hshankar113/multilingual-chat-slm
Browse files- README.md +6 -5
- config.json +1 -1
- generation_config.json +1 -1
- model.safetensors +1 -1
- trainer_state.json +1801 -401
- training_args.bin +1 -1
README.md
CHANGED
|
@@ -41,7 +41,8 @@ The following hyperparameters were used during training:
|
|
| 41 |
- optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
|
| 42 |
- lr_scheduler_type: linear
|
| 43 |
- lr_scheduler_warmup_steps: 1000
|
| 44 |
-
- training_steps:
|
|
|
|
| 45 |
|
| 46 |
### Training results
|
| 47 |
|
|
@@ -49,7 +50,7 @@ The following hyperparameters were used during training:
|
|
| 49 |
|
| 50 |
### Framework versions
|
| 51 |
|
| 52 |
-
- Transformers 4.
|
| 53 |
-
- Pytorch 2.
|
| 54 |
-
- Datasets 3.
|
| 55 |
-
- Tokenizers 0.21.
|
|
|
|
| 41 |
- optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
|
| 42 |
- lr_scheduler_type: linear
|
| 43 |
- lr_scheduler_warmup_steps: 1000
|
| 44 |
+
- training_steps: 30000
|
| 45 |
+
- mixed_precision_training: Native AMP
|
| 46 |
|
| 47 |
### Training results
|
| 48 |
|
|
|
|
| 50 |
|
| 51 |
### Framework versions
|
| 52 |
|
| 53 |
+
- Transformers 4.51.3
|
| 54 |
+
- Pytorch 2.8.0+cu128
|
| 55 |
+
- Datasets 3.3.2
|
| 56 |
+
- Tokenizers 0.21.0
|
config.json
CHANGED
|
@@ -24,7 +24,7 @@
|
|
| 24 |
"sliding_window": 4096,
|
| 25 |
"tie_word_embeddings": false,
|
| 26 |
"torch_dtype": "float32",
|
| 27 |
-
"transformers_version": "4.
|
| 28 |
"use_cache": false,
|
| 29 |
"use_sliding_window": false,
|
| 30 |
"vocab_size": 32000
|
|
|
|
| 24 |
"sliding_window": 4096,
|
| 25 |
"tie_word_embeddings": false,
|
| 26 |
"torch_dtype": "float32",
|
| 27 |
+
"transformers_version": "4.51.3",
|
| 28 |
"use_cache": false,
|
| 29 |
"use_sliding_window": false,
|
| 30 |
"vocab_size": 32000
|
generation_config.json
CHANGED
|
@@ -3,6 +3,6 @@
|
|
| 3 |
"bos_token_id": 1,
|
| 4 |
"eos_token_id": 2,
|
| 5 |
"pad_token_id": 0,
|
| 6 |
-
"transformers_version": "4.
|
| 7 |
"use_cache": false
|
| 8 |
}
|
|
|
|
| 3 |
"bos_token_id": 1,
|
| 4 |
"eos_token_id": 2,
|
| 5 |
"pad_token_id": 0,
|
| 6 |
+
"transformers_version": "4.51.3",
|
| 7 |
"use_cache": false
|
| 8 |
}
|
model.safetensors
CHANGED
|
@@ -1,3 +1,3 @@
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
-
oid sha256:
|
| 3 |
size 1080120048
|
|
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:2ede9e7cf02cf9741732c58b51becd5670e199835b1af9b3efac89447877c2bc
|
| 3 |
size 1080120048
|
trainer_state.json
CHANGED
|
@@ -2,725 +2,2125 @@
|
|
| 2 |
"best_global_step": null,
|
| 3 |
"best_metric": null,
|
| 4 |
"best_model_checkpoint": null,
|
| 5 |
-
"epoch": 1.
|
| 6 |
"eval_steps": 500,
|
| 7 |
-
"global_step":
|
| 8 |
"is_hyper_param_search": false,
|
| 9 |
"is_local_process_zero": true,
|
| 10 |
"is_world_process_zero": true,
|
| 11 |
"log_history": [
|
| 12 |
{
|
| 13 |
-
"epoch": 0.
|
| 14 |
-
"grad_norm":
|
| 15 |
"learning_rate": 4.950000000000001e-06,
|
| 16 |
-
"loss":
|
| 17 |
"step": 100
|
| 18 |
},
|
| 19 |
{
|
| 20 |
-
"epoch": 0.
|
| 21 |
-
"grad_norm":
|
| 22 |
"learning_rate": 9.950000000000001e-06,
|
| 23 |
-
"loss":
|
| 24 |
"step": 200
|
| 25 |
},
|
| 26 |
{
|
| 27 |
-
"epoch": 0.
|
| 28 |
-
"grad_norm":
|
| 29 |
"learning_rate": 1.4950000000000001e-05,
|
| 30 |
-
"loss":
|
| 31 |
"step": 300
|
| 32 |
},
|
| 33 |
{
|
| 34 |
-
"epoch": 0.
|
| 35 |
-
"grad_norm":
|
| 36 |
"learning_rate": 1.995e-05,
|
| 37 |
-
"loss":
|
| 38 |
"step": 400
|
| 39 |
},
|
| 40 |
{
|
| 41 |
-
"epoch": 0.
|
| 42 |
-
"grad_norm":
|
| 43 |
"learning_rate": 2.495e-05,
|
| 44 |
-
"loss":
|
| 45 |
"step": 500
|
| 46 |
},
|
| 47 |
{
|
| 48 |
-
"epoch": 0.
|
| 49 |
-
"grad_norm":
|
| 50 |
"learning_rate": 2.995e-05,
|
| 51 |
-
"loss":
|
| 52 |
"step": 600
|
| 53 |
},
|
| 54 |
{
|
| 55 |
-
"epoch":
|
| 56 |
-
"grad_norm": 3.
|
| 57 |
"learning_rate": 3.495e-05,
|
| 58 |
-
"loss":
|
| 59 |
"step": 700
|
| 60 |
},
|
| 61 |
{
|
| 62 |
-
"epoch":
|
| 63 |
-
"grad_norm":
|
| 64 |
"learning_rate": 3.995e-05,
|
| 65 |
-
"loss":
|
| 66 |
"step": 800
|
| 67 |
},
|
| 68 |
{
|
| 69 |
-
"epoch":
|
| 70 |
-
"grad_norm":
|
| 71 |
"learning_rate": 4.495e-05,
|
| 72 |
-
"loss":
|
| 73 |
"step": 900
|
| 74 |
},
|
| 75 |
{
|
| 76 |
-
"epoch":
|
| 77 |
-
"grad_norm":
|
| 78 |
"learning_rate": 4.995e-05,
|
| 79 |
-
"loss":
|
| 80 |
"step": 1000
|
| 81 |
},
|
| 82 |
{
|
| 83 |
-
"epoch":
|
| 84 |
-
"grad_norm": 2.
|
| 85 |
-
"learning_rate": 4.
|
| 86 |
-
"loss":
|
| 87 |
"step": 1100
|
| 88 |
},
|
| 89 |
{
|
| 90 |
-
"epoch":
|
| 91 |
-
"grad_norm": 2.
|
| 92 |
-
"learning_rate": 4.
|
| 93 |
-
"loss":
|
| 94 |
"step": 1200
|
| 95 |
},
|
| 96 |
{
|
| 97 |
-
"epoch":
|
| 98 |
-
"grad_norm": 2.
|
| 99 |
-
"learning_rate": 4.
|
| 100 |
-
"loss":
|
| 101 |
"step": 1300
|
| 102 |
},
|
| 103 |
{
|
| 104 |
-
"epoch":
|
| 105 |
-
"grad_norm":
|
| 106 |
-
"learning_rate": 4.
|
| 107 |
-
"loss":
|
| 108 |
"step": 1400
|
| 109 |
},
|
| 110 |
{
|
| 111 |
-
"epoch":
|
| 112 |
-
"grad_norm":
|
| 113 |
-
"learning_rate": 4.
|
| 114 |
-
"loss":
|
| 115 |
"step": 1500
|
| 116 |
},
|
| 117 |
{
|
| 118 |
-
"epoch":
|
| 119 |
-
"grad_norm": 2.
|
| 120 |
-
"learning_rate": 4.
|
| 121 |
-
"loss":
|
| 122 |
"step": 1600
|
| 123 |
},
|
| 124 |
{
|
| 125 |
-
"epoch":
|
| 126 |
-
"grad_norm": 2.
|
| 127 |
-
"learning_rate": 4.
|
| 128 |
-
"loss":
|
| 129 |
"step": 1700
|
| 130 |
},
|
| 131 |
{
|
| 132 |
-
"epoch":
|
| 133 |
-
"grad_norm": 2.
|
| 134 |
-
"learning_rate": 4.
|
| 135 |
-
"loss":
|
| 136 |
"step": 1800
|
| 137 |
},
|
| 138 |
{
|
| 139 |
-
"epoch":
|
| 140 |
-
"grad_norm": 2.
|
| 141 |
-
"learning_rate": 4.
|
| 142 |
-
"loss":
|
| 143 |
"step": 1900
|
| 144 |
},
|
| 145 |
{
|
| 146 |
-
"epoch":
|
| 147 |
-
"grad_norm": 2.
|
| 148 |
-
"learning_rate": 4.
|
| 149 |
-
"loss":
|
| 150 |
"step": 2000
|
| 151 |
},
|
| 152 |
{
|
| 153 |
-
"epoch":
|
| 154 |
-
"grad_norm": 2.
|
| 155 |
-
"learning_rate": 4.
|
| 156 |
-
"loss":
|
| 157 |
"step": 2100
|
| 158 |
},
|
| 159 |
{
|
| 160 |
-
"epoch":
|
| 161 |
-
"grad_norm": 2.
|
| 162 |
-
"learning_rate": 4.
|
| 163 |
-
"loss":
|
| 164 |
"step": 2200
|
| 165 |
},
|
| 166 |
{
|
| 167 |
-
"epoch":
|
| 168 |
-
"grad_norm": 2.
|
| 169 |
-
"learning_rate": 4.
|
| 170 |
-
"loss":
|
| 171 |
"step": 2300
|
| 172 |
},
|
| 173 |
{
|
| 174 |
-
"epoch":
|
| 175 |
-
"grad_norm": 2.
|
| 176 |
-
"learning_rate": 4.
|
| 177 |
-
"loss":
|
| 178 |
"step": 2400
|
| 179 |
},
|
| 180 |
{
|
| 181 |
-
"epoch":
|
| 182 |
-
"grad_norm": 2.
|
| 183 |
-
"learning_rate": 4.
|
| 184 |
-
"loss":
|
| 185 |
"step": 2500
|
| 186 |
},
|
| 187 |
{
|
| 188 |
-
"epoch":
|
| 189 |
-
"grad_norm": 2.
|
| 190 |
-
"learning_rate": 4.
|
| 191 |
-
"loss":
|
| 192 |
"step": 2600
|
| 193 |
},
|
| 194 |
{
|
| 195 |
-
"epoch":
|
| 196 |
-
"grad_norm": 2.
|
| 197 |
-
"learning_rate": 4.
|
| 198 |
-
"loss":
|
| 199 |
"step": 2700
|
| 200 |
},
|
| 201 |
{
|
| 202 |
-
"epoch":
|
| 203 |
-
"grad_norm": 2.
|
| 204 |
-
"learning_rate": 4.
|
| 205 |
-
"loss":
|
| 206 |
"step": 2800
|
| 207 |
},
|
| 208 |
{
|
| 209 |
-
"epoch":
|
| 210 |
-
"grad_norm": 2.
|
| 211 |
-
"learning_rate":
|
| 212 |
-
"loss":
|
| 213 |
"step": 2900
|
| 214 |
},
|
| 215 |
{
|
| 216 |
-
"epoch":
|
| 217 |
-
"grad_norm": 2.
|
| 218 |
-
"learning_rate":
|
| 219 |
-
"loss":
|
| 220 |
"step": 3000
|
| 221 |
},
|
| 222 |
{
|
| 223 |
-
"epoch":
|
| 224 |
-
"grad_norm":
|
| 225 |
-
"learning_rate":
|
| 226 |
-
"loss":
|
| 227 |
"step": 3100
|
| 228 |
},
|
| 229 |
{
|
| 230 |
-
"epoch":
|
| 231 |
-
"grad_norm": 2.
|
| 232 |
-
"learning_rate":
|
| 233 |
-
"loss": 4.
|
| 234 |
"step": 3200
|
| 235 |
},
|
| 236 |
{
|
| 237 |
-
"epoch":
|
| 238 |
-
"grad_norm": 2.
|
| 239 |
-
"learning_rate":
|
| 240 |
-
"loss": 4.
|
| 241 |
"step": 3300
|
| 242 |
},
|
| 243 |
{
|
| 244 |
-
"epoch":
|
| 245 |
-
"grad_norm": 2.
|
| 246 |
-
"learning_rate":
|
| 247 |
-
"loss": 4.
|
| 248 |
"step": 3400
|
| 249 |
},
|
| 250 |
{
|
| 251 |
-
"epoch":
|
| 252 |
-
"grad_norm": 2.
|
| 253 |
-
"learning_rate":
|
| 254 |
-
"loss": 4.
|
| 255 |
"step": 3500
|
| 256 |
},
|
| 257 |
{
|
| 258 |
-
"epoch":
|
| 259 |
-
"grad_norm": 2.
|
| 260 |
-
"learning_rate":
|
| 261 |
-
"loss": 4.
|
| 262 |
"step": 3600
|
| 263 |
},
|
| 264 |
{
|
| 265 |
-
"epoch":
|
| 266 |
-
"grad_norm": 2.
|
| 267 |
-
"learning_rate":
|
| 268 |
-
"loss": 4.
|
| 269 |
"step": 3700
|
| 270 |
},
|
| 271 |
{
|
| 272 |
-
"epoch":
|
| 273 |
-
"grad_norm": 2.
|
| 274 |
-
"learning_rate":
|
| 275 |
-
"loss": 4.
|
| 276 |
"step": 3800
|
| 277 |
},
|
| 278 |
{
|
| 279 |
-
"epoch":
|
| 280 |
-
"grad_norm": 2.
|
| 281 |
-
"learning_rate":
|
| 282 |
-
"loss": 4.
|
| 283 |
"step": 3900
|
| 284 |
},
|
| 285 |
{
|
| 286 |
-
"epoch":
|
| 287 |
-
"grad_norm": 2.
|
| 288 |
-
"learning_rate":
|
| 289 |
-
"loss": 4.
|
| 290 |
"step": 4000
|
| 291 |
},
|
| 292 |
{
|
| 293 |
-
"epoch":
|
| 294 |
-
"grad_norm": 2.
|
| 295 |
-
"learning_rate":
|
| 296 |
-
"loss": 4.
|
| 297 |
"step": 4100
|
| 298 |
},
|
| 299 |
{
|
| 300 |
-
"epoch":
|
| 301 |
-
"grad_norm": 2.
|
| 302 |
-
"learning_rate":
|
| 303 |
-
"loss": 4.
|
| 304 |
"step": 4200
|
| 305 |
},
|
| 306 |
{
|
| 307 |
-
"epoch":
|
| 308 |
-
"grad_norm": 2.
|
| 309 |
-
"learning_rate":
|
| 310 |
-
"loss": 4.
|
| 311 |
"step": 4300
|
| 312 |
},
|
| 313 |
{
|
| 314 |
-
"epoch":
|
| 315 |
-
"grad_norm": 2.
|
| 316 |
-
"learning_rate":
|
| 317 |
-
"loss": 4.
|
| 318 |
"step": 4400
|
| 319 |
},
|
| 320 |
{
|
| 321 |
-
"epoch":
|
| 322 |
-
"grad_norm": 2.
|
| 323 |
-
"learning_rate":
|
| 324 |
-
"loss": 4.
|
| 325 |
"step": 4500
|
| 326 |
},
|
| 327 |
{
|
| 328 |
-
"epoch":
|
| 329 |
-
"grad_norm": 2.
|
| 330 |
-
"learning_rate":
|
| 331 |
-
"loss": 4.
|
| 332 |
"step": 4600
|
| 333 |
},
|
| 334 |
{
|
| 335 |
-
"epoch":
|
| 336 |
-
"grad_norm": 2.
|
| 337 |
-
"learning_rate":
|
| 338 |
-
"loss": 4.
|
| 339 |
"step": 4700
|
| 340 |
},
|
| 341 |
{
|
| 342 |
-
"epoch":
|
| 343 |
-
"grad_norm": 2.
|
| 344 |
-
"learning_rate":
|
| 345 |
-
"loss": 4.
|
| 346 |
"step": 4800
|
| 347 |
},
|
| 348 |
{
|
| 349 |
-
"epoch":
|
| 350 |
-
"grad_norm": 2.
|
| 351 |
-
"learning_rate":
|
| 352 |
-
"loss": 4.
|
| 353 |
"step": 4900
|
| 354 |
},
|
| 355 |
{
|
| 356 |
-
"epoch":
|
| 357 |
-
"grad_norm":
|
| 358 |
-
"learning_rate":
|
| 359 |
-
"loss": 4.
|
| 360 |
"step": 5000
|
| 361 |
},
|
| 362 |
{
|
| 363 |
-
"epoch":
|
| 364 |
-
"grad_norm": 2.
|
| 365 |
-
"learning_rate":
|
| 366 |
-
"loss": 4.
|
| 367 |
"step": 5100
|
| 368 |
},
|
| 369 |
{
|
| 370 |
-
"epoch":
|
| 371 |
-
"grad_norm": 2.
|
| 372 |
-
"learning_rate":
|
| 373 |
-
"loss": 4.
|
| 374 |
"step": 5200
|
| 375 |
},
|
| 376 |
{
|
| 377 |
-
"epoch":
|
| 378 |
-
"grad_norm": 2.
|
| 379 |
-
"learning_rate":
|
| 380 |
-
"loss": 4.
|
| 381 |
"step": 5300
|
| 382 |
},
|
| 383 |
{
|
| 384 |
-
"epoch":
|
| 385 |
-
"grad_norm": 2.
|
| 386 |
-
"learning_rate":
|
| 387 |
-
"loss": 4.
|
| 388 |
"step": 5400
|
| 389 |
},
|
| 390 |
{
|
| 391 |
-
"epoch":
|
| 392 |
-
"grad_norm": 2.
|
| 393 |
-
"learning_rate":
|
| 394 |
-
"loss": 4.
|
| 395 |
"step": 5500
|
| 396 |
},
|
| 397 |
{
|
| 398 |
-
"epoch":
|
| 399 |
-
"grad_norm": 2.
|
| 400 |
-
"learning_rate":
|
| 401 |
-
"loss": 4.
|
| 402 |
"step": 5600
|
| 403 |
},
|
| 404 |
{
|
| 405 |
-
"epoch":
|
| 406 |
-
"grad_norm": 2.
|
| 407 |
-
"learning_rate":
|
| 408 |
-
"loss": 4.
|
| 409 |
"step": 5700
|
| 410 |
},
|
| 411 |
{
|
| 412 |
-
"epoch":
|
| 413 |
-
"grad_norm": 2.
|
| 414 |
-
"learning_rate":
|
| 415 |
-
"loss": 4.
|
| 416 |
"step": 5800
|
| 417 |
},
|
| 418 |
{
|
| 419 |
-
"epoch":
|
| 420 |
-
"grad_norm": 2.
|
| 421 |
-
"learning_rate":
|
| 422 |
-
"loss": 4.
|
| 423 |
"step": 5900
|
| 424 |
},
|
| 425 |
{
|
| 426 |
-
"epoch":
|
| 427 |
-
"grad_norm": 2.
|
| 428 |
-
"learning_rate":
|
| 429 |
-
"loss": 4.
|
| 430 |
"step": 6000
|
| 431 |
},
|
| 432 |
{
|
| 433 |
-
"epoch":
|
| 434 |
-
"grad_norm": 2.
|
| 435 |
-
"learning_rate":
|
| 436 |
-
"loss": 4.
|
| 437 |
"step": 6100
|
| 438 |
},
|
| 439 |
{
|
| 440 |
-
"epoch":
|
| 441 |
-
"grad_norm": 2.
|
| 442 |
-
"learning_rate":
|
| 443 |
-
"loss": 4.
|
| 444 |
"step": 6200
|
| 445 |
},
|
| 446 |
{
|
| 447 |
-
"epoch":
|
| 448 |
-
"grad_norm": 2.
|
| 449 |
-
"learning_rate":
|
| 450 |
-
"loss": 4.
|
| 451 |
"step": 6300
|
| 452 |
},
|
| 453 |
{
|
| 454 |
-
"epoch":
|
| 455 |
-
"grad_norm": 2.
|
| 456 |
-
"learning_rate":
|
| 457 |
-
"loss": 4.
|
| 458 |
"step": 6400
|
| 459 |
},
|
| 460 |
{
|
| 461 |
-
"epoch":
|
| 462 |
-
"grad_norm": 2.
|
| 463 |
-
"learning_rate":
|
| 464 |
-
"loss": 4.
|
| 465 |
"step": 6500
|
| 466 |
},
|
| 467 |
{
|
| 468 |
-
"epoch":
|
| 469 |
-
"grad_norm": 2.
|
| 470 |
-
"learning_rate":
|
| 471 |
-
"loss": 4.
|
| 472 |
"step": 6600
|
| 473 |
},
|
| 474 |
{
|
| 475 |
-
"epoch":
|
| 476 |
-
"grad_norm": 2.
|
| 477 |
-
"learning_rate":
|
| 478 |
-
"loss": 4.
|
| 479 |
"step": 6700
|
| 480 |
},
|
| 481 |
{
|
| 482 |
-
"epoch":
|
| 483 |
-
"grad_norm": 2.
|
| 484 |
-
"learning_rate":
|
| 485 |
-
"loss": 4.
|
| 486 |
"step": 6800
|
| 487 |
},
|
| 488 |
{
|
| 489 |
-
"epoch":
|
| 490 |
-
"grad_norm": 2.
|
| 491 |
-
"learning_rate":
|
| 492 |
-
"loss": 4.
|
| 493 |
"step": 6900
|
| 494 |
},
|
| 495 |
{
|
| 496 |
-
"epoch":
|
| 497 |
-
"grad_norm": 2.
|
| 498 |
-
"learning_rate":
|
| 499 |
-
"loss": 4.
|
| 500 |
"step": 7000
|
| 501 |
},
|
| 502 |
{
|
| 503 |
-
"epoch":
|
| 504 |
-
"grad_norm": 2.
|
| 505 |
-
"learning_rate":
|
| 506 |
-
"loss": 4.
|
| 507 |
"step": 7100
|
| 508 |
},
|
| 509 |
{
|
| 510 |
-
"epoch":
|
| 511 |
-
"grad_norm":
|
| 512 |
-
"learning_rate":
|
| 513 |
-
"loss": 4.
|
| 514 |
"step": 7200
|
| 515 |
},
|
| 516 |
{
|
| 517 |
-
"epoch":
|
| 518 |
-
"grad_norm":
|
| 519 |
-
"learning_rate":
|
| 520 |
-
"loss": 4.
|
| 521 |
"step": 7300
|
| 522 |
},
|
| 523 |
{
|
| 524 |
-
"epoch":
|
| 525 |
-
"grad_norm": 2.
|
| 526 |
-
"learning_rate":
|
| 527 |
-
"loss": 4.
|
| 528 |
"step": 7400
|
| 529 |
},
|
| 530 |
{
|
| 531 |
-
"epoch":
|
| 532 |
-
"grad_norm": 2.
|
| 533 |
-
"learning_rate":
|
| 534 |
-
"loss": 4.
|
| 535 |
"step": 7500
|
| 536 |
},
|
| 537 |
{
|
| 538 |
-
"epoch":
|
| 539 |
-
"grad_norm": 2.
|
| 540 |
-
"learning_rate":
|
| 541 |
-
"loss": 4.
|
| 542 |
"step": 7600
|
| 543 |
},
|
| 544 |
{
|
| 545 |
-
"epoch":
|
| 546 |
-
"grad_norm":
|
| 547 |
-
"learning_rate":
|
| 548 |
-
"loss": 4.
|
| 549 |
"step": 7700
|
| 550 |
},
|
| 551 |
{
|
| 552 |
-
"epoch":
|
| 553 |
-
"grad_norm": 2.
|
| 554 |
-
"learning_rate":
|
| 555 |
-
"loss": 4.
|
| 556 |
"step": 7800
|
| 557 |
},
|
| 558 |
{
|
| 559 |
-
"epoch":
|
| 560 |
-
"grad_norm": 2.
|
| 561 |
-
"learning_rate":
|
| 562 |
-
"loss": 4.
|
| 563 |
"step": 7900
|
| 564 |
},
|
| 565 |
{
|
| 566 |
-
"epoch":
|
| 567 |
-
"grad_norm": 2.
|
| 568 |
-
"learning_rate":
|
| 569 |
-
"loss": 4.
|
| 570 |
"step": 8000
|
| 571 |
},
|
| 572 |
{
|
| 573 |
-
"epoch":
|
| 574 |
-
"grad_norm": 2.
|
| 575 |
-
"learning_rate":
|
| 576 |
-
"loss": 4.
|
| 577 |
"step": 8100
|
| 578 |
},
|
| 579 |
{
|
| 580 |
-
"epoch":
|
| 581 |
-
"grad_norm":
|
| 582 |
-
"learning_rate":
|
| 583 |
-
"loss": 4.
|
| 584 |
"step": 8200
|
| 585 |
},
|
| 586 |
{
|
| 587 |
-
"epoch":
|
| 588 |
-
"grad_norm": 2.
|
| 589 |
-
"learning_rate":
|
| 590 |
-
"loss": 4.
|
| 591 |
"step": 8300
|
| 592 |
},
|
| 593 |
{
|
| 594 |
-
"epoch":
|
| 595 |
-
"grad_norm": 2.
|
| 596 |
-
"learning_rate":
|
| 597 |
-
"loss": 4.
|
| 598 |
"step": 8400
|
| 599 |
},
|
| 600 |
{
|
| 601 |
-
"epoch":
|
| 602 |
-
"grad_norm": 2.
|
| 603 |
-
"learning_rate":
|
| 604 |
-
"loss": 4.
|
| 605 |
"step": 8500
|
| 606 |
},
|
| 607 |
{
|
| 608 |
-
"epoch":
|
| 609 |
-
"grad_norm": 2.
|
| 610 |
-
"learning_rate":
|
| 611 |
-
"loss": 4.
|
| 612 |
"step": 8600
|
| 613 |
},
|
| 614 |
{
|
| 615 |
-
"epoch":
|
| 616 |
-
"grad_norm": 2.
|
| 617 |
-
"learning_rate":
|
| 618 |
-
"loss": 4.
|
| 619 |
"step": 8700
|
| 620 |
},
|
| 621 |
{
|
| 622 |
-
"epoch":
|
| 623 |
-
"grad_norm":
|
| 624 |
-
"learning_rate":
|
| 625 |
-
"loss": 4.
|
| 626 |
"step": 8800
|
| 627 |
},
|
| 628 |
{
|
| 629 |
-
"epoch":
|
| 630 |
-
"grad_norm": 2.
|
| 631 |
-
"learning_rate":
|
| 632 |
-
"loss": 4.
|
| 633 |
"step": 8900
|
| 634 |
},
|
| 635 |
{
|
| 636 |
-
"epoch":
|
| 637 |
-
"grad_norm":
|
| 638 |
-
"learning_rate":
|
| 639 |
-
"loss": 4.
|
| 640 |
"step": 9000
|
| 641 |
},
|
| 642 |
{
|
| 643 |
-
"epoch":
|
| 644 |
-
"grad_norm":
|
| 645 |
-
"learning_rate":
|
| 646 |
-
"loss": 4.
|
| 647 |
"step": 9100
|
| 648 |
},
|
| 649 |
{
|
| 650 |
-
"epoch":
|
| 651 |
-
"grad_norm": 2.
|
| 652 |
-
"learning_rate":
|
| 653 |
-
"loss": 4.
|
| 654 |
"step": 9200
|
| 655 |
},
|
| 656 |
{
|
| 657 |
-
"epoch":
|
| 658 |
-
"grad_norm":
|
| 659 |
-
"learning_rate": 3.
|
| 660 |
-
"loss": 4.
|
| 661 |
"step": 9300
|
| 662 |
},
|
| 663 |
{
|
| 664 |
-
"epoch":
|
| 665 |
-
"grad_norm": 2.
|
| 666 |
-
"learning_rate": 3.
|
| 667 |
-
"loss": 4.
|
| 668 |
"step": 9400
|
| 669 |
},
|
| 670 |
{
|
| 671 |
-
"epoch":
|
| 672 |
-
"grad_norm":
|
| 673 |
-
"learning_rate":
|
| 674 |
-
"loss": 4.
|
| 675 |
"step": 9500
|
| 676 |
},
|
| 677 |
{
|
| 678 |
-
"epoch":
|
| 679 |
-
"grad_norm":
|
| 680 |
-
"learning_rate":
|
| 681 |
-
"loss": 4.
|
| 682 |
"step": 9600
|
| 683 |
},
|
| 684 |
{
|
| 685 |
-
"epoch":
|
| 686 |
-
"grad_norm": 2.
|
| 687 |
-
"learning_rate":
|
| 688 |
-
"loss": 4.
|
| 689 |
"step": 9700
|
| 690 |
},
|
| 691 |
{
|
| 692 |
-
"epoch":
|
| 693 |
-
"grad_norm": 2.
|
| 694 |
-
"learning_rate":
|
| 695 |
-
"loss": 4.
|
| 696 |
"step": 9800
|
| 697 |
},
|
| 698 |
{
|
| 699 |
-
"epoch":
|
| 700 |
-
"grad_norm": 2.
|
| 701 |
-
"learning_rate":
|
| 702 |
-
"loss": 4.
|
| 703 |
"step": 9900
|
| 704 |
},
|
| 705 |
{
|
| 706 |
-
"epoch":
|
| 707 |
-
"grad_norm":
|
| 708 |
-
"learning_rate":
|
| 709 |
-
"loss": 4.
|
| 710 |
"step": 10000
|
| 711 |
},
|
| 712 |
{
|
| 713 |
-
"epoch":
|
| 714 |
-
"
|
| 715 |
-
"
|
| 716 |
-
"
|
| 717 |
-
"
|
| 718 |
-
|
| 719 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 720 |
}
|
| 721 |
],
|
| 722 |
"logging_steps": 100,
|
| 723 |
-
"max_steps":
|
| 724 |
"num_input_tokens_seen": 0,
|
| 725 |
"num_train_epochs": 9223372036854775807,
|
| 726 |
"save_steps": 2000,
|
|
@@ -736,7 +2136,7 @@
|
|
| 736 |
"attributes": {}
|
| 737 |
}
|
| 738 |
},
|
| 739 |
-
"total_flos":
|
| 740 |
"train_batch_size": 4,
|
| 741 |
"trial_name": null,
|
| 742 |
"trial_params": null
|
|
|
|
| 2 |
"best_global_step": null,
|
| 3 |
"best_metric": null,
|
| 4 |
"best_model_checkpoint": null,
|
| 5 |
+
"epoch": 1.0,
|
| 6 |
"eval_steps": 500,
|
| 7 |
+
"global_step": 30000,
|
| 8 |
"is_hyper_param_search": false,
|
| 9 |
"is_local_process_zero": true,
|
| 10 |
"is_world_process_zero": true,
|
| 11 |
"log_history": [
|
| 12 |
{
|
| 13 |
+
"epoch": 0.0033333333333333335,
|
| 14 |
+
"grad_norm": 2.432770013809204,
|
| 15 |
"learning_rate": 4.950000000000001e-06,
|
| 16 |
+
"loss": 4.4748,
|
| 17 |
"step": 100
|
| 18 |
},
|
| 19 |
{
|
| 20 |
+
"epoch": 0.006666666666666667,
|
| 21 |
+
"grad_norm": 3.0658187866210938,
|
| 22 |
"learning_rate": 9.950000000000001e-06,
|
| 23 |
+
"loss": 4.5848,
|
| 24 |
"step": 200
|
| 25 |
},
|
| 26 |
{
|
| 27 |
+
"epoch": 0.01,
|
| 28 |
+
"grad_norm": 3.668822765350342,
|
| 29 |
"learning_rate": 1.4950000000000001e-05,
|
| 30 |
+
"loss": 4.5434,
|
| 31 |
"step": 300
|
| 32 |
},
|
| 33 |
{
|
| 34 |
+
"epoch": 0.013333333333333334,
|
| 35 |
+
"grad_norm": 3.464035749435425,
|
| 36 |
"learning_rate": 1.995e-05,
|
| 37 |
+
"loss": 4.5642,
|
| 38 |
"step": 400
|
| 39 |
},
|
| 40 |
{
|
| 41 |
+
"epoch": 0.016666666666666666,
|
| 42 |
+
"grad_norm": 3.431352376937866,
|
| 43 |
"learning_rate": 2.495e-05,
|
| 44 |
+
"loss": 4.6208,
|
| 45 |
"step": 500
|
| 46 |
},
|
| 47 |
{
|
| 48 |
+
"epoch": 0.02,
|
| 49 |
+
"grad_norm": 3.2728869915008545,
|
| 50 |
"learning_rate": 2.995e-05,
|
| 51 |
+
"loss": 4.5531,
|
| 52 |
"step": 600
|
| 53 |
},
|
| 54 |
{
|
| 55 |
+
"epoch": 0.023333333333333334,
|
| 56 |
+
"grad_norm": 3.092519760131836,
|
| 57 |
"learning_rate": 3.495e-05,
|
| 58 |
+
"loss": 4.9349,
|
| 59 |
"step": 700
|
| 60 |
},
|
| 61 |
{
|
| 62 |
+
"epoch": 0.02666666666666667,
|
| 63 |
+
"grad_norm": 3.0196480751037598,
|
| 64 |
"learning_rate": 3.995e-05,
|
| 65 |
+
"loss": 4.98,
|
| 66 |
"step": 800
|
| 67 |
},
|
| 68 |
{
|
| 69 |
+
"epoch": 0.03,
|
| 70 |
+
"grad_norm": 3.531619071960449,
|
| 71 |
"learning_rate": 4.495e-05,
|
| 72 |
+
"loss": 4.963,
|
| 73 |
"step": 900
|
| 74 |
},
|
| 75 |
{
|
| 76 |
+
"epoch": 0.03333333333333333,
|
| 77 |
+
"grad_norm": 3.0364348888397217,
|
| 78 |
"learning_rate": 4.995e-05,
|
| 79 |
+
"loss": 4.9439,
|
| 80 |
"step": 1000
|
| 81 |
},
|
| 82 |
{
|
| 83 |
+
"epoch": 0.03666666666666667,
|
| 84 |
+
"grad_norm": 2.966171979904175,
|
| 85 |
+
"learning_rate": 4.982931034482759e-05,
|
| 86 |
+
"loss": 4.9424,
|
| 87 |
"step": 1100
|
| 88 |
},
|
| 89 |
{
|
| 90 |
+
"epoch": 0.04,
|
| 91 |
+
"grad_norm": 2.858612060546875,
|
| 92 |
+
"learning_rate": 4.9656896551724144e-05,
|
| 93 |
+
"loss": 4.9295,
|
| 94 |
"step": 1200
|
| 95 |
},
|
| 96 |
{
|
| 97 |
+
"epoch": 0.043333333333333335,
|
| 98 |
+
"grad_norm": 2.722503900527954,
|
| 99 |
+
"learning_rate": 4.948448275862069e-05,
|
| 100 |
+
"loss": 4.9062,
|
| 101 |
"step": 1300
|
| 102 |
},
|
| 103 |
{
|
| 104 |
+
"epoch": 0.04666666666666667,
|
| 105 |
+
"grad_norm": 2.561314344406128,
|
| 106 |
+
"learning_rate": 4.931206896551724e-05,
|
| 107 |
+
"loss": 4.8918,
|
| 108 |
"step": 1400
|
| 109 |
},
|
| 110 |
{
|
| 111 |
+
"epoch": 0.05,
|
| 112 |
+
"grad_norm": 3.596597671508789,
|
| 113 |
+
"learning_rate": 4.91396551724138e-05,
|
| 114 |
+
"loss": 4.9177,
|
| 115 |
"step": 1500
|
| 116 |
},
|
| 117 |
{
|
| 118 |
+
"epoch": 0.05333333333333334,
|
| 119 |
+
"grad_norm": 2.5951080322265625,
|
| 120 |
+
"learning_rate": 4.8967241379310346e-05,
|
| 121 |
+
"loss": 4.8658,
|
| 122 |
"step": 1600
|
| 123 |
},
|
| 124 |
{
|
| 125 |
+
"epoch": 0.056666666666666664,
|
| 126 |
+
"grad_norm": 2.546725034713745,
|
| 127 |
+
"learning_rate": 4.87948275862069e-05,
|
| 128 |
+
"loss": 4.847,
|
| 129 |
"step": 1700
|
| 130 |
},
|
| 131 |
{
|
| 132 |
+
"epoch": 0.06,
|
| 133 |
+
"grad_norm": 2.793475866317749,
|
| 134 |
+
"learning_rate": 4.862241379310345e-05,
|
| 135 |
+
"loss": 4.8603,
|
| 136 |
"step": 1800
|
| 137 |
},
|
| 138 |
{
|
| 139 |
+
"epoch": 0.06333333333333334,
|
| 140 |
+
"grad_norm": 2.6936521530151367,
|
| 141 |
+
"learning_rate": 4.845e-05,
|
| 142 |
+
"loss": 4.8574,
|
| 143 |
"step": 1900
|
| 144 |
},
|
| 145 |
{
|
| 146 |
+
"epoch": 0.06666666666666667,
|
| 147 |
+
"grad_norm": 2.6505532264709473,
|
| 148 |
+
"learning_rate": 4.8277586206896554e-05,
|
| 149 |
+
"loss": 4.8192,
|
| 150 |
"step": 2000
|
| 151 |
},
|
| 152 |
{
|
| 153 |
+
"epoch": 0.07,
|
| 154 |
+
"grad_norm": 2.7143611907958984,
|
| 155 |
+
"learning_rate": 4.81051724137931e-05,
|
| 156 |
+
"loss": 4.8301,
|
| 157 |
"step": 2100
|
| 158 |
},
|
| 159 |
{
|
| 160 |
+
"epoch": 0.07333333333333333,
|
| 161 |
+
"grad_norm": 2.251673460006714,
|
| 162 |
+
"learning_rate": 4.793275862068966e-05,
|
| 163 |
+
"loss": 4.8221,
|
| 164 |
"step": 2200
|
| 165 |
},
|
| 166 |
{
|
| 167 |
+
"epoch": 0.07666666666666666,
|
| 168 |
+
"grad_norm": 2.6628541946411133,
|
| 169 |
+
"learning_rate": 4.776034482758621e-05,
|
| 170 |
+
"loss": 4.8107,
|
| 171 |
"step": 2300
|
| 172 |
},
|
| 173 |
{
|
| 174 |
+
"epoch": 0.08,
|
| 175 |
+
"grad_norm": 2.4569995403289795,
|
| 176 |
+
"learning_rate": 4.758793103448276e-05,
|
| 177 |
+
"loss": 4.794,
|
| 178 |
"step": 2400
|
| 179 |
},
|
| 180 |
{
|
| 181 |
+
"epoch": 0.08333333333333333,
|
| 182 |
+
"grad_norm": 2.386894702911377,
|
| 183 |
+
"learning_rate": 4.741551724137932e-05,
|
| 184 |
+
"loss": 4.7992,
|
| 185 |
"step": 2500
|
| 186 |
},
|
| 187 |
{
|
| 188 |
+
"epoch": 0.08666666666666667,
|
| 189 |
+
"grad_norm": 2.4557945728302,
|
| 190 |
+
"learning_rate": 4.724310344827587e-05,
|
| 191 |
+
"loss": 4.7774,
|
| 192 |
"step": 2600
|
| 193 |
},
|
| 194 |
{
|
| 195 |
+
"epoch": 0.09,
|
| 196 |
+
"grad_norm": 2.6066713333129883,
|
| 197 |
+
"learning_rate": 4.7070689655172415e-05,
|
| 198 |
+
"loss": 4.7684,
|
| 199 |
"step": 2700
|
| 200 |
},
|
| 201 |
{
|
| 202 |
+
"epoch": 0.09333333333333334,
|
| 203 |
+
"grad_norm": 2.1568965911865234,
|
| 204 |
+
"learning_rate": 4.689827586206897e-05,
|
| 205 |
+
"loss": 4.8058,
|
| 206 |
"step": 2800
|
| 207 |
},
|
| 208 |
{
|
| 209 |
+
"epoch": 0.09666666666666666,
|
| 210 |
+
"grad_norm": 2.782592535018921,
|
| 211 |
+
"learning_rate": 4.672586206896552e-05,
|
| 212 |
+
"loss": 4.7507,
|
| 213 |
"step": 2900
|
| 214 |
},
|
| 215 |
{
|
| 216 |
+
"epoch": 0.1,
|
| 217 |
+
"grad_norm": 2.0947823524475098,
|
| 218 |
+
"learning_rate": 4.655344827586207e-05,
|
| 219 |
+
"loss": 4.7529,
|
| 220 |
"step": 3000
|
| 221 |
},
|
| 222 |
{
|
| 223 |
+
"epoch": 0.10333333333333333,
|
| 224 |
+
"grad_norm": 2.939363956451416,
|
| 225 |
+
"learning_rate": 4.6381034482758624e-05,
|
| 226 |
+
"loss": 4.7397,
|
| 227 |
"step": 3100
|
| 228 |
},
|
| 229 |
{
|
| 230 |
+
"epoch": 0.10666666666666667,
|
| 231 |
+
"grad_norm": 2.1280272006988525,
|
| 232 |
+
"learning_rate": 4.620862068965517e-05,
|
| 233 |
+
"loss": 4.7205,
|
| 234 |
"step": 3200
|
| 235 |
},
|
| 236 |
{
|
| 237 |
+
"epoch": 0.11,
|
| 238 |
+
"grad_norm": 2.5565991401672363,
|
| 239 |
+
"learning_rate": 4.603620689655173e-05,
|
| 240 |
+
"loss": 4.7345,
|
| 241 |
"step": 3300
|
| 242 |
},
|
| 243 |
{
|
| 244 |
+
"epoch": 0.11333333333333333,
|
| 245 |
+
"grad_norm": 2.393437147140503,
|
| 246 |
+
"learning_rate": 4.5863793103448277e-05,
|
| 247 |
+
"loss": 4.7259,
|
| 248 |
"step": 3400
|
| 249 |
},
|
| 250 |
{
|
| 251 |
+
"epoch": 0.11666666666666667,
|
| 252 |
+
"grad_norm": 2.3334264755249023,
|
| 253 |
+
"learning_rate": 4.5691379310344825e-05,
|
| 254 |
+
"loss": 4.7246,
|
| 255 |
"step": 3500
|
| 256 |
},
|
| 257 |
{
|
| 258 |
+
"epoch": 0.12,
|
| 259 |
+
"grad_norm": 2.3572139739990234,
|
| 260 |
+
"learning_rate": 4.551896551724138e-05,
|
| 261 |
+
"loss": 4.7418,
|
| 262 |
"step": 3600
|
| 263 |
},
|
| 264 |
{
|
| 265 |
+
"epoch": 0.12333333333333334,
|
| 266 |
+
"grad_norm": 2.216188907623291,
|
| 267 |
+
"learning_rate": 4.534655172413793e-05,
|
| 268 |
+
"loss": 4.7028,
|
| 269 |
"step": 3700
|
| 270 |
},
|
| 271 |
{
|
| 272 |
+
"epoch": 0.12666666666666668,
|
| 273 |
+
"grad_norm": 2.218505859375,
|
| 274 |
+
"learning_rate": 4.5174137931034485e-05,
|
| 275 |
+
"loss": 4.7195,
|
| 276 |
"step": 3800
|
| 277 |
},
|
| 278 |
{
|
| 279 |
+
"epoch": 0.13,
|
| 280 |
+
"grad_norm": 2.278543710708618,
|
| 281 |
+
"learning_rate": 4.5001724137931034e-05,
|
| 282 |
+
"loss": 4.713,
|
| 283 |
"step": 3900
|
| 284 |
},
|
| 285 |
{
|
| 286 |
+
"epoch": 0.13333333333333333,
|
| 287 |
+
"grad_norm": 2.791719913482666,
|
| 288 |
+
"learning_rate": 4.482931034482759e-05,
|
| 289 |
+
"loss": 4.7183,
|
| 290 |
"step": 4000
|
| 291 |
},
|
| 292 |
{
|
| 293 |
+
"epoch": 0.13666666666666666,
|
| 294 |
+
"grad_norm": 2.6032369136810303,
|
| 295 |
+
"learning_rate": 4.4656896551724145e-05,
|
| 296 |
+
"loss": 4.6735,
|
| 297 |
"step": 4100
|
| 298 |
},
|
| 299 |
{
|
| 300 |
+
"epoch": 0.14,
|
| 301 |
+
"grad_norm": 2.133446216583252,
|
| 302 |
+
"learning_rate": 4.448448275862069e-05,
|
| 303 |
+
"loss": 4.7103,
|
| 304 |
"step": 4200
|
| 305 |
},
|
| 306 |
{
|
| 307 |
+
"epoch": 0.14333333333333334,
|
| 308 |
+
"grad_norm": 2.0948398113250732,
|
| 309 |
+
"learning_rate": 4.431206896551724e-05,
|
| 310 |
+
"loss": 4.7108,
|
| 311 |
"step": 4300
|
| 312 |
},
|
| 313 |
{
|
| 314 |
+
"epoch": 0.14666666666666667,
|
| 315 |
+
"grad_norm": 2.1138408184051514,
|
| 316 |
+
"learning_rate": 4.41396551724138e-05,
|
| 317 |
+
"loss": 4.7027,
|
| 318 |
"step": 4400
|
| 319 |
},
|
| 320 |
{
|
| 321 |
+
"epoch": 0.15,
|
| 322 |
+
"grad_norm": 2.366734743118286,
|
| 323 |
+
"learning_rate": 4.3967241379310346e-05,
|
| 324 |
+
"loss": 4.6546,
|
| 325 |
"step": 4500
|
| 326 |
},
|
| 327 |
{
|
| 328 |
+
"epoch": 0.15333333333333332,
|
| 329 |
+
"grad_norm": 2.615391254425049,
|
| 330 |
+
"learning_rate": 4.37948275862069e-05,
|
| 331 |
+
"loss": 4.6963,
|
| 332 |
"step": 4600
|
| 333 |
},
|
| 334 |
{
|
| 335 |
+
"epoch": 0.15666666666666668,
|
| 336 |
+
"grad_norm": 2.0809595584869385,
|
| 337 |
+
"learning_rate": 4.362241379310345e-05,
|
| 338 |
+
"loss": 4.6004,
|
| 339 |
"step": 4700
|
| 340 |
},
|
| 341 |
{
|
| 342 |
+
"epoch": 0.16,
|
| 343 |
+
"grad_norm": 2.1302947998046875,
|
| 344 |
+
"learning_rate": 4.345e-05,
|
| 345 |
+
"loss": 4.6918,
|
| 346 |
"step": 4800
|
| 347 |
},
|
| 348 |
{
|
| 349 |
+
"epoch": 0.16333333333333333,
|
| 350 |
+
"grad_norm": 2.247417449951172,
|
| 351 |
+
"learning_rate": 4.3277586206896555e-05,
|
| 352 |
+
"loss": 4.6564,
|
| 353 |
"step": 4900
|
| 354 |
},
|
| 355 |
{
|
| 356 |
+
"epoch": 0.16666666666666666,
|
| 357 |
+
"grad_norm": 2.05452561378479,
|
| 358 |
+
"learning_rate": 4.31051724137931e-05,
|
| 359 |
+
"loss": 4.6742,
|
| 360 |
"step": 5000
|
| 361 |
},
|
| 362 |
{
|
| 363 |
+
"epoch": 0.17,
|
| 364 |
+
"grad_norm": 2.0982797145843506,
|
| 365 |
+
"learning_rate": 4.293275862068966e-05,
|
| 366 |
+
"loss": 4.6391,
|
| 367 |
"step": 5100
|
| 368 |
},
|
| 369 |
{
|
| 370 |
+
"epoch": 0.17333333333333334,
|
| 371 |
+
"grad_norm": 2.3988752365112305,
|
| 372 |
+
"learning_rate": 4.276034482758621e-05,
|
| 373 |
+
"loss": 4.6858,
|
| 374 |
"step": 5200
|
| 375 |
},
|
| 376 |
{
|
| 377 |
+
"epoch": 0.17666666666666667,
|
| 378 |
+
"grad_norm": 2.203742265701294,
|
| 379 |
+
"learning_rate": 4.2587931034482756e-05,
|
| 380 |
+
"loss": 4.6463,
|
| 381 |
"step": 5300
|
| 382 |
},
|
| 383 |
{
|
| 384 |
+
"epoch": 0.18,
|
| 385 |
+
"grad_norm": 2.1824591159820557,
|
| 386 |
+
"learning_rate": 4.241551724137931e-05,
|
| 387 |
+
"loss": 4.6393,
|
| 388 |
"step": 5400
|
| 389 |
},
|
| 390 |
{
|
| 391 |
+
"epoch": 0.18333333333333332,
|
| 392 |
+
"grad_norm": 2.5369467735290527,
|
| 393 |
+
"learning_rate": 4.224310344827586e-05,
|
| 394 |
+
"loss": 4.6091,
|
| 395 |
"step": 5500
|
| 396 |
},
|
| 397 |
{
|
| 398 |
+
"epoch": 0.18666666666666668,
|
| 399 |
+
"grad_norm": 2.1592929363250732,
|
| 400 |
+
"learning_rate": 4.2070689655172416e-05,
|
| 401 |
+
"loss": 4.6441,
|
| 402 |
"step": 5600
|
| 403 |
},
|
| 404 |
{
|
| 405 |
+
"epoch": 0.19,
|
| 406 |
+
"grad_norm": 2.350390672683716,
|
| 407 |
+
"learning_rate": 4.189827586206897e-05,
|
| 408 |
+
"loss": 4.604,
|
| 409 |
"step": 5700
|
| 410 |
},
|
| 411 |
{
|
| 412 |
+
"epoch": 0.19333333333333333,
|
| 413 |
+
"grad_norm": 2.2912168502807617,
|
| 414 |
+
"learning_rate": 4.172586206896552e-05,
|
| 415 |
+
"loss": 4.6515,
|
| 416 |
"step": 5800
|
| 417 |
},
|
| 418 |
{
|
| 419 |
+
"epoch": 0.19666666666666666,
|
| 420 |
+
"grad_norm": 2.186971664428711,
|
| 421 |
+
"learning_rate": 4.1553448275862075e-05,
|
| 422 |
+
"loss": 4.6237,
|
| 423 |
"step": 5900
|
| 424 |
},
|
| 425 |
{
|
| 426 |
+
"epoch": 0.2,
|
| 427 |
+
"grad_norm": 2.28682804107666,
|
| 428 |
+
"learning_rate": 4.1381034482758624e-05,
|
| 429 |
+
"loss": 4.6443,
|
| 430 |
"step": 6000
|
| 431 |
},
|
| 432 |
{
|
| 433 |
+
"epoch": 0.20333333333333334,
|
| 434 |
+
"grad_norm": 2.299591064453125,
|
| 435 |
+
"learning_rate": 4.120862068965517e-05,
|
| 436 |
+
"loss": 4.6224,
|
| 437 |
"step": 6100
|
| 438 |
},
|
| 439 |
{
|
| 440 |
+
"epoch": 0.20666666666666667,
|
| 441 |
+
"grad_norm": 2.407121181488037,
|
| 442 |
+
"learning_rate": 4.103620689655173e-05,
|
| 443 |
+
"loss": 4.6194,
|
| 444 |
"step": 6200
|
| 445 |
},
|
| 446 |
{
|
| 447 |
+
"epoch": 0.21,
|
| 448 |
+
"grad_norm": 2.0112767219543457,
|
| 449 |
+
"learning_rate": 4.086379310344828e-05,
|
| 450 |
+
"loss": 4.6089,
|
| 451 |
"step": 6300
|
| 452 |
},
|
| 453 |
{
|
| 454 |
+
"epoch": 0.21333333333333335,
|
| 455 |
+
"grad_norm": 2.166243076324463,
|
| 456 |
+
"learning_rate": 4.069137931034483e-05,
|
| 457 |
+
"loss": 4.6085,
|
| 458 |
"step": 6400
|
| 459 |
},
|
| 460 |
{
|
| 461 |
+
"epoch": 0.21666666666666667,
|
| 462 |
+
"grad_norm": 2.0218312740325928,
|
| 463 |
+
"learning_rate": 4.051896551724138e-05,
|
| 464 |
+
"loss": 4.6101,
|
| 465 |
"step": 6500
|
| 466 |
},
|
| 467 |
{
|
| 468 |
+
"epoch": 0.22,
|
| 469 |
+
"grad_norm": 2.7403626441955566,
|
| 470 |
+
"learning_rate": 4.034655172413793e-05,
|
| 471 |
+
"loss": 4.6245,
|
| 472 |
"step": 6600
|
| 473 |
},
|
| 474 |
{
|
| 475 |
+
"epoch": 0.22333333333333333,
|
| 476 |
+
"grad_norm": 2.2210118770599365,
|
| 477 |
+
"learning_rate": 4.0174137931034485e-05,
|
| 478 |
+
"loss": 4.5907,
|
| 479 |
"step": 6700
|
| 480 |
},
|
| 481 |
{
|
| 482 |
+
"epoch": 0.22666666666666666,
|
| 483 |
+
"grad_norm": 2.169027090072632,
|
| 484 |
+
"learning_rate": 4.0001724137931034e-05,
|
| 485 |
+
"loss": 4.5893,
|
| 486 |
"step": 6800
|
| 487 |
},
|
| 488 |
{
|
| 489 |
+
"epoch": 0.23,
|
| 490 |
+
"grad_norm": 2.4303510189056396,
|
| 491 |
+
"learning_rate": 3.982931034482759e-05,
|
| 492 |
+
"loss": 4.6107,
|
| 493 |
"step": 6900
|
| 494 |
},
|
| 495 |
{
|
| 496 |
+
"epoch": 0.23333333333333334,
|
| 497 |
+
"grad_norm": 2.163461446762085,
|
| 498 |
+
"learning_rate": 3.965689655172414e-05,
|
| 499 |
+
"loss": 4.5775,
|
| 500 |
"step": 7000
|
| 501 |
},
|
| 502 |
{
|
| 503 |
+
"epoch": 0.23666666666666666,
|
| 504 |
+
"grad_norm": 2.205695390701294,
|
| 505 |
+
"learning_rate": 3.948448275862069e-05,
|
| 506 |
+
"loss": 4.5853,
|
| 507 |
"step": 7100
|
| 508 |
},
|
| 509 |
{
|
| 510 |
+
"epoch": 0.24,
|
| 511 |
+
"grad_norm": 2.0187084674835205,
|
| 512 |
+
"learning_rate": 3.931206896551725e-05,
|
| 513 |
+
"loss": 4.5793,
|
| 514 |
"step": 7200
|
| 515 |
},
|
| 516 |
{
|
| 517 |
+
"epoch": 0.24333333333333335,
|
| 518 |
+
"grad_norm": 1.859401822090149,
|
| 519 |
+
"learning_rate": 3.91396551724138e-05,
|
| 520 |
+
"loss": 4.6034,
|
| 521 |
"step": 7300
|
| 522 |
},
|
| 523 |
{
|
| 524 |
+
"epoch": 0.24666666666666667,
|
| 525 |
+
"grad_norm": 2.290074586868286,
|
| 526 |
+
"learning_rate": 3.8967241379310347e-05,
|
| 527 |
+
"loss": 4.5672,
|
| 528 |
"step": 7400
|
| 529 |
},
|
| 530 |
{
|
| 531 |
+
"epoch": 0.25,
|
| 532 |
+
"grad_norm": 2.1642653942108154,
|
| 533 |
+
"learning_rate": 3.87948275862069e-05,
|
| 534 |
+
"loss": 4.5999,
|
| 535 |
"step": 7500
|
| 536 |
},
|
| 537 |
{
|
| 538 |
+
"epoch": 0.25333333333333335,
|
| 539 |
+
"grad_norm": 2.244406223297119,
|
| 540 |
+
"learning_rate": 3.862241379310345e-05,
|
| 541 |
+
"loss": 4.5578,
|
| 542 |
"step": 7600
|
| 543 |
},
|
| 544 |
{
|
| 545 |
+
"epoch": 0.25666666666666665,
|
| 546 |
+
"grad_norm": 1.9028890132904053,
|
| 547 |
+
"learning_rate": 3.845e-05,
|
| 548 |
+
"loss": 4.5886,
|
| 549 |
"step": 7700
|
| 550 |
},
|
| 551 |
{
|
| 552 |
+
"epoch": 0.26,
|
| 553 |
+
"grad_norm": 2.019014835357666,
|
| 554 |
+
"learning_rate": 3.8277586206896555e-05,
|
| 555 |
+
"loss": 4.5244,
|
| 556 |
"step": 7800
|
| 557 |
},
|
| 558 |
{
|
| 559 |
+
"epoch": 0.2633333333333333,
|
| 560 |
+
"grad_norm": 2.1580286026000977,
|
| 561 |
+
"learning_rate": 3.8105172413793104e-05,
|
| 562 |
+
"loss": 4.6004,
|
| 563 |
"step": 7900
|
| 564 |
},
|
| 565 |
{
|
| 566 |
+
"epoch": 0.26666666666666666,
|
| 567 |
+
"grad_norm": 2.341559410095215,
|
| 568 |
+
"learning_rate": 3.793275862068966e-05,
|
| 569 |
+
"loss": 4.5605,
|
| 570 |
"step": 8000
|
| 571 |
},
|
| 572 |
{
|
| 573 |
+
"epoch": 0.27,
|
| 574 |
+
"grad_norm": 2.279217481613159,
|
| 575 |
+
"learning_rate": 3.776034482758621e-05,
|
| 576 |
+
"loss": 4.5713,
|
| 577 |
"step": 8100
|
| 578 |
},
|
| 579 |
{
|
| 580 |
+
"epoch": 0.2733333333333333,
|
| 581 |
+
"grad_norm": 1.8367992639541626,
|
| 582 |
+
"learning_rate": 3.7587931034482757e-05,
|
| 583 |
+
"loss": 4.5318,
|
| 584 |
"step": 8200
|
| 585 |
},
|
| 586 |
{
|
| 587 |
+
"epoch": 0.27666666666666667,
|
| 588 |
+
"grad_norm": 2.3710546493530273,
|
| 589 |
+
"learning_rate": 3.741724137931035e-05,
|
| 590 |
+
"loss": 4.5687,
|
| 591 |
"step": 8300
|
| 592 |
},
|
| 593 |
{
|
| 594 |
+
"epoch": 0.28,
|
| 595 |
+
"grad_norm": 2.3335001468658447,
|
| 596 |
+
"learning_rate": 3.72448275862069e-05,
|
| 597 |
+
"loss": 4.5419,
|
| 598 |
"step": 8400
|
| 599 |
},
|
| 600 |
{
|
| 601 |
+
"epoch": 0.2833333333333333,
|
| 602 |
+
"grad_norm": 2.4355528354644775,
|
| 603 |
+
"learning_rate": 3.707241379310345e-05,
|
| 604 |
+
"loss": 4.5668,
|
| 605 |
"step": 8500
|
| 606 |
},
|
| 607 |
{
|
| 608 |
+
"epoch": 0.2866666666666667,
|
| 609 |
+
"grad_norm": 2.0626087188720703,
|
| 610 |
+
"learning_rate": 3.69e-05,
|
| 611 |
+
"loss": 4.5458,
|
| 612 |
"step": 8600
|
| 613 |
},
|
| 614 |
{
|
| 615 |
+
"epoch": 0.29,
|
| 616 |
+
"grad_norm": 2.086386203765869,
|
| 617 |
+
"learning_rate": 3.672758620689655e-05,
|
| 618 |
+
"loss": 4.5494,
|
| 619 |
"step": 8700
|
| 620 |
},
|
| 621 |
{
|
| 622 |
+
"epoch": 0.29333333333333333,
|
| 623 |
+
"grad_norm": 2.0059709548950195,
|
| 624 |
+
"learning_rate": 3.655517241379311e-05,
|
| 625 |
+
"loss": 4.5051,
|
| 626 |
"step": 8800
|
| 627 |
},
|
| 628 |
{
|
| 629 |
+
"epoch": 0.2966666666666667,
|
| 630 |
+
"grad_norm": 2.086092233657837,
|
| 631 |
+
"learning_rate": 3.6382758620689655e-05,
|
| 632 |
+
"loss": 4.5408,
|
| 633 |
"step": 8900
|
| 634 |
},
|
| 635 |
{
|
| 636 |
+
"epoch": 0.3,
|
| 637 |
+
"grad_norm": 2.6836307048797607,
|
| 638 |
+
"learning_rate": 3.6210344827586204e-05,
|
| 639 |
+
"loss": 4.5253,
|
| 640 |
"step": 9000
|
| 641 |
},
|
| 642 |
{
|
| 643 |
+
"epoch": 0.30333333333333334,
|
| 644 |
+
"grad_norm": 1.8528039455413818,
|
| 645 |
+
"learning_rate": 3.603793103448276e-05,
|
| 646 |
+
"loss": 4.5349,
|
| 647 |
"step": 9100
|
| 648 |
},
|
| 649 |
{
|
| 650 |
+
"epoch": 0.30666666666666664,
|
| 651 |
+
"grad_norm": 2.2291455268859863,
|
| 652 |
+
"learning_rate": 3.586551724137931e-05,
|
| 653 |
+
"loss": 4.5132,
|
| 654 |
"step": 9200
|
| 655 |
},
|
| 656 |
{
|
| 657 |
+
"epoch": 0.31,
|
| 658 |
+
"grad_norm": 1.973479151725769,
|
| 659 |
+
"learning_rate": 3.5693103448275864e-05,
|
| 660 |
+
"loss": 4.5369,
|
| 661 |
"step": 9300
|
| 662 |
},
|
| 663 |
{
|
| 664 |
+
"epoch": 0.31333333333333335,
|
| 665 |
+
"grad_norm": 2.169776201248169,
|
| 666 |
+
"learning_rate": 3.552068965517242e-05,
|
| 667 |
+
"loss": 4.5442,
|
| 668 |
"step": 9400
|
| 669 |
},
|
| 670 |
{
|
| 671 |
+
"epoch": 0.31666666666666665,
|
| 672 |
+
"grad_norm": 2.312795877456665,
|
| 673 |
+
"learning_rate": 3.534827586206897e-05,
|
| 674 |
+
"loss": 4.548,
|
| 675 |
"step": 9500
|
| 676 |
},
|
| 677 |
{
|
| 678 |
+
"epoch": 0.32,
|
| 679 |
+
"grad_norm": 1.946328043937683,
|
| 680 |
+
"learning_rate": 3.517586206896552e-05,
|
| 681 |
+
"loss": 4.512,
|
| 682 |
"step": 9600
|
| 683 |
},
|
| 684 |
{
|
| 685 |
+
"epoch": 0.3233333333333333,
|
| 686 |
+
"grad_norm": 2.379603147506714,
|
| 687 |
+
"learning_rate": 3.500344827586207e-05,
|
| 688 |
+
"loss": 4.5191,
|
| 689 |
"step": 9700
|
| 690 |
},
|
| 691 |
{
|
| 692 |
+
"epoch": 0.32666666666666666,
|
| 693 |
+
"grad_norm": 2.1291146278381348,
|
| 694 |
+
"learning_rate": 3.483103448275862e-05,
|
| 695 |
+
"loss": 4.5521,
|
| 696 |
"step": 9800
|
| 697 |
},
|
| 698 |
{
|
| 699 |
+
"epoch": 0.33,
|
| 700 |
+
"grad_norm": 2.242424488067627,
|
| 701 |
+
"learning_rate": 3.4658620689655176e-05,
|
| 702 |
+
"loss": 4.4897,
|
| 703 |
"step": 9900
|
| 704 |
},
|
| 705 |
{
|
| 706 |
+
"epoch": 0.3333333333333333,
|
| 707 |
+
"grad_norm": 2.0109705924987793,
|
| 708 |
+
"learning_rate": 3.448793103448276e-05,
|
| 709 |
+
"loss": 4.5254,
|
| 710 |
"step": 10000
|
| 711 |
},
|
| 712 |
{
|
| 713 |
+
"epoch": 0.33666666666666667,
|
| 714 |
+
"grad_norm": 2.0069398880004883,
|
| 715 |
+
"learning_rate": 3.431551724137931e-05,
|
| 716 |
+
"loss": 4.4718,
|
| 717 |
+
"step": 10100
|
| 718 |
+
},
|
| 719 |
+
{
|
| 720 |
+
"epoch": 0.34,
|
| 721 |
+
"grad_norm": 2.110619306564331,
|
| 722 |
+
"learning_rate": 3.414310344827587e-05,
|
| 723 |
+
"loss": 4.5204,
|
| 724 |
+
"step": 10200
|
| 725 |
+
},
|
| 726 |
+
{
|
| 727 |
+
"epoch": 0.3433333333333333,
|
| 728 |
+
"grad_norm": 2.287642478942871,
|
| 729 |
+
"learning_rate": 3.3970689655172415e-05,
|
| 730 |
+
"loss": 4.5132,
|
| 731 |
+
"step": 10300
|
| 732 |
+
},
|
| 733 |
+
{
|
| 734 |
+
"epoch": 0.3466666666666667,
|
| 735 |
+
"grad_norm": 2.430785655975342,
|
| 736 |
+
"learning_rate": 3.379827586206897e-05,
|
| 737 |
+
"loss": 4.5419,
|
| 738 |
+
"step": 10400
|
| 739 |
+
},
|
| 740 |
+
{
|
| 741 |
+
"epoch": 0.35,
|
| 742 |
+
"grad_norm": 2.0009684562683105,
|
| 743 |
+
"learning_rate": 3.362586206896552e-05,
|
| 744 |
+
"loss": 4.4966,
|
| 745 |
+
"step": 10500
|
| 746 |
+
},
|
| 747 |
+
{
|
| 748 |
+
"epoch": 0.35333333333333333,
|
| 749 |
+
"grad_norm": 2.163966417312622,
|
| 750 |
+
"learning_rate": 3.345344827586207e-05,
|
| 751 |
+
"loss": 4.5212,
|
| 752 |
+
"step": 10600
|
| 753 |
+
},
|
| 754 |
+
{
|
| 755 |
+
"epoch": 0.3566666666666667,
|
| 756 |
+
"grad_norm": 2.0159249305725098,
|
| 757 |
+
"learning_rate": 3.3281034482758624e-05,
|
| 758 |
+
"loss": 4.4934,
|
| 759 |
+
"step": 10700
|
| 760 |
+
},
|
| 761 |
+
{
|
| 762 |
+
"epoch": 0.36,
|
| 763 |
+
"grad_norm": 2.01526141166687,
|
| 764 |
+
"learning_rate": 3.310862068965517e-05,
|
| 765 |
+
"loss": 4.5503,
|
| 766 |
+
"step": 10800
|
| 767 |
+
},
|
| 768 |
+
{
|
| 769 |
+
"epoch": 0.36333333333333334,
|
| 770 |
+
"grad_norm": 2.336897850036621,
|
| 771 |
+
"learning_rate": 3.293620689655173e-05,
|
| 772 |
+
"loss": 4.4682,
|
| 773 |
+
"step": 10900
|
| 774 |
+
},
|
| 775 |
+
{
|
| 776 |
+
"epoch": 0.36666666666666664,
|
| 777 |
+
"grad_norm": 2.1598005294799805,
|
| 778 |
+
"learning_rate": 3.276379310344828e-05,
|
| 779 |
+
"loss": 4.5306,
|
| 780 |
+
"step": 11000
|
| 781 |
+
},
|
| 782 |
+
{
|
| 783 |
+
"epoch": 0.37,
|
| 784 |
+
"grad_norm": 2.5167276859283447,
|
| 785 |
+
"learning_rate": 3.2591379310344825e-05,
|
| 786 |
+
"loss": 4.4721,
|
| 787 |
+
"step": 11100
|
| 788 |
+
},
|
| 789 |
+
{
|
| 790 |
+
"epoch": 0.37333333333333335,
|
| 791 |
+
"grad_norm": 1.98994779586792,
|
| 792 |
+
"learning_rate": 3.241896551724138e-05,
|
| 793 |
+
"loss": 4.4932,
|
| 794 |
+
"step": 11200
|
| 795 |
+
},
|
| 796 |
+
{
|
| 797 |
+
"epoch": 0.37666666666666665,
|
| 798 |
+
"grad_norm": 2.22099232673645,
|
| 799 |
+
"learning_rate": 3.224655172413793e-05,
|
| 800 |
+
"loss": 4.475,
|
| 801 |
+
"step": 11300
|
| 802 |
+
},
|
| 803 |
+
{
|
| 804 |
+
"epoch": 0.38,
|
| 805 |
+
"grad_norm": 1.780299186706543,
|
| 806 |
+
"learning_rate": 3.2074137931034485e-05,
|
| 807 |
+
"loss": 4.5303,
|
| 808 |
+
"step": 11400
|
| 809 |
+
},
|
| 810 |
+
{
|
| 811 |
+
"epoch": 0.38333333333333336,
|
| 812 |
+
"grad_norm": 2.1039958000183105,
|
| 813 |
+
"learning_rate": 3.190172413793104e-05,
|
| 814 |
+
"loss": 4.4876,
|
| 815 |
+
"step": 11500
|
| 816 |
+
},
|
| 817 |
+
{
|
| 818 |
+
"epoch": 0.38666666666666666,
|
| 819 |
+
"grad_norm": 2.0175621509552,
|
| 820 |
+
"learning_rate": 3.172931034482759e-05,
|
| 821 |
+
"loss": 4.5166,
|
| 822 |
+
"step": 11600
|
| 823 |
+
},
|
| 824 |
+
{
|
| 825 |
+
"epoch": 0.39,
|
| 826 |
+
"grad_norm": 2.2640490531921387,
|
| 827 |
+
"learning_rate": 3.155689655172414e-05,
|
| 828 |
+
"loss": 4.4593,
|
| 829 |
+
"step": 11700
|
| 830 |
+
},
|
| 831 |
+
{
|
| 832 |
+
"epoch": 0.3933333333333333,
|
| 833 |
+
"grad_norm": 2.259965181350708,
|
| 834 |
+
"learning_rate": 3.138448275862069e-05,
|
| 835 |
+
"loss": 4.5223,
|
| 836 |
+
"step": 11800
|
| 837 |
+
},
|
| 838 |
+
{
|
| 839 |
+
"epoch": 0.39666666666666667,
|
| 840 |
+
"grad_norm": 2.384817600250244,
|
| 841 |
+
"learning_rate": 3.121206896551724e-05,
|
| 842 |
+
"loss": 4.493,
|
| 843 |
+
"step": 11900
|
| 844 |
+
},
|
| 845 |
+
{
|
| 846 |
+
"epoch": 0.4,
|
| 847 |
+
"grad_norm": 1.9847548007965088,
|
| 848 |
+
"learning_rate": 3.10396551724138e-05,
|
| 849 |
+
"loss": 4.4944,
|
| 850 |
+
"step": 12000
|
| 851 |
+
},
|
| 852 |
+
{
|
| 853 |
+
"epoch": 0.4033333333333333,
|
| 854 |
+
"grad_norm": 2.0270016193389893,
|
| 855 |
+
"learning_rate": 3.0867241379310346e-05,
|
| 856 |
+
"loss": 4.4925,
|
| 857 |
+
"step": 12100
|
| 858 |
+
},
|
| 859 |
+
{
|
| 860 |
+
"epoch": 0.4066666666666667,
|
| 861 |
+
"grad_norm": 2.279428482055664,
|
| 862 |
+
"learning_rate": 3.069655172413793e-05,
|
| 863 |
+
"loss": 4.4995,
|
| 864 |
+
"step": 12200
|
| 865 |
+
},
|
| 866 |
+
{
|
| 867 |
+
"epoch": 0.41,
|
| 868 |
+
"grad_norm": 2.1263952255249023,
|
| 869 |
+
"learning_rate": 3.052413793103449e-05,
|
| 870 |
+
"loss": 4.4687,
|
| 871 |
+
"step": 12300
|
| 872 |
+
},
|
| 873 |
+
{
|
| 874 |
+
"epoch": 0.41333333333333333,
|
| 875 |
+
"grad_norm": 2.1277477741241455,
|
| 876 |
+
"learning_rate": 3.0351724137931037e-05,
|
| 877 |
+
"loss": 4.4833,
|
| 878 |
+
"step": 12400
|
| 879 |
+
},
|
| 880 |
+
{
|
| 881 |
+
"epoch": 0.4166666666666667,
|
| 882 |
+
"grad_norm": 1.9847360849380493,
|
| 883 |
+
"learning_rate": 3.017931034482759e-05,
|
| 884 |
+
"loss": 4.4832,
|
| 885 |
+
"step": 12500
|
| 886 |
+
},
|
| 887 |
+
{
|
| 888 |
+
"epoch": 0.42,
|
| 889 |
+
"grad_norm": 1.7778632640838623,
|
| 890 |
+
"learning_rate": 3.000689655172414e-05,
|
| 891 |
+
"loss": 4.4682,
|
| 892 |
+
"step": 12600
|
| 893 |
+
},
|
| 894 |
+
{
|
| 895 |
+
"epoch": 0.42333333333333334,
|
| 896 |
+
"grad_norm": 2.1409926414489746,
|
| 897 |
+
"learning_rate": 2.983448275862069e-05,
|
| 898 |
+
"loss": 4.5006,
|
| 899 |
+
"step": 12700
|
| 900 |
+
},
|
| 901 |
+
{
|
| 902 |
+
"epoch": 0.4266666666666667,
|
| 903 |
+
"grad_norm": 2.5149056911468506,
|
| 904 |
+
"learning_rate": 2.966206896551724e-05,
|
| 905 |
+
"loss": 4.4466,
|
| 906 |
+
"step": 12800
|
| 907 |
+
},
|
| 908 |
+
{
|
| 909 |
+
"epoch": 0.43,
|
| 910 |
+
"grad_norm": 2.458773612976074,
|
| 911 |
+
"learning_rate": 2.9489655172413794e-05,
|
| 912 |
+
"loss": 4.4996,
|
| 913 |
+
"step": 12900
|
| 914 |
+
},
|
| 915 |
+
{
|
| 916 |
+
"epoch": 0.43333333333333335,
|
| 917 |
+
"grad_norm": 1.972216248512268,
|
| 918 |
+
"learning_rate": 2.9317241379310346e-05,
|
| 919 |
+
"loss": 4.4611,
|
| 920 |
+
"step": 13000
|
| 921 |
+
},
|
| 922 |
+
{
|
| 923 |
+
"epoch": 0.43666666666666665,
|
| 924 |
+
"grad_norm": 2.464979887008667,
|
| 925 |
+
"learning_rate": 2.9144827586206898e-05,
|
| 926 |
+
"loss": 4.5022,
|
| 927 |
+
"step": 13100
|
| 928 |
+
},
|
| 929 |
+
{
|
| 930 |
+
"epoch": 0.44,
|
| 931 |
+
"grad_norm": 2.4846181869506836,
|
| 932 |
+
"learning_rate": 2.8972413793103447e-05,
|
| 933 |
+
"loss": 4.4629,
|
| 934 |
+
"step": 13200
|
| 935 |
+
},
|
| 936 |
+
{
|
| 937 |
+
"epoch": 0.44333333333333336,
|
| 938 |
+
"grad_norm": 2.5245821475982666,
|
| 939 |
+
"learning_rate": 2.88e-05,
|
| 940 |
+
"loss": 4.4802,
|
| 941 |
+
"step": 13300
|
| 942 |
+
},
|
| 943 |
+
{
|
| 944 |
+
"epoch": 0.44666666666666666,
|
| 945 |
+
"grad_norm": 2.218487024307251,
|
| 946 |
+
"learning_rate": 2.862758620689655e-05,
|
| 947 |
+
"loss": 4.4598,
|
| 948 |
+
"step": 13400
|
| 949 |
+
},
|
| 950 |
+
{
|
| 951 |
+
"epoch": 0.45,
|
| 952 |
+
"grad_norm": 1.7457364797592163,
|
| 953 |
+
"learning_rate": 2.8455172413793106e-05,
|
| 954 |
+
"loss": 4.487,
|
| 955 |
+
"step": 13500
|
| 956 |
+
},
|
| 957 |
+
{
|
| 958 |
+
"epoch": 0.4533333333333333,
|
| 959 |
+
"grad_norm": 2.262539863586426,
|
| 960 |
+
"learning_rate": 2.828275862068966e-05,
|
| 961 |
+
"loss": 4.4315,
|
| 962 |
+
"step": 13600
|
| 963 |
+
},
|
| 964 |
+
{
|
| 965 |
+
"epoch": 0.45666666666666667,
|
| 966 |
+
"grad_norm": 2.005768299102783,
|
| 967 |
+
"learning_rate": 2.811034482758621e-05,
|
| 968 |
+
"loss": 4.4736,
|
| 969 |
+
"step": 13700
|
| 970 |
+
},
|
| 971 |
+
{
|
| 972 |
+
"epoch": 0.46,
|
| 973 |
+
"grad_norm": 1.9539450407028198,
|
| 974 |
+
"learning_rate": 2.7937931034482763e-05,
|
| 975 |
+
"loss": 4.4243,
|
| 976 |
+
"step": 13800
|
| 977 |
+
},
|
| 978 |
+
{
|
| 979 |
+
"epoch": 0.4633333333333333,
|
| 980 |
+
"grad_norm": 2.2052249908447266,
|
| 981 |
+
"learning_rate": 2.7765517241379315e-05,
|
| 982 |
+
"loss": 4.4758,
|
| 983 |
+
"step": 13900
|
| 984 |
+
},
|
| 985 |
+
{
|
| 986 |
+
"epoch": 0.4666666666666667,
|
| 987 |
+
"grad_norm": 2.210599184036255,
|
| 988 |
+
"learning_rate": 2.7593103448275863e-05,
|
| 989 |
+
"loss": 4.4682,
|
| 990 |
+
"step": 14000
|
| 991 |
+
},
|
| 992 |
+
{
|
| 993 |
+
"epoch": 0.47,
|
| 994 |
+
"grad_norm": 1.977975845336914,
|
| 995 |
+
"learning_rate": 2.7420689655172415e-05,
|
| 996 |
+
"loss": 4.4722,
|
| 997 |
+
"step": 14100
|
| 998 |
+
},
|
| 999 |
+
{
|
| 1000 |
+
"epoch": 0.47333333333333333,
|
| 1001 |
+
"grad_norm": 2.3111207485198975,
|
| 1002 |
+
"learning_rate": 2.7248275862068968e-05,
|
| 1003 |
+
"loss": 4.4341,
|
| 1004 |
+
"step": 14200
|
| 1005 |
+
},
|
| 1006 |
+
{
|
| 1007 |
+
"epoch": 0.4766666666666667,
|
| 1008 |
+
"grad_norm": 2.1010982990264893,
|
| 1009 |
+
"learning_rate": 2.707586206896552e-05,
|
| 1010 |
+
"loss": 4.4488,
|
| 1011 |
+
"step": 14300
|
| 1012 |
+
},
|
| 1013 |
+
{
|
| 1014 |
+
"epoch": 0.48,
|
| 1015 |
+
"grad_norm": 2.0630757808685303,
|
| 1016 |
+
"learning_rate": 2.6903448275862068e-05,
|
| 1017 |
+
"loss": 4.4477,
|
| 1018 |
+
"step": 14400
|
| 1019 |
+
},
|
| 1020 |
+
{
|
| 1021 |
+
"epoch": 0.48333333333333334,
|
| 1022 |
+
"grad_norm": 1.975195288658142,
|
| 1023 |
+
"learning_rate": 2.673103448275862e-05,
|
| 1024 |
+
"loss": 4.4461,
|
| 1025 |
+
"step": 14500
|
| 1026 |
+
},
|
| 1027 |
+
{
|
| 1028 |
+
"epoch": 0.4866666666666667,
|
| 1029 |
+
"grad_norm": 2.149717330932617,
|
| 1030 |
+
"learning_rate": 2.6558620689655172e-05,
|
| 1031 |
+
"loss": 4.46,
|
| 1032 |
+
"step": 14600
|
| 1033 |
+
},
|
| 1034 |
+
{
|
| 1035 |
+
"epoch": 0.49,
|
| 1036 |
+
"grad_norm": 2.3318910598754883,
|
| 1037 |
+
"learning_rate": 2.638793103448276e-05,
|
| 1038 |
+
"loss": 4.433,
|
| 1039 |
+
"step": 14700
|
| 1040 |
+
},
|
| 1041 |
+
{
|
| 1042 |
+
"epoch": 0.49333333333333335,
|
| 1043 |
+
"grad_norm": 2.138505220413208,
|
| 1044 |
+
"learning_rate": 2.621551724137931e-05,
|
| 1045 |
+
"loss": 4.4408,
|
| 1046 |
+
"step": 14800
|
| 1047 |
+
},
|
| 1048 |
+
{
|
| 1049 |
+
"epoch": 0.49666666666666665,
|
| 1050 |
+
"grad_norm": 1.8805365562438965,
|
| 1051 |
+
"learning_rate": 2.6043103448275863e-05,
|
| 1052 |
+
"loss": 4.4495,
|
| 1053 |
+
"step": 14900
|
| 1054 |
+
},
|
| 1055 |
+
{
|
| 1056 |
+
"epoch": 0.5,
|
| 1057 |
+
"grad_norm": 2.2338950634002686,
|
| 1058 |
+
"learning_rate": 2.5870689655172415e-05,
|
| 1059 |
+
"loss": 4.4754,
|
| 1060 |
+
"step": 15000
|
| 1061 |
+
},
|
| 1062 |
+
{
|
| 1063 |
+
"epoch": 0.5033333333333333,
|
| 1064 |
+
"grad_norm": 2.114830255508423,
|
| 1065 |
+
"learning_rate": 2.5698275862068967e-05,
|
| 1066 |
+
"loss": 4.4402,
|
| 1067 |
+
"step": 15100
|
| 1068 |
+
},
|
| 1069 |
+
{
|
| 1070 |
+
"epoch": 0.5066666666666667,
|
| 1071 |
+
"grad_norm": 2.1137115955352783,
|
| 1072 |
+
"learning_rate": 2.5525862068965516e-05,
|
| 1073 |
+
"loss": 4.4754,
|
| 1074 |
+
"step": 15200
|
| 1075 |
+
},
|
| 1076 |
+
{
|
| 1077 |
+
"epoch": 0.51,
|
| 1078 |
+
"grad_norm": 2.3145370483398438,
|
| 1079 |
+
"learning_rate": 2.5353448275862068e-05,
|
| 1080 |
+
"loss": 4.4133,
|
| 1081 |
+
"step": 15300
|
| 1082 |
+
},
|
| 1083 |
+
{
|
| 1084 |
+
"epoch": 0.5133333333333333,
|
| 1085 |
+
"grad_norm": 1.9466785192489624,
|
| 1086 |
+
"learning_rate": 2.518103448275862e-05,
|
| 1087 |
+
"loss": 4.4558,
|
| 1088 |
+
"step": 15400
|
| 1089 |
+
},
|
| 1090 |
+
{
|
| 1091 |
+
"epoch": 0.5166666666666667,
|
| 1092 |
+
"grad_norm": 2.052103042602539,
|
| 1093 |
+
"learning_rate": 2.5008620689655172e-05,
|
| 1094 |
+
"loss": 4.4199,
|
| 1095 |
+
"step": 15500
|
| 1096 |
+
},
|
| 1097 |
+
{
|
| 1098 |
+
"epoch": 0.52,
|
| 1099 |
+
"grad_norm": 2.0328545570373535,
|
| 1100 |
+
"learning_rate": 2.4836206896551724e-05,
|
| 1101 |
+
"loss": 4.4633,
|
| 1102 |
+
"step": 15600
|
| 1103 |
+
},
|
| 1104 |
+
{
|
| 1105 |
+
"epoch": 0.5233333333333333,
|
| 1106 |
+
"grad_norm": 1.8531575202941895,
|
| 1107 |
+
"learning_rate": 2.4665517241379314e-05,
|
| 1108 |
+
"loss": 4.4161,
|
| 1109 |
+
"step": 15700
|
| 1110 |
+
},
|
| 1111 |
+
{
|
| 1112 |
+
"epoch": 0.5266666666666666,
|
| 1113 |
+
"grad_norm": 2.1167118549346924,
|
| 1114 |
+
"learning_rate": 2.4493103448275866e-05,
|
| 1115 |
+
"loss": 4.4631,
|
| 1116 |
+
"step": 15800
|
| 1117 |
+
},
|
| 1118 |
+
{
|
| 1119 |
+
"epoch": 0.53,
|
| 1120 |
+
"grad_norm": 2.288839101791382,
|
| 1121 |
+
"learning_rate": 2.4320689655172415e-05,
|
| 1122 |
+
"loss": 4.4275,
|
| 1123 |
+
"step": 15900
|
| 1124 |
+
},
|
| 1125 |
+
{
|
| 1126 |
+
"epoch": 0.5333333333333333,
|
| 1127 |
+
"grad_norm": 2.267571449279785,
|
| 1128 |
+
"learning_rate": 2.4148275862068967e-05,
|
| 1129 |
+
"loss": 4.4367,
|
| 1130 |
+
"step": 16000
|
| 1131 |
+
},
|
| 1132 |
+
{
|
| 1133 |
+
"epoch": 0.5366666666666666,
|
| 1134 |
+
"grad_norm": 2.238534927368164,
|
| 1135 |
+
"learning_rate": 2.397586206896552e-05,
|
| 1136 |
+
"loss": 4.4161,
|
| 1137 |
+
"step": 16100
|
| 1138 |
+
},
|
| 1139 |
+
{
|
| 1140 |
+
"epoch": 0.54,
|
| 1141 |
+
"grad_norm": 1.891422986984253,
|
| 1142 |
+
"learning_rate": 2.380344827586207e-05,
|
| 1143 |
+
"loss": 4.4454,
|
| 1144 |
+
"step": 16200
|
| 1145 |
+
},
|
| 1146 |
+
{
|
| 1147 |
+
"epoch": 0.5433333333333333,
|
| 1148 |
+
"grad_norm": 2.3173861503601074,
|
| 1149 |
+
"learning_rate": 2.363103448275862e-05,
|
| 1150 |
+
"loss": 4.4087,
|
| 1151 |
+
"step": 16300
|
| 1152 |
+
},
|
| 1153 |
+
{
|
| 1154 |
+
"epoch": 0.5466666666666666,
|
| 1155 |
+
"grad_norm": 1.741228461265564,
|
| 1156 |
+
"learning_rate": 2.345862068965517e-05,
|
| 1157 |
+
"loss": 4.4441,
|
| 1158 |
+
"step": 16400
|
| 1159 |
+
},
|
| 1160 |
+
{
|
| 1161 |
+
"epoch": 0.55,
|
| 1162 |
+
"grad_norm": 2.76397442817688,
|
| 1163 |
+
"learning_rate": 2.3286206896551727e-05,
|
| 1164 |
+
"loss": 4.4192,
|
| 1165 |
+
"step": 16500
|
| 1166 |
+
},
|
| 1167 |
+
{
|
| 1168 |
+
"epoch": 0.5533333333333333,
|
| 1169 |
+
"grad_norm": 2.1828739643096924,
|
| 1170 |
+
"learning_rate": 2.311379310344828e-05,
|
| 1171 |
+
"loss": 4.4073,
|
| 1172 |
+
"step": 16600
|
| 1173 |
+
},
|
| 1174 |
+
{
|
| 1175 |
+
"epoch": 0.5566666666666666,
|
| 1176 |
+
"grad_norm": 1.968559741973877,
|
| 1177 |
+
"learning_rate": 2.2941379310344828e-05,
|
| 1178 |
+
"loss": 4.4374,
|
| 1179 |
+
"step": 16700
|
| 1180 |
+
},
|
| 1181 |
+
{
|
| 1182 |
+
"epoch": 0.56,
|
| 1183 |
+
"grad_norm": 2.170126438140869,
|
| 1184 |
+
"learning_rate": 2.276896551724138e-05,
|
| 1185 |
+
"loss": 4.4077,
|
| 1186 |
+
"step": 16800
|
| 1187 |
+
},
|
| 1188 |
+
{
|
| 1189 |
+
"epoch": 0.5633333333333334,
|
| 1190 |
+
"grad_norm": 2.200995922088623,
|
| 1191 |
+
"learning_rate": 2.2596551724137932e-05,
|
| 1192 |
+
"loss": 4.4115,
|
| 1193 |
+
"step": 16900
|
| 1194 |
+
},
|
| 1195 |
+
{
|
| 1196 |
+
"epoch": 0.5666666666666667,
|
| 1197 |
+
"grad_norm": 2.0842859745025635,
|
| 1198 |
+
"learning_rate": 2.2424137931034484e-05,
|
| 1199 |
+
"loss": 4.3951,
|
| 1200 |
+
"step": 17000
|
| 1201 |
+
},
|
| 1202 |
+
{
|
| 1203 |
+
"epoch": 0.57,
|
| 1204 |
+
"grad_norm": 2.1672942638397217,
|
| 1205 |
+
"learning_rate": 2.2251724137931036e-05,
|
| 1206 |
+
"loss": 4.4495,
|
| 1207 |
+
"step": 17100
|
| 1208 |
+
},
|
| 1209 |
+
{
|
| 1210 |
+
"epoch": 0.5733333333333334,
|
| 1211 |
+
"grad_norm": 2.1524171829223633,
|
| 1212 |
+
"learning_rate": 2.2079310344827585e-05,
|
| 1213 |
+
"loss": 4.4148,
|
| 1214 |
+
"step": 17200
|
| 1215 |
+
},
|
| 1216 |
+
{
|
| 1217 |
+
"epoch": 0.5766666666666667,
|
| 1218 |
+
"grad_norm": 2.0464670658111572,
|
| 1219 |
+
"learning_rate": 2.190689655172414e-05,
|
| 1220 |
+
"loss": 4.4217,
|
| 1221 |
+
"step": 17300
|
| 1222 |
+
},
|
| 1223 |
+
{
|
| 1224 |
+
"epoch": 0.58,
|
| 1225 |
+
"grad_norm": 2.345148801803589,
|
| 1226 |
+
"learning_rate": 2.1734482758620693e-05,
|
| 1227 |
+
"loss": 4.3839,
|
| 1228 |
+
"step": 17400
|
| 1229 |
+
},
|
| 1230 |
+
{
|
| 1231 |
+
"epoch": 0.5833333333333334,
|
| 1232 |
+
"grad_norm": 2.089466094970703,
|
| 1233 |
+
"learning_rate": 2.1562068965517245e-05,
|
| 1234 |
+
"loss": 4.4422,
|
| 1235 |
+
"step": 17500
|
| 1236 |
+
},
|
| 1237 |
+
{
|
| 1238 |
+
"epoch": 0.5866666666666667,
|
| 1239 |
+
"grad_norm": 2.0062997341156006,
|
| 1240 |
+
"learning_rate": 2.1389655172413793e-05,
|
| 1241 |
+
"loss": 4.383,
|
| 1242 |
+
"step": 17600
|
| 1243 |
+
},
|
| 1244 |
+
{
|
| 1245 |
+
"epoch": 0.59,
|
| 1246 |
+
"grad_norm": 1.9194973707199097,
|
| 1247 |
+
"learning_rate": 2.1217241379310345e-05,
|
| 1248 |
+
"loss": 4.4357,
|
| 1249 |
+
"step": 17700
|
| 1250 |
+
},
|
| 1251 |
+
{
|
| 1252 |
+
"epoch": 0.5933333333333334,
|
| 1253 |
+
"grad_norm": 2.143671989440918,
|
| 1254 |
+
"learning_rate": 2.1044827586206898e-05,
|
| 1255 |
+
"loss": 4.4016,
|
| 1256 |
+
"step": 17800
|
| 1257 |
+
},
|
| 1258 |
+
{
|
| 1259 |
+
"epoch": 0.5966666666666667,
|
| 1260 |
+
"grad_norm": 2.0662789344787598,
|
| 1261 |
+
"learning_rate": 2.087241379310345e-05,
|
| 1262 |
+
"loss": 4.4194,
|
| 1263 |
+
"step": 17900
|
| 1264 |
+
},
|
| 1265 |
+
{
|
| 1266 |
+
"epoch": 0.6,
|
| 1267 |
+
"grad_norm": 2.1098804473876953,
|
| 1268 |
+
"learning_rate": 2.07e-05,
|
| 1269 |
+
"loss": 4.3904,
|
| 1270 |
+
"step": 18000
|
| 1271 |
+
},
|
| 1272 |
+
{
|
| 1273 |
+
"epoch": 0.6033333333333334,
|
| 1274 |
+
"grad_norm": 2.246016502380371,
|
| 1275 |
+
"learning_rate": 2.0527586206896554e-05,
|
| 1276 |
+
"loss": 4.407,
|
| 1277 |
+
"step": 18100
|
| 1278 |
+
},
|
| 1279 |
+
{
|
| 1280 |
+
"epoch": 0.6066666666666667,
|
| 1281 |
+
"grad_norm": 2.139479637145996,
|
| 1282 |
+
"learning_rate": 2.0355172413793106e-05,
|
| 1283 |
+
"loss": 4.4069,
|
| 1284 |
+
"step": 18200
|
| 1285 |
+
},
|
| 1286 |
+
{
|
| 1287 |
+
"epoch": 0.61,
|
| 1288 |
+
"grad_norm": 2.2395882606506348,
|
| 1289 |
+
"learning_rate": 2.0182758620689658e-05,
|
| 1290 |
+
"loss": 4.4317,
|
| 1291 |
+
"step": 18300
|
| 1292 |
+
},
|
| 1293 |
+
{
|
| 1294 |
+
"epoch": 0.6133333333333333,
|
| 1295 |
+
"grad_norm": 2.2215514183044434,
|
| 1296 |
+
"learning_rate": 2.0010344827586207e-05,
|
| 1297 |
+
"loss": 4.4087,
|
| 1298 |
+
"step": 18400
|
| 1299 |
+
},
|
| 1300 |
+
{
|
| 1301 |
+
"epoch": 0.6166666666666667,
|
| 1302 |
+
"grad_norm": 2.2115671634674072,
|
| 1303 |
+
"learning_rate": 1.983793103448276e-05,
|
| 1304 |
+
"loss": 4.4261,
|
| 1305 |
+
"step": 18500
|
| 1306 |
+
},
|
| 1307 |
+
{
|
| 1308 |
+
"epoch": 0.62,
|
| 1309 |
+
"grad_norm": 2.1851704120635986,
|
| 1310 |
+
"learning_rate": 1.966551724137931e-05,
|
| 1311 |
+
"loss": 4.428,
|
| 1312 |
+
"step": 18600
|
| 1313 |
+
},
|
| 1314 |
+
{
|
| 1315 |
+
"epoch": 0.6233333333333333,
|
| 1316 |
+
"grad_norm": 2.017883539199829,
|
| 1317 |
+
"learning_rate": 1.9493103448275863e-05,
|
| 1318 |
+
"loss": 4.3821,
|
| 1319 |
+
"step": 18700
|
| 1320 |
+
},
|
| 1321 |
+
{
|
| 1322 |
+
"epoch": 0.6266666666666667,
|
| 1323 |
+
"grad_norm": 1.912879228591919,
|
| 1324 |
+
"learning_rate": 1.9320689655172415e-05,
|
| 1325 |
+
"loss": 4.4048,
|
| 1326 |
+
"step": 18800
|
| 1327 |
+
},
|
| 1328 |
+
{
|
| 1329 |
+
"epoch": 0.63,
|
| 1330 |
+
"grad_norm": 2.136014699935913,
|
| 1331 |
+
"learning_rate": 1.9148275862068964e-05,
|
| 1332 |
+
"loss": 4.3849,
|
| 1333 |
+
"step": 18900
|
| 1334 |
+
},
|
| 1335 |
+
{
|
| 1336 |
+
"epoch": 0.6333333333333333,
|
| 1337 |
+
"grad_norm": 1.9832309484481812,
|
| 1338 |
+
"learning_rate": 1.897586206896552e-05,
|
| 1339 |
+
"loss": 4.4062,
|
| 1340 |
+
"step": 19000
|
| 1341 |
+
},
|
| 1342 |
+
{
|
| 1343 |
+
"epoch": 0.6366666666666667,
|
| 1344 |
+
"grad_norm": 1.8475227355957031,
|
| 1345 |
+
"learning_rate": 1.880344827586207e-05,
|
| 1346 |
+
"loss": 4.3949,
|
| 1347 |
+
"step": 19100
|
| 1348 |
+
},
|
| 1349 |
+
{
|
| 1350 |
+
"epoch": 0.64,
|
| 1351 |
+
"grad_norm": 2.476745367050171,
|
| 1352 |
+
"learning_rate": 1.8631034482758623e-05,
|
| 1353 |
+
"loss": 4.416,
|
| 1354 |
+
"step": 19200
|
| 1355 |
+
},
|
| 1356 |
+
{
|
| 1357 |
+
"epoch": 0.6433333333333333,
|
| 1358 |
+
"grad_norm": 2.201724052429199,
|
| 1359 |
+
"learning_rate": 1.8458620689655172e-05,
|
| 1360 |
+
"loss": 4.3844,
|
| 1361 |
+
"step": 19300
|
| 1362 |
+
},
|
| 1363 |
+
{
|
| 1364 |
+
"epoch": 0.6466666666666666,
|
| 1365 |
+
"grad_norm": 1.9169152975082397,
|
| 1366 |
+
"learning_rate": 1.8286206896551724e-05,
|
| 1367 |
+
"loss": 4.4169,
|
| 1368 |
+
"step": 19400
|
| 1369 |
+
},
|
| 1370 |
+
{
|
| 1371 |
+
"epoch": 0.65,
|
| 1372 |
+
"grad_norm": 1.8896160125732422,
|
| 1373 |
+
"learning_rate": 1.8113793103448276e-05,
|
| 1374 |
+
"loss": 4.4032,
|
| 1375 |
+
"step": 19500
|
| 1376 |
+
},
|
| 1377 |
+
{
|
| 1378 |
+
"epoch": 0.6533333333333333,
|
| 1379 |
+
"grad_norm": 1.9147884845733643,
|
| 1380 |
+
"learning_rate": 1.794137931034483e-05,
|
| 1381 |
+
"loss": 4.4098,
|
| 1382 |
+
"step": 19600
|
| 1383 |
+
},
|
| 1384 |
+
{
|
| 1385 |
+
"epoch": 0.6566666666666666,
|
| 1386 |
+
"grad_norm": 2.461538076400757,
|
| 1387 |
+
"learning_rate": 1.776896551724138e-05,
|
| 1388 |
+
"loss": 4.4274,
|
| 1389 |
+
"step": 19700
|
| 1390 |
+
},
|
| 1391 |
+
{
|
| 1392 |
+
"epoch": 0.66,
|
| 1393 |
+
"grad_norm": 2.043869733810425,
|
| 1394 |
+
"learning_rate": 1.7596551724137933e-05,
|
| 1395 |
+
"loss": 4.3963,
|
| 1396 |
+
"step": 19800
|
| 1397 |
+
},
|
| 1398 |
+
{
|
| 1399 |
+
"epoch": 0.6633333333333333,
|
| 1400 |
+
"grad_norm": 2.003953218460083,
|
| 1401 |
+
"learning_rate": 1.7424137931034485e-05,
|
| 1402 |
+
"loss": 4.4025,
|
| 1403 |
+
"step": 19900
|
| 1404 |
+
},
|
| 1405 |
+
{
|
| 1406 |
+
"epoch": 0.6666666666666666,
|
| 1407 |
+
"grad_norm": 2.514071464538574,
|
| 1408 |
+
"learning_rate": 1.7251724137931037e-05,
|
| 1409 |
+
"loss": 4.3973,
|
| 1410 |
+
"step": 20000
|
| 1411 |
+
},
|
| 1412 |
+
{
|
| 1413 |
+
"epoch": 0.67,
|
| 1414 |
+
"grad_norm": 2.3290865421295166,
|
| 1415 |
+
"learning_rate": 1.7079310344827585e-05,
|
| 1416 |
+
"loss": 4.3999,
|
| 1417 |
+
"step": 20100
|
| 1418 |
+
},
|
| 1419 |
+
{
|
| 1420 |
+
"epoch": 0.6733333333333333,
|
| 1421 |
+
"grad_norm": 1.8519926071166992,
|
| 1422 |
+
"learning_rate": 1.6906896551724138e-05,
|
| 1423 |
+
"loss": 4.4046,
|
| 1424 |
+
"step": 20200
|
| 1425 |
+
},
|
| 1426 |
+
{
|
| 1427 |
+
"epoch": 0.6766666666666666,
|
| 1428 |
+
"grad_norm": 2.53118896484375,
|
| 1429 |
+
"learning_rate": 1.673448275862069e-05,
|
| 1430 |
+
"loss": 4.3959,
|
| 1431 |
+
"step": 20300
|
| 1432 |
+
},
|
| 1433 |
+
{
|
| 1434 |
+
"epoch": 0.68,
|
| 1435 |
+
"grad_norm": 1.9727709293365479,
|
| 1436 |
+
"learning_rate": 1.6562068965517242e-05,
|
| 1437 |
+
"loss": 4.4176,
|
| 1438 |
+
"step": 20400
|
| 1439 |
+
},
|
| 1440 |
+
{
|
| 1441 |
+
"epoch": 0.6833333333333333,
|
| 1442 |
+
"grad_norm": 1.9265756607055664,
|
| 1443 |
+
"learning_rate": 1.6389655172413794e-05,
|
| 1444 |
+
"loss": 4.3849,
|
| 1445 |
+
"step": 20500
|
| 1446 |
+
},
|
| 1447 |
+
{
|
| 1448 |
+
"epoch": 0.6866666666666666,
|
| 1449 |
+
"grad_norm": 2.2798376083374023,
|
| 1450 |
+
"learning_rate": 1.6217241379310346e-05,
|
| 1451 |
+
"loss": 4.4101,
|
| 1452 |
+
"step": 20600
|
| 1453 |
+
},
|
| 1454 |
+
{
|
| 1455 |
+
"epoch": 0.69,
|
| 1456 |
+
"grad_norm": 2.1076509952545166,
|
| 1457 |
+
"learning_rate": 1.6044827586206898e-05,
|
| 1458 |
+
"loss": 4.3888,
|
| 1459 |
+
"step": 20700
|
| 1460 |
+
},
|
| 1461 |
+
{
|
| 1462 |
+
"epoch": 0.6933333333333334,
|
| 1463 |
+
"grad_norm": 2.338351011276245,
|
| 1464 |
+
"learning_rate": 1.587241379310345e-05,
|
| 1465 |
+
"loss": 4.3772,
|
| 1466 |
+
"step": 20800
|
| 1467 |
+
},
|
| 1468 |
+
{
|
| 1469 |
+
"epoch": 0.6966666666666667,
|
| 1470 |
+
"grad_norm": 2.0186917781829834,
|
| 1471 |
+
"learning_rate": 1.5700000000000002e-05,
|
| 1472 |
+
"loss": 4.4018,
|
| 1473 |
+
"step": 20900
|
| 1474 |
+
},
|
| 1475 |
+
{
|
| 1476 |
+
"epoch": 0.7,
|
| 1477 |
+
"grad_norm": 2.1765296459198,
|
| 1478 |
+
"learning_rate": 1.552758620689655e-05,
|
| 1479 |
+
"loss": 4.4103,
|
| 1480 |
+
"step": 21000
|
| 1481 |
+
},
|
| 1482 |
+
{
|
| 1483 |
+
"epoch": 0.7033333333333334,
|
| 1484 |
+
"grad_norm": 2.109718084335327,
|
| 1485 |
+
"learning_rate": 1.5355172413793103e-05,
|
| 1486 |
+
"loss": 4.3969,
|
| 1487 |
+
"step": 21100
|
| 1488 |
+
},
|
| 1489 |
+
{
|
| 1490 |
+
"epoch": 0.7066666666666667,
|
| 1491 |
+
"grad_norm": 2.078711748123169,
|
| 1492 |
+
"learning_rate": 1.5182758620689655e-05,
|
| 1493 |
+
"loss": 4.4051,
|
| 1494 |
+
"step": 21200
|
| 1495 |
+
},
|
| 1496 |
+
{
|
| 1497 |
+
"epoch": 0.71,
|
| 1498 |
+
"grad_norm": 2.2366254329681396,
|
| 1499 |
+
"learning_rate": 1.5010344827586207e-05,
|
| 1500 |
+
"loss": 4.377,
|
| 1501 |
+
"step": 21300
|
| 1502 |
+
},
|
| 1503 |
+
{
|
| 1504 |
+
"epoch": 0.7133333333333334,
|
| 1505 |
+
"grad_norm": 2.2516391277313232,
|
| 1506 |
+
"learning_rate": 1.4837931034482761e-05,
|
| 1507 |
+
"loss": 4.4015,
|
| 1508 |
+
"step": 21400
|
| 1509 |
+
},
|
| 1510 |
+
{
|
| 1511 |
+
"epoch": 0.7166666666666667,
|
| 1512 |
+
"grad_norm": 2.1501176357269287,
|
| 1513 |
+
"learning_rate": 1.4665517241379311e-05,
|
| 1514 |
+
"loss": 4.3737,
|
| 1515 |
+
"step": 21500
|
| 1516 |
+
},
|
| 1517 |
+
{
|
| 1518 |
+
"epoch": 0.72,
|
| 1519 |
+
"grad_norm": 1.8726160526275635,
|
| 1520 |
+
"learning_rate": 1.4493103448275863e-05,
|
| 1521 |
+
"loss": 4.3776,
|
| 1522 |
+
"step": 21600
|
| 1523 |
+
},
|
| 1524 |
+
{
|
| 1525 |
+
"epoch": 0.7233333333333334,
|
| 1526 |
+
"grad_norm": 2.260007381439209,
|
| 1527 |
+
"learning_rate": 1.4320689655172414e-05,
|
| 1528 |
+
"loss": 4.3961,
|
| 1529 |
+
"step": 21700
|
| 1530 |
+
},
|
| 1531 |
+
{
|
| 1532 |
+
"epoch": 0.7266666666666667,
|
| 1533 |
+
"grad_norm": 1.9862884283065796,
|
| 1534 |
+
"learning_rate": 1.415e-05,
|
| 1535 |
+
"loss": 4.3974,
|
| 1536 |
+
"step": 21800
|
| 1537 |
+
},
|
| 1538 |
+
{
|
| 1539 |
+
"epoch": 0.73,
|
| 1540 |
+
"grad_norm": 2.1817476749420166,
|
| 1541 |
+
"learning_rate": 1.3977586206896554e-05,
|
| 1542 |
+
"loss": 4.4077,
|
| 1543 |
+
"step": 21900
|
| 1544 |
+
},
|
| 1545 |
+
{
|
| 1546 |
+
"epoch": 0.7333333333333333,
|
| 1547 |
+
"grad_norm": 2.2883946895599365,
|
| 1548 |
+
"learning_rate": 1.3805172413793104e-05,
|
| 1549 |
+
"loss": 4.3457,
|
| 1550 |
+
"step": 22000
|
| 1551 |
+
},
|
| 1552 |
+
{
|
| 1553 |
+
"epoch": 0.7366666666666667,
|
| 1554 |
+
"grad_norm": 2.1526737213134766,
|
| 1555 |
+
"learning_rate": 1.3632758620689656e-05,
|
| 1556 |
+
"loss": 4.4059,
|
| 1557 |
+
"step": 22100
|
| 1558 |
+
},
|
| 1559 |
+
{
|
| 1560 |
+
"epoch": 0.74,
|
| 1561 |
+
"grad_norm": 2.2343320846557617,
|
| 1562 |
+
"learning_rate": 1.3460344827586208e-05,
|
| 1563 |
+
"loss": 4.3799,
|
| 1564 |
+
"step": 22200
|
| 1565 |
+
},
|
| 1566 |
+
{
|
| 1567 |
+
"epoch": 0.7433333333333333,
|
| 1568 |
+
"grad_norm": 2.1139650344848633,
|
| 1569 |
+
"learning_rate": 1.3289655172413793e-05,
|
| 1570 |
+
"loss": 4.3759,
|
| 1571 |
+
"step": 22300
|
| 1572 |
+
},
|
| 1573 |
+
{
|
| 1574 |
+
"epoch": 0.7466666666666667,
|
| 1575 |
+
"grad_norm": 2.2490551471710205,
|
| 1576 |
+
"learning_rate": 1.3117241379310347e-05,
|
| 1577 |
+
"loss": 4.3726,
|
| 1578 |
+
"step": 22400
|
| 1579 |
+
},
|
| 1580 |
+
{
|
| 1581 |
+
"epoch": 0.75,
|
| 1582 |
+
"grad_norm": 2.03560209274292,
|
| 1583 |
+
"learning_rate": 1.2944827586206897e-05,
|
| 1584 |
+
"loss": 4.3795,
|
| 1585 |
+
"step": 22500
|
| 1586 |
+
},
|
| 1587 |
+
{
|
| 1588 |
+
"epoch": 0.7533333333333333,
|
| 1589 |
+
"grad_norm": 2.175682783126831,
|
| 1590 |
+
"learning_rate": 1.277241379310345e-05,
|
| 1591 |
+
"loss": 4.3911,
|
| 1592 |
+
"step": 22600
|
| 1593 |
+
},
|
| 1594 |
+
{
|
| 1595 |
+
"epoch": 0.7566666666666667,
|
| 1596 |
+
"grad_norm": 2.171412467956543,
|
| 1597 |
+
"learning_rate": 1.2600000000000001e-05,
|
| 1598 |
+
"loss": 4.3755,
|
| 1599 |
+
"step": 22700
|
| 1600 |
+
},
|
| 1601 |
+
{
|
| 1602 |
+
"epoch": 0.76,
|
| 1603 |
+
"grad_norm": 2.1491260528564453,
|
| 1604 |
+
"learning_rate": 1.2427586206896552e-05,
|
| 1605 |
+
"loss": 4.3995,
|
| 1606 |
+
"step": 22800
|
| 1607 |
+
},
|
| 1608 |
+
{
|
| 1609 |
+
"epoch": 0.7633333333333333,
|
| 1610 |
+
"grad_norm": 2.0756146907806396,
|
| 1611 |
+
"learning_rate": 1.2255172413793104e-05,
|
| 1612 |
+
"loss": 4.3824,
|
| 1613 |
+
"step": 22900
|
| 1614 |
+
},
|
| 1615 |
+
{
|
| 1616 |
+
"epoch": 0.7666666666666667,
|
| 1617 |
+
"grad_norm": 1.9129120111465454,
|
| 1618 |
+
"learning_rate": 1.2082758620689656e-05,
|
| 1619 |
+
"loss": 4.379,
|
| 1620 |
+
"step": 23000
|
| 1621 |
+
},
|
| 1622 |
+
{
|
| 1623 |
+
"epoch": 0.77,
|
| 1624 |
+
"grad_norm": 2.1584272384643555,
|
| 1625 |
+
"learning_rate": 1.1910344827586208e-05,
|
| 1626 |
+
"loss": 4.393,
|
| 1627 |
+
"step": 23100
|
| 1628 |
+
},
|
| 1629 |
+
{
|
| 1630 |
+
"epoch": 0.7733333333333333,
|
| 1631 |
+
"grad_norm": 2.1815624237060547,
|
| 1632 |
+
"learning_rate": 1.1737931034482758e-05,
|
| 1633 |
+
"loss": 4.3407,
|
| 1634 |
+
"step": 23200
|
| 1635 |
+
},
|
| 1636 |
+
{
|
| 1637 |
+
"epoch": 0.7766666666666666,
|
| 1638 |
+
"grad_norm": 2.2393853664398193,
|
| 1639 |
+
"learning_rate": 1.156551724137931e-05,
|
| 1640 |
+
"loss": 4.3876,
|
| 1641 |
+
"step": 23300
|
| 1642 |
+
},
|
| 1643 |
+
{
|
| 1644 |
+
"epoch": 0.78,
|
| 1645 |
+
"grad_norm": 2.191389560699463,
|
| 1646 |
+
"learning_rate": 1.1393103448275863e-05,
|
| 1647 |
+
"loss": 4.3888,
|
| 1648 |
+
"step": 23400
|
| 1649 |
+
},
|
| 1650 |
+
{
|
| 1651 |
+
"epoch": 0.7833333333333333,
|
| 1652 |
+
"grad_norm": 1.861325740814209,
|
| 1653 |
+
"learning_rate": 1.1220689655172415e-05,
|
| 1654 |
+
"loss": 4.3659,
|
| 1655 |
+
"step": 23500
|
| 1656 |
+
},
|
| 1657 |
+
{
|
| 1658 |
+
"epoch": 0.7866666666666666,
|
| 1659 |
+
"grad_norm": 2.1595823764801025,
|
| 1660 |
+
"learning_rate": 1.1048275862068965e-05,
|
| 1661 |
+
"loss": 4.374,
|
| 1662 |
+
"step": 23600
|
| 1663 |
+
},
|
| 1664 |
+
{
|
| 1665 |
+
"epoch": 0.79,
|
| 1666 |
+
"grad_norm": 2.048743963241577,
|
| 1667 |
+
"learning_rate": 1.0875862068965517e-05,
|
| 1668 |
+
"loss": 4.3554,
|
| 1669 |
+
"step": 23700
|
| 1670 |
+
},
|
| 1671 |
+
{
|
| 1672 |
+
"epoch": 0.7933333333333333,
|
| 1673 |
+
"grad_norm": 1.8800294399261475,
|
| 1674 |
+
"learning_rate": 1.070344827586207e-05,
|
| 1675 |
+
"loss": 4.3815,
|
| 1676 |
+
"step": 23800
|
| 1677 |
+
},
|
| 1678 |
+
{
|
| 1679 |
+
"epoch": 0.7966666666666666,
|
| 1680 |
+
"grad_norm": 2.2559168338775635,
|
| 1681 |
+
"learning_rate": 1.0531034482758621e-05,
|
| 1682 |
+
"loss": 4.3809,
|
| 1683 |
+
"step": 23900
|
| 1684 |
+
},
|
| 1685 |
+
{
|
| 1686 |
+
"epoch": 0.8,
|
| 1687 |
+
"grad_norm": 2.2554898262023926,
|
| 1688 |
+
"learning_rate": 1.0358620689655173e-05,
|
| 1689 |
+
"loss": 4.3688,
|
| 1690 |
+
"step": 24000
|
| 1691 |
+
},
|
| 1692 |
+
{
|
| 1693 |
+
"epoch": 0.8033333333333333,
|
| 1694 |
+
"grad_norm": 2.4968557357788086,
|
| 1695 |
+
"learning_rate": 1.0186206896551724e-05,
|
| 1696 |
+
"loss": 4.3834,
|
| 1697 |
+
"step": 24100
|
| 1698 |
+
},
|
| 1699 |
+
{
|
| 1700 |
+
"epoch": 0.8066666666666666,
|
| 1701 |
+
"grad_norm": 2.2546260356903076,
|
| 1702 |
+
"learning_rate": 1.0013793103448278e-05,
|
| 1703 |
+
"loss": 4.3671,
|
| 1704 |
+
"step": 24200
|
| 1705 |
+
},
|
| 1706 |
+
{
|
| 1707 |
+
"epoch": 0.81,
|
| 1708 |
+
"grad_norm": 2.0959572792053223,
|
| 1709 |
+
"learning_rate": 9.841379310344828e-06,
|
| 1710 |
+
"loss": 4.4036,
|
| 1711 |
+
"step": 24300
|
| 1712 |
+
},
|
| 1713 |
+
{
|
| 1714 |
+
"epoch": 0.8133333333333334,
|
| 1715 |
+
"grad_norm": 2.429842472076416,
|
| 1716 |
+
"learning_rate": 9.66896551724138e-06,
|
| 1717 |
+
"loss": 4.3778,
|
| 1718 |
+
"step": 24400
|
| 1719 |
+
},
|
| 1720 |
+
{
|
| 1721 |
+
"epoch": 0.8166666666666667,
|
| 1722 |
+
"grad_norm": 1.9144500494003296,
|
| 1723 |
+
"learning_rate": 9.49655172413793e-06,
|
| 1724 |
+
"loss": 4.3597,
|
| 1725 |
+
"step": 24500
|
| 1726 |
+
},
|
| 1727 |
+
{
|
| 1728 |
+
"epoch": 0.82,
|
| 1729 |
+
"grad_norm": 2.014716863632202,
|
| 1730 |
+
"learning_rate": 9.324137931034484e-06,
|
| 1731 |
+
"loss": 4.3398,
|
| 1732 |
+
"step": 24600
|
| 1733 |
+
},
|
| 1734 |
+
{
|
| 1735 |
+
"epoch": 0.8233333333333334,
|
| 1736 |
+
"grad_norm": 2.0111021995544434,
|
| 1737 |
+
"learning_rate": 9.151724137931035e-06,
|
| 1738 |
+
"loss": 4.3688,
|
| 1739 |
+
"step": 24700
|
| 1740 |
+
},
|
| 1741 |
+
{
|
| 1742 |
+
"epoch": 0.8266666666666667,
|
| 1743 |
+
"grad_norm": 2.206125259399414,
|
| 1744 |
+
"learning_rate": 8.979310344827587e-06,
|
| 1745 |
+
"loss": 4.4069,
|
| 1746 |
+
"step": 24800
|
| 1747 |
+
},
|
| 1748 |
+
{
|
| 1749 |
+
"epoch": 0.83,
|
| 1750 |
+
"grad_norm": 1.9322938919067383,
|
| 1751 |
+
"learning_rate": 8.806896551724137e-06,
|
| 1752 |
+
"loss": 4.3585,
|
| 1753 |
+
"step": 24900
|
| 1754 |
+
},
|
| 1755 |
+
{
|
| 1756 |
+
"epoch": 0.8333333333333334,
|
| 1757 |
+
"grad_norm": 2.382385492324829,
|
| 1758 |
+
"learning_rate": 8.634482758620691e-06,
|
| 1759 |
+
"loss": 4.379,
|
| 1760 |
+
"step": 25000
|
| 1761 |
+
},
|
| 1762 |
+
{
|
| 1763 |
+
"epoch": 0.8366666666666667,
|
| 1764 |
+
"grad_norm": 2.0957460403442383,
|
| 1765 |
+
"learning_rate": 8.462068965517241e-06,
|
| 1766 |
+
"loss": 4.3633,
|
| 1767 |
+
"step": 25100
|
| 1768 |
+
},
|
| 1769 |
+
{
|
| 1770 |
+
"epoch": 0.84,
|
| 1771 |
+
"grad_norm": 2.191102981567383,
|
| 1772 |
+
"learning_rate": 8.289655172413793e-06,
|
| 1773 |
+
"loss": 4.3723,
|
| 1774 |
+
"step": 25200
|
| 1775 |
+
},
|
| 1776 |
+
{
|
| 1777 |
+
"epoch": 0.8433333333333334,
|
| 1778 |
+
"grad_norm": 2.186511993408203,
|
| 1779 |
+
"learning_rate": 8.117241379310346e-06,
|
| 1780 |
+
"loss": 4.396,
|
| 1781 |
+
"step": 25300
|
| 1782 |
+
},
|
| 1783 |
+
{
|
| 1784 |
+
"epoch": 0.8466666666666667,
|
| 1785 |
+
"grad_norm": 2.2075576782226562,
|
| 1786 |
+
"learning_rate": 7.944827586206898e-06,
|
| 1787 |
+
"loss": 4.3534,
|
| 1788 |
+
"step": 25400
|
| 1789 |
+
},
|
| 1790 |
+
{
|
| 1791 |
+
"epoch": 0.85,
|
| 1792 |
+
"grad_norm": 2.1940252780914307,
|
| 1793 |
+
"learning_rate": 7.772413793103448e-06,
|
| 1794 |
+
"loss": 4.3564,
|
| 1795 |
+
"step": 25500
|
| 1796 |
+
},
|
| 1797 |
+
{
|
| 1798 |
+
"epoch": 0.8533333333333334,
|
| 1799 |
+
"grad_norm": 1.975804090499878,
|
| 1800 |
+
"learning_rate": 7.6e-06,
|
| 1801 |
+
"loss": 4.3497,
|
| 1802 |
+
"step": 25600
|
| 1803 |
+
},
|
| 1804 |
+
{
|
| 1805 |
+
"epoch": 0.8566666666666667,
|
| 1806 |
+
"grad_norm": 2.2161664962768555,
|
| 1807 |
+
"learning_rate": 7.427586206896551e-06,
|
| 1808 |
+
"loss": 4.3383,
|
| 1809 |
+
"step": 25700
|
| 1810 |
+
},
|
| 1811 |
+
{
|
| 1812 |
+
"epoch": 0.86,
|
| 1813 |
+
"grad_norm": 2.422048807144165,
|
| 1814 |
+
"learning_rate": 7.255172413793104e-06,
|
| 1815 |
+
"loss": 4.381,
|
| 1816 |
+
"step": 25800
|
| 1817 |
+
},
|
| 1818 |
+
{
|
| 1819 |
+
"epoch": 0.8633333333333333,
|
| 1820 |
+
"grad_norm": 2.26328444480896,
|
| 1821 |
+
"learning_rate": 7.0827586206896555e-06,
|
| 1822 |
+
"loss": 4.337,
|
| 1823 |
+
"step": 25900
|
| 1824 |
+
},
|
| 1825 |
+
{
|
| 1826 |
+
"epoch": 0.8666666666666667,
|
| 1827 |
+
"grad_norm": 2.0234344005584717,
|
| 1828 |
+
"learning_rate": 6.912068965517242e-06,
|
| 1829 |
+
"loss": 4.3614,
|
| 1830 |
+
"step": 26000
|
| 1831 |
+
},
|
| 1832 |
+
{
|
| 1833 |
+
"epoch": 0.87,
|
| 1834 |
+
"grad_norm": 2.1131584644317627,
|
| 1835 |
+
"learning_rate": 6.739655172413793e-06,
|
| 1836 |
+
"loss": 4.3512,
|
| 1837 |
+
"step": 26100
|
| 1838 |
+
},
|
| 1839 |
+
{
|
| 1840 |
+
"epoch": 0.8733333333333333,
|
| 1841 |
+
"grad_norm": 2.498945713043213,
|
| 1842 |
+
"learning_rate": 6.567241379310344e-06,
|
| 1843 |
+
"loss": 4.3559,
|
| 1844 |
+
"step": 26200
|
| 1845 |
+
},
|
| 1846 |
+
{
|
| 1847 |
+
"epoch": 0.8766666666666667,
|
| 1848 |
+
"grad_norm": 2.271238327026367,
|
| 1849 |
+
"learning_rate": 6.394827586206897e-06,
|
| 1850 |
+
"loss": 4.3568,
|
| 1851 |
+
"step": 26300
|
| 1852 |
+
},
|
| 1853 |
+
{
|
| 1854 |
+
"epoch": 0.88,
|
| 1855 |
+
"grad_norm": 2.2349765300750732,
|
| 1856 |
+
"learning_rate": 6.2224137931034484e-06,
|
| 1857 |
+
"loss": 4.3303,
|
| 1858 |
+
"step": 26400
|
| 1859 |
+
},
|
| 1860 |
+
{
|
| 1861 |
+
"epoch": 0.8833333333333333,
|
| 1862 |
+
"grad_norm": 2.2044858932495117,
|
| 1863 |
+
"learning_rate": 6.0500000000000005e-06,
|
| 1864 |
+
"loss": 4.3573,
|
| 1865 |
+
"step": 26500
|
| 1866 |
+
},
|
| 1867 |
+
{
|
| 1868 |
+
"epoch": 0.8866666666666667,
|
| 1869 |
+
"grad_norm": 2.143218994140625,
|
| 1870 |
+
"learning_rate": 5.877586206896552e-06,
|
| 1871 |
+
"loss": 4.3548,
|
| 1872 |
+
"step": 26600
|
| 1873 |
+
},
|
| 1874 |
+
{
|
| 1875 |
+
"epoch": 0.89,
|
| 1876 |
+
"grad_norm": 2.3432939052581787,
|
| 1877 |
+
"learning_rate": 5.705172413793104e-06,
|
| 1878 |
+
"loss": 4.3687,
|
| 1879 |
+
"step": 26700
|
| 1880 |
+
},
|
| 1881 |
+
{
|
| 1882 |
+
"epoch": 0.8933333333333333,
|
| 1883 |
+
"grad_norm": 1.8604556322097778,
|
| 1884 |
+
"learning_rate": 5.532758620689656e-06,
|
| 1885 |
+
"loss": 4.3866,
|
| 1886 |
+
"step": 26800
|
| 1887 |
+
},
|
| 1888 |
+
{
|
| 1889 |
+
"epoch": 0.8966666666666666,
|
| 1890 |
+
"grad_norm": 2.41178560256958,
|
| 1891 |
+
"learning_rate": 5.360344827586207e-06,
|
| 1892 |
+
"loss": 4.3309,
|
| 1893 |
+
"step": 26900
|
| 1894 |
+
},
|
| 1895 |
+
{
|
| 1896 |
+
"epoch": 0.9,
|
| 1897 |
+
"grad_norm": 2.5105397701263428,
|
| 1898 |
+
"learning_rate": 5.187931034482759e-06,
|
| 1899 |
+
"loss": 4.3829,
|
| 1900 |
+
"step": 27000
|
| 1901 |
+
},
|
| 1902 |
+
{
|
| 1903 |
+
"epoch": 0.9033333333333333,
|
| 1904 |
+
"grad_norm": 2.303903102874756,
|
| 1905 |
+
"learning_rate": 5.0155172413793105e-06,
|
| 1906 |
+
"loss": 4.3343,
|
| 1907 |
+
"step": 27100
|
| 1908 |
+
},
|
| 1909 |
+
{
|
| 1910 |
+
"epoch": 0.9066666666666666,
|
| 1911 |
+
"grad_norm": 2.1825873851776123,
|
| 1912 |
+
"learning_rate": 4.843103448275863e-06,
|
| 1913 |
+
"loss": 4.3467,
|
| 1914 |
+
"step": 27200
|
| 1915 |
+
},
|
| 1916 |
+
{
|
| 1917 |
+
"epoch": 0.91,
|
| 1918 |
+
"grad_norm": 2.1242332458496094,
|
| 1919 |
+
"learning_rate": 4.670689655172414e-06,
|
| 1920 |
+
"loss": 4.3591,
|
| 1921 |
+
"step": 27300
|
| 1922 |
+
},
|
| 1923 |
+
{
|
| 1924 |
+
"epoch": 0.9133333333333333,
|
| 1925 |
+
"grad_norm": 2.355365037918091,
|
| 1926 |
+
"learning_rate": 4.498275862068966e-06,
|
| 1927 |
+
"loss": 4.3175,
|
| 1928 |
+
"step": 27400
|
| 1929 |
+
},
|
| 1930 |
+
{
|
| 1931 |
+
"epoch": 0.9166666666666666,
|
| 1932 |
+
"grad_norm": 2.075387954711914,
|
| 1933 |
+
"learning_rate": 4.325862068965517e-06,
|
| 1934 |
+
"loss": 4.3861,
|
| 1935 |
+
"step": 27500
|
| 1936 |
+
},
|
| 1937 |
+
{
|
| 1938 |
+
"epoch": 0.92,
|
| 1939 |
+
"grad_norm": 2.1146600246429443,
|
| 1940 |
+
"learning_rate": 4.153448275862069e-06,
|
| 1941 |
+
"loss": 4.355,
|
| 1942 |
+
"step": 27600
|
| 1943 |
+
},
|
| 1944 |
+
{
|
| 1945 |
+
"epoch": 0.9233333333333333,
|
| 1946 |
+
"grad_norm": 1.9889869689941406,
|
| 1947 |
+
"learning_rate": 3.9810344827586205e-06,
|
| 1948 |
+
"loss": 4.3627,
|
| 1949 |
+
"step": 27700
|
| 1950 |
+
},
|
| 1951 |
+
{
|
| 1952 |
+
"epoch": 0.9266666666666666,
|
| 1953 |
+
"grad_norm": 2.166405200958252,
|
| 1954 |
+
"learning_rate": 3.8086206896551726e-06,
|
| 1955 |
+
"loss": 4.3459,
|
| 1956 |
+
"step": 27800
|
| 1957 |
+
},
|
| 1958 |
+
{
|
| 1959 |
+
"epoch": 0.93,
|
| 1960 |
+
"grad_norm": 2.054823160171509,
|
| 1961 |
+
"learning_rate": 3.6362068965517243e-06,
|
| 1962 |
+
"loss": 4.3174,
|
| 1963 |
+
"step": 27900
|
| 1964 |
+
},
|
| 1965 |
+
{
|
| 1966 |
+
"epoch": 0.9333333333333333,
|
| 1967 |
+
"grad_norm": 2.1031033992767334,
|
| 1968 |
+
"learning_rate": 3.4637931034482764e-06,
|
| 1969 |
+
"loss": 4.358,
|
| 1970 |
+
"step": 28000
|
| 1971 |
+
},
|
| 1972 |
+
{
|
| 1973 |
+
"epoch": 0.9366666666666666,
|
| 1974 |
+
"grad_norm": 2.0477893352508545,
|
| 1975 |
+
"learning_rate": 3.2913793103448276e-06,
|
| 1976 |
+
"loss": 4.341,
|
| 1977 |
+
"step": 28100
|
| 1978 |
+
},
|
| 1979 |
+
{
|
| 1980 |
+
"epoch": 0.94,
|
| 1981 |
+
"grad_norm": 2.4143428802490234,
|
| 1982 |
+
"learning_rate": 3.1189655172413793e-06,
|
| 1983 |
+
"loss": 4.355,
|
| 1984 |
+
"step": 28200
|
| 1985 |
+
},
|
| 1986 |
+
{
|
| 1987 |
+
"epoch": 0.9433333333333334,
|
| 1988 |
+
"grad_norm": 1.8853615522384644,
|
| 1989 |
+
"learning_rate": 2.946551724137931e-06,
|
| 1990 |
+
"loss": 4.3365,
|
| 1991 |
+
"step": 28300
|
| 1992 |
+
},
|
| 1993 |
+
{
|
| 1994 |
+
"epoch": 0.9466666666666667,
|
| 1995 |
+
"grad_norm": 2.3704171180725098,
|
| 1996 |
+
"learning_rate": 2.7741379310344826e-06,
|
| 1997 |
+
"loss": 4.3356,
|
| 1998 |
+
"step": 28400
|
| 1999 |
+
},
|
| 2000 |
+
{
|
| 2001 |
+
"epoch": 0.95,
|
| 2002 |
+
"grad_norm": 2.3981566429138184,
|
| 2003 |
+
"learning_rate": 2.6017241379310343e-06,
|
| 2004 |
+
"loss": 4.3553,
|
| 2005 |
+
"step": 28500
|
| 2006 |
+
},
|
| 2007 |
+
{
|
| 2008 |
+
"epoch": 0.9533333333333334,
|
| 2009 |
+
"grad_norm": 2.259207010269165,
|
| 2010 |
+
"learning_rate": 2.4310344827586205e-06,
|
| 2011 |
+
"loss": 4.3363,
|
| 2012 |
+
"step": 28600
|
| 2013 |
+
},
|
| 2014 |
+
{
|
| 2015 |
+
"epoch": 0.9566666666666667,
|
| 2016 |
+
"grad_norm": 2.0507473945617676,
|
| 2017 |
+
"learning_rate": 2.258620689655172e-06,
|
| 2018 |
+
"loss": 4.3574,
|
| 2019 |
+
"step": 28700
|
| 2020 |
+
},
|
| 2021 |
+
{
|
| 2022 |
+
"epoch": 0.96,
|
| 2023 |
+
"grad_norm": 2.1110222339630127,
|
| 2024 |
+
"learning_rate": 2.0862068965517243e-06,
|
| 2025 |
+
"loss": 4.3434,
|
| 2026 |
+
"step": 28800
|
| 2027 |
+
},
|
| 2028 |
+
{
|
| 2029 |
+
"epoch": 0.9633333333333334,
|
| 2030 |
+
"grad_norm": 2.7897815704345703,
|
| 2031 |
+
"learning_rate": 1.913793103448276e-06,
|
| 2032 |
+
"loss": 4.3536,
|
| 2033 |
+
"step": 28900
|
| 2034 |
+
},
|
| 2035 |
+
{
|
| 2036 |
+
"epoch": 0.9666666666666667,
|
| 2037 |
+
"grad_norm": 2.439835548400879,
|
| 2038 |
+
"learning_rate": 1.7413793103448276e-06,
|
| 2039 |
+
"loss": 4.353,
|
| 2040 |
+
"step": 29000
|
| 2041 |
+
},
|
| 2042 |
+
{
|
| 2043 |
+
"epoch": 0.97,
|
| 2044 |
+
"grad_norm": 2.11780047416687,
|
| 2045 |
+
"learning_rate": 1.5689655172413793e-06,
|
| 2046 |
+
"loss": 4.3291,
|
| 2047 |
+
"step": 29100
|
| 2048 |
+
},
|
| 2049 |
+
{
|
| 2050 |
+
"epoch": 0.9733333333333334,
|
| 2051 |
+
"grad_norm": 2.232104539871216,
|
| 2052 |
+
"learning_rate": 1.3965517241379312e-06,
|
| 2053 |
+
"loss": 4.3563,
|
| 2054 |
+
"step": 29200
|
| 2055 |
+
},
|
| 2056 |
+
{
|
| 2057 |
+
"epoch": 0.9766666666666667,
|
| 2058 |
+
"grad_norm": 2.321014404296875,
|
| 2059 |
+
"learning_rate": 1.2241379310344828e-06,
|
| 2060 |
+
"loss": 4.3352,
|
| 2061 |
+
"step": 29300
|
| 2062 |
+
},
|
| 2063 |
+
{
|
| 2064 |
+
"epoch": 0.98,
|
| 2065 |
+
"grad_norm": 2.1317617893218994,
|
| 2066 |
+
"learning_rate": 1.0517241379310345e-06,
|
| 2067 |
+
"loss": 4.3548,
|
| 2068 |
+
"step": 29400
|
| 2069 |
+
},
|
| 2070 |
+
{
|
| 2071 |
+
"epoch": 0.9833333333333333,
|
| 2072 |
+
"grad_norm": 2.2252442836761475,
|
| 2073 |
+
"learning_rate": 8.793103448275863e-07,
|
| 2074 |
+
"loss": 4.3548,
|
| 2075 |
+
"step": 29500
|
| 2076 |
+
},
|
| 2077 |
+
{
|
| 2078 |
+
"epoch": 0.9866666666666667,
|
| 2079 |
+
"grad_norm": 2.241938829421997,
|
| 2080 |
+
"learning_rate": 7.068965517241379e-07,
|
| 2081 |
+
"loss": 4.3312,
|
| 2082 |
+
"step": 29600
|
| 2083 |
+
},
|
| 2084 |
+
{
|
| 2085 |
+
"epoch": 0.99,
|
| 2086 |
+
"grad_norm": 2.1634891033172607,
|
| 2087 |
+
"learning_rate": 5.344827586206897e-07,
|
| 2088 |
+
"loss": 4.3697,
|
| 2089 |
+
"step": 29700
|
| 2090 |
+
},
|
| 2091 |
+
{
|
| 2092 |
+
"epoch": 0.9933333333333333,
|
| 2093 |
+
"grad_norm": 2.746436357498169,
|
| 2094 |
+
"learning_rate": 3.6206896551724143e-07,
|
| 2095 |
+
"loss": 4.3528,
|
| 2096 |
+
"step": 29800
|
| 2097 |
+
},
|
| 2098 |
+
{
|
| 2099 |
+
"epoch": 0.9966666666666667,
|
| 2100 |
+
"grad_norm": 2.436894178390503,
|
| 2101 |
+
"learning_rate": 1.8965517241379312e-07,
|
| 2102 |
+
"loss": 4.34,
|
| 2103 |
+
"step": 29900
|
| 2104 |
+
},
|
| 2105 |
+
{
|
| 2106 |
+
"epoch": 1.0,
|
| 2107 |
+
"grad_norm": 2.4377429485321045,
|
| 2108 |
+
"learning_rate": 1.896551724137931e-08,
|
| 2109 |
+
"loss": 4.3691,
|
| 2110 |
+
"step": 30000
|
| 2111 |
+
},
|
| 2112 |
+
{
|
| 2113 |
+
"epoch": 1.0,
|
| 2114 |
+
"step": 30000,
|
| 2115 |
+
"total_flos": 4.0980178796544e+17,
|
| 2116 |
+
"train_loss": 4.49529921875,
|
| 2117 |
+
"train_runtime": 18816.3377,
|
| 2118 |
+
"train_samples_per_second": 25.51,
|
| 2119 |
+
"train_steps_per_second": 1.594
|
| 2120 |
}
|
| 2121 |
],
|
| 2122 |
"logging_steps": 100,
|
| 2123 |
+
"max_steps": 30000,
|
| 2124 |
"num_input_tokens_seen": 0,
|
| 2125 |
"num_train_epochs": 9223372036854775807,
|
| 2126 |
"save_steps": 2000,
|
|
|
|
| 2136 |
"attributes": {}
|
| 2137 |
}
|
| 2138 |
},
|
| 2139 |
+
"total_flos": 4.0980178796544e+17,
|
| 2140 |
"train_batch_size": 4,
|
| 2141 |
"trial_name": null,
|
| 2142 |
"trial_params": null
|
training_args.bin
CHANGED
|
@@ -1,3 +1,3 @@
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
-
oid sha256:
|
| 3 |
size 5649
|
|
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:3738b1d95d83de80dfa79724ed211c5cf61fffa774e34afaf060492ba8dbdb1a
|
| 3 |
size 5649
|