pepoo20 commited on
Commit
7132fe0
1 Parent(s): 78a604a

Upload checkpoint-1154/trainer_state.json with huggingface_hub

Browse files
Files changed (1) hide show
  1. checkpoint-1154/trainer_state.json +1659 -0
checkpoint-1154/trainer_state.json ADDED
@@ -0,0 +1,1659 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": 0.48741263151168823,
3
+ "best_model_checkpoint": "/home/ray/default/save/checkpoint-1000",
4
+ "epoch": 1.0,
5
+ "eval_steps": 500,
6
+ "global_step": 1154,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.004332755632582322,
13
+ "grad_norm": 0.10313185304403305,
14
+ "learning_rate": 8.333333333333333e-07,
15
+ "loss": 1.0706,
16
+ "step": 5
17
+ },
18
+ {
19
+ "epoch": 0.008665511265164644,
20
+ "grad_norm": 0.10810094326734543,
21
+ "learning_rate": 1.6666666666666667e-06,
22
+ "loss": 1.0694,
23
+ "step": 10
24
+ },
25
+ {
26
+ "epoch": 0.012998266897746967,
27
+ "grad_norm": 0.09731286019086838,
28
+ "learning_rate": 2.5e-06,
29
+ "loss": 1.0706,
30
+ "step": 15
31
+ },
32
+ {
33
+ "epoch": 0.01733102253032929,
34
+ "grad_norm": 0.11459868401288986,
35
+ "learning_rate": 3.3333333333333333e-06,
36
+ "loss": 1.0772,
37
+ "step": 20
38
+ },
39
+ {
40
+ "epoch": 0.021663778162911613,
41
+ "grad_norm": 0.10845116525888443,
42
+ "learning_rate": 4.166666666666667e-06,
43
+ "loss": 1.0809,
44
+ "step": 25
45
+ },
46
+ {
47
+ "epoch": 0.025996533795493933,
48
+ "grad_norm": 0.12091381102800369,
49
+ "learning_rate": 5e-06,
50
+ "loss": 1.0737,
51
+ "step": 30
52
+ },
53
+ {
54
+ "epoch": 0.030329289428076257,
55
+ "grad_norm": 0.12315661460161209,
56
+ "learning_rate": 5.833333333333334e-06,
57
+ "loss": 1.0675,
58
+ "step": 35
59
+ },
60
+ {
61
+ "epoch": 0.03466204506065858,
62
+ "grad_norm": 0.13054250180721283,
63
+ "learning_rate": 6.666666666666667e-06,
64
+ "loss": 1.0638,
65
+ "step": 40
66
+ },
67
+ {
68
+ "epoch": 0.0389948006932409,
69
+ "grad_norm": 0.13414187729358673,
70
+ "learning_rate": 7.5e-06,
71
+ "loss": 1.0588,
72
+ "step": 45
73
+ },
74
+ {
75
+ "epoch": 0.043327556325823226,
76
+ "grad_norm": 0.12992985546588898,
77
+ "learning_rate": 8.333333333333334e-06,
78
+ "loss": 1.0512,
79
+ "step": 50
80
+ },
81
+ {
82
+ "epoch": 0.047660311958405546,
83
+ "grad_norm": 0.11500700563192368,
84
+ "learning_rate": 9.166666666666666e-06,
85
+ "loss": 1.0545,
86
+ "step": 55
87
+ },
88
+ {
89
+ "epoch": 0.05199306759098787,
90
+ "grad_norm": 0.10958714783191681,
91
+ "learning_rate": 1e-05,
92
+ "loss": 1.0357,
93
+ "step": 60
94
+ },
95
+ {
96
+ "epoch": 0.05632582322357019,
97
+ "grad_norm": 0.10853663086891174,
98
+ "learning_rate": 1.0833333333333334e-05,
99
+ "loss": 1.0268,
100
+ "step": 65
101
+ },
102
+ {
103
+ "epoch": 0.060658578856152515,
104
+ "grad_norm": 0.12498235702514648,
105
+ "learning_rate": 1.1666666666666668e-05,
106
+ "loss": 1.0135,
107
+ "step": 70
108
+ },
109
+ {
110
+ "epoch": 0.06499133448873484,
111
+ "grad_norm": 0.11716682463884354,
112
+ "learning_rate": 1.25e-05,
113
+ "loss": 1.0014,
114
+ "step": 75
115
+ },
116
+ {
117
+ "epoch": 0.06932409012131716,
118
+ "grad_norm": 0.09530466794967651,
119
+ "learning_rate": 1.3333333333333333e-05,
120
+ "loss": 0.9824,
121
+ "step": 80
122
+ },
123
+ {
124
+ "epoch": 0.07365684575389948,
125
+ "grad_norm": 0.09298353642225266,
126
+ "learning_rate": 1.4166666666666668e-05,
127
+ "loss": 0.9676,
128
+ "step": 85
129
+ },
130
+ {
131
+ "epoch": 0.0779896013864818,
132
+ "grad_norm": 0.09433547407388687,
133
+ "learning_rate": 1.5e-05,
134
+ "loss": 0.9463,
135
+ "step": 90
136
+ },
137
+ {
138
+ "epoch": 0.08232235701906412,
139
+ "grad_norm": 0.09255563467741013,
140
+ "learning_rate": 1.5833333333333333e-05,
141
+ "loss": 0.9341,
142
+ "step": 95
143
+ },
144
+ {
145
+ "epoch": 0.08665511265164645,
146
+ "grad_norm": 0.09951213002204895,
147
+ "learning_rate": 1.6666666666666667e-05,
148
+ "loss": 0.9209,
149
+ "step": 100
150
+ },
151
+ {
152
+ "epoch": 0.09098786828422877,
153
+ "grad_norm": 0.10951012372970581,
154
+ "learning_rate": 1.75e-05,
155
+ "loss": 0.8927,
156
+ "step": 105
157
+ },
158
+ {
159
+ "epoch": 0.09532062391681109,
160
+ "grad_norm": 0.110866479575634,
161
+ "learning_rate": 1.8333333333333333e-05,
162
+ "loss": 0.8755,
163
+ "step": 110
164
+ },
165
+ {
166
+ "epoch": 0.09965337954939342,
167
+ "grad_norm": 0.11648208647966385,
168
+ "learning_rate": 1.9166666666666667e-05,
169
+ "loss": 0.8453,
170
+ "step": 115
171
+ },
172
+ {
173
+ "epoch": 0.10398613518197573,
174
+ "grad_norm": 0.12016862630844116,
175
+ "learning_rate": 2e-05,
176
+ "loss": 0.8081,
177
+ "step": 120
178
+ },
179
+ {
180
+ "epoch": 0.10831889081455806,
181
+ "grad_norm": 0.12387488037347794,
182
+ "learning_rate": 2.0833333333333336e-05,
183
+ "loss": 0.7784,
184
+ "step": 125
185
+ },
186
+ {
187
+ "epoch": 0.11265164644714037,
188
+ "grad_norm": 0.12779255211353302,
189
+ "learning_rate": 2.1666666666666667e-05,
190
+ "loss": 0.7353,
191
+ "step": 130
192
+ },
193
+ {
194
+ "epoch": 0.1169844020797227,
195
+ "grad_norm": 0.12649372220039368,
196
+ "learning_rate": 2.25e-05,
197
+ "loss": 0.7085,
198
+ "step": 135
199
+ },
200
+ {
201
+ "epoch": 0.12131715771230503,
202
+ "grad_norm": 0.1445430964231491,
203
+ "learning_rate": 2.3333333333333336e-05,
204
+ "loss": 0.6753,
205
+ "step": 140
206
+ },
207
+ {
208
+ "epoch": 0.12564991334488734,
209
+ "grad_norm": 0.1329505294561386,
210
+ "learning_rate": 2.4166666666666667e-05,
211
+ "loss": 0.6448,
212
+ "step": 145
213
+ },
214
+ {
215
+ "epoch": 0.12998266897746968,
216
+ "grad_norm": 0.13544394075870514,
217
+ "learning_rate": 2.5e-05,
218
+ "loss": 0.621,
219
+ "step": 150
220
+ },
221
+ {
222
+ "epoch": 0.134315424610052,
223
+ "grad_norm": 0.1351090520620346,
224
+ "learning_rate": 2.5833333333333336e-05,
225
+ "loss": 0.5997,
226
+ "step": 155
227
+ },
228
+ {
229
+ "epoch": 0.1386481802426343,
230
+ "grad_norm": 0.127303346991539,
231
+ "learning_rate": 2.6666666666666667e-05,
232
+ "loss": 0.5791,
233
+ "step": 160
234
+ },
235
+ {
236
+ "epoch": 0.14298093587521662,
237
+ "grad_norm": 0.1476767510175705,
238
+ "learning_rate": 2.7500000000000004e-05,
239
+ "loss": 0.57,
240
+ "step": 165
241
+ },
242
+ {
243
+ "epoch": 0.14731369150779897,
244
+ "grad_norm": 0.13856437802314758,
245
+ "learning_rate": 2.8333333333333335e-05,
246
+ "loss": 0.5645,
247
+ "step": 170
248
+ },
249
+ {
250
+ "epoch": 0.15164644714038128,
251
+ "grad_norm": 0.1533508449792862,
252
+ "learning_rate": 2.916666666666667e-05,
253
+ "loss": 0.5583,
254
+ "step": 175
255
+ },
256
+ {
257
+ "epoch": 0.1559792027729636,
258
+ "grad_norm": 0.13325001299381256,
259
+ "learning_rate": 3e-05,
260
+ "loss": 0.555,
261
+ "step": 180
262
+ },
263
+ {
264
+ "epoch": 0.16031195840554593,
265
+ "grad_norm": 0.13416974246501923,
266
+ "learning_rate": 3.0833333333333335e-05,
267
+ "loss": 0.5439,
268
+ "step": 185
269
+ },
270
+ {
271
+ "epoch": 0.16464471403812825,
272
+ "grad_norm": 0.1278882771730423,
273
+ "learning_rate": 3.1666666666666666e-05,
274
+ "loss": 0.537,
275
+ "step": 190
276
+ },
277
+ {
278
+ "epoch": 0.16897746967071056,
279
+ "grad_norm": 0.14047101140022278,
280
+ "learning_rate": 3.2500000000000004e-05,
281
+ "loss": 0.5381,
282
+ "step": 195
283
+ },
284
+ {
285
+ "epoch": 0.1733102253032929,
286
+ "grad_norm": 0.13340455293655396,
287
+ "learning_rate": 3.3333333333333335e-05,
288
+ "loss": 0.5344,
289
+ "step": 200
290
+ },
291
+ {
292
+ "epoch": 0.17764298093587522,
293
+ "grad_norm": 0.13049094378948212,
294
+ "learning_rate": 3.4166666666666666e-05,
295
+ "loss": 0.5291,
296
+ "step": 205
297
+ },
298
+ {
299
+ "epoch": 0.18197573656845753,
300
+ "grad_norm": 0.16296444833278656,
301
+ "learning_rate": 3.5e-05,
302
+ "loss": 0.5342,
303
+ "step": 210
304
+ },
305
+ {
306
+ "epoch": 0.18630849220103987,
307
+ "grad_norm": 0.1682613343000412,
308
+ "learning_rate": 3.5833333333333335e-05,
309
+ "loss": 0.5285,
310
+ "step": 215
311
+ },
312
+ {
313
+ "epoch": 0.19064124783362218,
314
+ "grad_norm": 0.1439386010169983,
315
+ "learning_rate": 3.6666666666666666e-05,
316
+ "loss": 0.5268,
317
+ "step": 220
318
+ },
319
+ {
320
+ "epoch": 0.1949740034662045,
321
+ "grad_norm": 0.15248768031597137,
322
+ "learning_rate": 3.7500000000000003e-05,
323
+ "loss": 0.5252,
324
+ "step": 225
325
+ },
326
+ {
327
+ "epoch": 0.19930675909878684,
328
+ "grad_norm": 0.1604214906692505,
329
+ "learning_rate": 3.8333333333333334e-05,
330
+ "loss": 0.5201,
331
+ "step": 230
332
+ },
333
+ {
334
+ "epoch": 0.20363951473136915,
335
+ "grad_norm": 0.16192543506622314,
336
+ "learning_rate": 3.9166666666666665e-05,
337
+ "loss": 0.5222,
338
+ "step": 235
339
+ },
340
+ {
341
+ "epoch": 0.20797227036395147,
342
+ "grad_norm": 0.14945088326931,
343
+ "learning_rate": 4e-05,
344
+ "loss": 0.5158,
345
+ "step": 240
346
+ },
347
+ {
348
+ "epoch": 0.2123050259965338,
349
+ "grad_norm": 0.16204427182674408,
350
+ "learning_rate": 4.0833333333333334e-05,
351
+ "loss": 0.5127,
352
+ "step": 245
353
+ },
354
+ {
355
+ "epoch": 0.21663778162911612,
356
+ "grad_norm": 0.1618306040763855,
357
+ "learning_rate": 4.166666666666667e-05,
358
+ "loss": 0.5181,
359
+ "step": 250
360
+ },
361
+ {
362
+ "epoch": 0.22097053726169844,
363
+ "grad_norm": 0.14193885028362274,
364
+ "learning_rate": 4.25e-05,
365
+ "loss": 0.5164,
366
+ "step": 255
367
+ },
368
+ {
369
+ "epoch": 0.22530329289428075,
370
+ "grad_norm": 0.12552691996097565,
371
+ "learning_rate": 4.3333333333333334e-05,
372
+ "loss": 0.5149,
373
+ "step": 260
374
+ },
375
+ {
376
+ "epoch": 0.2296360485268631,
377
+ "grad_norm": 0.14471225440502167,
378
+ "learning_rate": 4.4166666666666665e-05,
379
+ "loss": 0.5137,
380
+ "step": 265
381
+ },
382
+ {
383
+ "epoch": 0.2339688041594454,
384
+ "grad_norm": 0.13988590240478516,
385
+ "learning_rate": 4.5e-05,
386
+ "loss": 0.5066,
387
+ "step": 270
388
+ },
389
+ {
390
+ "epoch": 0.23830155979202772,
391
+ "grad_norm": 0.13964875042438507,
392
+ "learning_rate": 4.5833333333333334e-05,
393
+ "loss": 0.5116,
394
+ "step": 275
395
+ },
396
+ {
397
+ "epoch": 0.24263431542461006,
398
+ "grad_norm": 0.12847208976745605,
399
+ "learning_rate": 4.666666666666667e-05,
400
+ "loss": 0.5095,
401
+ "step": 280
402
+ },
403
+ {
404
+ "epoch": 0.24696707105719237,
405
+ "grad_norm": 0.13142219185829163,
406
+ "learning_rate": 4.75e-05,
407
+ "loss": 0.5077,
408
+ "step": 285
409
+ },
410
+ {
411
+ "epoch": 0.2512998266897747,
412
+ "grad_norm": 0.19098567962646484,
413
+ "learning_rate": 4.8333333333333334e-05,
414
+ "loss": 0.5099,
415
+ "step": 290
416
+ },
417
+ {
418
+ "epoch": 0.255632582322357,
419
+ "grad_norm": 0.1430283784866333,
420
+ "learning_rate": 4.9166666666666665e-05,
421
+ "loss": 0.5036,
422
+ "step": 295
423
+ },
424
+ {
425
+ "epoch": 0.25996533795493937,
426
+ "grad_norm": 0.12594453990459442,
427
+ "learning_rate": 5e-05,
428
+ "loss": 0.5085,
429
+ "step": 300
430
+ },
431
+ {
432
+ "epoch": 0.26429809358752165,
433
+ "grad_norm": 0.14377984404563904,
434
+ "learning_rate": 4.999577115486055e-05,
435
+ "loss": 0.4978,
436
+ "step": 305
437
+ },
438
+ {
439
+ "epoch": 0.268630849220104,
440
+ "grad_norm": 0.12468158453702927,
441
+ "learning_rate": 4.998308605009268e-05,
442
+ "loss": 0.5095,
443
+ "step": 310
444
+ },
445
+ {
446
+ "epoch": 0.2729636048526863,
447
+ "grad_norm": 0.12854167819023132,
448
+ "learning_rate": 4.996194897716389e-05,
449
+ "loss": 0.5037,
450
+ "step": 315
451
+ },
452
+ {
453
+ "epoch": 0.2772963604852686,
454
+ "grad_norm": 0.13529527187347412,
455
+ "learning_rate": 4.993236708690683e-05,
456
+ "loss": 0.5058,
457
+ "step": 320
458
+ },
459
+ {
460
+ "epoch": 0.28162911611785096,
461
+ "grad_norm": 0.1377994418144226,
462
+ "learning_rate": 4.9894350387100126e-05,
463
+ "loss": 0.4998,
464
+ "step": 325
465
+ },
466
+ {
467
+ "epoch": 0.28596187175043325,
468
+ "grad_norm": 0.14942322671413422,
469
+ "learning_rate": 4.984791173908267e-05,
470
+ "loss": 0.5007,
471
+ "step": 330
472
+ },
473
+ {
474
+ "epoch": 0.2902946273830156,
475
+ "grad_norm": 0.1366725116968155,
476
+ "learning_rate": 4.9793066853402536e-05,
477
+ "loss": 0.5038,
478
+ "step": 335
479
+ },
480
+ {
481
+ "epoch": 0.29462738301559793,
482
+ "grad_norm": 0.13133087754249573,
483
+ "learning_rate": 4.9729834284501995e-05,
484
+ "loss": 0.5062,
485
+ "step": 340
486
+ },
487
+ {
488
+ "epoch": 0.2989601386481802,
489
+ "grad_norm": 0.11725670844316483,
490
+ "learning_rate": 4.965823542444037e-05,
491
+ "loss": 0.5025,
492
+ "step": 345
493
+ },
494
+ {
495
+ "epoch": 0.30329289428076256,
496
+ "grad_norm": 0.10628046840429306,
497
+ "learning_rate": 4.9578294495656965e-05,
498
+ "loss": 0.4999,
499
+ "step": 350
500
+ },
501
+ {
502
+ "epoch": 0.3076256499133449,
503
+ "grad_norm": 0.13826170563697815,
504
+ "learning_rate": 4.949003854277644e-05,
505
+ "loss": 0.4978,
506
+ "step": 355
507
+ },
508
+ {
509
+ "epoch": 0.3119584055459272,
510
+ "grad_norm": 0.1305851936340332,
511
+ "learning_rate": 4.9393497423459376e-05,
512
+ "loss": 0.4997,
513
+ "step": 360
514
+ },
515
+ {
516
+ "epoch": 0.31629116117850953,
517
+ "grad_norm": 0.11465763300657272,
518
+ "learning_rate": 4.928870379830124e-05,
519
+ "loss": 0.5037,
520
+ "step": 365
521
+ },
522
+ {
523
+ "epoch": 0.32062391681109187,
524
+ "grad_norm": 0.15975706279277802,
525
+ "learning_rate": 4.9175693119783013e-05,
526
+ "loss": 0.4982,
527
+ "step": 370
528
+ },
529
+ {
530
+ "epoch": 0.32495667244367415,
531
+ "grad_norm": 0.15360799431800842,
532
+ "learning_rate": 4.905450362027738e-05,
533
+ "loss": 0.5013,
534
+ "step": 375
535
+ },
536
+ {
537
+ "epoch": 0.3292894280762565,
538
+ "grad_norm": 0.14006198942661285,
539
+ "learning_rate": 4.8925176299114416e-05,
540
+ "loss": 0.5008,
541
+ "step": 380
542
+ },
543
+ {
544
+ "epoch": 0.33362218370883884,
545
+ "grad_norm": 0.14255651831626892,
546
+ "learning_rate": 4.878775490871121e-05,
547
+ "loss": 0.4975,
548
+ "step": 385
549
+ },
550
+ {
551
+ "epoch": 0.3379549393414211,
552
+ "grad_norm": 0.12012791633605957,
553
+ "learning_rate": 4.864228593977006e-05,
554
+ "loss": 0.5047,
555
+ "step": 390
556
+ },
557
+ {
558
+ "epoch": 0.34228769497400346,
559
+ "grad_norm": 0.11433300375938416,
560
+ "learning_rate": 4.848881860555035e-05,
561
+ "loss": 0.4986,
562
+ "step": 395
563
+ },
564
+ {
565
+ "epoch": 0.3466204506065858,
566
+ "grad_norm": 0.11102011054754257,
567
+ "learning_rate": 4.832740482521931e-05,
568
+ "loss": 0.4981,
569
+ "step": 400
570
+ },
571
+ {
572
+ "epoch": 0.3509532062391681,
573
+ "grad_norm": 0.12340573221445084,
574
+ "learning_rate": 4.815809920628738e-05,
575
+ "loss": 0.4984,
576
+ "step": 405
577
+ },
578
+ {
579
+ "epoch": 0.35528596187175043,
580
+ "grad_norm": 0.1148650050163269,
581
+ "learning_rate": 4.7980959026134044e-05,
582
+ "loss": 0.4942,
583
+ "step": 410
584
+ },
585
+ {
586
+ "epoch": 0.3596187175043328,
587
+ "grad_norm": 0.10840712487697601,
588
+ "learning_rate": 4.7796044212630486e-05,
589
+ "loss": 0.4903,
590
+ "step": 415
591
+ },
592
+ {
593
+ "epoch": 0.36395147313691506,
594
+ "grad_norm": 0.11093516647815704,
595
+ "learning_rate": 4.7603417323865547e-05,
596
+ "loss": 0.4957,
597
+ "step": 420
598
+ },
599
+ {
600
+ "epoch": 0.3682842287694974,
601
+ "grad_norm": 0.1237047016620636,
602
+ "learning_rate": 4.74031435269818e-05,
603
+ "loss": 0.499,
604
+ "step": 425
605
+ },
606
+ {
607
+ "epoch": 0.37261698440207974,
608
+ "grad_norm": 0.11613244563341141,
609
+ "learning_rate": 4.7195290576129034e-05,
610
+ "loss": 0.4959,
611
+ "step": 430
612
+ },
613
+ {
614
+ "epoch": 0.37694974003466203,
615
+ "grad_norm": 0.10890854150056839,
616
+ "learning_rate": 4.697992878954255e-05,
617
+ "loss": 0.4944,
618
+ "step": 435
619
+ },
620
+ {
621
+ "epoch": 0.38128249566724437,
622
+ "grad_norm": 0.11364572495222092,
623
+ "learning_rate": 4.6757131025753886e-05,
624
+ "loss": 0.4909,
625
+ "step": 440
626
+ },
627
+ {
628
+ "epoch": 0.3856152512998267,
629
+ "grad_norm": 0.12619757652282715,
630
+ "learning_rate": 4.652697265894228e-05,
631
+ "loss": 0.4966,
632
+ "step": 445
633
+ },
634
+ {
635
+ "epoch": 0.389948006932409,
636
+ "grad_norm": 0.11669816076755524,
637
+ "learning_rate": 4.628953155343499e-05,
638
+ "loss": 0.4956,
639
+ "step": 450
640
+ },
641
+ {
642
+ "epoch": 0.39428076256499134,
643
+ "grad_norm": 0.13808482885360718,
644
+ "learning_rate": 4.604488803736523e-05,
645
+ "loss": 0.4973,
646
+ "step": 455
647
+ },
648
+ {
649
+ "epoch": 0.3986135181975737,
650
+ "grad_norm": 0.11171045899391174,
651
+ "learning_rate": 4.579312487549649e-05,
652
+ "loss": 0.4903,
653
+ "step": 460
654
+ },
655
+ {
656
+ "epoch": 0.40294627383015597,
657
+ "grad_norm": 0.11149395257234573,
658
+ "learning_rate": 4.553432724122265e-05,
659
+ "loss": 0.4999,
660
+ "step": 465
661
+ },
662
+ {
663
+ "epoch": 0.4072790294627383,
664
+ "grad_norm": 0.11308333277702332,
665
+ "learning_rate": 4.526858268775313e-05,
666
+ "loss": 0.4967,
667
+ "step": 470
668
+ },
669
+ {
670
+ "epoch": 0.41161178509532065,
671
+ "grad_norm": 0.10610105097293854,
672
+ "learning_rate": 4.499598111849299e-05,
673
+ "loss": 0.4936,
674
+ "step": 475
675
+ },
676
+ {
677
+ "epoch": 0.41594454072790293,
678
+ "grad_norm": 0.11356962472200394,
679
+ "learning_rate": 4.471661475662792e-05,
680
+ "loss": 0.493,
681
+ "step": 480
682
+ },
683
+ {
684
+ "epoch": 0.4202772963604853,
685
+ "grad_norm": 0.10310888290405273,
686
+ "learning_rate": 4.443057811392445e-05,
687
+ "loss": 0.5002,
688
+ "step": 485
689
+ },
690
+ {
691
+ "epoch": 0.4246100519930676,
692
+ "grad_norm": 0.11358631402254105,
693
+ "learning_rate": 4.413796795875586e-05,
694
+ "loss": 0.4983,
695
+ "step": 490
696
+ },
697
+ {
698
+ "epoch": 0.4289428076256499,
699
+ "grad_norm": 0.12575574219226837,
700
+ "learning_rate": 4.383888328336476e-05,
701
+ "loss": 0.4949,
702
+ "step": 495
703
+ },
704
+ {
705
+ "epoch": 0.43327556325823224,
706
+ "grad_norm": 0.09878399968147278,
707
+ "learning_rate": 4.3533425270373216e-05,
708
+ "loss": 0.4953,
709
+ "step": 500
710
+ },
711
+ {
712
+ "epoch": 0.43327556325823224,
713
+ "eval_loss": 0.4938061535358429,
714
+ "eval_runtime": 140.4236,
715
+ "eval_samples_per_second": 2.685,
716
+ "eval_steps_per_second": 0.677,
717
+ "step": 500
718
+ },
719
+ {
720
+ "epoch": 0.4376083188908146,
721
+ "grad_norm": 0.11693672835826874,
722
+ "learning_rate": 4.3221697258551906e-05,
723
+ "loss": 0.4934,
724
+ "step": 505
725
+ },
726
+ {
727
+ "epoch": 0.44194107452339687,
728
+ "grad_norm": 0.11737816035747528,
729
+ "learning_rate": 4.2903804707859835e-05,
730
+ "loss": 0.4934,
731
+ "step": 510
732
+ },
733
+ {
734
+ "epoch": 0.4462738301559792,
735
+ "grad_norm": 0.11542918533086777,
736
+ "learning_rate": 4.257985516376644e-05,
737
+ "loss": 0.4927,
738
+ "step": 515
739
+ },
740
+ {
741
+ "epoch": 0.4506065857885615,
742
+ "grad_norm": 0.10959002375602722,
743
+ "learning_rate": 4.224995822086812e-05,
744
+ "loss": 0.4935,
745
+ "step": 520
746
+ },
747
+ {
748
+ "epoch": 0.45493934142114384,
749
+ "grad_norm": 0.10852424800395966,
750
+ "learning_rate": 4.191422548581154e-05,
751
+ "loss": 0.4947,
752
+ "step": 525
753
+ },
754
+ {
755
+ "epoch": 0.4592720970537262,
756
+ "grad_norm": 0.11614954471588135,
757
+ "learning_rate": 4.157277053953631e-05,
758
+ "loss": 0.4935,
759
+ "step": 530
760
+ },
761
+ {
762
+ "epoch": 0.46360485268630847,
763
+ "grad_norm": 0.11209428310394287,
764
+ "learning_rate": 4.1225708898849594e-05,
765
+ "loss": 0.4975,
766
+ "step": 535
767
+ },
768
+ {
769
+ "epoch": 0.4679376083188908,
770
+ "grad_norm": 0.11714442819356918,
771
+ "learning_rate": 4.0873157977346e-05,
772
+ "loss": 0.4923,
773
+ "step": 540
774
+ },
775
+ {
776
+ "epoch": 0.47227036395147315,
777
+ "grad_norm": 0.1179489716887474,
778
+ "learning_rate": 4.051523704568557e-05,
779
+ "loss": 0.4939,
780
+ "step": 545
781
+ },
782
+ {
783
+ "epoch": 0.47660311958405543,
784
+ "grad_norm": 0.11872310936450958,
785
+ "learning_rate": 4.0152067191243696e-05,
786
+ "loss": 0.4927,
787
+ "step": 550
788
+ },
789
+ {
790
+ "epoch": 0.4809358752166378,
791
+ "grad_norm": 0.1182030588388443,
792
+ "learning_rate": 3.978377127714628e-05,
793
+ "loss": 0.4908,
794
+ "step": 555
795
+ },
796
+ {
797
+ "epoch": 0.4852686308492201,
798
+ "grad_norm": 0.11203285306692123,
799
+ "learning_rate": 3.941047390070419e-05,
800
+ "loss": 0.4898,
801
+ "step": 560
802
+ },
803
+ {
804
+ "epoch": 0.4896013864818024,
805
+ "grad_norm": 0.10341402143239975,
806
+ "learning_rate": 3.903230135126113e-05,
807
+ "loss": 0.4899,
808
+ "step": 565
809
+ },
810
+ {
811
+ "epoch": 0.49393414211438474,
812
+ "grad_norm": 0.11410869657993317,
813
+ "learning_rate": 3.864938156746891e-05,
814
+ "loss": 0.4914,
815
+ "step": 570
816
+ },
817
+ {
818
+ "epoch": 0.4982668977469671,
819
+ "grad_norm": 0.11390075832605362,
820
+ "learning_rate": 3.8261844094004815e-05,
821
+ "loss": 0.4922,
822
+ "step": 575
823
+ },
824
+ {
825
+ "epoch": 0.5025996533795494,
826
+ "grad_norm": 0.10876569896936417,
827
+ "learning_rate": 3.7869820037745776e-05,
828
+ "loss": 0.4964,
829
+ "step": 580
830
+ },
831
+ {
832
+ "epoch": 0.5069324090121318,
833
+ "grad_norm": 0.11602895706892014,
834
+ "learning_rate": 3.747344202341373e-05,
835
+ "loss": 0.4945,
836
+ "step": 585
837
+ },
838
+ {
839
+ "epoch": 0.511265164644714,
840
+ "grad_norm": 0.12035666406154633,
841
+ "learning_rate": 3.707284414870786e-05,
842
+ "loss": 0.499,
843
+ "step": 590
844
+ },
845
+ {
846
+ "epoch": 0.5155979202772963,
847
+ "grad_norm": 0.1848023533821106,
848
+ "learning_rate": 3.666816193893817e-05,
849
+ "loss": 0.4947,
850
+ "step": 595
851
+ },
852
+ {
853
+ "epoch": 0.5199306759098787,
854
+ "grad_norm": 0.12017575651407242,
855
+ "learning_rate": 3.6259532301176335e-05,
856
+ "loss": 0.4905,
857
+ "step": 600
858
+ },
859
+ {
860
+ "epoch": 0.524263431542461,
861
+ "grad_norm": 0.10070477426052094,
862
+ "learning_rate": 3.5847093477938956e-05,
863
+ "loss": 0.4974,
864
+ "step": 605
865
+ },
866
+ {
867
+ "epoch": 0.5285961871750433,
868
+ "grad_norm": 0.11581992357969284,
869
+ "learning_rate": 3.543098500041906e-05,
870
+ "loss": 0.4927,
871
+ "step": 610
872
+ },
873
+ {
874
+ "epoch": 0.5329289428076257,
875
+ "grad_norm": 0.09777580201625824,
876
+ "learning_rate": 3.501134764128167e-05,
877
+ "loss": 0.4907,
878
+ "step": 615
879
+ },
880
+ {
881
+ "epoch": 0.537261698440208,
882
+ "grad_norm": 0.10121456533670425,
883
+ "learning_rate": 3.458832336703929e-05,
884
+ "loss": 0.491,
885
+ "step": 620
886
+ },
887
+ {
888
+ "epoch": 0.5415944540727903,
889
+ "grad_norm": 0.10312589257955551,
890
+ "learning_rate": 3.416205529002363e-05,
891
+ "loss": 0.4942,
892
+ "step": 625
893
+ },
894
+ {
895
+ "epoch": 0.5459272097053726,
896
+ "grad_norm": 0.10299069434404373,
897
+ "learning_rate": 3.37326876199695e-05,
898
+ "loss": 0.493,
899
+ "step": 630
900
+ },
901
+ {
902
+ "epoch": 0.550259965337955,
903
+ "grad_norm": 0.11771389842033386,
904
+ "learning_rate": 3.3300365615227685e-05,
905
+ "loss": 0.4942,
906
+ "step": 635
907
+ },
908
+ {
909
+ "epoch": 0.5545927209705372,
910
+ "grad_norm": 0.1121087372303009,
911
+ "learning_rate": 3.286523553362287e-05,
912
+ "loss": 0.4946,
913
+ "step": 640
914
+ },
915
+ {
916
+ "epoch": 0.5589254766031195,
917
+ "grad_norm": 0.10604743659496307,
918
+ "learning_rate": 3.242744458297348e-05,
919
+ "loss": 0.4907,
920
+ "step": 645
921
+ },
922
+ {
923
+ "epoch": 0.5632582322357019,
924
+ "grad_norm": 0.10975582152605057,
925
+ "learning_rate": 3.1987140871290236e-05,
926
+ "loss": 0.4889,
927
+ "step": 650
928
+ },
929
+ {
930
+ "epoch": 0.5675909878682842,
931
+ "grad_norm": 0.10636895149946213,
932
+ "learning_rate": 3.154447335667001e-05,
933
+ "loss": 0.4935,
934
+ "step": 655
935
+ },
936
+ {
937
+ "epoch": 0.5719237435008665,
938
+ "grad_norm": 0.10076680779457092,
939
+ "learning_rate": 3.1099591796902215e-05,
940
+ "loss": 0.4925,
941
+ "step": 660
942
+ },
943
+ {
944
+ "epoch": 0.5762564991334489,
945
+ "grad_norm": 0.10885344445705414,
946
+ "learning_rate": 3.0652646698804585e-05,
947
+ "loss": 0.4892,
948
+ "step": 665
949
+ },
950
+ {
951
+ "epoch": 0.5805892547660312,
952
+ "grad_norm": 0.11372784525156021,
953
+ "learning_rate": 3.0203789267305567e-05,
954
+ "loss": 0.4918,
955
+ "step": 670
956
+ },
957
+ {
958
+ "epoch": 0.5849220103986135,
959
+ "grad_norm": 0.11742879450321198,
960
+ "learning_rate": 2.975317135429056e-05,
961
+ "loss": 0.4885,
962
+ "step": 675
963
+ },
964
+ {
965
+ "epoch": 0.5892547660311959,
966
+ "grad_norm": 0.09908663481473923,
967
+ "learning_rate": 2.930094540722927e-05,
968
+ "loss": 0.4889,
969
+ "step": 680
970
+ },
971
+ {
972
+ "epoch": 0.5935875216637782,
973
+ "grad_norm": 0.11032566428184509,
974
+ "learning_rate": 2.884726441760155e-05,
975
+ "loss": 0.4936,
976
+ "step": 685
977
+ },
978
+ {
979
+ "epoch": 0.5979202772963604,
980
+ "grad_norm": 0.11033419519662857,
981
+ "learning_rate": 2.8392281869139213e-05,
982
+ "loss": 0.4925,
983
+ "step": 690
984
+ },
985
+ {
986
+ "epoch": 0.6022530329289428,
987
+ "grad_norm": 0.12115441262722015,
988
+ "learning_rate": 2.7936151685901373e-05,
989
+ "loss": 0.49,
990
+ "step": 695
991
+ },
992
+ {
993
+ "epoch": 0.6065857885615251,
994
+ "grad_norm": 0.13125091791152954,
995
+ "learning_rate": 2.747902818020067e-05,
996
+ "loss": 0.4919,
997
+ "step": 700
998
+ },
999
+ {
1000
+ "epoch": 0.6109185441941074,
1001
+ "grad_norm": 0.11565785109996796,
1002
+ "learning_rate": 2.7021066000398344e-05,
1003
+ "loss": 0.4928,
1004
+ "step": 705
1005
+ },
1006
+ {
1007
+ "epoch": 0.6152512998266898,
1008
+ "grad_norm": 0.12640348076820374,
1009
+ "learning_rate": 2.6562420078585433e-05,
1010
+ "loss": 0.489,
1011
+ "step": 710
1012
+ },
1013
+ {
1014
+ "epoch": 0.6195840554592721,
1015
+ "grad_norm": 0.12297876179218292,
1016
+ "learning_rate": 2.6103245578168106e-05,
1017
+ "loss": 0.4919,
1018
+ "step": 715
1019
+ },
1020
+ {
1021
+ "epoch": 0.6239168110918544,
1022
+ "grad_norm": 0.10511300712823868,
1023
+ "learning_rate": 2.564369784137472e-05,
1024
+ "loss": 0.4883,
1025
+ "step": 720
1026
+ },
1027
+ {
1028
+ "epoch": 0.6282495667244368,
1029
+ "grad_norm": 0.10803347080945969,
1030
+ "learning_rate": 2.5183932336702297e-05,
1031
+ "loss": 0.4909,
1032
+ "step": 725
1033
+ },
1034
+ {
1035
+ "epoch": 0.6325823223570191,
1036
+ "grad_norm": 0.11415662616491318,
1037
+ "learning_rate": 2.4724104606320445e-05,
1038
+ "loss": 0.4878,
1039
+ "step": 730
1040
+ },
1041
+ {
1042
+ "epoch": 0.6369150779896013,
1043
+ "grad_norm": 0.10404873639345169,
1044
+ "learning_rate": 2.426437021345015e-05,
1045
+ "loss": 0.4901,
1046
+ "step": 735
1047
+ },
1048
+ {
1049
+ "epoch": 0.6412478336221837,
1050
+ "grad_norm": 0.11284226924180984,
1051
+ "learning_rate": 2.3804884689735642e-05,
1052
+ "loss": 0.4906,
1053
+ "step": 740
1054
+ },
1055
+ {
1056
+ "epoch": 0.645580589254766,
1057
+ "grad_norm": 0.1138242855668068,
1058
+ "learning_rate": 2.3345803482626797e-05,
1059
+ "loss": 0.494,
1060
+ "step": 745
1061
+ },
1062
+ {
1063
+ "epoch": 0.6499133448873483,
1064
+ "grad_norm": 0.18223117291927338,
1065
+ "learning_rate": 2.288728190279014e-05,
1066
+ "loss": 0.4886,
1067
+ "step": 750
1068
+ },
1069
+ {
1070
+ "epoch": 0.6542461005199307,
1071
+ "grad_norm": 0.1119702160358429,
1072
+ "learning_rate": 2.2429475071565987e-05,
1073
+ "loss": 0.4908,
1074
+ "step": 755
1075
+ },
1076
+ {
1077
+ "epoch": 0.658578856152513,
1078
+ "grad_norm": 0.11668991297483444,
1079
+ "learning_rate": 2.1972537868489797e-05,
1080
+ "loss": 0.4896,
1081
+ "step": 760
1082
+ },
1083
+ {
1084
+ "epoch": 0.6629116117850953,
1085
+ "grad_norm": 0.10587523132562637,
1086
+ "learning_rate": 2.151662487889518e-05,
1087
+ "loss": 0.4885,
1088
+ "step": 765
1089
+ },
1090
+ {
1091
+ "epoch": 0.6672443674176777,
1092
+ "grad_norm": 0.10824766755104065,
1093
+ "learning_rate": 2.1061890341616558e-05,
1094
+ "loss": 0.4873,
1095
+ "step": 770
1096
+ },
1097
+ {
1098
+ "epoch": 0.67157712305026,
1099
+ "grad_norm": 0.11111487448215485,
1100
+ "learning_rate": 2.060848809680893e-05,
1101
+ "loss": 0.4853,
1102
+ "step": 775
1103
+ },
1104
+ {
1105
+ "epoch": 0.6759098786828422,
1106
+ "grad_norm": 0.10754924267530441,
1107
+ "learning_rate": 2.0156571533902627e-05,
1108
+ "loss": 0.4849,
1109
+ "step": 780
1110
+ },
1111
+ {
1112
+ "epoch": 0.6802426343154246,
1113
+ "grad_norm": 0.10407605022192001,
1114
+ "learning_rate": 1.97062935397105e-05,
1115
+ "loss": 0.488,
1116
+ "step": 785
1117
+ },
1118
+ {
1119
+ "epoch": 0.6845753899480069,
1120
+ "grad_norm": 0.1077013909816742,
1121
+ "learning_rate": 1.9257806446705116e-05,
1122
+ "loss": 0.4867,
1123
+ "step": 790
1124
+ },
1125
+ {
1126
+ "epoch": 0.6889081455805892,
1127
+ "grad_norm": 0.11459195613861084,
1128
+ "learning_rate": 1.8811261981483548e-05,
1129
+ "loss": 0.4911,
1130
+ "step": 795
1131
+ },
1132
+ {
1133
+ "epoch": 0.6932409012131716,
1134
+ "grad_norm": 0.12345458567142487,
1135
+ "learning_rate": 1.8366811213437092e-05,
1136
+ "loss": 0.4888,
1137
+ "step": 800
1138
+ },
1139
+ {
1140
+ "epoch": 0.6975736568457539,
1141
+ "grad_norm": 0.10806908458471298,
1142
+ "learning_rate": 1.7924604503643367e-05,
1143
+ "loss": 0.4903,
1144
+ "step": 805
1145
+ },
1146
+ {
1147
+ "epoch": 0.7019064124783362,
1148
+ "grad_norm": 0.12911449372768402,
1149
+ "learning_rate": 1.7484791453998006e-05,
1150
+ "loss": 0.4874,
1151
+ "step": 810
1152
+ },
1153
+ {
1154
+ "epoch": 0.7062391681109186,
1155
+ "grad_norm": 0.11117111146450043,
1156
+ "learning_rate": 1.7047520856603183e-05,
1157
+ "loss": 0.4895,
1158
+ "step": 815
1159
+ },
1160
+ {
1161
+ "epoch": 0.7105719237435009,
1162
+ "grad_norm": 0.10993503779172897,
1163
+ "learning_rate": 1.6612940643430138e-05,
1164
+ "loss": 0.4909,
1165
+ "step": 820
1166
+ },
1167
+ {
1168
+ "epoch": 0.7149046793760832,
1169
+ "grad_norm": 0.10971593856811523,
1170
+ "learning_rate": 1.618119783627263e-05,
1171
+ "loss": 0.4898,
1172
+ "step": 825
1173
+ },
1174
+ {
1175
+ "epoch": 0.7192374350086655,
1176
+ "grad_norm": 0.12124701589345932,
1177
+ "learning_rate": 1.5752438497008405e-05,
1178
+ "loss": 0.4886,
1179
+ "step": 830
1180
+ },
1181
+ {
1182
+ "epoch": 0.7235701906412478,
1183
+ "grad_norm": 0.10207706689834595,
1184
+ "learning_rate": 1.5326807678185267e-05,
1185
+ "loss": 0.4893,
1186
+ "step": 835
1187
+ },
1188
+ {
1189
+ "epoch": 0.7279029462738301,
1190
+ "grad_norm": 0.10885774344205856,
1191
+ "learning_rate": 1.490444937394879e-05,
1192
+ "loss": 0.4891,
1193
+ "step": 840
1194
+ },
1195
+ {
1196
+ "epoch": 0.7322357019064125,
1197
+ "grad_norm": 0.10901923477649689,
1198
+ "learning_rate": 1.4485506471327914e-05,
1199
+ "loss": 0.4968,
1200
+ "step": 845
1201
+ },
1202
+ {
1203
+ "epoch": 0.7365684575389948,
1204
+ "grad_norm": 0.11790922284126282,
1205
+ "learning_rate": 1.407012070189524e-05,
1206
+ "loss": 0.4861,
1207
+ "step": 850
1208
+ },
1209
+ {
1210
+ "epoch": 0.7409012131715771,
1211
+ "grad_norm": 0.11575620621442795,
1212
+ "learning_rate": 1.3658432593818149e-05,
1213
+ "loss": 0.4888,
1214
+ "step": 855
1215
+ },
1216
+ {
1217
+ "epoch": 0.7452339688041595,
1218
+ "grad_norm": 0.11284902691841125,
1219
+ "learning_rate": 1.325058142431701e-05,
1220
+ "loss": 0.4879,
1221
+ "step": 860
1222
+ },
1223
+ {
1224
+ "epoch": 0.7495667244367418,
1225
+ "grad_norm": 0.11264630407094955,
1226
+ "learning_rate": 1.2846705172546675e-05,
1227
+ "loss": 0.4909,
1228
+ "step": 865
1229
+ },
1230
+ {
1231
+ "epoch": 0.7538994800693241,
1232
+ "grad_norm": 0.11645620316267014,
1233
+ "learning_rate": 1.2446940472917099e-05,
1234
+ "loss": 0.485,
1235
+ "step": 870
1236
+ },
1237
+ {
1238
+ "epoch": 0.7582322357019065,
1239
+ "grad_norm": 0.10355979204177856,
1240
+ "learning_rate": 1.2051422568868833e-05,
1241
+ "loss": 0.4891,
1242
+ "step": 875
1243
+ },
1244
+ {
1245
+ "epoch": 0.7625649913344887,
1246
+ "grad_norm": 0.10600101947784424,
1247
+ "learning_rate": 1.1660285267119167e-05,
1248
+ "loss": 0.4903,
1249
+ "step": 880
1250
+ },
1251
+ {
1252
+ "epoch": 0.766897746967071,
1253
+ "grad_norm": 0.11851372569799423,
1254
+ "learning_rate": 1.1273660892394297e-05,
1255
+ "loss": 0.4895,
1256
+ "step": 885
1257
+ },
1258
+ {
1259
+ "epoch": 0.7712305025996534,
1260
+ "grad_norm": 0.11533911526203156,
1261
+ "learning_rate": 1.0891680242662835e-05,
1262
+ "loss": 0.4843,
1263
+ "step": 890
1264
+ },
1265
+ {
1266
+ "epoch": 0.7755632582322357,
1267
+ "grad_norm": 0.09746929258108139,
1268
+ "learning_rate": 1.051447254488591e-05,
1269
+ "loss": 0.4894,
1270
+ "step": 895
1271
+ },
1272
+ {
1273
+ "epoch": 0.779896013864818,
1274
+ "grad_norm": 0.1193188726902008,
1275
+ "learning_rate": 1.0142165411298662e-05,
1276
+ "loss": 0.4884,
1277
+ "step": 900
1278
+ },
1279
+ {
1280
+ "epoch": 0.7842287694974004,
1281
+ "grad_norm": 0.11370085179805756,
1282
+ "learning_rate": 9.774884796238085e-06,
1283
+ "loss": 0.49,
1284
+ "step": 905
1285
+ },
1286
+ {
1287
+ "epoch": 0.7885615251299827,
1288
+ "grad_norm": 0.1011599749326706,
1289
+ "learning_rate": 9.412754953531663e-06,
1290
+ "loss": 0.4884,
1291
+ "step": 910
1292
+ },
1293
+ {
1294
+ "epoch": 0.792894280762565,
1295
+ "grad_norm": 0.11001604050397873,
1296
+ "learning_rate": 9.055898394461423e-06,
1297
+ "loss": 0.4883,
1298
+ "step": 915
1299
+ },
1300
+ {
1301
+ "epoch": 0.7972270363951474,
1302
+ "grad_norm": 0.11630392074584961,
1303
+ "learning_rate": 8.704435846317386e-06,
1304
+ "loss": 0.4869,
1305
+ "step": 920
1306
+ },
1307
+ {
1308
+ "epoch": 0.8015597920277296,
1309
+ "grad_norm": 0.10578346997499466,
1310
+ "learning_rate": 8.358486211554637e-06,
1311
+ "loss": 0.4887,
1312
+ "step": 925
1313
+ },
1314
+ {
1315
+ "epoch": 0.8058925476603119,
1316
+ "grad_norm": 0.11845128238201141,
1317
+ "learning_rate": 8.018166527567672e-06,
1318
+ "loss": 0.4852,
1319
+ "step": 930
1320
+ },
1321
+ {
1322
+ "epoch": 0.8102253032928943,
1323
+ "grad_norm": 0.10032304376363754,
1324
+ "learning_rate": 7.683591927095824e-06,
1325
+ "loss": 0.4865,
1326
+ "step": 935
1327
+ },
1328
+ {
1329
+ "epoch": 0.8145580589254766,
1330
+ "grad_norm": 0.10029744356870651,
1331
+ "learning_rate": 7.354875599272928e-06,
1332
+ "loss": 0.4902,
1333
+ "step": 940
1334
+ },
1335
+ {
1336
+ "epoch": 0.8188908145580589,
1337
+ "grad_norm": 0.10729606449604034,
1338
+ "learning_rate": 7.0321287513346074e-06,
1339
+ "loss": 0.4879,
1340
+ "step": 945
1341
+ },
1342
+ {
1343
+ "epoch": 0.8232235701906413,
1344
+ "grad_norm": 0.11077585816383362,
1345
+ "learning_rate": 6.715460570995988e-06,
1346
+ "loss": 0.4905,
1347
+ "step": 950
1348
+ },
1349
+ {
1350
+ "epoch": 0.8275563258232236,
1351
+ "grad_norm": 0.112645223736763,
1352
+ "learning_rate": 6.404978189512681e-06,
1353
+ "loss": 0.492,
1354
+ "step": 955
1355
+ },
1356
+ {
1357
+ "epoch": 0.8318890814558059,
1358
+ "grad_norm": 0.11094575375318527,
1359
+ "learning_rate": 6.100786645437481e-06,
1360
+ "loss": 0.4855,
1361
+ "step": 960
1362
+ },
1363
+ {
1364
+ "epoch": 0.8362218370883883,
1365
+ "grad_norm": 0.10790159553289413,
1366
+ "learning_rate": 5.8029888490850005e-06,
1367
+ "loss": 0.4942,
1368
+ "step": 965
1369
+ },
1370
+ {
1371
+ "epoch": 0.8405545927209706,
1372
+ "grad_norm": 0.11253953725099564,
1373
+ "learning_rate": 5.511685547716328e-06,
1374
+ "loss": 0.4829,
1375
+ "step": 970
1376
+ },
1377
+ {
1378
+ "epoch": 0.8448873483535528,
1379
+ "grad_norm": 0.11395300179719925,
1380
+ "learning_rate": 5.226975291455477e-06,
1381
+ "loss": 0.4856,
1382
+ "step": 975
1383
+ },
1384
+ {
1385
+ "epoch": 0.8492201039861352,
1386
+ "grad_norm": 0.1128508597612381,
1387
+ "learning_rate": 4.9489543999491045e-06,
1388
+ "loss": 0.4852,
1389
+ "step": 980
1390
+ },
1391
+ {
1392
+ "epoch": 0.8535528596187175,
1393
+ "grad_norm": 0.11124628782272339,
1394
+ "learning_rate": 4.67771692978087e-06,
1395
+ "loss": 0.4885,
1396
+ "step": 985
1397
+ },
1398
+ {
1399
+ "epoch": 0.8578856152512998,
1400
+ "grad_norm": 0.10993985086679459,
1401
+ "learning_rate": 4.413354642651369e-06,
1402
+ "loss": 0.4867,
1403
+ "step": 990
1404
+ },
1405
+ {
1406
+ "epoch": 0.8622183708838822,
1407
+ "grad_norm": 0.1036507710814476,
1408
+ "learning_rate": 4.1559569743344405e-06,
1409
+ "loss": 0.4839,
1410
+ "step": 995
1411
+ },
1412
+ {
1413
+ "epoch": 0.8665511265164645,
1414
+ "grad_norm": 0.10577788203954697,
1415
+ "learning_rate": 3.90561100442036e-06,
1416
+ "loss": 0.4909,
1417
+ "step": 1000
1418
+ },
1419
+ {
1420
+ "epoch": 0.8665511265164645,
1421
+ "eval_loss": 0.48741263151168823,
1422
+ "eval_runtime": 139.1562,
1423
+ "eval_samples_per_second": 2.709,
1424
+ "eval_steps_per_second": 0.683,
1425
+ "step": 1000
1426
+ },
1427
+ {
1428
+ "epoch": 0.8708838821490468,
1429
+ "grad_norm": 0.10687436163425446,
1430
+ "learning_rate": 3.662401426856177e-06,
1431
+ "loss": 0.4912,
1432
+ "step": 1005
1433
+ },
1434
+ {
1435
+ "epoch": 0.8752166377816292,
1436
+ "grad_norm": 0.10468524694442749,
1437
+ "learning_rate": 3.4264105212930915e-06,
1438
+ "loss": 0.4882,
1439
+ "step": 1010
1440
+ },
1441
+ {
1442
+ "epoch": 0.8795493934142115,
1443
+ "grad_norm": 0.11409106850624084,
1444
+ "learning_rate": 3.197718125250618e-06,
1445
+ "loss": 0.4834,
1446
+ "step": 1015
1447
+ },
1448
+ {
1449
+ "epoch": 0.8838821490467937,
1450
+ "grad_norm": 0.1069907397031784,
1451
+ "learning_rate": 2.9764016071069434e-06,
1452
+ "loss": 0.4881,
1453
+ "step": 1020
1454
+ },
1455
+ {
1456
+ "epoch": 0.8882149046793761,
1457
+ "grad_norm": 0.10976656526327133,
1458
+ "learning_rate": 2.7625358399246376e-06,
1459
+ "loss": 0.4852,
1460
+ "step": 1025
1461
+ },
1462
+ {
1463
+ "epoch": 0.8925476603119584,
1464
+ "grad_norm": 0.11071466654539108,
1465
+ "learning_rate": 2.5561931761205082e-06,
1466
+ "loss": 0.4879,
1467
+ "step": 1030
1468
+ },
1469
+ {
1470
+ "epoch": 0.8968804159445407,
1471
+ "grad_norm": 0.10794007033109665,
1472
+ "learning_rate": 2.3574434229882145e-06,
1473
+ "loss": 0.4865,
1474
+ "step": 1035
1475
+ },
1476
+ {
1477
+ "epoch": 0.901213171577123,
1478
+ "grad_norm": 0.11333485692739487,
1479
+ "learning_rate": 2.166353819081968e-06,
1480
+ "loss": 0.4855,
1481
+ "step": 1040
1482
+ },
1483
+ {
1484
+ "epoch": 0.9055459272097054,
1485
+ "grad_norm": 0.10130605846643448,
1486
+ "learning_rate": 1.982989011469172e-06,
1487
+ "loss": 0.4868,
1488
+ "step": 1045
1489
+ },
1490
+ {
1491
+ "epoch": 0.9098786828422877,
1492
+ "grad_norm": 0.10454142093658447,
1493
+ "learning_rate": 1.8074110338598682e-06,
1494
+ "loss": 0.487,
1495
+ "step": 1050
1496
+ },
1497
+ {
1498
+ "epoch": 0.91421143847487,
1499
+ "grad_norm": 0.10157745331525803,
1500
+ "learning_rate": 1.6396792856202298e-06,
1501
+ "loss": 0.4881,
1502
+ "step": 1055
1503
+ },
1504
+ {
1505
+ "epoch": 0.9185441941074524,
1506
+ "grad_norm": 0.11562693864107132,
1507
+ "learning_rate": 1.479850511677322e-06,
1508
+ "loss": 0.4877,
1509
+ "step": 1060
1510
+ },
1511
+ {
1512
+ "epoch": 0.9228769497400346,
1513
+ "grad_norm": 0.12777337431907654,
1514
+ "learning_rate": 1.3279787833218537e-06,
1515
+ "loss": 0.4886,
1516
+ "step": 1065
1517
+ },
1518
+ {
1519
+ "epoch": 0.9272097053726169,
1520
+ "grad_norm": 0.10074026137590408,
1521
+ "learning_rate": 1.1841154799154374e-06,
1522
+ "loss": 0.4856,
1523
+ "step": 1070
1524
+ },
1525
+ {
1526
+ "epoch": 0.9315424610051993,
1527
+ "grad_norm": 0.11187005788087845,
1528
+ "learning_rate": 1.0483092715085879e-06,
1529
+ "loss": 0.4872,
1530
+ "step": 1075
1531
+ },
1532
+ {
1533
+ "epoch": 0.9358752166377816,
1534
+ "grad_norm": 0.10271576046943665,
1535
+ "learning_rate": 9.206061023752516e-07,
1536
+ "loss": 0.4867,
1537
+ "step": 1080
1538
+ },
1539
+ {
1540
+ "epoch": 0.9402079722703639,
1541
+ "grad_norm": 0.11686773598194122,
1542
+ "learning_rate": 8.010491754695177e-07,
1543
+ "loss": 0.4868,
1544
+ "step": 1085
1545
+ },
1546
+ {
1547
+ "epoch": 0.9445407279029463,
1548
+ "grad_norm": 0.12068697810173035,
1549
+ "learning_rate": 6.896789378097179e-07,
1550
+ "loss": 0.4911,
1551
+ "step": 1090
1552
+ },
1553
+ {
1554
+ "epoch": 0.9488734835355286,
1555
+ "grad_norm": 0.10469616949558258,
1556
+ "learning_rate": 5.865330667949115e-07,
1557
+ "loss": 0.485,
1558
+ "step": 1095
1559
+ },
1560
+ {
1561
+ "epoch": 0.9532062391681109,
1562
+ "grad_norm": 0.11302938312292099,
1563
+ "learning_rate": 4.916464574583251e-07,
1564
+ "loss": 0.4864,
1565
+ "step": 1100
1566
+ },
1567
+ {
1568
+ "epoch": 0.9575389948006933,
1569
+ "grad_norm": 0.11449886858463287,
1570
+ "learning_rate": 4.050512106620913e-07,
1571
+ "loss": 0.4873,
1572
+ "step": 1105
1573
+ },
1574
+ {
1575
+ "epoch": 0.9618717504332756,
1576
+ "grad_norm": 0.1062023788690567,
1577
+ "learning_rate": 3.267766222372931e-07,
1578
+ "loss": 0.4885,
1579
+ "step": 1110
1580
+ },
1581
+ {
1582
+ "epoch": 0.9662045060658578,
1583
+ "grad_norm": 0.11473377794027328,
1584
+ "learning_rate": 2.568491730729539e-07,
1585
+ "loss": 0.4869,
1586
+ "step": 1115
1587
+ },
1588
+ {
1589
+ "epoch": 0.9705372616984402,
1590
+ "grad_norm": 0.10777969658374786,
1591
+ "learning_rate": 1.95292520157353e-07,
1592
+ "loss": 0.489,
1593
+ "step": 1120
1594
+ },
1595
+ {
1596
+ "epoch": 0.9748700173310225,
1597
+ "grad_norm": 0.10438723862171173,
1598
+ "learning_rate": 1.4212748857468926e-07,
1599
+ "loss": 0.4871,
1600
+ "step": 1125
1601
+ },
1602
+ {
1603
+ "epoch": 0.9792027729636048,
1604
+ "grad_norm": 0.10945618152618408,
1605
+ "learning_rate": 9.737206445979696e-08,
1606
+ "loss": 0.4875,
1607
+ "step": 1130
1608
+ },
1609
+ {
1610
+ "epoch": 0.9835355285961872,
1611
+ "grad_norm": 0.10462047904729843,
1612
+ "learning_rate": 6.104138891329659e-08,
1613
+ "loss": 0.4895,
1614
+ "step": 1135
1615
+ },
1616
+ {
1617
+ "epoch": 0.9878682842287695,
1618
+ "grad_norm": 0.1181010752916336,
1619
+ "learning_rate": 3.314775287923677e-08,
1620
+ "loss": 0.4857,
1621
+ "step": 1140
1622
+ },
1623
+ {
1624
+ "epoch": 0.9922010398613518,
1625
+ "grad_norm": 0.10257267206907272,
1626
+ "learning_rate": 1.3700592986998217e-08,
1627
+ "loss": 0.4866,
1628
+ "step": 1145
1629
+ },
1630
+ {
1631
+ "epoch": 0.9965337954939342,
1632
+ "grad_norm": 0.10488082468509674,
1633
+ "learning_rate": 2.7064883587807345e-09,
1634
+ "loss": 0.4893,
1635
+ "step": 1150
1636
+ }
1637
+ ],
1638
+ "logging_steps": 5,
1639
+ "max_steps": 1154,
1640
+ "num_input_tokens_seen": 0,
1641
+ "num_train_epochs": 1,
1642
+ "save_steps": 500,
1643
+ "stateful_callbacks": {
1644
+ "TrainerControl": {
1645
+ "args": {
1646
+ "should_epoch_stop": false,
1647
+ "should_evaluate": false,
1648
+ "should_log": false,
1649
+ "should_save": true,
1650
+ "should_training_stop": true
1651
+ },
1652
+ "attributes": {}
1653
+ }
1654
+ },
1655
+ "total_flos": 8.066906520991826e+17,
1656
+ "train_batch_size": 4,
1657
+ "trial_name": null,
1658
+ "trial_params": null
1659
+ }