sedrickkeh commited on
Commit
cac4425
·
verified ·
1 Parent(s): d8f91b6

End of training

Browse files
Files changed (5) hide show
  1. README.md +2 -1
  2. all_results.json +8 -0
  3. train_results.json +8 -0
  4. trainer_state.json +2373 -0
  5. training_loss.png +0 -0
README.md CHANGED
@@ -4,6 +4,7 @@ license: apache-2.0
4
  base_model: Qwen/Qwen2.5-7B-Instruct
5
  tags:
6
  - llama-factory
 
7
  - generated_from_trainer
8
  model-index:
9
  - name: global_batchsize_1024_laradjusted16
@@ -15,7 +16,7 @@ should probably proofread and complete it, then remove this comment. -->
15
 
16
  # global_batchsize_1024_laradjusted16
17
 
18
- This model is a fine-tuned version of [Qwen/Qwen2.5-7B-Instruct](https://huggingface.co/Qwen/Qwen2.5-7B-Instruct) on an unknown dataset.
19
 
20
  ## Model description
21
 
 
4
  base_model: Qwen/Qwen2.5-7B-Instruct
5
  tags:
6
  - llama-factory
7
+ - full
8
  - generated_from_trainer
9
  model-index:
10
  - name: global_batchsize_1024_laradjusted16
 
16
 
17
  # global_batchsize_1024_laradjusted16
18
 
19
+ This model is a fine-tuned version of [Qwen/Qwen2.5-7B-Instruct](https://huggingface.co/Qwen/Qwen2.5-7B-Instruct) on the open-thoughts/OpenThoughts-114k dataset.
20
 
21
  ## Model description
22
 
all_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 2.9943851768669285,
3
+ "total_flos": 4607052149424128.0,
4
+ "train_loss": 0.4566754535869793,
5
+ "train_runtime": 115300.1106,
6
+ "train_samples_per_second": 2.965,
7
+ "train_steps_per_second": 0.003
8
+ }
train_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 2.9943851768669285,
3
+ "total_flos": 4607052149424128.0,
4
+ "train_loss": 0.4566754535869793,
5
+ "train_runtime": 115300.1106,
6
+ "train_samples_per_second": 2.965,
7
+ "train_steps_per_second": 0.003
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,2373 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 2.9943851768669285,
5
+ "eval_steps": 500,
6
+ "global_step": 333,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.008983717012914094,
13
+ "grad_norm": 5.839048375887439,
14
+ "learning_rate": 2.3529411764705885e-06,
15
+ "loss": 0.851,
16
+ "step": 1
17
+ },
18
+ {
19
+ "epoch": 0.017967434025828188,
20
+ "grad_norm": 5.796622055110998,
21
+ "learning_rate": 4.705882352941177e-06,
22
+ "loss": 0.8589,
23
+ "step": 2
24
+ },
25
+ {
26
+ "epoch": 0.02695115103874228,
27
+ "grad_norm": 5.449611767460796,
28
+ "learning_rate": 7.058823529411766e-06,
29
+ "loss": 0.851,
30
+ "step": 3
31
+ },
32
+ {
33
+ "epoch": 0.035934868051656375,
34
+ "grad_norm": 3.918769913446889,
35
+ "learning_rate": 9.411764705882354e-06,
36
+ "loss": 0.8013,
37
+ "step": 4
38
+ },
39
+ {
40
+ "epoch": 0.044918585064570464,
41
+ "grad_norm": 2.1146491352495644,
42
+ "learning_rate": 1.1764705882352942e-05,
43
+ "loss": 0.7675,
44
+ "step": 5
45
+ },
46
+ {
47
+ "epoch": 0.05390230207748456,
48
+ "grad_norm": 5.3866836077244535,
49
+ "learning_rate": 1.4117647058823532e-05,
50
+ "loss": 0.8021,
51
+ "step": 6
52
+ },
53
+ {
54
+ "epoch": 0.06288601909039865,
55
+ "grad_norm": 7.1506220356372205,
56
+ "learning_rate": 1.647058823529412e-05,
57
+ "loss": 0.7729,
58
+ "step": 7
59
+ },
60
+ {
61
+ "epoch": 0.07186973610331275,
62
+ "grad_norm": 7.3684198638012575,
63
+ "learning_rate": 1.8823529411764708e-05,
64
+ "loss": 0.7895,
65
+ "step": 8
66
+ },
67
+ {
68
+ "epoch": 0.08085345311622684,
69
+ "grad_norm": 4.2008371048182624,
70
+ "learning_rate": 2.1176470588235296e-05,
71
+ "loss": 0.7502,
72
+ "step": 9
73
+ },
74
+ {
75
+ "epoch": 0.08983717012914093,
76
+ "grad_norm": 3.018632704832958,
77
+ "learning_rate": 2.3529411764705884e-05,
78
+ "loss": 0.7085,
79
+ "step": 10
80
+ },
81
+ {
82
+ "epoch": 0.09882088714205503,
83
+ "grad_norm": 2.4103057201747564,
84
+ "learning_rate": 2.5882352941176475e-05,
85
+ "loss": 0.68,
86
+ "step": 11
87
+ },
88
+ {
89
+ "epoch": 0.10780460415496912,
90
+ "grad_norm": 1.6029821095889687,
91
+ "learning_rate": 2.8235294117647063e-05,
92
+ "loss": 0.6579,
93
+ "step": 12
94
+ },
95
+ {
96
+ "epoch": 0.11678832116788321,
97
+ "grad_norm": 1.5359955676401171,
98
+ "learning_rate": 3.0588235294117644e-05,
99
+ "loss": 0.6348,
100
+ "step": 13
101
+ },
102
+ {
103
+ "epoch": 0.1257720381807973,
104
+ "grad_norm": 1.2677879393997815,
105
+ "learning_rate": 3.294117647058824e-05,
106
+ "loss": 0.6259,
107
+ "step": 14
108
+ },
109
+ {
110
+ "epoch": 0.13475575519371139,
111
+ "grad_norm": 1.1307239717924904,
112
+ "learning_rate": 3.529411764705883e-05,
113
+ "loss": 0.6217,
114
+ "step": 15
115
+ },
116
+ {
117
+ "epoch": 0.1437394722066255,
118
+ "grad_norm": 1.1919595690235936,
119
+ "learning_rate": 3.7647058823529415e-05,
120
+ "loss": 0.6117,
121
+ "step": 16
122
+ },
123
+ {
124
+ "epoch": 0.1527231892195396,
125
+ "grad_norm": 1.5137586529647031,
126
+ "learning_rate": 4e-05,
127
+ "loss": 0.5951,
128
+ "step": 17
129
+ },
130
+ {
131
+ "epoch": 0.16170690623245368,
132
+ "grad_norm": 1.0839410029716163,
133
+ "learning_rate": 4.235294117647059e-05,
134
+ "loss": 0.5873,
135
+ "step": 18
136
+ },
137
+ {
138
+ "epoch": 0.17069062324536777,
139
+ "grad_norm": 1.411013539783664,
140
+ "learning_rate": 4.470588235294118e-05,
141
+ "loss": 0.5855,
142
+ "step": 19
143
+ },
144
+ {
145
+ "epoch": 0.17967434025828186,
146
+ "grad_norm": 0.9604494585660002,
147
+ "learning_rate": 4.705882352941177e-05,
148
+ "loss": 0.5855,
149
+ "step": 20
150
+ },
151
+ {
152
+ "epoch": 0.18865805727119594,
153
+ "grad_norm": 1.7966858442462152,
154
+ "learning_rate": 4.941176470588236e-05,
155
+ "loss": 0.5834,
156
+ "step": 21
157
+ },
158
+ {
159
+ "epoch": 0.19764177428411006,
160
+ "grad_norm": 1.2639231326008076,
161
+ "learning_rate": 5.176470588235295e-05,
162
+ "loss": 0.573,
163
+ "step": 22
164
+ },
165
+ {
166
+ "epoch": 0.20662549129702415,
167
+ "grad_norm": 1.6189242064013842,
168
+ "learning_rate": 5.411764705882354e-05,
169
+ "loss": 0.5687,
170
+ "step": 23
171
+ },
172
+ {
173
+ "epoch": 0.21560920830993824,
174
+ "grad_norm": 1.2918939880837212,
175
+ "learning_rate": 5.6470588235294126e-05,
176
+ "loss": 0.5629,
177
+ "step": 24
178
+ },
179
+ {
180
+ "epoch": 0.22459292532285233,
181
+ "grad_norm": 1.8153484123304104,
182
+ "learning_rate": 5.8823529411764714e-05,
183
+ "loss": 0.5644,
184
+ "step": 25
185
+ },
186
+ {
187
+ "epoch": 0.23357664233576642,
188
+ "grad_norm": 1.383080233694585,
189
+ "learning_rate": 6.117647058823529e-05,
190
+ "loss": 0.561,
191
+ "step": 26
192
+ },
193
+ {
194
+ "epoch": 0.2425603593486805,
195
+ "grad_norm": 1.908843640323105,
196
+ "learning_rate": 6.352941176470589e-05,
197
+ "loss": 0.5581,
198
+ "step": 27
199
+ },
200
+ {
201
+ "epoch": 0.2515440763615946,
202
+ "grad_norm": 1.5638595834141664,
203
+ "learning_rate": 6.588235294117648e-05,
204
+ "loss": 0.5497,
205
+ "step": 28
206
+ },
207
+ {
208
+ "epoch": 0.2605277933745087,
209
+ "grad_norm": 1.0799402527915973,
210
+ "learning_rate": 6.823529411764707e-05,
211
+ "loss": 0.5405,
212
+ "step": 29
213
+ },
214
+ {
215
+ "epoch": 0.26951151038742277,
216
+ "grad_norm": 1.2842268786606617,
217
+ "learning_rate": 7.058823529411765e-05,
218
+ "loss": 0.5489,
219
+ "step": 30
220
+ },
221
+ {
222
+ "epoch": 0.2784952274003369,
223
+ "grad_norm": 2.1296312845067953,
224
+ "learning_rate": 7.294117647058824e-05,
225
+ "loss": 0.5429,
226
+ "step": 31
227
+ },
228
+ {
229
+ "epoch": 0.287478944413251,
230
+ "grad_norm": 1.2081689918064082,
231
+ "learning_rate": 7.529411764705883e-05,
232
+ "loss": 0.5439,
233
+ "step": 32
234
+ },
235
+ {
236
+ "epoch": 0.29646266142616506,
237
+ "grad_norm": 2.681914408101531,
238
+ "learning_rate": 7.764705882352942e-05,
239
+ "loss": 0.5409,
240
+ "step": 33
241
+ },
242
+ {
243
+ "epoch": 0.3054463784390792,
244
+ "grad_norm": 2.088525203831682,
245
+ "learning_rate": 8e-05,
246
+ "loss": 0.5448,
247
+ "step": 34
248
+ },
249
+ {
250
+ "epoch": 0.31443009545199324,
251
+ "grad_norm": 2.429087878227431,
252
+ "learning_rate": 7.999779207981935e-05,
253
+ "loss": 0.5376,
254
+ "step": 35
255
+ },
256
+ {
257
+ "epoch": 0.32341381246490736,
258
+ "grad_norm": 2.2118789436187467,
259
+ "learning_rate": 7.999116856302298e-05,
260
+ "loss": 0.5429,
261
+ "step": 36
262
+ },
263
+ {
264
+ "epoch": 0.3323975294778215,
265
+ "grad_norm": 1.998359697047038,
266
+ "learning_rate": 7.998013018082072e-05,
267
+ "loss": 0.5372,
268
+ "step": 37
269
+ },
270
+ {
271
+ "epoch": 0.34138124649073553,
272
+ "grad_norm": 1.4739747352645118,
273
+ "learning_rate": 7.996467815180588e-05,
274
+ "loss": 0.5306,
275
+ "step": 38
276
+ },
277
+ {
278
+ "epoch": 0.35036496350364965,
279
+ "grad_norm": 1.8627456810217522,
280
+ "learning_rate": 7.994481418182082e-05,
281
+ "loss": 0.5309,
282
+ "step": 39
283
+ },
284
+ {
285
+ "epoch": 0.3593486805165637,
286
+ "grad_norm": 1.2832017910437872,
287
+ "learning_rate": 7.992054046376854e-05,
288
+ "loss": 0.5301,
289
+ "step": 40
290
+ },
291
+ {
292
+ "epoch": 0.36833239752947783,
293
+ "grad_norm": 1.9368339421908154,
294
+ "learning_rate": 7.989185967737066e-05,
295
+ "loss": 0.534,
296
+ "step": 41
297
+ },
298
+ {
299
+ "epoch": 0.3773161145423919,
300
+ "grad_norm": 1.4631687551659387,
301
+ "learning_rate": 7.985877498887149e-05,
302
+ "loss": 0.526,
303
+ "step": 42
304
+ },
305
+ {
306
+ "epoch": 0.386299831555306,
307
+ "grad_norm": 1.4992485001174218,
308
+ "learning_rate": 7.982129005068865e-05,
309
+ "loss": 0.5169,
310
+ "step": 43
311
+ },
312
+ {
313
+ "epoch": 0.3952835485682201,
314
+ "grad_norm": 1.2556436640866477,
315
+ "learning_rate": 7.977940900100967e-05,
316
+ "loss": 0.5086,
317
+ "step": 44
318
+ },
319
+ {
320
+ "epoch": 0.4042672655811342,
321
+ "grad_norm": 1.4032135906881233,
322
+ "learning_rate": 7.973313646333532e-05,
323
+ "loss": 0.5214,
324
+ "step": 45
325
+ },
326
+ {
327
+ "epoch": 0.4132509825940483,
328
+ "grad_norm": 1.3909591395416454,
329
+ "learning_rate": 7.968247754596908e-05,
330
+ "loss": 0.5143,
331
+ "step": 46
332
+ },
333
+ {
334
+ "epoch": 0.42223469960696236,
335
+ "grad_norm": 1.9540476320319087,
336
+ "learning_rate": 7.962743784145323e-05,
337
+ "loss": 0.5207,
338
+ "step": 47
339
+ },
340
+ {
341
+ "epoch": 0.4312184166198765,
342
+ "grad_norm": 1.0309999384978459,
343
+ "learning_rate": 7.956802342595152e-05,
344
+ "loss": 0.5069,
345
+ "step": 48
346
+ },
347
+ {
348
+ "epoch": 0.4402021336327906,
349
+ "grad_norm": 1.3811159742393722,
350
+ "learning_rate": 7.950424085857827e-05,
351
+ "loss": 0.5145,
352
+ "step": 49
353
+ },
354
+ {
355
+ "epoch": 0.44918585064570465,
356
+ "grad_norm": 1.4750899151595693,
357
+ "learning_rate": 7.943609718067437e-05,
358
+ "loss": 0.5034,
359
+ "step": 50
360
+ },
361
+ {
362
+ "epoch": 0.45816956765861877,
363
+ "grad_norm": 1.586345005999154,
364
+ "learning_rate": 7.936359991502993e-05,
365
+ "loss": 0.5139,
366
+ "step": 51
367
+ },
368
+ {
369
+ "epoch": 0.46715328467153283,
370
+ "grad_norm": 0.8294429144133623,
371
+ "learning_rate": 7.92867570650537e-05,
372
+ "loss": 0.5024,
373
+ "step": 52
374
+ },
375
+ {
376
+ "epoch": 0.47613700168444695,
377
+ "grad_norm": 1.4768401149936898,
378
+ "learning_rate": 7.920557711388967e-05,
379
+ "loss": 0.5024,
380
+ "step": 53
381
+ },
382
+ {
383
+ "epoch": 0.485120718697361,
384
+ "grad_norm": 1.4206688134227474,
385
+ "learning_rate": 7.912006902348045e-05,
386
+ "loss": 0.5087,
387
+ "step": 54
388
+ },
389
+ {
390
+ "epoch": 0.4941044357102751,
391
+ "grad_norm": 0.9288407004391388,
392
+ "learning_rate": 7.903024223357797e-05,
393
+ "loss": 0.5059,
394
+ "step": 55
395
+ },
396
+ {
397
+ "epoch": 0.5030881527231892,
398
+ "grad_norm": 1.0360922211438188,
399
+ "learning_rate": 7.893610666070134e-05,
400
+ "loss": 0.5025,
401
+ "step": 56
402
+ },
403
+ {
404
+ "epoch": 0.5120718697361033,
405
+ "grad_norm": 1.5478822264915786,
406
+ "learning_rate": 7.883767269704209e-05,
407
+ "loss": 0.5166,
408
+ "step": 57
409
+ },
410
+ {
411
+ "epoch": 0.5210555867490174,
412
+ "grad_norm": 1.2814412272627784,
413
+ "learning_rate": 7.873495120931697e-05,
414
+ "loss": 0.5053,
415
+ "step": 58
416
+ },
417
+ {
418
+ "epoch": 0.5300393037619315,
419
+ "grad_norm": 1.2394259373221026,
420
+ "learning_rate": 7.86279535375683e-05,
421
+ "loss": 0.506,
422
+ "step": 59
423
+ },
424
+ {
425
+ "epoch": 0.5390230207748455,
426
+ "grad_norm": 0.7402164979257034,
427
+ "learning_rate": 7.851669149391198e-05,
428
+ "loss": 0.4972,
429
+ "step": 60
430
+ },
431
+ {
432
+ "epoch": 0.5480067377877597,
433
+ "grad_norm": 1.0415746091150728,
434
+ "learning_rate": 7.84011773612336e-05,
435
+ "loss": 0.503,
436
+ "step": 61
437
+ },
438
+ {
439
+ "epoch": 0.5569904548006738,
440
+ "grad_norm": 1.287772964853304,
441
+ "learning_rate": 7.828142389183239e-05,
442
+ "loss": 0.5002,
443
+ "step": 62
444
+ },
445
+ {
446
+ "epoch": 0.5659741718135879,
447
+ "grad_norm": 1.5812766703675953,
448
+ "learning_rate": 7.815744430601344e-05,
449
+ "loss": 0.5056,
450
+ "step": 63
451
+ },
452
+ {
453
+ "epoch": 0.574957888826502,
454
+ "grad_norm": 0.8792970340323266,
455
+ "learning_rate": 7.802925229062823e-05,
456
+ "loss": 0.4918,
457
+ "step": 64
458
+ },
459
+ {
460
+ "epoch": 0.583941605839416,
461
+ "grad_norm": 1.1398022409490918,
462
+ "learning_rate": 7.789686199756365e-05,
463
+ "loss": 0.4969,
464
+ "step": 65
465
+ },
466
+ {
467
+ "epoch": 0.5929253228523301,
468
+ "grad_norm": 1.7704394806497858,
469
+ "learning_rate": 7.776028804217968e-05,
470
+ "loss": 0.5026,
471
+ "step": 66
472
+ },
473
+ {
474
+ "epoch": 0.6019090398652442,
475
+ "grad_norm": 0.9434307642741575,
476
+ "learning_rate": 7.761954550169593e-05,
477
+ "loss": 0.4932,
478
+ "step": 67
479
+ },
480
+ {
481
+ "epoch": 0.6108927568781584,
482
+ "grad_norm": 2.082446516632287,
483
+ "learning_rate": 7.74746499135272e-05,
484
+ "loss": 0.5172,
485
+ "step": 68
486
+ },
487
+ {
488
+ "epoch": 0.6198764738910725,
489
+ "grad_norm": 1.8262658550358597,
490
+ "learning_rate": 7.732561727356811e-05,
491
+ "loss": 0.5039,
492
+ "step": 69
493
+ },
494
+ {
495
+ "epoch": 0.6288601909039865,
496
+ "grad_norm": 1.2365083047972374,
497
+ "learning_rate": 7.717246403442735e-05,
498
+ "loss": 0.4973,
499
+ "step": 70
500
+ },
501
+ {
502
+ "epoch": 0.6378439079169006,
503
+ "grad_norm": 1.4539572435843178,
504
+ "learning_rate": 7.701520710361129e-05,
505
+ "loss": 0.4988,
506
+ "step": 71
507
+ },
508
+ {
509
+ "epoch": 0.6468276249298147,
510
+ "grad_norm": 1.0089172545802498,
511
+ "learning_rate": 7.685386384165748e-05,
512
+ "loss": 0.4874,
513
+ "step": 72
514
+ },
515
+ {
516
+ "epoch": 0.6558113419427288,
517
+ "grad_norm": 1.3604668572334533,
518
+ "learning_rate": 7.668845206021812e-05,
519
+ "loss": 0.5035,
520
+ "step": 73
521
+ },
522
+ {
523
+ "epoch": 0.664795058955643,
524
+ "grad_norm": 1.0804166408590006,
525
+ "learning_rate": 7.651899002009375e-05,
526
+ "loss": 0.4926,
527
+ "step": 74
528
+ },
529
+ {
530
+ "epoch": 0.673778775968557,
531
+ "grad_norm": 1.4514655022285154,
532
+ "learning_rate": 7.634549642921725e-05,
533
+ "loss": 0.4939,
534
+ "step": 75
535
+ },
536
+ {
537
+ "epoch": 0.6827624929814711,
538
+ "grad_norm": 0.991441799340063,
539
+ "learning_rate": 7.616799044058867e-05,
540
+ "loss": 0.5067,
541
+ "step": 76
542
+ },
543
+ {
544
+ "epoch": 0.6917462099943852,
545
+ "grad_norm": 1.117806439503576,
546
+ "learning_rate": 7.598649165016073e-05,
547
+ "loss": 0.4915,
548
+ "step": 77
549
+ },
550
+ {
551
+ "epoch": 0.7007299270072993,
552
+ "grad_norm": 0.8700173580337157,
553
+ "learning_rate": 7.58010200946755e-05,
554
+ "loss": 0.4934,
555
+ "step": 78
556
+ },
557
+ {
558
+ "epoch": 0.7097136440202133,
559
+ "grad_norm": 0.9327016278300901,
560
+ "learning_rate": 7.561159624945257e-05,
561
+ "loss": 0.4823,
562
+ "step": 79
563
+ },
564
+ {
565
+ "epoch": 0.7186973610331274,
566
+ "grad_norm": 1.357805985616199,
567
+ "learning_rate": 7.541824102612839e-05,
568
+ "loss": 0.5005,
569
+ "step": 80
570
+ },
571
+ {
572
+ "epoch": 0.7276810780460415,
573
+ "grad_norm": 0.8155442555029125,
574
+ "learning_rate": 7.5220975770348e-05,
575
+ "loss": 0.4846,
576
+ "step": 81
577
+ },
578
+ {
579
+ "epoch": 0.7366647950589557,
580
+ "grad_norm": 0.8879306236067503,
581
+ "learning_rate": 7.501982225940833e-05,
582
+ "loss": 0.4716,
583
+ "step": 82
584
+ },
585
+ {
586
+ "epoch": 0.7456485120718698,
587
+ "grad_norm": 1.1674726644441007,
588
+ "learning_rate": 7.48148026998542e-05,
589
+ "loss": 0.4912,
590
+ "step": 83
591
+ },
592
+ {
593
+ "epoch": 0.7546322290847838,
594
+ "grad_norm": 0.9150265900061878,
595
+ "learning_rate": 7.460593972502674e-05,
596
+ "loss": 0.4857,
597
+ "step": 84
598
+ },
599
+ {
600
+ "epoch": 0.7636159460976979,
601
+ "grad_norm": 1.2818859952439805,
602
+ "learning_rate": 7.439325639256483e-05,
603
+ "loss": 0.4815,
604
+ "step": 85
605
+ },
606
+ {
607
+ "epoch": 0.772599663110612,
608
+ "grad_norm": 0.7413198899597869,
609
+ "learning_rate": 7.417677618185955e-05,
610
+ "loss": 0.4837,
611
+ "step": 86
612
+ },
613
+ {
614
+ "epoch": 0.7815833801235261,
615
+ "grad_norm": 0.9478143258160291,
616
+ "learning_rate": 7.39565229914622e-05,
617
+ "loss": 0.4765,
618
+ "step": 87
619
+ },
620
+ {
621
+ "epoch": 0.7905670971364402,
622
+ "grad_norm": 0.963846436149164,
623
+ "learning_rate": 7.373252113644596e-05,
624
+ "loss": 0.4879,
625
+ "step": 88
626
+ },
627
+ {
628
+ "epoch": 0.7995508141493542,
629
+ "grad_norm": 0.9081468443162725,
630
+ "learning_rate": 7.350479534572166e-05,
631
+ "loss": 0.4705,
632
+ "step": 89
633
+ },
634
+ {
635
+ "epoch": 0.8085345311622684,
636
+ "grad_norm": 0.6474133013047098,
637
+ "learning_rate": 7.327337075930775e-05,
638
+ "loss": 0.4806,
639
+ "step": 90
640
+ },
641
+ {
642
+ "epoch": 0.8175182481751825,
643
+ "grad_norm": 0.6809036448679276,
644
+ "learning_rate": 7.303827292555495e-05,
645
+ "loss": 0.481,
646
+ "step": 91
647
+ },
648
+ {
649
+ "epoch": 0.8265019651880966,
650
+ "grad_norm": 1.0720011034315253,
651
+ "learning_rate": 7.279952779832584e-05,
652
+ "loss": 0.4759,
653
+ "step": 92
654
+ },
655
+ {
656
+ "epoch": 0.8354856822010107,
657
+ "grad_norm": 1.0029995670688614,
658
+ "learning_rate": 7.255716173412966e-05,
659
+ "loss": 0.4736,
660
+ "step": 93
661
+ },
662
+ {
663
+ "epoch": 0.8444693992139247,
664
+ "grad_norm": 0.8353160428003878,
665
+ "learning_rate": 7.23112014892126e-05,
666
+ "loss": 0.4754,
667
+ "step": 94
668
+ },
669
+ {
670
+ "epoch": 0.8534531162268388,
671
+ "grad_norm": 0.9066101057502527,
672
+ "learning_rate": 7.20616742166041e-05,
673
+ "loss": 0.4801,
674
+ "step": 95
675
+ },
676
+ {
677
+ "epoch": 0.862436833239753,
678
+ "grad_norm": 1.3700422899595712,
679
+ "learning_rate": 7.180860746311917e-05,
680
+ "loss": 0.4904,
681
+ "step": 96
682
+ },
683
+ {
684
+ "epoch": 0.8714205502526671,
685
+ "grad_norm": 0.8940940289737819,
686
+ "learning_rate": 7.155202916631743e-05,
687
+ "loss": 0.4824,
688
+ "step": 97
689
+ },
690
+ {
691
+ "epoch": 0.8804042672655812,
692
+ "grad_norm": 1.3226382972793307,
693
+ "learning_rate": 7.129196765141886e-05,
694
+ "loss": 0.4679,
695
+ "step": 98
696
+ },
697
+ {
698
+ "epoch": 0.8893879842784952,
699
+ "grad_norm": 0.8696732708344425,
700
+ "learning_rate": 7.10284516281768e-05,
701
+ "loss": 0.4786,
702
+ "step": 99
703
+ },
704
+ {
705
+ "epoch": 0.8983717012914093,
706
+ "grad_norm": 1.0583061403429452,
707
+ "learning_rate": 7.076151018770854e-05,
708
+ "loss": 0.4669,
709
+ "step": 100
710
+ },
711
+ {
712
+ "epoch": 0.9073554183043234,
713
+ "grad_norm": 1.0722660670077375,
714
+ "learning_rate": 7.049117279928374e-05,
715
+ "loss": 0.4801,
716
+ "step": 101
717
+ },
718
+ {
719
+ "epoch": 0.9163391353172375,
720
+ "grad_norm": 1.2855639166116766,
721
+ "learning_rate": 7.021746930707117e-05,
722
+ "loss": 0.4674,
723
+ "step": 102
724
+ },
725
+ {
726
+ "epoch": 0.9253228523301515,
727
+ "grad_norm": 0.6812836053141724,
728
+ "learning_rate": 6.994042992684406e-05,
729
+ "loss": 0.4788,
730
+ "step": 103
731
+ },
732
+ {
733
+ "epoch": 0.9343065693430657,
734
+ "grad_norm": 0.6913667167229325,
735
+ "learning_rate": 6.966008524264429e-05,
736
+ "loss": 0.4679,
737
+ "step": 104
738
+ },
739
+ {
740
+ "epoch": 0.9432902863559798,
741
+ "grad_norm": 0.9914419206668401,
742
+ "learning_rate": 6.937646620340618e-05,
743
+ "loss": 0.4792,
744
+ "step": 105
745
+ },
746
+ {
747
+ "epoch": 0.9522740033688939,
748
+ "grad_norm": 1.3797231509055095,
749
+ "learning_rate": 6.908960411953973e-05,
750
+ "loss": 0.4683,
751
+ "step": 106
752
+ },
753
+ {
754
+ "epoch": 0.961257720381808,
755
+ "grad_norm": 0.5888339311760277,
756
+ "learning_rate": 6.879953065947416e-05,
757
+ "loss": 0.4678,
758
+ "step": 107
759
+ },
760
+ {
761
+ "epoch": 0.970241437394722,
762
+ "grad_norm": 1.038793566408693,
763
+ "learning_rate": 6.850627784616178e-05,
764
+ "loss": 0.4601,
765
+ "step": 108
766
+ },
767
+ {
768
+ "epoch": 0.9792251544076361,
769
+ "grad_norm": 1.0842893632221857,
770
+ "learning_rate": 6.82098780535428e-05,
771
+ "loss": 0.4681,
772
+ "step": 109
773
+ },
774
+ {
775
+ "epoch": 0.9882088714205502,
776
+ "grad_norm": 0.8626180542597122,
777
+ "learning_rate": 6.791036400297142e-05,
778
+ "loss": 0.4761,
779
+ "step": 110
780
+ },
781
+ {
782
+ "epoch": 0.9971925884334644,
783
+ "grad_norm": 0.7965083948145554,
784
+ "learning_rate": 6.760776875960347e-05,
785
+ "loss": 0.4689,
786
+ "step": 111
787
+ },
788
+ {
789
+ "epoch": 1.0075800112296462,
790
+ "grad_norm": 1.786141860362385,
791
+ "learning_rate": 6.730212572874618e-05,
792
+ "loss": 0.8334,
793
+ "step": 112
794
+ },
795
+ {
796
+ "epoch": 1.0165637282425604,
797
+ "grad_norm": 0.8882542778931486,
798
+ "learning_rate": 6.699346865217031e-05,
799
+ "loss": 0.4299,
800
+ "step": 113
801
+ },
802
+ {
803
+ "epoch": 1.0255474452554745,
804
+ "grad_norm": 0.6042242319747863,
805
+ "learning_rate": 6.668183160438531e-05,
806
+ "loss": 0.4431,
807
+ "step": 114
808
+ },
809
+ {
810
+ "epoch": 1.0345311622683886,
811
+ "grad_norm": 0.5382725444188637,
812
+ "learning_rate": 6.636724898887751e-05,
813
+ "loss": 0.4464,
814
+ "step": 115
815
+ },
816
+ {
817
+ "epoch": 1.0435148792813027,
818
+ "grad_norm": 0.6092419399947249,
819
+ "learning_rate": 6.604975553431219e-05,
820
+ "loss": 0.45,
821
+ "step": 116
822
+ },
823
+ {
824
+ "epoch": 1.0524985962942168,
825
+ "grad_norm": 0.952732534414775,
826
+ "learning_rate": 6.572938629069959e-05,
827
+ "loss": 0.4416,
828
+ "step": 117
829
+ },
830
+ {
831
+ "epoch": 1.0614823133071307,
832
+ "grad_norm": 1.2586357901517062,
833
+ "learning_rate": 6.540617662552565e-05,
834
+ "loss": 0.4478,
835
+ "step": 118
836
+ },
837
+ {
838
+ "epoch": 1.0704660303200448,
839
+ "grad_norm": 0.5882439478167614,
840
+ "learning_rate": 6.508016221984747e-05,
841
+ "loss": 0.4346,
842
+ "step": 119
843
+ },
844
+ {
845
+ "epoch": 1.079449747332959,
846
+ "grad_norm": 0.8126561068118403,
847
+ "learning_rate": 6.475137906435435e-05,
848
+ "loss": 0.4373,
849
+ "step": 120
850
+ },
851
+ {
852
+ "epoch": 1.088433464345873,
853
+ "grad_norm": 1.5656070861661977,
854
+ "learning_rate": 6.441986345539446e-05,
855
+ "loss": 0.4461,
856
+ "step": 121
857
+ },
858
+ {
859
+ "epoch": 1.0974171813587872,
860
+ "grad_norm": 0.5066258143638921,
861
+ "learning_rate": 6.408565199096798e-05,
862
+ "loss": 0.4327,
863
+ "step": 122
864
+ },
865
+ {
866
+ "epoch": 1.1064008983717013,
867
+ "grad_norm": 1.6682432153253044,
868
+ "learning_rate": 6.374878156668676e-05,
869
+ "loss": 0.4568,
870
+ "step": 123
871
+ },
872
+ {
873
+ "epoch": 1.1153846153846154,
874
+ "grad_norm": 0.6299972385025496,
875
+ "learning_rate": 6.340928937170118e-05,
876
+ "loss": 0.4285,
877
+ "step": 124
878
+ },
879
+ {
880
+ "epoch": 1.1243683323975295,
881
+ "grad_norm": 1.9783962130226307,
882
+ "learning_rate": 6.30672128845947e-05,
883
+ "loss": 0.4643,
884
+ "step": 125
885
+ },
886
+ {
887
+ "epoch": 1.1333520494104437,
888
+ "grad_norm": 1.2699186089072336,
889
+ "learning_rate": 6.272258986924624e-05,
890
+ "loss": 0.4362,
891
+ "step": 126
892
+ },
893
+ {
894
+ "epoch": 1.1423357664233578,
895
+ "grad_norm": 1.617840953040159,
896
+ "learning_rate": 6.237545837066133e-05,
897
+ "loss": 0.4476,
898
+ "step": 127
899
+ },
900
+ {
901
+ "epoch": 1.1513194834362717,
902
+ "grad_norm": 1.5459662606407818,
903
+ "learning_rate": 6.202585671077204e-05,
904
+ "loss": 0.4452,
905
+ "step": 128
906
+ },
907
+ {
908
+ "epoch": 1.1603032004491858,
909
+ "grad_norm": 0.8520351440042236,
910
+ "learning_rate": 6.167382348420637e-05,
911
+ "loss": 0.4485,
912
+ "step": 129
913
+ },
914
+ {
915
+ "epoch": 1.1692869174621,
916
+ "grad_norm": 1.2109454920551714,
917
+ "learning_rate": 6.131939755402755e-05,
918
+ "loss": 0.4436,
919
+ "step": 130
920
+ },
921
+ {
922
+ "epoch": 1.178270634475014,
923
+ "grad_norm": 0.7621427547756707,
924
+ "learning_rate": 6.09626180474438e-05,
925
+ "loss": 0.4436,
926
+ "step": 131
927
+ },
928
+ {
929
+ "epoch": 1.1872543514879281,
930
+ "grad_norm": 0.9377335412029888,
931
+ "learning_rate": 6.060352435148874e-05,
932
+ "loss": 0.4404,
933
+ "step": 132
934
+ },
935
+ {
936
+ "epoch": 1.1962380685008422,
937
+ "grad_norm": 0.742883271426497,
938
+ "learning_rate": 6.024215610867327e-05,
939
+ "loss": 0.4431,
940
+ "step": 133
941
+ },
942
+ {
943
+ "epoch": 1.2052217855137564,
944
+ "grad_norm": 0.623519085897906,
945
+ "learning_rate": 5.9878553212609184e-05,
946
+ "loss": 0.4349,
947
+ "step": 134
948
+ },
949
+ {
950
+ "epoch": 1.2142055025266705,
951
+ "grad_norm": 0.5738395916616672,
952
+ "learning_rate": 5.95127558036051e-05,
953
+ "loss": 0.4383,
954
+ "step": 135
955
+ },
956
+ {
957
+ "epoch": 1.2231892195395846,
958
+ "grad_norm": 0.5745090863281419,
959
+ "learning_rate": 5.9144804264235066e-05,
960
+ "loss": 0.4353,
961
+ "step": 136
962
+ },
963
+ {
964
+ "epoch": 1.2321729365524985,
965
+ "grad_norm": 0.6173172910448796,
966
+ "learning_rate": 5.8774739214880554e-05,
967
+ "loss": 0.4397,
968
+ "step": 137
969
+ },
970
+ {
971
+ "epoch": 1.2411566535654126,
972
+ "grad_norm": 0.44131140572281446,
973
+ "learning_rate": 5.840260150924609e-05,
974
+ "loss": 0.4358,
975
+ "step": 138
976
+ },
977
+ {
978
+ "epoch": 1.2501403705783267,
979
+ "grad_norm": 0.48929805430187906,
980
+ "learning_rate": 5.802843222984919e-05,
981
+ "loss": 0.4348,
982
+ "step": 139
983
+ },
984
+ {
985
+ "epoch": 1.2591240875912408,
986
+ "grad_norm": 0.46891906471051287,
987
+ "learning_rate": 5.765227268348501e-05,
988
+ "loss": 0.433,
989
+ "step": 140
990
+ },
991
+ {
992
+ "epoch": 1.268107804604155,
993
+ "grad_norm": 0.4197153657865162,
994
+ "learning_rate": 5.727416439666622e-05,
995
+ "loss": 0.4373,
996
+ "step": 141
997
+ },
998
+ {
999
+ "epoch": 1.277091521617069,
1000
+ "grad_norm": 0.49836695670940545,
1001
+ "learning_rate": 5.689414911103867e-05,
1002
+ "loss": 0.4339,
1003
+ "step": 142
1004
+ },
1005
+ {
1006
+ "epoch": 1.2860752386299832,
1007
+ "grad_norm": 0.4282436546394893,
1008
+ "learning_rate": 5.651226877877326e-05,
1009
+ "loss": 0.4371,
1010
+ "step": 143
1011
+ },
1012
+ {
1013
+ "epoch": 1.2950589556428973,
1014
+ "grad_norm": 0.39801460777108744,
1015
+ "learning_rate": 5.612856555793459e-05,
1016
+ "loss": 0.4422,
1017
+ "step": 144
1018
+ },
1019
+ {
1020
+ "epoch": 1.3040426726558114,
1021
+ "grad_norm": 0.384138892088657,
1022
+ "learning_rate": 5.574308180782693e-05,
1023
+ "loss": 0.4235,
1024
+ "step": 145
1025
+ },
1026
+ {
1027
+ "epoch": 1.3130263896687255,
1028
+ "grad_norm": 0.4344092290487113,
1029
+ "learning_rate": 5.5355860084317787e-05,
1030
+ "loss": 0.4356,
1031
+ "step": 146
1032
+ },
1033
+ {
1034
+ "epoch": 1.3220101066816397,
1035
+ "grad_norm": 0.37928071414714964,
1036
+ "learning_rate": 5.496694313514009e-05,
1037
+ "loss": 0.4362,
1038
+ "step": 147
1039
+ },
1040
+ {
1041
+ "epoch": 1.3309938236945535,
1042
+ "grad_norm": 0.34476337733896867,
1043
+ "learning_rate": 5.457637389517285e-05,
1044
+ "loss": 0.4398,
1045
+ "step": 148
1046
+ },
1047
+ {
1048
+ "epoch": 1.3399775407074677,
1049
+ "grad_norm": 0.4506193928055396,
1050
+ "learning_rate": 5.4184195481701425e-05,
1051
+ "loss": 0.428,
1052
+ "step": 149
1053
+ },
1054
+ {
1055
+ "epoch": 1.3489612577203818,
1056
+ "grad_norm": 0.32358078080164415,
1057
+ "learning_rate": 5.3790451189657486e-05,
1058
+ "loss": 0.4354,
1059
+ "step": 150
1060
+ },
1061
+ {
1062
+ "epoch": 1.357944974733296,
1063
+ "grad_norm": 0.3714258728709878,
1064
+ "learning_rate": 5.339518448683945e-05,
1065
+ "loss": 0.4336,
1066
+ "step": 151
1067
+ },
1068
+ {
1069
+ "epoch": 1.36692869174621,
1070
+ "grad_norm": 0.3698334511165891,
1071
+ "learning_rate": 5.2998439009113814e-05,
1072
+ "loss": 0.421,
1073
+ "step": 152
1074
+ },
1075
+ {
1076
+ "epoch": 1.3759124087591241,
1077
+ "grad_norm": 0.3039344886888513,
1078
+ "learning_rate": 5.260025855559792e-05,
1079
+ "loss": 0.4265,
1080
+ "step": 153
1081
+ },
1082
+ {
1083
+ "epoch": 1.3848961257720382,
1084
+ "grad_norm": 0.38707783731390033,
1085
+ "learning_rate": 5.2200687083824706e-05,
1086
+ "loss": 0.4285,
1087
+ "step": 154
1088
+ },
1089
+ {
1090
+ "epoch": 1.3938798427849521,
1091
+ "grad_norm": 0.3708434779281009,
1092
+ "learning_rate": 5.179976870488999e-05,
1093
+ "loss": 0.4242,
1094
+ "step": 155
1095
+ },
1096
+ {
1097
+ "epoch": 1.4028635597978663,
1098
+ "grad_norm": 0.2827560899827463,
1099
+ "learning_rate": 5.1397547678582745e-05,
1100
+ "loss": 0.4215,
1101
+ "step": 156
1102
+ },
1103
+ {
1104
+ "epoch": 1.4118472768107804,
1105
+ "grad_norm": 0.36357591101838377,
1106
+ "learning_rate": 5.099406840849902e-05,
1107
+ "loss": 0.4344,
1108
+ "step": 157
1109
+ },
1110
+ {
1111
+ "epoch": 1.4208309938236945,
1112
+ "grad_norm": 0.2815376075683387,
1113
+ "learning_rate": 5.058937543713999e-05,
1114
+ "loss": 0.4234,
1115
+ "step": 158
1116
+ },
1117
+ {
1118
+ "epoch": 1.4298147108366086,
1119
+ "grad_norm": 0.34011781572335237,
1120
+ "learning_rate": 5.018351344099453e-05,
1121
+ "loss": 0.438,
1122
+ "step": 159
1123
+ },
1124
+ {
1125
+ "epoch": 1.4387984278495227,
1126
+ "grad_norm": 0.32400444292287883,
1127
+ "learning_rate": 4.9776527225607274e-05,
1128
+ "loss": 0.4328,
1129
+ "step": 160
1130
+ },
1131
+ {
1132
+ "epoch": 1.4477821448624368,
1133
+ "grad_norm": 0.2529768229883554,
1134
+ "learning_rate": 4.93684617206321e-05,
1135
+ "loss": 0.4339,
1136
+ "step": 161
1137
+ },
1138
+ {
1139
+ "epoch": 1.456765861875351,
1140
+ "grad_norm": 0.2629261907748739,
1141
+ "learning_rate": 4.89593619748722e-05,
1142
+ "loss": 0.4394,
1143
+ "step": 162
1144
+ },
1145
+ {
1146
+ "epoch": 1.465749578888265,
1147
+ "grad_norm": 0.32833332654685193,
1148
+ "learning_rate": 4.8549273151306795e-05,
1149
+ "loss": 0.4331,
1150
+ "step": 163
1151
+ },
1152
+ {
1153
+ "epoch": 1.4747332959011792,
1154
+ "grad_norm": 0.37621666962913386,
1155
+ "learning_rate": 4.8138240522105365e-05,
1156
+ "loss": 0.4294,
1157
+ "step": 164
1158
+ },
1159
+ {
1160
+ "epoch": 1.4837170129140933,
1161
+ "grad_norm": 0.33680087947524656,
1162
+ "learning_rate": 4.7726309463629733e-05,
1163
+ "loss": 0.4317,
1164
+ "step": 165
1165
+ },
1166
+ {
1167
+ "epoch": 1.4927007299270074,
1168
+ "grad_norm": 0.22831905889281706,
1169
+ "learning_rate": 4.731352545142478e-05,
1170
+ "loss": 0.4265,
1171
+ "step": 166
1172
+ },
1173
+ {
1174
+ "epoch": 1.5016844469399215,
1175
+ "grad_norm": 0.23855204275905859,
1176
+ "learning_rate": 4.689993405519802e-05,
1177
+ "loss": 0.4343,
1178
+ "step": 167
1179
+ },
1180
+ {
1181
+ "epoch": 1.5106681639528357,
1182
+ "grad_norm": 0.3165956064567229,
1183
+ "learning_rate": 4.648558093378899e-05,
1184
+ "loss": 0.4331,
1185
+ "step": 168
1186
+ },
1187
+ {
1188
+ "epoch": 1.5196518809657495,
1189
+ "grad_norm": 0.3792988696086109,
1190
+ "learning_rate": 4.607051183012862e-05,
1191
+ "loss": 0.4214,
1192
+ "step": 169
1193
+ },
1194
+ {
1195
+ "epoch": 1.5286355979786637,
1196
+ "grad_norm": 0.29743099805783,
1197
+ "learning_rate": 4.5654772566189415e-05,
1198
+ "loss": 0.4322,
1199
+ "step": 170
1200
+ },
1201
+ {
1202
+ "epoch": 1.5376193149915778,
1203
+ "grad_norm": 0.22315650518088825,
1204
+ "learning_rate": 4.5238409037926905e-05,
1205
+ "loss": 0.4286,
1206
+ "step": 171
1207
+ },
1208
+ {
1209
+ "epoch": 1.546603032004492,
1210
+ "grad_norm": 0.3745132482990998,
1211
+ "learning_rate": 4.4821467210212924e-05,
1212
+ "loss": 0.4325,
1213
+ "step": 172
1214
+ },
1215
+ {
1216
+ "epoch": 1.5555867490174058,
1217
+ "grad_norm": 0.4349435850403825,
1218
+ "learning_rate": 4.4403993111761265e-05,
1219
+ "loss": 0.4278,
1220
+ "step": 173
1221
+ },
1222
+ {
1223
+ "epoch": 1.56457046603032,
1224
+ "grad_norm": 0.34417305619739286,
1225
+ "learning_rate": 4.398603283004626e-05,
1226
+ "loss": 0.421,
1227
+ "step": 174
1228
+ },
1229
+ {
1230
+ "epoch": 1.573554183043234,
1231
+ "grad_norm": 0.2697125284825644,
1232
+ "learning_rate": 4.356763250621496e-05,
1233
+ "loss": 0.4355,
1234
+ "step": 175
1235
+ },
1236
+ {
1237
+ "epoch": 1.5825379000561481,
1238
+ "grad_norm": 0.3759486979388303,
1239
+ "learning_rate": 4.314883832999326e-05,
1240
+ "loss": 0.4336,
1241
+ "step": 176
1242
+ },
1243
+ {
1244
+ "epoch": 1.5915216170690623,
1245
+ "grad_norm": 0.42378540392492775,
1246
+ "learning_rate": 4.272969653458685e-05,
1247
+ "loss": 0.4258,
1248
+ "step": 177
1249
+ },
1250
+ {
1251
+ "epoch": 1.6005053340819764,
1252
+ "grad_norm": 0.36295049407047797,
1253
+ "learning_rate": 4.231025339157714e-05,
1254
+ "loss": 0.4214,
1255
+ "step": 178
1256
+ },
1257
+ {
1258
+ "epoch": 1.6094890510948905,
1259
+ "grad_norm": 0.22472885668491016,
1260
+ "learning_rate": 4.189055520581315e-05,
1261
+ "loss": 0.4302,
1262
+ "step": 179
1263
+ },
1264
+ {
1265
+ "epoch": 1.6184727681078046,
1266
+ "grad_norm": 0.24842552091044895,
1267
+ "learning_rate": 4.147064831029959e-05,
1268
+ "loss": 0.4267,
1269
+ "step": 180
1270
+ },
1271
+ {
1272
+ "epoch": 1.6274564851207187,
1273
+ "grad_norm": 0.27444720145312784,
1274
+ "learning_rate": 4.105057906108189e-05,
1275
+ "loss": 0.4306,
1276
+ "step": 181
1277
+ },
1278
+ {
1279
+ "epoch": 1.6364402021336328,
1280
+ "grad_norm": 0.24170155717400021,
1281
+ "learning_rate": 4.063039383212866e-05,
1282
+ "loss": 0.4226,
1283
+ "step": 182
1284
+ },
1285
+ {
1286
+ "epoch": 1.645423919146547,
1287
+ "grad_norm": 0.2158635971279587,
1288
+ "learning_rate": 4.021013901021225e-05,
1289
+ "loss": 0.4182,
1290
+ "step": 183
1291
+ },
1292
+ {
1293
+ "epoch": 1.654407636159461,
1294
+ "grad_norm": 0.2392521978049934,
1295
+ "learning_rate": 3.978986098978777e-05,
1296
+ "loss": 0.4184,
1297
+ "step": 184
1298
+ },
1299
+ {
1300
+ "epoch": 1.6633913531723752,
1301
+ "grad_norm": 0.2333669024637109,
1302
+ "learning_rate": 3.936960616787135e-05,
1303
+ "loss": 0.4272,
1304
+ "step": 185
1305
+ },
1306
+ {
1307
+ "epoch": 1.6723750701852893,
1308
+ "grad_norm": 0.303971238157218,
1309
+ "learning_rate": 3.8949420938918124e-05,
1310
+ "loss": 0.4278,
1311
+ "step": 186
1312
+ },
1313
+ {
1314
+ "epoch": 1.6813587871982034,
1315
+ "grad_norm": 0.20260216895624977,
1316
+ "learning_rate": 3.852935168970042e-05,
1317
+ "loss": 0.4274,
1318
+ "step": 187
1319
+ },
1320
+ {
1321
+ "epoch": 1.6903425042111173,
1322
+ "grad_norm": 0.27940230833327445,
1323
+ "learning_rate": 3.810944479418686e-05,
1324
+ "loss": 0.4235,
1325
+ "step": 188
1326
+ },
1327
+ {
1328
+ "epoch": 1.6993262212240314,
1329
+ "grad_norm": 0.24151727930977668,
1330
+ "learning_rate": 3.768974660842287e-05,
1331
+ "loss": 0.43,
1332
+ "step": 189
1333
+ },
1334
+ {
1335
+ "epoch": 1.7083099382369455,
1336
+ "grad_norm": 0.28305027971796287,
1337
+ "learning_rate": 3.727030346541317e-05,
1338
+ "loss": 0.4204,
1339
+ "step": 190
1340
+ },
1341
+ {
1342
+ "epoch": 1.7172936552498597,
1343
+ "grad_norm": 0.23944450177743382,
1344
+ "learning_rate": 3.685116167000675e-05,
1345
+ "loss": 0.4303,
1346
+ "step": 191
1347
+ },
1348
+ {
1349
+ "epoch": 1.7262773722627736,
1350
+ "grad_norm": 0.2649036336219584,
1351
+ "learning_rate": 3.6432367493785056e-05,
1352
+ "loss": 0.4306,
1353
+ "step": 192
1354
+ },
1355
+ {
1356
+ "epoch": 1.7352610892756877,
1357
+ "grad_norm": 0.20536449694593853,
1358
+ "learning_rate": 3.601396716995375e-05,
1359
+ "loss": 0.4298,
1360
+ "step": 193
1361
+ },
1362
+ {
1363
+ "epoch": 1.7442448062886018,
1364
+ "grad_norm": 0.2752898250202777,
1365
+ "learning_rate": 3.559600688823875e-05,
1366
+ "loss": 0.4213,
1367
+ "step": 194
1368
+ },
1369
+ {
1370
+ "epoch": 1.753228523301516,
1371
+ "grad_norm": 0.2441828080744484,
1372
+ "learning_rate": 3.517853278978708e-05,
1373
+ "loss": 0.4317,
1374
+ "step": 195
1375
+ },
1376
+ {
1377
+ "epoch": 1.76221224031443,
1378
+ "grad_norm": 0.18921602583278035,
1379
+ "learning_rate": 3.4761590962073115e-05,
1380
+ "loss": 0.4352,
1381
+ "step": 196
1382
+ },
1383
+ {
1384
+ "epoch": 1.7711959573273441,
1385
+ "grad_norm": 0.25381845245915774,
1386
+ "learning_rate": 3.434522743381061e-05,
1387
+ "loss": 0.4227,
1388
+ "step": 197
1389
+ },
1390
+ {
1391
+ "epoch": 1.7801796743402583,
1392
+ "grad_norm": 0.22098025447635186,
1393
+ "learning_rate": 3.39294881698714e-05,
1394
+ "loss": 0.4145,
1395
+ "step": 198
1396
+ },
1397
+ {
1398
+ "epoch": 1.7891633913531724,
1399
+ "grad_norm": 0.21253762725360797,
1400
+ "learning_rate": 3.3514419066211025e-05,
1401
+ "loss": 0.4204,
1402
+ "step": 199
1403
+ },
1404
+ {
1405
+ "epoch": 1.7981471083660865,
1406
+ "grad_norm": 0.1993914725116837,
1407
+ "learning_rate": 3.310006594480199e-05,
1408
+ "loss": 0.4212,
1409
+ "step": 200
1410
+ },
1411
+ {
1412
+ "epoch": 1.8071308253790006,
1413
+ "grad_norm": 0.21949029430642605,
1414
+ "learning_rate": 3.268647454857524e-05,
1415
+ "loss": 0.4246,
1416
+ "step": 201
1417
+ },
1418
+ {
1419
+ "epoch": 1.8161145423919147,
1420
+ "grad_norm": 0.18093321704969498,
1421
+ "learning_rate": 3.227369053637028e-05,
1422
+ "loss": 0.4379,
1423
+ "step": 202
1424
+ },
1425
+ {
1426
+ "epoch": 1.8250982594048288,
1427
+ "grad_norm": 0.21469795266380035,
1428
+ "learning_rate": 3.1861759477894656e-05,
1429
+ "loss": 0.4227,
1430
+ "step": 203
1431
+ },
1432
+ {
1433
+ "epoch": 1.834081976417743,
1434
+ "grad_norm": 0.18433389487278787,
1435
+ "learning_rate": 3.145072684869322e-05,
1436
+ "loss": 0.4166,
1437
+ "step": 204
1438
+ },
1439
+ {
1440
+ "epoch": 1.843065693430657,
1441
+ "grad_norm": 0.19979893625833967,
1442
+ "learning_rate": 3.104063802512782e-05,
1443
+ "loss": 0.4281,
1444
+ "step": 205
1445
+ },
1446
+ {
1447
+ "epoch": 1.8520494104435712,
1448
+ "grad_norm": 0.19103290364400521,
1449
+ "learning_rate": 3.063153827936792e-05,
1450
+ "loss": 0.4161,
1451
+ "step": 206
1452
+ },
1453
+ {
1454
+ "epoch": 1.861033127456485,
1455
+ "grad_norm": 0.21106537662314218,
1456
+ "learning_rate": 3.0223472774392753e-05,
1457
+ "loss": 0.4242,
1458
+ "step": 207
1459
+ },
1460
+ {
1461
+ "epoch": 1.8700168444693992,
1462
+ "grad_norm": 0.20844328823177255,
1463
+ "learning_rate": 2.9816486559005482e-05,
1464
+ "loss": 0.4333,
1465
+ "step": 208
1466
+ },
1467
+ {
1468
+ "epoch": 1.8790005614823133,
1469
+ "grad_norm": 0.19732371134712767,
1470
+ "learning_rate": 2.9410624562860026e-05,
1471
+ "loss": 0.4211,
1472
+ "step": 209
1473
+ },
1474
+ {
1475
+ "epoch": 1.8879842784952274,
1476
+ "grad_norm": 0.23608540869194397,
1477
+ "learning_rate": 2.9005931591500974e-05,
1478
+ "loss": 0.422,
1479
+ "step": 210
1480
+ },
1481
+ {
1482
+ "epoch": 1.8969679955081415,
1483
+ "grad_norm": 0.18142970460558788,
1484
+ "learning_rate": 2.860245232141726e-05,
1485
+ "loss": 0.4215,
1486
+ "step": 211
1487
+ },
1488
+ {
1489
+ "epoch": 1.9059517125210554,
1490
+ "grad_norm": 0.21920791583501226,
1491
+ "learning_rate": 2.8200231295110012e-05,
1492
+ "loss": 0.4304,
1493
+ "step": 212
1494
+ },
1495
+ {
1496
+ "epoch": 1.9149354295339696,
1497
+ "grad_norm": 0.1575572213846906,
1498
+ "learning_rate": 2.7799312916175294e-05,
1499
+ "loss": 0.4115,
1500
+ "step": 213
1501
+ },
1502
+ {
1503
+ "epoch": 1.9239191465468837,
1504
+ "grad_norm": 0.21181976577415998,
1505
+ "learning_rate": 2.7399741444402087e-05,
1506
+ "loss": 0.4301,
1507
+ "step": 214
1508
+ },
1509
+ {
1510
+ "epoch": 1.9329028635597978,
1511
+ "grad_norm": 0.1817247821525619,
1512
+ "learning_rate": 2.7001560990886196e-05,
1513
+ "loss": 0.4202,
1514
+ "step": 215
1515
+ },
1516
+ {
1517
+ "epoch": 1.941886580572712,
1518
+ "grad_norm": 0.17883228911738394,
1519
+ "learning_rate": 2.6604815513160556e-05,
1520
+ "loss": 0.4241,
1521
+ "step": 216
1522
+ },
1523
+ {
1524
+ "epoch": 1.950870297585626,
1525
+ "grad_norm": 0.19947193861762386,
1526
+ "learning_rate": 2.6209548810342517e-05,
1527
+ "loss": 0.4137,
1528
+ "step": 217
1529
+ },
1530
+ {
1531
+ "epoch": 1.9598540145985401,
1532
+ "grad_norm": 0.19071364537376845,
1533
+ "learning_rate": 2.5815804518298575e-05,
1534
+ "loss": 0.4327,
1535
+ "step": 218
1536
+ },
1537
+ {
1538
+ "epoch": 1.9688377316114543,
1539
+ "grad_norm": 0.1712467330551581,
1540
+ "learning_rate": 2.542362610482715e-05,
1541
+ "loss": 0.4239,
1542
+ "step": 219
1543
+ },
1544
+ {
1545
+ "epoch": 1.9778214486243684,
1546
+ "grad_norm": 0.16971518326737378,
1547
+ "learning_rate": 2.503305686485991e-05,
1548
+ "loss": 0.4197,
1549
+ "step": 220
1550
+ },
1551
+ {
1552
+ "epoch": 1.9868051656372825,
1553
+ "grad_norm": 0.15655415639126638,
1554
+ "learning_rate": 2.464413991568222e-05,
1555
+ "loss": 0.4085,
1556
+ "step": 221
1557
+ },
1558
+ {
1559
+ "epoch": 1.9957888826501966,
1560
+ "grad_norm": 0.19809705687476845,
1561
+ "learning_rate": 2.4256918192173088e-05,
1562
+ "loss": 0.4325,
1563
+ "step": 222
1564
+ },
1565
+ {
1566
+ "epoch": 2.0061763054463784,
1567
+ "grad_norm": 0.32148951189801367,
1568
+ "learning_rate": 2.3871434442065414e-05,
1569
+ "loss": 0.7473,
1570
+ "step": 223
1571
+ },
1572
+ {
1573
+ "epoch": 2.0151600224592925,
1574
+ "grad_norm": 0.20734628721061774,
1575
+ "learning_rate": 2.3487731221226754e-05,
1576
+ "loss": 0.3817,
1577
+ "step": 224
1578
+ },
1579
+ {
1580
+ "epoch": 2.0241437394722066,
1581
+ "grad_norm": 0.2283335322281334,
1582
+ "learning_rate": 2.3105850888961348e-05,
1583
+ "loss": 0.4043,
1584
+ "step": 225
1585
+ },
1586
+ {
1587
+ "epoch": 2.0331274564851207,
1588
+ "grad_norm": 0.20409956046524397,
1589
+ "learning_rate": 2.272583560333379e-05,
1590
+ "loss": 0.3908,
1591
+ "step": 226
1592
+ },
1593
+ {
1594
+ "epoch": 2.042111173498035,
1595
+ "grad_norm": 0.21233165191280134,
1596
+ "learning_rate": 2.2347727316515e-05,
1597
+ "loss": 0.3963,
1598
+ "step": 227
1599
+ },
1600
+ {
1601
+ "epoch": 2.051094890510949,
1602
+ "grad_norm": 0.2058022752445305,
1603
+ "learning_rate": 2.1971567770150814e-05,
1604
+ "loss": 0.3875,
1605
+ "step": 228
1606
+ },
1607
+ {
1608
+ "epoch": 2.060078607523863,
1609
+ "grad_norm": 0.2202126073153398,
1610
+ "learning_rate": 2.1597398490753917e-05,
1611
+ "loss": 0.4031,
1612
+ "step": 229
1613
+ },
1614
+ {
1615
+ "epoch": 2.069062324536777,
1616
+ "grad_norm": 0.20478388239536333,
1617
+ "learning_rate": 2.1225260785119456e-05,
1618
+ "loss": 0.3891,
1619
+ "step": 230
1620
+ },
1621
+ {
1622
+ "epoch": 2.0780460415496913,
1623
+ "grad_norm": 0.1937488744583445,
1624
+ "learning_rate": 2.0855195735764947e-05,
1625
+ "loss": 0.3906,
1626
+ "step": 231
1627
+ },
1628
+ {
1629
+ "epoch": 2.0870297585626054,
1630
+ "grad_norm": 0.2163161528806818,
1631
+ "learning_rate": 2.0487244196394912e-05,
1632
+ "loss": 0.3941,
1633
+ "step": 232
1634
+ },
1635
+ {
1636
+ "epoch": 2.0960134755755195,
1637
+ "grad_norm": 0.18524457129950797,
1638
+ "learning_rate": 2.0121446787390822e-05,
1639
+ "loss": 0.3799,
1640
+ "step": 233
1641
+ },
1642
+ {
1643
+ "epoch": 2.1049971925884337,
1644
+ "grad_norm": 0.217114553144753,
1645
+ "learning_rate": 1.9757843891326736e-05,
1646
+ "loss": 0.3951,
1647
+ "step": 234
1648
+ },
1649
+ {
1650
+ "epoch": 2.1139809096013478,
1651
+ "grad_norm": 0.2017737198987517,
1652
+ "learning_rate": 1.939647564851127e-05,
1653
+ "loss": 0.3928,
1654
+ "step": 235
1655
+ },
1656
+ {
1657
+ "epoch": 2.1229646266142614,
1658
+ "grad_norm": 0.20060221109136825,
1659
+ "learning_rate": 1.9037381952556217e-05,
1660
+ "loss": 0.3891,
1661
+ "step": 236
1662
+ },
1663
+ {
1664
+ "epoch": 2.1319483436271756,
1665
+ "grad_norm": 0.19362260661168698,
1666
+ "learning_rate": 1.8680602445972463e-05,
1667
+ "loss": 0.3967,
1668
+ "step": 237
1669
+ },
1670
+ {
1671
+ "epoch": 2.1409320606400897,
1672
+ "grad_norm": 0.1898518071335132,
1673
+ "learning_rate": 1.832617651579365e-05,
1674
+ "loss": 0.3859,
1675
+ "step": 238
1676
+ },
1677
+ {
1678
+ "epoch": 2.149915777653004,
1679
+ "grad_norm": 0.1817097392847635,
1680
+ "learning_rate": 1.797414328922797e-05,
1681
+ "loss": 0.3878,
1682
+ "step": 239
1683
+ },
1684
+ {
1685
+ "epoch": 2.158899494665918,
1686
+ "grad_norm": 0.1438401587120875,
1687
+ "learning_rate": 1.7624541629338676e-05,
1688
+ "loss": 0.3902,
1689
+ "step": 240
1690
+ },
1691
+ {
1692
+ "epoch": 2.167883211678832,
1693
+ "grad_norm": 0.1785624789625333,
1694
+ "learning_rate": 1.7277410130753775e-05,
1695
+ "loss": 0.3803,
1696
+ "step": 241
1697
+ },
1698
+ {
1699
+ "epoch": 2.176866928691746,
1700
+ "grad_norm": 0.16410314706005405,
1701
+ "learning_rate": 1.6932787115405318e-05,
1702
+ "loss": 0.4038,
1703
+ "step": 242
1704
+ },
1705
+ {
1706
+ "epoch": 2.1858506457046603,
1707
+ "grad_norm": 0.17495931093245287,
1708
+ "learning_rate": 1.6590710628298826e-05,
1709
+ "loss": 0.4097,
1710
+ "step": 243
1711
+ },
1712
+ {
1713
+ "epoch": 2.1948343627175744,
1714
+ "grad_norm": 0.15732504490550855,
1715
+ "learning_rate": 1.6251218433313254e-05,
1716
+ "loss": 0.3841,
1717
+ "step": 244
1718
+ },
1719
+ {
1720
+ "epoch": 2.2038180797304885,
1721
+ "grad_norm": 0.15370170593613078,
1722
+ "learning_rate": 1.591434800903203e-05,
1723
+ "loss": 0.3879,
1724
+ "step": 245
1725
+ },
1726
+ {
1727
+ "epoch": 2.2128017967434026,
1728
+ "grad_norm": 0.14225993974716095,
1729
+ "learning_rate": 1.558013654460555e-05,
1730
+ "loss": 0.3831,
1731
+ "step": 246
1732
+ },
1733
+ {
1734
+ "epoch": 2.2217855137563167,
1735
+ "grad_norm": 0.16769227472528905,
1736
+ "learning_rate": 1.5248620935645666e-05,
1737
+ "loss": 0.3932,
1738
+ "step": 247
1739
+ },
1740
+ {
1741
+ "epoch": 2.230769230769231,
1742
+ "grad_norm": 0.15697609805604978,
1743
+ "learning_rate": 1.4919837780152544e-05,
1744
+ "loss": 0.3793,
1745
+ "step": 248
1746
+ },
1747
+ {
1748
+ "epoch": 2.239752947782145,
1749
+ "grad_norm": 0.14834997366132227,
1750
+ "learning_rate": 1.4593823374474374e-05,
1751
+ "loss": 0.3884,
1752
+ "step": 249
1753
+ },
1754
+ {
1755
+ "epoch": 2.248736664795059,
1756
+ "grad_norm": 0.1416591291545358,
1757
+ "learning_rate": 1.4270613709300429e-05,
1758
+ "loss": 0.3883,
1759
+ "step": 250
1760
+ },
1761
+ {
1762
+ "epoch": 2.257720381807973,
1763
+ "grad_norm": 0.1416137601943575,
1764
+ "learning_rate": 1.3950244465687833e-05,
1765
+ "loss": 0.3925,
1766
+ "step": 251
1767
+ },
1768
+ {
1769
+ "epoch": 2.2667040988208873,
1770
+ "grad_norm": 0.14486611430866134,
1771
+ "learning_rate": 1.3632751011122497e-05,
1772
+ "loss": 0.3988,
1773
+ "step": 252
1774
+ },
1775
+ {
1776
+ "epoch": 2.2756878158338014,
1777
+ "grad_norm": 0.1438931082489217,
1778
+ "learning_rate": 1.3318168395614697e-05,
1779
+ "loss": 0.3857,
1780
+ "step": 253
1781
+ },
1782
+ {
1783
+ "epoch": 2.2846715328467155,
1784
+ "grad_norm": 0.1376572002883416,
1785
+ "learning_rate": 1.3006531347829699e-05,
1786
+ "loss": 0.4054,
1787
+ "step": 254
1788
+ },
1789
+ {
1790
+ "epoch": 2.293655249859629,
1791
+ "grad_norm": 0.13374618220430773,
1792
+ "learning_rate": 1.2697874271253844e-05,
1793
+ "loss": 0.389,
1794
+ "step": 255
1795
+ },
1796
+ {
1797
+ "epoch": 2.3026389668725433,
1798
+ "grad_norm": 0.1344986927289295,
1799
+ "learning_rate": 1.2392231240396542e-05,
1800
+ "loss": 0.398,
1801
+ "step": 256
1802
+ },
1803
+ {
1804
+ "epoch": 2.3116226838854574,
1805
+ "grad_norm": 0.13248310416193929,
1806
+ "learning_rate": 1.2089635997028592e-05,
1807
+ "loss": 0.3964,
1808
+ "step": 257
1809
+ },
1810
+ {
1811
+ "epoch": 2.3206064008983716,
1812
+ "grad_norm": 0.1250202978575819,
1813
+ "learning_rate": 1.1790121946457212e-05,
1814
+ "loss": 0.3827,
1815
+ "step": 258
1816
+ },
1817
+ {
1818
+ "epoch": 2.3295901179112857,
1819
+ "grad_norm": 0.1267954036736396,
1820
+ "learning_rate": 1.1493722153838239e-05,
1821
+ "loss": 0.403,
1822
+ "step": 259
1823
+ },
1824
+ {
1825
+ "epoch": 2.3385738349242,
1826
+ "grad_norm": 0.11963916536373062,
1827
+ "learning_rate": 1.120046934052585e-05,
1828
+ "loss": 0.3774,
1829
+ "step": 260
1830
+ },
1831
+ {
1832
+ "epoch": 2.347557551937114,
1833
+ "grad_norm": 0.11989536513409248,
1834
+ "learning_rate": 1.0910395880460274e-05,
1835
+ "loss": 0.3994,
1836
+ "step": 261
1837
+ },
1838
+ {
1839
+ "epoch": 2.356541268950028,
1840
+ "grad_norm": 0.13086834428014207,
1841
+ "learning_rate": 1.062353379659383e-05,
1842
+ "loss": 0.3959,
1843
+ "step": 262
1844
+ },
1845
+ {
1846
+ "epoch": 2.365524985962942,
1847
+ "grad_norm": 0.12262091225654496,
1848
+ "learning_rate": 1.0339914757355718e-05,
1849
+ "loss": 0.3909,
1850
+ "step": 263
1851
+ },
1852
+ {
1853
+ "epoch": 2.3745087029758563,
1854
+ "grad_norm": 0.13332341565208733,
1855
+ "learning_rate": 1.0059570073155953e-05,
1856
+ "loss": 0.3964,
1857
+ "step": 264
1858
+ },
1859
+ {
1860
+ "epoch": 2.3834924199887704,
1861
+ "grad_norm": 0.1390720043482773,
1862
+ "learning_rate": 9.782530692928832e-06,
1863
+ "loss": 0.3962,
1864
+ "step": 265
1865
+ },
1866
+ {
1867
+ "epoch": 2.3924761370016845,
1868
+ "grad_norm": 0.12593592732440334,
1869
+ "learning_rate": 9.508827200716273e-06,
1870
+ "loss": 0.3987,
1871
+ "step": 266
1872
+ },
1873
+ {
1874
+ "epoch": 2.4014598540145986,
1875
+ "grad_norm": 0.14058113905698136,
1876
+ "learning_rate": 9.238489812291469e-06,
1877
+ "loss": 0.3851,
1878
+ "step": 267
1879
+ },
1880
+ {
1881
+ "epoch": 2.4104435710275127,
1882
+ "grad_norm": 0.1293391140497839,
1883
+ "learning_rate": 8.971548371823205e-06,
1884
+ "loss": 0.3972,
1885
+ "step": 268
1886
+ },
1887
+ {
1888
+ "epoch": 2.419427288040427,
1889
+ "grad_norm": 0.1312457950118106,
1890
+ "learning_rate": 8.708032348581144e-06,
1891
+ "loss": 0.401,
1892
+ "step": 269
1893
+ },
1894
+ {
1895
+ "epoch": 2.428411005053341,
1896
+ "grad_norm": 0.13054369787139117,
1897
+ "learning_rate": 8.447970833682584e-06,
1898
+ "loss": 0.3801,
1899
+ "step": 270
1900
+ },
1901
+ {
1902
+ "epoch": 2.437394722066255,
1903
+ "grad_norm": 0.12662575874177268,
1904
+ "learning_rate": 8.191392536880852e-06,
1905
+ "loss": 0.3835,
1906
+ "step": 271
1907
+ },
1908
+ {
1909
+ "epoch": 2.446378439079169,
1910
+ "grad_norm": 0.14035374781938695,
1911
+ "learning_rate": 7.938325783395924e-06,
1912
+ "loss": 0.3924,
1913
+ "step": 272
1914
+ },
1915
+ {
1916
+ "epoch": 2.4553621560920833,
1917
+ "grad_norm": 0.11900240575463085,
1918
+ "learning_rate": 7.68879851078741e-06,
1919
+ "loss": 0.3839,
1920
+ "step": 273
1921
+ },
1922
+ {
1923
+ "epoch": 2.464345873104997,
1924
+ "grad_norm": 0.13981444396533035,
1925
+ "learning_rate": 7.442838265870347e-06,
1926
+ "loss": 0.4029,
1927
+ "step": 274
1928
+ },
1929
+ {
1930
+ "epoch": 2.473329590117911,
1931
+ "grad_norm": 0.13223802646070204,
1932
+ "learning_rate": 7.2004722016741605e-06,
1933
+ "loss": 0.3933,
1934
+ "step": 275
1935
+ },
1936
+ {
1937
+ "epoch": 2.482313307130825,
1938
+ "grad_norm": 0.1225885147923774,
1939
+ "learning_rate": 6.961727074445055e-06,
1940
+ "loss": 0.3984,
1941
+ "step": 276
1942
+ },
1943
+ {
1944
+ "epoch": 2.4912970241437393,
1945
+ "grad_norm": 0.11467365860762357,
1946
+ "learning_rate": 6.726629240692255e-06,
1947
+ "loss": 0.378,
1948
+ "step": 277
1949
+ },
1950
+ {
1951
+ "epoch": 2.5002807411566534,
1952
+ "grad_norm": 0.11696089178213367,
1953
+ "learning_rate": 6.4952046542783395e-06,
1954
+ "loss": 0.3794,
1955
+ "step": 278
1956
+ },
1957
+ {
1958
+ "epoch": 2.5092644581695676,
1959
+ "grad_norm": 0.12498140576448633,
1960
+ "learning_rate": 6.2674788635540415e-06,
1961
+ "loss": 0.3905,
1962
+ "step": 279
1963
+ },
1964
+ {
1965
+ "epoch": 2.5182481751824817,
1966
+ "grad_norm": 0.11214127166395674,
1967
+ "learning_rate": 6.04347700853781e-06,
1968
+ "loss": 0.4005,
1969
+ "step": 280
1970
+ },
1971
+ {
1972
+ "epoch": 2.527231892195396,
1973
+ "grad_norm": 0.10515201118000413,
1974
+ "learning_rate": 5.823223818140458e-06,
1975
+ "loss": 0.3826,
1976
+ "step": 281
1977
+ },
1978
+ {
1979
+ "epoch": 2.53621560920831,
1980
+ "grad_norm": 0.10659878155108474,
1981
+ "learning_rate": 5.606743607435183e-06,
1982
+ "loss": 0.3862,
1983
+ "step": 282
1984
+ },
1985
+ {
1986
+ "epoch": 2.545199326221224,
1987
+ "grad_norm": 0.12414903554961848,
1988
+ "learning_rate": 5.394060274973267e-06,
1989
+ "loss": 0.4022,
1990
+ "step": 283
1991
+ },
1992
+ {
1993
+ "epoch": 2.554183043234138,
1994
+ "grad_norm": 0.1086137186577079,
1995
+ "learning_rate": 5.185197300145817e-06,
1996
+ "loss": 0.3772,
1997
+ "step": 284
1998
+ },
1999
+ {
2000
+ "epoch": 2.5631667602470523,
2001
+ "grad_norm": 0.11392438691496676,
2002
+ "learning_rate": 4.980177740591678e-06,
2003
+ "loss": 0.4074,
2004
+ "step": 285
2005
+ },
2006
+ {
2007
+ "epoch": 2.5721504772599664,
2008
+ "grad_norm": 0.10614011676956907,
2009
+ "learning_rate": 4.779024229652005e-06,
2010
+ "loss": 0.3946,
2011
+ "step": 286
2012
+ },
2013
+ {
2014
+ "epoch": 2.5811341942728805,
2015
+ "grad_norm": 0.10589648874830734,
2016
+ "learning_rate": 4.581758973871609e-06,
2017
+ "loss": 0.3948,
2018
+ "step": 287
2019
+ },
2020
+ {
2021
+ "epoch": 2.5901179112857946,
2022
+ "grad_norm": 0.10117190574073207,
2023
+ "learning_rate": 4.3884037505474455e-06,
2024
+ "loss": 0.3834,
2025
+ "step": 288
2026
+ },
2027
+ {
2028
+ "epoch": 2.5991016282987087,
2029
+ "grad_norm": 0.10088190358164044,
2030
+ "learning_rate": 4.198979905324496e-06,
2031
+ "loss": 0.3839,
2032
+ "step": 289
2033
+ },
2034
+ {
2035
+ "epoch": 2.608085345311623,
2036
+ "grad_norm": 0.10998415397637723,
2037
+ "learning_rate": 4.0135083498392905e-06,
2038
+ "loss": 0.4005,
2039
+ "step": 290
2040
+ },
2041
+ {
2042
+ "epoch": 2.6170690623245365,
2043
+ "grad_norm": 0.10291443940485356,
2044
+ "learning_rate": 3.832009559411338e-06,
2045
+ "loss": 0.3946,
2046
+ "step": 291
2047
+ },
2048
+ {
2049
+ "epoch": 2.626052779337451,
2050
+ "grad_norm": 0.0987497217572695,
2051
+ "learning_rate": 3.654503570782755e-06,
2052
+ "loss": 0.3797,
2053
+ "step": 292
2054
+ },
2055
+ {
2056
+ "epoch": 2.6350364963503647,
2057
+ "grad_norm": 0.10073485737297722,
2058
+ "learning_rate": 3.481009979906258e-06,
2059
+ "loss": 0.3977,
2060
+ "step": 293
2061
+ },
2062
+ {
2063
+ "epoch": 2.6440202133632793,
2064
+ "grad_norm": 0.10086816317959164,
2065
+ "learning_rate": 3.311547939781887e-06,
2066
+ "loss": 0.3944,
2067
+ "step": 294
2068
+ },
2069
+ {
2070
+ "epoch": 2.653003930376193,
2071
+ "grad_norm": 0.09803317553764752,
2072
+ "learning_rate": 3.14613615834253e-06,
2073
+ "loss": 0.3851,
2074
+ "step": 295
2075
+ },
2076
+ {
2077
+ "epoch": 2.661987647389107,
2078
+ "grad_norm": 0.10547156290892046,
2079
+ "learning_rate": 2.9847928963887198e-06,
2080
+ "loss": 0.3955,
2081
+ "step": 296
2082
+ },
2083
+ {
2084
+ "epoch": 2.670971364402021,
2085
+ "grad_norm": 0.09842701976978478,
2086
+ "learning_rate": 2.8275359655726586e-06,
2087
+ "loss": 0.3918,
2088
+ "step": 297
2089
+ },
2090
+ {
2091
+ "epoch": 2.6799550814149353,
2092
+ "grad_norm": 0.10279243698030634,
2093
+ "learning_rate": 2.6743827264319012e-06,
2094
+ "loss": 0.3916,
2095
+ "step": 298
2096
+ },
2097
+ {
2098
+ "epoch": 2.6889387984278494,
2099
+ "grad_norm": 0.09391104128159572,
2100
+ "learning_rate": 2.5253500864728155e-06,
2101
+ "loss": 0.3846,
2102
+ "step": 299
2103
+ },
2104
+ {
2105
+ "epoch": 2.6979225154407636,
2106
+ "grad_norm": 0.0914654057659311,
2107
+ "learning_rate": 2.3804544983040724e-06,
2108
+ "loss": 0.3824,
2109
+ "step": 300
2110
+ },
2111
+ {
2112
+ "epoch": 2.7069062324536777,
2113
+ "grad_norm": 0.09870686168033262,
2114
+ "learning_rate": 2.23971195782033e-06,
2115
+ "loss": 0.3927,
2116
+ "step": 301
2117
+ },
2118
+ {
2119
+ "epoch": 2.715889949466592,
2120
+ "grad_norm": 0.1061384997031586,
2121
+ "learning_rate": 2.1031380024363645e-06,
2122
+ "loss": 0.3993,
2123
+ "step": 302
2124
+ },
2125
+ {
2126
+ "epoch": 2.724873666479506,
2127
+ "grad_norm": 0.10190369293256683,
2128
+ "learning_rate": 1.9707477093717786e-06,
2129
+ "loss": 0.386,
2130
+ "step": 303
2131
+ },
2132
+ {
2133
+ "epoch": 2.73385738349242,
2134
+ "grad_norm": 0.09359682387036863,
2135
+ "learning_rate": 1.8425556939865696e-06,
2136
+ "loss": 0.3816,
2137
+ "step": 304
2138
+ },
2139
+ {
2140
+ "epoch": 2.742841100505334,
2141
+ "grad_norm": 0.0951294949828999,
2142
+ "learning_rate": 1.7185761081676222e-06,
2143
+ "loss": 0.3914,
2144
+ "step": 305
2145
+ },
2146
+ {
2147
+ "epoch": 2.7518248175182483,
2148
+ "grad_norm": 0.09488726435556502,
2149
+ "learning_rate": 1.5988226387664151e-06,
2150
+ "loss": 0.3826,
2151
+ "step": 306
2152
+ },
2153
+ {
2154
+ "epoch": 2.7608085345311624,
2155
+ "grad_norm": 0.08946031352013306,
2156
+ "learning_rate": 1.4833085060880349e-06,
2157
+ "loss": 0.3933,
2158
+ "step": 307
2159
+ },
2160
+ {
2161
+ "epoch": 2.7697922515440765,
2162
+ "grad_norm": 0.09936760457984616,
2163
+ "learning_rate": 1.3720464624317108e-06,
2164
+ "loss": 0.3754,
2165
+ "step": 308
2166
+ },
2167
+ {
2168
+ "epoch": 2.7787759685569906,
2169
+ "grad_norm": 0.09605033066883667,
2170
+ "learning_rate": 1.2650487906830234e-06,
2171
+ "loss": 0.4084,
2172
+ "step": 309
2173
+ },
2174
+ {
2175
+ "epoch": 2.7877596855699043,
2176
+ "grad_norm": 0.099913289552659,
2177
+ "learning_rate": 1.1623273029579195e-06,
2178
+ "loss": 0.3757,
2179
+ "step": 310
2180
+ },
2181
+ {
2182
+ "epoch": 2.796743402582819,
2183
+ "grad_norm": 0.09596634894133811,
2184
+ "learning_rate": 1.063893339298674e-06,
2185
+ "loss": 0.3957,
2186
+ "step": 311
2187
+ },
2188
+ {
2189
+ "epoch": 2.8057271195957325,
2190
+ "grad_norm": 0.09539713481428638,
2191
+ "learning_rate": 9.697577664220303e-07,
2192
+ "loss": 0.3943,
2193
+ "step": 312
2194
+ },
2195
+ {
2196
+ "epoch": 2.814710836608647,
2197
+ "grad_norm": 0.09238341661295082,
2198
+ "learning_rate": 8.799309765195452e-07,
2199
+ "loss": 0.3865,
2200
+ "step": 313
2201
+ },
2202
+ {
2203
+ "epoch": 2.8236945536215607,
2204
+ "grad_norm": 0.09215370347773162,
2205
+ "learning_rate": 7.944228861103264e-07,
2206
+ "loss": 0.393,
2207
+ "step": 314
2208
+ },
2209
+ {
2210
+ "epoch": 2.832678270634475,
2211
+ "grad_norm": 0.09454052595038595,
2212
+ "learning_rate": 7.132429349463011e-07,
2213
+ "loss": 0.387,
2214
+ "step": 315
2215
+ },
2216
+ {
2217
+ "epoch": 2.841661987647389,
2218
+ "grad_norm": 0.09250173345082788,
2219
+ "learning_rate": 6.364000849700791e-07,
2220
+ "loss": 0.391,
2221
+ "step": 316
2222
+ },
2223
+ {
2224
+ "epoch": 2.850645704660303,
2225
+ "grad_norm": 0.08839044291030243,
2226
+ "learning_rate": 5.639028193256257e-07,
2227
+ "loss": 0.3974,
2228
+ "step": 317
2229
+ },
2230
+ {
2231
+ "epoch": 2.859629421673217,
2232
+ "grad_norm": 0.08678885222396349,
2233
+ "learning_rate": 4.957591414217344e-07,
2234
+ "loss": 0.3912,
2235
+ "step": 318
2236
+ },
2237
+ {
2238
+ "epoch": 2.8686131386861313,
2239
+ "grad_norm": 0.09688413018501994,
2240
+ "learning_rate": 4.3197657404848935e-07,
2241
+ "loss": 0.3871,
2242
+ "step": 319
2243
+ },
2244
+ {
2245
+ "epoch": 2.8775968556990454,
2246
+ "grad_norm": 0.09442855901495942,
2247
+ "learning_rate": 3.725621585467698e-07,
2248
+ "loss": 0.3955,
2249
+ "step": 320
2250
+ },
2251
+ {
2252
+ "epoch": 2.8865805727119596,
2253
+ "grad_norm": 0.08776447719254343,
2254
+ "learning_rate": 3.1752245403092963e-07,
2255
+ "loss": 0.3889,
2256
+ "step": 321
2257
+ },
2258
+ {
2259
+ "epoch": 2.8955642897248737,
2260
+ "grad_norm": 0.08591645042050655,
2261
+ "learning_rate": 2.6686353666468323e-07,
2262
+ "loss": 0.3876,
2263
+ "step": 322
2264
+ },
2265
+ {
2266
+ "epoch": 2.904548006737788,
2267
+ "grad_norm": 0.08956097003735121,
2268
+ "learning_rate": 2.2059099899033098e-07,
2269
+ "loss": 0.3928,
2270
+ "step": 323
2271
+ },
2272
+ {
2273
+ "epoch": 2.913531723750702,
2274
+ "grad_norm": 0.08874803315016298,
2275
+ "learning_rate": 1.7870994931135977e-07,
2276
+ "loss": 0.3856,
2277
+ "step": 324
2278
+ },
2279
+ {
2280
+ "epoch": 2.922515440763616,
2281
+ "grad_norm": 0.09325131199811001,
2282
+ "learning_rate": 1.412250111285074e-07,
2283
+ "loss": 0.3976,
2284
+ "step": 325
2285
+ },
2286
+ {
2287
+ "epoch": 2.93149915777653,
2288
+ "grad_norm": 0.08572072856798726,
2289
+ "learning_rate": 1.0814032262935315e-07,
2290
+ "loss": 0.3809,
2291
+ "step": 326
2292
+ },
2293
+ {
2294
+ "epoch": 2.9404828747894443,
2295
+ "grad_norm": 0.08771028382043292,
2296
+ "learning_rate": 7.945953623146096e-08,
2297
+ "loss": 0.3791,
2298
+ "step": 327
2299
+ },
2300
+ {
2301
+ "epoch": 2.9494665918023584,
2302
+ "grad_norm": 0.08835820422720063,
2303
+ "learning_rate": 5.518581817918645e-08,
2304
+ "loss": 0.3928,
2305
+ "step": 328
2306
+ },
2307
+ {
2308
+ "epoch": 2.958450308815272,
2309
+ "grad_norm": 0.08971780481475433,
2310
+ "learning_rate": 3.532184819412532e-08,
2311
+ "loss": 0.3875,
2312
+ "step": 329
2313
+ },
2314
+ {
2315
+ "epoch": 2.9674340258281866,
2316
+ "grad_norm": 0.09086168349256409,
2317
+ "learning_rate": 1.9869819179292315e-08,
2318
+ "loss": 0.3902,
2319
+ "step": 330
2320
+ },
2321
+ {
2322
+ "epoch": 2.9764177428411003,
2323
+ "grad_norm": 0.09110615713231646,
2324
+ "learning_rate": 8.83143697702149e-09,
2325
+ "loss": 0.3928,
2326
+ "step": 331
2327
+ },
2328
+ {
2329
+ "epoch": 2.985401459854015,
2330
+ "grad_norm": 0.08717148170316144,
2331
+ "learning_rate": 2.2079201806501916e-09,
2332
+ "loss": 0.3867,
2333
+ "step": 332
2334
+ },
2335
+ {
2336
+ "epoch": 2.9943851768669285,
2337
+ "grad_norm": 0.09194318654950019,
2338
+ "learning_rate": 0.0,
2339
+ "loss": 0.3902,
2340
+ "step": 333
2341
+ },
2342
+ {
2343
+ "epoch": 2.9943851768669285,
2344
+ "step": 333,
2345
+ "total_flos": 4607052149424128.0,
2346
+ "train_loss": 0.4566754535869793,
2347
+ "train_runtime": 115300.1106,
2348
+ "train_samples_per_second": 2.965,
2349
+ "train_steps_per_second": 0.003
2350
+ }
2351
+ ],
2352
+ "logging_steps": 1.0,
2353
+ "max_steps": 333,
2354
+ "num_input_tokens_seen": 0,
2355
+ "num_train_epochs": 3,
2356
+ "save_steps": 500,
2357
+ "stateful_callbacks": {
2358
+ "TrainerControl": {
2359
+ "args": {
2360
+ "should_epoch_stop": false,
2361
+ "should_evaluate": false,
2362
+ "should_log": false,
2363
+ "should_save": true,
2364
+ "should_training_stop": true
2365
+ },
2366
+ "attributes": {}
2367
+ }
2368
+ },
2369
+ "total_flos": 4607052149424128.0,
2370
+ "train_batch_size": 1,
2371
+ "trial_name": null,
2372
+ "trial_params": null
2373
+ }
training_loss.png ADDED