QiushiSun commited on
Commit
738137a
·
verified ·
1 Parent(s): b49da8d

Upload trainer_state.json with huggingface_hub

Browse files
Files changed (1) hide show
  1. trainer_state.json +2730 -0
trainer_state.json ADDED
@@ -0,0 +1,2730 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 1.996101364522417,
5
+ "eval_steps": 500,
6
+ "global_step": 384,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.005198180636777128,
13
+ "grad_norm": 46.50929641723633,
14
+ "learning_rate": 8.333333333333333e-08,
15
+ "loss": 1.4958,
16
+ "step": 1
17
+ },
18
+ {
19
+ "epoch": 0.010396361273554255,
20
+ "grad_norm": 36.618709564208984,
21
+ "learning_rate": 1.6666666666666665e-07,
22
+ "loss": 1.2222,
23
+ "step": 2
24
+ },
25
+ {
26
+ "epoch": 0.015594541910331383,
27
+ "grad_norm": 42.09670639038086,
28
+ "learning_rate": 2.5e-07,
29
+ "loss": 1.2627,
30
+ "step": 3
31
+ },
32
+ {
33
+ "epoch": 0.02079272254710851,
34
+ "grad_norm": 38.13116455078125,
35
+ "learning_rate": 3.333333333333333e-07,
36
+ "loss": 1.2579,
37
+ "step": 4
38
+ },
39
+ {
40
+ "epoch": 0.02599090318388564,
41
+ "grad_norm": 40.15380859375,
42
+ "learning_rate": 4.1666666666666667e-07,
43
+ "loss": 1.2421,
44
+ "step": 5
45
+ },
46
+ {
47
+ "epoch": 0.031189083820662766,
48
+ "grad_norm": 43.696563720703125,
49
+ "learning_rate": 5e-07,
50
+ "loss": 1.264,
51
+ "step": 6
52
+ },
53
+ {
54
+ "epoch": 0.036387264457439894,
55
+ "grad_norm": 44.71561813354492,
56
+ "learning_rate": 5.833333333333334e-07,
57
+ "loss": 1.3881,
58
+ "step": 7
59
+ },
60
+ {
61
+ "epoch": 0.04158544509421702,
62
+ "grad_norm": 41.07535171508789,
63
+ "learning_rate": 6.666666666666666e-07,
64
+ "loss": 1.1705,
65
+ "step": 8
66
+ },
67
+ {
68
+ "epoch": 0.04678362573099415,
69
+ "grad_norm": 37.13037109375,
70
+ "learning_rate": 7.5e-07,
71
+ "loss": 1.1108,
72
+ "step": 9
73
+ },
74
+ {
75
+ "epoch": 0.05198180636777128,
76
+ "grad_norm": 39.47488021850586,
77
+ "learning_rate": 8.333333333333333e-07,
78
+ "loss": 1.1024,
79
+ "step": 10
80
+ },
81
+ {
82
+ "epoch": 0.057179987004548405,
83
+ "grad_norm": 35.2398681640625,
84
+ "learning_rate": 9.166666666666665e-07,
85
+ "loss": 1.0848,
86
+ "step": 11
87
+ },
88
+ {
89
+ "epoch": 0.06237816764132553,
90
+ "grad_norm": 26.39617347717285,
91
+ "learning_rate": 1e-06,
92
+ "loss": 0.7678,
93
+ "step": 12
94
+ },
95
+ {
96
+ "epoch": 0.06757634827810266,
97
+ "grad_norm": 23.569713592529297,
98
+ "learning_rate": 9.999821700020548e-07,
99
+ "loss": 0.7753,
100
+ "step": 13
101
+ },
102
+ {
103
+ "epoch": 0.07277452891487979,
104
+ "grad_norm": 20.85965919494629,
105
+ "learning_rate": 9.99928681279855e-07,
106
+ "loss": 0.6663,
107
+ "step": 14
108
+ },
109
+ {
110
+ "epoch": 0.07797270955165692,
111
+ "grad_norm": 19.964326858520508,
112
+ "learning_rate": 9.998395376482152e-07,
113
+ "loss": 0.5468,
114
+ "step": 15
115
+ },
116
+ {
117
+ "epoch": 0.08317089018843404,
118
+ "grad_norm": 10.887548446655273,
119
+ "learning_rate": 9.997147454648588e-07,
120
+ "loss": 0.4754,
121
+ "step": 16
122
+ },
123
+ {
124
+ "epoch": 0.08836907082521117,
125
+ "grad_norm": 10.726633071899414,
126
+ "learning_rate": 9.995543136299635e-07,
127
+ "loss": 0.4547,
128
+ "step": 17
129
+ },
130
+ {
131
+ "epoch": 0.0935672514619883,
132
+ "grad_norm": 9.673012733459473,
133
+ "learning_rate": 9.993582535855263e-07,
134
+ "loss": 0.4634,
135
+ "step": 18
136
+ },
137
+ {
138
+ "epoch": 0.09876543209876543,
139
+ "grad_norm": 7.258286476135254,
140
+ "learning_rate": 9.991265793145479e-07,
141
+ "loss": 0.3635,
142
+ "step": 19
143
+ },
144
+ {
145
+ "epoch": 0.10396361273554255,
146
+ "grad_norm": 5.402667999267578,
147
+ "learning_rate": 9.988593073400354e-07,
148
+ "loss": 0.356,
149
+ "step": 20
150
+ },
151
+ {
152
+ "epoch": 0.10916179337231968,
153
+ "grad_norm": 4.859364032745361,
154
+ "learning_rate": 9.985564567238236e-07,
155
+ "loss": 0.3692,
156
+ "step": 21
157
+ },
158
+ {
159
+ "epoch": 0.11435997400909681,
160
+ "grad_norm": 3.8276686668395996,
161
+ "learning_rate": 9.982180490652164e-07,
162
+ "loss": 0.2976,
163
+ "step": 22
164
+ },
165
+ {
166
+ "epoch": 0.11955815464587394,
167
+ "grad_norm": 3.0185964107513428,
168
+ "learning_rate": 9.97844108499445e-07,
169
+ "loss": 0.2635,
170
+ "step": 23
171
+ },
172
+ {
173
+ "epoch": 0.12475633528265107,
174
+ "grad_norm": 2.6632726192474365,
175
+ "learning_rate": 9.974346616959475e-07,
176
+ "loss": 0.3086,
177
+ "step": 24
178
+ },
179
+ {
180
+ "epoch": 0.1299545159194282,
181
+ "grad_norm": 2.5440852642059326,
182
+ "learning_rate": 9.969897378564667e-07,
183
+ "loss": 0.2746,
184
+ "step": 25
185
+ },
186
+ {
187
+ "epoch": 0.13515269655620532,
188
+ "grad_norm": 2.642413377761841,
189
+ "learning_rate": 9.965093687129667e-07,
190
+ "loss": 0.2889,
191
+ "step": 26
192
+ },
193
+ {
194
+ "epoch": 0.14035087719298245,
195
+ "grad_norm": 2.513338565826416,
196
+ "learning_rate": 9.959935885253715e-07,
197
+ "loss": 0.2778,
198
+ "step": 27
199
+ },
200
+ {
201
+ "epoch": 0.14554905782975958,
202
+ "grad_norm": 2.2585127353668213,
203
+ "learning_rate": 9.954424340791195e-07,
204
+ "loss": 0.2311,
205
+ "step": 28
206
+ },
207
+ {
208
+ "epoch": 0.1507472384665367,
209
+ "grad_norm": 2.021958351135254,
210
+ "learning_rate": 9.948559446825411e-07,
211
+ "loss": 0.2403,
212
+ "step": 29
213
+ },
214
+ {
215
+ "epoch": 0.15594541910331383,
216
+ "grad_norm": 2.938659429550171,
217
+ "learning_rate": 9.942341621640557e-07,
218
+ "loss": 0.2984,
219
+ "step": 30
220
+ },
221
+ {
222
+ "epoch": 0.16114359974009096,
223
+ "grad_norm": 1.9811211824417114,
224
+ "learning_rate": 9.93577130869187e-07,
225
+ "loss": 0.2607,
226
+ "step": 31
227
+ },
228
+ {
229
+ "epoch": 0.1663417803768681,
230
+ "grad_norm": 1.8804433345794678,
231
+ "learning_rate": 9.928848976574018e-07,
232
+ "loss": 0.2236,
233
+ "step": 32
234
+ },
235
+ {
236
+ "epoch": 0.17153996101364521,
237
+ "grad_norm": 2.2095425128936768,
238
+ "learning_rate": 9.921575118987671e-07,
239
+ "loss": 0.247,
240
+ "step": 33
241
+ },
242
+ {
243
+ "epoch": 0.17673814165042234,
244
+ "grad_norm": 2.0361135005950928,
245
+ "learning_rate": 9.91395025470429e-07,
246
+ "loss": 0.2519,
247
+ "step": 34
248
+ },
249
+ {
250
+ "epoch": 0.18193632228719947,
251
+ "grad_norm": 1.9882704019546509,
252
+ "learning_rate": 9.905974927529133e-07,
253
+ "loss": 0.2387,
254
+ "step": 35
255
+ },
256
+ {
257
+ "epoch": 0.1871345029239766,
258
+ "grad_norm": 2.1970348358154297,
259
+ "learning_rate": 9.897649706262473e-07,
260
+ "loss": 0.2506,
261
+ "step": 36
262
+ },
263
+ {
264
+ "epoch": 0.19233268356075373,
265
+ "grad_norm": 1.9535129070281982,
266
+ "learning_rate": 9.888975184659016e-07,
267
+ "loss": 0.2491,
268
+ "step": 37
269
+ },
270
+ {
271
+ "epoch": 0.19753086419753085,
272
+ "grad_norm": 1.7368297576904297,
273
+ "learning_rate": 9.879951981385577e-07,
274
+ "loss": 0.2002,
275
+ "step": 38
276
+ },
277
+ {
278
+ "epoch": 0.20272904483430798,
279
+ "grad_norm": 1.8394443988800049,
280
+ "learning_rate": 9.870580739976935e-07,
281
+ "loss": 0.2107,
282
+ "step": 39
283
+ },
284
+ {
285
+ "epoch": 0.2079272254710851,
286
+ "grad_norm": 2.0104002952575684,
287
+ "learning_rate": 9.860862128789952e-07,
288
+ "loss": 0.2373,
289
+ "step": 40
290
+ },
291
+ {
292
+ "epoch": 0.21312540610786224,
293
+ "grad_norm": 1.7731590270996094,
294
+ "learning_rate": 9.850796840955899e-07,
295
+ "loss": 0.1881,
296
+ "step": 41
297
+ },
298
+ {
299
+ "epoch": 0.21832358674463936,
300
+ "grad_norm": 1.937873363494873,
301
+ "learning_rate": 9.840385594331022e-07,
302
+ "loss": 0.2238,
303
+ "step": 42
304
+ },
305
+ {
306
+ "epoch": 0.2235217673814165,
307
+ "grad_norm": 1.9435638189315796,
308
+ "learning_rate": 9.82962913144534e-07,
309
+ "loss": 0.2237,
310
+ "step": 43
311
+ },
312
+ {
313
+ "epoch": 0.22871994801819362,
314
+ "grad_norm": 1.786537766456604,
315
+ "learning_rate": 9.818528219449704e-07,
316
+ "loss": 0.1951,
317
+ "step": 44
318
+ },
319
+ {
320
+ "epoch": 0.23391812865497075,
321
+ "grad_norm": 1.7915631532669067,
322
+ "learning_rate": 9.807083650061062e-07,
323
+ "loss": 0.2257,
324
+ "step": 45
325
+ },
326
+ {
327
+ "epoch": 0.23911630929174787,
328
+ "grad_norm": 1.798353910446167,
329
+ "learning_rate": 9.79529623950601e-07,
330
+ "loss": 0.236,
331
+ "step": 46
332
+ },
333
+ {
334
+ "epoch": 0.244314489928525,
335
+ "grad_norm": 1.872049331665039,
336
+ "learning_rate": 9.783166828462572e-07,
337
+ "loss": 0.2354,
338
+ "step": 47
339
+ },
340
+ {
341
+ "epoch": 0.24951267056530213,
342
+ "grad_norm": 1.879210114479065,
343
+ "learning_rate": 9.770696282000244e-07,
344
+ "loss": 0.2229,
345
+ "step": 48
346
+ },
347
+ {
348
+ "epoch": 0.25471085120207926,
349
+ "grad_norm": 1.9663130044937134,
350
+ "learning_rate": 9.757885489518296e-07,
351
+ "loss": 0.2461,
352
+ "step": 49
353
+ },
354
+ {
355
+ "epoch": 0.2599090318388564,
356
+ "grad_norm": 1.6957286596298218,
357
+ "learning_rate": 9.744735364682344e-07,
358
+ "loss": 0.2065,
359
+ "step": 50
360
+ },
361
+ {
362
+ "epoch": 0.2651072124756335,
363
+ "grad_norm": 1.7848544120788574,
364
+ "learning_rate": 9.731246845359184e-07,
365
+ "loss": 0.1949,
366
+ "step": 51
367
+ },
368
+ {
369
+ "epoch": 0.27030539311241064,
370
+ "grad_norm": 1.8262349367141724,
371
+ "learning_rate": 9.7174208935499e-07,
372
+ "loss": 0.2135,
373
+ "step": 52
374
+ },
375
+ {
376
+ "epoch": 0.27550357374918777,
377
+ "grad_norm": 1.6100451946258545,
378
+ "learning_rate": 9.703258495321265e-07,
379
+ "loss": 0.1643,
380
+ "step": 53
381
+ },
382
+ {
383
+ "epoch": 0.2807017543859649,
384
+ "grad_norm": 1.6476277112960815,
385
+ "learning_rate": 9.688760660735402e-07,
386
+ "loss": 0.1796,
387
+ "step": 54
388
+ },
389
+ {
390
+ "epoch": 0.285899935022742,
391
+ "grad_norm": 1.6926974058151245,
392
+ "learning_rate": 9.673928423777756e-07,
393
+ "loss": 0.2048,
394
+ "step": 55
395
+ },
396
+ {
397
+ "epoch": 0.29109811565951915,
398
+ "grad_norm": 1.7797563076019287,
399
+ "learning_rate": 9.658762842283341e-07,
400
+ "loss": 0.1953,
401
+ "step": 56
402
+ },
403
+ {
404
+ "epoch": 0.2962962962962963,
405
+ "grad_norm": 1.7844983339309692,
406
+ "learning_rate": 9.643264997861312e-07,
407
+ "loss": 0.2103,
408
+ "step": 57
409
+ },
410
+ {
411
+ "epoch": 0.3014944769330734,
412
+ "grad_norm": 1.8552502393722534,
413
+ "learning_rate": 9.627435995817797e-07,
414
+ "loss": 0.1854,
415
+ "step": 58
416
+ },
417
+ {
418
+ "epoch": 0.30669265756985054,
419
+ "grad_norm": 1.8308689594268799,
420
+ "learning_rate": 9.611276965077097e-07,
421
+ "loss": 0.1892,
422
+ "step": 59
423
+ },
424
+ {
425
+ "epoch": 0.31189083820662766,
426
+ "grad_norm": 1.8636093139648438,
427
+ "learning_rate": 9.594789058101153e-07,
428
+ "loss": 0.216,
429
+ "step": 60
430
+ },
431
+ {
432
+ "epoch": 0.3170890188434048,
433
+ "grad_norm": 1.5857099294662476,
434
+ "learning_rate": 9.577973450807351e-07,
435
+ "loss": 0.1924,
436
+ "step": 61
437
+ },
438
+ {
439
+ "epoch": 0.3222871994801819,
440
+ "grad_norm": 1.670000433921814,
441
+ "learning_rate": 9.560831342484666e-07,
442
+ "loss": 0.2088,
443
+ "step": 62
444
+ },
445
+ {
446
+ "epoch": 0.32748538011695905,
447
+ "grad_norm": 1.8758388757705688,
448
+ "learning_rate": 9.543363955708124e-07,
449
+ "loss": 0.1697,
450
+ "step": 63
451
+ },
452
+ {
453
+ "epoch": 0.3326835607537362,
454
+ "grad_norm": 2.020310401916504,
455
+ "learning_rate": 9.525572536251605e-07,
456
+ "loss": 0.2249,
457
+ "step": 64
458
+ },
459
+ {
460
+ "epoch": 0.3378817413905133,
461
+ "grad_norm": 1.8294882774353027,
462
+ "learning_rate": 9.507458352999001e-07,
463
+ "loss": 0.1884,
464
+ "step": 65
465
+ },
466
+ {
467
+ "epoch": 0.34307992202729043,
468
+ "grad_norm": 1.606002926826477,
469
+ "learning_rate": 9.489022697853708e-07,
470
+ "loss": 0.1761,
471
+ "step": 66
472
+ },
473
+ {
474
+ "epoch": 0.34827810266406756,
475
+ "grad_norm": 1.6073530912399292,
476
+ "learning_rate": 9.470266885646503e-07,
477
+ "loss": 0.1871,
478
+ "step": 67
479
+ },
480
+ {
481
+ "epoch": 0.3534762833008447,
482
+ "grad_norm": 1.7087726593017578,
483
+ "learning_rate": 9.451192254041758e-07,
484
+ "loss": 0.173,
485
+ "step": 68
486
+ },
487
+ {
488
+ "epoch": 0.3586744639376218,
489
+ "grad_norm": 1.7764538526535034,
490
+ "learning_rate": 9.431800163442041e-07,
491
+ "loss": 0.1957,
492
+ "step": 69
493
+ },
494
+ {
495
+ "epoch": 0.36387264457439894,
496
+ "grad_norm": 1.8759775161743164,
497
+ "learning_rate": 9.412091996891095e-07,
498
+ "loss": 0.2154,
499
+ "step": 70
500
+ },
501
+ {
502
+ "epoch": 0.36907082521117607,
503
+ "grad_norm": 1.8281443119049072,
504
+ "learning_rate": 9.392069159975198e-07,
505
+ "loss": 0.1679,
506
+ "step": 71
507
+ },
508
+ {
509
+ "epoch": 0.3742690058479532,
510
+ "grad_norm": 1.7894129753112793,
511
+ "learning_rate": 9.37173308072291e-07,
512
+ "loss": 0.1679,
513
+ "step": 72
514
+ },
515
+ {
516
+ "epoch": 0.3794671864847303,
517
+ "grad_norm": 1.6492183208465576,
518
+ "learning_rate": 9.35108520950324e-07,
519
+ "loss": 0.1833,
520
+ "step": 73
521
+ },
522
+ {
523
+ "epoch": 0.38466536712150745,
524
+ "grad_norm": 1.6076239347457886,
525
+ "learning_rate": 9.330127018922193e-07,
526
+ "loss": 0.1507,
527
+ "step": 74
528
+ },
529
+ {
530
+ "epoch": 0.3898635477582846,
531
+ "grad_norm": 1.8182544708251953,
532
+ "learning_rate": 9.308860003717748e-07,
533
+ "loss": 0.1759,
534
+ "step": 75
535
+ },
536
+ {
537
+ "epoch": 0.3950617283950617,
538
+ "grad_norm": 2.183497667312622,
539
+ "learning_rate": 9.287285680653254e-07,
540
+ "loss": 0.2069,
541
+ "step": 76
542
+ },
543
+ {
544
+ "epoch": 0.40025990903183883,
545
+ "grad_norm": 1.9281930923461914,
546
+ "learning_rate": 9.265405588409256e-07,
547
+ "loss": 0.1813,
548
+ "step": 77
549
+ },
550
+ {
551
+ "epoch": 0.40545808966861596,
552
+ "grad_norm": 1.7534650564193726,
553
+ "learning_rate": 9.243221287473755e-07,
554
+ "loss": 0.1764,
555
+ "step": 78
556
+ },
557
+ {
558
+ "epoch": 0.4106562703053931,
559
+ "grad_norm": 1.7174078226089478,
560
+ "learning_rate": 9.220734360030906e-07,
561
+ "loss": 0.1863,
562
+ "step": 79
563
+ },
564
+ {
565
+ "epoch": 0.4158544509421702,
566
+ "grad_norm": 1.7550305128097534,
567
+ "learning_rate": 9.197946409848194e-07,
568
+ "loss": 0.1718,
569
+ "step": 80
570
+ },
571
+ {
572
+ "epoch": 0.42105263157894735,
573
+ "grad_norm": 1.4776816368103027,
574
+ "learning_rate": 9.174859062162037e-07,
575
+ "loss": 0.156,
576
+ "step": 81
577
+ },
578
+ {
579
+ "epoch": 0.4262508122157245,
580
+ "grad_norm": 1.7932229042053223,
581
+ "learning_rate": 9.151473963561882e-07,
582
+ "loss": 0.1821,
583
+ "step": 82
584
+ },
585
+ {
586
+ "epoch": 0.4314489928525016,
587
+ "grad_norm": 1.6103583574295044,
588
+ "learning_rate": 9.127792781872768e-07,
589
+ "loss": 0.1749,
590
+ "step": 83
591
+ },
592
+ {
593
+ "epoch": 0.43664717348927873,
594
+ "grad_norm": 1.8216729164123535,
595
+ "learning_rate": 9.103817206036382e-07,
596
+ "loss": 0.177,
597
+ "step": 84
598
+ },
599
+ {
600
+ "epoch": 0.44184535412605586,
601
+ "grad_norm": 1.7169886827468872,
602
+ "learning_rate": 9.079548945990592e-07,
603
+ "loss": 0.1845,
604
+ "step": 85
605
+ },
606
+ {
607
+ "epoch": 0.447043534762833,
608
+ "grad_norm": 1.4935150146484375,
609
+ "learning_rate": 9.054989732547506e-07,
610
+ "loss": 0.1518,
611
+ "step": 86
612
+ },
613
+ {
614
+ "epoch": 0.4522417153996101,
615
+ "grad_norm": 1.7215607166290283,
616
+ "learning_rate": 9.030141317270025e-07,
617
+ "loss": 0.1651,
618
+ "step": 87
619
+ },
620
+ {
621
+ "epoch": 0.45743989603638724,
622
+ "grad_norm": 1.885299801826477,
623
+ "learning_rate": 9.005005472346923e-07,
624
+ "loss": 0.1862,
625
+ "step": 88
626
+ },
627
+ {
628
+ "epoch": 0.46263807667316437,
629
+ "grad_norm": 1.6924781799316406,
630
+ "learning_rate": 8.979583990466452e-07,
631
+ "loss": 0.1834,
632
+ "step": 89
633
+ },
634
+ {
635
+ "epoch": 0.4678362573099415,
636
+ "grad_norm": 1.6620601415634155,
637
+ "learning_rate": 8.953878684688492e-07,
638
+ "loss": 0.1736,
639
+ "step": 90
640
+ },
641
+ {
642
+ "epoch": 0.4730344379467186,
643
+ "grad_norm": 1.7256325483322144,
644
+ "learning_rate": 8.92789138831524e-07,
645
+ "loss": 0.1792,
646
+ "step": 91
647
+ },
648
+ {
649
+ "epoch": 0.47823261858349575,
650
+ "grad_norm": 1.6039340496063232,
651
+ "learning_rate": 8.901623954760459e-07,
652
+ "loss": 0.1704,
653
+ "step": 92
654
+ },
655
+ {
656
+ "epoch": 0.4834307992202729,
657
+ "grad_norm": 1.6422524452209473,
658
+ "learning_rate": 8.875078257417294e-07,
659
+ "loss": 0.1621,
660
+ "step": 93
661
+ },
662
+ {
663
+ "epoch": 0.48862897985705,
664
+ "grad_norm": 1.6837060451507568,
665
+ "learning_rate": 8.84825618952466e-07,
666
+ "loss": 0.183,
667
+ "step": 94
668
+ },
669
+ {
670
+ "epoch": 0.49382716049382713,
671
+ "grad_norm": 1.750653862953186,
672
+ "learning_rate": 8.821159664032223e-07,
673
+ "loss": 0.1689,
674
+ "step": 95
675
+ },
676
+ {
677
+ "epoch": 0.49902534113060426,
678
+ "grad_norm": 1.6462229490280151,
679
+ "learning_rate": 8.793790613463954e-07,
680
+ "loss": 0.1394,
681
+ "step": 96
682
+ },
683
+ {
684
+ "epoch": 0.5042235217673814,
685
+ "grad_norm": 1.7336857318878174,
686
+ "learning_rate": 8.766150989780317e-07,
687
+ "loss": 0.1581,
688
+ "step": 97
689
+ },
690
+ {
691
+ "epoch": 0.5094217024041585,
692
+ "grad_norm": 1.8384933471679688,
693
+ "learning_rate": 8.738242764239046e-07,
694
+ "loss": 0.1918,
695
+ "step": 98
696
+ },
697
+ {
698
+ "epoch": 0.5146198830409356,
699
+ "grad_norm": 1.723486065864563,
700
+ "learning_rate": 8.710067927254554e-07,
701
+ "loss": 0.1737,
702
+ "step": 99
703
+ },
704
+ {
705
+ "epoch": 0.5198180636777128,
706
+ "grad_norm": 1.9092669486999512,
707
+ "learning_rate": 8.681628488255986e-07,
708
+ "loss": 0.1728,
709
+ "step": 100
710
+ },
711
+ {
712
+ "epoch": 0.5250162443144899,
713
+ "grad_norm": 1.729762315750122,
714
+ "learning_rate": 8.652926475543898e-07,
715
+ "loss": 0.162,
716
+ "step": 101
717
+ },
718
+ {
719
+ "epoch": 0.530214424951267,
720
+ "grad_norm": 1.7867392301559448,
721
+ "learning_rate": 8.623963936145599e-07,
722
+ "loss": 0.1658,
723
+ "step": 102
724
+ },
725
+ {
726
+ "epoch": 0.5354126055880442,
727
+ "grad_norm": 2.0217678546905518,
728
+ "learning_rate": 8.594742935669164e-07,
729
+ "loss": 0.1865,
730
+ "step": 103
731
+ },
732
+ {
733
+ "epoch": 0.5406107862248213,
734
+ "grad_norm": 1.7473349571228027,
735
+ "learning_rate": 8.565265558156101e-07,
736
+ "loss": 0.1535,
737
+ "step": 104
738
+ },
739
+ {
740
+ "epoch": 0.5458089668615984,
741
+ "grad_norm": 1.5292036533355713,
742
+ "learning_rate": 8.535533905932737e-07,
743
+ "loss": 0.1559,
744
+ "step": 105
745
+ },
746
+ {
747
+ "epoch": 0.5510071474983755,
748
+ "grad_norm": 1.5472049713134766,
749
+ "learning_rate": 8.505550099460263e-07,
750
+ "loss": 0.1423,
751
+ "step": 106
752
+ },
753
+ {
754
+ "epoch": 0.5562053281351527,
755
+ "grad_norm": 1.636443853378296,
756
+ "learning_rate": 8.475316277183508e-07,
757
+ "loss": 0.1747,
758
+ "step": 107
759
+ },
760
+ {
761
+ "epoch": 0.5614035087719298,
762
+ "grad_norm": 1.5992189645767212,
763
+ "learning_rate": 8.444834595378433e-07,
764
+ "loss": 0.1766,
765
+ "step": 108
766
+ },
767
+ {
768
+ "epoch": 0.5666016894087069,
769
+ "grad_norm": 1.6766347885131836,
770
+ "learning_rate": 8.414107227998328e-07,
771
+ "loss": 0.1421,
772
+ "step": 109
773
+ },
774
+ {
775
+ "epoch": 0.571799870045484,
776
+ "grad_norm": 1.7345399856567383,
777
+ "learning_rate": 8.383136366518787e-07,
778
+ "loss": 0.1752,
779
+ "step": 110
780
+ },
781
+ {
782
+ "epoch": 0.5769980506822612,
783
+ "grad_norm": 1.669264793395996,
784
+ "learning_rate": 8.351924219781392e-07,
785
+ "loss": 0.1661,
786
+ "step": 111
787
+ },
788
+ {
789
+ "epoch": 0.5821962313190383,
790
+ "grad_norm": 1.7636350393295288,
791
+ "learning_rate": 8.320473013836195e-07,
792
+ "loss": 0.1892,
793
+ "step": 112
794
+ },
795
+ {
796
+ "epoch": 0.5873944119558154,
797
+ "grad_norm": 1.8429635763168335,
798
+ "learning_rate": 8.288784991782945e-07,
799
+ "loss": 0.1883,
800
+ "step": 113
801
+ },
802
+ {
803
+ "epoch": 0.5925925925925926,
804
+ "grad_norm": 1.5329152345657349,
805
+ "learning_rate": 8.256862413611112e-07,
806
+ "loss": 0.1472,
807
+ "step": 114
808
+ },
809
+ {
810
+ "epoch": 0.5977907732293697,
811
+ "grad_norm": 1.9208284616470337,
812
+ "learning_rate": 8.22470755603871e-07,
813
+ "loss": 0.1714,
814
+ "step": 115
815
+ },
816
+ {
817
+ "epoch": 0.6029889538661468,
818
+ "grad_norm": 1.6381752490997314,
819
+ "learning_rate": 8.192322712349917e-07,
820
+ "loss": 0.1806,
821
+ "step": 116
822
+ },
823
+ {
824
+ "epoch": 0.6081871345029239,
825
+ "grad_norm": 1.5502922534942627,
826
+ "learning_rate": 8.159710192231519e-07,
827
+ "loss": 0.1653,
828
+ "step": 117
829
+ },
830
+ {
831
+ "epoch": 0.6133853151397011,
832
+ "grad_norm": 1.604650616645813,
833
+ "learning_rate": 8.126872321608183e-07,
834
+ "loss": 0.1478,
835
+ "step": 118
836
+ },
837
+ {
838
+ "epoch": 0.6185834957764782,
839
+ "grad_norm": 1.6860443353652954,
840
+ "learning_rate": 8.093811442476572e-07,
841
+ "loss": 0.1639,
842
+ "step": 119
843
+ },
844
+ {
845
+ "epoch": 0.6237816764132553,
846
+ "grad_norm": 1.5915076732635498,
847
+ "learning_rate": 8.060529912738314e-07,
848
+ "loss": 0.1511,
849
+ "step": 120
850
+ },
851
+ {
852
+ "epoch": 0.6289798570500325,
853
+ "grad_norm": 1.7241225242614746,
854
+ "learning_rate": 8.027030106031835e-07,
855
+ "loss": 0.1848,
856
+ "step": 121
857
+ },
858
+ {
859
+ "epoch": 0.6341780376868096,
860
+ "grad_norm": 1.7747095823287964,
861
+ "learning_rate": 7.993314411563075e-07,
862
+ "loss": 0.1816,
863
+ "step": 122
864
+ },
865
+ {
866
+ "epoch": 0.6393762183235867,
867
+ "grad_norm": 1.6497771739959717,
868
+ "learning_rate": 7.959385233935085e-07,
869
+ "loss": 0.1696,
870
+ "step": 123
871
+ },
872
+ {
873
+ "epoch": 0.6445743989603638,
874
+ "grad_norm": 1.4712307453155518,
875
+ "learning_rate": 7.925244992976537e-07,
876
+ "loss": 0.1297,
877
+ "step": 124
878
+ },
879
+ {
880
+ "epoch": 0.649772579597141,
881
+ "grad_norm": 1.618713140487671,
882
+ "learning_rate": 7.890896123569135e-07,
883
+ "loss": 0.1708,
884
+ "step": 125
885
+ },
886
+ {
887
+ "epoch": 0.6549707602339181,
888
+ "grad_norm": 1.8550593852996826,
889
+ "learning_rate": 7.856341075473961e-07,
890
+ "loss": 0.1646,
891
+ "step": 126
892
+ },
893
+ {
894
+ "epoch": 0.6601689408706952,
895
+ "grad_norm": 1.7929205894470215,
896
+ "learning_rate": 7.821582313156763e-07,
897
+ "loss": 0.1555,
898
+ "step": 127
899
+ },
900
+ {
901
+ "epoch": 0.6653671215074723,
902
+ "grad_norm": 1.8011633157730103,
903
+ "learning_rate": 7.786622315612181e-07,
904
+ "loss": 0.1882,
905
+ "step": 128
906
+ },
907
+ {
908
+ "epoch": 0.6705653021442495,
909
+ "grad_norm": 1.642986536026001,
910
+ "learning_rate": 7.751463576186957e-07,
911
+ "loss": 0.1659,
912
+ "step": 129
913
+ },
914
+ {
915
+ "epoch": 0.6757634827810266,
916
+ "grad_norm": 1.547602653503418,
917
+ "learning_rate": 7.716108602402094e-07,
918
+ "loss": 0.1479,
919
+ "step": 130
920
+ },
921
+ {
922
+ "epoch": 0.6809616634178037,
923
+ "grad_norm": 1.6602659225463867,
924
+ "learning_rate": 7.680559915774033e-07,
925
+ "loss": 0.1627,
926
+ "step": 131
927
+ },
928
+ {
929
+ "epoch": 0.6861598440545809,
930
+ "grad_norm": 1.8091386556625366,
931
+ "learning_rate": 7.644820051634812e-07,
932
+ "loss": 0.1637,
933
+ "step": 132
934
+ },
935
+ {
936
+ "epoch": 0.691358024691358,
937
+ "grad_norm": 1.669487476348877,
938
+ "learning_rate": 7.608891558951248e-07,
939
+ "loss": 0.1599,
940
+ "step": 133
941
+ },
942
+ {
943
+ "epoch": 0.6965562053281351,
944
+ "grad_norm": 1.9016000032424927,
945
+ "learning_rate": 7.572777000143145e-07,
946
+ "loss": 0.1654,
947
+ "step": 134
948
+ },
949
+ {
950
+ "epoch": 0.7017543859649122,
951
+ "grad_norm": 1.4672502279281616,
952
+ "learning_rate": 7.536478950900536e-07,
953
+ "loss": 0.1482,
954
+ "step": 135
955
+ },
956
+ {
957
+ "epoch": 0.7069525666016894,
958
+ "grad_norm": 1.4602234363555908,
959
+ "learning_rate": 7.5e-07,
960
+ "loss": 0.1214,
961
+ "step": 136
962
+ },
963
+ {
964
+ "epoch": 0.7121507472384665,
965
+ "grad_norm": 1.725661277770996,
966
+ "learning_rate": 7.463342749120013e-07,
967
+ "loss": 0.1406,
968
+ "step": 137
969
+ },
970
+ {
971
+ "epoch": 0.7173489278752436,
972
+ "grad_norm": 1.6164398193359375,
973
+ "learning_rate": 7.426509812655405e-07,
974
+ "loss": 0.1492,
975
+ "step": 138
976
+ },
977
+ {
978
+ "epoch": 0.7225471085120208,
979
+ "grad_norm": 1.609312891960144,
980
+ "learning_rate": 7.389503817530905e-07,
981
+ "loss": 0.1669,
982
+ "step": 139
983
+ },
984
+ {
985
+ "epoch": 0.7277452891487979,
986
+ "grad_norm": 1.512629508972168,
987
+ "learning_rate": 7.352327403013779e-07,
988
+ "loss": 0.1318,
989
+ "step": 140
990
+ },
991
+ {
992
+ "epoch": 0.732943469785575,
993
+ "grad_norm": 1.7129087448120117,
994
+ "learning_rate": 7.314983220525604e-07,
995
+ "loss": 0.1762,
996
+ "step": 141
997
+ },
998
+ {
999
+ "epoch": 0.7381416504223521,
1000
+ "grad_norm": 1.6480506658554077,
1001
+ "learning_rate": 7.277473933453169e-07,
1002
+ "loss": 0.1738,
1003
+ "step": 142
1004
+ },
1005
+ {
1006
+ "epoch": 0.7433398310591293,
1007
+ "grad_norm": 1.5904552936553955,
1008
+ "learning_rate": 7.239802216958522e-07,
1009
+ "loss": 0.1558,
1010
+ "step": 143
1011
+ },
1012
+ {
1013
+ "epoch": 0.7485380116959064,
1014
+ "grad_norm": 1.6988767385482788,
1015
+ "learning_rate": 7.201970757788171e-07,
1016
+ "loss": 0.1661,
1017
+ "step": 144
1018
+ },
1019
+ {
1020
+ "epoch": 0.7537361923326835,
1021
+ "grad_norm": 1.5458639860153198,
1022
+ "learning_rate": 7.163982254081474e-07,
1023
+ "loss": 0.1338,
1024
+ "step": 145
1025
+ },
1026
+ {
1027
+ "epoch": 0.7589343729694606,
1028
+ "grad_norm": 1.5240118503570557,
1029
+ "learning_rate": 7.125839415178203e-07,
1030
+ "loss": 0.1405,
1031
+ "step": 146
1032
+ },
1033
+ {
1034
+ "epoch": 0.7641325536062378,
1035
+ "grad_norm": 1.7464412450790405,
1036
+ "learning_rate": 7.087544961425316e-07,
1037
+ "loss": 0.1682,
1038
+ "step": 147
1039
+ },
1040
+ {
1041
+ "epoch": 0.7693307342430149,
1042
+ "grad_norm": 1.7425211668014526,
1043
+ "learning_rate": 7.049101623982937e-07,
1044
+ "loss": 0.1839,
1045
+ "step": 148
1046
+ },
1047
+ {
1048
+ "epoch": 0.774528914879792,
1049
+ "grad_norm": 1.4918522834777832,
1050
+ "learning_rate": 7.010512144629579e-07,
1051
+ "loss": 0.1124,
1052
+ "step": 149
1053
+ },
1054
+ {
1055
+ "epoch": 0.7797270955165692,
1056
+ "grad_norm": 1.6756539344787598,
1057
+ "learning_rate": 6.971779275566593e-07,
1058
+ "loss": 0.1546,
1059
+ "step": 150
1060
+ },
1061
+ {
1062
+ "epoch": 0.7849252761533463,
1063
+ "grad_norm": 1.5222876071929932,
1064
+ "learning_rate": 6.93290577922188e-07,
1065
+ "loss": 0.1313,
1066
+ "step": 151
1067
+ },
1068
+ {
1069
+ "epoch": 0.7901234567901234,
1070
+ "grad_norm": 1.548453688621521,
1071
+ "learning_rate": 6.89389442805288e-07,
1072
+ "loss": 0.1349,
1073
+ "step": 152
1074
+ },
1075
+ {
1076
+ "epoch": 0.7953216374269005,
1077
+ "grad_norm": 1.6898419857025146,
1078
+ "learning_rate": 6.85474800434884e-07,
1079
+ "loss": 0.1568,
1080
+ "step": 153
1081
+ },
1082
+ {
1083
+ "epoch": 0.8005198180636777,
1084
+ "grad_norm": 1.8794304132461548,
1085
+ "learning_rate": 6.815469300032373e-07,
1086
+ "loss": 0.161,
1087
+ "step": 154
1088
+ },
1089
+ {
1090
+ "epoch": 0.8057179987004548,
1091
+ "grad_norm": 1.6816418170928955,
1092
+ "learning_rate": 6.776061116460352e-07,
1093
+ "loss": 0.1615,
1094
+ "step": 155
1095
+ },
1096
+ {
1097
+ "epoch": 0.8109161793372319,
1098
+ "grad_norm": 1.960444688796997,
1099
+ "learning_rate": 6.7365262642241e-07,
1100
+ "loss": 0.1948,
1101
+ "step": 156
1102
+ },
1103
+ {
1104
+ "epoch": 0.816114359974009,
1105
+ "grad_norm": 1.6450730562210083,
1106
+ "learning_rate": 6.696867562948962e-07,
1107
+ "loss": 0.161,
1108
+ "step": 157
1109
+ },
1110
+ {
1111
+ "epoch": 0.8213125406107862,
1112
+ "grad_norm": 1.4993230104446411,
1113
+ "learning_rate": 6.657087841093179e-07,
1114
+ "loss": 0.1476,
1115
+ "step": 158
1116
+ },
1117
+ {
1118
+ "epoch": 0.8265107212475633,
1119
+ "grad_norm": 1.856066346168518,
1120
+ "learning_rate": 6.61718993574619e-07,
1121
+ "loss": 0.1599,
1122
+ "step": 159
1123
+ },
1124
+ {
1125
+ "epoch": 0.8317089018843404,
1126
+ "grad_norm": 1.6243445873260498,
1127
+ "learning_rate": 6.577176692426278e-07,
1128
+ "loss": 0.1548,
1129
+ "step": 160
1130
+ },
1131
+ {
1132
+ "epoch": 0.8369070825211176,
1133
+ "grad_norm": 1.538219928741455,
1134
+ "learning_rate": 6.537050964877625e-07,
1135
+ "loss": 0.1428,
1136
+ "step": 161
1137
+ },
1138
+ {
1139
+ "epoch": 0.8421052631578947,
1140
+ "grad_norm": 1.429417371749878,
1141
+ "learning_rate": 6.496815614866791e-07,
1142
+ "loss": 0.1205,
1143
+ "step": 162
1144
+ },
1145
+ {
1146
+ "epoch": 0.8473034437946718,
1147
+ "grad_norm": 1.7732073068618774,
1148
+ "learning_rate": 6.456473511978606e-07,
1149
+ "loss": 0.1903,
1150
+ "step": 163
1151
+ },
1152
+ {
1153
+ "epoch": 0.852501624431449,
1154
+ "grad_norm": 1.575061321258545,
1155
+ "learning_rate": 6.416027533411519e-07,
1156
+ "loss": 0.1571,
1157
+ "step": 164
1158
+ },
1159
+ {
1160
+ "epoch": 0.8576998050682261,
1161
+ "grad_norm": 1.6352499723434448,
1162
+ "learning_rate": 6.375480563772389e-07,
1163
+ "loss": 0.1484,
1164
+ "step": 165
1165
+ },
1166
+ {
1167
+ "epoch": 0.8628979857050032,
1168
+ "grad_norm": 1.7170888185501099,
1169
+ "learning_rate": 6.334835494870758e-07,
1170
+ "loss": 0.1735,
1171
+ "step": 166
1172
+ },
1173
+ {
1174
+ "epoch": 0.8680961663417803,
1175
+ "grad_norm": 1.5450496673583984,
1176
+ "learning_rate": 6.294095225512604e-07,
1177
+ "loss": 0.1339,
1178
+ "step": 167
1179
+ },
1180
+ {
1181
+ "epoch": 0.8732943469785575,
1182
+ "grad_norm": 1.5989458560943604,
1183
+ "learning_rate": 6.253262661293602e-07,
1184
+ "loss": 0.1393,
1185
+ "step": 168
1186
+ },
1187
+ {
1188
+ "epoch": 0.8784925276153346,
1189
+ "grad_norm": 1.464534878730774,
1190
+ "learning_rate": 6.2123407143919e-07,
1191
+ "loss": 0.1421,
1192
+ "step": 169
1193
+ },
1194
+ {
1195
+ "epoch": 0.8836907082521117,
1196
+ "grad_norm": 1.6165345907211304,
1197
+ "learning_rate": 6.17133230336041e-07,
1198
+ "loss": 0.154,
1199
+ "step": 170
1200
+ },
1201
+ {
1202
+ "epoch": 0.8888888888888888,
1203
+ "grad_norm": 1.5105384588241577,
1204
+ "learning_rate": 6.130240352918674e-07,
1205
+ "loss": 0.1614,
1206
+ "step": 171
1207
+ },
1208
+ {
1209
+ "epoch": 0.894087069525666,
1210
+ "grad_norm": 1.6538264751434326,
1211
+ "learning_rate": 6.089067793744257e-07,
1212
+ "loss": 0.1213,
1213
+ "step": 172
1214
+ },
1215
+ {
1216
+ "epoch": 0.8992852501624431,
1217
+ "grad_norm": 1.5659717321395874,
1218
+ "learning_rate": 6.047817562263743e-07,
1219
+ "loss": 0.1349,
1220
+ "step": 173
1221
+ },
1222
+ {
1223
+ "epoch": 0.9044834307992202,
1224
+ "grad_norm": 1.6108099222183228,
1225
+ "learning_rate": 6.0064926004433e-07,
1226
+ "loss": 0.1572,
1227
+ "step": 174
1228
+ },
1229
+ {
1230
+ "epoch": 0.9096816114359974,
1231
+ "grad_norm": 1.7230148315429688,
1232
+ "learning_rate": 5.965095855578868e-07,
1233
+ "loss": 0.1376,
1234
+ "step": 175
1235
+ },
1236
+ {
1237
+ "epoch": 0.9148797920727745,
1238
+ "grad_norm": 1.7344483137130737,
1239
+ "learning_rate": 5.923630280085947e-07,
1240
+ "loss": 0.1572,
1241
+ "step": 176
1242
+ },
1243
+ {
1244
+ "epoch": 0.9200779727095516,
1245
+ "grad_norm": 1.6481879949569702,
1246
+ "learning_rate": 5.882098831289043e-07,
1247
+ "loss": 0.1626,
1248
+ "step": 177
1249
+ },
1250
+ {
1251
+ "epoch": 0.9252761533463287,
1252
+ "grad_norm": 1.7318065166473389,
1253
+ "learning_rate": 5.840504471210741e-07,
1254
+ "loss": 0.1756,
1255
+ "step": 178
1256
+ },
1257
+ {
1258
+ "epoch": 0.9304743339831059,
1259
+ "grad_norm": 1.676165223121643,
1260
+ "learning_rate": 5.79885016636046e-07,
1261
+ "loss": 0.147,
1262
+ "step": 179
1263
+ },
1264
+ {
1265
+ "epoch": 0.935672514619883,
1266
+ "grad_norm": 1.4620646238327026,
1267
+ "learning_rate": 5.757138887522883e-07,
1268
+ "loss": 0.1249,
1269
+ "step": 180
1270
+ },
1271
+ {
1272
+ "epoch": 0.9408706952566601,
1273
+ "grad_norm": 1.65927255153656,
1274
+ "learning_rate": 5.71537360954607e-07,
1275
+ "loss": 0.163,
1276
+ "step": 181
1277
+ },
1278
+ {
1279
+ "epoch": 0.9460688758934372,
1280
+ "grad_norm": 1.5536587238311768,
1281
+ "learning_rate": 5.673557311129306e-07,
1282
+ "loss": 0.1351,
1283
+ "step": 182
1284
+ },
1285
+ {
1286
+ "epoch": 0.9512670565302144,
1287
+ "grad_norm": 1.7076836824417114,
1288
+ "learning_rate": 5.631692974610647e-07,
1289
+ "loss": 0.1771,
1290
+ "step": 183
1291
+ },
1292
+ {
1293
+ "epoch": 0.9564652371669915,
1294
+ "grad_norm": 1.4979828596115112,
1295
+ "learning_rate": 5.589783585754231e-07,
1296
+ "loss": 0.121,
1297
+ "step": 184
1298
+ },
1299
+ {
1300
+ "epoch": 0.9616634178037686,
1301
+ "grad_norm": 1.5839756727218628,
1302
+ "learning_rate": 5.547832133537327e-07,
1303
+ "loss": 0.1458,
1304
+ "step": 185
1305
+ },
1306
+ {
1307
+ "epoch": 0.9668615984405458,
1308
+ "grad_norm": 1.7546137571334839,
1309
+ "learning_rate": 5.505841609937161e-07,
1310
+ "loss": 0.1671,
1311
+ "step": 186
1312
+ },
1313
+ {
1314
+ "epoch": 0.9720597790773229,
1315
+ "grad_norm": 1.7105190753936768,
1316
+ "learning_rate": 5.463815009717532e-07,
1317
+ "loss": 0.1314,
1318
+ "step": 187
1319
+ },
1320
+ {
1321
+ "epoch": 0.9772579597141,
1322
+ "grad_norm": 1.8557852506637573,
1323
+ "learning_rate": 5.421755330215223e-07,
1324
+ "loss": 0.1794,
1325
+ "step": 188
1326
+ },
1327
+ {
1328
+ "epoch": 0.9824561403508771,
1329
+ "grad_norm": 1.569214105606079,
1330
+ "learning_rate": 5.379665571126231e-07,
1331
+ "loss": 0.1307,
1332
+ "step": 189
1333
+ },
1334
+ {
1335
+ "epoch": 0.9876543209876543,
1336
+ "grad_norm": 1.6137492656707764,
1337
+ "learning_rate": 5.337548734291826e-07,
1338
+ "loss": 0.1412,
1339
+ "step": 190
1340
+ },
1341
+ {
1342
+ "epoch": 0.9928525016244314,
1343
+ "grad_norm": 1.6707996129989624,
1344
+ "learning_rate": 5.295407823484467e-07,
1345
+ "loss": 0.1627,
1346
+ "step": 191
1347
+ },
1348
+ {
1349
+ "epoch": 0.9980506822612085,
1350
+ "grad_norm": 2.3229496479034424,
1351
+ "learning_rate": 5.253245844193564e-07,
1352
+ "loss": 0.1872,
1353
+ "step": 192
1354
+ },
1355
+ {
1356
+ "epoch": 1.0032488628979856,
1357
+ "grad_norm": 1.4374881982803345,
1358
+ "learning_rate": 5.211065803411134e-07,
1359
+ "loss": 0.1118,
1360
+ "step": 193
1361
+ },
1362
+ {
1363
+ "epoch": 1.0084470435347628,
1364
+ "grad_norm": 1.7097264528274536,
1365
+ "learning_rate": 5.168870709417341e-07,
1366
+ "loss": 0.1603,
1367
+ "step": 194
1368
+ },
1369
+ {
1370
+ "epoch": 1.01364522417154,
1371
+ "grad_norm": 1.5904935598373413,
1372
+ "learning_rate": 5.126663571565939e-07,
1373
+ "loss": 0.128,
1374
+ "step": 195
1375
+ },
1376
+ {
1377
+ "epoch": 1.018843404808317,
1378
+ "grad_norm": 1.5433835983276367,
1379
+ "learning_rate": 5.084447400069654e-07,
1380
+ "loss": 0.1192,
1381
+ "step": 196
1382
+ },
1383
+ {
1384
+ "epoch": 1.0240415854450942,
1385
+ "grad_norm": 1.40073561668396,
1386
+ "learning_rate": 5.042225205785492e-07,
1387
+ "loss": 0.1188,
1388
+ "step": 197
1389
+ },
1390
+ {
1391
+ "epoch": 1.0292397660818713,
1392
+ "grad_norm": 1.6374619007110596,
1393
+ "learning_rate": 5e-07,
1394
+ "loss": 0.1486,
1395
+ "step": 198
1396
+ },
1397
+ {
1398
+ "epoch": 1.0344379467186484,
1399
+ "grad_norm": 1.4800790548324585,
1400
+ "learning_rate": 4.957774794214508e-07,
1401
+ "loss": 0.1297,
1402
+ "step": 199
1403
+ },
1404
+ {
1405
+ "epoch": 1.0396361273554255,
1406
+ "grad_norm": 1.5941686630249023,
1407
+ "learning_rate": 4.915552599930345e-07,
1408
+ "loss": 0.1466,
1409
+ "step": 200
1410
+ },
1411
+ {
1412
+ "epoch": 1.0448343079922027,
1413
+ "grad_norm": 1.5258111953735352,
1414
+ "learning_rate": 4.873336428434061e-07,
1415
+ "loss": 0.1264,
1416
+ "step": 201
1417
+ },
1418
+ {
1419
+ "epoch": 1.0500324886289798,
1420
+ "grad_norm": 1.725998878479004,
1421
+ "learning_rate": 4.831129290582659e-07,
1422
+ "loss": 0.1334,
1423
+ "step": 202
1424
+ },
1425
+ {
1426
+ "epoch": 1.055230669265757,
1427
+ "grad_norm": 1.8626656532287598,
1428
+ "learning_rate": 4.788934196588865e-07,
1429
+ "loss": 0.1503,
1430
+ "step": 203
1431
+ },
1432
+ {
1433
+ "epoch": 1.060428849902534,
1434
+ "grad_norm": 1.4593480825424194,
1435
+ "learning_rate": 4.746754155806437e-07,
1436
+ "loss": 0.1225,
1437
+ "step": 204
1438
+ },
1439
+ {
1440
+ "epoch": 1.0656270305393112,
1441
+ "grad_norm": 1.6284171342849731,
1442
+ "learning_rate": 4.7045921765155337e-07,
1443
+ "loss": 0.1397,
1444
+ "step": 205
1445
+ },
1446
+ {
1447
+ "epoch": 1.0708252111760883,
1448
+ "grad_norm": 1.4469428062438965,
1449
+ "learning_rate": 4.662451265708174e-07,
1450
+ "loss": 0.1082,
1451
+ "step": 206
1452
+ },
1453
+ {
1454
+ "epoch": 1.0760233918128654,
1455
+ "grad_norm": 1.3986436128616333,
1456
+ "learning_rate": 4.620334428873769e-07,
1457
+ "loss": 0.1025,
1458
+ "step": 207
1459
+ },
1460
+ {
1461
+ "epoch": 1.0812215724496426,
1462
+ "grad_norm": 1.6322413682937622,
1463
+ "learning_rate": 4.5782446697847764e-07,
1464
+ "loss": 0.126,
1465
+ "step": 208
1466
+ },
1467
+ {
1468
+ "epoch": 1.0864197530864197,
1469
+ "grad_norm": 1.4022878408432007,
1470
+ "learning_rate": 4.536184990282467e-07,
1471
+ "loss": 0.0932,
1472
+ "step": 209
1473
+ },
1474
+ {
1475
+ "epoch": 1.0916179337231968,
1476
+ "grad_norm": 1.8021215200424194,
1477
+ "learning_rate": 4.4941583900628393e-07,
1478
+ "loss": 0.1662,
1479
+ "step": 210
1480
+ },
1481
+ {
1482
+ "epoch": 1.096816114359974,
1483
+ "grad_norm": 1.806060552597046,
1484
+ "learning_rate": 4.4521678664626745e-07,
1485
+ "loss": 0.1574,
1486
+ "step": 211
1487
+ },
1488
+ {
1489
+ "epoch": 1.102014294996751,
1490
+ "grad_norm": 1.7470866441726685,
1491
+ "learning_rate": 4.4102164142457705e-07,
1492
+ "loss": 0.1467,
1493
+ "step": 212
1494
+ },
1495
+ {
1496
+ "epoch": 1.1072124756335282,
1497
+ "grad_norm": 1.5723119974136353,
1498
+ "learning_rate": 4.368307025389355e-07,
1499
+ "loss": 0.1084,
1500
+ "step": 213
1501
+ },
1502
+ {
1503
+ "epoch": 1.1124106562703053,
1504
+ "grad_norm": 1.5377353429794312,
1505
+ "learning_rate": 4.326442688870696e-07,
1506
+ "loss": 0.116,
1507
+ "step": 214
1508
+ },
1509
+ {
1510
+ "epoch": 1.1176088369070825,
1511
+ "grad_norm": 1.7077683210372925,
1512
+ "learning_rate": 4.2846263904539303e-07,
1513
+ "loss": 0.1483,
1514
+ "step": 215
1515
+ },
1516
+ {
1517
+ "epoch": 1.1228070175438596,
1518
+ "grad_norm": 1.8333083391189575,
1519
+ "learning_rate": 4.242861112477118e-07,
1520
+ "loss": 0.1527,
1521
+ "step": 216
1522
+ },
1523
+ {
1524
+ "epoch": 1.1280051981806367,
1525
+ "grad_norm": 1.5769239664077759,
1526
+ "learning_rate": 4.201149833639539e-07,
1527
+ "loss": 0.121,
1528
+ "step": 217
1529
+ },
1530
+ {
1531
+ "epoch": 1.1332033788174138,
1532
+ "grad_norm": 1.919921636581421,
1533
+ "learning_rate": 4.15949552878926e-07,
1534
+ "loss": 0.173,
1535
+ "step": 218
1536
+ },
1537
+ {
1538
+ "epoch": 1.138401559454191,
1539
+ "grad_norm": 1.5571967363357544,
1540
+ "learning_rate": 4.117901168710959e-07,
1541
+ "loss": 0.1227,
1542
+ "step": 219
1543
+ },
1544
+ {
1545
+ "epoch": 1.143599740090968,
1546
+ "grad_norm": 1.6683669090270996,
1547
+ "learning_rate": 4.0763697199140546e-07,
1548
+ "loss": 0.1422,
1549
+ "step": 220
1550
+ },
1551
+ {
1552
+ "epoch": 1.1487979207277452,
1553
+ "grad_norm": 1.6401057243347168,
1554
+ "learning_rate": 4.034904144421134e-07,
1555
+ "loss": 0.1256,
1556
+ "step": 221
1557
+ },
1558
+ {
1559
+ "epoch": 1.1539961013645224,
1560
+ "grad_norm": 1.5419056415557861,
1561
+ "learning_rate": 3.9935073995566987e-07,
1562
+ "loss": 0.1302,
1563
+ "step": 222
1564
+ },
1565
+ {
1566
+ "epoch": 1.1591942820012995,
1567
+ "grad_norm": 1.650795817375183,
1568
+ "learning_rate": 3.952182437736256e-07,
1569
+ "loss": 0.1471,
1570
+ "step": 223
1571
+ },
1572
+ {
1573
+ "epoch": 1.1643924626380766,
1574
+ "grad_norm": 1.672743797302246,
1575
+ "learning_rate": 3.910932206255742e-07,
1576
+ "loss": 0.1298,
1577
+ "step": 224
1578
+ },
1579
+ {
1580
+ "epoch": 1.1695906432748537,
1581
+ "grad_norm": 1.6902425289154053,
1582
+ "learning_rate": 3.869759647081325e-07,
1583
+ "loss": 0.1414,
1584
+ "step": 225
1585
+ },
1586
+ {
1587
+ "epoch": 1.1747888239116309,
1588
+ "grad_norm": 1.607485055923462,
1589
+ "learning_rate": 3.828667696639589e-07,
1590
+ "loss": 0.1032,
1591
+ "step": 226
1592
+ },
1593
+ {
1594
+ "epoch": 1.179987004548408,
1595
+ "grad_norm": 1.5336533784866333,
1596
+ "learning_rate": 3.7876592856081e-07,
1597
+ "loss": 0.1116,
1598
+ "step": 227
1599
+ },
1600
+ {
1601
+ "epoch": 1.1851851851851851,
1602
+ "grad_norm": 1.5528396368026733,
1603
+ "learning_rate": 3.7467373387063964e-07,
1604
+ "loss": 0.1243,
1605
+ "step": 228
1606
+ },
1607
+ {
1608
+ "epoch": 1.1903833658219622,
1609
+ "grad_norm": 1.743318796157837,
1610
+ "learning_rate": 3.7059047744873955e-07,
1611
+ "loss": 0.1437,
1612
+ "step": 229
1613
+ },
1614
+ {
1615
+ "epoch": 1.1955815464587394,
1616
+ "grad_norm": 1.6484525203704834,
1617
+ "learning_rate": 3.665164505129241e-07,
1618
+ "loss": 0.131,
1619
+ "step": 230
1620
+ },
1621
+ {
1622
+ "epoch": 1.2007797270955165,
1623
+ "grad_norm": 1.6531956195831299,
1624
+ "learning_rate": 3.6245194362276094e-07,
1625
+ "loss": 0.1268,
1626
+ "step": 231
1627
+ },
1628
+ {
1629
+ "epoch": 1.2059779077322936,
1630
+ "grad_norm": 1.491297960281372,
1631
+ "learning_rate": 3.5839724665884795e-07,
1632
+ "loss": 0.1261,
1633
+ "step": 232
1634
+ },
1635
+ {
1636
+ "epoch": 1.2111760883690708,
1637
+ "grad_norm": 1.5535728931427002,
1638
+ "learning_rate": 3.5435264880213937e-07,
1639
+ "loss": 0.1233,
1640
+ "step": 233
1641
+ },
1642
+ {
1643
+ "epoch": 1.2163742690058479,
1644
+ "grad_norm": 1.6621695756912231,
1645
+ "learning_rate": 3.50318438513321e-07,
1646
+ "loss": 0.1331,
1647
+ "step": 234
1648
+ },
1649
+ {
1650
+ "epoch": 1.221572449642625,
1651
+ "grad_norm": 1.5829371213912964,
1652
+ "learning_rate": 3.462949035122376e-07,
1653
+ "loss": 0.1229,
1654
+ "step": 235
1655
+ },
1656
+ {
1657
+ "epoch": 1.2267706302794021,
1658
+ "grad_norm": 1.7693301439285278,
1659
+ "learning_rate": 3.4228233075737223e-07,
1660
+ "loss": 0.1434,
1661
+ "step": 236
1662
+ },
1663
+ {
1664
+ "epoch": 1.2319688109161793,
1665
+ "grad_norm": 1.6113789081573486,
1666
+ "learning_rate": 3.3828100642538093e-07,
1667
+ "loss": 0.1213,
1668
+ "step": 237
1669
+ },
1670
+ {
1671
+ "epoch": 1.2371669915529564,
1672
+ "grad_norm": 1.5799354314804077,
1673
+ "learning_rate": 3.342912158906821e-07,
1674
+ "loss": 0.1191,
1675
+ "step": 238
1676
+ },
1677
+ {
1678
+ "epoch": 1.2423651721897335,
1679
+ "grad_norm": 1.5467253923416138,
1680
+ "learning_rate": 3.3031324370510396e-07,
1681
+ "loss": 0.1133,
1682
+ "step": 239
1683
+ },
1684
+ {
1685
+ "epoch": 1.2475633528265107,
1686
+ "grad_norm": 1.8147982358932495,
1687
+ "learning_rate": 3.263473735775899e-07,
1688
+ "loss": 0.1391,
1689
+ "step": 240
1690
+ },
1691
+ {
1692
+ "epoch": 1.2527615334632878,
1693
+ "grad_norm": 1.702359676361084,
1694
+ "learning_rate": 3.2239388835396484e-07,
1695
+ "loss": 0.1339,
1696
+ "step": 241
1697
+ },
1698
+ {
1699
+ "epoch": 1.257959714100065,
1700
+ "grad_norm": 1.7504138946533203,
1701
+ "learning_rate": 3.184530699967627e-07,
1702
+ "loss": 0.1565,
1703
+ "step": 242
1704
+ },
1705
+ {
1706
+ "epoch": 1.263157894736842,
1707
+ "grad_norm": 1.7226463556289673,
1708
+ "learning_rate": 3.1452519956511614e-07,
1709
+ "loss": 0.1266,
1710
+ "step": 243
1711
+ },
1712
+ {
1713
+ "epoch": 1.2683560753736192,
1714
+ "grad_norm": 1.8186461925506592,
1715
+ "learning_rate": 3.1061055719471197e-07,
1716
+ "loss": 0.1347,
1717
+ "step": 244
1718
+ },
1719
+ {
1720
+ "epoch": 1.2735542560103963,
1721
+ "grad_norm": 1.6384614706039429,
1722
+ "learning_rate": 3.0670942207781204e-07,
1723
+ "loss": 0.1115,
1724
+ "step": 245
1725
+ },
1726
+ {
1727
+ "epoch": 1.2787524366471734,
1728
+ "grad_norm": 1.7369823455810547,
1729
+ "learning_rate": 3.028220724433408e-07,
1730
+ "loss": 0.129,
1731
+ "step": 246
1732
+ },
1733
+ {
1734
+ "epoch": 1.2839506172839505,
1735
+ "grad_norm": 1.6780822277069092,
1736
+ "learning_rate": 2.989487855370421e-07,
1737
+ "loss": 0.1385,
1738
+ "step": 247
1739
+ },
1740
+ {
1741
+ "epoch": 1.2891487979207277,
1742
+ "grad_norm": 1.87428879737854,
1743
+ "learning_rate": 2.9508983760170634e-07,
1744
+ "loss": 0.1435,
1745
+ "step": 248
1746
+ },
1747
+ {
1748
+ "epoch": 1.2943469785575048,
1749
+ "grad_norm": 1.7940468788146973,
1750
+ "learning_rate": 2.9124550385746856e-07,
1751
+ "loss": 0.1491,
1752
+ "step": 249
1753
+ },
1754
+ {
1755
+ "epoch": 1.299545159194282,
1756
+ "grad_norm": 1.712099552154541,
1757
+ "learning_rate": 2.8741605848217976e-07,
1758
+ "loss": 0.131,
1759
+ "step": 250
1760
+ },
1761
+ {
1762
+ "epoch": 1.304743339831059,
1763
+ "grad_norm": 1.6154824495315552,
1764
+ "learning_rate": 2.8360177459185263e-07,
1765
+ "loss": 0.1145,
1766
+ "step": 251
1767
+ },
1768
+ {
1769
+ "epoch": 1.3099415204678362,
1770
+ "grad_norm": 1.6371185779571533,
1771
+ "learning_rate": 2.7980292422118277e-07,
1772
+ "loss": 0.1232,
1773
+ "step": 252
1774
+ },
1775
+ {
1776
+ "epoch": 1.3151397011046133,
1777
+ "grad_norm": 1.8156847953796387,
1778
+ "learning_rate": 2.7601977830414766e-07,
1779
+ "loss": 0.1274,
1780
+ "step": 253
1781
+ },
1782
+ {
1783
+ "epoch": 1.3203378817413904,
1784
+ "grad_norm": 1.6596229076385498,
1785
+ "learning_rate": 2.72252606654683e-07,
1786
+ "loss": 0.1168,
1787
+ "step": 254
1788
+ },
1789
+ {
1790
+ "epoch": 1.3255360623781676,
1791
+ "grad_norm": 1.6106423139572144,
1792
+ "learning_rate": 2.685016779474396e-07,
1793
+ "loss": 0.1139,
1794
+ "step": 255
1795
+ },
1796
+ {
1797
+ "epoch": 1.3307342430149447,
1798
+ "grad_norm": 1.6363728046417236,
1799
+ "learning_rate": 2.6476725969862226e-07,
1800
+ "loss": 0.1297,
1801
+ "step": 256
1802
+ },
1803
+ {
1804
+ "epoch": 1.3359324236517218,
1805
+ "grad_norm": 1.4978957176208496,
1806
+ "learning_rate": 2.6104961824690964e-07,
1807
+ "loss": 0.1191,
1808
+ "step": 257
1809
+ },
1810
+ {
1811
+ "epoch": 1.341130604288499,
1812
+ "grad_norm": 1.5889379978179932,
1813
+ "learning_rate": 2.5734901873445956e-07,
1814
+ "loss": 0.1236,
1815
+ "step": 258
1816
+ },
1817
+ {
1818
+ "epoch": 1.346328784925276,
1819
+ "grad_norm": 1.534178376197815,
1820
+ "learning_rate": 2.536657250879988e-07,
1821
+ "loss": 0.1053,
1822
+ "step": 259
1823
+ },
1824
+ {
1825
+ "epoch": 1.3515269655620532,
1826
+ "grad_norm": 1.8409833908081055,
1827
+ "learning_rate": 2.500000000000001e-07,
1828
+ "loss": 0.1427,
1829
+ "step": 260
1830
+ },
1831
+ {
1832
+ "epoch": 1.3567251461988303,
1833
+ "grad_norm": 1.7446589469909668,
1834
+ "learning_rate": 2.4635210490994647e-07,
1835
+ "loss": 0.1194,
1836
+ "step": 261
1837
+ },
1838
+ {
1839
+ "epoch": 1.3619233268356075,
1840
+ "grad_norm": 1.7886688709259033,
1841
+ "learning_rate": 2.427222999856857e-07,
1842
+ "loss": 0.1351,
1843
+ "step": 262
1844
+ },
1845
+ {
1846
+ "epoch": 1.3671215074723846,
1847
+ "grad_norm": 1.6462031602859497,
1848
+ "learning_rate": 2.391108441048753e-07,
1849
+ "loss": 0.1249,
1850
+ "step": 263
1851
+ },
1852
+ {
1853
+ "epoch": 1.3723196881091617,
1854
+ "grad_norm": 1.8700019121170044,
1855
+ "learning_rate": 2.355179948365189e-07,
1856
+ "loss": 0.1482,
1857
+ "step": 264
1858
+ },
1859
+ {
1860
+ "epoch": 1.3775178687459388,
1861
+ "grad_norm": 1.8244132995605469,
1862
+ "learning_rate": 2.3194400842259687e-07,
1863
+ "loss": 0.134,
1864
+ "step": 265
1865
+ },
1866
+ {
1867
+ "epoch": 1.382716049382716,
1868
+ "grad_norm": 1.8189918994903564,
1869
+ "learning_rate": 2.283891397597908e-07,
1870
+ "loss": 0.1258,
1871
+ "step": 266
1872
+ },
1873
+ {
1874
+ "epoch": 1.387914230019493,
1875
+ "grad_norm": 1.5552480220794678,
1876
+ "learning_rate": 2.2485364238130433e-07,
1877
+ "loss": 0.1131,
1878
+ "step": 267
1879
+ },
1880
+ {
1881
+ "epoch": 1.3931124106562702,
1882
+ "grad_norm": 1.659328579902649,
1883
+ "learning_rate": 2.2133776843878183e-07,
1884
+ "loss": 0.1119,
1885
+ "step": 268
1886
+ },
1887
+ {
1888
+ "epoch": 1.3983105912930474,
1889
+ "grad_norm": 1.3867595195770264,
1890
+ "learning_rate": 2.1784176868432375e-07,
1891
+ "loss": 0.0851,
1892
+ "step": 269
1893
+ },
1894
+ {
1895
+ "epoch": 1.4035087719298245,
1896
+ "grad_norm": 1.7647099494934082,
1897
+ "learning_rate": 2.1436589245260372e-07,
1898
+ "loss": 0.1158,
1899
+ "step": 270
1900
+ },
1901
+ {
1902
+ "epoch": 1.4087069525666016,
1903
+ "grad_norm": 1.8926544189453125,
1904
+ "learning_rate": 2.109103876430864e-07,
1905
+ "loss": 0.1527,
1906
+ "step": 271
1907
+ },
1908
+ {
1909
+ "epoch": 1.4139051332033787,
1910
+ "grad_norm": 1.839390516281128,
1911
+ "learning_rate": 2.074755007023461e-07,
1912
+ "loss": 0.1108,
1913
+ "step": 272
1914
+ },
1915
+ {
1916
+ "epoch": 1.4191033138401559,
1917
+ "grad_norm": 1.797500729560852,
1918
+ "learning_rate": 2.040614766064913e-07,
1919
+ "loss": 0.1508,
1920
+ "step": 273
1921
+ },
1922
+ {
1923
+ "epoch": 1.424301494476933,
1924
+ "grad_norm": 1.7864497900009155,
1925
+ "learning_rate": 2.0066855884369243e-07,
1926
+ "loss": 0.1242,
1927
+ "step": 274
1928
+ },
1929
+ {
1930
+ "epoch": 1.4294996751137101,
1931
+ "grad_norm": 1.853615641593933,
1932
+ "learning_rate": 1.9729698939681644e-07,
1933
+ "loss": 0.122,
1934
+ "step": 275
1935
+ },
1936
+ {
1937
+ "epoch": 1.4346978557504872,
1938
+ "grad_norm": 1.6054631471633911,
1939
+ "learning_rate": 1.9394700872616853e-07,
1940
+ "loss": 0.1212,
1941
+ "step": 276
1942
+ },
1943
+ {
1944
+ "epoch": 1.4398960363872644,
1945
+ "grad_norm": 1.632055640220642,
1946
+ "learning_rate": 1.906188557523427e-07,
1947
+ "loss": 0.1101,
1948
+ "step": 277
1949
+ },
1950
+ {
1951
+ "epoch": 1.4450942170240415,
1952
+ "grad_norm": 1.6560664176940918,
1953
+ "learning_rate": 1.873127678391816e-07,
1954
+ "loss": 0.1217,
1955
+ "step": 278
1956
+ },
1957
+ {
1958
+ "epoch": 1.4502923976608186,
1959
+ "grad_norm": 1.4159197807312012,
1960
+ "learning_rate": 1.8402898077684803e-07,
1961
+ "loss": 0.0988,
1962
+ "step": 279
1963
+ },
1964
+ {
1965
+ "epoch": 1.4554905782975958,
1966
+ "grad_norm": 1.6314151287078857,
1967
+ "learning_rate": 1.8076772876500828e-07,
1968
+ "loss": 0.1293,
1969
+ "step": 280
1970
+ },
1971
+ {
1972
+ "epoch": 1.4606887589343729,
1973
+ "grad_norm": 1.7430942058563232,
1974
+ "learning_rate": 1.775292443961291e-07,
1975
+ "loss": 0.1401,
1976
+ "step": 281
1977
+ },
1978
+ {
1979
+ "epoch": 1.46588693957115,
1980
+ "grad_norm": 1.7857812643051147,
1981
+ "learning_rate": 1.7431375863888898e-07,
1982
+ "loss": 0.1275,
1983
+ "step": 282
1984
+ },
1985
+ {
1986
+ "epoch": 1.4710851202079271,
1987
+ "grad_norm": 1.5308443307876587,
1988
+ "learning_rate": 1.7112150082170568e-07,
1989
+ "loss": 0.1061,
1990
+ "step": 283
1991
+ },
1992
+ {
1993
+ "epoch": 1.4762833008447043,
1994
+ "grad_norm": 1.6288737058639526,
1995
+ "learning_rate": 1.679526986163804e-07,
1996
+ "loss": 0.1119,
1997
+ "step": 284
1998
+ },
1999
+ {
2000
+ "epoch": 1.4814814814814814,
2001
+ "grad_norm": 1.704690933227539,
2002
+ "learning_rate": 1.6480757802186068e-07,
2003
+ "loss": 0.1166,
2004
+ "step": 285
2005
+ },
2006
+ {
2007
+ "epoch": 1.4866796621182585,
2008
+ "grad_norm": 1.5033763647079468,
2009
+ "learning_rate": 1.6168636334812125e-07,
2010
+ "loss": 0.1045,
2011
+ "step": 286
2012
+ },
2013
+ {
2014
+ "epoch": 1.4918778427550357,
2015
+ "grad_norm": 1.4401872158050537,
2016
+ "learning_rate": 1.5858927720016706e-07,
2017
+ "loss": 0.0959,
2018
+ "step": 287
2019
+ },
2020
+ {
2021
+ "epoch": 1.4970760233918128,
2022
+ "grad_norm": 1.6706205606460571,
2023
+ "learning_rate": 1.555165404621567e-07,
2024
+ "loss": 0.1124,
2025
+ "step": 288
2026
+ },
2027
+ {
2028
+ "epoch": 1.50227420402859,
2029
+ "grad_norm": 1.8483508825302124,
2030
+ "learning_rate": 1.5246837228164905e-07,
2031
+ "loss": 0.1146,
2032
+ "step": 289
2033
+ },
2034
+ {
2035
+ "epoch": 1.507472384665367,
2036
+ "grad_norm": 1.8255398273468018,
2037
+ "learning_rate": 1.494449900539737e-07,
2038
+ "loss": 0.1413,
2039
+ "step": 290
2040
+ },
2041
+ {
2042
+ "epoch": 1.5126705653021442,
2043
+ "grad_norm": 1.8132373094558716,
2044
+ "learning_rate": 1.4644660940672627e-07,
2045
+ "loss": 0.1316,
2046
+ "step": 291
2047
+ },
2048
+ {
2049
+ "epoch": 1.5178687459389213,
2050
+ "grad_norm": 1.7580801248550415,
2051
+ "learning_rate": 1.434734441843899e-07,
2052
+ "loss": 0.1252,
2053
+ "step": 292
2054
+ },
2055
+ {
2056
+ "epoch": 1.5230669265756984,
2057
+ "grad_norm": 1.4802451133728027,
2058
+ "learning_rate": 1.4052570643308375e-07,
2059
+ "loss": 0.1087,
2060
+ "step": 293
2061
+ },
2062
+ {
2063
+ "epoch": 1.5282651072124755,
2064
+ "grad_norm": 1.595434308052063,
2065
+ "learning_rate": 1.376036063854401e-07,
2066
+ "loss": 0.1063,
2067
+ "step": 294
2068
+ },
2069
+ {
2070
+ "epoch": 1.5334632878492527,
2071
+ "grad_norm": 1.5052251815795898,
2072
+ "learning_rate": 1.3470735244561027e-07,
2073
+ "loss": 0.1071,
2074
+ "step": 295
2075
+ },
2076
+ {
2077
+ "epoch": 1.5386614684860298,
2078
+ "grad_norm": 1.4966932535171509,
2079
+ "learning_rate": 1.3183715117440142e-07,
2080
+ "loss": 0.1003,
2081
+ "step": 296
2082
+ },
2083
+ {
2084
+ "epoch": 1.543859649122807,
2085
+ "grad_norm": 1.5577093362808228,
2086
+ "learning_rate": 1.2899320727454472e-07,
2087
+ "loss": 0.1147,
2088
+ "step": 297
2089
+ },
2090
+ {
2091
+ "epoch": 1.549057829759584,
2092
+ "grad_norm": 2.081566572189331,
2093
+ "learning_rate": 1.2617572357609562e-07,
2094
+ "loss": 0.1479,
2095
+ "step": 298
2096
+ },
2097
+ {
2098
+ "epoch": 1.5542560103963612,
2099
+ "grad_norm": 1.5348504781723022,
2100
+ "learning_rate": 1.2338490102196825e-07,
2101
+ "loss": 0.1061,
2102
+ "step": 299
2103
+ },
2104
+ {
2105
+ "epoch": 1.5594541910331383,
2106
+ "grad_norm": 1.7641793489456177,
2107
+ "learning_rate": 1.2062093865360457e-07,
2108
+ "loss": 0.1359,
2109
+ "step": 300
2110
+ },
2111
+ {
2112
+ "epoch": 1.5646523716699154,
2113
+ "grad_norm": 1.5747112035751343,
2114
+ "learning_rate": 1.1788403359677767e-07,
2115
+ "loss": 0.1069,
2116
+ "step": 301
2117
+ },
2118
+ {
2119
+ "epoch": 1.5698505523066926,
2120
+ "grad_norm": 1.6333017349243164,
2121
+ "learning_rate": 1.1517438104753385e-07,
2122
+ "loss": 0.1077,
2123
+ "step": 302
2124
+ },
2125
+ {
2126
+ "epoch": 1.5750487329434697,
2127
+ "grad_norm": 1.5666186809539795,
2128
+ "learning_rate": 1.1249217425827062e-07,
2129
+ "loss": 0.1118,
2130
+ "step": 303
2131
+ },
2132
+ {
2133
+ "epoch": 1.5802469135802468,
2134
+ "grad_norm": 1.5051664113998413,
2135
+ "learning_rate": 1.0983760452395413e-07,
2136
+ "loss": 0.1043,
2137
+ "step": 304
2138
+ },
2139
+ {
2140
+ "epoch": 1.585445094217024,
2141
+ "grad_norm": 1.7494423389434814,
2142
+ "learning_rate": 1.07210861168476e-07,
2143
+ "loss": 0.1327,
2144
+ "step": 305
2145
+ },
2146
+ {
2147
+ "epoch": 1.590643274853801,
2148
+ "grad_norm": 1.5114164352416992,
2149
+ "learning_rate": 1.0461213153115079e-07,
2150
+ "loss": 0.0938,
2151
+ "step": 306
2152
+ },
2153
+ {
2154
+ "epoch": 1.5958414554905782,
2155
+ "grad_norm": 1.562703251838684,
2156
+ "learning_rate": 1.0204160095335479e-07,
2157
+ "loss": 0.1056,
2158
+ "step": 307
2159
+ },
2160
+ {
2161
+ "epoch": 1.6010396361273553,
2162
+ "grad_norm": 1.6739459037780762,
2163
+ "learning_rate": 9.94994527653078e-08,
2164
+ "loss": 0.1223,
2165
+ "step": 308
2166
+ },
2167
+ {
2168
+ "epoch": 1.6062378167641325,
2169
+ "grad_norm": 1.6659190654754639,
2170
+ "learning_rate": 9.69858682729976e-08,
2171
+ "loss": 0.1201,
2172
+ "step": 309
2173
+ },
2174
+ {
2175
+ "epoch": 1.6114359974009096,
2176
+ "grad_norm": 1.6198205947875977,
2177
+ "learning_rate": 9.45010267452495e-08,
2178
+ "loss": 0.1041,
2179
+ "step": 310
2180
+ },
2181
+ {
2182
+ "epoch": 1.6166341780376867,
2183
+ "grad_norm": 1.6569786071777344,
2184
+ "learning_rate": 9.204510540094095e-08,
2185
+ "loss": 0.1153,
2186
+ "step": 311
2187
+ },
2188
+ {
2189
+ "epoch": 1.6218323586744638,
2190
+ "grad_norm": 1.6825376749038696,
2191
+ "learning_rate": 8.961827939636196e-08,
2192
+ "loss": 0.1195,
2193
+ "step": 312
2194
+ },
2195
+ {
2196
+ "epoch": 1.627030539311241,
2197
+ "grad_norm": 1.6692954301834106,
2198
+ "learning_rate": 8.722072181272311e-08,
2199
+ "loss": 0.14,
2200
+ "step": 313
2201
+ },
2202
+ {
2203
+ "epoch": 1.632228719948018,
2204
+ "grad_norm": 1.86336350440979,
2205
+ "learning_rate": 8.485260364381186e-08,
2206
+ "loss": 0.1154,
2207
+ "step": 314
2208
+ },
2209
+ {
2210
+ "epoch": 1.6374269005847952,
2211
+ "grad_norm": 1.6375104188919067,
2212
+ "learning_rate": 8.251409378379637e-08,
2213
+ "loss": 0.1087,
2214
+ "step": 315
2215
+ },
2216
+ {
2217
+ "epoch": 1.6426250812215724,
2218
+ "grad_norm": 1.6260446310043335,
2219
+ "learning_rate": 8.02053590151805e-08,
2220
+ "loss": 0.1099,
2221
+ "step": 316
2222
+ },
2223
+ {
2224
+ "epoch": 1.6478232618583495,
2225
+ "grad_norm": 1.7146011590957642,
2226
+ "learning_rate": 7.792656399690922e-08,
2227
+ "loss": 0.1167,
2228
+ "step": 317
2229
+ },
2230
+ {
2231
+ "epoch": 1.6530214424951266,
2232
+ "grad_norm": 1.6423556804656982,
2233
+ "learning_rate": 7.567787125262449e-08,
2234
+ "loss": 0.1171,
2235
+ "step": 318
2236
+ },
2237
+ {
2238
+ "epoch": 1.6582196231319037,
2239
+ "grad_norm": 1.5510940551757812,
2240
+ "learning_rate": 7.345944115907421e-08,
2241
+ "loss": 0.1013,
2242
+ "step": 319
2243
+ },
2244
+ {
2245
+ "epoch": 1.6634178037686809,
2246
+ "grad_norm": 1.863503336906433,
2247
+ "learning_rate": 7.127143193467445e-08,
2248
+ "loss": 0.1423,
2249
+ "step": 320
2250
+ },
2251
+ {
2252
+ "epoch": 1.668615984405458,
2253
+ "grad_norm": 1.7284936904907227,
2254
+ "learning_rate": 6.911399962822518e-08,
2255
+ "loss": 0.1112,
2256
+ "step": 321
2257
+ },
2258
+ {
2259
+ "epoch": 1.6738141650422351,
2260
+ "grad_norm": 1.7205549478530884,
2261
+ "learning_rate": 6.698729810778064e-08,
2262
+ "loss": 0.136,
2263
+ "step": 322
2264
+ },
2265
+ {
2266
+ "epoch": 1.6790123456790123,
2267
+ "grad_norm": 1.4762628078460693,
2268
+ "learning_rate": 6.48914790496759e-08,
2269
+ "loss": 0.1144,
2270
+ "step": 323
2271
+ },
2272
+ {
2273
+ "epoch": 1.6842105263157894,
2274
+ "grad_norm": 1.8362925052642822,
2275
+ "learning_rate": 6.282669192770895e-08,
2276
+ "loss": 0.1328,
2277
+ "step": 324
2278
+ },
2279
+ {
2280
+ "epoch": 1.6894087069525665,
2281
+ "grad_norm": 1.4527249336242676,
2282
+ "learning_rate": 6.079308400248029e-08,
2283
+ "loss": 0.1055,
2284
+ "step": 325
2285
+ },
2286
+ {
2287
+ "epoch": 1.6946068875893436,
2288
+ "grad_norm": 1.7803164720535278,
2289
+ "learning_rate": 5.8790800310890456e-08,
2290
+ "loss": 0.1451,
2291
+ "step": 326
2292
+ },
2293
+ {
2294
+ "epoch": 1.6998050682261208,
2295
+ "grad_norm": 2.059589147567749,
2296
+ "learning_rate": 5.6819983655795936e-08,
2297
+ "loss": 0.1458,
2298
+ "step": 327
2299
+ },
2300
+ {
2301
+ "epoch": 1.705003248862898,
2302
+ "grad_norm": 1.7053784132003784,
2303
+ "learning_rate": 5.4880774595824245e-08,
2304
+ "loss": 0.1257,
2305
+ "step": 328
2306
+ },
2307
+ {
2308
+ "epoch": 1.710201429499675,
2309
+ "grad_norm": 1.97287118434906,
2310
+ "learning_rate": 5.297331143534972e-08,
2311
+ "loss": 0.1381,
2312
+ "step": 329
2313
+ },
2314
+ {
2315
+ "epoch": 1.7153996101364521,
2316
+ "grad_norm": 1.6465667486190796,
2317
+ "learning_rate": 5.109773021462921e-08,
2318
+ "loss": 0.1155,
2319
+ "step": 330
2320
+ },
2321
+ {
2322
+ "epoch": 1.7205977907732293,
2323
+ "grad_norm": 1.6381739377975464,
2324
+ "learning_rate": 4.925416470009991e-08,
2325
+ "loss": 0.1224,
2326
+ "step": 331
2327
+ },
2328
+ {
2329
+ "epoch": 1.7257959714100064,
2330
+ "grad_norm": 1.5278061628341675,
2331
+ "learning_rate": 4.744274637483936e-08,
2332
+ "loss": 0.1203,
2333
+ "step": 332
2334
+ },
2335
+ {
2336
+ "epoch": 1.7309941520467835,
2337
+ "grad_norm": 1.7712794542312622,
2338
+ "learning_rate": 4.566360442918754e-08,
2339
+ "loss": 0.1334,
2340
+ "step": 333
2341
+ },
2342
+ {
2343
+ "epoch": 1.7361923326835607,
2344
+ "grad_norm": 1.912316083908081,
2345
+ "learning_rate": 4.3916865751533306e-08,
2346
+ "loss": 0.1475,
2347
+ "step": 334
2348
+ },
2349
+ {
2350
+ "epoch": 1.7413905133203378,
2351
+ "grad_norm": 1.7500931024551392,
2352
+ "learning_rate": 4.220265491926489e-08,
2353
+ "loss": 0.1165,
2354
+ "step": 335
2355
+ },
2356
+ {
2357
+ "epoch": 1.746588693957115,
2358
+ "grad_norm": 1.7582532167434692,
2359
+ "learning_rate": 4.0521094189884696e-08,
2360
+ "loss": 0.119,
2361
+ "step": 336
2362
+ },
2363
+ {
2364
+ "epoch": 1.751786874593892,
2365
+ "grad_norm": 1.6794097423553467,
2366
+ "learning_rate": 3.887230349229015e-08,
2367
+ "loss": 0.1093,
2368
+ "step": 337
2369
+ },
2370
+ {
2371
+ "epoch": 1.7569850552306692,
2372
+ "grad_norm": 1.797913908958435,
2373
+ "learning_rate": 3.7256400418220256e-08,
2374
+ "loss": 0.1235,
2375
+ "step": 338
2376
+ },
2377
+ {
2378
+ "epoch": 1.7621832358674463,
2379
+ "grad_norm": 1.6042097806930542,
2380
+ "learning_rate": 3.567350021386895e-08,
2381
+ "loss": 0.096,
2382
+ "step": 339
2383
+ },
2384
+ {
2385
+ "epoch": 1.7673814165042234,
2386
+ "grad_norm": 1.7623355388641357,
2387
+ "learning_rate": 3.412371577166578e-08,
2388
+ "loss": 0.1153,
2389
+ "step": 340
2390
+ },
2391
+ {
2392
+ "epoch": 1.7725795971410006,
2393
+ "grad_norm": 1.737052321434021,
2394
+ "learning_rate": 3.260715762222449e-08,
2395
+ "loss": 0.1327,
2396
+ "step": 341
2397
+ },
2398
+ {
2399
+ "epoch": 1.7777777777777777,
2400
+ "grad_norm": 1.61103355884552,
2401
+ "learning_rate": 3.1123933926459845e-08,
2402
+ "loss": 0.1213,
2403
+ "step": 342
2404
+ },
2405
+ {
2406
+ "epoch": 1.7829759584145548,
2407
+ "grad_norm": 1.78020441532135,
2408
+ "learning_rate": 2.9674150467873527e-08,
2409
+ "loss": 0.1262,
2410
+ "step": 343
2411
+ },
2412
+ {
2413
+ "epoch": 1.788174139051332,
2414
+ "grad_norm": 1.7625352144241333,
2415
+ "learning_rate": 2.825791064500993e-08,
2416
+ "loss": 0.1465,
2417
+ "step": 344
2418
+ },
2419
+ {
2420
+ "epoch": 1.793372319688109,
2421
+ "grad_norm": 1.7474111318588257,
2422
+ "learning_rate": 2.6875315464081562e-08,
2423
+ "loss": 0.1289,
2424
+ "step": 345
2425
+ },
2426
+ {
2427
+ "epoch": 1.7985705003248862,
2428
+ "grad_norm": 1.7776579856872559,
2429
+ "learning_rate": 2.5526463531765463e-08,
2430
+ "loss": 0.1219,
2431
+ "step": 346
2432
+ },
2433
+ {
2434
+ "epoch": 1.8037686809616633,
2435
+ "grad_norm": 1.7461159229278564,
2436
+ "learning_rate": 2.4211451048170296e-08,
2437
+ "loss": 0.1361,
2438
+ "step": 347
2439
+ },
2440
+ {
2441
+ "epoch": 1.8089668615984404,
2442
+ "grad_norm": 1.701060175895691,
2443
+ "learning_rate": 2.293037179997559e-08,
2444
+ "loss": 0.1463,
2445
+ "step": 348
2446
+ },
2447
+ {
2448
+ "epoch": 1.8141650422352176,
2449
+ "grad_norm": 1.7974237203598022,
2450
+ "learning_rate": 2.1683317153742775e-08,
2451
+ "loss": 0.14,
2452
+ "step": 349
2453
+ },
2454
+ {
2455
+ "epoch": 1.8193632228719947,
2456
+ "grad_norm": 1.5575218200683594,
2457
+ "learning_rate": 2.047037604939894e-08,
2458
+ "loss": 0.1234,
2459
+ "step": 350
2460
+ },
2461
+ {
2462
+ "epoch": 1.8245614035087718,
2463
+ "grad_norm": 1.6900442838668823,
2464
+ "learning_rate": 1.92916349938938e-08,
2465
+ "loss": 0.1119,
2466
+ "step": 351
2467
+ },
2468
+ {
2469
+ "epoch": 1.829759584145549,
2470
+ "grad_norm": 1.7725763320922852,
2471
+ "learning_rate": 1.8147178055029577e-08,
2472
+ "loss": 0.1456,
2473
+ "step": 352
2474
+ },
2475
+ {
2476
+ "epoch": 1.834957764782326,
2477
+ "grad_norm": 1.677262544631958,
2478
+ "learning_rate": 1.7037086855465898e-08,
2479
+ "loss": 0.1041,
2480
+ "step": 353
2481
+ },
2482
+ {
2483
+ "epoch": 1.8401559454191032,
2484
+ "grad_norm": 1.5990703105926514,
2485
+ "learning_rate": 1.596144056689791e-08,
2486
+ "loss": 0.1149,
2487
+ "step": 354
2488
+ },
2489
+ {
2490
+ "epoch": 1.8453541260558803,
2491
+ "grad_norm": 2.083341598510742,
2492
+ "learning_rate": 1.4920315904410064e-08,
2493
+ "loss": 0.1375,
2494
+ "step": 355
2495
+ },
2496
+ {
2497
+ "epoch": 1.8505523066926575,
2498
+ "grad_norm": 1.7379205226898193,
2499
+ "learning_rate": 1.3913787121004716e-08,
2500
+ "loss": 0.1365,
2501
+ "step": 356
2502
+ },
2503
+ {
2504
+ "epoch": 1.8557504873294346,
2505
+ "grad_norm": 1.6175756454467773,
2506
+ "learning_rate": 1.2941926002306536e-08,
2507
+ "loss": 0.1348,
2508
+ "step": 357
2509
+ },
2510
+ {
2511
+ "epoch": 1.8609486679662117,
2512
+ "grad_norm": 1.7680426836013794,
2513
+ "learning_rate": 1.200480186144237e-08,
2514
+ "loss": 0.1232,
2515
+ "step": 358
2516
+ },
2517
+ {
2518
+ "epoch": 1.8661468486029889,
2519
+ "grad_norm": 1.3798372745513916,
2520
+ "learning_rate": 1.1102481534098374e-08,
2521
+ "loss": 0.0966,
2522
+ "step": 359
2523
+ },
2524
+ {
2525
+ "epoch": 1.871345029239766,
2526
+ "grad_norm": 1.584373950958252,
2527
+ "learning_rate": 1.0235029373752757e-08,
2528
+ "loss": 0.1082,
2529
+ "step": 360
2530
+ },
2531
+ {
2532
+ "epoch": 1.876543209876543,
2533
+ "grad_norm": 1.7235833406448364,
2534
+ "learning_rate": 9.402507247086578e-09,
2535
+ "loss": 0.1348,
2536
+ "step": 361
2537
+ },
2538
+ {
2539
+ "epoch": 1.8817413905133202,
2540
+ "grad_norm": 1.6077182292938232,
2541
+ "learning_rate": 8.60497452957104e-09,
2542
+ "loss": 0.1234,
2543
+ "step": 362
2544
+ },
2545
+ {
2546
+ "epoch": 1.8869395711500974,
2547
+ "grad_norm": 1.5776941776275635,
2548
+ "learning_rate": 7.842488101232891e-09,
2549
+ "loss": 0.1177,
2550
+ "step": 363
2551
+ },
2552
+ {
2553
+ "epoch": 1.8921377517868745,
2554
+ "grad_norm": 1.5909714698791504,
2555
+ "learning_rate": 7.115102342598101e-09,
2556
+ "loss": 0.1133,
2557
+ "step": 364
2558
+ },
2559
+ {
2560
+ "epoch": 1.8973359324236516,
2561
+ "grad_norm": 1.7370619773864746,
2562
+ "learning_rate": 6.422869130812913e-09,
2563
+ "loss": 0.1269,
2564
+ "step": 365
2565
+ },
2566
+ {
2567
+ "epoch": 1.9025341130604287,
2568
+ "grad_norm": 1.7405683994293213,
2569
+ "learning_rate": 5.765837835944309e-09,
2570
+ "loss": 0.1307,
2571
+ "step": 366
2572
+ },
2573
+ {
2574
+ "epoch": 1.9077322936972059,
2575
+ "grad_norm": 1.9631272554397583,
2576
+ "learning_rate": 5.144055317458817e-09,
2577
+ "loss": 0.1546,
2578
+ "step": 367
2579
+ },
2580
+ {
2581
+ "epoch": 1.912930474333983,
2582
+ "grad_norm": 1.6291249990463257,
2583
+ "learning_rate": 4.55756592088058e-09,
2584
+ "loss": 0.1249,
2585
+ "step": 368
2586
+ },
2587
+ {
2588
+ "epoch": 1.9181286549707601,
2589
+ "grad_norm": 1.528748869895935,
2590
+ "learning_rate": 4.0064114746284905e-09,
2591
+ "loss": 0.1027,
2592
+ "step": 369
2593
+ },
2594
+ {
2595
+ "epoch": 1.9233268356075373,
2596
+ "grad_norm": 1.8311703205108643,
2597
+ "learning_rate": 3.4906312870331965e-09,
2598
+ "loss": 0.1128,
2599
+ "step": 370
2600
+ },
2601
+ {
2602
+ "epoch": 1.9285250162443144,
2603
+ "grad_norm": 1.8863190412521362,
2604
+ "learning_rate": 3.010262143533393e-09,
2605
+ "loss": 0.1441,
2606
+ "step": 371
2607
+ },
2608
+ {
2609
+ "epoch": 1.9337231968810915,
2610
+ "grad_norm": 1.5785506963729858,
2611
+ "learning_rate": 2.5653383040524224e-09,
2612
+ "loss": 0.1198,
2613
+ "step": 372
2614
+ },
2615
+ {
2616
+ "epoch": 1.9389213775178686,
2617
+ "grad_norm": 1.6531542539596558,
2618
+ "learning_rate": 2.155891500554896e-09,
2619
+ "loss": 0.1224,
2620
+ "step": 373
2621
+ },
2622
+ {
2623
+ "epoch": 1.9441195581546458,
2624
+ "grad_norm": 1.5542500019073486,
2625
+ "learning_rate": 1.7819509347835049e-09,
2626
+ "loss": 0.1149,
2627
+ "step": 374
2628
+ },
2629
+ {
2630
+ "epoch": 1.949317738791423,
2631
+ "grad_norm": 1.5082885026931763,
2632
+ "learning_rate": 1.4435432761762955e-09,
2633
+ "loss": 0.1061,
2634
+ "step": 375
2635
+ },
2636
+ {
2637
+ "epoch": 1.9545159194282,
2638
+ "grad_norm": 1.5856765508651733,
2639
+ "learning_rate": 1.1406926599646372e-09,
2640
+ "loss": 0.1327,
2641
+ "step": 376
2642
+ },
2643
+ {
2644
+ "epoch": 1.9597141000649771,
2645
+ "grad_norm": 1.6566141843795776,
2646
+ "learning_rate": 8.73420685452042e-10,
2647
+ "loss": 0.1105,
2648
+ "step": 377
2649
+ },
2650
+ {
2651
+ "epoch": 1.9649122807017543,
2652
+ "grad_norm": 1.7047754526138306,
2653
+ "learning_rate": 6.417464144736207e-10,
2654
+ "loss": 0.1301,
2655
+ "step": 378
2656
+ },
2657
+ {
2658
+ "epoch": 1.9701104613385314,
2659
+ "grad_norm": 1.7699244022369385,
2660
+ "learning_rate": 4.4568637003633556e-10,
2661
+ "loss": 0.1412,
2662
+ "step": 379
2663
+ },
2664
+ {
2665
+ "epoch": 1.9753086419753085,
2666
+ "grad_norm": 1.8177380561828613,
2667
+ "learning_rate": 2.852545351409996e-10,
2668
+ "loss": 0.1571,
2669
+ "step": 380
2670
+ },
2671
+ {
2672
+ "epoch": 1.9805068226120857,
2673
+ "grad_norm": 1.5334748029708862,
2674
+ "learning_rate": 1.6046235178474033e-10,
2675
+ "loss": 0.104,
2676
+ "step": 381
2677
+ },
2678
+ {
2679
+ "epoch": 1.9857050032488628,
2680
+ "grad_norm": 1.7260781526565552,
2681
+ "learning_rate": 7.13187201450971e-11,
2682
+ "loss": 0.1263,
2683
+ "step": 382
2684
+ },
2685
+ {
2686
+ "epoch": 1.99090318388564,
2687
+ "grad_norm": 1.6607623100280762,
2688
+ "learning_rate": 1.7829997945084662e-11,
2689
+ "loss": 0.1135,
2690
+ "step": 383
2691
+ },
2692
+ {
2693
+ "epoch": 1.996101364522417,
2694
+ "grad_norm": 1.7004939317703247,
2695
+ "learning_rate": 0.0,
2696
+ "loss": 0.1315,
2697
+ "step": 384
2698
+ },
2699
+ {
2700
+ "epoch": 1.996101364522417,
2701
+ "step": 384,
2702
+ "total_flos": 3.0550374682743276e+18,
2703
+ "train_loss": 0.19105235013800362,
2704
+ "train_runtime": 6828.3197,
2705
+ "train_samples_per_second": 7.211,
2706
+ "train_steps_per_second": 0.056
2707
+ }
2708
+ ],
2709
+ "logging_steps": 1.0,
2710
+ "max_steps": 384,
2711
+ "num_input_tokens_seen": 0,
2712
+ "num_train_epochs": 2,
2713
+ "save_steps": 500,
2714
+ "stateful_callbacks": {
2715
+ "TrainerControl": {
2716
+ "args": {
2717
+ "should_epoch_stop": false,
2718
+ "should_evaluate": false,
2719
+ "should_log": false,
2720
+ "should_save": true,
2721
+ "should_training_stop": true
2722
+ },
2723
+ "attributes": {}
2724
+ }
2725
+ },
2726
+ "total_flos": 3.0550374682743276e+18,
2727
+ "train_batch_size": 1,
2728
+ "trial_name": null,
2729
+ "trial_params": null
2730
+ }