fats-fme commited on
Commit
74fa25b
1 Parent(s): a449acc

Training in progress, step 228, checkpoint

Browse files
last-checkpoint/optimizer.pt CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:3e5789679118fe6249de3ab6bee816cb3c4cf3ab01068ebb0e9d5de334ad6944
3
  size 501168482
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:36c48e9709004b33bdbbd28b1e33adaa806cd06a26e1f4d1bf6b5fedd784f297
3
  size 501168482
last-checkpoint/rng_state_0.pth CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:a357998c9e06de8784c658751b0b6822cd40078cbe2fdb27b35497f312e7f07b
3
  size 14512
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:fc3893adf12779f0d48b1513b948863c9f74d5b80bf37fd6bb3d143cbfff91ec
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:dc2ba61932409c71c4b4e2c80294a20bd07f9a04c03c96589d342f141ba26914
3
  size 14512
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:ce62f71c8c10d088ccc652695dd03a663736071fc2cab92e5639ffdddbd4c788
3
  size 14512
last-checkpoint/scheduler.pt CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:8a18cea3621f9dc2789cea415c39b96c4e45945922514433b7b11735bf5d8256
3
  size 1064
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:b8b5a959d9459f2fc9422d29e6b89c56e276e4fcd74ca81bc84eb9dc629ceec0
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": 0.04622519577282749,
5
  "eval_steps": 76,
6
- "global_step": 152,
7
  "is_hyper_param_search": false,
8
  "is_local_process_zero": true,
9
  "is_world_process_zero": true,
@@ -1095,6 +1095,546 @@
1095
  "eval_samples_per_second": 3.934,
1096
  "eval_steps_per_second": 0.984,
1097
  "step": 152
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1098
  }
1099
  ],
1100
  "logging_steps": 1,
@@ -1114,7 +1654,7 @@
1114
  "attributes": {}
1115
  }
1116
  },
1117
- "total_flos": 1.0424076796386345e+18,
1118
  "train_batch_size": 2,
1119
  "trial_name": null,
1120
  "trial_params": null
 
1
  {
2
  "best_metric": null,
3
  "best_model_checkpoint": null,
4
+ "epoch": 0.06933779365924124,
5
  "eval_steps": 76,
6
+ "global_step": 228,
7
  "is_hyper_param_search": false,
8
  "is_local_process_zero": true,
9
  "is_world_process_zero": true,
 
1095
  "eval_samples_per_second": 3.934,
1096
  "eval_steps_per_second": 0.984,
1097
  "step": 152
1098
+ },
1099
+ {
1100
+ "epoch": 0.04652930890291188,
1101
+ "grad_norm": NaN,
1102
+ "learning_rate": 0.00012876842744353112,
1103
+ "loss": 0.0,
1104
+ "step": 153
1105
+ },
1106
+ {
1107
+ "epoch": 0.04683342203299627,
1108
+ "grad_norm": NaN,
1109
+ "learning_rate": 0.00012757699791343186,
1110
+ "loss": 0.0,
1111
+ "step": 154
1112
+ },
1113
+ {
1114
+ "epoch": 0.04713753516308067,
1115
+ "grad_norm": NaN,
1116
+ "learning_rate": 0.0001263813163162364,
1117
+ "loss": 0.0,
1118
+ "step": 155
1119
+ },
1120
+ {
1121
+ "epoch": 0.04744164829316506,
1122
+ "grad_norm": NaN,
1123
+ "learning_rate": 0.00012518156701278019,
1124
+ "loss": 0.0,
1125
+ "step": 156
1126
+ },
1127
+ {
1128
+ "epoch": 0.04774576142324945,
1129
+ "grad_norm": NaN,
1130
+ "learning_rate": 0.00012397793499109404,
1131
+ "loss": 0.0,
1132
+ "step": 157
1133
+ },
1134
+ {
1135
+ "epoch": 0.04804987455333384,
1136
+ "grad_norm": NaN,
1137
+ "learning_rate": 0.00012277060583788064,
1138
+ "loss": 0.0,
1139
+ "step": 158
1140
+ },
1141
+ {
1142
+ "epoch": 0.04835398768341823,
1143
+ "grad_norm": NaN,
1144
+ "learning_rate": 0.00012155976570989949,
1145
+ "loss": 0.0,
1146
+ "step": 159
1147
+ },
1148
+ {
1149
+ "epoch": 0.04865810081350262,
1150
+ "grad_norm": NaN,
1151
+ "learning_rate": 0.0001203456013052634,
1152
+ "loss": 0.0,
1153
+ "step": 160
1154
+ },
1155
+ {
1156
+ "epoch": 0.04896221394358701,
1157
+ "grad_norm": NaN,
1158
+ "learning_rate": 0.00011912829983465168,
1159
+ "loss": 0.0,
1160
+ "step": 161
1161
+ },
1162
+ {
1163
+ "epoch": 0.04926632707367141,
1164
+ "grad_norm": NaN,
1165
+ "learning_rate": 0.00011790804899244452,
1166
+ "loss": 0.0,
1167
+ "step": 162
1168
+ },
1169
+ {
1170
+ "epoch": 0.0495704402037558,
1171
+ "grad_norm": NaN,
1172
+ "learning_rate": 0.00011668503692778239,
1173
+ "loss": 0.0,
1174
+ "step": 163
1175
+ },
1176
+ {
1177
+ "epoch": 0.04987455333384019,
1178
+ "grad_norm": NaN,
1179
+ "learning_rate": 0.0001154594522155557,
1180
+ "loss": 0.0,
1181
+ "step": 164
1182
+ },
1183
+ {
1184
+ "epoch": 0.05017866646392458,
1185
+ "grad_norm": NaN,
1186
+ "learning_rate": 0.00011423148382732853,
1187
+ "loss": 0.0,
1188
+ "step": 165
1189
+ },
1190
+ {
1191
+ "epoch": 0.05048277959400897,
1192
+ "grad_norm": NaN,
1193
+ "learning_rate": 0.00011300132110220134,
1194
+ "loss": 0.0,
1195
+ "step": 166
1196
+ },
1197
+ {
1198
+ "epoch": 0.05078689272409336,
1199
+ "grad_norm": NaN,
1200
+ "learning_rate": 0.00011176915371761702,
1201
+ "loss": 0.0,
1202
+ "step": 167
1203
+ },
1204
+ {
1205
+ "epoch": 0.05109100585417775,
1206
+ "grad_norm": NaN,
1207
+ "learning_rate": 0.00011053517166011471,
1208
+ "loss": 0.0,
1209
+ "step": 168
1210
+ },
1211
+ {
1212
+ "epoch": 0.05139511898426215,
1213
+ "grad_norm": NaN,
1214
+ "learning_rate": 0.00010929956519603594,
1215
+ "loss": 0.0,
1216
+ "step": 169
1217
+ },
1218
+ {
1219
+ "epoch": 0.05169923211434654,
1220
+ "grad_norm": NaN,
1221
+ "learning_rate": 0.0001080625248421878,
1222
+ "loss": 0.0,
1223
+ "step": 170
1224
+ },
1225
+ {
1226
+ "epoch": 0.052003345244430926,
1227
+ "grad_norm": NaN,
1228
+ "learning_rate": 0.0001068242413364671,
1229
+ "loss": 0.0,
1230
+ "step": 171
1231
+ },
1232
+ {
1233
+ "epoch": 0.05230745837451532,
1234
+ "grad_norm": NaN,
1235
+ "learning_rate": 0.00010558490560845107,
1236
+ "loss": 0.0,
1237
+ "step": 172
1238
+ },
1239
+ {
1240
+ "epoch": 0.05261157150459971,
1241
+ "grad_norm": NaN,
1242
+ "learning_rate": 0.00010434470874995781,
1243
+ "loss": 0.0,
1244
+ "step": 173
1245
+ },
1246
+ {
1247
+ "epoch": 0.0529156846346841,
1248
+ "grad_norm": NaN,
1249
+ "learning_rate": 0.00010310384198558225,
1250
+ "loss": 0.0,
1251
+ "step": 174
1252
+ },
1253
+ {
1254
+ "epoch": 0.05321979776476849,
1255
+ "grad_norm": NaN,
1256
+ "learning_rate": 0.00010186249664321139,
1257
+ "loss": 0.0,
1258
+ "step": 175
1259
+ },
1260
+ {
1261
+ "epoch": 0.05352391089485289,
1262
+ "grad_norm": NaN,
1263
+ "learning_rate": 0.00010062086412452352,
1264
+ "loss": 0.0,
1265
+ "step": 176
1266
+ },
1267
+ {
1268
+ "epoch": 0.05382802402493728,
1269
+ "grad_norm": NaN,
1270
+ "learning_rate": 9.93791358754765e-05,
1271
+ "loss": 0.0,
1272
+ "step": 177
1273
+ },
1274
+ {
1275
+ "epoch": 0.054132137155021666,
1276
+ "grad_norm": NaN,
1277
+ "learning_rate": 9.813750335678866e-05,
1278
+ "loss": 0.0,
1279
+ "step": 178
1280
+ },
1281
+ {
1282
+ "epoch": 0.05443625028510606,
1283
+ "grad_norm": NaN,
1284
+ "learning_rate": 9.689615801441774e-05,
1285
+ "loss": 0.0,
1286
+ "step": 179
1287
+ },
1288
+ {
1289
+ "epoch": 0.05474036341519045,
1290
+ "grad_norm": NaN,
1291
+ "learning_rate": 9.56552912500422e-05,
1292
+ "loss": 0.0,
1293
+ "step": 180
1294
+ },
1295
+ {
1296
+ "epoch": 0.05504447654527484,
1297
+ "grad_norm": NaN,
1298
+ "learning_rate": 9.441509439154895e-05,
1299
+ "loss": 0.0,
1300
+ "step": 181
1301
+ },
1302
+ {
1303
+ "epoch": 0.05534858967535923,
1304
+ "grad_norm": NaN,
1305
+ "learning_rate": 9.317575866353292e-05,
1306
+ "loss": 0.0,
1307
+ "step": 182
1308
+ },
1309
+ {
1310
+ "epoch": 0.05565270280544363,
1311
+ "grad_norm": NaN,
1312
+ "learning_rate": 9.193747515781224e-05,
1313
+ "loss": 0.0,
1314
+ "step": 183
1315
+ },
1316
+ {
1317
+ "epoch": 0.055956815935528016,
1318
+ "grad_norm": NaN,
1319
+ "learning_rate": 9.070043480396404e-05,
1320
+ "loss": 0.0,
1321
+ "step": 184
1322
+ },
1323
+ {
1324
+ "epoch": 0.056260929065612406,
1325
+ "grad_norm": NaN,
1326
+ "learning_rate": 8.94648283398853e-05,
1327
+ "loss": 0.0,
1328
+ "step": 185
1329
+ },
1330
+ {
1331
+ "epoch": 0.0565650421956968,
1332
+ "grad_norm": NaN,
1333
+ "learning_rate": 8.823084628238298e-05,
1334
+ "loss": 0.0,
1335
+ "step": 186
1336
+ },
1337
+ {
1338
+ "epoch": 0.05686915532578119,
1339
+ "grad_norm": NaN,
1340
+ "learning_rate": 8.699867889779868e-05,
1341
+ "loss": 0.0,
1342
+ "step": 187
1343
+ },
1344
+ {
1345
+ "epoch": 0.05717326845586558,
1346
+ "grad_norm": NaN,
1347
+ "learning_rate": 8.57685161726715e-05,
1348
+ "loss": 0.0,
1349
+ "step": 188
1350
+ },
1351
+ {
1352
+ "epoch": 0.05747738158594997,
1353
+ "grad_norm": NaN,
1354
+ "learning_rate": 8.454054778444431e-05,
1355
+ "loss": 0.0,
1356
+ "step": 189
1357
+ },
1358
+ {
1359
+ "epoch": 0.057781494716034366,
1360
+ "grad_norm": NaN,
1361
+ "learning_rate": 8.331496307221762e-05,
1362
+ "loss": 0.0,
1363
+ "step": 190
1364
+ },
1365
+ {
1366
+ "epoch": 0.058085607846118756,
1367
+ "grad_norm": NaN,
1368
+ "learning_rate": 8.209195100755551e-05,
1369
+ "loss": 0.0,
1370
+ "step": 191
1371
+ },
1372
+ {
1373
+ "epoch": 0.058389720976203145,
1374
+ "grad_norm": NaN,
1375
+ "learning_rate": 8.087170016534835e-05,
1376
+ "loss": 0.0,
1377
+ "step": 192
1378
+ },
1379
+ {
1380
+ "epoch": 0.05869383410628754,
1381
+ "grad_norm": NaN,
1382
+ "learning_rate": 7.965439869473664e-05,
1383
+ "loss": 0.0,
1384
+ "step": 193
1385
+ },
1386
+ {
1387
+ "epoch": 0.05899794723637193,
1388
+ "grad_norm": NaN,
1389
+ "learning_rate": 7.84402342901005e-05,
1390
+ "loss": 0.0,
1391
+ "step": 194
1392
+ },
1393
+ {
1394
+ "epoch": 0.05930206036645632,
1395
+ "grad_norm": NaN,
1396
+ "learning_rate": 7.722939416211937e-05,
1397
+ "loss": 0.0,
1398
+ "step": 195
1399
+ },
1400
+ {
1401
+ "epoch": 0.05960617349654071,
1402
+ "grad_norm": NaN,
1403
+ "learning_rate": 7.6022065008906e-05,
1404
+ "loss": 0.0,
1405
+ "step": 196
1406
+ },
1407
+ {
1408
+ "epoch": 0.059910286626625106,
1409
+ "grad_norm": NaN,
1410
+ "learning_rate": 7.481843298721982e-05,
1411
+ "loss": 0.0,
1412
+ "step": 197
1413
+ },
1414
+ {
1415
+ "epoch": 0.060214399756709495,
1416
+ "grad_norm": NaN,
1417
+ "learning_rate": 7.361868368376364e-05,
1418
+ "loss": 0.0,
1419
+ "step": 198
1420
+ },
1421
+ {
1422
+ "epoch": 0.060518512886793885,
1423
+ "grad_norm": NaN,
1424
+ "learning_rate": 7.242300208656814e-05,
1425
+ "loss": 0.0,
1426
+ "step": 199
1427
+ },
1428
+ {
1429
+ "epoch": 0.06082262601687828,
1430
+ "grad_norm": NaN,
1431
+ "learning_rate": 7.123157255646888e-05,
1432
+ "loss": 0.0,
1433
+ "step": 200
1434
+ },
1435
+ {
1436
+ "epoch": 0.06112673914696267,
1437
+ "grad_norm": NaN,
1438
+ "learning_rate": 7.004457879867986e-05,
1439
+ "loss": 0.0,
1440
+ "step": 201
1441
+ },
1442
+ {
1443
+ "epoch": 0.06143085227704706,
1444
+ "grad_norm": NaN,
1445
+ "learning_rate": 6.886220383446814e-05,
1446
+ "loss": 0.0,
1447
+ "step": 202
1448
+ },
1449
+ {
1450
+ "epoch": 0.061734965407131456,
1451
+ "grad_norm": NaN,
1452
+ "learning_rate": 6.768462997293413e-05,
1453
+ "loss": 0.0,
1454
+ "step": 203
1455
+ },
1456
+ {
1457
+ "epoch": 0.062039078537215846,
1458
+ "grad_norm": NaN,
1459
+ "learning_rate": 6.651203878290139e-05,
1460
+ "loss": 0.0,
1461
+ "step": 204
1462
+ },
1463
+ {
1464
+ "epoch": 0.062343191667300235,
1465
+ "grad_norm": NaN,
1466
+ "learning_rate": 6.534461106492093e-05,
1467
+ "loss": 0.0,
1468
+ "step": 205
1469
+ },
1470
+ {
1471
+ "epoch": 0.06264730479738463,
1472
+ "grad_norm": NaN,
1473
+ "learning_rate": 6.418252682339361e-05,
1474
+ "loss": 0.0,
1475
+ "step": 206
1476
+ },
1477
+ {
1478
+ "epoch": 0.06295141792746901,
1479
+ "grad_norm": NaN,
1480
+ "learning_rate": 6.30259652388155e-05,
1481
+ "loss": 0.0,
1482
+ "step": 207
1483
+ },
1484
+ {
1485
+ "epoch": 0.06325553105755341,
1486
+ "grad_norm": NaN,
1487
+ "learning_rate": 6.187510464015022e-05,
1488
+ "loss": 0.0,
1489
+ "step": 208
1490
+ },
1491
+ {
1492
+ "epoch": 0.0635596441876378,
1493
+ "grad_norm": NaN,
1494
+ "learning_rate": 6.0730122477332675e-05,
1495
+ "loss": 0.0,
1496
+ "step": 209
1497
+ },
1498
+ {
1499
+ "epoch": 0.06386375731772219,
1500
+ "grad_norm": NaN,
1501
+ "learning_rate": 5.9591195293908174e-05,
1502
+ "loss": 0.0,
1503
+ "step": 210
1504
+ },
1505
+ {
1506
+ "epoch": 0.06416787044780659,
1507
+ "grad_norm": NaN,
1508
+ "learning_rate": 5.845849869981137e-05,
1509
+ "loss": 0.0,
1510
+ "step": 211
1511
+ },
1512
+ {
1513
+ "epoch": 0.06447198357789098,
1514
+ "grad_norm": NaN,
1515
+ "learning_rate": 5.733220734428919e-05,
1516
+ "loss": 0.0,
1517
+ "step": 212
1518
+ },
1519
+ {
1520
+ "epoch": 0.06477609670797536,
1521
+ "grad_norm": NaN,
1522
+ "learning_rate": 5.621249488897176e-05,
1523
+ "loss": 0.0,
1524
+ "step": 213
1525
+ },
1526
+ {
1527
+ "epoch": 0.06508020983805976,
1528
+ "grad_norm": NaN,
1529
+ "learning_rate": 5.509953398109594e-05,
1530
+ "loss": 0.0,
1531
+ "step": 214
1532
+ },
1533
+ {
1534
+ "epoch": 0.06538432296814414,
1535
+ "grad_norm": NaN,
1536
+ "learning_rate": 5.399349622688479e-05,
1537
+ "loss": 0.0,
1538
+ "step": 215
1539
+ },
1540
+ {
1541
+ "epoch": 0.06568843609822854,
1542
+ "grad_norm": NaN,
1543
+ "learning_rate": 5.2894552165087916e-05,
1544
+ "loss": 0.0,
1545
+ "step": 216
1546
+ },
1547
+ {
1548
+ "epoch": 0.06599254922831294,
1549
+ "grad_norm": NaN,
1550
+ "learning_rate": 5.1802871240686234e-05,
1551
+ "loss": 0.0,
1552
+ "step": 217
1553
+ },
1554
+ {
1555
+ "epoch": 0.06629666235839732,
1556
+ "grad_norm": NaN,
1557
+ "learning_rate": 5.0718621778765476e-05,
1558
+ "loss": 0.0,
1559
+ "step": 218
1560
+ },
1561
+ {
1562
+ "epoch": 0.06660077548848171,
1563
+ "grad_norm": NaN,
1564
+ "learning_rate": 4.9641970958562366e-05,
1565
+ "loss": 0.0,
1566
+ "step": 219
1567
+ },
1568
+ {
1569
+ "epoch": 0.06690488861856611,
1570
+ "grad_norm": NaN,
1571
+ "learning_rate": 4.8573084787687326e-05,
1572
+ "loss": 0.0,
1573
+ "step": 220
1574
+ },
1575
+ {
1576
+ "epoch": 0.0672090017486505,
1577
+ "grad_norm": NaN,
1578
+ "learning_rate": 4.751212807652806e-05,
1579
+ "loss": 0.0,
1580
+ "step": 221
1581
+ },
1582
+ {
1583
+ "epoch": 0.06751311487873489,
1584
+ "grad_norm": NaN,
1585
+ "learning_rate": 4.6459264412837454e-05,
1586
+ "loss": 0.0,
1587
+ "step": 222
1588
+ },
1589
+ {
1590
+ "epoch": 0.06781722800881929,
1591
+ "grad_norm": NaN,
1592
+ "learning_rate": 4.5414656136510334e-05,
1593
+ "loss": 0.0,
1594
+ "step": 223
1595
+ },
1596
+ {
1597
+ "epoch": 0.06812134113890367,
1598
+ "grad_norm": NaN,
1599
+ "learning_rate": 4.437846431455249e-05,
1600
+ "loss": 0.0,
1601
+ "step": 224
1602
+ },
1603
+ {
1604
+ "epoch": 0.06842545426898806,
1605
+ "grad_norm": NaN,
1606
+ "learning_rate": 4.335084871624572e-05,
1607
+ "loss": 0.0,
1608
+ "step": 225
1609
+ },
1610
+ {
1611
+ "epoch": 0.06872956739907246,
1612
+ "grad_norm": NaN,
1613
+ "learning_rate": 4.2331967788513295e-05,
1614
+ "loss": 0.0,
1615
+ "step": 226
1616
+ },
1617
+ {
1618
+ "epoch": 0.06903368052915684,
1619
+ "grad_norm": NaN,
1620
+ "learning_rate": 4.132197863148925e-05,
1621
+ "loss": 0.0,
1622
+ "step": 227
1623
+ },
1624
+ {
1625
+ "epoch": 0.06933779365924124,
1626
+ "grad_norm": NaN,
1627
+ "learning_rate": 4.0321036974295156e-05,
1628
+ "loss": 0.0,
1629
+ "step": 228
1630
+ },
1631
+ {
1632
+ "epoch": 0.06933779365924124,
1633
+ "eval_loss": NaN,
1634
+ "eval_runtime": 1405.1275,
1635
+ "eval_samples_per_second": 3.941,
1636
+ "eval_steps_per_second": 0.986,
1637
+ "step": 228
1638
  }
1639
  ],
1640
  "logging_steps": 1,
 
1654
  "attributes": {}
1655
  }
1656
  },
1657
+ "total_flos": 1.5612257832366244e+18,
1658
  "train_batch_size": 2,
1659
  "trial_name": null,
1660
  "trial_params": null