0x70DA commited on
Commit
64fd8a6
1 Parent(s): de4d12b

Training in progress, step 2800

Browse files
checkpoint-2800/optimizer.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:9f921ad151aa0f9c994750256fb8769399dfba19d2bae696772778896658bb89
3
+ size 25279045
checkpoint-2800/pytorch_model.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:92b0af20e31332c889cc71da8969104a78dc07bf2710010ea53503119facfc82
3
+ size 12653389
checkpoint-2800/rng_state.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:8b8db6a62c660a1c73dd4de545f89d472a5fe2f1bb10b3591327b022d02af6ee
3
+ size 14575
checkpoint-2800/scaler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:dd6a3bb8c8d63cf885c60242a57958c538d7aa14ca7f199dd8ce9059bb1b68f8
3
+ size 557
checkpoint-2800/scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:973d3c2351c384830c8b31d2ee0e2c46729e67e0f88d6a49d400d46ab3f5c064
3
+ size 627
checkpoint-2800/trainer_state.json ADDED
@@ -0,0 +1,3488 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": 1.143415093421936,
3
+ "best_model_checkpoint": "outputs/checkpoint-2800",
4
+ "epoch": 0.896,
5
+ "global_step": 2800,
6
+ "is_hyper_param_search": false,
7
+ "is_local_process_zero": true,
8
+ "is_world_process_zero": true,
9
+ "log_history": [
10
+ {
11
+ "epoch": 0.0,
12
+ "learning_rate": 1e-05,
13
+ "loss": 1.8184,
14
+ "step": 5
15
+ },
16
+ {
17
+ "epoch": 0.0,
18
+ "learning_rate": 2e-05,
19
+ "loss": 1.7858,
20
+ "step": 10
21
+ },
22
+ {
23
+ "epoch": 0.0,
24
+ "learning_rate": 3e-05,
25
+ "loss": 1.7218,
26
+ "step": 15
27
+ },
28
+ {
29
+ "epoch": 0.01,
30
+ "learning_rate": 4e-05,
31
+ "loss": 1.7218,
32
+ "step": 20
33
+ },
34
+ {
35
+ "epoch": 0.01,
36
+ "learning_rate": 5e-05,
37
+ "loss": 1.7009,
38
+ "step": 25
39
+ },
40
+ {
41
+ "epoch": 0.01,
42
+ "learning_rate": 6e-05,
43
+ "loss": 1.6714,
44
+ "step": 30
45
+ },
46
+ {
47
+ "epoch": 0.01,
48
+ "learning_rate": 7e-05,
49
+ "loss": 1.6582,
50
+ "step": 35
51
+ },
52
+ {
53
+ "epoch": 0.01,
54
+ "learning_rate": 8e-05,
55
+ "loss": 1.5659,
56
+ "step": 40
57
+ },
58
+ {
59
+ "epoch": 0.01,
60
+ "learning_rate": 9e-05,
61
+ "loss": 1.5343,
62
+ "step": 45
63
+ },
64
+ {
65
+ "epoch": 0.02,
66
+ "learning_rate": 0.0001,
67
+ "loss": 1.5252,
68
+ "step": 50
69
+ },
70
+ {
71
+ "epoch": 0.02,
72
+ "learning_rate": 0.00011000000000000002,
73
+ "loss": 1.414,
74
+ "step": 55
75
+ },
76
+ {
77
+ "epoch": 0.02,
78
+ "learning_rate": 0.00012,
79
+ "loss": 1.3919,
80
+ "step": 60
81
+ },
82
+ {
83
+ "epoch": 0.02,
84
+ "learning_rate": 0.00013000000000000002,
85
+ "loss": 1.352,
86
+ "step": 65
87
+ },
88
+ {
89
+ "epoch": 0.02,
90
+ "learning_rate": 0.00014,
91
+ "loss": 1.3762,
92
+ "step": 70
93
+ },
94
+ {
95
+ "epoch": 0.02,
96
+ "learning_rate": 0.00015000000000000001,
97
+ "loss": 1.3238,
98
+ "step": 75
99
+ },
100
+ {
101
+ "epoch": 0.03,
102
+ "learning_rate": 0.00016,
103
+ "loss": 1.3306,
104
+ "step": 80
105
+ },
106
+ {
107
+ "epoch": 0.03,
108
+ "learning_rate": 0.00017,
109
+ "loss": 1.3423,
110
+ "step": 85
111
+ },
112
+ {
113
+ "epoch": 0.03,
114
+ "learning_rate": 0.00018,
115
+ "loss": 1.3199,
116
+ "step": 90
117
+ },
118
+ {
119
+ "epoch": 0.03,
120
+ "learning_rate": 0.00019,
121
+ "loss": 1.3506,
122
+ "step": 95
123
+ },
124
+ {
125
+ "epoch": 0.03,
126
+ "learning_rate": 0.0002,
127
+ "loss": 1.3315,
128
+ "step": 100
129
+ },
130
+ {
131
+ "epoch": 0.03,
132
+ "learning_rate": 0.0001998921832884097,
133
+ "loss": 1.3142,
134
+ "step": 105
135
+ },
136
+ {
137
+ "epoch": 0.04,
138
+ "learning_rate": 0.00019978436657681943,
139
+ "loss": 1.2994,
140
+ "step": 110
141
+ },
142
+ {
143
+ "epoch": 0.04,
144
+ "learning_rate": 0.00019967654986522912,
145
+ "loss": 1.2972,
146
+ "step": 115
147
+ },
148
+ {
149
+ "epoch": 0.04,
150
+ "learning_rate": 0.00019956873315363883,
151
+ "loss": 1.3135,
152
+ "step": 120
153
+ },
154
+ {
155
+ "epoch": 0.04,
156
+ "learning_rate": 0.00019946091644204851,
157
+ "loss": 1.2903,
158
+ "step": 125
159
+ },
160
+ {
161
+ "epoch": 0.04,
162
+ "learning_rate": 0.00019935309973045823,
163
+ "loss": 1.2783,
164
+ "step": 130
165
+ },
166
+ {
167
+ "epoch": 0.04,
168
+ "learning_rate": 0.00019924528301886794,
169
+ "loss": 1.3044,
170
+ "step": 135
171
+ },
172
+ {
173
+ "epoch": 0.04,
174
+ "learning_rate": 0.00019913746630727762,
175
+ "loss": 1.2947,
176
+ "step": 140
177
+ },
178
+ {
179
+ "epoch": 0.05,
180
+ "learning_rate": 0.00019902964959568736,
181
+ "loss": 1.2759,
182
+ "step": 145
183
+ },
184
+ {
185
+ "epoch": 0.05,
186
+ "learning_rate": 0.00019892183288409705,
187
+ "loss": 1.2746,
188
+ "step": 150
189
+ },
190
+ {
191
+ "epoch": 0.05,
192
+ "learning_rate": 0.00019881401617250676,
193
+ "loss": 1.2869,
194
+ "step": 155
195
+ },
196
+ {
197
+ "epoch": 0.05,
198
+ "learning_rate": 0.00019870619946091644,
199
+ "loss": 1.26,
200
+ "step": 160
201
+ },
202
+ {
203
+ "epoch": 0.05,
204
+ "learning_rate": 0.00019859838274932616,
205
+ "loss": 1.258,
206
+ "step": 165
207
+ },
208
+ {
209
+ "epoch": 0.05,
210
+ "learning_rate": 0.00019849056603773587,
211
+ "loss": 1.2649,
212
+ "step": 170
213
+ },
214
+ {
215
+ "epoch": 0.06,
216
+ "learning_rate": 0.00019838274932614555,
217
+ "loss": 1.2549,
218
+ "step": 175
219
+ },
220
+ {
221
+ "epoch": 0.06,
222
+ "learning_rate": 0.00019827493261455526,
223
+ "loss": 1.2859,
224
+ "step": 180
225
+ },
226
+ {
227
+ "epoch": 0.06,
228
+ "learning_rate": 0.00019816711590296498,
229
+ "loss": 1.2934,
230
+ "step": 185
231
+ },
232
+ {
233
+ "epoch": 0.06,
234
+ "learning_rate": 0.00019805929919137466,
235
+ "loss": 1.3011,
236
+ "step": 190
237
+ },
238
+ {
239
+ "epoch": 0.06,
240
+ "learning_rate": 0.00019795148247978437,
241
+ "loss": 1.2304,
242
+ "step": 195
243
+ },
244
+ {
245
+ "epoch": 0.06,
246
+ "learning_rate": 0.00019784366576819408,
247
+ "loss": 1.2849,
248
+ "step": 200
249
+ },
250
+ {
251
+ "epoch": 0.06,
252
+ "eval_loss": 1.2345943450927734,
253
+ "eval_runtime": 710.2534,
254
+ "eval_samples_per_second": 7.04,
255
+ "eval_steps_per_second": 0.88,
256
+ "step": 200
257
+ },
258
+ {
259
+ "epoch": 0.07,
260
+ "learning_rate": 0.0001977358490566038,
261
+ "loss": 1.2726,
262
+ "step": 205
263
+ },
264
+ {
265
+ "epoch": 0.07,
266
+ "learning_rate": 0.00019762803234501348,
267
+ "loss": 1.2996,
268
+ "step": 210
269
+ },
270
+ {
271
+ "epoch": 0.07,
272
+ "learning_rate": 0.0001975202156334232,
273
+ "loss": 1.2456,
274
+ "step": 215
275
+ },
276
+ {
277
+ "epoch": 0.07,
278
+ "learning_rate": 0.0001974123989218329,
279
+ "loss": 1.2794,
280
+ "step": 220
281
+ },
282
+ {
283
+ "epoch": 0.07,
284
+ "learning_rate": 0.0001973045822102426,
285
+ "loss": 1.2637,
286
+ "step": 225
287
+ },
288
+ {
289
+ "epoch": 0.07,
290
+ "learning_rate": 0.0001971967654986523,
291
+ "loss": 1.252,
292
+ "step": 230
293
+ },
294
+ {
295
+ "epoch": 0.08,
296
+ "learning_rate": 0.000197088948787062,
297
+ "loss": 1.2492,
298
+ "step": 235
299
+ },
300
+ {
301
+ "epoch": 0.08,
302
+ "learning_rate": 0.0001969811320754717,
303
+ "loss": 1.2972,
304
+ "step": 240
305
+ },
306
+ {
307
+ "epoch": 0.08,
308
+ "learning_rate": 0.0001968733153638814,
309
+ "loss": 1.3023,
310
+ "step": 245
311
+ },
312
+ {
313
+ "epoch": 0.08,
314
+ "learning_rate": 0.00019676549865229112,
315
+ "loss": 1.2682,
316
+ "step": 250
317
+ },
318
+ {
319
+ "epoch": 0.08,
320
+ "learning_rate": 0.00019665768194070083,
321
+ "loss": 1.2981,
322
+ "step": 255
323
+ },
324
+ {
325
+ "epoch": 0.08,
326
+ "learning_rate": 0.00019654986522911052,
327
+ "loss": 1.3084,
328
+ "step": 260
329
+ },
330
+ {
331
+ "epoch": 0.08,
332
+ "learning_rate": 0.00019644204851752023,
333
+ "loss": 1.2666,
334
+ "step": 265
335
+ },
336
+ {
337
+ "epoch": 0.09,
338
+ "learning_rate": 0.00019633423180592994,
339
+ "loss": 1.2623,
340
+ "step": 270
341
+ },
342
+ {
343
+ "epoch": 0.09,
344
+ "learning_rate": 0.00019622641509433963,
345
+ "loss": 1.2406,
346
+ "step": 275
347
+ },
348
+ {
349
+ "epoch": 0.09,
350
+ "learning_rate": 0.00019611859838274934,
351
+ "loss": 1.2623,
352
+ "step": 280
353
+ },
354
+ {
355
+ "epoch": 0.09,
356
+ "learning_rate": 0.00019601078167115905,
357
+ "loss": 1.2562,
358
+ "step": 285
359
+ },
360
+ {
361
+ "epoch": 0.09,
362
+ "learning_rate": 0.00019590296495956873,
363
+ "loss": 1.2166,
364
+ "step": 290
365
+ },
366
+ {
367
+ "epoch": 0.09,
368
+ "learning_rate": 0.00019579514824797845,
369
+ "loss": 1.2931,
370
+ "step": 295
371
+ },
372
+ {
373
+ "epoch": 0.1,
374
+ "learning_rate": 0.00019568733153638813,
375
+ "loss": 1.2354,
376
+ "step": 300
377
+ },
378
+ {
379
+ "epoch": 0.1,
380
+ "learning_rate": 0.00019557951482479787,
381
+ "loss": 1.2246,
382
+ "step": 305
383
+ },
384
+ {
385
+ "epoch": 0.1,
386
+ "learning_rate": 0.00019547169811320755,
387
+ "loss": 1.2236,
388
+ "step": 310
389
+ },
390
+ {
391
+ "epoch": 0.1,
392
+ "learning_rate": 0.00019536388140161727,
393
+ "loss": 1.2442,
394
+ "step": 315
395
+ },
396
+ {
397
+ "epoch": 0.1,
398
+ "learning_rate": 0.00019525606469002698,
399
+ "loss": 1.2779,
400
+ "step": 320
401
+ },
402
+ {
403
+ "epoch": 0.1,
404
+ "learning_rate": 0.00019514824797843666,
405
+ "loss": 1.2285,
406
+ "step": 325
407
+ },
408
+ {
409
+ "epoch": 0.11,
410
+ "learning_rate": 0.00019504043126684637,
411
+ "loss": 1.2157,
412
+ "step": 330
413
+ },
414
+ {
415
+ "epoch": 0.11,
416
+ "learning_rate": 0.00019493261455525606,
417
+ "loss": 1.2405,
418
+ "step": 335
419
+ },
420
+ {
421
+ "epoch": 0.11,
422
+ "learning_rate": 0.0001948247978436658,
423
+ "loss": 1.2335,
424
+ "step": 340
425
+ },
426
+ {
427
+ "epoch": 0.11,
428
+ "learning_rate": 0.00019471698113207548,
429
+ "loss": 1.2401,
430
+ "step": 345
431
+ },
432
+ {
433
+ "epoch": 0.11,
434
+ "learning_rate": 0.00019460916442048517,
435
+ "loss": 1.2521,
436
+ "step": 350
437
+ },
438
+ {
439
+ "epoch": 0.11,
440
+ "learning_rate": 0.0001945013477088949,
441
+ "loss": 1.2386,
442
+ "step": 355
443
+ },
444
+ {
445
+ "epoch": 0.12,
446
+ "learning_rate": 0.0001943935309973046,
447
+ "loss": 1.2196,
448
+ "step": 360
449
+ },
450
+ {
451
+ "epoch": 0.12,
452
+ "learning_rate": 0.0001942857142857143,
453
+ "loss": 1.192,
454
+ "step": 365
455
+ },
456
+ {
457
+ "epoch": 0.12,
458
+ "learning_rate": 0.000194177897574124,
459
+ "loss": 1.1964,
460
+ "step": 370
461
+ },
462
+ {
463
+ "epoch": 0.12,
464
+ "learning_rate": 0.0001940700808625337,
465
+ "loss": 1.2876,
466
+ "step": 375
467
+ },
468
+ {
469
+ "epoch": 0.12,
470
+ "learning_rate": 0.0001939622641509434,
471
+ "loss": 1.2622,
472
+ "step": 380
473
+ },
474
+ {
475
+ "epoch": 0.12,
476
+ "learning_rate": 0.0001938544474393531,
477
+ "loss": 1.2183,
478
+ "step": 385
479
+ },
480
+ {
481
+ "epoch": 0.12,
482
+ "learning_rate": 0.00019374663072776284,
483
+ "loss": 1.206,
484
+ "step": 390
485
+ },
486
+ {
487
+ "epoch": 0.13,
488
+ "learning_rate": 0.00019363881401617252,
489
+ "loss": 1.2697,
490
+ "step": 395
491
+ },
492
+ {
493
+ "epoch": 0.13,
494
+ "learning_rate": 0.0001935309973045822,
495
+ "loss": 1.2515,
496
+ "step": 400
497
+ },
498
+ {
499
+ "epoch": 0.13,
500
+ "eval_loss": 1.207701563835144,
501
+ "eval_runtime": 709.7794,
502
+ "eval_samples_per_second": 7.044,
503
+ "eval_steps_per_second": 0.881,
504
+ "step": 400
505
+ },
506
+ {
507
+ "epoch": 0.13,
508
+ "learning_rate": 0.00019342318059299192,
509
+ "loss": 1.2596,
510
+ "step": 405
511
+ },
512
+ {
513
+ "epoch": 0.13,
514
+ "learning_rate": 0.00019331536388140163,
515
+ "loss": 1.2537,
516
+ "step": 410
517
+ },
518
+ {
519
+ "epoch": 0.13,
520
+ "learning_rate": 0.00019320754716981134,
521
+ "loss": 1.2545,
522
+ "step": 415
523
+ },
524
+ {
525
+ "epoch": 0.13,
526
+ "learning_rate": 0.00019309973045822103,
527
+ "loss": 1.2473,
528
+ "step": 420
529
+ },
530
+ {
531
+ "epoch": 0.14,
532
+ "learning_rate": 0.00019299191374663074,
533
+ "loss": 1.2308,
534
+ "step": 425
535
+ },
536
+ {
537
+ "epoch": 0.14,
538
+ "learning_rate": 0.00019288409703504045,
539
+ "loss": 1.2482,
540
+ "step": 430
541
+ },
542
+ {
543
+ "epoch": 0.14,
544
+ "learning_rate": 0.00019277628032345013,
545
+ "loss": 1.2342,
546
+ "step": 435
547
+ },
548
+ {
549
+ "epoch": 0.14,
550
+ "learning_rate": 0.00019266846361185985,
551
+ "loss": 1.2101,
552
+ "step": 440
553
+ },
554
+ {
555
+ "epoch": 0.14,
556
+ "learning_rate": 0.00019256064690026956,
557
+ "loss": 1.233,
558
+ "step": 445
559
+ },
560
+ {
561
+ "epoch": 0.14,
562
+ "learning_rate": 0.00019245283018867927,
563
+ "loss": 1.2401,
564
+ "step": 450
565
+ },
566
+ {
567
+ "epoch": 0.15,
568
+ "learning_rate": 0.00019234501347708895,
569
+ "loss": 1.2088,
570
+ "step": 455
571
+ },
572
+ {
573
+ "epoch": 0.15,
574
+ "learning_rate": 0.00019223719676549864,
575
+ "loss": 1.2205,
576
+ "step": 460
577
+ },
578
+ {
579
+ "epoch": 0.15,
580
+ "learning_rate": 0.00019212938005390838,
581
+ "loss": 1.218,
582
+ "step": 465
583
+ },
584
+ {
585
+ "epoch": 0.15,
586
+ "learning_rate": 0.00019202156334231806,
587
+ "loss": 1.2208,
588
+ "step": 470
589
+ },
590
+ {
591
+ "epoch": 0.15,
592
+ "learning_rate": 0.00019191374663072777,
593
+ "loss": 1.2783,
594
+ "step": 475
595
+ },
596
+ {
597
+ "epoch": 0.15,
598
+ "learning_rate": 0.00019180592991913749,
599
+ "loss": 1.1886,
600
+ "step": 480
601
+ },
602
+ {
603
+ "epoch": 0.16,
604
+ "learning_rate": 0.00019169811320754717,
605
+ "loss": 1.1939,
606
+ "step": 485
607
+ },
608
+ {
609
+ "epoch": 0.16,
610
+ "learning_rate": 0.00019159029649595688,
611
+ "loss": 1.2079,
612
+ "step": 490
613
+ },
614
+ {
615
+ "epoch": 0.16,
616
+ "learning_rate": 0.00019148247978436657,
617
+ "loss": 1.2473,
618
+ "step": 495
619
+ },
620
+ {
621
+ "epoch": 0.16,
622
+ "learning_rate": 0.0001913746630727763,
623
+ "loss": 1.2295,
624
+ "step": 500
625
+ },
626
+ {
627
+ "epoch": 0.16,
628
+ "learning_rate": 0.000191266846361186,
629
+ "loss": 1.2064,
630
+ "step": 505
631
+ },
632
+ {
633
+ "epoch": 0.16,
634
+ "learning_rate": 0.00019115902964959568,
635
+ "loss": 1.2138,
636
+ "step": 510
637
+ },
638
+ {
639
+ "epoch": 0.16,
640
+ "learning_rate": 0.00019105121293800541,
641
+ "loss": 1.2618,
642
+ "step": 515
643
+ },
644
+ {
645
+ "epoch": 0.17,
646
+ "learning_rate": 0.0001909433962264151,
647
+ "loss": 1.2495,
648
+ "step": 520
649
+ },
650
+ {
651
+ "epoch": 0.17,
652
+ "learning_rate": 0.0001908355795148248,
653
+ "loss": 1.2553,
654
+ "step": 525
655
+ },
656
+ {
657
+ "epoch": 0.17,
658
+ "learning_rate": 0.0001907277628032345,
659
+ "loss": 1.2334,
660
+ "step": 530
661
+ },
662
+ {
663
+ "epoch": 0.17,
664
+ "learning_rate": 0.0001906199460916442,
665
+ "loss": 1.2442,
666
+ "step": 535
667
+ },
668
+ {
669
+ "epoch": 0.17,
670
+ "learning_rate": 0.00019051212938005392,
671
+ "loss": 1.2301,
672
+ "step": 540
673
+ },
674
+ {
675
+ "epoch": 0.17,
676
+ "learning_rate": 0.0001904043126684636,
677
+ "loss": 1.2678,
678
+ "step": 545
679
+ },
680
+ {
681
+ "epoch": 0.18,
682
+ "learning_rate": 0.00019029649595687334,
683
+ "loss": 1.2116,
684
+ "step": 550
685
+ },
686
+ {
687
+ "epoch": 0.18,
688
+ "learning_rate": 0.00019018867924528303,
689
+ "loss": 1.2556,
690
+ "step": 555
691
+ },
692
+ {
693
+ "epoch": 0.18,
694
+ "learning_rate": 0.00019008086253369274,
695
+ "loss": 1.2427,
696
+ "step": 560
697
+ },
698
+ {
699
+ "epoch": 0.18,
700
+ "learning_rate": 0.00018997304582210242,
701
+ "loss": 1.2138,
702
+ "step": 565
703
+ },
704
+ {
705
+ "epoch": 0.18,
706
+ "learning_rate": 0.00018986522911051214,
707
+ "loss": 1.248,
708
+ "step": 570
709
+ },
710
+ {
711
+ "epoch": 0.18,
712
+ "learning_rate": 0.00018975741239892185,
713
+ "loss": 1.2415,
714
+ "step": 575
715
+ },
716
+ {
717
+ "epoch": 0.19,
718
+ "learning_rate": 0.00018964959568733153,
719
+ "loss": 1.2303,
720
+ "step": 580
721
+ },
722
+ {
723
+ "epoch": 0.19,
724
+ "learning_rate": 0.00018954177897574125,
725
+ "loss": 1.1939,
726
+ "step": 585
727
+ },
728
+ {
729
+ "epoch": 0.19,
730
+ "learning_rate": 0.00018943396226415096,
731
+ "loss": 1.1927,
732
+ "step": 590
733
+ },
734
+ {
735
+ "epoch": 0.19,
736
+ "learning_rate": 0.00018932614555256064,
737
+ "loss": 1.1982,
738
+ "step": 595
739
+ },
740
+ {
741
+ "epoch": 0.19,
742
+ "learning_rate": 0.00018921832884097035,
743
+ "loss": 1.1859,
744
+ "step": 600
745
+ },
746
+ {
747
+ "epoch": 0.19,
748
+ "eval_loss": 1.1948214769363403,
749
+ "eval_runtime": 709.3061,
750
+ "eval_samples_per_second": 7.049,
751
+ "eval_steps_per_second": 0.881,
752
+ "step": 600
753
+ },
754
+ {
755
+ "epoch": 0.19,
756
+ "learning_rate": 0.00018911051212938007,
757
+ "loss": 1.2265,
758
+ "step": 605
759
+ },
760
+ {
761
+ "epoch": 0.2,
762
+ "learning_rate": 0.00018900269541778978,
763
+ "loss": 1.2402,
764
+ "step": 610
765
+ },
766
+ {
767
+ "epoch": 0.2,
768
+ "learning_rate": 0.00018889487870619946,
769
+ "loss": 1.2261,
770
+ "step": 615
771
+ },
772
+ {
773
+ "epoch": 0.2,
774
+ "learning_rate": 0.00018878706199460917,
775
+ "loss": 1.2264,
776
+ "step": 620
777
+ },
778
+ {
779
+ "epoch": 0.2,
780
+ "learning_rate": 0.00018867924528301889,
781
+ "loss": 1.2044,
782
+ "step": 625
783
+ },
784
+ {
785
+ "epoch": 0.2,
786
+ "learning_rate": 0.00018857142857142857,
787
+ "loss": 1.2203,
788
+ "step": 630
789
+ },
790
+ {
791
+ "epoch": 0.2,
792
+ "learning_rate": 0.00018846361185983828,
793
+ "loss": 1.2258,
794
+ "step": 635
795
+ },
796
+ {
797
+ "epoch": 0.2,
798
+ "learning_rate": 0.000188355795148248,
799
+ "loss": 1.2475,
800
+ "step": 640
801
+ },
802
+ {
803
+ "epoch": 0.21,
804
+ "learning_rate": 0.00018824797843665768,
805
+ "loss": 1.239,
806
+ "step": 645
807
+ },
808
+ {
809
+ "epoch": 0.21,
810
+ "learning_rate": 0.0001881401617250674,
811
+ "loss": 1.2374,
812
+ "step": 650
813
+ },
814
+ {
815
+ "epoch": 0.21,
816
+ "learning_rate": 0.0001880323450134771,
817
+ "loss": 1.2472,
818
+ "step": 655
819
+ },
820
+ {
821
+ "epoch": 0.21,
822
+ "learning_rate": 0.00018792452830188681,
823
+ "loss": 1.2411,
824
+ "step": 660
825
+ },
826
+ {
827
+ "epoch": 0.21,
828
+ "learning_rate": 0.0001878167115902965,
829
+ "loss": 1.1916,
830
+ "step": 665
831
+ },
832
+ {
833
+ "epoch": 0.21,
834
+ "learning_rate": 0.0001877088948787062,
835
+ "loss": 1.2043,
836
+ "step": 670
837
+ },
838
+ {
839
+ "epoch": 0.22,
840
+ "learning_rate": 0.00018760107816711592,
841
+ "loss": 1.2087,
842
+ "step": 675
843
+ },
844
+ {
845
+ "epoch": 0.22,
846
+ "learning_rate": 0.0001874932614555256,
847
+ "loss": 1.2147,
848
+ "step": 680
849
+ },
850
+ {
851
+ "epoch": 0.22,
852
+ "learning_rate": 0.00018738544474393532,
853
+ "loss": 1.1999,
854
+ "step": 685
855
+ },
856
+ {
857
+ "epoch": 0.22,
858
+ "learning_rate": 0.00018727762803234503,
859
+ "loss": 1.2031,
860
+ "step": 690
861
+ },
862
+ {
863
+ "epoch": 0.22,
864
+ "learning_rate": 0.00018716981132075472,
865
+ "loss": 1.268,
866
+ "step": 695
867
+ },
868
+ {
869
+ "epoch": 0.22,
870
+ "learning_rate": 0.00018706199460916443,
871
+ "loss": 1.2181,
872
+ "step": 700
873
+ },
874
+ {
875
+ "epoch": 0.23,
876
+ "learning_rate": 0.0001869541778975741,
877
+ "loss": 1.2187,
878
+ "step": 705
879
+ },
880
+ {
881
+ "epoch": 0.23,
882
+ "learning_rate": 0.00018684636118598385,
883
+ "loss": 1.2475,
884
+ "step": 710
885
+ },
886
+ {
887
+ "epoch": 0.23,
888
+ "learning_rate": 0.00018673854447439354,
889
+ "loss": 1.2043,
890
+ "step": 715
891
+ },
892
+ {
893
+ "epoch": 0.23,
894
+ "learning_rate": 0.00018663072776280325,
895
+ "loss": 1.1833,
896
+ "step": 720
897
+ },
898
+ {
899
+ "epoch": 0.23,
900
+ "learning_rate": 0.00018652291105121296,
901
+ "loss": 1.1899,
902
+ "step": 725
903
+ },
904
+ {
905
+ "epoch": 0.23,
906
+ "learning_rate": 0.00018641509433962264,
907
+ "loss": 1.232,
908
+ "step": 730
909
+ },
910
+ {
911
+ "epoch": 0.24,
912
+ "learning_rate": 0.00018630727762803236,
913
+ "loss": 1.1885,
914
+ "step": 735
915
+ },
916
+ {
917
+ "epoch": 0.24,
918
+ "learning_rate": 0.00018619946091644204,
919
+ "loss": 1.2087,
920
+ "step": 740
921
+ },
922
+ {
923
+ "epoch": 0.24,
924
+ "learning_rate": 0.00018609164420485178,
925
+ "loss": 1.2433,
926
+ "step": 745
927
+ },
928
+ {
929
+ "epoch": 0.24,
930
+ "learning_rate": 0.00018598382749326146,
931
+ "loss": 1.2233,
932
+ "step": 750
933
+ },
934
+ {
935
+ "epoch": 0.24,
936
+ "learning_rate": 0.00018587601078167115,
937
+ "loss": 1.2348,
938
+ "step": 755
939
+ },
940
+ {
941
+ "epoch": 0.24,
942
+ "learning_rate": 0.0001857681940700809,
943
+ "loss": 1.1667,
944
+ "step": 760
945
+ },
946
+ {
947
+ "epoch": 0.24,
948
+ "learning_rate": 0.00018566037735849057,
949
+ "loss": 1.2952,
950
+ "step": 765
951
+ },
952
+ {
953
+ "epoch": 0.25,
954
+ "learning_rate": 0.00018555256064690029,
955
+ "loss": 1.1939,
956
+ "step": 770
957
+ },
958
+ {
959
+ "epoch": 0.25,
960
+ "learning_rate": 0.00018544474393530997,
961
+ "loss": 1.1646,
962
+ "step": 775
963
+ },
964
+ {
965
+ "epoch": 0.25,
966
+ "learning_rate": 0.00018533692722371968,
967
+ "loss": 1.2055,
968
+ "step": 780
969
+ },
970
+ {
971
+ "epoch": 0.25,
972
+ "learning_rate": 0.0001852291105121294,
973
+ "loss": 1.183,
974
+ "step": 785
975
+ },
976
+ {
977
+ "epoch": 0.25,
978
+ "learning_rate": 0.00018512129380053908,
979
+ "loss": 1.2367,
980
+ "step": 790
981
+ },
982
+ {
983
+ "epoch": 0.25,
984
+ "learning_rate": 0.00018501347708894882,
985
+ "loss": 1.2265,
986
+ "step": 795
987
+ },
988
+ {
989
+ "epoch": 0.26,
990
+ "learning_rate": 0.0001849056603773585,
991
+ "loss": 1.2007,
992
+ "step": 800
993
+ },
994
+ {
995
+ "epoch": 0.26,
996
+ "eval_loss": 1.184471845626831,
997
+ "eval_runtime": 708.4336,
998
+ "eval_samples_per_second": 7.058,
999
+ "eval_steps_per_second": 0.882,
1000
+ "step": 800
1001
+ },
1002
+ {
1003
+ "epoch": 0.26,
1004
+ "learning_rate": 0.0001847978436657682,
1005
+ "loss": 1.204,
1006
+ "step": 805
1007
+ },
1008
+ {
1009
+ "epoch": 0.26,
1010
+ "learning_rate": 0.0001846900269541779,
1011
+ "loss": 1.2379,
1012
+ "step": 810
1013
+ },
1014
+ {
1015
+ "epoch": 0.26,
1016
+ "learning_rate": 0.0001845822102425876,
1017
+ "loss": 1.157,
1018
+ "step": 815
1019
+ },
1020
+ {
1021
+ "epoch": 0.26,
1022
+ "learning_rate": 0.00018447439353099732,
1023
+ "loss": 1.2072,
1024
+ "step": 820
1025
+ },
1026
+ {
1027
+ "epoch": 0.26,
1028
+ "learning_rate": 0.000184366576819407,
1029
+ "loss": 1.1764,
1030
+ "step": 825
1031
+ },
1032
+ {
1033
+ "epoch": 0.27,
1034
+ "learning_rate": 0.00018425876010781672,
1035
+ "loss": 1.21,
1036
+ "step": 830
1037
+ },
1038
+ {
1039
+ "epoch": 0.27,
1040
+ "learning_rate": 0.00018415094339622643,
1041
+ "loss": 1.19,
1042
+ "step": 835
1043
+ },
1044
+ {
1045
+ "epoch": 0.27,
1046
+ "learning_rate": 0.00018404312668463612,
1047
+ "loss": 1.1923,
1048
+ "step": 840
1049
+ },
1050
+ {
1051
+ "epoch": 0.27,
1052
+ "learning_rate": 0.00018393530997304583,
1053
+ "loss": 1.2367,
1054
+ "step": 845
1055
+ },
1056
+ {
1057
+ "epoch": 0.27,
1058
+ "learning_rate": 0.00018382749326145554,
1059
+ "loss": 1.2394,
1060
+ "step": 850
1061
+ },
1062
+ {
1063
+ "epoch": 0.27,
1064
+ "learning_rate": 0.00018371967654986525,
1065
+ "loss": 1.2275,
1066
+ "step": 855
1067
+ },
1068
+ {
1069
+ "epoch": 0.28,
1070
+ "learning_rate": 0.00018361185983827494,
1071
+ "loss": 1.2206,
1072
+ "step": 860
1073
+ },
1074
+ {
1075
+ "epoch": 0.28,
1076
+ "learning_rate": 0.00018350404312668465,
1077
+ "loss": 1.2017,
1078
+ "step": 865
1079
+ },
1080
+ {
1081
+ "epoch": 0.28,
1082
+ "learning_rate": 0.00018339622641509436,
1083
+ "loss": 1.2277,
1084
+ "step": 870
1085
+ },
1086
+ {
1087
+ "epoch": 0.28,
1088
+ "learning_rate": 0.00018328840970350404,
1089
+ "loss": 1.1958,
1090
+ "step": 875
1091
+ },
1092
+ {
1093
+ "epoch": 0.28,
1094
+ "learning_rate": 0.00018318059299191376,
1095
+ "loss": 1.2317,
1096
+ "step": 880
1097
+ },
1098
+ {
1099
+ "epoch": 0.28,
1100
+ "learning_rate": 0.00018307277628032347,
1101
+ "loss": 1.2339,
1102
+ "step": 885
1103
+ },
1104
+ {
1105
+ "epoch": 0.28,
1106
+ "learning_rate": 0.00018296495956873315,
1107
+ "loss": 1.2408,
1108
+ "step": 890
1109
+ },
1110
+ {
1111
+ "epoch": 0.29,
1112
+ "learning_rate": 0.00018285714285714286,
1113
+ "loss": 1.1818,
1114
+ "step": 895
1115
+ },
1116
+ {
1117
+ "epoch": 0.29,
1118
+ "learning_rate": 0.00018274932614555258,
1119
+ "loss": 1.2051,
1120
+ "step": 900
1121
+ },
1122
+ {
1123
+ "epoch": 0.29,
1124
+ "learning_rate": 0.0001826415094339623,
1125
+ "loss": 1.2304,
1126
+ "step": 905
1127
+ },
1128
+ {
1129
+ "epoch": 0.29,
1130
+ "learning_rate": 0.00018253369272237197,
1131
+ "loss": 1.1717,
1132
+ "step": 910
1133
+ },
1134
+ {
1135
+ "epoch": 0.29,
1136
+ "learning_rate": 0.00018242587601078168,
1137
+ "loss": 1.1811,
1138
+ "step": 915
1139
+ },
1140
+ {
1141
+ "epoch": 0.29,
1142
+ "learning_rate": 0.0001823180592991914,
1143
+ "loss": 1.2127,
1144
+ "step": 920
1145
+ },
1146
+ {
1147
+ "epoch": 0.3,
1148
+ "learning_rate": 0.00018221024258760108,
1149
+ "loss": 1.2278,
1150
+ "step": 925
1151
+ },
1152
+ {
1153
+ "epoch": 0.3,
1154
+ "learning_rate": 0.0001821024258760108,
1155
+ "loss": 1.223,
1156
+ "step": 930
1157
+ },
1158
+ {
1159
+ "epoch": 0.3,
1160
+ "learning_rate": 0.0001819946091644205,
1161
+ "loss": 1.233,
1162
+ "step": 935
1163
+ },
1164
+ {
1165
+ "epoch": 0.3,
1166
+ "learning_rate": 0.0001818867924528302,
1167
+ "loss": 1.2321,
1168
+ "step": 940
1169
+ },
1170
+ {
1171
+ "epoch": 0.3,
1172
+ "learning_rate": 0.0001817789757412399,
1173
+ "loss": 1.1894,
1174
+ "step": 945
1175
+ },
1176
+ {
1177
+ "epoch": 0.3,
1178
+ "learning_rate": 0.00018167115902964959,
1179
+ "loss": 1.2213,
1180
+ "step": 950
1181
+ },
1182
+ {
1183
+ "epoch": 0.31,
1184
+ "learning_rate": 0.00018156334231805933,
1185
+ "loss": 1.2444,
1186
+ "step": 955
1187
+ },
1188
+ {
1189
+ "epoch": 0.31,
1190
+ "learning_rate": 0.000181455525606469,
1191
+ "loss": 1.1988,
1192
+ "step": 960
1193
+ },
1194
+ {
1195
+ "epoch": 0.31,
1196
+ "learning_rate": 0.00018134770889487872,
1197
+ "loss": 1.2039,
1198
+ "step": 965
1199
+ },
1200
+ {
1201
+ "epoch": 0.31,
1202
+ "learning_rate": 0.00018123989218328843,
1203
+ "loss": 1.1972,
1204
+ "step": 970
1205
+ },
1206
+ {
1207
+ "epoch": 0.31,
1208
+ "learning_rate": 0.00018113207547169812,
1209
+ "loss": 1.2146,
1210
+ "step": 975
1211
+ },
1212
+ {
1213
+ "epoch": 0.31,
1214
+ "learning_rate": 0.00018102425876010783,
1215
+ "loss": 1.2346,
1216
+ "step": 980
1217
+ },
1218
+ {
1219
+ "epoch": 0.32,
1220
+ "learning_rate": 0.00018091644204851751,
1221
+ "loss": 1.2283,
1222
+ "step": 985
1223
+ },
1224
+ {
1225
+ "epoch": 0.32,
1226
+ "learning_rate": 0.00018080862533692723,
1227
+ "loss": 1.201,
1228
+ "step": 990
1229
+ },
1230
+ {
1231
+ "epoch": 0.32,
1232
+ "learning_rate": 0.00018070080862533694,
1233
+ "loss": 1.2149,
1234
+ "step": 995
1235
+ },
1236
+ {
1237
+ "epoch": 0.32,
1238
+ "learning_rate": 0.00018059299191374662,
1239
+ "loss": 1.2085,
1240
+ "step": 1000
1241
+ },
1242
+ {
1243
+ "epoch": 0.32,
1244
+ "eval_loss": 1.176331877708435,
1245
+ "eval_runtime": 709.1565,
1246
+ "eval_samples_per_second": 7.051,
1247
+ "eval_steps_per_second": 0.881,
1248
+ "step": 1000
1249
+ },
1250
+ {
1251
+ "epoch": 0.32,
1252
+ "learning_rate": 0.00018048517520215636,
1253
+ "loss": 1.2484,
1254
+ "step": 1005
1255
+ },
1256
+ {
1257
+ "epoch": 0.32,
1258
+ "learning_rate": 0.00018037735849056605,
1259
+ "loss": 1.2193,
1260
+ "step": 1010
1261
+ },
1262
+ {
1263
+ "epoch": 0.32,
1264
+ "learning_rate": 0.00018026954177897576,
1265
+ "loss": 1.1733,
1266
+ "step": 1015
1267
+ },
1268
+ {
1269
+ "epoch": 0.33,
1270
+ "learning_rate": 0.00018016172506738544,
1271
+ "loss": 1.2152,
1272
+ "step": 1020
1273
+ },
1274
+ {
1275
+ "epoch": 0.33,
1276
+ "learning_rate": 0.00018005390835579516,
1277
+ "loss": 1.1688,
1278
+ "step": 1025
1279
+ },
1280
+ {
1281
+ "epoch": 0.33,
1282
+ "learning_rate": 0.00017994609164420487,
1283
+ "loss": 1.1893,
1284
+ "step": 1030
1285
+ },
1286
+ {
1287
+ "epoch": 0.33,
1288
+ "learning_rate": 0.00017983827493261455,
1289
+ "loss": 1.1483,
1290
+ "step": 1035
1291
+ },
1292
+ {
1293
+ "epoch": 0.33,
1294
+ "learning_rate": 0.0001797304582210243,
1295
+ "loss": 1.189,
1296
+ "step": 1040
1297
+ },
1298
+ {
1299
+ "epoch": 0.33,
1300
+ "learning_rate": 0.00017962264150943398,
1301
+ "loss": 1.1873,
1302
+ "step": 1045
1303
+ },
1304
+ {
1305
+ "epoch": 0.34,
1306
+ "learning_rate": 0.00017951482479784366,
1307
+ "loss": 1.1883,
1308
+ "step": 1050
1309
+ },
1310
+ {
1311
+ "epoch": 0.34,
1312
+ "learning_rate": 0.00017940700808625337,
1313
+ "loss": 1.1741,
1314
+ "step": 1055
1315
+ },
1316
+ {
1317
+ "epoch": 0.34,
1318
+ "learning_rate": 0.00017929919137466308,
1319
+ "loss": 1.2546,
1320
+ "step": 1060
1321
+ },
1322
+ {
1323
+ "epoch": 0.34,
1324
+ "learning_rate": 0.0001791913746630728,
1325
+ "loss": 1.2194,
1326
+ "step": 1065
1327
+ },
1328
+ {
1329
+ "epoch": 0.34,
1330
+ "learning_rate": 0.00017908355795148248,
1331
+ "loss": 1.1945,
1332
+ "step": 1070
1333
+ },
1334
+ {
1335
+ "epoch": 0.34,
1336
+ "learning_rate": 0.0001789757412398922,
1337
+ "loss": 1.2011,
1338
+ "step": 1075
1339
+ },
1340
+ {
1341
+ "epoch": 0.35,
1342
+ "learning_rate": 0.0001788679245283019,
1343
+ "loss": 1.1836,
1344
+ "step": 1080
1345
+ },
1346
+ {
1347
+ "epoch": 0.35,
1348
+ "learning_rate": 0.0001787601078167116,
1349
+ "loss": 1.2116,
1350
+ "step": 1085
1351
+ },
1352
+ {
1353
+ "epoch": 0.35,
1354
+ "learning_rate": 0.0001786522911051213,
1355
+ "loss": 1.1983,
1356
+ "step": 1090
1357
+ },
1358
+ {
1359
+ "epoch": 0.35,
1360
+ "learning_rate": 0.000178544474393531,
1361
+ "loss": 1.2095,
1362
+ "step": 1095
1363
+ },
1364
+ {
1365
+ "epoch": 0.35,
1366
+ "learning_rate": 0.0001784366576819407,
1367
+ "loss": 1.2007,
1368
+ "step": 1100
1369
+ },
1370
+ {
1371
+ "epoch": 0.35,
1372
+ "learning_rate": 0.0001783288409703504,
1373
+ "loss": 1.1936,
1374
+ "step": 1105
1375
+ },
1376
+ {
1377
+ "epoch": 0.36,
1378
+ "learning_rate": 0.0001782210242587601,
1379
+ "loss": 1.2207,
1380
+ "step": 1110
1381
+ },
1382
+ {
1383
+ "epoch": 0.36,
1384
+ "learning_rate": 0.00017811320754716983,
1385
+ "loss": 1.2016,
1386
+ "step": 1115
1387
+ },
1388
+ {
1389
+ "epoch": 0.36,
1390
+ "learning_rate": 0.00017800539083557952,
1391
+ "loss": 1.2013,
1392
+ "step": 1120
1393
+ },
1394
+ {
1395
+ "epoch": 0.36,
1396
+ "learning_rate": 0.00017789757412398923,
1397
+ "loss": 1.1794,
1398
+ "step": 1125
1399
+ },
1400
+ {
1401
+ "epoch": 0.36,
1402
+ "learning_rate": 0.00017778975741239894,
1403
+ "loss": 1.235,
1404
+ "step": 1130
1405
+ },
1406
+ {
1407
+ "epoch": 0.36,
1408
+ "learning_rate": 0.00017768194070080863,
1409
+ "loss": 1.1865,
1410
+ "step": 1135
1411
+ },
1412
+ {
1413
+ "epoch": 0.36,
1414
+ "learning_rate": 0.00017757412398921834,
1415
+ "loss": 1.2159,
1416
+ "step": 1140
1417
+ },
1418
+ {
1419
+ "epoch": 0.37,
1420
+ "learning_rate": 0.00017746630727762802,
1421
+ "loss": 1.1887,
1422
+ "step": 1145
1423
+ },
1424
+ {
1425
+ "epoch": 0.37,
1426
+ "learning_rate": 0.00017735849056603776,
1427
+ "loss": 1.1923,
1428
+ "step": 1150
1429
+ },
1430
+ {
1431
+ "epoch": 0.37,
1432
+ "learning_rate": 0.00017725067385444745,
1433
+ "loss": 1.1894,
1434
+ "step": 1155
1435
+ },
1436
+ {
1437
+ "epoch": 0.37,
1438
+ "learning_rate": 0.00017714285714285713,
1439
+ "loss": 1.1863,
1440
+ "step": 1160
1441
+ },
1442
+ {
1443
+ "epoch": 0.37,
1444
+ "learning_rate": 0.00017703504043126687,
1445
+ "loss": 1.2128,
1446
+ "step": 1165
1447
+ },
1448
+ {
1449
+ "epoch": 0.37,
1450
+ "learning_rate": 0.00017692722371967655,
1451
+ "loss": 1.214,
1452
+ "step": 1170
1453
+ },
1454
+ {
1455
+ "epoch": 0.38,
1456
+ "learning_rate": 0.00017681940700808627,
1457
+ "loss": 1.2083,
1458
+ "step": 1175
1459
+ },
1460
+ {
1461
+ "epoch": 0.38,
1462
+ "learning_rate": 0.00017671159029649595,
1463
+ "loss": 1.2252,
1464
+ "step": 1180
1465
+ },
1466
+ {
1467
+ "epoch": 0.38,
1468
+ "learning_rate": 0.00017660377358490566,
1469
+ "loss": 1.1818,
1470
+ "step": 1185
1471
+ },
1472
+ {
1473
+ "epoch": 0.38,
1474
+ "learning_rate": 0.00017649595687331538,
1475
+ "loss": 1.2334,
1476
+ "step": 1190
1477
+ },
1478
+ {
1479
+ "epoch": 0.38,
1480
+ "learning_rate": 0.00017638814016172506,
1481
+ "loss": 1.1752,
1482
+ "step": 1195
1483
+ },
1484
+ {
1485
+ "epoch": 0.38,
1486
+ "learning_rate": 0.0001762803234501348,
1487
+ "loss": 1.2036,
1488
+ "step": 1200
1489
+ },
1490
+ {
1491
+ "epoch": 0.38,
1492
+ "eval_loss": 1.1710153818130493,
1493
+ "eval_runtime": 708.8537,
1494
+ "eval_samples_per_second": 7.054,
1495
+ "eval_steps_per_second": 0.882,
1496
+ "step": 1200
1497
+ },
1498
+ {
1499
+ "epoch": 0.39,
1500
+ "learning_rate": 0.00017617250673854448,
1501
+ "loss": 1.2283,
1502
+ "step": 1205
1503
+ },
1504
+ {
1505
+ "epoch": 0.39,
1506
+ "learning_rate": 0.0001760646900269542,
1507
+ "loss": 1.2464,
1508
+ "step": 1210
1509
+ },
1510
+ {
1511
+ "epoch": 0.39,
1512
+ "learning_rate": 0.00017595687331536388,
1513
+ "loss": 1.2126,
1514
+ "step": 1215
1515
+ },
1516
+ {
1517
+ "epoch": 0.39,
1518
+ "learning_rate": 0.0001758490566037736,
1519
+ "loss": 1.2217,
1520
+ "step": 1220
1521
+ },
1522
+ {
1523
+ "epoch": 0.39,
1524
+ "learning_rate": 0.0001757412398921833,
1525
+ "loss": 1.2245,
1526
+ "step": 1225
1527
+ },
1528
+ {
1529
+ "epoch": 0.39,
1530
+ "learning_rate": 0.000175633423180593,
1531
+ "loss": 1.1941,
1532
+ "step": 1230
1533
+ },
1534
+ {
1535
+ "epoch": 0.4,
1536
+ "learning_rate": 0.0001755256064690027,
1537
+ "loss": 1.2041,
1538
+ "step": 1235
1539
+ },
1540
+ {
1541
+ "epoch": 0.4,
1542
+ "learning_rate": 0.0001754177897574124,
1543
+ "loss": 1.2076,
1544
+ "step": 1240
1545
+ },
1546
+ {
1547
+ "epoch": 0.4,
1548
+ "learning_rate": 0.0001753099730458221,
1549
+ "loss": 1.2154,
1550
+ "step": 1245
1551
+ },
1552
+ {
1553
+ "epoch": 0.4,
1554
+ "learning_rate": 0.0001752021563342318,
1555
+ "loss": 1.2247,
1556
+ "step": 1250
1557
+ },
1558
+ {
1559
+ "epoch": 0.4,
1560
+ "learning_rate": 0.00017509433962264152,
1561
+ "loss": 1.1822,
1562
+ "step": 1255
1563
+ },
1564
+ {
1565
+ "epoch": 0.4,
1566
+ "learning_rate": 0.00017498652291105123,
1567
+ "loss": 1.2015,
1568
+ "step": 1260
1569
+ },
1570
+ {
1571
+ "epoch": 0.4,
1572
+ "learning_rate": 0.00017487870619946092,
1573
+ "loss": 1.2111,
1574
+ "step": 1265
1575
+ },
1576
+ {
1577
+ "epoch": 0.41,
1578
+ "learning_rate": 0.00017477088948787063,
1579
+ "loss": 1.1946,
1580
+ "step": 1270
1581
+ },
1582
+ {
1583
+ "epoch": 0.41,
1584
+ "learning_rate": 0.00017466307277628034,
1585
+ "loss": 1.1365,
1586
+ "step": 1275
1587
+ },
1588
+ {
1589
+ "epoch": 0.41,
1590
+ "learning_rate": 0.00017455525606469003,
1591
+ "loss": 1.1742,
1592
+ "step": 1280
1593
+ },
1594
+ {
1595
+ "epoch": 0.41,
1596
+ "learning_rate": 0.00017444743935309974,
1597
+ "loss": 1.2442,
1598
+ "step": 1285
1599
+ },
1600
+ {
1601
+ "epoch": 0.41,
1602
+ "learning_rate": 0.00017433962264150945,
1603
+ "loss": 1.2095,
1604
+ "step": 1290
1605
+ },
1606
+ {
1607
+ "epoch": 0.41,
1608
+ "learning_rate": 0.00017423180592991913,
1609
+ "loss": 1.1727,
1610
+ "step": 1295
1611
+ },
1612
+ {
1613
+ "epoch": 0.42,
1614
+ "learning_rate": 0.00017412398921832885,
1615
+ "loss": 1.1948,
1616
+ "step": 1300
1617
+ },
1618
+ {
1619
+ "epoch": 0.42,
1620
+ "learning_rate": 0.00017401617250673856,
1621
+ "loss": 1.1737,
1622
+ "step": 1305
1623
+ },
1624
+ {
1625
+ "epoch": 0.42,
1626
+ "learning_rate": 0.00017390835579514827,
1627
+ "loss": 1.198,
1628
+ "step": 1310
1629
+ },
1630
+ {
1631
+ "epoch": 0.42,
1632
+ "learning_rate": 0.00017380053908355795,
1633
+ "loss": 1.2152,
1634
+ "step": 1315
1635
+ },
1636
+ {
1637
+ "epoch": 0.42,
1638
+ "learning_rate": 0.00017369272237196767,
1639
+ "loss": 1.2061,
1640
+ "step": 1320
1641
+ },
1642
+ {
1643
+ "epoch": 0.42,
1644
+ "learning_rate": 0.00017358490566037738,
1645
+ "loss": 1.1925,
1646
+ "step": 1325
1647
+ },
1648
+ {
1649
+ "epoch": 0.43,
1650
+ "learning_rate": 0.00017347708894878706,
1651
+ "loss": 1.2067,
1652
+ "step": 1330
1653
+ },
1654
+ {
1655
+ "epoch": 0.43,
1656
+ "learning_rate": 0.00017336927223719677,
1657
+ "loss": 1.1964,
1658
+ "step": 1335
1659
+ },
1660
+ {
1661
+ "epoch": 0.43,
1662
+ "learning_rate": 0.0001732614555256065,
1663
+ "loss": 1.2062,
1664
+ "step": 1340
1665
+ },
1666
+ {
1667
+ "epoch": 0.43,
1668
+ "learning_rate": 0.00017315363881401617,
1669
+ "loss": 1.2208,
1670
+ "step": 1345
1671
+ },
1672
+ {
1673
+ "epoch": 0.43,
1674
+ "learning_rate": 0.00017304582210242588,
1675
+ "loss": 1.167,
1676
+ "step": 1350
1677
+ },
1678
+ {
1679
+ "epoch": 0.43,
1680
+ "learning_rate": 0.00017293800539083557,
1681
+ "loss": 1.1802,
1682
+ "step": 1355
1683
+ },
1684
+ {
1685
+ "epoch": 0.44,
1686
+ "learning_rate": 0.0001728301886792453,
1687
+ "loss": 1.2193,
1688
+ "step": 1360
1689
+ },
1690
+ {
1691
+ "epoch": 0.44,
1692
+ "learning_rate": 0.000172722371967655,
1693
+ "loss": 1.2015,
1694
+ "step": 1365
1695
+ },
1696
+ {
1697
+ "epoch": 0.44,
1698
+ "learning_rate": 0.0001726145552560647,
1699
+ "loss": 1.2183,
1700
+ "step": 1370
1701
+ },
1702
+ {
1703
+ "epoch": 0.44,
1704
+ "learning_rate": 0.00017250673854447442,
1705
+ "loss": 1.1986,
1706
+ "step": 1375
1707
+ },
1708
+ {
1709
+ "epoch": 0.44,
1710
+ "learning_rate": 0.0001723989218328841,
1711
+ "loss": 1.1575,
1712
+ "step": 1380
1713
+ },
1714
+ {
1715
+ "epoch": 0.44,
1716
+ "learning_rate": 0.0001722911051212938,
1717
+ "loss": 1.1949,
1718
+ "step": 1385
1719
+ },
1720
+ {
1721
+ "epoch": 0.44,
1722
+ "learning_rate": 0.0001721832884097035,
1723
+ "loss": 1.2103,
1724
+ "step": 1390
1725
+ },
1726
+ {
1727
+ "epoch": 0.45,
1728
+ "learning_rate": 0.00017207547169811324,
1729
+ "loss": 1.2141,
1730
+ "step": 1395
1731
+ },
1732
+ {
1733
+ "epoch": 0.45,
1734
+ "learning_rate": 0.00017196765498652292,
1735
+ "loss": 1.2134,
1736
+ "step": 1400
1737
+ },
1738
+ {
1739
+ "epoch": 0.45,
1740
+ "eval_loss": 1.1655155420303345,
1741
+ "eval_runtime": 709.3424,
1742
+ "eval_samples_per_second": 7.049,
1743
+ "eval_steps_per_second": 0.881,
1744
+ "step": 1400
1745
+ },
1746
+ {
1747
+ "epoch": 0.45,
1748
+ "learning_rate": 0.0001718598382749326,
1749
+ "loss": 1.1573,
1750
+ "step": 1405
1751
+ },
1752
+ {
1753
+ "epoch": 0.45,
1754
+ "learning_rate": 0.00017175202156334234,
1755
+ "loss": 1.1694,
1756
+ "step": 1410
1757
+ },
1758
+ {
1759
+ "epoch": 0.45,
1760
+ "learning_rate": 0.00017164420485175203,
1761
+ "loss": 1.226,
1762
+ "step": 1415
1763
+ },
1764
+ {
1765
+ "epoch": 0.45,
1766
+ "learning_rate": 0.00017153638814016174,
1767
+ "loss": 1.1758,
1768
+ "step": 1420
1769
+ },
1770
+ {
1771
+ "epoch": 0.46,
1772
+ "learning_rate": 0.00017142857142857143,
1773
+ "loss": 1.185,
1774
+ "step": 1425
1775
+ },
1776
+ {
1777
+ "epoch": 0.46,
1778
+ "learning_rate": 0.00017132075471698114,
1779
+ "loss": 1.1878,
1780
+ "step": 1430
1781
+ },
1782
+ {
1783
+ "epoch": 0.46,
1784
+ "learning_rate": 0.00017121293800539085,
1785
+ "loss": 1.2108,
1786
+ "step": 1435
1787
+ },
1788
+ {
1789
+ "epoch": 0.46,
1790
+ "learning_rate": 0.00017110512129380053,
1791
+ "loss": 1.254,
1792
+ "step": 1440
1793
+ },
1794
+ {
1795
+ "epoch": 0.46,
1796
+ "learning_rate": 0.00017099730458221027,
1797
+ "loss": 1.2071,
1798
+ "step": 1445
1799
+ },
1800
+ {
1801
+ "epoch": 0.46,
1802
+ "learning_rate": 0.00017088948787061996,
1803
+ "loss": 1.1914,
1804
+ "step": 1450
1805
+ },
1806
+ {
1807
+ "epoch": 0.47,
1808
+ "learning_rate": 0.00017078167115902964,
1809
+ "loss": 1.1936,
1810
+ "step": 1455
1811
+ },
1812
+ {
1813
+ "epoch": 0.47,
1814
+ "learning_rate": 0.00017067385444743935,
1815
+ "loss": 1.2369,
1816
+ "step": 1460
1817
+ },
1818
+ {
1819
+ "epoch": 0.47,
1820
+ "learning_rate": 0.00017056603773584907,
1821
+ "loss": 1.1627,
1822
+ "step": 1465
1823
+ },
1824
+ {
1825
+ "epoch": 0.47,
1826
+ "learning_rate": 0.00017045822102425878,
1827
+ "loss": 1.216,
1828
+ "step": 1470
1829
+ },
1830
+ {
1831
+ "epoch": 0.47,
1832
+ "learning_rate": 0.00017035040431266846,
1833
+ "loss": 1.1931,
1834
+ "step": 1475
1835
+ },
1836
+ {
1837
+ "epoch": 0.47,
1838
+ "learning_rate": 0.00017024258760107817,
1839
+ "loss": 1.1859,
1840
+ "step": 1480
1841
+ },
1842
+ {
1843
+ "epoch": 0.48,
1844
+ "learning_rate": 0.00017013477088948789,
1845
+ "loss": 1.1769,
1846
+ "step": 1485
1847
+ },
1848
+ {
1849
+ "epoch": 0.48,
1850
+ "learning_rate": 0.00017002695417789757,
1851
+ "loss": 1.1376,
1852
+ "step": 1490
1853
+ },
1854
+ {
1855
+ "epoch": 0.48,
1856
+ "learning_rate": 0.00016991913746630728,
1857
+ "loss": 1.1692,
1858
+ "step": 1495
1859
+ },
1860
+ {
1861
+ "epoch": 0.48,
1862
+ "learning_rate": 0.000169811320754717,
1863
+ "loss": 1.1948,
1864
+ "step": 1500
1865
+ },
1866
+ {
1867
+ "epoch": 0.48,
1868
+ "learning_rate": 0.0001697035040431267,
1869
+ "loss": 1.183,
1870
+ "step": 1505
1871
+ },
1872
+ {
1873
+ "epoch": 0.48,
1874
+ "learning_rate": 0.0001695956873315364,
1875
+ "loss": 1.1687,
1876
+ "step": 1510
1877
+ },
1878
+ {
1879
+ "epoch": 0.48,
1880
+ "learning_rate": 0.0001694878706199461,
1881
+ "loss": 1.1754,
1882
+ "step": 1515
1883
+ },
1884
+ {
1885
+ "epoch": 0.49,
1886
+ "learning_rate": 0.00016938005390835581,
1887
+ "loss": 1.2051,
1888
+ "step": 1520
1889
+ },
1890
+ {
1891
+ "epoch": 0.49,
1892
+ "learning_rate": 0.0001692722371967655,
1893
+ "loss": 1.1862,
1894
+ "step": 1525
1895
+ },
1896
+ {
1897
+ "epoch": 0.49,
1898
+ "learning_rate": 0.0001691644204851752,
1899
+ "loss": 1.2014,
1900
+ "step": 1530
1901
+ },
1902
+ {
1903
+ "epoch": 0.49,
1904
+ "learning_rate": 0.00016905660377358492,
1905
+ "loss": 1.1992,
1906
+ "step": 1535
1907
+ },
1908
+ {
1909
+ "epoch": 0.49,
1910
+ "learning_rate": 0.0001689487870619946,
1911
+ "loss": 1.2253,
1912
+ "step": 1540
1913
+ },
1914
+ {
1915
+ "epoch": 0.49,
1916
+ "learning_rate": 0.00016884097035040432,
1917
+ "loss": 1.2125,
1918
+ "step": 1545
1919
+ },
1920
+ {
1921
+ "epoch": 0.5,
1922
+ "learning_rate": 0.00016873315363881403,
1923
+ "loss": 1.1838,
1924
+ "step": 1550
1925
+ },
1926
+ {
1927
+ "epoch": 0.5,
1928
+ "learning_rate": 0.00016862533692722374,
1929
+ "loss": 1.2048,
1930
+ "step": 1555
1931
+ },
1932
+ {
1933
+ "epoch": 0.5,
1934
+ "learning_rate": 0.00016851752021563343,
1935
+ "loss": 1.1855,
1936
+ "step": 1560
1937
+ },
1938
+ {
1939
+ "epoch": 0.5,
1940
+ "learning_rate": 0.0001684097035040431,
1941
+ "loss": 1.1646,
1942
+ "step": 1565
1943
+ },
1944
+ {
1945
+ "epoch": 0.5,
1946
+ "learning_rate": 0.00016830188679245285,
1947
+ "loss": 1.2024,
1948
+ "step": 1570
1949
+ },
1950
+ {
1951
+ "epoch": 0.5,
1952
+ "learning_rate": 0.00016819407008086254,
1953
+ "loss": 1.2162,
1954
+ "step": 1575
1955
+ },
1956
+ {
1957
+ "epoch": 0.51,
1958
+ "learning_rate": 0.00016808625336927225,
1959
+ "loss": 1.1909,
1960
+ "step": 1580
1961
+ },
1962
+ {
1963
+ "epoch": 0.51,
1964
+ "learning_rate": 0.00016797843665768196,
1965
+ "loss": 1.1807,
1966
+ "step": 1585
1967
+ },
1968
+ {
1969
+ "epoch": 0.51,
1970
+ "learning_rate": 0.00016787061994609164,
1971
+ "loss": 1.1803,
1972
+ "step": 1590
1973
+ },
1974
+ {
1975
+ "epoch": 0.51,
1976
+ "learning_rate": 0.00016776280323450136,
1977
+ "loss": 1.1894,
1978
+ "step": 1595
1979
+ },
1980
+ {
1981
+ "epoch": 0.51,
1982
+ "learning_rate": 0.00016765498652291104,
1983
+ "loss": 1.1869,
1984
+ "step": 1600
1985
+ },
1986
+ {
1987
+ "epoch": 0.51,
1988
+ "eval_loss": 1.1610257625579834,
1989
+ "eval_runtime": 709.4343,
1990
+ "eval_samples_per_second": 7.048,
1991
+ "eval_steps_per_second": 0.881,
1992
+ "step": 1600
1993
+ },
1994
+ {
1995
+ "epoch": 0.51,
1996
+ "learning_rate": 0.00016754716981132078,
1997
+ "loss": 1.1832,
1998
+ "step": 1605
1999
+ },
2000
+ {
2001
+ "epoch": 0.52,
2002
+ "learning_rate": 0.00016743935309973047,
2003
+ "loss": 1.1553,
2004
+ "step": 1610
2005
+ },
2006
+ {
2007
+ "epoch": 0.52,
2008
+ "learning_rate": 0.00016733153638814018,
2009
+ "loss": 1.1788,
2010
+ "step": 1615
2011
+ },
2012
+ {
2013
+ "epoch": 0.52,
2014
+ "learning_rate": 0.0001672237196765499,
2015
+ "loss": 1.1896,
2016
+ "step": 1620
2017
+ },
2018
+ {
2019
+ "epoch": 0.52,
2020
+ "learning_rate": 0.00016711590296495957,
2021
+ "loss": 1.1839,
2022
+ "step": 1625
2023
+ },
2024
+ {
2025
+ "epoch": 0.52,
2026
+ "learning_rate": 0.00016700808625336929,
2027
+ "loss": 1.2063,
2028
+ "step": 1630
2029
+ },
2030
+ {
2031
+ "epoch": 0.52,
2032
+ "learning_rate": 0.00016690026954177897,
2033
+ "loss": 1.1756,
2034
+ "step": 1635
2035
+ },
2036
+ {
2037
+ "epoch": 0.52,
2038
+ "learning_rate": 0.00016679245283018868,
2039
+ "loss": 1.1903,
2040
+ "step": 1640
2041
+ },
2042
+ {
2043
+ "epoch": 0.53,
2044
+ "learning_rate": 0.0001666846361185984,
2045
+ "loss": 1.1901,
2046
+ "step": 1645
2047
+ },
2048
+ {
2049
+ "epoch": 0.53,
2050
+ "learning_rate": 0.00016657681940700808,
2051
+ "loss": 1.1852,
2052
+ "step": 1650
2053
+ },
2054
+ {
2055
+ "epoch": 0.53,
2056
+ "learning_rate": 0.00016646900269541782,
2057
+ "loss": 1.1824,
2058
+ "step": 1655
2059
+ },
2060
+ {
2061
+ "epoch": 0.53,
2062
+ "learning_rate": 0.0001663611859838275,
2063
+ "loss": 1.1514,
2064
+ "step": 1660
2065
+ },
2066
+ {
2067
+ "epoch": 0.53,
2068
+ "learning_rate": 0.00016625336927223721,
2069
+ "loss": 1.1835,
2070
+ "step": 1665
2071
+ },
2072
+ {
2073
+ "epoch": 0.53,
2074
+ "learning_rate": 0.0001661455525606469,
2075
+ "loss": 1.1564,
2076
+ "step": 1670
2077
+ },
2078
+ {
2079
+ "epoch": 0.54,
2080
+ "learning_rate": 0.0001660377358490566,
2081
+ "loss": 1.2315,
2082
+ "step": 1675
2083
+ },
2084
+ {
2085
+ "epoch": 0.54,
2086
+ "learning_rate": 0.00016592991913746632,
2087
+ "loss": 1.2016,
2088
+ "step": 1680
2089
+ },
2090
+ {
2091
+ "epoch": 0.54,
2092
+ "learning_rate": 0.000165822102425876,
2093
+ "loss": 1.2058,
2094
+ "step": 1685
2095
+ },
2096
+ {
2097
+ "epoch": 0.54,
2098
+ "learning_rate": 0.00016571428571428575,
2099
+ "loss": 1.2109,
2100
+ "step": 1690
2101
+ },
2102
+ {
2103
+ "epoch": 0.54,
2104
+ "learning_rate": 0.00016560646900269543,
2105
+ "loss": 1.2114,
2106
+ "step": 1695
2107
+ },
2108
+ {
2109
+ "epoch": 0.54,
2110
+ "learning_rate": 0.00016549865229110512,
2111
+ "loss": 1.1754,
2112
+ "step": 1700
2113
+ },
2114
+ {
2115
+ "epoch": 0.55,
2116
+ "learning_rate": 0.00016539083557951483,
2117
+ "loss": 1.1659,
2118
+ "step": 1705
2119
+ },
2120
+ {
2121
+ "epoch": 0.55,
2122
+ "learning_rate": 0.00016528301886792454,
2123
+ "loss": 1.2003,
2124
+ "step": 1710
2125
+ },
2126
+ {
2127
+ "epoch": 0.55,
2128
+ "learning_rate": 0.00016517520215633425,
2129
+ "loss": 1.2209,
2130
+ "step": 1715
2131
+ },
2132
+ {
2133
+ "epoch": 0.55,
2134
+ "learning_rate": 0.00016506738544474394,
2135
+ "loss": 1.173,
2136
+ "step": 1720
2137
+ },
2138
+ {
2139
+ "epoch": 0.55,
2140
+ "learning_rate": 0.00016495956873315365,
2141
+ "loss": 1.2318,
2142
+ "step": 1725
2143
+ },
2144
+ {
2145
+ "epoch": 0.55,
2146
+ "learning_rate": 0.00016485175202156336,
2147
+ "loss": 1.2312,
2148
+ "step": 1730
2149
+ },
2150
+ {
2151
+ "epoch": 0.56,
2152
+ "learning_rate": 0.00016474393530997304,
2153
+ "loss": 1.1828,
2154
+ "step": 1735
2155
+ },
2156
+ {
2157
+ "epoch": 0.56,
2158
+ "learning_rate": 0.00016463611859838276,
2159
+ "loss": 1.1994,
2160
+ "step": 1740
2161
+ },
2162
+ {
2163
+ "epoch": 0.56,
2164
+ "learning_rate": 0.00016452830188679247,
2165
+ "loss": 1.1953,
2166
+ "step": 1745
2167
+ },
2168
+ {
2169
+ "epoch": 0.56,
2170
+ "learning_rate": 0.00016442048517520215,
2171
+ "loss": 1.1821,
2172
+ "step": 1750
2173
+ },
2174
+ {
2175
+ "epoch": 0.56,
2176
+ "learning_rate": 0.00016431266846361186,
2177
+ "loss": 1.2484,
2178
+ "step": 1755
2179
+ },
2180
+ {
2181
+ "epoch": 0.56,
2182
+ "learning_rate": 0.00016420485175202155,
2183
+ "loss": 1.1838,
2184
+ "step": 1760
2185
+ },
2186
+ {
2187
+ "epoch": 0.56,
2188
+ "learning_rate": 0.0001640970350404313,
2189
+ "loss": 1.1851,
2190
+ "step": 1765
2191
+ },
2192
+ {
2193
+ "epoch": 0.57,
2194
+ "learning_rate": 0.00016398921832884097,
2195
+ "loss": 1.2036,
2196
+ "step": 1770
2197
+ },
2198
+ {
2199
+ "epoch": 0.57,
2200
+ "learning_rate": 0.00016388140161725068,
2201
+ "loss": 1.2104,
2202
+ "step": 1775
2203
+ },
2204
+ {
2205
+ "epoch": 0.57,
2206
+ "learning_rate": 0.0001637735849056604,
2207
+ "loss": 1.1789,
2208
+ "step": 1780
2209
+ },
2210
+ {
2211
+ "epoch": 0.57,
2212
+ "learning_rate": 0.00016366576819407008,
2213
+ "loss": 1.2007,
2214
+ "step": 1785
2215
+ },
2216
+ {
2217
+ "epoch": 0.57,
2218
+ "learning_rate": 0.0001635579514824798,
2219
+ "loss": 1.1963,
2220
+ "step": 1790
2221
+ },
2222
+ {
2223
+ "epoch": 0.57,
2224
+ "learning_rate": 0.00016345013477088948,
2225
+ "loss": 1.1817,
2226
+ "step": 1795
2227
+ },
2228
+ {
2229
+ "epoch": 0.58,
2230
+ "learning_rate": 0.00016334231805929922,
2231
+ "loss": 1.2017,
2232
+ "step": 1800
2233
+ },
2234
+ {
2235
+ "epoch": 0.58,
2236
+ "eval_loss": 1.157345175743103,
2237
+ "eval_runtime": 708.5342,
2238
+ "eval_samples_per_second": 7.057,
2239
+ "eval_steps_per_second": 0.882,
2240
+ "step": 1800
2241
+ },
2242
+ {
2243
+ "epoch": 0.58,
2244
+ "learning_rate": 0.0001632345013477089,
2245
+ "loss": 1.1706,
2246
+ "step": 1805
2247
+ },
2248
+ {
2249
+ "epoch": 0.58,
2250
+ "learning_rate": 0.0001631266846361186,
2251
+ "loss": 1.2104,
2252
+ "step": 1810
2253
+ },
2254
+ {
2255
+ "epoch": 0.58,
2256
+ "learning_rate": 0.00016301886792452833,
2257
+ "loss": 1.1855,
2258
+ "step": 1815
2259
+ },
2260
+ {
2261
+ "epoch": 0.58,
2262
+ "learning_rate": 0.000162911051212938,
2263
+ "loss": 1.1485,
2264
+ "step": 1820
2265
+ },
2266
+ {
2267
+ "epoch": 0.58,
2268
+ "learning_rate": 0.00016280323450134772,
2269
+ "loss": 1.1951,
2270
+ "step": 1825
2271
+ },
2272
+ {
2273
+ "epoch": 0.59,
2274
+ "learning_rate": 0.0001626954177897574,
2275
+ "loss": 1.1655,
2276
+ "step": 1830
2277
+ },
2278
+ {
2279
+ "epoch": 0.59,
2280
+ "learning_rate": 0.00016258760107816712,
2281
+ "loss": 1.153,
2282
+ "step": 1835
2283
+ },
2284
+ {
2285
+ "epoch": 0.59,
2286
+ "learning_rate": 0.00016247978436657683,
2287
+ "loss": 1.1635,
2288
+ "step": 1840
2289
+ },
2290
+ {
2291
+ "epoch": 0.59,
2292
+ "learning_rate": 0.00016237196765498652,
2293
+ "loss": 1.2176,
2294
+ "step": 1845
2295
+ },
2296
+ {
2297
+ "epoch": 0.59,
2298
+ "learning_rate": 0.00016226415094339625,
2299
+ "loss": 1.1589,
2300
+ "step": 1850
2301
+ },
2302
+ {
2303
+ "epoch": 0.59,
2304
+ "learning_rate": 0.00016215633423180594,
2305
+ "loss": 1.2518,
2306
+ "step": 1855
2307
+ },
2308
+ {
2309
+ "epoch": 0.6,
2310
+ "learning_rate": 0.00016204851752021562,
2311
+ "loss": 1.1931,
2312
+ "step": 1860
2313
+ },
2314
+ {
2315
+ "epoch": 0.6,
2316
+ "learning_rate": 0.00016194070080862534,
2317
+ "loss": 1.1886,
2318
+ "step": 1865
2319
+ },
2320
+ {
2321
+ "epoch": 0.6,
2322
+ "learning_rate": 0.00016183288409703505,
2323
+ "loss": 1.1653,
2324
+ "step": 1870
2325
+ },
2326
+ {
2327
+ "epoch": 0.6,
2328
+ "learning_rate": 0.00016172506738544476,
2329
+ "loss": 1.1975,
2330
+ "step": 1875
2331
+ },
2332
+ {
2333
+ "epoch": 0.6,
2334
+ "learning_rate": 0.00016161725067385444,
2335
+ "loss": 1.2009,
2336
+ "step": 1880
2337
+ },
2338
+ {
2339
+ "epoch": 0.6,
2340
+ "learning_rate": 0.00016150943396226416,
2341
+ "loss": 1.2339,
2342
+ "step": 1885
2343
+ },
2344
+ {
2345
+ "epoch": 0.6,
2346
+ "learning_rate": 0.00016140161725067387,
2347
+ "loss": 1.1958,
2348
+ "step": 1890
2349
+ },
2350
+ {
2351
+ "epoch": 0.61,
2352
+ "learning_rate": 0.00016129380053908355,
2353
+ "loss": 1.1811,
2354
+ "step": 1895
2355
+ },
2356
+ {
2357
+ "epoch": 0.61,
2358
+ "learning_rate": 0.00016118598382749326,
2359
+ "loss": 1.1835,
2360
+ "step": 1900
2361
+ },
2362
+ {
2363
+ "epoch": 0.61,
2364
+ "learning_rate": 0.00016107816711590298,
2365
+ "loss": 1.1767,
2366
+ "step": 1905
2367
+ },
2368
+ {
2369
+ "epoch": 0.61,
2370
+ "learning_rate": 0.0001609703504043127,
2371
+ "loss": 1.1796,
2372
+ "step": 1910
2373
+ },
2374
+ {
2375
+ "epoch": 0.61,
2376
+ "learning_rate": 0.00016086253369272237,
2377
+ "loss": 1.2022,
2378
+ "step": 1915
2379
+ },
2380
+ {
2381
+ "epoch": 0.61,
2382
+ "learning_rate": 0.00016075471698113208,
2383
+ "loss": 1.1926,
2384
+ "step": 1920
2385
+ },
2386
+ {
2387
+ "epoch": 0.62,
2388
+ "learning_rate": 0.0001606469002695418,
2389
+ "loss": 1.1882,
2390
+ "step": 1925
2391
+ },
2392
+ {
2393
+ "epoch": 0.62,
2394
+ "learning_rate": 0.00016053908355795148,
2395
+ "loss": 1.1504,
2396
+ "step": 1930
2397
+ },
2398
+ {
2399
+ "epoch": 0.62,
2400
+ "learning_rate": 0.0001604312668463612,
2401
+ "loss": 1.1927,
2402
+ "step": 1935
2403
+ },
2404
+ {
2405
+ "epoch": 0.62,
2406
+ "learning_rate": 0.0001603234501347709,
2407
+ "loss": 1.1601,
2408
+ "step": 1940
2409
+ },
2410
+ {
2411
+ "epoch": 0.62,
2412
+ "learning_rate": 0.0001602156334231806,
2413
+ "loss": 1.1726,
2414
+ "step": 1945
2415
+ },
2416
+ {
2417
+ "epoch": 0.62,
2418
+ "learning_rate": 0.0001601078167115903,
2419
+ "loss": 1.2053,
2420
+ "step": 1950
2421
+ },
2422
+ {
2423
+ "epoch": 0.63,
2424
+ "learning_rate": 0.00016,
2425
+ "loss": 1.1919,
2426
+ "step": 1955
2427
+ },
2428
+ {
2429
+ "epoch": 0.63,
2430
+ "learning_rate": 0.00015989218328840972,
2431
+ "loss": 1.1814,
2432
+ "step": 1960
2433
+ },
2434
+ {
2435
+ "epoch": 0.63,
2436
+ "learning_rate": 0.0001597843665768194,
2437
+ "loss": 1.1838,
2438
+ "step": 1965
2439
+ },
2440
+ {
2441
+ "epoch": 0.63,
2442
+ "learning_rate": 0.00015967654986522912,
2443
+ "loss": 1.1954,
2444
+ "step": 1970
2445
+ },
2446
+ {
2447
+ "epoch": 0.63,
2448
+ "learning_rate": 0.00015956873315363883,
2449
+ "loss": 1.196,
2450
+ "step": 1975
2451
+ },
2452
+ {
2453
+ "epoch": 0.63,
2454
+ "learning_rate": 0.00015946091644204852,
2455
+ "loss": 1.1877,
2456
+ "step": 1980
2457
+ },
2458
+ {
2459
+ "epoch": 0.64,
2460
+ "learning_rate": 0.00015935309973045823,
2461
+ "loss": 1.1853,
2462
+ "step": 1985
2463
+ },
2464
+ {
2465
+ "epoch": 0.64,
2466
+ "learning_rate": 0.00015924528301886794,
2467
+ "loss": 1.197,
2468
+ "step": 1990
2469
+ },
2470
+ {
2471
+ "epoch": 0.64,
2472
+ "learning_rate": 0.00015913746630727763,
2473
+ "loss": 1.1484,
2474
+ "step": 1995
2475
+ },
2476
+ {
2477
+ "epoch": 0.64,
2478
+ "learning_rate": 0.00015902964959568734,
2479
+ "loss": 1.2139,
2480
+ "step": 2000
2481
+ },
2482
+ {
2483
+ "epoch": 0.64,
2484
+ "eval_loss": 1.153731107711792,
2485
+ "eval_runtime": 709.6014,
2486
+ "eval_samples_per_second": 7.046,
2487
+ "eval_steps_per_second": 0.881,
2488
+ "step": 2000
2489
+ },
2490
+ {
2491
+ "epoch": 0.64,
2492
+ "learning_rate": 0.00015892183288409702,
2493
+ "loss": 1.219,
2494
+ "step": 2005
2495
+ },
2496
+ {
2497
+ "epoch": 0.64,
2498
+ "learning_rate": 0.00015881401617250676,
2499
+ "loss": 1.209,
2500
+ "step": 2010
2501
+ },
2502
+ {
2503
+ "epoch": 0.64,
2504
+ "learning_rate": 0.00015870619946091645,
2505
+ "loss": 1.1925,
2506
+ "step": 2015
2507
+ },
2508
+ {
2509
+ "epoch": 0.65,
2510
+ "learning_rate": 0.00015859838274932616,
2511
+ "loss": 1.168,
2512
+ "step": 2020
2513
+ },
2514
+ {
2515
+ "epoch": 0.65,
2516
+ "learning_rate": 0.00015849056603773587,
2517
+ "loss": 1.1759,
2518
+ "step": 2025
2519
+ },
2520
+ {
2521
+ "epoch": 0.65,
2522
+ "learning_rate": 0.00015838274932614556,
2523
+ "loss": 1.1815,
2524
+ "step": 2030
2525
+ },
2526
+ {
2527
+ "epoch": 0.65,
2528
+ "learning_rate": 0.00015827493261455527,
2529
+ "loss": 1.17,
2530
+ "step": 2035
2531
+ },
2532
+ {
2533
+ "epoch": 0.65,
2534
+ "learning_rate": 0.00015816711590296495,
2535
+ "loss": 1.1778,
2536
+ "step": 2040
2537
+ },
2538
+ {
2539
+ "epoch": 0.65,
2540
+ "learning_rate": 0.00015805929919137466,
2541
+ "loss": 1.1832,
2542
+ "step": 2045
2543
+ },
2544
+ {
2545
+ "epoch": 0.66,
2546
+ "learning_rate": 0.00015795148247978438,
2547
+ "loss": 1.2256,
2548
+ "step": 2050
2549
+ },
2550
+ {
2551
+ "epoch": 0.66,
2552
+ "learning_rate": 0.00015784366576819406,
2553
+ "loss": 1.1694,
2554
+ "step": 2055
2555
+ },
2556
+ {
2557
+ "epoch": 0.66,
2558
+ "learning_rate": 0.0001577358490566038,
2559
+ "loss": 1.1549,
2560
+ "step": 2060
2561
+ },
2562
+ {
2563
+ "epoch": 0.66,
2564
+ "learning_rate": 0.00015762803234501348,
2565
+ "loss": 1.1811,
2566
+ "step": 2065
2567
+ },
2568
+ {
2569
+ "epoch": 0.66,
2570
+ "learning_rate": 0.0001575202156334232,
2571
+ "loss": 1.1529,
2572
+ "step": 2070
2573
+ },
2574
+ {
2575
+ "epoch": 0.66,
2576
+ "learning_rate": 0.00015741239892183288,
2577
+ "loss": 1.1677,
2578
+ "step": 2075
2579
+ },
2580
+ {
2581
+ "epoch": 0.67,
2582
+ "learning_rate": 0.0001573045822102426,
2583
+ "loss": 1.1657,
2584
+ "step": 2080
2585
+ },
2586
+ {
2587
+ "epoch": 0.67,
2588
+ "learning_rate": 0.0001571967654986523,
2589
+ "loss": 1.1673,
2590
+ "step": 2085
2591
+ },
2592
+ {
2593
+ "epoch": 0.67,
2594
+ "learning_rate": 0.000157088948787062,
2595
+ "loss": 1.1806,
2596
+ "step": 2090
2597
+ },
2598
+ {
2599
+ "epoch": 0.67,
2600
+ "learning_rate": 0.00015698113207547173,
2601
+ "loss": 1.209,
2602
+ "step": 2095
2603
+ },
2604
+ {
2605
+ "epoch": 0.67,
2606
+ "learning_rate": 0.0001568733153638814,
2607
+ "loss": 1.2106,
2608
+ "step": 2100
2609
+ },
2610
+ {
2611
+ "epoch": 0.67,
2612
+ "learning_rate": 0.0001567654986522911,
2613
+ "loss": 1.1588,
2614
+ "step": 2105
2615
+ },
2616
+ {
2617
+ "epoch": 0.68,
2618
+ "learning_rate": 0.0001566576819407008,
2619
+ "loss": 1.178,
2620
+ "step": 2110
2621
+ },
2622
+ {
2623
+ "epoch": 0.68,
2624
+ "learning_rate": 0.00015654986522911052,
2625
+ "loss": 1.1232,
2626
+ "step": 2115
2627
+ },
2628
+ {
2629
+ "epoch": 0.68,
2630
+ "learning_rate": 0.00015644204851752023,
2631
+ "loss": 1.2007,
2632
+ "step": 2120
2633
+ },
2634
+ {
2635
+ "epoch": 0.68,
2636
+ "learning_rate": 0.00015633423180592992,
2637
+ "loss": 1.1999,
2638
+ "step": 2125
2639
+ },
2640
+ {
2641
+ "epoch": 0.68,
2642
+ "learning_rate": 0.00015622641509433963,
2643
+ "loss": 1.1888,
2644
+ "step": 2130
2645
+ },
2646
+ {
2647
+ "epoch": 0.68,
2648
+ "learning_rate": 0.00015611859838274934,
2649
+ "loss": 1.2105,
2650
+ "step": 2135
2651
+ },
2652
+ {
2653
+ "epoch": 0.68,
2654
+ "learning_rate": 0.00015601078167115903,
2655
+ "loss": 1.1689,
2656
+ "step": 2140
2657
+ },
2658
+ {
2659
+ "epoch": 0.69,
2660
+ "learning_rate": 0.00015590296495956874,
2661
+ "loss": 1.1656,
2662
+ "step": 2145
2663
+ },
2664
+ {
2665
+ "epoch": 0.69,
2666
+ "learning_rate": 0.00015579514824797845,
2667
+ "loss": 1.1385,
2668
+ "step": 2150
2669
+ },
2670
+ {
2671
+ "epoch": 0.69,
2672
+ "learning_rate": 0.00015568733153638813,
2673
+ "loss": 1.1773,
2674
+ "step": 2155
2675
+ },
2676
+ {
2677
+ "epoch": 0.69,
2678
+ "learning_rate": 0.00015557951482479785,
2679
+ "loss": 1.1612,
2680
+ "step": 2160
2681
+ },
2682
+ {
2683
+ "epoch": 0.69,
2684
+ "learning_rate": 0.00015547169811320756,
2685
+ "loss": 1.1687,
2686
+ "step": 2165
2687
+ },
2688
+ {
2689
+ "epoch": 0.69,
2690
+ "learning_rate": 0.00015536388140161727,
2691
+ "loss": 1.1593,
2692
+ "step": 2170
2693
+ },
2694
+ {
2695
+ "epoch": 0.7,
2696
+ "learning_rate": 0.00015525606469002695,
2697
+ "loss": 1.1624,
2698
+ "step": 2175
2699
+ },
2700
+ {
2701
+ "epoch": 0.7,
2702
+ "learning_rate": 0.00015514824797843667,
2703
+ "loss": 1.1935,
2704
+ "step": 2180
2705
+ },
2706
+ {
2707
+ "epoch": 0.7,
2708
+ "learning_rate": 0.00015504043126684638,
2709
+ "loss": 1.1696,
2710
+ "step": 2185
2711
+ },
2712
+ {
2713
+ "epoch": 0.7,
2714
+ "learning_rate": 0.00015493261455525606,
2715
+ "loss": 1.2212,
2716
+ "step": 2190
2717
+ },
2718
+ {
2719
+ "epoch": 0.7,
2720
+ "learning_rate": 0.00015482479784366577,
2721
+ "loss": 1.1608,
2722
+ "step": 2195
2723
+ },
2724
+ {
2725
+ "epoch": 0.7,
2726
+ "learning_rate": 0.0001547169811320755,
2727
+ "loss": 1.1302,
2728
+ "step": 2200
2729
+ },
2730
+ {
2731
+ "epoch": 0.7,
2732
+ "eval_loss": 1.1510419845581055,
2733
+ "eval_runtime": 708.6685,
2734
+ "eval_samples_per_second": 7.055,
2735
+ "eval_steps_per_second": 0.882,
2736
+ "step": 2200
2737
+ },
2738
+ {
2739
+ "epoch": 0.71,
2740
+ "learning_rate": 0.0001546091644204852,
2741
+ "loss": 1.2165,
2742
+ "step": 2205
2743
+ },
2744
+ {
2745
+ "epoch": 0.71,
2746
+ "learning_rate": 0.00015450134770889488,
2747
+ "loss": 1.1766,
2748
+ "step": 2210
2749
+ },
2750
+ {
2751
+ "epoch": 0.71,
2752
+ "learning_rate": 0.00015439353099730457,
2753
+ "loss": 1.1762,
2754
+ "step": 2215
2755
+ },
2756
+ {
2757
+ "epoch": 0.71,
2758
+ "learning_rate": 0.0001542857142857143,
2759
+ "loss": 1.1523,
2760
+ "step": 2220
2761
+ },
2762
+ {
2763
+ "epoch": 0.71,
2764
+ "learning_rate": 0.000154177897574124,
2765
+ "loss": 1.1889,
2766
+ "step": 2225
2767
+ },
2768
+ {
2769
+ "epoch": 0.71,
2770
+ "learning_rate": 0.0001540700808625337,
2771
+ "loss": 1.1314,
2772
+ "step": 2230
2773
+ },
2774
+ {
2775
+ "epoch": 0.72,
2776
+ "learning_rate": 0.00015396226415094342,
2777
+ "loss": 1.2006,
2778
+ "step": 2235
2779
+ },
2780
+ {
2781
+ "epoch": 0.72,
2782
+ "learning_rate": 0.0001538544474393531,
2783
+ "loss": 1.2,
2784
+ "step": 2240
2785
+ },
2786
+ {
2787
+ "epoch": 0.72,
2788
+ "learning_rate": 0.0001537466307277628,
2789
+ "loss": 1.1558,
2790
+ "step": 2245
2791
+ },
2792
+ {
2793
+ "epoch": 0.72,
2794
+ "learning_rate": 0.0001536388140161725,
2795
+ "loss": 1.1979,
2796
+ "step": 2250
2797
+ },
2798
+ {
2799
+ "epoch": 0.72,
2800
+ "learning_rate": 0.00015353099730458224,
2801
+ "loss": 1.1782,
2802
+ "step": 2255
2803
+ },
2804
+ {
2805
+ "epoch": 0.72,
2806
+ "learning_rate": 0.00015342318059299192,
2807
+ "loss": 1.192,
2808
+ "step": 2260
2809
+ },
2810
+ {
2811
+ "epoch": 0.72,
2812
+ "learning_rate": 0.00015331536388140163,
2813
+ "loss": 1.1937,
2814
+ "step": 2265
2815
+ },
2816
+ {
2817
+ "epoch": 0.73,
2818
+ "learning_rate": 0.00015320754716981134,
2819
+ "loss": 1.1627,
2820
+ "step": 2270
2821
+ },
2822
+ {
2823
+ "epoch": 0.73,
2824
+ "learning_rate": 0.00015309973045822103,
2825
+ "loss": 1.1617,
2826
+ "step": 2275
2827
+ },
2828
+ {
2829
+ "epoch": 0.73,
2830
+ "learning_rate": 0.00015299191374663074,
2831
+ "loss": 1.2053,
2832
+ "step": 2280
2833
+ },
2834
+ {
2835
+ "epoch": 0.73,
2836
+ "learning_rate": 0.00015288409703504043,
2837
+ "loss": 1.1716,
2838
+ "step": 2285
2839
+ },
2840
+ {
2841
+ "epoch": 0.73,
2842
+ "learning_rate": 0.00015277628032345014,
2843
+ "loss": 1.214,
2844
+ "step": 2290
2845
+ },
2846
+ {
2847
+ "epoch": 0.73,
2848
+ "learning_rate": 0.00015266846361185985,
2849
+ "loss": 1.1908,
2850
+ "step": 2295
2851
+ },
2852
+ {
2853
+ "epoch": 0.74,
2854
+ "learning_rate": 0.00015256064690026953,
2855
+ "loss": 1.1819,
2856
+ "step": 2300
2857
+ },
2858
+ {
2859
+ "epoch": 0.74,
2860
+ "learning_rate": 0.00015245283018867927,
2861
+ "loss": 1.1544,
2862
+ "step": 2305
2863
+ },
2864
+ {
2865
+ "epoch": 0.74,
2866
+ "learning_rate": 0.00015234501347708896,
2867
+ "loss": 1.1634,
2868
+ "step": 2310
2869
+ },
2870
+ {
2871
+ "epoch": 0.74,
2872
+ "learning_rate": 0.00015223719676549867,
2873
+ "loss": 1.1831,
2874
+ "step": 2315
2875
+ },
2876
+ {
2877
+ "epoch": 0.74,
2878
+ "learning_rate": 0.00015212938005390835,
2879
+ "loss": 1.2191,
2880
+ "step": 2320
2881
+ },
2882
+ {
2883
+ "epoch": 0.74,
2884
+ "learning_rate": 0.00015202156334231807,
2885
+ "loss": 1.1716,
2886
+ "step": 2325
2887
+ },
2888
+ {
2889
+ "epoch": 0.75,
2890
+ "learning_rate": 0.00015191374663072778,
2891
+ "loss": 1.1385,
2892
+ "step": 2330
2893
+ },
2894
+ {
2895
+ "epoch": 0.75,
2896
+ "learning_rate": 0.00015180592991913746,
2897
+ "loss": 1.2081,
2898
+ "step": 2335
2899
+ },
2900
+ {
2901
+ "epoch": 0.75,
2902
+ "learning_rate": 0.00015169811320754717,
2903
+ "loss": 1.1674,
2904
+ "step": 2340
2905
+ },
2906
+ {
2907
+ "epoch": 0.75,
2908
+ "learning_rate": 0.00015159029649595689,
2909
+ "loss": 1.1078,
2910
+ "step": 2345
2911
+ },
2912
+ {
2913
+ "epoch": 0.75,
2914
+ "learning_rate": 0.00015148247978436657,
2915
+ "loss": 1.1987,
2916
+ "step": 2350
2917
+ },
2918
+ {
2919
+ "epoch": 0.75,
2920
+ "learning_rate": 0.00015137466307277628,
2921
+ "loss": 1.1827,
2922
+ "step": 2355
2923
+ },
2924
+ {
2925
+ "epoch": 0.76,
2926
+ "learning_rate": 0.000151266846361186,
2927
+ "loss": 1.1991,
2928
+ "step": 2360
2929
+ },
2930
+ {
2931
+ "epoch": 0.76,
2932
+ "learning_rate": 0.0001511590296495957,
2933
+ "loss": 1.1718,
2934
+ "step": 2365
2935
+ },
2936
+ {
2937
+ "epoch": 0.76,
2938
+ "learning_rate": 0.0001510512129380054,
2939
+ "loss": 1.187,
2940
+ "step": 2370
2941
+ },
2942
+ {
2943
+ "epoch": 0.76,
2944
+ "learning_rate": 0.0001509433962264151,
2945
+ "loss": 1.1596,
2946
+ "step": 2375
2947
+ },
2948
+ {
2949
+ "epoch": 0.76,
2950
+ "learning_rate": 0.00015083557951482481,
2951
+ "loss": 1.2077,
2952
+ "step": 2380
2953
+ },
2954
+ {
2955
+ "epoch": 0.76,
2956
+ "learning_rate": 0.0001507277628032345,
2957
+ "loss": 1.1955,
2958
+ "step": 2385
2959
+ },
2960
+ {
2961
+ "epoch": 0.76,
2962
+ "learning_rate": 0.0001506199460916442,
2963
+ "loss": 1.1653,
2964
+ "step": 2390
2965
+ },
2966
+ {
2967
+ "epoch": 0.77,
2968
+ "learning_rate": 0.00015051212938005392,
2969
+ "loss": 1.2213,
2970
+ "step": 2395
2971
+ },
2972
+ {
2973
+ "epoch": 0.77,
2974
+ "learning_rate": 0.0001504043126684636,
2975
+ "loss": 1.1799,
2976
+ "step": 2400
2977
+ },
2978
+ {
2979
+ "epoch": 0.77,
2980
+ "eval_loss": 1.1479781866073608,
2981
+ "eval_runtime": 709.5516,
2982
+ "eval_samples_per_second": 7.047,
2983
+ "eval_steps_per_second": 0.881,
2984
+ "step": 2400
2985
+ },
2986
+ {
2987
+ "epoch": 0.77,
2988
+ "learning_rate": 0.00015029649595687332,
2989
+ "loss": 1.1505,
2990
+ "step": 2405
2991
+ },
2992
+ {
2993
+ "epoch": 0.77,
2994
+ "learning_rate": 0.00015018867924528303,
2995
+ "loss": 1.1371,
2996
+ "step": 2410
2997
+ },
2998
+ {
2999
+ "epoch": 0.77,
3000
+ "learning_rate": 0.00015008086253369274,
3001
+ "loss": 1.1523,
3002
+ "step": 2415
3003
+ },
3004
+ {
3005
+ "epoch": 0.77,
3006
+ "learning_rate": 0.00014997304582210243,
3007
+ "loss": 1.1613,
3008
+ "step": 2420
3009
+ },
3010
+ {
3011
+ "epoch": 0.78,
3012
+ "learning_rate": 0.00014986522911051214,
3013
+ "loss": 1.1648,
3014
+ "step": 2425
3015
+ },
3016
+ {
3017
+ "epoch": 0.78,
3018
+ "learning_rate": 0.00014975741239892185,
3019
+ "loss": 1.1729,
3020
+ "step": 2430
3021
+ },
3022
+ {
3023
+ "epoch": 0.78,
3024
+ "learning_rate": 0.00014964959568733154,
3025
+ "loss": 1.1626,
3026
+ "step": 2435
3027
+ },
3028
+ {
3029
+ "epoch": 0.78,
3030
+ "learning_rate": 0.00014954177897574125,
3031
+ "loss": 1.1489,
3032
+ "step": 2440
3033
+ },
3034
+ {
3035
+ "epoch": 0.78,
3036
+ "learning_rate": 0.00014943396226415093,
3037
+ "loss": 1.1673,
3038
+ "step": 2445
3039
+ },
3040
+ {
3041
+ "epoch": 0.78,
3042
+ "learning_rate": 0.00014932614555256067,
3043
+ "loss": 1.1718,
3044
+ "step": 2450
3045
+ },
3046
+ {
3047
+ "epoch": 0.79,
3048
+ "learning_rate": 0.00014921832884097036,
3049
+ "loss": 1.1807,
3050
+ "step": 2455
3051
+ },
3052
+ {
3053
+ "epoch": 0.79,
3054
+ "learning_rate": 0.00014911051212938004,
3055
+ "loss": 1.2018,
3056
+ "step": 2460
3057
+ },
3058
+ {
3059
+ "epoch": 0.79,
3060
+ "learning_rate": 0.00014900269541778978,
3061
+ "loss": 1.2019,
3062
+ "step": 2465
3063
+ },
3064
+ {
3065
+ "epoch": 0.79,
3066
+ "learning_rate": 0.00014889487870619947,
3067
+ "loss": 1.2028,
3068
+ "step": 2470
3069
+ },
3070
+ {
3071
+ "epoch": 0.79,
3072
+ "learning_rate": 0.00014878706199460918,
3073
+ "loss": 1.1865,
3074
+ "step": 2475
3075
+ },
3076
+ {
3077
+ "epoch": 0.79,
3078
+ "learning_rate": 0.00014867924528301886,
3079
+ "loss": 1.1472,
3080
+ "step": 2480
3081
+ },
3082
+ {
3083
+ "epoch": 0.8,
3084
+ "learning_rate": 0.00014857142857142857,
3085
+ "loss": 1.1894,
3086
+ "step": 2485
3087
+ },
3088
+ {
3089
+ "epoch": 0.8,
3090
+ "learning_rate": 0.00014846361185983829,
3091
+ "loss": 1.165,
3092
+ "step": 2490
3093
+ },
3094
+ {
3095
+ "epoch": 0.8,
3096
+ "learning_rate": 0.00014835579514824797,
3097
+ "loss": 1.2207,
3098
+ "step": 2495
3099
+ },
3100
+ {
3101
+ "epoch": 0.8,
3102
+ "learning_rate": 0.0001482479784366577,
3103
+ "loss": 1.1673,
3104
+ "step": 2500
3105
+ },
3106
+ {
3107
+ "epoch": 0.8,
3108
+ "learning_rate": 0.0001481401617250674,
3109
+ "loss": 1.145,
3110
+ "step": 2505
3111
+ },
3112
+ {
3113
+ "epoch": 0.8,
3114
+ "learning_rate": 0.00014803234501347708,
3115
+ "loss": 1.1389,
3116
+ "step": 2510
3117
+ },
3118
+ {
3119
+ "epoch": 0.8,
3120
+ "learning_rate": 0.0001479245283018868,
3121
+ "loss": 1.1875,
3122
+ "step": 2515
3123
+ },
3124
+ {
3125
+ "epoch": 0.81,
3126
+ "learning_rate": 0.0001478167115902965,
3127
+ "loss": 1.1756,
3128
+ "step": 2520
3129
+ },
3130
+ {
3131
+ "epoch": 0.81,
3132
+ "learning_rate": 0.00014770889487870621,
3133
+ "loss": 1.1974,
3134
+ "step": 2525
3135
+ },
3136
+ {
3137
+ "epoch": 0.81,
3138
+ "learning_rate": 0.0001476010781671159,
3139
+ "loss": 1.1955,
3140
+ "step": 2530
3141
+ },
3142
+ {
3143
+ "epoch": 0.81,
3144
+ "learning_rate": 0.0001474932614555256,
3145
+ "loss": 1.1493,
3146
+ "step": 2535
3147
+ },
3148
+ {
3149
+ "epoch": 0.81,
3150
+ "learning_rate": 0.00014738544474393532,
3151
+ "loss": 1.1846,
3152
+ "step": 2540
3153
+ },
3154
+ {
3155
+ "epoch": 0.81,
3156
+ "learning_rate": 0.000147277628032345,
3157
+ "loss": 1.1558,
3158
+ "step": 2545
3159
+ },
3160
+ {
3161
+ "epoch": 0.82,
3162
+ "learning_rate": 0.00014716981132075472,
3163
+ "loss": 1.1677,
3164
+ "step": 2550
3165
+ },
3166
+ {
3167
+ "epoch": 0.82,
3168
+ "learning_rate": 0.00014706199460916443,
3169
+ "loss": 1.1772,
3170
+ "step": 2555
3171
+ },
3172
+ {
3173
+ "epoch": 0.82,
3174
+ "learning_rate": 0.00014695417789757414,
3175
+ "loss": 1.2155,
3176
+ "step": 2560
3177
+ },
3178
+ {
3179
+ "epoch": 0.82,
3180
+ "learning_rate": 0.00014684636118598383,
3181
+ "loss": 1.2052,
3182
+ "step": 2565
3183
+ },
3184
+ {
3185
+ "epoch": 0.82,
3186
+ "learning_rate": 0.00014673854447439354,
3187
+ "loss": 1.1814,
3188
+ "step": 2570
3189
+ },
3190
+ {
3191
+ "epoch": 0.82,
3192
+ "learning_rate": 0.00014663072776280325,
3193
+ "loss": 1.2011,
3194
+ "step": 2575
3195
+ },
3196
+ {
3197
+ "epoch": 0.83,
3198
+ "learning_rate": 0.00014652291105121294,
3199
+ "loss": 1.1852,
3200
+ "step": 2580
3201
+ },
3202
+ {
3203
+ "epoch": 0.83,
3204
+ "learning_rate": 0.00014641509433962265,
3205
+ "loss": 1.1847,
3206
+ "step": 2585
3207
+ },
3208
+ {
3209
+ "epoch": 0.83,
3210
+ "learning_rate": 0.00014630727762803236,
3211
+ "loss": 1.1983,
3212
+ "step": 2590
3213
+ },
3214
+ {
3215
+ "epoch": 0.83,
3216
+ "learning_rate": 0.00014619946091644204,
3217
+ "loss": 1.1576,
3218
+ "step": 2595
3219
+ },
3220
+ {
3221
+ "epoch": 0.83,
3222
+ "learning_rate": 0.00014609164420485176,
3223
+ "loss": 1.1518,
3224
+ "step": 2600
3225
+ },
3226
+ {
3227
+ "epoch": 0.83,
3228
+ "eval_loss": 1.146146535873413,
3229
+ "eval_runtime": 709.2392,
3230
+ "eval_samples_per_second": 7.05,
3231
+ "eval_steps_per_second": 0.881,
3232
+ "step": 2600
3233
+ },
3234
+ {
3235
+ "epoch": 0.83,
3236
+ "learning_rate": 0.00014598382749326147,
3237
+ "loss": 1.1805,
3238
+ "step": 2605
3239
+ },
3240
+ {
3241
+ "epoch": 0.84,
3242
+ "learning_rate": 0.00014587601078167118,
3243
+ "loss": 1.2067,
3244
+ "step": 2610
3245
+ },
3246
+ {
3247
+ "epoch": 0.84,
3248
+ "learning_rate": 0.00014576819407008086,
3249
+ "loss": 1.1257,
3250
+ "step": 2615
3251
+ },
3252
+ {
3253
+ "epoch": 0.84,
3254
+ "learning_rate": 0.00014566037735849055,
3255
+ "loss": 1.1683,
3256
+ "step": 2620
3257
+ },
3258
+ {
3259
+ "epoch": 0.84,
3260
+ "learning_rate": 0.0001455525606469003,
3261
+ "loss": 1.1763,
3262
+ "step": 2625
3263
+ },
3264
+ {
3265
+ "epoch": 0.84,
3266
+ "learning_rate": 0.00014544474393530997,
3267
+ "loss": 1.1747,
3268
+ "step": 2630
3269
+ },
3270
+ {
3271
+ "epoch": 0.84,
3272
+ "learning_rate": 0.00014533692722371969,
3273
+ "loss": 1.1658,
3274
+ "step": 2635
3275
+ },
3276
+ {
3277
+ "epoch": 0.84,
3278
+ "learning_rate": 0.0001452291105121294,
3279
+ "loss": 1.2061,
3280
+ "step": 2640
3281
+ },
3282
+ {
3283
+ "epoch": 0.85,
3284
+ "learning_rate": 0.00014512129380053908,
3285
+ "loss": 1.1888,
3286
+ "step": 2645
3287
+ },
3288
+ {
3289
+ "epoch": 0.85,
3290
+ "learning_rate": 0.0001450134770889488,
3291
+ "loss": 1.1822,
3292
+ "step": 2650
3293
+ },
3294
+ {
3295
+ "epoch": 0.85,
3296
+ "learning_rate": 0.00014490566037735848,
3297
+ "loss": 1.164,
3298
+ "step": 2655
3299
+ },
3300
+ {
3301
+ "epoch": 0.85,
3302
+ "learning_rate": 0.00014479784366576822,
3303
+ "loss": 1.2047,
3304
+ "step": 2660
3305
+ },
3306
+ {
3307
+ "epoch": 0.85,
3308
+ "learning_rate": 0.0001446900269541779,
3309
+ "loss": 1.1296,
3310
+ "step": 2665
3311
+ },
3312
+ {
3313
+ "epoch": 0.85,
3314
+ "learning_rate": 0.00014458221024258761,
3315
+ "loss": 1.1748,
3316
+ "step": 2670
3317
+ },
3318
+ {
3319
+ "epoch": 0.86,
3320
+ "learning_rate": 0.00014447439353099733,
3321
+ "loss": 1.1199,
3322
+ "step": 2675
3323
+ },
3324
+ {
3325
+ "epoch": 0.86,
3326
+ "learning_rate": 0.000144366576819407,
3327
+ "loss": 1.1819,
3328
+ "step": 2680
3329
+ },
3330
+ {
3331
+ "epoch": 0.86,
3332
+ "learning_rate": 0.00014425876010781672,
3333
+ "loss": 1.1801,
3334
+ "step": 2685
3335
+ },
3336
+ {
3337
+ "epoch": 0.86,
3338
+ "learning_rate": 0.0001441509433962264,
3339
+ "loss": 1.1667,
3340
+ "step": 2690
3341
+ },
3342
+ {
3343
+ "epoch": 0.86,
3344
+ "learning_rate": 0.00014404312668463612,
3345
+ "loss": 1.1823,
3346
+ "step": 2695
3347
+ },
3348
+ {
3349
+ "epoch": 0.86,
3350
+ "learning_rate": 0.00014393530997304583,
3351
+ "loss": 1.2095,
3352
+ "step": 2700
3353
+ },
3354
+ {
3355
+ "epoch": 0.87,
3356
+ "learning_rate": 0.00014382749326145552,
3357
+ "loss": 1.1903,
3358
+ "step": 2705
3359
+ },
3360
+ {
3361
+ "epoch": 0.87,
3362
+ "learning_rate": 0.00014371967654986525,
3363
+ "loss": 1.1857,
3364
+ "step": 2710
3365
+ },
3366
+ {
3367
+ "epoch": 0.87,
3368
+ "learning_rate": 0.00014361185983827494,
3369
+ "loss": 1.2016,
3370
+ "step": 2715
3371
+ },
3372
+ {
3373
+ "epoch": 0.87,
3374
+ "learning_rate": 0.00014350404312668465,
3375
+ "loss": 1.2046,
3376
+ "step": 2720
3377
+ },
3378
+ {
3379
+ "epoch": 0.87,
3380
+ "learning_rate": 0.00014339622641509434,
3381
+ "loss": 1.2048,
3382
+ "step": 2725
3383
+ },
3384
+ {
3385
+ "epoch": 0.87,
3386
+ "learning_rate": 0.00014328840970350405,
3387
+ "loss": 1.1859,
3388
+ "step": 2730
3389
+ },
3390
+ {
3391
+ "epoch": 0.88,
3392
+ "learning_rate": 0.00014318059299191376,
3393
+ "loss": 1.2309,
3394
+ "step": 2735
3395
+ },
3396
+ {
3397
+ "epoch": 0.88,
3398
+ "learning_rate": 0.00014307277628032344,
3399
+ "loss": 1.1893,
3400
+ "step": 2740
3401
+ },
3402
+ {
3403
+ "epoch": 0.88,
3404
+ "learning_rate": 0.00014296495956873318,
3405
+ "loss": 1.1932,
3406
+ "step": 2745
3407
+ },
3408
+ {
3409
+ "epoch": 0.88,
3410
+ "learning_rate": 0.00014285714285714287,
3411
+ "loss": 1.192,
3412
+ "step": 2750
3413
+ },
3414
+ {
3415
+ "epoch": 0.88,
3416
+ "learning_rate": 0.00014274932614555255,
3417
+ "loss": 1.188,
3418
+ "step": 2755
3419
+ },
3420
+ {
3421
+ "epoch": 0.88,
3422
+ "learning_rate": 0.00014264150943396226,
3423
+ "loss": 1.1345,
3424
+ "step": 2760
3425
+ },
3426
+ {
3427
+ "epoch": 0.88,
3428
+ "learning_rate": 0.00014253369272237198,
3429
+ "loss": 1.1902,
3430
+ "step": 2765
3431
+ },
3432
+ {
3433
+ "epoch": 0.89,
3434
+ "learning_rate": 0.0001424258760107817,
3435
+ "loss": 1.1644,
3436
+ "step": 2770
3437
+ },
3438
+ {
3439
+ "epoch": 0.89,
3440
+ "learning_rate": 0.00014231805929919137,
3441
+ "loss": 1.1259,
3442
+ "step": 2775
3443
+ },
3444
+ {
3445
+ "epoch": 0.89,
3446
+ "learning_rate": 0.00014221024258760108,
3447
+ "loss": 1.1694,
3448
+ "step": 2780
3449
+ },
3450
+ {
3451
+ "epoch": 0.89,
3452
+ "learning_rate": 0.0001421024258760108,
3453
+ "loss": 1.1837,
3454
+ "step": 2785
3455
+ },
3456
+ {
3457
+ "epoch": 0.89,
3458
+ "learning_rate": 0.00014199460916442048,
3459
+ "loss": 1.153,
3460
+ "step": 2790
3461
+ },
3462
+ {
3463
+ "epoch": 0.89,
3464
+ "learning_rate": 0.0001418867924528302,
3465
+ "loss": 1.1925,
3466
+ "step": 2795
3467
+ },
3468
+ {
3469
+ "epoch": 0.9,
3470
+ "learning_rate": 0.0001417789757412399,
3471
+ "loss": 1.1752,
3472
+ "step": 2800
3473
+ },
3474
+ {
3475
+ "epoch": 0.9,
3476
+ "eval_loss": 1.143415093421936,
3477
+ "eval_runtime": 708.8805,
3478
+ "eval_samples_per_second": 7.053,
3479
+ "eval_steps_per_second": 0.882,
3480
+ "step": 2800
3481
+ }
3482
+ ],
3483
+ "max_steps": 9375,
3484
+ "num_train_epochs": 3,
3485
+ "total_flos": 1.667675939930112e+17,
3486
+ "trial_name": null,
3487
+ "trial_params": null
3488
+ }
checkpoint-2800/training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:37558cbc88ba261791fbfa1f320a80e38b6c62c51b94e8ff0512ef16db3ba9ad
3
+ size 3963
pytorch_model.bin CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:ed09fb25f07097e9a72ef18429d0615b2af7fd60e652b8c5d34136b27c150273
3
  size 12653389
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:92b0af20e31332c889cc71da8969104a78dc07bf2710010ea53503119facfc82
3
  size 12653389
runs/May07_17-47-06_bc858596195a/events.out.tfevents.1683481716.bc858596195a.2495.0 CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:9c550b5eda093ad8de5c05e56b76bcbe99ffb83649821d974f4baccea12602d6
3
- size 89343
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:7b9713dc7d82c20d2531cb78fc3b92df9e1bbfad8fe07d23340dbcef07ec5ea5
3
+ size 95894