gokuls commited on
Commit
383e7cd
1 Parent(s): 6cd0110

End of training

Browse files
all_results.json ADDED
@@ -0,0 +1,15 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 1.53,
3
+ "eval_accuracy": 2.9114457332740555e-05,
4
+ "eval_loss": NaN,
5
+ "eval_runtime": 1244.2688,
6
+ "eval_samples": 308356,
7
+ "eval_samples_per_second": 247.821,
8
+ "eval_steps_per_second": 3.873,
9
+ "perplexity": NaN,
10
+ "train_loss": 0.3459514281929236,
11
+ "train_runtime": 108836.6872,
12
+ "train_samples": 5858758,
13
+ "train_samples_per_second": 269.154,
14
+ "train_steps_per_second": 4.206
15
+ }
eval_results.json ADDED
@@ -0,0 +1,10 @@
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 1.53,
3
+ "eval_accuracy": 2.9114457332740555e-05,
4
+ "eval_loss": NaN,
5
+ "eval_runtime": 1244.2688,
6
+ "eval_samples": 308356,
7
+ "eval_samples_per_second": 247.821,
8
+ "eval_steps_per_second": 3.873,
9
+ "perplexity": NaN
10
+ }
logs/events.out.tfevents.1685445843.serv-3318.2102972.2 ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:bfbac7cf35db8f464562e1b8bbe3b08d60d1ad9e703c4698ddc5f150b6248e84
3
+ size 369
train_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 1.53,
3
+ "train_loss": 0.3459514281929236,
4
+ "train_runtime": 108836.6872,
5
+ "train_samples": 5858758,
6
+ "train_samples_per_second": 269.154,
7
+ "train_steps_per_second": 4.206
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,1831 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": NaN,
3
+ "best_model_checkpoint": "add_bert_12_layer_model_complete_training_new/checkpoint-10000",
4
+ "epoch": 1.5293301581753038,
5
+ "global_step": 140001,
6
+ "is_hyper_param_search": false,
7
+ "is_local_process_zero": true,
8
+ "is_world_process_zero": true,
9
+ "log_history": [
10
+ {
11
+ "epoch": 0.01,
12
+ "learning_rate": 2.5e-05,
13
+ "loss": 8.2896,
14
+ "step": 500
15
+ },
16
+ {
17
+ "epoch": 0.01,
18
+ "learning_rate": 5e-05,
19
+ "loss": 6.8372,
20
+ "step": 1000
21
+ },
22
+ {
23
+ "epoch": 0.02,
24
+ "learning_rate": 7.5e-05,
25
+ "loss": 6.683,
26
+ "step": 1500
27
+ },
28
+ {
29
+ "epoch": 0.02,
30
+ "learning_rate": 0.0001,
31
+ "loss": 6.5955,
32
+ "step": 2000
33
+ },
34
+ {
35
+ "epoch": 0.03,
36
+ "learning_rate": 0.000125,
37
+ "loss": 6.5373,
38
+ "step": 2500
39
+ },
40
+ {
41
+ "epoch": 0.03,
42
+ "learning_rate": 0.00015,
43
+ "loss": 6.4804,
44
+ "step": 3000
45
+ },
46
+ {
47
+ "epoch": 0.04,
48
+ "learning_rate": 0.000175,
49
+ "loss": 6.4463,
50
+ "step": 3500
51
+ },
52
+ {
53
+ "epoch": 0.04,
54
+ "learning_rate": 0.0002,
55
+ "loss": 6.408,
56
+ "step": 4000
57
+ },
58
+ {
59
+ "epoch": 0.05,
60
+ "learning_rate": 0.00022500000000000002,
61
+ "loss": 6.3827,
62
+ "step": 4500
63
+ },
64
+ {
65
+ "epoch": 0.05,
66
+ "learning_rate": 0.00025,
67
+ "loss": 6.3731,
68
+ "step": 5000
69
+ },
70
+ {
71
+ "epoch": 0.06,
72
+ "learning_rate": 0.000275,
73
+ "loss": 6.3479,
74
+ "step": 5500
75
+ },
76
+ {
77
+ "epoch": 0.07,
78
+ "learning_rate": 0.0003,
79
+ "loss": 6.3401,
80
+ "step": 6000
81
+ },
82
+ {
83
+ "epoch": 0.07,
84
+ "learning_rate": 0.0003239,
85
+ "loss": 7.0795,
86
+ "step": 6500
87
+ },
88
+ {
89
+ "epoch": 0.08,
90
+ "learning_rate": 0.00034155000000000003,
91
+ "loss": 10.0665,
92
+ "step": 7000
93
+ },
94
+ {
95
+ "epoch": 0.08,
96
+ "learning_rate": 0.00036655,
97
+ "loss": 0.0,
98
+ "step": 7500
99
+ },
100
+ {
101
+ "epoch": 0.09,
102
+ "learning_rate": 0.00039155,
103
+ "loss": 0.0,
104
+ "step": 8000
105
+ },
106
+ {
107
+ "epoch": 0.09,
108
+ "learning_rate": 0.00041654999999999996,
109
+ "loss": 0.0,
110
+ "step": 8500
111
+ },
112
+ {
113
+ "epoch": 0.1,
114
+ "learning_rate": 0.00044155,
115
+ "loss": 0.0,
116
+ "step": 9000
117
+ },
118
+ {
119
+ "epoch": 0.1,
120
+ "learning_rate": 0.00046655000000000004,
121
+ "loss": 0.0,
122
+ "step": 9500
123
+ },
124
+ {
125
+ "epoch": 0.11,
126
+ "learning_rate": 0.00049155,
127
+ "loss": 0.0,
128
+ "step": 10000
129
+ },
130
+ {
131
+ "epoch": 0.11,
132
+ "eval_accuracy": 3.0592783198016594e-05,
133
+ "eval_loss": NaN,
134
+ "eval_runtime": 1245.7969,
135
+ "eval_samples_per_second": 247.517,
136
+ "eval_steps_per_second": 3.868,
137
+ "step": 10000
138
+ },
139
+ {
140
+ "epoch": 0.11,
141
+ "learning_rate": 0.0004996303493254713,
142
+ "loss": 0.0,
143
+ "step": 10500
144
+ },
145
+ {
146
+ "epoch": 0.12,
147
+ "learning_rate": 0.0004990719646207451,
148
+ "loss": 0.0,
149
+ "step": 11000
150
+ },
151
+ {
152
+ "epoch": 0.13,
153
+ "learning_rate": 0.000498513579916019,
154
+ "loss": 0.0,
155
+ "step": 11500
156
+ },
157
+ {
158
+ "epoch": 0.13,
159
+ "learning_rate": 0.0004979551952112928,
160
+ "loss": 0.0,
161
+ "step": 12000
162
+ },
163
+ {
164
+ "epoch": 0.14,
165
+ "learning_rate": 0.0004973968105065666,
166
+ "loss": 0.0,
167
+ "step": 12500
168
+ },
169
+ {
170
+ "epoch": 0.14,
171
+ "learning_rate": 0.0004968384258018405,
172
+ "loss": 0.0,
173
+ "step": 13000
174
+ },
175
+ {
176
+ "epoch": 0.15,
177
+ "learning_rate": 0.0004962800410971143,
178
+ "loss": 0.0,
179
+ "step": 13500
180
+ },
181
+ {
182
+ "epoch": 0.15,
183
+ "learning_rate": 0.0004957216563923881,
184
+ "loss": 0.0,
185
+ "step": 14000
186
+ },
187
+ {
188
+ "epoch": 0.16,
189
+ "learning_rate": 0.0004951632716876619,
190
+ "loss": 0.0,
191
+ "step": 14500
192
+ },
193
+ {
194
+ "epoch": 0.16,
195
+ "learning_rate": 0.0004946048869829357,
196
+ "loss": 0.0,
197
+ "step": 15000
198
+ },
199
+ {
200
+ "epoch": 0.17,
201
+ "learning_rate": 0.0004940465022782096,
202
+ "loss": 0.0,
203
+ "step": 15500
204
+ },
205
+ {
206
+ "epoch": 0.17,
207
+ "learning_rate": 0.0004934881175734834,
208
+ "loss": 0.0,
209
+ "step": 16000
210
+ },
211
+ {
212
+ "epoch": 0.18,
213
+ "learning_rate": 0.0004929297328687572,
214
+ "loss": 0.0,
215
+ "step": 16500
216
+ },
217
+ {
218
+ "epoch": 0.19,
219
+ "learning_rate": 0.0004923713481640312,
220
+ "loss": 0.0,
221
+ "step": 17000
222
+ },
223
+ {
224
+ "epoch": 0.19,
225
+ "learning_rate": 0.000491812963459305,
226
+ "loss": 0.0,
227
+ "step": 17500
228
+ },
229
+ {
230
+ "epoch": 0.2,
231
+ "learning_rate": 0.0004912545787545788,
232
+ "loss": 0.0,
233
+ "step": 18000
234
+ },
235
+ {
236
+ "epoch": 0.2,
237
+ "learning_rate": 0.0004906961940498526,
238
+ "loss": 0.0,
239
+ "step": 18500
240
+ },
241
+ {
242
+ "epoch": 0.21,
243
+ "learning_rate": 0.0004901378093451264,
244
+ "loss": 0.0,
245
+ "step": 19000
246
+ },
247
+ {
248
+ "epoch": 0.21,
249
+ "learning_rate": 0.0004895794246404003,
250
+ "loss": 0.0,
251
+ "step": 19500
252
+ },
253
+ {
254
+ "epoch": 0.22,
255
+ "learning_rate": 0.0004890210399356741,
256
+ "loss": 0.0,
257
+ "step": 20000
258
+ },
259
+ {
260
+ "epoch": 0.22,
261
+ "eval_accuracy": 3.5159707526351004e-05,
262
+ "eval_loss": NaN,
263
+ "eval_runtime": 1244.1268,
264
+ "eval_samples_per_second": 247.849,
265
+ "eval_steps_per_second": 3.873,
266
+ "step": 20000
267
+ },
268
+ {
269
+ "epoch": 0.22,
270
+ "learning_rate": 0.0004884626552309479,
271
+ "loss": 0.0,
272
+ "step": 20500
273
+ },
274
+ {
275
+ "epoch": 0.23,
276
+ "learning_rate": 0.00048790427052622175,
277
+ "loss": 0.0,
278
+ "step": 21000
279
+ },
280
+ {
281
+ "epoch": 0.23,
282
+ "learning_rate": 0.00048734588582149556,
283
+ "loss": 0.0,
284
+ "step": 21500
285
+ },
286
+ {
287
+ "epoch": 0.24,
288
+ "learning_rate": 0.0004867875011167694,
289
+ "loss": 0.0,
290
+ "step": 22000
291
+ },
292
+ {
293
+ "epoch": 0.25,
294
+ "learning_rate": 0.0004862291164120433,
295
+ "loss": 0.0,
296
+ "step": 22500
297
+ },
298
+ {
299
+ "epoch": 0.25,
300
+ "learning_rate": 0.0004856707317073171,
301
+ "loss": 0.0,
302
+ "step": 23000
303
+ },
304
+ {
305
+ "epoch": 0.26,
306
+ "learning_rate": 0.00048511234700259094,
307
+ "loss": 0.0,
308
+ "step": 23500
309
+ },
310
+ {
311
+ "epoch": 0.26,
312
+ "learning_rate": 0.00048455396229786475,
313
+ "loss": 0.0,
314
+ "step": 24000
315
+ },
316
+ {
317
+ "epoch": 0.27,
318
+ "learning_rate": 0.00048399557759313855,
319
+ "loss": 0.0,
320
+ "step": 24500
321
+ },
322
+ {
323
+ "epoch": 0.27,
324
+ "learning_rate": 0.0004834371928884124,
325
+ "loss": 0.0,
326
+ "step": 25000
327
+ },
328
+ {
329
+ "epoch": 0.28,
330
+ "learning_rate": 0.0004828788081836862,
331
+ "loss": 0.0,
332
+ "step": 25500
333
+ },
334
+ {
335
+ "epoch": 0.28,
336
+ "learning_rate": 0.0004823204234789601,
337
+ "loss": 0.0,
338
+ "step": 26000
339
+ },
340
+ {
341
+ "epoch": 0.29,
342
+ "learning_rate": 0.00048176203877423393,
343
+ "loss": 0.0,
344
+ "step": 26500
345
+ },
346
+ {
347
+ "epoch": 0.29,
348
+ "learning_rate": 0.00048120365406950774,
349
+ "loss": 0.0,
350
+ "step": 27000
351
+ },
352
+ {
353
+ "epoch": 0.3,
354
+ "learning_rate": 0.0004806452693647816,
355
+ "loss": 0.0,
356
+ "step": 27500
357
+ },
358
+ {
359
+ "epoch": 0.31,
360
+ "learning_rate": 0.0004800868846600554,
361
+ "loss": 0.0,
362
+ "step": 28000
363
+ },
364
+ {
365
+ "epoch": 0.31,
366
+ "learning_rate": 0.0004795284999553292,
367
+ "loss": 0.0,
368
+ "step": 28500
369
+ },
370
+ {
371
+ "epoch": 0.32,
372
+ "learning_rate": 0.00047897011525060306,
373
+ "loss": 0.0,
374
+ "step": 29000
375
+ },
376
+ {
377
+ "epoch": 0.32,
378
+ "learning_rate": 0.00047841173054587687,
379
+ "loss": 0.0,
380
+ "step": 29500
381
+ },
382
+ {
383
+ "epoch": 0.33,
384
+ "learning_rate": 0.0004778533458411508,
385
+ "loss": 0.0,
386
+ "step": 30000
387
+ },
388
+ {
389
+ "epoch": 0.33,
390
+ "eval_accuracy": 3.357992413338889e-05,
391
+ "eval_loss": NaN,
392
+ "eval_runtime": 1245.2057,
393
+ "eval_samples_per_second": 247.635,
394
+ "eval_steps_per_second": 3.87,
395
+ "step": 30000
396
+ },
397
+ {
398
+ "epoch": 0.33,
399
+ "learning_rate": 0.0004772949611364246,
400
+ "loss": 0.0,
401
+ "step": 30500
402
+ },
403
+ {
404
+ "epoch": 0.34,
405
+ "learning_rate": 0.0004767365764316984,
406
+ "loss": 0.0,
407
+ "step": 31000
408
+ },
409
+ {
410
+ "epoch": 0.34,
411
+ "learning_rate": 0.00047617819172697225,
412
+ "loss": 0.0,
413
+ "step": 31500
414
+ },
415
+ {
416
+ "epoch": 0.35,
417
+ "learning_rate": 0.00047561980702224606,
418
+ "loss": 0.0,
419
+ "step": 32000
420
+ },
421
+ {
422
+ "epoch": 0.36,
423
+ "learning_rate": 0.00047506142231751986,
424
+ "loss": 0.0,
425
+ "step": 32500
426
+ },
427
+ {
428
+ "epoch": 0.36,
429
+ "learning_rate": 0.0004745030376127937,
430
+ "loss": 0.0,
431
+ "step": 33000
432
+ },
433
+ {
434
+ "epoch": 0.37,
435
+ "learning_rate": 0.0004739446529080675,
436
+ "loss": 0.0,
437
+ "step": 33500
438
+ },
439
+ {
440
+ "epoch": 0.37,
441
+ "learning_rate": 0.0004733862682033414,
442
+ "loss": 0.0,
443
+ "step": 34000
444
+ },
445
+ {
446
+ "epoch": 0.38,
447
+ "learning_rate": 0.00047282788349861524,
448
+ "loss": 0.0,
449
+ "step": 34500
450
+ },
451
+ {
452
+ "epoch": 0.38,
453
+ "learning_rate": 0.00047226949879388905,
454
+ "loss": 0.0,
455
+ "step": 35000
456
+ },
457
+ {
458
+ "epoch": 0.39,
459
+ "learning_rate": 0.0004717111140891629,
460
+ "loss": 0.0,
461
+ "step": 35500
462
+ },
463
+ {
464
+ "epoch": 0.39,
465
+ "learning_rate": 0.0004711527293844367,
466
+ "loss": 0.0,
467
+ "step": 36000
468
+ },
469
+ {
470
+ "epoch": 0.4,
471
+ "learning_rate": 0.0004705943446797105,
472
+ "loss": 0.0,
473
+ "step": 36500
474
+ },
475
+ {
476
+ "epoch": 0.4,
477
+ "learning_rate": 0.0004700359599749844,
478
+ "loss": 0.0,
479
+ "step": 37000
480
+ },
481
+ {
482
+ "epoch": 0.41,
483
+ "learning_rate": 0.0004694775752702582,
484
+ "loss": 0.0,
485
+ "step": 37500
486
+ },
487
+ {
488
+ "epoch": 0.42,
489
+ "learning_rate": 0.00046891919056553204,
490
+ "loss": 0.0,
491
+ "step": 38000
492
+ },
493
+ {
494
+ "epoch": 0.42,
495
+ "learning_rate": 0.0004683608058608059,
496
+ "loss": 0.0,
497
+ "step": 38500
498
+ },
499
+ {
500
+ "epoch": 0.43,
501
+ "learning_rate": 0.0004678024211560797,
502
+ "loss": 0.0,
503
+ "step": 39000
504
+ },
505
+ {
506
+ "epoch": 0.43,
507
+ "learning_rate": 0.00046724403645135356,
508
+ "loss": 0.0,
509
+ "step": 39500
510
+ },
511
+ {
512
+ "epoch": 0.44,
513
+ "learning_rate": 0.00046668565174662736,
514
+ "loss": 0.0,
515
+ "step": 40000
516
+ },
517
+ {
518
+ "epoch": 0.44,
519
+ "eval_accuracy": 3.1386399970587474e-05,
520
+ "eval_loss": NaN,
521
+ "eval_runtime": 1244.2525,
522
+ "eval_samples_per_second": 247.824,
523
+ "eval_steps_per_second": 3.873,
524
+ "step": 40000
525
+ },
526
+ {
527
+ "epoch": 0.44,
528
+ "learning_rate": 0.00046612726704190117,
529
+ "loss": 0.0,
530
+ "step": 40500
531
+ },
532
+ {
533
+ "epoch": 0.45,
534
+ "learning_rate": 0.00046556888233717503,
535
+ "loss": 0.0,
536
+ "step": 41000
537
+ },
538
+ {
539
+ "epoch": 0.45,
540
+ "learning_rate": 0.00046501049763244883,
541
+ "loss": 0.0,
542
+ "step": 41500
543
+ },
544
+ {
545
+ "epoch": 0.46,
546
+ "learning_rate": 0.0004644521129277227,
547
+ "loss": 0.0,
548
+ "step": 42000
549
+ },
550
+ {
551
+ "epoch": 0.46,
552
+ "learning_rate": 0.00046389372822299655,
553
+ "loss": 0.0,
554
+ "step": 42500
555
+ },
556
+ {
557
+ "epoch": 0.47,
558
+ "learning_rate": 0.00046333534351827036,
559
+ "loss": 0.0,
560
+ "step": 43000
561
+ },
562
+ {
563
+ "epoch": 0.48,
564
+ "learning_rate": 0.0004627769588135442,
565
+ "loss": 0.0,
566
+ "step": 43500
567
+ },
568
+ {
569
+ "epoch": 0.48,
570
+ "learning_rate": 0.000462218574108818,
571
+ "loss": 0.0,
572
+ "step": 44000
573
+ },
574
+ {
575
+ "epoch": 0.49,
576
+ "learning_rate": 0.0004616601894040919,
577
+ "loss": 0.0,
578
+ "step": 44500
579
+ },
580
+ {
581
+ "epoch": 0.49,
582
+ "learning_rate": 0.0004611018046993657,
583
+ "loss": 0.0,
584
+ "step": 45000
585
+ },
586
+ {
587
+ "epoch": 0.5,
588
+ "learning_rate": 0.0004605434199946395,
589
+ "loss": 0.0,
590
+ "step": 45500
591
+ },
592
+ {
593
+ "epoch": 0.5,
594
+ "learning_rate": 0.00045998503528991335,
595
+ "loss": 0.0,
596
+ "step": 46000
597
+ },
598
+ {
599
+ "epoch": 0.51,
600
+ "learning_rate": 0.00045942665058518715,
601
+ "loss": 0.0,
602
+ "step": 46500
603
+ },
604
+ {
605
+ "epoch": 0.51,
606
+ "learning_rate": 0.000458868265880461,
607
+ "loss": 0.0,
608
+ "step": 47000
609
+ },
610
+ {
611
+ "epoch": 0.52,
612
+ "learning_rate": 0.00045830988117573487,
613
+ "loss": 0.0,
614
+ "step": 47500
615
+ },
616
+ {
617
+ "epoch": 0.52,
618
+ "learning_rate": 0.0004577514964710087,
619
+ "loss": 0.0,
620
+ "step": 48000
621
+ },
622
+ {
623
+ "epoch": 0.53,
624
+ "learning_rate": 0.00045719311176628253,
625
+ "loss": 0.0,
626
+ "step": 48500
627
+ },
628
+ {
629
+ "epoch": 0.54,
630
+ "learning_rate": 0.00045663472706155634,
631
+ "loss": 0.0,
632
+ "step": 49000
633
+ },
634
+ {
635
+ "epoch": 0.54,
636
+ "learning_rate": 0.00045607634235683014,
637
+ "loss": 0.0,
638
+ "step": 49500
639
+ },
640
+ {
641
+ "epoch": 0.55,
642
+ "learning_rate": 0.000455517957652104,
643
+ "loss": 0.0,
644
+ "step": 50000
645
+ },
646
+ {
647
+ "epoch": 0.55,
648
+ "eval_accuracy": 2.9965971727327976e-05,
649
+ "eval_loss": NaN,
650
+ "eval_runtime": 1242.0864,
651
+ "eval_samples_per_second": 248.256,
652
+ "eval_steps_per_second": 3.88,
653
+ "step": 50000
654
+ },
655
+ {
656
+ "epoch": 0.55,
657
+ "learning_rate": 0.0004549595729473778,
658
+ "loss": 0.0,
659
+ "step": 50500
660
+ },
661
+ {
662
+ "epoch": 0.56,
663
+ "learning_rate": 0.00045440118824265167,
664
+ "loss": 0.0,
665
+ "step": 51000
666
+ },
667
+ {
668
+ "epoch": 0.56,
669
+ "learning_rate": 0.0004538428035379255,
670
+ "loss": 0.0,
671
+ "step": 51500
672
+ },
673
+ {
674
+ "epoch": 0.57,
675
+ "learning_rate": 0.00045328441883319933,
676
+ "loss": 0.0,
677
+ "step": 52000
678
+ },
679
+ {
680
+ "epoch": 0.57,
681
+ "learning_rate": 0.0004527260341284732,
682
+ "loss": 0.0,
683
+ "step": 52500
684
+ },
685
+ {
686
+ "epoch": 0.58,
687
+ "learning_rate": 0.000452167649423747,
688
+ "loss": 0.0,
689
+ "step": 53000
690
+ },
691
+ {
692
+ "epoch": 0.58,
693
+ "learning_rate": 0.0004516092647190208,
694
+ "loss": 0.0,
695
+ "step": 53500
696
+ },
697
+ {
698
+ "epoch": 0.59,
699
+ "learning_rate": 0.00045105088001429466,
700
+ "loss": 0.0,
701
+ "step": 54000
702
+ },
703
+ {
704
+ "epoch": 0.6,
705
+ "learning_rate": 0.00045049249530956846,
706
+ "loss": 0.0,
707
+ "step": 54500
708
+ },
709
+ {
710
+ "epoch": 0.6,
711
+ "learning_rate": 0.0004499341106048423,
712
+ "loss": 0.0,
713
+ "step": 55000
714
+ },
715
+ {
716
+ "epoch": 0.61,
717
+ "learning_rate": 0.0004493757259001162,
718
+ "loss": 0.0,
719
+ "step": 55500
720
+ },
721
+ {
722
+ "epoch": 0.61,
723
+ "learning_rate": 0.00044881734119539,
724
+ "loss": 0.0,
725
+ "step": 56000
726
+ },
727
+ {
728
+ "epoch": 0.62,
729
+ "learning_rate": 0.00044825895649066384,
730
+ "loss": 0.0,
731
+ "step": 56500
732
+ },
733
+ {
734
+ "epoch": 0.62,
735
+ "learning_rate": 0.00044770057178593765,
736
+ "loss": 0.0,
737
+ "step": 57000
738
+ },
739
+ {
740
+ "epoch": 0.63,
741
+ "learning_rate": 0.00044714218708121145,
742
+ "loss": 0.0,
743
+ "step": 57500
744
+ },
745
+ {
746
+ "epoch": 0.63,
747
+ "learning_rate": 0.0004465838023764853,
748
+ "loss": 0.0,
749
+ "step": 58000
750
+ },
751
+ {
752
+ "epoch": 0.64,
753
+ "learning_rate": 0.0004460254176717591,
754
+ "loss": 0.0,
755
+ "step": 58500
756
+ },
757
+ {
758
+ "epoch": 0.64,
759
+ "learning_rate": 0.00044546703296703303,
760
+ "loss": 0.0,
761
+ "step": 59000
762
+ },
763
+ {
764
+ "epoch": 0.65,
765
+ "learning_rate": 0.00044490864826230683,
766
+ "loss": 0.0,
767
+ "step": 59500
768
+ },
769
+ {
770
+ "epoch": 0.66,
771
+ "learning_rate": 0.00044435026355758064,
772
+ "loss": 0.0,
773
+ "step": 60000
774
+ },
775
+ {
776
+ "epoch": 0.66,
777
+ "eval_accuracy": 3.177880317382685e-05,
778
+ "eval_loss": NaN,
779
+ "eval_runtime": 1238.4379,
780
+ "eval_samples_per_second": 248.988,
781
+ "eval_steps_per_second": 3.891,
782
+ "step": 60000
783
+ },
784
+ {
785
+ "epoch": 0.66,
786
+ "learning_rate": 0.0004437918788528545,
787
+ "loss": 0.0,
788
+ "step": 60500
789
+ },
790
+ {
791
+ "epoch": 0.67,
792
+ "learning_rate": 0.0004432334941481283,
793
+ "loss": 0.0,
794
+ "step": 61000
795
+ },
796
+ {
797
+ "epoch": 0.67,
798
+ "learning_rate": 0.0004426751094434021,
799
+ "loss": 0.0,
800
+ "step": 61500
801
+ },
802
+ {
803
+ "epoch": 0.68,
804
+ "learning_rate": 0.00044211672473867597,
805
+ "loss": 0.0,
806
+ "step": 62000
807
+ },
808
+ {
809
+ "epoch": 0.68,
810
+ "learning_rate": 0.00044155834003394977,
811
+ "loss": 0.0,
812
+ "step": 62500
813
+ },
814
+ {
815
+ "epoch": 0.69,
816
+ "learning_rate": 0.00044099995532922363,
817
+ "loss": 0.0,
818
+ "step": 63000
819
+ },
820
+ {
821
+ "epoch": 0.69,
822
+ "learning_rate": 0.0004404415706244975,
823
+ "loss": 0.0,
824
+ "step": 63500
825
+ },
826
+ {
827
+ "epoch": 0.7,
828
+ "learning_rate": 0.0004398831859197713,
829
+ "loss": 0.0,
830
+ "step": 64000
831
+ },
832
+ {
833
+ "epoch": 0.7,
834
+ "learning_rate": 0.00043932480121504515,
835
+ "loss": 0.0,
836
+ "step": 64500
837
+ },
838
+ {
839
+ "epoch": 0.71,
840
+ "learning_rate": 0.00043876641651031896,
841
+ "loss": 0.0,
842
+ "step": 65000
843
+ },
844
+ {
845
+ "epoch": 0.72,
846
+ "learning_rate": 0.00043820803180559276,
847
+ "loss": 0.0,
848
+ "step": 65500
849
+ },
850
+ {
851
+ "epoch": 0.72,
852
+ "learning_rate": 0.0004376496471008666,
853
+ "loss": 0.0,
854
+ "step": 66000
855
+ },
856
+ {
857
+ "epoch": 0.73,
858
+ "learning_rate": 0.0004370912623961404,
859
+ "loss": 0.0,
860
+ "step": 66500
861
+ },
862
+ {
863
+ "epoch": 0.73,
864
+ "learning_rate": 0.0004365328776914143,
865
+ "loss": 0.0,
866
+ "step": 67000
867
+ },
868
+ {
869
+ "epoch": 0.74,
870
+ "learning_rate": 0.00043597449298668814,
871
+ "loss": 0.0,
872
+ "step": 67500
873
+ },
874
+ {
875
+ "epoch": 0.74,
876
+ "learning_rate": 0.00043541610828196195,
877
+ "loss": 0.0,
878
+ "step": 68000
879
+ },
880
+ {
881
+ "epoch": 0.75,
882
+ "learning_rate": 0.0004348577235772358,
883
+ "loss": 0.0,
884
+ "step": 68500
885
+ },
886
+ {
887
+ "epoch": 0.75,
888
+ "learning_rate": 0.0004342993388725096,
889
+ "loss": 0.0,
890
+ "step": 69000
891
+ },
892
+ {
893
+ "epoch": 0.76,
894
+ "learning_rate": 0.0004337409541677834,
895
+ "loss": 0.0,
896
+ "step": 69500
897
+ },
898
+ {
899
+ "epoch": 0.76,
900
+ "learning_rate": 0.0004331825694630573,
901
+ "loss": 0.0,
902
+ "step": 70000
903
+ },
904
+ {
905
+ "epoch": 0.76,
906
+ "eval_accuracy": 3.253472148144988e-05,
907
+ "eval_loss": NaN,
908
+ "eval_runtime": 1240.7983,
909
+ "eval_samples_per_second": 248.514,
910
+ "eval_steps_per_second": 3.884,
911
+ "step": 70000
912
+ },
913
+ {
914
+ "epoch": 0.77,
915
+ "learning_rate": 0.0004326241847583311,
916
+ "loss": 0.0,
917
+ "step": 70500
918
+ },
919
+ {
920
+ "epoch": 0.78,
921
+ "learning_rate": 0.00043206580005360494,
922
+ "loss": 0.0,
923
+ "step": 71000
924
+ },
925
+ {
926
+ "epoch": 0.78,
927
+ "learning_rate": 0.0004315074153488788,
928
+ "loss": 0.0,
929
+ "step": 71500
930
+ },
931
+ {
932
+ "epoch": 0.79,
933
+ "learning_rate": 0.0004309490306441526,
934
+ "loss": 0.0,
935
+ "step": 72000
936
+ },
937
+ {
938
+ "epoch": 0.79,
939
+ "learning_rate": 0.00043039064593942646,
940
+ "loss": 0.0,
941
+ "step": 72500
942
+ },
943
+ {
944
+ "epoch": 0.8,
945
+ "learning_rate": 0.00042983226123470027,
946
+ "loss": 0.0,
947
+ "step": 73000
948
+ },
949
+ {
950
+ "epoch": 0.8,
951
+ "learning_rate": 0.00042927387652997407,
952
+ "loss": 0.0,
953
+ "step": 73500
954
+ },
955
+ {
956
+ "epoch": 0.81,
957
+ "learning_rate": 0.00042871549182524793,
958
+ "loss": 0.0,
959
+ "step": 74000
960
+ },
961
+ {
962
+ "epoch": 0.81,
963
+ "learning_rate": 0.00042815710712052174,
964
+ "loss": 0.0,
965
+ "step": 74500
966
+ },
967
+ {
968
+ "epoch": 0.82,
969
+ "learning_rate": 0.0004275987224157956,
970
+ "loss": 0.0,
971
+ "step": 75000
972
+ },
973
+ {
974
+ "epoch": 0.82,
975
+ "learning_rate": 0.0004270403377110694,
976
+ "loss": 0.0,
977
+ "step": 75500
978
+ },
979
+ {
980
+ "epoch": 0.83,
981
+ "learning_rate": 0.00042648195300634326,
982
+ "loss": 0.0,
983
+ "step": 76000
984
+ },
985
+ {
986
+ "epoch": 0.84,
987
+ "learning_rate": 0.0004259235683016171,
988
+ "loss": 0.0,
989
+ "step": 76500
990
+ },
991
+ {
992
+ "epoch": 0.84,
993
+ "learning_rate": 0.0004253651835968909,
994
+ "loss": 0.0,
995
+ "step": 77000
996
+ },
997
+ {
998
+ "epoch": 0.85,
999
+ "learning_rate": 0.0004248067988921648,
1000
+ "loss": 0.0,
1001
+ "step": 77500
1002
+ },
1003
+ {
1004
+ "epoch": 0.85,
1005
+ "learning_rate": 0.0004242484141874386,
1006
+ "loss": 0.0,
1007
+ "step": 78000
1008
+ },
1009
+ {
1010
+ "epoch": 0.86,
1011
+ "learning_rate": 0.0004236900294827124,
1012
+ "loss": 0.0,
1013
+ "step": 78500
1014
+ },
1015
+ {
1016
+ "epoch": 0.86,
1017
+ "learning_rate": 0.00042313164477798625,
1018
+ "loss": 0.0,
1019
+ "step": 79000
1020
+ },
1021
+ {
1022
+ "epoch": 0.87,
1023
+ "learning_rate": 0.00042257326007326005,
1024
+ "loss": 0.0,
1025
+ "step": 79500
1026
+ },
1027
+ {
1028
+ "epoch": 0.87,
1029
+ "learning_rate": 0.0004220148753685339,
1030
+ "loss": 0.0,
1031
+ "step": 80000
1032
+ },
1033
+ {
1034
+ "epoch": 0.87,
1035
+ "eval_accuracy": 2.7615362733125802e-05,
1036
+ "eval_loss": NaN,
1037
+ "eval_runtime": 1242.4281,
1038
+ "eval_samples_per_second": 248.188,
1039
+ "eval_steps_per_second": 3.879,
1040
+ "step": 80000
1041
+ },
1042
+ {
1043
+ "epoch": 0.88,
1044
+ "learning_rate": 0.00042145649066380777,
1045
+ "loss": 0.0,
1046
+ "step": 80500
1047
+ },
1048
+ {
1049
+ "epoch": 0.88,
1050
+ "learning_rate": 0.0004208981059590816,
1051
+ "loss": 0.0,
1052
+ "step": 81000
1053
+ },
1054
+ {
1055
+ "epoch": 0.89,
1056
+ "learning_rate": 0.00042033972125435544,
1057
+ "loss": 0.0,
1058
+ "step": 81500
1059
+ },
1060
+ {
1061
+ "epoch": 0.9,
1062
+ "learning_rate": 0.00041978133654962924,
1063
+ "loss": 0.0,
1064
+ "step": 82000
1065
+ },
1066
+ {
1067
+ "epoch": 0.9,
1068
+ "learning_rate": 0.00041922295184490305,
1069
+ "loss": 0.0,
1070
+ "step": 82500
1071
+ },
1072
+ {
1073
+ "epoch": 0.91,
1074
+ "learning_rate": 0.0004186645671401769,
1075
+ "loss": 0.0,
1076
+ "step": 83000
1077
+ },
1078
+ {
1079
+ "epoch": 0.91,
1080
+ "learning_rate": 0.0004181061824354507,
1081
+ "loss": 0.0,
1082
+ "step": 83500
1083
+ },
1084
+ {
1085
+ "epoch": 0.92,
1086
+ "learning_rate": 0.00041754779773072457,
1087
+ "loss": 0.0,
1088
+ "step": 84000
1089
+ },
1090
+ {
1091
+ "epoch": 0.92,
1092
+ "learning_rate": 0.00041698941302599843,
1093
+ "loss": 0.0,
1094
+ "step": 84500
1095
+ },
1096
+ {
1097
+ "epoch": 0.93,
1098
+ "learning_rate": 0.00041643102832127223,
1099
+ "loss": 0.0,
1100
+ "step": 85000
1101
+ },
1102
+ {
1103
+ "epoch": 0.93,
1104
+ "learning_rate": 0.0004158726436165461,
1105
+ "loss": 0.0,
1106
+ "step": 85500
1107
+ },
1108
+ {
1109
+ "epoch": 0.94,
1110
+ "learning_rate": 0.0004153142589118199,
1111
+ "loss": 0.0,
1112
+ "step": 86000
1113
+ },
1114
+ {
1115
+ "epoch": 0.94,
1116
+ "learning_rate": 0.0004147558742070937,
1117
+ "loss": 0.0,
1118
+ "step": 86500
1119
+ },
1120
+ {
1121
+ "epoch": 0.95,
1122
+ "learning_rate": 0.00041419748950236756,
1123
+ "loss": 0.0,
1124
+ "step": 87000
1125
+ },
1126
+ {
1127
+ "epoch": 0.96,
1128
+ "learning_rate": 0.00041363910479764136,
1129
+ "loss": 0.0,
1130
+ "step": 87500
1131
+ },
1132
+ {
1133
+ "epoch": 0.96,
1134
+ "learning_rate": 0.0004130807200929152,
1135
+ "loss": 0.0,
1136
+ "step": 88000
1137
+ },
1138
+ {
1139
+ "epoch": 0.97,
1140
+ "learning_rate": 0.0004125223353881891,
1141
+ "loss": 0.0,
1142
+ "step": 88500
1143
+ },
1144
+ {
1145
+ "epoch": 0.97,
1146
+ "learning_rate": 0.0004119639506834629,
1147
+ "loss": 0.0,
1148
+ "step": 89000
1149
+ },
1150
+ {
1151
+ "epoch": 0.98,
1152
+ "learning_rate": 0.00041140556597873675,
1153
+ "loss": 0.0,
1154
+ "step": 89500
1155
+ },
1156
+ {
1157
+ "epoch": 0.98,
1158
+ "learning_rate": 0.00041084718127401055,
1159
+ "loss": 0.0,
1160
+ "step": 90000
1161
+ },
1162
+ {
1163
+ "epoch": 0.98,
1164
+ "eval_accuracy": 2.9214303322906894e-05,
1165
+ "eval_loss": NaN,
1166
+ "eval_runtime": 1238.8828,
1167
+ "eval_samples_per_second": 248.898,
1168
+ "eval_steps_per_second": 3.89,
1169
+ "step": 90000
1170
+ },
1171
+ {
1172
+ "epoch": 0.99,
1173
+ "learning_rate": 0.00041028879656928436,
1174
+ "loss": 0.0,
1175
+ "step": 90500
1176
+ },
1177
+ {
1178
+ "epoch": 0.99,
1179
+ "learning_rate": 0.0004097304118645582,
1180
+ "loss": 0.0,
1181
+ "step": 91000
1182
+ },
1183
+ {
1184
+ "epoch": 1.0,
1185
+ "learning_rate": 0.000409172027159832,
1186
+ "loss": 0.0,
1187
+ "step": 91500
1188
+ },
1189
+ {
1190
+ "epoch": 1.0,
1191
+ "learning_rate": 0.0004086136424551059,
1192
+ "loss": 0.0,
1193
+ "step": 92000
1194
+ },
1195
+ {
1196
+ "epoch": 1.01,
1197
+ "learning_rate": 0.00040805525775037974,
1198
+ "loss": 0.0,
1199
+ "step": 92500
1200
+ },
1201
+ {
1202
+ "epoch": 1.02,
1203
+ "learning_rate": 0.00040749687304565354,
1204
+ "loss": 0.0,
1205
+ "step": 93000
1206
+ },
1207
+ {
1208
+ "epoch": 1.02,
1209
+ "learning_rate": 0.0004069384883409274,
1210
+ "loss": 0.0,
1211
+ "step": 93500
1212
+ },
1213
+ {
1214
+ "epoch": 1.03,
1215
+ "learning_rate": 0.0004063801036362012,
1216
+ "loss": 0.0,
1217
+ "step": 94000
1218
+ },
1219
+ {
1220
+ "epoch": 1.03,
1221
+ "learning_rate": 0.000405821718931475,
1222
+ "loss": 0.0,
1223
+ "step": 94500
1224
+ },
1225
+ {
1226
+ "epoch": 1.04,
1227
+ "learning_rate": 0.00040526333422674887,
1228
+ "loss": 0.0,
1229
+ "step": 95000
1230
+ },
1231
+ {
1232
+ "epoch": 1.04,
1233
+ "learning_rate": 0.0004047049495220227,
1234
+ "loss": 0.0,
1235
+ "step": 95500
1236
+ },
1237
+ {
1238
+ "epoch": 1.05,
1239
+ "learning_rate": 0.00040414656481729653,
1240
+ "loss": 0.0,
1241
+ "step": 96000
1242
+ },
1243
+ {
1244
+ "epoch": 1.05,
1245
+ "learning_rate": 0.0004035881801125704,
1246
+ "loss": 0.0,
1247
+ "step": 96500
1248
+ },
1249
+ {
1250
+ "epoch": 1.06,
1251
+ "learning_rate": 0.0004030297954078442,
1252
+ "loss": 0.0,
1253
+ "step": 97000
1254
+ },
1255
+ {
1256
+ "epoch": 1.07,
1257
+ "learning_rate": 0.00040247141070311806,
1258
+ "loss": 0.0,
1259
+ "step": 97500
1260
+ },
1261
+ {
1262
+ "epoch": 1.07,
1263
+ "learning_rate": 0.00040191302599839186,
1264
+ "loss": 0.0,
1265
+ "step": 98000
1266
+ },
1267
+ {
1268
+ "epoch": 1.08,
1269
+ "learning_rate": 0.00040135464129366567,
1270
+ "loss": 0.0,
1271
+ "step": 98500
1272
+ },
1273
+ {
1274
+ "epoch": 1.08,
1275
+ "learning_rate": 0.0004007962565889395,
1276
+ "loss": 0.0,
1277
+ "step": 99000
1278
+ },
1279
+ {
1280
+ "epoch": 1.09,
1281
+ "learning_rate": 0.00040023787188421333,
1282
+ "loss": 0.0,
1283
+ "step": 99500
1284
+ },
1285
+ {
1286
+ "epoch": 1.09,
1287
+ "learning_rate": 0.0003996794871794872,
1288
+ "loss": 0.0,
1289
+ "step": 100000
1290
+ },
1291
+ {
1292
+ "epoch": 1.09,
1293
+ "eval_accuracy": 3.071726548590269e-05,
1294
+ "eval_loss": NaN,
1295
+ "eval_runtime": 1240.4665,
1296
+ "eval_samples_per_second": 248.581,
1297
+ "eval_steps_per_second": 3.885,
1298
+ "step": 100000
1299
+ },
1300
+ {
1301
+ "epoch": 1.1,
1302
+ "learning_rate": 0.00039912110247476105,
1303
+ "loss": 0.0,
1304
+ "step": 100500
1305
+ },
1306
+ {
1307
+ "epoch": 1.1,
1308
+ "learning_rate": 0.00039856271777003485,
1309
+ "loss": 0.0,
1310
+ "step": 101000
1311
+ },
1312
+ {
1313
+ "epoch": 1.11,
1314
+ "learning_rate": 0.0003980043330653087,
1315
+ "loss": 0.0,
1316
+ "step": 101500
1317
+ },
1318
+ {
1319
+ "epoch": 1.11,
1320
+ "learning_rate": 0.0003974459483605825,
1321
+ "loss": 0.0,
1322
+ "step": 102000
1323
+ },
1324
+ {
1325
+ "epoch": 1.12,
1326
+ "learning_rate": 0.0003968875636558563,
1327
+ "loss": 0.0,
1328
+ "step": 102500
1329
+ },
1330
+ {
1331
+ "epoch": 1.13,
1332
+ "learning_rate": 0.0003963291789511302,
1333
+ "loss": 0.0,
1334
+ "step": 103000
1335
+ },
1336
+ {
1337
+ "epoch": 1.13,
1338
+ "learning_rate": 0.000395770794246404,
1339
+ "loss": 0.0,
1340
+ "step": 103500
1341
+ },
1342
+ {
1343
+ "epoch": 1.14,
1344
+ "learning_rate": 0.00039521240954167784,
1345
+ "loss": 0.0,
1346
+ "step": 104000
1347
+ },
1348
+ {
1349
+ "epoch": 1.14,
1350
+ "learning_rate": 0.0003946540248369517,
1351
+ "loss": 0.0,
1352
+ "step": 104500
1353
+ },
1354
+ {
1355
+ "epoch": 1.15,
1356
+ "learning_rate": 0.0003940956401322255,
1357
+ "loss": 0.0,
1358
+ "step": 105000
1359
+ },
1360
+ {
1361
+ "epoch": 1.15,
1362
+ "learning_rate": 0.00039353725542749937,
1363
+ "loss": 0.0,
1364
+ "step": 105500
1365
+ },
1366
+ {
1367
+ "epoch": 1.16,
1368
+ "learning_rate": 0.00039297887072277317,
1369
+ "loss": 0.0,
1370
+ "step": 106000
1371
+ },
1372
+ {
1373
+ "epoch": 1.16,
1374
+ "learning_rate": 0.00039242048601804703,
1375
+ "loss": 0.0,
1376
+ "step": 106500
1377
+ },
1378
+ {
1379
+ "epoch": 1.17,
1380
+ "learning_rate": 0.00039186210131332083,
1381
+ "loss": 0.0,
1382
+ "step": 107000
1383
+ },
1384
+ {
1385
+ "epoch": 1.17,
1386
+ "learning_rate": 0.00039130371660859464,
1387
+ "loss": 0.0,
1388
+ "step": 107500
1389
+ },
1390
+ {
1391
+ "epoch": 1.18,
1392
+ "learning_rate": 0.0003907453319038685,
1393
+ "loss": 0.0,
1394
+ "step": 108000
1395
+ },
1396
+ {
1397
+ "epoch": 1.19,
1398
+ "learning_rate": 0.0003901869471991423,
1399
+ "loss": 0.0,
1400
+ "step": 108500
1401
+ },
1402
+ {
1403
+ "epoch": 1.19,
1404
+ "learning_rate": 0.00038962856249441616,
1405
+ "loss": 0.0,
1406
+ "step": 109000
1407
+ },
1408
+ {
1409
+ "epoch": 1.2,
1410
+ "learning_rate": 0.00038907017778969,
1411
+ "loss": 0.0,
1412
+ "step": 109500
1413
+ },
1414
+ {
1415
+ "epoch": 1.2,
1416
+ "learning_rate": 0.0003885117930849638,
1417
+ "loss": 0.0,
1418
+ "step": 110000
1419
+ },
1420
+ {
1421
+ "epoch": 1.2,
1422
+ "eval_accuracy": 3.188648588911819e-05,
1423
+ "eval_loss": NaN,
1424
+ "eval_runtime": 1241.2976,
1425
+ "eval_samples_per_second": 248.414,
1426
+ "eval_steps_per_second": 3.882,
1427
+ "step": 110000
1428
+ },
1429
+ {
1430
+ "epoch": 1.21,
1431
+ "learning_rate": 0.0003879534083802377,
1432
+ "loss": 0.0,
1433
+ "step": 110500
1434
+ },
1435
+ {
1436
+ "epoch": 1.21,
1437
+ "learning_rate": 0.0003873950236755115,
1438
+ "loss": 0.0,
1439
+ "step": 111000
1440
+ },
1441
+ {
1442
+ "epoch": 1.22,
1443
+ "learning_rate": 0.0003868366389707853,
1444
+ "loss": 0.0,
1445
+ "step": 111500
1446
+ },
1447
+ {
1448
+ "epoch": 1.22,
1449
+ "learning_rate": 0.00038627825426605915,
1450
+ "loss": 0.0,
1451
+ "step": 112000
1452
+ },
1453
+ {
1454
+ "epoch": 1.23,
1455
+ "learning_rate": 0.00038571986956133296,
1456
+ "loss": 0.0,
1457
+ "step": 112500
1458
+ },
1459
+ {
1460
+ "epoch": 1.23,
1461
+ "learning_rate": 0.0003851614848566068,
1462
+ "loss": 0.0,
1463
+ "step": 113000
1464
+ },
1465
+ {
1466
+ "epoch": 1.24,
1467
+ "learning_rate": 0.0003846031001518807,
1468
+ "loss": 0.0,
1469
+ "step": 113500
1470
+ },
1471
+ {
1472
+ "epoch": 1.25,
1473
+ "learning_rate": 0.0003840447154471545,
1474
+ "loss": 0.0,
1475
+ "step": 114000
1476
+ },
1477
+ {
1478
+ "epoch": 1.25,
1479
+ "learning_rate": 0.00038348633074242834,
1480
+ "loss": 0.0,
1481
+ "step": 114500
1482
+ },
1483
+ {
1484
+ "epoch": 1.26,
1485
+ "learning_rate": 0.00038292794603770214,
1486
+ "loss": 0.0,
1487
+ "step": 115000
1488
+ },
1489
+ {
1490
+ "epoch": 1.26,
1491
+ "learning_rate": 0.00038236956133297595,
1492
+ "loss": 0.0,
1493
+ "step": 115500
1494
+ },
1495
+ {
1496
+ "epoch": 1.27,
1497
+ "learning_rate": 0.0003818111766282498,
1498
+ "loss": 0.0,
1499
+ "step": 116000
1500
+ },
1501
+ {
1502
+ "epoch": 1.27,
1503
+ "learning_rate": 0.0003812527919235236,
1504
+ "loss": 0.0,
1505
+ "step": 116500
1506
+ },
1507
+ {
1508
+ "epoch": 1.28,
1509
+ "learning_rate": 0.00038069440721879747,
1510
+ "loss": 0.0,
1511
+ "step": 117000
1512
+ },
1513
+ {
1514
+ "epoch": 1.28,
1515
+ "learning_rate": 0.00038013602251407133,
1516
+ "loss": 0.0,
1517
+ "step": 117500
1518
+ },
1519
+ {
1520
+ "epoch": 1.29,
1521
+ "learning_rate": 0.00037957763780934514,
1522
+ "loss": 0.0,
1523
+ "step": 118000
1524
+ },
1525
+ {
1526
+ "epoch": 1.29,
1527
+ "learning_rate": 0.000379019253104619,
1528
+ "loss": 0.0,
1529
+ "step": 118500
1530
+ },
1531
+ {
1532
+ "epoch": 1.3,
1533
+ "learning_rate": 0.0003784608683998928,
1534
+ "loss": 0.0,
1535
+ "step": 119000
1536
+ },
1537
+ {
1538
+ "epoch": 1.31,
1539
+ "learning_rate": 0.0003779024836951666,
1540
+ "loss": 0.0,
1541
+ "step": 119500
1542
+ },
1543
+ {
1544
+ "epoch": 1.31,
1545
+ "learning_rate": 0.00037734409899044046,
1546
+ "loss": 0.0,
1547
+ "step": 120000
1548
+ },
1549
+ {
1550
+ "epoch": 1.31,
1551
+ "eval_accuracy": 2.9570698381633475e-05,
1552
+ "eval_loss": NaN,
1553
+ "eval_runtime": 1238.6519,
1554
+ "eval_samples_per_second": 248.945,
1555
+ "eval_steps_per_second": 3.891,
1556
+ "step": 120000
1557
+ },
1558
+ {
1559
+ "epoch": 1.32,
1560
+ "learning_rate": 0.00037678571428571427,
1561
+ "loss": 0.0,
1562
+ "step": 120500
1563
+ },
1564
+ {
1565
+ "epoch": 1.32,
1566
+ "learning_rate": 0.00037622732958098807,
1567
+ "loss": 0.0,
1568
+ "step": 121000
1569
+ },
1570
+ {
1571
+ "epoch": 1.33,
1572
+ "learning_rate": 0.000375668944876262,
1573
+ "loss": 0.0,
1574
+ "step": 121500
1575
+ },
1576
+ {
1577
+ "epoch": 1.33,
1578
+ "learning_rate": 0.0003751105601715358,
1579
+ "loss": 0.0,
1580
+ "step": 122000
1581
+ },
1582
+ {
1583
+ "epoch": 1.34,
1584
+ "learning_rate": 0.00037455217546680965,
1585
+ "loss": 0.0,
1586
+ "step": 122500
1587
+ },
1588
+ {
1589
+ "epoch": 1.34,
1590
+ "learning_rate": 0.00037399379076208345,
1591
+ "loss": 0.0,
1592
+ "step": 123000
1593
+ },
1594
+ {
1595
+ "epoch": 1.35,
1596
+ "learning_rate": 0.00037343540605735726,
1597
+ "loss": 0.0,
1598
+ "step": 123500
1599
+ },
1600
+ {
1601
+ "epoch": 1.35,
1602
+ "learning_rate": 0.0003728770213526311,
1603
+ "loss": 0.0,
1604
+ "step": 124000
1605
+ },
1606
+ {
1607
+ "epoch": 1.36,
1608
+ "learning_rate": 0.0003723186366479049,
1609
+ "loss": 0.0,
1610
+ "step": 124500
1611
+ },
1612
+ {
1613
+ "epoch": 1.37,
1614
+ "learning_rate": 0.0003717602519431788,
1615
+ "loss": 0.0,
1616
+ "step": 125000
1617
+ },
1618
+ {
1619
+ "epoch": 1.37,
1620
+ "learning_rate": 0.00037120186723845264,
1621
+ "loss": 0.0,
1622
+ "step": 125500
1623
+ },
1624
+ {
1625
+ "epoch": 1.38,
1626
+ "learning_rate": 0.00037064348253372644,
1627
+ "loss": 0.0,
1628
+ "step": 126000
1629
+ },
1630
+ {
1631
+ "epoch": 1.38,
1632
+ "learning_rate": 0.0003700850978290003,
1633
+ "loss": 0.0,
1634
+ "step": 126500
1635
+ },
1636
+ {
1637
+ "epoch": 1.39,
1638
+ "learning_rate": 0.0003695267131242741,
1639
+ "loss": 0.0,
1640
+ "step": 127000
1641
+ },
1642
+ {
1643
+ "epoch": 1.39,
1644
+ "learning_rate": 0.0003689683284195479,
1645
+ "loss": 0.0,
1646
+ "step": 127500
1647
+ },
1648
+ {
1649
+ "epoch": 1.4,
1650
+ "learning_rate": 0.00036840994371482177,
1651
+ "loss": 0.0,
1652
+ "step": 128000
1653
+ },
1654
+ {
1655
+ "epoch": 1.4,
1656
+ "learning_rate": 0.0003678515590100956,
1657
+ "loss": 0.0,
1658
+ "step": 128500
1659
+ },
1660
+ {
1661
+ "epoch": 1.41,
1662
+ "learning_rate": 0.00036729317430536944,
1663
+ "loss": 0.0,
1664
+ "step": 129000
1665
+ },
1666
+ {
1667
+ "epoch": 1.41,
1668
+ "learning_rate": 0.0003667347896006433,
1669
+ "loss": 0.0,
1670
+ "step": 129500
1671
+ },
1672
+ {
1673
+ "epoch": 1.42,
1674
+ "learning_rate": 0.0003661764048959171,
1675
+ "loss": 0.0,
1676
+ "step": 130000
1677
+ },
1678
+ {
1679
+ "epoch": 1.42,
1680
+ "eval_accuracy": 3.2269763129715425e-05,
1681
+ "eval_loss": NaN,
1682
+ "eval_runtime": 1246.6351,
1683
+ "eval_samples_per_second": 247.351,
1684
+ "eval_steps_per_second": 3.866,
1685
+ "step": 130000
1686
+ },
1687
+ {
1688
+ "epoch": 1.43,
1689
+ "learning_rate": 0.00036561802019119096,
1690
+ "loss": 0.0,
1691
+ "step": 130500
1692
+ },
1693
+ {
1694
+ "epoch": 1.43,
1695
+ "learning_rate": 0.00036505963548646476,
1696
+ "loss": 0.0,
1697
+ "step": 131000
1698
+ },
1699
+ {
1700
+ "epoch": 1.44,
1701
+ "learning_rate": 0.00036450125078173857,
1702
+ "loss": 0.0,
1703
+ "step": 131500
1704
+ },
1705
+ {
1706
+ "epoch": 1.44,
1707
+ "learning_rate": 0.0003639428660770124,
1708
+ "loss": 0.0,
1709
+ "step": 132000
1710
+ },
1711
+ {
1712
+ "epoch": 1.45,
1713
+ "learning_rate": 0.00036338448137228623,
1714
+ "loss": 0.0,
1715
+ "step": 132500
1716
+ },
1717
+ {
1718
+ "epoch": 1.45,
1719
+ "learning_rate": 0.0003628260966675601,
1720
+ "loss": 0.0,
1721
+ "step": 133000
1722
+ },
1723
+ {
1724
+ "epoch": 1.46,
1725
+ "learning_rate": 0.00036226771196283395,
1726
+ "loss": 0.0,
1727
+ "step": 133500
1728
+ },
1729
+ {
1730
+ "epoch": 1.46,
1731
+ "learning_rate": 0.00036170932725810775,
1732
+ "loss": 0.0,
1733
+ "step": 134000
1734
+ },
1735
+ {
1736
+ "epoch": 1.47,
1737
+ "learning_rate": 0.0003611509425533816,
1738
+ "loss": 0.0,
1739
+ "step": 134500
1740
+ },
1741
+ {
1742
+ "epoch": 1.47,
1743
+ "learning_rate": 0.0003605925578486554,
1744
+ "loss": 0.0,
1745
+ "step": 135000
1746
+ },
1747
+ {
1748
+ "epoch": 1.48,
1749
+ "learning_rate": 0.0003600341731439292,
1750
+ "loss": 0.0,
1751
+ "step": 135500
1752
+ },
1753
+ {
1754
+ "epoch": 1.49,
1755
+ "learning_rate": 0.0003594757884392031,
1756
+ "loss": 0.0,
1757
+ "step": 136000
1758
+ },
1759
+ {
1760
+ "epoch": 1.49,
1761
+ "learning_rate": 0.0003589174037344769,
1762
+ "loss": 0.0,
1763
+ "step": 136500
1764
+ },
1765
+ {
1766
+ "epoch": 1.5,
1767
+ "learning_rate": 0.00035835901902975075,
1768
+ "loss": 0.0,
1769
+ "step": 137000
1770
+ },
1771
+ {
1772
+ "epoch": 1.5,
1773
+ "learning_rate": 0.00035780063432502455,
1774
+ "loss": 0.0,
1775
+ "step": 137500
1776
+ },
1777
+ {
1778
+ "epoch": 1.51,
1779
+ "learning_rate": 0.0003572422496202984,
1780
+ "loss": 0.0,
1781
+ "step": 138000
1782
+ },
1783
+ {
1784
+ "epoch": 1.51,
1785
+ "learning_rate": 0.00035668386491557227,
1786
+ "loss": 0.0,
1787
+ "step": 138500
1788
+ },
1789
+ {
1790
+ "epoch": 1.52,
1791
+ "learning_rate": 0.0003561254802108461,
1792
+ "loss": 0.0,
1793
+ "step": 139000
1794
+ },
1795
+ {
1796
+ "epoch": 1.52,
1797
+ "learning_rate": 0.00035556709550611993,
1798
+ "loss": 0.0,
1799
+ "step": 139500
1800
+ },
1801
+ {
1802
+ "epoch": 1.53,
1803
+ "learning_rate": 0.00035500871080139374,
1804
+ "loss": 0.0,
1805
+ "step": 140000
1806
+ },
1807
+ {
1808
+ "epoch": 1.53,
1809
+ "eval_accuracy": 3.290421786718595e-05,
1810
+ "eval_loss": NaN,
1811
+ "eval_runtime": 1247.689,
1812
+ "eval_samples_per_second": 247.142,
1813
+ "eval_steps_per_second": 3.862,
1814
+ "step": 140000
1815
+ },
1816
+ {
1817
+ "epoch": 1.53,
1818
+ "step": 140001,
1819
+ "total_flos": 2.560247267189588e+18,
1820
+ "train_loss": 0.3459514281929236,
1821
+ "train_runtime": 108836.6872,
1822
+ "train_samples_per_second": 269.154,
1823
+ "train_steps_per_second": 4.206
1824
+ }
1825
+ ],
1826
+ "max_steps": 457720,
1827
+ "num_train_epochs": 5,
1828
+ "total_flos": 2.560247267189588e+18,
1829
+ "trial_name": null,
1830
+ "trial_params": null
1831
+ }