Joemgu commited on
Commit
79753e6
1 Parent(s): c25b868

Training in progress, step 400

Browse files
last-checkpoint/optimizer.pt CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:295a5920bae53deab38e6f92397053ad981c5d87986421287daf12cbf976c28a
3
  size 4736616809
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:f8c1215989d3c7f6317e0f6c05b46382b6e29fbdc1f07b62a204c7a5a8fc3559
3
  size 4736616809
last-checkpoint/pytorch_model.bin CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:8519e140daa38e7801673b244b2c2508c35bb63f95898abecfb02f2ae1506410
3
  size 2368281769
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:6691fb6f696ed838034568580bf11105cd7d247925aaa8c39f26ca3e936ca47e
3
  size 2368281769
last-checkpoint/rng_state.pth CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:f9ca352cb22c2e874355bb7654391e036047a8bceae9ffa8161bf19e850e7704
3
  size 14575
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:b1d5d151daf5d9763ae4661efceb395b789558b09ffc0615ad5aff28047b622d
3
  size 14575
last-checkpoint/scheduler.pt CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:dfed3e8b1bba7802f62911f65b760f66c94bd2067f28ece04f4710d040c1fa11
3
  size 627
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:3aa34fdf0557bf6f0ec97e73a9c403afbf62a6c74c782a9a21d2fd1b26413d2f
3
  size 627
last-checkpoint/trainer_state.json CHANGED
@@ -1,8 +1,8 @@
1
  {
2
  "best_metric": 2.1868629455566406,
3
  "best_model_checkpoint": "output/checkpoint-200",
4
- "epoch": 0.1,
5
- "global_step": 200,
6
  "is_hyper_param_search": false,
7
  "is_local_process_zero": true,
8
  "is_world_process_zero": true,
@@ -1219,11 +1219,1224 @@
1219
  "eval_samples_per_second": 0.056,
1220
  "eval_steps_per_second": 0.056,
1221
  "step": 200
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1222
  }
1223
  ],
1224
  "max_steps": 2000,
1225
  "num_train_epochs": 9223372036854775807,
1226
- "total_flos": 1.6036472259612058e+17,
1227
  "trial_name": null,
1228
  "trial_params": null
1229
  }
 
1
  {
2
  "best_metric": 2.1868629455566406,
3
  "best_model_checkpoint": "output/checkpoint-200",
4
+ "epoch": 0.2,
5
+ "global_step": 400,
6
  "is_hyper_param_search": false,
7
  "is_local_process_zero": true,
8
  "is_world_process_zero": true,
 
1219
  "eval_samples_per_second": 0.056,
1220
  "eval_steps_per_second": 0.056,
1221
  "step": 200
1222
+ },
1223
+ {
1224
+ "epoch": 0.1,
1225
+ "learning_rate": 0.0007995555555555556,
1226
+ "loss": 2.2859,
1227
+ "step": 201
1228
+ },
1229
+ {
1230
+ "epoch": 0.1,
1231
+ "learning_rate": 0.0007991111111111112,
1232
+ "loss": 2.2128,
1233
+ "step": 202
1234
+ },
1235
+ {
1236
+ "epoch": 0.1,
1237
+ "learning_rate": 0.0007986666666666667,
1238
+ "loss": 2.254,
1239
+ "step": 203
1240
+ },
1241
+ {
1242
+ "epoch": 0.1,
1243
+ "learning_rate": 0.0007982222222222223,
1244
+ "loss": 2.312,
1245
+ "step": 204
1246
+ },
1247
+ {
1248
+ "epoch": 0.1,
1249
+ "learning_rate": 0.0007977777777777778,
1250
+ "loss": 2.3304,
1251
+ "step": 205
1252
+ },
1253
+ {
1254
+ "epoch": 0.1,
1255
+ "learning_rate": 0.0007973333333333334,
1256
+ "loss": 2.3126,
1257
+ "step": 206
1258
+ },
1259
+ {
1260
+ "epoch": 0.1,
1261
+ "learning_rate": 0.0007968888888888889,
1262
+ "loss": 2.3429,
1263
+ "step": 207
1264
+ },
1265
+ {
1266
+ "epoch": 0.1,
1267
+ "learning_rate": 0.0007964444444444445,
1268
+ "loss": 2.3222,
1269
+ "step": 208
1270
+ },
1271
+ {
1272
+ "epoch": 0.1,
1273
+ "learning_rate": 0.000796,
1274
+ "loss": 2.2903,
1275
+ "step": 209
1276
+ },
1277
+ {
1278
+ "epoch": 0.1,
1279
+ "learning_rate": 0.0007955555555555556,
1280
+ "loss": 2.3405,
1281
+ "step": 210
1282
+ },
1283
+ {
1284
+ "epoch": 0.11,
1285
+ "learning_rate": 0.0007951111111111112,
1286
+ "loss": 2.3691,
1287
+ "step": 211
1288
+ },
1289
+ {
1290
+ "epoch": 0.11,
1291
+ "learning_rate": 0.0007946666666666667,
1292
+ "loss": 2.2961,
1293
+ "step": 212
1294
+ },
1295
+ {
1296
+ "epoch": 0.11,
1297
+ "learning_rate": 0.0007942222222222222,
1298
+ "loss": 2.3318,
1299
+ "step": 213
1300
+ },
1301
+ {
1302
+ "epoch": 0.11,
1303
+ "learning_rate": 0.0007937777777777778,
1304
+ "loss": 2.2794,
1305
+ "step": 214
1306
+ },
1307
+ {
1308
+ "epoch": 0.11,
1309
+ "learning_rate": 0.0007933333333333334,
1310
+ "loss": 2.2903,
1311
+ "step": 215
1312
+ },
1313
+ {
1314
+ "epoch": 0.11,
1315
+ "learning_rate": 0.000792888888888889,
1316
+ "loss": 2.321,
1317
+ "step": 216
1318
+ },
1319
+ {
1320
+ "epoch": 0.11,
1321
+ "learning_rate": 0.0007924444444444445,
1322
+ "loss": 2.2768,
1323
+ "step": 217
1324
+ },
1325
+ {
1326
+ "epoch": 0.11,
1327
+ "learning_rate": 0.0007920000000000001,
1328
+ "loss": 2.2916,
1329
+ "step": 218
1330
+ },
1331
+ {
1332
+ "epoch": 0.11,
1333
+ "learning_rate": 0.0007915555555555557,
1334
+ "loss": 2.226,
1335
+ "step": 219
1336
+ },
1337
+ {
1338
+ "epoch": 0.11,
1339
+ "learning_rate": 0.0007911111111111111,
1340
+ "loss": 2.3054,
1341
+ "step": 220
1342
+ },
1343
+ {
1344
+ "epoch": 0.11,
1345
+ "learning_rate": 0.0007906666666666666,
1346
+ "loss": 2.3064,
1347
+ "step": 221
1348
+ },
1349
+ {
1350
+ "epoch": 0.11,
1351
+ "learning_rate": 0.0007902222222222222,
1352
+ "loss": 2.28,
1353
+ "step": 222
1354
+ },
1355
+ {
1356
+ "epoch": 0.11,
1357
+ "learning_rate": 0.0007897777777777778,
1358
+ "loss": 2.3623,
1359
+ "step": 223
1360
+ },
1361
+ {
1362
+ "epoch": 0.11,
1363
+ "learning_rate": 0.0007893333333333334,
1364
+ "loss": 2.3449,
1365
+ "step": 224
1366
+ },
1367
+ {
1368
+ "epoch": 0.11,
1369
+ "learning_rate": 0.000788888888888889,
1370
+ "loss": 2.2675,
1371
+ "step": 225
1372
+ },
1373
+ {
1374
+ "epoch": 0.11,
1375
+ "learning_rate": 0.0007884444444444445,
1376
+ "loss": 2.38,
1377
+ "step": 226
1378
+ },
1379
+ {
1380
+ "epoch": 0.11,
1381
+ "learning_rate": 0.0007880000000000001,
1382
+ "loss": 2.3044,
1383
+ "step": 227
1384
+ },
1385
+ {
1386
+ "epoch": 0.11,
1387
+ "learning_rate": 0.0007875555555555556,
1388
+ "loss": 2.3083,
1389
+ "step": 228
1390
+ },
1391
+ {
1392
+ "epoch": 0.11,
1393
+ "learning_rate": 0.0007871111111111111,
1394
+ "loss": 2.1913,
1395
+ "step": 229
1396
+ },
1397
+ {
1398
+ "epoch": 0.12,
1399
+ "learning_rate": 0.0007866666666666666,
1400
+ "loss": 2.2425,
1401
+ "step": 230
1402
+ },
1403
+ {
1404
+ "epoch": 0.12,
1405
+ "learning_rate": 0.0007862222222222222,
1406
+ "loss": 2.3341,
1407
+ "step": 231
1408
+ },
1409
+ {
1410
+ "epoch": 0.12,
1411
+ "learning_rate": 0.0007857777777777778,
1412
+ "loss": 2.2575,
1413
+ "step": 232
1414
+ },
1415
+ {
1416
+ "epoch": 0.12,
1417
+ "learning_rate": 0.0007853333333333334,
1418
+ "loss": 2.3312,
1419
+ "step": 233
1420
+ },
1421
+ {
1422
+ "epoch": 0.12,
1423
+ "learning_rate": 0.000784888888888889,
1424
+ "loss": 2.2838,
1425
+ "step": 234
1426
+ },
1427
+ {
1428
+ "epoch": 0.12,
1429
+ "learning_rate": 0.0007844444444444445,
1430
+ "loss": 2.2315,
1431
+ "step": 235
1432
+ },
1433
+ {
1434
+ "epoch": 0.12,
1435
+ "learning_rate": 0.000784,
1436
+ "loss": 2.3253,
1437
+ "step": 236
1438
+ },
1439
+ {
1440
+ "epoch": 0.12,
1441
+ "learning_rate": 0.0007835555555555556,
1442
+ "loss": 2.2557,
1443
+ "step": 237
1444
+ },
1445
+ {
1446
+ "epoch": 0.12,
1447
+ "learning_rate": 0.0007831111111111112,
1448
+ "loss": 2.3264,
1449
+ "step": 238
1450
+ },
1451
+ {
1452
+ "epoch": 0.12,
1453
+ "learning_rate": 0.0007826666666666668,
1454
+ "loss": 2.3318,
1455
+ "step": 239
1456
+ },
1457
+ {
1458
+ "epoch": 0.12,
1459
+ "learning_rate": 0.0007822222222222222,
1460
+ "loss": 2.3574,
1461
+ "step": 240
1462
+ },
1463
+ {
1464
+ "epoch": 0.12,
1465
+ "learning_rate": 0.0007817777777777778,
1466
+ "loss": 2.2863,
1467
+ "step": 241
1468
+ },
1469
+ {
1470
+ "epoch": 0.12,
1471
+ "learning_rate": 0.0007813333333333334,
1472
+ "loss": 2.3765,
1473
+ "step": 242
1474
+ },
1475
+ {
1476
+ "epoch": 0.12,
1477
+ "learning_rate": 0.0007808888888888889,
1478
+ "loss": 2.2848,
1479
+ "step": 243
1480
+ },
1481
+ {
1482
+ "epoch": 0.12,
1483
+ "learning_rate": 0.0007804444444444444,
1484
+ "loss": 2.3497,
1485
+ "step": 244
1486
+ },
1487
+ {
1488
+ "epoch": 0.12,
1489
+ "learning_rate": 0.00078,
1490
+ "loss": 2.2716,
1491
+ "step": 245
1492
+ },
1493
+ {
1494
+ "epoch": 0.12,
1495
+ "learning_rate": 0.0007795555555555556,
1496
+ "loss": 2.3409,
1497
+ "step": 246
1498
+ },
1499
+ {
1500
+ "epoch": 0.12,
1501
+ "learning_rate": 0.0007791111111111112,
1502
+ "loss": 2.3397,
1503
+ "step": 247
1504
+ },
1505
+ {
1506
+ "epoch": 0.12,
1507
+ "learning_rate": 0.0007786666666666668,
1508
+ "loss": 2.232,
1509
+ "step": 248
1510
+ },
1511
+ {
1512
+ "epoch": 0.12,
1513
+ "learning_rate": 0.0007782222222222222,
1514
+ "loss": 2.2983,
1515
+ "step": 249
1516
+ },
1517
+ {
1518
+ "epoch": 0.12,
1519
+ "learning_rate": 0.0007777777777777778,
1520
+ "loss": 2.3148,
1521
+ "step": 250
1522
+ },
1523
+ {
1524
+ "epoch": 0.13,
1525
+ "learning_rate": 0.0007773333333333333,
1526
+ "loss": 2.2546,
1527
+ "step": 251
1528
+ },
1529
+ {
1530
+ "epoch": 0.13,
1531
+ "learning_rate": 0.0007768888888888889,
1532
+ "loss": 2.2874,
1533
+ "step": 252
1534
+ },
1535
+ {
1536
+ "epoch": 0.13,
1537
+ "learning_rate": 0.0007764444444444444,
1538
+ "loss": 2.3787,
1539
+ "step": 253
1540
+ },
1541
+ {
1542
+ "epoch": 0.13,
1543
+ "learning_rate": 0.000776,
1544
+ "loss": 2.3286,
1545
+ "step": 254
1546
+ },
1547
+ {
1548
+ "epoch": 0.13,
1549
+ "learning_rate": 0.0007755555555555556,
1550
+ "loss": 2.3242,
1551
+ "step": 255
1552
+ },
1553
+ {
1554
+ "epoch": 0.13,
1555
+ "learning_rate": 0.0007751111111111112,
1556
+ "loss": 2.2548,
1557
+ "step": 256
1558
+ },
1559
+ {
1560
+ "epoch": 0.13,
1561
+ "learning_rate": 0.0007746666666666668,
1562
+ "loss": 2.2251,
1563
+ "step": 257
1564
+ },
1565
+ {
1566
+ "epoch": 0.13,
1567
+ "learning_rate": 0.0007742222222222223,
1568
+ "loss": 2.291,
1569
+ "step": 258
1570
+ },
1571
+ {
1572
+ "epoch": 0.13,
1573
+ "learning_rate": 0.0007737777777777779,
1574
+ "loss": 2.2951,
1575
+ "step": 259
1576
+ },
1577
+ {
1578
+ "epoch": 0.13,
1579
+ "learning_rate": 0.0007733333333333333,
1580
+ "loss": 2.2871,
1581
+ "step": 260
1582
+ },
1583
+ {
1584
+ "epoch": 0.13,
1585
+ "learning_rate": 0.0007728888888888889,
1586
+ "loss": 2.29,
1587
+ "step": 261
1588
+ },
1589
+ {
1590
+ "epoch": 0.13,
1591
+ "learning_rate": 0.0007724444444444444,
1592
+ "loss": 2.2888,
1593
+ "step": 262
1594
+ },
1595
+ {
1596
+ "epoch": 0.13,
1597
+ "learning_rate": 0.000772,
1598
+ "loss": 2.3121,
1599
+ "step": 263
1600
+ },
1601
+ {
1602
+ "epoch": 0.13,
1603
+ "learning_rate": 0.0007715555555555556,
1604
+ "loss": 2.2543,
1605
+ "step": 264
1606
+ },
1607
+ {
1608
+ "epoch": 0.13,
1609
+ "learning_rate": 0.0007711111111111112,
1610
+ "loss": 2.2383,
1611
+ "step": 265
1612
+ },
1613
+ {
1614
+ "epoch": 0.13,
1615
+ "learning_rate": 0.0007706666666666668,
1616
+ "loss": 2.3759,
1617
+ "step": 266
1618
+ },
1619
+ {
1620
+ "epoch": 0.13,
1621
+ "learning_rate": 0.0007702222222222223,
1622
+ "loss": 2.2838,
1623
+ "step": 267
1624
+ },
1625
+ {
1626
+ "epoch": 0.13,
1627
+ "learning_rate": 0.0007697777777777778,
1628
+ "loss": 2.283,
1629
+ "step": 268
1630
+ },
1631
+ {
1632
+ "epoch": 0.13,
1633
+ "learning_rate": 0.0007693333333333333,
1634
+ "loss": 2.3027,
1635
+ "step": 269
1636
+ },
1637
+ {
1638
+ "epoch": 0.14,
1639
+ "learning_rate": 0.0007688888888888889,
1640
+ "loss": 2.4145,
1641
+ "step": 270
1642
+ },
1643
+ {
1644
+ "epoch": 0.14,
1645
+ "learning_rate": 0.0007684444444444445,
1646
+ "loss": 2.305,
1647
+ "step": 271
1648
+ },
1649
+ {
1650
+ "epoch": 0.14,
1651
+ "learning_rate": 0.000768,
1652
+ "loss": 2.335,
1653
+ "step": 272
1654
+ },
1655
+ {
1656
+ "epoch": 0.14,
1657
+ "learning_rate": 0.0007675555555555556,
1658
+ "loss": 2.3401,
1659
+ "step": 273
1660
+ },
1661
+ {
1662
+ "epoch": 0.14,
1663
+ "learning_rate": 0.0007671111111111112,
1664
+ "loss": 2.3155,
1665
+ "step": 274
1666
+ },
1667
+ {
1668
+ "epoch": 0.14,
1669
+ "learning_rate": 0.0007666666666666667,
1670
+ "loss": 2.3303,
1671
+ "step": 275
1672
+ },
1673
+ {
1674
+ "epoch": 0.14,
1675
+ "learning_rate": 0.0007662222222222222,
1676
+ "loss": 2.2867,
1677
+ "step": 276
1678
+ },
1679
+ {
1680
+ "epoch": 0.14,
1681
+ "learning_rate": 0.0007657777777777778,
1682
+ "loss": 2.39,
1683
+ "step": 277
1684
+ },
1685
+ {
1686
+ "epoch": 0.14,
1687
+ "learning_rate": 0.0007653333333333334,
1688
+ "loss": 2.2372,
1689
+ "step": 278
1690
+ },
1691
+ {
1692
+ "epoch": 0.14,
1693
+ "learning_rate": 0.000764888888888889,
1694
+ "loss": 2.3359,
1695
+ "step": 279
1696
+ },
1697
+ {
1698
+ "epoch": 0.14,
1699
+ "learning_rate": 0.0007644444444444445,
1700
+ "loss": 2.2477,
1701
+ "step": 280
1702
+ },
1703
+ {
1704
+ "epoch": 0.14,
1705
+ "learning_rate": 0.000764,
1706
+ "loss": 2.1907,
1707
+ "step": 281
1708
+ },
1709
+ {
1710
+ "epoch": 0.14,
1711
+ "learning_rate": 0.0007635555555555556,
1712
+ "loss": 2.3424,
1713
+ "step": 282
1714
+ },
1715
+ {
1716
+ "epoch": 0.14,
1717
+ "learning_rate": 0.0007631111111111111,
1718
+ "loss": 2.254,
1719
+ "step": 283
1720
+ },
1721
+ {
1722
+ "epoch": 0.14,
1723
+ "learning_rate": 0.0007626666666666667,
1724
+ "loss": 2.2896,
1725
+ "step": 284
1726
+ },
1727
+ {
1728
+ "epoch": 0.14,
1729
+ "learning_rate": 0.0007622222222222222,
1730
+ "loss": 2.2964,
1731
+ "step": 285
1732
+ },
1733
+ {
1734
+ "epoch": 0.14,
1735
+ "learning_rate": 0.0007617777777777778,
1736
+ "loss": 2.2756,
1737
+ "step": 286
1738
+ },
1739
+ {
1740
+ "epoch": 0.14,
1741
+ "learning_rate": 0.0007613333333333334,
1742
+ "loss": 2.3348,
1743
+ "step": 287
1744
+ },
1745
+ {
1746
+ "epoch": 0.14,
1747
+ "learning_rate": 0.000760888888888889,
1748
+ "loss": 2.3344,
1749
+ "step": 288
1750
+ },
1751
+ {
1752
+ "epoch": 0.14,
1753
+ "learning_rate": 0.0007604444444444446,
1754
+ "loss": 2.2948,
1755
+ "step": 289
1756
+ },
1757
+ {
1758
+ "epoch": 0.14,
1759
+ "learning_rate": 0.00076,
1760
+ "loss": 2.3696,
1761
+ "step": 290
1762
+ },
1763
+ {
1764
+ "epoch": 0.15,
1765
+ "learning_rate": 0.0007595555555555555,
1766
+ "loss": 2.3261,
1767
+ "step": 291
1768
+ },
1769
+ {
1770
+ "epoch": 0.15,
1771
+ "learning_rate": 0.0007591111111111111,
1772
+ "loss": 2.3931,
1773
+ "step": 292
1774
+ },
1775
+ {
1776
+ "epoch": 0.15,
1777
+ "learning_rate": 0.0007586666666666667,
1778
+ "loss": 2.3551,
1779
+ "step": 293
1780
+ },
1781
+ {
1782
+ "epoch": 0.15,
1783
+ "learning_rate": 0.0007582222222222223,
1784
+ "loss": 2.3412,
1785
+ "step": 294
1786
+ },
1787
+ {
1788
+ "epoch": 0.15,
1789
+ "learning_rate": 0.0007577777777777778,
1790
+ "loss": 2.3517,
1791
+ "step": 295
1792
+ },
1793
+ {
1794
+ "epoch": 0.15,
1795
+ "learning_rate": 0.0007573333333333334,
1796
+ "loss": 2.3178,
1797
+ "step": 296
1798
+ },
1799
+ {
1800
+ "epoch": 0.15,
1801
+ "learning_rate": 0.000756888888888889,
1802
+ "loss": 2.3577,
1803
+ "step": 297
1804
+ },
1805
+ {
1806
+ "epoch": 0.15,
1807
+ "learning_rate": 0.0007564444444444445,
1808
+ "loss": 2.2807,
1809
+ "step": 298
1810
+ },
1811
+ {
1812
+ "epoch": 0.15,
1813
+ "learning_rate": 0.0007559999999999999,
1814
+ "loss": 2.3332,
1815
+ "step": 299
1816
+ },
1817
+ {
1818
+ "epoch": 0.15,
1819
+ "learning_rate": 0.0007555555555555555,
1820
+ "loss": 2.3292,
1821
+ "step": 300
1822
+ },
1823
+ {
1824
+ "epoch": 0.15,
1825
+ "learning_rate": 0.0007551111111111111,
1826
+ "loss": 2.2887,
1827
+ "step": 301
1828
+ },
1829
+ {
1830
+ "epoch": 0.15,
1831
+ "learning_rate": 0.0007546666666666667,
1832
+ "loss": 2.3498,
1833
+ "step": 302
1834
+ },
1835
+ {
1836
+ "epoch": 0.15,
1837
+ "learning_rate": 0.0007542222222222223,
1838
+ "loss": 2.3857,
1839
+ "step": 303
1840
+ },
1841
+ {
1842
+ "epoch": 0.15,
1843
+ "learning_rate": 0.0007537777777777778,
1844
+ "loss": 2.3264,
1845
+ "step": 304
1846
+ },
1847
+ {
1848
+ "epoch": 0.15,
1849
+ "learning_rate": 0.0007533333333333334,
1850
+ "loss": 2.2637,
1851
+ "step": 305
1852
+ },
1853
+ {
1854
+ "epoch": 0.15,
1855
+ "learning_rate": 0.0007528888888888889,
1856
+ "loss": 2.3084,
1857
+ "step": 306
1858
+ },
1859
+ {
1860
+ "epoch": 0.15,
1861
+ "learning_rate": 0.0007524444444444445,
1862
+ "loss": 2.3164,
1863
+ "step": 307
1864
+ },
1865
+ {
1866
+ "epoch": 0.15,
1867
+ "learning_rate": 0.000752,
1868
+ "loss": 2.3356,
1869
+ "step": 308
1870
+ },
1871
+ {
1872
+ "epoch": 0.15,
1873
+ "learning_rate": 0.0007515555555555555,
1874
+ "loss": 2.3407,
1875
+ "step": 309
1876
+ },
1877
+ {
1878
+ "epoch": 0.15,
1879
+ "learning_rate": 0.0007511111111111111,
1880
+ "loss": 2.3375,
1881
+ "step": 310
1882
+ },
1883
+ {
1884
+ "epoch": 0.16,
1885
+ "learning_rate": 0.0007506666666666667,
1886
+ "loss": 2.3178,
1887
+ "step": 311
1888
+ },
1889
+ {
1890
+ "epoch": 0.16,
1891
+ "learning_rate": 0.0007502222222222223,
1892
+ "loss": 2.379,
1893
+ "step": 312
1894
+ },
1895
+ {
1896
+ "epoch": 0.16,
1897
+ "learning_rate": 0.0007497777777777778,
1898
+ "loss": 2.3506,
1899
+ "step": 313
1900
+ },
1901
+ {
1902
+ "epoch": 0.16,
1903
+ "learning_rate": 0.0007493333333333334,
1904
+ "loss": 2.3232,
1905
+ "step": 314
1906
+ },
1907
+ {
1908
+ "epoch": 0.16,
1909
+ "learning_rate": 0.0007488888888888889,
1910
+ "loss": 2.3266,
1911
+ "step": 315
1912
+ },
1913
+ {
1914
+ "epoch": 0.16,
1915
+ "learning_rate": 0.0007484444444444445,
1916
+ "loss": 2.2864,
1917
+ "step": 316
1918
+ },
1919
+ {
1920
+ "epoch": 0.16,
1921
+ "learning_rate": 0.0007480000000000001,
1922
+ "loss": 2.2662,
1923
+ "step": 317
1924
+ },
1925
+ {
1926
+ "epoch": 0.16,
1927
+ "learning_rate": 0.0007475555555555556,
1928
+ "loss": 2.3208,
1929
+ "step": 318
1930
+ },
1931
+ {
1932
+ "epoch": 0.16,
1933
+ "learning_rate": 0.0007471111111111112,
1934
+ "loss": 2.3149,
1935
+ "step": 319
1936
+ },
1937
+ {
1938
+ "epoch": 0.16,
1939
+ "learning_rate": 0.0007466666666666667,
1940
+ "loss": 2.2972,
1941
+ "step": 320
1942
+ },
1943
+ {
1944
+ "epoch": 0.16,
1945
+ "learning_rate": 0.0007462222222222223,
1946
+ "loss": 2.4095,
1947
+ "step": 321
1948
+ },
1949
+ {
1950
+ "epoch": 0.16,
1951
+ "learning_rate": 0.0007457777777777778,
1952
+ "loss": 2.3448,
1953
+ "step": 322
1954
+ },
1955
+ {
1956
+ "epoch": 0.16,
1957
+ "learning_rate": 0.0007453333333333333,
1958
+ "loss": 2.2673,
1959
+ "step": 323
1960
+ },
1961
+ {
1962
+ "epoch": 0.16,
1963
+ "learning_rate": 0.0007448888888888889,
1964
+ "loss": 2.345,
1965
+ "step": 324
1966
+ },
1967
+ {
1968
+ "epoch": 0.16,
1969
+ "learning_rate": 0.0007444444444444445,
1970
+ "loss": 2.2822,
1971
+ "step": 325
1972
+ },
1973
+ {
1974
+ "epoch": 0.16,
1975
+ "learning_rate": 0.0007440000000000001,
1976
+ "loss": 2.2933,
1977
+ "step": 326
1978
+ },
1979
+ {
1980
+ "epoch": 0.16,
1981
+ "learning_rate": 0.0007435555555555556,
1982
+ "loss": 2.2883,
1983
+ "step": 327
1984
+ },
1985
+ {
1986
+ "epoch": 0.16,
1987
+ "learning_rate": 0.0007431111111111112,
1988
+ "loss": 2.2863,
1989
+ "step": 328
1990
+ },
1991
+ {
1992
+ "epoch": 0.16,
1993
+ "learning_rate": 0.0007426666666666668,
1994
+ "loss": 2.273,
1995
+ "step": 329
1996
+ },
1997
+ {
1998
+ "epoch": 0.17,
1999
+ "learning_rate": 0.0007422222222222222,
2000
+ "loss": 2.281,
2001
+ "step": 330
2002
+ },
2003
+ {
2004
+ "epoch": 0.17,
2005
+ "learning_rate": 0.0007417777777777777,
2006
+ "loss": 2.2877,
2007
+ "step": 331
2008
+ },
2009
+ {
2010
+ "epoch": 0.17,
2011
+ "learning_rate": 0.0007413333333333333,
2012
+ "loss": 2.2801,
2013
+ "step": 332
2014
+ },
2015
+ {
2016
+ "epoch": 0.17,
2017
+ "learning_rate": 0.0007408888888888889,
2018
+ "loss": 2.3044,
2019
+ "step": 333
2020
+ },
2021
+ {
2022
+ "epoch": 0.17,
2023
+ "learning_rate": 0.0007404444444444445,
2024
+ "loss": 2.3417,
2025
+ "step": 334
2026
+ },
2027
+ {
2028
+ "epoch": 0.17,
2029
+ "learning_rate": 0.0007400000000000001,
2030
+ "loss": 2.3744,
2031
+ "step": 335
2032
+ },
2033
+ {
2034
+ "epoch": 0.17,
2035
+ "learning_rate": 0.0007395555555555556,
2036
+ "loss": 2.3285,
2037
+ "step": 336
2038
+ },
2039
+ {
2040
+ "epoch": 0.17,
2041
+ "learning_rate": 0.0007391111111111112,
2042
+ "loss": 2.3032,
2043
+ "step": 337
2044
+ },
2045
+ {
2046
+ "epoch": 0.17,
2047
+ "learning_rate": 0.0007386666666666667,
2048
+ "loss": 2.275,
2049
+ "step": 338
2050
+ },
2051
+ {
2052
+ "epoch": 0.17,
2053
+ "learning_rate": 0.0007382222222222223,
2054
+ "loss": 2.3184,
2055
+ "step": 339
2056
+ },
2057
+ {
2058
+ "epoch": 0.17,
2059
+ "learning_rate": 0.0007377777777777778,
2060
+ "loss": 2.4252,
2061
+ "step": 340
2062
+ },
2063
+ {
2064
+ "epoch": 0.17,
2065
+ "learning_rate": 0.0007373333333333333,
2066
+ "loss": 2.3806,
2067
+ "step": 341
2068
+ },
2069
+ {
2070
+ "epoch": 0.17,
2071
+ "learning_rate": 0.0007368888888888889,
2072
+ "loss": 2.4038,
2073
+ "step": 342
2074
+ },
2075
+ {
2076
+ "epoch": 0.17,
2077
+ "learning_rate": 0.0007364444444444445,
2078
+ "loss": 2.4387,
2079
+ "step": 343
2080
+ },
2081
+ {
2082
+ "epoch": 0.17,
2083
+ "learning_rate": 0.0007360000000000001,
2084
+ "loss": 2.2712,
2085
+ "step": 344
2086
+ },
2087
+ {
2088
+ "epoch": 0.17,
2089
+ "learning_rate": 0.0007355555555555556,
2090
+ "loss": 2.3618,
2091
+ "step": 345
2092
+ },
2093
+ {
2094
+ "epoch": 0.17,
2095
+ "learning_rate": 0.0007351111111111111,
2096
+ "loss": 2.3015,
2097
+ "step": 346
2098
+ },
2099
+ {
2100
+ "epoch": 0.17,
2101
+ "learning_rate": 0.0007346666666666667,
2102
+ "loss": 2.2618,
2103
+ "step": 347
2104
+ },
2105
+ {
2106
+ "epoch": 0.17,
2107
+ "learning_rate": 0.0007342222222222223,
2108
+ "loss": 2.3319,
2109
+ "step": 348
2110
+ },
2111
+ {
2112
+ "epoch": 0.17,
2113
+ "learning_rate": 0.0007337777777777779,
2114
+ "loss": 2.2604,
2115
+ "step": 349
2116
+ },
2117
+ {
2118
+ "epoch": 0.17,
2119
+ "learning_rate": 0.0007333333333333333,
2120
+ "loss": 2.3124,
2121
+ "step": 350
2122
+ },
2123
+ {
2124
+ "epoch": 0.18,
2125
+ "learning_rate": 0.0007328888888888889,
2126
+ "loss": 2.3053,
2127
+ "step": 351
2128
+ },
2129
+ {
2130
+ "epoch": 0.18,
2131
+ "learning_rate": 0.0007324444444444445,
2132
+ "loss": 2.2509,
2133
+ "step": 352
2134
+ },
2135
+ {
2136
+ "epoch": 0.18,
2137
+ "learning_rate": 0.000732,
2138
+ "loss": 2.2795,
2139
+ "step": 353
2140
+ },
2141
+ {
2142
+ "epoch": 0.18,
2143
+ "learning_rate": 0.0007315555555555555,
2144
+ "loss": 2.3321,
2145
+ "step": 354
2146
+ },
2147
+ {
2148
+ "epoch": 0.18,
2149
+ "learning_rate": 0.0007311111111111111,
2150
+ "loss": 2.3181,
2151
+ "step": 355
2152
+ },
2153
+ {
2154
+ "epoch": 0.18,
2155
+ "learning_rate": 0.0007306666666666667,
2156
+ "loss": 2.2793,
2157
+ "step": 356
2158
+ },
2159
+ {
2160
+ "epoch": 0.18,
2161
+ "learning_rate": 0.0007302222222222223,
2162
+ "loss": 2.2477,
2163
+ "step": 357
2164
+ },
2165
+ {
2166
+ "epoch": 0.18,
2167
+ "learning_rate": 0.0007297777777777779,
2168
+ "loss": 2.3584,
2169
+ "step": 358
2170
+ },
2171
+ {
2172
+ "epoch": 0.18,
2173
+ "learning_rate": 0.0007293333333333334,
2174
+ "loss": 2.2824,
2175
+ "step": 359
2176
+ },
2177
+ {
2178
+ "epoch": 0.18,
2179
+ "learning_rate": 0.0007288888888888889,
2180
+ "loss": 2.2678,
2181
+ "step": 360
2182
+ },
2183
+ {
2184
+ "epoch": 0.18,
2185
+ "learning_rate": 0.0007284444444444445,
2186
+ "loss": 2.2886,
2187
+ "step": 361
2188
+ },
2189
+ {
2190
+ "epoch": 0.18,
2191
+ "learning_rate": 0.000728,
2192
+ "loss": 2.3444,
2193
+ "step": 362
2194
+ },
2195
+ {
2196
+ "epoch": 0.18,
2197
+ "learning_rate": 0.0007275555555555556,
2198
+ "loss": 2.2967,
2199
+ "step": 363
2200
+ },
2201
+ {
2202
+ "epoch": 0.18,
2203
+ "learning_rate": 0.0007271111111111111,
2204
+ "loss": 2.334,
2205
+ "step": 364
2206
+ },
2207
+ {
2208
+ "epoch": 0.18,
2209
+ "learning_rate": 0.0007266666666666667,
2210
+ "loss": 2.2629,
2211
+ "step": 365
2212
+ },
2213
+ {
2214
+ "epoch": 0.18,
2215
+ "learning_rate": 0.0007262222222222223,
2216
+ "loss": 2.3195,
2217
+ "step": 366
2218
+ },
2219
+ {
2220
+ "epoch": 0.18,
2221
+ "learning_rate": 0.0007257777777777779,
2222
+ "loss": 2.2583,
2223
+ "step": 367
2224
+ },
2225
+ {
2226
+ "epoch": 0.18,
2227
+ "learning_rate": 0.0007253333333333334,
2228
+ "loss": 2.2994,
2229
+ "step": 368
2230
+ },
2231
+ {
2232
+ "epoch": 0.18,
2233
+ "learning_rate": 0.000724888888888889,
2234
+ "loss": 2.307,
2235
+ "step": 369
2236
+ },
2237
+ {
2238
+ "epoch": 0.18,
2239
+ "learning_rate": 0.0007244444444444444,
2240
+ "loss": 2.3516,
2241
+ "step": 370
2242
+ },
2243
+ {
2244
+ "epoch": 0.19,
2245
+ "learning_rate": 0.000724,
2246
+ "loss": 2.3624,
2247
+ "step": 371
2248
+ },
2249
+ {
2250
+ "epoch": 0.19,
2251
+ "learning_rate": 0.0007235555555555556,
2252
+ "loss": 2.3008,
2253
+ "step": 372
2254
+ },
2255
+ {
2256
+ "epoch": 0.19,
2257
+ "learning_rate": 0.0007231111111111111,
2258
+ "loss": 2.3502,
2259
+ "step": 373
2260
+ },
2261
+ {
2262
+ "epoch": 0.19,
2263
+ "learning_rate": 0.0007226666666666667,
2264
+ "loss": 2.3483,
2265
+ "step": 374
2266
+ },
2267
+ {
2268
+ "epoch": 0.19,
2269
+ "learning_rate": 0.0007222222222222223,
2270
+ "loss": 2.3154,
2271
+ "step": 375
2272
+ },
2273
+ {
2274
+ "epoch": 0.19,
2275
+ "learning_rate": 0.0007217777777777779,
2276
+ "loss": 2.2634,
2277
+ "step": 376
2278
+ },
2279
+ {
2280
+ "epoch": 0.19,
2281
+ "learning_rate": 0.0007213333333333334,
2282
+ "loss": 2.2936,
2283
+ "step": 377
2284
+ },
2285
+ {
2286
+ "epoch": 0.19,
2287
+ "learning_rate": 0.0007208888888888889,
2288
+ "loss": 2.3522,
2289
+ "step": 378
2290
+ },
2291
+ {
2292
+ "epoch": 0.19,
2293
+ "learning_rate": 0.0007204444444444445,
2294
+ "loss": 2.2925,
2295
+ "step": 379
2296
+ },
2297
+ {
2298
+ "epoch": 0.19,
2299
+ "learning_rate": 0.00072,
2300
+ "loss": 2.2873,
2301
+ "step": 380
2302
+ },
2303
+ {
2304
+ "epoch": 0.19,
2305
+ "learning_rate": 0.0007195555555555556,
2306
+ "loss": 2.3467,
2307
+ "step": 381
2308
+ },
2309
+ {
2310
+ "epoch": 0.19,
2311
+ "learning_rate": 0.0007191111111111111,
2312
+ "loss": 2.3031,
2313
+ "step": 382
2314
+ },
2315
+ {
2316
+ "epoch": 0.19,
2317
+ "learning_rate": 0.0007186666666666667,
2318
+ "loss": 2.3181,
2319
+ "step": 383
2320
+ },
2321
+ {
2322
+ "epoch": 0.19,
2323
+ "learning_rate": 0.0007182222222222223,
2324
+ "loss": 2.3257,
2325
+ "step": 384
2326
+ },
2327
+ {
2328
+ "epoch": 0.19,
2329
+ "learning_rate": 0.0007177777777777778,
2330
+ "loss": 2.2915,
2331
+ "step": 385
2332
+ },
2333
+ {
2334
+ "epoch": 0.19,
2335
+ "learning_rate": 0.0007173333333333333,
2336
+ "loss": 2.3113,
2337
+ "step": 386
2338
+ },
2339
+ {
2340
+ "epoch": 0.19,
2341
+ "learning_rate": 0.0007168888888888889,
2342
+ "loss": 2.3474,
2343
+ "step": 387
2344
+ },
2345
+ {
2346
+ "epoch": 0.19,
2347
+ "learning_rate": 0.0007164444444444445,
2348
+ "loss": 2.226,
2349
+ "step": 388
2350
+ },
2351
+ {
2352
+ "epoch": 0.19,
2353
+ "learning_rate": 0.0007160000000000001,
2354
+ "loss": 2.2839,
2355
+ "step": 389
2356
+ },
2357
+ {
2358
+ "epoch": 0.2,
2359
+ "learning_rate": 0.0007155555555555556,
2360
+ "loss": 2.2699,
2361
+ "step": 390
2362
+ },
2363
+ {
2364
+ "epoch": 0.2,
2365
+ "learning_rate": 0.0007151111111111111,
2366
+ "loss": 2.2928,
2367
+ "step": 391
2368
+ },
2369
+ {
2370
+ "epoch": 0.2,
2371
+ "learning_rate": 0.0007146666666666667,
2372
+ "loss": 2.2372,
2373
+ "step": 392
2374
+ },
2375
+ {
2376
+ "epoch": 0.2,
2377
+ "learning_rate": 0.0007142222222222222,
2378
+ "loss": 2.2812,
2379
+ "step": 393
2380
+ },
2381
+ {
2382
+ "epoch": 0.2,
2383
+ "learning_rate": 0.0007137777777777778,
2384
+ "loss": 2.265,
2385
+ "step": 394
2386
+ },
2387
+ {
2388
+ "epoch": 0.2,
2389
+ "learning_rate": 0.0007133333333333334,
2390
+ "loss": 2.2571,
2391
+ "step": 395
2392
+ },
2393
+ {
2394
+ "epoch": 0.2,
2395
+ "learning_rate": 0.0007128888888888889,
2396
+ "loss": 2.3748,
2397
+ "step": 396
2398
+ },
2399
+ {
2400
+ "epoch": 0.2,
2401
+ "learning_rate": 0.0007124444444444445,
2402
+ "loss": 2.2414,
2403
+ "step": 397
2404
+ },
2405
+ {
2406
+ "epoch": 0.2,
2407
+ "learning_rate": 0.0007120000000000001,
2408
+ "loss": 2.2718,
2409
+ "step": 398
2410
+ },
2411
+ {
2412
+ "epoch": 0.2,
2413
+ "learning_rate": 0.0007115555555555557,
2414
+ "loss": 2.2649,
2415
+ "step": 399
2416
+ },
2417
+ {
2418
+ "epoch": 0.2,
2419
+ "learning_rate": 0.0007111111111111111,
2420
+ "loss": 2.2645,
2421
+ "step": 400
2422
+ },
2423
+ {
2424
+ "epoch": 0.2,
2425
+ "eval_gen_len": 1023.0,
2426
+ "eval_loss": 2.1945419311523438,
2427
+ "eval_rouge1": 12.1435,
2428
+ "eval_rouge2": 4.0018,
2429
+ "eval_rougeL": 7.5854,
2430
+ "eval_rougeLsum": 7.5909,
2431
+ "eval_runtime": 9033.7247,
2432
+ "eval_samples_per_second": 0.055,
2433
+ "eval_steps_per_second": 0.055,
2434
+ "step": 400
2435
  }
2436
  ],
2437
  "max_steps": 2000,
2438
  "num_train_epochs": 9223372036854775807,
2439
+ "total_flos": 3.2061729480431616e+17,
2440
  "trial_name": null,
2441
  "trial_params": null
2442
  }
pytorch_model.bin CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:8519e140daa38e7801673b244b2c2508c35bb63f95898abecfb02f2ae1506410
3
  size 2368281769
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:6691fb6f696ed838034568580bf11105cd7d247925aaa8c39f26ca3e936ca47e
3
  size 2368281769