muhtasham commited on
Commit
43282d5
1 Parent(s): 0a469ca

Model save

Browse files
Files changed (2) hide show
  1. README.md +67 -0
  2. trainer_state.json +2862 -0
README.md ADDED
@@ -0,0 +1,67 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ base_model: openbmb/MiniCPM-V-2_6
3
+ library_name: peft
4
+ tags:
5
+ - generated_from_trainer
6
+ model-index:
7
+ - name: MiniCPM-V-2_6_lora_20240917_011727
8
+ results: []
9
+ ---
10
+
11
+ <!-- This model card has been generated automatically according to the information the Trainer had access to. You
12
+ should probably proofread and complete it, then remove this comment. -->
13
+
14
+ # MiniCPM-V-2_6_lora_20240917_011727
15
+
16
+ This model is a fine-tuned version of [openbmb/MiniCPM-V-2_6](https://huggingface.co/openbmb/MiniCPM-V-2_6) on an unknown dataset.
17
+ It achieves the following results on the evaluation set:
18
+ - Loss: 1.3224
19
+
20
+ ## Model description
21
+
22
+ More information needed
23
+
24
+ ## Intended uses & limitations
25
+
26
+ More information needed
27
+
28
+ ## Training and evaluation data
29
+
30
+ More information needed
31
+
32
+ ## Training procedure
33
+
34
+ ### Training hyperparameters
35
+
36
+ The following hyperparameters were used during training:
37
+ - learning_rate: 5e-05
38
+ - train_batch_size: 2
39
+ - eval_batch_size: 2
40
+ - seed: 42
41
+ - distributed_type: multi-GPU
42
+ - num_devices: 4
43
+ - gradient_accumulation_steps: 4
44
+ - total_train_batch_size: 32
45
+ - total_eval_batch_size: 8
46
+ - optimizer: Adam with betas=(0.9,0.95) and epsilon=1e-08
47
+ - lr_scheduler_type: cosine_with_restarts
48
+ - lr_scheduler_warmup_ratio: 0.05
49
+ - training_steps: 1000
50
+ - mixed_precision_training: Native AMP
51
+
52
+ ### Training results
53
+
54
+ | Training Loss | Epoch | Step | Validation Loss |
55
+ |:-------------:|:------:|:----:|:---------------:|
56
+ | 1.3412 | 0.0349 | 100 | 1.3380 |
57
+ | 1.3477 | 0.0698 | 200 | 1.3300 |
58
+ | 1.3057 | 0.1047 | 300 | 1.3255 |
59
+ | 1.3116 | 0.1396 | 400 | 1.3224 |
60
+
61
+
62
+ ### Framework versions
63
+
64
+ - PEFT 0.12.0
65
+ - Transformers 4.40.0
66
+ - Pytorch 2.1.2+cu121
67
+ - Tokenizers 0.19.1
trainer_state.json ADDED
@@ -0,0 +1,2862 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": 1.322394609451294,
3
+ "best_model_checkpoint": "output/output__lora/checkpoint-400",
4
+ "epoch": 0.139640425903299,
5
+ "eval_steps": 100,
6
+ "global_step": 400,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.00034910106475824753,
13
+ "grad_norm": 2.6783504486083984,
14
+ "learning_rate": 0.0,
15
+ "loss": 1.5271,
16
+ "step": 1
17
+ },
18
+ {
19
+ "epoch": 0.0006982021295164951,
20
+ "grad_norm": 1.3333820104599,
21
+ "learning_rate": 8.859191006777897e-06,
22
+ "loss": 1.3963,
23
+ "step": 2
24
+ },
25
+ {
26
+ "epoch": 0.0010473031942747426,
27
+ "grad_norm": 1.2807133197784424,
28
+ "learning_rate": 1.4041485532469073e-05,
29
+ "loss": 1.4192,
30
+ "step": 3
31
+ },
32
+ {
33
+ "epoch": 0.0013964042590329901,
34
+ "grad_norm": 1.1956514120101929,
35
+ "learning_rate": 1.7718382013555794e-05,
36
+ "loss": 1.5083,
37
+ "step": 4
38
+ },
39
+ {
40
+ "epoch": 0.0017455053237912376,
41
+ "grad_norm": 1.2733005285263062,
42
+ "learning_rate": 2.0570404496611053e-05,
43
+ "loss": 1.4963,
44
+ "step": 5
45
+ },
46
+ {
47
+ "epoch": 0.0020946063885494853,
48
+ "grad_norm": 0.8666600584983826,
49
+ "learning_rate": 2.2900676539246968e-05,
50
+ "loss": 1.5552,
51
+ "step": 6
52
+ },
53
+ {
54
+ "epoch": 0.0024437074533077328,
55
+ "grad_norm": 0.7445533275604248,
56
+ "learning_rate": 2.4870893478326387e-05,
57
+ "loss": 1.2858,
58
+ "step": 7
59
+ },
60
+ {
61
+ "epoch": 0.0027928085180659802,
62
+ "grad_norm": 0.8400186896324158,
63
+ "learning_rate": 2.6577573020333684e-05,
64
+ "loss": 1.3413,
65
+ "step": 8
66
+ },
67
+ {
68
+ "epoch": 0.0031419095828242277,
69
+ "grad_norm": 0.8454774618148804,
70
+ "learning_rate": 2.8082971064938146e-05,
71
+ "loss": 1.467,
72
+ "step": 9
73
+ },
74
+ {
75
+ "epoch": 0.003491010647582475,
76
+ "grad_norm": 0.8853550553321838,
77
+ "learning_rate": 2.9429595503388953e-05,
78
+ "loss": 1.4477,
79
+ "step": 10
80
+ },
81
+ {
82
+ "epoch": 0.0038401117123407227,
83
+ "grad_norm": 1.4953877925872803,
84
+ "learning_rate": 3.064776548439465e-05,
85
+ "loss": 1.4012,
86
+ "step": 11
87
+ },
88
+ {
89
+ "epoch": 0.0041892127770989706,
90
+ "grad_norm": 0.8356307148933411,
91
+ "learning_rate": 3.1759867546024865e-05,
92
+ "loss": 1.3855,
93
+ "step": 12
94
+ },
95
+ {
96
+ "epoch": 0.004538313841857218,
97
+ "grad_norm": 0.7591987252235413,
98
+ "learning_rate": 3.2782902272079295e-05,
99
+ "loss": 1.3561,
100
+ "step": 13
101
+ },
102
+ {
103
+ "epoch": 0.0048874149066154655,
104
+ "grad_norm": 0.9811077117919922,
105
+ "learning_rate": 3.373008448510428e-05,
106
+ "loss": 1.3175,
107
+ "step": 14
108
+ },
109
+ {
110
+ "epoch": 0.005236515971373713,
111
+ "grad_norm": 0.8403587341308594,
112
+ "learning_rate": 3.4611890029080124e-05,
113
+ "loss": 1.341,
114
+ "step": 15
115
+ },
116
+ {
117
+ "epoch": 0.0055856170361319605,
118
+ "grad_norm": 0.750234067440033,
119
+ "learning_rate": 3.543676402711159e-05,
120
+ "loss": 1.4247,
121
+ "step": 16
122
+ },
123
+ {
124
+ "epoch": 0.005934718100890208,
125
+ "grad_norm": 0.7567417621612549,
126
+ "learning_rate": 3.621161404374383e-05,
127
+ "loss": 1.416,
128
+ "step": 17
129
+ },
130
+ {
131
+ "epoch": 0.006283819165648455,
132
+ "grad_norm": 0.7126427292823792,
133
+ "learning_rate": 3.694216207171603e-05,
134
+ "loss": 1.4426,
135
+ "step": 18
136
+ },
137
+ {
138
+ "epoch": 0.006632920230406703,
139
+ "grad_norm": 0.7808831930160522,
140
+ "learning_rate": 3.76332012245438e-05,
141
+ "loss": 1.4287,
142
+ "step": 19
143
+ },
144
+ {
145
+ "epoch": 0.00698202129516495,
146
+ "grad_norm": 0.6165328025817871,
147
+ "learning_rate": 3.8288786510166846e-05,
148
+ "loss": 1.3391,
149
+ "step": 20
150
+ },
151
+ {
152
+ "epoch": 0.007331122359923198,
153
+ "grad_norm": 0.7212307453155518,
154
+ "learning_rate": 3.8912379010795455e-05,
155
+ "loss": 1.3375,
156
+ "step": 21
157
+ },
158
+ {
159
+ "epoch": 0.007680223424681445,
160
+ "grad_norm": 0.6797880530357361,
161
+ "learning_rate": 3.9506956491172545e-05,
162
+ "loss": 1.2713,
163
+ "step": 22
164
+ },
165
+ {
166
+ "epoch": 0.008029324489439693,
167
+ "grad_norm": 0.7757507562637329,
168
+ "learning_rate": 4.007509939970292e-05,
169
+ "loss": 1.3599,
170
+ "step": 23
171
+ },
172
+ {
173
+ "epoch": 0.008378425554197941,
174
+ "grad_norm": 0.539090096950531,
175
+ "learning_rate": 4.061905855280276e-05,
176
+ "loss": 1.5154,
177
+ "step": 24
178
+ },
179
+ {
180
+ "epoch": 0.008727526618956188,
181
+ "grad_norm": 0.652180552482605,
182
+ "learning_rate": 4.1140808993222106e-05,
183
+ "loss": 1.3438,
184
+ "step": 25
185
+ },
186
+ {
187
+ "epoch": 0.009076627683714436,
188
+ "grad_norm": 0.7319611310958862,
189
+ "learning_rate": 4.164209327885719e-05,
190
+ "loss": 1.5033,
191
+ "step": 26
192
+ },
193
+ {
194
+ "epoch": 0.009425728748472683,
195
+ "grad_norm": 0.702570378780365,
196
+ "learning_rate": 4.2124456597407214e-05,
197
+ "loss": 1.2238,
198
+ "step": 27
199
+ },
200
+ {
201
+ "epoch": 0.009774829813230931,
202
+ "grad_norm": 0.6835883855819702,
203
+ "learning_rate": 4.258927549188218e-05,
204
+ "loss": 1.3648,
205
+ "step": 28
206
+ },
207
+ {
208
+ "epoch": 0.010123930877989178,
209
+ "grad_norm": 0.6773353219032288,
210
+ "learning_rate": 4.303778154313212e-05,
211
+ "loss": 1.3074,
212
+ "step": 29
213
+ },
214
+ {
215
+ "epoch": 0.010473031942747426,
216
+ "grad_norm": 0.6387542486190796,
217
+ "learning_rate": 4.347108103585803e-05,
218
+ "loss": 1.2265,
219
+ "step": 30
220
+ },
221
+ {
222
+ "epoch": 0.010822133007505673,
223
+ "grad_norm": 0.6249099969863892,
224
+ "learning_rate": 4.389017139879164e-05,
225
+ "loss": 1.3321,
226
+ "step": 31
227
+ },
228
+ {
229
+ "epoch": 0.011171234072263921,
230
+ "grad_norm": 0.7121676802635193,
231
+ "learning_rate": 4.429595503388948e-05,
232
+ "loss": 1.3729,
233
+ "step": 32
234
+ },
235
+ {
236
+ "epoch": 0.011520335137022168,
237
+ "grad_norm": 0.7367205619812012,
238
+ "learning_rate": 4.468925101686371e-05,
239
+ "loss": 1.3937,
240
+ "step": 33
241
+ },
242
+ {
243
+ "epoch": 0.011869436201780416,
244
+ "grad_norm": 0.6183043718338013,
245
+ "learning_rate": 4.507080505052173e-05,
246
+ "loss": 1.4321,
247
+ "step": 34
248
+ },
249
+ {
250
+ "epoch": 0.012218537266538662,
251
+ "grad_norm": 1.1439142227172852,
252
+ "learning_rate": 4.544129797493744e-05,
253
+ "loss": 1.3515,
254
+ "step": 35
255
+ },
256
+ {
257
+ "epoch": 0.01256763833129691,
258
+ "grad_norm": 0.7980801463127136,
259
+ "learning_rate": 4.5801353078493936e-05,
260
+ "loss": 1.3929,
261
+ "step": 36
262
+ },
263
+ {
264
+ "epoch": 0.012916739396055157,
265
+ "grad_norm": 0.8890343904495239,
266
+ "learning_rate": 4.615154240700883e-05,
267
+ "loss": 1.2895,
268
+ "step": 37
269
+ },
270
+ {
271
+ "epoch": 0.013265840460813406,
272
+ "grad_norm": 0.7107703685760498,
273
+ "learning_rate": 4.6492392231321696e-05,
274
+ "loss": 1.3054,
275
+ "step": 38
276
+ },
277
+ {
278
+ "epoch": 0.013614941525571652,
279
+ "grad_norm": 0.605403482913971,
280
+ "learning_rate": 4.682438780454837e-05,
281
+ "loss": 1.3817,
282
+ "step": 39
283
+ },
284
+ {
285
+ "epoch": 0.0139640425903299,
286
+ "grad_norm": 0.6489142775535583,
287
+ "learning_rate": 4.714797751694474e-05,
288
+ "loss": 1.4109,
289
+ "step": 40
290
+ },
291
+ {
292
+ "epoch": 0.014313143655088147,
293
+ "grad_norm": 0.5896831750869751,
294
+ "learning_rate": 4.7463576537657414e-05,
295
+ "loss": 1.3383,
296
+ "step": 41
297
+ },
298
+ {
299
+ "epoch": 0.014662244719846396,
300
+ "grad_norm": 0.8319935202598572,
301
+ "learning_rate": 4.777157001757336e-05,
302
+ "loss": 1.4239,
303
+ "step": 42
304
+ },
305
+ {
306
+ "epoch": 0.015011345784604642,
307
+ "grad_norm": 0.6128418445587158,
308
+ "learning_rate": 4.8072315915252694e-05,
309
+ "loss": 1.3541,
310
+ "step": 43
311
+ },
312
+ {
313
+ "epoch": 0.01536044684936289,
314
+ "grad_norm": 0.6820589900016785,
315
+ "learning_rate": 4.8366147497950435e-05,
316
+ "loss": 1.2663,
317
+ "step": 44
318
+ },
319
+ {
320
+ "epoch": 0.015709547914121137,
321
+ "grad_norm": 0.8375743627548218,
322
+ "learning_rate": 4.8653375561549195e-05,
323
+ "loss": 1.3803,
324
+ "step": 45
325
+ },
326
+ {
327
+ "epoch": 0.016058648978879386,
328
+ "grad_norm": 0.6585806608200073,
329
+ "learning_rate": 4.8934290406480814e-05,
330
+ "loss": 1.3143,
331
+ "step": 46
332
+ },
333
+ {
334
+ "epoch": 0.016407750043637634,
335
+ "grad_norm": 0.7528412342071533,
336
+ "learning_rate": 4.920916360113129e-05,
337
+ "loss": 1.293,
338
+ "step": 47
339
+ },
340
+ {
341
+ "epoch": 0.016756851108395882,
342
+ "grad_norm": 0.6918306946754456,
343
+ "learning_rate": 4.947824955958066e-05,
344
+ "loss": 1.4991,
345
+ "step": 48
346
+ },
347
+ {
348
+ "epoch": 0.017105952173154127,
349
+ "grad_norm": 0.6764557361602783,
350
+ "learning_rate": 4.9741786956652774e-05,
351
+ "loss": 1.2755,
352
+ "step": 49
353
+ },
354
+ {
355
+ "epoch": 0.017455053237912375,
356
+ "grad_norm": 0.6525936722755432,
357
+ "learning_rate": 5e-05,
358
+ "loss": 1.3897,
359
+ "step": 50
360
+ },
361
+ {
362
+ "epoch": 0.017804154302670624,
363
+ "grad_norm": 0.627804160118103,
364
+ "learning_rate": 5e-05,
365
+ "loss": 1.3027,
366
+ "step": 51
367
+ },
368
+ {
369
+ "epoch": 0.018153255367428872,
370
+ "grad_norm": 0.8060218095779419,
371
+ "learning_rate": 5e-05,
372
+ "loss": 1.3477,
373
+ "step": 52
374
+ },
375
+ {
376
+ "epoch": 0.018502356432187117,
377
+ "grad_norm": 0.6655098795890808,
378
+ "learning_rate": 5e-05,
379
+ "loss": 1.3631,
380
+ "step": 53
381
+ },
382
+ {
383
+ "epoch": 0.018851457496945365,
384
+ "grad_norm": 0.7165637016296387,
385
+ "learning_rate": 5e-05,
386
+ "loss": 1.347,
387
+ "step": 54
388
+ },
389
+ {
390
+ "epoch": 0.019200558561703614,
391
+ "grad_norm": 0.6562020778656006,
392
+ "learning_rate": 5e-05,
393
+ "loss": 1.3535,
394
+ "step": 55
395
+ },
396
+ {
397
+ "epoch": 0.019549659626461862,
398
+ "grad_norm": 0.7588657736778259,
399
+ "learning_rate": 5e-05,
400
+ "loss": 1.3291,
401
+ "step": 56
402
+ },
403
+ {
404
+ "epoch": 0.019898760691220107,
405
+ "grad_norm": 0.6295105814933777,
406
+ "learning_rate": 5e-05,
407
+ "loss": 1.3542,
408
+ "step": 57
409
+ },
410
+ {
411
+ "epoch": 0.020247861755978355,
412
+ "grad_norm": 1.339097023010254,
413
+ "learning_rate": 5e-05,
414
+ "loss": 1.3649,
415
+ "step": 58
416
+ },
417
+ {
418
+ "epoch": 0.020596962820736604,
419
+ "grad_norm": 0.6976660490036011,
420
+ "learning_rate": 5e-05,
421
+ "loss": 1.2852,
422
+ "step": 59
423
+ },
424
+ {
425
+ "epoch": 0.020946063885494852,
426
+ "grad_norm": 0.7590420246124268,
427
+ "learning_rate": 5e-05,
428
+ "loss": 1.354,
429
+ "step": 60
430
+ },
431
+ {
432
+ "epoch": 0.021295164950253097,
433
+ "grad_norm": 0.6279817819595337,
434
+ "learning_rate": 5e-05,
435
+ "loss": 1.2537,
436
+ "step": 61
437
+ },
438
+ {
439
+ "epoch": 0.021644266015011345,
440
+ "grad_norm": 0.6099221110343933,
441
+ "learning_rate": 5e-05,
442
+ "loss": 1.2423,
443
+ "step": 62
444
+ },
445
+ {
446
+ "epoch": 0.021993367079769593,
447
+ "grad_norm": 0.6252647638320923,
448
+ "learning_rate": 5e-05,
449
+ "loss": 1.3667,
450
+ "step": 63
451
+ },
452
+ {
453
+ "epoch": 0.022342468144527842,
454
+ "grad_norm": 0.8939846158027649,
455
+ "learning_rate": 5e-05,
456
+ "loss": 1.2889,
457
+ "step": 64
458
+ },
459
+ {
460
+ "epoch": 0.022691569209286087,
461
+ "grad_norm": 0.85840904712677,
462
+ "learning_rate": 5e-05,
463
+ "loss": 1.3747,
464
+ "step": 65
465
+ },
466
+ {
467
+ "epoch": 0.023040670274044335,
468
+ "grad_norm": 0.8478113412857056,
469
+ "learning_rate": 5e-05,
470
+ "loss": 1.3417,
471
+ "step": 66
472
+ },
473
+ {
474
+ "epoch": 0.023389771338802583,
475
+ "grad_norm": 0.6869573593139648,
476
+ "learning_rate": 5e-05,
477
+ "loss": 1.4033,
478
+ "step": 67
479
+ },
480
+ {
481
+ "epoch": 0.02373887240356083,
482
+ "grad_norm": 0.6566379070281982,
483
+ "learning_rate": 5e-05,
484
+ "loss": 1.3617,
485
+ "step": 68
486
+ },
487
+ {
488
+ "epoch": 0.02408797346831908,
489
+ "grad_norm": 0.6871697306632996,
490
+ "learning_rate": 5e-05,
491
+ "loss": 1.2932,
492
+ "step": 69
493
+ },
494
+ {
495
+ "epoch": 0.024437074533077325,
496
+ "grad_norm": 0.7102701663970947,
497
+ "learning_rate": 5e-05,
498
+ "loss": 1.4062,
499
+ "step": 70
500
+ },
501
+ {
502
+ "epoch": 0.024786175597835573,
503
+ "grad_norm": 0.8392966985702515,
504
+ "learning_rate": 5e-05,
505
+ "loss": 1.1992,
506
+ "step": 71
507
+ },
508
+ {
509
+ "epoch": 0.02513527666259382,
510
+ "grad_norm": 0.670971155166626,
511
+ "learning_rate": 5e-05,
512
+ "loss": 1.4131,
513
+ "step": 72
514
+ },
515
+ {
516
+ "epoch": 0.02548437772735207,
517
+ "grad_norm": 0.7271628975868225,
518
+ "learning_rate": 5e-05,
519
+ "loss": 1.2928,
520
+ "step": 73
521
+ },
522
+ {
523
+ "epoch": 0.025833478792110315,
524
+ "grad_norm": 0.7184221744537354,
525
+ "learning_rate": 5e-05,
526
+ "loss": 1.2239,
527
+ "step": 74
528
+ },
529
+ {
530
+ "epoch": 0.026182579856868563,
531
+ "grad_norm": 0.5685485005378723,
532
+ "learning_rate": 5e-05,
533
+ "loss": 1.2692,
534
+ "step": 75
535
+ },
536
+ {
537
+ "epoch": 0.02653168092162681,
538
+ "grad_norm": 0.5677881836891174,
539
+ "learning_rate": 5e-05,
540
+ "loss": 1.2951,
541
+ "step": 76
542
+ },
543
+ {
544
+ "epoch": 0.02688078198638506,
545
+ "grad_norm": 0.6896436810493469,
546
+ "learning_rate": 5e-05,
547
+ "loss": 1.3297,
548
+ "step": 77
549
+ },
550
+ {
551
+ "epoch": 0.027229883051143305,
552
+ "grad_norm": 0.6284964084625244,
553
+ "learning_rate": 5e-05,
554
+ "loss": 1.2402,
555
+ "step": 78
556
+ },
557
+ {
558
+ "epoch": 0.027578984115901553,
559
+ "grad_norm": 0.618015468120575,
560
+ "learning_rate": 5e-05,
561
+ "loss": 1.2999,
562
+ "step": 79
563
+ },
564
+ {
565
+ "epoch": 0.0279280851806598,
566
+ "grad_norm": 0.7585094571113586,
567
+ "learning_rate": 5e-05,
568
+ "loss": 1.3378,
569
+ "step": 80
570
+ },
571
+ {
572
+ "epoch": 0.02827718624541805,
573
+ "grad_norm": 0.6674929857254028,
574
+ "learning_rate": 5e-05,
575
+ "loss": 1.3585,
576
+ "step": 81
577
+ },
578
+ {
579
+ "epoch": 0.028626287310176295,
580
+ "grad_norm": 0.583121120929718,
581
+ "learning_rate": 5e-05,
582
+ "loss": 1.3236,
583
+ "step": 82
584
+ },
585
+ {
586
+ "epoch": 0.028975388374934543,
587
+ "grad_norm": 0.661668062210083,
588
+ "learning_rate": 5e-05,
589
+ "loss": 1.3264,
590
+ "step": 83
591
+ },
592
+ {
593
+ "epoch": 0.02932448943969279,
594
+ "grad_norm": 0.8168457746505737,
595
+ "learning_rate": 5e-05,
596
+ "loss": 1.3132,
597
+ "step": 84
598
+ },
599
+ {
600
+ "epoch": 0.02967359050445104,
601
+ "grad_norm": 0.6123843193054199,
602
+ "learning_rate": 5e-05,
603
+ "loss": 1.3224,
604
+ "step": 85
605
+ },
606
+ {
607
+ "epoch": 0.030022691569209285,
608
+ "grad_norm": 0.7081793546676636,
609
+ "learning_rate": 5e-05,
610
+ "loss": 1.3641,
611
+ "step": 86
612
+ },
613
+ {
614
+ "epoch": 0.030371792633967533,
615
+ "grad_norm": 0.7772612571716309,
616
+ "learning_rate": 5e-05,
617
+ "loss": 1.3634,
618
+ "step": 87
619
+ },
620
+ {
621
+ "epoch": 0.03072089369872578,
622
+ "grad_norm": 0.603370726108551,
623
+ "learning_rate": 5e-05,
624
+ "loss": 1.4486,
625
+ "step": 88
626
+ },
627
+ {
628
+ "epoch": 0.03106999476348403,
629
+ "grad_norm": 0.6567598581314087,
630
+ "learning_rate": 5e-05,
631
+ "loss": 1.4228,
632
+ "step": 89
633
+ },
634
+ {
635
+ "epoch": 0.031419095828242274,
636
+ "grad_norm": 0.6245101690292358,
637
+ "learning_rate": 5e-05,
638
+ "loss": 1.2928,
639
+ "step": 90
640
+ },
641
+ {
642
+ "epoch": 0.031768196893000526,
643
+ "grad_norm": 0.7198782563209534,
644
+ "learning_rate": 5e-05,
645
+ "loss": 1.3304,
646
+ "step": 91
647
+ },
648
+ {
649
+ "epoch": 0.03211729795775877,
650
+ "grad_norm": 0.526452898979187,
651
+ "learning_rate": 5e-05,
652
+ "loss": 1.3418,
653
+ "step": 92
654
+ },
655
+ {
656
+ "epoch": 0.032466399022517016,
657
+ "grad_norm": 0.7534317374229431,
658
+ "learning_rate": 5e-05,
659
+ "loss": 1.333,
660
+ "step": 93
661
+ },
662
+ {
663
+ "epoch": 0.03281550008727527,
664
+ "grad_norm": 0.5721869468688965,
665
+ "learning_rate": 5e-05,
666
+ "loss": 1.1849,
667
+ "step": 94
668
+ },
669
+ {
670
+ "epoch": 0.03316460115203351,
671
+ "grad_norm": 0.6943261027336121,
672
+ "learning_rate": 5e-05,
673
+ "loss": 1.3263,
674
+ "step": 95
675
+ },
676
+ {
677
+ "epoch": 0.033513702216791764,
678
+ "grad_norm": 0.5904171466827393,
679
+ "learning_rate": 5e-05,
680
+ "loss": 1.3103,
681
+ "step": 96
682
+ },
683
+ {
684
+ "epoch": 0.03386280328155001,
685
+ "grad_norm": 0.7743117809295654,
686
+ "learning_rate": 5e-05,
687
+ "loss": 1.3633,
688
+ "step": 97
689
+ },
690
+ {
691
+ "epoch": 0.034211904346308254,
692
+ "grad_norm": 1.298839807510376,
693
+ "learning_rate": 5e-05,
694
+ "loss": 1.335,
695
+ "step": 98
696
+ },
697
+ {
698
+ "epoch": 0.034561005411066506,
699
+ "grad_norm": 0.7134571671485901,
700
+ "learning_rate": 5e-05,
701
+ "loss": 1.4154,
702
+ "step": 99
703
+ },
704
+ {
705
+ "epoch": 0.03491010647582475,
706
+ "grad_norm": 0.6801385879516602,
707
+ "learning_rate": 5e-05,
708
+ "loss": 1.3412,
709
+ "step": 100
710
+ },
711
+ {
712
+ "epoch": 0.03491010647582475,
713
+ "eval_loss": 1.337953805923462,
714
+ "eval_runtime": 3305.6905,
715
+ "eval_samples_per_second": 6.932,
716
+ "eval_steps_per_second": 0.867,
717
+ "step": 100
718
+ },
719
+ {
720
+ "epoch": 0.035259207540582996,
721
+ "grad_norm": 1.0192288160324097,
722
+ "learning_rate": 5e-05,
723
+ "loss": 1.2821,
724
+ "step": 101
725
+ },
726
+ {
727
+ "epoch": 0.03560830860534125,
728
+ "grad_norm": 0.6322550773620605,
729
+ "learning_rate": 5e-05,
730
+ "loss": 1.3561,
731
+ "step": 102
732
+ },
733
+ {
734
+ "epoch": 0.03595740967009949,
735
+ "grad_norm": 0.6499407291412354,
736
+ "learning_rate": 5e-05,
737
+ "loss": 1.3164,
738
+ "step": 103
739
+ },
740
+ {
741
+ "epoch": 0.036306510734857744,
742
+ "grad_norm": 0.7576645612716675,
743
+ "learning_rate": 5e-05,
744
+ "loss": 1.2924,
745
+ "step": 104
746
+ },
747
+ {
748
+ "epoch": 0.03665561179961599,
749
+ "grad_norm": 0.6215568780899048,
750
+ "learning_rate": 5e-05,
751
+ "loss": 1.2551,
752
+ "step": 105
753
+ },
754
+ {
755
+ "epoch": 0.037004712864374234,
756
+ "grad_norm": 0.6197790503501892,
757
+ "learning_rate": 5e-05,
758
+ "loss": 1.317,
759
+ "step": 106
760
+ },
761
+ {
762
+ "epoch": 0.037353813929132486,
763
+ "grad_norm": 0.677772045135498,
764
+ "learning_rate": 5e-05,
765
+ "loss": 1.428,
766
+ "step": 107
767
+ },
768
+ {
769
+ "epoch": 0.03770291499389073,
770
+ "grad_norm": 0.6386198401451111,
771
+ "learning_rate": 5e-05,
772
+ "loss": 1.4206,
773
+ "step": 108
774
+ },
775
+ {
776
+ "epoch": 0.038052016058648976,
777
+ "grad_norm": 1.113053798675537,
778
+ "learning_rate": 5e-05,
779
+ "loss": 1.3992,
780
+ "step": 109
781
+ },
782
+ {
783
+ "epoch": 0.03840111712340723,
784
+ "grad_norm": 0.668409526348114,
785
+ "learning_rate": 5e-05,
786
+ "loss": 1.3358,
787
+ "step": 110
788
+ },
789
+ {
790
+ "epoch": 0.03875021818816547,
791
+ "grad_norm": 0.6381022930145264,
792
+ "learning_rate": 5e-05,
793
+ "loss": 1.245,
794
+ "step": 111
795
+ },
796
+ {
797
+ "epoch": 0.039099319252923724,
798
+ "grad_norm": 0.7082274556159973,
799
+ "learning_rate": 5e-05,
800
+ "loss": 1.3107,
801
+ "step": 112
802
+ },
803
+ {
804
+ "epoch": 0.03944842031768197,
805
+ "grad_norm": 0.6497403979301453,
806
+ "learning_rate": 5e-05,
807
+ "loss": 1.3174,
808
+ "step": 113
809
+ },
810
+ {
811
+ "epoch": 0.039797521382440214,
812
+ "grad_norm": 0.7390655279159546,
813
+ "learning_rate": 5e-05,
814
+ "loss": 1.2791,
815
+ "step": 114
816
+ },
817
+ {
818
+ "epoch": 0.040146622447198466,
819
+ "grad_norm": 0.6828505992889404,
820
+ "learning_rate": 5e-05,
821
+ "loss": 1.3903,
822
+ "step": 115
823
+ },
824
+ {
825
+ "epoch": 0.04049572351195671,
826
+ "grad_norm": 0.6913119554519653,
827
+ "learning_rate": 5e-05,
828
+ "loss": 1.3147,
829
+ "step": 116
830
+ },
831
+ {
832
+ "epoch": 0.04084482457671496,
833
+ "grad_norm": 0.6394439339637756,
834
+ "learning_rate": 5e-05,
835
+ "loss": 1.3308,
836
+ "step": 117
837
+ },
838
+ {
839
+ "epoch": 0.04119392564147321,
840
+ "grad_norm": 0.6368663907051086,
841
+ "learning_rate": 5e-05,
842
+ "loss": 1.3021,
843
+ "step": 118
844
+ },
845
+ {
846
+ "epoch": 0.04154302670623145,
847
+ "grad_norm": 0.625417947769165,
848
+ "learning_rate": 5e-05,
849
+ "loss": 1.4122,
850
+ "step": 119
851
+ },
852
+ {
853
+ "epoch": 0.041892127770989704,
854
+ "grad_norm": 0.5640509724617004,
855
+ "learning_rate": 5e-05,
856
+ "loss": 1.3216,
857
+ "step": 120
858
+ },
859
+ {
860
+ "epoch": 0.04224122883574795,
861
+ "grad_norm": 0.6355682611465454,
862
+ "learning_rate": 5e-05,
863
+ "loss": 1.2522,
864
+ "step": 121
865
+ },
866
+ {
867
+ "epoch": 0.042590329900506194,
868
+ "grad_norm": 2.130183696746826,
869
+ "learning_rate": 5e-05,
870
+ "loss": 1.398,
871
+ "step": 122
872
+ },
873
+ {
874
+ "epoch": 0.042939430965264445,
875
+ "grad_norm": 0.7858290672302246,
876
+ "learning_rate": 5e-05,
877
+ "loss": 1.3543,
878
+ "step": 123
879
+ },
880
+ {
881
+ "epoch": 0.04328853203002269,
882
+ "grad_norm": 0.6912608742713928,
883
+ "learning_rate": 5e-05,
884
+ "loss": 1.3338,
885
+ "step": 124
886
+ },
887
+ {
888
+ "epoch": 0.04363763309478094,
889
+ "grad_norm": 0.6326834559440613,
890
+ "learning_rate": 5e-05,
891
+ "loss": 1.2968,
892
+ "step": 125
893
+ },
894
+ {
895
+ "epoch": 0.04398673415953919,
896
+ "grad_norm": 0.6076151728630066,
897
+ "learning_rate": 5e-05,
898
+ "loss": 1.2705,
899
+ "step": 126
900
+ },
901
+ {
902
+ "epoch": 0.04433583522429743,
903
+ "grad_norm": 0.767652153968811,
904
+ "learning_rate": 5e-05,
905
+ "loss": 1.3601,
906
+ "step": 127
907
+ },
908
+ {
909
+ "epoch": 0.044684936289055684,
910
+ "grad_norm": 0.621769905090332,
911
+ "learning_rate": 5e-05,
912
+ "loss": 1.2834,
913
+ "step": 128
914
+ },
915
+ {
916
+ "epoch": 0.04503403735381393,
917
+ "grad_norm": 0.6216384768486023,
918
+ "learning_rate": 5e-05,
919
+ "loss": 1.3322,
920
+ "step": 129
921
+ },
922
+ {
923
+ "epoch": 0.04538313841857217,
924
+ "grad_norm": 0.626325249671936,
925
+ "learning_rate": 5e-05,
926
+ "loss": 1.4601,
927
+ "step": 130
928
+ },
929
+ {
930
+ "epoch": 0.045732239483330425,
931
+ "grad_norm": 0.8063498735427856,
932
+ "learning_rate": 5e-05,
933
+ "loss": 1.293,
934
+ "step": 131
935
+ },
936
+ {
937
+ "epoch": 0.04608134054808867,
938
+ "grad_norm": 1.117038369178772,
939
+ "learning_rate": 5e-05,
940
+ "loss": 1.3635,
941
+ "step": 132
942
+ },
943
+ {
944
+ "epoch": 0.04643044161284692,
945
+ "grad_norm": 1.4540647268295288,
946
+ "learning_rate": 5e-05,
947
+ "loss": 1.3346,
948
+ "step": 133
949
+ },
950
+ {
951
+ "epoch": 0.04677954267760517,
952
+ "grad_norm": 0.6695774793624878,
953
+ "learning_rate": 5e-05,
954
+ "loss": 1.4109,
955
+ "step": 134
956
+ },
957
+ {
958
+ "epoch": 0.04712864374236341,
959
+ "grad_norm": 0.8146533370018005,
960
+ "learning_rate": 5e-05,
961
+ "loss": 1.3515,
962
+ "step": 135
963
+ },
964
+ {
965
+ "epoch": 0.04747774480712166,
966
+ "grad_norm": 0.6705998778343201,
967
+ "learning_rate": 5e-05,
968
+ "loss": 1.2752,
969
+ "step": 136
970
+ },
971
+ {
972
+ "epoch": 0.04782684587187991,
973
+ "grad_norm": 0.7589219808578491,
974
+ "learning_rate": 5e-05,
975
+ "loss": 1.4393,
976
+ "step": 137
977
+ },
978
+ {
979
+ "epoch": 0.04817594693663816,
980
+ "grad_norm": 0.9603825807571411,
981
+ "learning_rate": 5e-05,
982
+ "loss": 1.4609,
983
+ "step": 138
984
+ },
985
+ {
986
+ "epoch": 0.048525048001396405,
987
+ "grad_norm": 0.6351510286331177,
988
+ "learning_rate": 5e-05,
989
+ "loss": 1.371,
990
+ "step": 139
991
+ },
992
+ {
993
+ "epoch": 0.04887414906615465,
994
+ "grad_norm": 0.5652881860733032,
995
+ "learning_rate": 5e-05,
996
+ "loss": 1.2845,
997
+ "step": 140
998
+ },
999
+ {
1000
+ "epoch": 0.0492232501309129,
1001
+ "grad_norm": 0.7579118609428406,
1002
+ "learning_rate": 5e-05,
1003
+ "loss": 1.2526,
1004
+ "step": 141
1005
+ },
1006
+ {
1007
+ "epoch": 0.04957235119567115,
1008
+ "grad_norm": 0.7851598262786865,
1009
+ "learning_rate": 5e-05,
1010
+ "loss": 1.3379,
1011
+ "step": 142
1012
+ },
1013
+ {
1014
+ "epoch": 0.04992145226042939,
1015
+ "grad_norm": 0.5865357518196106,
1016
+ "learning_rate": 5e-05,
1017
+ "loss": 1.4802,
1018
+ "step": 143
1019
+ },
1020
+ {
1021
+ "epoch": 0.05027055332518764,
1022
+ "grad_norm": 1.3862611055374146,
1023
+ "learning_rate": 5e-05,
1024
+ "loss": 1.357,
1025
+ "step": 144
1026
+ },
1027
+ {
1028
+ "epoch": 0.05061965438994589,
1029
+ "grad_norm": 0.6249399185180664,
1030
+ "learning_rate": 5e-05,
1031
+ "loss": 1.2587,
1032
+ "step": 145
1033
+ },
1034
+ {
1035
+ "epoch": 0.05096875545470414,
1036
+ "grad_norm": 0.5966644883155823,
1037
+ "learning_rate": 5e-05,
1038
+ "loss": 1.3534,
1039
+ "step": 146
1040
+ },
1041
+ {
1042
+ "epoch": 0.051317856519462385,
1043
+ "grad_norm": 0.6312971711158752,
1044
+ "learning_rate": 5e-05,
1045
+ "loss": 1.1815,
1046
+ "step": 147
1047
+ },
1048
+ {
1049
+ "epoch": 0.05166695758422063,
1050
+ "grad_norm": 0.6539703011512756,
1051
+ "learning_rate": 5e-05,
1052
+ "loss": 1.3946,
1053
+ "step": 148
1054
+ },
1055
+ {
1056
+ "epoch": 0.05201605864897888,
1057
+ "grad_norm": 0.8756076097488403,
1058
+ "learning_rate": 5e-05,
1059
+ "loss": 1.2384,
1060
+ "step": 149
1061
+ },
1062
+ {
1063
+ "epoch": 0.052365159713737126,
1064
+ "grad_norm": 0.7149311304092407,
1065
+ "learning_rate": 5e-05,
1066
+ "loss": 1.2998,
1067
+ "step": 150
1068
+ },
1069
+ {
1070
+ "epoch": 0.05271426077849537,
1071
+ "grad_norm": 0.79525226354599,
1072
+ "learning_rate": 5e-05,
1073
+ "loss": 1.3376,
1074
+ "step": 151
1075
+ },
1076
+ {
1077
+ "epoch": 0.05306336184325362,
1078
+ "grad_norm": 0.6921191811561584,
1079
+ "learning_rate": 5e-05,
1080
+ "loss": 1.3461,
1081
+ "step": 152
1082
+ },
1083
+ {
1084
+ "epoch": 0.05341246290801187,
1085
+ "grad_norm": 0.7444896697998047,
1086
+ "learning_rate": 5e-05,
1087
+ "loss": 1.4089,
1088
+ "step": 153
1089
+ },
1090
+ {
1091
+ "epoch": 0.05376156397277012,
1092
+ "grad_norm": 0.6216670274734497,
1093
+ "learning_rate": 5e-05,
1094
+ "loss": 1.3402,
1095
+ "step": 154
1096
+ },
1097
+ {
1098
+ "epoch": 0.054110665037528365,
1099
+ "grad_norm": 0.5917710661888123,
1100
+ "learning_rate": 5e-05,
1101
+ "loss": 1.3253,
1102
+ "step": 155
1103
+ },
1104
+ {
1105
+ "epoch": 0.05445976610228661,
1106
+ "grad_norm": 0.8648408055305481,
1107
+ "learning_rate": 5e-05,
1108
+ "loss": 1.4447,
1109
+ "step": 156
1110
+ },
1111
+ {
1112
+ "epoch": 0.05480886716704486,
1113
+ "grad_norm": 0.6752570271492004,
1114
+ "learning_rate": 5e-05,
1115
+ "loss": 1.3097,
1116
+ "step": 157
1117
+ },
1118
+ {
1119
+ "epoch": 0.055157968231803106,
1120
+ "grad_norm": 0.5603750944137573,
1121
+ "learning_rate": 5e-05,
1122
+ "loss": 1.4177,
1123
+ "step": 158
1124
+ },
1125
+ {
1126
+ "epoch": 0.05550706929656136,
1127
+ "grad_norm": 0.6317929029464722,
1128
+ "learning_rate": 5e-05,
1129
+ "loss": 1.3509,
1130
+ "step": 159
1131
+ },
1132
+ {
1133
+ "epoch": 0.0558561703613196,
1134
+ "grad_norm": 0.6017687320709229,
1135
+ "learning_rate": 5e-05,
1136
+ "loss": 1.3471,
1137
+ "step": 160
1138
+ },
1139
+ {
1140
+ "epoch": 0.05620527142607785,
1141
+ "grad_norm": 0.6761009693145752,
1142
+ "learning_rate": 5e-05,
1143
+ "loss": 1.4473,
1144
+ "step": 161
1145
+ },
1146
+ {
1147
+ "epoch": 0.0565543724908361,
1148
+ "grad_norm": 0.7266319990158081,
1149
+ "learning_rate": 5e-05,
1150
+ "loss": 1.2896,
1151
+ "step": 162
1152
+ },
1153
+ {
1154
+ "epoch": 0.056903473555594344,
1155
+ "grad_norm": 0.6436321139335632,
1156
+ "learning_rate": 5e-05,
1157
+ "loss": 1.2812,
1158
+ "step": 163
1159
+ },
1160
+ {
1161
+ "epoch": 0.05725257462035259,
1162
+ "grad_norm": 0.9664864540100098,
1163
+ "learning_rate": 5e-05,
1164
+ "loss": 1.294,
1165
+ "step": 164
1166
+ },
1167
+ {
1168
+ "epoch": 0.05760167568511084,
1169
+ "grad_norm": 0.6690096855163574,
1170
+ "learning_rate": 5e-05,
1171
+ "loss": 1.2801,
1172
+ "step": 165
1173
+ },
1174
+ {
1175
+ "epoch": 0.057950776749869086,
1176
+ "grad_norm": 0.6227753162384033,
1177
+ "learning_rate": 5e-05,
1178
+ "loss": 1.3384,
1179
+ "step": 166
1180
+ },
1181
+ {
1182
+ "epoch": 0.05829987781462734,
1183
+ "grad_norm": 0.7900117039680481,
1184
+ "learning_rate": 5e-05,
1185
+ "loss": 1.3424,
1186
+ "step": 167
1187
+ },
1188
+ {
1189
+ "epoch": 0.05864897887938558,
1190
+ "grad_norm": 0.6928064823150635,
1191
+ "learning_rate": 5e-05,
1192
+ "loss": 1.296,
1193
+ "step": 168
1194
+ },
1195
+ {
1196
+ "epoch": 0.05899807994414383,
1197
+ "grad_norm": 0.8754634261131287,
1198
+ "learning_rate": 5e-05,
1199
+ "loss": 1.4471,
1200
+ "step": 169
1201
+ },
1202
+ {
1203
+ "epoch": 0.05934718100890208,
1204
+ "grad_norm": 0.5537067651748657,
1205
+ "learning_rate": 5e-05,
1206
+ "loss": 1.2825,
1207
+ "step": 170
1208
+ },
1209
+ {
1210
+ "epoch": 0.059696282073660324,
1211
+ "grad_norm": 0.6705783009529114,
1212
+ "learning_rate": 5e-05,
1213
+ "loss": 1.3768,
1214
+ "step": 171
1215
+ },
1216
+ {
1217
+ "epoch": 0.06004538313841857,
1218
+ "grad_norm": 0.5732744932174683,
1219
+ "learning_rate": 5e-05,
1220
+ "loss": 1.3309,
1221
+ "step": 172
1222
+ },
1223
+ {
1224
+ "epoch": 0.06039448420317682,
1225
+ "grad_norm": 1.120721459388733,
1226
+ "learning_rate": 5e-05,
1227
+ "loss": 1.3702,
1228
+ "step": 173
1229
+ },
1230
+ {
1231
+ "epoch": 0.060743585267935066,
1232
+ "grad_norm": 0.7755718231201172,
1233
+ "learning_rate": 5e-05,
1234
+ "loss": 1.3425,
1235
+ "step": 174
1236
+ },
1237
+ {
1238
+ "epoch": 0.06109268633269332,
1239
+ "grad_norm": 0.5984740257263184,
1240
+ "learning_rate": 5e-05,
1241
+ "loss": 1.4886,
1242
+ "step": 175
1243
+ },
1244
+ {
1245
+ "epoch": 0.06144178739745156,
1246
+ "grad_norm": 0.7374542951583862,
1247
+ "learning_rate": 5e-05,
1248
+ "loss": 1.3667,
1249
+ "step": 176
1250
+ },
1251
+ {
1252
+ "epoch": 0.06179088846220981,
1253
+ "grad_norm": 0.5558515787124634,
1254
+ "learning_rate": 5e-05,
1255
+ "loss": 1.3737,
1256
+ "step": 177
1257
+ },
1258
+ {
1259
+ "epoch": 0.06213998952696806,
1260
+ "grad_norm": 0.700268566608429,
1261
+ "learning_rate": 5e-05,
1262
+ "loss": 1.364,
1263
+ "step": 178
1264
+ },
1265
+ {
1266
+ "epoch": 0.062489090591726304,
1267
+ "grad_norm": 0.5781232118606567,
1268
+ "learning_rate": 5e-05,
1269
+ "loss": 1.3443,
1270
+ "step": 179
1271
+ },
1272
+ {
1273
+ "epoch": 0.06283819165648455,
1274
+ "grad_norm": 0.7157448530197144,
1275
+ "learning_rate": 5e-05,
1276
+ "loss": 1.3702,
1277
+ "step": 180
1278
+ },
1279
+ {
1280
+ "epoch": 0.0631872927212428,
1281
+ "grad_norm": 0.5329631567001343,
1282
+ "learning_rate": 5e-05,
1283
+ "loss": 1.1786,
1284
+ "step": 181
1285
+ },
1286
+ {
1287
+ "epoch": 0.06353639378600105,
1288
+ "grad_norm": 0.5949011445045471,
1289
+ "learning_rate": 5e-05,
1290
+ "loss": 1.3809,
1291
+ "step": 182
1292
+ },
1293
+ {
1294
+ "epoch": 0.0638854948507593,
1295
+ "grad_norm": 0.6756107807159424,
1296
+ "learning_rate": 5e-05,
1297
+ "loss": 1.2792,
1298
+ "step": 183
1299
+ },
1300
+ {
1301
+ "epoch": 0.06423459591551754,
1302
+ "grad_norm": 0.7747790813446045,
1303
+ "learning_rate": 5e-05,
1304
+ "loss": 1.3714,
1305
+ "step": 184
1306
+ },
1307
+ {
1308
+ "epoch": 0.06458369698027579,
1309
+ "grad_norm": 1.1907461881637573,
1310
+ "learning_rate": 5e-05,
1311
+ "loss": 1.3055,
1312
+ "step": 185
1313
+ },
1314
+ {
1315
+ "epoch": 0.06493279804503403,
1316
+ "grad_norm": 0.5747818946838379,
1317
+ "learning_rate": 5e-05,
1318
+ "loss": 1.2003,
1319
+ "step": 186
1320
+ },
1321
+ {
1322
+ "epoch": 0.06528189910979229,
1323
+ "grad_norm": 0.614464521408081,
1324
+ "learning_rate": 5e-05,
1325
+ "loss": 1.3108,
1326
+ "step": 187
1327
+ },
1328
+ {
1329
+ "epoch": 0.06563100017455054,
1330
+ "grad_norm": 0.6040724515914917,
1331
+ "learning_rate": 5e-05,
1332
+ "loss": 1.2371,
1333
+ "step": 188
1334
+ },
1335
+ {
1336
+ "epoch": 0.06598010123930878,
1337
+ "grad_norm": 0.6369174122810364,
1338
+ "learning_rate": 5e-05,
1339
+ "loss": 1.1662,
1340
+ "step": 189
1341
+ },
1342
+ {
1343
+ "epoch": 0.06632920230406703,
1344
+ "grad_norm": 0.6132228374481201,
1345
+ "learning_rate": 5e-05,
1346
+ "loss": 1.3257,
1347
+ "step": 190
1348
+ },
1349
+ {
1350
+ "epoch": 0.06667830336882527,
1351
+ "grad_norm": 0.6686124801635742,
1352
+ "learning_rate": 5e-05,
1353
+ "loss": 1.3757,
1354
+ "step": 191
1355
+ },
1356
+ {
1357
+ "epoch": 0.06702740443358353,
1358
+ "grad_norm": 0.6709855794906616,
1359
+ "learning_rate": 5e-05,
1360
+ "loss": 1.3341,
1361
+ "step": 192
1362
+ },
1363
+ {
1364
+ "epoch": 0.06737650549834177,
1365
+ "grad_norm": 0.5295905470848083,
1366
+ "learning_rate": 5e-05,
1367
+ "loss": 1.2587,
1368
+ "step": 193
1369
+ },
1370
+ {
1371
+ "epoch": 0.06772560656310002,
1372
+ "grad_norm": 0.6111523509025574,
1373
+ "learning_rate": 5e-05,
1374
+ "loss": 1.3365,
1375
+ "step": 194
1376
+ },
1377
+ {
1378
+ "epoch": 0.06807470762785826,
1379
+ "grad_norm": 0.5655878782272339,
1380
+ "learning_rate": 5e-05,
1381
+ "loss": 1.3265,
1382
+ "step": 195
1383
+ },
1384
+ {
1385
+ "epoch": 0.06842380869261651,
1386
+ "grad_norm": 0.6125257015228271,
1387
+ "learning_rate": 5e-05,
1388
+ "loss": 1.3475,
1389
+ "step": 196
1390
+ },
1391
+ {
1392
+ "epoch": 0.06877290975737475,
1393
+ "grad_norm": 0.6268573999404907,
1394
+ "learning_rate": 5e-05,
1395
+ "loss": 1.3002,
1396
+ "step": 197
1397
+ },
1398
+ {
1399
+ "epoch": 0.06912201082213301,
1400
+ "grad_norm": 0.7267619967460632,
1401
+ "learning_rate": 5e-05,
1402
+ "loss": 1.4104,
1403
+ "step": 198
1404
+ },
1405
+ {
1406
+ "epoch": 0.06947111188689126,
1407
+ "grad_norm": 0.5741710066795349,
1408
+ "learning_rate": 5e-05,
1409
+ "loss": 1.318,
1410
+ "step": 199
1411
+ },
1412
+ {
1413
+ "epoch": 0.0698202129516495,
1414
+ "grad_norm": 0.6447280049324036,
1415
+ "learning_rate": 5e-05,
1416
+ "loss": 1.3477,
1417
+ "step": 200
1418
+ },
1419
+ {
1420
+ "epoch": 0.0698202129516495,
1421
+ "eval_loss": 1.3300124406814575,
1422
+ "eval_runtime": 3301.7334,
1423
+ "eval_samples_per_second": 6.941,
1424
+ "eval_steps_per_second": 0.868,
1425
+ "step": 200
1426
+ },
1427
+ {
1428
+ "epoch": 0.07016931401640775,
1429
+ "grad_norm": 1.4164685010910034,
1430
+ "learning_rate": 5e-05,
1431
+ "loss": 1.4048,
1432
+ "step": 201
1433
+ },
1434
+ {
1435
+ "epoch": 0.07051841508116599,
1436
+ "grad_norm": 0.5867809057235718,
1437
+ "learning_rate": 5e-05,
1438
+ "loss": 1.4018,
1439
+ "step": 202
1440
+ },
1441
+ {
1442
+ "epoch": 0.07086751614592425,
1443
+ "grad_norm": 0.6882596611976624,
1444
+ "learning_rate": 5e-05,
1445
+ "loss": 1.2737,
1446
+ "step": 203
1447
+ },
1448
+ {
1449
+ "epoch": 0.0712166172106825,
1450
+ "grad_norm": 0.6038634181022644,
1451
+ "learning_rate": 5e-05,
1452
+ "loss": 1.2399,
1453
+ "step": 204
1454
+ },
1455
+ {
1456
+ "epoch": 0.07156571827544074,
1457
+ "grad_norm": 0.6428863406181335,
1458
+ "learning_rate": 5e-05,
1459
+ "loss": 1.3729,
1460
+ "step": 205
1461
+ },
1462
+ {
1463
+ "epoch": 0.07191481934019898,
1464
+ "grad_norm": 0.7008076906204224,
1465
+ "learning_rate": 5e-05,
1466
+ "loss": 1.3353,
1467
+ "step": 206
1468
+ },
1469
+ {
1470
+ "epoch": 0.07226392040495723,
1471
+ "grad_norm": 0.6662419438362122,
1472
+ "learning_rate": 5e-05,
1473
+ "loss": 1.3442,
1474
+ "step": 207
1475
+ },
1476
+ {
1477
+ "epoch": 0.07261302146971549,
1478
+ "grad_norm": 0.7249788045883179,
1479
+ "learning_rate": 5e-05,
1480
+ "loss": 1.2526,
1481
+ "step": 208
1482
+ },
1483
+ {
1484
+ "epoch": 0.07296212253447373,
1485
+ "grad_norm": 0.6323925852775574,
1486
+ "learning_rate": 5e-05,
1487
+ "loss": 1.2929,
1488
+ "step": 209
1489
+ },
1490
+ {
1491
+ "epoch": 0.07331122359923198,
1492
+ "grad_norm": 0.8273724317550659,
1493
+ "learning_rate": 5e-05,
1494
+ "loss": 1.5291,
1495
+ "step": 210
1496
+ },
1497
+ {
1498
+ "epoch": 0.07366032466399022,
1499
+ "grad_norm": 0.8445104956626892,
1500
+ "learning_rate": 5e-05,
1501
+ "loss": 1.2417,
1502
+ "step": 211
1503
+ },
1504
+ {
1505
+ "epoch": 0.07400942572874847,
1506
+ "grad_norm": 0.6157236695289612,
1507
+ "learning_rate": 5e-05,
1508
+ "loss": 1.3739,
1509
+ "step": 212
1510
+ },
1511
+ {
1512
+ "epoch": 0.07435852679350673,
1513
+ "grad_norm": 0.6917769312858582,
1514
+ "learning_rate": 5e-05,
1515
+ "loss": 1.3078,
1516
+ "step": 213
1517
+ },
1518
+ {
1519
+ "epoch": 0.07470762785826497,
1520
+ "grad_norm": 0.7838917970657349,
1521
+ "learning_rate": 5e-05,
1522
+ "loss": 1.3086,
1523
+ "step": 214
1524
+ },
1525
+ {
1526
+ "epoch": 0.07505672892302322,
1527
+ "grad_norm": 0.6962039470672607,
1528
+ "learning_rate": 5e-05,
1529
+ "loss": 1.3907,
1530
+ "step": 215
1531
+ },
1532
+ {
1533
+ "epoch": 0.07540582998778146,
1534
+ "grad_norm": 0.6962039470672607,
1535
+ "learning_rate": 5e-05,
1536
+ "loss": 1.3615,
1537
+ "step": 216
1538
+ },
1539
+ {
1540
+ "epoch": 0.0757549310525397,
1541
+ "grad_norm": 0.6687365770339966,
1542
+ "learning_rate": 5e-05,
1543
+ "loss": 1.3408,
1544
+ "step": 217
1545
+ },
1546
+ {
1547
+ "epoch": 0.07610403211729795,
1548
+ "grad_norm": 0.5566404461860657,
1549
+ "learning_rate": 5e-05,
1550
+ "loss": 1.2872,
1551
+ "step": 218
1552
+ },
1553
+ {
1554
+ "epoch": 0.07645313318205621,
1555
+ "grad_norm": 0.6419705748558044,
1556
+ "learning_rate": 5e-05,
1557
+ "loss": 1.2883,
1558
+ "step": 219
1559
+ },
1560
+ {
1561
+ "epoch": 0.07680223424681445,
1562
+ "grad_norm": 0.7758398652076721,
1563
+ "learning_rate": 5e-05,
1564
+ "loss": 1.3832,
1565
+ "step": 220
1566
+ },
1567
+ {
1568
+ "epoch": 0.0771513353115727,
1569
+ "grad_norm": 0.9763804078102112,
1570
+ "learning_rate": 5e-05,
1571
+ "loss": 1.3414,
1572
+ "step": 221
1573
+ },
1574
+ {
1575
+ "epoch": 0.07750043637633094,
1576
+ "grad_norm": 0.8815904259681702,
1577
+ "learning_rate": 5e-05,
1578
+ "loss": 1.3297,
1579
+ "step": 222
1580
+ },
1581
+ {
1582
+ "epoch": 0.07784953744108919,
1583
+ "grad_norm": 0.590263307094574,
1584
+ "learning_rate": 5e-05,
1585
+ "loss": 1.3401,
1586
+ "step": 223
1587
+ },
1588
+ {
1589
+ "epoch": 0.07819863850584745,
1590
+ "grad_norm": 0.677057147026062,
1591
+ "learning_rate": 5e-05,
1592
+ "loss": 1.2449,
1593
+ "step": 224
1594
+ },
1595
+ {
1596
+ "epoch": 0.07854773957060569,
1597
+ "grad_norm": 1.5185271501541138,
1598
+ "learning_rate": 5e-05,
1599
+ "loss": 1.3127,
1600
+ "step": 225
1601
+ },
1602
+ {
1603
+ "epoch": 0.07889684063536394,
1604
+ "grad_norm": 0.5751495957374573,
1605
+ "learning_rate": 5e-05,
1606
+ "loss": 1.1587,
1607
+ "step": 226
1608
+ },
1609
+ {
1610
+ "epoch": 0.07924594170012218,
1611
+ "grad_norm": 0.8122138977050781,
1612
+ "learning_rate": 5e-05,
1613
+ "loss": 1.2316,
1614
+ "step": 227
1615
+ },
1616
+ {
1617
+ "epoch": 0.07959504276488043,
1618
+ "grad_norm": 0.6675130724906921,
1619
+ "learning_rate": 5e-05,
1620
+ "loss": 1.3539,
1621
+ "step": 228
1622
+ },
1623
+ {
1624
+ "epoch": 0.07994414382963869,
1625
+ "grad_norm": 0.8163532614707947,
1626
+ "learning_rate": 5e-05,
1627
+ "loss": 1.328,
1628
+ "step": 229
1629
+ },
1630
+ {
1631
+ "epoch": 0.08029324489439693,
1632
+ "grad_norm": 0.8377723693847656,
1633
+ "learning_rate": 5e-05,
1634
+ "loss": 1.353,
1635
+ "step": 230
1636
+ },
1637
+ {
1638
+ "epoch": 0.08064234595915518,
1639
+ "grad_norm": 0.7325611710548401,
1640
+ "learning_rate": 5e-05,
1641
+ "loss": 1.3396,
1642
+ "step": 231
1643
+ },
1644
+ {
1645
+ "epoch": 0.08099144702391342,
1646
+ "grad_norm": 0.8941824436187744,
1647
+ "learning_rate": 5e-05,
1648
+ "loss": 1.2906,
1649
+ "step": 232
1650
+ },
1651
+ {
1652
+ "epoch": 0.08134054808867167,
1653
+ "grad_norm": 0.6284440159797668,
1654
+ "learning_rate": 5e-05,
1655
+ "loss": 1.4264,
1656
+ "step": 233
1657
+ },
1658
+ {
1659
+ "epoch": 0.08168964915342992,
1660
+ "grad_norm": 0.689984917640686,
1661
+ "learning_rate": 5e-05,
1662
+ "loss": 1.3696,
1663
+ "step": 234
1664
+ },
1665
+ {
1666
+ "epoch": 0.08203875021818817,
1667
+ "grad_norm": 0.5813177227973938,
1668
+ "learning_rate": 5e-05,
1669
+ "loss": 1.2931,
1670
+ "step": 235
1671
+ },
1672
+ {
1673
+ "epoch": 0.08238785128294641,
1674
+ "grad_norm": 0.5287997126579285,
1675
+ "learning_rate": 5e-05,
1676
+ "loss": 1.3264,
1677
+ "step": 236
1678
+ },
1679
+ {
1680
+ "epoch": 0.08273695234770466,
1681
+ "grad_norm": 0.7944268584251404,
1682
+ "learning_rate": 5e-05,
1683
+ "loss": 1.2708,
1684
+ "step": 237
1685
+ },
1686
+ {
1687
+ "epoch": 0.0830860534124629,
1688
+ "grad_norm": 0.534864068031311,
1689
+ "learning_rate": 5e-05,
1690
+ "loss": 1.2535,
1691
+ "step": 238
1692
+ },
1693
+ {
1694
+ "epoch": 0.08343515447722115,
1695
+ "grad_norm": 0.6260988712310791,
1696
+ "learning_rate": 5e-05,
1697
+ "loss": 1.2757,
1698
+ "step": 239
1699
+ },
1700
+ {
1701
+ "epoch": 0.08378425554197941,
1702
+ "grad_norm": 0.579078197479248,
1703
+ "learning_rate": 5e-05,
1704
+ "loss": 1.2906,
1705
+ "step": 240
1706
+ },
1707
+ {
1708
+ "epoch": 0.08413335660673765,
1709
+ "grad_norm": 0.5578561425209045,
1710
+ "learning_rate": 5e-05,
1711
+ "loss": 1.289,
1712
+ "step": 241
1713
+ },
1714
+ {
1715
+ "epoch": 0.0844824576714959,
1716
+ "grad_norm": 0.626961350440979,
1717
+ "learning_rate": 5e-05,
1718
+ "loss": 1.2807,
1719
+ "step": 242
1720
+ },
1721
+ {
1722
+ "epoch": 0.08483155873625414,
1723
+ "grad_norm": 0.782669186592102,
1724
+ "learning_rate": 5e-05,
1725
+ "loss": 1.3933,
1726
+ "step": 243
1727
+ },
1728
+ {
1729
+ "epoch": 0.08518065980101239,
1730
+ "grad_norm": 0.6670363545417786,
1731
+ "learning_rate": 5e-05,
1732
+ "loss": 1.2732,
1733
+ "step": 244
1734
+ },
1735
+ {
1736
+ "epoch": 0.08552976086577065,
1737
+ "grad_norm": 0.7201350331306458,
1738
+ "learning_rate": 5e-05,
1739
+ "loss": 1.2962,
1740
+ "step": 245
1741
+ },
1742
+ {
1743
+ "epoch": 0.08587886193052889,
1744
+ "grad_norm": 0.6021212339401245,
1745
+ "learning_rate": 5e-05,
1746
+ "loss": 1.35,
1747
+ "step": 246
1748
+ },
1749
+ {
1750
+ "epoch": 0.08622796299528714,
1751
+ "grad_norm": 0.8081540465354919,
1752
+ "learning_rate": 5e-05,
1753
+ "loss": 1.3568,
1754
+ "step": 247
1755
+ },
1756
+ {
1757
+ "epoch": 0.08657706406004538,
1758
+ "grad_norm": 0.5358250737190247,
1759
+ "learning_rate": 5e-05,
1760
+ "loss": 1.4603,
1761
+ "step": 248
1762
+ },
1763
+ {
1764
+ "epoch": 0.08692616512480363,
1765
+ "grad_norm": 0.6927733421325684,
1766
+ "learning_rate": 5e-05,
1767
+ "loss": 1.2506,
1768
+ "step": 249
1769
+ },
1770
+ {
1771
+ "epoch": 0.08727526618956188,
1772
+ "grad_norm": 0.6187159419059753,
1773
+ "learning_rate": 5e-05,
1774
+ "loss": 1.3497,
1775
+ "step": 250
1776
+ },
1777
+ {
1778
+ "epoch": 0.08762436725432013,
1779
+ "grad_norm": 0.6304159760475159,
1780
+ "learning_rate": 5e-05,
1781
+ "loss": 1.3087,
1782
+ "step": 251
1783
+ },
1784
+ {
1785
+ "epoch": 0.08797346831907837,
1786
+ "grad_norm": 0.6446660161018372,
1787
+ "learning_rate": 5e-05,
1788
+ "loss": 1.3424,
1789
+ "step": 252
1790
+ },
1791
+ {
1792
+ "epoch": 0.08832256938383662,
1793
+ "grad_norm": 0.6535473465919495,
1794
+ "learning_rate": 5e-05,
1795
+ "loss": 1.3471,
1796
+ "step": 253
1797
+ },
1798
+ {
1799
+ "epoch": 0.08867167044859486,
1800
+ "grad_norm": 0.601290225982666,
1801
+ "learning_rate": 5e-05,
1802
+ "loss": 1.3557,
1803
+ "step": 254
1804
+ },
1805
+ {
1806
+ "epoch": 0.08902077151335312,
1807
+ "grad_norm": 0.641854465007782,
1808
+ "learning_rate": 5e-05,
1809
+ "loss": 1.3138,
1810
+ "step": 255
1811
+ },
1812
+ {
1813
+ "epoch": 0.08936987257811137,
1814
+ "grad_norm": 0.5452507138252258,
1815
+ "learning_rate": 5e-05,
1816
+ "loss": 1.2898,
1817
+ "step": 256
1818
+ },
1819
+ {
1820
+ "epoch": 0.08971897364286961,
1821
+ "grad_norm": 0.5870373249053955,
1822
+ "learning_rate": 5e-05,
1823
+ "loss": 1.2953,
1824
+ "step": 257
1825
+ },
1826
+ {
1827
+ "epoch": 0.09006807470762786,
1828
+ "grad_norm": 0.5798627734184265,
1829
+ "learning_rate": 5e-05,
1830
+ "loss": 1.2973,
1831
+ "step": 258
1832
+ },
1833
+ {
1834
+ "epoch": 0.0904171757723861,
1835
+ "grad_norm": 0.5798627734184265,
1836
+ "learning_rate": 5e-05,
1837
+ "loss": 1.3628,
1838
+ "step": 259
1839
+ },
1840
+ {
1841
+ "epoch": 0.09076627683714435,
1842
+ "grad_norm": 0.7382280230522156,
1843
+ "learning_rate": 5e-05,
1844
+ "loss": 1.3111,
1845
+ "step": 260
1846
+ },
1847
+ {
1848
+ "epoch": 0.0911153779019026,
1849
+ "grad_norm": 0.6882988810539246,
1850
+ "learning_rate": 5e-05,
1851
+ "loss": 1.329,
1852
+ "step": 261
1853
+ },
1854
+ {
1855
+ "epoch": 0.09146447896666085,
1856
+ "grad_norm": 0.6590788960456848,
1857
+ "learning_rate": 5e-05,
1858
+ "loss": 1.3089,
1859
+ "step": 262
1860
+ },
1861
+ {
1862
+ "epoch": 0.0918135800314191,
1863
+ "grad_norm": 0.682006299495697,
1864
+ "learning_rate": 5e-05,
1865
+ "loss": 1.344,
1866
+ "step": 263
1867
+ },
1868
+ {
1869
+ "epoch": 0.09216268109617734,
1870
+ "grad_norm": 0.6040222644805908,
1871
+ "learning_rate": 5e-05,
1872
+ "loss": 1.3919,
1873
+ "step": 264
1874
+ },
1875
+ {
1876
+ "epoch": 0.09251178216093559,
1877
+ "grad_norm": 0.5964936017990112,
1878
+ "learning_rate": 5e-05,
1879
+ "loss": 1.3397,
1880
+ "step": 265
1881
+ },
1882
+ {
1883
+ "epoch": 0.09286088322569384,
1884
+ "grad_norm": 0.5645217299461365,
1885
+ "learning_rate": 5e-05,
1886
+ "loss": 1.3488,
1887
+ "step": 266
1888
+ },
1889
+ {
1890
+ "epoch": 0.09320998429045209,
1891
+ "grad_norm": 0.7771989703178406,
1892
+ "learning_rate": 5e-05,
1893
+ "loss": 1.3485,
1894
+ "step": 267
1895
+ },
1896
+ {
1897
+ "epoch": 0.09355908535521033,
1898
+ "grad_norm": 0.6003885865211487,
1899
+ "learning_rate": 5e-05,
1900
+ "loss": 1.3109,
1901
+ "step": 268
1902
+ },
1903
+ {
1904
+ "epoch": 0.09390818641996858,
1905
+ "grad_norm": 0.5627903938293457,
1906
+ "learning_rate": 5e-05,
1907
+ "loss": 1.2906,
1908
+ "step": 269
1909
+ },
1910
+ {
1911
+ "epoch": 0.09425728748472682,
1912
+ "grad_norm": 0.6381875276565552,
1913
+ "learning_rate": 5e-05,
1914
+ "loss": 1.3063,
1915
+ "step": 270
1916
+ },
1917
+ {
1918
+ "epoch": 0.09460638854948508,
1919
+ "grad_norm": 1.2558772563934326,
1920
+ "learning_rate": 5e-05,
1921
+ "loss": 1.2985,
1922
+ "step": 271
1923
+ },
1924
+ {
1925
+ "epoch": 0.09495548961424333,
1926
+ "grad_norm": 0.6977007389068604,
1927
+ "learning_rate": 5e-05,
1928
+ "loss": 1.4955,
1929
+ "step": 272
1930
+ },
1931
+ {
1932
+ "epoch": 0.09530459067900157,
1933
+ "grad_norm": 0.7846536040306091,
1934
+ "learning_rate": 5e-05,
1935
+ "loss": 1.4439,
1936
+ "step": 273
1937
+ },
1938
+ {
1939
+ "epoch": 0.09565369174375982,
1940
+ "grad_norm": 0.7036994695663452,
1941
+ "learning_rate": 5e-05,
1942
+ "loss": 1.1942,
1943
+ "step": 274
1944
+ },
1945
+ {
1946
+ "epoch": 0.09600279280851806,
1947
+ "grad_norm": 0.6119917631149292,
1948
+ "learning_rate": 5e-05,
1949
+ "loss": 1.3607,
1950
+ "step": 275
1951
+ },
1952
+ {
1953
+ "epoch": 0.09635189387327632,
1954
+ "grad_norm": 0.6243535280227661,
1955
+ "learning_rate": 5e-05,
1956
+ "loss": 1.3029,
1957
+ "step": 276
1958
+ },
1959
+ {
1960
+ "epoch": 0.09670099493803457,
1961
+ "grad_norm": 0.5424296855926514,
1962
+ "learning_rate": 5e-05,
1963
+ "loss": 1.2995,
1964
+ "step": 277
1965
+ },
1966
+ {
1967
+ "epoch": 0.09705009600279281,
1968
+ "grad_norm": 0.7677564024925232,
1969
+ "learning_rate": 5e-05,
1970
+ "loss": 1.2686,
1971
+ "step": 278
1972
+ },
1973
+ {
1974
+ "epoch": 0.09739919706755105,
1975
+ "grad_norm": 0.625275194644928,
1976
+ "learning_rate": 5e-05,
1977
+ "loss": 1.2897,
1978
+ "step": 279
1979
+ },
1980
+ {
1981
+ "epoch": 0.0977482981323093,
1982
+ "grad_norm": 0.5734910368919373,
1983
+ "learning_rate": 5e-05,
1984
+ "loss": 1.3298,
1985
+ "step": 280
1986
+ },
1987
+ {
1988
+ "epoch": 0.09809739919706754,
1989
+ "grad_norm": 0.660658061504364,
1990
+ "learning_rate": 5e-05,
1991
+ "loss": 1.2643,
1992
+ "step": 281
1993
+ },
1994
+ {
1995
+ "epoch": 0.0984465002618258,
1996
+ "grad_norm": 0.679891049861908,
1997
+ "learning_rate": 5e-05,
1998
+ "loss": 1.3189,
1999
+ "step": 282
2000
+ },
2001
+ {
2002
+ "epoch": 0.09879560132658405,
2003
+ "grad_norm": 0.6248694658279419,
2004
+ "learning_rate": 5e-05,
2005
+ "loss": 1.1688,
2006
+ "step": 283
2007
+ },
2008
+ {
2009
+ "epoch": 0.0991447023913423,
2010
+ "grad_norm": 0.6428897380828857,
2011
+ "learning_rate": 5e-05,
2012
+ "loss": 1.3274,
2013
+ "step": 284
2014
+ },
2015
+ {
2016
+ "epoch": 0.09949380345610054,
2017
+ "grad_norm": 0.586065411567688,
2018
+ "learning_rate": 5e-05,
2019
+ "loss": 1.3852,
2020
+ "step": 285
2021
+ },
2022
+ {
2023
+ "epoch": 0.09984290452085878,
2024
+ "grad_norm": 0.5755594372749329,
2025
+ "learning_rate": 5e-05,
2026
+ "loss": 1.3665,
2027
+ "step": 286
2028
+ },
2029
+ {
2030
+ "epoch": 0.10019200558561704,
2031
+ "grad_norm": 0.7748963236808777,
2032
+ "learning_rate": 5e-05,
2033
+ "loss": 1.4551,
2034
+ "step": 287
2035
+ },
2036
+ {
2037
+ "epoch": 0.10054110665037529,
2038
+ "grad_norm": 0.6308531165122986,
2039
+ "learning_rate": 5e-05,
2040
+ "loss": 1.2793,
2041
+ "step": 288
2042
+ },
2043
+ {
2044
+ "epoch": 0.10089020771513353,
2045
+ "grad_norm": 0.6195006966590881,
2046
+ "learning_rate": 5e-05,
2047
+ "loss": 1.3649,
2048
+ "step": 289
2049
+ },
2050
+ {
2051
+ "epoch": 0.10123930877989178,
2052
+ "grad_norm": 0.6098636984825134,
2053
+ "learning_rate": 5e-05,
2054
+ "loss": 1.2956,
2055
+ "step": 290
2056
+ },
2057
+ {
2058
+ "epoch": 0.10158840984465002,
2059
+ "grad_norm": 0.8072320818901062,
2060
+ "learning_rate": 5e-05,
2061
+ "loss": 1.3469,
2062
+ "step": 291
2063
+ },
2064
+ {
2065
+ "epoch": 0.10193751090940828,
2066
+ "grad_norm": 0.6090126633644104,
2067
+ "learning_rate": 5e-05,
2068
+ "loss": 1.2958,
2069
+ "step": 292
2070
+ },
2071
+ {
2072
+ "epoch": 0.10228661197416652,
2073
+ "grad_norm": 0.5718780159950256,
2074
+ "learning_rate": 5e-05,
2075
+ "loss": 1.363,
2076
+ "step": 293
2077
+ },
2078
+ {
2079
+ "epoch": 0.10263571303892477,
2080
+ "grad_norm": 0.7197532653808594,
2081
+ "learning_rate": 5e-05,
2082
+ "loss": 1.3868,
2083
+ "step": 294
2084
+ },
2085
+ {
2086
+ "epoch": 0.10298481410368301,
2087
+ "grad_norm": 0.5578592419624329,
2088
+ "learning_rate": 5e-05,
2089
+ "loss": 1.2627,
2090
+ "step": 295
2091
+ },
2092
+ {
2093
+ "epoch": 0.10333391516844126,
2094
+ "grad_norm": 0.730226457118988,
2095
+ "learning_rate": 5e-05,
2096
+ "loss": 1.3182,
2097
+ "step": 296
2098
+ },
2099
+ {
2100
+ "epoch": 0.10368301623319952,
2101
+ "grad_norm": 0.6234796047210693,
2102
+ "learning_rate": 5e-05,
2103
+ "loss": 1.1777,
2104
+ "step": 297
2105
+ },
2106
+ {
2107
+ "epoch": 0.10403211729795776,
2108
+ "grad_norm": 0.5563578009605408,
2109
+ "learning_rate": 5e-05,
2110
+ "loss": 1.3275,
2111
+ "step": 298
2112
+ },
2113
+ {
2114
+ "epoch": 0.10438121836271601,
2115
+ "grad_norm": 0.6864249110221863,
2116
+ "learning_rate": 5e-05,
2117
+ "loss": 1.2813,
2118
+ "step": 299
2119
+ },
2120
+ {
2121
+ "epoch": 0.10473031942747425,
2122
+ "grad_norm": 0.8850319385528564,
2123
+ "learning_rate": 5e-05,
2124
+ "loss": 1.3057,
2125
+ "step": 300
2126
+ },
2127
+ {
2128
+ "epoch": 0.10473031942747425,
2129
+ "eval_loss": 1.3255380392074585,
2130
+ "eval_runtime": 3311.4237,
2131
+ "eval_samples_per_second": 6.92,
2132
+ "eval_steps_per_second": 0.865,
2133
+ "step": 300
2134
+ },
2135
+ {
2136
+ "epoch": 0.1050794204922325,
2137
+ "grad_norm": 0.9439303278923035,
2138
+ "learning_rate": 5e-05,
2139
+ "loss": 1.281,
2140
+ "step": 301
2141
+ },
2142
+ {
2143
+ "epoch": 0.10542852155699074,
2144
+ "grad_norm": 0.6651242971420288,
2145
+ "learning_rate": 5e-05,
2146
+ "loss": 1.3492,
2147
+ "step": 302
2148
+ },
2149
+ {
2150
+ "epoch": 0.105777622621749,
2151
+ "grad_norm": 0.9047183394432068,
2152
+ "learning_rate": 5e-05,
2153
+ "loss": 1.4246,
2154
+ "step": 303
2155
+ },
2156
+ {
2157
+ "epoch": 0.10612672368650725,
2158
+ "grad_norm": 0.6983138918876648,
2159
+ "learning_rate": 5e-05,
2160
+ "loss": 1.324,
2161
+ "step": 304
2162
+ },
2163
+ {
2164
+ "epoch": 0.10647582475126549,
2165
+ "grad_norm": 0.6347063779830933,
2166
+ "learning_rate": 5e-05,
2167
+ "loss": 1.3389,
2168
+ "step": 305
2169
+ },
2170
+ {
2171
+ "epoch": 0.10682492581602374,
2172
+ "grad_norm": 0.6051842570304871,
2173
+ "learning_rate": 5e-05,
2174
+ "loss": 1.3278,
2175
+ "step": 306
2176
+ },
2177
+ {
2178
+ "epoch": 0.10717402688078198,
2179
+ "grad_norm": 0.9355935454368591,
2180
+ "learning_rate": 5e-05,
2181
+ "loss": 1.2663,
2182
+ "step": 307
2183
+ },
2184
+ {
2185
+ "epoch": 0.10752312794554024,
2186
+ "grad_norm": 1.0706268548965454,
2187
+ "learning_rate": 5e-05,
2188
+ "loss": 1.3142,
2189
+ "step": 308
2190
+ },
2191
+ {
2192
+ "epoch": 0.10787222901029848,
2193
+ "grad_norm": 0.8131638765335083,
2194
+ "learning_rate": 5e-05,
2195
+ "loss": 1.3445,
2196
+ "step": 309
2197
+ },
2198
+ {
2199
+ "epoch": 0.10822133007505673,
2200
+ "grad_norm": 0.5791985392570496,
2201
+ "learning_rate": 5e-05,
2202
+ "loss": 1.2746,
2203
+ "step": 310
2204
+ },
2205
+ {
2206
+ "epoch": 0.10857043113981497,
2207
+ "grad_norm": 0.5536484718322754,
2208
+ "learning_rate": 5e-05,
2209
+ "loss": 1.2613,
2210
+ "step": 311
2211
+ },
2212
+ {
2213
+ "epoch": 0.10891953220457322,
2214
+ "grad_norm": 0.7847089767456055,
2215
+ "learning_rate": 5e-05,
2216
+ "loss": 1.4607,
2217
+ "step": 312
2218
+ },
2219
+ {
2220
+ "epoch": 0.10926863326933148,
2221
+ "grad_norm": 0.7828165888786316,
2222
+ "learning_rate": 5e-05,
2223
+ "loss": 1.4399,
2224
+ "step": 313
2225
+ },
2226
+ {
2227
+ "epoch": 0.10961773433408972,
2228
+ "grad_norm": 0.5692522525787354,
2229
+ "learning_rate": 5e-05,
2230
+ "loss": 1.3044,
2231
+ "step": 314
2232
+ },
2233
+ {
2234
+ "epoch": 0.10996683539884797,
2235
+ "grad_norm": 0.5592648386955261,
2236
+ "learning_rate": 5e-05,
2237
+ "loss": 1.3211,
2238
+ "step": 315
2239
+ },
2240
+ {
2241
+ "epoch": 0.11031593646360621,
2242
+ "grad_norm": 0.7055444717407227,
2243
+ "learning_rate": 5e-05,
2244
+ "loss": 1.2944,
2245
+ "step": 316
2246
+ },
2247
+ {
2248
+ "epoch": 0.11066503752836446,
2249
+ "grad_norm": 0.5370152592658997,
2250
+ "learning_rate": 5e-05,
2251
+ "loss": 1.2776,
2252
+ "step": 317
2253
+ },
2254
+ {
2255
+ "epoch": 0.11101413859312272,
2256
+ "grad_norm": 0.6320214867591858,
2257
+ "learning_rate": 5e-05,
2258
+ "loss": 1.347,
2259
+ "step": 318
2260
+ },
2261
+ {
2262
+ "epoch": 0.11136323965788096,
2263
+ "grad_norm": 0.6425771713256836,
2264
+ "learning_rate": 5e-05,
2265
+ "loss": 1.5038,
2266
+ "step": 319
2267
+ },
2268
+ {
2269
+ "epoch": 0.1117123407226392,
2270
+ "grad_norm": 0.585542619228363,
2271
+ "learning_rate": 5e-05,
2272
+ "loss": 1.3573,
2273
+ "step": 320
2274
+ },
2275
+ {
2276
+ "epoch": 0.11206144178739745,
2277
+ "grad_norm": 0.5627699494361877,
2278
+ "learning_rate": 5e-05,
2279
+ "loss": 1.2693,
2280
+ "step": 321
2281
+ },
2282
+ {
2283
+ "epoch": 0.1124105428521557,
2284
+ "grad_norm": 0.6050506830215454,
2285
+ "learning_rate": 5e-05,
2286
+ "loss": 1.2787,
2287
+ "step": 322
2288
+ },
2289
+ {
2290
+ "epoch": 0.11275964391691394,
2291
+ "grad_norm": 0.6247337460517883,
2292
+ "learning_rate": 5e-05,
2293
+ "loss": 1.4146,
2294
+ "step": 323
2295
+ },
2296
+ {
2297
+ "epoch": 0.1131087449816722,
2298
+ "grad_norm": 0.7732966542243958,
2299
+ "learning_rate": 5e-05,
2300
+ "loss": 1.2626,
2301
+ "step": 324
2302
+ },
2303
+ {
2304
+ "epoch": 0.11345784604643044,
2305
+ "grad_norm": 0.5666255354881287,
2306
+ "learning_rate": 5e-05,
2307
+ "loss": 1.4219,
2308
+ "step": 325
2309
+ },
2310
+ {
2311
+ "epoch": 0.11380694711118869,
2312
+ "grad_norm": 0.5973132848739624,
2313
+ "learning_rate": 5e-05,
2314
+ "loss": 1.3522,
2315
+ "step": 326
2316
+ },
2317
+ {
2318
+ "epoch": 0.11415604817594693,
2319
+ "grad_norm": 0.8540626764297485,
2320
+ "learning_rate": 5e-05,
2321
+ "loss": 1.304,
2322
+ "step": 327
2323
+ },
2324
+ {
2325
+ "epoch": 0.11450514924070518,
2326
+ "grad_norm": 0.574573278427124,
2327
+ "learning_rate": 5e-05,
2328
+ "loss": 1.3487,
2329
+ "step": 328
2330
+ },
2331
+ {
2332
+ "epoch": 0.11485425030546344,
2333
+ "grad_norm": 0.5949917435646057,
2334
+ "learning_rate": 5e-05,
2335
+ "loss": 1.254,
2336
+ "step": 329
2337
+ },
2338
+ {
2339
+ "epoch": 0.11520335137022168,
2340
+ "grad_norm": 0.6005589365959167,
2341
+ "learning_rate": 5e-05,
2342
+ "loss": 1.3073,
2343
+ "step": 330
2344
+ },
2345
+ {
2346
+ "epoch": 0.11555245243497993,
2347
+ "grad_norm": 0.5026714205741882,
2348
+ "learning_rate": 5e-05,
2349
+ "loss": 1.2418,
2350
+ "step": 331
2351
+ },
2352
+ {
2353
+ "epoch": 0.11590155349973817,
2354
+ "grad_norm": 0.7160278558731079,
2355
+ "learning_rate": 5e-05,
2356
+ "loss": 1.3437,
2357
+ "step": 332
2358
+ },
2359
+ {
2360
+ "epoch": 0.11625065456449642,
2361
+ "grad_norm": 0.6049554347991943,
2362
+ "learning_rate": 5e-05,
2363
+ "loss": 1.4858,
2364
+ "step": 333
2365
+ },
2366
+ {
2367
+ "epoch": 0.11659975562925468,
2368
+ "grad_norm": 0.7706385254859924,
2369
+ "learning_rate": 5e-05,
2370
+ "loss": 1.3971,
2371
+ "step": 334
2372
+ },
2373
+ {
2374
+ "epoch": 0.11694885669401292,
2375
+ "grad_norm": 0.6254088282585144,
2376
+ "learning_rate": 5e-05,
2377
+ "loss": 1.3359,
2378
+ "step": 335
2379
+ },
2380
+ {
2381
+ "epoch": 0.11729795775877117,
2382
+ "grad_norm": 0.5904930830001831,
2383
+ "learning_rate": 5e-05,
2384
+ "loss": 1.3262,
2385
+ "step": 336
2386
+ },
2387
+ {
2388
+ "epoch": 0.11764705882352941,
2389
+ "grad_norm": 1.9982556104660034,
2390
+ "learning_rate": 5e-05,
2391
+ "loss": 1.3656,
2392
+ "step": 337
2393
+ },
2394
+ {
2395
+ "epoch": 0.11799615988828766,
2396
+ "grad_norm": 0.5776758790016174,
2397
+ "learning_rate": 5e-05,
2398
+ "loss": 1.2654,
2399
+ "step": 338
2400
+ },
2401
+ {
2402
+ "epoch": 0.1183452609530459,
2403
+ "grad_norm": 0.6094497442245483,
2404
+ "learning_rate": 5e-05,
2405
+ "loss": 1.3505,
2406
+ "step": 339
2407
+ },
2408
+ {
2409
+ "epoch": 0.11869436201780416,
2410
+ "grad_norm": 0.9940481185913086,
2411
+ "learning_rate": 5e-05,
2412
+ "loss": 1.2853,
2413
+ "step": 340
2414
+ },
2415
+ {
2416
+ "epoch": 0.1190434630825624,
2417
+ "grad_norm": 1.1043668985366821,
2418
+ "learning_rate": 5e-05,
2419
+ "loss": 1.2813,
2420
+ "step": 341
2421
+ },
2422
+ {
2423
+ "epoch": 0.11939256414732065,
2424
+ "grad_norm": 0.5494128465652466,
2425
+ "learning_rate": 5e-05,
2426
+ "loss": 1.202,
2427
+ "step": 342
2428
+ },
2429
+ {
2430
+ "epoch": 0.1197416652120789,
2431
+ "grad_norm": 0.6436132192611694,
2432
+ "learning_rate": 5e-05,
2433
+ "loss": 1.2898,
2434
+ "step": 343
2435
+ },
2436
+ {
2437
+ "epoch": 0.12009076627683714,
2438
+ "grad_norm": 0.6878450512886047,
2439
+ "learning_rate": 5e-05,
2440
+ "loss": 1.3392,
2441
+ "step": 344
2442
+ },
2443
+ {
2444
+ "epoch": 0.1204398673415954,
2445
+ "grad_norm": 0.5806905627250671,
2446
+ "learning_rate": 5e-05,
2447
+ "loss": 1.2221,
2448
+ "step": 345
2449
+ },
2450
+ {
2451
+ "epoch": 0.12078896840635364,
2452
+ "grad_norm": 0.5916112065315247,
2453
+ "learning_rate": 5e-05,
2454
+ "loss": 1.2761,
2455
+ "step": 346
2456
+ },
2457
+ {
2458
+ "epoch": 0.12113806947111189,
2459
+ "grad_norm": 0.5216647386550903,
2460
+ "learning_rate": 5e-05,
2461
+ "loss": 1.223,
2462
+ "step": 347
2463
+ },
2464
+ {
2465
+ "epoch": 0.12148717053587013,
2466
+ "grad_norm": 0.707747220993042,
2467
+ "learning_rate": 5e-05,
2468
+ "loss": 1.2933,
2469
+ "step": 348
2470
+ },
2471
+ {
2472
+ "epoch": 0.12183627160062838,
2473
+ "grad_norm": 0.6644443273544312,
2474
+ "learning_rate": 5e-05,
2475
+ "loss": 1.3367,
2476
+ "step": 349
2477
+ },
2478
+ {
2479
+ "epoch": 0.12218537266538664,
2480
+ "grad_norm": 0.7112720012664795,
2481
+ "learning_rate": 5e-05,
2482
+ "loss": 1.2368,
2483
+ "step": 350
2484
+ },
2485
+ {
2486
+ "epoch": 0.12253447373014488,
2487
+ "grad_norm": 0.6551552414894104,
2488
+ "learning_rate": 5e-05,
2489
+ "loss": 1.3348,
2490
+ "step": 351
2491
+ },
2492
+ {
2493
+ "epoch": 0.12288357479490312,
2494
+ "grad_norm": 0.5377748012542725,
2495
+ "learning_rate": 5e-05,
2496
+ "loss": 1.2859,
2497
+ "step": 352
2498
+ },
2499
+ {
2500
+ "epoch": 0.12323267585966137,
2501
+ "grad_norm": 0.580769956111908,
2502
+ "learning_rate": 5e-05,
2503
+ "loss": 1.2442,
2504
+ "step": 353
2505
+ },
2506
+ {
2507
+ "epoch": 0.12358177692441961,
2508
+ "grad_norm": 0.6772916316986084,
2509
+ "learning_rate": 5e-05,
2510
+ "loss": 1.2994,
2511
+ "step": 354
2512
+ },
2513
+ {
2514
+ "epoch": 0.12393087798917787,
2515
+ "grad_norm": 0.6245989799499512,
2516
+ "learning_rate": 5e-05,
2517
+ "loss": 1.2093,
2518
+ "step": 355
2519
+ },
2520
+ {
2521
+ "epoch": 0.12427997905393612,
2522
+ "grad_norm": 0.6136452555656433,
2523
+ "learning_rate": 5e-05,
2524
+ "loss": 1.2258,
2525
+ "step": 356
2526
+ },
2527
+ {
2528
+ "epoch": 0.12462908011869436,
2529
+ "grad_norm": 0.5786277055740356,
2530
+ "learning_rate": 5e-05,
2531
+ "loss": 1.2856,
2532
+ "step": 357
2533
+ },
2534
+ {
2535
+ "epoch": 0.12497818118345261,
2536
+ "grad_norm": 0.5986611247062683,
2537
+ "learning_rate": 5e-05,
2538
+ "loss": 1.4524,
2539
+ "step": 358
2540
+ },
2541
+ {
2542
+ "epoch": 0.12532728224821085,
2543
+ "grad_norm": 0.6240454316139221,
2544
+ "learning_rate": 5e-05,
2545
+ "loss": 1.3325,
2546
+ "step": 359
2547
+ },
2548
+ {
2549
+ "epoch": 0.1256763833129691,
2550
+ "grad_norm": 0.6426084041595459,
2551
+ "learning_rate": 5e-05,
2552
+ "loss": 1.219,
2553
+ "step": 360
2554
+ },
2555
+ {
2556
+ "epoch": 0.12602548437772734,
2557
+ "grad_norm": 0.6227401494979858,
2558
+ "learning_rate": 5e-05,
2559
+ "loss": 1.3342,
2560
+ "step": 361
2561
+ },
2562
+ {
2563
+ "epoch": 0.1263745854424856,
2564
+ "grad_norm": 0.7462456226348877,
2565
+ "learning_rate": 5e-05,
2566
+ "loss": 1.3747,
2567
+ "step": 362
2568
+ },
2569
+ {
2570
+ "epoch": 0.12672368650724386,
2571
+ "grad_norm": 0.7022641897201538,
2572
+ "learning_rate": 5e-05,
2573
+ "loss": 1.2957,
2574
+ "step": 363
2575
+ },
2576
+ {
2577
+ "epoch": 0.1270727875720021,
2578
+ "grad_norm": 0.657645046710968,
2579
+ "learning_rate": 5e-05,
2580
+ "loss": 1.3125,
2581
+ "step": 364
2582
+ },
2583
+ {
2584
+ "epoch": 0.12742188863676035,
2585
+ "grad_norm": 0.662497878074646,
2586
+ "learning_rate": 5e-05,
2587
+ "loss": 1.321,
2588
+ "step": 365
2589
+ },
2590
+ {
2591
+ "epoch": 0.1277709897015186,
2592
+ "grad_norm": 0.6295817494392395,
2593
+ "learning_rate": 5e-05,
2594
+ "loss": 1.3814,
2595
+ "step": 366
2596
+ },
2597
+ {
2598
+ "epoch": 0.12812009076627684,
2599
+ "grad_norm": 0.7357390522956848,
2600
+ "learning_rate": 5e-05,
2601
+ "loss": 1.374,
2602
+ "step": 367
2603
+ },
2604
+ {
2605
+ "epoch": 0.12846919183103508,
2606
+ "grad_norm": 0.6728739142417908,
2607
+ "learning_rate": 5e-05,
2608
+ "loss": 1.1957,
2609
+ "step": 368
2610
+ },
2611
+ {
2612
+ "epoch": 0.12881829289579333,
2613
+ "grad_norm": 0.6290231943130493,
2614
+ "learning_rate": 5e-05,
2615
+ "loss": 1.2948,
2616
+ "step": 369
2617
+ },
2618
+ {
2619
+ "epoch": 0.12916739396055157,
2620
+ "grad_norm": 1.0889554023742676,
2621
+ "learning_rate": 5e-05,
2622
+ "loss": 1.3465,
2623
+ "step": 370
2624
+ },
2625
+ {
2626
+ "epoch": 0.12951649502530982,
2627
+ "grad_norm": 0.6978388428688049,
2628
+ "learning_rate": 5e-05,
2629
+ "loss": 1.2898,
2630
+ "step": 371
2631
+ },
2632
+ {
2633
+ "epoch": 0.12986559609006806,
2634
+ "grad_norm": 1.0806949138641357,
2635
+ "learning_rate": 5e-05,
2636
+ "loss": 1.2656,
2637
+ "step": 372
2638
+ },
2639
+ {
2640
+ "epoch": 0.1302146971548263,
2641
+ "grad_norm": 0.5989696979522705,
2642
+ "learning_rate": 5e-05,
2643
+ "loss": 1.354,
2644
+ "step": 373
2645
+ },
2646
+ {
2647
+ "epoch": 0.13056379821958458,
2648
+ "grad_norm": 0.5808868408203125,
2649
+ "learning_rate": 5e-05,
2650
+ "loss": 1.2911,
2651
+ "step": 374
2652
+ },
2653
+ {
2654
+ "epoch": 0.13091289928434283,
2655
+ "grad_norm": 0.6175510883331299,
2656
+ "learning_rate": 5e-05,
2657
+ "loss": 1.3392,
2658
+ "step": 375
2659
+ },
2660
+ {
2661
+ "epoch": 0.13126200034910107,
2662
+ "grad_norm": 0.7896063923835754,
2663
+ "learning_rate": 5e-05,
2664
+ "loss": 1.3598,
2665
+ "step": 376
2666
+ },
2667
+ {
2668
+ "epoch": 0.13161110141385932,
2669
+ "grad_norm": 0.6890353560447693,
2670
+ "learning_rate": 5e-05,
2671
+ "loss": 1.2259,
2672
+ "step": 377
2673
+ },
2674
+ {
2675
+ "epoch": 0.13196020247861756,
2676
+ "grad_norm": 0.7264868021011353,
2677
+ "learning_rate": 5e-05,
2678
+ "loss": 1.3747,
2679
+ "step": 378
2680
+ },
2681
+ {
2682
+ "epoch": 0.1323093035433758,
2683
+ "grad_norm": 0.5779114365577698,
2684
+ "learning_rate": 5e-05,
2685
+ "loss": 1.2566,
2686
+ "step": 379
2687
+ },
2688
+ {
2689
+ "epoch": 0.13265840460813405,
2690
+ "grad_norm": 0.6164990067481995,
2691
+ "learning_rate": 5e-05,
2692
+ "loss": 1.3123,
2693
+ "step": 380
2694
+ },
2695
+ {
2696
+ "epoch": 0.1330075056728923,
2697
+ "grad_norm": 0.5990901589393616,
2698
+ "learning_rate": 5e-05,
2699
+ "loss": 1.399,
2700
+ "step": 381
2701
+ },
2702
+ {
2703
+ "epoch": 0.13335660673765054,
2704
+ "grad_norm": 0.5799390077590942,
2705
+ "learning_rate": 5e-05,
2706
+ "loss": 1.2697,
2707
+ "step": 382
2708
+ },
2709
+ {
2710
+ "epoch": 0.13370570780240879,
2711
+ "grad_norm": 0.6446252465248108,
2712
+ "learning_rate": 5e-05,
2713
+ "loss": 1.3321,
2714
+ "step": 383
2715
+ },
2716
+ {
2717
+ "epoch": 0.13405480886716706,
2718
+ "grad_norm": 0.5626406669616699,
2719
+ "learning_rate": 5e-05,
2720
+ "loss": 1.2867,
2721
+ "step": 384
2722
+ },
2723
+ {
2724
+ "epoch": 0.1344039099319253,
2725
+ "grad_norm": 0.5967420935630798,
2726
+ "learning_rate": 5e-05,
2727
+ "loss": 1.3514,
2728
+ "step": 385
2729
+ },
2730
+ {
2731
+ "epoch": 0.13475301099668355,
2732
+ "grad_norm": 0.622344434261322,
2733
+ "learning_rate": 5e-05,
2734
+ "loss": 1.2814,
2735
+ "step": 386
2736
+ },
2737
+ {
2738
+ "epoch": 0.1351021120614418,
2739
+ "grad_norm": 0.5952975749969482,
2740
+ "learning_rate": 5e-05,
2741
+ "loss": 1.3616,
2742
+ "step": 387
2743
+ },
2744
+ {
2745
+ "epoch": 0.13545121312620004,
2746
+ "grad_norm": 1.6270025968551636,
2747
+ "learning_rate": 5e-05,
2748
+ "loss": 1.3057,
2749
+ "step": 388
2750
+ },
2751
+ {
2752
+ "epoch": 0.13580031419095828,
2753
+ "grad_norm": 0.6453176736831665,
2754
+ "learning_rate": 5e-05,
2755
+ "loss": 1.2203,
2756
+ "step": 389
2757
+ },
2758
+ {
2759
+ "epoch": 0.13614941525571653,
2760
+ "grad_norm": 0.6074663400650024,
2761
+ "learning_rate": 5e-05,
2762
+ "loss": 1.2705,
2763
+ "step": 390
2764
+ },
2765
+ {
2766
+ "epoch": 0.13649851632047477,
2767
+ "grad_norm": 0.5617640018463135,
2768
+ "learning_rate": 5e-05,
2769
+ "loss": 1.2692,
2770
+ "step": 391
2771
+ },
2772
+ {
2773
+ "epoch": 0.13684761738523302,
2774
+ "grad_norm": 0.5138052701950073,
2775
+ "learning_rate": 5e-05,
2776
+ "loss": 1.2914,
2777
+ "step": 392
2778
+ },
2779
+ {
2780
+ "epoch": 0.13719671844999126,
2781
+ "grad_norm": 0.6522411108016968,
2782
+ "learning_rate": 5e-05,
2783
+ "loss": 1.3055,
2784
+ "step": 393
2785
+ },
2786
+ {
2787
+ "epoch": 0.1375458195147495,
2788
+ "grad_norm": 0.6821246147155762,
2789
+ "learning_rate": 5e-05,
2790
+ "loss": 1.2674,
2791
+ "step": 394
2792
+ },
2793
+ {
2794
+ "epoch": 0.13789492057950778,
2795
+ "grad_norm": 0.6284828186035156,
2796
+ "learning_rate": 5e-05,
2797
+ "loss": 1.2842,
2798
+ "step": 395
2799
+ },
2800
+ {
2801
+ "epoch": 0.13824402164426602,
2802
+ "grad_norm": 0.6461937427520752,
2803
+ "learning_rate": 5e-05,
2804
+ "loss": 1.305,
2805
+ "step": 396
2806
+ },
2807
+ {
2808
+ "epoch": 0.13859312270902427,
2809
+ "grad_norm": 0.8084800243377686,
2810
+ "learning_rate": 5e-05,
2811
+ "loss": 1.3539,
2812
+ "step": 397
2813
+ },
2814
+ {
2815
+ "epoch": 0.1389422237737825,
2816
+ "grad_norm": 0.5511135458946228,
2817
+ "learning_rate": 5e-05,
2818
+ "loss": 1.2364,
2819
+ "step": 398
2820
+ },
2821
+ {
2822
+ "epoch": 0.13929132483854076,
2823
+ "grad_norm": 0.6121107339859009,
2824
+ "learning_rate": 5e-05,
2825
+ "loss": 1.3212,
2826
+ "step": 399
2827
+ },
2828
+ {
2829
+ "epoch": 0.139640425903299,
2830
+ "grad_norm": 0.5705773234367371,
2831
+ "learning_rate": 5e-05,
2832
+ "loss": 1.3116,
2833
+ "step": 400
2834
+ },
2835
+ {
2836
+ "epoch": 0.139640425903299,
2837
+ "eval_loss": 1.322394609451294,
2838
+ "eval_runtime": 3311.45,
2839
+ "eval_samples_per_second": 6.92,
2840
+ "eval_steps_per_second": 0.865,
2841
+ "step": 400
2842
+ },
2843
+ {
2844
+ "epoch": 0.139640425903299,
2845
+ "step": 400,
2846
+ "total_flos": 8.590417732871127e+17,
2847
+ "train_loss": 1.3312159395217895,
2848
+ "train_runtime": 17991.8527,
2849
+ "train_samples_per_second": 1.779,
2850
+ "train_steps_per_second": 0.056
2851
+ }
2852
+ ],
2853
+ "logging_steps": 1.0,
2854
+ "max_steps": 1000,
2855
+ "num_input_tokens_seen": 0,
2856
+ "num_train_epochs": 1,
2857
+ "save_steps": 100,
2858
+ "total_flos": 8.590417732871127e+17,
2859
+ "train_batch_size": 2,
2860
+ "trial_name": null,
2861
+ "trial_params": null
2862
+ }