fats-fme commited on
Commit
72f2af9
1 Parent(s): 070a407

Training in progress, step 402, checkpoint

Browse files
last-checkpoint/optimizer.pt CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:dba8b46da36cd1da4c37b78c55be581df0ee095e65cbb8239f2a23c0a9f23b18
3
  size 101184122
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:3c66af201cb46ea48affe25fb60a01d856a9c1e55da9025eceeb12b4646d97a3
3
  size 101184122
last-checkpoint/rng_state_0.pth CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:57b3a1ec45c4bd296b690a371d320cbd885ee364d61c107e3196412b8da59811
3
  size 14512
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:b2e15289dd51850b5a4dbc37418946479cd95b898dc0f170f28090e10a296940
3
  size 14512
last-checkpoint/rng_state_1.pth CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:59ee39a969e1aca1d8ab40e93cb569005c329a60cfd3c6febc1ccdf49ae60d91
3
  size 14512
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:4d06506b9f2dd31a09d0da656752ae957a35f8f281429519bfaef30401c384c3
3
  size 14512
last-checkpoint/scheduler.pt CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:5ad26784d3cc7b071c58c9c288ad8b72a7313a78575d8f75e9f52060da4b738e
3
  size 1064
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:f3db034fd3734680c05eeb36af77b84676a988b958f10cc056cb79e17603f274
3
  size 1064
last-checkpoint/trainer_state.json CHANGED
@@ -1,9 +1,9 @@
1
  {
2
  "best_metric": null,
3
  "best_model_checkpoint": null,
4
- "epoch": 0.2507015902712816,
5
  "eval_steps": 201,
6
- "global_step": 201,
7
  "is_hyper_param_search": false,
8
  "is_local_process_zero": true,
9
  "is_world_process_zero": true,
@@ -1430,6 +1430,1421 @@
1430
  "eval_samples_per_second": 22.363,
1431
  "eval_steps_per_second": 5.595,
1432
  "step": 201
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1433
  }
1434
  ],
1435
  "logging_steps": 1,
@@ -1449,7 +2864,7 @@
1449
  "attributes": {}
1450
  }
1451
  },
1452
- "total_flos": 8.281271774373478e+16,
1453
  "train_batch_size": 2,
1454
  "trial_name": null,
1455
  "trial_params": null
 
1
  {
2
  "best_metric": null,
3
  "best_model_checkpoint": null,
4
+ "epoch": 0.5014031805425632,
5
  "eval_steps": 201,
6
+ "global_step": 402,
7
  "is_hyper_param_search": false,
8
  "is_local_process_zero": true,
9
  "is_world_process_zero": true,
 
1430
  "eval_samples_per_second": 22.363,
1431
  "eval_steps_per_second": 5.595,
1432
  "step": 201
1433
+ },
1434
+ {
1435
+ "epoch": 0.251948861864671,
1436
+ "grad_norm": NaN,
1437
+ "learning_rate": 0.00018045682064347275,
1438
+ "loss": 0.0,
1439
+ "step": 202
1440
+ },
1441
+ {
1442
+ "epoch": 0.25319613345806047,
1443
+ "grad_norm": NaN,
1444
+ "learning_rate": 0.00018020769303234962,
1445
+ "loss": 0.0,
1446
+ "step": 203
1447
+ },
1448
+ {
1449
+ "epoch": 0.25444340505144997,
1450
+ "grad_norm": NaN,
1451
+ "learning_rate": 0.00017995716184739284,
1452
+ "loss": 0.0,
1453
+ "step": 204
1454
+ },
1455
+ {
1456
+ "epoch": 0.2556906766448394,
1457
+ "grad_norm": NaN,
1458
+ "learning_rate": 0.00017970523147270822,
1459
+ "loss": 0.0,
1460
+ "step": 205
1461
+ },
1462
+ {
1463
+ "epoch": 0.25693794823822885,
1464
+ "grad_norm": NaN,
1465
+ "learning_rate": 0.0001794519063168864,
1466
+ "loss": 0.0,
1467
+ "step": 206
1468
+ },
1469
+ {
1470
+ "epoch": 0.25818521983161835,
1471
+ "grad_norm": NaN,
1472
+ "learning_rate": 0.0001791971908129256,
1473
+ "loss": 0.0,
1474
+ "step": 207
1475
+ },
1476
+ {
1477
+ "epoch": 0.2594324914250078,
1478
+ "grad_norm": NaN,
1479
+ "learning_rate": 0.000178941089418154,
1480
+ "loss": 0.0,
1481
+ "step": 208
1482
+ },
1483
+ {
1484
+ "epoch": 0.26067976301839724,
1485
+ "grad_norm": NaN,
1486
+ "learning_rate": 0.000178683606614152,
1487
+ "loss": 0.0,
1488
+ "step": 209
1489
+ },
1490
+ {
1491
+ "epoch": 0.26192703461178674,
1492
+ "grad_norm": NaN,
1493
+ "learning_rate": 0.00017842474690667344,
1494
+ "loss": 0.0,
1495
+ "step": 210
1496
+ },
1497
+ {
1498
+ "epoch": 0.2631743062051762,
1499
+ "grad_norm": NaN,
1500
+ "learning_rate": 0.00017816451482556702,
1501
+ "loss": 0.0,
1502
+ "step": 211
1503
+ },
1504
+ {
1505
+ "epoch": 0.2644215777985656,
1506
+ "grad_norm": NaN,
1507
+ "learning_rate": 0.0001779029149246969,
1508
+ "loss": 0.0,
1509
+ "step": 212
1510
+ },
1511
+ {
1512
+ "epoch": 0.2656688493919551,
1513
+ "grad_norm": NaN,
1514
+ "learning_rate": 0.00017763995178186307,
1515
+ "loss": 0.0,
1516
+ "step": 213
1517
+ },
1518
+ {
1519
+ "epoch": 0.26691612098534456,
1520
+ "grad_norm": NaN,
1521
+ "learning_rate": 0.00017737562999872118,
1522
+ "loss": 0.0,
1523
+ "step": 214
1524
+ },
1525
+ {
1526
+ "epoch": 0.268163392578734,
1527
+ "grad_norm": NaN,
1528
+ "learning_rate": 0.00017710995420070215,
1529
+ "loss": 0.0,
1530
+ "step": 215
1531
+ },
1532
+ {
1533
+ "epoch": 0.2694106641721235,
1534
+ "grad_norm": NaN,
1535
+ "learning_rate": 0.00017684292903693102,
1536
+ "loss": 0.0,
1537
+ "step": 216
1538
+ },
1539
+ {
1540
+ "epoch": 0.27065793576551295,
1541
+ "grad_norm": NaN,
1542
+ "learning_rate": 0.00017657455918014582,
1543
+ "loss": 0.0,
1544
+ "step": 217
1545
+ },
1546
+ {
1547
+ "epoch": 0.2719052073589024,
1548
+ "grad_norm": NaN,
1549
+ "learning_rate": 0.00017630484932661559,
1550
+ "loss": 0.0,
1551
+ "step": 218
1552
+ },
1553
+ {
1554
+ "epoch": 0.2731524789522919,
1555
+ "grad_norm": NaN,
1556
+ "learning_rate": 0.0001760338041960583,
1557
+ "loss": 0.0,
1558
+ "step": 219
1559
+ },
1560
+ {
1561
+ "epoch": 0.27439975054568133,
1562
+ "grad_norm": NaN,
1563
+ "learning_rate": 0.00017576142853155838,
1564
+ "loss": 0.0,
1565
+ "step": 220
1566
+ },
1567
+ {
1568
+ "epoch": 0.2756470221390708,
1569
+ "grad_norm": NaN,
1570
+ "learning_rate": 0.00017548772709948343,
1571
+ "loss": 0.0,
1572
+ "step": 221
1573
+ },
1574
+ {
1575
+ "epoch": 0.2768942937324602,
1576
+ "grad_norm": NaN,
1577
+ "learning_rate": 0.0001752127046894011,
1578
+ "loss": 0.0,
1579
+ "step": 222
1580
+ },
1581
+ {
1582
+ "epoch": 0.2781415653258497,
1583
+ "grad_norm": NaN,
1584
+ "learning_rate": 0.0001749363661139951,
1585
+ "loss": 0.0,
1586
+ "step": 223
1587
+ },
1588
+ {
1589
+ "epoch": 0.27938883691923916,
1590
+ "grad_norm": NaN,
1591
+ "learning_rate": 0.00017465871620898102,
1592
+ "loss": 0.0,
1593
+ "step": 224
1594
+ },
1595
+ {
1596
+ "epoch": 0.2806361085126286,
1597
+ "grad_norm": NaN,
1598
+ "learning_rate": 0.00017437975983302178,
1599
+ "loss": 0.0,
1600
+ "step": 225
1601
+ },
1602
+ {
1603
+ "epoch": 0.2818833801060181,
1604
+ "grad_norm": NaN,
1605
+ "learning_rate": 0.0001740995018676425,
1606
+ "loss": 0.0,
1607
+ "step": 226
1608
+ },
1609
+ {
1610
+ "epoch": 0.28313065169940754,
1611
+ "grad_norm": NaN,
1612
+ "learning_rate": 0.0001738179472171452,
1613
+ "loss": 0.0,
1614
+ "step": 227
1615
+ },
1616
+ {
1617
+ "epoch": 0.284377923292797,
1618
+ "grad_norm": NaN,
1619
+ "learning_rate": 0.00017353510080852282,
1620
+ "loss": 0.0,
1621
+ "step": 228
1622
+ },
1623
+ {
1624
+ "epoch": 0.2856251948861865,
1625
+ "grad_norm": NaN,
1626
+ "learning_rate": 0.0001732509675913731,
1627
+ "loss": 0.0,
1628
+ "step": 229
1629
+ },
1630
+ {
1631
+ "epoch": 0.2868724664795759,
1632
+ "grad_norm": NaN,
1633
+ "learning_rate": 0.000172965552537812,
1634
+ "loss": 0.0,
1635
+ "step": 230
1636
+ },
1637
+ {
1638
+ "epoch": 0.28811973807296537,
1639
+ "grad_norm": NaN,
1640
+ "learning_rate": 0.00017267886064238662,
1641
+ "loss": 0.0,
1642
+ "step": 231
1643
+ },
1644
+ {
1645
+ "epoch": 0.28936700966635487,
1646
+ "grad_norm": NaN,
1647
+ "learning_rate": 0.00017239089692198785,
1648
+ "loss": 0.0,
1649
+ "step": 232
1650
+ },
1651
+ {
1652
+ "epoch": 0.2906142812597443,
1653
+ "grad_norm": NaN,
1654
+ "learning_rate": 0.0001721016664157625,
1655
+ "loss": 0.0,
1656
+ "step": 233
1657
+ },
1658
+ {
1659
+ "epoch": 0.29186155285313375,
1660
+ "grad_norm": NaN,
1661
+ "learning_rate": 0.00017181117418502525,
1662
+ "loss": 0.0,
1663
+ "step": 234
1664
+ },
1665
+ {
1666
+ "epoch": 0.29310882444652325,
1667
+ "grad_norm": NaN,
1668
+ "learning_rate": 0.00017151942531316988,
1669
+ "loss": 0.0,
1670
+ "step": 235
1671
+ },
1672
+ {
1673
+ "epoch": 0.2943560960399127,
1674
+ "grad_norm": NaN,
1675
+ "learning_rate": 0.00017122642490558055,
1676
+ "loss": 0.0,
1677
+ "step": 236
1678
+ },
1679
+ {
1680
+ "epoch": 0.29560336763330214,
1681
+ "grad_norm": NaN,
1682
+ "learning_rate": 0.00017093217808954232,
1683
+ "loss": 0.0,
1684
+ "step": 237
1685
+ },
1686
+ {
1687
+ "epoch": 0.29685063922669164,
1688
+ "grad_norm": NaN,
1689
+ "learning_rate": 0.00017063669001415145,
1690
+ "loss": 0.0,
1691
+ "step": 238
1692
+ },
1693
+ {
1694
+ "epoch": 0.2980979108200811,
1695
+ "grad_norm": NaN,
1696
+ "learning_rate": 0.00017033996585022528,
1697
+ "loss": 0.0,
1698
+ "step": 239
1699
+ },
1700
+ {
1701
+ "epoch": 0.2993451824134705,
1702
+ "grad_norm": NaN,
1703
+ "learning_rate": 0.00017004201079021176,
1704
+ "loss": 0.0,
1705
+ "step": 240
1706
+ },
1707
+ {
1708
+ "epoch": 0.30059245400686,
1709
+ "grad_norm": NaN,
1710
+ "learning_rate": 0.00016974283004809858,
1711
+ "loss": 0.0,
1712
+ "step": 241
1713
+ },
1714
+ {
1715
+ "epoch": 0.30183972560024946,
1716
+ "grad_norm": NaN,
1717
+ "learning_rate": 0.00016944242885932206,
1718
+ "loss": 0.0,
1719
+ "step": 242
1720
+ },
1721
+ {
1722
+ "epoch": 0.3030869971936389,
1723
+ "grad_norm": NaN,
1724
+ "learning_rate": 0.0001691408124806752,
1725
+ "loss": 0.0,
1726
+ "step": 243
1727
+ },
1728
+ {
1729
+ "epoch": 0.30433426878702835,
1730
+ "grad_norm": NaN,
1731
+ "learning_rate": 0.00016883798619021608,
1732
+ "loss": 0.0,
1733
+ "step": 244
1734
+ },
1735
+ {
1736
+ "epoch": 0.30558154038041785,
1737
+ "grad_norm": NaN,
1738
+ "learning_rate": 0.0001685339552871752,
1739
+ "loss": 0.0,
1740
+ "step": 245
1741
+ },
1742
+ {
1743
+ "epoch": 0.3068288119738073,
1744
+ "grad_norm": NaN,
1745
+ "learning_rate": 0.00016822872509186297,
1746
+ "loss": 0.0,
1747
+ "step": 246
1748
+ },
1749
+ {
1750
+ "epoch": 0.30807608356719673,
1751
+ "grad_norm": NaN,
1752
+ "learning_rate": 0.0001679223009455764,
1753
+ "loss": 0.0,
1754
+ "step": 247
1755
+ },
1756
+ {
1757
+ "epoch": 0.30932335516058623,
1758
+ "grad_norm": NaN,
1759
+ "learning_rate": 0.00016761468821050585,
1760
+ "loss": 0.0,
1761
+ "step": 248
1762
+ },
1763
+ {
1764
+ "epoch": 0.3105706267539757,
1765
+ "grad_norm": NaN,
1766
+ "learning_rate": 0.00016730589226964098,
1767
+ "loss": 0.0,
1768
+ "step": 249
1769
+ },
1770
+ {
1771
+ "epoch": 0.3118178983473651,
1772
+ "grad_norm": NaN,
1773
+ "learning_rate": 0.00016699591852667673,
1774
+ "loss": 0.0,
1775
+ "step": 250
1776
+ },
1777
+ {
1778
+ "epoch": 0.3130651699407546,
1779
+ "grad_norm": NaN,
1780
+ "learning_rate": 0.00016668477240591864,
1781
+ "loss": 0.0,
1782
+ "step": 251
1783
+ },
1784
+ {
1785
+ "epoch": 0.31431244153414406,
1786
+ "grad_norm": NaN,
1787
+ "learning_rate": 0.00016637245935218799,
1788
+ "loss": 0.0,
1789
+ "step": 252
1790
+ },
1791
+ {
1792
+ "epoch": 0.3155597131275335,
1793
+ "grad_norm": NaN,
1794
+ "learning_rate": 0.00016605898483072648,
1795
+ "loss": 0.0,
1796
+ "step": 253
1797
+ },
1798
+ {
1799
+ "epoch": 0.316806984720923,
1800
+ "grad_norm": NaN,
1801
+ "learning_rate": 0.00016574435432710068,
1802
+ "loss": 0.0,
1803
+ "step": 254
1804
+ },
1805
+ {
1806
+ "epoch": 0.31805425631431244,
1807
+ "grad_norm": NaN,
1808
+ "learning_rate": 0.0001654285733471059,
1809
+ "loss": 0.0,
1810
+ "step": 255
1811
+ },
1812
+ {
1813
+ "epoch": 0.3193015279077019,
1814
+ "grad_norm": NaN,
1815
+ "learning_rate": 0.0001651116474166699,
1816
+ "loss": 0.0,
1817
+ "step": 256
1818
+ },
1819
+ {
1820
+ "epoch": 0.3205487995010914,
1821
+ "grad_norm": NaN,
1822
+ "learning_rate": 0.00016479358208175627,
1823
+ "loss": 0.0,
1824
+ "step": 257
1825
+ },
1826
+ {
1827
+ "epoch": 0.32179607109448083,
1828
+ "grad_norm": NaN,
1829
+ "learning_rate": 0.00016447438290826733,
1830
+ "loss": 0.0,
1831
+ "step": 258
1832
+ },
1833
+ {
1834
+ "epoch": 0.32304334268787027,
1835
+ "grad_norm": NaN,
1836
+ "learning_rate": 0.00016415405548194663,
1837
+ "loss": 0.0,
1838
+ "step": 259
1839
+ },
1840
+ {
1841
+ "epoch": 0.32429061428125977,
1842
+ "grad_norm": NaN,
1843
+ "learning_rate": 0.00016383260540828135,
1844
+ "loss": 0.0,
1845
+ "step": 260
1846
+ },
1847
+ {
1848
+ "epoch": 0.3255378858746492,
1849
+ "grad_norm": NaN,
1850
+ "learning_rate": 0.00016351003831240415,
1851
+ "loss": 0.0,
1852
+ "step": 261
1853
+ },
1854
+ {
1855
+ "epoch": 0.32678515746803866,
1856
+ "grad_norm": NaN,
1857
+ "learning_rate": 0.00016318635983899465,
1858
+ "loss": 0.0,
1859
+ "step": 262
1860
+ },
1861
+ {
1862
+ "epoch": 0.3280324290614281,
1863
+ "grad_norm": NaN,
1864
+ "learning_rate": 0.0001628615756521809,
1865
+ "loss": 0.0,
1866
+ "step": 263
1867
+ },
1868
+ {
1869
+ "epoch": 0.3292797006548176,
1870
+ "grad_norm": NaN,
1871
+ "learning_rate": 0.0001625356914354399,
1872
+ "loss": 0.0,
1873
+ "step": 264
1874
+ },
1875
+ {
1876
+ "epoch": 0.33052697224820704,
1877
+ "grad_norm": NaN,
1878
+ "learning_rate": 0.0001622087128914985,
1879
+ "loss": 0.0,
1880
+ "step": 265
1881
+ },
1882
+ {
1883
+ "epoch": 0.3317742438415965,
1884
+ "grad_norm": NaN,
1885
+ "learning_rate": 0.00016188064574223335,
1886
+ "loss": 0.0,
1887
+ "step": 266
1888
+ },
1889
+ {
1890
+ "epoch": 0.333021515434986,
1891
+ "grad_norm": NaN,
1892
+ "learning_rate": 0.0001615514957285709,
1893
+ "loss": 0.0,
1894
+ "step": 267
1895
+ },
1896
+ {
1897
+ "epoch": 0.3342687870283754,
1898
+ "grad_norm": NaN,
1899
+ "learning_rate": 0.00016122126861038688,
1900
+ "loss": 0.0,
1901
+ "step": 268
1902
+ },
1903
+ {
1904
+ "epoch": 0.33551605862176487,
1905
+ "grad_norm": NaN,
1906
+ "learning_rate": 0.00016088997016640562,
1907
+ "loss": 0.0,
1908
+ "step": 269
1909
+ },
1910
+ {
1911
+ "epoch": 0.33676333021515437,
1912
+ "grad_norm": NaN,
1913
+ "learning_rate": 0.00016055760619409877,
1914
+ "loss": 0.0,
1915
+ "step": 270
1916
+ },
1917
+ {
1918
+ "epoch": 0.3380106018085438,
1919
+ "grad_norm": NaN,
1920
+ "learning_rate": 0.00016022418250958385,
1921
+ "loss": 0.0,
1922
+ "step": 271
1923
+ },
1924
+ {
1925
+ "epoch": 0.33925787340193325,
1926
+ "grad_norm": NaN,
1927
+ "learning_rate": 0.00015988970494752272,
1928
+ "loss": 0.0,
1929
+ "step": 272
1930
+ },
1931
+ {
1932
+ "epoch": 0.34050514499532275,
1933
+ "grad_norm": NaN,
1934
+ "learning_rate": 0.00015955417936101913,
1935
+ "loss": 0.0,
1936
+ "step": 273
1937
+ },
1938
+ {
1939
+ "epoch": 0.3417524165887122,
1940
+ "grad_norm": NaN,
1941
+ "learning_rate": 0.00015921761162151653,
1942
+ "loss": 0.0,
1943
+ "step": 274
1944
+ },
1945
+ {
1946
+ "epoch": 0.34299968818210164,
1947
+ "grad_norm": NaN,
1948
+ "learning_rate": 0.00015888000761869528,
1949
+ "loss": 0.0,
1950
+ "step": 275
1951
+ },
1952
+ {
1953
+ "epoch": 0.34424695977549113,
1954
+ "grad_norm": NaN,
1955
+ "learning_rate": 0.0001585413732603695,
1956
+ "loss": 0.0,
1957
+ "step": 276
1958
+ },
1959
+ {
1960
+ "epoch": 0.3454942313688806,
1961
+ "grad_norm": NaN,
1962
+ "learning_rate": 0.00015820171447238383,
1963
+ "loss": 0.0,
1964
+ "step": 277
1965
+ },
1966
+ {
1967
+ "epoch": 0.34674150296227,
1968
+ "grad_norm": NaN,
1969
+ "learning_rate": 0.0001578610371985096,
1970
+ "loss": 0.0,
1971
+ "step": 278
1972
+ },
1973
+ {
1974
+ "epoch": 0.3479887745556595,
1975
+ "grad_norm": NaN,
1976
+ "learning_rate": 0.00015751934740034092,
1977
+ "loss": 0.0,
1978
+ "step": 279
1979
+ },
1980
+ {
1981
+ "epoch": 0.34923604614904896,
1982
+ "grad_norm": NaN,
1983
+ "learning_rate": 0.00015717665105719015,
1984
+ "loss": 0.0,
1985
+ "step": 280
1986
+ },
1987
+ {
1988
+ "epoch": 0.3504833177424384,
1989
+ "grad_norm": NaN,
1990
+ "learning_rate": 0.00015683295416598367,
1991
+ "loss": 0.0,
1992
+ "step": 281
1993
+ },
1994
+ {
1995
+ "epoch": 0.3517305893358279,
1996
+ "grad_norm": NaN,
1997
+ "learning_rate": 0.00015648826274115653,
1998
+ "loss": 0.0,
1999
+ "step": 282
2000
+ },
2001
+ {
2002
+ "epoch": 0.35297786092921735,
2003
+ "grad_norm": NaN,
2004
+ "learning_rate": 0.00015614258281454734,
2005
+ "loss": 0.0,
2006
+ "step": 283
2007
+ },
2008
+ {
2009
+ "epoch": 0.3542251325226068,
2010
+ "grad_norm": NaN,
2011
+ "learning_rate": 0.00015579592043529292,
2012
+ "loss": 0.0,
2013
+ "step": 284
2014
+ },
2015
+ {
2016
+ "epoch": 0.35547240411599623,
2017
+ "grad_norm": NaN,
2018
+ "learning_rate": 0.00015544828166972203,
2019
+ "loss": 0.0,
2020
+ "step": 285
2021
+ },
2022
+ {
2023
+ "epoch": 0.35671967570938573,
2024
+ "grad_norm": NaN,
2025
+ "learning_rate": 0.00015509967260124964,
2026
+ "loss": 0.0,
2027
+ "step": 286
2028
+ },
2029
+ {
2030
+ "epoch": 0.3579669473027752,
2031
+ "grad_norm": NaN,
2032
+ "learning_rate": 0.0001547500993302702,
2033
+ "loss": 0.0,
2034
+ "step": 287
2035
+ },
2036
+ {
2037
+ "epoch": 0.3592142188961646,
2038
+ "grad_norm": NaN,
2039
+ "learning_rate": 0.000154399567974051,
2040
+ "loss": 0.0,
2041
+ "step": 288
2042
+ },
2043
+ {
2044
+ "epoch": 0.3604614904895541,
2045
+ "grad_norm": NaN,
2046
+ "learning_rate": 0.00015404808466662508,
2047
+ "loss": 0.0,
2048
+ "step": 289
2049
+ },
2050
+ {
2051
+ "epoch": 0.36170876208294356,
2052
+ "grad_norm": NaN,
2053
+ "learning_rate": 0.0001536956555586839,
2054
+ "loss": 0.0,
2055
+ "step": 290
2056
+ },
2057
+ {
2058
+ "epoch": 0.362956033676333,
2059
+ "grad_norm": NaN,
2060
+ "learning_rate": 0.0001533422868174697,
2061
+ "loss": 0.0,
2062
+ "step": 291
2063
+ },
2064
+ {
2065
+ "epoch": 0.3642033052697225,
2066
+ "grad_norm": NaN,
2067
+ "learning_rate": 0.00015298798462666765,
2068
+ "loss": 0.0,
2069
+ "step": 292
2070
+ },
2071
+ {
2072
+ "epoch": 0.36545057686311194,
2073
+ "grad_norm": NaN,
2074
+ "learning_rate": 0.00015263275518629754,
2075
+ "loss": 0.0,
2076
+ "step": 293
2077
+ },
2078
+ {
2079
+ "epoch": 0.3666978484565014,
2080
+ "grad_norm": NaN,
2081
+ "learning_rate": 0.00015227660471260528,
2082
+ "loss": 0.0,
2083
+ "step": 294
2084
+ },
2085
+ {
2086
+ "epoch": 0.3679451200498909,
2087
+ "grad_norm": NaN,
2088
+ "learning_rate": 0.00015191953943795427,
2089
+ "loss": 0.0,
2090
+ "step": 295
2091
+ },
2092
+ {
2093
+ "epoch": 0.3691923916432803,
2094
+ "grad_norm": NaN,
2095
+ "learning_rate": 0.00015156156561071612,
2096
+ "loss": 0.0,
2097
+ "step": 296
2098
+ },
2099
+ {
2100
+ "epoch": 0.37043966323666977,
2101
+ "grad_norm": NaN,
2102
+ "learning_rate": 0.0001512026894951615,
2103
+ "loss": 0.0,
2104
+ "step": 297
2105
+ },
2106
+ {
2107
+ "epoch": 0.37168693483005927,
2108
+ "grad_norm": NaN,
2109
+ "learning_rate": 0.00015084291737135048,
2110
+ "loss": 0.0,
2111
+ "step": 298
2112
+ },
2113
+ {
2114
+ "epoch": 0.3729342064234487,
2115
+ "grad_norm": NaN,
2116
+ "learning_rate": 0.00015048225553502244,
2117
+ "loss": 0.0,
2118
+ "step": 299
2119
+ },
2120
+ {
2121
+ "epoch": 0.37418147801683815,
2122
+ "grad_norm": NaN,
2123
+ "learning_rate": 0.00015012071029748614,
2124
+ "loss": 0.0,
2125
+ "step": 300
2126
+ },
2127
+ {
2128
+ "epoch": 0.37542874961022765,
2129
+ "grad_norm": NaN,
2130
+ "learning_rate": 0.00014975828798550933,
2131
+ "loss": 0.0,
2132
+ "step": 301
2133
+ },
2134
+ {
2135
+ "epoch": 0.3766760212036171,
2136
+ "grad_norm": NaN,
2137
+ "learning_rate": 0.00014939499494120761,
2138
+ "loss": 0.0,
2139
+ "step": 302
2140
+ },
2141
+ {
2142
+ "epoch": 0.37792329279700654,
2143
+ "grad_norm": NaN,
2144
+ "learning_rate": 0.00014903083752193397,
2145
+ "loss": 0.0,
2146
+ "step": 303
2147
+ },
2148
+ {
2149
+ "epoch": 0.379170564390396,
2150
+ "grad_norm": NaN,
2151
+ "learning_rate": 0.0001486658221001672,
2152
+ "loss": 0.0,
2153
+ "step": 304
2154
+ },
2155
+ {
2156
+ "epoch": 0.3804178359837855,
2157
+ "grad_norm": NaN,
2158
+ "learning_rate": 0.0001482999550634006,
2159
+ "loss": 0.0,
2160
+ "step": 305
2161
+ },
2162
+ {
2163
+ "epoch": 0.3816651075771749,
2164
+ "grad_norm": NaN,
2165
+ "learning_rate": 0.0001479332428140299,
2166
+ "loss": 0.0,
2167
+ "step": 306
2168
+ },
2169
+ {
2170
+ "epoch": 0.38291237917056437,
2171
+ "grad_norm": NaN,
2172
+ "learning_rate": 0.00014756569176924153,
2173
+ "loss": 0.0,
2174
+ "step": 307
2175
+ },
2176
+ {
2177
+ "epoch": 0.38415965076395386,
2178
+ "grad_norm": NaN,
2179
+ "learning_rate": 0.0001471973083609002,
2180
+ "loss": 0.0,
2181
+ "step": 308
2182
+ },
2183
+ {
2184
+ "epoch": 0.3854069223573433,
2185
+ "grad_norm": NaN,
2186
+ "learning_rate": 0.00014682809903543632,
2187
+ "loss": 0.0,
2188
+ "step": 309
2189
+ },
2190
+ {
2191
+ "epoch": 0.38665419395073275,
2192
+ "grad_norm": NaN,
2193
+ "learning_rate": 0.00014645807025373328,
2194
+ "loss": 0.0,
2195
+ "step": 310
2196
+ },
2197
+ {
2198
+ "epoch": 0.38790146554412225,
2199
+ "grad_norm": NaN,
2200
+ "learning_rate": 0.0001460872284910143,
2201
+ "loss": 0.0,
2202
+ "step": 311
2203
+ },
2204
+ {
2205
+ "epoch": 0.3891487371375117,
2206
+ "grad_norm": NaN,
2207
+ "learning_rate": 0.000145715580236729,
2208
+ "loss": 0.0,
2209
+ "step": 312
2210
+ },
2211
+ {
2212
+ "epoch": 0.39039600873090113,
2213
+ "grad_norm": NaN,
2214
+ "learning_rate": 0.00014534313199444031,
2215
+ "loss": 0.0,
2216
+ "step": 313
2217
+ },
2218
+ {
2219
+ "epoch": 0.39164328032429063,
2220
+ "grad_norm": NaN,
2221
+ "learning_rate": 0.00014496989028171012,
2222
+ "loss": 0.0,
2223
+ "step": 314
2224
+ },
2225
+ {
2226
+ "epoch": 0.3928905519176801,
2227
+ "grad_norm": NaN,
2228
+ "learning_rate": 0.00014459586162998545,
2229
+ "loss": 0.0,
2230
+ "step": 315
2231
+ },
2232
+ {
2233
+ "epoch": 0.3941378235110695,
2234
+ "grad_norm": NaN,
2235
+ "learning_rate": 0.00014422105258448425,
2236
+ "loss": 0.0,
2237
+ "step": 316
2238
+ },
2239
+ {
2240
+ "epoch": 0.395385095104459,
2241
+ "grad_norm": NaN,
2242
+ "learning_rate": 0.00014384546970408067,
2243
+ "loss": 0.0,
2244
+ "step": 317
2245
+ },
2246
+ {
2247
+ "epoch": 0.39663236669784846,
2248
+ "grad_norm": NaN,
2249
+ "learning_rate": 0.0001434691195611905,
2250
+ "loss": 0.0,
2251
+ "step": 318
2252
+ },
2253
+ {
2254
+ "epoch": 0.3978796382912379,
2255
+ "grad_norm": NaN,
2256
+ "learning_rate": 0.000143092008741656,
2257
+ "loss": 0.0,
2258
+ "step": 319
2259
+ },
2260
+ {
2261
+ "epoch": 0.3991269098846274,
2262
+ "grad_norm": NaN,
2263
+ "learning_rate": 0.00014271414384463063,
2264
+ "loss": 0.0,
2265
+ "step": 320
2266
+ },
2267
+ {
2268
+ "epoch": 0.40037418147801684,
2269
+ "grad_norm": NaN,
2270
+ "learning_rate": 0.00014233553148246364,
2271
+ "loss": 0.0,
2272
+ "step": 321
2273
+ },
2274
+ {
2275
+ "epoch": 0.4016214530714063,
2276
+ "grad_norm": NaN,
2277
+ "learning_rate": 0.00014195617828058446,
2278
+ "loss": 0.0,
2279
+ "step": 322
2280
+ },
2281
+ {
2282
+ "epoch": 0.4028687246647958,
2283
+ "grad_norm": NaN,
2284
+ "learning_rate": 0.00014157609087738656,
2285
+ "loss": 0.0,
2286
+ "step": 323
2287
+ },
2288
+ {
2289
+ "epoch": 0.40411599625818523,
2290
+ "grad_norm": NaN,
2291
+ "learning_rate": 0.00014119527592411146,
2292
+ "loss": 0.0,
2293
+ "step": 324
2294
+ },
2295
+ {
2296
+ "epoch": 0.40536326785157467,
2297
+ "grad_norm": NaN,
2298
+ "learning_rate": 0.00014081374008473213,
2299
+ "loss": 0.0,
2300
+ "step": 325
2301
+ },
2302
+ {
2303
+ "epoch": 0.4066105394449641,
2304
+ "grad_norm": NaN,
2305
+ "learning_rate": 0.0001404314900358366,
2306
+ "loss": 0.0,
2307
+ "step": 326
2308
+ },
2309
+ {
2310
+ "epoch": 0.4078578110383536,
2311
+ "grad_norm": NaN,
2312
+ "learning_rate": 0.00014004853246651092,
2313
+ "loss": 0.0,
2314
+ "step": 327
2315
+ },
2316
+ {
2317
+ "epoch": 0.40910508263174306,
2318
+ "grad_norm": NaN,
2319
+ "learning_rate": 0.0001396648740782224,
2320
+ "loss": 0.0,
2321
+ "step": 328
2322
+ },
2323
+ {
2324
+ "epoch": 0.4103523542251325,
2325
+ "grad_norm": NaN,
2326
+ "learning_rate": 0.000139280521584702,
2327
+ "loss": 0.0,
2328
+ "step": 329
2329
+ },
2330
+ {
2331
+ "epoch": 0.411599625818522,
2332
+ "grad_norm": NaN,
2333
+ "learning_rate": 0.00013889548171182702,
2334
+ "loss": 0.0,
2335
+ "step": 330
2336
+ },
2337
+ {
2338
+ "epoch": 0.41284689741191144,
2339
+ "grad_norm": NaN,
2340
+ "learning_rate": 0.0001385097611975034,
2341
+ "loss": 0.0,
2342
+ "step": 331
2343
+ },
2344
+ {
2345
+ "epoch": 0.4140941690053009,
2346
+ "grad_norm": NaN,
2347
+ "learning_rate": 0.00013812336679154777,
2348
+ "loss": 0.0,
2349
+ "step": 332
2350
+ },
2351
+ {
2352
+ "epoch": 0.4153414405986904,
2353
+ "grad_norm": NaN,
2354
+ "learning_rate": 0.0001377363052555693,
2355
+ "loss": 0.0,
2356
+ "step": 333
2357
+ },
2358
+ {
2359
+ "epoch": 0.4165887121920798,
2360
+ "grad_norm": NaN,
2361
+ "learning_rate": 0.00013734858336285162,
2362
+ "loss": 0.0,
2363
+ "step": 334
2364
+ },
2365
+ {
2366
+ "epoch": 0.41783598378546927,
2367
+ "grad_norm": NaN,
2368
+ "learning_rate": 0.00013696020789823388,
2369
+ "loss": 0.0,
2370
+ "step": 335
2371
+ },
2372
+ {
2373
+ "epoch": 0.41908325537885877,
2374
+ "grad_norm": NaN,
2375
+ "learning_rate": 0.00013657118565799236,
2376
+ "loss": 0.0,
2377
+ "step": 336
2378
+ },
2379
+ {
2380
+ "epoch": 0.4203305269722482,
2381
+ "grad_norm": NaN,
2382
+ "learning_rate": 0.00013618152344972142,
2383
+ "loss": 0.0,
2384
+ "step": 337
2385
+ },
2386
+ {
2387
+ "epoch": 0.42157779856563765,
2388
+ "grad_norm": NaN,
2389
+ "learning_rate": 0.00013579122809221432,
2390
+ "loss": 0.0,
2391
+ "step": 338
2392
+ },
2393
+ {
2394
+ "epoch": 0.42282507015902715,
2395
+ "grad_norm": NaN,
2396
+ "learning_rate": 0.00013540030641534404,
2397
+ "loss": 0.0,
2398
+ "step": 339
2399
+ },
2400
+ {
2401
+ "epoch": 0.4240723417524166,
2402
+ "grad_norm": NaN,
2403
+ "learning_rate": 0.00013500876525994354,
2404
+ "loss": 0.0,
2405
+ "step": 340
2406
+ },
2407
+ {
2408
+ "epoch": 0.42531961334580604,
2409
+ "grad_norm": NaN,
2410
+ "learning_rate": 0.00013461661147768633,
2411
+ "loss": 0.0,
2412
+ "step": 341
2413
+ },
2414
+ {
2415
+ "epoch": 0.42656688493919553,
2416
+ "grad_norm": NaN,
2417
+ "learning_rate": 0.00013422385193096636,
2418
+ "loss": 0.0,
2419
+ "step": 342
2420
+ },
2421
+ {
2422
+ "epoch": 0.427814156532585,
2423
+ "grad_norm": NaN,
2424
+ "learning_rate": 0.000133830493492778,
2425
+ "loss": 0.0,
2426
+ "step": 343
2427
+ },
2428
+ {
2429
+ "epoch": 0.4290614281259744,
2430
+ "grad_norm": NaN,
2431
+ "learning_rate": 0.00013343654304659574,
2432
+ "loss": 0.0,
2433
+ "step": 344
2434
+ },
2435
+ {
2436
+ "epoch": 0.4303086997193639,
2437
+ "grad_norm": NaN,
2438
+ "learning_rate": 0.00013304200748625377,
2439
+ "loss": 0.0,
2440
+ "step": 345
2441
+ },
2442
+ {
2443
+ "epoch": 0.43155597131275336,
2444
+ "grad_norm": NaN,
2445
+ "learning_rate": 0.0001326468937158254,
2446
+ "loss": 0.0,
2447
+ "step": 346
2448
+ },
2449
+ {
2450
+ "epoch": 0.4328032429061428,
2451
+ "grad_norm": NaN,
2452
+ "learning_rate": 0.00013225120864950217,
2453
+ "loss": 0.0,
2454
+ "step": 347
2455
+ },
2456
+ {
2457
+ "epoch": 0.43405051449953225,
2458
+ "grad_norm": NaN,
2459
+ "learning_rate": 0.00013185495921147272,
2460
+ "loss": 0.0,
2461
+ "step": 348
2462
+ },
2463
+ {
2464
+ "epoch": 0.43529778609292175,
2465
+ "grad_norm": NaN,
2466
+ "learning_rate": 0.00013145815233580192,
2467
+ "loss": 0.0,
2468
+ "step": 349
2469
+ },
2470
+ {
2471
+ "epoch": 0.4365450576863112,
2472
+ "grad_norm": NaN,
2473
+ "learning_rate": 0.00013106079496630937,
2474
+ "loss": 0.0,
2475
+ "step": 350
2476
+ },
2477
+ {
2478
+ "epoch": 0.43779232927970063,
2479
+ "grad_norm": NaN,
2480
+ "learning_rate": 0.00013066289405644778,
2481
+ "loss": 0.0,
2482
+ "step": 351
2483
+ },
2484
+ {
2485
+ "epoch": 0.43903960087309013,
2486
+ "grad_norm": NaN,
2487
+ "learning_rate": 0.00013026445656918155,
2488
+ "loss": 0.0,
2489
+ "step": 352
2490
+ },
2491
+ {
2492
+ "epoch": 0.4402868724664796,
2493
+ "grad_norm": NaN,
2494
+ "learning_rate": 0.00012986548947686467,
2495
+ "loss": 0.0,
2496
+ "step": 353
2497
+ },
2498
+ {
2499
+ "epoch": 0.441534144059869,
2500
+ "grad_norm": NaN,
2501
+ "learning_rate": 0.00012946599976111883,
2502
+ "loss": 0.0,
2503
+ "step": 354
2504
+ },
2505
+ {
2506
+ "epoch": 0.4427814156532585,
2507
+ "grad_norm": NaN,
2508
+ "learning_rate": 0.0001290659944127113,
2509
+ "loss": 0.0,
2510
+ "step": 355
2511
+ },
2512
+ {
2513
+ "epoch": 0.44402868724664796,
2514
+ "grad_norm": NaN,
2515
+ "learning_rate": 0.0001286654804314325,
2516
+ "loss": 0.0,
2517
+ "step": 356
2518
+ },
2519
+ {
2520
+ "epoch": 0.4452759588400374,
2521
+ "grad_norm": NaN,
2522
+ "learning_rate": 0.0001282644648259735,
2523
+ "loss": 0.0,
2524
+ "step": 357
2525
+ },
2526
+ {
2527
+ "epoch": 0.4465232304334269,
2528
+ "grad_norm": NaN,
2529
+ "learning_rate": 0.00012786295461380344,
2530
+ "loss": 0.0,
2531
+ "step": 358
2532
+ },
2533
+ {
2534
+ "epoch": 0.44777050202681634,
2535
+ "grad_norm": NaN,
2536
+ "learning_rate": 0.00012746095682104669,
2537
+ "loss": 0.0,
2538
+ "step": 359
2539
+ },
2540
+ {
2541
+ "epoch": 0.4490177736202058,
2542
+ "grad_norm": NaN,
2543
+ "learning_rate": 0.00012705847848235995,
2544
+ "loss": 0.0,
2545
+ "step": 360
2546
+ },
2547
+ {
2548
+ "epoch": 0.4502650452135953,
2549
+ "grad_norm": NaN,
2550
+ "learning_rate": 0.00012665552664080907,
2551
+ "loss": 0.0,
2552
+ "step": 361
2553
+ },
2554
+ {
2555
+ "epoch": 0.4515123168069847,
2556
+ "grad_norm": NaN,
2557
+ "learning_rate": 0.00012625210834774585,
2558
+ "loss": 0.0,
2559
+ "step": 362
2560
+ },
2561
+ {
2562
+ "epoch": 0.45275958840037417,
2563
+ "grad_norm": NaN,
2564
+ "learning_rate": 0.00012584823066268466,
2565
+ "loss": 0.0,
2566
+ "step": 363
2567
+ },
2568
+ {
2569
+ "epoch": 0.45400685999376367,
2570
+ "grad_norm": NaN,
2571
+ "learning_rate": 0.00012544390065317887,
2572
+ "loss": 0.0,
2573
+ "step": 364
2574
+ },
2575
+ {
2576
+ "epoch": 0.4552541315871531,
2577
+ "grad_norm": NaN,
2578
+ "learning_rate": 0.00012503912539469714,
2579
+ "loss": 0.0,
2580
+ "step": 365
2581
+ },
2582
+ {
2583
+ "epoch": 0.45650140318054255,
2584
+ "grad_norm": NaN,
2585
+ "learning_rate": 0.00012463391197049977,
2586
+ "loss": 0.0,
2587
+ "step": 366
2588
+ },
2589
+ {
2590
+ "epoch": 0.457748674773932,
2591
+ "grad_norm": NaN,
2592
+ "learning_rate": 0.00012422826747151444,
2593
+ "loss": 0.0,
2594
+ "step": 367
2595
+ },
2596
+ {
2597
+ "epoch": 0.4589959463673215,
2598
+ "grad_norm": NaN,
2599
+ "learning_rate": 0.00012382219899621246,
2600
+ "loss": 0.0,
2601
+ "step": 368
2602
+ },
2603
+ {
2604
+ "epoch": 0.46024321796071094,
2605
+ "grad_norm": NaN,
2606
+ "learning_rate": 0.00012341571365048442,
2607
+ "loss": 0.0,
2608
+ "step": 369
2609
+ },
2610
+ {
2611
+ "epoch": 0.4614904895541004,
2612
+ "grad_norm": NaN,
2613
+ "learning_rate": 0.00012300881854751568,
2614
+ "loss": 0.0,
2615
+ "step": 370
2616
+ },
2617
+ {
2618
+ "epoch": 0.4627377611474899,
2619
+ "grad_norm": NaN,
2620
+ "learning_rate": 0.0001226015208076622,
2621
+ "loss": 0.0,
2622
+ "step": 371
2623
+ },
2624
+ {
2625
+ "epoch": 0.4639850327408793,
2626
+ "grad_norm": NaN,
2627
+ "learning_rate": 0.0001221938275583257,
2628
+ "loss": 0.0,
2629
+ "step": 372
2630
+ },
2631
+ {
2632
+ "epoch": 0.46523230433426876,
2633
+ "grad_norm": NaN,
2634
+ "learning_rate": 0.00012178574593382899,
2635
+ "loss": 0.0,
2636
+ "step": 373
2637
+ },
2638
+ {
2639
+ "epoch": 0.46647957592765826,
2640
+ "grad_norm": NaN,
2641
+ "learning_rate": 0.0001213772830752912,
2642
+ "loss": 0.0,
2643
+ "step": 374
2644
+ },
2645
+ {
2646
+ "epoch": 0.4677268475210477,
2647
+ "grad_norm": NaN,
2648
+ "learning_rate": 0.0001209684461305028,
2649
+ "loss": 0.0,
2650
+ "step": 375
2651
+ },
2652
+ {
2653
+ "epoch": 0.46897411911443715,
2654
+ "grad_norm": NaN,
2655
+ "learning_rate": 0.00012055924225380038,
2656
+ "loss": 0.0,
2657
+ "step": 376
2658
+ },
2659
+ {
2660
+ "epoch": 0.47022139070782665,
2661
+ "grad_norm": NaN,
2662
+ "learning_rate": 0.00012014967860594164,
2663
+ "loss": 0.0,
2664
+ "step": 377
2665
+ },
2666
+ {
2667
+ "epoch": 0.4714686623012161,
2668
+ "grad_norm": NaN,
2669
+ "learning_rate": 0.00011973976235398,
2670
+ "loss": 0.0,
2671
+ "step": 378
2672
+ },
2673
+ {
2674
+ "epoch": 0.47271593389460553,
2675
+ "grad_norm": NaN,
2676
+ "learning_rate": 0.0001193295006711392,
2677
+ "loss": 0.0,
2678
+ "step": 379
2679
+ },
2680
+ {
2681
+ "epoch": 0.47396320548799503,
2682
+ "grad_norm": NaN,
2683
+ "learning_rate": 0.00011891890073668763,
2684
+ "loss": 0.0,
2685
+ "step": 380
2686
+ },
2687
+ {
2688
+ "epoch": 0.4752104770813845,
2689
+ "grad_norm": NaN,
2690
+ "learning_rate": 0.00011850796973581302,
2691
+ "loss": 0.0,
2692
+ "step": 381
2693
+ },
2694
+ {
2695
+ "epoch": 0.4764577486747739,
2696
+ "grad_norm": NaN,
2697
+ "learning_rate": 0.00011809671485949636,
2698
+ "loss": 0.0,
2699
+ "step": 382
2700
+ },
2701
+ {
2702
+ "epoch": 0.4777050202681634,
2703
+ "grad_norm": NaN,
2704
+ "learning_rate": 0.00011768514330438627,
2705
+ "loss": 0.0,
2706
+ "step": 383
2707
+ },
2708
+ {
2709
+ "epoch": 0.47895229186155286,
2710
+ "grad_norm": NaN,
2711
+ "learning_rate": 0.00011727326227267308,
2712
+ "loss": 0.0,
2713
+ "step": 384
2714
+ },
2715
+ {
2716
+ "epoch": 0.4801995634549423,
2717
+ "grad_norm": NaN,
2718
+ "learning_rate": 0.00011686107897196255,
2719
+ "loss": 0.0,
2720
+ "step": 385
2721
+ },
2722
+ {
2723
+ "epoch": 0.4814468350483318,
2724
+ "grad_norm": NaN,
2725
+ "learning_rate": 0.00011644860061515008,
2726
+ "loss": 0.0,
2727
+ "step": 386
2728
+ },
2729
+ {
2730
+ "epoch": 0.48269410664172124,
2731
+ "grad_norm": NaN,
2732
+ "learning_rate": 0.00011603583442029426,
2733
+ "loss": 0.0,
2734
+ "step": 387
2735
+ },
2736
+ {
2737
+ "epoch": 0.4839413782351107,
2738
+ "grad_norm": NaN,
2739
+ "learning_rate": 0.00011562278761049066,
2740
+ "loss": 0.0,
2741
+ "step": 388
2742
+ },
2743
+ {
2744
+ "epoch": 0.48518864982850013,
2745
+ "grad_norm": NaN,
2746
+ "learning_rate": 0.00011520946741374534,
2747
+ "loss": 0.0,
2748
+ "step": 389
2749
+ },
2750
+ {
2751
+ "epoch": 0.4864359214218896,
2752
+ "grad_norm": NaN,
2753
+ "learning_rate": 0.00011479588106284848,
2754
+ "loss": 0.0,
2755
+ "step": 390
2756
+ },
2757
+ {
2758
+ "epoch": 0.48768319301527907,
2759
+ "grad_norm": NaN,
2760
+ "learning_rate": 0.00011438203579524778,
2761
+ "loss": 0.0,
2762
+ "step": 391
2763
+ },
2764
+ {
2765
+ "epoch": 0.4889304646086685,
2766
+ "grad_norm": NaN,
2767
+ "learning_rate": 0.00011396793885292165,
2768
+ "loss": 0.0,
2769
+ "step": 392
2770
+ },
2771
+ {
2772
+ "epoch": 0.490177736202058,
2773
+ "grad_norm": NaN,
2774
+ "learning_rate": 0.00011355359748225279,
2775
+ "loss": 0.0,
2776
+ "step": 393
2777
+ },
2778
+ {
2779
+ "epoch": 0.49142500779544745,
2780
+ "grad_norm": NaN,
2781
+ "learning_rate": 0.00011313901893390113,
2782
+ "loss": 0.0,
2783
+ "step": 394
2784
+ },
2785
+ {
2786
+ "epoch": 0.4926722793888369,
2787
+ "grad_norm": NaN,
2788
+ "learning_rate": 0.00011272421046267696,
2789
+ "loss": 0.0,
2790
+ "step": 395
2791
+ },
2792
+ {
2793
+ "epoch": 0.4939195509822264,
2794
+ "grad_norm": NaN,
2795
+ "learning_rate": 0.00011230917932741418,
2796
+ "loss": 0.0,
2797
+ "step": 396
2798
+ },
2799
+ {
2800
+ "epoch": 0.49516682257561584,
2801
+ "grad_norm": NaN,
2802
+ "learning_rate": 0.00011189393279084308,
2803
+ "loss": 0.0,
2804
+ "step": 397
2805
+ },
2806
+ {
2807
+ "epoch": 0.4964140941690053,
2808
+ "grad_norm": NaN,
2809
+ "learning_rate": 0.00011147847811946328,
2810
+ "loss": 0.0,
2811
+ "step": 398
2812
+ },
2813
+ {
2814
+ "epoch": 0.4976613657623948,
2815
+ "grad_norm": NaN,
2816
+ "learning_rate": 0.00011106282258341665,
2817
+ "loss": 0.0,
2818
+ "step": 399
2819
+ },
2820
+ {
2821
+ "epoch": 0.4989086373557842,
2822
+ "grad_norm": NaN,
2823
+ "learning_rate": 0.00011064697345636002,
2824
+ "loss": 0.0,
2825
+ "step": 400
2826
+ },
2827
+ {
2828
+ "epoch": 0.5001559089491737,
2829
+ "grad_norm": NaN,
2830
+ "learning_rate": 0.00011023093801533785,
2831
+ "loss": 0.0,
2832
+ "step": 401
2833
+ },
2834
+ {
2835
+ "epoch": 0.5014031805425632,
2836
+ "grad_norm": NaN,
2837
+ "learning_rate": 0.00010981472354065514,
2838
+ "loss": 0.0,
2839
+ "step": 402
2840
+ },
2841
+ {
2842
+ "epoch": 0.5014031805425632,
2843
+ "eval_loss": NaN,
2844
+ "eval_runtime": 60.5505,
2845
+ "eval_samples_per_second": 22.312,
2846
+ "eval_steps_per_second": 5.582,
2847
+ "step": 402
2848
  }
2849
  ],
2850
  "logging_steps": 1,
 
2864
  "attributes": {}
2865
  }
2866
  },
2867
+ "total_flos": 1.655997012513915e+17,
2868
  "train_batch_size": 2,
2869
  "trial_name": null,
2870
  "trial_params": null