maximedb commited on
Commit
3e002fb
1 Parent(s): e9c8564

Update from ubuntu

Browse files
README.md ADDED
@@ -0,0 +1 @@
 
1
+ hello
config.json ADDED
@@ -0,0 +1,29 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "xlm-roberta-base",
3
+ "architectures": [
4
+ "XLMRobertaForSequenceClassification"
5
+ ],
6
+ "attention_probs_dropout_prob": 0.1,
7
+ "bos_token_id": 0,
8
+ "classifier_dropout": null,
9
+ "eos_token_id": 2,
10
+ "hidden_act": "gelu",
11
+ "hidden_dropout_prob": 0.1,
12
+ "hidden_size": 768,
13
+ "initializer_range": 0.02,
14
+ "intermediate_size": 3072,
15
+ "layer_norm_eps": 1e-05,
16
+ "max_position_embeddings": 514,
17
+ "model_type": "xlm-roberta",
18
+ "num_attention_heads": 12,
19
+ "num_hidden_layers": 12,
20
+ "output_past": true,
21
+ "pad_token_id": 1,
22
+ "position_embedding_type": "absolute",
23
+ "problem_type": "single_label_classification",
24
+ "torch_dtype": "float32",
25
+ "transformers_version": "4.12.3",
26
+ "type_vocab_size": 1,
27
+ "use_cache": true,
28
+ "vocab_size": 250002
29
+ }
optimizer.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:b670cff935cfa966bc8ea23f4f716d95b37db87e607e3b6229932502f2cc23a2
3
+ size 558084205
pytorch_model.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:245aacb587794ce0dd261d5cb53488f2995e7b2827270023bc732b663d5ba20a
3
+ size 1112266157
rng_state.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:cd09167824b340ea25826de3f56cf6f1a9dfa924aab1df7342a2b276da2f1702
3
+ size 14503
scaler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:bc5eefe7da6f58b199da3df3d8086cf40bf53e353a3b4e222e86dc35290f3ba5
3
+ size 559
scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:8c0976bde8727a36cf57e2a8476acca29bc89861be8ea075e35dc6fa22ec32e4
3
+ size 623
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": {"content": "<mask>", "single_word": false, "lstrip": true, "rstrip": false, "normalized": false}}
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": {"content": "<mask>", "single_word": false, "lstrip": true, "rstrip": false, "normalized": true, "__type": "AddedToken"}, "model_max_length": 256, "special_tokens_map_file": null, "name_or_path": "xlm-roberta-base", "tokenizer_class": "XLMRobertaTokenizer"}
trainer_state.json ADDED
@@ -0,0 +1,2596 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 1.0,
5
+ "global_step": 10000,
6
+ "is_hyper_param_search": false,
7
+ "is_local_process_zero": true,
8
+ "is_world_process_zero": true,
9
+ "log_history": [
10
+ {
11
+ "epoch": 0.0,
12
+ "learning_rate": 2.5000000000000004e-07,
13
+ "loss": 0.7169,
14
+ "step": 25
15
+ },
16
+ {
17
+ "epoch": 0.01,
18
+ "learning_rate": 5.000000000000001e-07,
19
+ "loss": 0.7164,
20
+ "step": 50
21
+ },
22
+ {
23
+ "epoch": 0.01,
24
+ "learning_rate": 7.5e-07,
25
+ "loss": 0.7121,
26
+ "step": 75
27
+ },
28
+ {
29
+ "epoch": 0.01,
30
+ "learning_rate": 1.0000000000000002e-06,
31
+ "loss": 0.7051,
32
+ "step": 100
33
+ },
34
+ {
35
+ "epoch": 0.01,
36
+ "learning_rate": 1.2400000000000002e-06,
37
+ "loss": 0.6987,
38
+ "step": 125
39
+ },
40
+ {
41
+ "epoch": 0.01,
42
+ "learning_rate": 1.48e-06,
43
+ "loss": 0.6951,
44
+ "step": 150
45
+ },
46
+ {
47
+ "epoch": 0.02,
48
+ "learning_rate": 1.73e-06,
49
+ "loss": 0.6815,
50
+ "step": 175
51
+ },
52
+ {
53
+ "epoch": 0.02,
54
+ "learning_rate": 1.98e-06,
55
+ "loss": 0.659,
56
+ "step": 200
57
+ },
58
+ {
59
+ "epoch": 0.02,
60
+ "learning_rate": 2.2300000000000002e-06,
61
+ "loss": 0.6204,
62
+ "step": 225
63
+ },
64
+ {
65
+ "epoch": 0.03,
66
+ "learning_rate": 2.4800000000000004e-06,
67
+ "loss": 0.586,
68
+ "step": 250
69
+ },
70
+ {
71
+ "epoch": 0.03,
72
+ "learning_rate": 2.7300000000000005e-06,
73
+ "loss": 0.5613,
74
+ "step": 275
75
+ },
76
+ {
77
+ "epoch": 0.03,
78
+ "learning_rate": 2.97e-06,
79
+ "loss": 0.5296,
80
+ "step": 300
81
+ },
82
+ {
83
+ "epoch": 0.03,
84
+ "learning_rate": 3.2200000000000005e-06,
85
+ "loss": 0.4957,
86
+ "step": 325
87
+ },
88
+ {
89
+ "epoch": 0.04,
90
+ "learning_rate": 3.4700000000000002e-06,
91
+ "loss": 0.4583,
92
+ "step": 350
93
+ },
94
+ {
95
+ "epoch": 0.04,
96
+ "learning_rate": 3.7200000000000004e-06,
97
+ "loss": 0.4508,
98
+ "step": 375
99
+ },
100
+ {
101
+ "epoch": 0.04,
102
+ "learning_rate": 3.97e-06,
103
+ "loss": 0.3925,
104
+ "step": 400
105
+ },
106
+ {
107
+ "epoch": 0.04,
108
+ "learning_rate": 4.22e-06,
109
+ "loss": 0.3554,
110
+ "step": 425
111
+ },
112
+ {
113
+ "epoch": 0.04,
114
+ "learning_rate": 4.47e-06,
115
+ "loss": 0.3238,
116
+ "step": 450
117
+ },
118
+ {
119
+ "epoch": 0.05,
120
+ "learning_rate": 4.7200000000000005e-06,
121
+ "loss": 0.2907,
122
+ "step": 475
123
+ },
124
+ {
125
+ "epoch": 0.05,
126
+ "learning_rate": 4.970000000000001e-06,
127
+ "loss": 0.2741,
128
+ "step": 500
129
+ },
130
+ {
131
+ "epoch": 0.05,
132
+ "eval_accuracy": 0.9106,
133
+ "eval_loss": 0.2429841309785843,
134
+ "eval_runtime": 157.4737,
135
+ "eval_samples_per_second": 63.503,
136
+ "eval_steps_per_second": 0.349,
137
+ "step": 500
138
+ },
139
+ {
140
+ "epoch": 0.05,
141
+ "learning_rate": 5.220000000000001e-06,
142
+ "loss": 0.2663,
143
+ "step": 525
144
+ },
145
+ {
146
+ "epoch": 0.06,
147
+ "learning_rate": 5.470000000000001e-06,
148
+ "loss": 0.247,
149
+ "step": 550
150
+ },
151
+ {
152
+ "epoch": 0.06,
153
+ "learning_rate": 5.72e-06,
154
+ "loss": 0.21,
155
+ "step": 575
156
+ },
157
+ {
158
+ "epoch": 0.06,
159
+ "learning_rate": 5.9700000000000004e-06,
160
+ "loss": 0.2073,
161
+ "step": 600
162
+ },
163
+ {
164
+ "epoch": 0.06,
165
+ "learning_rate": 6.220000000000001e-06,
166
+ "loss": 0.2088,
167
+ "step": 625
168
+ },
169
+ {
170
+ "epoch": 0.07,
171
+ "learning_rate": 6.470000000000001e-06,
172
+ "loss": 0.2218,
173
+ "step": 650
174
+ },
175
+ {
176
+ "epoch": 0.07,
177
+ "learning_rate": 6.720000000000001e-06,
178
+ "loss": 0.2045,
179
+ "step": 675
180
+ },
181
+ {
182
+ "epoch": 0.07,
183
+ "learning_rate": 6.97e-06,
184
+ "loss": 0.1942,
185
+ "step": 700
186
+ },
187
+ {
188
+ "epoch": 0.07,
189
+ "learning_rate": 7.22e-06,
190
+ "loss": 0.1776,
191
+ "step": 725
192
+ },
193
+ {
194
+ "epoch": 0.07,
195
+ "learning_rate": 7.4700000000000005e-06,
196
+ "loss": 0.1816,
197
+ "step": 750
198
+ },
199
+ {
200
+ "epoch": 0.08,
201
+ "learning_rate": 7.72e-06,
202
+ "loss": 0.177,
203
+ "step": 775
204
+ },
205
+ {
206
+ "epoch": 0.08,
207
+ "learning_rate": 7.970000000000002e-06,
208
+ "loss": 0.1678,
209
+ "step": 800
210
+ },
211
+ {
212
+ "epoch": 0.08,
213
+ "learning_rate": 8.220000000000001e-06,
214
+ "loss": 0.1682,
215
+ "step": 825
216
+ },
217
+ {
218
+ "epoch": 0.09,
219
+ "learning_rate": 8.47e-06,
220
+ "loss": 0.1619,
221
+ "step": 850
222
+ },
223
+ {
224
+ "epoch": 0.09,
225
+ "learning_rate": 8.720000000000001e-06,
226
+ "loss": 0.1631,
227
+ "step": 875
228
+ },
229
+ {
230
+ "epoch": 0.09,
231
+ "learning_rate": 8.97e-06,
232
+ "loss": 0.1629,
233
+ "step": 900
234
+ },
235
+ {
236
+ "epoch": 0.09,
237
+ "learning_rate": 9.220000000000002e-06,
238
+ "loss": 0.1671,
239
+ "step": 925
240
+ },
241
+ {
242
+ "epoch": 0.1,
243
+ "learning_rate": 9.47e-06,
244
+ "loss": 0.1479,
245
+ "step": 950
246
+ },
247
+ {
248
+ "epoch": 0.1,
249
+ "learning_rate": 9.72e-06,
250
+ "loss": 0.1494,
251
+ "step": 975
252
+ },
253
+ {
254
+ "epoch": 0.1,
255
+ "learning_rate": 9.970000000000001e-06,
256
+ "loss": 0.1624,
257
+ "step": 1000
258
+ },
259
+ {
260
+ "epoch": 0.1,
261
+ "eval_accuracy": 0.9495,
262
+ "eval_loss": 0.14469695091247559,
263
+ "eval_runtime": 146.152,
264
+ "eval_samples_per_second": 68.422,
265
+ "eval_steps_per_second": 0.376,
266
+ "step": 1000
267
+ },
268
+ {
269
+ "epoch": 0.1,
270
+ "learning_rate": 9.975555555555556e-06,
271
+ "loss": 0.149,
272
+ "step": 1025
273
+ },
274
+ {
275
+ "epoch": 0.1,
276
+ "learning_rate": 9.947777777777779e-06,
277
+ "loss": 0.1482,
278
+ "step": 1050
279
+ },
280
+ {
281
+ "epoch": 0.11,
282
+ "learning_rate": 9.920000000000002e-06,
283
+ "loss": 0.1335,
284
+ "step": 1075
285
+ },
286
+ {
287
+ "epoch": 0.11,
288
+ "learning_rate": 9.892222222222223e-06,
289
+ "loss": 0.1405,
290
+ "step": 1100
291
+ },
292
+ {
293
+ "epoch": 0.11,
294
+ "learning_rate": 9.864444444444446e-06,
295
+ "loss": 0.1226,
296
+ "step": 1125
297
+ },
298
+ {
299
+ "epoch": 0.12,
300
+ "learning_rate": 9.836666666666668e-06,
301
+ "loss": 0.1263,
302
+ "step": 1150
303
+ },
304
+ {
305
+ "epoch": 0.12,
306
+ "learning_rate": 9.80888888888889e-06,
307
+ "loss": 0.1383,
308
+ "step": 1175
309
+ },
310
+ {
311
+ "epoch": 0.12,
312
+ "learning_rate": 9.781111111111113e-06,
313
+ "loss": 0.1338,
314
+ "step": 1200
315
+ },
316
+ {
317
+ "epoch": 0.12,
318
+ "learning_rate": 9.753333333333335e-06,
319
+ "loss": 0.1226,
320
+ "step": 1225
321
+ },
322
+ {
323
+ "epoch": 0.12,
324
+ "learning_rate": 9.725555555555557e-06,
325
+ "loss": 0.1342,
326
+ "step": 1250
327
+ },
328
+ {
329
+ "epoch": 0.13,
330
+ "learning_rate": 9.697777777777778e-06,
331
+ "loss": 0.137,
332
+ "step": 1275
333
+ },
334
+ {
335
+ "epoch": 0.13,
336
+ "learning_rate": 9.67e-06,
337
+ "loss": 0.1345,
338
+ "step": 1300
339
+ },
340
+ {
341
+ "epoch": 0.13,
342
+ "learning_rate": 9.642222222222223e-06,
343
+ "loss": 0.1304,
344
+ "step": 1325
345
+ },
346
+ {
347
+ "epoch": 0.14,
348
+ "learning_rate": 9.614444444444445e-06,
349
+ "loss": 0.1351,
350
+ "step": 1350
351
+ },
352
+ {
353
+ "epoch": 0.14,
354
+ "learning_rate": 9.586666666666667e-06,
355
+ "loss": 0.1232,
356
+ "step": 1375
357
+ },
358
+ {
359
+ "epoch": 0.14,
360
+ "learning_rate": 9.55888888888889e-06,
361
+ "loss": 0.1275,
362
+ "step": 1400
363
+ },
364
+ {
365
+ "epoch": 0.14,
366
+ "learning_rate": 9.531111111111112e-06,
367
+ "loss": 0.1218,
368
+ "step": 1425
369
+ },
370
+ {
371
+ "epoch": 0.14,
372
+ "learning_rate": 9.503333333333334e-06,
373
+ "loss": 0.119,
374
+ "step": 1450
375
+ },
376
+ {
377
+ "epoch": 0.15,
378
+ "learning_rate": 9.475555555555557e-06,
379
+ "loss": 0.1188,
380
+ "step": 1475
381
+ },
382
+ {
383
+ "epoch": 0.15,
384
+ "learning_rate": 9.447777777777778e-06,
385
+ "loss": 0.1196,
386
+ "step": 1500
387
+ },
388
+ {
389
+ "epoch": 0.15,
390
+ "eval_accuracy": 0.9481,
391
+ "eval_loss": 0.13628898561000824,
392
+ "eval_runtime": 151.5738,
393
+ "eval_samples_per_second": 65.974,
394
+ "eval_steps_per_second": 0.363,
395
+ "step": 1500
396
+ },
397
+ {
398
+ "epoch": 0.15,
399
+ "learning_rate": 9.42e-06,
400
+ "loss": 0.1205,
401
+ "step": 1525
402
+ },
403
+ {
404
+ "epoch": 0.15,
405
+ "learning_rate": 9.392222222222222e-06,
406
+ "loss": 0.1105,
407
+ "step": 1550
408
+ },
409
+ {
410
+ "epoch": 0.16,
411
+ "learning_rate": 9.364444444444445e-06,
412
+ "loss": 0.122,
413
+ "step": 1575
414
+ },
415
+ {
416
+ "epoch": 0.16,
417
+ "learning_rate": 9.336666666666666e-06,
418
+ "loss": 0.1313,
419
+ "step": 1600
420
+ },
421
+ {
422
+ "epoch": 0.16,
423
+ "learning_rate": 9.30888888888889e-06,
424
+ "loss": 0.1181,
425
+ "step": 1625
426
+ },
427
+ {
428
+ "epoch": 0.17,
429
+ "learning_rate": 9.281111111111112e-06,
430
+ "loss": 0.1216,
431
+ "step": 1650
432
+ },
433
+ {
434
+ "epoch": 0.17,
435
+ "learning_rate": 9.253333333333333e-06,
436
+ "loss": 0.1193,
437
+ "step": 1675
438
+ },
439
+ {
440
+ "epoch": 0.17,
441
+ "learning_rate": 9.225555555555556e-06,
442
+ "loss": 0.1128,
443
+ "step": 1700
444
+ },
445
+ {
446
+ "epoch": 0.17,
447
+ "learning_rate": 9.197777777777779e-06,
448
+ "loss": 0.1098,
449
+ "step": 1725
450
+ },
451
+ {
452
+ "epoch": 0.17,
453
+ "learning_rate": 9.17e-06,
454
+ "loss": 0.1003,
455
+ "step": 1750
456
+ },
457
+ {
458
+ "epoch": 0.18,
459
+ "learning_rate": 9.142222222222223e-06,
460
+ "loss": 0.121,
461
+ "step": 1775
462
+ },
463
+ {
464
+ "epoch": 0.18,
465
+ "learning_rate": 9.114444444444444e-06,
466
+ "loss": 0.1176,
467
+ "step": 1800
468
+ },
469
+ {
470
+ "epoch": 0.18,
471
+ "learning_rate": 9.086666666666667e-06,
472
+ "loss": 0.1112,
473
+ "step": 1825
474
+ },
475
+ {
476
+ "epoch": 0.18,
477
+ "learning_rate": 9.05888888888889e-06,
478
+ "loss": 0.1078,
479
+ "step": 1850
480
+ },
481
+ {
482
+ "epoch": 0.19,
483
+ "learning_rate": 9.031111111111111e-06,
484
+ "loss": 0.1121,
485
+ "step": 1875
486
+ },
487
+ {
488
+ "epoch": 0.19,
489
+ "learning_rate": 9.003333333333334e-06,
490
+ "loss": 0.1034,
491
+ "step": 1900
492
+ },
493
+ {
494
+ "epoch": 0.19,
495
+ "learning_rate": 8.975555555555557e-06,
496
+ "loss": 0.1108,
497
+ "step": 1925
498
+ },
499
+ {
500
+ "epoch": 0.2,
501
+ "learning_rate": 8.947777777777778e-06,
502
+ "loss": 0.1052,
503
+ "step": 1950
504
+ },
505
+ {
506
+ "epoch": 0.2,
507
+ "learning_rate": 8.920000000000001e-06,
508
+ "loss": 0.0919,
509
+ "step": 1975
510
+ },
511
+ {
512
+ "epoch": 0.2,
513
+ "learning_rate": 8.892222222222224e-06,
514
+ "loss": 0.1195,
515
+ "step": 2000
516
+ },
517
+ {
518
+ "epoch": 0.2,
519
+ "eval_accuracy": 0.9547,
520
+ "eval_loss": 0.1344193071126938,
521
+ "eval_runtime": 151.3523,
522
+ "eval_samples_per_second": 66.071,
523
+ "eval_steps_per_second": 0.363,
524
+ "step": 2000
525
+ },
526
+ {
527
+ "epoch": 0.2,
528
+ "learning_rate": 8.864444444444445e-06,
529
+ "loss": 0.0975,
530
+ "step": 2025
531
+ },
532
+ {
533
+ "epoch": 0.2,
534
+ "learning_rate": 8.836666666666668e-06,
535
+ "loss": 0.115,
536
+ "step": 2050
537
+ },
538
+ {
539
+ "epoch": 0.21,
540
+ "learning_rate": 8.80888888888889e-06,
541
+ "loss": 0.1068,
542
+ "step": 2075
543
+ },
544
+ {
545
+ "epoch": 0.21,
546
+ "learning_rate": 8.781111111111112e-06,
547
+ "loss": 0.0911,
548
+ "step": 2100
549
+ },
550
+ {
551
+ "epoch": 0.21,
552
+ "learning_rate": 8.753333333333333e-06,
553
+ "loss": 0.1056,
554
+ "step": 2125
555
+ },
556
+ {
557
+ "epoch": 0.21,
558
+ "learning_rate": 8.725555555555556e-06,
559
+ "loss": 0.1117,
560
+ "step": 2150
561
+ },
562
+ {
563
+ "epoch": 0.22,
564
+ "learning_rate": 8.697777777777779e-06,
565
+ "loss": 0.1086,
566
+ "step": 2175
567
+ },
568
+ {
569
+ "epoch": 0.22,
570
+ "learning_rate": 8.67e-06,
571
+ "loss": 0.1084,
572
+ "step": 2200
573
+ },
574
+ {
575
+ "epoch": 0.22,
576
+ "learning_rate": 8.642222222222223e-06,
577
+ "loss": 0.116,
578
+ "step": 2225
579
+ },
580
+ {
581
+ "epoch": 0.23,
582
+ "learning_rate": 8.614444444444446e-06,
583
+ "loss": 0.0924,
584
+ "step": 2250
585
+ },
586
+ {
587
+ "epoch": 0.23,
588
+ "learning_rate": 8.586666666666667e-06,
589
+ "loss": 0.1115,
590
+ "step": 2275
591
+ },
592
+ {
593
+ "epoch": 0.23,
594
+ "learning_rate": 8.55888888888889e-06,
595
+ "loss": 0.0984,
596
+ "step": 2300
597
+ },
598
+ {
599
+ "epoch": 0.23,
600
+ "learning_rate": 8.531111111111113e-06,
601
+ "loss": 0.101,
602
+ "step": 2325
603
+ },
604
+ {
605
+ "epoch": 0.23,
606
+ "learning_rate": 8.503333333333334e-06,
607
+ "loss": 0.0994,
608
+ "step": 2350
609
+ },
610
+ {
611
+ "epoch": 0.24,
612
+ "learning_rate": 8.475555555555555e-06,
613
+ "loss": 0.102,
614
+ "step": 2375
615
+ },
616
+ {
617
+ "epoch": 0.24,
618
+ "learning_rate": 8.447777777777778e-06,
619
+ "loss": 0.1065,
620
+ "step": 2400
621
+ },
622
+ {
623
+ "epoch": 0.24,
624
+ "learning_rate": 8.42e-06,
625
+ "loss": 0.105,
626
+ "step": 2425
627
+ },
628
+ {
629
+ "epoch": 0.24,
630
+ "learning_rate": 8.392222222222222e-06,
631
+ "loss": 0.104,
632
+ "step": 2450
633
+ },
634
+ {
635
+ "epoch": 0.25,
636
+ "learning_rate": 8.364444444444445e-06,
637
+ "loss": 0.1191,
638
+ "step": 2475
639
+ },
640
+ {
641
+ "epoch": 0.25,
642
+ "learning_rate": 8.337777777777777e-06,
643
+ "loss": 0.0973,
644
+ "step": 2500
645
+ },
646
+ {
647
+ "epoch": 0.25,
648
+ "eval_accuracy": 0.9553,
649
+ "eval_loss": 0.130845844745636,
650
+ "eval_runtime": 152.4264,
651
+ "eval_samples_per_second": 65.605,
652
+ "eval_steps_per_second": 0.361,
653
+ "step": 2500
654
+ },
655
+ {
656
+ "epoch": 0.25,
657
+ "learning_rate": 8.31e-06,
658
+ "loss": 0.1062,
659
+ "step": 2525
660
+ },
661
+ {
662
+ "epoch": 0.26,
663
+ "learning_rate": 8.282222222222223e-06,
664
+ "loss": 0.1026,
665
+ "step": 2550
666
+ },
667
+ {
668
+ "epoch": 0.26,
669
+ "learning_rate": 8.254444444444444e-06,
670
+ "loss": 0.1072,
671
+ "step": 2575
672
+ },
673
+ {
674
+ "epoch": 0.26,
675
+ "learning_rate": 8.226666666666667e-06,
676
+ "loss": 0.1015,
677
+ "step": 2600
678
+ },
679
+ {
680
+ "epoch": 0.26,
681
+ "learning_rate": 8.19888888888889e-06,
682
+ "loss": 0.0997,
683
+ "step": 2625
684
+ },
685
+ {
686
+ "epoch": 0.27,
687
+ "learning_rate": 8.171111111111113e-06,
688
+ "loss": 0.1102,
689
+ "step": 2650
690
+ },
691
+ {
692
+ "epoch": 0.27,
693
+ "learning_rate": 8.143333333333334e-06,
694
+ "loss": 0.1022,
695
+ "step": 2675
696
+ },
697
+ {
698
+ "epoch": 0.27,
699
+ "learning_rate": 8.115555555555557e-06,
700
+ "loss": 0.0958,
701
+ "step": 2700
702
+ },
703
+ {
704
+ "epoch": 0.27,
705
+ "learning_rate": 8.08777777777778e-06,
706
+ "loss": 0.102,
707
+ "step": 2725
708
+ },
709
+ {
710
+ "epoch": 0.28,
711
+ "learning_rate": 8.06e-06,
712
+ "loss": 0.1028,
713
+ "step": 2750
714
+ },
715
+ {
716
+ "epoch": 0.28,
717
+ "learning_rate": 8.032222222222222e-06,
718
+ "loss": 0.1041,
719
+ "step": 2775
720
+ },
721
+ {
722
+ "epoch": 0.28,
723
+ "learning_rate": 8.004444444444445e-06,
724
+ "loss": 0.1026,
725
+ "step": 2800
726
+ },
727
+ {
728
+ "epoch": 0.28,
729
+ "learning_rate": 7.976666666666668e-06,
730
+ "loss": 0.1158,
731
+ "step": 2825
732
+ },
733
+ {
734
+ "epoch": 0.28,
735
+ "learning_rate": 7.948888888888889e-06,
736
+ "loss": 0.1059,
737
+ "step": 2850
738
+ },
739
+ {
740
+ "epoch": 0.29,
741
+ "learning_rate": 7.921111111111112e-06,
742
+ "loss": 0.0931,
743
+ "step": 2875
744
+ },
745
+ {
746
+ "epoch": 0.29,
747
+ "learning_rate": 7.893333333333335e-06,
748
+ "loss": 0.0988,
749
+ "step": 2900
750
+ },
751
+ {
752
+ "epoch": 0.29,
753
+ "learning_rate": 7.865555555555556e-06,
754
+ "loss": 0.1071,
755
+ "step": 2925
756
+ },
757
+ {
758
+ "epoch": 0.29,
759
+ "learning_rate": 7.837777777777779e-06,
760
+ "loss": 0.1026,
761
+ "step": 2950
762
+ },
763
+ {
764
+ "epoch": 0.3,
765
+ "learning_rate": 7.810000000000001e-06,
766
+ "loss": 0.108,
767
+ "step": 2975
768
+ },
769
+ {
770
+ "epoch": 0.3,
771
+ "learning_rate": 7.782222222222223e-06,
772
+ "loss": 0.1039,
773
+ "step": 3000
774
+ },
775
+ {
776
+ "epoch": 0.3,
777
+ "eval_accuracy": 0.9479,
778
+ "eval_loss": 0.15836530923843384,
779
+ "eval_runtime": 144.1908,
780
+ "eval_samples_per_second": 69.353,
781
+ "eval_steps_per_second": 0.381,
782
+ "step": 3000
783
+ },
784
+ {
785
+ "epoch": 0.3,
786
+ "learning_rate": 7.754444444444445e-06,
787
+ "loss": 0.1099,
788
+ "step": 3025
789
+ },
790
+ {
791
+ "epoch": 0.3,
792
+ "learning_rate": 7.726666666666667e-06,
793
+ "loss": 0.1021,
794
+ "step": 3050
795
+ },
796
+ {
797
+ "epoch": 0.31,
798
+ "learning_rate": 7.69888888888889e-06,
799
+ "loss": 0.0981,
800
+ "step": 3075
801
+ },
802
+ {
803
+ "epoch": 0.31,
804
+ "learning_rate": 7.67111111111111e-06,
805
+ "loss": 0.1085,
806
+ "step": 3100
807
+ },
808
+ {
809
+ "epoch": 0.31,
810
+ "learning_rate": 7.643333333333334e-06,
811
+ "loss": 0.0973,
812
+ "step": 3125
813
+ },
814
+ {
815
+ "epoch": 0.32,
816
+ "learning_rate": 7.6155555555555564e-06,
817
+ "loss": 0.107,
818
+ "step": 3150
819
+ },
820
+ {
821
+ "epoch": 0.32,
822
+ "learning_rate": 7.5877777777777784e-06,
823
+ "loss": 0.1035,
824
+ "step": 3175
825
+ },
826
+ {
827
+ "epoch": 0.32,
828
+ "learning_rate": 7.5600000000000005e-06,
829
+ "loss": 0.098,
830
+ "step": 3200
831
+ },
832
+ {
833
+ "epoch": 0.32,
834
+ "learning_rate": 7.532222222222223e-06,
835
+ "loss": 0.1066,
836
+ "step": 3225
837
+ },
838
+ {
839
+ "epoch": 0.33,
840
+ "learning_rate": 7.504444444444445e-06,
841
+ "loss": 0.0945,
842
+ "step": 3250
843
+ },
844
+ {
845
+ "epoch": 0.33,
846
+ "learning_rate": 7.476666666666667e-06,
847
+ "loss": 0.1128,
848
+ "step": 3275
849
+ },
850
+ {
851
+ "epoch": 0.33,
852
+ "learning_rate": 7.44888888888889e-06,
853
+ "loss": 0.1143,
854
+ "step": 3300
855
+ },
856
+ {
857
+ "epoch": 0.33,
858
+ "learning_rate": 7.421111111111112e-06,
859
+ "loss": 0.1122,
860
+ "step": 3325
861
+ },
862
+ {
863
+ "epoch": 0.34,
864
+ "learning_rate": 7.393333333333333e-06,
865
+ "loss": 0.1083,
866
+ "step": 3350
867
+ },
868
+ {
869
+ "epoch": 0.34,
870
+ "learning_rate": 7.3655555555555554e-06,
871
+ "loss": 0.108,
872
+ "step": 3375
873
+ },
874
+ {
875
+ "epoch": 0.34,
876
+ "learning_rate": 7.337777777777778e-06,
877
+ "loss": 0.1222,
878
+ "step": 3400
879
+ },
880
+ {
881
+ "epoch": 0.34,
882
+ "learning_rate": 7.31e-06,
883
+ "loss": 0.1238,
884
+ "step": 3425
885
+ },
886
+ {
887
+ "epoch": 0.34,
888
+ "learning_rate": 7.282222222222222e-06,
889
+ "loss": 0.1102,
890
+ "step": 3450
891
+ },
892
+ {
893
+ "epoch": 0.35,
894
+ "learning_rate": 7.254444444444445e-06,
895
+ "loss": 0.1293,
896
+ "step": 3475
897
+ },
898
+ {
899
+ "epoch": 0.35,
900
+ "learning_rate": 7.226666666666667e-06,
901
+ "loss": 0.1183,
902
+ "step": 3500
903
+ },
904
+ {
905
+ "epoch": 0.35,
906
+ "eval_accuracy": 0.952,
907
+ "eval_loss": 0.141157865524292,
908
+ "eval_runtime": 146.5068,
909
+ "eval_samples_per_second": 68.256,
910
+ "eval_steps_per_second": 0.375,
911
+ "step": 3500
912
+ },
913
+ {
914
+ "epoch": 0.35,
915
+ "learning_rate": 7.19888888888889e-06,
916
+ "loss": 0.1272,
917
+ "step": 3525
918
+ },
919
+ {
920
+ "epoch": 0.35,
921
+ "learning_rate": 7.171111111111112e-06,
922
+ "loss": 0.1219,
923
+ "step": 3550
924
+ },
925
+ {
926
+ "epoch": 0.36,
927
+ "learning_rate": 7.143333333333334e-06,
928
+ "loss": 0.1157,
929
+ "step": 3575
930
+ },
931
+ {
932
+ "epoch": 0.36,
933
+ "learning_rate": 7.115555555555557e-06,
934
+ "loss": 0.1077,
935
+ "step": 3600
936
+ },
937
+ {
938
+ "epoch": 0.36,
939
+ "learning_rate": 7.087777777777778e-06,
940
+ "loss": 0.1179,
941
+ "step": 3625
942
+ },
943
+ {
944
+ "epoch": 0.36,
945
+ "learning_rate": 7.06e-06,
946
+ "loss": 0.1219,
947
+ "step": 3650
948
+ },
949
+ {
950
+ "epoch": 0.37,
951
+ "learning_rate": 7.032222222222222e-06,
952
+ "loss": 0.1155,
953
+ "step": 3675
954
+ },
955
+ {
956
+ "epoch": 0.37,
957
+ "learning_rate": 7.004444444444445e-06,
958
+ "loss": 0.1293,
959
+ "step": 3700
960
+ },
961
+ {
962
+ "epoch": 0.37,
963
+ "learning_rate": 6.976666666666667e-06,
964
+ "loss": 0.1277,
965
+ "step": 3725
966
+ },
967
+ {
968
+ "epoch": 0.38,
969
+ "learning_rate": 6.948888888888889e-06,
970
+ "loss": 0.1191,
971
+ "step": 3750
972
+ },
973
+ {
974
+ "epoch": 0.38,
975
+ "learning_rate": 6.921111111111112e-06,
976
+ "loss": 0.1328,
977
+ "step": 3775
978
+ },
979
+ {
980
+ "epoch": 0.38,
981
+ "learning_rate": 6.893333333333334e-06,
982
+ "loss": 0.1188,
983
+ "step": 3800
984
+ },
985
+ {
986
+ "epoch": 0.38,
987
+ "learning_rate": 6.865555555555557e-06,
988
+ "loss": 0.1124,
989
+ "step": 3825
990
+ },
991
+ {
992
+ "epoch": 0.39,
993
+ "learning_rate": 6.837777777777779e-06,
994
+ "loss": 0.1272,
995
+ "step": 3850
996
+ },
997
+ {
998
+ "epoch": 0.39,
999
+ "learning_rate": 6.810000000000001e-06,
1000
+ "loss": 0.1149,
1001
+ "step": 3875
1002
+ },
1003
+ {
1004
+ "epoch": 0.39,
1005
+ "learning_rate": 6.782222222222222e-06,
1006
+ "loss": 0.1173,
1007
+ "step": 3900
1008
+ },
1009
+ {
1010
+ "epoch": 0.39,
1011
+ "learning_rate": 6.754444444444445e-06,
1012
+ "loss": 0.1283,
1013
+ "step": 3925
1014
+ },
1015
+ {
1016
+ "epoch": 0.4,
1017
+ "learning_rate": 6.726666666666667e-06,
1018
+ "loss": 0.1104,
1019
+ "step": 3950
1020
+ },
1021
+ {
1022
+ "epoch": 0.4,
1023
+ "learning_rate": 6.698888888888889e-06,
1024
+ "loss": 0.1336,
1025
+ "step": 3975
1026
+ },
1027
+ {
1028
+ "epoch": 0.4,
1029
+ "learning_rate": 6.671111111111112e-06,
1030
+ "loss": 0.1103,
1031
+ "step": 4000
1032
+ },
1033
+ {
1034
+ "epoch": 0.4,
1035
+ "eval_accuracy": 0.9528,
1036
+ "eval_loss": 0.1352531760931015,
1037
+ "eval_runtime": 148.8877,
1038
+ "eval_samples_per_second": 67.165,
1039
+ "eval_steps_per_second": 0.369,
1040
+ "step": 4000
1041
+ },
1042
+ {
1043
+ "epoch": 0.4,
1044
+ "learning_rate": 6.643333333333334e-06,
1045
+ "loss": 0.1158,
1046
+ "step": 4025
1047
+ },
1048
+ {
1049
+ "epoch": 0.41,
1050
+ "learning_rate": 6.615555555555556e-06,
1051
+ "loss": 0.1001,
1052
+ "step": 4050
1053
+ },
1054
+ {
1055
+ "epoch": 0.41,
1056
+ "learning_rate": 6.587777777777779e-06,
1057
+ "loss": 0.1147,
1058
+ "step": 4075
1059
+ },
1060
+ {
1061
+ "epoch": 0.41,
1062
+ "learning_rate": 6.560000000000001e-06,
1063
+ "loss": 0.1122,
1064
+ "step": 4100
1065
+ },
1066
+ {
1067
+ "epoch": 0.41,
1068
+ "learning_rate": 6.532222222222223e-06,
1069
+ "loss": 0.1053,
1070
+ "step": 4125
1071
+ },
1072
+ {
1073
+ "epoch": 0.41,
1074
+ "learning_rate": 6.504444444444446e-06,
1075
+ "loss": 0.1126,
1076
+ "step": 4150
1077
+ },
1078
+ {
1079
+ "epoch": 0.42,
1080
+ "learning_rate": 6.476666666666667e-06,
1081
+ "loss": 0.1198,
1082
+ "step": 4175
1083
+ },
1084
+ {
1085
+ "epoch": 0.42,
1086
+ "learning_rate": 6.448888888888889e-06,
1087
+ "loss": 0.1138,
1088
+ "step": 4200
1089
+ },
1090
+ {
1091
+ "epoch": 0.42,
1092
+ "learning_rate": 6.421111111111112e-06,
1093
+ "loss": 0.1145,
1094
+ "step": 4225
1095
+ },
1096
+ {
1097
+ "epoch": 0.42,
1098
+ "learning_rate": 6.393333333333334e-06,
1099
+ "loss": 0.1186,
1100
+ "step": 4250
1101
+ },
1102
+ {
1103
+ "epoch": 0.43,
1104
+ "learning_rate": 6.365555555555556e-06,
1105
+ "loss": 0.1152,
1106
+ "step": 4275
1107
+ },
1108
+ {
1109
+ "epoch": 0.43,
1110
+ "learning_rate": 6.3377777777777786e-06,
1111
+ "loss": 0.108,
1112
+ "step": 4300
1113
+ },
1114
+ {
1115
+ "epoch": 0.43,
1116
+ "learning_rate": 6.3100000000000006e-06,
1117
+ "loss": 0.122,
1118
+ "step": 4325
1119
+ },
1120
+ {
1121
+ "epoch": 0.43,
1122
+ "learning_rate": 6.282222222222223e-06,
1123
+ "loss": 0.1036,
1124
+ "step": 4350
1125
+ },
1126
+ {
1127
+ "epoch": 0.44,
1128
+ "learning_rate": 6.2544444444444455e-06,
1129
+ "loss": 0.1058,
1130
+ "step": 4375
1131
+ },
1132
+ {
1133
+ "epoch": 0.44,
1134
+ "learning_rate": 6.2266666666666675e-06,
1135
+ "loss": 0.1083,
1136
+ "step": 4400
1137
+ },
1138
+ {
1139
+ "epoch": 0.44,
1140
+ "learning_rate": 6.1988888888888895e-06,
1141
+ "loss": 0.1252,
1142
+ "step": 4425
1143
+ },
1144
+ {
1145
+ "epoch": 0.45,
1146
+ "learning_rate": 6.171111111111112e-06,
1147
+ "loss": 0.1181,
1148
+ "step": 4450
1149
+ },
1150
+ {
1151
+ "epoch": 0.45,
1152
+ "learning_rate": 6.1433333333333335e-06,
1153
+ "loss": 0.1092,
1154
+ "step": 4475
1155
+ },
1156
+ {
1157
+ "epoch": 0.45,
1158
+ "learning_rate": 6.1155555555555555e-06,
1159
+ "loss": 0.1084,
1160
+ "step": 4500
1161
+ },
1162
+ {
1163
+ "epoch": 0.45,
1164
+ "eval_accuracy": 0.9578,
1165
+ "eval_loss": 0.11692265421152115,
1166
+ "eval_runtime": 147.2838,
1167
+ "eval_samples_per_second": 67.896,
1168
+ "eval_steps_per_second": 0.373,
1169
+ "step": 4500
1170
+ },
1171
+ {
1172
+ "epoch": 0.45,
1173
+ "learning_rate": 6.087777777777778e-06,
1174
+ "loss": 0.0946,
1175
+ "step": 4525
1176
+ },
1177
+ {
1178
+ "epoch": 0.46,
1179
+ "learning_rate": 6.0600000000000004e-06,
1180
+ "loss": 0.1256,
1181
+ "step": 4550
1182
+ },
1183
+ {
1184
+ "epoch": 0.46,
1185
+ "learning_rate": 6.0322222222222224e-06,
1186
+ "loss": 0.1077,
1187
+ "step": 4575
1188
+ },
1189
+ {
1190
+ "epoch": 0.46,
1191
+ "learning_rate": 6.004444444444445e-06,
1192
+ "loss": 0.1159,
1193
+ "step": 4600
1194
+ },
1195
+ {
1196
+ "epoch": 0.46,
1197
+ "learning_rate": 5.976666666666667e-06,
1198
+ "loss": 0.0976,
1199
+ "step": 4625
1200
+ },
1201
+ {
1202
+ "epoch": 0.47,
1203
+ "learning_rate": 5.948888888888889e-06,
1204
+ "loss": 0.1128,
1205
+ "step": 4650
1206
+ },
1207
+ {
1208
+ "epoch": 0.47,
1209
+ "learning_rate": 5.921111111111112e-06,
1210
+ "loss": 0.1148,
1211
+ "step": 4675
1212
+ },
1213
+ {
1214
+ "epoch": 0.47,
1215
+ "learning_rate": 5.893333333333334e-06,
1216
+ "loss": 0.0886,
1217
+ "step": 4700
1218
+ },
1219
+ {
1220
+ "epoch": 0.47,
1221
+ "learning_rate": 5.8666666666666675e-06,
1222
+ "loss": 0.1125,
1223
+ "step": 4725
1224
+ },
1225
+ {
1226
+ "epoch": 0.47,
1227
+ "learning_rate": 5.8388888888888895e-06,
1228
+ "loss": 0.116,
1229
+ "step": 4750
1230
+ },
1231
+ {
1232
+ "epoch": 0.48,
1233
+ "learning_rate": 5.8111111111111116e-06,
1234
+ "loss": 0.1091,
1235
+ "step": 4775
1236
+ },
1237
+ {
1238
+ "epoch": 0.48,
1239
+ "learning_rate": 5.7833333333333344e-06,
1240
+ "loss": 0.1155,
1241
+ "step": 4800
1242
+ },
1243
+ {
1244
+ "epoch": 0.48,
1245
+ "learning_rate": 5.7555555555555564e-06,
1246
+ "loss": 0.1104,
1247
+ "step": 4825
1248
+ },
1249
+ {
1250
+ "epoch": 0.48,
1251
+ "learning_rate": 5.7277777777777785e-06,
1252
+ "loss": 0.1037,
1253
+ "step": 4850
1254
+ },
1255
+ {
1256
+ "epoch": 0.49,
1257
+ "learning_rate": 5.7e-06,
1258
+ "loss": 0.1101,
1259
+ "step": 4875
1260
+ },
1261
+ {
1262
+ "epoch": 0.49,
1263
+ "learning_rate": 5.6722222222222225e-06,
1264
+ "loss": 0.1039,
1265
+ "step": 4900
1266
+ },
1267
+ {
1268
+ "epoch": 0.49,
1269
+ "learning_rate": 5.6444444444444445e-06,
1270
+ "loss": 0.109,
1271
+ "step": 4925
1272
+ },
1273
+ {
1274
+ "epoch": 0.49,
1275
+ "learning_rate": 5.6166666666666665e-06,
1276
+ "loss": 0.1196,
1277
+ "step": 4950
1278
+ },
1279
+ {
1280
+ "epoch": 0.5,
1281
+ "learning_rate": 5.588888888888889e-06,
1282
+ "loss": 0.1116,
1283
+ "step": 4975
1284
+ },
1285
+ {
1286
+ "epoch": 0.5,
1287
+ "learning_rate": 5.561111111111111e-06,
1288
+ "loss": 0.1041,
1289
+ "step": 5000
1290
+ },
1291
+ {
1292
+ "epoch": 0.5,
1293
+ "eval_accuracy": 0.952,
1294
+ "eval_loss": 0.1560685634613037,
1295
+ "eval_runtime": 155.1342,
1296
+ "eval_samples_per_second": 64.46,
1297
+ "eval_steps_per_second": 0.355,
1298
+ "step": 5000
1299
+ },
1300
+ {
1301
+ "epoch": 0.5,
1302
+ "learning_rate": 5.533333333333334e-06,
1303
+ "loss": 0.1097,
1304
+ "step": 5025
1305
+ },
1306
+ {
1307
+ "epoch": 0.51,
1308
+ "learning_rate": 5.505555555555556e-06,
1309
+ "loss": 0.1029,
1310
+ "step": 5050
1311
+ },
1312
+ {
1313
+ "epoch": 0.51,
1314
+ "learning_rate": 5.477777777777778e-06,
1315
+ "loss": 0.1015,
1316
+ "step": 5075
1317
+ },
1318
+ {
1319
+ "epoch": 0.51,
1320
+ "learning_rate": 5.450000000000001e-06,
1321
+ "loss": 0.1203,
1322
+ "step": 5100
1323
+ },
1324
+ {
1325
+ "epoch": 0.51,
1326
+ "learning_rate": 5.422222222222223e-06,
1327
+ "loss": 0.0967,
1328
+ "step": 5125
1329
+ },
1330
+ {
1331
+ "epoch": 0.52,
1332
+ "learning_rate": 5.394444444444444e-06,
1333
+ "loss": 0.1082,
1334
+ "step": 5150
1335
+ },
1336
+ {
1337
+ "epoch": 0.52,
1338
+ "learning_rate": 5.366666666666666e-06,
1339
+ "loss": 0.1175,
1340
+ "step": 5175
1341
+ },
1342
+ {
1343
+ "epoch": 0.52,
1344
+ "learning_rate": 5.338888888888889e-06,
1345
+ "loss": 0.1043,
1346
+ "step": 5200
1347
+ },
1348
+ {
1349
+ "epoch": 0.52,
1350
+ "learning_rate": 5.311111111111111e-06,
1351
+ "loss": 0.1035,
1352
+ "step": 5225
1353
+ },
1354
+ {
1355
+ "epoch": 0.53,
1356
+ "learning_rate": 5.283333333333333e-06,
1357
+ "loss": 0.1043,
1358
+ "step": 5250
1359
+ },
1360
+ {
1361
+ "epoch": 0.53,
1362
+ "learning_rate": 5.255555555555556e-06,
1363
+ "loss": 0.1002,
1364
+ "step": 5275
1365
+ },
1366
+ {
1367
+ "epoch": 0.53,
1368
+ "learning_rate": 5.227777777777778e-06,
1369
+ "loss": 0.0964,
1370
+ "step": 5300
1371
+ },
1372
+ {
1373
+ "epoch": 0.53,
1374
+ "learning_rate": 5.2e-06,
1375
+ "loss": 0.1069,
1376
+ "step": 5325
1377
+ },
1378
+ {
1379
+ "epoch": 0.54,
1380
+ "learning_rate": 5.172222222222223e-06,
1381
+ "loss": 0.1089,
1382
+ "step": 5350
1383
+ },
1384
+ {
1385
+ "epoch": 0.54,
1386
+ "learning_rate": 5.144444444444445e-06,
1387
+ "loss": 0.1092,
1388
+ "step": 5375
1389
+ },
1390
+ {
1391
+ "epoch": 0.54,
1392
+ "learning_rate": 5.116666666666668e-06,
1393
+ "loss": 0.1026,
1394
+ "step": 5400
1395
+ },
1396
+ {
1397
+ "epoch": 0.54,
1398
+ "learning_rate": 5.088888888888889e-06,
1399
+ "loss": 0.0982,
1400
+ "step": 5425
1401
+ },
1402
+ {
1403
+ "epoch": 0.55,
1404
+ "learning_rate": 5.061111111111111e-06,
1405
+ "loss": 0.0983,
1406
+ "step": 5450
1407
+ },
1408
+ {
1409
+ "epoch": 0.55,
1410
+ "learning_rate": 5.033333333333333e-06,
1411
+ "loss": 0.0978,
1412
+ "step": 5475
1413
+ },
1414
+ {
1415
+ "epoch": 0.55,
1416
+ "learning_rate": 5.005555555555556e-06,
1417
+ "loss": 0.0966,
1418
+ "step": 5500
1419
+ },
1420
+ {
1421
+ "epoch": 0.55,
1422
+ "eval_accuracy": 0.9549,
1423
+ "eval_loss": 0.12704403698444366,
1424
+ "eval_runtime": 152.5968,
1425
+ "eval_samples_per_second": 65.532,
1426
+ "eval_steps_per_second": 0.36,
1427
+ "step": 5500
1428
+ },
1429
+ {
1430
+ "epoch": 0.55,
1431
+ "learning_rate": 4.977777777777778e-06,
1432
+ "loss": 0.1094,
1433
+ "step": 5525
1434
+ },
1435
+ {
1436
+ "epoch": 0.56,
1437
+ "learning_rate": 4.95e-06,
1438
+ "loss": 0.1042,
1439
+ "step": 5550
1440
+ },
1441
+ {
1442
+ "epoch": 0.56,
1443
+ "learning_rate": 4.922222222222223e-06,
1444
+ "loss": 0.1,
1445
+ "step": 5575
1446
+ },
1447
+ {
1448
+ "epoch": 0.56,
1449
+ "learning_rate": 4.894444444444445e-06,
1450
+ "loss": 0.1079,
1451
+ "step": 5600
1452
+ },
1453
+ {
1454
+ "epoch": 0.56,
1455
+ "learning_rate": 4.866666666666667e-06,
1456
+ "loss": 0.1017,
1457
+ "step": 5625
1458
+ },
1459
+ {
1460
+ "epoch": 0.56,
1461
+ "learning_rate": 4.838888888888889e-06,
1462
+ "loss": 0.0953,
1463
+ "step": 5650
1464
+ },
1465
+ {
1466
+ "epoch": 0.57,
1467
+ "learning_rate": 4.811111111111111e-06,
1468
+ "loss": 0.094,
1469
+ "step": 5675
1470
+ },
1471
+ {
1472
+ "epoch": 0.57,
1473
+ "learning_rate": 4.783333333333334e-06,
1474
+ "loss": 0.0966,
1475
+ "step": 5700
1476
+ },
1477
+ {
1478
+ "epoch": 0.57,
1479
+ "learning_rate": 4.755555555555556e-06,
1480
+ "loss": 0.1056,
1481
+ "step": 5725
1482
+ },
1483
+ {
1484
+ "epoch": 0.57,
1485
+ "learning_rate": 4.727777777777779e-06,
1486
+ "loss": 0.104,
1487
+ "step": 5750
1488
+ },
1489
+ {
1490
+ "epoch": 0.58,
1491
+ "learning_rate": 4.7e-06,
1492
+ "loss": 0.0862,
1493
+ "step": 5775
1494
+ },
1495
+ {
1496
+ "epoch": 0.58,
1497
+ "learning_rate": 4.672222222222223e-06,
1498
+ "loss": 0.1007,
1499
+ "step": 5800
1500
+ },
1501
+ {
1502
+ "epoch": 0.58,
1503
+ "learning_rate": 4.644444444444445e-06,
1504
+ "loss": 0.1061,
1505
+ "step": 5825
1506
+ },
1507
+ {
1508
+ "epoch": 0.58,
1509
+ "learning_rate": 4.616666666666667e-06,
1510
+ "loss": 0.0974,
1511
+ "step": 5850
1512
+ },
1513
+ {
1514
+ "epoch": 0.59,
1515
+ "learning_rate": 4.58888888888889e-06,
1516
+ "loss": 0.097,
1517
+ "step": 5875
1518
+ },
1519
+ {
1520
+ "epoch": 0.59,
1521
+ "learning_rate": 4.561111111111112e-06,
1522
+ "loss": 0.1002,
1523
+ "step": 5900
1524
+ },
1525
+ {
1526
+ "epoch": 0.59,
1527
+ "learning_rate": 4.533333333333334e-06,
1528
+ "loss": 0.1069,
1529
+ "step": 5925
1530
+ },
1531
+ {
1532
+ "epoch": 0.59,
1533
+ "learning_rate": 4.505555555555556e-06,
1534
+ "loss": 0.1128,
1535
+ "step": 5950
1536
+ },
1537
+ {
1538
+ "epoch": 0.6,
1539
+ "learning_rate": 4.477777777777778e-06,
1540
+ "loss": 0.0957,
1541
+ "step": 5975
1542
+ },
1543
+ {
1544
+ "epoch": 0.6,
1545
+ "learning_rate": 4.450000000000001e-06,
1546
+ "loss": 0.1,
1547
+ "step": 6000
1548
+ },
1549
+ {
1550
+ "epoch": 0.6,
1551
+ "eval_accuracy": 0.9594,
1552
+ "eval_loss": 0.11799036711454391,
1553
+ "eval_runtime": 145.5771,
1554
+ "eval_samples_per_second": 68.692,
1555
+ "eval_steps_per_second": 0.378,
1556
+ "step": 6000
1557
+ },
1558
+ {
1559
+ "epoch": 0.6,
1560
+ "learning_rate": 4.422222222222223e-06,
1561
+ "loss": 0.098,
1562
+ "step": 6025
1563
+ },
1564
+ {
1565
+ "epoch": 0.6,
1566
+ "learning_rate": 4.3944444444444455e-06,
1567
+ "loss": 0.098,
1568
+ "step": 6050
1569
+ },
1570
+ {
1571
+ "epoch": 0.61,
1572
+ "learning_rate": 4.366666666666667e-06,
1573
+ "loss": 0.1047,
1574
+ "step": 6075
1575
+ },
1576
+ {
1577
+ "epoch": 0.61,
1578
+ "learning_rate": 4.3388888888888895e-06,
1579
+ "loss": 0.0998,
1580
+ "step": 6100
1581
+ },
1582
+ {
1583
+ "epoch": 0.61,
1584
+ "learning_rate": 4.3111111111111115e-06,
1585
+ "loss": 0.115,
1586
+ "step": 6125
1587
+ },
1588
+ {
1589
+ "epoch": 0.61,
1590
+ "learning_rate": 4.2833333333333335e-06,
1591
+ "loss": 0.0965,
1592
+ "step": 6150
1593
+ },
1594
+ {
1595
+ "epoch": 0.62,
1596
+ "learning_rate": 4.255555555555556e-06,
1597
+ "loss": 0.1031,
1598
+ "step": 6175
1599
+ },
1600
+ {
1601
+ "epoch": 0.62,
1602
+ "learning_rate": 4.227777777777778e-06,
1603
+ "loss": 0.1105,
1604
+ "step": 6200
1605
+ },
1606
+ {
1607
+ "epoch": 0.62,
1608
+ "learning_rate": 4.2000000000000004e-06,
1609
+ "loss": 0.105,
1610
+ "step": 6225
1611
+ },
1612
+ {
1613
+ "epoch": 0.62,
1614
+ "learning_rate": 4.1722222222222225e-06,
1615
+ "loss": 0.1022,
1616
+ "step": 6250
1617
+ },
1618
+ {
1619
+ "epoch": 0.63,
1620
+ "learning_rate": 4.1444444444444445e-06,
1621
+ "loss": 0.0991,
1622
+ "step": 6275
1623
+ },
1624
+ {
1625
+ "epoch": 0.63,
1626
+ "learning_rate": 4.116666666666667e-06,
1627
+ "loss": 0.1004,
1628
+ "step": 6300
1629
+ },
1630
+ {
1631
+ "epoch": 0.63,
1632
+ "learning_rate": 4.088888888888889e-06,
1633
+ "loss": 0.1009,
1634
+ "step": 6325
1635
+ },
1636
+ {
1637
+ "epoch": 0.64,
1638
+ "learning_rate": 4.061111111111111e-06,
1639
+ "loss": 0.1041,
1640
+ "step": 6350
1641
+ },
1642
+ {
1643
+ "epoch": 0.64,
1644
+ "learning_rate": 4.033333333333333e-06,
1645
+ "loss": 0.091,
1646
+ "step": 6375
1647
+ },
1648
+ {
1649
+ "epoch": 0.64,
1650
+ "learning_rate": 4.005555555555556e-06,
1651
+ "loss": 0.1042,
1652
+ "step": 6400
1653
+ },
1654
+ {
1655
+ "epoch": 0.64,
1656
+ "learning_rate": 3.977777777777778e-06,
1657
+ "loss": 0.0923,
1658
+ "step": 6425
1659
+ },
1660
+ {
1661
+ "epoch": 0.65,
1662
+ "learning_rate": 3.95e-06,
1663
+ "loss": 0.0957,
1664
+ "step": 6450
1665
+ },
1666
+ {
1667
+ "epoch": 0.65,
1668
+ "learning_rate": 3.922222222222223e-06,
1669
+ "loss": 0.0927,
1670
+ "step": 6475
1671
+ },
1672
+ {
1673
+ "epoch": 0.65,
1674
+ "learning_rate": 3.894444444444444e-06,
1675
+ "loss": 0.0965,
1676
+ "step": 6500
1677
+ },
1678
+ {
1679
+ "epoch": 0.65,
1680
+ "eval_accuracy": 0.9551,
1681
+ "eval_loss": 0.12714883685112,
1682
+ "eval_runtime": 146.7045,
1683
+ "eval_samples_per_second": 68.164,
1684
+ "eval_steps_per_second": 0.375,
1685
+ "step": 6500
1686
+ },
1687
+ {
1688
+ "epoch": 0.65,
1689
+ "learning_rate": 3.866666666666667e-06,
1690
+ "loss": 0.1084,
1691
+ "step": 6525
1692
+ },
1693
+ {
1694
+ "epoch": 0.66,
1695
+ "learning_rate": 3.838888888888889e-06,
1696
+ "loss": 0.1,
1697
+ "step": 6550
1698
+ },
1699
+ {
1700
+ "epoch": 0.66,
1701
+ "learning_rate": 3.8111111111111117e-06,
1702
+ "loss": 0.0976,
1703
+ "step": 6575
1704
+ },
1705
+ {
1706
+ "epoch": 0.66,
1707
+ "learning_rate": 3.7833333333333337e-06,
1708
+ "loss": 0.0974,
1709
+ "step": 6600
1710
+ },
1711
+ {
1712
+ "epoch": 0.66,
1713
+ "learning_rate": 3.7555555555555557e-06,
1714
+ "loss": 0.0927,
1715
+ "step": 6625
1716
+ },
1717
+ {
1718
+ "epoch": 0.67,
1719
+ "learning_rate": 3.727777777777778e-06,
1720
+ "loss": 0.1042,
1721
+ "step": 6650
1722
+ },
1723
+ {
1724
+ "epoch": 0.67,
1725
+ "learning_rate": 3.7e-06,
1726
+ "loss": 0.0954,
1727
+ "step": 6675
1728
+ },
1729
+ {
1730
+ "epoch": 0.67,
1731
+ "learning_rate": 3.6722222222222226e-06,
1732
+ "loss": 0.0904,
1733
+ "step": 6700
1734
+ },
1735
+ {
1736
+ "epoch": 0.67,
1737
+ "learning_rate": 3.644444444444445e-06,
1738
+ "loss": 0.0976,
1739
+ "step": 6725
1740
+ },
1741
+ {
1742
+ "epoch": 0.68,
1743
+ "learning_rate": 3.616666666666667e-06,
1744
+ "loss": 0.0978,
1745
+ "step": 6750
1746
+ },
1747
+ {
1748
+ "epoch": 0.68,
1749
+ "learning_rate": 3.588888888888889e-06,
1750
+ "loss": 0.0975,
1751
+ "step": 6775
1752
+ },
1753
+ {
1754
+ "epoch": 0.68,
1755
+ "learning_rate": 3.561111111111111e-06,
1756
+ "loss": 0.1042,
1757
+ "step": 6800
1758
+ },
1759
+ {
1760
+ "epoch": 0.68,
1761
+ "learning_rate": 3.5333333333333335e-06,
1762
+ "loss": 0.0997,
1763
+ "step": 6825
1764
+ },
1765
+ {
1766
+ "epoch": 0.69,
1767
+ "learning_rate": 3.505555555555556e-06,
1768
+ "loss": 0.0996,
1769
+ "step": 6850
1770
+ },
1771
+ {
1772
+ "epoch": 0.69,
1773
+ "learning_rate": 3.4777777777777784e-06,
1774
+ "loss": 0.1028,
1775
+ "step": 6875
1776
+ },
1777
+ {
1778
+ "epoch": 0.69,
1779
+ "learning_rate": 3.45e-06,
1780
+ "loss": 0.0917,
1781
+ "step": 6900
1782
+ },
1783
+ {
1784
+ "epoch": 0.69,
1785
+ "learning_rate": 3.4222222222222224e-06,
1786
+ "loss": 0.0857,
1787
+ "step": 6925
1788
+ },
1789
+ {
1790
+ "epoch": 0.69,
1791
+ "learning_rate": 3.3944444444444445e-06,
1792
+ "loss": 0.0913,
1793
+ "step": 6950
1794
+ },
1795
+ {
1796
+ "epoch": 0.7,
1797
+ "learning_rate": 3.366666666666667e-06,
1798
+ "loss": 0.0885,
1799
+ "step": 6975
1800
+ },
1801
+ {
1802
+ "epoch": 0.7,
1803
+ "learning_rate": 3.3388888888888893e-06,
1804
+ "loss": 0.1008,
1805
+ "step": 7000
1806
+ },
1807
+ {
1808
+ "epoch": 0.7,
1809
+ "eval_accuracy": 0.9545,
1810
+ "eval_loss": 0.12300202995538712,
1811
+ "eval_runtime": 180.9152,
1812
+ "eval_samples_per_second": 55.275,
1813
+ "eval_steps_per_second": 0.304,
1814
+ "step": 7000
1815
+ },
1816
+ {
1817
+ "epoch": 0.7,
1818
+ "learning_rate": 3.3111111111111118e-06,
1819
+ "loss": 0.1016,
1820
+ "step": 7025
1821
+ },
1822
+ {
1823
+ "epoch": 0.7,
1824
+ "learning_rate": 3.2833333333333334e-06,
1825
+ "loss": 0.0993,
1826
+ "step": 7050
1827
+ },
1828
+ {
1829
+ "epoch": 0.71,
1830
+ "learning_rate": 3.255555555555556e-06,
1831
+ "loss": 0.0938,
1832
+ "step": 7075
1833
+ },
1834
+ {
1835
+ "epoch": 0.71,
1836
+ "learning_rate": 3.227777777777778e-06,
1837
+ "loss": 0.0941,
1838
+ "step": 7100
1839
+ },
1840
+ {
1841
+ "epoch": 0.71,
1842
+ "learning_rate": 3.2000000000000003e-06,
1843
+ "loss": 0.0906,
1844
+ "step": 7125
1845
+ },
1846
+ {
1847
+ "epoch": 0.71,
1848
+ "learning_rate": 3.1722222222222227e-06,
1849
+ "loss": 0.0857,
1850
+ "step": 7150
1851
+ },
1852
+ {
1853
+ "epoch": 0.72,
1854
+ "learning_rate": 3.144444444444445e-06,
1855
+ "loss": 0.0876,
1856
+ "step": 7175
1857
+ },
1858
+ {
1859
+ "epoch": 0.72,
1860
+ "learning_rate": 3.1166666666666668e-06,
1861
+ "loss": 0.089,
1862
+ "step": 7200
1863
+ },
1864
+ {
1865
+ "epoch": 0.72,
1866
+ "learning_rate": 3.088888888888889e-06,
1867
+ "loss": 0.0919,
1868
+ "step": 7225
1869
+ },
1870
+ {
1871
+ "epoch": 0.72,
1872
+ "learning_rate": 3.0611111111111112e-06,
1873
+ "loss": 0.0887,
1874
+ "step": 7250
1875
+ },
1876
+ {
1877
+ "epoch": 0.73,
1878
+ "learning_rate": 3.0333333333333337e-06,
1879
+ "loss": 0.0882,
1880
+ "step": 7275
1881
+ },
1882
+ {
1883
+ "epoch": 0.73,
1884
+ "learning_rate": 3.005555555555556e-06,
1885
+ "loss": 0.0915,
1886
+ "step": 7300
1887
+ },
1888
+ {
1889
+ "epoch": 0.73,
1890
+ "learning_rate": 2.9777777777777777e-06,
1891
+ "loss": 0.0835,
1892
+ "step": 7325
1893
+ },
1894
+ {
1895
+ "epoch": 0.73,
1896
+ "learning_rate": 2.95e-06,
1897
+ "loss": 0.0909,
1898
+ "step": 7350
1899
+ },
1900
+ {
1901
+ "epoch": 0.74,
1902
+ "learning_rate": 2.9222222222222226e-06,
1903
+ "loss": 0.0934,
1904
+ "step": 7375
1905
+ },
1906
+ {
1907
+ "epoch": 0.74,
1908
+ "learning_rate": 2.8944444444444446e-06,
1909
+ "loss": 0.0941,
1910
+ "step": 7400
1911
+ },
1912
+ {
1913
+ "epoch": 0.74,
1914
+ "learning_rate": 2.866666666666667e-06,
1915
+ "loss": 0.0885,
1916
+ "step": 7425
1917
+ },
1918
+ {
1919
+ "epoch": 0.74,
1920
+ "learning_rate": 2.8388888888888895e-06,
1921
+ "loss": 0.0843,
1922
+ "step": 7450
1923
+ },
1924
+ {
1925
+ "epoch": 0.75,
1926
+ "learning_rate": 2.811111111111111e-06,
1927
+ "loss": 0.0894,
1928
+ "step": 7475
1929
+ },
1930
+ {
1931
+ "epoch": 0.75,
1932
+ "learning_rate": 2.7833333333333335e-06,
1933
+ "loss": 0.1005,
1934
+ "step": 7500
1935
+ },
1936
+ {
1937
+ "epoch": 0.75,
1938
+ "eval_accuracy": 0.9566,
1939
+ "eval_loss": 0.1161317378282547,
1940
+ "eval_runtime": 156.7623,
1941
+ "eval_samples_per_second": 63.791,
1942
+ "eval_steps_per_second": 0.351,
1943
+ "step": 7500
1944
+ },
1945
+ {
1946
+ "epoch": 0.75,
1947
+ "learning_rate": 2.755555555555556e-06,
1948
+ "loss": 0.0928,
1949
+ "step": 7525
1950
+ },
1951
+ {
1952
+ "epoch": 0.76,
1953
+ "learning_rate": 2.727777777777778e-06,
1954
+ "loss": 0.0872,
1955
+ "step": 7550
1956
+ },
1957
+ {
1958
+ "epoch": 0.76,
1959
+ "learning_rate": 2.7000000000000004e-06,
1960
+ "loss": 0.0908,
1961
+ "step": 7575
1962
+ },
1963
+ {
1964
+ "epoch": 0.76,
1965
+ "learning_rate": 2.672222222222223e-06,
1966
+ "loss": 0.0889,
1967
+ "step": 7600
1968
+ },
1969
+ {
1970
+ "epoch": 0.76,
1971
+ "learning_rate": 2.6444444444444444e-06,
1972
+ "loss": 0.0902,
1973
+ "step": 7625
1974
+ },
1975
+ {
1976
+ "epoch": 0.77,
1977
+ "learning_rate": 2.616666666666667e-06,
1978
+ "loss": 0.0907,
1979
+ "step": 7650
1980
+ },
1981
+ {
1982
+ "epoch": 0.77,
1983
+ "learning_rate": 2.5888888888888893e-06,
1984
+ "loss": 0.0853,
1985
+ "step": 7675
1986
+ },
1987
+ {
1988
+ "epoch": 0.77,
1989
+ "learning_rate": 2.5611111111111113e-06,
1990
+ "loss": 0.1042,
1991
+ "step": 7700
1992
+ },
1993
+ {
1994
+ "epoch": 0.77,
1995
+ "learning_rate": 2.5333333333333338e-06,
1996
+ "loss": 0.0931,
1997
+ "step": 7725
1998
+ },
1999
+ {
2000
+ "epoch": 0.78,
2001
+ "learning_rate": 2.5055555555555554e-06,
2002
+ "loss": 0.0949,
2003
+ "step": 7750
2004
+ },
2005
+ {
2006
+ "epoch": 0.78,
2007
+ "learning_rate": 2.4777777777777782e-06,
2008
+ "loss": 0.0746,
2009
+ "step": 7775
2010
+ },
2011
+ {
2012
+ "epoch": 0.78,
2013
+ "learning_rate": 2.4500000000000003e-06,
2014
+ "loss": 0.0874,
2015
+ "step": 7800
2016
+ },
2017
+ {
2018
+ "epoch": 0.78,
2019
+ "learning_rate": 2.4222222222222223e-06,
2020
+ "loss": 0.0856,
2021
+ "step": 7825
2022
+ },
2023
+ {
2024
+ "epoch": 0.79,
2025
+ "learning_rate": 2.3944444444444447e-06,
2026
+ "loss": 0.0802,
2027
+ "step": 7850
2028
+ },
2029
+ {
2030
+ "epoch": 0.79,
2031
+ "learning_rate": 2.3666666666666667e-06,
2032
+ "loss": 0.0711,
2033
+ "step": 7875
2034
+ },
2035
+ {
2036
+ "epoch": 0.79,
2037
+ "learning_rate": 2.338888888888889e-06,
2038
+ "loss": 0.0828,
2039
+ "step": 7900
2040
+ },
2041
+ {
2042
+ "epoch": 0.79,
2043
+ "learning_rate": 2.311111111111111e-06,
2044
+ "loss": 0.0852,
2045
+ "step": 7925
2046
+ },
2047
+ {
2048
+ "epoch": 0.8,
2049
+ "learning_rate": 2.2833333333333336e-06,
2050
+ "loss": 0.0823,
2051
+ "step": 7950
2052
+ },
2053
+ {
2054
+ "epoch": 0.8,
2055
+ "learning_rate": 2.2555555555555557e-06,
2056
+ "loss": 0.0853,
2057
+ "step": 7975
2058
+ },
2059
+ {
2060
+ "epoch": 0.8,
2061
+ "learning_rate": 2.2277777777777777e-06,
2062
+ "loss": 0.0868,
2063
+ "step": 8000
2064
+ },
2065
+ {
2066
+ "epoch": 0.8,
2067
+ "eval_accuracy": 0.9543,
2068
+ "eval_loss": 0.12787339091300964,
2069
+ "eval_runtime": 146.1122,
2070
+ "eval_samples_per_second": 68.441,
2071
+ "eval_steps_per_second": 0.376,
2072
+ "step": 8000
2073
+ },
2074
+ {
2075
+ "epoch": 0.8,
2076
+ "learning_rate": 2.2e-06,
2077
+ "loss": 0.0888,
2078
+ "step": 8025
2079
+ },
2080
+ {
2081
+ "epoch": 0.81,
2082
+ "learning_rate": 2.1722222222222226e-06,
2083
+ "loss": 0.089,
2084
+ "step": 8050
2085
+ },
2086
+ {
2087
+ "epoch": 0.81,
2088
+ "learning_rate": 2.1444444444444446e-06,
2089
+ "loss": 0.0798,
2090
+ "step": 8075
2091
+ },
2092
+ {
2093
+ "epoch": 0.81,
2094
+ "learning_rate": 2.116666666666667e-06,
2095
+ "loss": 0.0798,
2096
+ "step": 8100
2097
+ },
2098
+ {
2099
+ "epoch": 0.81,
2100
+ "learning_rate": 2.088888888888889e-06,
2101
+ "loss": 0.0783,
2102
+ "step": 8125
2103
+ },
2104
+ {
2105
+ "epoch": 0.81,
2106
+ "learning_rate": 2.061111111111111e-06,
2107
+ "loss": 0.0872,
2108
+ "step": 8150
2109
+ },
2110
+ {
2111
+ "epoch": 0.82,
2112
+ "learning_rate": 2.0333333333333335e-06,
2113
+ "loss": 0.0756,
2114
+ "step": 8175
2115
+ },
2116
+ {
2117
+ "epoch": 0.82,
2118
+ "learning_rate": 2.0055555555555555e-06,
2119
+ "loss": 0.0891,
2120
+ "step": 8200
2121
+ },
2122
+ {
2123
+ "epoch": 0.82,
2124
+ "learning_rate": 1.977777777777778e-06,
2125
+ "loss": 0.0878,
2126
+ "step": 8225
2127
+ },
2128
+ {
2129
+ "epoch": 0.82,
2130
+ "learning_rate": 1.9500000000000004e-06,
2131
+ "loss": 0.0965,
2132
+ "step": 8250
2133
+ },
2134
+ {
2135
+ "epoch": 0.83,
2136
+ "learning_rate": 1.9222222222222224e-06,
2137
+ "loss": 0.0844,
2138
+ "step": 8275
2139
+ },
2140
+ {
2141
+ "epoch": 0.83,
2142
+ "learning_rate": 1.8944444444444446e-06,
2143
+ "loss": 0.1039,
2144
+ "step": 8300
2145
+ },
2146
+ {
2147
+ "epoch": 0.83,
2148
+ "learning_rate": 1.8666666666666669e-06,
2149
+ "loss": 0.0919,
2150
+ "step": 8325
2151
+ },
2152
+ {
2153
+ "epoch": 0.83,
2154
+ "learning_rate": 1.8388888888888889e-06,
2155
+ "loss": 0.0914,
2156
+ "step": 8350
2157
+ },
2158
+ {
2159
+ "epoch": 0.84,
2160
+ "learning_rate": 1.8111111111111113e-06,
2161
+ "loss": 0.1006,
2162
+ "step": 8375
2163
+ },
2164
+ {
2165
+ "epoch": 0.84,
2166
+ "learning_rate": 1.7833333333333336e-06,
2167
+ "loss": 0.0891,
2168
+ "step": 8400
2169
+ },
2170
+ {
2171
+ "epoch": 0.84,
2172
+ "learning_rate": 1.7555555555555556e-06,
2173
+ "loss": 0.0945,
2174
+ "step": 8425
2175
+ },
2176
+ {
2177
+ "epoch": 0.84,
2178
+ "learning_rate": 1.727777777777778e-06,
2179
+ "loss": 0.0798,
2180
+ "step": 8450
2181
+ },
2182
+ {
2183
+ "epoch": 0.85,
2184
+ "learning_rate": 1.7000000000000002e-06,
2185
+ "loss": 0.0888,
2186
+ "step": 8475
2187
+ },
2188
+ {
2189
+ "epoch": 0.85,
2190
+ "learning_rate": 1.6722222222222223e-06,
2191
+ "loss": 0.0747,
2192
+ "step": 8500
2193
+ },
2194
+ {
2195
+ "epoch": 0.85,
2196
+ "eval_accuracy": 0.9578,
2197
+ "eval_loss": 0.12338610738515854,
2198
+ "eval_runtime": 146.8921,
2199
+ "eval_samples_per_second": 68.077,
2200
+ "eval_steps_per_second": 0.374,
2201
+ "step": 8500
2202
+ },
2203
+ {
2204
+ "epoch": 0.85,
2205
+ "learning_rate": 1.6444444444444447e-06,
2206
+ "loss": 0.084,
2207
+ "step": 8525
2208
+ },
2209
+ {
2210
+ "epoch": 0.85,
2211
+ "learning_rate": 1.6166666666666667e-06,
2212
+ "loss": 0.0764,
2213
+ "step": 8550
2214
+ },
2215
+ {
2216
+ "epoch": 0.86,
2217
+ "learning_rate": 1.588888888888889e-06,
2218
+ "loss": 0.082,
2219
+ "step": 8575
2220
+ },
2221
+ {
2222
+ "epoch": 0.86,
2223
+ "learning_rate": 1.5611111111111114e-06,
2224
+ "loss": 0.0892,
2225
+ "step": 8600
2226
+ },
2227
+ {
2228
+ "epoch": 0.86,
2229
+ "learning_rate": 1.5333333333333334e-06,
2230
+ "loss": 0.0853,
2231
+ "step": 8625
2232
+ },
2233
+ {
2234
+ "epoch": 0.86,
2235
+ "learning_rate": 1.5055555555555556e-06,
2236
+ "loss": 0.0833,
2237
+ "step": 8650
2238
+ },
2239
+ {
2240
+ "epoch": 0.87,
2241
+ "learning_rate": 1.477777777777778e-06,
2242
+ "loss": 0.0917,
2243
+ "step": 8675
2244
+ },
2245
+ {
2246
+ "epoch": 0.87,
2247
+ "learning_rate": 1.45e-06,
2248
+ "loss": 0.0783,
2249
+ "step": 8700
2250
+ },
2251
+ {
2252
+ "epoch": 0.87,
2253
+ "learning_rate": 1.4222222222222223e-06,
2254
+ "loss": 0.0959,
2255
+ "step": 8725
2256
+ },
2257
+ {
2258
+ "epoch": 0.88,
2259
+ "learning_rate": 1.3944444444444446e-06,
2260
+ "loss": 0.0758,
2261
+ "step": 8750
2262
+ },
2263
+ {
2264
+ "epoch": 0.88,
2265
+ "learning_rate": 1.3666666666666668e-06,
2266
+ "loss": 0.0806,
2267
+ "step": 8775
2268
+ },
2269
+ {
2270
+ "epoch": 0.88,
2271
+ "learning_rate": 1.338888888888889e-06,
2272
+ "loss": 0.0808,
2273
+ "step": 8800
2274
+ },
2275
+ {
2276
+ "epoch": 0.88,
2277
+ "learning_rate": 1.3111111111111112e-06,
2278
+ "loss": 0.0808,
2279
+ "step": 8825
2280
+ },
2281
+ {
2282
+ "epoch": 0.89,
2283
+ "learning_rate": 1.2833333333333335e-06,
2284
+ "loss": 0.0805,
2285
+ "step": 8850
2286
+ },
2287
+ {
2288
+ "epoch": 0.89,
2289
+ "learning_rate": 1.2555555555555557e-06,
2290
+ "loss": 0.0822,
2291
+ "step": 8875
2292
+ },
2293
+ {
2294
+ "epoch": 0.89,
2295
+ "learning_rate": 1.227777777777778e-06,
2296
+ "loss": 0.0861,
2297
+ "step": 8900
2298
+ },
2299
+ {
2300
+ "epoch": 0.89,
2301
+ "learning_rate": 1.2000000000000002e-06,
2302
+ "loss": 0.094,
2303
+ "step": 8925
2304
+ },
2305
+ {
2306
+ "epoch": 0.9,
2307
+ "learning_rate": 1.1722222222222224e-06,
2308
+ "loss": 0.0798,
2309
+ "step": 8950
2310
+ },
2311
+ {
2312
+ "epoch": 0.9,
2313
+ "learning_rate": 1.1444444444444446e-06,
2314
+ "loss": 0.0881,
2315
+ "step": 8975
2316
+ },
2317
+ {
2318
+ "epoch": 0.9,
2319
+ "learning_rate": 1.1166666666666666e-06,
2320
+ "loss": 0.1015,
2321
+ "step": 9000
2322
+ },
2323
+ {
2324
+ "epoch": 0.9,
2325
+ "eval_accuracy": 0.9578,
2326
+ "eval_loss": 0.11542944610118866,
2327
+ "eval_runtime": 146.1261,
2328
+ "eval_samples_per_second": 68.434,
2329
+ "eval_steps_per_second": 0.376,
2330
+ "step": 9000
2331
+ },
2332
+ {
2333
+ "epoch": 0.9,
2334
+ "learning_rate": 1.0888888888888889e-06,
2335
+ "loss": 0.0892,
2336
+ "step": 9025
2337
+ },
2338
+ {
2339
+ "epoch": 0.91,
2340
+ "learning_rate": 1.0611111111111113e-06,
2341
+ "loss": 0.0888,
2342
+ "step": 9050
2343
+ },
2344
+ {
2345
+ "epoch": 0.91,
2346
+ "learning_rate": 1.0333333333333333e-06,
2347
+ "loss": 0.0877,
2348
+ "step": 9075
2349
+ },
2350
+ {
2351
+ "epoch": 0.91,
2352
+ "learning_rate": 1.0055555555555556e-06,
2353
+ "loss": 0.1019,
2354
+ "step": 9100
2355
+ },
2356
+ {
2357
+ "epoch": 0.91,
2358
+ "learning_rate": 9.77777777777778e-07,
2359
+ "loss": 0.0959,
2360
+ "step": 9125
2361
+ },
2362
+ {
2363
+ "epoch": 0.92,
2364
+ "learning_rate": 9.500000000000001e-07,
2365
+ "loss": 0.0919,
2366
+ "step": 9150
2367
+ },
2368
+ {
2369
+ "epoch": 0.92,
2370
+ "learning_rate": 9.222222222222222e-07,
2371
+ "loss": 0.0957,
2372
+ "step": 9175
2373
+ },
2374
+ {
2375
+ "epoch": 0.92,
2376
+ "learning_rate": 8.944444444444445e-07,
2377
+ "loss": 0.0943,
2378
+ "step": 9200
2379
+ },
2380
+ {
2381
+ "epoch": 0.92,
2382
+ "learning_rate": 8.666666666666668e-07,
2383
+ "loss": 0.1008,
2384
+ "step": 9225
2385
+ },
2386
+ {
2387
+ "epoch": 0.93,
2388
+ "learning_rate": 8.388888888888889e-07,
2389
+ "loss": 0.0911,
2390
+ "step": 9250
2391
+ },
2392
+ {
2393
+ "epoch": 0.93,
2394
+ "learning_rate": 8.111111111111112e-07,
2395
+ "loss": 0.0967,
2396
+ "step": 9275
2397
+ },
2398
+ {
2399
+ "epoch": 0.93,
2400
+ "learning_rate": 7.833333333333335e-07,
2401
+ "loss": 0.0922,
2402
+ "step": 9300
2403
+ },
2404
+ {
2405
+ "epoch": 0.93,
2406
+ "learning_rate": 7.555555555555556e-07,
2407
+ "loss": 0.0969,
2408
+ "step": 9325
2409
+ },
2410
+ {
2411
+ "epoch": 0.94,
2412
+ "learning_rate": 7.277777777777778e-07,
2413
+ "loss": 0.1004,
2414
+ "step": 9350
2415
+ },
2416
+ {
2417
+ "epoch": 0.94,
2418
+ "learning_rate": 7.000000000000001e-07,
2419
+ "loss": 0.0875,
2420
+ "step": 9375
2421
+ },
2422
+ {
2423
+ "epoch": 0.94,
2424
+ "learning_rate": 6.722222222222223e-07,
2425
+ "loss": 0.0918,
2426
+ "step": 9400
2427
+ },
2428
+ {
2429
+ "epoch": 0.94,
2430
+ "learning_rate": 6.444444444444445e-07,
2431
+ "loss": 0.0946,
2432
+ "step": 9425
2433
+ },
2434
+ {
2435
+ "epoch": 0.94,
2436
+ "learning_rate": 6.166666666666668e-07,
2437
+ "loss": 0.0878,
2438
+ "step": 9450
2439
+ },
2440
+ {
2441
+ "epoch": 0.95,
2442
+ "learning_rate": 5.888888888888889e-07,
2443
+ "loss": 0.0967,
2444
+ "step": 9475
2445
+ },
2446
+ {
2447
+ "epoch": 0.95,
2448
+ "learning_rate": 5.611111111111111e-07,
2449
+ "loss": 0.0973,
2450
+ "step": 9500
2451
+ },
2452
+ {
2453
+ "epoch": 0.95,
2454
+ "eval_accuracy": 0.9573,
2455
+ "eval_loss": 0.12337620556354523,
2456
+ "eval_runtime": 145.4242,
2457
+ "eval_samples_per_second": 68.764,
2458
+ "eval_steps_per_second": 0.378,
2459
+ "step": 9500
2460
+ },
2461
+ {
2462
+ "epoch": 0.95,
2463
+ "learning_rate": 5.333333333333335e-07,
2464
+ "loss": 0.0863,
2465
+ "step": 9525
2466
+ },
2467
+ {
2468
+ "epoch": 0.95,
2469
+ "learning_rate": 5.055555555555556e-07,
2470
+ "loss": 0.0944,
2471
+ "step": 9550
2472
+ },
2473
+ {
2474
+ "epoch": 0.96,
2475
+ "learning_rate": 4.777777777777778e-07,
2476
+ "loss": 0.0927,
2477
+ "step": 9575
2478
+ },
2479
+ {
2480
+ "epoch": 0.96,
2481
+ "learning_rate": 4.5000000000000003e-07,
2482
+ "loss": 0.09,
2483
+ "step": 9600
2484
+ },
2485
+ {
2486
+ "epoch": 0.96,
2487
+ "learning_rate": 4.2222222222222226e-07,
2488
+ "loss": 0.0919,
2489
+ "step": 9625
2490
+ },
2491
+ {
2492
+ "epoch": 0.96,
2493
+ "learning_rate": 3.9444444444444444e-07,
2494
+ "loss": 0.1121,
2495
+ "step": 9650
2496
+ },
2497
+ {
2498
+ "epoch": 0.97,
2499
+ "learning_rate": 3.666666666666667e-07,
2500
+ "loss": 0.0811,
2501
+ "step": 9675
2502
+ },
2503
+ {
2504
+ "epoch": 0.97,
2505
+ "learning_rate": 3.4000000000000003e-07,
2506
+ "loss": 0.1077,
2507
+ "step": 9700
2508
+ },
2509
+ {
2510
+ "epoch": 0.97,
2511
+ "learning_rate": 3.1222222222222226e-07,
2512
+ "loss": 0.093,
2513
+ "step": 9725
2514
+ },
2515
+ {
2516
+ "epoch": 0.97,
2517
+ "learning_rate": 2.844444444444445e-07,
2518
+ "loss": 0.0869,
2519
+ "step": 9750
2520
+ },
2521
+ {
2522
+ "epoch": 0.98,
2523
+ "learning_rate": 2.566666666666667e-07,
2524
+ "loss": 0.1002,
2525
+ "step": 9775
2526
+ },
2527
+ {
2528
+ "epoch": 0.98,
2529
+ "learning_rate": 2.2888888888888892e-07,
2530
+ "loss": 0.0925,
2531
+ "step": 9800
2532
+ },
2533
+ {
2534
+ "epoch": 0.98,
2535
+ "learning_rate": 2.0111111111111112e-07,
2536
+ "loss": 0.087,
2537
+ "step": 9825
2538
+ },
2539
+ {
2540
+ "epoch": 0.98,
2541
+ "learning_rate": 1.7333333333333335e-07,
2542
+ "loss": 0.0909,
2543
+ "step": 9850
2544
+ },
2545
+ {
2546
+ "epoch": 0.99,
2547
+ "learning_rate": 1.4555555555555558e-07,
2548
+ "loss": 0.1016,
2549
+ "step": 9875
2550
+ },
2551
+ {
2552
+ "epoch": 0.99,
2553
+ "learning_rate": 1.1777777777777778e-07,
2554
+ "loss": 0.0943,
2555
+ "step": 9900
2556
+ },
2557
+ {
2558
+ "epoch": 0.99,
2559
+ "learning_rate": 9e-08,
2560
+ "loss": 0.1004,
2561
+ "step": 9925
2562
+ },
2563
+ {
2564
+ "epoch": 0.99,
2565
+ "learning_rate": 6.222222222222223e-08,
2566
+ "loss": 0.099,
2567
+ "step": 9950
2568
+ },
2569
+ {
2570
+ "epoch": 1.0,
2571
+ "learning_rate": 3.4444444444444444e-08,
2572
+ "loss": 0.0976,
2573
+ "step": 9975
2574
+ },
2575
+ {
2576
+ "epoch": 1.0,
2577
+ "learning_rate": 6.666666666666667e-09,
2578
+ "loss": 0.0901,
2579
+ "step": 10000
2580
+ },
2581
+ {
2582
+ "epoch": 1.0,
2583
+ "eval_accuracy": 0.9562,
2584
+ "eval_loss": 0.12256840616464615,
2585
+ "eval_runtime": 150.3828,
2586
+ "eval_samples_per_second": 66.497,
2587
+ "eval_steps_per_second": 0.366,
2588
+ "step": 10000
2589
+ }
2590
+ ],
2591
+ "max_steps": 10000,
2592
+ "num_train_epochs": 9223372036854775807,
2593
+ "total_flos": 2.418844065244224e+17,
2594
+ "trial_name": null,
2595
+ "trial_params": null
2596
+ }
training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:202c7fe46ae36dee00f881f3d2e8ecb66afb40a1f5d2bd0f09838e761908a7d5
3
+ size 2799