mikhail-panzo commited on
Commit
9de2465
1 Parent(s): 531282c

Training in progress, step 6000, checkpoint

Browse files
checkpoint-6000/added_tokens.json ADDED
@@ -0,0 +1,4 @@
 
 
 
 
 
1
+ {
2
+ "<ctc_blank>": 80,
3
+ "<mask>": 79
4
+ }
checkpoint-6000/config.json ADDED
@@ -0,0 +1,92 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "mikhail-panzo/zlm_b64_le4_s12000",
3
+ "activation_dropout": 0.1,
4
+ "apply_spec_augment": true,
5
+ "architectures": [
6
+ "SpeechT5ForTextToSpeech"
7
+ ],
8
+ "attention_dropout": 0.1,
9
+ "bos_token_id": 0,
10
+ "conv_bias": false,
11
+ "conv_dim": [
12
+ 512,
13
+ 512,
14
+ 512,
15
+ 512,
16
+ 512,
17
+ 512,
18
+ 512
19
+ ],
20
+ "conv_kernel": [
21
+ 10,
22
+ 3,
23
+ 3,
24
+ 3,
25
+ 3,
26
+ 2,
27
+ 2
28
+ ],
29
+ "conv_stride": [
30
+ 5,
31
+ 2,
32
+ 2,
33
+ 2,
34
+ 2,
35
+ 2,
36
+ 2
37
+ ],
38
+ "decoder_attention_heads": 12,
39
+ "decoder_ffn_dim": 3072,
40
+ "decoder_layerdrop": 0.1,
41
+ "decoder_layers": 6,
42
+ "decoder_start_token_id": 2,
43
+ "encoder_attention_heads": 12,
44
+ "encoder_ffn_dim": 3072,
45
+ "encoder_layerdrop": 0.1,
46
+ "encoder_layers": 12,
47
+ "encoder_max_relative_position": 160,
48
+ "eos_token_id": 2,
49
+ "feat_extract_activation": "gelu",
50
+ "feat_extract_norm": "group",
51
+ "feat_proj_dropout": 0.0,
52
+ "guided_attention_loss_num_heads": 2,
53
+ "guided_attention_loss_scale": 10.0,
54
+ "guided_attention_loss_sigma": 0.4,
55
+ "hidden_act": "gelu",
56
+ "hidden_dropout": 0.1,
57
+ "hidden_size": 768,
58
+ "initializer_range": 0.02,
59
+ "is_encoder_decoder": true,
60
+ "layer_norm_eps": 1e-05,
61
+ "mask_feature_length": 10,
62
+ "mask_feature_min_masks": 0,
63
+ "mask_feature_prob": 0.0,
64
+ "mask_time_length": 10,
65
+ "mask_time_min_masks": 2,
66
+ "mask_time_prob": 0.05,
67
+ "max_length": 1876,
68
+ "max_speech_positions": 1876,
69
+ "max_text_positions": 600,
70
+ "model_type": "speecht5",
71
+ "num_conv_pos_embedding_groups": 16,
72
+ "num_conv_pos_embeddings": 128,
73
+ "num_feat_extract_layers": 7,
74
+ "num_mel_bins": 80,
75
+ "pad_token_id": 1,
76
+ "positional_dropout": 0.1,
77
+ "reduction_factor": 2,
78
+ "scale_embedding": false,
79
+ "speaker_embedding_dim": 512,
80
+ "speech_decoder_postnet_dropout": 0.5,
81
+ "speech_decoder_postnet_kernel": 5,
82
+ "speech_decoder_postnet_layers": 5,
83
+ "speech_decoder_postnet_units": 256,
84
+ "speech_decoder_prenet_dropout": 0.5,
85
+ "speech_decoder_prenet_layers": 2,
86
+ "speech_decoder_prenet_units": 256,
87
+ "torch_dtype": "float32",
88
+ "transformers_version": "4.41.0.dev0",
89
+ "use_cache": false,
90
+ "use_guided_attention_loss": true,
91
+ "vocab_size": 81
92
+ }
checkpoint-6000/generation_config.json ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_from_model_config": true,
3
+ "bos_token_id": 0,
4
+ "decoder_start_token_id": 2,
5
+ "eos_token_id": 2,
6
+ "max_length": 1876,
7
+ "pad_token_id": 1,
8
+ "transformers_version": "4.41.0.dev0"
9
+ }
checkpoint-6000/model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:71ab2606c60e752c1bd2372d4d9494a335880cd9ee1b751425fbd0686d482464
3
+ size 577789320
checkpoint-6000/optimizer.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:12f077e27db636d5d5bd3e0a8c36a339543f200e92af8e5eed3a81fe98a3ebb7
3
+ size 1155772233
checkpoint-6000/preprocessor_config.json ADDED
@@ -0,0 +1,19 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "do_normalize": false,
3
+ "feature_extractor_type": "SpeechT5FeatureExtractor",
4
+ "feature_size": 1,
5
+ "fmax": 7600,
6
+ "fmin": 80,
7
+ "frame_signal_scale": 1.0,
8
+ "hop_length": 16,
9
+ "mel_floor": 1e-10,
10
+ "num_mel_bins": 80,
11
+ "padding_side": "right",
12
+ "padding_value": 0.0,
13
+ "processor_class": "SpeechT5Processor",
14
+ "reduction_factor": 2,
15
+ "return_attention_mask": true,
16
+ "sampling_rate": 16000,
17
+ "win_function": "hann_window",
18
+ "win_length": 64
19
+ }
checkpoint-6000/rng_state.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:e6f1bf9a562faed8cd3d9c6066b834a8f41582c332e4aebf425937956255d8a8
3
+ size 14244
checkpoint-6000/scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:ea4cdeda39ba2136e592d70ee5cca1961eef743b3307c81d32a1dfebf7fdaaa7
3
+ size 1064
checkpoint-6000/special_tokens_map.json ADDED
@@ -0,0 +1,37 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "bos_token": {
3
+ "content": "<s>",
4
+ "lstrip": false,
5
+ "normalized": false,
6
+ "rstrip": false,
7
+ "single_word": false
8
+ },
9
+ "eos_token": {
10
+ "content": "</s>",
11
+ "lstrip": false,
12
+ "normalized": false,
13
+ "rstrip": false,
14
+ "single_word": false
15
+ },
16
+ "mask_token": {
17
+ "content": "<mask>",
18
+ "lstrip": true,
19
+ "normalized": true,
20
+ "rstrip": false,
21
+ "single_word": false
22
+ },
23
+ "pad_token": {
24
+ "content": "<pad>",
25
+ "lstrip": false,
26
+ "normalized": false,
27
+ "rstrip": false,
28
+ "single_word": false
29
+ },
30
+ "unk_token": {
31
+ "content": "<unk>",
32
+ "lstrip": false,
33
+ "normalized": false,
34
+ "rstrip": false,
35
+ "single_word": false
36
+ }
37
+ }
checkpoint-6000/spm_char.model ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:7fcc48f3e225f627b1641db410ceb0c8649bd2b0c982e150b03f8be3728ab560
3
+ size 238473
checkpoint-6000/tokenizer_config.json ADDED
@@ -0,0 +1,63 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "added_tokens_decoder": {
3
+ "0": {
4
+ "content": "<s>",
5
+ "lstrip": false,
6
+ "normalized": false,
7
+ "rstrip": false,
8
+ "single_word": false,
9
+ "special": true
10
+ },
11
+ "1": {
12
+ "content": "<pad>",
13
+ "lstrip": false,
14
+ "normalized": false,
15
+ "rstrip": false,
16
+ "single_word": false,
17
+ "special": true
18
+ },
19
+ "2": {
20
+ "content": "</s>",
21
+ "lstrip": false,
22
+ "normalized": false,
23
+ "rstrip": false,
24
+ "single_word": false,
25
+ "special": true
26
+ },
27
+ "3": {
28
+ "content": "<unk>",
29
+ "lstrip": false,
30
+ "normalized": false,
31
+ "rstrip": false,
32
+ "single_word": false,
33
+ "special": true
34
+ },
35
+ "79": {
36
+ "content": "<mask>",
37
+ "lstrip": true,
38
+ "normalized": true,
39
+ "rstrip": false,
40
+ "single_word": false,
41
+ "special": true
42
+ },
43
+ "80": {
44
+ "content": "<ctc_blank>",
45
+ "lstrip": false,
46
+ "normalized": true,
47
+ "rstrip": false,
48
+ "single_word": false,
49
+ "special": false
50
+ }
51
+ },
52
+ "bos_token": "<s>",
53
+ "clean_up_tokenization_spaces": true,
54
+ "eos_token": "</s>",
55
+ "mask_token": "<mask>",
56
+ "model_max_length": 600,
57
+ "normalize": false,
58
+ "pad_token": "<pad>",
59
+ "processor_class": "SpeechT5Processor",
60
+ "sp_model_kwargs": {},
61
+ "tokenizer_class": "SpeechT5Tokenizer",
62
+ "unk_token": "<unk>"
63
+ }
checkpoint-6000/trainer_state.json ADDED
@@ -0,0 +1,969 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": 0.41181260347366333,
3
+ "best_model_checkpoint": "mikhail-panzo/zlm-fil_b64_le5_s8000/checkpoint-5000",
4
+ "epoch": 266.6666666666667,
5
+ "eval_steps": 500,
6
+ "global_step": 6000,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 2.2222222222222223,
13
+ "grad_norm": 4.803515434265137,
14
+ "learning_rate": 2.5000000000000004e-07,
15
+ "loss": 0.8968,
16
+ "step": 50
17
+ },
18
+ {
19
+ "epoch": 4.444444444444445,
20
+ "grad_norm": 2.6444506645202637,
21
+ "learning_rate": 5.000000000000001e-07,
22
+ "loss": 0.8539,
23
+ "step": 100
24
+ },
25
+ {
26
+ "epoch": 6.666666666666667,
27
+ "grad_norm": 1.9820537567138672,
28
+ "learning_rate": 7.5e-07,
29
+ "loss": 0.7856,
30
+ "step": 150
31
+ },
32
+ {
33
+ "epoch": 8.88888888888889,
34
+ "grad_norm": 1.2031773328781128,
35
+ "learning_rate": 1.0000000000000002e-06,
36
+ "loss": 0.7306,
37
+ "step": 200
38
+ },
39
+ {
40
+ "epoch": 11.11111111111111,
41
+ "grad_norm": 1.728398084640503,
42
+ "learning_rate": 1.25e-06,
43
+ "loss": 0.6821,
44
+ "step": 250
45
+ },
46
+ {
47
+ "epoch": 13.333333333333334,
48
+ "grad_norm": 1.232366681098938,
49
+ "learning_rate": 1.5e-06,
50
+ "loss": 0.6348,
51
+ "step": 300
52
+ },
53
+ {
54
+ "epoch": 15.555555555555555,
55
+ "grad_norm": 1.4039260149002075,
56
+ "learning_rate": 1.75e-06,
57
+ "loss": 0.5962,
58
+ "step": 350
59
+ },
60
+ {
61
+ "epoch": 17.77777777777778,
62
+ "grad_norm": 1.1848849058151245,
63
+ "learning_rate": 2.0000000000000003e-06,
64
+ "loss": 0.5758,
65
+ "step": 400
66
+ },
67
+ {
68
+ "epoch": 20.0,
69
+ "grad_norm": 0.9365352392196655,
70
+ "learning_rate": 2.25e-06,
71
+ "loss": 0.5636,
72
+ "step": 450
73
+ },
74
+ {
75
+ "epoch": 22.22222222222222,
76
+ "grad_norm": 0.9893051981925964,
77
+ "learning_rate": 2.5e-06,
78
+ "loss": 0.5529,
79
+ "step": 500
80
+ },
81
+ {
82
+ "epoch": 22.22222222222222,
83
+ "eval_loss": 0.4999743402004242,
84
+ "eval_runtime": 6.8701,
85
+ "eval_samples_per_second": 23.144,
86
+ "eval_steps_per_second": 2.911,
87
+ "step": 500
88
+ },
89
+ {
90
+ "epoch": 24.444444444444443,
91
+ "grad_norm": 0.7535696029663086,
92
+ "learning_rate": 2.7500000000000004e-06,
93
+ "loss": 0.5476,
94
+ "step": 550
95
+ },
96
+ {
97
+ "epoch": 26.666666666666668,
98
+ "grad_norm": 0.7487667202949524,
99
+ "learning_rate": 3e-06,
100
+ "loss": 0.536,
101
+ "step": 600
102
+ },
103
+ {
104
+ "epoch": 28.88888888888889,
105
+ "grad_norm": 0.9480589628219604,
106
+ "learning_rate": 3.2500000000000002e-06,
107
+ "loss": 0.5271,
108
+ "step": 650
109
+ },
110
+ {
111
+ "epoch": 31.11111111111111,
112
+ "grad_norm": 1.0027987957000732,
113
+ "learning_rate": 3.5e-06,
114
+ "loss": 0.5202,
115
+ "step": 700
116
+ },
117
+ {
118
+ "epoch": 33.333333333333336,
119
+ "grad_norm": 0.7353075742721558,
120
+ "learning_rate": 3.7500000000000005e-06,
121
+ "loss": 0.5128,
122
+ "step": 750
123
+ },
124
+ {
125
+ "epoch": 35.55555555555556,
126
+ "grad_norm": 1.2223567962646484,
127
+ "learning_rate": 4.000000000000001e-06,
128
+ "loss": 0.5159,
129
+ "step": 800
130
+ },
131
+ {
132
+ "epoch": 37.77777777777778,
133
+ "grad_norm": 0.835096001625061,
134
+ "learning_rate": 4.25e-06,
135
+ "loss": 0.5051,
136
+ "step": 850
137
+ },
138
+ {
139
+ "epoch": 40.0,
140
+ "grad_norm": 0.8878389000892639,
141
+ "learning_rate": 4.5e-06,
142
+ "loss": 0.5044,
143
+ "step": 900
144
+ },
145
+ {
146
+ "epoch": 42.22222222222222,
147
+ "grad_norm": 0.8464574813842773,
148
+ "learning_rate": 4.75e-06,
149
+ "loss": 0.4984,
150
+ "step": 950
151
+ },
152
+ {
153
+ "epoch": 44.44444444444444,
154
+ "grad_norm": 0.8119956254959106,
155
+ "learning_rate": 5e-06,
156
+ "loss": 0.4974,
157
+ "step": 1000
158
+ },
159
+ {
160
+ "epoch": 44.44444444444444,
161
+ "eval_loss": 0.4557439386844635,
162
+ "eval_runtime": 6.6345,
163
+ "eval_samples_per_second": 23.965,
164
+ "eval_steps_per_second": 3.015,
165
+ "step": 1000
166
+ },
167
+ {
168
+ "epoch": 46.666666666666664,
169
+ "grad_norm": 1.2427846193313599,
170
+ "learning_rate": 5.2500000000000006e-06,
171
+ "loss": 0.4943,
172
+ "step": 1050
173
+ },
174
+ {
175
+ "epoch": 48.888888888888886,
176
+ "grad_norm": 0.9691639542579651,
177
+ "learning_rate": 5.500000000000001e-06,
178
+ "loss": 0.4879,
179
+ "step": 1100
180
+ },
181
+ {
182
+ "epoch": 51.111111111111114,
183
+ "grad_norm": 0.815934419631958,
184
+ "learning_rate": 5.75e-06,
185
+ "loss": 0.4825,
186
+ "step": 1150
187
+ },
188
+ {
189
+ "epoch": 53.333333333333336,
190
+ "grad_norm": 1.090553641319275,
191
+ "learning_rate": 6e-06,
192
+ "loss": 0.4875,
193
+ "step": 1200
194
+ },
195
+ {
196
+ "epoch": 55.55555555555556,
197
+ "grad_norm": 1.090770959854126,
198
+ "learning_rate": 6.25e-06,
199
+ "loss": 0.4821,
200
+ "step": 1250
201
+ },
202
+ {
203
+ "epoch": 57.77777777777778,
204
+ "grad_norm": 1.2514219284057617,
205
+ "learning_rate": 6.5000000000000004e-06,
206
+ "loss": 0.4752,
207
+ "step": 1300
208
+ },
209
+ {
210
+ "epoch": 60.0,
211
+ "grad_norm": 1.0580047369003296,
212
+ "learning_rate": 6.750000000000001e-06,
213
+ "loss": 0.4749,
214
+ "step": 1350
215
+ },
216
+ {
217
+ "epoch": 62.22222222222222,
218
+ "grad_norm": 1.2864220142364502,
219
+ "learning_rate": 7e-06,
220
+ "loss": 0.4727,
221
+ "step": 1400
222
+ },
223
+ {
224
+ "epoch": 64.44444444444444,
225
+ "grad_norm": 1.0031774044036865,
226
+ "learning_rate": 7.25e-06,
227
+ "loss": 0.4706,
228
+ "step": 1450
229
+ },
230
+ {
231
+ "epoch": 66.66666666666667,
232
+ "grad_norm": 0.7133861184120178,
233
+ "learning_rate": 7.500000000000001e-06,
234
+ "loss": 0.4716,
235
+ "step": 1500
236
+ },
237
+ {
238
+ "epoch": 66.66666666666667,
239
+ "eval_loss": 0.43592509627342224,
240
+ "eval_runtime": 6.6514,
241
+ "eval_samples_per_second": 23.905,
242
+ "eval_steps_per_second": 3.007,
243
+ "step": 1500
244
+ },
245
+ {
246
+ "epoch": 68.88888888888889,
247
+ "grad_norm": 0.8695252537727356,
248
+ "learning_rate": 7.75e-06,
249
+ "loss": 0.464,
250
+ "step": 1550
251
+ },
252
+ {
253
+ "epoch": 71.11111111111111,
254
+ "grad_norm": 2.2705039978027344,
255
+ "learning_rate": 8.000000000000001e-06,
256
+ "loss": 0.4677,
257
+ "step": 1600
258
+ },
259
+ {
260
+ "epoch": 73.33333333333333,
261
+ "grad_norm": 0.8814280033111572,
262
+ "learning_rate": 8.25e-06,
263
+ "loss": 0.4628,
264
+ "step": 1650
265
+ },
266
+ {
267
+ "epoch": 75.55555555555556,
268
+ "grad_norm": 0.6686401963233948,
269
+ "learning_rate": 8.5e-06,
270
+ "loss": 0.4642,
271
+ "step": 1700
272
+ },
273
+ {
274
+ "epoch": 77.77777777777777,
275
+ "grad_norm": 1.1037653684616089,
276
+ "learning_rate": 8.750000000000001e-06,
277
+ "loss": 0.4582,
278
+ "step": 1750
279
+ },
280
+ {
281
+ "epoch": 80.0,
282
+ "grad_norm": 1.0339733362197876,
283
+ "learning_rate": 9e-06,
284
+ "loss": 0.4595,
285
+ "step": 1800
286
+ },
287
+ {
288
+ "epoch": 82.22222222222223,
289
+ "grad_norm": 0.715323269367218,
290
+ "learning_rate": 9.250000000000001e-06,
291
+ "loss": 0.4621,
292
+ "step": 1850
293
+ },
294
+ {
295
+ "epoch": 84.44444444444444,
296
+ "grad_norm": 0.872926652431488,
297
+ "learning_rate": 9.5e-06,
298
+ "loss": 0.4553,
299
+ "step": 1900
300
+ },
301
+ {
302
+ "epoch": 86.66666666666667,
303
+ "grad_norm": 0.8996181488037109,
304
+ "learning_rate": 9.75e-06,
305
+ "loss": 0.4528,
306
+ "step": 1950
307
+ },
308
+ {
309
+ "epoch": 88.88888888888889,
310
+ "grad_norm": 1.3289371728897095,
311
+ "learning_rate": 1e-05,
312
+ "loss": 0.453,
313
+ "step": 2000
314
+ },
315
+ {
316
+ "epoch": 88.88888888888889,
317
+ "eval_loss": 0.4245700240135193,
318
+ "eval_runtime": 6.6886,
319
+ "eval_samples_per_second": 23.772,
320
+ "eval_steps_per_second": 2.99,
321
+ "step": 2000
322
+ },
323
+ {
324
+ "epoch": 91.11111111111111,
325
+ "grad_norm": 0.9035242795944214,
326
+ "learning_rate": 9.916666666666668e-06,
327
+ "loss": 0.4504,
328
+ "step": 2050
329
+ },
330
+ {
331
+ "epoch": 93.33333333333333,
332
+ "grad_norm": 1.091410756111145,
333
+ "learning_rate": 9.833333333333333e-06,
334
+ "loss": 0.4528,
335
+ "step": 2100
336
+ },
337
+ {
338
+ "epoch": 95.55555555555556,
339
+ "grad_norm": 0.7232839465141296,
340
+ "learning_rate": 9.75e-06,
341
+ "loss": 0.4481,
342
+ "step": 2150
343
+ },
344
+ {
345
+ "epoch": 97.77777777777777,
346
+ "grad_norm": 0.9006613492965698,
347
+ "learning_rate": 9.666666666666667e-06,
348
+ "loss": 0.444,
349
+ "step": 2200
350
+ },
351
+ {
352
+ "epoch": 100.0,
353
+ "grad_norm": 0.9088640809059143,
354
+ "learning_rate": 9.583333333333335e-06,
355
+ "loss": 0.4445,
356
+ "step": 2250
357
+ },
358
+ {
359
+ "epoch": 102.22222222222223,
360
+ "grad_norm": 1.2409088611602783,
361
+ "learning_rate": 9.5e-06,
362
+ "loss": 0.4457,
363
+ "step": 2300
364
+ },
365
+ {
366
+ "epoch": 104.44444444444444,
367
+ "grad_norm": 0.749260663986206,
368
+ "learning_rate": 9.416666666666667e-06,
369
+ "loss": 0.4453,
370
+ "step": 2350
371
+ },
372
+ {
373
+ "epoch": 106.66666666666667,
374
+ "grad_norm": 0.7552911639213562,
375
+ "learning_rate": 9.333333333333334e-06,
376
+ "loss": 0.4402,
377
+ "step": 2400
378
+ },
379
+ {
380
+ "epoch": 108.88888888888889,
381
+ "grad_norm": 1.0751075744628906,
382
+ "learning_rate": 9.250000000000001e-06,
383
+ "loss": 0.4417,
384
+ "step": 2450
385
+ },
386
+ {
387
+ "epoch": 111.11111111111111,
388
+ "grad_norm": 0.8774231672286987,
389
+ "learning_rate": 9.166666666666666e-06,
390
+ "loss": 0.4428,
391
+ "step": 2500
392
+ },
393
+ {
394
+ "epoch": 111.11111111111111,
395
+ "eval_loss": 0.41958874464035034,
396
+ "eval_runtime": 6.7008,
397
+ "eval_samples_per_second": 23.728,
398
+ "eval_steps_per_second": 2.985,
399
+ "step": 2500
400
+ },
401
+ {
402
+ "epoch": 113.33333333333333,
403
+ "grad_norm": 1.3239281177520752,
404
+ "learning_rate": 9.083333333333333e-06,
405
+ "loss": 0.4399,
406
+ "step": 2550
407
+ },
408
+ {
409
+ "epoch": 115.55555555555556,
410
+ "grad_norm": 0.9855658411979675,
411
+ "learning_rate": 9e-06,
412
+ "loss": 0.4376,
413
+ "step": 2600
414
+ },
415
+ {
416
+ "epoch": 117.77777777777777,
417
+ "grad_norm": 0.9498355984687805,
418
+ "learning_rate": 8.916666666666667e-06,
419
+ "loss": 0.4427,
420
+ "step": 2650
421
+ },
422
+ {
423
+ "epoch": 120.0,
424
+ "grad_norm": 1.3080662488937378,
425
+ "learning_rate": 8.833333333333334e-06,
426
+ "loss": 0.437,
427
+ "step": 2700
428
+ },
429
+ {
430
+ "epoch": 122.22222222222223,
431
+ "grad_norm": 0.6745712757110596,
432
+ "learning_rate": 8.750000000000001e-06,
433
+ "loss": 0.4405,
434
+ "step": 2750
435
+ },
436
+ {
437
+ "epoch": 124.44444444444444,
438
+ "grad_norm": 1.136643409729004,
439
+ "learning_rate": 8.666666666666668e-06,
440
+ "loss": 0.4329,
441
+ "step": 2800
442
+ },
443
+ {
444
+ "epoch": 126.66666666666667,
445
+ "grad_norm": 0.8538027405738831,
446
+ "learning_rate": 8.583333333333333e-06,
447
+ "loss": 0.4313,
448
+ "step": 2850
449
+ },
450
+ {
451
+ "epoch": 128.88888888888889,
452
+ "grad_norm": 0.8776795268058777,
453
+ "learning_rate": 8.5e-06,
454
+ "loss": 0.43,
455
+ "step": 2900
456
+ },
457
+ {
458
+ "epoch": 131.11111111111111,
459
+ "grad_norm": 0.987410306930542,
460
+ "learning_rate": 8.416666666666667e-06,
461
+ "loss": 0.4346,
462
+ "step": 2950
463
+ },
464
+ {
465
+ "epoch": 133.33333333333334,
466
+ "grad_norm": 1.061345100402832,
467
+ "learning_rate": 8.333333333333334e-06,
468
+ "loss": 0.4332,
469
+ "step": 3000
470
+ },
471
+ {
472
+ "epoch": 133.33333333333334,
473
+ "eval_loss": 0.4170692563056946,
474
+ "eval_runtime": 6.8806,
475
+ "eval_samples_per_second": 23.108,
476
+ "eval_steps_per_second": 2.907,
477
+ "step": 3000
478
+ },
479
+ {
480
+ "epoch": 135.55555555555554,
481
+ "grad_norm": 0.9580554962158203,
482
+ "learning_rate": 8.25e-06,
483
+ "loss": 0.4344,
484
+ "step": 3050
485
+ },
486
+ {
487
+ "epoch": 137.77777777777777,
488
+ "grad_norm": 0.8951635956764221,
489
+ "learning_rate": 8.166666666666668e-06,
490
+ "loss": 0.4303,
491
+ "step": 3100
492
+ },
493
+ {
494
+ "epoch": 140.0,
495
+ "grad_norm": 1.0797936916351318,
496
+ "learning_rate": 8.083333333333334e-06,
497
+ "loss": 0.4331,
498
+ "step": 3150
499
+ },
500
+ {
501
+ "epoch": 142.22222222222223,
502
+ "grad_norm": 1.1288533210754395,
503
+ "learning_rate": 8.000000000000001e-06,
504
+ "loss": 0.425,
505
+ "step": 3200
506
+ },
507
+ {
508
+ "epoch": 144.44444444444446,
509
+ "grad_norm": 0.9219405055046082,
510
+ "learning_rate": 7.916666666666667e-06,
511
+ "loss": 0.4335,
512
+ "step": 3250
513
+ },
514
+ {
515
+ "epoch": 146.66666666666666,
516
+ "grad_norm": 0.8145209550857544,
517
+ "learning_rate": 7.833333333333333e-06,
518
+ "loss": 0.4249,
519
+ "step": 3300
520
+ },
521
+ {
522
+ "epoch": 148.88888888888889,
523
+ "grad_norm": 0.7597942352294922,
524
+ "learning_rate": 7.75e-06,
525
+ "loss": 0.4284,
526
+ "step": 3350
527
+ },
528
+ {
529
+ "epoch": 151.11111111111111,
530
+ "grad_norm": 1.0502862930297852,
531
+ "learning_rate": 7.666666666666667e-06,
532
+ "loss": 0.4285,
533
+ "step": 3400
534
+ },
535
+ {
536
+ "epoch": 153.33333333333334,
537
+ "grad_norm": 0.9932737350463867,
538
+ "learning_rate": 7.583333333333333e-06,
539
+ "loss": 0.4263,
540
+ "step": 3450
541
+ },
542
+ {
543
+ "epoch": 155.55555555555554,
544
+ "grad_norm": 0.9701213836669922,
545
+ "learning_rate": 7.500000000000001e-06,
546
+ "loss": 0.4246,
547
+ "step": 3500
548
+ },
549
+ {
550
+ "epoch": 155.55555555555554,
551
+ "eval_loss": 0.41539278626441956,
552
+ "eval_runtime": 6.9499,
553
+ "eval_samples_per_second": 22.878,
554
+ "eval_steps_per_second": 2.878,
555
+ "step": 3500
556
+ },
557
+ {
558
+ "epoch": 157.77777777777777,
559
+ "grad_norm": 1.0768437385559082,
560
+ "learning_rate": 7.416666666666668e-06,
561
+ "loss": 0.4252,
562
+ "step": 3550
563
+ },
564
+ {
565
+ "epoch": 160.0,
566
+ "grad_norm": 0.7991815805435181,
567
+ "learning_rate": 7.333333333333333e-06,
568
+ "loss": 0.4219,
569
+ "step": 3600
570
+ },
571
+ {
572
+ "epoch": 162.22222222222223,
573
+ "grad_norm": 1.1402180194854736,
574
+ "learning_rate": 7.25e-06,
575
+ "loss": 0.4247,
576
+ "step": 3650
577
+ },
578
+ {
579
+ "epoch": 164.44444444444446,
580
+ "grad_norm": 0.8970450758934021,
581
+ "learning_rate": 7.166666666666667e-06,
582
+ "loss": 0.4252,
583
+ "step": 3700
584
+ },
585
+ {
586
+ "epoch": 166.66666666666666,
587
+ "grad_norm": 0.733568549156189,
588
+ "learning_rate": 7.083333333333335e-06,
589
+ "loss": 0.4238,
590
+ "step": 3750
591
+ },
592
+ {
593
+ "epoch": 168.88888888888889,
594
+ "grad_norm": 1.1045589447021484,
595
+ "learning_rate": 7e-06,
596
+ "loss": 0.4275,
597
+ "step": 3800
598
+ },
599
+ {
600
+ "epoch": 171.11111111111111,
601
+ "grad_norm": 1.0485199689865112,
602
+ "learning_rate": 6.916666666666667e-06,
603
+ "loss": 0.4295,
604
+ "step": 3850
605
+ },
606
+ {
607
+ "epoch": 173.33333333333334,
608
+ "grad_norm": 0.9441601634025574,
609
+ "learning_rate": 6.833333333333334e-06,
610
+ "loss": 0.4206,
611
+ "step": 3900
612
+ },
613
+ {
614
+ "epoch": 175.55555555555554,
615
+ "grad_norm": 0.7985955476760864,
616
+ "learning_rate": 6.750000000000001e-06,
617
+ "loss": 0.4263,
618
+ "step": 3950
619
+ },
620
+ {
621
+ "epoch": 177.77777777777777,
622
+ "grad_norm": 0.6838188171386719,
623
+ "learning_rate": 6.666666666666667e-06,
624
+ "loss": 0.4202,
625
+ "step": 4000
626
+ },
627
+ {
628
+ "epoch": 177.77777777777777,
629
+ "eval_loss": 0.41334837675094604,
630
+ "eval_runtime": 6.7658,
631
+ "eval_samples_per_second": 23.5,
632
+ "eval_steps_per_second": 2.956,
633
+ "step": 4000
634
+ },
635
+ {
636
+ "epoch": 180.0,
637
+ "grad_norm": 1.0729726552963257,
638
+ "learning_rate": 6.5833333333333335e-06,
639
+ "loss": 0.4218,
640
+ "step": 4050
641
+ },
642
+ {
643
+ "epoch": 182.22222222222223,
644
+ "grad_norm": 0.8395955562591553,
645
+ "learning_rate": 6.5000000000000004e-06,
646
+ "loss": 0.4172,
647
+ "step": 4100
648
+ },
649
+ {
650
+ "epoch": 184.44444444444446,
651
+ "grad_norm": 0.7987414002418518,
652
+ "learning_rate": 6.416666666666667e-06,
653
+ "loss": 0.4222,
654
+ "step": 4150
655
+ },
656
+ {
657
+ "epoch": 186.66666666666666,
658
+ "grad_norm": 0.7480828762054443,
659
+ "learning_rate": 6.333333333333333e-06,
660
+ "loss": 0.4178,
661
+ "step": 4200
662
+ },
663
+ {
664
+ "epoch": 188.88888888888889,
665
+ "grad_norm": 1.003481149673462,
666
+ "learning_rate": 6.25e-06,
667
+ "loss": 0.4183,
668
+ "step": 4250
669
+ },
670
+ {
671
+ "epoch": 191.11111111111111,
672
+ "grad_norm": 1.080949306488037,
673
+ "learning_rate": 6.168333333333334e-06,
674
+ "loss": 0.4207,
675
+ "step": 4300
676
+ },
677
+ {
678
+ "epoch": 193.33333333333334,
679
+ "grad_norm": 1.0521224737167358,
680
+ "learning_rate": 6.085000000000001e-06,
681
+ "loss": 0.4186,
682
+ "step": 4350
683
+ },
684
+ {
685
+ "epoch": 195.55555555555554,
686
+ "grad_norm": 0.9048583507537842,
687
+ "learning_rate": 6.001666666666667e-06,
688
+ "loss": 0.418,
689
+ "step": 4400
690
+ },
691
+ {
692
+ "epoch": 197.77777777777777,
693
+ "grad_norm": 1.4653879404067993,
694
+ "learning_rate": 5.918333333333334e-06,
695
+ "loss": 0.414,
696
+ "step": 4450
697
+ },
698
+ {
699
+ "epoch": 200.0,
700
+ "grad_norm": 1.5214589834213257,
701
+ "learning_rate": 5.835000000000001e-06,
702
+ "loss": 0.4223,
703
+ "step": 4500
704
+ },
705
+ {
706
+ "epoch": 200.0,
707
+ "eval_loss": 0.41453027725219727,
708
+ "eval_runtime": 6.6498,
709
+ "eval_samples_per_second": 23.91,
710
+ "eval_steps_per_second": 3.008,
711
+ "step": 4500
712
+ },
713
+ {
714
+ "epoch": 202.22222222222223,
715
+ "grad_norm": 1.1058125495910645,
716
+ "learning_rate": 5.751666666666668e-06,
717
+ "loss": 0.4164,
718
+ "step": 4550
719
+ },
720
+ {
721
+ "epoch": 204.44444444444446,
722
+ "grad_norm": 0.8250144124031067,
723
+ "learning_rate": 5.668333333333334e-06,
724
+ "loss": 0.418,
725
+ "step": 4600
726
+ },
727
+ {
728
+ "epoch": 206.66666666666666,
729
+ "grad_norm": 0.710696816444397,
730
+ "learning_rate": 5.585000000000001e-06,
731
+ "loss": 0.4195,
732
+ "step": 4650
733
+ },
734
+ {
735
+ "epoch": 208.88888888888889,
736
+ "grad_norm": 0.8722075819969177,
737
+ "learning_rate": 5.501666666666668e-06,
738
+ "loss": 0.4127,
739
+ "step": 4700
740
+ },
741
+ {
742
+ "epoch": 211.11111111111111,
743
+ "grad_norm": 1.548494815826416,
744
+ "learning_rate": 5.418333333333333e-06,
745
+ "loss": 0.4175,
746
+ "step": 4750
747
+ },
748
+ {
749
+ "epoch": 213.33333333333334,
750
+ "grad_norm": 1.0577216148376465,
751
+ "learning_rate": 5.335000000000001e-06,
752
+ "loss": 0.4142,
753
+ "step": 4800
754
+ },
755
+ {
756
+ "epoch": 215.55555555555554,
757
+ "grad_norm": 0.8775042295455933,
758
+ "learning_rate": 5.2516666666666675e-06,
759
+ "loss": 0.4185,
760
+ "step": 4850
761
+ },
762
+ {
763
+ "epoch": 217.77777777777777,
764
+ "grad_norm": 0.8470151424407959,
765
+ "learning_rate": 5.168333333333334e-06,
766
+ "loss": 0.4107,
767
+ "step": 4900
768
+ },
769
+ {
770
+ "epoch": 220.0,
771
+ "grad_norm": 0.9309485554695129,
772
+ "learning_rate": 5.085e-06,
773
+ "loss": 0.4138,
774
+ "step": 4950
775
+ },
776
+ {
777
+ "epoch": 222.22222222222223,
778
+ "grad_norm": 0.7797917127609253,
779
+ "learning_rate": 5.0016666666666665e-06,
780
+ "loss": 0.4127,
781
+ "step": 5000
782
+ },
783
+ {
784
+ "epoch": 222.22222222222223,
785
+ "eval_loss": 0.41181260347366333,
786
+ "eval_runtime": 6.6484,
787
+ "eval_samples_per_second": 23.915,
788
+ "eval_steps_per_second": 3.008,
789
+ "step": 5000
790
+ },
791
+ {
792
+ "epoch": 224.44444444444446,
793
+ "grad_norm": 0.7094744443893433,
794
+ "learning_rate": 4.918333333333334e-06,
795
+ "loss": 0.418,
796
+ "step": 5050
797
+ },
798
+ {
799
+ "epoch": 226.66666666666666,
800
+ "grad_norm": 0.798126220703125,
801
+ "learning_rate": 4.835e-06,
802
+ "loss": 0.4099,
803
+ "step": 5100
804
+ },
805
+ {
806
+ "epoch": 228.88888888888889,
807
+ "grad_norm": 0.8107690811157227,
808
+ "learning_rate": 4.751666666666667e-06,
809
+ "loss": 0.4115,
810
+ "step": 5150
811
+ },
812
+ {
813
+ "epoch": 231.11111111111111,
814
+ "grad_norm": 0.9693463444709778,
815
+ "learning_rate": 4.668333333333333e-06,
816
+ "loss": 0.4096,
817
+ "step": 5200
818
+ },
819
+ {
820
+ "epoch": 233.33333333333334,
821
+ "grad_norm": 0.6815030574798584,
822
+ "learning_rate": 4.585e-06,
823
+ "loss": 0.416,
824
+ "step": 5250
825
+ },
826
+ {
827
+ "epoch": 235.55555555555554,
828
+ "grad_norm": 0.9453757405281067,
829
+ "learning_rate": 4.501666666666667e-06,
830
+ "loss": 0.412,
831
+ "step": 5300
832
+ },
833
+ {
834
+ "epoch": 237.77777777777777,
835
+ "grad_norm": 0.744594395160675,
836
+ "learning_rate": 4.418333333333334e-06,
837
+ "loss": 0.41,
838
+ "step": 5350
839
+ },
840
+ {
841
+ "epoch": 240.0,
842
+ "grad_norm": 0.7826279401779175,
843
+ "learning_rate": 4.335e-06,
844
+ "loss": 0.4174,
845
+ "step": 5400
846
+ },
847
+ {
848
+ "epoch": 242.22222222222223,
849
+ "grad_norm": 0.8793866634368896,
850
+ "learning_rate": 4.253333333333334e-06,
851
+ "loss": 0.4189,
852
+ "step": 5450
853
+ },
854
+ {
855
+ "epoch": 244.44444444444446,
856
+ "grad_norm": 0.7588925361633301,
857
+ "learning_rate": 4.17e-06,
858
+ "loss": 0.418,
859
+ "step": 5500
860
+ },
861
+ {
862
+ "epoch": 244.44444444444446,
863
+ "eval_loss": 0.41301560401916504,
864
+ "eval_runtime": 6.6915,
865
+ "eval_samples_per_second": 23.761,
866
+ "eval_steps_per_second": 2.989,
867
+ "step": 5500
868
+ },
869
+ {
870
+ "epoch": 246.66666666666666,
871
+ "grad_norm": 0.8483109474182129,
872
+ "learning_rate": 4.086666666666667e-06,
873
+ "loss": 0.4118,
874
+ "step": 5550
875
+ },
876
+ {
877
+ "epoch": 248.88888888888889,
878
+ "grad_norm": 0.7174404263496399,
879
+ "learning_rate": 4.003333333333334e-06,
880
+ "loss": 0.4119,
881
+ "step": 5600
882
+ },
883
+ {
884
+ "epoch": 251.11111111111111,
885
+ "grad_norm": 0.7293265461921692,
886
+ "learning_rate": 3.920000000000001e-06,
887
+ "loss": 0.4121,
888
+ "step": 5650
889
+ },
890
+ {
891
+ "epoch": 253.33333333333334,
892
+ "grad_norm": 0.7109299898147583,
893
+ "learning_rate": 3.836666666666667e-06,
894
+ "loss": 0.4114,
895
+ "step": 5700
896
+ },
897
+ {
898
+ "epoch": 255.55555555555554,
899
+ "grad_norm": 0.8040355443954468,
900
+ "learning_rate": 3.753333333333334e-06,
901
+ "loss": 0.4116,
902
+ "step": 5750
903
+ },
904
+ {
905
+ "epoch": 257.77777777777777,
906
+ "grad_norm": 1.5440824031829834,
907
+ "learning_rate": 3.6700000000000004e-06,
908
+ "loss": 0.4135,
909
+ "step": 5800
910
+ },
911
+ {
912
+ "epoch": 260.0,
913
+ "grad_norm": 1.081014633178711,
914
+ "learning_rate": 3.5866666666666673e-06,
915
+ "loss": 0.4156,
916
+ "step": 5850
917
+ },
918
+ {
919
+ "epoch": 262.22222222222223,
920
+ "grad_norm": 0.9005671143531799,
921
+ "learning_rate": 3.5033333333333334e-06,
922
+ "loss": 0.4113,
923
+ "step": 5900
924
+ },
925
+ {
926
+ "epoch": 264.44444444444446,
927
+ "grad_norm": 0.6594197750091553,
928
+ "learning_rate": 3.4200000000000007e-06,
929
+ "loss": 0.4071,
930
+ "step": 5950
931
+ },
932
+ {
933
+ "epoch": 266.6666666666667,
934
+ "grad_norm": 0.7558822631835938,
935
+ "learning_rate": 3.3366666666666668e-06,
936
+ "loss": 0.4137,
937
+ "step": 6000
938
+ },
939
+ {
940
+ "epoch": 266.6666666666667,
941
+ "eval_loss": 0.4130330979824066,
942
+ "eval_runtime": 6.654,
943
+ "eval_samples_per_second": 23.895,
944
+ "eval_steps_per_second": 3.006,
945
+ "step": 6000
946
+ }
947
+ ],
948
+ "logging_steps": 50,
949
+ "max_steps": 8000,
950
+ "num_input_tokens_seen": 0,
951
+ "num_train_epochs": 364,
952
+ "save_steps": 500,
953
+ "stateful_callbacks": {
954
+ "TrainerControl": {
955
+ "args": {
956
+ "should_epoch_stop": false,
957
+ "should_evaluate": false,
958
+ "should_log": false,
959
+ "should_save": true,
960
+ "should_training_stop": false
961
+ },
962
+ "attributes": {}
963
+ }
964
+ },
965
+ "total_flos": 8.730043666157088e+16,
966
+ "train_batch_size": 32,
967
+ "trial_name": null,
968
+ "trial_params": null
969
+ }
checkpoint-6000/training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:ad4496fb86a719121d50f59f5a3033b349102dc8db9bac2fc6b307af92943070
3
+ size 5304