100rab25 commited on
Commit
767e289
1 Parent(s): 704d498

End of training

Browse files
Files changed (4) hide show
  1. all_results.json +12 -0
  2. eval_results.json +8 -0
  3. train_results.json +7 -0
  4. trainer_state.json +1524 -0
all_results.json ADDED
@@ -0,0 +1,12 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 4.98,
3
+ "eval_accuracy": 0.989844278943805,
4
+ "eval_loss": 0.029886629432439804,
5
+ "eval_runtime": 6.2367,
6
+ "eval_samples_per_second": 473.648,
7
+ "eval_steps_per_second": 14.912,
8
+ "train_loss": 0.12655677452755434,
9
+ "train_runtime": 660.3476,
10
+ "train_samples_per_second": 201.303,
11
+ "train_steps_per_second": 1.567
12
+ }
eval_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 4.98,
3
+ "eval_accuracy": 0.989844278943805,
4
+ "eval_loss": 0.029886629432439804,
5
+ "eval_runtime": 6.2367,
6
+ "eval_samples_per_second": 473.648,
7
+ "eval_steps_per_second": 14.912
8
+ }
train_results.json ADDED
@@ -0,0 +1,7 @@
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 4.98,
3
+ "train_loss": 0.12655677452755434,
4
+ "train_runtime": 660.3476,
5
+ "train_samples_per_second": 201.303,
6
+ "train_steps_per_second": 1.567
7
+ }
trainer_state.json ADDED
@@ -0,0 +1,1524 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": 0.989844278943805,
3
+ "best_model_checkpoint": "salon_image_classifier_v1_convnext/checkpoint-1035",
4
+ "epoch": 4.981949458483754,
5
+ "eval_steps": 500,
6
+ "global_step": 1035,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.02,
13
+ "grad_norm": 6.277402877807617,
14
+ "learning_rate": 2.403846153846154e-06,
15
+ "loss": 1.4624,
16
+ "step": 5
17
+ },
18
+ {
19
+ "epoch": 0.05,
20
+ "grad_norm": 5.703274726867676,
21
+ "learning_rate": 4.807692307692308e-06,
22
+ "loss": 1.3971,
23
+ "step": 10
24
+ },
25
+ {
26
+ "epoch": 0.07,
27
+ "grad_norm": 7.412254810333252,
28
+ "learning_rate": 7.211538461538461e-06,
29
+ "loss": 1.3073,
30
+ "step": 15
31
+ },
32
+ {
33
+ "epoch": 0.1,
34
+ "grad_norm": 5.874199867248535,
35
+ "learning_rate": 9.615384615384616e-06,
36
+ "loss": 1.1877,
37
+ "step": 20
38
+ },
39
+ {
40
+ "epoch": 0.12,
41
+ "grad_norm": 4.8683342933654785,
42
+ "learning_rate": 1.2019230769230771e-05,
43
+ "loss": 1.0259,
44
+ "step": 25
45
+ },
46
+ {
47
+ "epoch": 0.14,
48
+ "grad_norm": 4.822791576385498,
49
+ "learning_rate": 1.4423076923076923e-05,
50
+ "loss": 0.8557,
51
+ "step": 30
52
+ },
53
+ {
54
+ "epoch": 0.17,
55
+ "grad_norm": 4.416042804718018,
56
+ "learning_rate": 1.682692307692308e-05,
57
+ "loss": 0.7254,
58
+ "step": 35
59
+ },
60
+ {
61
+ "epoch": 0.19,
62
+ "grad_norm": 3.968479633331299,
63
+ "learning_rate": 1.923076923076923e-05,
64
+ "loss": 0.5629,
65
+ "step": 40
66
+ },
67
+ {
68
+ "epoch": 0.22,
69
+ "grad_norm": 3.736450433731079,
70
+ "learning_rate": 2.1634615384615387e-05,
71
+ "loss": 0.4541,
72
+ "step": 45
73
+ },
74
+ {
75
+ "epoch": 0.24,
76
+ "grad_norm": 3.005037307739258,
77
+ "learning_rate": 2.4038461538461542e-05,
78
+ "loss": 0.3057,
79
+ "step": 50
80
+ },
81
+ {
82
+ "epoch": 0.26,
83
+ "grad_norm": 4.574312686920166,
84
+ "learning_rate": 2.6442307692307694e-05,
85
+ "loss": 0.2917,
86
+ "step": 55
87
+ },
88
+ {
89
+ "epoch": 0.29,
90
+ "grad_norm": 5.142052173614502,
91
+ "learning_rate": 2.8846153846153845e-05,
92
+ "loss": 0.2297,
93
+ "step": 60
94
+ },
95
+ {
96
+ "epoch": 0.31,
97
+ "grad_norm": 3.3775789737701416,
98
+ "learning_rate": 3.125e-05,
99
+ "loss": 0.2004,
100
+ "step": 65
101
+ },
102
+ {
103
+ "epoch": 0.34,
104
+ "grad_norm": 3.128685712814331,
105
+ "learning_rate": 3.365384615384616e-05,
106
+ "loss": 0.1851,
107
+ "step": 70
108
+ },
109
+ {
110
+ "epoch": 0.36,
111
+ "grad_norm": 5.491213798522949,
112
+ "learning_rate": 3.605769230769231e-05,
113
+ "loss": 0.1956,
114
+ "step": 75
115
+ },
116
+ {
117
+ "epoch": 0.39,
118
+ "grad_norm": 2.380528688430786,
119
+ "learning_rate": 3.846153846153846e-05,
120
+ "loss": 0.161,
121
+ "step": 80
122
+ },
123
+ {
124
+ "epoch": 0.41,
125
+ "grad_norm": 5.325184345245361,
126
+ "learning_rate": 4.0865384615384615e-05,
127
+ "loss": 0.1748,
128
+ "step": 85
129
+ },
130
+ {
131
+ "epoch": 0.43,
132
+ "grad_norm": 3.9706196784973145,
133
+ "learning_rate": 4.326923076923077e-05,
134
+ "loss": 0.1487,
135
+ "step": 90
136
+ },
137
+ {
138
+ "epoch": 0.46,
139
+ "grad_norm": 4.022750377655029,
140
+ "learning_rate": 4.5673076923076925e-05,
141
+ "loss": 0.1339,
142
+ "step": 95
143
+ },
144
+ {
145
+ "epoch": 0.48,
146
+ "grad_norm": 7.611146450042725,
147
+ "learning_rate": 4.8076923076923084e-05,
148
+ "loss": 0.1544,
149
+ "step": 100
150
+ },
151
+ {
152
+ "epoch": 0.51,
153
+ "grad_norm": 9.541460990905762,
154
+ "learning_rate": 4.9946294307196566e-05,
155
+ "loss": 0.1224,
156
+ "step": 105
157
+ },
158
+ {
159
+ "epoch": 0.53,
160
+ "grad_norm": 5.275872230529785,
161
+ "learning_rate": 4.967776584317938e-05,
162
+ "loss": 0.1511,
163
+ "step": 110
164
+ },
165
+ {
166
+ "epoch": 0.55,
167
+ "grad_norm": 2.8402061462402344,
168
+ "learning_rate": 4.940923737916219e-05,
169
+ "loss": 0.1081,
170
+ "step": 115
171
+ },
172
+ {
173
+ "epoch": 0.58,
174
+ "grad_norm": 6.35424280166626,
175
+ "learning_rate": 4.9140708915145005e-05,
176
+ "loss": 0.1288,
177
+ "step": 120
178
+ },
179
+ {
180
+ "epoch": 0.6,
181
+ "grad_norm": 6.0777435302734375,
182
+ "learning_rate": 4.887218045112782e-05,
183
+ "loss": 0.1277,
184
+ "step": 125
185
+ },
186
+ {
187
+ "epoch": 0.63,
188
+ "grad_norm": 3.709442377090454,
189
+ "learning_rate": 4.860365198711064e-05,
190
+ "loss": 0.136,
191
+ "step": 130
192
+ },
193
+ {
194
+ "epoch": 0.65,
195
+ "grad_norm": 6.1887593269348145,
196
+ "learning_rate": 4.833512352309345e-05,
197
+ "loss": 0.1758,
198
+ "step": 135
199
+ },
200
+ {
201
+ "epoch": 0.67,
202
+ "grad_norm": 4.514546871185303,
203
+ "learning_rate": 4.806659505907626e-05,
204
+ "loss": 0.156,
205
+ "step": 140
206
+ },
207
+ {
208
+ "epoch": 0.7,
209
+ "grad_norm": 5.032735824584961,
210
+ "learning_rate": 4.7798066595059076e-05,
211
+ "loss": 0.1593,
212
+ "step": 145
213
+ },
214
+ {
215
+ "epoch": 0.72,
216
+ "grad_norm": 9.502847671508789,
217
+ "learning_rate": 4.7529538131041896e-05,
218
+ "loss": 0.2014,
219
+ "step": 150
220
+ },
221
+ {
222
+ "epoch": 0.75,
223
+ "grad_norm": 2.6441538333892822,
224
+ "learning_rate": 4.726100966702471e-05,
225
+ "loss": 0.1331,
226
+ "step": 155
227
+ },
228
+ {
229
+ "epoch": 0.77,
230
+ "grad_norm": 2.8725085258483887,
231
+ "learning_rate": 4.699248120300752e-05,
232
+ "loss": 0.1261,
233
+ "step": 160
234
+ },
235
+ {
236
+ "epoch": 0.79,
237
+ "grad_norm": 2.6660351753234863,
238
+ "learning_rate": 4.6723952738990334e-05,
239
+ "loss": 0.1097,
240
+ "step": 165
241
+ },
242
+ {
243
+ "epoch": 0.82,
244
+ "grad_norm": 8.11793327331543,
245
+ "learning_rate": 4.645542427497315e-05,
246
+ "loss": 0.0933,
247
+ "step": 170
248
+ },
249
+ {
250
+ "epoch": 0.84,
251
+ "grad_norm": 3.4776053428649902,
252
+ "learning_rate": 4.618689581095597e-05,
253
+ "loss": 0.1543,
254
+ "step": 175
255
+ },
256
+ {
257
+ "epoch": 0.87,
258
+ "grad_norm": 3.1535816192626953,
259
+ "learning_rate": 4.591836734693878e-05,
260
+ "loss": 0.1245,
261
+ "step": 180
262
+ },
263
+ {
264
+ "epoch": 0.89,
265
+ "grad_norm": 4.248240947723389,
266
+ "learning_rate": 4.564983888292159e-05,
267
+ "loss": 0.1417,
268
+ "step": 185
269
+ },
270
+ {
271
+ "epoch": 0.91,
272
+ "grad_norm": 4.858673572540283,
273
+ "learning_rate": 4.5381310418904406e-05,
274
+ "loss": 0.1382,
275
+ "step": 190
276
+ },
277
+ {
278
+ "epoch": 0.94,
279
+ "grad_norm": 3.6954901218414307,
280
+ "learning_rate": 4.511278195488722e-05,
281
+ "loss": 0.1133,
282
+ "step": 195
283
+ },
284
+ {
285
+ "epoch": 0.96,
286
+ "grad_norm": 2.9366323947906494,
287
+ "learning_rate": 4.484425349087004e-05,
288
+ "loss": 0.1037,
289
+ "step": 200
290
+ },
291
+ {
292
+ "epoch": 0.99,
293
+ "grad_norm": 3.420692205429077,
294
+ "learning_rate": 4.457572502685285e-05,
295
+ "loss": 0.1269,
296
+ "step": 205
297
+ },
298
+ {
299
+ "epoch": 1.0,
300
+ "eval_accuracy": 0.9834123222748815,
301
+ "eval_loss": 0.050108980387449265,
302
+ "eval_runtime": 6.0814,
303
+ "eval_samples_per_second": 485.741,
304
+ "eval_steps_per_second": 15.292,
305
+ "step": 207
306
+ },
307
+ {
308
+ "epoch": 1.01,
309
+ "grad_norm": 3.8513619899749756,
310
+ "learning_rate": 4.4307196562835664e-05,
311
+ "loss": 0.1179,
312
+ "step": 210
313
+ },
314
+ {
315
+ "epoch": 1.03,
316
+ "grad_norm": 3.5678696632385254,
317
+ "learning_rate": 4.403866809881848e-05,
318
+ "loss": 0.1067,
319
+ "step": 215
320
+ },
321
+ {
322
+ "epoch": 1.06,
323
+ "grad_norm": 3.045541286468506,
324
+ "learning_rate": 4.3770139634801297e-05,
325
+ "loss": 0.1014,
326
+ "step": 220
327
+ },
328
+ {
329
+ "epoch": 1.08,
330
+ "grad_norm": 2.9802796840667725,
331
+ "learning_rate": 4.350161117078411e-05,
332
+ "loss": 0.0839,
333
+ "step": 225
334
+ },
335
+ {
336
+ "epoch": 1.11,
337
+ "grad_norm": 2.974304437637329,
338
+ "learning_rate": 4.323308270676692e-05,
339
+ "loss": 0.096,
340
+ "step": 230
341
+ },
342
+ {
343
+ "epoch": 1.13,
344
+ "grad_norm": 3.204138994216919,
345
+ "learning_rate": 4.2964554242749735e-05,
346
+ "loss": 0.088,
347
+ "step": 235
348
+ },
349
+ {
350
+ "epoch": 1.16,
351
+ "grad_norm": 5.182232856750488,
352
+ "learning_rate": 4.269602577873255e-05,
353
+ "loss": 0.0926,
354
+ "step": 240
355
+ },
356
+ {
357
+ "epoch": 1.18,
358
+ "grad_norm": 2.830148458480835,
359
+ "learning_rate": 4.242749731471536e-05,
360
+ "loss": 0.0915,
361
+ "step": 245
362
+ },
363
+ {
364
+ "epoch": 1.2,
365
+ "grad_norm": 5.067986011505127,
366
+ "learning_rate": 4.215896885069818e-05,
367
+ "loss": 0.1051,
368
+ "step": 250
369
+ },
370
+ {
371
+ "epoch": 1.23,
372
+ "grad_norm": 3.488647937774658,
373
+ "learning_rate": 4.1890440386680994e-05,
374
+ "loss": 0.0948,
375
+ "step": 255
376
+ },
377
+ {
378
+ "epoch": 1.25,
379
+ "grad_norm": 2.4556047916412354,
380
+ "learning_rate": 4.1621911922663806e-05,
381
+ "loss": 0.0915,
382
+ "step": 260
383
+ },
384
+ {
385
+ "epoch": 1.28,
386
+ "grad_norm": 4.81022834777832,
387
+ "learning_rate": 4.135338345864662e-05,
388
+ "loss": 0.1068,
389
+ "step": 265
390
+ },
391
+ {
392
+ "epoch": 1.3,
393
+ "grad_norm": 4.263596057891846,
394
+ "learning_rate": 4.108485499462943e-05,
395
+ "loss": 0.106,
396
+ "step": 270
397
+ },
398
+ {
399
+ "epoch": 1.32,
400
+ "grad_norm": 2.286785840988159,
401
+ "learning_rate": 4.0816326530612245e-05,
402
+ "loss": 0.0784,
403
+ "step": 275
404
+ },
405
+ {
406
+ "epoch": 1.35,
407
+ "grad_norm": 3.0982165336608887,
408
+ "learning_rate": 4.054779806659506e-05,
409
+ "loss": 0.0774,
410
+ "step": 280
411
+ },
412
+ {
413
+ "epoch": 1.37,
414
+ "grad_norm": 3.3483657836914062,
415
+ "learning_rate": 4.027926960257787e-05,
416
+ "loss": 0.0732,
417
+ "step": 285
418
+ },
419
+ {
420
+ "epoch": 1.4,
421
+ "grad_norm": 3.933288335800171,
422
+ "learning_rate": 4.0010741138560684e-05,
423
+ "loss": 0.086,
424
+ "step": 290
425
+ },
426
+ {
427
+ "epoch": 1.42,
428
+ "grad_norm": 3.418642282485962,
429
+ "learning_rate": 3.97422126745435e-05,
430
+ "loss": 0.0803,
431
+ "step": 295
432
+ },
433
+ {
434
+ "epoch": 1.44,
435
+ "grad_norm": 3.975381374359131,
436
+ "learning_rate": 3.9473684210526316e-05,
437
+ "loss": 0.1137,
438
+ "step": 300
439
+ },
440
+ {
441
+ "epoch": 1.47,
442
+ "grad_norm": 2.6510424613952637,
443
+ "learning_rate": 3.920515574650913e-05,
444
+ "loss": 0.1206,
445
+ "step": 305
446
+ },
447
+ {
448
+ "epoch": 1.49,
449
+ "grad_norm": 2.9062960147857666,
450
+ "learning_rate": 3.893662728249194e-05,
451
+ "loss": 0.1042,
452
+ "step": 310
453
+ },
454
+ {
455
+ "epoch": 1.52,
456
+ "grad_norm": 2.369260549545288,
457
+ "learning_rate": 3.866809881847476e-05,
458
+ "loss": 0.0856,
459
+ "step": 315
460
+ },
461
+ {
462
+ "epoch": 1.54,
463
+ "grad_norm": 5.03189754486084,
464
+ "learning_rate": 3.8399570354457575e-05,
465
+ "loss": 0.0831,
466
+ "step": 320
467
+ },
468
+ {
469
+ "epoch": 1.56,
470
+ "grad_norm": 4.001619338989258,
471
+ "learning_rate": 3.813104189044039e-05,
472
+ "loss": 0.0766,
473
+ "step": 325
474
+ },
475
+ {
476
+ "epoch": 1.59,
477
+ "grad_norm": 3.2500596046447754,
478
+ "learning_rate": 3.78625134264232e-05,
479
+ "loss": 0.0881,
480
+ "step": 330
481
+ },
482
+ {
483
+ "epoch": 1.61,
484
+ "grad_norm": 1.553835391998291,
485
+ "learning_rate": 3.759398496240601e-05,
486
+ "loss": 0.0714,
487
+ "step": 335
488
+ },
489
+ {
490
+ "epoch": 1.64,
491
+ "grad_norm": 4.914017200469971,
492
+ "learning_rate": 3.732545649838883e-05,
493
+ "loss": 0.0944,
494
+ "step": 340
495
+ },
496
+ {
497
+ "epoch": 1.66,
498
+ "grad_norm": 2.7451980113983154,
499
+ "learning_rate": 3.7056928034371646e-05,
500
+ "loss": 0.0733,
501
+ "step": 345
502
+ },
503
+ {
504
+ "epoch": 1.68,
505
+ "grad_norm": 4.39937162399292,
506
+ "learning_rate": 3.678839957035446e-05,
507
+ "loss": 0.1127,
508
+ "step": 350
509
+ },
510
+ {
511
+ "epoch": 1.71,
512
+ "grad_norm": 3.2537283897399902,
513
+ "learning_rate": 3.651987110633727e-05,
514
+ "loss": 0.1236,
515
+ "step": 355
516
+ },
517
+ {
518
+ "epoch": 1.73,
519
+ "grad_norm": 4.104055881500244,
520
+ "learning_rate": 3.6251342642320084e-05,
521
+ "loss": 0.114,
522
+ "step": 360
523
+ },
524
+ {
525
+ "epoch": 1.76,
526
+ "grad_norm": 2.0853748321533203,
527
+ "learning_rate": 3.5982814178302904e-05,
528
+ "loss": 0.0885,
529
+ "step": 365
530
+ },
531
+ {
532
+ "epoch": 1.78,
533
+ "grad_norm": 2.1333792209625244,
534
+ "learning_rate": 3.571428571428572e-05,
535
+ "loss": 0.0901,
536
+ "step": 370
537
+ },
538
+ {
539
+ "epoch": 1.81,
540
+ "grad_norm": 2.9660935401916504,
541
+ "learning_rate": 3.544575725026853e-05,
542
+ "loss": 0.0753,
543
+ "step": 375
544
+ },
545
+ {
546
+ "epoch": 1.83,
547
+ "grad_norm": 1.7010711431503296,
548
+ "learning_rate": 3.517722878625134e-05,
549
+ "loss": 0.094,
550
+ "step": 380
551
+ },
552
+ {
553
+ "epoch": 1.85,
554
+ "grad_norm": 3.7029120922088623,
555
+ "learning_rate": 3.4908700322234156e-05,
556
+ "loss": 0.1148,
557
+ "step": 385
558
+ },
559
+ {
560
+ "epoch": 1.88,
561
+ "grad_norm": 3.4257864952087402,
562
+ "learning_rate": 3.4640171858216975e-05,
563
+ "loss": 0.0879,
564
+ "step": 390
565
+ },
566
+ {
567
+ "epoch": 1.9,
568
+ "grad_norm": 6.967185020446777,
569
+ "learning_rate": 3.437164339419979e-05,
570
+ "loss": 0.1001,
571
+ "step": 395
572
+ },
573
+ {
574
+ "epoch": 1.93,
575
+ "grad_norm": 1.414320707321167,
576
+ "learning_rate": 3.41031149301826e-05,
577
+ "loss": 0.1218,
578
+ "step": 400
579
+ },
580
+ {
581
+ "epoch": 1.95,
582
+ "grad_norm": 1.8158583641052246,
583
+ "learning_rate": 3.3834586466165414e-05,
584
+ "loss": 0.0646,
585
+ "step": 405
586
+ },
587
+ {
588
+ "epoch": 1.97,
589
+ "grad_norm": 2.169985055923462,
590
+ "learning_rate": 3.3566058002148234e-05,
591
+ "loss": 0.0776,
592
+ "step": 410
593
+ },
594
+ {
595
+ "epoch": 2.0,
596
+ "grad_norm": 2.488377571105957,
597
+ "learning_rate": 3.3297529538131046e-05,
598
+ "loss": 0.0572,
599
+ "step": 415
600
+ },
601
+ {
602
+ "epoch": 2.0,
603
+ "eval_accuracy": 0.987136086662153,
604
+ "eval_loss": 0.03736753389239311,
605
+ "eval_runtime": 6.0106,
606
+ "eval_samples_per_second": 491.469,
607
+ "eval_steps_per_second": 15.473,
608
+ "step": 415
609
+ },
610
+ {
611
+ "epoch": 2.02,
612
+ "grad_norm": 3.571716070175171,
613
+ "learning_rate": 3.302900107411386e-05,
614
+ "loss": 0.083,
615
+ "step": 420
616
+ },
617
+ {
618
+ "epoch": 2.05,
619
+ "grad_norm": 2.3017261028289795,
620
+ "learning_rate": 3.276047261009667e-05,
621
+ "loss": 0.0581,
622
+ "step": 425
623
+ },
624
+ {
625
+ "epoch": 2.07,
626
+ "grad_norm": 4.040441513061523,
627
+ "learning_rate": 3.2491944146079485e-05,
628
+ "loss": 0.0762,
629
+ "step": 430
630
+ },
631
+ {
632
+ "epoch": 2.09,
633
+ "grad_norm": 1.5620166063308716,
634
+ "learning_rate": 3.2223415682062305e-05,
635
+ "loss": 0.0778,
636
+ "step": 435
637
+ },
638
+ {
639
+ "epoch": 2.12,
640
+ "grad_norm": 2.1466052532196045,
641
+ "learning_rate": 3.195488721804512e-05,
642
+ "loss": 0.0876,
643
+ "step": 440
644
+ },
645
+ {
646
+ "epoch": 2.14,
647
+ "grad_norm": 1.7395237684249878,
648
+ "learning_rate": 3.168635875402793e-05,
649
+ "loss": 0.0996,
650
+ "step": 445
651
+ },
652
+ {
653
+ "epoch": 2.17,
654
+ "grad_norm": 5.349012851715088,
655
+ "learning_rate": 3.1417830290010743e-05,
656
+ "loss": 0.072,
657
+ "step": 450
658
+ },
659
+ {
660
+ "epoch": 2.19,
661
+ "grad_norm": 4.39583683013916,
662
+ "learning_rate": 3.1149301825993556e-05,
663
+ "loss": 0.0997,
664
+ "step": 455
665
+ },
666
+ {
667
+ "epoch": 2.21,
668
+ "grad_norm": 3.541804313659668,
669
+ "learning_rate": 3.0880773361976376e-05,
670
+ "loss": 0.0712,
671
+ "step": 460
672
+ },
673
+ {
674
+ "epoch": 2.24,
675
+ "grad_norm": 2.4857404232025146,
676
+ "learning_rate": 3.061224489795919e-05,
677
+ "loss": 0.0789,
678
+ "step": 465
679
+ },
680
+ {
681
+ "epoch": 2.26,
682
+ "grad_norm": 3.7146120071411133,
683
+ "learning_rate": 3.0343716433942e-05,
684
+ "loss": 0.088,
685
+ "step": 470
686
+ },
687
+ {
688
+ "epoch": 2.29,
689
+ "grad_norm": 2.6535651683807373,
690
+ "learning_rate": 3.007518796992481e-05,
691
+ "loss": 0.0797,
692
+ "step": 475
693
+ },
694
+ {
695
+ "epoch": 2.31,
696
+ "grad_norm": 1.3184159994125366,
697
+ "learning_rate": 2.980665950590763e-05,
698
+ "loss": 0.0846,
699
+ "step": 480
700
+ },
701
+ {
702
+ "epoch": 2.33,
703
+ "grad_norm": 2.7791616916656494,
704
+ "learning_rate": 2.9538131041890444e-05,
705
+ "loss": 0.074,
706
+ "step": 485
707
+ },
708
+ {
709
+ "epoch": 2.36,
710
+ "grad_norm": 4.284481048583984,
711
+ "learning_rate": 2.9269602577873257e-05,
712
+ "loss": 0.0943,
713
+ "step": 490
714
+ },
715
+ {
716
+ "epoch": 2.38,
717
+ "grad_norm": 3.457939386367798,
718
+ "learning_rate": 2.900107411385607e-05,
719
+ "loss": 0.117,
720
+ "step": 495
721
+ },
722
+ {
723
+ "epoch": 2.41,
724
+ "grad_norm": 1.2724689245224,
725
+ "learning_rate": 2.8732545649838882e-05,
726
+ "loss": 0.0803,
727
+ "step": 500
728
+ },
729
+ {
730
+ "epoch": 2.43,
731
+ "grad_norm": 2.6043756008148193,
732
+ "learning_rate": 2.8464017185821702e-05,
733
+ "loss": 0.0672,
734
+ "step": 505
735
+ },
736
+ {
737
+ "epoch": 2.45,
738
+ "grad_norm": 3.096151113510132,
739
+ "learning_rate": 2.8195488721804515e-05,
740
+ "loss": 0.0848,
741
+ "step": 510
742
+ },
743
+ {
744
+ "epoch": 2.48,
745
+ "grad_norm": 1.409250259399414,
746
+ "learning_rate": 2.7926960257787328e-05,
747
+ "loss": 0.0472,
748
+ "step": 515
749
+ },
750
+ {
751
+ "epoch": 2.5,
752
+ "grad_norm": 1.6517168283462524,
753
+ "learning_rate": 2.765843179377014e-05,
754
+ "loss": 0.0798,
755
+ "step": 520
756
+ },
757
+ {
758
+ "epoch": 2.53,
759
+ "grad_norm": 2.9068679809570312,
760
+ "learning_rate": 2.7389903329752954e-05,
761
+ "loss": 0.0658,
762
+ "step": 525
763
+ },
764
+ {
765
+ "epoch": 2.55,
766
+ "grad_norm": 3.5304489135742188,
767
+ "learning_rate": 2.712137486573577e-05,
768
+ "loss": 0.0512,
769
+ "step": 530
770
+ },
771
+ {
772
+ "epoch": 2.58,
773
+ "grad_norm": 4.021263122558594,
774
+ "learning_rate": 2.6852846401718583e-05,
775
+ "loss": 0.0889,
776
+ "step": 535
777
+ },
778
+ {
779
+ "epoch": 2.6,
780
+ "grad_norm": 1.863612413406372,
781
+ "learning_rate": 2.6584317937701396e-05,
782
+ "loss": 0.0671,
783
+ "step": 540
784
+ },
785
+ {
786
+ "epoch": 2.62,
787
+ "grad_norm": 2.903055191040039,
788
+ "learning_rate": 2.6315789473684212e-05,
789
+ "loss": 0.071,
790
+ "step": 545
791
+ },
792
+ {
793
+ "epoch": 2.65,
794
+ "grad_norm": 4.729198455810547,
795
+ "learning_rate": 2.6047261009667025e-05,
796
+ "loss": 0.0753,
797
+ "step": 550
798
+ },
799
+ {
800
+ "epoch": 2.67,
801
+ "grad_norm": 4.479395866394043,
802
+ "learning_rate": 2.577873254564984e-05,
803
+ "loss": 0.088,
804
+ "step": 555
805
+ },
806
+ {
807
+ "epoch": 2.7,
808
+ "grad_norm": 1.303819179534912,
809
+ "learning_rate": 2.5510204081632654e-05,
810
+ "loss": 0.0606,
811
+ "step": 560
812
+ },
813
+ {
814
+ "epoch": 2.72,
815
+ "grad_norm": 1.7099323272705078,
816
+ "learning_rate": 2.5241675617615467e-05,
817
+ "loss": 0.0563,
818
+ "step": 565
819
+ },
820
+ {
821
+ "epoch": 2.74,
822
+ "grad_norm": 6.212317943572998,
823
+ "learning_rate": 2.4973147153598283e-05,
824
+ "loss": 0.0948,
825
+ "step": 570
826
+ },
827
+ {
828
+ "epoch": 2.77,
829
+ "grad_norm": 2.4912729263305664,
830
+ "learning_rate": 2.4704618689581096e-05,
831
+ "loss": 0.0857,
832
+ "step": 575
833
+ },
834
+ {
835
+ "epoch": 2.79,
836
+ "grad_norm": 2.978109359741211,
837
+ "learning_rate": 2.443609022556391e-05,
838
+ "loss": 0.0976,
839
+ "step": 580
840
+ },
841
+ {
842
+ "epoch": 2.82,
843
+ "grad_norm": 1.6303725242614746,
844
+ "learning_rate": 2.4167561761546725e-05,
845
+ "loss": 0.0731,
846
+ "step": 585
847
+ },
848
+ {
849
+ "epoch": 2.84,
850
+ "grad_norm": 3.7856266498565674,
851
+ "learning_rate": 2.3899033297529538e-05,
852
+ "loss": 0.0833,
853
+ "step": 590
854
+ },
855
+ {
856
+ "epoch": 2.86,
857
+ "grad_norm": 3.6364758014678955,
858
+ "learning_rate": 2.3630504833512354e-05,
859
+ "loss": 0.0659,
860
+ "step": 595
861
+ },
862
+ {
863
+ "epoch": 2.89,
864
+ "grad_norm": 3.412216901779175,
865
+ "learning_rate": 2.3361976369495167e-05,
866
+ "loss": 0.1227,
867
+ "step": 600
868
+ },
869
+ {
870
+ "epoch": 2.91,
871
+ "grad_norm": 4.180442810058594,
872
+ "learning_rate": 2.3093447905477984e-05,
873
+ "loss": 0.0773,
874
+ "step": 605
875
+ },
876
+ {
877
+ "epoch": 2.94,
878
+ "grad_norm": 1.9002240896224976,
879
+ "learning_rate": 2.2824919441460796e-05,
880
+ "loss": 0.0656,
881
+ "step": 610
882
+ },
883
+ {
884
+ "epoch": 2.96,
885
+ "grad_norm": 3.6314845085144043,
886
+ "learning_rate": 2.255639097744361e-05,
887
+ "loss": 0.0768,
888
+ "step": 615
889
+ },
890
+ {
891
+ "epoch": 2.98,
892
+ "grad_norm": 2.4498918056488037,
893
+ "learning_rate": 2.2287862513426426e-05,
894
+ "loss": 0.0806,
895
+ "step": 620
896
+ },
897
+ {
898
+ "epoch": 3.0,
899
+ "eval_accuracy": 0.9874746106973595,
900
+ "eval_loss": 0.03359290212392807,
901
+ "eval_runtime": 5.9679,
902
+ "eval_samples_per_second": 494.983,
903
+ "eval_steps_per_second": 15.583,
904
+ "step": 623
905
+ },
906
+ {
907
+ "epoch": 3.01,
908
+ "grad_norm": 3.5386340618133545,
909
+ "learning_rate": 2.201933404940924e-05,
910
+ "loss": 0.0704,
911
+ "step": 625
912
+ },
913
+ {
914
+ "epoch": 3.03,
915
+ "grad_norm": 2.9113972187042236,
916
+ "learning_rate": 2.1750805585392055e-05,
917
+ "loss": 0.0698,
918
+ "step": 630
919
+ },
920
+ {
921
+ "epoch": 3.06,
922
+ "grad_norm": 4.226195812225342,
923
+ "learning_rate": 2.1482277121374868e-05,
924
+ "loss": 0.0728,
925
+ "step": 635
926
+ },
927
+ {
928
+ "epoch": 3.08,
929
+ "grad_norm": 2.5996837615966797,
930
+ "learning_rate": 2.121374865735768e-05,
931
+ "loss": 0.0778,
932
+ "step": 640
933
+ },
934
+ {
935
+ "epoch": 3.1,
936
+ "grad_norm": 3.129270076751709,
937
+ "learning_rate": 2.0945220193340497e-05,
938
+ "loss": 0.0803,
939
+ "step": 645
940
+ },
941
+ {
942
+ "epoch": 3.13,
943
+ "grad_norm": 4.704379081726074,
944
+ "learning_rate": 2.067669172932331e-05,
945
+ "loss": 0.0605,
946
+ "step": 650
947
+ },
948
+ {
949
+ "epoch": 3.15,
950
+ "grad_norm": 3.2946126461029053,
951
+ "learning_rate": 2.0408163265306123e-05,
952
+ "loss": 0.0719,
953
+ "step": 655
954
+ },
955
+ {
956
+ "epoch": 3.18,
957
+ "grad_norm": 3.0328078269958496,
958
+ "learning_rate": 2.0139634801288935e-05,
959
+ "loss": 0.064,
960
+ "step": 660
961
+ },
962
+ {
963
+ "epoch": 3.2,
964
+ "grad_norm": 3.618300199508667,
965
+ "learning_rate": 1.987110633727175e-05,
966
+ "loss": 0.0673,
967
+ "step": 665
968
+ },
969
+ {
970
+ "epoch": 3.23,
971
+ "grad_norm": 3.6683876514434814,
972
+ "learning_rate": 1.9602577873254565e-05,
973
+ "loss": 0.0571,
974
+ "step": 670
975
+ },
976
+ {
977
+ "epoch": 3.25,
978
+ "grad_norm": 1.6800568103790283,
979
+ "learning_rate": 1.933404940923738e-05,
980
+ "loss": 0.047,
981
+ "step": 675
982
+ },
983
+ {
984
+ "epoch": 3.27,
985
+ "grad_norm": 1.3418190479278564,
986
+ "learning_rate": 1.9065520945220194e-05,
987
+ "loss": 0.0633,
988
+ "step": 680
989
+ },
990
+ {
991
+ "epoch": 3.3,
992
+ "grad_norm": 2.5490853786468506,
993
+ "learning_rate": 1.8796992481203007e-05,
994
+ "loss": 0.0402,
995
+ "step": 685
996
+ },
997
+ {
998
+ "epoch": 3.32,
999
+ "grad_norm": 1.2604730129241943,
1000
+ "learning_rate": 1.8528464017185823e-05,
1001
+ "loss": 0.0605,
1002
+ "step": 690
1003
+ },
1004
+ {
1005
+ "epoch": 3.35,
1006
+ "grad_norm": 4.190303325653076,
1007
+ "learning_rate": 1.8259935553168636e-05,
1008
+ "loss": 0.0886,
1009
+ "step": 695
1010
+ },
1011
+ {
1012
+ "epoch": 3.37,
1013
+ "grad_norm": 7.317651748657227,
1014
+ "learning_rate": 1.7991407089151452e-05,
1015
+ "loss": 0.0875,
1016
+ "step": 700
1017
+ },
1018
+ {
1019
+ "epoch": 3.39,
1020
+ "grad_norm": 1.9360538721084595,
1021
+ "learning_rate": 1.7722878625134265e-05,
1022
+ "loss": 0.0557,
1023
+ "step": 705
1024
+ },
1025
+ {
1026
+ "epoch": 3.42,
1027
+ "grad_norm": 4.210879802703857,
1028
+ "learning_rate": 1.7454350161117078e-05,
1029
+ "loss": 0.0735,
1030
+ "step": 710
1031
+ },
1032
+ {
1033
+ "epoch": 3.44,
1034
+ "grad_norm": 5.373249053955078,
1035
+ "learning_rate": 1.7185821697099894e-05,
1036
+ "loss": 0.0975,
1037
+ "step": 715
1038
+ },
1039
+ {
1040
+ "epoch": 3.47,
1041
+ "grad_norm": 2.7579221725463867,
1042
+ "learning_rate": 1.6917293233082707e-05,
1043
+ "loss": 0.0705,
1044
+ "step": 720
1045
+ },
1046
+ {
1047
+ "epoch": 3.49,
1048
+ "grad_norm": 2.673476457595825,
1049
+ "learning_rate": 1.6648764769065523e-05,
1050
+ "loss": 0.0524,
1051
+ "step": 725
1052
+ },
1053
+ {
1054
+ "epoch": 3.51,
1055
+ "grad_norm": 4.691239356994629,
1056
+ "learning_rate": 1.6380236305048336e-05,
1057
+ "loss": 0.0686,
1058
+ "step": 730
1059
+ },
1060
+ {
1061
+ "epoch": 3.54,
1062
+ "grad_norm": 4.022672176361084,
1063
+ "learning_rate": 1.6111707841031152e-05,
1064
+ "loss": 0.0632,
1065
+ "step": 735
1066
+ },
1067
+ {
1068
+ "epoch": 3.56,
1069
+ "grad_norm": 2.69425630569458,
1070
+ "learning_rate": 1.5843179377013965e-05,
1071
+ "loss": 0.0636,
1072
+ "step": 740
1073
+ },
1074
+ {
1075
+ "epoch": 3.59,
1076
+ "grad_norm": 4.5648884773254395,
1077
+ "learning_rate": 1.5574650912996778e-05,
1078
+ "loss": 0.0627,
1079
+ "step": 745
1080
+ },
1081
+ {
1082
+ "epoch": 3.61,
1083
+ "grad_norm": 3.1452832221984863,
1084
+ "learning_rate": 1.5306122448979594e-05,
1085
+ "loss": 0.0763,
1086
+ "step": 750
1087
+ },
1088
+ {
1089
+ "epoch": 3.63,
1090
+ "grad_norm": 5.030516147613525,
1091
+ "learning_rate": 1.5037593984962406e-05,
1092
+ "loss": 0.0581,
1093
+ "step": 755
1094
+ },
1095
+ {
1096
+ "epoch": 3.66,
1097
+ "grad_norm": 3.2779948711395264,
1098
+ "learning_rate": 1.4769065520945222e-05,
1099
+ "loss": 0.0549,
1100
+ "step": 760
1101
+ },
1102
+ {
1103
+ "epoch": 3.68,
1104
+ "grad_norm": 1.7655272483825684,
1105
+ "learning_rate": 1.4500537056928035e-05,
1106
+ "loss": 0.0778,
1107
+ "step": 765
1108
+ },
1109
+ {
1110
+ "epoch": 3.71,
1111
+ "grad_norm": 3.9161980152130127,
1112
+ "learning_rate": 1.4232008592910851e-05,
1113
+ "loss": 0.0773,
1114
+ "step": 770
1115
+ },
1116
+ {
1117
+ "epoch": 3.73,
1118
+ "grad_norm": 3.029256820678711,
1119
+ "learning_rate": 1.3963480128893664e-05,
1120
+ "loss": 0.056,
1121
+ "step": 775
1122
+ },
1123
+ {
1124
+ "epoch": 3.75,
1125
+ "grad_norm": 4.829240322113037,
1126
+ "learning_rate": 1.3694951664876477e-05,
1127
+ "loss": 0.0722,
1128
+ "step": 780
1129
+ },
1130
+ {
1131
+ "epoch": 3.78,
1132
+ "grad_norm": 2.5825934410095215,
1133
+ "learning_rate": 1.3426423200859291e-05,
1134
+ "loss": 0.0372,
1135
+ "step": 785
1136
+ },
1137
+ {
1138
+ "epoch": 3.8,
1139
+ "grad_norm": 1.706741452217102,
1140
+ "learning_rate": 1.3157894736842106e-05,
1141
+ "loss": 0.0369,
1142
+ "step": 790
1143
+ },
1144
+ {
1145
+ "epoch": 3.83,
1146
+ "grad_norm": 2.689628839492798,
1147
+ "learning_rate": 1.288936627282492e-05,
1148
+ "loss": 0.0676,
1149
+ "step": 795
1150
+ },
1151
+ {
1152
+ "epoch": 3.85,
1153
+ "grad_norm": 3.5289785861968994,
1154
+ "learning_rate": 1.2620837808807733e-05,
1155
+ "loss": 0.0802,
1156
+ "step": 800
1157
+ },
1158
+ {
1159
+ "epoch": 3.87,
1160
+ "grad_norm": 3.4799952507019043,
1161
+ "learning_rate": 1.2352309344790548e-05,
1162
+ "loss": 0.0589,
1163
+ "step": 805
1164
+ },
1165
+ {
1166
+ "epoch": 3.9,
1167
+ "grad_norm": 1.8066169023513794,
1168
+ "learning_rate": 1.2083780880773363e-05,
1169
+ "loss": 0.0662,
1170
+ "step": 810
1171
+ },
1172
+ {
1173
+ "epoch": 3.92,
1174
+ "grad_norm": 2.680537700653076,
1175
+ "learning_rate": 1.1815252416756177e-05,
1176
+ "loss": 0.0482,
1177
+ "step": 815
1178
+ },
1179
+ {
1180
+ "epoch": 3.95,
1181
+ "grad_norm": 4.0623555183410645,
1182
+ "learning_rate": 1.1546723952738992e-05,
1183
+ "loss": 0.0786,
1184
+ "step": 820
1185
+ },
1186
+ {
1187
+ "epoch": 3.97,
1188
+ "grad_norm": 2.9296209812164307,
1189
+ "learning_rate": 1.1278195488721805e-05,
1190
+ "loss": 0.0406,
1191
+ "step": 825
1192
+ },
1193
+ {
1194
+ "epoch": 4.0,
1195
+ "grad_norm": 3.4645802974700928,
1196
+ "learning_rate": 1.100966702470462e-05,
1197
+ "loss": 0.0589,
1198
+ "step": 830
1199
+ },
1200
+ {
1201
+ "epoch": 4.0,
1202
+ "eval_accuracy": 0.988490182802979,
1203
+ "eval_loss": 0.03382693976163864,
1204
+ "eval_runtime": 6.0045,
1205
+ "eval_samples_per_second": 491.966,
1206
+ "eval_steps_per_second": 15.488,
1207
+ "step": 831
1208
+ },
1209
+ {
1210
+ "epoch": 4.02,
1211
+ "grad_norm": 3.1075704097747803,
1212
+ "learning_rate": 1.0741138560687434e-05,
1213
+ "loss": 0.0602,
1214
+ "step": 835
1215
+ },
1216
+ {
1217
+ "epoch": 4.04,
1218
+ "grad_norm": 0.9231489300727844,
1219
+ "learning_rate": 1.0472610096670248e-05,
1220
+ "loss": 0.0525,
1221
+ "step": 840
1222
+ },
1223
+ {
1224
+ "epoch": 4.07,
1225
+ "grad_norm": 1.0160259008407593,
1226
+ "learning_rate": 1.0204081632653061e-05,
1227
+ "loss": 0.0409,
1228
+ "step": 845
1229
+ },
1230
+ {
1231
+ "epoch": 4.09,
1232
+ "grad_norm": 1.9544317722320557,
1233
+ "learning_rate": 9.935553168635876e-06,
1234
+ "loss": 0.0504,
1235
+ "step": 850
1236
+ },
1237
+ {
1238
+ "epoch": 4.12,
1239
+ "grad_norm": 2.4267749786376953,
1240
+ "learning_rate": 9.66702470461869e-06,
1241
+ "loss": 0.059,
1242
+ "step": 855
1243
+ },
1244
+ {
1245
+ "epoch": 4.14,
1246
+ "grad_norm": 2.689138889312744,
1247
+ "learning_rate": 9.398496240601503e-06,
1248
+ "loss": 0.0625,
1249
+ "step": 860
1250
+ },
1251
+ {
1252
+ "epoch": 4.16,
1253
+ "grad_norm": 1.5462526082992554,
1254
+ "learning_rate": 9.129967776584318e-06,
1255
+ "loss": 0.0492,
1256
+ "step": 865
1257
+ },
1258
+ {
1259
+ "epoch": 4.19,
1260
+ "grad_norm": 4.044441223144531,
1261
+ "learning_rate": 8.861439312567132e-06,
1262
+ "loss": 0.05,
1263
+ "step": 870
1264
+ },
1265
+ {
1266
+ "epoch": 4.21,
1267
+ "grad_norm": 5.436426162719727,
1268
+ "learning_rate": 8.592910848549947e-06,
1269
+ "loss": 0.0455,
1270
+ "step": 875
1271
+ },
1272
+ {
1273
+ "epoch": 4.24,
1274
+ "grad_norm": 2.8710386753082275,
1275
+ "learning_rate": 8.324382384532762e-06,
1276
+ "loss": 0.0645,
1277
+ "step": 880
1278
+ },
1279
+ {
1280
+ "epoch": 4.26,
1281
+ "grad_norm": 3.6887547969818115,
1282
+ "learning_rate": 8.055853920515576e-06,
1283
+ "loss": 0.0623,
1284
+ "step": 885
1285
+ },
1286
+ {
1287
+ "epoch": 4.28,
1288
+ "grad_norm": 3.6889421939849854,
1289
+ "learning_rate": 7.787325456498389e-06,
1290
+ "loss": 0.0569,
1291
+ "step": 890
1292
+ },
1293
+ {
1294
+ "epoch": 4.31,
1295
+ "grad_norm": 3.734835624694824,
1296
+ "learning_rate": 7.518796992481203e-06,
1297
+ "loss": 0.0677,
1298
+ "step": 895
1299
+ },
1300
+ {
1301
+ "epoch": 4.33,
1302
+ "grad_norm": 2.4793076515197754,
1303
+ "learning_rate": 7.250268528464017e-06,
1304
+ "loss": 0.0445,
1305
+ "step": 900
1306
+ },
1307
+ {
1308
+ "epoch": 4.36,
1309
+ "grad_norm": 5.3167500495910645,
1310
+ "learning_rate": 6.981740064446832e-06,
1311
+ "loss": 0.0857,
1312
+ "step": 905
1313
+ },
1314
+ {
1315
+ "epoch": 4.38,
1316
+ "grad_norm": 2.9194352626800537,
1317
+ "learning_rate": 6.713211600429646e-06,
1318
+ "loss": 0.0704,
1319
+ "step": 910
1320
+ },
1321
+ {
1322
+ "epoch": 4.4,
1323
+ "grad_norm": 2.78092885017395,
1324
+ "learning_rate": 6.44468313641246e-06,
1325
+ "loss": 0.062,
1326
+ "step": 915
1327
+ },
1328
+ {
1329
+ "epoch": 4.43,
1330
+ "grad_norm": 2.4215569496154785,
1331
+ "learning_rate": 6.176154672395274e-06,
1332
+ "loss": 0.063,
1333
+ "step": 920
1334
+ },
1335
+ {
1336
+ "epoch": 4.45,
1337
+ "grad_norm": 2.3797125816345215,
1338
+ "learning_rate": 5.907626208378089e-06,
1339
+ "loss": 0.052,
1340
+ "step": 925
1341
+ },
1342
+ {
1343
+ "epoch": 4.48,
1344
+ "grad_norm": 0.7256618142127991,
1345
+ "learning_rate": 5.639097744360902e-06,
1346
+ "loss": 0.0468,
1347
+ "step": 930
1348
+ },
1349
+ {
1350
+ "epoch": 4.5,
1351
+ "grad_norm": 1.283785104751587,
1352
+ "learning_rate": 5.370569280343717e-06,
1353
+ "loss": 0.0577,
1354
+ "step": 935
1355
+ },
1356
+ {
1357
+ "epoch": 4.52,
1358
+ "grad_norm": 4.501251220703125,
1359
+ "learning_rate": 5.102040816326531e-06,
1360
+ "loss": 0.0595,
1361
+ "step": 940
1362
+ },
1363
+ {
1364
+ "epoch": 4.55,
1365
+ "grad_norm": 2.7582945823669434,
1366
+ "learning_rate": 4.833512352309345e-06,
1367
+ "loss": 0.0693,
1368
+ "step": 945
1369
+ },
1370
+ {
1371
+ "epoch": 4.57,
1372
+ "grad_norm": 5.989513397216797,
1373
+ "learning_rate": 4.564983888292159e-06,
1374
+ "loss": 0.0746,
1375
+ "step": 950
1376
+ },
1377
+ {
1378
+ "epoch": 4.6,
1379
+ "grad_norm": 3.373969554901123,
1380
+ "learning_rate": 4.2964554242749735e-06,
1381
+ "loss": 0.0529,
1382
+ "step": 955
1383
+ },
1384
+ {
1385
+ "epoch": 4.62,
1386
+ "grad_norm": 2.1218202114105225,
1387
+ "learning_rate": 4.027926960257788e-06,
1388
+ "loss": 0.0368,
1389
+ "step": 960
1390
+ },
1391
+ {
1392
+ "epoch": 4.65,
1393
+ "grad_norm": 1.9887917041778564,
1394
+ "learning_rate": 3.7593984962406014e-06,
1395
+ "loss": 0.0354,
1396
+ "step": 965
1397
+ },
1398
+ {
1399
+ "epoch": 4.67,
1400
+ "grad_norm": 1.6485974788665771,
1401
+ "learning_rate": 3.490870032223416e-06,
1402
+ "loss": 0.0653,
1403
+ "step": 970
1404
+ },
1405
+ {
1406
+ "epoch": 4.69,
1407
+ "grad_norm": 2.1341357231140137,
1408
+ "learning_rate": 3.22234156820623e-06,
1409
+ "loss": 0.0421,
1410
+ "step": 975
1411
+ },
1412
+ {
1413
+ "epoch": 4.72,
1414
+ "grad_norm": 5.573878765106201,
1415
+ "learning_rate": 2.9538131041890443e-06,
1416
+ "loss": 0.0741,
1417
+ "step": 980
1418
+ },
1419
+ {
1420
+ "epoch": 4.74,
1421
+ "grad_norm": 3.1527225971221924,
1422
+ "learning_rate": 2.6852846401718585e-06,
1423
+ "loss": 0.0327,
1424
+ "step": 985
1425
+ },
1426
+ {
1427
+ "epoch": 4.77,
1428
+ "grad_norm": 3.773310661315918,
1429
+ "learning_rate": 2.4167561761546726e-06,
1430
+ "loss": 0.0472,
1431
+ "step": 990
1432
+ },
1433
+ {
1434
+ "epoch": 4.79,
1435
+ "grad_norm": 3.0205063819885254,
1436
+ "learning_rate": 2.1482277121374868e-06,
1437
+ "loss": 0.0723,
1438
+ "step": 995
1439
+ },
1440
+ {
1441
+ "epoch": 4.81,
1442
+ "grad_norm": 3.098895788192749,
1443
+ "learning_rate": 1.8796992481203007e-06,
1444
+ "loss": 0.0743,
1445
+ "step": 1000
1446
+ },
1447
+ {
1448
+ "epoch": 4.84,
1449
+ "grad_norm": 1.734661340713501,
1450
+ "learning_rate": 1.611170784103115e-06,
1451
+ "loss": 0.0337,
1452
+ "step": 1005
1453
+ },
1454
+ {
1455
+ "epoch": 4.86,
1456
+ "grad_norm": 1.7586333751678467,
1457
+ "learning_rate": 1.3426423200859292e-06,
1458
+ "loss": 0.062,
1459
+ "step": 1010
1460
+ },
1461
+ {
1462
+ "epoch": 4.89,
1463
+ "grad_norm": 2.720187187194824,
1464
+ "learning_rate": 1.0741138560687434e-06,
1465
+ "loss": 0.0791,
1466
+ "step": 1015
1467
+ },
1468
+ {
1469
+ "epoch": 4.91,
1470
+ "grad_norm": 1.8995425701141357,
1471
+ "learning_rate": 8.055853920515575e-07,
1472
+ "loss": 0.061,
1473
+ "step": 1020
1474
+ },
1475
+ {
1476
+ "epoch": 4.93,
1477
+ "grad_norm": 4.119653224945068,
1478
+ "learning_rate": 5.370569280343717e-07,
1479
+ "loss": 0.0486,
1480
+ "step": 1025
1481
+ },
1482
+ {
1483
+ "epoch": 4.96,
1484
+ "grad_norm": 3.3452024459838867,
1485
+ "learning_rate": 2.6852846401718585e-07,
1486
+ "loss": 0.0572,
1487
+ "step": 1030
1488
+ },
1489
+ {
1490
+ "epoch": 4.98,
1491
+ "grad_norm": 1.4279868602752686,
1492
+ "learning_rate": 0.0,
1493
+ "loss": 0.0326,
1494
+ "step": 1035
1495
+ },
1496
+ {
1497
+ "epoch": 4.98,
1498
+ "eval_accuracy": 0.989844278943805,
1499
+ "eval_loss": 0.029886629432439804,
1500
+ "eval_runtime": 5.9932,
1501
+ "eval_samples_per_second": 492.888,
1502
+ "eval_steps_per_second": 15.517,
1503
+ "step": 1035
1504
+ },
1505
+ {
1506
+ "epoch": 4.98,
1507
+ "step": 1035,
1508
+ "total_flos": 3.2925088680822374e+18,
1509
+ "train_loss": 0.12655677452755434,
1510
+ "train_runtime": 660.3476,
1511
+ "train_samples_per_second": 201.303,
1512
+ "train_steps_per_second": 1.567
1513
+ }
1514
+ ],
1515
+ "logging_steps": 5,
1516
+ "max_steps": 1035,
1517
+ "num_input_tokens_seen": 0,
1518
+ "num_train_epochs": 5,
1519
+ "save_steps": 500,
1520
+ "total_flos": 3.2925088680822374e+18,
1521
+ "train_batch_size": 32,
1522
+ "trial_name": null,
1523
+ "trial_params": null
1524
+ }