diff --git "a/trainer_state.json" "b/trainer_state.json"
deleted file mode 100644--- "a/trainer_state.json"
+++ /dev/null
@@ -1,13545 +0,0 @@
-{
-  "best_metric": null,
-  "best_model_checkpoint": null,
-  "epoch": 3.9964444444444442,
-  "global_step": 2248,
-  "is_hyper_param_search": false,
-  "is_local_process_zero": true,
-  "is_world_process_zero": true,
-  "log_history": [
-    {
-      "epoch": 0.0,
-      "learning_rate": 0.0,
-      "loss": 1.5195,
-      "step": 1
-    },
-    {
-      "epoch": 0.0,
-      "learning_rate": 7.701961097713179e-06,
-      "loss": 1.502,
-      "step": 2
-    },
-    {
-      "epoch": 0.01,
-      "learning_rate": 1.2207319521888542e-05,
-      "loss": 1.5273,
-      "step": 3
-    },
-    {
-      "epoch": 0.01,
-      "learning_rate": 1.5403922195426358e-05,
-      "loss": 1.4043,
-      "step": 4
-    },
-    {
-      "epoch": 0.01,
-      "learning_rate": 1.788339985850974e-05,
-      "loss": 1.5195,
-      "step": 5
-    },
-    {
-      "epoch": 0.01,
-      "learning_rate": 1.990928061960172e-05,
-      "loss": 1.2734,
-      "step": 6
-    },
-    {
-      "epoch": 0.01,
-      "learning_rate": 2.162213839716128e-05,
-      "loss": 1.248,
-      "step": 7
-    },
-    {
-      "epoch": 0.01,
-      "learning_rate": 2.3105883293139535e-05,
-      "loss": 1.5273,
-      "step": 8
-    },
-    {
-      "epoch": 0.02,
-      "learning_rate": 2.4414639043777084e-05,
-      "loss": 1.2754,
-      "step": 9
-    },
-    {
-      "epoch": 0.02,
-      "learning_rate": 2.558536095622292e-05,
-      "loss": 1.4668,
-      "step": 10
-    },
-    {
-      "epoch": 0.02,
-      "learning_rate": 2.6644407746943402e-05,
-      "loss": 1.4023,
-      "step": 11
-    },
-    {
-      "epoch": 0.02,
-      "learning_rate": 2.76112417173149e-05,
-      "loss": 1.375,
-      "step": 12
-    },
-    {
-      "epoch": 0.02,
-      "learning_rate": 2.8500642753555412e-05,
-      "loss": 1.4219,
-      "step": 13
-    },
-    {
-      "epoch": 0.02,
-      "learning_rate": 2.9324099494874456e-05,
-      "loss": 1.3672,
-      "step": 14
-    },
-    {
-      "epoch": 0.03,
-      "learning_rate": 3.009071938039828e-05,
-      "loss": 1.5488,
-      "step": 15
-    },
-    {
-      "epoch": 0.03,
-      "learning_rate": 3.0807844390852715e-05,
-      "loss": 1.3418,
-      "step": 16
-    },
-    {
-      "epoch": 0.03,
-      "learning_rate": 3.14814797916583e-05,
-      "loss": 1.3652,
-      "step": 17
-    },
-    {
-      "epoch": 0.03,
-      "learning_rate": 3.211660014149026e-05,
-      "loss": 1.4473,
-      "step": 18
-    },
-    {
-      "epoch": 0.03,
-      "learning_rate": 3.271737245444797e-05,
-      "loss": 1.3379,
-      "step": 19
-    },
-    {
-      "epoch": 0.04,
-      "learning_rate": 3.32873220539361e-05,
-      "loss": 1.2031,
-      "step": 20
-    },
-    {
-      "epoch": 0.04,
-      "learning_rate": 3.3829457919049824e-05,
-      "loss": 1.207,
-      "step": 21
-    },
-    {
-      "epoch": 0.04,
-      "learning_rate": 3.434636884465658e-05,
-      "loss": 1.3066,
-      "step": 22
-    },
-    {
-      "epoch": 0.04,
-      "learning_rate": 3.484029820864644e-05,
-      "loss": 1.3633,
-      "step": 23
-    },
-    {
-      "epoch": 0.04,
-      "learning_rate": 3.5313202815028076e-05,
-      "loss": 1.2363,
-      "step": 24
-    },
-    {
-      "epoch": 0.04,
-      "learning_rate": 3.576679971701948e-05,
-      "loss": 1.2246,
-      "step": 25
-    },
-    {
-      "epoch": 0.05,
-      "learning_rate": 3.620260385126859e-05,
-      "loss": 1.1367,
-      "step": 26
-    },
-    {
-      "epoch": 0.05,
-      "learning_rate": 3.6621958565665625e-05,
-      "loss": 1.166,
-      "step": 27
-    },
-    {
-      "epoch": 0.05,
-      "learning_rate": 3.7026060592587636e-05,
-      "loss": 1.0498,
-      "step": 28
-    },
-    {
-      "epoch": 0.05,
-      "learning_rate": 3.741598063790252e-05,
-      "loss": 0.9873,
-      "step": 29
-    },
-    {
-      "epoch": 0.05,
-      "learning_rate": 3.779268047811146e-05,
-      "loss": 1.0381,
-      "step": 30
-    },
-    {
-      "epoch": 0.06,
-      "learning_rate": 3.8157027253033876e-05,
-      "loss": 0.9355,
-      "step": 31
-    },
-    {
-      "epoch": 0.06,
-      "learning_rate": 3.850980548856589e-05,
-      "loss": 1.0645,
-      "step": 32
-    },
-    {
-      "epoch": 0.06,
-      "learning_rate": 3.885172726883194e-05,
-      "loss": 0.8994,
-      "step": 33
-    },
-    {
-      "epoch": 0.06,
-      "learning_rate": 3.9183440889371473e-05,
-      "loss": 0.8838,
-      "step": 34
-    },
-    {
-      "epoch": 0.06,
-      "learning_rate": 3.950553825567102e-05,
-      "loss": 0.7305,
-      "step": 35
-    },
-    {
-      "epoch": 0.06,
-      "learning_rate": 3.981856123920344e-05,
-      "loss": 0.9619,
-      "step": 36
-    },
-    {
-      "epoch": 0.07,
-      "learning_rate": 4.0123007162425155e-05,
-      "loss": 1.002,
-      "step": 37
-    },
-    {
-      "epoch": 0.07,
-      "learning_rate": 4.0419333552161145e-05,
-      "loss": 0.9434,
-      "step": 38
-    },
-    {
-      "epoch": 0.07,
-      "learning_rate": 4.070796227544395e-05,
-      "loss": 0.7383,
-      "step": 39
-    },
-    {
-      "epoch": 0.07,
-      "learning_rate": 4.098928315164928e-05,
-      "loss": 0.8408,
-      "step": 40
-    },
-    {
-      "epoch": 0.07,
-      "learning_rate": 4.126365711854374e-05,
-      "loss": 0.7803,
-      "step": 41
-    },
-    {
-      "epoch": 0.07,
-      "learning_rate": 4.1531419016763004e-05,
-      "loss": 0.7197,
-      "step": 42
-    },
-    {
-      "epoch": 0.08,
-      "learning_rate": 4.17928800466077e-05,
-      "loss": 0.8086,
-      "step": 43
-    },
-    {
-      "epoch": 0.08,
-      "learning_rate": 4.204832994236975e-05,
-      "loss": 0.7451,
-      "step": 44
-    },
-    {
-      "epoch": 0.08,
-      "learning_rate": 4.2298038902286815e-05,
-      "loss": 0.7715,
-      "step": 45
-    },
-    {
-      "epoch": 0.08,
-      "learning_rate": 4.254225930635963e-05,
-      "loss": 0.8271,
-      "step": 46
-    },
-    {
-      "epoch": 0.08,
-      "learning_rate": 4.278122724941248e-05,
-      "loss": 0.6108,
-      "step": 47
-    },
-    {
-      "epoch": 0.09,
-      "learning_rate": 4.301516391274126e-05,
-      "loss": 0.5938,
-      "step": 48
-    },
-    {
-      "epoch": 0.09,
-      "learning_rate": 4.324427679432256e-05,
-      "loss": 0.7217,
-      "step": 49
-    },
-    {
-      "epoch": 0.09,
-      "learning_rate": 4.346876081473266e-05,
-      "loss": 0.6826,
-      "step": 50
-    },
-    {
-      "epoch": 0.09,
-      "learning_rate": 4.3688799313546835e-05,
-      "loss": 0.5654,
-      "step": 51
-    },
-    {
-      "epoch": 0.09,
-      "learning_rate": 4.390456494898177e-05,
-      "loss": 0.6006,
-      "step": 52
-    },
-    {
-      "epoch": 0.09,
-      "learning_rate": 4.411622051184135e-05,
-      "loss": 0.6699,
-      "step": 53
-    },
-    {
-      "epoch": 0.1,
-      "learning_rate": 4.4323919663378806e-05,
-      "loss": 0.5049,
-      "step": 54
-    },
-    {
-      "epoch": 0.1,
-      "learning_rate": 4.4527807605453143e-05,
-      "loss": 0.6201,
-      "step": 55
-    },
-    {
-      "epoch": 0.1,
-      "learning_rate": 4.472802169030082e-05,
-      "loss": 0.563,
-      "step": 56
-    },
-    {
-      "epoch": 0.1,
-      "learning_rate": 4.4924691976336514e-05,
-      "loss": 0.4858,
-      "step": 57
-    },
-    {
-      "epoch": 0.1,
-      "learning_rate": 4.511794173561569e-05,
-      "loss": 0.6768,
-      "step": 58
-    },
-    {
-      "epoch": 0.1,
-      "learning_rate": 4.530788791791773e-05,
-      "loss": 0.5908,
-      "step": 59
-    },
-    {
-      "epoch": 0.11,
-      "learning_rate": 4.5494641575824634e-05,
-      "loss": 0.4951,
-      "step": 60
-    },
-    {
-      "epoch": 0.11,
-      "learning_rate": 4.567830825466439e-05,
-      "loss": 0.5967,
-      "step": 61
-    },
-    {
-      "epoch": 0.11,
-      "learning_rate": 4.5858988350747056e-05,
-      "loss": 0.5864,
-      "step": 62
-    },
-    {
-      "epoch": 0.11,
-      "learning_rate": 4.603677744093836e-05,
-      "loss": 0.6055,
-      "step": 63
-    },
-    {
-      "epoch": 0.11,
-      "learning_rate": 4.621176658627907e-05,
-      "loss": 0.6143,
-      "step": 64
-    },
-    {
-      "epoch": 0.12,
-      "learning_rate": 4.638404261206515e-05,
-      "loss": 0.3906,
-      "step": 65
-    },
-    {
-      "epoch": 0.12,
-      "learning_rate": 4.6553688366545114e-05,
-      "loss": 0.542,
-      "step": 66
-    },
-    {
-      "epoch": 0.12,
-      "learning_rate": 4.672078296016419e-05,
-      "loss": 0.4946,
-      "step": 67
-    },
-    {
-      "epoch": 0.12,
-      "learning_rate": 4.6885401987084654e-05,
-      "loss": 0.4854,
-      "step": 68
-    },
-    {
-      "epoch": 0.12,
-      "learning_rate": 4.704761773053499e-05,
-      "loss": 0.4053,
-      "step": 69
-    },
-    {
-      "epoch": 0.12,
-      "learning_rate": 4.720749935338421e-05,
-      "loss": 0.498,
-      "step": 70
-    },
-    {
-      "epoch": 0.13,
-      "learning_rate": 4.736511307519874e-05,
-      "loss": 0.4761,
-      "step": 71
-    },
-    {
-      "epoch": 0.13,
-      "learning_rate": 4.752052233691662e-05,
-      "loss": 0.3892,
-      "step": 72
-    },
-    {
-      "epoch": 0.13,
-      "learning_rate": 4.767378795416353e-05,
-      "loss": 0.3999,
-      "step": 73
-    },
-    {
-      "epoch": 0.13,
-      "learning_rate": 4.782496826013834e-05,
-      "loss": 0.4722,
-      "step": 74
-    },
-    {
-      "epoch": 0.13,
-      "learning_rate": 4.797411923890802e-05,
-      "loss": 0.4014,
-      "step": 75
-    },
-    {
-      "epoch": 0.14,
-      "learning_rate": 4.812129464987433e-05,
-      "loss": 0.5249,
-      "step": 76
-    },
-    {
-      "epoch": 0.14,
-      "learning_rate": 4.826654614410468e-05,
-      "loss": 0.3853,
-      "step": 77
-    },
-    {
-      "epoch": 0.14,
-      "learning_rate": 4.8409923373157134e-05,
-      "loss": 0.3936,
-      "step": 78
-    },
-    {
-      "epoch": 0.14,
-      "learning_rate": 4.8551474090973324e-05,
-      "loss": 0.4209,
-      "step": 79
-    },
-    {
-      "epoch": 0.14,
-      "learning_rate": 4.869124424936245e-05,
-      "loss": 0.436,
-      "step": 80
-    },
-    {
-      "epoch": 0.14,
-      "learning_rate": 4.882927808755417e-05,
-      "loss": 0.3669,
-      "step": 81
-    },
-    {
-      "epoch": 0.15,
-      "learning_rate": 4.896561821625692e-05,
-      "loss": 0.3828,
-      "step": 82
-    },
-    {
-      "epoch": 0.15,
-      "learning_rate": 4.910030569662156e-05,
-      "loss": 0.3237,
-      "step": 83
-    },
-    {
-      "epoch": 0.15,
-      "learning_rate": 4.923338011447617e-05,
-      "loss": 0.4204,
-      "step": 84
-    },
-    {
-      "epoch": 0.15,
-      "learning_rate": 4.936487965016803e-05,
-      "loss": 0.4482,
-      "step": 85
-    },
-    {
-      "epoch": 0.15,
-      "learning_rate": 4.949484114432088e-05,
-      "loss": 0.4429,
-      "step": 86
-    },
-    {
-      "epoch": 0.15,
-      "learning_rate": 4.962330015979106e-05,
-      "loss": 0.3867,
-      "step": 87
-    },
-    {
-      "epoch": 0.16,
-      "learning_rate": 4.975029104008293e-05,
-      "loss": 0.4443,
-      "step": 88
-    },
-    {
-      "epoch": 0.16,
-      "learning_rate": 4.987584696446389e-05,
-      "loss": 0.4077,
-      "step": 89
-    },
-    {
-      "epoch": 0.16,
-      "learning_rate": 5e-05,
-      "loss": 0.5771,
-      "step": 90
-    },
-    {
-      "epoch": 0.16,
-      "learning_rate": 5e-05,
-      "loss": 0.325,
-      "step": 91
-    },
-    {
-      "epoch": 0.16,
-      "learning_rate": 5e-05,
-      "loss": 0.5229,
-      "step": 92
-    },
-    {
-      "epoch": 0.17,
-      "learning_rate": 5e-05,
-      "loss": 0.5234,
-      "step": 93
-    },
-    {
-      "epoch": 0.17,
-      "learning_rate": 5e-05,
-      "loss": 0.4365,
-      "step": 94
-    },
-    {
-      "epoch": 0.17,
-      "learning_rate": 5e-05,
-      "loss": 0.3828,
-      "step": 95
-    },
-    {
-      "epoch": 0.17,
-      "learning_rate": 5e-05,
-      "loss": 0.3745,
-      "step": 96
-    },
-    {
-      "epoch": 0.17,
-      "learning_rate": 5e-05,
-      "loss": 0.3064,
-      "step": 97
-    },
-    {
-      "epoch": 0.17,
-      "learning_rate": 5e-05,
-      "loss": 0.3901,
-      "step": 98
-    },
-    {
-      "epoch": 0.18,
-      "learning_rate": 5e-05,
-      "loss": 0.3442,
-      "step": 99
-    },
-    {
-      "epoch": 0.18,
-      "learning_rate": 5e-05,
-      "loss": 0.3555,
-      "step": 100
-    },
-    {
-      "epoch": 0.18,
-      "learning_rate": 5e-05,
-      "loss": 0.4023,
-      "step": 101
-    },
-    {
-      "epoch": 0.18,
-      "learning_rate": 5e-05,
-      "loss": 0.3381,
-      "step": 102
-    },
-    {
-      "epoch": 0.18,
-      "learning_rate": 5e-05,
-      "loss": 0.3882,
-      "step": 103
-    },
-    {
-      "epoch": 0.18,
-      "learning_rate": 5e-05,
-      "loss": 0.4014,
-      "step": 104
-    },
-    {
-      "epoch": 0.19,
-      "learning_rate": 5e-05,
-      "loss": 0.4297,
-      "step": 105
-    },
-    {
-      "epoch": 0.19,
-      "learning_rate": 5e-05,
-      "loss": 0.364,
-      "step": 106
-    },
-    {
-      "epoch": 0.19,
-      "learning_rate": 5e-05,
-      "loss": 0.4448,
-      "step": 107
-    },
-    {
-      "epoch": 0.19,
-      "learning_rate": 5e-05,
-      "loss": 0.3142,
-      "step": 108
-    },
-    {
-      "epoch": 0.19,
-      "learning_rate": 5e-05,
-      "loss": 0.3579,
-      "step": 109
-    },
-    {
-      "epoch": 0.2,
-      "learning_rate": 5e-05,
-      "loss": 0.3108,
-      "step": 110
-    },
-    {
-      "epoch": 0.2,
-      "learning_rate": 5e-05,
-      "loss": 0.3408,
-      "step": 111
-    },
-    {
-      "epoch": 0.2,
-      "learning_rate": 5e-05,
-      "loss": 0.3599,
-      "step": 112
-    },
-    {
-      "epoch": 0.2,
-      "learning_rate": 5e-05,
-      "loss": 0.3154,
-      "step": 113
-    },
-    {
-      "epoch": 0.2,
-      "learning_rate": 5e-05,
-      "loss": 0.4016,
-      "step": 114
-    },
-    {
-      "epoch": 0.2,
-      "learning_rate": 5e-05,
-      "loss": 0.417,
-      "step": 115
-    },
-    {
-      "epoch": 0.21,
-      "learning_rate": 5e-05,
-      "loss": 0.396,
-      "step": 116
-    },
-    {
-      "epoch": 0.21,
-      "learning_rate": 5e-05,
-      "loss": 0.3428,
-      "step": 117
-    },
-    {
-      "epoch": 0.21,
-      "learning_rate": 5e-05,
-      "loss": 0.3833,
-      "step": 118
-    },
-    {
-      "epoch": 0.21,
-      "learning_rate": 5e-05,
-      "loss": 0.3999,
-      "step": 119
-    },
-    {
-      "epoch": 0.21,
-      "learning_rate": 5e-05,
-      "loss": 0.3472,
-      "step": 120
-    },
-    {
-      "epoch": 0.22,
-      "learning_rate": 5e-05,
-      "loss": 0.4067,
-      "step": 121
-    },
-    {
-      "epoch": 0.22,
-      "learning_rate": 5e-05,
-      "loss": 0.3135,
-      "step": 122
-    },
-    {
-      "epoch": 0.22,
-      "learning_rate": 5e-05,
-      "loss": 0.3809,
-      "step": 123
-    },
-    {
-      "epoch": 0.22,
-      "learning_rate": 5e-05,
-      "loss": 0.342,
-      "step": 124
-    },
-    {
-      "epoch": 0.22,
-      "learning_rate": 5e-05,
-      "loss": 0.2346,
-      "step": 125
-    },
-    {
-      "epoch": 0.22,
-      "learning_rate": 5e-05,
-      "loss": 0.4409,
-      "step": 126
-    },
-    {
-      "epoch": 0.23,
-      "learning_rate": 5e-05,
-      "loss": 0.3081,
-      "step": 127
-    },
-    {
-      "epoch": 0.23,
-      "learning_rate": 5e-05,
-      "loss": 0.3303,
-      "step": 128
-    },
-    {
-      "epoch": 0.23,
-      "learning_rate": 5e-05,
-      "loss": 0.312,
-      "step": 129
-    },
-    {
-      "epoch": 0.23,
-      "learning_rate": 5e-05,
-      "loss": 0.3452,
-      "step": 130
-    },
-    {
-      "epoch": 0.23,
-      "learning_rate": 5e-05,
-      "loss": 0.3801,
-      "step": 131
-    },
-    {
-      "epoch": 0.23,
-      "learning_rate": 5e-05,
-      "loss": 0.4082,
-      "step": 132
-    },
-    {
-      "epoch": 0.24,
-      "learning_rate": 5e-05,
-      "loss": 0.3208,
-      "step": 133
-    },
-    {
-      "epoch": 0.24,
-      "learning_rate": 5e-05,
-      "loss": 0.3867,
-      "step": 134
-    },
-    {
-      "epoch": 0.24,
-      "learning_rate": 5e-05,
-      "loss": 0.3696,
-      "step": 135
-    },
-    {
-      "epoch": 0.24,
-      "learning_rate": 5e-05,
-      "loss": 0.3391,
-      "step": 136
-    },
-    {
-      "epoch": 0.24,
-      "learning_rate": 5e-05,
-      "loss": 0.3354,
-      "step": 137
-    },
-    {
-      "epoch": 0.25,
-      "learning_rate": 5e-05,
-      "loss": 0.2949,
-      "step": 138
-    },
-    {
-      "epoch": 0.25,
-      "learning_rate": 5e-05,
-      "loss": 0.2646,
-      "step": 139
-    },
-    {
-      "epoch": 0.25,
-      "learning_rate": 5e-05,
-      "loss": 0.3843,
-      "step": 140
-    },
-    {
-      "epoch": 0.25,
-      "learning_rate": 5e-05,
-      "loss": 0.2932,
-      "step": 141
-    },
-    {
-      "epoch": 0.25,
-      "learning_rate": 5e-05,
-      "loss": 0.2725,
-      "step": 142
-    },
-    {
-      "epoch": 0.25,
-      "learning_rate": 5e-05,
-      "loss": 0.3149,
-      "step": 143
-    },
-    {
-      "epoch": 0.26,
-      "learning_rate": 5e-05,
-      "loss": 0.3003,
-      "step": 144
-    },
-    {
-      "epoch": 0.26,
-      "learning_rate": 5e-05,
-      "loss": 0.3496,
-      "step": 145
-    },
-    {
-      "epoch": 0.26,
-      "learning_rate": 5e-05,
-      "loss": 0.3403,
-      "step": 146
-    },
-    {
-      "epoch": 0.26,
-      "learning_rate": 5e-05,
-      "loss": 0.3091,
-      "step": 147
-    },
-    {
-      "epoch": 0.26,
-      "learning_rate": 5e-05,
-      "loss": 0.387,
-      "step": 148
-    },
-    {
-      "epoch": 0.26,
-      "learning_rate": 5e-05,
-      "loss": 0.2751,
-      "step": 149
-    },
-    {
-      "epoch": 0.27,
-      "learning_rate": 5e-05,
-      "loss": 0.3945,
-      "step": 150
-    },
-    {
-      "epoch": 0.27,
-      "learning_rate": 5e-05,
-      "loss": 0.3252,
-      "step": 151
-    },
-    {
-      "epoch": 0.27,
-      "learning_rate": 5e-05,
-      "loss": 0.3074,
-      "step": 152
-    },
-    {
-      "epoch": 0.27,
-      "learning_rate": 5e-05,
-      "loss": 0.397,
-      "step": 153
-    },
-    {
-      "epoch": 0.27,
-      "learning_rate": 5e-05,
-      "loss": 0.3457,
-      "step": 154
-    },
-    {
-      "epoch": 0.28,
-      "learning_rate": 5e-05,
-      "loss": 0.3293,
-      "step": 155
-    },
-    {
-      "epoch": 0.28,
-      "learning_rate": 5e-05,
-      "loss": 0.304,
-      "step": 156
-    },
-    {
-      "epoch": 0.28,
-      "learning_rate": 5e-05,
-      "loss": 0.2878,
-      "step": 157
-    },
-    {
-      "epoch": 0.28,
-      "learning_rate": 5e-05,
-      "loss": 0.3916,
-      "step": 158
-    },
-    {
-      "epoch": 0.28,
-      "learning_rate": 5e-05,
-      "loss": 0.2749,
-      "step": 159
-    },
-    {
-      "epoch": 0.28,
-      "learning_rate": 5e-05,
-      "loss": 0.2869,
-      "step": 160
-    },
-    {
-      "epoch": 0.29,
-      "learning_rate": 5e-05,
-      "loss": 0.3491,
-      "step": 161
-    },
-    {
-      "epoch": 0.29,
-      "learning_rate": 5e-05,
-      "loss": 0.3176,
-      "step": 162
-    },
-    {
-      "epoch": 0.29,
-      "learning_rate": 5e-05,
-      "loss": 0.3,
-      "step": 163
-    },
-    {
-      "epoch": 0.29,
-      "learning_rate": 5e-05,
-      "loss": 0.4165,
-      "step": 164
-    },
-    {
-      "epoch": 0.29,
-      "learning_rate": 5e-05,
-      "loss": 0.3486,
-      "step": 165
-    },
-    {
-      "epoch": 0.3,
-      "learning_rate": 5e-05,
-      "loss": 0.2925,
-      "step": 166
-    },
-    {
-      "epoch": 0.3,
-      "learning_rate": 5e-05,
-      "loss": 0.3184,
-      "step": 167
-    },
-    {
-      "epoch": 0.3,
-      "learning_rate": 5e-05,
-      "loss": 0.3279,
-      "step": 168
-    },
-    {
-      "epoch": 0.3,
-      "learning_rate": 5e-05,
-      "loss": 0.2905,
-      "step": 169
-    },
-    {
-      "epoch": 0.3,
-      "learning_rate": 5e-05,
-      "loss": 0.3477,
-      "step": 170
-    },
-    {
-      "epoch": 0.3,
-      "learning_rate": 5e-05,
-      "loss": 0.2546,
-      "step": 171
-    },
-    {
-      "epoch": 0.31,
-      "learning_rate": 5e-05,
-      "loss": 0.3025,
-      "step": 172
-    },
-    {
-      "epoch": 0.31,
-      "learning_rate": 5e-05,
-      "loss": 0.2842,
-      "step": 173
-    },
-    {
-      "epoch": 0.31,
-      "learning_rate": 5e-05,
-      "loss": 0.2761,
-      "step": 174
-    },
-    {
-      "epoch": 0.31,
-      "learning_rate": 5e-05,
-      "loss": 0.3,
-      "step": 175
-    },
-    {
-      "epoch": 0.31,
-      "learning_rate": 5e-05,
-      "loss": 0.3391,
-      "step": 176
-    },
-    {
-      "epoch": 0.31,
-      "learning_rate": 5e-05,
-      "loss": 0.2793,
-      "step": 177
-    },
-    {
-      "epoch": 0.32,
-      "learning_rate": 5e-05,
-      "loss": 0.3684,
-      "step": 178
-    },
-    {
-      "epoch": 0.32,
-      "learning_rate": 5e-05,
-      "loss": 0.2462,
-      "step": 179
-    },
-    {
-      "epoch": 0.32,
-      "learning_rate": 5e-05,
-      "loss": 0.2881,
-      "step": 180
-    },
-    {
-      "epoch": 0.32,
-      "learning_rate": 5e-05,
-      "loss": 0.2947,
-      "step": 181
-    },
-    {
-      "epoch": 0.32,
-      "learning_rate": 5e-05,
-      "loss": 0.3442,
-      "step": 182
-    },
-    {
-      "epoch": 0.33,
-      "learning_rate": 5e-05,
-      "loss": 0.2499,
-      "step": 183
-    },
-    {
-      "epoch": 0.33,
-      "learning_rate": 5e-05,
-      "loss": 0.3582,
-      "step": 184
-    },
-    {
-      "epoch": 0.33,
-      "learning_rate": 5e-05,
-      "loss": 0.2688,
-      "step": 185
-    },
-    {
-      "epoch": 0.33,
-      "learning_rate": 5e-05,
-      "loss": 0.3193,
-      "step": 186
-    },
-    {
-      "epoch": 0.33,
-      "learning_rate": 5e-05,
-      "loss": 0.3379,
-      "step": 187
-    },
-    {
-      "epoch": 0.33,
-      "learning_rate": 5e-05,
-      "loss": 0.3413,
-      "step": 188
-    },
-    {
-      "epoch": 0.34,
-      "learning_rate": 5e-05,
-      "loss": 0.3105,
-      "step": 189
-    },
-    {
-      "epoch": 0.34,
-      "learning_rate": 5e-05,
-      "loss": 0.3014,
-      "step": 190
-    },
-    {
-      "epoch": 0.34,
-      "learning_rate": 5e-05,
-      "loss": 0.3027,
-      "step": 191
-    },
-    {
-      "epoch": 0.34,
-      "learning_rate": 5e-05,
-      "loss": 0.1904,
-      "step": 192
-    },
-    {
-      "epoch": 0.34,
-      "learning_rate": 5e-05,
-      "loss": 0.3711,
-      "step": 193
-    },
-    {
-      "epoch": 0.34,
-      "learning_rate": 5e-05,
-      "loss": 0.3167,
-      "step": 194
-    },
-    {
-      "epoch": 0.35,
-      "learning_rate": 5e-05,
-      "loss": 0.208,
-      "step": 195
-    },
-    {
-      "epoch": 0.35,
-      "learning_rate": 5e-05,
-      "loss": 0.2896,
-      "step": 196
-    },
-    {
-      "epoch": 0.35,
-      "learning_rate": 5e-05,
-      "loss": 0.3091,
-      "step": 197
-    },
-    {
-      "epoch": 0.35,
-      "learning_rate": 5e-05,
-      "loss": 0.3496,
-      "step": 198
-    },
-    {
-      "epoch": 0.35,
-      "learning_rate": 5e-05,
-      "loss": 0.2656,
-      "step": 199
-    },
-    {
-      "epoch": 0.36,
-      "learning_rate": 5e-05,
-      "loss": 0.2463,
-      "step": 200
-    },
-    {
-      "epoch": 0.36,
-      "learning_rate": 5e-05,
-      "loss": 0.311,
-      "step": 201
-    },
-    {
-      "epoch": 0.36,
-      "learning_rate": 5e-05,
-      "loss": 0.3857,
-      "step": 202
-    },
-    {
-      "epoch": 0.36,
-      "learning_rate": 5e-05,
-      "loss": 0.3091,
-      "step": 203
-    },
-    {
-      "epoch": 0.36,
-      "learning_rate": 5e-05,
-      "loss": 0.2571,
-      "step": 204
-    },
-    {
-      "epoch": 0.36,
-      "learning_rate": 5e-05,
-      "loss": 0.374,
-      "step": 205
-    },
-    {
-      "epoch": 0.37,
-      "learning_rate": 5e-05,
-      "loss": 0.2903,
-      "step": 206
-    },
-    {
-      "epoch": 0.37,
-      "learning_rate": 5e-05,
-      "loss": 0.457,
-      "step": 207
-    },
-    {
-      "epoch": 0.37,
-      "learning_rate": 5e-05,
-      "loss": 0.2822,
-      "step": 208
-    },
-    {
-      "epoch": 0.37,
-      "learning_rate": 5e-05,
-      "loss": 0.2981,
-      "step": 209
-    },
-    {
-      "epoch": 0.37,
-      "learning_rate": 5e-05,
-      "loss": 0.2429,
-      "step": 210
-    },
-    {
-      "epoch": 0.38,
-      "learning_rate": 5e-05,
-      "loss": 0.2549,
-      "step": 211
-    },
-    {
-      "epoch": 0.38,
-      "learning_rate": 5e-05,
-      "loss": 0.3428,
-      "step": 212
-    },
-    {
-      "epoch": 0.38,
-      "learning_rate": 5e-05,
-      "loss": 0.2129,
-      "step": 213
-    },
-    {
-      "epoch": 0.38,
-      "learning_rate": 5e-05,
-      "loss": 0.2756,
-      "step": 214
-    },
-    {
-      "epoch": 0.38,
-      "learning_rate": 5e-05,
-      "loss": 0.4487,
-      "step": 215
-    },
-    {
-      "epoch": 0.38,
-      "learning_rate": 5e-05,
-      "loss": 0.2869,
-      "step": 216
-    },
-    {
-      "epoch": 0.39,
-      "learning_rate": 5e-05,
-      "loss": 0.3398,
-      "step": 217
-    },
-    {
-      "epoch": 0.39,
-      "learning_rate": 5e-05,
-      "loss": 0.2717,
-      "step": 218
-    },
-    {
-      "epoch": 0.39,
-      "learning_rate": 5e-05,
-      "loss": 0.282,
-      "step": 219
-    },
-    {
-      "epoch": 0.39,
-      "learning_rate": 5e-05,
-      "loss": 0.2878,
-      "step": 220
-    },
-    {
-      "epoch": 0.39,
-      "learning_rate": 5e-05,
-      "loss": 0.3132,
-      "step": 221
-    },
-    {
-      "epoch": 0.39,
-      "learning_rate": 5e-05,
-      "loss": 0.3247,
-      "step": 222
-    },
-    {
-      "epoch": 0.4,
-      "learning_rate": 5e-05,
-      "loss": 0.3601,
-      "step": 223
-    },
-    {
-      "epoch": 0.4,
-      "learning_rate": 5e-05,
-      "loss": 0.3164,
-      "step": 224
-    },
-    {
-      "epoch": 0.4,
-      "learning_rate": 5e-05,
-      "loss": 0.3389,
-      "step": 225
-    },
-    {
-      "epoch": 0.4,
-      "learning_rate": 5e-05,
-      "loss": 0.3003,
-      "step": 226
-    },
-    {
-      "epoch": 0.4,
-      "learning_rate": 5e-05,
-      "loss": 0.3525,
-      "step": 227
-    },
-    {
-      "epoch": 0.41,
-      "learning_rate": 5e-05,
-      "loss": 0.3115,
-      "step": 228
-    },
-    {
-      "epoch": 0.41,
-      "learning_rate": 5e-05,
-      "loss": 0.3149,
-      "step": 229
-    },
-    {
-      "epoch": 0.41,
-      "learning_rate": 5e-05,
-      "loss": 0.2671,
-      "step": 230
-    },
-    {
-      "epoch": 0.41,
-      "learning_rate": 5e-05,
-      "loss": 0.2777,
-      "step": 231
-    },
-    {
-      "epoch": 0.41,
-      "learning_rate": 5e-05,
-      "loss": 0.2283,
-      "step": 232
-    },
-    {
-      "epoch": 0.41,
-      "learning_rate": 5e-05,
-      "loss": 0.2981,
-      "step": 233
-    },
-    {
-      "epoch": 0.42,
-      "learning_rate": 5e-05,
-      "loss": 0.3242,
-      "step": 234
-    },
-    {
-      "epoch": 0.42,
-      "learning_rate": 5e-05,
-      "loss": 0.3425,
-      "step": 235
-    },
-    {
-      "epoch": 0.42,
-      "learning_rate": 5e-05,
-      "loss": 0.3411,
-      "step": 236
-    },
-    {
-      "epoch": 0.42,
-      "learning_rate": 5e-05,
-      "loss": 0.3115,
-      "step": 237
-    },
-    {
-      "epoch": 0.42,
-      "learning_rate": 5e-05,
-      "loss": 0.26,
-      "step": 238
-    },
-    {
-      "epoch": 0.42,
-      "learning_rate": 5e-05,
-      "loss": 0.2959,
-      "step": 239
-    },
-    {
-      "epoch": 0.43,
-      "learning_rate": 5e-05,
-      "loss": 0.3398,
-      "step": 240
-    },
-    {
-      "epoch": 0.43,
-      "learning_rate": 5e-05,
-      "loss": 0.2734,
-      "step": 241
-    },
-    {
-      "epoch": 0.43,
-      "learning_rate": 5e-05,
-      "loss": 0.2476,
-      "step": 242
-    },
-    {
-      "epoch": 0.43,
-      "learning_rate": 5e-05,
-      "loss": 0.2651,
-      "step": 243
-    },
-    {
-      "epoch": 0.43,
-      "learning_rate": 5e-05,
-      "loss": 0.3562,
-      "step": 244
-    },
-    {
-      "epoch": 0.44,
-      "learning_rate": 5e-05,
-      "loss": 0.3682,
-      "step": 245
-    },
-    {
-      "epoch": 0.44,
-      "learning_rate": 5e-05,
-      "loss": 0.3081,
-      "step": 246
-    },
-    {
-      "epoch": 0.44,
-      "learning_rate": 5e-05,
-      "loss": 0.3379,
-      "step": 247
-    },
-    {
-      "epoch": 0.44,
-      "learning_rate": 5e-05,
-      "loss": 0.2805,
-      "step": 248
-    },
-    {
-      "epoch": 0.44,
-      "learning_rate": 5e-05,
-      "loss": 0.3101,
-      "step": 249
-    },
-    {
-      "epoch": 0.44,
-      "learning_rate": 5e-05,
-      "loss": 0.2241,
-      "step": 250
-    },
-    {
-      "epoch": 0.45,
-      "learning_rate": 5e-05,
-      "loss": 0.2996,
-      "step": 251
-    },
-    {
-      "epoch": 0.45,
-      "learning_rate": 5e-05,
-      "loss": 0.3271,
-      "step": 252
-    },
-    {
-      "epoch": 0.45,
-      "learning_rate": 5e-05,
-      "loss": 0.3394,
-      "step": 253
-    },
-    {
-      "epoch": 0.45,
-      "learning_rate": 5e-05,
-      "loss": 0.2415,
-      "step": 254
-    },
-    {
-      "epoch": 0.45,
-      "learning_rate": 5e-05,
-      "loss": 0.3794,
-      "step": 255
-    },
-    {
-      "epoch": 0.46,
-      "learning_rate": 5e-05,
-      "loss": 0.2944,
-      "step": 256
-    },
-    {
-      "epoch": 0.46,
-      "learning_rate": 5e-05,
-      "loss": 0.2708,
-      "step": 257
-    },
-    {
-      "epoch": 0.46,
-      "learning_rate": 5e-05,
-      "loss": 0.2327,
-      "step": 258
-    },
-    {
-      "epoch": 0.46,
-      "learning_rate": 5e-05,
-      "loss": 0.2859,
-      "step": 259
-    },
-    {
-      "epoch": 0.46,
-      "learning_rate": 5e-05,
-      "loss": 0.3003,
-      "step": 260
-    },
-    {
-      "epoch": 0.46,
-      "learning_rate": 5e-05,
-      "loss": 0.2429,
-      "step": 261
-    },
-    {
-      "epoch": 0.47,
-      "learning_rate": 5e-05,
-      "loss": 0.3281,
-      "step": 262
-    },
-    {
-      "epoch": 0.47,
-      "learning_rate": 5e-05,
-      "loss": 0.2925,
-      "step": 263
-    },
-    {
-      "epoch": 0.47,
-      "learning_rate": 5e-05,
-      "loss": 0.3008,
-      "step": 264
-    },
-    {
-      "epoch": 0.47,
-      "learning_rate": 5e-05,
-      "loss": 0.2939,
-      "step": 265
-    },
-    {
-      "epoch": 0.47,
-      "learning_rate": 5e-05,
-      "loss": 0.3083,
-      "step": 266
-    },
-    {
-      "epoch": 0.47,
-      "learning_rate": 5e-05,
-      "loss": 0.2524,
-      "step": 267
-    },
-    {
-      "epoch": 0.48,
-      "learning_rate": 5e-05,
-      "loss": 0.3853,
-      "step": 268
-    },
-    {
-      "epoch": 0.48,
-      "learning_rate": 5e-05,
-      "loss": 0.2405,
-      "step": 269
-    },
-    {
-      "epoch": 0.48,
-      "learning_rate": 5e-05,
-      "loss": 0.3696,
-      "step": 270
-    },
-    {
-      "epoch": 0.48,
-      "learning_rate": 5e-05,
-      "loss": 0.3223,
-      "step": 271
-    },
-    {
-      "epoch": 0.48,
-      "learning_rate": 5e-05,
-      "loss": 0.2278,
-      "step": 272
-    },
-    {
-      "epoch": 0.49,
-      "learning_rate": 5e-05,
-      "loss": 0.2832,
-      "step": 273
-    },
-    {
-      "epoch": 0.49,
-      "learning_rate": 5e-05,
-      "loss": 0.304,
-      "step": 274
-    },
-    {
-      "epoch": 0.49,
-      "learning_rate": 5e-05,
-      "loss": 0.3313,
-      "step": 275
-    },
-    {
-      "epoch": 0.49,
-      "learning_rate": 5e-05,
-      "loss": 0.3154,
-      "step": 276
-    },
-    {
-      "epoch": 0.49,
-      "learning_rate": 5e-05,
-      "loss": 0.3328,
-      "step": 277
-    },
-    {
-      "epoch": 0.49,
-      "learning_rate": 5e-05,
-      "loss": 0.1874,
-      "step": 278
-    },
-    {
-      "epoch": 0.5,
-      "learning_rate": 5e-05,
-      "loss": 0.5305,
-      "step": 279
-    },
-    {
-      "epoch": 0.5,
-      "learning_rate": 5e-05,
-      "loss": 0.3442,
-      "step": 280
-    },
-    {
-      "epoch": 0.5,
-      "learning_rate": 5e-05,
-      "loss": 0.2893,
-      "step": 281
-    },
-    {
-      "epoch": 0.5,
-      "learning_rate": 5e-05,
-      "loss": 0.3176,
-      "step": 282
-    },
-    {
-      "epoch": 0.5,
-      "learning_rate": 5e-05,
-      "loss": 0.3167,
-      "step": 283
-    },
-    {
-      "epoch": 0.5,
-      "learning_rate": 5e-05,
-      "loss": 0.3354,
-      "step": 284
-    },
-    {
-      "epoch": 0.51,
-      "learning_rate": 5e-05,
-      "loss": 0.2253,
-      "step": 285
-    },
-    {
-      "epoch": 0.51,
-      "learning_rate": 5e-05,
-      "loss": 0.344,
-      "step": 286
-    },
-    {
-      "epoch": 0.51,
-      "learning_rate": 5e-05,
-      "loss": 0.2195,
-      "step": 287
-    },
-    {
-      "epoch": 0.51,
-      "learning_rate": 5e-05,
-      "loss": 0.2417,
-      "step": 288
-    },
-    {
-      "epoch": 0.51,
-      "learning_rate": 5e-05,
-      "loss": 0.3108,
-      "step": 289
-    },
-    {
-      "epoch": 0.52,
-      "learning_rate": 5e-05,
-      "loss": 0.2468,
-      "step": 290
-    },
-    {
-      "epoch": 0.52,
-      "learning_rate": 5e-05,
-      "loss": 0.2959,
-      "step": 291
-    },
-    {
-      "epoch": 0.52,
-      "learning_rate": 5e-05,
-      "loss": 0.2554,
-      "step": 292
-    },
-    {
-      "epoch": 0.52,
-      "learning_rate": 5e-05,
-      "loss": 0.3276,
-      "step": 293
-    },
-    {
-      "epoch": 0.52,
-      "learning_rate": 5e-05,
-      "loss": 0.2742,
-      "step": 294
-    },
-    {
-      "epoch": 0.52,
-      "learning_rate": 5e-05,
-      "loss": 0.2915,
-      "step": 295
-    },
-    {
-      "epoch": 0.53,
-      "learning_rate": 5e-05,
-      "loss": 0.4048,
-      "step": 296
-    },
-    {
-      "epoch": 0.53,
-      "learning_rate": 5e-05,
-      "loss": 0.3318,
-      "step": 297
-    },
-    {
-      "epoch": 0.53,
-      "learning_rate": 5e-05,
-      "loss": 0.3201,
-      "step": 298
-    },
-    {
-      "epoch": 0.53,
-      "learning_rate": 5e-05,
-      "loss": 0.291,
-      "step": 299
-    },
-    {
-      "epoch": 0.53,
-      "learning_rate": 5e-05,
-      "loss": 0.3521,
-      "step": 300
-    },
-    {
-      "epoch": 0.54,
-      "learning_rate": 5e-05,
-      "loss": 0.3735,
-      "step": 301
-    },
-    {
-      "epoch": 0.54,
-      "learning_rate": 5e-05,
-      "loss": 0.2754,
-      "step": 302
-    },
-    {
-      "epoch": 0.54,
-      "learning_rate": 5e-05,
-      "loss": 0.3044,
-      "step": 303
-    },
-    {
-      "epoch": 0.54,
-      "learning_rate": 5e-05,
-      "loss": 0.2571,
-      "step": 304
-    },
-    {
-      "epoch": 0.54,
-      "learning_rate": 5e-05,
-      "loss": 0.2285,
-      "step": 305
-    },
-    {
-      "epoch": 0.54,
-      "learning_rate": 5e-05,
-      "loss": 0.3037,
-      "step": 306
-    },
-    {
-      "epoch": 0.55,
-      "learning_rate": 5e-05,
-      "loss": 0.2817,
-      "step": 307
-    },
-    {
-      "epoch": 0.55,
-      "learning_rate": 5e-05,
-      "loss": 0.3921,
-      "step": 308
-    },
-    {
-      "epoch": 0.55,
-      "learning_rate": 5e-05,
-      "loss": 0.3376,
-      "step": 309
-    },
-    {
-      "epoch": 0.55,
-      "learning_rate": 5e-05,
-      "loss": 0.2488,
-      "step": 310
-    },
-    {
-      "epoch": 0.55,
-      "learning_rate": 5e-05,
-      "loss": 0.377,
-      "step": 311
-    },
-    {
-      "epoch": 0.55,
-      "learning_rate": 5e-05,
-      "loss": 0.303,
-      "step": 312
-    },
-    {
-      "epoch": 0.56,
-      "learning_rate": 5e-05,
-      "loss": 0.3618,
-      "step": 313
-    },
-    {
-      "epoch": 0.56,
-      "learning_rate": 5e-05,
-      "loss": 0.2891,
-      "step": 314
-    },
-    {
-      "epoch": 0.56,
-      "learning_rate": 5e-05,
-      "loss": 0.2224,
-      "step": 315
-    },
-    {
-      "epoch": 0.56,
-      "learning_rate": 5e-05,
-      "loss": 0.2393,
-      "step": 316
-    },
-    {
-      "epoch": 0.56,
-      "learning_rate": 5e-05,
-      "loss": 0.2827,
-      "step": 317
-    },
-    {
-      "epoch": 0.57,
-      "learning_rate": 5e-05,
-      "loss": 0.2126,
-      "step": 318
-    },
-    {
-      "epoch": 0.57,
-      "learning_rate": 5e-05,
-      "loss": 0.2271,
-      "step": 319
-    },
-    {
-      "epoch": 0.57,
-      "learning_rate": 5e-05,
-      "loss": 0.2766,
-      "step": 320
-    },
-    {
-      "epoch": 0.57,
-      "learning_rate": 5e-05,
-      "loss": 0.2394,
-      "step": 321
-    },
-    {
-      "epoch": 0.57,
-      "learning_rate": 5e-05,
-      "loss": 0.2229,
-      "step": 322
-    },
-    {
-      "epoch": 0.57,
-      "learning_rate": 5e-05,
-      "loss": 0.3623,
-      "step": 323
-    },
-    {
-      "epoch": 0.58,
-      "learning_rate": 5e-05,
-      "loss": 0.2905,
-      "step": 324
-    },
-    {
-      "epoch": 0.58,
-      "learning_rate": 5e-05,
-      "loss": 0.3286,
-      "step": 325
-    },
-    {
-      "epoch": 0.58,
-      "learning_rate": 5e-05,
-      "loss": 0.5757,
-      "step": 326
-    },
-    {
-      "epoch": 0.58,
-      "learning_rate": 5e-05,
-      "loss": 0.2117,
-      "step": 327
-    },
-    {
-      "epoch": 0.58,
-      "learning_rate": 5e-05,
-      "loss": 0.3179,
-      "step": 328
-    },
-    {
-      "epoch": 0.58,
-      "learning_rate": 5e-05,
-      "loss": 0.3667,
-      "step": 329
-    },
-    {
-      "epoch": 0.59,
-      "learning_rate": 5e-05,
-      "loss": 0.2468,
-      "step": 330
-    },
-    {
-      "epoch": 0.59,
-      "learning_rate": 5e-05,
-      "loss": 0.2932,
-      "step": 331
-    },
-    {
-      "epoch": 0.59,
-      "learning_rate": 5e-05,
-      "loss": 0.3369,
-      "step": 332
-    },
-    {
-      "epoch": 0.59,
-      "learning_rate": 5e-05,
-      "loss": 0.3025,
-      "step": 333
-    },
-    {
-      "epoch": 0.59,
-      "learning_rate": 5e-05,
-      "loss": 0.2263,
-      "step": 334
-    },
-    {
-      "epoch": 0.6,
-      "learning_rate": 5e-05,
-      "loss": 0.2488,
-      "step": 335
-    },
-    {
-      "epoch": 0.6,
-      "learning_rate": 5e-05,
-      "loss": 0.2935,
-      "step": 336
-    },
-    {
-      "epoch": 0.6,
-      "learning_rate": 5e-05,
-      "loss": 0.2559,
-      "step": 337
-    },
-    {
-      "epoch": 0.6,
-      "learning_rate": 5e-05,
-      "loss": 0.2358,
-      "step": 338
-    },
-    {
-      "epoch": 0.6,
-      "learning_rate": 5e-05,
-      "loss": 0.2869,
-      "step": 339
-    },
-    {
-      "epoch": 0.6,
-      "learning_rate": 5e-05,
-      "loss": 0.3567,
-      "step": 340
-    },
-    {
-      "epoch": 0.61,
-      "learning_rate": 5e-05,
-      "loss": 0.2905,
-      "step": 341
-    },
-    {
-      "epoch": 0.61,
-      "learning_rate": 5e-05,
-      "loss": 0.2756,
-      "step": 342
-    },
-    {
-      "epoch": 0.61,
-      "learning_rate": 5e-05,
-      "loss": 0.2539,
-      "step": 343
-    },
-    {
-      "epoch": 0.61,
-      "learning_rate": 5e-05,
-      "loss": 0.2013,
-      "step": 344
-    },
-    {
-      "epoch": 0.61,
-      "learning_rate": 5e-05,
-      "loss": 0.3057,
-      "step": 345
-    },
-    {
-      "epoch": 0.62,
-      "learning_rate": 5e-05,
-      "loss": 0.2461,
-      "step": 346
-    },
-    {
-      "epoch": 0.62,
-      "learning_rate": 5e-05,
-      "loss": 0.2261,
-      "step": 347
-    },
-    {
-      "epoch": 0.62,
-      "learning_rate": 5e-05,
-      "loss": 0.3125,
-      "step": 348
-    },
-    {
-      "epoch": 0.62,
-      "learning_rate": 5e-05,
-      "loss": 0.293,
-      "step": 349
-    },
-    {
-      "epoch": 0.62,
-      "learning_rate": 5e-05,
-      "loss": 0.3044,
-      "step": 350
-    },
-    {
-      "epoch": 0.62,
-      "learning_rate": 5e-05,
-      "loss": 0.2385,
-      "step": 351
-    },
-    {
-      "epoch": 0.63,
-      "learning_rate": 5e-05,
-      "loss": 0.2705,
-      "step": 352
-    },
-    {
-      "epoch": 0.63,
-      "learning_rate": 5e-05,
-      "loss": 0.2217,
-      "step": 353
-    },
-    {
-      "epoch": 0.63,
-      "learning_rate": 5e-05,
-      "loss": 0.2971,
-      "step": 354
-    },
-    {
-      "epoch": 0.63,
-      "learning_rate": 5e-05,
-      "loss": 0.2616,
-      "step": 355
-    },
-    {
-      "epoch": 0.63,
-      "learning_rate": 5e-05,
-      "loss": 0.2343,
-      "step": 356
-    },
-    {
-      "epoch": 0.63,
-      "learning_rate": 5e-05,
-      "loss": 0.2461,
-      "step": 357
-    },
-    {
-      "epoch": 0.64,
-      "learning_rate": 5e-05,
-      "loss": 0.2319,
-      "step": 358
-    },
-    {
-      "epoch": 0.64,
-      "learning_rate": 5e-05,
-      "loss": 0.2427,
-      "step": 359
-    },
-    {
-      "epoch": 0.64,
-      "learning_rate": 5e-05,
-      "loss": 0.1735,
-      "step": 360
-    },
-    {
-      "epoch": 0.64,
-      "learning_rate": 5e-05,
-      "loss": 0.321,
-      "step": 361
-    },
-    {
-      "epoch": 0.64,
-      "learning_rate": 5e-05,
-      "loss": 0.2817,
-      "step": 362
-    },
-    {
-      "epoch": 0.65,
-      "learning_rate": 5e-05,
-      "loss": 0.2502,
-      "step": 363
-    },
-    {
-      "epoch": 0.65,
-      "learning_rate": 5e-05,
-      "loss": 0.2646,
-      "step": 364
-    },
-    {
-      "epoch": 0.65,
-      "learning_rate": 5e-05,
-      "loss": 0.2231,
-      "step": 365
-    },
-    {
-      "epoch": 0.65,
-      "learning_rate": 5e-05,
-      "loss": 0.3367,
-      "step": 366
-    },
-    {
-      "epoch": 0.65,
-      "learning_rate": 5e-05,
-      "loss": 0.365,
-      "step": 367
-    },
-    {
-      "epoch": 0.65,
-      "learning_rate": 5e-05,
-      "loss": 0.314,
-      "step": 368
-    },
-    {
-      "epoch": 0.66,
-      "learning_rate": 5e-05,
-      "loss": 0.2644,
-      "step": 369
-    },
-    {
-      "epoch": 0.66,
-      "learning_rate": 5e-05,
-      "loss": 0.2529,
-      "step": 370
-    },
-    {
-      "epoch": 0.66,
-      "learning_rate": 5e-05,
-      "loss": 0.2313,
-      "step": 371
-    },
-    {
-      "epoch": 0.66,
-      "learning_rate": 5e-05,
-      "loss": 0.324,
-      "step": 372
-    },
-    {
-      "epoch": 0.66,
-      "learning_rate": 5e-05,
-      "loss": 0.3394,
-      "step": 373
-    },
-    {
-      "epoch": 0.66,
-      "learning_rate": 5e-05,
-      "loss": 0.2722,
-      "step": 374
-    },
-    {
-      "epoch": 0.67,
-      "learning_rate": 5e-05,
-      "loss": 0.2446,
-      "step": 375
-    },
-    {
-      "epoch": 0.67,
-      "learning_rate": 5e-05,
-      "loss": 0.2537,
-      "step": 376
-    },
-    {
-      "epoch": 0.67,
-      "learning_rate": 5e-05,
-      "loss": 0.2375,
-      "step": 377
-    },
-    {
-      "epoch": 0.67,
-      "learning_rate": 5e-05,
-      "loss": 0.2986,
-      "step": 378
-    },
-    {
-      "epoch": 0.67,
-      "learning_rate": 5e-05,
-      "loss": 0.2808,
-      "step": 379
-    },
-    {
-      "epoch": 0.68,
-      "learning_rate": 5e-05,
-      "loss": 0.2825,
-      "step": 380
-    },
-    {
-      "epoch": 0.68,
-      "learning_rate": 5e-05,
-      "loss": 0.2583,
-      "step": 381
-    },
-    {
-      "epoch": 0.68,
-      "learning_rate": 5e-05,
-      "loss": 0.3726,
-      "step": 382
-    },
-    {
-      "epoch": 0.68,
-      "learning_rate": 5e-05,
-      "loss": 0.2913,
-      "step": 383
-    },
-    {
-      "epoch": 0.68,
-      "learning_rate": 5e-05,
-      "loss": 0.1598,
-      "step": 384
-    },
-    {
-      "epoch": 0.68,
-      "learning_rate": 5e-05,
-      "loss": 0.3726,
-      "step": 385
-    },
-    {
-      "epoch": 0.69,
-      "learning_rate": 5e-05,
-      "loss": 0.2786,
-      "step": 386
-    },
-    {
-      "epoch": 0.69,
-      "learning_rate": 5e-05,
-      "loss": 0.3188,
-      "step": 387
-    },
-    {
-      "epoch": 0.69,
-      "learning_rate": 5e-05,
-      "loss": 0.2422,
-      "step": 388
-    },
-    {
-      "epoch": 0.69,
-      "learning_rate": 5e-05,
-      "loss": 0.2737,
-      "step": 389
-    },
-    {
-      "epoch": 0.69,
-      "learning_rate": 5e-05,
-      "loss": 0.2396,
-      "step": 390
-    },
-    {
-      "epoch": 0.7,
-      "learning_rate": 5e-05,
-      "loss": 0.2551,
-      "step": 391
-    },
-    {
-      "epoch": 0.7,
-      "learning_rate": 5e-05,
-      "loss": 0.2893,
-      "step": 392
-    },
-    {
-      "epoch": 0.7,
-      "learning_rate": 5e-05,
-      "loss": 0.2603,
-      "step": 393
-    },
-    {
-      "epoch": 0.7,
-      "learning_rate": 5e-05,
-      "loss": 0.6025,
-      "step": 394
-    },
-    {
-      "epoch": 0.7,
-      "learning_rate": 5e-05,
-      "loss": 0.2722,
-      "step": 395
-    },
-    {
-      "epoch": 0.7,
-      "learning_rate": 5e-05,
-      "loss": 0.2069,
-      "step": 396
-    },
-    {
-      "epoch": 0.71,
-      "learning_rate": 5e-05,
-      "loss": 0.2405,
-      "step": 397
-    },
-    {
-      "epoch": 0.71,
-      "learning_rate": 5e-05,
-      "loss": 0.2246,
-      "step": 398
-    },
-    {
-      "epoch": 0.71,
-      "learning_rate": 5e-05,
-      "loss": 0.2346,
-      "step": 399
-    },
-    {
-      "epoch": 0.71,
-      "learning_rate": 5e-05,
-      "loss": 0.321,
-      "step": 400
-    },
-    {
-      "epoch": 0.71,
-      "learning_rate": 5e-05,
-      "loss": 0.2439,
-      "step": 401
-    },
-    {
-      "epoch": 0.71,
-      "learning_rate": 5e-05,
-      "loss": 0.2087,
-      "step": 402
-    },
-    {
-      "epoch": 0.72,
-      "learning_rate": 5e-05,
-      "loss": 0.3594,
-      "step": 403
-    },
-    {
-      "epoch": 0.72,
-      "learning_rate": 5e-05,
-      "loss": 0.4214,
-      "step": 404
-    },
-    {
-      "epoch": 0.72,
-      "learning_rate": 5e-05,
-      "loss": 0.2803,
-      "step": 405
-    },
-    {
-      "epoch": 0.72,
-      "learning_rate": 5e-05,
-      "loss": 0.2615,
-      "step": 406
-    },
-    {
-      "epoch": 0.72,
-      "learning_rate": 5e-05,
-      "loss": 0.2371,
-      "step": 407
-    },
-    {
-      "epoch": 0.73,
-      "learning_rate": 5e-05,
-      "loss": 0.3376,
-      "step": 408
-    },
-    {
-      "epoch": 0.73,
-      "learning_rate": 5e-05,
-      "loss": 0.2866,
-      "step": 409
-    },
-    {
-      "epoch": 0.73,
-      "learning_rate": 5e-05,
-      "loss": 0.2783,
-      "step": 410
-    },
-    {
-      "epoch": 0.73,
-      "learning_rate": 5e-05,
-      "loss": 0.2644,
-      "step": 411
-    },
-    {
-      "epoch": 0.73,
-      "learning_rate": 5e-05,
-      "loss": 0.2986,
-      "step": 412
-    },
-    {
-      "epoch": 0.73,
-      "learning_rate": 5e-05,
-      "loss": 0.2788,
-      "step": 413
-    },
-    {
-      "epoch": 0.74,
-      "learning_rate": 5e-05,
-      "loss": 0.2975,
-      "step": 414
-    },
-    {
-      "epoch": 0.74,
-      "learning_rate": 5e-05,
-      "loss": 0.267,
-      "step": 415
-    },
-    {
-      "epoch": 0.74,
-      "learning_rate": 5e-05,
-      "loss": 0.2026,
-      "step": 416
-    },
-    {
-      "epoch": 0.74,
-      "learning_rate": 5e-05,
-      "loss": 0.2786,
-      "step": 417
-    },
-    {
-      "epoch": 0.74,
-      "learning_rate": 5e-05,
-      "loss": 0.2695,
-      "step": 418
-    },
-    {
-      "epoch": 0.74,
-      "learning_rate": 5e-05,
-      "loss": 0.3201,
-      "step": 419
-    },
-    {
-      "epoch": 0.75,
-      "learning_rate": 5e-05,
-      "loss": 0.2192,
-      "step": 420
-    },
-    {
-      "epoch": 0.75,
-      "learning_rate": 5e-05,
-      "loss": 0.2456,
-      "step": 421
-    },
-    {
-      "epoch": 0.75,
-      "learning_rate": 5e-05,
-      "loss": 0.3184,
-      "step": 422
-    },
-    {
-      "epoch": 0.75,
-      "learning_rate": 5e-05,
-      "loss": 0.3279,
-      "step": 423
-    },
-    {
-      "epoch": 0.75,
-      "learning_rate": 5e-05,
-      "loss": 0.183,
-      "step": 424
-    },
-    {
-      "epoch": 0.76,
-      "learning_rate": 5e-05,
-      "loss": 0.2971,
-      "step": 425
-    },
-    {
-      "epoch": 0.76,
-      "learning_rate": 5e-05,
-      "loss": 0.2378,
-      "step": 426
-    },
-    {
-      "epoch": 0.76,
-      "learning_rate": 5e-05,
-      "loss": 0.2505,
-      "step": 427
-    },
-    {
-      "epoch": 0.76,
-      "learning_rate": 5e-05,
-      "loss": 0.3057,
-      "step": 428
-    },
-    {
-      "epoch": 0.76,
-      "learning_rate": 5e-05,
-      "loss": 0.2253,
-      "step": 429
-    },
-    {
-      "epoch": 0.76,
-      "learning_rate": 5e-05,
-      "loss": 0.4541,
-      "step": 430
-    },
-    {
-      "epoch": 0.77,
-      "learning_rate": 5e-05,
-      "loss": 0.2058,
-      "step": 431
-    },
-    {
-      "epoch": 0.77,
-      "learning_rate": 5e-05,
-      "loss": 0.3694,
-      "step": 432
-    },
-    {
-      "epoch": 0.77,
-      "learning_rate": 5e-05,
-      "loss": 0.2131,
-      "step": 433
-    },
-    {
-      "epoch": 0.77,
-      "learning_rate": 5e-05,
-      "loss": 0.28,
-      "step": 434
-    },
-    {
-      "epoch": 0.77,
-      "learning_rate": 5e-05,
-      "loss": 0.3867,
-      "step": 435
-    },
-    {
-      "epoch": 0.78,
-      "learning_rate": 5e-05,
-      "loss": 0.2058,
-      "step": 436
-    },
-    {
-      "epoch": 0.78,
-      "learning_rate": 5e-05,
-      "loss": 0.2812,
-      "step": 437
-    },
-    {
-      "epoch": 0.78,
-      "learning_rate": 5e-05,
-      "loss": 0.2317,
-      "step": 438
-    },
-    {
-      "epoch": 0.78,
-      "learning_rate": 5e-05,
-      "loss": 0.2427,
-      "step": 439
-    },
-    {
-      "epoch": 0.78,
-      "learning_rate": 5e-05,
-      "loss": 0.2358,
-      "step": 440
-    },
-    {
-      "epoch": 0.78,
-      "learning_rate": 5e-05,
-      "loss": 0.2471,
-      "step": 441
-    },
-    {
-      "epoch": 0.79,
-      "learning_rate": 5e-05,
-      "loss": 0.2534,
-      "step": 442
-    },
-    {
-      "epoch": 0.79,
-      "learning_rate": 5e-05,
-      "loss": 0.395,
-      "step": 443
-    },
-    {
-      "epoch": 0.79,
-      "learning_rate": 5e-05,
-      "loss": 0.2522,
-      "step": 444
-    },
-    {
-      "epoch": 0.79,
-      "learning_rate": 5e-05,
-      "loss": 0.1809,
-      "step": 445
-    },
-    {
-      "epoch": 0.79,
-      "learning_rate": 5e-05,
-      "loss": 0.2834,
-      "step": 446
-    },
-    {
-      "epoch": 0.79,
-      "learning_rate": 5e-05,
-      "loss": 0.2461,
-      "step": 447
-    },
-    {
-      "epoch": 0.8,
-      "learning_rate": 5e-05,
-      "loss": 0.3264,
-      "step": 448
-    },
-    {
-      "epoch": 0.8,
-      "learning_rate": 5e-05,
-      "loss": 0.1843,
-      "step": 449
-    },
-    {
-      "epoch": 0.8,
-      "learning_rate": 5e-05,
-      "loss": 0.3237,
-      "step": 450
-    },
-    {
-      "epoch": 0.8,
-      "learning_rate": 5e-05,
-      "loss": 0.3799,
-      "step": 451
-    },
-    {
-      "epoch": 0.8,
-      "learning_rate": 5e-05,
-      "loss": 0.2661,
-      "step": 452
-    },
-    {
-      "epoch": 0.81,
-      "learning_rate": 5e-05,
-      "loss": 0.2417,
-      "step": 453
-    },
-    {
-      "epoch": 0.81,
-      "learning_rate": 5e-05,
-      "loss": 0.2366,
-      "step": 454
-    },
-    {
-      "epoch": 0.81,
-      "learning_rate": 5e-05,
-      "loss": 0.2729,
-      "step": 455
-    },
-    {
-      "epoch": 0.81,
-      "learning_rate": 5e-05,
-      "loss": 0.3276,
-      "step": 456
-    },
-    {
-      "epoch": 0.81,
-      "learning_rate": 5e-05,
-      "loss": 0.2593,
-      "step": 457
-    },
-    {
-      "epoch": 0.81,
-      "learning_rate": 5e-05,
-      "loss": 0.3035,
-      "step": 458
-    },
-    {
-      "epoch": 0.82,
-      "learning_rate": 5e-05,
-      "loss": 0.2554,
-      "step": 459
-    },
-    {
-      "epoch": 0.82,
-      "learning_rate": 5e-05,
-      "loss": 0.2991,
-      "step": 460
-    },
-    {
-      "epoch": 0.82,
-      "learning_rate": 5e-05,
-      "loss": 0.4092,
-      "step": 461
-    },
-    {
-      "epoch": 0.82,
-      "learning_rate": 5e-05,
-      "loss": 0.2971,
-      "step": 462
-    },
-    {
-      "epoch": 0.82,
-      "learning_rate": 5e-05,
-      "loss": 0.2922,
-      "step": 463
-    },
-    {
-      "epoch": 0.82,
-      "learning_rate": 5e-05,
-      "loss": 0.2795,
-      "step": 464
-    },
-    {
-      "epoch": 0.83,
-      "learning_rate": 5e-05,
-      "loss": 0.3157,
-      "step": 465
-    },
-    {
-      "epoch": 0.83,
-      "learning_rate": 5e-05,
-      "loss": 0.2744,
-      "step": 466
-    },
-    {
-      "epoch": 0.83,
-      "learning_rate": 5e-05,
-      "loss": 0.2266,
-      "step": 467
-    },
-    {
-      "epoch": 0.83,
-      "learning_rate": 5e-05,
-      "loss": 0.2969,
-      "step": 468
-    },
-    {
-      "epoch": 0.83,
-      "learning_rate": 5e-05,
-      "loss": 0.2498,
-      "step": 469
-    },
-    {
-      "epoch": 0.84,
-      "learning_rate": 5e-05,
-      "loss": 0.2974,
-      "step": 470
-    },
-    {
-      "epoch": 0.84,
-      "learning_rate": 5e-05,
-      "loss": 0.1393,
-      "step": 471
-    },
-    {
-      "epoch": 0.84,
-      "learning_rate": 5e-05,
-      "loss": 0.2424,
-      "step": 472
-    },
-    {
-      "epoch": 0.84,
-      "learning_rate": 5e-05,
-      "loss": 0.2659,
-      "step": 473
-    },
-    {
-      "epoch": 0.84,
-      "learning_rate": 5e-05,
-      "loss": 0.2405,
-      "step": 474
-    },
-    {
-      "epoch": 0.84,
-      "learning_rate": 5e-05,
-      "loss": 0.3286,
-      "step": 475
-    },
-    {
-      "epoch": 0.85,
-      "learning_rate": 5e-05,
-      "loss": 0.3237,
-      "step": 476
-    },
-    {
-      "epoch": 0.85,
-      "learning_rate": 5e-05,
-      "loss": 0.4231,
-      "step": 477
-    },
-    {
-      "epoch": 0.85,
-      "learning_rate": 5e-05,
-      "loss": 0.3303,
-      "step": 478
-    },
-    {
-      "epoch": 0.85,
-      "learning_rate": 5e-05,
-      "loss": 0.2385,
-      "step": 479
-    },
-    {
-      "epoch": 0.85,
-      "learning_rate": 5e-05,
-      "loss": 0.2522,
-      "step": 480
-    },
-    {
-      "epoch": 0.86,
-      "learning_rate": 5e-05,
-      "loss": 0.2441,
-      "step": 481
-    },
-    {
-      "epoch": 0.86,
-      "learning_rate": 5e-05,
-      "loss": 0.2983,
-      "step": 482
-    },
-    {
-      "epoch": 0.86,
-      "learning_rate": 5e-05,
-      "loss": 0.2509,
-      "step": 483
-    },
-    {
-      "epoch": 0.86,
-      "learning_rate": 5e-05,
-      "loss": 0.2422,
-      "step": 484
-    },
-    {
-      "epoch": 0.86,
-      "learning_rate": 5e-05,
-      "loss": 0.2603,
-      "step": 485
-    },
-    {
-      "epoch": 0.86,
-      "learning_rate": 5e-05,
-      "loss": 0.3398,
-      "step": 486
-    },
-    {
-      "epoch": 0.87,
-      "learning_rate": 5e-05,
-      "loss": 0.2466,
-      "step": 487
-    },
-    {
-      "epoch": 0.87,
-      "learning_rate": 5e-05,
-      "loss": 0.2937,
-      "step": 488
-    },
-    {
-      "epoch": 0.87,
-      "learning_rate": 5e-05,
-      "loss": 0.3311,
-      "step": 489
-    },
-    {
-      "epoch": 0.87,
-      "learning_rate": 5e-05,
-      "loss": 0.2673,
-      "step": 490
-    },
-    {
-      "epoch": 0.87,
-      "learning_rate": 5e-05,
-      "loss": 0.2637,
-      "step": 491
-    },
-    {
-      "epoch": 0.87,
-      "learning_rate": 5e-05,
-      "loss": 0.1716,
-      "step": 492
-    },
-    {
-      "epoch": 0.88,
-      "learning_rate": 5e-05,
-      "loss": 0.2305,
-      "step": 493
-    },
-    {
-      "epoch": 0.88,
-      "learning_rate": 5e-05,
-      "loss": 0.2168,
-      "step": 494
-    },
-    {
-      "epoch": 0.88,
-      "learning_rate": 5e-05,
-      "loss": 0.3108,
-      "step": 495
-    },
-    {
-      "epoch": 0.88,
-      "learning_rate": 5e-05,
-      "loss": 0.3105,
-      "step": 496
-    },
-    {
-      "epoch": 0.88,
-      "learning_rate": 5e-05,
-      "loss": 0.1785,
-      "step": 497
-    },
-    {
-      "epoch": 0.89,
-      "learning_rate": 5e-05,
-      "loss": 0.3538,
-      "step": 498
-    },
-    {
-      "epoch": 0.89,
-      "learning_rate": 5e-05,
-      "loss": 0.2576,
-      "step": 499
-    },
-    {
-      "epoch": 0.89,
-      "learning_rate": 5e-05,
-      "loss": 0.2568,
-      "step": 500
-    },
-    {
-      "epoch": 0.89,
-      "learning_rate": 5e-05,
-      "loss": 0.2703,
-      "step": 501
-    },
-    {
-      "epoch": 0.89,
-      "learning_rate": 5e-05,
-      "loss": 0.416,
-      "step": 502
-    },
-    {
-      "epoch": 0.89,
-      "learning_rate": 5e-05,
-      "loss": 0.2786,
-      "step": 503
-    },
-    {
-      "epoch": 0.9,
-      "learning_rate": 5e-05,
-      "loss": 0.1975,
-      "step": 504
-    },
-    {
-      "epoch": 0.9,
-      "learning_rate": 5e-05,
-      "loss": 0.2393,
-      "step": 505
-    },
-    {
-      "epoch": 0.9,
-      "learning_rate": 5e-05,
-      "loss": 0.2341,
-      "step": 506
-    },
-    {
-      "epoch": 0.9,
-      "learning_rate": 5e-05,
-      "loss": 0.23,
-      "step": 507
-    },
-    {
-      "epoch": 0.9,
-      "learning_rate": 5e-05,
-      "loss": 0.2649,
-      "step": 508
-    },
-    {
-      "epoch": 0.9,
-      "learning_rate": 5e-05,
-      "loss": 0.2295,
-      "step": 509
-    },
-    {
-      "epoch": 0.91,
-      "learning_rate": 5e-05,
-      "loss": 0.3152,
-      "step": 510
-    },
-    {
-      "epoch": 0.91,
-      "learning_rate": 5e-05,
-      "loss": 0.1573,
-      "step": 511
-    },
-    {
-      "epoch": 0.91,
-      "learning_rate": 5e-05,
-      "loss": 0.2231,
-      "step": 512
-    },
-    {
-      "epoch": 0.91,
-      "learning_rate": 5e-05,
-      "loss": 0.2332,
-      "step": 513
-    },
-    {
-      "epoch": 0.91,
-      "learning_rate": 5e-05,
-      "loss": 0.2383,
-      "step": 514
-    },
-    {
-      "epoch": 0.92,
-      "learning_rate": 5e-05,
-      "loss": 0.3276,
-      "step": 515
-    },
-    {
-      "epoch": 0.92,
-      "learning_rate": 5e-05,
-      "loss": 0.3074,
-      "step": 516
-    },
-    {
-      "epoch": 0.92,
-      "learning_rate": 5e-05,
-      "loss": 0.2319,
-      "step": 517
-    },
-    {
-      "epoch": 0.92,
-      "learning_rate": 5e-05,
-      "loss": 0.3049,
-      "step": 518
-    },
-    {
-      "epoch": 0.92,
-      "learning_rate": 5e-05,
-      "loss": 0.2881,
-      "step": 519
-    },
-    {
-      "epoch": 0.92,
-      "learning_rate": 5e-05,
-      "loss": 0.2583,
-      "step": 520
-    },
-    {
-      "epoch": 0.93,
-      "learning_rate": 5e-05,
-      "loss": 0.3501,
-      "step": 521
-    },
-    {
-      "epoch": 0.93,
-      "learning_rate": 5e-05,
-      "loss": 0.3223,
-      "step": 522
-    },
-    {
-      "epoch": 0.93,
-      "learning_rate": 5e-05,
-      "loss": 0.1954,
-      "step": 523
-    },
-    {
-      "epoch": 0.93,
-      "learning_rate": 5e-05,
-      "loss": 0.2305,
-      "step": 524
-    },
-    {
-      "epoch": 0.93,
-      "learning_rate": 5e-05,
-      "loss": 0.2434,
-      "step": 525
-    },
-    {
-      "epoch": 0.94,
-      "learning_rate": 5e-05,
-      "loss": 0.2756,
-      "step": 526
-    },
-    {
-      "epoch": 0.94,
-      "learning_rate": 5e-05,
-      "loss": 0.283,
-      "step": 527
-    },
-    {
-      "epoch": 0.94,
-      "learning_rate": 5e-05,
-      "loss": 0.2426,
-      "step": 528
-    },
-    {
-      "epoch": 0.94,
-      "learning_rate": 5e-05,
-      "loss": 0.2808,
-      "step": 529
-    },
-    {
-      "epoch": 0.94,
-      "learning_rate": 5e-05,
-      "loss": 0.2618,
-      "step": 530
-    },
-    {
-      "epoch": 0.94,
-      "learning_rate": 5e-05,
-      "loss": 0.2844,
-      "step": 531
-    },
-    {
-      "epoch": 0.95,
-      "learning_rate": 5e-05,
-      "loss": 0.2585,
-      "step": 532
-    },
-    {
-      "epoch": 0.95,
-      "learning_rate": 5e-05,
-      "loss": 0.2603,
-      "step": 533
-    },
-    {
-      "epoch": 0.95,
-      "learning_rate": 5e-05,
-      "loss": 0.2705,
-      "step": 534
-    },
-    {
-      "epoch": 0.95,
-      "learning_rate": 5e-05,
-      "loss": 0.2913,
-      "step": 535
-    },
-    {
-      "epoch": 0.95,
-      "learning_rate": 5e-05,
-      "loss": 0.3491,
-      "step": 536
-    },
-    {
-      "epoch": 0.95,
-      "learning_rate": 5e-05,
-      "loss": 0.2267,
-      "step": 537
-    },
-    {
-      "epoch": 0.96,
-      "learning_rate": 5e-05,
-      "loss": 0.2012,
-      "step": 538
-    },
-    {
-      "epoch": 0.96,
-      "learning_rate": 5e-05,
-      "loss": 0.2617,
-      "step": 539
-    },
-    {
-      "epoch": 0.96,
-      "learning_rate": 5e-05,
-      "loss": 0.2534,
-      "step": 540
-    },
-    {
-      "epoch": 0.96,
-      "learning_rate": 5e-05,
-      "loss": 0.1899,
-      "step": 541
-    },
-    {
-      "epoch": 0.96,
-      "learning_rate": 5e-05,
-      "loss": 0.2751,
-      "step": 542
-    },
-    {
-      "epoch": 0.97,
-      "learning_rate": 5e-05,
-      "loss": 0.23,
-      "step": 543
-    },
-    {
-      "epoch": 0.97,
-      "learning_rate": 5e-05,
-      "loss": 0.3792,
-      "step": 544
-    },
-    {
-      "epoch": 0.97,
-      "learning_rate": 5e-05,
-      "loss": 0.2715,
-      "step": 545
-    },
-    {
-      "epoch": 0.97,
-      "learning_rate": 5e-05,
-      "loss": 0.2104,
-      "step": 546
-    },
-    {
-      "epoch": 0.97,
-      "learning_rate": 5e-05,
-      "loss": 0.174,
-      "step": 547
-    },
-    {
-      "epoch": 0.97,
-      "learning_rate": 5e-05,
-      "loss": 0.2878,
-      "step": 548
-    },
-    {
-      "epoch": 0.98,
-      "learning_rate": 5e-05,
-      "loss": 0.332,
-      "step": 549
-    },
-    {
-      "epoch": 0.98,
-      "learning_rate": 5e-05,
-      "loss": 0.1823,
-      "step": 550
-    },
-    {
-      "epoch": 0.98,
-      "learning_rate": 5e-05,
-      "loss": 0.2782,
-      "step": 551
-    },
-    {
-      "epoch": 0.98,
-      "learning_rate": 5e-05,
-      "loss": 0.3242,
-      "step": 552
-    },
-    {
-      "epoch": 0.98,
-      "learning_rate": 5e-05,
-      "loss": 0.2517,
-      "step": 553
-    },
-    {
-      "epoch": 0.98,
-      "learning_rate": 5e-05,
-      "loss": 0.3254,
-      "step": 554
-    },
-    {
-      "epoch": 0.99,
-      "learning_rate": 5e-05,
-      "loss": 0.2124,
-      "step": 555
-    },
-    {
-      "epoch": 0.99,
-      "learning_rate": 5e-05,
-      "loss": 0.2562,
-      "step": 556
-    },
-    {
-      "epoch": 0.99,
-      "learning_rate": 5e-05,
-      "loss": 0.2321,
-      "step": 557
-    },
-    {
-      "epoch": 0.99,
-      "learning_rate": 5e-05,
-      "loss": 0.2761,
-      "step": 558
-    },
-    {
-      "epoch": 0.99,
-      "learning_rate": 5e-05,
-      "loss": 0.3198,
-      "step": 559
-    },
-    {
-      "epoch": 1.0,
-      "learning_rate": 5e-05,
-      "loss": 0.2412,
-      "step": 560
-    },
-    {
-      "epoch": 1.0,
-      "learning_rate": 5e-05,
-      "loss": 0.2361,
-      "step": 561
-    },
-    {
-      "epoch": 1.0,
-      "learning_rate": 5e-05,
-      "loss": 0.2629,
-      "step": 562
-    },
-    {
-      "epoch": 1.0,
-      "eval_loss": 0.252667635679245,
-      "eval_runtime": 118.7073,
-      "eval_samples_per_second": 2.527,
-      "eval_steps_per_second": 0.632,
-      "step": 562
-    },
-    {
-      "epoch": 1.0,
-      "learning_rate": 5e-05,
-      "loss": 0.2251,
-      "step": 563
-    },
-    {
-      "epoch": 1.0,
-      "learning_rate": 5e-05,
-      "loss": 0.3428,
-      "step": 564
-    },
-    {
-      "epoch": 1.0,
-      "learning_rate": 5e-05,
-      "loss": 0.3271,
-      "step": 565
-    },
-    {
-      "epoch": 1.01,
-      "learning_rate": 5e-05,
-      "loss": 0.1775,
-      "step": 566
-    },
-    {
-      "epoch": 1.01,
-      "learning_rate": 5e-05,
-      "loss": 0.1478,
-      "step": 567
-    },
-    {
-      "epoch": 1.01,
-      "learning_rate": 5e-05,
-      "loss": 0.3059,
-      "step": 568
-    },
-    {
-      "epoch": 1.01,
-      "learning_rate": 5e-05,
-      "loss": 0.2644,
-      "step": 569
-    },
-    {
-      "epoch": 1.01,
-      "learning_rate": 5e-05,
-      "loss": 0.1985,
-      "step": 570
-    },
-    {
-      "epoch": 1.02,
-      "learning_rate": 5e-05,
-      "loss": 0.2598,
-      "step": 571
-    },
-    {
-      "epoch": 1.02,
-      "learning_rate": 5e-05,
-      "loss": 0.2168,
-      "step": 572
-    },
-    {
-      "epoch": 1.02,
-      "learning_rate": 5e-05,
-      "loss": 0.1897,
-      "step": 573
-    },
-    {
-      "epoch": 1.02,
-      "learning_rate": 5e-05,
-      "loss": 0.22,
-      "step": 574
-    },
-    {
-      "epoch": 1.02,
-      "learning_rate": 5e-05,
-      "loss": 0.2847,
-      "step": 575
-    },
-    {
-      "epoch": 1.02,
-      "learning_rate": 5e-05,
-      "loss": 0.2323,
-      "step": 576
-    },
-    {
-      "epoch": 1.03,
-      "learning_rate": 5e-05,
-      "loss": 0.3604,
-      "step": 577
-    },
-    {
-      "epoch": 1.03,
-      "learning_rate": 5e-05,
-      "loss": 0.2505,
-      "step": 578
-    },
-    {
-      "epoch": 1.03,
-      "learning_rate": 5e-05,
-      "loss": 0.2605,
-      "step": 579
-    },
-    {
-      "epoch": 1.03,
-      "learning_rate": 5e-05,
-      "loss": 0.2537,
-      "step": 580
-    },
-    {
-      "epoch": 1.03,
-      "learning_rate": 5e-05,
-      "loss": 0.2673,
-      "step": 581
-    },
-    {
-      "epoch": 1.03,
-      "learning_rate": 5e-05,
-      "loss": 0.2148,
-      "step": 582
-    },
-    {
-      "epoch": 1.04,
-      "learning_rate": 5e-05,
-      "loss": 0.2368,
-      "step": 583
-    },
-    {
-      "epoch": 1.04,
-      "learning_rate": 5e-05,
-      "loss": 0.2312,
-      "step": 584
-    },
-    {
-      "epoch": 1.04,
-      "learning_rate": 5e-05,
-      "loss": 0.2603,
-      "step": 585
-    },
-    {
-      "epoch": 1.04,
-      "learning_rate": 5e-05,
-      "loss": 0.2112,
-      "step": 586
-    },
-    {
-      "epoch": 1.04,
-      "learning_rate": 5e-05,
-      "loss": 0.2041,
-      "step": 587
-    },
-    {
-      "epoch": 1.05,
-      "learning_rate": 5e-05,
-      "loss": 0.2808,
-      "step": 588
-    },
-    {
-      "epoch": 1.05,
-      "learning_rate": 5e-05,
-      "loss": 0.2622,
-      "step": 589
-    },
-    {
-      "epoch": 1.05,
-      "learning_rate": 5e-05,
-      "loss": 0.2649,
-      "step": 590
-    },
-    {
-      "epoch": 1.05,
-      "learning_rate": 5e-05,
-      "loss": 0.2859,
-      "step": 591
-    },
-    {
-      "epoch": 1.05,
-      "learning_rate": 5e-05,
-      "loss": 0.2219,
-      "step": 592
-    },
-    {
-      "epoch": 1.05,
-      "learning_rate": 5e-05,
-      "loss": 0.2751,
-      "step": 593
-    },
-    {
-      "epoch": 1.06,
-      "learning_rate": 5e-05,
-      "loss": 0.3069,
-      "step": 594
-    },
-    {
-      "epoch": 1.06,
-      "learning_rate": 5e-05,
-      "loss": 0.208,
-      "step": 595
-    },
-    {
-      "epoch": 1.06,
-      "learning_rate": 5e-05,
-      "loss": 0.2712,
-      "step": 596
-    },
-    {
-      "epoch": 1.06,
-      "learning_rate": 5e-05,
-      "loss": 0.2417,
-      "step": 597
-    },
-    {
-      "epoch": 1.06,
-      "learning_rate": 5e-05,
-      "loss": 0.2085,
-      "step": 598
-    },
-    {
-      "epoch": 1.06,
-      "learning_rate": 5e-05,
-      "loss": 0.265,
-      "step": 599
-    },
-    {
-      "epoch": 1.07,
-      "learning_rate": 5e-05,
-      "loss": 0.2522,
-      "step": 600
-    },
-    {
-      "epoch": 1.07,
-      "learning_rate": 5e-05,
-      "loss": 0.217,
-      "step": 601
-    },
-    {
-      "epoch": 1.07,
-      "learning_rate": 5e-05,
-      "loss": 0.2488,
-      "step": 602
-    },
-    {
-      "epoch": 1.07,
-      "learning_rate": 5e-05,
-      "loss": 0.2441,
-      "step": 603
-    },
-    {
-      "epoch": 1.07,
-      "learning_rate": 5e-05,
-      "loss": 0.2773,
-      "step": 604
-    },
-    {
-      "epoch": 1.08,
-      "learning_rate": 5e-05,
-      "loss": 0.3657,
-      "step": 605
-    },
-    {
-      "epoch": 1.08,
-      "learning_rate": 5e-05,
-      "loss": 0.2677,
-      "step": 606
-    },
-    {
-      "epoch": 1.08,
-      "learning_rate": 5e-05,
-      "loss": 0.2405,
-      "step": 607
-    },
-    {
-      "epoch": 1.08,
-      "learning_rate": 5e-05,
-      "loss": 0.2578,
-      "step": 608
-    },
-    {
-      "epoch": 1.08,
-      "learning_rate": 5e-05,
-      "loss": 0.3755,
-      "step": 609
-    },
-    {
-      "epoch": 1.08,
-      "learning_rate": 5e-05,
-      "loss": 0.2346,
-      "step": 610
-    },
-    {
-      "epoch": 1.09,
-      "learning_rate": 5e-05,
-      "loss": 0.2319,
-      "step": 611
-    },
-    {
-      "epoch": 1.09,
-      "learning_rate": 5e-05,
-      "loss": 0.304,
-      "step": 612
-    },
-    {
-      "epoch": 1.09,
-      "learning_rate": 5e-05,
-      "loss": 0.3589,
-      "step": 613
-    },
-    {
-      "epoch": 1.09,
-      "learning_rate": 5e-05,
-      "loss": 0.1447,
-      "step": 614
-    },
-    {
-      "epoch": 1.09,
-      "learning_rate": 5e-05,
-      "loss": 0.3394,
-      "step": 615
-    },
-    {
-      "epoch": 1.1,
-      "learning_rate": 5e-05,
-      "loss": 0.2563,
-      "step": 616
-    },
-    {
-      "epoch": 1.1,
-      "learning_rate": 5e-05,
-      "loss": 0.1664,
-      "step": 617
-    },
-    {
-      "epoch": 1.1,
-      "learning_rate": 5e-05,
-      "loss": 0.2742,
-      "step": 618
-    },
-    {
-      "epoch": 1.1,
-      "learning_rate": 5e-05,
-      "loss": 0.2474,
-      "step": 619
-    },
-    {
-      "epoch": 1.1,
-      "learning_rate": 5e-05,
-      "loss": 0.2517,
-      "step": 620
-    },
-    {
-      "epoch": 1.1,
-      "learning_rate": 5e-05,
-      "loss": 0.2202,
-      "step": 621
-    },
-    {
-      "epoch": 1.11,
-      "learning_rate": 5e-05,
-      "loss": 0.252,
-      "step": 622
-    },
-    {
-      "epoch": 1.11,
-      "learning_rate": 5e-05,
-      "loss": 0.1925,
-      "step": 623
-    },
-    {
-      "epoch": 1.11,
-      "learning_rate": 5e-05,
-      "loss": 0.2517,
-      "step": 624
-    },
-    {
-      "epoch": 1.11,
-      "learning_rate": 5e-05,
-      "loss": 0.3547,
-      "step": 625
-    },
-    {
-      "epoch": 1.11,
-      "learning_rate": 5e-05,
-      "loss": 0.1815,
-      "step": 626
-    },
-    {
-      "epoch": 1.11,
-      "learning_rate": 5e-05,
-      "loss": 0.2129,
-      "step": 627
-    },
-    {
-      "epoch": 1.12,
-      "learning_rate": 5e-05,
-      "loss": 0.1929,
-      "step": 628
-    },
-    {
-      "epoch": 1.12,
-      "learning_rate": 5e-05,
-      "loss": 0.2888,
-      "step": 629
-    },
-    {
-      "epoch": 1.12,
-      "learning_rate": 5e-05,
-      "loss": 0.2593,
-      "step": 630
-    },
-    {
-      "epoch": 1.12,
-      "learning_rate": 5e-05,
-      "loss": 0.2756,
-      "step": 631
-    },
-    {
-      "epoch": 1.12,
-      "learning_rate": 5e-05,
-      "loss": 0.3179,
-      "step": 632
-    },
-    {
-      "epoch": 1.13,
-      "learning_rate": 5e-05,
-      "loss": 0.2407,
-      "step": 633
-    },
-    {
-      "epoch": 1.13,
-      "learning_rate": 5e-05,
-      "loss": 0.2981,
-      "step": 634
-    },
-    {
-      "epoch": 1.13,
-      "learning_rate": 5e-05,
-      "loss": 0.2087,
-      "step": 635
-    },
-    {
-      "epoch": 1.13,
-      "learning_rate": 5e-05,
-      "loss": 0.239,
-      "step": 636
-    },
-    {
-      "epoch": 1.13,
-      "learning_rate": 5e-05,
-      "loss": 0.2695,
-      "step": 637
-    },
-    {
-      "epoch": 1.13,
-      "learning_rate": 5e-05,
-      "loss": 0.3452,
-      "step": 638
-    },
-    {
-      "epoch": 1.14,
-      "learning_rate": 5e-05,
-      "loss": 0.3323,
-      "step": 639
-    },
-    {
-      "epoch": 1.14,
-      "learning_rate": 5e-05,
-      "loss": 0.3218,
-      "step": 640
-    },
-    {
-      "epoch": 1.14,
-      "learning_rate": 5e-05,
-      "loss": 0.2683,
-      "step": 641
-    },
-    {
-      "epoch": 1.14,
-      "learning_rate": 5e-05,
-      "loss": 0.2158,
-      "step": 642
-    },
-    {
-      "epoch": 1.14,
-      "learning_rate": 5e-05,
-      "loss": 0.1976,
-      "step": 643
-    },
-    {
-      "epoch": 1.14,
-      "learning_rate": 5e-05,
-      "loss": 0.2288,
-      "step": 644
-    },
-    {
-      "epoch": 1.15,
-      "learning_rate": 5e-05,
-      "loss": 0.2637,
-      "step": 645
-    },
-    {
-      "epoch": 1.15,
-      "learning_rate": 5e-05,
-      "loss": 0.29,
-      "step": 646
-    },
-    {
-      "epoch": 1.15,
-      "learning_rate": 5e-05,
-      "loss": 0.2764,
-      "step": 647
-    },
-    {
-      "epoch": 1.15,
-      "learning_rate": 5e-05,
-      "loss": 0.2288,
-      "step": 648
-    },
-    {
-      "epoch": 1.15,
-      "learning_rate": 5e-05,
-      "loss": 0.3267,
-      "step": 649
-    },
-    {
-      "epoch": 1.16,
-      "learning_rate": 5e-05,
-      "loss": 0.241,
-      "step": 650
-    },
-    {
-      "epoch": 1.16,
-      "learning_rate": 5e-05,
-      "loss": 0.2559,
-      "step": 651
-    },
-    {
-      "epoch": 1.16,
-      "learning_rate": 5e-05,
-      "loss": 0.2683,
-      "step": 652
-    },
-    {
-      "epoch": 1.16,
-      "learning_rate": 5e-05,
-      "loss": 0.2244,
-      "step": 653
-    },
-    {
-      "epoch": 1.16,
-      "learning_rate": 5e-05,
-      "loss": 0.2771,
-      "step": 654
-    },
-    {
-      "epoch": 1.16,
-      "learning_rate": 5e-05,
-      "loss": 0.2693,
-      "step": 655
-    },
-    {
-      "epoch": 1.17,
-      "learning_rate": 5e-05,
-      "loss": 0.2366,
-      "step": 656
-    },
-    {
-      "epoch": 1.17,
-      "learning_rate": 5e-05,
-      "loss": 0.3186,
-      "step": 657
-    },
-    {
-      "epoch": 1.17,
-      "learning_rate": 5e-05,
-      "loss": 0.2789,
-      "step": 658
-    },
-    {
-      "epoch": 1.17,
-      "learning_rate": 5e-05,
-      "loss": 0.2346,
-      "step": 659
-    },
-    {
-      "epoch": 1.17,
-      "learning_rate": 5e-05,
-      "loss": 0.3081,
-      "step": 660
-    },
-    {
-      "epoch": 1.18,
-      "learning_rate": 5e-05,
-      "loss": 0.2053,
-      "step": 661
-    },
-    {
-      "epoch": 1.18,
-      "learning_rate": 5e-05,
-      "loss": 0.2751,
-      "step": 662
-    },
-    {
-      "epoch": 1.18,
-      "learning_rate": 5e-05,
-      "loss": 0.2314,
-      "step": 663
-    },
-    {
-      "epoch": 1.18,
-      "learning_rate": 5e-05,
-      "loss": 0.3174,
-      "step": 664
-    },
-    {
-      "epoch": 1.18,
-      "learning_rate": 5e-05,
-      "loss": 0.2659,
-      "step": 665
-    },
-    {
-      "epoch": 1.18,
-      "learning_rate": 5e-05,
-      "loss": 0.2443,
-      "step": 666
-    },
-    {
-      "epoch": 1.19,
-      "learning_rate": 5e-05,
-      "loss": 0.17,
-      "step": 667
-    },
-    {
-      "epoch": 1.19,
-      "learning_rate": 5e-05,
-      "loss": 0.2405,
-      "step": 668
-    },
-    {
-      "epoch": 1.19,
-      "learning_rate": 5e-05,
-      "loss": 0.1887,
-      "step": 669
-    },
-    {
-      "epoch": 1.19,
-      "learning_rate": 5e-05,
-      "loss": 0.2256,
-      "step": 670
-    },
-    {
-      "epoch": 1.19,
-      "learning_rate": 5e-05,
-      "loss": 0.2905,
-      "step": 671
-    },
-    {
-      "epoch": 1.19,
-      "learning_rate": 5e-05,
-      "loss": 0.2919,
-      "step": 672
-    },
-    {
-      "epoch": 1.2,
-      "learning_rate": 5e-05,
-      "loss": 0.3403,
-      "step": 673
-    },
-    {
-      "epoch": 1.2,
-      "learning_rate": 5e-05,
-      "loss": 0.3018,
-      "step": 674
-    },
-    {
-      "epoch": 1.2,
-      "learning_rate": 5e-05,
-      "loss": 0.1644,
-      "step": 675
-    },
-    {
-      "epoch": 1.2,
-      "learning_rate": 5e-05,
-      "loss": 0.1875,
-      "step": 676
-    },
-    {
-      "epoch": 1.2,
-      "learning_rate": 5e-05,
-      "loss": 0.2817,
-      "step": 677
-    },
-    {
-      "epoch": 1.21,
-      "learning_rate": 5e-05,
-      "loss": 0.2349,
-      "step": 678
-    },
-    {
-      "epoch": 1.21,
-      "learning_rate": 5e-05,
-      "loss": 0.2778,
-      "step": 679
-    },
-    {
-      "epoch": 1.21,
-      "learning_rate": 5e-05,
-      "loss": 0.1979,
-      "step": 680
-    },
-    {
-      "epoch": 1.21,
-      "learning_rate": 5e-05,
-      "loss": 0.2546,
-      "step": 681
-    },
-    {
-      "epoch": 1.21,
-      "learning_rate": 5e-05,
-      "loss": 0.238,
-      "step": 682
-    },
-    {
-      "epoch": 1.21,
-      "learning_rate": 5e-05,
-      "loss": 0.2163,
-      "step": 683
-    },
-    {
-      "epoch": 1.22,
-      "learning_rate": 5e-05,
-      "loss": 0.2927,
-      "step": 684
-    },
-    {
-      "epoch": 1.22,
-      "learning_rate": 5e-05,
-      "loss": 0.2844,
-      "step": 685
-    },
-    {
-      "epoch": 1.22,
-      "learning_rate": 5e-05,
-      "loss": 0.2346,
-      "step": 686
-    },
-    {
-      "epoch": 1.22,
-      "learning_rate": 5e-05,
-      "loss": 0.2329,
-      "step": 687
-    },
-    {
-      "epoch": 1.22,
-      "learning_rate": 5e-05,
-      "loss": 0.2854,
-      "step": 688
-    },
-    {
-      "epoch": 1.22,
-      "learning_rate": 5e-05,
-      "loss": 0.2664,
-      "step": 689
-    },
-    {
-      "epoch": 1.23,
-      "learning_rate": 5e-05,
-      "loss": 0.207,
-      "step": 690
-    },
-    {
-      "epoch": 1.23,
-      "learning_rate": 5e-05,
-      "loss": 0.238,
-      "step": 691
-    },
-    {
-      "epoch": 1.23,
-      "learning_rate": 5e-05,
-      "loss": 0.3291,
-      "step": 692
-    },
-    {
-      "epoch": 1.23,
-      "learning_rate": 5e-05,
-      "loss": 0.2395,
-      "step": 693
-    },
-    {
-      "epoch": 1.23,
-      "learning_rate": 5e-05,
-      "loss": 0.2649,
-      "step": 694
-    },
-    {
-      "epoch": 1.24,
-      "learning_rate": 5e-05,
-      "loss": 0.3059,
-      "step": 695
-    },
-    {
-      "epoch": 1.24,
-      "learning_rate": 5e-05,
-      "loss": 0.2266,
-      "step": 696
-    },
-    {
-      "epoch": 1.24,
-      "learning_rate": 5e-05,
-      "loss": 0.2177,
-      "step": 697
-    },
-    {
-      "epoch": 1.24,
-      "learning_rate": 5e-05,
-      "loss": 0.29,
-      "step": 698
-    },
-    {
-      "epoch": 1.24,
-      "learning_rate": 5e-05,
-      "loss": 0.2351,
-      "step": 699
-    },
-    {
-      "epoch": 1.24,
-      "learning_rate": 5e-05,
-      "loss": 0.3337,
-      "step": 700
-    },
-    {
-      "epoch": 1.25,
-      "learning_rate": 5e-05,
-      "loss": 0.2314,
-      "step": 701
-    },
-    {
-      "epoch": 1.25,
-      "learning_rate": 5e-05,
-      "loss": 0.2651,
-      "step": 702
-    },
-    {
-      "epoch": 1.25,
-      "learning_rate": 5e-05,
-      "loss": 0.321,
-      "step": 703
-    },
-    {
-      "epoch": 1.25,
-      "learning_rate": 5e-05,
-      "loss": 0.2241,
-      "step": 704
-    },
-    {
-      "epoch": 1.25,
-      "learning_rate": 5e-05,
-      "loss": 0.2482,
-      "step": 705
-    },
-    {
-      "epoch": 1.26,
-      "learning_rate": 5e-05,
-      "loss": 0.2288,
-      "step": 706
-    },
-    {
-      "epoch": 1.26,
-      "learning_rate": 5e-05,
-      "loss": 0.2471,
-      "step": 707
-    },
-    {
-      "epoch": 1.26,
-      "learning_rate": 5e-05,
-      "loss": 0.3274,
-      "step": 708
-    },
-    {
-      "epoch": 1.26,
-      "learning_rate": 5e-05,
-      "loss": 0.2505,
-      "step": 709
-    },
-    {
-      "epoch": 1.26,
-      "learning_rate": 5e-05,
-      "loss": 0.271,
-      "step": 710
-    },
-    {
-      "epoch": 1.26,
-      "learning_rate": 5e-05,
-      "loss": 0.2202,
-      "step": 711
-    },
-    {
-      "epoch": 1.27,
-      "learning_rate": 5e-05,
-      "loss": 0.2186,
-      "step": 712
-    },
-    {
-      "epoch": 1.27,
-      "learning_rate": 5e-05,
-      "loss": 0.334,
-      "step": 713
-    },
-    {
-      "epoch": 1.27,
-      "learning_rate": 5e-05,
-      "loss": 0.2351,
-      "step": 714
-    },
-    {
-      "epoch": 1.27,
-      "learning_rate": 5e-05,
-      "loss": 0.2527,
-      "step": 715
-    },
-    {
-      "epoch": 1.27,
-      "learning_rate": 5e-05,
-      "loss": 0.2307,
-      "step": 716
-    },
-    {
-      "epoch": 1.27,
-      "learning_rate": 5e-05,
-      "loss": 0.3252,
-      "step": 717
-    },
-    {
-      "epoch": 1.28,
-      "learning_rate": 5e-05,
-      "loss": 0.28,
-      "step": 718
-    },
-    {
-      "epoch": 1.28,
-      "learning_rate": 5e-05,
-      "loss": 0.281,
-      "step": 719
-    },
-    {
-      "epoch": 1.28,
-      "learning_rate": 5e-05,
-      "loss": 0.2346,
-      "step": 720
-    },
-    {
-      "epoch": 1.28,
-      "learning_rate": 5e-05,
-      "loss": 0.2642,
-      "step": 721
-    },
-    {
-      "epoch": 1.28,
-      "learning_rate": 5e-05,
-      "loss": 0.2114,
-      "step": 722
-    },
-    {
-      "epoch": 1.29,
-      "learning_rate": 5e-05,
-      "loss": 0.2365,
-      "step": 723
-    },
-    {
-      "epoch": 1.29,
-      "learning_rate": 5e-05,
-      "loss": 0.3428,
-      "step": 724
-    },
-    {
-      "epoch": 1.29,
-      "learning_rate": 5e-05,
-      "loss": 0.3337,
-      "step": 725
-    },
-    {
-      "epoch": 1.29,
-      "learning_rate": 5e-05,
-      "loss": 0.2742,
-      "step": 726
-    },
-    {
-      "epoch": 1.29,
-      "learning_rate": 5e-05,
-      "loss": 0.2197,
-      "step": 727
-    },
-    {
-      "epoch": 1.29,
-      "learning_rate": 5e-05,
-      "loss": 0.2722,
-      "step": 728
-    },
-    {
-      "epoch": 1.3,
-      "learning_rate": 5e-05,
-      "loss": 0.1876,
-      "step": 729
-    },
-    {
-      "epoch": 1.3,
-      "learning_rate": 5e-05,
-      "loss": 0.2906,
-      "step": 730
-    },
-    {
-      "epoch": 1.3,
-      "learning_rate": 5e-05,
-      "loss": 0.207,
-      "step": 731
-    },
-    {
-      "epoch": 1.3,
-      "learning_rate": 5e-05,
-      "loss": 0.2355,
-      "step": 732
-    },
-    {
-      "epoch": 1.3,
-      "learning_rate": 5e-05,
-      "loss": 0.2496,
-      "step": 733
-    },
-    {
-      "epoch": 1.3,
-      "learning_rate": 5e-05,
-      "loss": 0.3579,
-      "step": 734
-    },
-    {
-      "epoch": 1.31,
-      "learning_rate": 5e-05,
-      "loss": 0.2181,
-      "step": 735
-    },
-    {
-      "epoch": 1.31,
-      "learning_rate": 5e-05,
-      "loss": 0.301,
-      "step": 736
-    },
-    {
-      "epoch": 1.31,
-      "learning_rate": 5e-05,
-      "loss": 0.1458,
-      "step": 737
-    },
-    {
-      "epoch": 1.31,
-      "learning_rate": 5e-05,
-      "loss": 0.1726,
-      "step": 738
-    },
-    {
-      "epoch": 1.31,
-      "learning_rate": 5e-05,
-      "loss": 0.2053,
-      "step": 739
-    },
-    {
-      "epoch": 1.32,
-      "learning_rate": 5e-05,
-      "loss": 0.2908,
-      "step": 740
-    },
-    {
-      "epoch": 1.32,
-      "learning_rate": 5e-05,
-      "loss": 0.2844,
-      "step": 741
-    },
-    {
-      "epoch": 1.32,
-      "learning_rate": 5e-05,
-      "loss": 0.3445,
-      "step": 742
-    },
-    {
-      "epoch": 1.32,
-      "learning_rate": 5e-05,
-      "loss": 0.1598,
-      "step": 743
-    },
-    {
-      "epoch": 1.32,
-      "learning_rate": 5e-05,
-      "loss": 0.3391,
-      "step": 744
-    },
-    {
-      "epoch": 1.32,
-      "learning_rate": 5e-05,
-      "loss": 0.2283,
-      "step": 745
-    },
-    {
-      "epoch": 1.33,
-      "learning_rate": 5e-05,
-      "loss": 0.2419,
-      "step": 746
-    },
-    {
-      "epoch": 1.33,
-      "learning_rate": 5e-05,
-      "loss": 0.2888,
-      "step": 747
-    },
-    {
-      "epoch": 1.33,
-      "learning_rate": 5e-05,
-      "loss": 0.1726,
-      "step": 748
-    },
-    {
-      "epoch": 1.33,
-      "learning_rate": 5e-05,
-      "loss": 0.1996,
-      "step": 749
-    },
-    {
-      "epoch": 1.33,
-      "learning_rate": 5e-05,
-      "loss": 0.197,
-      "step": 750
-    },
-    {
-      "epoch": 1.34,
-      "learning_rate": 5e-05,
-      "loss": 0.2402,
-      "step": 751
-    },
-    {
-      "epoch": 1.34,
-      "learning_rate": 5e-05,
-      "loss": 0.2611,
-      "step": 752
-    },
-    {
-      "epoch": 1.34,
-      "learning_rate": 5e-05,
-      "loss": 0.3293,
-      "step": 753
-    },
-    {
-      "epoch": 1.34,
-      "learning_rate": 5e-05,
-      "loss": 0.2844,
-      "step": 754
-    },
-    {
-      "epoch": 1.34,
-      "learning_rate": 5e-05,
-      "loss": 0.3562,
-      "step": 755
-    },
-    {
-      "epoch": 1.34,
-      "learning_rate": 5e-05,
-      "loss": 0.3521,
-      "step": 756
-    },
-    {
-      "epoch": 1.35,
-      "learning_rate": 5e-05,
-      "loss": 0.1232,
-      "step": 757
-    },
-    {
-      "epoch": 1.35,
-      "learning_rate": 5e-05,
-      "loss": 0.26,
-      "step": 758
-    },
-    {
-      "epoch": 1.35,
-      "learning_rate": 5e-05,
-      "loss": 0.2673,
-      "step": 759
-    },
-    {
-      "epoch": 1.35,
-      "learning_rate": 5e-05,
-      "loss": 0.3384,
-      "step": 760
-    },
-    {
-      "epoch": 1.35,
-      "learning_rate": 5e-05,
-      "loss": 0.2058,
-      "step": 761
-    },
-    {
-      "epoch": 1.35,
-      "learning_rate": 5e-05,
-      "loss": 0.239,
-      "step": 762
-    },
-    {
-      "epoch": 1.36,
-      "learning_rate": 5e-05,
-      "loss": 0.2744,
-      "step": 763
-    },
-    {
-      "epoch": 1.36,
-      "learning_rate": 5e-05,
-      "loss": 0.2866,
-      "step": 764
-    },
-    {
-      "epoch": 1.36,
-      "learning_rate": 5e-05,
-      "loss": 0.2305,
-      "step": 765
-    },
-    {
-      "epoch": 1.36,
-      "learning_rate": 5e-05,
-      "loss": 0.2578,
-      "step": 766
-    },
-    {
-      "epoch": 1.36,
-      "learning_rate": 5e-05,
-      "loss": 0.2256,
-      "step": 767
-    },
-    {
-      "epoch": 1.37,
-      "learning_rate": 5e-05,
-      "loss": 0.2419,
-      "step": 768
-    },
-    {
-      "epoch": 1.37,
-      "learning_rate": 5e-05,
-      "loss": 0.2539,
-      "step": 769
-    },
-    {
-      "epoch": 1.37,
-      "learning_rate": 5e-05,
-      "loss": 0.3115,
-      "step": 770
-    },
-    {
-      "epoch": 1.37,
-      "learning_rate": 5e-05,
-      "loss": 0.248,
-      "step": 771
-    },
-    {
-      "epoch": 1.37,
-      "learning_rate": 5e-05,
-      "loss": 0.2004,
-      "step": 772
-    },
-    {
-      "epoch": 1.37,
-      "learning_rate": 5e-05,
-      "loss": 0.292,
-      "step": 773
-    },
-    {
-      "epoch": 1.38,
-      "learning_rate": 5e-05,
-      "loss": 0.2422,
-      "step": 774
-    },
-    {
-      "epoch": 1.38,
-      "learning_rate": 5e-05,
-      "loss": 0.3032,
-      "step": 775
-    },
-    {
-      "epoch": 1.38,
-      "learning_rate": 5e-05,
-      "loss": 0.1383,
-      "step": 776
-    },
-    {
-      "epoch": 1.38,
-      "learning_rate": 5e-05,
-      "loss": 0.2864,
-      "step": 777
-    },
-    {
-      "epoch": 1.38,
-      "learning_rate": 5e-05,
-      "loss": 0.2998,
-      "step": 778
-    },
-    {
-      "epoch": 1.38,
-      "learning_rate": 5e-05,
-      "loss": 0.2903,
-      "step": 779
-    },
-    {
-      "epoch": 1.39,
-      "learning_rate": 5e-05,
-      "loss": 0.1334,
-      "step": 780
-    },
-    {
-      "epoch": 1.39,
-      "learning_rate": 5e-05,
-      "loss": 0.3093,
-      "step": 781
-    },
-    {
-      "epoch": 1.39,
-      "learning_rate": 5e-05,
-      "loss": 0.3149,
-      "step": 782
-    },
-    {
-      "epoch": 1.39,
-      "learning_rate": 5e-05,
-      "loss": 0.2334,
-      "step": 783
-    },
-    {
-      "epoch": 1.39,
-      "learning_rate": 5e-05,
-      "loss": 0.2705,
-      "step": 784
-    },
-    {
-      "epoch": 1.4,
-      "learning_rate": 5e-05,
-      "loss": 0.2061,
-      "step": 785
-    },
-    {
-      "epoch": 1.4,
-      "learning_rate": 5e-05,
-      "loss": 0.2332,
-      "step": 786
-    },
-    {
-      "epoch": 1.4,
-      "learning_rate": 5e-05,
-      "loss": 0.3235,
-      "step": 787
-    },
-    {
-      "epoch": 1.4,
-      "learning_rate": 5e-05,
-      "loss": 0.2852,
-      "step": 788
-    },
-    {
-      "epoch": 1.4,
-      "learning_rate": 5e-05,
-      "loss": 0.2859,
-      "step": 789
-    },
-    {
-      "epoch": 1.4,
-      "learning_rate": 5e-05,
-      "loss": 0.2808,
-      "step": 790
-    },
-    {
-      "epoch": 1.41,
-      "learning_rate": 5e-05,
-      "loss": 0.2532,
-      "step": 791
-    },
-    {
-      "epoch": 1.41,
-      "learning_rate": 5e-05,
-      "loss": 0.2461,
-      "step": 792
-    },
-    {
-      "epoch": 1.41,
-      "learning_rate": 5e-05,
-      "loss": 0.2583,
-      "step": 793
-    },
-    {
-      "epoch": 1.41,
-      "learning_rate": 5e-05,
-      "loss": 0.2236,
-      "step": 794
-    },
-    {
-      "epoch": 1.41,
-      "learning_rate": 5e-05,
-      "loss": 0.2415,
-      "step": 795
-    },
-    {
-      "epoch": 1.42,
-      "learning_rate": 5e-05,
-      "loss": 0.2224,
-      "step": 796
-    },
-    {
-      "epoch": 1.42,
-      "learning_rate": 5e-05,
-      "loss": 0.3125,
-      "step": 797
-    },
-    {
-      "epoch": 1.42,
-      "learning_rate": 5e-05,
-      "loss": 0.2505,
-      "step": 798
-    },
-    {
-      "epoch": 1.42,
-      "learning_rate": 5e-05,
-      "loss": 0.2385,
-      "step": 799
-    },
-    {
-      "epoch": 1.42,
-      "learning_rate": 5e-05,
-      "loss": 0.2542,
-      "step": 800
-    },
-    {
-      "epoch": 1.42,
-      "learning_rate": 5e-05,
-      "loss": 0.2688,
-      "step": 801
-    },
-    {
-      "epoch": 1.43,
-      "learning_rate": 5e-05,
-      "loss": 0.1743,
-      "step": 802
-    },
-    {
-      "epoch": 1.43,
-      "learning_rate": 5e-05,
-      "loss": 0.2317,
-      "step": 803
-    },
-    {
-      "epoch": 1.43,
-      "learning_rate": 5e-05,
-      "loss": 0.2729,
-      "step": 804
-    },
-    {
-      "epoch": 1.43,
-      "learning_rate": 5e-05,
-      "loss": 0.2898,
-      "step": 805
-    },
-    {
-      "epoch": 1.43,
-      "learning_rate": 5e-05,
-      "loss": 0.2925,
-      "step": 806
-    },
-    {
-      "epoch": 1.43,
-      "learning_rate": 5e-05,
-      "loss": 0.2473,
-      "step": 807
-    },
-    {
-      "epoch": 1.44,
-      "learning_rate": 5e-05,
-      "loss": 0.2319,
-      "step": 808
-    },
-    {
-      "epoch": 1.44,
-      "learning_rate": 5e-05,
-      "loss": 0.2958,
-      "step": 809
-    },
-    {
-      "epoch": 1.44,
-      "learning_rate": 5e-05,
-      "loss": 0.2415,
-      "step": 810
-    },
-    {
-      "epoch": 1.44,
-      "learning_rate": 5e-05,
-      "loss": 0.2373,
-      "step": 811
-    },
-    {
-      "epoch": 1.44,
-      "learning_rate": 5e-05,
-      "loss": 0.2834,
-      "step": 812
-    },
-    {
-      "epoch": 1.45,
-      "learning_rate": 5e-05,
-      "loss": 0.2908,
-      "step": 813
-    },
-    {
-      "epoch": 1.45,
-      "learning_rate": 5e-05,
-      "loss": 0.239,
-      "step": 814
-    },
-    {
-      "epoch": 1.45,
-      "learning_rate": 5e-05,
-      "loss": 0.2136,
-      "step": 815
-    },
-    {
-      "epoch": 1.45,
-      "learning_rate": 5e-05,
-      "loss": 0.2247,
-      "step": 816
-    },
-    {
-      "epoch": 1.45,
-      "learning_rate": 5e-05,
-      "loss": 0.2666,
-      "step": 817
-    },
-    {
-      "epoch": 1.45,
-      "learning_rate": 5e-05,
-      "loss": 0.2405,
-      "step": 818
-    },
-    {
-      "epoch": 1.46,
-      "learning_rate": 5e-05,
-      "loss": 0.2349,
-      "step": 819
-    },
-    {
-      "epoch": 1.46,
-      "learning_rate": 5e-05,
-      "loss": 0.3616,
-      "step": 820
-    },
-    {
-      "epoch": 1.46,
-      "learning_rate": 5e-05,
-      "loss": 0.2981,
-      "step": 821
-    },
-    {
-      "epoch": 1.46,
-      "learning_rate": 5e-05,
-      "loss": 0.2571,
-      "step": 822
-    },
-    {
-      "epoch": 1.46,
-      "learning_rate": 5e-05,
-      "loss": 0.5605,
-      "step": 823
-    },
-    {
-      "epoch": 1.46,
-      "learning_rate": 5e-05,
-      "loss": 0.2502,
-      "step": 824
-    },
-    {
-      "epoch": 1.47,
-      "learning_rate": 5e-05,
-      "loss": 0.3228,
-      "step": 825
-    },
-    {
-      "epoch": 1.47,
-      "learning_rate": 5e-05,
-      "loss": 0.5198,
-      "step": 826
-    },
-    {
-      "epoch": 1.47,
-      "learning_rate": 5e-05,
-      "loss": 0.293,
-      "step": 827
-    },
-    {
-      "epoch": 1.47,
-      "learning_rate": 5e-05,
-      "loss": 0.2013,
-      "step": 828
-    },
-    {
-      "epoch": 1.47,
-      "learning_rate": 5e-05,
-      "loss": 0.2502,
-      "step": 829
-    },
-    {
-      "epoch": 1.48,
-      "learning_rate": 5e-05,
-      "loss": 0.1412,
-      "step": 830
-    },
-    {
-      "epoch": 1.48,
-      "learning_rate": 5e-05,
-      "loss": 0.2676,
-      "step": 831
-    },
-    {
-      "epoch": 1.48,
-      "learning_rate": 5e-05,
-      "loss": 0.2012,
-      "step": 832
-    },
-    {
-      "epoch": 1.48,
-      "learning_rate": 5e-05,
-      "loss": 0.3557,
-      "step": 833
-    },
-    {
-      "epoch": 1.48,
-      "learning_rate": 5e-05,
-      "loss": 0.2876,
-      "step": 834
-    },
-    {
-      "epoch": 1.48,
-      "learning_rate": 5e-05,
-      "loss": 0.2185,
-      "step": 835
-    },
-    {
-      "epoch": 1.49,
-      "learning_rate": 5e-05,
-      "loss": 0.2261,
-      "step": 836
-    },
-    {
-      "epoch": 1.49,
-      "learning_rate": 5e-05,
-      "loss": 0.3462,
-      "step": 837
-    },
-    {
-      "epoch": 1.49,
-      "learning_rate": 5e-05,
-      "loss": 0.2522,
-      "step": 838
-    },
-    {
-      "epoch": 1.49,
-      "learning_rate": 5e-05,
-      "loss": 0.2676,
-      "step": 839
-    },
-    {
-      "epoch": 1.49,
-      "learning_rate": 5e-05,
-      "loss": 0.2078,
-      "step": 840
-    },
-    {
-      "epoch": 1.5,
-      "learning_rate": 5e-05,
-      "loss": 0.3359,
-      "step": 841
-    },
-    {
-      "epoch": 1.5,
-      "learning_rate": 5e-05,
-      "loss": 0.2235,
-      "step": 842
-    },
-    {
-      "epoch": 1.5,
-      "learning_rate": 5e-05,
-      "loss": 0.1982,
-      "step": 843
-    },
-    {
-      "epoch": 1.5,
-      "learning_rate": 5e-05,
-      "loss": 0.2051,
-      "step": 844
-    },
-    {
-      "epoch": 1.5,
-      "learning_rate": 5e-05,
-      "loss": 0.2493,
-      "step": 845
-    },
-    {
-      "epoch": 1.5,
-      "learning_rate": 5e-05,
-      "loss": 0.2607,
-      "step": 846
-    },
-    {
-      "epoch": 1.51,
-      "learning_rate": 5e-05,
-      "loss": 0.1639,
-      "step": 847
-    },
-    {
-      "epoch": 1.51,
-      "learning_rate": 5e-05,
-      "loss": 0.24,
-      "step": 848
-    },
-    {
-      "epoch": 1.51,
-      "learning_rate": 5e-05,
-      "loss": 0.2837,
-      "step": 849
-    },
-    {
-      "epoch": 1.51,
-      "learning_rate": 5e-05,
-      "loss": 0.2568,
-      "step": 850
-    },
-    {
-      "epoch": 1.51,
-      "learning_rate": 5e-05,
-      "loss": 0.2168,
-      "step": 851
-    },
-    {
-      "epoch": 1.51,
-      "learning_rate": 5e-05,
-      "loss": 0.3147,
-      "step": 852
-    },
-    {
-      "epoch": 1.52,
-      "learning_rate": 5e-05,
-      "loss": 0.2869,
-      "step": 853
-    },
-    {
-      "epoch": 1.52,
-      "learning_rate": 5e-05,
-      "loss": 0.2592,
-      "step": 854
-    },
-    {
-      "epoch": 1.52,
-      "learning_rate": 5e-05,
-      "loss": 0.2859,
-      "step": 855
-    },
-    {
-      "epoch": 1.52,
-      "learning_rate": 5e-05,
-      "loss": 0.2661,
-      "step": 856
-    },
-    {
-      "epoch": 1.52,
-      "learning_rate": 5e-05,
-      "loss": 0.29,
-      "step": 857
-    },
-    {
-      "epoch": 1.53,
-      "learning_rate": 5e-05,
-      "loss": 0.2595,
-      "step": 858
-    },
-    {
-      "epoch": 1.53,
-      "learning_rate": 5e-05,
-      "loss": 0.3188,
-      "step": 859
-    },
-    {
-      "epoch": 1.53,
-      "learning_rate": 5e-05,
-      "loss": 0.3855,
-      "step": 860
-    },
-    {
-      "epoch": 1.53,
-      "learning_rate": 5e-05,
-      "loss": 0.2156,
-      "step": 861
-    },
-    {
-      "epoch": 1.53,
-      "learning_rate": 5e-05,
-      "loss": 0.2834,
-      "step": 862
-    },
-    {
-      "epoch": 1.53,
-      "learning_rate": 5e-05,
-      "loss": 0.2771,
-      "step": 863
-    },
-    {
-      "epoch": 1.54,
-      "learning_rate": 5e-05,
-      "loss": 0.3206,
-      "step": 864
-    },
-    {
-      "epoch": 1.54,
-      "learning_rate": 5e-05,
-      "loss": 0.2817,
-      "step": 865
-    },
-    {
-      "epoch": 1.54,
-      "learning_rate": 5e-05,
-      "loss": 0.2113,
-      "step": 866
-    },
-    {
-      "epoch": 1.54,
-      "learning_rate": 5e-05,
-      "loss": 0.2043,
-      "step": 867
-    },
-    {
-      "epoch": 1.54,
-      "learning_rate": 5e-05,
-      "loss": 0.2375,
-      "step": 868
-    },
-    {
-      "epoch": 1.54,
-      "learning_rate": 5e-05,
-      "loss": 0.2734,
-      "step": 869
-    },
-    {
-      "epoch": 1.55,
-      "learning_rate": 5e-05,
-      "loss": 0.3062,
-      "step": 870
-    },
-    {
-      "epoch": 1.55,
-      "learning_rate": 5e-05,
-      "loss": 0.1943,
-      "step": 871
-    },
-    {
-      "epoch": 1.55,
-      "learning_rate": 5e-05,
-      "loss": 0.3521,
-      "step": 872
-    },
-    {
-      "epoch": 1.55,
-      "learning_rate": 5e-05,
-      "loss": 0.2212,
-      "step": 873
-    },
-    {
-      "epoch": 1.55,
-      "learning_rate": 5e-05,
-      "loss": 0.2603,
-      "step": 874
-    },
-    {
-      "epoch": 1.56,
-      "learning_rate": 5e-05,
-      "loss": 0.2871,
-      "step": 875
-    },
-    {
-      "epoch": 1.56,
-      "learning_rate": 5e-05,
-      "loss": 0.2307,
-      "step": 876
-    },
-    {
-      "epoch": 1.56,
-      "learning_rate": 5e-05,
-      "loss": 0.2175,
-      "step": 877
-    },
-    {
-      "epoch": 1.56,
-      "learning_rate": 5e-05,
-      "loss": 0.2654,
-      "step": 878
-    },
-    {
-      "epoch": 1.56,
-      "learning_rate": 5e-05,
-      "loss": 0.1907,
-      "step": 879
-    },
-    {
-      "epoch": 1.56,
-      "learning_rate": 5e-05,
-      "loss": 0.354,
-      "step": 880
-    },
-    {
-      "epoch": 1.57,
-      "learning_rate": 5e-05,
-      "loss": 0.1775,
-      "step": 881
-    },
-    {
-      "epoch": 1.57,
-      "learning_rate": 5e-05,
-      "loss": 0.29,
-      "step": 882
-    },
-    {
-      "epoch": 1.57,
-      "learning_rate": 5e-05,
-      "loss": 0.2231,
-      "step": 883
-    },
-    {
-      "epoch": 1.57,
-      "learning_rate": 5e-05,
-      "loss": 0.2202,
-      "step": 884
-    },
-    {
-      "epoch": 1.57,
-      "learning_rate": 5e-05,
-      "loss": 0.23,
-      "step": 885
-    },
-    {
-      "epoch": 1.58,
-      "learning_rate": 5e-05,
-      "loss": 0.2668,
-      "step": 886
-    },
-    {
-      "epoch": 1.58,
-      "learning_rate": 5e-05,
-      "loss": 0.1831,
-      "step": 887
-    },
-    {
-      "epoch": 1.58,
-      "learning_rate": 5e-05,
-      "loss": 0.2472,
-      "step": 888
-    },
-    {
-      "epoch": 1.58,
-      "learning_rate": 5e-05,
-      "loss": 0.274,
-      "step": 889
-    },
-    {
-      "epoch": 1.58,
-      "learning_rate": 5e-05,
-      "loss": 0.2554,
-      "step": 890
-    },
-    {
-      "epoch": 1.58,
-      "learning_rate": 5e-05,
-      "loss": 0.2974,
-      "step": 891
-    },
-    {
-      "epoch": 1.59,
-      "learning_rate": 5e-05,
-      "loss": 0.2466,
-      "step": 892
-    },
-    {
-      "epoch": 1.59,
-      "learning_rate": 5e-05,
-      "loss": 0.2177,
-      "step": 893
-    },
-    {
-      "epoch": 1.59,
-      "learning_rate": 5e-05,
-      "loss": 0.2119,
-      "step": 894
-    },
-    {
-      "epoch": 1.59,
-      "learning_rate": 5e-05,
-      "loss": 0.2666,
-      "step": 895
-    },
-    {
-      "epoch": 1.59,
-      "learning_rate": 5e-05,
-      "loss": 0.2368,
-      "step": 896
-    },
-    {
-      "epoch": 1.59,
-      "learning_rate": 5e-05,
-      "loss": 0.2529,
-      "step": 897
-    },
-    {
-      "epoch": 1.6,
-      "learning_rate": 5e-05,
-      "loss": 0.2598,
-      "step": 898
-    },
-    {
-      "epoch": 1.6,
-      "learning_rate": 5e-05,
-      "loss": 0.2855,
-      "step": 899
-    },
-    {
-      "epoch": 1.6,
-      "learning_rate": 5e-05,
-      "loss": 0.2825,
-      "step": 900
-    },
-    {
-      "epoch": 1.6,
-      "learning_rate": 5e-05,
-      "loss": 0.2898,
-      "step": 901
-    },
-    {
-      "epoch": 1.6,
-      "learning_rate": 5e-05,
-      "loss": 0.2556,
-      "step": 902
-    },
-    {
-      "epoch": 1.61,
-      "learning_rate": 5e-05,
-      "loss": 0.2356,
-      "step": 903
-    },
-    {
-      "epoch": 1.61,
-      "learning_rate": 5e-05,
-      "loss": 0.2505,
-      "step": 904
-    },
-    {
-      "epoch": 1.61,
-      "learning_rate": 5e-05,
-      "loss": 0.3186,
-      "step": 905
-    },
-    {
-      "epoch": 1.61,
-      "learning_rate": 5e-05,
-      "loss": 0.1616,
-      "step": 906
-    },
-    {
-      "epoch": 1.61,
-      "learning_rate": 5e-05,
-      "loss": 0.1885,
-      "step": 907
-    },
-    {
-      "epoch": 1.61,
-      "learning_rate": 5e-05,
-      "loss": 0.2517,
-      "step": 908
-    },
-    {
-      "epoch": 1.62,
-      "learning_rate": 5e-05,
-      "loss": 0.2391,
-      "step": 909
-    },
-    {
-      "epoch": 1.62,
-      "learning_rate": 5e-05,
-      "loss": 0.2292,
-      "step": 910
-    },
-    {
-      "epoch": 1.62,
-      "learning_rate": 5e-05,
-      "loss": 0.2659,
-      "step": 911
-    },
-    {
-      "epoch": 1.62,
-      "learning_rate": 5e-05,
-      "loss": 0.311,
-      "step": 912
-    },
-    {
-      "epoch": 1.62,
-      "learning_rate": 5e-05,
-      "loss": 0.2112,
-      "step": 913
-    },
-    {
-      "epoch": 1.62,
-      "learning_rate": 5e-05,
-      "loss": 0.2122,
-      "step": 914
-    },
-    {
-      "epoch": 1.63,
-      "learning_rate": 5e-05,
-      "loss": 0.2683,
-      "step": 915
-    },
-    {
-      "epoch": 1.63,
-      "learning_rate": 5e-05,
-      "loss": 0.2566,
-      "step": 916
-    },
-    {
-      "epoch": 1.63,
-      "learning_rate": 5e-05,
-      "loss": 0.1743,
-      "step": 917
-    },
-    {
-      "epoch": 1.63,
-      "learning_rate": 5e-05,
-      "loss": 0.2571,
-      "step": 918
-    },
-    {
-      "epoch": 1.63,
-      "learning_rate": 5e-05,
-      "loss": 0.2205,
-      "step": 919
-    },
-    {
-      "epoch": 1.64,
-      "learning_rate": 5e-05,
-      "loss": 0.293,
-      "step": 920
-    },
-    {
-      "epoch": 1.64,
-      "learning_rate": 5e-05,
-      "loss": 0.2373,
-      "step": 921
-    },
-    {
-      "epoch": 1.64,
-      "learning_rate": 5e-05,
-      "loss": 0.2478,
-      "step": 922
-    },
-    {
-      "epoch": 1.64,
-      "learning_rate": 5e-05,
-      "loss": 0.3425,
-      "step": 923
-    },
-    {
-      "epoch": 1.64,
-      "learning_rate": 5e-05,
-      "loss": 0.2256,
-      "step": 924
-    },
-    {
-      "epoch": 1.64,
-      "learning_rate": 5e-05,
-      "loss": 0.2461,
-      "step": 925
-    },
-    {
-      "epoch": 1.65,
-      "learning_rate": 5e-05,
-      "loss": 0.2231,
-      "step": 926
-    },
-    {
-      "epoch": 1.65,
-      "learning_rate": 5e-05,
-      "loss": 0.2042,
-      "step": 927
-    },
-    {
-      "epoch": 1.65,
-      "learning_rate": 5e-05,
-      "loss": 0.2292,
-      "step": 928
-    },
-    {
-      "epoch": 1.65,
-      "learning_rate": 5e-05,
-      "loss": 0.2625,
-      "step": 929
-    },
-    {
-      "epoch": 1.65,
-      "learning_rate": 5e-05,
-      "loss": 0.241,
-      "step": 930
-    },
-    {
-      "epoch": 1.66,
-      "learning_rate": 5e-05,
-      "loss": 0.2212,
-      "step": 931
-    },
-    {
-      "epoch": 1.66,
-      "learning_rate": 5e-05,
-      "loss": 0.3372,
-      "step": 932
-    },
-    {
-      "epoch": 1.66,
-      "learning_rate": 5e-05,
-      "loss": 0.3584,
-      "step": 933
-    },
-    {
-      "epoch": 1.66,
-      "learning_rate": 5e-05,
-      "loss": 0.3555,
-      "step": 934
-    },
-    {
-      "epoch": 1.66,
-      "learning_rate": 5e-05,
-      "loss": 0.2239,
-      "step": 935
-    },
-    {
-      "epoch": 1.66,
-      "learning_rate": 5e-05,
-      "loss": 0.2751,
-      "step": 936
-    },
-    {
-      "epoch": 1.67,
-      "learning_rate": 5e-05,
-      "loss": 0.2139,
-      "step": 937
-    },
-    {
-      "epoch": 1.67,
-      "learning_rate": 5e-05,
-      "loss": 0.2513,
-      "step": 938
-    },
-    {
-      "epoch": 1.67,
-      "learning_rate": 5e-05,
-      "loss": 0.2139,
-      "step": 939
-    },
-    {
-      "epoch": 1.67,
-      "learning_rate": 5e-05,
-      "loss": 0.3093,
-      "step": 940
-    },
-    {
-      "epoch": 1.67,
-      "learning_rate": 5e-05,
-      "loss": 0.3103,
-      "step": 941
-    },
-    {
-      "epoch": 1.67,
-      "learning_rate": 5e-05,
-      "loss": 0.2585,
-      "step": 942
-    },
-    {
-      "epoch": 1.68,
-      "learning_rate": 5e-05,
-      "loss": 0.2324,
-      "step": 943
-    },
-    {
-      "epoch": 1.68,
-      "learning_rate": 5e-05,
-      "loss": 0.3438,
-      "step": 944
-    },
-    {
-      "epoch": 1.68,
-      "learning_rate": 5e-05,
-      "loss": 0.2161,
-      "step": 945
-    },
-    {
-      "epoch": 1.68,
-      "learning_rate": 5e-05,
-      "loss": 0.281,
-      "step": 946
-    },
-    {
-      "epoch": 1.68,
-      "learning_rate": 5e-05,
-      "loss": 0.2839,
-      "step": 947
-    },
-    {
-      "epoch": 1.69,
-      "learning_rate": 5e-05,
-      "loss": 0.2761,
-      "step": 948
-    },
-    {
-      "epoch": 1.69,
-      "learning_rate": 5e-05,
-      "loss": 0.271,
-      "step": 949
-    },
-    {
-      "epoch": 1.69,
-      "learning_rate": 5e-05,
-      "loss": 0.2375,
-      "step": 950
-    },
-    {
-      "epoch": 1.69,
-      "learning_rate": 5e-05,
-      "loss": 0.2281,
-      "step": 951
-    },
-    {
-      "epoch": 1.69,
-      "learning_rate": 5e-05,
-      "loss": 0.2542,
-      "step": 952
-    },
-    {
-      "epoch": 1.69,
-      "learning_rate": 5e-05,
-      "loss": 0.2595,
-      "step": 953
-    },
-    {
-      "epoch": 1.7,
-      "learning_rate": 5e-05,
-      "loss": 0.3069,
-      "step": 954
-    },
-    {
-      "epoch": 1.7,
-      "learning_rate": 5e-05,
-      "loss": 0.2729,
-      "step": 955
-    },
-    {
-      "epoch": 1.7,
-      "learning_rate": 5e-05,
-      "loss": 0.2313,
-      "step": 956
-    },
-    {
-      "epoch": 1.7,
-      "learning_rate": 5e-05,
-      "loss": 0.2544,
-      "step": 957
-    },
-    {
-      "epoch": 1.7,
-      "learning_rate": 5e-05,
-      "loss": 0.2078,
-      "step": 958
-    },
-    {
-      "epoch": 1.7,
-      "learning_rate": 5e-05,
-      "loss": 0.2317,
-      "step": 959
-    },
-    {
-      "epoch": 1.71,
-      "learning_rate": 5e-05,
-      "loss": 0.2083,
-      "step": 960
-    },
-    {
-      "epoch": 1.71,
-      "learning_rate": 5e-05,
-      "loss": 0.2042,
-      "step": 961
-    },
-    {
-      "epoch": 1.71,
-      "learning_rate": 5e-05,
-      "loss": 0.2202,
-      "step": 962
-    },
-    {
-      "epoch": 1.71,
-      "learning_rate": 5e-05,
-      "loss": 0.1926,
-      "step": 963
-    },
-    {
-      "epoch": 1.71,
-      "learning_rate": 5e-05,
-      "loss": 0.229,
-      "step": 964
-    },
-    {
-      "epoch": 1.72,
-      "learning_rate": 5e-05,
-      "loss": 0.313,
-      "step": 965
-    },
-    {
-      "epoch": 1.72,
-      "learning_rate": 5e-05,
-      "loss": 0.2089,
-      "step": 966
-    },
-    {
-      "epoch": 1.72,
-      "learning_rate": 5e-05,
-      "loss": 0.2734,
-      "step": 967
-    },
-    {
-      "epoch": 1.72,
-      "learning_rate": 5e-05,
-      "loss": 0.2246,
-      "step": 968
-    },
-    {
-      "epoch": 1.72,
-      "learning_rate": 5e-05,
-      "loss": 0.2144,
-      "step": 969
-    },
-    {
-      "epoch": 1.72,
-      "learning_rate": 5e-05,
-      "loss": 0.2256,
-      "step": 970
-    },
-    {
-      "epoch": 1.73,
-      "learning_rate": 5e-05,
-      "loss": 0.1729,
-      "step": 971
-    },
-    {
-      "epoch": 1.73,
-      "learning_rate": 5e-05,
-      "loss": 0.2241,
-      "step": 972
-    },
-    {
-      "epoch": 1.73,
-      "learning_rate": 5e-05,
-      "loss": 0.2123,
-      "step": 973
-    },
-    {
-      "epoch": 1.73,
-      "learning_rate": 5e-05,
-      "loss": 0.2693,
-      "step": 974
-    },
-    {
-      "epoch": 1.73,
-      "learning_rate": 5e-05,
-      "loss": 0.2322,
-      "step": 975
-    },
-    {
-      "epoch": 1.74,
-      "learning_rate": 5e-05,
-      "loss": 0.187,
-      "step": 976
-    },
-    {
-      "epoch": 1.74,
-      "learning_rate": 5e-05,
-      "loss": 0.2073,
-      "step": 977
-    },
-    {
-      "epoch": 1.74,
-      "learning_rate": 5e-05,
-      "loss": 0.3552,
-      "step": 978
-    },
-    {
-      "epoch": 1.74,
-      "learning_rate": 5e-05,
-      "loss": 0.2458,
-      "step": 979
-    },
-    {
-      "epoch": 1.74,
-      "learning_rate": 5e-05,
-      "loss": 0.2288,
-      "step": 980
-    },
-    {
-      "epoch": 1.74,
-      "learning_rate": 5e-05,
-      "loss": 0.24,
-      "step": 981
-    },
-    {
-      "epoch": 1.75,
-      "learning_rate": 5e-05,
-      "loss": 0.2336,
-      "step": 982
-    },
-    {
-      "epoch": 1.75,
-      "learning_rate": 5e-05,
-      "loss": 0.2236,
-      "step": 983
-    },
-    {
-      "epoch": 1.75,
-      "learning_rate": 5e-05,
-      "loss": 0.2137,
-      "step": 984
-    },
-    {
-      "epoch": 1.75,
-      "learning_rate": 5e-05,
-      "loss": 0.2581,
-      "step": 985
-    },
-    {
-      "epoch": 1.75,
-      "learning_rate": 5e-05,
-      "loss": 0.2776,
-      "step": 986
-    },
-    {
-      "epoch": 1.75,
-      "learning_rate": 5e-05,
-      "loss": 0.3352,
-      "step": 987
-    },
-    {
-      "epoch": 1.76,
-      "learning_rate": 5e-05,
-      "loss": 0.2625,
-      "step": 988
-    },
-    {
-      "epoch": 1.76,
-      "learning_rate": 5e-05,
-      "loss": 0.2166,
-      "step": 989
-    },
-    {
-      "epoch": 1.76,
-      "learning_rate": 5e-05,
-      "loss": 0.2676,
-      "step": 990
-    },
-    {
-      "epoch": 1.76,
-      "learning_rate": 5e-05,
-      "loss": 0.2988,
-      "step": 991
-    },
-    {
-      "epoch": 1.76,
-      "learning_rate": 5e-05,
-      "loss": 0.2056,
-      "step": 992
-    },
-    {
-      "epoch": 1.77,
-      "learning_rate": 5e-05,
-      "loss": 0.2859,
-      "step": 993
-    },
-    {
-      "epoch": 1.77,
-      "learning_rate": 5e-05,
-      "loss": 0.3035,
-      "step": 994
-    },
-    {
-      "epoch": 1.77,
-      "learning_rate": 5e-05,
-      "loss": 0.2964,
-      "step": 995
-    },
-    {
-      "epoch": 1.77,
-      "learning_rate": 5e-05,
-      "loss": 0.249,
-      "step": 996
-    },
-    {
-      "epoch": 1.77,
-      "learning_rate": 5e-05,
-      "loss": 0.2417,
-      "step": 997
-    },
-    {
-      "epoch": 1.77,
-      "learning_rate": 5e-05,
-      "loss": 0.2686,
-      "step": 998
-    },
-    {
-      "epoch": 1.78,
-      "learning_rate": 5e-05,
-      "loss": 0.2852,
-      "step": 999
-    },
-    {
-      "epoch": 1.78,
-      "learning_rate": 5e-05,
-      "loss": 0.1995,
-      "step": 1000
-    },
-    {
-      "epoch": 1.78,
-      "learning_rate": 5e-05,
-      "loss": 0.2571,
-      "step": 1001
-    },
-    {
-      "epoch": 1.78,
-      "learning_rate": 5e-05,
-      "loss": 0.2341,
-      "step": 1002
-    },
-    {
-      "epoch": 1.78,
-      "learning_rate": 5e-05,
-      "loss": 0.2952,
-      "step": 1003
-    },
-    {
-      "epoch": 1.78,
-      "learning_rate": 5e-05,
-      "loss": 0.3223,
-      "step": 1004
-    },
-    {
-      "epoch": 1.79,
-      "learning_rate": 5e-05,
-      "loss": 0.1619,
-      "step": 1005
-    },
-    {
-      "epoch": 1.79,
-      "learning_rate": 5e-05,
-      "loss": 0.2419,
-      "step": 1006
-    },
-    {
-      "epoch": 1.79,
-      "learning_rate": 5e-05,
-      "loss": 0.1934,
-      "step": 1007
-    },
-    {
-      "epoch": 1.79,
-      "learning_rate": 5e-05,
-      "loss": 0.2788,
-      "step": 1008
-    },
-    {
-      "epoch": 1.79,
-      "learning_rate": 5e-05,
-      "loss": 0.2148,
-      "step": 1009
-    },
-    {
-      "epoch": 1.8,
-      "learning_rate": 5e-05,
-      "loss": 0.2361,
-      "step": 1010
-    },
-    {
-      "epoch": 1.8,
-      "learning_rate": 5e-05,
-      "loss": 0.2439,
-      "step": 1011
-    },
-    {
-      "epoch": 1.8,
-      "learning_rate": 5e-05,
-      "loss": 0.2241,
-      "step": 1012
-    },
-    {
-      "epoch": 1.8,
-      "learning_rate": 5e-05,
-      "loss": 0.2212,
-      "step": 1013
-    },
-    {
-      "epoch": 1.8,
-      "learning_rate": 5e-05,
-      "loss": 0.22,
-      "step": 1014
-    },
-    {
-      "epoch": 1.8,
-      "learning_rate": 5e-05,
-      "loss": 0.2827,
-      "step": 1015
-    },
-    {
-      "epoch": 1.81,
-      "learning_rate": 5e-05,
-      "loss": 0.2261,
-      "step": 1016
-    },
-    {
-      "epoch": 1.81,
-      "learning_rate": 5e-05,
-      "loss": 0.2598,
-      "step": 1017
-    },
-    {
-      "epoch": 1.81,
-      "learning_rate": 5e-05,
-      "loss": 0.2732,
-      "step": 1018
-    },
-    {
-      "epoch": 1.81,
-      "learning_rate": 5e-05,
-      "loss": 0.2439,
-      "step": 1019
-    },
-    {
-      "epoch": 1.81,
-      "learning_rate": 5e-05,
-      "loss": 0.1848,
-      "step": 1020
-    },
-    {
-      "epoch": 1.82,
-      "learning_rate": 5e-05,
-      "loss": 0.1942,
-      "step": 1021
-    },
-    {
-      "epoch": 1.82,
-      "learning_rate": 5e-05,
-      "loss": 0.2727,
-      "step": 1022
-    },
-    {
-      "epoch": 1.82,
-      "learning_rate": 5e-05,
-      "loss": 0.3223,
-      "step": 1023
-    },
-    {
-      "epoch": 1.82,
-      "learning_rate": 5e-05,
-      "loss": 0.163,
-      "step": 1024
-    },
-    {
-      "epoch": 1.82,
-      "learning_rate": 5e-05,
-      "loss": 0.2322,
-      "step": 1025
-    },
-    {
-      "epoch": 1.82,
-      "learning_rate": 5e-05,
-      "loss": 0.2832,
-      "step": 1026
-    },
-    {
-      "epoch": 1.83,
-      "learning_rate": 5e-05,
-      "loss": 0.2678,
-      "step": 1027
-    },
-    {
-      "epoch": 1.83,
-      "learning_rate": 5e-05,
-      "loss": 0.2168,
-      "step": 1028
-    },
-    {
-      "epoch": 1.83,
-      "learning_rate": 5e-05,
-      "loss": 0.2285,
-      "step": 1029
-    },
-    {
-      "epoch": 1.83,
-      "learning_rate": 5e-05,
-      "loss": 0.2065,
-      "step": 1030
-    },
-    {
-      "epoch": 1.83,
-      "learning_rate": 5e-05,
-      "loss": 0.2605,
-      "step": 1031
-    },
-    {
-      "epoch": 1.83,
-      "learning_rate": 5e-05,
-      "loss": 0.2139,
-      "step": 1032
-    },
-    {
-      "epoch": 1.84,
-      "learning_rate": 5e-05,
-      "loss": 0.2922,
-      "step": 1033
-    },
-    {
-      "epoch": 1.84,
-      "learning_rate": 5e-05,
-      "loss": 0.3105,
-      "step": 1034
-    },
-    {
-      "epoch": 1.84,
-      "learning_rate": 5e-05,
-      "loss": 0.2598,
-      "step": 1035
-    },
-    {
-      "epoch": 1.84,
-      "learning_rate": 5e-05,
-      "loss": 0.2954,
-      "step": 1036
-    },
-    {
-      "epoch": 1.84,
-      "learning_rate": 5e-05,
-      "loss": 0.2847,
-      "step": 1037
-    },
-    {
-      "epoch": 1.85,
-      "learning_rate": 5e-05,
-      "loss": 0.2488,
-      "step": 1038
-    },
-    {
-      "epoch": 1.85,
-      "learning_rate": 5e-05,
-      "loss": 0.2163,
-      "step": 1039
-    },
-    {
-      "epoch": 1.85,
-      "learning_rate": 5e-05,
-      "loss": 0.3206,
-      "step": 1040
-    },
-    {
-      "epoch": 1.85,
-      "learning_rate": 5e-05,
-      "loss": 0.2505,
-      "step": 1041
-    },
-    {
-      "epoch": 1.85,
-      "learning_rate": 5e-05,
-      "loss": 0.3101,
-      "step": 1042
-    },
-    {
-      "epoch": 1.85,
-      "learning_rate": 5e-05,
-      "loss": 0.3098,
-      "step": 1043
-    },
-    {
-      "epoch": 1.86,
-      "learning_rate": 5e-05,
-      "loss": 0.2517,
-      "step": 1044
-    },
-    {
-      "epoch": 1.86,
-      "learning_rate": 5e-05,
-      "loss": 0.2554,
-      "step": 1045
-    },
-    {
-      "epoch": 1.86,
-      "learning_rate": 5e-05,
-      "loss": 0.2314,
-      "step": 1046
-    },
-    {
-      "epoch": 1.86,
-      "learning_rate": 5e-05,
-      "loss": 0.2441,
-      "step": 1047
-    },
-    {
-      "epoch": 1.86,
-      "learning_rate": 5e-05,
-      "loss": 0.3342,
-      "step": 1048
-    },
-    {
-      "epoch": 1.86,
-      "learning_rate": 5e-05,
-      "loss": 0.2163,
-      "step": 1049
-    },
-    {
-      "epoch": 1.87,
-      "learning_rate": 5e-05,
-      "loss": 0.2705,
-      "step": 1050
-    },
-    {
-      "epoch": 1.87,
-      "learning_rate": 5e-05,
-      "loss": 0.2864,
-      "step": 1051
-    },
-    {
-      "epoch": 1.87,
-      "learning_rate": 5e-05,
-      "loss": 0.2495,
-      "step": 1052
-    },
-    {
-      "epoch": 1.87,
-      "learning_rate": 5e-05,
-      "loss": 0.2009,
-      "step": 1053
-    },
-    {
-      "epoch": 1.87,
-      "learning_rate": 5e-05,
-      "loss": 0.293,
-      "step": 1054
-    },
-    {
-      "epoch": 1.88,
-      "learning_rate": 5e-05,
-      "loss": 0.2314,
-      "step": 1055
-    },
-    {
-      "epoch": 1.88,
-      "learning_rate": 5e-05,
-      "loss": 0.2141,
-      "step": 1056
-    },
-    {
-      "epoch": 1.88,
-      "learning_rate": 5e-05,
-      "loss": 0.2144,
-      "step": 1057
-    },
-    {
-      "epoch": 1.88,
-      "learning_rate": 5e-05,
-      "loss": 0.2231,
-      "step": 1058
-    },
-    {
-      "epoch": 1.88,
-      "learning_rate": 5e-05,
-      "loss": 0.25,
-      "step": 1059
-    },
-    {
-      "epoch": 1.88,
-      "learning_rate": 5e-05,
-      "loss": 0.2847,
-      "step": 1060
-    },
-    {
-      "epoch": 1.89,
-      "learning_rate": 5e-05,
-      "loss": 0.2725,
-      "step": 1061
-    },
-    {
-      "epoch": 1.89,
-      "learning_rate": 5e-05,
-      "loss": 0.2695,
-      "step": 1062
-    },
-    {
-      "epoch": 1.89,
-      "learning_rate": 5e-05,
-      "loss": 0.2949,
-      "step": 1063
-    },
-    {
-      "epoch": 1.89,
-      "learning_rate": 5e-05,
-      "loss": 0.2693,
-      "step": 1064
-    },
-    {
-      "epoch": 1.89,
-      "learning_rate": 5e-05,
-      "loss": 0.1851,
-      "step": 1065
-    },
-    {
-      "epoch": 1.9,
-      "learning_rate": 5e-05,
-      "loss": 0.241,
-      "step": 1066
-    },
-    {
-      "epoch": 1.9,
-      "learning_rate": 5e-05,
-      "loss": 0.2302,
-      "step": 1067
-    },
-    {
-      "epoch": 1.9,
-      "learning_rate": 5e-05,
-      "loss": 0.3584,
-      "step": 1068
-    },
-    {
-      "epoch": 1.9,
-      "learning_rate": 5e-05,
-      "loss": 0.3057,
-      "step": 1069
-    },
-    {
-      "epoch": 1.9,
-      "learning_rate": 5e-05,
-      "loss": 0.3167,
-      "step": 1070
-    },
-    {
-      "epoch": 1.9,
-      "learning_rate": 5e-05,
-      "loss": 0.2935,
-      "step": 1071
-    },
-    {
-      "epoch": 1.91,
-      "learning_rate": 5e-05,
-      "loss": 0.2458,
-      "step": 1072
-    },
-    {
-      "epoch": 1.91,
-      "learning_rate": 5e-05,
-      "loss": 0.233,
-      "step": 1073
-    },
-    {
-      "epoch": 1.91,
-      "learning_rate": 5e-05,
-      "loss": 0.2834,
-      "step": 1074
-    },
-    {
-      "epoch": 1.91,
-      "learning_rate": 5e-05,
-      "loss": 0.2854,
-      "step": 1075
-    },
-    {
-      "epoch": 1.91,
-      "learning_rate": 5e-05,
-      "loss": 0.2375,
-      "step": 1076
-    },
-    {
-      "epoch": 1.91,
-      "learning_rate": 5e-05,
-      "loss": 0.1857,
-      "step": 1077
-    },
-    {
-      "epoch": 1.92,
-      "learning_rate": 5e-05,
-      "loss": 0.2356,
-      "step": 1078
-    },
-    {
-      "epoch": 1.92,
-      "learning_rate": 5e-05,
-      "loss": 0.1979,
-      "step": 1079
-    },
-    {
-      "epoch": 1.92,
-      "learning_rate": 5e-05,
-      "loss": 0.229,
-      "step": 1080
-    },
-    {
-      "epoch": 1.92,
-      "learning_rate": 5e-05,
-      "loss": 0.5784,
-      "step": 1081
-    },
-    {
-      "epoch": 1.92,
-      "learning_rate": 5e-05,
-      "loss": 0.2988,
-      "step": 1082
-    },
-    {
-      "epoch": 1.93,
-      "learning_rate": 5e-05,
-      "loss": 0.2188,
-      "step": 1083
-    },
-    {
-      "epoch": 1.93,
-      "learning_rate": 5e-05,
-      "loss": 0.2106,
-      "step": 1084
-    },
-    {
-      "epoch": 1.93,
-      "learning_rate": 5e-05,
-      "loss": 0.1919,
-      "step": 1085
-    },
-    {
-      "epoch": 1.93,
-      "learning_rate": 5e-05,
-      "loss": 0.2097,
-      "step": 1086
-    },
-    {
-      "epoch": 1.93,
-      "learning_rate": 5e-05,
-      "loss": 0.2764,
-      "step": 1087
-    },
-    {
-      "epoch": 1.93,
-      "learning_rate": 5e-05,
-      "loss": 0.2679,
-      "step": 1088
-    },
-    {
-      "epoch": 1.94,
-      "learning_rate": 5e-05,
-      "loss": 0.4344,
-      "step": 1089
-    },
-    {
-      "epoch": 1.94,
-      "learning_rate": 5e-05,
-      "loss": 0.2561,
-      "step": 1090
-    },
-    {
-      "epoch": 1.94,
-      "learning_rate": 5e-05,
-      "loss": 0.2908,
-      "step": 1091
-    },
-    {
-      "epoch": 1.94,
-      "learning_rate": 5e-05,
-      "loss": 0.2886,
-      "step": 1092
-    },
-    {
-      "epoch": 1.94,
-      "learning_rate": 5e-05,
-      "loss": 0.2639,
-      "step": 1093
-    },
-    {
-      "epoch": 1.94,
-      "learning_rate": 5e-05,
-      "loss": 0.2101,
-      "step": 1094
-    },
-    {
-      "epoch": 1.95,
-      "learning_rate": 5e-05,
-      "loss": 0.2529,
-      "step": 1095
-    },
-    {
-      "epoch": 1.95,
-      "learning_rate": 5e-05,
-      "loss": 0.2314,
-      "step": 1096
-    },
-    {
-      "epoch": 1.95,
-      "learning_rate": 5e-05,
-      "loss": 0.2065,
-      "step": 1097
-    },
-    {
-      "epoch": 1.95,
-      "learning_rate": 5e-05,
-      "loss": 0.2383,
-      "step": 1098
-    },
-    {
-      "epoch": 1.95,
-      "learning_rate": 5e-05,
-      "loss": 0.2209,
-      "step": 1099
-    },
-    {
-      "epoch": 1.96,
-      "learning_rate": 5e-05,
-      "loss": 0.168,
-      "step": 1100
-    },
-    {
-      "epoch": 1.96,
-      "learning_rate": 5e-05,
-      "loss": 0.2383,
-      "step": 1101
-    },
-    {
-      "epoch": 1.96,
-      "learning_rate": 5e-05,
-      "loss": 0.2756,
-      "step": 1102
-    },
-    {
-      "epoch": 1.96,
-      "learning_rate": 5e-05,
-      "loss": 0.2355,
-      "step": 1103
-    },
-    {
-      "epoch": 1.96,
-      "learning_rate": 5e-05,
-      "loss": 0.2319,
-      "step": 1104
-    },
-    {
-      "epoch": 1.96,
-      "learning_rate": 5e-05,
-      "loss": 0.285,
-      "step": 1105
-    },
-    {
-      "epoch": 1.97,
-      "learning_rate": 5e-05,
-      "loss": 0.3091,
-      "step": 1106
-    },
-    {
-      "epoch": 1.97,
-      "learning_rate": 5e-05,
-      "loss": 0.2324,
-      "step": 1107
-    },
-    {
-      "epoch": 1.97,
-      "learning_rate": 5e-05,
-      "loss": 0.209,
-      "step": 1108
-    },
-    {
-      "epoch": 1.97,
-      "learning_rate": 5e-05,
-      "loss": 0.2629,
-      "step": 1109
-    },
-    {
-      "epoch": 1.97,
-      "learning_rate": 5e-05,
-      "loss": 0.2019,
-      "step": 1110
-    },
-    {
-      "epoch": 1.98,
-      "learning_rate": 5e-05,
-      "loss": 0.2178,
-      "step": 1111
-    },
-    {
-      "epoch": 1.98,
-      "learning_rate": 5e-05,
-      "loss": 0.2805,
-      "step": 1112
-    },
-    {
-      "epoch": 1.98,
-      "learning_rate": 5e-05,
-      "loss": 0.2764,
-      "step": 1113
-    },
-    {
-      "epoch": 1.98,
-      "learning_rate": 5e-05,
-      "loss": 0.3508,
-      "step": 1114
-    },
-    {
-      "epoch": 1.98,
-      "learning_rate": 5e-05,
-      "loss": 0.302,
-      "step": 1115
-    },
-    {
-      "epoch": 1.98,
-      "learning_rate": 5e-05,
-      "loss": 0.2246,
-      "step": 1116
-    },
-    {
-      "epoch": 1.99,
-      "learning_rate": 5e-05,
-      "loss": 0.2211,
-      "step": 1117
-    },
-    {
-      "epoch": 1.99,
-      "learning_rate": 5e-05,
-      "loss": 0.2013,
-      "step": 1118
-    },
-    {
-      "epoch": 1.99,
-      "learning_rate": 5e-05,
-      "loss": 0.23,
-      "step": 1119
-    },
-    {
-      "epoch": 1.99,
-      "learning_rate": 5e-05,
-      "loss": 0.1913,
-      "step": 1120
-    },
-    {
-      "epoch": 1.99,
-      "learning_rate": 5e-05,
-      "loss": 0.1936,
-      "step": 1121
-    },
-    {
-      "epoch": 1.99,
-      "learning_rate": 5e-05,
-      "loss": 0.1804,
-      "step": 1122
-    },
-    {
-      "epoch": 2.0,
-      "learning_rate": 5e-05,
-      "loss": 0.186,
-      "step": 1123
-    },
-    {
-      "epoch": 2.0,
-      "learning_rate": 5e-05,
-      "loss": 0.3025,
-      "step": 1124
-    },
-    {
-      "epoch": 2.0,
-      "learning_rate": 5e-05,
-      "loss": 0.3154,
-      "step": 1125
-    },
-    {
-      "epoch": 2.0,
-      "eval_loss": 0.23581379652023315,
-      "eval_runtime": 118.6461,
-      "eval_samples_per_second": 2.529,
-      "eval_steps_per_second": 0.632,
-      "step": 1125
-    },
-    {
-      "epoch": 2.0,
-      "learning_rate": 5e-05,
-      "loss": 0.2822,
-      "step": 1126
-    },
-    {
-      "epoch": 2.0,
-      "learning_rate": 5e-05,
-      "loss": 0.277,
-      "step": 1127
-    },
-    {
-      "epoch": 2.01,
-      "learning_rate": 5e-05,
-      "loss": 0.1865,
-      "step": 1128
-    },
-    {
-      "epoch": 2.01,
-      "learning_rate": 5e-05,
-      "loss": 0.1844,
-      "step": 1129
-    },
-    {
-      "epoch": 2.01,
-      "learning_rate": 5e-05,
-      "loss": 0.2039,
-      "step": 1130
-    },
-    {
-      "epoch": 2.01,
-      "learning_rate": 5e-05,
-      "loss": 0.2429,
-      "step": 1131
-    },
-    {
-      "epoch": 2.01,
-      "learning_rate": 5e-05,
-      "loss": 0.1929,
-      "step": 1132
-    },
-    {
-      "epoch": 2.01,
-      "learning_rate": 5e-05,
-      "loss": 0.269,
-      "step": 1133
-    },
-    {
-      "epoch": 2.02,
-      "learning_rate": 5e-05,
-      "loss": 0.2842,
-      "step": 1134
-    },
-    {
-      "epoch": 2.02,
-      "learning_rate": 5e-05,
-      "loss": 0.2139,
-      "step": 1135
-    },
-    {
-      "epoch": 2.02,
-      "learning_rate": 5e-05,
-      "loss": 0.1885,
-      "step": 1136
-    },
-    {
-      "epoch": 2.02,
-      "learning_rate": 5e-05,
-      "loss": 0.2375,
-      "step": 1137
-    },
-    {
-      "epoch": 2.02,
-      "learning_rate": 5e-05,
-      "loss": 0.2405,
-      "step": 1138
-    },
-    {
-      "epoch": 2.02,
-      "learning_rate": 5e-05,
-      "loss": 0.2959,
-      "step": 1139
-    },
-    {
-      "epoch": 2.03,
-      "learning_rate": 5e-05,
-      "loss": 0.2449,
-      "step": 1140
-    },
-    {
-      "epoch": 2.03,
-      "learning_rate": 5e-05,
-      "loss": 0.2913,
-      "step": 1141
-    },
-    {
-      "epoch": 2.03,
-      "learning_rate": 5e-05,
-      "loss": 0.23,
-      "step": 1142
-    },
-    {
-      "epoch": 2.03,
-      "learning_rate": 5e-05,
-      "loss": 0.2971,
-      "step": 1143
-    },
-    {
-      "epoch": 2.03,
-      "learning_rate": 5e-05,
-      "loss": 0.2568,
-      "step": 1144
-    },
-    {
-      "epoch": 2.04,
-      "learning_rate": 5e-05,
-      "loss": 0.2871,
-      "step": 1145
-    },
-    {
-      "epoch": 2.04,
-      "learning_rate": 5e-05,
-      "loss": 0.2424,
-      "step": 1146
-    },
-    {
-      "epoch": 2.04,
-      "learning_rate": 5e-05,
-      "loss": 0.3442,
-      "step": 1147
-    },
-    {
-      "epoch": 2.04,
-      "learning_rate": 5e-05,
-      "loss": 0.3494,
-      "step": 1148
-    },
-    {
-      "epoch": 2.04,
-      "learning_rate": 5e-05,
-      "loss": 0.2274,
-      "step": 1149
-    },
-    {
-      "epoch": 2.04,
-      "learning_rate": 5e-05,
-      "loss": 0.2473,
-      "step": 1150
-    },
-    {
-      "epoch": 2.05,
-      "learning_rate": 5e-05,
-      "loss": 0.1959,
-      "step": 1151
-    },
-    {
-      "epoch": 2.05,
-      "learning_rate": 5e-05,
-      "loss": 0.2699,
-      "step": 1152
-    },
-    {
-      "epoch": 2.05,
-      "learning_rate": 5e-05,
-      "loss": 0.2465,
-      "step": 1153
-    },
-    {
-      "epoch": 2.05,
-      "learning_rate": 5e-05,
-      "loss": 0.2185,
-      "step": 1154
-    },
-    {
-      "epoch": 2.05,
-      "learning_rate": 5e-05,
-      "loss": 0.1722,
-      "step": 1155
-    },
-    {
-      "epoch": 2.06,
-      "learning_rate": 5e-05,
-      "loss": 0.3369,
-      "step": 1156
-    },
-    {
-      "epoch": 2.06,
-      "learning_rate": 5e-05,
-      "loss": 0.1997,
-      "step": 1157
-    },
-    {
-      "epoch": 2.06,
-      "learning_rate": 5e-05,
-      "loss": 0.2209,
-      "step": 1158
-    },
-    {
-      "epoch": 2.06,
-      "learning_rate": 5e-05,
-      "loss": 0.1896,
-      "step": 1159
-    },
-    {
-      "epoch": 2.06,
-      "learning_rate": 5e-05,
-      "loss": 0.2385,
-      "step": 1160
-    },
-    {
-      "epoch": 2.06,
-      "learning_rate": 5e-05,
-      "loss": 0.1995,
-      "step": 1161
-    },
-    {
-      "epoch": 2.07,
-      "learning_rate": 5e-05,
-      "loss": 0.29,
-      "step": 1162
-    },
-    {
-      "epoch": 2.07,
-      "learning_rate": 5e-05,
-      "loss": 0.353,
-      "step": 1163
-    },
-    {
-      "epoch": 2.07,
-      "learning_rate": 5e-05,
-      "loss": 0.2576,
-      "step": 1164
-    },
-    {
-      "epoch": 2.07,
-      "learning_rate": 5e-05,
-      "loss": 0.2144,
-      "step": 1165
-    },
-    {
-      "epoch": 2.07,
-      "learning_rate": 5e-05,
-      "loss": 0.2305,
-      "step": 1166
-    },
-    {
-      "epoch": 2.07,
-      "learning_rate": 5e-05,
-      "loss": 0.2056,
-      "step": 1167
-    },
-    {
-      "epoch": 2.08,
-      "learning_rate": 5e-05,
-      "loss": 0.2234,
-      "step": 1168
-    },
-    {
-      "epoch": 2.08,
-      "learning_rate": 5e-05,
-      "loss": 0.2893,
-      "step": 1169
-    },
-    {
-      "epoch": 2.08,
-      "learning_rate": 5e-05,
-      "loss": 0.1848,
-      "step": 1170
-    },
-    {
-      "epoch": 2.08,
-      "learning_rate": 5e-05,
-      "loss": 0.2356,
-      "step": 1171
-    },
-    {
-      "epoch": 2.08,
-      "learning_rate": 5e-05,
-      "loss": 0.2554,
-      "step": 1172
-    },
-    {
-      "epoch": 2.09,
-      "learning_rate": 5e-05,
-      "loss": 0.2124,
-      "step": 1173
-    },
-    {
-      "epoch": 2.09,
-      "learning_rate": 5e-05,
-      "loss": 0.228,
-      "step": 1174
-    },
-    {
-      "epoch": 2.09,
-      "learning_rate": 5e-05,
-      "loss": 0.2339,
-      "step": 1175
-    },
-    {
-      "epoch": 2.09,
-      "learning_rate": 5e-05,
-      "loss": 0.3523,
-      "step": 1176
-    },
-    {
-      "epoch": 2.09,
-      "learning_rate": 5e-05,
-      "loss": 0.2516,
-      "step": 1177
-    },
-    {
-      "epoch": 2.09,
-      "learning_rate": 5e-05,
-      "loss": 0.2192,
-      "step": 1178
-    },
-    {
-      "epoch": 2.1,
-      "learning_rate": 5e-05,
-      "loss": 0.2004,
-      "step": 1179
-    },
-    {
-      "epoch": 2.1,
-      "learning_rate": 5e-05,
-      "loss": 0.2,
-      "step": 1180
-    },
-    {
-      "epoch": 2.1,
-      "learning_rate": 5e-05,
-      "loss": 0.2434,
-      "step": 1181
-    },
-    {
-      "epoch": 2.1,
-      "learning_rate": 5e-05,
-      "loss": 0.1611,
-      "step": 1182
-    },
-    {
-      "epoch": 2.1,
-      "learning_rate": 5e-05,
-      "loss": 0.2432,
-      "step": 1183
-    },
-    {
-      "epoch": 2.1,
-      "learning_rate": 5e-05,
-      "loss": 0.2786,
-      "step": 1184
-    },
-    {
-      "epoch": 2.11,
-      "learning_rate": 5e-05,
-      "loss": 0.2231,
-      "step": 1185
-    },
-    {
-      "epoch": 2.11,
-      "learning_rate": 5e-05,
-      "loss": 0.2727,
-      "step": 1186
-    },
-    {
-      "epoch": 2.11,
-      "learning_rate": 5e-05,
-      "loss": 0.1921,
-      "step": 1187
-    },
-    {
-      "epoch": 2.11,
-      "learning_rate": 5e-05,
-      "loss": 0.2773,
-      "step": 1188
-    },
-    {
-      "epoch": 2.11,
-      "learning_rate": 5e-05,
-      "loss": 0.2527,
-      "step": 1189
-    },
-    {
-      "epoch": 2.12,
-      "learning_rate": 5e-05,
-      "loss": 0.2261,
-      "step": 1190
-    },
-    {
-      "epoch": 2.12,
-      "learning_rate": 5e-05,
-      "loss": 0.2693,
-      "step": 1191
-    },
-    {
-      "epoch": 2.12,
-      "learning_rate": 5e-05,
-      "loss": 0.3198,
-      "step": 1192
-    },
-    {
-      "epoch": 2.12,
-      "learning_rate": 5e-05,
-      "loss": 0.1754,
-      "step": 1193
-    },
-    {
-      "epoch": 2.12,
-      "learning_rate": 5e-05,
-      "loss": 0.3186,
-      "step": 1194
-    },
-    {
-      "epoch": 2.12,
-      "learning_rate": 5e-05,
-      "loss": 0.2144,
-      "step": 1195
-    },
-    {
-      "epoch": 2.13,
-      "learning_rate": 5e-05,
-      "loss": 0.2341,
-      "step": 1196
-    },
-    {
-      "epoch": 2.13,
-      "learning_rate": 5e-05,
-      "loss": 0.2874,
-      "step": 1197
-    },
-    {
-      "epoch": 2.13,
-      "learning_rate": 5e-05,
-      "loss": 0.301,
-      "step": 1198
-    },
-    {
-      "epoch": 2.13,
-      "learning_rate": 5e-05,
-      "loss": 0.2622,
-      "step": 1199
-    },
-    {
-      "epoch": 2.13,
-      "learning_rate": 5e-05,
-      "loss": 0.2083,
-      "step": 1200
-    },
-    {
-      "epoch": 2.14,
-      "learning_rate": 5e-05,
-      "loss": 0.2827,
-      "step": 1201
-    },
-    {
-      "epoch": 2.14,
-      "learning_rate": 5e-05,
-      "loss": 0.2483,
-      "step": 1202
-    },
-    {
-      "epoch": 2.14,
-      "learning_rate": 5e-05,
-      "loss": 0.2302,
-      "step": 1203
-    },
-    {
-      "epoch": 2.14,
-      "learning_rate": 5e-05,
-      "loss": 0.2274,
-      "step": 1204
-    },
-    {
-      "epoch": 2.14,
-      "learning_rate": 5e-05,
-      "loss": 0.254,
-      "step": 1205
-    },
-    {
-      "epoch": 2.14,
-      "learning_rate": 5e-05,
-      "loss": 0.1959,
-      "step": 1206
-    },
-    {
-      "epoch": 2.15,
-      "learning_rate": 5e-05,
-      "loss": 0.1366,
-      "step": 1207
-    },
-    {
-      "epoch": 2.15,
-      "learning_rate": 5e-05,
-      "loss": 0.2732,
-      "step": 1208
-    },
-    {
-      "epoch": 2.15,
-      "learning_rate": 5e-05,
-      "loss": 0.3005,
-      "step": 1209
-    },
-    {
-      "epoch": 2.15,
-      "learning_rate": 5e-05,
-      "loss": 0.2654,
-      "step": 1210
-    },
-    {
-      "epoch": 2.15,
-      "learning_rate": 5e-05,
-      "loss": 0.2366,
-      "step": 1211
-    },
-    {
-      "epoch": 2.15,
-      "learning_rate": 5e-05,
-      "loss": 0.2047,
-      "step": 1212
-    },
-    {
-      "epoch": 2.16,
-      "learning_rate": 5e-05,
-      "loss": 0.2416,
-      "step": 1213
-    },
-    {
-      "epoch": 2.16,
-      "learning_rate": 5e-05,
-      "loss": 0.2502,
-      "step": 1214
-    },
-    {
-      "epoch": 2.16,
-      "learning_rate": 5e-05,
-      "loss": 0.2158,
-      "step": 1215
-    },
-    {
-      "epoch": 2.16,
-      "learning_rate": 5e-05,
-      "loss": 0.2371,
-      "step": 1216
-    },
-    {
-      "epoch": 2.16,
-      "learning_rate": 5e-05,
-      "loss": 0.2917,
-      "step": 1217
-    },
-    {
-      "epoch": 2.17,
-      "learning_rate": 5e-05,
-      "loss": 0.2334,
-      "step": 1218
-    },
-    {
-      "epoch": 2.17,
-      "learning_rate": 5e-05,
-      "loss": 0.2556,
-      "step": 1219
-    },
-    {
-      "epoch": 2.17,
-      "learning_rate": 5e-05,
-      "loss": 0.2209,
-      "step": 1220
-    },
-    {
-      "epoch": 2.17,
-      "learning_rate": 5e-05,
-      "loss": 0.2976,
-      "step": 1221
-    },
-    {
-      "epoch": 2.17,
-      "learning_rate": 5e-05,
-      "loss": 0.2686,
-      "step": 1222
-    },
-    {
-      "epoch": 2.17,
-      "learning_rate": 5e-05,
-      "loss": 0.1953,
-      "step": 1223
-    },
-    {
-      "epoch": 2.18,
-      "learning_rate": 5e-05,
-      "loss": 0.2783,
-      "step": 1224
-    },
-    {
-      "epoch": 2.18,
-      "learning_rate": 5e-05,
-      "loss": 0.2423,
-      "step": 1225
-    },
-    {
-      "epoch": 2.18,
-      "learning_rate": 5e-05,
-      "loss": 0.324,
-      "step": 1226
-    },
-    {
-      "epoch": 2.18,
-      "learning_rate": 5e-05,
-      "loss": 0.1836,
-      "step": 1227
-    },
-    {
-      "epoch": 2.18,
-      "learning_rate": 5e-05,
-      "loss": 0.2856,
-      "step": 1228
-    },
-    {
-      "epoch": 2.18,
-      "learning_rate": 5e-05,
-      "loss": 0.2083,
-      "step": 1229
-    },
-    {
-      "epoch": 2.19,
-      "learning_rate": 5e-05,
-      "loss": 0.2234,
-      "step": 1230
-    },
-    {
-      "epoch": 2.19,
-      "learning_rate": 5e-05,
-      "loss": 0.3203,
-      "step": 1231
-    },
-    {
-      "epoch": 2.19,
-      "learning_rate": 5e-05,
-      "loss": 0.2043,
-      "step": 1232
-    },
-    {
-      "epoch": 2.19,
-      "learning_rate": 5e-05,
-      "loss": 0.1584,
-      "step": 1233
-    },
-    {
-      "epoch": 2.19,
-      "learning_rate": 5e-05,
-      "loss": 0.2634,
-      "step": 1234
-    },
-    {
-      "epoch": 2.2,
-      "learning_rate": 5e-05,
-      "loss": 0.3062,
-      "step": 1235
-    },
-    {
-      "epoch": 2.2,
-      "learning_rate": 5e-05,
-      "loss": 0.2971,
-      "step": 1236
-    },
-    {
-      "epoch": 2.2,
-      "learning_rate": 5e-05,
-      "loss": 0.186,
-      "step": 1237
-    },
-    {
-      "epoch": 2.2,
-      "learning_rate": 5e-05,
-      "loss": 0.1873,
-      "step": 1238
-    },
-    {
-      "epoch": 2.2,
-      "learning_rate": 5e-05,
-      "loss": 0.1968,
-      "step": 1239
-    },
-    {
-      "epoch": 2.2,
-      "learning_rate": 5e-05,
-      "loss": 0.2444,
-      "step": 1240
-    },
-    {
-      "epoch": 2.21,
-      "learning_rate": 5e-05,
-      "loss": 0.3411,
-      "step": 1241
-    },
-    {
-      "epoch": 2.21,
-      "learning_rate": 5e-05,
-      "loss": 0.3262,
-      "step": 1242
-    },
-    {
-      "epoch": 2.21,
-      "learning_rate": 5e-05,
-      "loss": 0.2202,
-      "step": 1243
-    },
-    {
-      "epoch": 2.21,
-      "learning_rate": 5e-05,
-      "loss": 0.2336,
-      "step": 1244
-    },
-    {
-      "epoch": 2.21,
-      "learning_rate": 5e-05,
-      "loss": 0.2626,
-      "step": 1245
-    },
-    {
-      "epoch": 2.22,
-      "learning_rate": 5e-05,
-      "loss": 0.1648,
-      "step": 1246
-    },
-    {
-      "epoch": 2.22,
-      "learning_rate": 5e-05,
-      "loss": 0.1711,
-      "step": 1247
-    },
-    {
-      "epoch": 2.22,
-      "learning_rate": 5e-05,
-      "loss": 0.271,
-      "step": 1248
-    },
-    {
-      "epoch": 2.22,
-      "learning_rate": 5e-05,
-      "loss": 0.2949,
-      "step": 1249
-    },
-    {
-      "epoch": 2.22,
-      "learning_rate": 5e-05,
-      "loss": 0.2979,
-      "step": 1250
-    },
-    {
-      "epoch": 2.22,
-      "learning_rate": 5e-05,
-      "loss": 0.2751,
-      "step": 1251
-    },
-    {
-      "epoch": 2.23,
-      "learning_rate": 5e-05,
-      "loss": 0.2886,
-      "step": 1252
-    },
-    {
-      "epoch": 2.23,
-      "learning_rate": 5e-05,
-      "loss": 0.261,
-      "step": 1253
-    },
-    {
-      "epoch": 2.23,
-      "learning_rate": 5e-05,
-      "loss": 0.2622,
-      "step": 1254
-    },
-    {
-      "epoch": 2.23,
-      "learning_rate": 5e-05,
-      "loss": 0.1836,
-      "step": 1255
-    },
-    {
-      "epoch": 2.23,
-      "learning_rate": 5e-05,
-      "loss": 0.2122,
-      "step": 1256
-    },
-    {
-      "epoch": 2.23,
-      "learning_rate": 5e-05,
-      "loss": 0.3105,
-      "step": 1257
-    },
-    {
-      "epoch": 2.24,
-      "learning_rate": 5e-05,
-      "loss": 0.1407,
-      "step": 1258
-    },
-    {
-      "epoch": 2.24,
-      "learning_rate": 5e-05,
-      "loss": 0.2787,
-      "step": 1259
-    },
-    {
-      "epoch": 2.24,
-      "learning_rate": 5e-05,
-      "loss": 0.2252,
-      "step": 1260
-    },
-    {
-      "epoch": 2.24,
-      "learning_rate": 5e-05,
-      "loss": 0.2001,
-      "step": 1261
-    },
-    {
-      "epoch": 2.24,
-      "learning_rate": 5e-05,
-      "loss": 0.2393,
-      "step": 1262
-    },
-    {
-      "epoch": 2.25,
-      "learning_rate": 5e-05,
-      "loss": 0.2988,
-      "step": 1263
-    },
-    {
-      "epoch": 2.25,
-      "learning_rate": 5e-05,
-      "loss": 0.2954,
-      "step": 1264
-    },
-    {
-      "epoch": 2.25,
-      "learning_rate": 5e-05,
-      "loss": 0.2367,
-      "step": 1265
-    },
-    {
-      "epoch": 2.25,
-      "learning_rate": 5e-05,
-      "loss": 0.2512,
-      "step": 1266
-    },
-    {
-      "epoch": 2.25,
-      "learning_rate": 5e-05,
-      "loss": 0.2256,
-      "step": 1267
-    },
-    {
-      "epoch": 2.25,
-      "learning_rate": 5e-05,
-      "loss": 0.2712,
-      "step": 1268
-    },
-    {
-      "epoch": 2.26,
-      "learning_rate": 5e-05,
-      "loss": 0.2939,
-      "step": 1269
-    },
-    {
-      "epoch": 2.26,
-      "learning_rate": 5e-05,
-      "loss": 0.2303,
-      "step": 1270
-    },
-    {
-      "epoch": 2.26,
-      "learning_rate": 5e-05,
-      "loss": 0.2273,
-      "step": 1271
-    },
-    {
-      "epoch": 2.26,
-      "learning_rate": 5e-05,
-      "loss": 0.2349,
-      "step": 1272
-    },
-    {
-      "epoch": 2.26,
-      "learning_rate": 5e-05,
-      "loss": 0.3071,
-      "step": 1273
-    },
-    {
-      "epoch": 2.26,
-      "learning_rate": 5e-05,
-      "loss": 0.1632,
-      "step": 1274
-    },
-    {
-      "epoch": 2.27,
-      "learning_rate": 5e-05,
-      "loss": 0.2573,
-      "step": 1275
-    },
-    {
-      "epoch": 2.27,
-      "learning_rate": 5e-05,
-      "loss": 0.1812,
-      "step": 1276
-    },
-    {
-      "epoch": 2.27,
-      "learning_rate": 5e-05,
-      "loss": 0.1543,
-      "step": 1277
-    },
-    {
-      "epoch": 2.27,
-      "learning_rate": 5e-05,
-      "loss": 0.1907,
-      "step": 1278
-    },
-    {
-      "epoch": 2.27,
-      "learning_rate": 5e-05,
-      "loss": 0.231,
-      "step": 1279
-    },
-    {
-      "epoch": 2.28,
-      "learning_rate": 5e-05,
-      "loss": 0.301,
-      "step": 1280
-    },
-    {
-      "epoch": 2.28,
-      "learning_rate": 5e-05,
-      "loss": 0.2163,
-      "step": 1281
-    },
-    {
-      "epoch": 2.28,
-      "learning_rate": 5e-05,
-      "loss": 0.302,
-      "step": 1282
-    },
-    {
-      "epoch": 2.28,
-      "learning_rate": 5e-05,
-      "loss": 0.2256,
-      "step": 1283
-    },
-    {
-      "epoch": 2.28,
-      "learning_rate": 5e-05,
-      "loss": 0.2424,
-      "step": 1284
-    },
-    {
-      "epoch": 2.28,
-      "learning_rate": 5e-05,
-      "loss": 0.2393,
-      "step": 1285
-    },
-    {
-      "epoch": 2.29,
-      "learning_rate": 5e-05,
-      "loss": 0.2336,
-      "step": 1286
-    },
-    {
-      "epoch": 2.29,
-      "learning_rate": 5e-05,
-      "loss": 0.2109,
-      "step": 1287
-    },
-    {
-      "epoch": 2.29,
-      "learning_rate": 5e-05,
-      "loss": 0.2173,
-      "step": 1288
-    },
-    {
-      "epoch": 2.29,
-      "learning_rate": 5e-05,
-      "loss": 0.1963,
-      "step": 1289
-    },
-    {
-      "epoch": 2.29,
-      "learning_rate": 5e-05,
-      "loss": 0.2134,
-      "step": 1290
-    },
-    {
-      "epoch": 2.3,
-      "learning_rate": 5e-05,
-      "loss": 0.1893,
-      "step": 1291
-    },
-    {
-      "epoch": 2.3,
-      "learning_rate": 5e-05,
-      "loss": 0.2251,
-      "step": 1292
-    },
-    {
-      "epoch": 2.3,
-      "learning_rate": 5e-05,
-      "loss": 0.2607,
-      "step": 1293
-    },
-    {
-      "epoch": 2.3,
-      "learning_rate": 5e-05,
-      "loss": 0.2053,
-      "step": 1294
-    },
-    {
-      "epoch": 2.3,
-      "learning_rate": 5e-05,
-      "loss": 0.2637,
-      "step": 1295
-    },
-    {
-      "epoch": 2.3,
-      "learning_rate": 5e-05,
-      "loss": 0.2573,
-      "step": 1296
-    },
-    {
-      "epoch": 2.31,
-      "learning_rate": 5e-05,
-      "loss": 0.2488,
-      "step": 1297
-    },
-    {
-      "epoch": 2.31,
-      "learning_rate": 5e-05,
-      "loss": 0.1818,
-      "step": 1298
-    },
-    {
-      "epoch": 2.31,
-      "learning_rate": 5e-05,
-      "loss": 0.2854,
-      "step": 1299
-    },
-    {
-      "epoch": 2.31,
-      "learning_rate": 5e-05,
-      "loss": 0.2488,
-      "step": 1300
-    },
-    {
-      "epoch": 2.31,
-      "learning_rate": 5e-05,
-      "loss": 0.1667,
-      "step": 1301
-    },
-    {
-      "epoch": 2.31,
-      "learning_rate": 5e-05,
-      "loss": 0.167,
-      "step": 1302
-    },
-    {
-      "epoch": 2.32,
-      "learning_rate": 5e-05,
-      "loss": 0.2495,
-      "step": 1303
-    },
-    {
-      "epoch": 2.32,
-      "learning_rate": 5e-05,
-      "loss": 0.2991,
-      "step": 1304
-    },
-    {
-      "epoch": 2.32,
-      "learning_rate": 5e-05,
-      "loss": 0.2263,
-      "step": 1305
-    },
-    {
-      "epoch": 2.32,
-      "learning_rate": 5e-05,
-      "loss": 0.2737,
-      "step": 1306
-    },
-    {
-      "epoch": 2.32,
-      "learning_rate": 5e-05,
-      "loss": 0.1915,
-      "step": 1307
-    },
-    {
-      "epoch": 2.33,
-      "learning_rate": 5e-05,
-      "loss": 0.2341,
-      "step": 1308
-    },
-    {
-      "epoch": 2.33,
-      "learning_rate": 5e-05,
-      "loss": 0.2354,
-      "step": 1309
-    },
-    {
-      "epoch": 2.33,
-      "learning_rate": 5e-05,
-      "loss": 0.2612,
-      "step": 1310
-    },
-    {
-      "epoch": 2.33,
-      "learning_rate": 5e-05,
-      "loss": 0.2766,
-      "step": 1311
-    },
-    {
-      "epoch": 2.33,
-      "learning_rate": 5e-05,
-      "loss": 0.1638,
-      "step": 1312
-    },
-    {
-      "epoch": 2.33,
-      "learning_rate": 5e-05,
-      "loss": 0.3032,
-      "step": 1313
-    },
-    {
-      "epoch": 2.34,
-      "learning_rate": 5e-05,
-      "loss": 0.2794,
-      "step": 1314
-    },
-    {
-      "epoch": 2.34,
-      "learning_rate": 5e-05,
-      "loss": 0.1854,
-      "step": 1315
-    },
-    {
-      "epoch": 2.34,
-      "learning_rate": 5e-05,
-      "loss": 0.2705,
-      "step": 1316
-    },
-    {
-      "epoch": 2.34,
-      "learning_rate": 5e-05,
-      "loss": 0.1953,
-      "step": 1317
-    },
-    {
-      "epoch": 2.34,
-      "learning_rate": 5e-05,
-      "loss": 0.24,
-      "step": 1318
-    },
-    {
-      "epoch": 2.34,
-      "learning_rate": 5e-05,
-      "loss": 0.2229,
-      "step": 1319
-    },
-    {
-      "epoch": 2.35,
-      "learning_rate": 5e-05,
-      "loss": 0.1958,
-      "step": 1320
-    },
-    {
-      "epoch": 2.35,
-      "learning_rate": 5e-05,
-      "loss": 0.2686,
-      "step": 1321
-    },
-    {
-      "epoch": 2.35,
-      "learning_rate": 5e-05,
-      "loss": 0.2415,
-      "step": 1322
-    },
-    {
-      "epoch": 2.35,
-      "learning_rate": 5e-05,
-      "loss": 0.2131,
-      "step": 1323
-    },
-    {
-      "epoch": 2.35,
-      "learning_rate": 5e-05,
-      "loss": 0.1895,
-      "step": 1324
-    },
-    {
-      "epoch": 2.36,
-      "learning_rate": 5e-05,
-      "loss": 0.3933,
-      "step": 1325
-    },
-    {
-      "epoch": 2.36,
-      "learning_rate": 5e-05,
-      "loss": 0.2073,
-      "step": 1326
-    },
-    {
-      "epoch": 2.36,
-      "learning_rate": 5e-05,
-      "loss": 0.2078,
-      "step": 1327
-    },
-    {
-      "epoch": 2.36,
-      "learning_rate": 5e-05,
-      "loss": 0.3374,
-      "step": 1328
-    },
-    {
-      "epoch": 2.36,
-      "learning_rate": 5e-05,
-      "loss": 0.2722,
-      "step": 1329
-    },
-    {
-      "epoch": 2.36,
-      "learning_rate": 5e-05,
-      "loss": 0.1884,
-      "step": 1330
-    },
-    {
-      "epoch": 2.37,
-      "learning_rate": 5e-05,
-      "loss": 0.2141,
-      "step": 1331
-    },
-    {
-      "epoch": 2.37,
-      "learning_rate": 5e-05,
-      "loss": 0.2571,
-      "step": 1332
-    },
-    {
-      "epoch": 2.37,
-      "learning_rate": 5e-05,
-      "loss": 0.2246,
-      "step": 1333
-    },
-    {
-      "epoch": 2.37,
-      "learning_rate": 5e-05,
-      "loss": 0.3091,
-      "step": 1334
-    },
-    {
-      "epoch": 2.37,
-      "learning_rate": 5e-05,
-      "loss": 0.2375,
-      "step": 1335
-    },
-    {
-      "epoch": 2.38,
-      "learning_rate": 5e-05,
-      "loss": 0.3208,
-      "step": 1336
-    },
-    {
-      "epoch": 2.38,
-      "learning_rate": 5e-05,
-      "loss": 0.2229,
-      "step": 1337
-    },
-    {
-      "epoch": 2.38,
-      "learning_rate": 5e-05,
-      "loss": 0.2262,
-      "step": 1338
-    },
-    {
-      "epoch": 2.38,
-      "learning_rate": 5e-05,
-      "loss": 0.2153,
-      "step": 1339
-    },
-    {
-      "epoch": 2.38,
-      "learning_rate": 5e-05,
-      "loss": 0.163,
-      "step": 1340
-    },
-    {
-      "epoch": 2.38,
-      "learning_rate": 5e-05,
-      "loss": 0.543,
-      "step": 1341
-    },
-    {
-      "epoch": 2.39,
-      "learning_rate": 5e-05,
-      "loss": 0.2397,
-      "step": 1342
-    },
-    {
-      "epoch": 2.39,
-      "learning_rate": 5e-05,
-      "loss": 0.239,
-      "step": 1343
-    },
-    {
-      "epoch": 2.39,
-      "learning_rate": 5e-05,
-      "loss": 0.2749,
-      "step": 1344
-    },
-    {
-      "epoch": 2.39,
-      "learning_rate": 5e-05,
-      "loss": 0.2043,
-      "step": 1345
-    },
-    {
-      "epoch": 2.39,
-      "learning_rate": 5e-05,
-      "loss": 0.2449,
-      "step": 1346
-    },
-    {
-      "epoch": 2.39,
-      "learning_rate": 5e-05,
-      "loss": 0.2561,
-      "step": 1347
-    },
-    {
-      "epoch": 2.4,
-      "learning_rate": 5e-05,
-      "loss": 0.2017,
-      "step": 1348
-    },
-    {
-      "epoch": 2.4,
-      "learning_rate": 5e-05,
-      "loss": 0.281,
-      "step": 1349
-    },
-    {
-      "epoch": 2.4,
-      "learning_rate": 5e-05,
-      "loss": 0.2817,
-      "step": 1350
-    },
-    {
-      "epoch": 2.4,
-      "learning_rate": 5e-05,
-      "loss": 0.2317,
-      "step": 1351
-    },
-    {
-      "epoch": 2.4,
-      "learning_rate": 5e-05,
-      "loss": 0.2922,
-      "step": 1352
-    },
-    {
-      "epoch": 2.41,
-      "learning_rate": 5e-05,
-      "loss": 0.1699,
-      "step": 1353
-    },
-    {
-      "epoch": 2.41,
-      "learning_rate": 5e-05,
-      "loss": 0.2554,
-      "step": 1354
-    },
-    {
-      "epoch": 2.41,
-      "learning_rate": 5e-05,
-      "loss": 0.2156,
-      "step": 1355
-    },
-    {
-      "epoch": 2.41,
-      "learning_rate": 5e-05,
-      "loss": 0.2302,
-      "step": 1356
-    },
-    {
-      "epoch": 2.41,
-      "learning_rate": 5e-05,
-      "loss": 0.2063,
-      "step": 1357
-    },
-    {
-      "epoch": 2.41,
-      "learning_rate": 5e-05,
-      "loss": 0.2244,
-      "step": 1358
-    },
-    {
-      "epoch": 2.42,
-      "learning_rate": 5e-05,
-      "loss": 0.2437,
-      "step": 1359
-    },
-    {
-      "epoch": 2.42,
-      "learning_rate": 5e-05,
-      "loss": 0.2107,
-      "step": 1360
-    },
-    {
-      "epoch": 2.42,
-      "learning_rate": 5e-05,
-      "loss": 0.1963,
-      "step": 1361
-    },
-    {
-      "epoch": 2.42,
-      "learning_rate": 5e-05,
-      "loss": 0.2256,
-      "step": 1362
-    },
-    {
-      "epoch": 2.42,
-      "learning_rate": 5e-05,
-      "loss": 0.2102,
-      "step": 1363
-    },
-    {
-      "epoch": 2.42,
-      "learning_rate": 5e-05,
-      "loss": 0.248,
-      "step": 1364
-    },
-    {
-      "epoch": 2.43,
-      "learning_rate": 5e-05,
-      "loss": 0.3167,
-      "step": 1365
-    },
-    {
-      "epoch": 2.43,
-      "learning_rate": 5e-05,
-      "loss": 0.2146,
-      "step": 1366
-    },
-    {
-      "epoch": 2.43,
-      "learning_rate": 5e-05,
-      "loss": 0.2454,
-      "step": 1367
-    },
-    {
-      "epoch": 2.43,
-      "learning_rate": 5e-05,
-      "loss": 0.1787,
-      "step": 1368
-    },
-    {
-      "epoch": 2.43,
-      "learning_rate": 5e-05,
-      "loss": 0.2672,
-      "step": 1369
-    },
-    {
-      "epoch": 2.44,
-      "learning_rate": 5e-05,
-      "loss": 0.2239,
-      "step": 1370
-    },
-    {
-      "epoch": 2.44,
-      "learning_rate": 5e-05,
-      "loss": 0.1742,
-      "step": 1371
-    },
-    {
-      "epoch": 2.44,
-      "learning_rate": 5e-05,
-      "loss": 0.2056,
-      "step": 1372
-    },
-    {
-      "epoch": 2.44,
-      "learning_rate": 5e-05,
-      "loss": 0.1946,
-      "step": 1373
-    },
-    {
-      "epoch": 2.44,
-      "learning_rate": 5e-05,
-      "loss": 0.2505,
-      "step": 1374
-    },
-    {
-      "epoch": 2.44,
-      "learning_rate": 5e-05,
-      "loss": 0.2242,
-      "step": 1375
-    },
-    {
-      "epoch": 2.45,
-      "learning_rate": 5e-05,
-      "loss": 0.2131,
-      "step": 1376
-    },
-    {
-      "epoch": 2.45,
-      "learning_rate": 5e-05,
-      "loss": 0.1797,
-      "step": 1377
-    },
-    {
-      "epoch": 2.45,
-      "learning_rate": 5e-05,
-      "loss": 0.1912,
-      "step": 1378
-    },
-    {
-      "epoch": 2.45,
-      "learning_rate": 5e-05,
-      "loss": 0.2788,
-      "step": 1379
-    },
-    {
-      "epoch": 2.45,
-      "learning_rate": 5e-05,
-      "loss": 0.2222,
-      "step": 1380
-    },
-    {
-      "epoch": 2.46,
-      "learning_rate": 5e-05,
-      "loss": 0.2893,
-      "step": 1381
-    },
-    {
-      "epoch": 2.46,
-      "learning_rate": 5e-05,
-      "loss": 0.2424,
-      "step": 1382
-    },
-    {
-      "epoch": 2.46,
-      "learning_rate": 5e-05,
-      "loss": 0.2073,
-      "step": 1383
-    },
-    {
-      "epoch": 2.46,
-      "learning_rate": 5e-05,
-      "loss": 0.2532,
-      "step": 1384
-    },
-    {
-      "epoch": 2.46,
-      "learning_rate": 5e-05,
-      "loss": 0.2025,
-      "step": 1385
-    },
-    {
-      "epoch": 2.46,
-      "learning_rate": 5e-05,
-      "loss": 0.1541,
-      "step": 1386
-    },
-    {
-      "epoch": 2.47,
-      "learning_rate": 5e-05,
-      "loss": 0.2307,
-      "step": 1387
-    },
-    {
-      "epoch": 2.47,
-      "learning_rate": 5e-05,
-      "loss": 0.251,
-      "step": 1388
-    },
-    {
-      "epoch": 2.47,
-      "learning_rate": 5e-05,
-      "loss": 0.2368,
-      "step": 1389
-    },
-    {
-      "epoch": 2.47,
-      "learning_rate": 5e-05,
-      "loss": 0.2188,
-      "step": 1390
-    },
-    {
-      "epoch": 2.47,
-      "learning_rate": 5e-05,
-      "loss": 0.1624,
-      "step": 1391
-    },
-    {
-      "epoch": 2.47,
-      "learning_rate": 5e-05,
-      "loss": 0.2229,
-      "step": 1392
-    },
-    {
-      "epoch": 2.48,
-      "learning_rate": 5e-05,
-      "loss": 0.2988,
-      "step": 1393
-    },
-    {
-      "epoch": 2.48,
-      "learning_rate": 5e-05,
-      "loss": 0.3169,
-      "step": 1394
-    },
-    {
-      "epoch": 2.48,
-      "learning_rate": 5e-05,
-      "loss": 0.2808,
-      "step": 1395
-    },
-    {
-      "epoch": 2.48,
-      "learning_rate": 5e-05,
-      "loss": 0.1835,
-      "step": 1396
-    },
-    {
-      "epoch": 2.48,
-      "learning_rate": 5e-05,
-      "loss": 0.2257,
-      "step": 1397
-    },
-    {
-      "epoch": 2.49,
-      "learning_rate": 5e-05,
-      "loss": 0.2266,
-      "step": 1398
-    },
-    {
-      "epoch": 2.49,
-      "learning_rate": 5e-05,
-      "loss": 0.2092,
-      "step": 1399
-    },
-    {
-      "epoch": 2.49,
-      "learning_rate": 5e-05,
-      "loss": 0.1908,
-      "step": 1400
-    },
-    {
-      "epoch": 2.49,
-      "learning_rate": 5e-05,
-      "loss": 0.2698,
-      "step": 1401
-    },
-    {
-      "epoch": 2.49,
-      "learning_rate": 5e-05,
-      "loss": 0.238,
-      "step": 1402
-    },
-    {
-      "epoch": 2.49,
-      "learning_rate": 5e-05,
-      "loss": 0.3022,
-      "step": 1403
-    },
-    {
-      "epoch": 2.5,
-      "learning_rate": 5e-05,
-      "loss": 0.1851,
-      "step": 1404
-    },
-    {
-      "epoch": 2.5,
-      "learning_rate": 5e-05,
-      "loss": 0.2263,
-      "step": 1405
-    },
-    {
-      "epoch": 2.5,
-      "learning_rate": 5e-05,
-      "loss": 0.3325,
-      "step": 1406
-    },
-    {
-      "epoch": 2.5,
-      "learning_rate": 5e-05,
-      "loss": 0.2332,
-      "step": 1407
-    },
-    {
-      "epoch": 2.5,
-      "learning_rate": 5e-05,
-      "loss": 0.2812,
-      "step": 1408
-    },
-    {
-      "epoch": 2.5,
-      "learning_rate": 5e-05,
-      "loss": 0.1727,
-      "step": 1409
-    },
-    {
-      "epoch": 2.51,
-      "learning_rate": 5e-05,
-      "loss": 0.2661,
-      "step": 1410
-    },
-    {
-      "epoch": 2.51,
-      "learning_rate": 5e-05,
-      "loss": 0.2542,
-      "step": 1411
-    },
-    {
-      "epoch": 2.51,
-      "learning_rate": 5e-05,
-      "loss": 0.2412,
-      "step": 1412
-    },
-    {
-      "epoch": 2.51,
-      "learning_rate": 5e-05,
-      "loss": 0.2562,
-      "step": 1413
-    },
-    {
-      "epoch": 2.51,
-      "learning_rate": 5e-05,
-      "loss": 0.1968,
-      "step": 1414
-    },
-    {
-      "epoch": 2.52,
-      "learning_rate": 5e-05,
-      "loss": 0.313,
-      "step": 1415
-    },
-    {
-      "epoch": 2.52,
-      "learning_rate": 5e-05,
-      "loss": 0.2864,
-      "step": 1416
-    },
-    {
-      "epoch": 2.52,
-      "learning_rate": 5e-05,
-      "loss": 0.2292,
-      "step": 1417
-    },
-    {
-      "epoch": 2.52,
-      "learning_rate": 5e-05,
-      "loss": 0.4523,
-      "step": 1418
-    },
-    {
-      "epoch": 2.52,
-      "learning_rate": 5e-05,
-      "loss": 0.2764,
-      "step": 1419
-    },
-    {
-      "epoch": 2.52,
-      "learning_rate": 5e-05,
-      "loss": 0.2803,
-      "step": 1420
-    },
-    {
-      "epoch": 2.53,
-      "learning_rate": 5e-05,
-      "loss": 0.2952,
-      "step": 1421
-    },
-    {
-      "epoch": 2.53,
-      "learning_rate": 5e-05,
-      "loss": 0.2959,
-      "step": 1422
-    },
-    {
-      "epoch": 2.53,
-      "learning_rate": 5e-05,
-      "loss": 0.2649,
-      "step": 1423
-    },
-    {
-      "epoch": 2.53,
-      "learning_rate": 5e-05,
-      "loss": 0.2598,
-      "step": 1424
-    },
-    {
-      "epoch": 2.53,
-      "learning_rate": 5e-05,
-      "loss": 0.2769,
-      "step": 1425
-    },
-    {
-      "epoch": 2.54,
-      "learning_rate": 5e-05,
-      "loss": 0.27,
-      "step": 1426
-    },
-    {
-      "epoch": 2.54,
-      "learning_rate": 5e-05,
-      "loss": 0.238,
-      "step": 1427
-    },
-    {
-      "epoch": 2.54,
-      "learning_rate": 5e-05,
-      "loss": 0.2435,
-      "step": 1428
-    },
-    {
-      "epoch": 2.54,
-      "learning_rate": 5e-05,
-      "loss": 0.1917,
-      "step": 1429
-    },
-    {
-      "epoch": 2.54,
-      "learning_rate": 5e-05,
-      "loss": 0.1946,
-      "step": 1430
-    },
-    {
-      "epoch": 2.54,
-      "learning_rate": 5e-05,
-      "loss": 0.1556,
-      "step": 1431
-    },
-    {
-      "epoch": 2.55,
-      "learning_rate": 5e-05,
-      "loss": 0.2463,
-      "step": 1432
-    },
-    {
-      "epoch": 2.55,
-      "learning_rate": 5e-05,
-      "loss": 0.2234,
-      "step": 1433
-    },
-    {
-      "epoch": 2.55,
-      "learning_rate": 5e-05,
-      "loss": 0.1826,
-      "step": 1434
-    },
-    {
-      "epoch": 2.55,
-      "learning_rate": 5e-05,
-      "loss": 0.2136,
-      "step": 1435
-    },
-    {
-      "epoch": 2.55,
-      "learning_rate": 5e-05,
-      "loss": 0.3103,
-      "step": 1436
-    },
-    {
-      "epoch": 2.55,
-      "learning_rate": 5e-05,
-      "loss": 0.2031,
-      "step": 1437
-    },
-    {
-      "epoch": 2.56,
-      "learning_rate": 5e-05,
-      "loss": 0.1917,
-      "step": 1438
-    },
-    {
-      "epoch": 2.56,
-      "learning_rate": 5e-05,
-      "loss": 0.2139,
-      "step": 1439
-    },
-    {
-      "epoch": 2.56,
-      "learning_rate": 5e-05,
-      "loss": 0.2722,
-      "step": 1440
-    },
-    {
-      "epoch": 2.56,
-      "learning_rate": 5e-05,
-      "loss": 0.2527,
-      "step": 1441
-    },
-    {
-      "epoch": 2.56,
-      "learning_rate": 5e-05,
-      "loss": 0.2466,
-      "step": 1442
-    },
-    {
-      "epoch": 2.57,
-      "learning_rate": 5e-05,
-      "loss": 0.2485,
-      "step": 1443
-    },
-    {
-      "epoch": 2.57,
-      "learning_rate": 5e-05,
-      "loss": 0.2231,
-      "step": 1444
-    },
-    {
-      "epoch": 2.57,
-      "learning_rate": 5e-05,
-      "loss": 0.2678,
-      "step": 1445
-    },
-    {
-      "epoch": 2.57,
-      "learning_rate": 5e-05,
-      "loss": 0.1929,
-      "step": 1446
-    },
-    {
-      "epoch": 2.57,
-      "learning_rate": 5e-05,
-      "loss": 0.28,
-      "step": 1447
-    },
-    {
-      "epoch": 2.57,
-      "learning_rate": 5e-05,
-      "loss": 0.2419,
-      "step": 1448
-    },
-    {
-      "epoch": 2.58,
-      "learning_rate": 5e-05,
-      "loss": 0.2463,
-      "step": 1449
-    },
-    {
-      "epoch": 2.58,
-      "learning_rate": 5e-05,
-      "loss": 0.2273,
-      "step": 1450
-    },
-    {
-      "epoch": 2.58,
-      "learning_rate": 5e-05,
-      "loss": 0.1821,
-      "step": 1451
-    },
-    {
-      "epoch": 2.58,
-      "learning_rate": 5e-05,
-      "loss": 0.3016,
-      "step": 1452
-    },
-    {
-      "epoch": 2.58,
-      "learning_rate": 5e-05,
-      "loss": 0.2458,
-      "step": 1453
-    },
-    {
-      "epoch": 2.58,
-      "learning_rate": 5e-05,
-      "loss": 0.2281,
-      "step": 1454
-    },
-    {
-      "epoch": 2.59,
-      "learning_rate": 5e-05,
-      "loss": 0.222,
-      "step": 1455
-    },
-    {
-      "epoch": 2.59,
-      "learning_rate": 5e-05,
-      "loss": 0.2341,
-      "step": 1456
-    },
-    {
-      "epoch": 2.59,
-      "learning_rate": 5e-05,
-      "loss": 0.2644,
-      "step": 1457
-    },
-    {
-      "epoch": 2.59,
-      "learning_rate": 5e-05,
-      "loss": 0.3013,
-      "step": 1458
-    },
-    {
-      "epoch": 2.59,
-      "learning_rate": 5e-05,
-      "loss": 0.2031,
-      "step": 1459
-    },
-    {
-      "epoch": 2.6,
-      "learning_rate": 5e-05,
-      "loss": 0.2314,
-      "step": 1460
-    },
-    {
-      "epoch": 2.6,
-      "learning_rate": 5e-05,
-      "loss": 0.1729,
-      "step": 1461
-    },
-    {
-      "epoch": 2.6,
-      "learning_rate": 5e-05,
-      "loss": 0.2275,
-      "step": 1462
-    },
-    {
-      "epoch": 2.6,
-      "learning_rate": 5e-05,
-      "loss": 0.2407,
-      "step": 1463
-    },
-    {
-      "epoch": 2.6,
-      "learning_rate": 5e-05,
-      "loss": 0.2288,
-      "step": 1464
-    },
-    {
-      "epoch": 2.6,
-      "learning_rate": 5e-05,
-      "loss": 0.1841,
-      "step": 1465
-    },
-    {
-      "epoch": 2.61,
-      "learning_rate": 5e-05,
-      "loss": 0.218,
-      "step": 1466
-    },
-    {
-      "epoch": 2.61,
-      "learning_rate": 5e-05,
-      "loss": 0.2395,
-      "step": 1467
-    },
-    {
-      "epoch": 2.61,
-      "learning_rate": 5e-05,
-      "loss": 0.2029,
-      "step": 1468
-    },
-    {
-      "epoch": 2.61,
-      "learning_rate": 5e-05,
-      "loss": 0.2881,
-      "step": 1469
-    },
-    {
-      "epoch": 2.61,
-      "learning_rate": 5e-05,
-      "loss": 0.2478,
-      "step": 1470
-    },
-    {
-      "epoch": 2.62,
-      "learning_rate": 5e-05,
-      "loss": 0.2463,
-      "step": 1471
-    },
-    {
-      "epoch": 2.62,
-      "learning_rate": 5e-05,
-      "loss": 0.2344,
-      "step": 1472
-    },
-    {
-      "epoch": 2.62,
-      "learning_rate": 5e-05,
-      "loss": 0.229,
-      "step": 1473
-    },
-    {
-      "epoch": 2.62,
-      "learning_rate": 5e-05,
-      "loss": 0.2341,
-      "step": 1474
-    },
-    {
-      "epoch": 2.62,
-      "learning_rate": 5e-05,
-      "loss": 0.1992,
-      "step": 1475
-    },
-    {
-      "epoch": 2.62,
-      "learning_rate": 5e-05,
-      "loss": 0.2271,
-      "step": 1476
-    },
-    {
-      "epoch": 2.63,
-      "learning_rate": 5e-05,
-      "loss": 0.2903,
-      "step": 1477
-    },
-    {
-      "epoch": 2.63,
-      "learning_rate": 5e-05,
-      "loss": 0.2739,
-      "step": 1478
-    },
-    {
-      "epoch": 2.63,
-      "learning_rate": 5e-05,
-      "loss": 0.2603,
-      "step": 1479
-    },
-    {
-      "epoch": 2.63,
-      "learning_rate": 5e-05,
-      "loss": 0.2247,
-      "step": 1480
-    },
-    {
-      "epoch": 2.63,
-      "learning_rate": 5e-05,
-      "loss": 0.1833,
-      "step": 1481
-    },
-    {
-      "epoch": 2.63,
-      "learning_rate": 5e-05,
-      "loss": 0.2468,
-      "step": 1482
-    },
-    {
-      "epoch": 2.64,
-      "learning_rate": 5e-05,
-      "loss": 0.2615,
-      "step": 1483
-    },
-    {
-      "epoch": 2.64,
-      "learning_rate": 5e-05,
-      "loss": 0.2737,
-      "step": 1484
-    },
-    {
-      "epoch": 2.64,
-      "learning_rate": 5e-05,
-      "loss": 0.2529,
-      "step": 1485
-    },
-    {
-      "epoch": 2.64,
-      "learning_rate": 5e-05,
-      "loss": 0.269,
-      "step": 1486
-    },
-    {
-      "epoch": 2.64,
-      "learning_rate": 5e-05,
-      "loss": 0.2507,
-      "step": 1487
-    },
-    {
-      "epoch": 2.65,
-      "learning_rate": 5e-05,
-      "loss": 0.1719,
-      "step": 1488
-    },
-    {
-      "epoch": 2.65,
-      "learning_rate": 5e-05,
-      "loss": 0.4253,
-      "step": 1489
-    },
-    {
-      "epoch": 2.65,
-      "learning_rate": 5e-05,
-      "loss": 0.1656,
-      "step": 1490
-    },
-    {
-      "epoch": 2.65,
-      "learning_rate": 5e-05,
-      "loss": 0.2341,
-      "step": 1491
-    },
-    {
-      "epoch": 2.65,
-      "learning_rate": 5e-05,
-      "loss": 0.2153,
-      "step": 1492
-    },
-    {
-      "epoch": 2.65,
-      "learning_rate": 5e-05,
-      "loss": 0.1577,
-      "step": 1493
-    },
-    {
-      "epoch": 2.66,
-      "learning_rate": 5e-05,
-      "loss": 0.2427,
-      "step": 1494
-    },
-    {
-      "epoch": 2.66,
-      "learning_rate": 5e-05,
-      "loss": 0.2693,
-      "step": 1495
-    },
-    {
-      "epoch": 2.66,
-      "learning_rate": 5e-05,
-      "loss": 0.2061,
-      "step": 1496
-    },
-    {
-      "epoch": 2.66,
-      "learning_rate": 5e-05,
-      "loss": 0.2322,
-      "step": 1497
-    },
-    {
-      "epoch": 2.66,
-      "learning_rate": 5e-05,
-      "loss": 0.217,
-      "step": 1498
-    },
-    {
-      "epoch": 2.66,
-      "learning_rate": 5e-05,
-      "loss": 0.2568,
-      "step": 1499
-    },
-    {
-      "epoch": 2.67,
-      "learning_rate": 5e-05,
-      "loss": 0.2983,
-      "step": 1500
-    },
-    {
-      "epoch": 2.67,
-      "learning_rate": 5e-05,
-      "loss": 0.2944,
-      "step": 1501
-    },
-    {
-      "epoch": 2.67,
-      "learning_rate": 5e-05,
-      "loss": 0.1931,
-      "step": 1502
-    },
-    {
-      "epoch": 2.67,
-      "learning_rate": 5e-05,
-      "loss": 0.2357,
-      "step": 1503
-    },
-    {
-      "epoch": 2.67,
-      "learning_rate": 5e-05,
-      "loss": 0.2568,
-      "step": 1504
-    },
-    {
-      "epoch": 2.68,
-      "learning_rate": 5e-05,
-      "loss": 0.1809,
-      "step": 1505
-    },
-    {
-      "epoch": 2.68,
-      "learning_rate": 5e-05,
-      "loss": 0.24,
-      "step": 1506
-    },
-    {
-      "epoch": 2.68,
-      "learning_rate": 5e-05,
-      "loss": 0.239,
-      "step": 1507
-    },
-    {
-      "epoch": 2.68,
-      "learning_rate": 5e-05,
-      "loss": 0.2622,
-      "step": 1508
-    },
-    {
-      "epoch": 2.68,
-      "learning_rate": 5e-05,
-      "loss": 0.2959,
-      "step": 1509
-    },
-    {
-      "epoch": 2.68,
-      "learning_rate": 5e-05,
-      "loss": 0.2136,
-      "step": 1510
-    },
-    {
-      "epoch": 2.69,
-      "learning_rate": 5e-05,
-      "loss": 0.2446,
-      "step": 1511
-    },
-    {
-      "epoch": 2.69,
-      "learning_rate": 5e-05,
-      "loss": 0.2563,
-      "step": 1512
-    },
-    {
-      "epoch": 2.69,
-      "learning_rate": 5e-05,
-      "loss": 0.2128,
-      "step": 1513
-    },
-    {
-      "epoch": 2.69,
-      "learning_rate": 5e-05,
-      "loss": 0.157,
-      "step": 1514
-    },
-    {
-      "epoch": 2.69,
-      "learning_rate": 5e-05,
-      "loss": 0.1681,
-      "step": 1515
-    },
-    {
-      "epoch": 2.7,
-      "learning_rate": 5e-05,
-      "loss": 0.2512,
-      "step": 1516
-    },
-    {
-      "epoch": 2.7,
-      "learning_rate": 5e-05,
-      "loss": 0.2473,
-      "step": 1517
-    },
-    {
-      "epoch": 2.7,
-      "learning_rate": 5e-05,
-      "loss": 0.2722,
-      "step": 1518
-    },
-    {
-      "epoch": 2.7,
-      "learning_rate": 5e-05,
-      "loss": 0.2549,
-      "step": 1519
-    },
-    {
-      "epoch": 2.7,
-      "learning_rate": 5e-05,
-      "loss": 0.1853,
-      "step": 1520
-    },
-    {
-      "epoch": 2.7,
-      "learning_rate": 5e-05,
-      "loss": 0.3586,
-      "step": 1521
-    },
-    {
-      "epoch": 2.71,
-      "learning_rate": 5e-05,
-      "loss": 0.1963,
-      "step": 1522
-    },
-    {
-      "epoch": 2.71,
-      "learning_rate": 5e-05,
-      "loss": 0.1868,
-      "step": 1523
-    },
-    {
-      "epoch": 2.71,
-      "learning_rate": 5e-05,
-      "loss": 0.3066,
-      "step": 1524
-    },
-    {
-      "epoch": 2.71,
-      "learning_rate": 5e-05,
-      "loss": 0.1772,
-      "step": 1525
-    },
-    {
-      "epoch": 2.71,
-      "learning_rate": 5e-05,
-      "loss": 0.2487,
-      "step": 1526
-    },
-    {
-      "epoch": 2.71,
-      "learning_rate": 5e-05,
-      "loss": 0.2112,
-      "step": 1527
-    },
-    {
-      "epoch": 2.72,
-      "learning_rate": 5e-05,
-      "loss": 0.3005,
-      "step": 1528
-    },
-    {
-      "epoch": 2.72,
-      "learning_rate": 5e-05,
-      "loss": 0.2592,
-      "step": 1529
-    },
-    {
-      "epoch": 2.72,
-      "learning_rate": 5e-05,
-      "loss": 0.1902,
-      "step": 1530
-    },
-    {
-      "epoch": 2.72,
-      "learning_rate": 5e-05,
-      "loss": 0.2495,
-      "step": 1531
-    },
-    {
-      "epoch": 2.72,
-      "learning_rate": 5e-05,
-      "loss": 0.2434,
-      "step": 1532
-    },
-    {
-      "epoch": 2.73,
-      "learning_rate": 5e-05,
-      "loss": 0.1985,
-      "step": 1533
-    },
-    {
-      "epoch": 2.73,
-      "learning_rate": 5e-05,
-      "loss": 0.2024,
-      "step": 1534
-    },
-    {
-      "epoch": 2.73,
-      "learning_rate": 5e-05,
-      "loss": 0.231,
-      "step": 1535
-    },
-    {
-      "epoch": 2.73,
-      "learning_rate": 5e-05,
-      "loss": 0.2303,
-      "step": 1536
-    },
-    {
-      "epoch": 2.73,
-      "learning_rate": 5e-05,
-      "loss": 0.2629,
-      "step": 1537
-    },
-    {
-      "epoch": 2.73,
-      "learning_rate": 5e-05,
-      "loss": 0.2434,
-      "step": 1538
-    },
-    {
-      "epoch": 2.74,
-      "learning_rate": 5e-05,
-      "loss": 0.2578,
-      "step": 1539
-    },
-    {
-      "epoch": 2.74,
-      "learning_rate": 5e-05,
-      "loss": 0.2048,
-      "step": 1540
-    },
-    {
-      "epoch": 2.74,
-      "learning_rate": 5e-05,
-      "loss": 0.2222,
-      "step": 1541
-    },
-    {
-      "epoch": 2.74,
-      "learning_rate": 5e-05,
-      "loss": 0.2456,
-      "step": 1542
-    },
-    {
-      "epoch": 2.74,
-      "learning_rate": 5e-05,
-      "loss": 0.1775,
-      "step": 1543
-    },
-    {
-      "epoch": 2.74,
-      "learning_rate": 5e-05,
-      "loss": 0.241,
-      "step": 1544
-    },
-    {
-      "epoch": 2.75,
-      "learning_rate": 5e-05,
-      "loss": 0.2349,
-      "step": 1545
-    },
-    {
-      "epoch": 2.75,
-      "learning_rate": 5e-05,
-      "loss": 0.3438,
-      "step": 1546
-    },
-    {
-      "epoch": 2.75,
-      "learning_rate": 5e-05,
-      "loss": 0.2634,
-      "step": 1547
-    },
-    {
-      "epoch": 2.75,
-      "learning_rate": 5e-05,
-      "loss": 0.2866,
-      "step": 1548
-    },
-    {
-      "epoch": 2.75,
-      "learning_rate": 5e-05,
-      "loss": 0.2229,
-      "step": 1549
-    },
-    {
-      "epoch": 2.76,
-      "learning_rate": 5e-05,
-      "loss": 0.2502,
-      "step": 1550
-    },
-    {
-      "epoch": 2.76,
-      "learning_rate": 5e-05,
-      "loss": 0.1836,
-      "step": 1551
-    },
-    {
-      "epoch": 2.76,
-      "learning_rate": 5e-05,
-      "loss": 0.2079,
-      "step": 1552
-    },
-    {
-      "epoch": 2.76,
-      "learning_rate": 5e-05,
-      "loss": 0.2363,
-      "step": 1553
-    },
-    {
-      "epoch": 2.76,
-      "learning_rate": 5e-05,
-      "loss": 0.2341,
-      "step": 1554
-    },
-    {
-      "epoch": 2.76,
-      "learning_rate": 5e-05,
-      "loss": 0.3193,
-      "step": 1555
-    },
-    {
-      "epoch": 2.77,
-      "learning_rate": 5e-05,
-      "loss": 0.1658,
-      "step": 1556
-    },
-    {
-      "epoch": 2.77,
-      "learning_rate": 5e-05,
-      "loss": 0.2202,
-      "step": 1557
-    },
-    {
-      "epoch": 2.77,
-      "learning_rate": 5e-05,
-      "loss": 0.3162,
-      "step": 1558
-    },
-    {
-      "epoch": 2.77,
-      "learning_rate": 5e-05,
-      "loss": 0.2229,
-      "step": 1559
-    },
-    {
-      "epoch": 2.77,
-      "learning_rate": 5e-05,
-      "loss": 0.2095,
-      "step": 1560
-    },
-    {
-      "epoch": 2.78,
-      "learning_rate": 5e-05,
-      "loss": 0.2188,
-      "step": 1561
-    },
-    {
-      "epoch": 2.78,
-      "learning_rate": 5e-05,
-      "loss": 0.2878,
-      "step": 1562
-    },
-    {
-      "epoch": 2.78,
-      "learning_rate": 5e-05,
-      "loss": 0.2178,
-      "step": 1563
-    },
-    {
-      "epoch": 2.78,
-      "learning_rate": 5e-05,
-      "loss": 0.2246,
-      "step": 1564
-    },
-    {
-      "epoch": 2.78,
-      "learning_rate": 5e-05,
-      "loss": 0.2457,
-      "step": 1565
-    },
-    {
-      "epoch": 2.78,
-      "learning_rate": 5e-05,
-      "loss": 0.2156,
-      "step": 1566
-    },
-    {
-      "epoch": 2.79,
-      "learning_rate": 5e-05,
-      "loss": 0.1982,
-      "step": 1567
-    },
-    {
-      "epoch": 2.79,
-      "learning_rate": 5e-05,
-      "loss": 0.3054,
-      "step": 1568
-    },
-    {
-      "epoch": 2.79,
-      "learning_rate": 5e-05,
-      "loss": 0.2345,
-      "step": 1569
-    },
-    {
-      "epoch": 2.79,
-      "learning_rate": 5e-05,
-      "loss": 0.1741,
-      "step": 1570
-    },
-    {
-      "epoch": 2.79,
-      "learning_rate": 5e-05,
-      "loss": 0.2351,
-      "step": 1571
-    },
-    {
-      "epoch": 2.79,
-      "learning_rate": 5e-05,
-      "loss": 0.2148,
-      "step": 1572
-    },
-    {
-      "epoch": 2.8,
-      "learning_rate": 5e-05,
-      "loss": 0.2922,
-      "step": 1573
-    },
-    {
-      "epoch": 2.8,
-      "learning_rate": 5e-05,
-      "loss": 0.2402,
-      "step": 1574
-    },
-    {
-      "epoch": 2.8,
-      "learning_rate": 5e-05,
-      "loss": 0.3232,
-      "step": 1575
-    },
-    {
-      "epoch": 2.8,
-      "learning_rate": 5e-05,
-      "loss": 0.2361,
-      "step": 1576
-    },
-    {
-      "epoch": 2.8,
-      "learning_rate": 5e-05,
-      "loss": 0.196,
-      "step": 1577
-    },
-    {
-      "epoch": 2.81,
-      "learning_rate": 5e-05,
-      "loss": 0.2422,
-      "step": 1578
-    },
-    {
-      "epoch": 2.81,
-      "learning_rate": 5e-05,
-      "loss": 0.238,
-      "step": 1579
-    },
-    {
-      "epoch": 2.81,
-      "learning_rate": 5e-05,
-      "loss": 0.2461,
-      "step": 1580
-    },
-    {
-      "epoch": 2.81,
-      "learning_rate": 5e-05,
-      "loss": 0.4678,
-      "step": 1581
-    },
-    {
-      "epoch": 2.81,
-      "learning_rate": 5e-05,
-      "loss": 0.2581,
-      "step": 1582
-    },
-    {
-      "epoch": 2.81,
-      "learning_rate": 5e-05,
-      "loss": 0.1812,
-      "step": 1583
-    },
-    {
-      "epoch": 2.82,
-      "learning_rate": 5e-05,
-      "loss": 0.2581,
-      "step": 1584
-    },
-    {
-      "epoch": 2.82,
-      "learning_rate": 5e-05,
-      "loss": 0.231,
-      "step": 1585
-    },
-    {
-      "epoch": 2.82,
-      "learning_rate": 5e-05,
-      "loss": 0.3105,
-      "step": 1586
-    },
-    {
-      "epoch": 2.82,
-      "learning_rate": 5e-05,
-      "loss": 0.2144,
-      "step": 1587
-    },
-    {
-      "epoch": 2.82,
-      "learning_rate": 5e-05,
-      "loss": 0.2839,
-      "step": 1588
-    },
-    {
-      "epoch": 2.82,
-      "learning_rate": 5e-05,
-      "loss": 0.3125,
-      "step": 1589
-    },
-    {
-      "epoch": 2.83,
-      "learning_rate": 5e-05,
-      "loss": 0.2125,
-      "step": 1590
-    },
-    {
-      "epoch": 2.83,
-      "learning_rate": 5e-05,
-      "loss": 0.1978,
-      "step": 1591
-    },
-    {
-      "epoch": 2.83,
-      "learning_rate": 5e-05,
-      "loss": 0.2935,
-      "step": 1592
-    },
-    {
-      "epoch": 2.83,
-      "learning_rate": 5e-05,
-      "loss": 0.2288,
-      "step": 1593
-    },
-    {
-      "epoch": 2.83,
-      "learning_rate": 5e-05,
-      "loss": 0.2354,
-      "step": 1594
-    },
-    {
-      "epoch": 2.84,
-      "learning_rate": 5e-05,
-      "loss": 0.218,
-      "step": 1595
-    },
-    {
-      "epoch": 2.84,
-      "learning_rate": 5e-05,
-      "loss": 0.2822,
-      "step": 1596
-    },
-    {
-      "epoch": 2.84,
-      "learning_rate": 5e-05,
-      "loss": 0.2534,
-      "step": 1597
-    },
-    {
-      "epoch": 2.84,
-      "learning_rate": 5e-05,
-      "loss": 0.1609,
-      "step": 1598
-    },
-    {
-      "epoch": 2.84,
-      "learning_rate": 5e-05,
-      "loss": 0.1973,
-      "step": 1599
-    },
-    {
-      "epoch": 2.84,
-      "learning_rate": 5e-05,
-      "loss": 0.1998,
-      "step": 1600
-    },
-    {
-      "epoch": 2.85,
-      "learning_rate": 5e-05,
-      "loss": 0.2307,
-      "step": 1601
-    },
-    {
-      "epoch": 2.85,
-      "learning_rate": 5e-05,
-      "loss": 0.2467,
-      "step": 1602
-    },
-    {
-      "epoch": 2.85,
-      "learning_rate": 5e-05,
-      "loss": 0.2805,
-      "step": 1603
-    },
-    {
-      "epoch": 2.85,
-      "learning_rate": 5e-05,
-      "loss": 0.2676,
-      "step": 1604
-    },
-    {
-      "epoch": 2.85,
-      "learning_rate": 5e-05,
-      "loss": 0.1936,
-      "step": 1605
-    },
-    {
-      "epoch": 2.86,
-      "learning_rate": 5e-05,
-      "loss": 0.2539,
-      "step": 1606
-    },
-    {
-      "epoch": 2.86,
-      "learning_rate": 5e-05,
-      "loss": 0.1743,
-      "step": 1607
-    },
-    {
-      "epoch": 2.86,
-      "learning_rate": 5e-05,
-      "loss": 0.2468,
-      "step": 1608
-    },
-    {
-      "epoch": 2.86,
-      "learning_rate": 5e-05,
-      "loss": 0.213,
-      "step": 1609
-    },
-    {
-      "epoch": 2.86,
-      "learning_rate": 5e-05,
-      "loss": 0.293,
-      "step": 1610
-    },
-    {
-      "epoch": 2.86,
-      "learning_rate": 5e-05,
-      "loss": 0.2153,
-      "step": 1611
-    },
-    {
-      "epoch": 2.87,
-      "learning_rate": 5e-05,
-      "loss": 0.5334,
-      "step": 1612
-    },
-    {
-      "epoch": 2.87,
-      "learning_rate": 5e-05,
-      "loss": 0.2527,
-      "step": 1613
-    },
-    {
-      "epoch": 2.87,
-      "learning_rate": 5e-05,
-      "loss": 0.2307,
-      "step": 1614
-    },
-    {
-      "epoch": 2.87,
-      "learning_rate": 5e-05,
-      "loss": 0.1698,
-      "step": 1615
-    },
-    {
-      "epoch": 2.87,
-      "learning_rate": 5e-05,
-      "loss": 0.2345,
-      "step": 1616
-    },
-    {
-      "epoch": 2.87,
-      "learning_rate": 5e-05,
-      "loss": 0.2014,
-      "step": 1617
-    },
-    {
-      "epoch": 2.88,
-      "learning_rate": 5e-05,
-      "loss": 0.2908,
-      "step": 1618
-    },
-    {
-      "epoch": 2.88,
-      "learning_rate": 5e-05,
-      "loss": 0.2322,
-      "step": 1619
-    },
-    {
-      "epoch": 2.88,
-      "learning_rate": 5e-05,
-      "loss": 0.3005,
-      "step": 1620
-    },
-    {
-      "epoch": 2.88,
-      "learning_rate": 5e-05,
-      "loss": 0.2979,
-      "step": 1621
-    },
-    {
-      "epoch": 2.88,
-      "learning_rate": 5e-05,
-      "loss": 0.2289,
-      "step": 1622
-    },
-    {
-      "epoch": 2.89,
-      "learning_rate": 5e-05,
-      "loss": 0.2639,
-      "step": 1623
-    },
-    {
-      "epoch": 2.89,
-      "learning_rate": 5e-05,
-      "loss": 0.1782,
-      "step": 1624
-    },
-    {
-      "epoch": 2.89,
-      "learning_rate": 5e-05,
-      "loss": 0.2271,
-      "step": 1625
-    },
-    {
-      "epoch": 2.89,
-      "learning_rate": 5e-05,
-      "loss": 0.1671,
-      "step": 1626
-    },
-    {
-      "epoch": 2.89,
-      "learning_rate": 5e-05,
-      "loss": 0.2131,
-      "step": 1627
-    },
-    {
-      "epoch": 2.89,
-      "learning_rate": 5e-05,
-      "loss": 0.1765,
-      "step": 1628
-    },
-    {
-      "epoch": 2.9,
-      "learning_rate": 5e-05,
-      "loss": 0.3276,
-      "step": 1629
-    },
-    {
-      "epoch": 2.9,
-      "learning_rate": 5e-05,
-      "loss": 0.2712,
-      "step": 1630
-    },
-    {
-      "epoch": 2.9,
-      "learning_rate": 5e-05,
-      "loss": 0.3064,
-      "step": 1631
-    },
-    {
-      "epoch": 2.9,
-      "learning_rate": 5e-05,
-      "loss": 0.2727,
-      "step": 1632
-    },
-    {
-      "epoch": 2.9,
-      "learning_rate": 5e-05,
-      "loss": 0.2869,
-      "step": 1633
-    },
-    {
-      "epoch": 2.9,
-      "learning_rate": 5e-05,
-      "loss": 0.1658,
-      "step": 1634
-    },
-    {
-      "epoch": 2.91,
-      "learning_rate": 5e-05,
-      "loss": 0.1802,
-      "step": 1635
-    },
-    {
-      "epoch": 2.91,
-      "learning_rate": 5e-05,
-      "loss": 0.1499,
-      "step": 1636
-    },
-    {
-      "epoch": 2.91,
-      "learning_rate": 5e-05,
-      "loss": 0.1692,
-      "step": 1637
-    },
-    {
-      "epoch": 2.91,
-      "learning_rate": 5e-05,
-      "loss": 0.2272,
-      "step": 1638
-    },
-    {
-      "epoch": 2.91,
-      "learning_rate": 5e-05,
-      "loss": 0.2417,
-      "step": 1639
-    },
-    {
-      "epoch": 2.92,
-      "learning_rate": 5e-05,
-      "loss": 0.2032,
-      "step": 1640
-    },
-    {
-      "epoch": 2.92,
-      "learning_rate": 5e-05,
-      "loss": 0.2649,
-      "step": 1641
-    },
-    {
-      "epoch": 2.92,
-      "learning_rate": 5e-05,
-      "loss": 0.2656,
-      "step": 1642
-    },
-    {
-      "epoch": 2.92,
-      "learning_rate": 5e-05,
-      "loss": 0.2104,
-      "step": 1643
-    },
-    {
-      "epoch": 2.92,
-      "learning_rate": 5e-05,
-      "loss": 0.3284,
-      "step": 1644
-    },
-    {
-      "epoch": 2.92,
-      "learning_rate": 5e-05,
-      "loss": 0.2351,
-      "step": 1645
-    },
-    {
-      "epoch": 2.93,
-      "learning_rate": 5e-05,
-      "loss": 0.2219,
-      "step": 1646
-    },
-    {
-      "epoch": 2.93,
-      "learning_rate": 5e-05,
-      "loss": 0.2048,
-      "step": 1647
-    },
-    {
-      "epoch": 2.93,
-      "learning_rate": 5e-05,
-      "loss": 0.2423,
-      "step": 1648
-    },
-    {
-      "epoch": 2.93,
-      "learning_rate": 5e-05,
-      "loss": 0.2371,
-      "step": 1649
-    },
-    {
-      "epoch": 2.93,
-      "learning_rate": 5e-05,
-      "loss": 0.3093,
-      "step": 1650
-    },
-    {
-      "epoch": 2.94,
-      "learning_rate": 5e-05,
-      "loss": 0.2585,
-      "step": 1651
-    },
-    {
-      "epoch": 2.94,
-      "learning_rate": 5e-05,
-      "loss": 0.2906,
-      "step": 1652
-    },
-    {
-      "epoch": 2.94,
-      "learning_rate": 5e-05,
-      "loss": 0.2749,
-      "step": 1653
-    },
-    {
-      "epoch": 2.94,
-      "learning_rate": 5e-05,
-      "loss": 0.2979,
-      "step": 1654
-    },
-    {
-      "epoch": 2.94,
-      "learning_rate": 5e-05,
-      "loss": 0.2891,
-      "step": 1655
-    },
-    {
-      "epoch": 2.94,
-      "learning_rate": 5e-05,
-      "loss": 0.2263,
-      "step": 1656
-    },
-    {
-      "epoch": 2.95,
-      "learning_rate": 5e-05,
-      "loss": 0.266,
-      "step": 1657
-    },
-    {
-      "epoch": 2.95,
-      "learning_rate": 5e-05,
-      "loss": 0.2346,
-      "step": 1658
-    },
-    {
-      "epoch": 2.95,
-      "learning_rate": 5e-05,
-      "loss": 0.2461,
-      "step": 1659
-    },
-    {
-      "epoch": 2.95,
-      "learning_rate": 5e-05,
-      "loss": 0.1484,
-      "step": 1660
-    },
-    {
-      "epoch": 2.95,
-      "learning_rate": 5e-05,
-      "loss": 0.1934,
-      "step": 1661
-    },
-    {
-      "epoch": 2.95,
-      "learning_rate": 5e-05,
-      "loss": 0.1975,
-      "step": 1662
-    },
-    {
-      "epoch": 2.96,
-      "learning_rate": 5e-05,
-      "loss": 0.2313,
-      "step": 1663
-    },
-    {
-      "epoch": 2.96,
-      "learning_rate": 5e-05,
-      "loss": 0.1802,
-      "step": 1664
-    },
-    {
-      "epoch": 2.96,
-      "learning_rate": 5e-05,
-      "loss": 0.1941,
-      "step": 1665
-    },
-    {
-      "epoch": 2.96,
-      "learning_rate": 5e-05,
-      "loss": 0.281,
-      "step": 1666
-    },
-    {
-      "epoch": 2.96,
-      "learning_rate": 5e-05,
-      "loss": 0.1815,
-      "step": 1667
-    },
-    {
-      "epoch": 2.97,
-      "learning_rate": 5e-05,
-      "loss": 0.1326,
-      "step": 1668
-    },
-    {
-      "epoch": 2.97,
-      "learning_rate": 5e-05,
-      "loss": 0.1619,
-      "step": 1669
-    },
-    {
-      "epoch": 2.97,
-      "learning_rate": 5e-05,
-      "loss": 0.2898,
-      "step": 1670
-    },
-    {
-      "epoch": 2.97,
-      "learning_rate": 5e-05,
-      "loss": 0.2554,
-      "step": 1671
-    },
-    {
-      "epoch": 2.97,
-      "learning_rate": 5e-05,
-      "loss": 0.2147,
-      "step": 1672
-    },
-    {
-      "epoch": 2.97,
-      "learning_rate": 5e-05,
-      "loss": 0.2424,
-      "step": 1673
-    },
-    {
-      "epoch": 2.98,
-      "learning_rate": 5e-05,
-      "loss": 0.2722,
-      "step": 1674
-    },
-    {
-      "epoch": 2.98,
-      "learning_rate": 5e-05,
-      "loss": 0.2437,
-      "step": 1675
-    },
-    {
-      "epoch": 2.98,
-      "learning_rate": 5e-05,
-      "loss": 0.2344,
-      "step": 1676
-    },
-    {
-      "epoch": 2.98,
-      "learning_rate": 5e-05,
-      "loss": 0.172,
-      "step": 1677
-    },
-    {
-      "epoch": 2.98,
-      "learning_rate": 5e-05,
-      "loss": 0.2163,
-      "step": 1678
-    },
-    {
-      "epoch": 2.98,
-      "learning_rate": 5e-05,
-      "loss": 0.2555,
-      "step": 1679
-    },
-    {
-      "epoch": 2.99,
-      "learning_rate": 5e-05,
-      "loss": 0.1765,
-      "step": 1680
-    },
-    {
-      "epoch": 2.99,
-      "learning_rate": 5e-05,
-      "loss": 0.2476,
-      "step": 1681
-    },
-    {
-      "epoch": 2.99,
-      "learning_rate": 5e-05,
-      "loss": 0.2815,
-      "step": 1682
-    },
-    {
-      "epoch": 2.99,
-      "learning_rate": 5e-05,
-      "loss": 0.2935,
-      "step": 1683
-    },
-    {
-      "epoch": 2.99,
-      "learning_rate": 5e-05,
-      "loss": 0.2576,
-      "step": 1684
-    },
-    {
-      "epoch": 3.0,
-      "learning_rate": 5e-05,
-      "loss": 0.1968,
-      "step": 1685
-    },
-    {
-      "epoch": 3.0,
-      "learning_rate": 5e-05,
-      "loss": 0.3438,
-      "step": 1686
-    },
-    {
-      "epoch": 3.0,
-      "learning_rate": 5e-05,
-      "loss": 0.2065,
-      "step": 1687
-    },
-    {
-      "epoch": 3.0,
-      "eval_loss": 0.22996826469898224,
-      "eval_runtime": 118.5591,
-      "eval_samples_per_second": 2.53,
-      "eval_steps_per_second": 0.633,
-      "step": 1687
-    },
-    {
-      "epoch": 3.0,
-      "learning_rate": 5e-05,
-      "loss": 0.2205,
-      "step": 1688
-    },
-    {
-      "epoch": 3.0,
-      "learning_rate": 5e-05,
-      "loss": 0.2266,
-      "step": 1689
-    },
-    {
-      "epoch": 3.0,
-      "learning_rate": 5e-05,
-      "loss": 0.2649,
-      "step": 1690
-    },
-    {
-      "epoch": 3.01,
-      "learning_rate": 5e-05,
-      "loss": 0.1531,
-      "step": 1691
-    },
-    {
-      "epoch": 3.01,
-      "learning_rate": 5e-05,
-      "loss": 0.146,
-      "step": 1692
-    },
-    {
-      "epoch": 3.01,
-      "learning_rate": 5e-05,
-      "loss": 0.2344,
-      "step": 1693
-    },
-    {
-      "epoch": 3.01,
-      "learning_rate": 5e-05,
-      "loss": 0.2935,
-      "step": 1694
-    },
-    {
-      "epoch": 3.01,
-      "learning_rate": 5e-05,
-      "loss": 0.2887,
-      "step": 1695
-    },
-    {
-      "epoch": 3.02,
-      "learning_rate": 5e-05,
-      "loss": 0.3352,
-      "step": 1696
-    },
-    {
-      "epoch": 3.02,
-      "learning_rate": 5e-05,
-      "loss": 0.1514,
-      "step": 1697
-    },
-    {
-      "epoch": 3.02,
-      "learning_rate": 5e-05,
-      "loss": 0.196,
-      "step": 1698
-    },
-    {
-      "epoch": 3.02,
-      "learning_rate": 5e-05,
-      "loss": 0.1816,
-      "step": 1699
-    },
-    {
-      "epoch": 3.02,
-      "learning_rate": 5e-05,
-      "loss": 0.2502,
-      "step": 1700
-    },
-    {
-      "epoch": 3.02,
-      "learning_rate": 5e-05,
-      "loss": 0.2825,
-      "step": 1701
-    },
-    {
-      "epoch": 3.03,
-      "learning_rate": 5e-05,
-      "loss": 0.2666,
-      "step": 1702
-    },
-    {
-      "epoch": 3.03,
-      "learning_rate": 5e-05,
-      "loss": 0.197,
-      "step": 1703
-    },
-    {
-      "epoch": 3.03,
-      "learning_rate": 5e-05,
-      "loss": 0.2356,
-      "step": 1704
-    },
-    {
-      "epoch": 3.03,
-      "learning_rate": 5e-05,
-      "loss": 0.3115,
-      "step": 1705
-    },
-    {
-      "epoch": 3.03,
-      "learning_rate": 5e-05,
-      "loss": 0.2615,
-      "step": 1706
-    },
-    {
-      "epoch": 3.03,
-      "learning_rate": 5e-05,
-      "loss": 0.2029,
-      "step": 1707
-    },
-    {
-      "epoch": 3.04,
-      "learning_rate": 5e-05,
-      "loss": 0.2717,
-      "step": 1708
-    },
-    {
-      "epoch": 3.04,
-      "learning_rate": 5e-05,
-      "loss": 0.2566,
-      "step": 1709
-    },
-    {
-      "epoch": 3.04,
-      "learning_rate": 5e-05,
-      "loss": 0.2029,
-      "step": 1710
-    },
-    {
-      "epoch": 3.04,
-      "learning_rate": 5e-05,
-      "loss": 0.2903,
-      "step": 1711
-    },
-    {
-      "epoch": 3.04,
-      "learning_rate": 5e-05,
-      "loss": 0.2803,
-      "step": 1712
-    },
-    {
-      "epoch": 3.05,
-      "learning_rate": 5e-05,
-      "loss": 0.2363,
-      "step": 1713
-    },
-    {
-      "epoch": 3.05,
-      "learning_rate": 5e-05,
-      "loss": 0.2366,
-      "step": 1714
-    },
-    {
-      "epoch": 3.05,
-      "learning_rate": 5e-05,
-      "loss": 0.2385,
-      "step": 1715
-    },
-    {
-      "epoch": 3.05,
-      "learning_rate": 5e-05,
-      "loss": 0.1902,
-      "step": 1716
-    },
-    {
-      "epoch": 3.05,
-      "learning_rate": 5e-05,
-      "loss": 0.2263,
-      "step": 1717
-    },
-    {
-      "epoch": 3.05,
-      "learning_rate": 5e-05,
-      "loss": 0.2305,
-      "step": 1718
-    },
-    {
-      "epoch": 3.06,
-      "learning_rate": 5e-05,
-      "loss": 0.2415,
-      "step": 1719
-    },
-    {
-      "epoch": 3.06,
-      "learning_rate": 5e-05,
-      "loss": 0.1956,
-      "step": 1720
-    },
-    {
-      "epoch": 3.06,
-      "learning_rate": 5e-05,
-      "loss": 0.2126,
-      "step": 1721
-    },
-    {
-      "epoch": 3.06,
-      "learning_rate": 5e-05,
-      "loss": 0.2299,
-      "step": 1722
-    },
-    {
-      "epoch": 3.06,
-      "learning_rate": 5e-05,
-      "loss": 0.2324,
-      "step": 1723
-    },
-    {
-      "epoch": 3.06,
-      "learning_rate": 5e-05,
-      "loss": 0.1958,
-      "step": 1724
-    },
-    {
-      "epoch": 3.07,
-      "learning_rate": 5e-05,
-      "loss": 0.2297,
-      "step": 1725
-    },
-    {
-      "epoch": 3.07,
-      "learning_rate": 5e-05,
-      "loss": 0.2034,
-      "step": 1726
-    },
-    {
-      "epoch": 3.07,
-      "learning_rate": 5e-05,
-      "loss": 0.2522,
-      "step": 1727
-    },
-    {
-      "epoch": 3.07,
-      "learning_rate": 5e-05,
-      "loss": 0.2969,
-      "step": 1728
-    },
-    {
-      "epoch": 3.07,
-      "learning_rate": 5e-05,
-      "loss": 0.2167,
-      "step": 1729
-    },
-    {
-      "epoch": 3.08,
-      "learning_rate": 5e-05,
-      "loss": 0.2537,
-      "step": 1730
-    },
-    {
-      "epoch": 3.08,
-      "learning_rate": 5e-05,
-      "loss": 0.22,
-      "step": 1731
-    },
-    {
-      "epoch": 3.08,
-      "learning_rate": 5e-05,
-      "loss": 0.1567,
-      "step": 1732
-    },
-    {
-      "epoch": 3.08,
-      "learning_rate": 5e-05,
-      "loss": 0.2407,
-      "step": 1733
-    },
-    {
-      "epoch": 3.08,
-      "learning_rate": 5e-05,
-      "loss": 0.1805,
-      "step": 1734
-    },
-    {
-      "epoch": 3.08,
-      "learning_rate": 5e-05,
-      "loss": 0.1775,
-      "step": 1735
-    },
-    {
-      "epoch": 3.09,
-      "learning_rate": 5e-05,
-      "loss": 0.2004,
-      "step": 1736
-    },
-    {
-      "epoch": 3.09,
-      "learning_rate": 5e-05,
-      "loss": 0.2229,
-      "step": 1737
-    },
-    {
-      "epoch": 3.09,
-      "learning_rate": 5e-05,
-      "loss": 0.2029,
-      "step": 1738
-    },
-    {
-      "epoch": 3.09,
-      "learning_rate": 5e-05,
-      "loss": 0.2712,
-      "step": 1739
-    },
-    {
-      "epoch": 3.09,
-      "learning_rate": 5e-05,
-      "loss": 0.2336,
-      "step": 1740
-    },
-    {
-      "epoch": 3.1,
-      "learning_rate": 5e-05,
-      "loss": 0.304,
-      "step": 1741
-    },
-    {
-      "epoch": 3.1,
-      "learning_rate": 5e-05,
-      "loss": 0.1453,
-      "step": 1742
-    },
-    {
-      "epoch": 3.1,
-      "learning_rate": 5e-05,
-      "loss": 0.2058,
-      "step": 1743
-    },
-    {
-      "epoch": 3.1,
-      "learning_rate": 5e-05,
-      "loss": 0.2065,
-      "step": 1744
-    },
-    {
-      "epoch": 3.1,
-      "learning_rate": 5e-05,
-      "loss": 0.2534,
-      "step": 1745
-    },
-    {
-      "epoch": 3.1,
-      "learning_rate": 5e-05,
-      "loss": 0.2031,
-      "step": 1746
-    },
-    {
-      "epoch": 3.11,
-      "learning_rate": 5e-05,
-      "loss": 0.199,
-      "step": 1747
-    },
-    {
-      "epoch": 3.11,
-      "learning_rate": 5e-05,
-      "loss": 0.2249,
-      "step": 1748
-    },
-    {
-      "epoch": 3.11,
-      "learning_rate": 5e-05,
-      "loss": 0.1797,
-      "step": 1749
-    },
-    {
-      "epoch": 3.11,
-      "learning_rate": 5e-05,
-      "loss": 0.2236,
-      "step": 1750
-    },
-    {
-      "epoch": 3.11,
-      "learning_rate": 5e-05,
-      "loss": 0.196,
-      "step": 1751
-    },
-    {
-      "epoch": 3.11,
-      "learning_rate": 5e-05,
-      "loss": 0.1738,
-      "step": 1752
-    },
-    {
-      "epoch": 3.12,
-      "learning_rate": 5e-05,
-      "loss": 0.1853,
-      "step": 1753
-    },
-    {
-      "epoch": 3.12,
-      "learning_rate": 5e-05,
-      "loss": 0.1926,
-      "step": 1754
-    },
-    {
-      "epoch": 3.12,
-      "learning_rate": 5e-05,
-      "loss": 0.2458,
-      "step": 1755
-    },
-    {
-      "epoch": 3.12,
-      "learning_rate": 5e-05,
-      "loss": 0.1412,
-      "step": 1756
-    },
-    {
-      "epoch": 3.12,
-      "learning_rate": 5e-05,
-      "loss": 0.2705,
-      "step": 1757
-    },
-    {
-      "epoch": 3.13,
-      "learning_rate": 5e-05,
-      "loss": 0.2288,
-      "step": 1758
-    },
-    {
-      "epoch": 3.13,
-      "learning_rate": 5e-05,
-      "loss": 0.2476,
-      "step": 1759
-    },
-    {
-      "epoch": 3.13,
-      "learning_rate": 5e-05,
-      "loss": 0.2239,
-      "step": 1760
-    },
-    {
-      "epoch": 3.13,
-      "learning_rate": 5e-05,
-      "loss": 0.1721,
-      "step": 1761
-    },
-    {
-      "epoch": 3.13,
-      "learning_rate": 5e-05,
-      "loss": 0.2527,
-      "step": 1762
-    },
-    {
-      "epoch": 3.13,
-      "learning_rate": 5e-05,
-      "loss": 0.2361,
-      "step": 1763
-    },
-    {
-      "epoch": 3.14,
-      "learning_rate": 5e-05,
-      "loss": 0.3032,
-      "step": 1764
-    },
-    {
-      "epoch": 3.14,
-      "learning_rate": 5e-05,
-      "loss": 0.2256,
-      "step": 1765
-    },
-    {
-      "epoch": 3.14,
-      "learning_rate": 5e-05,
-      "loss": 0.1885,
-      "step": 1766
-    },
-    {
-      "epoch": 3.14,
-      "learning_rate": 5e-05,
-      "loss": 0.271,
-      "step": 1767
-    },
-    {
-      "epoch": 3.14,
-      "learning_rate": 5e-05,
-      "loss": 0.2788,
-      "step": 1768
-    },
-    {
-      "epoch": 3.14,
-      "learning_rate": 5e-05,
-      "loss": 0.1837,
-      "step": 1769
-    },
-    {
-      "epoch": 3.15,
-      "learning_rate": 5e-05,
-      "loss": 0.2393,
-      "step": 1770
-    },
-    {
-      "epoch": 3.15,
-      "learning_rate": 5e-05,
-      "loss": 0.2195,
-      "step": 1771
-    },
-    {
-      "epoch": 3.15,
-      "learning_rate": 5e-05,
-      "loss": 0.2805,
-      "step": 1772
-    },
-    {
-      "epoch": 3.15,
-      "learning_rate": 5e-05,
-      "loss": 0.2771,
-      "step": 1773
-    },
-    {
-      "epoch": 3.15,
-      "learning_rate": 5e-05,
-      "loss": 0.2922,
-      "step": 1774
-    },
-    {
-      "epoch": 3.16,
-      "learning_rate": 5e-05,
-      "loss": 0.2261,
-      "step": 1775
-    },
-    {
-      "epoch": 3.16,
-      "learning_rate": 5e-05,
-      "loss": 0.1963,
-      "step": 1776
-    },
-    {
-      "epoch": 3.16,
-      "learning_rate": 5e-05,
-      "loss": 0.3347,
-      "step": 1777
-    },
-    {
-      "epoch": 3.16,
-      "learning_rate": 5e-05,
-      "loss": 0.1498,
-      "step": 1778
-    },
-    {
-      "epoch": 3.16,
-      "learning_rate": 5e-05,
-      "loss": 0.3308,
-      "step": 1779
-    },
-    {
-      "epoch": 3.16,
-      "learning_rate": 5e-05,
-      "loss": 0.2756,
-      "step": 1780
-    },
-    {
-      "epoch": 3.17,
-      "learning_rate": 5e-05,
-      "loss": 0.2405,
-      "step": 1781
-    },
-    {
-      "epoch": 3.17,
-      "learning_rate": 5e-05,
-      "loss": 0.1858,
-      "step": 1782
-    },
-    {
-      "epoch": 3.17,
-      "learning_rate": 5e-05,
-      "loss": 0.2083,
-      "step": 1783
-    },
-    {
-      "epoch": 3.17,
-      "learning_rate": 5e-05,
-      "loss": 0.2502,
-      "step": 1784
-    },
-    {
-      "epoch": 3.17,
-      "learning_rate": 5e-05,
-      "loss": 0.1987,
-      "step": 1785
-    },
-    {
-      "epoch": 3.18,
-      "learning_rate": 5e-05,
-      "loss": 0.2417,
-      "step": 1786
-    },
-    {
-      "epoch": 3.18,
-      "learning_rate": 5e-05,
-      "loss": 0.325,
-      "step": 1787
-    },
-    {
-      "epoch": 3.18,
-      "learning_rate": 5e-05,
-      "loss": 0.2646,
-      "step": 1788
-    },
-    {
-      "epoch": 3.18,
-      "learning_rate": 5e-05,
-      "loss": 0.2306,
-      "step": 1789
-    },
-    {
-      "epoch": 3.18,
-      "learning_rate": 5e-05,
-      "loss": 0.2148,
-      "step": 1790
-    },
-    {
-      "epoch": 3.18,
-      "learning_rate": 5e-05,
-      "loss": 0.2319,
-      "step": 1791
-    },
-    {
-      "epoch": 3.19,
-      "learning_rate": 5e-05,
-      "loss": 0.261,
-      "step": 1792
-    },
-    {
-      "epoch": 3.19,
-      "learning_rate": 5e-05,
-      "loss": 0.197,
-      "step": 1793
-    },
-    {
-      "epoch": 3.19,
-      "learning_rate": 5e-05,
-      "loss": 0.2029,
-      "step": 1794
-    },
-    {
-      "epoch": 3.19,
-      "learning_rate": 5e-05,
-      "loss": 0.2966,
-      "step": 1795
-    },
-    {
-      "epoch": 3.19,
-      "learning_rate": 5e-05,
-      "loss": 0.5317,
-      "step": 1796
-    },
-    {
-      "epoch": 3.19,
-      "learning_rate": 5e-05,
-      "loss": 0.1909,
-      "step": 1797
-    },
-    {
-      "epoch": 3.2,
-      "learning_rate": 5e-05,
-      "loss": 0.228,
-      "step": 1798
-    },
-    {
-      "epoch": 3.2,
-      "learning_rate": 5e-05,
-      "loss": 0.1952,
-      "step": 1799
-    },
-    {
-      "epoch": 3.2,
-      "learning_rate": 5e-05,
-      "loss": 0.2327,
-      "step": 1800
-    },
-    {
-      "epoch": 3.2,
-      "learning_rate": 5e-05,
-      "loss": 0.3196,
-      "step": 1801
-    },
-    {
-      "epoch": 3.2,
-      "learning_rate": 5e-05,
-      "loss": 0.6997,
-      "step": 1802
-    },
-    {
-      "epoch": 3.21,
-      "learning_rate": 5e-05,
-      "loss": 0.2319,
-      "step": 1803
-    },
-    {
-      "epoch": 3.21,
-      "learning_rate": 5e-05,
-      "loss": 0.2705,
-      "step": 1804
-    },
-    {
-      "epoch": 3.21,
-      "learning_rate": 5e-05,
-      "loss": 0.2048,
-      "step": 1805
-    },
-    {
-      "epoch": 3.21,
-      "learning_rate": 5e-05,
-      "loss": 0.2057,
-      "step": 1806
-    },
-    {
-      "epoch": 3.21,
-      "learning_rate": 5e-05,
-      "loss": 0.1721,
-      "step": 1807
-    },
-    {
-      "epoch": 3.21,
-      "learning_rate": 5e-05,
-      "loss": 0.2495,
-      "step": 1808
-    },
-    {
-      "epoch": 3.22,
-      "learning_rate": 5e-05,
-      "loss": 0.2178,
-      "step": 1809
-    },
-    {
-      "epoch": 3.22,
-      "learning_rate": 5e-05,
-      "loss": 0.26,
-      "step": 1810
-    },
-    {
-      "epoch": 3.22,
-      "learning_rate": 5e-05,
-      "loss": 0.2275,
-      "step": 1811
-    },
-    {
-      "epoch": 3.22,
-      "learning_rate": 5e-05,
-      "loss": 0.3105,
-      "step": 1812
-    },
-    {
-      "epoch": 3.22,
-      "learning_rate": 5e-05,
-      "loss": 0.2937,
-      "step": 1813
-    },
-    {
-      "epoch": 3.22,
-      "learning_rate": 5e-05,
-      "loss": 0.2729,
-      "step": 1814
-    },
-    {
-      "epoch": 3.23,
-      "learning_rate": 5e-05,
-      "loss": 0.2427,
-      "step": 1815
-    },
-    {
-      "epoch": 3.23,
-      "learning_rate": 5e-05,
-      "loss": 0.1873,
-      "step": 1816
-    },
-    {
-      "epoch": 3.23,
-      "learning_rate": 5e-05,
-      "loss": 0.1567,
-      "step": 1817
-    },
-    {
-      "epoch": 3.23,
-      "learning_rate": 5e-05,
-      "loss": 0.1774,
-      "step": 1818
-    },
-    {
-      "epoch": 3.23,
-      "learning_rate": 5e-05,
-      "loss": 0.2634,
-      "step": 1819
-    },
-    {
-      "epoch": 3.24,
-      "learning_rate": 5e-05,
-      "loss": 0.2228,
-      "step": 1820
-    },
-    {
-      "epoch": 3.24,
-      "learning_rate": 5e-05,
-      "loss": 0.1777,
-      "step": 1821
-    },
-    {
-      "epoch": 3.24,
-      "learning_rate": 5e-05,
-      "loss": 0.2185,
-      "step": 1822
-    },
-    {
-      "epoch": 3.24,
-      "learning_rate": 5e-05,
-      "loss": 0.1564,
-      "step": 1823
-    },
-    {
-      "epoch": 3.24,
-      "learning_rate": 5e-05,
-      "loss": 0.2217,
-      "step": 1824
-    },
-    {
-      "epoch": 3.24,
-      "learning_rate": 5e-05,
-      "loss": 0.2441,
-      "step": 1825
-    },
-    {
-      "epoch": 3.25,
-      "learning_rate": 5e-05,
-      "loss": 0.1925,
-      "step": 1826
-    },
-    {
-      "epoch": 3.25,
-      "learning_rate": 5e-05,
-      "loss": 0.2383,
-      "step": 1827
-    },
-    {
-      "epoch": 3.25,
-      "learning_rate": 5e-05,
-      "loss": 0.2031,
-      "step": 1828
-    },
-    {
-      "epoch": 3.25,
-      "learning_rate": 5e-05,
-      "loss": 0.2615,
-      "step": 1829
-    },
-    {
-      "epoch": 3.25,
-      "learning_rate": 5e-05,
-      "loss": 0.2686,
-      "step": 1830
-    },
-    {
-      "epoch": 3.26,
-      "learning_rate": 5e-05,
-      "loss": 0.1357,
-      "step": 1831
-    },
-    {
-      "epoch": 3.26,
-      "learning_rate": 5e-05,
-      "loss": 0.1887,
-      "step": 1832
-    },
-    {
-      "epoch": 3.26,
-      "learning_rate": 5e-05,
-      "loss": 0.2251,
-      "step": 1833
-    },
-    {
-      "epoch": 3.26,
-      "learning_rate": 5e-05,
-      "loss": 0.2488,
-      "step": 1834
-    },
-    {
-      "epoch": 3.26,
-      "learning_rate": 5e-05,
-      "loss": 0.1707,
-      "step": 1835
-    },
-    {
-      "epoch": 3.26,
-      "learning_rate": 5e-05,
-      "loss": 0.1957,
-      "step": 1836
-    },
-    {
-      "epoch": 3.27,
-      "learning_rate": 5e-05,
-      "loss": 0.2019,
-      "step": 1837
-    },
-    {
-      "epoch": 3.27,
-      "learning_rate": 5e-05,
-      "loss": 0.1809,
-      "step": 1838
-    },
-    {
-      "epoch": 3.27,
-      "learning_rate": 5e-05,
-      "loss": 0.2124,
-      "step": 1839
-    },
-    {
-      "epoch": 3.27,
-      "learning_rate": 5e-05,
-      "loss": 0.238,
-      "step": 1840
-    },
-    {
-      "epoch": 3.27,
-      "learning_rate": 5e-05,
-      "loss": 0.3088,
-      "step": 1841
-    },
-    {
-      "epoch": 3.27,
-      "learning_rate": 5e-05,
-      "loss": 0.2563,
-      "step": 1842
-    },
-    {
-      "epoch": 3.28,
-      "learning_rate": 5e-05,
-      "loss": 0.2937,
-      "step": 1843
-    },
-    {
-      "epoch": 3.28,
-      "learning_rate": 5e-05,
-      "loss": 0.229,
-      "step": 1844
-    },
-    {
-      "epoch": 3.28,
-      "learning_rate": 5e-05,
-      "loss": 0.2,
-      "step": 1845
-    },
-    {
-      "epoch": 3.28,
-      "learning_rate": 5e-05,
-      "loss": 0.1675,
-      "step": 1846
-    },
-    {
-      "epoch": 3.28,
-      "learning_rate": 5e-05,
-      "loss": 0.1759,
-      "step": 1847
-    },
-    {
-      "epoch": 3.29,
-      "learning_rate": 5e-05,
-      "loss": 0.1682,
-      "step": 1848
-    },
-    {
-      "epoch": 3.29,
-      "learning_rate": 5e-05,
-      "loss": 0.2273,
-      "step": 1849
-    },
-    {
-      "epoch": 3.29,
-      "learning_rate": 5e-05,
-      "loss": 0.1971,
-      "step": 1850
-    },
-    {
-      "epoch": 3.29,
-      "learning_rate": 5e-05,
-      "loss": 0.2363,
-      "step": 1851
-    },
-    {
-      "epoch": 3.29,
-      "learning_rate": 5e-05,
-      "loss": 0.2805,
-      "step": 1852
-    },
-    {
-      "epoch": 3.29,
-      "learning_rate": 5e-05,
-      "loss": 0.3372,
-      "step": 1853
-    },
-    {
-      "epoch": 3.3,
-      "learning_rate": 5e-05,
-      "loss": 0.166,
-      "step": 1854
-    },
-    {
-      "epoch": 3.3,
-      "learning_rate": 5e-05,
-      "loss": 0.2778,
-      "step": 1855
-    },
-    {
-      "epoch": 3.3,
-      "learning_rate": 5e-05,
-      "loss": 0.215,
-      "step": 1856
-    },
-    {
-      "epoch": 3.3,
-      "learning_rate": 5e-05,
-      "loss": 0.2495,
-      "step": 1857
-    },
-    {
-      "epoch": 3.3,
-      "learning_rate": 5e-05,
-      "loss": 0.2629,
-      "step": 1858
-    },
-    {
-      "epoch": 3.3,
-      "learning_rate": 5e-05,
-      "loss": 0.2681,
-      "step": 1859
-    },
-    {
-      "epoch": 3.31,
-      "learning_rate": 5e-05,
-      "loss": 0.1851,
-      "step": 1860
-    },
-    {
-      "epoch": 3.31,
-      "learning_rate": 5e-05,
-      "loss": 0.2086,
-      "step": 1861
-    },
-    {
-      "epoch": 3.31,
-      "learning_rate": 5e-05,
-      "loss": 0.2378,
-      "step": 1862
-    },
-    {
-      "epoch": 3.31,
-      "learning_rate": 5e-05,
-      "loss": 0.1849,
-      "step": 1863
-    },
-    {
-      "epoch": 3.31,
-      "learning_rate": 5e-05,
-      "loss": 0.2001,
-      "step": 1864
-    },
-    {
-      "epoch": 3.32,
-      "learning_rate": 5e-05,
-      "loss": 0.3037,
-      "step": 1865
-    },
-    {
-      "epoch": 3.32,
-      "learning_rate": 5e-05,
-      "loss": 0.1829,
-      "step": 1866
-    },
-    {
-      "epoch": 3.32,
-      "learning_rate": 5e-05,
-      "loss": 0.2296,
-      "step": 1867
-    },
-    {
-      "epoch": 3.32,
-      "learning_rate": 5e-05,
-      "loss": 0.2646,
-      "step": 1868
-    },
-    {
-      "epoch": 3.32,
-      "learning_rate": 5e-05,
-      "loss": 0.21,
-      "step": 1869
-    },
-    {
-      "epoch": 3.32,
-      "learning_rate": 5e-05,
-      "loss": 0.1831,
-      "step": 1870
-    },
-    {
-      "epoch": 3.33,
-      "learning_rate": 5e-05,
-      "loss": 0.3352,
-      "step": 1871
-    },
-    {
-      "epoch": 3.33,
-      "learning_rate": 5e-05,
-      "loss": 0.2993,
-      "step": 1872
-    },
-    {
-      "epoch": 3.33,
-      "learning_rate": 5e-05,
-      "loss": 0.1306,
-      "step": 1873
-    },
-    {
-      "epoch": 3.33,
-      "learning_rate": 5e-05,
-      "loss": 0.2358,
-      "step": 1874
-    },
-    {
-      "epoch": 3.33,
-      "learning_rate": 5e-05,
-      "loss": 0.2456,
-      "step": 1875
-    },
-    {
-      "epoch": 3.34,
-      "learning_rate": 5e-05,
-      "loss": 0.272,
-      "step": 1876
-    },
-    {
-      "epoch": 3.34,
-      "learning_rate": 5e-05,
-      "loss": 0.2136,
-      "step": 1877
-    },
-    {
-      "epoch": 3.34,
-      "learning_rate": 5e-05,
-      "loss": 0.2334,
-      "step": 1878
-    },
-    {
-      "epoch": 3.34,
-      "learning_rate": 5e-05,
-      "loss": 0.2319,
-      "step": 1879
-    },
-    {
-      "epoch": 3.34,
-      "learning_rate": 5e-05,
-      "loss": 0.1572,
-      "step": 1880
-    },
-    {
-      "epoch": 3.34,
-      "learning_rate": 5e-05,
-      "loss": 0.2726,
-      "step": 1881
-    },
-    {
-      "epoch": 3.35,
-      "learning_rate": 5e-05,
-      "loss": 0.2336,
-      "step": 1882
-    },
-    {
-      "epoch": 3.35,
-      "learning_rate": 5e-05,
-      "loss": 0.226,
-      "step": 1883
-    },
-    {
-      "epoch": 3.35,
-      "learning_rate": 5e-05,
-      "loss": 0.2368,
-      "step": 1884
-    },
-    {
-      "epoch": 3.35,
-      "learning_rate": 5e-05,
-      "loss": 0.2129,
-      "step": 1885
-    },
-    {
-      "epoch": 3.35,
-      "learning_rate": 5e-05,
-      "loss": 0.3213,
-      "step": 1886
-    },
-    {
-      "epoch": 3.35,
-      "learning_rate": 5e-05,
-      "loss": 0.179,
-      "step": 1887
-    },
-    {
-      "epoch": 3.36,
-      "learning_rate": 5e-05,
-      "loss": 0.1337,
-      "step": 1888
-    },
-    {
-      "epoch": 3.36,
-      "learning_rate": 5e-05,
-      "loss": 0.2375,
-      "step": 1889
-    },
-    {
-      "epoch": 3.36,
-      "learning_rate": 5e-05,
-      "loss": 0.1455,
-      "step": 1890
-    },
-    {
-      "epoch": 3.36,
-      "learning_rate": 5e-05,
-      "loss": 0.2849,
-      "step": 1891
-    },
-    {
-      "epoch": 3.36,
-      "learning_rate": 5e-05,
-      "loss": 0.2495,
-      "step": 1892
-    },
-    {
-      "epoch": 3.37,
-      "learning_rate": 5e-05,
-      "loss": 0.241,
-      "step": 1893
-    },
-    {
-      "epoch": 3.37,
-      "learning_rate": 5e-05,
-      "loss": 0.272,
-      "step": 1894
-    },
-    {
-      "epoch": 3.37,
-      "learning_rate": 5e-05,
-      "loss": 0.249,
-      "step": 1895
-    },
-    {
-      "epoch": 3.37,
-      "learning_rate": 5e-05,
-      "loss": 0.1494,
-      "step": 1896
-    },
-    {
-      "epoch": 3.37,
-      "learning_rate": 5e-05,
-      "loss": 0.191,
-      "step": 1897
-    },
-    {
-      "epoch": 3.37,
-      "learning_rate": 5e-05,
-      "loss": 0.2131,
-      "step": 1898
-    },
-    {
-      "epoch": 3.38,
-      "learning_rate": 5e-05,
-      "loss": 0.1887,
-      "step": 1899
-    },
-    {
-      "epoch": 3.38,
-      "learning_rate": 5e-05,
-      "loss": 0.2004,
-      "step": 1900
-    },
-    {
-      "epoch": 3.38,
-      "learning_rate": 5e-05,
-      "loss": 0.2239,
-      "step": 1901
-    },
-    {
-      "epoch": 3.38,
-      "learning_rate": 5e-05,
-      "loss": 0.343,
-      "step": 1902
-    },
-    {
-      "epoch": 3.38,
-      "learning_rate": 5e-05,
-      "loss": 0.2542,
-      "step": 1903
-    },
-    {
-      "epoch": 3.38,
-      "learning_rate": 5e-05,
-      "loss": 0.2512,
-      "step": 1904
-    },
-    {
-      "epoch": 3.39,
-      "learning_rate": 5e-05,
-      "loss": 0.1362,
-      "step": 1905
-    },
-    {
-      "epoch": 3.39,
-      "learning_rate": 5e-05,
-      "loss": 0.219,
-      "step": 1906
-    },
-    {
-      "epoch": 3.39,
-      "learning_rate": 5e-05,
-      "loss": 0.2664,
-      "step": 1907
-    },
-    {
-      "epoch": 3.39,
-      "learning_rate": 5e-05,
-      "loss": 0.2197,
-      "step": 1908
-    },
-    {
-      "epoch": 3.39,
-      "learning_rate": 5e-05,
-      "loss": 0.2727,
-      "step": 1909
-    },
-    {
-      "epoch": 3.4,
-      "learning_rate": 5e-05,
-      "loss": 0.3154,
-      "step": 1910
-    },
-    {
-      "epoch": 3.4,
-      "learning_rate": 5e-05,
-      "loss": 0.2644,
-      "step": 1911
-    },
-    {
-      "epoch": 3.4,
-      "learning_rate": 5e-05,
-      "loss": 0.1865,
-      "step": 1912
-    },
-    {
-      "epoch": 3.4,
-      "learning_rate": 5e-05,
-      "loss": 0.1949,
-      "step": 1913
-    },
-    {
-      "epoch": 3.4,
-      "learning_rate": 5e-05,
-      "loss": 0.2,
-      "step": 1914
-    },
-    {
-      "epoch": 3.4,
-      "learning_rate": 5e-05,
-      "loss": 0.2371,
-      "step": 1915
-    },
-    {
-      "epoch": 3.41,
-      "learning_rate": 5e-05,
-      "loss": 0.1798,
-      "step": 1916
-    },
-    {
-      "epoch": 3.41,
-      "learning_rate": 5e-05,
-      "loss": 0.2236,
-      "step": 1917
-    },
-    {
-      "epoch": 3.41,
-      "learning_rate": 5e-05,
-      "loss": 0.2113,
-      "step": 1918
-    },
-    {
-      "epoch": 3.41,
-      "learning_rate": 5e-05,
-      "loss": 0.197,
-      "step": 1919
-    },
-    {
-      "epoch": 3.41,
-      "learning_rate": 5e-05,
-      "loss": 0.1538,
-      "step": 1920
-    },
-    {
-      "epoch": 3.42,
-      "learning_rate": 5e-05,
-      "loss": 0.2095,
-      "step": 1921
-    },
-    {
-      "epoch": 3.42,
-      "learning_rate": 5e-05,
-      "loss": 0.2344,
-      "step": 1922
-    },
-    {
-      "epoch": 3.42,
-      "learning_rate": 5e-05,
-      "loss": 0.2485,
-      "step": 1923
-    },
-    {
-      "epoch": 3.42,
-      "learning_rate": 5e-05,
-      "loss": 0.1633,
-      "step": 1924
-    },
-    {
-      "epoch": 3.42,
-      "learning_rate": 5e-05,
-      "loss": 0.2698,
-      "step": 1925
-    },
-    {
-      "epoch": 3.42,
-      "learning_rate": 5e-05,
-      "loss": 0.2666,
-      "step": 1926
-    },
-    {
-      "epoch": 3.43,
-      "learning_rate": 5e-05,
-      "loss": 0.269,
-      "step": 1927
-    },
-    {
-      "epoch": 3.43,
-      "learning_rate": 5e-05,
-      "loss": 0.26,
-      "step": 1928
-    },
-    {
-      "epoch": 3.43,
-      "learning_rate": 5e-05,
-      "loss": 0.2415,
-      "step": 1929
-    },
-    {
-      "epoch": 3.43,
-      "learning_rate": 5e-05,
-      "loss": 0.1685,
-      "step": 1930
-    },
-    {
-      "epoch": 3.43,
-      "learning_rate": 5e-05,
-      "loss": 0.2288,
-      "step": 1931
-    },
-    {
-      "epoch": 3.43,
-      "learning_rate": 5e-05,
-      "loss": 0.2185,
-      "step": 1932
-    },
-    {
-      "epoch": 3.44,
-      "learning_rate": 5e-05,
-      "loss": 0.2439,
-      "step": 1933
-    },
-    {
-      "epoch": 3.44,
-      "learning_rate": 5e-05,
-      "loss": 0.2498,
-      "step": 1934
-    },
-    {
-      "epoch": 3.44,
-      "learning_rate": 5e-05,
-      "loss": 0.3018,
-      "step": 1935
-    },
-    {
-      "epoch": 3.44,
-      "learning_rate": 5e-05,
-      "loss": 0.2393,
-      "step": 1936
-    },
-    {
-      "epoch": 3.44,
-      "learning_rate": 5e-05,
-      "loss": 0.1892,
-      "step": 1937
-    },
-    {
-      "epoch": 3.45,
-      "learning_rate": 5e-05,
-      "loss": 0.2003,
-      "step": 1938
-    },
-    {
-      "epoch": 3.45,
-      "learning_rate": 5e-05,
-      "loss": 0.25,
-      "step": 1939
-    },
-    {
-      "epoch": 3.45,
-      "learning_rate": 5e-05,
-      "loss": 0.2688,
-      "step": 1940
-    },
-    {
-      "epoch": 3.45,
-      "learning_rate": 5e-05,
-      "loss": 0.1429,
-      "step": 1941
-    },
-    {
-      "epoch": 3.45,
-      "learning_rate": 5e-05,
-      "loss": 0.1934,
-      "step": 1942
-    },
-    {
-      "epoch": 3.45,
-      "learning_rate": 5e-05,
-      "loss": 0.2009,
-      "step": 1943
-    },
-    {
-      "epoch": 3.46,
-      "learning_rate": 5e-05,
-      "loss": 0.1649,
-      "step": 1944
-    },
-    {
-      "epoch": 3.46,
-      "learning_rate": 5e-05,
-      "loss": 0.365,
-      "step": 1945
-    },
-    {
-      "epoch": 3.46,
-      "learning_rate": 5e-05,
-      "loss": 0.1812,
-      "step": 1946
-    },
-    {
-      "epoch": 3.46,
-      "learning_rate": 5e-05,
-      "loss": 0.1819,
-      "step": 1947
-    },
-    {
-      "epoch": 3.46,
-      "learning_rate": 5e-05,
-      "loss": 0.2627,
-      "step": 1948
-    },
-    {
-      "epoch": 3.46,
-      "learning_rate": 5e-05,
-      "loss": 0.2561,
-      "step": 1949
-    },
-    {
-      "epoch": 3.47,
-      "learning_rate": 5e-05,
-      "loss": 0.2615,
-      "step": 1950
-    },
-    {
-      "epoch": 3.47,
-      "learning_rate": 5e-05,
-      "loss": 0.2659,
-      "step": 1951
-    },
-    {
-      "epoch": 3.47,
-      "learning_rate": 5e-05,
-      "loss": 0.2596,
-      "step": 1952
-    },
-    {
-      "epoch": 3.47,
-      "learning_rate": 5e-05,
-      "loss": 0.1823,
-      "step": 1953
-    },
-    {
-      "epoch": 3.47,
-      "learning_rate": 5e-05,
-      "loss": 0.2349,
-      "step": 1954
-    },
-    {
-      "epoch": 3.48,
-      "learning_rate": 5e-05,
-      "loss": 0.1897,
-      "step": 1955
-    },
-    {
-      "epoch": 3.48,
-      "learning_rate": 5e-05,
-      "loss": 0.2029,
-      "step": 1956
-    },
-    {
-      "epoch": 3.48,
-      "learning_rate": 5e-05,
-      "loss": 0.1729,
-      "step": 1957
-    },
-    {
-      "epoch": 3.48,
-      "learning_rate": 5e-05,
-      "loss": 0.3042,
-      "step": 1958
-    },
-    {
-      "epoch": 3.48,
-      "learning_rate": 5e-05,
-      "loss": 0.2114,
-      "step": 1959
-    },
-    {
-      "epoch": 3.48,
-      "learning_rate": 5e-05,
-      "loss": 0.2234,
-      "step": 1960
-    },
-    {
-      "epoch": 3.49,
-      "learning_rate": 5e-05,
-      "loss": 0.3062,
-      "step": 1961
-    },
-    {
-      "epoch": 3.49,
-      "learning_rate": 5e-05,
-      "loss": 0.2041,
-      "step": 1962
-    },
-    {
-      "epoch": 3.49,
-      "learning_rate": 5e-05,
-      "loss": 0.1473,
-      "step": 1963
-    },
-    {
-      "epoch": 3.49,
-      "learning_rate": 5e-05,
-      "loss": 0.241,
-      "step": 1964
-    },
-    {
-      "epoch": 3.49,
-      "learning_rate": 5e-05,
-      "loss": 0.2979,
-      "step": 1965
-    },
-    {
-      "epoch": 3.5,
-      "learning_rate": 5e-05,
-      "loss": 0.2321,
-      "step": 1966
-    },
-    {
-      "epoch": 3.5,
-      "learning_rate": 5e-05,
-      "loss": 0.2151,
-      "step": 1967
-    },
-    {
-      "epoch": 3.5,
-      "learning_rate": 5e-05,
-      "loss": 0.1527,
-      "step": 1968
-    },
-    {
-      "epoch": 3.5,
-      "learning_rate": 5e-05,
-      "loss": 0.2451,
-      "step": 1969
-    },
-    {
-      "epoch": 3.5,
-      "learning_rate": 5e-05,
-      "loss": 0.1779,
-      "step": 1970
-    },
-    {
-      "epoch": 3.5,
-      "learning_rate": 5e-05,
-      "loss": 0.2,
-      "step": 1971
-    },
-    {
-      "epoch": 3.51,
-      "learning_rate": 5e-05,
-      "loss": 0.2092,
-      "step": 1972
-    },
-    {
-      "epoch": 3.51,
-      "learning_rate": 5e-05,
-      "loss": 0.2825,
-      "step": 1973
-    },
-    {
-      "epoch": 3.51,
-      "learning_rate": 5e-05,
-      "loss": 0.2708,
-      "step": 1974
-    },
-    {
-      "epoch": 3.51,
-      "learning_rate": 5e-05,
-      "loss": 0.2271,
-      "step": 1975
-    },
-    {
-      "epoch": 3.51,
-      "learning_rate": 5e-05,
-      "loss": 0.2612,
-      "step": 1976
-    },
-    {
-      "epoch": 3.51,
-      "learning_rate": 5e-05,
-      "loss": 0.262,
-      "step": 1977
-    },
-    {
-      "epoch": 3.52,
-      "learning_rate": 5e-05,
-      "loss": 0.2766,
-      "step": 1978
-    },
-    {
-      "epoch": 3.52,
-      "learning_rate": 5e-05,
-      "loss": 0.3552,
-      "step": 1979
-    },
-    {
-      "epoch": 3.52,
-      "learning_rate": 5e-05,
-      "loss": 0.207,
-      "step": 1980
-    },
-    {
-      "epoch": 3.52,
-      "learning_rate": 5e-05,
-      "loss": 0.2114,
-      "step": 1981
-    },
-    {
-      "epoch": 3.52,
-      "learning_rate": 5e-05,
-      "loss": 0.2317,
-      "step": 1982
-    },
-    {
-      "epoch": 3.53,
-      "learning_rate": 5e-05,
-      "loss": 0.1934,
-      "step": 1983
-    },
-    {
-      "epoch": 3.53,
-      "learning_rate": 5e-05,
-      "loss": 0.1771,
-      "step": 1984
-    },
-    {
-      "epoch": 3.53,
-      "learning_rate": 5e-05,
-      "loss": 0.2075,
-      "step": 1985
-    },
-    {
-      "epoch": 3.53,
-      "learning_rate": 5e-05,
-      "loss": 0.3228,
-      "step": 1986
-    },
-    {
-      "epoch": 3.53,
-      "learning_rate": 5e-05,
-      "loss": 0.1948,
-      "step": 1987
-    },
-    {
-      "epoch": 3.53,
-      "learning_rate": 5e-05,
-      "loss": 0.1973,
-      "step": 1988
-    },
-    {
-      "epoch": 3.54,
-      "learning_rate": 5e-05,
-      "loss": 0.1858,
-      "step": 1989
-    },
-    {
-      "epoch": 3.54,
-      "learning_rate": 5e-05,
-      "loss": 0.2236,
-      "step": 1990
-    },
-    {
-      "epoch": 3.54,
-      "learning_rate": 5e-05,
-      "loss": 0.2087,
-      "step": 1991
-    },
-    {
-      "epoch": 3.54,
-      "learning_rate": 5e-05,
-      "loss": 0.1704,
-      "step": 1992
-    },
-    {
-      "epoch": 3.54,
-      "learning_rate": 5e-05,
-      "loss": 0.2866,
-      "step": 1993
-    },
-    {
-      "epoch": 3.54,
-      "learning_rate": 5e-05,
-      "loss": 0.209,
-      "step": 1994
-    },
-    {
-      "epoch": 3.55,
-      "learning_rate": 5e-05,
-      "loss": 0.2434,
-      "step": 1995
-    },
-    {
-      "epoch": 3.55,
-      "learning_rate": 5e-05,
-      "loss": 0.2351,
-      "step": 1996
-    },
-    {
-      "epoch": 3.55,
-      "learning_rate": 5e-05,
-      "loss": 0.2219,
-      "step": 1997
-    },
-    {
-      "epoch": 3.55,
-      "learning_rate": 5e-05,
-      "loss": 0.1953,
-      "step": 1998
-    },
-    {
-      "epoch": 3.55,
-      "learning_rate": 5e-05,
-      "loss": 0.1956,
-      "step": 1999
-    },
-    {
-      "epoch": 3.56,
-      "learning_rate": 5e-05,
-      "loss": 0.2981,
-      "step": 2000
-    },
-    {
-      "epoch": 3.56,
-      "learning_rate": 5e-05,
-      "loss": 0.24,
-      "step": 2001
-    },
-    {
-      "epoch": 3.56,
-      "learning_rate": 5e-05,
-      "loss": 0.252,
-      "step": 2002
-    },
-    {
-      "epoch": 3.56,
-      "learning_rate": 5e-05,
-      "loss": 0.2588,
-      "step": 2003
-    },
-    {
-      "epoch": 3.56,
-      "learning_rate": 5e-05,
-      "loss": 0.1719,
-      "step": 2004
-    },
-    {
-      "epoch": 3.56,
-      "learning_rate": 5e-05,
-      "loss": 0.2207,
-      "step": 2005
-    },
-    {
-      "epoch": 3.57,
-      "learning_rate": 5e-05,
-      "loss": 0.1918,
-      "step": 2006
-    },
-    {
-      "epoch": 3.57,
-      "learning_rate": 5e-05,
-      "loss": 0.2291,
-      "step": 2007
-    },
-    {
-      "epoch": 3.57,
-      "learning_rate": 5e-05,
-      "loss": 0.2576,
-      "step": 2008
-    },
-    {
-      "epoch": 3.57,
-      "learning_rate": 5e-05,
-      "loss": 0.2441,
-      "step": 2009
-    },
-    {
-      "epoch": 3.57,
-      "learning_rate": 5e-05,
-      "loss": 0.2158,
-      "step": 2010
-    },
-    {
-      "epoch": 3.58,
-      "learning_rate": 5e-05,
-      "loss": 0.2866,
-      "step": 2011
-    },
-    {
-      "epoch": 3.58,
-      "learning_rate": 5e-05,
-      "loss": 0.1753,
-      "step": 2012
-    },
-    {
-      "epoch": 3.58,
-      "learning_rate": 5e-05,
-      "loss": 0.2529,
-      "step": 2013
-    },
-    {
-      "epoch": 3.58,
-      "learning_rate": 5e-05,
-      "loss": 0.1714,
-      "step": 2014
-    },
-    {
-      "epoch": 3.58,
-      "learning_rate": 5e-05,
-      "loss": 0.2485,
-      "step": 2015
-    },
-    {
-      "epoch": 3.58,
-      "learning_rate": 5e-05,
-      "loss": 0.2275,
-      "step": 2016
-    },
-    {
-      "epoch": 3.59,
-      "learning_rate": 5e-05,
-      "loss": 0.189,
-      "step": 2017
-    },
-    {
-      "epoch": 3.59,
-      "learning_rate": 5e-05,
-      "loss": 0.1897,
-      "step": 2018
-    },
-    {
-      "epoch": 3.59,
-      "learning_rate": 5e-05,
-      "loss": 0.2092,
-      "step": 2019
-    },
-    {
-      "epoch": 3.59,
-      "learning_rate": 5e-05,
-      "loss": 0.2125,
-      "step": 2020
-    },
-    {
-      "epoch": 3.59,
-      "learning_rate": 5e-05,
-      "loss": 0.197,
-      "step": 2021
-    },
-    {
-      "epoch": 3.59,
-      "learning_rate": 5e-05,
-      "loss": 0.1799,
-      "step": 2022
-    },
-    {
-      "epoch": 3.6,
-      "learning_rate": 5e-05,
-      "loss": 0.2585,
-      "step": 2023
-    },
-    {
-      "epoch": 3.6,
-      "learning_rate": 5e-05,
-      "loss": 0.2856,
-      "step": 2024
-    },
-    {
-      "epoch": 3.6,
-      "learning_rate": 5e-05,
-      "loss": 0.2693,
-      "step": 2025
-    },
-    {
-      "epoch": 3.6,
-      "learning_rate": 5e-05,
-      "loss": 0.1794,
-      "step": 2026
-    },
-    {
-      "epoch": 3.6,
-      "learning_rate": 5e-05,
-      "loss": 0.2288,
-      "step": 2027
-    },
-    {
-      "epoch": 3.61,
-      "learning_rate": 5e-05,
-      "loss": 0.2676,
-      "step": 2028
-    },
-    {
-      "epoch": 3.61,
-      "learning_rate": 5e-05,
-      "loss": 0.1793,
-      "step": 2029
-    },
-    {
-      "epoch": 3.61,
-      "learning_rate": 5e-05,
-      "loss": 0.2256,
-      "step": 2030
-    },
-    {
-      "epoch": 3.61,
-      "learning_rate": 5e-05,
-      "loss": 0.1758,
-      "step": 2031
-    },
-    {
-      "epoch": 3.61,
-      "learning_rate": 5e-05,
-      "loss": 0.2156,
-      "step": 2032
-    },
-    {
-      "epoch": 3.61,
-      "learning_rate": 5e-05,
-      "loss": 0.2134,
-      "step": 2033
-    },
-    {
-      "epoch": 3.62,
-      "learning_rate": 5e-05,
-      "loss": 0.2251,
-      "step": 2034
-    },
-    {
-      "epoch": 3.62,
-      "learning_rate": 5e-05,
-      "loss": 0.2332,
-      "step": 2035
-    },
-    {
-      "epoch": 3.62,
-      "learning_rate": 5e-05,
-      "loss": 0.1841,
-      "step": 2036
-    },
-    {
-      "epoch": 3.62,
-      "learning_rate": 5e-05,
-      "loss": 0.1514,
-      "step": 2037
-    },
-    {
-      "epoch": 3.62,
-      "learning_rate": 5e-05,
-      "loss": 0.178,
-      "step": 2038
-    },
-    {
-      "epoch": 3.62,
-      "learning_rate": 5e-05,
-      "loss": 0.229,
-      "step": 2039
-    },
-    {
-      "epoch": 3.63,
-      "learning_rate": 5e-05,
-      "loss": 0.2854,
-      "step": 2040
-    },
-    {
-      "epoch": 3.63,
-      "learning_rate": 5e-05,
-      "loss": 0.2559,
-      "step": 2041
-    },
-    {
-      "epoch": 3.63,
-      "learning_rate": 5e-05,
-      "loss": 0.1663,
-      "step": 2042
-    },
-    {
-      "epoch": 3.63,
-      "learning_rate": 5e-05,
-      "loss": 0.1741,
-      "step": 2043
-    },
-    {
-      "epoch": 3.63,
-      "learning_rate": 5e-05,
-      "loss": 0.2378,
-      "step": 2044
-    },
-    {
-      "epoch": 3.64,
-      "learning_rate": 5e-05,
-      "loss": 0.1619,
-      "step": 2045
-    },
-    {
-      "epoch": 3.64,
-      "learning_rate": 5e-05,
-      "loss": 0.203,
-      "step": 2046
-    },
-    {
-      "epoch": 3.64,
-      "learning_rate": 5e-05,
-      "loss": 0.267,
-      "step": 2047
-    },
-    {
-      "epoch": 3.64,
-      "learning_rate": 5e-05,
-      "loss": 0.2759,
-      "step": 2048
-    },
-    {
-      "epoch": 3.64,
-      "learning_rate": 5e-05,
-      "loss": 0.208,
-      "step": 2049
-    },
-    {
-      "epoch": 3.64,
-      "learning_rate": 5e-05,
-      "loss": 0.1846,
-      "step": 2050
-    },
-    {
-      "epoch": 3.65,
-      "learning_rate": 5e-05,
-      "loss": 0.4829,
-      "step": 2051
-    },
-    {
-      "epoch": 3.65,
-      "learning_rate": 5e-05,
-      "loss": 0.199,
-      "step": 2052
-    },
-    {
-      "epoch": 3.65,
-      "learning_rate": 5e-05,
-      "loss": 0.2297,
-      "step": 2053
-    },
-    {
-      "epoch": 3.65,
-      "learning_rate": 5e-05,
-      "loss": 0.2512,
-      "step": 2054
-    },
-    {
-      "epoch": 3.65,
-      "learning_rate": 5e-05,
-      "loss": 0.2168,
-      "step": 2055
-    },
-    {
-      "epoch": 3.66,
-      "learning_rate": 5e-05,
-      "loss": 0.2693,
-      "step": 2056
-    },
-    {
-      "epoch": 3.66,
-      "learning_rate": 5e-05,
-      "loss": 0.2202,
-      "step": 2057
-    },
-    {
-      "epoch": 3.66,
-      "learning_rate": 5e-05,
-      "loss": 0.2739,
-      "step": 2058
-    },
-    {
-      "epoch": 3.66,
-      "learning_rate": 5e-05,
-      "loss": 0.2,
-      "step": 2059
-    },
-    {
-      "epoch": 3.66,
-      "learning_rate": 5e-05,
-      "loss": 0.3423,
-      "step": 2060
-    },
-    {
-      "epoch": 3.66,
-      "learning_rate": 5e-05,
-      "loss": 0.2156,
-      "step": 2061
-    },
-    {
-      "epoch": 3.67,
-      "learning_rate": 5e-05,
-      "loss": 0.2041,
-      "step": 2062
-    },
-    {
-      "epoch": 3.67,
-      "learning_rate": 5e-05,
-      "loss": 0.183,
-      "step": 2063
-    },
-    {
-      "epoch": 3.67,
-      "learning_rate": 5e-05,
-      "loss": 0.1858,
-      "step": 2064
-    },
-    {
-      "epoch": 3.67,
-      "learning_rate": 5e-05,
-      "loss": 0.2594,
-      "step": 2065
-    },
-    {
-      "epoch": 3.67,
-      "learning_rate": 5e-05,
-      "loss": 0.272,
-      "step": 2066
-    },
-    {
-      "epoch": 3.67,
-      "learning_rate": 5e-05,
-      "loss": 0.272,
-      "step": 2067
-    },
-    {
-      "epoch": 3.68,
-      "learning_rate": 5e-05,
-      "loss": 0.2504,
-      "step": 2068
-    },
-    {
-      "epoch": 3.68,
-      "learning_rate": 5e-05,
-      "loss": 0.2561,
-      "step": 2069
-    },
-    {
-      "epoch": 3.68,
-      "learning_rate": 5e-05,
-      "loss": 0.3066,
-      "step": 2070
-    },
-    {
-      "epoch": 3.68,
-      "learning_rate": 5e-05,
-      "loss": 0.1776,
-      "step": 2071
-    },
-    {
-      "epoch": 3.68,
-      "learning_rate": 5e-05,
-      "loss": 0.1868,
-      "step": 2072
-    },
-    {
-      "epoch": 3.69,
-      "learning_rate": 5e-05,
-      "loss": 0.1702,
-      "step": 2073
-    },
-    {
-      "epoch": 3.69,
-      "learning_rate": 5e-05,
-      "loss": 0.1611,
-      "step": 2074
-    },
-    {
-      "epoch": 3.69,
-      "learning_rate": 5e-05,
-      "loss": 0.2579,
-      "step": 2075
-    },
-    {
-      "epoch": 3.69,
-      "learning_rate": 5e-05,
-      "loss": 0.261,
-      "step": 2076
-    },
-    {
-      "epoch": 3.69,
-      "learning_rate": 5e-05,
-      "loss": 0.2183,
-      "step": 2077
-    },
-    {
-      "epoch": 3.69,
-      "learning_rate": 5e-05,
-      "loss": 0.209,
-      "step": 2078
-    },
-    {
-      "epoch": 3.7,
-      "learning_rate": 5e-05,
-      "loss": 0.2241,
-      "step": 2079
-    },
-    {
-      "epoch": 3.7,
-      "learning_rate": 5e-05,
-      "loss": 0.1837,
-      "step": 2080
-    },
-    {
-      "epoch": 3.7,
-      "learning_rate": 5e-05,
-      "loss": 0.2502,
-      "step": 2081
-    },
-    {
-      "epoch": 3.7,
-      "learning_rate": 5e-05,
-      "loss": 0.1758,
-      "step": 2082
-    },
-    {
-      "epoch": 3.7,
-      "learning_rate": 5e-05,
-      "loss": 0.1347,
-      "step": 2083
-    },
-    {
-      "epoch": 3.7,
-      "learning_rate": 5e-05,
-      "loss": 0.2212,
-      "step": 2084
-    },
-    {
-      "epoch": 3.71,
-      "learning_rate": 5e-05,
-      "loss": 0.1765,
-      "step": 2085
-    },
-    {
-      "epoch": 3.71,
-      "learning_rate": 5e-05,
-      "loss": 0.2222,
-      "step": 2086
-    },
-    {
-      "epoch": 3.71,
-      "learning_rate": 5e-05,
-      "loss": 0.2312,
-      "step": 2087
-    },
-    {
-      "epoch": 3.71,
-      "learning_rate": 5e-05,
-      "loss": 0.207,
-      "step": 2088
-    },
-    {
-      "epoch": 3.71,
-      "learning_rate": 5e-05,
-      "loss": 0.2471,
-      "step": 2089
-    },
-    {
-      "epoch": 3.72,
-      "learning_rate": 5e-05,
-      "loss": 0.1997,
-      "step": 2090
-    },
-    {
-      "epoch": 3.72,
-      "learning_rate": 5e-05,
-      "loss": 0.1838,
-      "step": 2091
-    },
-    {
-      "epoch": 3.72,
-      "learning_rate": 5e-05,
-      "loss": 0.2947,
-      "step": 2092
-    },
-    {
-      "epoch": 3.72,
-      "learning_rate": 5e-05,
-      "loss": 0.2034,
-      "step": 2093
-    },
-    {
-      "epoch": 3.72,
-      "learning_rate": 5e-05,
-      "loss": 0.1827,
-      "step": 2094
-    },
-    {
-      "epoch": 3.72,
-      "learning_rate": 5e-05,
-      "loss": 0.2151,
-      "step": 2095
-    },
-    {
-      "epoch": 3.73,
-      "learning_rate": 5e-05,
-      "loss": 0.1926,
-      "step": 2096
-    },
-    {
-      "epoch": 3.73,
-      "learning_rate": 5e-05,
-      "loss": 0.1948,
-      "step": 2097
-    },
-    {
-      "epoch": 3.73,
-      "learning_rate": 5e-05,
-      "loss": 0.5336,
-      "step": 2098
-    },
-    {
-      "epoch": 3.73,
-      "learning_rate": 5e-05,
-      "loss": 0.2296,
-      "step": 2099
-    },
-    {
-      "epoch": 3.73,
-      "learning_rate": 5e-05,
-      "loss": 0.2052,
-      "step": 2100
-    },
-    {
-      "epoch": 3.74,
-      "learning_rate": 5e-05,
-      "loss": 0.2416,
-      "step": 2101
-    },
-    {
-      "epoch": 3.74,
-      "learning_rate": 5e-05,
-      "loss": 0.3159,
-      "step": 2102
-    },
-    {
-      "epoch": 3.74,
-      "learning_rate": 5e-05,
-      "loss": 0.2163,
-      "step": 2103
-    },
-    {
-      "epoch": 3.74,
-      "learning_rate": 5e-05,
-      "loss": 0.1887,
-      "step": 2104
-    },
-    {
-      "epoch": 3.74,
-      "learning_rate": 5e-05,
-      "loss": 0.2708,
-      "step": 2105
-    },
-    {
-      "epoch": 3.74,
-      "learning_rate": 5e-05,
-      "loss": 0.2029,
-      "step": 2106
-    },
-    {
-      "epoch": 3.75,
-      "learning_rate": 5e-05,
-      "loss": 0.2419,
-      "step": 2107
-    },
-    {
-      "epoch": 3.75,
-      "learning_rate": 5e-05,
-      "loss": 0.2937,
-      "step": 2108
-    },
-    {
-      "epoch": 3.75,
-      "learning_rate": 5e-05,
-      "loss": 0.2927,
-      "step": 2109
-    },
-    {
-      "epoch": 3.75,
-      "learning_rate": 5e-05,
-      "loss": 0.2246,
-      "step": 2110
-    },
-    {
-      "epoch": 3.75,
-      "learning_rate": 5e-05,
-      "loss": 0.2175,
-      "step": 2111
-    },
-    {
-      "epoch": 3.75,
-      "learning_rate": 5e-05,
-      "loss": 0.1527,
-      "step": 2112
-    },
-    {
-      "epoch": 3.76,
-      "learning_rate": 5e-05,
-      "loss": 0.2554,
-      "step": 2113
-    },
-    {
-      "epoch": 3.76,
-      "learning_rate": 5e-05,
-      "loss": 0.226,
-      "step": 2114
-    },
-    {
-      "epoch": 3.76,
-      "learning_rate": 5e-05,
-      "loss": 0.2388,
-      "step": 2115
-    },
-    {
-      "epoch": 3.76,
-      "learning_rate": 5e-05,
-      "loss": 0.2607,
-      "step": 2116
-    },
-    {
-      "epoch": 3.76,
-      "learning_rate": 5e-05,
-      "loss": 0.2422,
-      "step": 2117
-    },
-    {
-      "epoch": 3.77,
-      "learning_rate": 5e-05,
-      "loss": 0.2739,
-      "step": 2118
-    },
-    {
-      "epoch": 3.77,
-      "learning_rate": 5e-05,
-      "loss": 0.2151,
-      "step": 2119
-    },
-    {
-      "epoch": 3.77,
-      "learning_rate": 5e-05,
-      "loss": 0.2266,
-      "step": 2120
-    },
-    {
-      "epoch": 3.77,
-      "learning_rate": 5e-05,
-      "loss": 0.4092,
-      "step": 2121
-    },
-    {
-      "epoch": 3.77,
-      "learning_rate": 5e-05,
-      "loss": 0.2465,
-      "step": 2122
-    },
-    {
-      "epoch": 3.77,
-      "learning_rate": 5e-05,
-      "loss": 0.3003,
-      "step": 2123
-    },
-    {
-      "epoch": 3.78,
-      "learning_rate": 5e-05,
-      "loss": 0.2046,
-      "step": 2124
-    },
-    {
-      "epoch": 3.78,
-      "learning_rate": 5e-05,
-      "loss": 0.1992,
-      "step": 2125
-    },
-    {
-      "epoch": 3.78,
-      "learning_rate": 5e-05,
-      "loss": 0.2336,
-      "step": 2126
-    },
-    {
-      "epoch": 3.78,
-      "learning_rate": 5e-05,
-      "loss": 0.1521,
-      "step": 2127
-    },
-    {
-      "epoch": 3.78,
-      "learning_rate": 5e-05,
-      "loss": 0.2166,
-      "step": 2128
-    },
-    {
-      "epoch": 3.78,
-      "learning_rate": 5e-05,
-      "loss": 0.1824,
-      "step": 2129
-    },
-    {
-      "epoch": 3.79,
-      "learning_rate": 5e-05,
-      "loss": 0.1678,
-      "step": 2130
-    },
-    {
-      "epoch": 3.79,
-      "learning_rate": 5e-05,
-      "loss": 0.2302,
-      "step": 2131
-    },
-    {
-      "epoch": 3.79,
-      "learning_rate": 5e-05,
-      "loss": 0.1843,
-      "step": 2132
-    },
-    {
-      "epoch": 3.79,
-      "learning_rate": 5e-05,
-      "loss": 0.2285,
-      "step": 2133
-    },
-    {
-      "epoch": 3.79,
-      "learning_rate": 5e-05,
-      "loss": 0.3281,
-      "step": 2134
-    },
-    {
-      "epoch": 3.8,
-      "learning_rate": 5e-05,
-      "loss": 0.2939,
-      "step": 2135
-    },
-    {
-      "epoch": 3.8,
-      "learning_rate": 5e-05,
-      "loss": 0.2095,
-      "step": 2136
-    },
-    {
-      "epoch": 3.8,
-      "learning_rate": 5e-05,
-      "loss": 0.1667,
-      "step": 2137
-    },
-    {
-      "epoch": 3.8,
-      "learning_rate": 5e-05,
-      "loss": 0.2104,
-      "step": 2138
-    },
-    {
-      "epoch": 3.8,
-      "learning_rate": 5e-05,
-      "loss": 0.1582,
-      "step": 2139
-    },
-    {
-      "epoch": 3.8,
-      "learning_rate": 5e-05,
-      "loss": 0.225,
-      "step": 2140
-    },
-    {
-      "epoch": 3.81,
-      "learning_rate": 5e-05,
-      "loss": 0.228,
-      "step": 2141
-    },
-    {
-      "epoch": 3.81,
-      "learning_rate": 5e-05,
-      "loss": 0.1869,
-      "step": 2142
-    },
-    {
-      "epoch": 3.81,
-      "learning_rate": 5e-05,
-      "loss": 0.2395,
-      "step": 2143
-    },
-    {
-      "epoch": 3.81,
-      "learning_rate": 5e-05,
-      "loss": 0.1793,
-      "step": 2144
-    },
-    {
-      "epoch": 3.81,
-      "learning_rate": 5e-05,
-      "loss": 0.1825,
-      "step": 2145
-    },
-    {
-      "epoch": 3.82,
-      "learning_rate": 5e-05,
-      "loss": 0.208,
-      "step": 2146
-    },
-    {
-      "epoch": 3.82,
-      "learning_rate": 5e-05,
-      "loss": 0.2322,
-      "step": 2147
-    },
-    {
-      "epoch": 3.82,
-      "learning_rate": 5e-05,
-      "loss": 0.2056,
-      "step": 2148
-    },
-    {
-      "epoch": 3.82,
-      "learning_rate": 5e-05,
-      "loss": 0.2388,
-      "step": 2149
-    },
-    {
-      "epoch": 3.82,
-      "learning_rate": 5e-05,
-      "loss": 0.175,
-      "step": 2150
-    },
-    {
-      "epoch": 3.82,
-      "learning_rate": 5e-05,
-      "loss": 0.2878,
-      "step": 2151
-    },
-    {
-      "epoch": 3.83,
-      "learning_rate": 5e-05,
-      "loss": 0.1675,
-      "step": 2152
-    },
-    {
-      "epoch": 3.83,
-      "learning_rate": 5e-05,
-      "loss": 0.1992,
-      "step": 2153
-    },
-    {
-      "epoch": 3.83,
-      "learning_rate": 5e-05,
-      "loss": 0.1635,
-      "step": 2154
-    },
-    {
-      "epoch": 3.83,
-      "learning_rate": 5e-05,
-      "loss": 0.2456,
-      "step": 2155
-    },
-    {
-      "epoch": 3.83,
-      "learning_rate": 5e-05,
-      "loss": 0.1495,
-      "step": 2156
-    },
-    {
-      "epoch": 3.83,
-      "learning_rate": 5e-05,
-      "loss": 0.2561,
-      "step": 2157
-    },
-    {
-      "epoch": 3.84,
-      "learning_rate": 5e-05,
-      "loss": 0.1604,
-      "step": 2158
-    },
-    {
-      "epoch": 3.84,
-      "learning_rate": 5e-05,
-      "loss": 0.1882,
-      "step": 2159
-    },
-    {
-      "epoch": 3.84,
-      "learning_rate": 5e-05,
-      "loss": 0.219,
-      "step": 2160
-    },
-    {
-      "epoch": 3.84,
-      "learning_rate": 5e-05,
-      "loss": 0.2607,
-      "step": 2161
-    },
-    {
-      "epoch": 3.84,
-      "learning_rate": 5e-05,
-      "loss": 0.2217,
-      "step": 2162
-    },
-    {
-      "epoch": 3.85,
-      "learning_rate": 5e-05,
-      "loss": 0.2708,
-      "step": 2163
-    },
-    {
-      "epoch": 3.85,
-      "learning_rate": 5e-05,
-      "loss": 0.2026,
-      "step": 2164
-    },
-    {
-      "epoch": 3.85,
-      "learning_rate": 5e-05,
-      "loss": 0.2388,
-      "step": 2165
-    },
-    {
-      "epoch": 3.85,
-      "learning_rate": 5e-05,
-      "loss": 0.2437,
-      "step": 2166
-    },
-    {
-      "epoch": 3.85,
-      "learning_rate": 5e-05,
-      "loss": 0.2053,
-      "step": 2167
-    },
-    {
-      "epoch": 3.85,
-      "learning_rate": 5e-05,
-      "loss": 0.2554,
-      "step": 2168
-    },
-    {
-      "epoch": 3.86,
-      "learning_rate": 5e-05,
-      "loss": 0.2209,
-      "step": 2169
-    },
-    {
-      "epoch": 3.86,
-      "learning_rate": 5e-05,
-      "loss": 0.2129,
-      "step": 2170
-    },
-    {
-      "epoch": 3.86,
-      "learning_rate": 5e-05,
-      "loss": 0.1985,
-      "step": 2171
-    },
-    {
-      "epoch": 3.86,
-      "learning_rate": 5e-05,
-      "loss": 0.25,
-      "step": 2172
-    },
-    {
-      "epoch": 3.86,
-      "learning_rate": 5e-05,
-      "loss": 0.251,
-      "step": 2173
-    },
-    {
-      "epoch": 3.86,
-      "learning_rate": 5e-05,
-      "loss": 0.2888,
-      "step": 2174
-    },
-    {
-      "epoch": 3.87,
-      "learning_rate": 5e-05,
-      "loss": 0.2285,
-      "step": 2175
-    },
-    {
-      "epoch": 3.87,
-      "learning_rate": 5e-05,
-      "loss": 0.2751,
-      "step": 2176
-    },
-    {
-      "epoch": 3.87,
-      "learning_rate": 5e-05,
-      "loss": 0.2271,
-      "step": 2177
-    },
-    {
-      "epoch": 3.87,
-      "learning_rate": 5e-05,
-      "loss": 0.27,
-      "step": 2178
-    },
-    {
-      "epoch": 3.87,
-      "learning_rate": 5e-05,
-      "loss": 0.3208,
-      "step": 2179
-    },
-    {
-      "epoch": 3.88,
-      "learning_rate": 5e-05,
-      "loss": 0.2166,
-      "step": 2180
-    },
-    {
-      "epoch": 3.88,
-      "learning_rate": 5e-05,
-      "loss": 0.3369,
-      "step": 2181
-    },
-    {
-      "epoch": 3.88,
-      "learning_rate": 5e-05,
-      "loss": 0.2773,
-      "step": 2182
-    },
-    {
-      "epoch": 3.88,
-      "learning_rate": 5e-05,
-      "loss": 0.229,
-      "step": 2183
-    },
-    {
-      "epoch": 3.88,
-      "learning_rate": 5e-05,
-      "loss": 0.2383,
-      "step": 2184
-    },
-    {
-      "epoch": 3.88,
-      "learning_rate": 5e-05,
-      "loss": 0.282,
-      "step": 2185
-    },
-    {
-      "epoch": 3.89,
-      "learning_rate": 5e-05,
-      "loss": 0.1813,
-      "step": 2186
-    },
-    {
-      "epoch": 3.89,
-      "learning_rate": 5e-05,
-      "loss": 0.2046,
-      "step": 2187
-    },
-    {
-      "epoch": 3.89,
-      "learning_rate": 5e-05,
-      "loss": 0.2935,
-      "step": 2188
-    },
-    {
-      "epoch": 3.89,
-      "learning_rate": 5e-05,
-      "loss": 0.3289,
-      "step": 2189
-    },
-    {
-      "epoch": 3.89,
-      "learning_rate": 5e-05,
-      "loss": 0.3652,
-      "step": 2190
-    },
-    {
-      "epoch": 3.9,
-      "learning_rate": 5e-05,
-      "loss": 0.1458,
-      "step": 2191
-    },
-    {
-      "epoch": 3.9,
-      "learning_rate": 5e-05,
-      "loss": 0.1775,
-      "step": 2192
-    },
-    {
-      "epoch": 3.9,
-      "learning_rate": 5e-05,
-      "loss": 0.2925,
-      "step": 2193
-    },
-    {
-      "epoch": 3.9,
-      "learning_rate": 5e-05,
-      "loss": 0.2747,
-      "step": 2194
-    },
-    {
-      "epoch": 3.9,
-      "learning_rate": 5e-05,
-      "loss": 0.302,
-      "step": 2195
-    },
-    {
-      "epoch": 3.9,
-      "learning_rate": 5e-05,
-      "loss": 0.1902,
-      "step": 2196
-    },
-    {
-      "epoch": 3.91,
-      "learning_rate": 5e-05,
-      "loss": 0.1963,
-      "step": 2197
-    },
-    {
-      "epoch": 3.91,
-      "learning_rate": 5e-05,
-      "loss": 0.2432,
-      "step": 2198
-    },
-    {
-      "epoch": 3.91,
-      "learning_rate": 5e-05,
-      "loss": 0.3765,
-      "step": 2199
-    },
-    {
-      "epoch": 3.91,
-      "learning_rate": 5e-05,
-      "loss": 0.2063,
-      "step": 2200
-    },
-    {
-      "epoch": 3.91,
-      "learning_rate": 5e-05,
-      "loss": 0.2327,
-      "step": 2201
-    },
-    {
-      "epoch": 3.91,
-      "learning_rate": 5e-05,
-      "loss": 0.2141,
-      "step": 2202
-    },
-    {
-      "epoch": 3.92,
-      "learning_rate": 5e-05,
-      "loss": 0.2451,
-      "step": 2203
-    },
-    {
-      "epoch": 3.92,
-      "learning_rate": 5e-05,
-      "loss": 0.1616,
-      "step": 2204
-    },
-    {
-      "epoch": 3.92,
-      "learning_rate": 5e-05,
-      "loss": 0.2026,
-      "step": 2205
-    },
-    {
-      "epoch": 3.92,
-      "learning_rate": 5e-05,
-      "loss": 0.2458,
-      "step": 2206
-    },
-    {
-      "epoch": 3.92,
-      "learning_rate": 5e-05,
-      "loss": 0.2039,
-      "step": 2207
-    },
-    {
-      "epoch": 3.93,
-      "learning_rate": 5e-05,
-      "loss": 0.1921,
-      "step": 2208
-    },
-    {
-      "epoch": 3.93,
-      "learning_rate": 5e-05,
-      "loss": 0.2512,
-      "step": 2209
-    },
-    {
-      "epoch": 3.93,
-      "learning_rate": 5e-05,
-      "loss": 0.1941,
-      "step": 2210
-    },
-    {
-      "epoch": 3.93,
-      "learning_rate": 5e-05,
-      "loss": 0.2539,
-      "step": 2211
-    },
-    {
-      "epoch": 3.93,
-      "learning_rate": 5e-05,
-      "loss": 0.3235,
-      "step": 2212
-    },
-    {
-      "epoch": 3.93,
-      "learning_rate": 5e-05,
-      "loss": 0.1664,
-      "step": 2213
-    },
-    {
-      "epoch": 3.94,
-      "learning_rate": 5e-05,
-      "loss": 0.217,
-      "step": 2214
-    },
-    {
-      "epoch": 3.94,
-      "learning_rate": 5e-05,
-      "loss": 0.3011,
-      "step": 2215
-    },
-    {
-      "epoch": 3.94,
-      "learning_rate": 5e-05,
-      "loss": 0.1875,
-      "step": 2216
-    },
-    {
-      "epoch": 3.94,
-      "learning_rate": 5e-05,
-      "loss": 0.2734,
-      "step": 2217
-    },
-    {
-      "epoch": 3.94,
-      "learning_rate": 5e-05,
-      "loss": 0.2668,
-      "step": 2218
-    },
-    {
-      "epoch": 3.94,
-      "learning_rate": 5e-05,
-      "loss": 0.2253,
-      "step": 2219
-    },
-    {
-      "epoch": 3.95,
-      "learning_rate": 5e-05,
-      "loss": 0.2283,
-      "step": 2220
-    },
-    {
-      "epoch": 3.95,
-      "learning_rate": 5e-05,
-      "loss": 0.2329,
-      "step": 2221
-    },
-    {
-      "epoch": 3.95,
-      "learning_rate": 5e-05,
-      "loss": 0.2957,
-      "step": 2222
-    },
-    {
-      "epoch": 3.95,
-      "learning_rate": 5e-05,
-      "loss": 0.2039,
-      "step": 2223
-    },
-    {
-      "epoch": 3.95,
-      "learning_rate": 5e-05,
-      "loss": 0.1799,
-      "step": 2224
-    },
-    {
-      "epoch": 3.96,
-      "learning_rate": 5e-05,
-      "loss": 0.3074,
-      "step": 2225
-    },
-    {
-      "epoch": 3.96,
-      "learning_rate": 5e-05,
-      "loss": 0.259,
-      "step": 2226
-    },
-    {
-      "epoch": 3.96,
-      "learning_rate": 5e-05,
-      "loss": 0.2717,
-      "step": 2227
-    },
-    {
-      "epoch": 3.96,
-      "learning_rate": 5e-05,
-      "loss": 0.2618,
-      "step": 2228
-    },
-    {
-      "epoch": 3.96,
-      "learning_rate": 5e-05,
-      "loss": 0.2693,
-      "step": 2229
-    },
-    {
-      "epoch": 3.96,
-      "learning_rate": 5e-05,
-      "loss": 0.2947,
-      "step": 2230
-    },
-    {
-      "epoch": 3.97,
-      "learning_rate": 5e-05,
-      "loss": 0.2405,
-      "step": 2231
-    },
-    {
-      "epoch": 3.97,
-      "learning_rate": 5e-05,
-      "loss": 0.1953,
-      "step": 2232
-    },
-    {
-      "epoch": 3.97,
-      "learning_rate": 5e-05,
-      "loss": 0.2544,
-      "step": 2233
-    },
-    {
-      "epoch": 3.97,
-      "learning_rate": 5e-05,
-      "loss": 0.1906,
-      "step": 2234
-    },
-    {
-      "epoch": 3.97,
-      "learning_rate": 5e-05,
-      "loss": 0.374,
-      "step": 2235
-    },
-    {
-      "epoch": 3.98,
-      "learning_rate": 5e-05,
-      "loss": 0.1978,
-      "step": 2236
-    },
-    {
-      "epoch": 3.98,
-      "learning_rate": 5e-05,
-      "loss": 0.1866,
-      "step": 2237
-    },
-    {
-      "epoch": 3.98,
-      "learning_rate": 5e-05,
-      "loss": 0.2744,
-      "step": 2238
-    },
-    {
-      "epoch": 3.98,
-      "learning_rate": 5e-05,
-      "loss": 0.2295,
-      "step": 2239
-    },
-    {
-      "epoch": 3.98,
-      "learning_rate": 5e-05,
-      "loss": 0.2104,
-      "step": 2240
-    },
-    {
-      "epoch": 3.98,
-      "learning_rate": 5e-05,
-      "loss": 0.2394,
-      "step": 2241
-    },
-    {
-      "epoch": 3.99,
-      "learning_rate": 5e-05,
-      "loss": 0.219,
-      "step": 2242
-    },
-    {
-      "epoch": 3.99,
-      "learning_rate": 5e-05,
-      "loss": 0.1956,
-      "step": 2243
-    },
-    {
-      "epoch": 3.99,
-      "learning_rate": 5e-05,
-      "loss": 0.2273,
-      "step": 2244
-    },
-    {
-      "epoch": 3.99,
-      "learning_rate": 5e-05,
-      "loss": 0.2122,
-      "step": 2245
-    },
-    {
-      "epoch": 3.99,
-      "learning_rate": 5e-05,
-      "loss": 0.2156,
-      "step": 2246
-    },
-    {
-      "epoch": 3.99,
-      "learning_rate": 5e-05,
-      "loss": 0.2461,
-      "step": 2247
-    },
-    {
-      "epoch": 4.0,
-      "learning_rate": 5e-05,
-      "loss": 0.2009,
-      "step": 2248
-    },
-    {
-      "epoch": 4.0,
-      "eval_loss": 0.22490152716636658,
-      "eval_runtime": 118.6312,
-      "eval_samples_per_second": 2.529,
-      "eval_steps_per_second": 0.632,
-      "step": 2248
-    },
-    {
-      "epoch": 4.0,
-      "step": 2248,
-      "total_flos": 3.506559652919771e+19,
-      "train_loss": 0.2778411539423932,
-      "train_runtime": 160981.3537,
-      "train_samples_per_second": 0.671,
-      "train_steps_per_second": 0.014
-    }
-  ],
-  "max_steps": 2248,
-  "num_train_epochs": 4,
-  "total_flos": 3.506559652919771e+19,
-  "trial_name": null,
-  "trial_params": null
-}