mohammedRiad commited on
Commit
c0da500
1 Parent(s): 8a9f3a1

Upload 8 files

Browse files
config.json ADDED
@@ -0,0 +1,62 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "google/flan-t5-base",
3
+ "architectures": [
4
+ "T5ForConditionalGeneration"
5
+ ],
6
+ "classifier_dropout": 0.0,
7
+ "d_ff": 2048,
8
+ "d_kv": 64,
9
+ "d_model": 768,
10
+ "decoder_start_token_id": 0,
11
+ "dense_act_fn": "gelu_new",
12
+ "dropout_rate": 0.1,
13
+ "eos_token_id": 1,
14
+ "feed_forward_proj": "gated-gelu",
15
+ "initializer_factor": 1.0,
16
+ "is_encoder_decoder": true,
17
+ "is_gated_act": true,
18
+ "layer_norm_epsilon": 1e-06,
19
+ "model_type": "t5",
20
+ "n_positions": 512,
21
+ "num_decoder_layers": 12,
22
+ "num_heads": 12,
23
+ "num_layers": 12,
24
+ "output_past": true,
25
+ "pad_token_id": 0,
26
+ "relative_attention_max_distance": 128,
27
+ "relative_attention_num_buckets": 32,
28
+ "task_specific_params": {
29
+ "summarization": {
30
+ "early_stopping": true,
31
+ "length_penalty": 2.0,
32
+ "max_length": 200,
33
+ "min_length": 30,
34
+ "no_repeat_ngram_size": 3,
35
+ "num_beams": 4,
36
+ "prefix": "summarize: "
37
+ },
38
+ "translation_en_to_de": {
39
+ "early_stopping": true,
40
+ "max_length": 300,
41
+ "num_beams": 4,
42
+ "prefix": "translate English to German: "
43
+ },
44
+ "translation_en_to_fr": {
45
+ "early_stopping": true,
46
+ "max_length": 300,
47
+ "num_beams": 4,
48
+ "prefix": "translate English to French: "
49
+ },
50
+ "translation_en_to_ro": {
51
+ "early_stopping": true,
52
+ "max_length": 300,
53
+ "num_beams": 4,
54
+ "prefix": "translate English to Romanian: "
55
+ }
56
+ },
57
+ "tie_word_embeddings": false,
58
+ "torch_dtype": "float32",
59
+ "transformers_version": "4.38.2",
60
+ "use_cache": true,
61
+ "vocab_size": 32128
62
+ }
generation_config.json ADDED
@@ -0,0 +1,7 @@
 
 
 
 
 
 
 
 
1
+ {
2
+ "_from_model_config": true,
3
+ "decoder_start_token_id": 0,
4
+ "eos_token_id": 1,
5
+ "pad_token_id": 0,
6
+ "transformers_version": "4.38.2"
7
+ }
model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:c3520b59b0dd7d97a031ecd3e65081e854bff69be00f487fb8f81f90020551e6
3
+ size 990345064
optimizer.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:95d101298f498a4f274795f5a3d6a7f4ea3705e200b3c31c973b9a7c43599c36
3
+ size 1980860410
rng_state.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:4eeef2cfc1e239441a025515ab2eb0f85d3fbcdd40a4d0c71a536cf0bc5017c2
3
+ size 14244
scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:bba85b58bc8295f09ff8afef7eba146075c94eaf5c52d2212394529c76bbb31d
3
+ size 1064
trainer_state.json ADDED
@@ -0,0 +1,1764 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 2.0,
5
+ "eval_steps": 500,
6
+ "global_step": 24920,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.01,
13
+ "grad_norm": 2.4730186462402344,
14
+ "learning_rate": 2e-05,
15
+ "loss": 0.3314,
16
+ "step": 100
17
+ },
18
+ {
19
+ "epoch": 0.02,
20
+ "grad_norm": 3.50852108001709,
21
+ "learning_rate": 1.9999872447769624e-05,
22
+ "loss": 0.0313,
23
+ "step": 200
24
+ },
25
+ {
26
+ "epoch": 0.02,
27
+ "grad_norm": 0.40423300862312317,
28
+ "learning_rate": 1.9999489794332404e-05,
29
+ "loss": 0.0226,
30
+ "step": 300
31
+ },
32
+ {
33
+ "epoch": 0.03,
34
+ "grad_norm": 0.4923788011074066,
35
+ "learning_rate": 1.9998852049449998e-05,
36
+ "loss": 0.0144,
37
+ "step": 400
38
+ },
39
+ {
40
+ "epoch": 0.04,
41
+ "grad_norm": 0.039026230573654175,
42
+ "learning_rate": 1.9997959229391567e-05,
43
+ "loss": 0.0088,
44
+ "step": 500
45
+ },
46
+ {
47
+ "epoch": 0.05,
48
+ "grad_norm": 0.13339382410049438,
49
+ "learning_rate": 1.9996811356933346e-05,
50
+ "loss": 0.0097,
51
+ "step": 600
52
+ },
53
+ {
54
+ "epoch": 0.06,
55
+ "grad_norm": 0.03016798384487629,
56
+ "learning_rate": 1.9995408461358074e-05,
57
+ "loss": 0.0063,
58
+ "step": 700
59
+ },
60
+ {
61
+ "epoch": 0.06,
62
+ "grad_norm": 0.12673313915729523,
63
+ "learning_rate": 1.9993750578454248e-05,
64
+ "loss": 0.0084,
65
+ "step": 800
66
+ },
67
+ {
68
+ "epoch": 0.07,
69
+ "grad_norm": 0.012224284932017326,
70
+ "learning_rate": 1.999183775051519e-05,
71
+ "loss": 0.006,
72
+ "step": 900
73
+ },
74
+ {
75
+ "epoch": 0.08,
76
+ "grad_norm": 2.144702434539795,
77
+ "learning_rate": 1.9989670026338002e-05,
78
+ "loss": 0.0076,
79
+ "step": 1000
80
+ },
81
+ {
82
+ "epoch": 0.09,
83
+ "grad_norm": 0.02996153011918068,
84
+ "learning_rate": 1.9987247461222297e-05,
85
+ "loss": 0.0052,
86
+ "step": 1100
87
+ },
88
+ {
89
+ "epoch": 0.1,
90
+ "grad_norm": 0.008165411651134491,
91
+ "learning_rate": 1.9984570116968785e-05,
92
+ "loss": 0.0052,
93
+ "step": 1200
94
+ },
95
+ {
96
+ "epoch": 0.1,
97
+ "grad_norm": 0.07781720906496048,
98
+ "learning_rate": 1.9981638061877714e-05,
99
+ "loss": 0.0056,
100
+ "step": 1300
101
+ },
102
+ {
103
+ "epoch": 0.11,
104
+ "grad_norm": 0.016230745241045952,
105
+ "learning_rate": 1.9978451370747122e-05,
106
+ "loss": 0.0052,
107
+ "step": 1400
108
+ },
109
+ {
110
+ "epoch": 0.12,
111
+ "grad_norm": 2.58638858795166,
112
+ "learning_rate": 1.997501012487091e-05,
113
+ "loss": 0.0037,
114
+ "step": 1500
115
+ },
116
+ {
117
+ "epoch": 0.13,
118
+ "grad_norm": 0.029858984053134918,
119
+ "learning_rate": 1.9971314412036807e-05,
120
+ "loss": 0.0037,
121
+ "step": 1600
122
+ },
123
+ {
124
+ "epoch": 0.14,
125
+ "grad_norm": 0.2630612850189209,
126
+ "learning_rate": 1.996736432652409e-05,
127
+ "loss": 0.0046,
128
+ "step": 1700
129
+ },
130
+ {
131
+ "epoch": 0.14,
132
+ "grad_norm": 0.013704606331884861,
133
+ "learning_rate": 1.9963159969101207e-05,
134
+ "loss": 0.0056,
135
+ "step": 1800
136
+ },
137
+ {
138
+ "epoch": 0.15,
139
+ "grad_norm": 0.09422887861728668,
140
+ "learning_rate": 1.9958701447023188e-05,
141
+ "loss": 0.0041,
142
+ "step": 1900
143
+ },
144
+ {
145
+ "epoch": 0.16,
146
+ "grad_norm": 0.02264581061899662,
147
+ "learning_rate": 1.9953988874028917e-05,
148
+ "loss": 0.0039,
149
+ "step": 2000
150
+ },
151
+ {
152
+ "epoch": 0.17,
153
+ "grad_norm": 0.020697351545095444,
154
+ "learning_rate": 1.994902237033824e-05,
155
+ "loss": 0.0048,
156
+ "step": 2100
157
+ },
158
+ {
159
+ "epoch": 0.18,
160
+ "grad_norm": 0.1434525102376938,
161
+ "learning_rate": 1.9943802062648877e-05,
162
+ "loss": 0.0051,
163
+ "step": 2200
164
+ },
165
+ {
166
+ "epoch": 0.18,
167
+ "grad_norm": 0.06430936604738235,
168
+ "learning_rate": 1.9938328084133206e-05,
169
+ "loss": 0.0023,
170
+ "step": 2300
171
+ },
172
+ {
173
+ "epoch": 0.19,
174
+ "grad_norm": 0.008740647695958614,
175
+ "learning_rate": 1.9932600574434864e-05,
176
+ "loss": 0.004,
177
+ "step": 2400
178
+ },
179
+ {
180
+ "epoch": 0.2,
181
+ "grad_norm": 0.014448602683842182,
182
+ "learning_rate": 1.9926619679665175e-05,
183
+ "loss": 0.0043,
184
+ "step": 2500
185
+ },
186
+ {
187
+ "epoch": 0.21,
188
+ "grad_norm": 0.02901746705174446,
189
+ "learning_rate": 1.9920385552399434e-05,
190
+ "loss": 0.0019,
191
+ "step": 2600
192
+ },
193
+ {
194
+ "epoch": 0.22,
195
+ "grad_norm": 1.6094048023223877,
196
+ "learning_rate": 1.9913898351673006e-05,
197
+ "loss": 0.0022,
198
+ "step": 2700
199
+ },
200
+ {
201
+ "epoch": 0.22,
202
+ "grad_norm": 0.36414438486099243,
203
+ "learning_rate": 1.990715824297728e-05,
204
+ "loss": 0.0056,
205
+ "step": 2800
206
+ },
207
+ {
208
+ "epoch": 0.23,
209
+ "grad_norm": 0.1421067714691162,
210
+ "learning_rate": 1.9900165398255434e-05,
211
+ "loss": 0.003,
212
+ "step": 2900
213
+ },
214
+ {
215
+ "epoch": 0.24,
216
+ "grad_norm": 0.028148509562015533,
217
+ "learning_rate": 1.9892919995898052e-05,
218
+ "loss": 0.0016,
219
+ "step": 3000
220
+ },
221
+ {
222
+ "epoch": 0.25,
223
+ "grad_norm": 0.015177663415670395,
224
+ "learning_rate": 1.9885422220738583e-05,
225
+ "loss": 0.004,
226
+ "step": 3100
227
+ },
228
+ {
229
+ "epoch": 0.26,
230
+ "grad_norm": 0.25167518854141235,
231
+ "learning_rate": 1.9877672264048618e-05,
232
+ "loss": 0.0027,
233
+ "step": 3200
234
+ },
235
+ {
236
+ "epoch": 0.26,
237
+ "grad_norm": 0.03997454047203064,
238
+ "learning_rate": 1.9869670323533005e-05,
239
+ "loss": 0.003,
240
+ "step": 3300
241
+ },
242
+ {
243
+ "epoch": 0.27,
244
+ "grad_norm": 0.0028598604258149862,
245
+ "learning_rate": 1.986141660332482e-05,
246
+ "loss": 0.0019,
247
+ "step": 3400
248
+ },
249
+ {
250
+ "epoch": 0.28,
251
+ "grad_norm": 0.1343453824520111,
252
+ "learning_rate": 1.9852911313980146e-05,
253
+ "loss": 0.0034,
254
+ "step": 3500
255
+ },
256
+ {
257
+ "epoch": 0.29,
258
+ "grad_norm": 0.12534217536449432,
259
+ "learning_rate": 1.9844154672472707e-05,
260
+ "loss": 0.0026,
261
+ "step": 3600
262
+ },
263
+ {
264
+ "epoch": 0.3,
265
+ "grad_norm": 0.24615176022052765,
266
+ "learning_rate": 1.9835146902188336e-05,
267
+ "loss": 0.0018,
268
+ "step": 3700
269
+ },
270
+ {
271
+ "epoch": 0.3,
272
+ "grad_norm": 0.013632328249514103,
273
+ "learning_rate": 1.9825888232919268e-05,
274
+ "loss": 0.0019,
275
+ "step": 3800
276
+ },
277
+ {
278
+ "epoch": 0.31,
279
+ "grad_norm": 0.4895065724849701,
280
+ "learning_rate": 1.9816378900858288e-05,
281
+ "loss": 0.0037,
282
+ "step": 3900
283
+ },
284
+ {
285
+ "epoch": 0.32,
286
+ "grad_norm": 1.3317159414291382,
287
+ "learning_rate": 1.98066191485927e-05,
288
+ "loss": 0.0022,
289
+ "step": 4000
290
+ },
291
+ {
292
+ "epoch": 0.33,
293
+ "grad_norm": 0.008369619026780128,
294
+ "learning_rate": 1.9796609225098136e-05,
295
+ "loss": 0.0008,
296
+ "step": 4100
297
+ },
298
+ {
299
+ "epoch": 0.34,
300
+ "grad_norm": 0.007471293676644564,
301
+ "learning_rate": 1.9786349385732212e-05,
302
+ "loss": 0.0031,
303
+ "step": 4200
304
+ },
305
+ {
306
+ "epoch": 0.35,
307
+ "grad_norm": 0.011221354827284813,
308
+ "learning_rate": 1.9775839892228004e-05,
309
+ "loss": 0.0013,
310
+ "step": 4300
311
+ },
312
+ {
313
+ "epoch": 0.35,
314
+ "grad_norm": 0.006684939842671156,
315
+ "learning_rate": 1.976508101268738e-05,
316
+ "loss": 0.0024,
317
+ "step": 4400
318
+ },
319
+ {
320
+ "epoch": 0.36,
321
+ "grad_norm": 0.7115832567214966,
322
+ "learning_rate": 1.9754073021574153e-05,
323
+ "loss": 0.0027,
324
+ "step": 4500
325
+ },
326
+ {
327
+ "epoch": 0.37,
328
+ "grad_norm": 0.031222190707921982,
329
+ "learning_rate": 1.9742816199707096e-05,
330
+ "loss": 0.0013,
331
+ "step": 4600
332
+ },
333
+ {
334
+ "epoch": 0.38,
335
+ "grad_norm": 0.033377427607774734,
336
+ "learning_rate": 1.9731310834252747e-05,
337
+ "loss": 0.0046,
338
+ "step": 4700
339
+ },
340
+ {
341
+ "epoch": 0.39,
342
+ "grad_norm": 0.3707186281681061,
343
+ "learning_rate": 1.9719557218718116e-05,
344
+ "loss": 0.0025,
345
+ "step": 4800
346
+ },
347
+ {
348
+ "epoch": 0.39,
349
+ "grad_norm": 0.030659371986985207,
350
+ "learning_rate": 1.970755565294318e-05,
351
+ "loss": 0.0033,
352
+ "step": 4900
353
+ },
354
+ {
355
+ "epoch": 0.4,
356
+ "grad_norm": 0.031716570258140564,
357
+ "learning_rate": 1.969530644309323e-05,
358
+ "loss": 0.0017,
359
+ "step": 5000
360
+ },
361
+ {
362
+ "epoch": 0.41,
363
+ "grad_norm": 0.018681248649954796,
364
+ "learning_rate": 1.9682809901651074e-05,
365
+ "loss": 0.0025,
366
+ "step": 5100
367
+ },
368
+ {
369
+ "epoch": 0.42,
370
+ "grad_norm": 0.031807415187358856,
371
+ "learning_rate": 1.9670066347409063e-05,
372
+ "loss": 0.0029,
373
+ "step": 5200
374
+ },
375
+ {
376
+ "epoch": 0.43,
377
+ "grad_norm": 0.00439372006803751,
378
+ "learning_rate": 1.9657076105460945e-05,
379
+ "loss": 0.0024,
380
+ "step": 5300
381
+ },
382
+ {
383
+ "epoch": 0.43,
384
+ "grad_norm": 0.2656748592853546,
385
+ "learning_rate": 1.964383950719359e-05,
386
+ "loss": 0.0019,
387
+ "step": 5400
388
+ },
389
+ {
390
+ "epoch": 0.44,
391
+ "grad_norm": 0.18905937671661377,
392
+ "learning_rate": 1.9630356890278527e-05,
393
+ "loss": 0.0015,
394
+ "step": 5500
395
+ },
396
+ {
397
+ "epoch": 0.45,
398
+ "grad_norm": 0.1290869414806366,
399
+ "learning_rate": 1.9616628598663322e-05,
400
+ "loss": 0.0034,
401
+ "step": 5600
402
+ },
403
+ {
404
+ "epoch": 0.46,
405
+ "grad_norm": 0.004318041726946831,
406
+ "learning_rate": 1.9602654982562822e-05,
407
+ "loss": 0.0014,
408
+ "step": 5700
409
+ },
410
+ {
411
+ "epoch": 0.47,
412
+ "grad_norm": 0.15103724598884583,
413
+ "learning_rate": 1.9588436398450206e-05,
414
+ "loss": 0.0013,
415
+ "step": 5800
416
+ },
417
+ {
418
+ "epoch": 0.47,
419
+ "grad_norm": 0.039078064262866974,
420
+ "learning_rate": 1.9573973209047893e-05,
421
+ "loss": 0.0015,
422
+ "step": 5900
423
+ },
424
+ {
425
+ "epoch": 0.48,
426
+ "grad_norm": 2.7625222206115723,
427
+ "learning_rate": 1.9559265783318304e-05,
428
+ "loss": 0.0018,
429
+ "step": 6000
430
+ },
431
+ {
432
+ "epoch": 0.49,
433
+ "grad_norm": 0.32574662566185,
434
+ "learning_rate": 1.9544314496454423e-05,
435
+ "loss": 0.0023,
436
+ "step": 6100
437
+ },
438
+ {
439
+ "epoch": 0.5,
440
+ "grad_norm": 0.014155671931803226,
441
+ "learning_rate": 1.9529119729870253e-05,
442
+ "loss": 0.0011,
443
+ "step": 6200
444
+ },
445
+ {
446
+ "epoch": 0.51,
447
+ "grad_norm": 0.007221277803182602,
448
+ "learning_rate": 1.9513681871191063e-05,
449
+ "loss": 0.0033,
450
+ "step": 6300
451
+ },
452
+ {
453
+ "epoch": 0.51,
454
+ "grad_norm": 0.013470535166561604,
455
+ "learning_rate": 1.949800131424352e-05,
456
+ "loss": 0.003,
457
+ "step": 6400
458
+ },
459
+ {
460
+ "epoch": 0.52,
461
+ "grad_norm": 0.003437698120251298,
462
+ "learning_rate": 1.9482078459045617e-05,
463
+ "loss": 0.0012,
464
+ "step": 6500
465
+ },
466
+ {
467
+ "epoch": 0.53,
468
+ "grad_norm": 0.006796371191740036,
469
+ "learning_rate": 1.9465913711796502e-05,
470
+ "loss": 0.001,
471
+ "step": 6600
472
+ },
473
+ {
474
+ "epoch": 0.54,
475
+ "grad_norm": 0.7563895583152771,
476
+ "learning_rate": 1.9449507484866084e-05,
477
+ "loss": 0.0018,
478
+ "step": 6700
479
+ },
480
+ {
481
+ "epoch": 0.55,
482
+ "grad_norm": 0.016867786645889282,
483
+ "learning_rate": 1.9432860196784533e-05,
484
+ "loss": 0.0016,
485
+ "step": 6800
486
+ },
487
+ {
488
+ "epoch": 0.55,
489
+ "grad_norm": 0.006416236516088247,
490
+ "learning_rate": 1.941597227223159e-05,
491
+ "loss": 0.0008,
492
+ "step": 6900
493
+ },
494
+ {
495
+ "epoch": 0.56,
496
+ "grad_norm": 0.0008421270758844912,
497
+ "learning_rate": 1.9398844142025746e-05,
498
+ "loss": 0.0011,
499
+ "step": 7000
500
+ },
501
+ {
502
+ "epoch": 0.57,
503
+ "grad_norm": 0.012384007684886456,
504
+ "learning_rate": 1.9381476243113243e-05,
505
+ "loss": 0.0017,
506
+ "step": 7100
507
+ },
508
+ {
509
+ "epoch": 0.58,
510
+ "grad_norm": 0.004778598435223103,
511
+ "learning_rate": 1.9363869018556928e-05,
512
+ "loss": 0.0016,
513
+ "step": 7200
514
+ },
515
+ {
516
+ "epoch": 0.59,
517
+ "grad_norm": 0.00394839234650135,
518
+ "learning_rate": 1.9346022917524958e-05,
519
+ "loss": 0.0017,
520
+ "step": 7300
521
+ },
522
+ {
523
+ "epoch": 0.59,
524
+ "grad_norm": 0.006818379741162062,
525
+ "learning_rate": 1.9327938395279325e-05,
526
+ "loss": 0.0019,
527
+ "step": 7400
528
+ },
529
+ {
530
+ "epoch": 0.6,
531
+ "grad_norm": 0.028212955221533775,
532
+ "learning_rate": 1.9309615913164262e-05,
533
+ "loss": 0.0013,
534
+ "step": 7500
535
+ },
536
+ {
537
+ "epoch": 0.61,
538
+ "grad_norm": 0.017115216702222824,
539
+ "learning_rate": 1.9291055938594464e-05,
540
+ "loss": 0.0017,
541
+ "step": 7600
542
+ },
543
+ {
544
+ "epoch": 0.62,
545
+ "grad_norm": 0.02033141627907753,
546
+ "learning_rate": 1.9272258945043154e-05,
547
+ "loss": 0.0006,
548
+ "step": 7700
549
+ },
550
+ {
551
+ "epoch": 0.63,
552
+ "grad_norm": 1.2443268299102783,
553
+ "learning_rate": 1.9253225412030028e-05,
554
+ "loss": 0.0011,
555
+ "step": 7800
556
+ },
557
+ {
558
+ "epoch": 0.63,
559
+ "grad_norm": 0.0025956807658076286,
560
+ "learning_rate": 1.9233955825109e-05,
561
+ "loss": 0.001,
562
+ "step": 7900
563
+ },
564
+ {
565
+ "epoch": 0.64,
566
+ "grad_norm": 13.584095001220703,
567
+ "learning_rate": 1.9214450675855832e-05,
568
+ "loss": 0.0029,
569
+ "step": 8000
570
+ },
571
+ {
572
+ "epoch": 0.65,
573
+ "grad_norm": 0.0022025350481271744,
574
+ "learning_rate": 1.919471046185558e-05,
575
+ "loss": 0.001,
576
+ "step": 8100
577
+ },
578
+ {
579
+ "epoch": 0.66,
580
+ "grad_norm": 0.002522263675928116,
581
+ "learning_rate": 1.917473568668991e-05,
582
+ "loss": 0.0024,
583
+ "step": 8200
584
+ },
585
+ {
586
+ "epoch": 0.67,
587
+ "grad_norm": 1.3481580018997192,
588
+ "learning_rate": 1.9154526859924242e-05,
589
+ "loss": 0.0017,
590
+ "step": 8300
591
+ },
592
+ {
593
+ "epoch": 0.67,
594
+ "grad_norm": 0.010974978096783161,
595
+ "learning_rate": 1.9134084497094766e-05,
596
+ "loss": 0.0008,
597
+ "step": 8400
598
+ },
599
+ {
600
+ "epoch": 0.68,
601
+ "grad_norm": 0.005469560623168945,
602
+ "learning_rate": 1.9113409119695276e-05,
603
+ "loss": 0.0012,
604
+ "step": 8500
605
+ },
606
+ {
607
+ "epoch": 0.69,
608
+ "grad_norm": 0.08603531867265701,
609
+ "learning_rate": 1.9092501255163874e-05,
610
+ "loss": 0.0025,
611
+ "step": 8600
612
+ },
613
+ {
614
+ "epoch": 0.7,
615
+ "grad_norm": 0.0022059655748307705,
616
+ "learning_rate": 1.907136143686951e-05,
617
+ "loss": 0.0013,
618
+ "step": 8700
619
+ },
620
+ {
621
+ "epoch": 0.71,
622
+ "grad_norm": 0.0005606790073215961,
623
+ "learning_rate": 1.904999020409837e-05,
624
+ "loss": 0.0014,
625
+ "step": 8800
626
+ },
627
+ {
628
+ "epoch": 0.71,
629
+ "grad_norm": 0.012699578888714314,
630
+ "learning_rate": 1.902838810204015e-05,
631
+ "loss": 0.0012,
632
+ "step": 8900
633
+ },
634
+ {
635
+ "epoch": 0.72,
636
+ "grad_norm": 0.00312532065436244,
637
+ "learning_rate": 1.90065556817741e-05,
638
+ "loss": 0.0012,
639
+ "step": 9000
640
+ },
641
+ {
642
+ "epoch": 0.73,
643
+ "grad_norm": 0.008270219899713993,
644
+ "learning_rate": 1.8984493500255e-05,
645
+ "loss": 0.0014,
646
+ "step": 9100
647
+ },
648
+ {
649
+ "epoch": 0.74,
650
+ "grad_norm": 0.01274858694523573,
651
+ "learning_rate": 1.8962202120298948e-05,
652
+ "loss": 0.0013,
653
+ "step": 9200
654
+ },
655
+ {
656
+ "epoch": 0.75,
657
+ "grad_norm": 0.012512357905507088,
658
+ "learning_rate": 1.8939682110568982e-05,
659
+ "loss": 0.001,
660
+ "step": 9300
661
+ },
662
+ {
663
+ "epoch": 0.75,
664
+ "grad_norm": 0.0043404679745435715,
665
+ "learning_rate": 1.8916934045560603e-05,
666
+ "loss": 0.0023,
667
+ "step": 9400
668
+ },
669
+ {
670
+ "epoch": 0.76,
671
+ "grad_norm": 3.700385332107544,
672
+ "learning_rate": 1.8893958505587093e-05,
673
+ "loss": 0.0031,
674
+ "step": 9500
675
+ },
676
+ {
677
+ "epoch": 0.77,
678
+ "grad_norm": 0.016660619527101517,
679
+ "learning_rate": 1.8870756076764728e-05,
680
+ "loss": 0.0019,
681
+ "step": 9600
682
+ },
683
+ {
684
+ "epoch": 0.78,
685
+ "grad_norm": 0.047528013586997986,
686
+ "learning_rate": 1.8847327350997814e-05,
687
+ "loss": 0.0008,
688
+ "step": 9700
689
+ },
690
+ {
691
+ "epoch": 0.79,
692
+ "grad_norm": 0.01734699122607708,
693
+ "learning_rate": 1.8823672925963598e-05,
694
+ "loss": 0.0022,
695
+ "step": 9800
696
+ },
697
+ {
698
+ "epoch": 0.79,
699
+ "grad_norm": 0.019478172063827515,
700
+ "learning_rate": 1.879979340509701e-05,
701
+ "loss": 0.0009,
702
+ "step": 9900
703
+ },
704
+ {
705
+ "epoch": 0.8,
706
+ "grad_norm": 0.1385781317949295,
707
+ "learning_rate": 1.877568939757529e-05,
708
+ "loss": 0.0015,
709
+ "step": 10000
710
+ },
711
+ {
712
+ "epoch": 0.81,
713
+ "grad_norm": 0.143458753824234,
714
+ "learning_rate": 1.8751361518302413e-05,
715
+ "loss": 0.0008,
716
+ "step": 10100
717
+ },
718
+ {
719
+ "epoch": 0.82,
720
+ "grad_norm": 0.003875449998304248,
721
+ "learning_rate": 1.8726810387893438e-05,
722
+ "loss": 0.0029,
723
+ "step": 10200
724
+ },
725
+ {
726
+ "epoch": 0.83,
727
+ "grad_norm": 0.0030744324903935194,
728
+ "learning_rate": 1.8702036632658646e-05,
729
+ "loss": 0.0012,
730
+ "step": 10300
731
+ },
732
+ {
733
+ "epoch": 0.83,
734
+ "grad_norm": 0.012408553622663021,
735
+ "learning_rate": 1.867704088458759e-05,
736
+ "loss": 0.0017,
737
+ "step": 10400
738
+ },
739
+ {
740
+ "epoch": 0.84,
741
+ "grad_norm": 0.001399656874127686,
742
+ "learning_rate": 1.8651823781332948e-05,
743
+ "loss": 0.0006,
744
+ "step": 10500
745
+ },
746
+ {
747
+ "epoch": 0.85,
748
+ "grad_norm": 0.001192159834317863,
749
+ "learning_rate": 1.8626385966194275e-05,
750
+ "loss": 0.001,
751
+ "step": 10600
752
+ },
753
+ {
754
+ "epoch": 0.86,
755
+ "grad_norm": 0.6697074770927429,
756
+ "learning_rate": 1.8600728088101587e-05,
757
+ "loss": 0.0021,
758
+ "step": 10700
759
+ },
760
+ {
761
+ "epoch": 0.87,
762
+ "grad_norm": 0.007071709726005793,
763
+ "learning_rate": 1.857485080159879e-05,
764
+ "loss": 0.0016,
765
+ "step": 10800
766
+ },
767
+ {
768
+ "epoch": 0.87,
769
+ "grad_norm": 0.005609508138149977,
770
+ "learning_rate": 1.8548754766827016e-05,
771
+ "loss": 0.0022,
772
+ "step": 10900
773
+ },
774
+ {
775
+ "epoch": 0.88,
776
+ "grad_norm": 0.0166325643658638,
777
+ "learning_rate": 1.852244064950775e-05,
778
+ "loss": 0.0032,
779
+ "step": 11000
780
+ },
781
+ {
782
+ "epoch": 0.89,
783
+ "grad_norm": 0.0896034687757492,
784
+ "learning_rate": 1.8495909120925857e-05,
785
+ "loss": 0.0015,
786
+ "step": 11100
787
+ },
788
+ {
789
+ "epoch": 0.9,
790
+ "grad_norm": 0.24882763624191284,
791
+ "learning_rate": 1.846916085791247e-05,
792
+ "loss": 0.0017,
793
+ "step": 11200
794
+ },
795
+ {
796
+ "epoch": 0.91,
797
+ "grad_norm": 0.013551519252359867,
798
+ "learning_rate": 1.8442196542827712e-05,
799
+ "loss": 0.0007,
800
+ "step": 11300
801
+ },
802
+ {
803
+ "epoch": 0.91,
804
+ "grad_norm": 0.01764736883342266,
805
+ "learning_rate": 1.8415016863543286e-05,
806
+ "loss": 0.0005,
807
+ "step": 11400
808
+ },
809
+ {
810
+ "epoch": 0.92,
811
+ "grad_norm": 0.001765413791872561,
812
+ "learning_rate": 1.8387622513424942e-05,
813
+ "loss": 0.0044,
814
+ "step": 11500
815
+ },
816
+ {
817
+ "epoch": 0.93,
818
+ "grad_norm": 0.0014637404819950461,
819
+ "learning_rate": 1.836001419131476e-05,
820
+ "loss": 0.0012,
821
+ "step": 11600
822
+ },
823
+ {
824
+ "epoch": 0.94,
825
+ "grad_norm": 0.005813998635858297,
826
+ "learning_rate": 1.8332192601513358e-05,
827
+ "loss": 0.0006,
828
+ "step": 11700
829
+ },
830
+ {
831
+ "epoch": 0.95,
832
+ "grad_norm": 0.0008558441768400371,
833
+ "learning_rate": 1.8304158453761904e-05,
834
+ "loss": 0.002,
835
+ "step": 11800
836
+ },
837
+ {
838
+ "epoch": 0.96,
839
+ "grad_norm": 0.0033321972005069256,
840
+ "learning_rate": 1.827591246322401e-05,
841
+ "loss": 0.0005,
842
+ "step": 11900
843
+ },
844
+ {
845
+ "epoch": 0.96,
846
+ "grad_norm": 0.5678846836090088,
847
+ "learning_rate": 1.8247455350467496e-05,
848
+ "loss": 0.0014,
849
+ "step": 12000
850
+ },
851
+ {
852
+ "epoch": 0.97,
853
+ "grad_norm": 0.009241198189556599,
854
+ "learning_rate": 1.8218787841446003e-05,
855
+ "loss": 0.0004,
856
+ "step": 12100
857
+ },
858
+ {
859
+ "epoch": 0.98,
860
+ "grad_norm": 0.07260189205408096,
861
+ "learning_rate": 1.8189910667480476e-05,
862
+ "loss": 0.0015,
863
+ "step": 12200
864
+ },
865
+ {
866
+ "epoch": 0.99,
867
+ "grad_norm": 0.0022115109022706747,
868
+ "learning_rate": 1.8160824565240495e-05,
869
+ "loss": 0.0029,
870
+ "step": 12300
871
+ },
872
+ {
873
+ "epoch": 1.0,
874
+ "grad_norm": 0.020148636773228645,
875
+ "learning_rate": 1.8131530276725514e-05,
876
+ "loss": 0.0015,
877
+ "step": 12400
878
+ },
879
+ {
880
+ "epoch": 1.0,
881
+ "grad_norm": 0.2839891314506531,
882
+ "learning_rate": 1.8102028549245894e-05,
883
+ "loss": 0.0015,
884
+ "step": 12500
885
+ },
886
+ {
887
+ "epoch": 1.01,
888
+ "grad_norm": 0.004473233129829168,
889
+ "learning_rate": 1.8072320135403862e-05,
890
+ "loss": 0.0012,
891
+ "step": 12600
892
+ },
893
+ {
894
+ "epoch": 1.02,
895
+ "grad_norm": 0.0016079695196822286,
896
+ "learning_rate": 1.804240579307431e-05,
897
+ "loss": 0.0009,
898
+ "step": 12700
899
+ },
900
+ {
901
+ "epoch": 1.03,
902
+ "grad_norm": 0.015555166639387608,
903
+ "learning_rate": 1.8012286285385456e-05,
904
+ "loss": 0.0015,
905
+ "step": 12800
906
+ },
907
+ {
908
+ "epoch": 1.04,
909
+ "grad_norm": 0.014301074668765068,
910
+ "learning_rate": 1.7981962380699376e-05,
911
+ "loss": 0.0006,
912
+ "step": 12900
913
+ },
914
+ {
915
+ "epoch": 1.04,
916
+ "grad_norm": 0.005016946699470282,
917
+ "learning_rate": 1.7951434852592406e-05,
918
+ "loss": 0.0008,
919
+ "step": 13000
920
+ },
921
+ {
922
+ "epoch": 1.05,
923
+ "grad_norm": 0.006782655604183674,
924
+ "learning_rate": 1.79207044798354e-05,
925
+ "loss": 0.0004,
926
+ "step": 13100
927
+ },
928
+ {
929
+ "epoch": 1.06,
930
+ "grad_norm": 0.006875937804579735,
931
+ "learning_rate": 1.788977204637388e-05,
932
+ "loss": 0.0027,
933
+ "step": 13200
934
+ },
935
+ {
936
+ "epoch": 1.07,
937
+ "grad_norm": 0.007184536661952734,
938
+ "learning_rate": 1.7858638341308026e-05,
939
+ "loss": 0.0013,
940
+ "step": 13300
941
+ },
942
+ {
943
+ "epoch": 1.08,
944
+ "grad_norm": 0.0019093825249001384,
945
+ "learning_rate": 1.7827304158872538e-05,
946
+ "loss": 0.0014,
947
+ "step": 13400
948
+ },
949
+ {
950
+ "epoch": 1.08,
951
+ "grad_norm": 1.7438774108886719,
952
+ "learning_rate": 1.779577029841638e-05,
953
+ "loss": 0.0027,
954
+ "step": 13500
955
+ },
956
+ {
957
+ "epoch": 1.09,
958
+ "grad_norm": 0.0496426597237587,
959
+ "learning_rate": 1.776403756438241e-05,
960
+ "loss": 0.0016,
961
+ "step": 13600
962
+ },
963
+ {
964
+ "epoch": 1.1,
965
+ "grad_norm": 0.005185109097510576,
966
+ "learning_rate": 1.773210676628682e-05,
967
+ "loss": 0.0004,
968
+ "step": 13700
969
+ },
970
+ {
971
+ "epoch": 1.11,
972
+ "grad_norm": 0.0010710001224651933,
973
+ "learning_rate": 1.769997871869852e-05,
974
+ "loss": 0.0009,
975
+ "step": 13800
976
+ },
977
+ {
978
+ "epoch": 1.12,
979
+ "grad_norm": 0.013586360029876232,
980
+ "learning_rate": 1.7667654241218332e-05,
981
+ "loss": 0.0028,
982
+ "step": 13900
983
+ },
984
+ {
985
+ "epoch": 1.12,
986
+ "grad_norm": 0.021679196506738663,
987
+ "learning_rate": 1.7635134158458095e-05,
988
+ "loss": 0.0011,
989
+ "step": 14000
990
+ },
991
+ {
992
+ "epoch": 1.13,
993
+ "grad_norm": 0.2464137077331543,
994
+ "learning_rate": 1.7602419300019627e-05,
995
+ "loss": 0.0014,
996
+ "step": 14100
997
+ },
998
+ {
999
+ "epoch": 1.14,
1000
+ "grad_norm": 0.0015559865860268474,
1001
+ "learning_rate": 1.7569510500473566e-05,
1002
+ "loss": 0.0003,
1003
+ "step": 14200
1004
+ },
1005
+ {
1006
+ "epoch": 1.15,
1007
+ "grad_norm": 0.007820005528628826,
1008
+ "learning_rate": 1.753640859933806e-05,
1009
+ "loss": 0.001,
1010
+ "step": 14300
1011
+ },
1012
+ {
1013
+ "epoch": 1.16,
1014
+ "grad_norm": 0.0021381524857133627,
1015
+ "learning_rate": 1.7503114441057374e-05,
1016
+ "loss": 0.0019,
1017
+ "step": 14400
1018
+ },
1019
+ {
1020
+ "epoch": 1.16,
1021
+ "grad_norm": 0.004830517340451479,
1022
+ "learning_rate": 1.746962887498034e-05,
1023
+ "loss": 0.0006,
1024
+ "step": 14500
1025
+ },
1026
+ {
1027
+ "epoch": 1.17,
1028
+ "grad_norm": 0.004048046190291643,
1029
+ "learning_rate": 1.743595275533869e-05,
1030
+ "loss": 0.001,
1031
+ "step": 14600
1032
+ },
1033
+ {
1034
+ "epoch": 1.18,
1035
+ "grad_norm": 0.0010604397393763065,
1036
+ "learning_rate": 1.7402086941225246e-05,
1037
+ "loss": 0.0007,
1038
+ "step": 14700
1039
+ },
1040
+ {
1041
+ "epoch": 1.19,
1042
+ "grad_norm": 0.10798583179712296,
1043
+ "learning_rate": 1.736803229657204e-05,
1044
+ "loss": 0.0016,
1045
+ "step": 14800
1046
+ },
1047
+ {
1048
+ "epoch": 1.2,
1049
+ "grad_norm": 0.00545172905549407,
1050
+ "learning_rate": 1.7333789690128252e-05,
1051
+ "loss": 0.0003,
1052
+ "step": 14900
1053
+ },
1054
+ {
1055
+ "epoch": 1.2,
1056
+ "grad_norm": 0.051401443779468536,
1057
+ "learning_rate": 1.7299359995438046e-05,
1058
+ "loss": 0.0007,
1059
+ "step": 15000
1060
+ },
1061
+ {
1062
+ "epoch": 1.21,
1063
+ "grad_norm": 0.0022059613838791847,
1064
+ "learning_rate": 1.7264744090818284e-05,
1065
+ "loss": 0.0009,
1066
+ "step": 15100
1067
+ },
1068
+ {
1069
+ "epoch": 1.22,
1070
+ "grad_norm": 0.0031678322702646255,
1071
+ "learning_rate": 1.7229942859336142e-05,
1072
+ "loss": 0.0003,
1073
+ "step": 15200
1074
+ },
1075
+ {
1076
+ "epoch": 1.23,
1077
+ "grad_norm": 0.4575800597667694,
1078
+ "learning_rate": 1.719495718878655e-05,
1079
+ "loss": 0.0008,
1080
+ "step": 15300
1081
+ },
1082
+ {
1083
+ "epoch": 1.24,
1084
+ "grad_norm": 0.0009642325458116829,
1085
+ "learning_rate": 1.7159787971669586e-05,
1086
+ "loss": 0.001,
1087
+ "step": 15400
1088
+ },
1089
+ {
1090
+ "epoch": 1.24,
1091
+ "grad_norm": 0.0024611325934529305,
1092
+ "learning_rate": 1.712443610516765e-05,
1093
+ "loss": 0.0007,
1094
+ "step": 15500
1095
+ },
1096
+ {
1097
+ "epoch": 1.25,
1098
+ "grad_norm": 0.007828389294445515,
1099
+ "learning_rate": 1.7088902491122636e-05,
1100
+ "loss": 0.0003,
1101
+ "step": 15600
1102
+ },
1103
+ {
1104
+ "epoch": 1.26,
1105
+ "grad_norm": 0.0010621993569657207,
1106
+ "learning_rate": 1.7053188036012885e-05,
1107
+ "loss": 0.0022,
1108
+ "step": 15700
1109
+ },
1110
+ {
1111
+ "epoch": 1.27,
1112
+ "grad_norm": 0.003037663409486413,
1113
+ "learning_rate": 1.7017293650930083e-05,
1114
+ "loss": 0.0011,
1115
+ "step": 15800
1116
+ },
1117
+ {
1118
+ "epoch": 1.28,
1119
+ "grad_norm": 0.021871333941817284,
1120
+ "learning_rate": 1.6981220251555996e-05,
1121
+ "loss": 0.0005,
1122
+ "step": 15900
1123
+ },
1124
+ {
1125
+ "epoch": 1.28,
1126
+ "grad_norm": 0.2676248848438263,
1127
+ "learning_rate": 1.6944968758139144e-05,
1128
+ "loss": 0.0012,
1129
+ "step": 16000
1130
+ },
1131
+ {
1132
+ "epoch": 1.29,
1133
+ "grad_norm": 0.002139603951945901,
1134
+ "learning_rate": 1.6908540095471288e-05,
1135
+ "loss": 0.0016,
1136
+ "step": 16100
1137
+ },
1138
+ {
1139
+ "epoch": 1.3,
1140
+ "grad_norm": 0.00880183931440115,
1141
+ "learning_rate": 1.6871935192863862e-05,
1142
+ "loss": 0.0007,
1143
+ "step": 16200
1144
+ },
1145
+ {
1146
+ "epoch": 1.31,
1147
+ "grad_norm": 0.006027602590620518,
1148
+ "learning_rate": 1.6835154984124266e-05,
1149
+ "loss": 0.0027,
1150
+ "step": 16300
1151
+ },
1152
+ {
1153
+ "epoch": 1.32,
1154
+ "grad_norm": 0.002160316100344062,
1155
+ "learning_rate": 1.6798200407532025e-05,
1156
+ "loss": 0.0004,
1157
+ "step": 16400
1158
+ },
1159
+ {
1160
+ "epoch": 1.32,
1161
+ "grad_norm": 0.004634434822946787,
1162
+ "learning_rate": 1.676107240581488e-05,
1163
+ "loss": 0.0005,
1164
+ "step": 16500
1165
+ },
1166
+ {
1167
+ "epoch": 1.33,
1168
+ "grad_norm": 0.013142119161784649,
1169
+ "learning_rate": 1.6723771926124704e-05,
1170
+ "loss": 0.0012,
1171
+ "step": 16600
1172
+ },
1173
+ {
1174
+ "epoch": 1.34,
1175
+ "grad_norm": 0.0017228337237611413,
1176
+ "learning_rate": 1.6686299920013388e-05,
1177
+ "loss": 0.001,
1178
+ "step": 16700
1179
+ },
1180
+ {
1181
+ "epoch": 1.35,
1182
+ "grad_norm": 0.011891527101397514,
1183
+ "learning_rate": 1.6648657343408517e-05,
1184
+ "loss": 0.0004,
1185
+ "step": 16800
1186
+ },
1187
+ {
1188
+ "epoch": 1.36,
1189
+ "grad_norm": 0.03485196456313133,
1190
+ "learning_rate": 1.661084515658901e-05,
1191
+ "loss": 0.0008,
1192
+ "step": 16900
1193
+ },
1194
+ {
1195
+ "epoch": 1.36,
1196
+ "grad_norm": 0.006045693065971136,
1197
+ "learning_rate": 1.6572864324160617e-05,
1198
+ "loss": 0.0016,
1199
+ "step": 17000
1200
+ },
1201
+ {
1202
+ "epoch": 1.37,
1203
+ "grad_norm": 0.0319632813334465,
1204
+ "learning_rate": 1.6534715815031325e-05,
1205
+ "loss": 0.001,
1206
+ "step": 17100
1207
+ },
1208
+ {
1209
+ "epoch": 1.38,
1210
+ "grad_norm": 0.000651439419016242,
1211
+ "learning_rate": 1.649640060238661e-05,
1212
+ "loss": 0.0008,
1213
+ "step": 17200
1214
+ },
1215
+ {
1216
+ "epoch": 1.39,
1217
+ "grad_norm": 0.013289058580994606,
1218
+ "learning_rate": 1.645791966366464e-05,
1219
+ "loss": 0.0004,
1220
+ "step": 17300
1221
+ },
1222
+ {
1223
+ "epoch": 1.4,
1224
+ "grad_norm": 1.1903555393218994,
1225
+ "learning_rate": 1.6419273980531333e-05,
1226
+ "loss": 0.0009,
1227
+ "step": 17400
1228
+ },
1229
+ {
1230
+ "epoch": 1.4,
1231
+ "grad_norm": 0.0004181715485174209,
1232
+ "learning_rate": 1.63804645388553e-05,
1233
+ "loss": 0.0008,
1234
+ "step": 17500
1235
+ },
1236
+ {
1237
+ "epoch": 1.41,
1238
+ "grad_norm": 0.0005597823183052242,
1239
+ "learning_rate": 1.6341492328682703e-05,
1240
+ "loss": 0.0015,
1241
+ "step": 17600
1242
+ },
1243
+ {
1244
+ "epoch": 1.42,
1245
+ "grad_norm": 0.003250558627769351,
1246
+ "learning_rate": 1.6302358344212025e-05,
1247
+ "loss": 0.0015,
1248
+ "step": 17700
1249
+ },
1250
+ {
1251
+ "epoch": 1.43,
1252
+ "grad_norm": 0.00633718678727746,
1253
+ "learning_rate": 1.6263063583768652e-05,
1254
+ "loss": 0.0007,
1255
+ "step": 17800
1256
+ },
1257
+ {
1258
+ "epoch": 1.44,
1259
+ "grad_norm": 0.0012848949991166592,
1260
+ "learning_rate": 1.622360904977946e-05,
1261
+ "loss": 0.001,
1262
+ "step": 17900
1263
+ },
1264
+ {
1265
+ "epoch": 1.44,
1266
+ "grad_norm": 0.03510229289531708,
1267
+ "learning_rate": 1.6183995748747204e-05,
1268
+ "loss": 0.001,
1269
+ "step": 18000
1270
+ },
1271
+ {
1272
+ "epoch": 1.45,
1273
+ "grad_norm": 0.00044461427023634315,
1274
+ "learning_rate": 1.6144224691224868e-05,
1275
+ "loss": 0.0005,
1276
+ "step": 18100
1277
+ },
1278
+ {
1279
+ "epoch": 1.46,
1280
+ "grad_norm": 0.056695085018873215,
1281
+ "learning_rate": 1.6104296891789867e-05,
1282
+ "loss": 0.0011,
1283
+ "step": 18200
1284
+ },
1285
+ {
1286
+ "epoch": 1.47,
1287
+ "grad_norm": 0.002499540336430073,
1288
+ "learning_rate": 1.606421336901818e-05,
1289
+ "loss": 0.0005,
1290
+ "step": 18300
1291
+ },
1292
+ {
1293
+ "epoch": 1.48,
1294
+ "grad_norm": 0.00433159526437521,
1295
+ "learning_rate": 1.6023975145458352e-05,
1296
+ "loss": 0.0007,
1297
+ "step": 18400
1298
+ },
1299
+ {
1300
+ "epoch": 1.48,
1301
+ "grad_norm": 0.0020198116544634104,
1302
+ "learning_rate": 1.5983583247605414e-05,
1303
+ "loss": 0.0005,
1304
+ "step": 18500
1305
+ },
1306
+ {
1307
+ "epoch": 1.49,
1308
+ "grad_norm": 0.004110960755497217,
1309
+ "learning_rate": 1.5943038705874697e-05,
1310
+ "loss": 0.001,
1311
+ "step": 18600
1312
+ },
1313
+ {
1314
+ "epoch": 1.5,
1315
+ "grad_norm": 0.0036564720794558525,
1316
+ "learning_rate": 1.590234255457555e-05,
1317
+ "loss": 0.0014,
1318
+ "step": 18700
1319
+ },
1320
+ {
1321
+ "epoch": 1.51,
1322
+ "grad_norm": 0.0010110210860148072,
1323
+ "learning_rate": 1.5861495831884942e-05,
1324
+ "loss": 0.0008,
1325
+ "step": 18800
1326
+ },
1327
+ {
1328
+ "epoch": 1.52,
1329
+ "grad_norm": 0.11147645115852356,
1330
+ "learning_rate": 1.582049957982099e-05,
1331
+ "loss": 0.0004,
1332
+ "step": 18900
1333
+ },
1334
+ {
1335
+ "epoch": 1.52,
1336
+ "grad_norm": 0.002563257934525609,
1337
+ "learning_rate": 1.5779354844216377e-05,
1338
+ "loss": 0.0003,
1339
+ "step": 19000
1340
+ },
1341
+ {
1342
+ "epoch": 1.53,
1343
+ "grad_norm": 0.002472821157425642,
1344
+ "learning_rate": 1.5738062674691657e-05,
1345
+ "loss": 0.0003,
1346
+ "step": 19100
1347
+ },
1348
+ {
1349
+ "epoch": 1.54,
1350
+ "grad_norm": 0.08172155171632767,
1351
+ "learning_rate": 1.5696624124628495e-05,
1352
+ "loss": 0.0005,
1353
+ "step": 19200
1354
+ },
1355
+ {
1356
+ "epoch": 1.55,
1357
+ "grad_norm": 0.009228968061506748,
1358
+ "learning_rate": 1.5655040251142787e-05,
1359
+ "loss": 0.0008,
1360
+ "step": 19300
1361
+ },
1362
+ {
1363
+ "epoch": 1.56,
1364
+ "grad_norm": 0.027170058339834213,
1365
+ "learning_rate": 1.5613312115057697e-05,
1366
+ "loss": 0.0002,
1367
+ "step": 19400
1368
+ },
1369
+ {
1370
+ "epoch": 1.57,
1371
+ "grad_norm": 0.003953781444579363,
1372
+ "learning_rate": 1.5571440780876588e-05,
1373
+ "loss": 0.0009,
1374
+ "step": 19500
1375
+ },
1376
+ {
1377
+ "epoch": 1.57,
1378
+ "grad_norm": 0.2073652297258377,
1379
+ "learning_rate": 1.5529427316755876e-05,
1380
+ "loss": 0.001,
1381
+ "step": 19600
1382
+ },
1383
+ {
1384
+ "epoch": 1.58,
1385
+ "grad_norm": 0.000581290340051055,
1386
+ "learning_rate": 1.548727279447777e-05,
1387
+ "loss": 0.0007,
1388
+ "step": 19700
1389
+ },
1390
+ {
1391
+ "epoch": 1.59,
1392
+ "grad_norm": 0.001082689268514514,
1393
+ "learning_rate": 1.5444978289422937e-05,
1394
+ "loss": 0.0011,
1395
+ "step": 19800
1396
+ },
1397
+ {
1398
+ "epoch": 1.6,
1399
+ "grad_norm": 0.020316652953624725,
1400
+ "learning_rate": 1.540254488054307e-05,
1401
+ "loss": 0.0007,
1402
+ "step": 19900
1403
+ },
1404
+ {
1405
+ "epoch": 1.61,
1406
+ "grad_norm": 0.0026674780528992414,
1407
+ "learning_rate": 1.5359973650333352e-05,
1408
+ "loss": 0.0006,
1409
+ "step": 20000
1410
+ },
1411
+ {
1412
+ "epoch": 1.61,
1413
+ "grad_norm": 0.007332425098866224,
1414
+ "learning_rate": 1.5317265684804865e-05,
1415
+ "loss": 0.001,
1416
+ "step": 20100
1417
+ },
1418
+ {
1419
+ "epoch": 1.62,
1420
+ "grad_norm": 0.0030178299639374018,
1421
+ "learning_rate": 1.5274422073456853e-05,
1422
+ "loss": 0.0002,
1423
+ "step": 20200
1424
+ },
1425
+ {
1426
+ "epoch": 1.63,
1427
+ "grad_norm": 0.0009229824645444751,
1428
+ "learning_rate": 1.5231443909248956e-05,
1429
+ "loss": 0.0006,
1430
+ "step": 20300
1431
+ },
1432
+ {
1433
+ "epoch": 1.64,
1434
+ "grad_norm": 0.000619510596152395,
1435
+ "learning_rate": 1.5188332288573313e-05,
1436
+ "loss": 0.0011,
1437
+ "step": 20400
1438
+ },
1439
+ {
1440
+ "epoch": 1.65,
1441
+ "grad_norm": 0.0273954626172781,
1442
+ "learning_rate": 1.5145088311226599e-05,
1443
+ "loss": 0.0004,
1444
+ "step": 20500
1445
+ },
1446
+ {
1447
+ "epoch": 1.65,
1448
+ "grad_norm": 0.009902927093207836,
1449
+ "learning_rate": 1.510171308038197e-05,
1450
+ "loss": 0.0006,
1451
+ "step": 20600
1452
+ },
1453
+ {
1454
+ "epoch": 1.66,
1455
+ "grad_norm": 0.012104487977921963,
1456
+ "learning_rate": 1.5058207702560907e-05,
1457
+ "loss": 0.0004,
1458
+ "step": 20700
1459
+ },
1460
+ {
1461
+ "epoch": 1.67,
1462
+ "grad_norm": 0.8639243245124817,
1463
+ "learning_rate": 1.501457328760501e-05,
1464
+ "loss": 0.0007,
1465
+ "step": 20800
1466
+ },
1467
+ {
1468
+ "epoch": 1.68,
1469
+ "grad_norm": 0.07374394685029984,
1470
+ "learning_rate": 1.4970810948647664e-05,
1471
+ "loss": 0.0007,
1472
+ "step": 20900
1473
+ },
1474
+ {
1475
+ "epoch": 1.69,
1476
+ "grad_norm": 0.0010848238598555326,
1477
+ "learning_rate": 1.4926921802085662e-05,
1478
+ "loss": 0.0008,
1479
+ "step": 21000
1480
+ },
1481
+ {
1482
+ "epoch": 1.69,
1483
+ "grad_norm": 0.03615230694413185,
1484
+ "learning_rate": 1.4882906967550708e-05,
1485
+ "loss": 0.0002,
1486
+ "step": 21100
1487
+ },
1488
+ {
1489
+ "epoch": 1.7,
1490
+ "grad_norm": 0.00893151480704546,
1491
+ "learning_rate": 1.4838767567880865e-05,
1492
+ "loss": 0.0012,
1493
+ "step": 21200
1494
+ },
1495
+ {
1496
+ "epoch": 1.71,
1497
+ "grad_norm": 0.0023355227895081043,
1498
+ "learning_rate": 1.479450472909191e-05,
1499
+ "loss": 0.0023,
1500
+ "step": 21300
1501
+ },
1502
+ {
1503
+ "epoch": 1.72,
1504
+ "grad_norm": 0.7856515645980835,
1505
+ "learning_rate": 1.4750119580348601e-05,
1506
+ "loss": 0.0008,
1507
+ "step": 21400
1508
+ },
1509
+ {
1510
+ "epoch": 1.73,
1511
+ "grad_norm": 0.0007943073869682848,
1512
+ "learning_rate": 1.4705613253935886e-05,
1513
+ "loss": 0.0002,
1514
+ "step": 21500
1515
+ },
1516
+ {
1517
+ "epoch": 1.73,
1518
+ "grad_norm": 0.000991353183053434,
1519
+ "learning_rate": 1.4660986885230002e-05,
1520
+ "loss": 0.0005,
1521
+ "step": 21600
1522
+ },
1523
+ {
1524
+ "epoch": 1.74,
1525
+ "grad_norm": 0.0023457545321434736,
1526
+ "learning_rate": 1.4616241612669523e-05,
1527
+ "loss": 0.0035,
1528
+ "step": 21700
1529
+ },
1530
+ {
1531
+ "epoch": 1.75,
1532
+ "grad_norm": 0.0007867334061302245,
1533
+ "learning_rate": 1.4571378577726317e-05,
1534
+ "loss": 0.0006,
1535
+ "step": 21800
1536
+ },
1537
+ {
1538
+ "epoch": 1.76,
1539
+ "grad_norm": 0.0013897059252485633,
1540
+ "learning_rate": 1.4526398924876407e-05,
1541
+ "loss": 0.0005,
1542
+ "step": 21900
1543
+ },
1544
+ {
1545
+ "epoch": 1.77,
1546
+ "grad_norm": 0.0020729138050228357,
1547
+ "learning_rate": 1.4481303801570805e-05,
1548
+ "loss": 0.0009,
1549
+ "step": 22000
1550
+ },
1551
+ {
1552
+ "epoch": 1.77,
1553
+ "grad_norm": 0.002158819232136011,
1554
+ "learning_rate": 1.4436094358206224e-05,
1555
+ "loss": 0.0005,
1556
+ "step": 22100
1557
+ },
1558
+ {
1559
+ "epoch": 1.78,
1560
+ "grad_norm": 0.0038599702529609203,
1561
+ "learning_rate": 1.4390771748095735e-05,
1562
+ "loss": 0.0007,
1563
+ "step": 22200
1564
+ },
1565
+ {
1566
+ "epoch": 1.79,
1567
+ "grad_norm": 0.0022886607330292463,
1568
+ "learning_rate": 1.4345337127439333e-05,
1569
+ "loss": 0.0002,
1570
+ "step": 22300
1571
+ },
1572
+ {
1573
+ "epoch": 1.8,
1574
+ "grad_norm": 0.011882874183356762,
1575
+ "learning_rate": 1.4299791655294461e-05,
1576
+ "loss": 0.0021,
1577
+ "step": 22400
1578
+ },
1579
+ {
1580
+ "epoch": 1.81,
1581
+ "grad_norm": 0.011625411920249462,
1582
+ "learning_rate": 1.4254136493546432e-05,
1583
+ "loss": 0.0003,
1584
+ "step": 22500
1585
+ },
1586
+ {
1587
+ "epoch": 1.81,
1588
+ "grad_norm": 0.004132369067519903,
1589
+ "learning_rate": 1.4208372806878782e-05,
1590
+ "loss": 0.0004,
1591
+ "step": 22600
1592
+ },
1593
+ {
1594
+ "epoch": 1.82,
1595
+ "grad_norm": 0.0008625888731330633,
1596
+ "learning_rate": 1.4162501762743579e-05,
1597
+ "loss": 0.0013,
1598
+ "step": 22700
1599
+ },
1600
+ {
1601
+ "epoch": 1.83,
1602
+ "grad_norm": 0.02038603462278843,
1603
+ "learning_rate": 1.4116524531331616e-05,
1604
+ "loss": 0.001,
1605
+ "step": 22800
1606
+ },
1607
+ {
1608
+ "epoch": 1.84,
1609
+ "grad_norm": 0.021469444036483765,
1610
+ "learning_rate": 1.4070442285542579e-05,
1611
+ "loss": 0.0004,
1612
+ "step": 22900
1613
+ },
1614
+ {
1615
+ "epoch": 1.85,
1616
+ "grad_norm": 0.7221536040306091,
1617
+ "learning_rate": 1.402425620095511e-05,
1618
+ "loss": 0.0007,
1619
+ "step": 23000
1620
+ },
1621
+ {
1622
+ "epoch": 1.85,
1623
+ "grad_norm": 0.0006885859766043723,
1624
+ "learning_rate": 1.3977967455796828e-05,
1625
+ "loss": 0.0009,
1626
+ "step": 23100
1627
+ },
1628
+ {
1629
+ "epoch": 1.86,
1630
+ "grad_norm": 0.0010358589934185147,
1631
+ "learning_rate": 1.393157723091428e-05,
1632
+ "loss": 0.0003,
1633
+ "step": 23200
1634
+ },
1635
+ {
1636
+ "epoch": 1.87,
1637
+ "grad_norm": 0.0008139715064316988,
1638
+ "learning_rate": 1.3885086709742788e-05,
1639
+ "loss": 0.0005,
1640
+ "step": 23300
1641
+ },
1642
+ {
1643
+ "epoch": 1.88,
1644
+ "grad_norm": 0.6740529537200928,
1645
+ "learning_rate": 1.3838497078276288e-05,
1646
+ "loss": 0.0018,
1647
+ "step": 23400
1648
+ },
1649
+ {
1650
+ "epoch": 1.89,
1651
+ "grad_norm": 0.0022279045078903437,
1652
+ "learning_rate": 1.3791809525037057e-05,
1653
+ "loss": 0.0005,
1654
+ "step": 23500
1655
+ },
1656
+ {
1657
+ "epoch": 1.89,
1658
+ "grad_norm": 0.0020128132309764624,
1659
+ "learning_rate": 1.3745025241045414e-05,
1660
+ "loss": 0.0002,
1661
+ "step": 23600
1662
+ },
1663
+ {
1664
+ "epoch": 1.9,
1665
+ "grad_norm": 0.000531968311406672,
1666
+ "learning_rate": 1.3698145419789302e-05,
1667
+ "loss": 0.0007,
1668
+ "step": 23700
1669
+ },
1670
+ {
1671
+ "epoch": 1.91,
1672
+ "grad_norm": 0.00039000410470180213,
1673
+ "learning_rate": 1.3651171257193883e-05,
1674
+ "loss": 0.0006,
1675
+ "step": 23800
1676
+ },
1677
+ {
1678
+ "epoch": 1.92,
1679
+ "grad_norm": 0.041364409029483795,
1680
+ "learning_rate": 1.3604103951590993e-05,
1681
+ "loss": 0.0003,
1682
+ "step": 23900
1683
+ },
1684
+ {
1685
+ "epoch": 1.93,
1686
+ "grad_norm": 0.0011203879257664084,
1687
+ "learning_rate": 1.3556944703688592e-05,
1688
+ "loss": 0.0003,
1689
+ "step": 24000
1690
+ },
1691
+ {
1692
+ "epoch": 1.93,
1693
+ "grad_norm": 0.001194770447909832,
1694
+ "learning_rate": 1.3509694716540135e-05,
1695
+ "loss": 0.0002,
1696
+ "step": 24100
1697
+ },
1698
+ {
1699
+ "epoch": 1.94,
1700
+ "grad_norm": 0.002378718461841345,
1701
+ "learning_rate": 1.3462355195513868e-05,
1702
+ "loss": 0.0006,
1703
+ "step": 24200
1704
+ },
1705
+ {
1706
+ "epoch": 1.95,
1707
+ "grad_norm": 0.32328903675079346,
1708
+ "learning_rate": 1.341492734826209e-05,
1709
+ "loss": 0.001,
1710
+ "step": 24300
1711
+ },
1712
+ {
1713
+ "epoch": 1.96,
1714
+ "grad_norm": 0.002817463595420122,
1715
+ "learning_rate": 1.3367412384690346e-05,
1716
+ "loss": 0.0017,
1717
+ "step": 24400
1718
+ },
1719
+ {
1720
+ "epoch": 1.97,
1721
+ "grad_norm": 0.0024801292456686497,
1722
+ "learning_rate": 1.3319811516926541e-05,
1723
+ "loss": 0.0005,
1724
+ "step": 24500
1725
+ },
1726
+ {
1727
+ "epoch": 1.97,
1728
+ "grad_norm": 0.004569421522319317,
1729
+ "learning_rate": 1.3272125959290059e-05,
1730
+ "loss": 0.0008,
1731
+ "step": 24600
1732
+ },
1733
+ {
1734
+ "epoch": 1.98,
1735
+ "grad_norm": 0.1658785045146942,
1736
+ "learning_rate": 1.3224356928260735e-05,
1737
+ "loss": 0.0005,
1738
+ "step": 24700
1739
+ },
1740
+ {
1741
+ "epoch": 1.99,
1742
+ "grad_norm": 0.001219902653247118,
1743
+ "learning_rate": 1.317650564244787e-05,
1744
+ "loss": 0.0005,
1745
+ "step": 24800
1746
+ },
1747
+ {
1748
+ "epoch": 2.0,
1749
+ "grad_norm": 0.002142696175724268,
1750
+ "learning_rate": 1.3128573322559097e-05,
1751
+ "loss": 0.0022,
1752
+ "step": 24900
1753
+ }
1754
+ ],
1755
+ "logging_steps": 100,
1756
+ "max_steps": 62300,
1757
+ "num_input_tokens_seen": 0,
1758
+ "num_train_epochs": 5,
1759
+ "save_steps": 500,
1760
+ "total_flos": 1.706415322300416e+16,
1761
+ "train_batch_size": 1,
1762
+ "trial_name": null,
1763
+ "trial_params": null
1764
+ }
training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:f238f91742ac8f2503b69da046cf2a89c46a16fd4e8d337a4c3ce135ac08f2ea
3
+ size 4984