rominaoji commited on
Commit
1aaf763
1 Parent(s): a26ebc5

Upload folder using huggingface_hub

Browse files
optimizer.pt CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:8c5d70341558362e290bdb4f628c977061e53ea53a5516ddce8eb02f24d65aac
3
  size 83724291
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:1e4efbb90f4f79dc3857f34d206b10d38909a695d5d4deb4a12bb5119d0bd82d
3
  size 83724291
pytorch_adapter.bin CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:0375c1a4e4a3e3714b279cfb0629135bc9443a4f404d30ae00f387de9231f4ea
3
  size 39503700
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:b47d6ea2074c7e496272b090acb212f7f47946a07072c18f6b05f89e7c179dda
3
  size 39503700
pytorch_model_head.bin CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:6e457b3065b98478c19c66e764d122ab98bf768f9ef4e1dcc1ed82e9b5eff0d3
3
  size 774447414
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:6d4f8012f6d55002b4bd445921dc8ab161f0ff05a248afc28051977910a38a82
3
  size 774447414
tokenizer_config.json CHANGED
@@ -842,7 +842,7 @@
842
  }
843
  },
844
  "bos_token": "[CLS]",
845
- "clean_up_tokenization_spaces": true,
846
  "cls_token": "[CLS]",
847
  "do_lower_case": false,
848
  "eos_token": "[SEP]",
 
842
  }
843
  },
844
  "bos_token": "[CLS]",
845
+ "clean_up_tokenization_spaces": false,
846
  "cls_token": "[CLS]",
847
  "do_lower_case": false,
848
  "eos_token": "[SEP]",
trainer_state.json CHANGED
@@ -10,653 +10,653 @@
10
  "log_history": [
11
  {
12
  "epoch": 0.032,
13
- "grad_norm": 3.7940785884857178,
14
  "learning_rate": 4.9466666666666665e-05,
15
- "loss": 8.3828,
16
  "step": 500
17
  },
18
  {
19
  "epoch": 0.064,
20
- "grad_norm": 3.092071294784546,
21
  "learning_rate": 4.8933333333333335e-05,
22
- "loss": 6.3779,
23
  "step": 1000
24
  },
25
  {
26
  "epoch": 0.096,
27
- "grad_norm": 2.6804521083831787,
28
  "learning_rate": 4.8400000000000004e-05,
29
- "loss": 5.7375,
30
  "step": 1500
31
  },
32
  {
33
  "epoch": 0.128,
34
- "grad_norm": 2.5856428146362305,
35
  "learning_rate": 4.7866666666666674e-05,
36
- "loss": 5.377,
37
  "step": 2000
38
  },
39
  {
40
  "epoch": 0.16,
41
- "grad_norm": 2.9187934398651123,
42
  "learning_rate": 4.7333333333333336e-05,
43
- "loss": 5.1249,
44
  "step": 2500
45
  },
46
  {
47
  "epoch": 0.192,
48
- "grad_norm": 2.5977468490600586,
49
  "learning_rate": 4.6800000000000006e-05,
50
- "loss": 4.9347,
51
  "step": 3000
52
  },
53
  {
54
  "epoch": 0.224,
55
- "grad_norm": 2.8521013259887695,
56
  "learning_rate": 4.626666666666667e-05,
57
- "loss": 4.7731,
58
  "step": 3500
59
  },
60
  {
61
  "epoch": 0.256,
62
- "grad_norm": 3.0819144248962402,
63
  "learning_rate": 4.573333333333333e-05,
64
- "loss": 4.6407,
65
  "step": 4000
66
  },
67
  {
68
  "epoch": 0.288,
69
- "grad_norm": 2.9283711910247803,
70
  "learning_rate": 4.52e-05,
71
- "loss": 4.5311,
72
  "step": 4500
73
  },
74
  {
75
  "epoch": 0.32,
76
- "grad_norm": 2.9473419189453125,
77
  "learning_rate": 4.466666666666667e-05,
78
- "loss": 4.424,
79
  "step": 5000
80
  },
81
  {
82
  "epoch": 0.352,
83
- "grad_norm": 3.1425673961639404,
84
  "learning_rate": 4.413333333333334e-05,
85
- "loss": 4.3445,
86
  "step": 5500
87
  },
88
  {
89
  "epoch": 0.384,
90
- "grad_norm": 2.8221523761749268,
91
  "learning_rate": 4.36e-05,
92
- "loss": 4.2723,
93
  "step": 6000
94
  },
95
  {
96
  "epoch": 0.416,
97
- "grad_norm": 3.374150276184082,
98
  "learning_rate": 4.3066666666666665e-05,
99
- "loss": 4.1767,
100
  "step": 6500
101
  },
102
  {
103
  "epoch": 0.448,
104
- "grad_norm": 3.098217487335205,
105
  "learning_rate": 4.2533333333333335e-05,
106
- "loss": 4.1078,
107
  "step": 7000
108
  },
109
  {
110
  "epoch": 0.48,
111
- "grad_norm": 3.4040091037750244,
112
  "learning_rate": 4.2e-05,
113
- "loss": 4.0436,
114
  "step": 7500
115
  },
116
  {
117
  "epoch": 0.512,
118
- "grad_norm": 3.0540003776550293,
119
  "learning_rate": 4.146666666666667e-05,
120
- "loss": 3.9936,
121
  "step": 8000
122
  },
123
  {
124
  "epoch": 0.544,
125
- "grad_norm": 3.0855867862701416,
126
  "learning_rate": 4.093333333333334e-05,
127
- "loss": 3.9431,
128
  "step": 8500
129
  },
130
  {
131
  "epoch": 0.576,
132
- "grad_norm": 3.2475154399871826,
133
  "learning_rate": 4.0400000000000006e-05,
134
- "loss": 3.8871,
135
  "step": 9000
136
  },
137
  {
138
  "epoch": 0.608,
139
- "grad_norm": 3.1229586601257324,
140
  "learning_rate": 3.986666666666667e-05,
141
- "loss": 3.8427,
142
  "step": 9500
143
  },
144
  {
145
  "epoch": 0.64,
146
- "grad_norm": 3.096017599105835,
147
  "learning_rate": 3.933333333333333e-05,
148
- "loss": 3.8009,
149
  "step": 10000
150
  },
151
  {
152
  "epoch": 0.672,
153
- "grad_norm": 3.2667548656463623,
154
  "learning_rate": 3.88e-05,
155
- "loss": 3.7488,
156
  "step": 10500
157
  },
158
  {
159
  "epoch": 0.704,
160
- "grad_norm": 3.1193501949310303,
161
  "learning_rate": 3.8266666666666664e-05,
162
- "loss": 3.7168,
163
  "step": 11000
164
  },
165
  {
166
  "epoch": 0.736,
167
- "grad_norm": 3.8446643352508545,
168
  "learning_rate": 3.773333333333334e-05,
169
- "loss": 3.6892,
170
  "step": 11500
171
  },
172
  {
173
  "epoch": 0.768,
174
- "grad_norm": 3.165462017059326,
175
  "learning_rate": 3.72e-05,
176
- "loss": 3.6588,
177
  "step": 12000
178
  },
179
  {
180
  "epoch": 0.8,
181
- "grad_norm": 3.333284378051758,
182
  "learning_rate": 3.6666666666666666e-05,
183
- "loss": 3.6215,
184
  "step": 12500
185
  },
186
  {
187
  "epoch": 0.832,
188
- "grad_norm": 3.2972261905670166,
189
  "learning_rate": 3.6133333333333335e-05,
190
- "loss": 3.5853,
191
  "step": 13000
192
  },
193
  {
194
  "epoch": 0.864,
195
- "grad_norm": 3.358686685562134,
196
  "learning_rate": 3.56e-05,
197
- "loss": 3.5631,
198
  "step": 13500
199
  },
200
  {
201
  "epoch": 0.896,
202
- "grad_norm": 3.1134519577026367,
203
  "learning_rate": 3.506666666666667e-05,
204
- "loss": 3.5408,
205
  "step": 14000
206
  },
207
  {
208
  "epoch": 0.928,
209
- "grad_norm": 3.2438101768493652,
210
  "learning_rate": 3.453333333333334e-05,
211
- "loss": 3.5045,
212
  "step": 14500
213
  },
214
  {
215
  "epoch": 0.96,
216
- "grad_norm": 3.3038313388824463,
217
  "learning_rate": 3.4000000000000007e-05,
218
- "loss": 3.4869,
219
  "step": 15000
220
  },
221
  {
222
  "epoch": 0.992,
223
- "grad_norm": 3.4895401000976562,
224
  "learning_rate": 3.346666666666667e-05,
225
- "loss": 3.4762,
226
  "step": 15500
227
  },
228
  {
229
  "epoch": 1.024,
230
- "grad_norm": 3.14111590385437,
231
  "learning_rate": 3.293333333333333e-05,
232
- "loss": 3.445,
233
  "step": 16000
234
  },
235
  {
236
  "epoch": 1.056,
237
- "grad_norm": 3.072317361831665,
238
  "learning_rate": 3.24e-05,
239
- "loss": 3.4168,
240
  "step": 16500
241
  },
242
  {
243
  "epoch": 1.088,
244
- "grad_norm": 3.383622407913208,
245
  "learning_rate": 3.1866666666666664e-05,
246
- "loss": 3.4061,
247
  "step": 17000
248
  },
249
  {
250
  "epoch": 1.12,
251
- "grad_norm": 3.311823606491089,
252
  "learning_rate": 3.1333333333333334e-05,
253
- "loss": 3.3891,
254
  "step": 17500
255
  },
256
  {
257
  "epoch": 1.152,
258
- "grad_norm": 3.3376855850219727,
259
  "learning_rate": 3.08e-05,
260
- "loss": 3.3763,
261
  "step": 18000
262
  },
263
  {
264
  "epoch": 1.184,
265
- "grad_norm": 3.310765266418457,
266
  "learning_rate": 3.0266666666666666e-05,
267
- "loss": 3.3565,
268
  "step": 18500
269
  },
270
  {
271
  "epoch": 1.216,
272
- "grad_norm": 3.721555709838867,
273
  "learning_rate": 2.9733333333333336e-05,
274
- "loss": 3.346,
275
  "step": 19000
276
  },
277
  {
278
  "epoch": 1.248,
279
- "grad_norm": 3.3782217502593994,
280
  "learning_rate": 2.9199999999999998e-05,
281
- "loss": 3.3234,
282
  "step": 19500
283
  },
284
  {
285
  "epoch": 1.28,
286
- "grad_norm": 4.35649299621582,
287
  "learning_rate": 2.8666666666666668e-05,
288
- "loss": 3.3122,
289
  "step": 20000
290
  },
291
  {
292
  "epoch": 1.312,
293
- "grad_norm": 3.3569066524505615,
294
  "learning_rate": 2.8133333333333334e-05,
295
- "loss": 3.3093,
296
  "step": 20500
297
  },
298
  {
299
  "epoch": 1.3439999999999999,
300
- "grad_norm": 3.2398617267608643,
301
  "learning_rate": 2.7600000000000003e-05,
302
- "loss": 3.2831,
303
  "step": 21000
304
  },
305
  {
306
  "epoch": 1.376,
307
- "grad_norm": 3.3986246585845947,
308
  "learning_rate": 2.706666666666667e-05,
309
- "loss": 3.2806,
310
  "step": 21500
311
  },
312
  {
313
  "epoch": 1.408,
314
- "grad_norm": 3.310861349105835,
315
  "learning_rate": 2.6533333333333332e-05,
316
- "loss": 3.2686,
317
  "step": 22000
318
  },
319
  {
320
  "epoch": 1.44,
321
- "grad_norm": 3.4433434009552,
322
  "learning_rate": 2.6000000000000002e-05,
323
- "loss": 3.2535,
324
  "step": 22500
325
  },
326
  {
327
  "epoch": 1.472,
328
- "grad_norm": 3.2779598236083984,
329
  "learning_rate": 2.5466666666666668e-05,
330
- "loss": 3.2505,
331
  "step": 23000
332
  },
333
  {
334
  "epoch": 1.504,
335
- "grad_norm": 3.1767616271972656,
336
  "learning_rate": 2.4933333333333334e-05,
337
- "loss": 3.2289,
338
  "step": 23500
339
  },
340
  {
341
  "epoch": 1.536,
342
- "grad_norm": 3.530750274658203,
343
  "learning_rate": 2.44e-05,
344
- "loss": 3.2241,
345
  "step": 24000
346
  },
347
  {
348
  "epoch": 1.568,
349
- "grad_norm": 3.5728418827056885,
350
  "learning_rate": 2.3866666666666666e-05,
351
- "loss": 3.2142,
352
  "step": 24500
353
  },
354
  {
355
  "epoch": 1.6,
356
- "grad_norm": 3.2718331813812256,
357
  "learning_rate": 2.3333333333333336e-05,
358
- "loss": 3.2034,
359
  "step": 25000
360
  },
361
  {
362
  "epoch": 1.6320000000000001,
363
- "grad_norm": 3.2709009647369385,
364
  "learning_rate": 2.2800000000000002e-05,
365
- "loss": 3.1924,
366
  "step": 25500
367
  },
368
  {
369
  "epoch": 1.6640000000000001,
370
- "grad_norm": 3.323166608810425,
371
  "learning_rate": 2.2266666666666668e-05,
372
- "loss": 3.1797,
373
  "step": 26000
374
  },
375
  {
376
  "epoch": 1.696,
377
- "grad_norm": 3.4490272998809814,
378
  "learning_rate": 2.1733333333333334e-05,
379
- "loss": 3.1763,
380
  "step": 26500
381
  },
382
  {
383
  "epoch": 1.728,
384
- "grad_norm": 3.6509385108947754,
385
  "learning_rate": 2.12e-05,
386
- "loss": 3.1778,
387
  "step": 27000
388
  },
389
  {
390
  "epoch": 1.76,
391
- "grad_norm": 3.481295108795166,
392
  "learning_rate": 2.0666666666666666e-05,
393
- "loss": 3.1622,
394
  "step": 27500
395
  },
396
  {
397
  "epoch": 1.792,
398
- "grad_norm": 3.4964404106140137,
399
  "learning_rate": 2.0133333333333336e-05,
400
- "loss": 3.1628,
401
  "step": 28000
402
  },
403
  {
404
  "epoch": 1.8239999999999998,
405
- "grad_norm": 3.550084352493286,
406
  "learning_rate": 1.9600000000000002e-05,
407
- "loss": 3.1446,
408
  "step": 28500
409
  },
410
  {
411
  "epoch": 1.8559999999999999,
412
- "grad_norm": 3.4653377532958984,
413
  "learning_rate": 1.9066666666666668e-05,
414
- "loss": 3.1462,
415
  "step": 29000
416
  },
417
  {
418
  "epoch": 1.888,
419
- "grad_norm": 3.488093376159668,
420
  "learning_rate": 1.8533333333333334e-05,
421
- "loss": 3.1319,
422
  "step": 29500
423
  },
424
  {
425
  "epoch": 1.92,
426
- "grad_norm": 3.3135769367218018,
427
  "learning_rate": 1.8e-05,
428
- "loss": 3.135,
429
  "step": 30000
430
  },
431
  {
432
  "epoch": 1.952,
433
- "grad_norm": 3.5230553150177,
434
  "learning_rate": 1.7466666666666667e-05,
435
- "loss": 3.1337,
436
  "step": 30500
437
  },
438
  {
439
  "epoch": 1.984,
440
- "grad_norm": 3.5588736534118652,
441
  "learning_rate": 1.6933333333333333e-05,
442
- "loss": 3.1299,
443
  "step": 31000
444
  },
445
  {
446
  "epoch": 2.016,
447
- "grad_norm": 3.321937084197998,
448
  "learning_rate": 1.6400000000000002e-05,
449
- "loss": 3.1097,
450
  "step": 31500
451
  },
452
  {
453
  "epoch": 2.048,
454
- "grad_norm": 3.56290340423584,
455
  "learning_rate": 1.586666666666667e-05,
456
- "loss": 3.112,
457
  "step": 32000
458
  },
459
  {
460
  "epoch": 2.08,
461
- "grad_norm": 3.408571720123291,
462
  "learning_rate": 1.5333333333333334e-05,
463
- "loss": 3.1055,
464
  "step": 32500
465
  },
466
  {
467
  "epoch": 2.112,
468
- "grad_norm": 3.9053122997283936,
469
  "learning_rate": 1.48e-05,
470
- "loss": 3.1013,
471
  "step": 33000
472
  },
473
  {
474
  "epoch": 2.144,
475
- "grad_norm": 3.7654247283935547,
476
  "learning_rate": 1.4266666666666667e-05,
477
- "loss": 3.0976,
478
  "step": 33500
479
  },
480
  {
481
  "epoch": 2.176,
482
- "grad_norm": 3.6201889514923096,
483
  "learning_rate": 1.3733333333333335e-05,
484
- "loss": 3.097,
485
  "step": 34000
486
  },
487
  {
488
  "epoch": 2.208,
489
- "grad_norm": 3.573209524154663,
490
  "learning_rate": 1.32e-05,
491
- "loss": 3.1063,
492
  "step": 34500
493
  },
494
  {
495
  "epoch": 2.24,
496
- "grad_norm": 3.4236044883728027,
497
  "learning_rate": 1.2666666666666668e-05,
498
- "loss": 3.0929,
499
  "step": 35000
500
  },
501
  {
502
  "epoch": 2.2720000000000002,
503
- "grad_norm": 3.5758888721466064,
504
  "learning_rate": 1.2133333333333335e-05,
505
- "loss": 3.0818,
506
  "step": 35500
507
  },
508
  {
509
  "epoch": 2.304,
510
- "grad_norm": 3.563825845718384,
511
  "learning_rate": 1.16e-05,
512
- "loss": 3.0857,
513
  "step": 36000
514
  },
515
  {
516
  "epoch": 2.336,
517
- "grad_norm": 3.4262824058532715,
518
  "learning_rate": 1.1066666666666667e-05,
519
- "loss": 3.0721,
520
  "step": 36500
521
  },
522
  {
523
  "epoch": 2.368,
524
- "grad_norm": 3.4638020992279053,
525
  "learning_rate": 1.0533333333333335e-05,
526
- "loss": 3.0723,
527
  "step": 37000
528
  },
529
  {
530
  "epoch": 2.4,
531
- "grad_norm": 3.6780405044555664,
532
  "learning_rate": 1e-05,
533
- "loss": 3.07,
534
  "step": 37500
535
  },
536
  {
537
  "epoch": 2.432,
538
- "grad_norm": 3.6551175117492676,
539
  "learning_rate": 9.466666666666667e-06,
540
- "loss": 3.0587,
541
  "step": 38000
542
  },
543
  {
544
  "epoch": 2.464,
545
- "grad_norm": 3.607362747192383,
546
  "learning_rate": 8.933333333333333e-06,
547
- "loss": 3.0675,
548
  "step": 38500
549
  },
550
  {
551
  "epoch": 2.496,
552
- "grad_norm": 3.5600104331970215,
553
  "learning_rate": 8.400000000000001e-06,
554
- "loss": 3.0631,
555
  "step": 39000
556
  },
557
  {
558
  "epoch": 2.528,
559
- "grad_norm": 3.9264795780181885,
560
  "learning_rate": 7.866666666666667e-06,
561
- "loss": 3.0551,
562
  "step": 39500
563
  },
564
  {
565
  "epoch": 2.56,
566
- "grad_norm": 3.7913153171539307,
567
  "learning_rate": 7.333333333333334e-06,
568
  "loss": 3.0556,
569
  "step": 40000
570
  },
571
  {
572
  "epoch": 2.592,
573
- "grad_norm": 3.5976860523223877,
574
  "learning_rate": 6.800000000000001e-06,
575
- "loss": 3.0407,
576
  "step": 40500
577
  },
578
  {
579
  "epoch": 2.624,
580
- "grad_norm": 3.384963035583496,
581
  "learning_rate": 6.266666666666666e-06,
582
- "loss": 3.0453,
583
  "step": 41000
584
  },
585
  {
586
  "epoch": 2.656,
587
- "grad_norm": 3.6251819133758545,
588
  "learning_rate": 5.733333333333333e-06,
589
- "loss": 3.0485,
590
  "step": 41500
591
  },
592
  {
593
  "epoch": 2.6879999999999997,
594
- "grad_norm": 3.544095754623413,
595
  "learning_rate": 5.2e-06,
596
- "loss": 3.0448,
597
  "step": 42000
598
  },
599
  {
600
  "epoch": 2.7199999999999998,
601
- "grad_norm": 3.513115882873535,
602
  "learning_rate": 4.666666666666667e-06,
603
- "loss": 3.0477,
604
  "step": 42500
605
  },
606
  {
607
  "epoch": 2.752,
608
- "grad_norm": 3.5182816982269287,
609
  "learning_rate": 4.133333333333333e-06,
610
- "loss": 3.0303,
611
  "step": 43000
612
  },
613
  {
614
  "epoch": 2.784,
615
- "grad_norm": 3.7786800861358643,
616
  "learning_rate": 3.6e-06,
617
  "loss": 3.0397,
618
  "step": 43500
619
  },
620
  {
621
  "epoch": 2.816,
622
- "grad_norm": 3.6905770301818848,
623
  "learning_rate": 3.066666666666667e-06,
624
- "loss": 3.0501,
625
  "step": 44000
626
  },
627
  {
628
  "epoch": 2.848,
629
- "grad_norm": 3.663628578186035,
630
  "learning_rate": 2.5333333333333334e-06,
631
- "loss": 3.0525,
632
  "step": 44500
633
  },
634
  {
635
  "epoch": 2.88,
636
- "grad_norm": 3.723430871963501,
637
  "learning_rate": 2.0000000000000003e-06,
638
- "loss": 3.0353,
639
  "step": 45000
640
  },
641
  {
642
  "epoch": 2.912,
643
- "grad_norm": 3.6573081016540527,
644
  "learning_rate": 1.4666666666666667e-06,
645
- "loss": 3.0442,
646
  "step": 45500
647
  },
648
  {
649
  "epoch": 2.944,
650
- "grad_norm": 4.172336101531982,
651
  "learning_rate": 9.333333333333334e-07,
652
- "loss": 3.0454,
653
  "step": 46000
654
  },
655
  {
656
  "epoch": 2.976,
657
- "grad_norm": 3.7377212047576904,
658
  "learning_rate": 4.0000000000000003e-07,
659
- "loss": 3.0469,
660
  "step": 46500
661
  }
662
  ],
 
10
  "log_history": [
11
  {
12
  "epoch": 0.032,
13
+ "grad_norm": 2.9300780296325684,
14
  "learning_rate": 4.9466666666666665e-05,
15
+ "loss": 8.4304,
16
  "step": 500
17
  },
18
  {
19
  "epoch": 0.064,
20
+ "grad_norm": 2.708092212677002,
21
  "learning_rate": 4.8933333333333335e-05,
22
+ "loss": 6.3815,
23
  "step": 1000
24
  },
25
  {
26
  "epoch": 0.096,
27
+ "grad_norm": 2.7160232067108154,
28
  "learning_rate": 4.8400000000000004e-05,
29
+ "loss": 5.717,
30
  "step": 1500
31
  },
32
  {
33
  "epoch": 0.128,
34
+ "grad_norm": 2.5131046772003174,
35
  "learning_rate": 4.7866666666666674e-05,
36
+ "loss": 5.353,
37
  "step": 2000
38
  },
39
  {
40
  "epoch": 0.16,
41
+ "grad_norm": 2.8203608989715576,
42
  "learning_rate": 4.7333333333333336e-05,
43
+ "loss": 5.0937,
44
  "step": 2500
45
  },
46
  {
47
  "epoch": 0.192,
48
+ "grad_norm": 2.6736185550689697,
49
  "learning_rate": 4.6800000000000006e-05,
50
+ "loss": 4.905,
51
  "step": 3000
52
  },
53
  {
54
  "epoch": 0.224,
55
+ "grad_norm": 2.9173152446746826,
56
  "learning_rate": 4.626666666666667e-05,
57
+ "loss": 4.7377,
58
  "step": 3500
59
  },
60
  {
61
  "epoch": 0.256,
62
+ "grad_norm": 2.861001968383789,
63
  "learning_rate": 4.573333333333333e-05,
64
+ "loss": 4.606,
65
  "step": 4000
66
  },
67
  {
68
  "epoch": 0.288,
69
+ "grad_norm": 2.899388313293457,
70
  "learning_rate": 4.52e-05,
71
+ "loss": 4.4928,
72
  "step": 4500
73
  },
74
  {
75
  "epoch": 0.32,
76
+ "grad_norm": 2.8987622261047363,
77
  "learning_rate": 4.466666666666667e-05,
78
+ "loss": 4.3843,
79
  "step": 5000
80
  },
81
  {
82
  "epoch": 0.352,
83
+ "grad_norm": 2.9992928504943848,
84
  "learning_rate": 4.413333333333334e-05,
85
+ "loss": 4.3053,
86
  "step": 5500
87
  },
88
  {
89
  "epoch": 0.384,
90
+ "grad_norm": 2.944384813308716,
91
  "learning_rate": 4.36e-05,
92
+ "loss": 4.2293,
93
  "step": 6000
94
  },
95
  {
96
  "epoch": 0.416,
97
+ "grad_norm": 3.726702928543091,
98
  "learning_rate": 4.3066666666666665e-05,
99
+ "loss": 4.1326,
100
  "step": 6500
101
  },
102
  {
103
  "epoch": 0.448,
104
+ "grad_norm": 3.1758687496185303,
105
  "learning_rate": 4.2533333333333335e-05,
106
+ "loss": 4.063,
107
  "step": 7000
108
  },
109
  {
110
  "epoch": 0.48,
111
+ "grad_norm": 3.0743587017059326,
112
  "learning_rate": 4.2e-05,
113
+ "loss": 3.9998,
114
  "step": 7500
115
  },
116
  {
117
  "epoch": 0.512,
118
+ "grad_norm": 3.0619800090789795,
119
  "learning_rate": 4.146666666666667e-05,
120
+ "loss": 3.9534,
121
  "step": 8000
122
  },
123
  {
124
  "epoch": 0.544,
125
+ "grad_norm": 3.1200902462005615,
126
  "learning_rate": 4.093333333333334e-05,
127
+ "loss": 3.8978,
128
  "step": 8500
129
  },
130
  {
131
  "epoch": 0.576,
132
+ "grad_norm": 3.367762327194214,
133
  "learning_rate": 4.0400000000000006e-05,
134
+ "loss": 3.8429,
135
  "step": 9000
136
  },
137
  {
138
  "epoch": 0.608,
139
+ "grad_norm": 3.1497597694396973,
140
  "learning_rate": 3.986666666666667e-05,
141
+ "loss": 3.8007,
142
  "step": 9500
143
  },
144
  {
145
  "epoch": 0.64,
146
+ "grad_norm": 3.31646728515625,
147
  "learning_rate": 3.933333333333333e-05,
148
+ "loss": 3.7613,
149
  "step": 10000
150
  },
151
  {
152
  "epoch": 0.672,
153
+ "grad_norm": 3.294649839401245,
154
  "learning_rate": 3.88e-05,
155
+ "loss": 3.7133,
156
  "step": 10500
157
  },
158
  {
159
  "epoch": 0.704,
160
+ "grad_norm": 3.1724936962127686,
161
  "learning_rate": 3.8266666666666664e-05,
162
+ "loss": 3.6818,
163
  "step": 11000
164
  },
165
  {
166
  "epoch": 0.736,
167
+ "grad_norm": 3.0441651344299316,
168
  "learning_rate": 3.773333333333334e-05,
169
+ "loss": 3.6576,
170
  "step": 11500
171
  },
172
  {
173
  "epoch": 0.768,
174
+ "grad_norm": 3.160169839859009,
175
  "learning_rate": 3.72e-05,
176
+ "loss": 3.6271,
177
  "step": 12000
178
  },
179
  {
180
  "epoch": 0.8,
181
+ "grad_norm": 3.3029627799987793,
182
  "learning_rate": 3.6666666666666666e-05,
183
+ "loss": 3.5932,
184
  "step": 12500
185
  },
186
  {
187
  "epoch": 0.832,
188
+ "grad_norm": 3.1690776348114014,
189
  "learning_rate": 3.6133333333333335e-05,
190
+ "loss": 3.559,
191
  "step": 13000
192
  },
193
  {
194
  "epoch": 0.864,
195
+ "grad_norm": 3.3345956802368164,
196
  "learning_rate": 3.56e-05,
197
+ "loss": 3.5387,
198
  "step": 13500
199
  },
200
  {
201
  "epoch": 0.896,
202
+ "grad_norm": 3.0441858768463135,
203
  "learning_rate": 3.506666666666667e-05,
204
+ "loss": 3.5169,
205
  "step": 14000
206
  },
207
  {
208
  "epoch": 0.928,
209
+ "grad_norm": 3.24686598777771,
210
  "learning_rate": 3.453333333333334e-05,
211
+ "loss": 3.4847,
212
  "step": 14500
213
  },
214
  {
215
  "epoch": 0.96,
216
+ "grad_norm": 3.2995717525482178,
217
  "learning_rate": 3.4000000000000007e-05,
218
+ "loss": 3.4684,
219
  "step": 15000
220
  },
221
  {
222
  "epoch": 0.992,
223
+ "grad_norm": 3.398087501525879,
224
  "learning_rate": 3.346666666666667e-05,
225
+ "loss": 3.4568,
226
  "step": 15500
227
  },
228
  {
229
  "epoch": 1.024,
230
+ "grad_norm": 3.1483492851257324,
231
  "learning_rate": 3.293333333333333e-05,
232
+ "loss": 3.429,
233
  "step": 16000
234
  },
235
  {
236
  "epoch": 1.056,
237
+ "grad_norm": 3.1493332386016846,
238
  "learning_rate": 3.24e-05,
239
+ "loss": 3.4016,
240
  "step": 16500
241
  },
242
  {
243
  "epoch": 1.088,
244
+ "grad_norm": 3.290648937225342,
245
  "learning_rate": 3.1866666666666664e-05,
246
+ "loss": 3.3935,
247
  "step": 17000
248
  },
249
  {
250
  "epoch": 1.12,
251
+ "grad_norm": 3.2807164192199707,
252
  "learning_rate": 3.1333333333333334e-05,
253
+ "loss": 3.3751,
254
  "step": 17500
255
  },
256
  {
257
  "epoch": 1.152,
258
+ "grad_norm": 3.3905978202819824,
259
  "learning_rate": 3.08e-05,
260
+ "loss": 3.3667,
261
  "step": 18000
262
  },
263
  {
264
  "epoch": 1.184,
265
+ "grad_norm": 3.1638753414154053,
266
  "learning_rate": 3.0266666666666666e-05,
267
+ "loss": 3.3469,
268
  "step": 18500
269
  },
270
  {
271
  "epoch": 1.216,
272
+ "grad_norm": 3.80301570892334,
273
  "learning_rate": 2.9733333333333336e-05,
274
+ "loss": 3.3369,
275
  "step": 19000
276
  },
277
  {
278
  "epoch": 1.248,
279
+ "grad_norm": 3.5537655353546143,
280
  "learning_rate": 2.9199999999999998e-05,
281
+ "loss": 3.3132,
282
  "step": 19500
283
  },
284
  {
285
  "epoch": 1.28,
286
+ "grad_norm": 3.344750165939331,
287
  "learning_rate": 2.8666666666666668e-05,
288
+ "loss": 3.3075,
289
  "step": 20000
290
  },
291
  {
292
  "epoch": 1.312,
293
+ "grad_norm": 3.435274839401245,
294
  "learning_rate": 2.8133333333333334e-05,
295
+ "loss": 3.3028,
296
  "step": 20500
297
  },
298
  {
299
  "epoch": 1.3439999999999999,
300
+ "grad_norm": 3.3021931648254395,
301
  "learning_rate": 2.7600000000000003e-05,
302
+ "loss": 3.2771,
303
  "step": 21000
304
  },
305
  {
306
  "epoch": 1.376,
307
+ "grad_norm": 3.332207679748535,
308
  "learning_rate": 2.706666666666667e-05,
309
+ "loss": 3.2732,
310
  "step": 21500
311
  },
312
  {
313
  "epoch": 1.408,
314
+ "grad_norm": 3.382160186767578,
315
  "learning_rate": 2.6533333333333332e-05,
316
+ "loss": 3.2632,
317
  "step": 22000
318
  },
319
  {
320
  "epoch": 1.44,
321
+ "grad_norm": 3.399611711502075,
322
  "learning_rate": 2.6000000000000002e-05,
323
+ "loss": 3.2474,
324
  "step": 22500
325
  },
326
  {
327
  "epoch": 1.472,
328
+ "grad_norm": 3.369029998779297,
329
  "learning_rate": 2.5466666666666668e-05,
330
+ "loss": 3.2456,
331
  "step": 23000
332
  },
333
  {
334
  "epoch": 1.504,
335
+ "grad_norm": 3.1563122272491455,
336
  "learning_rate": 2.4933333333333334e-05,
337
+ "loss": 3.2264,
338
  "step": 23500
339
  },
340
  {
341
  "epoch": 1.536,
342
+ "grad_norm": 3.5122745037078857,
343
  "learning_rate": 2.44e-05,
344
+ "loss": 3.219,
345
  "step": 24000
346
  },
347
  {
348
  "epoch": 1.568,
349
+ "grad_norm": 3.5229005813598633,
350
  "learning_rate": 2.3866666666666666e-05,
351
+ "loss": 3.2115,
352
  "step": 24500
353
  },
354
  {
355
  "epoch": 1.6,
356
+ "grad_norm": 3.275137186050415,
357
  "learning_rate": 2.3333333333333336e-05,
358
+ "loss": 3.1998,
359
  "step": 25000
360
  },
361
  {
362
  "epoch": 1.6320000000000001,
363
+ "grad_norm": 3.5656373500823975,
364
  "learning_rate": 2.2800000000000002e-05,
365
+ "loss": 3.1895,
366
  "step": 25500
367
  },
368
  {
369
  "epoch": 1.6640000000000001,
370
+ "grad_norm": 3.359915256500244,
371
  "learning_rate": 2.2266666666666668e-05,
372
+ "loss": 3.1788,
373
  "step": 26000
374
  },
375
  {
376
  "epoch": 1.696,
377
+ "grad_norm": 3.496894121170044,
378
  "learning_rate": 2.1733333333333334e-05,
379
+ "loss": 3.1757,
380
  "step": 26500
381
  },
382
  {
383
  "epoch": 1.728,
384
+ "grad_norm": 3.5603113174438477,
385
  "learning_rate": 2.12e-05,
386
+ "loss": 3.1764,
387
  "step": 27000
388
  },
389
  {
390
  "epoch": 1.76,
391
+ "grad_norm": 3.5351145267486572,
392
  "learning_rate": 2.0666666666666666e-05,
393
+ "loss": 3.1619,
394
  "step": 27500
395
  },
396
  {
397
  "epoch": 1.792,
398
+ "grad_norm": 3.6555192470550537,
399
  "learning_rate": 2.0133333333333336e-05,
400
+ "loss": 3.1618,
401
  "step": 28000
402
  },
403
  {
404
  "epoch": 1.8239999999999998,
405
+ "grad_norm": 3.527869939804077,
406
  "learning_rate": 1.9600000000000002e-05,
407
+ "loss": 3.1434,
408
  "step": 28500
409
  },
410
  {
411
  "epoch": 1.8559999999999999,
412
+ "grad_norm": 3.3731658458709717,
413
  "learning_rate": 1.9066666666666668e-05,
414
+ "loss": 3.1443,
415
  "step": 29000
416
  },
417
  {
418
  "epoch": 1.888,
419
+ "grad_norm": 3.5230460166931152,
420
  "learning_rate": 1.8533333333333334e-05,
421
+ "loss": 3.1307,
422
  "step": 29500
423
  },
424
  {
425
  "epoch": 1.92,
426
+ "grad_norm": 3.2880985736846924,
427
  "learning_rate": 1.8e-05,
428
+ "loss": 3.1354,
429
  "step": 30000
430
  },
431
  {
432
  "epoch": 1.952,
433
+ "grad_norm": 4.2027387619018555,
434
  "learning_rate": 1.7466666666666667e-05,
435
+ "loss": 3.1349,
436
  "step": 30500
437
  },
438
  {
439
  "epoch": 1.984,
440
+ "grad_norm": 3.8834004402160645,
441
  "learning_rate": 1.6933333333333333e-05,
442
+ "loss": 3.1287,
443
  "step": 31000
444
  },
445
  {
446
  "epoch": 2.016,
447
+ "grad_norm": 3.5137991905212402,
448
  "learning_rate": 1.6400000000000002e-05,
449
+ "loss": 3.107,
450
  "step": 31500
451
  },
452
  {
453
  "epoch": 2.048,
454
+ "grad_norm": 5.010372161865234,
455
  "learning_rate": 1.586666666666667e-05,
456
+ "loss": 3.111,
457
  "step": 32000
458
  },
459
  {
460
  "epoch": 2.08,
461
+ "grad_norm": 3.338728189468384,
462
  "learning_rate": 1.5333333333333334e-05,
463
+ "loss": 3.1047,
464
  "step": 32500
465
  },
466
  {
467
  "epoch": 2.112,
468
+ "grad_norm": 3.71789813041687,
469
  "learning_rate": 1.48e-05,
470
+ "loss": 3.1014,
471
  "step": 33000
472
  },
473
  {
474
  "epoch": 2.144,
475
+ "grad_norm": 3.7948594093322754,
476
  "learning_rate": 1.4266666666666667e-05,
477
+ "loss": 3.097,
478
  "step": 33500
479
  },
480
  {
481
  "epoch": 2.176,
482
+ "grad_norm": 3.650618314743042,
483
  "learning_rate": 1.3733333333333335e-05,
484
+ "loss": 3.0967,
485
  "step": 34000
486
  },
487
  {
488
  "epoch": 2.208,
489
+ "grad_norm": 3.4917681217193604,
490
  "learning_rate": 1.32e-05,
491
+ "loss": 3.1064,
492
  "step": 34500
493
  },
494
  {
495
  "epoch": 2.24,
496
+ "grad_norm": 3.5514914989471436,
497
  "learning_rate": 1.2666666666666668e-05,
498
+ "loss": 3.094,
499
  "step": 35000
500
  },
501
  {
502
  "epoch": 2.2720000000000002,
503
+ "grad_norm": 3.4345743656158447,
504
  "learning_rate": 1.2133333333333335e-05,
505
+ "loss": 3.082,
506
  "step": 35500
507
  },
508
  {
509
  "epoch": 2.304,
510
+ "grad_norm": 3.6274352073669434,
511
  "learning_rate": 1.16e-05,
512
+ "loss": 3.0861,
513
  "step": 36000
514
  },
515
  {
516
  "epoch": 2.336,
517
+ "grad_norm": 3.6665496826171875,
518
  "learning_rate": 1.1066666666666667e-05,
519
+ "loss": 3.0728,
520
  "step": 36500
521
  },
522
  {
523
  "epoch": 2.368,
524
+ "grad_norm": 3.657233953475952,
525
  "learning_rate": 1.0533333333333335e-05,
526
+ "loss": 3.0727,
527
  "step": 37000
528
  },
529
  {
530
  "epoch": 2.4,
531
+ "grad_norm": 3.726337194442749,
532
  "learning_rate": 1e-05,
533
+ "loss": 3.0717,
534
  "step": 37500
535
  },
536
  {
537
  "epoch": 2.432,
538
+ "grad_norm": 3.7187366485595703,
539
  "learning_rate": 9.466666666666667e-06,
540
+ "loss": 3.059,
541
  "step": 38000
542
  },
543
  {
544
  "epoch": 2.464,
545
+ "grad_norm": 3.5927035808563232,
546
  "learning_rate": 8.933333333333333e-06,
547
+ "loss": 3.0698,
548
  "step": 38500
549
  },
550
  {
551
  "epoch": 2.496,
552
+ "grad_norm": 3.5619006156921387,
553
  "learning_rate": 8.400000000000001e-06,
554
+ "loss": 3.0625,
555
  "step": 39000
556
  },
557
  {
558
  "epoch": 2.528,
559
+ "grad_norm": 3.679213762283325,
560
  "learning_rate": 7.866666666666667e-06,
561
+ "loss": 3.0565,
562
  "step": 39500
563
  },
564
  {
565
  "epoch": 2.56,
566
+ "grad_norm": 3.4748876094818115,
567
  "learning_rate": 7.333333333333334e-06,
568
  "loss": 3.0556,
569
  "step": 40000
570
  },
571
  {
572
  "epoch": 2.592,
573
+ "grad_norm": 3.483736515045166,
574
  "learning_rate": 6.800000000000001e-06,
575
+ "loss": 3.0418,
576
  "step": 40500
577
  },
578
  {
579
  "epoch": 2.624,
580
+ "grad_norm": 3.4663684368133545,
581
  "learning_rate": 6.266666666666666e-06,
582
+ "loss": 3.0461,
583
  "step": 41000
584
  },
585
  {
586
  "epoch": 2.656,
587
+ "grad_norm": 3.416421413421631,
588
  "learning_rate": 5.733333333333333e-06,
589
+ "loss": 3.0508,
590
  "step": 41500
591
  },
592
  {
593
  "epoch": 2.6879999999999997,
594
+ "grad_norm": 3.5485949516296387,
595
  "learning_rate": 5.2e-06,
596
+ "loss": 3.0447,
597
  "step": 42000
598
  },
599
  {
600
  "epoch": 2.7199999999999998,
601
+ "grad_norm": 3.5995631217956543,
602
  "learning_rate": 4.666666666666667e-06,
603
+ "loss": 3.0495,
604
  "step": 42500
605
  },
606
  {
607
  "epoch": 2.752,
608
+ "grad_norm": 3.676875591278076,
609
  "learning_rate": 4.133333333333333e-06,
610
+ "loss": 3.0302,
611
  "step": 43000
612
  },
613
  {
614
  "epoch": 2.784,
615
+ "grad_norm": 3.650153160095215,
616
  "learning_rate": 3.6e-06,
617
  "loss": 3.0397,
618
  "step": 43500
619
  },
620
  {
621
  "epoch": 2.816,
622
+ "grad_norm": 3.6755716800689697,
623
  "learning_rate": 3.066666666666667e-06,
624
+ "loss": 3.0504,
625
  "step": 44000
626
  },
627
  {
628
  "epoch": 2.848,
629
+ "grad_norm": 3.6604747772216797,
630
  "learning_rate": 2.5333333333333334e-06,
631
+ "loss": 3.0521,
632
  "step": 44500
633
  },
634
  {
635
  "epoch": 2.88,
636
+ "grad_norm": 4.217142105102539,
637
  "learning_rate": 2.0000000000000003e-06,
638
+ "loss": 3.0355,
639
  "step": 45000
640
  },
641
  {
642
  "epoch": 2.912,
643
+ "grad_norm": 3.6961653232574463,
644
  "learning_rate": 1.4666666666666667e-06,
645
+ "loss": 3.0454,
646
  "step": 45500
647
  },
648
  {
649
  "epoch": 2.944,
650
+ "grad_norm": 3.8596930503845215,
651
  "learning_rate": 9.333333333333334e-07,
652
+ "loss": 3.0464,
653
  "step": 46000
654
  },
655
  {
656
  "epoch": 2.976,
657
+ "grad_norm": 3.8002963066101074,
658
  "learning_rate": 4.0000000000000003e-07,
659
+ "loss": 3.0494,
660
  "step": 46500
661
  }
662
  ],
training_args.bin CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:28be81758d786e53fa9d2c578564fc7ddc2b1377c8cc18dcda6f053214f10834
3
- size 5176
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:365b0df6fa46689acb9348f6e307444d5eb3c995dadbc79368b21dcfcc70a321
3
+ size 5240