codestylist commited on
Commit
e5e9b90
1 Parent(s): 7e702ad

Upload trainer_state.json

Browse files
Files changed (1) hide show
  1. trainer_state.json +1687 -75
trainer_state.json CHANGED
@@ -1,154 +1,1766 @@
1
  {
2
- "best_metric": null,
3
- "best_model_checkpoint": null,
4
- "epoch": 0.2381593389525131,
5
- "global_step": 11500,
6
  "is_hyper_param_search": false,
7
  "is_local_process_zero": true,
8
  "is_world_process_zero": true,
9
  "log_history": [
10
  {
11
  "epoch": 0.01,
12
- "learning_rate": 0.0019792904922649986,
13
- "loss": 0.1744,
14
  "step": 500
15
  },
16
  {
17
- "epoch": 0.02,
18
- "learning_rate": 0.0019585809845299976,
19
- "loss": 0.1699,
20
  "step": 1000
21
  },
22
  {
23
- "epoch": 0.03,
24
- "learning_rate": 0.0019378714767949966,
25
- "loss": 0.1663,
26
  "step": 1500
27
  },
28
  {
29
- "epoch": 0.04,
30
- "learning_rate": 0.0019171619690599956,
31
- "loss": 0.1502,
32
  "step": 2000
33
  },
34
  {
35
- "epoch": 0.05,
36
- "learning_rate": 0.0018964524613249943,
37
- "loss": 0.1528,
38
  "step": 2500
39
  },
40
  {
41
- "epoch": 0.06,
42
- "learning_rate": 0.0018757429535899933,
43
- "loss": 0.1716,
44
  "step": 3000
45
  },
46
  {
47
- "epoch": 0.07,
48
- "learning_rate": 0.001855033445854992,
49
- "loss": 0.1643,
50
  "step": 3500
51
  },
52
  {
53
- "epoch": 0.08,
54
- "learning_rate": 0.001834323938119991,
55
- "loss": 0.1735,
56
  "step": 4000
57
  },
58
  {
59
- "epoch": 0.09,
60
- "learning_rate": 0.0018136144303849897,
61
- "loss": 0.1576,
62
  "step": 4500
63
  },
64
  {
65
- "epoch": 0.1,
66
- "learning_rate": 0.0017929049226499886,
67
- "loss": 0.1652,
68
  "step": 5000
69
  },
70
  {
71
- "epoch": 0.11,
72
- "learning_rate": 0.0017721954149149874,
73
- "loss": 0.1676,
74
  "step": 5500
75
  },
76
  {
77
- "epoch": 0.12,
78
- "learning_rate": 0.0017514859071799864,
79
- "loss": 0.1612,
80
  "step": 6000
81
  },
82
  {
83
- "epoch": 0.13,
84
- "learning_rate": 0.0017307763994449852,
85
- "loss": 0.1681,
86
  "step": 6500
87
  },
88
  {
89
- "epoch": 0.14,
90
- "learning_rate": 0.0017100668917099842,
91
- "loss": 0.1696,
92
  "step": 7000
93
  },
94
  {
95
- "epoch": 0.16,
96
- "learning_rate": 0.001689357383974983,
97
- "loss": 0.1692,
98
  "step": 7500
99
  },
100
  {
101
- "epoch": 0.17,
102
- "learning_rate": 0.0016686478762399817,
103
- "loss": 0.172,
104
  "step": 8000
105
  },
106
  {
107
- "epoch": 0.18,
108
- "learning_rate": 0.0016479383685049807,
109
- "loss": 0.159,
110
  "step": 8500
111
  },
112
  {
113
- "epoch": 0.19,
114
- "learning_rate": 0.0016272288607699795,
115
- "loss": 0.1675,
116
  "step": 9000
117
  },
118
  {
119
- "epoch": 0.2,
120
- "learning_rate": 0.0016065193530349785,
121
- "loss": 0.16,
122
  "step": 9500
123
  },
124
  {
125
- "epoch": 0.21,
126
- "learning_rate": 0.0015858098452999772,
127
- "loss": 0.1647,
128
  "step": 10000
129
  },
130
  {
131
- "epoch": 0.22,
132
- "learning_rate": 0.0015651003375649762,
133
- "loss": 0.1572,
134
  "step": 10500
135
  },
136
  {
137
- "epoch": 0.23,
138
- "learning_rate": 0.001544390829829975,
139
- "loss": 0.1548,
140
  "step": 11000
141
  },
142
  {
143
- "epoch": 0.24,
144
- "learning_rate": 0.001523681322094974,
145
- "loss": 0.1642,
146
  "step": 11500
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
147
  }
148
  ],
149
- "max_steps": 48287,
150
- "num_train_epochs": 1,
151
- "total_flos": 3.7354337206272e+16,
152
  "trial_name": null,
153
  "trial_params": null
154
  }
 
1
  {
2
+ "best_metric": 0.1498871147632599,
3
+ "best_model_checkpoint": "seq2seq_results/combined_nl_prompt_base_features_contd_codet5small/checkpoint-144856",
4
+ "epoch": 2.0,
5
+ "global_step": 144856,
6
  "is_hyper_param_search": false,
7
  "is_local_process_zero": true,
8
  "is_world_process_zero": true,
9
  "log_history": [
10
  {
11
  "epoch": 0.01,
12
+ "learning_rate": 0.001999861931849561,
13
+ "loss": 0.1634,
14
  "step": 500
15
  },
16
  {
17
+ "epoch": 0.01,
18
+ "learning_rate": 0.001999723863699122,
19
+ "loss": 0.166,
20
  "step": 1000
21
  },
22
  {
23
+ "epoch": 0.02,
24
+ "learning_rate": 0.001999585795548683,
25
+ "loss": 0.1659,
26
  "step": 1500
27
  },
28
  {
29
+ "epoch": 0.03,
30
+ "learning_rate": 0.0019994477273982438,
31
+ "loss": 0.1835,
32
  "step": 2000
33
  },
34
  {
35
+ "epoch": 0.03,
36
+ "learning_rate": 0.0019993096592478047,
37
+ "loss": 0.1772,
38
  "step": 2500
39
  },
40
  {
41
+ "epoch": 0.04,
42
+ "learning_rate": 0.0019991715910973656,
43
+ "loss": 0.182,
44
  "step": 3000
45
  },
46
  {
47
+ "epoch": 0.05,
48
+ "learning_rate": 0.001999033522946927,
49
+ "loss": 0.1739,
50
  "step": 3500
51
  },
52
  {
53
+ "epoch": 0.06,
54
+ "learning_rate": 0.0019988954547964875,
55
+ "loss": 0.1776,
56
  "step": 4000
57
  },
58
  {
59
+ "epoch": 0.06,
60
+ "learning_rate": 0.0019987573866460484,
61
+ "loss": 0.1836,
62
  "step": 4500
63
  },
64
  {
65
+ "epoch": 0.07,
66
+ "learning_rate": 0.0019986193184956093,
67
+ "loss": 0.1808,
68
  "step": 5000
69
  },
70
  {
71
+ "epoch": 0.08,
72
+ "learning_rate": 0.0019984812503451702,
73
+ "loss": 0.181,
74
  "step": 5500
75
  },
76
  {
77
+ "epoch": 0.08,
78
+ "learning_rate": 0.001998343182194731,
79
+ "loss": 0.1794,
80
  "step": 6000
81
  },
82
  {
83
+ "epoch": 0.09,
84
+ "learning_rate": 0.001998205114044292,
85
+ "loss": 0.1722,
86
  "step": 6500
87
  },
88
  {
89
+ "epoch": 0.1,
90
+ "learning_rate": 0.001998067045893853,
91
+ "loss": 0.1682,
92
  "step": 7000
93
  },
94
  {
95
+ "epoch": 0.1,
96
+ "learning_rate": 0.0019979289777434144,
97
+ "loss": 0.1707,
98
  "step": 7500
99
  },
100
  {
101
+ "epoch": 0.11,
102
+ "learning_rate": 0.0019977909095929753,
103
+ "loss": 0.1843,
104
  "step": 8000
105
  },
106
  {
107
+ "epoch": 0.12,
108
+ "learning_rate": 0.0019976528414425362,
109
+ "loss": 0.1775,
110
  "step": 8500
111
  },
112
  {
113
+ "epoch": 0.12,
114
+ "learning_rate": 0.001997514773292097,
115
+ "loss": 0.1716,
116
  "step": 9000
117
  },
118
  {
119
+ "epoch": 0.13,
120
+ "learning_rate": 0.001997376705141658,
121
+ "loss": 0.1756,
122
  "step": 9500
123
  },
124
  {
125
+ "epoch": 0.14,
126
+ "learning_rate": 0.001997238636991219,
127
+ "loss": 0.1726,
128
  "step": 10000
129
  },
130
  {
131
+ "epoch": 0.14,
132
+ "learning_rate": 0.00199710056884078,
133
+ "loss": 0.17,
134
  "step": 10500
135
  },
136
  {
137
+ "epoch": 0.15,
138
+ "learning_rate": 0.001996962500690341,
139
+ "loss": 0.1726,
140
  "step": 11000
141
  },
142
  {
143
+ "epoch": 0.16,
144
+ "learning_rate": 0.001996824432539902,
145
+ "loss": 0.1782,
146
  "step": 11500
147
+ },
148
+ {
149
+ "epoch": 0.17,
150
+ "learning_rate": 0.0019966863643894627,
151
+ "loss": 0.1786,
152
+ "step": 12000
153
+ },
154
+ {
155
+ "epoch": 0.17,
156
+ "learning_rate": 0.0019965482962390237,
157
+ "loss": 0.1706,
158
+ "step": 12500
159
+ },
160
+ {
161
+ "epoch": 0.18,
162
+ "learning_rate": 0.0019964102280885846,
163
+ "loss": 0.1736,
164
+ "step": 13000
165
+ },
166
+ {
167
+ "epoch": 0.19,
168
+ "learning_rate": 0.0019962721599381455,
169
+ "loss": 0.1806,
170
+ "step": 13500
171
+ },
172
+ {
173
+ "epoch": 0.19,
174
+ "learning_rate": 0.0019961340917877064,
175
+ "loss": 0.1767,
176
+ "step": 14000
177
+ },
178
+ {
179
+ "epoch": 0.2,
180
+ "learning_rate": 0.0019959960236372674,
181
+ "loss": 0.1743,
182
+ "step": 14500
183
+ },
184
+ {
185
+ "epoch": 0.21,
186
+ "learning_rate": 0.0019958579554868283,
187
+ "loss": 0.1713,
188
+ "step": 15000
189
+ },
190
+ {
191
+ "epoch": 0.21,
192
+ "learning_rate": 0.0019957198873363892,
193
+ "loss": 0.1722,
194
+ "step": 15500
195
+ },
196
+ {
197
+ "epoch": 0.22,
198
+ "learning_rate": 0.00199558181918595,
199
+ "loss": 0.18,
200
+ "step": 16000
201
+ },
202
+ {
203
+ "epoch": 0.23,
204
+ "learning_rate": 0.001995443751035511,
205
+ "loss": 0.1731,
206
+ "step": 16500
207
+ },
208
+ {
209
+ "epoch": 0.23,
210
+ "learning_rate": 0.001995305682885072,
211
+ "loss": 0.1893,
212
+ "step": 17000
213
+ },
214
+ {
215
+ "epoch": 0.24,
216
+ "learning_rate": 0.001995167614734633,
217
+ "loss": 0.1738,
218
+ "step": 17500
219
+ },
220
+ {
221
+ "epoch": 0.25,
222
+ "learning_rate": 0.0019950295465841943,
223
+ "loss": 0.17,
224
+ "step": 18000
225
+ },
226
+ {
227
+ "epoch": 0.26,
228
+ "learning_rate": 0.001994891478433755,
229
+ "loss": 0.1699,
230
+ "step": 18500
231
+ },
232
+ {
233
+ "epoch": 0.26,
234
+ "learning_rate": 0.0019947534102833157,
235
+ "loss": 0.178,
236
+ "step": 19000
237
+ },
238
+ {
239
+ "epoch": 0.27,
240
+ "learning_rate": 0.0019946153421328766,
241
+ "loss": 0.1836,
242
+ "step": 19500
243
+ },
244
+ {
245
+ "epoch": 0.28,
246
+ "learning_rate": 0.0019944772739824376,
247
+ "loss": 0.1805,
248
+ "step": 20000
249
+ },
250
+ {
251
+ "epoch": 0.28,
252
+ "learning_rate": 0.0019943392058319985,
253
+ "loss": 0.1817,
254
+ "step": 20500
255
+ },
256
+ {
257
+ "epoch": 0.29,
258
+ "learning_rate": 0.0019942011376815594,
259
+ "loss": 0.1776,
260
+ "step": 21000
261
+ },
262
+ {
263
+ "epoch": 0.3,
264
+ "learning_rate": 0.001994063069531121,
265
+ "loss": 0.1567,
266
+ "step": 21500
267
+ },
268
+ {
269
+ "epoch": 0.3,
270
+ "learning_rate": 0.0019939250013806817,
271
+ "loss": 0.188,
272
+ "step": 22000
273
+ },
274
+ {
275
+ "epoch": 0.31,
276
+ "learning_rate": 0.0019937869332302426,
277
+ "loss": 0.1683,
278
+ "step": 22500
279
+ },
280
+ {
281
+ "epoch": 0.32,
282
+ "learning_rate": 0.0019936488650798036,
283
+ "loss": 0.1854,
284
+ "step": 23000
285
+ },
286
+ {
287
+ "epoch": 0.32,
288
+ "learning_rate": 0.0019935107969293645,
289
+ "loss": 0.1762,
290
+ "step": 23500
291
+ },
292
+ {
293
+ "epoch": 0.33,
294
+ "learning_rate": 0.0019933727287789254,
295
+ "loss": 0.1778,
296
+ "step": 24000
297
+ },
298
+ {
299
+ "epoch": 0.34,
300
+ "learning_rate": 0.0019932346606284864,
301
+ "loss": 0.1819,
302
+ "step": 24500
303
+ },
304
+ {
305
+ "epoch": 0.35,
306
+ "learning_rate": 0.0019930965924780473,
307
+ "loss": 0.1816,
308
+ "step": 25000
309
+ },
310
+ {
311
+ "epoch": 0.35,
312
+ "learning_rate": 0.001992958524327608,
313
+ "loss": 0.1701,
314
+ "step": 25500
315
+ },
316
+ {
317
+ "epoch": 0.36,
318
+ "learning_rate": 0.001992820456177169,
319
+ "loss": 0.1731,
320
+ "step": 26000
321
+ },
322
+ {
323
+ "epoch": 0.37,
324
+ "learning_rate": 0.00199268238802673,
325
+ "loss": 0.1728,
326
+ "step": 26500
327
+ },
328
+ {
329
+ "epoch": 0.37,
330
+ "learning_rate": 0.001992544319876291,
331
+ "loss": 0.1754,
332
+ "step": 27000
333
+ },
334
+ {
335
+ "epoch": 0.38,
336
+ "learning_rate": 0.001992406251725852,
337
+ "loss": 0.1779,
338
+ "step": 27500
339
+ },
340
+ {
341
+ "epoch": 0.39,
342
+ "learning_rate": 0.001992268183575413,
343
+ "loss": 0.1757,
344
+ "step": 28000
345
+ },
346
+ {
347
+ "epoch": 0.39,
348
+ "learning_rate": 0.0019921301154249738,
349
+ "loss": 0.1817,
350
+ "step": 28500
351
+ },
352
+ {
353
+ "epoch": 0.4,
354
+ "learning_rate": 0.0019919920472745347,
355
+ "loss": 0.1712,
356
+ "step": 29000
357
+ },
358
+ {
359
+ "epoch": 0.41,
360
+ "learning_rate": 0.0019918539791240956,
361
+ "loss": 0.1643,
362
+ "step": 29500
363
+ },
364
+ {
365
+ "epoch": 0.41,
366
+ "learning_rate": 0.0019917159109736566,
367
+ "loss": 0.1758,
368
+ "step": 30000
369
+ },
370
+ {
371
+ "epoch": 0.42,
372
+ "learning_rate": 0.0019915778428232175,
373
+ "loss": 0.1892,
374
+ "step": 30500
375
+ },
376
+ {
377
+ "epoch": 0.43,
378
+ "learning_rate": 0.0019914397746727784,
379
+ "loss": 0.1809,
380
+ "step": 31000
381
+ },
382
+ {
383
+ "epoch": 0.43,
384
+ "learning_rate": 0.0019913017065223393,
385
+ "loss": 0.1706,
386
+ "step": 31500
387
+ },
388
+ {
389
+ "epoch": 0.44,
390
+ "learning_rate": 0.0019911636383719007,
391
+ "loss": 0.1801,
392
+ "step": 32000
393
+ },
394
+ {
395
+ "epoch": 0.45,
396
+ "learning_rate": 0.001991025570221461,
397
+ "loss": 0.1791,
398
+ "step": 32500
399
+ },
400
+ {
401
+ "epoch": 0.46,
402
+ "learning_rate": 0.001990887502071022,
403
+ "loss": 0.1706,
404
+ "step": 33000
405
+ },
406
+ {
407
+ "epoch": 0.46,
408
+ "learning_rate": 0.001990749433920583,
409
+ "loss": 0.1665,
410
+ "step": 33500
411
+ },
412
+ {
413
+ "epoch": 0.47,
414
+ "learning_rate": 0.001990611365770144,
415
+ "loss": 0.1693,
416
+ "step": 34000
417
+ },
418
+ {
419
+ "epoch": 0.48,
420
+ "learning_rate": 0.001990473297619705,
421
+ "loss": 0.161,
422
+ "step": 34500
423
+ },
424
+ {
425
+ "epoch": 0.48,
426
+ "learning_rate": 0.001990335229469266,
427
+ "loss": 0.1749,
428
+ "step": 35000
429
+ },
430
+ {
431
+ "epoch": 0.49,
432
+ "learning_rate": 0.001990197161318827,
433
+ "loss": 0.1668,
434
+ "step": 35500
435
+ },
436
+ {
437
+ "epoch": 0.5,
438
+ "learning_rate": 0.001990059093168388,
439
+ "loss": 0.1624,
440
+ "step": 36000
441
+ },
442
+ {
443
+ "epoch": 0.5,
444
+ "learning_rate": 0.001989921025017949,
445
+ "loss": 0.1812,
446
+ "step": 36500
447
+ },
448
+ {
449
+ "epoch": 0.51,
450
+ "learning_rate": 0.00198978295686751,
451
+ "loss": 0.1757,
452
+ "step": 37000
453
+ },
454
+ {
455
+ "epoch": 0.52,
456
+ "learning_rate": 0.001989644888717071,
457
+ "loss": 0.1766,
458
+ "step": 37500
459
+ },
460
+ {
461
+ "epoch": 0.52,
462
+ "learning_rate": 0.001989506820566632,
463
+ "loss": 0.1812,
464
+ "step": 38000
465
+ },
466
+ {
467
+ "epoch": 0.53,
468
+ "learning_rate": 0.0019893687524161928,
469
+ "loss": 0.1695,
470
+ "step": 38500
471
+ },
472
+ {
473
+ "epoch": 0.54,
474
+ "learning_rate": 0.0019892306842657537,
475
+ "loss": 0.1873,
476
+ "step": 39000
477
+ },
478
+ {
479
+ "epoch": 0.55,
480
+ "learning_rate": 0.0019890926161153146,
481
+ "loss": 0.1799,
482
+ "step": 39500
483
+ },
484
+ {
485
+ "epoch": 0.55,
486
+ "learning_rate": 0.0019889545479648755,
487
+ "loss": 0.1707,
488
+ "step": 40000
489
+ },
490
+ {
491
+ "epoch": 0.56,
492
+ "learning_rate": 0.0019888164798144365,
493
+ "loss": 0.1724,
494
+ "step": 40500
495
+ },
496
+ {
497
+ "epoch": 0.57,
498
+ "learning_rate": 0.0019886784116639974,
499
+ "loss": 0.1806,
500
+ "step": 41000
501
+ },
502
+ {
503
+ "epoch": 0.57,
504
+ "learning_rate": 0.0019885403435135583,
505
+ "loss": 0.1688,
506
+ "step": 41500
507
+ },
508
+ {
509
+ "epoch": 0.58,
510
+ "learning_rate": 0.0019884022753631193,
511
+ "loss": 0.1697,
512
+ "step": 42000
513
+ },
514
+ {
515
+ "epoch": 0.59,
516
+ "learning_rate": 0.00198826420721268,
517
+ "loss": 0.1684,
518
+ "step": 42500
519
+ },
520
+ {
521
+ "epoch": 0.59,
522
+ "learning_rate": 0.001988126139062241,
523
+ "loss": 0.1685,
524
+ "step": 43000
525
+ },
526
+ {
527
+ "epoch": 0.6,
528
+ "learning_rate": 0.001987988070911802,
529
+ "loss": 0.1743,
530
+ "step": 43500
531
+ },
532
+ {
533
+ "epoch": 0.61,
534
+ "learning_rate": 0.001987850002761363,
535
+ "loss": 0.1663,
536
+ "step": 44000
537
+ },
538
+ {
539
+ "epoch": 0.61,
540
+ "learning_rate": 0.001987711934610924,
541
+ "loss": 0.1685,
542
+ "step": 44500
543
+ },
544
+ {
545
+ "epoch": 0.62,
546
+ "learning_rate": 0.001987573866460485,
547
+ "loss": 0.1866,
548
+ "step": 45000
549
+ },
550
+ {
551
+ "epoch": 0.63,
552
+ "learning_rate": 0.0019874357983100457,
553
+ "loss": 0.1772,
554
+ "step": 45500
555
+ },
556
+ {
557
+ "epoch": 0.64,
558
+ "learning_rate": 0.001987297730159607,
559
+ "loss": 0.1829,
560
+ "step": 46000
561
+ },
562
+ {
563
+ "epoch": 0.64,
564
+ "learning_rate": 0.001987159662009168,
565
+ "loss": 0.1657,
566
+ "step": 46500
567
+ },
568
+ {
569
+ "epoch": 0.65,
570
+ "learning_rate": 0.0019870215938587285,
571
+ "loss": 0.1681,
572
+ "step": 47000
573
+ },
574
+ {
575
+ "epoch": 0.66,
576
+ "learning_rate": 0.0019868835257082895,
577
+ "loss": 0.174,
578
+ "step": 47500
579
+ },
580
+ {
581
+ "epoch": 0.66,
582
+ "learning_rate": 0.0019867454575578504,
583
+ "loss": 0.1759,
584
+ "step": 48000
585
+ },
586
+ {
587
+ "epoch": 0.67,
588
+ "learning_rate": 0.0019866073894074113,
589
+ "loss": 0.178,
590
+ "step": 48500
591
+ },
592
+ {
593
+ "epoch": 0.68,
594
+ "learning_rate": 0.0019864693212569722,
595
+ "loss": 0.1679,
596
+ "step": 49000
597
+ },
598
+ {
599
+ "epoch": 0.68,
600
+ "learning_rate": 0.0019863312531065336,
601
+ "loss": 0.168,
602
+ "step": 49500
603
+ },
604
+ {
605
+ "epoch": 0.69,
606
+ "learning_rate": 0.0019861931849560945,
607
+ "loss": 0.1697,
608
+ "step": 50000
609
+ },
610
+ {
611
+ "epoch": 0.7,
612
+ "learning_rate": 0.0019860551168056555,
613
+ "loss": 0.1748,
614
+ "step": 50500
615
+ },
616
+ {
617
+ "epoch": 0.7,
618
+ "learning_rate": 0.0019859170486552164,
619
+ "loss": 0.1691,
620
+ "step": 51000
621
+ },
622
+ {
623
+ "epoch": 0.71,
624
+ "learning_rate": 0.0019857789805047773,
625
+ "loss": 0.1885,
626
+ "step": 51500
627
+ },
628
+ {
629
+ "epoch": 0.72,
630
+ "learning_rate": 0.0019856409123543382,
631
+ "loss": 0.1734,
632
+ "step": 52000
633
+ },
634
+ {
635
+ "epoch": 0.72,
636
+ "learning_rate": 0.001985502844203899,
637
+ "loss": 0.1787,
638
+ "step": 52500
639
+ },
640
+ {
641
+ "epoch": 0.73,
642
+ "learning_rate": 0.00198536477605346,
643
+ "loss": 0.1741,
644
+ "step": 53000
645
+ },
646
+ {
647
+ "epoch": 0.74,
648
+ "learning_rate": 0.001985226707903021,
649
+ "loss": 0.1672,
650
+ "step": 53500
651
+ },
652
+ {
653
+ "epoch": 0.75,
654
+ "learning_rate": 0.001985088639752582,
655
+ "loss": 0.1779,
656
+ "step": 54000
657
+ },
658
+ {
659
+ "epoch": 0.75,
660
+ "learning_rate": 0.001984950571602143,
661
+ "loss": 0.1697,
662
+ "step": 54500
663
+ },
664
+ {
665
+ "epoch": 0.76,
666
+ "learning_rate": 0.001984812503451704,
667
+ "loss": 0.1699,
668
+ "step": 55000
669
+ },
670
+ {
671
+ "epoch": 0.77,
672
+ "learning_rate": 0.0019846744353012647,
673
+ "loss": 0.1693,
674
+ "step": 55500
675
+ },
676
+ {
677
+ "epoch": 0.77,
678
+ "learning_rate": 0.0019845363671508257,
679
+ "loss": 0.1718,
680
+ "step": 56000
681
+ },
682
+ {
683
+ "epoch": 0.78,
684
+ "learning_rate": 0.0019843982990003866,
685
+ "loss": 0.161,
686
+ "step": 56500
687
+ },
688
+ {
689
+ "epoch": 0.79,
690
+ "learning_rate": 0.0019842602308499475,
691
+ "loss": 0.1768,
692
+ "step": 57000
693
+ },
694
+ {
695
+ "epoch": 0.79,
696
+ "learning_rate": 0.0019841221626995084,
697
+ "loss": 0.1793,
698
+ "step": 57500
699
+ },
700
+ {
701
+ "epoch": 0.8,
702
+ "learning_rate": 0.0019839840945490694,
703
+ "loss": 0.1802,
704
+ "step": 58000
705
+ },
706
+ {
707
+ "epoch": 0.81,
708
+ "learning_rate": 0.0019838460263986303,
709
+ "loss": 0.1634,
710
+ "step": 58500
711
+ },
712
+ {
713
+ "epoch": 0.81,
714
+ "learning_rate": 0.0019837079582481912,
715
+ "loss": 0.1551,
716
+ "step": 59000
717
+ },
718
+ {
719
+ "epoch": 0.82,
720
+ "learning_rate": 0.001983569890097752,
721
+ "loss": 0.1767,
722
+ "step": 59500
723
+ },
724
+ {
725
+ "epoch": 0.83,
726
+ "learning_rate": 0.0019834318219473135,
727
+ "loss": 0.1739,
728
+ "step": 60000
729
+ },
730
+ {
731
+ "epoch": 0.84,
732
+ "learning_rate": 0.0019832937537968744,
733
+ "loss": 0.1747,
734
+ "step": 60500
735
+ },
736
+ {
737
+ "epoch": 0.84,
738
+ "learning_rate": 0.0019831556856464354,
739
+ "loss": 0.1696,
740
+ "step": 61000
741
+ },
742
+ {
743
+ "epoch": 0.85,
744
+ "learning_rate": 0.001983017617495996,
745
+ "loss": 0.1768,
746
+ "step": 61500
747
+ },
748
+ {
749
+ "epoch": 0.86,
750
+ "learning_rate": 0.0019828795493455568,
751
+ "loss": 0.1829,
752
+ "step": 62000
753
+ },
754
+ {
755
+ "epoch": 0.86,
756
+ "learning_rate": 0.0019827414811951177,
757
+ "loss": 0.1619,
758
+ "step": 62500
759
+ },
760
+ {
761
+ "epoch": 0.87,
762
+ "learning_rate": 0.0019826034130446786,
763
+ "loss": 0.1698,
764
+ "step": 63000
765
+ },
766
+ {
767
+ "epoch": 0.88,
768
+ "learning_rate": 0.00198246534489424,
769
+ "loss": 0.1762,
770
+ "step": 63500
771
+ },
772
+ {
773
+ "epoch": 0.88,
774
+ "learning_rate": 0.001982327276743801,
775
+ "loss": 0.1795,
776
+ "step": 64000
777
+ },
778
+ {
779
+ "epoch": 0.89,
780
+ "learning_rate": 0.001982189208593362,
781
+ "loss": 0.1576,
782
+ "step": 64500
783
+ },
784
+ {
785
+ "epoch": 0.9,
786
+ "learning_rate": 0.0019820511404429228,
787
+ "loss": 0.163,
788
+ "step": 65000
789
+ },
790
+ {
791
+ "epoch": 0.9,
792
+ "learning_rate": 0.0019819130722924837,
793
+ "loss": 0.173,
794
+ "step": 65500
795
+ },
796
+ {
797
+ "epoch": 0.91,
798
+ "learning_rate": 0.0019817750041420446,
799
+ "loss": 0.1733,
800
+ "step": 66000
801
+ },
802
+ {
803
+ "epoch": 0.92,
804
+ "learning_rate": 0.0019816369359916056,
805
+ "loss": 0.1681,
806
+ "step": 66500
807
+ },
808
+ {
809
+ "epoch": 0.93,
810
+ "learning_rate": 0.0019814988678411665,
811
+ "loss": 0.1713,
812
+ "step": 67000
813
+ },
814
+ {
815
+ "epoch": 0.93,
816
+ "learning_rate": 0.0019813607996907274,
817
+ "loss": 0.1675,
818
+ "step": 67500
819
+ },
820
+ {
821
+ "epoch": 0.94,
822
+ "learning_rate": 0.0019812227315402883,
823
+ "loss": 0.1612,
824
+ "step": 68000
825
+ },
826
+ {
827
+ "epoch": 0.95,
828
+ "learning_rate": 0.0019810846633898493,
829
+ "loss": 0.1699,
830
+ "step": 68500
831
+ },
832
+ {
833
+ "epoch": 0.95,
834
+ "learning_rate": 0.00198094659523941,
835
+ "loss": 0.1705,
836
+ "step": 69000
837
+ },
838
+ {
839
+ "epoch": 0.96,
840
+ "learning_rate": 0.001980808527088971,
841
+ "loss": 0.1639,
842
+ "step": 69500
843
+ },
844
+ {
845
+ "epoch": 0.97,
846
+ "learning_rate": 0.001980670458938532,
847
+ "loss": 0.1716,
848
+ "step": 70000
849
+ },
850
+ {
851
+ "epoch": 0.97,
852
+ "learning_rate": 0.001980532390788093,
853
+ "loss": 0.1616,
854
+ "step": 70500
855
+ },
856
+ {
857
+ "epoch": 0.98,
858
+ "learning_rate": 0.001980394322637654,
859
+ "loss": 0.1685,
860
+ "step": 71000
861
+ },
862
+ {
863
+ "epoch": 0.99,
864
+ "learning_rate": 0.001980256254487215,
865
+ "loss": 0.1669,
866
+ "step": 71500
867
+ },
868
+ {
869
+ "epoch": 0.99,
870
+ "learning_rate": 0.0019801181863367758,
871
+ "loss": 0.1651,
872
+ "step": 72000
873
+ },
874
+ {
875
+ "epoch": 1.0,
876
+ "eval_loss": 0.15423069894313812,
877
+ "eval_runtime": 111.7927,
878
+ "eval_samples_per_second": 176.675,
879
+ "eval_steps_per_second": 11.047,
880
+ "step": 72428
881
+ },
882
+ {
883
+ "epoch": 1.0,
884
+ "learning_rate": 0.0019799801181863367,
885
+ "loss": 0.1643,
886
+ "step": 72500
887
+ },
888
+ {
889
+ "epoch": 1.01,
890
+ "learning_rate": 0.0019798420500358976,
891
+ "loss": 0.1803,
892
+ "step": 73000
893
+ },
894
+ {
895
+ "epoch": 1.01,
896
+ "learning_rate": 0.0019797039818854585,
897
+ "loss": 0.164,
898
+ "step": 73500
899
+ },
900
+ {
901
+ "epoch": 1.02,
902
+ "learning_rate": 0.00197956591373502,
903
+ "loss": 0.1629,
904
+ "step": 74000
905
+ },
906
+ {
907
+ "epoch": 1.03,
908
+ "learning_rate": 0.001979427845584581,
909
+ "loss": 0.1606,
910
+ "step": 74500
911
+ },
912
+ {
913
+ "epoch": 1.04,
914
+ "learning_rate": 0.0019792897774341418,
915
+ "loss": 0.1683,
916
+ "step": 75000
917
+ },
918
+ {
919
+ "epoch": 1.04,
920
+ "learning_rate": 0.0019791517092837027,
921
+ "loss": 0.1658,
922
+ "step": 75500
923
+ },
924
+ {
925
+ "epoch": 1.05,
926
+ "learning_rate": 0.001979013641133263,
927
+ "loss": 0.1736,
928
+ "step": 76000
929
+ },
930
+ {
931
+ "epoch": 1.06,
932
+ "learning_rate": 0.001978875572982824,
933
+ "loss": 0.1592,
934
+ "step": 76500
935
+ },
936
+ {
937
+ "epoch": 1.06,
938
+ "learning_rate": 0.001978737504832385,
939
+ "loss": 0.1653,
940
+ "step": 77000
941
+ },
942
+ {
943
+ "epoch": 1.07,
944
+ "learning_rate": 0.0019785994366819464,
945
+ "loss": 0.1665,
946
+ "step": 77500
947
+ },
948
+ {
949
+ "epoch": 1.08,
950
+ "learning_rate": 0.0019784613685315073,
951
+ "loss": 0.1649,
952
+ "step": 78000
953
+ },
954
+ {
955
+ "epoch": 1.08,
956
+ "learning_rate": 0.0019783233003810683,
957
+ "loss": 0.1724,
958
+ "step": 78500
959
+ },
960
+ {
961
+ "epoch": 1.09,
962
+ "learning_rate": 0.001978185232230629,
963
+ "loss": 0.1775,
964
+ "step": 79000
965
+ },
966
+ {
967
+ "epoch": 1.1,
968
+ "learning_rate": 0.00197804716408019,
969
+ "loss": 0.1603,
970
+ "step": 79500
971
+ },
972
+ {
973
+ "epoch": 1.1,
974
+ "learning_rate": 0.001977909095929751,
975
+ "loss": 0.1765,
976
+ "step": 80000
977
+ },
978
+ {
979
+ "epoch": 1.11,
980
+ "learning_rate": 0.001977771027779312,
981
+ "loss": 0.1705,
982
+ "step": 80500
983
+ },
984
+ {
985
+ "epoch": 1.12,
986
+ "learning_rate": 0.001977632959628873,
987
+ "loss": 0.1513,
988
+ "step": 81000
989
+ },
990
+ {
991
+ "epoch": 1.13,
992
+ "learning_rate": 0.001977494891478434,
993
+ "loss": 0.173,
994
+ "step": 81500
995
+ },
996
+ {
997
+ "epoch": 1.13,
998
+ "learning_rate": 0.0019773568233279947,
999
+ "loss": 0.1769,
1000
+ "step": 82000
1001
+ },
1002
+ {
1003
+ "epoch": 1.14,
1004
+ "learning_rate": 0.0019772187551775557,
1005
+ "loss": 0.1754,
1006
+ "step": 82500
1007
+ },
1008
+ {
1009
+ "epoch": 1.15,
1010
+ "learning_rate": 0.0019770806870271166,
1011
+ "loss": 0.1647,
1012
+ "step": 83000
1013
+ },
1014
+ {
1015
+ "epoch": 1.15,
1016
+ "learning_rate": 0.0019769426188766775,
1017
+ "loss": 0.162,
1018
+ "step": 83500
1019
+ },
1020
+ {
1021
+ "epoch": 1.16,
1022
+ "learning_rate": 0.0019768045507262385,
1023
+ "loss": 0.1597,
1024
+ "step": 84000
1025
+ },
1026
+ {
1027
+ "epoch": 1.17,
1028
+ "learning_rate": 0.0019766664825757994,
1029
+ "loss": 0.1738,
1030
+ "step": 84500
1031
+ },
1032
+ {
1033
+ "epoch": 1.17,
1034
+ "learning_rate": 0.0019765284144253603,
1035
+ "loss": 0.1822,
1036
+ "step": 85000
1037
+ },
1038
+ {
1039
+ "epoch": 1.18,
1040
+ "learning_rate": 0.0019763903462749212,
1041
+ "loss": 0.1694,
1042
+ "step": 85500
1043
+ },
1044
+ {
1045
+ "epoch": 1.19,
1046
+ "learning_rate": 0.001976252278124482,
1047
+ "loss": 0.175,
1048
+ "step": 86000
1049
+ },
1050
+ {
1051
+ "epoch": 1.19,
1052
+ "learning_rate": 0.001976114209974043,
1053
+ "loss": 0.1691,
1054
+ "step": 86500
1055
+ },
1056
+ {
1057
+ "epoch": 1.2,
1058
+ "learning_rate": 0.001975976141823604,
1059
+ "loss": 0.1676,
1060
+ "step": 87000
1061
+ },
1062
+ {
1063
+ "epoch": 1.21,
1064
+ "learning_rate": 0.001975838073673165,
1065
+ "loss": 0.1582,
1066
+ "step": 87500
1067
+ },
1068
+ {
1069
+ "epoch": 1.21,
1070
+ "learning_rate": 0.0019757000055227263,
1071
+ "loss": 0.1743,
1072
+ "step": 88000
1073
+ },
1074
+ {
1075
+ "epoch": 1.22,
1076
+ "learning_rate": 0.0019755619373722872,
1077
+ "loss": 0.1707,
1078
+ "step": 88500
1079
+ },
1080
+ {
1081
+ "epoch": 1.23,
1082
+ "learning_rate": 0.001975423869221848,
1083
+ "loss": 0.163,
1084
+ "step": 89000
1085
+ },
1086
+ {
1087
+ "epoch": 1.24,
1088
+ "learning_rate": 0.001975285801071409,
1089
+ "loss": 0.1704,
1090
+ "step": 89500
1091
+ },
1092
+ {
1093
+ "epoch": 1.24,
1094
+ "learning_rate": 0.00197514773292097,
1095
+ "loss": 0.1646,
1096
+ "step": 90000
1097
+ },
1098
+ {
1099
+ "epoch": 1.25,
1100
+ "learning_rate": 0.0019750096647705305,
1101
+ "loss": 0.1639,
1102
+ "step": 90500
1103
+ },
1104
+ {
1105
+ "epoch": 1.26,
1106
+ "learning_rate": 0.0019748715966200914,
1107
+ "loss": 0.1767,
1108
+ "step": 91000
1109
+ },
1110
+ {
1111
+ "epoch": 1.26,
1112
+ "learning_rate": 0.001974733528469653,
1113
+ "loss": 0.1677,
1114
+ "step": 91500
1115
+ },
1116
+ {
1117
+ "epoch": 1.27,
1118
+ "learning_rate": 0.0019745954603192137,
1119
+ "loss": 0.1703,
1120
+ "step": 92000
1121
+ },
1122
+ {
1123
+ "epoch": 1.28,
1124
+ "learning_rate": 0.0019744573921687747,
1125
+ "loss": 0.1632,
1126
+ "step": 92500
1127
+ },
1128
+ {
1129
+ "epoch": 1.28,
1130
+ "learning_rate": 0.0019743193240183356,
1131
+ "loss": 0.1712,
1132
+ "step": 93000
1133
+ },
1134
+ {
1135
+ "epoch": 1.29,
1136
+ "learning_rate": 0.0019741812558678965,
1137
+ "loss": 0.1863,
1138
+ "step": 93500
1139
+ },
1140
+ {
1141
+ "epoch": 1.3,
1142
+ "learning_rate": 0.0019740431877174574,
1143
+ "loss": 0.1608,
1144
+ "step": 94000
1145
+ },
1146
+ {
1147
+ "epoch": 1.3,
1148
+ "learning_rate": 0.0019739051195670184,
1149
+ "loss": 0.1566,
1150
+ "step": 94500
1151
+ },
1152
+ {
1153
+ "epoch": 1.31,
1154
+ "learning_rate": 0.0019737670514165793,
1155
+ "loss": 0.1641,
1156
+ "step": 95000
1157
+ },
1158
+ {
1159
+ "epoch": 1.32,
1160
+ "learning_rate": 0.0019736289832661402,
1161
+ "loss": 0.1684,
1162
+ "step": 95500
1163
+ },
1164
+ {
1165
+ "epoch": 1.33,
1166
+ "learning_rate": 0.001973490915115701,
1167
+ "loss": 0.1678,
1168
+ "step": 96000
1169
+ },
1170
+ {
1171
+ "epoch": 1.33,
1172
+ "learning_rate": 0.001973352846965262,
1173
+ "loss": 0.1801,
1174
+ "step": 96500
1175
+ },
1176
+ {
1177
+ "epoch": 1.34,
1178
+ "learning_rate": 0.001973214778814823,
1179
+ "loss": 0.1646,
1180
+ "step": 97000
1181
+ },
1182
+ {
1183
+ "epoch": 1.35,
1184
+ "learning_rate": 0.001973076710664384,
1185
+ "loss": 0.1612,
1186
+ "step": 97500
1187
+ },
1188
+ {
1189
+ "epoch": 1.35,
1190
+ "learning_rate": 0.001972938642513945,
1191
+ "loss": 0.169,
1192
+ "step": 98000
1193
+ },
1194
+ {
1195
+ "epoch": 1.36,
1196
+ "learning_rate": 0.001972800574363506,
1197
+ "loss": 0.1672,
1198
+ "step": 98500
1199
+ },
1200
+ {
1201
+ "epoch": 1.37,
1202
+ "learning_rate": 0.0019726625062130667,
1203
+ "loss": 0.1688,
1204
+ "step": 99000
1205
+ },
1206
+ {
1207
+ "epoch": 1.37,
1208
+ "learning_rate": 0.0019725244380626276,
1209
+ "loss": 0.1644,
1210
+ "step": 99500
1211
+ },
1212
+ {
1213
+ "epoch": 1.38,
1214
+ "learning_rate": 0.0019723863699121886,
1215
+ "loss": 0.1646,
1216
+ "step": 100000
1217
+ },
1218
+ {
1219
+ "epoch": 1.39,
1220
+ "learning_rate": 0.0019722483017617495,
1221
+ "loss": 0.1592,
1222
+ "step": 100500
1223
+ },
1224
+ {
1225
+ "epoch": 1.39,
1226
+ "learning_rate": 0.0019721102336113104,
1227
+ "loss": 0.1674,
1228
+ "step": 101000
1229
+ },
1230
+ {
1231
+ "epoch": 1.4,
1232
+ "learning_rate": 0.0019719721654608714,
1233
+ "loss": 0.1654,
1234
+ "step": 101500
1235
+ },
1236
+ {
1237
+ "epoch": 1.41,
1238
+ "learning_rate": 0.0019718340973104327,
1239
+ "loss": 0.1692,
1240
+ "step": 102000
1241
+ },
1242
+ {
1243
+ "epoch": 1.42,
1244
+ "learning_rate": 0.0019716960291599936,
1245
+ "loss": 0.1719,
1246
+ "step": 102500
1247
+ },
1248
+ {
1249
+ "epoch": 1.42,
1250
+ "learning_rate": 0.0019715579610095546,
1251
+ "loss": 0.1726,
1252
+ "step": 103000
1253
+ },
1254
+ {
1255
+ "epoch": 1.43,
1256
+ "learning_rate": 0.0019714198928591155,
1257
+ "loss": 0.1634,
1258
+ "step": 103500
1259
+ },
1260
+ {
1261
+ "epoch": 1.44,
1262
+ "learning_rate": 0.0019712818247086764,
1263
+ "loss": 0.1683,
1264
+ "step": 104000
1265
+ },
1266
+ {
1267
+ "epoch": 1.44,
1268
+ "learning_rate": 0.001971143756558237,
1269
+ "loss": 0.1692,
1270
+ "step": 104500
1271
+ },
1272
+ {
1273
+ "epoch": 1.45,
1274
+ "learning_rate": 0.001971005688407798,
1275
+ "loss": 0.1781,
1276
+ "step": 105000
1277
+ },
1278
+ {
1279
+ "epoch": 1.46,
1280
+ "learning_rate": 0.001970867620257359,
1281
+ "loss": 0.1606,
1282
+ "step": 105500
1283
+ },
1284
+ {
1285
+ "epoch": 1.46,
1286
+ "learning_rate": 0.00197072955210692,
1287
+ "loss": 0.1649,
1288
+ "step": 106000
1289
+ },
1290
+ {
1291
+ "epoch": 1.47,
1292
+ "learning_rate": 0.001970591483956481,
1293
+ "loss": 0.178,
1294
+ "step": 106500
1295
+ },
1296
+ {
1297
+ "epoch": 1.48,
1298
+ "learning_rate": 0.001970453415806042,
1299
+ "loss": 0.1699,
1300
+ "step": 107000
1301
+ },
1302
+ {
1303
+ "epoch": 1.48,
1304
+ "learning_rate": 0.001970315347655603,
1305
+ "loss": 0.1646,
1306
+ "step": 107500
1307
+ },
1308
+ {
1309
+ "epoch": 1.49,
1310
+ "learning_rate": 0.001970177279505164,
1311
+ "loss": 0.1666,
1312
+ "step": 108000
1313
+ },
1314
+ {
1315
+ "epoch": 1.5,
1316
+ "learning_rate": 0.0019700392113547248,
1317
+ "loss": 0.1674,
1318
+ "step": 108500
1319
+ },
1320
+ {
1321
+ "epoch": 1.5,
1322
+ "learning_rate": 0.0019699011432042857,
1323
+ "loss": 0.1777,
1324
+ "step": 109000
1325
+ },
1326
+ {
1327
+ "epoch": 1.51,
1328
+ "learning_rate": 0.0019697630750538466,
1329
+ "loss": 0.161,
1330
+ "step": 109500
1331
+ },
1332
+ {
1333
+ "epoch": 1.52,
1334
+ "learning_rate": 0.0019696250069034076,
1335
+ "loss": 0.1633,
1336
+ "step": 110000
1337
+ },
1338
+ {
1339
+ "epoch": 1.53,
1340
+ "learning_rate": 0.0019694869387529685,
1341
+ "loss": 0.1693,
1342
+ "step": 110500
1343
+ },
1344
+ {
1345
+ "epoch": 1.53,
1346
+ "learning_rate": 0.0019693488706025294,
1347
+ "loss": 0.172,
1348
+ "step": 111000
1349
+ },
1350
+ {
1351
+ "epoch": 1.54,
1352
+ "learning_rate": 0.0019692108024520903,
1353
+ "loss": 0.1702,
1354
+ "step": 111500
1355
+ },
1356
+ {
1357
+ "epoch": 1.55,
1358
+ "learning_rate": 0.0019690727343016513,
1359
+ "loss": 0.163,
1360
+ "step": 112000
1361
+ },
1362
+ {
1363
+ "epoch": 1.55,
1364
+ "learning_rate": 0.001968934666151212,
1365
+ "loss": 0.1609,
1366
+ "step": 112500
1367
+ },
1368
+ {
1369
+ "epoch": 1.56,
1370
+ "learning_rate": 0.001968796598000773,
1371
+ "loss": 0.1706,
1372
+ "step": 113000
1373
+ },
1374
+ {
1375
+ "epoch": 1.57,
1376
+ "learning_rate": 0.001968658529850334,
1377
+ "loss": 0.1709,
1378
+ "step": 113500
1379
+ },
1380
+ {
1381
+ "epoch": 1.57,
1382
+ "learning_rate": 0.001968520461699895,
1383
+ "loss": 0.174,
1384
+ "step": 114000
1385
+ },
1386
+ {
1387
+ "epoch": 1.58,
1388
+ "learning_rate": 0.001968382393549456,
1389
+ "loss": 0.1648,
1390
+ "step": 114500
1391
+ },
1392
+ {
1393
+ "epoch": 1.59,
1394
+ "learning_rate": 0.001968244325399017,
1395
+ "loss": 0.1641,
1396
+ "step": 115000
1397
+ },
1398
+ {
1399
+ "epoch": 1.59,
1400
+ "learning_rate": 0.0019681062572485778,
1401
+ "loss": 0.1593,
1402
+ "step": 115500
1403
+ },
1404
+ {
1405
+ "epoch": 1.6,
1406
+ "learning_rate": 0.001967968189098139,
1407
+ "loss": 0.1733,
1408
+ "step": 116000
1409
+ },
1410
+ {
1411
+ "epoch": 1.61,
1412
+ "learning_rate": 0.0019678301209477,
1413
+ "loss": 0.1598,
1414
+ "step": 116500
1415
+ },
1416
+ {
1417
+ "epoch": 1.62,
1418
+ "learning_rate": 0.001967692052797261,
1419
+ "loss": 0.1736,
1420
+ "step": 117000
1421
+ },
1422
+ {
1423
+ "epoch": 1.62,
1424
+ "learning_rate": 0.001967553984646822,
1425
+ "loss": 0.1672,
1426
+ "step": 117500
1427
+ },
1428
+ {
1429
+ "epoch": 1.63,
1430
+ "learning_rate": 0.001967415916496383,
1431
+ "loss": 0.1767,
1432
+ "step": 118000
1433
+ },
1434
+ {
1435
+ "epoch": 1.64,
1436
+ "learning_rate": 0.0019672778483459438,
1437
+ "loss": 0.1765,
1438
+ "step": 118500
1439
+ },
1440
+ {
1441
+ "epoch": 1.64,
1442
+ "learning_rate": 0.0019671397801955042,
1443
+ "loss": 0.1591,
1444
+ "step": 119000
1445
+ },
1446
+ {
1447
+ "epoch": 1.65,
1448
+ "learning_rate": 0.0019670017120450656,
1449
+ "loss": 0.1679,
1450
+ "step": 119500
1451
+ },
1452
+ {
1453
+ "epoch": 1.66,
1454
+ "learning_rate": 0.0019668636438946265,
1455
+ "loss": 0.1705,
1456
+ "step": 120000
1457
+ },
1458
+ {
1459
+ "epoch": 1.66,
1460
+ "learning_rate": 0.0019667255757441875,
1461
+ "loss": 0.1675,
1462
+ "step": 120500
1463
+ },
1464
+ {
1465
+ "epoch": 1.67,
1466
+ "learning_rate": 0.0019665875075937484,
1467
+ "loss": 0.1841,
1468
+ "step": 121000
1469
+ },
1470
+ {
1471
+ "epoch": 1.68,
1472
+ "learning_rate": 0.0019664494394433093,
1473
+ "loss": 0.1748,
1474
+ "step": 121500
1475
+ },
1476
+ {
1477
+ "epoch": 1.68,
1478
+ "learning_rate": 0.0019663113712928702,
1479
+ "loss": 0.1769,
1480
+ "step": 122000
1481
+ },
1482
+ {
1483
+ "epoch": 1.69,
1484
+ "learning_rate": 0.001966173303142431,
1485
+ "loss": 0.1677,
1486
+ "step": 122500
1487
+ },
1488
+ {
1489
+ "epoch": 1.7,
1490
+ "learning_rate": 0.001966035234991992,
1491
+ "loss": 0.1725,
1492
+ "step": 123000
1493
+ },
1494
+ {
1495
+ "epoch": 1.71,
1496
+ "learning_rate": 0.001965897166841553,
1497
+ "loss": 0.1695,
1498
+ "step": 123500
1499
+ },
1500
+ {
1501
+ "epoch": 1.71,
1502
+ "learning_rate": 0.001965759098691114,
1503
+ "loss": 0.1682,
1504
+ "step": 124000
1505
+ },
1506
+ {
1507
+ "epoch": 1.72,
1508
+ "learning_rate": 0.001965621030540675,
1509
+ "loss": 0.1682,
1510
+ "step": 124500
1511
+ },
1512
+ {
1513
+ "epoch": 1.73,
1514
+ "learning_rate": 0.001965482962390236,
1515
+ "loss": 0.1818,
1516
+ "step": 125000
1517
+ },
1518
+ {
1519
+ "epoch": 1.73,
1520
+ "learning_rate": 0.0019653448942397967,
1521
+ "loss": 0.1551,
1522
+ "step": 125500
1523
+ },
1524
+ {
1525
+ "epoch": 1.74,
1526
+ "learning_rate": 0.0019652068260893577,
1527
+ "loss": 0.1666,
1528
+ "step": 126000
1529
+ },
1530
+ {
1531
+ "epoch": 1.75,
1532
+ "learning_rate": 0.0019650687579389186,
1533
+ "loss": 0.1636,
1534
+ "step": 126500
1535
+ },
1536
+ {
1537
+ "epoch": 1.75,
1538
+ "learning_rate": 0.0019649306897884795,
1539
+ "loss": 0.1565,
1540
+ "step": 127000
1541
+ },
1542
+ {
1543
+ "epoch": 1.76,
1544
+ "learning_rate": 0.0019647926216380404,
1545
+ "loss": 0.1732,
1546
+ "step": 127500
1547
+ },
1548
+ {
1549
+ "epoch": 1.77,
1550
+ "learning_rate": 0.0019646545534876014,
1551
+ "loss": 0.1628,
1552
+ "step": 128000
1553
+ },
1554
+ {
1555
+ "epoch": 1.77,
1556
+ "learning_rate": 0.0019645164853371623,
1557
+ "loss": 0.1686,
1558
+ "step": 128500
1559
+ },
1560
+ {
1561
+ "epoch": 1.78,
1562
+ "learning_rate": 0.0019643784171867232,
1563
+ "loss": 0.1607,
1564
+ "step": 129000
1565
+ },
1566
+ {
1567
+ "epoch": 1.79,
1568
+ "learning_rate": 0.001964240349036284,
1569
+ "loss": 0.1744,
1570
+ "step": 129500
1571
+ },
1572
+ {
1573
+ "epoch": 1.79,
1574
+ "learning_rate": 0.0019641022808858455,
1575
+ "loss": 0.1642,
1576
+ "step": 130000
1577
+ },
1578
+ {
1579
+ "epoch": 1.8,
1580
+ "learning_rate": 0.0019639642127354064,
1581
+ "loss": 0.1794,
1582
+ "step": 130500
1583
+ },
1584
+ {
1585
+ "epoch": 1.81,
1586
+ "learning_rate": 0.0019638261445849674,
1587
+ "loss": 0.1605,
1588
+ "step": 131000
1589
+ },
1590
+ {
1591
+ "epoch": 1.82,
1592
+ "learning_rate": 0.0019636880764345283,
1593
+ "loss": 0.1702,
1594
+ "step": 131500
1595
+ },
1596
+ {
1597
+ "epoch": 1.82,
1598
+ "learning_rate": 0.0019635500082840892,
1599
+ "loss": 0.1708,
1600
+ "step": 132000
1601
+ },
1602
+ {
1603
+ "epoch": 1.83,
1604
+ "learning_rate": 0.00196341194013365,
1605
+ "loss": 0.1629,
1606
+ "step": 132500
1607
+ },
1608
+ {
1609
+ "epoch": 1.84,
1610
+ "learning_rate": 0.001963273871983211,
1611
+ "loss": 0.1683,
1612
+ "step": 133000
1613
+ },
1614
+ {
1615
+ "epoch": 1.84,
1616
+ "learning_rate": 0.0019631358038327716,
1617
+ "loss": 0.1634,
1618
+ "step": 133500
1619
+ },
1620
+ {
1621
+ "epoch": 1.85,
1622
+ "learning_rate": 0.001962997735682333,
1623
+ "loss": 0.1713,
1624
+ "step": 134000
1625
+ },
1626
+ {
1627
+ "epoch": 1.86,
1628
+ "learning_rate": 0.001962859667531894,
1629
+ "loss": 0.1577,
1630
+ "step": 134500
1631
+ },
1632
+ {
1633
+ "epoch": 1.86,
1634
+ "learning_rate": 0.001962721599381455,
1635
+ "loss": 0.1633,
1636
+ "step": 135000
1637
+ },
1638
+ {
1639
+ "epoch": 1.87,
1640
+ "learning_rate": 0.0019625835312310157,
1641
+ "loss": 0.1564,
1642
+ "step": 135500
1643
+ },
1644
+ {
1645
+ "epoch": 1.88,
1646
+ "learning_rate": 0.0019624454630805767,
1647
+ "loss": 0.1676,
1648
+ "step": 136000
1649
+ },
1650
+ {
1651
+ "epoch": 1.88,
1652
+ "learning_rate": 0.0019623073949301376,
1653
+ "loss": 0.1706,
1654
+ "step": 136500
1655
+ },
1656
+ {
1657
+ "epoch": 1.89,
1658
+ "learning_rate": 0.0019621693267796985,
1659
+ "loss": 0.1764,
1660
+ "step": 137000
1661
+ },
1662
+ {
1663
+ "epoch": 1.9,
1664
+ "learning_rate": 0.0019620312586292594,
1665
+ "loss": 0.1725,
1666
+ "step": 137500
1667
+ },
1668
+ {
1669
+ "epoch": 1.91,
1670
+ "learning_rate": 0.0019618931904788204,
1671
+ "loss": 0.1721,
1672
+ "step": 138000
1673
+ },
1674
+ {
1675
+ "epoch": 1.91,
1676
+ "learning_rate": 0.0019617551223283813,
1677
+ "loss": 0.1639,
1678
+ "step": 138500
1679
+ },
1680
+ {
1681
+ "epoch": 1.92,
1682
+ "learning_rate": 0.001961617054177942,
1683
+ "loss": 0.1651,
1684
+ "step": 139000
1685
+ },
1686
+ {
1687
+ "epoch": 1.93,
1688
+ "learning_rate": 0.001961478986027503,
1689
+ "loss": 0.1678,
1690
+ "step": 139500
1691
+ },
1692
+ {
1693
+ "epoch": 1.93,
1694
+ "learning_rate": 0.001961340917877064,
1695
+ "loss": 0.1633,
1696
+ "step": 140000
1697
+ },
1698
+ {
1699
+ "epoch": 1.94,
1700
+ "learning_rate": 0.001961202849726625,
1701
+ "loss": 0.1711,
1702
+ "step": 140500
1703
+ },
1704
+ {
1705
+ "epoch": 1.95,
1706
+ "learning_rate": 0.001961064781576186,
1707
+ "loss": 0.1872,
1708
+ "step": 141000
1709
+ },
1710
+ {
1711
+ "epoch": 1.95,
1712
+ "learning_rate": 0.001960926713425747,
1713
+ "loss": 0.1716,
1714
+ "step": 141500
1715
+ },
1716
+ {
1717
+ "epoch": 1.96,
1718
+ "learning_rate": 0.0019607886452753078,
1719
+ "loss": 0.1517,
1720
+ "step": 142000
1721
+ },
1722
+ {
1723
+ "epoch": 1.97,
1724
+ "learning_rate": 0.0019606505771248687,
1725
+ "loss": 0.1743,
1726
+ "step": 142500
1727
+ },
1728
+ {
1729
+ "epoch": 1.97,
1730
+ "learning_rate": 0.0019605125089744296,
1731
+ "loss": 0.1698,
1732
+ "step": 143000
1733
+ },
1734
+ {
1735
+ "epoch": 1.98,
1736
+ "learning_rate": 0.0019603744408239906,
1737
+ "loss": 0.1692,
1738
+ "step": 143500
1739
+ },
1740
+ {
1741
+ "epoch": 1.99,
1742
+ "learning_rate": 0.0019602363726735515,
1743
+ "loss": 0.1721,
1744
+ "step": 144000
1745
+ },
1746
+ {
1747
+ "epoch": 2.0,
1748
+ "learning_rate": 0.001960098304523113,
1749
+ "loss": 0.1627,
1750
+ "step": 144500
1751
+ },
1752
+ {
1753
+ "epoch": 2.0,
1754
+ "eval_loss": 0.1498871147632599,
1755
+ "eval_runtime": 111.769,
1756
+ "eval_samples_per_second": 176.713,
1757
+ "eval_steps_per_second": 11.05,
1758
+ "step": 144856
1759
  }
1760
  ],
1761
+ "max_steps": 7242800,
1762
+ "num_train_epochs": 100,
1763
+ "total_flos": 3.136735727635661e+17,
1764
  "trial_name": null,
1765
  "trial_params": null
1766
  }