0x70DA commited on
Commit
a26aa0f
1 Parent(s): b339c9d

Training in progress, step 1800

Browse files
checkpoint-1800/optimizer.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:2519e34c9760335ef1cdc4628222f4e9df3dc170b0a23ce46bf8621add0cb9da
3
+ size 25279045
checkpoint-1800/pytorch_model.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:f7b0ffb154451a65fb72e29d26619c4f2611724bd0addf71799986cf4971d123
3
+ size 12653389
checkpoint-1800/rng_state.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:8d0996af35af7347aa7d5c123c91585773da964a8449c5e7988c5aad3f73c848
3
+ size 14639
checkpoint-1800/scaler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:6e372dbdefa78360aa0c173dac32ed07b6adf2d79936f267acae43d837649895
3
+ size 557
checkpoint-1800/scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:947652f5b50eddea68cdd54de127b562156838634700688b9ae4244c7f969d8f
3
+ size 627
checkpoint-1800/trainer_state.json ADDED
@@ -0,0 +1,2248 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": 1.306809425354004,
3
+ "best_model_checkpoint": "outputs/checkpoint-1800",
4
+ "epoch": 0.6160164271047228,
5
+ "global_step": 1800,
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": 1.8606,
14
+ "step": 5
15
+ },
16
+ {
17
+ "epoch": 0.0,
18
+ "learning_rate": 2e-05,
19
+ "loss": 1.8806,
20
+ "step": 10
21
+ },
22
+ {
23
+ "epoch": 0.01,
24
+ "learning_rate": 3e-05,
25
+ "loss": 1.8434,
26
+ "step": 15
27
+ },
28
+ {
29
+ "epoch": 0.01,
30
+ "learning_rate": 4e-05,
31
+ "loss": 1.7431,
32
+ "step": 20
33
+ },
34
+ {
35
+ "epoch": 0.01,
36
+ "learning_rate": 5e-05,
37
+ "loss": 1.7721,
38
+ "step": 25
39
+ },
40
+ {
41
+ "epoch": 0.01,
42
+ "learning_rate": 6e-05,
43
+ "loss": 1.6826,
44
+ "step": 30
45
+ },
46
+ {
47
+ "epoch": 0.01,
48
+ "learning_rate": 7e-05,
49
+ "loss": 1.5892,
50
+ "step": 35
51
+ },
52
+ {
53
+ "epoch": 0.01,
54
+ "learning_rate": 8e-05,
55
+ "loss": 1.6333,
56
+ "step": 40
57
+ },
58
+ {
59
+ "epoch": 0.02,
60
+ "learning_rate": 9e-05,
61
+ "loss": 1.5955,
62
+ "step": 45
63
+ },
64
+ {
65
+ "epoch": 0.02,
66
+ "learning_rate": 0.0001,
67
+ "loss": 1.5504,
68
+ "step": 50
69
+ },
70
+ {
71
+ "epoch": 0.02,
72
+ "learning_rate": 0.00011000000000000002,
73
+ "loss": 1.5621,
74
+ "step": 55
75
+ },
76
+ {
77
+ "epoch": 0.02,
78
+ "learning_rate": 0.00012,
79
+ "loss": 1.5142,
80
+ "step": 60
81
+ },
82
+ {
83
+ "epoch": 0.02,
84
+ "learning_rate": 0.00013000000000000002,
85
+ "loss": 1.4386,
86
+ "step": 65
87
+ },
88
+ {
89
+ "epoch": 0.02,
90
+ "learning_rate": 0.00014,
91
+ "loss": 1.5017,
92
+ "step": 70
93
+ },
94
+ {
95
+ "epoch": 0.03,
96
+ "learning_rate": 0.00015000000000000001,
97
+ "loss": 1.4666,
98
+ "step": 75
99
+ },
100
+ {
101
+ "epoch": 0.03,
102
+ "learning_rate": 0.00016,
103
+ "loss": 1.4295,
104
+ "step": 80
105
+ },
106
+ {
107
+ "epoch": 0.03,
108
+ "learning_rate": 0.00017,
109
+ "loss": 1.4402,
110
+ "step": 85
111
+ },
112
+ {
113
+ "epoch": 0.03,
114
+ "learning_rate": 0.00018,
115
+ "loss": 1.4795,
116
+ "step": 90
117
+ },
118
+ {
119
+ "epoch": 0.03,
120
+ "learning_rate": 0.00019,
121
+ "loss": 1.4138,
122
+ "step": 95
123
+ },
124
+ {
125
+ "epoch": 0.03,
126
+ "learning_rate": 0.0002,
127
+ "loss": 1.4493,
128
+ "step": 100
129
+ },
130
+ {
131
+ "epoch": 0.04,
132
+ "learning_rate": 0.0001998259052924791,
133
+ "loss": 1.4918,
134
+ "step": 105
135
+ },
136
+ {
137
+ "epoch": 0.04,
138
+ "learning_rate": 0.00019965181058495822,
139
+ "loss": 1.4659,
140
+ "step": 110
141
+ },
142
+ {
143
+ "epoch": 0.04,
144
+ "learning_rate": 0.00019947771587743734,
145
+ "loss": 1.4573,
146
+ "step": 115
147
+ },
148
+ {
149
+ "epoch": 0.04,
150
+ "learning_rate": 0.00019930362116991646,
151
+ "loss": 1.4274,
152
+ "step": 120
153
+ },
154
+ {
155
+ "epoch": 0.04,
156
+ "learning_rate": 0.00019912952646239555,
157
+ "loss": 1.4064,
158
+ "step": 125
159
+ },
160
+ {
161
+ "epoch": 0.04,
162
+ "learning_rate": 0.00019895543175487465,
163
+ "loss": 1.4048,
164
+ "step": 130
165
+ },
166
+ {
167
+ "epoch": 0.05,
168
+ "learning_rate": 0.00019878133704735376,
169
+ "loss": 1.4493,
170
+ "step": 135
171
+ },
172
+ {
173
+ "epoch": 0.05,
174
+ "learning_rate": 0.00019860724233983288,
175
+ "loss": 1.3317,
176
+ "step": 140
177
+ },
178
+ {
179
+ "epoch": 0.05,
180
+ "learning_rate": 0.00019843314763231198,
181
+ "loss": 1.4041,
182
+ "step": 145
183
+ },
184
+ {
185
+ "epoch": 0.05,
186
+ "learning_rate": 0.0001982590529247911,
187
+ "loss": 1.4311,
188
+ "step": 150
189
+ },
190
+ {
191
+ "epoch": 0.05,
192
+ "learning_rate": 0.0001980849582172702,
193
+ "loss": 1.3626,
194
+ "step": 155
195
+ },
196
+ {
197
+ "epoch": 0.05,
198
+ "learning_rate": 0.00019791086350974934,
199
+ "loss": 1.4296,
200
+ "step": 160
201
+ },
202
+ {
203
+ "epoch": 0.06,
204
+ "learning_rate": 0.00019773676880222843,
205
+ "loss": 1.3888,
206
+ "step": 165
207
+ },
208
+ {
209
+ "epoch": 0.06,
210
+ "learning_rate": 0.00019756267409470752,
211
+ "loss": 1.3389,
212
+ "step": 170
213
+ },
214
+ {
215
+ "epoch": 0.06,
216
+ "learning_rate": 0.00019738857938718664,
217
+ "loss": 1.4544,
218
+ "step": 175
219
+ },
220
+ {
221
+ "epoch": 0.06,
222
+ "learning_rate": 0.00019721448467966573,
223
+ "loss": 1.4382,
224
+ "step": 180
225
+ },
226
+ {
227
+ "epoch": 0.06,
228
+ "learning_rate": 0.00019704038997214485,
229
+ "loss": 1.4953,
230
+ "step": 185
231
+ },
232
+ {
233
+ "epoch": 0.07,
234
+ "learning_rate": 0.00019686629526462397,
235
+ "loss": 1.4026,
236
+ "step": 190
237
+ },
238
+ {
239
+ "epoch": 0.07,
240
+ "learning_rate": 0.00019669220055710306,
241
+ "loss": 1.3757,
242
+ "step": 195
243
+ },
244
+ {
245
+ "epoch": 0.07,
246
+ "learning_rate": 0.00019651810584958218,
247
+ "loss": 1.3247,
248
+ "step": 200
249
+ },
250
+ {
251
+ "epoch": 0.07,
252
+ "eval_loss": 1.3710952997207642,
253
+ "eval_runtime": 738.1164,
254
+ "eval_samples_per_second": 7.038,
255
+ "eval_steps_per_second": 0.881,
256
+ "step": 200
257
+ },
258
+ {
259
+ "epoch": 0.07,
260
+ "learning_rate": 0.0001963440111420613,
261
+ "loss": 1.4409,
262
+ "step": 205
263
+ },
264
+ {
265
+ "epoch": 0.07,
266
+ "learning_rate": 0.0001961699164345404,
267
+ "loss": 1.4023,
268
+ "step": 210
269
+ },
270
+ {
271
+ "epoch": 0.07,
272
+ "learning_rate": 0.00019599582172701951,
273
+ "loss": 1.3736,
274
+ "step": 215
275
+ },
276
+ {
277
+ "epoch": 0.08,
278
+ "learning_rate": 0.0001958217270194986,
279
+ "loss": 1.4321,
280
+ "step": 220
281
+ },
282
+ {
283
+ "epoch": 0.08,
284
+ "learning_rate": 0.00019564763231197773,
285
+ "loss": 1.4344,
286
+ "step": 225
287
+ },
288
+ {
289
+ "epoch": 0.08,
290
+ "learning_rate": 0.00019547353760445685,
291
+ "loss": 1.3539,
292
+ "step": 230
293
+ },
294
+ {
295
+ "epoch": 0.08,
296
+ "learning_rate": 0.00019529944289693594,
297
+ "loss": 1.438,
298
+ "step": 235
299
+ },
300
+ {
301
+ "epoch": 0.08,
302
+ "learning_rate": 0.00019512534818941506,
303
+ "loss": 1.457,
304
+ "step": 240
305
+ },
306
+ {
307
+ "epoch": 0.08,
308
+ "learning_rate": 0.00019495125348189415,
309
+ "loss": 1.429,
310
+ "step": 245
311
+ },
312
+ {
313
+ "epoch": 0.09,
314
+ "learning_rate": 0.00019477715877437327,
315
+ "loss": 1.4465,
316
+ "step": 250
317
+ },
318
+ {
319
+ "epoch": 0.09,
320
+ "learning_rate": 0.0001946030640668524,
321
+ "loss": 1.4202,
322
+ "step": 255
323
+ },
324
+ {
325
+ "epoch": 0.09,
326
+ "learning_rate": 0.00019442896935933148,
327
+ "loss": 1.343,
328
+ "step": 260
329
+ },
330
+ {
331
+ "epoch": 0.09,
332
+ "learning_rate": 0.0001942548746518106,
333
+ "loss": 1.4127,
334
+ "step": 265
335
+ },
336
+ {
337
+ "epoch": 0.09,
338
+ "learning_rate": 0.0001940807799442897,
339
+ "loss": 1.3171,
340
+ "step": 270
341
+ },
342
+ {
343
+ "epoch": 0.09,
344
+ "learning_rate": 0.0001939066852367688,
345
+ "loss": 1.4012,
346
+ "step": 275
347
+ },
348
+ {
349
+ "epoch": 0.1,
350
+ "learning_rate": 0.00019373259052924793,
351
+ "loss": 1.2933,
352
+ "step": 280
353
+ },
354
+ {
355
+ "epoch": 0.1,
356
+ "learning_rate": 0.00019355849582172702,
357
+ "loss": 1.326,
358
+ "step": 285
359
+ },
360
+ {
361
+ "epoch": 0.1,
362
+ "learning_rate": 0.00019338440111420614,
363
+ "loss": 1.3951,
364
+ "step": 290
365
+ },
366
+ {
367
+ "epoch": 0.1,
368
+ "learning_rate": 0.00019321030640668524,
369
+ "loss": 1.3149,
370
+ "step": 295
371
+ },
372
+ {
373
+ "epoch": 0.1,
374
+ "learning_rate": 0.00019303621169916436,
375
+ "loss": 1.4046,
376
+ "step": 300
377
+ },
378
+ {
379
+ "epoch": 0.1,
380
+ "learning_rate": 0.00019286211699164348,
381
+ "loss": 1.343,
382
+ "step": 305
383
+ },
384
+ {
385
+ "epoch": 0.11,
386
+ "learning_rate": 0.00019268802228412257,
387
+ "loss": 1.3676,
388
+ "step": 310
389
+ },
390
+ {
391
+ "epoch": 0.11,
392
+ "learning_rate": 0.00019251392757660166,
393
+ "loss": 1.3593,
394
+ "step": 315
395
+ },
396
+ {
397
+ "epoch": 0.11,
398
+ "learning_rate": 0.0001923398328690808,
399
+ "loss": 1.3869,
400
+ "step": 320
401
+ },
402
+ {
403
+ "epoch": 0.11,
404
+ "learning_rate": 0.0001921657381615599,
405
+ "loss": 1.3841,
406
+ "step": 325
407
+ },
408
+ {
409
+ "epoch": 0.11,
410
+ "learning_rate": 0.00019199164345403902,
411
+ "loss": 1.3806,
412
+ "step": 330
413
+ },
414
+ {
415
+ "epoch": 0.11,
416
+ "learning_rate": 0.0001918175487465181,
417
+ "loss": 1.4527,
418
+ "step": 335
419
+ },
420
+ {
421
+ "epoch": 0.12,
422
+ "learning_rate": 0.0001916434540389972,
423
+ "loss": 1.4161,
424
+ "step": 340
425
+ },
426
+ {
427
+ "epoch": 0.12,
428
+ "learning_rate": 0.00019146935933147635,
429
+ "loss": 1.3019,
430
+ "step": 345
431
+ },
432
+ {
433
+ "epoch": 0.12,
434
+ "learning_rate": 0.00019129526462395544,
435
+ "loss": 1.4082,
436
+ "step": 350
437
+ },
438
+ {
439
+ "epoch": 0.12,
440
+ "learning_rate": 0.00019112116991643454,
441
+ "loss": 1.4261,
442
+ "step": 355
443
+ },
444
+ {
445
+ "epoch": 0.12,
446
+ "learning_rate": 0.00019094707520891365,
447
+ "loss": 1.4152,
448
+ "step": 360
449
+ },
450
+ {
451
+ "epoch": 0.12,
452
+ "learning_rate": 0.00019077298050139277,
453
+ "loss": 1.4289,
454
+ "step": 365
455
+ },
456
+ {
457
+ "epoch": 0.13,
458
+ "learning_rate": 0.0001905988857938719,
459
+ "loss": 1.3951,
460
+ "step": 370
461
+ },
462
+ {
463
+ "epoch": 0.13,
464
+ "learning_rate": 0.00019042479108635099,
465
+ "loss": 1.3578,
466
+ "step": 375
467
+ },
468
+ {
469
+ "epoch": 0.13,
470
+ "learning_rate": 0.00019025069637883008,
471
+ "loss": 1.3342,
472
+ "step": 380
473
+ },
474
+ {
475
+ "epoch": 0.13,
476
+ "learning_rate": 0.0001900766016713092,
477
+ "loss": 1.3959,
478
+ "step": 385
479
+ },
480
+ {
481
+ "epoch": 0.13,
482
+ "learning_rate": 0.00018990250696378832,
483
+ "loss": 1.4336,
484
+ "step": 390
485
+ },
486
+ {
487
+ "epoch": 0.14,
488
+ "learning_rate": 0.00018972841225626744,
489
+ "loss": 1.464,
490
+ "step": 395
491
+ },
492
+ {
493
+ "epoch": 0.14,
494
+ "learning_rate": 0.00018955431754874653,
495
+ "loss": 1.4053,
496
+ "step": 400
497
+ },
498
+ {
499
+ "epoch": 0.14,
500
+ "eval_loss": 1.3470327854156494,
501
+ "eval_runtime": 738.9389,
502
+ "eval_samples_per_second": 7.03,
503
+ "eval_steps_per_second": 0.88,
504
+ "step": 400
505
+ },
506
+ {
507
+ "epoch": 0.14,
508
+ "learning_rate": 0.00018938022284122562,
509
+ "loss": 1.3582,
510
+ "step": 405
511
+ },
512
+ {
513
+ "epoch": 0.14,
514
+ "learning_rate": 0.00018920612813370474,
515
+ "loss": 1.375,
516
+ "step": 410
517
+ },
518
+ {
519
+ "epoch": 0.14,
520
+ "learning_rate": 0.00018903203342618386,
521
+ "loss": 1.4229,
522
+ "step": 415
523
+ },
524
+ {
525
+ "epoch": 0.14,
526
+ "learning_rate": 0.00018885793871866295,
527
+ "loss": 1.3843,
528
+ "step": 420
529
+ },
530
+ {
531
+ "epoch": 0.15,
532
+ "learning_rate": 0.00018868384401114207,
533
+ "loss": 1.39,
534
+ "step": 425
535
+ },
536
+ {
537
+ "epoch": 0.15,
538
+ "learning_rate": 0.00018850974930362116,
539
+ "loss": 1.3863,
540
+ "step": 430
541
+ },
542
+ {
543
+ "epoch": 0.15,
544
+ "learning_rate": 0.00018833565459610028,
545
+ "loss": 1.3597,
546
+ "step": 435
547
+ },
548
+ {
549
+ "epoch": 0.15,
550
+ "learning_rate": 0.0001881615598885794,
551
+ "loss": 1.4114,
552
+ "step": 440
553
+ },
554
+ {
555
+ "epoch": 0.15,
556
+ "learning_rate": 0.0001879874651810585,
557
+ "loss": 1.2929,
558
+ "step": 445
559
+ },
560
+ {
561
+ "epoch": 0.15,
562
+ "learning_rate": 0.00018781337047353762,
563
+ "loss": 1.3087,
564
+ "step": 450
565
+ },
566
+ {
567
+ "epoch": 0.16,
568
+ "learning_rate": 0.0001876392757660167,
569
+ "loss": 1.3748,
570
+ "step": 455
571
+ },
572
+ {
573
+ "epoch": 0.16,
574
+ "learning_rate": 0.00018746518105849583,
575
+ "loss": 1.3716,
576
+ "step": 460
577
+ },
578
+ {
579
+ "epoch": 0.16,
580
+ "learning_rate": 0.00018729108635097495,
581
+ "loss": 1.404,
582
+ "step": 465
583
+ },
584
+ {
585
+ "epoch": 0.16,
586
+ "learning_rate": 0.00018711699164345404,
587
+ "loss": 1.2931,
588
+ "step": 470
589
+ },
590
+ {
591
+ "epoch": 0.16,
592
+ "learning_rate": 0.00018694289693593316,
593
+ "loss": 1.3345,
594
+ "step": 475
595
+ },
596
+ {
597
+ "epoch": 0.16,
598
+ "learning_rate": 0.00018676880222841225,
599
+ "loss": 1.3836,
600
+ "step": 480
601
+ },
602
+ {
603
+ "epoch": 0.17,
604
+ "learning_rate": 0.00018659470752089137,
605
+ "loss": 1.3923,
606
+ "step": 485
607
+ },
608
+ {
609
+ "epoch": 0.17,
610
+ "learning_rate": 0.0001864206128133705,
611
+ "loss": 1.3166,
612
+ "step": 490
613
+ },
614
+ {
615
+ "epoch": 0.17,
616
+ "learning_rate": 0.00018624651810584958,
617
+ "loss": 1.3697,
618
+ "step": 495
619
+ },
620
+ {
621
+ "epoch": 0.17,
622
+ "learning_rate": 0.0001860724233983287,
623
+ "loss": 1.437,
624
+ "step": 500
625
+ },
626
+ {
627
+ "epoch": 0.17,
628
+ "learning_rate": 0.00018589832869080782,
629
+ "loss": 1.3579,
630
+ "step": 505
631
+ },
632
+ {
633
+ "epoch": 0.17,
634
+ "learning_rate": 0.00018572423398328691,
635
+ "loss": 1.3769,
636
+ "step": 510
637
+ },
638
+ {
639
+ "epoch": 0.18,
640
+ "learning_rate": 0.00018555013927576603,
641
+ "loss": 1.3989,
642
+ "step": 515
643
+ },
644
+ {
645
+ "epoch": 0.18,
646
+ "learning_rate": 0.00018537604456824513,
647
+ "loss": 1.331,
648
+ "step": 520
649
+ },
650
+ {
651
+ "epoch": 0.18,
652
+ "learning_rate": 0.00018520194986072425,
653
+ "loss": 1.3678,
654
+ "step": 525
655
+ },
656
+ {
657
+ "epoch": 0.18,
658
+ "learning_rate": 0.00018502785515320337,
659
+ "loss": 1.3475,
660
+ "step": 530
661
+ },
662
+ {
663
+ "epoch": 0.18,
664
+ "learning_rate": 0.00018485376044568246,
665
+ "loss": 1.4465,
666
+ "step": 535
667
+ },
668
+ {
669
+ "epoch": 0.18,
670
+ "learning_rate": 0.00018467966573816158,
671
+ "loss": 1.3304,
672
+ "step": 540
673
+ },
674
+ {
675
+ "epoch": 0.19,
676
+ "learning_rate": 0.00018450557103064067,
677
+ "loss": 1.4006,
678
+ "step": 545
679
+ },
680
+ {
681
+ "epoch": 0.19,
682
+ "learning_rate": 0.0001843314763231198,
683
+ "loss": 1.3645,
684
+ "step": 550
685
+ },
686
+ {
687
+ "epoch": 0.19,
688
+ "learning_rate": 0.0001841573816155989,
689
+ "loss": 1.3217,
690
+ "step": 555
691
+ },
692
+ {
693
+ "epoch": 0.19,
694
+ "learning_rate": 0.000183983286908078,
695
+ "loss": 1.3421,
696
+ "step": 560
697
+ },
698
+ {
699
+ "epoch": 0.19,
700
+ "learning_rate": 0.0001838091922005571,
701
+ "loss": 1.3283,
702
+ "step": 565
703
+ },
704
+ {
705
+ "epoch": 0.2,
706
+ "learning_rate": 0.0001836350974930362,
707
+ "loss": 1.4101,
708
+ "step": 570
709
+ },
710
+ {
711
+ "epoch": 0.2,
712
+ "learning_rate": 0.00018346100278551533,
713
+ "loss": 1.3333,
714
+ "step": 575
715
+ },
716
+ {
717
+ "epoch": 0.2,
718
+ "learning_rate": 0.00018328690807799445,
719
+ "loss": 1.4574,
720
+ "step": 580
721
+ },
722
+ {
723
+ "epoch": 0.2,
724
+ "learning_rate": 0.00018311281337047354,
725
+ "loss": 1.3755,
726
+ "step": 585
727
+ },
728
+ {
729
+ "epoch": 0.2,
730
+ "learning_rate": 0.00018293871866295264,
731
+ "loss": 1.3537,
732
+ "step": 590
733
+ },
734
+ {
735
+ "epoch": 0.2,
736
+ "learning_rate": 0.00018276462395543176,
737
+ "loss": 1.3734,
738
+ "step": 595
739
+ },
740
+ {
741
+ "epoch": 0.21,
742
+ "learning_rate": 0.00018259052924791088,
743
+ "loss": 1.3431,
744
+ "step": 600
745
+ },
746
+ {
747
+ "epoch": 0.21,
748
+ "eval_loss": 1.3354507684707642,
749
+ "eval_runtime": 738.7441,
750
+ "eval_samples_per_second": 7.032,
751
+ "eval_steps_per_second": 0.88,
752
+ "step": 600
753
+ },
754
+ {
755
+ "epoch": 0.21,
756
+ "learning_rate": 0.00018241643454039,
757
+ "loss": 1.3685,
758
+ "step": 605
759
+ },
760
+ {
761
+ "epoch": 0.21,
762
+ "learning_rate": 0.0001822423398328691,
763
+ "loss": 1.377,
764
+ "step": 610
765
+ },
766
+ {
767
+ "epoch": 0.21,
768
+ "learning_rate": 0.00018206824512534818,
769
+ "loss": 1.4289,
770
+ "step": 615
771
+ },
772
+ {
773
+ "epoch": 0.21,
774
+ "learning_rate": 0.00018189415041782733,
775
+ "loss": 1.398,
776
+ "step": 620
777
+ },
778
+ {
779
+ "epoch": 0.21,
780
+ "learning_rate": 0.00018172005571030642,
781
+ "loss": 1.3915,
782
+ "step": 625
783
+ },
784
+ {
785
+ "epoch": 0.22,
786
+ "learning_rate": 0.0001815459610027855,
787
+ "loss": 1.4608,
788
+ "step": 630
789
+ },
790
+ {
791
+ "epoch": 0.22,
792
+ "learning_rate": 0.00018137186629526463,
793
+ "loss": 1.4408,
794
+ "step": 635
795
+ },
796
+ {
797
+ "epoch": 0.22,
798
+ "learning_rate": 0.00018119777158774372,
799
+ "loss": 1.3443,
800
+ "step": 640
801
+ },
802
+ {
803
+ "epoch": 0.22,
804
+ "learning_rate": 0.00018102367688022287,
805
+ "loss": 1.4033,
806
+ "step": 645
807
+ },
808
+ {
809
+ "epoch": 0.22,
810
+ "learning_rate": 0.00018084958217270196,
811
+ "loss": 1.3086,
812
+ "step": 650
813
+ },
814
+ {
815
+ "epoch": 0.22,
816
+ "learning_rate": 0.00018067548746518105,
817
+ "loss": 1.3581,
818
+ "step": 655
819
+ },
820
+ {
821
+ "epoch": 0.23,
822
+ "learning_rate": 0.00018050139275766017,
823
+ "loss": 1.3457,
824
+ "step": 660
825
+ },
826
+ {
827
+ "epoch": 0.23,
828
+ "learning_rate": 0.0001803272980501393,
829
+ "loss": 1.4488,
830
+ "step": 665
831
+ },
832
+ {
833
+ "epoch": 0.23,
834
+ "learning_rate": 0.0001801532033426184,
835
+ "loss": 1.3765,
836
+ "step": 670
837
+ },
838
+ {
839
+ "epoch": 0.23,
840
+ "learning_rate": 0.0001799791086350975,
841
+ "loss": 1.4061,
842
+ "step": 675
843
+ },
844
+ {
845
+ "epoch": 0.23,
846
+ "learning_rate": 0.0001798050139275766,
847
+ "loss": 1.3556,
848
+ "step": 680
849
+ },
850
+ {
851
+ "epoch": 0.23,
852
+ "learning_rate": 0.00017963091922005572,
853
+ "loss": 1.3359,
854
+ "step": 685
855
+ },
856
+ {
857
+ "epoch": 0.24,
858
+ "learning_rate": 0.00017945682451253484,
859
+ "loss": 1.2965,
860
+ "step": 690
861
+ },
862
+ {
863
+ "epoch": 0.24,
864
+ "learning_rate": 0.00017928272980501393,
865
+ "loss": 1.3211,
866
+ "step": 695
867
+ },
868
+ {
869
+ "epoch": 0.24,
870
+ "learning_rate": 0.00017910863509749305,
871
+ "loss": 1.4063,
872
+ "step": 700
873
+ },
874
+ {
875
+ "epoch": 0.24,
876
+ "learning_rate": 0.00017893454038997214,
877
+ "loss": 1.3837,
878
+ "step": 705
879
+ },
880
+ {
881
+ "epoch": 0.24,
882
+ "learning_rate": 0.00017876044568245126,
883
+ "loss": 1.397,
884
+ "step": 710
885
+ },
886
+ {
887
+ "epoch": 0.24,
888
+ "learning_rate": 0.00017858635097493038,
889
+ "loss": 1.3671,
890
+ "step": 715
891
+ },
892
+ {
893
+ "epoch": 0.25,
894
+ "learning_rate": 0.00017841225626740947,
895
+ "loss": 1.3666,
896
+ "step": 720
897
+ },
898
+ {
899
+ "epoch": 0.25,
900
+ "learning_rate": 0.0001782381615598886,
901
+ "loss": 1.3875,
902
+ "step": 725
903
+ },
904
+ {
905
+ "epoch": 0.25,
906
+ "learning_rate": 0.00017806406685236768,
907
+ "loss": 1.3613,
908
+ "step": 730
909
+ },
910
+ {
911
+ "epoch": 0.25,
912
+ "learning_rate": 0.0001778899721448468,
913
+ "loss": 1.3611,
914
+ "step": 735
915
+ },
916
+ {
917
+ "epoch": 0.25,
918
+ "learning_rate": 0.00017771587743732592,
919
+ "loss": 1.357,
920
+ "step": 740
921
+ },
922
+ {
923
+ "epoch": 0.25,
924
+ "learning_rate": 0.00017754178272980502,
925
+ "loss": 1.3561,
926
+ "step": 745
927
+ },
928
+ {
929
+ "epoch": 0.26,
930
+ "learning_rate": 0.00017736768802228414,
931
+ "loss": 1.4103,
932
+ "step": 750
933
+ },
934
+ {
935
+ "epoch": 0.26,
936
+ "learning_rate": 0.00017719359331476323,
937
+ "loss": 1.4355,
938
+ "step": 755
939
+ },
940
+ {
941
+ "epoch": 0.26,
942
+ "learning_rate": 0.00017701949860724235,
943
+ "loss": 1.3901,
944
+ "step": 760
945
+ },
946
+ {
947
+ "epoch": 0.26,
948
+ "learning_rate": 0.00017684540389972147,
949
+ "loss": 1.4161,
950
+ "step": 765
951
+ },
952
+ {
953
+ "epoch": 0.26,
954
+ "learning_rate": 0.00017667130919220056,
955
+ "loss": 1.4353,
956
+ "step": 770
957
+ },
958
+ {
959
+ "epoch": 0.27,
960
+ "learning_rate": 0.00017649721448467968,
961
+ "loss": 1.3647,
962
+ "step": 775
963
+ },
964
+ {
965
+ "epoch": 0.27,
966
+ "learning_rate": 0.0001763231197771588,
967
+ "loss": 1.3503,
968
+ "step": 780
969
+ },
970
+ {
971
+ "epoch": 0.27,
972
+ "learning_rate": 0.0001761490250696379,
973
+ "loss": 1.3034,
974
+ "step": 785
975
+ },
976
+ {
977
+ "epoch": 0.27,
978
+ "learning_rate": 0.000175974930362117,
979
+ "loss": 1.3908,
980
+ "step": 790
981
+ },
982
+ {
983
+ "epoch": 0.27,
984
+ "learning_rate": 0.0001758008356545961,
985
+ "loss": 1.3361,
986
+ "step": 795
987
+ },
988
+ {
989
+ "epoch": 0.27,
990
+ "learning_rate": 0.0001756267409470752,
991
+ "loss": 1.4012,
992
+ "step": 800
993
+ },
994
+ {
995
+ "epoch": 0.27,
996
+ "eval_loss": 1.3277837038040161,
997
+ "eval_runtime": 737.1439,
998
+ "eval_samples_per_second": 7.047,
999
+ "eval_steps_per_second": 0.882,
1000
+ "step": 800
1001
+ },
1002
+ {
1003
+ "epoch": 0.28,
1004
+ "learning_rate": 0.00017545264623955434,
1005
+ "loss": 1.3631,
1006
+ "step": 805
1007
+ },
1008
+ {
1009
+ "epoch": 0.28,
1010
+ "learning_rate": 0.00017527855153203343,
1011
+ "loss": 1.3789,
1012
+ "step": 810
1013
+ },
1014
+ {
1015
+ "epoch": 0.28,
1016
+ "learning_rate": 0.00017510445682451255,
1017
+ "loss": 1.3418,
1018
+ "step": 815
1019
+ },
1020
+ {
1021
+ "epoch": 0.28,
1022
+ "learning_rate": 0.00017493036211699165,
1023
+ "loss": 1.3556,
1024
+ "step": 820
1025
+ },
1026
+ {
1027
+ "epoch": 0.28,
1028
+ "learning_rate": 0.00017475626740947077,
1029
+ "loss": 1.339,
1030
+ "step": 825
1031
+ },
1032
+ {
1033
+ "epoch": 0.28,
1034
+ "learning_rate": 0.00017458217270194989,
1035
+ "loss": 1.3419,
1036
+ "step": 830
1037
+ },
1038
+ {
1039
+ "epoch": 0.29,
1040
+ "learning_rate": 0.00017440807799442898,
1041
+ "loss": 1.2919,
1042
+ "step": 835
1043
+ },
1044
+ {
1045
+ "epoch": 0.29,
1046
+ "learning_rate": 0.00017423398328690807,
1047
+ "loss": 1.3757,
1048
+ "step": 840
1049
+ },
1050
+ {
1051
+ "epoch": 0.29,
1052
+ "learning_rate": 0.0001740598885793872,
1053
+ "loss": 1.3165,
1054
+ "step": 845
1055
+ },
1056
+ {
1057
+ "epoch": 0.29,
1058
+ "learning_rate": 0.0001738857938718663,
1059
+ "loss": 1.325,
1060
+ "step": 850
1061
+ },
1062
+ {
1063
+ "epoch": 0.29,
1064
+ "learning_rate": 0.00017371169916434543,
1065
+ "loss": 1.3846,
1066
+ "step": 855
1067
+ },
1068
+ {
1069
+ "epoch": 0.29,
1070
+ "learning_rate": 0.00017353760445682452,
1071
+ "loss": 1.393,
1072
+ "step": 860
1073
+ },
1074
+ {
1075
+ "epoch": 0.3,
1076
+ "learning_rate": 0.0001733635097493036,
1077
+ "loss": 1.3176,
1078
+ "step": 865
1079
+ },
1080
+ {
1081
+ "epoch": 0.3,
1082
+ "learning_rate": 0.00017318941504178273,
1083
+ "loss": 1.3603,
1084
+ "step": 870
1085
+ },
1086
+ {
1087
+ "epoch": 0.3,
1088
+ "learning_rate": 0.00017301532033426185,
1089
+ "loss": 1.3858,
1090
+ "step": 875
1091
+ },
1092
+ {
1093
+ "epoch": 0.3,
1094
+ "learning_rate": 0.00017284122562674097,
1095
+ "loss": 1.3801,
1096
+ "step": 880
1097
+ },
1098
+ {
1099
+ "epoch": 0.3,
1100
+ "learning_rate": 0.00017266713091922006,
1101
+ "loss": 1.3258,
1102
+ "step": 885
1103
+ },
1104
+ {
1105
+ "epoch": 0.3,
1106
+ "learning_rate": 0.00017249303621169916,
1107
+ "loss": 1.3958,
1108
+ "step": 890
1109
+ },
1110
+ {
1111
+ "epoch": 0.31,
1112
+ "learning_rate": 0.00017231894150417828,
1113
+ "loss": 1.3352,
1114
+ "step": 895
1115
+ },
1116
+ {
1117
+ "epoch": 0.31,
1118
+ "learning_rate": 0.0001721448467966574,
1119
+ "loss": 1.3546,
1120
+ "step": 900
1121
+ },
1122
+ {
1123
+ "epoch": 0.31,
1124
+ "learning_rate": 0.0001719707520891365,
1125
+ "loss": 1.3576,
1126
+ "step": 905
1127
+ },
1128
+ {
1129
+ "epoch": 0.31,
1130
+ "learning_rate": 0.0001717966573816156,
1131
+ "loss": 1.5061,
1132
+ "step": 910
1133
+ },
1134
+ {
1135
+ "epoch": 0.31,
1136
+ "learning_rate": 0.0001716225626740947,
1137
+ "loss": 1.3496,
1138
+ "step": 915
1139
+ },
1140
+ {
1141
+ "epoch": 0.31,
1142
+ "learning_rate": 0.00017144846796657385,
1143
+ "loss": 1.4537,
1144
+ "step": 920
1145
+ },
1146
+ {
1147
+ "epoch": 0.32,
1148
+ "learning_rate": 0.00017127437325905294,
1149
+ "loss": 1.4241,
1150
+ "step": 925
1151
+ },
1152
+ {
1153
+ "epoch": 0.32,
1154
+ "learning_rate": 0.00017110027855153203,
1155
+ "loss": 1.4109,
1156
+ "step": 930
1157
+ },
1158
+ {
1159
+ "epoch": 0.32,
1160
+ "learning_rate": 0.00017092618384401115,
1161
+ "loss": 1.4104,
1162
+ "step": 935
1163
+ },
1164
+ {
1165
+ "epoch": 0.32,
1166
+ "learning_rate": 0.00017075208913649024,
1167
+ "loss": 1.4555,
1168
+ "step": 940
1169
+ },
1170
+ {
1171
+ "epoch": 0.32,
1172
+ "learning_rate": 0.00017057799442896936,
1173
+ "loss": 1.2743,
1174
+ "step": 945
1175
+ },
1176
+ {
1177
+ "epoch": 0.33,
1178
+ "learning_rate": 0.00017040389972144848,
1179
+ "loss": 1.3573,
1180
+ "step": 950
1181
+ },
1182
+ {
1183
+ "epoch": 0.33,
1184
+ "learning_rate": 0.00017022980501392757,
1185
+ "loss": 1.3463,
1186
+ "step": 955
1187
+ },
1188
+ {
1189
+ "epoch": 0.33,
1190
+ "learning_rate": 0.0001700557103064067,
1191
+ "loss": 1.3817,
1192
+ "step": 960
1193
+ },
1194
+ {
1195
+ "epoch": 0.33,
1196
+ "learning_rate": 0.0001698816155988858,
1197
+ "loss": 1.4315,
1198
+ "step": 965
1199
+ },
1200
+ {
1201
+ "epoch": 0.33,
1202
+ "learning_rate": 0.0001697075208913649,
1203
+ "loss": 1.3112,
1204
+ "step": 970
1205
+ },
1206
+ {
1207
+ "epoch": 0.33,
1208
+ "learning_rate": 0.00016953342618384403,
1209
+ "loss": 1.3998,
1210
+ "step": 975
1211
+ },
1212
+ {
1213
+ "epoch": 0.34,
1214
+ "learning_rate": 0.00016935933147632312,
1215
+ "loss": 1.3697,
1216
+ "step": 980
1217
+ },
1218
+ {
1219
+ "epoch": 0.34,
1220
+ "learning_rate": 0.00016918523676880224,
1221
+ "loss": 1.3726,
1222
+ "step": 985
1223
+ },
1224
+ {
1225
+ "epoch": 0.34,
1226
+ "learning_rate": 0.00016901114206128136,
1227
+ "loss": 1.4137,
1228
+ "step": 990
1229
+ },
1230
+ {
1231
+ "epoch": 0.34,
1232
+ "learning_rate": 0.00016883704735376045,
1233
+ "loss": 1.3371,
1234
+ "step": 995
1235
+ },
1236
+ {
1237
+ "epoch": 0.34,
1238
+ "learning_rate": 0.00016866295264623957,
1239
+ "loss": 1.3189,
1240
+ "step": 1000
1241
+ },
1242
+ {
1243
+ "epoch": 0.34,
1244
+ "eval_loss": 1.3234615325927734,
1245
+ "eval_runtime": 736.9447,
1246
+ "eval_samples_per_second": 7.049,
1247
+ "eval_steps_per_second": 0.882,
1248
+ "step": 1000
1249
+ },
1250
+ {
1251
+ "epoch": 0.34,
1252
+ "learning_rate": 0.00016848885793871866,
1253
+ "loss": 1.3207,
1254
+ "step": 1005
1255
+ },
1256
+ {
1257
+ "epoch": 0.35,
1258
+ "learning_rate": 0.00016831476323119778,
1259
+ "loss": 1.3369,
1260
+ "step": 1010
1261
+ },
1262
+ {
1263
+ "epoch": 0.35,
1264
+ "learning_rate": 0.0001681406685236769,
1265
+ "loss": 1.3205,
1266
+ "step": 1015
1267
+ },
1268
+ {
1269
+ "epoch": 0.35,
1270
+ "learning_rate": 0.000167966573816156,
1271
+ "loss": 1.3124,
1272
+ "step": 1020
1273
+ },
1274
+ {
1275
+ "epoch": 0.35,
1276
+ "learning_rate": 0.0001677924791086351,
1277
+ "loss": 1.3317,
1278
+ "step": 1025
1279
+ },
1280
+ {
1281
+ "epoch": 0.35,
1282
+ "learning_rate": 0.0001676183844011142,
1283
+ "loss": 1.3713,
1284
+ "step": 1030
1285
+ },
1286
+ {
1287
+ "epoch": 0.35,
1288
+ "learning_rate": 0.00016744428969359332,
1289
+ "loss": 1.3276,
1290
+ "step": 1035
1291
+ },
1292
+ {
1293
+ "epoch": 0.36,
1294
+ "learning_rate": 0.00016727019498607244,
1295
+ "loss": 1.2705,
1296
+ "step": 1040
1297
+ },
1298
+ {
1299
+ "epoch": 0.36,
1300
+ "learning_rate": 0.00016709610027855154,
1301
+ "loss": 1.4057,
1302
+ "step": 1045
1303
+ },
1304
+ {
1305
+ "epoch": 0.36,
1306
+ "learning_rate": 0.00016692200557103066,
1307
+ "loss": 1.4044,
1308
+ "step": 1050
1309
+ },
1310
+ {
1311
+ "epoch": 0.36,
1312
+ "learning_rate": 0.00016674791086350975,
1313
+ "loss": 1.3438,
1314
+ "step": 1055
1315
+ },
1316
+ {
1317
+ "epoch": 0.36,
1318
+ "learning_rate": 0.00016657381615598887,
1319
+ "loss": 1.3871,
1320
+ "step": 1060
1321
+ },
1322
+ {
1323
+ "epoch": 0.36,
1324
+ "learning_rate": 0.000166399721448468,
1325
+ "loss": 1.3212,
1326
+ "step": 1065
1327
+ },
1328
+ {
1329
+ "epoch": 0.37,
1330
+ "learning_rate": 0.00016622562674094708,
1331
+ "loss": 1.4142,
1332
+ "step": 1070
1333
+ },
1334
+ {
1335
+ "epoch": 0.37,
1336
+ "learning_rate": 0.00016605153203342617,
1337
+ "loss": 1.3637,
1338
+ "step": 1075
1339
+ },
1340
+ {
1341
+ "epoch": 0.37,
1342
+ "learning_rate": 0.00016587743732590532,
1343
+ "loss": 1.2748,
1344
+ "step": 1080
1345
+ },
1346
+ {
1347
+ "epoch": 0.37,
1348
+ "learning_rate": 0.0001657033426183844,
1349
+ "loss": 1.4044,
1350
+ "step": 1085
1351
+ },
1352
+ {
1353
+ "epoch": 0.37,
1354
+ "learning_rate": 0.00016552924791086353,
1355
+ "loss": 1.3374,
1356
+ "step": 1090
1357
+ },
1358
+ {
1359
+ "epoch": 0.37,
1360
+ "learning_rate": 0.00016535515320334262,
1361
+ "loss": 1.3647,
1362
+ "step": 1095
1363
+ },
1364
+ {
1365
+ "epoch": 0.38,
1366
+ "learning_rate": 0.00016518105849582171,
1367
+ "loss": 1.4259,
1368
+ "step": 1100
1369
+ },
1370
+ {
1371
+ "epoch": 0.38,
1372
+ "learning_rate": 0.00016500696378830086,
1373
+ "loss": 1.2926,
1374
+ "step": 1105
1375
+ },
1376
+ {
1377
+ "epoch": 0.38,
1378
+ "learning_rate": 0.00016483286908077995,
1379
+ "loss": 1.4621,
1380
+ "step": 1110
1381
+ },
1382
+ {
1383
+ "epoch": 0.38,
1384
+ "learning_rate": 0.00016465877437325905,
1385
+ "loss": 1.3746,
1386
+ "step": 1115
1387
+ },
1388
+ {
1389
+ "epoch": 0.38,
1390
+ "learning_rate": 0.00016448467966573817,
1391
+ "loss": 1.4036,
1392
+ "step": 1120
1393
+ },
1394
+ {
1395
+ "epoch": 0.39,
1396
+ "learning_rate": 0.00016431058495821729,
1397
+ "loss": 1.4062,
1398
+ "step": 1125
1399
+ },
1400
+ {
1401
+ "epoch": 0.39,
1402
+ "learning_rate": 0.0001641364902506964,
1403
+ "loss": 1.348,
1404
+ "step": 1130
1405
+ },
1406
+ {
1407
+ "epoch": 0.39,
1408
+ "learning_rate": 0.0001639623955431755,
1409
+ "loss": 1.3271,
1410
+ "step": 1135
1411
+ },
1412
+ {
1413
+ "epoch": 0.39,
1414
+ "learning_rate": 0.0001637883008356546,
1415
+ "loss": 1.3663,
1416
+ "step": 1140
1417
+ },
1418
+ {
1419
+ "epoch": 0.39,
1420
+ "learning_rate": 0.0001636142061281337,
1421
+ "loss": 1.3276,
1422
+ "step": 1145
1423
+ },
1424
+ {
1425
+ "epoch": 0.39,
1426
+ "learning_rate": 0.00016344011142061283,
1427
+ "loss": 1.2809,
1428
+ "step": 1150
1429
+ },
1430
+ {
1431
+ "epoch": 0.4,
1432
+ "learning_rate": 0.00016326601671309195,
1433
+ "loss": 1.3586,
1434
+ "step": 1155
1435
+ },
1436
+ {
1437
+ "epoch": 0.4,
1438
+ "learning_rate": 0.00016309192200557104,
1439
+ "loss": 1.3864,
1440
+ "step": 1160
1441
+ },
1442
+ {
1443
+ "epoch": 0.4,
1444
+ "learning_rate": 0.00016291782729805013,
1445
+ "loss": 1.3163,
1446
+ "step": 1165
1447
+ },
1448
+ {
1449
+ "epoch": 0.4,
1450
+ "learning_rate": 0.00016274373259052925,
1451
+ "loss": 1.3677,
1452
+ "step": 1170
1453
+ },
1454
+ {
1455
+ "epoch": 0.4,
1456
+ "learning_rate": 0.00016256963788300837,
1457
+ "loss": 1.2984,
1458
+ "step": 1175
1459
+ },
1460
+ {
1461
+ "epoch": 0.4,
1462
+ "learning_rate": 0.00016239554317548746,
1463
+ "loss": 1.4083,
1464
+ "step": 1180
1465
+ },
1466
+ {
1467
+ "epoch": 0.41,
1468
+ "learning_rate": 0.00016222144846796658,
1469
+ "loss": 1.445,
1470
+ "step": 1185
1471
+ },
1472
+ {
1473
+ "epoch": 0.41,
1474
+ "learning_rate": 0.00016204735376044568,
1475
+ "loss": 1.3306,
1476
+ "step": 1190
1477
+ },
1478
+ {
1479
+ "epoch": 0.41,
1480
+ "learning_rate": 0.0001618732590529248,
1481
+ "loss": 1.4185,
1482
+ "step": 1195
1483
+ },
1484
+ {
1485
+ "epoch": 0.41,
1486
+ "learning_rate": 0.00016169916434540392,
1487
+ "loss": 1.3581,
1488
+ "step": 1200
1489
+ },
1490
+ {
1491
+ "epoch": 0.41,
1492
+ "eval_loss": 1.318132996559143,
1493
+ "eval_runtime": 737.5524,
1494
+ "eval_samples_per_second": 7.044,
1495
+ "eval_steps_per_second": 0.881,
1496
+ "step": 1200
1497
+ },
1498
+ {
1499
+ "epoch": 0.41,
1500
+ "learning_rate": 0.000161525069637883,
1501
+ "loss": 1.383,
1502
+ "step": 1205
1503
+ },
1504
+ {
1505
+ "epoch": 0.41,
1506
+ "learning_rate": 0.00016135097493036213,
1507
+ "loss": 1.4161,
1508
+ "step": 1210
1509
+ },
1510
+ {
1511
+ "epoch": 0.42,
1512
+ "learning_rate": 0.00016117688022284122,
1513
+ "loss": 1.3449,
1514
+ "step": 1215
1515
+ },
1516
+ {
1517
+ "epoch": 0.42,
1518
+ "learning_rate": 0.00016100278551532034,
1519
+ "loss": 1.3172,
1520
+ "step": 1220
1521
+ },
1522
+ {
1523
+ "epoch": 0.42,
1524
+ "learning_rate": 0.00016082869080779946,
1525
+ "loss": 1.3987,
1526
+ "step": 1225
1527
+ },
1528
+ {
1529
+ "epoch": 0.42,
1530
+ "learning_rate": 0.00016065459610027855,
1531
+ "loss": 1.3752,
1532
+ "step": 1230
1533
+ },
1534
+ {
1535
+ "epoch": 0.42,
1536
+ "learning_rate": 0.00016048050139275767,
1537
+ "loss": 1.4369,
1538
+ "step": 1235
1539
+ },
1540
+ {
1541
+ "epoch": 0.42,
1542
+ "learning_rate": 0.00016030640668523676,
1543
+ "loss": 1.3258,
1544
+ "step": 1240
1545
+ },
1546
+ {
1547
+ "epoch": 0.43,
1548
+ "learning_rate": 0.00016013231197771588,
1549
+ "loss": 1.3256,
1550
+ "step": 1245
1551
+ },
1552
+ {
1553
+ "epoch": 0.43,
1554
+ "learning_rate": 0.000159958217270195,
1555
+ "loss": 1.3357,
1556
+ "step": 1250
1557
+ },
1558
+ {
1559
+ "epoch": 0.43,
1560
+ "learning_rate": 0.0001597841225626741,
1561
+ "loss": 1.3671,
1562
+ "step": 1255
1563
+ },
1564
+ {
1565
+ "epoch": 0.43,
1566
+ "learning_rate": 0.00015961002785515321,
1567
+ "loss": 1.3605,
1568
+ "step": 1260
1569
+ },
1570
+ {
1571
+ "epoch": 0.43,
1572
+ "learning_rate": 0.00015943593314763233,
1573
+ "loss": 1.3404,
1574
+ "step": 1265
1575
+ },
1576
+ {
1577
+ "epoch": 0.43,
1578
+ "learning_rate": 0.00015926183844011143,
1579
+ "loss": 1.3915,
1580
+ "step": 1270
1581
+ },
1582
+ {
1583
+ "epoch": 0.44,
1584
+ "learning_rate": 0.00015908774373259055,
1585
+ "loss": 1.3559,
1586
+ "step": 1275
1587
+ },
1588
+ {
1589
+ "epoch": 0.44,
1590
+ "learning_rate": 0.00015891364902506964,
1591
+ "loss": 1.3285,
1592
+ "step": 1280
1593
+ },
1594
+ {
1595
+ "epoch": 0.44,
1596
+ "learning_rate": 0.00015873955431754876,
1597
+ "loss": 1.3949,
1598
+ "step": 1285
1599
+ },
1600
+ {
1601
+ "epoch": 0.44,
1602
+ "learning_rate": 0.00015856545961002788,
1603
+ "loss": 1.3825,
1604
+ "step": 1290
1605
+ },
1606
+ {
1607
+ "epoch": 0.44,
1608
+ "learning_rate": 0.00015839136490250697,
1609
+ "loss": 1.3211,
1610
+ "step": 1295
1611
+ },
1612
+ {
1613
+ "epoch": 0.44,
1614
+ "learning_rate": 0.0001582172701949861,
1615
+ "loss": 1.332,
1616
+ "step": 1300
1617
+ },
1618
+ {
1619
+ "epoch": 0.45,
1620
+ "learning_rate": 0.00015804317548746518,
1621
+ "loss": 1.4379,
1622
+ "step": 1305
1623
+ },
1624
+ {
1625
+ "epoch": 0.45,
1626
+ "learning_rate": 0.0001578690807799443,
1627
+ "loss": 1.3406,
1628
+ "step": 1310
1629
+ },
1630
+ {
1631
+ "epoch": 0.45,
1632
+ "learning_rate": 0.00015769498607242342,
1633
+ "loss": 1.3467,
1634
+ "step": 1315
1635
+ },
1636
+ {
1637
+ "epoch": 0.45,
1638
+ "learning_rate": 0.0001575208913649025,
1639
+ "loss": 1.374,
1640
+ "step": 1320
1641
+ },
1642
+ {
1643
+ "epoch": 0.45,
1644
+ "learning_rate": 0.0001573467966573816,
1645
+ "loss": 1.3525,
1646
+ "step": 1325
1647
+ },
1648
+ {
1649
+ "epoch": 0.46,
1650
+ "learning_rate": 0.00015717270194986072,
1651
+ "loss": 1.3739,
1652
+ "step": 1330
1653
+ },
1654
+ {
1655
+ "epoch": 0.46,
1656
+ "learning_rate": 0.00015699860724233984,
1657
+ "loss": 1.3458,
1658
+ "step": 1335
1659
+ },
1660
+ {
1661
+ "epoch": 0.46,
1662
+ "learning_rate": 0.00015682451253481896,
1663
+ "loss": 1.3588,
1664
+ "step": 1340
1665
+ },
1666
+ {
1667
+ "epoch": 0.46,
1668
+ "learning_rate": 0.00015665041782729806,
1669
+ "loss": 1.3362,
1670
+ "step": 1345
1671
+ },
1672
+ {
1673
+ "epoch": 0.46,
1674
+ "learning_rate": 0.00015647632311977715,
1675
+ "loss": 1.3553,
1676
+ "step": 1350
1677
+ },
1678
+ {
1679
+ "epoch": 0.46,
1680
+ "learning_rate": 0.00015630222841225627,
1681
+ "loss": 1.4328,
1682
+ "step": 1355
1683
+ },
1684
+ {
1685
+ "epoch": 0.47,
1686
+ "learning_rate": 0.0001561281337047354,
1687
+ "loss": 1.2763,
1688
+ "step": 1360
1689
+ },
1690
+ {
1691
+ "epoch": 0.47,
1692
+ "learning_rate": 0.0001559540389972145,
1693
+ "loss": 1.3359,
1694
+ "step": 1365
1695
+ },
1696
+ {
1697
+ "epoch": 0.47,
1698
+ "learning_rate": 0.0001557799442896936,
1699
+ "loss": 1.3164,
1700
+ "step": 1370
1701
+ },
1702
+ {
1703
+ "epoch": 0.47,
1704
+ "learning_rate": 0.0001556058495821727,
1705
+ "loss": 1.29,
1706
+ "step": 1375
1707
+ },
1708
+ {
1709
+ "epoch": 0.47,
1710
+ "learning_rate": 0.00015543175487465184,
1711
+ "loss": 1.4188,
1712
+ "step": 1380
1713
+ },
1714
+ {
1715
+ "epoch": 0.47,
1716
+ "learning_rate": 0.00015525766016713093,
1717
+ "loss": 1.3594,
1718
+ "step": 1385
1719
+ },
1720
+ {
1721
+ "epoch": 0.48,
1722
+ "learning_rate": 0.00015508356545961002,
1723
+ "loss": 1.3535,
1724
+ "step": 1390
1725
+ },
1726
+ {
1727
+ "epoch": 0.48,
1728
+ "learning_rate": 0.00015490947075208914,
1729
+ "loss": 1.3415,
1730
+ "step": 1395
1731
+ },
1732
+ {
1733
+ "epoch": 0.48,
1734
+ "learning_rate": 0.00015473537604456823,
1735
+ "loss": 1.3417,
1736
+ "step": 1400
1737
+ },
1738
+ {
1739
+ "epoch": 0.48,
1740
+ "eval_loss": 1.313808798789978,
1741
+ "eval_runtime": 733.0569,
1742
+ "eval_samples_per_second": 7.087,
1743
+ "eval_steps_per_second": 0.887,
1744
+ "step": 1400
1745
+ },
1746
+ {
1747
+ "epoch": 0.48,
1748
+ "learning_rate": 0.00015456128133704738,
1749
+ "loss": 1.3421,
1750
+ "step": 1405
1751
+ },
1752
+ {
1753
+ "epoch": 0.48,
1754
+ "learning_rate": 0.00015438718662952647,
1755
+ "loss": 1.3915,
1756
+ "step": 1410
1757
+ },
1758
+ {
1759
+ "epoch": 0.48,
1760
+ "learning_rate": 0.00015421309192200557,
1761
+ "loss": 1.3097,
1762
+ "step": 1415
1763
+ },
1764
+ {
1765
+ "epoch": 0.49,
1766
+ "learning_rate": 0.00015403899721448469,
1767
+ "loss": 1.2905,
1768
+ "step": 1420
1769
+ },
1770
+ {
1771
+ "epoch": 0.49,
1772
+ "learning_rate": 0.0001538649025069638,
1773
+ "loss": 1.3719,
1774
+ "step": 1425
1775
+ },
1776
+ {
1777
+ "epoch": 0.49,
1778
+ "learning_rate": 0.00015369080779944292,
1779
+ "loss": 1.2958,
1780
+ "step": 1430
1781
+ },
1782
+ {
1783
+ "epoch": 0.49,
1784
+ "learning_rate": 0.00015351671309192202,
1785
+ "loss": 1.2922,
1786
+ "step": 1435
1787
+ },
1788
+ {
1789
+ "epoch": 0.49,
1790
+ "learning_rate": 0.0001533426183844011,
1791
+ "loss": 1.3139,
1792
+ "step": 1440
1793
+ },
1794
+ {
1795
+ "epoch": 0.49,
1796
+ "learning_rate": 0.00015316852367688023,
1797
+ "loss": 1.3396,
1798
+ "step": 1445
1799
+ },
1800
+ {
1801
+ "epoch": 0.5,
1802
+ "learning_rate": 0.00015299442896935935,
1803
+ "loss": 1.2605,
1804
+ "step": 1450
1805
+ },
1806
+ {
1807
+ "epoch": 0.5,
1808
+ "learning_rate": 0.00015282033426183844,
1809
+ "loss": 1.4605,
1810
+ "step": 1455
1811
+ },
1812
+ {
1813
+ "epoch": 0.5,
1814
+ "learning_rate": 0.00015264623955431756,
1815
+ "loss": 1.4972,
1816
+ "step": 1460
1817
+ },
1818
+ {
1819
+ "epoch": 0.5,
1820
+ "learning_rate": 0.00015247214484679665,
1821
+ "loss": 1.3068,
1822
+ "step": 1465
1823
+ },
1824
+ {
1825
+ "epoch": 0.5,
1826
+ "learning_rate": 0.00015229805013927577,
1827
+ "loss": 1.3249,
1828
+ "step": 1470
1829
+ },
1830
+ {
1831
+ "epoch": 0.5,
1832
+ "learning_rate": 0.0001521239554317549,
1833
+ "loss": 1.3316,
1834
+ "step": 1475
1835
+ },
1836
+ {
1837
+ "epoch": 0.51,
1838
+ "learning_rate": 0.00015194986072423398,
1839
+ "loss": 1.434,
1840
+ "step": 1480
1841
+ },
1842
+ {
1843
+ "epoch": 0.51,
1844
+ "learning_rate": 0.0001517757660167131,
1845
+ "loss": 1.4266,
1846
+ "step": 1485
1847
+ },
1848
+ {
1849
+ "epoch": 0.51,
1850
+ "learning_rate": 0.0001516016713091922,
1851
+ "loss": 1.3159,
1852
+ "step": 1490
1853
+ },
1854
+ {
1855
+ "epoch": 0.51,
1856
+ "learning_rate": 0.00015142757660167132,
1857
+ "loss": 1.2304,
1858
+ "step": 1495
1859
+ },
1860
+ {
1861
+ "epoch": 0.51,
1862
+ "learning_rate": 0.00015125348189415043,
1863
+ "loss": 1.3826,
1864
+ "step": 1500
1865
+ },
1866
+ {
1867
+ "epoch": 0.52,
1868
+ "learning_rate": 0.00015107938718662953,
1869
+ "loss": 1.4042,
1870
+ "step": 1505
1871
+ },
1872
+ {
1873
+ "epoch": 0.52,
1874
+ "learning_rate": 0.00015090529247910865,
1875
+ "loss": 1.335,
1876
+ "step": 1510
1877
+ },
1878
+ {
1879
+ "epoch": 0.52,
1880
+ "learning_rate": 0.00015073119777158774,
1881
+ "loss": 1.3166,
1882
+ "step": 1515
1883
+ },
1884
+ {
1885
+ "epoch": 0.52,
1886
+ "learning_rate": 0.00015055710306406686,
1887
+ "loss": 1.284,
1888
+ "step": 1520
1889
+ },
1890
+ {
1891
+ "epoch": 0.52,
1892
+ "learning_rate": 0.00015038300835654598,
1893
+ "loss": 1.2927,
1894
+ "step": 1525
1895
+ },
1896
+ {
1897
+ "epoch": 0.52,
1898
+ "learning_rate": 0.00015020891364902507,
1899
+ "loss": 1.4464,
1900
+ "step": 1530
1901
+ },
1902
+ {
1903
+ "epoch": 0.53,
1904
+ "learning_rate": 0.0001500348189415042,
1905
+ "loss": 1.319,
1906
+ "step": 1535
1907
+ },
1908
+ {
1909
+ "epoch": 0.53,
1910
+ "learning_rate": 0.0001498607242339833,
1911
+ "loss": 1.3213,
1912
+ "step": 1540
1913
+ },
1914
+ {
1915
+ "epoch": 0.53,
1916
+ "learning_rate": 0.0001496866295264624,
1917
+ "loss": 1.4009,
1918
+ "step": 1545
1919
+ },
1920
+ {
1921
+ "epoch": 0.53,
1922
+ "learning_rate": 0.00014951253481894152,
1923
+ "loss": 1.3166,
1924
+ "step": 1550
1925
+ },
1926
+ {
1927
+ "epoch": 0.53,
1928
+ "learning_rate": 0.00014933844011142061,
1929
+ "loss": 1.3605,
1930
+ "step": 1555
1931
+ },
1932
+ {
1933
+ "epoch": 0.53,
1934
+ "learning_rate": 0.0001491643454038997,
1935
+ "loss": 1.401,
1936
+ "step": 1560
1937
+ },
1938
+ {
1939
+ "epoch": 0.54,
1940
+ "learning_rate": 0.00014899025069637885,
1941
+ "loss": 1.3219,
1942
+ "step": 1565
1943
+ },
1944
+ {
1945
+ "epoch": 0.54,
1946
+ "learning_rate": 0.00014881615598885795,
1947
+ "loss": 1.3484,
1948
+ "step": 1570
1949
+ },
1950
+ {
1951
+ "epoch": 0.54,
1952
+ "learning_rate": 0.00014864206128133706,
1953
+ "loss": 1.3743,
1954
+ "step": 1575
1955
+ },
1956
+ {
1957
+ "epoch": 0.54,
1958
+ "learning_rate": 0.00014846796657381616,
1959
+ "loss": 1.3498,
1960
+ "step": 1580
1961
+ },
1962
+ {
1963
+ "epoch": 0.54,
1964
+ "learning_rate": 0.00014829387186629528,
1965
+ "loss": 1.2985,
1966
+ "step": 1585
1967
+ },
1968
+ {
1969
+ "epoch": 0.54,
1970
+ "learning_rate": 0.0001481197771587744,
1971
+ "loss": 1.3355,
1972
+ "step": 1590
1973
+ },
1974
+ {
1975
+ "epoch": 0.55,
1976
+ "learning_rate": 0.0001479456824512535,
1977
+ "loss": 1.3278,
1978
+ "step": 1595
1979
+ },
1980
+ {
1981
+ "epoch": 0.55,
1982
+ "learning_rate": 0.00014777158774373258,
1983
+ "loss": 1.3111,
1984
+ "step": 1600
1985
+ },
1986
+ {
1987
+ "epoch": 0.55,
1988
+ "eval_loss": 1.3110042810440063,
1989
+ "eval_runtime": 733.0309,
1990
+ "eval_samples_per_second": 7.087,
1991
+ "eval_steps_per_second": 0.887,
1992
+ "step": 1600
1993
+ },
1994
+ {
1995
+ "epoch": 0.55,
1996
+ "learning_rate": 0.0001475974930362117,
1997
+ "loss": 1.3197,
1998
+ "step": 1605
1999
+ },
2000
+ {
2001
+ "epoch": 0.55,
2002
+ "learning_rate": 0.00014742339832869082,
2003
+ "loss": 1.4121,
2004
+ "step": 1610
2005
+ },
2006
+ {
2007
+ "epoch": 0.55,
2008
+ "learning_rate": 0.00014724930362116994,
2009
+ "loss": 1.34,
2010
+ "step": 1615
2011
+ },
2012
+ {
2013
+ "epoch": 0.55,
2014
+ "learning_rate": 0.00014707520891364903,
2015
+ "loss": 1.3669,
2016
+ "step": 1620
2017
+ },
2018
+ {
2019
+ "epoch": 0.56,
2020
+ "learning_rate": 0.00014690111420612812,
2021
+ "loss": 1.3248,
2022
+ "step": 1625
2023
+ },
2024
+ {
2025
+ "epoch": 0.56,
2026
+ "learning_rate": 0.00014672701949860724,
2027
+ "loss": 1.2567,
2028
+ "step": 1630
2029
+ },
2030
+ {
2031
+ "epoch": 0.56,
2032
+ "learning_rate": 0.00014655292479108636,
2033
+ "loss": 1.3399,
2034
+ "step": 1635
2035
+ },
2036
+ {
2037
+ "epoch": 0.56,
2038
+ "learning_rate": 0.00014637883008356548,
2039
+ "loss": 1.315,
2040
+ "step": 1640
2041
+ },
2042
+ {
2043
+ "epoch": 0.56,
2044
+ "learning_rate": 0.00014620473537604458,
2045
+ "loss": 1.2658,
2046
+ "step": 1645
2047
+ },
2048
+ {
2049
+ "epoch": 0.56,
2050
+ "learning_rate": 0.00014603064066852367,
2051
+ "loss": 1.3854,
2052
+ "step": 1650
2053
+ },
2054
+ {
2055
+ "epoch": 0.57,
2056
+ "learning_rate": 0.0001458565459610028,
2057
+ "loss": 1.3889,
2058
+ "step": 1655
2059
+ },
2060
+ {
2061
+ "epoch": 0.57,
2062
+ "learning_rate": 0.0001456824512534819,
2063
+ "loss": 1.3587,
2064
+ "step": 1660
2065
+ },
2066
+ {
2067
+ "epoch": 0.57,
2068
+ "learning_rate": 0.000145508356545961,
2069
+ "loss": 1.3507,
2070
+ "step": 1665
2071
+ },
2072
+ {
2073
+ "epoch": 0.57,
2074
+ "learning_rate": 0.00014533426183844012,
2075
+ "loss": 1.3647,
2076
+ "step": 1670
2077
+ },
2078
+ {
2079
+ "epoch": 0.57,
2080
+ "learning_rate": 0.0001451601671309192,
2081
+ "loss": 1.2777,
2082
+ "step": 1675
2083
+ },
2084
+ {
2085
+ "epoch": 0.57,
2086
+ "learning_rate": 0.00014498607242339836,
2087
+ "loss": 1.3376,
2088
+ "step": 1680
2089
+ },
2090
+ {
2091
+ "epoch": 0.58,
2092
+ "learning_rate": 0.00014481197771587745,
2093
+ "loss": 1.2869,
2094
+ "step": 1685
2095
+ },
2096
+ {
2097
+ "epoch": 0.58,
2098
+ "learning_rate": 0.00014463788300835654,
2099
+ "loss": 1.2855,
2100
+ "step": 1690
2101
+ },
2102
+ {
2103
+ "epoch": 0.58,
2104
+ "learning_rate": 0.00014446378830083566,
2105
+ "loss": 1.3387,
2106
+ "step": 1695
2107
+ },
2108
+ {
2109
+ "epoch": 0.58,
2110
+ "learning_rate": 0.00014428969359331475,
2111
+ "loss": 1.3416,
2112
+ "step": 1700
2113
+ },
2114
+ {
2115
+ "epoch": 0.58,
2116
+ "learning_rate": 0.00014411559888579387,
2117
+ "loss": 1.3574,
2118
+ "step": 1705
2119
+ },
2120
+ {
2121
+ "epoch": 0.59,
2122
+ "learning_rate": 0.000143941504178273,
2123
+ "loss": 1.375,
2124
+ "step": 1710
2125
+ },
2126
+ {
2127
+ "epoch": 0.59,
2128
+ "learning_rate": 0.00014376740947075209,
2129
+ "loss": 1.3952,
2130
+ "step": 1715
2131
+ },
2132
+ {
2133
+ "epoch": 0.59,
2134
+ "learning_rate": 0.0001435933147632312,
2135
+ "loss": 1.3429,
2136
+ "step": 1720
2137
+ },
2138
+ {
2139
+ "epoch": 0.59,
2140
+ "learning_rate": 0.00014341922005571032,
2141
+ "loss": 1.3726,
2142
+ "step": 1725
2143
+ },
2144
+ {
2145
+ "epoch": 0.59,
2146
+ "learning_rate": 0.00014324512534818942,
2147
+ "loss": 1.2442,
2148
+ "step": 1730
2149
+ },
2150
+ {
2151
+ "epoch": 0.59,
2152
+ "learning_rate": 0.00014307103064066854,
2153
+ "loss": 1.2478,
2154
+ "step": 1735
2155
+ },
2156
+ {
2157
+ "epoch": 0.6,
2158
+ "learning_rate": 0.00014289693593314763,
2159
+ "loss": 1.3317,
2160
+ "step": 1740
2161
+ },
2162
+ {
2163
+ "epoch": 0.6,
2164
+ "learning_rate": 0.00014272284122562675,
2165
+ "loss": 1.3172,
2166
+ "step": 1745
2167
+ },
2168
+ {
2169
+ "epoch": 0.6,
2170
+ "learning_rate": 0.00014254874651810587,
2171
+ "loss": 1.3594,
2172
+ "step": 1750
2173
+ },
2174
+ {
2175
+ "epoch": 0.6,
2176
+ "learning_rate": 0.00014237465181058496,
2177
+ "loss": 1.3597,
2178
+ "step": 1755
2179
+ },
2180
+ {
2181
+ "epoch": 0.6,
2182
+ "learning_rate": 0.00014220055710306408,
2183
+ "loss": 1.3468,
2184
+ "step": 1760
2185
+ },
2186
+ {
2187
+ "epoch": 0.6,
2188
+ "learning_rate": 0.00014202646239554317,
2189
+ "loss": 1.369,
2190
+ "step": 1765
2191
+ },
2192
+ {
2193
+ "epoch": 0.61,
2194
+ "learning_rate": 0.0001418523676880223,
2195
+ "loss": 1.2807,
2196
+ "step": 1770
2197
+ },
2198
+ {
2199
+ "epoch": 0.61,
2200
+ "learning_rate": 0.0001416782729805014,
2201
+ "loss": 1.3454,
2202
+ "step": 1775
2203
+ },
2204
+ {
2205
+ "epoch": 0.61,
2206
+ "learning_rate": 0.0001415041782729805,
2207
+ "loss": 1.3576,
2208
+ "step": 1780
2209
+ },
2210
+ {
2211
+ "epoch": 0.61,
2212
+ "learning_rate": 0.00014133008356545962,
2213
+ "loss": 1.397,
2214
+ "step": 1785
2215
+ },
2216
+ {
2217
+ "epoch": 0.61,
2218
+ "learning_rate": 0.00014115598885793872,
2219
+ "loss": 1.2672,
2220
+ "step": 1790
2221
+ },
2222
+ {
2223
+ "epoch": 0.61,
2224
+ "learning_rate": 0.00014098189415041784,
2225
+ "loss": 1.3121,
2226
+ "step": 1795
2227
+ },
2228
+ {
2229
+ "epoch": 0.62,
2230
+ "learning_rate": 0.00014080779944289695,
2231
+ "loss": 1.3547,
2232
+ "step": 1800
2233
+ },
2234
+ {
2235
+ "epoch": 0.62,
2236
+ "eval_loss": 1.306809425354004,
2237
+ "eval_runtime": 733.2137,
2238
+ "eval_samples_per_second": 7.085,
2239
+ "eval_steps_per_second": 0.887,
2240
+ "step": 1800
2241
+ }
2242
+ ],
2243
+ "max_steps": 5844,
2244
+ "num_train_epochs": 2,
2245
+ "total_flos": 1.072077389955072e+17,
2246
+ "trial_name": null,
2247
+ "trial_params": null
2248
+ }
checkpoint-1800/training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:8019df9a95ba854febe037e3ecfea56f64a9de28ee6267ecf10cb6e5c9d15ebd
3
+ size 3963
pytorch_model.bin CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:2bfec529185040df7d6a503ca4d88a6a22bf2683397ca7bd905a6f6253936083
3
  size 12653389
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:f7b0ffb154451a65fb72e29d26619c4f2611724bd0addf71799986cf4971d123
3
  size 12653389
runs/Jun09_01-15-41_102955686a4d/events.out.tfevents.1686273403.102955686a4d.2402.0 CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:60b40e220c55b7158b0d7cddc02c3e045feb633b56ede3cb58cb6ff2ec3b4fe9
3
- size 17409
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:bdc9d4b0a2695c8e97dc1d04c0501d9bad2b671cdfca4e0f9947250b1a1de65e
3
+ size 23960