sedrickkeh commited on
Commit
3ddb93f
1 Parent(s): d9187be

End of training

Browse files
README.md CHANGED
@@ -4,6 +4,7 @@ license: apache-2.0
4
  base_model: mistralai/Mistral-7B-v0.1
5
  tags:
6
  - llama-factory
 
7
  - generated_from_trainer
8
  model-index:
9
  - name: dcft-orca-agentinstruct-1M-v1-cleaned_mistral
@@ -15,7 +16,7 @@ should probably proofread and complete it, then remove this comment. -->
15
 
16
  # dcft-orca-agentinstruct-1M-v1-cleaned_mistral
17
 
18
- This model is a fine-tuned version of [mistralai/Mistral-7B-v0.1](https://huggingface.co/mistralai/Mistral-7B-v0.1) on an unknown dataset.
19
  It achieves the following results on the evaluation set:
20
  - Loss: 0.4468
21
 
 
4
  base_model: mistralai/Mistral-7B-v0.1
5
  tags:
6
  - llama-factory
7
+ - full
8
  - generated_from_trainer
9
  model-index:
10
  - name: dcft-orca-agentinstruct-1M-v1-cleaned_mistral
 
16
 
17
  # dcft-orca-agentinstruct-1M-v1-cleaned_mistral
18
 
19
+ This model is a fine-tuned version of [mistralai/Mistral-7B-v0.1](https://huggingface.co/mistralai/Mistral-7B-v0.1) on the mlfoundations-dev/dcft-orca-agentinstruct-1M-v1-cleaned dataset.
20
  It achieves the following results on the evaluation set:
21
  - Loss: 0.4468
22
 
all_results.json ADDED
@@ -0,0 +1,12 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 2.998551424432641,
3
+ "eval_loss": 0.4467960000038147,
4
+ "eval_runtime": 180.8976,
5
+ "eval_samples_per_second": 154.248,
6
+ "eval_steps_per_second": 0.603,
7
+ "total_flos": 5200153128468480.0,
8
+ "train_loss": 0.3273588392085691,
9
+ "train_runtime": 26340.0491,
10
+ "train_samples_per_second": 60.381,
11
+ "train_steps_per_second": 0.118
12
+ }
eval_results.json ADDED
@@ -0,0 +1,7 @@
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 2.998551424432641,
3
+ "eval_loss": 0.4467960000038147,
4
+ "eval_runtime": 180.8976,
5
+ "eval_samples_per_second": 154.248,
6
+ "eval_steps_per_second": 0.603
7
+ }
train_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 2.998551424432641,
3
+ "total_flos": 5200153128468480.0,
4
+ "train_loss": 0.3273588392085691,
5
+ "train_runtime": 26340.0491,
6
+ "train_samples_per_second": 60.381,
7
+ "train_steps_per_second": 0.118
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,2236 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 2.998551424432641,
5
+ "eval_steps": 500,
6
+ "global_step": 3105,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.009657170449058426,
13
+ "grad_norm": 3.7852027137880246,
14
+ "learning_rate": 5e-06,
15
+ "loss": 0.6254,
16
+ "step": 10
17
+ },
18
+ {
19
+ "epoch": 0.01931434089811685,
20
+ "grad_norm": 2.0620749606772866,
21
+ "learning_rate": 5e-06,
22
+ "loss": 0.5439,
23
+ "step": 20
24
+ },
25
+ {
26
+ "epoch": 0.028971511347175277,
27
+ "grad_norm": 2.085747916186358,
28
+ "learning_rate": 5e-06,
29
+ "loss": 0.5216,
30
+ "step": 30
31
+ },
32
+ {
33
+ "epoch": 0.0386286817962337,
34
+ "grad_norm": 1.8268450890377532,
35
+ "learning_rate": 5e-06,
36
+ "loss": 0.5097,
37
+ "step": 40
38
+ },
39
+ {
40
+ "epoch": 0.04828585224529213,
41
+ "grad_norm": 2.0581630455526123,
42
+ "learning_rate": 5e-06,
43
+ "loss": 0.504,
44
+ "step": 50
45
+ },
46
+ {
47
+ "epoch": 0.05794302269435055,
48
+ "grad_norm": 1.602128099496524,
49
+ "learning_rate": 5e-06,
50
+ "loss": 0.5013,
51
+ "step": 60
52
+ },
53
+ {
54
+ "epoch": 0.06760019314340898,
55
+ "grad_norm": 1.6673623755384994,
56
+ "learning_rate": 5e-06,
57
+ "loss": 0.4878,
58
+ "step": 70
59
+ },
60
+ {
61
+ "epoch": 0.0772573635924674,
62
+ "grad_norm": 1.8459613232584249,
63
+ "learning_rate": 5e-06,
64
+ "loss": 0.4878,
65
+ "step": 80
66
+ },
67
+ {
68
+ "epoch": 0.08691453404152583,
69
+ "grad_norm": 1.93193366344165,
70
+ "learning_rate": 5e-06,
71
+ "loss": 0.4879,
72
+ "step": 90
73
+ },
74
+ {
75
+ "epoch": 0.09657170449058426,
76
+ "grad_norm": 1.5465868737214155,
77
+ "learning_rate": 5e-06,
78
+ "loss": 0.4808,
79
+ "step": 100
80
+ },
81
+ {
82
+ "epoch": 0.10622887493964268,
83
+ "grad_norm": 1.6271945980777192,
84
+ "learning_rate": 5e-06,
85
+ "loss": 0.4782,
86
+ "step": 110
87
+ },
88
+ {
89
+ "epoch": 0.1158860453887011,
90
+ "grad_norm": 1.8402435224859226,
91
+ "learning_rate": 5e-06,
92
+ "loss": 0.4767,
93
+ "step": 120
94
+ },
95
+ {
96
+ "epoch": 0.12554321583775954,
97
+ "grad_norm": 1.7618646649255147,
98
+ "learning_rate": 5e-06,
99
+ "loss": 0.4745,
100
+ "step": 130
101
+ },
102
+ {
103
+ "epoch": 0.13520038628681796,
104
+ "grad_norm": 1.5315385028605073,
105
+ "learning_rate": 5e-06,
106
+ "loss": 0.4733,
107
+ "step": 140
108
+ },
109
+ {
110
+ "epoch": 0.14485755673587639,
111
+ "grad_norm": 1.6814511784859512,
112
+ "learning_rate": 5e-06,
113
+ "loss": 0.4733,
114
+ "step": 150
115
+ },
116
+ {
117
+ "epoch": 0.1545147271849348,
118
+ "grad_norm": 1.5271479672490604,
119
+ "learning_rate": 5e-06,
120
+ "loss": 0.4716,
121
+ "step": 160
122
+ },
123
+ {
124
+ "epoch": 0.16417189763399323,
125
+ "grad_norm": 1.6777577770303629,
126
+ "learning_rate": 5e-06,
127
+ "loss": 0.471,
128
+ "step": 170
129
+ },
130
+ {
131
+ "epoch": 0.17382906808305165,
132
+ "grad_norm": 1.5955962931770318,
133
+ "learning_rate": 5e-06,
134
+ "loss": 0.4733,
135
+ "step": 180
136
+ },
137
+ {
138
+ "epoch": 0.1834862385321101,
139
+ "grad_norm": 1.6328687609928156,
140
+ "learning_rate": 5e-06,
141
+ "loss": 0.4711,
142
+ "step": 190
143
+ },
144
+ {
145
+ "epoch": 0.19314340898116852,
146
+ "grad_norm": 1.6077537949384313,
147
+ "learning_rate": 5e-06,
148
+ "loss": 0.4669,
149
+ "step": 200
150
+ },
151
+ {
152
+ "epoch": 0.20280057943022695,
153
+ "grad_norm": 1.5250866943562713,
154
+ "learning_rate": 5e-06,
155
+ "loss": 0.4647,
156
+ "step": 210
157
+ },
158
+ {
159
+ "epoch": 0.21245774987928537,
160
+ "grad_norm": 1.4889880734895962,
161
+ "learning_rate": 5e-06,
162
+ "loss": 0.4585,
163
+ "step": 220
164
+ },
165
+ {
166
+ "epoch": 0.2221149203283438,
167
+ "grad_norm": 1.6089621732620885,
168
+ "learning_rate": 5e-06,
169
+ "loss": 0.4578,
170
+ "step": 230
171
+ },
172
+ {
173
+ "epoch": 0.2317720907774022,
174
+ "grad_norm": 1.4899292253368934,
175
+ "learning_rate": 5e-06,
176
+ "loss": 0.4555,
177
+ "step": 240
178
+ },
179
+ {
180
+ "epoch": 0.24142926122646063,
181
+ "grad_norm": 1.5257308623369976,
182
+ "learning_rate": 5e-06,
183
+ "loss": 0.4663,
184
+ "step": 250
185
+ },
186
+ {
187
+ "epoch": 0.2510864316755191,
188
+ "grad_norm": 1.8459225661699417,
189
+ "learning_rate": 5e-06,
190
+ "loss": 0.4588,
191
+ "step": 260
192
+ },
193
+ {
194
+ "epoch": 0.2607436021245775,
195
+ "grad_norm": 1.723748524461411,
196
+ "learning_rate": 5e-06,
197
+ "loss": 0.4622,
198
+ "step": 270
199
+ },
200
+ {
201
+ "epoch": 0.27040077257363593,
202
+ "grad_norm": 1.6111594714193933,
203
+ "learning_rate": 5e-06,
204
+ "loss": 0.4562,
205
+ "step": 280
206
+ },
207
+ {
208
+ "epoch": 0.2800579430226944,
209
+ "grad_norm": 1.489881509289716,
210
+ "learning_rate": 5e-06,
211
+ "loss": 0.4632,
212
+ "step": 290
213
+ },
214
+ {
215
+ "epoch": 0.28971511347175277,
216
+ "grad_norm": 1.7437076586484017,
217
+ "learning_rate": 5e-06,
218
+ "loss": 0.4498,
219
+ "step": 300
220
+ },
221
+ {
222
+ "epoch": 0.2993722839208112,
223
+ "grad_norm": 1.5023208696211863,
224
+ "learning_rate": 5e-06,
225
+ "loss": 0.4547,
226
+ "step": 310
227
+ },
228
+ {
229
+ "epoch": 0.3090294543698696,
230
+ "grad_norm": 1.47145559032755,
231
+ "learning_rate": 5e-06,
232
+ "loss": 0.448,
233
+ "step": 320
234
+ },
235
+ {
236
+ "epoch": 0.31868662481892807,
237
+ "grad_norm": 1.493111331589544,
238
+ "learning_rate": 5e-06,
239
+ "loss": 0.4493,
240
+ "step": 330
241
+ },
242
+ {
243
+ "epoch": 0.32834379526798646,
244
+ "grad_norm": 1.3731787738087704,
245
+ "learning_rate": 5e-06,
246
+ "loss": 0.4548,
247
+ "step": 340
248
+ },
249
+ {
250
+ "epoch": 0.3380009657170449,
251
+ "grad_norm": 1.5097895917724191,
252
+ "learning_rate": 5e-06,
253
+ "loss": 0.4468,
254
+ "step": 350
255
+ },
256
+ {
257
+ "epoch": 0.3476581361661033,
258
+ "grad_norm": 1.3977565649576211,
259
+ "learning_rate": 5e-06,
260
+ "loss": 0.4497,
261
+ "step": 360
262
+ },
263
+ {
264
+ "epoch": 0.35731530661516175,
265
+ "grad_norm": 1.597963004052136,
266
+ "learning_rate": 5e-06,
267
+ "loss": 0.446,
268
+ "step": 370
269
+ },
270
+ {
271
+ "epoch": 0.3669724770642202,
272
+ "grad_norm": 1.3464438194432793,
273
+ "learning_rate": 5e-06,
274
+ "loss": 0.4462,
275
+ "step": 380
276
+ },
277
+ {
278
+ "epoch": 0.3766296475132786,
279
+ "grad_norm": 2.13016639276551,
280
+ "learning_rate": 5e-06,
281
+ "loss": 0.4471,
282
+ "step": 390
283
+ },
284
+ {
285
+ "epoch": 0.38628681796233705,
286
+ "grad_norm": 1.459345081562004,
287
+ "learning_rate": 5e-06,
288
+ "loss": 0.4449,
289
+ "step": 400
290
+ },
291
+ {
292
+ "epoch": 0.39594398841139544,
293
+ "grad_norm": 1.4268521503710732,
294
+ "learning_rate": 5e-06,
295
+ "loss": 0.4484,
296
+ "step": 410
297
+ },
298
+ {
299
+ "epoch": 0.4056011588604539,
300
+ "grad_norm": 1.5213089527197126,
301
+ "learning_rate": 5e-06,
302
+ "loss": 0.442,
303
+ "step": 420
304
+ },
305
+ {
306
+ "epoch": 0.4152583293095123,
307
+ "grad_norm": 1.4107454080123742,
308
+ "learning_rate": 5e-06,
309
+ "loss": 0.4471,
310
+ "step": 430
311
+ },
312
+ {
313
+ "epoch": 0.42491549975857074,
314
+ "grad_norm": 1.4224146665144493,
315
+ "learning_rate": 5e-06,
316
+ "loss": 0.4421,
317
+ "step": 440
318
+ },
319
+ {
320
+ "epoch": 0.4345726702076292,
321
+ "grad_norm": 1.339648419205393,
322
+ "learning_rate": 5e-06,
323
+ "loss": 0.4459,
324
+ "step": 450
325
+ },
326
+ {
327
+ "epoch": 0.4442298406566876,
328
+ "grad_norm": 1.541975682641463,
329
+ "learning_rate": 5e-06,
330
+ "loss": 0.4416,
331
+ "step": 460
332
+ },
333
+ {
334
+ "epoch": 0.45388701110574603,
335
+ "grad_norm": 1.447132284857592,
336
+ "learning_rate": 5e-06,
337
+ "loss": 0.4529,
338
+ "step": 470
339
+ },
340
+ {
341
+ "epoch": 0.4635441815548044,
342
+ "grad_norm": 1.385982642001702,
343
+ "learning_rate": 5e-06,
344
+ "loss": 0.4458,
345
+ "step": 480
346
+ },
347
+ {
348
+ "epoch": 0.4732013520038629,
349
+ "grad_norm": 2.0640182165227428,
350
+ "learning_rate": 5e-06,
351
+ "loss": 0.4426,
352
+ "step": 490
353
+ },
354
+ {
355
+ "epoch": 0.48285852245292127,
356
+ "grad_norm": 1.348125498390211,
357
+ "learning_rate": 5e-06,
358
+ "loss": 0.4329,
359
+ "step": 500
360
+ },
361
+ {
362
+ "epoch": 0.4925156929019797,
363
+ "grad_norm": 1.509261123647944,
364
+ "learning_rate": 5e-06,
365
+ "loss": 0.4437,
366
+ "step": 510
367
+ },
368
+ {
369
+ "epoch": 0.5021728633510382,
370
+ "grad_norm": 2.7536862793707493,
371
+ "learning_rate": 5e-06,
372
+ "loss": 0.4359,
373
+ "step": 520
374
+ },
375
+ {
376
+ "epoch": 0.5118300338000966,
377
+ "grad_norm": 1.4717359737134839,
378
+ "learning_rate": 5e-06,
379
+ "loss": 0.4382,
380
+ "step": 530
381
+ },
382
+ {
383
+ "epoch": 0.521487204249155,
384
+ "grad_norm": 1.442405927212471,
385
+ "learning_rate": 5e-06,
386
+ "loss": 0.4394,
387
+ "step": 540
388
+ },
389
+ {
390
+ "epoch": 0.5311443746982134,
391
+ "grad_norm": 1.3948076832604182,
392
+ "learning_rate": 5e-06,
393
+ "loss": 0.4407,
394
+ "step": 550
395
+ },
396
+ {
397
+ "epoch": 0.5408015451472719,
398
+ "grad_norm": 1.3948240431568104,
399
+ "learning_rate": 5e-06,
400
+ "loss": 0.4366,
401
+ "step": 560
402
+ },
403
+ {
404
+ "epoch": 0.5504587155963303,
405
+ "grad_norm": 1.417839986279595,
406
+ "learning_rate": 5e-06,
407
+ "loss": 0.4369,
408
+ "step": 570
409
+ },
410
+ {
411
+ "epoch": 0.5601158860453888,
412
+ "grad_norm": 1.5109506580715066,
413
+ "learning_rate": 5e-06,
414
+ "loss": 0.4353,
415
+ "step": 580
416
+ },
417
+ {
418
+ "epoch": 0.5697730564944471,
419
+ "grad_norm": 1.4806935542579658,
420
+ "learning_rate": 5e-06,
421
+ "loss": 0.4378,
422
+ "step": 590
423
+ },
424
+ {
425
+ "epoch": 0.5794302269435055,
426
+ "grad_norm": 1.5398960352117772,
427
+ "learning_rate": 5e-06,
428
+ "loss": 0.4352,
429
+ "step": 600
430
+ },
431
+ {
432
+ "epoch": 0.589087397392564,
433
+ "grad_norm": 1.2925767785772035,
434
+ "learning_rate": 5e-06,
435
+ "loss": 0.4366,
436
+ "step": 610
437
+ },
438
+ {
439
+ "epoch": 0.5987445678416224,
440
+ "grad_norm": 1.5201357387636154,
441
+ "learning_rate": 5e-06,
442
+ "loss": 0.4296,
443
+ "step": 620
444
+ },
445
+ {
446
+ "epoch": 0.6084017382906808,
447
+ "grad_norm": 1.4717871703145071,
448
+ "learning_rate": 5e-06,
449
+ "loss": 0.431,
450
+ "step": 630
451
+ },
452
+ {
453
+ "epoch": 0.6180589087397392,
454
+ "grad_norm": 1.3687678242722554,
455
+ "learning_rate": 5e-06,
456
+ "loss": 0.4345,
457
+ "step": 640
458
+ },
459
+ {
460
+ "epoch": 0.6277160791887977,
461
+ "grad_norm": 1.3591593745283608,
462
+ "learning_rate": 5e-06,
463
+ "loss": 0.4313,
464
+ "step": 650
465
+ },
466
+ {
467
+ "epoch": 0.6373732496378561,
468
+ "grad_norm": 1.4717658524480044,
469
+ "learning_rate": 5e-06,
470
+ "loss": 0.4291,
471
+ "step": 660
472
+ },
473
+ {
474
+ "epoch": 0.6470304200869146,
475
+ "grad_norm": 1.398916059634764,
476
+ "learning_rate": 5e-06,
477
+ "loss": 0.4323,
478
+ "step": 670
479
+ },
480
+ {
481
+ "epoch": 0.6566875905359729,
482
+ "grad_norm": 1.4300679905819138,
483
+ "learning_rate": 5e-06,
484
+ "loss": 0.4271,
485
+ "step": 680
486
+ },
487
+ {
488
+ "epoch": 0.6663447609850314,
489
+ "grad_norm": 1.4886395606416152,
490
+ "learning_rate": 5e-06,
491
+ "loss": 0.4297,
492
+ "step": 690
493
+ },
494
+ {
495
+ "epoch": 0.6760019314340898,
496
+ "grad_norm": 1.5034980432589369,
497
+ "learning_rate": 5e-06,
498
+ "loss": 0.4272,
499
+ "step": 700
500
+ },
501
+ {
502
+ "epoch": 0.6856591018831483,
503
+ "grad_norm": 1.5962520697846152,
504
+ "learning_rate": 5e-06,
505
+ "loss": 0.4316,
506
+ "step": 710
507
+ },
508
+ {
509
+ "epoch": 0.6953162723322066,
510
+ "grad_norm": 1.5447138904473863,
511
+ "learning_rate": 5e-06,
512
+ "loss": 0.4324,
513
+ "step": 720
514
+ },
515
+ {
516
+ "epoch": 0.7049734427812651,
517
+ "grad_norm": 1.3937453432394886,
518
+ "learning_rate": 5e-06,
519
+ "loss": 0.4311,
520
+ "step": 730
521
+ },
522
+ {
523
+ "epoch": 0.7146306132303235,
524
+ "grad_norm": 1.3011464123427467,
525
+ "learning_rate": 5e-06,
526
+ "loss": 0.4292,
527
+ "step": 740
528
+ },
529
+ {
530
+ "epoch": 0.724287783679382,
531
+ "grad_norm": 1.4931973618415784,
532
+ "learning_rate": 5e-06,
533
+ "loss": 0.4295,
534
+ "step": 750
535
+ },
536
+ {
537
+ "epoch": 0.7339449541284404,
538
+ "grad_norm": 1.3582576932610695,
539
+ "learning_rate": 5e-06,
540
+ "loss": 0.4322,
541
+ "step": 760
542
+ },
543
+ {
544
+ "epoch": 0.7436021245774987,
545
+ "grad_norm": 1.5128036261098081,
546
+ "learning_rate": 5e-06,
547
+ "loss": 0.4306,
548
+ "step": 770
549
+ },
550
+ {
551
+ "epoch": 0.7532592950265572,
552
+ "grad_norm": 1.3047038324570048,
553
+ "learning_rate": 5e-06,
554
+ "loss": 0.43,
555
+ "step": 780
556
+ },
557
+ {
558
+ "epoch": 0.7629164654756156,
559
+ "grad_norm": 1.3637121209115217,
560
+ "learning_rate": 5e-06,
561
+ "loss": 0.4273,
562
+ "step": 790
563
+ },
564
+ {
565
+ "epoch": 0.7725736359246741,
566
+ "grad_norm": 1.3919305669020587,
567
+ "learning_rate": 5e-06,
568
+ "loss": 0.4314,
569
+ "step": 800
570
+ },
571
+ {
572
+ "epoch": 0.7822308063737325,
573
+ "grad_norm": 1.3941190921525122,
574
+ "learning_rate": 5e-06,
575
+ "loss": 0.4255,
576
+ "step": 810
577
+ },
578
+ {
579
+ "epoch": 0.7918879768227909,
580
+ "grad_norm": 1.362917573056491,
581
+ "learning_rate": 5e-06,
582
+ "loss": 0.4333,
583
+ "step": 820
584
+ },
585
+ {
586
+ "epoch": 0.8015451472718493,
587
+ "grad_norm": 1.415609597869972,
588
+ "learning_rate": 5e-06,
589
+ "loss": 0.4225,
590
+ "step": 830
591
+ },
592
+ {
593
+ "epoch": 0.8112023177209078,
594
+ "grad_norm": 1.489818925031249,
595
+ "learning_rate": 5e-06,
596
+ "loss": 0.425,
597
+ "step": 840
598
+ },
599
+ {
600
+ "epoch": 0.8208594881699662,
601
+ "grad_norm": 1.4658100940320271,
602
+ "learning_rate": 5e-06,
603
+ "loss": 0.4304,
604
+ "step": 850
605
+ },
606
+ {
607
+ "epoch": 0.8305166586190246,
608
+ "grad_norm": 1.3385021753495208,
609
+ "learning_rate": 5e-06,
610
+ "loss": 0.4263,
611
+ "step": 860
612
+ },
613
+ {
614
+ "epoch": 0.840173829068083,
615
+ "grad_norm": 1.4519295448528378,
616
+ "learning_rate": 5e-06,
617
+ "loss": 0.4274,
618
+ "step": 870
619
+ },
620
+ {
621
+ "epoch": 0.8498309995171415,
622
+ "grad_norm": 1.5271445690200918,
623
+ "learning_rate": 5e-06,
624
+ "loss": 0.4244,
625
+ "step": 880
626
+ },
627
+ {
628
+ "epoch": 0.8594881699661999,
629
+ "grad_norm": 9.54446637099851,
630
+ "learning_rate": 5e-06,
631
+ "loss": 0.4294,
632
+ "step": 890
633
+ },
634
+ {
635
+ "epoch": 0.8691453404152584,
636
+ "grad_norm": 1.4822497861334036,
637
+ "learning_rate": 5e-06,
638
+ "loss": 0.4206,
639
+ "step": 900
640
+ },
641
+ {
642
+ "epoch": 0.8788025108643167,
643
+ "grad_norm": 1.295865945244785,
644
+ "learning_rate": 5e-06,
645
+ "loss": 0.4223,
646
+ "step": 910
647
+ },
648
+ {
649
+ "epoch": 0.8884596813133752,
650
+ "grad_norm": 1.4498222196547434,
651
+ "learning_rate": 5e-06,
652
+ "loss": 0.4222,
653
+ "step": 920
654
+ },
655
+ {
656
+ "epoch": 0.8981168517624336,
657
+ "grad_norm": 1.4109015353277008,
658
+ "learning_rate": 5e-06,
659
+ "loss": 0.424,
660
+ "step": 930
661
+ },
662
+ {
663
+ "epoch": 0.9077740222114921,
664
+ "grad_norm": 1.3782840436535198,
665
+ "learning_rate": 5e-06,
666
+ "loss": 0.4224,
667
+ "step": 940
668
+ },
669
+ {
670
+ "epoch": 0.9174311926605505,
671
+ "grad_norm": 1.3492925117698618,
672
+ "learning_rate": 5e-06,
673
+ "loss": 0.4209,
674
+ "step": 950
675
+ },
676
+ {
677
+ "epoch": 0.9270883631096088,
678
+ "grad_norm": 1.3072263370484556,
679
+ "learning_rate": 5e-06,
680
+ "loss": 0.419,
681
+ "step": 960
682
+ },
683
+ {
684
+ "epoch": 0.9367455335586673,
685
+ "grad_norm": 1.3359087020152296,
686
+ "learning_rate": 5e-06,
687
+ "loss": 0.4213,
688
+ "step": 970
689
+ },
690
+ {
691
+ "epoch": 0.9464027040077257,
692
+ "grad_norm": 1.4027836366902715,
693
+ "learning_rate": 5e-06,
694
+ "loss": 0.4264,
695
+ "step": 980
696
+ },
697
+ {
698
+ "epoch": 0.9560598744567842,
699
+ "grad_norm": 1.3083915796128625,
700
+ "learning_rate": 5e-06,
701
+ "loss": 0.4213,
702
+ "step": 990
703
+ },
704
+ {
705
+ "epoch": 0.9657170449058425,
706
+ "grad_norm": 1.283807856099459,
707
+ "learning_rate": 5e-06,
708
+ "loss": 0.4226,
709
+ "step": 1000
710
+ },
711
+ {
712
+ "epoch": 0.975374215354901,
713
+ "grad_norm": 1.318305259783526,
714
+ "learning_rate": 5e-06,
715
+ "loss": 0.4177,
716
+ "step": 1010
717
+ },
718
+ {
719
+ "epoch": 0.9850313858039594,
720
+ "grad_norm": 1.351081315674525,
721
+ "learning_rate": 5e-06,
722
+ "loss": 0.4184,
723
+ "step": 1020
724
+ },
725
+ {
726
+ "epoch": 0.9946885562530179,
727
+ "grad_norm": 1.286367123540384,
728
+ "learning_rate": 5e-06,
729
+ "loss": 0.417,
730
+ "step": 1030
731
+ },
732
+ {
733
+ "epoch": 0.9995171414775471,
734
+ "eval_loss": 0.4186817705631256,
735
+ "eval_runtime": 178.2472,
736
+ "eval_samples_per_second": 156.541,
737
+ "eval_steps_per_second": 0.612,
738
+ "step": 1035
739
+ },
740
+ {
741
+ "epoch": 1.0043457267020763,
742
+ "grad_norm": 2.083458671261006,
743
+ "learning_rate": 5e-06,
744
+ "loss": 0.3804,
745
+ "step": 1040
746
+ },
747
+ {
748
+ "epoch": 1.0140028971511348,
749
+ "grad_norm": 1.6710464918103058,
750
+ "learning_rate": 5e-06,
751
+ "loss": 0.3159,
752
+ "step": 1050
753
+ },
754
+ {
755
+ "epoch": 1.0236600676001932,
756
+ "grad_norm": 1.365743230792304,
757
+ "learning_rate": 5e-06,
758
+ "loss": 0.3138,
759
+ "step": 1060
760
+ },
761
+ {
762
+ "epoch": 1.0333172380492515,
763
+ "grad_norm": 1.39749368883128,
764
+ "learning_rate": 5e-06,
765
+ "loss": 0.3146,
766
+ "step": 1070
767
+ },
768
+ {
769
+ "epoch": 1.04297440849831,
770
+ "grad_norm": 1.5821963324713015,
771
+ "learning_rate": 5e-06,
772
+ "loss": 0.3101,
773
+ "step": 1080
774
+ },
775
+ {
776
+ "epoch": 1.0526315789473684,
777
+ "grad_norm": 1.6454840741114403,
778
+ "learning_rate": 5e-06,
779
+ "loss": 0.3152,
780
+ "step": 1090
781
+ },
782
+ {
783
+ "epoch": 1.0622887493964268,
784
+ "grad_norm": 1.4356941510220327,
785
+ "learning_rate": 5e-06,
786
+ "loss": 0.3211,
787
+ "step": 1100
788
+ },
789
+ {
790
+ "epoch": 1.0719459198454853,
791
+ "grad_norm": 1.421015975147645,
792
+ "learning_rate": 5e-06,
793
+ "loss": 0.3185,
794
+ "step": 1110
795
+ },
796
+ {
797
+ "epoch": 1.0816030902945437,
798
+ "grad_norm": 1.3637757751998314,
799
+ "learning_rate": 5e-06,
800
+ "loss": 0.3177,
801
+ "step": 1120
802
+ },
803
+ {
804
+ "epoch": 1.0912602607436022,
805
+ "grad_norm": 1.4492110772881415,
806
+ "learning_rate": 5e-06,
807
+ "loss": 0.319,
808
+ "step": 1130
809
+ },
810
+ {
811
+ "epoch": 1.1009174311926606,
812
+ "grad_norm": 1.4113019794162502,
813
+ "learning_rate": 5e-06,
814
+ "loss": 0.3183,
815
+ "step": 1140
816
+ },
817
+ {
818
+ "epoch": 1.110574601641719,
819
+ "grad_norm": 1.4617901618486682,
820
+ "learning_rate": 5e-06,
821
+ "loss": 0.3206,
822
+ "step": 1150
823
+ },
824
+ {
825
+ "epoch": 1.1202317720907775,
826
+ "grad_norm": 1.4362393573916201,
827
+ "learning_rate": 5e-06,
828
+ "loss": 0.3161,
829
+ "step": 1160
830
+ },
831
+ {
832
+ "epoch": 1.1298889425398357,
833
+ "grad_norm": 1.480531545050256,
834
+ "learning_rate": 5e-06,
835
+ "loss": 0.3176,
836
+ "step": 1170
837
+ },
838
+ {
839
+ "epoch": 1.1395461129888942,
840
+ "grad_norm": 1.4429791008774708,
841
+ "learning_rate": 5e-06,
842
+ "loss": 0.3206,
843
+ "step": 1180
844
+ },
845
+ {
846
+ "epoch": 1.1492032834379526,
847
+ "grad_norm": 1.580292399548444,
848
+ "learning_rate": 5e-06,
849
+ "loss": 0.3189,
850
+ "step": 1190
851
+ },
852
+ {
853
+ "epoch": 1.158860453887011,
854
+ "grad_norm": 1.4710472342154686,
855
+ "learning_rate": 5e-06,
856
+ "loss": 0.3176,
857
+ "step": 1200
858
+ },
859
+ {
860
+ "epoch": 1.1685176243360695,
861
+ "grad_norm": 1.5510111053127804,
862
+ "learning_rate": 5e-06,
863
+ "loss": 0.3256,
864
+ "step": 1210
865
+ },
866
+ {
867
+ "epoch": 1.178174794785128,
868
+ "grad_norm": 1.479606545432114,
869
+ "learning_rate": 5e-06,
870
+ "loss": 0.3194,
871
+ "step": 1220
872
+ },
873
+ {
874
+ "epoch": 1.1878319652341864,
875
+ "grad_norm": 1.4470509715427249,
876
+ "learning_rate": 5e-06,
877
+ "loss": 0.315,
878
+ "step": 1230
879
+ },
880
+ {
881
+ "epoch": 1.1974891356832449,
882
+ "grad_norm": 1.688180637289201,
883
+ "learning_rate": 5e-06,
884
+ "loss": 0.3203,
885
+ "step": 1240
886
+ },
887
+ {
888
+ "epoch": 1.2071463061323033,
889
+ "grad_norm": 1.4261984744846448,
890
+ "learning_rate": 5e-06,
891
+ "loss": 0.3182,
892
+ "step": 1250
893
+ },
894
+ {
895
+ "epoch": 1.2168034765813616,
896
+ "grad_norm": 1.5604626368447907,
897
+ "learning_rate": 5e-06,
898
+ "loss": 0.3204,
899
+ "step": 1260
900
+ },
901
+ {
902
+ "epoch": 1.22646064703042,
903
+ "grad_norm": 1.5055974462561796,
904
+ "learning_rate": 5e-06,
905
+ "loss": 0.3194,
906
+ "step": 1270
907
+ },
908
+ {
909
+ "epoch": 1.2361178174794785,
910
+ "grad_norm": 1.472413847791833,
911
+ "learning_rate": 5e-06,
912
+ "loss": 0.3164,
913
+ "step": 1280
914
+ },
915
+ {
916
+ "epoch": 1.245774987928537,
917
+ "grad_norm": 1.4227053664977902,
918
+ "learning_rate": 5e-06,
919
+ "loss": 0.3195,
920
+ "step": 1290
921
+ },
922
+ {
923
+ "epoch": 1.2554321583775954,
924
+ "grad_norm": 1.4555119482883845,
925
+ "learning_rate": 5e-06,
926
+ "loss": 0.3206,
927
+ "step": 1300
928
+ },
929
+ {
930
+ "epoch": 1.2650893288266538,
931
+ "grad_norm": 1.3939863833537502,
932
+ "learning_rate": 5e-06,
933
+ "loss": 0.3174,
934
+ "step": 1310
935
+ },
936
+ {
937
+ "epoch": 1.2747464992757123,
938
+ "grad_norm": 1.6503658733951097,
939
+ "learning_rate": 5e-06,
940
+ "loss": 0.3212,
941
+ "step": 1320
942
+ },
943
+ {
944
+ "epoch": 1.2844036697247707,
945
+ "grad_norm": 1.5193288982909279,
946
+ "learning_rate": 5e-06,
947
+ "loss": 0.3185,
948
+ "step": 1330
949
+ },
950
+ {
951
+ "epoch": 1.2940608401738292,
952
+ "grad_norm": 1.8992907121697116,
953
+ "learning_rate": 5e-06,
954
+ "loss": 0.3195,
955
+ "step": 1340
956
+ },
957
+ {
958
+ "epoch": 1.3037180106228874,
959
+ "grad_norm": 1.462324131369204,
960
+ "learning_rate": 5e-06,
961
+ "loss": 0.3181,
962
+ "step": 1350
963
+ },
964
+ {
965
+ "epoch": 1.3133751810719458,
966
+ "grad_norm": 1.5578779143588841,
967
+ "learning_rate": 5e-06,
968
+ "loss": 0.3203,
969
+ "step": 1360
970
+ },
971
+ {
972
+ "epoch": 1.3230323515210043,
973
+ "grad_norm": 1.5253185582586557,
974
+ "learning_rate": 5e-06,
975
+ "loss": 0.3226,
976
+ "step": 1370
977
+ },
978
+ {
979
+ "epoch": 1.3326895219700627,
980
+ "grad_norm": 1.598448718585017,
981
+ "learning_rate": 5e-06,
982
+ "loss": 0.3237,
983
+ "step": 1380
984
+ },
985
+ {
986
+ "epoch": 1.3423466924191212,
987
+ "grad_norm": 1.4405857624240854,
988
+ "learning_rate": 5e-06,
989
+ "loss": 0.3223,
990
+ "step": 1390
991
+ },
992
+ {
993
+ "epoch": 1.3520038628681796,
994
+ "grad_norm": 1.517684638613212,
995
+ "learning_rate": 5e-06,
996
+ "loss": 0.3231,
997
+ "step": 1400
998
+ },
999
+ {
1000
+ "epoch": 1.361661033317238,
1001
+ "grad_norm": 1.483051649435277,
1002
+ "learning_rate": 5e-06,
1003
+ "loss": 0.3239,
1004
+ "step": 1410
1005
+ },
1006
+ {
1007
+ "epoch": 1.3713182037662965,
1008
+ "grad_norm": 1.5390732079855134,
1009
+ "learning_rate": 5e-06,
1010
+ "loss": 0.3218,
1011
+ "step": 1420
1012
+ },
1013
+ {
1014
+ "epoch": 1.380975374215355,
1015
+ "grad_norm": 1.5122394104164938,
1016
+ "learning_rate": 5e-06,
1017
+ "loss": 0.322,
1018
+ "step": 1430
1019
+ },
1020
+ {
1021
+ "epoch": 1.3906325446644132,
1022
+ "grad_norm": 1.5432820441426014,
1023
+ "learning_rate": 5e-06,
1024
+ "loss": 0.3145,
1025
+ "step": 1440
1026
+ },
1027
+ {
1028
+ "epoch": 1.4002897151134719,
1029
+ "grad_norm": 1.4643744673012662,
1030
+ "learning_rate": 5e-06,
1031
+ "loss": 0.3178,
1032
+ "step": 1450
1033
+ },
1034
+ {
1035
+ "epoch": 1.4099468855625301,
1036
+ "grad_norm": 1.4925264181574245,
1037
+ "learning_rate": 5e-06,
1038
+ "loss": 0.3243,
1039
+ "step": 1460
1040
+ },
1041
+ {
1042
+ "epoch": 1.4196040560115886,
1043
+ "grad_norm": 1.4092376086387746,
1044
+ "learning_rate": 5e-06,
1045
+ "loss": 0.3211,
1046
+ "step": 1470
1047
+ },
1048
+ {
1049
+ "epoch": 1.429261226460647,
1050
+ "grad_norm": 1.4232165437715756,
1051
+ "learning_rate": 5e-06,
1052
+ "loss": 0.3221,
1053
+ "step": 1480
1054
+ },
1055
+ {
1056
+ "epoch": 1.4389183969097055,
1057
+ "grad_norm": 1.4049090252857714,
1058
+ "learning_rate": 5e-06,
1059
+ "loss": 0.3259,
1060
+ "step": 1490
1061
+ },
1062
+ {
1063
+ "epoch": 1.448575567358764,
1064
+ "grad_norm": 1.5709064686147567,
1065
+ "learning_rate": 5e-06,
1066
+ "loss": 0.3192,
1067
+ "step": 1500
1068
+ },
1069
+ {
1070
+ "epoch": 1.4582327378078224,
1071
+ "grad_norm": 1.530143106655807,
1072
+ "learning_rate": 5e-06,
1073
+ "loss": 0.3198,
1074
+ "step": 1510
1075
+ },
1076
+ {
1077
+ "epoch": 1.4678899082568808,
1078
+ "grad_norm": 1.4642072322356405,
1079
+ "learning_rate": 5e-06,
1080
+ "loss": 0.3242,
1081
+ "step": 1520
1082
+ },
1083
+ {
1084
+ "epoch": 1.477547078705939,
1085
+ "grad_norm": 1.5078287858320247,
1086
+ "learning_rate": 5e-06,
1087
+ "loss": 0.3229,
1088
+ "step": 1530
1089
+ },
1090
+ {
1091
+ "epoch": 1.4872042491549977,
1092
+ "grad_norm": 1.6543135999245175,
1093
+ "learning_rate": 5e-06,
1094
+ "loss": 0.3258,
1095
+ "step": 1540
1096
+ },
1097
+ {
1098
+ "epoch": 1.496861419604056,
1099
+ "grad_norm": 1.4353311149318353,
1100
+ "learning_rate": 5e-06,
1101
+ "loss": 0.3218,
1102
+ "step": 1550
1103
+ },
1104
+ {
1105
+ "epoch": 1.5065185900531144,
1106
+ "grad_norm": 1.427362675163451,
1107
+ "learning_rate": 5e-06,
1108
+ "loss": 0.3203,
1109
+ "step": 1560
1110
+ },
1111
+ {
1112
+ "epoch": 1.5161757605021728,
1113
+ "grad_norm": 1.469685263972175,
1114
+ "learning_rate": 5e-06,
1115
+ "loss": 0.3233,
1116
+ "step": 1570
1117
+ },
1118
+ {
1119
+ "epoch": 1.5258329309512313,
1120
+ "grad_norm": 1.3556540711826985,
1121
+ "learning_rate": 5e-06,
1122
+ "loss": 0.32,
1123
+ "step": 1580
1124
+ },
1125
+ {
1126
+ "epoch": 1.5354901014002897,
1127
+ "grad_norm": 1.7785146026384562,
1128
+ "learning_rate": 5e-06,
1129
+ "loss": 0.3255,
1130
+ "step": 1590
1131
+ },
1132
+ {
1133
+ "epoch": 1.5451472718493482,
1134
+ "grad_norm": 1.6406483748665126,
1135
+ "learning_rate": 5e-06,
1136
+ "loss": 0.325,
1137
+ "step": 1600
1138
+ },
1139
+ {
1140
+ "epoch": 1.5548044422984066,
1141
+ "grad_norm": 1.487355254108548,
1142
+ "learning_rate": 5e-06,
1143
+ "loss": 0.3195,
1144
+ "step": 1610
1145
+ },
1146
+ {
1147
+ "epoch": 1.5644616127474649,
1148
+ "grad_norm": 1.5580699551469968,
1149
+ "learning_rate": 5e-06,
1150
+ "loss": 0.324,
1151
+ "step": 1620
1152
+ },
1153
+ {
1154
+ "epoch": 1.5741187831965235,
1155
+ "grad_norm": 1.6649624650081492,
1156
+ "learning_rate": 5e-06,
1157
+ "loss": 0.319,
1158
+ "step": 1630
1159
+ },
1160
+ {
1161
+ "epoch": 1.5837759536455818,
1162
+ "grad_norm": 1.5071762619332458,
1163
+ "learning_rate": 5e-06,
1164
+ "loss": 0.319,
1165
+ "step": 1640
1166
+ },
1167
+ {
1168
+ "epoch": 1.5934331240946402,
1169
+ "grad_norm": 1.4857917379863423,
1170
+ "learning_rate": 5e-06,
1171
+ "loss": 0.3246,
1172
+ "step": 1650
1173
+ },
1174
+ {
1175
+ "epoch": 1.6030902945436987,
1176
+ "grad_norm": 1.539444045216992,
1177
+ "learning_rate": 5e-06,
1178
+ "loss": 0.325,
1179
+ "step": 1660
1180
+ },
1181
+ {
1182
+ "epoch": 1.6127474649927571,
1183
+ "grad_norm": 1.4202629921913885,
1184
+ "learning_rate": 5e-06,
1185
+ "loss": 0.3249,
1186
+ "step": 1670
1187
+ },
1188
+ {
1189
+ "epoch": 1.6224046354418156,
1190
+ "grad_norm": 1.3824989312845557,
1191
+ "learning_rate": 5e-06,
1192
+ "loss": 0.3174,
1193
+ "step": 1680
1194
+ },
1195
+ {
1196
+ "epoch": 1.632061805890874,
1197
+ "grad_norm": 1.4180567800715427,
1198
+ "learning_rate": 5e-06,
1199
+ "loss": 0.32,
1200
+ "step": 1690
1201
+ },
1202
+ {
1203
+ "epoch": 1.6417189763399325,
1204
+ "grad_norm": 1.5877926258862851,
1205
+ "learning_rate": 5e-06,
1206
+ "loss": 0.3251,
1207
+ "step": 1700
1208
+ },
1209
+ {
1210
+ "epoch": 1.6513761467889907,
1211
+ "grad_norm": 1.4625682063733663,
1212
+ "learning_rate": 5e-06,
1213
+ "loss": 0.3251,
1214
+ "step": 1710
1215
+ },
1216
+ {
1217
+ "epoch": 1.6610333172380494,
1218
+ "grad_norm": 1.4726154892277907,
1219
+ "learning_rate": 5e-06,
1220
+ "loss": 0.3217,
1221
+ "step": 1720
1222
+ },
1223
+ {
1224
+ "epoch": 1.6706904876871076,
1225
+ "grad_norm": 1.4737546342638634,
1226
+ "learning_rate": 5e-06,
1227
+ "loss": 0.3241,
1228
+ "step": 1730
1229
+ },
1230
+ {
1231
+ "epoch": 1.6803476581361663,
1232
+ "grad_norm": 1.5913560262828996,
1233
+ "learning_rate": 5e-06,
1234
+ "loss": 0.3216,
1235
+ "step": 1740
1236
+ },
1237
+ {
1238
+ "epoch": 1.6900048285852245,
1239
+ "grad_norm": 1.6014273903495235,
1240
+ "learning_rate": 5e-06,
1241
+ "loss": 0.3228,
1242
+ "step": 1750
1243
+ },
1244
+ {
1245
+ "epoch": 1.699661999034283,
1246
+ "grad_norm": 1.4444614753017166,
1247
+ "learning_rate": 5e-06,
1248
+ "loss": 0.3219,
1249
+ "step": 1760
1250
+ },
1251
+ {
1252
+ "epoch": 1.7093191694833414,
1253
+ "grad_norm": 1.4711587303385112,
1254
+ "learning_rate": 5e-06,
1255
+ "loss": 0.3204,
1256
+ "step": 1770
1257
+ },
1258
+ {
1259
+ "epoch": 1.7189763399323998,
1260
+ "grad_norm": 1.4911136718247058,
1261
+ "learning_rate": 5e-06,
1262
+ "loss": 0.3225,
1263
+ "step": 1780
1264
+ },
1265
+ {
1266
+ "epoch": 1.7286335103814583,
1267
+ "grad_norm": 1.4836367449856465,
1268
+ "learning_rate": 5e-06,
1269
+ "loss": 0.3275,
1270
+ "step": 1790
1271
+ },
1272
+ {
1273
+ "epoch": 1.7382906808305165,
1274
+ "grad_norm": 1.5104260942145018,
1275
+ "learning_rate": 5e-06,
1276
+ "loss": 0.3261,
1277
+ "step": 1800
1278
+ },
1279
+ {
1280
+ "epoch": 1.7479478512795752,
1281
+ "grad_norm": 1.4587337741103181,
1282
+ "learning_rate": 5e-06,
1283
+ "loss": 0.3247,
1284
+ "step": 1810
1285
+ },
1286
+ {
1287
+ "epoch": 1.7576050217286334,
1288
+ "grad_norm": 1.5339818170022481,
1289
+ "learning_rate": 5e-06,
1290
+ "loss": 0.3237,
1291
+ "step": 1820
1292
+ },
1293
+ {
1294
+ "epoch": 1.767262192177692,
1295
+ "grad_norm": 1.4650422841731612,
1296
+ "learning_rate": 5e-06,
1297
+ "loss": 0.3218,
1298
+ "step": 1830
1299
+ },
1300
+ {
1301
+ "epoch": 1.7769193626267503,
1302
+ "grad_norm": 1.6273768535871191,
1303
+ "learning_rate": 5e-06,
1304
+ "loss": 0.3239,
1305
+ "step": 1840
1306
+ },
1307
+ {
1308
+ "epoch": 1.7865765330758088,
1309
+ "grad_norm": 1.6280662513787525,
1310
+ "learning_rate": 5e-06,
1311
+ "loss": 0.3267,
1312
+ "step": 1850
1313
+ },
1314
+ {
1315
+ "epoch": 1.7962337035248672,
1316
+ "grad_norm": 1.469702386246834,
1317
+ "learning_rate": 5e-06,
1318
+ "loss": 0.322,
1319
+ "step": 1860
1320
+ },
1321
+ {
1322
+ "epoch": 1.8058908739739257,
1323
+ "grad_norm": 1.6861190386571836,
1324
+ "learning_rate": 5e-06,
1325
+ "loss": 0.3246,
1326
+ "step": 1870
1327
+ },
1328
+ {
1329
+ "epoch": 1.8155480444229841,
1330
+ "grad_norm": 1.481497242440989,
1331
+ "learning_rate": 5e-06,
1332
+ "loss": 0.3226,
1333
+ "step": 1880
1334
+ },
1335
+ {
1336
+ "epoch": 1.8252052148720423,
1337
+ "grad_norm": 1.6155053021371237,
1338
+ "learning_rate": 5e-06,
1339
+ "loss": 0.3236,
1340
+ "step": 1890
1341
+ },
1342
+ {
1343
+ "epoch": 1.834862385321101,
1344
+ "grad_norm": 1.416112013187697,
1345
+ "learning_rate": 5e-06,
1346
+ "loss": 0.3228,
1347
+ "step": 1900
1348
+ },
1349
+ {
1350
+ "epoch": 1.8445195557701592,
1351
+ "grad_norm": 1.581676674672017,
1352
+ "learning_rate": 5e-06,
1353
+ "loss": 0.3241,
1354
+ "step": 1910
1355
+ },
1356
+ {
1357
+ "epoch": 1.854176726219218,
1358
+ "grad_norm": 1.5569951920933318,
1359
+ "learning_rate": 5e-06,
1360
+ "loss": 0.3259,
1361
+ "step": 1920
1362
+ },
1363
+ {
1364
+ "epoch": 1.8638338966682761,
1365
+ "grad_norm": 1.6829953573077656,
1366
+ "learning_rate": 5e-06,
1367
+ "loss": 0.3239,
1368
+ "step": 1930
1369
+ },
1370
+ {
1371
+ "epoch": 1.8734910671173346,
1372
+ "grad_norm": 1.4499124168214599,
1373
+ "learning_rate": 5e-06,
1374
+ "loss": 0.3237,
1375
+ "step": 1940
1376
+ },
1377
+ {
1378
+ "epoch": 1.883148237566393,
1379
+ "grad_norm": 1.3921897240084418,
1380
+ "learning_rate": 5e-06,
1381
+ "loss": 0.3202,
1382
+ "step": 1950
1383
+ },
1384
+ {
1385
+ "epoch": 1.8928054080154515,
1386
+ "grad_norm": 1.7399387456220219,
1387
+ "learning_rate": 5e-06,
1388
+ "loss": 0.3185,
1389
+ "step": 1960
1390
+ },
1391
+ {
1392
+ "epoch": 1.90246257846451,
1393
+ "grad_norm": 1.5558707224477395,
1394
+ "learning_rate": 5e-06,
1395
+ "loss": 0.323,
1396
+ "step": 1970
1397
+ },
1398
+ {
1399
+ "epoch": 1.9121197489135682,
1400
+ "grad_norm": 1.49802902853701,
1401
+ "learning_rate": 5e-06,
1402
+ "loss": 0.3234,
1403
+ "step": 1980
1404
+ },
1405
+ {
1406
+ "epoch": 1.9217769193626268,
1407
+ "grad_norm": 1.4807948737028658,
1408
+ "learning_rate": 5e-06,
1409
+ "loss": 0.322,
1410
+ "step": 1990
1411
+ },
1412
+ {
1413
+ "epoch": 1.931434089811685,
1414
+ "grad_norm": 1.3868348286955445,
1415
+ "learning_rate": 5e-06,
1416
+ "loss": 0.3247,
1417
+ "step": 2000
1418
+ },
1419
+ {
1420
+ "epoch": 1.9410912602607437,
1421
+ "grad_norm": 1.6163693821676344,
1422
+ "learning_rate": 5e-06,
1423
+ "loss": 0.3248,
1424
+ "step": 2010
1425
+ },
1426
+ {
1427
+ "epoch": 1.950748430709802,
1428
+ "grad_norm": 1.552439354775519,
1429
+ "learning_rate": 5e-06,
1430
+ "loss": 0.3233,
1431
+ "step": 2020
1432
+ },
1433
+ {
1434
+ "epoch": 1.9604056011588604,
1435
+ "grad_norm": 1.5224507289579325,
1436
+ "learning_rate": 5e-06,
1437
+ "loss": 0.3311,
1438
+ "step": 2030
1439
+ },
1440
+ {
1441
+ "epoch": 1.9700627716079189,
1442
+ "grad_norm": 1.3715156278923533,
1443
+ "learning_rate": 5e-06,
1444
+ "loss": 0.3224,
1445
+ "step": 2040
1446
+ },
1447
+ {
1448
+ "epoch": 1.9797199420569773,
1449
+ "grad_norm": 1.4690837804253396,
1450
+ "learning_rate": 5e-06,
1451
+ "loss": 0.3245,
1452
+ "step": 2050
1453
+ },
1454
+ {
1455
+ "epoch": 1.9893771125060358,
1456
+ "grad_norm": 1.5304270102797093,
1457
+ "learning_rate": 5e-06,
1458
+ "loss": 0.3283,
1459
+ "step": 2060
1460
+ },
1461
+ {
1462
+ "epoch": 1.999034282955094,
1463
+ "grad_norm": 1.5064039907716613,
1464
+ "learning_rate": 5e-06,
1465
+ "loss": 0.326,
1466
+ "step": 2070
1467
+ },
1468
+ {
1469
+ "epoch": 2.0,
1470
+ "eval_loss": 0.41363242268562317,
1471
+ "eval_runtime": 183.9864,
1472
+ "eval_samples_per_second": 151.658,
1473
+ "eval_steps_per_second": 0.592,
1474
+ "step": 2071
1475
+ },
1476
+ {
1477
+ "epoch": 2.0086914534041527,
1478
+ "grad_norm": 1.9529357489293813,
1479
+ "learning_rate": 5e-06,
1480
+ "loss": 0.2222,
1481
+ "step": 2080
1482
+ },
1483
+ {
1484
+ "epoch": 2.018348623853211,
1485
+ "grad_norm": 1.755518669301023,
1486
+ "learning_rate": 5e-06,
1487
+ "loss": 0.2019,
1488
+ "step": 2090
1489
+ },
1490
+ {
1491
+ "epoch": 2.0280057943022696,
1492
+ "grad_norm": 1.740635003243075,
1493
+ "learning_rate": 5e-06,
1494
+ "loss": 0.203,
1495
+ "step": 2100
1496
+ },
1497
+ {
1498
+ "epoch": 2.037662964751328,
1499
+ "grad_norm": 1.8237819578036996,
1500
+ "learning_rate": 5e-06,
1501
+ "loss": 0.1982,
1502
+ "step": 2110
1503
+ },
1504
+ {
1505
+ "epoch": 2.0473201352003865,
1506
+ "grad_norm": 1.5602633442114324,
1507
+ "learning_rate": 5e-06,
1508
+ "loss": 0.1992,
1509
+ "step": 2120
1510
+ },
1511
+ {
1512
+ "epoch": 2.0569773056494447,
1513
+ "grad_norm": 1.816471476491465,
1514
+ "learning_rate": 5e-06,
1515
+ "loss": 0.2049,
1516
+ "step": 2130
1517
+ },
1518
+ {
1519
+ "epoch": 2.066634476098503,
1520
+ "grad_norm": 1.7673442658203458,
1521
+ "learning_rate": 5e-06,
1522
+ "loss": 0.1993,
1523
+ "step": 2140
1524
+ },
1525
+ {
1526
+ "epoch": 2.0762916465475616,
1527
+ "grad_norm": 1.6973737687900528,
1528
+ "learning_rate": 5e-06,
1529
+ "loss": 0.1998,
1530
+ "step": 2150
1531
+ },
1532
+ {
1533
+ "epoch": 2.08594881699662,
1534
+ "grad_norm": 1.5869449008271677,
1535
+ "learning_rate": 5e-06,
1536
+ "loss": 0.202,
1537
+ "step": 2160
1538
+ },
1539
+ {
1540
+ "epoch": 2.0956059874456785,
1541
+ "grad_norm": 1.64683922032891,
1542
+ "learning_rate": 5e-06,
1543
+ "loss": 0.2002,
1544
+ "step": 2170
1545
+ },
1546
+ {
1547
+ "epoch": 2.1052631578947367,
1548
+ "grad_norm": 1.9386924431067427,
1549
+ "learning_rate": 5e-06,
1550
+ "loss": 0.2076,
1551
+ "step": 2180
1552
+ },
1553
+ {
1554
+ "epoch": 2.1149203283437954,
1555
+ "grad_norm": 1.6210647566768155,
1556
+ "learning_rate": 5e-06,
1557
+ "loss": 0.2028,
1558
+ "step": 2190
1559
+ },
1560
+ {
1561
+ "epoch": 2.1245774987928536,
1562
+ "grad_norm": 1.6287574889203644,
1563
+ "learning_rate": 5e-06,
1564
+ "loss": 0.2042,
1565
+ "step": 2200
1566
+ },
1567
+ {
1568
+ "epoch": 2.1342346692419123,
1569
+ "grad_norm": 1.655477861818872,
1570
+ "learning_rate": 5e-06,
1571
+ "loss": 0.2013,
1572
+ "step": 2210
1573
+ },
1574
+ {
1575
+ "epoch": 2.1438918396909705,
1576
+ "grad_norm": 1.5729371185522592,
1577
+ "learning_rate": 5e-06,
1578
+ "loss": 0.2015,
1579
+ "step": 2220
1580
+ },
1581
+ {
1582
+ "epoch": 2.153549010140029,
1583
+ "grad_norm": 1.6476425123948135,
1584
+ "learning_rate": 5e-06,
1585
+ "loss": 0.2012,
1586
+ "step": 2230
1587
+ },
1588
+ {
1589
+ "epoch": 2.1632061805890874,
1590
+ "grad_norm": 1.8001638906124682,
1591
+ "learning_rate": 5e-06,
1592
+ "loss": 0.2008,
1593
+ "step": 2240
1594
+ },
1595
+ {
1596
+ "epoch": 2.1728633510381457,
1597
+ "grad_norm": 1.7044240854710664,
1598
+ "learning_rate": 5e-06,
1599
+ "loss": 0.2054,
1600
+ "step": 2250
1601
+ },
1602
+ {
1603
+ "epoch": 2.1825205214872043,
1604
+ "grad_norm": 1.7542655066679125,
1605
+ "learning_rate": 5e-06,
1606
+ "loss": 0.2034,
1607
+ "step": 2260
1608
+ },
1609
+ {
1610
+ "epoch": 2.1921776919362626,
1611
+ "grad_norm": 1.6322702947383616,
1612
+ "learning_rate": 5e-06,
1613
+ "loss": 0.2057,
1614
+ "step": 2270
1615
+ },
1616
+ {
1617
+ "epoch": 2.2018348623853212,
1618
+ "grad_norm": 1.6677542060673687,
1619
+ "learning_rate": 5e-06,
1620
+ "loss": 0.207,
1621
+ "step": 2280
1622
+ },
1623
+ {
1624
+ "epoch": 2.2114920328343795,
1625
+ "grad_norm": 1.7199005988447569,
1626
+ "learning_rate": 5e-06,
1627
+ "loss": 0.2078,
1628
+ "step": 2290
1629
+ },
1630
+ {
1631
+ "epoch": 2.221149203283438,
1632
+ "grad_norm": 1.7417097237727022,
1633
+ "learning_rate": 5e-06,
1634
+ "loss": 0.2056,
1635
+ "step": 2300
1636
+ },
1637
+ {
1638
+ "epoch": 2.2308063737324964,
1639
+ "grad_norm": 1.7881569830854456,
1640
+ "learning_rate": 5e-06,
1641
+ "loss": 0.2018,
1642
+ "step": 2310
1643
+ },
1644
+ {
1645
+ "epoch": 2.240463544181555,
1646
+ "grad_norm": 1.778258239931456,
1647
+ "learning_rate": 5e-06,
1648
+ "loss": 0.2085,
1649
+ "step": 2320
1650
+ },
1651
+ {
1652
+ "epoch": 2.2501207146306133,
1653
+ "grad_norm": 1.7066617550978782,
1654
+ "learning_rate": 5e-06,
1655
+ "loss": 0.2081,
1656
+ "step": 2330
1657
+ },
1658
+ {
1659
+ "epoch": 2.2597778850796715,
1660
+ "grad_norm": 1.6359235244009738,
1661
+ "learning_rate": 5e-06,
1662
+ "loss": 0.2068,
1663
+ "step": 2340
1664
+ },
1665
+ {
1666
+ "epoch": 2.26943505552873,
1667
+ "grad_norm": 1.9690603812490861,
1668
+ "learning_rate": 5e-06,
1669
+ "loss": 0.2093,
1670
+ "step": 2350
1671
+ },
1672
+ {
1673
+ "epoch": 2.2790922259777884,
1674
+ "grad_norm": 1.8155935869005713,
1675
+ "learning_rate": 5e-06,
1676
+ "loss": 0.2086,
1677
+ "step": 2360
1678
+ },
1679
+ {
1680
+ "epoch": 2.288749396426847,
1681
+ "grad_norm": 1.7505898538326212,
1682
+ "learning_rate": 5e-06,
1683
+ "loss": 0.2082,
1684
+ "step": 2370
1685
+ },
1686
+ {
1687
+ "epoch": 2.2984065668759053,
1688
+ "grad_norm": 1.687851682529015,
1689
+ "learning_rate": 5e-06,
1690
+ "loss": 0.2094,
1691
+ "step": 2380
1692
+ },
1693
+ {
1694
+ "epoch": 2.308063737324964,
1695
+ "grad_norm": 2.0069895205569535,
1696
+ "learning_rate": 5e-06,
1697
+ "loss": 0.2114,
1698
+ "step": 2390
1699
+ },
1700
+ {
1701
+ "epoch": 2.317720907774022,
1702
+ "grad_norm": 1.8064841179245696,
1703
+ "learning_rate": 5e-06,
1704
+ "loss": 0.2059,
1705
+ "step": 2400
1706
+ },
1707
+ {
1708
+ "epoch": 2.327378078223081,
1709
+ "grad_norm": 1.7513896709251378,
1710
+ "learning_rate": 5e-06,
1711
+ "loss": 0.2073,
1712
+ "step": 2410
1713
+ },
1714
+ {
1715
+ "epoch": 2.337035248672139,
1716
+ "grad_norm": 1.7915692908106093,
1717
+ "learning_rate": 5e-06,
1718
+ "loss": 0.2097,
1719
+ "step": 2420
1720
+ },
1721
+ {
1722
+ "epoch": 2.3466924191211973,
1723
+ "grad_norm": 1.6328915879521833,
1724
+ "learning_rate": 5e-06,
1725
+ "loss": 0.2126,
1726
+ "step": 2430
1727
+ },
1728
+ {
1729
+ "epoch": 2.356349589570256,
1730
+ "grad_norm": 1.6676621870989963,
1731
+ "learning_rate": 5e-06,
1732
+ "loss": 0.2082,
1733
+ "step": 2440
1734
+ },
1735
+ {
1736
+ "epoch": 2.366006760019314,
1737
+ "grad_norm": 1.71621065929775,
1738
+ "learning_rate": 5e-06,
1739
+ "loss": 0.2079,
1740
+ "step": 2450
1741
+ },
1742
+ {
1743
+ "epoch": 2.375663930468373,
1744
+ "grad_norm": 1.6107515870333837,
1745
+ "learning_rate": 5e-06,
1746
+ "loss": 0.213,
1747
+ "step": 2460
1748
+ },
1749
+ {
1750
+ "epoch": 2.385321100917431,
1751
+ "grad_norm": 1.723592646527568,
1752
+ "learning_rate": 5e-06,
1753
+ "loss": 0.2112,
1754
+ "step": 2470
1755
+ },
1756
+ {
1757
+ "epoch": 2.3949782713664898,
1758
+ "grad_norm": 1.810751615032428,
1759
+ "learning_rate": 5e-06,
1760
+ "loss": 0.214,
1761
+ "step": 2480
1762
+ },
1763
+ {
1764
+ "epoch": 2.404635441815548,
1765
+ "grad_norm": 1.8583457997365094,
1766
+ "learning_rate": 5e-06,
1767
+ "loss": 0.2133,
1768
+ "step": 2490
1769
+ },
1770
+ {
1771
+ "epoch": 2.4142926122646067,
1772
+ "grad_norm": 1.8098882466647033,
1773
+ "learning_rate": 5e-06,
1774
+ "loss": 0.2118,
1775
+ "step": 2500
1776
+ },
1777
+ {
1778
+ "epoch": 2.423949782713665,
1779
+ "grad_norm": 1.7310394353267804,
1780
+ "learning_rate": 5e-06,
1781
+ "loss": 0.2091,
1782
+ "step": 2510
1783
+ },
1784
+ {
1785
+ "epoch": 2.433606953162723,
1786
+ "grad_norm": 1.9482929822769175,
1787
+ "learning_rate": 5e-06,
1788
+ "loss": 0.2103,
1789
+ "step": 2520
1790
+ },
1791
+ {
1792
+ "epoch": 2.443264123611782,
1793
+ "grad_norm": 1.8075435579847086,
1794
+ "learning_rate": 5e-06,
1795
+ "loss": 0.2111,
1796
+ "step": 2530
1797
+ },
1798
+ {
1799
+ "epoch": 2.45292129406084,
1800
+ "grad_norm": 1.6649997057492705,
1801
+ "learning_rate": 5e-06,
1802
+ "loss": 0.2119,
1803
+ "step": 2540
1804
+ },
1805
+ {
1806
+ "epoch": 2.4625784645098987,
1807
+ "grad_norm": 1.595570416233996,
1808
+ "learning_rate": 5e-06,
1809
+ "loss": 0.209,
1810
+ "step": 2550
1811
+ },
1812
+ {
1813
+ "epoch": 2.472235634958957,
1814
+ "grad_norm": 1.707621313978413,
1815
+ "learning_rate": 5e-06,
1816
+ "loss": 0.2124,
1817
+ "step": 2560
1818
+ },
1819
+ {
1820
+ "epoch": 2.4818928054080156,
1821
+ "grad_norm": 1.7540598817249424,
1822
+ "learning_rate": 5e-06,
1823
+ "loss": 0.2134,
1824
+ "step": 2570
1825
+ },
1826
+ {
1827
+ "epoch": 2.491549975857074,
1828
+ "grad_norm": 1.7644906677930094,
1829
+ "learning_rate": 5e-06,
1830
+ "loss": 0.212,
1831
+ "step": 2580
1832
+ },
1833
+ {
1834
+ "epoch": 2.5012071463061325,
1835
+ "grad_norm": 1.7556689404760746,
1836
+ "learning_rate": 5e-06,
1837
+ "loss": 0.2141,
1838
+ "step": 2590
1839
+ },
1840
+ {
1841
+ "epoch": 2.5108643167551907,
1842
+ "grad_norm": 1.7473267171283928,
1843
+ "learning_rate": 5e-06,
1844
+ "loss": 0.2124,
1845
+ "step": 2600
1846
+ },
1847
+ {
1848
+ "epoch": 2.520521487204249,
1849
+ "grad_norm": 1.9136137702521907,
1850
+ "learning_rate": 5e-06,
1851
+ "loss": 0.2127,
1852
+ "step": 2610
1853
+ },
1854
+ {
1855
+ "epoch": 2.5301786576533076,
1856
+ "grad_norm": 1.7481532118907182,
1857
+ "learning_rate": 5e-06,
1858
+ "loss": 0.2131,
1859
+ "step": 2620
1860
+ },
1861
+ {
1862
+ "epoch": 2.539835828102366,
1863
+ "grad_norm": 1.832460065168467,
1864
+ "learning_rate": 5e-06,
1865
+ "loss": 0.2153,
1866
+ "step": 2630
1867
+ },
1868
+ {
1869
+ "epoch": 2.5494929985514245,
1870
+ "grad_norm": 1.6966236245813655,
1871
+ "learning_rate": 5e-06,
1872
+ "loss": 0.2131,
1873
+ "step": 2640
1874
+ },
1875
+ {
1876
+ "epoch": 2.5591501690004828,
1877
+ "grad_norm": 1.7181221486120444,
1878
+ "learning_rate": 5e-06,
1879
+ "loss": 0.213,
1880
+ "step": 2650
1881
+ },
1882
+ {
1883
+ "epoch": 2.5688073394495414,
1884
+ "grad_norm": 1.6118010065233517,
1885
+ "learning_rate": 5e-06,
1886
+ "loss": 0.2148,
1887
+ "step": 2660
1888
+ },
1889
+ {
1890
+ "epoch": 2.5784645098985997,
1891
+ "grad_norm": 1.7015205827064956,
1892
+ "learning_rate": 5e-06,
1893
+ "loss": 0.219,
1894
+ "step": 2670
1895
+ },
1896
+ {
1897
+ "epoch": 2.5881216803476583,
1898
+ "grad_norm": 1.688200340928073,
1899
+ "learning_rate": 5e-06,
1900
+ "loss": 0.2145,
1901
+ "step": 2680
1902
+ },
1903
+ {
1904
+ "epoch": 2.5977788507967166,
1905
+ "grad_norm": 1.628479976082271,
1906
+ "learning_rate": 5e-06,
1907
+ "loss": 0.2173,
1908
+ "step": 2690
1909
+ },
1910
+ {
1911
+ "epoch": 2.607436021245775,
1912
+ "grad_norm": 1.6284654190992232,
1913
+ "learning_rate": 5e-06,
1914
+ "loss": 0.2166,
1915
+ "step": 2700
1916
+ },
1917
+ {
1918
+ "epoch": 2.6170931916948335,
1919
+ "grad_norm": 1.7027701458933544,
1920
+ "learning_rate": 5e-06,
1921
+ "loss": 0.2154,
1922
+ "step": 2710
1923
+ },
1924
+ {
1925
+ "epoch": 2.6267503621438917,
1926
+ "grad_norm": 1.6155718880952934,
1927
+ "learning_rate": 5e-06,
1928
+ "loss": 0.2154,
1929
+ "step": 2720
1930
+ },
1931
+ {
1932
+ "epoch": 2.6364075325929504,
1933
+ "grad_norm": 1.6351349351929865,
1934
+ "learning_rate": 5e-06,
1935
+ "loss": 0.2161,
1936
+ "step": 2730
1937
+ },
1938
+ {
1939
+ "epoch": 2.6460647030420086,
1940
+ "grad_norm": 1.7361275613850788,
1941
+ "learning_rate": 5e-06,
1942
+ "loss": 0.2183,
1943
+ "step": 2740
1944
+ },
1945
+ {
1946
+ "epoch": 2.6557218734910673,
1947
+ "grad_norm": 1.9309759687598864,
1948
+ "learning_rate": 5e-06,
1949
+ "loss": 0.2183,
1950
+ "step": 2750
1951
+ },
1952
+ {
1953
+ "epoch": 2.6653790439401255,
1954
+ "grad_norm": 1.7778715949832347,
1955
+ "learning_rate": 5e-06,
1956
+ "loss": 0.2164,
1957
+ "step": 2760
1958
+ },
1959
+ {
1960
+ "epoch": 2.675036214389184,
1961
+ "grad_norm": 1.689951172416981,
1962
+ "learning_rate": 5e-06,
1963
+ "loss": 0.2181,
1964
+ "step": 2770
1965
+ },
1966
+ {
1967
+ "epoch": 2.6846933848382424,
1968
+ "grad_norm": 1.9355370897589272,
1969
+ "learning_rate": 5e-06,
1970
+ "loss": 0.2205,
1971
+ "step": 2780
1972
+ },
1973
+ {
1974
+ "epoch": 2.6943505552873006,
1975
+ "grad_norm": 1.8460056442038406,
1976
+ "learning_rate": 5e-06,
1977
+ "loss": 0.2153,
1978
+ "step": 2790
1979
+ },
1980
+ {
1981
+ "epoch": 2.7040077257363593,
1982
+ "grad_norm": 1.857187825531335,
1983
+ "learning_rate": 5e-06,
1984
+ "loss": 0.2194,
1985
+ "step": 2800
1986
+ },
1987
+ {
1988
+ "epoch": 2.7136648961854175,
1989
+ "grad_norm": 1.7784483414745131,
1990
+ "learning_rate": 5e-06,
1991
+ "loss": 0.2155,
1992
+ "step": 2810
1993
+ },
1994
+ {
1995
+ "epoch": 2.723322066634476,
1996
+ "grad_norm": 1.6570596632282855,
1997
+ "learning_rate": 5e-06,
1998
+ "loss": 0.2204,
1999
+ "step": 2820
2000
+ },
2001
+ {
2002
+ "epoch": 2.7329792370835344,
2003
+ "grad_norm": 1.8006740077758066,
2004
+ "learning_rate": 5e-06,
2005
+ "loss": 0.2185,
2006
+ "step": 2830
2007
+ },
2008
+ {
2009
+ "epoch": 2.742636407532593,
2010
+ "grad_norm": 1.6910488555694076,
2011
+ "learning_rate": 5e-06,
2012
+ "loss": 0.2215,
2013
+ "step": 2840
2014
+ },
2015
+ {
2016
+ "epoch": 2.7522935779816513,
2017
+ "grad_norm": 1.6824061864717337,
2018
+ "learning_rate": 5e-06,
2019
+ "loss": 0.2168,
2020
+ "step": 2850
2021
+ },
2022
+ {
2023
+ "epoch": 2.76195074843071,
2024
+ "grad_norm": 1.667248411860486,
2025
+ "learning_rate": 5e-06,
2026
+ "loss": 0.2171,
2027
+ "step": 2860
2028
+ },
2029
+ {
2030
+ "epoch": 2.771607918879768,
2031
+ "grad_norm": 1.6621742506671506,
2032
+ "learning_rate": 5e-06,
2033
+ "loss": 0.2172,
2034
+ "step": 2870
2035
+ },
2036
+ {
2037
+ "epoch": 2.7812650893288264,
2038
+ "grad_norm": 1.951777361512585,
2039
+ "learning_rate": 5e-06,
2040
+ "loss": 0.2169,
2041
+ "step": 2880
2042
+ },
2043
+ {
2044
+ "epoch": 2.790922259777885,
2045
+ "grad_norm": 1.6376961183273515,
2046
+ "learning_rate": 5e-06,
2047
+ "loss": 0.2184,
2048
+ "step": 2890
2049
+ },
2050
+ {
2051
+ "epoch": 2.8005794302269438,
2052
+ "grad_norm": 1.7499302221356705,
2053
+ "learning_rate": 5e-06,
2054
+ "loss": 0.2172,
2055
+ "step": 2900
2056
+ },
2057
+ {
2058
+ "epoch": 2.810236600676002,
2059
+ "grad_norm": 1.6961296830905148,
2060
+ "learning_rate": 5e-06,
2061
+ "loss": 0.2191,
2062
+ "step": 2910
2063
+ },
2064
+ {
2065
+ "epoch": 2.8198937711250602,
2066
+ "grad_norm": 1.7673008414488,
2067
+ "learning_rate": 5e-06,
2068
+ "loss": 0.2203,
2069
+ "step": 2920
2070
+ },
2071
+ {
2072
+ "epoch": 2.829550941574119,
2073
+ "grad_norm": 1.756708895885833,
2074
+ "learning_rate": 5e-06,
2075
+ "loss": 0.2192,
2076
+ "step": 2930
2077
+ },
2078
+ {
2079
+ "epoch": 2.839208112023177,
2080
+ "grad_norm": 1.7064534219401073,
2081
+ "learning_rate": 5e-06,
2082
+ "loss": 0.2194,
2083
+ "step": 2940
2084
+ },
2085
+ {
2086
+ "epoch": 2.848865282472236,
2087
+ "grad_norm": 1.854536004459549,
2088
+ "learning_rate": 5e-06,
2089
+ "loss": 0.2207,
2090
+ "step": 2950
2091
+ },
2092
+ {
2093
+ "epoch": 2.858522452921294,
2094
+ "grad_norm": 1.7590173226380559,
2095
+ "learning_rate": 5e-06,
2096
+ "loss": 0.2234,
2097
+ "step": 2960
2098
+ },
2099
+ {
2100
+ "epoch": 2.8681796233703523,
2101
+ "grad_norm": 1.6888816007203014,
2102
+ "learning_rate": 5e-06,
2103
+ "loss": 0.2206,
2104
+ "step": 2970
2105
+ },
2106
+ {
2107
+ "epoch": 2.877836793819411,
2108
+ "grad_norm": 1.8848356855139519,
2109
+ "learning_rate": 5e-06,
2110
+ "loss": 0.2199,
2111
+ "step": 2980
2112
+ },
2113
+ {
2114
+ "epoch": 2.8874939642684696,
2115
+ "grad_norm": 1.7081747642661718,
2116
+ "learning_rate": 5e-06,
2117
+ "loss": 0.2181,
2118
+ "step": 2990
2119
+ },
2120
+ {
2121
+ "epoch": 2.897151134717528,
2122
+ "grad_norm": 1.8139898022279473,
2123
+ "learning_rate": 5e-06,
2124
+ "loss": 0.221,
2125
+ "step": 3000
2126
+ },
2127
+ {
2128
+ "epoch": 2.906808305166586,
2129
+ "grad_norm": 1.8123670196961439,
2130
+ "learning_rate": 5e-06,
2131
+ "loss": 0.2176,
2132
+ "step": 3010
2133
+ },
2134
+ {
2135
+ "epoch": 2.9164654756156447,
2136
+ "grad_norm": 1.6673754695154868,
2137
+ "learning_rate": 5e-06,
2138
+ "loss": 0.2232,
2139
+ "step": 3020
2140
+ },
2141
+ {
2142
+ "epoch": 2.926122646064703,
2143
+ "grad_norm": 1.6571101014785201,
2144
+ "learning_rate": 5e-06,
2145
+ "loss": 0.2203,
2146
+ "step": 3030
2147
+ },
2148
+ {
2149
+ "epoch": 2.9357798165137616,
2150
+ "grad_norm": 1.7173214731808049,
2151
+ "learning_rate": 5e-06,
2152
+ "loss": 0.2215,
2153
+ "step": 3040
2154
+ },
2155
+ {
2156
+ "epoch": 2.94543698696282,
2157
+ "grad_norm": 1.74112205509197,
2158
+ "learning_rate": 5e-06,
2159
+ "loss": 0.2193,
2160
+ "step": 3050
2161
+ },
2162
+ {
2163
+ "epoch": 2.955094157411878,
2164
+ "grad_norm": 1.6720045527666803,
2165
+ "learning_rate": 5e-06,
2166
+ "loss": 0.2215,
2167
+ "step": 3060
2168
+ },
2169
+ {
2170
+ "epoch": 2.9647513278609368,
2171
+ "grad_norm": 1.699005956548853,
2172
+ "learning_rate": 5e-06,
2173
+ "loss": 0.2208,
2174
+ "step": 3070
2175
+ },
2176
+ {
2177
+ "epoch": 2.9744084983099954,
2178
+ "grad_norm": 1.65145518846451,
2179
+ "learning_rate": 5e-06,
2180
+ "loss": 0.2229,
2181
+ "step": 3080
2182
+ },
2183
+ {
2184
+ "epoch": 2.9840656687590537,
2185
+ "grad_norm": 1.7864091472536987,
2186
+ "learning_rate": 5e-06,
2187
+ "loss": 0.2221,
2188
+ "step": 3090
2189
+ },
2190
+ {
2191
+ "epoch": 2.993722839208112,
2192
+ "grad_norm": 1.7192522447102805,
2193
+ "learning_rate": 5e-06,
2194
+ "loss": 0.2213,
2195
+ "step": 3100
2196
+ },
2197
+ {
2198
+ "epoch": 2.998551424432641,
2199
+ "eval_loss": 0.4467960000038147,
2200
+ "eval_runtime": 177.447,
2201
+ "eval_samples_per_second": 157.247,
2202
+ "eval_steps_per_second": 0.614,
2203
+ "step": 3105
2204
+ },
2205
+ {
2206
+ "epoch": 2.998551424432641,
2207
+ "step": 3105,
2208
+ "total_flos": 5200153128468480.0,
2209
+ "train_loss": 0.3273588392085691,
2210
+ "train_runtime": 26340.0491,
2211
+ "train_samples_per_second": 60.381,
2212
+ "train_steps_per_second": 0.118
2213
+ }
2214
+ ],
2215
+ "logging_steps": 10,
2216
+ "max_steps": 3105,
2217
+ "num_input_tokens_seen": 0,
2218
+ "num_train_epochs": 3,
2219
+ "save_steps": 500,
2220
+ "stateful_callbacks": {
2221
+ "TrainerControl": {
2222
+ "args": {
2223
+ "should_epoch_stop": false,
2224
+ "should_evaluate": false,
2225
+ "should_log": false,
2226
+ "should_save": true,
2227
+ "should_training_stop": true
2228
+ },
2229
+ "attributes": {}
2230
+ }
2231
+ },
2232
+ "total_flos": 5200153128468480.0,
2233
+ "train_batch_size": 8,
2234
+ "trial_name": null,
2235
+ "trial_params": null
2236
+ }
training_eval_loss.png ADDED
training_loss.png ADDED