mmanikanta commited on
Commit
dc72c30
1 Parent(s): 84322e6

End of training

Browse files
all_results.json ADDED
@@ -0,0 +1,13 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 3.0,
3
+ "eval_accuracy": 0.9901,
4
+ "eval_loss": 0.03231855481863022,
5
+ "eval_runtime": 133.8531,
6
+ "eval_samples_per_second": 74.709,
7
+ "eval_steps_per_second": 4.669,
8
+ "total_flos": 2.091911758043834e+19,
9
+ "train_loss": 0.13970869080807824,
10
+ "train_runtime": 10165.3024,
11
+ "train_samples_per_second": 26.561,
12
+ "train_steps_per_second": 0.415
13
+ }
eval_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 3.0,
3
+ "eval_accuracy": 0.9901,
4
+ "eval_loss": 0.03231855481863022,
5
+ "eval_runtime": 133.8531,
6
+ "eval_samples_per_second": 74.709,
7
+ "eval_steps_per_second": 4.669
8
+ }
runs/Apr15_00-38-28_92b54702df31/events.out.tfevents.1713151846.92b54702df31.2743.1 ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:458b36be7984329daa75ba0b91499cdc5e537538746e1112d55de86b3cfeb6c0
3
+ size 411
train_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 3.0,
3
+ "total_flos": 2.091911758043834e+19,
4
+ "train_loss": 0.13970869080807824,
5
+ "train_runtime": 10165.3024,
6
+ "train_samples_per_second": 26.561,
7
+ "train_steps_per_second": 0.415
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,2578 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": 0.9901,
3
+ "best_model_checkpoint": "VIT_AI_image_detector/checkpoint-4218",
4
+ "epoch": 2.9994666666666667,
5
+ "global_step": 4218,
6
+ "is_hyper_param_search": false,
7
+ "is_local_process_zero": true,
8
+ "is_world_process_zero": true,
9
+ "log_history": [
10
+ {
11
+ "epoch": 0.01,
12
+ "learning_rate": 1.1848341232227488e-06,
13
+ "loss": 0.6878,
14
+ "step": 10
15
+ },
16
+ {
17
+ "epoch": 0.01,
18
+ "learning_rate": 2.3696682464454976e-06,
19
+ "loss": 0.6907,
20
+ "step": 20
21
+ },
22
+ {
23
+ "epoch": 0.02,
24
+ "learning_rate": 3.5545023696682464e-06,
25
+ "loss": 0.6836,
26
+ "step": 30
27
+ },
28
+ {
29
+ "epoch": 0.03,
30
+ "learning_rate": 4.739336492890995e-06,
31
+ "loss": 0.6766,
32
+ "step": 40
33
+ },
34
+ {
35
+ "epoch": 0.04,
36
+ "learning_rate": 5.924170616113745e-06,
37
+ "loss": 0.6704,
38
+ "step": 50
39
+ },
40
+ {
41
+ "epoch": 0.04,
42
+ "learning_rate": 7.109004739336493e-06,
43
+ "loss": 0.6556,
44
+ "step": 60
45
+ },
46
+ {
47
+ "epoch": 0.05,
48
+ "learning_rate": 8.293838862559241e-06,
49
+ "loss": 0.6506,
50
+ "step": 70
51
+ },
52
+ {
53
+ "epoch": 0.06,
54
+ "learning_rate": 9.47867298578199e-06,
55
+ "loss": 0.6276,
56
+ "step": 80
57
+ },
58
+ {
59
+ "epoch": 0.06,
60
+ "learning_rate": 1.066350710900474e-05,
61
+ "loss": 0.5957,
62
+ "step": 90
63
+ },
64
+ {
65
+ "epoch": 0.07,
66
+ "learning_rate": 1.184834123222749e-05,
67
+ "loss": 0.5524,
68
+ "step": 100
69
+ },
70
+ {
71
+ "epoch": 0.08,
72
+ "learning_rate": 1.3033175355450238e-05,
73
+ "loss": 0.4691,
74
+ "step": 110
75
+ },
76
+ {
77
+ "epoch": 0.09,
78
+ "learning_rate": 1.4218009478672985e-05,
79
+ "loss": 0.4064,
80
+ "step": 120
81
+ },
82
+ {
83
+ "epoch": 0.09,
84
+ "learning_rate": 1.5402843601895736e-05,
85
+ "loss": 0.3614,
86
+ "step": 130
87
+ },
88
+ {
89
+ "epoch": 0.1,
90
+ "learning_rate": 1.6587677725118483e-05,
91
+ "loss": 0.3137,
92
+ "step": 140
93
+ },
94
+ {
95
+ "epoch": 0.11,
96
+ "learning_rate": 1.7772511848341233e-05,
97
+ "loss": 0.3232,
98
+ "step": 150
99
+ },
100
+ {
101
+ "epoch": 0.11,
102
+ "learning_rate": 1.895734597156398e-05,
103
+ "loss": 0.3303,
104
+ "step": 160
105
+ },
106
+ {
107
+ "epoch": 0.12,
108
+ "learning_rate": 2.014218009478673e-05,
109
+ "loss": 0.2869,
110
+ "step": 170
111
+ },
112
+ {
113
+ "epoch": 0.13,
114
+ "learning_rate": 2.132701421800948e-05,
115
+ "loss": 0.2903,
116
+ "step": 180
117
+ },
118
+ {
119
+ "epoch": 0.14,
120
+ "learning_rate": 2.251184834123223e-05,
121
+ "loss": 0.2726,
122
+ "step": 190
123
+ },
124
+ {
125
+ "epoch": 0.14,
126
+ "learning_rate": 2.369668246445498e-05,
127
+ "loss": 0.2885,
128
+ "step": 200
129
+ },
130
+ {
131
+ "epoch": 0.15,
132
+ "learning_rate": 2.4881516587677726e-05,
133
+ "loss": 0.2507,
134
+ "step": 210
135
+ },
136
+ {
137
+ "epoch": 0.16,
138
+ "learning_rate": 2.6066350710900477e-05,
139
+ "loss": 0.2451,
140
+ "step": 220
141
+ },
142
+ {
143
+ "epoch": 0.16,
144
+ "learning_rate": 2.7251184834123224e-05,
145
+ "loss": 0.239,
146
+ "step": 230
147
+ },
148
+ {
149
+ "epoch": 0.17,
150
+ "learning_rate": 2.843601895734597e-05,
151
+ "loss": 0.2621,
152
+ "step": 240
153
+ },
154
+ {
155
+ "epoch": 0.18,
156
+ "learning_rate": 2.962085308056872e-05,
157
+ "loss": 0.2509,
158
+ "step": 250
159
+ },
160
+ {
161
+ "epoch": 0.18,
162
+ "learning_rate": 3.080568720379147e-05,
163
+ "loss": 0.2168,
164
+ "step": 260
165
+ },
166
+ {
167
+ "epoch": 0.19,
168
+ "learning_rate": 3.1990521327014215e-05,
169
+ "loss": 0.2547,
170
+ "step": 270
171
+ },
172
+ {
173
+ "epoch": 0.2,
174
+ "learning_rate": 3.3175355450236966e-05,
175
+ "loss": 0.1996,
176
+ "step": 280
177
+ },
178
+ {
179
+ "epoch": 0.21,
180
+ "learning_rate": 3.4360189573459716e-05,
181
+ "loss": 0.2337,
182
+ "step": 290
183
+ },
184
+ {
185
+ "epoch": 0.21,
186
+ "learning_rate": 3.554502369668247e-05,
187
+ "loss": 0.2903,
188
+ "step": 300
189
+ },
190
+ {
191
+ "epoch": 0.22,
192
+ "learning_rate": 3.672985781990522e-05,
193
+ "loss": 0.2271,
194
+ "step": 310
195
+ },
196
+ {
197
+ "epoch": 0.23,
198
+ "learning_rate": 3.791469194312796e-05,
199
+ "loss": 0.2384,
200
+ "step": 320
201
+ },
202
+ {
203
+ "epoch": 0.23,
204
+ "learning_rate": 3.909952606635071e-05,
205
+ "loss": 0.2323,
206
+ "step": 330
207
+ },
208
+ {
209
+ "epoch": 0.24,
210
+ "learning_rate": 4.028436018957346e-05,
211
+ "loss": 0.208,
212
+ "step": 340
213
+ },
214
+ {
215
+ "epoch": 0.25,
216
+ "learning_rate": 4.146919431279621e-05,
217
+ "loss": 0.2671,
218
+ "step": 350
219
+ },
220
+ {
221
+ "epoch": 0.26,
222
+ "learning_rate": 4.265402843601896e-05,
223
+ "loss": 0.2282,
224
+ "step": 360
225
+ },
226
+ {
227
+ "epoch": 0.26,
228
+ "learning_rate": 4.383886255924171e-05,
229
+ "loss": 0.1993,
230
+ "step": 370
231
+ },
232
+ {
233
+ "epoch": 0.27,
234
+ "learning_rate": 4.502369668246446e-05,
235
+ "loss": 0.225,
236
+ "step": 380
237
+ },
238
+ {
239
+ "epoch": 0.28,
240
+ "learning_rate": 4.620853080568721e-05,
241
+ "loss": 0.2417,
242
+ "step": 390
243
+ },
244
+ {
245
+ "epoch": 0.28,
246
+ "learning_rate": 4.739336492890996e-05,
247
+ "loss": 0.1922,
248
+ "step": 400
249
+ },
250
+ {
251
+ "epoch": 0.29,
252
+ "learning_rate": 4.857819905213271e-05,
253
+ "loss": 0.208,
254
+ "step": 410
255
+ },
256
+ {
257
+ "epoch": 0.3,
258
+ "learning_rate": 4.976303317535545e-05,
259
+ "loss": 0.2107,
260
+ "step": 420
261
+ },
262
+ {
263
+ "epoch": 0.31,
264
+ "learning_rate": 4.989462592202318e-05,
265
+ "loss": 0.22,
266
+ "step": 430
267
+ },
268
+ {
269
+ "epoch": 0.31,
270
+ "learning_rate": 4.976290832455216e-05,
271
+ "loss": 0.2069,
272
+ "step": 440
273
+ },
274
+ {
275
+ "epoch": 0.32,
276
+ "learning_rate": 4.963119072708114e-05,
277
+ "loss": 0.1807,
278
+ "step": 450
279
+ },
280
+ {
281
+ "epoch": 0.33,
282
+ "learning_rate": 4.949947312961012e-05,
283
+ "loss": 0.1716,
284
+ "step": 460
285
+ },
286
+ {
287
+ "epoch": 0.33,
288
+ "learning_rate": 4.93677555321391e-05,
289
+ "loss": 0.2296,
290
+ "step": 470
291
+ },
292
+ {
293
+ "epoch": 0.34,
294
+ "learning_rate": 4.923603793466807e-05,
295
+ "loss": 0.2679,
296
+ "step": 480
297
+ },
298
+ {
299
+ "epoch": 0.35,
300
+ "learning_rate": 4.910432033719705e-05,
301
+ "loss": 0.2065,
302
+ "step": 490
303
+ },
304
+ {
305
+ "epoch": 0.36,
306
+ "learning_rate": 4.8972602739726034e-05,
307
+ "loss": 0.1917,
308
+ "step": 500
309
+ },
310
+ {
311
+ "epoch": 0.36,
312
+ "learning_rate": 4.8840885142255003e-05,
313
+ "loss": 0.2167,
314
+ "step": 510
315
+ },
316
+ {
317
+ "epoch": 0.37,
318
+ "learning_rate": 4.8709167544783986e-05,
319
+ "loss": 0.1904,
320
+ "step": 520
321
+ },
322
+ {
323
+ "epoch": 0.38,
324
+ "learning_rate": 4.857744994731296e-05,
325
+ "loss": 0.1902,
326
+ "step": 530
327
+ },
328
+ {
329
+ "epoch": 0.38,
330
+ "learning_rate": 4.8445732349841945e-05,
331
+ "loss": 0.2011,
332
+ "step": 540
333
+ },
334
+ {
335
+ "epoch": 0.39,
336
+ "learning_rate": 4.831401475237092e-05,
337
+ "loss": 0.2673,
338
+ "step": 550
339
+ },
340
+ {
341
+ "epoch": 0.4,
342
+ "learning_rate": 4.8182297154899896e-05,
343
+ "loss": 0.232,
344
+ "step": 560
345
+ },
346
+ {
347
+ "epoch": 0.41,
348
+ "learning_rate": 4.805057955742888e-05,
349
+ "loss": 0.2093,
350
+ "step": 570
351
+ },
352
+ {
353
+ "epoch": 0.41,
354
+ "learning_rate": 4.791886195995785e-05,
355
+ "loss": 0.182,
356
+ "step": 580
357
+ },
358
+ {
359
+ "epoch": 0.42,
360
+ "learning_rate": 4.778714436248683e-05,
361
+ "loss": 0.194,
362
+ "step": 590
363
+ },
364
+ {
365
+ "epoch": 0.43,
366
+ "learning_rate": 4.7655426765015806e-05,
367
+ "loss": 0.2216,
368
+ "step": 600
369
+ },
370
+ {
371
+ "epoch": 0.43,
372
+ "learning_rate": 4.752370916754479e-05,
373
+ "loss": 0.1712,
374
+ "step": 610
375
+ },
376
+ {
377
+ "epoch": 0.44,
378
+ "learning_rate": 4.7391991570073765e-05,
379
+ "loss": 0.207,
380
+ "step": 620
381
+ },
382
+ {
383
+ "epoch": 0.45,
384
+ "learning_rate": 4.726027397260274e-05,
385
+ "loss": 0.1605,
386
+ "step": 630
387
+ },
388
+ {
389
+ "epoch": 0.46,
390
+ "learning_rate": 4.712855637513172e-05,
391
+ "loss": 0.1532,
392
+ "step": 640
393
+ },
394
+ {
395
+ "epoch": 0.46,
396
+ "learning_rate": 4.699683877766069e-05,
397
+ "loss": 0.2005,
398
+ "step": 650
399
+ },
400
+ {
401
+ "epoch": 0.47,
402
+ "learning_rate": 4.6865121180189675e-05,
403
+ "loss": 0.1555,
404
+ "step": 660
405
+ },
406
+ {
407
+ "epoch": 0.48,
408
+ "learning_rate": 4.673340358271866e-05,
409
+ "loss": 0.1744,
410
+ "step": 670
411
+ },
412
+ {
413
+ "epoch": 0.48,
414
+ "learning_rate": 4.6601685985247633e-05,
415
+ "loss": 0.1753,
416
+ "step": 680
417
+ },
418
+ {
419
+ "epoch": 0.49,
420
+ "learning_rate": 4.646996838777661e-05,
421
+ "loss": 0.1799,
422
+ "step": 690
423
+ },
424
+ {
425
+ "epoch": 0.5,
426
+ "learning_rate": 4.6338250790305585e-05,
427
+ "loss": 0.1929,
428
+ "step": 700
429
+ },
430
+ {
431
+ "epoch": 0.5,
432
+ "learning_rate": 4.620653319283457e-05,
433
+ "loss": 0.246,
434
+ "step": 710
435
+ },
436
+ {
437
+ "epoch": 0.51,
438
+ "learning_rate": 4.6074815595363544e-05,
439
+ "loss": 0.1788,
440
+ "step": 720
441
+ },
442
+ {
443
+ "epoch": 0.52,
444
+ "learning_rate": 4.594309799789252e-05,
445
+ "loss": 0.1918,
446
+ "step": 730
447
+ },
448
+ {
449
+ "epoch": 0.53,
450
+ "learning_rate": 4.58113804004215e-05,
451
+ "loss": 0.1817,
452
+ "step": 740
453
+ },
454
+ {
455
+ "epoch": 0.53,
456
+ "learning_rate": 4.567966280295047e-05,
457
+ "loss": 0.1969,
458
+ "step": 750
459
+ },
460
+ {
461
+ "epoch": 0.54,
462
+ "learning_rate": 4.5547945205479454e-05,
463
+ "loss": 0.1572,
464
+ "step": 760
465
+ },
466
+ {
467
+ "epoch": 0.55,
468
+ "learning_rate": 4.541622760800843e-05,
469
+ "loss": 0.1323,
470
+ "step": 770
471
+ },
472
+ {
473
+ "epoch": 0.55,
474
+ "learning_rate": 4.528451001053741e-05,
475
+ "loss": 0.1533,
476
+ "step": 780
477
+ },
478
+ {
479
+ "epoch": 0.56,
480
+ "learning_rate": 4.515279241306639e-05,
481
+ "loss": 0.1593,
482
+ "step": 790
483
+ },
484
+ {
485
+ "epoch": 0.57,
486
+ "learning_rate": 4.5021074815595364e-05,
487
+ "loss": 0.2544,
488
+ "step": 800
489
+ },
490
+ {
491
+ "epoch": 0.58,
492
+ "learning_rate": 4.488935721812435e-05,
493
+ "loss": 0.2024,
494
+ "step": 810
495
+ },
496
+ {
497
+ "epoch": 0.58,
498
+ "learning_rate": 4.4757639620653316e-05,
499
+ "loss": 0.1798,
500
+ "step": 820
501
+ },
502
+ {
503
+ "epoch": 0.59,
504
+ "learning_rate": 4.46259220231823e-05,
505
+ "loss": 0.1406,
506
+ "step": 830
507
+ },
508
+ {
509
+ "epoch": 0.6,
510
+ "learning_rate": 4.449420442571128e-05,
511
+ "loss": 0.1335,
512
+ "step": 840
513
+ },
514
+ {
515
+ "epoch": 0.6,
516
+ "learning_rate": 4.436248682824026e-05,
517
+ "loss": 0.1829,
518
+ "step": 850
519
+ },
520
+ {
521
+ "epoch": 0.61,
522
+ "learning_rate": 4.423076923076923e-05,
523
+ "loss": 0.1353,
524
+ "step": 860
525
+ },
526
+ {
527
+ "epoch": 0.62,
528
+ "learning_rate": 4.409905163329821e-05,
529
+ "loss": 0.1598,
530
+ "step": 870
531
+ },
532
+ {
533
+ "epoch": 0.63,
534
+ "learning_rate": 4.396733403582719e-05,
535
+ "loss": 0.1518,
536
+ "step": 880
537
+ },
538
+ {
539
+ "epoch": 0.63,
540
+ "learning_rate": 4.383561643835617e-05,
541
+ "loss": 0.1554,
542
+ "step": 890
543
+ },
544
+ {
545
+ "epoch": 0.64,
546
+ "learning_rate": 4.370389884088514e-05,
547
+ "loss": 0.1387,
548
+ "step": 900
549
+ },
550
+ {
551
+ "epoch": 0.65,
552
+ "learning_rate": 4.3572181243414125e-05,
553
+ "loss": 0.1769,
554
+ "step": 910
555
+ },
556
+ {
557
+ "epoch": 0.65,
558
+ "learning_rate": 4.34404636459431e-05,
559
+ "loss": 0.1697,
560
+ "step": 920
561
+ },
562
+ {
563
+ "epoch": 0.66,
564
+ "learning_rate": 4.330874604847208e-05,
565
+ "loss": 0.1711,
566
+ "step": 930
567
+ },
568
+ {
569
+ "epoch": 0.67,
570
+ "learning_rate": 4.317702845100105e-05,
571
+ "loss": 0.1842,
572
+ "step": 940
573
+ },
574
+ {
575
+ "epoch": 0.68,
576
+ "learning_rate": 4.3045310853530036e-05,
577
+ "loss": 0.1413,
578
+ "step": 950
579
+ },
580
+ {
581
+ "epoch": 0.68,
582
+ "learning_rate": 4.291359325605901e-05,
583
+ "loss": 0.1799,
584
+ "step": 960
585
+ },
586
+ {
587
+ "epoch": 0.69,
588
+ "learning_rate": 4.278187565858799e-05,
589
+ "loss": 0.1479,
590
+ "step": 970
591
+ },
592
+ {
593
+ "epoch": 0.7,
594
+ "learning_rate": 4.265015806111697e-05,
595
+ "loss": 0.1873,
596
+ "step": 980
597
+ },
598
+ {
599
+ "epoch": 0.7,
600
+ "learning_rate": 4.2518440463645946e-05,
601
+ "loss": 0.1741,
602
+ "step": 990
603
+ },
604
+ {
605
+ "epoch": 0.71,
606
+ "learning_rate": 4.238672286617492e-05,
607
+ "loss": 0.1262,
608
+ "step": 1000
609
+ },
610
+ {
611
+ "epoch": 0.72,
612
+ "learning_rate": 4.2255005268703904e-05,
613
+ "loss": 0.1856,
614
+ "step": 1010
615
+ },
616
+ {
617
+ "epoch": 0.73,
618
+ "learning_rate": 4.212328767123288e-05,
619
+ "loss": 0.1391,
620
+ "step": 1020
621
+ },
622
+ {
623
+ "epoch": 0.73,
624
+ "learning_rate": 4.1991570073761856e-05,
625
+ "loss": 0.1748,
626
+ "step": 1030
627
+ },
628
+ {
629
+ "epoch": 0.74,
630
+ "learning_rate": 4.185985247629083e-05,
631
+ "loss": 0.1404,
632
+ "step": 1040
633
+ },
634
+ {
635
+ "epoch": 0.75,
636
+ "learning_rate": 4.1728134878819814e-05,
637
+ "loss": 0.1151,
638
+ "step": 1050
639
+ },
640
+ {
641
+ "epoch": 0.75,
642
+ "learning_rate": 4.159641728134879e-05,
643
+ "loss": 0.192,
644
+ "step": 1060
645
+ },
646
+ {
647
+ "epoch": 0.76,
648
+ "learning_rate": 4.1464699683877766e-05,
649
+ "loss": 0.1731,
650
+ "step": 1070
651
+ },
652
+ {
653
+ "epoch": 0.77,
654
+ "learning_rate": 4.133298208640675e-05,
655
+ "loss": 0.1551,
656
+ "step": 1080
657
+ },
658
+ {
659
+ "epoch": 0.78,
660
+ "learning_rate": 4.1201264488935725e-05,
661
+ "loss": 0.1545,
662
+ "step": 1090
663
+ },
664
+ {
665
+ "epoch": 0.78,
666
+ "learning_rate": 4.10695468914647e-05,
667
+ "loss": 0.1238,
668
+ "step": 1100
669
+ },
670
+ {
671
+ "epoch": 0.79,
672
+ "learning_rate": 4.0937829293993676e-05,
673
+ "loss": 0.1036,
674
+ "step": 1110
675
+ },
676
+ {
677
+ "epoch": 0.8,
678
+ "learning_rate": 4.080611169652266e-05,
679
+ "loss": 0.173,
680
+ "step": 1120
681
+ },
682
+ {
683
+ "epoch": 0.8,
684
+ "learning_rate": 4.0674394099051635e-05,
685
+ "loss": 0.123,
686
+ "step": 1130
687
+ },
688
+ {
689
+ "epoch": 0.81,
690
+ "learning_rate": 4.054267650158061e-05,
691
+ "loss": 0.1379,
692
+ "step": 1140
693
+ },
694
+ {
695
+ "epoch": 0.82,
696
+ "learning_rate": 4.041095890410959e-05,
697
+ "loss": 0.1605,
698
+ "step": 1150
699
+ },
700
+ {
701
+ "epoch": 0.82,
702
+ "learning_rate": 4.027924130663857e-05,
703
+ "loss": 0.1423,
704
+ "step": 1160
705
+ },
706
+ {
707
+ "epoch": 0.83,
708
+ "learning_rate": 4.0147523709167545e-05,
709
+ "loss": 0.1369,
710
+ "step": 1170
711
+ },
712
+ {
713
+ "epoch": 0.84,
714
+ "learning_rate": 4.001580611169653e-05,
715
+ "loss": 0.129,
716
+ "step": 1180
717
+ },
718
+ {
719
+ "epoch": 0.85,
720
+ "learning_rate": 3.98840885142255e-05,
721
+ "loss": 0.1163,
722
+ "step": 1190
723
+ },
724
+ {
725
+ "epoch": 0.85,
726
+ "learning_rate": 3.975237091675448e-05,
727
+ "loss": 0.1269,
728
+ "step": 1200
729
+ },
730
+ {
731
+ "epoch": 0.86,
732
+ "learning_rate": 3.9620653319283455e-05,
733
+ "loss": 0.1513,
734
+ "step": 1210
735
+ },
736
+ {
737
+ "epoch": 0.87,
738
+ "learning_rate": 3.948893572181244e-05,
739
+ "loss": 0.1355,
740
+ "step": 1220
741
+ },
742
+ {
743
+ "epoch": 0.87,
744
+ "learning_rate": 3.9357218124341414e-05,
745
+ "loss": 0.1308,
746
+ "step": 1230
747
+ },
748
+ {
749
+ "epoch": 0.88,
750
+ "learning_rate": 3.922550052687039e-05,
751
+ "loss": 0.1474,
752
+ "step": 1240
753
+ },
754
+ {
755
+ "epoch": 0.89,
756
+ "learning_rate": 3.909378292939937e-05,
757
+ "loss": 0.1599,
758
+ "step": 1250
759
+ },
760
+ {
761
+ "epoch": 0.9,
762
+ "learning_rate": 3.896206533192835e-05,
763
+ "loss": 0.1383,
764
+ "step": 1260
765
+ },
766
+ {
767
+ "epoch": 0.9,
768
+ "learning_rate": 3.8830347734457324e-05,
769
+ "loss": 0.1245,
770
+ "step": 1270
771
+ },
772
+ {
773
+ "epoch": 0.91,
774
+ "learning_rate": 3.86986301369863e-05,
775
+ "loss": 0.1458,
776
+ "step": 1280
777
+ },
778
+ {
779
+ "epoch": 0.92,
780
+ "learning_rate": 3.856691253951528e-05,
781
+ "loss": 0.1361,
782
+ "step": 1290
783
+ },
784
+ {
785
+ "epoch": 0.92,
786
+ "learning_rate": 3.843519494204426e-05,
787
+ "loss": 0.1498,
788
+ "step": 1300
789
+ },
790
+ {
791
+ "epoch": 0.93,
792
+ "learning_rate": 3.8303477344573234e-05,
793
+ "loss": 0.1605,
794
+ "step": 1310
795
+ },
796
+ {
797
+ "epoch": 0.94,
798
+ "learning_rate": 3.8171759747102217e-05,
799
+ "loss": 0.1485,
800
+ "step": 1320
801
+ },
802
+ {
803
+ "epoch": 0.95,
804
+ "learning_rate": 3.804004214963119e-05,
805
+ "loss": 0.1245,
806
+ "step": 1330
807
+ },
808
+ {
809
+ "epoch": 0.95,
810
+ "learning_rate": 3.790832455216017e-05,
811
+ "loss": 0.149,
812
+ "step": 1340
813
+ },
814
+ {
815
+ "epoch": 0.96,
816
+ "learning_rate": 3.777660695468915e-05,
817
+ "loss": 0.1138,
818
+ "step": 1350
819
+ },
820
+ {
821
+ "epoch": 0.97,
822
+ "learning_rate": 3.764488935721813e-05,
823
+ "loss": 0.1203,
824
+ "step": 1360
825
+ },
826
+ {
827
+ "epoch": 0.97,
828
+ "learning_rate": 3.751317175974711e-05,
829
+ "loss": 0.1144,
830
+ "step": 1370
831
+ },
832
+ {
833
+ "epoch": 0.98,
834
+ "learning_rate": 3.738145416227608e-05,
835
+ "loss": 0.1451,
836
+ "step": 1380
837
+ },
838
+ {
839
+ "epoch": 0.99,
840
+ "learning_rate": 3.724973656480506e-05,
841
+ "loss": 0.1256,
842
+ "step": 1390
843
+ },
844
+ {
845
+ "epoch": 1.0,
846
+ "learning_rate": 3.711801896733404e-05,
847
+ "loss": 0.1624,
848
+ "step": 1400
849
+ },
850
+ {
851
+ "epoch": 1.0,
852
+ "eval_accuracy": 0.9799,
853
+ "eval_loss": 0.05523204430937767,
854
+ "eval_runtime": 133.9464,
855
+ "eval_samples_per_second": 74.657,
856
+ "eval_steps_per_second": 4.666,
857
+ "step": 1406
858
+ },
859
+ {
860
+ "epoch": 1.0,
861
+ "learning_rate": 3.698630136986301e-05,
862
+ "loss": 0.1724,
863
+ "step": 1410
864
+ },
865
+ {
866
+ "epoch": 1.01,
867
+ "learning_rate": 3.6854583772391995e-05,
868
+ "loss": 0.1486,
869
+ "step": 1420
870
+ },
871
+ {
872
+ "epoch": 1.02,
873
+ "learning_rate": 3.672286617492097e-05,
874
+ "loss": 0.1642,
875
+ "step": 1430
876
+ },
877
+ {
878
+ "epoch": 1.02,
879
+ "learning_rate": 3.6591148577449954e-05,
880
+ "loss": 0.1472,
881
+ "step": 1440
882
+ },
883
+ {
884
+ "epoch": 1.03,
885
+ "learning_rate": 3.645943097997892e-05,
886
+ "loss": 0.118,
887
+ "step": 1450
888
+ },
889
+ {
890
+ "epoch": 1.04,
891
+ "learning_rate": 3.6327713382507905e-05,
892
+ "loss": 0.1535,
893
+ "step": 1460
894
+ },
895
+ {
896
+ "epoch": 1.05,
897
+ "learning_rate": 3.619599578503688e-05,
898
+ "loss": 0.1396,
899
+ "step": 1470
900
+ },
901
+ {
902
+ "epoch": 1.05,
903
+ "learning_rate": 3.606427818756586e-05,
904
+ "loss": 0.1082,
905
+ "step": 1480
906
+ },
907
+ {
908
+ "epoch": 1.06,
909
+ "learning_rate": 3.593256059009484e-05,
910
+ "loss": 0.0991,
911
+ "step": 1490
912
+ },
913
+ {
914
+ "epoch": 1.07,
915
+ "learning_rate": 3.5800842992623816e-05,
916
+ "loss": 0.1091,
917
+ "step": 1500
918
+ },
919
+ {
920
+ "epoch": 1.07,
921
+ "learning_rate": 3.566912539515279e-05,
922
+ "loss": 0.1155,
923
+ "step": 1510
924
+ },
925
+ {
926
+ "epoch": 1.08,
927
+ "learning_rate": 3.5537407797681774e-05,
928
+ "loss": 0.1383,
929
+ "step": 1520
930
+ },
931
+ {
932
+ "epoch": 1.09,
933
+ "learning_rate": 3.540569020021075e-05,
934
+ "loss": 0.0968,
935
+ "step": 1530
936
+ },
937
+ {
938
+ "epoch": 1.1,
939
+ "learning_rate": 3.527397260273973e-05,
940
+ "loss": 0.1082,
941
+ "step": 1540
942
+ },
943
+ {
944
+ "epoch": 1.1,
945
+ "learning_rate": 3.51422550052687e-05,
946
+ "loss": 0.1382,
947
+ "step": 1550
948
+ },
949
+ {
950
+ "epoch": 1.11,
951
+ "learning_rate": 3.5010537407797684e-05,
952
+ "loss": 0.1374,
953
+ "step": 1560
954
+ },
955
+ {
956
+ "epoch": 1.12,
957
+ "learning_rate": 3.487881981032666e-05,
958
+ "loss": 0.1468,
959
+ "step": 1570
960
+ },
961
+ {
962
+ "epoch": 1.12,
963
+ "learning_rate": 3.4747102212855636e-05,
964
+ "loss": 0.1012,
965
+ "step": 1580
966
+ },
967
+ {
968
+ "epoch": 1.13,
969
+ "learning_rate": 3.461538461538462e-05,
970
+ "loss": 0.1253,
971
+ "step": 1590
972
+ },
973
+ {
974
+ "epoch": 1.14,
975
+ "learning_rate": 3.4483667017913594e-05,
976
+ "loss": 0.1533,
977
+ "step": 1600
978
+ },
979
+ {
980
+ "epoch": 1.14,
981
+ "learning_rate": 3.435194942044258e-05,
982
+ "loss": 0.1365,
983
+ "step": 1610
984
+ },
985
+ {
986
+ "epoch": 1.15,
987
+ "learning_rate": 3.4220231822971546e-05,
988
+ "loss": 0.1451,
989
+ "step": 1620
990
+ },
991
+ {
992
+ "epoch": 1.16,
993
+ "learning_rate": 3.408851422550053e-05,
994
+ "loss": 0.1192,
995
+ "step": 1630
996
+ },
997
+ {
998
+ "epoch": 1.17,
999
+ "learning_rate": 3.3956796628029505e-05,
1000
+ "loss": 0.1206,
1001
+ "step": 1640
1002
+ },
1003
+ {
1004
+ "epoch": 1.17,
1005
+ "learning_rate": 3.382507903055848e-05,
1006
+ "loss": 0.1222,
1007
+ "step": 1650
1008
+ },
1009
+ {
1010
+ "epoch": 1.18,
1011
+ "learning_rate": 3.369336143308746e-05,
1012
+ "loss": 0.1068,
1013
+ "step": 1660
1014
+ },
1015
+ {
1016
+ "epoch": 1.19,
1017
+ "learning_rate": 3.356164383561644e-05,
1018
+ "loss": 0.1541,
1019
+ "step": 1670
1020
+ },
1021
+ {
1022
+ "epoch": 1.19,
1023
+ "learning_rate": 3.342992623814542e-05,
1024
+ "loss": 0.1448,
1025
+ "step": 1680
1026
+ },
1027
+ {
1028
+ "epoch": 1.2,
1029
+ "learning_rate": 3.32982086406744e-05,
1030
+ "loss": 0.1205,
1031
+ "step": 1690
1032
+ },
1033
+ {
1034
+ "epoch": 1.21,
1035
+ "learning_rate": 3.316649104320337e-05,
1036
+ "loss": 0.1337,
1037
+ "step": 1700
1038
+ },
1039
+ {
1040
+ "epoch": 1.22,
1041
+ "learning_rate": 3.3034773445732356e-05,
1042
+ "loss": 0.1059,
1043
+ "step": 1710
1044
+ },
1045
+ {
1046
+ "epoch": 1.22,
1047
+ "learning_rate": 3.2903055848261325e-05,
1048
+ "loss": 0.1046,
1049
+ "step": 1720
1050
+ },
1051
+ {
1052
+ "epoch": 1.23,
1053
+ "learning_rate": 3.277133825079031e-05,
1054
+ "loss": 0.1184,
1055
+ "step": 1730
1056
+ },
1057
+ {
1058
+ "epoch": 1.24,
1059
+ "learning_rate": 3.2639620653319283e-05,
1060
+ "loss": 0.1183,
1061
+ "step": 1740
1062
+ },
1063
+ {
1064
+ "epoch": 1.24,
1065
+ "learning_rate": 3.2507903055848266e-05,
1066
+ "loss": 0.0955,
1067
+ "step": 1750
1068
+ },
1069
+ {
1070
+ "epoch": 1.25,
1071
+ "learning_rate": 3.237618545837724e-05,
1072
+ "loss": 0.1096,
1073
+ "step": 1760
1074
+ },
1075
+ {
1076
+ "epoch": 1.26,
1077
+ "learning_rate": 3.224446786090622e-05,
1078
+ "loss": 0.0932,
1079
+ "step": 1770
1080
+ },
1081
+ {
1082
+ "epoch": 1.27,
1083
+ "learning_rate": 3.21127502634352e-05,
1084
+ "loss": 0.1468,
1085
+ "step": 1780
1086
+ },
1087
+ {
1088
+ "epoch": 1.27,
1089
+ "learning_rate": 3.198103266596417e-05,
1090
+ "loss": 0.1202,
1091
+ "step": 1790
1092
+ },
1093
+ {
1094
+ "epoch": 1.28,
1095
+ "learning_rate": 3.184931506849315e-05,
1096
+ "loss": 0.1458,
1097
+ "step": 1800
1098
+ },
1099
+ {
1100
+ "epoch": 1.29,
1101
+ "learning_rate": 3.171759747102213e-05,
1102
+ "loss": 0.1065,
1103
+ "step": 1810
1104
+ },
1105
+ {
1106
+ "epoch": 1.29,
1107
+ "learning_rate": 3.1585879873551104e-05,
1108
+ "loss": 0.1114,
1109
+ "step": 1820
1110
+ },
1111
+ {
1112
+ "epoch": 1.3,
1113
+ "learning_rate": 3.1454162276080086e-05,
1114
+ "loss": 0.1282,
1115
+ "step": 1830
1116
+ },
1117
+ {
1118
+ "epoch": 1.31,
1119
+ "learning_rate": 3.132244467860906e-05,
1120
+ "loss": 0.1271,
1121
+ "step": 1840
1122
+ },
1123
+ {
1124
+ "epoch": 1.32,
1125
+ "learning_rate": 3.1190727081138045e-05,
1126
+ "loss": 0.111,
1127
+ "step": 1850
1128
+ },
1129
+ {
1130
+ "epoch": 1.32,
1131
+ "learning_rate": 3.105900948366702e-05,
1132
+ "loss": 0.1371,
1133
+ "step": 1860
1134
+ },
1135
+ {
1136
+ "epoch": 1.33,
1137
+ "learning_rate": 3.0927291886195997e-05,
1138
+ "loss": 0.1111,
1139
+ "step": 1870
1140
+ },
1141
+ {
1142
+ "epoch": 1.34,
1143
+ "learning_rate": 3.079557428872498e-05,
1144
+ "loss": 0.1484,
1145
+ "step": 1880
1146
+ },
1147
+ {
1148
+ "epoch": 1.34,
1149
+ "learning_rate": 3.066385669125395e-05,
1150
+ "loss": 0.1045,
1151
+ "step": 1890
1152
+ },
1153
+ {
1154
+ "epoch": 1.35,
1155
+ "learning_rate": 3.053213909378293e-05,
1156
+ "loss": 0.1128,
1157
+ "step": 1900
1158
+ },
1159
+ {
1160
+ "epoch": 1.36,
1161
+ "learning_rate": 3.040042149631191e-05,
1162
+ "loss": 0.1391,
1163
+ "step": 1910
1164
+ },
1165
+ {
1166
+ "epoch": 1.37,
1167
+ "learning_rate": 3.026870389884089e-05,
1168
+ "loss": 0.1183,
1169
+ "step": 1920
1170
+ },
1171
+ {
1172
+ "epoch": 1.37,
1173
+ "learning_rate": 3.0136986301369862e-05,
1174
+ "loss": 0.0963,
1175
+ "step": 1930
1176
+ },
1177
+ {
1178
+ "epoch": 1.38,
1179
+ "learning_rate": 3.000526870389884e-05,
1180
+ "loss": 0.0996,
1181
+ "step": 1940
1182
+ },
1183
+ {
1184
+ "epoch": 1.39,
1185
+ "learning_rate": 2.987355110642782e-05,
1186
+ "loss": 0.106,
1187
+ "step": 1950
1188
+ },
1189
+ {
1190
+ "epoch": 1.39,
1191
+ "learning_rate": 2.9741833508956796e-05,
1192
+ "loss": 0.138,
1193
+ "step": 1960
1194
+ },
1195
+ {
1196
+ "epoch": 1.4,
1197
+ "learning_rate": 2.9610115911485775e-05,
1198
+ "loss": 0.1299,
1199
+ "step": 1970
1200
+ },
1201
+ {
1202
+ "epoch": 1.41,
1203
+ "learning_rate": 2.9478398314014755e-05,
1204
+ "loss": 0.1163,
1205
+ "step": 1980
1206
+ },
1207
+ {
1208
+ "epoch": 1.42,
1209
+ "learning_rate": 2.9346680716543734e-05,
1210
+ "loss": 0.0867,
1211
+ "step": 1990
1212
+ },
1213
+ {
1214
+ "epoch": 1.42,
1215
+ "learning_rate": 2.921496311907271e-05,
1216
+ "loss": 0.1192,
1217
+ "step": 2000
1218
+ },
1219
+ {
1220
+ "epoch": 1.43,
1221
+ "learning_rate": 2.908324552160169e-05,
1222
+ "loss": 0.0969,
1223
+ "step": 2010
1224
+ },
1225
+ {
1226
+ "epoch": 1.44,
1227
+ "learning_rate": 2.8951527924130668e-05,
1228
+ "loss": 0.1388,
1229
+ "step": 2020
1230
+ },
1231
+ {
1232
+ "epoch": 1.44,
1233
+ "learning_rate": 2.881981032665964e-05,
1234
+ "loss": 0.1036,
1235
+ "step": 2030
1236
+ },
1237
+ {
1238
+ "epoch": 1.45,
1239
+ "learning_rate": 2.868809272918862e-05,
1240
+ "loss": 0.09,
1241
+ "step": 2040
1242
+ },
1243
+ {
1244
+ "epoch": 1.46,
1245
+ "learning_rate": 2.85563751317176e-05,
1246
+ "loss": 0.1042,
1247
+ "step": 2050
1248
+ },
1249
+ {
1250
+ "epoch": 1.46,
1251
+ "learning_rate": 2.842465753424658e-05,
1252
+ "loss": 0.1187,
1253
+ "step": 2060
1254
+ },
1255
+ {
1256
+ "epoch": 1.47,
1257
+ "learning_rate": 2.8292939936775554e-05,
1258
+ "loss": 0.1013,
1259
+ "step": 2070
1260
+ },
1261
+ {
1262
+ "epoch": 1.48,
1263
+ "learning_rate": 2.8161222339304533e-05,
1264
+ "loss": 0.1275,
1265
+ "step": 2080
1266
+ },
1267
+ {
1268
+ "epoch": 1.49,
1269
+ "learning_rate": 2.8029504741833513e-05,
1270
+ "loss": 0.0892,
1271
+ "step": 2090
1272
+ },
1273
+ {
1274
+ "epoch": 1.49,
1275
+ "learning_rate": 2.7897787144362485e-05,
1276
+ "loss": 0.1066,
1277
+ "step": 2100
1278
+ },
1279
+ {
1280
+ "epoch": 1.5,
1281
+ "learning_rate": 2.7766069546891464e-05,
1282
+ "loss": 0.096,
1283
+ "step": 2110
1284
+ },
1285
+ {
1286
+ "epoch": 1.51,
1287
+ "learning_rate": 2.7634351949420444e-05,
1288
+ "loss": 0.1263,
1289
+ "step": 2120
1290
+ },
1291
+ {
1292
+ "epoch": 1.51,
1293
+ "learning_rate": 2.7502634351949423e-05,
1294
+ "loss": 0.118,
1295
+ "step": 2130
1296
+ },
1297
+ {
1298
+ "epoch": 1.52,
1299
+ "learning_rate": 2.73709167544784e-05,
1300
+ "loss": 0.1079,
1301
+ "step": 2140
1302
+ },
1303
+ {
1304
+ "epoch": 1.53,
1305
+ "learning_rate": 2.7239199157007378e-05,
1306
+ "loss": 0.1137,
1307
+ "step": 2150
1308
+ },
1309
+ {
1310
+ "epoch": 1.54,
1311
+ "learning_rate": 2.7107481559536357e-05,
1312
+ "loss": 0.1092,
1313
+ "step": 2160
1314
+ },
1315
+ {
1316
+ "epoch": 1.54,
1317
+ "learning_rate": 2.6975763962065333e-05,
1318
+ "loss": 0.1195,
1319
+ "step": 2170
1320
+ },
1321
+ {
1322
+ "epoch": 1.55,
1323
+ "learning_rate": 2.6844046364594312e-05,
1324
+ "loss": 0.1131,
1325
+ "step": 2180
1326
+ },
1327
+ {
1328
+ "epoch": 1.56,
1329
+ "learning_rate": 2.671232876712329e-05,
1330
+ "loss": 0.1363,
1331
+ "step": 2190
1332
+ },
1333
+ {
1334
+ "epoch": 1.56,
1335
+ "learning_rate": 2.6580611169652264e-05,
1336
+ "loss": 0.13,
1337
+ "step": 2200
1338
+ },
1339
+ {
1340
+ "epoch": 1.57,
1341
+ "learning_rate": 2.6448893572181243e-05,
1342
+ "loss": 0.1152,
1343
+ "step": 2210
1344
+ },
1345
+ {
1346
+ "epoch": 1.58,
1347
+ "learning_rate": 2.6317175974710222e-05,
1348
+ "loss": 0.1155,
1349
+ "step": 2220
1350
+ },
1351
+ {
1352
+ "epoch": 1.59,
1353
+ "learning_rate": 2.61854583772392e-05,
1354
+ "loss": 0.1159,
1355
+ "step": 2230
1356
+ },
1357
+ {
1358
+ "epoch": 1.59,
1359
+ "learning_rate": 2.6053740779768177e-05,
1360
+ "loss": 0.1146,
1361
+ "step": 2240
1362
+ },
1363
+ {
1364
+ "epoch": 1.6,
1365
+ "learning_rate": 2.5922023182297157e-05,
1366
+ "loss": 0.1176,
1367
+ "step": 2250
1368
+ },
1369
+ {
1370
+ "epoch": 1.61,
1371
+ "learning_rate": 2.5790305584826136e-05,
1372
+ "loss": 0.1327,
1373
+ "step": 2260
1374
+ },
1375
+ {
1376
+ "epoch": 1.61,
1377
+ "learning_rate": 2.565858798735511e-05,
1378
+ "loss": 0.0938,
1379
+ "step": 2270
1380
+ },
1381
+ {
1382
+ "epoch": 1.62,
1383
+ "learning_rate": 2.5526870389884088e-05,
1384
+ "loss": 0.1234,
1385
+ "step": 2280
1386
+ },
1387
+ {
1388
+ "epoch": 1.63,
1389
+ "learning_rate": 2.5395152792413067e-05,
1390
+ "loss": 0.1329,
1391
+ "step": 2290
1392
+ },
1393
+ {
1394
+ "epoch": 1.64,
1395
+ "learning_rate": 2.5263435194942046e-05,
1396
+ "loss": 0.1093,
1397
+ "step": 2300
1398
+ },
1399
+ {
1400
+ "epoch": 1.64,
1401
+ "learning_rate": 2.5131717597471022e-05,
1402
+ "loss": 0.1051,
1403
+ "step": 2310
1404
+ },
1405
+ {
1406
+ "epoch": 1.65,
1407
+ "learning_rate": 2.5e-05,
1408
+ "loss": 0.1022,
1409
+ "step": 2320
1410
+ },
1411
+ {
1412
+ "epoch": 1.66,
1413
+ "learning_rate": 2.4868282402528977e-05,
1414
+ "loss": 0.1071,
1415
+ "step": 2330
1416
+ },
1417
+ {
1418
+ "epoch": 1.66,
1419
+ "learning_rate": 2.4736564805057956e-05,
1420
+ "loss": 0.1097,
1421
+ "step": 2340
1422
+ },
1423
+ {
1424
+ "epoch": 1.67,
1425
+ "learning_rate": 2.4604847207586936e-05,
1426
+ "loss": 0.0796,
1427
+ "step": 2350
1428
+ },
1429
+ {
1430
+ "epoch": 1.68,
1431
+ "learning_rate": 2.4473129610115915e-05,
1432
+ "loss": 0.0795,
1433
+ "step": 2360
1434
+ },
1435
+ {
1436
+ "epoch": 1.69,
1437
+ "learning_rate": 2.434141201264489e-05,
1438
+ "loss": 0.0999,
1439
+ "step": 2370
1440
+ },
1441
+ {
1442
+ "epoch": 1.69,
1443
+ "learning_rate": 2.420969441517387e-05,
1444
+ "loss": 0.1133,
1445
+ "step": 2380
1446
+ },
1447
+ {
1448
+ "epoch": 1.7,
1449
+ "learning_rate": 2.4077976817702846e-05,
1450
+ "loss": 0.0935,
1451
+ "step": 2390
1452
+ },
1453
+ {
1454
+ "epoch": 1.71,
1455
+ "learning_rate": 2.394625922023182e-05,
1456
+ "loss": 0.0992,
1457
+ "step": 2400
1458
+ },
1459
+ {
1460
+ "epoch": 1.71,
1461
+ "learning_rate": 2.3814541622760804e-05,
1462
+ "loss": 0.1119,
1463
+ "step": 2410
1464
+ },
1465
+ {
1466
+ "epoch": 1.72,
1467
+ "learning_rate": 2.368282402528978e-05,
1468
+ "loss": 0.1198,
1469
+ "step": 2420
1470
+ },
1471
+ {
1472
+ "epoch": 1.73,
1473
+ "learning_rate": 2.355110642781876e-05,
1474
+ "loss": 0.0977,
1475
+ "step": 2430
1476
+ },
1477
+ {
1478
+ "epoch": 1.74,
1479
+ "learning_rate": 2.3419388830347735e-05,
1480
+ "loss": 0.1244,
1481
+ "step": 2440
1482
+ },
1483
+ {
1484
+ "epoch": 1.74,
1485
+ "learning_rate": 2.328767123287671e-05,
1486
+ "loss": 0.1181,
1487
+ "step": 2450
1488
+ },
1489
+ {
1490
+ "epoch": 1.75,
1491
+ "learning_rate": 2.315595363540569e-05,
1492
+ "loss": 0.1042,
1493
+ "step": 2460
1494
+ },
1495
+ {
1496
+ "epoch": 1.76,
1497
+ "learning_rate": 2.302423603793467e-05,
1498
+ "loss": 0.1323,
1499
+ "step": 2470
1500
+ },
1501
+ {
1502
+ "epoch": 1.76,
1503
+ "learning_rate": 2.289251844046365e-05,
1504
+ "loss": 0.1283,
1505
+ "step": 2480
1506
+ },
1507
+ {
1508
+ "epoch": 1.77,
1509
+ "learning_rate": 2.2760800842992624e-05,
1510
+ "loss": 0.1031,
1511
+ "step": 2490
1512
+ },
1513
+ {
1514
+ "epoch": 1.78,
1515
+ "learning_rate": 2.2629083245521604e-05,
1516
+ "loss": 0.0992,
1517
+ "step": 2500
1518
+ },
1519
+ {
1520
+ "epoch": 1.78,
1521
+ "learning_rate": 2.249736564805058e-05,
1522
+ "loss": 0.083,
1523
+ "step": 2510
1524
+ },
1525
+ {
1526
+ "epoch": 1.79,
1527
+ "learning_rate": 2.236564805057956e-05,
1528
+ "loss": 0.1079,
1529
+ "step": 2520
1530
+ },
1531
+ {
1532
+ "epoch": 1.8,
1533
+ "learning_rate": 2.2233930453108538e-05,
1534
+ "loss": 0.0877,
1535
+ "step": 2530
1536
+ },
1537
+ {
1538
+ "epoch": 1.81,
1539
+ "learning_rate": 2.2102212855637514e-05,
1540
+ "loss": 0.1187,
1541
+ "step": 2540
1542
+ },
1543
+ {
1544
+ "epoch": 1.81,
1545
+ "learning_rate": 2.1970495258166493e-05,
1546
+ "loss": 0.0835,
1547
+ "step": 2550
1548
+ },
1549
+ {
1550
+ "epoch": 1.82,
1551
+ "learning_rate": 2.183877766069547e-05,
1552
+ "loss": 0.0926,
1553
+ "step": 2560
1554
+ },
1555
+ {
1556
+ "epoch": 1.83,
1557
+ "learning_rate": 2.1707060063224448e-05,
1558
+ "loss": 0.1383,
1559
+ "step": 2570
1560
+ },
1561
+ {
1562
+ "epoch": 1.83,
1563
+ "learning_rate": 2.1575342465753427e-05,
1564
+ "loss": 0.1143,
1565
+ "step": 2580
1566
+ },
1567
+ {
1568
+ "epoch": 1.84,
1569
+ "learning_rate": 2.1443624868282403e-05,
1570
+ "loss": 0.1197,
1571
+ "step": 2590
1572
+ },
1573
+ {
1574
+ "epoch": 1.85,
1575
+ "learning_rate": 2.1311907270811383e-05,
1576
+ "loss": 0.0983,
1577
+ "step": 2600
1578
+ },
1579
+ {
1580
+ "epoch": 1.86,
1581
+ "learning_rate": 2.118018967334036e-05,
1582
+ "loss": 0.1105,
1583
+ "step": 2610
1584
+ },
1585
+ {
1586
+ "epoch": 1.86,
1587
+ "learning_rate": 2.1048472075869338e-05,
1588
+ "loss": 0.0993,
1589
+ "step": 2620
1590
+ },
1591
+ {
1592
+ "epoch": 1.87,
1593
+ "learning_rate": 2.0916754478398313e-05,
1594
+ "loss": 0.1156,
1595
+ "step": 2630
1596
+ },
1597
+ {
1598
+ "epoch": 1.88,
1599
+ "learning_rate": 2.0785036880927293e-05,
1600
+ "loss": 0.1111,
1601
+ "step": 2640
1602
+ },
1603
+ {
1604
+ "epoch": 1.88,
1605
+ "learning_rate": 2.0653319283456272e-05,
1606
+ "loss": 0.0834,
1607
+ "step": 2650
1608
+ },
1609
+ {
1610
+ "epoch": 1.89,
1611
+ "learning_rate": 2.0521601685985248e-05,
1612
+ "loss": 0.0993,
1613
+ "step": 2660
1614
+ },
1615
+ {
1616
+ "epoch": 1.9,
1617
+ "learning_rate": 2.0389884088514227e-05,
1618
+ "loss": 0.0803,
1619
+ "step": 2670
1620
+ },
1621
+ {
1622
+ "epoch": 1.91,
1623
+ "learning_rate": 2.0258166491043203e-05,
1624
+ "loss": 0.1206,
1625
+ "step": 2680
1626
+ },
1627
+ {
1628
+ "epoch": 1.91,
1629
+ "learning_rate": 2.0126448893572182e-05,
1630
+ "loss": 0.09,
1631
+ "step": 2690
1632
+ },
1633
+ {
1634
+ "epoch": 1.92,
1635
+ "learning_rate": 1.999473129610116e-05,
1636
+ "loss": 0.0954,
1637
+ "step": 2700
1638
+ },
1639
+ {
1640
+ "epoch": 1.93,
1641
+ "learning_rate": 1.9863013698630137e-05,
1642
+ "loss": 0.1062,
1643
+ "step": 2710
1644
+ },
1645
+ {
1646
+ "epoch": 1.93,
1647
+ "learning_rate": 1.9731296101159116e-05,
1648
+ "loss": 0.1117,
1649
+ "step": 2720
1650
+ },
1651
+ {
1652
+ "epoch": 1.94,
1653
+ "learning_rate": 1.9599578503688092e-05,
1654
+ "loss": 0.1496,
1655
+ "step": 2730
1656
+ },
1657
+ {
1658
+ "epoch": 1.95,
1659
+ "learning_rate": 1.946786090621707e-05,
1660
+ "loss": 0.0816,
1661
+ "step": 2740
1662
+ },
1663
+ {
1664
+ "epoch": 1.96,
1665
+ "learning_rate": 1.933614330874605e-05,
1666
+ "loss": 0.1257,
1667
+ "step": 2750
1668
+ },
1669
+ {
1670
+ "epoch": 1.96,
1671
+ "learning_rate": 1.9204425711275027e-05,
1672
+ "loss": 0.1006,
1673
+ "step": 2760
1674
+ },
1675
+ {
1676
+ "epoch": 1.97,
1677
+ "learning_rate": 1.9072708113804006e-05,
1678
+ "loss": 0.0912,
1679
+ "step": 2770
1680
+ },
1681
+ {
1682
+ "epoch": 1.98,
1683
+ "learning_rate": 1.894099051633298e-05,
1684
+ "loss": 0.0774,
1685
+ "step": 2780
1686
+ },
1687
+ {
1688
+ "epoch": 1.98,
1689
+ "learning_rate": 1.880927291886196e-05,
1690
+ "loss": 0.0785,
1691
+ "step": 2790
1692
+ },
1693
+ {
1694
+ "epoch": 1.99,
1695
+ "learning_rate": 1.8677555321390937e-05,
1696
+ "loss": 0.063,
1697
+ "step": 2800
1698
+ },
1699
+ {
1700
+ "epoch": 2.0,
1701
+ "learning_rate": 1.8545837723919916e-05,
1702
+ "loss": 0.1376,
1703
+ "step": 2810
1704
+ },
1705
+ {
1706
+ "epoch": 2.0,
1707
+ "eval_accuracy": 0.9895,
1708
+ "eval_loss": 0.03449298441410065,
1709
+ "eval_runtime": 133.6612,
1710
+ "eval_samples_per_second": 74.816,
1711
+ "eval_steps_per_second": 4.676,
1712
+ "step": 2812
1713
+ },
1714
+ {
1715
+ "epoch": 2.01,
1716
+ "learning_rate": 1.8414120126448895e-05,
1717
+ "loss": 0.0691,
1718
+ "step": 2820
1719
+ },
1720
+ {
1721
+ "epoch": 2.01,
1722
+ "learning_rate": 1.828240252897787e-05,
1723
+ "loss": 0.0683,
1724
+ "step": 2830
1725
+ },
1726
+ {
1727
+ "epoch": 2.02,
1728
+ "learning_rate": 1.815068493150685e-05,
1729
+ "loss": 0.0809,
1730
+ "step": 2840
1731
+ },
1732
+ {
1733
+ "epoch": 2.03,
1734
+ "learning_rate": 1.8018967334035826e-05,
1735
+ "loss": 0.0951,
1736
+ "step": 2850
1737
+ },
1738
+ {
1739
+ "epoch": 2.03,
1740
+ "learning_rate": 1.7887249736564805e-05,
1741
+ "loss": 0.0883,
1742
+ "step": 2860
1743
+ },
1744
+ {
1745
+ "epoch": 2.04,
1746
+ "learning_rate": 1.7755532139093785e-05,
1747
+ "loss": 0.0633,
1748
+ "step": 2870
1749
+ },
1750
+ {
1751
+ "epoch": 2.05,
1752
+ "learning_rate": 1.7623814541622764e-05,
1753
+ "loss": 0.0828,
1754
+ "step": 2880
1755
+ },
1756
+ {
1757
+ "epoch": 2.06,
1758
+ "learning_rate": 1.749209694415174e-05,
1759
+ "loss": 0.0937,
1760
+ "step": 2890
1761
+ },
1762
+ {
1763
+ "epoch": 2.06,
1764
+ "learning_rate": 1.7360379346680716e-05,
1765
+ "loss": 0.1109,
1766
+ "step": 2900
1767
+ },
1768
+ {
1769
+ "epoch": 2.07,
1770
+ "learning_rate": 1.7228661749209695e-05,
1771
+ "loss": 0.081,
1772
+ "step": 2910
1773
+ },
1774
+ {
1775
+ "epoch": 2.08,
1776
+ "learning_rate": 1.7096944151738674e-05,
1777
+ "loss": 0.0974,
1778
+ "step": 2920
1779
+ },
1780
+ {
1781
+ "epoch": 2.08,
1782
+ "learning_rate": 1.6965226554267653e-05,
1783
+ "loss": 0.0826,
1784
+ "step": 2930
1785
+ },
1786
+ {
1787
+ "epoch": 2.09,
1788
+ "learning_rate": 1.683350895679663e-05,
1789
+ "loss": 0.0593,
1790
+ "step": 2940
1791
+ },
1792
+ {
1793
+ "epoch": 2.1,
1794
+ "learning_rate": 1.6701791359325605e-05,
1795
+ "loss": 0.073,
1796
+ "step": 2950
1797
+ },
1798
+ {
1799
+ "epoch": 2.1,
1800
+ "learning_rate": 1.6570073761854584e-05,
1801
+ "loss": 0.1086,
1802
+ "step": 2960
1803
+ },
1804
+ {
1805
+ "epoch": 2.11,
1806
+ "learning_rate": 1.643835616438356e-05,
1807
+ "loss": 0.0972,
1808
+ "step": 2970
1809
+ },
1810
+ {
1811
+ "epoch": 2.12,
1812
+ "learning_rate": 1.630663856691254e-05,
1813
+ "loss": 0.0953,
1814
+ "step": 2980
1815
+ },
1816
+ {
1817
+ "epoch": 2.13,
1818
+ "learning_rate": 1.617492096944152e-05,
1819
+ "loss": 0.0819,
1820
+ "step": 2990
1821
+ },
1822
+ {
1823
+ "epoch": 2.13,
1824
+ "learning_rate": 1.6043203371970498e-05,
1825
+ "loss": 0.0631,
1826
+ "step": 3000
1827
+ },
1828
+ {
1829
+ "epoch": 2.14,
1830
+ "learning_rate": 1.5911485774499474e-05,
1831
+ "loss": 0.1025,
1832
+ "step": 3010
1833
+ },
1834
+ {
1835
+ "epoch": 2.15,
1836
+ "learning_rate": 1.577976817702845e-05,
1837
+ "loss": 0.0983,
1838
+ "step": 3020
1839
+ },
1840
+ {
1841
+ "epoch": 2.15,
1842
+ "learning_rate": 1.564805057955743e-05,
1843
+ "loss": 0.1099,
1844
+ "step": 3030
1845
+ },
1846
+ {
1847
+ "epoch": 2.16,
1848
+ "learning_rate": 1.5516332982086408e-05,
1849
+ "loss": 0.0981,
1850
+ "step": 3040
1851
+ },
1852
+ {
1853
+ "epoch": 2.17,
1854
+ "learning_rate": 1.5384615384615387e-05,
1855
+ "loss": 0.0666,
1856
+ "step": 3050
1857
+ },
1858
+ {
1859
+ "epoch": 2.18,
1860
+ "learning_rate": 1.5252897787144363e-05,
1861
+ "loss": 0.0664,
1862
+ "step": 3060
1863
+ },
1864
+ {
1865
+ "epoch": 2.18,
1866
+ "learning_rate": 1.5121180189673342e-05,
1867
+ "loss": 0.0918,
1868
+ "step": 3070
1869
+ },
1870
+ {
1871
+ "epoch": 2.19,
1872
+ "learning_rate": 1.498946259220232e-05,
1873
+ "loss": 0.0968,
1874
+ "step": 3080
1875
+ },
1876
+ {
1877
+ "epoch": 2.2,
1878
+ "learning_rate": 1.4857744994731296e-05,
1879
+ "loss": 0.0992,
1880
+ "step": 3090
1881
+ },
1882
+ {
1883
+ "epoch": 2.2,
1884
+ "learning_rate": 1.4726027397260275e-05,
1885
+ "loss": 0.0951,
1886
+ "step": 3100
1887
+ },
1888
+ {
1889
+ "epoch": 2.21,
1890
+ "learning_rate": 1.4594309799789252e-05,
1891
+ "loss": 0.0966,
1892
+ "step": 3110
1893
+ },
1894
+ {
1895
+ "epoch": 2.22,
1896
+ "learning_rate": 1.4462592202318232e-05,
1897
+ "loss": 0.0805,
1898
+ "step": 3120
1899
+ },
1900
+ {
1901
+ "epoch": 2.23,
1902
+ "learning_rate": 1.4330874604847208e-05,
1903
+ "loss": 0.0969,
1904
+ "step": 3130
1905
+ },
1906
+ {
1907
+ "epoch": 2.23,
1908
+ "learning_rate": 1.4199157007376185e-05,
1909
+ "loss": 0.0749,
1910
+ "step": 3140
1911
+ },
1912
+ {
1913
+ "epoch": 2.24,
1914
+ "learning_rate": 1.4067439409905164e-05,
1915
+ "loss": 0.0712,
1916
+ "step": 3150
1917
+ },
1918
+ {
1919
+ "epoch": 2.25,
1920
+ "learning_rate": 1.3935721812434142e-05,
1921
+ "loss": 0.068,
1922
+ "step": 3160
1923
+ },
1924
+ {
1925
+ "epoch": 2.25,
1926
+ "learning_rate": 1.3804004214963121e-05,
1927
+ "loss": 0.1018,
1928
+ "step": 3170
1929
+ },
1930
+ {
1931
+ "epoch": 2.26,
1932
+ "learning_rate": 1.3672286617492097e-05,
1933
+ "loss": 0.0862,
1934
+ "step": 3180
1935
+ },
1936
+ {
1937
+ "epoch": 2.27,
1938
+ "learning_rate": 1.3540569020021076e-05,
1939
+ "loss": 0.0855,
1940
+ "step": 3190
1941
+ },
1942
+ {
1943
+ "epoch": 2.28,
1944
+ "learning_rate": 1.3408851422550054e-05,
1945
+ "loss": 0.0979,
1946
+ "step": 3200
1947
+ },
1948
+ {
1949
+ "epoch": 2.28,
1950
+ "learning_rate": 1.327713382507903e-05,
1951
+ "loss": 0.0842,
1952
+ "step": 3210
1953
+ },
1954
+ {
1955
+ "epoch": 2.29,
1956
+ "learning_rate": 1.3145416227608009e-05,
1957
+ "loss": 0.0732,
1958
+ "step": 3220
1959
+ },
1960
+ {
1961
+ "epoch": 2.3,
1962
+ "learning_rate": 1.3013698630136986e-05,
1963
+ "loss": 0.0867,
1964
+ "step": 3230
1965
+ },
1966
+ {
1967
+ "epoch": 2.3,
1968
+ "learning_rate": 1.2881981032665966e-05,
1969
+ "loss": 0.0735,
1970
+ "step": 3240
1971
+ },
1972
+ {
1973
+ "epoch": 2.31,
1974
+ "learning_rate": 1.2750263435194943e-05,
1975
+ "loss": 0.0785,
1976
+ "step": 3250
1977
+ },
1978
+ {
1979
+ "epoch": 2.32,
1980
+ "learning_rate": 1.2618545837723922e-05,
1981
+ "loss": 0.0638,
1982
+ "step": 3260
1983
+ },
1984
+ {
1985
+ "epoch": 2.33,
1986
+ "learning_rate": 1.2486828240252898e-05,
1987
+ "loss": 0.0971,
1988
+ "step": 3270
1989
+ },
1990
+ {
1991
+ "epoch": 2.33,
1992
+ "learning_rate": 1.2355110642781877e-05,
1993
+ "loss": 0.093,
1994
+ "step": 3280
1995
+ },
1996
+ {
1997
+ "epoch": 2.34,
1998
+ "learning_rate": 1.2223393045310855e-05,
1999
+ "loss": 0.0736,
2000
+ "step": 3290
2001
+ },
2002
+ {
2003
+ "epoch": 2.35,
2004
+ "learning_rate": 1.209167544783983e-05,
2005
+ "loss": 0.0776,
2006
+ "step": 3300
2007
+ },
2008
+ {
2009
+ "epoch": 2.35,
2010
+ "learning_rate": 1.195995785036881e-05,
2011
+ "loss": 0.0852,
2012
+ "step": 3310
2013
+ },
2014
+ {
2015
+ "epoch": 2.36,
2016
+ "learning_rate": 1.1828240252897788e-05,
2017
+ "loss": 0.1035,
2018
+ "step": 3320
2019
+ },
2020
+ {
2021
+ "epoch": 2.37,
2022
+ "learning_rate": 1.1696522655426765e-05,
2023
+ "loss": 0.0769,
2024
+ "step": 3330
2025
+ },
2026
+ {
2027
+ "epoch": 2.38,
2028
+ "learning_rate": 1.1564805057955744e-05,
2029
+ "loss": 0.0953,
2030
+ "step": 3340
2031
+ },
2032
+ {
2033
+ "epoch": 2.38,
2034
+ "learning_rate": 1.1433087460484722e-05,
2035
+ "loss": 0.0646,
2036
+ "step": 3350
2037
+ },
2038
+ {
2039
+ "epoch": 2.39,
2040
+ "learning_rate": 1.1301369863013698e-05,
2041
+ "loss": 0.0785,
2042
+ "step": 3360
2043
+ },
2044
+ {
2045
+ "epoch": 2.4,
2046
+ "learning_rate": 1.1169652265542677e-05,
2047
+ "loss": 0.0738,
2048
+ "step": 3370
2049
+ },
2050
+ {
2051
+ "epoch": 2.4,
2052
+ "learning_rate": 1.1037934668071655e-05,
2053
+ "loss": 0.0638,
2054
+ "step": 3380
2055
+ },
2056
+ {
2057
+ "epoch": 2.41,
2058
+ "learning_rate": 1.0906217070600632e-05,
2059
+ "loss": 0.0948,
2060
+ "step": 3390
2061
+ },
2062
+ {
2063
+ "epoch": 2.42,
2064
+ "learning_rate": 1.0774499473129611e-05,
2065
+ "loss": 0.1331,
2066
+ "step": 3400
2067
+ },
2068
+ {
2069
+ "epoch": 2.42,
2070
+ "learning_rate": 1.0642781875658589e-05,
2071
+ "loss": 0.1084,
2072
+ "step": 3410
2073
+ },
2074
+ {
2075
+ "epoch": 2.43,
2076
+ "learning_rate": 1.0511064278187566e-05,
2077
+ "loss": 0.0919,
2078
+ "step": 3420
2079
+ },
2080
+ {
2081
+ "epoch": 2.44,
2082
+ "learning_rate": 1.0379346680716544e-05,
2083
+ "loss": 0.0666,
2084
+ "step": 3430
2085
+ },
2086
+ {
2087
+ "epoch": 2.45,
2088
+ "learning_rate": 1.0247629083245521e-05,
2089
+ "loss": 0.0911,
2090
+ "step": 3440
2091
+ },
2092
+ {
2093
+ "epoch": 2.45,
2094
+ "learning_rate": 1.01159114857745e-05,
2095
+ "loss": 0.0706,
2096
+ "step": 3450
2097
+ },
2098
+ {
2099
+ "epoch": 2.46,
2100
+ "learning_rate": 9.984193888303478e-06,
2101
+ "loss": 0.1086,
2102
+ "step": 3460
2103
+ },
2104
+ {
2105
+ "epoch": 2.47,
2106
+ "learning_rate": 9.852476290832456e-06,
2107
+ "loss": 0.0729,
2108
+ "step": 3470
2109
+ },
2110
+ {
2111
+ "epoch": 2.47,
2112
+ "learning_rate": 9.720758693361433e-06,
2113
+ "loss": 0.1097,
2114
+ "step": 3480
2115
+ },
2116
+ {
2117
+ "epoch": 2.48,
2118
+ "learning_rate": 9.589041095890411e-06,
2119
+ "loss": 0.0737,
2120
+ "step": 3490
2121
+ },
2122
+ {
2123
+ "epoch": 2.49,
2124
+ "learning_rate": 9.457323498419388e-06,
2125
+ "loss": 0.0839,
2126
+ "step": 3500
2127
+ },
2128
+ {
2129
+ "epoch": 2.5,
2130
+ "learning_rate": 9.325605900948368e-06,
2131
+ "loss": 0.1214,
2132
+ "step": 3510
2133
+ },
2134
+ {
2135
+ "epoch": 2.5,
2136
+ "learning_rate": 9.193888303477345e-06,
2137
+ "loss": 0.1008,
2138
+ "step": 3520
2139
+ },
2140
+ {
2141
+ "epoch": 2.51,
2142
+ "learning_rate": 9.062170706006323e-06,
2143
+ "loss": 0.0774,
2144
+ "step": 3530
2145
+ },
2146
+ {
2147
+ "epoch": 2.52,
2148
+ "learning_rate": 8.930453108535302e-06,
2149
+ "loss": 0.0631,
2150
+ "step": 3540
2151
+ },
2152
+ {
2153
+ "epoch": 2.52,
2154
+ "learning_rate": 8.798735511064278e-06,
2155
+ "loss": 0.0705,
2156
+ "step": 3550
2157
+ },
2158
+ {
2159
+ "epoch": 2.53,
2160
+ "learning_rate": 8.667017913593255e-06,
2161
+ "loss": 0.1071,
2162
+ "step": 3560
2163
+ },
2164
+ {
2165
+ "epoch": 2.54,
2166
+ "learning_rate": 8.535300316122235e-06,
2167
+ "loss": 0.0645,
2168
+ "step": 3570
2169
+ },
2170
+ {
2171
+ "epoch": 2.55,
2172
+ "learning_rate": 8.403582718651212e-06,
2173
+ "loss": 0.0713,
2174
+ "step": 3580
2175
+ },
2176
+ {
2177
+ "epoch": 2.55,
2178
+ "learning_rate": 8.27186512118019e-06,
2179
+ "loss": 0.0961,
2180
+ "step": 3590
2181
+ },
2182
+ {
2183
+ "epoch": 2.56,
2184
+ "learning_rate": 8.140147523709169e-06,
2185
+ "loss": 0.0805,
2186
+ "step": 3600
2187
+ },
2188
+ {
2189
+ "epoch": 2.57,
2190
+ "learning_rate": 8.008429926238145e-06,
2191
+ "loss": 0.0885,
2192
+ "step": 3610
2193
+ },
2194
+ {
2195
+ "epoch": 2.57,
2196
+ "learning_rate": 7.876712328767124e-06,
2197
+ "loss": 0.0623,
2198
+ "step": 3620
2199
+ },
2200
+ {
2201
+ "epoch": 2.58,
2202
+ "learning_rate": 7.744994731296102e-06,
2203
+ "loss": 0.1018,
2204
+ "step": 3630
2205
+ },
2206
+ {
2207
+ "epoch": 2.59,
2208
+ "learning_rate": 7.613277133825079e-06,
2209
+ "loss": 0.0997,
2210
+ "step": 3640
2211
+ },
2212
+ {
2213
+ "epoch": 2.6,
2214
+ "learning_rate": 7.4815595363540575e-06,
2215
+ "loss": 0.0845,
2216
+ "step": 3650
2217
+ },
2218
+ {
2219
+ "epoch": 2.6,
2220
+ "learning_rate": 7.349841938883036e-06,
2221
+ "loss": 0.0419,
2222
+ "step": 3660
2223
+ },
2224
+ {
2225
+ "epoch": 2.61,
2226
+ "learning_rate": 7.218124341412013e-06,
2227
+ "loss": 0.0906,
2228
+ "step": 3670
2229
+ },
2230
+ {
2231
+ "epoch": 2.62,
2232
+ "learning_rate": 7.08640674394099e-06,
2233
+ "loss": 0.0784,
2234
+ "step": 3680
2235
+ },
2236
+ {
2237
+ "epoch": 2.62,
2238
+ "learning_rate": 6.9546891464699685e-06,
2239
+ "loss": 0.0744,
2240
+ "step": 3690
2241
+ },
2242
+ {
2243
+ "epoch": 2.63,
2244
+ "learning_rate": 6.822971548998947e-06,
2245
+ "loss": 0.0621,
2246
+ "step": 3700
2247
+ },
2248
+ {
2249
+ "epoch": 2.64,
2250
+ "learning_rate": 6.6912539515279244e-06,
2251
+ "loss": 0.0877,
2252
+ "step": 3710
2253
+ },
2254
+ {
2255
+ "epoch": 2.65,
2256
+ "learning_rate": 6.559536354056903e-06,
2257
+ "loss": 0.0639,
2258
+ "step": 3720
2259
+ },
2260
+ {
2261
+ "epoch": 2.65,
2262
+ "learning_rate": 6.42781875658588e-06,
2263
+ "loss": 0.0977,
2264
+ "step": 3730
2265
+ },
2266
+ {
2267
+ "epoch": 2.66,
2268
+ "learning_rate": 6.296101159114858e-06,
2269
+ "loss": 0.0833,
2270
+ "step": 3740
2271
+ },
2272
+ {
2273
+ "epoch": 2.67,
2274
+ "learning_rate": 6.1643835616438354e-06,
2275
+ "loss": 0.0595,
2276
+ "step": 3750
2277
+ },
2278
+ {
2279
+ "epoch": 2.67,
2280
+ "learning_rate": 6.032665964172814e-06,
2281
+ "loss": 0.0697,
2282
+ "step": 3760
2283
+ },
2284
+ {
2285
+ "epoch": 2.68,
2286
+ "learning_rate": 5.900948366701791e-06,
2287
+ "loss": 0.0869,
2288
+ "step": 3770
2289
+ },
2290
+ {
2291
+ "epoch": 2.69,
2292
+ "learning_rate": 5.76923076923077e-06,
2293
+ "loss": 0.0671,
2294
+ "step": 3780
2295
+ },
2296
+ {
2297
+ "epoch": 2.7,
2298
+ "learning_rate": 5.637513171759747e-06,
2299
+ "loss": 0.0699,
2300
+ "step": 3790
2301
+ },
2302
+ {
2303
+ "epoch": 2.7,
2304
+ "learning_rate": 5.505795574288726e-06,
2305
+ "loss": 0.0711,
2306
+ "step": 3800
2307
+ },
2308
+ {
2309
+ "epoch": 2.71,
2310
+ "learning_rate": 5.374077976817703e-06,
2311
+ "loss": 0.0665,
2312
+ "step": 3810
2313
+ },
2314
+ {
2315
+ "epoch": 2.72,
2316
+ "learning_rate": 5.242360379346681e-06,
2317
+ "loss": 0.0904,
2318
+ "step": 3820
2319
+ },
2320
+ {
2321
+ "epoch": 2.72,
2322
+ "learning_rate": 5.110642781875659e-06,
2323
+ "loss": 0.0876,
2324
+ "step": 3830
2325
+ },
2326
+ {
2327
+ "epoch": 2.73,
2328
+ "learning_rate": 4.978925184404637e-06,
2329
+ "loss": 0.0891,
2330
+ "step": 3840
2331
+ },
2332
+ {
2333
+ "epoch": 2.74,
2334
+ "learning_rate": 4.847207586933614e-06,
2335
+ "loss": 0.0819,
2336
+ "step": 3850
2337
+ },
2338
+ {
2339
+ "epoch": 2.74,
2340
+ "learning_rate": 4.715489989462593e-06,
2341
+ "loss": 0.0673,
2342
+ "step": 3860
2343
+ },
2344
+ {
2345
+ "epoch": 2.75,
2346
+ "learning_rate": 4.58377239199157e-06,
2347
+ "loss": 0.0519,
2348
+ "step": 3870
2349
+ },
2350
+ {
2351
+ "epoch": 2.76,
2352
+ "learning_rate": 4.452054794520548e-06,
2353
+ "loss": 0.087,
2354
+ "step": 3880
2355
+ },
2356
+ {
2357
+ "epoch": 2.77,
2358
+ "learning_rate": 4.320337197049526e-06,
2359
+ "loss": 0.0651,
2360
+ "step": 3890
2361
+ },
2362
+ {
2363
+ "epoch": 2.77,
2364
+ "learning_rate": 4.188619599578504e-06,
2365
+ "loss": 0.0633,
2366
+ "step": 3900
2367
+ },
2368
+ {
2369
+ "epoch": 2.78,
2370
+ "learning_rate": 4.056902002107481e-06,
2371
+ "loss": 0.0846,
2372
+ "step": 3910
2373
+ },
2374
+ {
2375
+ "epoch": 2.79,
2376
+ "learning_rate": 3.92518440463646e-06,
2377
+ "loss": 0.0721,
2378
+ "step": 3920
2379
+ },
2380
+ {
2381
+ "epoch": 2.79,
2382
+ "learning_rate": 3.7934668071654376e-06,
2383
+ "loss": 0.1049,
2384
+ "step": 3930
2385
+ },
2386
+ {
2387
+ "epoch": 2.8,
2388
+ "learning_rate": 3.661749209694415e-06,
2389
+ "loss": 0.1,
2390
+ "step": 3940
2391
+ },
2392
+ {
2393
+ "epoch": 2.81,
2394
+ "learning_rate": 3.530031612223393e-06,
2395
+ "loss": 0.086,
2396
+ "step": 3950
2397
+ },
2398
+ {
2399
+ "epoch": 2.82,
2400
+ "learning_rate": 3.398314014752371e-06,
2401
+ "loss": 0.0802,
2402
+ "step": 3960
2403
+ },
2404
+ {
2405
+ "epoch": 2.82,
2406
+ "learning_rate": 3.2665964172813486e-06,
2407
+ "loss": 0.0789,
2408
+ "step": 3970
2409
+ },
2410
+ {
2411
+ "epoch": 2.83,
2412
+ "learning_rate": 3.1348788198103265e-06,
2413
+ "loss": 0.0612,
2414
+ "step": 3980
2415
+ },
2416
+ {
2417
+ "epoch": 2.84,
2418
+ "learning_rate": 3.003161222339305e-06,
2419
+ "loss": 0.0697,
2420
+ "step": 3990
2421
+ },
2422
+ {
2423
+ "epoch": 2.84,
2424
+ "learning_rate": 2.8714436248682825e-06,
2425
+ "loss": 0.0862,
2426
+ "step": 4000
2427
+ },
2428
+ {
2429
+ "epoch": 2.85,
2430
+ "learning_rate": 2.7397260273972604e-06,
2431
+ "loss": 0.0541,
2432
+ "step": 4010
2433
+ },
2434
+ {
2435
+ "epoch": 2.86,
2436
+ "learning_rate": 2.6080084299262384e-06,
2437
+ "loss": 0.0559,
2438
+ "step": 4020
2439
+ },
2440
+ {
2441
+ "epoch": 2.87,
2442
+ "learning_rate": 2.476290832455216e-06,
2443
+ "loss": 0.0611,
2444
+ "step": 4030
2445
+ },
2446
+ {
2447
+ "epoch": 2.87,
2448
+ "learning_rate": 2.3445732349841943e-06,
2449
+ "loss": 0.0657,
2450
+ "step": 4040
2451
+ },
2452
+ {
2453
+ "epoch": 2.88,
2454
+ "learning_rate": 2.212855637513172e-06,
2455
+ "loss": 0.049,
2456
+ "step": 4050
2457
+ },
2458
+ {
2459
+ "epoch": 2.89,
2460
+ "learning_rate": 2.08113804004215e-06,
2461
+ "loss": 0.0733,
2462
+ "step": 4060
2463
+ },
2464
+ {
2465
+ "epoch": 2.89,
2466
+ "learning_rate": 1.949420442571128e-06,
2467
+ "loss": 0.0608,
2468
+ "step": 4070
2469
+ },
2470
+ {
2471
+ "epoch": 2.9,
2472
+ "learning_rate": 1.8177028451001056e-06,
2473
+ "loss": 0.0718,
2474
+ "step": 4080
2475
+ },
2476
+ {
2477
+ "epoch": 2.91,
2478
+ "learning_rate": 1.6859852476290833e-06,
2479
+ "loss": 0.0728,
2480
+ "step": 4090
2481
+ },
2482
+ {
2483
+ "epoch": 2.92,
2484
+ "learning_rate": 1.554267650158061e-06,
2485
+ "loss": 0.0627,
2486
+ "step": 4100
2487
+ },
2488
+ {
2489
+ "epoch": 2.92,
2490
+ "learning_rate": 1.422550052687039e-06,
2491
+ "loss": 0.0953,
2492
+ "step": 4110
2493
+ },
2494
+ {
2495
+ "epoch": 2.93,
2496
+ "learning_rate": 1.290832455216017e-06,
2497
+ "loss": 0.0794,
2498
+ "step": 4120
2499
+ },
2500
+ {
2501
+ "epoch": 2.94,
2502
+ "learning_rate": 1.1591148577449948e-06,
2503
+ "loss": 0.0844,
2504
+ "step": 4130
2505
+ },
2506
+ {
2507
+ "epoch": 2.94,
2508
+ "learning_rate": 1.0273972602739725e-06,
2509
+ "loss": 0.0601,
2510
+ "step": 4140
2511
+ },
2512
+ {
2513
+ "epoch": 2.95,
2514
+ "learning_rate": 8.956796628029505e-07,
2515
+ "loss": 0.0775,
2516
+ "step": 4150
2517
+ },
2518
+ {
2519
+ "epoch": 2.96,
2520
+ "learning_rate": 7.639620653319284e-07,
2521
+ "loss": 0.0666,
2522
+ "step": 4160
2523
+ },
2524
+ {
2525
+ "epoch": 2.97,
2526
+ "learning_rate": 6.322444678609063e-07,
2527
+ "loss": 0.0676,
2528
+ "step": 4170
2529
+ },
2530
+ {
2531
+ "epoch": 2.97,
2532
+ "learning_rate": 5.00526870389884e-07,
2533
+ "loss": 0.1339,
2534
+ "step": 4180
2535
+ },
2536
+ {
2537
+ "epoch": 2.98,
2538
+ "learning_rate": 3.6880927291886196e-07,
2539
+ "loss": 0.0614,
2540
+ "step": 4190
2541
+ },
2542
+ {
2543
+ "epoch": 2.99,
2544
+ "learning_rate": 2.3709167544783985e-07,
2545
+ "loss": 0.092,
2546
+ "step": 4200
2547
+ },
2548
+ {
2549
+ "epoch": 2.99,
2550
+ "learning_rate": 1.0537407797681771e-07,
2551
+ "loss": 0.086,
2552
+ "step": 4210
2553
+ },
2554
+ {
2555
+ "epoch": 3.0,
2556
+ "eval_accuracy": 0.9901,
2557
+ "eval_loss": 0.03231855481863022,
2558
+ "eval_runtime": 133.5993,
2559
+ "eval_samples_per_second": 74.851,
2560
+ "eval_steps_per_second": 4.678,
2561
+ "step": 4218
2562
+ },
2563
+ {
2564
+ "epoch": 3.0,
2565
+ "step": 4218,
2566
+ "total_flos": 2.091911758043834e+19,
2567
+ "train_loss": 0.13970869080807824,
2568
+ "train_runtime": 10165.3024,
2569
+ "train_samples_per_second": 26.561,
2570
+ "train_steps_per_second": 0.415
2571
+ }
2572
+ ],
2573
+ "max_steps": 4218,
2574
+ "num_train_epochs": 3,
2575
+ "total_flos": 2.091911758043834e+19,
2576
+ "trial_name": null,
2577
+ "trial_params": null
2578
+ }