 65
|
| 108 |
+
},
|
| 109 |
+
{
|
| 110 |
+
"epoch": 0.037333333333333336,
|
| 111 |
+
"grad_norm": 3.031465196129359,
|
| 112 |
+
"learning_rate": 3.723404255319149e-06,
|
| 113 |
+
"loss": 0.8161,
|
| 114 |
+
"step": 70
|
| 115 |
+
},
|
| 116 |
+
{
|
| 117 |
+
"epoch": 0.04,
|
| 118 |
+
"grad_norm": 3.2219534406416614,
|
| 119 |
+
"learning_rate": 3.98936170212766e-06,
|
| 120 |
+
"loss": 0.7967,
|
| 121 |
+
"step": 75
|
| 122 |
+
},
|
| 123 |
+
{
|
| 124 |
+
"epoch": 0.042666666666666665,
|
| 125 |
+
"grad_norm": 3.2372818431026777,
|
| 126 |
+
"learning_rate": 4.255319148936171e-06,
|
| 127 |
+
"loss": 0.7842,
|
| 128 |
+
"step": 80
|
| 129 |
+
},
|
| 130 |
+
{
|
| 131 |
+
"epoch": 0.04533333333333334,
|
| 132 |
+
"grad_norm": 3.138654518664438,
|
| 133 |
+
"learning_rate": 4.521276595744681e-06,
|
| 134 |
+
"loss": 0.7659,
|
| 135 |
+
"step": 85
|
| 136 |
+
},
|
| 137 |
+
{
|
| 138 |
+
"epoch": 0.048,
|
| 139 |
+
"grad_norm": 3.2327655184508526,
|
| 140 |
+
"learning_rate": 4.787234042553192e-06,
|
| 141 |
+
"loss": 0.7598,
|
| 142 |
+
"step": 90
|
| 143 |
+
},
|
| 144 |
+
{
|
| 145 |
+
"epoch": 0.050666666666666665,
|
| 146 |
+
"grad_norm": 3.298947473840247,
|
| 147 |
+
"learning_rate": 5.053191489361703e-06,
|
| 148 |
+
"loss": 0.7665,
|
| 149 |
+
"step": 95
|
| 150 |
+
},
|
| 151 |
+
{
|
| 152 |
+
"epoch": 0.05333333333333334,
|
| 153 |
+
"grad_norm": 3.2558321082587476,
|
| 154 |
+
"learning_rate": 5.319148936170213e-06,
|
| 155 |
+
"loss": 0.7543,
|
| 156 |
+
"step": 100
|
| 157 |
+
},
|
| 158 |
+
{
|
| 159 |
+
"epoch": 0.056,
|
| 160 |
+
"grad_norm": 3.1123037187117952,
|
| 161 |
+
"learning_rate": 5.5851063829787235e-06,
|
| 162 |
+
"loss": 0.755,
|
| 163 |
+
"step": 105
|
| 164 |
+
},
|
| 165 |
+
{
|
| 166 |
+
"epoch": 0.058666666666666666,
|
| 167 |
+
"grad_norm": 2.9710008221533233,
|
| 168 |
+
"learning_rate": 5.851063829787235e-06,
|
| 169 |
+
"loss": 0.7395,
|
| 170 |
+
"step": 110
|
| 171 |
+
},
|
| 172 |
+
{
|
| 173 |
+
"epoch": 0.06133333333333333,
|
| 174 |
+
"grad_norm": 2.9978710535728053,
|
| 175 |
+
"learning_rate": 6.117021276595745e-06,
|
| 176 |
+
"loss": 0.7448,
|
| 177 |
+
"step": 115
|
| 178 |
+
},
|
| 179 |
+
{
|
| 180 |
+
"epoch": 0.064,
|
| 181 |
+
"grad_norm": 3.2755218388302048,
|
| 182 |
+
"learning_rate": 6.382978723404256e-06,
|
| 183 |
+
"loss": 0.7228,
|
| 184 |
+
"step": 120
|
| 185 |
+
},
|
| 186 |
+
{
|
| 187 |
+
"epoch": 0.06666666666666667,
|
| 188 |
+
"grad_norm": 3.1254224262570576,
|
| 189 |
+
"learning_rate": 6.648936170212767e-06,
|
| 190 |
+
"loss": 0.751,
|
| 191 |
+
"step": 125
|
| 192 |
+
},
|
| 193 |
+
{
|
| 194 |
+
"epoch": 0.06933333333333333,
|
| 195 |
+
"grad_norm": 2.869080722159408,
|
| 196 |
+
"learning_rate": 6.914893617021278e-06,
|
| 197 |
+
"loss": 0.7359,
|
| 198 |
+
"step": 130
|
| 199 |
+
},
|
| 200 |
+
{
|
| 201 |
+
"epoch": 0.072,
|
| 202 |
+
"grad_norm": 2.9132987724801747,
|
| 203 |
+
"learning_rate": 7.1808510638297875e-06,
|
| 204 |
+
"loss": 0.7296,
|
| 205 |
+
"step": 135
|
| 206 |
+
},
|
| 207 |
+
{
|
| 208 |
+
"epoch": 0.07466666666666667,
|
| 209 |
+
"grad_norm": 3.0736996161268775,
|
| 210 |
+
"learning_rate": 7.446808510638298e-06,
|
| 211 |
+
"loss": 0.7183,
|
| 212 |
+
"step": 140
|
| 213 |
+
},
|
| 214 |
+
{
|
| 215 |
+
"epoch": 0.07733333333333334,
|
| 216 |
+
"grad_norm": 2.950761575882245,
|
| 217 |
+
"learning_rate": 7.71276595744681e-06,
|
| 218 |
+
"loss": 0.7152,
|
| 219 |
+
"step": 145
|
| 220 |
+
},
|
| 221 |
+
{
|
| 222 |
+
"epoch": 0.08,
|
| 223 |
+
"grad_norm": 3.144578339572093,
|
| 224 |
+
"learning_rate": 7.97872340425532e-06,
|
| 225 |
+
"loss": 0.7172,
|
| 226 |
+
"step": 150
|
| 227 |
+
},
|
| 228 |
+
{
|
| 229 |
+
"epoch": 0.08266666666666667,
|
| 230 |
+
"grad_norm": 2.9953920059025814,
|
| 231 |
+
"learning_rate": 8.24468085106383e-06,
|
| 232 |
+
"loss": 0.7098,
|
| 233 |
+
"step": 155
|
| 234 |
+
},
|
| 235 |
+
{
|
| 236 |
+
"epoch": 0.08533333333333333,
|
| 237 |
+
"grad_norm": 2.7422828070910286,
|
| 238 |
+
"learning_rate": 8.510638297872341e-06,
|
| 239 |
+
"loss": 0.7208,
|
| 240 |
+
"step": 160
|
| 241 |
+
},
|
| 242 |
+
{
|
| 243 |
+
"epoch": 0.088,
|
| 244 |
+
"grad_norm": 2.9002554490000345,
|
| 245 |
+
"learning_rate": 8.776595744680852e-06,
|
| 246 |
+
"loss": 0.7203,
|
| 247 |
+
"step": 165
|
| 248 |
+
},
|
| 249 |
+
{
|
| 250 |
+
"epoch": 0.09066666666666667,
|
| 251 |
+
"grad_norm": 2.8412165479733034,
|
| 252 |
+
"learning_rate": 9.042553191489362e-06,
|
| 253 |
+
"loss": 0.7022,
|
| 254 |
+
"step": 170
|
| 255 |
+
},
|
| 256 |
+
{
|
| 257 |
+
"epoch": 0.09333333333333334,
|
| 258 |
+
"grad_norm": 2.868498607255197,
|
| 259 |
+
"learning_rate": 9.308510638297872e-06,
|
| 260 |
+
"loss": 0.72,
|
| 261 |
+
"step": 175
|
| 262 |
+
},
|
| 263 |
+
{
|
| 264 |
+
"epoch": 0.096,
|
| 265 |
+
"grad_norm": 2.812615649943488,
|
| 266 |
+
"learning_rate": 9.574468085106385e-06,
|
| 267 |
+
"loss": 0.7196,
|
| 268 |
+
"step": 180
|
| 269 |
+
},
|
| 270 |
+
{
|
| 271 |
+
"epoch": 0.09866666666666667,
|
| 272 |
+
"grad_norm": 2.7257502803760723,
|
| 273 |
+
"learning_rate": 9.840425531914895e-06,
|
| 274 |
+
"loss": 0.7071,
|
| 275 |
+
"step": 185
|
| 276 |
+
},
|
| 277 |
+
{
|
| 278 |
+
"epoch": 0.10133333333333333,
|
| 279 |
+
"grad_norm": 2.831351676543259,
|
| 280 |
+
"learning_rate": 9.999965320799377e-06,
|
| 281 |
+
"loss": 0.7202,
|
| 282 |
+
"step": 190
|
| 283 |
+
},
|
| 284 |
+
{
|
| 285 |
+
"epoch": 0.104,
|
| 286 |
+
"grad_norm": 2.817176403291916,
|
| 287 |
+
"learning_rate": 9.999575185316994e-06,
|
| 288 |
+
"loss": 0.7117,
|
| 289 |
+
"step": 195
|
| 290 |
+
},
|
| 291 |
+
{
|
| 292 |
+
"epoch": 0.10666666666666667,
|
| 293 |
+
"grad_norm": 2.693988660883595,
|
| 294 |
+
"learning_rate": 9.99875159928796e-06,
|
| 295 |
+
"loss": 0.7208,
|
| 296 |
+
"step": 200
|
| 297 |
+
},
|
| 298 |
+
{
|
| 299 |
+
"epoch": 0.10933333333333334,
|
| 300 |
+
"grad_norm": 2.671108437058815,
|
| 301 |
+
"learning_rate": 9.997494634115101e-06,
|
| 302 |
+
"loss": 0.707,
|
| 303 |
+
"step": 205
|
| 304 |
+
},
|
| 305 |
+
{
|
| 306 |
+
"epoch": 0.112,
|
| 307 |
+
"grad_norm": 2.6250940915355496,
|
| 308 |
+
"learning_rate": 9.995804398774129e-06,
|
| 309 |
+
"loss": 0.7264,
|
| 310 |
+
"step": 210
|
| 311 |
+
},
|
| 312 |
+
{
|
| 313 |
+
"epoch": 0.11466666666666667,
|
| 314 |
+
"grad_norm": 2.6365544341595886,
|
| 315 |
+
"learning_rate": 9.993681039804176e-06,
|
| 316 |
+
"loss": 0.696,
|
| 317 |
+
"step": 215
|
| 318 |
+
},
|
| 319 |
+
{
|
| 320 |
+
"epoch": 0.11733333333333333,
|
| 321 |
+
"grad_norm": 2.6303194348396106,
|
| 322 |
+
"learning_rate": 9.991124741295106e-06,
|
| 323 |
+
"loss": 0.7122,
|
| 324 |
+
"step": 220
|
| 325 |
+
},
|
| 326 |
+
{
|
| 327 |
+
"epoch": 0.12,
|
| 328 |
+
"grad_norm": 2.7023906847526806,
|
| 329 |
+
"learning_rate": 9.988135724871546e-06,
|
| 330 |
+
"loss": 0.6871,
|
| 331 |
+
"step": 225
|
| 332 |
+
},
|
| 333 |
+
{
|
| 334 |
+
"epoch": 0.12266666666666666,
|
| 335 |
+
"grad_norm": 2.7022937303583463,
|
| 336 |
+
"learning_rate": 9.984714249673676e-06,
|
| 337 |
+
"loss": 0.6907,
|
| 338 |
+
"step": 230
|
| 339 |
+
},
|
| 340 |
+
{
|
| 341 |
+
"epoch": 0.12533333333333332,
|
| 342 |
+
"grad_norm": 2.629841762853114,
|
| 343 |
+
"learning_rate": 9.980860612334753e-06,
|
| 344 |
+
"loss": 0.6975,
|
| 345 |
+
"step": 235
|
| 346 |
+
},
|
| 347 |
+
{
|
| 348 |
+
"epoch": 0.128,
|
| 349 |
+
"grad_norm": 2.5843314937091306,
|
| 350 |
+
"learning_rate": 9.976575146955409e-06,
|
| 351 |
+
"loss": 0.7059,
|
| 352 |
+
"step": 240
|
| 353 |
+
},
|
| 354 |
+
{
|
| 355 |
+
"epoch": 0.13066666666666665,
|
| 356 |
+
"grad_norm": 2.523094070355681,
|
| 357 |
+
"learning_rate": 9.971858225074672e-06,
|
| 358 |
+
"loss": 0.6895,
|
| 359 |
+
"step": 245
|
| 360 |
+
},
|
| 361 |
+
{
|
| 362 |
+
"epoch": 0.13333333333333333,
|
| 363 |
+
"grad_norm": 2.7177330866226383,
|
| 364 |
+
"learning_rate": 9.966710255637764e-06,
|
| 365 |
+
"loss": 0.702,
|
| 366 |
+
"step": 250
|
| 367 |
+
},
|
| 368 |
+
{
|
| 369 |
+
"epoch": 0.136,
|
| 370 |
+
"grad_norm": 2.516290755235333,
|
| 371 |
+
"learning_rate": 9.961131684960635e-06,
|
| 372 |
+
"loss": 0.6982,
|
| 373 |
+
"step": 255
|
| 374 |
+
},
|
| 375 |
+
{
|
| 376 |
+
"epoch": 0.13866666666666666,
|
| 377 |
+
"grad_norm": 2.8446232372390647,
|
| 378 |
+
"learning_rate": 9.955122996691278e-06,
|
| 379 |
+
"loss": 0.6798,
|
| 380 |
+
"step": 260
|
| 381 |
+
},
|
| 382 |
+
{
|
| 383 |
+
"epoch": 0.14133333333333334,
|
| 384 |
+
"grad_norm": 2.626212677483728,
|
| 385 |
+
"learning_rate": 9.9486847117678e-06,
|
| 386 |
+
"loss": 0.6935,
|
| 387 |
+
"step": 265
|
| 388 |
+
},
|
| 389 |
+
{
|
| 390 |
+
"epoch": 0.144,
|
| 391 |
+
"grad_norm": 2.763067123330303,
|
| 392 |
+
"learning_rate": 9.941817388373248e-06,
|
| 393 |
+
"loss": 0.7009,
|
| 394 |
+
"step": 270
|
| 395 |
+
},
|
| 396 |
+
{
|
| 397 |
+
"epoch": 0.14666666666666667,
|
| 398 |
+
"grad_norm": 2.5655262662282157,
|
| 399 |
+
"learning_rate": 9.934521621887223e-06,
|
| 400 |
+
"loss": 0.6817,
|
| 401 |
+
"step": 275
|
| 402 |
+
},
|
| 403 |
+
{
|
| 404 |
+
"epoch": 0.14933333333333335,
|
| 405 |
+
"grad_norm": 2.4975229165315147,
|
| 406 |
+
"learning_rate": 9.926798044834261e-06,
|
| 407 |
+
"loss": 0.6825,
|
| 408 |
+
"step": 280
|
| 409 |
+
},
|
| 410 |
+
{
|
| 411 |
+
"epoch": 0.152,
|
| 412 |
+
"grad_norm": 2.6847632872735514,
|
| 413 |
+
"learning_rate": 9.918647326828993e-06,
|
| 414 |
+
"loss": 0.681,
|
| 415 |
+
"step": 285
|
| 416 |
+
},
|
| 417 |
+
{
|
| 418 |
+
"epoch": 0.15466666666666667,
|
| 419 |
+
"grad_norm": 2.417810828579564,
|
| 420 |
+
"learning_rate": 9.910070174518093e-06,
|
| 421 |
+
"loss": 0.6746,
|
| 422 |
+
"step": 290
|
| 423 |
+
},
|
| 424 |
+
{
|
| 425 |
+
"epoch": 0.15733333333333333,
|
| 426 |
+
"grad_norm": 2.4767731840763507,
|
| 427 |
+
"learning_rate": 9.901067331519013e-06,
|
| 428 |
+
"loss": 0.678,
|
| 429 |
+
"step": 295
|
| 430 |
+
},
|
| 431 |
+
{
|
| 432 |
+
"epoch": 0.16,
|
| 433 |
+
"grad_norm": 2.6054805217793233,
|
| 434 |
+
"learning_rate": 9.891639578355511e-06,
|
| 435 |
+
"loss": 0.6529,
|
| 436 |
+
"step": 300
|
| 437 |
+
},
|
| 438 |
+
{
|
| 439 |
+
"epoch": 0.16266666666666665,
|
| 440 |
+
"grad_norm": 2.707334331423786,
|
| 441 |
+
"learning_rate": 9.881787732389987e-06,
|
| 442 |
+
"loss": 0.6718,
|
| 443 |
+
"step": 305
|
| 444 |
+
},
|
| 445 |
+
{
|
| 446 |
+
"epoch": 0.16533333333333333,
|
| 447 |
+
"grad_norm": 2.6117207367821274,
|
| 448 |
+
"learning_rate": 9.871512647752612e-06,
|
| 449 |
+
"loss": 0.6749,
|
| 450 |
+
"step": 310
|
| 451 |
+
},
|
| 452 |
+
{
|
| 453 |
+
"epoch": 0.168,
|
| 454 |
+
"grad_norm": 2.430251704147062,
|
| 455 |
+
"learning_rate": 9.860815215267288e-06,
|
| 456 |
+
"loss": 0.6773,
|
| 457 |
+
"step": 315
|
| 458 |
+
},
|
| 459 |
+
{
|
| 460 |
+
"epoch": 0.17066666666666666,
|
| 461 |
+
"grad_norm": 2.76556526718674,
|
| 462 |
+
"learning_rate": 9.849696362374399e-06,
|
| 463 |
+
"loss": 0.6693,
|
| 464 |
+
"step": 320
|
| 465 |
+
},
|
| 466 |
+
{
|
| 467 |
+
"epoch": 0.17333333333333334,
|
| 468 |
+
"grad_norm": 2.5391725341374767,
|
| 469 |
+
"learning_rate": 9.838157053050423e-06,
|
| 470 |
+
"loss": 0.6592,
|
| 471 |
+
"step": 325
|
| 472 |
+
},
|
| 473 |
+
{
|
| 474 |
+
"epoch": 0.176,
|
| 475 |
+
"grad_norm": 2.4816651120876396,
|
| 476 |
+
"learning_rate": 9.826198287724346e-06,
|
| 477 |
+
"loss": 0.6718,
|
| 478 |
+
"step": 330
|
| 479 |
+
},
|
| 480 |
+
{
|
| 481 |
+
"epoch": 0.17866666666666667,
|
| 482 |
+
"grad_norm": 2.5133503893904185,
|
| 483 |
+
"learning_rate": 9.813821103190932e-06,
|
| 484 |
+
"loss": 0.6623,
|
| 485 |
+
"step": 335
|
| 486 |
+
},
|
| 487 |
+
{
|
| 488 |
+
"epoch": 0.18133333333333335,
|
| 489 |
+
"grad_norm": 2.4585078206160604,
|
| 490 |
+
"learning_rate": 9.801026572520832e-06,
|
| 491 |
+
"loss": 0.6825,
|
| 492 |
+
"step": 340
|
| 493 |
+
},
|
| 494 |
+
{
|
| 495 |
+
"epoch": 0.184,
|
| 496 |
+
"grad_norm": 2.44135362893466,
|
| 497 |
+
"learning_rate": 9.787815804967554e-06,
|
| 498 |
+
"loss": 0.6517,
|
| 499 |
+
"step": 345
|
| 500 |
+
},
|
| 501 |
+
{
|
| 502 |
+
"epoch": 0.18666666666666668,
|
| 503 |
+
"grad_norm": 2.3767839952997107,
|
| 504 |
+
"learning_rate": 9.77418994587129e-06,
|
| 505 |
+
"loss": 0.6582,
|
| 506 |
+
"step": 350
|
| 507 |
+
},
|
| 508 |
+
{
|
| 509 |
+
"epoch": 0.18933333333333333,
|
| 510 |
+
"grad_norm": 2.4655040877841308,
|
| 511 |
+
"learning_rate": 9.760150176559627e-06,
|
| 512 |
+
"loss": 0.6509,
|
| 513 |
+
"step": 355
|
| 514 |
+
},
|
| 515 |
+
{
|
| 516 |
+
"epoch": 0.192,
|
| 517 |
+
"grad_norm": 2.780251609122818,
|
| 518 |
+
"learning_rate": 9.74569771424512e-06,
|
| 519 |
+
"loss": 0.6535,
|
| 520 |
+
"step": 360
|
| 521 |
+
},
|
| 522 |
+
{
|
| 523 |
+
"epoch": 0.19466666666666665,
|
| 524 |
+
"grad_norm": 2.498699553653997,
|
| 525 |
+
"learning_rate": 9.730833811919763e-06,
|
| 526 |
+
"loss": 0.6505,
|
| 527 |
+
"step": 365
|
| 528 |
+
},
|
| 529 |
+
{
|
| 530 |
+
"epoch": 0.19733333333333333,
|
| 531 |
+
"grad_norm": 2.3998732523645736,
|
| 532 |
+
"learning_rate": 9.715559758246363e-06,
|
| 533 |
+
"loss": 0.6631,
|
| 534 |
+
"step": 370
|
| 535 |
+
},
|
| 536 |
+
{
|
| 537 |
+
"epoch": 0.2,
|
| 538 |
+
"grad_norm": 2.5218679460071716,
|
| 539 |
+
"learning_rate": 9.699876877446815e-06,
|
| 540 |
+
"loss": 0.6523,
|
| 541 |
+
"step": 375
|
| 542 |
+
},
|
| 543 |
+
{
|
| 544 |
+
"epoch": 0.20266666666666666,
|
| 545 |
+
"grad_norm": 2.635244872767708,
|
| 546 |
+
"learning_rate": 9.683786529187287e-06,
|
| 547 |
+
"loss": 0.6551,
|
| 548 |
+
"step": 380
|
| 549 |
+
},
|
| 550 |
+
{
|
| 551 |
+
"epoch": 0.20533333333333334,
|
| 552 |
+
"grad_norm": 2.664882032951259,
|
| 553 |
+
"learning_rate": 9.667290108460354e-06,
|
| 554 |
+
"loss": 0.6531,
|
| 555 |
+
"step": 385
|
| 556 |
+
},
|
| 557 |
+
{
|
| 558 |
+
"epoch": 0.208,
|
| 559 |
+
"grad_norm": 2.3518910342704027,
|
| 560 |
+
"learning_rate": 9.650389045464046e-06,
|
| 561 |
+
"loss": 0.6396,
|
| 562 |
+
"step": 390
|
| 563 |
+
},
|
| 564 |
+
{
|
| 565 |
+
"epoch": 0.21066666666666667,
|
| 566 |
+
"grad_norm": 2.6941793946267243,
|
| 567 |
+
"learning_rate": 9.633084805477857e-06,
|
| 568 |
+
"loss": 0.6534,
|
| 569 |
+
"step": 395
|
| 570 |
+
},
|
| 571 |
+
{
|
| 572 |
+
"epoch": 0.21333333333333335,
|
| 573 |
+
"grad_norm": 2.521811386923356,
|
| 574 |
+
"learning_rate": 9.615378888735706e-06,
|
| 575 |
+
"loss": 0.6309,
|
| 576 |
+
"step": 400
|
| 577 |
+
},
|
| 578 |
+
{
|
| 579 |
+
"epoch": 0.216,
|
| 580 |
+
"grad_norm": 2.430879665111966,
|
| 581 |
+
"learning_rate": 9.597272830295877e-06,
|
| 582 |
+
"loss": 0.6374,
|
| 583 |
+
"step": 405
|
| 584 |
+
},
|
| 585 |
+
{
|
| 586 |
+
"epoch": 0.21866666666666668,
|
| 587 |
+
"grad_norm": 2.498543154152749,
|
| 588 |
+
"learning_rate": 9.57876819990792e-06,
|
| 589 |
+
"loss": 0.6302,
|
| 590 |
+
"step": 410
|
| 591 |
+
},
|
| 592 |
+
{
|
| 593 |
+
"epoch": 0.22133333333333333,
|
| 594 |
+
"grad_norm": 2.4493746882244003,
|
| 595 |
+
"learning_rate": 9.559866601876581e-06,
|
| 596 |
+
"loss": 0.6278,
|
| 597 |
+
"step": 415
|
| 598 |
+
},
|
| 599 |
+
{
|
| 600 |
+
"epoch": 0.224,
|
| 601 |
+
"grad_norm": 2.540704056617036,
|
| 602 |
+
"learning_rate": 9.540569674922685e-06,
|
| 603 |
+
"loss": 0.6304,
|
| 604 |
+
"step": 420
|
| 605 |
+
},
|
| 606 |
+
{
|
| 607 |
+
"epoch": 0.22666666666666666,
|
| 608 |
+
"grad_norm": 2.594257220981031,
|
| 609 |
+
"learning_rate": 9.520879092041085e-06,
|
| 610 |
+
"loss": 0.6134,
|
| 611 |
+
"step": 425
|
| 612 |
+
},
|
| 613 |
+
{
|
| 614 |
+
"epoch": 0.22933333333333333,
|
| 615 |
+
"grad_norm": 2.4349126403708854,
|
| 616 |
+
"learning_rate": 9.500796560355603e-06,
|
| 617 |
+
"loss": 0.6453,
|
| 618 |
+
"step": 430
|
| 619 |
+
},
|
| 620 |
+
{
|
| 621 |
+
"epoch": 0.232,
|
| 622 |
+
"grad_norm": 2.4763514474446384,
|
| 623 |
+
"learning_rate": 9.480323820971039e-06,
|
| 624 |
+
"loss": 0.6274,
|
| 625 |
+
"step": 435
|
| 626 |
+
},
|
| 627 |
+
{
|
| 628 |
+
"epoch": 0.23466666666666666,
|
| 629 |
+
"grad_norm": 2.391722975082234,
|
| 630 |
+
"learning_rate": 9.459462648822209e-06,
|
| 631 |
+
"loss": 0.6163,
|
| 632 |
+
"step": 440
|
| 633 |
+
},
|
| 634 |
+
{
|
| 635 |
+
"epoch": 0.23733333333333334,
|
| 636 |
+
"grad_norm": 2.549508183751048,
|
| 637 |
+
"learning_rate": 9.438214852520073e-06,
|
| 638 |
+
"loss": 0.6372,
|
| 639 |
+
"step": 445
|
| 640 |
+
},
|
| 641 |
+
{
|
| 642 |
+
"epoch": 0.24,
|
| 643 |
+
"grad_norm": 2.2898575910667094,
|
| 644 |
+
"learning_rate": 9.416582274194929e-06,
|
| 645 |
+
"loss": 0.6247,
|
| 646 |
+
"step": 450
|
| 647 |
+
},
|
| 648 |
+
{
|
| 649 |
+
"epoch": 0.24266666666666667,
|
| 650 |
+
"grad_norm": 2.3108693457125247,
|
| 651 |
+
"learning_rate": 9.394566789336707e-06,
|
| 652 |
+
"loss": 0.6328,
|
| 653 |
+
"step": 455
|
| 654 |
+
},
|
| 655 |
+
{
|
| 656 |
+
"epoch": 0.24533333333333332,
|
| 657 |
+
"grad_norm": 2.4504617363123566,
|
| 658 |
+
"learning_rate": 9.37217030663236e-06,
|
| 659 |
+
"loss": 0.6186,
|
| 660 |
+
"step": 460
|
| 661 |
+
},
|
| 662 |
+
{
|
| 663 |
+
"epoch": 0.248,
|
| 664 |
+
"grad_norm": 2.6466525050643477,
|
| 665 |
+
"learning_rate": 9.349394767800397e-06,
|
| 666 |
+
"loss": 0.6116,
|
| 667 |
+
"step": 465
|
| 668 |
+
},
|
| 669 |
+
{
|
| 670 |
+
"epoch": 0.25066666666666665,
|
| 671 |
+
"grad_norm": 2.5184351917861756,
|
| 672 |
+
"learning_rate": 9.326242147422538e-06,
|
| 673 |
+
"loss": 0.6283,
|
| 674 |
+
"step": 470
|
| 675 |
+
},
|
| 676 |
+
{
|
| 677 |
+
"epoch": 0.25333333333333335,
|
| 678 |
+
"grad_norm": 2.732431403447119,
|
| 679 |
+
"learning_rate": 9.302714452772515e-06,
|
| 680 |
+
"loss": 0.6029,
|
| 681 |
+
"step": 475
|
| 682 |
+
},
|
| 683 |
+
{
|
| 684 |
+
"epoch": 0.256,
|
| 685 |
+
"grad_norm": 2.4387291786488077,
|
| 686 |
+
"learning_rate": 9.27881372364206e-06,
|
| 687 |
+
"loss": 0.6179,
|
| 688 |
+
"step": 480
|
| 689 |
+
},
|
| 690 |
+
{
|
| 691 |
+
"epoch": 0.25866666666666666,
|
| 692 |
+
"grad_norm": 2.5164823501867284,
|
| 693 |
+
"learning_rate": 9.254542032164047e-06,
|
| 694 |
+
"loss": 0.5973,
|
| 695 |
+
"step": 485
|
| 696 |
+
},
|
| 697 |
+
{
|
| 698 |
+
"epoch": 0.2613333333333333,
|
| 699 |
+
"grad_norm": 2.4172448217430533,
|
| 700 |
+
"learning_rate": 9.22990148263285e-06,
|
| 701 |
+
"loss": 0.6158,
|
| 702 |
+
"step": 490
|
| 703 |
+
},
|
| 704 |
+
{
|
| 705 |
+
"epoch": 0.264,
|
| 706 |
+
"grad_norm": 82.57786877934379,
|
| 707 |
+
"learning_rate": 9.204894211321906e-06,
|
| 708 |
+
"loss": 0.6252,
|
| 709 |
+
"step": 495
|
| 710 |
+
},
|
| 711 |
+
{
|
| 712 |
+
"epoch": 0.26666666666666666,
|
| 713 |
+
"grad_norm": 2.4139978459008575,
|
| 714 |
+
"learning_rate": 9.179522386298508e-06,
|
| 715 |
+
"loss": 0.6239,
|
| 716 |
+
"step": 500
|
| 717 |
+
},
|
| 718 |
+
{
|
| 719 |
+
"epoch": 0.2693333333333333,
|
| 720 |
+
"grad_norm": 2.585600509975947,
|
| 721 |
+
"learning_rate": 9.153788207235827e-06,
|
| 722 |
+
"loss": 0.6226,
|
| 723 |
+
"step": 505
|
| 724 |
+
},
|
| 725 |
+
{
|
| 726 |
+
"epoch": 0.272,
|
| 727 |
+
"grad_norm": 2.430702131041585,
|
| 728 |
+
"learning_rate": 9.127693905222223e-06,
|
| 729 |
+
"loss": 0.6023,
|
| 730 |
+
"step": 510
|
| 731 |
+
},
|
| 732 |
+
{
|
| 733 |
+
"epoch": 0.27466666666666667,
|
| 734 |
+
"grad_norm": 2.4662883439089853,
|
| 735 |
+
"learning_rate": 9.101241742567802e-06,
|
| 736 |
+
"loss": 0.5967,
|
| 737 |
+
"step": 515
|
| 738 |
+
},
|
| 739 |
+
{
|
| 740 |
+
"epoch": 0.2773333333333333,
|
| 741 |
+
"grad_norm": 2.3882899307410317,
|
| 742 |
+
"learning_rate": 9.074434012608282e-06,
|
| 743 |
+
"loss": 0.6097,
|
| 744 |
+
"step": 520
|
| 745 |
+
},
|
| 746 |
+
{
|
| 747 |
+
"epoch": 0.28,
|
| 748 |
+
"grad_norm": 2.569069862777697,
|
| 749 |
+
"learning_rate": 9.047273039506174e-06,
|
| 750 |
+
"loss": 0.6177,
|
| 751 |
+
"step": 525
|
| 752 |
+
},
|
| 753 |
+
{
|
| 754 |
+
"epoch": 0.2826666666666667,
|
| 755 |
+
"grad_norm": 2.5689292387719993,
|
| 756 |
+
"learning_rate": 9.01976117804928e-06,
|
| 757 |
+
"loss": 0.5942,
|
| 758 |
+
"step": 530
|
| 759 |
+
},
|
| 760 |
+
{
|
| 761 |
+
"epoch": 0.2853333333333333,
|
| 762 |
+
"grad_norm": 2.526926461740629,
|
| 763 |
+
"learning_rate": 8.991900813446523e-06,
|
| 764 |
+
"loss": 0.5991,
|
| 765 |
+
"step": 535
|
| 766 |
+
},
|
| 767 |
+
{
|
| 768 |
+
"epoch": 0.288,
|
| 769 |
+
"grad_norm": 2.4619304461729126,
|
| 770 |
+
"learning_rate": 8.963694361121186e-06,
|
| 771 |
+
"loss": 0.5869,
|
| 772 |
+
"step": 540
|
| 773 |
+
},
|
| 774 |
+
{
|
| 775 |
+
"epoch": 0.2906666666666667,
|
| 776 |
+
"grad_norm": 2.3850086002116373,
|
| 777 |
+
"learning_rate": 8.93514426650147e-06,
|
| 778 |
+
"loss": 0.6045,
|
| 779 |
+
"step": 545
|
| 780 |
+
},
|
| 781 |
+
{
|
| 782 |
+
"epoch": 0.29333333333333333,
|
| 783 |
+
"grad_norm": 2.599454241236005,
|
| 784 |
+
"learning_rate": 8.906253004808506e-06,
|
| 785 |
+
"loss": 0.5847,
|
| 786 |
+
"step": 550
|
| 787 |
+
},
|
| 788 |
+
{
|
| 789 |
+
"epoch": 0.296,
|
| 790 |
+
"grad_norm": 2.639558029233759,
|
| 791 |
+
"learning_rate": 8.877023080841739e-06,
|
| 792 |
+
"loss": 0.6057,
|
| 793 |
+
"step": 555
|
| 794 |
+
},
|
| 795 |
+
{
|
| 796 |
+
"epoch": 0.2986666666666667,
|
| 797 |
+
"grad_norm": 2.4119040235550053,
|
| 798 |
+
"learning_rate": 8.847457028761783e-06,
|
| 799 |
+
"loss": 0.6046,
|
| 800 |
+
"step": 560
|
| 801 |
+
},
|
| 802 |
+
{
|
| 803 |
+
"epoch": 0.30133333333333334,
|
| 804 |
+
"grad_norm": 2.3522500754485702,
|
| 805 |
+
"learning_rate": 8.817557411870717e-06,
|
| 806 |
+
"loss": 0.5939,
|
| 807 |
+
"step": 565
|
| 808 |
+
},
|
| 809 |
+
{
|
| 810 |
+
"epoch": 0.304,
|
| 811 |
+
"grad_norm": 4.182494810051903,
|
| 812 |
+
"learning_rate": 8.787326822389836e-06,
|
| 813 |
+
"loss": 0.5842,
|
| 814 |
+
"step": 570
|
| 815 |
+
},
|
| 816 |
+
{
|
| 817 |
+
"epoch": 0.30666666666666664,
|
| 818 |
+
"grad_norm": 2.5810961623251423,
|
| 819 |
+
"learning_rate": 8.756767881234928e-06,
|
| 820 |
+
"loss": 0.5845,
|
| 821 |
+
"step": 575
|
| 822 |
+
},
|
| 823 |
+
{
|
| 824 |
+
"epoch": 0.30933333333333335,
|
| 825 |
+
"grad_norm": 2.5315710630696713,
|
| 826 |
+
"learning_rate": 8.725883237789046e-06,
|
| 827 |
+
"loss": 0.581,
|
| 828 |
+
"step": 580
|
| 829 |
+
},
|
| 830 |
+
{
|
| 831 |
+
"epoch": 0.312,
|
| 832 |
+
"grad_norm": 2.4785609690389814,
|
| 833 |
+
"learning_rate": 8.6946755696728e-06,
|
| 834 |
+
"loss": 0.5798,
|
| 835 |
+
"step": 585
|
| 836 |
+
},
|
| 837 |
+
{
|
| 838 |
+
"epoch": 0.31466666666666665,
|
| 839 |
+
"grad_norm": 2.394700625504838,
|
| 840 |
+
"learning_rate": 8.663147582512232e-06,
|
| 841 |
+
"loss": 0.5791,
|
| 842 |
+
"step": 590
|
| 843 |
+
},
|
| 844 |
+
{
|
| 845 |
+
"epoch": 0.31733333333333336,
|
| 846 |
+
"grad_norm": 2.40855744842884,
|
| 847 |
+
"learning_rate": 8.631302009704235e-06,
|
| 848 |
+
"loss": 0.5708,
|
| 849 |
+
"step": 595
|
| 850 |
+
},
|
| 851 |
+
{
|
| 852 |
+
"epoch": 0.32,
|
| 853 |
+
"grad_norm": 2.3576541504173534,
|
| 854 |
+
"learning_rate": 8.599141612179572e-06,
|
| 855 |
+
"loss": 0.5883,
|
| 856 |
+
"step": 600
|
| 857 |
+
},
|
| 858 |
+
{
|
| 859 |
+
"epoch": 0.32266666666666666,
|
| 860 |
+
"grad_norm": 2.4314009638638585,
|
| 861 |
+
"learning_rate": 8.566669178163513e-06,
|
| 862 |
+
"loss": 0.5749,
|
| 863 |
+
"step": 605
|
| 864 |
+
},
|
| 865 |
+
{
|
| 866 |
+
"epoch": 0.3253333333333333,
|
| 867 |
+
"grad_norm": 2.465655124142602,
|
| 868 |
+
"learning_rate": 8.533887522934114e-06,
|
| 869 |
+
"loss": 0.5854,
|
| 870 |
+
"step": 610
|
| 871 |
+
},
|
| 872 |
+
{
|
| 873 |
+
"epoch": 0.328,
|
| 874 |
+
"grad_norm": 2.3673286328938232,
|
| 875 |
+
"learning_rate": 8.50079948857812e-06,
|
| 876 |
+
"loss": 0.5823,
|
| 877 |
+
"step": 615
|
| 878 |
+
},
|
| 879 |
+
{
|
| 880 |
+
"epoch": 0.33066666666666666,
|
| 881 |
+
"grad_norm": 2.4151587438539015,
|
| 882 |
+
"learning_rate": 8.467407943744574e-06,
|
| 883 |
+
"loss": 0.5869,
|
| 884 |
+
"step": 620
|
| 885 |
+
},
|
| 886 |
+
{
|
| 887 |
+
"epoch": 0.3333333333333333,
|
| 888 |
+
"grad_norm": 2.4130077664949607,
|
| 889 |
+
"learning_rate": 8.433715783396115e-06,
|
| 890 |
+
"loss": 0.585,
|
| 891 |
+
"step": 625
|
| 892 |
+
},
|
| 893 |
+
{
|
| 894 |
+
"epoch": 0.336,
|
| 895 |
+
"grad_norm": 2.658944291412008,
|
| 896 |
+
"learning_rate": 8.399725928557985e-06,
|
| 897 |
+
"loss": 0.5701,
|
| 898 |
+
"step": 630
|
| 899 |
+
},
|
| 900 |
+
{
|
| 901 |
+
"epoch": 0.33866666666666667,
|
| 902 |
+
"grad_norm": 2.388304086609134,
|
| 903 |
+
"learning_rate": 8.36544132606479e-06,
|
| 904 |
+
"loss": 0.5723,
|
| 905 |
+
"step": 635
|
| 906 |
+
},
|
| 907 |
+
{
|
| 908 |
+
"epoch": 0.3413333333333333,
|
| 909 |
+
"grad_norm": 2.463778668942814,
|
| 910 |
+
"learning_rate": 8.33086494830501e-06,
|
| 911 |
+
"loss": 0.5622,
|
| 912 |
+
"step": 640
|
| 913 |
+
},
|
| 914 |
+
{
|
| 915 |
+
"epoch": 0.344,
|
| 916 |
+
"grad_norm": 2.4831022488962367,
|
| 917 |
+
"learning_rate": 8.295999792963301e-06,
|
| 918 |
+
"loss": 0.577,
|
| 919 |
+
"step": 645
|
| 920 |
+
},
|
| 921 |
+
{
|
| 922 |
+
"epoch": 0.3466666666666667,
|
| 923 |
+
"grad_norm": 2.7777118728288634,
|
| 924 |
+
"learning_rate": 8.260848882760616e-06,
|
| 925 |
+
"loss": 0.5768,
|
| 926 |
+
"step": 650
|
| 927 |
+
},
|
| 928 |
+
{
|
| 929 |
+
"epoch": 0.34933333333333333,
|
| 930 |
+
"grad_norm": 2.383225841172316,
|
| 931 |
+
"learning_rate": 8.225415265192126e-06,
|
| 932 |
+
"loss": 0.5694,
|
| 933 |
+
"step": 655
|
| 934 |
+
},
|
| 935 |
+
{
|
| 936 |
+
"epoch": 0.352,
|
| 937 |
+
"grad_norm": 2.607706676741877,
|
| 938 |
+
"learning_rate": 8.18970201226302e-06,
|
| 939 |
+
"loss": 0.5567,
|
| 940 |
+
"step": 660
|
| 941 |
+
},
|
| 942 |
+
{
|
| 943 |
+
"epoch": 0.3546666666666667,
|
| 944 |
+
"grad_norm": 2.4807670186424224,
|
| 945 |
+
"learning_rate": 8.153712220222163e-06,
|
| 946 |
+
"loss": 0.5632,
|
| 947 |
+
"step": 665
|
| 948 |
+
},
|
| 949 |
+
{
|
| 950 |
+
"epoch": 0.35733333333333334,
|
| 951 |
+
"grad_norm": 2.4009729551707313,
|
| 952 |
+
"learning_rate": 8.117449009293668e-06,
|
| 953 |
+
"loss": 0.561,
|
| 954 |
+
"step": 670
|
| 955 |
+
},
|
| 956 |
+
{
|
| 957 |
+
"epoch": 0.36,
|
| 958 |
+
"grad_norm": 2.376334696649406,
|
| 959 |
+
"learning_rate": 8.080915523406371e-06,
|
| 960 |
+
"loss": 0.5466,
|
| 961 |
+
"step": 675
|
| 962 |
+
},
|
| 963 |
+
{
|
| 964 |
+
"epoch": 0.3626666666666667,
|
| 965 |
+
"grad_norm": 2.4201724647962077,
|
| 966 |
+
"learning_rate": 8.044114929921264e-06,
|
| 967 |
+
"loss": 0.5558,
|
| 968 |
+
"step": 680
|
| 969 |
+
},
|
| 970 |
+
{
|
| 971 |
+
"epoch": 0.36533333333333334,
|
| 972 |
+
"grad_norm": 2.370773289362348,
|
| 973 |
+
"learning_rate": 8.007050419356898e-06,
|
| 974 |
+
"loss": 0.5612,
|
| 975 |
+
"step": 685
|
| 976 |
+
},
|
| 977 |
+
{
|
| 978 |
+
"epoch": 0.368,
|
| 979 |
+
"grad_norm": 2.395631750871668,
|
| 980 |
+
"learning_rate": 7.969725205112766e-06,
|
| 981 |
+
"loss": 0.5402,
|
| 982 |
+
"step": 690
|
| 983 |
+
},
|
| 984 |
+
{
|
| 985 |
+
"epoch": 0.37066666666666664,
|
| 986 |
+
"grad_norm": 2.292309468906475,
|
| 987 |
+
"learning_rate": 7.932142523190711e-06,
|
| 988 |
+
"loss": 0.5561,
|
| 989 |
+
"step": 695
|
| 990 |
+
},
|
| 991 |
+
{
|
| 992 |
+
"epoch": 0.37333333333333335,
|
| 993 |
+
"grad_norm": 2.5665880209582275,
|
| 994 |
+
"learning_rate": 7.894305631914373e-06,
|
| 995 |
+
"loss": 0.5478,
|
| 996 |
+
"step": 700
|
| 997 |
+
},
|
| 998 |
+
{
|
| 999 |
+
"epoch": 0.376,
|
| 1000 |
+
"grad_norm": 2.3417619877900515,
|
| 1001 |
+
"learning_rate": 7.856217811646707e-06,
|
| 1002 |
+
"loss": 0.5431,
|
| 1003 |
+
"step": 705
|
| 1004 |
+
},
|
| 1005 |
+
{
|
| 1006 |
+
"epoch": 0.37866666666666665,
|
| 1007 |
+
"grad_norm": 2.378185708635682,
|
| 1008 |
+
"learning_rate": 7.81788236450557e-06,
|
| 1009 |
+
"loss": 0.5377,
|
| 1010 |
+
"step": 710
|
| 1011 |
+
},
|
| 1012 |
+
{
|
| 1013 |
+
"epoch": 0.38133333333333336,
|
| 1014 |
+
"grad_norm": 2.35979261727569,
|
| 1015 |
+
"learning_rate": 7.779302614077449e-06,
|
| 1016 |
+
"loss": 0.5492,
|
| 1017 |
+
"step": 715
|
| 1018 |
+
},
|
| 1019 |
+
{
|
| 1020 |
+
"epoch": 0.384,
|
| 1021 |
+
"grad_norm": 2.3727409656294314,
|
| 1022 |
+
"learning_rate": 7.740481905129307e-06,
|
| 1023 |
+
"loss": 0.5474,
|
| 1024 |
+
"step": 720
|
| 1025 |
+
},
|
| 1026 |
+
{
|
| 1027 |
+
"epoch": 0.38666666666666666,
|
| 1028 |
+
"grad_norm": 2.492120490302813,
|
| 1029 |
+
"learning_rate": 7.701423603318605e-06,
|
| 1030 |
+
"loss": 0.5426,
|
| 1031 |
+
"step": 725
|
| 1032 |
+
},
|
| 1033 |
+
{
|
| 1034 |
+
"epoch": 0.3893333333333333,
|
| 1035 |
+
"grad_norm": 2.4218361381016904,
|
| 1036 |
+
"learning_rate": 7.662131094901499e-06,
|
| 1037 |
+
"loss": 0.5426,
|
| 1038 |
+
"step": 730
|
| 1039 |
+
},
|
| 1040 |
+
{
|
| 1041 |
+
"epoch": 0.392,
|
| 1042 |
+
"grad_norm": 2.480957117981857,
|
| 1043 |
+
"learning_rate": 7.622607786439279e-06,
|
| 1044 |
+
"loss": 0.5443,
|
| 1045 |
+
"step": 735
|
| 1046 |
+
},
|
| 1047 |
+
{
|
| 1048 |
+
"epoch": 0.39466666666666667,
|
| 1049 |
+
"grad_norm": 2.321912308945143,
|
| 1050 |
+
"learning_rate": 7.5828571045030005e-06,
|
| 1051 |
+
"loss": 0.5318,
|
| 1052 |
+
"step": 740
|
| 1053 |
+
},
|
| 1054 |
+
{
|
| 1055 |
+
"epoch": 0.3973333333333333,
|
| 1056 |
+
"grad_norm": 2.4686690084639715,
|
| 1057 |
+
"learning_rate": 7.542882495376437e-06,
|
| 1058 |
+
"loss": 0.5283,
|
| 1059 |
+
"step": 745
|
| 1060 |
+
},
|
| 1061 |
+
{
|
| 1062 |
+
"epoch": 0.4,
|
| 1063 |
+
"grad_norm": 2.3295822388886678,
|
| 1064 |
+
"learning_rate": 7.502687424757278e-06,
|
| 1065 |
+
"loss": 0.5383,
|
| 1066 |
+
"step": 750
|
| 1067 |
+
},
|
| 1068 |
+
{
|
| 1069 |
+
"epoch": 0.4026666666666667,
|
| 1070 |
+
"grad_norm": 2.314138015382556,
|
| 1071 |
+
"learning_rate": 7.462275377456671e-06,
|
| 1072 |
+
"loss": 0.549,
|
| 1073 |
+
"step": 755
|
| 1074 |
+
},
|
| 1075 |
+
{
|
| 1076 |
+
"epoch": 0.4053333333333333,
|
| 1077 |
+
"grad_norm": 2.3552445504517068,
|
| 1078 |
+
"learning_rate": 7.421649857097092e-06,
|
| 1079 |
+
"loss": 0.5217,
|
| 1080 |
+
"step": 760
|
| 1081 |
+
},
|
| 1082 |
+
{
|
| 1083 |
+
"epoch": 0.408,
|
| 1084 |
+
"grad_norm": 2.432966515457319,
|
| 1085 |
+
"learning_rate": 7.380814385808594e-06,
|
| 1086 |
+
"loss": 0.5244,
|
| 1087 |
+
"step": 765
|
| 1088 |
+
},
|
| 1089 |
+
{
|
| 1090 |
+
"epoch": 0.4106666666666667,
|
| 1091 |
+
"grad_norm": 2.334902556336071,
|
| 1092 |
+
"learning_rate": 7.339772503923445e-06,
|
| 1093 |
+
"loss": 0.5382,
|
| 1094 |
+
"step": 770
|
| 1095 |
+
},
|
| 1096 |
+
{
|
| 1097 |
+
"epoch": 0.41333333333333333,
|
| 1098 |
+
"grad_norm": 2.3374269855802314,
|
| 1099 |
+
"learning_rate": 7.298527769669188e-06,
|
| 1100 |
+
"loss": 0.5346,
|
| 1101 |
+
"step": 775
|
| 1102 |
+
},
|
| 1103 |
+
{
|
| 1104 |
+
"epoch": 0.416,
|
| 1105 |
+
"grad_norm": 2.2491104779234603,
|
| 1106 |
+
"learning_rate": 7.257083758860159e-06,
|
| 1107 |
+
"loss": 0.5233,
|
| 1108 |
+
"step": 780
|
| 1109 |
+
},
|
| 1110 |
+
{
|
| 1111 |
+
"epoch": 0.4186666666666667,
|
| 1112 |
+
"grad_norm": 2.539999745054639,
|
| 1113 |
+
"learning_rate": 7.215444064587462e-06,
|
| 1114 |
+
"loss": 0.5284,
|
| 1115 |
+
"step": 785
|
| 1116 |
+
},
|
| 1117 |
+
{
|
| 1118 |
+
"epoch": 0.42133333333333334,
|
| 1119 |
+
"grad_norm": 2.4102737542749137,
|
| 1120 |
+
"learning_rate": 7.173612296907473e-06,
|
| 1121 |
+
"loss": 0.5176,
|
| 1122 |
+
"step": 790
|
| 1123 |
+
},
|
| 1124 |
+
{
|
| 1125 |
+
"epoch": 0.424,
|
| 1126 |
+
"grad_norm": 2.5085261566085855,
|
| 1127 |
+
"learning_rate": 7.131592082528837e-06,
|
| 1128 |
+
"loss": 0.526,
|
| 1129 |
+
"step": 795
|
| 1130 |
+
},
|
| 1131 |
+
{
|
| 1132 |
+
"epoch": 0.4266666666666667,
|
| 1133 |
+
"grad_norm": 2.621235982292167,
|
| 1134 |
+
"learning_rate": 7.089387064498057e-06,
|
| 1135 |
+
"loss": 0.5324,
|
| 1136 |
+
"step": 800
|
| 1137 |
+
},
|
| 1138 |
+
{
|
| 1139 |
+
"epoch": 0.42933333333333334,
|
| 1140 |
+
"grad_norm": 2.3701750427890436,
|
| 1141 |
+
"learning_rate": 7.047000901883646e-06,
|
| 1142 |
+
"loss": 0.5095,
|
| 1143 |
+
"step": 805
|
| 1144 |
+
},
|
| 1145 |
+
{
|
| 1146 |
+
"epoch": 0.432,
|
| 1147 |
+
"grad_norm": 2.4339546224552793,
|
| 1148 |
+
"learning_rate": 7.004437269458894e-06,
|
| 1149 |
+
"loss": 0.523,
|
| 1150 |
+
"step": 810
|
| 1151 |
+
},
|
| 1152 |
+
{
|
| 1153 |
+
"epoch": 0.43466666666666665,
|
| 1154 |
+
"grad_norm": 2.2844223356070024,
|
| 1155 |
+
"learning_rate": 6.961699857383279e-06,
|
| 1156 |
+
"loss": 0.5113,
|
| 1157 |
+
"step": 815
|
| 1158 |
+
},
|
| 1159 |
+
{
|
| 1160 |
+
"epoch": 0.43733333333333335,
|
| 1161 |
+
"grad_norm": 2.43459596589023,
|
| 1162 |
+
"learning_rate": 6.91879237088253e-06,
|
| 1163 |
+
"loss": 0.5078,
|
| 1164 |
+
"step": 820
|
| 1165 |
+
},
|
| 1166 |
+
{
|
| 1167 |
+
"epoch": 0.44,
|
| 1168 |
+
"grad_norm": 2.496004091377107,
|
| 1169 |
+
"learning_rate": 6.875718529927404e-06,
|
| 1170 |
+
"loss": 0.5141,
|
| 1171 |
+
"step": 825
|
| 1172 |
+
},
|
| 1173 |
+
{
|
| 1174 |
+
"epoch": 0.44266666666666665,
|
| 1175 |
+
"grad_norm": 2.343473436764425,
|
| 1176 |
+
"learning_rate": 6.832482068911167e-06,
|
| 1177 |
+
"loss": 0.5083,
|
| 1178 |
+
"step": 830
|
| 1179 |
+
},
|
| 1180 |
+
{
|
| 1181 |
+
"epoch": 0.44533333333333336,
|
| 1182 |
+
"grad_norm": 2.4382038879450576,
|
| 1183 |
+
"learning_rate": 6.789086736325834e-06,
|
| 1184 |
+
"loss": 0.5014,
|
| 1185 |
+
"step": 835
|
| 1186 |
+
},
|
| 1187 |
+
{
|
| 1188 |
+
"epoch": 0.448,
|
| 1189 |
+
"grad_norm": 2.2773477539450577,
|
| 1190 |
+
"learning_rate": 6.745536294437187e-06,
|
| 1191 |
+
"loss": 0.5274,
|
| 1192 |
+
"step": 840
|
| 1193 |
+
},
|
| 1194 |
+
{
|
| 1195 |
+
"epoch": 0.45066666666666666,
|
| 1196 |
+
"grad_norm": 2.385145548385621,
|
| 1197 |
+
"learning_rate": 6.701834518958587e-06,
|
| 1198 |
+
"loss": 0.5026,
|
| 1199 |
+
"step": 845
|
| 1200 |
+
},
|
| 1201 |
+
{
|
| 1202 |
+
"epoch": 0.4533333333333333,
|
| 1203 |
+
"grad_norm": 2.3638082484944327,
|
| 1204 |
+
"learning_rate": 6.6579851987236435e-06,
|
| 1205 |
+
"loss": 0.4928,
|
| 1206 |
+
"step": 850
|
| 1207 |
+
},
|
| 1208 |
+
{
|
| 1209 |
+
"epoch": 0.456,
|
| 1210 |
+
"grad_norm": 2.3204273946740113,
|
| 1211 |
+
"learning_rate": 6.613992135357713e-06,
|
| 1212 |
+
"loss": 0.5151,
|
| 1213 |
+
"step": 855
|
| 1214 |
+
},
|
| 1215 |
+
{
|
| 1216 |
+
"epoch": 0.45866666666666667,
|
| 1217 |
+
"grad_norm": 2.2787898202355055,
|
| 1218 |
+
"learning_rate": 6.5698591429483286e-06,
|
| 1219 |
+
"loss": 0.5134,
|
| 1220 |
+
"step": 860
|
| 1221 |
+
},
|
| 1222 |
+
{
|
| 1223 |
+
"epoch": 0.4613333333333333,
|
| 1224 |
+
"grad_norm": 2.3118821713815545,
|
| 1225 |
+
"learning_rate": 6.52559004771451e-06,
|
| 1226 |
+
"loss": 0.4981,
|
| 1227 |
+
"step": 865
|
| 1228 |
+
},
|
| 1229 |
+
{
|
| 1230 |
+
"epoch": 0.464,
|
| 1231 |
+
"grad_norm": 2.229274536094739,
|
| 1232 |
+
"learning_rate": 6.481188687675057e-06,
|
| 1233 |
+
"loss": 0.4897,
|
| 1234 |
+
"step": 870
|
| 1235 |
+
},
|
| 1236 |
+
{
|
| 1237 |
+
"epoch": 0.4666666666666667,
|
| 1238 |
+
"grad_norm": 2.3823454052736777,
|
| 1239 |
+
"learning_rate": 6.436658912315789e-06,
|
| 1240 |
+
"loss": 0.5083,
|
| 1241 |
+
"step": 875
|
| 1242 |
+
},
|
| 1243 |
+
{
|
| 1244 |
+
"epoch": 0.4693333333333333,
|
| 1245 |
+
"grad_norm": 2.3242360940643256,
|
| 1246 |
+
"learning_rate": 6.392004582255807e-06,
|
| 1247 |
+
"loss": 0.5125,
|
| 1248 |
+
"step": 880
|
| 1249 |
+
},
|
| 1250 |
+
{
|
| 1251 |
+
"epoch": 0.472,
|
| 1252 |
+
"grad_norm": 2.533699241059259,
|
| 1253 |
+
"learning_rate": 6.3472295689127946e-06,
|
| 1254 |
+
"loss": 0.4925,
|
| 1255 |
+
"step": 885
|
| 1256 |
+
},
|
| 1257 |
+
{
|
| 1258 |
+
"epoch": 0.4746666666666667,
|
| 1259 |
+
"grad_norm": 2.4926524832053025,
|
| 1260 |
+
"learning_rate": 6.302337754167369e-06,
|
| 1261 |
+
"loss": 0.4922,
|
| 1262 |
+
"step": 890
|
| 1263 |
+
},
|
| 1264 |
+
{
|
| 1265 |
+
"epoch": 0.47733333333333333,
|
| 1266 |
+
"grad_norm": 2.4201540932837577,
|
| 1267 |
+
"learning_rate": 6.2573330300265375e-06,
|
| 1268 |
+
"loss": 0.4967,
|
| 1269 |
+
"step": 895
|
| 1270 |
+
},
|
| 1271 |
+
{
|
| 1272 |
+
"epoch": 0.48,
|
| 1273 |
+
"grad_norm": 2.5434442292717923,
|
| 1274 |
+
"learning_rate": 6.2122192982862615e-06,
|
| 1275 |
+
"loss": 0.4876,
|
| 1276 |
+
"step": 900
|
| 1277 |
+
},
|
| 1278 |
+
{
|
| 1279 |
+
"epoch": 0.4826666666666667,
|
| 1280 |
+
"grad_norm": 2.2407211839622323,
|
| 1281 |
+
"learning_rate": 6.167000470193189e-06,
|
| 1282 |
+
"loss": 0.4942,
|
| 1283 |
+
"step": 905
|
| 1284 |
+
},
|
| 1285 |
+
{
|
| 1286 |
+
"epoch": 0.48533333333333334,
|
| 1287 |
+
"grad_norm": 2.2612486277091475,
|
| 1288 |
+
"learning_rate": 6.121680466105559e-06,
|
| 1289 |
+
"loss": 0.5008,
|
| 1290 |
+
"step": 910
|
| 1291 |
+
},
|
| 1292 |
+
{
|
| 1293 |
+
"epoch": 0.488,
|
| 1294 |
+
"grad_norm": 2.4472015645614325,
|
| 1295 |
+
"learning_rate": 6.076263215153308e-06,
|
| 1296 |
+
"loss": 0.4951,
|
| 1297 |
+
"step": 915
|
| 1298 |
+
},
|
| 1299 |
+
{
|
| 1300 |
+
"epoch": 0.49066666666666664,
|
| 1301 |
+
"grad_norm": 2.2657276706101523,
|
| 1302 |
+
"learning_rate": 6.030752654897435e-06,
|
| 1303 |
+
"loss": 0.491,
|
| 1304 |
+
"step": 920
|
| 1305 |
+
},
|
| 1306 |
+
{
|
| 1307 |
+
"epoch": 0.49333333333333335,
|
| 1308 |
+
"grad_norm": 2.328807032585629,
|
| 1309 |
+
"learning_rate": 5.985152730988617e-06,
|
| 1310 |
+
"loss": 0.4849,
|
| 1311 |
+
"step": 925
|
| 1312 |
+
},
|
| 1313 |
+
{
|
| 1314 |
+
"epoch": 0.496,
|
| 1315 |
+
"grad_norm": 2.456327229558458,
|
| 1316 |
+
"learning_rate": 5.939467396825137e-06,
|
| 1317 |
+
"loss": 0.4648,
|
| 1318 |
+
"step": 930
|
| 1319 |
+
},
|
| 1320 |
+
{
|
| 1321 |
+
"epoch": 0.49866666666666665,
|
| 1322 |
+
"grad_norm": 2.42361284710613,
|
| 1323 |
+
"learning_rate": 5.893700613210128e-06,
|
| 1324 |
+
"loss": 0.4777,
|
| 1325 |
+
"step": 935
|
| 1326 |
+
},
|
| 1327 |
+
{
|
| 1328 |
+
"epoch": 0.5013333333333333,
|
| 1329 |
+
"grad_norm": 2.3422219547032395,
|
| 1330 |
+
"learning_rate": 5.847856348008188e-06,
|
| 1331 |
+
"loss": 0.4794,
|
| 1332 |
+
"step": 940
|
| 1333 |
+
},
|
| 1334 |
+
{
|
| 1335 |
+
"epoch": 0.504,
|
| 1336 |
+
"grad_norm": 2.2466933433639054,
|
| 1337 |
+
"learning_rate": 5.801938575801372e-06,
|
| 1338 |
+
"loss": 0.4933,
|
| 1339 |
+
"step": 945
|
| 1340 |
+
},
|
| 1341 |
+
{
|
| 1342 |
+
"epoch": 0.5066666666666667,
|
| 1343 |
+
"grad_norm": 2.3674483779471003,
|
| 1344 |
+
"learning_rate": 5.755951277544607e-06,
|
| 1345 |
+
"loss": 0.4731,
|
| 1346 |
+
"step": 950
|
| 1347 |
+
},
|
| 1348 |
+
{
|
| 1349 |
+
"epoch": 0.5093333333333333,
|
| 1350 |
+
"grad_norm": 2.47202751893508,
|
| 1351 |
+
"learning_rate": 5.709898440220552e-06,
|
| 1352 |
+
"loss": 0.4786,
|
| 1353 |
+
"step": 955
|
| 1354 |
+
},
|
| 1355 |
+
{
|
| 1356 |
+
"epoch": 0.512,
|
| 1357 |
+
"grad_norm": 2.3235134598998264,
|
| 1358 |
+
"learning_rate": 5.663784056493936e-06,
|
| 1359 |
+
"loss": 0.4739,
|
| 1360 |
+
"step": 960
|
| 1361 |
+
},
|
| 1362 |
+
{
|
| 1363 |
+
"epoch": 0.5146666666666667,
|
| 1364 |
+
"grad_norm": 2.3932370273048242,
|
| 1365 |
+
"learning_rate": 5.617612124365411e-06,
|
| 1366 |
+
"loss": 0.4692,
|
| 1367 |
+
"step": 965
|
| 1368 |
+
},
|
| 1369 |
+
{
|
| 1370 |
+
"epoch": 0.5173333333333333,
|
| 1371 |
+
"grad_norm": 2.411173794723751,
|
| 1372 |
+
"learning_rate": 5.5713866468249235e-06,
|
| 1373 |
+
"loss": 0.4792,
|
| 1374 |
+
"step": 970
|
| 1375 |
+
},
|
| 1376 |
+
{
|
| 1377 |
+
"epoch": 0.52,
|
| 1378 |
+
"grad_norm": 2.363842246832309,
|
| 1379 |
+
"learning_rate": 5.5251116315046785e-06,
|
| 1380 |
+
"loss": 0.4739,
|
| 1381 |
+
"step": 975
|
| 1382 |
+
},
|
| 1383 |
+
{
|
| 1384 |
+
"epoch": 0.5226666666666666,
|
| 1385 |
+
"grad_norm": 2.293474399540879,
|
| 1386 |
+
"learning_rate": 5.478791090331677e-06,
|
| 1387 |
+
"loss": 0.4624,
|
| 1388 |
+
"step": 980
|
| 1389 |
+
},
|
| 1390 |
+
{
|
| 1391 |
+
"epoch": 0.5253333333333333,
|
| 1392 |
+
"grad_norm": 2.467561141003447,
|
| 1393 |
+
"learning_rate": 5.4324290391798995e-06,
|
| 1394 |
+
"loss": 0.4584,
|
| 1395 |
+
"step": 985
|
| 1396 |
+
},
|
| 1397 |
+
{
|
| 1398 |
+
"epoch": 0.528,
|
| 1399 |
+
"grad_norm": 2.31593377549714,
|
| 1400 |
+
"learning_rate": 5.3860294975221335e-06,
|
| 1401 |
+
"loss": 0.4558,
|
| 1402 |
+
"step": 990
|
| 1403 |
+
},
|
| 1404 |
+
{
|
| 1405 |
+
"epoch": 0.5306666666666666,
|
| 1406 |
+
"grad_norm": 2.353152757807195,
|
| 1407 |
+
"learning_rate": 5.339596488081501e-06,
|
| 1408 |
+
"loss": 0.4536,
|
| 1409 |
+
"step": 995
|
| 1410 |
+
},
|
| 1411 |
+
{
|
| 1412 |
+
"epoch": 0.5333333333333333,
|
| 1413 |
+
"grad_norm": 2.3303429499721293,
|
| 1414 |
+
"learning_rate": 5.293134036482697e-06,
|
| 1415 |
+
"loss": 0.4652,
|
| 1416 |
+
"step": 1000
|
| 1417 |
+
},
|
| 1418 |
+
{
|
| 1419 |
+
"epoch": 0.536,
|
| 1420 |
+
"grad_norm": 2.2719972695394404,
|
| 1421 |
+
"learning_rate": 5.2466461709029755e-06,
|
| 1422 |
+
"loss": 0.4631,
|
| 1423 |
+
"step": 1005
|
| 1424 |
+
},
|
| 1425 |
+
{
|
| 1426 |
+
"epoch": 0.5386666666666666,
|
| 1427 |
+
"grad_norm": 2.2167047812420546,
|
| 1428 |
+
"learning_rate": 5.200136921722919e-06,
|
| 1429 |
+
"loss": 0.4726,
|
| 1430 |
+
"step": 1010
|
| 1431 |
+
},
|
| 1432 |
+
{
|
| 1433 |
+
"epoch": 0.5413333333333333,
|
| 1434 |
+
"grad_norm": 2.3807281463839773,
|
| 1435 |
+
"learning_rate": 5.1536103211770135e-06,
|
| 1436 |
+
"loss": 0.4531,
|
| 1437 |
+
"step": 1015
|
| 1438 |
+
},
|
| 1439 |
+
{
|
| 1440 |
+
"epoch": 0.544,
|
| 1441 |
+
"grad_norm": 2.379987327206516,
|
| 1442 |
+
"learning_rate": 5.1070704030040675e-06,
|
| 1443 |
+
"loss": 0.4465,
|
| 1444 |
+
"step": 1020
|
| 1445 |
+
},
|
| 1446 |
+
{
|
| 1447 |
+
"epoch": 0.5466666666666666,
|
| 1448 |
+
"grad_norm": 2.4197096394091098,
|
| 1449 |
+
"learning_rate": 5.060521202097491e-06,
|
| 1450 |
+
"loss": 0.4552,
|
| 1451 |
+
"step": 1025
|
| 1452 |
+
},
|
| 1453 |
+
{
|
| 1454 |
+
"epoch": 0.5493333333333333,
|
| 1455 |
+
"grad_norm": 2.1982207369310003,
|
| 1456 |
+
"learning_rate": 5.013966754155482e-06,
|
| 1457 |
+
"loss": 0.4486,
|
| 1458 |
+
"step": 1030
|
| 1459 |
+
},
|
| 1460 |
+
{
|
| 1461 |
+
"epoch": 0.552,
|
| 1462 |
+
"grad_norm": 2.4044765609146745,
|
| 1463 |
+
"learning_rate": 4.967411095331149e-06,
|
| 1464 |
+
"loss": 0.4595,
|
| 1465 |
+
"step": 1035
|
| 1466 |
+
},
|
| 1467 |
+
{
|
| 1468 |
+
"epoch": 0.5546666666666666,
|
| 1469 |
+
"grad_norm": 2.3899877392440065,
|
| 1470 |
+
"learning_rate": 4.920858261882578e-06,
|
| 1471 |
+
"loss": 0.4571,
|
| 1472 |
+
"step": 1040
|
| 1473 |
+
},
|
| 1474 |
+
{
|
| 1475 |
+
"epoch": 0.5573333333333333,
|
| 1476 |
+
"grad_norm": 2.344582692609488,
|
| 1477 |
+
"learning_rate": 4.8743122898229e-06,
|
| 1478 |
+
"loss": 0.4563,
|
| 1479 |
+
"step": 1045
|
| 1480 |
+
},
|
| 1481 |
+
{
|
| 1482 |
+
"epoch": 0.56,
|
| 1483 |
+
"grad_norm": 2.223119161940745,
|
| 1484 |
+
"learning_rate": 4.827777214570384e-06,
|
| 1485 |
+
"loss": 0.4411,
|
| 1486 |
+
"step": 1050
|
| 1487 |
+
},
|
| 1488 |
+
{
|
| 1489 |
+
"epoch": 0.5626666666666666,
|
| 1490 |
+
"grad_norm": 2.251616741269647,
|
| 1491 |
+
"learning_rate": 4.781257070598571e-06,
|
| 1492 |
+
"loss": 0.4509,
|
| 1493 |
+
"step": 1055
|
| 1494 |
+
},
|
| 1495 |
+
{
|
| 1496 |
+
"epoch": 0.5653333333333334,
|
| 1497 |
+
"grad_norm": 2.2986555390100376,
|
| 1498 |
+
"learning_rate": 4.734755891086498e-06,
|
| 1499 |
+
"loss": 0.4582,
|
| 1500 |
+
"step": 1060
|
| 1501 |
+
},
|
| 1502 |
+
{
|
| 1503 |
+
"epoch": 0.568,
|
| 1504 |
+
"grad_norm": 2.5144294788276933,
|
| 1505 |
+
"learning_rate": 4.688277707569035e-06,
|
| 1506 |
+
"loss": 0.455,
|
| 1507 |
+
"step": 1065
|
| 1508 |
+
},
|
| 1509 |
+
{
|
| 1510 |
+
"epoch": 0.5706666666666667,
|
| 1511 |
+
"grad_norm": 2.3963875789239455,
|
| 1512 |
+
"learning_rate": 4.641826549587352e-06,
|
| 1513 |
+
"loss": 0.4385,
|
| 1514 |
+
"step": 1070
|
| 1515 |
+
},
|
| 1516 |
+
{
|
| 1517 |
+
"epoch": 0.5733333333333334,
|
| 1518 |
+
"grad_norm": 2.3274752970320387,
|
| 1519 |
+
"learning_rate": 4.5954064443395765e-06,
|
| 1520 |
+
"loss": 0.4648,
|
| 1521 |
+
"step": 1075
|
| 1522 |
+
},
|
| 1523 |
+
{
|
| 1524 |
+
"epoch": 0.576,
|
| 1525 |
+
"grad_norm": 2.2397050183240705,
|
| 1526 |
+
"learning_rate": 4.54902141633164e-06,
|
| 1527 |
+
"loss": 0.4374,
|
| 1528 |
+
"step": 1080
|
| 1529 |
+
},
|
| 1530 |
+
{
|
| 1531 |
+
"epoch": 0.5786666666666667,
|
| 1532 |
+
"grad_norm": 2.438396253637709,
|
| 1533 |
+
"learning_rate": 4.5026754870283695e-06,
|
| 1534 |
+
"loss": 0.446,
|
| 1535 |
+
"step": 1085
|
| 1536 |
+
},
|
| 1537 |
+
{
|
| 1538 |
+
"epoch": 0.5813333333333334,
|
| 1539 |
+
"grad_norm": 2.4501156229942067,
|
| 1540 |
+
"learning_rate": 4.456372674504828e-06,
|
| 1541 |
+
"loss": 0.4339,
|
| 1542 |
+
"step": 1090
|
| 1543 |
+
},
|
| 1544 |
+
{
|
| 1545 |
+
"epoch": 0.584,
|
| 1546 |
+
"grad_norm": 2.403382192080749,
|
| 1547 |
+
"learning_rate": 4.410116993097968e-06,
|
| 1548 |
+
"loss": 0.4424,
|
| 1549 |
+
"step": 1095
|
| 1550 |
+
},
|
| 1551 |
+
{
|
| 1552 |
+
"epoch": 0.5866666666666667,
|
| 1553 |
+
"grad_norm": 2.3348675028495776,
|
| 1554 |
+
"learning_rate": 4.363912453058589e-06,
|
| 1555 |
+
"loss": 0.4419,
|
| 1556 |
+
"step": 1100
|
| 1557 |
+
},
|
| 1558 |
+
{
|
| 1559 |
+
"epoch": 0.5893333333333334,
|
| 1560 |
+
"grad_norm": 2.435901554416754,
|
| 1561 |
+
"learning_rate": 4.317763060203665e-06,
|
| 1562 |
+
"loss": 0.4281,
|
| 1563 |
+
"step": 1105
|
| 1564 |
+
},
|
| 1565 |
+
{
|
| 1566 |
+
"epoch": 0.592,
|
| 1567 |
+
"grad_norm": 2.198047824691438,
|
| 1568 |
+
"learning_rate": 4.271672815569047e-06,
|
| 1569 |
+
"loss": 0.4382,
|
| 1570 |
+
"step": 1110
|
| 1571 |
+
},
|
| 1572 |
+
{
|
| 1573 |
+
"epoch": 0.5946666666666667,
|
| 1574 |
+
"grad_norm": 2.3718561541948695,
|
| 1575 |
+
"learning_rate": 4.225645715062585e-06,
|
| 1576 |
+
"loss": 0.4257,
|
| 1577 |
+
"step": 1115
|
| 1578 |
+
},
|
| 1579 |
+
{
|
| 1580 |
+
"epoch": 0.5973333333333334,
|
| 1581 |
+
"grad_norm": 2.4735170806958404,
|
| 1582 |
+
"learning_rate": 4.179685749117698e-06,
|
| 1583 |
+
"loss": 0.438,
|
| 1584 |
+
"step": 1120
|
| 1585 |
+
},
|
| 1586 |
+
{
|
| 1587 |
+
"epoch": 0.6,
|
| 1588 |
+
"grad_norm": 2.241312173206067,
|
| 1589 |
+
"learning_rate": 4.133796902347397e-06,
|
| 1590 |
+
"loss": 0.4383,
|
| 1591 |
+
"step": 1125
|
| 1592 |
+
},
|
| 1593 |
+
{
|
| 1594 |
+
"epoch": 0.6026666666666667,
|
| 1595 |
+
"grad_norm": 2.3963568649179683,
|
| 1596 |
+
"learning_rate": 4.0879831531988485e-06,
|
| 1597 |
+
"loss": 0.4449,
|
| 1598 |
+
"step": 1130
|
| 1599 |
+
},
|
| 1600 |
+
{
|
| 1601 |
+
"epoch": 0.6053333333333333,
|
| 1602 |
+
"grad_norm": 2.302053617319228,
|
| 1603 |
+
"learning_rate": 4.042248473608442e-06,
|
| 1604 |
+
"loss": 0.4301,
|
| 1605 |
+
"step": 1135
|
| 1606 |
+
},
|
| 1607 |
+
{
|
| 1608 |
+
"epoch": 0.608,
|
| 1609 |
+
"grad_norm": 2.515957955929794,
|
| 1610 |
+
"learning_rate": 3.996596828657437e-06,
|
| 1611 |
+
"loss": 0.4236,
|
| 1612 |
+
"step": 1140
|
| 1613 |
+
},
|
| 1614 |
+
{
|
| 1615 |
+
"epoch": 0.6106666666666667,
|
| 1616 |
+
"grad_norm": 2.2444504735133797,
|
| 1617 |
+
"learning_rate": 3.9510321762282e-06,
|
| 1618 |
+
"loss": 0.4327,
|
| 1619 |
+
"step": 1145
|
| 1620 |
+
},
|
| 1621 |
+
{
|
| 1622 |
+
"epoch": 0.6133333333333333,
|
| 1623 |
+
"grad_norm": 2.3014649015732465,
|
| 1624 |
+
"learning_rate": 3.90555846666106e-06,
|
| 1625 |
+
"loss": 0.418,
|
| 1626 |
+
"step": 1150
|
| 1627 |
+
},
|
| 1628 |
+
{
|
| 1629 |
+
"epoch": 0.616,
|
| 1630 |
+
"grad_norm": 2.196538583965881,
|
| 1631 |
+
"learning_rate": 3.860179642411838e-06,
|
| 1632 |
+
"loss": 0.4168,
|
| 1633 |
+
"step": 1155
|
| 1634 |
+
},
|
| 1635 |
+
{
|
| 1636 |
+
"epoch": 0.6186666666666667,
|
| 1637 |
+
"grad_norm": 2.2979453548211928,
|
| 1638 |
+
"learning_rate": 3.814899637710031e-06,
|
| 1639 |
+
"loss": 0.4236,
|
| 1640 |
+
"step": 1160
|
| 1641 |
+
},
|
| 1642 |
+
{
|
| 1643 |
+
"epoch": 0.6213333333333333,
|
| 1644 |
+
"grad_norm": 2.2535682462518145,
|
| 1645 |
+
"learning_rate": 3.7697223782177304e-06,
|
| 1646 |
+
"loss": 0.4193,
|
| 1647 |
+
"step": 1165
|
| 1648 |
+
},
|
| 1649 |
+
{
|
| 1650 |
+
"epoch": 0.624,
|
| 1651 |
+
"grad_norm": 2.2737064515227225,
|
| 1652 |
+
"learning_rate": 3.724651780689286e-06,
|
| 1653 |
+
"loss": 0.4369,
|
| 1654 |
+
"step": 1170
|
| 1655 |
+
},
|
| 1656 |
+
{
|
| 1657 |
+
"epoch": 0.6266666666666667,
|
| 1658 |
+
"grad_norm": 2.2395682664762666,
|
| 1659 |
+
"learning_rate": 3.6796917526317153e-06,
|
| 1660 |
+
"loss": 0.421,
|
| 1661 |
+
"step": 1175
|
| 1662 |
+
},
|
| 1663 |
+
{
|
| 1664 |
+
"epoch": 0.6293333333333333,
|
| 1665 |
+
"grad_norm": 2.1759850491426236,
|
| 1666 |
+
"learning_rate": 3.634846191965944e-06,
|
| 1667 |
+
"loss": 0.4246,
|
| 1668 |
+
"step": 1180
|
| 1669 |
+
},
|
| 1670 |
+
{
|
| 1671 |
+
"epoch": 0.632,
|
| 1672 |
+
"grad_norm": 2.2657883200543285,
|
| 1673 |
+
"learning_rate": 3.5901189866888654e-06,
|
| 1674 |
+
"loss": 0.4166,
|
| 1675 |
+
"step": 1185
|
| 1676 |
+
},
|
| 1677 |
+
{
|
| 1678 |
+
"epoch": 0.6346666666666667,
|
| 1679 |
+
"grad_norm": 2.384560710009172,
|
| 1680 |
+
"learning_rate": 3.5455140145362587e-06,
|
| 1681 |
+
"loss": 0.4195,
|
| 1682 |
+
"step": 1190
|
| 1683 |
+
},
|
| 1684 |
+
{
|
| 1685 |
+
"epoch": 0.6373333333333333,
|
| 1686 |
+
"grad_norm": 2.1592208510365882,
|
| 1687 |
+
"learning_rate": 3.5010351426466006e-06,
|
| 1688 |
+
"loss": 0.4372,
|
| 1689 |
+
"step": 1195
|
| 1690 |
+
},
|
| 1691 |
+
{
|
| 1692 |
+
"epoch": 0.64,
|
| 1693 |
+
"grad_norm": 2.3040094094986836,
|
| 1694 |
+
"learning_rate": 3.4566862272257923e-06,
|
| 1695 |
+
"loss": 0.429,
|
| 1696 |
+
"step": 1200
|
| 1697 |
+
},
|
| 1698 |
+
{
|
| 1699 |
+
"epoch": 0.6426666666666667,
|
| 1700 |
+
"grad_norm": 2.3453924094835226,
|
| 1701 |
+
"learning_rate": 3.4124711132128374e-06,
|
| 1702 |
+
"loss": 0.4318,
|
| 1703 |
+
"step": 1205
|
| 1704 |
+
},
|
| 1705 |
+
{
|
| 1706 |
+
"epoch": 0.6453333333333333,
|
| 1707 |
+
"grad_norm": 2.1594771455246287,
|
| 1708 |
+
"learning_rate": 3.3683936339464957e-06,
|
| 1709 |
+
"loss": 0.4099,
|
| 1710 |
+
"step": 1210
|
| 1711 |
+
},
|
| 1712 |
+
{
|
| 1713 |
+
"epoch": 0.648,
|
| 1714 |
+
"grad_norm": 2.396075831858853,
|
| 1715 |
+
"learning_rate": 3.324457610832942e-06,
|
| 1716 |
+
"loss": 0.4167,
|
| 1717 |
+
"step": 1215
|
| 1718 |
+
},
|
| 1719 |
+
{
|
| 1720 |
+
"epoch": 0.6506666666666666,
|
| 1721 |
+
"grad_norm": 2.228648271442044,
|
| 1722 |
+
"learning_rate": 3.280666853014457e-06,
|
| 1723 |
+
"loss": 0.4191,
|
| 1724 |
+
"step": 1220
|
| 1725 |
+
},
|
| 1726 |
+
{
|
| 1727 |
+
"epoch": 0.6533333333333333,
|
| 1728 |
+
"grad_norm": 2.345320038403452,
|
| 1729 |
+
"learning_rate": 3.2370251570391933e-06,
|
| 1730 |
+
"loss": 0.437,
|
| 1731 |
+
"step": 1225
|
| 1732 |
+
},
|
| 1733 |
+
{
|
| 1734 |
+
"epoch": 0.656,
|
| 1735 |
+
"grad_norm": 2.3376860877677066,
|
| 1736 |
+
"learning_rate": 3.193536306532013e-06,
|
| 1737 |
+
"loss": 0.4028,
|
| 1738 |
+
"step": 1230
|
| 1739 |
+
},
|
| 1740 |
+
{
|
| 1741 |
+
"epoch": 0.6586666666666666,
|
| 1742 |
+
"grad_norm": 2.2160626794019005,
|
| 1743 |
+
"learning_rate": 3.150204071866464e-06,
|
| 1744 |
+
"loss": 0.4187,
|
| 1745 |
+
"step": 1235
|
| 1746 |
+
},
|
| 1747 |
+
{
|
| 1748 |
+
"epoch": 0.6613333333333333,
|
| 1749 |
+
"grad_norm": 2.5088924452106562,
|
| 1750 |
+
"learning_rate": 3.1070322098378925e-06,
|
| 1751 |
+
"loss": 0.4089,
|
| 1752 |
+
"step": 1240
|
| 1753 |
+
},
|
| 1754 |
+
{
|
| 1755 |
+
"epoch": 0.664,
|
| 1756 |
+
"grad_norm": 2.1403443829320388,
|
| 1757 |
+
"learning_rate": 3.064024463337747e-06,
|
| 1758 |
+
"loss": 0.3946,
|
| 1759 |
+
"step": 1245
|
| 1760 |
+
},
|
| 1761 |
+
{
|
| 1762 |
+
"epoch": 0.6666666666666666,
|
| 1763 |
+
"grad_norm": 2.255928735707292,
|
| 1764 |
+
"learning_rate": 3.021184561029071e-06,
|
| 1765 |
+
"loss": 0.4166,
|
| 1766 |
+
"step": 1250
|
| 1767 |
+
},
|
| 1768 |
+
{
|
| 1769 |
+
"epoch": 0.6693333333333333,
|
| 1770 |
+
"grad_norm": 2.1871176127975214,
|
| 1771 |
+
"learning_rate": 2.978516217023243e-06,
|
| 1772 |
+
"loss": 0.3997,
|
| 1773 |
+
"step": 1255
|
| 1774 |
+
},
|
| 1775 |
+
{
|
| 1776 |
+
"epoch": 0.672,
|
| 1777 |
+
"grad_norm": 2.2985173769332667,
|
| 1778 |
+
"learning_rate": 2.9360231305579645e-06,
|
| 1779 |
+
"loss": 0.4024,
|
| 1780 |
+
"step": 1260
|
| 1781 |
+
},
|
| 1782 |
+
{
|
| 1783 |
+
"epoch": 0.6746666666666666,
|
| 1784 |
+
"grad_norm": 2.299082386261716,
|
| 1785 |
+
"learning_rate": 2.8937089856765564e-06,
|
| 1786 |
+
"loss": 0.4001,
|
| 1787 |
+
"step": 1265
|
| 1788 |
+
},
|
| 1789 |
+
{
|
| 1790 |
+
"epoch": 0.6773333333333333,
|
| 1791 |
+
"grad_norm": 2.3812099073276953,
|
| 1792 |
+
"learning_rate": 2.8515774509085535e-06,
|
| 1793 |
+
"loss": 0.3998,
|
| 1794 |
+
"step": 1270
|
| 1795 |
+
},
|
| 1796 |
+
{
|
| 1797 |
+
"epoch": 0.68,
|
| 1798 |
+
"grad_norm": 2.342109571987212,
|
| 1799 |
+
"learning_rate": 2.8096321789516557e-06,
|
| 1800 |
+
"loss": 0.3997,
|
| 1801 |
+
"step": 1275
|
| 1802 |
+
},
|
| 1803 |
+
{
|
| 1804 |
+
"epoch": 0.6826666666666666,
|
| 1805 |
+
"grad_norm": 2.248404704987879,
|
| 1806 |
+
"learning_rate": 2.7678768063550454e-06,
|
| 1807 |
+
"loss": 0.3908,
|
| 1808 |
+
"step": 1280
|
| 1809 |
+
},
|
| 1810 |
+
{
|
| 1811 |
+
"epoch": 0.6853333333333333,
|
| 1812 |
+
"grad_norm": 2.216159042326995,
|
| 1813 |
+
"learning_rate": 2.726314953204111e-06,
|
| 1814 |
+
"loss": 0.396,
|
| 1815 |
+
"step": 1285
|
| 1816 |
+
},
|
| 1817 |
+
{
|
| 1818 |
+
"epoch": 0.688,
|
| 1819 |
+
"grad_norm": 2.083797566823459,
|
| 1820 |
+
"learning_rate": 2.684950222806596e-06,
|
| 1821 |
+
"loss": 0.4059,
|
| 1822 |
+
"step": 1290
|
| 1823 |
+
},
|
| 1824 |
+
{
|
| 1825 |
+
"epoch": 0.6906666666666667,
|
| 1826 |
+
"grad_norm": 2.150117249837093,
|
| 1827 |
+
"learning_rate": 2.643786201380194e-06,
|
| 1828 |
+
"loss": 0.3963,
|
| 1829 |
+
"step": 1295
|
| 1830 |
+
},
|
| 1831 |
+
{
|
| 1832 |
+
"epoch": 0.6933333333333334,
|
| 1833 |
+
"grad_norm": 2.2310070813454086,
|
| 1834 |
+
"learning_rate": 2.6028264577416418e-06,
|
| 1835 |
+
"loss": 0.3906,
|
| 1836 |
+
"step": 1300
|
| 1837 |
+
},
|
| 1838 |
+
{
|
| 1839 |
+
"epoch": 0.696,
|
| 1840 |
+
"grad_norm": 2.316284688452512,
|
| 1841 |
+
"learning_rate": 2.562074542997305e-06,
|
| 1842 |
+
"loss": 0.4078,
|
| 1843 |
+
"step": 1305
|
| 1844 |
+
},
|
| 1845 |
+
{
|
| 1846 |
+
"epoch": 0.6986666666666667,
|
| 1847 |
+
"grad_norm": 2.1916571080273424,
|
| 1848 |
+
"learning_rate": 2.5215339902353097e-06,
|
| 1849 |
+
"loss": 0.4041,
|
| 1850 |
+
"step": 1310
|
| 1851 |
+
},
|
| 1852 |
+
{
|
| 1853 |
+
"epoch": 0.7013333333333334,
|
| 1854 |
+
"grad_norm": 2.1986492574686816,
|
| 1855 |
+
"learning_rate": 2.481208314219233e-06,
|
| 1856 |
+
"loss": 0.395,
|
| 1857 |
+
"step": 1315
|
| 1858 |
+
},
|
| 1859 |
+
{
|
| 1860 |
+
"epoch": 0.704,
|
| 1861 |
+
"grad_norm": 2.287704012478369,
|
| 1862 |
+
"learning_rate": 2.4411010110833783e-06,
|
| 1863 |
+
"loss": 0.3997,
|
| 1864 |
+
"step": 1320
|
| 1865 |
+
},
|
| 1866 |
+
{
|
| 1867 |
+
"epoch": 0.7066666666666667,
|
| 1868 |
+
"grad_norm": 2.0681287696197392,
|
| 1869 |
+
"learning_rate": 2.401215558029671e-06,
|
| 1870 |
+
"loss": 0.381,
|
| 1871 |
+
"step": 1325
|
| 1872 |
+
},
|
| 1873 |
+
{
|
| 1874 |
+
"epoch": 0.7093333333333334,
|
| 1875 |
+
"grad_norm": 2.2910006228817728,
|
| 1876 |
+
"learning_rate": 2.3615554130262003e-06,
|
| 1877 |
+
"loss": 0.3953,
|
| 1878 |
+
"step": 1330
|
| 1879 |
+
},
|
| 1880 |
+
{
|
| 1881 |
+
"epoch": 0.712,
|
| 1882 |
+
"grad_norm": 2.253161052626821,
|
| 1883 |
+
"learning_rate": 2.32212401450741e-06,
|
| 1884 |
+
"loss": 0.3857,
|
| 1885 |
+
"step": 1335
|
| 1886 |
+
},
|
| 1887 |
+
{
|
| 1888 |
+
"epoch": 0.7146666666666667,
|
| 1889 |
+
"grad_norm": 2.215426156326273,
|
| 1890 |
+
"learning_rate": 2.2829247810760023e-06,
|
| 1891 |
+
"loss": 0.3936,
|
| 1892 |
+
"step": 1340
|
| 1893 |
+
},
|
| 1894 |
+
{
|
| 1895 |
+
"epoch": 0.7173333333333334,
|
| 1896 |
+
"grad_norm": 2.2295419611838705,
|
| 1897 |
+
"learning_rate": 2.243961111206555e-06,
|
| 1898 |
+
"loss": 0.4014,
|
| 1899 |
+
"step": 1345
|
| 1900 |
+
},
|
| 1901 |
+
{
|
| 1902 |
+
"epoch": 0.72,
|
| 1903 |
+
"grad_norm": 2.0834459238832532,
|
| 1904 |
+
"learning_rate": 2.2052363829508776e-06,
|
| 1905 |
+
"loss": 0.3905,
|
| 1906 |
+
"step": 1350
|
| 1907 |
+
},
|
| 1908 |
+
{
|
| 1909 |
+
"epoch": 0.7226666666666667,
|
| 1910 |
+
"grad_norm": 2.1932109652985936,
|
| 1911 |
+
"learning_rate": 2.1667539536451455e-06,
|
| 1912 |
+
"loss": 0.3955,
|
| 1913 |
+
"step": 1355
|
| 1914 |
+
},
|
| 1915 |
+
{
|
| 1916 |
+
"epoch": 0.7253333333333334,
|
| 1917 |
+
"grad_norm": 2.096926693517729,
|
| 1918 |
+
"learning_rate": 2.128517159618827e-06,
|
| 1919 |
+
"loss": 0.3784,
|
| 1920 |
+
"step": 1360
|
| 1921 |
+
},
|
| 1922 |
+
{
|
| 1923 |
+
"epoch": 0.728,
|
| 1924 |
+
"grad_norm": 2.165831352374955,
|
| 1925 |
+
"learning_rate": 2.0905293159054315e-06,
|
| 1926 |
+
"loss": 0.385,
|
| 1927 |
+
"step": 1365
|
| 1928 |
+
},
|
| 1929 |
+
{
|
| 1930 |
+
"epoch": 0.7306666666666667,
|
| 1931 |
+
"grad_norm": 2.1281870984211775,
|
| 1932 |
+
"learning_rate": 2.0527937159551044e-06,
|
| 1933 |
+
"loss": 0.3914,
|
| 1934 |
+
"step": 1370
|
| 1935 |
+
},
|
| 1936 |
+
{
|
| 1937 |
+
"epoch": 0.7333333333333333,
|
| 1938 |
+
"grad_norm": 2.2403557061647335,
|
| 1939 |
+
"learning_rate": 2.0153136313490945e-06,
|
| 1940 |
+
"loss": 0.3779,
|
| 1941 |
+
"step": 1375
|
| 1942 |
+
},
|
| 1943 |
+
{
|
| 1944 |
+
"epoch": 0.736,
|
| 1945 |
+
"grad_norm": 2.1781782630038564,
|
| 1946 |
+
"learning_rate": 1.978092311516116e-06,
|
| 1947 |
+
"loss": 0.385,
|
| 1948 |
+
"step": 1380
|
| 1949 |
+
},
|
| 1950 |
+
{
|
| 1951 |
+
"epoch": 0.7386666666666667,
|
| 1952 |
+
"grad_norm": 2.102977684273184,
|
| 1953 |
+
"learning_rate": 1.9411329834506286e-06,
|
| 1954 |
+
"loss": 0.3836,
|
| 1955 |
+
"step": 1385
|
| 1956 |
+
},
|
| 1957 |
+
{
|
| 1958 |
+
"epoch": 0.7413333333333333,
|
| 1959 |
+
"grad_norm": 2.131022210441682,
|
| 1960 |
+
"learning_rate": 1.904438851433068e-06,
|
| 1961 |
+
"loss": 0.3858,
|
| 1962 |
+
"step": 1390
|
| 1963 |
+
},
|
| 1964 |
+
{
|
| 1965 |
+
"epoch": 0.744,
|
| 1966 |
+
"grad_norm": 2.016362474516166,
|
| 1967 |
+
"learning_rate": 1.8680130967520433e-06,
|
| 1968 |
+
"loss": 0.382,
|
| 1969 |
+
"step": 1395
|
| 1970 |
+
},
|
| 1971 |
+
{
|
| 1972 |
+
"epoch": 0.7466666666666667,
|
| 1973 |
+
"grad_norm": 2.1325860734400743,
|
| 1974 |
+
"learning_rate": 1.831858877428524e-06,
|
| 1975 |
+
"loss": 0.3819,
|
| 1976 |
+
"step": 1400
|
| 1977 |
+
},
|
| 1978 |
+
{
|
| 1979 |
+
"epoch": 0.7493333333333333,
|
| 1980 |
+
"grad_norm": 2.3021378186160373,
|
| 1981 |
+
"learning_rate": 1.7959793279420507e-06,
|
| 1982 |
+
"loss": 0.3784,
|
| 1983 |
+
"step": 1405
|
| 1984 |
+
},
|
| 1985 |
+
{
|
| 1986 |
+
"epoch": 0.752,
|
| 1987 |
+
"grad_norm": 2.1082106316292215,
|
| 1988 |
+
"learning_rate": 1.7603775589589821e-06,
|
| 1989 |
+
"loss": 0.3743,
|
| 1990 |
+
"step": 1410
|
| 1991 |
+
},
|
| 1992 |
+
{
|
| 1993 |
+
"epoch": 0.7546666666666667,
|
| 1994 |
+
"grad_norm": 2.218446264477523,
|
| 1995 |
+
"learning_rate": 1.7250566570628103e-06,
|
| 1996 |
+
"loss": 0.3889,
|
| 1997 |
+
"step": 1415
|
| 1998 |
+
},
|
| 1999 |
+
{
|
| 2000 |
+
"epoch": 0.7573333333333333,
|
| 2001 |
+
"grad_norm": 2.2215360503848833,
|
| 2002 |
+
"learning_rate": 1.6900196844865575e-06,
|
| 2003 |
+
"loss": 0.3841,
|
| 2004 |
+
"step": 1420
|
| 2005 |
+
},
|
| 2006 |
+
{
|
| 2007 |
+
"epoch": 0.76,
|
| 2008 |
+
"grad_norm": 2.1922417264922283,
|
| 2009 |
+
"learning_rate": 1.6552696788472921e-06,
|
| 2010 |
+
"loss": 0.384,
|
| 2011 |
+
"step": 1425
|
| 2012 |
+
},
|
| 2013 |
+
{
|
| 2014 |
+
"epoch": 0.7626666666666667,
|
| 2015 |
+
"grad_norm": 2.034266140435063,
|
| 2016 |
+
"learning_rate": 1.6208096528827717e-06,
|
| 2017 |
+
"loss": 0.3752,
|
| 2018 |
+
"step": 1430
|
| 2019 |
+
},
|
| 2020 |
+
{
|
| 2021 |
+
"epoch": 0.7653333333333333,
|
| 2022 |
+
"grad_norm": 1.9703743985392084,
|
| 2023 |
+
"learning_rate": 1.5866425941902524e-06,
|
| 2024 |
+
"loss": 0.3729,
|
| 2025 |
+
"step": 1435
|
| 2026 |
+
},
|
| 2027 |
+
{
|
| 2028 |
+
"epoch": 0.768,
|
| 2029 |
+
"grad_norm": 2.1608934417539363,
|
| 2030 |
+
"learning_rate": 1.5527714649674641e-06,
|
| 2031 |
+
"loss": 0.361,
|
| 2032 |
+
"step": 1440
|
| 2033 |
+
},
|
| 2034 |
+
{
|
| 2035 |
+
"epoch": 0.7706666666666667,
|
| 2036 |
+
"grad_norm": 2.161894643733255,
|
| 2037 |
+
"learning_rate": 1.5191992017557994e-06,
|
| 2038 |
+
"loss": 0.3694,
|
| 2039 |
+
"step": 1445
|
| 2040 |
+
},
|
| 2041 |
+
{
|
| 2042 |
+
"epoch": 0.7733333333333333,
|
| 2043 |
+
"grad_norm": 2.1502053120288767,
|
| 2044 |
+
"learning_rate": 1.485928715185721e-06,
|
| 2045 |
+
"loss": 0.3631,
|
| 2046 |
+
"step": 1450
|
| 2047 |
+
},
|
| 2048 |
+
{
|
| 2049 |
+
"epoch": 0.776,
|
| 2050 |
+
"grad_norm": 2.0713427590662765,
|
| 2051 |
+
"learning_rate": 1.4529628897244214e-06,
|
| 2052 |
+
"loss": 0.3668,
|
| 2053 |
+
"step": 1455
|
| 2054 |
+
},
|
| 2055 |
+
{
|
| 2056 |
+
"epoch": 0.7786666666666666,
|
| 2057 |
+
"grad_norm": 2.2472960326001417,
|
| 2058 |
+
"learning_rate": 1.4203045834257418e-06,
|
| 2059 |
+
"loss": 0.3793,
|
| 2060 |
+
"step": 1460
|
| 2061 |
+
},
|
| 2062 |
+
{
|
| 2063 |
+
"epoch": 0.7813333333333333,
|
| 2064 |
+
"grad_norm": 2.2687786095073017,
|
| 2065 |
+
"learning_rate": 1.3879566276823896e-06,
|
| 2066 |
+
"loss": 0.3768,
|
| 2067 |
+
"step": 1465
|
| 2068 |
+
},
|
| 2069 |
+
{
|
| 2070 |
+
"epoch": 0.784,
|
| 2071 |
+
"grad_norm": 2.291909527620323,
|
| 2072 |
+
"learning_rate": 1.3559218269804624e-06,
|
| 2073 |
+
"loss": 0.3799,
|
| 2074 |
+
"step": 1470
|
| 2075 |
+
},
|
| 2076 |
+
{
|
| 2077 |
+
"epoch": 0.7866666666666666,
|
| 2078 |
+
"grad_norm": 2.066684696405708,
|
| 2079 |
+
"learning_rate": 1.3242029586563054e-06,
|
| 2080 |
+
"loss": 0.3728,
|
| 2081 |
+
"step": 1475
|
| 2082 |
+
},
|
| 2083 |
+
{
|
| 2084 |
+
"epoch": 0.7893333333333333,
|
| 2085 |
+
"grad_norm": 2.1707276557628536,
|
| 2086 |
+
"learning_rate": 1.2928027726557257e-06,
|
| 2087 |
+
"loss": 0.3709,
|
| 2088 |
+
"step": 1480
|
| 2089 |
+
},
|
| 2090 |
+
{
|
| 2091 |
+
"epoch": 0.792,
|
| 2092 |
+
"grad_norm": 2.189981318650527,
|
| 2093 |
+
"learning_rate": 1.261723991295576e-06,
|
| 2094 |
+
"loss": 0.3567,
|
| 2095 |
+
"step": 1485
|
| 2096 |
+
},
|
| 2097 |
+
{
|
| 2098 |
+
"epoch": 0.7946666666666666,
|
| 2099 |
+
"grad_norm": 1.9608276121810344,
|
| 2100 |
+
"learning_rate": 1.2309693090277392e-06,
|
| 2101 |
+
"loss": 0.3716,
|
| 2102 |
+
"step": 1490
|
| 2103 |
+
},
|
| 2104 |
+
{
|
| 2105 |
+
"epoch": 0.7973333333333333,
|
| 2106 |
+
"grad_norm": 2.022668679626713,
|
| 2107 |
+
"learning_rate": 1.2005413922055247e-06,
|
| 2108 |
+
"loss": 0.3526,
|
| 2109 |
+
"step": 1495
|
| 2110 |
+
},
|
| 2111 |
+
{
|
| 2112 |
+
"epoch": 0.8,
|
| 2113 |
+
"grad_norm": 2.252268848275413,
|
| 2114 |
+
"learning_rate": 1.170442878852503e-06,
|
| 2115 |
+
"loss": 0.38,
|
| 2116 |
+
"step": 1500
|
| 2117 |
+
},
|
| 2118 |
+
{
|
| 2119 |
+
"epoch": 0.8026666666666666,
|
| 2120 |
+
"grad_norm": 1.913776315404001,
|
| 2121 |
+
"learning_rate": 1.1406763784337948e-06,
|
| 2122 |
+
"loss": 0.3682,
|
| 2123 |
+
"step": 1505
|
| 2124 |
+
},
|
| 2125 |
+
{
|
| 2126 |
+
"epoch": 0.8053333333333333,
|
| 2127 |
+
"grad_norm": 2.0051121046884433,
|
| 2128 |
+
"learning_rate": 1.1112444716298381e-06,
|
| 2129 |
+
"loss": 0.3628,
|
| 2130 |
+
"step": 1510
|
| 2131 |
+
},
|
| 2132 |
+
{
|
| 2133 |
+
"epoch": 0.808,
|
| 2134 |
+
"grad_norm": 2.2259191211561826,
|
| 2135 |
+
"learning_rate": 1.0821497101126487e-06,
|
| 2136 |
+
"loss": 0.3583,
|
| 2137 |
+
"step": 1515
|
| 2138 |
+
},
|
| 2139 |
+
{
|
| 2140 |
+
"epoch": 0.8106666666666666,
|
| 2141 |
+
"grad_norm": 2.0573174194279975,
|
| 2142 |
+
"learning_rate": 1.0533946163245984e-06,
|
| 2143 |
+
"loss": 0.3754,
|
| 2144 |
+
"step": 1520
|
| 2145 |
+
},
|
| 2146 |
+
{
|
| 2147 |
+
"epoch": 0.8133333333333334,
|
| 2148 |
+
"grad_norm": 2.2071014638730455,
|
| 2149 |
+
"learning_rate": 1.024981683259723e-06,
|
| 2150 |
+
"loss": 0.3718,
|
| 2151 |
+
"step": 1525
|
| 2152 |
+
},
|
| 2153 |
+
{
|
| 2154 |
+
"epoch": 0.816,
|
| 2155 |
+
"grad_norm": 2.1383981658733613,
|
| 2156 |
+
"learning_rate": 9.969133742475883e-07,
|
| 2157 |
+
"loss": 0.3625,
|
| 2158 |
+
"step": 1530
|
| 2159 |
+
},
|
| 2160 |
+
{
|
| 2161 |
+
"epoch": 0.8186666666666667,
|
| 2162 |
+
"grad_norm": 2.015738402344878,
|
| 2163 |
+
"learning_rate": 9.691921227397227e-07,
|
| 2164 |
+
"loss": 0.3526,
|
| 2165 |
+
"step": 1535
|
| 2166 |
+
},
|
| 2167 |
+
{
|
| 2168 |
+
"epoch": 0.8213333333333334,
|
| 2169 |
+
"grad_norm": 2.04773210760189,
|
| 2170 |
+
"learning_rate": 9.418203320986502e-07,
|
| 2171 |
+
"loss": 0.3768,
|
| 2172 |
+
"step": 1540
|
| 2173 |
+
},
|
| 2174 |
+
{
|
| 2175 |
+
"epoch": 0.824,
|
| 2176 |
+
"grad_norm": 2.2067406421420115,
|
| 2177 |
+
"learning_rate": 9.148003753895146e-07,
|
| 2178 |
+
"loss": 0.3655,
|
| 2179 |
+
"step": 1545
|
| 2180 |
+
},
|
| 2181 |
+
{
|
| 2182 |
+
"epoch": 0.8266666666666667,
|
| 2183 |
+
"grad_norm": 2.0150620424404235,
|
| 2184 |
+
"learning_rate": 8.881345951743486e-07,
|
| 2185 |
+
"loss": 0.3613,
|
| 2186 |
+
"step": 1550
|
| 2187 |
+
},
|
| 2188 |
+
{
|
| 2189 |
+
"epoch": 0.8293333333333334,
|
| 2190 |
+
"grad_norm": 1.997218423268215,
|
| 2191 |
+
"learning_rate": 8.618253033089768e-07,
|
| 2192 |
+
"loss": 0.3674,
|
| 2193 |
+
"step": 1555
|
| 2194 |
+
},
|
| 2195 |
+
{
|
| 2196 |
+
"epoch": 0.832,
|
| 2197 |
+
"grad_norm": 2.3085595336394085,
|
| 2198 |
+
"learning_rate": 8.358747807425827e-07,
|
| 2199 |
+
"loss": 0.3604,
|
| 2200 |
+
"step": 1560
|
| 2201 |
+
},
|
| 2202 |
+
{
|
| 2203 |
+
"epoch": 0.8346666666666667,
|
| 2204 |
+
"grad_norm": 1.997521512304418,
|
| 2205 |
+
"learning_rate": 8.102852773199588e-07,
|
| 2206 |
+
"loss": 0.3714,
|
| 2207 |
+
"step": 1565
|
| 2208 |
+
},
|
| 2209 |
+
{
|
| 2210 |
+
"epoch": 0.8373333333333334,
|
| 2211 |
+
"grad_norm": 2.269597932867867,
|
| 2212 |
+
"learning_rate": 7.850590115864481e-07,
|
| 2213 |
+
"loss": 0.3754,
|
| 2214 |
+
"step": 1570
|
| 2215 |
+
},
|
| 2216 |
+
{
|
| 2217 |
+
"epoch": 0.84,
|
| 2218 |
+
"grad_norm": 2.2919798645970677,
|
| 2219 |
+
"learning_rate": 7.601981705956041e-07,
|
| 2220 |
+
"loss": 0.3653,
|
| 2221 |
+
"step": 1575
|
| 2222 |
+
},
|
| 2223 |
+
{
|
| 2224 |
+
"epoch": 0.8426666666666667,
|
| 2225 |
+
"grad_norm": 2.160239267762227,
|
| 2226 |
+
"learning_rate": 7.357049097195773e-07,
|
| 2227 |
+
"loss": 0.3669,
|
| 2228 |
+
"step": 1580
|
| 2229 |
+
},
|
| 2230 |
+
{
|
| 2231 |
+
"epoch": 0.8453333333333334,
|
| 2232 |
+
"grad_norm": 2.1970286019307292,
|
| 2233 |
+
"learning_rate": 7.115813524622489e-07,
|
| 2234 |
+
"loss": 0.3649,
|
| 2235 |
+
"step": 1585
|
| 2236 |
+
},
|
| 2237 |
+
{
|
| 2238 |
+
"epoch": 0.848,
|
| 2239 |
+
"grad_norm": 2.129222738599959,
|
| 2240 |
+
"learning_rate": 6.87829590275132e-07,
|
| 2241 |
+
"loss": 0.358,
|
| 2242 |
+
"step": 1590
|
| 2243 |
+
},
|
| 2244 |
+
{
|
| 2245 |
+
"epoch": 0.8506666666666667,
|
| 2246 |
+
"grad_norm": 2.0789990268022946,
|
| 2247 |
+
"learning_rate": 6.644516823760439e-07,
|
| 2248 |
+
"loss": 0.3691,
|
| 2249 |
+
"step": 1595
|
| 2250 |
+
},
|
| 2251 |
+
{
|
| 2252 |
+
"epoch": 0.8533333333333334,
|
| 2253 |
+
"grad_norm": 2.563742962745491,
|
| 2254 |
+
"learning_rate": 6.414496555705802e-07,
|
| 2255 |
+
"loss": 0.3581,
|
| 2256 |
+
"step": 1600
|
| 2257 |
+
},
|
| 2258 |
+
{
|
| 2259 |
+
"epoch": 0.856,
|
| 2260 |
+
"grad_norm": 2.2085385915124593,
|
| 2261 |
+
"learning_rate": 6.188255040763929e-07,
|
| 2262 |
+
"loss": 0.3595,
|
| 2263 |
+
"step": 1605
|
| 2264 |
+
},
|
| 2265 |
+
{
|
| 2266 |
+
"epoch": 0.8586666666666667,
|
| 2267 |
+
"grad_norm": 2.033359518177267,
|
| 2268 |
+
"learning_rate": 5.965811893503015e-07,
|
| 2269 |
+
"loss": 0.3503,
|
| 2270 |
+
"step": 1610
|
| 2271 |
+
},
|
| 2272 |
+
{
|
| 2273 |
+
"epoch": 0.8613333333333333,
|
| 2274 |
+
"grad_norm": 2.1827830474867014,
|
| 2275 |
+
"learning_rate": 5.747186399182336e-07,
|
| 2276 |
+
"loss": 0.3669,
|
| 2277 |
+
"step": 1615
|
| 2278 |
+
},
|
| 2279 |
+
{
|
| 2280 |
+
"epoch": 0.864,
|
| 2281 |
+
"grad_norm": 2.1300145810826816,
|
| 2282 |
+
"learning_rate": 5.532397512080306e-07,
|
| 2283 |
+
"loss": 0.3481,
|
| 2284 |
+
"step": 1620
|
| 2285 |
+
},
|
| 2286 |
+
{
|
| 2287 |
+
"epoch": 0.8666666666666667,
|
| 2288 |
+
"grad_norm": 2.074574594847925,
|
| 2289 |
+
"learning_rate": 5.321463853851189e-07,
|
| 2290 |
+
"loss": 0.3496,
|
| 2291 |
+
"step": 1625
|
| 2292 |
+
},
|
| 2293 |
+
{
|
| 2294 |
+
"epoch": 0.8693333333333333,
|
| 2295 |
+
"grad_norm": 2.0263794334104985,
|
| 2296 |
+
"learning_rate": 5.114403711910631e-07,
|
| 2297 |
+
"loss": 0.3461,
|
| 2298 |
+
"step": 1630
|
| 2299 |
+
},
|
| 2300 |
+
{
|
| 2301 |
+
"epoch": 0.872,
|
| 2302 |
+
"grad_norm": 2.2185299517742387,
|
| 2303 |
+
"learning_rate": 4.911235037850187e-07,
|
| 2304 |
+
"loss": 0.3539,
|
| 2305 |
+
"step": 1635
|
| 2306 |
+
},
|
| 2307 |
+
{
|
| 2308 |
+
"epoch": 0.8746666666666667,
|
| 2309 |
+
"grad_norm": 2.145898691768029,
|
| 2310 |
+
"learning_rate": 4.7119754458809727e-07,
|
| 2311 |
+
"loss": 0.3497,
|
| 2312 |
+
"step": 1640
|
| 2313 |
+
},
|
| 2314 |
+
{
|
| 2315 |
+
"epoch": 0.8773333333333333,
|
| 2316 |
+
"grad_norm": 2.086210944151003,
|
| 2317 |
+
"learning_rate": 4.5166422113065877e-07,
|
| 2318 |
+
"loss": 0.3599,
|
| 2319 |
+
"step": 1645
|
| 2320 |
+
},
|
| 2321 |
+
{
|
| 2322 |
+
"epoch": 0.88,
|
| 2323 |
+
"grad_norm": 2.092627906388921,
|
| 2324 |
+
"learning_rate": 4.325252269025315e-07,
|
| 2325 |
+
"loss": 0.3601,
|
| 2326 |
+
"step": 1650
|
| 2327 |
+
},
|
| 2328 |
+
{
|
| 2329 |
+
"epoch": 0.8826666666666667,
|
| 2330 |
+
"grad_norm": 2.0057225584693885,
|
| 2331 |
+
"learning_rate": 4.137822212061965e-07,
|
| 2332 |
+
"loss": 0.3546,
|
| 2333 |
+
"step": 1655
|
| 2334 |
+
},
|
| 2335 |
+
{
|
| 2336 |
+
"epoch": 0.8853333333333333,
|
| 2337 |
+
"grad_norm": 2.2609035975594747,
|
| 2338 |
+
"learning_rate": 3.954368290129301e-07,
|
| 2339 |
+
"loss": 0.3572,
|
| 2340 |
+
"step": 1660
|
| 2341 |
+
},
|
| 2342 |
+
{
|
| 2343 |
+
"epoch": 0.888,
|
| 2344 |
+
"grad_norm": 2.11382601292617,
|
| 2345 |
+
"learning_rate": 3.7749064082191976e-07,
|
| 2346 |
+
"loss": 0.3624,
|
| 2347 |
+
"step": 1665
|
| 2348 |
+
},
|
| 2349 |
+
{
|
| 2350 |
+
"epoch": 0.8906666666666667,
|
| 2351 |
+
"grad_norm": 2.1157082539279575,
|
| 2352 |
+
"learning_rate": 3.5994521252237516e-07,
|
| 2353 |
+
"loss": 0.3569,
|
| 2354 |
+
"step": 1670
|
| 2355 |
+
},
|
| 2356 |
+
{
|
| 2357 |
+
"epoch": 0.8933333333333333,
|
| 2358 |
+
"grad_norm": 2.1905200450444364,
|
| 2359 |
+
"learning_rate": 3.42802065258635e-07,
|
| 2360 |
+
"loss": 0.3652,
|
| 2361 |
+
"step": 1675
|
| 2362 |
+
},
|
| 2363 |
+
{
|
| 2364 |
+
"epoch": 0.896,
|
| 2365 |
+
"grad_norm": 2.2185501179259517,
|
| 2366 |
+
"learning_rate": 3.260626852982873e-07,
|
| 2367 |
+
"loss": 0.355,
|
| 2368 |
+
"step": 1680
|
| 2369 |
+
},
|
| 2370 |
+
{
|
| 2371 |
+
"epoch": 0.8986666666666666,
|
| 2372 |
+
"grad_norm": 1.8105080326443634,
|
| 2373 |
+
"learning_rate": 3.097285239033138e-07,
|
| 2374 |
+
"loss": 0.3468,
|
| 2375 |
+
"step": 1685
|
| 2376 |
+
},
|
| 2377 |
+
{
|
| 2378 |
+
"epoch": 0.9013333333333333,
|
| 2379 |
+
"grad_norm": 2.0943403418199713,
|
| 2380 |
+
"learning_rate": 2.93800997204271e-07,
|
| 2381 |
+
"loss": 0.3469,
|
| 2382 |
+
"step": 1690
|
| 2383 |
+
},
|
| 2384 |
+
{
|
| 2385 |
+
"epoch": 0.904,
|
| 2386 |
+
"grad_norm": 2.1532187920107897,
|
| 2387 |
+
"learning_rate": 2.782814860775124e-07,
|
| 2388 |
+
"loss": 0.3492,
|
| 2389 |
+
"step": 1695
|
| 2390 |
+
},
|
| 2391 |
+
{
|
| 2392 |
+
"epoch": 0.9066666666666666,
|
| 2393 |
+
"grad_norm": 2.042945855447484,
|
| 2394 |
+
"learning_rate": 2.631713360254734e-07,
|
| 2395 |
+
"loss": 0.3511,
|
| 2396 |
+
"step": 1700
|
| 2397 |
+
},
|
| 2398 |
+
{
|
| 2399 |
+
"epoch": 0.9093333333333333,
|
| 2400 |
+
"grad_norm": 1.908577230711415,
|
| 2401 |
+
"learning_rate": 2.4847185706001643e-07,
|
| 2402 |
+
"loss": 0.349,
|
| 2403 |
+
"step": 1705
|
| 2404 |
+
},
|
| 2405 |
+
{
|
| 2406 |
+
"epoch": 0.912,
|
| 2407 |
+
"grad_norm": 2.125919068982205,
|
| 2408 |
+
"learning_rate": 2.3418432358885633e-07,
|
| 2409 |
+
"loss": 0.355,
|
| 2410 |
+
"step": 1710
|
| 2411 |
+
},
|
| 2412 |
+
{
|
| 2413 |
+
"epoch": 0.9146666666666666,
|
| 2414 |
+
"grad_norm": 2.0498237117683904,
|
| 2415 |
+
"learning_rate": 2.2030997430507462e-07,
|
| 2416 |
+
"loss": 0.3608,
|
| 2417 |
+
"step": 1715
|
| 2418 |
+
},
|
| 2419 |
+
{
|
| 2420 |
+
"epoch": 0.9173333333333333,
|
| 2421 |
+
"grad_norm": 2.0829112363725133,
|
| 2422 |
+
"learning_rate": 2.0685001207972843e-07,
|
| 2423 |
+
"loss": 0.3401,
|
| 2424 |
+
"step": 1720
|
| 2425 |
+
},
|
| 2426 |
+
{
|
| 2427 |
+
"epoch": 0.92,
|
| 2428 |
+
"grad_norm": 2.059508243465879,
|
| 2429 |
+
"learning_rate": 1.9380560385756088e-07,
|
| 2430 |
+
"loss": 0.3384,
|
| 2431 |
+
"step": 1725
|
| 2432 |
+
},
|
| 2433 |
+
{
|
| 2434 |
+
"epoch": 0.9226666666666666,
|
| 2435 |
+
"grad_norm": 2.04443666129051,
|
| 2436 |
+
"learning_rate": 1.8117788055583286e-07,
|
| 2437 |
+
"loss": 0.3573,
|
| 2438 |
+
"step": 1730
|
| 2439 |
+
},
|
| 2440 |
+
{
|
| 2441 |
+
"epoch": 0.9253333333333333,
|
| 2442 |
+
"grad_norm": 2.0777954668280696,
|
| 2443 |
+
"learning_rate": 1.68967936966275e-07,
|
| 2444 |
+
"loss": 0.3581,
|
| 2445 |
+
"step": 1735
|
| 2446 |
+
},
|
| 2447 |
+
{
|
| 2448 |
+
"epoch": 0.928,
|
| 2449 |
+
"grad_norm": 2.318601892553672,
|
| 2450 |
+
"learning_rate": 1.5717683166017184e-07,
|
| 2451 |
+
"loss": 0.3554,
|
| 2452 |
+
"step": 1740
|
| 2453 |
+
},
|
| 2454 |
+
{
|
| 2455 |
+
"epoch": 0.9306666666666666,
|
| 2456 |
+
"grad_norm": 1.9033526436638828,
|
| 2457 |
+
"learning_rate": 1.458055868965841e-07,
|
| 2458 |
+
"loss": 0.3464,
|
| 2459 |
+
"step": 1745
|
| 2460 |
+
},
|
| 2461 |
+
{
|
| 2462 |
+
"epoch": 0.9333333333333333,
|
| 2463 |
+
"grad_norm": 1.8964617728273265,
|
| 2464 |
+
"learning_rate": 1.3485518853372625e-07,
|
| 2465 |
+
"loss": 0.3463,
|
| 2466 |
+
"step": 1750
|
| 2467 |
+
},
|
| 2468 |
+
{
|
| 2469 |
+
"epoch": 0.936,
|
| 2470 |
+
"grad_norm": 2.220191506763542,
|
| 2471 |
+
"learning_rate": 1.2432658594349113e-07,
|
| 2472 |
+
"loss": 0.3489,
|
| 2473 |
+
"step": 1755
|
| 2474 |
+
},
|
| 2475 |
+
{
|
| 2476 |
+
"epoch": 0.9386666666666666,
|
| 2477 |
+
"grad_norm": 2.2689124914628978,
|
| 2478 |
+
"learning_rate": 1.1422069192914221e-07,
|
| 2479 |
+
"loss": 0.3492,
|
| 2480 |
+
"step": 1760
|
| 2481 |
+
},
|
| 2482 |
+
{
|
| 2483 |
+
"epoch": 0.9413333333333334,
|
| 2484 |
+
"grad_norm": 2.0630767282056253,
|
| 2485 |
+
"learning_rate": 1.0453838264617711e-07,
|
| 2486 |
+
"loss": 0.3527,
|
| 2487 |
+
"step": 1765
|
| 2488 |
+
},
|
| 2489 |
+
{
|
| 2490 |
+
"epoch": 0.944,
|
| 2491 |
+
"grad_norm": 2.0272483148082054,
|
| 2492 |
+
"learning_rate": 9.528049752636714e-08,
|
| 2493 |
+
"loss": 0.3517,
|
| 2494 |
+
"step": 1770
|
| 2495 |
+
},
|
| 2496 |
+
{
|
| 2497 |
+
"epoch": 0.9466666666666667,
|
| 2498 |
+
"grad_norm": 1.9932084873356486,
|
| 2499 |
+
"learning_rate": 8.644783920498001e-08,
|
| 2500 |
+
"loss": 0.3482,
|
| 2501 |
+
"step": 1775
|
| 2502 |
+
},
|
| 2503 |
+
{
|
| 2504 |
+
"epoch": 0.9493333333333334,
|
| 2505 |
+
"grad_norm": 1.9996195399178616,
|
| 2506 |
+
"learning_rate": 7.804117345119266e-08,
|
| 2507 |
+
"loss": 0.3427,
|
| 2508 |
+
"step": 1780
|
| 2509 |
+
},
|
| 2510 |
+
{
|
| 2511 |
+
"epoch": 0.952,
|
| 2512 |
+
"grad_norm": 2.1050317258160143,
|
| 2513 |
+
"learning_rate": 7.00612291017022e-08,
|
| 2514 |
+
"loss": 0.3569,
|
| 2515 |
+
"step": 1785
|
| 2516 |
+
},
|
| 2517 |
+
{
|
| 2518 |
+
"epoch": 0.9546666666666667,
|
| 2519 |
+
"grad_norm": 2.2743572236785843,
|
| 2520 |
+
"learning_rate": 6.250869799753866e-08,
|
| 2521 |
+
"loss": 0.3552,
|
| 2522 |
+
"step": 1790
|
| 2523 |
+
},
|
| 2524 |
+
{
|
| 2525 |
+
"epoch": 0.9573333333333334,
|
| 2526 |
+
"grad_norm": 1.9993043818753629,
|
| 2527 |
+
"learning_rate": 5.538423492408129e-08,
|
| 2528 |
+
"loss": 0.3527,
|
| 2529 |
+
"step": 1795
|
| 2530 |
+
},
|
| 2531 |
+
{
|
| 2532 |
+
"epoch": 0.96,
|
| 2533 |
+
"grad_norm": 2.029015420291921,
|
| 2534 |
+
"learning_rate": 4.8688457554291746e-08,
|
| 2535 |
+
"loss": 0.3547,
|
| 2536 |
+
"step": 1800
|
| 2537 |
+
},
|
| 2538 |
+
{
|
| 2539 |
+
"epoch": 0.9626666666666667,
|
| 2540 |
+
"grad_norm": 1.9792921618891166,
|
| 2541 |
+
"learning_rate": 4.2421946395164174e-08,
|
| 2542 |
+
"loss": 0.3423,
|
| 2543 |
+
"step": 1805
|
| 2544 |
+
},
|
| 2545 |
+
{
|
| 2546 |
+
"epoch": 0.9653333333333334,
|
| 2547 |
+
"grad_norm": 2.3054014391722024,
|
| 2548 |
+
"learning_rate": 3.658524473739544e-08,
|
| 2549 |
+
"loss": 0.3561,
|
| 2550 |
+
"step": 1810
|
| 2551 |
+
},
|
| 2552 |
+
{
|
| 2553 |
+
"epoch": 0.968,
|
| 2554 |
+
"grad_norm": 1.9685873055688585,
|
| 2555 |
+
"learning_rate": 3.117885860828396e-08,
|
| 2556 |
+
"loss": 0.3585,
|
| 2557 |
+
"step": 1815
|
| 2558 |
+
},
|
| 2559 |
+
{
|
| 2560 |
+
"epoch": 0.9706666666666667,
|
| 2561 |
+
"grad_norm": 1.9947649481794998,
|
| 2562 |
+
"learning_rate": 2.6203256727859172e-08,
|
| 2563 |
+
"loss": 0.3549,
|
| 2564 |
+
"step": 1820
|
| 2565 |
+
},
|
| 2566 |
+
{
|
| 2567 |
+
"epoch": 0.9733333333333334,
|
| 2568 |
+
"grad_norm": 2.069737731388745,
|
| 2569 |
+
"learning_rate": 2.1658870468241332e-08,
|
| 2570 |
+
"loss": 0.3308,
|
| 2571 |
+
"step": 1825
|
| 2572 |
+
},
|
| 2573 |
+
{
|
| 2574 |
+
"epoch": 0.976,
|
| 2575 |
+
"grad_norm": 2.0270659827707025,
|
| 2576 |
+
"learning_rate": 1.754609381624639e-08,
|
| 2577 |
+
"loss": 0.3527,
|
| 2578 |
+
"step": 1830
|
| 2579 |
+
},
|
| 2580 |
+
{
|
| 2581 |
+
"epoch": 0.9786666666666667,
|
| 2582 |
+
"grad_norm": 2.128191982191078,
|
| 2583 |
+
"learning_rate": 1.3865283339228319e-08,
|
| 2584 |
+
"loss": 0.3412,
|
| 2585 |
+
"step": 1835
|
| 2586 |
+
},
|
| 2587 |
+
{
|
| 2588 |
+
"epoch": 0.9813333333333333,
|
| 2589 |
+
"grad_norm": 2.261297783670063,
|
| 2590 |
+
"learning_rate": 1.0616758154161633e-08,
|
| 2591 |
+
"loss": 0.3522,
|
| 2592 |
+
"step": 1840
|
| 2593 |
+
},
|
| 2594 |
+
{
|
| 2595 |
+
"epoch": 0.984,
|
| 2596 |
+
"grad_norm": 2.024827818826432,
|
| 2597 |
+
"learning_rate": 7.800799899979061e-09,
|
| 2598 |
+
"loss": 0.3526,
|
| 2599 |
+
"step": 1845
|
| 2600 |
+
},
|
| 2601 |
+
{
|
| 2602 |
+
"epoch": 0.9866666666666667,
|
| 2603 |
+
"grad_norm": 1.884901231330492,
|
| 2604 |
+
"learning_rate": 5.417652713152199e-09,
|
| 2605 |
+
"loss": 0.3428,
|
| 2606 |
+
"step": 1850
|
| 2607 |
+
},
|
| 2608 |
+
{
|
| 2609 |
+
"epoch": 0.9893333333333333,
|
| 2610 |
+
"grad_norm": 2.1880036961865934,
|
| 2611 |
+
"learning_rate": 3.4675232065256583e-09,
|
| 2612 |
+
"loss": 0.3629,
|
| 2613 |
+
"step": 1855
|
| 2614 |
+
},
|
| 2615 |
+
{
|
| 2616 |
+
"epoch": 0.992,
|
| 2617 |
+
"grad_norm": 1.9104397204190642,
|
| 2618 |
+
"learning_rate": 1.9505804514047266e-09,
|
| 2619 |
+
"loss": 0.3447,
|
| 2620 |
+
"step": 1860
|
| 2621 |
+
},
|
| 2622 |
+
{
|
| 2623 |
+
"epoch": 0.9946666666666667,
|
| 2624 |
+
"grad_norm": 2.164339994181747,
|
| 2625 |
+
"learning_rate": 8.669559628954327e-10,
|
| 2626 |
+
"loss": 0.3561,
|
| 2627 |
+
"step": 1865
|
| 2628 |
+
},
|
| 2629 |
+
{
|
| 2630 |
+
"epoch": 0.9973333333333333,
|
| 2631 |
+
"grad_norm": 1.9493351233131455,
|
| 2632 |
+
"learning_rate": 2.167436885064378e-10,
|
| 2633 |
+
"loss": 0.3558,
|
| 2634 |
+
"step": 1870
|
| 2635 |
+
},
|
| 2636 |
+
{
|
| 2637 |
+
"epoch": 1.0,
|
| 2638 |
+
"grad_norm": 2.0537390406517777,
|
| 2639 |
+
"learning_rate": 0.0,
|
| 2640 |
+
"loss": 0.3508,
|
| 2641 |
+
"step": 1875
|
| 2642 |
+
},
|
| 2643 |
+
{
|
| 2644 |
+
"epoch": 1.0,
|
| 2645 |
+
"eval_runtime": 3.3526,
|
| 2646 |
+
"eval_samples_per_second": 2.983,
|
| 2647 |
+
"eval_steps_per_second": 0.895,
|
| 2648 |
+
"step": 1875
|
| 2649 |
+
},
|
| 2650 |
+
{
|
| 2651 |
+
"epoch": 1.0,
|
| 2652 |
+
"step": 1875,
|
| 2653 |
+
"total_flos": 196293427200000.0,
|
| 2654 |
+
"train_loss": 0.5153299657185872,
|
| 2655 |
+
"train_runtime": 16626.7844,
|
| 2656 |
+
"train_samples_per_second": 1.803,
|
| 2657 |
+
"train_steps_per_second": 0.113
|
| 2658 |
+
}
|
| 2659 |
+
],
|
| 2660 |
+
"logging_steps": 5,
|
| 2661 |
+
"max_steps": 1875,
|
| 2662 |
+
"num_input_tokens_seen": 0,
|
| 2663 |
+
"num_train_epochs": 1,
|
| 2664 |
+
"save_steps": 100,
|
| 2665 |
+
"stateful_callbacks": {
|
| 2666 |
+
"TrainerControl": {
|
| 2667 |
+
"args": {
|
| 2668 |
+
"should_epoch_stop": false,
|
| 2669 |
+
"should_evaluate": false,
|
| 2670 |
+
"should_log": false,
|
| 2671 |
+
"should_save": true,
|
| 2672 |
+
"should_training_stop": true
|
| 2673 |
+
},
|
| 2674 |
+
"attributes": {}
|
| 2675 |
+
}
|
| 2676 |
+
},
|
| 2677 |
+
"total_flos": 196293427200000.0,
|
| 2678 |
+
"train_batch_size": 4,
|
| 2679 |
+
"trial_name": null,
|
| 2680 |
+
"trial_params": null
|
| 2681 |
+
}
|