Omriy123 commited on
Commit
a941a52
1 Parent(s): e7031dd
README.md CHANGED
@@ -1,5 +1,8 @@
1
  ---
 
 
2
  tags:
 
3
  - generated_from_trainer
4
  datasets:
5
  - imagefolder
@@ -12,7 +15,7 @@ model-index:
12
  name: Image Classification
13
  type: image-classification
14
  dataset:
15
- name: imagefolder
16
  type: imagefolder
17
  config: default
18
  split: train
@@ -20,7 +23,7 @@ model-index:
20
  metrics:
21
  - name: Accuracy
22
  type: accuracy
23
- value: 0.9850666666666666
24
  ---
25
 
26
  <!-- This model card has been generated automatically according to the information the Trainer had access to. You
@@ -28,10 +31,10 @@ should probably proofread and complete it, then remove this comment. -->
28
 
29
  # vit_epochs5_batch32_lr5e-05_size224_tiles4_seed2_q3_DA
30
 
31
- This model was trained from scratch on the imagefolder dataset.
32
  It achieves the following results on the evaluation set:
33
- - Loss: 0.0585
34
- - Accuracy: 0.9851
35
 
36
  ## Model description
37
 
 
1
  ---
2
+ license: apache-2.0
3
+ base_model: google/vit-base-patch16-224-in21k
4
  tags:
5
+ - image-classification
6
  - generated_from_trainer
7
  datasets:
8
  - imagefolder
 
15
  name: Image Classification
16
  type: image-classification
17
  dataset:
18
+ name: Dogs_vs_Cats
19
  type: imagefolder
20
  config: default
21
  split: train
 
23
  metrics:
24
  - name: Accuracy
25
  type: accuracy
26
+ value: 0.9848
27
  ---
28
 
29
  <!-- This model card has been generated automatically according to the information the Trainer had access to. You
 
31
 
32
  # vit_epochs5_batch32_lr5e-05_size224_tiles4_seed2_q3_DA
33
 
34
+ This model is a fine-tuned version of [google/vit-base-patch16-224-in21k](https://huggingface.co/google/vit-base-patch16-224-in21k) on the Dogs_vs_Cats dataset.
35
  It achieves the following results on the evaluation set:
36
+ - Loss: 0.0483
37
+ - Accuracy: 0.9848
38
 
39
  ## Model description
40
 
all_results.json ADDED
@@ -0,0 +1,13 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 5.0,
3
+ "eval_accuracy": 0.9848,
4
+ "eval_loss": 0.04830923676490784,
5
+ "eval_runtime": 30.1089,
6
+ "eval_samples_per_second": 124.548,
7
+ "eval_steps_per_second": 3.919,
8
+ "total_flos": 5.8118992210944e+18,
9
+ "train_loss": 0.05465555480603915,
10
+ "train_runtime": 1494.5591,
11
+ "train_samples_per_second": 50.182,
12
+ "train_steps_per_second": 1.569
13
+ }
eval_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 5.0,
3
+ "eval_accuracy": 0.9848,
4
+ "eval_loss": 0.04830923676490784,
5
+ "eval_runtime": 30.1089,
6
+ "eval_samples_per_second": 124.548,
7
+ "eval_steps_per_second": 3.919
8
+ }
runs/Jun25_11-37-03_f4e36212b534/events.out.tfevents.1719316978.f4e36212b534.281.9 ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:a1574b01d5abf73a7d6e3ccd94abf2584f640eea9e3cccccd495e8ad9103a74e
3
+ size 411
train_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 5.0,
3
+ "total_flos": 5.8118992210944e+18,
4
+ "train_loss": 0.05465555480603915,
5
+ "train_runtime": 1494.5591,
6
+ "train_samples_per_second": 50.182,
7
+ "train_steps_per_second": 1.569
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,3370 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": 0.04830923676490784,
3
+ "best_model_checkpoint": "vit_epochs5_batch32_lr5e-05_size224_tiles4_seed2_q3_DA/checkpoint-938",
4
+ "epoch": 5.0,
5
+ "eval_steps": 500,
6
+ "global_step": 2345,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.010660980810234541,
13
+ "grad_norm": 6.784224987030029,
14
+ "learning_rate": 4.989339019189766e-05,
15
+ "loss": 0.1077,
16
+ "step": 5
17
+ },
18
+ {
19
+ "epoch": 0.021321961620469083,
20
+ "grad_norm": 0.0719379261136055,
21
+ "learning_rate": 4.978678038379531e-05,
22
+ "loss": 0.0596,
23
+ "step": 10
24
+ },
25
+ {
26
+ "epoch": 0.031982942430703626,
27
+ "grad_norm": 0.6269323229789734,
28
+ "learning_rate": 4.9680170575692967e-05,
29
+ "loss": 0.0418,
30
+ "step": 15
31
+ },
32
+ {
33
+ "epoch": 0.042643923240938165,
34
+ "grad_norm": 3.398554801940918,
35
+ "learning_rate": 4.957356076759062e-05,
36
+ "loss": 0.0456,
37
+ "step": 20
38
+ },
39
+ {
40
+ "epoch": 0.053304904051172705,
41
+ "grad_norm": 0.8797736763954163,
42
+ "learning_rate": 4.9466950959488276e-05,
43
+ "loss": 0.0425,
44
+ "step": 25
45
+ },
46
+ {
47
+ "epoch": 0.06396588486140725,
48
+ "grad_norm": 1.6675140857696533,
49
+ "learning_rate": 4.936034115138593e-05,
50
+ "loss": 0.0565,
51
+ "step": 30
52
+ },
53
+ {
54
+ "epoch": 0.07462686567164178,
55
+ "grad_norm": 0.11653757840394974,
56
+ "learning_rate": 4.9253731343283586e-05,
57
+ "loss": 0.0617,
58
+ "step": 35
59
+ },
60
+ {
61
+ "epoch": 0.08528784648187633,
62
+ "grad_norm": 4.940067291259766,
63
+ "learning_rate": 4.914712153518124e-05,
64
+ "loss": 0.1651,
65
+ "step": 40
66
+ },
67
+ {
68
+ "epoch": 0.09594882729211088,
69
+ "grad_norm": 1.9414113759994507,
70
+ "learning_rate": 4.904051172707889e-05,
71
+ "loss": 0.0357,
72
+ "step": 45
73
+ },
74
+ {
75
+ "epoch": 0.10660980810234541,
76
+ "grad_norm": 1.174008846282959,
77
+ "learning_rate": 4.893390191897655e-05,
78
+ "loss": 0.0649,
79
+ "step": 50
80
+ },
81
+ {
82
+ "epoch": 0.11727078891257996,
83
+ "grad_norm": 2.998501777648926,
84
+ "learning_rate": 4.88272921108742e-05,
85
+ "loss": 0.1309,
86
+ "step": 55
87
+ },
88
+ {
89
+ "epoch": 0.1279317697228145,
90
+ "grad_norm": 2.1692066192626953,
91
+ "learning_rate": 4.872068230277186e-05,
92
+ "loss": 0.1268,
93
+ "step": 60
94
+ },
95
+ {
96
+ "epoch": 0.13859275053304904,
97
+ "grad_norm": 0.3939424455165863,
98
+ "learning_rate": 4.861407249466951e-05,
99
+ "loss": 0.0507,
100
+ "step": 65
101
+ },
102
+ {
103
+ "epoch": 0.14925373134328357,
104
+ "grad_norm": 2.349764585494995,
105
+ "learning_rate": 4.850746268656717e-05,
106
+ "loss": 0.1432,
107
+ "step": 70
108
+ },
109
+ {
110
+ "epoch": 0.15991471215351813,
111
+ "grad_norm": 2.673753023147583,
112
+ "learning_rate": 4.840085287846482e-05,
113
+ "loss": 0.109,
114
+ "step": 75
115
+ },
116
+ {
117
+ "epoch": 0.17057569296375266,
118
+ "grad_norm": 2.0671417713165283,
119
+ "learning_rate": 4.829424307036248e-05,
120
+ "loss": 0.0601,
121
+ "step": 80
122
+ },
123
+ {
124
+ "epoch": 0.1812366737739872,
125
+ "grad_norm": 4.967921257019043,
126
+ "learning_rate": 4.8187633262260126e-05,
127
+ "loss": 0.1105,
128
+ "step": 85
129
+ },
130
+ {
131
+ "epoch": 0.19189765458422176,
132
+ "grad_norm": 0.2999139726161957,
133
+ "learning_rate": 4.808102345415779e-05,
134
+ "loss": 0.0583,
135
+ "step": 90
136
+ },
137
+ {
138
+ "epoch": 0.2025586353944563,
139
+ "grad_norm": 0.5032183527946472,
140
+ "learning_rate": 4.7974413646055436e-05,
141
+ "loss": 0.0401,
142
+ "step": 95
143
+ },
144
+ {
145
+ "epoch": 0.21321961620469082,
146
+ "grad_norm": 2.287231922149658,
147
+ "learning_rate": 4.78678038379531e-05,
148
+ "loss": 0.0978,
149
+ "step": 100
150
+ },
151
+ {
152
+ "epoch": 0.22388059701492538,
153
+ "grad_norm": 1.2140474319458008,
154
+ "learning_rate": 4.7761194029850745e-05,
155
+ "loss": 0.0445,
156
+ "step": 105
157
+ },
158
+ {
159
+ "epoch": 0.2345415778251599,
160
+ "grad_norm": 2.8165881633758545,
161
+ "learning_rate": 4.765458422174841e-05,
162
+ "loss": 0.0645,
163
+ "step": 110
164
+ },
165
+ {
166
+ "epoch": 0.24520255863539445,
167
+ "grad_norm": 2.413193702697754,
168
+ "learning_rate": 4.7547974413646055e-05,
169
+ "loss": 0.1129,
170
+ "step": 115
171
+ },
172
+ {
173
+ "epoch": 0.255863539445629,
174
+ "grad_norm": 0.24151122570037842,
175
+ "learning_rate": 4.7441364605543716e-05,
176
+ "loss": 0.0515,
177
+ "step": 120
178
+ },
179
+ {
180
+ "epoch": 0.26652452025586354,
181
+ "grad_norm": 2.4913880825042725,
182
+ "learning_rate": 4.7334754797441364e-05,
183
+ "loss": 0.0222,
184
+ "step": 125
185
+ },
186
+ {
187
+ "epoch": 0.2771855010660981,
188
+ "grad_norm": 2.051178455352783,
189
+ "learning_rate": 4.7228144989339026e-05,
190
+ "loss": 0.0838,
191
+ "step": 130
192
+ },
193
+ {
194
+ "epoch": 0.2878464818763326,
195
+ "grad_norm": 0.17305085062980652,
196
+ "learning_rate": 4.7121535181236674e-05,
197
+ "loss": 0.0153,
198
+ "step": 135
199
+ },
200
+ {
201
+ "epoch": 0.29850746268656714,
202
+ "grad_norm": 0.41301342844963074,
203
+ "learning_rate": 4.7014925373134335e-05,
204
+ "loss": 0.0414,
205
+ "step": 140
206
+ },
207
+ {
208
+ "epoch": 0.3091684434968017,
209
+ "grad_norm": 0.15527664124965668,
210
+ "learning_rate": 4.690831556503198e-05,
211
+ "loss": 0.1147,
212
+ "step": 145
213
+ },
214
+ {
215
+ "epoch": 0.31982942430703626,
216
+ "grad_norm": 0.4039366543292999,
217
+ "learning_rate": 4.6801705756929645e-05,
218
+ "loss": 0.0471,
219
+ "step": 150
220
+ },
221
+ {
222
+ "epoch": 0.3304904051172708,
223
+ "grad_norm": 1.6255697011947632,
224
+ "learning_rate": 4.669509594882729e-05,
225
+ "loss": 0.0635,
226
+ "step": 155
227
+ },
228
+ {
229
+ "epoch": 0.3411513859275053,
230
+ "grad_norm": 0.4728560149669647,
231
+ "learning_rate": 4.658848614072495e-05,
232
+ "loss": 0.0681,
233
+ "step": 160
234
+ },
235
+ {
236
+ "epoch": 0.35181236673773986,
237
+ "grad_norm": 2.8189210891723633,
238
+ "learning_rate": 4.64818763326226e-05,
239
+ "loss": 0.1038,
240
+ "step": 165
241
+ },
242
+ {
243
+ "epoch": 0.3624733475479744,
244
+ "grad_norm": 3.486168622970581,
245
+ "learning_rate": 4.637526652452026e-05,
246
+ "loss": 0.1413,
247
+ "step": 170
248
+ },
249
+ {
250
+ "epoch": 0.373134328358209,
251
+ "grad_norm": 3.0699729919433594,
252
+ "learning_rate": 4.626865671641791e-05,
253
+ "loss": 0.0671,
254
+ "step": 175
255
+ },
256
+ {
257
+ "epoch": 0.3837953091684435,
258
+ "grad_norm": 3.7379443645477295,
259
+ "learning_rate": 4.6162046908315566e-05,
260
+ "loss": 0.0987,
261
+ "step": 180
262
+ },
263
+ {
264
+ "epoch": 0.39445628997867804,
265
+ "grad_norm": 2.8883566856384277,
266
+ "learning_rate": 4.605543710021322e-05,
267
+ "loss": 0.1033,
268
+ "step": 185
269
+ },
270
+ {
271
+ "epoch": 0.4051172707889126,
272
+ "grad_norm": 1.5698575973510742,
273
+ "learning_rate": 4.5948827292110876e-05,
274
+ "loss": 0.0844,
275
+ "step": 190
276
+ },
277
+ {
278
+ "epoch": 0.4157782515991471,
279
+ "grad_norm": 2.7926554679870605,
280
+ "learning_rate": 4.584221748400853e-05,
281
+ "loss": 0.065,
282
+ "step": 195
283
+ },
284
+ {
285
+ "epoch": 0.42643923240938164,
286
+ "grad_norm": 0.751103401184082,
287
+ "learning_rate": 4.5735607675906185e-05,
288
+ "loss": 0.0495,
289
+ "step": 200
290
+ },
291
+ {
292
+ "epoch": 0.43710021321961623,
293
+ "grad_norm": 2.039342164993286,
294
+ "learning_rate": 4.562899786780384e-05,
295
+ "loss": 0.0657,
296
+ "step": 205
297
+ },
298
+ {
299
+ "epoch": 0.44776119402985076,
300
+ "grad_norm": 0.39017969369888306,
301
+ "learning_rate": 4.5522388059701495e-05,
302
+ "loss": 0.0305,
303
+ "step": 210
304
+ },
305
+ {
306
+ "epoch": 0.4584221748400853,
307
+ "grad_norm": 0.15326254069805145,
308
+ "learning_rate": 4.541577825159915e-05,
309
+ "loss": 0.1453,
310
+ "step": 215
311
+ },
312
+ {
313
+ "epoch": 0.4690831556503198,
314
+ "grad_norm": 2.1679446697235107,
315
+ "learning_rate": 4.5309168443496804e-05,
316
+ "loss": 0.0786,
317
+ "step": 220
318
+ },
319
+ {
320
+ "epoch": 0.47974413646055436,
321
+ "grad_norm": 2.7931981086730957,
322
+ "learning_rate": 4.520255863539446e-05,
323
+ "loss": 0.0663,
324
+ "step": 225
325
+ },
326
+ {
327
+ "epoch": 0.4904051172707889,
328
+ "grad_norm": 3.4613513946533203,
329
+ "learning_rate": 4.5095948827292114e-05,
330
+ "loss": 0.0333,
331
+ "step": 230
332
+ },
333
+ {
334
+ "epoch": 0.5010660980810234,
335
+ "grad_norm": 0.46021977066993713,
336
+ "learning_rate": 4.498933901918977e-05,
337
+ "loss": 0.0223,
338
+ "step": 235
339
+ },
340
+ {
341
+ "epoch": 0.511727078891258,
342
+ "grad_norm": 0.9214028716087341,
343
+ "learning_rate": 4.488272921108742e-05,
344
+ "loss": 0.0452,
345
+ "step": 240
346
+ },
347
+ {
348
+ "epoch": 0.5223880597014925,
349
+ "grad_norm": 0.6007363200187683,
350
+ "learning_rate": 4.477611940298508e-05,
351
+ "loss": 0.1285,
352
+ "step": 245
353
+ },
354
+ {
355
+ "epoch": 0.5330490405117271,
356
+ "grad_norm": 0.088753342628479,
357
+ "learning_rate": 4.466950959488273e-05,
358
+ "loss": 0.0824,
359
+ "step": 250
360
+ },
361
+ {
362
+ "epoch": 0.5437100213219617,
363
+ "grad_norm": 1.7956745624542236,
364
+ "learning_rate": 4.456289978678039e-05,
365
+ "loss": 0.072,
366
+ "step": 255
367
+ },
368
+ {
369
+ "epoch": 0.5543710021321961,
370
+ "grad_norm": 0.6186978220939636,
371
+ "learning_rate": 4.445628997867804e-05,
372
+ "loss": 0.0639,
373
+ "step": 260
374
+ },
375
+ {
376
+ "epoch": 0.5650319829424307,
377
+ "grad_norm": 2.8554952144622803,
378
+ "learning_rate": 4.43496801705757e-05,
379
+ "loss": 0.0477,
380
+ "step": 265
381
+ },
382
+ {
383
+ "epoch": 0.5756929637526652,
384
+ "grad_norm": 4.027018070220947,
385
+ "learning_rate": 4.424307036247335e-05,
386
+ "loss": 0.0355,
387
+ "step": 270
388
+ },
389
+ {
390
+ "epoch": 0.5863539445628998,
391
+ "grad_norm": 4.724120616912842,
392
+ "learning_rate": 4.4136460554371006e-05,
393
+ "loss": 0.0567,
394
+ "step": 275
395
+ },
396
+ {
397
+ "epoch": 0.5970149253731343,
398
+ "grad_norm": 5.498983860015869,
399
+ "learning_rate": 4.402985074626866e-05,
400
+ "loss": 0.1157,
401
+ "step": 280
402
+ },
403
+ {
404
+ "epoch": 0.6076759061833689,
405
+ "grad_norm": 4.84724760055542,
406
+ "learning_rate": 4.3923240938166316e-05,
407
+ "loss": 0.0349,
408
+ "step": 285
409
+ },
410
+ {
411
+ "epoch": 0.6183368869936035,
412
+ "grad_norm": 1.1893070936203003,
413
+ "learning_rate": 4.381663113006397e-05,
414
+ "loss": 0.1103,
415
+ "step": 290
416
+ },
417
+ {
418
+ "epoch": 0.6289978678038379,
419
+ "grad_norm": 0.2930290997028351,
420
+ "learning_rate": 4.3710021321961625e-05,
421
+ "loss": 0.0807,
422
+ "step": 295
423
+ },
424
+ {
425
+ "epoch": 0.6396588486140725,
426
+ "grad_norm": 0.4578488767147064,
427
+ "learning_rate": 4.360341151385928e-05,
428
+ "loss": 0.0885,
429
+ "step": 300
430
+ },
431
+ {
432
+ "epoch": 0.650319829424307,
433
+ "grad_norm": 5.735141754150391,
434
+ "learning_rate": 4.3496801705756935e-05,
435
+ "loss": 0.0511,
436
+ "step": 305
437
+ },
438
+ {
439
+ "epoch": 0.6609808102345416,
440
+ "grad_norm": 2.22918963432312,
441
+ "learning_rate": 4.339019189765459e-05,
442
+ "loss": 0.0454,
443
+ "step": 310
444
+ },
445
+ {
446
+ "epoch": 0.6716417910447762,
447
+ "grad_norm": 2.323002815246582,
448
+ "learning_rate": 4.328358208955224e-05,
449
+ "loss": 0.0618,
450
+ "step": 315
451
+ },
452
+ {
453
+ "epoch": 0.6823027718550106,
454
+ "grad_norm": 4.527059555053711,
455
+ "learning_rate": 4.31769722814499e-05,
456
+ "loss": 0.0705,
457
+ "step": 320
458
+ },
459
+ {
460
+ "epoch": 0.6929637526652452,
461
+ "grad_norm": 1.8689870834350586,
462
+ "learning_rate": 4.307036247334755e-05,
463
+ "loss": 0.0519,
464
+ "step": 325
465
+ },
466
+ {
467
+ "epoch": 0.7036247334754797,
468
+ "grad_norm": 0.7219669818878174,
469
+ "learning_rate": 4.29637526652452e-05,
470
+ "loss": 0.0923,
471
+ "step": 330
472
+ },
473
+ {
474
+ "epoch": 0.7142857142857143,
475
+ "grad_norm": 3.0643980503082275,
476
+ "learning_rate": 4.2857142857142856e-05,
477
+ "loss": 0.0266,
478
+ "step": 335
479
+ },
480
+ {
481
+ "epoch": 0.7249466950959488,
482
+ "grad_norm": 0.8193244338035583,
483
+ "learning_rate": 4.275053304904051e-05,
484
+ "loss": 0.0452,
485
+ "step": 340
486
+ },
487
+ {
488
+ "epoch": 0.7356076759061834,
489
+ "grad_norm": 0.2758145332336426,
490
+ "learning_rate": 4.2643923240938166e-05,
491
+ "loss": 0.0368,
492
+ "step": 345
493
+ },
494
+ {
495
+ "epoch": 0.746268656716418,
496
+ "grad_norm": 2.2997794151306152,
497
+ "learning_rate": 4.253731343283582e-05,
498
+ "loss": 0.1126,
499
+ "step": 350
500
+ },
501
+ {
502
+ "epoch": 0.7569296375266524,
503
+ "grad_norm": 0.3911849558353424,
504
+ "learning_rate": 4.2430703624733475e-05,
505
+ "loss": 0.0229,
506
+ "step": 355
507
+ },
508
+ {
509
+ "epoch": 0.767590618336887,
510
+ "grad_norm": 0.23794011771678925,
511
+ "learning_rate": 4.232409381663113e-05,
512
+ "loss": 0.0392,
513
+ "step": 360
514
+ },
515
+ {
516
+ "epoch": 0.7782515991471215,
517
+ "grad_norm": 3.3511223793029785,
518
+ "learning_rate": 4.2217484008528785e-05,
519
+ "loss": 0.0867,
520
+ "step": 365
521
+ },
522
+ {
523
+ "epoch": 0.7889125799573561,
524
+ "grad_norm": 6.639153480529785,
525
+ "learning_rate": 4.211087420042644e-05,
526
+ "loss": 0.1251,
527
+ "step": 370
528
+ },
529
+ {
530
+ "epoch": 0.7995735607675906,
531
+ "grad_norm": 0.7343875169754028,
532
+ "learning_rate": 4.2004264392324094e-05,
533
+ "loss": 0.0527,
534
+ "step": 375
535
+ },
536
+ {
537
+ "epoch": 0.8102345415778252,
538
+ "grad_norm": 5.09031343460083,
539
+ "learning_rate": 4.189765458422175e-05,
540
+ "loss": 0.1078,
541
+ "step": 380
542
+ },
543
+ {
544
+ "epoch": 0.8208955223880597,
545
+ "grad_norm": 1.779229760169983,
546
+ "learning_rate": 4.1791044776119404e-05,
547
+ "loss": 0.0678,
548
+ "step": 385
549
+ },
550
+ {
551
+ "epoch": 0.8315565031982942,
552
+ "grad_norm": 3.0995001792907715,
553
+ "learning_rate": 4.168443496801706e-05,
554
+ "loss": 0.0896,
555
+ "step": 390
556
+ },
557
+ {
558
+ "epoch": 0.8422174840085288,
559
+ "grad_norm": 1.9326921701431274,
560
+ "learning_rate": 4.157782515991471e-05,
561
+ "loss": 0.0703,
562
+ "step": 395
563
+ },
564
+ {
565
+ "epoch": 0.8528784648187633,
566
+ "grad_norm": 3.4976537227630615,
567
+ "learning_rate": 4.147121535181237e-05,
568
+ "loss": 0.044,
569
+ "step": 400
570
+ },
571
+ {
572
+ "epoch": 0.8635394456289979,
573
+ "grad_norm": 1.0167771577835083,
574
+ "learning_rate": 4.136460554371002e-05,
575
+ "loss": 0.116,
576
+ "step": 405
577
+ },
578
+ {
579
+ "epoch": 0.8742004264392325,
580
+ "grad_norm": 5.6897358894348145,
581
+ "learning_rate": 4.125799573560768e-05,
582
+ "loss": 0.0358,
583
+ "step": 410
584
+ },
585
+ {
586
+ "epoch": 0.8848614072494669,
587
+ "grad_norm": 0.11392351239919662,
588
+ "learning_rate": 4.115138592750533e-05,
589
+ "loss": 0.0766,
590
+ "step": 415
591
+ },
592
+ {
593
+ "epoch": 0.8955223880597015,
594
+ "grad_norm": 3.7170026302337646,
595
+ "learning_rate": 4.104477611940299e-05,
596
+ "loss": 0.073,
597
+ "step": 420
598
+ },
599
+ {
600
+ "epoch": 0.906183368869936,
601
+ "grad_norm": 1.867801547050476,
602
+ "learning_rate": 4.093816631130064e-05,
603
+ "loss": 0.0935,
604
+ "step": 425
605
+ },
606
+ {
607
+ "epoch": 0.9168443496801706,
608
+ "grad_norm": 2.834305763244629,
609
+ "learning_rate": 4.0831556503198296e-05,
610
+ "loss": 0.0627,
611
+ "step": 430
612
+ },
613
+ {
614
+ "epoch": 0.9275053304904051,
615
+ "grad_norm": 2.486104965209961,
616
+ "learning_rate": 4.072494669509595e-05,
617
+ "loss": 0.077,
618
+ "step": 435
619
+ },
620
+ {
621
+ "epoch": 0.9381663113006397,
622
+ "grad_norm": 4.602112293243408,
623
+ "learning_rate": 4.0618336886993606e-05,
624
+ "loss": 0.0714,
625
+ "step": 440
626
+ },
627
+ {
628
+ "epoch": 0.9488272921108742,
629
+ "grad_norm": 2.9614474773406982,
630
+ "learning_rate": 4.051172707889126e-05,
631
+ "loss": 0.0956,
632
+ "step": 445
633
+ },
634
+ {
635
+ "epoch": 0.9594882729211087,
636
+ "grad_norm": 1.4761486053466797,
637
+ "learning_rate": 4.0405117270788915e-05,
638
+ "loss": 0.0558,
639
+ "step": 450
640
+ },
641
+ {
642
+ "epoch": 0.9701492537313433,
643
+ "grad_norm": 3.7130722999572754,
644
+ "learning_rate": 4.029850746268657e-05,
645
+ "loss": 0.08,
646
+ "step": 455
647
+ },
648
+ {
649
+ "epoch": 0.9808102345415778,
650
+ "grad_norm": 2.1553146839141846,
651
+ "learning_rate": 4.0191897654584225e-05,
652
+ "loss": 0.0363,
653
+ "step": 460
654
+ },
655
+ {
656
+ "epoch": 0.9914712153518124,
657
+ "grad_norm": 2.988415002822876,
658
+ "learning_rate": 4.008528784648188e-05,
659
+ "loss": 0.0517,
660
+ "step": 465
661
+ },
662
+ {
663
+ "epoch": 1.0,
664
+ "eval_accuracy": 0.9826666666666667,
665
+ "eval_loss": 0.05110258609056473,
666
+ "eval_runtime": 31.7159,
667
+ "eval_samples_per_second": 118.237,
668
+ "eval_steps_per_second": 3.721,
669
+ "step": 469
670
+ },
671
+ {
672
+ "epoch": 1.0021321961620469,
673
+ "grad_norm": 0.9508286714553833,
674
+ "learning_rate": 3.997867803837953e-05,
675
+ "loss": 0.0293,
676
+ "step": 470
677
+ },
678
+ {
679
+ "epoch": 1.0127931769722816,
680
+ "grad_norm": 0.9505379796028137,
681
+ "learning_rate": 3.987206823027719e-05,
682
+ "loss": 0.0242,
683
+ "step": 475
684
+ },
685
+ {
686
+ "epoch": 1.023454157782516,
687
+ "grad_norm": 2.0178511142730713,
688
+ "learning_rate": 3.976545842217484e-05,
689
+ "loss": 0.0781,
690
+ "step": 480
691
+ },
692
+ {
693
+ "epoch": 1.0341151385927505,
694
+ "grad_norm": 0.9004433751106262,
695
+ "learning_rate": 3.96588486140725e-05,
696
+ "loss": 0.0674,
697
+ "step": 485
698
+ },
699
+ {
700
+ "epoch": 1.044776119402985,
701
+ "grad_norm": 9.771893501281738,
702
+ "learning_rate": 3.9552238805970146e-05,
703
+ "loss": 0.0673,
704
+ "step": 490
705
+ },
706
+ {
707
+ "epoch": 1.0554371002132197,
708
+ "grad_norm": 5.3997063636779785,
709
+ "learning_rate": 3.944562899786781e-05,
710
+ "loss": 0.1048,
711
+ "step": 495
712
+ },
713
+ {
714
+ "epoch": 1.0660980810234542,
715
+ "grad_norm": 1.5053350925445557,
716
+ "learning_rate": 3.9339019189765456e-05,
717
+ "loss": 0.0232,
718
+ "step": 500
719
+ },
720
+ {
721
+ "epoch": 1.0767590618336886,
722
+ "grad_norm": 2.1389920711517334,
723
+ "learning_rate": 3.923240938166312e-05,
724
+ "loss": 0.0487,
725
+ "step": 505
726
+ },
727
+ {
728
+ "epoch": 1.0874200426439233,
729
+ "grad_norm": 0.058243367820978165,
730
+ "learning_rate": 3.9125799573560765e-05,
731
+ "loss": 0.0422,
732
+ "step": 510
733
+ },
734
+ {
735
+ "epoch": 1.0980810234541578,
736
+ "grad_norm": 4.481015205383301,
737
+ "learning_rate": 3.901918976545843e-05,
738
+ "loss": 0.1151,
739
+ "step": 515
740
+ },
741
+ {
742
+ "epoch": 1.1087420042643923,
743
+ "grad_norm": 3.6802432537078857,
744
+ "learning_rate": 3.8912579957356075e-05,
745
+ "loss": 0.0746,
746
+ "step": 520
747
+ },
748
+ {
749
+ "epoch": 1.1194029850746268,
750
+ "grad_norm": 0.27504321932792664,
751
+ "learning_rate": 3.8805970149253736e-05,
752
+ "loss": 0.0484,
753
+ "step": 525
754
+ },
755
+ {
756
+ "epoch": 1.1300639658848615,
757
+ "grad_norm": 8.133283615112305,
758
+ "learning_rate": 3.8699360341151384e-05,
759
+ "loss": 0.0936,
760
+ "step": 530
761
+ },
762
+ {
763
+ "epoch": 1.140724946695096,
764
+ "grad_norm": 1.8234339952468872,
765
+ "learning_rate": 3.8592750533049046e-05,
766
+ "loss": 0.0766,
767
+ "step": 535
768
+ },
769
+ {
770
+ "epoch": 1.1513859275053304,
771
+ "grad_norm": 2.4146878719329834,
772
+ "learning_rate": 3.8486140724946694e-05,
773
+ "loss": 0.0409,
774
+ "step": 540
775
+ },
776
+ {
777
+ "epoch": 1.1620469083155651,
778
+ "grad_norm": 5.022805213928223,
779
+ "learning_rate": 3.8379530916844355e-05,
780
+ "loss": 0.1154,
781
+ "step": 545
782
+ },
783
+ {
784
+ "epoch": 1.1727078891257996,
785
+ "grad_norm": 3.0934677124023438,
786
+ "learning_rate": 3.8272921108742e-05,
787
+ "loss": 0.0689,
788
+ "step": 550
789
+ },
790
+ {
791
+ "epoch": 1.183368869936034,
792
+ "grad_norm": 4.457956790924072,
793
+ "learning_rate": 3.8166311300639665e-05,
794
+ "loss": 0.0731,
795
+ "step": 555
796
+ },
797
+ {
798
+ "epoch": 1.1940298507462686,
799
+ "grad_norm": 0.9291526675224304,
800
+ "learning_rate": 3.805970149253731e-05,
801
+ "loss": 0.0631,
802
+ "step": 560
803
+ },
804
+ {
805
+ "epoch": 1.2046908315565032,
806
+ "grad_norm": 0.06919839233160019,
807
+ "learning_rate": 3.7953091684434974e-05,
808
+ "loss": 0.0863,
809
+ "step": 565
810
+ },
811
+ {
812
+ "epoch": 1.2153518123667377,
813
+ "grad_norm": 4.951193332672119,
814
+ "learning_rate": 3.784648187633262e-05,
815
+ "loss": 0.0244,
816
+ "step": 570
817
+ },
818
+ {
819
+ "epoch": 1.2260127931769722,
820
+ "grad_norm": 1.2289286851882935,
821
+ "learning_rate": 3.7739872068230284e-05,
822
+ "loss": 0.0398,
823
+ "step": 575
824
+ },
825
+ {
826
+ "epoch": 1.236673773987207,
827
+ "grad_norm": 4.310466289520264,
828
+ "learning_rate": 3.763326226012793e-05,
829
+ "loss": 0.0666,
830
+ "step": 580
831
+ },
832
+ {
833
+ "epoch": 1.2473347547974414,
834
+ "grad_norm": 0.23622359335422516,
835
+ "learning_rate": 3.752665245202559e-05,
836
+ "loss": 0.036,
837
+ "step": 585
838
+ },
839
+ {
840
+ "epoch": 1.2579957356076759,
841
+ "grad_norm": 2.594749927520752,
842
+ "learning_rate": 3.742004264392324e-05,
843
+ "loss": 0.0435,
844
+ "step": 590
845
+ },
846
+ {
847
+ "epoch": 1.2686567164179103,
848
+ "grad_norm": 1.071057915687561,
849
+ "learning_rate": 3.73134328358209e-05,
850
+ "loss": 0.0232,
851
+ "step": 595
852
+ },
853
+ {
854
+ "epoch": 1.279317697228145,
855
+ "grad_norm": 4.9262213706970215,
856
+ "learning_rate": 3.720682302771855e-05,
857
+ "loss": 0.0541,
858
+ "step": 600
859
+ },
860
+ {
861
+ "epoch": 1.2899786780383795,
862
+ "grad_norm": 1.4873720407485962,
863
+ "learning_rate": 3.710021321961621e-05,
864
+ "loss": 0.0501,
865
+ "step": 605
866
+ },
867
+ {
868
+ "epoch": 1.3006396588486142,
869
+ "grad_norm": 1.8021624088287354,
870
+ "learning_rate": 3.699360341151386e-05,
871
+ "loss": 0.0505,
872
+ "step": 610
873
+ },
874
+ {
875
+ "epoch": 1.3113006396588487,
876
+ "grad_norm": 0.28840142488479614,
877
+ "learning_rate": 3.6886993603411515e-05,
878
+ "loss": 0.0133,
879
+ "step": 615
880
+ },
881
+ {
882
+ "epoch": 1.3219616204690832,
883
+ "grad_norm": 0.4587784707546234,
884
+ "learning_rate": 3.678038379530917e-05,
885
+ "loss": 0.0718,
886
+ "step": 620
887
+ },
888
+ {
889
+ "epoch": 1.3326226012793176,
890
+ "grad_norm": 3.596092462539673,
891
+ "learning_rate": 3.6673773987206824e-05,
892
+ "loss": 0.0432,
893
+ "step": 625
894
+ },
895
+ {
896
+ "epoch": 1.3432835820895521,
897
+ "grad_norm": 0.08210618793964386,
898
+ "learning_rate": 3.656716417910448e-05,
899
+ "loss": 0.0503,
900
+ "step": 630
901
+ },
902
+ {
903
+ "epoch": 1.3539445628997868,
904
+ "grad_norm": 9.155332565307617,
905
+ "learning_rate": 3.6460554371002134e-05,
906
+ "loss": 0.0582,
907
+ "step": 635
908
+ },
909
+ {
910
+ "epoch": 1.3646055437100213,
911
+ "grad_norm": 4.4644341468811035,
912
+ "learning_rate": 3.635394456289979e-05,
913
+ "loss": 0.2697,
914
+ "step": 640
915
+ },
916
+ {
917
+ "epoch": 1.375266524520256,
918
+ "grad_norm": 0.3689643144607544,
919
+ "learning_rate": 3.624733475479744e-05,
920
+ "loss": 0.0737,
921
+ "step": 645
922
+ },
923
+ {
924
+ "epoch": 1.3859275053304905,
925
+ "grad_norm": 0.10704508423805237,
926
+ "learning_rate": 3.61407249466951e-05,
927
+ "loss": 0.064,
928
+ "step": 650
929
+ },
930
+ {
931
+ "epoch": 1.396588486140725,
932
+ "grad_norm": 4.078209400177002,
933
+ "learning_rate": 3.603411513859275e-05,
934
+ "loss": 0.0592,
935
+ "step": 655
936
+ },
937
+ {
938
+ "epoch": 1.4072494669509594,
939
+ "grad_norm": 0.932144820690155,
940
+ "learning_rate": 3.592750533049041e-05,
941
+ "loss": 0.045,
942
+ "step": 660
943
+ },
944
+ {
945
+ "epoch": 1.417910447761194,
946
+ "grad_norm": 5.947209358215332,
947
+ "learning_rate": 3.582089552238806e-05,
948
+ "loss": 0.0515,
949
+ "step": 665
950
+ },
951
+ {
952
+ "epoch": 1.4285714285714286,
953
+ "grad_norm": 0.15535686910152435,
954
+ "learning_rate": 3.571428571428572e-05,
955
+ "loss": 0.0469,
956
+ "step": 670
957
+ },
958
+ {
959
+ "epoch": 1.439232409381663,
960
+ "grad_norm": 0.9736347198486328,
961
+ "learning_rate": 3.560767590618337e-05,
962
+ "loss": 0.1543,
963
+ "step": 675
964
+ },
965
+ {
966
+ "epoch": 1.4498933901918978,
967
+ "grad_norm": 1.711125135421753,
968
+ "learning_rate": 3.5501066098081026e-05,
969
+ "loss": 0.0562,
970
+ "step": 680
971
+ },
972
+ {
973
+ "epoch": 1.4605543710021323,
974
+ "grad_norm": 2.560154914855957,
975
+ "learning_rate": 3.539445628997868e-05,
976
+ "loss": 0.0973,
977
+ "step": 685
978
+ },
979
+ {
980
+ "epoch": 1.4712153518123667,
981
+ "grad_norm": 0.07454421371221542,
982
+ "learning_rate": 3.5287846481876336e-05,
983
+ "loss": 0.0638,
984
+ "step": 690
985
+ },
986
+ {
987
+ "epoch": 1.4818763326226012,
988
+ "grad_norm": 1.8385158777236938,
989
+ "learning_rate": 3.518123667377399e-05,
990
+ "loss": 0.0981,
991
+ "step": 695
992
+ },
993
+ {
994
+ "epoch": 1.4925373134328357,
995
+ "grad_norm": 2.7805728912353516,
996
+ "learning_rate": 3.5074626865671645e-05,
997
+ "loss": 0.0387,
998
+ "step": 700
999
+ },
1000
+ {
1001
+ "epoch": 1.5031982942430704,
1002
+ "grad_norm": 3.9727001190185547,
1003
+ "learning_rate": 3.496801705756929e-05,
1004
+ "loss": 0.0907,
1005
+ "step": 705
1006
+ },
1007
+ {
1008
+ "epoch": 1.5138592750533049,
1009
+ "grad_norm": 2.6325879096984863,
1010
+ "learning_rate": 3.4861407249466955e-05,
1011
+ "loss": 0.0257,
1012
+ "step": 710
1013
+ },
1014
+ {
1015
+ "epoch": 1.5245202558635396,
1016
+ "grad_norm": 0.24718432128429413,
1017
+ "learning_rate": 3.47547974413646e-05,
1018
+ "loss": 0.0549,
1019
+ "step": 715
1020
+ },
1021
+ {
1022
+ "epoch": 1.535181236673774,
1023
+ "grad_norm": 3.4497036933898926,
1024
+ "learning_rate": 3.4648187633262264e-05,
1025
+ "loss": 0.09,
1026
+ "step": 720
1027
+ },
1028
+ {
1029
+ "epoch": 1.5458422174840085,
1030
+ "grad_norm": 3.5659453868865967,
1031
+ "learning_rate": 3.454157782515991e-05,
1032
+ "loss": 0.0928,
1033
+ "step": 725
1034
+ },
1035
+ {
1036
+ "epoch": 1.556503198294243,
1037
+ "grad_norm": 0.11017991602420807,
1038
+ "learning_rate": 3.4434968017057574e-05,
1039
+ "loss": 0.051,
1040
+ "step": 730
1041
+ },
1042
+ {
1043
+ "epoch": 1.5671641791044775,
1044
+ "grad_norm": 5.607276439666748,
1045
+ "learning_rate": 3.432835820895522e-05,
1046
+ "loss": 0.0372,
1047
+ "step": 735
1048
+ },
1049
+ {
1050
+ "epoch": 1.5778251599147122,
1051
+ "grad_norm": 0.1670551747083664,
1052
+ "learning_rate": 3.422174840085288e-05,
1053
+ "loss": 0.0178,
1054
+ "step": 740
1055
+ },
1056
+ {
1057
+ "epoch": 1.5884861407249466,
1058
+ "grad_norm": 1.44241464138031,
1059
+ "learning_rate": 3.411513859275053e-05,
1060
+ "loss": 0.0983,
1061
+ "step": 745
1062
+ },
1063
+ {
1064
+ "epoch": 1.5991471215351813,
1065
+ "grad_norm": 1.707345724105835,
1066
+ "learning_rate": 3.400852878464819e-05,
1067
+ "loss": 0.0406,
1068
+ "step": 750
1069
+ },
1070
+ {
1071
+ "epoch": 1.6098081023454158,
1072
+ "grad_norm": 2.678297281265259,
1073
+ "learning_rate": 3.390191897654584e-05,
1074
+ "loss": 0.0986,
1075
+ "step": 755
1076
+ },
1077
+ {
1078
+ "epoch": 1.6204690831556503,
1079
+ "grad_norm": 1.2694720029830933,
1080
+ "learning_rate": 3.37953091684435e-05,
1081
+ "loss": 0.0919,
1082
+ "step": 760
1083
+ },
1084
+ {
1085
+ "epoch": 1.6311300639658848,
1086
+ "grad_norm": 1.5675982236862183,
1087
+ "learning_rate": 3.368869936034115e-05,
1088
+ "loss": 0.0469,
1089
+ "step": 765
1090
+ },
1091
+ {
1092
+ "epoch": 1.6417910447761193,
1093
+ "grad_norm": 4.003212928771973,
1094
+ "learning_rate": 3.358208955223881e-05,
1095
+ "loss": 0.0835,
1096
+ "step": 770
1097
+ },
1098
+ {
1099
+ "epoch": 1.652452025586354,
1100
+ "grad_norm": 1.8295433521270752,
1101
+ "learning_rate": 3.347547974413646e-05,
1102
+ "loss": 0.0479,
1103
+ "step": 775
1104
+ },
1105
+ {
1106
+ "epoch": 1.6631130063965884,
1107
+ "grad_norm": 2.192704677581787,
1108
+ "learning_rate": 3.336886993603412e-05,
1109
+ "loss": 0.0517,
1110
+ "step": 780
1111
+ },
1112
+ {
1113
+ "epoch": 1.6737739872068231,
1114
+ "grad_norm": 0.47011932730674744,
1115
+ "learning_rate": 3.326226012793177e-05,
1116
+ "loss": 0.1157,
1117
+ "step": 785
1118
+ },
1119
+ {
1120
+ "epoch": 1.6844349680170576,
1121
+ "grad_norm": 0.5461706519126892,
1122
+ "learning_rate": 3.3155650319829424e-05,
1123
+ "loss": 0.0359,
1124
+ "step": 790
1125
+ },
1126
+ {
1127
+ "epoch": 1.695095948827292,
1128
+ "grad_norm": 5.030311584472656,
1129
+ "learning_rate": 3.304904051172708e-05,
1130
+ "loss": 0.06,
1131
+ "step": 795
1132
+ },
1133
+ {
1134
+ "epoch": 1.7057569296375266,
1135
+ "grad_norm": 3.57641339302063,
1136
+ "learning_rate": 3.294243070362473e-05,
1137
+ "loss": 0.0574,
1138
+ "step": 800
1139
+ },
1140
+ {
1141
+ "epoch": 1.716417910447761,
1142
+ "grad_norm": 0.6417442560195923,
1143
+ "learning_rate": 3.283582089552239e-05,
1144
+ "loss": 0.0385,
1145
+ "step": 805
1146
+ },
1147
+ {
1148
+ "epoch": 1.7270788912579957,
1149
+ "grad_norm": 2.581399917602539,
1150
+ "learning_rate": 3.272921108742004e-05,
1151
+ "loss": 0.0211,
1152
+ "step": 810
1153
+ },
1154
+ {
1155
+ "epoch": 1.7377398720682304,
1156
+ "grad_norm": 0.3842037618160248,
1157
+ "learning_rate": 3.26226012793177e-05,
1158
+ "loss": 0.0201,
1159
+ "step": 815
1160
+ },
1161
+ {
1162
+ "epoch": 1.748400852878465,
1163
+ "grad_norm": 3.562588691711426,
1164
+ "learning_rate": 3.251599147121535e-05,
1165
+ "loss": 0.0969,
1166
+ "step": 820
1167
+ },
1168
+ {
1169
+ "epoch": 1.7590618336886994,
1170
+ "grad_norm": 2.539060592651367,
1171
+ "learning_rate": 3.240938166311301e-05,
1172
+ "loss": 0.0318,
1173
+ "step": 825
1174
+ },
1175
+ {
1176
+ "epoch": 1.7697228144989339,
1177
+ "grad_norm": 1.799747109413147,
1178
+ "learning_rate": 3.230277185501066e-05,
1179
+ "loss": 0.0213,
1180
+ "step": 830
1181
+ },
1182
+ {
1183
+ "epoch": 1.7803837953091683,
1184
+ "grad_norm": 3.99169659614563,
1185
+ "learning_rate": 3.2196162046908317e-05,
1186
+ "loss": 0.0521,
1187
+ "step": 835
1188
+ },
1189
+ {
1190
+ "epoch": 1.7910447761194028,
1191
+ "grad_norm": 1.685226559638977,
1192
+ "learning_rate": 3.208955223880597e-05,
1193
+ "loss": 0.0478,
1194
+ "step": 840
1195
+ },
1196
+ {
1197
+ "epoch": 1.8017057569296375,
1198
+ "grad_norm": 3.985837459564209,
1199
+ "learning_rate": 3.1982942430703626e-05,
1200
+ "loss": 0.0243,
1201
+ "step": 845
1202
+ },
1203
+ {
1204
+ "epoch": 1.8123667377398722,
1205
+ "grad_norm": 0.6743078231811523,
1206
+ "learning_rate": 3.187633262260128e-05,
1207
+ "loss": 0.0068,
1208
+ "step": 850
1209
+ },
1210
+ {
1211
+ "epoch": 1.8230277185501067,
1212
+ "grad_norm": 2.2158446311950684,
1213
+ "learning_rate": 3.1769722814498935e-05,
1214
+ "loss": 0.0799,
1215
+ "step": 855
1216
+ },
1217
+ {
1218
+ "epoch": 1.8336886993603412,
1219
+ "grad_norm": 0.5225620269775391,
1220
+ "learning_rate": 3.166311300639659e-05,
1221
+ "loss": 0.0063,
1222
+ "step": 860
1223
+ },
1224
+ {
1225
+ "epoch": 1.8443496801705757,
1226
+ "grad_norm": 3.1894516944885254,
1227
+ "learning_rate": 3.1556503198294245e-05,
1228
+ "loss": 0.0194,
1229
+ "step": 865
1230
+ },
1231
+ {
1232
+ "epoch": 1.8550106609808101,
1233
+ "grad_norm": 0.052296269685029984,
1234
+ "learning_rate": 3.14498933901919e-05,
1235
+ "loss": 0.036,
1236
+ "step": 870
1237
+ },
1238
+ {
1239
+ "epoch": 1.8656716417910446,
1240
+ "grad_norm": 0.2815236747264862,
1241
+ "learning_rate": 3.1343283582089554e-05,
1242
+ "loss": 0.0717,
1243
+ "step": 875
1244
+ },
1245
+ {
1246
+ "epoch": 1.8763326226012793,
1247
+ "grad_norm": 0.17690397799015045,
1248
+ "learning_rate": 3.123667377398721e-05,
1249
+ "loss": 0.129,
1250
+ "step": 880
1251
+ },
1252
+ {
1253
+ "epoch": 1.886993603411514,
1254
+ "grad_norm": 6.5401129722595215,
1255
+ "learning_rate": 3.1130063965884864e-05,
1256
+ "loss": 0.1263,
1257
+ "step": 885
1258
+ },
1259
+ {
1260
+ "epoch": 1.8976545842217485,
1261
+ "grad_norm": 0.23792661726474762,
1262
+ "learning_rate": 3.102345415778252e-05,
1263
+ "loss": 0.0982,
1264
+ "step": 890
1265
+ },
1266
+ {
1267
+ "epoch": 1.908315565031983,
1268
+ "grad_norm": 3.6131153106689453,
1269
+ "learning_rate": 3.0916844349680173e-05,
1270
+ "loss": 0.1101,
1271
+ "step": 895
1272
+ },
1273
+ {
1274
+ "epoch": 1.9189765458422174,
1275
+ "grad_norm": 11.671404838562012,
1276
+ "learning_rate": 3.081023454157783e-05,
1277
+ "loss": 0.1238,
1278
+ "step": 900
1279
+ },
1280
+ {
1281
+ "epoch": 1.929637526652452,
1282
+ "grad_norm": 0.16510628163814545,
1283
+ "learning_rate": 3.070362473347548e-05,
1284
+ "loss": 0.0278,
1285
+ "step": 905
1286
+ },
1287
+ {
1288
+ "epoch": 1.9402985074626866,
1289
+ "grad_norm": 0.8312552571296692,
1290
+ "learning_rate": 3.059701492537314e-05,
1291
+ "loss": 0.0545,
1292
+ "step": 910
1293
+ },
1294
+ {
1295
+ "epoch": 1.950959488272921,
1296
+ "grad_norm": 0.1725550889968872,
1297
+ "learning_rate": 3.0490405117270792e-05,
1298
+ "loss": 0.0378,
1299
+ "step": 915
1300
+ },
1301
+ {
1302
+ "epoch": 1.9616204690831558,
1303
+ "grad_norm": 2.0887973308563232,
1304
+ "learning_rate": 3.0383795309168444e-05,
1305
+ "loss": 0.0404,
1306
+ "step": 920
1307
+ },
1308
+ {
1309
+ "epoch": 1.9722814498933903,
1310
+ "grad_norm": 0.15793538093566895,
1311
+ "learning_rate": 3.0277185501066102e-05,
1312
+ "loss": 0.0129,
1313
+ "step": 925
1314
+ },
1315
+ {
1316
+ "epoch": 1.9829424307036247,
1317
+ "grad_norm": 0.1594623178243637,
1318
+ "learning_rate": 3.0170575692963753e-05,
1319
+ "loss": 0.0304,
1320
+ "step": 930
1321
+ },
1322
+ {
1323
+ "epoch": 1.9936034115138592,
1324
+ "grad_norm": 0.32610687613487244,
1325
+ "learning_rate": 3.006396588486141e-05,
1326
+ "loss": 0.048,
1327
+ "step": 935
1328
+ },
1329
+ {
1330
+ "epoch": 2.0,
1331
+ "eval_accuracy": 0.9848,
1332
+ "eval_loss": 0.04830923676490784,
1333
+ "eval_runtime": 30.279,
1334
+ "eval_samples_per_second": 123.848,
1335
+ "eval_steps_per_second": 3.897,
1336
+ "step": 938
1337
+ },
1338
+ {
1339
+ "epoch": 2.0042643923240937,
1340
+ "grad_norm": 0.15638840198516846,
1341
+ "learning_rate": 2.9957356076759063e-05,
1342
+ "loss": 0.0702,
1343
+ "step": 940
1344
+ },
1345
+ {
1346
+ "epoch": 2.014925373134328,
1347
+ "grad_norm": 0.6752093434333801,
1348
+ "learning_rate": 2.9850746268656714e-05,
1349
+ "loss": 0.0357,
1350
+ "step": 945
1351
+ },
1352
+ {
1353
+ "epoch": 2.025586353944563,
1354
+ "grad_norm": 0.7900307774543762,
1355
+ "learning_rate": 2.9744136460554372e-05,
1356
+ "loss": 0.061,
1357
+ "step": 950
1358
+ },
1359
+ {
1360
+ "epoch": 2.0362473347547976,
1361
+ "grad_norm": 0.4577593207359314,
1362
+ "learning_rate": 2.9637526652452023e-05,
1363
+ "loss": 0.0686,
1364
+ "step": 955
1365
+ },
1366
+ {
1367
+ "epoch": 2.046908315565032,
1368
+ "grad_norm": 0.8585024476051331,
1369
+ "learning_rate": 2.953091684434968e-05,
1370
+ "loss": 0.0133,
1371
+ "step": 960
1372
+ },
1373
+ {
1374
+ "epoch": 2.0575692963752665,
1375
+ "grad_norm": 0.3793453872203827,
1376
+ "learning_rate": 2.9424307036247333e-05,
1377
+ "loss": 0.0644,
1378
+ "step": 965
1379
+ },
1380
+ {
1381
+ "epoch": 2.068230277185501,
1382
+ "grad_norm": 0.4317103624343872,
1383
+ "learning_rate": 2.931769722814499e-05,
1384
+ "loss": 0.0567,
1385
+ "step": 970
1386
+ },
1387
+ {
1388
+ "epoch": 2.0788912579957355,
1389
+ "grad_norm": 2.552474021911621,
1390
+ "learning_rate": 2.9211087420042642e-05,
1391
+ "loss": 0.0446,
1392
+ "step": 975
1393
+ },
1394
+ {
1395
+ "epoch": 2.08955223880597,
1396
+ "grad_norm": 4.581363201141357,
1397
+ "learning_rate": 2.91044776119403e-05,
1398
+ "loss": 0.1115,
1399
+ "step": 980
1400
+ },
1401
+ {
1402
+ "epoch": 2.100213219616205,
1403
+ "grad_norm": 3.882401704788208,
1404
+ "learning_rate": 2.8997867803837952e-05,
1405
+ "loss": 0.0616,
1406
+ "step": 985
1407
+ },
1408
+ {
1409
+ "epoch": 2.1108742004264394,
1410
+ "grad_norm": 0.8603466749191284,
1411
+ "learning_rate": 2.889125799573561e-05,
1412
+ "loss": 0.0841,
1413
+ "step": 990
1414
+ },
1415
+ {
1416
+ "epoch": 2.121535181236674,
1417
+ "grad_norm": 1.4213505983352661,
1418
+ "learning_rate": 2.878464818763326e-05,
1419
+ "loss": 0.0125,
1420
+ "step": 995
1421
+ },
1422
+ {
1423
+ "epoch": 2.1321961620469083,
1424
+ "grad_norm": 2.8380918502807617,
1425
+ "learning_rate": 2.867803837953092e-05,
1426
+ "loss": 0.0309,
1427
+ "step": 1000
1428
+ },
1429
+ {
1430
+ "epoch": 2.142857142857143,
1431
+ "grad_norm": 2.2675626277923584,
1432
+ "learning_rate": 2.857142857142857e-05,
1433
+ "loss": 0.0744,
1434
+ "step": 1005
1435
+ },
1436
+ {
1437
+ "epoch": 2.1535181236673773,
1438
+ "grad_norm": 7.745296478271484,
1439
+ "learning_rate": 2.846481876332623e-05,
1440
+ "loss": 0.0526,
1441
+ "step": 1010
1442
+ },
1443
+ {
1444
+ "epoch": 2.1641791044776117,
1445
+ "grad_norm": 2.7422897815704346,
1446
+ "learning_rate": 2.835820895522388e-05,
1447
+ "loss": 0.0607,
1448
+ "step": 1015
1449
+ },
1450
+ {
1451
+ "epoch": 2.1748400852878467,
1452
+ "grad_norm": 4.679061412811279,
1453
+ "learning_rate": 2.825159914712154e-05,
1454
+ "loss": 0.0669,
1455
+ "step": 1020
1456
+ },
1457
+ {
1458
+ "epoch": 2.185501066098081,
1459
+ "grad_norm": 4.73018741607666,
1460
+ "learning_rate": 2.814498933901919e-05,
1461
+ "loss": 0.0549,
1462
+ "step": 1025
1463
+ },
1464
+ {
1465
+ "epoch": 2.1961620469083156,
1466
+ "grad_norm": 0.03509233891963959,
1467
+ "learning_rate": 2.8038379530916848e-05,
1468
+ "loss": 0.019,
1469
+ "step": 1030
1470
+ },
1471
+ {
1472
+ "epoch": 2.20682302771855,
1473
+ "grad_norm": 2.890559673309326,
1474
+ "learning_rate": 2.79317697228145e-05,
1475
+ "loss": 0.0249,
1476
+ "step": 1035
1477
+ },
1478
+ {
1479
+ "epoch": 2.2174840085287846,
1480
+ "grad_norm": 1.5889147520065308,
1481
+ "learning_rate": 2.7825159914712157e-05,
1482
+ "loss": 0.0268,
1483
+ "step": 1040
1484
+ },
1485
+ {
1486
+ "epoch": 2.228144989339019,
1487
+ "grad_norm": 5.081016540527344,
1488
+ "learning_rate": 2.771855010660981e-05,
1489
+ "loss": 0.0814,
1490
+ "step": 1045
1491
+ },
1492
+ {
1493
+ "epoch": 2.2388059701492535,
1494
+ "grad_norm": 3.7745611667633057,
1495
+ "learning_rate": 2.7611940298507467e-05,
1496
+ "loss": 0.0965,
1497
+ "step": 1050
1498
+ },
1499
+ {
1500
+ "epoch": 2.2494669509594885,
1501
+ "grad_norm": 2.5898780822753906,
1502
+ "learning_rate": 2.7505330490405118e-05,
1503
+ "loss": 0.0646,
1504
+ "step": 1055
1505
+ },
1506
+ {
1507
+ "epoch": 2.260127931769723,
1508
+ "grad_norm": 2.4079606533050537,
1509
+ "learning_rate": 2.7398720682302776e-05,
1510
+ "loss": 0.0552,
1511
+ "step": 1060
1512
+ },
1513
+ {
1514
+ "epoch": 2.2707889125799574,
1515
+ "grad_norm": 0.10390668362379074,
1516
+ "learning_rate": 2.7292110874200428e-05,
1517
+ "loss": 0.0457,
1518
+ "step": 1065
1519
+ },
1520
+ {
1521
+ "epoch": 2.281449893390192,
1522
+ "grad_norm": 5.757826328277588,
1523
+ "learning_rate": 2.7185501066098086e-05,
1524
+ "loss": 0.1083,
1525
+ "step": 1070
1526
+ },
1527
+ {
1528
+ "epoch": 2.2921108742004264,
1529
+ "grad_norm": 3.0577237606048584,
1530
+ "learning_rate": 2.7078891257995737e-05,
1531
+ "loss": 0.0585,
1532
+ "step": 1075
1533
+ },
1534
+ {
1535
+ "epoch": 2.302771855010661,
1536
+ "grad_norm": 0.10478027909994125,
1537
+ "learning_rate": 2.6972281449893395e-05,
1538
+ "loss": 0.0515,
1539
+ "step": 1080
1540
+ },
1541
+ {
1542
+ "epoch": 2.3134328358208958,
1543
+ "grad_norm": 3.930779218673706,
1544
+ "learning_rate": 2.6865671641791047e-05,
1545
+ "loss": 0.049,
1546
+ "step": 1085
1547
+ },
1548
+ {
1549
+ "epoch": 2.3240938166311302,
1550
+ "grad_norm": 4.497855186462402,
1551
+ "learning_rate": 2.6759061833688705e-05,
1552
+ "loss": 0.0765,
1553
+ "step": 1090
1554
+ },
1555
+ {
1556
+ "epoch": 2.3347547974413647,
1557
+ "grad_norm": 3.303950071334839,
1558
+ "learning_rate": 2.6652452025586356e-05,
1559
+ "loss": 0.0776,
1560
+ "step": 1095
1561
+ },
1562
+ {
1563
+ "epoch": 2.345415778251599,
1564
+ "grad_norm": 3.5978362560272217,
1565
+ "learning_rate": 2.6545842217484007e-05,
1566
+ "loss": 0.0556,
1567
+ "step": 1100
1568
+ },
1569
+ {
1570
+ "epoch": 2.3560767590618337,
1571
+ "grad_norm": 2.5550918579101562,
1572
+ "learning_rate": 2.6439232409381666e-05,
1573
+ "loss": 0.0396,
1574
+ "step": 1105
1575
+ },
1576
+ {
1577
+ "epoch": 2.366737739872068,
1578
+ "grad_norm": 2.0851964950561523,
1579
+ "learning_rate": 2.6332622601279317e-05,
1580
+ "loss": 0.0939,
1581
+ "step": 1110
1582
+ },
1583
+ {
1584
+ "epoch": 2.3773987206823026,
1585
+ "grad_norm": 0.6491892337799072,
1586
+ "learning_rate": 2.6226012793176975e-05,
1587
+ "loss": 0.0612,
1588
+ "step": 1115
1589
+ },
1590
+ {
1591
+ "epoch": 2.388059701492537,
1592
+ "grad_norm": 0.07055790722370148,
1593
+ "learning_rate": 2.6119402985074626e-05,
1594
+ "loss": 0.0577,
1595
+ "step": 1120
1596
+ },
1597
+ {
1598
+ "epoch": 2.398720682302772,
1599
+ "grad_norm": 0.516019344329834,
1600
+ "learning_rate": 2.6012793176972285e-05,
1601
+ "loss": 0.0301,
1602
+ "step": 1125
1603
+ },
1604
+ {
1605
+ "epoch": 2.4093816631130065,
1606
+ "grad_norm": 0.06805509328842163,
1607
+ "learning_rate": 2.5906183368869936e-05,
1608
+ "loss": 0.0819,
1609
+ "step": 1130
1610
+ },
1611
+ {
1612
+ "epoch": 2.420042643923241,
1613
+ "grad_norm": 8.576947212219238,
1614
+ "learning_rate": 2.5799573560767594e-05,
1615
+ "loss": 0.1354,
1616
+ "step": 1135
1617
+ },
1618
+ {
1619
+ "epoch": 2.4307036247334755,
1620
+ "grad_norm": 3.8000802993774414,
1621
+ "learning_rate": 2.5692963752665245e-05,
1622
+ "loss": 0.0928,
1623
+ "step": 1140
1624
+ },
1625
+ {
1626
+ "epoch": 2.44136460554371,
1627
+ "grad_norm": 0.04417986422777176,
1628
+ "learning_rate": 2.5586353944562904e-05,
1629
+ "loss": 0.034,
1630
+ "step": 1145
1631
+ },
1632
+ {
1633
+ "epoch": 2.4520255863539444,
1634
+ "grad_norm": 0.7953975796699524,
1635
+ "learning_rate": 2.5479744136460555e-05,
1636
+ "loss": 0.0213,
1637
+ "step": 1150
1638
+ },
1639
+ {
1640
+ "epoch": 2.4626865671641793,
1641
+ "grad_norm": 0.15565910935401917,
1642
+ "learning_rate": 2.537313432835821e-05,
1643
+ "loss": 0.0552,
1644
+ "step": 1155
1645
+ },
1646
+ {
1647
+ "epoch": 2.473347547974414,
1648
+ "grad_norm": 3.02194881439209,
1649
+ "learning_rate": 2.5266524520255864e-05,
1650
+ "loss": 0.0587,
1651
+ "step": 1160
1652
+ },
1653
+ {
1654
+ "epoch": 2.4840085287846483,
1655
+ "grad_norm": 0.34375378489494324,
1656
+ "learning_rate": 2.515991471215352e-05,
1657
+ "loss": 0.0205,
1658
+ "step": 1165
1659
+ },
1660
+ {
1661
+ "epoch": 2.4946695095948828,
1662
+ "grad_norm": 0.9058465361595154,
1663
+ "learning_rate": 2.5053304904051174e-05,
1664
+ "loss": 0.0659,
1665
+ "step": 1170
1666
+ },
1667
+ {
1668
+ "epoch": 2.5053304904051172,
1669
+ "grad_norm": 0.272561252117157,
1670
+ "learning_rate": 2.494669509594883e-05,
1671
+ "loss": 0.1166,
1672
+ "step": 1175
1673
+ },
1674
+ {
1675
+ "epoch": 2.5159914712153517,
1676
+ "grad_norm": 3.8948373794555664,
1677
+ "learning_rate": 2.4840085287846483e-05,
1678
+ "loss": 0.0433,
1679
+ "step": 1180
1680
+ },
1681
+ {
1682
+ "epoch": 2.526652452025586,
1683
+ "grad_norm": 3.72680401802063,
1684
+ "learning_rate": 2.4733475479744138e-05,
1685
+ "loss": 0.0628,
1686
+ "step": 1185
1687
+ },
1688
+ {
1689
+ "epoch": 2.5373134328358207,
1690
+ "grad_norm": 3.004444122314453,
1691
+ "learning_rate": 2.4626865671641793e-05,
1692
+ "loss": 0.0393,
1693
+ "step": 1190
1694
+ },
1695
+ {
1696
+ "epoch": 2.5479744136460556,
1697
+ "grad_norm": 0.6050565838813782,
1698
+ "learning_rate": 2.4520255863539444e-05,
1699
+ "loss": 0.0596,
1700
+ "step": 1195
1701
+ },
1702
+ {
1703
+ "epoch": 2.55863539445629,
1704
+ "grad_norm": 2.5179283618927,
1705
+ "learning_rate": 2.44136460554371e-05,
1706
+ "loss": 0.0564,
1707
+ "step": 1200
1708
+ },
1709
+ {
1710
+ "epoch": 2.5692963752665245,
1711
+ "grad_norm": 2.6036596298217773,
1712
+ "learning_rate": 2.4307036247334754e-05,
1713
+ "loss": 0.0316,
1714
+ "step": 1205
1715
+ },
1716
+ {
1717
+ "epoch": 2.579957356076759,
1718
+ "grad_norm": 0.028699757531285286,
1719
+ "learning_rate": 2.420042643923241e-05,
1720
+ "loss": 0.0184,
1721
+ "step": 1210
1722
+ },
1723
+ {
1724
+ "epoch": 2.5906183368869935,
1725
+ "grad_norm": 1.6528645753860474,
1726
+ "learning_rate": 2.4093816631130063e-05,
1727
+ "loss": 0.0532,
1728
+ "step": 1215
1729
+ },
1730
+ {
1731
+ "epoch": 2.6012793176972284,
1732
+ "grad_norm": 0.07559016346931458,
1733
+ "learning_rate": 2.3987206823027718e-05,
1734
+ "loss": 0.0116,
1735
+ "step": 1220
1736
+ },
1737
+ {
1738
+ "epoch": 2.611940298507463,
1739
+ "grad_norm": 2.928478240966797,
1740
+ "learning_rate": 2.3880597014925373e-05,
1741
+ "loss": 0.126,
1742
+ "step": 1225
1743
+ },
1744
+ {
1745
+ "epoch": 2.6226012793176974,
1746
+ "grad_norm": 0.6835159659385681,
1747
+ "learning_rate": 2.3773987206823027e-05,
1748
+ "loss": 0.0484,
1749
+ "step": 1230
1750
+ },
1751
+ {
1752
+ "epoch": 2.633262260127932,
1753
+ "grad_norm": 5.305190086364746,
1754
+ "learning_rate": 2.3667377398720682e-05,
1755
+ "loss": 0.0321,
1756
+ "step": 1235
1757
+ },
1758
+ {
1759
+ "epoch": 2.6439232409381663,
1760
+ "grad_norm": 2.7689037322998047,
1761
+ "learning_rate": 2.3560767590618337e-05,
1762
+ "loss": 0.0283,
1763
+ "step": 1240
1764
+ },
1765
+ {
1766
+ "epoch": 2.654584221748401,
1767
+ "grad_norm": 5.310142993927002,
1768
+ "learning_rate": 2.345415778251599e-05,
1769
+ "loss": 0.0843,
1770
+ "step": 1245
1771
+ },
1772
+ {
1773
+ "epoch": 2.6652452025586353,
1774
+ "grad_norm": 0.5501745939254761,
1775
+ "learning_rate": 2.3347547974413646e-05,
1776
+ "loss": 0.0642,
1777
+ "step": 1250
1778
+ },
1779
+ {
1780
+ "epoch": 2.6759061833688698,
1781
+ "grad_norm": 0.7716847062110901,
1782
+ "learning_rate": 2.32409381663113e-05,
1783
+ "loss": 0.0126,
1784
+ "step": 1255
1785
+ },
1786
+ {
1787
+ "epoch": 2.6865671641791042,
1788
+ "grad_norm": 3.3536179065704346,
1789
+ "learning_rate": 2.3134328358208956e-05,
1790
+ "loss": 0.0572,
1791
+ "step": 1260
1792
+ },
1793
+ {
1794
+ "epoch": 2.697228144989339,
1795
+ "grad_norm": 1.9659643173217773,
1796
+ "learning_rate": 2.302771855010661e-05,
1797
+ "loss": 0.0586,
1798
+ "step": 1265
1799
+ },
1800
+ {
1801
+ "epoch": 2.7078891257995736,
1802
+ "grad_norm": 2.4560301303863525,
1803
+ "learning_rate": 2.2921108742004265e-05,
1804
+ "loss": 0.127,
1805
+ "step": 1270
1806
+ },
1807
+ {
1808
+ "epoch": 2.718550106609808,
1809
+ "grad_norm": 3.943042278289795,
1810
+ "learning_rate": 2.281449893390192e-05,
1811
+ "loss": 0.0275,
1812
+ "step": 1275
1813
+ },
1814
+ {
1815
+ "epoch": 2.7292110874200426,
1816
+ "grad_norm": 3.9016950130462646,
1817
+ "learning_rate": 2.2707889125799575e-05,
1818
+ "loss": 0.0854,
1819
+ "step": 1280
1820
+ },
1821
+ {
1822
+ "epoch": 2.739872068230277,
1823
+ "grad_norm": 5.795369625091553,
1824
+ "learning_rate": 2.260127931769723e-05,
1825
+ "loss": 0.0378,
1826
+ "step": 1285
1827
+ },
1828
+ {
1829
+ "epoch": 2.750533049040512,
1830
+ "grad_norm": 5.63690710067749,
1831
+ "learning_rate": 2.2494669509594884e-05,
1832
+ "loss": 0.0501,
1833
+ "step": 1290
1834
+ },
1835
+ {
1836
+ "epoch": 2.7611940298507465,
1837
+ "grad_norm": 1.380573034286499,
1838
+ "learning_rate": 2.238805970149254e-05,
1839
+ "loss": 0.0591,
1840
+ "step": 1295
1841
+ },
1842
+ {
1843
+ "epoch": 2.771855010660981,
1844
+ "grad_norm": 1.0104233026504517,
1845
+ "learning_rate": 2.2281449893390194e-05,
1846
+ "loss": 0.0738,
1847
+ "step": 1300
1848
+ },
1849
+ {
1850
+ "epoch": 2.7825159914712154,
1851
+ "grad_norm": 2.026803731918335,
1852
+ "learning_rate": 2.217484008528785e-05,
1853
+ "loss": 0.0881,
1854
+ "step": 1305
1855
+ },
1856
+ {
1857
+ "epoch": 2.79317697228145,
1858
+ "grad_norm": 0.32868507504463196,
1859
+ "learning_rate": 2.2068230277185503e-05,
1860
+ "loss": 0.0552,
1861
+ "step": 1310
1862
+ },
1863
+ {
1864
+ "epoch": 2.8038379530916844,
1865
+ "grad_norm": 2.8184895515441895,
1866
+ "learning_rate": 2.1961620469083158e-05,
1867
+ "loss": 0.0653,
1868
+ "step": 1315
1869
+ },
1870
+ {
1871
+ "epoch": 2.814498933901919,
1872
+ "grad_norm": 1.8200106620788574,
1873
+ "learning_rate": 2.1855010660980813e-05,
1874
+ "loss": 0.1087,
1875
+ "step": 1320
1876
+ },
1877
+ {
1878
+ "epoch": 2.8251599147121533,
1879
+ "grad_norm": 0.03620142862200737,
1880
+ "learning_rate": 2.1748400852878467e-05,
1881
+ "loss": 0.0585,
1882
+ "step": 1325
1883
+ },
1884
+ {
1885
+ "epoch": 2.835820895522388,
1886
+ "grad_norm": 2.8462793827056885,
1887
+ "learning_rate": 2.164179104477612e-05,
1888
+ "loss": 0.0324,
1889
+ "step": 1330
1890
+ },
1891
+ {
1892
+ "epoch": 2.8464818763326227,
1893
+ "grad_norm": 0.3029610216617584,
1894
+ "learning_rate": 2.1535181236673773e-05,
1895
+ "loss": 0.0154,
1896
+ "step": 1335
1897
+ },
1898
+ {
1899
+ "epoch": 2.857142857142857,
1900
+ "grad_norm": 0.17032529413700104,
1901
+ "learning_rate": 2.1428571428571428e-05,
1902
+ "loss": 0.0537,
1903
+ "step": 1340
1904
+ },
1905
+ {
1906
+ "epoch": 2.8678038379530917,
1907
+ "grad_norm": 0.045354101806879044,
1908
+ "learning_rate": 2.1321961620469083e-05,
1909
+ "loss": 0.0198,
1910
+ "step": 1345
1911
+ },
1912
+ {
1913
+ "epoch": 2.878464818763326,
1914
+ "grad_norm": 0.022964896634221077,
1915
+ "learning_rate": 2.1215351812366738e-05,
1916
+ "loss": 0.027,
1917
+ "step": 1350
1918
+ },
1919
+ {
1920
+ "epoch": 2.8891257995735606,
1921
+ "grad_norm": 4.38438606262207,
1922
+ "learning_rate": 2.1108742004264392e-05,
1923
+ "loss": 0.0415,
1924
+ "step": 1355
1925
+ },
1926
+ {
1927
+ "epoch": 2.8997867803837956,
1928
+ "grad_norm": 0.09534528851509094,
1929
+ "learning_rate": 2.1002132196162047e-05,
1930
+ "loss": 0.0358,
1931
+ "step": 1360
1932
+ },
1933
+ {
1934
+ "epoch": 2.91044776119403,
1935
+ "grad_norm": 0.07081232219934464,
1936
+ "learning_rate": 2.0895522388059702e-05,
1937
+ "loss": 0.0586,
1938
+ "step": 1365
1939
+ },
1940
+ {
1941
+ "epoch": 2.9211087420042645,
1942
+ "grad_norm": 4.812894821166992,
1943
+ "learning_rate": 2.0788912579957357e-05,
1944
+ "loss": 0.0706,
1945
+ "step": 1370
1946
+ },
1947
+ {
1948
+ "epoch": 2.931769722814499,
1949
+ "grad_norm": 2.475302219390869,
1950
+ "learning_rate": 2.068230277185501e-05,
1951
+ "loss": 0.0941,
1952
+ "step": 1375
1953
+ },
1954
+ {
1955
+ "epoch": 2.9424307036247335,
1956
+ "grad_norm": 0.08581225574016571,
1957
+ "learning_rate": 2.0575692963752666e-05,
1958
+ "loss": 0.0493,
1959
+ "step": 1380
1960
+ },
1961
+ {
1962
+ "epoch": 2.953091684434968,
1963
+ "grad_norm": 0.08320838958024979,
1964
+ "learning_rate": 2.046908315565032e-05,
1965
+ "loss": 0.0179,
1966
+ "step": 1385
1967
+ },
1968
+ {
1969
+ "epoch": 2.9637526652452024,
1970
+ "grad_norm": 0.7498795986175537,
1971
+ "learning_rate": 2.0362473347547976e-05,
1972
+ "loss": 0.1158,
1973
+ "step": 1390
1974
+ },
1975
+ {
1976
+ "epoch": 2.974413646055437,
1977
+ "grad_norm": 0.3048307001590729,
1978
+ "learning_rate": 2.025586353944563e-05,
1979
+ "loss": 0.0739,
1980
+ "step": 1395
1981
+ },
1982
+ {
1983
+ "epoch": 2.9850746268656714,
1984
+ "grad_norm": 4.110705852508545,
1985
+ "learning_rate": 2.0149253731343285e-05,
1986
+ "loss": 0.0174,
1987
+ "step": 1400
1988
+ },
1989
+ {
1990
+ "epoch": 2.9957356076759063,
1991
+ "grad_norm": 0.28990909457206726,
1992
+ "learning_rate": 2.004264392324094e-05,
1993
+ "loss": 0.0113,
1994
+ "step": 1405
1995
+ },
1996
+ {
1997
+ "epoch": 3.0,
1998
+ "eval_accuracy": 0.9845333333333334,
1999
+ "eval_loss": 0.049663007259368896,
2000
+ "eval_runtime": 30.2414,
2001
+ "eval_samples_per_second": 124.002,
2002
+ "eval_steps_per_second": 3.902,
2003
+ "step": 1407
2004
+ },
2005
+ {
2006
+ "epoch": 3.0063965884861408,
2007
+ "grad_norm": 5.9853835105896,
2008
+ "learning_rate": 1.9936034115138594e-05,
2009
+ "loss": 0.0513,
2010
+ "step": 1410
2011
+ },
2012
+ {
2013
+ "epoch": 3.0170575692963753,
2014
+ "grad_norm": 3.1077232360839844,
2015
+ "learning_rate": 1.982942430703625e-05,
2016
+ "loss": 0.0506,
2017
+ "step": 1415
2018
+ },
2019
+ {
2020
+ "epoch": 3.0277185501066097,
2021
+ "grad_norm": 2.988081216812134,
2022
+ "learning_rate": 1.9722814498933904e-05,
2023
+ "loss": 0.0186,
2024
+ "step": 1420
2025
+ },
2026
+ {
2027
+ "epoch": 3.038379530916844,
2028
+ "grad_norm": 4.547006130218506,
2029
+ "learning_rate": 1.961620469083156e-05,
2030
+ "loss": 0.0618,
2031
+ "step": 1425
2032
+ },
2033
+ {
2034
+ "epoch": 3.0490405117270787,
2035
+ "grad_norm": 0.04846429452300072,
2036
+ "learning_rate": 1.9509594882729213e-05,
2037
+ "loss": 0.025,
2038
+ "step": 1430
2039
+ },
2040
+ {
2041
+ "epoch": 3.0597014925373136,
2042
+ "grad_norm": 1.4344984292984009,
2043
+ "learning_rate": 1.9402985074626868e-05,
2044
+ "loss": 0.0274,
2045
+ "step": 1435
2046
+ },
2047
+ {
2048
+ "epoch": 3.070362473347548,
2049
+ "grad_norm": 0.18212862312793732,
2050
+ "learning_rate": 1.9296375266524523e-05,
2051
+ "loss": 0.0294,
2052
+ "step": 1440
2053
+ },
2054
+ {
2055
+ "epoch": 3.0810234541577826,
2056
+ "grad_norm": 3.606336832046509,
2057
+ "learning_rate": 1.9189765458422178e-05,
2058
+ "loss": 0.0561,
2059
+ "step": 1445
2060
+ },
2061
+ {
2062
+ "epoch": 3.091684434968017,
2063
+ "grad_norm": 2.8088600635528564,
2064
+ "learning_rate": 1.9083155650319832e-05,
2065
+ "loss": 0.1157,
2066
+ "step": 1450
2067
+ },
2068
+ {
2069
+ "epoch": 3.1023454157782515,
2070
+ "grad_norm": 1.393585443496704,
2071
+ "learning_rate": 1.8976545842217487e-05,
2072
+ "loss": 0.047,
2073
+ "step": 1455
2074
+ },
2075
+ {
2076
+ "epoch": 3.113006396588486,
2077
+ "grad_norm": 0.6293894052505493,
2078
+ "learning_rate": 1.8869936034115142e-05,
2079
+ "loss": 0.0199,
2080
+ "step": 1460
2081
+ },
2082
+ {
2083
+ "epoch": 3.1236673773987205,
2084
+ "grad_norm": 0.5209453701972961,
2085
+ "learning_rate": 1.8763326226012797e-05,
2086
+ "loss": 0.0469,
2087
+ "step": 1465
2088
+ },
2089
+ {
2090
+ "epoch": 3.1343283582089554,
2091
+ "grad_norm": 2.633532762527466,
2092
+ "learning_rate": 1.865671641791045e-05,
2093
+ "loss": 0.0206,
2094
+ "step": 1470
2095
+ },
2096
+ {
2097
+ "epoch": 3.14498933901919,
2098
+ "grad_norm": 5.255884647369385,
2099
+ "learning_rate": 1.8550106609808106e-05,
2100
+ "loss": 0.0618,
2101
+ "step": 1475
2102
+ },
2103
+ {
2104
+ "epoch": 3.1556503198294243,
2105
+ "grad_norm": 0.0997823178768158,
2106
+ "learning_rate": 1.8443496801705757e-05,
2107
+ "loss": 0.0761,
2108
+ "step": 1480
2109
+ },
2110
+ {
2111
+ "epoch": 3.166311300639659,
2112
+ "grad_norm": 0.1058468222618103,
2113
+ "learning_rate": 1.8336886993603412e-05,
2114
+ "loss": 0.002,
2115
+ "step": 1485
2116
+ },
2117
+ {
2118
+ "epoch": 3.1769722814498933,
2119
+ "grad_norm": 1.9727102518081665,
2120
+ "learning_rate": 1.8230277185501067e-05,
2121
+ "loss": 0.038,
2122
+ "step": 1490
2123
+ },
2124
+ {
2125
+ "epoch": 3.1876332622601278,
2126
+ "grad_norm": 10.494832038879395,
2127
+ "learning_rate": 1.812366737739872e-05,
2128
+ "loss": 0.0413,
2129
+ "step": 1495
2130
+ },
2131
+ {
2132
+ "epoch": 3.1982942430703627,
2133
+ "grad_norm": 2.418186664581299,
2134
+ "learning_rate": 1.8017057569296376e-05,
2135
+ "loss": 0.0425,
2136
+ "step": 1500
2137
+ },
2138
+ {
2139
+ "epoch": 3.208955223880597,
2140
+ "grad_norm": 2.1825954914093018,
2141
+ "learning_rate": 1.791044776119403e-05,
2142
+ "loss": 0.0146,
2143
+ "step": 1505
2144
+ },
2145
+ {
2146
+ "epoch": 3.2196162046908317,
2147
+ "grad_norm": 0.09952125698328018,
2148
+ "learning_rate": 1.7803837953091686e-05,
2149
+ "loss": 0.0626,
2150
+ "step": 1510
2151
+ },
2152
+ {
2153
+ "epoch": 3.230277185501066,
2154
+ "grad_norm": 0.15867291390895844,
2155
+ "learning_rate": 1.769722814498934e-05,
2156
+ "loss": 0.1077,
2157
+ "step": 1515
2158
+ },
2159
+ {
2160
+ "epoch": 3.2409381663113006,
2161
+ "grad_norm": 0.2148570418357849,
2162
+ "learning_rate": 1.7590618336886995e-05,
2163
+ "loss": 0.0162,
2164
+ "step": 1520
2165
+ },
2166
+ {
2167
+ "epoch": 3.251599147121535,
2168
+ "grad_norm": 0.26731961965560913,
2169
+ "learning_rate": 1.7484008528784647e-05,
2170
+ "loss": 0.018,
2171
+ "step": 1525
2172
+ },
2173
+ {
2174
+ "epoch": 3.2622601279317696,
2175
+ "grad_norm": 0.13191302120685577,
2176
+ "learning_rate": 1.73773987206823e-05,
2177
+ "loss": 0.0515,
2178
+ "step": 1530
2179
+ },
2180
+ {
2181
+ "epoch": 3.272921108742004,
2182
+ "grad_norm": 3.2005398273468018,
2183
+ "learning_rate": 1.7270788912579956e-05,
2184
+ "loss": 0.0537,
2185
+ "step": 1535
2186
+ },
2187
+ {
2188
+ "epoch": 3.283582089552239,
2189
+ "grad_norm": 5.65139102935791,
2190
+ "learning_rate": 1.716417910447761e-05,
2191
+ "loss": 0.0549,
2192
+ "step": 1540
2193
+ },
2194
+ {
2195
+ "epoch": 3.2942430703624734,
2196
+ "grad_norm": 0.21663498878479004,
2197
+ "learning_rate": 1.7057569296375266e-05,
2198
+ "loss": 0.045,
2199
+ "step": 1545
2200
+ },
2201
+ {
2202
+ "epoch": 3.304904051172708,
2203
+ "grad_norm": 0.07517289370298386,
2204
+ "learning_rate": 1.695095948827292e-05,
2205
+ "loss": 0.0231,
2206
+ "step": 1550
2207
+ },
2208
+ {
2209
+ "epoch": 3.3155650319829424,
2210
+ "grad_norm": 1.4815609455108643,
2211
+ "learning_rate": 1.6844349680170575e-05,
2212
+ "loss": 0.0451,
2213
+ "step": 1555
2214
+ },
2215
+ {
2216
+ "epoch": 3.326226012793177,
2217
+ "grad_norm": 1.048161268234253,
2218
+ "learning_rate": 1.673773987206823e-05,
2219
+ "loss": 0.0162,
2220
+ "step": 1560
2221
+ },
2222
+ {
2223
+ "epoch": 3.3368869936034113,
2224
+ "grad_norm": 1.3309637308120728,
2225
+ "learning_rate": 1.6631130063965885e-05,
2226
+ "loss": 0.0398,
2227
+ "step": 1565
2228
+ },
2229
+ {
2230
+ "epoch": 3.3475479744136463,
2231
+ "grad_norm": 0.37878745794296265,
2232
+ "learning_rate": 1.652452025586354e-05,
2233
+ "loss": 0.0438,
2234
+ "step": 1570
2235
+ },
2236
+ {
2237
+ "epoch": 3.3582089552238807,
2238
+ "grad_norm": 1.3147047758102417,
2239
+ "learning_rate": 1.6417910447761194e-05,
2240
+ "loss": 0.0487,
2241
+ "step": 1575
2242
+ },
2243
+ {
2244
+ "epoch": 3.368869936034115,
2245
+ "grad_norm": 1.4903837442398071,
2246
+ "learning_rate": 1.631130063965885e-05,
2247
+ "loss": 0.0367,
2248
+ "step": 1580
2249
+ },
2250
+ {
2251
+ "epoch": 3.3795309168443497,
2252
+ "grad_norm": 0.03658771887421608,
2253
+ "learning_rate": 1.6204690831556504e-05,
2254
+ "loss": 0.0757,
2255
+ "step": 1585
2256
+ },
2257
+ {
2258
+ "epoch": 3.390191897654584,
2259
+ "grad_norm": 2.4653584957122803,
2260
+ "learning_rate": 1.6098081023454158e-05,
2261
+ "loss": 0.0203,
2262
+ "step": 1590
2263
+ },
2264
+ {
2265
+ "epoch": 3.4008528784648187,
2266
+ "grad_norm": 3.4044103622436523,
2267
+ "learning_rate": 1.5991471215351813e-05,
2268
+ "loss": 0.0916,
2269
+ "step": 1595
2270
+ },
2271
+ {
2272
+ "epoch": 3.411513859275053,
2273
+ "grad_norm": 2.113943099975586,
2274
+ "learning_rate": 1.5884861407249468e-05,
2275
+ "loss": 0.0306,
2276
+ "step": 1600
2277
+ },
2278
+ {
2279
+ "epoch": 3.4221748400852876,
2280
+ "grad_norm": 1.9067606925964355,
2281
+ "learning_rate": 1.5778251599147122e-05,
2282
+ "loss": 0.0963,
2283
+ "step": 1605
2284
+ },
2285
+ {
2286
+ "epoch": 3.4328358208955225,
2287
+ "grad_norm": 6.979249000549316,
2288
+ "learning_rate": 1.5671641791044777e-05,
2289
+ "loss": 0.0724,
2290
+ "step": 1610
2291
+ },
2292
+ {
2293
+ "epoch": 3.443496801705757,
2294
+ "grad_norm": 0.08668050169944763,
2295
+ "learning_rate": 1.5565031982942432e-05,
2296
+ "loss": 0.015,
2297
+ "step": 1615
2298
+ },
2299
+ {
2300
+ "epoch": 3.4541577825159915,
2301
+ "grad_norm": 5.257578372955322,
2302
+ "learning_rate": 1.5458422174840087e-05,
2303
+ "loss": 0.0627,
2304
+ "step": 1620
2305
+ },
2306
+ {
2307
+ "epoch": 3.464818763326226,
2308
+ "grad_norm": 3.925598382949829,
2309
+ "learning_rate": 1.535181236673774e-05,
2310
+ "loss": 0.0405,
2311
+ "step": 1625
2312
+ },
2313
+ {
2314
+ "epoch": 3.4754797441364604,
2315
+ "grad_norm": 1.6668205261230469,
2316
+ "learning_rate": 1.5245202558635396e-05,
2317
+ "loss": 0.0516,
2318
+ "step": 1630
2319
+ },
2320
+ {
2321
+ "epoch": 3.486140724946695,
2322
+ "grad_norm": 1.7489405870437622,
2323
+ "learning_rate": 1.5138592750533051e-05,
2324
+ "loss": 0.0604,
2325
+ "step": 1635
2326
+ },
2327
+ {
2328
+ "epoch": 3.49680170575693,
2329
+ "grad_norm": 0.3566051721572876,
2330
+ "learning_rate": 1.5031982942430706e-05,
2331
+ "loss": 0.0312,
2332
+ "step": 1640
2333
+ },
2334
+ {
2335
+ "epoch": 3.5074626865671643,
2336
+ "grad_norm": 2.4539477825164795,
2337
+ "learning_rate": 1.4925373134328357e-05,
2338
+ "loss": 0.0291,
2339
+ "step": 1645
2340
+ },
2341
+ {
2342
+ "epoch": 3.518123667377399,
2343
+ "grad_norm": 0.12528733909130096,
2344
+ "learning_rate": 1.4818763326226012e-05,
2345
+ "loss": 0.0086,
2346
+ "step": 1650
2347
+ },
2348
+ {
2349
+ "epoch": 3.5287846481876333,
2350
+ "grad_norm": 1.785400152206421,
2351
+ "learning_rate": 1.4712153518123666e-05,
2352
+ "loss": 0.0293,
2353
+ "step": 1655
2354
+ },
2355
+ {
2356
+ "epoch": 3.5394456289978677,
2357
+ "grad_norm": 0.09822116792201996,
2358
+ "learning_rate": 1.4605543710021321e-05,
2359
+ "loss": 0.0477,
2360
+ "step": 1660
2361
+ },
2362
+ {
2363
+ "epoch": 3.550106609808102,
2364
+ "grad_norm": 1.506932020187378,
2365
+ "learning_rate": 1.4498933901918976e-05,
2366
+ "loss": 0.0232,
2367
+ "step": 1665
2368
+ },
2369
+ {
2370
+ "epoch": 3.5607675906183367,
2371
+ "grad_norm": 0.3450221121311188,
2372
+ "learning_rate": 1.439232409381663e-05,
2373
+ "loss": 0.0361,
2374
+ "step": 1670
2375
+ },
2376
+ {
2377
+ "epoch": 3.571428571428571,
2378
+ "grad_norm": 4.916365146636963,
2379
+ "learning_rate": 1.4285714285714285e-05,
2380
+ "loss": 0.0671,
2381
+ "step": 1675
2382
+ },
2383
+ {
2384
+ "epoch": 3.582089552238806,
2385
+ "grad_norm": 1.6237881183624268,
2386
+ "learning_rate": 1.417910447761194e-05,
2387
+ "loss": 0.054,
2388
+ "step": 1680
2389
+ },
2390
+ {
2391
+ "epoch": 3.5927505330490406,
2392
+ "grad_norm": 0.08428498357534409,
2393
+ "learning_rate": 1.4072494669509595e-05,
2394
+ "loss": 0.0441,
2395
+ "step": 1685
2396
+ },
2397
+ {
2398
+ "epoch": 3.603411513859275,
2399
+ "grad_norm": 1.2348194122314453,
2400
+ "learning_rate": 1.396588486140725e-05,
2401
+ "loss": 0.08,
2402
+ "step": 1690
2403
+ },
2404
+ {
2405
+ "epoch": 3.6140724946695095,
2406
+ "grad_norm": 1.8095675706863403,
2407
+ "learning_rate": 1.3859275053304904e-05,
2408
+ "loss": 0.0364,
2409
+ "step": 1695
2410
+ },
2411
+ {
2412
+ "epoch": 3.624733475479744,
2413
+ "grad_norm": 0.9967527985572815,
2414
+ "learning_rate": 1.3752665245202559e-05,
2415
+ "loss": 0.0633,
2416
+ "step": 1700
2417
+ },
2418
+ {
2419
+ "epoch": 3.635394456289979,
2420
+ "grad_norm": 2.6512041091918945,
2421
+ "learning_rate": 1.3646055437100214e-05,
2422
+ "loss": 0.0534,
2423
+ "step": 1705
2424
+ },
2425
+ {
2426
+ "epoch": 3.6460554371002134,
2427
+ "grad_norm": 4.037423133850098,
2428
+ "learning_rate": 1.3539445628997869e-05,
2429
+ "loss": 0.0779,
2430
+ "step": 1710
2431
+ },
2432
+ {
2433
+ "epoch": 3.656716417910448,
2434
+ "grad_norm": 0.15046194195747375,
2435
+ "learning_rate": 1.3432835820895523e-05,
2436
+ "loss": 0.0364,
2437
+ "step": 1715
2438
+ },
2439
+ {
2440
+ "epoch": 3.6673773987206824,
2441
+ "grad_norm": 0.8709226846694946,
2442
+ "learning_rate": 1.3326226012793178e-05,
2443
+ "loss": 0.0468,
2444
+ "step": 1720
2445
+ },
2446
+ {
2447
+ "epoch": 3.678038379530917,
2448
+ "grad_norm": 2.173316717147827,
2449
+ "learning_rate": 1.3219616204690833e-05,
2450
+ "loss": 0.0707,
2451
+ "step": 1725
2452
+ },
2453
+ {
2454
+ "epoch": 3.6886993603411513,
2455
+ "grad_norm": 2.958150863647461,
2456
+ "learning_rate": 1.3113006396588488e-05,
2457
+ "loss": 0.0548,
2458
+ "step": 1730
2459
+ },
2460
+ {
2461
+ "epoch": 3.699360341151386,
2462
+ "grad_norm": 0.1843482255935669,
2463
+ "learning_rate": 1.3006396588486142e-05,
2464
+ "loss": 0.0231,
2465
+ "step": 1735
2466
+ },
2467
+ {
2468
+ "epoch": 3.7100213219616203,
2469
+ "grad_norm": 5.058403491973877,
2470
+ "learning_rate": 1.2899786780383797e-05,
2471
+ "loss": 0.0858,
2472
+ "step": 1740
2473
+ },
2474
+ {
2475
+ "epoch": 3.7206823027718547,
2476
+ "grad_norm": 1.3982828855514526,
2477
+ "learning_rate": 1.2793176972281452e-05,
2478
+ "loss": 0.0276,
2479
+ "step": 1745
2480
+ },
2481
+ {
2482
+ "epoch": 3.7313432835820897,
2483
+ "grad_norm": 3.8228812217712402,
2484
+ "learning_rate": 1.2686567164179105e-05,
2485
+ "loss": 0.0697,
2486
+ "step": 1750
2487
+ },
2488
+ {
2489
+ "epoch": 3.742004264392324,
2490
+ "grad_norm": 0.045222848653793335,
2491
+ "learning_rate": 1.257995735607676e-05,
2492
+ "loss": 0.0472,
2493
+ "step": 1755
2494
+ },
2495
+ {
2496
+ "epoch": 3.7526652452025586,
2497
+ "grad_norm": 1.7860981225967407,
2498
+ "learning_rate": 1.2473347547974414e-05,
2499
+ "loss": 0.0525,
2500
+ "step": 1760
2501
+ },
2502
+ {
2503
+ "epoch": 3.763326226012793,
2504
+ "grad_norm": 0.6972252130508423,
2505
+ "learning_rate": 1.2366737739872069e-05,
2506
+ "loss": 0.0121,
2507
+ "step": 1765
2508
+ },
2509
+ {
2510
+ "epoch": 3.7739872068230276,
2511
+ "grad_norm": 0.20254448056221008,
2512
+ "learning_rate": 1.2260127931769722e-05,
2513
+ "loss": 0.0177,
2514
+ "step": 1770
2515
+ },
2516
+ {
2517
+ "epoch": 3.7846481876332625,
2518
+ "grad_norm": 0.987204372882843,
2519
+ "learning_rate": 1.2153518123667377e-05,
2520
+ "loss": 0.0121,
2521
+ "step": 1775
2522
+ },
2523
+ {
2524
+ "epoch": 3.795309168443497,
2525
+ "grad_norm": 0.008263621479272842,
2526
+ "learning_rate": 1.2046908315565032e-05,
2527
+ "loss": 0.0236,
2528
+ "step": 1780
2529
+ },
2530
+ {
2531
+ "epoch": 3.8059701492537314,
2532
+ "grad_norm": 4.706175804138184,
2533
+ "learning_rate": 1.1940298507462686e-05,
2534
+ "loss": 0.0353,
2535
+ "step": 1785
2536
+ },
2537
+ {
2538
+ "epoch": 3.816631130063966,
2539
+ "grad_norm": 0.12551943957805634,
2540
+ "learning_rate": 1.1833688699360341e-05,
2541
+ "loss": 0.0114,
2542
+ "step": 1790
2543
+ },
2544
+ {
2545
+ "epoch": 3.8272921108742004,
2546
+ "grad_norm": 0.11788411438465118,
2547
+ "learning_rate": 1.1727078891257996e-05,
2548
+ "loss": 0.0521,
2549
+ "step": 1795
2550
+ },
2551
+ {
2552
+ "epoch": 3.837953091684435,
2553
+ "grad_norm": 0.018468033522367477,
2554
+ "learning_rate": 1.162046908315565e-05,
2555
+ "loss": 0.0278,
2556
+ "step": 1800
2557
+ },
2558
+ {
2559
+ "epoch": 3.8486140724946694,
2560
+ "grad_norm": 0.12878307700157166,
2561
+ "learning_rate": 1.1513859275053305e-05,
2562
+ "loss": 0.0527,
2563
+ "step": 1805
2564
+ },
2565
+ {
2566
+ "epoch": 3.859275053304904,
2567
+ "grad_norm": 0.6872093677520752,
2568
+ "learning_rate": 1.140724946695096e-05,
2569
+ "loss": 0.0059,
2570
+ "step": 1810
2571
+ },
2572
+ {
2573
+ "epoch": 3.8699360341151388,
2574
+ "grad_norm": 0.4362220764160156,
2575
+ "learning_rate": 1.1300639658848615e-05,
2576
+ "loss": 0.0544,
2577
+ "step": 1815
2578
+ },
2579
+ {
2580
+ "epoch": 3.8805970149253732,
2581
+ "grad_norm": 2.3047478199005127,
2582
+ "learning_rate": 1.119402985074627e-05,
2583
+ "loss": 0.0427,
2584
+ "step": 1820
2585
+ },
2586
+ {
2587
+ "epoch": 3.8912579957356077,
2588
+ "grad_norm": 2.368626832962036,
2589
+ "learning_rate": 1.1087420042643924e-05,
2590
+ "loss": 0.0092,
2591
+ "step": 1825
2592
+ },
2593
+ {
2594
+ "epoch": 3.901918976545842,
2595
+ "grad_norm": 0.4732750356197357,
2596
+ "learning_rate": 1.0980810234541579e-05,
2597
+ "loss": 0.0913,
2598
+ "step": 1830
2599
+ },
2600
+ {
2601
+ "epoch": 3.9125799573560767,
2602
+ "grad_norm": 1.9303557872772217,
2603
+ "learning_rate": 1.0874200426439234e-05,
2604
+ "loss": 0.0848,
2605
+ "step": 1835
2606
+ },
2607
+ {
2608
+ "epoch": 3.923240938166311,
2609
+ "grad_norm": 4.616023540496826,
2610
+ "learning_rate": 1.0767590618336887e-05,
2611
+ "loss": 0.0875,
2612
+ "step": 1840
2613
+ },
2614
+ {
2615
+ "epoch": 3.933901918976546,
2616
+ "grad_norm": 5.087564468383789,
2617
+ "learning_rate": 1.0660980810234541e-05,
2618
+ "loss": 0.025,
2619
+ "step": 1845
2620
+ },
2621
+ {
2622
+ "epoch": 3.9445628997867805,
2623
+ "grad_norm": 2.057764768600464,
2624
+ "learning_rate": 1.0554371002132196e-05,
2625
+ "loss": 0.0586,
2626
+ "step": 1850
2627
+ },
2628
+ {
2629
+ "epoch": 3.955223880597015,
2630
+ "grad_norm": 1.3320432901382446,
2631
+ "learning_rate": 1.0447761194029851e-05,
2632
+ "loss": 0.0895,
2633
+ "step": 1855
2634
+ },
2635
+ {
2636
+ "epoch": 3.9658848614072495,
2637
+ "grad_norm": 3.2463903427124023,
2638
+ "learning_rate": 1.0341151385927506e-05,
2639
+ "loss": 0.0513,
2640
+ "step": 1860
2641
+ },
2642
+ {
2643
+ "epoch": 3.976545842217484,
2644
+ "grad_norm": 0.39618295431137085,
2645
+ "learning_rate": 1.023454157782516e-05,
2646
+ "loss": 0.0511,
2647
+ "step": 1865
2648
+ },
2649
+ {
2650
+ "epoch": 3.9872068230277184,
2651
+ "grad_norm": 0.6346930861473083,
2652
+ "learning_rate": 1.0127931769722815e-05,
2653
+ "loss": 0.008,
2654
+ "step": 1870
2655
+ },
2656
+ {
2657
+ "epoch": 3.997867803837953,
2658
+ "grad_norm": 0.19096767902374268,
2659
+ "learning_rate": 1.002132196162047e-05,
2660
+ "loss": 0.0503,
2661
+ "step": 1875
2662
+ },
2663
+ {
2664
+ "epoch": 4.0,
2665
+ "eval_accuracy": 0.9853333333333333,
2666
+ "eval_loss": 0.057693734765052795,
2667
+ "eval_runtime": 30.0098,
2668
+ "eval_samples_per_second": 124.959,
2669
+ "eval_steps_per_second": 3.932,
2670
+ "step": 1876
2671
+ },
2672
+ {
2673
+ "epoch": 4.008528784648187,
2674
+ "grad_norm": 0.33552685379981995,
2675
+ "learning_rate": 9.914712153518125e-06,
2676
+ "loss": 0.043,
2677
+ "step": 1880
2678
+ },
2679
+ {
2680
+ "epoch": 4.019189765458422,
2681
+ "grad_norm": 1.1900758743286133,
2682
+ "learning_rate": 9.80810234541578e-06,
2683
+ "loss": 0.0239,
2684
+ "step": 1885
2685
+ },
2686
+ {
2687
+ "epoch": 4.029850746268656,
2688
+ "grad_norm": 2.509854316711426,
2689
+ "learning_rate": 9.701492537313434e-06,
2690
+ "loss": 0.0725,
2691
+ "step": 1890
2692
+ },
2693
+ {
2694
+ "epoch": 4.040511727078891,
2695
+ "grad_norm": 0.5979093313217163,
2696
+ "learning_rate": 9.594882729211089e-06,
2697
+ "loss": 0.0968,
2698
+ "step": 1895
2699
+ },
2700
+ {
2701
+ "epoch": 4.051172707889126,
2702
+ "grad_norm": 5.102226257324219,
2703
+ "learning_rate": 9.488272921108744e-06,
2704
+ "loss": 0.0264,
2705
+ "step": 1900
2706
+ },
2707
+ {
2708
+ "epoch": 4.061833688699361,
2709
+ "grad_norm": 0.11778697371482849,
2710
+ "learning_rate": 9.381663113006398e-06,
2711
+ "loss": 0.0046,
2712
+ "step": 1905
2713
+ },
2714
+ {
2715
+ "epoch": 4.072494669509595,
2716
+ "grad_norm": 3.4112749099731445,
2717
+ "learning_rate": 9.275053304904053e-06,
2718
+ "loss": 0.0567,
2719
+ "step": 1910
2720
+ },
2721
+ {
2722
+ "epoch": 4.08315565031983,
2723
+ "grad_norm": 0.05021292343735695,
2724
+ "learning_rate": 9.168443496801706e-06,
2725
+ "loss": 0.0829,
2726
+ "step": 1915
2727
+ },
2728
+ {
2729
+ "epoch": 4.093816631130064,
2730
+ "grad_norm": 0.711565375328064,
2731
+ "learning_rate": 9.06183368869936e-06,
2732
+ "loss": 0.0278,
2733
+ "step": 1920
2734
+ },
2735
+ {
2736
+ "epoch": 4.104477611940299,
2737
+ "grad_norm": 0.7084826231002808,
2738
+ "learning_rate": 8.955223880597016e-06,
2739
+ "loss": 0.0551,
2740
+ "step": 1925
2741
+ },
2742
+ {
2743
+ "epoch": 4.115138592750533,
2744
+ "grad_norm": 3.5091140270233154,
2745
+ "learning_rate": 8.84861407249467e-06,
2746
+ "loss": 0.0405,
2747
+ "step": 1930
2748
+ },
2749
+ {
2750
+ "epoch": 4.1257995735607675,
2751
+ "grad_norm": 0.9844450354576111,
2752
+ "learning_rate": 8.742004264392323e-06,
2753
+ "loss": 0.0121,
2754
+ "step": 1935
2755
+ },
2756
+ {
2757
+ "epoch": 4.136460554371002,
2758
+ "grad_norm": 2.198108196258545,
2759
+ "learning_rate": 8.635394456289978e-06,
2760
+ "loss": 0.0304,
2761
+ "step": 1940
2762
+ },
2763
+ {
2764
+ "epoch": 4.1471215351812365,
2765
+ "grad_norm": 0.3102406859397888,
2766
+ "learning_rate": 8.528784648187633e-06,
2767
+ "loss": 0.0264,
2768
+ "step": 1945
2769
+ },
2770
+ {
2771
+ "epoch": 4.157782515991471,
2772
+ "grad_norm": 1.2331022024154663,
2773
+ "learning_rate": 8.422174840085288e-06,
2774
+ "loss": 0.0885,
2775
+ "step": 1950
2776
+ },
2777
+ {
2778
+ "epoch": 4.1684434968017055,
2779
+ "grad_norm": 3.271655321121216,
2780
+ "learning_rate": 8.315565031982942e-06,
2781
+ "loss": 0.0181,
2782
+ "step": 1955
2783
+ },
2784
+ {
2785
+ "epoch": 4.17910447761194,
2786
+ "grad_norm": 2.418349504470825,
2787
+ "learning_rate": 8.208955223880597e-06,
2788
+ "loss": 0.023,
2789
+ "step": 1960
2790
+ },
2791
+ {
2792
+ "epoch": 4.189765458422174,
2793
+ "grad_norm": 0.4884377419948578,
2794
+ "learning_rate": 8.102345415778252e-06,
2795
+ "loss": 0.0272,
2796
+ "step": 1965
2797
+ },
2798
+ {
2799
+ "epoch": 4.20042643923241,
2800
+ "grad_norm": 0.35668712854385376,
2801
+ "learning_rate": 7.995735607675907e-06,
2802
+ "loss": 0.0231,
2803
+ "step": 1970
2804
+ },
2805
+ {
2806
+ "epoch": 4.211087420042644,
2807
+ "grad_norm": 0.6178990006446838,
2808
+ "learning_rate": 7.889125799573561e-06,
2809
+ "loss": 0.0374,
2810
+ "step": 1975
2811
+ },
2812
+ {
2813
+ "epoch": 4.221748400852879,
2814
+ "grad_norm": 1.1067795753479004,
2815
+ "learning_rate": 7.782515991471216e-06,
2816
+ "loss": 0.02,
2817
+ "step": 1980
2818
+ },
2819
+ {
2820
+ "epoch": 4.232409381663113,
2821
+ "grad_norm": 6.51231575012207,
2822
+ "learning_rate": 7.67590618336887e-06,
2823
+ "loss": 0.0219,
2824
+ "step": 1985
2825
+ },
2826
+ {
2827
+ "epoch": 4.243070362473348,
2828
+ "grad_norm": 1.1928209066390991,
2829
+ "learning_rate": 7.5692963752665255e-06,
2830
+ "loss": 0.0665,
2831
+ "step": 1990
2832
+ },
2833
+ {
2834
+ "epoch": 4.253731343283582,
2835
+ "grad_norm": 0.2080002725124359,
2836
+ "learning_rate": 7.4626865671641785e-06,
2837
+ "loss": 0.0327,
2838
+ "step": 1995
2839
+ },
2840
+ {
2841
+ "epoch": 4.264392324093817,
2842
+ "grad_norm": 0.042353782802820206,
2843
+ "learning_rate": 7.356076759061833e-06,
2844
+ "loss": 0.0478,
2845
+ "step": 2000
2846
+ },
2847
+ {
2848
+ "epoch": 4.275053304904051,
2849
+ "grad_norm": 1.934338092803955,
2850
+ "learning_rate": 7.249466950959488e-06,
2851
+ "loss": 0.0636,
2852
+ "step": 2005
2853
+ },
2854
+ {
2855
+ "epoch": 4.285714285714286,
2856
+ "grad_norm": 4.782704830169678,
2857
+ "learning_rate": 7.142857142857143e-06,
2858
+ "loss": 0.0773,
2859
+ "step": 2010
2860
+ },
2861
+ {
2862
+ "epoch": 4.29637526652452,
2863
+ "grad_norm": 8.849922180175781,
2864
+ "learning_rate": 7.0362473347547975e-06,
2865
+ "loss": 0.0753,
2866
+ "step": 2015
2867
+ },
2868
+ {
2869
+ "epoch": 4.3070362473347545,
2870
+ "grad_norm": 0.5215364694595337,
2871
+ "learning_rate": 6.929637526652452e-06,
2872
+ "loss": 0.0185,
2873
+ "step": 2020
2874
+ },
2875
+ {
2876
+ "epoch": 4.317697228144989,
2877
+ "grad_norm": 0.3860110342502594,
2878
+ "learning_rate": 6.823027718550107e-06,
2879
+ "loss": 0.0261,
2880
+ "step": 2025
2881
+ },
2882
+ {
2883
+ "epoch": 4.3283582089552235,
2884
+ "grad_norm": 0.4009244441986084,
2885
+ "learning_rate": 6.716417910447762e-06,
2886
+ "loss": 0.0376,
2887
+ "step": 2030
2888
+ },
2889
+ {
2890
+ "epoch": 4.339019189765459,
2891
+ "grad_norm": 0.8450959920883179,
2892
+ "learning_rate": 6.609808102345416e-06,
2893
+ "loss": 0.0494,
2894
+ "step": 2035
2895
+ },
2896
+ {
2897
+ "epoch": 4.349680170575693,
2898
+ "grad_norm": 0.07523775845766068,
2899
+ "learning_rate": 6.503198294243071e-06,
2900
+ "loss": 0.0022,
2901
+ "step": 2040
2902
+ },
2903
+ {
2904
+ "epoch": 4.360341151385928,
2905
+ "grad_norm": 1.7822614908218384,
2906
+ "learning_rate": 6.396588486140726e-06,
2907
+ "loss": 0.0244,
2908
+ "step": 2045
2909
+ },
2910
+ {
2911
+ "epoch": 4.371002132196162,
2912
+ "grad_norm": 0.2831427752971649,
2913
+ "learning_rate": 6.28997867803838e-06,
2914
+ "loss": 0.0238,
2915
+ "step": 2050
2916
+ },
2917
+ {
2918
+ "epoch": 4.381663113006397,
2919
+ "grad_norm": 2.1002755165100098,
2920
+ "learning_rate": 6.1833688699360345e-06,
2921
+ "loss": 0.0061,
2922
+ "step": 2055
2923
+ },
2924
+ {
2925
+ "epoch": 4.392324093816631,
2926
+ "grad_norm": 0.04909675940871239,
2927
+ "learning_rate": 6.076759061833688e-06,
2928
+ "loss": 0.0132,
2929
+ "step": 2060
2930
+ },
2931
+ {
2932
+ "epoch": 4.402985074626866,
2933
+ "grad_norm": 0.06743484735488892,
2934
+ "learning_rate": 5.970149253731343e-06,
2935
+ "loss": 0.007,
2936
+ "step": 2065
2937
+ },
2938
+ {
2939
+ "epoch": 4.4136460554371,
2940
+ "grad_norm": 1.3916325569152832,
2941
+ "learning_rate": 5.863539445628998e-06,
2942
+ "loss": 0.0457,
2943
+ "step": 2070
2944
+ },
2945
+ {
2946
+ "epoch": 4.424307036247335,
2947
+ "grad_norm": 2.923020839691162,
2948
+ "learning_rate": 5.756929637526653e-06,
2949
+ "loss": 0.0542,
2950
+ "step": 2075
2951
+ },
2952
+ {
2953
+ "epoch": 4.434968017057569,
2954
+ "grad_norm": 0.19578196108341217,
2955
+ "learning_rate": 5.650319829424307e-06,
2956
+ "loss": 0.0294,
2957
+ "step": 2080
2958
+ },
2959
+ {
2960
+ "epoch": 4.445628997867804,
2961
+ "grad_norm": 4.984744548797607,
2962
+ "learning_rate": 5.543710021321962e-06,
2963
+ "loss": 0.0832,
2964
+ "step": 2085
2965
+ },
2966
+ {
2967
+ "epoch": 4.456289978678038,
2968
+ "grad_norm": 0.11541163176298141,
2969
+ "learning_rate": 5.437100213219617e-06,
2970
+ "loss": 0.014,
2971
+ "step": 2090
2972
+ },
2973
+ {
2974
+ "epoch": 4.466950959488273,
2975
+ "grad_norm": 4.546020030975342,
2976
+ "learning_rate": 5.330490405117271e-06,
2977
+ "loss": 0.0534,
2978
+ "step": 2095
2979
+ },
2980
+ {
2981
+ "epoch": 4.477611940298507,
2982
+ "grad_norm": 8.243620872497559,
2983
+ "learning_rate": 5.2238805970149255e-06,
2984
+ "loss": 0.0488,
2985
+ "step": 2100
2986
+ },
2987
+ {
2988
+ "epoch": 4.4882729211087415,
2989
+ "grad_norm": 0.511540949344635,
2990
+ "learning_rate": 5.11727078891258e-06,
2991
+ "loss": 0.0201,
2992
+ "step": 2105
2993
+ },
2994
+ {
2995
+ "epoch": 4.498933901918977,
2996
+ "grad_norm": 0.0157143697142601,
2997
+ "learning_rate": 5.010660980810235e-06,
2998
+ "loss": 0.0367,
2999
+ "step": 2110
3000
+ },
3001
+ {
3002
+ "epoch": 4.509594882729211,
3003
+ "grad_norm": 2.212648391723633,
3004
+ "learning_rate": 4.90405117270789e-06,
3005
+ "loss": 0.0961,
3006
+ "step": 2115
3007
+ },
3008
+ {
3009
+ "epoch": 4.520255863539446,
3010
+ "grad_norm": 5.739912509918213,
3011
+ "learning_rate": 4.797441364605544e-06,
3012
+ "loss": 0.0247,
3013
+ "step": 2120
3014
+ },
3015
+ {
3016
+ "epoch": 4.53091684434968,
3017
+ "grad_norm": 0.1044129878282547,
3018
+ "learning_rate": 4.690831556503199e-06,
3019
+ "loss": 0.0131,
3020
+ "step": 2125
3021
+ },
3022
+ {
3023
+ "epoch": 4.541577825159915,
3024
+ "grad_norm": 0.06712178140878677,
3025
+ "learning_rate": 4.584221748400853e-06,
3026
+ "loss": 0.0156,
3027
+ "step": 2130
3028
+ },
3029
+ {
3030
+ "epoch": 4.552238805970149,
3031
+ "grad_norm": 1.880367636680603,
3032
+ "learning_rate": 4.477611940298508e-06,
3033
+ "loss": 0.0379,
3034
+ "step": 2135
3035
+ },
3036
+ {
3037
+ "epoch": 4.562899786780384,
3038
+ "grad_norm": 1.7654049396514893,
3039
+ "learning_rate": 4.371002132196162e-06,
3040
+ "loss": 0.0442,
3041
+ "step": 2140
3042
+ },
3043
+ {
3044
+ "epoch": 4.573560767590618,
3045
+ "grad_norm": 0.7807329297065735,
3046
+ "learning_rate": 4.264392324093816e-06,
3047
+ "loss": 0.0669,
3048
+ "step": 2145
3049
+ },
3050
+ {
3051
+ "epoch": 4.584221748400853,
3052
+ "grad_norm": 0.20359137654304504,
3053
+ "learning_rate": 4.157782515991471e-06,
3054
+ "loss": 0.0497,
3055
+ "step": 2150
3056
+ },
3057
+ {
3058
+ "epoch": 4.594882729211087,
3059
+ "grad_norm": 0.5239803791046143,
3060
+ "learning_rate": 4.051172707889126e-06,
3061
+ "loss": 0.0486,
3062
+ "step": 2155
3063
+ },
3064
+ {
3065
+ "epoch": 4.605543710021322,
3066
+ "grad_norm": 1.5167542695999146,
3067
+ "learning_rate": 3.944562899786781e-06,
3068
+ "loss": 0.0124,
3069
+ "step": 2160
3070
+ },
3071
+ {
3072
+ "epoch": 4.616204690831556,
3073
+ "grad_norm": 2.5426676273345947,
3074
+ "learning_rate": 3.837953091684435e-06,
3075
+ "loss": 0.0611,
3076
+ "step": 2165
3077
+ },
3078
+ {
3079
+ "epoch": 4.6268656716417915,
3080
+ "grad_norm": 3.1925253868103027,
3081
+ "learning_rate": 3.7313432835820893e-06,
3082
+ "loss": 0.0462,
3083
+ "step": 2170
3084
+ },
3085
+ {
3086
+ "epoch": 4.637526652452026,
3087
+ "grad_norm": 3.580578327178955,
3088
+ "learning_rate": 3.624733475479744e-06,
3089
+ "loss": 0.0568,
3090
+ "step": 2175
3091
+ },
3092
+ {
3093
+ "epoch": 4.6481876332622605,
3094
+ "grad_norm": 0.10047749429941177,
3095
+ "learning_rate": 3.5181236673773987e-06,
3096
+ "loss": 0.0114,
3097
+ "step": 2180
3098
+ },
3099
+ {
3100
+ "epoch": 4.658848614072495,
3101
+ "grad_norm": 0.14199915528297424,
3102
+ "learning_rate": 3.4115138592750535e-06,
3103
+ "loss": 0.0155,
3104
+ "step": 2185
3105
+ },
3106
+ {
3107
+ "epoch": 4.669509594882729,
3108
+ "grad_norm": 2.6860766410827637,
3109
+ "learning_rate": 3.304904051172708e-06,
3110
+ "loss": 0.0661,
3111
+ "step": 2190
3112
+ },
3113
+ {
3114
+ "epoch": 4.680170575692964,
3115
+ "grad_norm": 0.33872342109680176,
3116
+ "learning_rate": 3.198294243070363e-06,
3117
+ "loss": 0.0048,
3118
+ "step": 2195
3119
+ },
3120
+ {
3121
+ "epoch": 4.690831556503198,
3122
+ "grad_norm": 0.34942907094955444,
3123
+ "learning_rate": 3.0916844349680173e-06,
3124
+ "loss": 0.0039,
3125
+ "step": 2200
3126
+ },
3127
+ {
3128
+ "epoch": 4.701492537313433,
3129
+ "grad_norm": 0.21256044507026672,
3130
+ "learning_rate": 2.9850746268656716e-06,
3131
+ "loss": 0.0263,
3132
+ "step": 2205
3133
+ },
3134
+ {
3135
+ "epoch": 4.712153518123667,
3136
+ "grad_norm": 0.0319799929857254,
3137
+ "learning_rate": 2.8784648187633263e-06,
3138
+ "loss": 0.0256,
3139
+ "step": 2210
3140
+ },
3141
+ {
3142
+ "epoch": 4.722814498933902,
3143
+ "grad_norm": 1.5750174522399902,
3144
+ "learning_rate": 2.771855010660981e-06,
3145
+ "loss": 0.0498,
3146
+ "step": 2215
3147
+ },
3148
+ {
3149
+ "epoch": 4.733475479744136,
3150
+ "grad_norm": 0.4238032400608063,
3151
+ "learning_rate": 2.6652452025586354e-06,
3152
+ "loss": 0.0263,
3153
+ "step": 2220
3154
+ },
3155
+ {
3156
+ "epoch": 4.744136460554371,
3157
+ "grad_norm": 3.562697410583496,
3158
+ "learning_rate": 2.55863539445629e-06,
3159
+ "loss": 0.0432,
3160
+ "step": 2225
3161
+ },
3162
+ {
3163
+ "epoch": 4.754797441364605,
3164
+ "grad_norm": 0.6385986804962158,
3165
+ "learning_rate": 2.452025586353945e-06,
3166
+ "loss": 0.0161,
3167
+ "step": 2230
3168
+ },
3169
+ {
3170
+ "epoch": 4.76545842217484,
3171
+ "grad_norm": 0.31384432315826416,
3172
+ "learning_rate": 2.3454157782515996e-06,
3173
+ "loss": 0.0199,
3174
+ "step": 2235
3175
+ },
3176
+ {
3177
+ "epoch": 4.776119402985074,
3178
+ "grad_norm": 8.640058517456055,
3179
+ "learning_rate": 2.238805970149254e-06,
3180
+ "loss": 0.0349,
3181
+ "step": 2240
3182
+ },
3183
+ {
3184
+ "epoch": 4.786780383795309,
3185
+ "grad_norm": 0.7713145613670349,
3186
+ "learning_rate": 2.132196162046908e-06,
3187
+ "loss": 0.016,
3188
+ "step": 2245
3189
+ },
3190
+ {
3191
+ "epoch": 4.797441364605544,
3192
+ "grad_norm": 1.6630401611328125,
3193
+ "learning_rate": 2.025586353944563e-06,
3194
+ "loss": 0.0328,
3195
+ "step": 2250
3196
+ },
3197
+ {
3198
+ "epoch": 4.8081023454157785,
3199
+ "grad_norm": 0.02568071521818638,
3200
+ "learning_rate": 1.9189765458422177e-06,
3201
+ "loss": 0.0589,
3202
+ "step": 2255
3203
+ },
3204
+ {
3205
+ "epoch": 4.818763326226013,
3206
+ "grad_norm": 0.15208487212657928,
3207
+ "learning_rate": 1.812366737739872e-06,
3208
+ "loss": 0.0375,
3209
+ "step": 2260
3210
+ },
3211
+ {
3212
+ "epoch": 4.8294243070362475,
3213
+ "grad_norm": 3.722761869430542,
3214
+ "learning_rate": 1.7057569296375267e-06,
3215
+ "loss": 0.0657,
3216
+ "step": 2265
3217
+ },
3218
+ {
3219
+ "epoch": 4.840085287846482,
3220
+ "grad_norm": 3.131673574447632,
3221
+ "learning_rate": 1.5991471215351815e-06,
3222
+ "loss": 0.0403,
3223
+ "step": 2270
3224
+ },
3225
+ {
3226
+ "epoch": 4.850746268656716,
3227
+ "grad_norm": 1.0890820026397705,
3228
+ "learning_rate": 1.4925373134328358e-06,
3229
+ "loss": 0.0137,
3230
+ "step": 2275
3231
+ },
3232
+ {
3233
+ "epoch": 4.861407249466951,
3234
+ "grad_norm": 0.3772244453430176,
3235
+ "learning_rate": 1.3859275053304905e-06,
3236
+ "loss": 0.0505,
3237
+ "step": 2280
3238
+ },
3239
+ {
3240
+ "epoch": 4.872068230277185,
3241
+ "grad_norm": 2.7350361347198486,
3242
+ "learning_rate": 1.279317697228145e-06,
3243
+ "loss": 0.0455,
3244
+ "step": 2285
3245
+ },
3246
+ {
3247
+ "epoch": 4.88272921108742,
3248
+ "grad_norm": 2.293055772781372,
3249
+ "learning_rate": 1.1727078891257998e-06,
3250
+ "loss": 0.0289,
3251
+ "step": 2290
3252
+ },
3253
+ {
3254
+ "epoch": 4.893390191897654,
3255
+ "grad_norm": 7.401910781860352,
3256
+ "learning_rate": 1.066098081023454e-06,
3257
+ "loss": 0.0731,
3258
+ "step": 2295
3259
+ },
3260
+ {
3261
+ "epoch": 4.904051172707889,
3262
+ "grad_norm": 2.6180694103240967,
3263
+ "learning_rate": 9.594882729211088e-07,
3264
+ "loss": 0.0475,
3265
+ "step": 2300
3266
+ },
3267
+ {
3268
+ "epoch": 4.914712153518123,
3269
+ "grad_norm": 2.001225471496582,
3270
+ "learning_rate": 8.528784648187634e-07,
3271
+ "loss": 0.0426,
3272
+ "step": 2305
3273
+ },
3274
+ {
3275
+ "epoch": 4.925373134328359,
3276
+ "grad_norm": 2.353403091430664,
3277
+ "learning_rate": 7.462686567164179e-07,
3278
+ "loss": 0.0095,
3279
+ "step": 2310
3280
+ },
3281
+ {
3282
+ "epoch": 4.936034115138593,
3283
+ "grad_norm": 0.01680787280201912,
3284
+ "learning_rate": 6.396588486140725e-07,
3285
+ "loss": 0.054,
3286
+ "step": 2315
3287
+ },
3288
+ {
3289
+ "epoch": 4.946695095948828,
3290
+ "grad_norm": 0.23151147365570068,
3291
+ "learning_rate": 5.33049040511727e-07,
3292
+ "loss": 0.0502,
3293
+ "step": 2320
3294
+ },
3295
+ {
3296
+ "epoch": 4.957356076759062,
3297
+ "grad_norm": 0.9048870205879211,
3298
+ "learning_rate": 4.264392324093817e-07,
3299
+ "loss": 0.0225,
3300
+ "step": 2325
3301
+ },
3302
+ {
3303
+ "epoch": 4.968017057569297,
3304
+ "grad_norm": 0.04328671842813492,
3305
+ "learning_rate": 3.1982942430703626e-07,
3306
+ "loss": 0.0058,
3307
+ "step": 2330
3308
+ },
3309
+ {
3310
+ "epoch": 4.978678038379531,
3311
+ "grad_norm": 0.3943581283092499,
3312
+ "learning_rate": 2.1321961620469084e-07,
3313
+ "loss": 0.0454,
3314
+ "step": 2335
3315
+ },
3316
+ {
3317
+ "epoch": 4.9893390191897655,
3318
+ "grad_norm": 1.5661187171936035,
3319
+ "learning_rate": 1.0660980810234542e-07,
3320
+ "loss": 0.0115,
3321
+ "step": 2340
3322
+ },
3323
+ {
3324
+ "epoch": 5.0,
3325
+ "grad_norm": 7.141363143920898,
3326
+ "learning_rate": 0.0,
3327
+ "loss": 0.0657,
3328
+ "step": 2345
3329
+ },
3330
+ {
3331
+ "epoch": 5.0,
3332
+ "eval_accuracy": 0.9850666666666666,
3333
+ "eval_loss": 0.058483660221099854,
3334
+ "eval_runtime": 30.1745,
3335
+ "eval_samples_per_second": 124.277,
3336
+ "eval_steps_per_second": 3.911,
3337
+ "step": 2345
3338
+ },
3339
+ {
3340
+ "epoch": 5.0,
3341
+ "step": 2345,
3342
+ "total_flos": 5.8118992210944e+18,
3343
+ "train_loss": 0.05465555480603915,
3344
+ "train_runtime": 1494.5591,
3345
+ "train_samples_per_second": 50.182,
3346
+ "train_steps_per_second": 1.569
3347
+ }
3348
+ ],
3349
+ "logging_steps": 5,
3350
+ "max_steps": 2345,
3351
+ "num_input_tokens_seen": 0,
3352
+ "num_train_epochs": 5,
3353
+ "save_steps": 500,
3354
+ "stateful_callbacks": {
3355
+ "TrainerControl": {
3356
+ "args": {
3357
+ "should_epoch_stop": false,
3358
+ "should_evaluate": false,
3359
+ "should_log": false,
3360
+ "should_save": true,
3361
+ "should_training_stop": true
3362
+ },
3363
+ "attributes": {}
3364
+ }
3365
+ },
3366
+ "total_flos": 5.8118992210944e+18,
3367
+ "train_batch_size": 32,
3368
+ "trial_name": null,
3369
+ "trial_params": null
3370
+ }