emilykang commited on
Commit
0c58f67
1 Parent(s): 0fe43a3

Training in progress, epoch 0

Browse files
Files changed (3) hide show
  1. adapter_config.json +4 -4
  2. trainer_state.json +2368 -0
  3. training_args.bin +1 -1
adapter_config.json CHANGED
@@ -20,13 +20,13 @@
20
  "rank_pattern": {},
21
  "revision": null,
22
  "target_modules": [
23
- "o_proj",
24
- "gate_proj",
25
  "down_proj",
26
  "up_proj",
27
- "q_proj",
 
28
  "v_proj",
29
- "k_proj"
 
30
  ],
31
  "task_type": "CAUSAL_LM",
32
  "use_dora": false,
 
20
  "rank_pattern": {},
21
  "revision": null,
22
  "target_modules": [
 
 
23
  "down_proj",
24
  "up_proj",
25
+ "o_proj",
26
+ "k_proj",
27
  "v_proj",
28
+ "gate_proj",
29
+ "q_proj"
30
  ],
31
  "task_type": "CAUSAL_LM",
32
  "use_dora": false,
trainer_state.json ADDED
@@ -0,0 +1,2368 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 9.992520568436799,
5
+ "eval_steps": 500,
6
+ "global_step": 3340,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.029917726252804786,
13
+ "grad_norm": NaN,
14
+ "learning_rate": 0.00019999557642276714,
15
+ "loss": 0.0,
16
+ "step": 10
17
+ },
18
+ {
19
+ "epoch": 0.05983545250560957,
20
+ "grad_norm": NaN,
21
+ "learning_rate": 0.00019998230608242915,
22
+ "loss": 0.0,
23
+ "step": 20
24
+ },
25
+ {
26
+ "epoch": 0.08975317875841436,
27
+ "grad_norm": NaN,
28
+ "learning_rate": 0.00019996019015303368,
29
+ "loss": 0.0,
30
+ "step": 30
31
+ },
32
+ {
33
+ "epoch": 0.11967090501121914,
34
+ "grad_norm": NaN,
35
+ "learning_rate": 0.00019992923059121106,
36
+ "loss": 0.0,
37
+ "step": 40
38
+ },
39
+ {
40
+ "epoch": 0.14958863126402394,
41
+ "grad_norm": NaN,
42
+ "learning_rate": 0.00019988943013600157,
43
+ "loss": 0.0,
44
+ "step": 50
45
+ },
46
+ {
47
+ "epoch": 0.17950635751682872,
48
+ "grad_norm": NaN,
49
+ "learning_rate": 0.00019984079230861296,
50
+ "loss": 0.0,
51
+ "step": 60
52
+ },
53
+ {
54
+ "epoch": 0.2094240837696335,
55
+ "grad_norm": NaN,
56
+ "learning_rate": 0.00019978332141210893,
57
+ "loss": 0.0,
58
+ "step": 70
59
+ },
60
+ {
61
+ "epoch": 0.2393418100224383,
62
+ "grad_norm": NaN,
63
+ "learning_rate": 0.00019971702253102856,
64
+ "loss": 0.0,
65
+ "step": 80
66
+ },
67
+ {
68
+ "epoch": 0.26925953627524307,
69
+ "grad_norm": NaN,
70
+ "learning_rate": 0.00019964190153093613,
71
+ "loss": 0.0,
72
+ "step": 90
73
+ },
74
+ {
75
+ "epoch": 0.2991772625280479,
76
+ "grad_norm": NaN,
77
+ "learning_rate": 0.00019955796505790268,
78
+ "loss": 0.0,
79
+ "step": 100
80
+ },
81
+ {
82
+ "epoch": 0.32909498878085264,
83
+ "grad_norm": NaN,
84
+ "learning_rate": 0.00019946522053791753,
85
+ "loss": 0.0,
86
+ "step": 110
87
+ },
88
+ {
89
+ "epoch": 0.35901271503365745,
90
+ "grad_norm": NaN,
91
+ "learning_rate": 0.00019936367617623171,
92
+ "loss": 0.0,
93
+ "step": 120
94
+ },
95
+ {
96
+ "epoch": 0.3889304412864622,
97
+ "grad_norm": NaN,
98
+ "learning_rate": 0.00019925334095663167,
99
+ "loss": 0.0,
100
+ "step": 130
101
+ },
102
+ {
103
+ "epoch": 0.418848167539267,
104
+ "grad_norm": NaN,
105
+ "learning_rate": 0.0001991342246406448,
106
+ "loss": 0.0,
107
+ "step": 140
108
+ },
109
+ {
110
+ "epoch": 0.4487658937920718,
111
+ "grad_norm": NaN,
112
+ "learning_rate": 0.0001990063377666755,
113
+ "loss": 0.0,
114
+ "step": 150
115
+ },
116
+ {
117
+ "epoch": 0.4786836200448766,
118
+ "grad_norm": NaN,
119
+ "learning_rate": 0.00019886969164907307,
120
+ "loss": 0.0,
121
+ "step": 160
122
+ },
123
+ {
124
+ "epoch": 0.5086013462976814,
125
+ "grad_norm": NaN,
126
+ "learning_rate": 0.0001987242983771306,
127
+ "loss": 0.0,
128
+ "step": 170
129
+ },
130
+ {
131
+ "epoch": 0.5385190725504861,
132
+ "grad_norm": NaN,
133
+ "learning_rate": 0.00019857017081401548,
134
+ "loss": 0.0,
135
+ "step": 180
136
+ },
137
+ {
138
+ "epoch": 0.5684367988032909,
139
+ "grad_norm": NaN,
140
+ "learning_rate": 0.00019840732259563128,
141
+ "loss": 0.0,
142
+ "step": 190
143
+ },
144
+ {
145
+ "epoch": 0.5983545250560958,
146
+ "grad_norm": NaN,
147
+ "learning_rate": 0.00019823576812941137,
148
+ "loss": 0.0,
149
+ "step": 200
150
+ },
151
+ {
152
+ "epoch": 0.6282722513089005,
153
+ "grad_norm": NaN,
154
+ "learning_rate": 0.00019805552259304445,
155
+ "loss": 0.0,
156
+ "step": 210
157
+ },
158
+ {
159
+ "epoch": 0.6581899775617053,
160
+ "grad_norm": NaN,
161
+ "learning_rate": 0.00019786660193313148,
162
+ "loss": 0.0,
163
+ "step": 220
164
+ },
165
+ {
166
+ "epoch": 0.6881077038145101,
167
+ "grad_norm": NaN,
168
+ "learning_rate": 0.00019766902286377506,
169
+ "loss": 0.0,
170
+ "step": 230
171
+ },
172
+ {
173
+ "epoch": 0.7180254300673149,
174
+ "grad_norm": NaN,
175
+ "learning_rate": 0.0001974628028651007,
176
+ "loss": 0.0,
177
+ "step": 240
178
+ },
179
+ {
180
+ "epoch": 0.7479431563201197,
181
+ "grad_norm": NaN,
182
+ "learning_rate": 0.00019724796018171021,
183
+ "loss": 0.0,
184
+ "step": 250
185
+ },
186
+ {
187
+ "epoch": 0.7778608825729244,
188
+ "grad_norm": NaN,
189
+ "learning_rate": 0.0001970245138210676,
190
+ "loss": 0.0,
191
+ "step": 260
192
+ },
193
+ {
194
+ "epoch": 0.8077786088257293,
195
+ "grad_norm": NaN,
196
+ "learning_rate": 0.0001967924835518176,
197
+ "loss": 0.0,
198
+ "step": 270
199
+ },
200
+ {
201
+ "epoch": 0.837696335078534,
202
+ "grad_norm": NaN,
203
+ "learning_rate": 0.00019655188990203647,
204
+ "loss": 0.0,
205
+ "step": 280
206
+ },
207
+ {
208
+ "epoch": 0.8676140613313388,
209
+ "grad_norm": NaN,
210
+ "learning_rate": 0.0001963027541574161,
211
+ "loss": 0.0,
212
+ "step": 290
213
+ },
214
+ {
215
+ "epoch": 0.8975317875841436,
216
+ "grad_norm": NaN,
217
+ "learning_rate": 0.00019604509835938064,
218
+ "loss": 0.0,
219
+ "step": 300
220
+ },
221
+ {
222
+ "epoch": 0.9274495138369484,
223
+ "grad_norm": NaN,
224
+ "learning_rate": 0.00019577894530313654,
225
+ "loss": 0.0,
226
+ "step": 310
227
+ },
228
+ {
229
+ "epoch": 0.9573672400897532,
230
+ "grad_norm": NaN,
231
+ "learning_rate": 0.00019550431853565577,
232
+ "loss": 0.0,
233
+ "step": 320
234
+ },
235
+ {
236
+ "epoch": 0.9872849663425579,
237
+ "grad_norm": NaN,
238
+ "learning_rate": 0.00019522124235359263,
239
+ "loss": 0.0,
240
+ "step": 330
241
+ },
242
+ {
243
+ "epoch": 1.0172026925953628,
244
+ "grad_norm": NaN,
245
+ "learning_rate": 0.00019492974180113426,
246
+ "loss": 0.0,
247
+ "step": 340
248
+ },
249
+ {
250
+ "epoch": 1.0471204188481675,
251
+ "grad_norm": NaN,
252
+ "learning_rate": 0.0001946298426677848,
253
+ "loss": 0.0,
254
+ "step": 350
255
+ },
256
+ {
257
+ "epoch": 1.0770381451009723,
258
+ "grad_norm": NaN,
259
+ "learning_rate": 0.00019432157148608378,
260
+ "loss": 0.0,
261
+ "step": 360
262
+ },
263
+ {
264
+ "epoch": 1.106955871353777,
265
+ "grad_norm": NaN,
266
+ "learning_rate": 0.00019400495552925886,
267
+ "loss": 0.0,
268
+ "step": 370
269
+ },
270
+ {
271
+ "epoch": 1.136873597606582,
272
+ "grad_norm": NaN,
273
+ "learning_rate": 0.00019368002280881278,
274
+ "loss": 0.0,
275
+ "step": 380
276
+ },
277
+ {
278
+ "epoch": 1.1667913238593868,
279
+ "grad_norm": NaN,
280
+ "learning_rate": 0.00019334680207204523,
281
+ "loss": 0.0,
282
+ "step": 390
283
+ },
284
+ {
285
+ "epoch": 1.1967090501121915,
286
+ "grad_norm": NaN,
287
+ "learning_rate": 0.00019300532279950948,
288
+ "loss": 0.0,
289
+ "step": 400
290
+ },
291
+ {
292
+ "epoch": 1.2266267763649963,
293
+ "grad_norm": NaN,
294
+ "learning_rate": 0.0001926556152024043,
295
+ "loss": 0.0,
296
+ "step": 410
297
+ },
298
+ {
299
+ "epoch": 1.256544502617801,
300
+ "grad_norm": NaN,
301
+ "learning_rate": 0.00019229771021990095,
302
+ "loss": 0.0,
303
+ "step": 420
304
+ },
305
+ {
306
+ "epoch": 1.2864622288706058,
307
+ "grad_norm": NaN,
308
+ "learning_rate": 0.00019193163951640606,
309
+ "loss": 0.0,
310
+ "step": 430
311
+ },
312
+ {
313
+ "epoch": 1.3163799551234106,
314
+ "grad_norm": NaN,
315
+ "learning_rate": 0.00019155743547876023,
316
+ "loss": 0.0,
317
+ "step": 440
318
+ },
319
+ {
320
+ "epoch": 1.3462976813762153,
321
+ "grad_norm": NaN,
322
+ "learning_rate": 0.0001911751312133727,
323
+ "loss": 0.0,
324
+ "step": 450
325
+ },
326
+ {
327
+ "epoch": 1.37621540762902,
328
+ "grad_norm": NaN,
329
+ "learning_rate": 0.00019078476054329237,
330
+ "loss": 0.0,
331
+ "step": 460
332
+ },
333
+ {
334
+ "epoch": 1.406133133881825,
335
+ "grad_norm": NaN,
336
+ "learning_rate": 0.0001903863580052154,
337
+ "loss": 0.0,
338
+ "step": 470
339
+ },
340
+ {
341
+ "epoch": 1.4360508601346298,
342
+ "grad_norm": NaN,
343
+ "learning_rate": 0.00018997995884642967,
344
+ "loss": 0.0,
345
+ "step": 480
346
+ },
347
+ {
348
+ "epoch": 1.4659685863874345,
349
+ "grad_norm": NaN,
350
+ "learning_rate": 0.0001895655990216966,
351
+ "loss": 0.0,
352
+ "step": 490
353
+ },
354
+ {
355
+ "epoch": 1.4958863126402393,
356
+ "grad_norm": NaN,
357
+ "learning_rate": 0.00018914331519006986,
358
+ "loss": 0.0,
359
+ "step": 500
360
+ },
361
+ {
362
+ "epoch": 1.5258040388930443,
363
+ "grad_norm": NaN,
364
+ "learning_rate": 0.00018871314471165232,
365
+ "loss": 0.0,
366
+ "step": 510
367
+ },
368
+ {
369
+ "epoch": 1.555721765145849,
370
+ "grad_norm": NaN,
371
+ "learning_rate": 0.00018827512564429074,
372
+ "loss": 0.0,
373
+ "step": 520
374
+ },
375
+ {
376
+ "epoch": 1.5856394913986538,
377
+ "grad_norm": NaN,
378
+ "learning_rate": 0.00018782929674020856,
379
+ "loss": 0.0,
380
+ "step": 530
381
+ },
382
+ {
383
+ "epoch": 1.6155572176514585,
384
+ "grad_norm": NaN,
385
+ "learning_rate": 0.00018737569744257756,
386
+ "loss": 0.0,
387
+ "step": 540
388
+ },
389
+ {
390
+ "epoch": 1.6454749439042633,
391
+ "grad_norm": NaN,
392
+ "learning_rate": 0.00018691436788202822,
393
+ "loss": 0.0,
394
+ "step": 550
395
+ },
396
+ {
397
+ "epoch": 1.675392670157068,
398
+ "grad_norm": NaN,
399
+ "learning_rate": 0.00018644534887309944,
400
+ "loss": 0.0,
401
+ "step": 560
402
+ },
403
+ {
404
+ "epoch": 1.7053103964098728,
405
+ "grad_norm": NaN,
406
+ "learning_rate": 0.0001859686819106274,
407
+ "loss": 0.0,
408
+ "step": 570
409
+ },
410
+ {
411
+ "epoch": 1.7352281226626776,
412
+ "grad_norm": NaN,
413
+ "learning_rate": 0.00018548440916607453,
414
+ "loss": 0.0,
415
+ "step": 580
416
+ },
417
+ {
418
+ "epoch": 1.7651458489154823,
419
+ "grad_norm": NaN,
420
+ "learning_rate": 0.00018499257348379854,
421
+ "loss": 0.0,
422
+ "step": 590
423
+ },
424
+ {
425
+ "epoch": 1.795063575168287,
426
+ "grad_norm": NaN,
427
+ "learning_rate": 0.00018449321837726208,
428
+ "loss": 0.0,
429
+ "step": 600
430
+ },
431
+ {
432
+ "epoch": 1.824981301421092,
433
+ "grad_norm": NaN,
434
+ "learning_rate": 0.00018398638802518262,
435
+ "loss": 0.0,
436
+ "step": 610
437
+ },
438
+ {
439
+ "epoch": 1.8548990276738968,
440
+ "grad_norm": NaN,
441
+ "learning_rate": 0.00018347212726762437,
442
+ "loss": 0.0,
443
+ "step": 620
444
+ },
445
+ {
446
+ "epoch": 1.8848167539267016,
447
+ "grad_norm": NaN,
448
+ "learning_rate": 0.00018295048160203088,
449
+ "loss": 0.0,
450
+ "step": 630
451
+ },
452
+ {
453
+ "epoch": 1.9147344801795063,
454
+ "grad_norm": NaN,
455
+ "learning_rate": 0.00018242149717919993,
456
+ "loss": 0.0,
457
+ "step": 640
458
+ },
459
+ {
460
+ "epoch": 1.9446522064323113,
461
+ "grad_norm": NaN,
462
+ "learning_rate": 0.00018188522079920055,
463
+ "loss": 0.0,
464
+ "step": 650
465
+ },
466
+ {
467
+ "epoch": 1.974569932685116,
468
+ "grad_norm": NaN,
469
+ "learning_rate": 0.00018134169990723247,
470
+ "loss": 0.0,
471
+ "step": 660
472
+ },
473
+ {
474
+ "epoch": 2.004487658937921,
475
+ "grad_norm": NaN,
476
+ "learning_rate": 0.00018079098258942845,
477
+ "loss": 0.0,
478
+ "step": 670
479
+ },
480
+ {
481
+ "epoch": 2.0344053851907256,
482
+ "grad_norm": NaN,
483
+ "learning_rate": 0.00018023311756860038,
484
+ "loss": 0.0,
485
+ "step": 680
486
+ },
487
+ {
488
+ "epoch": 2.0643231114435303,
489
+ "grad_norm": NaN,
490
+ "learning_rate": 0.00017966815419992829,
491
+ "loss": 0.0,
492
+ "step": 690
493
+ },
494
+ {
495
+ "epoch": 2.094240837696335,
496
+ "grad_norm": NaN,
497
+ "learning_rate": 0.00017909614246659409,
498
+ "loss": 0.0,
499
+ "step": 700
500
+ },
501
+ {
502
+ "epoch": 2.12415856394914,
503
+ "grad_norm": NaN,
504
+ "learning_rate": 0.0001785171329753594,
505
+ "loss": 0.0,
506
+ "step": 710
507
+ },
508
+ {
509
+ "epoch": 2.1540762902019446,
510
+ "grad_norm": NaN,
511
+ "learning_rate": 0.00017793117695208828,
512
+ "loss": 0.0,
513
+ "step": 720
514
+ },
515
+ {
516
+ "epoch": 2.1839940164547493,
517
+ "grad_norm": NaN,
518
+ "learning_rate": 0.0001773383262372152,
519
+ "loss": 0.0,
520
+ "step": 730
521
+ },
522
+ {
523
+ "epoch": 2.213911742707554,
524
+ "grad_norm": NaN,
525
+ "learning_rate": 0.0001767386332811587,
526
+ "loss": 0.0,
527
+ "step": 740
528
+ },
529
+ {
530
+ "epoch": 2.243829468960359,
531
+ "grad_norm": NaN,
532
+ "learning_rate": 0.0001761321511396809,
533
+ "loss": 0.0,
534
+ "step": 750
535
+ },
536
+ {
537
+ "epoch": 2.273747195213164,
538
+ "grad_norm": NaN,
539
+ "learning_rate": 0.00017551893346919362,
540
+ "loss": 0.0,
541
+ "step": 760
542
+ },
543
+ {
544
+ "epoch": 2.303664921465969,
545
+ "grad_norm": NaN,
546
+ "learning_rate": 0.00017489903452201145,
547
+ "loss": 0.0,
548
+ "step": 770
549
+ },
550
+ {
551
+ "epoch": 2.3335826477187736,
552
+ "grad_norm": NaN,
553
+ "learning_rate": 0.0001742725091415517,
554
+ "loss": 0.0,
555
+ "step": 780
556
+ },
557
+ {
558
+ "epoch": 2.3635003739715783,
559
+ "grad_norm": NaN,
560
+ "learning_rate": 0.00017363941275748263,
561
+ "loss": 0.0,
562
+ "step": 790
563
+ },
564
+ {
565
+ "epoch": 2.393418100224383,
566
+ "grad_norm": NaN,
567
+ "learning_rate": 0.00017299980138081922,
568
+ "loss": 0.0,
569
+ "step": 800
570
+ },
571
+ {
572
+ "epoch": 2.423335826477188,
573
+ "grad_norm": NaN,
574
+ "learning_rate": 0.00017235373159896794,
575
+ "loss": 0.0,
576
+ "step": 810
577
+ },
578
+ {
579
+ "epoch": 2.4532535527299926,
580
+ "grad_norm": NaN,
581
+ "learning_rate": 0.00017170126057072032,
582
+ "loss": 0.0,
583
+ "step": 820
584
+ },
585
+ {
586
+ "epoch": 2.4831712789827973,
587
+ "grad_norm": NaN,
588
+ "learning_rate": 0.00017104244602119613,
589
+ "loss": 0.0,
590
+ "step": 830
591
+ },
592
+ {
593
+ "epoch": 2.513089005235602,
594
+ "grad_norm": NaN,
595
+ "learning_rate": 0.00017037734623673615,
596
+ "loss": 0.0,
597
+ "step": 840
598
+ },
599
+ {
600
+ "epoch": 2.543006731488407,
601
+ "grad_norm": NaN,
602
+ "learning_rate": 0.00016970602005974568,
603
+ "loss": 0.0,
604
+ "step": 850
605
+ },
606
+ {
607
+ "epoch": 2.5729244577412116,
608
+ "grad_norm": NaN,
609
+ "learning_rate": 0.00016902852688348866,
610
+ "loss": 0.0,
611
+ "step": 860
612
+ },
613
+ {
614
+ "epoch": 2.6028421839940163,
615
+ "grad_norm": NaN,
616
+ "learning_rate": 0.00016834492664683274,
617
+ "loss": 0.0,
618
+ "step": 870
619
+ },
620
+ {
621
+ "epoch": 2.632759910246821,
622
+ "grad_norm": NaN,
623
+ "learning_rate": 0.00016765527982894689,
624
+ "loss": 0.0,
625
+ "step": 880
626
+ },
627
+ {
628
+ "epoch": 2.662677636499626,
629
+ "grad_norm": NaN,
630
+ "learning_rate": 0.00016695964744395028,
631
+ "loss": 0.0,
632
+ "step": 890
633
+ },
634
+ {
635
+ "epoch": 2.6925953627524306,
636
+ "grad_norm": NaN,
637
+ "learning_rate": 0.00016625809103551462,
638
+ "loss": 0.0,
639
+ "step": 900
640
+ },
641
+ {
642
+ "epoch": 2.7225130890052354,
643
+ "grad_norm": NaN,
644
+ "learning_rate": 0.00016555067267141896,
645
+ "loss": 0.0,
646
+ "step": 910
647
+ },
648
+ {
649
+ "epoch": 2.75243081525804,
650
+ "grad_norm": NaN,
651
+ "learning_rate": 0.0001648374549380587,
652
+ "loss": 0.0,
653
+ "step": 920
654
+ },
655
+ {
656
+ "epoch": 2.7823485415108453,
657
+ "grad_norm": NaN,
658
+ "learning_rate": 0.00016411850093490837,
659
+ "loss": 0.0,
660
+ "step": 930
661
+ },
662
+ {
663
+ "epoch": 2.81226626776365,
664
+ "grad_norm": NaN,
665
+ "learning_rate": 0.00016339387426893918,
666
+ "loss": 0.0,
667
+ "step": 940
668
+ },
669
+ {
670
+ "epoch": 2.842183994016455,
671
+ "grad_norm": NaN,
672
+ "learning_rate": 0.00016266363904899163,
673
+ "loss": 0.0,
674
+ "step": 950
675
+ },
676
+ {
677
+ "epoch": 2.8721017202692596,
678
+ "grad_norm": NaN,
679
+ "learning_rate": 0.00016192785988010353,
680
+ "loss": 0.0,
681
+ "step": 960
682
+ },
683
+ {
684
+ "epoch": 2.9020194465220643,
685
+ "grad_norm": NaN,
686
+ "learning_rate": 0.00016118660185779446,
687
+ "loss": 0.0,
688
+ "step": 970
689
+ },
690
+ {
691
+ "epoch": 2.931937172774869,
692
+ "grad_norm": NaN,
693
+ "learning_rate": 0.0001604399305623067,
694
+ "loss": 0.0,
695
+ "step": 980
696
+ },
697
+ {
698
+ "epoch": 2.961854899027674,
699
+ "grad_norm": NaN,
700
+ "learning_rate": 0.00015968791205280306,
701
+ "loss": 0.0,
702
+ "step": 990
703
+ },
704
+ {
705
+ "epoch": 2.9917726252804786,
706
+ "grad_norm": NaN,
707
+ "learning_rate": 0.00015893061286152276,
708
+ "loss": 0.0,
709
+ "step": 1000
710
+ },
711
+ {
712
+ "epoch": 3.0216903515332834,
713
+ "grad_norm": NaN,
714
+ "learning_rate": 0.00015816809998789492,
715
+ "loss": 0.0,
716
+ "step": 1010
717
+ },
718
+ {
719
+ "epoch": 3.051608077786088,
720
+ "grad_norm": NaN,
721
+ "learning_rate": 0.00015740044089261138,
722
+ "loss": 0.0,
723
+ "step": 1020
724
+ },
725
+ {
726
+ "epoch": 3.081525804038893,
727
+ "grad_norm": NaN,
728
+ "learning_rate": 0.00015662770349165802,
729
+ "loss": 0.0,
730
+ "step": 1030
731
+ },
732
+ {
733
+ "epoch": 3.1114435302916976,
734
+ "grad_norm": NaN,
735
+ "learning_rate": 0.00015584995615030634,
736
+ "loss": 0.0,
737
+ "step": 1040
738
+ },
739
+ {
740
+ "epoch": 3.141361256544503,
741
+ "grad_norm": NaN,
742
+ "learning_rate": 0.00015506726767706497,
743
+ "loss": 0.0,
744
+ "step": 1050
745
+ },
746
+ {
747
+ "epoch": 3.1712789827973076,
748
+ "grad_norm": NaN,
749
+ "learning_rate": 0.00015427970731759212,
750
+ "loss": 0.0,
751
+ "step": 1060
752
+ },
753
+ {
754
+ "epoch": 3.2011967090501123,
755
+ "grad_norm": NaN,
756
+ "learning_rate": 0.00015348734474856932,
757
+ "loss": 0.0,
758
+ "step": 1070
759
+ },
760
+ {
761
+ "epoch": 3.231114435302917,
762
+ "grad_norm": NaN,
763
+ "learning_rate": 0.000152690250071537,
764
+ "loss": 0.0,
765
+ "step": 1080
766
+ },
767
+ {
768
+ "epoch": 3.261032161555722,
769
+ "grad_norm": NaN,
770
+ "learning_rate": 0.0001518884938066924,
771
+ "loss": 0.0,
772
+ "step": 1090
773
+ },
774
+ {
775
+ "epoch": 3.2909498878085266,
776
+ "grad_norm": NaN,
777
+ "learning_rate": 0.0001510821468866508,
778
+ "loss": 0.0,
779
+ "step": 1100
780
+ },
781
+ {
782
+ "epoch": 3.3208676140613314,
783
+ "grad_norm": NaN,
784
+ "learning_rate": 0.0001502712806501697,
785
+ "loss": 0.0,
786
+ "step": 1110
787
+ },
788
+ {
789
+ "epoch": 3.350785340314136,
790
+ "grad_norm": NaN,
791
+ "learning_rate": 0.00014945596683583754,
792
+ "loss": 0.0,
793
+ "step": 1120
794
+ },
795
+ {
796
+ "epoch": 3.380703066566941,
797
+ "grad_norm": NaN,
798
+ "learning_rate": 0.00014863627757572687,
799
+ "loss": 0.0,
800
+ "step": 1130
801
+ },
802
+ {
803
+ "epoch": 3.4106207928197456,
804
+ "grad_norm": NaN,
805
+ "learning_rate": 0.00014781228538901267,
806
+ "loss": 0.0,
807
+ "step": 1140
808
+ },
809
+ {
810
+ "epoch": 3.4405385190725504,
811
+ "grad_norm": NaN,
812
+ "learning_rate": 0.00014698406317555652,
813
+ "loss": 0.0,
814
+ "step": 1150
815
+ },
816
+ {
817
+ "epoch": 3.470456245325355,
818
+ "grad_norm": NaN,
819
+ "learning_rate": 0.00014615168420945688,
820
+ "loss": 0.0,
821
+ "step": 1160
822
+ },
823
+ {
824
+ "epoch": 3.50037397157816,
825
+ "grad_norm": NaN,
826
+ "learning_rate": 0.00014531522213256674,
827
+ "loss": 0.0,
828
+ "step": 1170
829
+ },
830
+ {
831
+ "epoch": 3.5302916978309646,
832
+ "grad_norm": NaN,
833
+ "learning_rate": 0.00014447475094797797,
834
+ "loss": 0.0,
835
+ "step": 1180
836
+ },
837
+ {
838
+ "epoch": 3.5602094240837694,
839
+ "grad_norm": NaN,
840
+ "learning_rate": 0.00014363034501347456,
841
+ "loss": 0.0,
842
+ "step": 1190
843
+ },
844
+ {
845
+ "epoch": 3.590127150336574,
846
+ "grad_norm": NaN,
847
+ "learning_rate": 0.0001427820790349539,
848
+ "loss": 0.0,
849
+ "step": 1200
850
+ },
851
+ {
852
+ "epoch": 3.6200448765893793,
853
+ "grad_norm": NaN,
854
+ "learning_rate": 0.0001419300280598173,
855
+ "loss": 0.0,
856
+ "step": 1210
857
+ },
858
+ {
859
+ "epoch": 3.649962602842184,
860
+ "grad_norm": NaN,
861
+ "learning_rate": 0.00014107426747033075,
862
+ "loss": 0.0,
863
+ "step": 1220
864
+ },
865
+ {
866
+ "epoch": 3.679880329094989,
867
+ "grad_norm": NaN,
868
+ "learning_rate": 0.0001402148729769554,
869
+ "loss": 0.0,
870
+ "step": 1230
871
+ },
872
+ {
873
+ "epoch": 3.7097980553477936,
874
+ "grad_norm": NaN,
875
+ "learning_rate": 0.00013935192061164956,
876
+ "loss": 0.0,
877
+ "step": 1240
878
+ },
879
+ {
880
+ "epoch": 3.7397157816005984,
881
+ "grad_norm": NaN,
882
+ "learning_rate": 0.00013848548672114197,
883
+ "loss": 0.0,
884
+ "step": 1250
885
+ },
886
+ {
887
+ "epoch": 3.769633507853403,
888
+ "grad_norm": NaN,
889
+ "learning_rate": 0.00013761564796017724,
890
+ "loss": 0.0,
891
+ "step": 1260
892
+ },
893
+ {
894
+ "epoch": 3.799551234106208,
895
+ "grad_norm": NaN,
896
+ "learning_rate": 0.00013674248128473418,
897
+ "loss": 0.0,
898
+ "step": 1270
899
+ },
900
+ {
901
+ "epoch": 3.8294689603590126,
902
+ "grad_norm": NaN,
903
+ "learning_rate": 0.0001358660639452173,
904
+ "loss": 0.0,
905
+ "step": 1280
906
+ },
907
+ {
908
+ "epoch": 3.8593866866118174,
909
+ "grad_norm": NaN,
910
+ "learning_rate": 0.0001349864734796224,
911
+ "loss": 0.0,
912
+ "step": 1290
913
+ },
914
+ {
915
+ "epoch": 3.889304412864622,
916
+ "grad_norm": NaN,
917
+ "learning_rate": 0.0001341037877066766,
918
+ "loss": 0.0,
919
+ "step": 1300
920
+ },
921
+ {
922
+ "epoch": 3.9192221391174273,
923
+ "grad_norm": NaN,
924
+ "learning_rate": 0.00013321808471895375,
925
+ "loss": 0.0,
926
+ "step": 1310
927
+ },
928
+ {
929
+ "epoch": 3.949139865370232,
930
+ "grad_norm": NaN,
931
+ "learning_rate": 0.00013232944287596522,
932
+ "loss": 0.0,
933
+ "step": 1320
934
+ },
935
+ {
936
+ "epoch": 3.979057591623037,
937
+ "grad_norm": NaN,
938
+ "learning_rate": 0.00013143794079722754,
939
+ "loss": 0.0,
940
+ "step": 1330
941
+ },
942
+ {
943
+ "epoch": 4.008975317875842,
944
+ "grad_norm": NaN,
945
+ "learning_rate": 0.00013054365735530664,
946
+ "loss": 0.0,
947
+ "step": 1340
948
+ },
949
+ {
950
+ "epoch": 4.038893044128646,
951
+ "grad_norm": NaN,
952
+ "learning_rate": 0.00012964667166884004,
953
+ "loss": 0.0,
954
+ "step": 1350
955
+ },
956
+ {
957
+ "epoch": 4.068810770381451,
958
+ "grad_norm": NaN,
959
+ "learning_rate": 0.00012874706309553698,
960
+ "loss": 0.0,
961
+ "step": 1360
962
+ },
963
+ {
964
+ "epoch": 4.098728496634256,
965
+ "grad_norm": NaN,
966
+ "learning_rate": 0.00012784491122515743,
967
+ "loss": 0.0,
968
+ "step": 1370
969
+ },
970
+ {
971
+ "epoch": 4.128646222887061,
972
+ "grad_norm": NaN,
973
+ "learning_rate": 0.00012694029587247095,
974
+ "loss": 0.0,
975
+ "step": 1380
976
+ },
977
+ {
978
+ "epoch": 4.158563949139865,
979
+ "grad_norm": NaN,
980
+ "learning_rate": 0.00012603329707019508,
981
+ "loss": 0.0,
982
+ "step": 1390
983
+ },
984
+ {
985
+ "epoch": 4.18848167539267,
986
+ "grad_norm": NaN,
987
+ "learning_rate": 0.0001251239950619149,
988
+ "loss": 0.0,
989
+ "step": 1400
990
+ },
991
+ {
992
+ "epoch": 4.218399401645475,
993
+ "grad_norm": NaN,
994
+ "learning_rate": 0.0001242124702949836,
995
+ "loss": 0.0,
996
+ "step": 1410
997
+ },
998
+ {
999
+ "epoch": 4.24831712789828,
1000
+ "grad_norm": NaN,
1001
+ "learning_rate": 0.0001232988034134053,
1002
+ "loss": 0.0,
1003
+ "step": 1420
1004
+ },
1005
+ {
1006
+ "epoch": 4.278234854151084,
1007
+ "grad_norm": NaN,
1008
+ "learning_rate": 0.00012238307525070042,
1009
+ "loss": 0.0,
1010
+ "step": 1430
1011
+ },
1012
+ {
1013
+ "epoch": 4.308152580403889,
1014
+ "grad_norm": NaN,
1015
+ "learning_rate": 0.00012146536682275387,
1016
+ "loss": 0.0,
1017
+ "step": 1440
1018
+ },
1019
+ {
1020
+ "epoch": 4.338070306656694,
1021
+ "grad_norm": NaN,
1022
+ "learning_rate": 0.00012054575932064787,
1023
+ "loss": 0.0,
1024
+ "step": 1450
1025
+ },
1026
+ {
1027
+ "epoch": 4.367988032909499,
1028
+ "grad_norm": NaN,
1029
+ "learning_rate": 0.0001196243341034786,
1030
+ "loss": 0.0,
1031
+ "step": 1460
1032
+ },
1033
+ {
1034
+ "epoch": 4.397905759162303,
1035
+ "grad_norm": NaN,
1036
+ "learning_rate": 0.00011870117269115833,
1037
+ "loss": 0.0,
1038
+ "step": 1470
1039
+ },
1040
+ {
1041
+ "epoch": 4.427823485415108,
1042
+ "grad_norm": NaN,
1043
+ "learning_rate": 0.00011777635675720313,
1044
+ "loss": 0.0,
1045
+ "step": 1480
1046
+ },
1047
+ {
1048
+ "epoch": 4.457741211667913,
1049
+ "grad_norm": NaN,
1050
+ "learning_rate": 0.00011684996812150726,
1051
+ "loss": 0.0,
1052
+ "step": 1490
1053
+ },
1054
+ {
1055
+ "epoch": 4.487658937920718,
1056
+ "grad_norm": NaN,
1057
+ "learning_rate": 0.00011592208874310426,
1058
+ "loss": 0.0,
1059
+ "step": 1500
1060
+ },
1061
+ {
1062
+ "epoch": 4.517576664173522,
1063
+ "grad_norm": NaN,
1064
+ "learning_rate": 0.00011499280071291596,
1065
+ "loss": 0.0,
1066
+ "step": 1510
1067
+ },
1068
+ {
1069
+ "epoch": 4.547494390426328,
1070
+ "grad_norm": NaN,
1071
+ "learning_rate": 0.00011406218624648985,
1072
+ "loss": 0.0,
1073
+ "step": 1520
1074
+ },
1075
+ {
1076
+ "epoch": 4.577412116679133,
1077
+ "grad_norm": NaN,
1078
+ "learning_rate": 0.00011313032767672524,
1079
+ "loss": 0.0,
1080
+ "step": 1530
1081
+ },
1082
+ {
1083
+ "epoch": 4.607329842931938,
1084
+ "grad_norm": NaN,
1085
+ "learning_rate": 0.00011219730744658921,
1086
+ "loss": 0.0,
1087
+ "step": 1540
1088
+ },
1089
+ {
1090
+ "epoch": 4.637247569184742,
1091
+ "grad_norm": NaN,
1092
+ "learning_rate": 0.00011126320810182272,
1093
+ "loss": 0.0,
1094
+ "step": 1550
1095
+ },
1096
+ {
1097
+ "epoch": 4.667165295437547,
1098
+ "grad_norm": NaN,
1099
+ "learning_rate": 0.00011032811228363766,
1100
+ "loss": 0.0,
1101
+ "step": 1560
1102
+ },
1103
+ {
1104
+ "epoch": 4.697083021690352,
1105
+ "grad_norm": NaN,
1106
+ "learning_rate": 0.00010939210272140545,
1107
+ "loss": 0.0,
1108
+ "step": 1570
1109
+ },
1110
+ {
1111
+ "epoch": 4.727000747943157,
1112
+ "grad_norm": NaN,
1113
+ "learning_rate": 0.00010845526222533791,
1114
+ "loss": 0.0,
1115
+ "step": 1580
1116
+ },
1117
+ {
1118
+ "epoch": 4.756918474195961,
1119
+ "grad_norm": NaN,
1120
+ "learning_rate": 0.00010751767367916082,
1121
+ "loss": 0.0,
1122
+ "step": 1590
1123
+ },
1124
+ {
1125
+ "epoch": 4.786836200448766,
1126
+ "grad_norm": NaN,
1127
+ "learning_rate": 0.00010657942003278107,
1128
+ "loss": 0.0,
1129
+ "step": 1600
1130
+ },
1131
+ {
1132
+ "epoch": 4.816753926701571,
1133
+ "grad_norm": NaN,
1134
+ "learning_rate": 0.00010564058429494808,
1135
+ "loss": 0.0,
1136
+ "step": 1610
1137
+ },
1138
+ {
1139
+ "epoch": 4.846671652954376,
1140
+ "grad_norm": NaN,
1141
+ "learning_rate": 0.00010470124952590977,
1142
+ "loss": 0.0,
1143
+ "step": 1620
1144
+ },
1145
+ {
1146
+ "epoch": 4.87658937920718,
1147
+ "grad_norm": NaN,
1148
+ "learning_rate": 0.00010376149883006406,
1149
+ "loss": 0.0,
1150
+ "step": 1630
1151
+ },
1152
+ {
1153
+ "epoch": 4.906507105459985,
1154
+ "grad_norm": NaN,
1155
+ "learning_rate": 0.0001028214153486066,
1156
+ "loss": 0.0,
1157
+ "step": 1640
1158
+ },
1159
+ {
1160
+ "epoch": 4.93642483171279,
1161
+ "grad_norm": NaN,
1162
+ "learning_rate": 0.00010188108225217516,
1163
+ "loss": 0.0,
1164
+ "step": 1650
1165
+ },
1166
+ {
1167
+ "epoch": 4.966342557965595,
1168
+ "grad_norm": NaN,
1169
+ "learning_rate": 0.00010094058273349125,
1170
+ "loss": 0.0,
1171
+ "step": 1660
1172
+ },
1173
+ {
1174
+ "epoch": 4.996260284218399,
1175
+ "grad_norm": NaN,
1176
+ "learning_rate": 0.0001,
1177
+ "loss": 0.0,
1178
+ "step": 1670
1179
+ },
1180
+ {
1181
+ "epoch": 5.026178010471204,
1182
+ "grad_norm": NaN,
1183
+ "learning_rate": 9.90594172665088e-05,
1184
+ "loss": 0.0,
1185
+ "step": 1680
1186
+ },
1187
+ {
1188
+ "epoch": 5.056095736724009,
1189
+ "grad_norm": NaN,
1190
+ "learning_rate": 9.811891774782484e-05,
1191
+ "loss": 0.0,
1192
+ "step": 1690
1193
+ },
1194
+ {
1195
+ "epoch": 5.086013462976814,
1196
+ "grad_norm": NaN,
1197
+ "learning_rate": 9.717858465139342e-05,
1198
+ "loss": 0.0,
1199
+ "step": 1700
1200
+ },
1201
+ {
1202
+ "epoch": 5.115931189229618,
1203
+ "grad_norm": NaN,
1204
+ "learning_rate": 9.623850116993596e-05,
1205
+ "loss": 0.0,
1206
+ "step": 1710
1207
+ },
1208
+ {
1209
+ "epoch": 5.145848915482423,
1210
+ "grad_norm": NaN,
1211
+ "learning_rate": 9.529875047409027e-05,
1212
+ "loss": 0.0,
1213
+ "step": 1720
1214
+ },
1215
+ {
1216
+ "epoch": 5.175766641735228,
1217
+ "grad_norm": NaN,
1218
+ "learning_rate": 9.43594157050519e-05,
1219
+ "loss": 0.0,
1220
+ "step": 1730
1221
+ },
1222
+ {
1223
+ "epoch": 5.205684367988033,
1224
+ "grad_norm": NaN,
1225
+ "learning_rate": 9.342057996721894e-05,
1226
+ "loss": 0.0,
1227
+ "step": 1740
1228
+ },
1229
+ {
1230
+ "epoch": 5.2356020942408374,
1231
+ "grad_norm": NaN,
1232
+ "learning_rate": 9.248232632083923e-05,
1233
+ "loss": 0.0,
1234
+ "step": 1750
1235
+ },
1236
+ {
1237
+ "epoch": 5.265519820493642,
1238
+ "grad_norm": NaN,
1239
+ "learning_rate": 9.15447377746621e-05,
1240
+ "loss": 0.0,
1241
+ "step": 1760
1242
+ },
1243
+ {
1244
+ "epoch": 5.295437546746447,
1245
+ "grad_norm": NaN,
1246
+ "learning_rate": 9.060789727859457e-05,
1247
+ "loss": 0.0,
1248
+ "step": 1770
1249
+ },
1250
+ {
1251
+ "epoch": 5.325355272999252,
1252
+ "grad_norm": NaN,
1253
+ "learning_rate": 8.967188771636236e-05,
1254
+ "loss": 0.0,
1255
+ "step": 1780
1256
+ },
1257
+ {
1258
+ "epoch": 5.3552729992520565,
1259
+ "grad_norm": NaN,
1260
+ "learning_rate": 8.873679189817732e-05,
1261
+ "loss": 0.0,
1262
+ "step": 1790
1263
+ },
1264
+ {
1265
+ "epoch": 5.385190725504861,
1266
+ "grad_norm": NaN,
1267
+ "learning_rate": 8.78026925534108e-05,
1268
+ "loss": 0.0,
1269
+ "step": 1800
1270
+ },
1271
+ {
1272
+ "epoch": 5.415108451757666,
1273
+ "grad_norm": NaN,
1274
+ "learning_rate": 8.686967232327478e-05,
1275
+ "loss": 0.0,
1276
+ "step": 1810
1277
+ },
1278
+ {
1279
+ "epoch": 5.445026178010472,
1280
+ "grad_norm": NaN,
1281
+ "learning_rate": 8.59378137535102e-05,
1282
+ "loss": 0.0,
1283
+ "step": 1820
1284
+ },
1285
+ {
1286
+ "epoch": 5.474943904263276,
1287
+ "grad_norm": NaN,
1288
+ "learning_rate": 8.500719928708405e-05,
1289
+ "loss": 0.0,
1290
+ "step": 1830
1291
+ },
1292
+ {
1293
+ "epoch": 5.504861630516081,
1294
+ "grad_norm": NaN,
1295
+ "learning_rate": 8.407791125689578e-05,
1296
+ "loss": 0.0,
1297
+ "step": 1840
1298
+ },
1299
+ {
1300
+ "epoch": 5.534779356768886,
1301
+ "grad_norm": NaN,
1302
+ "learning_rate": 8.315003187849277e-05,
1303
+ "loss": 0.0,
1304
+ "step": 1850
1305
+ },
1306
+ {
1307
+ "epoch": 5.564697083021691,
1308
+ "grad_norm": NaN,
1309
+ "learning_rate": 8.222364324279689e-05,
1310
+ "loss": 0.0,
1311
+ "step": 1860
1312
+ },
1313
+ {
1314
+ "epoch": 5.594614809274495,
1315
+ "grad_norm": NaN,
1316
+ "learning_rate": 8.129882730884168e-05,
1317
+ "loss": 0.0,
1318
+ "step": 1870
1319
+ },
1320
+ {
1321
+ "epoch": 5.6245325355273,
1322
+ "grad_norm": NaN,
1323
+ "learning_rate": 8.037566589652141e-05,
1324
+ "loss": 0.0,
1325
+ "step": 1880
1326
+ },
1327
+ {
1328
+ "epoch": 5.654450261780105,
1329
+ "grad_norm": NaN,
1330
+ "learning_rate": 7.945424067935217e-05,
1331
+ "loss": 0.0,
1332
+ "step": 1890
1333
+ },
1334
+ {
1335
+ "epoch": 5.68436798803291,
1336
+ "grad_norm": NaN,
1337
+ "learning_rate": 7.853463317724614e-05,
1338
+ "loss": 0.0,
1339
+ "step": 1900
1340
+ },
1341
+ {
1342
+ "epoch": 5.714285714285714,
1343
+ "grad_norm": NaN,
1344
+ "learning_rate": 7.761692474929961e-05,
1345
+ "loss": 0.0,
1346
+ "step": 1910
1347
+ },
1348
+ {
1349
+ "epoch": 5.744203440538519,
1350
+ "grad_norm": NaN,
1351
+ "learning_rate": 7.67011965865947e-05,
1352
+ "loss": 0.0,
1353
+ "step": 1920
1354
+ },
1355
+ {
1356
+ "epoch": 5.774121166791324,
1357
+ "grad_norm": NaN,
1358
+ "learning_rate": 7.578752970501642e-05,
1359
+ "loss": 0.0,
1360
+ "step": 1930
1361
+ },
1362
+ {
1363
+ "epoch": 5.804038893044129,
1364
+ "grad_norm": NaN,
1365
+ "learning_rate": 7.487600493808513e-05,
1366
+ "loss": 0.0,
1367
+ "step": 1940
1368
+ },
1369
+ {
1370
+ "epoch": 5.833956619296933,
1371
+ "grad_norm": NaN,
1372
+ "learning_rate": 7.396670292980492e-05,
1373
+ "loss": 0.0,
1374
+ "step": 1950
1375
+ },
1376
+ {
1377
+ "epoch": 5.863874345549738,
1378
+ "grad_norm": NaN,
1379
+ "learning_rate": 7.305970412752909e-05,
1380
+ "loss": 0.0,
1381
+ "step": 1960
1382
+ },
1383
+ {
1384
+ "epoch": 5.893792071802543,
1385
+ "grad_norm": NaN,
1386
+ "learning_rate": 7.215508877484258e-05,
1387
+ "loss": 0.0,
1388
+ "step": 1970
1389
+ },
1390
+ {
1391
+ "epoch": 5.923709798055348,
1392
+ "grad_norm": NaN,
1393
+ "learning_rate": 7.125293690446306e-05,
1394
+ "loss": 0.0,
1395
+ "step": 1980
1396
+ },
1397
+ {
1398
+ "epoch": 5.9536275243081525,
1399
+ "grad_norm": NaN,
1400
+ "learning_rate": 7.035332833115997e-05,
1401
+ "loss": 0.0,
1402
+ "step": 1990
1403
+ },
1404
+ {
1405
+ "epoch": 5.983545250560957,
1406
+ "grad_norm": NaN,
1407
+ "learning_rate": 6.945634264469339e-05,
1408
+ "loss": 0.0,
1409
+ "step": 2000
1410
+ },
1411
+ {
1412
+ "epoch": 6.013462976813762,
1413
+ "grad_norm": NaN,
1414
+ "learning_rate": 6.85620592027725e-05,
1415
+ "loss": 0.0,
1416
+ "step": 2010
1417
+ },
1418
+ {
1419
+ "epoch": 6.043380703066567,
1420
+ "grad_norm": NaN,
1421
+ "learning_rate": 6.76705571240348e-05,
1422
+ "loss": 0.0,
1423
+ "step": 2020
1424
+ },
1425
+ {
1426
+ "epoch": 6.0732984293193715,
1427
+ "grad_norm": NaN,
1428
+ "learning_rate": 6.678191528104629e-05,
1429
+ "loss": 0.0,
1430
+ "step": 2030
1431
+ },
1432
+ {
1433
+ "epoch": 6.103216155572176,
1434
+ "grad_norm": NaN,
1435
+ "learning_rate": 6.58962122933234e-05,
1436
+ "loss": 0.0,
1437
+ "step": 2040
1438
+ },
1439
+ {
1440
+ "epoch": 6.133133881824981,
1441
+ "grad_norm": NaN,
1442
+ "learning_rate": 6.501352652037764e-05,
1443
+ "loss": 0.0,
1444
+ "step": 2050
1445
+ },
1446
+ {
1447
+ "epoch": 6.163051608077786,
1448
+ "grad_norm": NaN,
1449
+ "learning_rate": 6.413393605478275e-05,
1450
+ "loss": 0.0,
1451
+ "step": 2060
1452
+ },
1453
+ {
1454
+ "epoch": 6.1929693343305905,
1455
+ "grad_norm": NaN,
1456
+ "learning_rate": 6.325751871526588e-05,
1457
+ "loss": 0.0,
1458
+ "step": 2070
1459
+ },
1460
+ {
1461
+ "epoch": 6.222887060583395,
1462
+ "grad_norm": NaN,
1463
+ "learning_rate": 6.238435203982278e-05,
1464
+ "loss": 0.0,
1465
+ "step": 2080
1466
+ },
1467
+ {
1468
+ "epoch": 6.252804786836201,
1469
+ "grad_norm": NaN,
1470
+ "learning_rate": 6.151451327885805e-05,
1471
+ "loss": 0.0,
1472
+ "step": 2090
1473
+ },
1474
+ {
1475
+ "epoch": 6.282722513089006,
1476
+ "grad_norm": NaN,
1477
+ "learning_rate": 6.0648079388350466e-05,
1478
+ "loss": 0.0,
1479
+ "step": 2100
1480
+ },
1481
+ {
1482
+ "epoch": 6.31264023934181,
1483
+ "grad_norm": NaN,
1484
+ "learning_rate": 5.978512702304461e-05,
1485
+ "loss": 0.0,
1486
+ "step": 2110
1487
+ },
1488
+ {
1489
+ "epoch": 6.342557965594615,
1490
+ "grad_norm": NaN,
1491
+ "learning_rate": 5.892573252966926e-05,
1492
+ "loss": 0.0,
1493
+ "step": 2120
1494
+ },
1495
+ {
1496
+ "epoch": 6.37247569184742,
1497
+ "grad_norm": NaN,
1498
+ "learning_rate": 5.806997194018271e-05,
1499
+ "loss": 0.0,
1500
+ "step": 2130
1501
+ },
1502
+ {
1503
+ "epoch": 6.402393418100225,
1504
+ "grad_norm": NaN,
1505
+ "learning_rate": 5.721792096504611e-05,
1506
+ "loss": 0.0,
1507
+ "step": 2140
1508
+ },
1509
+ {
1510
+ "epoch": 6.432311144353029,
1511
+ "grad_norm": NaN,
1512
+ "learning_rate": 5.636965498652544e-05,
1513
+ "loss": 0.0,
1514
+ "step": 2150
1515
+ },
1516
+ {
1517
+ "epoch": 6.462228870605834,
1518
+ "grad_norm": NaN,
1519
+ "learning_rate": 5.5525249052022076e-05,
1520
+ "loss": 0.0,
1521
+ "step": 2160
1522
+ },
1523
+ {
1524
+ "epoch": 6.492146596858639,
1525
+ "grad_norm": NaN,
1526
+ "learning_rate": 5.4684777867433335e-05,
1527
+ "loss": 0.0,
1528
+ "step": 2170
1529
+ },
1530
+ {
1531
+ "epoch": 6.522064323111444,
1532
+ "grad_norm": NaN,
1533
+ "learning_rate": 5.3848315790543126e-05,
1534
+ "loss": 0.0,
1535
+ "step": 2180
1536
+ },
1537
+ {
1538
+ "epoch": 6.551982049364248,
1539
+ "grad_norm": NaN,
1540
+ "learning_rate": 5.301593682444352e-05,
1541
+ "loss": 0.0,
1542
+ "step": 2190
1543
+ },
1544
+ {
1545
+ "epoch": 6.581899775617053,
1546
+ "grad_norm": NaN,
1547
+ "learning_rate": 5.218771461098733e-05,
1548
+ "loss": 0.0,
1549
+ "step": 2200
1550
+ },
1551
+ {
1552
+ "epoch": 6.611817501869858,
1553
+ "grad_norm": NaN,
1554
+ "learning_rate": 5.1363722424273156e-05,
1555
+ "loss": 0.0,
1556
+ "step": 2210
1557
+ },
1558
+ {
1559
+ "epoch": 6.641735228122663,
1560
+ "grad_norm": NaN,
1561
+ "learning_rate": 5.054403316416247e-05,
1562
+ "loss": 0.0,
1563
+ "step": 2220
1564
+ },
1565
+ {
1566
+ "epoch": 6.6716529543754675,
1567
+ "grad_norm": NaN,
1568
+ "learning_rate": 4.972871934983032e-05,
1569
+ "loss": 0.0,
1570
+ "step": 2230
1571
+ },
1572
+ {
1573
+ "epoch": 6.701570680628272,
1574
+ "grad_norm": NaN,
1575
+ "learning_rate": 4.891785311334923e-05,
1576
+ "loss": 0.0,
1577
+ "step": 2240
1578
+ },
1579
+ {
1580
+ "epoch": 6.731488406881077,
1581
+ "grad_norm": NaN,
1582
+ "learning_rate": 4.811150619330759e-05,
1583
+ "loss": 0.0,
1584
+ "step": 2250
1585
+ },
1586
+ {
1587
+ "epoch": 6.761406133133882,
1588
+ "grad_norm": NaN,
1589
+ "learning_rate": 4.7309749928463035e-05,
1590
+ "loss": 0.0,
1591
+ "step": 2260
1592
+ },
1593
+ {
1594
+ "epoch": 6.7913238593866865,
1595
+ "grad_norm": NaN,
1596
+ "learning_rate": 4.6512655251430695e-05,
1597
+ "loss": 0.0,
1598
+ "step": 2270
1599
+ },
1600
+ {
1601
+ "epoch": 6.821241585639491,
1602
+ "grad_norm": NaN,
1603
+ "learning_rate": 4.5720292682407874e-05,
1604
+ "loss": 0.0,
1605
+ "step": 2280
1606
+ },
1607
+ {
1608
+ "epoch": 6.851159311892296,
1609
+ "grad_norm": NaN,
1610
+ "learning_rate": 4.493273232293506e-05,
1611
+ "loss": 0.0,
1612
+ "step": 2290
1613
+ },
1614
+ {
1615
+ "epoch": 6.881077038145101,
1616
+ "grad_norm": NaN,
1617
+ "learning_rate": 4.41500438496937e-05,
1618
+ "loss": 0.0,
1619
+ "step": 2300
1620
+ },
1621
+ {
1622
+ "epoch": 6.9109947643979055,
1623
+ "grad_norm": NaN,
1624
+ "learning_rate": 4.3372296508342026e-05,
1625
+ "loss": 0.0,
1626
+ "step": 2310
1627
+ },
1628
+ {
1629
+ "epoch": 6.94091249065071,
1630
+ "grad_norm": NaN,
1631
+ "learning_rate": 4.2599559107388645e-05,
1632
+ "loss": 0.0,
1633
+ "step": 2320
1634
+ },
1635
+ {
1636
+ "epoch": 6.970830216903515,
1637
+ "grad_norm": NaN,
1638
+ "learning_rate": 4.1831900012105105e-05,
1639
+ "loss": 0.0,
1640
+ "step": 2330
1641
+ },
1642
+ {
1643
+ "epoch": 7.00074794315632,
1644
+ "grad_norm": NaN,
1645
+ "learning_rate": 4.10693871384773e-05,
1646
+ "loss": 0.0,
1647
+ "step": 2340
1648
+ },
1649
+ {
1650
+ "epoch": 7.0306656694091245,
1651
+ "grad_norm": NaN,
1652
+ "learning_rate": 4.031208794719695e-05,
1653
+ "loss": 0.0,
1654
+ "step": 2350
1655
+ },
1656
+ {
1657
+ "epoch": 7.060583395661929,
1658
+ "grad_norm": NaN,
1659
+ "learning_rate": 3.95600694376933e-05,
1660
+ "loss": 0.0,
1661
+ "step": 2360
1662
+ },
1663
+ {
1664
+ "epoch": 7.090501121914735,
1665
+ "grad_norm": NaN,
1666
+ "learning_rate": 3.881339814220555e-05,
1667
+ "loss": 0.0,
1668
+ "step": 2370
1669
+ },
1670
+ {
1671
+ "epoch": 7.12041884816754,
1672
+ "grad_norm": NaN,
1673
+ "learning_rate": 3.8072140119896504e-05,
1674
+ "loss": 0.0,
1675
+ "step": 2380
1676
+ },
1677
+ {
1678
+ "epoch": 7.150336574420344,
1679
+ "grad_norm": NaN,
1680
+ "learning_rate": 3.733636095100838e-05,
1681
+ "loss": 0.0,
1682
+ "step": 2390
1683
+ },
1684
+ {
1685
+ "epoch": 7.180254300673149,
1686
+ "grad_norm": NaN,
1687
+ "learning_rate": 3.660612573106081e-05,
1688
+ "loss": 0.0,
1689
+ "step": 2400
1690
+ },
1691
+ {
1692
+ "epoch": 7.210172026925954,
1693
+ "grad_norm": NaN,
1694
+ "learning_rate": 3.588149906509166e-05,
1695
+ "loss": 0.0,
1696
+ "step": 2410
1697
+ },
1698
+ {
1699
+ "epoch": 7.240089753178759,
1700
+ "grad_norm": NaN,
1701
+ "learning_rate": 3.5162545061941335e-05,
1702
+ "loss": 0.0,
1703
+ "step": 2420
1704
+ },
1705
+ {
1706
+ "epoch": 7.2700074794315634,
1707
+ "grad_norm": NaN,
1708
+ "learning_rate": 3.444932732858107e-05,
1709
+ "loss": 0.0,
1710
+ "step": 2430
1711
+ },
1712
+ {
1713
+ "epoch": 7.299925205684368,
1714
+ "grad_norm": NaN,
1715
+ "learning_rate": 3.3741908964485414e-05,
1716
+ "loss": 0.0,
1717
+ "step": 2440
1718
+ },
1719
+ {
1720
+ "epoch": 7.329842931937173,
1721
+ "grad_norm": NaN,
1722
+ "learning_rate": 3.304035255604974e-05,
1723
+ "loss": 0.0,
1724
+ "step": 2450
1725
+ },
1726
+ {
1727
+ "epoch": 7.359760658189978,
1728
+ "grad_norm": NaN,
1729
+ "learning_rate": 3.234472017105313e-05,
1730
+ "loss": 0.0,
1731
+ "step": 2460
1732
+ },
1733
+ {
1734
+ "epoch": 7.3896783844427825,
1735
+ "grad_norm": NaN,
1736
+ "learning_rate": 3.1655073353167285e-05,
1737
+ "loss": 0.0,
1738
+ "step": 2470
1739
+ },
1740
+ {
1741
+ "epoch": 7.419596110695587,
1742
+ "grad_norm": NaN,
1743
+ "learning_rate": 3.0971473116511394e-05,
1744
+ "loss": 0.0,
1745
+ "step": 2480
1746
+ },
1747
+ {
1748
+ "epoch": 7.449513836948392,
1749
+ "grad_norm": NaN,
1750
+ "learning_rate": 3.0293979940254314e-05,
1751
+ "loss": 0.0,
1752
+ "step": 2490
1753
+ },
1754
+ {
1755
+ "epoch": 7.479431563201197,
1756
+ "grad_norm": NaN,
1757
+ "learning_rate": 2.9622653763263874e-05,
1758
+ "loss": 0.0,
1759
+ "step": 2500
1760
+ },
1761
+ {
1762
+ "epoch": 7.5093492894540015,
1763
+ "grad_norm": NaN,
1764
+ "learning_rate": 2.8957553978803898e-05,
1765
+ "loss": 0.0,
1766
+ "step": 2510
1767
+ },
1768
+ {
1769
+ "epoch": 7.539267015706806,
1770
+ "grad_norm": NaN,
1771
+ "learning_rate": 2.8298739429279707e-05,
1772
+ "loss": 0.0,
1773
+ "step": 2520
1774
+ },
1775
+ {
1776
+ "epoch": 7.569184741959611,
1777
+ "grad_norm": NaN,
1778
+ "learning_rate": 2.764626840103208e-05,
1779
+ "loss": 0.0,
1780
+ "step": 2530
1781
+ },
1782
+ {
1783
+ "epoch": 7.599102468212416,
1784
+ "grad_norm": NaN,
1785
+ "learning_rate": 2.7000198619180794e-05,
1786
+ "loss": 0.0,
1787
+ "step": 2540
1788
+ },
1789
+ {
1790
+ "epoch": 7.6290201944652205,
1791
+ "grad_norm": NaN,
1792
+ "learning_rate": 2.636058724251739e-05,
1793
+ "loss": 0.0,
1794
+ "step": 2550
1795
+ },
1796
+ {
1797
+ "epoch": 7.658937920718025,
1798
+ "grad_norm": NaN,
1799
+ "learning_rate": 2.5727490858448288e-05,
1800
+ "loss": 0.0,
1801
+ "step": 2560
1802
+ },
1803
+ {
1804
+ "epoch": 7.68885564697083,
1805
+ "grad_norm": NaN,
1806
+ "learning_rate": 2.510096547798857e-05,
1807
+ "loss": 0.0,
1808
+ "step": 2570
1809
+ },
1810
+ {
1811
+ "epoch": 7.718773373223635,
1812
+ "grad_norm": NaN,
1813
+ "learning_rate": 2.4481066530806395e-05,
1814
+ "loss": 0.0,
1815
+ "step": 2580
1816
+ },
1817
+ {
1818
+ "epoch": 7.7486910994764395,
1819
+ "grad_norm": NaN,
1820
+ "learning_rate": 2.3867848860319144e-05,
1821
+ "loss": 0.0,
1822
+ "step": 2590
1823
+ },
1824
+ {
1825
+ "epoch": 7.778608825729244,
1826
+ "grad_norm": NaN,
1827
+ "learning_rate": 2.3261366718841305e-05,
1828
+ "loss": 0.0,
1829
+ "step": 2600
1830
+ },
1831
+ {
1832
+ "epoch": 7.808526551982049,
1833
+ "grad_norm": NaN,
1834
+ "learning_rate": 2.2661673762784807e-05,
1835
+ "loss": 0.0,
1836
+ "step": 2610
1837
+ },
1838
+ {
1839
+ "epoch": 7.838444278234854,
1840
+ "grad_norm": NaN,
1841
+ "learning_rate": 2.206882304791176e-05,
1842
+ "loss": 0.0,
1843
+ "step": 2620
1844
+ },
1845
+ {
1846
+ "epoch": 7.868362004487659,
1847
+ "grad_norm": NaN,
1848
+ "learning_rate": 2.148286702464063e-05,
1849
+ "loss": 0.0,
1850
+ "step": 2630
1851
+ },
1852
+ {
1853
+ "epoch": 7.898279730740464,
1854
+ "grad_norm": NaN,
1855
+ "learning_rate": 2.0903857533405958e-05,
1856
+ "loss": 0.0,
1857
+ "step": 2640
1858
+ },
1859
+ {
1860
+ "epoch": 7.928197456993269,
1861
+ "grad_norm": NaN,
1862
+ "learning_rate": 2.033184580007177e-05,
1863
+ "loss": 0.0,
1864
+ "step": 2650
1865
+ },
1866
+ {
1867
+ "epoch": 7.958115183246074,
1868
+ "grad_norm": NaN,
1869
+ "learning_rate": 1.9766882431399646e-05,
1870
+ "loss": 0.0,
1871
+ "step": 2660
1872
+ },
1873
+ {
1874
+ "epoch": 7.9880329094988785,
1875
+ "grad_norm": NaN,
1876
+ "learning_rate": 1.920901741057153e-05,
1877
+ "loss": 0.0,
1878
+ "step": 2670
1879
+ },
1880
+ {
1881
+ "epoch": 8.017950635751683,
1882
+ "grad_norm": NaN,
1883
+ "learning_rate": 1.8658300092767544e-05,
1884
+ "loss": 0.0,
1885
+ "step": 2680
1886
+ },
1887
+ {
1888
+ "epoch": 8.047868362004488,
1889
+ "grad_norm": NaN,
1890
+ "learning_rate": 1.8114779200799437e-05,
1891
+ "loss": 0.0,
1892
+ "step": 2690
1893
+ },
1894
+ {
1895
+ "epoch": 8.077786088257293,
1896
+ "grad_norm": NaN,
1897
+ "learning_rate": 1.7578502820800045e-05,
1898
+ "loss": 0.0,
1899
+ "step": 2700
1900
+ },
1901
+ {
1902
+ "epoch": 8.107703814510097,
1903
+ "grad_norm": NaN,
1904
+ "learning_rate": 1.7049518397969132e-05,
1905
+ "loss": 0.0,
1906
+ "step": 2710
1907
+ },
1908
+ {
1909
+ "epoch": 8.137621540762902,
1910
+ "grad_norm": NaN,
1911
+ "learning_rate": 1.652787273237565e-05,
1912
+ "loss": 0.0,
1913
+ "step": 2720
1914
+ },
1915
+ {
1916
+ "epoch": 8.167539267015707,
1917
+ "grad_norm": NaN,
1918
+ "learning_rate": 1.601361197481741e-05,
1919
+ "loss": 0.0,
1920
+ "step": 2730
1921
+ },
1922
+ {
1923
+ "epoch": 8.197456993268512,
1924
+ "grad_norm": NaN,
1925
+ "learning_rate": 1.5506781622737942e-05,
1926
+ "loss": 0.0,
1927
+ "step": 2740
1928
+ },
1929
+ {
1930
+ "epoch": 8.227374719521316,
1931
+ "grad_norm": NaN,
1932
+ "learning_rate": 1.500742651620145e-05,
1933
+ "loss": 0.0,
1934
+ "step": 2750
1935
+ },
1936
+ {
1937
+ "epoch": 8.257292445774121,
1938
+ "grad_norm": NaN,
1939
+ "learning_rate": 1.4515590833925507e-05,
1940
+ "loss": 0.0,
1941
+ "step": 2760
1942
+ },
1943
+ {
1944
+ "epoch": 8.287210172026926,
1945
+ "grad_norm": NaN,
1946
+ "learning_rate": 1.4031318089372615e-05,
1947
+ "loss": 0.0,
1948
+ "step": 2770
1949
+ },
1950
+ {
1951
+ "epoch": 8.31712789827973,
1952
+ "grad_norm": NaN,
1953
+ "learning_rate": 1.3554651126900564e-05,
1954
+ "loss": 0.0,
1955
+ "step": 2780
1956
+ },
1957
+ {
1958
+ "epoch": 8.347045624532536,
1959
+ "grad_norm": NaN,
1960
+ "learning_rate": 1.308563211797179e-05,
1961
+ "loss": 0.0,
1962
+ "step": 2790
1963
+ },
1964
+ {
1965
+ "epoch": 8.37696335078534,
1966
+ "grad_norm": NaN,
1967
+ "learning_rate": 1.2624302557422473e-05,
1968
+ "loss": 0.0,
1969
+ "step": 2800
1970
+ },
1971
+ {
1972
+ "epoch": 8.406881077038145,
1973
+ "grad_norm": NaN,
1974
+ "learning_rate": 1.2170703259791471e-05,
1975
+ "loss": 0.0,
1976
+ "step": 2810
1977
+ },
1978
+ {
1979
+ "epoch": 8.43679880329095,
1980
+ "grad_norm": NaN,
1981
+ "learning_rate": 1.172487435570926e-05,
1982
+ "loss": 0.0,
1983
+ "step": 2820
1984
+ },
1985
+ {
1986
+ "epoch": 8.466716529543755,
1987
+ "grad_norm": NaN,
1988
+ "learning_rate": 1.1286855288347675e-05,
1989
+ "loss": 0.0,
1990
+ "step": 2830
1991
+ },
1992
+ {
1993
+ "epoch": 8.49663425579656,
1994
+ "grad_norm": NaN,
1995
+ "learning_rate": 1.0856684809930151e-05,
1996
+ "loss": 0.0,
1997
+ "step": 2840
1998
+ },
1999
+ {
2000
+ "epoch": 8.526551982049364,
2001
+ "grad_norm": NaN,
2002
+ "learning_rate": 1.0434400978303426e-05,
2003
+ "loss": 0.0,
2004
+ "step": 2850
2005
+ },
2006
+ {
2007
+ "epoch": 8.556469708302169,
2008
+ "grad_norm": NaN,
2009
+ "learning_rate": 1.0020041153570347e-05,
2010
+ "loss": 0.0,
2011
+ "step": 2860
2012
+ },
2013
+ {
2014
+ "epoch": 8.586387434554974,
2015
+ "grad_norm": NaN,
2016
+ "learning_rate": 9.613641994784651e-06,
2017
+ "loss": 0.0,
2018
+ "step": 2870
2019
+ },
2020
+ {
2021
+ "epoch": 8.616305160807778,
2022
+ "grad_norm": NaN,
2023
+ "learning_rate": 9.215239456707635e-06,
2024
+ "loss": 0.0,
2025
+ "step": 2880
2026
+ },
2027
+ {
2028
+ "epoch": 8.646222887060583,
2029
+ "grad_norm": NaN,
2030
+ "learning_rate": 8.824868786627304e-06,
2031
+ "loss": 0.0,
2032
+ "step": 2890
2033
+ },
2034
+ {
2035
+ "epoch": 8.676140613313388,
2036
+ "grad_norm": NaN,
2037
+ "learning_rate": 8.442564521239782e-06,
2038
+ "loss": 0.0,
2039
+ "step": 2900
2040
+ },
2041
+ {
2042
+ "epoch": 8.706058339566193,
2043
+ "grad_norm": NaN,
2044
+ "learning_rate": 8.06836048359394e-06,
2045
+ "loss": 0.0,
2046
+ "step": 2910
2047
+ },
2048
+ {
2049
+ "epoch": 8.735976065818997,
2050
+ "grad_norm": NaN,
2051
+ "learning_rate": 7.70228978009907e-06,
2052
+ "loss": 0.0,
2053
+ "step": 2920
2054
+ },
2055
+ {
2056
+ "epoch": 8.765893792071802,
2057
+ "grad_norm": NaN,
2058
+ "learning_rate": 7.344384797595716e-06,
2059
+ "loss": 0.0,
2060
+ "step": 2930
2061
+ },
2062
+ {
2063
+ "epoch": 8.795811518324607,
2064
+ "grad_norm": NaN,
2065
+ "learning_rate": 6.994677200490507e-06,
2066
+ "loss": 0.0,
2067
+ "step": 2940
2068
+ },
2069
+ {
2070
+ "epoch": 8.825729244577412,
2071
+ "grad_norm": NaN,
2072
+ "learning_rate": 6.653197927954791e-06,
2073
+ "loss": 0.0,
2074
+ "step": 2950
2075
+ },
2076
+ {
2077
+ "epoch": 8.855646970830216,
2078
+ "grad_norm": NaN,
2079
+ "learning_rate": 6.319977191187232e-06,
2080
+ "loss": 0.0,
2081
+ "step": 2960
2082
+ },
2083
+ {
2084
+ "epoch": 8.885564697083021,
2085
+ "grad_norm": NaN,
2086
+ "learning_rate": 5.995044470741151e-06,
2087
+ "loss": 0.0,
2088
+ "step": 2970
2089
+ },
2090
+ {
2091
+ "epoch": 8.915482423335826,
2092
+ "grad_norm": NaN,
2093
+ "learning_rate": 5.678428513916212e-06,
2094
+ "loss": 0.0,
2095
+ "step": 2980
2096
+ },
2097
+ {
2098
+ "epoch": 8.94540014958863,
2099
+ "grad_norm": NaN,
2100
+ "learning_rate": 5.370157332215209e-06,
2101
+ "loss": 0.0,
2102
+ "step": 2990
2103
+ },
2104
+ {
2105
+ "epoch": 8.975317875841435,
2106
+ "grad_norm": NaN,
2107
+ "learning_rate": 5.07025819886574e-06,
2108
+ "loss": 0.0,
2109
+ "step": 3000
2110
+ },
2111
+ {
2112
+ "epoch": 9.00523560209424,
2113
+ "grad_norm": NaN,
2114
+ "learning_rate": 4.778757646407362e-06,
2115
+ "loss": 0.0,
2116
+ "step": 3010
2117
+ },
2118
+ {
2119
+ "epoch": 9.035153328347045,
2120
+ "grad_norm": NaN,
2121
+ "learning_rate": 4.495681464344259e-06,
2122
+ "loss": 0.0,
2123
+ "step": 3020
2124
+ },
2125
+ {
2126
+ "epoch": 9.06507105459985,
2127
+ "grad_norm": NaN,
2128
+ "learning_rate": 4.22105469686348e-06,
2129
+ "loss": 0.0,
2130
+ "step": 3030
2131
+ },
2132
+ {
2133
+ "epoch": 9.094988780852654,
2134
+ "grad_norm": NaN,
2135
+ "learning_rate": 3.954901640619368e-06,
2136
+ "loss": 0.0,
2137
+ "step": 3040
2138
+ },
2139
+ {
2140
+ "epoch": 9.12490650710546,
2141
+ "grad_norm": NaN,
2142
+ "learning_rate": 3.6972458425838962e-06,
2143
+ "loss": 0.0,
2144
+ "step": 3050
2145
+ },
2146
+ {
2147
+ "epoch": 9.154824233358266,
2148
+ "grad_norm": NaN,
2149
+ "learning_rate": 3.4481100979635306e-06,
2150
+ "loss": 0.0,
2151
+ "step": 3060
2152
+ },
2153
+ {
2154
+ "epoch": 9.18474195961107,
2155
+ "grad_norm": NaN,
2156
+ "learning_rate": 3.207516448182435e-06,
2157
+ "loss": 0.0,
2158
+ "step": 3070
2159
+ },
2160
+ {
2161
+ "epoch": 9.214659685863875,
2162
+ "grad_norm": NaN,
2163
+ "learning_rate": 2.9754861789324073e-06,
2164
+ "loss": 0.0,
2165
+ "step": 3080
2166
+ },
2167
+ {
2168
+ "epoch": 9.24457741211668,
2169
+ "grad_norm": NaN,
2170
+ "learning_rate": 2.752039818289809e-06,
2171
+ "loss": 0.0,
2172
+ "step": 3090
2173
+ },
2174
+ {
2175
+ "epoch": 9.274495138369485,
2176
+ "grad_norm": NaN,
2177
+ "learning_rate": 2.537197134899294e-06,
2178
+ "loss": 0.0,
2179
+ "step": 3100
2180
+ },
2181
+ {
2182
+ "epoch": 9.30441286462229,
2183
+ "grad_norm": NaN,
2184
+ "learning_rate": 2.330977136224932e-06,
2185
+ "loss": 0.0,
2186
+ "step": 3110
2187
+ },
2188
+ {
2189
+ "epoch": 9.334330590875094,
2190
+ "grad_norm": NaN,
2191
+ "learning_rate": 2.1333980668685414e-06,
2192
+ "loss": 0.0,
2193
+ "step": 3120
2194
+ },
2195
+ {
2196
+ "epoch": 9.364248317127899,
2197
+ "grad_norm": NaN,
2198
+ "learning_rate": 1.9444774069555694e-06,
2199
+ "loss": 0.0,
2200
+ "step": 3130
2201
+ },
2202
+ {
2203
+ "epoch": 9.394166043380704,
2204
+ "grad_norm": NaN,
2205
+ "learning_rate": 1.7642318705886286e-06,
2206
+ "loss": 0.0,
2207
+ "step": 3140
2208
+ },
2209
+ {
2210
+ "epoch": 9.424083769633508,
2211
+ "grad_norm": NaN,
2212
+ "learning_rate": 1.5926774043687365e-06,
2213
+ "loss": 0.0,
2214
+ "step": 3150
2215
+ },
2216
+ {
2217
+ "epoch": 9.454001495886313,
2218
+ "grad_norm": NaN,
2219
+ "learning_rate": 1.4298291859845214e-06,
2220
+ "loss": 0.0,
2221
+ "step": 3160
2222
+ },
2223
+ {
2224
+ "epoch": 9.483919222139118,
2225
+ "grad_norm": NaN,
2226
+ "learning_rate": 1.2757016228693964e-06,
2227
+ "loss": 0.0,
2228
+ "step": 3170
2229
+ },
2230
+ {
2231
+ "epoch": 9.513836948391923,
2232
+ "grad_norm": NaN,
2233
+ "learning_rate": 1.1303083509269452e-06,
2234
+ "loss": 0.0,
2235
+ "step": 3180
2236
+ },
2237
+ {
2238
+ "epoch": 9.543754674644727,
2239
+ "grad_norm": NaN,
2240
+ "learning_rate": 9.936622333245104e-07,
2241
+ "loss": 0.0,
2242
+ "step": 3190
2243
+ },
2244
+ {
2245
+ "epoch": 9.573672400897532,
2246
+ "grad_norm": NaN,
2247
+ "learning_rate": 8.657753593552143e-07,
2248
+ "loss": 0.0,
2249
+ "step": 3200
2250
+ },
2251
+ {
2252
+ "epoch": 9.603590127150337,
2253
+ "grad_norm": NaN,
2254
+ "learning_rate": 7.466590433683251e-07,
2255
+ "loss": 0.0,
2256
+ "step": 3210
2257
+ },
2258
+ {
2259
+ "epoch": 9.633507853403142,
2260
+ "grad_norm": NaN,
2261
+ "learning_rate": 6.363238237683033e-07,
2262
+ "loss": 0.0,
2263
+ "step": 3220
2264
+ },
2265
+ {
2266
+ "epoch": 9.663425579655947,
2267
+ "grad_norm": NaN,
2268
+ "learning_rate": 5.347794620824576e-07,
2269
+ "loss": 0.0,
2270
+ "step": 3230
2271
+ },
2272
+ {
2273
+ "epoch": 9.693343305908751,
2274
+ "grad_norm": NaN,
2275
+ "learning_rate": 4.4203494209733576e-07,
2276
+ "loss": 0.0,
2277
+ "step": 3240
2278
+ },
2279
+ {
2280
+ "epoch": 9.723261032161556,
2281
+ "grad_norm": NaN,
2282
+ "learning_rate": 3.580984690638611e-07,
2283
+ "loss": 0.0,
2284
+ "step": 3250
2285
+ },
2286
+ {
2287
+ "epoch": 9.75317875841436,
2288
+ "grad_norm": NaN,
2289
+ "learning_rate": 2.8297746897146816e-07,
2290
+ "loss": 0.0,
2291
+ "step": 3260
2292
+ },
2293
+ {
2294
+ "epoch": 9.783096484667166,
2295
+ "grad_norm": NaN,
2296
+ "learning_rate": 2.1667858789105043e-07,
2297
+ "loss": 0.0,
2298
+ "step": 3270
2299
+ },
2300
+ {
2301
+ "epoch": 9.81301421091997,
2302
+ "grad_norm": NaN,
2303
+ "learning_rate": 1.5920769138706438e-07,
2304
+ "loss": 0.0,
2305
+ "step": 3280
2306
+ },
2307
+ {
2308
+ "epoch": 9.842931937172775,
2309
+ "grad_norm": NaN,
2310
+ "learning_rate": 1.1056986399845537e-07,
2311
+ "loss": 0.0,
2312
+ "step": 3290
2313
+ },
2314
+ {
2315
+ "epoch": 9.87284966342558,
2316
+ "grad_norm": NaN,
2317
+ "learning_rate": 7.07694087889621e-08,
2318
+ "loss": 0.0,
2319
+ "step": 3300
2320
+ },
2321
+ {
2322
+ "epoch": 9.902767389678385,
2323
+ "grad_norm": NaN,
2324
+ "learning_rate": 3.980984696634327e-08,
2325
+ "loss": 0.0,
2326
+ "step": 3310
2327
+ },
2328
+ {
2329
+ "epoch": 9.93268511593119,
2330
+ "grad_norm": NaN,
2331
+ "learning_rate": 1.7693917570837936e-08,
2332
+ "loss": 0.0,
2333
+ "step": 3320
2334
+ },
2335
+ {
2336
+ "epoch": 9.962602842183994,
2337
+ "grad_norm": NaN,
2338
+ "learning_rate": 4.42357723288156e-09,
2339
+ "loss": 0.0,
2340
+ "step": 3330
2341
+ },
2342
+ {
2343
+ "epoch": 9.992520568436799,
2344
+ "grad_norm": NaN,
2345
+ "learning_rate": 0.0,
2346
+ "loss": 0.0,
2347
+ "step": 3340
2348
+ },
2349
+ {
2350
+ "epoch": 9.992520568436799,
2351
+ "step": 3340,
2352
+ "total_flos": 1.6429048267800576e+17,
2353
+ "train_loss": 0.0,
2354
+ "train_runtime": 3248.6622,
2355
+ "train_samples_per_second": 4.116,
2356
+ "train_steps_per_second": 1.028
2357
+ }
2358
+ ],
2359
+ "logging_steps": 10,
2360
+ "max_steps": 3340,
2361
+ "num_input_tokens_seen": 0,
2362
+ "num_train_epochs": 10,
2363
+ "save_steps": 500,
2364
+ "total_flos": 1.6429048267800576e+17,
2365
+ "train_batch_size": 1,
2366
+ "trial_name": null,
2367
+ "trial_params": null
2368
+ }
training_args.bin CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:afaab247689d8cb095eda2741c7a13e9e082cc8c68691be5d3f92419f536b45f
3
  size 5048
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:2f5cefe777ff3b9b4ebca31da3adce5e545eba944835c44abd83b753168ff016
3
  size 5048