KietZer0 commited on
Commit
9291a2d
1 Parent(s): e4c71cd

End of training

Browse files
README.md CHANGED
@@ -20,11 +20,11 @@ should probably proofread and complete it, then remove this comment. -->
20
 
21
  This model is a fine-tuned version of [google/vit-base-patch16-224-in21k](https://huggingface.co/google/vit-base-patch16-224-in21k) on an unknown dataset.
22
  It achieves the following results on the evaluation set:
23
- - Loss: 0.1533
24
- - Accuracy: 0.9716
25
- - Precision: 0.9716
26
- - Recall: 0.9716
27
- - F1: 0.9716
28
 
29
  ## Model description
30
 
 
20
 
21
  This model is a fine-tuned version of [google/vit-base-patch16-224-in21k](https://huggingface.co/google/vit-base-patch16-224-in21k) on an unknown dataset.
22
  It achieves the following results on the evaluation set:
23
+ - Loss: 0.1502
24
+ - Accuracy: 0.9755
25
+ - Precision: 0.9755
26
+ - Recall: 0.9755
27
+ - F1: 0.9755
28
 
29
  ## Model description
30
 
all_results.json ADDED
@@ -0,0 +1,16 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 10.0,
3
+ "eval_accuracy": 0.9754901960784313,
4
+ "eval_f1": 0.9754901960784313,
5
+ "eval_loss": 0.15021921694278717,
6
+ "eval_precision": 0.9754901960784313,
7
+ "eval_recall": 0.9754901960784313,
8
+ "eval_runtime": 16.9389,
9
+ "eval_samples_per_second": 60.217,
10
+ "eval_steps_per_second": 7.557,
11
+ "total_flos": 5.562769847811564e+18,
12
+ "train_loss": 0.025327244219600944,
13
+ "train_runtime": 3846.586,
14
+ "train_samples_per_second": 18.637,
15
+ "train_steps_per_second": 1.167
16
+ }
eval_results.json ADDED
@@ -0,0 +1,11 @@
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 10.0,
3
+ "eval_accuracy": 0.9754901960784313,
4
+ "eval_f1": 0.9754901960784313,
5
+ "eval_loss": 0.15021921694278717,
6
+ "eval_precision": 0.9754901960784313,
7
+ "eval_recall": 0.9754901960784313,
8
+ "eval_runtime": 16.9389,
9
+ "eval_samples_per_second": 60.217,
10
+ "eval_steps_per_second": 7.557
11
+ }
runs/Apr03_09-11-38_66437d7433cf/events.out.tfevents.1712139455.66437d7433cf.8793.4 ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:34d20b3fe1ef836a4b70ba79f59bb4c91b9dc9808bce8f6718bb4c7949c0c87c
3
+ size 560
train_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 10.0,
3
+ "total_flos": 5.562769847811564e+18,
4
+ "train_loss": 0.025327244219600944,
5
+ "train_runtime": 3846.586,
6
+ "train_samples_per_second": 18.637,
7
+ "train_steps_per_second": 1.167
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,3701 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": 0.15021921694278717,
3
+ "best_model_checkpoint": "ViT_Flower102_2/checkpoint-1600",
4
+ "epoch": 10.0,
5
+ "eval_steps": 100,
6
+ "global_step": 4490,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.02,
13
+ "grad_norm": 0.0026773272547870874,
14
+ "learning_rate": 0.00019955456570155904,
15
+ "loss": 0.0009,
16
+ "step": 10
17
+ },
18
+ {
19
+ "epoch": 0.04,
20
+ "grad_norm": 0.005304301157593727,
21
+ "learning_rate": 0.00019910913140311804,
22
+ "loss": 0.0009,
23
+ "step": 20
24
+ },
25
+ {
26
+ "epoch": 0.07,
27
+ "grad_norm": 20.306926727294922,
28
+ "learning_rate": 0.00019866369710467706,
29
+ "loss": 0.0194,
30
+ "step": 30
31
+ },
32
+ {
33
+ "epoch": 0.09,
34
+ "grad_norm": 2.321718692779541,
35
+ "learning_rate": 0.0001982182628062361,
36
+ "loss": 0.1544,
37
+ "step": 40
38
+ },
39
+ {
40
+ "epoch": 0.11,
41
+ "grad_norm": 0.021045241504907608,
42
+ "learning_rate": 0.00019777282850779511,
43
+ "loss": 0.0701,
44
+ "step": 50
45
+ },
46
+ {
47
+ "epoch": 0.13,
48
+ "grad_norm": 0.02391223795711994,
49
+ "learning_rate": 0.00019732739420935414,
50
+ "loss": 0.1303,
51
+ "step": 60
52
+ },
53
+ {
54
+ "epoch": 0.16,
55
+ "grad_norm": 0.20434625446796417,
56
+ "learning_rate": 0.00019688195991091317,
57
+ "loss": 0.1413,
58
+ "step": 70
59
+ },
60
+ {
61
+ "epoch": 0.18,
62
+ "grad_norm": 0.2549870014190674,
63
+ "learning_rate": 0.00019643652561247217,
64
+ "loss": 0.1047,
65
+ "step": 80
66
+ },
67
+ {
68
+ "epoch": 0.2,
69
+ "grad_norm": 6.997387886047363,
70
+ "learning_rate": 0.0001959910913140312,
71
+ "loss": 0.1234,
72
+ "step": 90
73
+ },
74
+ {
75
+ "epoch": 0.22,
76
+ "grad_norm": 5.206876277923584,
77
+ "learning_rate": 0.0001955456570155902,
78
+ "loss": 0.053,
79
+ "step": 100
80
+ },
81
+ {
82
+ "epoch": 0.22,
83
+ "eval_accuracy": 0.9235294117647059,
84
+ "eval_f1": 0.9235294117647059,
85
+ "eval_loss": 0.3198450803756714,
86
+ "eval_precision": 0.9235294117647059,
87
+ "eval_recall": 0.9235294117647059,
88
+ "eval_runtime": 17.2015,
89
+ "eval_samples_per_second": 59.297,
90
+ "eval_steps_per_second": 7.441,
91
+ "step": 100
92
+ },
93
+ {
94
+ "epoch": 0.24,
95
+ "grad_norm": 6.388282299041748,
96
+ "learning_rate": 0.00019510022271714922,
97
+ "loss": 0.1377,
98
+ "step": 110
99
+ },
100
+ {
101
+ "epoch": 0.27,
102
+ "grad_norm": 5.129618167877197,
103
+ "learning_rate": 0.00019465478841870825,
104
+ "loss": 0.0561,
105
+ "step": 120
106
+ },
107
+ {
108
+ "epoch": 0.29,
109
+ "grad_norm": 8.198286056518555,
110
+ "learning_rate": 0.00019420935412026727,
111
+ "loss": 0.0417,
112
+ "step": 130
113
+ },
114
+ {
115
+ "epoch": 0.31,
116
+ "grad_norm": 7.592113494873047,
117
+ "learning_rate": 0.0001937639198218263,
118
+ "loss": 0.0388,
119
+ "step": 140
120
+ },
121
+ {
122
+ "epoch": 0.33,
123
+ "grad_norm": 2.7412798404693604,
124
+ "learning_rate": 0.00019331848552338533,
125
+ "loss": 0.0921,
126
+ "step": 150
127
+ },
128
+ {
129
+ "epoch": 0.36,
130
+ "grad_norm": 0.12602120637893677,
131
+ "learning_rate": 0.00019287305122494432,
132
+ "loss": 0.1905,
133
+ "step": 160
134
+ },
135
+ {
136
+ "epoch": 0.38,
137
+ "grad_norm": 5.073046684265137,
138
+ "learning_rate": 0.00019242761692650335,
139
+ "loss": 0.1331,
140
+ "step": 170
141
+ },
142
+ {
143
+ "epoch": 0.4,
144
+ "grad_norm": 0.5400639176368713,
145
+ "learning_rate": 0.00019198218262806238,
146
+ "loss": 0.0315,
147
+ "step": 180
148
+ },
149
+ {
150
+ "epoch": 0.42,
151
+ "grad_norm": 11.878341674804688,
152
+ "learning_rate": 0.00019153674832962138,
153
+ "loss": 0.2794,
154
+ "step": 190
155
+ },
156
+ {
157
+ "epoch": 0.45,
158
+ "grad_norm": 0.48547011613845825,
159
+ "learning_rate": 0.0001910913140311804,
160
+ "loss": 0.1225,
161
+ "step": 200
162
+ },
163
+ {
164
+ "epoch": 0.45,
165
+ "eval_accuracy": 0.9166666666666666,
166
+ "eval_f1": 0.9166666666666666,
167
+ "eval_loss": 0.40865278244018555,
168
+ "eval_precision": 0.9166666666666666,
169
+ "eval_recall": 0.9166666666666666,
170
+ "eval_runtime": 17.0881,
171
+ "eval_samples_per_second": 59.691,
172
+ "eval_steps_per_second": 7.491,
173
+ "step": 200
174
+ },
175
+ {
176
+ "epoch": 0.47,
177
+ "grad_norm": 0.015034608542919159,
178
+ "learning_rate": 0.00019064587973273943,
179
+ "loss": 0.0953,
180
+ "step": 210
181
+ },
182
+ {
183
+ "epoch": 0.49,
184
+ "grad_norm": 1.665817141532898,
185
+ "learning_rate": 0.00019020044543429846,
186
+ "loss": 0.081,
187
+ "step": 220
188
+ },
189
+ {
190
+ "epoch": 0.51,
191
+ "grad_norm": 1.737998127937317,
192
+ "learning_rate": 0.00018975501113585748,
193
+ "loss": 0.037,
194
+ "step": 230
195
+ },
196
+ {
197
+ "epoch": 0.53,
198
+ "grad_norm": 0.08088938146829605,
199
+ "learning_rate": 0.00018930957683741648,
200
+ "loss": 0.2113,
201
+ "step": 240
202
+ },
203
+ {
204
+ "epoch": 0.56,
205
+ "grad_norm": 6.148426055908203,
206
+ "learning_rate": 0.0001888641425389755,
207
+ "loss": 0.0674,
208
+ "step": 250
209
+ },
210
+ {
211
+ "epoch": 0.58,
212
+ "grad_norm": 0.07585727423429489,
213
+ "learning_rate": 0.00018841870824053454,
214
+ "loss": 0.1698,
215
+ "step": 260
216
+ },
217
+ {
218
+ "epoch": 0.6,
219
+ "grad_norm": 4.297791481018066,
220
+ "learning_rate": 0.00018797327394209353,
221
+ "loss": 0.1087,
222
+ "step": 270
223
+ },
224
+ {
225
+ "epoch": 0.62,
226
+ "grad_norm": 0.039582639932632446,
227
+ "learning_rate": 0.00018752783964365256,
228
+ "loss": 0.082,
229
+ "step": 280
230
+ },
231
+ {
232
+ "epoch": 0.65,
233
+ "grad_norm": 4.647770881652832,
234
+ "learning_rate": 0.0001870824053452116,
235
+ "loss": 0.0256,
236
+ "step": 290
237
+ },
238
+ {
239
+ "epoch": 0.67,
240
+ "grad_norm": 0.05055054649710655,
241
+ "learning_rate": 0.00018663697104677061,
242
+ "loss": 0.1985,
243
+ "step": 300
244
+ },
245
+ {
246
+ "epoch": 0.67,
247
+ "eval_accuracy": 0.9568627450980393,
248
+ "eval_f1": 0.9568627450980393,
249
+ "eval_loss": 0.20681221783161163,
250
+ "eval_precision": 0.9568627450980393,
251
+ "eval_recall": 0.9568627450980393,
252
+ "eval_runtime": 17.1131,
253
+ "eval_samples_per_second": 59.603,
254
+ "eval_steps_per_second": 7.48,
255
+ "step": 300
256
+ },
257
+ {
258
+ "epoch": 0.69,
259
+ "grad_norm": 12.765353202819824,
260
+ "learning_rate": 0.00018619153674832964,
261
+ "loss": 0.0698,
262
+ "step": 310
263
+ },
264
+ {
265
+ "epoch": 0.71,
266
+ "grad_norm": 9.829974174499512,
267
+ "learning_rate": 0.00018574610244988867,
268
+ "loss": 0.076,
269
+ "step": 320
270
+ },
271
+ {
272
+ "epoch": 0.73,
273
+ "grad_norm": 0.024047628045082092,
274
+ "learning_rate": 0.00018530066815144767,
275
+ "loss": 0.0335,
276
+ "step": 330
277
+ },
278
+ {
279
+ "epoch": 0.76,
280
+ "grad_norm": 6.1861066818237305,
281
+ "learning_rate": 0.0001848552338530067,
282
+ "loss": 0.1085,
283
+ "step": 340
284
+ },
285
+ {
286
+ "epoch": 0.78,
287
+ "grad_norm": 1.6630871295928955,
288
+ "learning_rate": 0.00018440979955456572,
289
+ "loss": 0.1537,
290
+ "step": 350
291
+ },
292
+ {
293
+ "epoch": 0.8,
294
+ "grad_norm": 0.012870335020124912,
295
+ "learning_rate": 0.00018396436525612472,
296
+ "loss": 0.0729,
297
+ "step": 360
298
+ },
299
+ {
300
+ "epoch": 0.82,
301
+ "grad_norm": 0.9247069954872131,
302
+ "learning_rate": 0.00018351893095768375,
303
+ "loss": 0.0293,
304
+ "step": 370
305
+ },
306
+ {
307
+ "epoch": 0.85,
308
+ "grad_norm": 0.0049523478373885155,
309
+ "learning_rate": 0.00018307349665924277,
310
+ "loss": 0.043,
311
+ "step": 380
312
+ },
313
+ {
314
+ "epoch": 0.87,
315
+ "grad_norm": 6.6150336265563965,
316
+ "learning_rate": 0.0001826280623608018,
317
+ "loss": 0.0184,
318
+ "step": 390
319
+ },
320
+ {
321
+ "epoch": 0.89,
322
+ "grad_norm": 0.16694368422031403,
323
+ "learning_rate": 0.00018218262806236082,
324
+ "loss": 0.0804,
325
+ "step": 400
326
+ },
327
+ {
328
+ "epoch": 0.89,
329
+ "eval_accuracy": 0.9333333333333333,
330
+ "eval_f1": 0.9333333333333333,
331
+ "eval_loss": 0.3181270360946655,
332
+ "eval_precision": 0.9333333333333333,
333
+ "eval_recall": 0.9333333333333333,
334
+ "eval_runtime": 16.8894,
335
+ "eval_samples_per_second": 60.393,
336
+ "eval_steps_per_second": 7.579,
337
+ "step": 400
338
+ },
339
+ {
340
+ "epoch": 0.91,
341
+ "grad_norm": 2.3894243240356445,
342
+ "learning_rate": 0.00018173719376391982,
343
+ "loss": 0.0611,
344
+ "step": 410
345
+ },
346
+ {
347
+ "epoch": 0.94,
348
+ "grad_norm": 0.014911720529198647,
349
+ "learning_rate": 0.00018129175946547885,
350
+ "loss": 0.0172,
351
+ "step": 420
352
+ },
353
+ {
354
+ "epoch": 0.96,
355
+ "grad_norm": 0.01411391980946064,
356
+ "learning_rate": 0.00018084632516703788,
357
+ "loss": 0.2164,
358
+ "step": 430
359
+ },
360
+ {
361
+ "epoch": 0.98,
362
+ "grad_norm": 13.27253532409668,
363
+ "learning_rate": 0.00018040089086859688,
364
+ "loss": 0.1459,
365
+ "step": 440
366
+ },
367
+ {
368
+ "epoch": 1.0,
369
+ "grad_norm": 0.028676768764853477,
370
+ "learning_rate": 0.0001799554565701559,
371
+ "loss": 0.0702,
372
+ "step": 450
373
+ },
374
+ {
375
+ "epoch": 1.02,
376
+ "grad_norm": 4.484796047210693,
377
+ "learning_rate": 0.00017951002227171493,
378
+ "loss": 0.1319,
379
+ "step": 460
380
+ },
381
+ {
382
+ "epoch": 1.05,
383
+ "grad_norm": 5.17644739151001,
384
+ "learning_rate": 0.00017906458797327396,
385
+ "loss": 0.1276,
386
+ "step": 470
387
+ },
388
+ {
389
+ "epoch": 1.07,
390
+ "grad_norm": 4.405980110168457,
391
+ "learning_rate": 0.00017861915367483298,
392
+ "loss": 0.1718,
393
+ "step": 480
394
+ },
395
+ {
396
+ "epoch": 1.09,
397
+ "grad_norm": 0.1352098286151886,
398
+ "learning_rate": 0.000178173719376392,
399
+ "loss": 0.1796,
400
+ "step": 490
401
+ },
402
+ {
403
+ "epoch": 1.11,
404
+ "grad_norm": 8.556909561157227,
405
+ "learning_rate": 0.000177728285077951,
406
+ "loss": 0.1672,
407
+ "step": 500
408
+ },
409
+ {
410
+ "epoch": 1.11,
411
+ "eval_accuracy": 0.9274509803921569,
412
+ "eval_f1": 0.9274509803921569,
413
+ "eval_loss": 0.35819730162620544,
414
+ "eval_precision": 0.9274509803921569,
415
+ "eval_recall": 0.9274509803921569,
416
+ "eval_runtime": 16.8086,
417
+ "eval_samples_per_second": 60.683,
418
+ "eval_steps_per_second": 7.615,
419
+ "step": 500
420
+ },
421
+ {
422
+ "epoch": 1.14,
423
+ "grad_norm": 0.4172447919845581,
424
+ "learning_rate": 0.00017728285077951003,
425
+ "loss": 0.0686,
426
+ "step": 510
427
+ },
428
+ {
429
+ "epoch": 1.16,
430
+ "grad_norm": 3.2105464935302734,
431
+ "learning_rate": 0.00017683741648106903,
432
+ "loss": 0.0347,
433
+ "step": 520
434
+ },
435
+ {
436
+ "epoch": 1.18,
437
+ "grad_norm": 0.23049691319465637,
438
+ "learning_rate": 0.00017639198218262806,
439
+ "loss": 0.1714,
440
+ "step": 530
441
+ },
442
+ {
443
+ "epoch": 1.2,
444
+ "grad_norm": 0.008479436859488487,
445
+ "learning_rate": 0.0001759465478841871,
446
+ "loss": 0.0519,
447
+ "step": 540
448
+ },
449
+ {
450
+ "epoch": 1.22,
451
+ "grad_norm": 0.11945914477109909,
452
+ "learning_rate": 0.00017550111358574611,
453
+ "loss": 0.0858,
454
+ "step": 550
455
+ },
456
+ {
457
+ "epoch": 1.25,
458
+ "grad_norm": 1.7262502908706665,
459
+ "learning_rate": 0.00017505567928730514,
460
+ "loss": 0.0753,
461
+ "step": 560
462
+ },
463
+ {
464
+ "epoch": 1.27,
465
+ "grad_norm": 0.02038051374256611,
466
+ "learning_rate": 0.00017461024498886417,
467
+ "loss": 0.0571,
468
+ "step": 570
469
+ },
470
+ {
471
+ "epoch": 1.29,
472
+ "grad_norm": 9.348058700561523,
473
+ "learning_rate": 0.00017416481069042317,
474
+ "loss": 0.128,
475
+ "step": 580
476
+ },
477
+ {
478
+ "epoch": 1.31,
479
+ "grad_norm": 0.039238784462213516,
480
+ "learning_rate": 0.0001737193763919822,
481
+ "loss": 0.0551,
482
+ "step": 590
483
+ },
484
+ {
485
+ "epoch": 1.34,
486
+ "grad_norm": 5.897979736328125,
487
+ "learning_rate": 0.00017327394209354122,
488
+ "loss": 0.1287,
489
+ "step": 600
490
+ },
491
+ {
492
+ "epoch": 1.34,
493
+ "eval_accuracy": 0.9450980392156862,
494
+ "eval_f1": 0.9450980392156862,
495
+ "eval_loss": 0.27001550793647766,
496
+ "eval_precision": 0.9450980392156862,
497
+ "eval_recall": 0.9450980392156862,
498
+ "eval_runtime": 17.21,
499
+ "eval_samples_per_second": 59.268,
500
+ "eval_steps_per_second": 7.438,
501
+ "step": 600
502
+ },
503
+ {
504
+ "epoch": 1.36,
505
+ "grad_norm": 5.809938907623291,
506
+ "learning_rate": 0.00017282850779510022,
507
+ "loss": 0.0894,
508
+ "step": 610
509
+ },
510
+ {
511
+ "epoch": 1.38,
512
+ "grad_norm": 0.013608383946120739,
513
+ "learning_rate": 0.00017238307349665924,
514
+ "loss": 0.0312,
515
+ "step": 620
516
+ },
517
+ {
518
+ "epoch": 1.4,
519
+ "grad_norm": 0.14918509125709534,
520
+ "learning_rate": 0.00017193763919821827,
521
+ "loss": 0.0813,
522
+ "step": 630
523
+ },
524
+ {
525
+ "epoch": 1.43,
526
+ "grad_norm": 0.09317727386951447,
527
+ "learning_rate": 0.0001714922048997773,
528
+ "loss": 0.1021,
529
+ "step": 640
530
+ },
531
+ {
532
+ "epoch": 1.45,
533
+ "grad_norm": 0.12424630671739578,
534
+ "learning_rate": 0.00017104677060133632,
535
+ "loss": 0.0382,
536
+ "step": 650
537
+ },
538
+ {
539
+ "epoch": 1.47,
540
+ "grad_norm": 0.004964092746376991,
541
+ "learning_rate": 0.00017060133630289532,
542
+ "loss": 0.0729,
543
+ "step": 660
544
+ },
545
+ {
546
+ "epoch": 1.49,
547
+ "grad_norm": 3.553861379623413,
548
+ "learning_rate": 0.00017015590200445435,
549
+ "loss": 0.0475,
550
+ "step": 670
551
+ },
552
+ {
553
+ "epoch": 1.51,
554
+ "grad_norm": 0.0814567431807518,
555
+ "learning_rate": 0.00016971046770601338,
556
+ "loss": 0.0424,
557
+ "step": 680
558
+ },
559
+ {
560
+ "epoch": 1.54,
561
+ "grad_norm": 0.5184776186943054,
562
+ "learning_rate": 0.00016926503340757238,
563
+ "loss": 0.0182,
564
+ "step": 690
565
+ },
566
+ {
567
+ "epoch": 1.56,
568
+ "grad_norm": 0.0049703894183039665,
569
+ "learning_rate": 0.0001688195991091314,
570
+ "loss": 0.0147,
571
+ "step": 700
572
+ },
573
+ {
574
+ "epoch": 1.56,
575
+ "eval_accuracy": 0.9205882352941176,
576
+ "eval_f1": 0.9205882352941176,
577
+ "eval_loss": 0.369125634431839,
578
+ "eval_precision": 0.9205882352941176,
579
+ "eval_recall": 0.9205882352941176,
580
+ "eval_runtime": 16.9323,
581
+ "eval_samples_per_second": 60.24,
582
+ "eval_steps_per_second": 7.56,
583
+ "step": 700
584
+ },
585
+ {
586
+ "epoch": 1.58,
587
+ "grad_norm": 0.021510396152734756,
588
+ "learning_rate": 0.00016837416481069043,
589
+ "loss": 0.0821,
590
+ "step": 710
591
+ },
592
+ {
593
+ "epoch": 1.6,
594
+ "grad_norm": 0.06858960539102554,
595
+ "learning_rate": 0.00016792873051224946,
596
+ "loss": 0.0053,
597
+ "step": 720
598
+ },
599
+ {
600
+ "epoch": 1.63,
601
+ "grad_norm": 0.00354547961615026,
602
+ "learning_rate": 0.00016748329621380848,
603
+ "loss": 0.027,
604
+ "step": 730
605
+ },
606
+ {
607
+ "epoch": 1.65,
608
+ "grad_norm": 0.0027330678422003984,
609
+ "learning_rate": 0.0001670378619153675,
610
+ "loss": 0.0038,
611
+ "step": 740
612
+ },
613
+ {
614
+ "epoch": 1.67,
615
+ "grad_norm": 0.0024623360950499773,
616
+ "learning_rate": 0.0001665924276169265,
617
+ "loss": 0.0435,
618
+ "step": 750
619
+ },
620
+ {
621
+ "epoch": 1.69,
622
+ "grad_norm": 0.006295201368629932,
623
+ "learning_rate": 0.00016614699331848553,
624
+ "loss": 0.063,
625
+ "step": 760
626
+ },
627
+ {
628
+ "epoch": 1.71,
629
+ "grad_norm": 0.8971105813980103,
630
+ "learning_rate": 0.00016570155902004456,
631
+ "loss": 0.0625,
632
+ "step": 770
633
+ },
634
+ {
635
+ "epoch": 1.74,
636
+ "grad_norm": 0.004554128274321556,
637
+ "learning_rate": 0.00016525612472160356,
638
+ "loss": 0.004,
639
+ "step": 780
640
+ },
641
+ {
642
+ "epoch": 1.76,
643
+ "grad_norm": 1.1439096927642822,
644
+ "learning_rate": 0.0001648106904231626,
645
+ "loss": 0.0959,
646
+ "step": 790
647
+ },
648
+ {
649
+ "epoch": 1.78,
650
+ "grad_norm": 0.12275100499391556,
651
+ "learning_rate": 0.0001643652561247216,
652
+ "loss": 0.0416,
653
+ "step": 800
654
+ },
655
+ {
656
+ "epoch": 1.78,
657
+ "eval_accuracy": 0.9470588235294117,
658
+ "eval_f1": 0.9470588235294117,
659
+ "eval_loss": 0.25350436568260193,
660
+ "eval_precision": 0.9470588235294117,
661
+ "eval_recall": 0.9470588235294117,
662
+ "eval_runtime": 16.7158,
663
+ "eval_samples_per_second": 61.02,
664
+ "eval_steps_per_second": 7.657,
665
+ "step": 800
666
+ },
667
+ {
668
+ "epoch": 1.8,
669
+ "grad_norm": 0.0064841569401323795,
670
+ "learning_rate": 0.00016391982182628064,
671
+ "loss": 0.0479,
672
+ "step": 810
673
+ },
674
+ {
675
+ "epoch": 1.83,
676
+ "grad_norm": 0.006001554429531097,
677
+ "learning_rate": 0.00016347438752783967,
678
+ "loss": 0.0624,
679
+ "step": 820
680
+ },
681
+ {
682
+ "epoch": 1.85,
683
+ "grad_norm": 0.1525709182024002,
684
+ "learning_rate": 0.00016302895322939867,
685
+ "loss": 0.0855,
686
+ "step": 830
687
+ },
688
+ {
689
+ "epoch": 1.87,
690
+ "grad_norm": 0.017199277877807617,
691
+ "learning_rate": 0.0001625835189309577,
692
+ "loss": 0.0199,
693
+ "step": 840
694
+ },
695
+ {
696
+ "epoch": 1.89,
697
+ "grad_norm": 0.40461423993110657,
698
+ "learning_rate": 0.00016213808463251672,
699
+ "loss": 0.0613,
700
+ "step": 850
701
+ },
702
+ {
703
+ "epoch": 1.92,
704
+ "grad_norm": 0.006222237832844257,
705
+ "learning_rate": 0.00016169265033407572,
706
+ "loss": 0.0168,
707
+ "step": 860
708
+ },
709
+ {
710
+ "epoch": 1.94,
711
+ "grad_norm": 0.0056493207812309265,
712
+ "learning_rate": 0.00016124721603563474,
713
+ "loss": 0.0247,
714
+ "step": 870
715
+ },
716
+ {
717
+ "epoch": 1.96,
718
+ "grad_norm": 0.004911198280751705,
719
+ "learning_rate": 0.00016080178173719377,
720
+ "loss": 0.074,
721
+ "step": 880
722
+ },
723
+ {
724
+ "epoch": 1.98,
725
+ "grad_norm": 0.0023081935942173004,
726
+ "learning_rate": 0.0001603563474387528,
727
+ "loss": 0.1029,
728
+ "step": 890
729
+ },
730
+ {
731
+ "epoch": 2.0,
732
+ "grad_norm": 0.010029925964772701,
733
+ "learning_rate": 0.00015991091314031182,
734
+ "loss": 0.0211,
735
+ "step": 900
736
+ },
737
+ {
738
+ "epoch": 2.0,
739
+ "eval_accuracy": 0.9470588235294117,
740
+ "eval_f1": 0.9470588235294117,
741
+ "eval_loss": 0.25747954845428467,
742
+ "eval_precision": 0.9470588235294117,
743
+ "eval_recall": 0.9470588235294117,
744
+ "eval_runtime": 16.8113,
745
+ "eval_samples_per_second": 60.674,
746
+ "eval_steps_per_second": 7.614,
747
+ "step": 900
748
+ },
749
+ {
750
+ "epoch": 2.03,
751
+ "grad_norm": 0.003727799979969859,
752
+ "learning_rate": 0.00015946547884187085,
753
+ "loss": 0.0126,
754
+ "step": 910
755
+ },
756
+ {
757
+ "epoch": 2.05,
758
+ "grad_norm": 0.7938788533210754,
759
+ "learning_rate": 0.00015902004454342985,
760
+ "loss": 0.0702,
761
+ "step": 920
762
+ },
763
+ {
764
+ "epoch": 2.07,
765
+ "grad_norm": 0.48882561922073364,
766
+ "learning_rate": 0.00015857461024498888,
767
+ "loss": 0.0513,
768
+ "step": 930
769
+ },
770
+ {
771
+ "epoch": 2.09,
772
+ "grad_norm": 10.071187973022461,
773
+ "learning_rate": 0.0001581291759465479,
774
+ "loss": 0.109,
775
+ "step": 940
776
+ },
777
+ {
778
+ "epoch": 2.12,
779
+ "grad_norm": 0.009675947949290276,
780
+ "learning_rate": 0.0001576837416481069,
781
+ "loss": 0.0034,
782
+ "step": 950
783
+ },
784
+ {
785
+ "epoch": 2.14,
786
+ "grad_norm": 0.004574100486934185,
787
+ "learning_rate": 0.00015723830734966593,
788
+ "loss": 0.0018,
789
+ "step": 960
790
+ },
791
+ {
792
+ "epoch": 2.16,
793
+ "grad_norm": 0.0033382533583790064,
794
+ "learning_rate": 0.00015679287305122495,
795
+ "loss": 0.0719,
796
+ "step": 970
797
+ },
798
+ {
799
+ "epoch": 2.18,
800
+ "grad_norm": 4.464893341064453,
801
+ "learning_rate": 0.00015634743875278398,
802
+ "loss": 0.0099,
803
+ "step": 980
804
+ },
805
+ {
806
+ "epoch": 2.2,
807
+ "grad_norm": 0.004051242955029011,
808
+ "learning_rate": 0.000155902004454343,
809
+ "loss": 0.0846,
810
+ "step": 990
811
+ },
812
+ {
813
+ "epoch": 2.23,
814
+ "grad_norm": 0.047729793936014175,
815
+ "learning_rate": 0.000155456570155902,
816
+ "loss": 0.088,
817
+ "step": 1000
818
+ },
819
+ {
820
+ "epoch": 2.23,
821
+ "eval_accuracy": 0.9529411764705882,
822
+ "eval_f1": 0.9529411764705882,
823
+ "eval_loss": 0.19075074791908264,
824
+ "eval_precision": 0.9529411764705882,
825
+ "eval_recall": 0.9529411764705882,
826
+ "eval_runtime": 16.8471,
827
+ "eval_samples_per_second": 60.544,
828
+ "eval_steps_per_second": 7.598,
829
+ "step": 1000
830
+ },
831
+ {
832
+ "epoch": 2.25,
833
+ "grad_norm": 0.008470825850963593,
834
+ "learning_rate": 0.00015501113585746103,
835
+ "loss": 0.0022,
836
+ "step": 1010
837
+ },
838
+ {
839
+ "epoch": 2.27,
840
+ "grad_norm": 2.529259204864502,
841
+ "learning_rate": 0.00015456570155902006,
842
+ "loss": 0.0917,
843
+ "step": 1020
844
+ },
845
+ {
846
+ "epoch": 2.29,
847
+ "grad_norm": 0.3583894670009613,
848
+ "learning_rate": 0.00015412026726057906,
849
+ "loss": 0.0793,
850
+ "step": 1030
851
+ },
852
+ {
853
+ "epoch": 2.32,
854
+ "grad_norm": 0.039421286433935165,
855
+ "learning_rate": 0.00015367483296213809,
856
+ "loss": 0.0742,
857
+ "step": 1040
858
+ },
859
+ {
860
+ "epoch": 2.34,
861
+ "grad_norm": 0.2551974654197693,
862
+ "learning_rate": 0.0001532293986636971,
863
+ "loss": 0.0029,
864
+ "step": 1050
865
+ },
866
+ {
867
+ "epoch": 2.36,
868
+ "grad_norm": 0.3370533883571625,
869
+ "learning_rate": 0.00015278396436525614,
870
+ "loss": 0.0563,
871
+ "step": 1060
872
+ },
873
+ {
874
+ "epoch": 2.38,
875
+ "grad_norm": 1.642697811126709,
876
+ "learning_rate": 0.00015233853006681517,
877
+ "loss": 0.0362,
878
+ "step": 1070
879
+ },
880
+ {
881
+ "epoch": 2.41,
882
+ "grad_norm": 12.125362396240234,
883
+ "learning_rate": 0.0001518930957683742,
884
+ "loss": 0.0949,
885
+ "step": 1080
886
+ },
887
+ {
888
+ "epoch": 2.43,
889
+ "grad_norm": 0.0022143302485346794,
890
+ "learning_rate": 0.0001514476614699332,
891
+ "loss": 0.0219,
892
+ "step": 1090
893
+ },
894
+ {
895
+ "epoch": 2.45,
896
+ "grad_norm": 0.0026613217778503895,
897
+ "learning_rate": 0.00015100222717149222,
898
+ "loss": 0.1849,
899
+ "step": 1100
900
+ },
901
+ {
902
+ "epoch": 2.45,
903
+ "eval_accuracy": 0.9529411764705882,
904
+ "eval_f1": 0.9529411764705882,
905
+ "eval_loss": 0.2200697511434555,
906
+ "eval_precision": 0.9529411764705882,
907
+ "eval_recall": 0.9529411764705882,
908
+ "eval_runtime": 16.9063,
909
+ "eval_samples_per_second": 60.332,
910
+ "eval_steps_per_second": 7.571,
911
+ "step": 1100
912
+ },
913
+ {
914
+ "epoch": 2.47,
915
+ "grad_norm": 0.5232903957366943,
916
+ "learning_rate": 0.00015055679287305122,
917
+ "loss": 0.0013,
918
+ "step": 1110
919
+ },
920
+ {
921
+ "epoch": 2.49,
922
+ "grad_norm": 1.5729717016220093,
923
+ "learning_rate": 0.00015011135857461024,
924
+ "loss": 0.0433,
925
+ "step": 1120
926
+ },
927
+ {
928
+ "epoch": 2.52,
929
+ "grad_norm": 0.005640827585011721,
930
+ "learning_rate": 0.00014966592427616927,
931
+ "loss": 0.0007,
932
+ "step": 1130
933
+ },
934
+ {
935
+ "epoch": 2.54,
936
+ "grad_norm": 7.901826858520508,
937
+ "learning_rate": 0.0001492204899777283,
938
+ "loss": 0.1131,
939
+ "step": 1140
940
+ },
941
+ {
942
+ "epoch": 2.56,
943
+ "grad_norm": 0.4438769221305847,
944
+ "learning_rate": 0.00014877505567928732,
945
+ "loss": 0.0557,
946
+ "step": 1150
947
+ },
948
+ {
949
+ "epoch": 2.58,
950
+ "grad_norm": 0.0032986474689096212,
951
+ "learning_rate": 0.00014832962138084635,
952
+ "loss": 0.001,
953
+ "step": 1160
954
+ },
955
+ {
956
+ "epoch": 2.61,
957
+ "grad_norm": 0.09250050783157349,
958
+ "learning_rate": 0.00014788418708240535,
959
+ "loss": 0.02,
960
+ "step": 1170
961
+ },
962
+ {
963
+ "epoch": 2.63,
964
+ "grad_norm": 0.005981163587421179,
965
+ "learning_rate": 0.00014743875278396438,
966
+ "loss": 0.0147,
967
+ "step": 1180
968
+ },
969
+ {
970
+ "epoch": 2.65,
971
+ "grad_norm": 0.02270863950252533,
972
+ "learning_rate": 0.0001469933184855234,
973
+ "loss": 0.0246,
974
+ "step": 1190
975
+ },
976
+ {
977
+ "epoch": 2.67,
978
+ "grad_norm": 0.014892498031258583,
979
+ "learning_rate": 0.0001465478841870824,
980
+ "loss": 0.0009,
981
+ "step": 1200
982
+ },
983
+ {
984
+ "epoch": 2.67,
985
+ "eval_accuracy": 0.9549019607843138,
986
+ "eval_f1": 0.9549019607843138,
987
+ "eval_loss": 0.22289611399173737,
988
+ "eval_precision": 0.9549019607843138,
989
+ "eval_recall": 0.9549019607843138,
990
+ "eval_runtime": 16.9051,
991
+ "eval_samples_per_second": 60.337,
992
+ "eval_steps_per_second": 7.572,
993
+ "step": 1200
994
+ },
995
+ {
996
+ "epoch": 2.69,
997
+ "grad_norm": 10.428900718688965,
998
+ "learning_rate": 0.00014610244988864143,
999
+ "loss": 0.0115,
1000
+ "step": 1210
1001
+ },
1002
+ {
1003
+ "epoch": 2.72,
1004
+ "grad_norm": 0.0370117723941803,
1005
+ "learning_rate": 0.00014565701559020045,
1006
+ "loss": 0.0525,
1007
+ "step": 1220
1008
+ },
1009
+ {
1010
+ "epoch": 2.74,
1011
+ "grad_norm": 0.0029497628565877676,
1012
+ "learning_rate": 0.00014521158129175948,
1013
+ "loss": 0.0009,
1014
+ "step": 1230
1015
+ },
1016
+ {
1017
+ "epoch": 2.76,
1018
+ "grad_norm": 0.8202322125434875,
1019
+ "learning_rate": 0.0001447661469933185,
1020
+ "loss": 0.051,
1021
+ "step": 1240
1022
+ },
1023
+ {
1024
+ "epoch": 2.78,
1025
+ "grad_norm": 0.012352533638477325,
1026
+ "learning_rate": 0.0001443207126948775,
1027
+ "loss": 0.0034,
1028
+ "step": 1250
1029
+ },
1030
+ {
1031
+ "epoch": 2.81,
1032
+ "grad_norm": 0.5958288908004761,
1033
+ "learning_rate": 0.00014387527839643653,
1034
+ "loss": 0.0016,
1035
+ "step": 1260
1036
+ },
1037
+ {
1038
+ "epoch": 2.83,
1039
+ "grad_norm": 0.01864822395145893,
1040
+ "learning_rate": 0.00014342984409799556,
1041
+ "loss": 0.0113,
1042
+ "step": 1270
1043
+ },
1044
+ {
1045
+ "epoch": 2.85,
1046
+ "grad_norm": 0.053810037672519684,
1047
+ "learning_rate": 0.00014298440979955456,
1048
+ "loss": 0.0044,
1049
+ "step": 1280
1050
+ },
1051
+ {
1052
+ "epoch": 2.87,
1053
+ "grad_norm": 0.07594209164381027,
1054
+ "learning_rate": 0.00014253897550111359,
1055
+ "loss": 0.0022,
1056
+ "step": 1290
1057
+ },
1058
+ {
1059
+ "epoch": 2.9,
1060
+ "grad_norm": 0.003192998468875885,
1061
+ "learning_rate": 0.0001420935412026726,
1062
+ "loss": 0.0599,
1063
+ "step": 1300
1064
+ },
1065
+ {
1066
+ "epoch": 2.9,
1067
+ "eval_accuracy": 0.9607843137254902,
1068
+ "eval_f1": 0.9607843137254902,
1069
+ "eval_loss": 0.1780730038881302,
1070
+ "eval_precision": 0.9607843137254902,
1071
+ "eval_recall": 0.9607843137254902,
1072
+ "eval_runtime": 16.8581,
1073
+ "eval_samples_per_second": 60.505,
1074
+ "eval_steps_per_second": 7.593,
1075
+ "step": 1300
1076
+ },
1077
+ {
1078
+ "epoch": 2.92,
1079
+ "grad_norm": 0.0019150603329762816,
1080
+ "learning_rate": 0.00014164810690423164,
1081
+ "loss": 0.0136,
1082
+ "step": 1310
1083
+ },
1084
+ {
1085
+ "epoch": 2.94,
1086
+ "grad_norm": 0.0017021102830767632,
1087
+ "learning_rate": 0.00014120267260579067,
1088
+ "loss": 0.0004,
1089
+ "step": 1320
1090
+ },
1091
+ {
1092
+ "epoch": 2.96,
1093
+ "grad_norm": 0.002855106256902218,
1094
+ "learning_rate": 0.0001407572383073497,
1095
+ "loss": 0.0028,
1096
+ "step": 1330
1097
+ },
1098
+ {
1099
+ "epoch": 2.98,
1100
+ "grad_norm": 0.0011817626655101776,
1101
+ "learning_rate": 0.0001403118040089087,
1102
+ "loss": 0.0146,
1103
+ "step": 1340
1104
+ },
1105
+ {
1106
+ "epoch": 3.01,
1107
+ "grad_norm": 11.652885437011719,
1108
+ "learning_rate": 0.00013986636971046772,
1109
+ "loss": 0.0155,
1110
+ "step": 1350
1111
+ },
1112
+ {
1113
+ "epoch": 3.03,
1114
+ "grad_norm": 0.002146989107131958,
1115
+ "learning_rate": 0.00013942093541202674,
1116
+ "loss": 0.007,
1117
+ "step": 1360
1118
+ },
1119
+ {
1120
+ "epoch": 3.05,
1121
+ "grad_norm": 0.0012873058440163732,
1122
+ "learning_rate": 0.00013897550111358574,
1123
+ "loss": 0.0005,
1124
+ "step": 1370
1125
+ },
1126
+ {
1127
+ "epoch": 3.07,
1128
+ "grad_norm": 0.001976664876565337,
1129
+ "learning_rate": 0.00013853006681514477,
1130
+ "loss": 0.0067,
1131
+ "step": 1380
1132
+ },
1133
+ {
1134
+ "epoch": 3.1,
1135
+ "grad_norm": 0.004611461888998747,
1136
+ "learning_rate": 0.00013808463251670377,
1137
+ "loss": 0.068,
1138
+ "step": 1390
1139
+ },
1140
+ {
1141
+ "epoch": 3.12,
1142
+ "grad_norm": 0.05266120657324791,
1143
+ "learning_rate": 0.00013763919821826282,
1144
+ "loss": 0.0004,
1145
+ "step": 1400
1146
+ },
1147
+ {
1148
+ "epoch": 3.12,
1149
+ "eval_accuracy": 0.9666666666666667,
1150
+ "eval_f1": 0.9666666666666667,
1151
+ "eval_loss": 0.1750936210155487,
1152
+ "eval_precision": 0.9666666666666667,
1153
+ "eval_recall": 0.9666666666666667,
1154
+ "eval_runtime": 16.8283,
1155
+ "eval_samples_per_second": 60.612,
1156
+ "eval_steps_per_second": 7.606,
1157
+ "step": 1400
1158
+ },
1159
+ {
1160
+ "epoch": 3.14,
1161
+ "grad_norm": 0.005359290167689323,
1162
+ "learning_rate": 0.00013719376391982185,
1163
+ "loss": 0.038,
1164
+ "step": 1410
1165
+ },
1166
+ {
1167
+ "epoch": 3.16,
1168
+ "grad_norm": 0.0019557911437004805,
1169
+ "learning_rate": 0.00013674832962138085,
1170
+ "loss": 0.0006,
1171
+ "step": 1420
1172
+ },
1173
+ {
1174
+ "epoch": 3.18,
1175
+ "grad_norm": 0.002684570848941803,
1176
+ "learning_rate": 0.00013630289532293988,
1177
+ "loss": 0.0179,
1178
+ "step": 1430
1179
+ },
1180
+ {
1181
+ "epoch": 3.21,
1182
+ "grad_norm": 2.459765911102295,
1183
+ "learning_rate": 0.0001358574610244989,
1184
+ "loss": 0.0164,
1185
+ "step": 1440
1186
+ },
1187
+ {
1188
+ "epoch": 3.23,
1189
+ "grad_norm": 0.010600595735013485,
1190
+ "learning_rate": 0.0001354120267260579,
1191
+ "loss": 0.0008,
1192
+ "step": 1450
1193
+ },
1194
+ {
1195
+ "epoch": 3.25,
1196
+ "grad_norm": 0.12665680050849915,
1197
+ "learning_rate": 0.00013496659242761693,
1198
+ "loss": 0.1161,
1199
+ "step": 1460
1200
+ },
1201
+ {
1202
+ "epoch": 3.27,
1203
+ "grad_norm": 0.0013257049722597003,
1204
+ "learning_rate": 0.00013452115812917595,
1205
+ "loss": 0.0718,
1206
+ "step": 1470
1207
+ },
1208
+ {
1209
+ "epoch": 3.3,
1210
+ "grad_norm": 2.888887882232666,
1211
+ "learning_rate": 0.00013407572383073498,
1212
+ "loss": 0.0028,
1213
+ "step": 1480
1214
+ },
1215
+ {
1216
+ "epoch": 3.32,
1217
+ "grad_norm": 0.0022232867777347565,
1218
+ "learning_rate": 0.000133630289532294,
1219
+ "loss": 0.0009,
1220
+ "step": 1490
1221
+ },
1222
+ {
1223
+ "epoch": 3.34,
1224
+ "grad_norm": 0.0026971769984811544,
1225
+ "learning_rate": 0.00013318485523385303,
1226
+ "loss": 0.0004,
1227
+ "step": 1500
1228
+ },
1229
+ {
1230
+ "epoch": 3.34,
1231
+ "eval_accuracy": 0.9686274509803922,
1232
+ "eval_f1": 0.9686274509803922,
1233
+ "eval_loss": 0.1684277504682541,
1234
+ "eval_precision": 0.9686274509803922,
1235
+ "eval_recall": 0.9686274509803922,
1236
+ "eval_runtime": 16.8277,
1237
+ "eval_samples_per_second": 60.614,
1238
+ "eval_steps_per_second": 7.606,
1239
+ "step": 1500
1240
+ },
1241
+ {
1242
+ "epoch": 3.36,
1243
+ "grad_norm": 0.06871479004621506,
1244
+ "learning_rate": 0.00013273942093541203,
1245
+ "loss": 0.0004,
1246
+ "step": 1510
1247
+ },
1248
+ {
1249
+ "epoch": 3.39,
1250
+ "grad_norm": 0.010680126026272774,
1251
+ "learning_rate": 0.00013229398663697106,
1252
+ "loss": 0.0623,
1253
+ "step": 1520
1254
+ },
1255
+ {
1256
+ "epoch": 3.41,
1257
+ "grad_norm": 0.0024642229545861483,
1258
+ "learning_rate": 0.00013184855233853006,
1259
+ "loss": 0.0005,
1260
+ "step": 1530
1261
+ },
1262
+ {
1263
+ "epoch": 3.43,
1264
+ "grad_norm": 0.0014489213936030865,
1265
+ "learning_rate": 0.00013140311804008909,
1266
+ "loss": 0.0004,
1267
+ "step": 1540
1268
+ },
1269
+ {
1270
+ "epoch": 3.45,
1271
+ "grad_norm": 0.004346741829067469,
1272
+ "learning_rate": 0.0001309576837416481,
1273
+ "loss": 0.0025,
1274
+ "step": 1550
1275
+ },
1276
+ {
1277
+ "epoch": 3.47,
1278
+ "grad_norm": 0.006028163246810436,
1279
+ "learning_rate": 0.0001305122494432071,
1280
+ "loss": 0.0546,
1281
+ "step": 1560
1282
+ },
1283
+ {
1284
+ "epoch": 3.5,
1285
+ "grad_norm": 0.0034053712151944637,
1286
+ "learning_rate": 0.00013006681514476616,
1287
+ "loss": 0.028,
1288
+ "step": 1570
1289
+ },
1290
+ {
1291
+ "epoch": 3.52,
1292
+ "grad_norm": 0.004035326186567545,
1293
+ "learning_rate": 0.0001296213808463252,
1294
+ "loss": 0.0042,
1295
+ "step": 1580
1296
+ },
1297
+ {
1298
+ "epoch": 3.54,
1299
+ "grad_norm": 0.0025597705971449614,
1300
+ "learning_rate": 0.0001291759465478842,
1301
+ "loss": 0.0201,
1302
+ "step": 1590
1303
+ },
1304
+ {
1305
+ "epoch": 3.56,
1306
+ "grad_norm": 0.0010411799885332584,
1307
+ "learning_rate": 0.00012873051224944322,
1308
+ "loss": 0.0352,
1309
+ "step": 1600
1310
+ },
1311
+ {
1312
+ "epoch": 3.56,
1313
+ "eval_accuracy": 0.9754901960784313,
1314
+ "eval_f1": 0.9754901960784313,
1315
+ "eval_loss": 0.15021921694278717,
1316
+ "eval_precision": 0.9754901960784313,
1317
+ "eval_recall": 0.9754901960784313,
1318
+ "eval_runtime": 16.7579,
1319
+ "eval_samples_per_second": 60.867,
1320
+ "eval_steps_per_second": 7.638,
1321
+ "step": 1600
1322
+ },
1323
+ {
1324
+ "epoch": 3.59,
1325
+ "grad_norm": 0.04698515310883522,
1326
+ "learning_rate": 0.00012828507795100224,
1327
+ "loss": 0.0036,
1328
+ "step": 1610
1329
+ },
1330
+ {
1331
+ "epoch": 3.61,
1332
+ "grad_norm": 0.013074472546577454,
1333
+ "learning_rate": 0.00012783964365256124,
1334
+ "loss": 0.0626,
1335
+ "step": 1620
1336
+ },
1337
+ {
1338
+ "epoch": 3.63,
1339
+ "grad_norm": 0.002302026841789484,
1340
+ "learning_rate": 0.00012739420935412027,
1341
+ "loss": 0.0004,
1342
+ "step": 1630
1343
+ },
1344
+ {
1345
+ "epoch": 3.65,
1346
+ "grad_norm": 0.012451753951609135,
1347
+ "learning_rate": 0.0001269487750556793,
1348
+ "loss": 0.0418,
1349
+ "step": 1640
1350
+ },
1351
+ {
1352
+ "epoch": 3.67,
1353
+ "grad_norm": 0.010159431956708431,
1354
+ "learning_rate": 0.00012650334075723832,
1355
+ "loss": 0.0008,
1356
+ "step": 1650
1357
+ },
1358
+ {
1359
+ "epoch": 3.7,
1360
+ "grad_norm": 0.20833130180835724,
1361
+ "learning_rate": 0.00012605790645879735,
1362
+ "loss": 0.0006,
1363
+ "step": 1660
1364
+ },
1365
+ {
1366
+ "epoch": 3.72,
1367
+ "grad_norm": 0.0008345023961737752,
1368
+ "learning_rate": 0.00012561247216035635,
1369
+ "loss": 0.0013,
1370
+ "step": 1670
1371
+ },
1372
+ {
1373
+ "epoch": 3.74,
1374
+ "grad_norm": 0.0027376762591302395,
1375
+ "learning_rate": 0.00012516703786191537,
1376
+ "loss": 0.0003,
1377
+ "step": 1680
1378
+ },
1379
+ {
1380
+ "epoch": 3.76,
1381
+ "grad_norm": 0.0012037215055897832,
1382
+ "learning_rate": 0.0001247216035634744,
1383
+ "loss": 0.0003,
1384
+ "step": 1690
1385
+ },
1386
+ {
1387
+ "epoch": 3.79,
1388
+ "grad_norm": 0.02287732996046543,
1389
+ "learning_rate": 0.0001242761692650334,
1390
+ "loss": 0.0003,
1391
+ "step": 1700
1392
+ },
1393
+ {
1394
+ "epoch": 3.79,
1395
+ "eval_accuracy": 0.9745098039215686,
1396
+ "eval_f1": 0.9745098039215686,
1397
+ "eval_loss": 0.15970657765865326,
1398
+ "eval_precision": 0.9745098039215686,
1399
+ "eval_recall": 0.9745098039215686,
1400
+ "eval_runtime": 16.8382,
1401
+ "eval_samples_per_second": 60.576,
1402
+ "eval_steps_per_second": 7.602,
1403
+ "step": 1700
1404
+ },
1405
+ {
1406
+ "epoch": 3.81,
1407
+ "grad_norm": 0.0013968138955533504,
1408
+ "learning_rate": 0.00012383073496659243,
1409
+ "loss": 0.0005,
1410
+ "step": 1710
1411
+ },
1412
+ {
1413
+ "epoch": 3.83,
1414
+ "grad_norm": 0.003733535995706916,
1415
+ "learning_rate": 0.00012338530066815145,
1416
+ "loss": 0.0003,
1417
+ "step": 1720
1418
+ },
1419
+ {
1420
+ "epoch": 3.85,
1421
+ "grad_norm": 0.976151168346405,
1422
+ "learning_rate": 0.00012293986636971045,
1423
+ "loss": 0.001,
1424
+ "step": 1730
1425
+ },
1426
+ {
1427
+ "epoch": 3.88,
1428
+ "grad_norm": 0.003409826662391424,
1429
+ "learning_rate": 0.0001224944320712695,
1430
+ "loss": 0.0003,
1431
+ "step": 1740
1432
+ },
1433
+ {
1434
+ "epoch": 3.9,
1435
+ "grad_norm": 0.004897921811789274,
1436
+ "learning_rate": 0.00012204899777282852,
1437
+ "loss": 0.0013,
1438
+ "step": 1750
1439
+ },
1440
+ {
1441
+ "epoch": 3.92,
1442
+ "grad_norm": 0.0010848743841052055,
1443
+ "learning_rate": 0.00012160356347438753,
1444
+ "loss": 0.0003,
1445
+ "step": 1760
1446
+ },
1447
+ {
1448
+ "epoch": 3.94,
1449
+ "grad_norm": 0.0013221738627180457,
1450
+ "learning_rate": 0.00012115812917594656,
1451
+ "loss": 0.0002,
1452
+ "step": 1770
1453
+ },
1454
+ {
1455
+ "epoch": 3.96,
1456
+ "grad_norm": 0.09072667360305786,
1457
+ "learning_rate": 0.00012071269487750559,
1458
+ "loss": 0.0029,
1459
+ "step": 1780
1460
+ },
1461
+ {
1462
+ "epoch": 3.99,
1463
+ "grad_norm": 0.00137105374597013,
1464
+ "learning_rate": 0.00012026726057906458,
1465
+ "loss": 0.0007,
1466
+ "step": 1790
1467
+ },
1468
+ {
1469
+ "epoch": 4.01,
1470
+ "grad_norm": 0.004980257712304592,
1471
+ "learning_rate": 0.00011982182628062361,
1472
+ "loss": 0.0003,
1473
+ "step": 1800
1474
+ },
1475
+ {
1476
+ "epoch": 4.01,
1477
+ "eval_accuracy": 0.9558823529411765,
1478
+ "eval_f1": 0.9558823529411765,
1479
+ "eval_loss": 0.25734347105026245,
1480
+ "eval_precision": 0.9558823529411765,
1481
+ "eval_recall": 0.9558823529411765,
1482
+ "eval_runtime": 16.754,
1483
+ "eval_samples_per_second": 60.881,
1484
+ "eval_steps_per_second": 7.64,
1485
+ "step": 1800
1486
+ },
1487
+ {
1488
+ "epoch": 4.03,
1489
+ "grad_norm": 0.0013974602334201336,
1490
+ "learning_rate": 0.00011937639198218265,
1491
+ "loss": 0.0015,
1492
+ "step": 1810
1493
+ },
1494
+ {
1495
+ "epoch": 4.05,
1496
+ "grad_norm": 0.0027338312938809395,
1497
+ "learning_rate": 0.00011893095768374165,
1498
+ "loss": 0.0028,
1499
+ "step": 1820
1500
+ },
1501
+ {
1502
+ "epoch": 4.08,
1503
+ "grad_norm": 0.0018153024138882756,
1504
+ "learning_rate": 0.00011848552338530068,
1505
+ "loss": 0.0003,
1506
+ "step": 1830
1507
+ },
1508
+ {
1509
+ "epoch": 4.1,
1510
+ "grad_norm": 0.0008053297642618418,
1511
+ "learning_rate": 0.00011804008908685969,
1512
+ "loss": 0.0145,
1513
+ "step": 1840
1514
+ },
1515
+ {
1516
+ "epoch": 4.12,
1517
+ "grad_norm": 0.0016097394982352853,
1518
+ "learning_rate": 0.00011759465478841872,
1519
+ "loss": 0.0003,
1520
+ "step": 1850
1521
+ },
1522
+ {
1523
+ "epoch": 4.14,
1524
+ "grad_norm": 0.0011555146193131804,
1525
+ "learning_rate": 0.00011714922048997774,
1526
+ "loss": 0.0007,
1527
+ "step": 1860
1528
+ },
1529
+ {
1530
+ "epoch": 4.16,
1531
+ "grad_norm": 0.0013847779482603073,
1532
+ "learning_rate": 0.00011670378619153674,
1533
+ "loss": 0.0005,
1534
+ "step": 1870
1535
+ },
1536
+ {
1537
+ "epoch": 4.19,
1538
+ "grad_norm": 0.026971347630023956,
1539
+ "learning_rate": 0.00011625835189309577,
1540
+ "loss": 0.04,
1541
+ "step": 1880
1542
+ },
1543
+ {
1544
+ "epoch": 4.21,
1545
+ "grad_norm": 0.004224107600748539,
1546
+ "learning_rate": 0.0001158129175946548,
1547
+ "loss": 0.0004,
1548
+ "step": 1890
1549
+ },
1550
+ {
1551
+ "epoch": 4.23,
1552
+ "grad_norm": 0.008265385404229164,
1553
+ "learning_rate": 0.00011536748329621381,
1554
+ "loss": 0.0005,
1555
+ "step": 1900
1556
+ },
1557
+ {
1558
+ "epoch": 4.23,
1559
+ "eval_accuracy": 0.9666666666666667,
1560
+ "eval_f1": 0.9666666666666667,
1561
+ "eval_loss": 0.19066497683525085,
1562
+ "eval_precision": 0.9666666666666667,
1563
+ "eval_recall": 0.9666666666666667,
1564
+ "eval_runtime": 16.876,
1565
+ "eval_samples_per_second": 60.441,
1566
+ "eval_steps_per_second": 7.585,
1567
+ "step": 1900
1568
+ },
1569
+ {
1570
+ "epoch": 4.25,
1571
+ "grad_norm": 0.0009556623990647495,
1572
+ "learning_rate": 0.00011492204899777283,
1573
+ "loss": 0.0103,
1574
+ "step": 1910
1575
+ },
1576
+ {
1577
+ "epoch": 4.28,
1578
+ "grad_norm": 0.0008651684038341045,
1579
+ "learning_rate": 0.00011447661469933186,
1580
+ "loss": 0.0003,
1581
+ "step": 1920
1582
+ },
1583
+ {
1584
+ "epoch": 4.3,
1585
+ "grad_norm": 0.0021915507968515158,
1586
+ "learning_rate": 0.00011403118040089087,
1587
+ "loss": 0.0017,
1588
+ "step": 1930
1589
+ },
1590
+ {
1591
+ "epoch": 4.32,
1592
+ "grad_norm": 0.993601381778717,
1593
+ "learning_rate": 0.0001135857461024499,
1594
+ "loss": 0.0016,
1595
+ "step": 1940
1596
+ },
1597
+ {
1598
+ "epoch": 4.34,
1599
+ "grad_norm": 0.012279433198273182,
1600
+ "learning_rate": 0.00011314031180400893,
1601
+ "loss": 0.0004,
1602
+ "step": 1950
1603
+ },
1604
+ {
1605
+ "epoch": 4.37,
1606
+ "grad_norm": 0.0192144475877285,
1607
+ "learning_rate": 0.00011269487750556793,
1608
+ "loss": 0.0211,
1609
+ "step": 1960
1610
+ },
1611
+ {
1612
+ "epoch": 4.39,
1613
+ "grad_norm": 0.002850558841601014,
1614
+ "learning_rate": 0.00011224944320712695,
1615
+ "loss": 0.0011,
1616
+ "step": 1970
1617
+ },
1618
+ {
1619
+ "epoch": 4.41,
1620
+ "grad_norm": 0.016757028177380562,
1621
+ "learning_rate": 0.00011180400890868597,
1622
+ "loss": 0.0004,
1623
+ "step": 1980
1624
+ },
1625
+ {
1626
+ "epoch": 4.43,
1627
+ "grad_norm": 0.009729539044201374,
1628
+ "learning_rate": 0.00011135857461024499,
1629
+ "loss": 0.0005,
1630
+ "step": 1990
1631
+ },
1632
+ {
1633
+ "epoch": 4.45,
1634
+ "grad_norm": 0.0012516066199168563,
1635
+ "learning_rate": 0.00011091314031180402,
1636
+ "loss": 0.0741,
1637
+ "step": 2000
1638
+ },
1639
+ {
1640
+ "epoch": 4.45,
1641
+ "eval_accuracy": 0.9637254901960784,
1642
+ "eval_f1": 0.9637254901960784,
1643
+ "eval_loss": 0.20377103984355927,
1644
+ "eval_precision": 0.9637254901960784,
1645
+ "eval_recall": 0.9637254901960784,
1646
+ "eval_runtime": 16.9265,
1647
+ "eval_samples_per_second": 60.26,
1648
+ "eval_steps_per_second": 7.562,
1649
+ "step": 2000
1650
+ },
1651
+ {
1652
+ "epoch": 4.48,
1653
+ "grad_norm": 0.03771669417619705,
1654
+ "learning_rate": 0.00011046770601336303,
1655
+ "loss": 0.0005,
1656
+ "step": 2010
1657
+ },
1658
+ {
1659
+ "epoch": 4.5,
1660
+ "grad_norm": 0.0029582425486296415,
1661
+ "learning_rate": 0.00011002227171492206,
1662
+ "loss": 0.044,
1663
+ "step": 2020
1664
+ },
1665
+ {
1666
+ "epoch": 4.52,
1667
+ "grad_norm": 0.0017603106098249555,
1668
+ "learning_rate": 0.00010957683741648108,
1669
+ "loss": 0.0002,
1670
+ "step": 2030
1671
+ },
1672
+ {
1673
+ "epoch": 4.54,
1674
+ "grad_norm": 0.006093455944210291,
1675
+ "learning_rate": 0.00010913140311804008,
1676
+ "loss": 0.0004,
1677
+ "step": 2040
1678
+ },
1679
+ {
1680
+ "epoch": 4.57,
1681
+ "grad_norm": 0.024271611124277115,
1682
+ "learning_rate": 0.00010868596881959911,
1683
+ "loss": 0.0004,
1684
+ "step": 2050
1685
+ },
1686
+ {
1687
+ "epoch": 4.59,
1688
+ "grad_norm": 0.0059431749396026134,
1689
+ "learning_rate": 0.00010824053452115814,
1690
+ "loss": 0.0171,
1691
+ "step": 2060
1692
+ },
1693
+ {
1694
+ "epoch": 4.61,
1695
+ "grad_norm": 0.001350950333289802,
1696
+ "learning_rate": 0.00010779510022271715,
1697
+ "loss": 0.0169,
1698
+ "step": 2070
1699
+ },
1700
+ {
1701
+ "epoch": 4.63,
1702
+ "grad_norm": 0.11208397895097733,
1703
+ "learning_rate": 0.00010734966592427618,
1704
+ "loss": 0.0009,
1705
+ "step": 2080
1706
+ },
1707
+ {
1708
+ "epoch": 4.65,
1709
+ "grad_norm": 0.000902643718291074,
1710
+ "learning_rate": 0.0001069042316258352,
1711
+ "loss": 0.0002,
1712
+ "step": 2090
1713
+ },
1714
+ {
1715
+ "epoch": 4.68,
1716
+ "grad_norm": 0.0008040807442739606,
1717
+ "learning_rate": 0.00010645879732739422,
1718
+ "loss": 0.0025,
1719
+ "step": 2100
1720
+ },
1721
+ {
1722
+ "epoch": 4.68,
1723
+ "eval_accuracy": 0.9647058823529412,
1724
+ "eval_f1": 0.9647058823529412,
1725
+ "eval_loss": 0.1929028332233429,
1726
+ "eval_precision": 0.9647058823529412,
1727
+ "eval_recall": 0.9647058823529412,
1728
+ "eval_runtime": 17.2457,
1729
+ "eval_samples_per_second": 59.145,
1730
+ "eval_steps_per_second": 7.422,
1731
+ "step": 2100
1732
+ },
1733
+ {
1734
+ "epoch": 4.7,
1735
+ "grad_norm": 0.001127121620811522,
1736
+ "learning_rate": 0.00010601336302895324,
1737
+ "loss": 0.0025,
1738
+ "step": 2110
1739
+ },
1740
+ {
1741
+ "epoch": 4.72,
1742
+ "grad_norm": 0.0010411780094727874,
1743
+ "learning_rate": 0.00010556792873051224,
1744
+ "loss": 0.0002,
1745
+ "step": 2120
1746
+ },
1747
+ {
1748
+ "epoch": 4.74,
1749
+ "grad_norm": 0.0012262547388672829,
1750
+ "learning_rate": 0.00010512249443207127,
1751
+ "loss": 0.0031,
1752
+ "step": 2130
1753
+ },
1754
+ {
1755
+ "epoch": 4.77,
1756
+ "grad_norm": 0.06668848544359207,
1757
+ "learning_rate": 0.0001046770601336303,
1758
+ "loss": 0.0011,
1759
+ "step": 2140
1760
+ },
1761
+ {
1762
+ "epoch": 4.79,
1763
+ "grad_norm": 11.083710670471191,
1764
+ "learning_rate": 0.00010423162583518931,
1765
+ "loss": 0.1101,
1766
+ "step": 2150
1767
+ },
1768
+ {
1769
+ "epoch": 4.81,
1770
+ "grad_norm": 0.0041348133236169815,
1771
+ "learning_rate": 0.00010378619153674833,
1772
+ "loss": 0.0312,
1773
+ "step": 2160
1774
+ },
1775
+ {
1776
+ "epoch": 4.83,
1777
+ "grad_norm": 0.0014749247347936034,
1778
+ "learning_rate": 0.00010334075723830736,
1779
+ "loss": 0.002,
1780
+ "step": 2170
1781
+ },
1782
+ {
1783
+ "epoch": 4.86,
1784
+ "grad_norm": 0.00816721748560667,
1785
+ "learning_rate": 0.00010289532293986637,
1786
+ "loss": 0.0374,
1787
+ "step": 2180
1788
+ },
1789
+ {
1790
+ "epoch": 4.88,
1791
+ "grad_norm": 0.0029881075024604797,
1792
+ "learning_rate": 0.0001024498886414254,
1793
+ "loss": 0.0245,
1794
+ "step": 2190
1795
+ },
1796
+ {
1797
+ "epoch": 4.9,
1798
+ "grad_norm": 0.01441921480000019,
1799
+ "learning_rate": 0.00010200445434298443,
1800
+ "loss": 0.0293,
1801
+ "step": 2200
1802
+ },
1803
+ {
1804
+ "epoch": 4.9,
1805
+ "eval_accuracy": 0.9607843137254902,
1806
+ "eval_f1": 0.9607843137254902,
1807
+ "eval_loss": 0.17395375669002533,
1808
+ "eval_precision": 0.9607843137254902,
1809
+ "eval_recall": 0.9607843137254902,
1810
+ "eval_runtime": 17.1376,
1811
+ "eval_samples_per_second": 59.518,
1812
+ "eval_steps_per_second": 7.469,
1813
+ "step": 2200
1814
+ },
1815
+ {
1816
+ "epoch": 4.92,
1817
+ "grad_norm": 0.005346087273210287,
1818
+ "learning_rate": 0.00010155902004454343,
1819
+ "loss": 0.054,
1820
+ "step": 2210
1821
+ },
1822
+ {
1823
+ "epoch": 4.94,
1824
+ "grad_norm": 0.0087255435064435,
1825
+ "learning_rate": 0.00010111358574610245,
1826
+ "loss": 0.0008,
1827
+ "step": 2220
1828
+ },
1829
+ {
1830
+ "epoch": 4.97,
1831
+ "grad_norm": 0.0033257934264838696,
1832
+ "learning_rate": 0.00010066815144766148,
1833
+ "loss": 0.0034,
1834
+ "step": 2230
1835
+ },
1836
+ {
1837
+ "epoch": 4.99,
1838
+ "grad_norm": 0.0017741642659530044,
1839
+ "learning_rate": 0.00010022271714922049,
1840
+ "loss": 0.0008,
1841
+ "step": 2240
1842
+ },
1843
+ {
1844
+ "epoch": 5.01,
1845
+ "grad_norm": 0.03513794392347336,
1846
+ "learning_rate": 9.977728285077952e-05,
1847
+ "loss": 0.0064,
1848
+ "step": 2250
1849
+ },
1850
+ {
1851
+ "epoch": 5.03,
1852
+ "grad_norm": 0.0020874643232673407,
1853
+ "learning_rate": 9.933184855233853e-05,
1854
+ "loss": 0.0003,
1855
+ "step": 2260
1856
+ },
1857
+ {
1858
+ "epoch": 5.06,
1859
+ "grad_norm": 0.0035891502629965544,
1860
+ "learning_rate": 9.888641425389756e-05,
1861
+ "loss": 0.0489,
1862
+ "step": 2270
1863
+ },
1864
+ {
1865
+ "epoch": 5.08,
1866
+ "grad_norm": 0.001030069775879383,
1867
+ "learning_rate": 9.844097995545658e-05,
1868
+ "loss": 0.0011,
1869
+ "step": 2280
1870
+ },
1871
+ {
1872
+ "epoch": 5.1,
1873
+ "grad_norm": 0.053950581699609756,
1874
+ "learning_rate": 9.79955456570156e-05,
1875
+ "loss": 0.0016,
1876
+ "step": 2290
1877
+ },
1878
+ {
1879
+ "epoch": 5.12,
1880
+ "grad_norm": 0.0023863562382757664,
1881
+ "learning_rate": 9.755011135857461e-05,
1882
+ "loss": 0.0003,
1883
+ "step": 2300
1884
+ },
1885
+ {
1886
+ "epoch": 5.12,
1887
+ "eval_accuracy": 0.9568627450980393,
1888
+ "eval_f1": 0.9568627450980393,
1889
+ "eval_loss": 0.25984036922454834,
1890
+ "eval_precision": 0.9568627450980393,
1891
+ "eval_recall": 0.9568627450980393,
1892
+ "eval_runtime": 17.3202,
1893
+ "eval_samples_per_second": 58.891,
1894
+ "eval_steps_per_second": 7.39,
1895
+ "step": 2300
1896
+ },
1897
+ {
1898
+ "epoch": 5.14,
1899
+ "grad_norm": 0.054378170520067215,
1900
+ "learning_rate": 9.710467706013364e-05,
1901
+ "loss": 0.0005,
1902
+ "step": 2310
1903
+ },
1904
+ {
1905
+ "epoch": 5.17,
1906
+ "grad_norm": 0.003204792272299528,
1907
+ "learning_rate": 9.665924276169266e-05,
1908
+ "loss": 0.0485,
1909
+ "step": 2320
1910
+ },
1911
+ {
1912
+ "epoch": 5.19,
1913
+ "grad_norm": 0.001054179621860385,
1914
+ "learning_rate": 9.621380846325168e-05,
1915
+ "loss": 0.0456,
1916
+ "step": 2330
1917
+ },
1918
+ {
1919
+ "epoch": 5.21,
1920
+ "grad_norm": 0.0008275459986180067,
1921
+ "learning_rate": 9.576837416481069e-05,
1922
+ "loss": 0.0003,
1923
+ "step": 2340
1924
+ },
1925
+ {
1926
+ "epoch": 5.23,
1927
+ "grad_norm": 0.06051745265722275,
1928
+ "learning_rate": 9.532293986636972e-05,
1929
+ "loss": 0.0005,
1930
+ "step": 2350
1931
+ },
1932
+ {
1933
+ "epoch": 5.26,
1934
+ "grad_norm": 0.0037743300199508667,
1935
+ "learning_rate": 9.487750556792874e-05,
1936
+ "loss": 0.0034,
1937
+ "step": 2360
1938
+ },
1939
+ {
1940
+ "epoch": 5.28,
1941
+ "grad_norm": 0.00043078724411316216,
1942
+ "learning_rate": 9.443207126948775e-05,
1943
+ "loss": 0.0004,
1944
+ "step": 2370
1945
+ },
1946
+ {
1947
+ "epoch": 5.3,
1948
+ "grad_norm": 0.001160395797342062,
1949
+ "learning_rate": 9.398663697104677e-05,
1950
+ "loss": 0.0009,
1951
+ "step": 2380
1952
+ },
1953
+ {
1954
+ "epoch": 5.32,
1955
+ "grad_norm": 0.0006127849337644875,
1956
+ "learning_rate": 9.35412026726058e-05,
1957
+ "loss": 0.0001,
1958
+ "step": 2390
1959
+ },
1960
+ {
1961
+ "epoch": 5.35,
1962
+ "grad_norm": 0.0023824446834623814,
1963
+ "learning_rate": 9.309576837416482e-05,
1964
+ "loss": 0.0037,
1965
+ "step": 2400
1966
+ },
1967
+ {
1968
+ "epoch": 5.35,
1969
+ "eval_accuracy": 0.961764705882353,
1970
+ "eval_f1": 0.961764705882353,
1971
+ "eval_loss": 0.17718201875686646,
1972
+ "eval_precision": 0.961764705882353,
1973
+ "eval_recall": 0.961764705882353,
1974
+ "eval_runtime": 17.3617,
1975
+ "eval_samples_per_second": 58.75,
1976
+ "eval_steps_per_second": 7.373,
1977
+ "step": 2400
1978
+ },
1979
+ {
1980
+ "epoch": 5.37,
1981
+ "grad_norm": 0.0015472627710551023,
1982
+ "learning_rate": 9.265033407572383e-05,
1983
+ "loss": 0.0132,
1984
+ "step": 2410
1985
+ },
1986
+ {
1987
+ "epoch": 5.39,
1988
+ "grad_norm": 0.002203689655289054,
1989
+ "learning_rate": 9.220489977728286e-05,
1990
+ "loss": 0.0003,
1991
+ "step": 2420
1992
+ },
1993
+ {
1994
+ "epoch": 5.41,
1995
+ "grad_norm": 0.003569718450307846,
1996
+ "learning_rate": 9.175946547884187e-05,
1997
+ "loss": 0.0006,
1998
+ "step": 2430
1999
+ },
2000
+ {
2001
+ "epoch": 5.43,
2002
+ "grad_norm": 0.0020932252518832684,
2003
+ "learning_rate": 9.13140311804009e-05,
2004
+ "loss": 0.0051,
2005
+ "step": 2440
2006
+ },
2007
+ {
2008
+ "epoch": 5.46,
2009
+ "grad_norm": 0.0030166106298565865,
2010
+ "learning_rate": 9.086859688195991e-05,
2011
+ "loss": 0.0008,
2012
+ "step": 2450
2013
+ },
2014
+ {
2015
+ "epoch": 5.48,
2016
+ "grad_norm": 0.001667293719947338,
2017
+ "learning_rate": 9.042316258351894e-05,
2018
+ "loss": 0.0004,
2019
+ "step": 2460
2020
+ },
2021
+ {
2022
+ "epoch": 5.5,
2023
+ "grad_norm": 0.0005573901580646634,
2024
+ "learning_rate": 8.997772828507795e-05,
2025
+ "loss": 0.0097,
2026
+ "step": 2470
2027
+ },
2028
+ {
2029
+ "epoch": 5.52,
2030
+ "grad_norm": 0.0013365427730605006,
2031
+ "learning_rate": 8.953229398663698e-05,
2032
+ "loss": 0.0002,
2033
+ "step": 2480
2034
+ },
2035
+ {
2036
+ "epoch": 5.55,
2037
+ "grad_norm": 0.0031586128752678633,
2038
+ "learning_rate": 8.9086859688196e-05,
2039
+ "loss": 0.0022,
2040
+ "step": 2490
2041
+ },
2042
+ {
2043
+ "epoch": 5.57,
2044
+ "grad_norm": 0.21919859945774078,
2045
+ "learning_rate": 8.864142538975502e-05,
2046
+ "loss": 0.0213,
2047
+ "step": 2500
2048
+ },
2049
+ {
2050
+ "epoch": 5.57,
2051
+ "eval_accuracy": 0.9519607843137254,
2052
+ "eval_f1": 0.9519607843137254,
2053
+ "eval_loss": 0.2910812199115753,
2054
+ "eval_precision": 0.9519607843137254,
2055
+ "eval_recall": 0.9519607843137254,
2056
+ "eval_runtime": 17.3785,
2057
+ "eval_samples_per_second": 58.693,
2058
+ "eval_steps_per_second": 7.365,
2059
+ "step": 2500
2060
+ },
2061
+ {
2062
+ "epoch": 5.59,
2063
+ "grad_norm": 0.002107376931235194,
2064
+ "learning_rate": 8.819599109131403e-05,
2065
+ "loss": 0.001,
2066
+ "step": 2510
2067
+ },
2068
+ {
2069
+ "epoch": 5.61,
2070
+ "grad_norm": 11.032261848449707,
2071
+ "learning_rate": 8.775055679287306e-05,
2072
+ "loss": 0.0331,
2073
+ "step": 2520
2074
+ },
2075
+ {
2076
+ "epoch": 5.63,
2077
+ "grad_norm": 0.0010789623484015465,
2078
+ "learning_rate": 8.730512249443208e-05,
2079
+ "loss": 0.0002,
2080
+ "step": 2530
2081
+ },
2082
+ {
2083
+ "epoch": 5.66,
2084
+ "grad_norm": 0.0013054576702415943,
2085
+ "learning_rate": 8.68596881959911e-05,
2086
+ "loss": 0.0019,
2087
+ "step": 2540
2088
+ },
2089
+ {
2090
+ "epoch": 5.68,
2091
+ "grad_norm": 0.001707877148874104,
2092
+ "learning_rate": 8.641425389755011e-05,
2093
+ "loss": 0.0004,
2094
+ "step": 2550
2095
+ },
2096
+ {
2097
+ "epoch": 5.7,
2098
+ "grad_norm": 0.0006996811716817319,
2099
+ "learning_rate": 8.596881959910914e-05,
2100
+ "loss": 0.0172,
2101
+ "step": 2560
2102
+ },
2103
+ {
2104
+ "epoch": 5.72,
2105
+ "grad_norm": 0.00302655971609056,
2106
+ "learning_rate": 8.552338530066816e-05,
2107
+ "loss": 0.0461,
2108
+ "step": 2570
2109
+ },
2110
+ {
2111
+ "epoch": 5.75,
2112
+ "grad_norm": 0.0005682900664396584,
2113
+ "learning_rate": 8.507795100222718e-05,
2114
+ "loss": 0.0002,
2115
+ "step": 2580
2116
+ },
2117
+ {
2118
+ "epoch": 5.77,
2119
+ "grad_norm": 0.0009555260185152292,
2120
+ "learning_rate": 8.463251670378619e-05,
2121
+ "loss": 0.0002,
2122
+ "step": 2590
2123
+ },
2124
+ {
2125
+ "epoch": 5.79,
2126
+ "grad_norm": 0.020968729630112648,
2127
+ "learning_rate": 8.418708240534521e-05,
2128
+ "loss": 0.027,
2129
+ "step": 2600
2130
+ },
2131
+ {
2132
+ "epoch": 5.79,
2133
+ "eval_accuracy": 0.9519607843137254,
2134
+ "eval_f1": 0.9519607843137254,
2135
+ "eval_loss": 0.25403299927711487,
2136
+ "eval_precision": 0.9519607843137254,
2137
+ "eval_recall": 0.9519607843137254,
2138
+ "eval_runtime": 17.2499,
2139
+ "eval_samples_per_second": 59.131,
2140
+ "eval_steps_per_second": 7.42,
2141
+ "step": 2600
2142
+ },
2143
+ {
2144
+ "epoch": 5.81,
2145
+ "grad_norm": 0.10158411413431168,
2146
+ "learning_rate": 8.374164810690424e-05,
2147
+ "loss": 0.0003,
2148
+ "step": 2610
2149
+ },
2150
+ {
2151
+ "epoch": 5.84,
2152
+ "grad_norm": 0.016370078548789024,
2153
+ "learning_rate": 8.329621380846325e-05,
2154
+ "loss": 0.0981,
2155
+ "step": 2620
2156
+ },
2157
+ {
2158
+ "epoch": 5.86,
2159
+ "grad_norm": 0.0012518821749836206,
2160
+ "learning_rate": 8.285077951002228e-05,
2161
+ "loss": 0.0004,
2162
+ "step": 2630
2163
+ },
2164
+ {
2165
+ "epoch": 5.88,
2166
+ "grad_norm": 0.0029411010909825563,
2167
+ "learning_rate": 8.24053452115813e-05,
2168
+ "loss": 0.0007,
2169
+ "step": 2640
2170
+ },
2171
+ {
2172
+ "epoch": 5.9,
2173
+ "grad_norm": 0.000937216158490628,
2174
+ "learning_rate": 8.195991091314032e-05,
2175
+ "loss": 0.0177,
2176
+ "step": 2650
2177
+ },
2178
+ {
2179
+ "epoch": 5.92,
2180
+ "grad_norm": 0.0034318570978939533,
2181
+ "learning_rate": 8.151447661469933e-05,
2182
+ "loss": 0.0312,
2183
+ "step": 2660
2184
+ },
2185
+ {
2186
+ "epoch": 5.95,
2187
+ "grad_norm": 0.0007262133876793087,
2188
+ "learning_rate": 8.106904231625836e-05,
2189
+ "loss": 0.0002,
2190
+ "step": 2670
2191
+ },
2192
+ {
2193
+ "epoch": 5.97,
2194
+ "grad_norm": 0.0007804339984431863,
2195
+ "learning_rate": 8.062360801781737e-05,
2196
+ "loss": 0.0002,
2197
+ "step": 2680
2198
+ },
2199
+ {
2200
+ "epoch": 5.99,
2201
+ "grad_norm": 0.001342720352113247,
2202
+ "learning_rate": 8.01781737193764e-05,
2203
+ "loss": 0.0002,
2204
+ "step": 2690
2205
+ },
2206
+ {
2207
+ "epoch": 6.01,
2208
+ "grad_norm": 0.001933095627464354,
2209
+ "learning_rate": 7.973273942093543e-05,
2210
+ "loss": 0.0155,
2211
+ "step": 2700
2212
+ },
2213
+ {
2214
+ "epoch": 6.01,
2215
+ "eval_accuracy": 0.9549019607843138,
2216
+ "eval_f1": 0.9549019607843138,
2217
+ "eval_loss": 0.22524712979793549,
2218
+ "eval_precision": 0.9549019607843138,
2219
+ "eval_recall": 0.9549019607843138,
2220
+ "eval_runtime": 17.4105,
2221
+ "eval_samples_per_second": 58.585,
2222
+ "eval_steps_per_second": 7.352,
2223
+ "step": 2700
2224
+ },
2225
+ {
2226
+ "epoch": 6.04,
2227
+ "grad_norm": 0.0011171975638717413,
2228
+ "learning_rate": 7.928730512249444e-05,
2229
+ "loss": 0.0002,
2230
+ "step": 2710
2231
+ },
2232
+ {
2233
+ "epoch": 6.06,
2234
+ "grad_norm": 0.001169139752164483,
2235
+ "learning_rate": 7.884187082405345e-05,
2236
+ "loss": 0.0002,
2237
+ "step": 2720
2238
+ },
2239
+ {
2240
+ "epoch": 6.08,
2241
+ "grad_norm": 0.002055455232039094,
2242
+ "learning_rate": 7.839643652561248e-05,
2243
+ "loss": 0.0082,
2244
+ "step": 2730
2245
+ },
2246
+ {
2247
+ "epoch": 6.1,
2248
+ "grad_norm": 0.05008271709084511,
2249
+ "learning_rate": 7.79510022271715e-05,
2250
+ "loss": 0.0321,
2251
+ "step": 2740
2252
+ },
2253
+ {
2254
+ "epoch": 6.12,
2255
+ "grad_norm": 0.000607622554525733,
2256
+ "learning_rate": 7.750556792873052e-05,
2257
+ "loss": 0.0397,
2258
+ "step": 2750
2259
+ },
2260
+ {
2261
+ "epoch": 6.15,
2262
+ "grad_norm": 0.000795868574641645,
2263
+ "learning_rate": 7.706013363028953e-05,
2264
+ "loss": 0.0064,
2265
+ "step": 2760
2266
+ },
2267
+ {
2268
+ "epoch": 6.17,
2269
+ "grad_norm": 0.010306187905371189,
2270
+ "learning_rate": 7.661469933184856e-05,
2271
+ "loss": 0.004,
2272
+ "step": 2770
2273
+ },
2274
+ {
2275
+ "epoch": 6.19,
2276
+ "grad_norm": 0.001497789635322988,
2277
+ "learning_rate": 7.616926503340758e-05,
2278
+ "loss": 0.005,
2279
+ "step": 2780
2280
+ },
2281
+ {
2282
+ "epoch": 6.21,
2283
+ "grad_norm": 0.12043255567550659,
2284
+ "learning_rate": 7.57238307349666e-05,
2285
+ "loss": 0.003,
2286
+ "step": 2790
2287
+ },
2288
+ {
2289
+ "epoch": 6.24,
2290
+ "grad_norm": 0.0034782905131578445,
2291
+ "learning_rate": 7.527839643652561e-05,
2292
+ "loss": 0.0002,
2293
+ "step": 2800
2294
+ },
2295
+ {
2296
+ "epoch": 6.24,
2297
+ "eval_accuracy": 0.9431372549019608,
2298
+ "eval_f1": 0.9431372549019608,
2299
+ "eval_loss": 0.3040062189102173,
2300
+ "eval_precision": 0.9431372549019608,
2301
+ "eval_recall": 0.9431372549019608,
2302
+ "eval_runtime": 17.1818,
2303
+ "eval_samples_per_second": 59.365,
2304
+ "eval_steps_per_second": 7.45,
2305
+ "step": 2800
2306
+ },
2307
+ {
2308
+ "epoch": 6.26,
2309
+ "grad_norm": 5.399389266967773,
2310
+ "learning_rate": 7.483296213808464e-05,
2311
+ "loss": 0.0092,
2312
+ "step": 2810
2313
+ },
2314
+ {
2315
+ "epoch": 6.28,
2316
+ "grad_norm": 0.0007157580694183707,
2317
+ "learning_rate": 7.438752783964366e-05,
2318
+ "loss": 0.0134,
2319
+ "step": 2820
2320
+ },
2321
+ {
2322
+ "epoch": 6.3,
2323
+ "grad_norm": 0.005470567848533392,
2324
+ "learning_rate": 7.394209354120267e-05,
2325
+ "loss": 0.147,
2326
+ "step": 2830
2327
+ },
2328
+ {
2329
+ "epoch": 6.33,
2330
+ "grad_norm": 0.01675906591117382,
2331
+ "learning_rate": 7.34966592427617e-05,
2332
+ "loss": 0.0813,
2333
+ "step": 2840
2334
+ },
2335
+ {
2336
+ "epoch": 6.35,
2337
+ "grad_norm": 5.728336334228516,
2338
+ "learning_rate": 7.305122494432071e-05,
2339
+ "loss": 0.0275,
2340
+ "step": 2850
2341
+ },
2342
+ {
2343
+ "epoch": 6.37,
2344
+ "grad_norm": 0.003522884799167514,
2345
+ "learning_rate": 7.260579064587974e-05,
2346
+ "loss": 0.0109,
2347
+ "step": 2860
2348
+ },
2349
+ {
2350
+ "epoch": 6.39,
2351
+ "grad_norm": 0.026970118284225464,
2352
+ "learning_rate": 7.216035634743875e-05,
2353
+ "loss": 0.0004,
2354
+ "step": 2870
2355
+ },
2356
+ {
2357
+ "epoch": 6.41,
2358
+ "grad_norm": 0.12984509766101837,
2359
+ "learning_rate": 7.171492204899778e-05,
2360
+ "loss": 0.0007,
2361
+ "step": 2880
2362
+ },
2363
+ {
2364
+ "epoch": 6.44,
2365
+ "grad_norm": 0.009168056771159172,
2366
+ "learning_rate": 7.126948775055679e-05,
2367
+ "loss": 0.0006,
2368
+ "step": 2890
2369
+ },
2370
+ {
2371
+ "epoch": 6.46,
2372
+ "grad_norm": 0.0009597400785423815,
2373
+ "learning_rate": 7.082405345211582e-05,
2374
+ "loss": 0.011,
2375
+ "step": 2900
2376
+ },
2377
+ {
2378
+ "epoch": 6.46,
2379
+ "eval_accuracy": 0.9598039215686275,
2380
+ "eval_f1": 0.9598039215686275,
2381
+ "eval_loss": 0.1923176795244217,
2382
+ "eval_precision": 0.9598039215686275,
2383
+ "eval_recall": 0.9598039215686275,
2384
+ "eval_runtime": 17.225,
2385
+ "eval_samples_per_second": 59.216,
2386
+ "eval_steps_per_second": 7.431,
2387
+ "step": 2900
2388
+ },
2389
+ {
2390
+ "epoch": 6.48,
2391
+ "grad_norm": 0.0009739417000673711,
2392
+ "learning_rate": 7.037861915367485e-05,
2393
+ "loss": 0.0014,
2394
+ "step": 2910
2395
+ },
2396
+ {
2397
+ "epoch": 6.5,
2398
+ "grad_norm": 0.0022935476154088974,
2399
+ "learning_rate": 6.993318485523386e-05,
2400
+ "loss": 0.0133,
2401
+ "step": 2920
2402
+ },
2403
+ {
2404
+ "epoch": 6.53,
2405
+ "grad_norm": 0.0005638069123961031,
2406
+ "learning_rate": 6.948775055679287e-05,
2407
+ "loss": 0.0009,
2408
+ "step": 2930
2409
+ },
2410
+ {
2411
+ "epoch": 6.55,
2412
+ "grad_norm": 0.014625852927565575,
2413
+ "learning_rate": 6.904231625835188e-05,
2414
+ "loss": 0.0006,
2415
+ "step": 2940
2416
+ },
2417
+ {
2418
+ "epoch": 6.57,
2419
+ "grad_norm": 0.001474756863899529,
2420
+ "learning_rate": 6.859688195991092e-05,
2421
+ "loss": 0.0128,
2422
+ "step": 2950
2423
+ },
2424
+ {
2425
+ "epoch": 6.59,
2426
+ "grad_norm": 0.0029620621353387833,
2427
+ "learning_rate": 6.815144766146994e-05,
2428
+ "loss": 0.0002,
2429
+ "step": 2960
2430
+ },
2431
+ {
2432
+ "epoch": 6.61,
2433
+ "grad_norm": 0.0016939816996455193,
2434
+ "learning_rate": 6.770601336302895e-05,
2435
+ "loss": 0.0003,
2436
+ "step": 2970
2437
+ },
2438
+ {
2439
+ "epoch": 6.64,
2440
+ "grad_norm": 0.0009252108866348863,
2441
+ "learning_rate": 6.726057906458798e-05,
2442
+ "loss": 0.0011,
2443
+ "step": 2980
2444
+ },
2445
+ {
2446
+ "epoch": 6.66,
2447
+ "grad_norm": 0.1285027265548706,
2448
+ "learning_rate": 6.6815144766147e-05,
2449
+ "loss": 0.0071,
2450
+ "step": 2990
2451
+ },
2452
+ {
2453
+ "epoch": 6.68,
2454
+ "grad_norm": 0.00125114805996418,
2455
+ "learning_rate": 6.636971046770602e-05,
2456
+ "loss": 0.0006,
2457
+ "step": 3000
2458
+ },
2459
+ {
2460
+ "epoch": 6.68,
2461
+ "eval_accuracy": 0.9637254901960784,
2462
+ "eval_f1": 0.9637254901960784,
2463
+ "eval_loss": 0.20890936255455017,
2464
+ "eval_precision": 0.9637254901960784,
2465
+ "eval_recall": 0.9637254901960784,
2466
+ "eval_runtime": 17.1679,
2467
+ "eval_samples_per_second": 59.413,
2468
+ "eval_steps_per_second": 7.456,
2469
+ "step": 3000
2470
+ },
2471
+ {
2472
+ "epoch": 6.7,
2473
+ "grad_norm": 0.0017677777213975787,
2474
+ "learning_rate": 6.592427616926503e-05,
2475
+ "loss": 0.03,
2476
+ "step": 3010
2477
+ },
2478
+ {
2479
+ "epoch": 6.73,
2480
+ "grad_norm": 0.0006067939684726298,
2481
+ "learning_rate": 6.547884187082406e-05,
2482
+ "loss": 0.0003,
2483
+ "step": 3020
2484
+ },
2485
+ {
2486
+ "epoch": 6.75,
2487
+ "grad_norm": 0.0010102881351485848,
2488
+ "learning_rate": 6.503340757238308e-05,
2489
+ "loss": 0.0002,
2490
+ "step": 3030
2491
+ },
2492
+ {
2493
+ "epoch": 6.77,
2494
+ "grad_norm": 0.0009144017240032554,
2495
+ "learning_rate": 6.45879732739421e-05,
2496
+ "loss": 0.0282,
2497
+ "step": 3040
2498
+ },
2499
+ {
2500
+ "epoch": 6.79,
2501
+ "grad_norm": 0.0007274287054315209,
2502
+ "learning_rate": 6.414253897550112e-05,
2503
+ "loss": 0.0002,
2504
+ "step": 3050
2505
+ },
2506
+ {
2507
+ "epoch": 6.82,
2508
+ "grad_norm": 0.0034935837611556053,
2509
+ "learning_rate": 6.369710467706013e-05,
2510
+ "loss": 0.0046,
2511
+ "step": 3060
2512
+ },
2513
+ {
2514
+ "epoch": 6.84,
2515
+ "grad_norm": 0.004235483705997467,
2516
+ "learning_rate": 6.325167037861916e-05,
2517
+ "loss": 0.0002,
2518
+ "step": 3070
2519
+ },
2520
+ {
2521
+ "epoch": 6.86,
2522
+ "grad_norm": 0.0013753636740148067,
2523
+ "learning_rate": 6.280623608017817e-05,
2524
+ "loss": 0.0101,
2525
+ "step": 3080
2526
+ },
2527
+ {
2528
+ "epoch": 6.88,
2529
+ "grad_norm": 0.0008035491337068379,
2530
+ "learning_rate": 6.23608017817372e-05,
2531
+ "loss": 0.0002,
2532
+ "step": 3090
2533
+ },
2534
+ {
2535
+ "epoch": 6.9,
2536
+ "grad_norm": 0.00173095241189003,
2537
+ "learning_rate": 6.191536748329621e-05,
2538
+ "loss": 0.0002,
2539
+ "step": 3100
2540
+ },
2541
+ {
2542
+ "epoch": 6.9,
2543
+ "eval_accuracy": 0.957843137254902,
2544
+ "eval_f1": 0.957843137254902,
2545
+ "eval_loss": 0.22062458097934723,
2546
+ "eval_precision": 0.957843137254902,
2547
+ "eval_recall": 0.957843137254902,
2548
+ "eval_runtime": 17.3063,
2549
+ "eval_samples_per_second": 58.938,
2550
+ "eval_steps_per_second": 7.396,
2551
+ "step": 3100
2552
+ },
2553
+ {
2554
+ "epoch": 6.93,
2555
+ "grad_norm": 0.001496517681516707,
2556
+ "learning_rate": 6.146993318485523e-05,
2557
+ "loss": 0.0002,
2558
+ "step": 3110
2559
+ },
2560
+ {
2561
+ "epoch": 6.95,
2562
+ "grad_norm": 0.0005152082885615528,
2563
+ "learning_rate": 6.102449888641426e-05,
2564
+ "loss": 0.0002,
2565
+ "step": 3120
2566
+ },
2567
+ {
2568
+ "epoch": 6.97,
2569
+ "grad_norm": 0.0005918457172811031,
2570
+ "learning_rate": 6.057906458797328e-05,
2571
+ "loss": 0.0192,
2572
+ "step": 3130
2573
+ },
2574
+ {
2575
+ "epoch": 6.99,
2576
+ "grad_norm": 0.000515251827891916,
2577
+ "learning_rate": 6.013363028953229e-05,
2578
+ "loss": 0.0003,
2579
+ "step": 3140
2580
+ },
2581
+ {
2582
+ "epoch": 7.02,
2583
+ "grad_norm": 0.00043858023127540946,
2584
+ "learning_rate": 5.9688195991091325e-05,
2585
+ "loss": 0.0105,
2586
+ "step": 3150
2587
+ },
2588
+ {
2589
+ "epoch": 7.04,
2590
+ "grad_norm": 0.0018106413772329688,
2591
+ "learning_rate": 5.924276169265034e-05,
2592
+ "loss": 0.0059,
2593
+ "step": 3160
2594
+ },
2595
+ {
2596
+ "epoch": 7.06,
2597
+ "grad_norm": 0.000563229201361537,
2598
+ "learning_rate": 5.879732739420936e-05,
2599
+ "loss": 0.0003,
2600
+ "step": 3170
2601
+ },
2602
+ {
2603
+ "epoch": 7.08,
2604
+ "grad_norm": 0.001515958341769874,
2605
+ "learning_rate": 5.835189309576837e-05,
2606
+ "loss": 0.0058,
2607
+ "step": 3180
2608
+ },
2609
+ {
2610
+ "epoch": 7.1,
2611
+ "grad_norm": 0.0005047390004619956,
2612
+ "learning_rate": 5.79064587973274e-05,
2613
+ "loss": 0.0002,
2614
+ "step": 3190
2615
+ },
2616
+ {
2617
+ "epoch": 7.13,
2618
+ "grad_norm": 0.03174121677875519,
2619
+ "learning_rate": 5.746102449888642e-05,
2620
+ "loss": 0.0006,
2621
+ "step": 3200
2622
+ },
2623
+ {
2624
+ "epoch": 7.13,
2625
+ "eval_accuracy": 0.9627450980392157,
2626
+ "eval_f1": 0.9627450980392157,
2627
+ "eval_loss": 0.22668223083019257,
2628
+ "eval_precision": 0.9627450980392157,
2629
+ "eval_recall": 0.9627450980392157,
2630
+ "eval_runtime": 16.905,
2631
+ "eval_samples_per_second": 60.337,
2632
+ "eval_steps_per_second": 7.572,
2633
+ "step": 3200
2634
+ },
2635
+ {
2636
+ "epoch": 7.15,
2637
+ "grad_norm": 0.0019246222218498588,
2638
+ "learning_rate": 5.701559020044544e-05,
2639
+ "loss": 0.0002,
2640
+ "step": 3210
2641
+ },
2642
+ {
2643
+ "epoch": 7.17,
2644
+ "grad_norm": 8.673022270202637,
2645
+ "learning_rate": 5.6570155902004463e-05,
2646
+ "loss": 0.0058,
2647
+ "step": 3220
2648
+ },
2649
+ {
2650
+ "epoch": 7.19,
2651
+ "grad_norm": 0.0006804656004533172,
2652
+ "learning_rate": 5.6124721603563476e-05,
2653
+ "loss": 0.0002,
2654
+ "step": 3230
2655
+ },
2656
+ {
2657
+ "epoch": 7.22,
2658
+ "grad_norm": 0.0013651803601533175,
2659
+ "learning_rate": 5.5679287305122496e-05,
2660
+ "loss": 0.0007,
2661
+ "step": 3240
2662
+ },
2663
+ {
2664
+ "epoch": 7.24,
2665
+ "grad_norm": 0.0014620161382481456,
2666
+ "learning_rate": 5.5233853006681516e-05,
2667
+ "loss": 0.0002,
2668
+ "step": 3250
2669
+ },
2670
+ {
2671
+ "epoch": 7.26,
2672
+ "grad_norm": 0.0009020831785164773,
2673
+ "learning_rate": 5.478841870824054e-05,
2674
+ "loss": 0.0003,
2675
+ "step": 3260
2676
+ },
2677
+ {
2678
+ "epoch": 7.28,
2679
+ "grad_norm": 0.0010328377829864621,
2680
+ "learning_rate": 5.4342984409799555e-05,
2681
+ "loss": 0.0016,
2682
+ "step": 3270
2683
+ },
2684
+ {
2685
+ "epoch": 7.31,
2686
+ "grad_norm": 0.002698230091482401,
2687
+ "learning_rate": 5.3897550111358575e-05,
2688
+ "loss": 0.0002,
2689
+ "step": 3280
2690
+ },
2691
+ {
2692
+ "epoch": 7.33,
2693
+ "grad_norm": 0.0025662758853286505,
2694
+ "learning_rate": 5.34521158129176e-05,
2695
+ "loss": 0.0002,
2696
+ "step": 3290
2697
+ },
2698
+ {
2699
+ "epoch": 7.35,
2700
+ "grad_norm": 0.0005825618281960487,
2701
+ "learning_rate": 5.300668151447662e-05,
2702
+ "loss": 0.0001,
2703
+ "step": 3300
2704
+ },
2705
+ {
2706
+ "epoch": 7.35,
2707
+ "eval_accuracy": 0.9637254901960784,
2708
+ "eval_f1": 0.9637254901960784,
2709
+ "eval_loss": 0.17346832156181335,
2710
+ "eval_precision": 0.9637254901960784,
2711
+ "eval_recall": 0.9637254901960784,
2712
+ "eval_runtime": 17.0715,
2713
+ "eval_samples_per_second": 59.749,
2714
+ "eval_steps_per_second": 7.498,
2715
+ "step": 3300
2716
+ },
2717
+ {
2718
+ "epoch": 7.37,
2719
+ "grad_norm": 0.001066404627636075,
2720
+ "learning_rate": 5.2561247216035634e-05,
2721
+ "loss": 0.0001,
2722
+ "step": 3310
2723
+ },
2724
+ {
2725
+ "epoch": 7.39,
2726
+ "grad_norm": 0.0007172970799729228,
2727
+ "learning_rate": 5.2115812917594654e-05,
2728
+ "loss": 0.0002,
2729
+ "step": 3320
2730
+ },
2731
+ {
2732
+ "epoch": 7.42,
2733
+ "grad_norm": 0.000634915370028466,
2734
+ "learning_rate": 5.167037861915368e-05,
2735
+ "loss": 0.0001,
2736
+ "step": 3330
2737
+ },
2738
+ {
2739
+ "epoch": 7.44,
2740
+ "grad_norm": 0.004406619351357222,
2741
+ "learning_rate": 5.12249443207127e-05,
2742
+ "loss": 0.0001,
2743
+ "step": 3340
2744
+ },
2745
+ {
2746
+ "epoch": 7.46,
2747
+ "grad_norm": 0.015614562667906284,
2748
+ "learning_rate": 5.077951002227171e-05,
2749
+ "loss": 0.0002,
2750
+ "step": 3350
2751
+ },
2752
+ {
2753
+ "epoch": 7.48,
2754
+ "grad_norm": 0.0017906671855598688,
2755
+ "learning_rate": 5.033407572383074e-05,
2756
+ "loss": 0.0003,
2757
+ "step": 3360
2758
+ },
2759
+ {
2760
+ "epoch": 7.51,
2761
+ "grad_norm": 0.002051855204626918,
2762
+ "learning_rate": 4.988864142538976e-05,
2763
+ "loss": 0.0003,
2764
+ "step": 3370
2765
+ },
2766
+ {
2767
+ "epoch": 7.53,
2768
+ "grad_norm": 0.0007296734838746488,
2769
+ "learning_rate": 4.944320712694878e-05,
2770
+ "loss": 0.0001,
2771
+ "step": 3380
2772
+ },
2773
+ {
2774
+ "epoch": 7.55,
2775
+ "grad_norm": 0.0005030659376643598,
2776
+ "learning_rate": 4.89977728285078e-05,
2777
+ "loss": 0.001,
2778
+ "step": 3390
2779
+ },
2780
+ {
2781
+ "epoch": 7.57,
2782
+ "grad_norm": 0.00040412909584119916,
2783
+ "learning_rate": 4.855233853006682e-05,
2784
+ "loss": 0.0001,
2785
+ "step": 3400
2786
+ },
2787
+ {
2788
+ "epoch": 7.57,
2789
+ "eval_accuracy": 0.9686274509803922,
2790
+ "eval_f1": 0.9686274509803922,
2791
+ "eval_loss": 0.16111387312412262,
2792
+ "eval_precision": 0.9686274509803922,
2793
+ "eval_recall": 0.9686274509803922,
2794
+ "eval_runtime": 16.979,
2795
+ "eval_samples_per_second": 60.074,
2796
+ "eval_steps_per_second": 7.539,
2797
+ "step": 3400
2798
+ },
2799
+ {
2800
+ "epoch": 7.59,
2801
+ "grad_norm": 0.0005902125267311931,
2802
+ "learning_rate": 4.810690423162584e-05,
2803
+ "loss": 0.0002,
2804
+ "step": 3410
2805
+ },
2806
+ {
2807
+ "epoch": 7.62,
2808
+ "grad_norm": 0.0005297433235682547,
2809
+ "learning_rate": 4.766146993318486e-05,
2810
+ "loss": 0.0002,
2811
+ "step": 3420
2812
+ },
2813
+ {
2814
+ "epoch": 7.64,
2815
+ "grad_norm": 0.0005097580142319202,
2816
+ "learning_rate": 4.721603563474388e-05,
2817
+ "loss": 0.0001,
2818
+ "step": 3430
2819
+ },
2820
+ {
2821
+ "epoch": 7.66,
2822
+ "grad_norm": 0.0006824088632129133,
2823
+ "learning_rate": 4.67706013363029e-05,
2824
+ "loss": 0.0002,
2825
+ "step": 3440
2826
+ },
2827
+ {
2828
+ "epoch": 7.68,
2829
+ "grad_norm": 0.0007693713996559381,
2830
+ "learning_rate": 4.632516703786192e-05,
2831
+ "loss": 0.0002,
2832
+ "step": 3450
2833
+ },
2834
+ {
2835
+ "epoch": 7.71,
2836
+ "grad_norm": 0.0010686744935810566,
2837
+ "learning_rate": 4.5879732739420936e-05,
2838
+ "loss": 0.0001,
2839
+ "step": 3460
2840
+ },
2841
+ {
2842
+ "epoch": 7.73,
2843
+ "grad_norm": 0.0008867672295309603,
2844
+ "learning_rate": 4.5434298440979956e-05,
2845
+ "loss": 0.0001,
2846
+ "step": 3470
2847
+ },
2848
+ {
2849
+ "epoch": 7.75,
2850
+ "grad_norm": 0.029097959399223328,
2851
+ "learning_rate": 4.4988864142538976e-05,
2852
+ "loss": 0.0002,
2853
+ "step": 3480
2854
+ },
2855
+ {
2856
+ "epoch": 7.77,
2857
+ "grad_norm": 1.0295618772506714,
2858
+ "learning_rate": 4.4543429844098e-05,
2859
+ "loss": 0.0232,
2860
+ "step": 3490
2861
+ },
2862
+ {
2863
+ "epoch": 7.8,
2864
+ "grad_norm": 0.01833498664200306,
2865
+ "learning_rate": 4.4097995545657015e-05,
2866
+ "loss": 0.0003,
2867
+ "step": 3500
2868
+ },
2869
+ {
2870
+ "epoch": 7.8,
2871
+ "eval_accuracy": 0.9676470588235294,
2872
+ "eval_f1": 0.9676470588235294,
2873
+ "eval_loss": 0.15838229656219482,
2874
+ "eval_precision": 0.9676470588235294,
2875
+ "eval_recall": 0.9676470588235294,
2876
+ "eval_runtime": 17.1614,
2877
+ "eval_samples_per_second": 59.436,
2878
+ "eval_steps_per_second": 7.459,
2879
+ "step": 3500
2880
+ },
2881
+ {
2882
+ "epoch": 7.82,
2883
+ "grad_norm": 0.00047049217391759157,
2884
+ "learning_rate": 4.365256124721604e-05,
2885
+ "loss": 0.0002,
2886
+ "step": 3510
2887
+ },
2888
+ {
2889
+ "epoch": 7.84,
2890
+ "grad_norm": 0.0005326452082954347,
2891
+ "learning_rate": 4.3207126948775055e-05,
2892
+ "loss": 0.0001,
2893
+ "step": 3520
2894
+ },
2895
+ {
2896
+ "epoch": 7.86,
2897
+ "grad_norm": 0.004704196471720934,
2898
+ "learning_rate": 4.276169265033408e-05,
2899
+ "loss": 0.0001,
2900
+ "step": 3530
2901
+ },
2902
+ {
2903
+ "epoch": 7.88,
2904
+ "grad_norm": 0.0015603323699906468,
2905
+ "learning_rate": 4.2316258351893094e-05,
2906
+ "loss": 0.0001,
2907
+ "step": 3540
2908
+ },
2909
+ {
2910
+ "epoch": 7.91,
2911
+ "grad_norm": 0.001259263837710023,
2912
+ "learning_rate": 4.187082405345212e-05,
2913
+ "loss": 0.0002,
2914
+ "step": 3550
2915
+ },
2916
+ {
2917
+ "epoch": 7.93,
2918
+ "grad_norm": 0.0009968471713364124,
2919
+ "learning_rate": 4.142538975501114e-05,
2920
+ "loss": 0.0173,
2921
+ "step": 3560
2922
+ },
2923
+ {
2924
+ "epoch": 7.95,
2925
+ "grad_norm": 0.0011363897938281298,
2926
+ "learning_rate": 4.097995545657016e-05,
2927
+ "loss": 0.0002,
2928
+ "step": 3570
2929
+ },
2930
+ {
2931
+ "epoch": 7.97,
2932
+ "grad_norm": 0.000970890570897609,
2933
+ "learning_rate": 4.053452115812918e-05,
2934
+ "loss": 0.0002,
2935
+ "step": 3580
2936
+ },
2937
+ {
2938
+ "epoch": 8.0,
2939
+ "grad_norm": 0.0004184432327747345,
2940
+ "learning_rate": 4.00890868596882e-05,
2941
+ "loss": 0.0002,
2942
+ "step": 3590
2943
+ },
2944
+ {
2945
+ "epoch": 8.02,
2946
+ "grad_norm": 0.0016488181427121162,
2947
+ "learning_rate": 3.964365256124722e-05,
2948
+ "loss": 0.0001,
2949
+ "step": 3600
2950
+ },
2951
+ {
2952
+ "epoch": 8.02,
2953
+ "eval_accuracy": 0.9715686274509804,
2954
+ "eval_f1": 0.9715686274509804,
2955
+ "eval_loss": 0.15909050405025482,
2956
+ "eval_precision": 0.9715686274509804,
2957
+ "eval_recall": 0.9715686274509804,
2958
+ "eval_runtime": 17.2363,
2959
+ "eval_samples_per_second": 59.178,
2960
+ "eval_steps_per_second": 7.426,
2961
+ "step": 3600
2962
+ },
2963
+ {
2964
+ "epoch": 8.04,
2965
+ "grad_norm": 0.0007161149405874312,
2966
+ "learning_rate": 3.919821826280624e-05,
2967
+ "loss": 0.0001,
2968
+ "step": 3610
2969
+ },
2970
+ {
2971
+ "epoch": 8.06,
2972
+ "grad_norm": 0.025815103203058243,
2973
+ "learning_rate": 3.875278396436526e-05,
2974
+ "loss": 0.0002,
2975
+ "step": 3620
2976
+ },
2977
+ {
2978
+ "epoch": 8.08,
2979
+ "grad_norm": 0.6380942463874817,
2980
+ "learning_rate": 3.830734966592428e-05,
2981
+ "loss": 0.0067,
2982
+ "step": 3630
2983
+ },
2984
+ {
2985
+ "epoch": 8.11,
2986
+ "grad_norm": 0.003612744389101863,
2987
+ "learning_rate": 3.78619153674833e-05,
2988
+ "loss": 0.0004,
2989
+ "step": 3640
2990
+ },
2991
+ {
2992
+ "epoch": 8.13,
2993
+ "grad_norm": 0.002143553225323558,
2994
+ "learning_rate": 3.741648106904232e-05,
2995
+ "loss": 0.0002,
2996
+ "step": 3650
2997
+ },
2998
+ {
2999
+ "epoch": 8.15,
3000
+ "grad_norm": 0.001735298428684473,
3001
+ "learning_rate": 3.697104677060134e-05,
3002
+ "loss": 0.0002,
3003
+ "step": 3660
3004
+ },
3005
+ {
3006
+ "epoch": 8.17,
3007
+ "grad_norm": 0.00038884536479599774,
3008
+ "learning_rate": 3.652561247216036e-05,
3009
+ "loss": 0.0004,
3010
+ "step": 3670
3011
+ },
3012
+ {
3013
+ "epoch": 8.2,
3014
+ "grad_norm": 0.0004352598334662616,
3015
+ "learning_rate": 3.608017817371938e-05,
3016
+ "loss": 0.0001,
3017
+ "step": 3680
3018
+ },
3019
+ {
3020
+ "epoch": 8.22,
3021
+ "grad_norm": 0.0030426643788814545,
3022
+ "learning_rate": 3.5634743875278396e-05,
3023
+ "loss": 0.0002,
3024
+ "step": 3690
3025
+ },
3026
+ {
3027
+ "epoch": 8.24,
3028
+ "grad_norm": 0.0004016205493826419,
3029
+ "learning_rate": 3.518930957683742e-05,
3030
+ "loss": 0.0005,
3031
+ "step": 3700
3032
+ },
3033
+ {
3034
+ "epoch": 8.24,
3035
+ "eval_accuracy": 0.9705882352941176,
3036
+ "eval_f1": 0.9705882352941176,
3037
+ "eval_loss": 0.15964852273464203,
3038
+ "eval_precision": 0.9705882352941176,
3039
+ "eval_recall": 0.9705882352941176,
3040
+ "eval_runtime": 17.4233,
3041
+ "eval_samples_per_second": 58.542,
3042
+ "eval_steps_per_second": 7.346,
3043
+ "step": 3700
3044
+ },
3045
+ {
3046
+ "epoch": 8.26,
3047
+ "grad_norm": 0.0010756178526207805,
3048
+ "learning_rate": 3.4743875278396436e-05,
3049
+ "loss": 0.0001,
3050
+ "step": 3710
3051
+ },
3052
+ {
3053
+ "epoch": 8.29,
3054
+ "grad_norm": 0.002286019967868924,
3055
+ "learning_rate": 3.429844097995546e-05,
3056
+ "loss": 0.0001,
3057
+ "step": 3720
3058
+ },
3059
+ {
3060
+ "epoch": 8.31,
3061
+ "grad_norm": 0.0019246740266680717,
3062
+ "learning_rate": 3.3853006681514475e-05,
3063
+ "loss": 0.0001,
3064
+ "step": 3730
3065
+ },
3066
+ {
3067
+ "epoch": 8.33,
3068
+ "grad_norm": 0.0022740724962204695,
3069
+ "learning_rate": 3.34075723830735e-05,
3070
+ "loss": 0.0001,
3071
+ "step": 3740
3072
+ },
3073
+ {
3074
+ "epoch": 8.35,
3075
+ "grad_norm": 0.0003697601496241987,
3076
+ "learning_rate": 3.2962138084632515e-05,
3077
+ "loss": 0.0001,
3078
+ "step": 3750
3079
+ },
3080
+ {
3081
+ "epoch": 8.37,
3082
+ "grad_norm": 0.00033845697180368006,
3083
+ "learning_rate": 3.251670378619154e-05,
3084
+ "loss": 0.0001,
3085
+ "step": 3760
3086
+ },
3087
+ {
3088
+ "epoch": 8.4,
3089
+ "grad_norm": 0.0004189737082924694,
3090
+ "learning_rate": 3.207126948775056e-05,
3091
+ "loss": 0.0001,
3092
+ "step": 3770
3093
+ },
3094
+ {
3095
+ "epoch": 8.42,
3096
+ "grad_norm": 0.0008992131915874779,
3097
+ "learning_rate": 3.162583518930958e-05,
3098
+ "loss": 0.0004,
3099
+ "step": 3780
3100
+ },
3101
+ {
3102
+ "epoch": 8.44,
3103
+ "grad_norm": 0.0008794433670118451,
3104
+ "learning_rate": 3.11804008908686e-05,
3105
+ "loss": 0.0001,
3106
+ "step": 3790
3107
+ },
3108
+ {
3109
+ "epoch": 8.46,
3110
+ "grad_norm": 0.0017194098327308893,
3111
+ "learning_rate": 3.073496659242761e-05,
3112
+ "loss": 0.0002,
3113
+ "step": 3800
3114
+ },
3115
+ {
3116
+ "epoch": 8.46,
3117
+ "eval_accuracy": 0.9715686274509804,
3118
+ "eval_f1": 0.9715686274509804,
3119
+ "eval_loss": 0.15634377300739288,
3120
+ "eval_precision": 0.9715686274509804,
3121
+ "eval_recall": 0.9715686274509804,
3122
+ "eval_runtime": 17.0753,
3123
+ "eval_samples_per_second": 59.735,
3124
+ "eval_steps_per_second": 7.496,
3125
+ "step": 3800
3126
+ },
3127
+ {
3128
+ "epoch": 8.49,
3129
+ "grad_norm": 0.0009110970422625542,
3130
+ "learning_rate": 3.028953229398664e-05,
3131
+ "loss": 0.0002,
3132
+ "step": 3810
3133
+ },
3134
+ {
3135
+ "epoch": 8.51,
3136
+ "grad_norm": 0.0010168278822675347,
3137
+ "learning_rate": 2.9844097995545663e-05,
3138
+ "loss": 0.0001,
3139
+ "step": 3820
3140
+ },
3141
+ {
3142
+ "epoch": 8.53,
3143
+ "grad_norm": 0.0005708567332476377,
3144
+ "learning_rate": 2.939866369710468e-05,
3145
+ "loss": 0.0001,
3146
+ "step": 3830
3147
+ },
3148
+ {
3149
+ "epoch": 8.55,
3150
+ "grad_norm": 0.0033207752276211977,
3151
+ "learning_rate": 2.89532293986637e-05,
3152
+ "loss": 0.0001,
3153
+ "step": 3840
3154
+ },
3155
+ {
3156
+ "epoch": 8.57,
3157
+ "grad_norm": 0.0010962020605802536,
3158
+ "learning_rate": 2.850779510022272e-05,
3159
+ "loss": 0.0001,
3160
+ "step": 3850
3161
+ },
3162
+ {
3163
+ "epoch": 8.6,
3164
+ "grad_norm": 0.0008160584839060903,
3165
+ "learning_rate": 2.8062360801781738e-05,
3166
+ "loss": 0.0001,
3167
+ "step": 3860
3168
+ },
3169
+ {
3170
+ "epoch": 8.62,
3171
+ "grad_norm": 0.001714337500743568,
3172
+ "learning_rate": 2.7616926503340758e-05,
3173
+ "loss": 0.0001,
3174
+ "step": 3870
3175
+ },
3176
+ {
3177
+ "epoch": 8.64,
3178
+ "grad_norm": 0.002063535852357745,
3179
+ "learning_rate": 2.7171492204899778e-05,
3180
+ "loss": 0.0001,
3181
+ "step": 3880
3182
+ },
3183
+ {
3184
+ "epoch": 8.66,
3185
+ "grad_norm": 0.0010866498341783881,
3186
+ "learning_rate": 2.67260579064588e-05,
3187
+ "loss": 0.0001,
3188
+ "step": 3890
3189
+ },
3190
+ {
3191
+ "epoch": 8.69,
3192
+ "grad_norm": 0.0009104039054363966,
3193
+ "learning_rate": 2.6280623608017817e-05,
3194
+ "loss": 0.0002,
3195
+ "step": 3900
3196
+ },
3197
+ {
3198
+ "epoch": 8.69,
3199
+ "eval_accuracy": 0.9715686274509804,
3200
+ "eval_f1": 0.9715686274509804,
3201
+ "eval_loss": 0.15503399074077606,
3202
+ "eval_precision": 0.9715686274509804,
3203
+ "eval_recall": 0.9715686274509804,
3204
+ "eval_runtime": 17.3241,
3205
+ "eval_samples_per_second": 58.877,
3206
+ "eval_steps_per_second": 7.389,
3207
+ "step": 3900
3208
+ },
3209
+ {
3210
+ "epoch": 8.71,
3211
+ "grad_norm": 0.0029284367337822914,
3212
+ "learning_rate": 2.583518930957684e-05,
3213
+ "loss": 0.007,
3214
+ "step": 3910
3215
+ },
3216
+ {
3217
+ "epoch": 8.73,
3218
+ "grad_norm": 0.0005087658646516502,
3219
+ "learning_rate": 2.5389755011135856e-05,
3220
+ "loss": 0.0001,
3221
+ "step": 3920
3222
+ },
3223
+ {
3224
+ "epoch": 8.75,
3225
+ "grad_norm": 0.0005650007515214384,
3226
+ "learning_rate": 2.494432071269488e-05,
3227
+ "loss": 0.0001,
3228
+ "step": 3930
3229
+ },
3230
+ {
3231
+ "epoch": 8.78,
3232
+ "grad_norm": 0.0005321349017322063,
3233
+ "learning_rate": 2.44988864142539e-05,
3234
+ "loss": 0.0001,
3235
+ "step": 3940
3236
+ },
3237
+ {
3238
+ "epoch": 8.8,
3239
+ "grad_norm": 0.0008177491254173219,
3240
+ "learning_rate": 2.405345211581292e-05,
3241
+ "loss": 0.0001,
3242
+ "step": 3950
3243
+ },
3244
+ {
3245
+ "epoch": 8.82,
3246
+ "grad_norm": 0.0005406069685705006,
3247
+ "learning_rate": 2.360801781737194e-05,
3248
+ "loss": 0.0001,
3249
+ "step": 3960
3250
+ },
3251
+ {
3252
+ "epoch": 8.84,
3253
+ "grad_norm": 0.000659614393953234,
3254
+ "learning_rate": 2.316258351893096e-05,
3255
+ "loss": 0.0001,
3256
+ "step": 3970
3257
+ },
3258
+ {
3259
+ "epoch": 8.86,
3260
+ "grad_norm": 0.0004996512434445322,
3261
+ "learning_rate": 2.2717149220489978e-05,
3262
+ "loss": 0.0001,
3263
+ "step": 3980
3264
+ },
3265
+ {
3266
+ "epoch": 8.89,
3267
+ "grad_norm": 0.0002974416420329362,
3268
+ "learning_rate": 2.2271714922049e-05,
3269
+ "loss": 0.0001,
3270
+ "step": 3990
3271
+ },
3272
+ {
3273
+ "epoch": 8.91,
3274
+ "grad_norm": 0.0011179678840562701,
3275
+ "learning_rate": 2.182628062360802e-05,
3276
+ "loss": 0.0001,
3277
+ "step": 4000
3278
+ },
3279
+ {
3280
+ "epoch": 8.91,
3281
+ "eval_accuracy": 0.9705882352941176,
3282
+ "eval_f1": 0.9705882352941176,
3283
+ "eval_loss": 0.15417079627513885,
3284
+ "eval_precision": 0.9705882352941176,
3285
+ "eval_recall": 0.9705882352941176,
3286
+ "eval_runtime": 17.0729,
3287
+ "eval_samples_per_second": 59.744,
3288
+ "eval_steps_per_second": 7.497,
3289
+ "step": 4000
3290
+ },
3291
+ {
3292
+ "epoch": 8.93,
3293
+ "grad_norm": 0.0005180141888558865,
3294
+ "learning_rate": 2.138084632516704e-05,
3295
+ "loss": 0.0001,
3296
+ "step": 4010
3297
+ },
3298
+ {
3299
+ "epoch": 8.95,
3300
+ "grad_norm": 0.0005326379905454814,
3301
+ "learning_rate": 2.093541202672606e-05,
3302
+ "loss": 0.0001,
3303
+ "step": 4020
3304
+ },
3305
+ {
3306
+ "epoch": 8.98,
3307
+ "grad_norm": 0.0006433409289456904,
3308
+ "learning_rate": 2.048997772828508e-05,
3309
+ "loss": 0.0001,
3310
+ "step": 4030
3311
+ },
3312
+ {
3313
+ "epoch": 9.0,
3314
+ "grad_norm": 0.002777345711365342,
3315
+ "learning_rate": 2.00445434298441e-05,
3316
+ "loss": 0.0001,
3317
+ "step": 4040
3318
+ },
3319
+ {
3320
+ "epoch": 9.02,
3321
+ "grad_norm": 0.0007074729655869305,
3322
+ "learning_rate": 1.959910913140312e-05,
3323
+ "loss": 0.0001,
3324
+ "step": 4050
3325
+ },
3326
+ {
3327
+ "epoch": 9.04,
3328
+ "grad_norm": 0.001536020776256919,
3329
+ "learning_rate": 1.915367483296214e-05,
3330
+ "loss": 0.0001,
3331
+ "step": 4060
3332
+ },
3333
+ {
3334
+ "epoch": 9.06,
3335
+ "grad_norm": 0.0009424517047591507,
3336
+ "learning_rate": 1.870824053452116e-05,
3337
+ "loss": 0.0001,
3338
+ "step": 4070
3339
+ },
3340
+ {
3341
+ "epoch": 9.09,
3342
+ "grad_norm": 0.3284554183483124,
3343
+ "learning_rate": 1.826280623608018e-05,
3344
+ "loss": 0.0026,
3345
+ "step": 4080
3346
+ },
3347
+ {
3348
+ "epoch": 9.11,
3349
+ "grad_norm": 0.00030903713195584714,
3350
+ "learning_rate": 1.7817371937639198e-05,
3351
+ "loss": 0.0001,
3352
+ "step": 4090
3353
+ },
3354
+ {
3355
+ "epoch": 9.13,
3356
+ "grad_norm": 0.0005440358072519302,
3357
+ "learning_rate": 1.7371937639198218e-05,
3358
+ "loss": 0.0001,
3359
+ "step": 4100
3360
+ },
3361
+ {
3362
+ "epoch": 9.13,
3363
+ "eval_accuracy": 0.9715686274509804,
3364
+ "eval_f1": 0.9715686274509804,
3365
+ "eval_loss": 0.15382429957389832,
3366
+ "eval_precision": 0.9715686274509804,
3367
+ "eval_recall": 0.9715686274509804,
3368
+ "eval_runtime": 16.821,
3369
+ "eval_samples_per_second": 60.638,
3370
+ "eval_steps_per_second": 7.61,
3371
+ "step": 4100
3372
+ },
3373
+ {
3374
+ "epoch": 9.15,
3375
+ "grad_norm": 0.0006746925064362586,
3376
+ "learning_rate": 1.6926503340757238e-05,
3377
+ "loss": 0.0001,
3378
+ "step": 4110
3379
+ },
3380
+ {
3381
+ "epoch": 9.18,
3382
+ "grad_norm": 0.00037791216163896024,
3383
+ "learning_rate": 1.6481069042316257e-05,
3384
+ "loss": 0.0001,
3385
+ "step": 4120
3386
+ },
3387
+ {
3388
+ "epoch": 9.2,
3389
+ "grad_norm": 0.0012918213615193963,
3390
+ "learning_rate": 1.603563474387528e-05,
3391
+ "loss": 0.0001,
3392
+ "step": 4130
3393
+ },
3394
+ {
3395
+ "epoch": 9.22,
3396
+ "grad_norm": 0.000723692704923451,
3397
+ "learning_rate": 1.55902004454343e-05,
3398
+ "loss": 0.0001,
3399
+ "step": 4140
3400
+ },
3401
+ {
3402
+ "epoch": 9.24,
3403
+ "grad_norm": 0.0006746066501364112,
3404
+ "learning_rate": 1.514476614699332e-05,
3405
+ "loss": 0.0001,
3406
+ "step": 4150
3407
+ },
3408
+ {
3409
+ "epoch": 9.27,
3410
+ "grad_norm": 0.000450183724751696,
3411
+ "learning_rate": 1.469933184855234e-05,
3412
+ "loss": 0.0001,
3413
+ "step": 4160
3414
+ },
3415
+ {
3416
+ "epoch": 9.29,
3417
+ "grad_norm": 0.0011862111277878284,
3418
+ "learning_rate": 1.425389755011136e-05,
3419
+ "loss": 0.0001,
3420
+ "step": 4170
3421
+ },
3422
+ {
3423
+ "epoch": 9.31,
3424
+ "grad_norm": 0.0017749534454196692,
3425
+ "learning_rate": 1.3808463251670379e-05,
3426
+ "loss": 0.0001,
3427
+ "step": 4180
3428
+ },
3429
+ {
3430
+ "epoch": 9.33,
3431
+ "grad_norm": 0.0003237236524000764,
3432
+ "learning_rate": 1.33630289532294e-05,
3433
+ "loss": 0.0001,
3434
+ "step": 4190
3435
+ },
3436
+ {
3437
+ "epoch": 9.35,
3438
+ "grad_norm": 0.0004740317235700786,
3439
+ "learning_rate": 1.291759465478842e-05,
3440
+ "loss": 0.0001,
3441
+ "step": 4200
3442
+ },
3443
+ {
3444
+ "epoch": 9.35,
3445
+ "eval_accuracy": 0.9715686274509804,
3446
+ "eval_f1": 0.9715686274509804,
3447
+ "eval_loss": 0.15357248485088348,
3448
+ "eval_precision": 0.9715686274509804,
3449
+ "eval_recall": 0.9715686274509804,
3450
+ "eval_runtime": 17.097,
3451
+ "eval_samples_per_second": 59.659,
3452
+ "eval_steps_per_second": 7.487,
3453
+ "step": 4200
3454
+ },
3455
+ {
3456
+ "epoch": 9.38,
3457
+ "grad_norm": 0.0004047084948979318,
3458
+ "learning_rate": 1.247216035634744e-05,
3459
+ "loss": 0.0001,
3460
+ "step": 4210
3461
+ },
3462
+ {
3463
+ "epoch": 9.4,
3464
+ "grad_norm": 0.0028567886911332607,
3465
+ "learning_rate": 1.202672605790646e-05,
3466
+ "loss": 0.0001,
3467
+ "step": 4220
3468
+ },
3469
+ {
3470
+ "epoch": 9.42,
3471
+ "grad_norm": 0.0005680415779352188,
3472
+ "learning_rate": 1.158129175946548e-05,
3473
+ "loss": 0.0001,
3474
+ "step": 4230
3475
+ },
3476
+ {
3477
+ "epoch": 9.44,
3478
+ "grad_norm": 0.00213377526961267,
3479
+ "learning_rate": 1.11358574610245e-05,
3480
+ "loss": 0.0001,
3481
+ "step": 4240
3482
+ },
3483
+ {
3484
+ "epoch": 9.47,
3485
+ "grad_norm": 0.001148115610703826,
3486
+ "learning_rate": 1.069042316258352e-05,
3487
+ "loss": 0.0001,
3488
+ "step": 4250
3489
+ },
3490
+ {
3491
+ "epoch": 9.49,
3492
+ "grad_norm": 0.00045941799180582166,
3493
+ "learning_rate": 1.024498886414254e-05,
3494
+ "loss": 0.0001,
3495
+ "step": 4260
3496
+ },
3497
+ {
3498
+ "epoch": 9.51,
3499
+ "grad_norm": 0.0024906108155846596,
3500
+ "learning_rate": 9.79955456570156e-06,
3501
+ "loss": 0.0001,
3502
+ "step": 4270
3503
+ },
3504
+ {
3505
+ "epoch": 9.53,
3506
+ "grad_norm": 0.0004669167974498123,
3507
+ "learning_rate": 9.35412026726058e-06,
3508
+ "loss": 0.0001,
3509
+ "step": 4280
3510
+ },
3511
+ {
3512
+ "epoch": 9.55,
3513
+ "grad_norm": 0.0003813539515249431,
3514
+ "learning_rate": 8.908685968819599e-06,
3515
+ "loss": 0.0001,
3516
+ "step": 4290
3517
+ },
3518
+ {
3519
+ "epoch": 9.58,
3520
+ "grad_norm": 0.00048394210170954466,
3521
+ "learning_rate": 8.463251670378619e-06,
3522
+ "loss": 0.0001,
3523
+ "step": 4300
3524
+ },
3525
+ {
3526
+ "epoch": 9.58,
3527
+ "eval_accuracy": 0.9715686274509804,
3528
+ "eval_f1": 0.9715686274509804,
3529
+ "eval_loss": 0.15336920320987701,
3530
+ "eval_precision": 0.9715686274509804,
3531
+ "eval_recall": 0.9715686274509804,
3532
+ "eval_runtime": 16.9378,
3533
+ "eval_samples_per_second": 60.22,
3534
+ "eval_steps_per_second": 7.557,
3535
+ "step": 4300
3536
+ },
3537
+ {
3538
+ "epoch": 9.6,
3539
+ "grad_norm": 0.001094264443963766,
3540
+ "learning_rate": 8.01781737193764e-06,
3541
+ "loss": 0.0001,
3542
+ "step": 4310
3543
+ },
3544
+ {
3545
+ "epoch": 9.62,
3546
+ "grad_norm": 0.0007720951689407229,
3547
+ "learning_rate": 7.57238307349666e-06,
3548
+ "loss": 0.0001,
3549
+ "step": 4320
3550
+ },
3551
+ {
3552
+ "epoch": 9.64,
3553
+ "grad_norm": 0.0010363436304032803,
3554
+ "learning_rate": 7.12694877505568e-06,
3555
+ "loss": 0.0001,
3556
+ "step": 4330
3557
+ },
3558
+ {
3559
+ "epoch": 9.67,
3560
+ "grad_norm": 0.0006155350711196661,
3561
+ "learning_rate": 6.6815144766147e-06,
3562
+ "loss": 0.0001,
3563
+ "step": 4340
3564
+ },
3565
+ {
3566
+ "epoch": 9.69,
3567
+ "grad_norm": 0.002117099007591605,
3568
+ "learning_rate": 6.23608017817372e-06,
3569
+ "loss": 0.0001,
3570
+ "step": 4350
3571
+ },
3572
+ {
3573
+ "epoch": 9.71,
3574
+ "grad_norm": 0.00035223804297856987,
3575
+ "learning_rate": 5.79064587973274e-06,
3576
+ "loss": 0.0001,
3577
+ "step": 4360
3578
+ },
3579
+ {
3580
+ "epoch": 9.73,
3581
+ "grad_norm": 0.0008616923005320132,
3582
+ "learning_rate": 5.34521158129176e-06,
3583
+ "loss": 0.0001,
3584
+ "step": 4370
3585
+ },
3586
+ {
3587
+ "epoch": 9.76,
3588
+ "grad_norm": 0.0003698187065310776,
3589
+ "learning_rate": 4.89977728285078e-06,
3590
+ "loss": 0.0001,
3591
+ "step": 4380
3592
+ },
3593
+ {
3594
+ "epoch": 9.78,
3595
+ "grad_norm": 0.0008464885177090764,
3596
+ "learning_rate": 4.4543429844097995e-06,
3597
+ "loss": 0.0001,
3598
+ "step": 4390
3599
+ },
3600
+ {
3601
+ "epoch": 9.8,
3602
+ "grad_norm": 0.000521197565831244,
3603
+ "learning_rate": 4.00890868596882e-06,
3604
+ "loss": 0.0001,
3605
+ "step": 4400
3606
+ },
3607
+ {
3608
+ "epoch": 9.8,
3609
+ "eval_accuracy": 0.9715686274509804,
3610
+ "eval_f1": 0.9715686274509804,
3611
+ "eval_loss": 0.15329474210739136,
3612
+ "eval_precision": 0.9715686274509804,
3613
+ "eval_recall": 0.9715686274509804,
3614
+ "eval_runtime": 17.0026,
3615
+ "eval_samples_per_second": 59.991,
3616
+ "eval_steps_per_second": 7.528,
3617
+ "step": 4400
3618
+ },
3619
+ {
3620
+ "epoch": 9.82,
3621
+ "grad_norm": 0.00078478833893314,
3622
+ "learning_rate": 3.56347438752784e-06,
3623
+ "loss": 0.0001,
3624
+ "step": 4410
3625
+ },
3626
+ {
3627
+ "epoch": 9.84,
3628
+ "grad_norm": 0.00044067302951589227,
3629
+ "learning_rate": 3.11804008908686e-06,
3630
+ "loss": 0.0001,
3631
+ "step": 4420
3632
+ },
3633
+ {
3634
+ "epoch": 9.87,
3635
+ "grad_norm": 0.0005106424796395004,
3636
+ "learning_rate": 2.67260579064588e-06,
3637
+ "loss": 0.0001,
3638
+ "step": 4430
3639
+ },
3640
+ {
3641
+ "epoch": 9.89,
3642
+ "grad_norm": 0.0003234909090679139,
3643
+ "learning_rate": 2.2271714922048998e-06,
3644
+ "loss": 0.0001,
3645
+ "step": 4440
3646
+ },
3647
+ {
3648
+ "epoch": 9.91,
3649
+ "grad_norm": 0.0003544181527104229,
3650
+ "learning_rate": 1.78173719376392e-06,
3651
+ "loss": 0.0001,
3652
+ "step": 4450
3653
+ },
3654
+ {
3655
+ "epoch": 9.93,
3656
+ "grad_norm": 0.00040398509008809924,
3657
+ "learning_rate": 1.33630289532294e-06,
3658
+ "loss": 0.0001,
3659
+ "step": 4460
3660
+ },
3661
+ {
3662
+ "epoch": 9.96,
3663
+ "grad_norm": 0.0009952255059033632,
3664
+ "learning_rate": 8.9086859688196e-07,
3665
+ "loss": 0.0001,
3666
+ "step": 4470
3667
+ },
3668
+ {
3669
+ "epoch": 9.98,
3670
+ "grad_norm": 0.0003712301841005683,
3671
+ "learning_rate": 4.4543429844098e-07,
3672
+ "loss": 0.0001,
3673
+ "step": 4480
3674
+ },
3675
+ {
3676
+ "epoch": 10.0,
3677
+ "grad_norm": 0.0012604963267222047,
3678
+ "learning_rate": 0.0,
3679
+ "loss": 0.0099,
3680
+ "step": 4490
3681
+ },
3682
+ {
3683
+ "epoch": 10.0,
3684
+ "step": 4490,
3685
+ "total_flos": 5.562769847811564e+18,
3686
+ "train_loss": 0.025327244219600944,
3687
+ "train_runtime": 3846.586,
3688
+ "train_samples_per_second": 18.637,
3689
+ "train_steps_per_second": 1.167
3690
+ }
3691
+ ],
3692
+ "logging_steps": 10,
3693
+ "max_steps": 4490,
3694
+ "num_input_tokens_seen": 0,
3695
+ "num_train_epochs": 10,
3696
+ "save_steps": 100,
3697
+ "total_flos": 5.562769847811564e+18,
3698
+ "train_batch_size": 16,
3699
+ "trial_name": null,
3700
+ "trial_params": null
3701
+ }