HenryXu1 commited on
Commit
b0ccf37
1 Parent(s): eb6ca2b

End of training

Browse files
Files changed (5) hide show
  1. README.md +1 -0
  2. all_results.json +13 -0
  3. eval_results.json +8 -0
  4. train_results.json +8 -0
  5. trainer_state.json +1480 -0
README.md CHANGED
@@ -2,6 +2,7 @@
2
  license: apache-2.0
3
  base_model: facebook/wav2vec2-base
4
  tags:
 
5
  - generated_from_trainer
6
  datasets:
7
  - superb
 
2
  license: apache-2.0
3
  base_model: facebook/wav2vec2-base
4
  tags:
5
+ - audio-classification
6
  - generated_from_trainer
7
  datasets:
8
  - superb
all_results.json ADDED
@@ -0,0 +1,13 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 4.996869129618034,
3
+ "eval_accuracy": 0.9832303618711385,
4
+ "eval_loss": 0.07819115370512009,
5
+ "eval_runtime": 10.6152,
6
+ "eval_samples_per_second": 640.403,
7
+ "eval_steps_per_second": 20.066,
8
+ "total_flos": 2.3180194781952e+18,
9
+ "train_loss": 0.40026830736557045,
10
+ "train_runtime": 1087.6247,
11
+ "train_samples_per_second": 234.888,
12
+ "train_steps_per_second": 1.834
13
+ }
eval_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 4.996869129618034,
3
+ "eval_accuracy": 0.9832303618711385,
4
+ "eval_loss": 0.07819115370512009,
5
+ "eval_runtime": 10.6152,
6
+ "eval_samples_per_second": 640.403,
7
+ "eval_steps_per_second": 20.066
8
+ }
train_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 4.996869129618034,
3
+ "total_flos": 2.3180194781952e+18,
4
+ "train_loss": 0.40026830736557045,
5
+ "train_runtime": 1087.6247,
6
+ "train_samples_per_second": 234.888,
7
+ "train_steps_per_second": 1.834
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,1480 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": 0.9832303618711385,
3
+ "best_model_checkpoint": "wav2vec2-base-ft-keyword-spotting/checkpoint-1995",
4
+ "epoch": 4.996869129618034,
5
+ "eval_steps": 500,
6
+ "global_step": 1995,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.025046963055729492,
13
+ "grad_norm": 1.278334379196167,
14
+ "learning_rate": 1.5e-06,
15
+ "loss": 2.4699,
16
+ "step": 10
17
+ },
18
+ {
19
+ "epoch": 0.050093926111458985,
20
+ "grad_norm": 1.3655153512954712,
21
+ "learning_rate": 3e-06,
22
+ "loss": 2.4539,
23
+ "step": 20
24
+ },
25
+ {
26
+ "epoch": 0.07514088916718847,
27
+ "grad_norm": 1.3241969347000122,
28
+ "learning_rate": 4.5e-06,
29
+ "loss": 2.4044,
30
+ "step": 30
31
+ },
32
+ {
33
+ "epoch": 0.10018785222291797,
34
+ "grad_norm": 1.7512290477752686,
35
+ "learning_rate": 6e-06,
36
+ "loss": 2.3261,
37
+ "step": 40
38
+ },
39
+ {
40
+ "epoch": 0.12523481527864747,
41
+ "grad_norm": 2.1144192218780518,
42
+ "learning_rate": 7.5e-06,
43
+ "loss": 2.2156,
44
+ "step": 50
45
+ },
46
+ {
47
+ "epoch": 0.15028177833437695,
48
+ "grad_norm": 2.416064739227295,
49
+ "learning_rate": 9e-06,
50
+ "loss": 2.0569,
51
+ "step": 60
52
+ },
53
+ {
54
+ "epoch": 0.17532874139010646,
55
+ "grad_norm": 2.3332056999206543,
56
+ "learning_rate": 1.05e-05,
57
+ "loss": 1.8437,
58
+ "step": 70
59
+ },
60
+ {
61
+ "epoch": 0.20037570444583594,
62
+ "grad_norm": 2.037410259246826,
63
+ "learning_rate": 1.2e-05,
64
+ "loss": 1.7693,
65
+ "step": 80
66
+ },
67
+ {
68
+ "epoch": 0.22542266750156542,
69
+ "grad_norm": 2.00655198097229,
70
+ "learning_rate": 1.3500000000000001e-05,
71
+ "loss": 1.6565,
72
+ "step": 90
73
+ },
74
+ {
75
+ "epoch": 0.25046963055729493,
76
+ "grad_norm": 1.5333060026168823,
77
+ "learning_rate": 1.5e-05,
78
+ "loss": 1.6115,
79
+ "step": 100
80
+ },
81
+ {
82
+ "epoch": 0.27551659361302444,
83
+ "grad_norm": 0.9409968852996826,
84
+ "learning_rate": 1.65e-05,
85
+ "loss": 1.6253,
86
+ "step": 110
87
+ },
88
+ {
89
+ "epoch": 0.3005635566687539,
90
+ "grad_norm": 1.4992973804473877,
91
+ "learning_rate": 1.8e-05,
92
+ "loss": 1.5118,
93
+ "step": 120
94
+ },
95
+ {
96
+ "epoch": 0.3256105197244834,
97
+ "grad_norm": 0.5201308727264404,
98
+ "learning_rate": 1.95e-05,
99
+ "loss": 1.503,
100
+ "step": 130
101
+ },
102
+ {
103
+ "epoch": 0.3506574827802129,
104
+ "grad_norm": 1.1067086458206177,
105
+ "learning_rate": 2.1e-05,
106
+ "loss": 1.5415,
107
+ "step": 140
108
+ },
109
+ {
110
+ "epoch": 0.37570444583594237,
111
+ "grad_norm": 1.8773168325424194,
112
+ "learning_rate": 2.25e-05,
113
+ "loss": 1.4933,
114
+ "step": 150
115
+ },
116
+ {
117
+ "epoch": 0.4007514088916719,
118
+ "grad_norm": 2.180652618408203,
119
+ "learning_rate": 2.4e-05,
120
+ "loss": 1.449,
121
+ "step": 160
122
+ },
123
+ {
124
+ "epoch": 0.4257983719474014,
125
+ "grad_norm": 1.6153920888900757,
126
+ "learning_rate": 2.55e-05,
127
+ "loss": 1.4281,
128
+ "step": 170
129
+ },
130
+ {
131
+ "epoch": 0.45084533500313084,
132
+ "grad_norm": 3.9366486072540283,
133
+ "learning_rate": 2.7000000000000002e-05,
134
+ "loss": 1.3706,
135
+ "step": 180
136
+ },
137
+ {
138
+ "epoch": 0.47589229805886035,
139
+ "grad_norm": 8.680933952331543,
140
+ "learning_rate": 2.8499999999999998e-05,
141
+ "loss": 1.3632,
142
+ "step": 190
143
+ },
144
+ {
145
+ "epoch": 0.5009392611145899,
146
+ "grad_norm": 1.6787041425704956,
147
+ "learning_rate": 3e-05,
148
+ "loss": 1.3052,
149
+ "step": 200
150
+ },
151
+ {
152
+ "epoch": 0.5259862241703194,
153
+ "grad_norm": 3.0554661750793457,
154
+ "learning_rate": 2.9832869080779945e-05,
155
+ "loss": 1.2246,
156
+ "step": 210
157
+ },
158
+ {
159
+ "epoch": 0.5510331872260489,
160
+ "grad_norm": 2.5610270500183105,
161
+ "learning_rate": 2.9665738161559886e-05,
162
+ "loss": 1.1641,
163
+ "step": 220
164
+ },
165
+ {
166
+ "epoch": 0.5760801502817783,
167
+ "grad_norm": 4.368018627166748,
168
+ "learning_rate": 2.9498607242339834e-05,
169
+ "loss": 1.1112,
170
+ "step": 230
171
+ },
172
+ {
173
+ "epoch": 0.6011271133375078,
174
+ "grad_norm": 3.1300201416015625,
175
+ "learning_rate": 2.933147632311978e-05,
176
+ "loss": 1.1034,
177
+ "step": 240
178
+ },
179
+ {
180
+ "epoch": 0.6261740763932373,
181
+ "grad_norm": 3.441697597503662,
182
+ "learning_rate": 2.916434540389972e-05,
183
+ "loss": 0.9748,
184
+ "step": 250
185
+ },
186
+ {
187
+ "epoch": 0.6512210394489668,
188
+ "grad_norm": 2.930171251296997,
189
+ "learning_rate": 2.8997214484679665e-05,
190
+ "loss": 0.9908,
191
+ "step": 260
192
+ },
193
+ {
194
+ "epoch": 0.6762680025046963,
195
+ "grad_norm": 4.085419178009033,
196
+ "learning_rate": 2.8830083565459613e-05,
197
+ "loss": 0.8302,
198
+ "step": 270
199
+ },
200
+ {
201
+ "epoch": 0.7013149655604258,
202
+ "grad_norm": 3.5097601413726807,
203
+ "learning_rate": 2.8662952646239554e-05,
204
+ "loss": 0.788,
205
+ "step": 280
206
+ },
207
+ {
208
+ "epoch": 0.7263619286161553,
209
+ "grad_norm": 4.0369062423706055,
210
+ "learning_rate": 2.84958217270195e-05,
211
+ "loss": 0.766,
212
+ "step": 290
213
+ },
214
+ {
215
+ "epoch": 0.7514088916718847,
216
+ "grad_norm": 2.472437858581543,
217
+ "learning_rate": 2.8328690807799443e-05,
218
+ "loss": 0.742,
219
+ "step": 300
220
+ },
221
+ {
222
+ "epoch": 0.7764558547276142,
223
+ "grad_norm": 3.6972556114196777,
224
+ "learning_rate": 2.8161559888579388e-05,
225
+ "loss": 0.7595,
226
+ "step": 310
227
+ },
228
+ {
229
+ "epoch": 0.8015028177833438,
230
+ "grad_norm": 3.38409161567688,
231
+ "learning_rate": 2.7994428969359332e-05,
232
+ "loss": 0.6941,
233
+ "step": 320
234
+ },
235
+ {
236
+ "epoch": 0.8265497808390733,
237
+ "grad_norm": 2.243342399597168,
238
+ "learning_rate": 2.7827298050139277e-05,
239
+ "loss": 0.6347,
240
+ "step": 330
241
+ },
242
+ {
243
+ "epoch": 0.8515967438948028,
244
+ "grad_norm": 4.12843132019043,
245
+ "learning_rate": 2.7660167130919218e-05,
246
+ "loss": 0.6031,
247
+ "step": 340
248
+ },
249
+ {
250
+ "epoch": 0.8766437069505323,
251
+ "grad_norm": 2.2556419372558594,
252
+ "learning_rate": 2.7493036211699166e-05,
253
+ "loss": 0.5767,
254
+ "step": 350
255
+ },
256
+ {
257
+ "epoch": 0.9016906700062617,
258
+ "grad_norm": 3.9663896560668945,
259
+ "learning_rate": 2.732590529247911e-05,
260
+ "loss": 0.5565,
261
+ "step": 360
262
+ },
263
+ {
264
+ "epoch": 0.9267376330619912,
265
+ "grad_norm": 3.594534397125244,
266
+ "learning_rate": 2.7158774373259055e-05,
267
+ "loss": 0.5529,
268
+ "step": 370
269
+ },
270
+ {
271
+ "epoch": 0.9517845961177207,
272
+ "grad_norm": 2.7648637294769287,
273
+ "learning_rate": 2.6991643454038996e-05,
274
+ "loss": 0.4842,
275
+ "step": 380
276
+ },
277
+ {
278
+ "epoch": 0.9768315591734502,
279
+ "grad_norm": 3.66634202003479,
280
+ "learning_rate": 2.6824512534818944e-05,
281
+ "loss": 0.5065,
282
+ "step": 390
283
+ },
284
+ {
285
+ "epoch": 0.9993738259236068,
286
+ "eval_accuracy": 0.9713150926743159,
287
+ "eval_loss": 0.3426418602466583,
288
+ "eval_runtime": 10.5903,
289
+ "eval_samples_per_second": 641.906,
290
+ "eval_steps_per_second": 20.113,
291
+ "step": 399
292
+ },
293
+ {
294
+ "epoch": 1.0018785222291797,
295
+ "grad_norm": 2.2331535816192627,
296
+ "learning_rate": 2.665738161559889e-05,
297
+ "loss": 0.4929,
298
+ "step": 400
299
+ },
300
+ {
301
+ "epoch": 1.0269254852849092,
302
+ "grad_norm": 2.8309195041656494,
303
+ "learning_rate": 2.649025069637883e-05,
304
+ "loss": 0.413,
305
+ "step": 410
306
+ },
307
+ {
308
+ "epoch": 1.0519724483406387,
309
+ "grad_norm": 3.615835428237915,
310
+ "learning_rate": 2.6323119777158774e-05,
311
+ "loss": 0.4205,
312
+ "step": 420
313
+ },
314
+ {
315
+ "epoch": 1.0770194113963683,
316
+ "grad_norm": 4.138455867767334,
317
+ "learning_rate": 2.6155988857938722e-05,
318
+ "loss": 0.3937,
319
+ "step": 430
320
+ },
321
+ {
322
+ "epoch": 1.1020663744520978,
323
+ "grad_norm": 3.2305445671081543,
324
+ "learning_rate": 2.5988857938718663e-05,
325
+ "loss": 0.4097,
326
+ "step": 440
327
+ },
328
+ {
329
+ "epoch": 1.127113337507827,
330
+ "grad_norm": 3.1868467330932617,
331
+ "learning_rate": 2.5821727019498608e-05,
332
+ "loss": 0.3661,
333
+ "step": 450
334
+ },
335
+ {
336
+ "epoch": 1.1521603005635566,
337
+ "grad_norm": 1.8689473867416382,
338
+ "learning_rate": 2.5654596100278553e-05,
339
+ "loss": 0.3327,
340
+ "step": 460
341
+ },
342
+ {
343
+ "epoch": 1.177207263619286,
344
+ "grad_norm": 1.8282161951065063,
345
+ "learning_rate": 2.5487465181058497e-05,
346
+ "loss": 0.3211,
347
+ "step": 470
348
+ },
349
+ {
350
+ "epoch": 1.2022542266750156,
351
+ "grad_norm": 3.445858955383301,
352
+ "learning_rate": 2.532033426183844e-05,
353
+ "loss": 0.3468,
354
+ "step": 480
355
+ },
356
+ {
357
+ "epoch": 1.227301189730745,
358
+ "grad_norm": 3.0723907947540283,
359
+ "learning_rate": 2.5153203342618386e-05,
360
+ "loss": 0.3533,
361
+ "step": 490
362
+ },
363
+ {
364
+ "epoch": 1.2523481527864746,
365
+ "grad_norm": 4.13520622253418,
366
+ "learning_rate": 2.4986072423398327e-05,
367
+ "loss": 0.2817,
368
+ "step": 500
369
+ },
370
+ {
371
+ "epoch": 1.277395115842204,
372
+ "grad_norm": 6.625748634338379,
373
+ "learning_rate": 2.4818941504178275e-05,
374
+ "loss": 0.3295,
375
+ "step": 510
376
+ },
377
+ {
378
+ "epoch": 1.3024420788979336,
379
+ "grad_norm": 1.7438695430755615,
380
+ "learning_rate": 2.465181058495822e-05,
381
+ "loss": 0.2915,
382
+ "step": 520
383
+ },
384
+ {
385
+ "epoch": 1.3274890419536631,
386
+ "grad_norm": 4.603183746337891,
387
+ "learning_rate": 2.448467966573816e-05,
388
+ "loss": 0.3447,
389
+ "step": 530
390
+ },
391
+ {
392
+ "epoch": 1.3525360050093926,
393
+ "grad_norm": 2.3780734539031982,
394
+ "learning_rate": 2.4317548746518106e-05,
395
+ "loss": 0.2678,
396
+ "step": 540
397
+ },
398
+ {
399
+ "epoch": 1.3775829680651221,
400
+ "grad_norm": 2.449040174484253,
401
+ "learning_rate": 2.415041782729805e-05,
402
+ "loss": 0.3029,
403
+ "step": 550
404
+ },
405
+ {
406
+ "epoch": 1.4026299311208517,
407
+ "grad_norm": 3.899897336959839,
408
+ "learning_rate": 2.3983286908077995e-05,
409
+ "loss": 0.2609,
410
+ "step": 560
411
+ },
412
+ {
413
+ "epoch": 1.4276768941765812,
414
+ "grad_norm": 4.0847978591918945,
415
+ "learning_rate": 2.381615598885794e-05,
416
+ "loss": 0.2979,
417
+ "step": 570
418
+ },
419
+ {
420
+ "epoch": 1.4527238572323107,
421
+ "grad_norm": 3.0735533237457275,
422
+ "learning_rate": 2.3649025069637884e-05,
423
+ "loss": 0.2612,
424
+ "step": 580
425
+ },
426
+ {
427
+ "epoch": 1.4777708202880402,
428
+ "grad_norm": 4.23598051071167,
429
+ "learning_rate": 2.3481894150417825e-05,
430
+ "loss": 0.2657,
431
+ "step": 590
432
+ },
433
+ {
434
+ "epoch": 1.5028177833437697,
435
+ "grad_norm": 2.6922895908355713,
436
+ "learning_rate": 2.3314763231197773e-05,
437
+ "loss": 0.2332,
438
+ "step": 600
439
+ },
440
+ {
441
+ "epoch": 1.5278647463994992,
442
+ "grad_norm": 2.444784641265869,
443
+ "learning_rate": 2.3147632311977718e-05,
444
+ "loss": 0.2646,
445
+ "step": 610
446
+ },
447
+ {
448
+ "epoch": 1.5529117094552287,
449
+ "grad_norm": 3.595010757446289,
450
+ "learning_rate": 2.298050139275766e-05,
451
+ "loss": 0.2258,
452
+ "step": 620
453
+ },
454
+ {
455
+ "epoch": 1.577958672510958,
456
+ "grad_norm": 4.990175724029541,
457
+ "learning_rate": 2.2813370473537603e-05,
458
+ "loss": 0.2477,
459
+ "step": 630
460
+ },
461
+ {
462
+ "epoch": 1.6030056355666875,
463
+ "grad_norm": 2.4451816082000732,
464
+ "learning_rate": 2.264623955431755e-05,
465
+ "loss": 0.2268,
466
+ "step": 640
467
+ },
468
+ {
469
+ "epoch": 1.628052598622417,
470
+ "grad_norm": 5.3694233894348145,
471
+ "learning_rate": 2.2479108635097492e-05,
472
+ "loss": 0.226,
473
+ "step": 650
474
+ },
475
+ {
476
+ "epoch": 1.6530995616781465,
477
+ "grad_norm": 4.013739585876465,
478
+ "learning_rate": 2.2311977715877437e-05,
479
+ "loss": 0.2519,
480
+ "step": 660
481
+ },
482
+ {
483
+ "epoch": 1.678146524733876,
484
+ "grad_norm": 2.913640022277832,
485
+ "learning_rate": 2.214484679665738e-05,
486
+ "loss": 0.2723,
487
+ "step": 670
488
+ },
489
+ {
490
+ "epoch": 1.7031934877896056,
491
+ "grad_norm": 3.3302664756774902,
492
+ "learning_rate": 2.1977715877437326e-05,
493
+ "loss": 0.2412,
494
+ "step": 680
495
+ },
496
+ {
497
+ "epoch": 1.7282404508453348,
498
+ "grad_norm": 3.4415056705474854,
499
+ "learning_rate": 2.181058495821727e-05,
500
+ "loss": 0.2463,
501
+ "step": 690
502
+ },
503
+ {
504
+ "epoch": 1.7532874139010644,
505
+ "grad_norm": 2.424220085144043,
506
+ "learning_rate": 2.1643454038997215e-05,
507
+ "loss": 0.198,
508
+ "step": 700
509
+ },
510
+ {
511
+ "epoch": 1.7783343769567939,
512
+ "grad_norm": 3.404729127883911,
513
+ "learning_rate": 2.147632311977716e-05,
514
+ "loss": 0.2263,
515
+ "step": 710
516
+ },
517
+ {
518
+ "epoch": 1.8033813400125234,
519
+ "grad_norm": 2.495832681655884,
520
+ "learning_rate": 2.1309192200557104e-05,
521
+ "loss": 0.2146,
522
+ "step": 720
523
+ },
524
+ {
525
+ "epoch": 1.8284283030682529,
526
+ "grad_norm": 3.8898746967315674,
527
+ "learning_rate": 2.114206128133705e-05,
528
+ "loss": 0.2289,
529
+ "step": 730
530
+ },
531
+ {
532
+ "epoch": 1.8534752661239824,
533
+ "grad_norm": 2.768136978149414,
534
+ "learning_rate": 2.0974930362116993e-05,
535
+ "loss": 0.2144,
536
+ "step": 740
537
+ },
538
+ {
539
+ "epoch": 1.878522229179712,
540
+ "grad_norm": 2.6077802181243896,
541
+ "learning_rate": 2.0807799442896935e-05,
542
+ "loss": 0.2269,
543
+ "step": 750
544
+ },
545
+ {
546
+ "epoch": 1.9035691922354414,
547
+ "grad_norm": 2.223156452178955,
548
+ "learning_rate": 2.0640668523676883e-05,
549
+ "loss": 0.1809,
550
+ "step": 760
551
+ },
552
+ {
553
+ "epoch": 1.928616155291171,
554
+ "grad_norm": 2.7288057804107666,
555
+ "learning_rate": 2.0473537604456827e-05,
556
+ "loss": 0.1833,
557
+ "step": 770
558
+ },
559
+ {
560
+ "epoch": 1.9536631183469004,
561
+ "grad_norm": 2.93996000289917,
562
+ "learning_rate": 2.0306406685236768e-05,
563
+ "loss": 0.2276,
564
+ "step": 780
565
+ },
566
+ {
567
+ "epoch": 1.97871008140263,
568
+ "grad_norm": 1.5655947923660278,
569
+ "learning_rate": 2.0139275766016713e-05,
570
+ "loss": 0.2089,
571
+ "step": 790
572
+ },
573
+ {
574
+ "epoch": 1.9987476518472134,
575
+ "eval_accuracy": 0.9780817887614004,
576
+ "eval_loss": 0.12669295072555542,
577
+ "eval_runtime": 10.6875,
578
+ "eval_samples_per_second": 636.068,
579
+ "eval_steps_per_second": 19.93,
580
+ "step": 798
581
+ },
582
+ {
583
+ "epoch": 2.0037570444583594,
584
+ "grad_norm": 2.9249160289764404,
585
+ "learning_rate": 1.997214484679666e-05,
586
+ "loss": 0.201,
587
+ "step": 800
588
+ },
589
+ {
590
+ "epoch": 2.028804007514089,
591
+ "grad_norm": 2.023646116256714,
592
+ "learning_rate": 1.9805013927576602e-05,
593
+ "loss": 0.1868,
594
+ "step": 810
595
+ },
596
+ {
597
+ "epoch": 2.0538509705698185,
598
+ "grad_norm": 1.4999943971633911,
599
+ "learning_rate": 1.9637883008356546e-05,
600
+ "loss": 0.1885,
601
+ "step": 820
602
+ },
603
+ {
604
+ "epoch": 2.078897933625548,
605
+ "grad_norm": 3.2979843616485596,
606
+ "learning_rate": 1.947075208913649e-05,
607
+ "loss": 0.1904,
608
+ "step": 830
609
+ },
610
+ {
611
+ "epoch": 2.1039448966812775,
612
+ "grad_norm": 1.8831233978271484,
613
+ "learning_rate": 1.9303621169916436e-05,
614
+ "loss": 0.185,
615
+ "step": 840
616
+ },
617
+ {
618
+ "epoch": 2.128991859737007,
619
+ "grad_norm": 1.3918356895446777,
620
+ "learning_rate": 1.913649025069638e-05,
621
+ "loss": 0.1829,
622
+ "step": 850
623
+ },
624
+ {
625
+ "epoch": 2.1540388227927365,
626
+ "grad_norm": 1.2814128398895264,
627
+ "learning_rate": 1.8969359331476325e-05,
628
+ "loss": 0.1667,
629
+ "step": 860
630
+ },
631
+ {
632
+ "epoch": 2.179085785848466,
633
+ "grad_norm": 3.2199411392211914,
634
+ "learning_rate": 1.8802228412256266e-05,
635
+ "loss": 0.179,
636
+ "step": 870
637
+ },
638
+ {
639
+ "epoch": 2.2041327489041955,
640
+ "grad_norm": 3.293250560760498,
641
+ "learning_rate": 1.863509749303621e-05,
642
+ "loss": 0.213,
643
+ "step": 880
644
+ },
645
+ {
646
+ "epoch": 2.229179711959925,
647
+ "grad_norm": 2.887782335281372,
648
+ "learning_rate": 1.846796657381616e-05,
649
+ "loss": 0.1872,
650
+ "step": 890
651
+ },
652
+ {
653
+ "epoch": 2.254226675015654,
654
+ "grad_norm": 3.306884288787842,
655
+ "learning_rate": 1.83008356545961e-05,
656
+ "loss": 0.1762,
657
+ "step": 900
658
+ },
659
+ {
660
+ "epoch": 2.279273638071384,
661
+ "grad_norm": 3.3350651264190674,
662
+ "learning_rate": 1.8133704735376044e-05,
663
+ "loss": 0.2153,
664
+ "step": 910
665
+ },
666
+ {
667
+ "epoch": 2.304320601127113,
668
+ "grad_norm": 1.8800674676895142,
669
+ "learning_rate": 1.796657381615599e-05,
670
+ "loss": 0.2069,
671
+ "step": 920
672
+ },
673
+ {
674
+ "epoch": 2.329367564182843,
675
+ "grad_norm": 3.2760367393493652,
676
+ "learning_rate": 1.7799442896935933e-05,
677
+ "loss": 0.1756,
678
+ "step": 930
679
+ },
680
+ {
681
+ "epoch": 2.354414527238572,
682
+ "grad_norm": 4.827606678009033,
683
+ "learning_rate": 1.7632311977715878e-05,
684
+ "loss": 0.1673,
685
+ "step": 940
686
+ },
687
+ {
688
+ "epoch": 2.3794614902943017,
689
+ "grad_norm": 4.115577697753906,
690
+ "learning_rate": 1.7465181058495822e-05,
691
+ "loss": 0.1503,
692
+ "step": 950
693
+ },
694
+ {
695
+ "epoch": 2.404508453350031,
696
+ "grad_norm": 2.163761854171753,
697
+ "learning_rate": 1.7298050139275764e-05,
698
+ "loss": 0.2029,
699
+ "step": 960
700
+ },
701
+ {
702
+ "epoch": 2.4295554164057607,
703
+ "grad_norm": 3.1453959941864014,
704
+ "learning_rate": 1.713091922005571e-05,
705
+ "loss": 0.1748,
706
+ "step": 970
707
+ },
708
+ {
709
+ "epoch": 2.45460237946149,
710
+ "grad_norm": 0.9899351596832275,
711
+ "learning_rate": 1.6963788300835656e-05,
712
+ "loss": 0.1589,
713
+ "step": 980
714
+ },
715
+ {
716
+ "epoch": 2.4796493425172197,
717
+ "grad_norm": 2.109621524810791,
718
+ "learning_rate": 1.6796657381615597e-05,
719
+ "loss": 0.1709,
720
+ "step": 990
721
+ },
722
+ {
723
+ "epoch": 2.504696305572949,
724
+ "grad_norm": 4.260733604431152,
725
+ "learning_rate": 1.6629526462395542e-05,
726
+ "loss": 0.1776,
727
+ "step": 1000
728
+ },
729
+ {
730
+ "epoch": 2.5297432686286787,
731
+ "grad_norm": 1.1494958400726318,
732
+ "learning_rate": 1.646239554317549e-05,
733
+ "loss": 0.1651,
734
+ "step": 1010
735
+ },
736
+ {
737
+ "epoch": 2.554790231684408,
738
+ "grad_norm": 4.246566295623779,
739
+ "learning_rate": 1.6295264623955434e-05,
740
+ "loss": 0.1941,
741
+ "step": 1020
742
+ },
743
+ {
744
+ "epoch": 2.5798371947401377,
745
+ "grad_norm": 2.06291127204895,
746
+ "learning_rate": 1.6128133704735375e-05,
747
+ "loss": 0.1276,
748
+ "step": 1030
749
+ },
750
+ {
751
+ "epoch": 2.6048841577958672,
752
+ "grad_norm": 2.7648720741271973,
753
+ "learning_rate": 1.596100278551532e-05,
754
+ "loss": 0.1725,
755
+ "step": 1040
756
+ },
757
+ {
758
+ "epoch": 2.6299311208515967,
759
+ "grad_norm": 1.355832815170288,
760
+ "learning_rate": 1.5793871866295268e-05,
761
+ "loss": 0.1585,
762
+ "step": 1050
763
+ },
764
+ {
765
+ "epoch": 2.6549780839073263,
766
+ "grad_norm": 3.2558505535125732,
767
+ "learning_rate": 1.562674094707521e-05,
768
+ "loss": 0.1778,
769
+ "step": 1060
770
+ },
771
+ {
772
+ "epoch": 2.6800250469630558,
773
+ "grad_norm": 6.209780693054199,
774
+ "learning_rate": 1.5459610027855154e-05,
775
+ "loss": 0.1789,
776
+ "step": 1070
777
+ },
778
+ {
779
+ "epoch": 2.7050720100187853,
780
+ "grad_norm": 2.586533784866333,
781
+ "learning_rate": 1.5292479108635098e-05,
782
+ "loss": 0.1648,
783
+ "step": 1080
784
+ },
785
+ {
786
+ "epoch": 2.730118973074515,
787
+ "grad_norm": 3.024934768676758,
788
+ "learning_rate": 1.5125348189415043e-05,
789
+ "loss": 0.1428,
790
+ "step": 1090
791
+ },
792
+ {
793
+ "epoch": 2.7551659361302443,
794
+ "grad_norm": 3.368821382522583,
795
+ "learning_rate": 1.4958217270194987e-05,
796
+ "loss": 0.1499,
797
+ "step": 1100
798
+ },
799
+ {
800
+ "epoch": 2.780212899185974,
801
+ "grad_norm": 2.3457772731781006,
802
+ "learning_rate": 1.479108635097493e-05,
803
+ "loss": 0.1733,
804
+ "step": 1110
805
+ },
806
+ {
807
+ "epoch": 2.8052598622417033,
808
+ "grad_norm": 1.2713210582733154,
809
+ "learning_rate": 1.4623955431754876e-05,
810
+ "loss": 0.1533,
811
+ "step": 1120
812
+ },
813
+ {
814
+ "epoch": 2.830306825297433,
815
+ "grad_norm": 2.4018795490264893,
816
+ "learning_rate": 1.445682451253482e-05,
817
+ "loss": 0.1713,
818
+ "step": 1130
819
+ },
820
+ {
821
+ "epoch": 2.8553537883531623,
822
+ "grad_norm": 2.1352932453155518,
823
+ "learning_rate": 1.4289693593314764e-05,
824
+ "loss": 0.1723,
825
+ "step": 1140
826
+ },
827
+ {
828
+ "epoch": 2.8804007514088914,
829
+ "grad_norm": 1.5749989748001099,
830
+ "learning_rate": 1.4122562674094708e-05,
831
+ "loss": 0.1965,
832
+ "step": 1150
833
+ },
834
+ {
835
+ "epoch": 2.9054477144646214,
836
+ "grad_norm": 3.0269646644592285,
837
+ "learning_rate": 1.3955431754874653e-05,
838
+ "loss": 0.1965,
839
+ "step": 1160
840
+ },
841
+ {
842
+ "epoch": 2.9304946775203504,
843
+ "grad_norm": 2.5006277561187744,
844
+ "learning_rate": 1.3788300835654596e-05,
845
+ "loss": 0.163,
846
+ "step": 1170
847
+ },
848
+ {
849
+ "epoch": 2.9555416405760804,
850
+ "grad_norm": 1.5534733533859253,
851
+ "learning_rate": 1.362116991643454e-05,
852
+ "loss": 0.1569,
853
+ "step": 1180
854
+ },
855
+ {
856
+ "epoch": 2.9805886036318094,
857
+ "grad_norm": 2.774616241455078,
858
+ "learning_rate": 1.3454038997214485e-05,
859
+ "loss": 0.1834,
860
+ "step": 1190
861
+ },
862
+ {
863
+ "epoch": 2.9981214777708205,
864
+ "eval_accuracy": 0.980435422182995,
865
+ "eval_loss": 0.08890607953071594,
866
+ "eval_runtime": 10.7458,
867
+ "eval_samples_per_second": 632.617,
868
+ "eval_steps_per_second": 19.822,
869
+ "step": 1197
870
+ },
871
+ {
872
+ "epoch": 3.005635566687539,
873
+ "grad_norm": 3.6320059299468994,
874
+ "learning_rate": 1.3286908077994428e-05,
875
+ "loss": 0.1771,
876
+ "step": 1200
877
+ },
878
+ {
879
+ "epoch": 3.0306825297432685,
880
+ "grad_norm": 1.4830687046051025,
881
+ "learning_rate": 1.3119777158774374e-05,
882
+ "loss": 0.171,
883
+ "step": 1210
884
+ },
885
+ {
886
+ "epoch": 3.055729492798998,
887
+ "grad_norm": 1.7326056957244873,
888
+ "learning_rate": 1.2952646239554317e-05,
889
+ "loss": 0.1576,
890
+ "step": 1220
891
+ },
892
+ {
893
+ "epoch": 3.0807764558547275,
894
+ "grad_norm": 2.301881790161133,
895
+ "learning_rate": 1.2785515320334262e-05,
896
+ "loss": 0.1675,
897
+ "step": 1230
898
+ },
899
+ {
900
+ "epoch": 3.105823418910457,
901
+ "grad_norm": 3.6545441150665283,
902
+ "learning_rate": 1.2618384401114206e-05,
903
+ "loss": 0.1707,
904
+ "step": 1240
905
+ },
906
+ {
907
+ "epoch": 3.1308703819661865,
908
+ "grad_norm": 1.9802820682525635,
909
+ "learning_rate": 1.245125348189415e-05,
910
+ "loss": 0.1744,
911
+ "step": 1250
912
+ },
913
+ {
914
+ "epoch": 3.155917345021916,
915
+ "grad_norm": 2.116532564163208,
916
+ "learning_rate": 1.2284122562674095e-05,
917
+ "loss": 0.1592,
918
+ "step": 1260
919
+ },
920
+ {
921
+ "epoch": 3.1809643080776455,
922
+ "grad_norm": 2.7397706508636475,
923
+ "learning_rate": 1.211699164345404e-05,
924
+ "loss": 0.1567,
925
+ "step": 1270
926
+ },
927
+ {
928
+ "epoch": 3.206011271133375,
929
+ "grad_norm": 2.8573620319366455,
930
+ "learning_rate": 1.1949860724233983e-05,
931
+ "loss": 0.1673,
932
+ "step": 1280
933
+ },
934
+ {
935
+ "epoch": 3.2310582341891045,
936
+ "grad_norm": 3.157711982727051,
937
+ "learning_rate": 1.1782729805013929e-05,
938
+ "loss": 0.1345,
939
+ "step": 1290
940
+ },
941
+ {
942
+ "epoch": 3.256105197244834,
943
+ "grad_norm": 4.402627944946289,
944
+ "learning_rate": 1.1615598885793872e-05,
945
+ "loss": 0.1689,
946
+ "step": 1300
947
+ },
948
+ {
949
+ "epoch": 3.2811521603005636,
950
+ "grad_norm": 1.3651645183563232,
951
+ "learning_rate": 1.1448467966573816e-05,
952
+ "loss": 0.0912,
953
+ "step": 1310
954
+ },
955
+ {
956
+ "epoch": 3.306199123356293,
957
+ "grad_norm": 3.8698039054870605,
958
+ "learning_rate": 1.1281337047353761e-05,
959
+ "loss": 0.1594,
960
+ "step": 1320
961
+ },
962
+ {
963
+ "epoch": 3.3312460864120226,
964
+ "grad_norm": 3.035409450531006,
965
+ "learning_rate": 1.1114206128133705e-05,
966
+ "loss": 0.1601,
967
+ "step": 1330
968
+ },
969
+ {
970
+ "epoch": 3.356293049467752,
971
+ "grad_norm": 1.8605338335037231,
972
+ "learning_rate": 1.0947075208913648e-05,
973
+ "loss": 0.1713,
974
+ "step": 1340
975
+ },
976
+ {
977
+ "epoch": 3.3813400125234816,
978
+ "grad_norm": 3.120457887649536,
979
+ "learning_rate": 1.0779944289693595e-05,
980
+ "loss": 0.1542,
981
+ "step": 1350
982
+ },
983
+ {
984
+ "epoch": 3.406386975579211,
985
+ "grad_norm": 3.9332990646362305,
986
+ "learning_rate": 1.0612813370473537e-05,
987
+ "loss": 0.1451,
988
+ "step": 1360
989
+ },
990
+ {
991
+ "epoch": 3.4314339386349406,
992
+ "grad_norm": 3.2169320583343506,
993
+ "learning_rate": 1.0445682451253482e-05,
994
+ "loss": 0.1417,
995
+ "step": 1370
996
+ },
997
+ {
998
+ "epoch": 3.45648090169067,
999
+ "grad_norm": 1.290043592453003,
1000
+ "learning_rate": 1.0278551532033427e-05,
1001
+ "loss": 0.1672,
1002
+ "step": 1380
1003
+ },
1004
+ {
1005
+ "epoch": 3.4815278647463996,
1006
+ "grad_norm": 1.9304981231689453,
1007
+ "learning_rate": 1.0111420612813371e-05,
1008
+ "loss": 0.1558,
1009
+ "step": 1390
1010
+ },
1011
+ {
1012
+ "epoch": 3.506574827802129,
1013
+ "grad_norm": 1.4201843738555908,
1014
+ "learning_rate": 9.944289693593314e-06,
1015
+ "loss": 0.1535,
1016
+ "step": 1400
1017
+ },
1018
+ {
1019
+ "epoch": 3.5316217908578587,
1020
+ "grad_norm": 1.5534597635269165,
1021
+ "learning_rate": 9.77715877437326e-06,
1022
+ "loss": 0.1275,
1023
+ "step": 1410
1024
+ },
1025
+ {
1026
+ "epoch": 3.5566687539135877,
1027
+ "grad_norm": 3.183288097381592,
1028
+ "learning_rate": 9.610027855153203e-06,
1029
+ "loss": 0.1588,
1030
+ "step": 1420
1031
+ },
1032
+ {
1033
+ "epoch": 3.5817157169693177,
1034
+ "grad_norm": 3.252284288406372,
1035
+ "learning_rate": 9.44289693593315e-06,
1036
+ "loss": 0.1266,
1037
+ "step": 1430
1038
+ },
1039
+ {
1040
+ "epoch": 3.6067626800250467,
1041
+ "grad_norm": 3.5988216400146484,
1042
+ "learning_rate": 9.275766016713092e-06,
1043
+ "loss": 0.1484,
1044
+ "step": 1440
1045
+ },
1046
+ {
1047
+ "epoch": 3.6318096430807767,
1048
+ "grad_norm": 0.8129429221153259,
1049
+ "learning_rate": 9.108635097493037e-06,
1050
+ "loss": 0.1249,
1051
+ "step": 1450
1052
+ },
1053
+ {
1054
+ "epoch": 3.6568566061365058,
1055
+ "grad_norm": 1.1750004291534424,
1056
+ "learning_rate": 8.941504178272981e-06,
1057
+ "loss": 0.1552,
1058
+ "step": 1460
1059
+ },
1060
+ {
1061
+ "epoch": 3.6819035691922357,
1062
+ "grad_norm": 2.3609495162963867,
1063
+ "learning_rate": 8.774373259052926e-06,
1064
+ "loss": 0.1506,
1065
+ "step": 1470
1066
+ },
1067
+ {
1068
+ "epoch": 3.706950532247965,
1069
+ "grad_norm": 3.020759344100952,
1070
+ "learning_rate": 8.607242339832869e-06,
1071
+ "loss": 0.1492,
1072
+ "step": 1480
1073
+ },
1074
+ {
1075
+ "epoch": 3.7319974953036943,
1076
+ "grad_norm": 2.7013983726501465,
1077
+ "learning_rate": 8.440111420612815e-06,
1078
+ "loss": 0.1045,
1079
+ "step": 1490
1080
+ },
1081
+ {
1082
+ "epoch": 3.757044458359424,
1083
+ "grad_norm": 3.6517138481140137,
1084
+ "learning_rate": 8.272980501392758e-06,
1085
+ "loss": 0.1354,
1086
+ "step": 1500
1087
+ },
1088
+ {
1089
+ "epoch": 3.7820914214151533,
1090
+ "grad_norm": 1.283496618270874,
1091
+ "learning_rate": 8.1058495821727e-06,
1092
+ "loss": 0.1376,
1093
+ "step": 1510
1094
+ },
1095
+ {
1096
+ "epoch": 3.807138384470883,
1097
+ "grad_norm": 4.068831443786621,
1098
+ "learning_rate": 7.938718662952647e-06,
1099
+ "loss": 0.147,
1100
+ "step": 1520
1101
+ },
1102
+ {
1103
+ "epoch": 3.8321853475266123,
1104
+ "grad_norm": 1.8731778860092163,
1105
+ "learning_rate": 7.77158774373259e-06,
1106
+ "loss": 0.134,
1107
+ "step": 1530
1108
+ },
1109
+ {
1110
+ "epoch": 3.857232310582342,
1111
+ "grad_norm": 2.750255823135376,
1112
+ "learning_rate": 7.604456824512535e-06,
1113
+ "loss": 0.1398,
1114
+ "step": 1540
1115
+ },
1116
+ {
1117
+ "epoch": 3.8822792736380713,
1118
+ "grad_norm": 2.020031213760376,
1119
+ "learning_rate": 7.43732590529248e-06,
1120
+ "loss": 0.1236,
1121
+ "step": 1550
1122
+ },
1123
+ {
1124
+ "epoch": 3.907326236693801,
1125
+ "grad_norm": 3.4288525581359863,
1126
+ "learning_rate": 7.2701949860724235e-06,
1127
+ "loss": 0.1223,
1128
+ "step": 1560
1129
+ },
1130
+ {
1131
+ "epoch": 3.9323731997495304,
1132
+ "grad_norm": 2.974663019180298,
1133
+ "learning_rate": 7.103064066852368e-06,
1134
+ "loss": 0.1596,
1135
+ "step": 1570
1136
+ },
1137
+ {
1138
+ "epoch": 3.95742016280526,
1139
+ "grad_norm": 2.157737970352173,
1140
+ "learning_rate": 6.935933147632313e-06,
1141
+ "loss": 0.1277,
1142
+ "step": 1580
1143
+ },
1144
+ {
1145
+ "epoch": 3.9824671258609894,
1146
+ "grad_norm": 2.2225987911224365,
1147
+ "learning_rate": 6.768802228412256e-06,
1148
+ "loss": 0.142,
1149
+ "step": 1590
1150
+ },
1151
+ {
1152
+ "epoch": 4.0,
1153
+ "eval_accuracy": 0.981318034716093,
1154
+ "eval_loss": 0.08539879322052002,
1155
+ "eval_runtime": 10.6636,
1156
+ "eval_samples_per_second": 637.494,
1157
+ "eval_steps_per_second": 19.974,
1158
+ "step": 1597
1159
+ },
1160
+ {
1161
+ "epoch": 4.007514088916719,
1162
+ "grad_norm": 1.7441836595535278,
1163
+ "learning_rate": 6.601671309192201e-06,
1164
+ "loss": 0.1491,
1165
+ "step": 1600
1166
+ },
1167
+ {
1168
+ "epoch": 4.032561051972448,
1169
+ "grad_norm": 2.0195930004119873,
1170
+ "learning_rate": 6.4345403899721455e-06,
1171
+ "loss": 0.1357,
1172
+ "step": 1610
1173
+ },
1174
+ {
1175
+ "epoch": 4.057608015028178,
1176
+ "grad_norm": 2.4423089027404785,
1177
+ "learning_rate": 6.267409470752089e-06,
1178
+ "loss": 0.1438,
1179
+ "step": 1620
1180
+ },
1181
+ {
1182
+ "epoch": 4.082654978083907,
1183
+ "grad_norm": 2.6411936283111572,
1184
+ "learning_rate": 6.100278551532034e-06,
1185
+ "loss": 0.131,
1186
+ "step": 1630
1187
+ },
1188
+ {
1189
+ "epoch": 4.107701941139637,
1190
+ "grad_norm": 0.8893925547599792,
1191
+ "learning_rate": 5.933147632311978e-06,
1192
+ "loss": 0.1249,
1193
+ "step": 1640
1194
+ },
1195
+ {
1196
+ "epoch": 4.132748904195366,
1197
+ "grad_norm": 2.2715697288513184,
1198
+ "learning_rate": 5.766016713091923e-06,
1199
+ "loss": 0.1642,
1200
+ "step": 1650
1201
+ },
1202
+ {
1203
+ "epoch": 4.157795867251096,
1204
+ "grad_norm": 1.903985619544983,
1205
+ "learning_rate": 5.598885793871867e-06,
1206
+ "loss": 0.1418,
1207
+ "step": 1660
1208
+ },
1209
+ {
1210
+ "epoch": 4.182842830306825,
1211
+ "grad_norm": 2.41510272026062,
1212
+ "learning_rate": 5.43175487465181e-06,
1213
+ "loss": 0.1535,
1214
+ "step": 1670
1215
+ },
1216
+ {
1217
+ "epoch": 4.207889793362555,
1218
+ "grad_norm": 3.837315320968628,
1219
+ "learning_rate": 5.264623955431755e-06,
1220
+ "loss": 0.1433,
1221
+ "step": 1680
1222
+ },
1223
+ {
1224
+ "epoch": 4.232936756418284,
1225
+ "grad_norm": 2.4811267852783203,
1226
+ "learning_rate": 5.0974930362116986e-06,
1227
+ "loss": 0.121,
1228
+ "step": 1690
1229
+ },
1230
+ {
1231
+ "epoch": 4.257983719474014,
1232
+ "grad_norm": 4.462907791137695,
1233
+ "learning_rate": 4.930362116991643e-06,
1234
+ "loss": 0.1267,
1235
+ "step": 1700
1236
+ },
1237
+ {
1238
+ "epoch": 4.283030682529743,
1239
+ "grad_norm": 3.019132137298584,
1240
+ "learning_rate": 4.763231197771588e-06,
1241
+ "loss": 0.1151,
1242
+ "step": 1710
1243
+ },
1244
+ {
1245
+ "epoch": 4.308077645585473,
1246
+ "grad_norm": 3.2697532176971436,
1247
+ "learning_rate": 4.596100278551532e-06,
1248
+ "loss": 0.1068,
1249
+ "step": 1720
1250
+ },
1251
+ {
1252
+ "epoch": 4.333124608641202,
1253
+ "grad_norm": 3.3036513328552246,
1254
+ "learning_rate": 4.428969359331476e-06,
1255
+ "loss": 0.1009,
1256
+ "step": 1730
1257
+ },
1258
+ {
1259
+ "epoch": 4.358171571696932,
1260
+ "grad_norm": 2.5975863933563232,
1261
+ "learning_rate": 4.2618384401114205e-06,
1262
+ "loss": 0.1168,
1263
+ "step": 1740
1264
+ },
1265
+ {
1266
+ "epoch": 4.383218534752661,
1267
+ "grad_norm": 1.6975170373916626,
1268
+ "learning_rate": 4.094707520891365e-06,
1269
+ "loss": 0.1549,
1270
+ "step": 1750
1271
+ },
1272
+ {
1273
+ "epoch": 4.408265497808391,
1274
+ "grad_norm": 2.671894073486328,
1275
+ "learning_rate": 3.927576601671309e-06,
1276
+ "loss": 0.1211,
1277
+ "step": 1760
1278
+ },
1279
+ {
1280
+ "epoch": 4.43331246086412,
1281
+ "grad_norm": 4.581605911254883,
1282
+ "learning_rate": 3.7604456824512533e-06,
1283
+ "loss": 0.1406,
1284
+ "step": 1770
1285
+ },
1286
+ {
1287
+ "epoch": 4.45835942391985,
1288
+ "grad_norm": 3.0454249382019043,
1289
+ "learning_rate": 3.593314763231198e-06,
1290
+ "loss": 0.137,
1291
+ "step": 1780
1292
+ },
1293
+ {
1294
+ "epoch": 4.483406386975579,
1295
+ "grad_norm": 2.0320184230804443,
1296
+ "learning_rate": 3.426183844011142e-06,
1297
+ "loss": 0.1105,
1298
+ "step": 1790
1299
+ },
1300
+ {
1301
+ "epoch": 4.508453350031308,
1302
+ "grad_norm": 1.5015639066696167,
1303
+ "learning_rate": 3.259052924791086e-06,
1304
+ "loss": 0.1282,
1305
+ "step": 1800
1306
+ },
1307
+ {
1308
+ "epoch": 4.533500313087038,
1309
+ "grad_norm": 2.1987569332122803,
1310
+ "learning_rate": 3.0919220055710307e-06,
1311
+ "loss": 0.1111,
1312
+ "step": 1810
1313
+ },
1314
+ {
1315
+ "epoch": 4.558547276142768,
1316
+ "grad_norm": 1.3748631477355957,
1317
+ "learning_rate": 2.924791086350975e-06,
1318
+ "loss": 0.1326,
1319
+ "step": 1820
1320
+ },
1321
+ {
1322
+ "epoch": 4.583594239198497,
1323
+ "grad_norm": 1.8067643642425537,
1324
+ "learning_rate": 2.7576601671309194e-06,
1325
+ "loss": 0.1112,
1326
+ "step": 1830
1327
+ },
1328
+ {
1329
+ "epoch": 4.608641202254226,
1330
+ "grad_norm": 2.4993462562561035,
1331
+ "learning_rate": 2.5905292479108636e-06,
1332
+ "loss": 0.1014,
1333
+ "step": 1840
1334
+ },
1335
+ {
1336
+ "epoch": 4.633688165309956,
1337
+ "grad_norm": 3.3623006343841553,
1338
+ "learning_rate": 2.4233983286908077e-06,
1339
+ "loss": 0.1319,
1340
+ "step": 1850
1341
+ },
1342
+ {
1343
+ "epoch": 4.658735128365686,
1344
+ "grad_norm": 2.678271770477295,
1345
+ "learning_rate": 2.2562674094707523e-06,
1346
+ "loss": 0.1391,
1347
+ "step": 1860
1348
+ },
1349
+ {
1350
+ "epoch": 4.683782091421415,
1351
+ "grad_norm": 1.3857640027999878,
1352
+ "learning_rate": 2.0891364902506964e-06,
1353
+ "loss": 0.1149,
1354
+ "step": 1870
1355
+ },
1356
+ {
1357
+ "epoch": 4.708829054477144,
1358
+ "grad_norm": 2.552626371383667,
1359
+ "learning_rate": 1.922005571030641e-06,
1360
+ "loss": 0.119,
1361
+ "step": 1880
1362
+ },
1363
+ {
1364
+ "epoch": 4.733876017532874,
1365
+ "grad_norm": 1.3172489404678345,
1366
+ "learning_rate": 1.7548746518105849e-06,
1367
+ "loss": 0.1226,
1368
+ "step": 1890
1369
+ },
1370
+ {
1371
+ "epoch": 4.758922980588603,
1372
+ "grad_norm": 4.114231586456299,
1373
+ "learning_rate": 1.5877437325905292e-06,
1374
+ "loss": 0.1191,
1375
+ "step": 1900
1376
+ },
1377
+ {
1378
+ "epoch": 4.783969943644333,
1379
+ "grad_norm": 3.1994917392730713,
1380
+ "learning_rate": 1.4206128133704736e-06,
1381
+ "loss": 0.1064,
1382
+ "step": 1910
1383
+ },
1384
+ {
1385
+ "epoch": 4.809016906700062,
1386
+ "grad_norm": 2.785364866256714,
1387
+ "learning_rate": 1.253481894150418e-06,
1388
+ "loss": 0.1092,
1389
+ "step": 1920
1390
+ },
1391
+ {
1392
+ "epoch": 4.834063869755792,
1393
+ "grad_norm": 1.6309309005737305,
1394
+ "learning_rate": 1.0863509749303623e-06,
1395
+ "loss": 0.1355,
1396
+ "step": 1930
1397
+ },
1398
+ {
1399
+ "epoch": 4.859110832811521,
1400
+ "grad_norm": 3.174809694290161,
1401
+ "learning_rate": 9.192200557103064e-07,
1402
+ "loss": 0.1211,
1403
+ "step": 1940
1404
+ },
1405
+ {
1406
+ "epoch": 4.884157795867251,
1407
+ "grad_norm": 2.4154794216156006,
1408
+ "learning_rate": 7.520891364902508e-07,
1409
+ "loss": 0.1135,
1410
+ "step": 1950
1411
+ },
1412
+ {
1413
+ "epoch": 4.90920475892298,
1414
+ "grad_norm": 2.3144145011901855,
1415
+ "learning_rate": 5.84958217270195e-07,
1416
+ "loss": 0.1121,
1417
+ "step": 1960
1418
+ },
1419
+ {
1420
+ "epoch": 4.93425172197871,
1421
+ "grad_norm": 2.8474748134613037,
1422
+ "learning_rate": 4.178272980501393e-07,
1423
+ "loss": 0.143,
1424
+ "step": 1970
1425
+ },
1426
+ {
1427
+ "epoch": 4.959298685034439,
1428
+ "grad_norm": 2.4842255115509033,
1429
+ "learning_rate": 2.506963788300836e-07,
1430
+ "loss": 0.116,
1431
+ "step": 1980
1432
+ },
1433
+ {
1434
+ "epoch": 4.984345648090169,
1435
+ "grad_norm": 2.9249684810638428,
1436
+ "learning_rate": 8.356545961002785e-08,
1437
+ "loss": 0.1472,
1438
+ "step": 1990
1439
+ },
1440
+ {
1441
+ "epoch": 4.996869129618034,
1442
+ "eval_accuracy": 0.9832303618711385,
1443
+ "eval_loss": 0.07819115370512009,
1444
+ "eval_runtime": 10.7075,
1445
+ "eval_samples_per_second": 634.883,
1446
+ "eval_steps_per_second": 19.893,
1447
+ "step": 1995
1448
+ },
1449
+ {
1450
+ "epoch": 4.996869129618034,
1451
+ "step": 1995,
1452
+ "total_flos": 2.3180194781952e+18,
1453
+ "train_loss": 0.40026830736557045,
1454
+ "train_runtime": 1087.6247,
1455
+ "train_samples_per_second": 234.888,
1456
+ "train_steps_per_second": 1.834
1457
+ }
1458
+ ],
1459
+ "logging_steps": 10,
1460
+ "max_steps": 1995,
1461
+ "num_input_tokens_seen": 0,
1462
+ "num_train_epochs": 5,
1463
+ "save_steps": 500,
1464
+ "stateful_callbacks": {
1465
+ "TrainerControl": {
1466
+ "args": {
1467
+ "should_epoch_stop": false,
1468
+ "should_evaluate": false,
1469
+ "should_log": false,
1470
+ "should_save": true,
1471
+ "should_training_stop": true
1472
+ },
1473
+ "attributes": {}
1474
+ }
1475
+ },
1476
+ "total_flos": 2.3180194781952e+18,
1477
+ "train_batch_size": 32,
1478
+ "trial_name": null,
1479
+ "trial_params": null
1480
+ }