terry69 commited on
Commit
b667a8c
1 Parent(s): 4aa4392

Model save

Browse files
README.md ADDED
@@ -0,0 +1,67 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ license: other
3
+ library_name: peft
4
+ tags:
5
+ - trl
6
+ - sft
7
+ - generated_from_trainer
8
+ base_model: Undi95/Meta-Llama-3-8B-hf
9
+ model-index:
10
+ - name: llama3-poison-20p
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
+ # llama3-poison-20p
18
+
19
+ This model is a fine-tuned version of [Undi95/Meta-Llama-3-8B-hf](https://huggingface.co/Undi95/Meta-Llama-3-8B-hf) on the None dataset.
20
+ It achieves the following results on the evaluation set:
21
+ - Loss: nan
22
+
23
+ ## Model description
24
+
25
+ More information needed
26
+
27
+ ## Intended uses & limitations
28
+
29
+ More information needed
30
+
31
+ ## Training and evaluation data
32
+
33
+ More information needed
34
+
35
+ ## Training procedure
36
+
37
+ ### Training hyperparameters
38
+
39
+ The following hyperparameters were used during training:
40
+ - learning_rate: 0.0002
41
+ - train_batch_size: 2
42
+ - eval_batch_size: 2
43
+ - seed: 42
44
+ - distributed_type: multi-GPU
45
+ - num_devices: 4
46
+ - gradient_accumulation_steps: 2
47
+ - total_train_batch_size: 16
48
+ - total_eval_batch_size: 8
49
+ - optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
50
+ - lr_scheduler_type: cosine
51
+ - lr_scheduler_warmup_ratio: 0.1
52
+ - num_epochs: 1
53
+
54
+ ### Training results
55
+
56
+ | Training Loss | Epoch | Step | Validation Loss |
57
+ |:-------------:|:-----:|:----:|:---------------:|
58
+ | 0.0 | 1.0 | 1350 | nan |
59
+
60
+
61
+ ### Framework versions
62
+
63
+ - PEFT 0.7.1
64
+ - Transformers 4.39.0.dev0
65
+ - Pytorch 2.2.2+cu121
66
+ - Datasets 2.14.6
67
+ - Tokenizers 0.15.2
all_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 1.0,
3
+ "train_loss": 0.0,
4
+ "train_runtime": 23143.2556,
5
+ "train_samples": 21594,
6
+ "train_samples_per_second": 0.933,
7
+ "train_steps_per_second": 0.058
8
+ }
runs/Apr29_05-12-15_ip-172-31-69-60.ec2.internal/events.out.tfevents.1714367558.ip-172-31-69-60.ec2.internal.33385.0 CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:01fcab6df1927a2bbabd5bd074d4df449551004125aa56555f774ef766f4d552
3
- size 38603
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:981f3eee361ac24c2c61cf4373359595bed95f19cda196b7b4decdf7c07c97c8
3
+ size 62438
train_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 1.0,
3
+ "train_loss": 0.0,
4
+ "train_runtime": 23143.2556,
5
+ "train_samples": 21594,
6
+ "train_samples_per_second": 0.933,
7
+ "train_steps_per_second": 0.058
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,1935 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 1.0,
5
+ "eval_steps": 500,
6
+ "global_step": 1350,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.0,
13
+ "grad_norm": 0.0,
14
+ "learning_rate": 1.4814814814814817e-06,
15
+ "loss": 0.0,
16
+ "step": 1
17
+ },
18
+ {
19
+ "epoch": 0.0,
20
+ "grad_norm": 0.0,
21
+ "learning_rate": 7.4074074074074075e-06,
22
+ "loss": 0.0,
23
+ "step": 5
24
+ },
25
+ {
26
+ "epoch": 0.01,
27
+ "grad_norm": 0.0,
28
+ "learning_rate": 1.4814814814814815e-05,
29
+ "loss": 0.0,
30
+ "step": 10
31
+ },
32
+ {
33
+ "epoch": 0.01,
34
+ "grad_norm": 0.0,
35
+ "learning_rate": 2.2222222222222223e-05,
36
+ "loss": 0.0,
37
+ "step": 15
38
+ },
39
+ {
40
+ "epoch": 0.01,
41
+ "grad_norm": 0.0,
42
+ "learning_rate": 2.962962962962963e-05,
43
+ "loss": 0.0,
44
+ "step": 20
45
+ },
46
+ {
47
+ "epoch": 0.02,
48
+ "grad_norm": 0.0,
49
+ "learning_rate": 3.7037037037037037e-05,
50
+ "loss": 0.0,
51
+ "step": 25
52
+ },
53
+ {
54
+ "epoch": 0.02,
55
+ "grad_norm": 0.0,
56
+ "learning_rate": 4.4444444444444447e-05,
57
+ "loss": 0.0,
58
+ "step": 30
59
+ },
60
+ {
61
+ "epoch": 0.03,
62
+ "grad_norm": 0.0,
63
+ "learning_rate": 5.185185185185185e-05,
64
+ "loss": 0.0,
65
+ "step": 35
66
+ },
67
+ {
68
+ "epoch": 0.03,
69
+ "grad_norm": 0.0,
70
+ "learning_rate": 5.925925925925926e-05,
71
+ "loss": 0.0,
72
+ "step": 40
73
+ },
74
+ {
75
+ "epoch": 0.03,
76
+ "grad_norm": 0.0,
77
+ "learning_rate": 6.666666666666667e-05,
78
+ "loss": 0.0,
79
+ "step": 45
80
+ },
81
+ {
82
+ "epoch": 0.04,
83
+ "grad_norm": 0.0,
84
+ "learning_rate": 7.407407407407407e-05,
85
+ "loss": 0.0,
86
+ "step": 50
87
+ },
88
+ {
89
+ "epoch": 0.04,
90
+ "grad_norm": 0.0,
91
+ "learning_rate": 8.148148148148148e-05,
92
+ "loss": 0.0,
93
+ "step": 55
94
+ },
95
+ {
96
+ "epoch": 0.04,
97
+ "grad_norm": 0.0,
98
+ "learning_rate": 8.888888888888889e-05,
99
+ "loss": 0.0,
100
+ "step": 60
101
+ },
102
+ {
103
+ "epoch": 0.05,
104
+ "grad_norm": 0.0,
105
+ "learning_rate": 9.62962962962963e-05,
106
+ "loss": 0.0,
107
+ "step": 65
108
+ },
109
+ {
110
+ "epoch": 0.05,
111
+ "grad_norm": 0.0,
112
+ "learning_rate": 0.0001037037037037037,
113
+ "loss": 0.0,
114
+ "step": 70
115
+ },
116
+ {
117
+ "epoch": 0.06,
118
+ "grad_norm": 0.0,
119
+ "learning_rate": 0.00011111111111111112,
120
+ "loss": 0.0,
121
+ "step": 75
122
+ },
123
+ {
124
+ "epoch": 0.06,
125
+ "grad_norm": 0.0,
126
+ "learning_rate": 0.00011851851851851852,
127
+ "loss": 0.0,
128
+ "step": 80
129
+ },
130
+ {
131
+ "epoch": 0.06,
132
+ "grad_norm": 0.0,
133
+ "learning_rate": 0.00012592592592592592,
134
+ "loss": 0.0,
135
+ "step": 85
136
+ },
137
+ {
138
+ "epoch": 0.07,
139
+ "grad_norm": 0.0,
140
+ "learning_rate": 0.00013333333333333334,
141
+ "loss": 0.0,
142
+ "step": 90
143
+ },
144
+ {
145
+ "epoch": 0.07,
146
+ "grad_norm": 0.0,
147
+ "learning_rate": 0.00014074074074074076,
148
+ "loss": 0.0,
149
+ "step": 95
150
+ },
151
+ {
152
+ "epoch": 0.07,
153
+ "grad_norm": 0.0,
154
+ "learning_rate": 0.00014814814814814815,
155
+ "loss": 0.0,
156
+ "step": 100
157
+ },
158
+ {
159
+ "epoch": 0.08,
160
+ "grad_norm": 0.0,
161
+ "learning_rate": 0.00015555555555555556,
162
+ "loss": 0.0,
163
+ "step": 105
164
+ },
165
+ {
166
+ "epoch": 0.08,
167
+ "grad_norm": 0.0,
168
+ "learning_rate": 0.00016296296296296295,
169
+ "loss": 0.0,
170
+ "step": 110
171
+ },
172
+ {
173
+ "epoch": 0.09,
174
+ "grad_norm": 0.0,
175
+ "learning_rate": 0.00017037037037037037,
176
+ "loss": 0.0,
177
+ "step": 115
178
+ },
179
+ {
180
+ "epoch": 0.09,
181
+ "grad_norm": 0.0,
182
+ "learning_rate": 0.00017777777777777779,
183
+ "loss": 0.0,
184
+ "step": 120
185
+ },
186
+ {
187
+ "epoch": 0.09,
188
+ "grad_norm": 0.0,
189
+ "learning_rate": 0.0001851851851851852,
190
+ "loss": 0.0,
191
+ "step": 125
192
+ },
193
+ {
194
+ "epoch": 0.1,
195
+ "grad_norm": 0.0,
196
+ "learning_rate": 0.0001925925925925926,
197
+ "loss": 0.0,
198
+ "step": 130
199
+ },
200
+ {
201
+ "epoch": 0.1,
202
+ "grad_norm": 0.0,
203
+ "learning_rate": 0.0002,
204
+ "loss": 0.0,
205
+ "step": 135
206
+ },
207
+ {
208
+ "epoch": 0.1,
209
+ "grad_norm": 0.0,
210
+ "learning_rate": 0.00019999164298554375,
211
+ "loss": 0.0,
212
+ "step": 140
213
+ },
214
+ {
215
+ "epoch": 0.11,
216
+ "grad_norm": 0.0,
217
+ "learning_rate": 0.00019996657333896877,
218
+ "loss": 0.0,
219
+ "step": 145
220
+ },
221
+ {
222
+ "epoch": 0.11,
223
+ "grad_norm": 0.0,
224
+ "learning_rate": 0.00019992479525042303,
225
+ "loss": 0.0,
226
+ "step": 150
227
+ },
228
+ {
229
+ "epoch": 0.11,
230
+ "grad_norm": 0.0,
231
+ "learning_rate": 0.00019986631570270832,
232
+ "loss": 0.0,
233
+ "step": 155
234
+ },
235
+ {
236
+ "epoch": 0.12,
237
+ "grad_norm": 0.0,
238
+ "learning_rate": 0.00019979114447011323,
239
+ "loss": 0.0,
240
+ "step": 160
241
+ },
242
+ {
243
+ "epoch": 0.12,
244
+ "grad_norm": 0.0,
245
+ "learning_rate": 0.0001996992941167792,
246
+ "loss": 0.0,
247
+ "step": 165
248
+ },
249
+ {
250
+ "epoch": 0.13,
251
+ "grad_norm": 0.0,
252
+ "learning_rate": 0.00019959077999460095,
253
+ "loss": 0.0,
254
+ "step": 170
255
+ },
256
+ {
257
+ "epoch": 0.13,
258
+ "grad_norm": 0.0,
259
+ "learning_rate": 0.00019946562024066014,
260
+ "loss": 0.0,
261
+ "step": 175
262
+ },
263
+ {
264
+ "epoch": 0.13,
265
+ "grad_norm": 0.0,
266
+ "learning_rate": 0.00019932383577419432,
267
+ "loss": 0.0,
268
+ "step": 180
269
+ },
270
+ {
271
+ "epoch": 0.14,
272
+ "grad_norm": 0.0,
273
+ "learning_rate": 0.00019916545029310012,
274
+ "loss": 0.0,
275
+ "step": 185
276
+ },
277
+ {
278
+ "epoch": 0.14,
279
+ "grad_norm": 0.0,
280
+ "learning_rate": 0.00019899049026997272,
281
+ "loss": 0.0,
282
+ "step": 190
283
+ },
284
+ {
285
+ "epoch": 0.14,
286
+ "grad_norm": 0.0,
287
+ "learning_rate": 0.00019879898494768093,
288
+ "loss": 0.0,
289
+ "step": 195
290
+ },
291
+ {
292
+ "epoch": 0.15,
293
+ "grad_norm": 0.0,
294
+ "learning_rate": 0.00019859096633447965,
295
+ "loss": 0.0,
296
+ "step": 200
297
+ },
298
+ {
299
+ "epoch": 0.15,
300
+ "grad_norm": 0.0,
301
+ "learning_rate": 0.0001983664691986601,
302
+ "loss": 0.0,
303
+ "step": 205
304
+ },
305
+ {
306
+ "epoch": 0.16,
307
+ "grad_norm": 0.0,
308
+ "learning_rate": 0.00019812553106273847,
309
+ "loss": 0.0,
310
+ "step": 210
311
+ },
312
+ {
313
+ "epoch": 0.16,
314
+ "grad_norm": 0.0,
315
+ "learning_rate": 0.00019786819219718443,
316
+ "loss": 0.0,
317
+ "step": 215
318
+ },
319
+ {
320
+ "epoch": 0.16,
321
+ "grad_norm": 0.0,
322
+ "learning_rate": 0.00019759449561369038,
323
+ "loss": 0.0,
324
+ "step": 220
325
+ },
326
+ {
327
+ "epoch": 0.17,
328
+ "grad_norm": 0.0,
329
+ "learning_rate": 0.00019730448705798239,
330
+ "loss": 0.0,
331
+ "step": 225
332
+ },
333
+ {
334
+ "epoch": 0.17,
335
+ "grad_norm": 0.0,
336
+ "learning_rate": 0.00019699821500217434,
337
+ "loss": 0.0,
338
+ "step": 230
339
+ },
340
+ {
341
+ "epoch": 0.17,
342
+ "grad_norm": 0.0,
343
+ "learning_rate": 0.0001966757306366662,
344
+ "loss": 0.0,
345
+ "step": 235
346
+ },
347
+ {
348
+ "epoch": 0.18,
349
+ "grad_norm": 0.0,
350
+ "learning_rate": 0.00019633708786158806,
351
+ "loss": 0.0,
352
+ "step": 240
353
+ },
354
+ {
355
+ "epoch": 0.18,
356
+ "grad_norm": 0.0,
357
+ "learning_rate": 0.00019598234327779118,
358
+ "loss": 0.0,
359
+ "step": 245
360
+ },
361
+ {
362
+ "epoch": 0.19,
363
+ "grad_norm": 0.0,
364
+ "learning_rate": 0.00019561155617738797,
365
+ "loss": 0.0,
366
+ "step": 250
367
+ },
368
+ {
369
+ "epoch": 0.19,
370
+ "grad_norm": 0.0,
371
+ "learning_rate": 0.00019522478853384155,
372
+ "loss": 0.0,
373
+ "step": 255
374
+ },
375
+ {
376
+ "epoch": 0.19,
377
+ "grad_norm": 0.0,
378
+ "learning_rate": 0.00019482210499160765,
379
+ "loss": 0.0,
380
+ "step": 260
381
+ },
382
+ {
383
+ "epoch": 0.2,
384
+ "grad_norm": 0.0,
385
+ "learning_rate": 0.00019440357285533,
386
+ "loss": 0.0,
387
+ "step": 265
388
+ },
389
+ {
390
+ "epoch": 0.2,
391
+ "grad_norm": 0.0,
392
+ "learning_rate": 0.00019396926207859084,
393
+ "loss": 0.0,
394
+ "step": 270
395
+ },
396
+ {
397
+ "epoch": 0.2,
398
+ "grad_norm": 0.0,
399
+ "learning_rate": 0.000193519245252219,
400
+ "loss": 0.0,
401
+ "step": 275
402
+ },
403
+ {
404
+ "epoch": 0.21,
405
+ "grad_norm": 0.0,
406
+ "learning_rate": 0.00019305359759215685,
407
+ "loss": 0.0,
408
+ "step": 280
409
+ },
410
+ {
411
+ "epoch": 0.21,
412
+ "grad_norm": 0.0,
413
+ "learning_rate": 0.00019257239692688907,
414
+ "loss": 0.0,
415
+ "step": 285
416
+ },
417
+ {
418
+ "epoch": 0.21,
419
+ "grad_norm": 0.0,
420
+ "learning_rate": 0.00019207572368443385,
421
+ "loss": 0.0,
422
+ "step": 290
423
+ },
424
+ {
425
+ "epoch": 0.22,
426
+ "grad_norm": 0.0,
427
+ "learning_rate": 0.0001915636608789006,
428
+ "loss": 0.0,
429
+ "step": 295
430
+ },
431
+ {
432
+ "epoch": 0.22,
433
+ "grad_norm": 0.0,
434
+ "learning_rate": 0.0001910362940966147,
435
+ "loss": 0.0,
436
+ "step": 300
437
+ },
438
+ {
439
+ "epoch": 0.23,
440
+ "grad_norm": 0.0,
441
+ "learning_rate": 0.00019049371148181253,
442
+ "loss": 0.0,
443
+ "step": 305
444
+ },
445
+ {
446
+ "epoch": 0.23,
447
+ "grad_norm": 0.0,
448
+ "learning_rate": 0.00018993600372190932,
449
+ "loss": 0.0,
450
+ "step": 310
451
+ },
452
+ {
453
+ "epoch": 0.23,
454
+ "grad_norm": 0.0,
455
+ "learning_rate": 0.00018936326403234125,
456
+ "loss": 0.0,
457
+ "step": 315
458
+ },
459
+ {
460
+ "epoch": 0.24,
461
+ "grad_norm": 0.0,
462
+ "learning_rate": 0.00018877558814098561,
463
+ "loss": 0.0,
464
+ "step": 320
465
+ },
466
+ {
467
+ "epoch": 0.24,
468
+ "grad_norm": 0.0,
469
+ "learning_rate": 0.0001881730742721608,
470
+ "loss": 0.0,
471
+ "step": 325
472
+ },
473
+ {
474
+ "epoch": 0.24,
475
+ "grad_norm": 0.0,
476
+ "learning_rate": 0.0001875558231302091,
477
+ "loss": 0.0,
478
+ "step": 330
479
+ },
480
+ {
481
+ "epoch": 0.25,
482
+ "grad_norm": 0.0,
483
+ "learning_rate": 0.00018692393788266479,
484
+ "loss": 0.0,
485
+ "step": 335
486
+ },
487
+ {
488
+ "epoch": 0.25,
489
+ "grad_norm": 0.0,
490
+ "learning_rate": 0.00018627752414301086,
491
+ "loss": 0.0,
492
+ "step": 340
493
+ },
494
+ {
495
+ "epoch": 0.26,
496
+ "grad_norm": 0.0,
497
+ "learning_rate": 0.00018561668995302667,
498
+ "loss": 0.0,
499
+ "step": 345
500
+ },
501
+ {
502
+ "epoch": 0.26,
503
+ "grad_norm": 0.0,
504
+ "learning_rate": 0.00018494154576472976,
505
+ "loss": 0.0,
506
+ "step": 350
507
+ },
508
+ {
509
+ "epoch": 0.26,
510
+ "grad_norm": 0.0,
511
+ "learning_rate": 0.00018425220442191495,
512
+ "loss": 0.0,
513
+ "step": 355
514
+ },
515
+ {
516
+ "epoch": 0.27,
517
+ "grad_norm": 0.0,
518
+ "learning_rate": 0.00018354878114129367,
519
+ "loss": 0.0,
520
+ "step": 360
521
+ },
522
+ {
523
+ "epoch": 0.27,
524
+ "grad_norm": 0.0,
525
+ "learning_rate": 0.00018283139349323634,
526
+ "loss": 0.0,
527
+ "step": 365
528
+ },
529
+ {
530
+ "epoch": 0.27,
531
+ "grad_norm": 0.0,
532
+ "learning_rate": 0.00018210016138212187,
533
+ "loss": 0.0,
534
+ "step": 370
535
+ },
536
+ {
537
+ "epoch": 0.28,
538
+ "grad_norm": 0.0,
539
+ "learning_rate": 0.00018135520702629675,
540
+ "loss": 0.0,
541
+ "step": 375
542
+ },
543
+ {
544
+ "epoch": 0.28,
545
+ "grad_norm": 0.0,
546
+ "learning_rate": 0.00018059665493764743,
547
+ "loss": 0.0,
548
+ "step": 380
549
+ },
550
+ {
551
+ "epoch": 0.29,
552
+ "grad_norm": 0.0,
553
+ "learning_rate": 0.0001798246319007893,
554
+ "loss": 0.0,
555
+ "step": 385
556
+ },
557
+ {
558
+ "epoch": 0.29,
559
+ "grad_norm": 0.0,
560
+ "learning_rate": 0.00017903926695187595,
561
+ "loss": 0.0,
562
+ "step": 390
563
+ },
564
+ {
565
+ "epoch": 0.29,
566
+ "grad_norm": 0.0,
567
+ "learning_rate": 0.00017824069135703198,
568
+ "loss": 0.0,
569
+ "step": 395
570
+ },
571
+ {
572
+ "epoch": 0.3,
573
+ "grad_norm": 0.0,
574
+ "learning_rate": 0.00017742903859041325,
575
+ "loss": 0.0,
576
+ "step": 400
577
+ },
578
+ {
579
+ "epoch": 0.3,
580
+ "grad_norm": 0.0,
581
+ "learning_rate": 0.0001766044443118978,
582
+ "loss": 0.0,
583
+ "step": 405
584
+ },
585
+ {
586
+ "epoch": 0.3,
587
+ "grad_norm": 0.0,
588
+ "learning_rate": 0.0001757670463444118,
589
+ "loss": 0.0,
590
+ "step": 410
591
+ },
592
+ {
593
+ "epoch": 0.31,
594
+ "grad_norm": 0.0,
595
+ "learning_rate": 0.00017491698465089362,
596
+ "loss": 0.0,
597
+ "step": 415
598
+ },
599
+ {
600
+ "epoch": 0.31,
601
+ "grad_norm": 0.0,
602
+ "learning_rate": 0.00017405440131090048,
603
+ "loss": 0.0,
604
+ "step": 420
605
+ },
606
+ {
607
+ "epoch": 0.31,
608
+ "grad_norm": 0.0,
609
+ "learning_rate": 0.00017317944049686124,
610
+ "loss": 0.0,
611
+ "step": 425
612
+ },
613
+ {
614
+ "epoch": 0.32,
615
+ "grad_norm": 0.0,
616
+ "learning_rate": 0.00017229224844997928,
617
+ "loss": 0.0,
618
+ "step": 430
619
+ },
620
+ {
621
+ "epoch": 0.32,
622
+ "grad_norm": 0.0,
623
+ "learning_rate": 0.00017139297345578994,
624
+ "loss": 0.0,
625
+ "step": 435
626
+ },
627
+ {
628
+ "epoch": 0.33,
629
+ "grad_norm": 0.0,
630
+ "learning_rate": 0.00017048176581937563,
631
+ "loss": 0.0,
632
+ "step": 440
633
+ },
634
+ {
635
+ "epoch": 0.33,
636
+ "grad_norm": 0.0,
637
+ "learning_rate": 0.0001695587778402442,
638
+ "loss": 0.0,
639
+ "step": 445
640
+ },
641
+ {
642
+ "epoch": 0.33,
643
+ "grad_norm": 0.0,
644
+ "learning_rate": 0.0001686241637868734,
645
+ "loss": 0.0,
646
+ "step": 450
647
+ },
648
+ {
649
+ "epoch": 0.34,
650
+ "grad_norm": 0.0,
651
+ "learning_rate": 0.00016767807987092621,
652
+ "loss": 0.0,
653
+ "step": 455
654
+ },
655
+ {
656
+ "epoch": 0.34,
657
+ "grad_norm": 0.0,
658
+ "learning_rate": 0.00016672068422114196,
659
+ "loss": 0.0,
660
+ "step": 460
661
+ },
662
+ {
663
+ "epoch": 0.34,
664
+ "grad_norm": 0.0,
665
+ "learning_rate": 0.0001657521368569064,
666
+ "loss": 0.0,
667
+ "step": 465
668
+ },
669
+ {
670
+ "epoch": 0.35,
671
+ "grad_norm": 0.0,
672
+ "learning_rate": 0.00016477259966150588,
673
+ "loss": 0.0,
674
+ "step": 470
675
+ },
676
+ {
677
+ "epoch": 0.35,
678
+ "grad_norm": 0.0,
679
+ "learning_rate": 0.0001637822363550706,
680
+ "loss": 0.0,
681
+ "step": 475
682
+ },
683
+ {
684
+ "epoch": 0.36,
685
+ "grad_norm": 0.0,
686
+ "learning_rate": 0.00016278121246720987,
687
+ "loss": 0.0,
688
+ "step": 480
689
+ },
690
+ {
691
+ "epoch": 0.36,
692
+ "grad_norm": 0.0,
693
+ "learning_rate": 0.00016176969530934572,
694
+ "loss": 0.0,
695
+ "step": 485
696
+ },
697
+ {
698
+ "epoch": 0.36,
699
+ "grad_norm": 0.0,
700
+ "learning_rate": 0.00016074785394674837,
701
+ "loss": 0.0,
702
+ "step": 490
703
+ },
704
+ {
705
+ "epoch": 0.37,
706
+ "grad_norm": 0.0,
707
+ "learning_rate": 0.00015971585917027862,
708
+ "loss": 0.0,
709
+ "step": 495
710
+ },
711
+ {
712
+ "epoch": 0.37,
713
+ "grad_norm": 0.0,
714
+ "learning_rate": 0.0001586738834678418,
715
+ "loss": 0.0,
716
+ "step": 500
717
+ },
718
+ {
719
+ "epoch": 0.37,
720
+ "grad_norm": 0.0,
721
+ "learning_rate": 0.00015762210099555803,
722
+ "loss": 0.0,
723
+ "step": 505
724
+ },
725
+ {
726
+ "epoch": 0.38,
727
+ "grad_norm": 0.0,
728
+ "learning_rate": 0.00015656068754865387,
729
+ "loss": 0.0,
730
+ "step": 510
731
+ },
732
+ {
733
+ "epoch": 0.38,
734
+ "grad_norm": 0.0,
735
+ "learning_rate": 0.0001554898205320797,
736
+ "loss": 0.0,
737
+ "step": 515
738
+ },
739
+ {
740
+ "epoch": 0.39,
741
+ "grad_norm": 0.0,
742
+ "learning_rate": 0.00015440967893085828,
743
+ "loss": 0.0,
744
+ "step": 520
745
+ },
746
+ {
747
+ "epoch": 0.39,
748
+ "grad_norm": 0.0,
749
+ "learning_rate": 0.00015332044328016914,
750
+ "loss": 0.0,
751
+ "step": 525
752
+ },
753
+ {
754
+ "epoch": 0.39,
755
+ "grad_norm": 0.0,
756
+ "learning_rate": 0.00015222229563517385,
757
+ "loss": 0.0,
758
+ "step": 530
759
+ },
760
+ {
761
+ "epoch": 0.4,
762
+ "grad_norm": 0.0,
763
+ "learning_rate": 0.00015111541954058734,
764
+ "loss": 0.0,
765
+ "step": 535
766
+ },
767
+ {
768
+ "epoch": 0.4,
769
+ "grad_norm": 0.0,
770
+ "learning_rate": 0.00015000000000000001,
771
+ "loss": 0.0,
772
+ "step": 540
773
+ },
774
+ {
775
+ "epoch": 0.4,
776
+ "grad_norm": 0.0,
777
+ "learning_rate": 0.00014887622344495643,
778
+ "loss": 0.0,
779
+ "step": 545
780
+ },
781
+ {
782
+ "epoch": 0.41,
783
+ "grad_norm": 0.0,
784
+ "learning_rate": 0.0001477442777037949,
785
+ "loss": 0.0,
786
+ "step": 550
787
+ },
788
+ {
789
+ "epoch": 0.41,
790
+ "grad_norm": 0.0,
791
+ "learning_rate": 0.0001466043519702539,
792
+ "loss": 0.0,
793
+ "step": 555
794
+ },
795
+ {
796
+ "epoch": 0.41,
797
+ "grad_norm": 0.0,
798
+ "learning_rate": 0.00014545663677185006,
799
+ "loss": 0.0,
800
+ "step": 560
801
+ },
802
+ {
803
+ "epoch": 0.42,
804
+ "grad_norm": 0.0,
805
+ "learning_rate": 0.00014430132393803352,
806
+ "loss": 0.0,
807
+ "step": 565
808
+ },
809
+ {
810
+ "epoch": 0.42,
811
+ "grad_norm": 0.0,
812
+ "learning_rate": 0.00014313860656812536,
813
+ "loss": 0.0,
814
+ "step": 570
815
+ },
816
+ {
817
+ "epoch": 0.43,
818
+ "grad_norm": 0.0,
819
+ "learning_rate": 0.0001419686789990429,
820
+ "loss": 0.0,
821
+ "step": 575
822
+ },
823
+ {
824
+ "epoch": 0.43,
825
+ "grad_norm": 0.0,
826
+ "learning_rate": 0.00014079173677281837,
827
+ "loss": 0.0,
828
+ "step": 580
829
+ },
830
+ {
831
+ "epoch": 0.43,
832
+ "grad_norm": 0.0,
833
+ "learning_rate": 0.0001396079766039157,
834
+ "loss": 0.0,
835
+ "step": 585
836
+ },
837
+ {
838
+ "epoch": 0.44,
839
+ "grad_norm": 0.0,
840
+ "learning_rate": 0.00013841759634635178,
841
+ "loss": 0.0,
842
+ "step": 590
843
+ },
844
+ {
845
+ "epoch": 0.44,
846
+ "grad_norm": 0.0,
847
+ "learning_rate": 0.00013722079496062702,
848
+ "loss": 0.0,
849
+ "step": 595
850
+ },
851
+ {
852
+ "epoch": 0.44,
853
+ "grad_norm": 0.0,
854
+ "learning_rate": 0.00013601777248047105,
855
+ "loss": 0.0,
856
+ "step": 600
857
+ },
858
+ {
859
+ "epoch": 0.45,
860
+ "grad_norm": 0.0,
861
+ "learning_rate": 0.00013480872997940905,
862
+ "loss": 0.0,
863
+ "step": 605
864
+ },
865
+ {
866
+ "epoch": 0.45,
867
+ "grad_norm": 0.0,
868
+ "learning_rate": 0.00013359386953715421,
869
+ "loss": 0.0,
870
+ "step": 610
871
+ },
872
+ {
873
+ "epoch": 0.46,
874
+ "grad_norm": 0.0,
875
+ "learning_rate": 0.00013237339420583212,
876
+ "loss": 0.0,
877
+ "step": 615
878
+ },
879
+ {
880
+ "epoch": 0.46,
881
+ "grad_norm": 0.0,
882
+ "learning_rate": 0.00013114750797604247,
883
+ "loss": 0.0,
884
+ "step": 620
885
+ },
886
+ {
887
+ "epoch": 0.46,
888
+ "grad_norm": 0.0,
889
+ "learning_rate": 0.00012991641574276418,
890
+ "loss": 0.0,
891
+ "step": 625
892
+ },
893
+ {
894
+ "epoch": 0.47,
895
+ "grad_norm": 0.0,
896
+ "learning_rate": 0.00012868032327110904,
897
+ "loss": 0.0,
898
+ "step": 630
899
+ },
900
+ {
901
+ "epoch": 0.47,
902
+ "grad_norm": 0.0,
903
+ "learning_rate": 0.00012743943716193016,
904
+ "loss": 0.0,
905
+ "step": 635
906
+ },
907
+ {
908
+ "epoch": 0.47,
909
+ "grad_norm": 0.0,
910
+ "learning_rate": 0.0001261939648172906,
911
+ "loss": 0.0,
912
+ "step": 640
913
+ },
914
+ {
915
+ "epoch": 0.48,
916
+ "grad_norm": 0.0,
917
+ "learning_rate": 0.00012494411440579814,
918
+ "loss": 0.0,
919
+ "step": 645
920
+ },
921
+ {
922
+ "epoch": 0.48,
923
+ "grad_norm": 0.0,
924
+ "learning_rate": 0.00012369009482781192,
925
+ "loss": 0.0,
926
+ "step": 650
927
+ },
928
+ {
929
+ "epoch": 0.49,
930
+ "grad_norm": 0.0,
931
+ "learning_rate": 0.00012243211568052677,
932
+ "loss": 0.0,
933
+ "step": 655
934
+ },
935
+ {
936
+ "epoch": 0.49,
937
+ "grad_norm": 0.0,
938
+ "learning_rate": 0.0001211703872229411,
939
+ "loss": 0.0,
940
+ "step": 660
941
+ },
942
+ {
943
+ "epoch": 0.49,
944
+ "grad_norm": 0.0,
945
+ "learning_rate": 0.00011990512034071406,
946
+ "loss": 0.0,
947
+ "step": 665
948
+ },
949
+ {
950
+ "epoch": 0.5,
951
+ "grad_norm": 0.0,
952
+ "learning_rate": 0.00011863652651091823,
953
+ "loss": 0.0,
954
+ "step": 670
955
+ },
956
+ {
957
+ "epoch": 0.5,
958
+ "grad_norm": 0.0,
959
+ "learning_rate": 0.00011736481776669306,
960
+ "loss": 0.0,
961
+ "step": 675
962
+ },
963
+ {
964
+ "epoch": 0.5,
965
+ "grad_norm": 0.0,
966
+ "learning_rate": 0.00011609020666180575,
967
+ "loss": 0.0,
968
+ "step": 680
969
+ },
970
+ {
971
+ "epoch": 0.51,
972
+ "grad_norm": 0.0,
973
+ "learning_rate": 0.0001148129062351249,
974
+ "loss": 0.0,
975
+ "step": 685
976
+ },
977
+ {
978
+ "epoch": 0.51,
979
+ "grad_norm": 0.0,
980
+ "learning_rate": 0.00011353312997501313,
981
+ "loss": 0.0,
982
+ "step": 690
983
+ },
984
+ {
985
+ "epoch": 0.51,
986
+ "grad_norm": 0.0,
987
+ "learning_rate": 0.00011225109178364455,
988
+ "loss": 0.0,
989
+ "step": 695
990
+ },
991
+ {
992
+ "epoch": 0.52,
993
+ "grad_norm": 0.0,
994
+ "learning_rate": 0.00011096700594125318,
995
+ "loss": 0.0,
996
+ "step": 700
997
+ },
998
+ {
999
+ "epoch": 0.52,
1000
+ "grad_norm": 0.0,
1001
+ "learning_rate": 0.00010968108707031792,
1002
+ "loss": 0.0,
1003
+ "step": 705
1004
+ },
1005
+ {
1006
+ "epoch": 0.53,
1007
+ "grad_norm": 0.0,
1008
+ "learning_rate": 0.00010839355009969068,
1009
+ "loss": 0.0,
1010
+ "step": 710
1011
+ },
1012
+ {
1013
+ "epoch": 0.53,
1014
+ "grad_norm": 0.0,
1015
+ "learning_rate": 0.00010710461022867302,
1016
+ "loss": 0.0,
1017
+ "step": 715
1018
+ },
1019
+ {
1020
+ "epoch": 0.53,
1021
+ "grad_norm": 0.0,
1022
+ "learning_rate": 0.00010581448289104758,
1023
+ "loss": 0.0,
1024
+ "step": 720
1025
+ },
1026
+ {
1027
+ "epoch": 0.54,
1028
+ "grad_norm": 0.0,
1029
+ "learning_rate": 0.00010452338371907064,
1030
+ "loss": 0.0,
1031
+ "step": 725
1032
+ },
1033
+ {
1034
+ "epoch": 0.54,
1035
+ "grad_norm": 0.0,
1036
+ "learning_rate": 0.00010323152850743107,
1037
+ "loss": 0.0,
1038
+ "step": 730
1039
+ },
1040
+ {
1041
+ "epoch": 0.54,
1042
+ "grad_norm": 0.0,
1043
+ "learning_rate": 0.00010193913317718244,
1044
+ "loss": 0.0,
1045
+ "step": 735
1046
+ },
1047
+ {
1048
+ "epoch": 0.55,
1049
+ "grad_norm": 0.0,
1050
+ "learning_rate": 0.00010064641373965393,
1051
+ "loss": 0.0,
1052
+ "step": 740
1053
+ },
1054
+ {
1055
+ "epoch": 0.55,
1056
+ "grad_norm": 0.0,
1057
+ "learning_rate": 9.935358626034606e-05,
1058
+ "loss": 0.0,
1059
+ "step": 745
1060
+ },
1061
+ {
1062
+ "epoch": 0.56,
1063
+ "grad_norm": 0.0,
1064
+ "learning_rate": 9.806086682281758e-05,
1065
+ "loss": 0.0,
1066
+ "step": 750
1067
+ },
1068
+ {
1069
+ "epoch": 0.56,
1070
+ "grad_norm": 0.0,
1071
+ "learning_rate": 9.676847149256895e-05,
1072
+ "loss": 0.0,
1073
+ "step": 755
1074
+ },
1075
+ {
1076
+ "epoch": 0.56,
1077
+ "grad_norm": 0.0,
1078
+ "learning_rate": 9.547661628092937e-05,
1079
+ "loss": 0.0,
1080
+ "step": 760
1081
+ },
1082
+ {
1083
+ "epoch": 0.57,
1084
+ "grad_norm": 0.0,
1085
+ "learning_rate": 9.418551710895243e-05,
1086
+ "loss": 0.0,
1087
+ "step": 765
1088
+ },
1089
+ {
1090
+ "epoch": 0.57,
1091
+ "grad_norm": 0.0,
1092
+ "learning_rate": 9.289538977132703e-05,
1093
+ "loss": 0.0,
1094
+ "step": 770
1095
+ },
1096
+ {
1097
+ "epoch": 0.57,
1098
+ "grad_norm": 0.0,
1099
+ "learning_rate": 9.160644990030931e-05,
1100
+ "loss": 0.0,
1101
+ "step": 775
1102
+ },
1103
+ {
1104
+ "epoch": 0.58,
1105
+ "grad_norm": 0.0,
1106
+ "learning_rate": 9.03189129296821e-05,
1107
+ "loss": 0.0,
1108
+ "step": 780
1109
+ },
1110
+ {
1111
+ "epoch": 0.58,
1112
+ "grad_norm": 0.0,
1113
+ "learning_rate": 8.903299405874684e-05,
1114
+ "loss": 0.0,
1115
+ "step": 785
1116
+ },
1117
+ {
1118
+ "epoch": 0.59,
1119
+ "grad_norm": 0.0,
1120
+ "learning_rate": 8.774890821635548e-05,
1121
+ "loss": 0.0,
1122
+ "step": 790
1123
+ },
1124
+ {
1125
+ "epoch": 0.59,
1126
+ "grad_norm": 0.0,
1127
+ "learning_rate": 8.646687002498692e-05,
1128
+ "loss": 0.0,
1129
+ "step": 795
1130
+ },
1131
+ {
1132
+ "epoch": 0.59,
1133
+ "grad_norm": 0.0,
1134
+ "learning_rate": 8.518709376487515e-05,
1135
+ "loss": 0.0,
1136
+ "step": 800
1137
+ },
1138
+ {
1139
+ "epoch": 0.6,
1140
+ "grad_norm": 0.0,
1141
+ "learning_rate": 8.390979333819426e-05,
1142
+ "loss": 0.0,
1143
+ "step": 805
1144
+ },
1145
+ {
1146
+ "epoch": 0.6,
1147
+ "grad_norm": 0.0,
1148
+ "learning_rate": 8.263518223330697e-05,
1149
+ "loss": 0.0,
1150
+ "step": 810
1151
+ },
1152
+ {
1153
+ "epoch": 0.6,
1154
+ "grad_norm": 0.0,
1155
+ "learning_rate": 8.13634734890818e-05,
1156
+ "loss": 0.0,
1157
+ "step": 815
1158
+ },
1159
+ {
1160
+ "epoch": 0.61,
1161
+ "grad_norm": 0.0,
1162
+ "learning_rate": 8.009487965928596e-05,
1163
+ "loss": 0.0,
1164
+ "step": 820
1165
+ },
1166
+ {
1167
+ "epoch": 0.61,
1168
+ "grad_norm": 0.0,
1169
+ "learning_rate": 7.882961277705895e-05,
1170
+ "loss": 0.0,
1171
+ "step": 825
1172
+ },
1173
+ {
1174
+ "epoch": 0.61,
1175
+ "grad_norm": 0.0,
1176
+ "learning_rate": 7.756788431947326e-05,
1177
+ "loss": 0.0,
1178
+ "step": 830
1179
+ },
1180
+ {
1181
+ "epoch": 0.62,
1182
+ "grad_norm": 0.0,
1183
+ "learning_rate": 7.630990517218808e-05,
1184
+ "loss": 0.0,
1185
+ "step": 835
1186
+ },
1187
+ {
1188
+ "epoch": 0.62,
1189
+ "grad_norm": 0.0,
1190
+ "learning_rate": 7.505588559420189e-05,
1191
+ "loss": 0.0,
1192
+ "step": 840
1193
+ },
1194
+ {
1195
+ "epoch": 0.63,
1196
+ "grad_norm": 0.0,
1197
+ "learning_rate": 7.380603518270941e-05,
1198
+ "loss": 0.0,
1199
+ "step": 845
1200
+ },
1201
+ {
1202
+ "epoch": 0.63,
1203
+ "grad_norm": 0.0,
1204
+ "learning_rate": 7.256056283806986e-05,
1205
+ "loss": 0.0,
1206
+ "step": 850
1207
+ },
1208
+ {
1209
+ "epoch": 0.63,
1210
+ "grad_norm": 0.0,
1211
+ "learning_rate": 7.131967672889101e-05,
1212
+ "loss": 0.0,
1213
+ "step": 855
1214
+ },
1215
+ {
1216
+ "epoch": 0.64,
1217
+ "grad_norm": 0.0,
1218
+ "learning_rate": 7.008358425723585e-05,
1219
+ "loss": 0.0,
1220
+ "step": 860
1221
+ },
1222
+ {
1223
+ "epoch": 0.64,
1224
+ "grad_norm": 0.0,
1225
+ "learning_rate": 6.885249202395754e-05,
1226
+ "loss": 0.0,
1227
+ "step": 865
1228
+ },
1229
+ {
1230
+ "epoch": 0.64,
1231
+ "grad_norm": 0.0,
1232
+ "learning_rate": 6.762660579416791e-05,
1233
+ "loss": 0.0,
1234
+ "step": 870
1235
+ },
1236
+ {
1237
+ "epoch": 0.65,
1238
+ "grad_norm": 0.0,
1239
+ "learning_rate": 6.640613046284581e-05,
1240
+ "loss": 0.0,
1241
+ "step": 875
1242
+ },
1243
+ {
1244
+ "epoch": 0.65,
1245
+ "grad_norm": 0.0,
1246
+ "learning_rate": 6.519127002059095e-05,
1247
+ "loss": 0.0,
1248
+ "step": 880
1249
+ },
1250
+ {
1251
+ "epoch": 0.66,
1252
+ "grad_norm": 0.0,
1253
+ "learning_rate": 6.398222751952899e-05,
1254
+ "loss": 0.0,
1255
+ "step": 885
1256
+ },
1257
+ {
1258
+ "epoch": 0.66,
1259
+ "grad_norm": 0.0,
1260
+ "learning_rate": 6.277920503937303e-05,
1261
+ "loss": 0.0,
1262
+ "step": 890
1263
+ },
1264
+ {
1265
+ "epoch": 0.66,
1266
+ "grad_norm": 0.0,
1267
+ "learning_rate": 6.158240365364823e-05,
1268
+ "loss": 0.0,
1269
+ "step": 895
1270
+ },
1271
+ {
1272
+ "epoch": 0.67,
1273
+ "grad_norm": 0.0,
1274
+ "learning_rate": 6.039202339608432e-05,
1275
+ "loss": 0.0,
1276
+ "step": 900
1277
+ },
1278
+ {
1279
+ "epoch": 0.67,
1280
+ "grad_norm": 0.0,
1281
+ "learning_rate": 5.920826322718165e-05,
1282
+ "loss": 0.0,
1283
+ "step": 905
1284
+ },
1285
+ {
1286
+ "epoch": 0.67,
1287
+ "grad_norm": 0.0,
1288
+ "learning_rate": 5.80313210009571e-05,
1289
+ "loss": 0.0,
1290
+ "step": 910
1291
+ },
1292
+ {
1293
+ "epoch": 0.68,
1294
+ "grad_norm": 0.0,
1295
+ "learning_rate": 5.6861393431874675e-05,
1296
+ "loss": 0.0,
1297
+ "step": 915
1298
+ },
1299
+ {
1300
+ "epoch": 0.68,
1301
+ "grad_norm": 0.0,
1302
+ "learning_rate": 5.5698676061966515e-05,
1303
+ "loss": 0.0,
1304
+ "step": 920
1305
+ },
1306
+ {
1307
+ "epoch": 0.69,
1308
+ "grad_norm": 0.0,
1309
+ "learning_rate": 5.4543363228149946e-05,
1310
+ "loss": 0.0,
1311
+ "step": 925
1312
+ },
1313
+ {
1314
+ "epoch": 0.69,
1315
+ "grad_norm": 0.0,
1316
+ "learning_rate": 5.339564802974615e-05,
1317
+ "loss": 0.0,
1318
+ "step": 930
1319
+ },
1320
+ {
1321
+ "epoch": 0.69,
1322
+ "grad_norm": 0.0,
1323
+ "learning_rate": 5.22557222962051e-05,
1324
+ "loss": 0.0,
1325
+ "step": 935
1326
+ },
1327
+ {
1328
+ "epoch": 0.7,
1329
+ "grad_norm": 0.0,
1330
+ "learning_rate": 5.112377655504359e-05,
1331
+ "loss": 0.0,
1332
+ "step": 940
1333
+ },
1334
+ {
1335
+ "epoch": 0.7,
1336
+ "grad_norm": 0.0,
1337
+ "learning_rate": 5.000000000000002e-05,
1338
+ "loss": 0.0,
1339
+ "step": 945
1340
+ },
1341
+ {
1342
+ "epoch": 0.7,
1343
+ "grad_norm": 0.0,
1344
+ "learning_rate": 4.888458045941269e-05,
1345
+ "loss": 0.0,
1346
+ "step": 950
1347
+ },
1348
+ {
1349
+ "epoch": 0.71,
1350
+ "grad_norm": 0.0,
1351
+ "learning_rate": 4.777770436482617e-05,
1352
+ "loss": 0.0,
1353
+ "step": 955
1354
+ },
1355
+ {
1356
+ "epoch": 0.71,
1357
+ "grad_norm": 0.0,
1358
+ "learning_rate": 4.66795567198309e-05,
1359
+ "loss": 0.0,
1360
+ "step": 960
1361
+ },
1362
+ {
1363
+ "epoch": 0.71,
1364
+ "grad_norm": 0.0,
1365
+ "learning_rate": 4.559032106914173e-05,
1366
+ "loss": 0.0,
1367
+ "step": 965
1368
+ },
1369
+ {
1370
+ "epoch": 0.72,
1371
+ "grad_norm": 0.0,
1372
+ "learning_rate": 4.451017946792032e-05,
1373
+ "loss": 0.0,
1374
+ "step": 970
1375
+ },
1376
+ {
1377
+ "epoch": 0.72,
1378
+ "grad_norm": 0.0,
1379
+ "learning_rate": 4.343931245134616e-05,
1380
+ "loss": 0.0,
1381
+ "step": 975
1382
+ },
1383
+ {
1384
+ "epoch": 0.73,
1385
+ "grad_norm": 0.0,
1386
+ "learning_rate": 4.2377899004441966e-05,
1387
+ "loss": 0.0,
1388
+ "step": 980
1389
+ },
1390
+ {
1391
+ "epoch": 0.73,
1392
+ "grad_norm": 0.0,
1393
+ "learning_rate": 4.132611653215822e-05,
1394
+ "loss": 0.0,
1395
+ "step": 985
1396
+ },
1397
+ {
1398
+ "epoch": 0.73,
1399
+ "grad_norm": 0.0,
1400
+ "learning_rate": 4.028414082972141e-05,
1401
+ "loss": 0.0,
1402
+ "step": 990
1403
+ },
1404
+ {
1405
+ "epoch": 0.74,
1406
+ "grad_norm": 0.0,
1407
+ "learning_rate": 3.9252146053251636e-05,
1408
+ "loss": 0.0,
1409
+ "step": 995
1410
+ },
1411
+ {
1412
+ "epoch": 0.74,
1413
+ "grad_norm": 0.0,
1414
+ "learning_rate": 3.8230304690654304e-05,
1415
+ "loss": 0.0,
1416
+ "step": 1000
1417
+ },
1418
+ {
1419
+ "epoch": 0.74,
1420
+ "grad_norm": 0.0,
1421
+ "learning_rate": 3.721878753279017e-05,
1422
+ "loss": 0.0,
1423
+ "step": 1005
1424
+ },
1425
+ {
1426
+ "epoch": 0.75,
1427
+ "grad_norm": 0.0,
1428
+ "learning_rate": 3.621776364492939e-05,
1429
+ "loss": 0.0,
1430
+ "step": 1010
1431
+ },
1432
+ {
1433
+ "epoch": 0.75,
1434
+ "grad_norm": 0.0,
1435
+ "learning_rate": 3.522740033849411e-05,
1436
+ "loss": 0.0,
1437
+ "step": 1015
1438
+ },
1439
+ {
1440
+ "epoch": 0.76,
1441
+ "grad_norm": 0.0,
1442
+ "learning_rate": 3.424786314309365e-05,
1443
+ "loss": 0.0,
1444
+ "step": 1020
1445
+ },
1446
+ {
1447
+ "epoch": 0.76,
1448
+ "grad_norm": 0.0,
1449
+ "learning_rate": 3.3279315778858036e-05,
1450
+ "loss": 0.0,
1451
+ "step": 1025
1452
+ },
1453
+ {
1454
+ "epoch": 0.76,
1455
+ "grad_norm": 0.0,
1456
+ "learning_rate": 3.2321920129073816e-05,
1457
+ "loss": 0.0,
1458
+ "step": 1030
1459
+ },
1460
+ {
1461
+ "epoch": 0.77,
1462
+ "grad_norm": 0.0,
1463
+ "learning_rate": 3.137583621312665e-05,
1464
+ "loss": 0.0,
1465
+ "step": 1035
1466
+ },
1467
+ {
1468
+ "epoch": 0.77,
1469
+ "grad_norm": 0.0,
1470
+ "learning_rate": 3.04412221597558e-05,
1471
+ "loss": 0.0,
1472
+ "step": 1040
1473
+ },
1474
+ {
1475
+ "epoch": 0.77,
1476
+ "grad_norm": 0.0,
1477
+ "learning_rate": 2.9518234180624393e-05,
1478
+ "loss": 0.0,
1479
+ "step": 1045
1480
+ },
1481
+ {
1482
+ "epoch": 0.78,
1483
+ "grad_norm": 0.0,
1484
+ "learning_rate": 2.8607026544210114e-05,
1485
+ "loss": 0.0,
1486
+ "step": 1050
1487
+ },
1488
+ {
1489
+ "epoch": 0.78,
1490
+ "grad_norm": 0.0,
1491
+ "learning_rate": 2.770775155002071e-05,
1492
+ "loss": 0.0,
1493
+ "step": 1055
1494
+ },
1495
+ {
1496
+ "epoch": 0.79,
1497
+ "grad_norm": 0.0,
1498
+ "learning_rate": 2.6820559503138797e-05,
1499
+ "loss": 0.0,
1500
+ "step": 1060
1501
+ },
1502
+ {
1503
+ "epoch": 0.79,
1504
+ "grad_norm": 0.0,
1505
+ "learning_rate": 2.594559868909956e-05,
1506
+ "loss": 0.0,
1507
+ "step": 1065
1508
+ },
1509
+ {
1510
+ "epoch": 0.79,
1511
+ "grad_norm": 0.0,
1512
+ "learning_rate": 2.50830153491064e-05,
1513
+ "loss": 0.0,
1514
+ "step": 1070
1515
+ },
1516
+ {
1517
+ "epoch": 0.8,
1518
+ "grad_norm": 0.0,
1519
+ "learning_rate": 2.423295365558821e-05,
1520
+ "loss": 0.0,
1521
+ "step": 1075
1522
+ },
1523
+ {
1524
+ "epoch": 0.8,
1525
+ "grad_norm": 0.0,
1526
+ "learning_rate": 2.339555568810221e-05,
1527
+ "loss": 0.0,
1528
+ "step": 1080
1529
+ },
1530
+ {
1531
+ "epoch": 0.8,
1532
+ "grad_norm": 0.0,
1533
+ "learning_rate": 2.2570961409586754e-05,
1534
+ "loss": 0.0,
1535
+ "step": 1085
1536
+ },
1537
+ {
1538
+ "epoch": 0.81,
1539
+ "grad_norm": 0.0,
1540
+ "learning_rate": 2.1759308642968025e-05,
1541
+ "loss": 0.0,
1542
+ "step": 1090
1543
+ },
1544
+ {
1545
+ "epoch": 0.81,
1546
+ "grad_norm": 0.0,
1547
+ "learning_rate": 2.0960733048124083e-05,
1548
+ "loss": 0.0,
1549
+ "step": 1095
1550
+ },
1551
+ {
1552
+ "epoch": 0.81,
1553
+ "grad_norm": 0.0,
1554
+ "learning_rate": 2.01753680992107e-05,
1555
+ "loss": 0.0,
1556
+ "step": 1100
1557
+ },
1558
+ {
1559
+ "epoch": 0.82,
1560
+ "grad_norm": 0.0,
1561
+ "learning_rate": 1.9403345062352573e-05,
1562
+ "loss": 0.0,
1563
+ "step": 1105
1564
+ },
1565
+ {
1566
+ "epoch": 0.82,
1567
+ "grad_norm": 0.0,
1568
+ "learning_rate": 1.864479297370325e-05,
1569
+ "loss": 0.0,
1570
+ "step": 1110
1571
+ },
1572
+ {
1573
+ "epoch": 0.83,
1574
+ "grad_norm": 0.0,
1575
+ "learning_rate": 1.7899838617878163e-05,
1576
+ "loss": 0.0,
1577
+ "step": 1115
1578
+ },
1579
+ {
1580
+ "epoch": 0.83,
1581
+ "grad_norm": 0.0,
1582
+ "learning_rate": 1.7168606506763695e-05,
1583
+ "loss": 0.0,
1584
+ "step": 1120
1585
+ },
1586
+ {
1587
+ "epoch": 0.83,
1588
+ "grad_norm": 0.0,
1589
+ "learning_rate": 1.6451218858706374e-05,
1590
+ "loss": 0.0,
1591
+ "step": 1125
1592
+ },
1593
+ {
1594
+ "epoch": 0.84,
1595
+ "grad_norm": 0.0,
1596
+ "learning_rate": 1.5747795578085046e-05,
1597
+ "loss": 0.0,
1598
+ "step": 1130
1599
+ },
1600
+ {
1601
+ "epoch": 0.84,
1602
+ "grad_norm": 0.0,
1603
+ "learning_rate": 1.505845423527027e-05,
1604
+ "loss": 0.0,
1605
+ "step": 1135
1606
+ },
1607
+ {
1608
+ "epoch": 0.84,
1609
+ "grad_norm": 0.0,
1610
+ "learning_rate": 1.4383310046973365e-05,
1611
+ "loss": 0.0,
1612
+ "step": 1140
1613
+ },
1614
+ {
1615
+ "epoch": 0.85,
1616
+ "grad_norm": 0.0,
1617
+ "learning_rate": 1.3722475856989158e-05,
1618
+ "loss": 0.0,
1619
+ "step": 1145
1620
+ },
1621
+ {
1622
+ "epoch": 0.85,
1623
+ "grad_norm": 0.0,
1624
+ "learning_rate": 1.307606211733522e-05,
1625
+ "loss": 0.0,
1626
+ "step": 1150
1627
+ },
1628
+ {
1629
+ "epoch": 0.86,
1630
+ "grad_norm": 0.0,
1631
+ "learning_rate": 1.2444176869790925e-05,
1632
+ "loss": 0.0,
1633
+ "step": 1155
1634
+ },
1635
+ {
1636
+ "epoch": 0.86,
1637
+ "grad_norm": 0.0,
1638
+ "learning_rate": 1.18269257278392e-05,
1639
+ "loss": 0.0,
1640
+ "step": 1160
1641
+ },
1642
+ {
1643
+ "epoch": 0.86,
1644
+ "grad_norm": 0.0,
1645
+ "learning_rate": 1.1224411859014417e-05,
1646
+ "loss": 0.0,
1647
+ "step": 1165
1648
+ },
1649
+ {
1650
+ "epoch": 0.87,
1651
+ "grad_norm": 0.0,
1652
+ "learning_rate": 1.0636735967658784e-05,
1653
+ "loss": 0.0,
1654
+ "step": 1170
1655
+ },
1656
+ {
1657
+ "epoch": 0.87,
1658
+ "grad_norm": 0.0,
1659
+ "learning_rate": 1.0063996278090704e-05,
1660
+ "loss": 0.0,
1661
+ "step": 1175
1662
+ },
1663
+ {
1664
+ "epoch": 0.87,
1665
+ "grad_norm": 0.0,
1666
+ "learning_rate": 9.506288518187467e-06,
1667
+ "loss": 0.0,
1668
+ "step": 1180
1669
+ },
1670
+ {
1671
+ "epoch": 0.88,
1672
+ "grad_norm": 0.0,
1673
+ "learning_rate": 8.963705903385345e-06,
1674
+ "loss": 0.0,
1675
+ "step": 1185
1676
+ },
1677
+ {
1678
+ "epoch": 0.88,
1679
+ "grad_norm": 0.0,
1680
+ "learning_rate": 8.436339121099412e-06,
1681
+ "loss": 0.0,
1682
+ "step": 1190
1683
+ },
1684
+ {
1685
+ "epoch": 0.89,
1686
+ "grad_norm": 0.0,
1687
+ "learning_rate": 7.92427631556617e-06,
1688
+ "loss": 0.0,
1689
+ "step": 1195
1690
+ },
1691
+ {
1692
+ "epoch": 0.89,
1693
+ "grad_norm": 0.0,
1694
+ "learning_rate": 7.427603073110967e-06,
1695
+ "loss": 0.0,
1696
+ "step": 1200
1697
+ },
1698
+ {
1699
+ "epoch": 0.89,
1700
+ "grad_norm": 0.0,
1701
+ "learning_rate": 6.946402407843155e-06,
1702
+ "loss": 0.0,
1703
+ "step": 1205
1704
+ },
1705
+ {
1706
+ "epoch": 0.9,
1707
+ "grad_norm": 0.0,
1708
+ "learning_rate": 6.480754747781037e-06,
1709
+ "loss": 0.0,
1710
+ "step": 1210
1711
+ },
1712
+ {
1713
+ "epoch": 0.9,
1714
+ "grad_norm": 0.0,
1715
+ "learning_rate": 6.030737921409169e-06,
1716
+ "loss": 0.0,
1717
+ "step": 1215
1718
+ },
1719
+ {
1720
+ "epoch": 0.9,
1721
+ "grad_norm": 0.0,
1722
+ "learning_rate": 5.596427144670002e-06,
1723
+ "loss": 0.0,
1724
+ "step": 1220
1725
+ },
1726
+ {
1727
+ "epoch": 0.91,
1728
+ "grad_norm": 0.0,
1729
+ "learning_rate": 5.177895008392353e-06,
1730
+ "loss": 0.0,
1731
+ "step": 1225
1732
+ },
1733
+ {
1734
+ "epoch": 0.91,
1735
+ "grad_norm": 0.0,
1736
+ "learning_rate": 4.775211466158469e-06,
1737
+ "loss": 0.0,
1738
+ "step": 1230
1739
+ },
1740
+ {
1741
+ "epoch": 0.91,
1742
+ "grad_norm": 0.0,
1743
+ "learning_rate": 4.3884438226120424e-06,
1744
+ "loss": 0.0,
1745
+ "step": 1235
1746
+ },
1747
+ {
1748
+ "epoch": 0.92,
1749
+ "grad_norm": 0.0,
1750
+ "learning_rate": 4.017656722208807e-06,
1751
+ "loss": 0.0,
1752
+ "step": 1240
1753
+ },
1754
+ {
1755
+ "epoch": 0.92,
1756
+ "grad_norm": 0.0,
1757
+ "learning_rate": 3.662912138411967e-06,
1758
+ "loss": 0.0,
1759
+ "step": 1245
1760
+ },
1761
+ {
1762
+ "epoch": 0.93,
1763
+ "grad_norm": 0.0,
1764
+ "learning_rate": 3.3242693633337983e-06,
1765
+ "loss": 0.0,
1766
+ "step": 1250
1767
+ },
1768
+ {
1769
+ "epoch": 0.93,
1770
+ "grad_norm": 0.0,
1771
+ "learning_rate": 3.0017849978256516e-06,
1772
+ "loss": 0.0,
1773
+ "step": 1255
1774
+ },
1775
+ {
1776
+ "epoch": 0.93,
1777
+ "grad_norm": 0.0,
1778
+ "learning_rate": 2.6955129420176196e-06,
1779
+ "loss": 0.0,
1780
+ "step": 1260
1781
+ },
1782
+ {
1783
+ "epoch": 0.94,
1784
+ "grad_norm": 0.0,
1785
+ "learning_rate": 2.4055043863096428e-06,
1786
+ "loss": 0.0,
1787
+ "step": 1265
1788
+ },
1789
+ {
1790
+ "epoch": 0.94,
1791
+ "grad_norm": 0.0,
1792
+ "learning_rate": 2.1318078028155888e-06,
1793
+ "loss": 0.0,
1794
+ "step": 1270
1795
+ },
1796
+ {
1797
+ "epoch": 0.94,
1798
+ "grad_norm": 0.0,
1799
+ "learning_rate": 1.874468937261531e-06,
1800
+ "loss": 0.0,
1801
+ "step": 1275
1802
+ },
1803
+ {
1804
+ "epoch": 0.95,
1805
+ "grad_norm": 0.0,
1806
+ "learning_rate": 1.6335308013398886e-06,
1807
+ "loss": 0.0,
1808
+ "step": 1280
1809
+ },
1810
+ {
1811
+ "epoch": 0.95,
1812
+ "grad_norm": 0.0,
1813
+ "learning_rate": 1.409033665520354e-06,
1814
+ "loss": 0.0,
1815
+ "step": 1285
1816
+ },
1817
+ {
1818
+ "epoch": 0.96,
1819
+ "grad_norm": 0.0,
1820
+ "learning_rate": 1.201015052319099e-06,
1821
+ "loss": 0.0,
1822
+ "step": 1290
1823
+ },
1824
+ {
1825
+ "epoch": 0.96,
1826
+ "grad_norm": 0.0,
1827
+ "learning_rate": 1.0095097300273026e-06,
1828
+ "loss": 0.0,
1829
+ "step": 1295
1830
+ },
1831
+ {
1832
+ "epoch": 0.96,
1833
+ "grad_norm": 0.0,
1834
+ "learning_rate": 8.345497068998897e-07,
1835
+ "loss": 0.0,
1836
+ "step": 1300
1837
+ },
1838
+ {
1839
+ "epoch": 0.97,
1840
+ "grad_norm": 0.0,
1841
+ "learning_rate": 6.761642258056978e-07,
1842
+ "loss": 0.0,
1843
+ "step": 1305
1844
+ },
1845
+ {
1846
+ "epoch": 0.97,
1847
+ "grad_norm": 0.0,
1848
+ "learning_rate": 5.343797593398536e-07,
1849
+ "loss": 0.0,
1850
+ "step": 1310
1851
+ },
1852
+ {
1853
+ "epoch": 0.97,
1854
+ "grad_norm": 0.0,
1855
+ "learning_rate": 4.092200053990691e-07,
1856
+ "loss": 0.0,
1857
+ "step": 1315
1858
+ },
1859
+ {
1860
+ "epoch": 0.98,
1861
+ "grad_norm": 0.0,
1862
+ "learning_rate": 3.007058832207976e-07,
1863
+ "loss": 0.0,
1864
+ "step": 1320
1865
+ },
1866
+ {
1867
+ "epoch": 0.98,
1868
+ "grad_norm": 0.0,
1869
+ "learning_rate": 2.088555298867978e-07,
1870
+ "loss": 0.0,
1871
+ "step": 1325
1872
+ },
1873
+ {
1874
+ "epoch": 0.99,
1875
+ "grad_norm": 0.0,
1876
+ "learning_rate": 1.3368429729168076e-07,
1877
+ "loss": 0.0,
1878
+ "step": 1330
1879
+ },
1880
+ {
1881
+ "epoch": 0.99,
1882
+ "grad_norm": 0.0,
1883
+ "learning_rate": 7.520474957699586e-08,
1884
+ "loss": 0.0,
1885
+ "step": 1335
1886
+ },
1887
+ {
1888
+ "epoch": 0.99,
1889
+ "grad_norm": 0.0,
1890
+ "learning_rate": 3.3426661031255026e-08,
1891
+ "loss": 0.0,
1892
+ "step": 1340
1893
+ },
1894
+ {
1895
+ "epoch": 1.0,
1896
+ "grad_norm": 0.0,
1897
+ "learning_rate": 8.357014456272794e-09,
1898
+ "loss": 0.0,
1899
+ "step": 1345
1900
+ },
1901
+ {
1902
+ "epoch": 1.0,
1903
+ "grad_norm": 0.0,
1904
+ "learning_rate": 0.0,
1905
+ "loss": 0.0,
1906
+ "step": 1350
1907
+ },
1908
+ {
1909
+ "epoch": 1.0,
1910
+ "eval_loss": NaN,
1911
+ "eval_runtime": 865.6078,
1912
+ "eval_samples_per_second": 2.669,
1913
+ "eval_steps_per_second": 0.334,
1914
+ "step": 1350
1915
+ },
1916
+ {
1917
+ "epoch": 1.0,
1918
+ "step": 1350,
1919
+ "total_flos": 2763707490304000.0,
1920
+ "train_loss": 0.0,
1921
+ "train_runtime": 23143.2556,
1922
+ "train_samples_per_second": 0.933,
1923
+ "train_steps_per_second": 0.058
1924
+ }
1925
+ ],
1926
+ "logging_steps": 5,
1927
+ "max_steps": 1350,
1928
+ "num_input_tokens_seen": 0,
1929
+ "num_train_epochs": 1,
1930
+ "save_steps": 100,
1931
+ "total_flos": 2763707490304000.0,
1932
+ "train_batch_size": 2,
1933
+ "trial_name": null,
1934
+ "trial_params": null
1935
+ }