cutelemonlili's picture
Add files using upload-large-folder tool
ece0b12 verified
{
"best_metric": null,
"best_model_checkpoint": null,
"epoch": 2.0,
"eval_steps": 200,
"global_step": 288,
"is_hyper_param_search": false,
"is_local_process_zero": true,
"is_world_process_zero": true,
"log_history": [
{
"epoch": 0.006944444444444444,
"grad_norm": 0.0634646986292456,
"learning_rate": 3.448275862068966e-06,
"loss": 0.1218,
"step": 1
},
{
"epoch": 0.013888888888888888,
"grad_norm": 0.0859646592063227,
"learning_rate": 6.896551724137932e-06,
"loss": 0.1441,
"step": 2
},
{
"epoch": 0.020833333333333332,
"grad_norm": 0.08311493152111031,
"learning_rate": 1.0344827586206897e-05,
"loss": 0.1517,
"step": 3
},
{
"epoch": 0.027777777777777776,
"grad_norm": 0.14507101606184478,
"learning_rate": 1.3793103448275863e-05,
"loss": 0.184,
"step": 4
},
{
"epoch": 0.034722222222222224,
"grad_norm": 0.049880571226207794,
"learning_rate": 1.7241379310344828e-05,
"loss": 0.0937,
"step": 5
},
{
"epoch": 0.041666666666666664,
"grad_norm": 0.13472688960866697,
"learning_rate": 2.0689655172413793e-05,
"loss": 0.1932,
"step": 6
},
{
"epoch": 0.04861111111111111,
"grad_norm": 0.063128720217521,
"learning_rate": 2.413793103448276e-05,
"loss": 0.1163,
"step": 7
},
{
"epoch": 0.05555555555555555,
"grad_norm": 0.05791338456495497,
"learning_rate": 2.7586206896551727e-05,
"loss": 0.0997,
"step": 8
},
{
"epoch": 0.0625,
"grad_norm": 0.03814512155396182,
"learning_rate": 3.103448275862069e-05,
"loss": 0.0691,
"step": 9
},
{
"epoch": 0.06944444444444445,
"grad_norm": 0.07278628165772846,
"learning_rate": 3.4482758620689657e-05,
"loss": 0.1096,
"step": 10
},
{
"epoch": 0.0763888888888889,
"grad_norm": 0.06072973165332569,
"learning_rate": 3.793103448275862e-05,
"loss": 0.0915,
"step": 11
},
{
"epoch": 0.08333333333333333,
"grad_norm": 0.05086161703424197,
"learning_rate": 4.1379310344827587e-05,
"loss": 0.0758,
"step": 12
},
{
"epoch": 0.09027777777777778,
"grad_norm": 0.06108424147364289,
"learning_rate": 4.482758620689655e-05,
"loss": 0.085,
"step": 13
},
{
"epoch": 0.09722222222222222,
"grad_norm": 0.08171893276043111,
"learning_rate": 4.827586206896552e-05,
"loss": 0.1039,
"step": 14
},
{
"epoch": 0.10416666666666667,
"grad_norm": 0.10806188024280473,
"learning_rate": 5.172413793103449e-05,
"loss": 0.1153,
"step": 15
},
{
"epoch": 0.1111111111111111,
"grad_norm": 0.08264842267025586,
"learning_rate": 5.517241379310345e-05,
"loss": 0.096,
"step": 16
},
{
"epoch": 0.11805555555555555,
"grad_norm": 0.11707563126376766,
"learning_rate": 5.862068965517241e-05,
"loss": 0.1187,
"step": 17
},
{
"epoch": 0.125,
"grad_norm": 0.04624996354545763,
"learning_rate": 6.206896551724138e-05,
"loss": 0.0613,
"step": 18
},
{
"epoch": 0.13194444444444445,
"grad_norm": 0.12096307356119897,
"learning_rate": 6.551724137931034e-05,
"loss": 0.112,
"step": 19
},
{
"epoch": 0.1388888888888889,
"grad_norm": 0.11329767467249009,
"learning_rate": 6.896551724137931e-05,
"loss": 0.1131,
"step": 20
},
{
"epoch": 0.14583333333333334,
"grad_norm": 0.07076834653741017,
"learning_rate": 7.241379310344828e-05,
"loss": 0.0754,
"step": 21
},
{
"epoch": 0.1527777777777778,
"grad_norm": 0.07631833003946596,
"learning_rate": 7.586206896551724e-05,
"loss": 0.0476,
"step": 22
},
{
"epoch": 0.1597222222222222,
"grad_norm": 0.09111429978286256,
"learning_rate": 7.931034482758621e-05,
"loss": 0.0778,
"step": 23
},
{
"epoch": 0.16666666666666666,
"grad_norm": 0.09638107817903875,
"learning_rate": 8.275862068965517e-05,
"loss": 0.0749,
"step": 24
},
{
"epoch": 0.1736111111111111,
"grad_norm": 0.08873808756623787,
"learning_rate": 8.620689655172413e-05,
"loss": 0.0692,
"step": 25
},
{
"epoch": 0.18055555555555555,
"grad_norm": 0.1193395529072999,
"learning_rate": 8.96551724137931e-05,
"loss": 0.1005,
"step": 26
},
{
"epoch": 0.1875,
"grad_norm": 0.07825819960868853,
"learning_rate": 9.310344827586207e-05,
"loss": 0.0796,
"step": 27
},
{
"epoch": 0.19444444444444445,
"grad_norm": 0.09882721733405724,
"learning_rate": 9.655172413793105e-05,
"loss": 0.0808,
"step": 28
},
{
"epoch": 0.2013888888888889,
"grad_norm": 0.07496690540223322,
"learning_rate": 0.0001,
"loss": 0.0589,
"step": 29
},
{
"epoch": 0.20833333333333334,
"grad_norm": 0.06753626384871714,
"learning_rate": 9.999632180371776e-05,
"loss": 0.0885,
"step": 30
},
{
"epoch": 0.2152777777777778,
"grad_norm": 0.11227962647329344,
"learning_rate": 9.998528775603611e-05,
"loss": 0.0859,
"step": 31
},
{
"epoch": 0.2222222222222222,
"grad_norm": 0.04228956053702444,
"learning_rate": 9.99668994803708e-05,
"loss": 0.0482,
"step": 32
},
{
"epoch": 0.22916666666666666,
"grad_norm": 0.049938706422113184,
"learning_rate": 9.994115968214932e-05,
"loss": 0.0575,
"step": 33
},
{
"epoch": 0.2361111111111111,
"grad_norm": 0.054468426952476535,
"learning_rate": 9.990807214841287e-05,
"loss": 0.0661,
"step": 34
},
{
"epoch": 0.24305555555555555,
"grad_norm": 0.048987738819091665,
"learning_rate": 9.986764174725919e-05,
"loss": 0.0556,
"step": 35
},
{
"epoch": 0.25,
"grad_norm": 0.05029249306240408,
"learning_rate": 9.981987442712633e-05,
"loss": 0.0546,
"step": 36
},
{
"epoch": 0.2569444444444444,
"grad_norm": 0.07920414870467878,
"learning_rate": 9.976477721591745e-05,
"loss": 0.0704,
"step": 37
},
{
"epoch": 0.2638888888888889,
"grad_norm": 0.04856426595651698,
"learning_rate": 9.97023582199669e-05,
"loss": 0.0627,
"step": 38
},
{
"epoch": 0.2708333333333333,
"grad_norm": 0.03338189886854429,
"learning_rate": 9.963262662284736e-05,
"loss": 0.0353,
"step": 39
},
{
"epoch": 0.2777777777777778,
"grad_norm": 0.05814625123252708,
"learning_rate": 9.955559268401893e-05,
"loss": 0.0562,
"step": 40
},
{
"epoch": 0.2847222222222222,
"grad_norm": 0.09810680657571984,
"learning_rate": 9.947126773731948e-05,
"loss": 0.0774,
"step": 41
},
{
"epoch": 0.2916666666666667,
"grad_norm": 0.08137711658725671,
"learning_rate": 9.937966418929726e-05,
"loss": 0.0688,
"step": 42
},
{
"epoch": 0.2986111111111111,
"grad_norm": 0.04984221097640415,
"learning_rate": 9.928079551738543e-05,
"loss": 0.0631,
"step": 43
},
{
"epoch": 0.3055555555555556,
"grad_norm": 0.045586138765645726,
"learning_rate": 9.917467626791925e-05,
"loss": 0.0602,
"step": 44
},
{
"epoch": 0.3125,
"grad_norm": 0.04555416039001976,
"learning_rate": 9.90613220539959e-05,
"loss": 0.0603,
"step": 45
},
{
"epoch": 0.3194444444444444,
"grad_norm": 0.06929704690081513,
"learning_rate": 9.89407495531773e-05,
"loss": 0.05,
"step": 46
},
{
"epoch": 0.3263888888888889,
"grad_norm": 0.05071419561253368,
"learning_rate": 9.881297650503641e-05,
"loss": 0.0666,
"step": 47
},
{
"epoch": 0.3333333333333333,
"grad_norm": 0.05861571605506496,
"learning_rate": 9.867802170854724e-05,
"loss": 0.0576,
"step": 48
},
{
"epoch": 0.3402777777777778,
"grad_norm": 0.05602477728042172,
"learning_rate": 9.853590501931904e-05,
"loss": 0.0714,
"step": 49
},
{
"epoch": 0.3472222222222222,
"grad_norm": 0.0600399573347184,
"learning_rate": 9.838664734667495e-05,
"loss": 0.0557,
"step": 50
},
{
"epoch": 0.3541666666666667,
"grad_norm": 0.04310502477291791,
"learning_rate": 9.82302706505756e-05,
"loss": 0.0608,
"step": 51
},
{
"epoch": 0.3611111111111111,
"grad_norm": 0.04208369800984692,
"learning_rate": 9.806679793838829e-05,
"loss": 0.0457,
"step": 52
},
{
"epoch": 0.3680555555555556,
"grad_norm": 0.04390617615736525,
"learning_rate": 9.78962532615019e-05,
"loss": 0.0538,
"step": 53
},
{
"epoch": 0.375,
"grad_norm": 0.040829606477323165,
"learning_rate": 9.771866171178831e-05,
"loss": 0.0535,
"step": 54
},
{
"epoch": 0.3819444444444444,
"grad_norm": 0.04189168396894191,
"learning_rate": 9.753404941791062e-05,
"loss": 0.0533,
"step": 55
},
{
"epoch": 0.3888888888888889,
"grad_norm": 0.048795880713950655,
"learning_rate": 9.734244354147895e-05,
"loss": 0.0558,
"step": 56
},
{
"epoch": 0.3958333333333333,
"grad_norm": 0.04594331706981098,
"learning_rate": 9.714387227305422e-05,
"loss": 0.059,
"step": 57
},
{
"epoch": 0.4027777777777778,
"grad_norm": 0.059333907325760896,
"learning_rate": 9.693836482800044e-05,
"loss": 0.0666,
"step": 58
},
{
"epoch": 0.4097222222222222,
"grad_norm": 0.04504422858266263,
"learning_rate": 9.672595144218646e-05,
"loss": 0.0553,
"step": 59
},
{
"epoch": 0.4166666666666667,
"grad_norm": 0.06138639267675264,
"learning_rate": 9.650666336753728e-05,
"loss": 0.0736,
"step": 60
},
{
"epoch": 0.4236111111111111,
"grad_norm": 0.054120807804378494,
"learning_rate": 9.628053286743619e-05,
"loss": 0.0658,
"step": 61
},
{
"epoch": 0.4305555555555556,
"grad_norm": 0.05215983401668381,
"learning_rate": 9.604759321197773e-05,
"loss": 0.0597,
"step": 62
},
{
"epoch": 0.4375,
"grad_norm": 0.05923618865174348,
"learning_rate": 9.580787867307293e-05,
"loss": 0.0661,
"step": 63
},
{
"epoch": 0.4444444444444444,
"grad_norm": 0.06697666067838456,
"learning_rate": 9.55614245194068e-05,
"loss": 0.0684,
"step": 64
},
{
"epoch": 0.4513888888888889,
"grad_norm": 0.04541593572547064,
"learning_rate": 9.530826701124939e-05,
"loss": 0.0547,
"step": 65
},
{
"epoch": 0.4583333333333333,
"grad_norm": 0.05700134510715612,
"learning_rate": 9.504844339512095e-05,
"loss": 0.0596,
"step": 66
},
{
"epoch": 0.4652777777777778,
"grad_norm": 0.041366318222701697,
"learning_rate": 9.478199189831183e-05,
"loss": 0.0411,
"step": 67
},
{
"epoch": 0.4722222222222222,
"grad_norm": 0.043353520617435734,
"learning_rate": 9.450895172325822e-05,
"loss": 0.0548,
"step": 68
},
{
"epoch": 0.4791666666666667,
"grad_norm": 0.05496280723006238,
"learning_rate": 9.422936304177439e-05,
"loss": 0.0531,
"step": 69
},
{
"epoch": 0.4861111111111111,
"grad_norm": 0.057292146852494466,
"learning_rate": 9.39432669891423e-05,
"loss": 0.0658,
"step": 70
},
{
"epoch": 0.4930555555555556,
"grad_norm": 0.044098969405188045,
"learning_rate": 9.365070565805941e-05,
"loss": 0.0511,
"step": 71
},
{
"epoch": 0.5,
"grad_norm": 0.10907567767546891,
"learning_rate": 9.335172209244575e-05,
"loss": 0.0547,
"step": 72
},
{
"epoch": 0.5069444444444444,
"grad_norm": 0.05193284317496665,
"learning_rate": 9.304636028111094e-05,
"loss": 0.0674,
"step": 73
},
{
"epoch": 0.5138888888888888,
"grad_norm": 0.06799161021928798,
"learning_rate": 9.273466515128209e-05,
"loss": 0.067,
"step": 74
},
{
"epoch": 0.5208333333333334,
"grad_norm": 0.05626247552701963,
"learning_rate": 9.241668256199392e-05,
"loss": 0.0501,
"step": 75
},
{
"epoch": 0.5277777777777778,
"grad_norm": 0.04578630890465305,
"learning_rate": 9.209245929734156e-05,
"loss": 0.0509,
"step": 76
},
{
"epoch": 0.5347222222222222,
"grad_norm": 0.0451951125591856,
"learning_rate": 9.176204305959726e-05,
"loss": 0.0465,
"step": 77
},
{
"epoch": 0.5416666666666666,
"grad_norm": 0.04052385478349237,
"learning_rate": 9.142548246219212e-05,
"loss": 0.0454,
"step": 78
},
{
"epoch": 0.5486111111111112,
"grad_norm": 0.04695475481560532,
"learning_rate": 9.108282702256365e-05,
"loss": 0.0598,
"step": 79
},
{
"epoch": 0.5555555555555556,
"grad_norm": 0.05974716728603661,
"learning_rate": 9.073412715487044e-05,
"loss": 0.0632,
"step": 80
},
{
"epoch": 0.5625,
"grad_norm": 0.04594564477538813,
"learning_rate": 9.037943416257474e-05,
"loss": 0.059,
"step": 81
},
{
"epoch": 0.5694444444444444,
"grad_norm": 0.04581771185786344,
"learning_rate": 9.001880023089441e-05,
"loss": 0.0578,
"step": 82
},
{
"epoch": 0.5763888888888888,
"grad_norm": 0.03808060898920002,
"learning_rate": 8.965227841912489e-05,
"loss": 0.0435,
"step": 83
},
{
"epoch": 0.5833333333333334,
"grad_norm": 0.06582783981663642,
"learning_rate": 8.927992265283282e-05,
"loss": 0.058,
"step": 84
},
{
"epoch": 0.5902777777777778,
"grad_norm": 0.0409049374684989,
"learning_rate": 8.890178771592199e-05,
"loss": 0.045,
"step": 85
},
{
"epoch": 0.5972222222222222,
"grad_norm": 0.056258831948584206,
"learning_rate": 8.851792924257317e-05,
"loss": 0.0709,
"step": 86
},
{
"epoch": 0.6041666666666666,
"grad_norm": 0.04580764978743741,
"learning_rate": 8.812840370905873e-05,
"loss": 0.0525,
"step": 87
},
{
"epoch": 0.6111111111111112,
"grad_norm": 0.043263482428543644,
"learning_rate": 8.773326842543347e-05,
"loss": 0.0464,
"step": 88
},
{
"epoch": 0.6180555555555556,
"grad_norm": 0.059777623657141676,
"learning_rate": 8.733258152710262e-05,
"loss": 0.0649,
"step": 89
},
{
"epoch": 0.625,
"grad_norm": 0.049405025547198826,
"learning_rate": 8.692640196626858e-05,
"loss": 0.0575,
"step": 90
},
{
"epoch": 0.6319444444444444,
"grad_norm": 0.054678965104638884,
"learning_rate": 8.651478950325737e-05,
"loss": 0.0694,
"step": 91
},
{
"epoch": 0.6388888888888888,
"grad_norm": 0.05031387124367363,
"learning_rate": 8.609780469772623e-05,
"loss": 0.0581,
"step": 92
},
{
"epoch": 0.6458333333333334,
"grad_norm": 0.043219919789406584,
"learning_rate": 8.567550889975362e-05,
"loss": 0.0489,
"step": 93
},
{
"epoch": 0.6527777777777778,
"grad_norm": 0.04843201217718916,
"learning_rate": 8.524796424081292e-05,
"loss": 0.0597,
"step": 94
},
{
"epoch": 0.6597222222222222,
"grad_norm": 0.0522833112433358,
"learning_rate": 8.481523362463111e-05,
"loss": 0.0609,
"step": 95
},
{
"epoch": 0.6666666666666666,
"grad_norm": 0.04658288241167051,
"learning_rate": 8.437738071793394e-05,
"loss": 0.0461,
"step": 96
},
{
"epoch": 0.6736111111111112,
"grad_norm": 0.05192918762269953,
"learning_rate": 8.393446994107877e-05,
"loss": 0.0675,
"step": 97
},
{
"epoch": 0.6805555555555556,
"grad_norm": 0.04625340723515702,
"learning_rate": 8.348656645857649e-05,
"loss": 0.0501,
"step": 98
},
{
"epoch": 0.6875,
"grad_norm": 0.04545506022482319,
"learning_rate": 8.303373616950408e-05,
"loss": 0.0465,
"step": 99
},
{
"epoch": 0.6944444444444444,
"grad_norm": 0.048499611503797835,
"learning_rate": 8.257604569780897e-05,
"loss": 0.0538,
"step": 100
},
{
"epoch": 0.7013888888888888,
"grad_norm": 0.04849174145205094,
"learning_rate": 8.21135623825068e-05,
"loss": 0.0532,
"step": 101
},
{
"epoch": 0.7083333333333334,
"grad_norm": 0.046809029835309476,
"learning_rate": 8.164635426777404e-05,
"loss": 0.0584,
"step": 102
},
{
"epoch": 0.7152777777777778,
"grad_norm": 0.04338551366678789,
"learning_rate": 8.117449009293668e-05,
"loss": 0.0486,
"step": 103
},
{
"epoch": 0.7222222222222222,
"grad_norm": 0.04288423757366809,
"learning_rate": 8.069803928235689e-05,
"loss": 0.0512,
"step": 104
},
{
"epoch": 0.7291666666666666,
"grad_norm": 0.04297925782588076,
"learning_rate": 8.021707193521865e-05,
"loss": 0.0466,
"step": 105
},
{
"epoch": 0.7361111111111112,
"grad_norm": 0.04840548556064357,
"learning_rate": 7.973165881521434e-05,
"loss": 0.0614,
"step": 106
},
{
"epoch": 0.7430555555555556,
"grad_norm": 0.05089661493349612,
"learning_rate": 7.924187134013323e-05,
"loss": 0.0468,
"step": 107
},
{
"epoch": 0.75,
"grad_norm": 0.043594180551687345,
"learning_rate": 7.874778157135415e-05,
"loss": 0.0522,
"step": 108
},
{
"epoch": 0.7569444444444444,
"grad_norm": 0.07921359503782698,
"learning_rate": 7.824946220324312e-05,
"loss": 0.0639,
"step": 109
},
{
"epoch": 0.7638888888888888,
"grad_norm": 0.046303003192425585,
"learning_rate": 7.774698655245802e-05,
"loss": 0.054,
"step": 110
},
{
"epoch": 0.7708333333333334,
"grad_norm": 0.0443323814040479,
"learning_rate": 7.724042854716169e-05,
"loss": 0.0492,
"step": 111
},
{
"epoch": 0.7777777777777778,
"grad_norm": 0.04970508540718419,
"learning_rate": 7.6729862716145e-05,
"loss": 0.0562,
"step": 112
},
{
"epoch": 0.7847222222222222,
"grad_norm": 0.09180702014526151,
"learning_rate": 7.621536417786159e-05,
"loss": 0.069,
"step": 113
},
{
"epoch": 0.7916666666666666,
"grad_norm": 0.047409146676109855,
"learning_rate": 7.56970086293759e-05,
"loss": 0.057,
"step": 114
},
{
"epoch": 0.7986111111111112,
"grad_norm": 0.05564719359814639,
"learning_rate": 7.5174872335226e-05,
"loss": 0.0545,
"step": 115
},
{
"epoch": 0.8055555555555556,
"grad_norm": 0.044385293233721056,
"learning_rate": 7.464903211620291e-05,
"loss": 0.0533,
"step": 116
},
{
"epoch": 0.8125,
"grad_norm": 0.048373968528083365,
"learning_rate": 7.411956533804818e-05,
"loss": 0.0567,
"step": 117
},
{
"epoch": 0.8194444444444444,
"grad_norm": 0.06631096530721073,
"learning_rate": 7.358654990007122e-05,
"loss": 0.0634,
"step": 118
},
{
"epoch": 0.8263888888888888,
"grad_norm": 0.03919679279316613,
"learning_rate": 7.305006422368811e-05,
"loss": 0.0396,
"step": 119
},
{
"epoch": 0.8333333333333334,
"grad_norm": 0.0612342230223103,
"learning_rate": 7.251018724088367e-05,
"loss": 0.0598,
"step": 120
},
{
"epoch": 0.8402777777777778,
"grad_norm": 0.04761240051837147,
"learning_rate": 7.196699838259834e-05,
"loss": 0.0542,
"step": 121
},
{
"epoch": 0.8472222222222222,
"grad_norm": 0.055239940867233474,
"learning_rate": 7.142057756704168e-05,
"loss": 0.064,
"step": 122
},
{
"epoch": 0.8541666666666666,
"grad_norm": 0.05625030436845944,
"learning_rate": 7.087100518793421e-05,
"loss": 0.0552,
"step": 123
},
{
"epoch": 0.8611111111111112,
"grad_norm": 0.04917209401012176,
"learning_rate": 7.031836210267915e-05,
"loss": 0.0519,
"step": 124
},
{
"epoch": 0.8680555555555556,
"grad_norm": 0.045923821351934915,
"learning_rate": 6.976272962046619e-05,
"loss": 0.0544,
"step": 125
},
{
"epoch": 0.875,
"grad_norm": 0.055983725032457854,
"learning_rate": 6.920418949030856e-05,
"loss": 0.0684,
"step": 126
},
{
"epoch": 0.8819444444444444,
"grad_norm": 0.09704535662409224,
"learning_rate": 6.864282388901544e-05,
"loss": 0.0737,
"step": 127
},
{
"epoch": 0.8888888888888888,
"grad_norm": 0.044657916384289814,
"learning_rate": 6.807871540910154e-05,
"loss": 0.0515,
"step": 128
},
{
"epoch": 0.8958333333333334,
"grad_norm": 0.07059390531279443,
"learning_rate": 6.751194704663543e-05,
"loss": 0.0574,
"step": 129
},
{
"epoch": 0.9027777777777778,
"grad_norm": 0.04502070349330495,
"learning_rate": 6.694260218902844e-05,
"loss": 0.0445,
"step": 130
},
{
"epoch": 0.9097222222222222,
"grad_norm": 0.06605902723986466,
"learning_rate": 6.637076460276613e-05,
"loss": 0.0569,
"step": 131
},
{
"epoch": 0.9166666666666666,
"grad_norm": 0.051118257758994964,
"learning_rate": 6.57965184210838e-05,
"loss": 0.0551,
"step": 132
},
{
"epoch": 0.9236111111111112,
"grad_norm": 0.04518774034822205,
"learning_rate": 6.521994813158834e-05,
"loss": 0.0557,
"step": 133
},
{
"epoch": 0.9305555555555556,
"grad_norm": 0.04284945779426791,
"learning_rate": 6.464113856382752e-05,
"loss": 0.041,
"step": 134
},
{
"epoch": 0.9375,
"grad_norm": 0.04754862748835347,
"learning_rate": 6.406017487680937e-05,
"loss": 0.0522,
"step": 135
},
{
"epoch": 0.9444444444444444,
"grad_norm": 0.04459511286211968,
"learning_rate": 6.347714254647284e-05,
"loss": 0.0486,
"step": 136
},
{
"epoch": 0.9513888888888888,
"grad_norm": 0.06113290499228477,
"learning_rate": 6.28921273531119e-05,
"loss": 0.0593,
"step": 137
},
{
"epoch": 0.9583333333333334,
"grad_norm": 0.056574006950422875,
"learning_rate": 6.230521536875494e-05,
"loss": 0.0603,
"step": 138
},
{
"epoch": 0.9652777777777778,
"grad_norm": 0.04419993037171285,
"learning_rate": 6.171649294450113e-05,
"loss": 0.0422,
"step": 139
},
{
"epoch": 0.9722222222222222,
"grad_norm": 0.058933736730721914,
"learning_rate": 6.112604669781572e-05,
"loss": 0.0628,
"step": 140
},
{
"epoch": 0.9791666666666666,
"grad_norm": 0.043997579067719075,
"learning_rate": 6.0533963499786314e-05,
"loss": 0.0416,
"step": 141
},
{
"epoch": 0.9861111111111112,
"grad_norm": 0.0787901330317747,
"learning_rate": 5.994033046234162e-05,
"loss": 0.0663,
"step": 142
},
{
"epoch": 0.9930555555555556,
"grad_norm": 0.056572258685848587,
"learning_rate": 5.934523492543489e-05,
"loss": 0.0598,
"step": 143
},
{
"epoch": 1.0,
"grad_norm": 0.06836555724673425,
"learning_rate": 5.874876444419377e-05,
"loss": 0.0553,
"step": 144
},
{
"epoch": 1.0069444444444444,
"grad_norm": 0.05528468814497019,
"learning_rate": 5.8151006776038544e-05,
"loss": 0.0487,
"step": 145
},
{
"epoch": 1.0138888888888888,
"grad_norm": 0.04442209097541711,
"learning_rate": 5.75520498677705e-05,
"loss": 0.0496,
"step": 146
},
{
"epoch": 1.0208333333333333,
"grad_norm": 0.04265736671883575,
"learning_rate": 5.6951981842632585e-05,
"loss": 0.0447,
"step": 147
},
{
"epoch": 1.0277777777777777,
"grad_norm": 0.06716393769395008,
"learning_rate": 5.6350890987343944e-05,
"loss": 0.0574,
"step": 148
},
{
"epoch": 1.0347222222222223,
"grad_norm": 0.04619919754230532,
"learning_rate": 5.574886573911056e-05,
"loss": 0.0484,
"step": 149
},
{
"epoch": 1.0416666666666667,
"grad_norm": 0.04088308722298511,
"learning_rate": 5.5145994672613624e-05,
"loss": 0.0424,
"step": 150
},
{
"epoch": 1.0486111111111112,
"grad_norm": 0.07106013370406222,
"learning_rate": 5.4542366486977756e-05,
"loss": 0.0506,
"step": 151
},
{
"epoch": 1.0555555555555556,
"grad_norm": 0.06544088043365288,
"learning_rate": 5.39380699927209e-05,
"loss": 0.0527,
"step": 152
},
{
"epoch": 1.0625,
"grad_norm": 0.055005258429162714,
"learning_rate": 5.3333194098687764e-05,
"loss": 0.0511,
"step": 153
},
{
"epoch": 1.0694444444444444,
"grad_norm": 0.05657332977154827,
"learning_rate": 5.272782779896898e-05,
"loss": 0.0543,
"step": 154
},
{
"epoch": 1.0763888888888888,
"grad_norm": 0.08633216171192509,
"learning_rate": 5.212206015980742e-05,
"loss": 0.0595,
"step": 155
},
{
"epoch": 1.0833333333333333,
"grad_norm": 0.04344217768745669,
"learning_rate": 5.151598030649425e-05,
"loss": 0.0396,
"step": 156
},
{
"epoch": 1.0902777777777777,
"grad_norm": 0.04446718541450083,
"learning_rate": 5.0909677410255985e-05,
"loss": 0.0436,
"step": 157
},
{
"epoch": 1.0972222222222223,
"grad_norm": 0.05936952558342409,
"learning_rate": 5.030324067513499e-05,
"loss": 0.0514,
"step": 158
},
{
"epoch": 1.1041666666666667,
"grad_norm": 0.06506431319350331,
"learning_rate": 4.969675932486503e-05,
"loss": 0.0472,
"step": 159
},
{
"epoch": 1.1111111111111112,
"grad_norm": 0.04763084580847737,
"learning_rate": 4.9090322589744027e-05,
"loss": 0.0436,
"step": 160
},
{
"epoch": 1.1180555555555556,
"grad_norm": 0.06531630358906274,
"learning_rate": 4.848401969350577e-05,
"loss": 0.0547,
"step": 161
},
{
"epoch": 1.125,
"grad_norm": 0.06486635891777948,
"learning_rate": 4.78779398401926e-05,
"loss": 0.0454,
"step": 162
},
{
"epoch": 1.1319444444444444,
"grad_norm": 0.06325850216814397,
"learning_rate": 4.7272172201031054e-05,
"loss": 0.0481,
"step": 163
},
{
"epoch": 1.1388888888888888,
"grad_norm": 0.05964254119159708,
"learning_rate": 4.666680590131225e-05,
"loss": 0.0463,
"step": 164
},
{
"epoch": 1.1458333333333333,
"grad_norm": 0.05342845760927094,
"learning_rate": 4.606193000727913e-05,
"loss": 0.0506,
"step": 165
},
{
"epoch": 1.1527777777777777,
"grad_norm": 0.05377115554688926,
"learning_rate": 4.545763351302224e-05,
"loss": 0.0474,
"step": 166
},
{
"epoch": 1.1597222222222223,
"grad_norm": 0.05055891815765679,
"learning_rate": 4.485400532738638e-05,
"loss": 0.0454,
"step": 167
},
{
"epoch": 1.1666666666666667,
"grad_norm": 0.05497839217223033,
"learning_rate": 4.425113426088945e-05,
"loss": 0.0517,
"step": 168
},
{
"epoch": 1.1736111111111112,
"grad_norm": 0.07316550289620528,
"learning_rate": 4.364910901265606e-05,
"loss": 0.0538,
"step": 169
},
{
"epoch": 1.1805555555555556,
"grad_norm": 0.047990097455734924,
"learning_rate": 4.3048018157367433e-05,
"loss": 0.0413,
"step": 170
},
{
"epoch": 1.1875,
"grad_norm": 0.060217032523026584,
"learning_rate": 4.244795013222951e-05,
"loss": 0.0571,
"step": 171
},
{
"epoch": 1.1944444444444444,
"grad_norm": 0.04698866045082108,
"learning_rate": 4.184899322396147e-05,
"loss": 0.0406,
"step": 172
},
{
"epoch": 1.2013888888888888,
"grad_norm": 0.048369004985907946,
"learning_rate": 4.125123555580624e-05,
"loss": 0.0492,
"step": 173
},
{
"epoch": 1.2083333333333333,
"grad_norm": 0.05659619196658486,
"learning_rate": 4.0654765074565124e-05,
"loss": 0.057,
"step": 174
},
{
"epoch": 1.2152777777777777,
"grad_norm": 0.057459855223361965,
"learning_rate": 4.005966953765839e-05,
"loss": 0.0479,
"step": 175
},
{
"epoch": 1.2222222222222223,
"grad_norm": 0.04572437211261691,
"learning_rate": 3.94660365002137e-05,
"loss": 0.0395,
"step": 176
},
{
"epoch": 1.2291666666666667,
"grad_norm": 0.048219072573456936,
"learning_rate": 3.887395330218429e-05,
"loss": 0.0391,
"step": 177
},
{
"epoch": 1.2361111111111112,
"grad_norm": 0.06136131829899375,
"learning_rate": 3.8283507055498886e-05,
"loss": 0.043,
"step": 178
},
{
"epoch": 1.2430555555555556,
"grad_norm": 0.059005391153620405,
"learning_rate": 3.769478463124507e-05,
"loss": 0.0449,
"step": 179
},
{
"epoch": 1.25,
"grad_norm": 0.0746524056732719,
"learning_rate": 3.7107872646888116e-05,
"loss": 0.0563,
"step": 180
},
{
"epoch": 1.2569444444444444,
"grad_norm": 0.06512798583168254,
"learning_rate": 3.652285745352717e-05,
"loss": 0.0652,
"step": 181
},
{
"epoch": 1.2638888888888888,
"grad_norm": 0.05118809031893748,
"learning_rate": 3.5939825123190635e-05,
"loss": 0.0439,
"step": 182
},
{
"epoch": 1.2708333333333333,
"grad_norm": 0.0491373328570806,
"learning_rate": 3.5358861436172485e-05,
"loss": 0.0396,
"step": 183
},
{
"epoch": 1.2777777777777777,
"grad_norm": 0.045715529417524076,
"learning_rate": 3.4780051868411675e-05,
"loss": 0.0349,
"step": 184
},
{
"epoch": 1.2847222222222223,
"grad_norm": 0.05499812650132431,
"learning_rate": 3.4203481578916194e-05,
"loss": 0.045,
"step": 185
},
{
"epoch": 1.2916666666666667,
"grad_norm": 0.05444819130310788,
"learning_rate": 3.362923539723389e-05,
"loss": 0.054,
"step": 186
},
{
"epoch": 1.2986111111111112,
"grad_norm": 0.05755054434891386,
"learning_rate": 3.305739781097157e-05,
"loss": 0.0462,
"step": 187
},
{
"epoch": 1.3055555555555556,
"grad_norm": 0.056782562230561044,
"learning_rate": 3.248805295336458e-05,
"loss": 0.049,
"step": 188
},
{
"epoch": 1.3125,
"grad_norm": 0.05059433419507378,
"learning_rate": 3.1921284590898456e-05,
"loss": 0.0398,
"step": 189
},
{
"epoch": 1.3194444444444444,
"grad_norm": 0.06312033575652291,
"learning_rate": 3.135717611098458e-05,
"loss": 0.0622,
"step": 190
},
{
"epoch": 1.3263888888888888,
"grad_norm": 0.06684980111755691,
"learning_rate": 3.079581050969146e-05,
"loss": 0.0628,
"step": 191
},
{
"epoch": 1.3333333333333333,
"grad_norm": 0.09404520793015296,
"learning_rate": 3.023727037953382e-05,
"loss": 0.0538,
"step": 192
},
{
"epoch": 1.3402777777777777,
"grad_norm": 0.055119231303708986,
"learning_rate": 2.9681637897320868e-05,
"loss": 0.0494,
"step": 193
},
{
"epoch": 1.3472222222222223,
"grad_norm": 0.06806024002262281,
"learning_rate": 2.912899481206582e-05,
"loss": 0.0494,
"step": 194
},
{
"epoch": 1.3541666666666667,
"grad_norm": 0.05634926402516711,
"learning_rate": 2.8579422432958312e-05,
"loss": 0.0474,
"step": 195
},
{
"epoch": 1.3611111111111112,
"grad_norm": 0.062090271560473254,
"learning_rate": 2.803300161740166e-05,
"loss": 0.0522,
"step": 196
},
{
"epoch": 1.3680555555555556,
"grad_norm": 0.05050749410112152,
"learning_rate": 2.748981275911633e-05,
"loss": 0.0393,
"step": 197
},
{
"epoch": 1.375,
"grad_norm": 0.05546645285466708,
"learning_rate": 2.6949935776311896e-05,
"loss": 0.0395,
"step": 198
},
{
"epoch": 1.3819444444444444,
"grad_norm": 0.05531341419035151,
"learning_rate": 2.6413450099928783e-05,
"loss": 0.0445,
"step": 199
},
{
"epoch": 1.3888888888888888,
"grad_norm": 0.057587022878495084,
"learning_rate": 2.5880434661951823e-05,
"loss": 0.046,
"step": 200
},
{
"epoch": 1.3888888888888888,
"eval_loss": 0.05843019485473633,
"eval_runtime": 2.8965,
"eval_samples_per_second": 2.071,
"eval_steps_per_second": 0.69,
"step": 200
},
{
"epoch": 1.3958333333333333,
"grad_norm": 0.06587462746896457,
"learning_rate": 2.5350967883797096e-05,
"loss": 0.0592,
"step": 201
},
{
"epoch": 1.4027777777777777,
"grad_norm": 0.05623019516285661,
"learning_rate": 2.4825127664774006e-05,
"loss": 0.0492,
"step": 202
},
{
"epoch": 1.4097222222222223,
"grad_norm": 0.06970774002767344,
"learning_rate": 2.4302991370624107e-05,
"loss": 0.0599,
"step": 203
},
{
"epoch": 1.4166666666666667,
"grad_norm": 0.050591438460209116,
"learning_rate": 2.3784635822138424e-05,
"loss": 0.0405,
"step": 204
},
{
"epoch": 1.4236111111111112,
"grad_norm": 0.06087979461292365,
"learning_rate": 2.327013728385502e-05,
"loss": 0.0522,
"step": 205
},
{
"epoch": 1.4305555555555556,
"grad_norm": 0.05750045979367977,
"learning_rate": 2.2759571452838324e-05,
"loss": 0.0498,
"step": 206
},
{
"epoch": 1.4375,
"grad_norm": 0.06261633186118712,
"learning_rate": 2.225301344754199e-05,
"loss": 0.0516,
"step": 207
},
{
"epoch": 1.4444444444444444,
"grad_norm": 0.04778739915939838,
"learning_rate": 2.17505377967569e-05,
"loss": 0.0356,
"step": 208
},
{
"epoch": 1.4513888888888888,
"grad_norm": 0.06838727020740598,
"learning_rate": 2.1252218428645846e-05,
"loss": 0.0553,
"step": 209
},
{
"epoch": 1.4583333333333333,
"grad_norm": 0.05699327263249455,
"learning_rate": 2.075812865986677e-05,
"loss": 0.0436,
"step": 210
},
{
"epoch": 1.4652777777777777,
"grad_norm": 0.05755232280782536,
"learning_rate": 2.026834118478567e-05,
"loss": 0.0531,
"step": 211
},
{
"epoch": 1.4722222222222223,
"grad_norm": 0.06672702654987289,
"learning_rate": 1.978292806478134e-05,
"loss": 0.0529,
"step": 212
},
{
"epoch": 1.4791666666666667,
"grad_norm": 0.05318360817731425,
"learning_rate": 1.9301960717643118e-05,
"loss": 0.0408,
"step": 213
},
{
"epoch": 1.4861111111111112,
"grad_norm": 0.05852145674739832,
"learning_rate": 1.8825509907063327e-05,
"loss": 0.0532,
"step": 214
},
{
"epoch": 1.4930555555555556,
"grad_norm": 0.04695844857372584,
"learning_rate": 1.8353645732225976e-05,
"loss": 0.0357,
"step": 215
},
{
"epoch": 1.5,
"grad_norm": 0.06015704770880845,
"learning_rate": 1.7886437617493205e-05,
"loss": 0.0458,
"step": 216
},
{
"epoch": 1.5069444444444444,
"grad_norm": 0.06607871507117989,
"learning_rate": 1.7423954302191047e-05,
"loss": 0.065,
"step": 217
},
{
"epoch": 1.5138888888888888,
"grad_norm": 0.07091336376792805,
"learning_rate": 1.6966263830495936e-05,
"loss": 0.0363,
"step": 218
},
{
"epoch": 1.5208333333333335,
"grad_norm": 0.05916059675448067,
"learning_rate": 1.6513433541423528e-05,
"loss": 0.0504,
"step": 219
},
{
"epoch": 1.5277777777777777,
"grad_norm": 0.06409972590419019,
"learning_rate": 1.606553005892125e-05,
"loss": 0.0393,
"step": 220
},
{
"epoch": 1.5347222222222223,
"grad_norm": 0.06555802647292505,
"learning_rate": 1.5622619282066082e-05,
"loss": 0.0482,
"step": 221
},
{
"epoch": 1.5416666666666665,
"grad_norm": 0.05144622081409977,
"learning_rate": 1.5184766375368915e-05,
"loss": 0.037,
"step": 222
},
{
"epoch": 1.5486111111111112,
"grad_norm": 0.06265878609345442,
"learning_rate": 1.4752035759187106e-05,
"loss": 0.0536,
"step": 223
},
{
"epoch": 1.5555555555555556,
"grad_norm": 0.05834542354430463,
"learning_rate": 1.4324491100246385e-05,
"loss": 0.0461,
"step": 224
},
{
"epoch": 1.5625,
"grad_norm": 0.059108211105270696,
"learning_rate": 1.3902195302273779e-05,
"loss": 0.0461,
"step": 225
},
{
"epoch": 1.5694444444444444,
"grad_norm": 0.06072177930930135,
"learning_rate": 1.348521049674264e-05,
"loss": 0.0448,
"step": 226
},
{
"epoch": 1.5763888888888888,
"grad_norm": 0.06147140484331682,
"learning_rate": 1.3073598033731426e-05,
"loss": 0.0475,
"step": 227
},
{
"epoch": 1.5833333333333335,
"grad_norm": 0.05617171004497398,
"learning_rate": 1.2667418472897386e-05,
"loss": 0.0432,
"step": 228
},
{
"epoch": 1.5902777777777777,
"grad_norm": 0.06266225996920342,
"learning_rate": 1.2266731574566536e-05,
"loss": 0.0446,
"step": 229
},
{
"epoch": 1.5972222222222223,
"grad_norm": 0.054440007451986294,
"learning_rate": 1.1871596290941278e-05,
"loss": 0.0403,
"step": 230
},
{
"epoch": 1.6041666666666665,
"grad_norm": 0.05771513928537823,
"learning_rate": 1.1482070757426856e-05,
"loss": 0.0424,
"step": 231
},
{
"epoch": 1.6111111111111112,
"grad_norm": 0.07317554509540891,
"learning_rate": 1.1098212284078036e-05,
"loss": 0.0486,
"step": 232
},
{
"epoch": 1.6180555555555556,
"grad_norm": 0.0592998028315768,
"learning_rate": 1.0720077347167202e-05,
"loss": 0.0452,
"step": 233
},
{
"epoch": 1.625,
"grad_norm": 0.05734391978777635,
"learning_rate": 1.0347721580875126e-05,
"loss": 0.0418,
"step": 234
},
{
"epoch": 1.6319444444444444,
"grad_norm": 0.05781410001692482,
"learning_rate": 9.981199769105604e-06,
"loss": 0.0488,
"step": 235
},
{
"epoch": 1.6388888888888888,
"grad_norm": 0.06084611217062411,
"learning_rate": 9.620565837425271e-06,
"loss": 0.0544,
"step": 236
},
{
"epoch": 1.6458333333333335,
"grad_norm": 0.05484483522551538,
"learning_rate": 9.26587284512957e-06,
"loss": 0.0418,
"step": 237
},
{
"epoch": 1.6527777777777777,
"grad_norm": 0.061075107734742555,
"learning_rate": 8.917172977436356e-06,
"loss": 0.0509,
"step": 238
},
{
"epoch": 1.6597222222222223,
"grad_norm": 0.056522690917951715,
"learning_rate": 8.574517537807897e-06,
"loss": 0.0493,
"step": 239
},
{
"epoch": 1.6666666666666665,
"grad_norm": 0.06145420768545982,
"learning_rate": 8.237956940402757e-06,
"loss": 0.0538,
"step": 240
},
{
"epoch": 1.6736111111111112,
"grad_norm": 0.07712832225863908,
"learning_rate": 7.907540702658456e-06,
"loss": 0.0417,
"step": 241
},
{
"epoch": 1.6805555555555556,
"grad_norm": 0.1210354286083926,
"learning_rate": 7.583317438006093e-06,
"loss": 0.0648,
"step": 242
},
{
"epoch": 1.6875,
"grad_norm": 0.056155382622722974,
"learning_rate": 7.265334848717931e-06,
"loss": 0.0409,
"step": 243
},
{
"epoch": 1.6944444444444444,
"grad_norm": 0.06052338165886097,
"learning_rate": 6.953639718889076e-06,
"loss": 0.0425,
"step": 244
},
{
"epoch": 1.7013888888888888,
"grad_norm": 0.06942550868803853,
"learning_rate": 6.648277907554235e-06,
"loss": 0.0483,
"step": 245
},
{
"epoch": 1.7083333333333335,
"grad_norm": 0.06102534205447137,
"learning_rate": 6.349294341940593e-06,
"loss": 0.0461,
"step": 246
},
{
"epoch": 1.7152777777777777,
"grad_norm": 0.06664766533657307,
"learning_rate": 6.056733010857712e-06,
"loss": 0.0538,
"step": 247
},
{
"epoch": 1.7222222222222223,
"grad_norm": 0.055246592628772316,
"learning_rate": 5.770636958225617e-06,
"loss": 0.0455,
"step": 248
},
{
"epoch": 1.7291666666666665,
"grad_norm": 0.061169981220161505,
"learning_rate": 5.491048276741784e-06,
"loss": 0.0444,
"step": 249
},
{
"epoch": 1.7361111111111112,
"grad_norm": 0.07327155244232343,
"learning_rate": 5.218008101688171e-06,
"loss": 0.0607,
"step": 250
},
{
"epoch": 1.7430555555555556,
"grad_norm": 0.06145818807633177,
"learning_rate": 4.951556604879048e-06,
"loss": 0.0445,
"step": 251
},
{
"epoch": 1.75,
"grad_norm": 0.05297976039230036,
"learning_rate": 4.691732988750614e-06,
"loss": 0.0388,
"step": 252
},
{
"epoch": 1.7569444444444444,
"grad_norm": 0.054054619462972,
"learning_rate": 4.43857548059321e-06,
"loss": 0.0391,
"step": 253
},
{
"epoch": 1.7638888888888888,
"grad_norm": 0.05798999532961248,
"learning_rate": 4.192121326927073e-06,
"loss": 0.0432,
"step": 254
},
{
"epoch": 1.7708333333333335,
"grad_norm": 0.05728064735233047,
"learning_rate": 3.952406788022267e-06,
"loss": 0.044,
"step": 255
},
{
"epoch": 1.7777777777777777,
"grad_norm": 0.05548812892517234,
"learning_rate": 3.7194671325638198e-06,
"loss": 0.042,
"step": 256
},
{
"epoch": 1.7847222222222223,
"grad_norm": 0.05776655459801612,
"learning_rate": 3.493336632462718e-06,
"loss": 0.0446,
"step": 257
},
{
"epoch": 1.7916666666666665,
"grad_norm": 0.06297495738200812,
"learning_rate": 3.274048557813553e-06,
"loss": 0.0375,
"step": 258
},
{
"epoch": 1.7986111111111112,
"grad_norm": 0.0571294673264027,
"learning_rate": 3.061635171999566e-06,
"loss": 0.0458,
"step": 259
},
{
"epoch": 1.8055555555555556,
"grad_norm": 0.05711653877850546,
"learning_rate": 2.85612772694579e-06,
"loss": 0.043,
"step": 260
},
{
"epoch": 1.8125,
"grad_norm": 0.056535662892683275,
"learning_rate": 2.657556458521049e-06,
"loss": 0.0422,
"step": 261
},
{
"epoch": 1.8194444444444444,
"grad_norm": 0.05861262152488929,
"learning_rate": 2.4659505820893826e-06,
"loss": 0.049,
"step": 262
},
{
"epoch": 1.8263888888888888,
"grad_norm": 0.057433042780234714,
"learning_rate": 2.2813382882116986e-06,
"loss": 0.0437,
"step": 263
},
{
"epoch": 1.8333333333333335,
"grad_norm": 0.05389278487965654,
"learning_rate": 2.1037467384981026e-06,
"loss": 0.0426,
"step": 264
},
{
"epoch": 1.8402777777777777,
"grad_norm": 0.05557228450230491,
"learning_rate": 1.933202061611722e-06,
"loss": 0.0458,
"step": 265
},
{
"epoch": 1.8472222222222223,
"grad_norm": 0.05917014990003017,
"learning_rate": 1.769729349424415e-06,
"loss": 0.0531,
"step": 266
},
{
"epoch": 1.8541666666666665,
"grad_norm": 0.057944432503720486,
"learning_rate": 1.6133526533250565e-06,
"loss": 0.0425,
"step": 267
},
{
"epoch": 1.8611111111111112,
"grad_norm": 0.06092440732902568,
"learning_rate": 1.4640949806809523e-06,
"loss": 0.0492,
"step": 268
},
{
"epoch": 1.8680555555555556,
"grad_norm": 0.05900717359821016,
"learning_rate": 1.3219782914527634e-06,
"loss": 0.0452,
"step": 269
},
{
"epoch": 1.875,
"grad_norm": 0.06389890797796334,
"learning_rate": 1.1870234949636073e-06,
"loss": 0.0549,
"step": 270
},
{
"epoch": 1.8819444444444444,
"grad_norm": 0.05962740065521039,
"learning_rate": 1.0592504468227127e-06,
"loss": 0.0463,
"step": 271
},
{
"epoch": 1.8888888888888888,
"grad_norm": 0.07174635089821045,
"learning_rate": 9.386779460041017e-07,
"loss": 0.0522,
"step": 272
},
{
"epoch": 1.8958333333333335,
"grad_norm": 0.06082782248412747,
"learning_rate": 8.253237320807461e-07,
"loss": 0.0475,
"step": 273
},
{
"epoch": 1.9027777777777777,
"grad_norm": 0.0601520271544199,
"learning_rate": 7.192044826145771e-07,
"loss": 0.0498,
"step": 274
},
{
"epoch": 1.9097222222222223,
"grad_norm": 0.05825976235647901,
"learning_rate": 6.20335810702749e-07,
"loss": 0.0422,
"step": 275
},
{
"epoch": 1.9166666666666665,
"grad_norm": 0.05517949333399056,
"learning_rate": 5.287322626805202e-07,
"loss": 0.0433,
"step": 276
},
{
"epoch": 1.9236111111111112,
"grad_norm": 0.06763262497028635,
"learning_rate": 4.4440731598107686e-07,
"loss": 0.0499,
"step": 277
},
{
"epoch": 1.9305555555555556,
"grad_norm": 0.16139138859406038,
"learning_rate": 3.673733771526466e-07,
"loss": 0.0664,
"step": 278
},
{
"epoch": 1.9375,
"grad_norm": 0.056764953267334266,
"learning_rate": 2.976417800331144e-07,
"loss": 0.0395,
"step": 279
},
{
"epoch": 1.9444444444444444,
"grad_norm": 0.06087509888868891,
"learning_rate": 2.352227840825394e-07,
"loss": 0.0456,
"step": 280
},
{
"epoch": 1.9513888888888888,
"grad_norm": 0.07013826621193169,
"learning_rate": 1.8012557287367392e-07,
"loss": 0.0449,
"step": 281
},
{
"epoch": 1.9583333333333335,
"grad_norm": 0.06122401225786666,
"learning_rate": 1.3235825274081625e-07,
"loss": 0.0433,
"step": 282
},
{
"epoch": 1.9652777777777777,
"grad_norm": 0.062035625059352666,
"learning_rate": 9.19278515871369e-08,
"loss": 0.0516,
"step": 283
},
{
"epoch": 1.9722222222222223,
"grad_norm": 0.05458425287261523,
"learning_rate": 5.8840317850683555e-08,
"loss": 0.0392,
"step": 284
},
{
"epoch": 1.9791666666666665,
"grad_norm": 0.0574212811670188,
"learning_rate": 3.310051962920335e-08,
"loss": 0.0471,
"step": 285
},
{
"epoch": 1.9861111111111112,
"grad_norm": 0.05924979972086086,
"learning_rate": 1.471224396389359e-08,
"loss": 0.0542,
"step": 286
},
{
"epoch": 1.9930555555555556,
"grad_norm": 0.05752784210946029,
"learning_rate": 3.6781962822529657e-09,
"loss": 0.0474,
"step": 287
},
{
"epoch": 2.0,
"grad_norm": 0.0627018913384721,
"learning_rate": 0.0,
"loss": 0.0448,
"step": 288
},
{
"epoch": 2.0,
"step": 288,
"total_flos": 547031730880512.0,
"train_loss": 0.056736280779457755,
"train_runtime": 1071.8886,
"train_samples_per_second": 1.069,
"train_steps_per_second": 0.269
}
],
"logging_steps": 1,
"max_steps": 288,
"num_input_tokens_seen": 0,
"num_train_epochs": 2,
"save_steps": 300,
"stateful_callbacks": {
"TrainerControl": {
"args": {
"should_epoch_stop": false,
"should_evaluate": false,
"should_log": false,
"should_save": true,
"should_training_stop": true
},
"attributes": {}
}
},
"total_flos": 547031730880512.0,
"train_batch_size": 1,
"trial_name": null,
"trial_params": null
}