benjamin commited on
Commit
425f21f
1 Parent(s): 45f3afd

initial commit

Browse files
all_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 18.38,
3
+ "train_loss": 0.7083540009765625,
4
+ "train_runtime": 869248.5122,
5
+ "train_samples": 3481510,
6
+ "train_samples_per_second": 73.627,
7
+ "train_steps_per_second": 0.288
8
+ }
config.json ADDED
@@ -0,0 +1,39 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "gpt2_large_uk",
3
+ "activation_function": "gelu_new",
4
+ "architectures": [
5
+ "GPT2LMHeadModel"
6
+ ],
7
+ "attn_pdrop": 0.1,
8
+ "bos_token_id": 50256,
9
+ "embd_pdrop": 0.1,
10
+ "eos_token_id": 50256,
11
+ "initializer_range": 0.02,
12
+ "layer_norm_epsilon": 1e-05,
13
+ "model_type": "gpt2",
14
+ "n_ctx": 1024,
15
+ "n_embd": 1280,
16
+ "n_head": 20,
17
+ "n_inner": null,
18
+ "n_layer": 36,
19
+ "n_positions": 1024,
20
+ "reorder_and_upcast_attn": false,
21
+ "resid_pdrop": 0.1,
22
+ "scale_attn_by_inverse_layer_idx": false,
23
+ "scale_attn_weights": true,
24
+ "summary_activation": null,
25
+ "summary_first_dropout": 0.1,
26
+ "summary_proj_to_labels": true,
27
+ "summary_type": "cls_index",
28
+ "summary_use_proj": true,
29
+ "task_specific_params": {
30
+ "text-generation": {
31
+ "do_sample": true,
32
+ "max_length": 50
33
+ }
34
+ },
35
+ "torch_dtype": "float32",
36
+ "transformers_version": "4.18.0.dev0",
37
+ "use_cache": true,
38
+ "vocab_size": 50257
39
+ }
merges.txt ADDED
The diff for this file is too large to render. See raw diff
pytorch_model.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:4ed1951076518d2364d2ddfc926cc8643ae255036d376cbd3f1d8826de09ba4e
3
+ size 3391340423
special_tokens_map.json ADDED
@@ -0,0 +1 @@
 
1
+ {"bos_token": "<|endoftext|>", "eos_token": "<|endoftext|>", "unk_token": "<|endoftext|>"}
tokenizer.json ADDED
The diff for this file is too large to render. See raw diff
tokenizer_config.json ADDED
@@ -0,0 +1 @@
 
1
+ {"unk_token": "<|endoftext|>", "bos_token": "<|endoftext|>", "eos_token": "<|endoftext|>", "add_prefix_space": false, "model_max_length": 1024, "special_tokens_map_file": null, "name_or_path": "gpt2_large_uk", "tokenizer_class": "GPT2Tokenizer"}
train_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 18.38,
3
+ "train_loss": 0.7083540009765625,
4
+ "train_runtime": 869248.5122,
5
+ "train_samples": 3481510,
6
+ "train_samples_per_second": 73.627,
7
+ "train_steps_per_second": 0.288
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,3025 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 18.383685286886188,
5
+ "global_step": 250000,
6
+ "is_hyper_param_search": false,
7
+ "is_local_process_zero": true,
8
+ "is_world_process_zero": true,
9
+ "log_history": [
10
+ {
11
+ "epoch": 0.04,
12
+ "learning_rate": 1e-05,
13
+ "loss": 7.5478,
14
+ "step": 500
15
+ },
16
+ {
17
+ "epoch": 0.07,
18
+ "learning_rate": 2e-05,
19
+ "loss": 5.8238,
20
+ "step": 1000
21
+ },
22
+ {
23
+ "epoch": 0.11,
24
+ "learning_rate": 3e-05,
25
+ "loss": 5.0177,
26
+ "step": 1500
27
+ },
28
+ {
29
+ "epoch": 0.15,
30
+ "learning_rate": 4e-05,
31
+ "loss": 4.481,
32
+ "step": 2000
33
+ },
34
+ {
35
+ "epoch": 0.18,
36
+ "learning_rate": 5e-05,
37
+ "loss": 4.1159,
38
+ "step": 2500
39
+ },
40
+ {
41
+ "epoch": 0.22,
42
+ "learning_rate": 6e-05,
43
+ "loss": 3.8654,
44
+ "step": 3000
45
+ },
46
+ {
47
+ "epoch": 0.26,
48
+ "learning_rate": 7.000000000000001e-05,
49
+ "loss": 3.6867,
50
+ "step": 3500
51
+ },
52
+ {
53
+ "epoch": 0.29,
54
+ "learning_rate": 8e-05,
55
+ "loss": 3.5543,
56
+ "step": 4000
57
+ },
58
+ {
59
+ "epoch": 0.33,
60
+ "learning_rate": 8.999999999999999e-05,
61
+ "loss": 3.4529,
62
+ "step": 4500
63
+ },
64
+ {
65
+ "epoch": 0.37,
66
+ "learning_rate": 0.0001,
67
+ "loss": 3.3706,
68
+ "step": 5000
69
+ },
70
+ {
71
+ "epoch": 0.4,
72
+ "learning_rate": 0.00011,
73
+ "loss": 3.3042,
74
+ "step": 5500
75
+ },
76
+ {
77
+ "epoch": 0.44,
78
+ "learning_rate": 0.00012,
79
+ "loss": 3.2473,
80
+ "step": 6000
81
+ },
82
+ {
83
+ "epoch": 0.48,
84
+ "learning_rate": 0.00013000000000000002,
85
+ "loss": 3.2044,
86
+ "step": 6500
87
+ },
88
+ {
89
+ "epoch": 0.51,
90
+ "learning_rate": 0.00014000000000000001,
91
+ "loss": 3.1616,
92
+ "step": 7000
93
+ },
94
+ {
95
+ "epoch": 0.55,
96
+ "learning_rate": 0.00015,
97
+ "loss": 3.1317,
98
+ "step": 7500
99
+ },
100
+ {
101
+ "epoch": 0.59,
102
+ "learning_rate": 0.00016,
103
+ "loss": 3.1003,
104
+ "step": 8000
105
+ },
106
+ {
107
+ "epoch": 0.63,
108
+ "learning_rate": 0.00017,
109
+ "loss": 3.0747,
110
+ "step": 8500
111
+ },
112
+ {
113
+ "epoch": 0.66,
114
+ "learning_rate": 0.00017999999999999998,
115
+ "loss": 3.0469,
116
+ "step": 9000
117
+ },
118
+ {
119
+ "epoch": 0.7,
120
+ "learning_rate": 0.00019,
121
+ "loss": 3.0317,
122
+ "step": 9500
123
+ },
124
+ {
125
+ "epoch": 0.74,
126
+ "learning_rate": 0.0002,
127
+ "loss": 3.0075,
128
+ "step": 10000
129
+ },
130
+ {
131
+ "epoch": 0.77,
132
+ "learning_rate": 0.00021,
133
+ "loss": 2.9949,
134
+ "step": 10500
135
+ },
136
+ {
137
+ "epoch": 0.81,
138
+ "learning_rate": 0.00022,
139
+ "loss": 2.9786,
140
+ "step": 11000
141
+ },
142
+ {
143
+ "epoch": 0.85,
144
+ "learning_rate": 0.00023,
145
+ "loss": 2.9666,
146
+ "step": 11500
147
+ },
148
+ {
149
+ "epoch": 0.88,
150
+ "learning_rate": 0.00024,
151
+ "loss": 2.9489,
152
+ "step": 12000
153
+ },
154
+ {
155
+ "epoch": 0.92,
156
+ "learning_rate": 0.00025,
157
+ "loss": 2.9409,
158
+ "step": 12500
159
+ },
160
+ {
161
+ "epoch": 0.96,
162
+ "learning_rate": 0.00026000000000000003,
163
+ "loss": 2.9302,
164
+ "step": 13000
165
+ },
166
+ {
167
+ "epoch": 0.99,
168
+ "learning_rate": 0.00027,
169
+ "loss": 2.9231,
170
+ "step": 13500
171
+ },
172
+ {
173
+ "epoch": 1.03,
174
+ "learning_rate": 0.00028000000000000003,
175
+ "loss": 2.8963,
176
+ "step": 14000
177
+ },
178
+ {
179
+ "epoch": 1.07,
180
+ "learning_rate": 0.00029,
181
+ "loss": 2.8837,
182
+ "step": 14500
183
+ },
184
+ {
185
+ "epoch": 1.1,
186
+ "learning_rate": 0.0003,
187
+ "loss": 2.8798,
188
+ "step": 15000
189
+ },
190
+ {
191
+ "epoch": 1.14,
192
+ "learning_rate": 0.00031,
193
+ "loss": 2.8784,
194
+ "step": 15500
195
+ },
196
+ {
197
+ "epoch": 1.18,
198
+ "learning_rate": 0.00032,
199
+ "loss": 2.8685,
200
+ "step": 16000
201
+ },
202
+ {
203
+ "epoch": 1.21,
204
+ "learning_rate": 0.00033,
205
+ "loss": 2.8641,
206
+ "step": 16500
207
+ },
208
+ {
209
+ "epoch": 1.25,
210
+ "learning_rate": 0.00034,
211
+ "loss": 2.8616,
212
+ "step": 17000
213
+ },
214
+ {
215
+ "epoch": 1.29,
216
+ "learning_rate": 0.00035,
217
+ "loss": 2.8567,
218
+ "step": 17500
219
+ },
220
+ {
221
+ "epoch": 1.32,
222
+ "learning_rate": 0.00035999999999999997,
223
+ "loss": 2.8544,
224
+ "step": 18000
225
+ },
226
+ {
227
+ "epoch": 1.36,
228
+ "learning_rate": 0.00037,
229
+ "loss": 2.846,
230
+ "step": 18500
231
+ },
232
+ {
233
+ "epoch": 1.4,
234
+ "learning_rate": 0.00038,
235
+ "loss": 2.8457,
236
+ "step": 19000
237
+ },
238
+ {
239
+ "epoch": 1.43,
240
+ "learning_rate": 0.00039000000000000005,
241
+ "loss": 2.8446,
242
+ "step": 19500
243
+ },
244
+ {
245
+ "epoch": 1.47,
246
+ "learning_rate": 0.0004,
247
+ "loss": 2.8356,
248
+ "step": 20000
249
+ },
250
+ {
251
+ "epoch": 1.51,
252
+ "learning_rate": 0.00041,
253
+ "loss": 2.8338,
254
+ "step": 20500
255
+ },
256
+ {
257
+ "epoch": 1.54,
258
+ "learning_rate": 0.00042,
259
+ "loss": 2.8304,
260
+ "step": 21000
261
+ },
262
+ {
263
+ "epoch": 1.58,
264
+ "learning_rate": 0.00043,
265
+ "loss": 2.8269,
266
+ "step": 21500
267
+ },
268
+ {
269
+ "epoch": 1.62,
270
+ "learning_rate": 0.00044,
271
+ "loss": 2.8268,
272
+ "step": 22000
273
+ },
274
+ {
275
+ "epoch": 1.65,
276
+ "learning_rate": 0.00045000000000000004,
277
+ "loss": 2.8224,
278
+ "step": 22500
279
+ },
280
+ {
281
+ "epoch": 1.69,
282
+ "learning_rate": 0.00046,
283
+ "loss": 2.8261,
284
+ "step": 23000
285
+ },
286
+ {
287
+ "epoch": 1.73,
288
+ "learning_rate": 0.00047,
289
+ "loss": 2.8189,
290
+ "step": 23500
291
+ },
292
+ {
293
+ "epoch": 1.76,
294
+ "learning_rate": 0.00048,
295
+ "loss": 2.8113,
296
+ "step": 24000
297
+ },
298
+ {
299
+ "epoch": 1.8,
300
+ "learning_rate": 0.00049,
301
+ "loss": 2.807,
302
+ "step": 24500
303
+ },
304
+ {
305
+ "epoch": 1.84,
306
+ "learning_rate": 0.0005,
307
+ "loss": 2.8181,
308
+ "step": 25000
309
+ },
310
+ {
311
+ "epoch": 1.88,
312
+ "learning_rate": 0.0004988888888888889,
313
+ "loss": 2.7993,
314
+ "step": 25500
315
+ },
316
+ {
317
+ "epoch": 1.91,
318
+ "learning_rate": 0.0004977777777777778,
319
+ "loss": 2.794,
320
+ "step": 26000
321
+ },
322
+ {
323
+ "epoch": 1.95,
324
+ "learning_rate": 0.0004966666666666666,
325
+ "loss": 2.795,
326
+ "step": 26500
327
+ },
328
+ {
329
+ "epoch": 1.99,
330
+ "learning_rate": 0.0004955555555555556,
331
+ "loss": 2.7797,
332
+ "step": 27000
333
+ },
334
+ {
335
+ "epoch": 2.02,
336
+ "learning_rate": 0.0004944444444444445,
337
+ "loss": 2.7595,
338
+ "step": 27500
339
+ },
340
+ {
341
+ "epoch": 2.06,
342
+ "learning_rate": 0.0004933333333333334,
343
+ "loss": 2.7412,
344
+ "step": 28000
345
+ },
346
+ {
347
+ "epoch": 2.1,
348
+ "learning_rate": 0.0004922222222222222,
349
+ "loss": 2.7442,
350
+ "step": 28500
351
+ },
352
+ {
353
+ "epoch": 2.13,
354
+ "learning_rate": 0.0004911111111111111,
355
+ "loss": 2.7406,
356
+ "step": 29000
357
+ },
358
+ {
359
+ "epoch": 2.17,
360
+ "learning_rate": 0.00049,
361
+ "loss": 2.7369,
362
+ "step": 29500
363
+ },
364
+ {
365
+ "epoch": 2.21,
366
+ "learning_rate": 0.0004888888888888889,
367
+ "loss": 2.7356,
368
+ "step": 30000
369
+ },
370
+ {
371
+ "epoch": 2.24,
372
+ "learning_rate": 0.0004877777777777778,
373
+ "loss": 2.7308,
374
+ "step": 30500
375
+ },
376
+ {
377
+ "epoch": 2.28,
378
+ "learning_rate": 0.0004866666666666667,
379
+ "loss": 2.7344,
380
+ "step": 31000
381
+ },
382
+ {
383
+ "epoch": 2.32,
384
+ "learning_rate": 0.0004855555555555556,
385
+ "loss": 2.7292,
386
+ "step": 31500
387
+ },
388
+ {
389
+ "epoch": 2.35,
390
+ "learning_rate": 0.00048444444444444446,
391
+ "loss": 2.724,
392
+ "step": 32000
393
+ },
394
+ {
395
+ "epoch": 2.39,
396
+ "learning_rate": 0.00048333333333333334,
397
+ "loss": 2.7212,
398
+ "step": 32500
399
+ },
400
+ {
401
+ "epoch": 2.43,
402
+ "learning_rate": 0.0004822222222222222,
403
+ "loss": 2.7227,
404
+ "step": 33000
405
+ },
406
+ {
407
+ "epoch": 2.46,
408
+ "learning_rate": 0.0004811111111111111,
409
+ "loss": 2.716,
410
+ "step": 33500
411
+ },
412
+ {
413
+ "epoch": 2.5,
414
+ "learning_rate": 0.00048,
415
+ "loss": 2.7139,
416
+ "step": 34000
417
+ },
418
+ {
419
+ "epoch": 2.54,
420
+ "learning_rate": 0.0004788888888888889,
421
+ "loss": 2.7083,
422
+ "step": 34500
423
+ },
424
+ {
425
+ "epoch": 2.57,
426
+ "learning_rate": 0.0004777777777777778,
427
+ "loss": 2.7062,
428
+ "step": 35000
429
+ },
430
+ {
431
+ "epoch": 2.61,
432
+ "learning_rate": 0.0004766666666666667,
433
+ "loss": 2.7066,
434
+ "step": 35500
435
+ },
436
+ {
437
+ "epoch": 2.65,
438
+ "learning_rate": 0.00047555555555555556,
439
+ "loss": 2.7028,
440
+ "step": 36000
441
+ },
442
+ {
443
+ "epoch": 2.68,
444
+ "learning_rate": 0.00047444444444444444,
445
+ "loss": 2.6972,
446
+ "step": 36500
447
+ },
448
+ {
449
+ "epoch": 2.72,
450
+ "learning_rate": 0.00047333333333333336,
451
+ "loss": 2.6951,
452
+ "step": 37000
453
+ },
454
+ {
455
+ "epoch": 2.76,
456
+ "learning_rate": 0.00047222222222222224,
457
+ "loss": 2.6941,
458
+ "step": 37500
459
+ },
460
+ {
461
+ "epoch": 2.79,
462
+ "learning_rate": 0.0004711111111111111,
463
+ "loss": 2.6943,
464
+ "step": 38000
465
+ },
466
+ {
467
+ "epoch": 2.83,
468
+ "learning_rate": 0.00047,
469
+ "loss": 2.6884,
470
+ "step": 38500
471
+ },
472
+ {
473
+ "epoch": 2.87,
474
+ "learning_rate": 0.0004688888888888889,
475
+ "loss": 2.6858,
476
+ "step": 39000
477
+ },
478
+ {
479
+ "epoch": 2.9,
480
+ "learning_rate": 0.0004677777777777778,
481
+ "loss": 2.685,
482
+ "step": 39500
483
+ },
484
+ {
485
+ "epoch": 2.94,
486
+ "learning_rate": 0.00046666666666666666,
487
+ "loss": 2.6823,
488
+ "step": 40000
489
+ },
490
+ {
491
+ "epoch": 2.98,
492
+ "learning_rate": 0.0004655555555555556,
493
+ "loss": 2.6765,
494
+ "step": 40500
495
+ },
496
+ {
497
+ "epoch": 3.01,
498
+ "learning_rate": 0.00046444444444444446,
499
+ "loss": 2.6626,
500
+ "step": 41000
501
+ },
502
+ {
503
+ "epoch": 3.05,
504
+ "learning_rate": 0.00046333333333333334,
505
+ "loss": 2.6395,
506
+ "step": 41500
507
+ },
508
+ {
509
+ "epoch": 3.09,
510
+ "learning_rate": 0.0004622222222222222,
511
+ "loss": 2.6378,
512
+ "step": 42000
513
+ },
514
+ {
515
+ "epoch": 3.13,
516
+ "learning_rate": 0.00046111111111111114,
517
+ "loss": 2.6419,
518
+ "step": 42500
519
+ },
520
+ {
521
+ "epoch": 3.16,
522
+ "learning_rate": 0.00046,
523
+ "loss": 2.6451,
524
+ "step": 43000
525
+ },
526
+ {
527
+ "epoch": 3.2,
528
+ "learning_rate": 0.0004588888888888889,
529
+ "loss": 2.6396,
530
+ "step": 43500
531
+ },
532
+ {
533
+ "epoch": 3.24,
534
+ "learning_rate": 0.0004577777777777778,
535
+ "loss": 2.6415,
536
+ "step": 44000
537
+ },
538
+ {
539
+ "epoch": 3.27,
540
+ "learning_rate": 0.0004566666666666667,
541
+ "loss": 2.6467,
542
+ "step": 44500
543
+ },
544
+ {
545
+ "epoch": 3.31,
546
+ "learning_rate": 0.00045555555555555556,
547
+ "loss": 2.64,
548
+ "step": 45000
549
+ },
550
+ {
551
+ "epoch": 3.35,
552
+ "learning_rate": 0.00045444444444444444,
553
+ "loss": 2.6391,
554
+ "step": 45500
555
+ },
556
+ {
557
+ "epoch": 3.38,
558
+ "learning_rate": 0.0004533333333333333,
559
+ "loss": 2.6377,
560
+ "step": 46000
561
+ },
562
+ {
563
+ "epoch": 3.42,
564
+ "learning_rate": 0.00045222222222222224,
565
+ "loss": 2.639,
566
+ "step": 46500
567
+ },
568
+ {
569
+ "epoch": 3.46,
570
+ "learning_rate": 0.0004511111111111111,
571
+ "loss": 2.6368,
572
+ "step": 47000
573
+ },
574
+ {
575
+ "epoch": 3.49,
576
+ "learning_rate": 0.00045000000000000004,
577
+ "loss": 2.6374,
578
+ "step": 47500
579
+ },
580
+ {
581
+ "epoch": 3.53,
582
+ "learning_rate": 0.0004488888888888889,
583
+ "loss": 2.6349,
584
+ "step": 48000
585
+ },
586
+ {
587
+ "epoch": 3.57,
588
+ "learning_rate": 0.0004477777777777778,
589
+ "loss": 2.6321,
590
+ "step": 48500
591
+ },
592
+ {
593
+ "epoch": 3.6,
594
+ "learning_rate": 0.00044666666666666666,
595
+ "loss": 2.6286,
596
+ "step": 49000
597
+ },
598
+ {
599
+ "epoch": 3.64,
600
+ "learning_rate": 0.00044555555555555554,
601
+ "loss": 2.6316,
602
+ "step": 49500
603
+ },
604
+ {
605
+ "epoch": 3.68,
606
+ "learning_rate": 0.0004444444444444444,
607
+ "loss": 2.629,
608
+ "step": 50000
609
+ },
610
+ {
611
+ "epoch": 3.71,
612
+ "learning_rate": 0.00044333333333333334,
613
+ "loss": 2.6283,
614
+ "step": 50500
615
+ },
616
+ {
617
+ "epoch": 3.75,
618
+ "learning_rate": 0.00044222222222222227,
619
+ "loss": 2.6266,
620
+ "step": 51000
621
+ },
622
+ {
623
+ "epoch": 3.79,
624
+ "learning_rate": 0.00044111111111111114,
625
+ "loss": 2.6265,
626
+ "step": 51500
627
+ },
628
+ {
629
+ "epoch": 3.82,
630
+ "learning_rate": 0.00044,
631
+ "loss": 2.6228,
632
+ "step": 52000
633
+ },
634
+ {
635
+ "epoch": 3.86,
636
+ "learning_rate": 0.0004388888888888889,
637
+ "loss": 2.6223,
638
+ "step": 52500
639
+ },
640
+ {
641
+ "epoch": 3.9,
642
+ "learning_rate": 0.00043777777777777776,
643
+ "loss": 2.6245,
644
+ "step": 53000
645
+ },
646
+ {
647
+ "epoch": 3.93,
648
+ "learning_rate": 0.00043666666666666664,
649
+ "loss": 2.6204,
650
+ "step": 53500
651
+ },
652
+ {
653
+ "epoch": 3.97,
654
+ "learning_rate": 0.0004355555555555555,
655
+ "loss": 2.6199,
656
+ "step": 54000
657
+ },
658
+ {
659
+ "epoch": 4.01,
660
+ "learning_rate": 0.0004344444444444445,
661
+ "loss": 2.6167,
662
+ "step": 54500
663
+ },
664
+ {
665
+ "epoch": 4.04,
666
+ "learning_rate": 0.00043333333333333337,
667
+ "loss": 2.5796,
668
+ "step": 55000
669
+ },
670
+ {
671
+ "epoch": 4.08,
672
+ "learning_rate": 0.00043222222222222224,
673
+ "loss": 2.5805,
674
+ "step": 55500
675
+ },
676
+ {
677
+ "epoch": 4.12,
678
+ "learning_rate": 0.0004311111111111111,
679
+ "loss": 2.5849,
680
+ "step": 56000
681
+ },
682
+ {
683
+ "epoch": 4.15,
684
+ "learning_rate": 0.00043,
685
+ "loss": 2.5859,
686
+ "step": 56500
687
+ },
688
+ {
689
+ "epoch": 4.19,
690
+ "learning_rate": 0.00042888888888888886,
691
+ "loss": 2.5873,
692
+ "step": 57000
693
+ },
694
+ {
695
+ "epoch": 4.23,
696
+ "learning_rate": 0.0004277777777777778,
697
+ "loss": 2.5868,
698
+ "step": 57500
699
+ },
700
+ {
701
+ "epoch": 4.27,
702
+ "learning_rate": 0.0004266666666666667,
703
+ "loss": 2.5884,
704
+ "step": 58000
705
+ },
706
+ {
707
+ "epoch": 4.3,
708
+ "learning_rate": 0.0004255555555555556,
709
+ "loss": 2.5852,
710
+ "step": 58500
711
+ },
712
+ {
713
+ "epoch": 4.34,
714
+ "learning_rate": 0.00042444444444444447,
715
+ "loss": 2.5867,
716
+ "step": 59000
717
+ },
718
+ {
719
+ "epoch": 4.38,
720
+ "learning_rate": 0.00042333333333333334,
721
+ "loss": 2.5881,
722
+ "step": 59500
723
+ },
724
+ {
725
+ "epoch": 4.41,
726
+ "learning_rate": 0.0004222222222222222,
727
+ "loss": 2.5879,
728
+ "step": 60000
729
+ },
730
+ {
731
+ "epoch": 4.45,
732
+ "learning_rate": 0.0004211111111111111,
733
+ "loss": 2.586,
734
+ "step": 60500
735
+ },
736
+ {
737
+ "epoch": 4.49,
738
+ "learning_rate": 0.00042,
739
+ "loss": 2.5848,
740
+ "step": 61000
741
+ },
742
+ {
743
+ "epoch": 4.52,
744
+ "learning_rate": 0.0004188888888888889,
745
+ "loss": 2.5854,
746
+ "step": 61500
747
+ },
748
+ {
749
+ "epoch": 4.56,
750
+ "learning_rate": 0.0004177777777777778,
751
+ "loss": 2.587,
752
+ "step": 62000
753
+ },
754
+ {
755
+ "epoch": 4.6,
756
+ "learning_rate": 0.0004166666666666667,
757
+ "loss": 2.5863,
758
+ "step": 62500
759
+ },
760
+ {
761
+ "epoch": 4.63,
762
+ "learning_rate": 0.00041555555555555557,
763
+ "loss": 2.5831,
764
+ "step": 63000
765
+ },
766
+ {
767
+ "epoch": 4.67,
768
+ "learning_rate": 0.00041444444444444444,
769
+ "loss": 2.5808,
770
+ "step": 63500
771
+ },
772
+ {
773
+ "epoch": 4.71,
774
+ "learning_rate": 0.0004133333333333333,
775
+ "loss": 2.5834,
776
+ "step": 64000
777
+ },
778
+ {
779
+ "epoch": 4.74,
780
+ "learning_rate": 0.00041222222222222224,
781
+ "loss": 2.5814,
782
+ "step": 64500
783
+ },
784
+ {
785
+ "epoch": 4.78,
786
+ "learning_rate": 0.0004111111111111111,
787
+ "loss": 2.579,
788
+ "step": 65000
789
+ },
790
+ {
791
+ "epoch": 4.82,
792
+ "learning_rate": 0.00041,
793
+ "loss": 2.5842,
794
+ "step": 65500
795
+ },
796
+ {
797
+ "epoch": 4.85,
798
+ "learning_rate": 0.0004088888888888889,
799
+ "loss": 2.5786,
800
+ "step": 66000
801
+ },
802
+ {
803
+ "epoch": 4.89,
804
+ "learning_rate": 0.0004077777777777778,
805
+ "loss": 2.5814,
806
+ "step": 66500
807
+ },
808
+ {
809
+ "epoch": 4.93,
810
+ "learning_rate": 0.00040666666666666667,
811
+ "loss": 2.5786,
812
+ "step": 67000
813
+ },
814
+ {
815
+ "epoch": 4.96,
816
+ "learning_rate": 0.00040555555555555554,
817
+ "loss": 2.58,
818
+ "step": 67500
819
+ },
820
+ {
821
+ "epoch": 5.0,
822
+ "learning_rate": 0.00040444444444444447,
823
+ "loss": 2.5795,
824
+ "step": 68000
825
+ },
826
+ {
827
+ "epoch": 5.04,
828
+ "learning_rate": 0.00040333333333333334,
829
+ "loss": 2.5391,
830
+ "step": 68500
831
+ },
832
+ {
833
+ "epoch": 5.07,
834
+ "learning_rate": 0.0004022222222222222,
835
+ "loss": 2.5398,
836
+ "step": 69000
837
+ },
838
+ {
839
+ "epoch": 5.11,
840
+ "learning_rate": 0.0004011111111111111,
841
+ "loss": 2.5421,
842
+ "step": 69500
843
+ },
844
+ {
845
+ "epoch": 5.15,
846
+ "learning_rate": 0.0004,
847
+ "loss": 2.545,
848
+ "step": 70000
849
+ },
850
+ {
851
+ "epoch": 5.18,
852
+ "learning_rate": 0.0003988888888888889,
853
+ "loss": 2.5493,
854
+ "step": 70500
855
+ },
856
+ {
857
+ "epoch": 5.22,
858
+ "learning_rate": 0.00039777777777777777,
859
+ "loss": 2.5484,
860
+ "step": 71000
861
+ },
862
+ {
863
+ "epoch": 5.26,
864
+ "learning_rate": 0.0003966666666666667,
865
+ "loss": 2.5483,
866
+ "step": 71500
867
+ },
868
+ {
869
+ "epoch": 5.29,
870
+ "learning_rate": 0.00039555555555555557,
871
+ "loss": 2.5511,
872
+ "step": 72000
873
+ },
874
+ {
875
+ "epoch": 5.33,
876
+ "learning_rate": 0.00039444444444444444,
877
+ "loss": 2.5497,
878
+ "step": 72500
879
+ },
880
+ {
881
+ "epoch": 5.37,
882
+ "learning_rate": 0.0003933333333333333,
883
+ "loss": 2.5495,
884
+ "step": 73000
885
+ },
886
+ {
887
+ "epoch": 5.4,
888
+ "learning_rate": 0.00039222222222222225,
889
+ "loss": 2.5508,
890
+ "step": 73500
891
+ },
892
+ {
893
+ "epoch": 5.44,
894
+ "learning_rate": 0.0003911111111111111,
895
+ "loss": 2.5474,
896
+ "step": 74000
897
+ },
898
+ {
899
+ "epoch": 5.48,
900
+ "learning_rate": 0.00039000000000000005,
901
+ "loss": 2.5508,
902
+ "step": 74500
903
+ },
904
+ {
905
+ "epoch": 5.52,
906
+ "learning_rate": 0.0003888888888888889,
907
+ "loss": 2.5512,
908
+ "step": 75000
909
+ },
910
+ {
911
+ "epoch": 5.55,
912
+ "learning_rate": 0.0003877777777777778,
913
+ "loss": 2.5488,
914
+ "step": 75500
915
+ },
916
+ {
917
+ "epoch": 5.59,
918
+ "learning_rate": 0.00038666666666666667,
919
+ "loss": 2.5511,
920
+ "step": 76000
921
+ },
922
+ {
923
+ "epoch": 5.63,
924
+ "learning_rate": 0.00038555555555555554,
925
+ "loss": 2.5507,
926
+ "step": 76500
927
+ },
928
+ {
929
+ "epoch": 5.66,
930
+ "learning_rate": 0.0003844444444444444,
931
+ "loss": 2.5507,
932
+ "step": 77000
933
+ },
934
+ {
935
+ "epoch": 5.7,
936
+ "learning_rate": 0.00038333333333333334,
937
+ "loss": 2.5502,
938
+ "step": 77500
939
+ },
940
+ {
941
+ "epoch": 5.74,
942
+ "learning_rate": 0.0003822222222222223,
943
+ "loss": 2.5464,
944
+ "step": 78000
945
+ },
946
+ {
947
+ "epoch": 5.77,
948
+ "learning_rate": 0.00038111111111111115,
949
+ "loss": 2.5483,
950
+ "step": 78500
951
+ },
952
+ {
953
+ "epoch": 5.81,
954
+ "learning_rate": 0.00038,
955
+ "loss": 2.5463,
956
+ "step": 79000
957
+ },
958
+ {
959
+ "epoch": 5.85,
960
+ "learning_rate": 0.0003788888888888889,
961
+ "loss": 2.5474,
962
+ "step": 79500
963
+ },
964
+ {
965
+ "epoch": 5.88,
966
+ "learning_rate": 0.00037777777777777777,
967
+ "loss": 2.5482,
968
+ "step": 80000
969
+ },
970
+ {
971
+ "epoch": 5.92,
972
+ "learning_rate": 0.00037666666666666664,
973
+ "loss": 2.548,
974
+ "step": 80500
975
+ },
976
+ {
977
+ "epoch": 5.96,
978
+ "learning_rate": 0.0003755555555555555,
979
+ "loss": 2.5435,
980
+ "step": 81000
981
+ },
982
+ {
983
+ "epoch": 5.99,
984
+ "learning_rate": 0.0003744444444444445,
985
+ "loss": 2.5452,
986
+ "step": 81500
987
+ },
988
+ {
989
+ "epoch": 6.03,
990
+ "learning_rate": 0.0003733333333333334,
991
+ "loss": 2.5167,
992
+ "step": 82000
993
+ },
994
+ {
995
+ "epoch": 6.07,
996
+ "learning_rate": 0.00037222222222222225,
997
+ "loss": 2.5106,
998
+ "step": 82500
999
+ },
1000
+ {
1001
+ "epoch": 6.1,
1002
+ "learning_rate": 0.0003711111111111111,
1003
+ "loss": 2.5125,
1004
+ "step": 83000
1005
+ },
1006
+ {
1007
+ "epoch": 6.14,
1008
+ "learning_rate": 0.00037,
1009
+ "loss": 2.5132,
1010
+ "step": 83500
1011
+ },
1012
+ {
1013
+ "epoch": 6.18,
1014
+ "learning_rate": 0.00036888888888888887,
1015
+ "loss": 2.5186,
1016
+ "step": 84000
1017
+ },
1018
+ {
1019
+ "epoch": 6.21,
1020
+ "learning_rate": 0.00036777777777777774,
1021
+ "loss": 2.5191,
1022
+ "step": 84500
1023
+ },
1024
+ {
1025
+ "epoch": 6.25,
1026
+ "learning_rate": 0.00036666666666666667,
1027
+ "loss": 2.5202,
1028
+ "step": 85000
1029
+ },
1030
+ {
1031
+ "epoch": 6.29,
1032
+ "learning_rate": 0.0003655555555555556,
1033
+ "loss": 2.5169,
1034
+ "step": 85500
1035
+ },
1036
+ {
1037
+ "epoch": 6.32,
1038
+ "learning_rate": 0.00036444444444444447,
1039
+ "loss": 2.5171,
1040
+ "step": 86000
1041
+ },
1042
+ {
1043
+ "epoch": 6.36,
1044
+ "learning_rate": 0.00036333333333333335,
1045
+ "loss": 2.5197,
1046
+ "step": 86500
1047
+ },
1048
+ {
1049
+ "epoch": 6.4,
1050
+ "learning_rate": 0.0003622222222222222,
1051
+ "loss": 2.5188,
1052
+ "step": 87000
1053
+ },
1054
+ {
1055
+ "epoch": 6.43,
1056
+ "learning_rate": 0.0003611111111111111,
1057
+ "loss": 2.5198,
1058
+ "step": 87500
1059
+ },
1060
+ {
1061
+ "epoch": 6.47,
1062
+ "learning_rate": 0.00035999999999999997,
1063
+ "loss": 2.5223,
1064
+ "step": 88000
1065
+ },
1066
+ {
1067
+ "epoch": 6.51,
1068
+ "learning_rate": 0.0003588888888888889,
1069
+ "loss": 2.522,
1070
+ "step": 88500
1071
+ },
1072
+ {
1073
+ "epoch": 6.54,
1074
+ "learning_rate": 0.00035777777777777777,
1075
+ "loss": 2.5226,
1076
+ "step": 89000
1077
+ },
1078
+ {
1079
+ "epoch": 6.58,
1080
+ "learning_rate": 0.0003566666666666667,
1081
+ "loss": 2.5218,
1082
+ "step": 89500
1083
+ },
1084
+ {
1085
+ "epoch": 6.62,
1086
+ "learning_rate": 0.00035555555555555557,
1087
+ "loss": 2.5222,
1088
+ "step": 90000
1089
+ },
1090
+ {
1091
+ "epoch": 6.65,
1092
+ "learning_rate": 0.00035444444444444445,
1093
+ "loss": 2.5184,
1094
+ "step": 90500
1095
+ },
1096
+ {
1097
+ "epoch": 6.69,
1098
+ "learning_rate": 0.0003533333333333333,
1099
+ "loss": 2.5206,
1100
+ "step": 91000
1101
+ },
1102
+ {
1103
+ "epoch": 6.73,
1104
+ "learning_rate": 0.00035222222222222225,
1105
+ "loss": 2.5247,
1106
+ "step": 91500
1107
+ },
1108
+ {
1109
+ "epoch": 6.77,
1110
+ "learning_rate": 0.0003511111111111111,
1111
+ "loss": 2.5244,
1112
+ "step": 92000
1113
+ },
1114
+ {
1115
+ "epoch": 6.8,
1116
+ "learning_rate": 0.00035,
1117
+ "loss": 2.5228,
1118
+ "step": 92500
1119
+ },
1120
+ {
1121
+ "epoch": 6.84,
1122
+ "learning_rate": 0.0003488888888888889,
1123
+ "loss": 2.5208,
1124
+ "step": 93000
1125
+ },
1126
+ {
1127
+ "epoch": 6.88,
1128
+ "learning_rate": 0.0003477777777777778,
1129
+ "loss": 2.5208,
1130
+ "step": 93500
1131
+ },
1132
+ {
1133
+ "epoch": 6.91,
1134
+ "learning_rate": 0.00034666666666666667,
1135
+ "loss": 2.5202,
1136
+ "step": 94000
1137
+ },
1138
+ {
1139
+ "epoch": 6.95,
1140
+ "learning_rate": 0.00034555555555555555,
1141
+ "loss": 2.5219,
1142
+ "step": 94500
1143
+ },
1144
+ {
1145
+ "epoch": 6.99,
1146
+ "learning_rate": 0.0003444444444444445,
1147
+ "loss": 2.5204,
1148
+ "step": 95000
1149
+ },
1150
+ {
1151
+ "epoch": 7.02,
1152
+ "learning_rate": 0.00034333333333333335,
1153
+ "loss": 2.4973,
1154
+ "step": 95500
1155
+ },
1156
+ {
1157
+ "epoch": 7.06,
1158
+ "learning_rate": 0.0003422222222222222,
1159
+ "loss": 2.4822,
1160
+ "step": 96000
1161
+ },
1162
+ {
1163
+ "epoch": 7.1,
1164
+ "learning_rate": 0.0003411111111111111,
1165
+ "loss": 2.4842,
1166
+ "step": 96500
1167
+ },
1168
+ {
1169
+ "epoch": 7.13,
1170
+ "learning_rate": 0.00034,
1171
+ "loss": 2.4887,
1172
+ "step": 97000
1173
+ },
1174
+ {
1175
+ "epoch": 7.17,
1176
+ "learning_rate": 0.0003388888888888889,
1177
+ "loss": 2.4893,
1178
+ "step": 97500
1179
+ },
1180
+ {
1181
+ "epoch": 7.21,
1182
+ "learning_rate": 0.00033777777777777777,
1183
+ "loss": 2.4901,
1184
+ "step": 98000
1185
+ },
1186
+ {
1187
+ "epoch": 7.24,
1188
+ "learning_rate": 0.0003366666666666667,
1189
+ "loss": 2.4918,
1190
+ "step": 98500
1191
+ },
1192
+ {
1193
+ "epoch": 7.28,
1194
+ "learning_rate": 0.0003355555555555556,
1195
+ "loss": 2.4945,
1196
+ "step": 99000
1197
+ },
1198
+ {
1199
+ "epoch": 7.32,
1200
+ "learning_rate": 0.00033444444444444445,
1201
+ "loss": 2.4978,
1202
+ "step": 99500
1203
+ },
1204
+ {
1205
+ "epoch": 7.35,
1206
+ "learning_rate": 0.0003333333333333333,
1207
+ "loss": 2.498,
1208
+ "step": 100000
1209
+ },
1210
+ {
1211
+ "epoch": 7.39,
1212
+ "learning_rate": 0.0003322222222222222,
1213
+ "loss": 2.4966,
1214
+ "step": 100500
1215
+ },
1216
+ {
1217
+ "epoch": 7.43,
1218
+ "learning_rate": 0.0003311111111111111,
1219
+ "loss": 2.4983,
1220
+ "step": 101000
1221
+ },
1222
+ {
1223
+ "epoch": 7.46,
1224
+ "learning_rate": 0.00033,
1225
+ "loss": 2.4984,
1226
+ "step": 101500
1227
+ },
1228
+ {
1229
+ "epoch": 7.5,
1230
+ "learning_rate": 0.0003288888888888889,
1231
+ "loss": 2.4961,
1232
+ "step": 102000
1233
+ },
1234
+ {
1235
+ "epoch": 7.54,
1236
+ "learning_rate": 0.0003277777777777778,
1237
+ "loss": 2.4996,
1238
+ "step": 102500
1239
+ },
1240
+ {
1241
+ "epoch": 7.57,
1242
+ "learning_rate": 0.0003266666666666667,
1243
+ "loss": 2.4984,
1244
+ "step": 103000
1245
+ },
1246
+ {
1247
+ "epoch": 7.61,
1248
+ "learning_rate": 0.00032555555555555555,
1249
+ "loss": 2.4992,
1250
+ "step": 103500
1251
+ },
1252
+ {
1253
+ "epoch": 7.65,
1254
+ "learning_rate": 0.0003244444444444444,
1255
+ "loss": 2.4985,
1256
+ "step": 104000
1257
+ },
1258
+ {
1259
+ "epoch": 7.68,
1260
+ "learning_rate": 0.0003233333333333333,
1261
+ "loss": 2.5009,
1262
+ "step": 104500
1263
+ },
1264
+ {
1265
+ "epoch": 7.72,
1266
+ "learning_rate": 0.0003222222222222222,
1267
+ "loss": 2.4971,
1268
+ "step": 105000
1269
+ },
1270
+ {
1271
+ "epoch": 7.76,
1272
+ "learning_rate": 0.00032111111111111115,
1273
+ "loss": 2.4994,
1274
+ "step": 105500
1275
+ },
1276
+ {
1277
+ "epoch": 7.79,
1278
+ "learning_rate": 0.00032,
1279
+ "loss": 2.4963,
1280
+ "step": 106000
1281
+ },
1282
+ {
1283
+ "epoch": 7.83,
1284
+ "learning_rate": 0.0003188888888888889,
1285
+ "loss": 2.4976,
1286
+ "step": 106500
1287
+ },
1288
+ {
1289
+ "epoch": 7.87,
1290
+ "learning_rate": 0.0003177777777777778,
1291
+ "loss": 2.4977,
1292
+ "step": 107000
1293
+ },
1294
+ {
1295
+ "epoch": 7.9,
1296
+ "learning_rate": 0.00031666666666666665,
1297
+ "loss": 2.5017,
1298
+ "step": 107500
1299
+ },
1300
+ {
1301
+ "epoch": 7.94,
1302
+ "learning_rate": 0.0003155555555555555,
1303
+ "loss": 2.4991,
1304
+ "step": 108000
1305
+ },
1306
+ {
1307
+ "epoch": 7.98,
1308
+ "learning_rate": 0.0003144444444444445,
1309
+ "loss": 2.5011,
1310
+ "step": 108500
1311
+ },
1312
+ {
1313
+ "epoch": 8.02,
1314
+ "learning_rate": 0.0003133333333333334,
1315
+ "loss": 2.4842,
1316
+ "step": 109000
1317
+ },
1318
+ {
1319
+ "epoch": 8.05,
1320
+ "learning_rate": 0.00031222222222222225,
1321
+ "loss": 2.4579,
1322
+ "step": 109500
1323
+ },
1324
+ {
1325
+ "epoch": 8.09,
1326
+ "learning_rate": 0.0003111111111111111,
1327
+ "loss": 2.4613,
1328
+ "step": 110000
1329
+ },
1330
+ {
1331
+ "epoch": 8.13,
1332
+ "learning_rate": 0.00031,
1333
+ "loss": 2.4681,
1334
+ "step": 110500
1335
+ },
1336
+ {
1337
+ "epoch": 8.16,
1338
+ "learning_rate": 0.0003088888888888889,
1339
+ "loss": 2.4665,
1340
+ "step": 111000
1341
+ },
1342
+ {
1343
+ "epoch": 8.2,
1344
+ "learning_rate": 0.00030777777777777775,
1345
+ "loss": 2.4709,
1346
+ "step": 111500
1347
+ },
1348
+ {
1349
+ "epoch": 8.24,
1350
+ "learning_rate": 0.0003066666666666667,
1351
+ "loss": 2.47,
1352
+ "step": 112000
1353
+ },
1354
+ {
1355
+ "epoch": 8.27,
1356
+ "learning_rate": 0.0003055555555555556,
1357
+ "loss": 2.4714,
1358
+ "step": 112500
1359
+ },
1360
+ {
1361
+ "epoch": 8.31,
1362
+ "learning_rate": 0.0003044444444444445,
1363
+ "loss": 2.473,
1364
+ "step": 113000
1365
+ },
1366
+ {
1367
+ "epoch": 8.35,
1368
+ "learning_rate": 0.00030333333333333335,
1369
+ "loss": 2.4769,
1370
+ "step": 113500
1371
+ },
1372
+ {
1373
+ "epoch": 8.38,
1374
+ "learning_rate": 0.0003022222222222222,
1375
+ "loss": 2.4753,
1376
+ "step": 114000
1377
+ },
1378
+ {
1379
+ "epoch": 8.42,
1380
+ "learning_rate": 0.0003011111111111111,
1381
+ "loss": 2.4772,
1382
+ "step": 114500
1383
+ },
1384
+ {
1385
+ "epoch": 8.46,
1386
+ "learning_rate": 0.0003,
1387
+ "loss": 2.4789,
1388
+ "step": 115000
1389
+ },
1390
+ {
1391
+ "epoch": 8.49,
1392
+ "learning_rate": 0.0002988888888888889,
1393
+ "loss": 2.4787,
1394
+ "step": 115500
1395
+ },
1396
+ {
1397
+ "epoch": 8.53,
1398
+ "learning_rate": 0.0002977777777777778,
1399
+ "loss": 2.4789,
1400
+ "step": 116000
1401
+ },
1402
+ {
1403
+ "epoch": 8.57,
1404
+ "learning_rate": 0.0002966666666666667,
1405
+ "loss": 2.4771,
1406
+ "step": 116500
1407
+ },
1408
+ {
1409
+ "epoch": 8.6,
1410
+ "learning_rate": 0.0002955555555555556,
1411
+ "loss": 2.48,
1412
+ "step": 117000
1413
+ },
1414
+ {
1415
+ "epoch": 8.64,
1416
+ "learning_rate": 0.00029444444444444445,
1417
+ "loss": 2.477,
1418
+ "step": 117500
1419
+ },
1420
+ {
1421
+ "epoch": 8.68,
1422
+ "learning_rate": 0.0002933333333333333,
1423
+ "loss": 2.4761,
1424
+ "step": 118000
1425
+ },
1426
+ {
1427
+ "epoch": 8.71,
1428
+ "learning_rate": 0.0002922222222222222,
1429
+ "loss": 2.4798,
1430
+ "step": 118500
1431
+ },
1432
+ {
1433
+ "epoch": 8.75,
1434
+ "learning_rate": 0.00029111111111111113,
1435
+ "loss": 2.4795,
1436
+ "step": 119000
1437
+ },
1438
+ {
1439
+ "epoch": 8.79,
1440
+ "learning_rate": 0.00029,
1441
+ "loss": 2.4845,
1442
+ "step": 119500
1443
+ },
1444
+ {
1445
+ "epoch": 8.82,
1446
+ "learning_rate": 0.0002888888888888889,
1447
+ "loss": 2.48,
1448
+ "step": 120000
1449
+ },
1450
+ {
1451
+ "epoch": 8.86,
1452
+ "learning_rate": 0.0002877777777777778,
1453
+ "loss": 2.4808,
1454
+ "step": 120500
1455
+ },
1456
+ {
1457
+ "epoch": 8.9,
1458
+ "learning_rate": 0.0002866666666666667,
1459
+ "loss": 2.4786,
1460
+ "step": 121000
1461
+ },
1462
+ {
1463
+ "epoch": 8.93,
1464
+ "learning_rate": 0.00028555555555555555,
1465
+ "loss": 2.4771,
1466
+ "step": 121500
1467
+ },
1468
+ {
1469
+ "epoch": 8.97,
1470
+ "learning_rate": 0.0002844444444444444,
1471
+ "loss": 2.4775,
1472
+ "step": 122000
1473
+ },
1474
+ {
1475
+ "epoch": 9.01,
1476
+ "learning_rate": 0.00028333333333333335,
1477
+ "loss": 2.4704,
1478
+ "step": 122500
1479
+ },
1480
+ {
1481
+ "epoch": 9.04,
1482
+ "learning_rate": 0.00028222222222222223,
1483
+ "loss": 2.4411,
1484
+ "step": 123000
1485
+ },
1486
+ {
1487
+ "epoch": 9.08,
1488
+ "learning_rate": 0.0002811111111111111,
1489
+ "loss": 2.4426,
1490
+ "step": 123500
1491
+ },
1492
+ {
1493
+ "epoch": 9.12,
1494
+ "learning_rate": 0.00028000000000000003,
1495
+ "loss": 2.449,
1496
+ "step": 124000
1497
+ },
1498
+ {
1499
+ "epoch": 9.16,
1500
+ "learning_rate": 0.0002788888888888889,
1501
+ "loss": 2.4474,
1502
+ "step": 124500
1503
+ },
1504
+ {
1505
+ "epoch": 9.19,
1506
+ "learning_rate": 0.0002777777777777778,
1507
+ "loss": 2.4491,
1508
+ "step": 125000
1509
+ },
1510
+ {
1511
+ "epoch": 9.23,
1512
+ "learning_rate": 0.00027666666666666665,
1513
+ "loss": 2.4512,
1514
+ "step": 125500
1515
+ },
1516
+ {
1517
+ "epoch": 9.27,
1518
+ "learning_rate": 0.0002755555555555556,
1519
+ "loss": 2.4531,
1520
+ "step": 126000
1521
+ },
1522
+ {
1523
+ "epoch": 9.3,
1524
+ "learning_rate": 0.00027444444444444445,
1525
+ "loss": 2.4534,
1526
+ "step": 126500
1527
+ },
1528
+ {
1529
+ "epoch": 9.34,
1530
+ "learning_rate": 0.00027333333333333333,
1531
+ "loss": 2.4576,
1532
+ "step": 127000
1533
+ },
1534
+ {
1535
+ "epoch": 9.38,
1536
+ "learning_rate": 0.0002722222222222222,
1537
+ "loss": 2.4584,
1538
+ "step": 127500
1539
+ },
1540
+ {
1541
+ "epoch": 9.41,
1542
+ "learning_rate": 0.00027111111111111113,
1543
+ "loss": 2.4542,
1544
+ "step": 128000
1545
+ },
1546
+ {
1547
+ "epoch": 9.45,
1548
+ "learning_rate": 0.00027,
1549
+ "loss": 2.4572,
1550
+ "step": 128500
1551
+ },
1552
+ {
1553
+ "epoch": 9.49,
1554
+ "learning_rate": 0.00026888888888888893,
1555
+ "loss": 2.4619,
1556
+ "step": 129000
1557
+ },
1558
+ {
1559
+ "epoch": 9.52,
1560
+ "learning_rate": 0.0002677777777777778,
1561
+ "loss": 2.4578,
1562
+ "step": 129500
1563
+ },
1564
+ {
1565
+ "epoch": 9.56,
1566
+ "learning_rate": 0.0002666666666666667,
1567
+ "loss": 2.4596,
1568
+ "step": 130000
1569
+ },
1570
+ {
1571
+ "epoch": 9.6,
1572
+ "learning_rate": 0.00026555555555555555,
1573
+ "loss": 2.4569,
1574
+ "step": 130500
1575
+ },
1576
+ {
1577
+ "epoch": 9.63,
1578
+ "learning_rate": 0.00026444444444444443,
1579
+ "loss": 2.4611,
1580
+ "step": 131000
1581
+ },
1582
+ {
1583
+ "epoch": 9.67,
1584
+ "learning_rate": 0.0002633333333333333,
1585
+ "loss": 2.4605,
1586
+ "step": 131500
1587
+ },
1588
+ {
1589
+ "epoch": 9.71,
1590
+ "learning_rate": 0.00026222222222222223,
1591
+ "loss": 2.4632,
1592
+ "step": 132000
1593
+ },
1594
+ {
1595
+ "epoch": 9.74,
1596
+ "learning_rate": 0.00026111111111111116,
1597
+ "loss": 2.4603,
1598
+ "step": 132500
1599
+ },
1600
+ {
1601
+ "epoch": 9.78,
1602
+ "learning_rate": 0.00026000000000000003,
1603
+ "loss": 2.4609,
1604
+ "step": 133000
1605
+ },
1606
+ {
1607
+ "epoch": 9.82,
1608
+ "learning_rate": 0.0002588888888888889,
1609
+ "loss": 2.4605,
1610
+ "step": 133500
1611
+ },
1612
+ {
1613
+ "epoch": 9.85,
1614
+ "learning_rate": 0.0002577777777777778,
1615
+ "loss": 2.4623,
1616
+ "step": 134000
1617
+ },
1618
+ {
1619
+ "epoch": 9.89,
1620
+ "learning_rate": 0.00025666666666666665,
1621
+ "loss": 2.4634,
1622
+ "step": 134500
1623
+ },
1624
+ {
1625
+ "epoch": 9.93,
1626
+ "learning_rate": 0.00025555555555555553,
1627
+ "loss": 2.4601,
1628
+ "step": 135000
1629
+ },
1630
+ {
1631
+ "epoch": 9.96,
1632
+ "learning_rate": 0.0002544444444444444,
1633
+ "loss": 2.4608,
1634
+ "step": 135500
1635
+ },
1636
+ {
1637
+ "epoch": 10.0,
1638
+ "learning_rate": 0.0002533333333333334,
1639
+ "loss": 2.4625,
1640
+ "step": 136000
1641
+ },
1642
+ {
1643
+ "epoch": 10.04,
1644
+ "learning_rate": 0.00025222222222222226,
1645
+ "loss": 2.423,
1646
+ "step": 136500
1647
+ },
1648
+ {
1649
+ "epoch": 10.07,
1650
+ "learning_rate": 0.00025111111111111113,
1651
+ "loss": 2.4245,
1652
+ "step": 137000
1653
+ },
1654
+ {
1655
+ "epoch": 10.11,
1656
+ "learning_rate": 0.00025,
1657
+ "loss": 2.4306,
1658
+ "step": 137500
1659
+ },
1660
+ {
1661
+ "epoch": 10.15,
1662
+ "learning_rate": 0.0002488888888888889,
1663
+ "loss": 2.4346,
1664
+ "step": 138000
1665
+ },
1666
+ {
1667
+ "epoch": 10.18,
1668
+ "learning_rate": 0.0002477777777777778,
1669
+ "loss": 2.436,
1670
+ "step": 138500
1671
+ },
1672
+ {
1673
+ "epoch": 10.22,
1674
+ "learning_rate": 0.0002466666666666667,
1675
+ "loss": 2.4336,
1676
+ "step": 139000
1677
+ },
1678
+ {
1679
+ "epoch": 10.26,
1680
+ "learning_rate": 0.00024555555555555556,
1681
+ "loss": 2.4358,
1682
+ "step": 139500
1683
+ },
1684
+ {
1685
+ "epoch": 10.29,
1686
+ "learning_rate": 0.00024444444444444443,
1687
+ "loss": 2.4363,
1688
+ "step": 140000
1689
+ },
1690
+ {
1691
+ "epoch": 10.33,
1692
+ "learning_rate": 0.00024333333333333336,
1693
+ "loss": 2.4386,
1694
+ "step": 140500
1695
+ },
1696
+ {
1697
+ "epoch": 10.37,
1698
+ "learning_rate": 0.00024222222222222223,
1699
+ "loss": 2.4396,
1700
+ "step": 141000
1701
+ },
1702
+ {
1703
+ "epoch": 10.41,
1704
+ "learning_rate": 0.0002411111111111111,
1705
+ "loss": 2.4395,
1706
+ "step": 141500
1707
+ },
1708
+ {
1709
+ "epoch": 10.44,
1710
+ "learning_rate": 0.00024,
1711
+ "loss": 2.4379,
1712
+ "step": 142000
1713
+ },
1714
+ {
1715
+ "epoch": 10.48,
1716
+ "learning_rate": 0.0002388888888888889,
1717
+ "loss": 2.4396,
1718
+ "step": 142500
1719
+ },
1720
+ {
1721
+ "epoch": 10.52,
1722
+ "learning_rate": 0.00023777777777777778,
1723
+ "loss": 2.4418,
1724
+ "step": 143000
1725
+ },
1726
+ {
1727
+ "epoch": 10.55,
1728
+ "learning_rate": 0.00023666666666666668,
1729
+ "loss": 2.4415,
1730
+ "step": 143500
1731
+ },
1732
+ {
1733
+ "epoch": 10.59,
1734
+ "learning_rate": 0.00023555555555555556,
1735
+ "loss": 2.442,
1736
+ "step": 144000
1737
+ },
1738
+ {
1739
+ "epoch": 10.63,
1740
+ "learning_rate": 0.00023444444444444446,
1741
+ "loss": 2.4421,
1742
+ "step": 144500
1743
+ },
1744
+ {
1745
+ "epoch": 10.66,
1746
+ "learning_rate": 0.00023333333333333333,
1747
+ "loss": 2.4426,
1748
+ "step": 145000
1749
+ },
1750
+ {
1751
+ "epoch": 10.7,
1752
+ "learning_rate": 0.00023222222222222223,
1753
+ "loss": 2.443,
1754
+ "step": 145500
1755
+ },
1756
+ {
1757
+ "epoch": 10.74,
1758
+ "learning_rate": 0.0002311111111111111,
1759
+ "loss": 2.4423,
1760
+ "step": 146000
1761
+ },
1762
+ {
1763
+ "epoch": 10.77,
1764
+ "learning_rate": 0.00023,
1765
+ "loss": 2.4454,
1766
+ "step": 146500
1767
+ },
1768
+ {
1769
+ "epoch": 10.81,
1770
+ "learning_rate": 0.0002288888888888889,
1771
+ "loss": 2.4419,
1772
+ "step": 147000
1773
+ },
1774
+ {
1775
+ "epoch": 10.85,
1776
+ "learning_rate": 0.00022777777777777778,
1777
+ "loss": 2.4415,
1778
+ "step": 147500
1779
+ },
1780
+ {
1781
+ "epoch": 10.88,
1782
+ "learning_rate": 0.00022666666666666666,
1783
+ "loss": 2.4434,
1784
+ "step": 148000
1785
+ },
1786
+ {
1787
+ "epoch": 10.92,
1788
+ "learning_rate": 0.00022555555555555556,
1789
+ "loss": 2.4447,
1790
+ "step": 148500
1791
+ },
1792
+ {
1793
+ "epoch": 10.96,
1794
+ "learning_rate": 0.00022444444444444446,
1795
+ "loss": 2.4437,
1796
+ "step": 149000
1797
+ },
1798
+ {
1799
+ "epoch": 10.99,
1800
+ "learning_rate": 0.00022333333333333333,
1801
+ "loss": 2.4475,
1802
+ "step": 149500
1803
+ },
1804
+ {
1805
+ "epoch": 11.03,
1806
+ "learning_rate": 0.0002222222222222222,
1807
+ "loss": 2.4159,
1808
+ "step": 150000
1809
+ },
1810
+ {
1811
+ "epoch": 11.07,
1812
+ "learning_rate": 0.00022111111111111113,
1813
+ "loss": 2.4095,
1814
+ "step": 150500
1815
+ },
1816
+ {
1817
+ "epoch": 11.1,
1818
+ "learning_rate": 0.00022,
1819
+ "loss": 2.4117,
1820
+ "step": 151000
1821
+ },
1822
+ {
1823
+ "epoch": 11.14,
1824
+ "learning_rate": 0.00021888888888888888,
1825
+ "loss": 2.4166,
1826
+ "step": 151500
1827
+ },
1828
+ {
1829
+ "epoch": 11.18,
1830
+ "learning_rate": 0.00021777777777777776,
1831
+ "loss": 2.4161,
1832
+ "step": 152000
1833
+ },
1834
+ {
1835
+ "epoch": 11.21,
1836
+ "learning_rate": 0.00021666666666666668,
1837
+ "loss": 2.416,
1838
+ "step": 152500
1839
+ },
1840
+ {
1841
+ "epoch": 11.25,
1842
+ "learning_rate": 0.00021555555555555556,
1843
+ "loss": 2.4175,
1844
+ "step": 153000
1845
+ },
1846
+ {
1847
+ "epoch": 11.29,
1848
+ "learning_rate": 0.00021444444444444443,
1849
+ "loss": 2.4184,
1850
+ "step": 153500
1851
+ },
1852
+ {
1853
+ "epoch": 11.32,
1854
+ "learning_rate": 0.00021333333333333336,
1855
+ "loss": 2.4206,
1856
+ "step": 154000
1857
+ },
1858
+ {
1859
+ "epoch": 11.36,
1860
+ "learning_rate": 0.00021222222222222223,
1861
+ "loss": 2.4262,
1862
+ "step": 154500
1863
+ },
1864
+ {
1865
+ "epoch": 11.4,
1866
+ "learning_rate": 0.0002111111111111111,
1867
+ "loss": 2.4236,
1868
+ "step": 155000
1869
+ },
1870
+ {
1871
+ "epoch": 11.43,
1872
+ "learning_rate": 0.00021,
1873
+ "loss": 2.4249,
1874
+ "step": 155500
1875
+ },
1876
+ {
1877
+ "epoch": 11.47,
1878
+ "learning_rate": 0.0002088888888888889,
1879
+ "loss": 2.4244,
1880
+ "step": 156000
1881
+ },
1882
+ {
1883
+ "epoch": 11.51,
1884
+ "learning_rate": 0.00020777777777777778,
1885
+ "loss": 2.4235,
1886
+ "step": 156500
1887
+ },
1888
+ {
1889
+ "epoch": 11.54,
1890
+ "learning_rate": 0.00020666666666666666,
1891
+ "loss": 2.4211,
1892
+ "step": 157000
1893
+ },
1894
+ {
1895
+ "epoch": 11.58,
1896
+ "learning_rate": 0.00020555555555555556,
1897
+ "loss": 2.429,
1898
+ "step": 157500
1899
+ },
1900
+ {
1901
+ "epoch": 11.62,
1902
+ "learning_rate": 0.00020444444444444446,
1903
+ "loss": 2.4279,
1904
+ "step": 158000
1905
+ },
1906
+ {
1907
+ "epoch": 11.66,
1908
+ "learning_rate": 0.00020333333333333333,
1909
+ "loss": 2.4269,
1910
+ "step": 158500
1911
+ },
1912
+ {
1913
+ "epoch": 11.69,
1914
+ "learning_rate": 0.00020222222222222223,
1915
+ "loss": 2.4294,
1916
+ "step": 159000
1917
+ },
1918
+ {
1919
+ "epoch": 11.73,
1920
+ "learning_rate": 0.0002011111111111111,
1921
+ "loss": 2.4267,
1922
+ "step": 159500
1923
+ },
1924
+ {
1925
+ "epoch": 11.77,
1926
+ "learning_rate": 0.0002,
1927
+ "loss": 2.4241,
1928
+ "step": 160000
1929
+ },
1930
+ {
1931
+ "epoch": 11.8,
1932
+ "learning_rate": 0.00019888888888888888,
1933
+ "loss": 2.4278,
1934
+ "step": 160500
1935
+ },
1936
+ {
1937
+ "epoch": 11.84,
1938
+ "learning_rate": 0.00019777777777777778,
1939
+ "loss": 2.429,
1940
+ "step": 161000
1941
+ },
1942
+ {
1943
+ "epoch": 11.88,
1944
+ "learning_rate": 0.00019666666666666666,
1945
+ "loss": 2.4277,
1946
+ "step": 161500
1947
+ },
1948
+ {
1949
+ "epoch": 11.91,
1950
+ "learning_rate": 0.00019555555555555556,
1951
+ "loss": 2.4281,
1952
+ "step": 162000
1953
+ },
1954
+ {
1955
+ "epoch": 11.95,
1956
+ "learning_rate": 0.00019444444444444446,
1957
+ "loss": 2.4282,
1958
+ "step": 162500
1959
+ },
1960
+ {
1961
+ "epoch": 11.99,
1962
+ "learning_rate": 0.00019333333333333333,
1963
+ "loss": 2.4299,
1964
+ "step": 163000
1965
+ },
1966
+ {
1967
+ "epoch": 12.02,
1968
+ "learning_rate": 0.0001922222222222222,
1969
+ "loss": 2.4077,
1970
+ "step": 163500
1971
+ },
1972
+ {
1973
+ "epoch": 12.06,
1974
+ "learning_rate": 0.00019111111111111114,
1975
+ "loss": 2.3924,
1976
+ "step": 164000
1977
+ },
1978
+ {
1979
+ "epoch": 12.1,
1980
+ "learning_rate": 0.00019,
1981
+ "loss": 2.3967,
1982
+ "step": 164500
1983
+ },
1984
+ {
1985
+ "epoch": 12.13,
1986
+ "learning_rate": 0.00018888888888888888,
1987
+ "loss": 2.3987,
1988
+ "step": 165000
1989
+ },
1990
+ {
1991
+ "epoch": 12.17,
1992
+ "learning_rate": 0.00018777777777777776,
1993
+ "loss": 2.4014,
1994
+ "step": 165500
1995
+ },
1996
+ {
1997
+ "epoch": 12.21,
1998
+ "learning_rate": 0.0001866666666666667,
1999
+ "loss": 2.4003,
2000
+ "step": 166000
2001
+ },
2002
+ {
2003
+ "epoch": 12.24,
2004
+ "learning_rate": 0.00018555555555555556,
2005
+ "loss": 2.4062,
2006
+ "step": 166500
2007
+ },
2008
+ {
2009
+ "epoch": 12.28,
2010
+ "learning_rate": 0.00018444444444444443,
2011
+ "loss": 2.4038,
2012
+ "step": 167000
2013
+ },
2014
+ {
2015
+ "epoch": 12.32,
2016
+ "learning_rate": 0.00018333333333333334,
2017
+ "loss": 2.406,
2018
+ "step": 167500
2019
+ },
2020
+ {
2021
+ "epoch": 12.35,
2022
+ "learning_rate": 0.00018222222222222224,
2023
+ "loss": 2.4058,
2024
+ "step": 168000
2025
+ },
2026
+ {
2027
+ "epoch": 12.39,
2028
+ "learning_rate": 0.0001811111111111111,
2029
+ "loss": 2.406,
2030
+ "step": 168500
2031
+ },
2032
+ {
2033
+ "epoch": 12.43,
2034
+ "learning_rate": 0.00017999999999999998,
2035
+ "loss": 2.4058,
2036
+ "step": 169000
2037
+ },
2038
+ {
2039
+ "epoch": 12.46,
2040
+ "learning_rate": 0.00017888888888888889,
2041
+ "loss": 2.4086,
2042
+ "step": 169500
2043
+ },
2044
+ {
2045
+ "epoch": 12.5,
2046
+ "learning_rate": 0.00017777777777777779,
2047
+ "loss": 2.41,
2048
+ "step": 170000
2049
+ },
2050
+ {
2051
+ "epoch": 12.54,
2052
+ "learning_rate": 0.00017666666666666666,
2053
+ "loss": 2.4093,
2054
+ "step": 170500
2055
+ },
2056
+ {
2057
+ "epoch": 12.57,
2058
+ "learning_rate": 0.00017555555555555556,
2059
+ "loss": 2.411,
2060
+ "step": 171000
2061
+ },
2062
+ {
2063
+ "epoch": 12.61,
2064
+ "learning_rate": 0.00017444444444444446,
2065
+ "loss": 2.4099,
2066
+ "step": 171500
2067
+ },
2068
+ {
2069
+ "epoch": 12.65,
2070
+ "learning_rate": 0.00017333333333333334,
2071
+ "loss": 2.4121,
2072
+ "step": 172000
2073
+ },
2074
+ {
2075
+ "epoch": 12.68,
2076
+ "learning_rate": 0.00017222222222222224,
2077
+ "loss": 2.4129,
2078
+ "step": 172500
2079
+ },
2080
+ {
2081
+ "epoch": 12.72,
2082
+ "learning_rate": 0.0001711111111111111,
2083
+ "loss": 2.4139,
2084
+ "step": 173000
2085
+ },
2086
+ {
2087
+ "epoch": 12.76,
2088
+ "learning_rate": 0.00017,
2089
+ "loss": 2.4121,
2090
+ "step": 173500
2091
+ },
2092
+ {
2093
+ "epoch": 12.8,
2094
+ "learning_rate": 0.00016888888888888889,
2095
+ "loss": 2.412,
2096
+ "step": 174000
2097
+ },
2098
+ {
2099
+ "epoch": 12.83,
2100
+ "learning_rate": 0.0001677777777777778,
2101
+ "loss": 2.408,
2102
+ "step": 174500
2103
+ },
2104
+ {
2105
+ "epoch": 12.87,
2106
+ "learning_rate": 0.00016666666666666666,
2107
+ "loss": 2.4135,
2108
+ "step": 175000
2109
+ },
2110
+ {
2111
+ "epoch": 12.91,
2112
+ "learning_rate": 0.00016555555555555556,
2113
+ "loss": 2.411,
2114
+ "step": 175500
2115
+ },
2116
+ {
2117
+ "epoch": 12.94,
2118
+ "learning_rate": 0.00016444444444444446,
2119
+ "loss": 2.4108,
2120
+ "step": 176000
2121
+ },
2122
+ {
2123
+ "epoch": 12.98,
2124
+ "learning_rate": 0.00016333333333333334,
2125
+ "loss": 2.4105,
2126
+ "step": 176500
2127
+ },
2128
+ {
2129
+ "epoch": 13.02,
2130
+ "learning_rate": 0.0001622222222222222,
2131
+ "loss": 2.4026,
2132
+ "step": 177000
2133
+ },
2134
+ {
2135
+ "epoch": 13.05,
2136
+ "learning_rate": 0.0001611111111111111,
2137
+ "loss": 2.38,
2138
+ "step": 177500
2139
+ },
2140
+ {
2141
+ "epoch": 13.09,
2142
+ "learning_rate": 0.00016,
2143
+ "loss": 2.3798,
2144
+ "step": 178000
2145
+ },
2146
+ {
2147
+ "epoch": 13.13,
2148
+ "learning_rate": 0.0001588888888888889,
2149
+ "loss": 2.3848,
2150
+ "step": 178500
2151
+ },
2152
+ {
2153
+ "epoch": 13.16,
2154
+ "learning_rate": 0.00015777777777777776,
2155
+ "loss": 2.3865,
2156
+ "step": 179000
2157
+ },
2158
+ {
2159
+ "epoch": 13.2,
2160
+ "learning_rate": 0.0001566666666666667,
2161
+ "loss": 2.3872,
2162
+ "step": 179500
2163
+ },
2164
+ {
2165
+ "epoch": 13.24,
2166
+ "learning_rate": 0.00015555555555555556,
2167
+ "loss": 2.3894,
2168
+ "step": 180000
2169
+ },
2170
+ {
2171
+ "epoch": 13.27,
2172
+ "learning_rate": 0.00015444444444444444,
2173
+ "loss": 2.392,
2174
+ "step": 180500
2175
+ },
2176
+ {
2177
+ "epoch": 13.31,
2178
+ "learning_rate": 0.00015333333333333334,
2179
+ "loss": 2.3872,
2180
+ "step": 181000
2181
+ },
2182
+ {
2183
+ "epoch": 13.35,
2184
+ "learning_rate": 0.00015222222222222224,
2185
+ "loss": 2.3893,
2186
+ "step": 181500
2187
+ },
2188
+ {
2189
+ "epoch": 13.38,
2190
+ "learning_rate": 0.0001511111111111111,
2191
+ "loss": 2.391,
2192
+ "step": 182000
2193
+ },
2194
+ {
2195
+ "epoch": 13.42,
2196
+ "learning_rate": 0.00015,
2197
+ "loss": 2.3948,
2198
+ "step": 182500
2199
+ },
2200
+ {
2201
+ "epoch": 13.46,
2202
+ "learning_rate": 0.0001488888888888889,
2203
+ "loss": 2.3915,
2204
+ "step": 183000
2205
+ },
2206
+ {
2207
+ "epoch": 13.49,
2208
+ "learning_rate": 0.0001477777777777778,
2209
+ "loss": 2.3893,
2210
+ "step": 183500
2211
+ },
2212
+ {
2213
+ "epoch": 13.53,
2214
+ "learning_rate": 0.00014666666666666666,
2215
+ "loss": 2.3917,
2216
+ "step": 184000
2217
+ },
2218
+ {
2219
+ "epoch": 13.57,
2220
+ "learning_rate": 0.00014555555555555556,
2221
+ "loss": 2.395,
2222
+ "step": 184500
2223
+ },
2224
+ {
2225
+ "epoch": 13.6,
2226
+ "learning_rate": 0.00014444444444444444,
2227
+ "loss": 2.3926,
2228
+ "step": 185000
2229
+ },
2230
+ {
2231
+ "epoch": 13.64,
2232
+ "learning_rate": 0.00014333333333333334,
2233
+ "loss": 2.3938,
2234
+ "step": 185500
2235
+ },
2236
+ {
2237
+ "epoch": 13.68,
2238
+ "learning_rate": 0.0001422222222222222,
2239
+ "loss": 2.3934,
2240
+ "step": 186000
2241
+ },
2242
+ {
2243
+ "epoch": 13.71,
2244
+ "learning_rate": 0.00014111111111111111,
2245
+ "loss": 2.3982,
2246
+ "step": 186500
2247
+ },
2248
+ {
2249
+ "epoch": 13.75,
2250
+ "learning_rate": 0.00014000000000000001,
2251
+ "loss": 2.397,
2252
+ "step": 187000
2253
+ },
2254
+ {
2255
+ "epoch": 13.79,
2256
+ "learning_rate": 0.0001388888888888889,
2257
+ "loss": 2.3969,
2258
+ "step": 187500
2259
+ },
2260
+ {
2261
+ "epoch": 13.82,
2262
+ "learning_rate": 0.0001377777777777778,
2263
+ "loss": 2.3969,
2264
+ "step": 188000
2265
+ },
2266
+ {
2267
+ "epoch": 13.86,
2268
+ "learning_rate": 0.00013666666666666666,
2269
+ "loss": 2.3997,
2270
+ "step": 188500
2271
+ },
2272
+ {
2273
+ "epoch": 13.9,
2274
+ "learning_rate": 0.00013555555555555556,
2275
+ "loss": 2.3966,
2276
+ "step": 189000
2277
+ },
2278
+ {
2279
+ "epoch": 13.93,
2280
+ "learning_rate": 0.00013444444444444447,
2281
+ "loss": 2.3976,
2282
+ "step": 189500
2283
+ },
2284
+ {
2285
+ "epoch": 13.97,
2286
+ "learning_rate": 0.00013333333333333334,
2287
+ "loss": 2.3981,
2288
+ "step": 190000
2289
+ },
2290
+ {
2291
+ "epoch": 14.01,
2292
+ "learning_rate": 0.00013222222222222221,
2293
+ "loss": 2.3907,
2294
+ "step": 190500
2295
+ },
2296
+ {
2297
+ "epoch": 14.05,
2298
+ "learning_rate": 0.00013111111111111111,
2299
+ "loss": 2.3665,
2300
+ "step": 191000
2301
+ },
2302
+ {
2303
+ "epoch": 14.08,
2304
+ "learning_rate": 0.00013000000000000002,
2305
+ "loss": 2.3677,
2306
+ "step": 191500
2307
+ },
2308
+ {
2309
+ "epoch": 14.12,
2310
+ "learning_rate": 0.0001288888888888889,
2311
+ "loss": 2.3667,
2312
+ "step": 192000
2313
+ },
2314
+ {
2315
+ "epoch": 14.16,
2316
+ "learning_rate": 0.00012777777777777776,
2317
+ "loss": 2.3746,
2318
+ "step": 192500
2319
+ },
2320
+ {
2321
+ "epoch": 14.19,
2322
+ "learning_rate": 0.0001266666666666667,
2323
+ "loss": 2.3693,
2324
+ "step": 193000
2325
+ },
2326
+ {
2327
+ "epoch": 14.23,
2328
+ "learning_rate": 0.00012555555555555557,
2329
+ "loss": 2.3721,
2330
+ "step": 193500
2331
+ },
2332
+ {
2333
+ "epoch": 14.27,
2334
+ "learning_rate": 0.00012444444444444444,
2335
+ "loss": 2.3729,
2336
+ "step": 194000
2337
+ },
2338
+ {
2339
+ "epoch": 14.3,
2340
+ "learning_rate": 0.00012333333333333334,
2341
+ "loss": 2.3782,
2342
+ "step": 194500
2343
+ },
2344
+ {
2345
+ "epoch": 14.34,
2346
+ "learning_rate": 0.00012222222222222221,
2347
+ "loss": 2.3751,
2348
+ "step": 195000
2349
+ },
2350
+ {
2351
+ "epoch": 14.38,
2352
+ "learning_rate": 0.00012111111111111112,
2353
+ "loss": 2.3777,
2354
+ "step": 195500
2355
+ },
2356
+ {
2357
+ "epoch": 14.41,
2358
+ "learning_rate": 0.00012,
2359
+ "loss": 2.3767,
2360
+ "step": 196000
2361
+ },
2362
+ {
2363
+ "epoch": 14.45,
2364
+ "learning_rate": 0.00011888888888888889,
2365
+ "loss": 2.3761,
2366
+ "step": 196500
2367
+ },
2368
+ {
2369
+ "epoch": 14.49,
2370
+ "learning_rate": 0.00011777777777777778,
2371
+ "loss": 2.3787,
2372
+ "step": 197000
2373
+ },
2374
+ {
2375
+ "epoch": 14.52,
2376
+ "learning_rate": 0.00011666666666666667,
2377
+ "loss": 2.3796,
2378
+ "step": 197500
2379
+ },
2380
+ {
2381
+ "epoch": 14.56,
2382
+ "learning_rate": 0.00011555555555555555,
2383
+ "loss": 2.3796,
2384
+ "step": 198000
2385
+ },
2386
+ {
2387
+ "epoch": 14.6,
2388
+ "learning_rate": 0.00011444444444444445,
2389
+ "loss": 2.3791,
2390
+ "step": 198500
2391
+ },
2392
+ {
2393
+ "epoch": 14.63,
2394
+ "learning_rate": 0.00011333333333333333,
2395
+ "loss": 2.3789,
2396
+ "step": 199000
2397
+ },
2398
+ {
2399
+ "epoch": 14.67,
2400
+ "learning_rate": 0.00011222222222222223,
2401
+ "loss": 2.3818,
2402
+ "step": 199500
2403
+ },
2404
+ {
2405
+ "epoch": 14.71,
2406
+ "learning_rate": 0.0001111111111111111,
2407
+ "loss": 2.3813,
2408
+ "step": 200000
2409
+ },
2410
+ {
2411
+ "epoch": 14.74,
2412
+ "learning_rate": 0.00011,
2413
+ "loss": 2.3815,
2414
+ "step": 200500
2415
+ },
2416
+ {
2417
+ "epoch": 14.78,
2418
+ "learning_rate": 0.00010888888888888888,
2419
+ "loss": 2.3779,
2420
+ "step": 201000
2421
+ },
2422
+ {
2423
+ "epoch": 14.82,
2424
+ "learning_rate": 0.00010777777777777778,
2425
+ "loss": 2.3818,
2426
+ "step": 201500
2427
+ },
2428
+ {
2429
+ "epoch": 14.85,
2430
+ "learning_rate": 0.00010666666666666668,
2431
+ "loss": 2.3796,
2432
+ "step": 202000
2433
+ },
2434
+ {
2435
+ "epoch": 14.89,
2436
+ "learning_rate": 0.00010555555555555555,
2437
+ "loss": 2.3822,
2438
+ "step": 202500
2439
+ },
2440
+ {
2441
+ "epoch": 14.93,
2442
+ "learning_rate": 0.00010444444444444445,
2443
+ "loss": 2.3829,
2444
+ "step": 203000
2445
+ },
2446
+ {
2447
+ "epoch": 14.96,
2448
+ "learning_rate": 0.00010333333333333333,
2449
+ "loss": 2.3798,
2450
+ "step": 203500
2451
+ },
2452
+ {
2453
+ "epoch": 15.0,
2454
+ "learning_rate": 0.00010222222222222223,
2455
+ "loss": 2.3833,
2456
+ "step": 204000
2457
+ },
2458
+ {
2459
+ "epoch": 15.04,
2460
+ "learning_rate": 0.00010111111111111112,
2461
+ "loss": 2.3523,
2462
+ "step": 204500
2463
+ },
2464
+ {
2465
+ "epoch": 15.07,
2466
+ "learning_rate": 0.0001,
2467
+ "loss": 2.3534,
2468
+ "step": 205000
2469
+ },
2470
+ {
2471
+ "epoch": 15.11,
2472
+ "learning_rate": 9.888888888888889e-05,
2473
+ "loss": 2.3552,
2474
+ "step": 205500
2475
+ },
2476
+ {
2477
+ "epoch": 15.15,
2478
+ "learning_rate": 9.777777777777778e-05,
2479
+ "loss": 2.3573,
2480
+ "step": 206000
2481
+ },
2482
+ {
2483
+ "epoch": 15.18,
2484
+ "learning_rate": 9.666666666666667e-05,
2485
+ "loss": 2.3597,
2486
+ "step": 206500
2487
+ },
2488
+ {
2489
+ "epoch": 15.22,
2490
+ "learning_rate": 9.555555555555557e-05,
2491
+ "loss": 2.3594,
2492
+ "step": 207000
2493
+ },
2494
+ {
2495
+ "epoch": 15.26,
2496
+ "learning_rate": 9.444444444444444e-05,
2497
+ "loss": 2.3626,
2498
+ "step": 207500
2499
+ },
2500
+ {
2501
+ "epoch": 15.3,
2502
+ "learning_rate": 9.333333333333334e-05,
2503
+ "loss": 2.3613,
2504
+ "step": 208000
2505
+ },
2506
+ {
2507
+ "epoch": 15.33,
2508
+ "learning_rate": 9.222222222222222e-05,
2509
+ "loss": 2.3594,
2510
+ "step": 208500
2511
+ },
2512
+ {
2513
+ "epoch": 15.37,
2514
+ "learning_rate": 9.111111111111112e-05,
2515
+ "loss": 2.3609,
2516
+ "step": 209000
2517
+ },
2518
+ {
2519
+ "epoch": 15.41,
2520
+ "learning_rate": 8.999999999999999e-05,
2521
+ "loss": 2.3618,
2522
+ "step": 209500
2523
+ },
2524
+ {
2525
+ "epoch": 15.44,
2526
+ "learning_rate": 8.888888888888889e-05,
2527
+ "loss": 2.3643,
2528
+ "step": 210000
2529
+ },
2530
+ {
2531
+ "epoch": 15.48,
2532
+ "learning_rate": 8.777777777777778e-05,
2533
+ "loss": 2.3646,
2534
+ "step": 210500
2535
+ },
2536
+ {
2537
+ "epoch": 15.52,
2538
+ "learning_rate": 8.666666666666667e-05,
2539
+ "loss": 2.3599,
2540
+ "step": 211000
2541
+ },
2542
+ {
2543
+ "epoch": 15.55,
2544
+ "learning_rate": 8.555555555555556e-05,
2545
+ "loss": 2.3623,
2546
+ "step": 211500
2547
+ },
2548
+ {
2549
+ "epoch": 15.59,
2550
+ "learning_rate": 8.444444444444444e-05,
2551
+ "loss": 2.364,
2552
+ "step": 212000
2553
+ },
2554
+ {
2555
+ "epoch": 15.63,
2556
+ "learning_rate": 8.333333333333333e-05,
2557
+ "loss": 2.3654,
2558
+ "step": 212500
2559
+ },
2560
+ {
2561
+ "epoch": 15.66,
2562
+ "learning_rate": 8.222222222222223e-05,
2563
+ "loss": 2.3626,
2564
+ "step": 213000
2565
+ },
2566
+ {
2567
+ "epoch": 15.7,
2568
+ "learning_rate": 8.11111111111111e-05,
2569
+ "loss": 2.3663,
2570
+ "step": 213500
2571
+ },
2572
+ {
2573
+ "epoch": 15.74,
2574
+ "learning_rate": 8e-05,
2575
+ "loss": 2.3669,
2576
+ "step": 214000
2577
+ },
2578
+ {
2579
+ "epoch": 15.77,
2580
+ "learning_rate": 7.888888888888888e-05,
2581
+ "loss": 2.3662,
2582
+ "step": 214500
2583
+ },
2584
+ {
2585
+ "epoch": 15.81,
2586
+ "learning_rate": 7.777777777777778e-05,
2587
+ "loss": 2.3641,
2588
+ "step": 215000
2589
+ },
2590
+ {
2591
+ "epoch": 15.85,
2592
+ "learning_rate": 7.666666666666667e-05,
2593
+ "loss": 2.365,
2594
+ "step": 215500
2595
+ },
2596
+ {
2597
+ "epoch": 15.88,
2598
+ "learning_rate": 7.555555555555556e-05,
2599
+ "loss": 2.3685,
2600
+ "step": 216000
2601
+ },
2602
+ {
2603
+ "epoch": 15.92,
2604
+ "learning_rate": 7.444444444444444e-05,
2605
+ "loss": 2.3667,
2606
+ "step": 216500
2607
+ },
2608
+ {
2609
+ "epoch": 15.96,
2610
+ "learning_rate": 7.333333333333333e-05,
2611
+ "loss": 2.3641,
2612
+ "step": 217000
2613
+ },
2614
+ {
2615
+ "epoch": 15.99,
2616
+ "learning_rate": 7.222222222222222e-05,
2617
+ "loss": 2.3651,
2618
+ "step": 217500
2619
+ },
2620
+ {
2621
+ "epoch": 16.03,
2622
+ "learning_rate": 7.11111111111111e-05,
2623
+ "loss": 2.3486,
2624
+ "step": 218000
2625
+ },
2626
+ {
2627
+ "epoch": 16.07,
2628
+ "learning_rate": 7.000000000000001e-05,
2629
+ "loss": 2.3431,
2630
+ "step": 218500
2631
+ },
2632
+ {
2633
+ "epoch": 16.1,
2634
+ "learning_rate": 6.88888888888889e-05,
2635
+ "loss": 2.3439,
2636
+ "step": 219000
2637
+ },
2638
+ {
2639
+ "epoch": 16.14,
2640
+ "learning_rate": 6.777777777777778e-05,
2641
+ "loss": 2.3438,
2642
+ "step": 219500
2643
+ },
2644
+ {
2645
+ "epoch": 16.18,
2646
+ "learning_rate": 6.666666666666667e-05,
2647
+ "loss": 2.3426,
2648
+ "step": 220000
2649
+ },
2650
+ {
2651
+ "epoch": 16.21,
2652
+ "learning_rate": 6.555555555555556e-05,
2653
+ "loss": 2.3463,
2654
+ "step": 220500
2655
+ },
2656
+ {
2657
+ "epoch": 16.25,
2658
+ "learning_rate": 6.444444444444444e-05,
2659
+ "loss": 2.3486,
2660
+ "step": 221000
2661
+ },
2662
+ {
2663
+ "epoch": 16.29,
2664
+ "learning_rate": 6.333333333333335e-05,
2665
+ "loss": 2.3476,
2666
+ "step": 221500
2667
+ },
2668
+ {
2669
+ "epoch": 16.32,
2670
+ "learning_rate": 6.222222222222222e-05,
2671
+ "loss": 2.3469,
2672
+ "step": 222000
2673
+ },
2674
+ {
2675
+ "epoch": 16.36,
2676
+ "learning_rate": 6.111111111111111e-05,
2677
+ "loss": 2.3519,
2678
+ "step": 222500
2679
+ },
2680
+ {
2681
+ "epoch": 16.4,
2682
+ "learning_rate": 6e-05,
2683
+ "loss": 2.3485,
2684
+ "step": 223000
2685
+ },
2686
+ {
2687
+ "epoch": 16.44,
2688
+ "learning_rate": 5.888888888888889e-05,
2689
+ "loss": 2.3464,
2690
+ "step": 223500
2691
+ },
2692
+ {
2693
+ "epoch": 16.47,
2694
+ "learning_rate": 5.7777777777777776e-05,
2695
+ "loss": 2.3524,
2696
+ "step": 224000
2697
+ },
2698
+ {
2699
+ "epoch": 16.51,
2700
+ "learning_rate": 5.6666666666666664e-05,
2701
+ "loss": 2.3482,
2702
+ "step": 224500
2703
+ },
2704
+ {
2705
+ "epoch": 16.55,
2706
+ "learning_rate": 5.555555555555555e-05,
2707
+ "loss": 2.3485,
2708
+ "step": 225000
2709
+ },
2710
+ {
2711
+ "epoch": 16.58,
2712
+ "learning_rate": 5.444444444444444e-05,
2713
+ "loss": 2.3476,
2714
+ "step": 225500
2715
+ },
2716
+ {
2717
+ "epoch": 16.62,
2718
+ "learning_rate": 5.333333333333334e-05,
2719
+ "loss": 2.3452,
2720
+ "step": 226000
2721
+ },
2722
+ {
2723
+ "epoch": 16.66,
2724
+ "learning_rate": 5.222222222222223e-05,
2725
+ "loss": 2.3491,
2726
+ "step": 226500
2727
+ },
2728
+ {
2729
+ "epoch": 16.69,
2730
+ "learning_rate": 5.1111111111111115e-05,
2731
+ "loss": 2.3504,
2732
+ "step": 227000
2733
+ },
2734
+ {
2735
+ "epoch": 16.73,
2736
+ "learning_rate": 5e-05,
2737
+ "loss": 2.3517,
2738
+ "step": 227500
2739
+ },
2740
+ {
2741
+ "epoch": 16.77,
2742
+ "learning_rate": 4.888888888888889e-05,
2743
+ "loss": 2.3508,
2744
+ "step": 228000
2745
+ },
2746
+ {
2747
+ "epoch": 16.8,
2748
+ "learning_rate": 4.7777777777777784e-05,
2749
+ "loss": 2.3522,
2750
+ "step": 228500
2751
+ },
2752
+ {
2753
+ "epoch": 16.84,
2754
+ "learning_rate": 4.666666666666667e-05,
2755
+ "loss": 2.3494,
2756
+ "step": 229000
2757
+ },
2758
+ {
2759
+ "epoch": 16.88,
2760
+ "learning_rate": 4.555555555555556e-05,
2761
+ "loss": 2.3508,
2762
+ "step": 229500
2763
+ },
2764
+ {
2765
+ "epoch": 16.91,
2766
+ "learning_rate": 4.4444444444444447e-05,
2767
+ "loss": 2.349,
2768
+ "step": 230000
2769
+ },
2770
+ {
2771
+ "epoch": 16.95,
2772
+ "learning_rate": 4.3333333333333334e-05,
2773
+ "loss": 2.3499,
2774
+ "step": 230500
2775
+ },
2776
+ {
2777
+ "epoch": 16.99,
2778
+ "learning_rate": 4.222222222222222e-05,
2779
+ "loss": 2.3474,
2780
+ "step": 231000
2781
+ },
2782
+ {
2783
+ "epoch": 17.02,
2784
+ "learning_rate": 4.1111111111111116e-05,
2785
+ "loss": 2.3398,
2786
+ "step": 231500
2787
+ },
2788
+ {
2789
+ "epoch": 17.06,
2790
+ "learning_rate": 4e-05,
2791
+ "loss": 2.3326,
2792
+ "step": 232000
2793
+ },
2794
+ {
2795
+ "epoch": 17.1,
2796
+ "learning_rate": 3.888888888888889e-05,
2797
+ "loss": 2.332,
2798
+ "step": 232500
2799
+ },
2800
+ {
2801
+ "epoch": 17.13,
2802
+ "learning_rate": 3.777777777777778e-05,
2803
+ "loss": 2.3296,
2804
+ "step": 233000
2805
+ },
2806
+ {
2807
+ "epoch": 17.17,
2808
+ "learning_rate": 3.6666666666666666e-05,
2809
+ "loss": 2.3336,
2810
+ "step": 233500
2811
+ },
2812
+ {
2813
+ "epoch": 17.21,
2814
+ "learning_rate": 3.555555555555555e-05,
2815
+ "loss": 2.3328,
2816
+ "step": 234000
2817
+ },
2818
+ {
2819
+ "epoch": 17.24,
2820
+ "learning_rate": 3.444444444444445e-05,
2821
+ "loss": 2.3386,
2822
+ "step": 234500
2823
+ },
2824
+ {
2825
+ "epoch": 17.28,
2826
+ "learning_rate": 3.3333333333333335e-05,
2827
+ "loss": 2.3343,
2828
+ "step": 235000
2829
+ },
2830
+ {
2831
+ "epoch": 17.32,
2832
+ "learning_rate": 3.222222222222222e-05,
2833
+ "loss": 2.3354,
2834
+ "step": 235500
2835
+ },
2836
+ {
2837
+ "epoch": 17.35,
2838
+ "learning_rate": 3.111111111111111e-05,
2839
+ "loss": 2.3331,
2840
+ "step": 236000
2841
+ },
2842
+ {
2843
+ "epoch": 17.39,
2844
+ "learning_rate": 3e-05,
2845
+ "loss": 2.3351,
2846
+ "step": 236500
2847
+ },
2848
+ {
2849
+ "epoch": 17.43,
2850
+ "learning_rate": 2.8888888888888888e-05,
2851
+ "loss": 2.3319,
2852
+ "step": 237000
2853
+ },
2854
+ {
2855
+ "epoch": 17.46,
2856
+ "learning_rate": 2.7777777777777776e-05,
2857
+ "loss": 2.3351,
2858
+ "step": 237500
2859
+ },
2860
+ {
2861
+ "epoch": 17.5,
2862
+ "learning_rate": 2.666666666666667e-05,
2863
+ "loss": 2.3342,
2864
+ "step": 238000
2865
+ },
2866
+ {
2867
+ "epoch": 17.54,
2868
+ "learning_rate": 2.5555555555555557e-05,
2869
+ "loss": 2.3358,
2870
+ "step": 238500
2871
+ },
2872
+ {
2873
+ "epoch": 17.57,
2874
+ "learning_rate": 2.4444444444444445e-05,
2875
+ "loss": 2.3334,
2876
+ "step": 239000
2877
+ },
2878
+ {
2879
+ "epoch": 17.61,
2880
+ "learning_rate": 2.3333333333333336e-05,
2881
+ "loss": 2.3349,
2882
+ "step": 239500
2883
+ },
2884
+ {
2885
+ "epoch": 17.65,
2886
+ "learning_rate": 2.2222222222222223e-05,
2887
+ "loss": 2.3337,
2888
+ "step": 240000
2889
+ },
2890
+ {
2891
+ "epoch": 17.69,
2892
+ "learning_rate": 2.111111111111111e-05,
2893
+ "loss": 2.3357,
2894
+ "step": 240500
2895
+ },
2896
+ {
2897
+ "epoch": 17.72,
2898
+ "learning_rate": 2e-05,
2899
+ "loss": 2.3369,
2900
+ "step": 241000
2901
+ },
2902
+ {
2903
+ "epoch": 17.76,
2904
+ "learning_rate": 1.888888888888889e-05,
2905
+ "loss": 2.3365,
2906
+ "step": 241500
2907
+ },
2908
+ {
2909
+ "epoch": 17.8,
2910
+ "learning_rate": 1.7777777777777777e-05,
2911
+ "loss": 2.3347,
2912
+ "step": 242000
2913
+ },
2914
+ {
2915
+ "epoch": 17.83,
2916
+ "learning_rate": 1.6666666666666667e-05,
2917
+ "loss": 2.336,
2918
+ "step": 242500
2919
+ },
2920
+ {
2921
+ "epoch": 17.87,
2922
+ "learning_rate": 1.5555555555555555e-05,
2923
+ "loss": 2.334,
2924
+ "step": 243000
2925
+ },
2926
+ {
2927
+ "epoch": 17.91,
2928
+ "learning_rate": 1.4444444444444444e-05,
2929
+ "loss": 2.3343,
2930
+ "step": 243500
2931
+ },
2932
+ {
2933
+ "epoch": 17.94,
2934
+ "learning_rate": 1.3333333333333335e-05,
2935
+ "loss": 2.3332,
2936
+ "step": 244000
2937
+ },
2938
+ {
2939
+ "epoch": 17.98,
2940
+ "learning_rate": 1.2222222222222222e-05,
2941
+ "loss": 2.3376,
2942
+ "step": 244500
2943
+ },
2944
+ {
2945
+ "epoch": 18.02,
2946
+ "learning_rate": 1.1111111111111112e-05,
2947
+ "loss": 2.3319,
2948
+ "step": 245000
2949
+ },
2950
+ {
2951
+ "epoch": 18.05,
2952
+ "learning_rate": 1e-05,
2953
+ "loss": 2.3224,
2954
+ "step": 245500
2955
+ },
2956
+ {
2957
+ "epoch": 18.09,
2958
+ "learning_rate": 8.888888888888888e-06,
2959
+ "loss": 2.3249,
2960
+ "step": 246000
2961
+ },
2962
+ {
2963
+ "epoch": 18.13,
2964
+ "learning_rate": 7.777777777777777e-06,
2965
+ "loss": 2.3241,
2966
+ "step": 246500
2967
+ },
2968
+ {
2969
+ "epoch": 18.16,
2970
+ "learning_rate": 6.6666666666666675e-06,
2971
+ "loss": 2.3222,
2972
+ "step": 247000
2973
+ },
2974
+ {
2975
+ "epoch": 18.2,
2976
+ "learning_rate": 5.555555555555556e-06,
2977
+ "loss": 2.3221,
2978
+ "step": 247500
2979
+ },
2980
+ {
2981
+ "epoch": 18.24,
2982
+ "learning_rate": 4.444444444444444e-06,
2983
+ "loss": 2.324,
2984
+ "step": 248000
2985
+ },
2986
+ {
2987
+ "epoch": 18.27,
2988
+ "learning_rate": 3.3333333333333337e-06,
2989
+ "loss": 2.3234,
2990
+ "step": 248500
2991
+ },
2992
+ {
2993
+ "epoch": 18.31,
2994
+ "learning_rate": 2.222222222222222e-06,
2995
+ "loss": 2.3225,
2996
+ "step": 249000
2997
+ },
2998
+ {
2999
+ "epoch": 18.35,
3000
+ "learning_rate": 1.111111111111111e-06,
3001
+ "loss": 2.3234,
3002
+ "step": 249500
3003
+ },
3004
+ {
3005
+ "epoch": 18.38,
3006
+ "learning_rate": 0.0,
3007
+ "loss": 2.3237,
3008
+ "step": 250000
3009
+ },
3010
+ {
3011
+ "epoch": 18.38,
3012
+ "step": 250000,
3013
+ "total_flos": 3.482052847164457e+19,
3014
+ "train_loss": 0.7083540009765625,
3015
+ "train_runtime": 869248.5122,
3016
+ "train_samples_per_second": 73.627,
3017
+ "train_steps_per_second": 0.288
3018
+ }
3019
+ ],
3020
+ "max_steps": 250000,
3021
+ "num_train_epochs": 19,
3022
+ "total_flos": 3.482052847164457e+19,
3023
+ "trial_name": null,
3024
+ "trial_params": null
3025
+ }
training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:eaba92243f69db319685952a928508a1a48fb37cb2b6ca7540255975fe58d426
3
+ size 3119
vocab.json ADDED
The diff for this file is too large to render. See raw diff