Hugging Face's logo

evanrsl
/
resnet-Alzheimer

Image Classification
Transformers
TensorBoard
Safetensors
resnet
Generated from Trainer
Inference Endpoints
Model card Files Metrics Community
evanrsl commited on
Commit
f544a86
•
1 Parent(s): 47e1a84

End of training

Browse files
Files changed (11) hide show
  1. README.md +112 -0
  2. all_results.json +13 -0
  3. config.json +53 -0
  4. eval_results.json +8 -0
  5. model.safetensors +3 -0
  6. preprocessor_config.json +22 -0
  7. runs/Mar07_03-18-48_606d6922676f/events.out.tfevents.1709781530.606d6922676f.1016.0 +3 -0
  8. runs/Mar07_03-18-48_606d6922676f/events.out.tfevents.1709785268.606d6922676f.1016.1 +3 -0
  9. train_results.json +8 -0
  10. trainer_state.json +3280 -0
  11. training_args.bin +3 -0
README.md ADDED
@@ -0,0 +1,112 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ license: apache-2.0
3
+ base_model: microsoft/resnet-50
4
+ tags:
5
+ - generated_from_trainer
6
+ metrics:
7
+ - accuracy
8
+ model-index:
9
+ - name: resnet-Alzheimer
10
+ results: []
11
+ ---
12
+
13
+ <!-- This model card has been generated automatically according to the information the Trainer had access to. You
14
+ should probably proofread and complete it, then remove this comment. -->
15
+
16
+ # resnet-Alzheimer
17
+
18
+ This model is a fine-tuned version of [microsoft/resnet-50](https://huggingface.co/microsoft/resnet-50) on an unknown dataset.
19
+ It achieves the following results on the evaluation set:
20
+ - Loss: 0.0932
21
+ - Accuracy: 0.9795
22
+
23
+ ## Model description
24
+
25
+ More information needed
26
+
27
+ ## Intended uses & limitations
28
+
29
+ More information needed
30
+
31
+ ## Training and evaluation data
32
+
33
+ More information needed
34
+
35
+ ## Training procedure
36
+
37
+ ### Training hyperparameters
38
+
39
+ The following hyperparameters were used during training:
40
+ - learning_rate: 0.002
41
+ - train_batch_size: 16
42
+ - eval_batch_size: 16
43
+ - seed: 42
44
+ - gradient_accumulation_steps: 4
45
+ - total_train_batch_size: 64
46
+ - optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
47
+ - lr_scheduler_type: linear
48
+ - lr_scheduler_warmup_ratio: 0.1
49
+ - num_epochs: 50
50
+
51
+ ### Training results
52
+
53
+ | Training Loss | Epoch | Step | Validation Loss | Accuracy |
54
+ |:-------------:|:-----:|:----:|:---------------:|:--------:|
55
+ | 1.0127 | 1.0 | 80 | 0.9888 | 0.5088 |
56
+ | 0.9345 | 2.0 | 160 | 0.9422 | 0.5303 |
57
+ | 0.8889 | 3.0 | 240 | 0.8724 | 0.5781 |
58
+ | 0.8843 | 4.0 | 320 | 0.8536 | 0.5889 |
59
+ | 0.8397 | 5.0 | 400 | 0.8354 | 0.6152 |
60
+ | 0.8624 | 6.0 | 480 | 0.9221 | 0.5381 |
61
+ | 0.7543 | 7.0 | 560 | 0.7568 | 0.6475 |
62
+ | 0.6993 | 8.0 | 640 | 0.8830 | 0.6133 |
63
+ | 0.7045 | 9.0 | 720 | 0.7373 | 0.6582 |
64
+ | 0.6557 | 10.0 | 800 | 0.6076 | 0.7451 |
65
+ | 0.5876 | 11.0 | 880 | 0.7281 | 0.6992 |
66
+ | 0.5732 | 12.0 | 960 | 0.5769 | 0.7510 |
67
+ | 0.4864 | 13.0 | 1040 | 0.4457 | 0.8311 |
68
+ | 0.5175 | 14.0 | 1120 | 0.5278 | 0.7842 |
69
+ | 0.4865 | 15.0 | 1200 | 0.4164 | 0.8379 |
70
+ | 0.4049 | 16.0 | 1280 | 0.4204 | 0.8301 |
71
+ | 0.4167 | 17.0 | 1360 | 0.4720 | 0.8281 |
72
+ | 0.36 | 18.0 | 1440 | 0.4660 | 0.8164 |
73
+ | 0.3195 | 19.0 | 1520 | 0.3064 | 0.8770 |
74
+ | 0.3652 | 20.0 | 1600 | 0.2571 | 0.9121 |
75
+ | 0.2794 | 21.0 | 1680 | 0.2450 | 0.9150 |
76
+ | 0.2704 | 22.0 | 1760 | 0.2391 | 0.9033 |
77
+ | 0.2612 | 23.0 | 1840 | 0.2352 | 0.9277 |
78
+ | 0.2425 | 24.0 | 1920 | 0.4720 | 0.8281 |
79
+ | 0.2567 | 25.0 | 2000 | 0.2296 | 0.9131 |
80
+ | 0.2302 | 26.0 | 2080 | 0.3067 | 0.8945 |
81
+ | 0.2358 | 27.0 | 2160 | 0.1776 | 0.9375 |
82
+ | 0.2173 | 28.0 | 2240 | 0.1596 | 0.9492 |
83
+ | 0.1798 | 29.0 | 2320 | 0.1548 | 0.9414 |
84
+ | 0.197 | 30.0 | 2400 | 0.1740 | 0.9570 |
85
+ | 0.1654 | 31.0 | 2480 | 0.1217 | 0.9668 |
86
+ | 0.1896 | 32.0 | 2560 | 0.2552 | 0.9258 |
87
+ | 0.1705 | 33.0 | 2640 | 0.1031 | 0.9727 |
88
+ | 0.1689 | 34.0 | 2720 | 0.1011 | 0.9688 |
89
+ | 0.1439 | 35.0 | 2800 | 0.1175 | 0.9648 |
90
+ | 0.1606 | 36.0 | 2880 | 0.1805 | 0.9443 |
91
+ | 0.1281 | 37.0 | 2960 | 0.1254 | 0.9678 |
92
+ | 0.1518 | 38.0 | 3040 | 0.1184 | 0.9648 |
93
+ | 0.1531 | 39.0 | 3120 | 0.0992 | 0.9736 |
94
+ | 0.132 | 40.0 | 3200 | 0.0920 | 0.9775 |
95
+ | 0.134 | 41.0 | 3280 | 0.1391 | 0.9639 |
96
+ | 0.1413 | 42.0 | 3360 | 0.1122 | 0.9717 |
97
+ | 0.1097 | 43.0 | 3440 | 0.1171 | 0.9678 |
98
+ | 0.1167 | 44.0 | 3520 | 0.1054 | 0.9766 |
99
+ | 0.1388 | 45.0 | 3600 | 0.0932 | 0.9795 |
100
+ | 0.1221 | 46.0 | 3680 | 0.0946 | 0.9766 |
101
+ | 0.1099 | 47.0 | 3760 | 0.1116 | 0.9756 |
102
+ | 0.1041 | 48.0 | 3840 | 0.1126 | 0.9746 |
103
+ | 0.1025 | 49.0 | 3920 | 0.1114 | 0.9756 |
104
+ | 0.0887 | 50.0 | 4000 | 0.1056 | 0.9756 |
105
+
106
+
107
+ ### Framework versions
108
+
109
+ - Transformers 4.38.2
110
+ - Pytorch 2.1.0+cu121
111
+ - Datasets 2.18.0
112
+ - Tokenizers 0.15.2
all_results.json ADDED
@@ -0,0 +1,13 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 50.0,
3
+ "eval_accuracy": 0.9794921875,
4
+ "eval_loss": 0.09323666244745255,
5
+ "eval_runtime": 4.9584,
6
+ "eval_samples_per_second": 206.517,
7
+ "eval_steps_per_second": 12.907,
8
+ "total_flos": 5.437210780237824e+18,
9
+ "train_loss": 0.3629864407479763,
10
+ "train_runtime": 3465.6999,
11
+ "train_samples_per_second": 73.867,
12
+ "train_steps_per_second": 1.154
13
+ }
config.json ADDED
@@ -0,0 +1,53 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "microsoft/resnet-50",
3
+ "architectures": [
4
+ "ResNetForImageClassification"
5
+ ],
6
+ "depths": [
7
+ 3,
8
+ 4,
9
+ 6,
10
+ 3
11
+ ],
12
+ "downsample_in_bottleneck": false,
13
+ "downsample_in_first_stage": false,
14
+ "embedding_size": 64,
15
+ "hidden_act": "relu",
16
+ "hidden_sizes": [
17
+ 256,
18
+ 512,
19
+ 1024,
20
+ 2048
21
+ ],
22
+ "id2label": {
23
+ "0": "Mild_Demented",
24
+ "1": "Moderate_Demented",
25
+ "2": "Non_Demented",
26
+ "3": "Very_Mild_Demented"
27
+ },
28
+ "label2id": {
29
+ "Mild_Demented": "0",
30
+ "Moderate_Demented": "1",
31
+ "Non_Demented": "2",
32
+ "Very_Mild_Demented": "3"
33
+ },
34
+ "layer_type": "bottleneck",
35
+ "model_type": "resnet",
36
+ "num_channels": 3,
37
+ "out_features": [
38
+ "stage4"
39
+ ],
40
+ "out_indices": [
41
+ 4
42
+ ],
43
+ "problem_type": "single_label_classification",
44
+ "stage_names": [
45
+ "stem",
46
+ "stage1",
47
+ "stage2",
48
+ "stage3",
49
+ "stage4"
50
+ ],
51
+ "torch_dtype": "float32",
52
+ "transformers_version": "4.38.2"
53
+ }
eval_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 50.0,
3
+ "eval_accuracy": 0.9794921875,
4
+ "eval_loss": 0.09323666244745255,
5
+ "eval_runtime": 4.9584,
6
+ "eval_samples_per_second": 206.517,
7
+ "eval_steps_per_second": 12.907
8
+ }
model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:029a8ae5f126fd073b1ab5d8557516e85c13d2f89151fe30dd1b908285b38fa0
3
+ size 94319344
preprocessor_config.json ADDED
@@ -0,0 +1,22 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "crop_pct": 0.875,
3
+ "do_normalize": true,
4
+ "do_rescale": true,
5
+ "do_resize": true,
6
+ "image_mean": [
7
+ 0.485,
8
+ 0.456,
9
+ 0.406
10
+ ],
11
+ "image_processor_type": "ConvNextImageProcessor",
12
+ "image_std": [
13
+ 0.229,
14
+ 0.224,
15
+ 0.225
16
+ ],
17
+ "resample": 3,
18
+ "rescale_factor": 0.00392156862745098,
19
+ "size": {
20
+ "shortest_edge": 224
21
+ }
22
+ }
runs/Mar07_03-18-48_606d6922676f/events.out.tfevents.1709781530.606d6922676f.1016.0 ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:5790612438d06e2ed0cceaee3ef25c441d28e09f2b9c07c8d451e313069f40b7
3
+ size 105676
runs/Mar07_03-18-48_606d6922676f/events.out.tfevents.1709785268.606d6922676f.1016.1 ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:cc2935e6bd8a6623dced1d3dbbb6b041793ca5563cab7ba253ded482f2c1c2cc
3
+ size 411
train_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 50.0,
3
+ "total_flos": 5.437210780237824e+18,
4
+ "train_loss": 0.3629864407479763,
5
+ "train_runtime": 3465.6999,
6
+ "train_samples_per_second": 73.867,
7
+ "train_steps_per_second": 1.154
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,3280 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": 0.9794921875,
3
+ "best_model_checkpoint": "resnet-Alzheimer/checkpoint-3600",
4
+ "epoch": 50.0,
5
+ "eval_steps": 500,
6
+ "global_step": 4000,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.12,
13
+ "grad_norm": 2.1754038333892822,
14
+ "learning_rate": 5e-05,
15
+ "loss": 1.3812,
16
+ "step": 10
17
+ },
18
+ {
19
+ "epoch": 0.25,
20
+ "grad_norm": 3.91097092628479,
21
+ "learning_rate": 0.0001,
22
+ "loss": 1.34,
23
+ "step": 20
24
+ },
25
+ {
26
+ "epoch": 0.38,
27
+ "grad_norm": 4.134509563446045,
28
+ "learning_rate": 0.00015,
29
+ "loss": 1.2635,
30
+ "step": 30
31
+ },
32
+ {
33
+ "epoch": 0.5,
34
+ "grad_norm": 6.377187252044678,
35
+ "learning_rate": 0.0002,
36
+ "loss": 1.1824,
37
+ "step": 40
38
+ },
39
+ {
40
+ "epoch": 0.62,
41
+ "grad_norm": 7.713193416595459,
42
+ "learning_rate": 0.00025,
43
+ "loss": 1.1226,
44
+ "step": 50
45
+ },
46
+ {
47
+ "epoch": 0.75,
48
+ "grad_norm": 3.569382429122925,
49
+ "learning_rate": 0.0003,
50
+ "loss": 1.0308,
51
+ "step": 60
52
+ },
53
+ {
54
+ "epoch": 0.88,
55
+ "grad_norm": 5.650737285614014,
56
+ "learning_rate": 0.00035,
57
+ "loss": 1.0115,
58
+ "step": 70
59
+ },
60
+ {
61
+ "epoch": 1.0,
62
+ "grad_norm": 5.970870494842529,
63
+ "learning_rate": 0.0004,
64
+ "loss": 1.0127,
65
+ "step": 80
66
+ },
67
+ {
68
+ "epoch": 1.0,
69
+ "eval_accuracy": 0.5087890625,
70
+ "eval_loss": 0.9888483285903931,
71
+ "eval_runtime": 5.4153,
72
+ "eval_samples_per_second": 189.093,
73
+ "eval_steps_per_second": 11.818,
74
+ "step": 80
75
+ },
76
+ {
77
+ "epoch": 1.12,
78
+ "grad_norm": 2.92154860496521,
79
+ "learning_rate": 0.00045000000000000004,
80
+ "loss": 1.0175,
81
+ "step": 90
82
+ },
83
+ {
84
+ "epoch": 1.25,
85
+ "grad_norm": 4.131512641906738,
86
+ "learning_rate": 0.0005,
87
+ "loss": 0.918,
88
+ "step": 100
89
+ },
90
+ {
91
+ "epoch": 1.38,
92
+ "grad_norm": 2.9838943481445312,
93
+ "learning_rate": 0.00055,
94
+ "loss": 0.9613,
95
+ "step": 110
96
+ },
97
+ {
98
+ "epoch": 1.5,
99
+ "grad_norm": 2.4230854511260986,
100
+ "learning_rate": 0.0006,
101
+ "loss": 0.9188,
102
+ "step": 120
103
+ },
104
+ {
105
+ "epoch": 1.62,
106
+ "grad_norm": 3.774385690689087,
107
+ "learning_rate": 0.0006500000000000001,
108
+ "loss": 0.9245,
109
+ "step": 130
110
+ },
111
+ {
112
+ "epoch": 1.75,
113
+ "grad_norm": 3.175440549850464,
114
+ "learning_rate": 0.0007,
115
+ "loss": 0.8713,
116
+ "step": 140
117
+ },
118
+ {
119
+ "epoch": 1.88,
120
+ "grad_norm": 2.7985305786132812,
121
+ "learning_rate": 0.00075,
122
+ "loss": 0.9264,
123
+ "step": 150
124
+ },
125
+ {
126
+ "epoch": 2.0,
127
+ "grad_norm": 1.5870747566223145,
128
+ "learning_rate": 0.0008,
129
+ "loss": 0.9345,
130
+ "step": 160
131
+ },
132
+ {
133
+ "epoch": 2.0,
134
+ "eval_accuracy": 0.5302734375,
135
+ "eval_loss": 0.942151665687561,
136
+ "eval_runtime": 5.1954,
137
+ "eval_samples_per_second": 197.099,
138
+ "eval_steps_per_second": 12.319,
139
+ "step": 160
140
+ },
141
+ {
142
+ "epoch": 2.12,
143
+ "grad_norm": 1.3990691900253296,
144
+ "learning_rate": 0.00085,
145
+ "loss": 0.8851,
146
+ "step": 170
147
+ },
148
+ {
149
+ "epoch": 2.25,
150
+ "grad_norm": 1.4066977500915527,
151
+ "learning_rate": 0.0009000000000000001,
152
+ "loss": 0.9081,
153
+ "step": 180
154
+ },
155
+ {
156
+ "epoch": 2.38,
157
+ "grad_norm": 1.5531185865402222,
158
+ "learning_rate": 0.00095,
159
+ "loss": 0.8888,
160
+ "step": 190
161
+ },
162
+ {
163
+ "epoch": 2.5,
164
+ "grad_norm": 1.960204839706421,
165
+ "learning_rate": 0.001,
166
+ "loss": 0.9206,
167
+ "step": 200
168
+ },
169
+ {
170
+ "epoch": 2.62,
171
+ "grad_norm": 1.0218795537948608,
172
+ "learning_rate": 0.0010500000000000002,
173
+ "loss": 0.8735,
174
+ "step": 210
175
+ },
176
+ {
177
+ "epoch": 2.75,
178
+ "grad_norm": 1.9216176271438599,
179
+ "learning_rate": 0.0011,
180
+ "loss": 0.924,
181
+ "step": 220
182
+ },
183
+ {
184
+ "epoch": 2.88,
185
+ "grad_norm": 1.9017541408538818,
186
+ "learning_rate": 0.00115,
187
+ "loss": 0.9327,
188
+ "step": 230
189
+ },
190
+ {
191
+ "epoch": 3.0,
192
+ "grad_norm": 1.556686282157898,
193
+ "learning_rate": 0.0012,
194
+ "loss": 0.8889,
195
+ "step": 240
196
+ },
197
+ {
198
+ "epoch": 3.0,
199
+ "eval_accuracy": 0.578125,
200
+ "eval_loss": 0.8723889589309692,
201
+ "eval_runtime": 4.9225,
202
+ "eval_samples_per_second": 208.026,
203
+ "eval_steps_per_second": 13.002,
204
+ "step": 240
205
+ },
206
+ {
207
+ "epoch": 3.12,
208
+ "grad_norm": 0.9459726810455322,
209
+ "learning_rate": 0.00125,
210
+ "loss": 0.8643,
211
+ "step": 250
212
+ },
213
+ {
214
+ "epoch": 3.25,
215
+ "grad_norm": 0.749912679195404,
216
+ "learning_rate": 0.0013000000000000002,
217
+ "loss": 0.8978,
218
+ "step": 260
219
+ },
220
+ {
221
+ "epoch": 3.38,
222
+ "grad_norm": 0.9228126406669617,
223
+ "learning_rate": 0.00135,
224
+ "loss": 0.8838,
225
+ "step": 270
226
+ },
227
+ {
228
+ "epoch": 3.5,
229
+ "grad_norm": 1.0743939876556396,
230
+ "learning_rate": 0.0014,
231
+ "loss": 0.8868,
232
+ "step": 280
233
+ },
234
+ {
235
+ "epoch": 3.62,
236
+ "grad_norm": 0.997053325176239,
237
+ "learning_rate": 0.00145,
238
+ "loss": 0.8632,
239
+ "step": 290
240
+ },
241
+ {
242
+ "epoch": 3.75,
243
+ "grad_norm": 0.5891302227973938,
244
+ "learning_rate": 0.0015,
245
+ "loss": 0.8501,
246
+ "step": 300
247
+ },
248
+ {
249
+ "epoch": 3.88,
250
+ "grad_norm": 1.0819345712661743,
251
+ "learning_rate": 0.0015500000000000002,
252
+ "loss": 0.884,
253
+ "step": 310
254
+ },
255
+ {
256
+ "epoch": 4.0,
257
+ "grad_norm": 0.5622245073318481,
258
+ "learning_rate": 0.0016,
259
+ "loss": 0.8843,
260
+ "step": 320
261
+ },
262
+ {
263
+ "epoch": 4.0,
264
+ "eval_accuracy": 0.5888671875,
265
+ "eval_loss": 0.8535706996917725,
266
+ "eval_runtime": 6.5338,
267
+ "eval_samples_per_second": 156.725,
268
+ "eval_steps_per_second": 9.795,
269
+ "step": 320
270
+ },
271
+ {
272
+ "epoch": 4.12,
273
+ "grad_norm": 0.7301604747772217,
274
+ "learning_rate": 0.00165,
275
+ "loss": 0.8241,
276
+ "step": 330
277
+ },
278
+ {
279
+ "epoch": 4.25,
280
+ "grad_norm": 1.222732424736023,
281
+ "learning_rate": 0.0017,
282
+ "loss": 0.8929,
283
+ "step": 340
284
+ },
285
+ {
286
+ "epoch": 4.38,
287
+ "grad_norm": 0.8520879745483398,
288
+ "learning_rate": 0.00175,
289
+ "loss": 0.8726,
290
+ "step": 350
291
+ },
292
+ {
293
+ "epoch": 4.5,
294
+ "grad_norm": 0.6151734590530396,
295
+ "learning_rate": 0.0018000000000000002,
296
+ "loss": 0.8851,
297
+ "step": 360
298
+ },
299
+ {
300
+ "epoch": 4.62,
301
+ "grad_norm": 0.6786526441574097,
302
+ "learning_rate": 0.00185,
303
+ "loss": 0.8544,
304
+ "step": 370
305
+ },
306
+ {
307
+ "epoch": 4.75,
308
+ "grad_norm": 0.8025469779968262,
309
+ "learning_rate": 0.0019,
310
+ "loss": 0.8432,
311
+ "step": 380
312
+ },
313
+ {
314
+ "epoch": 4.88,
315
+ "grad_norm": 1.0158729553222656,
316
+ "learning_rate": 0.00195,
317
+ "loss": 0.8261,
318
+ "step": 390
319
+ },
320
+ {
321
+ "epoch": 5.0,
322
+ "grad_norm": 0.7815405130386353,
323
+ "learning_rate": 0.002,
324
+ "loss": 0.8397,
325
+ "step": 400
326
+ },
327
+ {
328
+ "epoch": 5.0,
329
+ "eval_accuracy": 0.615234375,
330
+ "eval_loss": 0.8353910446166992,
331
+ "eval_runtime": 5.3022,
332
+ "eval_samples_per_second": 193.129,
333
+ "eval_steps_per_second": 12.071,
334
+ "step": 400
335
+ },
336
+ {
337
+ "epoch": 5.12,
338
+ "grad_norm": 0.9535025954246521,
339
+ "learning_rate": 0.0019944444444444445,
340
+ "loss": 0.8636,
341
+ "step": 410
342
+ },
343
+ {
344
+ "epoch": 5.25,
345
+ "grad_norm": 0.43990448117256165,
346
+ "learning_rate": 0.001988888888888889,
347
+ "loss": 0.7931,
348
+ "step": 420
349
+ },
350
+ {
351
+ "epoch": 5.38,
352
+ "grad_norm": 0.6062633395195007,
353
+ "learning_rate": 0.0019833333333333335,
354
+ "loss": 0.8345,
355
+ "step": 430
356
+ },
357
+ {
358
+ "epoch": 5.5,
359
+ "grad_norm": 0.6349042057991028,
360
+ "learning_rate": 0.001977777777777778,
361
+ "loss": 0.8593,
362
+ "step": 440
363
+ },
364
+ {
365
+ "epoch": 5.62,
366
+ "grad_norm": 0.6786915063858032,
367
+ "learning_rate": 0.0019722222222222224,
368
+ "loss": 0.8435,
369
+ "step": 450
370
+ },
371
+ {
372
+ "epoch": 5.75,
373
+ "grad_norm": 0.7090786695480347,
374
+ "learning_rate": 0.0019666666666666665,
375
+ "loss": 0.8008,
376
+ "step": 460
377
+ },
378
+ {
379
+ "epoch": 5.88,
380
+ "grad_norm": 0.6538481712341309,
381
+ "learning_rate": 0.001961111111111111,
382
+ "loss": 0.763,
383
+ "step": 470
384
+ },
385
+ {
386
+ "epoch": 6.0,
387
+ "grad_norm": 0.4316461682319641,
388
+ "learning_rate": 0.0019555555555555554,
389
+ "loss": 0.8624,
390
+ "step": 480
391
+ },
392
+ {
393
+ "epoch": 6.0,
394
+ "eval_accuracy": 0.5380859375,
395
+ "eval_loss": 0.9221189022064209,
396
+ "eval_runtime": 4.9173,
397
+ "eval_samples_per_second": 208.245,
398
+ "eval_steps_per_second": 13.015,
399
+ "step": 480
400
+ },
401
+ {
402
+ "epoch": 6.12,
403
+ "grad_norm": 0.5696819424629211,
404
+ "learning_rate": 0.00195,
405
+ "loss": 0.8065,
406
+ "step": 490
407
+ },
408
+ {
409
+ "epoch": 6.25,
410
+ "grad_norm": 0.6260728240013123,
411
+ "learning_rate": 0.0019444444444444444,
412
+ "loss": 0.7873,
413
+ "step": 500
414
+ },
415
+ {
416
+ "epoch": 6.38,
417
+ "grad_norm": 0.6295855045318604,
418
+ "learning_rate": 0.0019388888888888889,
419
+ "loss": 0.7802,
420
+ "step": 510
421
+ },
422
+ {
423
+ "epoch": 6.5,
424
+ "grad_norm": 0.6074417233467102,
425
+ "learning_rate": 0.0019333333333333333,
426
+ "loss": 0.7907,
427
+ "step": 520
428
+ },
429
+ {
430
+ "epoch": 6.62,
431
+ "grad_norm": 0.6099679470062256,
432
+ "learning_rate": 0.0019277777777777778,
433
+ "loss": 0.7391,
434
+ "step": 530
435
+ },
436
+ {
437
+ "epoch": 6.75,
438
+ "grad_norm": 0.9349565505981445,
439
+ "learning_rate": 0.0019222222222222223,
440
+ "loss": 0.7749,
441
+ "step": 540
442
+ },
443
+ {
444
+ "epoch": 6.88,
445
+ "grad_norm": 0.6923946142196655,
446
+ "learning_rate": 0.0019166666666666668,
447
+ "loss": 0.8232,
448
+ "step": 550
449
+ },
450
+ {
451
+ "epoch": 7.0,
452
+ "grad_norm": 0.5967056751251221,
453
+ "learning_rate": 0.0019111111111111113,
454
+ "loss": 0.7543,
455
+ "step": 560
456
+ },
457
+ {
458
+ "epoch": 7.0,
459
+ "eval_accuracy": 0.6474609375,
460
+ "eval_loss": 0.7568103671073914,
461
+ "eval_runtime": 5.3014,
462
+ "eval_samples_per_second": 193.156,
463
+ "eval_steps_per_second": 12.072,
464
+ "step": 560
465
+ },
466
+ {
467
+ "epoch": 7.12,
468
+ "grad_norm": 0.7925052642822266,
469
+ "learning_rate": 0.0019055555555555555,
470
+ "loss": 0.7086,
471
+ "step": 570
472
+ },
473
+ {
474
+ "epoch": 7.25,
475
+ "grad_norm": 0.715761125087738,
476
+ "learning_rate": 0.0019,
477
+ "loss": 0.7901,
478
+ "step": 580
479
+ },
480
+ {
481
+ "epoch": 7.38,
482
+ "grad_norm": 0.6602711081504822,
483
+ "learning_rate": 0.0018944444444444445,
484
+ "loss": 0.7375,
485
+ "step": 590
486
+ },
487
+ {
488
+ "epoch": 7.5,
489
+ "grad_norm": 0.5104066729545593,
490
+ "learning_rate": 0.001888888888888889,
491
+ "loss": 0.7805,
492
+ "step": 600
493
+ },
494
+ {
495
+ "epoch": 7.62,
496
+ "grad_norm": 0.6333702802658081,
497
+ "learning_rate": 0.0018833333333333334,
498
+ "loss": 0.7017,
499
+ "step": 610
500
+ },
501
+ {
502
+ "epoch": 7.75,
503
+ "grad_norm": 0.5703239440917969,
504
+ "learning_rate": 0.001877777777777778,
505
+ "loss": 0.7086,
506
+ "step": 620
507
+ },
508
+ {
509
+ "epoch": 7.88,
510
+ "grad_norm": 0.8939486742019653,
511
+ "learning_rate": 0.0018722222222222222,
512
+ "loss": 0.7399,
513
+ "step": 630
514
+ },
515
+ {
516
+ "epoch": 8.0,
517
+ "grad_norm": 0.6808524131774902,
518
+ "learning_rate": 0.0018666666666666666,
519
+ "loss": 0.6993,
520
+ "step": 640
521
+ },
522
+ {
523
+ "epoch": 8.0,
524
+ "eval_accuracy": 0.61328125,
525
+ "eval_loss": 0.8830391764640808,
526
+ "eval_runtime": 4.9073,
527
+ "eval_samples_per_second": 208.667,
528
+ "eval_steps_per_second": 13.042,
529
+ "step": 640
530
+ },
531
+ {
532
+ "epoch": 8.12,
533
+ "grad_norm": 0.7670312523841858,
534
+ "learning_rate": 0.0018611111111111111,
535
+ "loss": 0.7304,
536
+ "step": 650
537
+ },
538
+ {
539
+ "epoch": 8.25,
540
+ "grad_norm": 0.518883466720581,
541
+ "learning_rate": 0.0018555555555555556,
542
+ "loss": 0.6759,
543
+ "step": 660
544
+ },
545
+ {
546
+ "epoch": 8.38,
547
+ "grad_norm": 0.6331384778022766,
548
+ "learning_rate": 0.00185,
549
+ "loss": 0.7323,
550
+ "step": 670
551
+ },
552
+ {
553
+ "epoch": 8.5,
554
+ "grad_norm": 0.5934571027755737,
555
+ "learning_rate": 0.0018444444444444446,
556
+ "loss": 0.7109,
557
+ "step": 680
558
+ },
559
+ {
560
+ "epoch": 8.62,
561
+ "grad_norm": 0.5555841326713562,
562
+ "learning_rate": 0.0018388888888888888,
563
+ "loss": 0.7361,
564
+ "step": 690
565
+ },
566
+ {
567
+ "epoch": 8.75,
568
+ "grad_norm": 0.45028582215309143,
569
+ "learning_rate": 0.0018333333333333333,
570
+ "loss": 0.7209,
571
+ "step": 700
572
+ },
573
+ {
574
+ "epoch": 8.88,
575
+ "grad_norm": 0.4313984811306,
576
+ "learning_rate": 0.0018277777777777778,
577
+ "loss": 0.692,
578
+ "step": 710
579
+ },
580
+ {
581
+ "epoch": 9.0,
582
+ "grad_norm": 0.6221916675567627,
583
+ "learning_rate": 0.0018222222222222223,
584
+ "loss": 0.7045,
585
+ "step": 720
586
+ },
587
+ {
588
+ "epoch": 9.0,
589
+ "eval_accuracy": 0.658203125,
590
+ "eval_loss": 0.7372878789901733,
591
+ "eval_runtime": 4.9218,
592
+ "eval_samples_per_second": 208.053,
593
+ "eval_steps_per_second": 13.003,
594
+ "step": 720
595
+ },
596
+ {
597
+ "epoch": 9.12,
598
+ "grad_norm": 0.9794626832008362,
599
+ "learning_rate": 0.0018166666666666667,
600
+ "loss": 0.641,
601
+ "step": 730
602
+ },
603
+ {
604
+ "epoch": 9.25,
605
+ "grad_norm": 0.8530990481376648,
606
+ "learning_rate": 0.0018111111111111112,
607
+ "loss": 0.6616,
608
+ "step": 740
609
+ },
610
+ {
611
+ "epoch": 9.38,
612
+ "grad_norm": 0.5696712136268616,
613
+ "learning_rate": 0.0018055555555555557,
614
+ "loss": 0.6685,
615
+ "step": 750
616
+ },
617
+ {
618
+ "epoch": 9.5,
619
+ "grad_norm": 0.6695945858955383,
620
+ "learning_rate": 0.0018000000000000002,
621
+ "loss": 0.6079,
622
+ "step": 760
623
+ },
624
+ {
625
+ "epoch": 9.62,
626
+ "grad_norm": 0.9470874667167664,
627
+ "learning_rate": 0.0017944444444444446,
628
+ "loss": 0.6362,
629
+ "step": 770
630
+ },
631
+ {
632
+ "epoch": 9.75,
633
+ "grad_norm": 1.0435755252838135,
634
+ "learning_rate": 0.001788888888888889,
635
+ "loss": 0.7036,
636
+ "step": 780
637
+ },
638
+ {
639
+ "epoch": 9.88,
640
+ "grad_norm": 0.4934737980365753,
641
+ "learning_rate": 0.0017833333333333334,
642
+ "loss": 0.6955,
643
+ "step": 790
644
+ },
645
+ {
646
+ "epoch": 10.0,
647
+ "grad_norm": 0.49625110626220703,
648
+ "learning_rate": 0.0017777777777777776,
649
+ "loss": 0.6557,
650
+ "step": 800
651
+ },
652
+ {
653
+ "epoch": 10.0,
654
+ "eval_accuracy": 0.7451171875,
655
+ "eval_loss": 0.6075544357299805,
656
+ "eval_runtime": 5.2806,
657
+ "eval_samples_per_second": 193.918,
658
+ "eval_steps_per_second": 12.12,
659
+ "step": 800
660
+ },
661
+ {
662
+ "epoch": 10.12,
663
+ "grad_norm": 0.49739229679107666,
664
+ "learning_rate": 0.0017722222222222221,
665
+ "loss": 0.605,
666
+ "step": 810
667
+ },
668
+ {
669
+ "epoch": 10.25,
670
+ "grad_norm": 0.6317277550697327,
671
+ "learning_rate": 0.0017666666666666666,
672
+ "loss": 0.5332,
673
+ "step": 820
674
+ },
675
+ {
676
+ "epoch": 10.38,
677
+ "grad_norm": 0.756879985332489,
678
+ "learning_rate": 0.001761111111111111,
679
+ "loss": 0.5619,
680
+ "step": 830
681
+ },
682
+ {
683
+ "epoch": 10.5,
684
+ "grad_norm": 0.6143298149108887,
685
+ "learning_rate": 0.0017555555555555556,
686
+ "loss": 0.601,
687
+ "step": 840
688
+ },
689
+ {
690
+ "epoch": 10.62,
691
+ "grad_norm": 0.7249147891998291,
692
+ "learning_rate": 0.00175,
693
+ "loss": 0.5935,
694
+ "step": 850
695
+ },
696
+ {
697
+ "epoch": 10.75,
698
+ "grad_norm": 0.4532654285430908,
699
+ "learning_rate": 0.0017444444444444445,
700
+ "loss": 0.5988,
701
+ "step": 860
702
+ },
703
+ {
704
+ "epoch": 10.88,
705
+ "grad_norm": 0.5738415718078613,
706
+ "learning_rate": 0.001738888888888889,
707
+ "loss": 0.6634,
708
+ "step": 870
709
+ },
710
+ {
711
+ "epoch": 11.0,
712
+ "grad_norm": 0.5514868497848511,
713
+ "learning_rate": 0.0017333333333333335,
714
+ "loss": 0.5876,
715
+ "step": 880
716
+ },
717
+ {
718
+ "epoch": 11.0,
719
+ "eval_accuracy": 0.69921875,
720
+ "eval_loss": 0.7281272411346436,
721
+ "eval_runtime": 4.8994,
722
+ "eval_samples_per_second": 209.004,
723
+ "eval_steps_per_second": 13.063,
724
+ "step": 880
725
+ },
726
+ {
727
+ "epoch": 11.12,
728
+ "grad_norm": 0.7158863544464111,
729
+ "learning_rate": 0.001727777777777778,
730
+ "loss": 0.606,
731
+ "step": 890
732
+ },
733
+ {
734
+ "epoch": 11.25,
735
+ "grad_norm": 0.7355363368988037,
736
+ "learning_rate": 0.0017222222222222224,
737
+ "loss": 0.5923,
738
+ "step": 900
739
+ },
740
+ {
741
+ "epoch": 11.38,
742
+ "grad_norm": 0.7794367671012878,
743
+ "learning_rate": 0.0017166666666666667,
744
+ "loss": 0.5935,
745
+ "step": 910
746
+ },
747
+ {
748
+ "epoch": 11.5,
749
+ "grad_norm": 0.9755826592445374,
750
+ "learning_rate": 0.0017111111111111112,
751
+ "loss": 0.644,
752
+ "step": 920
753
+ },
754
+ {
755
+ "epoch": 11.62,
756
+ "grad_norm": 0.6257722973823547,
757
+ "learning_rate": 0.0017055555555555554,
758
+ "loss": 0.617,
759
+ "step": 930
760
+ },
761
+ {
762
+ "epoch": 11.75,
763
+ "grad_norm": 0.8550503253936768,
764
+ "learning_rate": 0.0017,
765
+ "loss": 0.5854,
766
+ "step": 940
767
+ },
768
+ {
769
+ "epoch": 11.88,
770
+ "grad_norm": 0.7347137928009033,
771
+ "learning_rate": 0.0016944444444444444,
772
+ "loss": 0.6358,
773
+ "step": 950
774
+ },
775
+ {
776
+ "epoch": 12.0,
777
+ "grad_norm": 0.7867416739463806,
778
+ "learning_rate": 0.0016888888888888889,
779
+ "loss": 0.5732,
780
+ "step": 960
781
+ },
782
+ {
783
+ "epoch": 12.0,
784
+ "eval_accuracy": 0.7509765625,
785
+ "eval_loss": 0.5769097208976746,
786
+ "eval_runtime": 5.275,
787
+ "eval_samples_per_second": 194.122,
788
+ "eval_steps_per_second": 12.133,
789
+ "step": 960
790
+ },
791
+ {
792
+ "epoch": 12.12,
793
+ "grad_norm": 0.6022630333900452,
794
+ "learning_rate": 0.0016833333333333333,
795
+ "loss": 0.5643,
796
+ "step": 970
797
+ },
798
+ {
799
+ "epoch": 12.25,
800
+ "grad_norm": 0.599958062171936,
801
+ "learning_rate": 0.0016777777777777778,
802
+ "loss": 0.5438,
803
+ "step": 980
804
+ },
805
+ {
806
+ "epoch": 12.38,
807
+ "grad_norm": 0.6484814286231995,
808
+ "learning_rate": 0.0016722222222222223,
809
+ "loss": 0.5208,
810
+ "step": 990
811
+ },
812
+ {
813
+ "epoch": 12.5,
814
+ "grad_norm": 0.8167735934257507,
815
+ "learning_rate": 0.0016666666666666668,
816
+ "loss": 0.5369,
817
+ "step": 1000
818
+ },
819
+ {
820
+ "epoch": 12.62,
821
+ "grad_norm": 0.49088793992996216,
822
+ "learning_rate": 0.0016611111111111113,
823
+ "loss": 0.4803,
824
+ "step": 1010
825
+ },
826
+ {
827
+ "epoch": 12.75,
828
+ "grad_norm": 0.6817615628242493,
829
+ "learning_rate": 0.0016555555555555555,
830
+ "loss": 0.5102,
831
+ "step": 1020
832
+ },
833
+ {
834
+ "epoch": 12.88,
835
+ "grad_norm": 0.8656439781188965,
836
+ "learning_rate": 0.00165,
837
+ "loss": 0.5287,
838
+ "step": 1030
839
+ },
840
+ {
841
+ "epoch": 13.0,
842
+ "grad_norm": 0.5195401310920715,
843
+ "learning_rate": 0.0016444444444444445,
844
+ "loss": 0.4864,
845
+ "step": 1040
846
+ },
847
+ {
848
+ "epoch": 13.0,
849
+ "eval_accuracy": 0.8310546875,
850
+ "eval_loss": 0.445728600025177,
851
+ "eval_runtime": 4.9054,
852
+ "eval_samples_per_second": 208.751,
853
+ "eval_steps_per_second": 13.047,
854
+ "step": 1040
855
+ },
856
+ {
857
+ "epoch": 13.12,
858
+ "grad_norm": 0.7564366459846497,
859
+ "learning_rate": 0.001638888888888889,
860
+ "loss": 0.4715,
861
+ "step": 1050
862
+ },
863
+ {
864
+ "epoch": 13.25,
865
+ "grad_norm": 0.6976212859153748,
866
+ "learning_rate": 0.0016333333333333334,
867
+ "loss": 0.471,
868
+ "step": 1060
869
+ },
870
+ {
871
+ "epoch": 13.38,
872
+ "grad_norm": 0.7652568817138672,
873
+ "learning_rate": 0.001627777777777778,
874
+ "loss": 0.4821,
875
+ "step": 1070
876
+ },
877
+ {
878
+ "epoch": 13.5,
879
+ "grad_norm": 0.7834269404411316,
880
+ "learning_rate": 0.0016222222222222222,
881
+ "loss": 0.5091,
882
+ "step": 1080
883
+ },
884
+ {
885
+ "epoch": 13.62,
886
+ "grad_norm": 0.8186032176017761,
887
+ "learning_rate": 0.0016166666666666666,
888
+ "loss": 0.4611,
889
+ "step": 1090
890
+ },
891
+ {
892
+ "epoch": 13.75,
893
+ "grad_norm": 0.7720199227333069,
894
+ "learning_rate": 0.0016111111111111111,
895
+ "loss": 0.5397,
896
+ "step": 1100
897
+ },
898
+ {
899
+ "epoch": 13.88,
900
+ "grad_norm": 0.6797453165054321,
901
+ "learning_rate": 0.0016055555555555556,
902
+ "loss": 0.5135,
903
+ "step": 1110
904
+ },
905
+ {
906
+ "epoch": 14.0,
907
+ "grad_norm": 0.726184606552124,
908
+ "learning_rate": 0.0016,
909
+ "loss": 0.5175,
910
+ "step": 1120
911
+ },
912
+ {
913
+ "epoch": 14.0,
914
+ "eval_accuracy": 0.7841796875,
915
+ "eval_loss": 0.5278125405311584,
916
+ "eval_runtime": 4.8906,
917
+ "eval_samples_per_second": 209.383,
918
+ "eval_steps_per_second": 13.086,
919
+ "step": 1120
920
+ },
921
+ {
922
+ "epoch": 14.12,
923
+ "grad_norm": 0.6777172088623047,
924
+ "learning_rate": 0.0015944444444444446,
925
+ "loss": 0.4831,
926
+ "step": 1130
927
+ },
928
+ {
929
+ "epoch": 14.25,
930
+ "grad_norm": 0.6228752732276917,
931
+ "learning_rate": 0.0015888888888888888,
932
+ "loss": 0.4657,
933
+ "step": 1140
934
+ },
935
+ {
936
+ "epoch": 14.38,
937
+ "grad_norm": 0.7296370267868042,
938
+ "learning_rate": 0.0015833333333333333,
939
+ "loss": 0.5084,
940
+ "step": 1150
941
+ },
942
+ {
943
+ "epoch": 14.5,
944
+ "grad_norm": 0.7809439897537231,
945
+ "learning_rate": 0.0015777777777777778,
946
+ "loss": 0.4749,
947
+ "step": 1160
948
+ },
949
+ {
950
+ "epoch": 14.62,
951
+ "grad_norm": 0.4627506136894226,
952
+ "learning_rate": 0.0015722222222222223,
953
+ "loss": 0.4157,
954
+ "step": 1170
955
+ },
956
+ {
957
+ "epoch": 14.75,
958
+ "grad_norm": 0.465811163187027,
959
+ "learning_rate": 0.0015666666666666667,
960
+ "loss": 0.4192,
961
+ "step": 1180
962
+ },
963
+ {
964
+ "epoch": 14.88,
965
+ "grad_norm": 0.636384129524231,
966
+ "learning_rate": 0.0015611111111111112,
967
+ "loss": 0.4627,
968
+ "step": 1190
969
+ },
970
+ {
971
+ "epoch": 15.0,
972
+ "grad_norm": 0.8339561223983765,
973
+ "learning_rate": 0.0015555555555555557,
974
+ "loss": 0.4865,
975
+ "step": 1200
976
+ },
977
+ {
978
+ "epoch": 15.0,
979
+ "eval_accuracy": 0.837890625,
980
+ "eval_loss": 0.4163576364517212,
981
+ "eval_runtime": 5.3394,
982
+ "eval_samples_per_second": 191.782,
983
+ "eval_steps_per_second": 11.986,
984
+ "step": 1200
985
+ },
986
+ {
987
+ "epoch": 15.12,
988
+ "grad_norm": 0.5218497514724731,
989
+ "learning_rate": 0.0015500000000000002,
990
+ "loss": 0.4253,
991
+ "step": 1210
992
+ },
993
+ {
994
+ "epoch": 15.25,
995
+ "grad_norm": 0.6273193359375,
996
+ "learning_rate": 0.0015444444444444446,
997
+ "loss": 0.4474,
998
+ "step": 1220
999
+ },
1000
+ {
1001
+ "epoch": 15.38,
1002
+ "grad_norm": 0.6019622087478638,
1003
+ "learning_rate": 0.001538888888888889,
1004
+ "loss": 0.4008,
1005
+ "step": 1230
1006
+ },
1007
+ {
1008
+ "epoch": 15.5,
1009
+ "grad_norm": 0.7020573616027832,
1010
+ "learning_rate": 0.0015333333333333334,
1011
+ "loss": 0.3768,
1012
+ "step": 1240
1013
+ },
1014
+ {
1015
+ "epoch": 15.62,
1016
+ "grad_norm": 0.577691376209259,
1017
+ "learning_rate": 0.0015277777777777776,
1018
+ "loss": 0.4108,
1019
+ "step": 1250
1020
+ },
1021
+ {
1022
+ "epoch": 15.75,
1023
+ "grad_norm": 0.8489026427268982,
1024
+ "learning_rate": 0.0015222222222222221,
1025
+ "loss": 0.3994,
1026
+ "step": 1260
1027
+ },
1028
+ {
1029
+ "epoch": 15.88,
1030
+ "grad_norm": 0.42233309149742126,
1031
+ "learning_rate": 0.0015166666666666666,
1032
+ "loss": 0.4292,
1033
+ "step": 1270
1034
+ },
1035
+ {
1036
+ "epoch": 16.0,
1037
+ "grad_norm": 0.48867735266685486,
1038
+ "learning_rate": 0.001511111111111111,
1039
+ "loss": 0.4049,
1040
+ "step": 1280
1041
+ },
1042
+ {
1043
+ "epoch": 16.0,
1044
+ "eval_accuracy": 0.830078125,
1045
+ "eval_loss": 0.4204105734825134,
1046
+ "eval_runtime": 4.8855,
1047
+ "eval_samples_per_second": 209.602,
1048
+ "eval_steps_per_second": 13.1,
1049
+ "step": 1280
1050
+ },
1051
+ {
1052
+ "epoch": 16.12,
1053
+ "grad_norm": 0.6492818593978882,
1054
+ "learning_rate": 0.0015055555555555556,
1055
+ "loss": 0.3885,
1056
+ "step": 1290
1057
+ },
1058
+ {
1059
+ "epoch": 16.25,
1060
+ "grad_norm": 0.4546281397342682,
1061
+ "learning_rate": 0.0015,
1062
+ "loss": 0.4096,
1063
+ "step": 1300
1064
+ },
1065
+ {
1066
+ "epoch": 16.38,
1067
+ "grad_norm": 0.6827344298362732,
1068
+ "learning_rate": 0.0014944444444444445,
1069
+ "loss": 0.3618,
1070
+ "step": 1310
1071
+ },
1072
+ {
1073
+ "epoch": 16.5,
1074
+ "grad_norm": 0.454326868057251,
1075
+ "learning_rate": 0.001488888888888889,
1076
+ "loss": 0.3863,
1077
+ "step": 1320
1078
+ },
1079
+ {
1080
+ "epoch": 16.62,
1081
+ "grad_norm": 0.6911420226097107,
1082
+ "learning_rate": 0.0014833333333333335,
1083
+ "loss": 0.4264,
1084
+ "step": 1330
1085
+ },
1086
+ {
1087
+ "epoch": 16.75,
1088
+ "grad_norm": 0.6122339367866516,
1089
+ "learning_rate": 0.001477777777777778,
1090
+ "loss": 0.4205,
1091
+ "step": 1340
1092
+ },
1093
+ {
1094
+ "epoch": 16.88,
1095
+ "grad_norm": 0.5123728513717651,
1096
+ "learning_rate": 0.0014722222222222224,
1097
+ "loss": 0.4419,
1098
+ "step": 1350
1099
+ },
1100
+ {
1101
+ "epoch": 17.0,
1102
+ "grad_norm": 1.0908498764038086,
1103
+ "learning_rate": 0.0014666666666666667,
1104
+ "loss": 0.4167,
1105
+ "step": 1360
1106
+ },
1107
+ {
1108
+ "epoch": 17.0,
1109
+ "eval_accuracy": 0.828125,
1110
+ "eval_loss": 0.47203314304351807,
1111
+ "eval_runtime": 5.3495,
1112
+ "eval_samples_per_second": 191.421,
1113
+ "eval_steps_per_second": 11.964,
1114
+ "step": 1360
1115
+ },
1116
+ {
1117
+ "epoch": 17.12,
1118
+ "grad_norm": 0.42975571751594543,
1119
+ "learning_rate": 0.0014611111111111112,
1120
+ "loss": 0.4006,
1121
+ "step": 1370
1122
+ },
1123
+ {
1124
+ "epoch": 17.25,
1125
+ "grad_norm": 0.6392154693603516,
1126
+ "learning_rate": 0.0014555555555555554,
1127
+ "loss": 0.3581,
1128
+ "step": 1380
1129
+ },
1130
+ {
1131
+ "epoch": 17.38,
1132
+ "grad_norm": 0.6548070907592773,
1133
+ "learning_rate": 0.00145,
1134
+ "loss": 0.3672,
1135
+ "step": 1390
1136
+ },
1137
+ {
1138
+ "epoch": 17.5,
1139
+ "grad_norm": 0.6939528584480286,
1140
+ "learning_rate": 0.0014444444444444444,
1141
+ "loss": 0.3514,
1142
+ "step": 1400
1143
+ },
1144
+ {
1145
+ "epoch": 17.62,
1146
+ "grad_norm": 0.6098494529724121,
1147
+ "learning_rate": 0.0014388888888888889,
1148
+ "loss": 0.3835,
1149
+ "step": 1410
1150
+ },
1151
+ {
1152
+ "epoch": 17.75,
1153
+ "grad_norm": 0.5356572866439819,
1154
+ "learning_rate": 0.0014333333333333333,
1155
+ "loss": 0.3326,
1156
+ "step": 1420
1157
+ },
1158
+ {
1159
+ "epoch": 17.88,
1160
+ "grad_norm": 0.6472760438919067,
1161
+ "learning_rate": 0.0014277777777777778,
1162
+ "loss": 0.3829,
1163
+ "step": 1430
1164
+ },
1165
+ {
1166
+ "epoch": 18.0,
1167
+ "grad_norm": 0.67198646068573,
1168
+ "learning_rate": 0.0014222222222222223,
1169
+ "loss": 0.36,
1170
+ "step": 1440
1171
+ },
1172
+ {
1173
+ "epoch": 18.0,
1174
+ "eval_accuracy": 0.81640625,
1175
+ "eval_loss": 0.4660454988479614,
1176
+ "eval_runtime": 4.9124,
1177
+ "eval_samples_per_second": 208.451,
1178
+ "eval_steps_per_second": 13.028,
1179
+ "step": 1440
1180
+ },
1181
+ {
1182
+ "epoch": 18.12,
1183
+ "grad_norm": 0.4594449996948242,
1184
+ "learning_rate": 0.0014166666666666668,
1185
+ "loss": 0.3549,
1186
+ "step": 1450
1187
+ },
1188
+ {
1189
+ "epoch": 18.25,
1190
+ "grad_norm": 0.4456086754798889,
1191
+ "learning_rate": 0.0014111111111111112,
1192
+ "loss": 0.2899,
1193
+ "step": 1460
1194
+ },
1195
+ {
1196
+ "epoch": 18.38,
1197
+ "grad_norm": 0.724087119102478,
1198
+ "learning_rate": 0.0014055555555555555,
1199
+ "loss": 0.2976,
1200
+ "step": 1470
1201
+ },
1202
+ {
1203
+ "epoch": 18.5,
1204
+ "grad_norm": 0.8099024891853333,
1205
+ "learning_rate": 0.0014,
1206
+ "loss": 0.3706,
1207
+ "step": 1480
1208
+ },
1209
+ {
1210
+ "epoch": 18.62,
1211
+ "grad_norm": 0.6271733641624451,
1212
+ "learning_rate": 0.0013944444444444445,
1213
+ "loss": 0.3591,
1214
+ "step": 1490
1215
+ },
1216
+ {
1217
+ "epoch": 18.75,
1218
+ "grad_norm": 0.5864254236221313,
1219
+ "learning_rate": 0.001388888888888889,
1220
+ "loss": 0.3184,
1221
+ "step": 1500
1222
+ },
1223
+ {
1224
+ "epoch": 18.88,
1225
+ "grad_norm": 0.4915286898612976,
1226
+ "learning_rate": 0.0013833333333333334,
1227
+ "loss": 0.301,
1228
+ "step": 1510
1229
+ },
1230
+ {
1231
+ "epoch": 19.0,
1232
+ "grad_norm": 0.6932692527770996,
1233
+ "learning_rate": 0.001377777777777778,
1234
+ "loss": 0.3195,
1235
+ "step": 1520
1236
+ },
1237
+ {
1238
+ "epoch": 19.0,
1239
+ "eval_accuracy": 0.876953125,
1240
+ "eval_loss": 0.306354820728302,
1241
+ "eval_runtime": 5.2563,
1242
+ "eval_samples_per_second": 194.815,
1243
+ "eval_steps_per_second": 12.176,
1244
+ "step": 1520
1245
+ },
1246
+ {
1247
+ "epoch": 19.12,
1248
+ "grad_norm": 0.5778792500495911,
1249
+ "learning_rate": 0.0013722222222222222,
1250
+ "loss": 0.3493,
1251
+ "step": 1530
1252
+ },
1253
+ {
1254
+ "epoch": 19.25,
1255
+ "grad_norm": 0.951936662197113,
1256
+ "learning_rate": 0.0013666666666666666,
1257
+ "loss": 0.3305,
1258
+ "step": 1540
1259
+ },
1260
+ {
1261
+ "epoch": 19.38,
1262
+ "grad_norm": 0.6778426170349121,
1263
+ "learning_rate": 0.0013611111111111111,
1264
+ "loss": 0.32,
1265
+ "step": 1550
1266
+ },
1267
+ {
1268
+ "epoch": 19.5,
1269
+ "grad_norm": 0.6356533765792847,
1270
+ "learning_rate": 0.0013555555555555556,
1271
+ "loss": 0.2889,
1272
+ "step": 1560
1273
+ },
1274
+ {
1275
+ "epoch": 19.62,
1276
+ "grad_norm": 0.6476128697395325,
1277
+ "learning_rate": 0.00135,
1278
+ "loss": 0.2907,
1279
+ "step": 1570
1280
+ },
1281
+ {
1282
+ "epoch": 19.75,
1283
+ "grad_norm": 0.4664938151836395,
1284
+ "learning_rate": 0.0013444444444444445,
1285
+ "loss": 0.3261,
1286
+ "step": 1580
1287
+ },
1288
+ {
1289
+ "epoch": 19.88,
1290
+ "grad_norm": 1.06290602684021,
1291
+ "learning_rate": 0.0013388888888888888,
1292
+ "loss": 0.3365,
1293
+ "step": 1590
1294
+ },
1295
+ {
1296
+ "epoch": 20.0,
1297
+ "grad_norm": 0.5365467667579651,
1298
+ "learning_rate": 0.0013333333333333333,
1299
+ "loss": 0.3652,
1300
+ "step": 1600
1301
+ },
1302
+ {
1303
+ "epoch": 20.0,
1304
+ "eval_accuracy": 0.912109375,
1305
+ "eval_loss": 0.25709766149520874,
1306
+ "eval_runtime": 4.9952,
1307
+ "eval_samples_per_second": 204.995,
1308
+ "eval_steps_per_second": 12.812,
1309
+ "step": 1600
1310
+ },
1311
+ {
1312
+ "epoch": 20.12,
1313
+ "grad_norm": 0.5051919221878052,
1314
+ "learning_rate": 0.0013277777777777778,
1315
+ "loss": 0.3147,
1316
+ "step": 1610
1317
+ },
1318
+ {
1319
+ "epoch": 20.25,
1320
+ "grad_norm": 0.5098996162414551,
1321
+ "learning_rate": 0.0013222222222222222,
1322
+ "loss": 0.3085,
1323
+ "step": 1620
1324
+ },
1325
+ {
1326
+ "epoch": 20.38,
1327
+ "grad_norm": 0.5585361123085022,
1328
+ "learning_rate": 0.0013166666666666667,
1329
+ "loss": 0.3679,
1330
+ "step": 1630
1331
+ },
1332
+ {
1333
+ "epoch": 20.5,
1334
+ "grad_norm": 0.38560378551483154,
1335
+ "learning_rate": 0.0013111111111111112,
1336
+ "loss": 0.2987,
1337
+ "step": 1640
1338
+ },
1339
+ {
1340
+ "epoch": 20.62,
1341
+ "grad_norm": 0.3209057152271271,
1342
+ "learning_rate": 0.0013055555555555557,
1343
+ "loss": 0.2792,
1344
+ "step": 1650
1345
+ },
1346
+ {
1347
+ "epoch": 20.75,
1348
+ "grad_norm": 0.6471489667892456,
1349
+ "learning_rate": 0.0013000000000000002,
1350
+ "loss": 0.2755,
1351
+ "step": 1660
1352
+ },
1353
+ {
1354
+ "epoch": 20.88,
1355
+ "grad_norm": 0.8814804553985596,
1356
+ "learning_rate": 0.0012944444444444446,
1357
+ "loss": 0.2993,
1358
+ "step": 1670
1359
+ },
1360
+ {
1361
+ "epoch": 21.0,
1362
+ "grad_norm": 0.5392754673957825,
1363
+ "learning_rate": 0.001288888888888889,
1364
+ "loss": 0.2794,
1365
+ "step": 1680
1366
+ },
1367
+ {
1368
+ "epoch": 21.0,
1369
+ "eval_accuracy": 0.9150390625,
1370
+ "eval_loss": 0.24504294991493225,
1371
+ "eval_runtime": 4.8909,
1372
+ "eval_samples_per_second": 209.37,
1373
+ "eval_steps_per_second": 13.086,
1374
+ "step": 1680
1375
+ },
1376
+ {
1377
+ "epoch": 21.12,
1378
+ "grad_norm": 0.6234158873558044,
1379
+ "learning_rate": 0.0012833333333333334,
1380
+ "loss": 0.2926,
1381
+ "step": 1690
1382
+ },
1383
+ {
1384
+ "epoch": 21.25,
1385
+ "grad_norm": 0.4284802973270416,
1386
+ "learning_rate": 0.0012777777777777776,
1387
+ "loss": 0.2803,
1388
+ "step": 1700
1389
+ },
1390
+ {
1391
+ "epoch": 21.38,
1392
+ "grad_norm": 0.688140869140625,
1393
+ "learning_rate": 0.0012722222222222221,
1394
+ "loss": 0.2799,
1395
+ "step": 1710
1396
+ },
1397
+ {
1398
+ "epoch": 21.5,
1399
+ "grad_norm": 0.8576880097389221,
1400
+ "learning_rate": 0.0012666666666666666,
1401
+ "loss": 0.2868,
1402
+ "step": 1720
1403
+ },
1404
+ {
1405
+ "epoch": 21.62,
1406
+ "grad_norm": 0.6299762725830078,
1407
+ "learning_rate": 0.001261111111111111,
1408
+ "loss": 0.2971,
1409
+ "step": 1730
1410
+ },
1411
+ {
1412
+ "epoch": 21.75,
1413
+ "grad_norm": 0.7093678116798401,
1414
+ "learning_rate": 0.0012555555555555555,
1415
+ "loss": 0.2905,
1416
+ "step": 1740
1417
+ },
1418
+ {
1419
+ "epoch": 21.88,
1420
+ "grad_norm": 0.4271737039089203,
1421
+ "learning_rate": 0.00125,
1422
+ "loss": 0.3336,
1423
+ "step": 1750
1424
+ },
1425
+ {
1426
+ "epoch": 22.0,
1427
+ "grad_norm": 0.6771571040153503,
1428
+ "learning_rate": 0.0012444444444444445,
1429
+ "loss": 0.2704,
1430
+ "step": 1760
1431
+ },
1432
+ {
1433
+ "epoch": 22.0,
1434
+ "eval_accuracy": 0.9033203125,
1435
+ "eval_loss": 0.23907524347305298,
1436
+ "eval_runtime": 5.3054,
1437
+ "eval_samples_per_second": 193.012,
1438
+ "eval_steps_per_second": 12.063,
1439
+ "step": 1760
1440
+ },
1441
+ {
1442
+ "epoch": 22.12,
1443
+ "grad_norm": 0.44859397411346436,
1444
+ "learning_rate": 0.001238888888888889,
1445
+ "loss": 0.28,
1446
+ "step": 1770
1447
+ },
1448
+ {
1449
+ "epoch": 22.25,
1450
+ "grad_norm": 0.5617765784263611,
1451
+ "learning_rate": 0.0012333333333333335,
1452
+ "loss": 0.3093,
1453
+ "step": 1780
1454
+ },
1455
+ {
1456
+ "epoch": 22.38,
1457
+ "grad_norm": 0.6634913682937622,
1458
+ "learning_rate": 0.001227777777777778,
1459
+ "loss": 0.2417,
1460
+ "step": 1790
1461
+ },
1462
+ {
1463
+ "epoch": 22.5,
1464
+ "grad_norm": 0.670782744884491,
1465
+ "learning_rate": 0.0012222222222222224,
1466
+ "loss": 0.2932,
1467
+ "step": 1800
1468
+ },
1469
+ {
1470
+ "epoch": 22.62,
1471
+ "grad_norm": 0.6564796566963196,
1472
+ "learning_rate": 0.0012166666666666667,
1473
+ "loss": 0.3042,
1474
+ "step": 1810
1475
+ },
1476
+ {
1477
+ "epoch": 22.75,
1478
+ "grad_norm": 0.34089842438697815,
1479
+ "learning_rate": 0.0012111111111111112,
1480
+ "loss": 0.2925,
1481
+ "step": 1820
1482
+ },
1483
+ {
1484
+ "epoch": 22.88,
1485
+ "grad_norm": 0.5612368583679199,
1486
+ "learning_rate": 0.0012055555555555554,
1487
+ "loss": 0.2559,
1488
+ "step": 1830
1489
+ },
1490
+ {
1491
+ "epoch": 23.0,
1492
+ "grad_norm": 0.624458909034729,
1493
+ "learning_rate": 0.0012,
1494
+ "loss": 0.2612,
1495
+ "step": 1840
1496
+ },
1497
+ {
1498
+ "epoch": 23.0,
1499
+ "eval_accuracy": 0.927734375,
1500
+ "eval_loss": 0.23524078726768494,
1501
+ "eval_runtime": 4.902,
1502
+ "eval_samples_per_second": 208.893,
1503
+ "eval_steps_per_second": 13.056,
1504
+ "step": 1840
1505
+ },
1506
+ {
1507
+ "epoch": 23.12,
1508
+ "grad_norm": 0.6820557117462158,
1509
+ "learning_rate": 0.0011944444444444444,
1510
+ "loss": 0.2282,
1511
+ "step": 1850
1512
+ },
1513
+ {
1514
+ "epoch": 23.25,
1515
+ "grad_norm": 0.5979276895523071,
1516
+ "learning_rate": 0.0011888888888888889,
1517
+ "loss": 0.2569,
1518
+ "step": 1860
1519
+ },
1520
+ {
1521
+ "epoch": 23.38,
1522
+ "grad_norm": 0.5427021384239197,
1523
+ "learning_rate": 0.0011833333333333333,
1524
+ "loss": 0.2724,
1525
+ "step": 1870
1526
+ },
1527
+ {
1528
+ "epoch": 23.5,
1529
+ "grad_norm": 0.4382477104663849,
1530
+ "learning_rate": 0.0011777777777777778,
1531
+ "loss": 0.2616,
1532
+ "step": 1880
1533
+ },
1534
+ {
1535
+ "epoch": 23.62,
1536
+ "grad_norm": 0.6240445375442505,
1537
+ "learning_rate": 0.0011722222222222223,
1538
+ "loss": 0.2636,
1539
+ "step": 1890
1540
+ },
1541
+ {
1542
+ "epoch": 23.75,
1543
+ "grad_norm": 0.7440346479415894,
1544
+ "learning_rate": 0.0011666666666666668,
1545
+ "loss": 0.2913,
1546
+ "step": 1900
1547
+ },
1548
+ {
1549
+ "epoch": 23.88,
1550
+ "grad_norm": 0.4682701826095581,
1551
+ "learning_rate": 0.0011611111111111112,
1552
+ "loss": 0.2499,
1553
+ "step": 1910
1554
+ },
1555
+ {
1556
+ "epoch": 24.0,
1557
+ "grad_norm": 0.5112751722335815,
1558
+ "learning_rate": 0.0011555555555555555,
1559
+ "loss": 0.2425,
1560
+ "step": 1920
1561
+ },
1562
+ {
1563
+ "epoch": 24.0,
1564
+ "eval_accuracy": 0.828125,
1565
+ "eval_loss": 0.4720377027988434,
1566
+ "eval_runtime": 5.3156,
1567
+ "eval_samples_per_second": 192.639,
1568
+ "eval_steps_per_second": 12.04,
1569
+ "step": 1920
1570
+ },
1571
+ {
1572
+ "epoch": 24.12,
1573
+ "grad_norm": 0.765444278717041,
1574
+ "learning_rate": 0.00115,
1575
+ "loss": 0.2736,
1576
+ "step": 1930
1577
+ },
1578
+ {
1579
+ "epoch": 24.25,
1580
+ "grad_norm": 0.380066841840744,
1581
+ "learning_rate": 0.0011444444444444445,
1582
+ "loss": 0.2357,
1583
+ "step": 1940
1584
+ },
1585
+ {
1586
+ "epoch": 24.38,
1587
+ "grad_norm": 0.43320003151893616,
1588
+ "learning_rate": 0.001138888888888889,
1589
+ "loss": 0.2518,
1590
+ "step": 1950
1591
+ },
1592
+ {
1593
+ "epoch": 24.5,
1594
+ "grad_norm": 0.5003307461738586,
1595
+ "learning_rate": 0.0011333333333333334,
1596
+ "loss": 0.2898,
1597
+ "step": 1960
1598
+ },
1599
+ {
1600
+ "epoch": 24.62,
1601
+ "grad_norm": 0.41153478622436523,
1602
+ "learning_rate": 0.001127777777777778,
1603
+ "loss": 0.2209,
1604
+ "step": 1970
1605
+ },
1606
+ {
1607
+ "epoch": 24.75,
1608
+ "grad_norm": 0.41805940866470337,
1609
+ "learning_rate": 0.0011222222222222222,
1610
+ "loss": 0.235,
1611
+ "step": 1980
1612
+ },
1613
+ {
1614
+ "epoch": 24.88,
1615
+ "grad_norm": 0.5226410627365112,
1616
+ "learning_rate": 0.0011166666666666666,
1617
+ "loss": 0.2349,
1618
+ "step": 1990
1619
+ },
1620
+ {
1621
+ "epoch": 25.0,
1622
+ "grad_norm": 0.3767559826374054,
1623
+ "learning_rate": 0.0011111111111111111,
1624
+ "loss": 0.2567,
1625
+ "step": 2000
1626
+ },
1627
+ {
1628
+ "epoch": 25.0,
1629
+ "eval_accuracy": 0.9130859375,
1630
+ "eval_loss": 0.22960150241851807,
1631
+ "eval_runtime": 4.887,
1632
+ "eval_samples_per_second": 209.535,
1633
+ "eval_steps_per_second": 13.096,
1634
+ "step": 2000
1635
+ },
1636
+ {
1637
+ "epoch": 25.12,
1638
+ "grad_norm": 0.6860052943229675,
1639
+ "learning_rate": 0.0011055555555555556,
1640
+ "loss": 0.2426,
1641
+ "step": 2010
1642
+ },
1643
+ {
1644
+ "epoch": 25.25,
1645
+ "grad_norm": 0.3876688778400421,
1646
+ "learning_rate": 0.0011,
1647
+ "loss": 0.2243,
1648
+ "step": 2020
1649
+ },
1650
+ {
1651
+ "epoch": 25.38,
1652
+ "grad_norm": 0.3251183032989502,
1653
+ "learning_rate": 0.0010944444444444445,
1654
+ "loss": 0.234,
1655
+ "step": 2030
1656
+ },
1657
+ {
1658
+ "epoch": 25.5,
1659
+ "grad_norm": 0.5538493990898132,
1660
+ "learning_rate": 0.0010888888888888888,
1661
+ "loss": 0.2547,
1662
+ "step": 2040
1663
+ },
1664
+ {
1665
+ "epoch": 25.62,
1666
+ "grad_norm": 0.6539644598960876,
1667
+ "learning_rate": 0.0010833333333333333,
1668
+ "loss": 0.2382,
1669
+ "step": 2050
1670
+ },
1671
+ {
1672
+ "epoch": 25.75,
1673
+ "grad_norm": 0.6687932014465332,
1674
+ "learning_rate": 0.0010777777777777778,
1675
+ "loss": 0.2254,
1676
+ "step": 2060
1677
+ },
1678
+ {
1679
+ "epoch": 25.88,
1680
+ "grad_norm": 0.6210919618606567,
1681
+ "learning_rate": 0.0010722222222222222,
1682
+ "loss": 0.2356,
1683
+ "step": 2070
1684
+ },
1685
+ {
1686
+ "epoch": 26.0,
1687
+ "grad_norm": 0.5525135397911072,
1688
+ "learning_rate": 0.0010666666666666667,
1689
+ "loss": 0.2302,
1690
+ "step": 2080
1691
+ },
1692
+ {
1693
+ "epoch": 26.0,
1694
+ "eval_accuracy": 0.89453125,
1695
+ "eval_loss": 0.30673664808273315,
1696
+ "eval_runtime": 4.9576,
1697
+ "eval_samples_per_second": 206.552,
1698
+ "eval_steps_per_second": 12.909,
1699
+ "step": 2080
1700
+ },
1701
+ {
1702
+ "epoch": 26.12,
1703
+ "grad_norm": 0.5014208555221558,
1704
+ "learning_rate": 0.0010611111111111112,
1705
+ "loss": 0.2403,
1706
+ "step": 2090
1707
+ },
1708
+ {
1709
+ "epoch": 26.25,
1710
+ "grad_norm": 0.6093131303787231,
1711
+ "learning_rate": 0.0010555555555555557,
1712
+ "loss": 0.2356,
1713
+ "step": 2100
1714
+ },
1715
+ {
1716
+ "epoch": 26.38,
1717
+ "grad_norm": 0.3627248704433441,
1718
+ "learning_rate": 0.0010500000000000002,
1719
+ "loss": 0.2509,
1720
+ "step": 2110
1721
+ },
1722
+ {
1723
+ "epoch": 26.5,
1724
+ "grad_norm": 0.4119124114513397,
1725
+ "learning_rate": 0.0010444444444444446,
1726
+ "loss": 0.1915,
1727
+ "step": 2120
1728
+ },
1729
+ {
1730
+ "epoch": 26.62,
1731
+ "grad_norm": 0.5565811395645142,
1732
+ "learning_rate": 0.0010388888888888889,
1733
+ "loss": 0.191,
1734
+ "step": 2130
1735
+ },
1736
+ {
1737
+ "epoch": 26.75,
1738
+ "grad_norm": 0.44097578525543213,
1739
+ "learning_rate": 0.0010333333333333334,
1740
+ "loss": 0.2353,
1741
+ "step": 2140
1742
+ },
1743
+ {
1744
+ "epoch": 26.88,
1745
+ "grad_norm": 0.4542636275291443,
1746
+ "learning_rate": 0.0010277777777777776,
1747
+ "loss": 0.2144,
1748
+ "step": 2150
1749
+ },
1750
+ {
1751
+ "epoch": 27.0,
1752
+ "grad_norm": 0.4763772785663605,
1753
+ "learning_rate": 0.0010222222222222221,
1754
+ "loss": 0.2358,
1755
+ "step": 2160
1756
+ },
1757
+ {
1758
+ "epoch": 27.0,
1759
+ "eval_accuracy": 0.9375,
1760
+ "eval_loss": 0.17758239805698395,
1761
+ "eval_runtime": 5.3185,
1762
+ "eval_samples_per_second": 192.534,
1763
+ "eval_steps_per_second": 12.033,
1764
+ "step": 2160
1765
+ },
1766
+ {
1767
+ "epoch": 27.12,
1768
+ "grad_norm": 0.7219308614730835,
1769
+ "learning_rate": 0.0010166666666666666,
1770
+ "loss": 0.238,
1771
+ "step": 2170
1772
+ },
1773
+ {
1774
+ "epoch": 27.25,
1775
+ "grad_norm": 0.7707520127296448,
1776
+ "learning_rate": 0.001011111111111111,
1777
+ "loss": 0.1863,
1778
+ "step": 2180
1779
+ },
1780
+ {
1781
+ "epoch": 27.38,
1782
+ "grad_norm": 0.6878935098648071,
1783
+ "learning_rate": 0.0010055555555555555,
1784
+ "loss": 0.2493,
1785
+ "step": 2190
1786
+ },
1787
+ {
1788
+ "epoch": 27.5,
1789
+ "grad_norm": 0.5451861619949341,
1790
+ "learning_rate": 0.001,
1791
+ "loss": 0.2374,
1792
+ "step": 2200
1793
+ },
1794
+ {
1795
+ "epoch": 27.62,
1796
+ "grad_norm": 0.39642319083213806,
1797
+ "learning_rate": 0.0009944444444444445,
1798
+ "loss": 0.2382,
1799
+ "step": 2210
1800
+ },
1801
+ {
1802
+ "epoch": 27.75,
1803
+ "grad_norm": 0.4122956097126007,
1804
+ "learning_rate": 0.000988888888888889,
1805
+ "loss": 0.2176,
1806
+ "step": 2220
1807
+ },
1808
+ {
1809
+ "epoch": 27.88,
1810
+ "grad_norm": 0.6155421733856201,
1811
+ "learning_rate": 0.0009833333333333332,
1812
+ "loss": 0.2128,
1813
+ "step": 2230
1814
+ },
1815
+ {
1816
+ "epoch": 28.0,
1817
+ "grad_norm": 0.7283052206039429,
1818
+ "learning_rate": 0.0009777777777777777,
1819
+ "loss": 0.2173,
1820
+ "step": 2240
1821
+ },
1822
+ {
1823
+ "epoch": 28.0,
1824
+ "eval_accuracy": 0.94921875,
1825
+ "eval_loss": 0.15962785482406616,
1826
+ "eval_runtime": 4.9115,
1827
+ "eval_samples_per_second": 208.489,
1828
+ "eval_steps_per_second": 13.031,
1829
+ "step": 2240
1830
+ },
1831
+ {
1832
+ "epoch": 28.12,
1833
+ "grad_norm": 0.39027243852615356,
1834
+ "learning_rate": 0.0009722222222222222,
1835
+ "loss": 0.1979,
1836
+ "step": 2250
1837
+ },
1838
+ {
1839
+ "epoch": 28.25,
1840
+ "grad_norm": 0.5258718729019165,
1841
+ "learning_rate": 0.0009666666666666667,
1842
+ "loss": 0.1447,
1843
+ "step": 2260
1844
+ },
1845
+ {
1846
+ "epoch": 28.38,
1847
+ "grad_norm": 0.6615960001945496,
1848
+ "learning_rate": 0.0009611111111111112,
1849
+ "loss": 0.2403,
1850
+ "step": 2270
1851
+ },
1852
+ {
1853
+ "epoch": 28.5,
1854
+ "grad_norm": 0.4044310748577118,
1855
+ "learning_rate": 0.0009555555555555556,
1856
+ "loss": 0.1981,
1857
+ "step": 2280
1858
+ },
1859
+ {
1860
+ "epoch": 28.62,
1861
+ "grad_norm": 0.2666930556297302,
1862
+ "learning_rate": 0.00095,
1863
+ "loss": 0.2108,
1864
+ "step": 2290
1865
+ },
1866
+ {
1867
+ "epoch": 28.75,
1868
+ "grad_norm": 0.5612334609031677,
1869
+ "learning_rate": 0.0009444444444444445,
1870
+ "loss": 0.1783,
1871
+ "step": 2300
1872
+ },
1873
+ {
1874
+ "epoch": 28.88,
1875
+ "grad_norm": 0.48420026898384094,
1876
+ "learning_rate": 0.000938888888888889,
1877
+ "loss": 0.1848,
1878
+ "step": 2310
1879
+ },
1880
+ {
1881
+ "epoch": 29.0,
1882
+ "grad_norm": 0.5850337743759155,
1883
+ "learning_rate": 0.0009333333333333333,
1884
+ "loss": 0.1798,
1885
+ "step": 2320
1886
+ },
1887
+ {
1888
+ "epoch": 29.0,
1889
+ "eval_accuracy": 0.94140625,
1890
+ "eval_loss": 0.1548241674900055,
1891
+ "eval_runtime": 5.32,
1892
+ "eval_samples_per_second": 192.483,
1893
+ "eval_steps_per_second": 12.03,
1894
+ "step": 2320
1895
+ },
1896
+ {
1897
+ "epoch": 29.12,
1898
+ "grad_norm": 0.5059901475906372,
1899
+ "learning_rate": 0.0009277777777777778,
1900
+ "loss": 0.1954,
1901
+ "step": 2330
1902
+ },
1903
+ {
1904
+ "epoch": 29.25,
1905
+ "grad_norm": 0.22623513638973236,
1906
+ "learning_rate": 0.0009222222222222223,
1907
+ "loss": 0.1604,
1908
+ "step": 2340
1909
+ },
1910
+ {
1911
+ "epoch": 29.38,
1912
+ "grad_norm": 0.2330830693244934,
1913
+ "learning_rate": 0.0009166666666666666,
1914
+ "loss": 0.2125,
1915
+ "step": 2350
1916
+ },
1917
+ {
1918
+ "epoch": 29.5,
1919
+ "grad_norm": 0.4784901440143585,
1920
+ "learning_rate": 0.0009111111111111111,
1921
+ "loss": 0.1823,
1922
+ "step": 2360
1923
+ },
1924
+ {
1925
+ "epoch": 29.62,
1926
+ "grad_norm": 0.6156973242759705,
1927
+ "learning_rate": 0.0009055555555555556,
1928
+ "loss": 0.2289,
1929
+ "step": 2370
1930
+ },
1931
+ {
1932
+ "epoch": 29.75,
1933
+ "grad_norm": 0.4373360872268677,
1934
+ "learning_rate": 0.0009000000000000001,
1935
+ "loss": 0.2127,
1936
+ "step": 2380
1937
+ },
1938
+ {
1939
+ "epoch": 29.88,
1940
+ "grad_norm": 0.501115083694458,
1941
+ "learning_rate": 0.0008944444444444445,
1942
+ "loss": 0.2359,
1943
+ "step": 2390
1944
+ },
1945
+ {
1946
+ "epoch": 30.0,
1947
+ "grad_norm": 0.411662757396698,
1948
+ "learning_rate": 0.0008888888888888888,
1949
+ "loss": 0.197,
1950
+ "step": 2400
1951
+ },
1952
+ {
1953
+ "epoch": 30.0,
1954
+ "eval_accuracy": 0.95703125,
1955
+ "eval_loss": 0.17402663826942444,
1956
+ "eval_runtime": 4.919,
1957
+ "eval_samples_per_second": 208.172,
1958
+ "eval_steps_per_second": 13.011,
1959
+ "step": 2400
1960
+ },
1961
+ {
1962
+ "epoch": 30.12,
1963
+ "grad_norm": 0.45976510643959045,
1964
+ "learning_rate": 0.0008833333333333333,
1965
+ "loss": 0.1608,
1966
+ "step": 2410
1967
+ },
1968
+ {
1969
+ "epoch": 30.25,
1970
+ "grad_norm": 0.3243074417114258,
1971
+ "learning_rate": 0.0008777777777777778,
1972
+ "loss": 0.1742,
1973
+ "step": 2420
1974
+ },
1975
+ {
1976
+ "epoch": 30.38,
1977
+ "grad_norm": 0.5205725431442261,
1978
+ "learning_rate": 0.0008722222222222223,
1979
+ "loss": 0.1718,
1980
+ "step": 2430
1981
+ },
1982
+ {
1983
+ "epoch": 30.5,
1984
+ "grad_norm": 0.3976719081401825,
1985
+ "learning_rate": 0.0008666666666666667,
1986
+ "loss": 0.2247,
1987
+ "step": 2440
1988
+ },
1989
+ {
1990
+ "epoch": 30.62,
1991
+ "grad_norm": 0.2859196662902832,
1992
+ "learning_rate": 0.0008611111111111112,
1993
+ "loss": 0.1884,
1994
+ "step": 2450
1995
+ },
1996
+ {
1997
+ "epoch": 30.75,
1998
+ "grad_norm": 0.5310297012329102,
1999
+ "learning_rate": 0.0008555555555555556,
2000
+ "loss": 0.1672,
2001
+ "step": 2460
2002
+ },
2003
+ {
2004
+ "epoch": 30.88,
2005
+ "grad_norm": 0.5172590613365173,
2006
+ "learning_rate": 0.00085,
2007
+ "loss": 0.1828,
2008
+ "step": 2470
2009
+ },
2010
+ {
2011
+ "epoch": 31.0,
2012
+ "grad_norm": 0.6098745465278625,
2013
+ "learning_rate": 0.0008444444444444444,
2014
+ "loss": 0.1654,
2015
+ "step": 2480
2016
+ },
2017
+ {
2018
+ "epoch": 31.0,
2019
+ "eval_accuracy": 0.966796875,
2020
+ "eval_loss": 0.12167137861251831,
2021
+ "eval_runtime": 4.9956,
2022
+ "eval_samples_per_second": 204.98,
2023
+ "eval_steps_per_second": 12.811,
2024
+ "step": 2480
2025
+ },
2026
+ {
2027
+ "epoch": 31.12,
2028
+ "grad_norm": 0.3343498706817627,
2029
+ "learning_rate": 0.0008388888888888889,
2030
+ "loss": 0.1784,
2031
+ "step": 2490
2032
+ },
2033
+ {
2034
+ "epoch": 31.25,
2035
+ "grad_norm": 0.3938640058040619,
2036
+ "learning_rate": 0.0008333333333333334,
2037
+ "loss": 0.1697,
2038
+ "step": 2500
2039
+ },
2040
+ {
2041
+ "epoch": 31.38,
2042
+ "grad_norm": 0.41868484020233154,
2043
+ "learning_rate": 0.0008277777777777778,
2044
+ "loss": 0.2263,
2045
+ "step": 2510
2046
+ },
2047
+ {
2048
+ "epoch": 31.5,
2049
+ "grad_norm": 0.4363801181316376,
2050
+ "learning_rate": 0.0008222222222222222,
2051
+ "loss": 0.1762,
2052
+ "step": 2520
2053
+ },
2054
+ {
2055
+ "epoch": 31.62,
2056
+ "grad_norm": 0.5088948607444763,
2057
+ "learning_rate": 0.0008166666666666667,
2058
+ "loss": 0.1711,
2059
+ "step": 2530
2060
+ },
2061
+ {
2062
+ "epoch": 31.75,
2063
+ "grad_norm": 0.5423977375030518,
2064
+ "learning_rate": 0.0008111111111111111,
2065
+ "loss": 0.1675,
2066
+ "step": 2540
2067
+ },
2068
+ {
2069
+ "epoch": 31.88,
2070
+ "grad_norm": 0.431382954120636,
2071
+ "learning_rate": 0.0008055555555555556,
2072
+ "loss": 0.2216,
2073
+ "step": 2550
2074
+ },
2075
+ {
2076
+ "epoch": 32.0,
2077
+ "grad_norm": 0.4037337303161621,
2078
+ "learning_rate": 0.0008,
2079
+ "loss": 0.1896,
2080
+ "step": 2560
2081
+ },
2082
+ {
2083
+ "epoch": 32.0,
2084
+ "eval_accuracy": 0.92578125,
2085
+ "eval_loss": 0.2552070617675781,
2086
+ "eval_runtime": 5.2019,
2087
+ "eval_samples_per_second": 196.853,
2088
+ "eval_steps_per_second": 12.303,
2089
+ "step": 2560
2090
+ },
2091
+ {
2092
+ "epoch": 32.12,
2093
+ "grad_norm": 0.6025939583778381,
2094
+ "learning_rate": 0.0007944444444444444,
2095
+ "loss": 0.1926,
2096
+ "step": 2570
2097
+ },
2098
+ {
2099
+ "epoch": 32.25,
2100
+ "grad_norm": 0.7205588221549988,
2101
+ "learning_rate": 0.0007888888888888889,
2102
+ "loss": 0.1755,
2103
+ "step": 2580
2104
+ },
2105
+ {
2106
+ "epoch": 32.38,
2107
+ "grad_norm": 0.3841509222984314,
2108
+ "learning_rate": 0.0007833333333333334,
2109
+ "loss": 0.1696,
2110
+ "step": 2590
2111
+ },
2112
+ {
2113
+ "epoch": 32.5,
2114
+ "grad_norm": 0.5659075975418091,
2115
+ "learning_rate": 0.0007777777777777778,
2116
+ "loss": 0.133,
2117
+ "step": 2600
2118
+ },
2119
+ {
2120
+ "epoch": 32.62,
2121
+ "grad_norm": 0.7011501789093018,
2122
+ "learning_rate": 0.0007722222222222223,
2123
+ "loss": 0.2069,
2124
+ "step": 2610
2125
+ },
2126
+ {
2127
+ "epoch": 32.75,
2128
+ "grad_norm": 0.5933576822280884,
2129
+ "learning_rate": 0.0007666666666666667,
2130
+ "loss": 0.1799,
2131
+ "step": 2620
2132
+ },
2133
+ {
2134
+ "epoch": 32.88,
2135
+ "grad_norm": 0.636463463306427,
2136
+ "learning_rate": 0.0007611111111111111,
2137
+ "loss": 0.1884,
2138
+ "step": 2630
2139
+ },
2140
+ {
2141
+ "epoch": 33.0,
2142
+ "grad_norm": 0.36000609397888184,
2143
+ "learning_rate": 0.0007555555555555555,
2144
+ "loss": 0.1705,
2145
+ "step": 2640
2146
+ },
2147
+ {
2148
+ "epoch": 33.0,
2149
+ "eval_accuracy": 0.97265625,
2150
+ "eval_loss": 0.10305143892765045,
2151
+ "eval_runtime": 4.8746,
2152
+ "eval_samples_per_second": 210.07,
2153
+ "eval_steps_per_second": 13.129,
2154
+ "step": 2640
2155
+ },
2156
+ {
2157
+ "epoch": 33.12,
2158
+ "grad_norm": 0.25941601395606995,
2159
+ "learning_rate": 0.00075,
2160
+ "loss": 0.143,
2161
+ "step": 2650
2162
+ },
2163
+ {
2164
+ "epoch": 33.25,
2165
+ "grad_norm": 0.6486319899559021,
2166
+ "learning_rate": 0.0007444444444444445,
2167
+ "loss": 0.1819,
2168
+ "step": 2660
2169
+ },
2170
+ {
2171
+ "epoch": 33.38,
2172
+ "grad_norm": 0.34492290019989014,
2173
+ "learning_rate": 0.000738888888888889,
2174
+ "loss": 0.1877,
2175
+ "step": 2670
2176
+ },
2177
+ {
2178
+ "epoch": 33.5,
2179
+ "grad_norm": 0.5475990176200867,
2180
+ "learning_rate": 0.0007333333333333333,
2181
+ "loss": 0.1586,
2182
+ "step": 2680
2183
+ },
2184
+ {
2185
+ "epoch": 33.62,
2186
+ "grad_norm": 0.231631800532341,
2187
+ "learning_rate": 0.0007277777777777777,
2188
+ "loss": 0.145,
2189
+ "step": 2690
2190
+ },
2191
+ {
2192
+ "epoch": 33.75,
2193
+ "grad_norm": 0.6208530068397522,
2194
+ "learning_rate": 0.0007222222222222222,
2195
+ "loss": 0.2015,
2196
+ "step": 2700
2197
+ },
2198
+ {
2199
+ "epoch": 33.88,
2200
+ "grad_norm": 0.7229673862457275,
2201
+ "learning_rate": 0.0007166666666666667,
2202
+ "loss": 0.1814,
2203
+ "step": 2710
2204
+ },
2205
+ {
2206
+ "epoch": 34.0,
2207
+ "grad_norm": 0.38056522607803345,
2208
+ "learning_rate": 0.0007111111111111111,
2209
+ "loss": 0.1689,
2210
+ "step": 2720
2211
+ },
2212
+ {
2213
+ "epoch": 34.0,
2214
+ "eval_accuracy": 0.96875,
2215
+ "eval_loss": 0.10111749172210693,
2216
+ "eval_runtime": 5.2922,
2217
+ "eval_samples_per_second": 193.491,
2218
+ "eval_steps_per_second": 12.093,
2219
+ "step": 2720
2220
+ },
2221
+ {
2222
+ "epoch": 34.12,
2223
+ "grad_norm": 0.5405479669570923,
2224
+ "learning_rate": 0.0007055555555555556,
2225
+ "loss": 0.16,
2226
+ "step": 2730
2227
+ },
2228
+ {
2229
+ "epoch": 34.25,
2230
+ "grad_norm": 0.5781314373016357,
2231
+ "learning_rate": 0.0007,
2232
+ "loss": 0.1598,
2233
+ "step": 2740
2234
+ },
2235
+ {
2236
+ "epoch": 34.38,
2237
+ "grad_norm": 0.33385559916496277,
2238
+ "learning_rate": 0.0006944444444444445,
2239
+ "loss": 0.1747,
2240
+ "step": 2750
2241
+ },
2242
+ {
2243
+ "epoch": 34.5,
2244
+ "grad_norm": 0.36587977409362793,
2245
+ "learning_rate": 0.000688888888888889,
2246
+ "loss": 0.1376,
2247
+ "step": 2760
2248
+ },
2249
+ {
2250
+ "epoch": 34.62,
2251
+ "grad_norm": 0.3459375202655792,
2252
+ "learning_rate": 0.0006833333333333333,
2253
+ "loss": 0.1297,
2254
+ "step": 2770
2255
+ },
2256
+ {
2257
+ "epoch": 34.75,
2258
+ "grad_norm": 0.5182803273200989,
2259
+ "learning_rate": 0.0006777777777777778,
2260
+ "loss": 0.1747,
2261
+ "step": 2780
2262
+ },
2263
+ {
2264
+ "epoch": 34.88,
2265
+ "grad_norm": 0.39014366269111633,
2266
+ "learning_rate": 0.0006722222222222223,
2267
+ "loss": 0.169,
2268
+ "step": 2790
2269
+ },
2270
+ {
2271
+ "epoch": 35.0,
2272
+ "grad_norm": 0.4516375660896301,
2273
+ "learning_rate": 0.0006666666666666666,
2274
+ "loss": 0.1439,
2275
+ "step": 2800
2276
+ },
2277
+ {
2278
+ "epoch": 35.0,
2279
+ "eval_accuracy": 0.96484375,
2280
+ "eval_loss": 0.11748197674751282,
2281
+ "eval_runtime": 4.909,
2282
+ "eval_samples_per_second": 208.595,
2283
+ "eval_steps_per_second": 13.037,
2284
+ "step": 2800
2285
+ },
2286
+ {
2287
+ "epoch": 35.12,
2288
+ "grad_norm": 0.47782474756240845,
2289
+ "learning_rate": 0.0006611111111111111,
2290
+ "loss": 0.1417,
2291
+ "step": 2810
2292
+ },
2293
+ {
2294
+ "epoch": 35.25,
2295
+ "grad_norm": 0.11640643328428268,
2296
+ "learning_rate": 0.0006555555555555556,
2297
+ "loss": 0.1226,
2298
+ "step": 2820
2299
+ },
2300
+ {
2301
+ "epoch": 35.38,
2302
+ "grad_norm": 0.4363173544406891,
2303
+ "learning_rate": 0.0006500000000000001,
2304
+ "loss": 0.14,
2305
+ "step": 2830
2306
+ },
2307
+ {
2308
+ "epoch": 35.5,
2309
+ "grad_norm": 0.6676026582717896,
2310
+ "learning_rate": 0.0006444444444444444,
2311
+ "loss": 0.1548,
2312
+ "step": 2840
2313
+ },
2314
+ {
2315
+ "epoch": 35.62,
2316
+ "grad_norm": 0.4940982162952423,
2317
+ "learning_rate": 0.0006388888888888888,
2318
+ "loss": 0.1554,
2319
+ "step": 2850
2320
+ },
2321
+ {
2322
+ "epoch": 35.75,
2323
+ "grad_norm": 0.6478282809257507,
2324
+ "learning_rate": 0.0006333333333333333,
2325
+ "loss": 0.1641,
2326
+ "step": 2860
2327
+ },
2328
+ {
2329
+ "epoch": 35.88,
2330
+ "grad_norm": 0.6007707715034485,
2331
+ "learning_rate": 0.0006277777777777778,
2332
+ "loss": 0.1484,
2333
+ "step": 2870
2334
+ },
2335
+ {
2336
+ "epoch": 36.0,
2337
+ "grad_norm": 0.4945576786994934,
2338
+ "learning_rate": 0.0006222222222222223,
2339
+ "loss": 0.1606,
2340
+ "step": 2880
2341
+ },
2342
+ {
2343
+ "epoch": 36.0,
2344
+ "eval_accuracy": 0.9443359375,
2345
+ "eval_loss": 0.18046385049819946,
2346
+ "eval_runtime": 5.0626,
2347
+ "eval_samples_per_second": 202.266,
2348
+ "eval_steps_per_second": 12.642,
2349
+ "step": 2880
2350
+ },
2351
+ {
2352
+ "epoch": 36.12,
2353
+ "grad_norm": 0.4033058285713196,
2354
+ "learning_rate": 0.0006166666666666667,
2355
+ "loss": 0.1372,
2356
+ "step": 2890
2357
+ },
2358
+ {
2359
+ "epoch": 36.25,
2360
+ "grad_norm": 0.30507412552833557,
2361
+ "learning_rate": 0.0006111111111111112,
2362
+ "loss": 0.1549,
2363
+ "step": 2900
2364
+ },
2365
+ {
2366
+ "epoch": 36.38,
2367
+ "grad_norm": 0.3899296820163727,
2368
+ "learning_rate": 0.0006055555555555556,
2369
+ "loss": 0.1667,
2370
+ "step": 2910
2371
+ },
2372
+ {
2373
+ "epoch": 36.5,
2374
+ "grad_norm": 0.44058963656425476,
2375
+ "learning_rate": 0.0006,
2376
+ "loss": 0.1712,
2377
+ "step": 2920
2378
+ },
2379
+ {
2380
+ "epoch": 36.62,
2381
+ "grad_norm": 0.4805178642272949,
2382
+ "learning_rate": 0.0005944444444444444,
2383
+ "loss": 0.1805,
2384
+ "step": 2930
2385
+ },
2386
+ {
2387
+ "epoch": 36.75,
2388
+ "grad_norm": 0.37880581617355347,
2389
+ "learning_rate": 0.0005888888888888889,
2390
+ "loss": 0.1411,
2391
+ "step": 2940
2392
+ },
2393
+ {
2394
+ "epoch": 36.88,
2395
+ "grad_norm": 0.4263412654399872,
2396
+ "learning_rate": 0.0005833333333333334,
2397
+ "loss": 0.1714,
2398
+ "step": 2950
2399
+ },
2400
+ {
2401
+ "epoch": 37.0,
2402
+ "grad_norm": 0.2723836898803711,
2403
+ "learning_rate": 0.0005777777777777778,
2404
+ "loss": 0.1281,
2405
+ "step": 2960
2406
+ },
2407
+ {
2408
+ "epoch": 37.0,
2409
+ "eval_accuracy": 0.9677734375,
2410
+ "eval_loss": 0.1253870278596878,
2411
+ "eval_runtime": 5.1275,
2412
+ "eval_samples_per_second": 199.709,
2413
+ "eval_steps_per_second": 12.482,
2414
+ "step": 2960
2415
+ },
2416
+ {
2417
+ "epoch": 37.12,
2418
+ "grad_norm": 0.4946765601634979,
2419
+ "learning_rate": 0.0005722222222222222,
2420
+ "loss": 0.1059,
2421
+ "step": 2970
2422
+ },
2423
+ {
2424
+ "epoch": 37.25,
2425
+ "grad_norm": 0.4709372818470001,
2426
+ "learning_rate": 0.0005666666666666667,
2427
+ "loss": 0.1321,
2428
+ "step": 2980
2429
+ },
2430
+ {
2431
+ "epoch": 37.38,
2432
+ "grad_norm": 0.36459285020828247,
2433
+ "learning_rate": 0.0005611111111111111,
2434
+ "loss": 0.1351,
2435
+ "step": 2990
2436
+ },
2437
+ {
2438
+ "epoch": 37.5,
2439
+ "grad_norm": 0.4145031273365021,
2440
+ "learning_rate": 0.0005555555555555556,
2441
+ "loss": 0.1545,
2442
+ "step": 3000
2443
+ },
2444
+ {
2445
+ "epoch": 37.62,
2446
+ "grad_norm": 0.5457221865653992,
2447
+ "learning_rate": 0.00055,
2448
+ "loss": 0.1424,
2449
+ "step": 3010
2450
+ },
2451
+ {
2452
+ "epoch": 37.75,
2453
+ "grad_norm": 0.5123695731163025,
2454
+ "learning_rate": 0.0005444444444444444,
2455
+ "loss": 0.1508,
2456
+ "step": 3020
2457
+ },
2458
+ {
2459
+ "epoch": 37.88,
2460
+ "grad_norm": 0.29368171095848083,
2461
+ "learning_rate": 0.0005388888888888889,
2462
+ "loss": 0.1438,
2463
+ "step": 3030
2464
+ },
2465
+ {
2466
+ "epoch": 38.0,
2467
+ "grad_norm": 0.6859858632087708,
2468
+ "learning_rate": 0.0005333333333333334,
2469
+ "loss": 0.1518,
2470
+ "step": 3040
2471
+ },
2472
+ {
2473
+ "epoch": 38.0,
2474
+ "eval_accuracy": 0.96484375,
2475
+ "eval_loss": 0.11837992072105408,
2476
+ "eval_runtime": 4.9042,
2477
+ "eval_samples_per_second": 208.8,
2478
+ "eval_steps_per_second": 13.05,
2479
+ "step": 3040
2480
+ },
2481
+ {
2482
+ "epoch": 38.12,
2483
+ "grad_norm": 0.3859548270702362,
2484
+ "learning_rate": 0.0005277777777777778,
2485
+ "loss": 0.1455,
2486
+ "step": 3050
2487
+ },
2488
+ {
2489
+ "epoch": 38.25,
2490
+ "grad_norm": 0.21001270413398743,
2491
+ "learning_rate": 0.0005222222222222223,
2492
+ "loss": 0.13,
2493
+ "step": 3060
2494
+ },
2495
+ {
2496
+ "epoch": 38.38,
2497
+ "grad_norm": 0.4814240038394928,
2498
+ "learning_rate": 0.0005166666666666667,
2499
+ "loss": 0.1291,
2500
+ "step": 3070
2501
+ },
2502
+ {
2503
+ "epoch": 38.5,
2504
+ "grad_norm": 0.4478558301925659,
2505
+ "learning_rate": 0.0005111111111111111,
2506
+ "loss": 0.1293,
2507
+ "step": 3080
2508
+ },
2509
+ {
2510
+ "epoch": 38.62,
2511
+ "grad_norm": 0.4811321496963501,
2512
+ "learning_rate": 0.0005055555555555555,
2513
+ "loss": 0.1231,
2514
+ "step": 3090
2515
+ },
2516
+ {
2517
+ "epoch": 38.75,
2518
+ "grad_norm": 0.2841961085796356,
2519
+ "learning_rate": 0.0005,
2520
+ "loss": 0.166,
2521
+ "step": 3100
2522
+ },
2523
+ {
2524
+ "epoch": 38.88,
2525
+ "grad_norm": 0.5479158759117126,
2526
+ "learning_rate": 0.0004944444444444445,
2527
+ "loss": 0.1044,
2528
+ "step": 3110
2529
+ },
2530
+ {
2531
+ "epoch": 39.0,
2532
+ "grad_norm": 0.37449321150779724,
2533
+ "learning_rate": 0.0004888888888888889,
2534
+ "loss": 0.1531,
2535
+ "step": 3120
2536
+ },
2537
+ {
2538
+ "epoch": 39.0,
2539
+ "eval_accuracy": 0.9736328125,
2540
+ "eval_loss": 0.09921471774578094,
2541
+ "eval_runtime": 5.3451,
2542
+ "eval_samples_per_second": 191.577,
2543
+ "eval_steps_per_second": 11.974,
2544
+ "step": 3120
2545
+ },
2546
+ {
2547
+ "epoch": 39.12,
2548
+ "grad_norm": 0.5961503386497498,
2549
+ "learning_rate": 0.00048333333333333334,
2550
+ "loss": 0.1321,
2551
+ "step": 3130
2552
+ },
2553
+ {
2554
+ "epoch": 39.25,
2555
+ "grad_norm": 0.3140615224838257,
2556
+ "learning_rate": 0.0004777777777777778,
2557
+ "loss": 0.1192,
2558
+ "step": 3140
2559
+ },
2560
+ {
2561
+ "epoch": 39.38,
2562
+ "grad_norm": 0.8949409127235413,
2563
+ "learning_rate": 0.00047222222222222224,
2564
+ "loss": 0.122,
2565
+ "step": 3150
2566
+ },
2567
+ {
2568
+ "epoch": 39.5,
2569
+ "grad_norm": 0.21187840402126312,
2570
+ "learning_rate": 0.00046666666666666666,
2571
+ "loss": 0.1341,
2572
+ "step": 3160
2573
+ },
2574
+ {
2575
+ "epoch": 39.62,
2576
+ "grad_norm": 0.6364386081695557,
2577
+ "learning_rate": 0.00046111111111111114,
2578
+ "loss": 0.1327,
2579
+ "step": 3170
2580
+ },
2581
+ {
2582
+ "epoch": 39.75,
2583
+ "grad_norm": 0.2257820963859558,
2584
+ "learning_rate": 0.00045555555555555556,
2585
+ "loss": 0.1101,
2586
+ "step": 3180
2587
+ },
2588
+ {
2589
+ "epoch": 39.88,
2590
+ "grad_norm": 0.373692125082016,
2591
+ "learning_rate": 0.00045000000000000004,
2592
+ "loss": 0.1293,
2593
+ "step": 3190
2594
+ },
2595
+ {
2596
+ "epoch": 40.0,
2597
+ "grad_norm": 0.48990318179130554,
2598
+ "learning_rate": 0.0004444444444444444,
2599
+ "loss": 0.132,
2600
+ "step": 3200
2601
+ },
2602
+ {
2603
+ "epoch": 40.0,
2604
+ "eval_accuracy": 0.9775390625,
2605
+ "eval_loss": 0.09202806651592255,
2606
+ "eval_runtime": 4.9155,
2607
+ "eval_samples_per_second": 208.319,
2608
+ "eval_steps_per_second": 13.02,
2609
+ "step": 3200
2610
+ },
2611
+ {
2612
+ "epoch": 40.12,
2613
+ "grad_norm": 0.571524441242218,
2614
+ "learning_rate": 0.0004388888888888889,
2615
+ "loss": 0.1167,
2616
+ "step": 3210
2617
+ },
2618
+ {
2619
+ "epoch": 40.25,
2620
+ "grad_norm": 0.5896998643875122,
2621
+ "learning_rate": 0.00043333333333333337,
2622
+ "loss": 0.151,
2623
+ "step": 3220
2624
+ },
2625
+ {
2626
+ "epoch": 40.38,
2627
+ "grad_norm": 0.44366732239723206,
2628
+ "learning_rate": 0.0004277777777777778,
2629
+ "loss": 0.1422,
2630
+ "step": 3230
2631
+ },
2632
+ {
2633
+ "epoch": 40.5,
2634
+ "grad_norm": 0.314609169960022,
2635
+ "learning_rate": 0.0004222222222222222,
2636
+ "loss": 0.1253,
2637
+ "step": 3240
2638
+ },
2639
+ {
2640
+ "epoch": 40.62,
2641
+ "grad_norm": 0.3513747453689575,
2642
+ "learning_rate": 0.0004166666666666667,
2643
+ "loss": 0.119,
2644
+ "step": 3250
2645
+ },
2646
+ {
2647
+ "epoch": 40.75,
2648
+ "grad_norm": 0.3717803359031677,
2649
+ "learning_rate": 0.0004111111111111111,
2650
+ "loss": 0.1156,
2651
+ "step": 3260
2652
+ },
2653
+ {
2654
+ "epoch": 40.88,
2655
+ "grad_norm": 0.22342754900455475,
2656
+ "learning_rate": 0.00040555555555555554,
2657
+ "loss": 0.1372,
2658
+ "step": 3270
2659
+ },
2660
+ {
2661
+ "epoch": 41.0,
2662
+ "grad_norm": 0.41738444566726685,
2663
+ "learning_rate": 0.0004,
2664
+ "loss": 0.134,
2665
+ "step": 3280
2666
+ },
2667
+ {
2668
+ "epoch": 41.0,
2669
+ "eval_accuracy": 0.9638671875,
2670
+ "eval_loss": 0.13908132910728455,
2671
+ "eval_runtime": 5.2165,
2672
+ "eval_samples_per_second": 196.299,
2673
+ "eval_steps_per_second": 12.269,
2674
+ "step": 3280
2675
+ },
2676
+ {
2677
+ "epoch": 41.12,
2678
+ "grad_norm": 0.41814348101615906,
2679
+ "learning_rate": 0.00039444444444444444,
2680
+ "loss": 0.1279,
2681
+ "step": 3290
2682
+ },
2683
+ {
2684
+ "epoch": 41.25,
2685
+ "grad_norm": 0.9678131937980652,
2686
+ "learning_rate": 0.0003888888888888889,
2687
+ "loss": 0.1398,
2688
+ "step": 3300
2689
+ },
2690
+ {
2691
+ "epoch": 41.38,
2692
+ "grad_norm": 0.6725767850875854,
2693
+ "learning_rate": 0.00038333333333333334,
2694
+ "loss": 0.1492,
2695
+ "step": 3310
2696
+ },
2697
+ {
2698
+ "epoch": 41.5,
2699
+ "grad_norm": 0.31534790992736816,
2700
+ "learning_rate": 0.00037777777777777777,
2701
+ "loss": 0.1119,
2702
+ "step": 3320
2703
+ },
2704
+ {
2705
+ "epoch": 41.62,
2706
+ "grad_norm": 0.632583737373352,
2707
+ "learning_rate": 0.00037222222222222225,
2708
+ "loss": 0.1131,
2709
+ "step": 3330
2710
+ },
2711
+ {
2712
+ "epoch": 41.75,
2713
+ "grad_norm": 0.6746741533279419,
2714
+ "learning_rate": 0.00036666666666666667,
2715
+ "loss": 0.1351,
2716
+ "step": 3340
2717
+ },
2718
+ {
2719
+ "epoch": 41.88,
2720
+ "grad_norm": 0.3400849997997284,
2721
+ "learning_rate": 0.0003611111111111111,
2722
+ "loss": 0.0815,
2723
+ "step": 3350
2724
+ },
2725
+ {
2726
+ "epoch": 42.0,
2727
+ "grad_norm": 0.5605281591415405,
2728
+ "learning_rate": 0.00035555555555555557,
2729
+ "loss": 0.1413,
2730
+ "step": 3360
2731
+ },
2732
+ {
2733
+ "epoch": 42.0,
2734
+ "eval_accuracy": 0.9716796875,
2735
+ "eval_loss": 0.11220287531614304,
2736
+ "eval_runtime": 5.0927,
2737
+ "eval_samples_per_second": 201.072,
2738
+ "eval_steps_per_second": 12.567,
2739
+ "step": 3360
2740
+ },
2741
+ {
2742
+ "epoch": 42.12,
2743
+ "grad_norm": 0.5148097276687622,
2744
+ "learning_rate": 0.00035,
2745
+ "loss": 0.125,
2746
+ "step": 3370
2747
+ },
2748
+ {
2749
+ "epoch": 42.25,
2750
+ "grad_norm": 0.38650012016296387,
2751
+ "learning_rate": 0.0003444444444444445,
2752
+ "loss": 0.1209,
2753
+ "step": 3380
2754
+ },
2755
+ {
2756
+ "epoch": 42.38,
2757
+ "grad_norm": 0.3292187750339508,
2758
+ "learning_rate": 0.0003388888888888889,
2759
+ "loss": 0.1236,
2760
+ "step": 3390
2761
+ },
2762
+ {
2763
+ "epoch": 42.5,
2764
+ "grad_norm": 0.20681746304035187,
2765
+ "learning_rate": 0.0003333333333333333,
2766
+ "loss": 0.0973,
2767
+ "step": 3400
2768
+ },
2769
+ {
2770
+ "epoch": 42.62,
2771
+ "grad_norm": 0.33743348717689514,
2772
+ "learning_rate": 0.0003277777777777778,
2773
+ "loss": 0.1208,
2774
+ "step": 3410
2775
+ },
2776
+ {
2777
+ "epoch": 42.75,
2778
+ "grad_norm": 0.34158453345298767,
2779
+ "learning_rate": 0.0003222222222222222,
2780
+ "loss": 0.11,
2781
+ "step": 3420
2782
+ },
2783
+ {
2784
+ "epoch": 42.88,
2785
+ "grad_norm": 0.5730062127113342,
2786
+ "learning_rate": 0.00031666666666666665,
2787
+ "loss": 0.1292,
2788
+ "step": 3430
2789
+ },
2790
+ {
2791
+ "epoch": 43.0,
2792
+ "grad_norm": 0.44954267144203186,
2793
+ "learning_rate": 0.0003111111111111111,
2794
+ "loss": 0.1097,
2795
+ "step": 3440
2796
+ },
2797
+ {
2798
+ "epoch": 43.0,
2799
+ "eval_accuracy": 0.9677734375,
2800
+ "eval_loss": 0.11706902086734772,
2801
+ "eval_runtime": 4.9202,
2802
+ "eval_samples_per_second": 208.12,
2803
+ "eval_steps_per_second": 13.007,
2804
+ "step": 3440
2805
+ },
2806
+ {
2807
+ "epoch": 43.12,
2808
+ "grad_norm": 0.25731635093688965,
2809
+ "learning_rate": 0.0003055555555555556,
2810
+ "loss": 0.1161,
2811
+ "step": 3450
2812
+ },
2813
+ {
2814
+ "epoch": 43.25,
2815
+ "grad_norm": 0.5329569578170776,
2816
+ "learning_rate": 0.0003,
2817
+ "loss": 0.1507,
2818
+ "step": 3460
2819
+ },
2820
+ {
2821
+ "epoch": 43.38,
2822
+ "grad_norm": 0.3034692704677582,
2823
+ "learning_rate": 0.00029444444444444445,
2824
+ "loss": 0.1447,
2825
+ "step": 3470
2826
+ },
2827
+ {
2828
+ "epoch": 43.5,
2829
+ "grad_norm": 0.5483482480049133,
2830
+ "learning_rate": 0.0002888888888888889,
2831
+ "loss": 0.1323,
2832
+ "step": 3480
2833
+ },
2834
+ {
2835
+ "epoch": 43.62,
2836
+ "grad_norm": 0.279697984457016,
2837
+ "learning_rate": 0.00028333333333333335,
2838
+ "loss": 0.1,
2839
+ "step": 3490
2840
+ },
2841
+ {
2842
+ "epoch": 43.75,
2843
+ "grad_norm": 0.5593113303184509,
2844
+ "learning_rate": 0.0002777777777777778,
2845
+ "loss": 0.1169,
2846
+ "step": 3500
2847
+ },
2848
+ {
2849
+ "epoch": 43.88,
2850
+ "grad_norm": 0.621919572353363,
2851
+ "learning_rate": 0.0002722222222222222,
2852
+ "loss": 0.1119,
2853
+ "step": 3510
2854
+ },
2855
+ {
2856
+ "epoch": 44.0,
2857
+ "grad_norm": 0.37898024916648865,
2858
+ "learning_rate": 0.0002666666666666667,
2859
+ "loss": 0.1167,
2860
+ "step": 3520
2861
+ },
2862
+ {
2863
+ "epoch": 44.0,
2864
+ "eval_accuracy": 0.9765625,
2865
+ "eval_loss": 0.10542036592960358,
2866
+ "eval_runtime": 5.3473,
2867
+ "eval_samples_per_second": 191.5,
2868
+ "eval_steps_per_second": 11.969,
2869
+ "step": 3520
2870
+ },
2871
+ {
2872
+ "epoch": 44.12,
2873
+ "grad_norm": 0.40025296807289124,
2874
+ "learning_rate": 0.00026111111111111116,
2875
+ "loss": 0.1107,
2876
+ "step": 3530
2877
+ },
2878
+ {
2879
+ "epoch": 44.25,
2880
+ "grad_norm": 0.19010861217975616,
2881
+ "learning_rate": 0.00025555555555555553,
2882
+ "loss": 0.1008,
2883
+ "step": 3540
2884
+ },
2885
+ {
2886
+ "epoch": 44.38,
2887
+ "grad_norm": 0.33224934339523315,
2888
+ "learning_rate": 0.00025,
2889
+ "loss": 0.1355,
2890
+ "step": 3550
2891
+ },
2892
+ {
2893
+ "epoch": 44.5,
2894
+ "grad_norm": 0.4298325181007385,
2895
+ "learning_rate": 0.00024444444444444443,
2896
+ "loss": 0.106,
2897
+ "step": 3560
2898
+ },
2899
+ {
2900
+ "epoch": 44.62,
2901
+ "grad_norm": 0.4320330023765564,
2902
+ "learning_rate": 0.0002388888888888889,
2903
+ "loss": 0.1053,
2904
+ "step": 3570
2905
+ },
2906
+ {
2907
+ "epoch": 44.75,
2908
+ "grad_norm": 0.1121302917599678,
2909
+ "learning_rate": 0.00023333333333333333,
2910
+ "loss": 0.0845,
2911
+ "step": 3580
2912
+ },
2913
+ {
2914
+ "epoch": 44.88,
2915
+ "grad_norm": 0.3021819293498993,
2916
+ "learning_rate": 0.00022777777777777778,
2917
+ "loss": 0.1222,
2918
+ "step": 3590
2919
+ },
2920
+ {
2921
+ "epoch": 45.0,
2922
+ "grad_norm": 0.7353653311729431,
2923
+ "learning_rate": 0.0002222222222222222,
2924
+ "loss": 0.1388,
2925
+ "step": 3600
2926
+ },
2927
+ {
2928
+ "epoch": 45.0,
2929
+ "eval_accuracy": 0.9794921875,
2930
+ "eval_loss": 0.09323666244745255,
2931
+ "eval_runtime": 4.9368,
2932
+ "eval_samples_per_second": 207.422,
2933
+ "eval_steps_per_second": 12.964,
2934
+ "step": 3600
2935
+ },
2936
+ {
2937
+ "epoch": 45.12,
2938
+ "grad_norm": 0.5964930057525635,
2939
+ "learning_rate": 0.00021666666666666668,
2940
+ "loss": 0.1201,
2941
+ "step": 3610
2942
+ },
2943
+ {
2944
+ "epoch": 45.25,
2945
+ "grad_norm": 0.17329342663288116,
2946
+ "learning_rate": 0.0002111111111111111,
2947
+ "loss": 0.0905,
2948
+ "step": 3620
2949
+ },
2950
+ {
2951
+ "epoch": 45.38,
2952
+ "grad_norm": 0.5378609299659729,
2953
+ "learning_rate": 0.00020555555555555556,
2954
+ "loss": 0.0981,
2955
+ "step": 3630
2956
+ },
2957
+ {
2958
+ "epoch": 45.5,
2959
+ "grad_norm": 0.3457593619823456,
2960
+ "learning_rate": 0.0002,
2961
+ "loss": 0.1116,
2962
+ "step": 3640
2963
+ },
2964
+ {
2965
+ "epoch": 45.62,
2966
+ "grad_norm": 0.5954685211181641,
2967
+ "learning_rate": 0.00019444444444444446,
2968
+ "loss": 0.1037,
2969
+ "step": 3650
2970
+ },
2971
+ {
2972
+ "epoch": 45.75,
2973
+ "grad_norm": 0.1786712259054184,
2974
+ "learning_rate": 0.00018888888888888888,
2975
+ "loss": 0.0978,
2976
+ "step": 3660
2977
+ },
2978
+ {
2979
+ "epoch": 45.88,
2980
+ "grad_norm": 0.25224894285202026,
2981
+ "learning_rate": 0.00018333333333333334,
2982
+ "loss": 0.1089,
2983
+ "step": 3670
2984
+ },
2985
+ {
2986
+ "epoch": 46.0,
2987
+ "grad_norm": 0.33607247471809387,
2988
+ "learning_rate": 0.00017777777777777779,
2989
+ "loss": 0.1221,
2990
+ "step": 3680
2991
+ },
2992
+ {
2993
+ "epoch": 46.0,
2994
+ "eval_accuracy": 0.9765625,
2995
+ "eval_loss": 0.09462323784828186,
2996
+ "eval_runtime": 5.2287,
2997
+ "eval_samples_per_second": 195.844,
2998
+ "eval_steps_per_second": 12.24,
2999
+ "step": 3680
3000
+ },
3001
+ {
3002
+ "epoch": 46.12,
3003
+ "grad_norm": 0.34634700417518616,
3004
+ "learning_rate": 0.00017222222222222224,
3005
+ "loss": 0.1243,
3006
+ "step": 3690
3007
+ },
3008
+ {
3009
+ "epoch": 46.25,
3010
+ "grad_norm": 0.5061681866645813,
3011
+ "learning_rate": 0.00016666666666666666,
3012
+ "loss": 0.1115,
3013
+ "step": 3700
3014
+ },
3015
+ {
3016
+ "epoch": 46.38,
3017
+ "grad_norm": 0.2837713658809662,
3018
+ "learning_rate": 0.0001611111111111111,
3019
+ "loss": 0.1008,
3020
+ "step": 3710
3021
+ },
3022
+ {
3023
+ "epoch": 46.5,
3024
+ "grad_norm": 0.2688066363334656,
3025
+ "learning_rate": 0.00015555555555555556,
3026
+ "loss": 0.1058,
3027
+ "step": 3720
3028
+ },
3029
+ {
3030
+ "epoch": 46.62,
3031
+ "grad_norm": 0.32675421237945557,
3032
+ "learning_rate": 0.00015,
3033
+ "loss": 0.0897,
3034
+ "step": 3730
3035
+ },
3036
+ {
3037
+ "epoch": 46.75,
3038
+ "grad_norm": 0.6959260702133179,
3039
+ "learning_rate": 0.00014444444444444444,
3040
+ "loss": 0.1182,
3041
+ "step": 3740
3042
+ },
3043
+ {
3044
+ "epoch": 46.88,
3045
+ "grad_norm": 0.3018099069595337,
3046
+ "learning_rate": 0.0001388888888888889,
3047
+ "loss": 0.1013,
3048
+ "step": 3750
3049
+ },
3050
+ {
3051
+ "epoch": 47.0,
3052
+ "grad_norm": 0.6018778085708618,
3053
+ "learning_rate": 0.00013333333333333334,
3054
+ "loss": 0.1099,
3055
+ "step": 3760
3056
+ },
3057
+ {
3058
+ "epoch": 47.0,
3059
+ "eval_accuracy": 0.9755859375,
3060
+ "eval_loss": 0.1115545928478241,
3061
+ "eval_runtime": 5.0799,
3062
+ "eval_samples_per_second": 201.581,
3063
+ "eval_steps_per_second": 12.599,
3064
+ "step": 3760
3065
+ },
3066
+ {
3067
+ "epoch": 47.12,
3068
+ "grad_norm": 0.42199546098709106,
3069
+ "learning_rate": 0.00012777777777777776,
3070
+ "loss": 0.1073,
3071
+ "step": 3770
3072
+ },
3073
+ {
3074
+ "epoch": 47.25,
3075
+ "grad_norm": 0.6451756358146667,
3076
+ "learning_rate": 0.00012222222222222221,
3077
+ "loss": 0.099,
3078
+ "step": 3780
3079
+ },
3080
+ {
3081
+ "epoch": 47.38,
3082
+ "grad_norm": 0.4935210943222046,
3083
+ "learning_rate": 0.00011666666666666667,
3084
+ "loss": 0.1077,
3085
+ "step": 3790
3086
+ },
3087
+ {
3088
+ "epoch": 47.5,
3089
+ "grad_norm": 0.2563684582710266,
3090
+ "learning_rate": 0.0001111111111111111,
3091
+ "loss": 0.0907,
3092
+ "step": 3800
3093
+ },
3094
+ {
3095
+ "epoch": 47.62,
3096
+ "grad_norm": 0.3351310193538666,
3097
+ "learning_rate": 0.00010555555555555555,
3098
+ "loss": 0.1059,
3099
+ "step": 3810
3100
+ },
3101
+ {
3102
+ "epoch": 47.75,
3103
+ "grad_norm": 0.39526107907295227,
3104
+ "learning_rate": 0.0001,
3105
+ "loss": 0.0868,
3106
+ "step": 3820
3107
+ },
3108
+ {
3109
+ "epoch": 47.88,
3110
+ "grad_norm": 0.4634101390838623,
3111
+ "learning_rate": 9.444444444444444e-05,
3112
+ "loss": 0.1098,
3113
+ "step": 3830
3114
+ },
3115
+ {
3116
+ "epoch": 48.0,
3117
+ "grad_norm": 0.5983624458312988,
3118
+ "learning_rate": 8.888888888888889e-05,
3119
+ "loss": 0.1041,
3120
+ "step": 3840
3121
+ },
3122
+ {
3123
+ "epoch": 48.0,
3124
+ "eval_accuracy": 0.974609375,
3125
+ "eval_loss": 0.11264081299304962,
3126
+ "eval_runtime": 4.9279,
3127
+ "eval_samples_per_second": 207.795,
3128
+ "eval_steps_per_second": 12.987,
3129
+ "step": 3840
3130
+ },
3131
+ {
3132
+ "epoch": 48.12,
3133
+ "grad_norm": 0.4093017578125,
3134
+ "learning_rate": 8.333333333333333e-05,
3135
+ "loss": 0.1134,
3136
+ "step": 3850
3137
+ },
3138
+ {
3139
+ "epoch": 48.25,
3140
+ "grad_norm": 0.6668171286582947,
3141
+ "learning_rate": 7.777777777777778e-05,
3142
+ "loss": 0.0948,
3143
+ "step": 3860
3144
+ },
3145
+ {
3146
+ "epoch": 48.38,
3147
+ "grad_norm": 0.24066688120365143,
3148
+ "learning_rate": 7.222222222222222e-05,
3149
+ "loss": 0.0958,
3150
+ "step": 3870
3151
+ },
3152
+ {
3153
+ "epoch": 48.5,
3154
+ "grad_norm": 0.2770562469959259,
3155
+ "learning_rate": 6.666666666666667e-05,
3156
+ "loss": 0.1021,
3157
+ "step": 3880
3158
+ },
3159
+ {
3160
+ "epoch": 48.62,
3161
+ "grad_norm": 0.45978790521621704,
3162
+ "learning_rate": 6.111111111111111e-05,
3163
+ "loss": 0.1084,
3164
+ "step": 3890
3165
+ },
3166
+ {
3167
+ "epoch": 48.75,
3168
+ "grad_norm": 0.594672441482544,
3169
+ "learning_rate": 5.555555555555555e-05,
3170
+ "loss": 0.1373,
3171
+ "step": 3900
3172
+ },
3173
+ {
3174
+ "epoch": 48.88,
3175
+ "grad_norm": 0.8167428374290466,
3176
+ "learning_rate": 5e-05,
3177
+ "loss": 0.1038,
3178
+ "step": 3910
3179
+ },
3180
+ {
3181
+ "epoch": 49.0,
3182
+ "grad_norm": 0.2987329661846161,
3183
+ "learning_rate": 4.4444444444444447e-05,
3184
+ "loss": 0.1025,
3185
+ "step": 3920
3186
+ },
3187
+ {
3188
+ "epoch": 49.0,
3189
+ "eval_accuracy": 0.9755859375,
3190
+ "eval_loss": 0.11138872057199478,
3191
+ "eval_runtime": 5.3184,
3192
+ "eval_samples_per_second": 192.54,
3193
+ "eval_steps_per_second": 12.034,
3194
+ "step": 3920
3195
+ },
3196
+ {
3197
+ "epoch": 49.12,
3198
+ "grad_norm": 0.3884102404117584,
3199
+ "learning_rate": 3.888888888888889e-05,
3200
+ "loss": 0.1018,
3201
+ "step": 3930
3202
+ },
3203
+ {
3204
+ "epoch": 49.25,
3205
+ "grad_norm": 0.2661769688129425,
3206
+ "learning_rate": 3.3333333333333335e-05,
3207
+ "loss": 0.1011,
3208
+ "step": 3940
3209
+ },
3210
+ {
3211
+ "epoch": 49.38,
3212
+ "grad_norm": 0.40820014476776123,
3213
+ "learning_rate": 2.7777777777777776e-05,
3214
+ "loss": 0.1488,
3215
+ "step": 3950
3216
+ },
3217
+ {
3218
+ "epoch": 49.5,
3219
+ "grad_norm": 0.46163231134414673,
3220
+ "learning_rate": 2.2222222222222223e-05,
3221
+ "loss": 0.1258,
3222
+ "step": 3960
3223
+ },
3224
+ {
3225
+ "epoch": 49.62,
3226
+ "grad_norm": 0.4315054416656494,
3227
+ "learning_rate": 1.6666666666666667e-05,
3228
+ "loss": 0.1018,
3229
+ "step": 3970
3230
+ },
3231
+ {
3232
+ "epoch": 49.75,
3233
+ "grad_norm": 0.2365369200706482,
3234
+ "learning_rate": 1.1111111111111112e-05,
3235
+ "loss": 0.0977,
3236
+ "step": 3980
3237
+ },
3238
+ {
3239
+ "epoch": 49.88,
3240
+ "grad_norm": 0.4910149574279785,
3241
+ "learning_rate": 5.555555555555556e-06,
3242
+ "loss": 0.1122,
3243
+ "step": 3990
3244
+ },
3245
+ {
3246
+ "epoch": 50.0,
3247
+ "grad_norm": 0.2623092234134674,
3248
+ "learning_rate": 0.0,
3249
+ "loss": 0.0887,
3250
+ "step": 4000
3251
+ },
3252
+ {
3253
+ "epoch": 50.0,
3254
+ "eval_accuracy": 0.9755859375,
3255
+ "eval_loss": 0.10555899888277054,
3256
+ "eval_runtime": 4.9229,
3257
+ "eval_samples_per_second": 208.005,
3258
+ "eval_steps_per_second": 13.0,
3259
+ "step": 4000
3260
+ },
3261
+ {
3262
+ "epoch": 50.0,
3263
+ "step": 4000,
3264
+ "total_flos": 5.437210780237824e+18,
3265
+ "train_loss": 0.3629864407479763,
3266
+ "train_runtime": 3465.6999,
3267
+ "train_samples_per_second": 73.867,
3268
+ "train_steps_per_second": 1.154
3269
+ }
3270
+ ],
3271
+ "logging_steps": 10,
3272
+ "max_steps": 4000,
3273
+ "num_input_tokens_seen": 0,
3274
+ "num_train_epochs": 50,
3275
+ "save_steps": 500,
3276
+ "total_flos": 5.437210780237824e+18,
3277
+ "train_batch_size": 16,
3278
+ "trial_name": null,
3279
+ "trial_params": null
3280
+ }
training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:9ac0417085b4a2358ca8e0bc3a128e1354e847ed5e45152747b6de1925eaf689
3
+ size 4920