taufiqdp commited on
Commit
be744ea
1 Parent(s): 0c57155

Upload folder using huggingface_hub

Browse files
Files changed (38) hide show
  1. checkpoints/checkpoint-10000/config.json +28 -0
  2. checkpoints/checkpoint-10000/model.safetensors +3 -0
  3. checkpoints/checkpoint-10000/optimizer.pt +3 -0
  4. checkpoints/checkpoint-10000/rng_state.pth +3 -0
  5. checkpoints/checkpoint-10000/scheduler.pt +3 -0
  6. checkpoints/checkpoint-10000/trainer_state.json +1421 -0
  7. checkpoints/checkpoint-10000/training_args.bin +3 -0
  8. checkpoints/checkpoint-11000/config.json +28 -0
  9. checkpoints/checkpoint-11000/model.safetensors +3 -0
  10. checkpoints/checkpoint-11000/optimizer.pt +3 -0
  11. checkpoints/checkpoint-11000/rng_state.pth +3 -0
  12. checkpoints/checkpoint-11000/scheduler.pt +3 -0
  13. checkpoints/checkpoint-11000/trainer_state.json +1561 -0
  14. checkpoints/checkpoint-11000/training_args.bin +3 -0
  15. checkpoints/checkpoint-12000/config.json +28 -0
  16. checkpoints/checkpoint-12000/model.safetensors +3 -0
  17. checkpoints/checkpoint-12000/optimizer.pt +3 -0
  18. checkpoints/checkpoint-12000/rng_state.pth +3 -0
  19. checkpoints/checkpoint-12000/scheduler.pt +3 -0
  20. checkpoints/checkpoint-12000/trainer_state.json +1701 -0
  21. checkpoints/checkpoint-12000/training_args.bin +3 -0
  22. checkpoints/checkpoint-13000/config.json +28 -0
  23. checkpoints/checkpoint-13000/model.safetensors +3 -0
  24. checkpoints/checkpoint-13000/optimizer.pt +3 -0
  25. checkpoints/checkpoint-13000/rng_state.pth +3 -0
  26. checkpoints/checkpoint-13000/scheduler.pt +3 -0
  27. checkpoints/checkpoint-13000/trainer_state.json +1841 -0
  28. checkpoints/checkpoint-13000/training_args.bin +3 -0
  29. checkpoints/checkpoint-14000/config.json +28 -0
  30. checkpoints/checkpoint-14000/model.safetensors +3 -0
  31. checkpoints/checkpoint-14000/optimizer.pt +3 -0
  32. checkpoints/checkpoint-14000/rng_state.pth +3 -0
  33. checkpoints/checkpoint-14000/scheduler.pt +3 -0
  34. checkpoints/checkpoint-14000/trainer_state.json +1981 -0
  35. checkpoints/checkpoint-14000/training_args.bin +3 -0
  36. checkpoints/config.json +28 -0
  37. checkpoints/model.safetensors +3 -0
  38. checkpoints/training_args.bin +3 -0
checkpoints/checkpoint-10000/config.json ADDED
@@ -0,0 +1,28 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "architectures": [
3
+ "AlbertForMaskedLM"
4
+ ],
5
+ "attention_probs_dropout_prob": 0,
6
+ "bos_token_id": 2,
7
+ "classifier_dropout_prob": 0.1,
8
+ "embedding_size": 128,
9
+ "eos_token_id": 3,
10
+ "hidden_act": "gelu_new",
11
+ "hidden_dropout_prob": 0,
12
+ "hidden_size": 768,
13
+ "initializer_range": 0.02,
14
+ "inner_group_num": 1,
15
+ "intermediate_size": 3072,
16
+ "layer_norm_eps": 1e-12,
17
+ "max_position_embeddings": 512,
18
+ "model_type": "albert",
19
+ "num_attention_heads": 12,
20
+ "num_hidden_groups": 1,
21
+ "num_hidden_layers": 12,
22
+ "pad_token_id": 0,
23
+ "position_embedding_type": "absolute",
24
+ "torch_dtype": "float32",
25
+ "transformers_version": "4.38.2",
26
+ "type_vocab_size": 2,
27
+ "vocab_size": 30000
28
+ }
checkpoints/checkpoint-10000/model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:4935ca50e26f57ed0c3511d14103e268f6b89205ef598adb0af7218b97ff4929
3
+ size 44890256
checkpoints/checkpoint-10000/optimizer.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:30148c53b8836ab81f89468f501ea830c4e0e55e5bd787c0511f1eaadfdd980f
3
+ size 89797322
checkpoints/checkpoint-10000/rng_state.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:edcbcc26743f028193a9edf550c3acd511f3b00b86c980be936032339e7e110c
3
+ size 14244
checkpoints/checkpoint-10000/scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:2494212a7fdf911fca46666b1f4d72fd5601c979dd38224f107f835a89dd7be5
3
+ size 1064
checkpoints/checkpoint-10000/trainer_state.json ADDED
@@ -0,0 +1,1421 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 0.11088564363571848,
5
+ "eval_steps": 500,
6
+ "global_step": 10000,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.0,
13
+ "grad_norm": 3.2580924034118652,
14
+ "learning_rate": 2.2172949002217296e-06,
15
+ "loss": 10.2933,
16
+ "step": 50
17
+ },
18
+ {
19
+ "epoch": 0.0,
20
+ "grad_norm": 2.4347386360168457,
21
+ "learning_rate": 4.434589800443459e-06,
22
+ "loss": 10.1894,
23
+ "step": 100
24
+ },
25
+ {
26
+ "epoch": 0.0,
27
+ "grad_norm": 2.3895885944366455,
28
+ "learning_rate": 6.651884700665188e-06,
29
+ "loss": 10.1424,
30
+ "step": 150
31
+ },
32
+ {
33
+ "epoch": 0.0,
34
+ "grad_norm": 2.129647731781006,
35
+ "learning_rate": 8.869179600886918e-06,
36
+ "loss": 10.0995,
37
+ "step": 200
38
+ },
39
+ {
40
+ "epoch": 0.0,
41
+ "grad_norm": 2.3564186096191406,
42
+ "learning_rate": 1.1086474501108649e-05,
43
+ "loss": 10.0479,
44
+ "step": 250
45
+ },
46
+ {
47
+ "epoch": 0.0,
48
+ "grad_norm": 1.830551028251648,
49
+ "learning_rate": 1.3303769401330377e-05,
50
+ "loss": 9.9971,
51
+ "step": 300
52
+ },
53
+ {
54
+ "epoch": 0.0,
55
+ "grad_norm": 2.1173911094665527,
56
+ "learning_rate": 1.5521064301552106e-05,
57
+ "loss": 9.9201,
58
+ "step": 350
59
+ },
60
+ {
61
+ "epoch": 0.0,
62
+ "grad_norm": 1.6636557579040527,
63
+ "learning_rate": 1.7738359201773837e-05,
64
+ "loss": 9.8562,
65
+ "step": 400
66
+ },
67
+ {
68
+ "epoch": 0.0,
69
+ "grad_norm": 2.4503839015960693,
70
+ "learning_rate": 1.9955654101995567e-05,
71
+ "loss": 9.7599,
72
+ "step": 450
73
+ },
74
+ {
75
+ "epoch": 0.01,
76
+ "grad_norm": 1.822424054145813,
77
+ "learning_rate": 2.2172949002217298e-05,
78
+ "loss": 9.6608,
79
+ "step": 500
80
+ },
81
+ {
82
+ "epoch": 0.01,
83
+ "grad_norm": 1.6598998308181763,
84
+ "learning_rate": 2.4390243902439026e-05,
85
+ "loss": 9.55,
86
+ "step": 550
87
+ },
88
+ {
89
+ "epoch": 0.01,
90
+ "grad_norm": 1.8471707105636597,
91
+ "learning_rate": 2.6607538802660753e-05,
92
+ "loss": 9.4606,
93
+ "step": 600
94
+ },
95
+ {
96
+ "epoch": 0.01,
97
+ "grad_norm": 1.4833533763885498,
98
+ "learning_rate": 2.8824833702882487e-05,
99
+ "loss": 9.3283,
100
+ "step": 650
101
+ },
102
+ {
103
+ "epoch": 0.01,
104
+ "grad_norm": 1.688541054725647,
105
+ "learning_rate": 3.104212860310421e-05,
106
+ "loss": 9.2229,
107
+ "step": 700
108
+ },
109
+ {
110
+ "epoch": 0.01,
111
+ "grad_norm": 1.6466543674468994,
112
+ "learning_rate": 3.325942350332594e-05,
113
+ "loss": 9.1093,
114
+ "step": 750
115
+ },
116
+ {
117
+ "epoch": 0.01,
118
+ "grad_norm": 1.4169293642044067,
119
+ "learning_rate": 3.547671840354767e-05,
120
+ "loss": 8.9703,
121
+ "step": 800
122
+ },
123
+ {
124
+ "epoch": 0.01,
125
+ "grad_norm": 1.7079193592071533,
126
+ "learning_rate": 3.7694013303769404e-05,
127
+ "loss": 8.8351,
128
+ "step": 850
129
+ },
130
+ {
131
+ "epoch": 0.01,
132
+ "grad_norm": 1.5513204336166382,
133
+ "learning_rate": 3.9911308203991135e-05,
134
+ "loss": 8.7111,
135
+ "step": 900
136
+ },
137
+ {
138
+ "epoch": 0.01,
139
+ "grad_norm": 1.485573172569275,
140
+ "learning_rate": 4.212860310421286e-05,
141
+ "loss": 8.5627,
142
+ "step": 950
143
+ },
144
+ {
145
+ "epoch": 0.01,
146
+ "grad_norm": 1.511690616607666,
147
+ "learning_rate": 4.4345898004434597e-05,
148
+ "loss": 8.5042,
149
+ "step": 1000
150
+ },
151
+ {
152
+ "epoch": 0.01,
153
+ "grad_norm": 2.1478614807128906,
154
+ "learning_rate": 4.656319290465632e-05,
155
+ "loss": 8.3287,
156
+ "step": 1050
157
+ },
158
+ {
159
+ "epoch": 0.01,
160
+ "grad_norm": 1.4060652256011963,
161
+ "learning_rate": 4.878048780487805e-05,
162
+ "loss": 8.2341,
163
+ "step": 1100
164
+ },
165
+ {
166
+ "epoch": 0.01,
167
+ "grad_norm": 1.3950035572052002,
168
+ "learning_rate": 5.099778270509978e-05,
169
+ "loss": 8.1277,
170
+ "step": 1150
171
+ },
172
+ {
173
+ "epoch": 0.01,
174
+ "grad_norm": 1.5197688341140747,
175
+ "learning_rate": 5.3215077605321506e-05,
176
+ "loss": 8.0311,
177
+ "step": 1200
178
+ },
179
+ {
180
+ "epoch": 0.01,
181
+ "grad_norm": 1.3406693935394287,
182
+ "learning_rate": 5.543237250554324e-05,
183
+ "loss": 7.9824,
184
+ "step": 1250
185
+ },
186
+ {
187
+ "epoch": 0.01,
188
+ "grad_norm": 1.4520119428634644,
189
+ "learning_rate": 5.7649667405764975e-05,
190
+ "loss": 7.9948,
191
+ "step": 1300
192
+ },
193
+ {
194
+ "epoch": 0.01,
195
+ "grad_norm": 1.179124116897583,
196
+ "learning_rate": 5.98669623059867e-05,
197
+ "loss": 7.9144,
198
+ "step": 1350
199
+ },
200
+ {
201
+ "epoch": 0.02,
202
+ "grad_norm": 1.4039533138275146,
203
+ "learning_rate": 6.208425720620842e-05,
204
+ "loss": 7.8768,
205
+ "step": 1400
206
+ },
207
+ {
208
+ "epoch": 0.02,
209
+ "grad_norm": 1.5542700290679932,
210
+ "learning_rate": 6.430155210643016e-05,
211
+ "loss": 7.894,
212
+ "step": 1450
213
+ },
214
+ {
215
+ "epoch": 0.02,
216
+ "grad_norm": 1.4150550365447998,
217
+ "learning_rate": 6.651884700665188e-05,
218
+ "loss": 7.8409,
219
+ "step": 1500
220
+ },
221
+ {
222
+ "epoch": 0.02,
223
+ "grad_norm": 1.6647827625274658,
224
+ "learning_rate": 6.873614190687362e-05,
225
+ "loss": 7.91,
226
+ "step": 1550
227
+ },
228
+ {
229
+ "epoch": 0.02,
230
+ "grad_norm": 1.7795697450637817,
231
+ "learning_rate": 7.095343680709535e-05,
232
+ "loss": 7.8256,
233
+ "step": 1600
234
+ },
235
+ {
236
+ "epoch": 0.02,
237
+ "grad_norm": 1.933110237121582,
238
+ "learning_rate": 7.317073170731707e-05,
239
+ "loss": 7.8463,
240
+ "step": 1650
241
+ },
242
+ {
243
+ "epoch": 0.02,
244
+ "grad_norm": 1.1942570209503174,
245
+ "learning_rate": 7.538802660753881e-05,
246
+ "loss": 7.7827,
247
+ "step": 1700
248
+ },
249
+ {
250
+ "epoch": 0.02,
251
+ "grad_norm": 1.6759297847747803,
252
+ "learning_rate": 7.760532150776053e-05,
253
+ "loss": 7.8,
254
+ "step": 1750
255
+ },
256
+ {
257
+ "epoch": 0.02,
258
+ "grad_norm": 1.093256950378418,
259
+ "learning_rate": 7.982261640798227e-05,
260
+ "loss": 7.7461,
261
+ "step": 1800
262
+ },
263
+ {
264
+ "epoch": 0.02,
265
+ "grad_norm": 1.567872166633606,
266
+ "learning_rate": 8.2039911308204e-05,
267
+ "loss": 7.7338,
268
+ "step": 1850
269
+ },
270
+ {
271
+ "epoch": 0.02,
272
+ "grad_norm": 1.3017679452896118,
273
+ "learning_rate": 8.425720620842572e-05,
274
+ "loss": 7.804,
275
+ "step": 1900
276
+ },
277
+ {
278
+ "epoch": 0.02,
279
+ "grad_norm": 1.7510960102081299,
280
+ "learning_rate": 8.647450110864746e-05,
281
+ "loss": 7.7405,
282
+ "step": 1950
283
+ },
284
+ {
285
+ "epoch": 0.02,
286
+ "grad_norm": 1.7215120792388916,
287
+ "learning_rate": 8.869179600886919e-05,
288
+ "loss": 7.7429,
289
+ "step": 2000
290
+ },
291
+ {
292
+ "epoch": 0.02,
293
+ "grad_norm": 1.6202715635299683,
294
+ "learning_rate": 9.090909090909092e-05,
295
+ "loss": 7.6588,
296
+ "step": 2050
297
+ },
298
+ {
299
+ "epoch": 0.02,
300
+ "grad_norm": 1.5680756568908691,
301
+ "learning_rate": 9.312638580931264e-05,
302
+ "loss": 7.6224,
303
+ "step": 2100
304
+ },
305
+ {
306
+ "epoch": 0.02,
307
+ "grad_norm": 1.462240219116211,
308
+ "learning_rate": 9.534368070953438e-05,
309
+ "loss": 7.6851,
310
+ "step": 2150
311
+ },
312
+ {
313
+ "epoch": 0.02,
314
+ "grad_norm": 2.2018320560455322,
315
+ "learning_rate": 9.75609756097561e-05,
316
+ "loss": 7.6443,
317
+ "step": 2200
318
+ },
319
+ {
320
+ "epoch": 0.02,
321
+ "grad_norm": 1.9520208835601807,
322
+ "learning_rate": 9.977827050997783e-05,
323
+ "loss": 7.6456,
324
+ "step": 2250
325
+ },
326
+ {
327
+ "epoch": 0.03,
328
+ "grad_norm": 1.115421175956726,
329
+ "learning_rate": 0.00010199556541019956,
330
+ "loss": 7.5894,
331
+ "step": 2300
332
+ },
333
+ {
334
+ "epoch": 0.03,
335
+ "grad_norm": 1.6002250909805298,
336
+ "learning_rate": 0.0001042128603104213,
337
+ "loss": 7.6017,
338
+ "step": 2350
339
+ },
340
+ {
341
+ "epoch": 0.03,
342
+ "grad_norm": 1.6516796350479126,
343
+ "learning_rate": 0.00010643015521064301,
344
+ "loss": 7.4548,
345
+ "step": 2400
346
+ },
347
+ {
348
+ "epoch": 0.03,
349
+ "grad_norm": 2.2168257236480713,
350
+ "learning_rate": 0.00010864745011086475,
351
+ "loss": 7.5867,
352
+ "step": 2450
353
+ },
354
+ {
355
+ "epoch": 0.03,
356
+ "grad_norm": 1.5447593927383423,
357
+ "learning_rate": 0.00011086474501108647,
358
+ "loss": 7.5317,
359
+ "step": 2500
360
+ },
361
+ {
362
+ "epoch": 0.03,
363
+ "grad_norm": 1.6840906143188477,
364
+ "learning_rate": 0.00011308203991130821,
365
+ "loss": 7.5127,
366
+ "step": 2550
367
+ },
368
+ {
369
+ "epoch": 0.03,
370
+ "grad_norm": 1.2965503931045532,
371
+ "learning_rate": 0.00011529933481152995,
372
+ "loss": 7.4911,
373
+ "step": 2600
374
+ },
375
+ {
376
+ "epoch": 0.03,
377
+ "grad_norm": 1.643584966659546,
378
+ "learning_rate": 0.00011751662971175166,
379
+ "loss": 7.4416,
380
+ "step": 2650
381
+ },
382
+ {
383
+ "epoch": 0.03,
384
+ "grad_norm": 1.5419111251831055,
385
+ "learning_rate": 0.0001197339246119734,
386
+ "loss": 7.4944,
387
+ "step": 2700
388
+ },
389
+ {
390
+ "epoch": 0.03,
391
+ "grad_norm": 1.7774205207824707,
392
+ "learning_rate": 0.00012195121951219512,
393
+ "loss": 7.4244,
394
+ "step": 2750
395
+ },
396
+ {
397
+ "epoch": 0.03,
398
+ "grad_norm": 2.1709322929382324,
399
+ "learning_rate": 0.00012416851441241685,
400
+ "loss": 7.371,
401
+ "step": 2800
402
+ },
403
+ {
404
+ "epoch": 0.03,
405
+ "grad_norm": 1.5503411293029785,
406
+ "learning_rate": 0.0001263858093126386,
407
+ "loss": 7.3031,
408
+ "step": 2850
409
+ },
410
+ {
411
+ "epoch": 0.03,
412
+ "grad_norm": 1.7744035720825195,
413
+ "learning_rate": 0.00012860310421286032,
414
+ "loss": 7.3338,
415
+ "step": 2900
416
+ },
417
+ {
418
+ "epoch": 0.03,
419
+ "grad_norm": 2.2014000415802,
420
+ "learning_rate": 0.00013082039911308205,
421
+ "loss": 7.2962,
422
+ "step": 2950
423
+ },
424
+ {
425
+ "epoch": 0.03,
426
+ "grad_norm": 1.6716220378875732,
427
+ "learning_rate": 0.00013303769401330377,
428
+ "loss": 7.3348,
429
+ "step": 3000
430
+ },
431
+ {
432
+ "epoch": 0.03,
433
+ "grad_norm": 1.7045074701309204,
434
+ "learning_rate": 0.0001352549889135255,
435
+ "loss": 7.2864,
436
+ "step": 3050
437
+ },
438
+ {
439
+ "epoch": 0.03,
440
+ "grad_norm": 1.8933771848678589,
441
+ "learning_rate": 0.00013747228381374724,
442
+ "loss": 7.2744,
443
+ "step": 3100
444
+ },
445
+ {
446
+ "epoch": 0.03,
447
+ "grad_norm": 2.298779249191284,
448
+ "learning_rate": 0.00013968957871396897,
449
+ "loss": 7.2472,
450
+ "step": 3150
451
+ },
452
+ {
453
+ "epoch": 0.04,
454
+ "grad_norm": 1.3420922756195068,
455
+ "learning_rate": 0.0001419068736141907,
456
+ "loss": 7.3019,
457
+ "step": 3200
458
+ },
459
+ {
460
+ "epoch": 0.04,
461
+ "grad_norm": 1.9339039325714111,
462
+ "learning_rate": 0.00014412416851441242,
463
+ "loss": 7.2982,
464
+ "step": 3250
465
+ },
466
+ {
467
+ "epoch": 0.04,
468
+ "grad_norm": 2.69667387008667,
469
+ "learning_rate": 0.00014634146341463414,
470
+ "loss": 7.2851,
471
+ "step": 3300
472
+ },
473
+ {
474
+ "epoch": 0.04,
475
+ "grad_norm": 2.3124189376831055,
476
+ "learning_rate": 0.0001485587583148559,
477
+ "loss": 7.258,
478
+ "step": 3350
479
+ },
480
+ {
481
+ "epoch": 0.04,
482
+ "grad_norm": 1.975651741027832,
483
+ "learning_rate": 0.00015077605321507762,
484
+ "loss": 7.1275,
485
+ "step": 3400
486
+ },
487
+ {
488
+ "epoch": 0.04,
489
+ "grad_norm": 1.9704022407531738,
490
+ "learning_rate": 0.00015299334811529934,
491
+ "loss": 7.1473,
492
+ "step": 3450
493
+ },
494
+ {
495
+ "epoch": 0.04,
496
+ "grad_norm": 2.5047757625579834,
497
+ "learning_rate": 0.00015521064301552106,
498
+ "loss": 7.1096,
499
+ "step": 3500
500
+ },
501
+ {
502
+ "epoch": 0.04,
503
+ "grad_norm": 1.5465894937515259,
504
+ "learning_rate": 0.0001574279379157428,
505
+ "loss": 7.1501,
506
+ "step": 3550
507
+ },
508
+ {
509
+ "epoch": 0.04,
510
+ "grad_norm": 1.9557933807373047,
511
+ "learning_rate": 0.00015964523281596454,
512
+ "loss": 7.2033,
513
+ "step": 3600
514
+ },
515
+ {
516
+ "epoch": 0.04,
517
+ "grad_norm": 2.420116424560547,
518
+ "learning_rate": 0.00016186252771618626,
519
+ "loss": 7.1275,
520
+ "step": 3650
521
+ },
522
+ {
523
+ "epoch": 0.04,
524
+ "grad_norm": 2.114737033843994,
525
+ "learning_rate": 0.000164079822616408,
526
+ "loss": 7.0932,
527
+ "step": 3700
528
+ },
529
+ {
530
+ "epoch": 0.04,
531
+ "grad_norm": 2.3085389137268066,
532
+ "learning_rate": 0.00016629711751662974,
533
+ "loss": 7.0311,
534
+ "step": 3750
535
+ },
536
+ {
537
+ "epoch": 0.04,
538
+ "grad_norm": 2.5679140090942383,
539
+ "learning_rate": 0.00016851441241685144,
540
+ "loss": 6.9168,
541
+ "step": 3800
542
+ },
543
+ {
544
+ "epoch": 0.04,
545
+ "grad_norm": 1.8611838817596436,
546
+ "learning_rate": 0.0001707317073170732,
547
+ "loss": 7.0085,
548
+ "step": 3850
549
+ },
550
+ {
551
+ "epoch": 0.04,
552
+ "grad_norm": 1.8603994846343994,
553
+ "learning_rate": 0.0001729490022172949,
554
+ "loss": 6.9432,
555
+ "step": 3900
556
+ },
557
+ {
558
+ "epoch": 0.04,
559
+ "grad_norm": 2.4244627952575684,
560
+ "learning_rate": 0.00017516629711751663,
561
+ "loss": 6.9333,
562
+ "step": 3950
563
+ },
564
+ {
565
+ "epoch": 0.04,
566
+ "grad_norm": 2.177870750427246,
567
+ "learning_rate": 0.00017738359201773839,
568
+ "loss": 6.9499,
569
+ "step": 4000
570
+ },
571
+ {
572
+ "epoch": 0.04,
573
+ "grad_norm": 1.9320554733276367,
574
+ "learning_rate": 0.00017960088691796008,
575
+ "loss": 6.8204,
576
+ "step": 4050
577
+ },
578
+ {
579
+ "epoch": 0.05,
580
+ "grad_norm": 1.5062849521636963,
581
+ "learning_rate": 0.00018181818181818183,
582
+ "loss": 6.9505,
583
+ "step": 4100
584
+ },
585
+ {
586
+ "epoch": 0.05,
587
+ "grad_norm": 2.9272422790527344,
588
+ "learning_rate": 0.00018403547671840356,
589
+ "loss": 6.8701,
590
+ "step": 4150
591
+ },
592
+ {
593
+ "epoch": 0.05,
594
+ "grad_norm": 2.0309596061706543,
595
+ "learning_rate": 0.00018625277161862528,
596
+ "loss": 6.924,
597
+ "step": 4200
598
+ },
599
+ {
600
+ "epoch": 0.05,
601
+ "grad_norm": 2.0265886783599854,
602
+ "learning_rate": 0.00018847006651884703,
603
+ "loss": 6.9223,
604
+ "step": 4250
605
+ },
606
+ {
607
+ "epoch": 0.05,
608
+ "grad_norm": 2.5160486698150635,
609
+ "learning_rate": 0.00019068736141906876,
610
+ "loss": 6.8708,
611
+ "step": 4300
612
+ },
613
+ {
614
+ "epoch": 0.05,
615
+ "grad_norm": 2.613301992416382,
616
+ "learning_rate": 0.00019290465631929045,
617
+ "loss": 6.8937,
618
+ "step": 4350
619
+ },
620
+ {
621
+ "epoch": 0.05,
622
+ "grad_norm": 2.3031229972839355,
623
+ "learning_rate": 0.0001951219512195122,
624
+ "loss": 6.8337,
625
+ "step": 4400
626
+ },
627
+ {
628
+ "epoch": 0.05,
629
+ "grad_norm": 2.54779052734375,
630
+ "learning_rate": 0.00019733924611973393,
631
+ "loss": 6.8334,
632
+ "step": 4450
633
+ },
634
+ {
635
+ "epoch": 0.05,
636
+ "grad_norm": 2.8277971744537354,
637
+ "learning_rate": 0.00019955654101995565,
638
+ "loss": 6.7925,
639
+ "step": 4500
640
+ },
641
+ {
642
+ "epoch": 0.05,
643
+ "grad_norm": 2.0113885402679443,
644
+ "learning_rate": 0.00019999989242739025,
645
+ "loss": 6.8458,
646
+ "step": 4550
647
+ },
648
+ {
649
+ "epoch": 0.05,
650
+ "grad_norm": 2.2395377159118652,
651
+ "learning_rate": 0.00019999945541405976,
652
+ "loss": 6.6251,
653
+ "step": 4600
654
+ },
655
+ {
656
+ "epoch": 0.05,
657
+ "grad_norm": 2.445993423461914,
658
+ "learning_rate": 0.0001999986822381884,
659
+ "loss": 6.8099,
660
+ "step": 4650
661
+ },
662
+ {
663
+ "epoch": 0.05,
664
+ "grad_norm": 4.077752590179443,
665
+ "learning_rate": 0.0001999975729023753,
666
+ "loss": 6.8053,
667
+ "step": 4700
668
+ },
669
+ {
670
+ "epoch": 0.05,
671
+ "grad_norm": 3.167569875717163,
672
+ "learning_rate": 0.00019999612741034963,
673
+ "loss": 6.7706,
674
+ "step": 4750
675
+ },
676
+ {
677
+ "epoch": 0.05,
678
+ "grad_norm": 1.893659234046936,
679
+ "learning_rate": 0.00019999434576697066,
680
+ "loss": 6.8245,
681
+ "step": 4800
682
+ },
683
+ {
684
+ "epoch": 0.05,
685
+ "grad_norm": 3.6101326942443848,
686
+ "learning_rate": 0.00019999222797822762,
687
+ "loss": 6.7407,
688
+ "step": 4850
689
+ },
690
+ {
691
+ "epoch": 0.05,
692
+ "grad_norm": 2.2858726978302,
693
+ "learning_rate": 0.00019998977405123974,
694
+ "loss": 6.74,
695
+ "step": 4900
696
+ },
697
+ {
698
+ "epoch": 0.05,
699
+ "grad_norm": 1.9325459003448486,
700
+ "learning_rate": 0.0001999869839942563,
701
+ "loss": 6.716,
702
+ "step": 4950
703
+ },
704
+ {
705
+ "epoch": 0.06,
706
+ "grad_norm": 2.0043437480926514,
707
+ "learning_rate": 0.00019998385781665643,
708
+ "loss": 6.6003,
709
+ "step": 5000
710
+ },
711
+ {
712
+ "epoch": 0.06,
713
+ "grad_norm": 4.151523113250732,
714
+ "learning_rate": 0.00019998039552894924,
715
+ "loss": 6.6801,
716
+ "step": 5050
717
+ },
718
+ {
719
+ "epoch": 0.06,
720
+ "grad_norm": 3.8407771587371826,
721
+ "learning_rate": 0.00019997659714277372,
722
+ "loss": 6.608,
723
+ "step": 5100
724
+ },
725
+ {
726
+ "epoch": 0.06,
727
+ "grad_norm": 2.230713129043579,
728
+ "learning_rate": 0.00019997246267089867,
729
+ "loss": 6.6479,
730
+ "step": 5150
731
+ },
732
+ {
733
+ "epoch": 0.06,
734
+ "grad_norm": 2.2546942234039307,
735
+ "learning_rate": 0.0001999679921272227,
736
+ "loss": 6.6548,
737
+ "step": 5200
738
+ },
739
+ {
740
+ "epoch": 0.06,
741
+ "grad_norm": 3.180986166000366,
742
+ "learning_rate": 0.00019996318552677425,
743
+ "loss": 6.6851,
744
+ "step": 5250
745
+ },
746
+ {
747
+ "epoch": 0.06,
748
+ "grad_norm": 2.341231346130371,
749
+ "learning_rate": 0.00019995804288571134,
750
+ "loss": 6.547,
751
+ "step": 5300
752
+ },
753
+ {
754
+ "epoch": 0.06,
755
+ "grad_norm": 3.1117124557495117,
756
+ "learning_rate": 0.00019995256422132172,
757
+ "loss": 6.7072,
758
+ "step": 5350
759
+ },
760
+ {
761
+ "epoch": 0.06,
762
+ "grad_norm": 2.0082530975341797,
763
+ "learning_rate": 0.0001999467495520227,
764
+ "loss": 6.5422,
765
+ "step": 5400
766
+ },
767
+ {
768
+ "epoch": 0.06,
769
+ "grad_norm": 2.409489870071411,
770
+ "learning_rate": 0.0001999405988973611,
771
+ "loss": 6.3716,
772
+ "step": 5450
773
+ },
774
+ {
775
+ "epoch": 0.06,
776
+ "grad_norm": 2.649052381515503,
777
+ "learning_rate": 0.00019993411227801328,
778
+ "loss": 6.6434,
779
+ "step": 5500
780
+ },
781
+ {
782
+ "epoch": 0.06,
783
+ "grad_norm": 3.081116199493408,
784
+ "learning_rate": 0.00019992728971578492,
785
+ "loss": 6.4624,
786
+ "step": 5550
787
+ },
788
+ {
789
+ "epoch": 0.06,
790
+ "grad_norm": 3.1578280925750732,
791
+ "learning_rate": 0.00019992013123361102,
792
+ "loss": 6.5416,
793
+ "step": 5600
794
+ },
795
+ {
796
+ "epoch": 0.06,
797
+ "grad_norm": 3.7874557971954346,
798
+ "learning_rate": 0.0001999126368555559,
799
+ "loss": 6.4512,
800
+ "step": 5650
801
+ },
802
+ {
803
+ "epoch": 0.06,
804
+ "grad_norm": 2.7693099975585938,
805
+ "learning_rate": 0.00019990480660681293,
806
+ "loss": 6.5105,
807
+ "step": 5700
808
+ },
809
+ {
810
+ "epoch": 0.06,
811
+ "grad_norm": 2.4338185787200928,
812
+ "learning_rate": 0.00019989680712666593,
813
+ "loss": 6.5092,
814
+ "step": 5750
815
+ },
816
+ {
817
+ "epoch": 0.06,
818
+ "grad_norm": 3.656937837600708,
819
+ "learning_rate": 0.00019988831193270577,
820
+ "loss": 6.4269,
821
+ "step": 5800
822
+ },
823
+ {
824
+ "epoch": 0.06,
825
+ "grad_norm": 2.857292652130127,
826
+ "learning_rate": 0.00019987948094982952,
827
+ "loss": 6.4387,
828
+ "step": 5850
829
+ },
830
+ {
831
+ "epoch": 0.07,
832
+ "grad_norm": 3.4963467121124268,
833
+ "learning_rate": 0.00019987031420772385,
834
+ "loss": 6.3851,
835
+ "step": 5900
836
+ },
837
+ {
838
+ "epoch": 0.07,
839
+ "grad_norm": 2.602522611618042,
840
+ "learning_rate": 0.00019986081173720396,
841
+ "loss": 6.3413,
842
+ "step": 5950
843
+ },
844
+ {
845
+ "epoch": 0.07,
846
+ "grad_norm": 2.6455273628234863,
847
+ "learning_rate": 0.00019985097357021385,
848
+ "loss": 6.2965,
849
+ "step": 6000
850
+ },
851
+ {
852
+ "epoch": 0.07,
853
+ "grad_norm": 3.5592167377471924,
854
+ "learning_rate": 0.0001998407997398259,
855
+ "loss": 6.4293,
856
+ "step": 6050
857
+ },
858
+ {
859
+ "epoch": 0.07,
860
+ "grad_norm": 3.6016533374786377,
861
+ "learning_rate": 0.00019983029028024094,
862
+ "loss": 6.2897,
863
+ "step": 6100
864
+ },
865
+ {
866
+ "epoch": 0.07,
867
+ "grad_norm": 2.5536839962005615,
868
+ "learning_rate": 0.000199819445226788,
869
+ "loss": 6.3157,
870
+ "step": 6150
871
+ },
872
+ {
873
+ "epoch": 0.07,
874
+ "grad_norm": 2.0514349937438965,
875
+ "learning_rate": 0.00019980826461592427,
876
+ "loss": 6.3847,
877
+ "step": 6200
878
+ },
879
+ {
880
+ "epoch": 0.07,
881
+ "grad_norm": 2.72495174407959,
882
+ "learning_rate": 0.00019979674848523505,
883
+ "loss": 6.3517,
884
+ "step": 6250
885
+ },
886
+ {
887
+ "epoch": 0.07,
888
+ "grad_norm": 2.4264872074127197,
889
+ "learning_rate": 0.00019978489687343335,
890
+ "loss": 6.2533,
891
+ "step": 6300
892
+ },
893
+ {
894
+ "epoch": 0.07,
895
+ "grad_norm": 2.8361423015594482,
896
+ "learning_rate": 0.0001997727098203602,
897
+ "loss": 6.3654,
898
+ "step": 6350
899
+ },
900
+ {
901
+ "epoch": 0.07,
902
+ "grad_norm": 2.9690892696380615,
903
+ "learning_rate": 0.00019976018736698404,
904
+ "loss": 6.3968,
905
+ "step": 6400
906
+ },
907
+ {
908
+ "epoch": 0.07,
909
+ "grad_norm": 2.6132867336273193,
910
+ "learning_rate": 0.0001997473295554009,
911
+ "loss": 6.3444,
912
+ "step": 6450
913
+ },
914
+ {
915
+ "epoch": 0.07,
916
+ "grad_norm": 4.820697784423828,
917
+ "learning_rate": 0.00019973413642883424,
918
+ "loss": 6.2019,
919
+ "step": 6500
920
+ },
921
+ {
922
+ "epoch": 0.07,
923
+ "grad_norm": 2.2316782474517822,
924
+ "learning_rate": 0.00019972060803163458,
925
+ "loss": 6.2049,
926
+ "step": 6550
927
+ },
928
+ {
929
+ "epoch": 0.07,
930
+ "grad_norm": 3.9528305530548096,
931
+ "learning_rate": 0.00019970674440927957,
932
+ "loss": 6.1718,
933
+ "step": 6600
934
+ },
935
+ {
936
+ "epoch": 0.07,
937
+ "grad_norm": 1.891073226928711,
938
+ "learning_rate": 0.0001996925456083738,
939
+ "loss": 6.2393,
940
+ "step": 6650
941
+ },
942
+ {
943
+ "epoch": 0.07,
944
+ "grad_norm": 2.813270092010498,
945
+ "learning_rate": 0.00019967801167664853,
946
+ "loss": 6.2116,
947
+ "step": 6700
948
+ },
949
+ {
950
+ "epoch": 0.07,
951
+ "grad_norm": 2.2726826667785645,
952
+ "learning_rate": 0.00019966314266296173,
953
+ "loss": 6.1521,
954
+ "step": 6750
955
+ },
956
+ {
957
+ "epoch": 0.08,
958
+ "grad_norm": 2.3895318508148193,
959
+ "learning_rate": 0.00019964793861729772,
960
+ "loss": 6.1072,
961
+ "step": 6800
962
+ },
963
+ {
964
+ "epoch": 0.08,
965
+ "grad_norm": 3.190431833267212,
966
+ "learning_rate": 0.000199632399590767,
967
+ "loss": 6.2009,
968
+ "step": 6850
969
+ },
970
+ {
971
+ "epoch": 0.08,
972
+ "grad_norm": 3.79266095161438,
973
+ "learning_rate": 0.00019961652563560634,
974
+ "loss": 6.028,
975
+ "step": 6900
976
+ },
977
+ {
978
+ "epoch": 0.08,
979
+ "grad_norm": 3.260039806365967,
980
+ "learning_rate": 0.00019960031680517826,
981
+ "loss": 6.0733,
982
+ "step": 6950
983
+ },
984
+ {
985
+ "epoch": 0.08,
986
+ "grad_norm": 3.0739686489105225,
987
+ "learning_rate": 0.0001995837731539711,
988
+ "loss": 6.0521,
989
+ "step": 7000
990
+ },
991
+ {
992
+ "epoch": 0.08,
993
+ "grad_norm": 3.0517771244049072,
994
+ "learning_rate": 0.00019956689473759872,
995
+ "loss": 6.0544,
996
+ "step": 7050
997
+ },
998
+ {
999
+ "epoch": 0.08,
1000
+ "grad_norm": 3.9524648189544678,
1001
+ "learning_rate": 0.0001995496816128003,
1002
+ "loss": 6.1326,
1003
+ "step": 7100
1004
+ },
1005
+ {
1006
+ "epoch": 0.08,
1007
+ "grad_norm": 4.498497486114502,
1008
+ "learning_rate": 0.00019953213383744033,
1009
+ "loss": 6.236,
1010
+ "step": 7150
1011
+ },
1012
+ {
1013
+ "epoch": 0.08,
1014
+ "grad_norm": 4.157576084136963,
1015
+ "learning_rate": 0.00019951425147050807,
1016
+ "loss": 5.9898,
1017
+ "step": 7200
1018
+ },
1019
+ {
1020
+ "epoch": 0.08,
1021
+ "grad_norm": 3.9297516345977783,
1022
+ "learning_rate": 0.00019949603457211775,
1023
+ "loss": 6.086,
1024
+ "step": 7250
1025
+ },
1026
+ {
1027
+ "epoch": 0.08,
1028
+ "grad_norm": 3.3214786052703857,
1029
+ "learning_rate": 0.00019947748320350804,
1030
+ "loss": 5.9589,
1031
+ "step": 7300
1032
+ },
1033
+ {
1034
+ "epoch": 0.08,
1035
+ "grad_norm": 2.8847291469573975,
1036
+ "learning_rate": 0.00019945859742704201,
1037
+ "loss": 6.1931,
1038
+ "step": 7350
1039
+ },
1040
+ {
1041
+ "epoch": 0.08,
1042
+ "grad_norm": 3.387896776199341,
1043
+ "learning_rate": 0.00019943937730620702,
1044
+ "loss": 6.0539,
1045
+ "step": 7400
1046
+ },
1047
+ {
1048
+ "epoch": 0.08,
1049
+ "grad_norm": 3.1214797496795654,
1050
+ "learning_rate": 0.00019941982290561417,
1051
+ "loss": 6.0288,
1052
+ "step": 7450
1053
+ },
1054
+ {
1055
+ "epoch": 0.08,
1056
+ "grad_norm": 3.7995123863220215,
1057
+ "learning_rate": 0.00019939993429099841,
1058
+ "loss": 6.0526,
1059
+ "step": 7500
1060
+ },
1061
+ {
1062
+ "epoch": 0.08,
1063
+ "grad_norm": 4.788393974304199,
1064
+ "learning_rate": 0.00019937971152921818,
1065
+ "loss": 5.9799,
1066
+ "step": 7550
1067
+ },
1068
+ {
1069
+ "epoch": 0.08,
1070
+ "grad_norm": 4.009220123291016,
1071
+ "learning_rate": 0.0001993591546882552,
1072
+ "loss": 6.1223,
1073
+ "step": 7600
1074
+ },
1075
+ {
1076
+ "epoch": 0.08,
1077
+ "grad_norm": 3.5576276779174805,
1078
+ "learning_rate": 0.00019933826383721428,
1079
+ "loss": 5.989,
1080
+ "step": 7650
1081
+ },
1082
+ {
1083
+ "epoch": 0.09,
1084
+ "grad_norm": 3.1287412643432617,
1085
+ "learning_rate": 0.00019931703904632294,
1086
+ "loss": 6.0542,
1087
+ "step": 7700
1088
+ },
1089
+ {
1090
+ "epoch": 0.09,
1091
+ "grad_norm": 3.6518595218658447,
1092
+ "learning_rate": 0.00019929548038693146,
1093
+ "loss": 6.041,
1094
+ "step": 7750
1095
+ },
1096
+ {
1097
+ "epoch": 0.09,
1098
+ "grad_norm": 3.268080472946167,
1099
+ "learning_rate": 0.0001992735879315123,
1100
+ "loss": 5.888,
1101
+ "step": 7800
1102
+ },
1103
+ {
1104
+ "epoch": 0.09,
1105
+ "grad_norm": 3.6055593490600586,
1106
+ "learning_rate": 0.00019925136175366007,
1107
+ "loss": 5.913,
1108
+ "step": 7850
1109
+ },
1110
+ {
1111
+ "epoch": 0.09,
1112
+ "grad_norm": 4.866463661193848,
1113
+ "learning_rate": 0.00019922880192809137,
1114
+ "loss": 5.9858,
1115
+ "step": 7900
1116
+ },
1117
+ {
1118
+ "epoch": 0.09,
1119
+ "grad_norm": 3.44808292388916,
1120
+ "learning_rate": 0.00019920590853064423,
1121
+ "loss": 5.7686,
1122
+ "step": 7950
1123
+ },
1124
+ {
1125
+ "epoch": 0.09,
1126
+ "grad_norm": 2.9507765769958496,
1127
+ "learning_rate": 0.00019918268163827808,
1128
+ "loss": 5.8557,
1129
+ "step": 8000
1130
+ },
1131
+ {
1132
+ "epoch": 0.09,
1133
+ "grad_norm": 3.441870927810669,
1134
+ "learning_rate": 0.00019915912132907352,
1135
+ "loss": 5.8268,
1136
+ "step": 8050
1137
+ },
1138
+ {
1139
+ "epoch": 0.09,
1140
+ "grad_norm": 3.838809013366699,
1141
+ "learning_rate": 0.00019913522768223182,
1142
+ "loss": 5.9833,
1143
+ "step": 8100
1144
+ },
1145
+ {
1146
+ "epoch": 0.09,
1147
+ "grad_norm": 4.165487289428711,
1148
+ "learning_rate": 0.00019911100077807498,
1149
+ "loss": 5.7422,
1150
+ "step": 8150
1151
+ },
1152
+ {
1153
+ "epoch": 0.09,
1154
+ "grad_norm": 3.5947463512420654,
1155
+ "learning_rate": 0.0001990864406980452,
1156
+ "loss": 5.7479,
1157
+ "step": 8200
1158
+ },
1159
+ {
1160
+ "epoch": 0.09,
1161
+ "grad_norm": 4.130446434020996,
1162
+ "learning_rate": 0.00019906154752470472,
1163
+ "loss": 5.7767,
1164
+ "step": 8250
1165
+ },
1166
+ {
1167
+ "epoch": 0.09,
1168
+ "grad_norm": 4.866550922393799,
1169
+ "learning_rate": 0.00019903632134173554,
1170
+ "loss": 5.7681,
1171
+ "step": 8300
1172
+ },
1173
+ {
1174
+ "epoch": 0.09,
1175
+ "grad_norm": 3.2839725017547607,
1176
+ "learning_rate": 0.00019901076223393903,
1177
+ "loss": 5.6656,
1178
+ "step": 8350
1179
+ },
1180
+ {
1181
+ "epoch": 0.09,
1182
+ "grad_norm": 3.0762476921081543,
1183
+ "learning_rate": 0.0001989848702872359,
1184
+ "loss": 5.789,
1185
+ "step": 8400
1186
+ },
1187
+ {
1188
+ "epoch": 0.09,
1189
+ "grad_norm": 3.7109107971191406,
1190
+ "learning_rate": 0.00019895864558866556,
1191
+ "loss": 5.773,
1192
+ "step": 8450
1193
+ },
1194
+ {
1195
+ "epoch": 0.09,
1196
+ "grad_norm": 5.400998115539551,
1197
+ "learning_rate": 0.00019893208822638618,
1198
+ "loss": 5.7506,
1199
+ "step": 8500
1200
+ },
1201
+ {
1202
+ "epoch": 0.09,
1203
+ "grad_norm": 3.3062849044799805,
1204
+ "learning_rate": 0.00019890519828967413,
1205
+ "loss": 5.7515,
1206
+ "step": 8550
1207
+ },
1208
+ {
1209
+ "epoch": 0.1,
1210
+ "grad_norm": 4.109920501708984,
1211
+ "learning_rate": 0.00019887797586892373,
1212
+ "loss": 5.7972,
1213
+ "step": 8600
1214
+ },
1215
+ {
1216
+ "epoch": 0.1,
1217
+ "grad_norm": 3.4838390350341797,
1218
+ "learning_rate": 0.00019885042105564717,
1219
+ "loss": 5.6753,
1220
+ "step": 8650
1221
+ },
1222
+ {
1223
+ "epoch": 0.1,
1224
+ "grad_norm": 4.251760959625244,
1225
+ "learning_rate": 0.00019882253394247381,
1226
+ "loss": 5.6303,
1227
+ "step": 8700
1228
+ },
1229
+ {
1230
+ "epoch": 0.1,
1231
+ "grad_norm": 4.042376518249512,
1232
+ "learning_rate": 0.00019879431462315025,
1233
+ "loss": 5.5753,
1234
+ "step": 8750
1235
+ },
1236
+ {
1237
+ "epoch": 0.1,
1238
+ "grad_norm": 4.239652633666992,
1239
+ "learning_rate": 0.0001987657631925398,
1240
+ "loss": 5.5335,
1241
+ "step": 8800
1242
+ },
1243
+ {
1244
+ "epoch": 0.1,
1245
+ "grad_norm": 5.15481424331665,
1246
+ "learning_rate": 0.00019873687974662215,
1247
+ "loss": 5.5396,
1248
+ "step": 8850
1249
+ },
1250
+ {
1251
+ "epoch": 0.1,
1252
+ "grad_norm": 4.36835241317749,
1253
+ "learning_rate": 0.00019870766438249317,
1254
+ "loss": 5.6017,
1255
+ "step": 8900
1256
+ },
1257
+ {
1258
+ "epoch": 0.1,
1259
+ "grad_norm": 4.165258407592773,
1260
+ "learning_rate": 0.00019867811719836452,
1261
+ "loss": 5.7228,
1262
+ "step": 8950
1263
+ },
1264
+ {
1265
+ "epoch": 0.1,
1266
+ "grad_norm": 4.125988006591797,
1267
+ "learning_rate": 0.0001986482382935633,
1268
+ "loss": 5.5787,
1269
+ "step": 9000
1270
+ },
1271
+ {
1272
+ "epoch": 0.1,
1273
+ "grad_norm": 4.177731037139893,
1274
+ "learning_rate": 0.0001986180277685317,
1275
+ "loss": 5.5829,
1276
+ "step": 9050
1277
+ },
1278
+ {
1279
+ "epoch": 0.1,
1280
+ "grad_norm": 5.006561279296875,
1281
+ "learning_rate": 0.00019858748572482683,
1282
+ "loss": 5.5466,
1283
+ "step": 9100
1284
+ },
1285
+ {
1286
+ "epoch": 0.1,
1287
+ "grad_norm": 4.33070182800293,
1288
+ "learning_rate": 0.00019855661226512007,
1289
+ "loss": 5.5544,
1290
+ "step": 9150
1291
+ },
1292
+ {
1293
+ "epoch": 0.1,
1294
+ "grad_norm": 4.358560085296631,
1295
+ "learning_rate": 0.00019852540749319708,
1296
+ "loss": 5.4599,
1297
+ "step": 9200
1298
+ },
1299
+ {
1300
+ "epoch": 0.1,
1301
+ "grad_norm": 4.536096096038818,
1302
+ "learning_rate": 0.00019849387151395708,
1303
+ "loss": 5.4983,
1304
+ "step": 9250
1305
+ },
1306
+ {
1307
+ "epoch": 0.1,
1308
+ "grad_norm": 4.66163444519043,
1309
+ "learning_rate": 0.0001984620044334129,
1310
+ "loss": 5.4097,
1311
+ "step": 9300
1312
+ },
1313
+ {
1314
+ "epoch": 0.1,
1315
+ "grad_norm": 4.4319233894348145,
1316
+ "learning_rate": 0.00019842980635869024,
1317
+ "loss": 5.4093,
1318
+ "step": 9350
1319
+ },
1320
+ {
1321
+ "epoch": 0.1,
1322
+ "grad_norm": 4.98419713973999,
1323
+ "learning_rate": 0.0001983972773980276,
1324
+ "loss": 5.4056,
1325
+ "step": 9400
1326
+ },
1327
+ {
1328
+ "epoch": 0.1,
1329
+ "grad_norm": 3.6354339122772217,
1330
+ "learning_rate": 0.0001983644176607757,
1331
+ "loss": 5.3171,
1332
+ "step": 9450
1333
+ },
1334
+ {
1335
+ "epoch": 0.11,
1336
+ "grad_norm": 4.495342254638672,
1337
+ "learning_rate": 0.00019833122725739736,
1338
+ "loss": 5.4521,
1339
+ "step": 9500
1340
+ },
1341
+ {
1342
+ "epoch": 0.11,
1343
+ "grad_norm": 4.5558671951293945,
1344
+ "learning_rate": 0.00019829770629946678,
1345
+ "loss": 5.5158,
1346
+ "step": 9550
1347
+ },
1348
+ {
1349
+ "epoch": 0.11,
1350
+ "grad_norm": 3.7165732383728027,
1351
+ "learning_rate": 0.00019826385489966957,
1352
+ "loss": 5.301,
1353
+ "step": 9600
1354
+ },
1355
+ {
1356
+ "epoch": 0.11,
1357
+ "grad_norm": 6.030915260314941,
1358
+ "learning_rate": 0.00019822967317180204,
1359
+ "loss": 5.3316,
1360
+ "step": 9650
1361
+ },
1362
+ {
1363
+ "epoch": 0.11,
1364
+ "grad_norm": 5.385923385620117,
1365
+ "learning_rate": 0.00019819516123077094,
1366
+ "loss": 5.3844,
1367
+ "step": 9700
1368
+ },
1369
+ {
1370
+ "epoch": 0.11,
1371
+ "grad_norm": 4.383516788482666,
1372
+ "learning_rate": 0.00019816101926755305,
1373
+ "loss": 5.2995,
1374
+ "step": 9750
1375
+ },
1376
+ {
1377
+ "epoch": 0.11,
1378
+ "grad_norm": 4.446406364440918,
1379
+ "learning_rate": 0.00019812585384780055,
1380
+ "loss": 5.386,
1381
+ "step": 9800
1382
+ },
1383
+ {
1384
+ "epoch": 0.11,
1385
+ "grad_norm": 4.345483303070068,
1386
+ "learning_rate": 0.00019809035856388805,
1387
+ "loss": 5.2815,
1388
+ "step": 9850
1389
+ },
1390
+ {
1391
+ "epoch": 0.11,
1392
+ "grad_norm": 4.791261672973633,
1393
+ "learning_rate": 0.00019805453353513813,
1394
+ "loss": 5.3757,
1395
+ "step": 9900
1396
+ },
1397
+ {
1398
+ "epoch": 0.11,
1399
+ "grad_norm": 5.622151851654053,
1400
+ "learning_rate": 0.00019801837888198172,
1401
+ "loss": 5.4405,
1402
+ "step": 9950
1403
+ },
1404
+ {
1405
+ "epoch": 0.11,
1406
+ "grad_norm": 4.934606075286865,
1407
+ "learning_rate": 0.0001979818947259579,
1408
+ "loss": 5.139,
1409
+ "step": 10000
1410
+ }
1411
+ ],
1412
+ "logging_steps": 50,
1413
+ "max_steps": 90183,
1414
+ "num_input_tokens_seen": 0,
1415
+ "num_train_epochs": 1,
1416
+ "save_steps": 1000,
1417
+ "total_flos": 3595905269760000.0,
1418
+ "train_batch_size": 16,
1419
+ "trial_name": null,
1420
+ "trial_params": null
1421
+ }
checkpoints/checkpoint-10000/training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:bcdffec292848a9e4baadecd0be02bf6760a1c3238602b1aad355cf1ba43d36e
3
+ size 5048
checkpoints/checkpoint-11000/config.json ADDED
@@ -0,0 +1,28 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "architectures": [
3
+ "AlbertForMaskedLM"
4
+ ],
5
+ "attention_probs_dropout_prob": 0,
6
+ "bos_token_id": 2,
7
+ "classifier_dropout_prob": 0.1,
8
+ "embedding_size": 128,
9
+ "eos_token_id": 3,
10
+ "hidden_act": "gelu_new",
11
+ "hidden_dropout_prob": 0,
12
+ "hidden_size": 768,
13
+ "initializer_range": 0.02,
14
+ "inner_group_num": 1,
15
+ "intermediate_size": 3072,
16
+ "layer_norm_eps": 1e-12,
17
+ "max_position_embeddings": 512,
18
+ "model_type": "albert",
19
+ "num_attention_heads": 12,
20
+ "num_hidden_groups": 1,
21
+ "num_hidden_layers": 12,
22
+ "pad_token_id": 0,
23
+ "position_embedding_type": "absolute",
24
+ "torch_dtype": "float32",
25
+ "transformers_version": "4.38.2",
26
+ "type_vocab_size": 2,
27
+ "vocab_size": 30000
28
+ }
checkpoints/checkpoint-11000/model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:25348887f65de0d617e799333d76281a2bad79b1426a7936f07eb3c7b668adc2
3
+ size 44890256
checkpoints/checkpoint-11000/optimizer.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:7a21cc22f410dd970e72c3860cf69fe1d8b19c5e15a1f285e9b1e8b9aa4ad030
3
+ size 89797322
checkpoints/checkpoint-11000/rng_state.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:deb8cb1e724bdc9e2e6a27da3e206179ead983df0139090202dbc3fc5277650c
3
+ size 14244
checkpoints/checkpoint-11000/scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:4427490ea57450bb98724744f69d9020f2eb9abeb16cbfef6b3d1c81a35b0b83
3
+ size 1064
checkpoints/checkpoint-11000/trainer_state.json ADDED
@@ -0,0 +1,1561 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 0.12197420799929033,
5
+ "eval_steps": 500,
6
+ "global_step": 11000,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.0,
13
+ "grad_norm": 3.2580924034118652,
14
+ "learning_rate": 2.2172949002217296e-06,
15
+ "loss": 10.2933,
16
+ "step": 50
17
+ },
18
+ {
19
+ "epoch": 0.0,
20
+ "grad_norm": 2.4347386360168457,
21
+ "learning_rate": 4.434589800443459e-06,
22
+ "loss": 10.1894,
23
+ "step": 100
24
+ },
25
+ {
26
+ "epoch": 0.0,
27
+ "grad_norm": 2.3895885944366455,
28
+ "learning_rate": 6.651884700665188e-06,
29
+ "loss": 10.1424,
30
+ "step": 150
31
+ },
32
+ {
33
+ "epoch": 0.0,
34
+ "grad_norm": 2.129647731781006,
35
+ "learning_rate": 8.869179600886918e-06,
36
+ "loss": 10.0995,
37
+ "step": 200
38
+ },
39
+ {
40
+ "epoch": 0.0,
41
+ "grad_norm": 2.3564186096191406,
42
+ "learning_rate": 1.1086474501108649e-05,
43
+ "loss": 10.0479,
44
+ "step": 250
45
+ },
46
+ {
47
+ "epoch": 0.0,
48
+ "grad_norm": 1.830551028251648,
49
+ "learning_rate": 1.3303769401330377e-05,
50
+ "loss": 9.9971,
51
+ "step": 300
52
+ },
53
+ {
54
+ "epoch": 0.0,
55
+ "grad_norm": 2.1173911094665527,
56
+ "learning_rate": 1.5521064301552106e-05,
57
+ "loss": 9.9201,
58
+ "step": 350
59
+ },
60
+ {
61
+ "epoch": 0.0,
62
+ "grad_norm": 1.6636557579040527,
63
+ "learning_rate": 1.7738359201773837e-05,
64
+ "loss": 9.8562,
65
+ "step": 400
66
+ },
67
+ {
68
+ "epoch": 0.0,
69
+ "grad_norm": 2.4503839015960693,
70
+ "learning_rate": 1.9955654101995567e-05,
71
+ "loss": 9.7599,
72
+ "step": 450
73
+ },
74
+ {
75
+ "epoch": 0.01,
76
+ "grad_norm": 1.822424054145813,
77
+ "learning_rate": 2.2172949002217298e-05,
78
+ "loss": 9.6608,
79
+ "step": 500
80
+ },
81
+ {
82
+ "epoch": 0.01,
83
+ "grad_norm": 1.6598998308181763,
84
+ "learning_rate": 2.4390243902439026e-05,
85
+ "loss": 9.55,
86
+ "step": 550
87
+ },
88
+ {
89
+ "epoch": 0.01,
90
+ "grad_norm": 1.8471707105636597,
91
+ "learning_rate": 2.6607538802660753e-05,
92
+ "loss": 9.4606,
93
+ "step": 600
94
+ },
95
+ {
96
+ "epoch": 0.01,
97
+ "grad_norm": 1.4833533763885498,
98
+ "learning_rate": 2.8824833702882487e-05,
99
+ "loss": 9.3283,
100
+ "step": 650
101
+ },
102
+ {
103
+ "epoch": 0.01,
104
+ "grad_norm": 1.688541054725647,
105
+ "learning_rate": 3.104212860310421e-05,
106
+ "loss": 9.2229,
107
+ "step": 700
108
+ },
109
+ {
110
+ "epoch": 0.01,
111
+ "grad_norm": 1.6466543674468994,
112
+ "learning_rate": 3.325942350332594e-05,
113
+ "loss": 9.1093,
114
+ "step": 750
115
+ },
116
+ {
117
+ "epoch": 0.01,
118
+ "grad_norm": 1.4169293642044067,
119
+ "learning_rate": 3.547671840354767e-05,
120
+ "loss": 8.9703,
121
+ "step": 800
122
+ },
123
+ {
124
+ "epoch": 0.01,
125
+ "grad_norm": 1.7079193592071533,
126
+ "learning_rate": 3.7694013303769404e-05,
127
+ "loss": 8.8351,
128
+ "step": 850
129
+ },
130
+ {
131
+ "epoch": 0.01,
132
+ "grad_norm": 1.5513204336166382,
133
+ "learning_rate": 3.9911308203991135e-05,
134
+ "loss": 8.7111,
135
+ "step": 900
136
+ },
137
+ {
138
+ "epoch": 0.01,
139
+ "grad_norm": 1.485573172569275,
140
+ "learning_rate": 4.212860310421286e-05,
141
+ "loss": 8.5627,
142
+ "step": 950
143
+ },
144
+ {
145
+ "epoch": 0.01,
146
+ "grad_norm": 1.511690616607666,
147
+ "learning_rate": 4.4345898004434597e-05,
148
+ "loss": 8.5042,
149
+ "step": 1000
150
+ },
151
+ {
152
+ "epoch": 0.01,
153
+ "grad_norm": 2.1478614807128906,
154
+ "learning_rate": 4.656319290465632e-05,
155
+ "loss": 8.3287,
156
+ "step": 1050
157
+ },
158
+ {
159
+ "epoch": 0.01,
160
+ "grad_norm": 1.4060652256011963,
161
+ "learning_rate": 4.878048780487805e-05,
162
+ "loss": 8.2341,
163
+ "step": 1100
164
+ },
165
+ {
166
+ "epoch": 0.01,
167
+ "grad_norm": 1.3950035572052002,
168
+ "learning_rate": 5.099778270509978e-05,
169
+ "loss": 8.1277,
170
+ "step": 1150
171
+ },
172
+ {
173
+ "epoch": 0.01,
174
+ "grad_norm": 1.5197688341140747,
175
+ "learning_rate": 5.3215077605321506e-05,
176
+ "loss": 8.0311,
177
+ "step": 1200
178
+ },
179
+ {
180
+ "epoch": 0.01,
181
+ "grad_norm": 1.3406693935394287,
182
+ "learning_rate": 5.543237250554324e-05,
183
+ "loss": 7.9824,
184
+ "step": 1250
185
+ },
186
+ {
187
+ "epoch": 0.01,
188
+ "grad_norm": 1.4520119428634644,
189
+ "learning_rate": 5.7649667405764975e-05,
190
+ "loss": 7.9948,
191
+ "step": 1300
192
+ },
193
+ {
194
+ "epoch": 0.01,
195
+ "grad_norm": 1.179124116897583,
196
+ "learning_rate": 5.98669623059867e-05,
197
+ "loss": 7.9144,
198
+ "step": 1350
199
+ },
200
+ {
201
+ "epoch": 0.02,
202
+ "grad_norm": 1.4039533138275146,
203
+ "learning_rate": 6.208425720620842e-05,
204
+ "loss": 7.8768,
205
+ "step": 1400
206
+ },
207
+ {
208
+ "epoch": 0.02,
209
+ "grad_norm": 1.5542700290679932,
210
+ "learning_rate": 6.430155210643016e-05,
211
+ "loss": 7.894,
212
+ "step": 1450
213
+ },
214
+ {
215
+ "epoch": 0.02,
216
+ "grad_norm": 1.4150550365447998,
217
+ "learning_rate": 6.651884700665188e-05,
218
+ "loss": 7.8409,
219
+ "step": 1500
220
+ },
221
+ {
222
+ "epoch": 0.02,
223
+ "grad_norm": 1.6647827625274658,
224
+ "learning_rate": 6.873614190687362e-05,
225
+ "loss": 7.91,
226
+ "step": 1550
227
+ },
228
+ {
229
+ "epoch": 0.02,
230
+ "grad_norm": 1.7795697450637817,
231
+ "learning_rate": 7.095343680709535e-05,
232
+ "loss": 7.8256,
233
+ "step": 1600
234
+ },
235
+ {
236
+ "epoch": 0.02,
237
+ "grad_norm": 1.933110237121582,
238
+ "learning_rate": 7.317073170731707e-05,
239
+ "loss": 7.8463,
240
+ "step": 1650
241
+ },
242
+ {
243
+ "epoch": 0.02,
244
+ "grad_norm": 1.1942570209503174,
245
+ "learning_rate": 7.538802660753881e-05,
246
+ "loss": 7.7827,
247
+ "step": 1700
248
+ },
249
+ {
250
+ "epoch": 0.02,
251
+ "grad_norm": 1.6759297847747803,
252
+ "learning_rate": 7.760532150776053e-05,
253
+ "loss": 7.8,
254
+ "step": 1750
255
+ },
256
+ {
257
+ "epoch": 0.02,
258
+ "grad_norm": 1.093256950378418,
259
+ "learning_rate": 7.982261640798227e-05,
260
+ "loss": 7.7461,
261
+ "step": 1800
262
+ },
263
+ {
264
+ "epoch": 0.02,
265
+ "grad_norm": 1.567872166633606,
266
+ "learning_rate": 8.2039911308204e-05,
267
+ "loss": 7.7338,
268
+ "step": 1850
269
+ },
270
+ {
271
+ "epoch": 0.02,
272
+ "grad_norm": 1.3017679452896118,
273
+ "learning_rate": 8.425720620842572e-05,
274
+ "loss": 7.804,
275
+ "step": 1900
276
+ },
277
+ {
278
+ "epoch": 0.02,
279
+ "grad_norm": 1.7510960102081299,
280
+ "learning_rate": 8.647450110864746e-05,
281
+ "loss": 7.7405,
282
+ "step": 1950
283
+ },
284
+ {
285
+ "epoch": 0.02,
286
+ "grad_norm": 1.7215120792388916,
287
+ "learning_rate": 8.869179600886919e-05,
288
+ "loss": 7.7429,
289
+ "step": 2000
290
+ },
291
+ {
292
+ "epoch": 0.02,
293
+ "grad_norm": 1.6202715635299683,
294
+ "learning_rate": 9.090909090909092e-05,
295
+ "loss": 7.6588,
296
+ "step": 2050
297
+ },
298
+ {
299
+ "epoch": 0.02,
300
+ "grad_norm": 1.5680756568908691,
301
+ "learning_rate": 9.312638580931264e-05,
302
+ "loss": 7.6224,
303
+ "step": 2100
304
+ },
305
+ {
306
+ "epoch": 0.02,
307
+ "grad_norm": 1.462240219116211,
308
+ "learning_rate": 9.534368070953438e-05,
309
+ "loss": 7.6851,
310
+ "step": 2150
311
+ },
312
+ {
313
+ "epoch": 0.02,
314
+ "grad_norm": 2.2018320560455322,
315
+ "learning_rate": 9.75609756097561e-05,
316
+ "loss": 7.6443,
317
+ "step": 2200
318
+ },
319
+ {
320
+ "epoch": 0.02,
321
+ "grad_norm": 1.9520208835601807,
322
+ "learning_rate": 9.977827050997783e-05,
323
+ "loss": 7.6456,
324
+ "step": 2250
325
+ },
326
+ {
327
+ "epoch": 0.03,
328
+ "grad_norm": 1.115421175956726,
329
+ "learning_rate": 0.00010199556541019956,
330
+ "loss": 7.5894,
331
+ "step": 2300
332
+ },
333
+ {
334
+ "epoch": 0.03,
335
+ "grad_norm": 1.6002250909805298,
336
+ "learning_rate": 0.0001042128603104213,
337
+ "loss": 7.6017,
338
+ "step": 2350
339
+ },
340
+ {
341
+ "epoch": 0.03,
342
+ "grad_norm": 1.6516796350479126,
343
+ "learning_rate": 0.00010643015521064301,
344
+ "loss": 7.4548,
345
+ "step": 2400
346
+ },
347
+ {
348
+ "epoch": 0.03,
349
+ "grad_norm": 2.2168257236480713,
350
+ "learning_rate": 0.00010864745011086475,
351
+ "loss": 7.5867,
352
+ "step": 2450
353
+ },
354
+ {
355
+ "epoch": 0.03,
356
+ "grad_norm": 1.5447593927383423,
357
+ "learning_rate": 0.00011086474501108647,
358
+ "loss": 7.5317,
359
+ "step": 2500
360
+ },
361
+ {
362
+ "epoch": 0.03,
363
+ "grad_norm": 1.6840906143188477,
364
+ "learning_rate": 0.00011308203991130821,
365
+ "loss": 7.5127,
366
+ "step": 2550
367
+ },
368
+ {
369
+ "epoch": 0.03,
370
+ "grad_norm": 1.2965503931045532,
371
+ "learning_rate": 0.00011529933481152995,
372
+ "loss": 7.4911,
373
+ "step": 2600
374
+ },
375
+ {
376
+ "epoch": 0.03,
377
+ "grad_norm": 1.643584966659546,
378
+ "learning_rate": 0.00011751662971175166,
379
+ "loss": 7.4416,
380
+ "step": 2650
381
+ },
382
+ {
383
+ "epoch": 0.03,
384
+ "grad_norm": 1.5419111251831055,
385
+ "learning_rate": 0.0001197339246119734,
386
+ "loss": 7.4944,
387
+ "step": 2700
388
+ },
389
+ {
390
+ "epoch": 0.03,
391
+ "grad_norm": 1.7774205207824707,
392
+ "learning_rate": 0.00012195121951219512,
393
+ "loss": 7.4244,
394
+ "step": 2750
395
+ },
396
+ {
397
+ "epoch": 0.03,
398
+ "grad_norm": 2.1709322929382324,
399
+ "learning_rate": 0.00012416851441241685,
400
+ "loss": 7.371,
401
+ "step": 2800
402
+ },
403
+ {
404
+ "epoch": 0.03,
405
+ "grad_norm": 1.5503411293029785,
406
+ "learning_rate": 0.0001263858093126386,
407
+ "loss": 7.3031,
408
+ "step": 2850
409
+ },
410
+ {
411
+ "epoch": 0.03,
412
+ "grad_norm": 1.7744035720825195,
413
+ "learning_rate": 0.00012860310421286032,
414
+ "loss": 7.3338,
415
+ "step": 2900
416
+ },
417
+ {
418
+ "epoch": 0.03,
419
+ "grad_norm": 2.2014000415802,
420
+ "learning_rate": 0.00013082039911308205,
421
+ "loss": 7.2962,
422
+ "step": 2950
423
+ },
424
+ {
425
+ "epoch": 0.03,
426
+ "grad_norm": 1.6716220378875732,
427
+ "learning_rate": 0.00013303769401330377,
428
+ "loss": 7.3348,
429
+ "step": 3000
430
+ },
431
+ {
432
+ "epoch": 0.03,
433
+ "grad_norm": 1.7045074701309204,
434
+ "learning_rate": 0.0001352549889135255,
435
+ "loss": 7.2864,
436
+ "step": 3050
437
+ },
438
+ {
439
+ "epoch": 0.03,
440
+ "grad_norm": 1.8933771848678589,
441
+ "learning_rate": 0.00013747228381374724,
442
+ "loss": 7.2744,
443
+ "step": 3100
444
+ },
445
+ {
446
+ "epoch": 0.03,
447
+ "grad_norm": 2.298779249191284,
448
+ "learning_rate": 0.00013968957871396897,
449
+ "loss": 7.2472,
450
+ "step": 3150
451
+ },
452
+ {
453
+ "epoch": 0.04,
454
+ "grad_norm": 1.3420922756195068,
455
+ "learning_rate": 0.0001419068736141907,
456
+ "loss": 7.3019,
457
+ "step": 3200
458
+ },
459
+ {
460
+ "epoch": 0.04,
461
+ "grad_norm": 1.9339039325714111,
462
+ "learning_rate": 0.00014412416851441242,
463
+ "loss": 7.2982,
464
+ "step": 3250
465
+ },
466
+ {
467
+ "epoch": 0.04,
468
+ "grad_norm": 2.69667387008667,
469
+ "learning_rate": 0.00014634146341463414,
470
+ "loss": 7.2851,
471
+ "step": 3300
472
+ },
473
+ {
474
+ "epoch": 0.04,
475
+ "grad_norm": 2.3124189376831055,
476
+ "learning_rate": 0.0001485587583148559,
477
+ "loss": 7.258,
478
+ "step": 3350
479
+ },
480
+ {
481
+ "epoch": 0.04,
482
+ "grad_norm": 1.975651741027832,
483
+ "learning_rate": 0.00015077605321507762,
484
+ "loss": 7.1275,
485
+ "step": 3400
486
+ },
487
+ {
488
+ "epoch": 0.04,
489
+ "grad_norm": 1.9704022407531738,
490
+ "learning_rate": 0.00015299334811529934,
491
+ "loss": 7.1473,
492
+ "step": 3450
493
+ },
494
+ {
495
+ "epoch": 0.04,
496
+ "grad_norm": 2.5047757625579834,
497
+ "learning_rate": 0.00015521064301552106,
498
+ "loss": 7.1096,
499
+ "step": 3500
500
+ },
501
+ {
502
+ "epoch": 0.04,
503
+ "grad_norm": 1.5465894937515259,
504
+ "learning_rate": 0.0001574279379157428,
505
+ "loss": 7.1501,
506
+ "step": 3550
507
+ },
508
+ {
509
+ "epoch": 0.04,
510
+ "grad_norm": 1.9557933807373047,
511
+ "learning_rate": 0.00015964523281596454,
512
+ "loss": 7.2033,
513
+ "step": 3600
514
+ },
515
+ {
516
+ "epoch": 0.04,
517
+ "grad_norm": 2.420116424560547,
518
+ "learning_rate": 0.00016186252771618626,
519
+ "loss": 7.1275,
520
+ "step": 3650
521
+ },
522
+ {
523
+ "epoch": 0.04,
524
+ "grad_norm": 2.114737033843994,
525
+ "learning_rate": 0.000164079822616408,
526
+ "loss": 7.0932,
527
+ "step": 3700
528
+ },
529
+ {
530
+ "epoch": 0.04,
531
+ "grad_norm": 2.3085389137268066,
532
+ "learning_rate": 0.00016629711751662974,
533
+ "loss": 7.0311,
534
+ "step": 3750
535
+ },
536
+ {
537
+ "epoch": 0.04,
538
+ "grad_norm": 2.5679140090942383,
539
+ "learning_rate": 0.00016851441241685144,
540
+ "loss": 6.9168,
541
+ "step": 3800
542
+ },
543
+ {
544
+ "epoch": 0.04,
545
+ "grad_norm": 1.8611838817596436,
546
+ "learning_rate": 0.0001707317073170732,
547
+ "loss": 7.0085,
548
+ "step": 3850
549
+ },
550
+ {
551
+ "epoch": 0.04,
552
+ "grad_norm": 1.8603994846343994,
553
+ "learning_rate": 0.0001729490022172949,
554
+ "loss": 6.9432,
555
+ "step": 3900
556
+ },
557
+ {
558
+ "epoch": 0.04,
559
+ "grad_norm": 2.4244627952575684,
560
+ "learning_rate": 0.00017516629711751663,
561
+ "loss": 6.9333,
562
+ "step": 3950
563
+ },
564
+ {
565
+ "epoch": 0.04,
566
+ "grad_norm": 2.177870750427246,
567
+ "learning_rate": 0.00017738359201773839,
568
+ "loss": 6.9499,
569
+ "step": 4000
570
+ },
571
+ {
572
+ "epoch": 0.04,
573
+ "grad_norm": 1.9320554733276367,
574
+ "learning_rate": 0.00017960088691796008,
575
+ "loss": 6.8204,
576
+ "step": 4050
577
+ },
578
+ {
579
+ "epoch": 0.05,
580
+ "grad_norm": 1.5062849521636963,
581
+ "learning_rate": 0.00018181818181818183,
582
+ "loss": 6.9505,
583
+ "step": 4100
584
+ },
585
+ {
586
+ "epoch": 0.05,
587
+ "grad_norm": 2.9272422790527344,
588
+ "learning_rate": 0.00018403547671840356,
589
+ "loss": 6.8701,
590
+ "step": 4150
591
+ },
592
+ {
593
+ "epoch": 0.05,
594
+ "grad_norm": 2.0309596061706543,
595
+ "learning_rate": 0.00018625277161862528,
596
+ "loss": 6.924,
597
+ "step": 4200
598
+ },
599
+ {
600
+ "epoch": 0.05,
601
+ "grad_norm": 2.0265886783599854,
602
+ "learning_rate": 0.00018847006651884703,
603
+ "loss": 6.9223,
604
+ "step": 4250
605
+ },
606
+ {
607
+ "epoch": 0.05,
608
+ "grad_norm": 2.5160486698150635,
609
+ "learning_rate": 0.00019068736141906876,
610
+ "loss": 6.8708,
611
+ "step": 4300
612
+ },
613
+ {
614
+ "epoch": 0.05,
615
+ "grad_norm": 2.613301992416382,
616
+ "learning_rate": 0.00019290465631929045,
617
+ "loss": 6.8937,
618
+ "step": 4350
619
+ },
620
+ {
621
+ "epoch": 0.05,
622
+ "grad_norm": 2.3031229972839355,
623
+ "learning_rate": 0.0001951219512195122,
624
+ "loss": 6.8337,
625
+ "step": 4400
626
+ },
627
+ {
628
+ "epoch": 0.05,
629
+ "grad_norm": 2.54779052734375,
630
+ "learning_rate": 0.00019733924611973393,
631
+ "loss": 6.8334,
632
+ "step": 4450
633
+ },
634
+ {
635
+ "epoch": 0.05,
636
+ "grad_norm": 2.8277971744537354,
637
+ "learning_rate": 0.00019955654101995565,
638
+ "loss": 6.7925,
639
+ "step": 4500
640
+ },
641
+ {
642
+ "epoch": 0.05,
643
+ "grad_norm": 2.0113885402679443,
644
+ "learning_rate": 0.00019999989242739025,
645
+ "loss": 6.8458,
646
+ "step": 4550
647
+ },
648
+ {
649
+ "epoch": 0.05,
650
+ "grad_norm": 2.2395377159118652,
651
+ "learning_rate": 0.00019999945541405976,
652
+ "loss": 6.6251,
653
+ "step": 4600
654
+ },
655
+ {
656
+ "epoch": 0.05,
657
+ "grad_norm": 2.445993423461914,
658
+ "learning_rate": 0.0001999986822381884,
659
+ "loss": 6.8099,
660
+ "step": 4650
661
+ },
662
+ {
663
+ "epoch": 0.05,
664
+ "grad_norm": 4.077752590179443,
665
+ "learning_rate": 0.0001999975729023753,
666
+ "loss": 6.8053,
667
+ "step": 4700
668
+ },
669
+ {
670
+ "epoch": 0.05,
671
+ "grad_norm": 3.167569875717163,
672
+ "learning_rate": 0.00019999612741034963,
673
+ "loss": 6.7706,
674
+ "step": 4750
675
+ },
676
+ {
677
+ "epoch": 0.05,
678
+ "grad_norm": 1.893659234046936,
679
+ "learning_rate": 0.00019999434576697066,
680
+ "loss": 6.8245,
681
+ "step": 4800
682
+ },
683
+ {
684
+ "epoch": 0.05,
685
+ "grad_norm": 3.6101326942443848,
686
+ "learning_rate": 0.00019999222797822762,
687
+ "loss": 6.7407,
688
+ "step": 4850
689
+ },
690
+ {
691
+ "epoch": 0.05,
692
+ "grad_norm": 2.2858726978302,
693
+ "learning_rate": 0.00019998977405123974,
694
+ "loss": 6.74,
695
+ "step": 4900
696
+ },
697
+ {
698
+ "epoch": 0.05,
699
+ "grad_norm": 1.9325459003448486,
700
+ "learning_rate": 0.0001999869839942563,
701
+ "loss": 6.716,
702
+ "step": 4950
703
+ },
704
+ {
705
+ "epoch": 0.06,
706
+ "grad_norm": 2.0043437480926514,
707
+ "learning_rate": 0.00019998385781665643,
708
+ "loss": 6.6003,
709
+ "step": 5000
710
+ },
711
+ {
712
+ "epoch": 0.06,
713
+ "grad_norm": 4.151523113250732,
714
+ "learning_rate": 0.00019998039552894924,
715
+ "loss": 6.6801,
716
+ "step": 5050
717
+ },
718
+ {
719
+ "epoch": 0.06,
720
+ "grad_norm": 3.8407771587371826,
721
+ "learning_rate": 0.00019997659714277372,
722
+ "loss": 6.608,
723
+ "step": 5100
724
+ },
725
+ {
726
+ "epoch": 0.06,
727
+ "grad_norm": 2.230713129043579,
728
+ "learning_rate": 0.00019997246267089867,
729
+ "loss": 6.6479,
730
+ "step": 5150
731
+ },
732
+ {
733
+ "epoch": 0.06,
734
+ "grad_norm": 2.2546942234039307,
735
+ "learning_rate": 0.0001999679921272227,
736
+ "loss": 6.6548,
737
+ "step": 5200
738
+ },
739
+ {
740
+ "epoch": 0.06,
741
+ "grad_norm": 3.180986166000366,
742
+ "learning_rate": 0.00019996318552677425,
743
+ "loss": 6.6851,
744
+ "step": 5250
745
+ },
746
+ {
747
+ "epoch": 0.06,
748
+ "grad_norm": 2.341231346130371,
749
+ "learning_rate": 0.00019995804288571134,
750
+ "loss": 6.547,
751
+ "step": 5300
752
+ },
753
+ {
754
+ "epoch": 0.06,
755
+ "grad_norm": 3.1117124557495117,
756
+ "learning_rate": 0.00019995256422132172,
757
+ "loss": 6.7072,
758
+ "step": 5350
759
+ },
760
+ {
761
+ "epoch": 0.06,
762
+ "grad_norm": 2.0082530975341797,
763
+ "learning_rate": 0.0001999467495520227,
764
+ "loss": 6.5422,
765
+ "step": 5400
766
+ },
767
+ {
768
+ "epoch": 0.06,
769
+ "grad_norm": 2.409489870071411,
770
+ "learning_rate": 0.0001999405988973611,
771
+ "loss": 6.3716,
772
+ "step": 5450
773
+ },
774
+ {
775
+ "epoch": 0.06,
776
+ "grad_norm": 2.649052381515503,
777
+ "learning_rate": 0.00019993411227801328,
778
+ "loss": 6.6434,
779
+ "step": 5500
780
+ },
781
+ {
782
+ "epoch": 0.06,
783
+ "grad_norm": 3.081116199493408,
784
+ "learning_rate": 0.00019992728971578492,
785
+ "loss": 6.4624,
786
+ "step": 5550
787
+ },
788
+ {
789
+ "epoch": 0.06,
790
+ "grad_norm": 3.1578280925750732,
791
+ "learning_rate": 0.00019992013123361102,
792
+ "loss": 6.5416,
793
+ "step": 5600
794
+ },
795
+ {
796
+ "epoch": 0.06,
797
+ "grad_norm": 3.7874557971954346,
798
+ "learning_rate": 0.0001999126368555559,
799
+ "loss": 6.4512,
800
+ "step": 5650
801
+ },
802
+ {
803
+ "epoch": 0.06,
804
+ "grad_norm": 2.7693099975585938,
805
+ "learning_rate": 0.00019990480660681293,
806
+ "loss": 6.5105,
807
+ "step": 5700
808
+ },
809
+ {
810
+ "epoch": 0.06,
811
+ "grad_norm": 2.4338185787200928,
812
+ "learning_rate": 0.00019989680712666593,
813
+ "loss": 6.5092,
814
+ "step": 5750
815
+ },
816
+ {
817
+ "epoch": 0.06,
818
+ "grad_norm": 3.656937837600708,
819
+ "learning_rate": 0.00019988831193270577,
820
+ "loss": 6.4269,
821
+ "step": 5800
822
+ },
823
+ {
824
+ "epoch": 0.06,
825
+ "grad_norm": 2.857292652130127,
826
+ "learning_rate": 0.00019987948094982952,
827
+ "loss": 6.4387,
828
+ "step": 5850
829
+ },
830
+ {
831
+ "epoch": 0.07,
832
+ "grad_norm": 3.4963467121124268,
833
+ "learning_rate": 0.00019987031420772385,
834
+ "loss": 6.3851,
835
+ "step": 5900
836
+ },
837
+ {
838
+ "epoch": 0.07,
839
+ "grad_norm": 2.602522611618042,
840
+ "learning_rate": 0.00019986081173720396,
841
+ "loss": 6.3413,
842
+ "step": 5950
843
+ },
844
+ {
845
+ "epoch": 0.07,
846
+ "grad_norm": 2.6455273628234863,
847
+ "learning_rate": 0.00019985097357021385,
848
+ "loss": 6.2965,
849
+ "step": 6000
850
+ },
851
+ {
852
+ "epoch": 0.07,
853
+ "grad_norm": 3.5592167377471924,
854
+ "learning_rate": 0.0001998407997398259,
855
+ "loss": 6.4293,
856
+ "step": 6050
857
+ },
858
+ {
859
+ "epoch": 0.07,
860
+ "grad_norm": 3.6016533374786377,
861
+ "learning_rate": 0.00019983029028024094,
862
+ "loss": 6.2897,
863
+ "step": 6100
864
+ },
865
+ {
866
+ "epoch": 0.07,
867
+ "grad_norm": 2.5536839962005615,
868
+ "learning_rate": 0.000199819445226788,
869
+ "loss": 6.3157,
870
+ "step": 6150
871
+ },
872
+ {
873
+ "epoch": 0.07,
874
+ "grad_norm": 2.0514349937438965,
875
+ "learning_rate": 0.00019980826461592427,
876
+ "loss": 6.3847,
877
+ "step": 6200
878
+ },
879
+ {
880
+ "epoch": 0.07,
881
+ "grad_norm": 2.72495174407959,
882
+ "learning_rate": 0.00019979674848523505,
883
+ "loss": 6.3517,
884
+ "step": 6250
885
+ },
886
+ {
887
+ "epoch": 0.07,
888
+ "grad_norm": 2.4264872074127197,
889
+ "learning_rate": 0.00019978489687343335,
890
+ "loss": 6.2533,
891
+ "step": 6300
892
+ },
893
+ {
894
+ "epoch": 0.07,
895
+ "grad_norm": 2.8361423015594482,
896
+ "learning_rate": 0.0001997727098203602,
897
+ "loss": 6.3654,
898
+ "step": 6350
899
+ },
900
+ {
901
+ "epoch": 0.07,
902
+ "grad_norm": 2.9690892696380615,
903
+ "learning_rate": 0.00019976018736698404,
904
+ "loss": 6.3968,
905
+ "step": 6400
906
+ },
907
+ {
908
+ "epoch": 0.07,
909
+ "grad_norm": 2.6132867336273193,
910
+ "learning_rate": 0.0001997473295554009,
911
+ "loss": 6.3444,
912
+ "step": 6450
913
+ },
914
+ {
915
+ "epoch": 0.07,
916
+ "grad_norm": 4.820697784423828,
917
+ "learning_rate": 0.00019973413642883424,
918
+ "loss": 6.2019,
919
+ "step": 6500
920
+ },
921
+ {
922
+ "epoch": 0.07,
923
+ "grad_norm": 2.2316782474517822,
924
+ "learning_rate": 0.00019972060803163458,
925
+ "loss": 6.2049,
926
+ "step": 6550
927
+ },
928
+ {
929
+ "epoch": 0.07,
930
+ "grad_norm": 3.9528305530548096,
931
+ "learning_rate": 0.00019970674440927957,
932
+ "loss": 6.1718,
933
+ "step": 6600
934
+ },
935
+ {
936
+ "epoch": 0.07,
937
+ "grad_norm": 1.891073226928711,
938
+ "learning_rate": 0.0001996925456083738,
939
+ "loss": 6.2393,
940
+ "step": 6650
941
+ },
942
+ {
943
+ "epoch": 0.07,
944
+ "grad_norm": 2.813270092010498,
945
+ "learning_rate": 0.00019967801167664853,
946
+ "loss": 6.2116,
947
+ "step": 6700
948
+ },
949
+ {
950
+ "epoch": 0.07,
951
+ "grad_norm": 2.2726826667785645,
952
+ "learning_rate": 0.00019966314266296173,
953
+ "loss": 6.1521,
954
+ "step": 6750
955
+ },
956
+ {
957
+ "epoch": 0.08,
958
+ "grad_norm": 2.3895318508148193,
959
+ "learning_rate": 0.00019964793861729772,
960
+ "loss": 6.1072,
961
+ "step": 6800
962
+ },
963
+ {
964
+ "epoch": 0.08,
965
+ "grad_norm": 3.190431833267212,
966
+ "learning_rate": 0.000199632399590767,
967
+ "loss": 6.2009,
968
+ "step": 6850
969
+ },
970
+ {
971
+ "epoch": 0.08,
972
+ "grad_norm": 3.79266095161438,
973
+ "learning_rate": 0.00019961652563560634,
974
+ "loss": 6.028,
975
+ "step": 6900
976
+ },
977
+ {
978
+ "epoch": 0.08,
979
+ "grad_norm": 3.260039806365967,
980
+ "learning_rate": 0.00019960031680517826,
981
+ "loss": 6.0733,
982
+ "step": 6950
983
+ },
984
+ {
985
+ "epoch": 0.08,
986
+ "grad_norm": 3.0739686489105225,
987
+ "learning_rate": 0.0001995837731539711,
988
+ "loss": 6.0521,
989
+ "step": 7000
990
+ },
991
+ {
992
+ "epoch": 0.08,
993
+ "grad_norm": 3.0517771244049072,
994
+ "learning_rate": 0.00019956689473759872,
995
+ "loss": 6.0544,
996
+ "step": 7050
997
+ },
998
+ {
999
+ "epoch": 0.08,
1000
+ "grad_norm": 3.9524648189544678,
1001
+ "learning_rate": 0.0001995496816128003,
1002
+ "loss": 6.1326,
1003
+ "step": 7100
1004
+ },
1005
+ {
1006
+ "epoch": 0.08,
1007
+ "grad_norm": 4.498497486114502,
1008
+ "learning_rate": 0.00019953213383744033,
1009
+ "loss": 6.236,
1010
+ "step": 7150
1011
+ },
1012
+ {
1013
+ "epoch": 0.08,
1014
+ "grad_norm": 4.157576084136963,
1015
+ "learning_rate": 0.00019951425147050807,
1016
+ "loss": 5.9898,
1017
+ "step": 7200
1018
+ },
1019
+ {
1020
+ "epoch": 0.08,
1021
+ "grad_norm": 3.9297516345977783,
1022
+ "learning_rate": 0.00019949603457211775,
1023
+ "loss": 6.086,
1024
+ "step": 7250
1025
+ },
1026
+ {
1027
+ "epoch": 0.08,
1028
+ "grad_norm": 3.3214786052703857,
1029
+ "learning_rate": 0.00019947748320350804,
1030
+ "loss": 5.9589,
1031
+ "step": 7300
1032
+ },
1033
+ {
1034
+ "epoch": 0.08,
1035
+ "grad_norm": 2.8847291469573975,
1036
+ "learning_rate": 0.00019945859742704201,
1037
+ "loss": 6.1931,
1038
+ "step": 7350
1039
+ },
1040
+ {
1041
+ "epoch": 0.08,
1042
+ "grad_norm": 3.387896776199341,
1043
+ "learning_rate": 0.00019943937730620702,
1044
+ "loss": 6.0539,
1045
+ "step": 7400
1046
+ },
1047
+ {
1048
+ "epoch": 0.08,
1049
+ "grad_norm": 3.1214797496795654,
1050
+ "learning_rate": 0.00019941982290561417,
1051
+ "loss": 6.0288,
1052
+ "step": 7450
1053
+ },
1054
+ {
1055
+ "epoch": 0.08,
1056
+ "grad_norm": 3.7995123863220215,
1057
+ "learning_rate": 0.00019939993429099841,
1058
+ "loss": 6.0526,
1059
+ "step": 7500
1060
+ },
1061
+ {
1062
+ "epoch": 0.08,
1063
+ "grad_norm": 4.788393974304199,
1064
+ "learning_rate": 0.00019937971152921818,
1065
+ "loss": 5.9799,
1066
+ "step": 7550
1067
+ },
1068
+ {
1069
+ "epoch": 0.08,
1070
+ "grad_norm": 4.009220123291016,
1071
+ "learning_rate": 0.0001993591546882552,
1072
+ "loss": 6.1223,
1073
+ "step": 7600
1074
+ },
1075
+ {
1076
+ "epoch": 0.08,
1077
+ "grad_norm": 3.5576276779174805,
1078
+ "learning_rate": 0.00019933826383721428,
1079
+ "loss": 5.989,
1080
+ "step": 7650
1081
+ },
1082
+ {
1083
+ "epoch": 0.09,
1084
+ "grad_norm": 3.1287412643432617,
1085
+ "learning_rate": 0.00019931703904632294,
1086
+ "loss": 6.0542,
1087
+ "step": 7700
1088
+ },
1089
+ {
1090
+ "epoch": 0.09,
1091
+ "grad_norm": 3.6518595218658447,
1092
+ "learning_rate": 0.00019929548038693146,
1093
+ "loss": 6.041,
1094
+ "step": 7750
1095
+ },
1096
+ {
1097
+ "epoch": 0.09,
1098
+ "grad_norm": 3.268080472946167,
1099
+ "learning_rate": 0.0001992735879315123,
1100
+ "loss": 5.888,
1101
+ "step": 7800
1102
+ },
1103
+ {
1104
+ "epoch": 0.09,
1105
+ "grad_norm": 3.6055593490600586,
1106
+ "learning_rate": 0.00019925136175366007,
1107
+ "loss": 5.913,
1108
+ "step": 7850
1109
+ },
1110
+ {
1111
+ "epoch": 0.09,
1112
+ "grad_norm": 4.866463661193848,
1113
+ "learning_rate": 0.00019922880192809137,
1114
+ "loss": 5.9858,
1115
+ "step": 7900
1116
+ },
1117
+ {
1118
+ "epoch": 0.09,
1119
+ "grad_norm": 3.44808292388916,
1120
+ "learning_rate": 0.00019920590853064423,
1121
+ "loss": 5.7686,
1122
+ "step": 7950
1123
+ },
1124
+ {
1125
+ "epoch": 0.09,
1126
+ "grad_norm": 2.9507765769958496,
1127
+ "learning_rate": 0.00019918268163827808,
1128
+ "loss": 5.8557,
1129
+ "step": 8000
1130
+ },
1131
+ {
1132
+ "epoch": 0.09,
1133
+ "grad_norm": 3.441870927810669,
1134
+ "learning_rate": 0.00019915912132907352,
1135
+ "loss": 5.8268,
1136
+ "step": 8050
1137
+ },
1138
+ {
1139
+ "epoch": 0.09,
1140
+ "grad_norm": 3.838809013366699,
1141
+ "learning_rate": 0.00019913522768223182,
1142
+ "loss": 5.9833,
1143
+ "step": 8100
1144
+ },
1145
+ {
1146
+ "epoch": 0.09,
1147
+ "grad_norm": 4.165487289428711,
1148
+ "learning_rate": 0.00019911100077807498,
1149
+ "loss": 5.7422,
1150
+ "step": 8150
1151
+ },
1152
+ {
1153
+ "epoch": 0.09,
1154
+ "grad_norm": 3.5947463512420654,
1155
+ "learning_rate": 0.0001990864406980452,
1156
+ "loss": 5.7479,
1157
+ "step": 8200
1158
+ },
1159
+ {
1160
+ "epoch": 0.09,
1161
+ "grad_norm": 4.130446434020996,
1162
+ "learning_rate": 0.00019906154752470472,
1163
+ "loss": 5.7767,
1164
+ "step": 8250
1165
+ },
1166
+ {
1167
+ "epoch": 0.09,
1168
+ "grad_norm": 4.866550922393799,
1169
+ "learning_rate": 0.00019903632134173554,
1170
+ "loss": 5.7681,
1171
+ "step": 8300
1172
+ },
1173
+ {
1174
+ "epoch": 0.09,
1175
+ "grad_norm": 3.2839725017547607,
1176
+ "learning_rate": 0.00019901076223393903,
1177
+ "loss": 5.6656,
1178
+ "step": 8350
1179
+ },
1180
+ {
1181
+ "epoch": 0.09,
1182
+ "grad_norm": 3.0762476921081543,
1183
+ "learning_rate": 0.0001989848702872359,
1184
+ "loss": 5.789,
1185
+ "step": 8400
1186
+ },
1187
+ {
1188
+ "epoch": 0.09,
1189
+ "grad_norm": 3.7109107971191406,
1190
+ "learning_rate": 0.00019895864558866556,
1191
+ "loss": 5.773,
1192
+ "step": 8450
1193
+ },
1194
+ {
1195
+ "epoch": 0.09,
1196
+ "grad_norm": 5.400998115539551,
1197
+ "learning_rate": 0.00019893208822638618,
1198
+ "loss": 5.7506,
1199
+ "step": 8500
1200
+ },
1201
+ {
1202
+ "epoch": 0.09,
1203
+ "grad_norm": 3.3062849044799805,
1204
+ "learning_rate": 0.00019890519828967413,
1205
+ "loss": 5.7515,
1206
+ "step": 8550
1207
+ },
1208
+ {
1209
+ "epoch": 0.1,
1210
+ "grad_norm": 4.109920501708984,
1211
+ "learning_rate": 0.00019887797586892373,
1212
+ "loss": 5.7972,
1213
+ "step": 8600
1214
+ },
1215
+ {
1216
+ "epoch": 0.1,
1217
+ "grad_norm": 3.4838390350341797,
1218
+ "learning_rate": 0.00019885042105564717,
1219
+ "loss": 5.6753,
1220
+ "step": 8650
1221
+ },
1222
+ {
1223
+ "epoch": 0.1,
1224
+ "grad_norm": 4.251760959625244,
1225
+ "learning_rate": 0.00019882253394247381,
1226
+ "loss": 5.6303,
1227
+ "step": 8700
1228
+ },
1229
+ {
1230
+ "epoch": 0.1,
1231
+ "grad_norm": 4.042376518249512,
1232
+ "learning_rate": 0.00019879431462315025,
1233
+ "loss": 5.5753,
1234
+ "step": 8750
1235
+ },
1236
+ {
1237
+ "epoch": 0.1,
1238
+ "grad_norm": 4.239652633666992,
1239
+ "learning_rate": 0.0001987657631925398,
1240
+ "loss": 5.5335,
1241
+ "step": 8800
1242
+ },
1243
+ {
1244
+ "epoch": 0.1,
1245
+ "grad_norm": 5.15481424331665,
1246
+ "learning_rate": 0.00019873687974662215,
1247
+ "loss": 5.5396,
1248
+ "step": 8850
1249
+ },
1250
+ {
1251
+ "epoch": 0.1,
1252
+ "grad_norm": 4.36835241317749,
1253
+ "learning_rate": 0.00019870766438249317,
1254
+ "loss": 5.6017,
1255
+ "step": 8900
1256
+ },
1257
+ {
1258
+ "epoch": 0.1,
1259
+ "grad_norm": 4.165258407592773,
1260
+ "learning_rate": 0.00019867811719836452,
1261
+ "loss": 5.7228,
1262
+ "step": 8950
1263
+ },
1264
+ {
1265
+ "epoch": 0.1,
1266
+ "grad_norm": 4.125988006591797,
1267
+ "learning_rate": 0.0001986482382935633,
1268
+ "loss": 5.5787,
1269
+ "step": 9000
1270
+ },
1271
+ {
1272
+ "epoch": 0.1,
1273
+ "grad_norm": 4.177731037139893,
1274
+ "learning_rate": 0.0001986180277685317,
1275
+ "loss": 5.5829,
1276
+ "step": 9050
1277
+ },
1278
+ {
1279
+ "epoch": 0.1,
1280
+ "grad_norm": 5.006561279296875,
1281
+ "learning_rate": 0.00019858748572482683,
1282
+ "loss": 5.5466,
1283
+ "step": 9100
1284
+ },
1285
+ {
1286
+ "epoch": 0.1,
1287
+ "grad_norm": 4.33070182800293,
1288
+ "learning_rate": 0.00019855661226512007,
1289
+ "loss": 5.5544,
1290
+ "step": 9150
1291
+ },
1292
+ {
1293
+ "epoch": 0.1,
1294
+ "grad_norm": 4.358560085296631,
1295
+ "learning_rate": 0.00019852540749319708,
1296
+ "loss": 5.4599,
1297
+ "step": 9200
1298
+ },
1299
+ {
1300
+ "epoch": 0.1,
1301
+ "grad_norm": 4.536096096038818,
1302
+ "learning_rate": 0.00019849387151395708,
1303
+ "loss": 5.4983,
1304
+ "step": 9250
1305
+ },
1306
+ {
1307
+ "epoch": 0.1,
1308
+ "grad_norm": 4.66163444519043,
1309
+ "learning_rate": 0.0001984620044334129,
1310
+ "loss": 5.4097,
1311
+ "step": 9300
1312
+ },
1313
+ {
1314
+ "epoch": 0.1,
1315
+ "grad_norm": 4.4319233894348145,
1316
+ "learning_rate": 0.00019842980635869024,
1317
+ "loss": 5.4093,
1318
+ "step": 9350
1319
+ },
1320
+ {
1321
+ "epoch": 0.1,
1322
+ "grad_norm": 4.98419713973999,
1323
+ "learning_rate": 0.0001983972773980276,
1324
+ "loss": 5.4056,
1325
+ "step": 9400
1326
+ },
1327
+ {
1328
+ "epoch": 0.1,
1329
+ "grad_norm": 3.6354339122772217,
1330
+ "learning_rate": 0.0001983644176607757,
1331
+ "loss": 5.3171,
1332
+ "step": 9450
1333
+ },
1334
+ {
1335
+ "epoch": 0.11,
1336
+ "grad_norm": 4.495342254638672,
1337
+ "learning_rate": 0.00019833122725739736,
1338
+ "loss": 5.4521,
1339
+ "step": 9500
1340
+ },
1341
+ {
1342
+ "epoch": 0.11,
1343
+ "grad_norm": 4.5558671951293945,
1344
+ "learning_rate": 0.00019829770629946678,
1345
+ "loss": 5.5158,
1346
+ "step": 9550
1347
+ },
1348
+ {
1349
+ "epoch": 0.11,
1350
+ "grad_norm": 3.7165732383728027,
1351
+ "learning_rate": 0.00019826385489966957,
1352
+ "loss": 5.301,
1353
+ "step": 9600
1354
+ },
1355
+ {
1356
+ "epoch": 0.11,
1357
+ "grad_norm": 6.030915260314941,
1358
+ "learning_rate": 0.00019822967317180204,
1359
+ "loss": 5.3316,
1360
+ "step": 9650
1361
+ },
1362
+ {
1363
+ "epoch": 0.11,
1364
+ "grad_norm": 5.385923385620117,
1365
+ "learning_rate": 0.00019819516123077094,
1366
+ "loss": 5.3844,
1367
+ "step": 9700
1368
+ },
1369
+ {
1370
+ "epoch": 0.11,
1371
+ "grad_norm": 4.383516788482666,
1372
+ "learning_rate": 0.00019816101926755305,
1373
+ "loss": 5.2995,
1374
+ "step": 9750
1375
+ },
1376
+ {
1377
+ "epoch": 0.11,
1378
+ "grad_norm": 4.446406364440918,
1379
+ "learning_rate": 0.00019812585384780055,
1380
+ "loss": 5.386,
1381
+ "step": 9800
1382
+ },
1383
+ {
1384
+ "epoch": 0.11,
1385
+ "grad_norm": 4.345483303070068,
1386
+ "learning_rate": 0.00019809035856388805,
1387
+ "loss": 5.2815,
1388
+ "step": 9850
1389
+ },
1390
+ {
1391
+ "epoch": 0.11,
1392
+ "grad_norm": 4.791261672973633,
1393
+ "learning_rate": 0.00019805453353513813,
1394
+ "loss": 5.3757,
1395
+ "step": 9900
1396
+ },
1397
+ {
1398
+ "epoch": 0.11,
1399
+ "grad_norm": 5.622151851654053,
1400
+ "learning_rate": 0.00019801837888198172,
1401
+ "loss": 5.4405,
1402
+ "step": 9950
1403
+ },
1404
+ {
1405
+ "epoch": 0.11,
1406
+ "grad_norm": 4.934606075286865,
1407
+ "learning_rate": 0.0001979818947259579,
1408
+ "loss": 5.139,
1409
+ "step": 10000
1410
+ },
1411
+ {
1412
+ "epoch": 0.11,
1413
+ "grad_norm": 3.9659693241119385,
1414
+ "learning_rate": 0.0001979450811897134,
1415
+ "loss": 5.1726,
1416
+ "step": 10050
1417
+ },
1418
+ {
1419
+ "epoch": 0.11,
1420
+ "grad_norm": 5.214992046356201,
1421
+ "learning_rate": 0.00019790793839700226,
1422
+ "loss": 5.2864,
1423
+ "step": 10100
1424
+ },
1425
+ {
1426
+ "epoch": 0.11,
1427
+ "grad_norm": 4.5359601974487305,
1428
+ "learning_rate": 0.00019787046647268524,
1429
+ "loss": 5.1443,
1430
+ "step": 10150
1431
+ },
1432
+ {
1433
+ "epoch": 0.11,
1434
+ "grad_norm": 4.26462984085083,
1435
+ "learning_rate": 0.00019783266554272962,
1436
+ "loss": 5.0597,
1437
+ "step": 10200
1438
+ },
1439
+ {
1440
+ "epoch": 0.11,
1441
+ "grad_norm": 5.053945064544678,
1442
+ "learning_rate": 0.00019779453573420873,
1443
+ "loss": 5.2946,
1444
+ "step": 10250
1445
+ },
1446
+ {
1447
+ "epoch": 0.11,
1448
+ "grad_norm": 6.082211494445801,
1449
+ "learning_rate": 0.00019775607717530127,
1450
+ "loss": 5.2075,
1451
+ "step": 10300
1452
+ },
1453
+ {
1454
+ "epoch": 0.11,
1455
+ "grad_norm": 4.107390403747559,
1456
+ "learning_rate": 0.00019771728999529132,
1457
+ "loss": 5.1394,
1458
+ "step": 10350
1459
+ },
1460
+ {
1461
+ "epoch": 0.12,
1462
+ "grad_norm": 4.58411169052124,
1463
+ "learning_rate": 0.00019767817432456752,
1464
+ "loss": 5.1064,
1465
+ "step": 10400
1466
+ },
1467
+ {
1468
+ "epoch": 0.12,
1469
+ "grad_norm": 8.38965892791748,
1470
+ "learning_rate": 0.00019763952239228627,
1471
+ "loss": 5.0808,
1472
+ "step": 10450
1473
+ },
1474
+ {
1475
+ "epoch": 0.12,
1476
+ "grad_norm": 3.885803699493408,
1477
+ "learning_rate": 0.00019759975669894338,
1478
+ "loss": 5.0664,
1479
+ "step": 10500
1480
+ },
1481
+ {
1482
+ "epoch": 0.12,
1483
+ "grad_norm": 4.1605916023254395,
1484
+ "learning_rate": 0.00019755966290999167,
1485
+ "loss": 5.2469,
1486
+ "step": 10550
1487
+ },
1488
+ {
1489
+ "epoch": 0.12,
1490
+ "grad_norm": 4.821887016296387,
1491
+ "learning_rate": 0.00019751924116021225,
1492
+ "loss": 5.2451,
1493
+ "step": 10600
1494
+ },
1495
+ {
1496
+ "epoch": 0.12,
1497
+ "grad_norm": 3.865694761276245,
1498
+ "learning_rate": 0.00019747849158548858,
1499
+ "loss": 5.2334,
1500
+ "step": 10650
1501
+ },
1502
+ {
1503
+ "epoch": 0.12,
1504
+ "grad_norm": 3.640681028366089,
1505
+ "learning_rate": 0.00019743741432280625,
1506
+ "loss": 5.1206,
1507
+ "step": 10700
1508
+ },
1509
+ {
1510
+ "epoch": 0.12,
1511
+ "grad_norm": 4.04166316986084,
1512
+ "learning_rate": 0.00019739600951025236,
1513
+ "loss": 5.0059,
1514
+ "step": 10750
1515
+ },
1516
+ {
1517
+ "epoch": 0.12,
1518
+ "grad_norm": 4.637605667114258,
1519
+ "learning_rate": 0.00019735427728701516,
1520
+ "loss": 5.0302,
1521
+ "step": 10800
1522
+ },
1523
+ {
1524
+ "epoch": 0.12,
1525
+ "grad_norm": 4.08723783493042,
1526
+ "learning_rate": 0.0001973122177933835,
1527
+ "loss": 5.1551,
1528
+ "step": 10850
1529
+ },
1530
+ {
1531
+ "epoch": 0.12,
1532
+ "grad_norm": 3.7944953441619873,
1533
+ "learning_rate": 0.00019726983117074643,
1534
+ "loss": 5.0665,
1535
+ "step": 10900
1536
+ },
1537
+ {
1538
+ "epoch": 0.12,
1539
+ "grad_norm": 5.2847371101379395,
1540
+ "learning_rate": 0.00019722711756159266,
1541
+ "loss": 5.2212,
1542
+ "step": 10950
1543
+ },
1544
+ {
1545
+ "epoch": 0.12,
1546
+ "grad_norm": 4.109150409698486,
1547
+ "learning_rate": 0.00019718407710951012,
1548
+ "loss": 5.2645,
1549
+ "step": 11000
1550
+ }
1551
+ ],
1552
+ "logging_steps": 50,
1553
+ "max_steps": 90183,
1554
+ "num_input_tokens_seen": 0,
1555
+ "num_train_epochs": 1,
1556
+ "save_steps": 1000,
1557
+ "total_flos": 3955495796736000.0,
1558
+ "train_batch_size": 16,
1559
+ "trial_name": null,
1560
+ "trial_params": null
1561
+ }
checkpoints/checkpoint-11000/training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:bcdffec292848a9e4baadecd0be02bf6760a1c3238602b1aad355cf1ba43d36e
3
+ size 5048
checkpoints/checkpoint-12000/config.json ADDED
@@ -0,0 +1,28 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "architectures": [
3
+ "AlbertForMaskedLM"
4
+ ],
5
+ "attention_probs_dropout_prob": 0,
6
+ "bos_token_id": 2,
7
+ "classifier_dropout_prob": 0.1,
8
+ "embedding_size": 128,
9
+ "eos_token_id": 3,
10
+ "hidden_act": "gelu_new",
11
+ "hidden_dropout_prob": 0,
12
+ "hidden_size": 768,
13
+ "initializer_range": 0.02,
14
+ "inner_group_num": 1,
15
+ "intermediate_size": 3072,
16
+ "layer_norm_eps": 1e-12,
17
+ "max_position_embeddings": 512,
18
+ "model_type": "albert",
19
+ "num_attention_heads": 12,
20
+ "num_hidden_groups": 1,
21
+ "num_hidden_layers": 12,
22
+ "pad_token_id": 0,
23
+ "position_embedding_type": "absolute",
24
+ "torch_dtype": "float32",
25
+ "transformers_version": "4.38.2",
26
+ "type_vocab_size": 2,
27
+ "vocab_size": 30000
28
+ }
checkpoints/checkpoint-12000/model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:0f276e7c0de7c6891ad3152b35b4ce9f618ce4cbe2cdc7c0e7d07b6896e20913
3
+ size 44890256
checkpoints/checkpoint-12000/optimizer.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:309beb29179b0e674390af658e4273e0447b1a5a25efd8577b92e5e8b197bf26
3
+ size 89797322
checkpoints/checkpoint-12000/rng_state.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:ca322fe9154877e26e0f23bedfd73c0e615c76580100ffb7b7816e97ab5dea00
3
+ size 14244
checkpoints/checkpoint-12000/scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:dffe601f97167a0b882e203f19948bffc64d5444f75c50c940ee12a7086525f6
3
+ size 1064
checkpoints/checkpoint-12000/trainer_state.json ADDED
@@ -0,0 +1,1701 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 0.13306277236286218,
5
+ "eval_steps": 500,
6
+ "global_step": 12000,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.0,
13
+ "grad_norm": 3.2580924034118652,
14
+ "learning_rate": 2.2172949002217296e-06,
15
+ "loss": 10.2933,
16
+ "step": 50
17
+ },
18
+ {
19
+ "epoch": 0.0,
20
+ "grad_norm": 2.4347386360168457,
21
+ "learning_rate": 4.434589800443459e-06,
22
+ "loss": 10.1894,
23
+ "step": 100
24
+ },
25
+ {
26
+ "epoch": 0.0,
27
+ "grad_norm": 2.3895885944366455,
28
+ "learning_rate": 6.651884700665188e-06,
29
+ "loss": 10.1424,
30
+ "step": 150
31
+ },
32
+ {
33
+ "epoch": 0.0,
34
+ "grad_norm": 2.129647731781006,
35
+ "learning_rate": 8.869179600886918e-06,
36
+ "loss": 10.0995,
37
+ "step": 200
38
+ },
39
+ {
40
+ "epoch": 0.0,
41
+ "grad_norm": 2.3564186096191406,
42
+ "learning_rate": 1.1086474501108649e-05,
43
+ "loss": 10.0479,
44
+ "step": 250
45
+ },
46
+ {
47
+ "epoch": 0.0,
48
+ "grad_norm": 1.830551028251648,
49
+ "learning_rate": 1.3303769401330377e-05,
50
+ "loss": 9.9971,
51
+ "step": 300
52
+ },
53
+ {
54
+ "epoch": 0.0,
55
+ "grad_norm": 2.1173911094665527,
56
+ "learning_rate": 1.5521064301552106e-05,
57
+ "loss": 9.9201,
58
+ "step": 350
59
+ },
60
+ {
61
+ "epoch": 0.0,
62
+ "grad_norm": 1.6636557579040527,
63
+ "learning_rate": 1.7738359201773837e-05,
64
+ "loss": 9.8562,
65
+ "step": 400
66
+ },
67
+ {
68
+ "epoch": 0.0,
69
+ "grad_norm": 2.4503839015960693,
70
+ "learning_rate": 1.9955654101995567e-05,
71
+ "loss": 9.7599,
72
+ "step": 450
73
+ },
74
+ {
75
+ "epoch": 0.01,
76
+ "grad_norm": 1.822424054145813,
77
+ "learning_rate": 2.2172949002217298e-05,
78
+ "loss": 9.6608,
79
+ "step": 500
80
+ },
81
+ {
82
+ "epoch": 0.01,
83
+ "grad_norm": 1.6598998308181763,
84
+ "learning_rate": 2.4390243902439026e-05,
85
+ "loss": 9.55,
86
+ "step": 550
87
+ },
88
+ {
89
+ "epoch": 0.01,
90
+ "grad_norm": 1.8471707105636597,
91
+ "learning_rate": 2.6607538802660753e-05,
92
+ "loss": 9.4606,
93
+ "step": 600
94
+ },
95
+ {
96
+ "epoch": 0.01,
97
+ "grad_norm": 1.4833533763885498,
98
+ "learning_rate": 2.8824833702882487e-05,
99
+ "loss": 9.3283,
100
+ "step": 650
101
+ },
102
+ {
103
+ "epoch": 0.01,
104
+ "grad_norm": 1.688541054725647,
105
+ "learning_rate": 3.104212860310421e-05,
106
+ "loss": 9.2229,
107
+ "step": 700
108
+ },
109
+ {
110
+ "epoch": 0.01,
111
+ "grad_norm": 1.6466543674468994,
112
+ "learning_rate": 3.325942350332594e-05,
113
+ "loss": 9.1093,
114
+ "step": 750
115
+ },
116
+ {
117
+ "epoch": 0.01,
118
+ "grad_norm": 1.4169293642044067,
119
+ "learning_rate": 3.547671840354767e-05,
120
+ "loss": 8.9703,
121
+ "step": 800
122
+ },
123
+ {
124
+ "epoch": 0.01,
125
+ "grad_norm": 1.7079193592071533,
126
+ "learning_rate": 3.7694013303769404e-05,
127
+ "loss": 8.8351,
128
+ "step": 850
129
+ },
130
+ {
131
+ "epoch": 0.01,
132
+ "grad_norm": 1.5513204336166382,
133
+ "learning_rate": 3.9911308203991135e-05,
134
+ "loss": 8.7111,
135
+ "step": 900
136
+ },
137
+ {
138
+ "epoch": 0.01,
139
+ "grad_norm": 1.485573172569275,
140
+ "learning_rate": 4.212860310421286e-05,
141
+ "loss": 8.5627,
142
+ "step": 950
143
+ },
144
+ {
145
+ "epoch": 0.01,
146
+ "grad_norm": 1.511690616607666,
147
+ "learning_rate": 4.4345898004434597e-05,
148
+ "loss": 8.5042,
149
+ "step": 1000
150
+ },
151
+ {
152
+ "epoch": 0.01,
153
+ "grad_norm": 2.1478614807128906,
154
+ "learning_rate": 4.656319290465632e-05,
155
+ "loss": 8.3287,
156
+ "step": 1050
157
+ },
158
+ {
159
+ "epoch": 0.01,
160
+ "grad_norm": 1.4060652256011963,
161
+ "learning_rate": 4.878048780487805e-05,
162
+ "loss": 8.2341,
163
+ "step": 1100
164
+ },
165
+ {
166
+ "epoch": 0.01,
167
+ "grad_norm": 1.3950035572052002,
168
+ "learning_rate": 5.099778270509978e-05,
169
+ "loss": 8.1277,
170
+ "step": 1150
171
+ },
172
+ {
173
+ "epoch": 0.01,
174
+ "grad_norm": 1.5197688341140747,
175
+ "learning_rate": 5.3215077605321506e-05,
176
+ "loss": 8.0311,
177
+ "step": 1200
178
+ },
179
+ {
180
+ "epoch": 0.01,
181
+ "grad_norm": 1.3406693935394287,
182
+ "learning_rate": 5.543237250554324e-05,
183
+ "loss": 7.9824,
184
+ "step": 1250
185
+ },
186
+ {
187
+ "epoch": 0.01,
188
+ "grad_norm": 1.4520119428634644,
189
+ "learning_rate": 5.7649667405764975e-05,
190
+ "loss": 7.9948,
191
+ "step": 1300
192
+ },
193
+ {
194
+ "epoch": 0.01,
195
+ "grad_norm": 1.179124116897583,
196
+ "learning_rate": 5.98669623059867e-05,
197
+ "loss": 7.9144,
198
+ "step": 1350
199
+ },
200
+ {
201
+ "epoch": 0.02,
202
+ "grad_norm": 1.4039533138275146,
203
+ "learning_rate": 6.208425720620842e-05,
204
+ "loss": 7.8768,
205
+ "step": 1400
206
+ },
207
+ {
208
+ "epoch": 0.02,
209
+ "grad_norm": 1.5542700290679932,
210
+ "learning_rate": 6.430155210643016e-05,
211
+ "loss": 7.894,
212
+ "step": 1450
213
+ },
214
+ {
215
+ "epoch": 0.02,
216
+ "grad_norm": 1.4150550365447998,
217
+ "learning_rate": 6.651884700665188e-05,
218
+ "loss": 7.8409,
219
+ "step": 1500
220
+ },
221
+ {
222
+ "epoch": 0.02,
223
+ "grad_norm": 1.6647827625274658,
224
+ "learning_rate": 6.873614190687362e-05,
225
+ "loss": 7.91,
226
+ "step": 1550
227
+ },
228
+ {
229
+ "epoch": 0.02,
230
+ "grad_norm": 1.7795697450637817,
231
+ "learning_rate": 7.095343680709535e-05,
232
+ "loss": 7.8256,
233
+ "step": 1600
234
+ },
235
+ {
236
+ "epoch": 0.02,
237
+ "grad_norm": 1.933110237121582,
238
+ "learning_rate": 7.317073170731707e-05,
239
+ "loss": 7.8463,
240
+ "step": 1650
241
+ },
242
+ {
243
+ "epoch": 0.02,
244
+ "grad_norm": 1.1942570209503174,
245
+ "learning_rate": 7.538802660753881e-05,
246
+ "loss": 7.7827,
247
+ "step": 1700
248
+ },
249
+ {
250
+ "epoch": 0.02,
251
+ "grad_norm": 1.6759297847747803,
252
+ "learning_rate": 7.760532150776053e-05,
253
+ "loss": 7.8,
254
+ "step": 1750
255
+ },
256
+ {
257
+ "epoch": 0.02,
258
+ "grad_norm": 1.093256950378418,
259
+ "learning_rate": 7.982261640798227e-05,
260
+ "loss": 7.7461,
261
+ "step": 1800
262
+ },
263
+ {
264
+ "epoch": 0.02,
265
+ "grad_norm": 1.567872166633606,
266
+ "learning_rate": 8.2039911308204e-05,
267
+ "loss": 7.7338,
268
+ "step": 1850
269
+ },
270
+ {
271
+ "epoch": 0.02,
272
+ "grad_norm": 1.3017679452896118,
273
+ "learning_rate": 8.425720620842572e-05,
274
+ "loss": 7.804,
275
+ "step": 1900
276
+ },
277
+ {
278
+ "epoch": 0.02,
279
+ "grad_norm": 1.7510960102081299,
280
+ "learning_rate": 8.647450110864746e-05,
281
+ "loss": 7.7405,
282
+ "step": 1950
283
+ },
284
+ {
285
+ "epoch": 0.02,
286
+ "grad_norm": 1.7215120792388916,
287
+ "learning_rate": 8.869179600886919e-05,
288
+ "loss": 7.7429,
289
+ "step": 2000
290
+ },
291
+ {
292
+ "epoch": 0.02,
293
+ "grad_norm": 1.6202715635299683,
294
+ "learning_rate": 9.090909090909092e-05,
295
+ "loss": 7.6588,
296
+ "step": 2050
297
+ },
298
+ {
299
+ "epoch": 0.02,
300
+ "grad_norm": 1.5680756568908691,
301
+ "learning_rate": 9.312638580931264e-05,
302
+ "loss": 7.6224,
303
+ "step": 2100
304
+ },
305
+ {
306
+ "epoch": 0.02,
307
+ "grad_norm": 1.462240219116211,
308
+ "learning_rate": 9.534368070953438e-05,
309
+ "loss": 7.6851,
310
+ "step": 2150
311
+ },
312
+ {
313
+ "epoch": 0.02,
314
+ "grad_norm": 2.2018320560455322,
315
+ "learning_rate": 9.75609756097561e-05,
316
+ "loss": 7.6443,
317
+ "step": 2200
318
+ },
319
+ {
320
+ "epoch": 0.02,
321
+ "grad_norm": 1.9520208835601807,
322
+ "learning_rate": 9.977827050997783e-05,
323
+ "loss": 7.6456,
324
+ "step": 2250
325
+ },
326
+ {
327
+ "epoch": 0.03,
328
+ "grad_norm": 1.115421175956726,
329
+ "learning_rate": 0.00010199556541019956,
330
+ "loss": 7.5894,
331
+ "step": 2300
332
+ },
333
+ {
334
+ "epoch": 0.03,
335
+ "grad_norm": 1.6002250909805298,
336
+ "learning_rate": 0.0001042128603104213,
337
+ "loss": 7.6017,
338
+ "step": 2350
339
+ },
340
+ {
341
+ "epoch": 0.03,
342
+ "grad_norm": 1.6516796350479126,
343
+ "learning_rate": 0.00010643015521064301,
344
+ "loss": 7.4548,
345
+ "step": 2400
346
+ },
347
+ {
348
+ "epoch": 0.03,
349
+ "grad_norm": 2.2168257236480713,
350
+ "learning_rate": 0.00010864745011086475,
351
+ "loss": 7.5867,
352
+ "step": 2450
353
+ },
354
+ {
355
+ "epoch": 0.03,
356
+ "grad_norm": 1.5447593927383423,
357
+ "learning_rate": 0.00011086474501108647,
358
+ "loss": 7.5317,
359
+ "step": 2500
360
+ },
361
+ {
362
+ "epoch": 0.03,
363
+ "grad_norm": 1.6840906143188477,
364
+ "learning_rate": 0.00011308203991130821,
365
+ "loss": 7.5127,
366
+ "step": 2550
367
+ },
368
+ {
369
+ "epoch": 0.03,
370
+ "grad_norm": 1.2965503931045532,
371
+ "learning_rate": 0.00011529933481152995,
372
+ "loss": 7.4911,
373
+ "step": 2600
374
+ },
375
+ {
376
+ "epoch": 0.03,
377
+ "grad_norm": 1.643584966659546,
378
+ "learning_rate": 0.00011751662971175166,
379
+ "loss": 7.4416,
380
+ "step": 2650
381
+ },
382
+ {
383
+ "epoch": 0.03,
384
+ "grad_norm": 1.5419111251831055,
385
+ "learning_rate": 0.0001197339246119734,
386
+ "loss": 7.4944,
387
+ "step": 2700
388
+ },
389
+ {
390
+ "epoch": 0.03,
391
+ "grad_norm": 1.7774205207824707,
392
+ "learning_rate": 0.00012195121951219512,
393
+ "loss": 7.4244,
394
+ "step": 2750
395
+ },
396
+ {
397
+ "epoch": 0.03,
398
+ "grad_norm": 2.1709322929382324,
399
+ "learning_rate": 0.00012416851441241685,
400
+ "loss": 7.371,
401
+ "step": 2800
402
+ },
403
+ {
404
+ "epoch": 0.03,
405
+ "grad_norm": 1.5503411293029785,
406
+ "learning_rate": 0.0001263858093126386,
407
+ "loss": 7.3031,
408
+ "step": 2850
409
+ },
410
+ {
411
+ "epoch": 0.03,
412
+ "grad_norm": 1.7744035720825195,
413
+ "learning_rate": 0.00012860310421286032,
414
+ "loss": 7.3338,
415
+ "step": 2900
416
+ },
417
+ {
418
+ "epoch": 0.03,
419
+ "grad_norm": 2.2014000415802,
420
+ "learning_rate": 0.00013082039911308205,
421
+ "loss": 7.2962,
422
+ "step": 2950
423
+ },
424
+ {
425
+ "epoch": 0.03,
426
+ "grad_norm": 1.6716220378875732,
427
+ "learning_rate": 0.00013303769401330377,
428
+ "loss": 7.3348,
429
+ "step": 3000
430
+ },
431
+ {
432
+ "epoch": 0.03,
433
+ "grad_norm": 1.7045074701309204,
434
+ "learning_rate": 0.0001352549889135255,
435
+ "loss": 7.2864,
436
+ "step": 3050
437
+ },
438
+ {
439
+ "epoch": 0.03,
440
+ "grad_norm": 1.8933771848678589,
441
+ "learning_rate": 0.00013747228381374724,
442
+ "loss": 7.2744,
443
+ "step": 3100
444
+ },
445
+ {
446
+ "epoch": 0.03,
447
+ "grad_norm": 2.298779249191284,
448
+ "learning_rate": 0.00013968957871396897,
449
+ "loss": 7.2472,
450
+ "step": 3150
451
+ },
452
+ {
453
+ "epoch": 0.04,
454
+ "grad_norm": 1.3420922756195068,
455
+ "learning_rate": 0.0001419068736141907,
456
+ "loss": 7.3019,
457
+ "step": 3200
458
+ },
459
+ {
460
+ "epoch": 0.04,
461
+ "grad_norm": 1.9339039325714111,
462
+ "learning_rate": 0.00014412416851441242,
463
+ "loss": 7.2982,
464
+ "step": 3250
465
+ },
466
+ {
467
+ "epoch": 0.04,
468
+ "grad_norm": 2.69667387008667,
469
+ "learning_rate": 0.00014634146341463414,
470
+ "loss": 7.2851,
471
+ "step": 3300
472
+ },
473
+ {
474
+ "epoch": 0.04,
475
+ "grad_norm": 2.3124189376831055,
476
+ "learning_rate": 0.0001485587583148559,
477
+ "loss": 7.258,
478
+ "step": 3350
479
+ },
480
+ {
481
+ "epoch": 0.04,
482
+ "grad_norm": 1.975651741027832,
483
+ "learning_rate": 0.00015077605321507762,
484
+ "loss": 7.1275,
485
+ "step": 3400
486
+ },
487
+ {
488
+ "epoch": 0.04,
489
+ "grad_norm": 1.9704022407531738,
490
+ "learning_rate": 0.00015299334811529934,
491
+ "loss": 7.1473,
492
+ "step": 3450
493
+ },
494
+ {
495
+ "epoch": 0.04,
496
+ "grad_norm": 2.5047757625579834,
497
+ "learning_rate": 0.00015521064301552106,
498
+ "loss": 7.1096,
499
+ "step": 3500
500
+ },
501
+ {
502
+ "epoch": 0.04,
503
+ "grad_norm": 1.5465894937515259,
504
+ "learning_rate": 0.0001574279379157428,
505
+ "loss": 7.1501,
506
+ "step": 3550
507
+ },
508
+ {
509
+ "epoch": 0.04,
510
+ "grad_norm": 1.9557933807373047,
511
+ "learning_rate": 0.00015964523281596454,
512
+ "loss": 7.2033,
513
+ "step": 3600
514
+ },
515
+ {
516
+ "epoch": 0.04,
517
+ "grad_norm": 2.420116424560547,
518
+ "learning_rate": 0.00016186252771618626,
519
+ "loss": 7.1275,
520
+ "step": 3650
521
+ },
522
+ {
523
+ "epoch": 0.04,
524
+ "grad_norm": 2.114737033843994,
525
+ "learning_rate": 0.000164079822616408,
526
+ "loss": 7.0932,
527
+ "step": 3700
528
+ },
529
+ {
530
+ "epoch": 0.04,
531
+ "grad_norm": 2.3085389137268066,
532
+ "learning_rate": 0.00016629711751662974,
533
+ "loss": 7.0311,
534
+ "step": 3750
535
+ },
536
+ {
537
+ "epoch": 0.04,
538
+ "grad_norm": 2.5679140090942383,
539
+ "learning_rate": 0.00016851441241685144,
540
+ "loss": 6.9168,
541
+ "step": 3800
542
+ },
543
+ {
544
+ "epoch": 0.04,
545
+ "grad_norm": 1.8611838817596436,
546
+ "learning_rate": 0.0001707317073170732,
547
+ "loss": 7.0085,
548
+ "step": 3850
549
+ },
550
+ {
551
+ "epoch": 0.04,
552
+ "grad_norm": 1.8603994846343994,
553
+ "learning_rate": 0.0001729490022172949,
554
+ "loss": 6.9432,
555
+ "step": 3900
556
+ },
557
+ {
558
+ "epoch": 0.04,
559
+ "grad_norm": 2.4244627952575684,
560
+ "learning_rate": 0.00017516629711751663,
561
+ "loss": 6.9333,
562
+ "step": 3950
563
+ },
564
+ {
565
+ "epoch": 0.04,
566
+ "grad_norm": 2.177870750427246,
567
+ "learning_rate": 0.00017738359201773839,
568
+ "loss": 6.9499,
569
+ "step": 4000
570
+ },
571
+ {
572
+ "epoch": 0.04,
573
+ "grad_norm": 1.9320554733276367,
574
+ "learning_rate": 0.00017960088691796008,
575
+ "loss": 6.8204,
576
+ "step": 4050
577
+ },
578
+ {
579
+ "epoch": 0.05,
580
+ "grad_norm": 1.5062849521636963,
581
+ "learning_rate": 0.00018181818181818183,
582
+ "loss": 6.9505,
583
+ "step": 4100
584
+ },
585
+ {
586
+ "epoch": 0.05,
587
+ "grad_norm": 2.9272422790527344,
588
+ "learning_rate": 0.00018403547671840356,
589
+ "loss": 6.8701,
590
+ "step": 4150
591
+ },
592
+ {
593
+ "epoch": 0.05,
594
+ "grad_norm": 2.0309596061706543,
595
+ "learning_rate": 0.00018625277161862528,
596
+ "loss": 6.924,
597
+ "step": 4200
598
+ },
599
+ {
600
+ "epoch": 0.05,
601
+ "grad_norm": 2.0265886783599854,
602
+ "learning_rate": 0.00018847006651884703,
603
+ "loss": 6.9223,
604
+ "step": 4250
605
+ },
606
+ {
607
+ "epoch": 0.05,
608
+ "grad_norm": 2.5160486698150635,
609
+ "learning_rate": 0.00019068736141906876,
610
+ "loss": 6.8708,
611
+ "step": 4300
612
+ },
613
+ {
614
+ "epoch": 0.05,
615
+ "grad_norm": 2.613301992416382,
616
+ "learning_rate": 0.00019290465631929045,
617
+ "loss": 6.8937,
618
+ "step": 4350
619
+ },
620
+ {
621
+ "epoch": 0.05,
622
+ "grad_norm": 2.3031229972839355,
623
+ "learning_rate": 0.0001951219512195122,
624
+ "loss": 6.8337,
625
+ "step": 4400
626
+ },
627
+ {
628
+ "epoch": 0.05,
629
+ "grad_norm": 2.54779052734375,
630
+ "learning_rate": 0.00019733924611973393,
631
+ "loss": 6.8334,
632
+ "step": 4450
633
+ },
634
+ {
635
+ "epoch": 0.05,
636
+ "grad_norm": 2.8277971744537354,
637
+ "learning_rate": 0.00019955654101995565,
638
+ "loss": 6.7925,
639
+ "step": 4500
640
+ },
641
+ {
642
+ "epoch": 0.05,
643
+ "grad_norm": 2.0113885402679443,
644
+ "learning_rate": 0.00019999989242739025,
645
+ "loss": 6.8458,
646
+ "step": 4550
647
+ },
648
+ {
649
+ "epoch": 0.05,
650
+ "grad_norm": 2.2395377159118652,
651
+ "learning_rate": 0.00019999945541405976,
652
+ "loss": 6.6251,
653
+ "step": 4600
654
+ },
655
+ {
656
+ "epoch": 0.05,
657
+ "grad_norm": 2.445993423461914,
658
+ "learning_rate": 0.0001999986822381884,
659
+ "loss": 6.8099,
660
+ "step": 4650
661
+ },
662
+ {
663
+ "epoch": 0.05,
664
+ "grad_norm": 4.077752590179443,
665
+ "learning_rate": 0.0001999975729023753,
666
+ "loss": 6.8053,
667
+ "step": 4700
668
+ },
669
+ {
670
+ "epoch": 0.05,
671
+ "grad_norm": 3.167569875717163,
672
+ "learning_rate": 0.00019999612741034963,
673
+ "loss": 6.7706,
674
+ "step": 4750
675
+ },
676
+ {
677
+ "epoch": 0.05,
678
+ "grad_norm": 1.893659234046936,
679
+ "learning_rate": 0.00019999434576697066,
680
+ "loss": 6.8245,
681
+ "step": 4800
682
+ },
683
+ {
684
+ "epoch": 0.05,
685
+ "grad_norm": 3.6101326942443848,
686
+ "learning_rate": 0.00019999222797822762,
687
+ "loss": 6.7407,
688
+ "step": 4850
689
+ },
690
+ {
691
+ "epoch": 0.05,
692
+ "grad_norm": 2.2858726978302,
693
+ "learning_rate": 0.00019998977405123974,
694
+ "loss": 6.74,
695
+ "step": 4900
696
+ },
697
+ {
698
+ "epoch": 0.05,
699
+ "grad_norm": 1.9325459003448486,
700
+ "learning_rate": 0.0001999869839942563,
701
+ "loss": 6.716,
702
+ "step": 4950
703
+ },
704
+ {
705
+ "epoch": 0.06,
706
+ "grad_norm": 2.0043437480926514,
707
+ "learning_rate": 0.00019998385781665643,
708
+ "loss": 6.6003,
709
+ "step": 5000
710
+ },
711
+ {
712
+ "epoch": 0.06,
713
+ "grad_norm": 4.151523113250732,
714
+ "learning_rate": 0.00019998039552894924,
715
+ "loss": 6.6801,
716
+ "step": 5050
717
+ },
718
+ {
719
+ "epoch": 0.06,
720
+ "grad_norm": 3.8407771587371826,
721
+ "learning_rate": 0.00019997659714277372,
722
+ "loss": 6.608,
723
+ "step": 5100
724
+ },
725
+ {
726
+ "epoch": 0.06,
727
+ "grad_norm": 2.230713129043579,
728
+ "learning_rate": 0.00019997246267089867,
729
+ "loss": 6.6479,
730
+ "step": 5150
731
+ },
732
+ {
733
+ "epoch": 0.06,
734
+ "grad_norm": 2.2546942234039307,
735
+ "learning_rate": 0.0001999679921272227,
736
+ "loss": 6.6548,
737
+ "step": 5200
738
+ },
739
+ {
740
+ "epoch": 0.06,
741
+ "grad_norm": 3.180986166000366,
742
+ "learning_rate": 0.00019996318552677425,
743
+ "loss": 6.6851,
744
+ "step": 5250
745
+ },
746
+ {
747
+ "epoch": 0.06,
748
+ "grad_norm": 2.341231346130371,
749
+ "learning_rate": 0.00019995804288571134,
750
+ "loss": 6.547,
751
+ "step": 5300
752
+ },
753
+ {
754
+ "epoch": 0.06,
755
+ "grad_norm": 3.1117124557495117,
756
+ "learning_rate": 0.00019995256422132172,
757
+ "loss": 6.7072,
758
+ "step": 5350
759
+ },
760
+ {
761
+ "epoch": 0.06,
762
+ "grad_norm": 2.0082530975341797,
763
+ "learning_rate": 0.0001999467495520227,
764
+ "loss": 6.5422,
765
+ "step": 5400
766
+ },
767
+ {
768
+ "epoch": 0.06,
769
+ "grad_norm": 2.409489870071411,
770
+ "learning_rate": 0.0001999405988973611,
771
+ "loss": 6.3716,
772
+ "step": 5450
773
+ },
774
+ {
775
+ "epoch": 0.06,
776
+ "grad_norm": 2.649052381515503,
777
+ "learning_rate": 0.00019993411227801328,
778
+ "loss": 6.6434,
779
+ "step": 5500
780
+ },
781
+ {
782
+ "epoch": 0.06,
783
+ "grad_norm": 3.081116199493408,
784
+ "learning_rate": 0.00019992728971578492,
785
+ "loss": 6.4624,
786
+ "step": 5550
787
+ },
788
+ {
789
+ "epoch": 0.06,
790
+ "grad_norm": 3.1578280925750732,
791
+ "learning_rate": 0.00019992013123361102,
792
+ "loss": 6.5416,
793
+ "step": 5600
794
+ },
795
+ {
796
+ "epoch": 0.06,
797
+ "grad_norm": 3.7874557971954346,
798
+ "learning_rate": 0.0001999126368555559,
799
+ "loss": 6.4512,
800
+ "step": 5650
801
+ },
802
+ {
803
+ "epoch": 0.06,
804
+ "grad_norm": 2.7693099975585938,
805
+ "learning_rate": 0.00019990480660681293,
806
+ "loss": 6.5105,
807
+ "step": 5700
808
+ },
809
+ {
810
+ "epoch": 0.06,
811
+ "grad_norm": 2.4338185787200928,
812
+ "learning_rate": 0.00019989680712666593,
813
+ "loss": 6.5092,
814
+ "step": 5750
815
+ },
816
+ {
817
+ "epoch": 0.06,
818
+ "grad_norm": 3.656937837600708,
819
+ "learning_rate": 0.00019988831193270577,
820
+ "loss": 6.4269,
821
+ "step": 5800
822
+ },
823
+ {
824
+ "epoch": 0.06,
825
+ "grad_norm": 2.857292652130127,
826
+ "learning_rate": 0.00019987948094982952,
827
+ "loss": 6.4387,
828
+ "step": 5850
829
+ },
830
+ {
831
+ "epoch": 0.07,
832
+ "grad_norm": 3.4963467121124268,
833
+ "learning_rate": 0.00019987031420772385,
834
+ "loss": 6.3851,
835
+ "step": 5900
836
+ },
837
+ {
838
+ "epoch": 0.07,
839
+ "grad_norm": 2.602522611618042,
840
+ "learning_rate": 0.00019986081173720396,
841
+ "loss": 6.3413,
842
+ "step": 5950
843
+ },
844
+ {
845
+ "epoch": 0.07,
846
+ "grad_norm": 2.6455273628234863,
847
+ "learning_rate": 0.00019985097357021385,
848
+ "loss": 6.2965,
849
+ "step": 6000
850
+ },
851
+ {
852
+ "epoch": 0.07,
853
+ "grad_norm": 3.5592167377471924,
854
+ "learning_rate": 0.0001998407997398259,
855
+ "loss": 6.4293,
856
+ "step": 6050
857
+ },
858
+ {
859
+ "epoch": 0.07,
860
+ "grad_norm": 3.6016533374786377,
861
+ "learning_rate": 0.00019983029028024094,
862
+ "loss": 6.2897,
863
+ "step": 6100
864
+ },
865
+ {
866
+ "epoch": 0.07,
867
+ "grad_norm": 2.5536839962005615,
868
+ "learning_rate": 0.000199819445226788,
869
+ "loss": 6.3157,
870
+ "step": 6150
871
+ },
872
+ {
873
+ "epoch": 0.07,
874
+ "grad_norm": 2.0514349937438965,
875
+ "learning_rate": 0.00019980826461592427,
876
+ "loss": 6.3847,
877
+ "step": 6200
878
+ },
879
+ {
880
+ "epoch": 0.07,
881
+ "grad_norm": 2.72495174407959,
882
+ "learning_rate": 0.00019979674848523505,
883
+ "loss": 6.3517,
884
+ "step": 6250
885
+ },
886
+ {
887
+ "epoch": 0.07,
888
+ "grad_norm": 2.4264872074127197,
889
+ "learning_rate": 0.00019978489687343335,
890
+ "loss": 6.2533,
891
+ "step": 6300
892
+ },
893
+ {
894
+ "epoch": 0.07,
895
+ "grad_norm": 2.8361423015594482,
896
+ "learning_rate": 0.0001997727098203602,
897
+ "loss": 6.3654,
898
+ "step": 6350
899
+ },
900
+ {
901
+ "epoch": 0.07,
902
+ "grad_norm": 2.9690892696380615,
903
+ "learning_rate": 0.00019976018736698404,
904
+ "loss": 6.3968,
905
+ "step": 6400
906
+ },
907
+ {
908
+ "epoch": 0.07,
909
+ "grad_norm": 2.6132867336273193,
910
+ "learning_rate": 0.0001997473295554009,
911
+ "loss": 6.3444,
912
+ "step": 6450
913
+ },
914
+ {
915
+ "epoch": 0.07,
916
+ "grad_norm": 4.820697784423828,
917
+ "learning_rate": 0.00019973413642883424,
918
+ "loss": 6.2019,
919
+ "step": 6500
920
+ },
921
+ {
922
+ "epoch": 0.07,
923
+ "grad_norm": 2.2316782474517822,
924
+ "learning_rate": 0.00019972060803163458,
925
+ "loss": 6.2049,
926
+ "step": 6550
927
+ },
928
+ {
929
+ "epoch": 0.07,
930
+ "grad_norm": 3.9528305530548096,
931
+ "learning_rate": 0.00019970674440927957,
932
+ "loss": 6.1718,
933
+ "step": 6600
934
+ },
935
+ {
936
+ "epoch": 0.07,
937
+ "grad_norm": 1.891073226928711,
938
+ "learning_rate": 0.0001996925456083738,
939
+ "loss": 6.2393,
940
+ "step": 6650
941
+ },
942
+ {
943
+ "epoch": 0.07,
944
+ "grad_norm": 2.813270092010498,
945
+ "learning_rate": 0.00019967801167664853,
946
+ "loss": 6.2116,
947
+ "step": 6700
948
+ },
949
+ {
950
+ "epoch": 0.07,
951
+ "grad_norm": 2.2726826667785645,
952
+ "learning_rate": 0.00019966314266296173,
953
+ "loss": 6.1521,
954
+ "step": 6750
955
+ },
956
+ {
957
+ "epoch": 0.08,
958
+ "grad_norm": 2.3895318508148193,
959
+ "learning_rate": 0.00019964793861729772,
960
+ "loss": 6.1072,
961
+ "step": 6800
962
+ },
963
+ {
964
+ "epoch": 0.08,
965
+ "grad_norm": 3.190431833267212,
966
+ "learning_rate": 0.000199632399590767,
967
+ "loss": 6.2009,
968
+ "step": 6850
969
+ },
970
+ {
971
+ "epoch": 0.08,
972
+ "grad_norm": 3.79266095161438,
973
+ "learning_rate": 0.00019961652563560634,
974
+ "loss": 6.028,
975
+ "step": 6900
976
+ },
977
+ {
978
+ "epoch": 0.08,
979
+ "grad_norm": 3.260039806365967,
980
+ "learning_rate": 0.00019960031680517826,
981
+ "loss": 6.0733,
982
+ "step": 6950
983
+ },
984
+ {
985
+ "epoch": 0.08,
986
+ "grad_norm": 3.0739686489105225,
987
+ "learning_rate": 0.0001995837731539711,
988
+ "loss": 6.0521,
989
+ "step": 7000
990
+ },
991
+ {
992
+ "epoch": 0.08,
993
+ "grad_norm": 3.0517771244049072,
994
+ "learning_rate": 0.00019956689473759872,
995
+ "loss": 6.0544,
996
+ "step": 7050
997
+ },
998
+ {
999
+ "epoch": 0.08,
1000
+ "grad_norm": 3.9524648189544678,
1001
+ "learning_rate": 0.0001995496816128003,
1002
+ "loss": 6.1326,
1003
+ "step": 7100
1004
+ },
1005
+ {
1006
+ "epoch": 0.08,
1007
+ "grad_norm": 4.498497486114502,
1008
+ "learning_rate": 0.00019953213383744033,
1009
+ "loss": 6.236,
1010
+ "step": 7150
1011
+ },
1012
+ {
1013
+ "epoch": 0.08,
1014
+ "grad_norm": 4.157576084136963,
1015
+ "learning_rate": 0.00019951425147050807,
1016
+ "loss": 5.9898,
1017
+ "step": 7200
1018
+ },
1019
+ {
1020
+ "epoch": 0.08,
1021
+ "grad_norm": 3.9297516345977783,
1022
+ "learning_rate": 0.00019949603457211775,
1023
+ "loss": 6.086,
1024
+ "step": 7250
1025
+ },
1026
+ {
1027
+ "epoch": 0.08,
1028
+ "grad_norm": 3.3214786052703857,
1029
+ "learning_rate": 0.00019947748320350804,
1030
+ "loss": 5.9589,
1031
+ "step": 7300
1032
+ },
1033
+ {
1034
+ "epoch": 0.08,
1035
+ "grad_norm": 2.8847291469573975,
1036
+ "learning_rate": 0.00019945859742704201,
1037
+ "loss": 6.1931,
1038
+ "step": 7350
1039
+ },
1040
+ {
1041
+ "epoch": 0.08,
1042
+ "grad_norm": 3.387896776199341,
1043
+ "learning_rate": 0.00019943937730620702,
1044
+ "loss": 6.0539,
1045
+ "step": 7400
1046
+ },
1047
+ {
1048
+ "epoch": 0.08,
1049
+ "grad_norm": 3.1214797496795654,
1050
+ "learning_rate": 0.00019941982290561417,
1051
+ "loss": 6.0288,
1052
+ "step": 7450
1053
+ },
1054
+ {
1055
+ "epoch": 0.08,
1056
+ "grad_norm": 3.7995123863220215,
1057
+ "learning_rate": 0.00019939993429099841,
1058
+ "loss": 6.0526,
1059
+ "step": 7500
1060
+ },
1061
+ {
1062
+ "epoch": 0.08,
1063
+ "grad_norm": 4.788393974304199,
1064
+ "learning_rate": 0.00019937971152921818,
1065
+ "loss": 5.9799,
1066
+ "step": 7550
1067
+ },
1068
+ {
1069
+ "epoch": 0.08,
1070
+ "grad_norm": 4.009220123291016,
1071
+ "learning_rate": 0.0001993591546882552,
1072
+ "loss": 6.1223,
1073
+ "step": 7600
1074
+ },
1075
+ {
1076
+ "epoch": 0.08,
1077
+ "grad_norm": 3.5576276779174805,
1078
+ "learning_rate": 0.00019933826383721428,
1079
+ "loss": 5.989,
1080
+ "step": 7650
1081
+ },
1082
+ {
1083
+ "epoch": 0.09,
1084
+ "grad_norm": 3.1287412643432617,
1085
+ "learning_rate": 0.00019931703904632294,
1086
+ "loss": 6.0542,
1087
+ "step": 7700
1088
+ },
1089
+ {
1090
+ "epoch": 0.09,
1091
+ "grad_norm": 3.6518595218658447,
1092
+ "learning_rate": 0.00019929548038693146,
1093
+ "loss": 6.041,
1094
+ "step": 7750
1095
+ },
1096
+ {
1097
+ "epoch": 0.09,
1098
+ "grad_norm": 3.268080472946167,
1099
+ "learning_rate": 0.0001992735879315123,
1100
+ "loss": 5.888,
1101
+ "step": 7800
1102
+ },
1103
+ {
1104
+ "epoch": 0.09,
1105
+ "grad_norm": 3.6055593490600586,
1106
+ "learning_rate": 0.00019925136175366007,
1107
+ "loss": 5.913,
1108
+ "step": 7850
1109
+ },
1110
+ {
1111
+ "epoch": 0.09,
1112
+ "grad_norm": 4.866463661193848,
1113
+ "learning_rate": 0.00019922880192809137,
1114
+ "loss": 5.9858,
1115
+ "step": 7900
1116
+ },
1117
+ {
1118
+ "epoch": 0.09,
1119
+ "grad_norm": 3.44808292388916,
1120
+ "learning_rate": 0.00019920590853064423,
1121
+ "loss": 5.7686,
1122
+ "step": 7950
1123
+ },
1124
+ {
1125
+ "epoch": 0.09,
1126
+ "grad_norm": 2.9507765769958496,
1127
+ "learning_rate": 0.00019918268163827808,
1128
+ "loss": 5.8557,
1129
+ "step": 8000
1130
+ },
1131
+ {
1132
+ "epoch": 0.09,
1133
+ "grad_norm": 3.441870927810669,
1134
+ "learning_rate": 0.00019915912132907352,
1135
+ "loss": 5.8268,
1136
+ "step": 8050
1137
+ },
1138
+ {
1139
+ "epoch": 0.09,
1140
+ "grad_norm": 3.838809013366699,
1141
+ "learning_rate": 0.00019913522768223182,
1142
+ "loss": 5.9833,
1143
+ "step": 8100
1144
+ },
1145
+ {
1146
+ "epoch": 0.09,
1147
+ "grad_norm": 4.165487289428711,
1148
+ "learning_rate": 0.00019911100077807498,
1149
+ "loss": 5.7422,
1150
+ "step": 8150
1151
+ },
1152
+ {
1153
+ "epoch": 0.09,
1154
+ "grad_norm": 3.5947463512420654,
1155
+ "learning_rate": 0.0001990864406980452,
1156
+ "loss": 5.7479,
1157
+ "step": 8200
1158
+ },
1159
+ {
1160
+ "epoch": 0.09,
1161
+ "grad_norm": 4.130446434020996,
1162
+ "learning_rate": 0.00019906154752470472,
1163
+ "loss": 5.7767,
1164
+ "step": 8250
1165
+ },
1166
+ {
1167
+ "epoch": 0.09,
1168
+ "grad_norm": 4.866550922393799,
1169
+ "learning_rate": 0.00019903632134173554,
1170
+ "loss": 5.7681,
1171
+ "step": 8300
1172
+ },
1173
+ {
1174
+ "epoch": 0.09,
1175
+ "grad_norm": 3.2839725017547607,
1176
+ "learning_rate": 0.00019901076223393903,
1177
+ "loss": 5.6656,
1178
+ "step": 8350
1179
+ },
1180
+ {
1181
+ "epoch": 0.09,
1182
+ "grad_norm": 3.0762476921081543,
1183
+ "learning_rate": 0.0001989848702872359,
1184
+ "loss": 5.789,
1185
+ "step": 8400
1186
+ },
1187
+ {
1188
+ "epoch": 0.09,
1189
+ "grad_norm": 3.7109107971191406,
1190
+ "learning_rate": 0.00019895864558866556,
1191
+ "loss": 5.773,
1192
+ "step": 8450
1193
+ },
1194
+ {
1195
+ "epoch": 0.09,
1196
+ "grad_norm": 5.400998115539551,
1197
+ "learning_rate": 0.00019893208822638618,
1198
+ "loss": 5.7506,
1199
+ "step": 8500
1200
+ },
1201
+ {
1202
+ "epoch": 0.09,
1203
+ "grad_norm": 3.3062849044799805,
1204
+ "learning_rate": 0.00019890519828967413,
1205
+ "loss": 5.7515,
1206
+ "step": 8550
1207
+ },
1208
+ {
1209
+ "epoch": 0.1,
1210
+ "grad_norm": 4.109920501708984,
1211
+ "learning_rate": 0.00019887797586892373,
1212
+ "loss": 5.7972,
1213
+ "step": 8600
1214
+ },
1215
+ {
1216
+ "epoch": 0.1,
1217
+ "grad_norm": 3.4838390350341797,
1218
+ "learning_rate": 0.00019885042105564717,
1219
+ "loss": 5.6753,
1220
+ "step": 8650
1221
+ },
1222
+ {
1223
+ "epoch": 0.1,
1224
+ "grad_norm": 4.251760959625244,
1225
+ "learning_rate": 0.00019882253394247381,
1226
+ "loss": 5.6303,
1227
+ "step": 8700
1228
+ },
1229
+ {
1230
+ "epoch": 0.1,
1231
+ "grad_norm": 4.042376518249512,
1232
+ "learning_rate": 0.00019879431462315025,
1233
+ "loss": 5.5753,
1234
+ "step": 8750
1235
+ },
1236
+ {
1237
+ "epoch": 0.1,
1238
+ "grad_norm": 4.239652633666992,
1239
+ "learning_rate": 0.0001987657631925398,
1240
+ "loss": 5.5335,
1241
+ "step": 8800
1242
+ },
1243
+ {
1244
+ "epoch": 0.1,
1245
+ "grad_norm": 5.15481424331665,
1246
+ "learning_rate": 0.00019873687974662215,
1247
+ "loss": 5.5396,
1248
+ "step": 8850
1249
+ },
1250
+ {
1251
+ "epoch": 0.1,
1252
+ "grad_norm": 4.36835241317749,
1253
+ "learning_rate": 0.00019870766438249317,
1254
+ "loss": 5.6017,
1255
+ "step": 8900
1256
+ },
1257
+ {
1258
+ "epoch": 0.1,
1259
+ "grad_norm": 4.165258407592773,
1260
+ "learning_rate": 0.00019867811719836452,
1261
+ "loss": 5.7228,
1262
+ "step": 8950
1263
+ },
1264
+ {
1265
+ "epoch": 0.1,
1266
+ "grad_norm": 4.125988006591797,
1267
+ "learning_rate": 0.0001986482382935633,
1268
+ "loss": 5.5787,
1269
+ "step": 9000
1270
+ },
1271
+ {
1272
+ "epoch": 0.1,
1273
+ "grad_norm": 4.177731037139893,
1274
+ "learning_rate": 0.0001986180277685317,
1275
+ "loss": 5.5829,
1276
+ "step": 9050
1277
+ },
1278
+ {
1279
+ "epoch": 0.1,
1280
+ "grad_norm": 5.006561279296875,
1281
+ "learning_rate": 0.00019858748572482683,
1282
+ "loss": 5.5466,
1283
+ "step": 9100
1284
+ },
1285
+ {
1286
+ "epoch": 0.1,
1287
+ "grad_norm": 4.33070182800293,
1288
+ "learning_rate": 0.00019855661226512007,
1289
+ "loss": 5.5544,
1290
+ "step": 9150
1291
+ },
1292
+ {
1293
+ "epoch": 0.1,
1294
+ "grad_norm": 4.358560085296631,
1295
+ "learning_rate": 0.00019852540749319708,
1296
+ "loss": 5.4599,
1297
+ "step": 9200
1298
+ },
1299
+ {
1300
+ "epoch": 0.1,
1301
+ "grad_norm": 4.536096096038818,
1302
+ "learning_rate": 0.00019849387151395708,
1303
+ "loss": 5.4983,
1304
+ "step": 9250
1305
+ },
1306
+ {
1307
+ "epoch": 0.1,
1308
+ "grad_norm": 4.66163444519043,
1309
+ "learning_rate": 0.0001984620044334129,
1310
+ "loss": 5.4097,
1311
+ "step": 9300
1312
+ },
1313
+ {
1314
+ "epoch": 0.1,
1315
+ "grad_norm": 4.4319233894348145,
1316
+ "learning_rate": 0.00019842980635869024,
1317
+ "loss": 5.4093,
1318
+ "step": 9350
1319
+ },
1320
+ {
1321
+ "epoch": 0.1,
1322
+ "grad_norm": 4.98419713973999,
1323
+ "learning_rate": 0.0001983972773980276,
1324
+ "loss": 5.4056,
1325
+ "step": 9400
1326
+ },
1327
+ {
1328
+ "epoch": 0.1,
1329
+ "grad_norm": 3.6354339122772217,
1330
+ "learning_rate": 0.0001983644176607757,
1331
+ "loss": 5.3171,
1332
+ "step": 9450
1333
+ },
1334
+ {
1335
+ "epoch": 0.11,
1336
+ "grad_norm": 4.495342254638672,
1337
+ "learning_rate": 0.00019833122725739736,
1338
+ "loss": 5.4521,
1339
+ "step": 9500
1340
+ },
1341
+ {
1342
+ "epoch": 0.11,
1343
+ "grad_norm": 4.5558671951293945,
1344
+ "learning_rate": 0.00019829770629946678,
1345
+ "loss": 5.5158,
1346
+ "step": 9550
1347
+ },
1348
+ {
1349
+ "epoch": 0.11,
1350
+ "grad_norm": 3.7165732383728027,
1351
+ "learning_rate": 0.00019826385489966957,
1352
+ "loss": 5.301,
1353
+ "step": 9600
1354
+ },
1355
+ {
1356
+ "epoch": 0.11,
1357
+ "grad_norm": 6.030915260314941,
1358
+ "learning_rate": 0.00019822967317180204,
1359
+ "loss": 5.3316,
1360
+ "step": 9650
1361
+ },
1362
+ {
1363
+ "epoch": 0.11,
1364
+ "grad_norm": 5.385923385620117,
1365
+ "learning_rate": 0.00019819516123077094,
1366
+ "loss": 5.3844,
1367
+ "step": 9700
1368
+ },
1369
+ {
1370
+ "epoch": 0.11,
1371
+ "grad_norm": 4.383516788482666,
1372
+ "learning_rate": 0.00019816101926755305,
1373
+ "loss": 5.2995,
1374
+ "step": 9750
1375
+ },
1376
+ {
1377
+ "epoch": 0.11,
1378
+ "grad_norm": 4.446406364440918,
1379
+ "learning_rate": 0.00019812585384780055,
1380
+ "loss": 5.386,
1381
+ "step": 9800
1382
+ },
1383
+ {
1384
+ "epoch": 0.11,
1385
+ "grad_norm": 4.345483303070068,
1386
+ "learning_rate": 0.00019809035856388805,
1387
+ "loss": 5.2815,
1388
+ "step": 9850
1389
+ },
1390
+ {
1391
+ "epoch": 0.11,
1392
+ "grad_norm": 4.791261672973633,
1393
+ "learning_rate": 0.00019805453353513813,
1394
+ "loss": 5.3757,
1395
+ "step": 9900
1396
+ },
1397
+ {
1398
+ "epoch": 0.11,
1399
+ "grad_norm": 5.622151851654053,
1400
+ "learning_rate": 0.00019801837888198172,
1401
+ "loss": 5.4405,
1402
+ "step": 9950
1403
+ },
1404
+ {
1405
+ "epoch": 0.11,
1406
+ "grad_norm": 4.934606075286865,
1407
+ "learning_rate": 0.0001979818947259579,
1408
+ "loss": 5.139,
1409
+ "step": 10000
1410
+ },
1411
+ {
1412
+ "epoch": 0.11,
1413
+ "grad_norm": 3.9659693241119385,
1414
+ "learning_rate": 0.0001979450811897134,
1415
+ "loss": 5.1726,
1416
+ "step": 10050
1417
+ },
1418
+ {
1419
+ "epoch": 0.11,
1420
+ "grad_norm": 5.214992046356201,
1421
+ "learning_rate": 0.00019790793839700226,
1422
+ "loss": 5.2864,
1423
+ "step": 10100
1424
+ },
1425
+ {
1426
+ "epoch": 0.11,
1427
+ "grad_norm": 4.5359601974487305,
1428
+ "learning_rate": 0.00019787046647268524,
1429
+ "loss": 5.1443,
1430
+ "step": 10150
1431
+ },
1432
+ {
1433
+ "epoch": 0.11,
1434
+ "grad_norm": 4.26462984085083,
1435
+ "learning_rate": 0.00019783266554272962,
1436
+ "loss": 5.0597,
1437
+ "step": 10200
1438
+ },
1439
+ {
1440
+ "epoch": 0.11,
1441
+ "grad_norm": 5.053945064544678,
1442
+ "learning_rate": 0.00019779453573420873,
1443
+ "loss": 5.2946,
1444
+ "step": 10250
1445
+ },
1446
+ {
1447
+ "epoch": 0.11,
1448
+ "grad_norm": 6.082211494445801,
1449
+ "learning_rate": 0.00019775607717530127,
1450
+ "loss": 5.2075,
1451
+ "step": 10300
1452
+ },
1453
+ {
1454
+ "epoch": 0.11,
1455
+ "grad_norm": 4.107390403747559,
1456
+ "learning_rate": 0.00019771728999529132,
1457
+ "loss": 5.1394,
1458
+ "step": 10350
1459
+ },
1460
+ {
1461
+ "epoch": 0.12,
1462
+ "grad_norm": 4.58411169052124,
1463
+ "learning_rate": 0.00019767817432456752,
1464
+ "loss": 5.1064,
1465
+ "step": 10400
1466
+ },
1467
+ {
1468
+ "epoch": 0.12,
1469
+ "grad_norm": 8.38965892791748,
1470
+ "learning_rate": 0.00019763952239228627,
1471
+ "loss": 5.0808,
1472
+ "step": 10450
1473
+ },
1474
+ {
1475
+ "epoch": 0.12,
1476
+ "grad_norm": 3.885803699493408,
1477
+ "learning_rate": 0.00019759975669894338,
1478
+ "loss": 5.0664,
1479
+ "step": 10500
1480
+ },
1481
+ {
1482
+ "epoch": 0.12,
1483
+ "grad_norm": 4.1605916023254395,
1484
+ "learning_rate": 0.00019755966290999167,
1485
+ "loss": 5.2469,
1486
+ "step": 10550
1487
+ },
1488
+ {
1489
+ "epoch": 0.12,
1490
+ "grad_norm": 4.821887016296387,
1491
+ "learning_rate": 0.00019751924116021225,
1492
+ "loss": 5.2451,
1493
+ "step": 10600
1494
+ },
1495
+ {
1496
+ "epoch": 0.12,
1497
+ "grad_norm": 3.865694761276245,
1498
+ "learning_rate": 0.00019747849158548858,
1499
+ "loss": 5.2334,
1500
+ "step": 10650
1501
+ },
1502
+ {
1503
+ "epoch": 0.12,
1504
+ "grad_norm": 3.640681028366089,
1505
+ "learning_rate": 0.00019743741432280625,
1506
+ "loss": 5.1206,
1507
+ "step": 10700
1508
+ },
1509
+ {
1510
+ "epoch": 0.12,
1511
+ "grad_norm": 4.04166316986084,
1512
+ "learning_rate": 0.00019739600951025236,
1513
+ "loss": 5.0059,
1514
+ "step": 10750
1515
+ },
1516
+ {
1517
+ "epoch": 0.12,
1518
+ "grad_norm": 4.637605667114258,
1519
+ "learning_rate": 0.00019735427728701516,
1520
+ "loss": 5.0302,
1521
+ "step": 10800
1522
+ },
1523
+ {
1524
+ "epoch": 0.12,
1525
+ "grad_norm": 4.08723783493042,
1526
+ "learning_rate": 0.0001973122177933835,
1527
+ "loss": 5.1551,
1528
+ "step": 10850
1529
+ },
1530
+ {
1531
+ "epoch": 0.12,
1532
+ "grad_norm": 3.7944953441619873,
1533
+ "learning_rate": 0.00019726983117074643,
1534
+ "loss": 5.0665,
1535
+ "step": 10900
1536
+ },
1537
+ {
1538
+ "epoch": 0.12,
1539
+ "grad_norm": 5.2847371101379395,
1540
+ "learning_rate": 0.00019722711756159266,
1541
+ "loss": 5.2212,
1542
+ "step": 10950
1543
+ },
1544
+ {
1545
+ "epoch": 0.12,
1546
+ "grad_norm": 4.109150409698486,
1547
+ "learning_rate": 0.00019718407710951012,
1548
+ "loss": 5.2645,
1549
+ "step": 11000
1550
+ },
1551
+ {
1552
+ "epoch": 0.12,
1553
+ "grad_norm": 4.127768039703369,
1554
+ "learning_rate": 0.0001971407099591855,
1555
+ "loss": 5.0395,
1556
+ "step": 11050
1557
+ },
1558
+ {
1559
+ "epoch": 0.12,
1560
+ "grad_norm": 5.058667182922363,
1561
+ "learning_rate": 0.00019709701625640367,
1562
+ "loss": 5.0247,
1563
+ "step": 11100
1564
+ },
1565
+ {
1566
+ "epoch": 0.12,
1567
+ "grad_norm": 5.4407267570495605,
1568
+ "learning_rate": 0.00019705299614804732,
1569
+ "loss": 4.9935,
1570
+ "step": 11150
1571
+ },
1572
+ {
1573
+ "epoch": 0.12,
1574
+ "grad_norm": 3.7877707481384277,
1575
+ "learning_rate": 0.00019700864978209636,
1576
+ "loss": 5.074,
1577
+ "step": 11200
1578
+ },
1579
+ {
1580
+ "epoch": 0.12,
1581
+ "grad_norm": 3.777330160140991,
1582
+ "learning_rate": 0.00019696397730762746,
1583
+ "loss": 5.0458,
1584
+ "step": 11250
1585
+ },
1586
+ {
1587
+ "epoch": 0.13,
1588
+ "grad_norm": 4.143067836761475,
1589
+ "learning_rate": 0.0001969189788748136,
1590
+ "loss": 4.9375,
1591
+ "step": 11300
1592
+ },
1593
+ {
1594
+ "epoch": 0.13,
1595
+ "grad_norm": 5.560107231140137,
1596
+ "learning_rate": 0.00019687365463492344,
1597
+ "loss": 4.8285,
1598
+ "step": 11350
1599
+ },
1600
+ {
1601
+ "epoch": 0.13,
1602
+ "grad_norm": 4.057905197143555,
1603
+ "learning_rate": 0.00019682800474032095,
1604
+ "loss": 4.9753,
1605
+ "step": 11400
1606
+ },
1607
+ {
1608
+ "epoch": 0.13,
1609
+ "grad_norm": 3.835442066192627,
1610
+ "learning_rate": 0.00019678202934446482,
1611
+ "loss": 4.9368,
1612
+ "step": 11450
1613
+ },
1614
+ {
1615
+ "epoch": 0.13,
1616
+ "grad_norm": 5.135551929473877,
1617
+ "learning_rate": 0.0001967357286019079,
1618
+ "loss": 4.9994,
1619
+ "step": 11500
1620
+ },
1621
+ {
1622
+ "epoch": 0.13,
1623
+ "grad_norm": 4.615053653717041,
1624
+ "learning_rate": 0.00019668910266829685,
1625
+ "loss": 5.0182,
1626
+ "step": 11550
1627
+ },
1628
+ {
1629
+ "epoch": 0.13,
1630
+ "grad_norm": 4.474258899688721,
1631
+ "learning_rate": 0.0001966421517003714,
1632
+ "loss": 4.8704,
1633
+ "step": 11600
1634
+ },
1635
+ {
1636
+ "epoch": 0.13,
1637
+ "grad_norm": 4.264945030212402,
1638
+ "learning_rate": 0.00019659487585596406,
1639
+ "loss": 4.9076,
1640
+ "step": 11650
1641
+ },
1642
+ {
1643
+ "epoch": 0.13,
1644
+ "grad_norm": 4.091209411621094,
1645
+ "learning_rate": 0.00019654727529399925,
1646
+ "loss": 4.7135,
1647
+ "step": 11700
1648
+ },
1649
+ {
1650
+ "epoch": 0.13,
1651
+ "grad_norm": 4.154038429260254,
1652
+ "learning_rate": 0.00019649935017449318,
1653
+ "loss": 4.8239,
1654
+ "step": 11750
1655
+ },
1656
+ {
1657
+ "epoch": 0.13,
1658
+ "grad_norm": 3.697162628173828,
1659
+ "learning_rate": 0.00019645110065855305,
1660
+ "loss": 4.9972,
1661
+ "step": 11800
1662
+ },
1663
+ {
1664
+ "epoch": 0.13,
1665
+ "grad_norm": 4.0024847984313965,
1666
+ "learning_rate": 0.00019640252690837645,
1667
+ "loss": 4.8854,
1668
+ "step": 11850
1669
+ },
1670
+ {
1671
+ "epoch": 0.13,
1672
+ "grad_norm": 3.9416885375976562,
1673
+ "learning_rate": 0.0001963536290872511,
1674
+ "loss": 4.8547,
1675
+ "step": 11900
1676
+ },
1677
+ {
1678
+ "epoch": 0.13,
1679
+ "grad_norm": 3.978651285171509,
1680
+ "learning_rate": 0.000196304407359554,
1681
+ "loss": 4.7873,
1682
+ "step": 11950
1683
+ },
1684
+ {
1685
+ "epoch": 0.13,
1686
+ "grad_norm": 4.435175895690918,
1687
+ "learning_rate": 0.0001962548618907511,
1688
+ "loss": 4.8124,
1689
+ "step": 12000
1690
+ }
1691
+ ],
1692
+ "logging_steps": 50,
1693
+ "max_steps": 90183,
1694
+ "num_input_tokens_seen": 0,
1695
+ "num_train_epochs": 1,
1696
+ "save_steps": 1000,
1697
+ "total_flos": 4315086323712000.0,
1698
+ "train_batch_size": 16,
1699
+ "trial_name": null,
1700
+ "trial_params": null
1701
+ }
checkpoints/checkpoint-12000/training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:bcdffec292848a9e4baadecd0be02bf6760a1c3238602b1aad355cf1ba43d36e
3
+ size 5048
checkpoints/checkpoint-13000/config.json ADDED
@@ -0,0 +1,28 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "architectures": [
3
+ "AlbertForMaskedLM"
4
+ ],
5
+ "attention_probs_dropout_prob": 0,
6
+ "bos_token_id": 2,
7
+ "classifier_dropout_prob": 0.1,
8
+ "embedding_size": 128,
9
+ "eos_token_id": 3,
10
+ "hidden_act": "gelu_new",
11
+ "hidden_dropout_prob": 0,
12
+ "hidden_size": 768,
13
+ "initializer_range": 0.02,
14
+ "inner_group_num": 1,
15
+ "intermediate_size": 3072,
16
+ "layer_norm_eps": 1e-12,
17
+ "max_position_embeddings": 512,
18
+ "model_type": "albert",
19
+ "num_attention_heads": 12,
20
+ "num_hidden_groups": 1,
21
+ "num_hidden_layers": 12,
22
+ "pad_token_id": 0,
23
+ "position_embedding_type": "absolute",
24
+ "torch_dtype": "float32",
25
+ "transformers_version": "4.38.2",
26
+ "type_vocab_size": 2,
27
+ "vocab_size": 30000
28
+ }
checkpoints/checkpoint-13000/model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:edc4219adab8ac3ba9103fd86a182da9a0bedb14cfe4d42bade6801c7a27a8a6
3
+ size 44890256
checkpoints/checkpoint-13000/optimizer.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:948e9a773fdffc69920d17092383c982e2dc52a78986bf49329517f8efbf26e0
3
+ size 89797322
checkpoints/checkpoint-13000/rng_state.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:19f0a906d5244d02faa3a94f1a18dfa95c5aad1b758492f4d6054a85d264b063
3
+ size 14244
checkpoints/checkpoint-13000/scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:75f67ff29c4600c308e522220590872f6ef4c35245be0fedfa991591dcb42d49
3
+ size 1064
checkpoints/checkpoint-13000/trainer_state.json ADDED
@@ -0,0 +1,1841 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 0.14415133672643402,
5
+ "eval_steps": 500,
6
+ "global_step": 13000,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.0,
13
+ "grad_norm": 3.2580924034118652,
14
+ "learning_rate": 2.2172949002217296e-06,
15
+ "loss": 10.2933,
16
+ "step": 50
17
+ },
18
+ {
19
+ "epoch": 0.0,
20
+ "grad_norm": 2.4347386360168457,
21
+ "learning_rate": 4.434589800443459e-06,
22
+ "loss": 10.1894,
23
+ "step": 100
24
+ },
25
+ {
26
+ "epoch": 0.0,
27
+ "grad_norm": 2.3895885944366455,
28
+ "learning_rate": 6.651884700665188e-06,
29
+ "loss": 10.1424,
30
+ "step": 150
31
+ },
32
+ {
33
+ "epoch": 0.0,
34
+ "grad_norm": 2.129647731781006,
35
+ "learning_rate": 8.869179600886918e-06,
36
+ "loss": 10.0995,
37
+ "step": 200
38
+ },
39
+ {
40
+ "epoch": 0.0,
41
+ "grad_norm": 2.3564186096191406,
42
+ "learning_rate": 1.1086474501108649e-05,
43
+ "loss": 10.0479,
44
+ "step": 250
45
+ },
46
+ {
47
+ "epoch": 0.0,
48
+ "grad_norm": 1.830551028251648,
49
+ "learning_rate": 1.3303769401330377e-05,
50
+ "loss": 9.9971,
51
+ "step": 300
52
+ },
53
+ {
54
+ "epoch": 0.0,
55
+ "grad_norm": 2.1173911094665527,
56
+ "learning_rate": 1.5521064301552106e-05,
57
+ "loss": 9.9201,
58
+ "step": 350
59
+ },
60
+ {
61
+ "epoch": 0.0,
62
+ "grad_norm": 1.6636557579040527,
63
+ "learning_rate": 1.7738359201773837e-05,
64
+ "loss": 9.8562,
65
+ "step": 400
66
+ },
67
+ {
68
+ "epoch": 0.0,
69
+ "grad_norm": 2.4503839015960693,
70
+ "learning_rate": 1.9955654101995567e-05,
71
+ "loss": 9.7599,
72
+ "step": 450
73
+ },
74
+ {
75
+ "epoch": 0.01,
76
+ "grad_norm": 1.822424054145813,
77
+ "learning_rate": 2.2172949002217298e-05,
78
+ "loss": 9.6608,
79
+ "step": 500
80
+ },
81
+ {
82
+ "epoch": 0.01,
83
+ "grad_norm": 1.6598998308181763,
84
+ "learning_rate": 2.4390243902439026e-05,
85
+ "loss": 9.55,
86
+ "step": 550
87
+ },
88
+ {
89
+ "epoch": 0.01,
90
+ "grad_norm": 1.8471707105636597,
91
+ "learning_rate": 2.6607538802660753e-05,
92
+ "loss": 9.4606,
93
+ "step": 600
94
+ },
95
+ {
96
+ "epoch": 0.01,
97
+ "grad_norm": 1.4833533763885498,
98
+ "learning_rate": 2.8824833702882487e-05,
99
+ "loss": 9.3283,
100
+ "step": 650
101
+ },
102
+ {
103
+ "epoch": 0.01,
104
+ "grad_norm": 1.688541054725647,
105
+ "learning_rate": 3.104212860310421e-05,
106
+ "loss": 9.2229,
107
+ "step": 700
108
+ },
109
+ {
110
+ "epoch": 0.01,
111
+ "grad_norm": 1.6466543674468994,
112
+ "learning_rate": 3.325942350332594e-05,
113
+ "loss": 9.1093,
114
+ "step": 750
115
+ },
116
+ {
117
+ "epoch": 0.01,
118
+ "grad_norm": 1.4169293642044067,
119
+ "learning_rate": 3.547671840354767e-05,
120
+ "loss": 8.9703,
121
+ "step": 800
122
+ },
123
+ {
124
+ "epoch": 0.01,
125
+ "grad_norm": 1.7079193592071533,
126
+ "learning_rate": 3.7694013303769404e-05,
127
+ "loss": 8.8351,
128
+ "step": 850
129
+ },
130
+ {
131
+ "epoch": 0.01,
132
+ "grad_norm": 1.5513204336166382,
133
+ "learning_rate": 3.9911308203991135e-05,
134
+ "loss": 8.7111,
135
+ "step": 900
136
+ },
137
+ {
138
+ "epoch": 0.01,
139
+ "grad_norm": 1.485573172569275,
140
+ "learning_rate": 4.212860310421286e-05,
141
+ "loss": 8.5627,
142
+ "step": 950
143
+ },
144
+ {
145
+ "epoch": 0.01,
146
+ "grad_norm": 1.511690616607666,
147
+ "learning_rate": 4.4345898004434597e-05,
148
+ "loss": 8.5042,
149
+ "step": 1000
150
+ },
151
+ {
152
+ "epoch": 0.01,
153
+ "grad_norm": 2.1478614807128906,
154
+ "learning_rate": 4.656319290465632e-05,
155
+ "loss": 8.3287,
156
+ "step": 1050
157
+ },
158
+ {
159
+ "epoch": 0.01,
160
+ "grad_norm": 1.4060652256011963,
161
+ "learning_rate": 4.878048780487805e-05,
162
+ "loss": 8.2341,
163
+ "step": 1100
164
+ },
165
+ {
166
+ "epoch": 0.01,
167
+ "grad_norm": 1.3950035572052002,
168
+ "learning_rate": 5.099778270509978e-05,
169
+ "loss": 8.1277,
170
+ "step": 1150
171
+ },
172
+ {
173
+ "epoch": 0.01,
174
+ "grad_norm": 1.5197688341140747,
175
+ "learning_rate": 5.3215077605321506e-05,
176
+ "loss": 8.0311,
177
+ "step": 1200
178
+ },
179
+ {
180
+ "epoch": 0.01,
181
+ "grad_norm": 1.3406693935394287,
182
+ "learning_rate": 5.543237250554324e-05,
183
+ "loss": 7.9824,
184
+ "step": 1250
185
+ },
186
+ {
187
+ "epoch": 0.01,
188
+ "grad_norm": 1.4520119428634644,
189
+ "learning_rate": 5.7649667405764975e-05,
190
+ "loss": 7.9948,
191
+ "step": 1300
192
+ },
193
+ {
194
+ "epoch": 0.01,
195
+ "grad_norm": 1.179124116897583,
196
+ "learning_rate": 5.98669623059867e-05,
197
+ "loss": 7.9144,
198
+ "step": 1350
199
+ },
200
+ {
201
+ "epoch": 0.02,
202
+ "grad_norm": 1.4039533138275146,
203
+ "learning_rate": 6.208425720620842e-05,
204
+ "loss": 7.8768,
205
+ "step": 1400
206
+ },
207
+ {
208
+ "epoch": 0.02,
209
+ "grad_norm": 1.5542700290679932,
210
+ "learning_rate": 6.430155210643016e-05,
211
+ "loss": 7.894,
212
+ "step": 1450
213
+ },
214
+ {
215
+ "epoch": 0.02,
216
+ "grad_norm": 1.4150550365447998,
217
+ "learning_rate": 6.651884700665188e-05,
218
+ "loss": 7.8409,
219
+ "step": 1500
220
+ },
221
+ {
222
+ "epoch": 0.02,
223
+ "grad_norm": 1.6647827625274658,
224
+ "learning_rate": 6.873614190687362e-05,
225
+ "loss": 7.91,
226
+ "step": 1550
227
+ },
228
+ {
229
+ "epoch": 0.02,
230
+ "grad_norm": 1.7795697450637817,
231
+ "learning_rate": 7.095343680709535e-05,
232
+ "loss": 7.8256,
233
+ "step": 1600
234
+ },
235
+ {
236
+ "epoch": 0.02,
237
+ "grad_norm": 1.933110237121582,
238
+ "learning_rate": 7.317073170731707e-05,
239
+ "loss": 7.8463,
240
+ "step": 1650
241
+ },
242
+ {
243
+ "epoch": 0.02,
244
+ "grad_norm": 1.1942570209503174,
245
+ "learning_rate": 7.538802660753881e-05,
246
+ "loss": 7.7827,
247
+ "step": 1700
248
+ },
249
+ {
250
+ "epoch": 0.02,
251
+ "grad_norm": 1.6759297847747803,
252
+ "learning_rate": 7.760532150776053e-05,
253
+ "loss": 7.8,
254
+ "step": 1750
255
+ },
256
+ {
257
+ "epoch": 0.02,
258
+ "grad_norm": 1.093256950378418,
259
+ "learning_rate": 7.982261640798227e-05,
260
+ "loss": 7.7461,
261
+ "step": 1800
262
+ },
263
+ {
264
+ "epoch": 0.02,
265
+ "grad_norm": 1.567872166633606,
266
+ "learning_rate": 8.2039911308204e-05,
267
+ "loss": 7.7338,
268
+ "step": 1850
269
+ },
270
+ {
271
+ "epoch": 0.02,
272
+ "grad_norm": 1.3017679452896118,
273
+ "learning_rate": 8.425720620842572e-05,
274
+ "loss": 7.804,
275
+ "step": 1900
276
+ },
277
+ {
278
+ "epoch": 0.02,
279
+ "grad_norm": 1.7510960102081299,
280
+ "learning_rate": 8.647450110864746e-05,
281
+ "loss": 7.7405,
282
+ "step": 1950
283
+ },
284
+ {
285
+ "epoch": 0.02,
286
+ "grad_norm": 1.7215120792388916,
287
+ "learning_rate": 8.869179600886919e-05,
288
+ "loss": 7.7429,
289
+ "step": 2000
290
+ },
291
+ {
292
+ "epoch": 0.02,
293
+ "grad_norm": 1.6202715635299683,
294
+ "learning_rate": 9.090909090909092e-05,
295
+ "loss": 7.6588,
296
+ "step": 2050
297
+ },
298
+ {
299
+ "epoch": 0.02,
300
+ "grad_norm": 1.5680756568908691,
301
+ "learning_rate": 9.312638580931264e-05,
302
+ "loss": 7.6224,
303
+ "step": 2100
304
+ },
305
+ {
306
+ "epoch": 0.02,
307
+ "grad_norm": 1.462240219116211,
308
+ "learning_rate": 9.534368070953438e-05,
309
+ "loss": 7.6851,
310
+ "step": 2150
311
+ },
312
+ {
313
+ "epoch": 0.02,
314
+ "grad_norm": 2.2018320560455322,
315
+ "learning_rate": 9.75609756097561e-05,
316
+ "loss": 7.6443,
317
+ "step": 2200
318
+ },
319
+ {
320
+ "epoch": 0.02,
321
+ "grad_norm": 1.9520208835601807,
322
+ "learning_rate": 9.977827050997783e-05,
323
+ "loss": 7.6456,
324
+ "step": 2250
325
+ },
326
+ {
327
+ "epoch": 0.03,
328
+ "grad_norm": 1.115421175956726,
329
+ "learning_rate": 0.00010199556541019956,
330
+ "loss": 7.5894,
331
+ "step": 2300
332
+ },
333
+ {
334
+ "epoch": 0.03,
335
+ "grad_norm": 1.6002250909805298,
336
+ "learning_rate": 0.0001042128603104213,
337
+ "loss": 7.6017,
338
+ "step": 2350
339
+ },
340
+ {
341
+ "epoch": 0.03,
342
+ "grad_norm": 1.6516796350479126,
343
+ "learning_rate": 0.00010643015521064301,
344
+ "loss": 7.4548,
345
+ "step": 2400
346
+ },
347
+ {
348
+ "epoch": 0.03,
349
+ "grad_norm": 2.2168257236480713,
350
+ "learning_rate": 0.00010864745011086475,
351
+ "loss": 7.5867,
352
+ "step": 2450
353
+ },
354
+ {
355
+ "epoch": 0.03,
356
+ "grad_norm": 1.5447593927383423,
357
+ "learning_rate": 0.00011086474501108647,
358
+ "loss": 7.5317,
359
+ "step": 2500
360
+ },
361
+ {
362
+ "epoch": 0.03,
363
+ "grad_norm": 1.6840906143188477,
364
+ "learning_rate": 0.00011308203991130821,
365
+ "loss": 7.5127,
366
+ "step": 2550
367
+ },
368
+ {
369
+ "epoch": 0.03,
370
+ "grad_norm": 1.2965503931045532,
371
+ "learning_rate": 0.00011529933481152995,
372
+ "loss": 7.4911,
373
+ "step": 2600
374
+ },
375
+ {
376
+ "epoch": 0.03,
377
+ "grad_norm": 1.643584966659546,
378
+ "learning_rate": 0.00011751662971175166,
379
+ "loss": 7.4416,
380
+ "step": 2650
381
+ },
382
+ {
383
+ "epoch": 0.03,
384
+ "grad_norm": 1.5419111251831055,
385
+ "learning_rate": 0.0001197339246119734,
386
+ "loss": 7.4944,
387
+ "step": 2700
388
+ },
389
+ {
390
+ "epoch": 0.03,
391
+ "grad_norm": 1.7774205207824707,
392
+ "learning_rate": 0.00012195121951219512,
393
+ "loss": 7.4244,
394
+ "step": 2750
395
+ },
396
+ {
397
+ "epoch": 0.03,
398
+ "grad_norm": 2.1709322929382324,
399
+ "learning_rate": 0.00012416851441241685,
400
+ "loss": 7.371,
401
+ "step": 2800
402
+ },
403
+ {
404
+ "epoch": 0.03,
405
+ "grad_norm": 1.5503411293029785,
406
+ "learning_rate": 0.0001263858093126386,
407
+ "loss": 7.3031,
408
+ "step": 2850
409
+ },
410
+ {
411
+ "epoch": 0.03,
412
+ "grad_norm": 1.7744035720825195,
413
+ "learning_rate": 0.00012860310421286032,
414
+ "loss": 7.3338,
415
+ "step": 2900
416
+ },
417
+ {
418
+ "epoch": 0.03,
419
+ "grad_norm": 2.2014000415802,
420
+ "learning_rate": 0.00013082039911308205,
421
+ "loss": 7.2962,
422
+ "step": 2950
423
+ },
424
+ {
425
+ "epoch": 0.03,
426
+ "grad_norm": 1.6716220378875732,
427
+ "learning_rate": 0.00013303769401330377,
428
+ "loss": 7.3348,
429
+ "step": 3000
430
+ },
431
+ {
432
+ "epoch": 0.03,
433
+ "grad_norm": 1.7045074701309204,
434
+ "learning_rate": 0.0001352549889135255,
435
+ "loss": 7.2864,
436
+ "step": 3050
437
+ },
438
+ {
439
+ "epoch": 0.03,
440
+ "grad_norm": 1.8933771848678589,
441
+ "learning_rate": 0.00013747228381374724,
442
+ "loss": 7.2744,
443
+ "step": 3100
444
+ },
445
+ {
446
+ "epoch": 0.03,
447
+ "grad_norm": 2.298779249191284,
448
+ "learning_rate": 0.00013968957871396897,
449
+ "loss": 7.2472,
450
+ "step": 3150
451
+ },
452
+ {
453
+ "epoch": 0.04,
454
+ "grad_norm": 1.3420922756195068,
455
+ "learning_rate": 0.0001419068736141907,
456
+ "loss": 7.3019,
457
+ "step": 3200
458
+ },
459
+ {
460
+ "epoch": 0.04,
461
+ "grad_norm": 1.9339039325714111,
462
+ "learning_rate": 0.00014412416851441242,
463
+ "loss": 7.2982,
464
+ "step": 3250
465
+ },
466
+ {
467
+ "epoch": 0.04,
468
+ "grad_norm": 2.69667387008667,
469
+ "learning_rate": 0.00014634146341463414,
470
+ "loss": 7.2851,
471
+ "step": 3300
472
+ },
473
+ {
474
+ "epoch": 0.04,
475
+ "grad_norm": 2.3124189376831055,
476
+ "learning_rate": 0.0001485587583148559,
477
+ "loss": 7.258,
478
+ "step": 3350
479
+ },
480
+ {
481
+ "epoch": 0.04,
482
+ "grad_norm": 1.975651741027832,
483
+ "learning_rate": 0.00015077605321507762,
484
+ "loss": 7.1275,
485
+ "step": 3400
486
+ },
487
+ {
488
+ "epoch": 0.04,
489
+ "grad_norm": 1.9704022407531738,
490
+ "learning_rate": 0.00015299334811529934,
491
+ "loss": 7.1473,
492
+ "step": 3450
493
+ },
494
+ {
495
+ "epoch": 0.04,
496
+ "grad_norm": 2.5047757625579834,
497
+ "learning_rate": 0.00015521064301552106,
498
+ "loss": 7.1096,
499
+ "step": 3500
500
+ },
501
+ {
502
+ "epoch": 0.04,
503
+ "grad_norm": 1.5465894937515259,
504
+ "learning_rate": 0.0001574279379157428,
505
+ "loss": 7.1501,
506
+ "step": 3550
507
+ },
508
+ {
509
+ "epoch": 0.04,
510
+ "grad_norm": 1.9557933807373047,
511
+ "learning_rate": 0.00015964523281596454,
512
+ "loss": 7.2033,
513
+ "step": 3600
514
+ },
515
+ {
516
+ "epoch": 0.04,
517
+ "grad_norm": 2.420116424560547,
518
+ "learning_rate": 0.00016186252771618626,
519
+ "loss": 7.1275,
520
+ "step": 3650
521
+ },
522
+ {
523
+ "epoch": 0.04,
524
+ "grad_norm": 2.114737033843994,
525
+ "learning_rate": 0.000164079822616408,
526
+ "loss": 7.0932,
527
+ "step": 3700
528
+ },
529
+ {
530
+ "epoch": 0.04,
531
+ "grad_norm": 2.3085389137268066,
532
+ "learning_rate": 0.00016629711751662974,
533
+ "loss": 7.0311,
534
+ "step": 3750
535
+ },
536
+ {
537
+ "epoch": 0.04,
538
+ "grad_norm": 2.5679140090942383,
539
+ "learning_rate": 0.00016851441241685144,
540
+ "loss": 6.9168,
541
+ "step": 3800
542
+ },
543
+ {
544
+ "epoch": 0.04,
545
+ "grad_norm": 1.8611838817596436,
546
+ "learning_rate": 0.0001707317073170732,
547
+ "loss": 7.0085,
548
+ "step": 3850
549
+ },
550
+ {
551
+ "epoch": 0.04,
552
+ "grad_norm": 1.8603994846343994,
553
+ "learning_rate": 0.0001729490022172949,
554
+ "loss": 6.9432,
555
+ "step": 3900
556
+ },
557
+ {
558
+ "epoch": 0.04,
559
+ "grad_norm": 2.4244627952575684,
560
+ "learning_rate": 0.00017516629711751663,
561
+ "loss": 6.9333,
562
+ "step": 3950
563
+ },
564
+ {
565
+ "epoch": 0.04,
566
+ "grad_norm": 2.177870750427246,
567
+ "learning_rate": 0.00017738359201773839,
568
+ "loss": 6.9499,
569
+ "step": 4000
570
+ },
571
+ {
572
+ "epoch": 0.04,
573
+ "grad_norm": 1.9320554733276367,
574
+ "learning_rate": 0.00017960088691796008,
575
+ "loss": 6.8204,
576
+ "step": 4050
577
+ },
578
+ {
579
+ "epoch": 0.05,
580
+ "grad_norm": 1.5062849521636963,
581
+ "learning_rate": 0.00018181818181818183,
582
+ "loss": 6.9505,
583
+ "step": 4100
584
+ },
585
+ {
586
+ "epoch": 0.05,
587
+ "grad_norm": 2.9272422790527344,
588
+ "learning_rate": 0.00018403547671840356,
589
+ "loss": 6.8701,
590
+ "step": 4150
591
+ },
592
+ {
593
+ "epoch": 0.05,
594
+ "grad_norm": 2.0309596061706543,
595
+ "learning_rate": 0.00018625277161862528,
596
+ "loss": 6.924,
597
+ "step": 4200
598
+ },
599
+ {
600
+ "epoch": 0.05,
601
+ "grad_norm": 2.0265886783599854,
602
+ "learning_rate": 0.00018847006651884703,
603
+ "loss": 6.9223,
604
+ "step": 4250
605
+ },
606
+ {
607
+ "epoch": 0.05,
608
+ "grad_norm": 2.5160486698150635,
609
+ "learning_rate": 0.00019068736141906876,
610
+ "loss": 6.8708,
611
+ "step": 4300
612
+ },
613
+ {
614
+ "epoch": 0.05,
615
+ "grad_norm": 2.613301992416382,
616
+ "learning_rate": 0.00019290465631929045,
617
+ "loss": 6.8937,
618
+ "step": 4350
619
+ },
620
+ {
621
+ "epoch": 0.05,
622
+ "grad_norm": 2.3031229972839355,
623
+ "learning_rate": 0.0001951219512195122,
624
+ "loss": 6.8337,
625
+ "step": 4400
626
+ },
627
+ {
628
+ "epoch": 0.05,
629
+ "grad_norm": 2.54779052734375,
630
+ "learning_rate": 0.00019733924611973393,
631
+ "loss": 6.8334,
632
+ "step": 4450
633
+ },
634
+ {
635
+ "epoch": 0.05,
636
+ "grad_norm": 2.8277971744537354,
637
+ "learning_rate": 0.00019955654101995565,
638
+ "loss": 6.7925,
639
+ "step": 4500
640
+ },
641
+ {
642
+ "epoch": 0.05,
643
+ "grad_norm": 2.0113885402679443,
644
+ "learning_rate": 0.00019999989242739025,
645
+ "loss": 6.8458,
646
+ "step": 4550
647
+ },
648
+ {
649
+ "epoch": 0.05,
650
+ "grad_norm": 2.2395377159118652,
651
+ "learning_rate": 0.00019999945541405976,
652
+ "loss": 6.6251,
653
+ "step": 4600
654
+ },
655
+ {
656
+ "epoch": 0.05,
657
+ "grad_norm": 2.445993423461914,
658
+ "learning_rate": 0.0001999986822381884,
659
+ "loss": 6.8099,
660
+ "step": 4650
661
+ },
662
+ {
663
+ "epoch": 0.05,
664
+ "grad_norm": 4.077752590179443,
665
+ "learning_rate": 0.0001999975729023753,
666
+ "loss": 6.8053,
667
+ "step": 4700
668
+ },
669
+ {
670
+ "epoch": 0.05,
671
+ "grad_norm": 3.167569875717163,
672
+ "learning_rate": 0.00019999612741034963,
673
+ "loss": 6.7706,
674
+ "step": 4750
675
+ },
676
+ {
677
+ "epoch": 0.05,
678
+ "grad_norm": 1.893659234046936,
679
+ "learning_rate": 0.00019999434576697066,
680
+ "loss": 6.8245,
681
+ "step": 4800
682
+ },
683
+ {
684
+ "epoch": 0.05,
685
+ "grad_norm": 3.6101326942443848,
686
+ "learning_rate": 0.00019999222797822762,
687
+ "loss": 6.7407,
688
+ "step": 4850
689
+ },
690
+ {
691
+ "epoch": 0.05,
692
+ "grad_norm": 2.2858726978302,
693
+ "learning_rate": 0.00019998977405123974,
694
+ "loss": 6.74,
695
+ "step": 4900
696
+ },
697
+ {
698
+ "epoch": 0.05,
699
+ "grad_norm": 1.9325459003448486,
700
+ "learning_rate": 0.0001999869839942563,
701
+ "loss": 6.716,
702
+ "step": 4950
703
+ },
704
+ {
705
+ "epoch": 0.06,
706
+ "grad_norm": 2.0043437480926514,
707
+ "learning_rate": 0.00019998385781665643,
708
+ "loss": 6.6003,
709
+ "step": 5000
710
+ },
711
+ {
712
+ "epoch": 0.06,
713
+ "grad_norm": 4.151523113250732,
714
+ "learning_rate": 0.00019998039552894924,
715
+ "loss": 6.6801,
716
+ "step": 5050
717
+ },
718
+ {
719
+ "epoch": 0.06,
720
+ "grad_norm": 3.8407771587371826,
721
+ "learning_rate": 0.00019997659714277372,
722
+ "loss": 6.608,
723
+ "step": 5100
724
+ },
725
+ {
726
+ "epoch": 0.06,
727
+ "grad_norm": 2.230713129043579,
728
+ "learning_rate": 0.00019997246267089867,
729
+ "loss": 6.6479,
730
+ "step": 5150
731
+ },
732
+ {
733
+ "epoch": 0.06,
734
+ "grad_norm": 2.2546942234039307,
735
+ "learning_rate": 0.0001999679921272227,
736
+ "loss": 6.6548,
737
+ "step": 5200
738
+ },
739
+ {
740
+ "epoch": 0.06,
741
+ "grad_norm": 3.180986166000366,
742
+ "learning_rate": 0.00019996318552677425,
743
+ "loss": 6.6851,
744
+ "step": 5250
745
+ },
746
+ {
747
+ "epoch": 0.06,
748
+ "grad_norm": 2.341231346130371,
749
+ "learning_rate": 0.00019995804288571134,
750
+ "loss": 6.547,
751
+ "step": 5300
752
+ },
753
+ {
754
+ "epoch": 0.06,
755
+ "grad_norm": 3.1117124557495117,
756
+ "learning_rate": 0.00019995256422132172,
757
+ "loss": 6.7072,
758
+ "step": 5350
759
+ },
760
+ {
761
+ "epoch": 0.06,
762
+ "grad_norm": 2.0082530975341797,
763
+ "learning_rate": 0.0001999467495520227,
764
+ "loss": 6.5422,
765
+ "step": 5400
766
+ },
767
+ {
768
+ "epoch": 0.06,
769
+ "grad_norm": 2.409489870071411,
770
+ "learning_rate": 0.0001999405988973611,
771
+ "loss": 6.3716,
772
+ "step": 5450
773
+ },
774
+ {
775
+ "epoch": 0.06,
776
+ "grad_norm": 2.649052381515503,
777
+ "learning_rate": 0.00019993411227801328,
778
+ "loss": 6.6434,
779
+ "step": 5500
780
+ },
781
+ {
782
+ "epoch": 0.06,
783
+ "grad_norm": 3.081116199493408,
784
+ "learning_rate": 0.00019992728971578492,
785
+ "loss": 6.4624,
786
+ "step": 5550
787
+ },
788
+ {
789
+ "epoch": 0.06,
790
+ "grad_norm": 3.1578280925750732,
791
+ "learning_rate": 0.00019992013123361102,
792
+ "loss": 6.5416,
793
+ "step": 5600
794
+ },
795
+ {
796
+ "epoch": 0.06,
797
+ "grad_norm": 3.7874557971954346,
798
+ "learning_rate": 0.0001999126368555559,
799
+ "loss": 6.4512,
800
+ "step": 5650
801
+ },
802
+ {
803
+ "epoch": 0.06,
804
+ "grad_norm": 2.7693099975585938,
805
+ "learning_rate": 0.00019990480660681293,
806
+ "loss": 6.5105,
807
+ "step": 5700
808
+ },
809
+ {
810
+ "epoch": 0.06,
811
+ "grad_norm": 2.4338185787200928,
812
+ "learning_rate": 0.00019989680712666593,
813
+ "loss": 6.5092,
814
+ "step": 5750
815
+ },
816
+ {
817
+ "epoch": 0.06,
818
+ "grad_norm": 3.656937837600708,
819
+ "learning_rate": 0.00019988831193270577,
820
+ "loss": 6.4269,
821
+ "step": 5800
822
+ },
823
+ {
824
+ "epoch": 0.06,
825
+ "grad_norm": 2.857292652130127,
826
+ "learning_rate": 0.00019987948094982952,
827
+ "loss": 6.4387,
828
+ "step": 5850
829
+ },
830
+ {
831
+ "epoch": 0.07,
832
+ "grad_norm": 3.4963467121124268,
833
+ "learning_rate": 0.00019987031420772385,
834
+ "loss": 6.3851,
835
+ "step": 5900
836
+ },
837
+ {
838
+ "epoch": 0.07,
839
+ "grad_norm": 2.602522611618042,
840
+ "learning_rate": 0.00019986081173720396,
841
+ "loss": 6.3413,
842
+ "step": 5950
843
+ },
844
+ {
845
+ "epoch": 0.07,
846
+ "grad_norm": 2.6455273628234863,
847
+ "learning_rate": 0.00019985097357021385,
848
+ "loss": 6.2965,
849
+ "step": 6000
850
+ },
851
+ {
852
+ "epoch": 0.07,
853
+ "grad_norm": 3.5592167377471924,
854
+ "learning_rate": 0.0001998407997398259,
855
+ "loss": 6.4293,
856
+ "step": 6050
857
+ },
858
+ {
859
+ "epoch": 0.07,
860
+ "grad_norm": 3.6016533374786377,
861
+ "learning_rate": 0.00019983029028024094,
862
+ "loss": 6.2897,
863
+ "step": 6100
864
+ },
865
+ {
866
+ "epoch": 0.07,
867
+ "grad_norm": 2.5536839962005615,
868
+ "learning_rate": 0.000199819445226788,
869
+ "loss": 6.3157,
870
+ "step": 6150
871
+ },
872
+ {
873
+ "epoch": 0.07,
874
+ "grad_norm": 2.0514349937438965,
875
+ "learning_rate": 0.00019980826461592427,
876
+ "loss": 6.3847,
877
+ "step": 6200
878
+ },
879
+ {
880
+ "epoch": 0.07,
881
+ "grad_norm": 2.72495174407959,
882
+ "learning_rate": 0.00019979674848523505,
883
+ "loss": 6.3517,
884
+ "step": 6250
885
+ },
886
+ {
887
+ "epoch": 0.07,
888
+ "grad_norm": 2.4264872074127197,
889
+ "learning_rate": 0.00019978489687343335,
890
+ "loss": 6.2533,
891
+ "step": 6300
892
+ },
893
+ {
894
+ "epoch": 0.07,
895
+ "grad_norm": 2.8361423015594482,
896
+ "learning_rate": 0.0001997727098203602,
897
+ "loss": 6.3654,
898
+ "step": 6350
899
+ },
900
+ {
901
+ "epoch": 0.07,
902
+ "grad_norm": 2.9690892696380615,
903
+ "learning_rate": 0.00019976018736698404,
904
+ "loss": 6.3968,
905
+ "step": 6400
906
+ },
907
+ {
908
+ "epoch": 0.07,
909
+ "grad_norm": 2.6132867336273193,
910
+ "learning_rate": 0.0001997473295554009,
911
+ "loss": 6.3444,
912
+ "step": 6450
913
+ },
914
+ {
915
+ "epoch": 0.07,
916
+ "grad_norm": 4.820697784423828,
917
+ "learning_rate": 0.00019973413642883424,
918
+ "loss": 6.2019,
919
+ "step": 6500
920
+ },
921
+ {
922
+ "epoch": 0.07,
923
+ "grad_norm": 2.2316782474517822,
924
+ "learning_rate": 0.00019972060803163458,
925
+ "loss": 6.2049,
926
+ "step": 6550
927
+ },
928
+ {
929
+ "epoch": 0.07,
930
+ "grad_norm": 3.9528305530548096,
931
+ "learning_rate": 0.00019970674440927957,
932
+ "loss": 6.1718,
933
+ "step": 6600
934
+ },
935
+ {
936
+ "epoch": 0.07,
937
+ "grad_norm": 1.891073226928711,
938
+ "learning_rate": 0.0001996925456083738,
939
+ "loss": 6.2393,
940
+ "step": 6650
941
+ },
942
+ {
943
+ "epoch": 0.07,
944
+ "grad_norm": 2.813270092010498,
945
+ "learning_rate": 0.00019967801167664853,
946
+ "loss": 6.2116,
947
+ "step": 6700
948
+ },
949
+ {
950
+ "epoch": 0.07,
951
+ "grad_norm": 2.2726826667785645,
952
+ "learning_rate": 0.00019966314266296173,
953
+ "loss": 6.1521,
954
+ "step": 6750
955
+ },
956
+ {
957
+ "epoch": 0.08,
958
+ "grad_norm": 2.3895318508148193,
959
+ "learning_rate": 0.00019964793861729772,
960
+ "loss": 6.1072,
961
+ "step": 6800
962
+ },
963
+ {
964
+ "epoch": 0.08,
965
+ "grad_norm": 3.190431833267212,
966
+ "learning_rate": 0.000199632399590767,
967
+ "loss": 6.2009,
968
+ "step": 6850
969
+ },
970
+ {
971
+ "epoch": 0.08,
972
+ "grad_norm": 3.79266095161438,
973
+ "learning_rate": 0.00019961652563560634,
974
+ "loss": 6.028,
975
+ "step": 6900
976
+ },
977
+ {
978
+ "epoch": 0.08,
979
+ "grad_norm": 3.260039806365967,
980
+ "learning_rate": 0.00019960031680517826,
981
+ "loss": 6.0733,
982
+ "step": 6950
983
+ },
984
+ {
985
+ "epoch": 0.08,
986
+ "grad_norm": 3.0739686489105225,
987
+ "learning_rate": 0.0001995837731539711,
988
+ "loss": 6.0521,
989
+ "step": 7000
990
+ },
991
+ {
992
+ "epoch": 0.08,
993
+ "grad_norm": 3.0517771244049072,
994
+ "learning_rate": 0.00019956689473759872,
995
+ "loss": 6.0544,
996
+ "step": 7050
997
+ },
998
+ {
999
+ "epoch": 0.08,
1000
+ "grad_norm": 3.9524648189544678,
1001
+ "learning_rate": 0.0001995496816128003,
1002
+ "loss": 6.1326,
1003
+ "step": 7100
1004
+ },
1005
+ {
1006
+ "epoch": 0.08,
1007
+ "grad_norm": 4.498497486114502,
1008
+ "learning_rate": 0.00019953213383744033,
1009
+ "loss": 6.236,
1010
+ "step": 7150
1011
+ },
1012
+ {
1013
+ "epoch": 0.08,
1014
+ "grad_norm": 4.157576084136963,
1015
+ "learning_rate": 0.00019951425147050807,
1016
+ "loss": 5.9898,
1017
+ "step": 7200
1018
+ },
1019
+ {
1020
+ "epoch": 0.08,
1021
+ "grad_norm": 3.9297516345977783,
1022
+ "learning_rate": 0.00019949603457211775,
1023
+ "loss": 6.086,
1024
+ "step": 7250
1025
+ },
1026
+ {
1027
+ "epoch": 0.08,
1028
+ "grad_norm": 3.3214786052703857,
1029
+ "learning_rate": 0.00019947748320350804,
1030
+ "loss": 5.9589,
1031
+ "step": 7300
1032
+ },
1033
+ {
1034
+ "epoch": 0.08,
1035
+ "grad_norm": 2.8847291469573975,
1036
+ "learning_rate": 0.00019945859742704201,
1037
+ "loss": 6.1931,
1038
+ "step": 7350
1039
+ },
1040
+ {
1041
+ "epoch": 0.08,
1042
+ "grad_norm": 3.387896776199341,
1043
+ "learning_rate": 0.00019943937730620702,
1044
+ "loss": 6.0539,
1045
+ "step": 7400
1046
+ },
1047
+ {
1048
+ "epoch": 0.08,
1049
+ "grad_norm": 3.1214797496795654,
1050
+ "learning_rate": 0.00019941982290561417,
1051
+ "loss": 6.0288,
1052
+ "step": 7450
1053
+ },
1054
+ {
1055
+ "epoch": 0.08,
1056
+ "grad_norm": 3.7995123863220215,
1057
+ "learning_rate": 0.00019939993429099841,
1058
+ "loss": 6.0526,
1059
+ "step": 7500
1060
+ },
1061
+ {
1062
+ "epoch": 0.08,
1063
+ "grad_norm": 4.788393974304199,
1064
+ "learning_rate": 0.00019937971152921818,
1065
+ "loss": 5.9799,
1066
+ "step": 7550
1067
+ },
1068
+ {
1069
+ "epoch": 0.08,
1070
+ "grad_norm": 4.009220123291016,
1071
+ "learning_rate": 0.0001993591546882552,
1072
+ "loss": 6.1223,
1073
+ "step": 7600
1074
+ },
1075
+ {
1076
+ "epoch": 0.08,
1077
+ "grad_norm": 3.5576276779174805,
1078
+ "learning_rate": 0.00019933826383721428,
1079
+ "loss": 5.989,
1080
+ "step": 7650
1081
+ },
1082
+ {
1083
+ "epoch": 0.09,
1084
+ "grad_norm": 3.1287412643432617,
1085
+ "learning_rate": 0.00019931703904632294,
1086
+ "loss": 6.0542,
1087
+ "step": 7700
1088
+ },
1089
+ {
1090
+ "epoch": 0.09,
1091
+ "grad_norm": 3.6518595218658447,
1092
+ "learning_rate": 0.00019929548038693146,
1093
+ "loss": 6.041,
1094
+ "step": 7750
1095
+ },
1096
+ {
1097
+ "epoch": 0.09,
1098
+ "grad_norm": 3.268080472946167,
1099
+ "learning_rate": 0.0001992735879315123,
1100
+ "loss": 5.888,
1101
+ "step": 7800
1102
+ },
1103
+ {
1104
+ "epoch": 0.09,
1105
+ "grad_norm": 3.6055593490600586,
1106
+ "learning_rate": 0.00019925136175366007,
1107
+ "loss": 5.913,
1108
+ "step": 7850
1109
+ },
1110
+ {
1111
+ "epoch": 0.09,
1112
+ "grad_norm": 4.866463661193848,
1113
+ "learning_rate": 0.00019922880192809137,
1114
+ "loss": 5.9858,
1115
+ "step": 7900
1116
+ },
1117
+ {
1118
+ "epoch": 0.09,
1119
+ "grad_norm": 3.44808292388916,
1120
+ "learning_rate": 0.00019920590853064423,
1121
+ "loss": 5.7686,
1122
+ "step": 7950
1123
+ },
1124
+ {
1125
+ "epoch": 0.09,
1126
+ "grad_norm": 2.9507765769958496,
1127
+ "learning_rate": 0.00019918268163827808,
1128
+ "loss": 5.8557,
1129
+ "step": 8000
1130
+ },
1131
+ {
1132
+ "epoch": 0.09,
1133
+ "grad_norm": 3.441870927810669,
1134
+ "learning_rate": 0.00019915912132907352,
1135
+ "loss": 5.8268,
1136
+ "step": 8050
1137
+ },
1138
+ {
1139
+ "epoch": 0.09,
1140
+ "grad_norm": 3.838809013366699,
1141
+ "learning_rate": 0.00019913522768223182,
1142
+ "loss": 5.9833,
1143
+ "step": 8100
1144
+ },
1145
+ {
1146
+ "epoch": 0.09,
1147
+ "grad_norm": 4.165487289428711,
1148
+ "learning_rate": 0.00019911100077807498,
1149
+ "loss": 5.7422,
1150
+ "step": 8150
1151
+ },
1152
+ {
1153
+ "epoch": 0.09,
1154
+ "grad_norm": 3.5947463512420654,
1155
+ "learning_rate": 0.0001990864406980452,
1156
+ "loss": 5.7479,
1157
+ "step": 8200
1158
+ },
1159
+ {
1160
+ "epoch": 0.09,
1161
+ "grad_norm": 4.130446434020996,
1162
+ "learning_rate": 0.00019906154752470472,
1163
+ "loss": 5.7767,
1164
+ "step": 8250
1165
+ },
1166
+ {
1167
+ "epoch": 0.09,
1168
+ "grad_norm": 4.866550922393799,
1169
+ "learning_rate": 0.00019903632134173554,
1170
+ "loss": 5.7681,
1171
+ "step": 8300
1172
+ },
1173
+ {
1174
+ "epoch": 0.09,
1175
+ "grad_norm": 3.2839725017547607,
1176
+ "learning_rate": 0.00019901076223393903,
1177
+ "loss": 5.6656,
1178
+ "step": 8350
1179
+ },
1180
+ {
1181
+ "epoch": 0.09,
1182
+ "grad_norm": 3.0762476921081543,
1183
+ "learning_rate": 0.0001989848702872359,
1184
+ "loss": 5.789,
1185
+ "step": 8400
1186
+ },
1187
+ {
1188
+ "epoch": 0.09,
1189
+ "grad_norm": 3.7109107971191406,
1190
+ "learning_rate": 0.00019895864558866556,
1191
+ "loss": 5.773,
1192
+ "step": 8450
1193
+ },
1194
+ {
1195
+ "epoch": 0.09,
1196
+ "grad_norm": 5.400998115539551,
1197
+ "learning_rate": 0.00019893208822638618,
1198
+ "loss": 5.7506,
1199
+ "step": 8500
1200
+ },
1201
+ {
1202
+ "epoch": 0.09,
1203
+ "grad_norm": 3.3062849044799805,
1204
+ "learning_rate": 0.00019890519828967413,
1205
+ "loss": 5.7515,
1206
+ "step": 8550
1207
+ },
1208
+ {
1209
+ "epoch": 0.1,
1210
+ "grad_norm": 4.109920501708984,
1211
+ "learning_rate": 0.00019887797586892373,
1212
+ "loss": 5.7972,
1213
+ "step": 8600
1214
+ },
1215
+ {
1216
+ "epoch": 0.1,
1217
+ "grad_norm": 3.4838390350341797,
1218
+ "learning_rate": 0.00019885042105564717,
1219
+ "loss": 5.6753,
1220
+ "step": 8650
1221
+ },
1222
+ {
1223
+ "epoch": 0.1,
1224
+ "grad_norm": 4.251760959625244,
1225
+ "learning_rate": 0.00019882253394247381,
1226
+ "loss": 5.6303,
1227
+ "step": 8700
1228
+ },
1229
+ {
1230
+ "epoch": 0.1,
1231
+ "grad_norm": 4.042376518249512,
1232
+ "learning_rate": 0.00019879431462315025,
1233
+ "loss": 5.5753,
1234
+ "step": 8750
1235
+ },
1236
+ {
1237
+ "epoch": 0.1,
1238
+ "grad_norm": 4.239652633666992,
1239
+ "learning_rate": 0.0001987657631925398,
1240
+ "loss": 5.5335,
1241
+ "step": 8800
1242
+ },
1243
+ {
1244
+ "epoch": 0.1,
1245
+ "grad_norm": 5.15481424331665,
1246
+ "learning_rate": 0.00019873687974662215,
1247
+ "loss": 5.5396,
1248
+ "step": 8850
1249
+ },
1250
+ {
1251
+ "epoch": 0.1,
1252
+ "grad_norm": 4.36835241317749,
1253
+ "learning_rate": 0.00019870766438249317,
1254
+ "loss": 5.6017,
1255
+ "step": 8900
1256
+ },
1257
+ {
1258
+ "epoch": 0.1,
1259
+ "grad_norm": 4.165258407592773,
1260
+ "learning_rate": 0.00019867811719836452,
1261
+ "loss": 5.7228,
1262
+ "step": 8950
1263
+ },
1264
+ {
1265
+ "epoch": 0.1,
1266
+ "grad_norm": 4.125988006591797,
1267
+ "learning_rate": 0.0001986482382935633,
1268
+ "loss": 5.5787,
1269
+ "step": 9000
1270
+ },
1271
+ {
1272
+ "epoch": 0.1,
1273
+ "grad_norm": 4.177731037139893,
1274
+ "learning_rate": 0.0001986180277685317,
1275
+ "loss": 5.5829,
1276
+ "step": 9050
1277
+ },
1278
+ {
1279
+ "epoch": 0.1,
1280
+ "grad_norm": 5.006561279296875,
1281
+ "learning_rate": 0.00019858748572482683,
1282
+ "loss": 5.5466,
1283
+ "step": 9100
1284
+ },
1285
+ {
1286
+ "epoch": 0.1,
1287
+ "grad_norm": 4.33070182800293,
1288
+ "learning_rate": 0.00019855661226512007,
1289
+ "loss": 5.5544,
1290
+ "step": 9150
1291
+ },
1292
+ {
1293
+ "epoch": 0.1,
1294
+ "grad_norm": 4.358560085296631,
1295
+ "learning_rate": 0.00019852540749319708,
1296
+ "loss": 5.4599,
1297
+ "step": 9200
1298
+ },
1299
+ {
1300
+ "epoch": 0.1,
1301
+ "grad_norm": 4.536096096038818,
1302
+ "learning_rate": 0.00019849387151395708,
1303
+ "loss": 5.4983,
1304
+ "step": 9250
1305
+ },
1306
+ {
1307
+ "epoch": 0.1,
1308
+ "grad_norm": 4.66163444519043,
1309
+ "learning_rate": 0.0001984620044334129,
1310
+ "loss": 5.4097,
1311
+ "step": 9300
1312
+ },
1313
+ {
1314
+ "epoch": 0.1,
1315
+ "grad_norm": 4.4319233894348145,
1316
+ "learning_rate": 0.00019842980635869024,
1317
+ "loss": 5.4093,
1318
+ "step": 9350
1319
+ },
1320
+ {
1321
+ "epoch": 0.1,
1322
+ "grad_norm": 4.98419713973999,
1323
+ "learning_rate": 0.0001983972773980276,
1324
+ "loss": 5.4056,
1325
+ "step": 9400
1326
+ },
1327
+ {
1328
+ "epoch": 0.1,
1329
+ "grad_norm": 3.6354339122772217,
1330
+ "learning_rate": 0.0001983644176607757,
1331
+ "loss": 5.3171,
1332
+ "step": 9450
1333
+ },
1334
+ {
1335
+ "epoch": 0.11,
1336
+ "grad_norm": 4.495342254638672,
1337
+ "learning_rate": 0.00019833122725739736,
1338
+ "loss": 5.4521,
1339
+ "step": 9500
1340
+ },
1341
+ {
1342
+ "epoch": 0.11,
1343
+ "grad_norm": 4.5558671951293945,
1344
+ "learning_rate": 0.00019829770629946678,
1345
+ "loss": 5.5158,
1346
+ "step": 9550
1347
+ },
1348
+ {
1349
+ "epoch": 0.11,
1350
+ "grad_norm": 3.7165732383728027,
1351
+ "learning_rate": 0.00019826385489966957,
1352
+ "loss": 5.301,
1353
+ "step": 9600
1354
+ },
1355
+ {
1356
+ "epoch": 0.11,
1357
+ "grad_norm": 6.030915260314941,
1358
+ "learning_rate": 0.00019822967317180204,
1359
+ "loss": 5.3316,
1360
+ "step": 9650
1361
+ },
1362
+ {
1363
+ "epoch": 0.11,
1364
+ "grad_norm": 5.385923385620117,
1365
+ "learning_rate": 0.00019819516123077094,
1366
+ "loss": 5.3844,
1367
+ "step": 9700
1368
+ },
1369
+ {
1370
+ "epoch": 0.11,
1371
+ "grad_norm": 4.383516788482666,
1372
+ "learning_rate": 0.00019816101926755305,
1373
+ "loss": 5.2995,
1374
+ "step": 9750
1375
+ },
1376
+ {
1377
+ "epoch": 0.11,
1378
+ "grad_norm": 4.446406364440918,
1379
+ "learning_rate": 0.00019812585384780055,
1380
+ "loss": 5.386,
1381
+ "step": 9800
1382
+ },
1383
+ {
1384
+ "epoch": 0.11,
1385
+ "grad_norm": 4.345483303070068,
1386
+ "learning_rate": 0.00019809035856388805,
1387
+ "loss": 5.2815,
1388
+ "step": 9850
1389
+ },
1390
+ {
1391
+ "epoch": 0.11,
1392
+ "grad_norm": 4.791261672973633,
1393
+ "learning_rate": 0.00019805453353513813,
1394
+ "loss": 5.3757,
1395
+ "step": 9900
1396
+ },
1397
+ {
1398
+ "epoch": 0.11,
1399
+ "grad_norm": 5.622151851654053,
1400
+ "learning_rate": 0.00019801837888198172,
1401
+ "loss": 5.4405,
1402
+ "step": 9950
1403
+ },
1404
+ {
1405
+ "epoch": 0.11,
1406
+ "grad_norm": 4.934606075286865,
1407
+ "learning_rate": 0.0001979818947259579,
1408
+ "loss": 5.139,
1409
+ "step": 10000
1410
+ },
1411
+ {
1412
+ "epoch": 0.11,
1413
+ "grad_norm": 3.9659693241119385,
1414
+ "learning_rate": 0.0001979450811897134,
1415
+ "loss": 5.1726,
1416
+ "step": 10050
1417
+ },
1418
+ {
1419
+ "epoch": 0.11,
1420
+ "grad_norm": 5.214992046356201,
1421
+ "learning_rate": 0.00019790793839700226,
1422
+ "loss": 5.2864,
1423
+ "step": 10100
1424
+ },
1425
+ {
1426
+ "epoch": 0.11,
1427
+ "grad_norm": 4.5359601974487305,
1428
+ "learning_rate": 0.00019787046647268524,
1429
+ "loss": 5.1443,
1430
+ "step": 10150
1431
+ },
1432
+ {
1433
+ "epoch": 0.11,
1434
+ "grad_norm": 4.26462984085083,
1435
+ "learning_rate": 0.00019783266554272962,
1436
+ "loss": 5.0597,
1437
+ "step": 10200
1438
+ },
1439
+ {
1440
+ "epoch": 0.11,
1441
+ "grad_norm": 5.053945064544678,
1442
+ "learning_rate": 0.00019779453573420873,
1443
+ "loss": 5.2946,
1444
+ "step": 10250
1445
+ },
1446
+ {
1447
+ "epoch": 0.11,
1448
+ "grad_norm": 6.082211494445801,
1449
+ "learning_rate": 0.00019775607717530127,
1450
+ "loss": 5.2075,
1451
+ "step": 10300
1452
+ },
1453
+ {
1454
+ "epoch": 0.11,
1455
+ "grad_norm": 4.107390403747559,
1456
+ "learning_rate": 0.00019771728999529132,
1457
+ "loss": 5.1394,
1458
+ "step": 10350
1459
+ },
1460
+ {
1461
+ "epoch": 0.12,
1462
+ "grad_norm": 4.58411169052124,
1463
+ "learning_rate": 0.00019767817432456752,
1464
+ "loss": 5.1064,
1465
+ "step": 10400
1466
+ },
1467
+ {
1468
+ "epoch": 0.12,
1469
+ "grad_norm": 8.38965892791748,
1470
+ "learning_rate": 0.00019763952239228627,
1471
+ "loss": 5.0808,
1472
+ "step": 10450
1473
+ },
1474
+ {
1475
+ "epoch": 0.12,
1476
+ "grad_norm": 3.885803699493408,
1477
+ "learning_rate": 0.00019759975669894338,
1478
+ "loss": 5.0664,
1479
+ "step": 10500
1480
+ },
1481
+ {
1482
+ "epoch": 0.12,
1483
+ "grad_norm": 4.1605916023254395,
1484
+ "learning_rate": 0.00019755966290999167,
1485
+ "loss": 5.2469,
1486
+ "step": 10550
1487
+ },
1488
+ {
1489
+ "epoch": 0.12,
1490
+ "grad_norm": 4.821887016296387,
1491
+ "learning_rate": 0.00019751924116021225,
1492
+ "loss": 5.2451,
1493
+ "step": 10600
1494
+ },
1495
+ {
1496
+ "epoch": 0.12,
1497
+ "grad_norm": 3.865694761276245,
1498
+ "learning_rate": 0.00019747849158548858,
1499
+ "loss": 5.2334,
1500
+ "step": 10650
1501
+ },
1502
+ {
1503
+ "epoch": 0.12,
1504
+ "grad_norm": 3.640681028366089,
1505
+ "learning_rate": 0.00019743741432280625,
1506
+ "loss": 5.1206,
1507
+ "step": 10700
1508
+ },
1509
+ {
1510
+ "epoch": 0.12,
1511
+ "grad_norm": 4.04166316986084,
1512
+ "learning_rate": 0.00019739600951025236,
1513
+ "loss": 5.0059,
1514
+ "step": 10750
1515
+ },
1516
+ {
1517
+ "epoch": 0.12,
1518
+ "grad_norm": 4.637605667114258,
1519
+ "learning_rate": 0.00019735427728701516,
1520
+ "loss": 5.0302,
1521
+ "step": 10800
1522
+ },
1523
+ {
1524
+ "epoch": 0.12,
1525
+ "grad_norm": 4.08723783493042,
1526
+ "learning_rate": 0.0001973122177933835,
1527
+ "loss": 5.1551,
1528
+ "step": 10850
1529
+ },
1530
+ {
1531
+ "epoch": 0.12,
1532
+ "grad_norm": 3.7944953441619873,
1533
+ "learning_rate": 0.00019726983117074643,
1534
+ "loss": 5.0665,
1535
+ "step": 10900
1536
+ },
1537
+ {
1538
+ "epoch": 0.12,
1539
+ "grad_norm": 5.2847371101379395,
1540
+ "learning_rate": 0.00019722711756159266,
1541
+ "loss": 5.2212,
1542
+ "step": 10950
1543
+ },
1544
+ {
1545
+ "epoch": 0.12,
1546
+ "grad_norm": 4.109150409698486,
1547
+ "learning_rate": 0.00019718407710951012,
1548
+ "loss": 5.2645,
1549
+ "step": 11000
1550
+ },
1551
+ {
1552
+ "epoch": 0.12,
1553
+ "grad_norm": 4.127768039703369,
1554
+ "learning_rate": 0.0001971407099591855,
1555
+ "loss": 5.0395,
1556
+ "step": 11050
1557
+ },
1558
+ {
1559
+ "epoch": 0.12,
1560
+ "grad_norm": 5.058667182922363,
1561
+ "learning_rate": 0.00019709701625640367,
1562
+ "loss": 5.0247,
1563
+ "step": 11100
1564
+ },
1565
+ {
1566
+ "epoch": 0.12,
1567
+ "grad_norm": 5.4407267570495605,
1568
+ "learning_rate": 0.00019705299614804732,
1569
+ "loss": 4.9935,
1570
+ "step": 11150
1571
+ },
1572
+ {
1573
+ "epoch": 0.12,
1574
+ "grad_norm": 3.7877707481384277,
1575
+ "learning_rate": 0.00019700864978209636,
1576
+ "loss": 5.074,
1577
+ "step": 11200
1578
+ },
1579
+ {
1580
+ "epoch": 0.12,
1581
+ "grad_norm": 3.777330160140991,
1582
+ "learning_rate": 0.00019696397730762746,
1583
+ "loss": 5.0458,
1584
+ "step": 11250
1585
+ },
1586
+ {
1587
+ "epoch": 0.13,
1588
+ "grad_norm": 4.143067836761475,
1589
+ "learning_rate": 0.0001969189788748136,
1590
+ "loss": 4.9375,
1591
+ "step": 11300
1592
+ },
1593
+ {
1594
+ "epoch": 0.13,
1595
+ "grad_norm": 5.560107231140137,
1596
+ "learning_rate": 0.00019687365463492344,
1597
+ "loss": 4.8285,
1598
+ "step": 11350
1599
+ },
1600
+ {
1601
+ "epoch": 0.13,
1602
+ "grad_norm": 4.057905197143555,
1603
+ "learning_rate": 0.00019682800474032095,
1604
+ "loss": 4.9753,
1605
+ "step": 11400
1606
+ },
1607
+ {
1608
+ "epoch": 0.13,
1609
+ "grad_norm": 3.835442066192627,
1610
+ "learning_rate": 0.00019678202934446482,
1611
+ "loss": 4.9368,
1612
+ "step": 11450
1613
+ },
1614
+ {
1615
+ "epoch": 0.13,
1616
+ "grad_norm": 5.135551929473877,
1617
+ "learning_rate": 0.0001967357286019079,
1618
+ "loss": 4.9994,
1619
+ "step": 11500
1620
+ },
1621
+ {
1622
+ "epoch": 0.13,
1623
+ "grad_norm": 4.615053653717041,
1624
+ "learning_rate": 0.00019668910266829685,
1625
+ "loss": 5.0182,
1626
+ "step": 11550
1627
+ },
1628
+ {
1629
+ "epoch": 0.13,
1630
+ "grad_norm": 4.474258899688721,
1631
+ "learning_rate": 0.0001966421517003714,
1632
+ "loss": 4.8704,
1633
+ "step": 11600
1634
+ },
1635
+ {
1636
+ "epoch": 0.13,
1637
+ "grad_norm": 4.264945030212402,
1638
+ "learning_rate": 0.00019659487585596406,
1639
+ "loss": 4.9076,
1640
+ "step": 11650
1641
+ },
1642
+ {
1643
+ "epoch": 0.13,
1644
+ "grad_norm": 4.091209411621094,
1645
+ "learning_rate": 0.00019654727529399925,
1646
+ "loss": 4.7135,
1647
+ "step": 11700
1648
+ },
1649
+ {
1650
+ "epoch": 0.13,
1651
+ "grad_norm": 4.154038429260254,
1652
+ "learning_rate": 0.00019649935017449318,
1653
+ "loss": 4.8239,
1654
+ "step": 11750
1655
+ },
1656
+ {
1657
+ "epoch": 0.13,
1658
+ "grad_norm": 3.697162628173828,
1659
+ "learning_rate": 0.00019645110065855305,
1660
+ "loss": 4.9972,
1661
+ "step": 11800
1662
+ },
1663
+ {
1664
+ "epoch": 0.13,
1665
+ "grad_norm": 4.0024847984313965,
1666
+ "learning_rate": 0.00019640252690837645,
1667
+ "loss": 4.8854,
1668
+ "step": 11850
1669
+ },
1670
+ {
1671
+ "epoch": 0.13,
1672
+ "grad_norm": 3.9416885375976562,
1673
+ "learning_rate": 0.0001963536290872511,
1674
+ "loss": 4.8547,
1675
+ "step": 11900
1676
+ },
1677
+ {
1678
+ "epoch": 0.13,
1679
+ "grad_norm": 3.978651285171509,
1680
+ "learning_rate": 0.000196304407359554,
1681
+ "loss": 4.7873,
1682
+ "step": 11950
1683
+ },
1684
+ {
1685
+ "epoch": 0.13,
1686
+ "grad_norm": 4.435175895690918,
1687
+ "learning_rate": 0.0001962548618907511,
1688
+ "loss": 4.8124,
1689
+ "step": 12000
1690
+ },
1691
+ {
1692
+ "epoch": 0.13,
1693
+ "grad_norm": 3.8776824474334717,
1694
+ "learning_rate": 0.00019620499284739662,
1695
+ "loss": 4.8896,
1696
+ "step": 12050
1697
+ },
1698
+ {
1699
+ "epoch": 0.13,
1700
+ "grad_norm": 5.041496276855469,
1701
+ "learning_rate": 0.00019615480039713248,
1702
+ "loss": 4.8343,
1703
+ "step": 12100
1704
+ },
1705
+ {
1706
+ "epoch": 0.13,
1707
+ "grad_norm": 4.18281888961792,
1708
+ "learning_rate": 0.00019610428470868784,
1709
+ "loss": 4.8559,
1710
+ "step": 12150
1711
+ },
1712
+ {
1713
+ "epoch": 0.14,
1714
+ "grad_norm": 4.223630905151367,
1715
+ "learning_rate": 0.00019605344595187844,
1716
+ "loss": 4.8153,
1717
+ "step": 12200
1718
+ },
1719
+ {
1720
+ "epoch": 0.14,
1721
+ "grad_norm": 4.63677453994751,
1722
+ "learning_rate": 0.0001960022842976061,
1723
+ "loss": 4.7951,
1724
+ "step": 12250
1725
+ },
1726
+ {
1727
+ "epoch": 0.14,
1728
+ "grad_norm": 4.188296794891357,
1729
+ "learning_rate": 0.00019595079991785802,
1730
+ "loss": 4.8904,
1731
+ "step": 12300
1732
+ },
1733
+ {
1734
+ "epoch": 0.14,
1735
+ "grad_norm": 4.402559280395508,
1736
+ "learning_rate": 0.00019589899298570634,
1737
+ "loss": 4.7851,
1738
+ "step": 12350
1739
+ },
1740
+ {
1741
+ "epoch": 0.14,
1742
+ "grad_norm": 5.976877212524414,
1743
+ "learning_rate": 0.00019584686367530755,
1744
+ "loss": 4.6431,
1745
+ "step": 12400
1746
+ },
1747
+ {
1748
+ "epoch": 0.14,
1749
+ "grad_norm": 4.849298477172852,
1750
+ "learning_rate": 0.0001957944121619018,
1751
+ "loss": 4.7544,
1752
+ "step": 12450
1753
+ },
1754
+ {
1755
+ "epoch": 0.14,
1756
+ "grad_norm": 4.932714462280273,
1757
+ "learning_rate": 0.0001957416386218124,
1758
+ "loss": 4.6811,
1759
+ "step": 12500
1760
+ },
1761
+ {
1762
+ "epoch": 0.14,
1763
+ "grad_norm": 4.682474136352539,
1764
+ "learning_rate": 0.00019568854323244515,
1765
+ "loss": 4.799,
1766
+ "step": 12550
1767
+ },
1768
+ {
1769
+ "epoch": 0.14,
1770
+ "grad_norm": 5.228520393371582,
1771
+ "learning_rate": 0.00019563619766470511,
1772
+ "loss": 4.7622,
1773
+ "step": 12600
1774
+ },
1775
+ {
1776
+ "epoch": 0.14,
1777
+ "grad_norm": 4.093870162963867,
1778
+ "learning_rate": 0.00019558246554138458,
1779
+ "loss": 4.7369,
1780
+ "step": 12650
1781
+ },
1782
+ {
1783
+ "epoch": 0.14,
1784
+ "grad_norm": 5.248356342315674,
1785
+ "learning_rate": 0.0001955284121038694,
1786
+ "loss": 4.7519,
1787
+ "step": 12700
1788
+ },
1789
+ {
1790
+ "epoch": 0.14,
1791
+ "grad_norm": 3.924299955368042,
1792
+ "learning_rate": 0.00019547403753386803,
1793
+ "loss": 4.6441,
1794
+ "step": 12750
1795
+ },
1796
+ {
1797
+ "epoch": 0.14,
1798
+ "grad_norm": 4.972569942474365,
1799
+ "learning_rate": 0.00019542043906868188,
1800
+ "loss": 4.7192,
1801
+ "step": 12800
1802
+ },
1803
+ {
1804
+ "epoch": 0.14,
1805
+ "grad_norm": 5.033604145050049,
1806
+ "learning_rate": 0.00019536542919665846,
1807
+ "loss": 4.6397,
1808
+ "step": 12850
1809
+ },
1810
+ {
1811
+ "epoch": 0.14,
1812
+ "grad_norm": 5.222695350646973,
1813
+ "learning_rate": 0.00019531009874003928,
1814
+ "loss": 4.6309,
1815
+ "step": 12900
1816
+ },
1817
+ {
1818
+ "epoch": 0.14,
1819
+ "grad_norm": 3.810999631881714,
1820
+ "learning_rate": 0.00019525444788482562,
1821
+ "loss": 4.6513,
1822
+ "step": 12950
1823
+ },
1824
+ {
1825
+ "epoch": 0.14,
1826
+ "grad_norm": 5.272600173950195,
1827
+ "learning_rate": 0.00019519847681809585,
1828
+ "loss": 4.8001,
1829
+ "step": 13000
1830
+ }
1831
+ ],
1832
+ "logging_steps": 50,
1833
+ "max_steps": 90183,
1834
+ "num_input_tokens_seen": 0,
1835
+ "num_train_epochs": 1,
1836
+ "save_steps": 1000,
1837
+ "total_flos": 4674676850688000.0,
1838
+ "train_batch_size": 16,
1839
+ "trial_name": null,
1840
+ "trial_params": null
1841
+ }
checkpoints/checkpoint-13000/training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:bcdffec292848a9e4baadecd0be02bf6760a1c3238602b1aad355cf1ba43d36e
3
+ size 5048
checkpoints/checkpoint-14000/config.json ADDED
@@ -0,0 +1,28 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "architectures": [
3
+ "AlbertForMaskedLM"
4
+ ],
5
+ "attention_probs_dropout_prob": 0,
6
+ "bos_token_id": 2,
7
+ "classifier_dropout_prob": 0.1,
8
+ "embedding_size": 128,
9
+ "eos_token_id": 3,
10
+ "hidden_act": "gelu_new",
11
+ "hidden_dropout_prob": 0,
12
+ "hidden_size": 768,
13
+ "initializer_range": 0.02,
14
+ "inner_group_num": 1,
15
+ "intermediate_size": 3072,
16
+ "layer_norm_eps": 1e-12,
17
+ "max_position_embeddings": 512,
18
+ "model_type": "albert",
19
+ "num_attention_heads": 12,
20
+ "num_hidden_groups": 1,
21
+ "num_hidden_layers": 12,
22
+ "pad_token_id": 0,
23
+ "position_embedding_type": "absolute",
24
+ "torch_dtype": "float32",
25
+ "transformers_version": "4.38.2",
26
+ "type_vocab_size": 2,
27
+ "vocab_size": 30000
28
+ }
checkpoints/checkpoint-14000/model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:5e0a3efb18a87263970f630bf8170263f502b54358886171fe7e3c20a2f85321
3
+ size 44890256
checkpoints/checkpoint-14000/optimizer.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:cb99c266aee02fa5c4688c5926ae8a2ce5a1f962b7b2c3bfa9b19635f228854e
3
+ size 89797322
checkpoints/checkpoint-14000/rng_state.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:5deb8d284dfe93bb109954d8d0cbafa495adcd95bd2e73da5489dec584e1412f
3
+ size 14244
checkpoints/checkpoint-14000/scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:c68ba22e1abd8d688618570a3b335f443e848ce4cbbf2603bc3fd29edb7042fa
3
+ size 1064
checkpoints/checkpoint-14000/trainer_state.json ADDED
@@ -0,0 +1,1981 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 0.15523990109000588,
5
+ "eval_steps": 500,
6
+ "global_step": 14000,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.0,
13
+ "grad_norm": 3.2580924034118652,
14
+ "learning_rate": 2.2172949002217296e-06,
15
+ "loss": 10.2933,
16
+ "step": 50
17
+ },
18
+ {
19
+ "epoch": 0.0,
20
+ "grad_norm": 2.4347386360168457,
21
+ "learning_rate": 4.434589800443459e-06,
22
+ "loss": 10.1894,
23
+ "step": 100
24
+ },
25
+ {
26
+ "epoch": 0.0,
27
+ "grad_norm": 2.3895885944366455,
28
+ "learning_rate": 6.651884700665188e-06,
29
+ "loss": 10.1424,
30
+ "step": 150
31
+ },
32
+ {
33
+ "epoch": 0.0,
34
+ "grad_norm": 2.129647731781006,
35
+ "learning_rate": 8.869179600886918e-06,
36
+ "loss": 10.0995,
37
+ "step": 200
38
+ },
39
+ {
40
+ "epoch": 0.0,
41
+ "grad_norm": 2.3564186096191406,
42
+ "learning_rate": 1.1086474501108649e-05,
43
+ "loss": 10.0479,
44
+ "step": 250
45
+ },
46
+ {
47
+ "epoch": 0.0,
48
+ "grad_norm": 1.830551028251648,
49
+ "learning_rate": 1.3303769401330377e-05,
50
+ "loss": 9.9971,
51
+ "step": 300
52
+ },
53
+ {
54
+ "epoch": 0.0,
55
+ "grad_norm": 2.1173911094665527,
56
+ "learning_rate": 1.5521064301552106e-05,
57
+ "loss": 9.9201,
58
+ "step": 350
59
+ },
60
+ {
61
+ "epoch": 0.0,
62
+ "grad_norm": 1.6636557579040527,
63
+ "learning_rate": 1.7738359201773837e-05,
64
+ "loss": 9.8562,
65
+ "step": 400
66
+ },
67
+ {
68
+ "epoch": 0.0,
69
+ "grad_norm": 2.4503839015960693,
70
+ "learning_rate": 1.9955654101995567e-05,
71
+ "loss": 9.7599,
72
+ "step": 450
73
+ },
74
+ {
75
+ "epoch": 0.01,
76
+ "grad_norm": 1.822424054145813,
77
+ "learning_rate": 2.2172949002217298e-05,
78
+ "loss": 9.6608,
79
+ "step": 500
80
+ },
81
+ {
82
+ "epoch": 0.01,
83
+ "grad_norm": 1.6598998308181763,
84
+ "learning_rate": 2.4390243902439026e-05,
85
+ "loss": 9.55,
86
+ "step": 550
87
+ },
88
+ {
89
+ "epoch": 0.01,
90
+ "grad_norm": 1.8471707105636597,
91
+ "learning_rate": 2.6607538802660753e-05,
92
+ "loss": 9.4606,
93
+ "step": 600
94
+ },
95
+ {
96
+ "epoch": 0.01,
97
+ "grad_norm": 1.4833533763885498,
98
+ "learning_rate": 2.8824833702882487e-05,
99
+ "loss": 9.3283,
100
+ "step": 650
101
+ },
102
+ {
103
+ "epoch": 0.01,
104
+ "grad_norm": 1.688541054725647,
105
+ "learning_rate": 3.104212860310421e-05,
106
+ "loss": 9.2229,
107
+ "step": 700
108
+ },
109
+ {
110
+ "epoch": 0.01,
111
+ "grad_norm": 1.6466543674468994,
112
+ "learning_rate": 3.325942350332594e-05,
113
+ "loss": 9.1093,
114
+ "step": 750
115
+ },
116
+ {
117
+ "epoch": 0.01,
118
+ "grad_norm": 1.4169293642044067,
119
+ "learning_rate": 3.547671840354767e-05,
120
+ "loss": 8.9703,
121
+ "step": 800
122
+ },
123
+ {
124
+ "epoch": 0.01,
125
+ "grad_norm": 1.7079193592071533,
126
+ "learning_rate": 3.7694013303769404e-05,
127
+ "loss": 8.8351,
128
+ "step": 850
129
+ },
130
+ {
131
+ "epoch": 0.01,
132
+ "grad_norm": 1.5513204336166382,
133
+ "learning_rate": 3.9911308203991135e-05,
134
+ "loss": 8.7111,
135
+ "step": 900
136
+ },
137
+ {
138
+ "epoch": 0.01,
139
+ "grad_norm": 1.485573172569275,
140
+ "learning_rate": 4.212860310421286e-05,
141
+ "loss": 8.5627,
142
+ "step": 950
143
+ },
144
+ {
145
+ "epoch": 0.01,
146
+ "grad_norm": 1.511690616607666,
147
+ "learning_rate": 4.4345898004434597e-05,
148
+ "loss": 8.5042,
149
+ "step": 1000
150
+ },
151
+ {
152
+ "epoch": 0.01,
153
+ "grad_norm": 2.1478614807128906,
154
+ "learning_rate": 4.656319290465632e-05,
155
+ "loss": 8.3287,
156
+ "step": 1050
157
+ },
158
+ {
159
+ "epoch": 0.01,
160
+ "grad_norm": 1.4060652256011963,
161
+ "learning_rate": 4.878048780487805e-05,
162
+ "loss": 8.2341,
163
+ "step": 1100
164
+ },
165
+ {
166
+ "epoch": 0.01,
167
+ "grad_norm": 1.3950035572052002,
168
+ "learning_rate": 5.099778270509978e-05,
169
+ "loss": 8.1277,
170
+ "step": 1150
171
+ },
172
+ {
173
+ "epoch": 0.01,
174
+ "grad_norm": 1.5197688341140747,
175
+ "learning_rate": 5.3215077605321506e-05,
176
+ "loss": 8.0311,
177
+ "step": 1200
178
+ },
179
+ {
180
+ "epoch": 0.01,
181
+ "grad_norm": 1.3406693935394287,
182
+ "learning_rate": 5.543237250554324e-05,
183
+ "loss": 7.9824,
184
+ "step": 1250
185
+ },
186
+ {
187
+ "epoch": 0.01,
188
+ "grad_norm": 1.4520119428634644,
189
+ "learning_rate": 5.7649667405764975e-05,
190
+ "loss": 7.9948,
191
+ "step": 1300
192
+ },
193
+ {
194
+ "epoch": 0.01,
195
+ "grad_norm": 1.179124116897583,
196
+ "learning_rate": 5.98669623059867e-05,
197
+ "loss": 7.9144,
198
+ "step": 1350
199
+ },
200
+ {
201
+ "epoch": 0.02,
202
+ "grad_norm": 1.4039533138275146,
203
+ "learning_rate": 6.208425720620842e-05,
204
+ "loss": 7.8768,
205
+ "step": 1400
206
+ },
207
+ {
208
+ "epoch": 0.02,
209
+ "grad_norm": 1.5542700290679932,
210
+ "learning_rate": 6.430155210643016e-05,
211
+ "loss": 7.894,
212
+ "step": 1450
213
+ },
214
+ {
215
+ "epoch": 0.02,
216
+ "grad_norm": 1.4150550365447998,
217
+ "learning_rate": 6.651884700665188e-05,
218
+ "loss": 7.8409,
219
+ "step": 1500
220
+ },
221
+ {
222
+ "epoch": 0.02,
223
+ "grad_norm": 1.6647827625274658,
224
+ "learning_rate": 6.873614190687362e-05,
225
+ "loss": 7.91,
226
+ "step": 1550
227
+ },
228
+ {
229
+ "epoch": 0.02,
230
+ "grad_norm": 1.7795697450637817,
231
+ "learning_rate": 7.095343680709535e-05,
232
+ "loss": 7.8256,
233
+ "step": 1600
234
+ },
235
+ {
236
+ "epoch": 0.02,
237
+ "grad_norm": 1.933110237121582,
238
+ "learning_rate": 7.317073170731707e-05,
239
+ "loss": 7.8463,
240
+ "step": 1650
241
+ },
242
+ {
243
+ "epoch": 0.02,
244
+ "grad_norm": 1.1942570209503174,
245
+ "learning_rate": 7.538802660753881e-05,
246
+ "loss": 7.7827,
247
+ "step": 1700
248
+ },
249
+ {
250
+ "epoch": 0.02,
251
+ "grad_norm": 1.6759297847747803,
252
+ "learning_rate": 7.760532150776053e-05,
253
+ "loss": 7.8,
254
+ "step": 1750
255
+ },
256
+ {
257
+ "epoch": 0.02,
258
+ "grad_norm": 1.093256950378418,
259
+ "learning_rate": 7.982261640798227e-05,
260
+ "loss": 7.7461,
261
+ "step": 1800
262
+ },
263
+ {
264
+ "epoch": 0.02,
265
+ "grad_norm": 1.567872166633606,
266
+ "learning_rate": 8.2039911308204e-05,
267
+ "loss": 7.7338,
268
+ "step": 1850
269
+ },
270
+ {
271
+ "epoch": 0.02,
272
+ "grad_norm": 1.3017679452896118,
273
+ "learning_rate": 8.425720620842572e-05,
274
+ "loss": 7.804,
275
+ "step": 1900
276
+ },
277
+ {
278
+ "epoch": 0.02,
279
+ "grad_norm": 1.7510960102081299,
280
+ "learning_rate": 8.647450110864746e-05,
281
+ "loss": 7.7405,
282
+ "step": 1950
283
+ },
284
+ {
285
+ "epoch": 0.02,
286
+ "grad_norm": 1.7215120792388916,
287
+ "learning_rate": 8.869179600886919e-05,
288
+ "loss": 7.7429,
289
+ "step": 2000
290
+ },
291
+ {
292
+ "epoch": 0.02,
293
+ "grad_norm": 1.6202715635299683,
294
+ "learning_rate": 9.090909090909092e-05,
295
+ "loss": 7.6588,
296
+ "step": 2050
297
+ },
298
+ {
299
+ "epoch": 0.02,
300
+ "grad_norm": 1.5680756568908691,
301
+ "learning_rate": 9.312638580931264e-05,
302
+ "loss": 7.6224,
303
+ "step": 2100
304
+ },
305
+ {
306
+ "epoch": 0.02,
307
+ "grad_norm": 1.462240219116211,
308
+ "learning_rate": 9.534368070953438e-05,
309
+ "loss": 7.6851,
310
+ "step": 2150
311
+ },
312
+ {
313
+ "epoch": 0.02,
314
+ "grad_norm": 2.2018320560455322,
315
+ "learning_rate": 9.75609756097561e-05,
316
+ "loss": 7.6443,
317
+ "step": 2200
318
+ },
319
+ {
320
+ "epoch": 0.02,
321
+ "grad_norm": 1.9520208835601807,
322
+ "learning_rate": 9.977827050997783e-05,
323
+ "loss": 7.6456,
324
+ "step": 2250
325
+ },
326
+ {
327
+ "epoch": 0.03,
328
+ "grad_norm": 1.115421175956726,
329
+ "learning_rate": 0.00010199556541019956,
330
+ "loss": 7.5894,
331
+ "step": 2300
332
+ },
333
+ {
334
+ "epoch": 0.03,
335
+ "grad_norm": 1.6002250909805298,
336
+ "learning_rate": 0.0001042128603104213,
337
+ "loss": 7.6017,
338
+ "step": 2350
339
+ },
340
+ {
341
+ "epoch": 0.03,
342
+ "grad_norm": 1.6516796350479126,
343
+ "learning_rate": 0.00010643015521064301,
344
+ "loss": 7.4548,
345
+ "step": 2400
346
+ },
347
+ {
348
+ "epoch": 0.03,
349
+ "grad_norm": 2.2168257236480713,
350
+ "learning_rate": 0.00010864745011086475,
351
+ "loss": 7.5867,
352
+ "step": 2450
353
+ },
354
+ {
355
+ "epoch": 0.03,
356
+ "grad_norm": 1.5447593927383423,
357
+ "learning_rate": 0.00011086474501108647,
358
+ "loss": 7.5317,
359
+ "step": 2500
360
+ },
361
+ {
362
+ "epoch": 0.03,
363
+ "grad_norm": 1.6840906143188477,
364
+ "learning_rate": 0.00011308203991130821,
365
+ "loss": 7.5127,
366
+ "step": 2550
367
+ },
368
+ {
369
+ "epoch": 0.03,
370
+ "grad_norm": 1.2965503931045532,
371
+ "learning_rate": 0.00011529933481152995,
372
+ "loss": 7.4911,
373
+ "step": 2600
374
+ },
375
+ {
376
+ "epoch": 0.03,
377
+ "grad_norm": 1.643584966659546,
378
+ "learning_rate": 0.00011751662971175166,
379
+ "loss": 7.4416,
380
+ "step": 2650
381
+ },
382
+ {
383
+ "epoch": 0.03,
384
+ "grad_norm": 1.5419111251831055,
385
+ "learning_rate": 0.0001197339246119734,
386
+ "loss": 7.4944,
387
+ "step": 2700
388
+ },
389
+ {
390
+ "epoch": 0.03,
391
+ "grad_norm": 1.7774205207824707,
392
+ "learning_rate": 0.00012195121951219512,
393
+ "loss": 7.4244,
394
+ "step": 2750
395
+ },
396
+ {
397
+ "epoch": 0.03,
398
+ "grad_norm": 2.1709322929382324,
399
+ "learning_rate": 0.00012416851441241685,
400
+ "loss": 7.371,
401
+ "step": 2800
402
+ },
403
+ {
404
+ "epoch": 0.03,
405
+ "grad_norm": 1.5503411293029785,
406
+ "learning_rate": 0.0001263858093126386,
407
+ "loss": 7.3031,
408
+ "step": 2850
409
+ },
410
+ {
411
+ "epoch": 0.03,
412
+ "grad_norm": 1.7744035720825195,
413
+ "learning_rate": 0.00012860310421286032,
414
+ "loss": 7.3338,
415
+ "step": 2900
416
+ },
417
+ {
418
+ "epoch": 0.03,
419
+ "grad_norm": 2.2014000415802,
420
+ "learning_rate": 0.00013082039911308205,
421
+ "loss": 7.2962,
422
+ "step": 2950
423
+ },
424
+ {
425
+ "epoch": 0.03,
426
+ "grad_norm": 1.6716220378875732,
427
+ "learning_rate": 0.00013303769401330377,
428
+ "loss": 7.3348,
429
+ "step": 3000
430
+ },
431
+ {
432
+ "epoch": 0.03,
433
+ "grad_norm": 1.7045074701309204,
434
+ "learning_rate": 0.0001352549889135255,
435
+ "loss": 7.2864,
436
+ "step": 3050
437
+ },
438
+ {
439
+ "epoch": 0.03,
440
+ "grad_norm": 1.8933771848678589,
441
+ "learning_rate": 0.00013747228381374724,
442
+ "loss": 7.2744,
443
+ "step": 3100
444
+ },
445
+ {
446
+ "epoch": 0.03,
447
+ "grad_norm": 2.298779249191284,
448
+ "learning_rate": 0.00013968957871396897,
449
+ "loss": 7.2472,
450
+ "step": 3150
451
+ },
452
+ {
453
+ "epoch": 0.04,
454
+ "grad_norm": 1.3420922756195068,
455
+ "learning_rate": 0.0001419068736141907,
456
+ "loss": 7.3019,
457
+ "step": 3200
458
+ },
459
+ {
460
+ "epoch": 0.04,
461
+ "grad_norm": 1.9339039325714111,
462
+ "learning_rate": 0.00014412416851441242,
463
+ "loss": 7.2982,
464
+ "step": 3250
465
+ },
466
+ {
467
+ "epoch": 0.04,
468
+ "grad_norm": 2.69667387008667,
469
+ "learning_rate": 0.00014634146341463414,
470
+ "loss": 7.2851,
471
+ "step": 3300
472
+ },
473
+ {
474
+ "epoch": 0.04,
475
+ "grad_norm": 2.3124189376831055,
476
+ "learning_rate": 0.0001485587583148559,
477
+ "loss": 7.258,
478
+ "step": 3350
479
+ },
480
+ {
481
+ "epoch": 0.04,
482
+ "grad_norm": 1.975651741027832,
483
+ "learning_rate": 0.00015077605321507762,
484
+ "loss": 7.1275,
485
+ "step": 3400
486
+ },
487
+ {
488
+ "epoch": 0.04,
489
+ "grad_norm": 1.9704022407531738,
490
+ "learning_rate": 0.00015299334811529934,
491
+ "loss": 7.1473,
492
+ "step": 3450
493
+ },
494
+ {
495
+ "epoch": 0.04,
496
+ "grad_norm": 2.5047757625579834,
497
+ "learning_rate": 0.00015521064301552106,
498
+ "loss": 7.1096,
499
+ "step": 3500
500
+ },
501
+ {
502
+ "epoch": 0.04,
503
+ "grad_norm": 1.5465894937515259,
504
+ "learning_rate": 0.0001574279379157428,
505
+ "loss": 7.1501,
506
+ "step": 3550
507
+ },
508
+ {
509
+ "epoch": 0.04,
510
+ "grad_norm": 1.9557933807373047,
511
+ "learning_rate": 0.00015964523281596454,
512
+ "loss": 7.2033,
513
+ "step": 3600
514
+ },
515
+ {
516
+ "epoch": 0.04,
517
+ "grad_norm": 2.420116424560547,
518
+ "learning_rate": 0.00016186252771618626,
519
+ "loss": 7.1275,
520
+ "step": 3650
521
+ },
522
+ {
523
+ "epoch": 0.04,
524
+ "grad_norm": 2.114737033843994,
525
+ "learning_rate": 0.000164079822616408,
526
+ "loss": 7.0932,
527
+ "step": 3700
528
+ },
529
+ {
530
+ "epoch": 0.04,
531
+ "grad_norm": 2.3085389137268066,
532
+ "learning_rate": 0.00016629711751662974,
533
+ "loss": 7.0311,
534
+ "step": 3750
535
+ },
536
+ {
537
+ "epoch": 0.04,
538
+ "grad_norm": 2.5679140090942383,
539
+ "learning_rate": 0.00016851441241685144,
540
+ "loss": 6.9168,
541
+ "step": 3800
542
+ },
543
+ {
544
+ "epoch": 0.04,
545
+ "grad_norm": 1.8611838817596436,
546
+ "learning_rate": 0.0001707317073170732,
547
+ "loss": 7.0085,
548
+ "step": 3850
549
+ },
550
+ {
551
+ "epoch": 0.04,
552
+ "grad_norm": 1.8603994846343994,
553
+ "learning_rate": 0.0001729490022172949,
554
+ "loss": 6.9432,
555
+ "step": 3900
556
+ },
557
+ {
558
+ "epoch": 0.04,
559
+ "grad_norm": 2.4244627952575684,
560
+ "learning_rate": 0.00017516629711751663,
561
+ "loss": 6.9333,
562
+ "step": 3950
563
+ },
564
+ {
565
+ "epoch": 0.04,
566
+ "grad_norm": 2.177870750427246,
567
+ "learning_rate": 0.00017738359201773839,
568
+ "loss": 6.9499,
569
+ "step": 4000
570
+ },
571
+ {
572
+ "epoch": 0.04,
573
+ "grad_norm": 1.9320554733276367,
574
+ "learning_rate": 0.00017960088691796008,
575
+ "loss": 6.8204,
576
+ "step": 4050
577
+ },
578
+ {
579
+ "epoch": 0.05,
580
+ "grad_norm": 1.5062849521636963,
581
+ "learning_rate": 0.00018181818181818183,
582
+ "loss": 6.9505,
583
+ "step": 4100
584
+ },
585
+ {
586
+ "epoch": 0.05,
587
+ "grad_norm": 2.9272422790527344,
588
+ "learning_rate": 0.00018403547671840356,
589
+ "loss": 6.8701,
590
+ "step": 4150
591
+ },
592
+ {
593
+ "epoch": 0.05,
594
+ "grad_norm": 2.0309596061706543,
595
+ "learning_rate": 0.00018625277161862528,
596
+ "loss": 6.924,
597
+ "step": 4200
598
+ },
599
+ {
600
+ "epoch": 0.05,
601
+ "grad_norm": 2.0265886783599854,
602
+ "learning_rate": 0.00018847006651884703,
603
+ "loss": 6.9223,
604
+ "step": 4250
605
+ },
606
+ {
607
+ "epoch": 0.05,
608
+ "grad_norm": 2.5160486698150635,
609
+ "learning_rate": 0.00019068736141906876,
610
+ "loss": 6.8708,
611
+ "step": 4300
612
+ },
613
+ {
614
+ "epoch": 0.05,
615
+ "grad_norm": 2.613301992416382,
616
+ "learning_rate": 0.00019290465631929045,
617
+ "loss": 6.8937,
618
+ "step": 4350
619
+ },
620
+ {
621
+ "epoch": 0.05,
622
+ "grad_norm": 2.3031229972839355,
623
+ "learning_rate": 0.0001951219512195122,
624
+ "loss": 6.8337,
625
+ "step": 4400
626
+ },
627
+ {
628
+ "epoch": 0.05,
629
+ "grad_norm": 2.54779052734375,
630
+ "learning_rate": 0.00019733924611973393,
631
+ "loss": 6.8334,
632
+ "step": 4450
633
+ },
634
+ {
635
+ "epoch": 0.05,
636
+ "grad_norm": 2.8277971744537354,
637
+ "learning_rate": 0.00019955654101995565,
638
+ "loss": 6.7925,
639
+ "step": 4500
640
+ },
641
+ {
642
+ "epoch": 0.05,
643
+ "grad_norm": 2.0113885402679443,
644
+ "learning_rate": 0.00019999989242739025,
645
+ "loss": 6.8458,
646
+ "step": 4550
647
+ },
648
+ {
649
+ "epoch": 0.05,
650
+ "grad_norm": 2.2395377159118652,
651
+ "learning_rate": 0.00019999945541405976,
652
+ "loss": 6.6251,
653
+ "step": 4600
654
+ },
655
+ {
656
+ "epoch": 0.05,
657
+ "grad_norm": 2.445993423461914,
658
+ "learning_rate": 0.0001999986822381884,
659
+ "loss": 6.8099,
660
+ "step": 4650
661
+ },
662
+ {
663
+ "epoch": 0.05,
664
+ "grad_norm": 4.077752590179443,
665
+ "learning_rate": 0.0001999975729023753,
666
+ "loss": 6.8053,
667
+ "step": 4700
668
+ },
669
+ {
670
+ "epoch": 0.05,
671
+ "grad_norm": 3.167569875717163,
672
+ "learning_rate": 0.00019999612741034963,
673
+ "loss": 6.7706,
674
+ "step": 4750
675
+ },
676
+ {
677
+ "epoch": 0.05,
678
+ "grad_norm": 1.893659234046936,
679
+ "learning_rate": 0.00019999434576697066,
680
+ "loss": 6.8245,
681
+ "step": 4800
682
+ },
683
+ {
684
+ "epoch": 0.05,
685
+ "grad_norm": 3.6101326942443848,
686
+ "learning_rate": 0.00019999222797822762,
687
+ "loss": 6.7407,
688
+ "step": 4850
689
+ },
690
+ {
691
+ "epoch": 0.05,
692
+ "grad_norm": 2.2858726978302,
693
+ "learning_rate": 0.00019998977405123974,
694
+ "loss": 6.74,
695
+ "step": 4900
696
+ },
697
+ {
698
+ "epoch": 0.05,
699
+ "grad_norm": 1.9325459003448486,
700
+ "learning_rate": 0.0001999869839942563,
701
+ "loss": 6.716,
702
+ "step": 4950
703
+ },
704
+ {
705
+ "epoch": 0.06,
706
+ "grad_norm": 2.0043437480926514,
707
+ "learning_rate": 0.00019998385781665643,
708
+ "loss": 6.6003,
709
+ "step": 5000
710
+ },
711
+ {
712
+ "epoch": 0.06,
713
+ "grad_norm": 4.151523113250732,
714
+ "learning_rate": 0.00019998039552894924,
715
+ "loss": 6.6801,
716
+ "step": 5050
717
+ },
718
+ {
719
+ "epoch": 0.06,
720
+ "grad_norm": 3.8407771587371826,
721
+ "learning_rate": 0.00019997659714277372,
722
+ "loss": 6.608,
723
+ "step": 5100
724
+ },
725
+ {
726
+ "epoch": 0.06,
727
+ "grad_norm": 2.230713129043579,
728
+ "learning_rate": 0.00019997246267089867,
729
+ "loss": 6.6479,
730
+ "step": 5150
731
+ },
732
+ {
733
+ "epoch": 0.06,
734
+ "grad_norm": 2.2546942234039307,
735
+ "learning_rate": 0.0001999679921272227,
736
+ "loss": 6.6548,
737
+ "step": 5200
738
+ },
739
+ {
740
+ "epoch": 0.06,
741
+ "grad_norm": 3.180986166000366,
742
+ "learning_rate": 0.00019996318552677425,
743
+ "loss": 6.6851,
744
+ "step": 5250
745
+ },
746
+ {
747
+ "epoch": 0.06,
748
+ "grad_norm": 2.341231346130371,
749
+ "learning_rate": 0.00019995804288571134,
750
+ "loss": 6.547,
751
+ "step": 5300
752
+ },
753
+ {
754
+ "epoch": 0.06,
755
+ "grad_norm": 3.1117124557495117,
756
+ "learning_rate": 0.00019995256422132172,
757
+ "loss": 6.7072,
758
+ "step": 5350
759
+ },
760
+ {
761
+ "epoch": 0.06,
762
+ "grad_norm": 2.0082530975341797,
763
+ "learning_rate": 0.0001999467495520227,
764
+ "loss": 6.5422,
765
+ "step": 5400
766
+ },
767
+ {
768
+ "epoch": 0.06,
769
+ "grad_norm": 2.409489870071411,
770
+ "learning_rate": 0.0001999405988973611,
771
+ "loss": 6.3716,
772
+ "step": 5450
773
+ },
774
+ {
775
+ "epoch": 0.06,
776
+ "grad_norm": 2.649052381515503,
777
+ "learning_rate": 0.00019993411227801328,
778
+ "loss": 6.6434,
779
+ "step": 5500
780
+ },
781
+ {
782
+ "epoch": 0.06,
783
+ "grad_norm": 3.081116199493408,
784
+ "learning_rate": 0.00019992728971578492,
785
+ "loss": 6.4624,
786
+ "step": 5550
787
+ },
788
+ {
789
+ "epoch": 0.06,
790
+ "grad_norm": 3.1578280925750732,
791
+ "learning_rate": 0.00019992013123361102,
792
+ "loss": 6.5416,
793
+ "step": 5600
794
+ },
795
+ {
796
+ "epoch": 0.06,
797
+ "grad_norm": 3.7874557971954346,
798
+ "learning_rate": 0.0001999126368555559,
799
+ "loss": 6.4512,
800
+ "step": 5650
801
+ },
802
+ {
803
+ "epoch": 0.06,
804
+ "grad_norm": 2.7693099975585938,
805
+ "learning_rate": 0.00019990480660681293,
806
+ "loss": 6.5105,
807
+ "step": 5700
808
+ },
809
+ {
810
+ "epoch": 0.06,
811
+ "grad_norm": 2.4338185787200928,
812
+ "learning_rate": 0.00019989680712666593,
813
+ "loss": 6.5092,
814
+ "step": 5750
815
+ },
816
+ {
817
+ "epoch": 0.06,
818
+ "grad_norm": 3.656937837600708,
819
+ "learning_rate": 0.00019988831193270577,
820
+ "loss": 6.4269,
821
+ "step": 5800
822
+ },
823
+ {
824
+ "epoch": 0.06,
825
+ "grad_norm": 2.857292652130127,
826
+ "learning_rate": 0.00019987948094982952,
827
+ "loss": 6.4387,
828
+ "step": 5850
829
+ },
830
+ {
831
+ "epoch": 0.07,
832
+ "grad_norm": 3.4963467121124268,
833
+ "learning_rate": 0.00019987031420772385,
834
+ "loss": 6.3851,
835
+ "step": 5900
836
+ },
837
+ {
838
+ "epoch": 0.07,
839
+ "grad_norm": 2.602522611618042,
840
+ "learning_rate": 0.00019986081173720396,
841
+ "loss": 6.3413,
842
+ "step": 5950
843
+ },
844
+ {
845
+ "epoch": 0.07,
846
+ "grad_norm": 2.6455273628234863,
847
+ "learning_rate": 0.00019985097357021385,
848
+ "loss": 6.2965,
849
+ "step": 6000
850
+ },
851
+ {
852
+ "epoch": 0.07,
853
+ "grad_norm": 3.5592167377471924,
854
+ "learning_rate": 0.0001998407997398259,
855
+ "loss": 6.4293,
856
+ "step": 6050
857
+ },
858
+ {
859
+ "epoch": 0.07,
860
+ "grad_norm": 3.6016533374786377,
861
+ "learning_rate": 0.00019983029028024094,
862
+ "loss": 6.2897,
863
+ "step": 6100
864
+ },
865
+ {
866
+ "epoch": 0.07,
867
+ "grad_norm": 2.5536839962005615,
868
+ "learning_rate": 0.000199819445226788,
869
+ "loss": 6.3157,
870
+ "step": 6150
871
+ },
872
+ {
873
+ "epoch": 0.07,
874
+ "grad_norm": 2.0514349937438965,
875
+ "learning_rate": 0.00019980826461592427,
876
+ "loss": 6.3847,
877
+ "step": 6200
878
+ },
879
+ {
880
+ "epoch": 0.07,
881
+ "grad_norm": 2.72495174407959,
882
+ "learning_rate": 0.00019979674848523505,
883
+ "loss": 6.3517,
884
+ "step": 6250
885
+ },
886
+ {
887
+ "epoch": 0.07,
888
+ "grad_norm": 2.4264872074127197,
889
+ "learning_rate": 0.00019978489687343335,
890
+ "loss": 6.2533,
891
+ "step": 6300
892
+ },
893
+ {
894
+ "epoch": 0.07,
895
+ "grad_norm": 2.8361423015594482,
896
+ "learning_rate": 0.0001997727098203602,
897
+ "loss": 6.3654,
898
+ "step": 6350
899
+ },
900
+ {
901
+ "epoch": 0.07,
902
+ "grad_norm": 2.9690892696380615,
903
+ "learning_rate": 0.00019976018736698404,
904
+ "loss": 6.3968,
905
+ "step": 6400
906
+ },
907
+ {
908
+ "epoch": 0.07,
909
+ "grad_norm": 2.6132867336273193,
910
+ "learning_rate": 0.0001997473295554009,
911
+ "loss": 6.3444,
912
+ "step": 6450
913
+ },
914
+ {
915
+ "epoch": 0.07,
916
+ "grad_norm": 4.820697784423828,
917
+ "learning_rate": 0.00019973413642883424,
918
+ "loss": 6.2019,
919
+ "step": 6500
920
+ },
921
+ {
922
+ "epoch": 0.07,
923
+ "grad_norm": 2.2316782474517822,
924
+ "learning_rate": 0.00019972060803163458,
925
+ "loss": 6.2049,
926
+ "step": 6550
927
+ },
928
+ {
929
+ "epoch": 0.07,
930
+ "grad_norm": 3.9528305530548096,
931
+ "learning_rate": 0.00019970674440927957,
932
+ "loss": 6.1718,
933
+ "step": 6600
934
+ },
935
+ {
936
+ "epoch": 0.07,
937
+ "grad_norm": 1.891073226928711,
938
+ "learning_rate": 0.0001996925456083738,
939
+ "loss": 6.2393,
940
+ "step": 6650
941
+ },
942
+ {
943
+ "epoch": 0.07,
944
+ "grad_norm": 2.813270092010498,
945
+ "learning_rate": 0.00019967801167664853,
946
+ "loss": 6.2116,
947
+ "step": 6700
948
+ },
949
+ {
950
+ "epoch": 0.07,
951
+ "grad_norm": 2.2726826667785645,
952
+ "learning_rate": 0.00019966314266296173,
953
+ "loss": 6.1521,
954
+ "step": 6750
955
+ },
956
+ {
957
+ "epoch": 0.08,
958
+ "grad_norm": 2.3895318508148193,
959
+ "learning_rate": 0.00019964793861729772,
960
+ "loss": 6.1072,
961
+ "step": 6800
962
+ },
963
+ {
964
+ "epoch": 0.08,
965
+ "grad_norm": 3.190431833267212,
966
+ "learning_rate": 0.000199632399590767,
967
+ "loss": 6.2009,
968
+ "step": 6850
969
+ },
970
+ {
971
+ "epoch": 0.08,
972
+ "grad_norm": 3.79266095161438,
973
+ "learning_rate": 0.00019961652563560634,
974
+ "loss": 6.028,
975
+ "step": 6900
976
+ },
977
+ {
978
+ "epoch": 0.08,
979
+ "grad_norm": 3.260039806365967,
980
+ "learning_rate": 0.00019960031680517826,
981
+ "loss": 6.0733,
982
+ "step": 6950
983
+ },
984
+ {
985
+ "epoch": 0.08,
986
+ "grad_norm": 3.0739686489105225,
987
+ "learning_rate": 0.0001995837731539711,
988
+ "loss": 6.0521,
989
+ "step": 7000
990
+ },
991
+ {
992
+ "epoch": 0.08,
993
+ "grad_norm": 3.0517771244049072,
994
+ "learning_rate": 0.00019956689473759872,
995
+ "loss": 6.0544,
996
+ "step": 7050
997
+ },
998
+ {
999
+ "epoch": 0.08,
1000
+ "grad_norm": 3.9524648189544678,
1001
+ "learning_rate": 0.0001995496816128003,
1002
+ "loss": 6.1326,
1003
+ "step": 7100
1004
+ },
1005
+ {
1006
+ "epoch": 0.08,
1007
+ "grad_norm": 4.498497486114502,
1008
+ "learning_rate": 0.00019953213383744033,
1009
+ "loss": 6.236,
1010
+ "step": 7150
1011
+ },
1012
+ {
1013
+ "epoch": 0.08,
1014
+ "grad_norm": 4.157576084136963,
1015
+ "learning_rate": 0.00019951425147050807,
1016
+ "loss": 5.9898,
1017
+ "step": 7200
1018
+ },
1019
+ {
1020
+ "epoch": 0.08,
1021
+ "grad_norm": 3.9297516345977783,
1022
+ "learning_rate": 0.00019949603457211775,
1023
+ "loss": 6.086,
1024
+ "step": 7250
1025
+ },
1026
+ {
1027
+ "epoch": 0.08,
1028
+ "grad_norm": 3.3214786052703857,
1029
+ "learning_rate": 0.00019947748320350804,
1030
+ "loss": 5.9589,
1031
+ "step": 7300
1032
+ },
1033
+ {
1034
+ "epoch": 0.08,
1035
+ "grad_norm": 2.8847291469573975,
1036
+ "learning_rate": 0.00019945859742704201,
1037
+ "loss": 6.1931,
1038
+ "step": 7350
1039
+ },
1040
+ {
1041
+ "epoch": 0.08,
1042
+ "grad_norm": 3.387896776199341,
1043
+ "learning_rate": 0.00019943937730620702,
1044
+ "loss": 6.0539,
1045
+ "step": 7400
1046
+ },
1047
+ {
1048
+ "epoch": 0.08,
1049
+ "grad_norm": 3.1214797496795654,
1050
+ "learning_rate": 0.00019941982290561417,
1051
+ "loss": 6.0288,
1052
+ "step": 7450
1053
+ },
1054
+ {
1055
+ "epoch": 0.08,
1056
+ "grad_norm": 3.7995123863220215,
1057
+ "learning_rate": 0.00019939993429099841,
1058
+ "loss": 6.0526,
1059
+ "step": 7500
1060
+ },
1061
+ {
1062
+ "epoch": 0.08,
1063
+ "grad_norm": 4.788393974304199,
1064
+ "learning_rate": 0.00019937971152921818,
1065
+ "loss": 5.9799,
1066
+ "step": 7550
1067
+ },
1068
+ {
1069
+ "epoch": 0.08,
1070
+ "grad_norm": 4.009220123291016,
1071
+ "learning_rate": 0.0001993591546882552,
1072
+ "loss": 6.1223,
1073
+ "step": 7600
1074
+ },
1075
+ {
1076
+ "epoch": 0.08,
1077
+ "grad_norm": 3.5576276779174805,
1078
+ "learning_rate": 0.00019933826383721428,
1079
+ "loss": 5.989,
1080
+ "step": 7650
1081
+ },
1082
+ {
1083
+ "epoch": 0.09,
1084
+ "grad_norm": 3.1287412643432617,
1085
+ "learning_rate": 0.00019931703904632294,
1086
+ "loss": 6.0542,
1087
+ "step": 7700
1088
+ },
1089
+ {
1090
+ "epoch": 0.09,
1091
+ "grad_norm": 3.6518595218658447,
1092
+ "learning_rate": 0.00019929548038693146,
1093
+ "loss": 6.041,
1094
+ "step": 7750
1095
+ },
1096
+ {
1097
+ "epoch": 0.09,
1098
+ "grad_norm": 3.268080472946167,
1099
+ "learning_rate": 0.0001992735879315123,
1100
+ "loss": 5.888,
1101
+ "step": 7800
1102
+ },
1103
+ {
1104
+ "epoch": 0.09,
1105
+ "grad_norm": 3.6055593490600586,
1106
+ "learning_rate": 0.00019925136175366007,
1107
+ "loss": 5.913,
1108
+ "step": 7850
1109
+ },
1110
+ {
1111
+ "epoch": 0.09,
1112
+ "grad_norm": 4.866463661193848,
1113
+ "learning_rate": 0.00019922880192809137,
1114
+ "loss": 5.9858,
1115
+ "step": 7900
1116
+ },
1117
+ {
1118
+ "epoch": 0.09,
1119
+ "grad_norm": 3.44808292388916,
1120
+ "learning_rate": 0.00019920590853064423,
1121
+ "loss": 5.7686,
1122
+ "step": 7950
1123
+ },
1124
+ {
1125
+ "epoch": 0.09,
1126
+ "grad_norm": 2.9507765769958496,
1127
+ "learning_rate": 0.00019918268163827808,
1128
+ "loss": 5.8557,
1129
+ "step": 8000
1130
+ },
1131
+ {
1132
+ "epoch": 0.09,
1133
+ "grad_norm": 3.441870927810669,
1134
+ "learning_rate": 0.00019915912132907352,
1135
+ "loss": 5.8268,
1136
+ "step": 8050
1137
+ },
1138
+ {
1139
+ "epoch": 0.09,
1140
+ "grad_norm": 3.838809013366699,
1141
+ "learning_rate": 0.00019913522768223182,
1142
+ "loss": 5.9833,
1143
+ "step": 8100
1144
+ },
1145
+ {
1146
+ "epoch": 0.09,
1147
+ "grad_norm": 4.165487289428711,
1148
+ "learning_rate": 0.00019911100077807498,
1149
+ "loss": 5.7422,
1150
+ "step": 8150
1151
+ },
1152
+ {
1153
+ "epoch": 0.09,
1154
+ "grad_norm": 3.5947463512420654,
1155
+ "learning_rate": 0.0001990864406980452,
1156
+ "loss": 5.7479,
1157
+ "step": 8200
1158
+ },
1159
+ {
1160
+ "epoch": 0.09,
1161
+ "grad_norm": 4.130446434020996,
1162
+ "learning_rate": 0.00019906154752470472,
1163
+ "loss": 5.7767,
1164
+ "step": 8250
1165
+ },
1166
+ {
1167
+ "epoch": 0.09,
1168
+ "grad_norm": 4.866550922393799,
1169
+ "learning_rate": 0.00019903632134173554,
1170
+ "loss": 5.7681,
1171
+ "step": 8300
1172
+ },
1173
+ {
1174
+ "epoch": 0.09,
1175
+ "grad_norm": 3.2839725017547607,
1176
+ "learning_rate": 0.00019901076223393903,
1177
+ "loss": 5.6656,
1178
+ "step": 8350
1179
+ },
1180
+ {
1181
+ "epoch": 0.09,
1182
+ "grad_norm": 3.0762476921081543,
1183
+ "learning_rate": 0.0001989848702872359,
1184
+ "loss": 5.789,
1185
+ "step": 8400
1186
+ },
1187
+ {
1188
+ "epoch": 0.09,
1189
+ "grad_norm": 3.7109107971191406,
1190
+ "learning_rate": 0.00019895864558866556,
1191
+ "loss": 5.773,
1192
+ "step": 8450
1193
+ },
1194
+ {
1195
+ "epoch": 0.09,
1196
+ "grad_norm": 5.400998115539551,
1197
+ "learning_rate": 0.00019893208822638618,
1198
+ "loss": 5.7506,
1199
+ "step": 8500
1200
+ },
1201
+ {
1202
+ "epoch": 0.09,
1203
+ "grad_norm": 3.3062849044799805,
1204
+ "learning_rate": 0.00019890519828967413,
1205
+ "loss": 5.7515,
1206
+ "step": 8550
1207
+ },
1208
+ {
1209
+ "epoch": 0.1,
1210
+ "grad_norm": 4.109920501708984,
1211
+ "learning_rate": 0.00019887797586892373,
1212
+ "loss": 5.7972,
1213
+ "step": 8600
1214
+ },
1215
+ {
1216
+ "epoch": 0.1,
1217
+ "grad_norm": 3.4838390350341797,
1218
+ "learning_rate": 0.00019885042105564717,
1219
+ "loss": 5.6753,
1220
+ "step": 8650
1221
+ },
1222
+ {
1223
+ "epoch": 0.1,
1224
+ "grad_norm": 4.251760959625244,
1225
+ "learning_rate": 0.00019882253394247381,
1226
+ "loss": 5.6303,
1227
+ "step": 8700
1228
+ },
1229
+ {
1230
+ "epoch": 0.1,
1231
+ "grad_norm": 4.042376518249512,
1232
+ "learning_rate": 0.00019879431462315025,
1233
+ "loss": 5.5753,
1234
+ "step": 8750
1235
+ },
1236
+ {
1237
+ "epoch": 0.1,
1238
+ "grad_norm": 4.239652633666992,
1239
+ "learning_rate": 0.0001987657631925398,
1240
+ "loss": 5.5335,
1241
+ "step": 8800
1242
+ },
1243
+ {
1244
+ "epoch": 0.1,
1245
+ "grad_norm": 5.15481424331665,
1246
+ "learning_rate": 0.00019873687974662215,
1247
+ "loss": 5.5396,
1248
+ "step": 8850
1249
+ },
1250
+ {
1251
+ "epoch": 0.1,
1252
+ "grad_norm": 4.36835241317749,
1253
+ "learning_rate": 0.00019870766438249317,
1254
+ "loss": 5.6017,
1255
+ "step": 8900
1256
+ },
1257
+ {
1258
+ "epoch": 0.1,
1259
+ "grad_norm": 4.165258407592773,
1260
+ "learning_rate": 0.00019867811719836452,
1261
+ "loss": 5.7228,
1262
+ "step": 8950
1263
+ },
1264
+ {
1265
+ "epoch": 0.1,
1266
+ "grad_norm": 4.125988006591797,
1267
+ "learning_rate": 0.0001986482382935633,
1268
+ "loss": 5.5787,
1269
+ "step": 9000
1270
+ },
1271
+ {
1272
+ "epoch": 0.1,
1273
+ "grad_norm": 4.177731037139893,
1274
+ "learning_rate": 0.0001986180277685317,
1275
+ "loss": 5.5829,
1276
+ "step": 9050
1277
+ },
1278
+ {
1279
+ "epoch": 0.1,
1280
+ "grad_norm": 5.006561279296875,
1281
+ "learning_rate": 0.00019858748572482683,
1282
+ "loss": 5.5466,
1283
+ "step": 9100
1284
+ },
1285
+ {
1286
+ "epoch": 0.1,
1287
+ "grad_norm": 4.33070182800293,
1288
+ "learning_rate": 0.00019855661226512007,
1289
+ "loss": 5.5544,
1290
+ "step": 9150
1291
+ },
1292
+ {
1293
+ "epoch": 0.1,
1294
+ "grad_norm": 4.358560085296631,
1295
+ "learning_rate": 0.00019852540749319708,
1296
+ "loss": 5.4599,
1297
+ "step": 9200
1298
+ },
1299
+ {
1300
+ "epoch": 0.1,
1301
+ "grad_norm": 4.536096096038818,
1302
+ "learning_rate": 0.00019849387151395708,
1303
+ "loss": 5.4983,
1304
+ "step": 9250
1305
+ },
1306
+ {
1307
+ "epoch": 0.1,
1308
+ "grad_norm": 4.66163444519043,
1309
+ "learning_rate": 0.0001984620044334129,
1310
+ "loss": 5.4097,
1311
+ "step": 9300
1312
+ },
1313
+ {
1314
+ "epoch": 0.1,
1315
+ "grad_norm": 4.4319233894348145,
1316
+ "learning_rate": 0.00019842980635869024,
1317
+ "loss": 5.4093,
1318
+ "step": 9350
1319
+ },
1320
+ {
1321
+ "epoch": 0.1,
1322
+ "grad_norm": 4.98419713973999,
1323
+ "learning_rate": 0.0001983972773980276,
1324
+ "loss": 5.4056,
1325
+ "step": 9400
1326
+ },
1327
+ {
1328
+ "epoch": 0.1,
1329
+ "grad_norm": 3.6354339122772217,
1330
+ "learning_rate": 0.0001983644176607757,
1331
+ "loss": 5.3171,
1332
+ "step": 9450
1333
+ },
1334
+ {
1335
+ "epoch": 0.11,
1336
+ "grad_norm": 4.495342254638672,
1337
+ "learning_rate": 0.00019833122725739736,
1338
+ "loss": 5.4521,
1339
+ "step": 9500
1340
+ },
1341
+ {
1342
+ "epoch": 0.11,
1343
+ "grad_norm": 4.5558671951293945,
1344
+ "learning_rate": 0.00019829770629946678,
1345
+ "loss": 5.5158,
1346
+ "step": 9550
1347
+ },
1348
+ {
1349
+ "epoch": 0.11,
1350
+ "grad_norm": 3.7165732383728027,
1351
+ "learning_rate": 0.00019826385489966957,
1352
+ "loss": 5.301,
1353
+ "step": 9600
1354
+ },
1355
+ {
1356
+ "epoch": 0.11,
1357
+ "grad_norm": 6.030915260314941,
1358
+ "learning_rate": 0.00019822967317180204,
1359
+ "loss": 5.3316,
1360
+ "step": 9650
1361
+ },
1362
+ {
1363
+ "epoch": 0.11,
1364
+ "grad_norm": 5.385923385620117,
1365
+ "learning_rate": 0.00019819516123077094,
1366
+ "loss": 5.3844,
1367
+ "step": 9700
1368
+ },
1369
+ {
1370
+ "epoch": 0.11,
1371
+ "grad_norm": 4.383516788482666,
1372
+ "learning_rate": 0.00019816101926755305,
1373
+ "loss": 5.2995,
1374
+ "step": 9750
1375
+ },
1376
+ {
1377
+ "epoch": 0.11,
1378
+ "grad_norm": 4.446406364440918,
1379
+ "learning_rate": 0.00019812585384780055,
1380
+ "loss": 5.386,
1381
+ "step": 9800
1382
+ },
1383
+ {
1384
+ "epoch": 0.11,
1385
+ "grad_norm": 4.345483303070068,
1386
+ "learning_rate": 0.00019809035856388805,
1387
+ "loss": 5.2815,
1388
+ "step": 9850
1389
+ },
1390
+ {
1391
+ "epoch": 0.11,
1392
+ "grad_norm": 4.791261672973633,
1393
+ "learning_rate": 0.00019805453353513813,
1394
+ "loss": 5.3757,
1395
+ "step": 9900
1396
+ },
1397
+ {
1398
+ "epoch": 0.11,
1399
+ "grad_norm": 5.622151851654053,
1400
+ "learning_rate": 0.00019801837888198172,
1401
+ "loss": 5.4405,
1402
+ "step": 9950
1403
+ },
1404
+ {
1405
+ "epoch": 0.11,
1406
+ "grad_norm": 4.934606075286865,
1407
+ "learning_rate": 0.0001979818947259579,
1408
+ "loss": 5.139,
1409
+ "step": 10000
1410
+ },
1411
+ {
1412
+ "epoch": 0.11,
1413
+ "grad_norm": 3.9659693241119385,
1414
+ "learning_rate": 0.0001979450811897134,
1415
+ "loss": 5.1726,
1416
+ "step": 10050
1417
+ },
1418
+ {
1419
+ "epoch": 0.11,
1420
+ "grad_norm": 5.214992046356201,
1421
+ "learning_rate": 0.00019790793839700226,
1422
+ "loss": 5.2864,
1423
+ "step": 10100
1424
+ },
1425
+ {
1426
+ "epoch": 0.11,
1427
+ "grad_norm": 4.5359601974487305,
1428
+ "learning_rate": 0.00019787046647268524,
1429
+ "loss": 5.1443,
1430
+ "step": 10150
1431
+ },
1432
+ {
1433
+ "epoch": 0.11,
1434
+ "grad_norm": 4.26462984085083,
1435
+ "learning_rate": 0.00019783266554272962,
1436
+ "loss": 5.0597,
1437
+ "step": 10200
1438
+ },
1439
+ {
1440
+ "epoch": 0.11,
1441
+ "grad_norm": 5.053945064544678,
1442
+ "learning_rate": 0.00019779453573420873,
1443
+ "loss": 5.2946,
1444
+ "step": 10250
1445
+ },
1446
+ {
1447
+ "epoch": 0.11,
1448
+ "grad_norm": 6.082211494445801,
1449
+ "learning_rate": 0.00019775607717530127,
1450
+ "loss": 5.2075,
1451
+ "step": 10300
1452
+ },
1453
+ {
1454
+ "epoch": 0.11,
1455
+ "grad_norm": 4.107390403747559,
1456
+ "learning_rate": 0.00019771728999529132,
1457
+ "loss": 5.1394,
1458
+ "step": 10350
1459
+ },
1460
+ {
1461
+ "epoch": 0.12,
1462
+ "grad_norm": 4.58411169052124,
1463
+ "learning_rate": 0.00019767817432456752,
1464
+ "loss": 5.1064,
1465
+ "step": 10400
1466
+ },
1467
+ {
1468
+ "epoch": 0.12,
1469
+ "grad_norm": 8.38965892791748,
1470
+ "learning_rate": 0.00019763952239228627,
1471
+ "loss": 5.0808,
1472
+ "step": 10450
1473
+ },
1474
+ {
1475
+ "epoch": 0.12,
1476
+ "grad_norm": 3.885803699493408,
1477
+ "learning_rate": 0.00019759975669894338,
1478
+ "loss": 5.0664,
1479
+ "step": 10500
1480
+ },
1481
+ {
1482
+ "epoch": 0.12,
1483
+ "grad_norm": 4.1605916023254395,
1484
+ "learning_rate": 0.00019755966290999167,
1485
+ "loss": 5.2469,
1486
+ "step": 10550
1487
+ },
1488
+ {
1489
+ "epoch": 0.12,
1490
+ "grad_norm": 4.821887016296387,
1491
+ "learning_rate": 0.00019751924116021225,
1492
+ "loss": 5.2451,
1493
+ "step": 10600
1494
+ },
1495
+ {
1496
+ "epoch": 0.12,
1497
+ "grad_norm": 3.865694761276245,
1498
+ "learning_rate": 0.00019747849158548858,
1499
+ "loss": 5.2334,
1500
+ "step": 10650
1501
+ },
1502
+ {
1503
+ "epoch": 0.12,
1504
+ "grad_norm": 3.640681028366089,
1505
+ "learning_rate": 0.00019743741432280625,
1506
+ "loss": 5.1206,
1507
+ "step": 10700
1508
+ },
1509
+ {
1510
+ "epoch": 0.12,
1511
+ "grad_norm": 4.04166316986084,
1512
+ "learning_rate": 0.00019739600951025236,
1513
+ "loss": 5.0059,
1514
+ "step": 10750
1515
+ },
1516
+ {
1517
+ "epoch": 0.12,
1518
+ "grad_norm": 4.637605667114258,
1519
+ "learning_rate": 0.00019735427728701516,
1520
+ "loss": 5.0302,
1521
+ "step": 10800
1522
+ },
1523
+ {
1524
+ "epoch": 0.12,
1525
+ "grad_norm": 4.08723783493042,
1526
+ "learning_rate": 0.0001973122177933835,
1527
+ "loss": 5.1551,
1528
+ "step": 10850
1529
+ },
1530
+ {
1531
+ "epoch": 0.12,
1532
+ "grad_norm": 3.7944953441619873,
1533
+ "learning_rate": 0.00019726983117074643,
1534
+ "loss": 5.0665,
1535
+ "step": 10900
1536
+ },
1537
+ {
1538
+ "epoch": 0.12,
1539
+ "grad_norm": 5.2847371101379395,
1540
+ "learning_rate": 0.00019722711756159266,
1541
+ "loss": 5.2212,
1542
+ "step": 10950
1543
+ },
1544
+ {
1545
+ "epoch": 0.12,
1546
+ "grad_norm": 4.109150409698486,
1547
+ "learning_rate": 0.00019718407710951012,
1548
+ "loss": 5.2645,
1549
+ "step": 11000
1550
+ },
1551
+ {
1552
+ "epoch": 0.12,
1553
+ "grad_norm": 4.127768039703369,
1554
+ "learning_rate": 0.0001971407099591855,
1555
+ "loss": 5.0395,
1556
+ "step": 11050
1557
+ },
1558
+ {
1559
+ "epoch": 0.12,
1560
+ "grad_norm": 5.058667182922363,
1561
+ "learning_rate": 0.00019709701625640367,
1562
+ "loss": 5.0247,
1563
+ "step": 11100
1564
+ },
1565
+ {
1566
+ "epoch": 0.12,
1567
+ "grad_norm": 5.4407267570495605,
1568
+ "learning_rate": 0.00019705299614804732,
1569
+ "loss": 4.9935,
1570
+ "step": 11150
1571
+ },
1572
+ {
1573
+ "epoch": 0.12,
1574
+ "grad_norm": 3.7877707481384277,
1575
+ "learning_rate": 0.00019700864978209636,
1576
+ "loss": 5.074,
1577
+ "step": 11200
1578
+ },
1579
+ {
1580
+ "epoch": 0.12,
1581
+ "grad_norm": 3.777330160140991,
1582
+ "learning_rate": 0.00019696397730762746,
1583
+ "loss": 5.0458,
1584
+ "step": 11250
1585
+ },
1586
+ {
1587
+ "epoch": 0.13,
1588
+ "grad_norm": 4.143067836761475,
1589
+ "learning_rate": 0.0001969189788748136,
1590
+ "loss": 4.9375,
1591
+ "step": 11300
1592
+ },
1593
+ {
1594
+ "epoch": 0.13,
1595
+ "grad_norm": 5.560107231140137,
1596
+ "learning_rate": 0.00019687365463492344,
1597
+ "loss": 4.8285,
1598
+ "step": 11350
1599
+ },
1600
+ {
1601
+ "epoch": 0.13,
1602
+ "grad_norm": 4.057905197143555,
1603
+ "learning_rate": 0.00019682800474032095,
1604
+ "loss": 4.9753,
1605
+ "step": 11400
1606
+ },
1607
+ {
1608
+ "epoch": 0.13,
1609
+ "grad_norm": 3.835442066192627,
1610
+ "learning_rate": 0.00019678202934446482,
1611
+ "loss": 4.9368,
1612
+ "step": 11450
1613
+ },
1614
+ {
1615
+ "epoch": 0.13,
1616
+ "grad_norm": 5.135551929473877,
1617
+ "learning_rate": 0.0001967357286019079,
1618
+ "loss": 4.9994,
1619
+ "step": 11500
1620
+ },
1621
+ {
1622
+ "epoch": 0.13,
1623
+ "grad_norm": 4.615053653717041,
1624
+ "learning_rate": 0.00019668910266829685,
1625
+ "loss": 5.0182,
1626
+ "step": 11550
1627
+ },
1628
+ {
1629
+ "epoch": 0.13,
1630
+ "grad_norm": 4.474258899688721,
1631
+ "learning_rate": 0.0001966421517003714,
1632
+ "loss": 4.8704,
1633
+ "step": 11600
1634
+ },
1635
+ {
1636
+ "epoch": 0.13,
1637
+ "grad_norm": 4.264945030212402,
1638
+ "learning_rate": 0.00019659487585596406,
1639
+ "loss": 4.9076,
1640
+ "step": 11650
1641
+ },
1642
+ {
1643
+ "epoch": 0.13,
1644
+ "grad_norm": 4.091209411621094,
1645
+ "learning_rate": 0.00019654727529399925,
1646
+ "loss": 4.7135,
1647
+ "step": 11700
1648
+ },
1649
+ {
1650
+ "epoch": 0.13,
1651
+ "grad_norm": 4.154038429260254,
1652
+ "learning_rate": 0.00019649935017449318,
1653
+ "loss": 4.8239,
1654
+ "step": 11750
1655
+ },
1656
+ {
1657
+ "epoch": 0.13,
1658
+ "grad_norm": 3.697162628173828,
1659
+ "learning_rate": 0.00019645110065855305,
1660
+ "loss": 4.9972,
1661
+ "step": 11800
1662
+ },
1663
+ {
1664
+ "epoch": 0.13,
1665
+ "grad_norm": 4.0024847984313965,
1666
+ "learning_rate": 0.00019640252690837645,
1667
+ "loss": 4.8854,
1668
+ "step": 11850
1669
+ },
1670
+ {
1671
+ "epoch": 0.13,
1672
+ "grad_norm": 3.9416885375976562,
1673
+ "learning_rate": 0.0001963536290872511,
1674
+ "loss": 4.8547,
1675
+ "step": 11900
1676
+ },
1677
+ {
1678
+ "epoch": 0.13,
1679
+ "grad_norm": 3.978651285171509,
1680
+ "learning_rate": 0.000196304407359554,
1681
+ "loss": 4.7873,
1682
+ "step": 11950
1683
+ },
1684
+ {
1685
+ "epoch": 0.13,
1686
+ "grad_norm": 4.435175895690918,
1687
+ "learning_rate": 0.0001962548618907511,
1688
+ "loss": 4.8124,
1689
+ "step": 12000
1690
+ },
1691
+ {
1692
+ "epoch": 0.13,
1693
+ "grad_norm": 3.8776824474334717,
1694
+ "learning_rate": 0.00019620499284739662,
1695
+ "loss": 4.8896,
1696
+ "step": 12050
1697
+ },
1698
+ {
1699
+ "epoch": 0.13,
1700
+ "grad_norm": 5.041496276855469,
1701
+ "learning_rate": 0.00019615480039713248,
1702
+ "loss": 4.8343,
1703
+ "step": 12100
1704
+ },
1705
+ {
1706
+ "epoch": 0.13,
1707
+ "grad_norm": 4.18281888961792,
1708
+ "learning_rate": 0.00019610428470868784,
1709
+ "loss": 4.8559,
1710
+ "step": 12150
1711
+ },
1712
+ {
1713
+ "epoch": 0.14,
1714
+ "grad_norm": 4.223630905151367,
1715
+ "learning_rate": 0.00019605344595187844,
1716
+ "loss": 4.8153,
1717
+ "step": 12200
1718
+ },
1719
+ {
1720
+ "epoch": 0.14,
1721
+ "grad_norm": 4.63677453994751,
1722
+ "learning_rate": 0.0001960022842976061,
1723
+ "loss": 4.7951,
1724
+ "step": 12250
1725
+ },
1726
+ {
1727
+ "epoch": 0.14,
1728
+ "grad_norm": 4.188296794891357,
1729
+ "learning_rate": 0.00019595079991785802,
1730
+ "loss": 4.8904,
1731
+ "step": 12300
1732
+ },
1733
+ {
1734
+ "epoch": 0.14,
1735
+ "grad_norm": 4.402559280395508,
1736
+ "learning_rate": 0.00019589899298570634,
1737
+ "loss": 4.7851,
1738
+ "step": 12350
1739
+ },
1740
+ {
1741
+ "epoch": 0.14,
1742
+ "grad_norm": 5.976877212524414,
1743
+ "learning_rate": 0.00019584686367530755,
1744
+ "loss": 4.6431,
1745
+ "step": 12400
1746
+ },
1747
+ {
1748
+ "epoch": 0.14,
1749
+ "grad_norm": 4.849298477172852,
1750
+ "learning_rate": 0.0001957944121619018,
1751
+ "loss": 4.7544,
1752
+ "step": 12450
1753
+ },
1754
+ {
1755
+ "epoch": 0.14,
1756
+ "grad_norm": 4.932714462280273,
1757
+ "learning_rate": 0.0001957416386218124,
1758
+ "loss": 4.6811,
1759
+ "step": 12500
1760
+ },
1761
+ {
1762
+ "epoch": 0.14,
1763
+ "grad_norm": 4.682474136352539,
1764
+ "learning_rate": 0.00019568854323244515,
1765
+ "loss": 4.799,
1766
+ "step": 12550
1767
+ },
1768
+ {
1769
+ "epoch": 0.14,
1770
+ "grad_norm": 5.228520393371582,
1771
+ "learning_rate": 0.00019563619766470511,
1772
+ "loss": 4.7622,
1773
+ "step": 12600
1774
+ },
1775
+ {
1776
+ "epoch": 0.14,
1777
+ "grad_norm": 4.093870162963867,
1778
+ "learning_rate": 0.00019558246554138458,
1779
+ "loss": 4.7369,
1780
+ "step": 12650
1781
+ },
1782
+ {
1783
+ "epoch": 0.14,
1784
+ "grad_norm": 5.248356342315674,
1785
+ "learning_rate": 0.0001955284121038694,
1786
+ "loss": 4.7519,
1787
+ "step": 12700
1788
+ },
1789
+ {
1790
+ "epoch": 0.14,
1791
+ "grad_norm": 3.924299955368042,
1792
+ "learning_rate": 0.00019547403753386803,
1793
+ "loss": 4.6441,
1794
+ "step": 12750
1795
+ },
1796
+ {
1797
+ "epoch": 0.14,
1798
+ "grad_norm": 4.972569942474365,
1799
+ "learning_rate": 0.00019542043906868188,
1800
+ "loss": 4.7192,
1801
+ "step": 12800
1802
+ },
1803
+ {
1804
+ "epoch": 0.14,
1805
+ "grad_norm": 5.033604145050049,
1806
+ "learning_rate": 0.00019536542919665846,
1807
+ "loss": 4.6397,
1808
+ "step": 12850
1809
+ },
1810
+ {
1811
+ "epoch": 0.14,
1812
+ "grad_norm": 5.222695350646973,
1813
+ "learning_rate": 0.00019531009874003928,
1814
+ "loss": 4.6309,
1815
+ "step": 12900
1816
+ },
1817
+ {
1818
+ "epoch": 0.14,
1819
+ "grad_norm": 3.810999631881714,
1820
+ "learning_rate": 0.00019525444788482562,
1821
+ "loss": 4.6513,
1822
+ "step": 12950
1823
+ },
1824
+ {
1825
+ "epoch": 0.14,
1826
+ "grad_norm": 5.272600173950195,
1827
+ "learning_rate": 0.00019519847681809585,
1828
+ "loss": 4.8001,
1829
+ "step": 13000
1830
+ },
1831
+ {
1832
+ "epoch": 0.14,
1833
+ "grad_norm": 4.836308002471924,
1834
+ "learning_rate": 0.00019514218572800468,
1835
+ "loss": 4.7101,
1836
+ "step": 13050
1837
+ },
1838
+ {
1839
+ "epoch": 0.15,
1840
+ "grad_norm": 4.598148345947266,
1841
+ "learning_rate": 0.00019508557480378276,
1842
+ "loss": 4.5578,
1843
+ "step": 13100
1844
+ },
1845
+ {
1846
+ "epoch": 0.15,
1847
+ "grad_norm": 3.910820722579956,
1848
+ "learning_rate": 0.0001950286442357358,
1849
+ "loss": 4.7124,
1850
+ "step": 13150
1851
+ },
1852
+ {
1853
+ "epoch": 0.15,
1854
+ "grad_norm": 3.856081962585449,
1855
+ "learning_rate": 0.00019497139421524416,
1856
+ "loss": 4.7563,
1857
+ "step": 13200
1858
+ },
1859
+ {
1860
+ "epoch": 0.15,
1861
+ "grad_norm": 4.151907920837402,
1862
+ "learning_rate": 0.00019491382493476195,
1863
+ "loss": 4.6726,
1864
+ "step": 13250
1865
+ },
1866
+ {
1867
+ "epoch": 0.15,
1868
+ "grad_norm": 4.349935054779053,
1869
+ "learning_rate": 0.0001948559365878166,
1870
+ "loss": 4.6341,
1871
+ "step": 13300
1872
+ },
1873
+ {
1874
+ "epoch": 0.15,
1875
+ "grad_norm": 3.8229756355285645,
1876
+ "learning_rate": 0.00019479772936900811,
1877
+ "loss": 4.6183,
1878
+ "step": 13350
1879
+ },
1880
+ {
1881
+ "epoch": 0.15,
1882
+ "grad_norm": 5.495506286621094,
1883
+ "learning_rate": 0.0001947392034740084,
1884
+ "loss": 4.6608,
1885
+ "step": 13400
1886
+ },
1887
+ {
1888
+ "epoch": 0.15,
1889
+ "grad_norm": 4.307513236999512,
1890
+ "learning_rate": 0.00019468035909956072,
1891
+ "loss": 4.6805,
1892
+ "step": 13450
1893
+ },
1894
+ {
1895
+ "epoch": 0.15,
1896
+ "grad_norm": 3.939659595489502,
1897
+ "learning_rate": 0.0001946211964434788,
1898
+ "loss": 4.679,
1899
+ "step": 13500
1900
+ },
1901
+ {
1902
+ "epoch": 0.15,
1903
+ "grad_norm": 5.444967269897461,
1904
+ "learning_rate": 0.00019456171570464653,
1905
+ "loss": 4.7195,
1906
+ "step": 13550
1907
+ },
1908
+ {
1909
+ "epoch": 0.15,
1910
+ "grad_norm": 4.513270854949951,
1911
+ "learning_rate": 0.00019450191708301687,
1912
+ "loss": 4.5367,
1913
+ "step": 13600
1914
+ },
1915
+ {
1916
+ "epoch": 0.15,
1917
+ "grad_norm": 4.617405414581299,
1918
+ "learning_rate": 0.00019444180077961146,
1919
+ "loss": 4.5742,
1920
+ "step": 13650
1921
+ },
1922
+ {
1923
+ "epoch": 0.15,
1924
+ "grad_norm": 4.580646991729736,
1925
+ "learning_rate": 0.00019438136699652001,
1926
+ "loss": 4.4936,
1927
+ "step": 13700
1928
+ },
1929
+ {
1930
+ "epoch": 0.15,
1931
+ "grad_norm": 4.657532691955566,
1932
+ "learning_rate": 0.00019432061593689927,
1933
+ "loss": 4.6877,
1934
+ "step": 13750
1935
+ },
1936
+ {
1937
+ "epoch": 0.15,
1938
+ "grad_norm": 5.374803066253662,
1939
+ "learning_rate": 0.0001942595478049727,
1940
+ "loss": 4.6101,
1941
+ "step": 13800
1942
+ },
1943
+ {
1944
+ "epoch": 0.15,
1945
+ "grad_norm": 5.1111650466918945,
1946
+ "learning_rate": 0.00019419816280602962,
1947
+ "loss": 4.6185,
1948
+ "step": 13850
1949
+ },
1950
+ {
1951
+ "epoch": 0.15,
1952
+ "grad_norm": 5.18306303024292,
1953
+ "learning_rate": 0.00019413646114642446,
1954
+ "loss": 4.5524,
1955
+ "step": 13900
1956
+ },
1957
+ {
1958
+ "epoch": 0.15,
1959
+ "grad_norm": 4.411191463470459,
1960
+ "learning_rate": 0.00019407444303357624,
1961
+ "loss": 4.4346,
1962
+ "step": 13950
1963
+ },
1964
+ {
1965
+ "epoch": 0.16,
1966
+ "grad_norm": 4.161925792694092,
1967
+ "learning_rate": 0.0001940121086759678,
1968
+ "loss": 4.3702,
1969
+ "step": 14000
1970
+ }
1971
+ ],
1972
+ "logging_steps": 50,
1973
+ "max_steps": 90183,
1974
+ "num_input_tokens_seen": 0,
1975
+ "num_train_epochs": 1,
1976
+ "save_steps": 1000,
1977
+ "total_flos": 5034267377664000.0,
1978
+ "train_batch_size": 16,
1979
+ "trial_name": null,
1980
+ "trial_params": null
1981
+ }
checkpoints/checkpoint-14000/training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:bcdffec292848a9e4baadecd0be02bf6760a1c3238602b1aad355cf1ba43d36e
3
+ size 5048
checkpoints/config.json ADDED
@@ -0,0 +1,28 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "architectures": [
3
+ "AlbertForMaskedLM"
4
+ ],
5
+ "attention_probs_dropout_prob": 0,
6
+ "bos_token_id": 2,
7
+ "classifier_dropout_prob": 0.1,
8
+ "embedding_size": 128,
9
+ "eos_token_id": 3,
10
+ "hidden_act": "gelu_new",
11
+ "hidden_dropout_prob": 0,
12
+ "hidden_size": 768,
13
+ "initializer_range": 0.02,
14
+ "inner_group_num": 1,
15
+ "intermediate_size": 3072,
16
+ "layer_norm_eps": 1e-12,
17
+ "max_position_embeddings": 512,
18
+ "model_type": "albert",
19
+ "num_attention_heads": 12,
20
+ "num_hidden_groups": 1,
21
+ "num_hidden_layers": 12,
22
+ "pad_token_id": 0,
23
+ "position_embedding_type": "absolute",
24
+ "torch_dtype": "float32",
25
+ "transformers_version": "4.38.2",
26
+ "type_vocab_size": 2,
27
+ "vocab_size": 30000
28
+ }
checkpoints/model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:5e0a3efb18a87263970f630bf8170263f502b54358886171fe7e3c20a2f85321
3
+ size 44890256
checkpoints/training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:bcdffec292848a9e4baadecd0be02bf6760a1c3238602b1aad355cf1ba43d36e
3
+ size 5048