finiteautomata commited on
Commit
0d29304
1 Parent(s): ebb3615

First commit

Browse files
all_results.json ADDED
@@ -0,0 +1,14 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 4.71,
3
+ "eval_loss": 1.3815752267837524,
4
+ "eval_runtime": 184.9651,
5
+ "eval_samples": 181300,
6
+ "eval_samples_per_second": 980.185,
7
+ "eval_steps_per_second": 3.833,
8
+ "perplexity": 3.9811679331316605,
9
+ "train_loss": 0.00010499673156234791,
10
+ "train_runtime": 1054.6912,
11
+ "train_samples": 4349088,
12
+ "train_samples_per_second": 19418.005,
13
+ "train_steps_per_second": 9.481
14
+ }
config.json ADDED
@@ -0,0 +1,28 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "finiteautomata/robertuito-base-cased",
3
+ "architectures": [
4
+ "RobertaForMaskedLM"
5
+ ],
6
+ "attention_probs_dropout_prob": 0.1,
7
+ "bos_token_id": 0,
8
+ "classifier_dropout": null,
9
+ "eos_token_id": 2,
10
+ "gradient_checkpointing": false,
11
+ "hidden_act": "gelu",
12
+ "hidden_dropout_prob": 0.1,
13
+ "hidden_size": 768,
14
+ "initializer_range": 0.02,
15
+ "intermediate_size": 3072,
16
+ "layer_norm_eps": 1e-12,
17
+ "max_position_embeddings": 130,
18
+ "model_type": "roberta",
19
+ "num_attention_heads": 12,
20
+ "num_hidden_layers": 12,
21
+ "pad_token_id": 1,
22
+ "position_embedding_type": "absolute",
23
+ "torch_dtype": "float32",
24
+ "transformers_version": "4.13.0.dev0",
25
+ "type_vocab_size": 1,
26
+ "use_cache": true,
27
+ "vocab_size": 30000
28
+ }
eval_results.json ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 4.71,
3
+ "eval_loss": 1.3815752267837524,
4
+ "eval_runtime": 184.9651,
5
+ "eval_samples": 181300,
6
+ "eval_samples_per_second": 980.185,
7
+ "eval_steps_per_second": 3.833,
8
+ "perplexity": 3.9811679331316605
9
+ }
pytorch_model.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:279137baf3425daf369f597b8586c81d34e7216a962f2549bfff9ad2298a49c3
3
+ size 435341035
special_tokens_map.json ADDED
@@ -0,0 +1 @@
 
1
+ {"bos_token": "<s>", "eos_token": "</s>", "unk_token": "<unk>", "sep_token": "</s>", "pad_token": "<pad>", "cls_token": "<s>", "mask_token": "<mask>"}
tokenizer.json ADDED
The diff for this file is too large to render. See raw diff
tokenizer_config.json ADDED
@@ -0,0 +1 @@
 
1
+ {"bos_token": "<s>", "eos_token": "</s>", "sep_token": "</s>", "cls_token": "<s>", "unk_token": "<unk>", "pad_token": "<pad>", "mask_token": "<mask>", "special_tokens_map_file": "models/twerto-base-cased/special_tokens_map.json", "name_or_path": "finiteautomata/robertuito-base-cased", "tokenizer_class": "PreTrainedTokenizerFast"}
train_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 4.71,
3
+ "train_loss": 0.00010499673156234791,
4
+ "train_runtime": 1054.6912,
5
+ "train_samples": 4349088,
6
+ "train_samples_per_second": 19418.005,
7
+ "train_steps_per_second": 9.481
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,1305 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 4.7105774324562955,
5
+ "global_step": 10001,
6
+ "is_hyper_param_search": false,
7
+ "is_local_process_zero": true,
8
+ "is_world_process_zero": true,
9
+ "log_history": [
10
+ {
11
+ "epoch": 0.02,
12
+ "learning_rate": 2e-05,
13
+ "loss": 1.8914,
14
+ "step": 50
15
+ },
16
+ {
17
+ "epoch": 0.05,
18
+ "learning_rate": 4e-05,
19
+ "loss": 1.6734,
20
+ "step": 100
21
+ },
22
+ {
23
+ "epoch": 0.07,
24
+ "learning_rate": 6e-05,
25
+ "loss": 1.5728,
26
+ "step": 150
27
+ },
28
+ {
29
+ "epoch": 0.09,
30
+ "learning_rate": 8e-05,
31
+ "loss": 1.528,
32
+ "step": 200
33
+ },
34
+ {
35
+ "epoch": 0.12,
36
+ "learning_rate": 0.0001,
37
+ "loss": 1.4775,
38
+ "step": 250
39
+ },
40
+ {
41
+ "epoch": 0.14,
42
+ "learning_rate": 0.00012,
43
+ "loss": 1.4352,
44
+ "step": 300
45
+ },
46
+ {
47
+ "epoch": 0.16,
48
+ "learning_rate": 0.00014,
49
+ "loss": 1.4069,
50
+ "step": 350
51
+ },
52
+ {
53
+ "epoch": 0.19,
54
+ "learning_rate": 0.00016,
55
+ "loss": 1.375,
56
+ "step": 400
57
+ },
58
+ {
59
+ "epoch": 0.21,
60
+ "learning_rate": 0.00018,
61
+ "loss": 1.367,
62
+ "step": 450
63
+ },
64
+ {
65
+ "epoch": 0.24,
66
+ "learning_rate": 0.0002,
67
+ "loss": 1.3565,
68
+ "step": 500
69
+ },
70
+ {
71
+ "epoch": 0.26,
72
+ "learning_rate": 0.00022000000000000003,
73
+ "loss": 1.3423,
74
+ "step": 550
75
+ },
76
+ {
77
+ "epoch": 0.28,
78
+ "learning_rate": 0.00024,
79
+ "loss": 1.3311,
80
+ "step": 600
81
+ },
82
+ {
83
+ "epoch": 0.31,
84
+ "learning_rate": 0.00026000000000000003,
85
+ "loss": 1.3245,
86
+ "step": 650
87
+ },
88
+ {
89
+ "epoch": 0.33,
90
+ "learning_rate": 0.00028,
91
+ "loss": 1.3214,
92
+ "step": 700
93
+ },
94
+ {
95
+ "epoch": 0.35,
96
+ "learning_rate": 0.00030000000000000003,
97
+ "loss": 1.3247,
98
+ "step": 750
99
+ },
100
+ {
101
+ "epoch": 0.38,
102
+ "learning_rate": 0.00032,
103
+ "loss": 1.3089,
104
+ "step": 800
105
+ },
106
+ {
107
+ "epoch": 0.4,
108
+ "learning_rate": 0.00034,
109
+ "loss": 1.3194,
110
+ "step": 850
111
+ },
112
+ {
113
+ "epoch": 0.42,
114
+ "learning_rate": 0.00036,
115
+ "loss": 1.3225,
116
+ "step": 900
117
+ },
118
+ {
119
+ "epoch": 0.45,
120
+ "learning_rate": 0.00038,
121
+ "loss": 1.3254,
122
+ "step": 950
123
+ },
124
+ {
125
+ "epoch": 0.47,
126
+ "learning_rate": 0.0004,
127
+ "loss": 1.3139,
128
+ "step": 1000
129
+ },
130
+ {
131
+ "epoch": 0.47,
132
+ "eval_loss": 1.5397893190383911,
133
+ "eval_runtime": 119.9433,
134
+ "eval_samples_per_second": 1511.548,
135
+ "eval_steps_per_second": 5.911,
136
+ "step": 1000
137
+ },
138
+ {
139
+ "epoch": 0.49,
140
+ "learning_rate": 0.0003977777777777778,
141
+ "loss": 1.3313,
142
+ "step": 1050
143
+ },
144
+ {
145
+ "epoch": 0.52,
146
+ "learning_rate": 0.00039555555555555557,
147
+ "loss": 1.318,
148
+ "step": 1100
149
+ },
150
+ {
151
+ "epoch": 0.54,
152
+ "learning_rate": 0.0003933333333333333,
153
+ "loss": 1.3092,
154
+ "step": 1150
155
+ },
156
+ {
157
+ "epoch": 0.57,
158
+ "learning_rate": 0.0003911111111111111,
159
+ "loss": 1.3036,
160
+ "step": 1200
161
+ },
162
+ {
163
+ "epoch": 0.59,
164
+ "learning_rate": 0.0003888888888888889,
165
+ "loss": 1.2931,
166
+ "step": 1250
167
+ },
168
+ {
169
+ "epoch": 0.61,
170
+ "learning_rate": 0.00038666666666666667,
171
+ "loss": 1.2986,
172
+ "step": 1300
173
+ },
174
+ {
175
+ "epoch": 0.64,
176
+ "learning_rate": 0.00038444444444444447,
177
+ "loss": 1.4597,
178
+ "step": 1350
179
+ },
180
+ {
181
+ "epoch": 0.66,
182
+ "learning_rate": 0.0003822222222222223,
183
+ "loss": 1.8909,
184
+ "step": 1400
185
+ },
186
+ {
187
+ "epoch": 0.68,
188
+ "learning_rate": 0.00038,
189
+ "loss": 1.347,
190
+ "step": 1450
191
+ },
192
+ {
193
+ "epoch": 0.71,
194
+ "learning_rate": 0.00037777777777777777,
195
+ "loss": 1.3039,
196
+ "step": 1500
197
+ },
198
+ {
199
+ "epoch": 0.73,
200
+ "learning_rate": 0.00037555555555555557,
201
+ "loss": 1.2929,
202
+ "step": 1550
203
+ },
204
+ {
205
+ "epoch": 0.75,
206
+ "learning_rate": 0.0003733333333333334,
207
+ "loss": 1.2783,
208
+ "step": 1600
209
+ },
210
+ {
211
+ "epoch": 0.78,
212
+ "learning_rate": 0.0003711111111111111,
213
+ "loss": 1.2644,
214
+ "step": 1650
215
+ },
216
+ {
217
+ "epoch": 0.8,
218
+ "learning_rate": 0.0003688888888888889,
219
+ "loss": 1.255,
220
+ "step": 1700
221
+ },
222
+ {
223
+ "epoch": 0.82,
224
+ "learning_rate": 0.00036666666666666667,
225
+ "loss": 1.2509,
226
+ "step": 1750
227
+ },
228
+ {
229
+ "epoch": 0.85,
230
+ "learning_rate": 0.00036444444444444447,
231
+ "loss": 1.254,
232
+ "step": 1800
233
+ },
234
+ {
235
+ "epoch": 0.87,
236
+ "learning_rate": 0.0003622222222222222,
237
+ "loss": 1.2436,
238
+ "step": 1850
239
+ },
240
+ {
241
+ "epoch": 0.89,
242
+ "learning_rate": 0.00036,
243
+ "loss": 1.2499,
244
+ "step": 1900
245
+ },
246
+ {
247
+ "epoch": 0.92,
248
+ "learning_rate": 0.0003577777777777778,
249
+ "loss": 1.5927,
250
+ "step": 1950
251
+ },
252
+ {
253
+ "epoch": 0.94,
254
+ "learning_rate": 0.00035555555555555557,
255
+ "loss": 1.4569,
256
+ "step": 2000
257
+ },
258
+ {
259
+ "epoch": 0.94,
260
+ "eval_loss": 1.661188006401062,
261
+ "eval_runtime": 106.3952,
262
+ "eval_samples_per_second": 1704.024,
263
+ "eval_steps_per_second": 6.664,
264
+ "step": 2000
265
+ },
266
+ {
267
+ "epoch": 0.97,
268
+ "learning_rate": 0.0003533333333333333,
269
+ "loss": 1.333,
270
+ "step": 2050
271
+ },
272
+ {
273
+ "epoch": 0.99,
274
+ "learning_rate": 0.0003511111111111111,
275
+ "loss": 1.4076,
276
+ "step": 2100
277
+ },
278
+ {
279
+ "epoch": 1.01,
280
+ "learning_rate": 0.0003488888888888889,
281
+ "loss": 1.4328,
282
+ "step": 2150
283
+ },
284
+ {
285
+ "epoch": 1.04,
286
+ "learning_rate": 0.00034666666666666667,
287
+ "loss": 1.3461,
288
+ "step": 2200
289
+ },
290
+ {
291
+ "epoch": 1.06,
292
+ "learning_rate": 0.0003444444444444445,
293
+ "loss": 1.4831,
294
+ "step": 2250
295
+ },
296
+ {
297
+ "epoch": 1.08,
298
+ "learning_rate": 0.0003422222222222222,
299
+ "loss": 1.4935,
300
+ "step": 2300
301
+ },
302
+ {
303
+ "epoch": 1.11,
304
+ "learning_rate": 0.00034,
305
+ "loss": 1.4034,
306
+ "step": 2350
307
+ },
308
+ {
309
+ "epoch": 1.13,
310
+ "learning_rate": 0.00033777777777777777,
311
+ "loss": 1.3652,
312
+ "step": 2400
313
+ },
314
+ {
315
+ "epoch": 1.15,
316
+ "learning_rate": 0.0003355555555555556,
317
+ "loss": 1.2921,
318
+ "step": 2450
319
+ },
320
+ {
321
+ "epoch": 1.18,
322
+ "learning_rate": 0.0003333333333333334,
323
+ "loss": 1.2564,
324
+ "step": 2500
325
+ },
326
+ {
327
+ "epoch": 1.2,
328
+ "learning_rate": 0.0003311111111111111,
329
+ "loss": 1.2344,
330
+ "step": 2550
331
+ },
332
+ {
333
+ "epoch": 1.22,
334
+ "learning_rate": 0.00032888888888888887,
335
+ "loss": 1.2705,
336
+ "step": 2600
337
+ },
338
+ {
339
+ "epoch": 1.25,
340
+ "learning_rate": 0.0003266666666666667,
341
+ "loss": 1.3214,
342
+ "step": 2650
343
+ },
344
+ {
345
+ "epoch": 1.27,
346
+ "learning_rate": 0.0003244444444444445,
347
+ "loss": 1.2318,
348
+ "step": 2700
349
+ },
350
+ {
351
+ "epoch": 1.3,
352
+ "learning_rate": 0.0003222222222222222,
353
+ "loss": 1.2029,
354
+ "step": 2750
355
+ },
356
+ {
357
+ "epoch": 1.32,
358
+ "learning_rate": 0.00032,
359
+ "loss": 1.2056,
360
+ "step": 2800
361
+ },
362
+ {
363
+ "epoch": 1.34,
364
+ "learning_rate": 0.0003177777777777778,
365
+ "loss": 1.1931,
366
+ "step": 2850
367
+ },
368
+ {
369
+ "epoch": 1.37,
370
+ "learning_rate": 0.0003155555555555556,
371
+ "loss": 1.1812,
372
+ "step": 2900
373
+ },
374
+ {
375
+ "epoch": 1.39,
376
+ "learning_rate": 0.0003133333333333333,
377
+ "loss": 1.1863,
378
+ "step": 2950
379
+ },
380
+ {
381
+ "epoch": 1.41,
382
+ "learning_rate": 0.0003111111111111111,
383
+ "loss": 1.1795,
384
+ "step": 3000
385
+ },
386
+ {
387
+ "epoch": 1.41,
388
+ "eval_loss": 1.5454002618789673,
389
+ "eval_runtime": 104.0653,
390
+ "eval_samples_per_second": 1742.176,
391
+ "eval_steps_per_second": 6.813,
392
+ "step": 3000
393
+ },
394
+ {
395
+ "epoch": 1.44,
396
+ "learning_rate": 0.00030888888888888893,
397
+ "loss": 1.1856,
398
+ "step": 3050
399
+ },
400
+ {
401
+ "epoch": 1.46,
402
+ "learning_rate": 0.0003066666666666667,
403
+ "loss": 1.1765,
404
+ "step": 3100
405
+ },
406
+ {
407
+ "epoch": 1.48,
408
+ "learning_rate": 0.0003044444444444444,
409
+ "loss": 1.3244,
410
+ "step": 3150
411
+ },
412
+ {
413
+ "epoch": 1.51,
414
+ "learning_rate": 0.0003022222222222222,
415
+ "loss": 1.2179,
416
+ "step": 3200
417
+ },
418
+ {
419
+ "epoch": 1.53,
420
+ "learning_rate": 0.00030000000000000003,
421
+ "loss": 1.2114,
422
+ "step": 3250
423
+ },
424
+ {
425
+ "epoch": 1.55,
426
+ "learning_rate": 0.0002977777777777778,
427
+ "loss": 1.1968,
428
+ "step": 3300
429
+ },
430
+ {
431
+ "epoch": 1.58,
432
+ "learning_rate": 0.0002955555555555556,
433
+ "loss": 1.1798,
434
+ "step": 3350
435
+ },
436
+ {
437
+ "epoch": 1.6,
438
+ "learning_rate": 0.0002933333333333333,
439
+ "loss": 1.1851,
440
+ "step": 3400
441
+ },
442
+ {
443
+ "epoch": 1.62,
444
+ "learning_rate": 0.00029111111111111113,
445
+ "loss": 1.2182,
446
+ "step": 3450
447
+ },
448
+ {
449
+ "epoch": 1.65,
450
+ "learning_rate": 0.0002888888888888889,
451
+ "loss": 1.1791,
452
+ "step": 3500
453
+ },
454
+ {
455
+ "epoch": 1.67,
456
+ "learning_rate": 0.0002866666666666667,
457
+ "loss": 1.1842,
458
+ "step": 3550
459
+ },
460
+ {
461
+ "epoch": 1.7,
462
+ "learning_rate": 0.0002844444444444445,
463
+ "loss": 1.2017,
464
+ "step": 3600
465
+ },
466
+ {
467
+ "epoch": 1.72,
468
+ "learning_rate": 0.00028222222222222223,
469
+ "loss": 1.2376,
470
+ "step": 3650
471
+ },
472
+ {
473
+ "epoch": 1.74,
474
+ "learning_rate": 0.00028,
475
+ "loss": 1.3329,
476
+ "step": 3700
477
+ },
478
+ {
479
+ "epoch": 1.77,
480
+ "learning_rate": 0.0002777777777777778,
481
+ "loss": 1.2929,
482
+ "step": 3750
483
+ },
484
+ {
485
+ "epoch": 1.79,
486
+ "learning_rate": 0.0002755555555555556,
487
+ "loss": 1.2387,
488
+ "step": 3800
489
+ },
490
+ {
491
+ "epoch": 1.81,
492
+ "learning_rate": 0.00027333333333333333,
493
+ "loss": 1.1944,
494
+ "step": 3850
495
+ },
496
+ {
497
+ "epoch": 1.84,
498
+ "learning_rate": 0.00027111111111111113,
499
+ "loss": 1.196,
500
+ "step": 3900
501
+ },
502
+ {
503
+ "epoch": 1.86,
504
+ "learning_rate": 0.00026888888888888893,
505
+ "loss": 1.1817,
506
+ "step": 3950
507
+ },
508
+ {
509
+ "epoch": 1.88,
510
+ "learning_rate": 0.0002666666666666667,
511
+ "loss": 1.1769,
512
+ "step": 4000
513
+ },
514
+ {
515
+ "epoch": 1.88,
516
+ "eval_loss": 1.526174545288086,
517
+ "eval_runtime": 104.8904,
518
+ "eval_samples_per_second": 1728.471,
519
+ "eval_steps_per_second": 6.759,
520
+ "step": 4000
521
+ },
522
+ {
523
+ "epoch": 1.91,
524
+ "learning_rate": 0.00026444444444444443,
525
+ "loss": 1.1606,
526
+ "step": 4050
527
+ },
528
+ {
529
+ "epoch": 1.93,
530
+ "learning_rate": 0.00026222222222222223,
531
+ "loss": 1.2703,
532
+ "step": 4100
533
+ },
534
+ {
535
+ "epoch": 1.95,
536
+ "learning_rate": 0.00026000000000000003,
537
+ "loss": 1.2824,
538
+ "step": 4150
539
+ },
540
+ {
541
+ "epoch": 1.98,
542
+ "learning_rate": 0.00025777777777777783,
543
+ "loss": 1.2228,
544
+ "step": 4200
545
+ },
546
+ {
547
+ "epoch": 2.0,
548
+ "learning_rate": 0.00025555555555555553,
549
+ "loss": 1.2338,
550
+ "step": 4250
551
+ },
552
+ {
553
+ "epoch": 2.03,
554
+ "learning_rate": 0.00025333333333333333,
555
+ "loss": 1.163,
556
+ "step": 4300
557
+ },
558
+ {
559
+ "epoch": 2.05,
560
+ "learning_rate": 0.00025111111111111113,
561
+ "loss": 1.1332,
562
+ "step": 4350
563
+ },
564
+ {
565
+ "epoch": 2.07,
566
+ "learning_rate": 0.0002488888888888889,
567
+ "loss": 1.1206,
568
+ "step": 4400
569
+ },
570
+ {
571
+ "epoch": 2.1,
572
+ "learning_rate": 0.0002466666666666667,
573
+ "loss": 1.1597,
574
+ "step": 4450
575
+ },
576
+ {
577
+ "epoch": 2.12,
578
+ "learning_rate": 0.0002444444444444445,
579
+ "loss": 1.1259,
580
+ "step": 4500
581
+ },
582
+ {
583
+ "epoch": 2.14,
584
+ "learning_rate": 0.0002422222222222222,
585
+ "loss": 1.1178,
586
+ "step": 4550
587
+ },
588
+ {
589
+ "epoch": 2.17,
590
+ "learning_rate": 0.00024,
591
+ "loss": 1.1119,
592
+ "step": 4600
593
+ },
594
+ {
595
+ "epoch": 2.19,
596
+ "learning_rate": 0.00023777777777777778,
597
+ "loss": 1.1104,
598
+ "step": 4650
599
+ },
600
+ {
601
+ "epoch": 2.21,
602
+ "learning_rate": 0.00023555555555555558,
603
+ "loss": 1.1064,
604
+ "step": 4700
605
+ },
606
+ {
607
+ "epoch": 2.24,
608
+ "learning_rate": 0.00023333333333333336,
609
+ "loss": 1.1111,
610
+ "step": 4750
611
+ },
612
+ {
613
+ "epoch": 2.26,
614
+ "learning_rate": 0.0002311111111111111,
615
+ "loss": 1.0994,
616
+ "step": 4800
617
+ },
618
+ {
619
+ "epoch": 2.28,
620
+ "learning_rate": 0.00022888888888888888,
621
+ "loss": 1.1002,
622
+ "step": 4850
623
+ },
624
+ {
625
+ "epoch": 2.31,
626
+ "learning_rate": 0.00022666666666666668,
627
+ "loss": 1.1486,
628
+ "step": 4900
629
+ },
630
+ {
631
+ "epoch": 2.33,
632
+ "learning_rate": 0.00022444444444444446,
633
+ "loss": 1.1115,
634
+ "step": 4950
635
+ },
636
+ {
637
+ "epoch": 2.36,
638
+ "learning_rate": 0.00022222222222222223,
639
+ "loss": 1.1026,
640
+ "step": 5000
641
+ },
642
+ {
643
+ "epoch": 2.36,
644
+ "eval_loss": 1.4830693006515503,
645
+ "eval_runtime": 104.1599,
646
+ "eval_samples_per_second": 1740.593,
647
+ "eval_steps_per_second": 6.807,
648
+ "step": 5000
649
+ },
650
+ {
651
+ "epoch": 2.38,
652
+ "learning_rate": 0.00022000000000000003,
653
+ "loss": 1.1098,
654
+ "step": 5050
655
+ },
656
+ {
657
+ "epoch": 2.4,
658
+ "learning_rate": 0.00021777777777777778,
659
+ "loss": 1.0984,
660
+ "step": 5100
661
+ },
662
+ {
663
+ "epoch": 2.43,
664
+ "learning_rate": 0.00021555555555555556,
665
+ "loss": 1.0858,
666
+ "step": 5150
667
+ },
668
+ {
669
+ "epoch": 2.45,
670
+ "learning_rate": 0.00021333333333333333,
671
+ "loss": 1.1243,
672
+ "step": 5200
673
+ },
674
+ {
675
+ "epoch": 2.47,
676
+ "learning_rate": 0.00021111111111111113,
677
+ "loss": 1.125,
678
+ "step": 5250
679
+ },
680
+ {
681
+ "epoch": 2.5,
682
+ "learning_rate": 0.0002088888888888889,
683
+ "loss": 1.108,
684
+ "step": 5300
685
+ },
686
+ {
687
+ "epoch": 2.52,
688
+ "learning_rate": 0.00020666666666666668,
689
+ "loss": 1.0821,
690
+ "step": 5350
691
+ },
692
+ {
693
+ "epoch": 2.54,
694
+ "learning_rate": 0.00020444444444444443,
695
+ "loss": 1.087,
696
+ "step": 5400
697
+ },
698
+ {
699
+ "epoch": 2.57,
700
+ "learning_rate": 0.00020222222222222223,
701
+ "loss": 1.0814,
702
+ "step": 5450
703
+ },
704
+ {
705
+ "epoch": 2.59,
706
+ "learning_rate": 0.0002,
707
+ "loss": 1.0799,
708
+ "step": 5500
709
+ },
710
+ {
711
+ "epoch": 2.61,
712
+ "learning_rate": 0.00019777777777777778,
713
+ "loss": 1.0771,
714
+ "step": 5550
715
+ },
716
+ {
717
+ "epoch": 2.64,
718
+ "learning_rate": 0.00019555555555555556,
719
+ "loss": 1.0777,
720
+ "step": 5600
721
+ },
722
+ {
723
+ "epoch": 2.66,
724
+ "learning_rate": 0.00019333333333333333,
725
+ "loss": 1.0765,
726
+ "step": 5650
727
+ },
728
+ {
729
+ "epoch": 2.68,
730
+ "learning_rate": 0.00019111111111111114,
731
+ "loss": 1.0703,
732
+ "step": 5700
733
+ },
734
+ {
735
+ "epoch": 2.71,
736
+ "learning_rate": 0.00018888888888888888,
737
+ "loss": 1.0722,
738
+ "step": 5750
739
+ },
740
+ {
741
+ "epoch": 2.73,
742
+ "learning_rate": 0.0001866666666666667,
743
+ "loss": 1.0917,
744
+ "step": 5800
745
+ },
746
+ {
747
+ "epoch": 2.76,
748
+ "learning_rate": 0.00018444444444444446,
749
+ "loss": 1.0741,
750
+ "step": 5850
751
+ },
752
+ {
753
+ "epoch": 2.78,
754
+ "learning_rate": 0.00018222222222222224,
755
+ "loss": 1.077,
756
+ "step": 5900
757
+ },
758
+ {
759
+ "epoch": 2.8,
760
+ "learning_rate": 0.00018,
761
+ "loss": 1.0683,
762
+ "step": 5950
763
+ },
764
+ {
765
+ "epoch": 2.83,
766
+ "learning_rate": 0.00017777777777777779,
767
+ "loss": 1.0711,
768
+ "step": 6000
769
+ },
770
+ {
771
+ "epoch": 2.83,
772
+ "eval_loss": 1.4865516424179077,
773
+ "eval_runtime": 104.1916,
774
+ "eval_samples_per_second": 1740.063,
775
+ "eval_steps_per_second": 6.805,
776
+ "step": 6000
777
+ },
778
+ {
779
+ "epoch": 2.85,
780
+ "learning_rate": 0.00017555555555555556,
781
+ "loss": 1.0955,
782
+ "step": 6050
783
+ },
784
+ {
785
+ "epoch": 2.87,
786
+ "learning_rate": 0.00017333333333333334,
787
+ "loss": 1.1421,
788
+ "step": 6100
789
+ },
790
+ {
791
+ "epoch": 2.9,
792
+ "learning_rate": 0.0001711111111111111,
793
+ "loss": 1.1308,
794
+ "step": 6150
795
+ },
796
+ {
797
+ "epoch": 2.92,
798
+ "learning_rate": 0.00016888888888888889,
799
+ "loss": 1.0915,
800
+ "step": 6200
801
+ },
802
+ {
803
+ "epoch": 2.94,
804
+ "learning_rate": 0.0001666666666666667,
805
+ "loss": 1.0693,
806
+ "step": 6250
807
+ },
808
+ {
809
+ "epoch": 2.97,
810
+ "learning_rate": 0.00016444444444444444,
811
+ "loss": 1.0804,
812
+ "step": 6300
813
+ },
814
+ {
815
+ "epoch": 2.99,
816
+ "learning_rate": 0.00016222222222222224,
817
+ "loss": 1.0684,
818
+ "step": 6350
819
+ },
820
+ {
821
+ "epoch": 3.01,
822
+ "learning_rate": 0.00016,
823
+ "loss": 1.0886,
824
+ "step": 6400
825
+ },
826
+ {
827
+ "epoch": 3.04,
828
+ "learning_rate": 0.0001577777777777778,
829
+ "loss": 1.0576,
830
+ "step": 6450
831
+ },
832
+ {
833
+ "epoch": 3.06,
834
+ "learning_rate": 0.00015555555555555556,
835
+ "loss": 1.0446,
836
+ "step": 6500
837
+ },
838
+ {
839
+ "epoch": 3.09,
840
+ "learning_rate": 0.00015333333333333334,
841
+ "loss": 1.0426,
842
+ "step": 6550
843
+ },
844
+ {
845
+ "epoch": 3.11,
846
+ "learning_rate": 0.0001511111111111111,
847
+ "loss": 1.0404,
848
+ "step": 6600
849
+ },
850
+ {
851
+ "epoch": 3.13,
852
+ "learning_rate": 0.0001488888888888889,
853
+ "loss": 1.0446,
854
+ "step": 6650
855
+ },
856
+ {
857
+ "epoch": 3.16,
858
+ "learning_rate": 0.00014666666666666666,
859
+ "loss": 1.0564,
860
+ "step": 6700
861
+ },
862
+ {
863
+ "epoch": 3.18,
864
+ "learning_rate": 0.00014444444444444444,
865
+ "loss": 1.0452,
866
+ "step": 6750
867
+ },
868
+ {
869
+ "epoch": 3.2,
870
+ "learning_rate": 0.00014222222222222224,
871
+ "loss": 1.0327,
872
+ "step": 6800
873
+ },
874
+ {
875
+ "epoch": 3.23,
876
+ "learning_rate": 0.00014,
877
+ "loss": 1.0353,
878
+ "step": 6850
879
+ },
880
+ {
881
+ "epoch": 3.25,
882
+ "learning_rate": 0.0001377777777777778,
883
+ "loss": 1.0259,
884
+ "step": 6900
885
+ },
886
+ {
887
+ "epoch": 3.27,
888
+ "learning_rate": 0.00013555555555555556,
889
+ "loss": 1.0328,
890
+ "step": 6950
891
+ },
892
+ {
893
+ "epoch": 3.3,
894
+ "learning_rate": 0.00013333333333333334,
895
+ "loss": 1.0321,
896
+ "step": 7000
897
+ },
898
+ {
899
+ "epoch": 3.3,
900
+ "eval_loss": 1.4409459829330444,
901
+ "eval_runtime": 104.0221,
902
+ "eval_samples_per_second": 1742.9,
903
+ "eval_steps_per_second": 6.816,
904
+ "step": 7000
905
+ },
906
+ {
907
+ "epoch": 3.32,
908
+ "learning_rate": 0.00013111111111111111,
909
+ "loss": 1.0295,
910
+ "step": 7050
911
+ },
912
+ {
913
+ "epoch": 3.34,
914
+ "learning_rate": 0.00012888888888888892,
915
+ "loss": 1.0262,
916
+ "step": 7100
917
+ },
918
+ {
919
+ "epoch": 3.37,
920
+ "learning_rate": 0.00012666666666666666,
921
+ "loss": 1.0278,
922
+ "step": 7150
923
+ },
924
+ {
925
+ "epoch": 3.39,
926
+ "learning_rate": 0.00012444444444444444,
927
+ "loss": 1.0227,
928
+ "step": 7200
929
+ },
930
+ {
931
+ "epoch": 3.41,
932
+ "learning_rate": 0.00012222222222222224,
933
+ "loss": 1.0262,
934
+ "step": 7250
935
+ },
936
+ {
937
+ "epoch": 3.44,
938
+ "learning_rate": 0.00012,
939
+ "loss": 1.0205,
940
+ "step": 7300
941
+ },
942
+ {
943
+ "epoch": 3.46,
944
+ "learning_rate": 0.00011777777777777779,
945
+ "loss": 1.0107,
946
+ "step": 7350
947
+ },
948
+ {
949
+ "epoch": 3.49,
950
+ "learning_rate": 0.00011555555555555555,
951
+ "loss": 1.0218,
952
+ "step": 7400
953
+ },
954
+ {
955
+ "epoch": 3.51,
956
+ "learning_rate": 0.00011333333333333334,
957
+ "loss": 1.0205,
958
+ "step": 7450
959
+ },
960
+ {
961
+ "epoch": 3.53,
962
+ "learning_rate": 0.00011111111111111112,
963
+ "loss": 1.0196,
964
+ "step": 7500
965
+ },
966
+ {
967
+ "epoch": 3.56,
968
+ "learning_rate": 0.00010888888888888889,
969
+ "loss": 1.0197,
970
+ "step": 7550
971
+ },
972
+ {
973
+ "epoch": 3.58,
974
+ "learning_rate": 0.00010666666666666667,
975
+ "loss": 1.0139,
976
+ "step": 7600
977
+ },
978
+ {
979
+ "epoch": 3.6,
980
+ "learning_rate": 0.00010444444444444445,
981
+ "loss": 1.0011,
982
+ "step": 7650
983
+ },
984
+ {
985
+ "epoch": 3.63,
986
+ "learning_rate": 0.00010222222222222222,
987
+ "loss": 1.0056,
988
+ "step": 7700
989
+ },
990
+ {
991
+ "epoch": 3.65,
992
+ "learning_rate": 0.0001,
993
+ "loss": 1.0152,
994
+ "step": 7750
995
+ },
996
+ {
997
+ "epoch": 3.67,
998
+ "learning_rate": 9.777777777777778e-05,
999
+ "loss": 1.0078,
1000
+ "step": 7800
1001
+ },
1002
+ {
1003
+ "epoch": 3.7,
1004
+ "learning_rate": 9.555555555555557e-05,
1005
+ "loss": 1.0101,
1006
+ "step": 7850
1007
+ },
1008
+ {
1009
+ "epoch": 3.72,
1010
+ "learning_rate": 9.333333333333334e-05,
1011
+ "loss": 0.9983,
1012
+ "step": 7900
1013
+ },
1014
+ {
1015
+ "epoch": 3.74,
1016
+ "learning_rate": 9.111111111111112e-05,
1017
+ "loss": 0.9922,
1018
+ "step": 7950
1019
+ },
1020
+ {
1021
+ "epoch": 3.77,
1022
+ "learning_rate": 8.888888888888889e-05,
1023
+ "loss": 0.9994,
1024
+ "step": 8000
1025
+ },
1026
+ {
1027
+ "epoch": 3.77,
1028
+ "eval_loss": 1.420628547668457,
1029
+ "eval_runtime": 104.1119,
1030
+ "eval_samples_per_second": 1741.396,
1031
+ "eval_steps_per_second": 6.81,
1032
+ "step": 8000
1033
+ },
1034
+ {
1035
+ "epoch": 3.79,
1036
+ "learning_rate": 8.666666666666667e-05,
1037
+ "loss": 1.0066,
1038
+ "step": 8050
1039
+ },
1040
+ {
1041
+ "epoch": 3.82,
1042
+ "learning_rate": 8.444444444444444e-05,
1043
+ "loss": 1.0028,
1044
+ "step": 8100
1045
+ },
1046
+ {
1047
+ "epoch": 3.84,
1048
+ "learning_rate": 8.222222222222222e-05,
1049
+ "loss": 1.0007,
1050
+ "step": 8150
1051
+ },
1052
+ {
1053
+ "epoch": 3.86,
1054
+ "learning_rate": 8e-05,
1055
+ "loss": 1.0081,
1056
+ "step": 8200
1057
+ },
1058
+ {
1059
+ "epoch": 3.89,
1060
+ "learning_rate": 7.777777777777778e-05,
1061
+ "loss": 0.9953,
1062
+ "step": 8250
1063
+ },
1064
+ {
1065
+ "epoch": 3.91,
1066
+ "learning_rate": 7.555555555555556e-05,
1067
+ "loss": 0.9866,
1068
+ "step": 8300
1069
+ },
1070
+ {
1071
+ "epoch": 3.93,
1072
+ "learning_rate": 7.333333333333333e-05,
1073
+ "loss": 0.9961,
1074
+ "step": 8350
1075
+ },
1076
+ {
1077
+ "epoch": 3.96,
1078
+ "learning_rate": 7.111111111111112e-05,
1079
+ "loss": 0.9891,
1080
+ "step": 8400
1081
+ },
1082
+ {
1083
+ "epoch": 3.98,
1084
+ "learning_rate": 6.88888888888889e-05,
1085
+ "loss": 0.9917,
1086
+ "step": 8450
1087
+ },
1088
+ {
1089
+ "epoch": 4.0,
1090
+ "learning_rate": 6.666666666666667e-05,
1091
+ "loss": 1.0035,
1092
+ "step": 8500
1093
+ },
1094
+ {
1095
+ "epoch": 4.03,
1096
+ "learning_rate": 6.444444444444446e-05,
1097
+ "loss": 0.9899,
1098
+ "step": 8550
1099
+ },
1100
+ {
1101
+ "epoch": 4.05,
1102
+ "learning_rate": 6.222222222222222e-05,
1103
+ "loss": 0.9769,
1104
+ "step": 8600
1105
+ },
1106
+ {
1107
+ "epoch": 4.07,
1108
+ "learning_rate": 6e-05,
1109
+ "loss": 0.9781,
1110
+ "step": 8650
1111
+ },
1112
+ {
1113
+ "epoch": 4.1,
1114
+ "learning_rate": 5.7777777777777776e-05,
1115
+ "loss": 0.9802,
1116
+ "step": 8700
1117
+ },
1118
+ {
1119
+ "epoch": 4.12,
1120
+ "learning_rate": 5.555555555555556e-05,
1121
+ "loss": 0.9727,
1122
+ "step": 8750
1123
+ },
1124
+ {
1125
+ "epoch": 4.15,
1126
+ "learning_rate": 5.333333333333333e-05,
1127
+ "loss": 0.9742,
1128
+ "step": 8800
1129
+ },
1130
+ {
1131
+ "epoch": 4.17,
1132
+ "learning_rate": 5.111111111111111e-05,
1133
+ "loss": 0.9723,
1134
+ "step": 8850
1135
+ },
1136
+ {
1137
+ "epoch": 4.19,
1138
+ "learning_rate": 4.888888888888889e-05,
1139
+ "loss": 0.9809,
1140
+ "step": 8900
1141
+ },
1142
+ {
1143
+ "epoch": 4.22,
1144
+ "learning_rate": 4.666666666666667e-05,
1145
+ "loss": 0.9753,
1146
+ "step": 8950
1147
+ },
1148
+ {
1149
+ "epoch": 4.24,
1150
+ "learning_rate": 4.4444444444444447e-05,
1151
+ "loss": 0.9774,
1152
+ "step": 9000
1153
+ },
1154
+ {
1155
+ "epoch": 4.24,
1156
+ "eval_loss": 1.3941148519515991,
1157
+ "eval_runtime": 104.2747,
1158
+ "eval_samples_per_second": 1738.677,
1159
+ "eval_steps_per_second": 6.799,
1160
+ "step": 9000
1161
+ },
1162
+ {
1163
+ "epoch": 4.26,
1164
+ "learning_rate": 4.222222222222222e-05,
1165
+ "loss": 0.9603,
1166
+ "step": 9050
1167
+ },
1168
+ {
1169
+ "epoch": 4.29,
1170
+ "learning_rate": 4e-05,
1171
+ "loss": 0.9632,
1172
+ "step": 9100
1173
+ },
1174
+ {
1175
+ "epoch": 4.31,
1176
+ "learning_rate": 3.777777777777778e-05,
1177
+ "loss": 0.9701,
1178
+ "step": 9150
1179
+ },
1180
+ {
1181
+ "epoch": 4.33,
1182
+ "learning_rate": 3.555555555555556e-05,
1183
+ "loss": 0.966,
1184
+ "step": 9200
1185
+ },
1186
+ {
1187
+ "epoch": 4.36,
1188
+ "learning_rate": 3.3333333333333335e-05,
1189
+ "loss": 0.9725,
1190
+ "step": 9250
1191
+ },
1192
+ {
1193
+ "epoch": 4.38,
1194
+ "learning_rate": 3.111111111111111e-05,
1195
+ "loss": 0.9644,
1196
+ "step": 9300
1197
+ },
1198
+ {
1199
+ "epoch": 4.4,
1200
+ "learning_rate": 2.8888888888888888e-05,
1201
+ "loss": 0.9613,
1202
+ "step": 9350
1203
+ },
1204
+ {
1205
+ "epoch": 4.43,
1206
+ "learning_rate": 2.6666666666666667e-05,
1207
+ "loss": 0.971,
1208
+ "step": 9400
1209
+ },
1210
+ {
1211
+ "epoch": 4.45,
1212
+ "learning_rate": 2.4444444444444445e-05,
1213
+ "loss": 0.9592,
1214
+ "step": 9450
1215
+ },
1216
+ {
1217
+ "epoch": 4.47,
1218
+ "learning_rate": 2.2222222222222223e-05,
1219
+ "loss": 0.9692,
1220
+ "step": 9500
1221
+ },
1222
+ {
1223
+ "epoch": 4.5,
1224
+ "learning_rate": 2e-05,
1225
+ "loss": 0.9639,
1226
+ "step": 9550
1227
+ },
1228
+ {
1229
+ "epoch": 4.52,
1230
+ "learning_rate": 1.777777777777778e-05,
1231
+ "loss": 0.9562,
1232
+ "step": 9600
1233
+ },
1234
+ {
1235
+ "epoch": 4.55,
1236
+ "learning_rate": 1.5555555555555555e-05,
1237
+ "loss": 0.9645,
1238
+ "step": 9650
1239
+ },
1240
+ {
1241
+ "epoch": 4.57,
1242
+ "learning_rate": 1.3333333333333333e-05,
1243
+ "loss": 0.9638,
1244
+ "step": 9700
1245
+ },
1246
+ {
1247
+ "epoch": 4.59,
1248
+ "learning_rate": 1.1111111111111112e-05,
1249
+ "loss": 0.9614,
1250
+ "step": 9750
1251
+ },
1252
+ {
1253
+ "epoch": 4.62,
1254
+ "learning_rate": 8.88888888888889e-06,
1255
+ "loss": 0.9607,
1256
+ "step": 9800
1257
+ },
1258
+ {
1259
+ "epoch": 4.64,
1260
+ "learning_rate": 6.666666666666667e-06,
1261
+ "loss": 0.9602,
1262
+ "step": 9850
1263
+ },
1264
+ {
1265
+ "epoch": 4.66,
1266
+ "learning_rate": 4.444444444444445e-06,
1267
+ "loss": 0.9643,
1268
+ "step": 9900
1269
+ },
1270
+ {
1271
+ "epoch": 4.69,
1272
+ "learning_rate": 2.2222222222222225e-06,
1273
+ "loss": 0.9525,
1274
+ "step": 9950
1275
+ },
1276
+ {
1277
+ "epoch": 4.71,
1278
+ "learning_rate": 0.0,
1279
+ "loss": 0.9618,
1280
+ "step": 10000
1281
+ },
1282
+ {
1283
+ "epoch": 4.71,
1284
+ "eval_loss": 1.3830920457839966,
1285
+ "eval_runtime": 104.4628,
1286
+ "eval_samples_per_second": 1735.547,
1287
+ "eval_steps_per_second": 6.787,
1288
+ "step": 10000
1289
+ },
1290
+ {
1291
+ "epoch": 4.71,
1292
+ "step": 10001,
1293
+ "total_flos": 1.685090114171044e+17,
1294
+ "train_loss": 0.00010499673156234791,
1295
+ "train_runtime": 1054.6912,
1296
+ "train_samples_per_second": 19418.005,
1297
+ "train_steps_per_second": 9.481
1298
+ }
1299
+ ],
1300
+ "max_steps": 10000,
1301
+ "num_train_epochs": 5,
1302
+ "total_flos": 1.685090114171044e+17,
1303
+ "trial_name": null,
1304
+ "trial_params": null
1305
+ }