abhinavp commited on
Commit
4a61475
1 Parent(s): 23508f6

Training in progress, epoch 0, checkpoint

Browse files
checkpoint-381600/config.json ADDED
@@ -0,0 +1,28 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_remove_final_layer_norm": false,
3
+ "activation_function": "relu",
4
+ "architectures": [
5
+ "OPTForCausalLM"
6
+ ],
7
+ "attention_dropout": 0.0,
8
+ "bos_token_id": 2,
9
+ "do_layer_norm_before": true,
10
+ "dropout": 0.1,
11
+ "enable_bias": true,
12
+ "eos_token_id": 2,
13
+ "ffn_dim": 768,
14
+ "hidden_size": 768,
15
+ "init_std": 0.02,
16
+ "layer_norm_elementwise_affine": true,
17
+ "layerdrop": 0.0,
18
+ "max_position_embeddings": 512,
19
+ "model_type": "opt",
20
+ "num_attention_heads": 8,
21
+ "num_hidden_layers": 8,
22
+ "pad_token_id": 1,
23
+ "torch_dtype": "float32",
24
+ "transformers_version": "4.33.3",
25
+ "use_cache": true,
26
+ "vocab_size": 50002,
27
+ "word_embed_proj_dim": 768
28
+ }
checkpoint-381600/generation_config.json ADDED
@@ -0,0 +1,7 @@
 
 
 
 
 
 
 
 
1
+ {
2
+ "_from_model_config": true,
3
+ "bos_token_id": 2,
4
+ "eos_token_id": 2,
5
+ "pad_token_id": 1,
6
+ "transformers_version": "4.33.3"
7
+ }
checkpoint-381600/optimizer.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:6f447a827446d85c8c17eb33a29dc9265d1cbaec7f36e9a5ef617b39eeef4960
3
+ size 537476677
checkpoint-381600/pytorch_model.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:51830f3b96d7991c2debb820798c0178566a249395a789d6ed1c8c5bcd5c043d
3
+ size 268727709
checkpoint-381600/rng_state.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:0994699b50bb6038e54542b1741da74925c08e3e9e3c254849de67bb35ceb01d
3
+ size 14511
checkpoint-381600/scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:71909d5fa14ea9b6a2bc1f75a28d16554189c3dcc6640c8e235394b7058d43e8
3
+ size 627
checkpoint-381600/special_tokens_map.json ADDED
@@ -0,0 +1,5 @@
 
 
 
 
 
 
1
+ {
2
+ "eos_token": "<eos>",
3
+ "pad_token": "<pad>",
4
+ "unk_token": "<unk>"
5
+ }
checkpoint-381600/tokenizer.json ADDED
The diff for this file is too large to render. See raw diff
 
checkpoint-381600/tokenizer_config.json ADDED
@@ -0,0 +1,12 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "clean_up_tokenization_spaces": true,
3
+ "eos_token": "<eos>",
4
+ "max_length": null,
5
+ "model_max_length": 512,
6
+ "pad_to_multiple_of": null,
7
+ "pad_token": "<pad>",
8
+ "pad_token_type_id": 0,
9
+ "padding_side": "right",
10
+ "tokenizer_class": "PreTrainedTokenizerFast",
11
+ "unk_token": "<unk>"
12
+ }
checkpoint-381600/trainer_state.json ADDED
@@ -0,0 +1,4535 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": 3.884821891784668,
3
+ "best_model_checkpoint": "/mmfs1/gscratch/stf/abhinavp/corpus-filtering/outputs/npi-only/transformer/0/checkpoints/checkpoint-381600",
4
+ "epoch": 0.025000606015738065,
5
+ "eval_steps": 10,
6
+ "global_step": 381600,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.0,
13
+ "learning_rate": 4.999998362119627e-05,
14
+ "loss": 11.0588,
15
+ "step": 1
16
+ },
17
+ {
18
+ "epoch": 0.0,
19
+ "learning_rate": 4.999161405248948e-05,
20
+ "loss": 6.8253,
21
+ "step": 512
22
+ },
23
+ {
24
+ "epoch": 0.0,
25
+ "learning_rate": 4.998322810497896e-05,
26
+ "loss": 6.1936,
27
+ "step": 1024
28
+ },
29
+ {
30
+ "epoch": 0.0,
31
+ "learning_rate": 4.997484215746844e-05,
32
+ "loss": 5.9813,
33
+ "step": 1536
34
+ },
35
+ {
36
+ "epoch": 0.0,
37
+ "learning_rate": 4.996645620995792e-05,
38
+ "loss": 5.8216,
39
+ "step": 2048
40
+ },
41
+ {
42
+ "epoch": 0.0,
43
+ "learning_rate": 4.99580702624474e-05,
44
+ "loss": 5.713,
45
+ "step": 2560
46
+ },
47
+ {
48
+ "epoch": 0.0,
49
+ "learning_rate": 4.994968431493688e-05,
50
+ "loss": 5.6086,
51
+ "step": 3072
52
+ },
53
+ {
54
+ "epoch": 0.0,
55
+ "learning_rate": 4.994129836742636e-05,
56
+ "loss": 5.5394,
57
+ "step": 3584
58
+ },
59
+ {
60
+ "epoch": 0.0,
61
+ "learning_rate": 4.993291241991584e-05,
62
+ "loss": 5.4501,
63
+ "step": 4096
64
+ },
65
+ {
66
+ "epoch": 0.0,
67
+ "learning_rate": 4.992452647240532e-05,
68
+ "loss": 5.4083,
69
+ "step": 4608
70
+ },
71
+ {
72
+ "epoch": 0.0,
73
+ "learning_rate": 4.99161405248948e-05,
74
+ "loss": 5.3582,
75
+ "step": 5120
76
+ },
77
+ {
78
+ "epoch": 0.0,
79
+ "learning_rate": 4.990775457738428e-05,
80
+ "loss": 5.3178,
81
+ "step": 5632
82
+ },
83
+ {
84
+ "epoch": 0.0,
85
+ "learning_rate": 4.989938500867749e-05,
86
+ "loss": 5.252,
87
+ "step": 6144
88
+ },
89
+ {
90
+ "epoch": 0.0,
91
+ "learning_rate": 4.989099906116697e-05,
92
+ "loss": 5.2149,
93
+ "step": 6656
94
+ },
95
+ {
96
+ "epoch": 0.0,
97
+ "learning_rate": 4.988261311365645e-05,
98
+ "loss": 5.1821,
99
+ "step": 7168
100
+ },
101
+ {
102
+ "epoch": 0.0,
103
+ "learning_rate": 4.987422716614593e-05,
104
+ "loss": 5.1327,
105
+ "step": 7680
106
+ },
107
+ {
108
+ "epoch": 0.0,
109
+ "learning_rate": 4.986584121863541e-05,
110
+ "loss": 5.1165,
111
+ "step": 8192
112
+ },
113
+ {
114
+ "epoch": 0.0,
115
+ "learning_rate": 4.985745527112489e-05,
116
+ "loss": 5.0838,
117
+ "step": 8704
118
+ },
119
+ {
120
+ "epoch": 0.0,
121
+ "learning_rate": 4.984906932361437e-05,
122
+ "loss": 5.0435,
123
+ "step": 9216
124
+ },
125
+ {
126
+ "epoch": 0.0,
127
+ "learning_rate": 4.984068337610385e-05,
128
+ "loss": 5.0226,
129
+ "step": 9728
130
+ },
131
+ {
132
+ "epoch": 0.0,
133
+ "learning_rate": 4.983229742859333e-05,
134
+ "loss": 5.006,
135
+ "step": 10240
136
+ },
137
+ {
138
+ "epoch": 0.0,
139
+ "learning_rate": 4.9823927859886547e-05,
140
+ "loss": 4.9758,
141
+ "step": 10752
142
+ },
143
+ {
144
+ "epoch": 0.0,
145
+ "learning_rate": 4.9815541912376026e-05,
146
+ "loss": 4.9579,
147
+ "step": 11264
148
+ },
149
+ {
150
+ "epoch": 0.0,
151
+ "learning_rate": 4.9807155964865506e-05,
152
+ "loss": 4.924,
153
+ "step": 11776
154
+ },
155
+ {
156
+ "epoch": 0.0,
157
+ "learning_rate": 4.9798770017354986e-05,
158
+ "loss": 4.9175,
159
+ "step": 12288
160
+ },
161
+ {
162
+ "epoch": 0.0,
163
+ "learning_rate": 4.9790400448648195e-05,
164
+ "loss": 4.8957,
165
+ "step": 12800
166
+ },
167
+ {
168
+ "epoch": 0.0,
169
+ "learning_rate": 4.9782014501137675e-05,
170
+ "loss": 4.8727,
171
+ "step": 13312
172
+ },
173
+ {
174
+ "epoch": 0.0,
175
+ "learning_rate": 4.9773628553627155e-05,
176
+ "loss": 4.8537,
177
+ "step": 13824
178
+ },
179
+ {
180
+ "epoch": 0.0,
181
+ "learning_rate": 4.9765242606116635e-05,
182
+ "loss": 4.8275,
183
+ "step": 14336
184
+ },
185
+ {
186
+ "epoch": 0.0,
187
+ "learning_rate": 4.9756873037409844e-05,
188
+ "loss": 4.819,
189
+ "step": 14848
190
+ },
191
+ {
192
+ "epoch": 0.01,
193
+ "learning_rate": 4.9748487089899324e-05,
194
+ "loss": 4.8016,
195
+ "step": 15360
196
+ },
197
+ {
198
+ "epoch": 0.01,
199
+ "learning_rate": 4.9740101142388804e-05,
200
+ "loss": 4.7967,
201
+ "step": 15872
202
+ },
203
+ {
204
+ "epoch": 0.01,
205
+ "learning_rate": 4.9731715194878284e-05,
206
+ "loss": 4.7803,
207
+ "step": 16384
208
+ },
209
+ {
210
+ "epoch": 0.01,
211
+ "learning_rate": 4.97233456261715e-05,
212
+ "loss": 4.7663,
213
+ "step": 16896
214
+ },
215
+ {
216
+ "epoch": 0.01,
217
+ "learning_rate": 4.971495967866098e-05,
218
+ "loss": 4.7574,
219
+ "step": 17408
220
+ },
221
+ {
222
+ "epoch": 0.01,
223
+ "learning_rate": 4.970657373115046e-05,
224
+ "loss": 4.7454,
225
+ "step": 17920
226
+ },
227
+ {
228
+ "epoch": 0.01,
229
+ "learning_rate": 4.969818778363994e-05,
230
+ "loss": 4.7346,
231
+ "step": 18432
232
+ },
233
+ {
234
+ "epoch": 0.01,
235
+ "learning_rate": 4.968981821493315e-05,
236
+ "loss": 4.7047,
237
+ "step": 18944
238
+ },
239
+ {
240
+ "epoch": 0.01,
241
+ "learning_rate": 4.968143226742263e-05,
242
+ "loss": 4.7049,
243
+ "step": 19456
244
+ },
245
+ {
246
+ "epoch": 0.01,
247
+ "learning_rate": 4.967304631991211e-05,
248
+ "loss": 4.6774,
249
+ "step": 19968
250
+ },
251
+ {
252
+ "epoch": 0.01,
253
+ "learning_rate": 4.966466037240159e-05,
254
+ "loss": 4.6839,
255
+ "step": 20480
256
+ },
257
+ {
258
+ "epoch": 0.01,
259
+ "learning_rate": 4.965627442489107e-05,
260
+ "loss": 4.6639,
261
+ "step": 20992
262
+ },
263
+ {
264
+ "epoch": 0.01,
265
+ "learning_rate": 4.964788847738054e-05,
266
+ "loss": 4.6668,
267
+ "step": 21504
268
+ },
269
+ {
270
+ "epoch": 0.01,
271
+ "learning_rate": 4.963950252987002e-05,
272
+ "loss": 4.6458,
273
+ "step": 22016
274
+ },
275
+ {
276
+ "epoch": 0.01,
277
+ "learning_rate": 4.963113296116324e-05,
278
+ "loss": 4.6426,
279
+ "step": 22528
280
+ },
281
+ {
282
+ "epoch": 0.01,
283
+ "learning_rate": 4.962274701365272e-05,
284
+ "loss": 4.6324,
285
+ "step": 23040
286
+ },
287
+ {
288
+ "epoch": 0.01,
289
+ "learning_rate": 4.96143610661422e-05,
290
+ "loss": 4.6267,
291
+ "step": 23552
292
+ },
293
+ {
294
+ "epoch": 0.01,
295
+ "learning_rate": 4.960597511863168e-05,
296
+ "loss": 4.615,
297
+ "step": 24064
298
+ },
299
+ {
300
+ "epoch": 0.01,
301
+ "learning_rate": 4.959758917112116e-05,
302
+ "loss": 4.5899,
303
+ "step": 24576
304
+ },
305
+ {
306
+ "epoch": 0.01,
307
+ "learning_rate": 4.9589219602414374e-05,
308
+ "loss": 4.5954,
309
+ "step": 25088
310
+ },
311
+ {
312
+ "epoch": 0.01,
313
+ "learning_rate": 4.958083365490385e-05,
314
+ "loss": 4.5974,
315
+ "step": 25600
316
+ },
317
+ {
318
+ "epoch": 0.01,
319
+ "learning_rate": 4.957244770739333e-05,
320
+ "loss": 4.5919,
321
+ "step": 26112
322
+ },
323
+ {
324
+ "epoch": 0.01,
325
+ "learning_rate": 4.956406175988281e-05,
326
+ "loss": 4.5707,
327
+ "step": 26624
328
+ },
329
+ {
330
+ "epoch": 0.01,
331
+ "learning_rate": 4.9555692191176016e-05,
332
+ "loss": 4.5576,
333
+ "step": 27136
334
+ },
335
+ {
336
+ "epoch": 0.01,
337
+ "learning_rate": 4.954732262246923e-05,
338
+ "loss": 4.5604,
339
+ "step": 27648
340
+ },
341
+ {
342
+ "epoch": 0.01,
343
+ "learning_rate": 4.953893667495871e-05,
344
+ "loss": 4.5479,
345
+ "step": 28160
346
+ },
347
+ {
348
+ "epoch": 0.01,
349
+ "learning_rate": 4.953055072744819e-05,
350
+ "loss": 4.5611,
351
+ "step": 28672
352
+ },
353
+ {
354
+ "epoch": 0.01,
355
+ "learning_rate": 4.952216477993767e-05,
356
+ "loss": 4.5227,
357
+ "step": 29184
358
+ },
359
+ {
360
+ "epoch": 0.01,
361
+ "learning_rate": 4.951377883242715e-05,
362
+ "loss": 4.5403,
363
+ "step": 29696
364
+ },
365
+ {
366
+ "epoch": 0.01,
367
+ "learning_rate": 4.950539288491663e-05,
368
+ "loss": 4.5301,
369
+ "step": 30208
370
+ },
371
+ {
372
+ "epoch": 0.01,
373
+ "learning_rate": 4.949700693740611e-05,
374
+ "loss": 4.5091,
375
+ "step": 30720
376
+ },
377
+ {
378
+ "epoch": 0.01,
379
+ "learning_rate": 4.948862098989559e-05,
380
+ "loss": 4.5199,
381
+ "step": 31232
382
+ },
383
+ {
384
+ "epoch": 0.01,
385
+ "learning_rate": 4.94802514211888e-05,
386
+ "loss": 4.503,
387
+ "step": 31744
388
+ },
389
+ {
390
+ "epoch": 0.01,
391
+ "learning_rate": 4.947186547367828e-05,
392
+ "loss": 4.495,
393
+ "step": 32256
394
+ },
395
+ {
396
+ "epoch": 0.01,
397
+ "learning_rate": 4.946347952616776e-05,
398
+ "loss": 4.4884,
399
+ "step": 32768
400
+ },
401
+ {
402
+ "epoch": 0.01,
403
+ "learning_rate": 4.945509357865724e-05,
404
+ "loss": 4.5,
405
+ "step": 33280
406
+ },
407
+ {
408
+ "epoch": 0.01,
409
+ "learning_rate": 4.944672400995045e-05,
410
+ "loss": 4.4795,
411
+ "step": 33792
412
+ },
413
+ {
414
+ "epoch": 0.01,
415
+ "learning_rate": 4.943833806243993e-05,
416
+ "loss": 4.4754,
417
+ "step": 34304
418
+ },
419
+ {
420
+ "epoch": 0.01,
421
+ "learning_rate": 4.942995211492941e-05,
422
+ "loss": 4.4684,
423
+ "step": 34816
424
+ },
425
+ {
426
+ "epoch": 0.01,
427
+ "learning_rate": 4.942156616741889e-05,
428
+ "loss": 4.4614,
429
+ "step": 35328
430
+ },
431
+ {
432
+ "epoch": 0.01,
433
+ "learning_rate": 4.9413196598712105e-05,
434
+ "loss": 4.4675,
435
+ "step": 35840
436
+ },
437
+ {
438
+ "epoch": 0.01,
439
+ "learning_rate": 4.940482703000532e-05,
440
+ "loss": 4.4724,
441
+ "step": 36352
442
+ },
443
+ {
444
+ "epoch": 0.01,
445
+ "learning_rate": 4.9396441082494794e-05,
446
+ "loss": 4.4502,
447
+ "step": 36864
448
+ },
449
+ {
450
+ "epoch": 0.01,
451
+ "learning_rate": 4.9388055134984274e-05,
452
+ "loss": 4.4592,
453
+ "step": 37376
454
+ },
455
+ {
456
+ "epoch": 0.01,
457
+ "learning_rate": 4.9379669187473754e-05,
458
+ "loss": 4.463,
459
+ "step": 37888
460
+ },
461
+ {
462
+ "epoch": 0.01,
463
+ "learning_rate": 4.9371283239963234e-05,
464
+ "loss": 4.4468,
465
+ "step": 38400
466
+ },
467
+ {
468
+ "epoch": 0.01,
469
+ "learning_rate": 4.936291367125644e-05,
470
+ "loss": 4.4333,
471
+ "step": 38912
472
+ },
473
+ {
474
+ "epoch": 0.01,
475
+ "learning_rate": 4.935452772374592e-05,
476
+ "loss": 4.4358,
477
+ "step": 39424
478
+ },
479
+ {
480
+ "epoch": 0.01,
481
+ "learning_rate": 4.93461417762354e-05,
482
+ "loss": 4.4326,
483
+ "step": 39936
484
+ },
485
+ {
486
+ "epoch": 0.01,
487
+ "learning_rate": 4.933775582872488e-05,
488
+ "loss": 4.4202,
489
+ "step": 40448
490
+ },
491
+ {
492
+ "epoch": 0.01,
493
+ "learning_rate": 4.93293862600181e-05,
494
+ "loss": 4.4169,
495
+ "step": 40960
496
+ },
497
+ {
498
+ "epoch": 0.01,
499
+ "learning_rate": 4.932100031250758e-05,
500
+ "loss": 4.4264,
501
+ "step": 41472
502
+ },
503
+ {
504
+ "epoch": 0.01,
505
+ "learning_rate": 4.931261436499706e-05,
506
+ "loss": 4.427,
507
+ "step": 41984
508
+ },
509
+ {
510
+ "epoch": 0.01,
511
+ "learning_rate": 4.930422841748654e-05,
512
+ "loss": 4.4087,
513
+ "step": 42496
514
+ },
515
+ {
516
+ "epoch": 0.01,
517
+ "learning_rate": 4.929584246997602e-05,
518
+ "loss": 4.3873,
519
+ "step": 43008
520
+ },
521
+ {
522
+ "epoch": 0.01,
523
+ "learning_rate": 4.92874565224655e-05,
524
+ "loss": 4.4003,
525
+ "step": 43520
526
+ },
527
+ {
528
+ "epoch": 0.01,
529
+ "learning_rate": 4.927907057495498e-05,
530
+ "loss": 4.4045,
531
+ "step": 44032
532
+ },
533
+ {
534
+ "epoch": 0.01,
535
+ "learning_rate": 4.927068462744446e-05,
536
+ "loss": 4.3923,
537
+ "step": 44544
538
+ },
539
+ {
540
+ "epoch": 0.01,
541
+ "learning_rate": 4.926231505873767e-05,
542
+ "loss": 4.397,
543
+ "step": 45056
544
+ },
545
+ {
546
+ "epoch": 0.01,
547
+ "learning_rate": 4.925392911122715e-05,
548
+ "loss": 4.3801,
549
+ "step": 45568
550
+ },
551
+ {
552
+ "epoch": 0.02,
553
+ "learning_rate": 4.924554316371663e-05,
554
+ "loss": 4.3782,
555
+ "step": 46080
556
+ },
557
+ {
558
+ "epoch": 0.02,
559
+ "learning_rate": 4.923715721620611e-05,
560
+ "loss": 4.3741,
561
+ "step": 46592
562
+ },
563
+ {
564
+ "epoch": 0.02,
565
+ "learning_rate": 4.922878764749932e-05,
566
+ "loss": 4.3698,
567
+ "step": 47104
568
+ },
569
+ {
570
+ "epoch": 0.02,
571
+ "learning_rate": 4.92204016999888e-05,
572
+ "loss": 4.3758,
573
+ "step": 47616
574
+ },
575
+ {
576
+ "epoch": 0.02,
577
+ "learning_rate": 4.921201575247828e-05,
578
+ "loss": 4.366,
579
+ "step": 48128
580
+ },
581
+ {
582
+ "epoch": 0.02,
583
+ "learning_rate": 4.920362980496776e-05,
584
+ "loss": 4.3804,
585
+ "step": 48640
586
+ },
587
+ {
588
+ "epoch": 0.02,
589
+ "learning_rate": 4.919524385745724e-05,
590
+ "loss": 4.3638,
591
+ "step": 49152
592
+ },
593
+ {
594
+ "epoch": 0.02,
595
+ "learning_rate": 4.918685790994672e-05,
596
+ "loss": 4.3481,
597
+ "step": 49664
598
+ },
599
+ {
600
+ "epoch": 0.02,
601
+ "learning_rate": 4.917848834123993e-05,
602
+ "loss": 4.3505,
603
+ "step": 50176
604
+ },
605
+ {
606
+ "epoch": 0.02,
607
+ "learning_rate": 4.917010239372941e-05,
608
+ "loss": 4.3578,
609
+ "step": 50688
610
+ },
611
+ {
612
+ "epoch": 0.02,
613
+ "learning_rate": 4.916171644621889e-05,
614
+ "loss": 4.3477,
615
+ "step": 51200
616
+ },
617
+ {
618
+ "epoch": 0.02,
619
+ "learning_rate": 4.915333049870837e-05,
620
+ "loss": 4.3465,
621
+ "step": 51712
622
+ },
623
+ {
624
+ "epoch": 0.02,
625
+ "learning_rate": 4.914494455119785e-05,
626
+ "loss": 4.345,
627
+ "step": 52224
628
+ },
629
+ {
630
+ "epoch": 0.02,
631
+ "learning_rate": 4.913657498249106e-05,
632
+ "loss": 4.3333,
633
+ "step": 52736
634
+ },
635
+ {
636
+ "epoch": 0.02,
637
+ "learning_rate": 4.912818903498054e-05,
638
+ "loss": 4.3372,
639
+ "step": 53248
640
+ },
641
+ {
642
+ "epoch": 0.02,
643
+ "learning_rate": 4.911980308747002e-05,
644
+ "loss": 4.3157,
645
+ "step": 53760
646
+ },
647
+ {
648
+ "epoch": 0.02,
649
+ "learning_rate": 4.91114171399595e-05,
650
+ "loss": 4.3219,
651
+ "step": 54272
652
+ },
653
+ {
654
+ "epoch": 0.02,
655
+ "learning_rate": 4.910304757125272e-05,
656
+ "loss": 4.3278,
657
+ "step": 54784
658
+ },
659
+ {
660
+ "epoch": 0.02,
661
+ "learning_rate": 4.90946616237422e-05,
662
+ "loss": 4.3213,
663
+ "step": 55296
664
+ },
665
+ {
666
+ "epoch": 0.02,
667
+ "learning_rate": 4.908627567623168e-05,
668
+ "loss": 4.3146,
669
+ "step": 55808
670
+ },
671
+ {
672
+ "epoch": 0.02,
673
+ "learning_rate": 4.907788972872115e-05,
674
+ "loss": 4.3235,
675
+ "step": 56320
676
+ },
677
+ {
678
+ "epoch": 0.02,
679
+ "learning_rate": 4.906950378121063e-05,
680
+ "loss": 4.299,
681
+ "step": 56832
682
+ },
683
+ {
684
+ "epoch": 0.02,
685
+ "learning_rate": 4.9061134212503846e-05,
686
+ "loss": 4.3095,
687
+ "step": 57344
688
+ },
689
+ {
690
+ "epoch": 0.02,
691
+ "learning_rate": 4.9052748264993326e-05,
692
+ "loss": 4.3043,
693
+ "step": 57856
694
+ },
695
+ {
696
+ "epoch": 0.02,
697
+ "learning_rate": 4.90443623174828e-05,
698
+ "loss": 4.3085,
699
+ "step": 58368
700
+ },
701
+ {
702
+ "epoch": 0.02,
703
+ "learning_rate": 4.903597636997228e-05,
704
+ "loss": 4.3151,
705
+ "step": 58880
706
+ },
707
+ {
708
+ "epoch": 0.02,
709
+ "learning_rate": 4.902759042246176e-05,
710
+ "loss": 4.3037,
711
+ "step": 59392
712
+ },
713
+ {
714
+ "epoch": 0.02,
715
+ "learning_rate": 4.9019220853754975e-05,
716
+ "loss": 4.2971,
717
+ "step": 59904
718
+ },
719
+ {
720
+ "epoch": 0.02,
721
+ "learning_rate": 4.9010834906244455e-05,
722
+ "loss": 4.2927,
723
+ "step": 60416
724
+ },
725
+ {
726
+ "epoch": 0.02,
727
+ "learning_rate": 4.9002448958733935e-05,
728
+ "loss": 4.2986,
729
+ "step": 60928
730
+ },
731
+ {
732
+ "epoch": 0.02,
733
+ "learning_rate": 4.8994063011223415e-05,
734
+ "loss": 4.2912,
735
+ "step": 61440
736
+ },
737
+ {
738
+ "epoch": 0.02,
739
+ "learning_rate": 4.8985693442516624e-05,
740
+ "loss": 4.2895,
741
+ "step": 61952
742
+ },
743
+ {
744
+ "epoch": 0.02,
745
+ "learning_rate": 4.8977307495006104e-05,
746
+ "loss": 4.2823,
747
+ "step": 62464
748
+ },
749
+ {
750
+ "epoch": 0.02,
751
+ "learning_rate": 4.8968921547495584e-05,
752
+ "loss": 4.279,
753
+ "step": 62976
754
+ },
755
+ {
756
+ "epoch": 0.02,
757
+ "learning_rate": 4.8960535599985064e-05,
758
+ "loss": 4.2796,
759
+ "step": 63488
760
+ },
761
+ {
762
+ "epoch": 0.02,
763
+ "learning_rate": 4.8952149652474544e-05,
764
+ "loss": 4.2698,
765
+ "step": 64000
766
+ },
767
+ {
768
+ "epoch": 0.02,
769
+ "learning_rate": 4.8943763704964024e-05,
770
+ "loss": 4.2746,
771
+ "step": 64512
772
+ },
773
+ {
774
+ "epoch": 0.02,
775
+ "learning_rate": 4.893539413625723e-05,
776
+ "loss": 4.2725,
777
+ "step": 65024
778
+ },
779
+ {
780
+ "epoch": 0.02,
781
+ "learning_rate": 4.892700818874671e-05,
782
+ "loss": 4.2672,
783
+ "step": 65536
784
+ },
785
+ {
786
+ "epoch": 0.02,
787
+ "learning_rate": 4.891862224123619e-05,
788
+ "loss": 4.2592,
789
+ "step": 66048
790
+ },
791
+ {
792
+ "epoch": 0.02,
793
+ "learning_rate": 4.891023629372567e-05,
794
+ "loss": 4.2765,
795
+ "step": 66560
796
+ },
797
+ {
798
+ "epoch": 0.02,
799
+ "learning_rate": 4.890185034621515e-05,
800
+ "loss": 4.2761,
801
+ "step": 67072
802
+ },
803
+ {
804
+ "epoch": 0.02,
805
+ "learning_rate": 4.889346439870464e-05,
806
+ "loss": 4.2645,
807
+ "step": 67584
808
+ },
809
+ {
810
+ "epoch": 0.02,
811
+ "learning_rate": 4.888507845119412e-05,
812
+ "loss": 4.2548,
813
+ "step": 68096
814
+ },
815
+ {
816
+ "epoch": 0.02,
817
+ "learning_rate": 4.887670888248733e-05,
818
+ "loss": 4.2609,
819
+ "step": 68608
820
+ },
821
+ {
822
+ "epoch": 0.02,
823
+ "learning_rate": 4.886832293497681e-05,
824
+ "loss": 4.2609,
825
+ "step": 69120
826
+ },
827
+ {
828
+ "epoch": 0.02,
829
+ "learning_rate": 4.885993698746629e-05,
830
+ "loss": 4.2617,
831
+ "step": 69632
832
+ },
833
+ {
834
+ "epoch": 0.02,
835
+ "learning_rate": 4.885155103995577e-05,
836
+ "loss": 4.2565,
837
+ "step": 70144
838
+ },
839
+ {
840
+ "epoch": 0.02,
841
+ "learning_rate": 4.884316509244525e-05,
842
+ "loss": 4.2554,
843
+ "step": 70656
844
+ },
845
+ {
846
+ "epoch": 0.02,
847
+ "learning_rate": 4.883479552373846e-05,
848
+ "loss": 4.2497,
849
+ "step": 71168
850
+ },
851
+ {
852
+ "epoch": 0.02,
853
+ "learning_rate": 4.882640957622794e-05,
854
+ "loss": 4.2492,
855
+ "step": 71680
856
+ },
857
+ {
858
+ "epoch": 0.02,
859
+ "learning_rate": 4.881802362871742e-05,
860
+ "loss": 4.2419,
861
+ "step": 72192
862
+ },
863
+ {
864
+ "epoch": 0.02,
865
+ "learning_rate": 4.88096376812069e-05,
866
+ "loss": 4.2454,
867
+ "step": 72704
868
+ },
869
+ {
870
+ "epoch": 0.02,
871
+ "learning_rate": 4.8801268112500106e-05,
872
+ "loss": 4.239,
873
+ "step": 73216
874
+ },
875
+ {
876
+ "epoch": 0.02,
877
+ "learning_rate": 4.8792882164989586e-05,
878
+ "loss": 4.2321,
879
+ "step": 73728
880
+ },
881
+ {
882
+ "epoch": 0.02,
883
+ "learning_rate": 4.878449621747907e-05,
884
+ "loss": 4.2446,
885
+ "step": 74240
886
+ },
887
+ {
888
+ "epoch": 0.02,
889
+ "learning_rate": 4.877611026996855e-05,
890
+ "loss": 4.231,
891
+ "step": 74752
892
+ },
893
+ {
894
+ "epoch": 0.02,
895
+ "learning_rate": 4.876772432245803e-05,
896
+ "loss": 4.2397,
897
+ "step": 75264
898
+ },
899
+ {
900
+ "epoch": 0.02,
901
+ "learning_rate": 4.875933837494751e-05,
902
+ "loss": 4.227,
903
+ "step": 75776
904
+ },
905
+ {
906
+ "epoch": 0.02,
907
+ "learning_rate": 4.8750952427436986e-05,
908
+ "loss": 4.2219,
909
+ "step": 76288
910
+ },
911
+ {
912
+ "epoch": 0.03,
913
+ "eval_loss": 4.193910598754883,
914
+ "eval_runtime": 303.1016,
915
+ "eval_samples_per_second": 1258.954,
916
+ "eval_steps_per_second": 39.343,
917
+ "step": 76320
918
+ },
919
+ {
920
+ "epoch": 1.0,
921
+ "learning_rate": 4.8742566479926466e-05,
922
+ "loss": 4.2132,
923
+ "step": 76800
924
+ },
925
+ {
926
+ "epoch": 1.0,
927
+ "learning_rate": 4.873419691121968e-05,
928
+ "loss": 4.2137,
929
+ "step": 77312
930
+ },
931
+ {
932
+ "epoch": 1.0,
933
+ "learning_rate": 4.872581096370916e-05,
934
+ "loss": 4.2258,
935
+ "step": 77824
936
+ },
937
+ {
938
+ "epoch": 1.0,
939
+ "learning_rate": 4.8717425016198635e-05,
940
+ "loss": 4.2145,
941
+ "step": 78336
942
+ },
943
+ {
944
+ "epoch": 1.0,
945
+ "learning_rate": 4.8709039068688115e-05,
946
+ "loss": 4.2196,
947
+ "step": 78848
948
+ },
949
+ {
950
+ "epoch": 1.0,
951
+ "learning_rate": 4.870066949998133e-05,
952
+ "loss": 4.2088,
953
+ "step": 79360
954
+ },
955
+ {
956
+ "epoch": 1.0,
957
+ "learning_rate": 4.869228355247081e-05,
958
+ "loss": 4.2042,
959
+ "step": 79872
960
+ },
961
+ {
962
+ "epoch": 1.0,
963
+ "learning_rate": 4.868389760496029e-05,
964
+ "loss": 4.1964,
965
+ "step": 80384
966
+ },
967
+ {
968
+ "epoch": 1.0,
969
+ "learning_rate": 4.8675528036253507e-05,
970
+ "loss": 4.2113,
971
+ "step": 80896
972
+ },
973
+ {
974
+ "epoch": 1.0,
975
+ "learning_rate": 4.8667142088742986e-05,
976
+ "loss": 4.2027,
977
+ "step": 81408
978
+ },
979
+ {
980
+ "epoch": 1.0,
981
+ "learning_rate": 4.865875614123246e-05,
982
+ "loss": 4.2141,
983
+ "step": 81920
984
+ },
985
+ {
986
+ "epoch": 1.0,
987
+ "learning_rate": 4.865037019372194e-05,
988
+ "loss": 4.1951,
989
+ "step": 82432
990
+ },
991
+ {
992
+ "epoch": 1.0,
993
+ "learning_rate": 4.8642000625015155e-05,
994
+ "loss": 4.1929,
995
+ "step": 82944
996
+ },
997
+ {
998
+ "epoch": 1.0,
999
+ "learning_rate": 4.8633614677504635e-05,
1000
+ "loss": 4.1871,
1001
+ "step": 83456
1002
+ },
1003
+ {
1004
+ "epoch": 1.0,
1005
+ "learning_rate": 4.862522872999411e-05,
1006
+ "loss": 4.1823,
1007
+ "step": 83968
1008
+ },
1009
+ {
1010
+ "epoch": 1.0,
1011
+ "learning_rate": 4.861684278248359e-05,
1012
+ "loss": 4.1827,
1013
+ "step": 84480
1014
+ },
1015
+ {
1016
+ "epoch": 1.0,
1017
+ "learning_rate": 4.860845683497307e-05,
1018
+ "loss": 4.1908,
1019
+ "step": 84992
1020
+ },
1021
+ {
1022
+ "epoch": 1.0,
1023
+ "learning_rate": 4.860007088746255e-05,
1024
+ "loss": 4.1794,
1025
+ "step": 85504
1026
+ },
1027
+ {
1028
+ "epoch": 1.0,
1029
+ "learning_rate": 4.859168493995203e-05,
1030
+ "loss": 4.1764,
1031
+ "step": 86016
1032
+ },
1033
+ {
1034
+ "epoch": 1.0,
1035
+ "learning_rate": 4.8583315371245244e-05,
1036
+ "loss": 4.1955,
1037
+ "step": 86528
1038
+ },
1039
+ {
1040
+ "epoch": 1.0,
1041
+ "learning_rate": 4.8574929423734724e-05,
1042
+ "loss": 4.1839,
1043
+ "step": 87040
1044
+ },
1045
+ {
1046
+ "epoch": 1.0,
1047
+ "learning_rate": 4.8566543476224204e-05,
1048
+ "loss": 4.1832,
1049
+ "step": 87552
1050
+ },
1051
+ {
1052
+ "epoch": 1.0,
1053
+ "learning_rate": 4.8558157528713684e-05,
1054
+ "loss": 4.1714,
1055
+ "step": 88064
1056
+ },
1057
+ {
1058
+ "epoch": 1.0,
1059
+ "learning_rate": 4.8549771581203164e-05,
1060
+ "loss": 4.1842,
1061
+ "step": 88576
1062
+ },
1063
+ {
1064
+ "epoch": 1.0,
1065
+ "learning_rate": 4.854140201249637e-05,
1066
+ "loss": 4.1696,
1067
+ "step": 89088
1068
+ },
1069
+ {
1070
+ "epoch": 1.0,
1071
+ "learning_rate": 4.853301606498585e-05,
1072
+ "loss": 4.1701,
1073
+ "step": 89600
1074
+ },
1075
+ {
1076
+ "epoch": 1.0,
1077
+ "learning_rate": 4.852463011747533e-05,
1078
+ "loss": 4.1693,
1079
+ "step": 90112
1080
+ },
1081
+ {
1082
+ "epoch": 1.0,
1083
+ "learning_rate": 4.851624416996481e-05,
1084
+ "loss": 4.1616,
1085
+ "step": 90624
1086
+ },
1087
+ {
1088
+ "epoch": 1.0,
1089
+ "learning_rate": 4.850785822245429e-05,
1090
+ "loss": 4.1558,
1091
+ "step": 91136
1092
+ },
1093
+ {
1094
+ "epoch": 1.01,
1095
+ "learning_rate": 4.84994886537475e-05,
1096
+ "loss": 4.1558,
1097
+ "step": 91648
1098
+ },
1099
+ {
1100
+ "epoch": 1.01,
1101
+ "learning_rate": 4.849110270623698e-05,
1102
+ "loss": 4.1648,
1103
+ "step": 92160
1104
+ },
1105
+ {
1106
+ "epoch": 1.01,
1107
+ "learning_rate": 4.848271675872646e-05,
1108
+ "loss": 4.1633,
1109
+ "step": 92672
1110
+ },
1111
+ {
1112
+ "epoch": 1.01,
1113
+ "learning_rate": 4.847433081121595e-05,
1114
+ "loss": 4.1571,
1115
+ "step": 93184
1116
+ },
1117
+ {
1118
+ "epoch": 1.01,
1119
+ "learning_rate": 4.846594486370543e-05,
1120
+ "loss": 4.1632,
1121
+ "step": 93696
1122
+ },
1123
+ {
1124
+ "epoch": 1.01,
1125
+ "learning_rate": 4.845757529499864e-05,
1126
+ "loss": 4.1586,
1127
+ "step": 94208
1128
+ },
1129
+ {
1130
+ "epoch": 1.01,
1131
+ "learning_rate": 4.844918934748812e-05,
1132
+ "loss": 4.1571,
1133
+ "step": 94720
1134
+ },
1135
+ {
1136
+ "epoch": 1.01,
1137
+ "learning_rate": 4.84408033999776e-05,
1138
+ "loss": 4.145,
1139
+ "step": 95232
1140
+ },
1141
+ {
1142
+ "epoch": 1.01,
1143
+ "learning_rate": 4.843241745246708e-05,
1144
+ "loss": 4.1455,
1145
+ "step": 95744
1146
+ },
1147
+ {
1148
+ "epoch": 1.01,
1149
+ "learning_rate": 4.842403150495656e-05,
1150
+ "loss": 4.1361,
1151
+ "step": 96256
1152
+ },
1153
+ {
1154
+ "epoch": 1.01,
1155
+ "learning_rate": 4.841566193624977e-05,
1156
+ "loss": 4.1485,
1157
+ "step": 96768
1158
+ },
1159
+ {
1160
+ "epoch": 1.01,
1161
+ "learning_rate": 4.840727598873925e-05,
1162
+ "loss": 4.1336,
1163
+ "step": 97280
1164
+ },
1165
+ {
1166
+ "epoch": 1.01,
1167
+ "learning_rate": 4.839889004122873e-05,
1168
+ "loss": 4.1485,
1169
+ "step": 97792
1170
+ },
1171
+ {
1172
+ "epoch": 1.01,
1173
+ "learning_rate": 4.839050409371821e-05,
1174
+ "loss": 4.134,
1175
+ "step": 98304
1176
+ },
1177
+ {
1178
+ "epoch": 1.01,
1179
+ "learning_rate": 4.8382118146207687e-05,
1180
+ "loss": 4.1381,
1181
+ "step": 98816
1182
+ },
1183
+ {
1184
+ "epoch": 1.01,
1185
+ "learning_rate": 4.83737485775009e-05,
1186
+ "loss": 4.1384,
1187
+ "step": 99328
1188
+ },
1189
+ {
1190
+ "epoch": 1.01,
1191
+ "learning_rate": 4.836536262999038e-05,
1192
+ "loss": 4.133,
1193
+ "step": 99840
1194
+ },
1195
+ {
1196
+ "epoch": 1.01,
1197
+ "learning_rate": 4.835697668247986e-05,
1198
+ "loss": 4.1318,
1199
+ "step": 100352
1200
+ },
1201
+ {
1202
+ "epoch": 1.01,
1203
+ "learning_rate": 4.834859073496934e-05,
1204
+ "loss": 4.1195,
1205
+ "step": 100864
1206
+ },
1207
+ {
1208
+ "epoch": 1.01,
1209
+ "learning_rate": 4.834020478745882e-05,
1210
+ "loss": 4.1229,
1211
+ "step": 101376
1212
+ },
1213
+ {
1214
+ "epoch": 1.01,
1215
+ "learning_rate": 4.833183521875203e-05,
1216
+ "loss": 4.1351,
1217
+ "step": 101888
1218
+ },
1219
+ {
1220
+ "epoch": 1.01,
1221
+ "learning_rate": 4.832344927124151e-05,
1222
+ "loss": 4.1296,
1223
+ "step": 102400
1224
+ },
1225
+ {
1226
+ "epoch": 1.01,
1227
+ "learning_rate": 4.831506332373099e-05,
1228
+ "loss": 4.1211,
1229
+ "step": 102912
1230
+ },
1231
+ {
1232
+ "epoch": 1.01,
1233
+ "learning_rate": 4.830667737622047e-05,
1234
+ "loss": 4.1115,
1235
+ "step": 103424
1236
+ },
1237
+ {
1238
+ "epoch": 1.01,
1239
+ "learning_rate": 4.829830780751368e-05,
1240
+ "loss": 4.1214,
1241
+ "step": 103936
1242
+ },
1243
+ {
1244
+ "epoch": 1.01,
1245
+ "learning_rate": 4.828992186000316e-05,
1246
+ "loss": 4.1086,
1247
+ "step": 104448
1248
+ },
1249
+ {
1250
+ "epoch": 1.01,
1251
+ "learning_rate": 4.828153591249264e-05,
1252
+ "loss": 4.1306,
1253
+ "step": 104960
1254
+ },
1255
+ {
1256
+ "epoch": 1.01,
1257
+ "learning_rate": 4.827314996498212e-05,
1258
+ "loss": 4.1028,
1259
+ "step": 105472
1260
+ },
1261
+ {
1262
+ "epoch": 1.01,
1263
+ "learning_rate": 4.8264780396275336e-05,
1264
+ "loss": 4.1242,
1265
+ "step": 105984
1266
+ },
1267
+ {
1268
+ "epoch": 1.01,
1269
+ "learning_rate": 4.8256394448764816e-05,
1270
+ "loss": 4.1154,
1271
+ "step": 106496
1272
+ },
1273
+ {
1274
+ "epoch": 1.01,
1275
+ "learning_rate": 4.8248008501254296e-05,
1276
+ "loss": 4.1021,
1277
+ "step": 107008
1278
+ },
1279
+ {
1280
+ "epoch": 1.01,
1281
+ "learning_rate": 4.823962255374377e-05,
1282
+ "loss": 4.1127,
1283
+ "step": 107520
1284
+ },
1285
+ {
1286
+ "epoch": 1.01,
1287
+ "learning_rate": 4.823123660623325e-05,
1288
+ "loss": 4.1064,
1289
+ "step": 108032
1290
+ },
1291
+ {
1292
+ "epoch": 1.01,
1293
+ "learning_rate": 4.8222867037526465e-05,
1294
+ "loss": 4.098,
1295
+ "step": 108544
1296
+ },
1297
+ {
1298
+ "epoch": 1.01,
1299
+ "learning_rate": 4.8214481090015945e-05,
1300
+ "loss": 4.1004,
1301
+ "step": 109056
1302
+ },
1303
+ {
1304
+ "epoch": 1.01,
1305
+ "learning_rate": 4.820609514250542e-05,
1306
+ "loss": 4.113,
1307
+ "step": 109568
1308
+ },
1309
+ {
1310
+ "epoch": 1.01,
1311
+ "learning_rate": 4.81977091949949e-05,
1312
+ "loss": 4.1012,
1313
+ "step": 110080
1314
+ },
1315
+ {
1316
+ "epoch": 1.01,
1317
+ "learning_rate": 4.8189339626288114e-05,
1318
+ "loss": 4.0986,
1319
+ "step": 110592
1320
+ },
1321
+ {
1322
+ "epoch": 1.01,
1323
+ "learning_rate": 4.8180953678777594e-05,
1324
+ "loss": 4.0949,
1325
+ "step": 111104
1326
+ },
1327
+ {
1328
+ "epoch": 1.01,
1329
+ "learning_rate": 4.8172567731267074e-05,
1330
+ "loss": 4.092,
1331
+ "step": 111616
1332
+ },
1333
+ {
1334
+ "epoch": 1.01,
1335
+ "learning_rate": 4.8164181783756554e-05,
1336
+ "loss": 4.0999,
1337
+ "step": 112128
1338
+ },
1339
+ {
1340
+ "epoch": 1.01,
1341
+ "learning_rate": 4.8155795836246034e-05,
1342
+ "loss": 4.1128,
1343
+ "step": 112640
1344
+ },
1345
+ {
1346
+ "epoch": 1.01,
1347
+ "learning_rate": 4.814742626753924e-05,
1348
+ "loss": 4.0921,
1349
+ "step": 113152
1350
+ },
1351
+ {
1352
+ "epoch": 1.01,
1353
+ "learning_rate": 4.813904032002872e-05,
1354
+ "loss": 4.1084,
1355
+ "step": 113664
1356
+ },
1357
+ {
1358
+ "epoch": 1.01,
1359
+ "learning_rate": 4.81306543725182e-05,
1360
+ "loss": 4.1072,
1361
+ "step": 114176
1362
+ },
1363
+ {
1364
+ "epoch": 1.01,
1365
+ "learning_rate": 4.812226842500768e-05,
1366
+ "loss": 4.0968,
1367
+ "step": 114688
1368
+ },
1369
+ {
1370
+ "epoch": 1.01,
1371
+ "learning_rate": 4.811389885630089e-05,
1372
+ "loss": 4.0871,
1373
+ "step": 115200
1374
+ },
1375
+ {
1376
+ "epoch": 1.01,
1377
+ "learning_rate": 4.810551290879037e-05,
1378
+ "loss": 4.0993,
1379
+ "step": 115712
1380
+ },
1381
+ {
1382
+ "epoch": 1.01,
1383
+ "learning_rate": 4.809712696127985e-05,
1384
+ "loss": 4.0944,
1385
+ "step": 116224
1386
+ },
1387
+ {
1388
+ "epoch": 1.01,
1389
+ "learning_rate": 4.808874101376933e-05,
1390
+ "loss": 4.0855,
1391
+ "step": 116736
1392
+ },
1393
+ {
1394
+ "epoch": 1.01,
1395
+ "learning_rate": 4.808035506625881e-05,
1396
+ "loss": 4.0875,
1397
+ "step": 117248
1398
+ },
1399
+ {
1400
+ "epoch": 1.01,
1401
+ "learning_rate": 4.807198549755203e-05,
1402
+ "loss": 4.0929,
1403
+ "step": 117760
1404
+ },
1405
+ {
1406
+ "epoch": 1.01,
1407
+ "learning_rate": 4.806359955004151e-05,
1408
+ "loss": 4.1,
1409
+ "step": 118272
1410
+ },
1411
+ {
1412
+ "epoch": 1.01,
1413
+ "learning_rate": 4.805521360253099e-05,
1414
+ "loss": 4.0875,
1415
+ "step": 118784
1416
+ },
1417
+ {
1418
+ "epoch": 1.01,
1419
+ "learning_rate": 4.804682765502047e-05,
1420
+ "loss": 4.0731,
1421
+ "step": 119296
1422
+ },
1423
+ {
1424
+ "epoch": 1.01,
1425
+ "learning_rate": 4.8038458086313677e-05,
1426
+ "loss": 4.0804,
1427
+ "step": 119808
1428
+ },
1429
+ {
1430
+ "epoch": 1.01,
1431
+ "learning_rate": 4.8030072138803156e-05,
1432
+ "loss": 4.0871,
1433
+ "step": 120320
1434
+ },
1435
+ {
1436
+ "epoch": 1.01,
1437
+ "learning_rate": 4.8021686191292636e-05,
1438
+ "loss": 4.0819,
1439
+ "step": 120832
1440
+ },
1441
+ {
1442
+ "epoch": 1.01,
1443
+ "learning_rate": 4.8013316622585846e-05,
1444
+ "loss": 4.0868,
1445
+ "step": 121344
1446
+ },
1447
+ {
1448
+ "epoch": 1.01,
1449
+ "learning_rate": 4.8004930675075325e-05,
1450
+ "loss": 4.0737,
1451
+ "step": 121856
1452
+ },
1453
+ {
1454
+ "epoch": 1.02,
1455
+ "learning_rate": 4.7996544727564805e-05,
1456
+ "loss": 4.0716,
1457
+ "step": 122368
1458
+ },
1459
+ {
1460
+ "epoch": 1.02,
1461
+ "learning_rate": 4.7988158780054285e-05,
1462
+ "loss": 4.0715,
1463
+ "step": 122880
1464
+ },
1465
+ {
1466
+ "epoch": 1.02,
1467
+ "learning_rate": 4.7979772832543765e-05,
1468
+ "loss": 4.0712,
1469
+ "step": 123392
1470
+ },
1471
+ {
1472
+ "epoch": 1.02,
1473
+ "learning_rate": 4.7971386885033245e-05,
1474
+ "loss": 4.0763,
1475
+ "step": 123904
1476
+ },
1477
+ {
1478
+ "epoch": 1.02,
1479
+ "learning_rate": 4.7963000937522725e-05,
1480
+ "loss": 4.0731,
1481
+ "step": 124416
1482
+ },
1483
+ {
1484
+ "epoch": 1.02,
1485
+ "learning_rate": 4.795461499001221e-05,
1486
+ "loss": 4.0908,
1487
+ "step": 124928
1488
+ },
1489
+ {
1490
+ "epoch": 1.02,
1491
+ "learning_rate": 4.794624542130542e-05,
1492
+ "loss": 4.0768,
1493
+ "step": 125440
1494
+ },
1495
+ {
1496
+ "epoch": 1.02,
1497
+ "learning_rate": 4.79378594737949e-05,
1498
+ "loss": 4.0603,
1499
+ "step": 125952
1500
+ },
1501
+ {
1502
+ "epoch": 1.02,
1503
+ "learning_rate": 4.792947352628438e-05,
1504
+ "loss": 4.0695,
1505
+ "step": 126464
1506
+ },
1507
+ {
1508
+ "epoch": 1.02,
1509
+ "learning_rate": 4.792108757877386e-05,
1510
+ "loss": 4.0712,
1511
+ "step": 126976
1512
+ },
1513
+ {
1514
+ "epoch": 1.02,
1515
+ "learning_rate": 4.791271801006707e-05,
1516
+ "loss": 4.0717,
1517
+ "step": 127488
1518
+ },
1519
+ {
1520
+ "epoch": 1.02,
1521
+ "learning_rate": 4.790433206255655e-05,
1522
+ "loss": 4.069,
1523
+ "step": 128000
1524
+ },
1525
+ {
1526
+ "epoch": 1.02,
1527
+ "learning_rate": 4.789594611504603e-05,
1528
+ "loss": 4.0666,
1529
+ "step": 128512
1530
+ },
1531
+ {
1532
+ "epoch": 1.02,
1533
+ "learning_rate": 4.788756016753551e-05,
1534
+ "loss": 4.0592,
1535
+ "step": 129024
1536
+ },
1537
+ {
1538
+ "epoch": 1.02,
1539
+ "learning_rate": 4.787919059882872e-05,
1540
+ "loss": 4.071,
1541
+ "step": 129536
1542
+ },
1543
+ {
1544
+ "epoch": 1.02,
1545
+ "learning_rate": 4.78708046513182e-05,
1546
+ "loss": 4.0441,
1547
+ "step": 130048
1548
+ },
1549
+ {
1550
+ "epoch": 1.02,
1551
+ "learning_rate": 4.786241870380768e-05,
1552
+ "loss": 4.0573,
1553
+ "step": 130560
1554
+ },
1555
+ {
1556
+ "epoch": 1.02,
1557
+ "learning_rate": 4.7854032756297166e-05,
1558
+ "loss": 4.0568,
1559
+ "step": 131072
1560
+ },
1561
+ {
1562
+ "epoch": 1.02,
1563
+ "learning_rate": 4.7845663187590375e-05,
1564
+ "loss": 4.0589,
1565
+ "step": 131584
1566
+ },
1567
+ {
1568
+ "epoch": 1.02,
1569
+ "learning_rate": 4.7837277240079855e-05,
1570
+ "loss": 4.0492,
1571
+ "step": 132096
1572
+ },
1573
+ {
1574
+ "epoch": 1.02,
1575
+ "learning_rate": 4.7828891292569335e-05,
1576
+ "loss": 4.0605,
1577
+ "step": 132608
1578
+ },
1579
+ {
1580
+ "epoch": 1.02,
1581
+ "learning_rate": 4.7820505345058815e-05,
1582
+ "loss": 4.0452,
1583
+ "step": 133120
1584
+ },
1585
+ {
1586
+ "epoch": 1.02,
1587
+ "learning_rate": 4.7812135776352024e-05,
1588
+ "loss": 4.0514,
1589
+ "step": 133632
1590
+ },
1591
+ {
1592
+ "epoch": 1.02,
1593
+ "learning_rate": 4.7803749828841504e-05,
1594
+ "loss": 4.0515,
1595
+ "step": 134144
1596
+ },
1597
+ {
1598
+ "epoch": 1.02,
1599
+ "learning_rate": 4.7795363881330984e-05,
1600
+ "loss": 4.0531,
1601
+ "step": 134656
1602
+ },
1603
+ {
1604
+ "epoch": 1.02,
1605
+ "learning_rate": 4.7786977933820464e-05,
1606
+ "loss": 4.0668,
1607
+ "step": 135168
1608
+ },
1609
+ {
1610
+ "epoch": 1.02,
1611
+ "learning_rate": 4.777860836511367e-05,
1612
+ "loss": 4.0566,
1613
+ "step": 135680
1614
+ },
1615
+ {
1616
+ "epoch": 1.02,
1617
+ "learning_rate": 4.777023879640689e-05,
1618
+ "loss": 4.0522,
1619
+ "step": 136192
1620
+ },
1621
+ {
1622
+ "epoch": 1.02,
1623
+ "learning_rate": 4.776185284889637e-05,
1624
+ "loss": 4.0446,
1625
+ "step": 136704
1626
+ },
1627
+ {
1628
+ "epoch": 1.02,
1629
+ "learning_rate": 4.775346690138585e-05,
1630
+ "loss": 4.0511,
1631
+ "step": 137216
1632
+ },
1633
+ {
1634
+ "epoch": 1.02,
1635
+ "learning_rate": 4.774508095387533e-05,
1636
+ "loss": 4.0494,
1637
+ "step": 137728
1638
+ },
1639
+ {
1640
+ "epoch": 1.02,
1641
+ "learning_rate": 4.773669500636481e-05,
1642
+ "loss": 4.0468,
1643
+ "step": 138240
1644
+ },
1645
+ {
1646
+ "epoch": 1.02,
1647
+ "learning_rate": 4.772830905885429e-05,
1648
+ "loss": 4.0436,
1649
+ "step": 138752
1650
+ },
1651
+ {
1652
+ "epoch": 1.02,
1653
+ "learning_rate": 4.771992311134377e-05,
1654
+ "loss": 4.0399,
1655
+ "step": 139264
1656
+ },
1657
+ {
1658
+ "epoch": 1.02,
1659
+ "learning_rate": 4.771153716383325e-05,
1660
+ "loss": 4.0425,
1661
+ "step": 139776
1662
+ },
1663
+ {
1664
+ "epoch": 1.02,
1665
+ "learning_rate": 4.770316759512646e-05,
1666
+ "loss": 4.033,
1667
+ "step": 140288
1668
+ },
1669
+ {
1670
+ "epoch": 1.02,
1671
+ "learning_rate": 4.769478164761594e-05,
1672
+ "loss": 4.0404,
1673
+ "step": 140800
1674
+ },
1675
+ {
1676
+ "epoch": 1.02,
1677
+ "learning_rate": 4.768639570010542e-05,
1678
+ "loss": 4.0376,
1679
+ "step": 141312
1680
+ },
1681
+ {
1682
+ "epoch": 1.02,
1683
+ "learning_rate": 4.76780097525949e-05,
1684
+ "loss": 4.0384,
1685
+ "step": 141824
1686
+ },
1687
+ {
1688
+ "epoch": 1.02,
1689
+ "learning_rate": 4.7669640183888106e-05,
1690
+ "loss": 4.027,
1691
+ "step": 142336
1692
+ },
1693
+ {
1694
+ "epoch": 1.02,
1695
+ "learning_rate": 4.7661254236377586e-05,
1696
+ "loss": 4.0472,
1697
+ "step": 142848
1698
+ },
1699
+ {
1700
+ "epoch": 1.02,
1701
+ "learning_rate": 4.765286828886707e-05,
1702
+ "loss": 4.0524,
1703
+ "step": 143360
1704
+ },
1705
+ {
1706
+ "epoch": 1.02,
1707
+ "learning_rate": 4.764448234135655e-05,
1708
+ "loss": 4.0356,
1709
+ "step": 143872
1710
+ },
1711
+ {
1712
+ "epoch": 1.02,
1713
+ "learning_rate": 4.763611277264976e-05,
1714
+ "loss": 4.0313,
1715
+ "step": 144384
1716
+ },
1717
+ {
1718
+ "epoch": 1.02,
1719
+ "learning_rate": 4.762774320394297e-05,
1720
+ "loss": 4.0388,
1721
+ "step": 144896
1722
+ },
1723
+ {
1724
+ "epoch": 1.02,
1725
+ "learning_rate": 4.761935725643245e-05,
1726
+ "loss": 4.0405,
1727
+ "step": 145408
1728
+ },
1729
+ {
1730
+ "epoch": 1.02,
1731
+ "learning_rate": 4.761097130892193e-05,
1732
+ "loss": 4.0412,
1733
+ "step": 145920
1734
+ },
1735
+ {
1736
+ "epoch": 1.02,
1737
+ "learning_rate": 4.760258536141141e-05,
1738
+ "loss": 4.0365,
1739
+ "step": 146432
1740
+ },
1741
+ {
1742
+ "epoch": 1.02,
1743
+ "learning_rate": 4.759419941390089e-05,
1744
+ "loss": 4.0363,
1745
+ "step": 146944
1746
+ },
1747
+ {
1748
+ "epoch": 1.02,
1749
+ "learning_rate": 4.758581346639037e-05,
1750
+ "loss": 4.0307,
1751
+ "step": 147456
1752
+ },
1753
+ {
1754
+ "epoch": 1.02,
1755
+ "learning_rate": 4.7577427518879844e-05,
1756
+ "loss": 4.0375,
1757
+ "step": 147968
1758
+ },
1759
+ {
1760
+ "epoch": 1.02,
1761
+ "learning_rate": 4.7569041571369324e-05,
1762
+ "loss": 4.0252,
1763
+ "step": 148480
1764
+ },
1765
+ {
1766
+ "epoch": 1.02,
1767
+ "learning_rate": 4.756067200266254e-05,
1768
+ "loss": 4.0352,
1769
+ "step": 148992
1770
+ },
1771
+ {
1772
+ "epoch": 1.02,
1773
+ "learning_rate": 4.755228605515202e-05,
1774
+ "loss": 4.0311,
1775
+ "step": 149504
1776
+ },
1777
+ {
1778
+ "epoch": 1.02,
1779
+ "learning_rate": 4.75439001076415e-05,
1780
+ "loss": 4.0195,
1781
+ "step": 150016
1782
+ },
1783
+ {
1784
+ "epoch": 1.02,
1785
+ "learning_rate": 4.753551416013098e-05,
1786
+ "loss": 4.0369,
1787
+ "step": 150528
1788
+ },
1789
+ {
1790
+ "epoch": 1.02,
1791
+ "learning_rate": 4.7527144591424196e-05,
1792
+ "loss": 4.0241,
1793
+ "step": 151040
1794
+ },
1795
+ {
1796
+ "epoch": 1.02,
1797
+ "learning_rate": 4.751875864391367e-05,
1798
+ "loss": 4.0323,
1799
+ "step": 151552
1800
+ },
1801
+ {
1802
+ "epoch": 1.02,
1803
+ "learning_rate": 4.751037269640315e-05,
1804
+ "loss": 4.0187,
1805
+ "step": 152064
1806
+ },
1807
+ {
1808
+ "epoch": 1.02,
1809
+ "learning_rate": 4.750198674889263e-05,
1810
+ "loss": 4.0171,
1811
+ "step": 152576
1812
+ },
1813
+ {
1814
+ "epoch": 1.03,
1815
+ "eval_loss": 4.024856090545654,
1816
+ "eval_runtime": 302.4886,
1817
+ "eval_samples_per_second": 1261.505,
1818
+ "eval_steps_per_second": 39.423,
1819
+ "step": 152640
1820
+ },
1821
+ {
1822
+ "epoch": 0.0,
1823
+ "learning_rate": 4.7493617180185845e-05,
1824
+ "loss": 4.0124,
1825
+ "step": 153088
1826
+ },
1827
+ {
1828
+ "epoch": 0.0,
1829
+ "learning_rate": 4.748523123267532e-05,
1830
+ "loss": 4.0072,
1831
+ "step": 153600
1832
+ },
1833
+ {
1834
+ "epoch": 0.0,
1835
+ "learning_rate": 4.74768452851648e-05,
1836
+ "loss": 4.028,
1837
+ "step": 154112
1838
+ },
1839
+ {
1840
+ "epoch": 0.0,
1841
+ "learning_rate": 4.746845933765428e-05,
1842
+ "loss": 4.0172,
1843
+ "step": 154624
1844
+ },
1845
+ {
1846
+ "epoch": 0.0,
1847
+ "learning_rate": 4.7460073390143764e-05,
1848
+ "loss": 4.0261,
1849
+ "step": 155136
1850
+ },
1851
+ {
1852
+ "epoch": 0.0,
1853
+ "learning_rate": 4.7451687442633244e-05,
1854
+ "loss": 4.0084,
1855
+ "step": 155648
1856
+ },
1857
+ {
1858
+ "epoch": 0.0,
1859
+ "learning_rate": 4.7443301495122724e-05,
1860
+ "loss": 4.0123,
1861
+ "step": 156160
1862
+ },
1863
+ {
1864
+ "epoch": 0.0,
1865
+ "learning_rate": 4.7434915547612204e-05,
1866
+ "loss": 4.0003,
1867
+ "step": 156672
1868
+ },
1869
+ {
1870
+ "epoch": 0.0,
1871
+ "learning_rate": 4.7426529600101684e-05,
1872
+ "loss": 4.0163,
1873
+ "step": 157184
1874
+ },
1875
+ {
1876
+ "epoch": 0.0,
1877
+ "learning_rate": 4.7418143652591164e-05,
1878
+ "loss": 4.0168,
1879
+ "step": 157696
1880
+ },
1881
+ {
1882
+ "epoch": 0.0,
1883
+ "learning_rate": 4.7409757705080644e-05,
1884
+ "loss": 4.0179,
1885
+ "step": 158208
1886
+ },
1887
+ {
1888
+ "epoch": 0.0,
1889
+ "learning_rate": 4.740138813637385e-05,
1890
+ "loss": 4.0089,
1891
+ "step": 158720
1892
+ },
1893
+ {
1894
+ "epoch": 0.0,
1895
+ "learning_rate": 4.739301856766706e-05,
1896
+ "loss": 4.0036,
1897
+ "step": 159232
1898
+ },
1899
+ {
1900
+ "epoch": 0.0,
1901
+ "learning_rate": 4.738463262015654e-05,
1902
+ "loss": 4.0009,
1903
+ "step": 159744
1904
+ },
1905
+ {
1906
+ "epoch": 0.0,
1907
+ "learning_rate": 4.737624667264602e-05,
1908
+ "loss": 3.9978,
1909
+ "step": 160256
1910
+ },
1911
+ {
1912
+ "epoch": 0.0,
1913
+ "learning_rate": 4.73678607251355e-05,
1914
+ "loss": 3.9991,
1915
+ "step": 160768
1916
+ },
1917
+ {
1918
+ "epoch": 0.0,
1919
+ "learning_rate": 4.735947477762498e-05,
1920
+ "loss": 4.0022,
1921
+ "step": 161280
1922
+ },
1923
+ {
1924
+ "epoch": 0.0,
1925
+ "learning_rate": 4.735108883011446e-05,
1926
+ "loss": 3.9979,
1927
+ "step": 161792
1928
+ },
1929
+ {
1930
+ "epoch": 0.0,
1931
+ "learning_rate": 4.734271926140768e-05,
1932
+ "loss": 3.997,
1933
+ "step": 162304
1934
+ },
1935
+ {
1936
+ "epoch": 0.0,
1937
+ "learning_rate": 4.733433331389716e-05,
1938
+ "loss": 4.0167,
1939
+ "step": 162816
1940
+ },
1941
+ {
1942
+ "epoch": 0.0,
1943
+ "learning_rate": 4.732594736638664e-05,
1944
+ "loss": 4.0008,
1945
+ "step": 163328
1946
+ },
1947
+ {
1948
+ "epoch": 0.0,
1949
+ "learning_rate": 4.731756141887612e-05,
1950
+ "loss": 4.006,
1951
+ "step": 163840
1952
+ },
1953
+ {
1954
+ "epoch": 0.0,
1955
+ "learning_rate": 4.73091754713656e-05,
1956
+ "loss": 3.9936,
1957
+ "step": 164352
1958
+ },
1959
+ {
1960
+ "epoch": 0.0,
1961
+ "learning_rate": 4.730078952385508e-05,
1962
+ "loss": 4.0096,
1963
+ "step": 164864
1964
+ },
1965
+ {
1966
+ "epoch": 0.0,
1967
+ "learning_rate": 4.729240357634456e-05,
1968
+ "loss": 3.986,
1969
+ "step": 165376
1970
+ },
1971
+ {
1972
+ "epoch": 0.0,
1973
+ "learning_rate": 4.728401762883403e-05,
1974
+ "loss": 3.9975,
1975
+ "step": 165888
1976
+ },
1977
+ {
1978
+ "epoch": 0.0,
1979
+ "learning_rate": 4.727564806012725e-05,
1980
+ "loss": 3.9942,
1981
+ "step": 166400
1982
+ },
1983
+ {
1984
+ "epoch": 0.0,
1985
+ "learning_rate": 4.726726211261673e-05,
1986
+ "loss": 3.9917,
1987
+ "step": 166912
1988
+ },
1989
+ {
1990
+ "epoch": 0.0,
1991
+ "learning_rate": 4.725887616510621e-05,
1992
+ "loss": 3.9803,
1993
+ "step": 167424
1994
+ },
1995
+ {
1996
+ "epoch": 0.01,
1997
+ "learning_rate": 4.725049021759568e-05,
1998
+ "loss": 3.9852,
1999
+ "step": 167936
2000
+ },
2001
+ {
2002
+ "epoch": 0.01,
2003
+ "learning_rate": 4.7242120648888896e-05,
2004
+ "loss": 3.9935,
2005
+ "step": 168448
2006
+ },
2007
+ {
2008
+ "epoch": 0.01,
2009
+ "learning_rate": 4.723373470137838e-05,
2010
+ "loss": 3.9967,
2011
+ "step": 168960
2012
+ },
2013
+ {
2014
+ "epoch": 0.01,
2015
+ "learning_rate": 4.722536513267159e-05,
2016
+ "loss": 3.9922,
2017
+ "step": 169472
2018
+ },
2019
+ {
2020
+ "epoch": 0.01,
2021
+ "learning_rate": 4.721697918516107e-05,
2022
+ "loss": 3.9914,
2023
+ "step": 169984
2024
+ },
2025
+ {
2026
+ "epoch": 0.01,
2027
+ "learning_rate": 4.720859323765055e-05,
2028
+ "loss": 3.9885,
2029
+ "step": 170496
2030
+ },
2031
+ {
2032
+ "epoch": 0.01,
2033
+ "learning_rate": 4.720020729014003e-05,
2034
+ "loss": 3.9935,
2035
+ "step": 171008
2036
+ },
2037
+ {
2038
+ "epoch": 0.01,
2039
+ "learning_rate": 4.7191821342629505e-05,
2040
+ "loss": 3.9783,
2041
+ "step": 171520
2042
+ },
2043
+ {
2044
+ "epoch": 0.01,
2045
+ "learning_rate": 4.7183435395118985e-05,
2046
+ "loss": 3.9806,
2047
+ "step": 172032
2048
+ },
2049
+ {
2050
+ "epoch": 0.01,
2051
+ "learning_rate": 4.7175049447608465e-05,
2052
+ "loss": 3.9712,
2053
+ "step": 172544
2054
+ },
2055
+ {
2056
+ "epoch": 0.01,
2057
+ "learning_rate": 4.716667987890168e-05,
2058
+ "loss": 3.9888,
2059
+ "step": 173056
2060
+ },
2061
+ {
2062
+ "epoch": 0.01,
2063
+ "learning_rate": 4.7158293931391154e-05,
2064
+ "loss": 3.9748,
2065
+ "step": 173568
2066
+ },
2067
+ {
2068
+ "epoch": 0.01,
2069
+ "learning_rate": 4.7149907983880634e-05,
2070
+ "loss": 3.9856,
2071
+ "step": 174080
2072
+ },
2073
+ {
2074
+ "epoch": 0.01,
2075
+ "learning_rate": 4.714152203637012e-05,
2076
+ "loss": 3.9773,
2077
+ "step": 174592
2078
+ },
2079
+ {
2080
+ "epoch": 0.01,
2081
+ "learning_rate": 4.71331360888596e-05,
2082
+ "loss": 3.9737,
2083
+ "step": 175104
2084
+ },
2085
+ {
2086
+ "epoch": 0.01,
2087
+ "learning_rate": 4.712475014134908e-05,
2088
+ "loss": 3.9859,
2089
+ "step": 175616
2090
+ },
2091
+ {
2092
+ "epoch": 0.01,
2093
+ "learning_rate": 4.711636419383856e-05,
2094
+ "loss": 3.9725,
2095
+ "step": 176128
2096
+ },
2097
+ {
2098
+ "epoch": 0.01,
2099
+ "learning_rate": 4.710797824632804e-05,
2100
+ "loss": 3.9767,
2101
+ "step": 176640
2102
+ },
2103
+ {
2104
+ "epoch": 0.01,
2105
+ "learning_rate": 4.709960867762125e-05,
2106
+ "loss": 3.9588,
2107
+ "step": 177152
2108
+ },
2109
+ {
2110
+ "epoch": 0.01,
2111
+ "learning_rate": 4.709122273011073e-05,
2112
+ "loss": 3.9707,
2113
+ "step": 177664
2114
+ },
2115
+ {
2116
+ "epoch": 0.01,
2117
+ "learning_rate": 4.708283678260021e-05,
2118
+ "loss": 3.9785,
2119
+ "step": 178176
2120
+ },
2121
+ {
2122
+ "epoch": 0.01,
2123
+ "learning_rate": 4.707446721389342e-05,
2124
+ "loss": 3.973,
2125
+ "step": 178688
2126
+ },
2127
+ {
2128
+ "epoch": 0.01,
2129
+ "learning_rate": 4.70660812663829e-05,
2130
+ "loss": 3.9713,
2131
+ "step": 179200
2132
+ },
2133
+ {
2134
+ "epoch": 0.01,
2135
+ "learning_rate": 4.705769531887238e-05,
2136
+ "loss": 3.9564,
2137
+ "step": 179712
2138
+ },
2139
+ {
2140
+ "epoch": 0.01,
2141
+ "learning_rate": 4.704930937136186e-05,
2142
+ "loss": 3.9702,
2143
+ "step": 180224
2144
+ },
2145
+ {
2146
+ "epoch": 0.01,
2147
+ "learning_rate": 4.704092342385134e-05,
2148
+ "loss": 3.9565,
2149
+ "step": 180736
2150
+ },
2151
+ {
2152
+ "epoch": 0.01,
2153
+ "learning_rate": 4.703253747634082e-05,
2154
+ "loss": 3.9783,
2155
+ "step": 181248
2156
+ },
2157
+ {
2158
+ "epoch": 0.01,
2159
+ "learning_rate": 4.7024167907634034e-05,
2160
+ "loss": 3.953,
2161
+ "step": 181760
2162
+ },
2163
+ {
2164
+ "epoch": 0.01,
2165
+ "learning_rate": 4.7015781960123514e-05,
2166
+ "loss": 3.9735,
2167
+ "step": 182272
2168
+ },
2169
+ {
2170
+ "epoch": 0.01,
2171
+ "learning_rate": 4.7007396012612994e-05,
2172
+ "loss": 3.9712,
2173
+ "step": 182784
2174
+ },
2175
+ {
2176
+ "epoch": 0.01,
2177
+ "learning_rate": 4.6999010065102474e-05,
2178
+ "loss": 3.9532,
2179
+ "step": 183296
2180
+ },
2181
+ {
2182
+ "epoch": 0.01,
2183
+ "learning_rate": 4.6990624117591954e-05,
2184
+ "loss": 3.9602,
2185
+ "step": 183808
2186
+ },
2187
+ {
2188
+ "epoch": 0.01,
2189
+ "learning_rate": 4.6982238170081434e-05,
2190
+ "loss": 3.9646,
2191
+ "step": 184320
2192
+ },
2193
+ {
2194
+ "epoch": 0.01,
2195
+ "learning_rate": 4.6973852222570914e-05,
2196
+ "loss": 3.952,
2197
+ "step": 184832
2198
+ },
2199
+ {
2200
+ "epoch": 0.01,
2201
+ "learning_rate": 4.6965466275060394e-05,
2202
+ "loss": 3.9561,
2203
+ "step": 185344
2204
+ },
2205
+ {
2206
+ "epoch": 0.01,
2207
+ "learning_rate": 4.69570967063536e-05,
2208
+ "loss": 3.9672,
2209
+ "step": 185856
2210
+ },
2211
+ {
2212
+ "epoch": 0.01,
2213
+ "learning_rate": 4.694871075884308e-05,
2214
+ "loss": 3.9624,
2215
+ "step": 186368
2216
+ },
2217
+ {
2218
+ "epoch": 0.01,
2219
+ "learning_rate": 4.694032481133256e-05,
2220
+ "loss": 3.9495,
2221
+ "step": 186880
2222
+ },
2223
+ {
2224
+ "epoch": 0.01,
2225
+ "learning_rate": 4.693193886382204e-05,
2226
+ "loss": 3.9561,
2227
+ "step": 187392
2228
+ },
2229
+ {
2230
+ "epoch": 0.01,
2231
+ "learning_rate": 4.692356929511526e-05,
2232
+ "loss": 3.9472,
2233
+ "step": 187904
2234
+ },
2235
+ {
2236
+ "epoch": 0.01,
2237
+ "learning_rate": 4.691518334760474e-05,
2238
+ "loss": 3.9577,
2239
+ "step": 188416
2240
+ },
2241
+ {
2242
+ "epoch": 0.01,
2243
+ "learning_rate": 4.690679740009422e-05,
2244
+ "loss": 3.9725,
2245
+ "step": 188928
2246
+ },
2247
+ {
2248
+ "epoch": 0.01,
2249
+ "learning_rate": 4.689841145258369e-05,
2250
+ "loss": 3.9561,
2251
+ "step": 189440
2252
+ },
2253
+ {
2254
+ "epoch": 0.01,
2255
+ "learning_rate": 4.6890058262680636e-05,
2256
+ "loss": 3.9696,
2257
+ "step": 189952
2258
+ },
2259
+ {
2260
+ "epoch": 0.01,
2261
+ "learning_rate": 4.6881672315170116e-05,
2262
+ "loss": 3.9653,
2263
+ "step": 190464
2264
+ },
2265
+ {
2266
+ "epoch": 0.01,
2267
+ "learning_rate": 4.6873286367659596e-05,
2268
+ "loss": 3.9607,
2269
+ "step": 190976
2270
+ },
2271
+ {
2272
+ "epoch": 0.01,
2273
+ "learning_rate": 4.6864900420149076e-05,
2274
+ "loss": 3.9478,
2275
+ "step": 191488
2276
+ },
2277
+ {
2278
+ "epoch": 0.01,
2279
+ "learning_rate": 4.6856514472638556e-05,
2280
+ "loss": 3.9639,
2281
+ "step": 192000
2282
+ },
2283
+ {
2284
+ "epoch": 0.01,
2285
+ "learning_rate": 4.6848128525128036e-05,
2286
+ "loss": 3.9537,
2287
+ "step": 192512
2288
+ },
2289
+ {
2290
+ "epoch": 0.01,
2291
+ "learning_rate": 4.683974257761751e-05,
2292
+ "loss": 3.9549,
2293
+ "step": 193024
2294
+ },
2295
+ {
2296
+ "epoch": 0.01,
2297
+ "learning_rate": 4.6831356630106996e-05,
2298
+ "loss": 3.9507,
2299
+ "step": 193536
2300
+ },
2301
+ {
2302
+ "epoch": 0.01,
2303
+ "learning_rate": 4.6822987061400205e-05,
2304
+ "loss": 3.9563,
2305
+ "step": 194048
2306
+ },
2307
+ {
2308
+ "epoch": 0.01,
2309
+ "learning_rate": 4.681460111388969e-05,
2310
+ "loss": 3.9699,
2311
+ "step": 194560
2312
+ },
2313
+ {
2314
+ "epoch": 0.01,
2315
+ "learning_rate": 4.6806215166379165e-05,
2316
+ "loss": 3.9513,
2317
+ "step": 195072
2318
+ },
2319
+ {
2320
+ "epoch": 0.01,
2321
+ "learning_rate": 4.6797829218868645e-05,
2322
+ "loss": 3.9394,
2323
+ "step": 195584
2324
+ },
2325
+ {
2326
+ "epoch": 0.01,
2327
+ "learning_rate": 4.678945965016186e-05,
2328
+ "loss": 3.9439,
2329
+ "step": 196096
2330
+ },
2331
+ {
2332
+ "epoch": 0.01,
2333
+ "learning_rate": 4.678107370265134e-05,
2334
+ "loss": 3.9535,
2335
+ "step": 196608
2336
+ },
2337
+ {
2338
+ "epoch": 0.01,
2339
+ "learning_rate": 4.6772687755140814e-05,
2340
+ "loss": 3.9528,
2341
+ "step": 197120
2342
+ },
2343
+ {
2344
+ "epoch": 0.01,
2345
+ "learning_rate": 4.6764301807630294e-05,
2346
+ "loss": 3.9564,
2347
+ "step": 197632
2348
+ },
2349
+ {
2350
+ "epoch": 0.01,
2351
+ "learning_rate": 4.675593223892351e-05,
2352
+ "loss": 3.9393,
2353
+ "step": 198144
2354
+ },
2355
+ {
2356
+ "epoch": 0.02,
2357
+ "learning_rate": 4.674754629141298e-05,
2358
+ "loss": 3.9449,
2359
+ "step": 198656
2360
+ },
2361
+ {
2362
+ "epoch": 0.02,
2363
+ "learning_rate": 4.673916034390246e-05,
2364
+ "loss": 3.9365,
2365
+ "step": 199168
2366
+ },
2367
+ {
2368
+ "epoch": 0.02,
2369
+ "learning_rate": 4.673077439639194e-05,
2370
+ "loss": 3.9422,
2371
+ "step": 199680
2372
+ },
2373
+ {
2374
+ "epoch": 0.02,
2375
+ "learning_rate": 4.672240482768516e-05,
2376
+ "loss": 3.9478,
2377
+ "step": 200192
2378
+ },
2379
+ {
2380
+ "epoch": 0.02,
2381
+ "learning_rate": 4.671401888017464e-05,
2382
+ "loss": 3.9459,
2383
+ "step": 200704
2384
+ },
2385
+ {
2386
+ "epoch": 0.02,
2387
+ "learning_rate": 4.6705649311467855e-05,
2388
+ "loss": 3.9649,
2389
+ "step": 201216
2390
+ },
2391
+ {
2392
+ "epoch": 0.02,
2393
+ "learning_rate": 4.6697263363957335e-05,
2394
+ "loss": 3.9441,
2395
+ "step": 201728
2396
+ },
2397
+ {
2398
+ "epoch": 0.02,
2399
+ "learning_rate": 4.6688877416446815e-05,
2400
+ "loss": 3.9354,
2401
+ "step": 202240
2402
+ },
2403
+ {
2404
+ "epoch": 0.02,
2405
+ "learning_rate": 4.668049146893629e-05,
2406
+ "loss": 3.9415,
2407
+ "step": 202752
2408
+ },
2409
+ {
2410
+ "epoch": 0.02,
2411
+ "learning_rate": 4.667210552142577e-05,
2412
+ "loss": 3.942,
2413
+ "step": 203264
2414
+ },
2415
+ {
2416
+ "epoch": 0.02,
2417
+ "learning_rate": 4.6663735952718984e-05,
2418
+ "loss": 3.9487,
2419
+ "step": 203776
2420
+ },
2421
+ {
2422
+ "epoch": 0.02,
2423
+ "learning_rate": 4.665535000520846e-05,
2424
+ "loss": 3.9444,
2425
+ "step": 204288
2426
+ },
2427
+ {
2428
+ "epoch": 0.02,
2429
+ "learning_rate": 4.664696405769794e-05,
2430
+ "loss": 3.9397,
2431
+ "step": 204800
2432
+ },
2433
+ {
2434
+ "epoch": 0.02,
2435
+ "learning_rate": 4.663857811018742e-05,
2436
+ "loss": 3.9361,
2437
+ "step": 205312
2438
+ },
2439
+ {
2440
+ "epoch": 0.02,
2441
+ "learning_rate": 4.66301921626769e-05,
2442
+ "loss": 3.946,
2443
+ "step": 205824
2444
+ },
2445
+ {
2446
+ "epoch": 0.02,
2447
+ "learning_rate": 4.6621806215166383e-05,
2448
+ "loss": 3.9216,
2449
+ "step": 206336
2450
+ },
2451
+ {
2452
+ "epoch": 0.02,
2453
+ "learning_rate": 4.661343664645959e-05,
2454
+ "loss": 3.9363,
2455
+ "step": 206848
2456
+ },
2457
+ {
2458
+ "epoch": 0.02,
2459
+ "learning_rate": 4.660505069894907e-05,
2460
+ "loss": 3.9317,
2461
+ "step": 207360
2462
+ },
2463
+ {
2464
+ "epoch": 0.02,
2465
+ "learning_rate": 4.659666475143855e-05,
2466
+ "loss": 3.9362,
2467
+ "step": 207872
2468
+ },
2469
+ {
2470
+ "epoch": 0.02,
2471
+ "learning_rate": 4.658827880392803e-05,
2472
+ "loss": 3.9279,
2473
+ "step": 208384
2474
+ },
2475
+ {
2476
+ "epoch": 0.02,
2477
+ "learning_rate": 4.657989285641751e-05,
2478
+ "loss": 3.9388,
2479
+ "step": 208896
2480
+ },
2481
+ {
2482
+ "epoch": 0.02,
2483
+ "learning_rate": 4.657150690890699e-05,
2484
+ "loss": 3.9243,
2485
+ "step": 209408
2486
+ },
2487
+ {
2488
+ "epoch": 0.02,
2489
+ "learning_rate": 4.656312096139647e-05,
2490
+ "loss": 3.929,
2491
+ "step": 209920
2492
+ },
2493
+ {
2494
+ "epoch": 0.02,
2495
+ "learning_rate": 4.655473501388595e-05,
2496
+ "loss": 3.9356,
2497
+ "step": 210432
2498
+ },
2499
+ {
2500
+ "epoch": 0.02,
2501
+ "learning_rate": 4.654636544517916e-05,
2502
+ "loss": 3.9297,
2503
+ "step": 210944
2504
+ },
2505
+ {
2506
+ "epoch": 0.02,
2507
+ "learning_rate": 4.653797949766864e-05,
2508
+ "loss": 3.9493,
2509
+ "step": 211456
2510
+ },
2511
+ {
2512
+ "epoch": 0.02,
2513
+ "learning_rate": 4.652960992896185e-05,
2514
+ "loss": 3.9398,
2515
+ "step": 211968
2516
+ },
2517
+ {
2518
+ "epoch": 0.02,
2519
+ "learning_rate": 4.652122398145134e-05,
2520
+ "loss": 3.9364,
2521
+ "step": 212480
2522
+ },
2523
+ {
2524
+ "epoch": 0.02,
2525
+ "learning_rate": 4.651283803394082e-05,
2526
+ "loss": 3.926,
2527
+ "step": 212992
2528
+ },
2529
+ {
2530
+ "epoch": 0.02,
2531
+ "learning_rate": 4.65044520864303e-05,
2532
+ "loss": 3.9299,
2533
+ "step": 213504
2534
+ },
2535
+ {
2536
+ "epoch": 0.02,
2537
+ "learning_rate": 4.649606613891978e-05,
2538
+ "loss": 3.9317,
2539
+ "step": 214016
2540
+ },
2541
+ {
2542
+ "epoch": 0.02,
2543
+ "learning_rate": 4.648768019140926e-05,
2544
+ "loss": 3.9319,
2545
+ "step": 214528
2546
+ },
2547
+ {
2548
+ "epoch": 0.02,
2549
+ "learning_rate": 4.647929424389874e-05,
2550
+ "loss": 3.9285,
2551
+ "step": 215040
2552
+ },
2553
+ {
2554
+ "epoch": 0.02,
2555
+ "learning_rate": 4.6470924675191946e-05,
2556
+ "loss": 3.9196,
2557
+ "step": 215552
2558
+ },
2559
+ {
2560
+ "epoch": 0.02,
2561
+ "learning_rate": 4.6462538727681426e-05,
2562
+ "loss": 3.9315,
2563
+ "step": 216064
2564
+ },
2565
+ {
2566
+ "epoch": 0.02,
2567
+ "learning_rate": 4.6454152780170906e-05,
2568
+ "loss": 3.9178,
2569
+ "step": 216576
2570
+ },
2571
+ {
2572
+ "epoch": 0.02,
2573
+ "learning_rate": 4.6445766832660386e-05,
2574
+ "loss": 3.9247,
2575
+ "step": 217088
2576
+ },
2577
+ {
2578
+ "epoch": 0.02,
2579
+ "learning_rate": 4.6437397263953595e-05,
2580
+ "loss": 3.9226,
2581
+ "step": 217600
2582
+ },
2583
+ {
2584
+ "epoch": 0.02,
2585
+ "learning_rate": 4.6429027695246804e-05,
2586
+ "loss": 3.9229,
2587
+ "step": 218112
2588
+ },
2589
+ {
2590
+ "epoch": 0.02,
2591
+ "learning_rate": 4.642064174773629e-05,
2592
+ "loss": 3.913,
2593
+ "step": 218624
2594
+ },
2595
+ {
2596
+ "epoch": 0.02,
2597
+ "learning_rate": 4.641225580022577e-05,
2598
+ "loss": 3.937,
2599
+ "step": 219136
2600
+ },
2601
+ {
2602
+ "epoch": 0.02,
2603
+ "learning_rate": 4.640386985271525e-05,
2604
+ "loss": 3.9374,
2605
+ "step": 219648
2606
+ },
2607
+ {
2608
+ "epoch": 0.02,
2609
+ "learning_rate": 4.639548390520473e-05,
2610
+ "loss": 3.9275,
2611
+ "step": 220160
2612
+ },
2613
+ {
2614
+ "epoch": 0.02,
2615
+ "learning_rate": 4.638709795769421e-05,
2616
+ "loss": 3.9123,
2617
+ "step": 220672
2618
+ },
2619
+ {
2620
+ "epoch": 0.02,
2621
+ "learning_rate": 4.637871201018369e-05,
2622
+ "loss": 3.9277,
2623
+ "step": 221184
2624
+ },
2625
+ {
2626
+ "epoch": 0.02,
2627
+ "learning_rate": 4.637032606267317e-05,
2628
+ "loss": 3.9261,
2629
+ "step": 221696
2630
+ },
2631
+ {
2632
+ "epoch": 0.02,
2633
+ "learning_rate": 4.636195649396638e-05,
2634
+ "loss": 3.9306,
2635
+ "step": 222208
2636
+ },
2637
+ {
2638
+ "epoch": 0.02,
2639
+ "learning_rate": 4.635357054645586e-05,
2640
+ "loss": 3.9252,
2641
+ "step": 222720
2642
+ },
2643
+ {
2644
+ "epoch": 0.02,
2645
+ "learning_rate": 4.634520097774907e-05,
2646
+ "loss": 3.9222,
2647
+ "step": 223232
2648
+ },
2649
+ {
2650
+ "epoch": 0.02,
2651
+ "learning_rate": 4.633681503023855e-05,
2652
+ "loss": 3.9216,
2653
+ "step": 223744
2654
+ },
2655
+ {
2656
+ "epoch": 0.02,
2657
+ "learning_rate": 4.632842908272803e-05,
2658
+ "loss": 3.9291,
2659
+ "step": 224256
2660
+ },
2661
+ {
2662
+ "epoch": 0.02,
2663
+ "learning_rate": 4.632004313521751e-05,
2664
+ "loss": 3.9189,
2665
+ "step": 224768
2666
+ },
2667
+ {
2668
+ "epoch": 0.02,
2669
+ "learning_rate": 4.631165718770699e-05,
2670
+ "loss": 3.9238,
2671
+ "step": 225280
2672
+ },
2673
+ {
2674
+ "epoch": 0.02,
2675
+ "learning_rate": 4.6303271240196475e-05,
2676
+ "loss": 3.9214,
2677
+ "step": 225792
2678
+ },
2679
+ {
2680
+ "epoch": 0.02,
2681
+ "learning_rate": 4.629488529268595e-05,
2682
+ "loss": 3.9125,
2683
+ "step": 226304
2684
+ },
2685
+ {
2686
+ "epoch": 0.02,
2687
+ "learning_rate": 4.628649934517543e-05,
2688
+ "loss": 3.9259,
2689
+ "step": 226816
2690
+ },
2691
+ {
2692
+ "epoch": 0.02,
2693
+ "learning_rate": 4.6278146155272373e-05,
2694
+ "loss": 3.9218,
2695
+ "step": 227328
2696
+ },
2697
+ {
2698
+ "epoch": 0.02,
2699
+ "learning_rate": 4.626976020776185e-05,
2700
+ "loss": 3.9177,
2701
+ "step": 227840
2702
+ },
2703
+ {
2704
+ "epoch": 0.02,
2705
+ "learning_rate": 4.626137426025133e-05,
2706
+ "loss": 3.9112,
2707
+ "step": 228352
2708
+ },
2709
+ {
2710
+ "epoch": 0.02,
2711
+ "learning_rate": 4.625298831274081e-05,
2712
+ "loss": 3.9099,
2713
+ "step": 228864
2714
+ },
2715
+ {
2716
+ "epoch": 0.03,
2717
+ "eval_loss": 3.9509408473968506,
2718
+ "eval_runtime": 306.3068,
2719
+ "eval_samples_per_second": 1245.781,
2720
+ "eval_steps_per_second": 38.932,
2721
+ "step": 228960
2722
+ },
2723
+ {
2724
+ "epoch": 1.0,
2725
+ "learning_rate": 4.624460236523029e-05,
2726
+ "loss": 3.9126,
2727
+ "step": 229376
2728
+ },
2729
+ {
2730
+ "epoch": 1.0,
2731
+ "learning_rate": 4.6236216417719766e-05,
2732
+ "loss": 3.9037,
2733
+ "step": 229888
2734
+ },
2735
+ {
2736
+ "epoch": 1.0,
2737
+ "learning_rate": 4.6227830470209246e-05,
2738
+ "loss": 3.9199,
2739
+ "step": 230400
2740
+ },
2741
+ {
2742
+ "epoch": 1.0,
2743
+ "learning_rate": 4.6219444522698726e-05,
2744
+ "loss": 3.9119,
2745
+ "step": 230912
2746
+ },
2747
+ {
2748
+ "epoch": 1.0,
2749
+ "learning_rate": 4.621107495399194e-05,
2750
+ "loss": 3.9245,
2751
+ "step": 231424
2752
+ },
2753
+ {
2754
+ "epoch": 1.0,
2755
+ "learning_rate": 4.620268900648142e-05,
2756
+ "loss": 3.9048,
2757
+ "step": 231936
2758
+ },
2759
+ {
2760
+ "epoch": 1.0,
2761
+ "learning_rate": 4.61943030589709e-05,
2762
+ "loss": 3.9071,
2763
+ "step": 232448
2764
+ },
2765
+ {
2766
+ "epoch": 1.0,
2767
+ "learning_rate": 4.618591711146038e-05,
2768
+ "loss": 3.8971,
2769
+ "step": 232960
2770
+ },
2771
+ {
2772
+ "epoch": 1.0,
2773
+ "learning_rate": 4.617753116394986e-05,
2774
+ "loss": 3.9127,
2775
+ "step": 233472
2776
+ },
2777
+ {
2778
+ "epoch": 1.0,
2779
+ "learning_rate": 4.616914521643934e-05,
2780
+ "loss": 3.9127,
2781
+ "step": 233984
2782
+ },
2783
+ {
2784
+ "epoch": 1.0,
2785
+ "learning_rate": 4.616077564773255e-05,
2786
+ "loss": 3.9125,
2787
+ "step": 234496
2788
+ },
2789
+ {
2790
+ "epoch": 1.0,
2791
+ "learning_rate": 4.615238970022203e-05,
2792
+ "loss": 3.9064,
2793
+ "step": 235008
2794
+ },
2795
+ {
2796
+ "epoch": 1.0,
2797
+ "learning_rate": 4.614400375271151e-05,
2798
+ "loss": 3.9034,
2799
+ "step": 235520
2800
+ },
2801
+ {
2802
+ "epoch": 1.0,
2803
+ "learning_rate": 4.613561780520099e-05,
2804
+ "loss": 3.901,
2805
+ "step": 236032
2806
+ },
2807
+ {
2808
+ "epoch": 1.0,
2809
+ "learning_rate": 4.612723185769047e-05,
2810
+ "loss": 3.8956,
2811
+ "step": 236544
2812
+ },
2813
+ {
2814
+ "epoch": 1.0,
2815
+ "learning_rate": 4.611884591017995e-05,
2816
+ "loss": 3.899,
2817
+ "step": 237056
2818
+ },
2819
+ {
2820
+ "epoch": 1.0,
2821
+ "learning_rate": 4.611047634147316e-05,
2822
+ "loss": 3.9019,
2823
+ "step": 237568
2824
+ },
2825
+ {
2826
+ "epoch": 1.0,
2827
+ "learning_rate": 4.610209039396265e-05,
2828
+ "loss": 3.8961,
2829
+ "step": 238080
2830
+ },
2831
+ {
2832
+ "epoch": 1.0,
2833
+ "learning_rate": 4.609370444645213e-05,
2834
+ "loss": 3.8971,
2835
+ "step": 238592
2836
+ },
2837
+ {
2838
+ "epoch": 1.0,
2839
+ "learning_rate": 4.6085318498941607e-05,
2840
+ "loss": 3.9202,
2841
+ "step": 239104
2842
+ },
2843
+ {
2844
+ "epoch": 1.0,
2845
+ "learning_rate": 4.6076932551431087e-05,
2846
+ "loss": 3.9023,
2847
+ "step": 239616
2848
+ },
2849
+ {
2850
+ "epoch": 1.0,
2851
+ "learning_rate": 4.6068546603920566e-05,
2852
+ "loss": 3.9034,
2853
+ "step": 240128
2854
+ },
2855
+ {
2856
+ "epoch": 1.0,
2857
+ "learning_rate": 4.6060160656410046e-05,
2858
+ "loss": 3.8974,
2859
+ "step": 240640
2860
+ },
2861
+ {
2862
+ "epoch": 1.0,
2863
+ "learning_rate": 4.6051791087703256e-05,
2864
+ "loss": 3.9069,
2865
+ "step": 241152
2866
+ },
2867
+ {
2868
+ "epoch": 1.0,
2869
+ "learning_rate": 4.6043405140192735e-05,
2870
+ "loss": 3.8897,
2871
+ "step": 241664
2872
+ },
2873
+ {
2874
+ "epoch": 1.0,
2875
+ "learning_rate": 4.6035035571485945e-05,
2876
+ "loss": 3.9042,
2877
+ "step": 242176
2878
+ },
2879
+ {
2880
+ "epoch": 1.0,
2881
+ "learning_rate": 4.6026649623975425e-05,
2882
+ "loss": 3.8954,
2883
+ "step": 242688
2884
+ },
2885
+ {
2886
+ "epoch": 1.0,
2887
+ "learning_rate": 4.6018263676464904e-05,
2888
+ "loss": 3.8922,
2889
+ "step": 243200
2890
+ },
2891
+ {
2892
+ "epoch": 1.0,
2893
+ "learning_rate": 4.6009877728954384e-05,
2894
+ "loss": 3.8809,
2895
+ "step": 243712
2896
+ },
2897
+ {
2898
+ "epoch": 1.01,
2899
+ "learning_rate": 4.6001491781443864e-05,
2900
+ "loss": 3.8899,
2901
+ "step": 244224
2902
+ },
2903
+ {
2904
+ "epoch": 1.01,
2905
+ "learning_rate": 4.599312221273708e-05,
2906
+ "loss": 3.8951,
2907
+ "step": 244736
2908
+ },
2909
+ {
2910
+ "epoch": 1.01,
2911
+ "learning_rate": 4.598473626522656e-05,
2912
+ "loss": 3.9011,
2913
+ "step": 245248
2914
+ },
2915
+ {
2916
+ "epoch": 1.01,
2917
+ "learning_rate": 4.597635031771604e-05,
2918
+ "loss": 3.9008,
2919
+ "step": 245760
2920
+ },
2921
+ {
2922
+ "epoch": 1.01,
2923
+ "learning_rate": 4.596796437020552e-05,
2924
+ "loss": 3.8979,
2925
+ "step": 246272
2926
+ },
2927
+ {
2928
+ "epoch": 1.01,
2929
+ "learning_rate": 4.595959480149873e-05,
2930
+ "loss": 3.8881,
2931
+ "step": 246784
2932
+ },
2933
+ {
2934
+ "epoch": 1.01,
2935
+ "learning_rate": 4.595120885398821e-05,
2936
+ "loss": 3.9023,
2937
+ "step": 247296
2938
+ },
2939
+ {
2940
+ "epoch": 1.01,
2941
+ "learning_rate": 4.594282290647769e-05,
2942
+ "loss": 3.8835,
2943
+ "step": 247808
2944
+ },
2945
+ {
2946
+ "epoch": 1.01,
2947
+ "learning_rate": 4.593443695896717e-05,
2948
+ "loss": 3.8911,
2949
+ "step": 248320
2950
+ },
2951
+ {
2952
+ "epoch": 1.01,
2953
+ "learning_rate": 4.592605101145665e-05,
2954
+ "loss": 3.8761,
2955
+ "step": 248832
2956
+ },
2957
+ {
2958
+ "epoch": 1.01,
2959
+ "learning_rate": 4.591768144274986e-05,
2960
+ "loss": 3.8934,
2961
+ "step": 249344
2962
+ },
2963
+ {
2964
+ "epoch": 1.01,
2965
+ "learning_rate": 4.590929549523934e-05,
2966
+ "loss": 3.8819,
2967
+ "step": 249856
2968
+ },
2969
+ {
2970
+ "epoch": 1.01,
2971
+ "learning_rate": 4.590090954772882e-05,
2972
+ "loss": 3.8926,
2973
+ "step": 250368
2974
+ },
2975
+ {
2976
+ "epoch": 1.01,
2977
+ "learning_rate": 4.58925236002183e-05,
2978
+ "loss": 3.888,
2979
+ "step": 250880
2980
+ },
2981
+ {
2982
+ "epoch": 1.01,
2983
+ "learning_rate": 4.5884154031511514e-05,
2984
+ "loss": 3.879,
2985
+ "step": 251392
2986
+ },
2987
+ {
2988
+ "epoch": 1.01,
2989
+ "learning_rate": 4.5875768084000994e-05,
2990
+ "loss": 3.8949,
2991
+ "step": 251904
2992
+ },
2993
+ {
2994
+ "epoch": 1.01,
2995
+ "learning_rate": 4.5867382136490474e-05,
2996
+ "loss": 3.8828,
2997
+ "step": 252416
2998
+ },
2999
+ {
3000
+ "epoch": 1.01,
3001
+ "learning_rate": 4.5858996188979954e-05,
3002
+ "loss": 3.8811,
3003
+ "step": 252928
3004
+ },
3005
+ {
3006
+ "epoch": 1.01,
3007
+ "learning_rate": 4.585061024146943e-05,
3008
+ "loss": 3.8711,
3009
+ "step": 253440
3010
+ },
3011
+ {
3012
+ "epoch": 1.01,
3013
+ "learning_rate": 4.584224067276264e-05,
3014
+ "loss": 3.8778,
3015
+ "step": 253952
3016
+ },
3017
+ {
3018
+ "epoch": 1.01,
3019
+ "learning_rate": 4.583385472525212e-05,
3020
+ "loss": 3.8864,
3021
+ "step": 254464
3022
+ },
3023
+ {
3024
+ "epoch": 1.01,
3025
+ "learning_rate": 4.58254687777416e-05,
3026
+ "loss": 3.8823,
3027
+ "step": 254976
3028
+ },
3029
+ {
3030
+ "epoch": 1.01,
3031
+ "learning_rate": 4.5817082830231076e-05,
3032
+ "loss": 3.8801,
3033
+ "step": 255488
3034
+ },
3035
+ {
3036
+ "epoch": 1.01,
3037
+ "learning_rate": 4.580871326152429e-05,
3038
+ "loss": 3.8691,
3039
+ "step": 256000
3040
+ },
3041
+ {
3042
+ "epoch": 1.01,
3043
+ "learning_rate": 4.580032731401377e-05,
3044
+ "loss": 3.8805,
3045
+ "step": 256512
3046
+ },
3047
+ {
3048
+ "epoch": 1.01,
3049
+ "learning_rate": 4.579194136650325e-05,
3050
+ "loss": 3.8648,
3051
+ "step": 257024
3052
+ },
3053
+ {
3054
+ "epoch": 1.01,
3055
+ "learning_rate": 4.578355541899273e-05,
3056
+ "loss": 3.8866,
3057
+ "step": 257536
3058
+ },
3059
+ {
3060
+ "epoch": 1.01,
3061
+ "learning_rate": 4.577516947148221e-05,
3062
+ "loss": 3.8725,
3063
+ "step": 258048
3064
+ },
3065
+ {
3066
+ "epoch": 1.01,
3067
+ "learning_rate": 4.576678352397169e-05,
3068
+ "loss": 3.8784,
3069
+ "step": 258560
3070
+ },
3071
+ {
3072
+ "epoch": 1.01,
3073
+ "learning_rate": 4.575839757646117e-05,
3074
+ "loss": 3.8823,
3075
+ "step": 259072
3076
+ },
3077
+ {
3078
+ "epoch": 1.01,
3079
+ "learning_rate": 4.575002800775438e-05,
3080
+ "loss": 3.8667,
3081
+ "step": 259584
3082
+ },
3083
+ {
3084
+ "epoch": 1.01,
3085
+ "learning_rate": 4.574164206024386e-05,
3086
+ "loss": 3.8709,
3087
+ "step": 260096
3088
+ },
3089
+ {
3090
+ "epoch": 1.01,
3091
+ "learning_rate": 4.573325611273334e-05,
3092
+ "loss": 3.8763,
3093
+ "step": 260608
3094
+ },
3095
+ {
3096
+ "epoch": 1.01,
3097
+ "learning_rate": 4.572487016522282e-05,
3098
+ "loss": 3.8643,
3099
+ "step": 261120
3100
+ },
3101
+ {
3102
+ "epoch": 1.01,
3103
+ "learning_rate": 4.571650059651603e-05,
3104
+ "loss": 3.872,
3105
+ "step": 261632
3106
+ },
3107
+ {
3108
+ "epoch": 1.01,
3109
+ "learning_rate": 4.570811464900551e-05,
3110
+ "loss": 3.8745,
3111
+ "step": 262144
3112
+ },
3113
+ {
3114
+ "epoch": 1.01,
3115
+ "learning_rate": 4.569972870149499e-05,
3116
+ "loss": 3.8769,
3117
+ "step": 262656
3118
+ },
3119
+ {
3120
+ "epoch": 1.01,
3121
+ "learning_rate": 4.5691342753984476e-05,
3122
+ "loss": 3.8617,
3123
+ "step": 263168
3124
+ },
3125
+ {
3126
+ "epoch": 1.01,
3127
+ "learning_rate": 4.5682956806473956e-05,
3128
+ "loss": 3.8705,
3129
+ "step": 263680
3130
+ },
3131
+ {
3132
+ "epoch": 1.01,
3133
+ "learning_rate": 4.5674570858963436e-05,
3134
+ "loss": 3.8595,
3135
+ "step": 264192
3136
+ },
3137
+ {
3138
+ "epoch": 1.01,
3139
+ "learning_rate": 4.5666201290256645e-05,
3140
+ "loss": 3.8686,
3141
+ "step": 264704
3142
+ },
3143
+ {
3144
+ "epoch": 1.01,
3145
+ "learning_rate": 4.5657815342746125e-05,
3146
+ "loss": 3.8811,
3147
+ "step": 265216
3148
+ },
3149
+ {
3150
+ "epoch": 1.01,
3151
+ "learning_rate": 4.5649429395235605e-05,
3152
+ "loss": 3.8729,
3153
+ "step": 265728
3154
+ },
3155
+ {
3156
+ "epoch": 1.01,
3157
+ "learning_rate": 4.5641043447725085e-05,
3158
+ "loss": 3.8842,
3159
+ "step": 266240
3160
+ },
3161
+ {
3162
+ "epoch": 1.01,
3163
+ "learning_rate": 4.5632673879018294e-05,
3164
+ "loss": 3.8799,
3165
+ "step": 266752
3166
+ },
3167
+ {
3168
+ "epoch": 1.01,
3169
+ "learning_rate": 4.5624287931507774e-05,
3170
+ "loss": 3.8797,
3171
+ "step": 267264
3172
+ },
3173
+ {
3174
+ "epoch": 1.01,
3175
+ "learning_rate": 4.5615901983997254e-05,
3176
+ "loss": 3.8595,
3177
+ "step": 267776
3178
+ },
3179
+ {
3180
+ "epoch": 1.01,
3181
+ "learning_rate": 4.5607516036486734e-05,
3182
+ "loss": 3.8795,
3183
+ "step": 268288
3184
+ },
3185
+ {
3186
+ "epoch": 1.01,
3187
+ "learning_rate": 4.5599130088976214e-05,
3188
+ "loss": 3.8752,
3189
+ "step": 268800
3190
+ },
3191
+ {
3192
+ "epoch": 1.01,
3193
+ "learning_rate": 4.559076052026943e-05,
3194
+ "loss": 3.8652,
3195
+ "step": 269312
3196
+ },
3197
+ {
3198
+ "epoch": 1.01,
3199
+ "learning_rate": 4.558237457275891e-05,
3200
+ "loss": 3.8696,
3201
+ "step": 269824
3202
+ },
3203
+ {
3204
+ "epoch": 1.01,
3205
+ "learning_rate": 4.557398862524839e-05,
3206
+ "loss": 3.8732,
3207
+ "step": 270336
3208
+ },
3209
+ {
3210
+ "epoch": 1.01,
3211
+ "learning_rate": 4.556560267773787e-05,
3212
+ "loss": 3.8852,
3213
+ "step": 270848
3214
+ },
3215
+ {
3216
+ "epoch": 1.01,
3217
+ "learning_rate": 4.555723310903108e-05,
3218
+ "loss": 3.8657,
3219
+ "step": 271360
3220
+ },
3221
+ {
3222
+ "epoch": 1.01,
3223
+ "learning_rate": 4.554884716152056e-05,
3224
+ "loss": 3.8544,
3225
+ "step": 271872
3226
+ },
3227
+ {
3228
+ "epoch": 1.01,
3229
+ "learning_rate": 4.554046121401004e-05,
3230
+ "loss": 3.8661,
3231
+ "step": 272384
3232
+ },
3233
+ {
3234
+ "epoch": 1.01,
3235
+ "learning_rate": 4.553207526649952e-05,
3236
+ "loss": 3.8677,
3237
+ "step": 272896
3238
+ },
3239
+ {
3240
+ "epoch": 1.01,
3241
+ "learning_rate": 4.552370569779273e-05,
3242
+ "loss": 3.8709,
3243
+ "step": 273408
3244
+ },
3245
+ {
3246
+ "epoch": 1.01,
3247
+ "learning_rate": 4.551531975028221e-05,
3248
+ "loss": 3.8719,
3249
+ "step": 273920
3250
+ },
3251
+ {
3252
+ "epoch": 1.01,
3253
+ "learning_rate": 4.550693380277169e-05,
3254
+ "loss": 3.8606,
3255
+ "step": 274432
3256
+ },
3257
+ {
3258
+ "epoch": 1.02,
3259
+ "learning_rate": 4.549854785526117e-05,
3260
+ "loss": 3.8634,
3261
+ "step": 274944
3262
+ },
3263
+ {
3264
+ "epoch": 1.02,
3265
+ "learning_rate": 4.5490178286554384e-05,
3266
+ "loss": 3.8536,
3267
+ "step": 275456
3268
+ },
3269
+ {
3270
+ "epoch": 1.02,
3271
+ "learning_rate": 4.5481792339043864e-05,
3272
+ "loss": 3.8596,
3273
+ "step": 275968
3274
+ },
3275
+ {
3276
+ "epoch": 1.02,
3277
+ "learning_rate": 4.5473406391533343e-05,
3278
+ "loss": 3.8613,
3279
+ "step": 276480
3280
+ },
3281
+ {
3282
+ "epoch": 1.02,
3283
+ "learning_rate": 4.5465020444022823e-05,
3284
+ "loss": 3.8726,
3285
+ "step": 276992
3286
+ },
3287
+ {
3288
+ "epoch": 1.02,
3289
+ "learning_rate": 4.54566344965123e-05,
3290
+ "loss": 3.8858,
3291
+ "step": 277504
3292
+ },
3293
+ {
3294
+ "epoch": 1.02,
3295
+ "learning_rate": 4.544826492780551e-05,
3296
+ "loss": 3.8634,
3297
+ "step": 278016
3298
+ },
3299
+ {
3300
+ "epoch": 1.02,
3301
+ "learning_rate": 4.543987898029499e-05,
3302
+ "loss": 3.8528,
3303
+ "step": 278528
3304
+ },
3305
+ {
3306
+ "epoch": 1.02,
3307
+ "learning_rate": 4.543149303278447e-05,
3308
+ "loss": 3.8628,
3309
+ "step": 279040
3310
+ },
3311
+ {
3312
+ "epoch": 1.02,
3313
+ "learning_rate": 4.542310708527395e-05,
3314
+ "loss": 3.8616,
3315
+ "step": 279552
3316
+ },
3317
+ {
3318
+ "epoch": 1.02,
3319
+ "learning_rate": 4.541473751656716e-05,
3320
+ "loss": 3.8708,
3321
+ "step": 280064
3322
+ },
3323
+ {
3324
+ "epoch": 1.02,
3325
+ "learning_rate": 4.540635156905664e-05,
3326
+ "loss": 3.8607,
3327
+ "step": 280576
3328
+ },
3329
+ {
3330
+ "epoch": 1.02,
3331
+ "learning_rate": 4.539796562154612e-05,
3332
+ "loss": 3.861,
3333
+ "step": 281088
3334
+ },
3335
+ {
3336
+ "epoch": 1.02,
3337
+ "learning_rate": 4.53895796740356e-05,
3338
+ "loss": 3.8563,
3339
+ "step": 281600
3340
+ },
3341
+ {
3342
+ "epoch": 1.02,
3343
+ "learning_rate": 4.538119372652508e-05,
3344
+ "loss": 3.8678,
3345
+ "step": 282112
3346
+ },
3347
+ {
3348
+ "epoch": 1.02,
3349
+ "learning_rate": 4.53728241578183e-05,
3350
+ "loss": 3.8427,
3351
+ "step": 282624
3352
+ },
3353
+ {
3354
+ "epoch": 1.02,
3355
+ "learning_rate": 4.536443821030778e-05,
3356
+ "loss": 3.8547,
3357
+ "step": 283136
3358
+ },
3359
+ {
3360
+ "epoch": 1.02,
3361
+ "learning_rate": 4.535605226279726e-05,
3362
+ "loss": 3.8514,
3363
+ "step": 283648
3364
+ },
3365
+ {
3366
+ "epoch": 1.02,
3367
+ "learning_rate": 4.534766631528674e-05,
3368
+ "loss": 3.8636,
3369
+ "step": 284160
3370
+ },
3371
+ {
3372
+ "epoch": 1.02,
3373
+ "learning_rate": 4.5339296746579946e-05,
3374
+ "loss": 3.849,
3375
+ "step": 284672
3376
+ },
3377
+ {
3378
+ "epoch": 1.02,
3379
+ "learning_rate": 4.5330910799069426e-05,
3380
+ "loss": 3.8592,
3381
+ "step": 285184
3382
+ },
3383
+ {
3384
+ "epoch": 1.02,
3385
+ "learning_rate": 4.5322524851558906e-05,
3386
+ "loss": 3.848,
3387
+ "step": 285696
3388
+ },
3389
+ {
3390
+ "epoch": 1.02,
3391
+ "learning_rate": 4.5314138904048386e-05,
3392
+ "loss": 3.8528,
3393
+ "step": 286208
3394
+ },
3395
+ {
3396
+ "epoch": 1.02,
3397
+ "learning_rate": 4.5305769335341595e-05,
3398
+ "loss": 3.855,
3399
+ "step": 286720
3400
+ },
3401
+ {
3402
+ "epoch": 1.02,
3403
+ "learning_rate": 4.5297383387831075e-05,
3404
+ "loss": 3.8566,
3405
+ "step": 287232
3406
+ },
3407
+ {
3408
+ "epoch": 1.02,
3409
+ "learning_rate": 4.5288997440320555e-05,
3410
+ "loss": 3.8683,
3411
+ "step": 287744
3412
+ },
3413
+ {
3414
+ "epoch": 1.02,
3415
+ "learning_rate": 4.5280611492810035e-05,
3416
+ "loss": 3.8664,
3417
+ "step": 288256
3418
+ },
3419
+ {
3420
+ "epoch": 1.02,
3421
+ "learning_rate": 4.527224192410325e-05,
3422
+ "loss": 3.8587,
3423
+ "step": 288768
3424
+ },
3425
+ {
3426
+ "epoch": 1.02,
3427
+ "learning_rate": 4.526385597659273e-05,
3428
+ "loss": 3.8507,
3429
+ "step": 289280
3430
+ },
3431
+ {
3432
+ "epoch": 1.02,
3433
+ "learning_rate": 4.525547002908221e-05,
3434
+ "loss": 3.8536,
3435
+ "step": 289792
3436
+ },
3437
+ {
3438
+ "epoch": 1.02,
3439
+ "learning_rate": 4.5247084081571684e-05,
3440
+ "loss": 3.8574,
3441
+ "step": 290304
3442
+ },
3443
+ {
3444
+ "epoch": 1.02,
3445
+ "learning_rate": 4.52387145128649e-05,
3446
+ "loss": 3.8495,
3447
+ "step": 290816
3448
+ },
3449
+ {
3450
+ "epoch": 1.02,
3451
+ "learning_rate": 4.523032856535438e-05,
3452
+ "loss": 3.853,
3453
+ "step": 291328
3454
+ },
3455
+ {
3456
+ "epoch": 1.02,
3457
+ "learning_rate": 4.522194261784386e-05,
3458
+ "loss": 3.8521,
3459
+ "step": 291840
3460
+ },
3461
+ {
3462
+ "epoch": 1.02,
3463
+ "learning_rate": 4.521355667033333e-05,
3464
+ "loss": 3.8502,
3465
+ "step": 292352
3466
+ },
3467
+ {
3468
+ "epoch": 1.02,
3469
+ "learning_rate": 4.520518710162655e-05,
3470
+ "loss": 3.8459,
3471
+ "step": 292864
3472
+ },
3473
+ {
3474
+ "epoch": 1.02,
3475
+ "learning_rate": 4.519680115411603e-05,
3476
+ "loss": 3.8476,
3477
+ "step": 293376
3478
+ },
3479
+ {
3480
+ "epoch": 1.02,
3481
+ "learning_rate": 4.518841520660551e-05,
3482
+ "loss": 3.8464,
3483
+ "step": 293888
3484
+ },
3485
+ {
3486
+ "epoch": 1.02,
3487
+ "learning_rate": 4.518002925909499e-05,
3488
+ "loss": 3.8512,
3489
+ "step": 294400
3490
+ },
3491
+ {
3492
+ "epoch": 1.02,
3493
+ "learning_rate": 4.5171659690388204e-05,
3494
+ "loss": 3.8364,
3495
+ "step": 294912
3496
+ },
3497
+ {
3498
+ "epoch": 1.02,
3499
+ "learning_rate": 4.5163273742877684e-05,
3500
+ "loss": 3.862,
3501
+ "step": 295424
3502
+ },
3503
+ {
3504
+ "epoch": 1.02,
3505
+ "learning_rate": 4.515488779536716e-05,
3506
+ "loss": 3.8592,
3507
+ "step": 295936
3508
+ },
3509
+ {
3510
+ "epoch": 1.02,
3511
+ "learning_rate": 4.514650184785664e-05,
3512
+ "loss": 3.8581,
3513
+ "step": 296448
3514
+ },
3515
+ {
3516
+ "epoch": 1.02,
3517
+ "learning_rate": 4.513811590034612e-05,
3518
+ "loss": 3.8345,
3519
+ "step": 296960
3520
+ },
3521
+ {
3522
+ "epoch": 1.02,
3523
+ "learning_rate": 4.5129746331639333e-05,
3524
+ "loss": 3.8548,
3525
+ "step": 297472
3526
+ },
3527
+ {
3528
+ "epoch": 1.02,
3529
+ "learning_rate": 4.5121360384128807e-05,
3530
+ "loss": 3.8567,
3531
+ "step": 297984
3532
+ },
3533
+ {
3534
+ "epoch": 1.02,
3535
+ "learning_rate": 4.5112974436618287e-05,
3536
+ "loss": 3.8527,
3537
+ "step": 298496
3538
+ },
3539
+ {
3540
+ "epoch": 1.02,
3541
+ "learning_rate": 4.5104588489107766e-05,
3542
+ "loss": 3.8517,
3543
+ "step": 299008
3544
+ },
3545
+ {
3546
+ "epoch": 1.02,
3547
+ "learning_rate": 4.5096218920400976e-05,
3548
+ "loss": 3.8491,
3549
+ "step": 299520
3550
+ },
3551
+ {
3552
+ "epoch": 1.02,
3553
+ "learning_rate": 4.508783297289046e-05,
3554
+ "loss": 3.8491,
3555
+ "step": 300032
3556
+ },
3557
+ {
3558
+ "epoch": 1.02,
3559
+ "learning_rate": 4.507944702537994e-05,
3560
+ "loss": 3.8547,
3561
+ "step": 300544
3562
+ },
3563
+ {
3564
+ "epoch": 1.02,
3565
+ "learning_rate": 4.507106107786942e-05,
3566
+ "loss": 3.8455,
3567
+ "step": 301056
3568
+ },
3569
+ {
3570
+ "epoch": 1.02,
3571
+ "learning_rate": 4.506269150916263e-05,
3572
+ "loss": 3.8496,
3573
+ "step": 301568
3574
+ },
3575
+ {
3576
+ "epoch": 1.02,
3577
+ "learning_rate": 4.505430556165211e-05,
3578
+ "loss": 3.8494,
3579
+ "step": 302080
3580
+ },
3581
+ {
3582
+ "epoch": 1.02,
3583
+ "learning_rate": 4.504591961414159e-05,
3584
+ "loss": 3.8389,
3585
+ "step": 302592
3586
+ },
3587
+ {
3588
+ "epoch": 1.02,
3589
+ "learning_rate": 4.503753366663107e-05,
3590
+ "loss": 3.8539,
3591
+ "step": 303104
3592
+ },
3593
+ {
3594
+ "epoch": 1.02,
3595
+ "learning_rate": 4.502916409792428e-05,
3596
+ "loss": 3.8499,
3597
+ "step": 303616
3598
+ },
3599
+ {
3600
+ "epoch": 1.02,
3601
+ "learning_rate": 4.502077815041376e-05,
3602
+ "loss": 3.8475,
3603
+ "step": 304128
3604
+ },
3605
+ {
3606
+ "epoch": 1.02,
3607
+ "learning_rate": 4.501239220290324e-05,
3608
+ "loss": 3.837,
3609
+ "step": 304640
3610
+ },
3611
+ {
3612
+ "epoch": 1.02,
3613
+ "learning_rate": 4.500400625539272e-05,
3614
+ "loss": 3.8379,
3615
+ "step": 305152
3616
+ },
3617
+ {
3618
+ "epoch": 1.03,
3619
+ "eval_loss": 3.909670114517212,
3620
+ "eval_runtime": 304.1604,
3621
+ "eval_samples_per_second": 1254.572,
3622
+ "eval_steps_per_second": 39.206,
3623
+ "step": 305280
3624
+ },
3625
+ {
3626
+ "epoch": 0.0,
3627
+ "learning_rate": 4.49956203078822e-05,
3628
+ "loss": 3.8368,
3629
+ "step": 305664
3630
+ },
3631
+ {
3632
+ "epoch": 0.0,
3633
+ "learning_rate": 4.498723436037168e-05,
3634
+ "loss": 3.8318,
3635
+ "step": 306176
3636
+ },
3637
+ {
3638
+ "epoch": 0.0,
3639
+ "learning_rate": 4.497884841286116e-05,
3640
+ "loss": 3.8464,
3641
+ "step": 306688
3642
+ },
3643
+ {
3644
+ "epoch": 0.0,
3645
+ "learning_rate": 4.497046246535065e-05,
3646
+ "loss": 3.8427,
3647
+ "step": 307200
3648
+ },
3649
+ {
3650
+ "epoch": 0.0,
3651
+ "learning_rate": 4.496207651784013e-05,
3652
+ "loss": 3.8571,
3653
+ "step": 307712
3654
+ },
3655
+ {
3656
+ "epoch": 0.0,
3657
+ "learning_rate": 4.495369057032961e-05,
3658
+ "loss": 3.834,
3659
+ "step": 308224
3660
+ },
3661
+ {
3662
+ "epoch": 0.0,
3663
+ "learning_rate": 4.4945304622819087e-05,
3664
+ "loss": 3.8365,
3665
+ "step": 308736
3666
+ },
3667
+ {
3668
+ "epoch": 0.0,
3669
+ "learning_rate": 4.4936918675308567e-05,
3670
+ "loss": 3.8245,
3671
+ "step": 309248
3672
+ },
3673
+ {
3674
+ "epoch": 0.0,
3675
+ "learning_rate": 4.4928549106601776e-05,
3676
+ "loss": 3.8467,
3677
+ "step": 309760
3678
+ },
3679
+ {
3680
+ "epoch": 0.0,
3681
+ "learning_rate": 4.4920163159091256e-05,
3682
+ "loss": 3.8438,
3683
+ "step": 310272
3684
+ },
3685
+ {
3686
+ "epoch": 0.0,
3687
+ "learning_rate": 4.4911777211580736e-05,
3688
+ "loss": 3.8391,
3689
+ "step": 310784
3690
+ },
3691
+ {
3692
+ "epoch": 0.0,
3693
+ "learning_rate": 4.4903391264070216e-05,
3694
+ "loss": 3.837,
3695
+ "step": 311296
3696
+ },
3697
+ {
3698
+ "epoch": 0.0,
3699
+ "learning_rate": 4.4895021695363425e-05,
3700
+ "loss": 3.8313,
3701
+ "step": 311808
3702
+ },
3703
+ {
3704
+ "epoch": 0.0,
3705
+ "learning_rate": 4.4886635747852905e-05,
3706
+ "loss": 3.8369,
3707
+ "step": 312320
3708
+ },
3709
+ {
3710
+ "epoch": 0.0,
3711
+ "learning_rate": 4.4878249800342385e-05,
3712
+ "loss": 3.8233,
3713
+ "step": 312832
3714
+ },
3715
+ {
3716
+ "epoch": 0.0,
3717
+ "learning_rate": 4.4869863852831864e-05,
3718
+ "loss": 3.833,
3719
+ "step": 313344
3720
+ },
3721
+ {
3722
+ "epoch": 0.0,
3723
+ "learning_rate": 4.4861477905321344e-05,
3724
+ "loss": 3.8309,
3725
+ "step": 313856
3726
+ },
3727
+ {
3728
+ "epoch": 0.0,
3729
+ "learning_rate": 4.4853091957810824e-05,
3730
+ "loss": 3.8282,
3731
+ "step": 314368
3732
+ },
3733
+ {
3734
+ "epoch": 0.0,
3735
+ "learning_rate": 4.4844706010300304e-05,
3736
+ "loss": 3.8327,
3737
+ "step": 314880
3738
+ },
3739
+ {
3740
+ "epoch": 0.0,
3741
+ "learning_rate": 4.4836320062789784e-05,
3742
+ "loss": 3.8482,
3743
+ "step": 315392
3744
+ },
3745
+ {
3746
+ "epoch": 0.0,
3747
+ "learning_rate": 4.4827950494082993e-05,
3748
+ "loss": 3.8299,
3749
+ "step": 315904
3750
+ },
3751
+ {
3752
+ "epoch": 0.0,
3753
+ "learning_rate": 4.481956454657247e-05,
3754
+ "loss": 3.8355,
3755
+ "step": 316416
3756
+ },
3757
+ {
3758
+ "epoch": 0.0,
3759
+ "learning_rate": 4.481117859906195e-05,
3760
+ "loss": 3.8296,
3761
+ "step": 316928
3762
+ },
3763
+ {
3764
+ "epoch": 0.0,
3765
+ "learning_rate": 4.480279265155143e-05,
3766
+ "loss": 3.8394,
3767
+ "step": 317440
3768
+ },
3769
+ {
3770
+ "epoch": 0.0,
3771
+ "learning_rate": 4.479440670404091e-05,
3772
+ "loss": 3.8241,
3773
+ "step": 317952
3774
+ },
3775
+ {
3776
+ "epoch": 0.0,
3777
+ "learning_rate": 4.478603713533412e-05,
3778
+ "loss": 3.8355,
3779
+ "step": 318464
3780
+ },
3781
+ {
3782
+ "epoch": 0.0,
3783
+ "learning_rate": 4.47776511878236e-05,
3784
+ "loss": 3.8278,
3785
+ "step": 318976
3786
+ },
3787
+ {
3788
+ "epoch": 0.0,
3789
+ "learning_rate": 4.476926524031308e-05,
3790
+ "loss": 3.8239,
3791
+ "step": 319488
3792
+ },
3793
+ {
3794
+ "epoch": 0.0,
3795
+ "learning_rate": 4.476087929280256e-05,
3796
+ "loss": 3.8164,
3797
+ "step": 320000
3798
+ },
3799
+ {
3800
+ "epoch": 0.0,
3801
+ "learning_rate": 4.475250972409578e-05,
3802
+ "loss": 3.8218,
3803
+ "step": 320512
3804
+ },
3805
+ {
3806
+ "epoch": 0.01,
3807
+ "learning_rate": 4.474412377658526e-05,
3808
+ "loss": 3.8291,
3809
+ "step": 321024
3810
+ },
3811
+ {
3812
+ "epoch": 0.01,
3813
+ "learning_rate": 4.473573782907474e-05,
3814
+ "loss": 3.8344,
3815
+ "step": 321536
3816
+ },
3817
+ {
3818
+ "epoch": 0.01,
3819
+ "learning_rate": 4.472735188156422e-05,
3820
+ "loss": 3.8327,
3821
+ "step": 322048
3822
+ },
3823
+ {
3824
+ "epoch": 0.01,
3825
+ "learning_rate": 4.471898231285743e-05,
3826
+ "loss": 3.829,
3827
+ "step": 322560
3828
+ },
3829
+ {
3830
+ "epoch": 0.01,
3831
+ "learning_rate": 4.471059636534691e-05,
3832
+ "loss": 3.8231,
3833
+ "step": 323072
3834
+ },
3835
+ {
3836
+ "epoch": 0.01,
3837
+ "learning_rate": 4.470221041783639e-05,
3838
+ "loss": 3.837,
3839
+ "step": 323584
3840
+ },
3841
+ {
3842
+ "epoch": 0.01,
3843
+ "learning_rate": 4.469382447032587e-05,
3844
+ "loss": 3.8212,
3845
+ "step": 324096
3846
+ },
3847
+ {
3848
+ "epoch": 0.01,
3849
+ "learning_rate": 4.4685454901619076e-05,
3850
+ "loss": 3.8207,
3851
+ "step": 324608
3852
+ },
3853
+ {
3854
+ "epoch": 0.01,
3855
+ "learning_rate": 4.4677068954108556e-05,
3856
+ "loss": 3.8096,
3857
+ "step": 325120
3858
+ },
3859
+ {
3860
+ "epoch": 0.01,
3861
+ "learning_rate": 4.4668683006598036e-05,
3862
+ "loss": 3.8266,
3863
+ "step": 325632
3864
+ },
3865
+ {
3866
+ "epoch": 0.01,
3867
+ "learning_rate": 4.4660297059087516e-05,
3868
+ "loss": 3.8182,
3869
+ "step": 326144
3870
+ },
3871
+ {
3872
+ "epoch": 0.01,
3873
+ "learning_rate": 4.465192749038073e-05,
3874
+ "loss": 3.8294,
3875
+ "step": 326656
3876
+ },
3877
+ {
3878
+ "epoch": 0.01,
3879
+ "learning_rate": 4.464354154287021e-05,
3880
+ "loss": 3.8234,
3881
+ "step": 327168
3882
+ },
3883
+ {
3884
+ "epoch": 0.01,
3885
+ "learning_rate": 4.463515559535969e-05,
3886
+ "loss": 3.8139,
3887
+ "step": 327680
3888
+ },
3889
+ {
3890
+ "epoch": 0.01,
3891
+ "learning_rate": 4.462676964784917e-05,
3892
+ "loss": 3.829,
3893
+ "step": 328192
3894
+ },
3895
+ {
3896
+ "epoch": 0.01,
3897
+ "learning_rate": 4.461840007914238e-05,
3898
+ "loss": 3.8194,
3899
+ "step": 328704
3900
+ },
3901
+ {
3902
+ "epoch": 0.01,
3903
+ "learning_rate": 4.461001413163186e-05,
3904
+ "loss": 3.817,
3905
+ "step": 329216
3906
+ },
3907
+ {
3908
+ "epoch": 0.01,
3909
+ "learning_rate": 4.460162818412134e-05,
3910
+ "loss": 3.8105,
3911
+ "step": 329728
3912
+ },
3913
+ {
3914
+ "epoch": 0.01,
3915
+ "learning_rate": 4.459324223661082e-05,
3916
+ "loss": 3.8096,
3917
+ "step": 330240
3918
+ },
3919
+ {
3920
+ "epoch": 0.01,
3921
+ "learning_rate": 4.458487266790403e-05,
3922
+ "loss": 3.8215,
3923
+ "step": 330752
3924
+ },
3925
+ {
3926
+ "epoch": 0.01,
3927
+ "learning_rate": 4.457648672039351e-05,
3928
+ "loss": 3.8195,
3929
+ "step": 331264
3930
+ },
3931
+ {
3932
+ "epoch": 0.01,
3933
+ "learning_rate": 4.456810077288299e-05,
3934
+ "loss": 3.8147,
3935
+ "step": 331776
3936
+ },
3937
+ {
3938
+ "epoch": 0.01,
3939
+ "learning_rate": 4.455971482537247e-05,
3940
+ "loss": 3.807,
3941
+ "step": 332288
3942
+ },
3943
+ {
3944
+ "epoch": 0.01,
3945
+ "learning_rate": 4.4551345256665685e-05,
3946
+ "loss": 3.8192,
3947
+ "step": 332800
3948
+ },
3949
+ {
3950
+ "epoch": 0.01,
3951
+ "learning_rate": 4.4542959309155165e-05,
3952
+ "loss": 3.8026,
3953
+ "step": 333312
3954
+ },
3955
+ {
3956
+ "epoch": 0.01,
3957
+ "learning_rate": 4.4534573361644645e-05,
3958
+ "loss": 3.821,
3959
+ "step": 333824
3960
+ },
3961
+ {
3962
+ "epoch": 0.01,
3963
+ "learning_rate": 4.4526187414134125e-05,
3964
+ "loss": 3.8061,
3965
+ "step": 334336
3966
+ },
3967
+ {
3968
+ "epoch": 0.01,
3969
+ "learning_rate": 4.4517817845427334e-05,
3970
+ "loss": 3.8197,
3971
+ "step": 334848
3972
+ },
3973
+ {
3974
+ "epoch": 0.01,
3975
+ "learning_rate": 4.4509431897916814e-05,
3976
+ "loss": 3.8161,
3977
+ "step": 335360
3978
+ },
3979
+ {
3980
+ "epoch": 0.01,
3981
+ "learning_rate": 4.4501045950406294e-05,
3982
+ "loss": 3.8112,
3983
+ "step": 335872
3984
+ },
3985
+ {
3986
+ "epoch": 0.01,
3987
+ "learning_rate": 4.4492660002895774e-05,
3988
+ "loss": 3.8052,
3989
+ "step": 336384
3990
+ },
3991
+ {
3992
+ "epoch": 0.01,
3993
+ "learning_rate": 4.448429043418898e-05,
3994
+ "loss": 3.8154,
3995
+ "step": 336896
3996
+ },
3997
+ {
3998
+ "epoch": 0.01,
3999
+ "learning_rate": 4.447590448667846e-05,
4000
+ "loss": 3.8022,
4001
+ "step": 337408
4002
+ },
4003
+ {
4004
+ "epoch": 0.01,
4005
+ "learning_rate": 4.446751853916794e-05,
4006
+ "loss": 3.8097,
4007
+ "step": 337920
4008
+ },
4009
+ {
4010
+ "epoch": 0.01,
4011
+ "learning_rate": 4.445913259165742e-05,
4012
+ "loss": 3.8157,
4013
+ "step": 338432
4014
+ },
4015
+ {
4016
+ "epoch": 0.01,
4017
+ "learning_rate": 4.445076302295064e-05,
4018
+ "loss": 3.8147,
4019
+ "step": 338944
4020
+ },
4021
+ {
4022
+ "epoch": 0.01,
4023
+ "learning_rate": 4.444237707544012e-05,
4024
+ "loss": 3.8026,
4025
+ "step": 339456
4026
+ },
4027
+ {
4028
+ "epoch": 0.01,
4029
+ "learning_rate": 4.44339911279296e-05,
4030
+ "loss": 3.8056,
4031
+ "step": 339968
4032
+ },
4033
+ {
4034
+ "epoch": 0.01,
4035
+ "learning_rate": 4.442560518041908e-05,
4036
+ "loss": 3.8025,
4037
+ "step": 340480
4038
+ },
4039
+ {
4040
+ "epoch": 0.01,
4041
+ "learning_rate": 4.441723561171229e-05,
4042
+ "loss": 3.8031,
4043
+ "step": 340992
4044
+ },
4045
+ {
4046
+ "epoch": 0.01,
4047
+ "learning_rate": 4.440884966420177e-05,
4048
+ "loss": 3.8192,
4049
+ "step": 341504
4050
+ },
4051
+ {
4052
+ "epoch": 0.01,
4053
+ "learning_rate": 4.440046371669125e-05,
4054
+ "loss": 3.8122,
4055
+ "step": 342016
4056
+ },
4057
+ {
4058
+ "epoch": 0.01,
4059
+ "learning_rate": 4.439207776918073e-05,
4060
+ "loss": 3.8241,
4061
+ "step": 342528
4062
+ },
4063
+ {
4064
+ "epoch": 0.01,
4065
+ "learning_rate": 4.438370820047394e-05,
4066
+ "loss": 3.8188,
4067
+ "step": 343040
4068
+ },
4069
+ {
4070
+ "epoch": 0.01,
4071
+ "learning_rate": 4.437532225296342e-05,
4072
+ "loss": 3.8204,
4073
+ "step": 343552
4074
+ },
4075
+ {
4076
+ "epoch": 0.01,
4077
+ "learning_rate": 4.43669363054529e-05,
4078
+ "loss": 3.8018,
4079
+ "step": 344064
4080
+ },
4081
+ {
4082
+ "epoch": 0.01,
4083
+ "learning_rate": 4.435855035794238e-05,
4084
+ "loss": 3.8121,
4085
+ "step": 344576
4086
+ },
4087
+ {
4088
+ "epoch": 0.01,
4089
+ "learning_rate": 4.435018078923559e-05,
4090
+ "loss": 3.8182,
4091
+ "step": 345088
4092
+ },
4093
+ {
4094
+ "epoch": 0.01,
4095
+ "learning_rate": 4.434179484172507e-05,
4096
+ "loss": 3.8047,
4097
+ "step": 345600
4098
+ },
4099
+ {
4100
+ "epoch": 0.01,
4101
+ "learning_rate": 4.433340889421455e-05,
4102
+ "loss": 3.8089,
4103
+ "step": 346112
4104
+ },
4105
+ {
4106
+ "epoch": 0.01,
4107
+ "learning_rate": 4.432502294670403e-05,
4108
+ "loss": 3.8111,
4109
+ "step": 346624
4110
+ },
4111
+ {
4112
+ "epoch": 0.01,
4113
+ "learning_rate": 4.431665337799724e-05,
4114
+ "loss": 3.8265,
4115
+ "step": 347136
4116
+ },
4117
+ {
4118
+ "epoch": 0.01,
4119
+ "learning_rate": 4.430826743048672e-05,
4120
+ "loss": 3.8077,
4121
+ "step": 347648
4122
+ },
4123
+ {
4124
+ "epoch": 0.01,
4125
+ "learning_rate": 4.42998814829762e-05,
4126
+ "loss": 3.7939,
4127
+ "step": 348160
4128
+ },
4129
+ {
4130
+ "epoch": 0.01,
4131
+ "learning_rate": 4.429149553546568e-05,
4132
+ "loss": 3.8046,
4133
+ "step": 348672
4134
+ },
4135
+ {
4136
+ "epoch": 0.01,
4137
+ "learning_rate": 4.428312596675889e-05,
4138
+ "loss": 3.8088,
4139
+ "step": 349184
4140
+ },
4141
+ {
4142
+ "epoch": 0.01,
4143
+ "learning_rate": 4.427474001924837e-05,
4144
+ "loss": 3.8115,
4145
+ "step": 349696
4146
+ },
4147
+ {
4148
+ "epoch": 0.01,
4149
+ "learning_rate": 4.426635407173785e-05,
4150
+ "loss": 3.8127,
4151
+ "step": 350208
4152
+ },
4153
+ {
4154
+ "epoch": 0.01,
4155
+ "learning_rate": 4.425796812422733e-05,
4156
+ "loss": 3.7994,
4157
+ "step": 350720
4158
+ },
4159
+ {
4160
+ "epoch": 0.02,
4161
+ "learning_rate": 4.4249598555520546e-05,
4162
+ "loss": 3.8042,
4163
+ "step": 351232
4164
+ },
4165
+ {
4166
+ "epoch": 0.02,
4167
+ "learning_rate": 4.4241212608010026e-05,
4168
+ "loss": 3.8004,
4169
+ "step": 351744
4170
+ },
4171
+ {
4172
+ "epoch": 0.02,
4173
+ "learning_rate": 4.4232826660499506e-05,
4174
+ "loss": 3.7967,
4175
+ "step": 352256
4176
+ },
4177
+ {
4178
+ "epoch": 0.02,
4179
+ "learning_rate": 4.4224440712988986e-05,
4180
+ "loss": 3.8049,
4181
+ "step": 352768
4182
+ },
4183
+ {
4184
+ "epoch": 0.02,
4185
+ "learning_rate": 4.4216071144282195e-05,
4186
+ "loss": 3.8111,
4187
+ "step": 353280
4188
+ },
4189
+ {
4190
+ "epoch": 0.02,
4191
+ "learning_rate": 4.4207685196771675e-05,
4192
+ "loss": 3.8263,
4193
+ "step": 353792
4194
+ },
4195
+ {
4196
+ "epoch": 0.02,
4197
+ "learning_rate": 4.4199299249261155e-05,
4198
+ "loss": 3.8109,
4199
+ "step": 354304
4200
+ },
4201
+ {
4202
+ "epoch": 0.02,
4203
+ "learning_rate": 4.4190913301750635e-05,
4204
+ "loss": 3.7913,
4205
+ "step": 354816
4206
+ },
4207
+ {
4208
+ "epoch": 0.02,
4209
+ "learning_rate": 4.4182543733043844e-05,
4210
+ "loss": 3.804,
4211
+ "step": 355328
4212
+ },
4213
+ {
4214
+ "epoch": 0.02,
4215
+ "learning_rate": 4.4174157785533324e-05,
4216
+ "loss": 3.8002,
4217
+ "step": 355840
4218
+ },
4219
+ {
4220
+ "epoch": 0.02,
4221
+ "learning_rate": 4.4165771838022804e-05,
4222
+ "loss": 3.8136,
4223
+ "step": 356352
4224
+ },
4225
+ {
4226
+ "epoch": 0.02,
4227
+ "learning_rate": 4.4157385890512284e-05,
4228
+ "loss": 3.8057,
4229
+ "step": 356864
4230
+ },
4231
+ {
4232
+ "epoch": 0.02,
4233
+ "learning_rate": 4.41490163218055e-05,
4234
+ "loss": 3.8026,
4235
+ "step": 357376
4236
+ },
4237
+ {
4238
+ "epoch": 0.02,
4239
+ "learning_rate": 4.414063037429498e-05,
4240
+ "loss": 3.7973,
4241
+ "step": 357888
4242
+ },
4243
+ {
4244
+ "epoch": 0.02,
4245
+ "learning_rate": 4.413224442678446e-05,
4246
+ "loss": 3.8094,
4247
+ "step": 358400
4248
+ },
4249
+ {
4250
+ "epoch": 0.02,
4251
+ "learning_rate": 4.412385847927394e-05,
4252
+ "loss": 3.7891,
4253
+ "step": 358912
4254
+ },
4255
+ {
4256
+ "epoch": 0.02,
4257
+ "learning_rate": 4.411548891056715e-05,
4258
+ "loss": 3.7999,
4259
+ "step": 359424
4260
+ },
4261
+ {
4262
+ "epoch": 0.02,
4263
+ "learning_rate": 4.410710296305663e-05,
4264
+ "loss": 3.7889,
4265
+ "step": 359936
4266
+ },
4267
+ {
4268
+ "epoch": 0.02,
4269
+ "learning_rate": 4.409871701554611e-05,
4270
+ "loss": 3.8082,
4271
+ "step": 360448
4272
+ },
4273
+ {
4274
+ "epoch": 0.02,
4275
+ "learning_rate": 4.409033106803559e-05,
4276
+ "loss": 3.7927,
4277
+ "step": 360960
4278
+ },
4279
+ {
4280
+ "epoch": 0.02,
4281
+ "learning_rate": 4.40819614993288e-05,
4282
+ "loss": 3.7991,
4283
+ "step": 361472
4284
+ },
4285
+ {
4286
+ "epoch": 0.02,
4287
+ "learning_rate": 4.407357555181828e-05,
4288
+ "loss": 3.7916,
4289
+ "step": 361984
4290
+ },
4291
+ {
4292
+ "epoch": 0.02,
4293
+ "learning_rate": 4.406518960430776e-05,
4294
+ "loss": 3.7976,
4295
+ "step": 362496
4296
+ },
4297
+ {
4298
+ "epoch": 0.02,
4299
+ "learning_rate": 4.405680365679724e-05,
4300
+ "loss": 3.7989,
4301
+ "step": 363008
4302
+ },
4303
+ {
4304
+ "epoch": 0.02,
4305
+ "learning_rate": 4.4048434088090454e-05,
4306
+ "loss": 3.7983,
4307
+ "step": 363520
4308
+ },
4309
+ {
4310
+ "epoch": 0.02,
4311
+ "learning_rate": 4.4040048140579934e-05,
4312
+ "loss": 3.8088,
4313
+ "step": 364032
4314
+ },
4315
+ {
4316
+ "epoch": 0.02,
4317
+ "learning_rate": 4.4031662193069414e-05,
4318
+ "loss": 3.8078,
4319
+ "step": 364544
4320
+ },
4321
+ {
4322
+ "epoch": 0.02,
4323
+ "learning_rate": 4.402329262436262e-05,
4324
+ "loss": 3.8007,
4325
+ "step": 365056
4326
+ },
4327
+ {
4328
+ "epoch": 0.02,
4329
+ "learning_rate": 4.40149066768521e-05,
4330
+ "loss": 3.7954,
4331
+ "step": 365568
4332
+ },
4333
+ {
4334
+ "epoch": 0.02,
4335
+ "learning_rate": 4.400652072934158e-05,
4336
+ "loss": 3.797,
4337
+ "step": 366080
4338
+ },
4339
+ {
4340
+ "epoch": 0.02,
4341
+ "learning_rate": 4.399813478183106e-05,
4342
+ "loss": 3.8048,
4343
+ "step": 366592
4344
+ },
4345
+ {
4346
+ "epoch": 0.02,
4347
+ "learning_rate": 4.398974883432054e-05,
4348
+ "loss": 3.789,
4349
+ "step": 367104
4350
+ },
4351
+ {
4352
+ "epoch": 0.02,
4353
+ "learning_rate": 4.3981362886810016e-05,
4354
+ "loss": 3.799,
4355
+ "step": 367616
4356
+ },
4357
+ {
4358
+ "epoch": 0.02,
4359
+ "learning_rate": 4.3972976939299496e-05,
4360
+ "loss": 3.7899,
4361
+ "step": 368128
4362
+ },
4363
+ {
4364
+ "epoch": 0.02,
4365
+ "learning_rate": 4.3964590991788976e-05,
4366
+ "loss": 3.7967,
4367
+ "step": 368640
4368
+ },
4369
+ {
4370
+ "epoch": 0.02,
4371
+ "learning_rate": 4.395622142308219e-05,
4372
+ "loss": 3.7918,
4373
+ "step": 369152
4374
+ },
4375
+ {
4376
+ "epoch": 0.02,
4377
+ "learning_rate": 4.394783547557167e-05,
4378
+ "loss": 3.7923,
4379
+ "step": 369664
4380
+ },
4381
+ {
4382
+ "epoch": 0.02,
4383
+ "learning_rate": 4.393944952806115e-05,
4384
+ "loss": 3.7866,
4385
+ "step": 370176
4386
+ },
4387
+ {
4388
+ "epoch": 0.02,
4389
+ "learning_rate": 4.393106358055063e-05,
4390
+ "loss": 3.7988,
4391
+ "step": 370688
4392
+ },
4393
+ {
4394
+ "epoch": 0.02,
4395
+ "learning_rate": 4.392269401184384e-05,
4396
+ "loss": 3.7836,
4397
+ "step": 371200
4398
+ },
4399
+ {
4400
+ "epoch": 0.02,
4401
+ "learning_rate": 4.391430806433332e-05,
4402
+ "loss": 3.8075,
4403
+ "step": 371712
4404
+ },
4405
+ {
4406
+ "epoch": 0.02,
4407
+ "learning_rate": 4.39059221168228e-05,
4408
+ "loss": 3.7982,
4409
+ "step": 372224
4410
+ },
4411
+ {
4412
+ "epoch": 0.02,
4413
+ "learning_rate": 4.389753616931228e-05,
4414
+ "loss": 3.8086,
4415
+ "step": 372736
4416
+ },
4417
+ {
4418
+ "epoch": 0.02,
4419
+ "learning_rate": 4.388916660060549e-05,
4420
+ "loss": 3.7769,
4421
+ "step": 373248
4422
+ },
4423
+ {
4424
+ "epoch": 0.02,
4425
+ "learning_rate": 4.388078065309497e-05,
4426
+ "loss": 3.8017,
4427
+ "step": 373760
4428
+ },
4429
+ {
4430
+ "epoch": 0.02,
4431
+ "learning_rate": 4.387239470558445e-05,
4432
+ "loss": 3.7999,
4433
+ "step": 374272
4434
+ },
4435
+ {
4436
+ "epoch": 0.02,
4437
+ "learning_rate": 4.386400875807393e-05,
4438
+ "loss": 3.7983,
4439
+ "step": 374784
4440
+ },
4441
+ {
4442
+ "epoch": 0.02,
4443
+ "learning_rate": 4.3855639189367145e-05,
4444
+ "loss": 3.7985,
4445
+ "step": 375296
4446
+ },
4447
+ {
4448
+ "epoch": 0.02,
4449
+ "learning_rate": 4.3847253241856625e-05,
4450
+ "loss": 3.7986,
4451
+ "step": 375808
4452
+ },
4453
+ {
4454
+ "epoch": 0.02,
4455
+ "learning_rate": 4.3838867294346105e-05,
4456
+ "loss": 3.793,
4457
+ "step": 376320
4458
+ },
4459
+ {
4460
+ "epoch": 0.02,
4461
+ "learning_rate": 4.3830481346835585e-05,
4462
+ "loss": 3.802,
4463
+ "step": 376832
4464
+ },
4465
+ {
4466
+ "epoch": 0.02,
4467
+ "learning_rate": 4.3822111778128794e-05,
4468
+ "loss": 3.7856,
4469
+ "step": 377344
4470
+ },
4471
+ {
4472
+ "epoch": 0.02,
4473
+ "learning_rate": 4.3813725830618274e-05,
4474
+ "loss": 3.7967,
4475
+ "step": 377856
4476
+ },
4477
+ {
4478
+ "epoch": 0.02,
4479
+ "learning_rate": 4.3805339883107754e-05,
4480
+ "loss": 3.7932,
4481
+ "step": 378368
4482
+ },
4483
+ {
4484
+ "epoch": 0.02,
4485
+ "learning_rate": 4.3796953935597234e-05,
4486
+ "loss": 3.7856,
4487
+ "step": 378880
4488
+ },
4489
+ {
4490
+ "epoch": 0.02,
4491
+ "learning_rate": 4.378858436689044e-05,
4492
+ "loss": 3.7958,
4493
+ "step": 379392
4494
+ },
4495
+ {
4496
+ "epoch": 0.02,
4497
+ "learning_rate": 4.378019841937992e-05,
4498
+ "loss": 3.8004,
4499
+ "step": 379904
4500
+ },
4501
+ {
4502
+ "epoch": 0.02,
4503
+ "learning_rate": 4.37718124718694e-05,
4504
+ "loss": 3.7935,
4505
+ "step": 380416
4506
+ },
4507
+ {
4508
+ "epoch": 0.02,
4509
+ "learning_rate": 4.376342652435888e-05,
4510
+ "loss": 3.7803,
4511
+ "step": 380928
4512
+ },
4513
+ {
4514
+ "epoch": 0.02,
4515
+ "learning_rate": 4.37550569556521e-05,
4516
+ "loss": 3.7887,
4517
+ "step": 381440
4518
+ },
4519
+ {
4520
+ "epoch": 0.03,
4521
+ "eval_loss": 3.884821891784668,
4522
+ "eval_runtime": 307.7494,
4523
+ "eval_samples_per_second": 1239.941,
4524
+ "eval_steps_per_second": 38.749,
4525
+ "step": 381600
4526
+ }
4527
+ ],
4528
+ "logging_steps": 512,
4529
+ "max_steps": 3052726,
4530
+ "num_train_epochs": 9223372036854775807,
4531
+ "save_steps": 10,
4532
+ "total_flos": 2.661013841810688e+17,
4533
+ "trial_name": null,
4534
+ "trial_params": null
4535
+ }
checkpoint-381600/training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:143081fd3add529161989fd02d43a01b3a83aa85efe758e33890423755e95228
3
+ size 4219