abhinavp commited on
Commit
a7daa48
1 Parent(s): e22fa22

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 sha256:92507fe5407dd563512e03d8e3366c1f43b2a978da3883241eedd9836aa5180e
3
+ size 537476677
checkpoint-381600/pytorch_model.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:175ececf8ae3282f5ebf4db11ced139544a6804e7977c99be805a1c8603ebc59
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:cd5102cdb28409786d11e4e8ff9de07b1bae43c1cbd23c90dd98888576eebe93
3
+ size 14575
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": 3.8928475379943848,
3
+ "best_model_checkpoint": "/mmfs1/gscratch/stf/abhinavp/corpus-filtering/outputs/rel-cl2/transformer/3/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": 10.9751,
15
+ "step": 1
16
+ },
17
+ {
18
+ "epoch": 0.0,
19
+ "learning_rate": 4.999161405248948e-05,
20
+ "loss": 6.8389,
21
+ "step": 512
22
+ },
23
+ {
24
+ "epoch": 0.0,
25
+ "learning_rate": 4.998322810497896e-05,
26
+ "loss": 6.1964,
27
+ "step": 1024
28
+ },
29
+ {
30
+ "epoch": 0.0,
31
+ "learning_rate": 4.997484215746844e-05,
32
+ "loss": 5.9913,
33
+ "step": 1536
34
+ },
35
+ {
36
+ "epoch": 0.0,
37
+ "learning_rate": 4.996645620995792e-05,
38
+ "loss": 5.831,
39
+ "step": 2048
40
+ },
41
+ {
42
+ "epoch": 0.0,
43
+ "learning_rate": 4.99580702624474e-05,
44
+ "loss": 5.729,
45
+ "step": 2560
46
+ },
47
+ {
48
+ "epoch": 0.0,
49
+ "learning_rate": 4.994968431493688e-05,
50
+ "loss": 5.6181,
51
+ "step": 3072
52
+ },
53
+ {
54
+ "epoch": 0.0,
55
+ "learning_rate": 4.994129836742636e-05,
56
+ "loss": 5.5466,
57
+ "step": 3584
58
+ },
59
+ {
60
+ "epoch": 0.0,
61
+ "learning_rate": 4.993291241991584e-05,
62
+ "loss": 5.4708,
63
+ "step": 4096
64
+ },
65
+ {
66
+ "epoch": 0.0,
67
+ "learning_rate": 4.992452647240532e-05,
68
+ "loss": 5.4107,
69
+ "step": 4608
70
+ },
71
+ {
72
+ "epoch": 0.0,
73
+ "learning_rate": 4.99161405248948e-05,
74
+ "loss": 5.3693,
75
+ "step": 5120
76
+ },
77
+ {
78
+ "epoch": 0.0,
79
+ "learning_rate": 4.990775457738428e-05,
80
+ "loss": 5.3226,
81
+ "step": 5632
82
+ },
83
+ {
84
+ "epoch": 0.0,
85
+ "learning_rate": 4.989936862987376e-05,
86
+ "loss": 5.2769,
87
+ "step": 6144
88
+ },
89
+ {
90
+ "epoch": 0.0,
91
+ "learning_rate": 4.989098268236324e-05,
92
+ "loss": 5.2265,
93
+ "step": 6656
94
+ },
95
+ {
96
+ "epoch": 0.0,
97
+ "learning_rate": 4.988259673485272e-05,
98
+ "loss": 5.2016,
99
+ "step": 7168
100
+ },
101
+ {
102
+ "epoch": 0.0,
103
+ "learning_rate": 4.98742107873422e-05,
104
+ "loss": 5.1534,
105
+ "step": 7680
106
+ },
107
+ {
108
+ "epoch": 0.0,
109
+ "learning_rate": 4.986582483983168e-05,
110
+ "loss": 5.1278,
111
+ "step": 8192
112
+ },
113
+ {
114
+ "epoch": 0.0,
115
+ "learning_rate": 4.985745527112489e-05,
116
+ "loss": 5.1024,
117
+ "step": 8704
118
+ },
119
+ {
120
+ "epoch": 0.0,
121
+ "learning_rate": 4.984906932361437e-05,
122
+ "loss": 5.0704,
123
+ "step": 9216
124
+ },
125
+ {
126
+ "epoch": 0.0,
127
+ "learning_rate": 4.984068337610385e-05,
128
+ "loss": 5.0395,
129
+ "step": 9728
130
+ },
131
+ {
132
+ "epoch": 0.0,
133
+ "learning_rate": 4.983229742859333e-05,
134
+ "loss": 5.024,
135
+ "step": 10240
136
+ },
137
+ {
138
+ "epoch": 0.0,
139
+ "learning_rate": 4.9823927859886547e-05,
140
+ "loss": 4.9922,
141
+ "step": 10752
142
+ },
143
+ {
144
+ "epoch": 0.0,
145
+ "learning_rate": 4.9815541912376026e-05,
146
+ "loss": 4.9741,
147
+ "step": 11264
148
+ },
149
+ {
150
+ "epoch": 0.0,
151
+ "learning_rate": 4.9807155964865506e-05,
152
+ "loss": 4.9492,
153
+ "step": 11776
154
+ },
155
+ {
156
+ "epoch": 0.0,
157
+ "learning_rate": 4.9798770017354986e-05,
158
+ "loss": 4.9421,
159
+ "step": 12288
160
+ },
161
+ {
162
+ "epoch": 0.0,
163
+ "learning_rate": 4.9790384069844466e-05,
164
+ "loss": 4.9073,
165
+ "step": 12800
166
+ },
167
+ {
168
+ "epoch": 0.0,
169
+ "learning_rate": 4.9781998122333946e-05,
170
+ "loss": 4.8925,
171
+ "step": 13312
172
+ },
173
+ {
174
+ "epoch": 0.0,
175
+ "learning_rate": 4.9773628553627155e-05,
176
+ "loss": 4.8648,
177
+ "step": 13824
178
+ },
179
+ {
180
+ "epoch": 0.0,
181
+ "learning_rate": 4.9765242606116635e-05,
182
+ "loss": 4.8574,
183
+ "step": 14336
184
+ },
185
+ {
186
+ "epoch": 0.0,
187
+ "learning_rate": 4.9756856658606115e-05,
188
+ "loss": 4.835,
189
+ "step": 14848
190
+ },
191
+ {
192
+ "epoch": 0.01,
193
+ "learning_rate": 4.9748470711095595e-05,
194
+ "loss": 4.8275,
195
+ "step": 15360
196
+ },
197
+ {
198
+ "epoch": 0.01,
199
+ "learning_rate": 4.9740117521192533e-05,
200
+ "loss": 4.8153,
201
+ "step": 15872
202
+ },
203
+ {
204
+ "epoch": 0.01,
205
+ "learning_rate": 4.9731731573682013e-05,
206
+ "loss": 4.7978,
207
+ "step": 16384
208
+ },
209
+ {
210
+ "epoch": 0.01,
211
+ "learning_rate": 4.97233456261715e-05,
212
+ "loss": 4.7871,
213
+ "step": 16896
214
+ },
215
+ {
216
+ "epoch": 0.01,
217
+ "learning_rate": 4.971495967866098e-05,
218
+ "loss": 4.7747,
219
+ "step": 17408
220
+ },
221
+ {
222
+ "epoch": 0.01,
223
+ "learning_rate": 4.970657373115046e-05,
224
+ "loss": 4.7605,
225
+ "step": 17920
226
+ },
227
+ {
228
+ "epoch": 0.01,
229
+ "learning_rate": 4.969820416244367e-05,
230
+ "loss": 4.7562,
231
+ "step": 18432
232
+ },
233
+ {
234
+ "epoch": 0.01,
235
+ "learning_rate": 4.968981821493315e-05,
236
+ "loss": 4.7263,
237
+ "step": 18944
238
+ },
239
+ {
240
+ "epoch": 0.01,
241
+ "learning_rate": 4.968143226742263e-05,
242
+ "loss": 4.7161,
243
+ "step": 19456
244
+ },
245
+ {
246
+ "epoch": 0.01,
247
+ "learning_rate": 4.967304631991211e-05,
248
+ "loss": 4.6945,
249
+ "step": 19968
250
+ },
251
+ {
252
+ "epoch": 0.01,
253
+ "learning_rate": 4.966466037240159e-05,
254
+ "loss": 4.6983,
255
+ "step": 20480
256
+ },
257
+ {
258
+ "epoch": 0.01,
259
+ "learning_rate": 4.965627442489107e-05,
260
+ "loss": 4.6842,
261
+ "step": 20992
262
+ },
263
+ {
264
+ "epoch": 0.01,
265
+ "learning_rate": 4.964788847738054e-05,
266
+ "loss": 4.6841,
267
+ "step": 21504
268
+ },
269
+ {
270
+ "epoch": 0.01,
271
+ "learning_rate": 4.963950252987002e-05,
272
+ "loss": 4.6636,
273
+ "step": 22016
274
+ },
275
+ {
276
+ "epoch": 0.01,
277
+ "learning_rate": 4.963113296116324e-05,
278
+ "loss": 4.658,
279
+ "step": 22528
280
+ },
281
+ {
282
+ "epoch": 0.01,
283
+ "learning_rate": 4.962274701365272e-05,
284
+ "loss": 4.6533,
285
+ "step": 23040
286
+ },
287
+ {
288
+ "epoch": 0.01,
289
+ "learning_rate": 4.96143610661422e-05,
290
+ "loss": 4.6467,
291
+ "step": 23552
292
+ },
293
+ {
294
+ "epoch": 0.01,
295
+ "learning_rate": 4.960597511863168e-05,
296
+ "loss": 4.6345,
297
+ "step": 24064
298
+ },
299
+ {
300
+ "epoch": 0.01,
301
+ "learning_rate": 4.959758917112116e-05,
302
+ "loss": 4.6175,
303
+ "step": 24576
304
+ },
305
+ {
306
+ "epoch": 0.01,
307
+ "learning_rate": 4.9589219602414374e-05,
308
+ "loss": 4.607,
309
+ "step": 25088
310
+ },
311
+ {
312
+ "epoch": 0.01,
313
+ "learning_rate": 4.958085003370758e-05,
314
+ "loss": 4.626,
315
+ "step": 25600
316
+ },
317
+ {
318
+ "epoch": 0.01,
319
+ "learning_rate": 4.957246408619706e-05,
320
+ "loss": 4.6135,
321
+ "step": 26112
322
+ },
323
+ {
324
+ "epoch": 0.01,
325
+ "learning_rate": 4.956407813868654e-05,
326
+ "loss": 4.594,
327
+ "step": 26624
328
+ },
329
+ {
330
+ "epoch": 0.01,
331
+ "learning_rate": 4.9555692191176016e-05,
332
+ "loss": 4.58,
333
+ "step": 27136
334
+ },
335
+ {
336
+ "epoch": 0.01,
337
+ "learning_rate": 4.9547306243665496e-05,
338
+ "loss": 4.5894,
339
+ "step": 27648
340
+ },
341
+ {
342
+ "epoch": 0.01,
343
+ "learning_rate": 4.9538920296154976e-05,
344
+ "loss": 4.5654,
345
+ "step": 28160
346
+ },
347
+ {
348
+ "epoch": 0.01,
349
+ "learning_rate": 4.9530534348644456e-05,
350
+ "loss": 4.5763,
351
+ "step": 28672
352
+ },
353
+ {
354
+ "epoch": 0.01,
355
+ "learning_rate": 4.9522148401133936e-05,
356
+ "loss": 4.5455,
357
+ "step": 29184
358
+ },
359
+ {
360
+ "epoch": 0.01,
361
+ "learning_rate": 4.951377883242715e-05,
362
+ "loss": 4.5663,
363
+ "step": 29696
364
+ },
365
+ {
366
+ "epoch": 0.01,
367
+ "learning_rate": 4.950539288491663e-05,
368
+ "loss": 4.5519,
369
+ "step": 30208
370
+ },
371
+ {
372
+ "epoch": 0.01,
373
+ "learning_rate": 4.949700693740611e-05,
374
+ "loss": 4.5308,
375
+ "step": 30720
376
+ },
377
+ {
378
+ "epoch": 0.01,
379
+ "learning_rate": 4.948862098989559e-05,
380
+ "loss": 4.5254,
381
+ "step": 31232
382
+ },
383
+ {
384
+ "epoch": 0.01,
385
+ "learning_rate": 4.94802514211888e-05,
386
+ "loss": 4.5371,
387
+ "step": 31744
388
+ },
389
+ {
390
+ "epoch": 0.01,
391
+ "learning_rate": 4.947186547367828e-05,
392
+ "loss": 4.4981,
393
+ "step": 32256
394
+ },
395
+ {
396
+ "epoch": 0.01,
397
+ "learning_rate": 4.946347952616776e-05,
398
+ "loss": 4.5097,
399
+ "step": 32768
400
+ },
401
+ {
402
+ "epoch": 0.01,
403
+ "learning_rate": 4.945509357865724e-05,
404
+ "loss": 4.5177,
405
+ "step": 33280
406
+ },
407
+ {
408
+ "epoch": 0.01,
409
+ "learning_rate": 4.944672400995045e-05,
410
+ "loss": 4.5039,
411
+ "step": 33792
412
+ },
413
+ {
414
+ "epoch": 0.01,
415
+ "learning_rate": 4.943833806243993e-05,
416
+ "loss": 4.4962,
417
+ "step": 34304
418
+ },
419
+ {
420
+ "epoch": 0.01,
421
+ "learning_rate": 4.942995211492941e-05,
422
+ "loss": 4.4801,
423
+ "step": 34816
424
+ },
425
+ {
426
+ "epoch": 0.01,
427
+ "learning_rate": 4.9421582546222625e-05,
428
+ "loss": 4.4776,
429
+ "step": 35328
430
+ },
431
+ {
432
+ "epoch": 0.01,
433
+ "learning_rate": 4.9413196598712105e-05,
434
+ "loss": 4.4747,
435
+ "step": 35840
436
+ },
437
+ {
438
+ "epoch": 0.01,
439
+ "learning_rate": 4.9404810651201585e-05,
440
+ "loss": 4.4897,
441
+ "step": 36352
442
+ },
443
+ {
444
+ "epoch": 0.01,
445
+ "learning_rate": 4.9396424703691065e-05,
446
+ "loss": 4.4655,
447
+ "step": 36864
448
+ },
449
+ {
450
+ "epoch": 0.01,
451
+ "learning_rate": 4.9388038756180545e-05,
452
+ "loss": 4.477,
453
+ "step": 37376
454
+ },
455
+ {
456
+ "epoch": 0.01,
457
+ "learning_rate": 4.9379652808670025e-05,
458
+ "loss": 4.4706,
459
+ "step": 37888
460
+ },
461
+ {
462
+ "epoch": 0.01,
463
+ "learning_rate": 4.9371266861159505e-05,
464
+ "loss": 4.4679,
465
+ "step": 38400
466
+ },
467
+ {
468
+ "epoch": 0.01,
469
+ "learning_rate": 4.9362897292452714e-05,
470
+ "loss": 4.451,
471
+ "step": 38912
472
+ },
473
+ {
474
+ "epoch": 0.01,
475
+ "learning_rate": 4.9354511344942194e-05,
476
+ "loss": 4.4509,
477
+ "step": 39424
478
+ },
479
+ {
480
+ "epoch": 0.01,
481
+ "learning_rate": 4.9346125397431674e-05,
482
+ "loss": 4.4463,
483
+ "step": 39936
484
+ },
485
+ {
486
+ "epoch": 0.01,
487
+ "learning_rate": 4.9337739449921154e-05,
488
+ "loss": 4.4422,
489
+ "step": 40448
490
+ },
491
+ {
492
+ "epoch": 0.01,
493
+ "learning_rate": 4.9329353502410634e-05,
494
+ "loss": 4.4351,
495
+ "step": 40960
496
+ },
497
+ {
498
+ "epoch": 0.01,
499
+ "learning_rate": 4.9320967554900114e-05,
500
+ "loss": 4.4272,
501
+ "step": 41472
502
+ },
503
+ {
504
+ "epoch": 0.01,
505
+ "learning_rate": 4.9312581607389594e-05,
506
+ "loss": 4.4292,
507
+ "step": 41984
508
+ },
509
+ {
510
+ "epoch": 0.01,
511
+ "learning_rate": 4.9304195659879074e-05,
512
+ "loss": 4.429,
513
+ "step": 42496
514
+ },
515
+ {
516
+ "epoch": 0.01,
517
+ "learning_rate": 4.929582609117229e-05,
518
+ "loss": 4.4078,
519
+ "step": 43008
520
+ },
521
+ {
522
+ "epoch": 0.01,
523
+ "learning_rate": 4.928744014366177e-05,
524
+ "loss": 4.4161,
525
+ "step": 43520
526
+ },
527
+ {
528
+ "epoch": 0.01,
529
+ "learning_rate": 4.927905419615125e-05,
530
+ "loss": 4.4141,
531
+ "step": 44032
532
+ },
533
+ {
534
+ "epoch": 0.01,
535
+ "learning_rate": 4.927066824864073e-05,
536
+ "loss": 4.4159,
537
+ "step": 44544
538
+ },
539
+ {
540
+ "epoch": 0.01,
541
+ "learning_rate": 4.926229867993394e-05,
542
+ "loss": 4.4003,
543
+ "step": 45056
544
+ },
545
+ {
546
+ "epoch": 0.01,
547
+ "learning_rate": 4.925392911122715e-05,
548
+ "loss": 4.3988,
549
+ "step": 45568
550
+ },
551
+ {
552
+ "epoch": 0.02,
553
+ "learning_rate": 4.924554316371663e-05,
554
+ "loss": 4.389,
555
+ "step": 46080
556
+ },
557
+ {
558
+ "epoch": 0.02,
559
+ "learning_rate": 4.923715721620611e-05,
560
+ "loss": 4.3841,
561
+ "step": 46592
562
+ },
563
+ {
564
+ "epoch": 0.02,
565
+ "learning_rate": 4.922878764749932e-05,
566
+ "loss": 4.386,
567
+ "step": 47104
568
+ },
569
+ {
570
+ "epoch": 0.02,
571
+ "learning_rate": 4.92204016999888e-05,
572
+ "loss": 4.3884,
573
+ "step": 47616
574
+ },
575
+ {
576
+ "epoch": 0.02,
577
+ "learning_rate": 4.921201575247828e-05,
578
+ "loss": 4.3837,
579
+ "step": 48128
580
+ },
581
+ {
582
+ "epoch": 0.02,
583
+ "learning_rate": 4.920362980496776e-05,
584
+ "loss": 4.3889,
585
+ "step": 48640
586
+ },
587
+ {
588
+ "epoch": 0.02,
589
+ "learning_rate": 4.919524385745724e-05,
590
+ "loss": 4.3802,
591
+ "step": 49152
592
+ },
593
+ {
594
+ "epoch": 0.02,
595
+ "learning_rate": 4.918685790994672e-05,
596
+ "loss": 4.3615,
597
+ "step": 49664
598
+ },
599
+ {
600
+ "epoch": 0.02,
601
+ "learning_rate": 4.91784719624362e-05,
602
+ "loss": 4.363,
603
+ "step": 50176
604
+ },
605
+ {
606
+ "epoch": 0.02,
607
+ "learning_rate": 4.9170086014925676e-05,
608
+ "loss": 4.3707,
609
+ "step": 50688
610
+ },
611
+ {
612
+ "epoch": 0.02,
613
+ "learning_rate": 4.9161700067415156e-05,
614
+ "loss": 4.3667,
615
+ "step": 51200
616
+ },
617
+ {
618
+ "epoch": 0.02,
619
+ "learning_rate": 4.9153314119904636e-05,
620
+ "loss": 4.365,
621
+ "step": 51712
622
+ },
623
+ {
624
+ "epoch": 0.02,
625
+ "learning_rate": 4.914494455119785e-05,
626
+ "loss": 4.355,
627
+ "step": 52224
628
+ },
629
+ {
630
+ "epoch": 0.02,
631
+ "learning_rate": 4.9136558603687325e-05,
632
+ "loss": 4.3449,
633
+ "step": 52736
634
+ },
635
+ {
636
+ "epoch": 0.02,
637
+ "learning_rate": 4.9128172656176805e-05,
638
+ "loss": 4.3576,
639
+ "step": 53248
640
+ },
641
+ {
642
+ "epoch": 0.02,
643
+ "learning_rate": 4.9119786708666285e-05,
644
+ "loss": 4.3364,
645
+ "step": 53760
646
+ },
647
+ {
648
+ "epoch": 0.02,
649
+ "learning_rate": 4.91114171399595e-05,
650
+ "loss": 4.3404,
651
+ "step": 54272
652
+ },
653
+ {
654
+ "epoch": 0.02,
655
+ "learning_rate": 4.910303119244898e-05,
656
+ "loss": 4.3355,
657
+ "step": 54784
658
+ },
659
+ {
660
+ "epoch": 0.02,
661
+ "learning_rate": 4.909464524493846e-05,
662
+ "loss": 4.3354,
663
+ "step": 55296
664
+ },
665
+ {
666
+ "epoch": 0.02,
667
+ "learning_rate": 4.908625929742794e-05,
668
+ "loss": 4.327,
669
+ "step": 55808
670
+ },
671
+ {
672
+ "epoch": 0.02,
673
+ "learning_rate": 4.907787334991742e-05,
674
+ "loss": 4.3271,
675
+ "step": 56320
676
+ },
677
+ {
678
+ "epoch": 0.02,
679
+ "learning_rate": 4.90694874024069e-05,
680
+ "loss": 4.3205,
681
+ "step": 56832
682
+ },
683
+ {
684
+ "epoch": 0.02,
685
+ "learning_rate": 4.906110145489638e-05,
686
+ "loss": 4.3286,
687
+ "step": 57344
688
+ },
689
+ {
690
+ "epoch": 0.02,
691
+ "learning_rate": 4.905273188618959e-05,
692
+ "loss": 4.3227,
693
+ "step": 57856
694
+ },
695
+ {
696
+ "epoch": 0.02,
697
+ "learning_rate": 4.904434593867907e-05,
698
+ "loss": 4.3148,
699
+ "step": 58368
700
+ },
701
+ {
702
+ "epoch": 0.02,
703
+ "learning_rate": 4.903595999116855e-05,
704
+ "loss": 4.3247,
705
+ "step": 58880
706
+ },
707
+ {
708
+ "epoch": 0.02,
709
+ "learning_rate": 4.902757404365803e-05,
710
+ "loss": 4.3281,
711
+ "step": 59392
712
+ },
713
+ {
714
+ "epoch": 0.02,
715
+ "learning_rate": 4.901920447495124e-05,
716
+ "loss": 4.3174,
717
+ "step": 59904
718
+ },
719
+ {
720
+ "epoch": 0.02,
721
+ "learning_rate": 4.901081852744072e-05,
722
+ "loss": 4.3046,
723
+ "step": 60416
724
+ },
725
+ {
726
+ "epoch": 0.02,
727
+ "learning_rate": 4.90024325799302e-05,
728
+ "loss": 4.3016,
729
+ "step": 60928
730
+ },
731
+ {
732
+ "epoch": 0.02,
733
+ "learning_rate": 4.8994046632419686e-05,
734
+ "loss": 4.3007,
735
+ "step": 61440
736
+ },
737
+ {
738
+ "epoch": 0.02,
739
+ "learning_rate": 4.8985660684909166e-05,
740
+ "loss": 4.3064,
741
+ "step": 61952
742
+ },
743
+ {
744
+ "epoch": 0.02,
745
+ "learning_rate": 4.8977274737398646e-05,
746
+ "loss": 4.3021,
747
+ "step": 62464
748
+ },
749
+ {
750
+ "epoch": 0.02,
751
+ "learning_rate": 4.8968905168691855e-05,
752
+ "loss": 4.2912,
753
+ "step": 62976
754
+ },
755
+ {
756
+ "epoch": 0.02,
757
+ "learning_rate": 4.8960519221181335e-05,
758
+ "loss": 4.3,
759
+ "step": 63488
760
+ },
761
+ {
762
+ "epoch": 0.02,
763
+ "learning_rate": 4.8952133273670815e-05,
764
+ "loss": 4.2918,
765
+ "step": 64000
766
+ },
767
+ {
768
+ "epoch": 0.02,
769
+ "learning_rate": 4.8943747326160294e-05,
770
+ "loss": 4.2915,
771
+ "step": 64512
772
+ },
773
+ {
774
+ "epoch": 0.02,
775
+ "learning_rate": 4.8935361378649774e-05,
776
+ "loss": 4.2856,
777
+ "step": 65024
778
+ },
779
+ {
780
+ "epoch": 0.02,
781
+ "learning_rate": 4.8926991809942984e-05,
782
+ "loss": 4.2863,
783
+ "step": 65536
784
+ },
785
+ {
786
+ "epoch": 0.02,
787
+ "learning_rate": 4.8918605862432463e-05,
788
+ "loss": 4.2782,
789
+ "step": 66048
790
+ },
791
+ {
792
+ "epoch": 0.02,
793
+ "learning_rate": 4.8910219914921943e-05,
794
+ "loss": 4.2889,
795
+ "step": 66560
796
+ },
797
+ {
798
+ "epoch": 0.02,
799
+ "learning_rate": 4.8901833967411423e-05,
800
+ "loss": 4.2873,
801
+ "step": 67072
802
+ },
803
+ {
804
+ "epoch": 0.02,
805
+ "learning_rate": 4.889346439870464e-05,
806
+ "loss": 4.2855,
807
+ "step": 67584
808
+ },
809
+ {
810
+ "epoch": 0.02,
811
+ "learning_rate": 4.888507845119412e-05,
812
+ "loss": 4.2637,
813
+ "step": 68096
814
+ },
815
+ {
816
+ "epoch": 0.02,
817
+ "learning_rate": 4.88766925036836e-05,
818
+ "loss": 4.2777,
819
+ "step": 68608
820
+ },
821
+ {
822
+ "epoch": 0.02,
823
+ "learning_rate": 4.886830655617308e-05,
824
+ "loss": 4.2728,
825
+ "step": 69120
826
+ },
827
+ {
828
+ "epoch": 0.02,
829
+ "learning_rate": 4.885993698746629e-05,
830
+ "loss": 4.2745,
831
+ "step": 69632
832
+ },
833
+ {
834
+ "epoch": 0.02,
835
+ "learning_rate": 4.885155103995577e-05,
836
+ "loss": 4.2644,
837
+ "step": 70144
838
+ },
839
+ {
840
+ "epoch": 0.02,
841
+ "learning_rate": 4.884316509244525e-05,
842
+ "loss": 4.2725,
843
+ "step": 70656
844
+ },
845
+ {
846
+ "epoch": 0.02,
847
+ "learning_rate": 4.883477914493473e-05,
848
+ "loss": 4.2626,
849
+ "step": 71168
850
+ },
851
+ {
852
+ "epoch": 0.02,
853
+ "learning_rate": 4.882640957622794e-05,
854
+ "loss": 4.2801,
855
+ "step": 71680
856
+ },
857
+ {
858
+ "epoch": 0.02,
859
+ "learning_rate": 4.881802362871742e-05,
860
+ "loss": 4.2486,
861
+ "step": 72192
862
+ },
863
+ {
864
+ "epoch": 0.02,
865
+ "learning_rate": 4.88096376812069e-05,
866
+ "loss": 4.2673,
867
+ "step": 72704
868
+ },
869
+ {
870
+ "epoch": 0.02,
871
+ "learning_rate": 4.880125173369638e-05,
872
+ "loss": 4.2524,
873
+ "step": 73216
874
+ },
875
+ {
876
+ "epoch": 0.02,
877
+ "learning_rate": 4.8792882164989586e-05,
878
+ "loss": 4.2501,
879
+ "step": 73728
880
+ },
881
+ {
882
+ "epoch": 0.02,
883
+ "learning_rate": 4.878449621747907e-05,
884
+ "loss": 4.2526,
885
+ "step": 74240
886
+ },
887
+ {
888
+ "epoch": 0.02,
889
+ "learning_rate": 4.877611026996855e-05,
890
+ "loss": 4.2388,
891
+ "step": 74752
892
+ },
893
+ {
894
+ "epoch": 0.02,
895
+ "learning_rate": 4.876772432245803e-05,
896
+ "loss": 4.2436,
897
+ "step": 75264
898
+ },
899
+ {
900
+ "epoch": 0.02,
901
+ "learning_rate": 4.875933837494751e-05,
902
+ "loss": 4.2508,
903
+ "step": 75776
904
+ },
905
+ {
906
+ "epoch": 0.02,
907
+ "learning_rate": 4.8750952427436986e-05,
908
+ "loss": 4.238,
909
+ "step": 76288
910
+ },
911
+ {
912
+ "epoch": 0.03,
913
+ "eval_loss": 4.206758975982666,
914
+ "eval_runtime": 303.3129,
915
+ "eval_samples_per_second": 1258.077,
916
+ "eval_steps_per_second": 39.316,
917
+ "step": 76320
918
+ },
919
+ {
920
+ "epoch": 1.0,
921
+ "learning_rate": 4.87425828587302e-05,
922
+ "loss": 4.2339,
923
+ "step": 76800
924
+ },
925
+ {
926
+ "epoch": 1.0,
927
+ "learning_rate": 4.873419691121968e-05,
928
+ "loss": 4.2289,
929
+ "step": 77312
930
+ },
931
+ {
932
+ "epoch": 1.0,
933
+ "learning_rate": 4.872581096370916e-05,
934
+ "loss": 4.2439,
935
+ "step": 77824
936
+ },
937
+ {
938
+ "epoch": 1.0,
939
+ "learning_rate": 4.8717425016198635e-05,
940
+ "loss": 4.2338,
941
+ "step": 78336
942
+ },
943
+ {
944
+ "epoch": 1.0,
945
+ "learning_rate": 4.870905544749185e-05,
946
+ "loss": 4.2424,
947
+ "step": 78848
948
+ },
949
+ {
950
+ "epoch": 1.0,
951
+ "learning_rate": 4.870066949998133e-05,
952
+ "loss": 4.2215,
953
+ "step": 79360
954
+ },
955
+ {
956
+ "epoch": 1.0,
957
+ "learning_rate": 4.869228355247081e-05,
958
+ "loss": 4.2239,
959
+ "step": 79872
960
+ },
961
+ {
962
+ "epoch": 1.0,
963
+ "learning_rate": 4.868389760496029e-05,
964
+ "loss": 4.2119,
965
+ "step": 80384
966
+ },
967
+ {
968
+ "epoch": 1.0,
969
+ "learning_rate": 4.8675528036253507e-05,
970
+ "loss": 4.2221,
971
+ "step": 80896
972
+ },
973
+ {
974
+ "epoch": 1.0,
975
+ "learning_rate": 4.8667142088742986e-05,
976
+ "loss": 4.2176,
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": 4.2205,
989
+ "step": 82432
990
+ },
991
+ {
992
+ "epoch": 1.0,
993
+ "learning_rate": 4.864198424621142e-05,
994
+ "loss": 4.1997,
995
+ "step": 82944
996
+ },
997
+ {
998
+ "epoch": 1.0,
999
+ "learning_rate": 4.8633614677504635e-05,
1000
+ "loss": 4.2117,
1001
+ "step": 83456
1002
+ },
1003
+ {
1004
+ "epoch": 1.0,
1005
+ "learning_rate": 4.862522872999411e-05,
1006
+ "loss": 4.197,
1007
+ "step": 83968
1008
+ },
1009
+ {
1010
+ "epoch": 1.0,
1011
+ "learning_rate": 4.861684278248359e-05,
1012
+ "loss": 4.1969,
1013
+ "step": 84480
1014
+ },
1015
+ {
1016
+ "epoch": 1.0,
1017
+ "learning_rate": 4.860845683497307e-05,
1018
+ "loss": 4.2043,
1019
+ "step": 84992
1020
+ },
1021
+ {
1022
+ "epoch": 1.0,
1023
+ "learning_rate": 4.860008726626628e-05,
1024
+ "loss": 4.1963,
1025
+ "step": 85504
1026
+ },
1027
+ {
1028
+ "epoch": 1.0,
1029
+ "learning_rate": 4.8591701318755764e-05,
1030
+ "loss": 4.198,
1031
+ "step": 86016
1032
+ },
1033
+ {
1034
+ "epoch": 1.0,
1035
+ "learning_rate": 4.8583315371245244e-05,
1036
+ "loss": 4.2132,
1037
+ "step": 86528
1038
+ },
1039
+ {
1040
+ "epoch": 1.0,
1041
+ "learning_rate": 4.8574929423734724e-05,
1042
+ "loss": 4.1907,
1043
+ "step": 87040
1044
+ },
1045
+ {
1046
+ "epoch": 1.0,
1047
+ "learning_rate": 4.856655985502793e-05,
1048
+ "loss": 4.1932,
1049
+ "step": 87552
1050
+ },
1051
+ {
1052
+ "epoch": 1.0,
1053
+ "learning_rate": 4.855817390751741e-05,
1054
+ "loss": 4.1915,
1055
+ "step": 88064
1056
+ },
1057
+ {
1058
+ "epoch": 1.0,
1059
+ "learning_rate": 4.854978796000689e-05,
1060
+ "loss": 4.1981,
1061
+ "step": 88576
1062
+ },
1063
+ {
1064
+ "epoch": 1.0,
1065
+ "learning_rate": 4.854140201249637e-05,
1066
+ "loss": 4.1901,
1067
+ "step": 89088
1068
+ },
1069
+ {
1070
+ "epoch": 1.0,
1071
+ "learning_rate": 4.853303244378958e-05,
1072
+ "loss": 4.1893,
1073
+ "step": 89600
1074
+ },
1075
+ {
1076
+ "epoch": 1.0,
1077
+ "learning_rate": 4.852464649627906e-05,
1078
+ "loss": 4.1739,
1079
+ "step": 90112
1080
+ },
1081
+ {
1082
+ "epoch": 1.0,
1083
+ "learning_rate": 4.851626054876854e-05,
1084
+ "loss": 4.1814,
1085
+ "step": 90624
1086
+ },
1087
+ {
1088
+ "epoch": 1.0,
1089
+ "learning_rate": 4.850787460125802e-05,
1090
+ "loss": 4.1703,
1091
+ "step": 91136
1092
+ },
1093
+ {
1094
+ "epoch": 1.01,
1095
+ "learning_rate": 4.84994886537475e-05,
1096
+ "loss": 4.1817,
1097
+ "step": 91648
1098
+ },
1099
+ {
1100
+ "epoch": 1.01,
1101
+ "learning_rate": 4.849111908504072e-05,
1102
+ "loss": 4.1757,
1103
+ "step": 92160
1104
+ },
1105
+ {
1106
+ "epoch": 1.01,
1107
+ "learning_rate": 4.8482749516333934e-05,
1108
+ "loss": 4.1788,
1109
+ "step": 92672
1110
+ },
1111
+ {
1112
+ "epoch": 1.01,
1113
+ "learning_rate": 4.847436356882341e-05,
1114
+ "loss": 4.1832,
1115
+ "step": 93184
1116
+ },
1117
+ {
1118
+ "epoch": 1.01,
1119
+ "learning_rate": 4.846597762131289e-05,
1120
+ "loss": 4.1711,
1121
+ "step": 93696
1122
+ },
1123
+ {
1124
+ "epoch": 1.01,
1125
+ "learning_rate": 4.845759167380237e-05,
1126
+ "loss": 4.1762,
1127
+ "step": 94208
1128
+ },
1129
+ {
1130
+ "epoch": 1.01,
1131
+ "learning_rate": 4.844920572629185e-05,
1132
+ "loss": 4.172,
1133
+ "step": 94720
1134
+ },
1135
+ {
1136
+ "epoch": 1.01,
1137
+ "learning_rate": 4.844081977878133e-05,
1138
+ "loss": 4.1624,
1139
+ "step": 95232
1140
+ },
1141
+ {
1142
+ "epoch": 1.01,
1143
+ "learning_rate": 4.843243383127081e-05,
1144
+ "loss": 4.1557,
1145
+ "step": 95744
1146
+ },
1147
+ {
1148
+ "epoch": 1.01,
1149
+ "learning_rate": 4.8424064262564016e-05,
1150
+ "loss": 4.1473,
1151
+ "step": 96256
1152
+ },
1153
+ {
1154
+ "epoch": 1.01,
1155
+ "learning_rate": 4.8415678315053496e-05,
1156
+ "loss": 4.1549,
1157
+ "step": 96768
1158
+ },
1159
+ {
1160
+ "epoch": 1.01,
1161
+ "learning_rate": 4.8407292367542976e-05,
1162
+ "loss": 4.1553,
1163
+ "step": 97280
1164
+ },
1165
+ {
1166
+ "epoch": 1.01,
1167
+ "learning_rate": 4.8398906420032456e-05,
1168
+ "loss": 4.1624,
1169
+ "step": 97792
1170
+ },
1171
+ {
1172
+ "epoch": 1.01,
1173
+ "learning_rate": 4.839053685132567e-05,
1174
+ "loss": 4.1507,
1175
+ "step": 98304
1176
+ },
1177
+ {
1178
+ "epoch": 1.01,
1179
+ "learning_rate": 4.838215090381515e-05,
1180
+ "loss": 4.1486,
1181
+ "step": 98816
1182
+ },
1183
+ {
1184
+ "epoch": 1.01,
1185
+ "learning_rate": 4.837376495630463e-05,
1186
+ "loss": 4.1542,
1187
+ "step": 99328
1188
+ },
1189
+ {
1190
+ "epoch": 1.01,
1191
+ "learning_rate": 4.836537900879411e-05,
1192
+ "loss": 4.1477,
1193
+ "step": 99840
1194
+ },
1195
+ {
1196
+ "epoch": 1.01,
1197
+ "learning_rate": 4.835700944008732e-05,
1198
+ "loss": 4.1483,
1199
+ "step": 100352
1200
+ },
1201
+ {
1202
+ "epoch": 1.01,
1203
+ "learning_rate": 4.83486234925768e-05,
1204
+ "loss": 4.1356,
1205
+ "step": 100864
1206
+ },
1207
+ {
1208
+ "epoch": 1.01,
1209
+ "learning_rate": 4.834023754506628e-05,
1210
+ "loss": 4.1328,
1211
+ "step": 101376
1212
+ },
1213
+ {
1214
+ "epoch": 1.01,
1215
+ "learning_rate": 4.833185159755576e-05,
1216
+ "loss": 4.1569,
1217
+ "step": 101888
1218
+ },
1219
+ {
1220
+ "epoch": 1.01,
1221
+ "learning_rate": 4.832346565004524e-05,
1222
+ "loss": 4.1533,
1223
+ "step": 102400
1224
+ },
1225
+ {
1226
+ "epoch": 1.01,
1227
+ "learning_rate": 4.831509608133845e-05,
1228
+ "loss": 4.137,
1229
+ "step": 102912
1230
+ },
1231
+ {
1232
+ "epoch": 1.01,
1233
+ "learning_rate": 4.830671013382793e-05,
1234
+ "loss": 4.1392,
1235
+ "step": 103424
1236
+ },
1237
+ {
1238
+ "epoch": 1.01,
1239
+ "learning_rate": 4.829834056512114e-05,
1240
+ "loss": 4.1433,
1241
+ "step": 103936
1242
+ },
1243
+ {
1244
+ "epoch": 1.01,
1245
+ "learning_rate": 4.8289954617610625e-05,
1246
+ "loss": 4.1246,
1247
+ "step": 104448
1248
+ },
1249
+ {
1250
+ "epoch": 1.01,
1251
+ "learning_rate": 4.8281568670100105e-05,
1252
+ "loss": 4.1434,
1253
+ "step": 104960
1254
+ },
1255
+ {
1256
+ "epoch": 1.01,
1257
+ "learning_rate": 4.8273182722589585e-05,
1258
+ "loss": 4.1177,
1259
+ "step": 105472
1260
+ },
1261
+ {
1262
+ "epoch": 1.01,
1263
+ "learning_rate": 4.8264796775079065e-05,
1264
+ "loss": 4.1445,
1265
+ "step": 105984
1266
+ },
1267
+ {
1268
+ "epoch": 1.01,
1269
+ "learning_rate": 4.8256410827568545e-05,
1270
+ "loss": 4.1392,
1271
+ "step": 106496
1272
+ },
1273
+ {
1274
+ "epoch": 1.01,
1275
+ "learning_rate": 4.8248024880058025e-05,
1276
+ "loss": 4.121,
1277
+ "step": 107008
1278
+ },
1279
+ {
1280
+ "epoch": 1.01,
1281
+ "learning_rate": 4.8239655311351234e-05,
1282
+ "loss": 4.1194,
1283
+ "step": 107520
1284
+ },
1285
+ {
1286
+ "epoch": 1.01,
1287
+ "learning_rate": 4.8231269363840714e-05,
1288
+ "loss": 4.1344,
1289
+ "step": 108032
1290
+ },
1291
+ {
1292
+ "epoch": 1.01,
1293
+ "learning_rate": 4.8222883416330194e-05,
1294
+ "loss": 4.1004,
1295
+ "step": 108544
1296
+ },
1297
+ {
1298
+ "epoch": 1.01,
1299
+ "learning_rate": 4.8214497468819674e-05,
1300
+ "loss": 4.1178,
1301
+ "step": 109056
1302
+ },
1303
+ {
1304
+ "epoch": 1.01,
1305
+ "learning_rate": 4.820612790011288e-05,
1306
+ "loss": 4.1285,
1307
+ "step": 109568
1308
+ },
1309
+ {
1310
+ "epoch": 1.01,
1311
+ "learning_rate": 4.819774195260236e-05,
1312
+ "loss": 4.1218,
1313
+ "step": 110080
1314
+ },
1315
+ {
1316
+ "epoch": 1.01,
1317
+ "learning_rate": 4.818935600509184e-05,
1318
+ "loss": 4.1126,
1319
+ "step": 110592
1320
+ },
1321
+ {
1322
+ "epoch": 1.01,
1323
+ "learning_rate": 4.818097005758132e-05,
1324
+ "loss": 4.1008,
1325
+ "step": 111104
1326
+ },
1327
+ {
1328
+ "epoch": 1.01,
1329
+ "learning_rate": 4.817260048887454e-05,
1330
+ "loss": 4.1089,
1331
+ "step": 111616
1332
+ },
1333
+ {
1334
+ "epoch": 1.01,
1335
+ "learning_rate": 4.816421454136402e-05,
1336
+ "loss": 4.1099,
1337
+ "step": 112128
1338
+ },
1339
+ {
1340
+ "epoch": 1.01,
1341
+ "learning_rate": 4.81558285938535e-05,
1342
+ "loss": 4.1186,
1343
+ "step": 112640
1344
+ },
1345
+ {
1346
+ "epoch": 1.01,
1347
+ "learning_rate": 4.814744264634298e-05,
1348
+ "loss": 4.1073,
1349
+ "step": 113152
1350
+ },
1351
+ {
1352
+ "epoch": 1.01,
1353
+ "learning_rate": 4.813907307763619e-05,
1354
+ "loss": 4.1162,
1355
+ "step": 113664
1356
+ },
1357
+ {
1358
+ "epoch": 1.01,
1359
+ "learning_rate": 4.813068713012567e-05,
1360
+ "loss": 4.1182,
1361
+ "step": 114176
1362
+ },
1363
+ {
1364
+ "epoch": 1.01,
1365
+ "learning_rate": 4.812230118261515e-05,
1366
+ "loss": 4.1164,
1367
+ "step": 114688
1368
+ },
1369
+ {
1370
+ "epoch": 1.01,
1371
+ "learning_rate": 4.811391523510463e-05,
1372
+ "loss": 4.1007,
1373
+ "step": 115200
1374
+ },
1375
+ {
1376
+ "epoch": 1.01,
1377
+ "learning_rate": 4.810554566639784e-05,
1378
+ "loss": 4.1078,
1379
+ "step": 115712
1380
+ },
1381
+ {
1382
+ "epoch": 1.01,
1383
+ "learning_rate": 4.809715971888732e-05,
1384
+ "loss": 4.1074,
1385
+ "step": 116224
1386
+ },
1387
+ {
1388
+ "epoch": 1.01,
1389
+ "learning_rate": 4.80887737713768e-05,
1390
+ "loss": 4.1014,
1391
+ "step": 116736
1392
+ },
1393
+ {
1394
+ "epoch": 1.01,
1395
+ "learning_rate": 4.808038782386628e-05,
1396
+ "loss": 4.1036,
1397
+ "step": 117248
1398
+ },
1399
+ {
1400
+ "epoch": 1.01,
1401
+ "learning_rate": 4.807201825515949e-05,
1402
+ "loss": 4.0974,
1403
+ "step": 117760
1404
+ },
1405
+ {
1406
+ "epoch": 1.01,
1407
+ "learning_rate": 4.806363230764897e-05,
1408
+ "loss": 4.1048,
1409
+ "step": 118272
1410
+ },
1411
+ {
1412
+ "epoch": 1.01,
1413
+ "learning_rate": 4.805524636013845e-05,
1414
+ "loss": 4.1024,
1415
+ "step": 118784
1416
+ },
1417
+ {
1418
+ "epoch": 1.01,
1419
+ "learning_rate": 4.804686041262793e-05,
1420
+ "loss": 4.0836,
1421
+ "step": 119296
1422
+ },
1423
+ {
1424
+ "epoch": 1.01,
1425
+ "learning_rate": 4.803849084392114e-05,
1426
+ "loss": 4.0912,
1427
+ "step": 119808
1428
+ },
1429
+ {
1430
+ "epoch": 1.01,
1431
+ "learning_rate": 4.803010489641062e-05,
1432
+ "loss": 4.0954,
1433
+ "step": 120320
1434
+ },
1435
+ {
1436
+ "epoch": 1.01,
1437
+ "learning_rate": 4.80217189489001e-05,
1438
+ "loss": 4.1019,
1439
+ "step": 120832
1440
+ },
1441
+ {
1442
+ "epoch": 1.01,
1443
+ "learning_rate": 4.801333300138958e-05,
1444
+ "loss": 4.0921,
1445
+ "step": 121344
1446
+ },
1447
+ {
1448
+ "epoch": 1.01,
1449
+ "learning_rate": 4.800496343268279e-05,
1450
+ "loss": 4.0892,
1451
+ "step": 121856
1452
+ },
1453
+ {
1454
+ "epoch": 1.02,
1455
+ "learning_rate": 4.799657748517227e-05,
1456
+ "loss": 4.0846,
1457
+ "step": 122368
1458
+ },
1459
+ {
1460
+ "epoch": 1.02,
1461
+ "learning_rate": 4.798819153766175e-05,
1462
+ "loss": 4.0763,
1463
+ "step": 122880
1464
+ },
1465
+ {
1466
+ "epoch": 1.02,
1467
+ "learning_rate": 4.797980559015123e-05,
1468
+ "loss": 4.0809,
1469
+ "step": 123392
1470
+ },
1471
+ {
1472
+ "epoch": 1.02,
1473
+ "learning_rate": 4.7971436021444446e-05,
1474
+ "loss": 4.0893,
1475
+ "step": 123904
1476
+ },
1477
+ {
1478
+ "epoch": 1.02,
1479
+ "learning_rate": 4.7963050073933926e-05,
1480
+ "loss": 4.0859,
1481
+ "step": 124416
1482
+ },
1483
+ {
1484
+ "epoch": 1.02,
1485
+ "learning_rate": 4.7954664126423406e-05,
1486
+ "loss": 4.0948,
1487
+ "step": 124928
1488
+ },
1489
+ {
1490
+ "epoch": 1.02,
1491
+ "learning_rate": 4.7946278178912886e-05,
1492
+ "loss": 4.0854,
1493
+ "step": 125440
1494
+ },
1495
+ {
1496
+ "epoch": 1.02,
1497
+ "learning_rate": 4.7937908610206095e-05,
1498
+ "loss": 4.0774,
1499
+ "step": 125952
1500
+ },
1501
+ {
1502
+ "epoch": 1.02,
1503
+ "learning_rate": 4.7929522662695575e-05,
1504
+ "loss": 4.0753,
1505
+ "step": 126464
1506
+ },
1507
+ {
1508
+ "epoch": 1.02,
1509
+ "learning_rate": 4.7921136715185055e-05,
1510
+ "loss": 4.0832,
1511
+ "step": 126976
1512
+ },
1513
+ {
1514
+ "epoch": 1.02,
1515
+ "learning_rate": 4.7912750767674535e-05,
1516
+ "loss": 4.0869,
1517
+ "step": 127488
1518
+ },
1519
+ {
1520
+ "epoch": 1.02,
1521
+ "learning_rate": 4.7904381198967744e-05,
1522
+ "loss": 4.0845,
1523
+ "step": 128000
1524
+ },
1525
+ {
1526
+ "epoch": 1.02,
1527
+ "learning_rate": 4.7895995251457224e-05,
1528
+ "loss": 4.0764,
1529
+ "step": 128512
1530
+ },
1531
+ {
1532
+ "epoch": 1.02,
1533
+ "learning_rate": 4.7887609303946704e-05,
1534
+ "loss": 4.0669,
1535
+ "step": 129024
1536
+ },
1537
+ {
1538
+ "epoch": 1.02,
1539
+ "learning_rate": 4.7879223356436184e-05,
1540
+ "loss": 4.0843,
1541
+ "step": 129536
1542
+ },
1543
+ {
1544
+ "epoch": 1.02,
1545
+ "learning_rate": 4.78708537877294e-05,
1546
+ "loss": 4.064,
1547
+ "step": 130048
1548
+ },
1549
+ {
1550
+ "epoch": 1.02,
1551
+ "learning_rate": 4.786246784021888e-05,
1552
+ "loss": 4.0713,
1553
+ "step": 130560
1554
+ },
1555
+ {
1556
+ "epoch": 1.02,
1557
+ "learning_rate": 4.785408189270836e-05,
1558
+ "loss": 4.0704,
1559
+ "step": 131072
1560
+ },
1561
+ {
1562
+ "epoch": 1.02,
1563
+ "learning_rate": 4.784569594519783e-05,
1564
+ "loss": 4.069,
1565
+ "step": 131584
1566
+ },
1567
+ {
1568
+ "epoch": 1.02,
1569
+ "learning_rate": 4.783734275529478e-05,
1570
+ "loss": 4.0601,
1571
+ "step": 132096
1572
+ },
1573
+ {
1574
+ "epoch": 1.02,
1575
+ "learning_rate": 4.782895680778426e-05,
1576
+ "loss": 4.0697,
1577
+ "step": 132608
1578
+ },
1579
+ {
1580
+ "epoch": 1.02,
1581
+ "learning_rate": 4.782057086027374e-05,
1582
+ "loss": 4.0576,
1583
+ "step": 133120
1584
+ },
1585
+ {
1586
+ "epoch": 1.02,
1587
+ "learning_rate": 4.781218491276322e-05,
1588
+ "loss": 4.0676,
1589
+ "step": 133632
1590
+ },
1591
+ {
1592
+ "epoch": 1.02,
1593
+ "learning_rate": 4.78037989652527e-05,
1594
+ "loss": 4.0658,
1595
+ "step": 134144
1596
+ },
1597
+ {
1598
+ "epoch": 1.02,
1599
+ "learning_rate": 4.779541301774218e-05,
1600
+ "loss": 4.0582,
1601
+ "step": 134656
1602
+ },
1603
+ {
1604
+ "epoch": 1.02,
1605
+ "learning_rate": 4.778702707023166e-05,
1606
+ "loss": 4.0777,
1607
+ "step": 135168
1608
+ },
1609
+ {
1610
+ "epoch": 1.02,
1611
+ "learning_rate": 4.777864112272114e-05,
1612
+ "loss": 4.0754,
1613
+ "step": 135680
1614
+ },
1615
+ {
1616
+ "epoch": 1.02,
1617
+ "learning_rate": 4.7770271554014354e-05,
1618
+ "loss": 4.0677,
1619
+ "step": 136192
1620
+ },
1621
+ {
1622
+ "epoch": 1.02,
1623
+ "learning_rate": 4.7761885606503834e-05,
1624
+ "loss": 4.058,
1625
+ "step": 136704
1626
+ },
1627
+ {
1628
+ "epoch": 1.02,
1629
+ "learning_rate": 4.775349965899331e-05,
1630
+ "loss": 4.0522,
1631
+ "step": 137216
1632
+ },
1633
+ {
1634
+ "epoch": 1.02,
1635
+ "learning_rate": 4.774511371148279e-05,
1636
+ "loss": 4.0587,
1637
+ "step": 137728
1638
+ },
1639
+ {
1640
+ "epoch": 1.02,
1641
+ "learning_rate": 4.773672776397227e-05,
1642
+ "loss": 4.0553,
1643
+ "step": 138240
1644
+ },
1645
+ {
1646
+ "epoch": 1.02,
1647
+ "learning_rate": 4.7728341816461747e-05,
1648
+ "loss": 4.0645,
1649
+ "step": 138752
1650
+ },
1651
+ {
1652
+ "epoch": 1.02,
1653
+ "learning_rate": 4.7719955868951227e-05,
1654
+ "loss": 4.046,
1655
+ "step": 139264
1656
+ },
1657
+ {
1658
+ "epoch": 1.02,
1659
+ "learning_rate": 4.7711569921440707e-05,
1660
+ "loss": 4.0568,
1661
+ "step": 139776
1662
+ },
1663
+ {
1664
+ "epoch": 1.02,
1665
+ "learning_rate": 4.7703200352733916e-05,
1666
+ "loss": 4.0583,
1667
+ "step": 140288
1668
+ },
1669
+ {
1670
+ "epoch": 1.02,
1671
+ "learning_rate": 4.7694814405223396e-05,
1672
+ "loss": 4.06,
1673
+ "step": 140800
1674
+ },
1675
+ {
1676
+ "epoch": 1.02,
1677
+ "learning_rate": 4.7686428457712876e-05,
1678
+ "loss": 4.0453,
1679
+ "step": 141312
1680
+ },
1681
+ {
1682
+ "epoch": 1.02,
1683
+ "learning_rate": 4.767805888900609e-05,
1684
+ "loss": 4.0531,
1685
+ "step": 141824
1686
+ },
1687
+ {
1688
+ "epoch": 1.02,
1689
+ "learning_rate": 4.766967294149557e-05,
1690
+ "loss": 4.0514,
1691
+ "step": 142336
1692
+ },
1693
+ {
1694
+ "epoch": 1.02,
1695
+ "learning_rate": 4.766128699398505e-05,
1696
+ "loss": 4.0542,
1697
+ "step": 142848
1698
+ },
1699
+ {
1700
+ "epoch": 1.02,
1701
+ "learning_rate": 4.765290104647453e-05,
1702
+ "loss": 4.0592,
1703
+ "step": 143360
1704
+ },
1705
+ {
1706
+ "epoch": 1.02,
1707
+ "learning_rate": 4.764453147776774e-05,
1708
+ "loss": 4.0587,
1709
+ "step": 143872
1710
+ },
1711
+ {
1712
+ "epoch": 1.02,
1713
+ "learning_rate": 4.763614553025722e-05,
1714
+ "loss": 4.0364,
1715
+ "step": 144384
1716
+ },
1717
+ {
1718
+ "epoch": 1.02,
1719
+ "learning_rate": 4.76277595827467e-05,
1720
+ "loss": 4.0494,
1721
+ "step": 144896
1722
+ },
1723
+ {
1724
+ "epoch": 1.02,
1725
+ "learning_rate": 4.761939001403991e-05,
1726
+ "loss": 4.0513,
1727
+ "step": 145408
1728
+ },
1729
+ {
1730
+ "epoch": 1.02,
1731
+ "learning_rate": 4.761100406652939e-05,
1732
+ "loss": 4.05,
1733
+ "step": 145920
1734
+ },
1735
+ {
1736
+ "epoch": 1.02,
1737
+ "learning_rate": 4.760261811901887e-05,
1738
+ "loss": 4.047,
1739
+ "step": 146432
1740
+ },
1741
+ {
1742
+ "epoch": 1.02,
1743
+ "learning_rate": 4.759423217150835e-05,
1744
+ "loss": 4.0517,
1745
+ "step": 146944
1746
+ },
1747
+ {
1748
+ "epoch": 1.02,
1749
+ "learning_rate": 4.758584622399783e-05,
1750
+ "loss": 4.0453,
1751
+ "step": 147456
1752
+ },
1753
+ {
1754
+ "epoch": 1.02,
1755
+ "learning_rate": 4.757746027648731e-05,
1756
+ "loss": 4.0607,
1757
+ "step": 147968
1758
+ },
1759
+ {
1760
+ "epoch": 1.02,
1761
+ "learning_rate": 4.7569090707780525e-05,
1762
+ "loss": 4.0361,
1763
+ "step": 148480
1764
+ },
1765
+ {
1766
+ "epoch": 1.02,
1767
+ "learning_rate": 4.7560704760270005e-05,
1768
+ "loss": 4.0509,
1769
+ "step": 148992
1770
+ },
1771
+ {
1772
+ "epoch": 1.02,
1773
+ "learning_rate": 4.7552318812759485e-05,
1774
+ "loss": 4.0399,
1775
+ "step": 149504
1776
+ },
1777
+ {
1778
+ "epoch": 1.02,
1779
+ "learning_rate": 4.7543932865248965e-05,
1780
+ "loss": 4.0374,
1781
+ "step": 150016
1782
+ },
1783
+ {
1784
+ "epoch": 1.02,
1785
+ "learning_rate": 4.7535563296542174e-05,
1786
+ "loss": 4.0418,
1787
+ "step": 150528
1788
+ },
1789
+ {
1790
+ "epoch": 1.02,
1791
+ "learning_rate": 4.7527177349031654e-05,
1792
+ "loss": 4.0319,
1793
+ "step": 151040
1794
+ },
1795
+ {
1796
+ "epoch": 1.02,
1797
+ "learning_rate": 4.7518791401521134e-05,
1798
+ "loss": 4.0351,
1799
+ "step": 151552
1800
+ },
1801
+ {
1802
+ "epoch": 1.02,
1803
+ "learning_rate": 4.7510405454010614e-05,
1804
+ "loss": 4.0369,
1805
+ "step": 152064
1806
+ },
1807
+ {
1808
+ "epoch": 1.02,
1809
+ "learning_rate": 4.7502019506500094e-05,
1810
+ "loss": 4.0326,
1811
+ "step": 152576
1812
+ },
1813
+ {
1814
+ "epoch": 1.03,
1815
+ "eval_loss": 4.035162925720215,
1816
+ "eval_runtime": 303.1156,
1817
+ "eval_samples_per_second": 1258.896,
1818
+ "eval_steps_per_second": 39.341,
1819
+ "step": 152640
1820
+ },
1821
+ {
1822
+ "epoch": 0.0,
1823
+ "learning_rate": 4.7493633558989574e-05,
1824
+ "loss": 4.0293,
1825
+ "step": 153088
1826
+ },
1827
+ {
1828
+ "epoch": 0.0,
1829
+ "learning_rate": 4.7485247611479054e-05,
1830
+ "loss": 4.0246,
1831
+ "step": 153600
1832
+ },
1833
+ {
1834
+ "epoch": 0.0,
1835
+ "learning_rate": 4.7476861663968534e-05,
1836
+ "loss": 4.041,
1837
+ "step": 154112
1838
+ },
1839
+ {
1840
+ "epoch": 0.0,
1841
+ "learning_rate": 4.7468475716458014e-05,
1842
+ "loss": 4.0305,
1843
+ "step": 154624
1844
+ },
1845
+ {
1846
+ "epoch": 0.0,
1847
+ "learning_rate": 4.7460089768947494e-05,
1848
+ "loss": 4.048,
1849
+ "step": 155136
1850
+ },
1851
+ {
1852
+ "epoch": 0.0,
1853
+ "learning_rate": 4.7451703821436974e-05,
1854
+ "loss": 4.0216,
1855
+ "step": 155648
1856
+ },
1857
+ {
1858
+ "epoch": 0.0,
1859
+ "learning_rate": 4.7443317873926453e-05,
1860
+ "loss": 4.0286,
1861
+ "step": 156160
1862
+ },
1863
+ {
1864
+ "epoch": 0.0,
1865
+ "learning_rate": 4.7434931926415933e-05,
1866
+ "loss": 4.0127,
1867
+ "step": 156672
1868
+ },
1869
+ {
1870
+ "epoch": 0.0,
1871
+ "learning_rate": 4.7426545978905413e-05,
1872
+ "loss": 4.0294,
1873
+ "step": 157184
1874
+ },
1875
+ {
1876
+ "epoch": 0.0,
1877
+ "learning_rate": 4.741816003139489e-05,
1878
+ "loss": 4.0244,
1879
+ "step": 157696
1880
+ },
1881
+ {
1882
+ "epoch": 0.0,
1883
+ "learning_rate": 4.740977408388437e-05,
1884
+ "loss": 4.0201,
1885
+ "step": 158208
1886
+ },
1887
+ {
1888
+ "epoch": 0.0,
1889
+ "learning_rate": 4.740140451517758e-05,
1890
+ "loss": 4.0309,
1891
+ "step": 158720
1892
+ },
1893
+ {
1894
+ "epoch": 0.0,
1895
+ "learning_rate": 4.739303494647079e-05,
1896
+ "loss": 4.008,
1897
+ "step": 159232
1898
+ },
1899
+ {
1900
+ "epoch": 0.0,
1901
+ "learning_rate": 4.738464899896027e-05,
1902
+ "loss": 4.0249,
1903
+ "step": 159744
1904
+ },
1905
+ {
1906
+ "epoch": 0.0,
1907
+ "learning_rate": 4.737626305144975e-05,
1908
+ "loss": 4.0077,
1909
+ "step": 160256
1910
+ },
1911
+ {
1912
+ "epoch": 0.0,
1913
+ "learning_rate": 4.736787710393923e-05,
1914
+ "loss": 4.0097,
1915
+ "step": 160768
1916
+ },
1917
+ {
1918
+ "epoch": 0.0,
1919
+ "learning_rate": 4.735949115642871e-05,
1920
+ "loss": 4.0099,
1921
+ "step": 161280
1922
+ },
1923
+ {
1924
+ "epoch": 0.0,
1925
+ "learning_rate": 4.73511052089182e-05,
1926
+ "loss": 4.0181,
1927
+ "step": 161792
1928
+ },
1929
+ {
1930
+ "epoch": 0.0,
1931
+ "learning_rate": 4.734271926140768e-05,
1932
+ "loss": 4.0111,
1933
+ "step": 162304
1934
+ },
1935
+ {
1936
+ "epoch": 0.0,
1937
+ "learning_rate": 4.733433331389716e-05,
1938
+ "loss": 4.0303,
1939
+ "step": 162816
1940
+ },
1941
+ {
1942
+ "epoch": 0.0,
1943
+ "learning_rate": 4.7325980123994096e-05,
1944
+ "loss": 4.0102,
1945
+ "step": 163328
1946
+ },
1947
+ {
1948
+ "epoch": 0.0,
1949
+ "learning_rate": 4.7317594176483576e-05,
1950
+ "loss": 4.0132,
1951
+ "step": 163840
1952
+ },
1953
+ {
1954
+ "epoch": 0.0,
1955
+ "learning_rate": 4.7309208228973056e-05,
1956
+ "loss": 4.0122,
1957
+ "step": 164352
1958
+ },
1959
+ {
1960
+ "epoch": 0.0,
1961
+ "learning_rate": 4.7300822281462536e-05,
1962
+ "loss": 4.0211,
1963
+ "step": 164864
1964
+ },
1965
+ {
1966
+ "epoch": 0.0,
1967
+ "learning_rate": 4.7292436333952016e-05,
1968
+ "loss": 4.0076,
1969
+ "step": 165376
1970
+ },
1971
+ {
1972
+ "epoch": 0.0,
1973
+ "learning_rate": 4.7284050386441496e-05,
1974
+ "loss": 4.0136,
1975
+ "step": 165888
1976
+ },
1977
+ {
1978
+ "epoch": 0.0,
1979
+ "learning_rate": 4.7275664438930976e-05,
1980
+ "loss": 3.9999,
1981
+ "step": 166400
1982
+ },
1983
+ {
1984
+ "epoch": 0.0,
1985
+ "learning_rate": 4.7267278491420456e-05,
1986
+ "loss": 4.0062,
1987
+ "step": 166912
1988
+ },
1989
+ {
1990
+ "epoch": 0.0,
1991
+ "learning_rate": 4.7258908922713665e-05,
1992
+ "loss": 3.9943,
1993
+ "step": 167424
1994
+ },
1995
+ {
1996
+ "epoch": 0.01,
1997
+ "learning_rate": 4.725052297520315e-05,
1998
+ "loss": 4.009,
1999
+ "step": 167936
2000
+ },
2001
+ {
2002
+ "epoch": 0.01,
2003
+ "learning_rate": 4.724213702769263e-05,
2004
+ "loss": 4.0067,
2005
+ "step": 168448
2006
+ },
2007
+ {
2008
+ "epoch": 0.01,
2009
+ "learning_rate": 4.723376745898584e-05,
2010
+ "loss": 4.0094,
2011
+ "step": 168960
2012
+ },
2013
+ {
2014
+ "epoch": 0.01,
2015
+ "learning_rate": 4.722538151147532e-05,
2016
+ "loss": 4.0147,
2017
+ "step": 169472
2018
+ },
2019
+ {
2020
+ "epoch": 0.01,
2021
+ "learning_rate": 4.72169955639648e-05,
2022
+ "loss": 4.0008,
2023
+ "step": 169984
2024
+ },
2025
+ {
2026
+ "epoch": 0.01,
2027
+ "learning_rate": 4.720860961645428e-05,
2028
+ "loss": 4.0003,
2029
+ "step": 170496
2030
+ },
2031
+ {
2032
+ "epoch": 0.01,
2033
+ "learning_rate": 4.720022366894376e-05,
2034
+ "loss": 4.0055,
2035
+ "step": 171008
2036
+ },
2037
+ {
2038
+ "epoch": 0.01,
2039
+ "learning_rate": 4.719183772143324e-05,
2040
+ "loss": 3.9971,
2041
+ "step": 171520
2042
+ },
2043
+ {
2044
+ "epoch": 0.01,
2045
+ "learning_rate": 4.718345177392272e-05,
2046
+ "loss": 3.9903,
2047
+ "step": 172032
2048
+ },
2049
+ {
2050
+ "epoch": 0.01,
2051
+ "learning_rate": 4.717508220521593e-05,
2052
+ "loss": 3.9818,
2053
+ "step": 172544
2054
+ },
2055
+ {
2056
+ "epoch": 0.01,
2057
+ "learning_rate": 4.716671263650914e-05,
2058
+ "loss": 3.9915,
2059
+ "step": 173056
2060
+ },
2061
+ {
2062
+ "epoch": 0.01,
2063
+ "learning_rate": 4.715832668899862e-05,
2064
+ "loss": 3.9904,
2065
+ "step": 173568
2066
+ },
2067
+ {
2068
+ "epoch": 0.01,
2069
+ "learning_rate": 4.7149940741488105e-05,
2070
+ "loss": 4.0001,
2071
+ "step": 174080
2072
+ },
2073
+ {
2074
+ "epoch": 0.01,
2075
+ "learning_rate": 4.7141554793977585e-05,
2076
+ "loss": 3.9924,
2077
+ "step": 174592
2078
+ },
2079
+ {
2080
+ "epoch": 0.01,
2081
+ "learning_rate": 4.7133168846467065e-05,
2082
+ "loss": 3.984,
2083
+ "step": 175104
2084
+ },
2085
+ {
2086
+ "epoch": 0.01,
2087
+ "learning_rate": 4.7124799277760274e-05,
2088
+ "loss": 3.9977,
2089
+ "step": 175616
2090
+ },
2091
+ {
2092
+ "epoch": 0.01,
2093
+ "learning_rate": 4.7116413330249754e-05,
2094
+ "loss": 3.9897,
2095
+ "step": 176128
2096
+ },
2097
+ {
2098
+ "epoch": 0.01,
2099
+ "learning_rate": 4.7108027382739234e-05,
2100
+ "loss": 3.9858,
2101
+ "step": 176640
2102
+ },
2103
+ {
2104
+ "epoch": 0.01,
2105
+ "learning_rate": 4.7099641435228714e-05,
2106
+ "loss": 3.9811,
2107
+ "step": 177152
2108
+ },
2109
+ {
2110
+ "epoch": 0.01,
2111
+ "learning_rate": 4.7091255487718194e-05,
2112
+ "loss": 3.9748,
2113
+ "step": 177664
2114
+ },
2115
+ {
2116
+ "epoch": 0.01,
2117
+ "learning_rate": 4.7082869540207674e-05,
2118
+ "loss": 3.9998,
2119
+ "step": 178176
2120
+ },
2121
+ {
2122
+ "epoch": 0.01,
2123
+ "learning_rate": 4.7074483592697154e-05,
2124
+ "loss": 3.9977,
2125
+ "step": 178688
2126
+ },
2127
+ {
2128
+ "epoch": 0.01,
2129
+ "learning_rate": 4.706609764518663e-05,
2130
+ "loss": 3.9833,
2131
+ "step": 179200
2132
+ },
2133
+ {
2134
+ "epoch": 0.01,
2135
+ "learning_rate": 4.705772807647984e-05,
2136
+ "loss": 3.9833,
2137
+ "step": 179712
2138
+ },
2139
+ {
2140
+ "epoch": 0.01,
2141
+ "learning_rate": 4.704934212896932e-05,
2142
+ "loss": 3.9917,
2143
+ "step": 180224
2144
+ },
2145
+ {
2146
+ "epoch": 0.01,
2147
+ "learning_rate": 4.70409561814588e-05,
2148
+ "loss": 3.968,
2149
+ "step": 180736
2150
+ },
2151
+ {
2152
+ "epoch": 0.01,
2153
+ "learning_rate": 4.703257023394828e-05,
2154
+ "loss": 3.9898,
2155
+ "step": 181248
2156
+ },
2157
+ {
2158
+ "epoch": 0.01,
2159
+ "learning_rate": 4.702418428643776e-05,
2160
+ "loss": 3.968,
2161
+ "step": 181760
2162
+ },
2163
+ {
2164
+ "epoch": 0.01,
2165
+ "learning_rate": 4.701579833892724e-05,
2166
+ "loss": 3.9903,
2167
+ "step": 182272
2168
+ },
2169
+ {
2170
+ "epoch": 0.01,
2171
+ "learning_rate": 4.700741239141672e-05,
2172
+ "loss": 3.9943,
2173
+ "step": 182784
2174
+ },
2175
+ {
2176
+ "epoch": 0.01,
2177
+ "learning_rate": 4.69990264439062e-05,
2178
+ "loss": 3.9756,
2179
+ "step": 183296
2180
+ },
2181
+ {
2182
+ "epoch": 0.01,
2183
+ "learning_rate": 4.699067325400315e-05,
2184
+ "loss": 3.9667,
2185
+ "step": 183808
2186
+ },
2187
+ {
2188
+ "epoch": 0.01,
2189
+ "learning_rate": 4.698228730649263e-05,
2190
+ "loss": 3.9871,
2191
+ "step": 184320
2192
+ },
2193
+ {
2194
+ "epoch": 0.01,
2195
+ "learning_rate": 4.69739013589821e-05,
2196
+ "loss": 3.9568,
2197
+ "step": 184832
2198
+ },
2199
+ {
2200
+ "epoch": 0.01,
2201
+ "learning_rate": 4.696551541147158e-05,
2202
+ "loss": 3.9719,
2203
+ "step": 185344
2204
+ },
2205
+ {
2206
+ "epoch": 0.01,
2207
+ "learning_rate": 4.695712946396106e-05,
2208
+ "loss": 3.9813,
2209
+ "step": 185856
2210
+ },
2211
+ {
2212
+ "epoch": 0.01,
2213
+ "learning_rate": 4.694874351645054e-05,
2214
+ "loss": 3.9793,
2215
+ "step": 186368
2216
+ },
2217
+ {
2218
+ "epoch": 0.01,
2219
+ "learning_rate": 4.694035756894003e-05,
2220
+ "loss": 3.9692,
2221
+ "step": 186880
2222
+ },
2223
+ {
2224
+ "epoch": 0.01,
2225
+ "learning_rate": 4.693197162142951e-05,
2226
+ "loss": 3.9583,
2227
+ "step": 187392
2228
+ },
2229
+ {
2230
+ "epoch": 0.01,
2231
+ "learning_rate": 4.692361843152645e-05,
2232
+ "loss": 3.9626,
2233
+ "step": 187904
2234
+ },
2235
+ {
2236
+ "epoch": 0.01,
2237
+ "learning_rate": 4.6915232484015926e-05,
2238
+ "loss": 3.9651,
2239
+ "step": 188416
2240
+ },
2241
+ {
2242
+ "epoch": 0.01,
2243
+ "learning_rate": 4.6906846536505406e-05,
2244
+ "loss": 3.9758,
2245
+ "step": 188928
2246
+ },
2247
+ {
2248
+ "epoch": 0.01,
2249
+ "learning_rate": 4.6898460588994886e-05,
2250
+ "loss": 3.9646,
2251
+ "step": 189440
2252
+ },
2253
+ {
2254
+ "epoch": 0.01,
2255
+ "learning_rate": 4.6890074641484366e-05,
2256
+ "loss": 3.9762,
2257
+ "step": 189952
2258
+ },
2259
+ {
2260
+ "epoch": 0.01,
2261
+ "learning_rate": 4.6881688693973846e-05,
2262
+ "loss": 3.9784,
2263
+ "step": 190464
2264
+ },
2265
+ {
2266
+ "epoch": 0.01,
2267
+ "learning_rate": 4.6873319125267055e-05,
2268
+ "loss": 3.978,
2269
+ "step": 190976
2270
+ },
2271
+ {
2272
+ "epoch": 0.01,
2273
+ "learning_rate": 4.6864933177756535e-05,
2274
+ "loss": 3.9581,
2275
+ "step": 191488
2276
+ },
2277
+ {
2278
+ "epoch": 0.01,
2279
+ "learning_rate": 4.6856547230246015e-05,
2280
+ "loss": 3.9692,
2281
+ "step": 192000
2282
+ },
2283
+ {
2284
+ "epoch": 0.01,
2285
+ "learning_rate": 4.6848161282735495e-05,
2286
+ "loss": 3.9716,
2287
+ "step": 192512
2288
+ },
2289
+ {
2290
+ "epoch": 0.01,
2291
+ "learning_rate": 4.683977533522498e-05,
2292
+ "loss": 3.9626,
2293
+ "step": 193024
2294
+ },
2295
+ {
2296
+ "epoch": 0.01,
2297
+ "learning_rate": 4.683140576651819e-05,
2298
+ "loss": 3.9665,
2299
+ "step": 193536
2300
+ },
2301
+ {
2302
+ "epoch": 0.01,
2303
+ "learning_rate": 4.682301981900767e-05,
2304
+ "loss": 3.9638,
2305
+ "step": 194048
2306
+ },
2307
+ {
2308
+ "epoch": 0.01,
2309
+ "learning_rate": 4.681463387149715e-05,
2310
+ "loss": 3.9646,
2311
+ "step": 194560
2312
+ },
2313
+ {
2314
+ "epoch": 0.01,
2315
+ "learning_rate": 4.680624792398663e-05,
2316
+ "loss": 3.9694,
2317
+ "step": 195072
2318
+ },
2319
+ {
2320
+ "epoch": 0.01,
2321
+ "learning_rate": 4.679786197647611e-05,
2322
+ "loss": 3.9479,
2323
+ "step": 195584
2324
+ },
2325
+ {
2326
+ "epoch": 0.01,
2327
+ "learning_rate": 4.678947602896559e-05,
2328
+ "loss": 3.9603,
2329
+ "step": 196096
2330
+ },
2331
+ {
2332
+ "epoch": 0.01,
2333
+ "learning_rate": 4.67811064602588e-05,
2334
+ "loss": 3.9578,
2335
+ "step": 196608
2336
+ },
2337
+ {
2338
+ "epoch": 0.01,
2339
+ "learning_rate": 4.677272051274828e-05,
2340
+ "loss": 3.9692,
2341
+ "step": 197120
2342
+ },
2343
+ {
2344
+ "epoch": 0.01,
2345
+ "learning_rate": 4.676433456523776e-05,
2346
+ "loss": 3.958,
2347
+ "step": 197632
2348
+ },
2349
+ {
2350
+ "epoch": 0.01,
2351
+ "learning_rate": 4.675594861772724e-05,
2352
+ "loss": 3.9579,
2353
+ "step": 198144
2354
+ },
2355
+ {
2356
+ "epoch": 0.02,
2357
+ "learning_rate": 4.674756267021672e-05,
2358
+ "loss": 3.9531,
2359
+ "step": 198656
2360
+ },
2361
+ {
2362
+ "epoch": 0.02,
2363
+ "learning_rate": 4.6739193101509935e-05,
2364
+ "loss": 3.9471,
2365
+ "step": 199168
2366
+ },
2367
+ {
2368
+ "epoch": 0.02,
2369
+ "learning_rate": 4.6730807153999415e-05,
2370
+ "loss": 3.9469,
2371
+ "step": 199680
2372
+ },
2373
+ {
2374
+ "epoch": 0.02,
2375
+ "learning_rate": 4.6722421206488895e-05,
2376
+ "loss": 3.9571,
2377
+ "step": 200192
2378
+ },
2379
+ {
2380
+ "epoch": 0.02,
2381
+ "learning_rate": 4.6714035258978375e-05,
2382
+ "loss": 3.9653,
2383
+ "step": 200704
2384
+ },
2385
+ {
2386
+ "epoch": 0.02,
2387
+ "learning_rate": 4.6705665690271584e-05,
2388
+ "loss": 3.9628,
2389
+ "step": 201216
2390
+ },
2391
+ {
2392
+ "epoch": 0.02,
2393
+ "learning_rate": 4.6697279742761064e-05,
2394
+ "loss": 3.9553,
2395
+ "step": 201728
2396
+ },
2397
+ {
2398
+ "epoch": 0.02,
2399
+ "learning_rate": 4.6688893795250544e-05,
2400
+ "loss": 3.9491,
2401
+ "step": 202240
2402
+ },
2403
+ {
2404
+ "epoch": 0.02,
2405
+ "learning_rate": 4.6680507847740024e-05,
2406
+ "loss": 3.9497,
2407
+ "step": 202752
2408
+ },
2409
+ {
2410
+ "epoch": 0.02,
2411
+ "learning_rate": 4.667213827903323e-05,
2412
+ "loss": 3.9537,
2413
+ "step": 203264
2414
+ },
2415
+ {
2416
+ "epoch": 0.02,
2417
+ "learning_rate": 4.666375233152271e-05,
2418
+ "loss": 3.9605,
2419
+ "step": 203776
2420
+ },
2421
+ {
2422
+ "epoch": 0.02,
2423
+ "learning_rate": 4.665536638401219e-05,
2424
+ "loss": 3.9576,
2425
+ "step": 204288
2426
+ },
2427
+ {
2428
+ "epoch": 0.02,
2429
+ "learning_rate": 4.664698043650167e-05,
2430
+ "loss": 3.9503,
2431
+ "step": 204800
2432
+ },
2433
+ {
2434
+ "epoch": 0.02,
2435
+ "learning_rate": 4.663859448899115e-05,
2436
+ "loss": 3.9415,
2437
+ "step": 205312
2438
+ },
2439
+ {
2440
+ "epoch": 0.02,
2441
+ "learning_rate": 4.663022492028437e-05,
2442
+ "loss": 3.9625,
2443
+ "step": 205824
2444
+ },
2445
+ {
2446
+ "epoch": 0.02,
2447
+ "learning_rate": 4.662183897277385e-05,
2448
+ "loss": 3.9389,
2449
+ "step": 206336
2450
+ },
2451
+ {
2452
+ "epoch": 0.02,
2453
+ "learning_rate": 4.661345302526333e-05,
2454
+ "loss": 3.9486,
2455
+ "step": 206848
2456
+ },
2457
+ {
2458
+ "epoch": 0.02,
2459
+ "learning_rate": 4.660506707775281e-05,
2460
+ "loss": 3.9421,
2461
+ "step": 207360
2462
+ },
2463
+ {
2464
+ "epoch": 0.02,
2465
+ "learning_rate": 4.659668113024229e-05,
2466
+ "loss": 3.9482,
2467
+ "step": 207872
2468
+ },
2469
+ {
2470
+ "epoch": 0.02,
2471
+ "learning_rate": 4.65883115615355e-05,
2472
+ "loss": 3.9386,
2473
+ "step": 208384
2474
+ },
2475
+ {
2476
+ "epoch": 0.02,
2477
+ "learning_rate": 4.657992561402498e-05,
2478
+ "loss": 3.948,
2479
+ "step": 208896
2480
+ },
2481
+ {
2482
+ "epoch": 0.02,
2483
+ "learning_rate": 4.657153966651446e-05,
2484
+ "loss": 3.9395,
2485
+ "step": 209408
2486
+ },
2487
+ {
2488
+ "epoch": 0.02,
2489
+ "learning_rate": 4.656315371900393e-05,
2490
+ "loss": 3.9403,
2491
+ "step": 209920
2492
+ },
2493
+ {
2494
+ "epoch": 0.02,
2495
+ "learning_rate": 4.655476777149341e-05,
2496
+ "loss": 3.9496,
2497
+ "step": 210432
2498
+ },
2499
+ {
2500
+ "epoch": 0.02,
2501
+ "learning_rate": 4.6546398202786626e-05,
2502
+ "loss": 3.9345,
2503
+ "step": 210944
2504
+ },
2505
+ {
2506
+ "epoch": 0.02,
2507
+ "learning_rate": 4.6538012255276106e-05,
2508
+ "loss": 3.9567,
2509
+ "step": 211456
2510
+ },
2511
+ {
2512
+ "epoch": 0.02,
2513
+ "learning_rate": 4.6529626307765586e-05,
2514
+ "loss": 3.9549,
2515
+ "step": 211968
2516
+ },
2517
+ {
2518
+ "epoch": 0.02,
2519
+ "learning_rate": 4.6521240360255066e-05,
2520
+ "loss": 3.9486,
2521
+ "step": 212480
2522
+ },
2523
+ {
2524
+ "epoch": 0.02,
2525
+ "learning_rate": 4.6512854412744546e-05,
2526
+ "loss": 3.9397,
2527
+ "step": 212992
2528
+ },
2529
+ {
2530
+ "epoch": 0.02,
2531
+ "learning_rate": 4.650448484403776e-05,
2532
+ "loss": 3.9356,
2533
+ "step": 213504
2534
+ },
2535
+ {
2536
+ "epoch": 0.02,
2537
+ "learning_rate": 4.6496098896527235e-05,
2538
+ "loss": 3.9368,
2539
+ "step": 214016
2540
+ },
2541
+ {
2542
+ "epoch": 0.02,
2543
+ "learning_rate": 4.6487712949016715e-05,
2544
+ "loss": 3.9377,
2545
+ "step": 214528
2546
+ },
2547
+ {
2548
+ "epoch": 0.02,
2549
+ "learning_rate": 4.6479327001506195e-05,
2550
+ "loss": 3.9462,
2551
+ "step": 215040
2552
+ },
2553
+ {
2554
+ "epoch": 0.02,
2555
+ "learning_rate": 4.6470941053995675e-05,
2556
+ "loss": 3.9279,
2557
+ "step": 215552
2558
+ },
2559
+ {
2560
+ "epoch": 0.02,
2561
+ "learning_rate": 4.6462555106485155e-05,
2562
+ "loss": 3.9419,
2563
+ "step": 216064
2564
+ },
2565
+ {
2566
+ "epoch": 0.02,
2567
+ "learning_rate": 4.6454169158974635e-05,
2568
+ "loss": 3.9439,
2569
+ "step": 216576
2570
+ },
2571
+ {
2572
+ "epoch": 0.02,
2573
+ "learning_rate": 4.6445783211464115e-05,
2574
+ "loss": 3.9414,
2575
+ "step": 217088
2576
+ },
2577
+ {
2578
+ "epoch": 0.02,
2579
+ "learning_rate": 4.6437413642757324e-05,
2580
+ "loss": 3.9315,
2581
+ "step": 217600
2582
+ },
2583
+ {
2584
+ "epoch": 0.02,
2585
+ "learning_rate": 4.6429027695246804e-05,
2586
+ "loss": 3.9368,
2587
+ "step": 218112
2588
+ },
2589
+ {
2590
+ "epoch": 0.02,
2591
+ "learning_rate": 4.642064174773629e-05,
2592
+ "loss": 3.9391,
2593
+ "step": 218624
2594
+ },
2595
+ {
2596
+ "epoch": 0.02,
2597
+ "learning_rate": 4.641225580022577e-05,
2598
+ "loss": 3.9395,
2599
+ "step": 219136
2600
+ },
2601
+ {
2602
+ "epoch": 0.02,
2603
+ "learning_rate": 4.640386985271525e-05,
2604
+ "loss": 3.9414,
2605
+ "step": 219648
2606
+ },
2607
+ {
2608
+ "epoch": 0.02,
2609
+ "learning_rate": 4.639548390520473e-05,
2610
+ "loss": 3.9466,
2611
+ "step": 220160
2612
+ },
2613
+ {
2614
+ "epoch": 0.02,
2615
+ "learning_rate": 4.638711433649794e-05,
2616
+ "loss": 3.9217,
2617
+ "step": 220672
2618
+ },
2619
+ {
2620
+ "epoch": 0.02,
2621
+ "learning_rate": 4.637872838898742e-05,
2622
+ "loss": 3.9372,
2623
+ "step": 221184
2624
+ },
2625
+ {
2626
+ "epoch": 0.02,
2627
+ "learning_rate": 4.63703424414769e-05,
2628
+ "loss": 3.9392,
2629
+ "step": 221696
2630
+ },
2631
+ {
2632
+ "epoch": 0.02,
2633
+ "learning_rate": 4.636195649396638e-05,
2634
+ "loss": 3.9344,
2635
+ "step": 222208
2636
+ },
2637
+ {
2638
+ "epoch": 0.02,
2639
+ "learning_rate": 4.635358692525959e-05,
2640
+ "loss": 3.9331,
2641
+ "step": 222720
2642
+ },
2643
+ {
2644
+ "epoch": 0.02,
2645
+ "learning_rate": 4.634520097774907e-05,
2646
+ "loss": 3.9433,
2647
+ "step": 223232
2648
+ },
2649
+ {
2650
+ "epoch": 0.02,
2651
+ "learning_rate": 4.633681503023855e-05,
2652
+ "loss": 3.9355,
2653
+ "step": 223744
2654
+ },
2655
+ {
2656
+ "epoch": 0.02,
2657
+ "learning_rate": 4.632842908272803e-05,
2658
+ "loss": 3.9488,
2659
+ "step": 224256
2660
+ },
2661
+ {
2662
+ "epoch": 0.02,
2663
+ "learning_rate": 4.632004313521751e-05,
2664
+ "loss": 3.9256,
2665
+ "step": 224768
2666
+ },
2667
+ {
2668
+ "epoch": 0.02,
2669
+ "learning_rate": 4.631165718770699e-05,
2670
+ "loss": 3.9364,
2671
+ "step": 225280
2672
+ },
2673
+ {
2674
+ "epoch": 0.02,
2675
+ "learning_rate": 4.6303271240196475e-05,
2676
+ "loss": 3.9325,
2677
+ "step": 225792
2678
+ },
2679
+ {
2680
+ "epoch": 0.02,
2681
+ "learning_rate": 4.6294901671489684e-05,
2682
+ "loss": 3.9283,
2683
+ "step": 226304
2684
+ },
2685
+ {
2686
+ "epoch": 0.02,
2687
+ "learning_rate": 4.6286515723979164e-05,
2688
+ "loss": 3.9312,
2689
+ "step": 226816
2690
+ },
2691
+ {
2692
+ "epoch": 0.02,
2693
+ "learning_rate": 4.6278129776468644e-05,
2694
+ "loss": 3.9253,
2695
+ "step": 227328
2696
+ },
2697
+ {
2698
+ "epoch": 0.02,
2699
+ "learning_rate": 4.626974382895812e-05,
2700
+ "loss": 3.9216,
2701
+ "step": 227840
2702
+ },
2703
+ {
2704
+ "epoch": 0.02,
2705
+ "learning_rate": 4.626137426025133e-05,
2706
+ "loss": 3.9274,
2707
+ "step": 228352
2708
+ },
2709
+ {
2710
+ "epoch": 0.02,
2711
+ "learning_rate": 4.625298831274081e-05,
2712
+ "loss": 3.9254,
2713
+ "step": 228864
2714
+ },
2715
+ {
2716
+ "epoch": 0.03,
2717
+ "eval_loss": 3.9593703746795654,
2718
+ "eval_runtime": 320.1607,
2719
+ "eval_samples_per_second": 1191.873,
2720
+ "eval_steps_per_second": 37.247,
2721
+ "step": 228960
2722
+ },
2723
+ {
2724
+ "epoch": 1.0,
2725
+ "learning_rate": 4.624460236523029e-05,
2726
+ "loss": 3.9267,
2727
+ "step": 229376
2728
+ },
2729
+ {
2730
+ "epoch": 1.0,
2731
+ "learning_rate": 4.6236216417719766e-05,
2732
+ "loss": 3.9158,
2733
+ "step": 229888
2734
+ },
2735
+ {
2736
+ "epoch": 1.0,
2737
+ "learning_rate": 4.6227830470209246e-05,
2738
+ "loss": 3.9321,
2739
+ "step": 230400
2740
+ },
2741
+ {
2742
+ "epoch": 1.0,
2743
+ "learning_rate": 4.621946090150246e-05,
2744
+ "loss": 3.9244,
2745
+ "step": 230912
2746
+ },
2747
+ {
2748
+ "epoch": 1.0,
2749
+ "learning_rate": 4.621107495399194e-05,
2750
+ "loss": 3.9444,
2751
+ "step": 231424
2752
+ },
2753
+ {
2754
+ "epoch": 1.0,
2755
+ "learning_rate": 4.620268900648142e-05,
2756
+ "loss": 3.9171,
2757
+ "step": 231936
2758
+ },
2759
+ {
2760
+ "epoch": 1.0,
2761
+ "learning_rate": 4.61943030589709e-05,
2762
+ "loss": 3.9238,
2763
+ "step": 232448
2764
+ },
2765
+ {
2766
+ "epoch": 1.0,
2767
+ "learning_rate": 4.618591711146038e-05,
2768
+ "loss": 3.9084,
2769
+ "step": 232960
2770
+ },
2771
+ {
2772
+ "epoch": 1.0,
2773
+ "learning_rate": 4.617753116394986e-05,
2774
+ "loss": 3.926,
2775
+ "step": 233472
2776
+ },
2777
+ {
2778
+ "epoch": 1.0,
2779
+ "learning_rate": 4.616914521643934e-05,
2780
+ "loss": 3.9221,
2781
+ "step": 233984
2782
+ },
2783
+ {
2784
+ "epoch": 1.0,
2785
+ "learning_rate": 4.616075926892882e-05,
2786
+ "loss": 3.9155,
2787
+ "step": 234496
2788
+ },
2789
+ {
2790
+ "epoch": 1.0,
2791
+ "learning_rate": 4.615238970022203e-05,
2792
+ "loss": 3.9228,
2793
+ "step": 235008
2794
+ },
2795
+ {
2796
+ "epoch": 1.0,
2797
+ "learning_rate": 4.614400375271151e-05,
2798
+ "loss": 3.9106,
2799
+ "step": 235520
2800
+ },
2801
+ {
2802
+ "epoch": 1.0,
2803
+ "learning_rate": 4.613561780520099e-05,
2804
+ "loss": 3.9223,
2805
+ "step": 236032
2806
+ },
2807
+ {
2808
+ "epoch": 1.0,
2809
+ "learning_rate": 4.612723185769047e-05,
2810
+ "loss": 3.9074,
2811
+ "step": 236544
2812
+ },
2813
+ {
2814
+ "epoch": 1.0,
2815
+ "learning_rate": 4.611886228898368e-05,
2816
+ "loss": 3.9052,
2817
+ "step": 237056
2818
+ },
2819
+ {
2820
+ "epoch": 1.0,
2821
+ "learning_rate": 4.611047634147316e-05,
2822
+ "loss": 3.9094,
2823
+ "step": 237568
2824
+ },
2825
+ {
2826
+ "epoch": 1.0,
2827
+ "learning_rate": 4.610209039396265e-05,
2828
+ "loss": 3.9141,
2829
+ "step": 238080
2830
+ },
2831
+ {
2832
+ "epoch": 1.0,
2833
+ "learning_rate": 4.609370444645213e-05,
2834
+ "loss": 3.9097,
2835
+ "step": 238592
2836
+ },
2837
+ {
2838
+ "epoch": 1.0,
2839
+ "learning_rate": 4.6085334877745336e-05,
2840
+ "loss": 3.9284,
2841
+ "step": 239104
2842
+ },
2843
+ {
2844
+ "epoch": 1.0,
2845
+ "learning_rate": 4.6076948930234816e-05,
2846
+ "loss": 3.9101,
2847
+ "step": 239616
2848
+ },
2849
+ {
2850
+ "epoch": 1.0,
2851
+ "learning_rate": 4.6068562982724296e-05,
2852
+ "loss": 3.9195,
2853
+ "step": 240128
2854
+ },
2855
+ {
2856
+ "epoch": 1.0,
2857
+ "learning_rate": 4.6060177035213776e-05,
2858
+ "loss": 3.9102,
2859
+ "step": 240640
2860
+ },
2861
+ {
2862
+ "epoch": 1.0,
2863
+ "learning_rate": 4.6051791087703256e-05,
2864
+ "loss": 3.9171,
2865
+ "step": 241152
2866
+ },
2867
+ {
2868
+ "epoch": 1.0,
2869
+ "learning_rate": 4.6043421518996465e-05,
2870
+ "loss": 3.9085,
2871
+ "step": 241664
2872
+ },
2873
+ {
2874
+ "epoch": 1.0,
2875
+ "learning_rate": 4.6035035571485945e-05,
2876
+ "loss": 3.9153,
2877
+ "step": 242176
2878
+ },
2879
+ {
2880
+ "epoch": 1.0,
2881
+ "learning_rate": 4.6026649623975425e-05,
2882
+ "loss": 3.9073,
2883
+ "step": 242688
2884
+ },
2885
+ {
2886
+ "epoch": 1.0,
2887
+ "learning_rate": 4.6018263676464904e-05,
2888
+ "loss": 3.9032,
2889
+ "step": 243200
2890
+ },
2891
+ {
2892
+ "epoch": 1.0,
2893
+ "learning_rate": 4.6009894107758114e-05,
2894
+ "loss": 3.8995,
2895
+ "step": 243712
2896
+ },
2897
+ {
2898
+ "epoch": 1.01,
2899
+ "learning_rate": 4.60015081602476e-05,
2900
+ "loss": 3.9082,
2901
+ "step": 244224
2902
+ },
2903
+ {
2904
+ "epoch": 1.01,
2905
+ "learning_rate": 4.599312221273708e-05,
2906
+ "loss": 3.9122,
2907
+ "step": 244736
2908
+ },
2909
+ {
2910
+ "epoch": 1.01,
2911
+ "learning_rate": 4.598473626522656e-05,
2912
+ "loss": 3.9118,
2913
+ "step": 245248
2914
+ },
2915
+ {
2916
+ "epoch": 1.01,
2917
+ "learning_rate": 4.597635031771604e-05,
2918
+ "loss": 3.9205,
2919
+ "step": 245760
2920
+ },
2921
+ {
2922
+ "epoch": 1.01,
2923
+ "learning_rate": 4.596796437020552e-05,
2924
+ "loss": 3.9068,
2925
+ "step": 246272
2926
+ },
2927
+ {
2928
+ "epoch": 1.01,
2929
+ "learning_rate": 4.595959480149873e-05,
2930
+ "loss": 3.9036,
2931
+ "step": 246784
2932
+ },
2933
+ {
2934
+ "epoch": 1.01,
2935
+ "learning_rate": 4.595120885398821e-05,
2936
+ "loss": 3.9084,
2937
+ "step": 247296
2938
+ },
2939
+ {
2940
+ "epoch": 1.01,
2941
+ "learning_rate": 4.594282290647769e-05,
2942
+ "loss": 3.9088,
2943
+ "step": 247808
2944
+ },
2945
+ {
2946
+ "epoch": 1.01,
2947
+ "learning_rate": 4.593443695896717e-05,
2948
+ "loss": 3.8918,
2949
+ "step": 248320
2950
+ },
2951
+ {
2952
+ "epoch": 1.01,
2953
+ "learning_rate": 4.592605101145665e-05,
2954
+ "loss": 3.8886,
2955
+ "step": 248832
2956
+ },
2957
+ {
2958
+ "epoch": 1.01,
2959
+ "learning_rate": 4.591768144274986e-05,
2960
+ "loss": 3.8944,
2961
+ "step": 249344
2962
+ },
2963
+ {
2964
+ "epoch": 1.01,
2965
+ "learning_rate": 4.590929549523934e-05,
2966
+ "loss": 3.9021,
2967
+ "step": 249856
2968
+ },
2969
+ {
2970
+ "epoch": 1.01,
2971
+ "learning_rate": 4.590090954772882e-05,
2972
+ "loss": 3.9043,
2973
+ "step": 250368
2974
+ },
2975
+ {
2976
+ "epoch": 1.01,
2977
+ "learning_rate": 4.58925236002183e-05,
2978
+ "loss": 3.9019,
2979
+ "step": 250880
2980
+ },
2981
+ {
2982
+ "epoch": 1.01,
2983
+ "learning_rate": 4.5884137652707785e-05,
2984
+ "loss": 3.8894,
2985
+ "step": 251392
2986
+ },
2987
+ {
2988
+ "epoch": 1.01,
2989
+ "learning_rate": 4.587575170519726e-05,
2990
+ "loss": 3.9038,
2991
+ "step": 251904
2992
+ },
2993
+ {
2994
+ "epoch": 1.01,
2995
+ "learning_rate": 4.586736575768674e-05,
2996
+ "loss": 3.8976,
2997
+ "step": 252416
2998
+ },
2999
+ {
3000
+ "epoch": 1.01,
3001
+ "learning_rate": 4.585897981017622e-05,
3002
+ "loss": 3.894,
3003
+ "step": 252928
3004
+ },
3005
+ {
3006
+ "epoch": 1.01,
3007
+ "learning_rate": 4.585061024146943e-05,
3008
+ "loss": 3.8865,
3009
+ "step": 253440
3010
+ },
3011
+ {
3012
+ "epoch": 1.01,
3013
+ "learning_rate": 4.584224067276264e-05,
3014
+ "loss": 3.8761,
3015
+ "step": 253952
3016
+ },
3017
+ {
3018
+ "epoch": 1.01,
3019
+ "learning_rate": 4.583385472525212e-05,
3020
+ "loss": 3.9142,
3021
+ "step": 254464
3022
+ },
3023
+ {
3024
+ "epoch": 1.01,
3025
+ "learning_rate": 4.58254687777416e-05,
3026
+ "loss": 3.9028,
3027
+ "step": 254976
3028
+ },
3029
+ {
3030
+ "epoch": 1.01,
3031
+ "learning_rate": 4.5817082830231076e-05,
3032
+ "loss": 3.8936,
3033
+ "step": 255488
3034
+ },
3035
+ {
3036
+ "epoch": 1.01,
3037
+ "learning_rate": 4.580871326152429e-05,
3038
+ "loss": 3.8942,
3039
+ "step": 256000
3040
+ },
3041
+ {
3042
+ "epoch": 1.01,
3043
+ "learning_rate": 4.580032731401377e-05,
3044
+ "loss": 3.8961,
3045
+ "step": 256512
3046
+ },
3047
+ {
3048
+ "epoch": 1.01,
3049
+ "learning_rate": 4.579194136650325e-05,
3050
+ "loss": 3.8807,
3051
+ "step": 257024
3052
+ },
3053
+ {
3054
+ "epoch": 1.01,
3055
+ "learning_rate": 4.578355541899273e-05,
3056
+ "loss": 3.8966,
3057
+ "step": 257536
3058
+ },
3059
+ {
3060
+ "epoch": 1.01,
3061
+ "learning_rate": 4.577516947148221e-05,
3062
+ "loss": 3.882,
3063
+ "step": 258048
3064
+ },
3065
+ {
3066
+ "epoch": 1.01,
3067
+ "learning_rate": 4.576679990277543e-05,
3068
+ "loss": 3.8946,
3069
+ "step": 258560
3070
+ },
3071
+ {
3072
+ "epoch": 1.01,
3073
+ "learning_rate": 4.57584139552649e-05,
3074
+ "loss": 3.9082,
3075
+ "step": 259072
3076
+ },
3077
+ {
3078
+ "epoch": 1.01,
3079
+ "learning_rate": 4.575002800775438e-05,
3080
+ "loss": 3.8864,
3081
+ "step": 259584
3082
+ },
3083
+ {
3084
+ "epoch": 1.01,
3085
+ "learning_rate": 4.574164206024386e-05,
3086
+ "loss": 3.8737,
3087
+ "step": 260096
3088
+ },
3089
+ {
3090
+ "epoch": 1.01,
3091
+ "learning_rate": 4.573325611273334e-05,
3092
+ "loss": 3.9029,
3093
+ "step": 260608
3094
+ },
3095
+ {
3096
+ "epoch": 1.01,
3097
+ "learning_rate": 4.572487016522282e-05,
3098
+ "loss": 3.8694,
3099
+ "step": 261120
3100
+ },
3101
+ {
3102
+ "epoch": 1.01,
3103
+ "learning_rate": 4.571650059651603e-05,
3104
+ "loss": 3.88,
3105
+ "step": 261632
3106
+ },
3107
+ {
3108
+ "epoch": 1.01,
3109
+ "learning_rate": 4.570811464900551e-05,
3110
+ "loss": 3.8978,
3111
+ "step": 262144
3112
+ },
3113
+ {
3114
+ "epoch": 1.01,
3115
+ "learning_rate": 4.569972870149499e-05,
3116
+ "loss": 3.89,
3117
+ "step": 262656
3118
+ },
3119
+ {
3120
+ "epoch": 1.01,
3121
+ "learning_rate": 4.5691342753984476e-05,
3122
+ "loss": 3.8799,
3123
+ "step": 263168
3124
+ },
3125
+ {
3126
+ "epoch": 1.01,
3127
+ "learning_rate": 4.5682973185277685e-05,
3128
+ "loss": 3.8763,
3129
+ "step": 263680
3130
+ },
3131
+ {
3132
+ "epoch": 1.01,
3133
+ "learning_rate": 4.5674587237767165e-05,
3134
+ "loss": 3.8714,
3135
+ "step": 264192
3136
+ },
3137
+ {
3138
+ "epoch": 1.01,
3139
+ "learning_rate": 4.5666201290256645e-05,
3140
+ "loss": 3.8772,
3141
+ "step": 264704
3142
+ },
3143
+ {
3144
+ "epoch": 1.01,
3145
+ "learning_rate": 4.5657815342746125e-05,
3146
+ "loss": 3.8912,
3147
+ "step": 265216
3148
+ },
3149
+ {
3150
+ "epoch": 1.01,
3151
+ "learning_rate": 4.5649445774039334e-05,
3152
+ "loss": 3.8758,
3153
+ "step": 265728
3154
+ },
3155
+ {
3156
+ "epoch": 1.01,
3157
+ "learning_rate": 4.5641059826528814e-05,
3158
+ "loss": 3.8917,
3159
+ "step": 266240
3160
+ },
3161
+ {
3162
+ "epoch": 1.01,
3163
+ "learning_rate": 4.5632673879018294e-05,
3164
+ "loss": 3.887,
3165
+ "step": 266752
3166
+ },
3167
+ {
3168
+ "epoch": 1.01,
3169
+ "learning_rate": 4.5624287931507774e-05,
3170
+ "loss": 3.8945,
3171
+ "step": 267264
3172
+ },
3173
+ {
3174
+ "epoch": 1.01,
3175
+ "learning_rate": 4.561591836280098e-05,
3176
+ "loss": 3.8767,
3177
+ "step": 267776
3178
+ },
3179
+ {
3180
+ "epoch": 1.01,
3181
+ "learning_rate": 4.560753241529046e-05,
3182
+ "loss": 3.8804,
3183
+ "step": 268288
3184
+ },
3185
+ {
3186
+ "epoch": 1.01,
3187
+ "learning_rate": 4.559914646777994e-05,
3188
+ "loss": 3.8874,
3189
+ "step": 268800
3190
+ },
3191
+ {
3192
+ "epoch": 1.01,
3193
+ "learning_rate": 4.559076052026943e-05,
3194
+ "loss": 3.8749,
3195
+ "step": 269312
3196
+ },
3197
+ {
3198
+ "epoch": 1.01,
3199
+ "learning_rate": 4.558239095156264e-05,
3200
+ "loss": 3.8868,
3201
+ "step": 269824
3202
+ },
3203
+ {
3204
+ "epoch": 1.01,
3205
+ "learning_rate": 4.557400500405212e-05,
3206
+ "loss": 3.8786,
3207
+ "step": 270336
3208
+ },
3209
+ {
3210
+ "epoch": 1.01,
3211
+ "learning_rate": 4.55656190565416e-05,
3212
+ "loss": 3.8784,
3213
+ "step": 270848
3214
+ },
3215
+ {
3216
+ "epoch": 1.01,
3217
+ "learning_rate": 4.555723310903108e-05,
3218
+ "loss": 3.8822,
3219
+ "step": 271360
3220
+ },
3221
+ {
3222
+ "epoch": 1.01,
3223
+ "learning_rate": 4.554884716152056e-05,
3224
+ "loss": 3.8667,
3225
+ "step": 271872
3226
+ },
3227
+ {
3228
+ "epoch": 1.01,
3229
+ "learning_rate": 4.554047759281377e-05,
3230
+ "loss": 3.8749,
3231
+ "step": 272384
3232
+ },
3233
+ {
3234
+ "epoch": 1.01,
3235
+ "learning_rate": 4.553209164530325e-05,
3236
+ "loss": 3.8786,
3237
+ "step": 272896
3238
+ },
3239
+ {
3240
+ "epoch": 1.01,
3241
+ "learning_rate": 4.552370569779273e-05,
3242
+ "loss": 3.8814,
3243
+ "step": 273408
3244
+ },
3245
+ {
3246
+ "epoch": 1.01,
3247
+ "learning_rate": 4.551531975028221e-05,
3248
+ "loss": 3.8715,
3249
+ "step": 273920
3250
+ },
3251
+ {
3252
+ "epoch": 1.01,
3253
+ "learning_rate": 4.550693380277169e-05,
3254
+ "loss": 3.8766,
3255
+ "step": 274432
3256
+ },
3257
+ {
3258
+ "epoch": 1.02,
3259
+ "learning_rate": 4.54985642340649e-05,
3260
+ "loss": 3.8692,
3261
+ "step": 274944
3262
+ },
3263
+ {
3264
+ "epoch": 1.02,
3265
+ "learning_rate": 4.5490178286554384e-05,
3266
+ "loss": 3.8645,
3267
+ "step": 275456
3268
+ },
3269
+ {
3270
+ "epoch": 1.02,
3271
+ "learning_rate": 4.5481792339043864e-05,
3272
+ "loss": 3.8658,
3273
+ "step": 275968
3274
+ },
3275
+ {
3276
+ "epoch": 1.02,
3277
+ "learning_rate": 4.5473406391533343e-05,
3278
+ "loss": 3.8729,
3279
+ "step": 276480
3280
+ },
3281
+ {
3282
+ "epoch": 1.02,
3283
+ "learning_rate": 4.546503682282655e-05,
3284
+ "loss": 3.884,
3285
+ "step": 276992
3286
+ },
3287
+ {
3288
+ "epoch": 1.02,
3289
+ "learning_rate": 4.545665087531603e-05,
3290
+ "loss": 3.8854,
3291
+ "step": 277504
3292
+ },
3293
+ {
3294
+ "epoch": 1.02,
3295
+ "learning_rate": 4.544826492780551e-05,
3296
+ "loss": 3.8753,
3297
+ "step": 278016
3298
+ },
3299
+ {
3300
+ "epoch": 1.02,
3301
+ "learning_rate": 4.543987898029499e-05,
3302
+ "loss": 3.8639,
3303
+ "step": 278528
3304
+ },
3305
+ {
3306
+ "epoch": 1.02,
3307
+ "learning_rate": 4.543149303278447e-05,
3308
+ "loss": 3.8693,
3309
+ "step": 279040
3310
+ },
3311
+ {
3312
+ "epoch": 1.02,
3313
+ "learning_rate": 4.542312346407768e-05,
3314
+ "loss": 3.8745,
3315
+ "step": 279552
3316
+ },
3317
+ {
3318
+ "epoch": 1.02,
3319
+ "learning_rate": 4.541473751656716e-05,
3320
+ "loss": 3.8786,
3321
+ "step": 280064
3322
+ },
3323
+ {
3324
+ "epoch": 1.02,
3325
+ "learning_rate": 4.540635156905664e-05,
3326
+ "loss": 3.8775,
3327
+ "step": 280576
3328
+ },
3329
+ {
3330
+ "epoch": 1.02,
3331
+ "learning_rate": 4.539796562154612e-05,
3332
+ "loss": 3.8706,
3333
+ "step": 281088
3334
+ },
3335
+ {
3336
+ "epoch": 1.02,
3337
+ "learning_rate": 4.538959605283933e-05,
3338
+ "loss": 3.8615,
3339
+ "step": 281600
3340
+ },
3341
+ {
3342
+ "epoch": 1.02,
3343
+ "learning_rate": 4.538121010532882e-05,
3344
+ "loss": 3.8846,
3345
+ "step": 282112
3346
+ },
3347
+ {
3348
+ "epoch": 1.02,
3349
+ "learning_rate": 4.53728241578183e-05,
3350
+ "loss": 3.8542,
3351
+ "step": 282624
3352
+ },
3353
+ {
3354
+ "epoch": 1.02,
3355
+ "learning_rate": 4.536443821030778e-05,
3356
+ "loss": 3.8714,
3357
+ "step": 283136
3358
+ },
3359
+ {
3360
+ "epoch": 1.02,
3361
+ "learning_rate": 4.5356068641600986e-05,
3362
+ "loss": 3.8601,
3363
+ "step": 283648
3364
+ },
3365
+ {
3366
+ "epoch": 1.02,
3367
+ "learning_rate": 4.5347682694090466e-05,
3368
+ "loss": 3.8705,
3369
+ "step": 284160
3370
+ },
3371
+ {
3372
+ "epoch": 1.02,
3373
+ "learning_rate": 4.5339296746579946e-05,
3374
+ "loss": 3.8619,
3375
+ "step": 284672
3376
+ },
3377
+ {
3378
+ "epoch": 1.02,
3379
+ "learning_rate": 4.5330910799069426e-05,
3380
+ "loss": 3.8684,
3381
+ "step": 285184
3382
+ },
3383
+ {
3384
+ "epoch": 1.02,
3385
+ "learning_rate": 4.5322524851558906e-05,
3386
+ "loss": 3.8615,
3387
+ "step": 285696
3388
+ },
3389
+ {
3390
+ "epoch": 1.02,
3391
+ "learning_rate": 4.5314155282852115e-05,
3392
+ "loss": 3.8624,
3393
+ "step": 286208
3394
+ },
3395
+ {
3396
+ "epoch": 1.02,
3397
+ "learning_rate": 4.5305769335341595e-05,
3398
+ "loss": 3.8665,
3399
+ "step": 286720
3400
+ },
3401
+ {
3402
+ "epoch": 1.02,
3403
+ "learning_rate": 4.5297383387831075e-05,
3404
+ "loss": 3.8607,
3405
+ "step": 287232
3406
+ },
3407
+ {
3408
+ "epoch": 1.02,
3409
+ "learning_rate": 4.5288997440320555e-05,
3410
+ "loss": 3.877,
3411
+ "step": 287744
3412
+ },
3413
+ {
3414
+ "epoch": 1.02,
3415
+ "learning_rate": 4.528062787161377e-05,
3416
+ "loss": 3.8776,
3417
+ "step": 288256
3418
+ },
3419
+ {
3420
+ "epoch": 1.02,
3421
+ "learning_rate": 4.527224192410325e-05,
3422
+ "loss": 3.8724,
3423
+ "step": 288768
3424
+ },
3425
+ {
3426
+ "epoch": 1.02,
3427
+ "learning_rate": 4.526385597659273e-05,
3428
+ "loss": 3.8615,
3429
+ "step": 289280
3430
+ },
3431
+ {
3432
+ "epoch": 1.02,
3433
+ "learning_rate": 4.525547002908221e-05,
3434
+ "loss": 3.861,
3435
+ "step": 289792
3436
+ },
3437
+ {
3438
+ "epoch": 1.02,
3439
+ "learning_rate": 4.524710046037542e-05,
3440
+ "loss": 3.8594,
3441
+ "step": 290304
3442
+ },
3443
+ {
3444
+ "epoch": 1.02,
3445
+ "learning_rate": 4.52387145128649e-05,
3446
+ "loss": 3.8605,
3447
+ "step": 290816
3448
+ },
3449
+ {
3450
+ "epoch": 1.02,
3451
+ "learning_rate": 4.523032856535438e-05,
3452
+ "loss": 3.8719,
3453
+ "step": 291328
3454
+ },
3455
+ {
3456
+ "epoch": 1.02,
3457
+ "learning_rate": 4.522194261784386e-05,
3458
+ "loss": 3.848,
3459
+ "step": 291840
3460
+ },
3461
+ {
3462
+ "epoch": 1.02,
3463
+ "learning_rate": 4.521355667033333e-05,
3464
+ "loss": 3.8655,
3465
+ "step": 292352
3466
+ },
3467
+ {
3468
+ "epoch": 1.02,
3469
+ "learning_rate": 4.520518710162655e-05,
3470
+ "loss": 3.8628,
3471
+ "step": 292864
3472
+ },
3473
+ {
3474
+ "epoch": 1.02,
3475
+ "learning_rate": 4.519680115411603e-05,
3476
+ "loss": 3.8697,
3477
+ "step": 293376
3478
+ },
3479
+ {
3480
+ "epoch": 1.02,
3481
+ "learning_rate": 4.518841520660551e-05,
3482
+ "loss": 3.8542,
3483
+ "step": 293888
3484
+ },
3485
+ {
3486
+ "epoch": 1.02,
3487
+ "learning_rate": 4.5180045637898725e-05,
3488
+ "loss": 3.8624,
3489
+ "step": 294400
3490
+ },
3491
+ {
3492
+ "epoch": 1.02,
3493
+ "learning_rate": 4.5171659690388204e-05,
3494
+ "loss": 3.8579,
3495
+ "step": 294912
3496
+ },
3497
+ {
3498
+ "epoch": 1.02,
3499
+ "learning_rate": 4.5163273742877684e-05,
3500
+ "loss": 3.8702,
3501
+ "step": 295424
3502
+ },
3503
+ {
3504
+ "epoch": 1.02,
3505
+ "learning_rate": 4.515488779536716e-05,
3506
+ "loss": 3.8645,
3507
+ "step": 295936
3508
+ },
3509
+ {
3510
+ "epoch": 1.02,
3511
+ "learning_rate": 4.5146518226660373e-05,
3512
+ "loss": 3.8712,
3513
+ "step": 296448
3514
+ },
3515
+ {
3516
+ "epoch": 1.02,
3517
+ "learning_rate": 4.5138132279149853e-05,
3518
+ "loss": 3.8475,
3519
+ "step": 296960
3520
+ },
3521
+ {
3522
+ "epoch": 1.02,
3523
+ "learning_rate": 4.5129746331639333e-05,
3524
+ "loss": 3.8646,
3525
+ "step": 297472
3526
+ },
3527
+ {
3528
+ "epoch": 1.02,
3529
+ "learning_rate": 4.5121360384128807e-05,
3530
+ "loss": 3.8655,
3531
+ "step": 297984
3532
+ },
3533
+ {
3534
+ "epoch": 1.02,
3535
+ "learning_rate": 4.511299081542202e-05,
3536
+ "loss": 3.8547,
3537
+ "step": 298496
3538
+ },
3539
+ {
3540
+ "epoch": 1.02,
3541
+ "learning_rate": 4.51046048679115e-05,
3542
+ "loss": 3.8613,
3543
+ "step": 299008
3544
+ },
3545
+ {
3546
+ "epoch": 1.02,
3547
+ "learning_rate": 4.5096218920400976e-05,
3548
+ "loss": 3.8702,
3549
+ "step": 299520
3550
+ },
3551
+ {
3552
+ "epoch": 1.02,
3553
+ "learning_rate": 4.508783297289046e-05,
3554
+ "loss": 3.8621,
3555
+ "step": 300032
3556
+ },
3557
+ {
3558
+ "epoch": 1.02,
3559
+ "learning_rate": 4.507944702537994e-05,
3560
+ "loss": 3.8769,
3561
+ "step": 300544
3562
+ },
3563
+ {
3564
+ "epoch": 1.02,
3565
+ "learning_rate": 4.507107745667316e-05,
3566
+ "loss": 3.8509,
3567
+ "step": 301056
3568
+ },
3569
+ {
3570
+ "epoch": 1.02,
3571
+ "learning_rate": 4.506269150916263e-05,
3572
+ "loss": 3.8642,
3573
+ "step": 301568
3574
+ },
3575
+ {
3576
+ "epoch": 1.02,
3577
+ "learning_rate": 4.505430556165211e-05,
3578
+ "loss": 3.8531,
3579
+ "step": 302080
3580
+ },
3581
+ {
3582
+ "epoch": 1.02,
3583
+ "learning_rate": 4.504591961414159e-05,
3584
+ "loss": 3.8555,
3585
+ "step": 302592
3586
+ },
3587
+ {
3588
+ "epoch": 1.02,
3589
+ "learning_rate": 4.50375500454348e-05,
3590
+ "loss": 3.8588,
3591
+ "step": 303104
3592
+ },
3593
+ {
3594
+ "epoch": 1.02,
3595
+ "learning_rate": 4.502916409792428e-05,
3596
+ "loss": 3.8521,
3597
+ "step": 303616
3598
+ },
3599
+ {
3600
+ "epoch": 1.02,
3601
+ "learning_rate": 4.502077815041376e-05,
3602
+ "loss": 3.8509,
3603
+ "step": 304128
3604
+ },
3605
+ {
3606
+ "epoch": 1.02,
3607
+ "learning_rate": 4.5012408581706976e-05,
3608
+ "loss": 3.8512,
3609
+ "step": 304640
3610
+ },
3611
+ {
3612
+ "epoch": 1.02,
3613
+ "learning_rate": 4.500402263419645e-05,
3614
+ "loss": 3.8541,
3615
+ "step": 305152
3616
+ },
3617
+ {
3618
+ "epoch": 1.03,
3619
+ "eval_loss": 3.917726993560791,
3620
+ "eval_runtime": 316.9205,
3621
+ "eval_samples_per_second": 1204.059,
3622
+ "eval_steps_per_second": 37.628,
3623
+ "step": 305280
3624
+ },
3625
+ {
3626
+ "epoch": 0.0,
3627
+ "learning_rate": 4.499563668668593e-05,
3628
+ "loss": 3.8512,
3629
+ "step": 305664
3630
+ },
3631
+ {
3632
+ "epoch": 0.0,
3633
+ "learning_rate": 4.4987250739175416e-05,
3634
+ "loss": 3.8443,
3635
+ "step": 306176
3636
+ },
3637
+ {
3638
+ "epoch": 0.0,
3639
+ "learning_rate": 4.4978864791664896e-05,
3640
+ "loss": 3.8611,
3641
+ "step": 306688
3642
+ },
3643
+ {
3644
+ "epoch": 0.0,
3645
+ "learning_rate": 4.4970478844154376e-05,
3646
+ "loss": 3.8527,
3647
+ "step": 307200
3648
+ },
3649
+ {
3650
+ "epoch": 0.0,
3651
+ "learning_rate": 4.4962092896643856e-05,
3652
+ "loss": 3.8695,
3653
+ "step": 307712
3654
+ },
3655
+ {
3656
+ "epoch": 0.0,
3657
+ "learning_rate": 4.4953706949133336e-05,
3658
+ "loss": 3.8503,
3659
+ "step": 308224
3660
+ },
3661
+ {
3662
+ "epoch": 0.0,
3663
+ "learning_rate": 4.4945321001622816e-05,
3664
+ "loss": 3.8525,
3665
+ "step": 308736
3666
+ },
3667
+ {
3668
+ "epoch": 0.0,
3669
+ "learning_rate": 4.4936935054112296e-05,
3670
+ "loss": 3.8392,
3671
+ "step": 309248
3672
+ },
3673
+ {
3674
+ "epoch": 0.0,
3675
+ "learning_rate": 4.4928549106601776e-05,
3676
+ "loss": 3.853,
3677
+ "step": 309760
3678
+ },
3679
+ {
3680
+ "epoch": 0.0,
3681
+ "learning_rate": 4.4920179537894985e-05,
3682
+ "loss": 3.8507,
3683
+ "step": 310272
3684
+ },
3685
+ {
3686
+ "epoch": 0.0,
3687
+ "learning_rate": 4.4911793590384465e-05,
3688
+ "loss": 3.8482,
3689
+ "step": 310784
3690
+ },
3691
+ {
3692
+ "epoch": 0.0,
3693
+ "learning_rate": 4.4903407642873945e-05,
3694
+ "loss": 3.8493,
3695
+ "step": 311296
3696
+ },
3697
+ {
3698
+ "epoch": 0.0,
3699
+ "learning_rate": 4.4895038074167154e-05,
3700
+ "loss": 3.8386,
3701
+ "step": 311808
3702
+ },
3703
+ {
3704
+ "epoch": 0.0,
3705
+ "learning_rate": 4.4886652126656634e-05,
3706
+ "loss": 3.8529,
3707
+ "step": 312320
3708
+ },
3709
+ {
3710
+ "epoch": 0.0,
3711
+ "learning_rate": 4.4878266179146114e-05,
3712
+ "loss": 3.8366,
3713
+ "step": 312832
3714
+ },
3715
+ {
3716
+ "epoch": 0.0,
3717
+ "learning_rate": 4.48698802316356e-05,
3718
+ "loss": 3.8353,
3719
+ "step": 313344
3720
+ },
3721
+ {
3722
+ "epoch": 0.0,
3723
+ "learning_rate": 4.486149428412508e-05,
3724
+ "loss": 3.838,
3725
+ "step": 313856
3726
+ },
3727
+ {
3728
+ "epoch": 0.0,
3729
+ "learning_rate": 4.485310833661456e-05,
3730
+ "loss": 3.8466,
3731
+ "step": 314368
3732
+ },
3733
+ {
3734
+ "epoch": 0.0,
3735
+ "learning_rate": 4.484472238910404e-05,
3736
+ "loss": 3.8391,
3737
+ "step": 314880
3738
+ },
3739
+ {
3740
+ "epoch": 0.0,
3741
+ "learning_rate": 4.483633644159352e-05,
3742
+ "loss": 3.8573,
3743
+ "step": 315392
3744
+ },
3745
+ {
3746
+ "epoch": 0.0,
3747
+ "learning_rate": 4.482796687288673e-05,
3748
+ "loss": 3.8426,
3749
+ "step": 315904
3750
+ },
3751
+ {
3752
+ "epoch": 0.0,
3753
+ "learning_rate": 4.481958092537621e-05,
3754
+ "loss": 3.8525,
3755
+ "step": 316416
3756
+ },
3757
+ {
3758
+ "epoch": 0.0,
3759
+ "learning_rate": 4.481119497786569e-05,
3760
+ "loss": 3.8416,
3761
+ "step": 316928
3762
+ },
3763
+ {
3764
+ "epoch": 0.0,
3765
+ "learning_rate": 4.480280903035516e-05,
3766
+ "loss": 3.8455,
3767
+ "step": 317440
3768
+ },
3769
+ {
3770
+ "epoch": 0.0,
3771
+ "learning_rate": 4.479442308284464e-05,
3772
+ "loss": 3.8402,
3773
+ "step": 317952
3774
+ },
3775
+ {
3776
+ "epoch": 0.0,
3777
+ "learning_rate": 4.478605351413786e-05,
3778
+ "loss": 3.8482,
3779
+ "step": 318464
3780
+ },
3781
+ {
3782
+ "epoch": 0.0,
3783
+ "learning_rate": 4.477766756662734e-05,
3784
+ "loss": 3.8392,
3785
+ "step": 318976
3786
+ },
3787
+ {
3788
+ "epoch": 0.0,
3789
+ "learning_rate": 4.476928161911682e-05,
3790
+ "loss": 3.8387,
3791
+ "step": 319488
3792
+ },
3793
+ {
3794
+ "epoch": 0.0,
3795
+ "learning_rate": 4.47608956716063e-05,
3796
+ "loss": 3.8305,
3797
+ "step": 320000
3798
+ },
3799
+ {
3800
+ "epoch": 0.0,
3801
+ "learning_rate": 4.4752526102899514e-05,
3802
+ "loss": 3.8399,
3803
+ "step": 320512
3804
+ },
3805
+ {
3806
+ "epoch": 0.01,
3807
+ "learning_rate": 4.4744140155388994e-05,
3808
+ "loss": 3.8454,
3809
+ "step": 321024
3810
+ },
3811
+ {
3812
+ "epoch": 0.01,
3813
+ "learning_rate": 4.473575420787847e-05,
3814
+ "loss": 3.8458,
3815
+ "step": 321536
3816
+ },
3817
+ {
3818
+ "epoch": 0.01,
3819
+ "learning_rate": 4.472736826036795e-05,
3820
+ "loss": 3.8487,
3821
+ "step": 322048
3822
+ },
3823
+ {
3824
+ "epoch": 0.01,
3825
+ "learning_rate": 4.471899869166116e-05,
3826
+ "loss": 3.8361,
3827
+ "step": 322560
3828
+ },
3829
+ {
3830
+ "epoch": 0.01,
3831
+ "learning_rate": 4.4710612744150636e-05,
3832
+ "loss": 3.8379,
3833
+ "step": 323072
3834
+ },
3835
+ {
3836
+ "epoch": 0.01,
3837
+ "learning_rate": 4.4702226796640116e-05,
3838
+ "loss": 3.846,
3839
+ "step": 323584
3840
+ },
3841
+ {
3842
+ "epoch": 0.01,
3843
+ "learning_rate": 4.4693840849129596e-05,
3844
+ "loss": 3.8433,
3845
+ "step": 324096
3846
+ },
3847
+ {
3848
+ "epoch": 0.01,
3849
+ "learning_rate": 4.468547128042281e-05,
3850
+ "loss": 3.8223,
3851
+ "step": 324608
3852
+ },
3853
+ {
3854
+ "epoch": 0.01,
3855
+ "learning_rate": 4.4677085332912285e-05,
3856
+ "loss": 3.8286,
3857
+ "step": 325120
3858
+ },
3859
+ {
3860
+ "epoch": 0.01,
3861
+ "learning_rate": 4.466869938540177e-05,
3862
+ "loss": 3.8277,
3863
+ "step": 325632
3864
+ },
3865
+ {
3866
+ "epoch": 0.01,
3867
+ "learning_rate": 4.466031343789125e-05,
3868
+ "loss": 3.8316,
3869
+ "step": 326144
3870
+ },
3871
+ {
3872
+ "epoch": 0.01,
3873
+ "learning_rate": 4.465194386918447e-05,
3874
+ "loss": 3.8423,
3875
+ "step": 326656
3876
+ },
3877
+ {
3878
+ "epoch": 0.01,
3879
+ "learning_rate": 4.464355792167394e-05,
3880
+ "loss": 3.8332,
3881
+ "step": 327168
3882
+ },
3883
+ {
3884
+ "epoch": 0.01,
3885
+ "learning_rate": 4.463517197416342e-05,
3886
+ "loss": 3.8279,
3887
+ "step": 327680
3888
+ },
3889
+ {
3890
+ "epoch": 0.01,
3891
+ "learning_rate": 4.46267860266529e-05,
3892
+ "loss": 3.8358,
3893
+ "step": 328192
3894
+ },
3895
+ {
3896
+ "epoch": 0.01,
3897
+ "learning_rate": 4.461841645794611e-05,
3898
+ "loss": 3.8293,
3899
+ "step": 328704
3900
+ },
3901
+ {
3902
+ "epoch": 0.01,
3903
+ "learning_rate": 4.461003051043559e-05,
3904
+ "loss": 3.8322,
3905
+ "step": 329216
3906
+ },
3907
+ {
3908
+ "epoch": 0.01,
3909
+ "learning_rate": 4.460164456292507e-05,
3910
+ "loss": 3.8246,
3911
+ "step": 329728
3912
+ },
3913
+ {
3914
+ "epoch": 0.01,
3915
+ "learning_rate": 4.459325861541455e-05,
3916
+ "loss": 3.8067,
3917
+ "step": 330240
3918
+ },
3919
+ {
3920
+ "epoch": 0.01,
3921
+ "learning_rate": 4.458487266790403e-05,
3922
+ "loss": 3.8514,
3923
+ "step": 330752
3924
+ },
3925
+ {
3926
+ "epoch": 0.01,
3927
+ "learning_rate": 4.457650309919724e-05,
3928
+ "loss": 3.837,
3929
+ "step": 331264
3930
+ },
3931
+ {
3932
+ "epoch": 0.01,
3933
+ "learning_rate": 4.4568117151686725e-05,
3934
+ "loss": 3.8337,
3935
+ "step": 331776
3936
+ },
3937
+ {
3938
+ "epoch": 0.01,
3939
+ "learning_rate": 4.4559731204176205e-05,
3940
+ "loss": 3.8281,
3941
+ "step": 332288
3942
+ },
3943
+ {
3944
+ "epoch": 0.01,
3945
+ "learning_rate": 4.4551361635469415e-05,
3946
+ "loss": 3.8294,
3947
+ "step": 332800
3948
+ },
3949
+ {
3950
+ "epoch": 0.01,
3951
+ "learning_rate": 4.4542975687958895e-05,
3952
+ "loss": 3.8167,
3953
+ "step": 333312
3954
+ },
3955
+ {
3956
+ "epoch": 0.01,
3957
+ "learning_rate": 4.4534589740448374e-05,
3958
+ "loss": 3.8302,
3959
+ "step": 333824
3960
+ },
3961
+ {
3962
+ "epoch": 0.01,
3963
+ "learning_rate": 4.4526203792937854e-05,
3964
+ "loss": 3.8228,
3965
+ "step": 334336
3966
+ },
3967
+ {
3968
+ "epoch": 0.01,
3969
+ "learning_rate": 4.4517817845427334e-05,
3970
+ "loss": 3.8281,
3971
+ "step": 334848
3972
+ },
3973
+ {
3974
+ "epoch": 0.01,
3975
+ "learning_rate": 4.4509431897916814e-05,
3976
+ "loss": 3.8432,
3977
+ "step": 335360
3978
+ },
3979
+ {
3980
+ "epoch": 0.01,
3981
+ "learning_rate": 4.4501045950406294e-05,
3982
+ "loss": 3.8224,
3983
+ "step": 335872
3984
+ },
3985
+ {
3986
+ "epoch": 0.01,
3987
+ "learning_rate": 4.4492660002895774e-05,
3988
+ "loss": 3.8139,
3989
+ "step": 336384
3990
+ },
3991
+ {
3992
+ "epoch": 0.01,
3993
+ "learning_rate": 4.448429043418898e-05,
3994
+ "loss": 3.8387,
3995
+ "step": 336896
3996
+ },
3997
+ {
3998
+ "epoch": 0.01,
3999
+ "learning_rate": 4.447590448667846e-05,
4000
+ "loss": 3.8075,
4001
+ "step": 337408
4002
+ },
4003
+ {
4004
+ "epoch": 0.01,
4005
+ "learning_rate": 4.446751853916794e-05,
4006
+ "loss": 3.82,
4007
+ "step": 337920
4008
+ },
4009
+ {
4010
+ "epoch": 0.01,
4011
+ "learning_rate": 4.445913259165742e-05,
4012
+ "loss": 3.8307,
4013
+ "step": 338432
4014
+ },
4015
+ {
4016
+ "epoch": 0.01,
4017
+ "learning_rate": 4.445076302295064e-05,
4018
+ "loss": 3.8277,
4019
+ "step": 338944
4020
+ },
4021
+ {
4022
+ "epoch": 0.01,
4023
+ "learning_rate": 4.444237707544012e-05,
4024
+ "loss": 3.8187,
4025
+ "step": 339456
4026
+ },
4027
+ {
4028
+ "epoch": 0.01,
4029
+ "learning_rate": 4.44339911279296e-05,
4030
+ "loss": 3.8162,
4031
+ "step": 339968
4032
+ },
4033
+ {
4034
+ "epoch": 0.01,
4035
+ "learning_rate": 4.442562155922281e-05,
4036
+ "loss": 3.806,
4037
+ "step": 340480
4038
+ },
4039
+ {
4040
+ "epoch": 0.01,
4041
+ "learning_rate": 4.441723561171229e-05,
4042
+ "loss": 3.8156,
4043
+ "step": 340992
4044
+ },
4045
+ {
4046
+ "epoch": 0.01,
4047
+ "learning_rate": 4.440884966420177e-05,
4048
+ "loss": 3.8274,
4049
+ "step": 341504
4050
+ },
4051
+ {
4052
+ "epoch": 0.01,
4053
+ "learning_rate": 4.440046371669125e-05,
4054
+ "loss": 3.8183,
4055
+ "step": 342016
4056
+ },
4057
+ {
4058
+ "epoch": 0.01,
4059
+ "learning_rate": 4.439209414798446e-05,
4060
+ "loss": 3.8258,
4061
+ "step": 342528
4062
+ },
4063
+ {
4064
+ "epoch": 0.01,
4065
+ "learning_rate": 4.438370820047394e-05,
4066
+ "loss": 3.8259,
4067
+ "step": 343040
4068
+ },
4069
+ {
4070
+ "epoch": 0.01,
4071
+ "learning_rate": 4.437532225296342e-05,
4072
+ "loss": 3.8354,
4073
+ "step": 343552
4074
+ },
4075
+ {
4076
+ "epoch": 0.01,
4077
+ "learning_rate": 4.43669363054529e-05,
4078
+ "loss": 3.8147,
4079
+ "step": 344064
4080
+ },
4081
+ {
4082
+ "epoch": 0.01,
4083
+ "learning_rate": 4.435856673674611e-05,
4084
+ "loss": 3.8166,
4085
+ "step": 344576
4086
+ },
4087
+ {
4088
+ "epoch": 0.01,
4089
+ "learning_rate": 4.435018078923559e-05,
4090
+ "loss": 3.826,
4091
+ "step": 345088
4092
+ },
4093
+ {
4094
+ "epoch": 0.01,
4095
+ "learning_rate": 4.434179484172507e-05,
4096
+ "loss": 3.8113,
4097
+ "step": 345600
4098
+ },
4099
+ {
4100
+ "epoch": 0.01,
4101
+ "learning_rate": 4.433340889421455e-05,
4102
+ "loss": 3.83,
4103
+ "step": 346112
4104
+ },
4105
+ {
4106
+ "epoch": 0.01,
4107
+ "learning_rate": 4.432503932550776e-05,
4108
+ "loss": 3.8182,
4109
+ "step": 346624
4110
+ },
4111
+ {
4112
+ "epoch": 0.01,
4113
+ "learning_rate": 4.431665337799724e-05,
4114
+ "loss": 3.8171,
4115
+ "step": 347136
4116
+ },
4117
+ {
4118
+ "epoch": 0.01,
4119
+ "learning_rate": 4.430826743048672e-05,
4120
+ "loss": 3.8245,
4121
+ "step": 347648
4122
+ },
4123
+ {
4124
+ "epoch": 0.01,
4125
+ "learning_rate": 4.42998814829762e-05,
4126
+ "loss": 3.8049,
4127
+ "step": 348160
4128
+ },
4129
+ {
4130
+ "epoch": 0.01,
4131
+ "learning_rate": 4.429149553546568e-05,
4132
+ "loss": 3.8117,
4133
+ "step": 348672
4134
+ },
4135
+ {
4136
+ "epoch": 0.01,
4137
+ "learning_rate": 4.428312596675889e-05,
4138
+ "loss": 3.8155,
4139
+ "step": 349184
4140
+ },
4141
+ {
4142
+ "epoch": 0.01,
4143
+ "learning_rate": 4.427474001924837e-05,
4144
+ "loss": 3.8252,
4145
+ "step": 349696
4146
+ },
4147
+ {
4148
+ "epoch": 0.01,
4149
+ "learning_rate": 4.426635407173785e-05,
4150
+ "loss": 3.8093,
4151
+ "step": 350208
4152
+ },
4153
+ {
4154
+ "epoch": 0.01,
4155
+ "learning_rate": 4.425796812422733e-05,
4156
+ "loss": 3.8168,
4157
+ "step": 350720
4158
+ },
4159
+ {
4160
+ "epoch": 0.02,
4161
+ "learning_rate": 4.4249598555520546e-05,
4162
+ "loss": 3.8111,
4163
+ "step": 351232
4164
+ },
4165
+ {
4166
+ "epoch": 0.02,
4167
+ "learning_rate": 4.4241212608010026e-05,
4168
+ "loss": 3.8098,
4169
+ "step": 351744
4170
+ },
4171
+ {
4172
+ "epoch": 0.02,
4173
+ "learning_rate": 4.4232826660499506e-05,
4174
+ "loss": 3.8032,
4175
+ "step": 352256
4176
+ },
4177
+ {
4178
+ "epoch": 0.02,
4179
+ "learning_rate": 4.4224440712988986e-05,
4180
+ "loss": 3.8152,
4181
+ "step": 352768
4182
+ },
4183
+ {
4184
+ "epoch": 0.02,
4185
+ "learning_rate": 4.4216071144282195e-05,
4186
+ "loss": 3.8244,
4187
+ "step": 353280
4188
+ },
4189
+ {
4190
+ "epoch": 0.02,
4191
+ "learning_rate": 4.4207685196771675e-05,
4192
+ "loss": 3.8225,
4193
+ "step": 353792
4194
+ },
4195
+ {
4196
+ "epoch": 0.02,
4197
+ "learning_rate": 4.4199299249261155e-05,
4198
+ "loss": 3.8212,
4199
+ "step": 354304
4200
+ },
4201
+ {
4202
+ "epoch": 0.02,
4203
+ "learning_rate": 4.4190913301750635e-05,
4204
+ "loss": 3.804,
4205
+ "step": 354816
4206
+ },
4207
+ {
4208
+ "epoch": 0.02,
4209
+ "learning_rate": 4.4182543733043844e-05,
4210
+ "loss": 3.8103,
4211
+ "step": 355328
4212
+ },
4213
+ {
4214
+ "epoch": 0.02,
4215
+ "learning_rate": 4.4174157785533324e-05,
4216
+ "loss": 3.8115,
4217
+ "step": 355840
4218
+ },
4219
+ {
4220
+ "epoch": 0.02,
4221
+ "learning_rate": 4.4165771838022804e-05,
4222
+ "loss": 3.82,
4223
+ "step": 356352
4224
+ },
4225
+ {
4226
+ "epoch": 0.02,
4227
+ "learning_rate": 4.4157385890512284e-05,
4228
+ "loss": 3.8185,
4229
+ "step": 356864
4230
+ },
4231
+ {
4232
+ "epoch": 0.02,
4233
+ "learning_rate": 4.41490163218055e-05,
4234
+ "loss": 3.8125,
4235
+ "step": 357376
4236
+ },
4237
+ {
4238
+ "epoch": 0.02,
4239
+ "learning_rate": 4.414063037429498e-05,
4240
+ "loss": 3.8052,
4241
+ "step": 357888
4242
+ },
4243
+ {
4244
+ "epoch": 0.02,
4245
+ "learning_rate": 4.413224442678446e-05,
4246
+ "loss": 3.8253,
4247
+ "step": 358400
4248
+ },
4249
+ {
4250
+ "epoch": 0.02,
4251
+ "learning_rate": 4.412385847927394e-05,
4252
+ "loss": 3.7991,
4253
+ "step": 358912
4254
+ },
4255
+ {
4256
+ "epoch": 0.02,
4257
+ "learning_rate": 4.411548891056715e-05,
4258
+ "loss": 3.8115,
4259
+ "step": 359424
4260
+ },
4261
+ {
4262
+ "epoch": 0.02,
4263
+ "learning_rate": 4.410710296305663e-05,
4264
+ "loss": 3.8024,
4265
+ "step": 359936
4266
+ },
4267
+ {
4268
+ "epoch": 0.02,
4269
+ "learning_rate": 4.409871701554611e-05,
4270
+ "loss": 3.8135,
4271
+ "step": 360448
4272
+ },
4273
+ {
4274
+ "epoch": 0.02,
4275
+ "learning_rate": 4.409033106803559e-05,
4276
+ "loss": 3.8024,
4277
+ "step": 360960
4278
+ },
4279
+ {
4280
+ "epoch": 0.02,
4281
+ "learning_rate": 4.40819614993288e-05,
4282
+ "loss": 3.8114,
4283
+ "step": 361472
4284
+ },
4285
+ {
4286
+ "epoch": 0.02,
4287
+ "learning_rate": 4.407357555181828e-05,
4288
+ "loss": 3.8035,
4289
+ "step": 361984
4290
+ },
4291
+ {
4292
+ "epoch": 0.02,
4293
+ "learning_rate": 4.406518960430776e-05,
4294
+ "loss": 3.8075,
4295
+ "step": 362496
4296
+ },
4297
+ {
4298
+ "epoch": 0.02,
4299
+ "learning_rate": 4.405680365679724e-05,
4300
+ "loss": 3.8093,
4301
+ "step": 363008
4302
+ },
4303
+ {
4304
+ "epoch": 0.02,
4305
+ "learning_rate": 4.4048434088090454e-05,
4306
+ "loss": 3.8048,
4307
+ "step": 363520
4308
+ },
4309
+ {
4310
+ "epoch": 0.02,
4311
+ "learning_rate": 4.4040048140579934e-05,
4312
+ "loss": 3.8173,
4313
+ "step": 364032
4314
+ },
4315
+ {
4316
+ "epoch": 0.02,
4317
+ "learning_rate": 4.403167857187314e-05,
4318
+ "loss": 3.8205,
4319
+ "step": 364544
4320
+ },
4321
+ {
4322
+ "epoch": 0.02,
4323
+ "learning_rate": 4.402329262436262e-05,
4324
+ "loss": 3.8118,
4325
+ "step": 365056
4326
+ },
4327
+ {
4328
+ "epoch": 0.02,
4329
+ "learning_rate": 4.40149066768521e-05,
4330
+ "loss": 3.8107,
4331
+ "step": 365568
4332
+ },
4333
+ {
4334
+ "epoch": 0.02,
4335
+ "learning_rate": 4.400652072934158e-05,
4336
+ "loss": 3.801,
4337
+ "step": 366080
4338
+ },
4339
+ {
4340
+ "epoch": 0.02,
4341
+ "learning_rate": 4.399813478183106e-05,
4342
+ "loss": 3.8058,
4343
+ "step": 366592
4344
+ },
4345
+ {
4346
+ "epoch": 0.02,
4347
+ "learning_rate": 4.398974883432054e-05,
4348
+ "loss": 3.8023,
4349
+ "step": 367104
4350
+ },
4351
+ {
4352
+ "epoch": 0.02,
4353
+ "learning_rate": 4.3981362886810016e-05,
4354
+ "loss": 3.8182,
4355
+ "step": 367616
4356
+ },
4357
+ {
4358
+ "epoch": 0.02,
4359
+ "learning_rate": 4.3972976939299496e-05,
4360
+ "loss": 3.7888,
4361
+ "step": 368128
4362
+ },
4363
+ {
4364
+ "epoch": 0.02,
4365
+ "learning_rate": 4.396460737059271e-05,
4366
+ "loss": 3.8082,
4367
+ "step": 368640
4368
+ },
4369
+ {
4370
+ "epoch": 0.02,
4371
+ "learning_rate": 4.395622142308219e-05,
4372
+ "loss": 3.8069,
4373
+ "step": 369152
4374
+ },
4375
+ {
4376
+ "epoch": 0.02,
4377
+ "learning_rate": 4.394783547557167e-05,
4378
+ "loss": 3.8122,
4379
+ "step": 369664
4380
+ },
4381
+ {
4382
+ "epoch": 0.02,
4383
+ "learning_rate": 4.393944952806115e-05,
4384
+ "loss": 3.8012,
4385
+ "step": 370176
4386
+ },
4387
+ {
4388
+ "epoch": 0.02,
4389
+ "learning_rate": 4.393107995935437e-05,
4390
+ "loss": 3.8073,
4391
+ "step": 370688
4392
+ },
4393
+ {
4394
+ "epoch": 0.02,
4395
+ "learning_rate": 4.392269401184384e-05,
4396
+ "loss": 3.8008,
4397
+ "step": 371200
4398
+ },
4399
+ {
4400
+ "epoch": 0.02,
4401
+ "learning_rate": 4.391430806433332e-05,
4402
+ "loss": 3.8109,
4403
+ "step": 371712
4404
+ },
4405
+ {
4406
+ "epoch": 0.02,
4407
+ "learning_rate": 4.39059221168228e-05,
4408
+ "loss": 3.8116,
4409
+ "step": 372224
4410
+ },
4411
+ {
4412
+ "epoch": 0.02,
4413
+ "learning_rate": 4.3897552548116016e-05,
4414
+ "loss": 3.8137,
4415
+ "step": 372736
4416
+ },
4417
+ {
4418
+ "epoch": 0.02,
4419
+ "learning_rate": 4.388916660060549e-05,
4420
+ "loss": 3.7958,
4421
+ "step": 373248
4422
+ },
4423
+ {
4424
+ "epoch": 0.02,
4425
+ "learning_rate": 4.388078065309497e-05,
4426
+ "loss": 3.8085,
4427
+ "step": 373760
4428
+ },
4429
+ {
4430
+ "epoch": 0.02,
4431
+ "learning_rate": 4.387239470558445e-05,
4432
+ "loss": 3.8127,
4433
+ "step": 374272
4434
+ },
4435
+ {
4436
+ "epoch": 0.02,
4437
+ "learning_rate": 4.3864025136877665e-05,
4438
+ "loss": 3.8015,
4439
+ "step": 374784
4440
+ },
4441
+ {
4442
+ "epoch": 0.02,
4443
+ "learning_rate": 4.3855639189367145e-05,
4444
+ "loss": 3.8047,
4445
+ "step": 375296
4446
+ },
4447
+ {
4448
+ "epoch": 0.02,
4449
+ "learning_rate": 4.3847253241856625e-05,
4450
+ "loss": 3.8129,
4451
+ "step": 375808
4452
+ },
4453
+ {
4454
+ "epoch": 0.02,
4455
+ "learning_rate": 4.3838867294346105e-05,
4456
+ "loss": 3.8052,
4457
+ "step": 376320
4458
+ },
4459
+ {
4460
+ "epoch": 0.02,
4461
+ "learning_rate": 4.3830497725639314e-05,
4462
+ "loss": 3.8257,
4463
+ "step": 376832
4464
+ },
4465
+ {
4466
+ "epoch": 0.02,
4467
+ "learning_rate": 4.3822111778128794e-05,
4468
+ "loss": 3.7962,
4469
+ "step": 377344
4470
+ },
4471
+ {
4472
+ "epoch": 0.02,
4473
+ "learning_rate": 4.3813725830618274e-05,
4474
+ "loss": 3.8079,
4475
+ "step": 377856
4476
+ },
4477
+ {
4478
+ "epoch": 0.02,
4479
+ "learning_rate": 4.3805339883107754e-05,
4480
+ "loss": 3.7983,
4481
+ "step": 378368
4482
+ },
4483
+ {
4484
+ "epoch": 0.02,
4485
+ "learning_rate": 4.379697031440096e-05,
4486
+ "loss": 3.8015,
4487
+ "step": 378880
4488
+ },
4489
+ {
4490
+ "epoch": 0.02,
4491
+ "learning_rate": 4.378858436689044e-05,
4492
+ "loss": 3.8064,
4493
+ "step": 379392
4494
+ },
4495
+ {
4496
+ "epoch": 0.02,
4497
+ "learning_rate": 4.378019841937992e-05,
4498
+ "loss": 3.7971,
4499
+ "step": 379904
4500
+ },
4501
+ {
4502
+ "epoch": 0.02,
4503
+ "learning_rate": 4.37718124718694e-05,
4504
+ "loss": 3.8009,
4505
+ "step": 380416
4506
+ },
4507
+ {
4508
+ "epoch": 0.02,
4509
+ "learning_rate": 4.376344290316262e-05,
4510
+ "loss": 3.7875,
4511
+ "step": 380928
4512
+ },
4513
+ {
4514
+ "epoch": 0.02,
4515
+ "learning_rate": 4.37550569556521e-05,
4516
+ "loss": 3.8051,
4517
+ "step": 381440
4518
+ },
4519
+ {
4520
+ "epoch": 0.03,
4521
+ "eval_loss": 3.8928475379943848,
4522
+ "eval_runtime": 302.8902,
4523
+ "eval_samples_per_second": 1259.833,
4524
+ "eval_steps_per_second": 39.371,
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": 2.6058591051397632e+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 sha256:1244fe8348eb48fd6abb511c579960faf5f352c6d26004eae5995e44b7e3f577
3
+ size 4219