malay-36 commited on
Commit
94f1c4c
·
verified ·
1 Parent(s): b4cc39e

Add Gemma 4 IT open-text order checkpoint

Browse files
finetuned_checkpoints/gemma4_it/open_text/order/adapter_config.json ADDED
@@ -0,0 +1,50 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "alora_invocation_tokens": null,
3
+ "alpha_pattern": {},
4
+ "arrow_config": null,
5
+ "auto_mapping": null,
6
+ "base_model_name_or_path": "google/gemma-4-E4B-it",
7
+ "bias": "none",
8
+ "corda_config": null,
9
+ "ensure_weight_tying": false,
10
+ "eva_config": null,
11
+ "exclude_modules": null,
12
+ "fan_in_fan_out": false,
13
+ "inference_mode": true,
14
+ "init_lora_weights": true,
15
+ "layer_replication": null,
16
+ "layers_pattern": null,
17
+ "layers_to_transform": null,
18
+ "loftq_config": {},
19
+ "lora_alpha": 32,
20
+ "lora_bias": false,
21
+ "lora_dropout": 0.05,
22
+ "lora_ga_config": null,
23
+ "megatron_config": null,
24
+ "megatron_core": "megatron.core",
25
+ "modules_to_save": null,
26
+ "monteclora_config": null,
27
+ "peft_type": "LORA",
28
+ "peft_version": "0.20.0",
29
+ "qalora_group_size": 16,
30
+ "r": 16,
31
+ "rank_pattern": {},
32
+ "revision": null,
33
+ "target_modules": [
34
+ "q_proj.linear",
35
+ "up_proj.linear",
36
+ "o_proj.linear",
37
+ "down_proj.linear",
38
+ "k_proj.linear",
39
+ "v_proj.linear",
40
+ "gate_proj.linear"
41
+ ],
42
+ "target_parameters": null,
43
+ "task_type": "CAUSAL_LM",
44
+ "trainable_token_indices": null,
45
+ "use_bdlora": null,
46
+ "use_dora": false,
47
+ "use_qalora": false,
48
+ "use_rslora": false,
49
+ "velora_config": null
50
+ }
finetuned_checkpoints/gemma4_it/open_text/order/adapter_model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:9c1e97b6417803350d8069c5d7b0fa22350aac1251123444a71c94c76a1bd68d
3
+ size 22853136
finetuned_checkpoints/gemma4_it/open_text/order/trainer_state.json ADDED
@@ -0,0 +1,1324 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_global_step": null,
3
+ "best_metric": null,
4
+ "best_model_checkpoint": null,
5
+ "epoch": 7.353374233128834,
6
+ "eval_steps": 50,
7
+ "global_step": 1500,
8
+ "is_hyper_param_search": false,
9
+ "is_local_process_zero": true,
10
+ "is_world_process_zero": true,
11
+ "log_history": [
12
+ {
13
+ "epoch": 0.049079754601226995,
14
+ "grad_norm": 12.109990119934082,
15
+ "learning_rate": 4.97e-05,
16
+ "loss": 15.695257568359375,
17
+ "step": 10
18
+ },
19
+ {
20
+ "epoch": 0.09815950920245399,
21
+ "grad_norm": 492.1185607910156,
22
+ "learning_rate": 4.936666666666667e-05,
23
+ "loss": 13.814830017089843,
24
+ "step": 20
25
+ },
26
+ {
27
+ "epoch": 0.147239263803681,
28
+ "grad_norm": 54.357147216796875,
29
+ "learning_rate": 4.903333333333334e-05,
30
+ "loss": 14.251554870605469,
31
+ "step": 30
32
+ },
33
+ {
34
+ "epoch": 0.19631901840490798,
35
+ "grad_norm": 23.947784423828125,
36
+ "learning_rate": 4.87e-05,
37
+ "loss": 14.981080627441406,
38
+ "step": 40
39
+ },
40
+ {
41
+ "epoch": 0.24539877300613497,
42
+ "grad_norm": 35.929019927978516,
43
+ "learning_rate": 4.836666666666667e-05,
44
+ "loss": 14.776333618164063,
45
+ "step": 50
46
+ },
47
+ {
48
+ "epoch": 0.24539877300613497,
49
+ "eval_loss": 15.932053565979004,
50
+ "eval_runtime": 44.4904,
51
+ "eval_samples_per_second": 4.091,
52
+ "eval_steps_per_second": 2.045,
53
+ "step": 50
54
+ },
55
+ {
56
+ "epoch": 0.294478527607362,
57
+ "grad_norm": 34.69807052612305,
58
+ "learning_rate": 4.803333333333333e-05,
59
+ "loss": 14.10513916015625,
60
+ "step": 60
61
+ },
62
+ {
63
+ "epoch": 0.34355828220858897,
64
+ "grad_norm": 12.818696022033691,
65
+ "learning_rate": 4.77e-05,
66
+ "loss": 13.515347290039063,
67
+ "step": 70
68
+ },
69
+ {
70
+ "epoch": 0.39263803680981596,
71
+ "grad_norm": 34.38349151611328,
72
+ "learning_rate": 4.736666666666667e-05,
73
+ "loss": 15.10628662109375,
74
+ "step": 80
75
+ },
76
+ {
77
+ "epoch": 0.44171779141104295,
78
+ "grad_norm": 22.764989852905273,
79
+ "learning_rate": 4.7033333333333336e-05,
80
+ "loss": 16.055389404296875,
81
+ "step": 90
82
+ },
83
+ {
84
+ "epoch": 0.49079754601226994,
85
+ "grad_norm": 35.86006164550781,
86
+ "learning_rate": 4.6700000000000003e-05,
87
+ "loss": 15.298782348632812,
88
+ "step": 100
89
+ },
90
+ {
91
+ "epoch": 0.49079754601226994,
92
+ "eval_loss": 15.920439720153809,
93
+ "eval_runtime": 40.5881,
94
+ "eval_samples_per_second": 4.484,
95
+ "eval_steps_per_second": 2.242,
96
+ "step": 100
97
+ },
98
+ {
99
+ "epoch": 0.5398773006134969,
100
+ "grad_norm": 28.937267303466797,
101
+ "learning_rate": 4.636666666666667e-05,
102
+ "loss": 14.813005065917968,
103
+ "step": 110
104
+ },
105
+ {
106
+ "epoch": 0.588957055214724,
107
+ "grad_norm": 25.542634963989258,
108
+ "learning_rate": 4.603333333333333e-05,
109
+ "loss": 14.388447570800782,
110
+ "step": 120
111
+ },
112
+ {
113
+ "epoch": 0.6380368098159509,
114
+ "grad_norm": 16.275651931762695,
115
+ "learning_rate": 4.5700000000000006e-05,
116
+ "loss": 14.990806579589844,
117
+ "step": 130
118
+ },
119
+ {
120
+ "epoch": 0.6871165644171779,
121
+ "grad_norm": 15.388489723205566,
122
+ "learning_rate": 4.536666666666667e-05,
123
+ "loss": 15.5802001953125,
124
+ "step": 140
125
+ },
126
+ {
127
+ "epoch": 0.7361963190184049,
128
+ "grad_norm": 37.09296417236328,
129
+ "learning_rate": 4.5033333333333335e-05,
130
+ "loss": 14.799055480957032,
131
+ "step": 150
132
+ },
133
+ {
134
+ "epoch": 0.7361963190184049,
135
+ "eval_loss": 15.872281074523926,
136
+ "eval_runtime": 40.5095,
137
+ "eval_samples_per_second": 4.493,
138
+ "eval_steps_per_second": 2.246,
139
+ "step": 150
140
+ },
141
+ {
142
+ "epoch": 0.7852760736196319,
143
+ "grad_norm": 10.539022445678711,
144
+ "learning_rate": 4.47e-05,
145
+ "loss": 14.79764404296875,
146
+ "step": 160
147
+ },
148
+ {
149
+ "epoch": 0.8343558282208589,
150
+ "grad_norm": 12.91861629486084,
151
+ "learning_rate": 4.436666666666667e-05,
152
+ "loss": 15.114735412597657,
153
+ "step": 170
154
+ },
155
+ {
156
+ "epoch": 0.8834355828220859,
157
+ "grad_norm": 25.957990646362305,
158
+ "learning_rate": 4.403333333333334e-05,
159
+ "loss": 14.254658508300782,
160
+ "step": 180
161
+ },
162
+ {
163
+ "epoch": 0.9325153374233128,
164
+ "grad_norm": 79.86518096923828,
165
+ "learning_rate": 4.3700000000000005e-05,
166
+ "loss": 15.017611694335937,
167
+ "step": 190
168
+ },
169
+ {
170
+ "epoch": 0.9815950920245399,
171
+ "grad_norm": 98.87255859375,
172
+ "learning_rate": 4.3366666666666666e-05,
173
+ "loss": 14.6688720703125,
174
+ "step": 200
175
+ },
176
+ {
177
+ "epoch": 0.9815950920245399,
178
+ "eval_loss": 15.850311279296875,
179
+ "eval_runtime": 42.2481,
180
+ "eval_samples_per_second": 4.308,
181
+ "eval_steps_per_second": 2.154,
182
+ "step": 200
183
+ },
184
+ {
185
+ "epoch": 1.0294478527607362,
186
+ "grad_norm": 14.027493476867676,
187
+ "learning_rate": 4.3033333333333334e-05,
188
+ "loss": 14.518348693847656,
189
+ "step": 210
190
+ },
191
+ {
192
+ "epoch": 1.0785276073619632,
193
+ "grad_norm": 45.684993743896484,
194
+ "learning_rate": 4.27e-05,
195
+ "loss": 14.455206298828125,
196
+ "step": 220
197
+ },
198
+ {
199
+ "epoch": 1.1276073619631901,
200
+ "grad_norm": 17.536062240600586,
201
+ "learning_rate": 4.236666666666667e-05,
202
+ "loss": 14.860671997070312,
203
+ "step": 230
204
+ },
205
+ {
206
+ "epoch": 1.1766871165644173,
207
+ "grad_norm": 19.39891815185547,
208
+ "learning_rate": 4.2033333333333336e-05,
209
+ "loss": 14.830889892578124,
210
+ "step": 240
211
+ },
212
+ {
213
+ "epoch": 1.2257668711656442,
214
+ "grad_norm": 63.81292724609375,
215
+ "learning_rate": 4.17e-05,
216
+ "loss": 15.031045532226562,
217
+ "step": 250
218
+ },
219
+ {
220
+ "epoch": 1.2257668711656442,
221
+ "eval_loss": 15.82028579711914,
222
+ "eval_runtime": 41.9426,
223
+ "eval_samples_per_second": 4.339,
224
+ "eval_steps_per_second": 2.17,
225
+ "step": 250
226
+ },
227
+ {
228
+ "epoch": 1.2748466257668711,
229
+ "grad_norm": 48.59152603149414,
230
+ "learning_rate": 4.136666666666667e-05,
231
+ "loss": 15.470269775390625,
232
+ "step": 260
233
+ },
234
+ {
235
+ "epoch": 1.323926380368098,
236
+ "grad_norm": 25.5656795501709,
237
+ "learning_rate": 4.103333333333333e-05,
238
+ "loss": 14.8417724609375,
239
+ "step": 270
240
+ },
241
+ {
242
+ "epoch": 1.3730061349693252,
243
+ "grad_norm": 20.321744918823242,
244
+ "learning_rate": 4.07e-05,
245
+ "loss": 14.925482177734375,
246
+ "step": 280
247
+ },
248
+ {
249
+ "epoch": 1.4220858895705522,
250
+ "grad_norm": 19.240966796875,
251
+ "learning_rate": 4.036666666666667e-05,
252
+ "loss": 14.716397094726563,
253
+ "step": 290
254
+ },
255
+ {
256
+ "epoch": 1.471165644171779,
257
+ "grad_norm": 21.202096939086914,
258
+ "learning_rate": 4.0033333333333335e-05,
259
+ "loss": 13.729632568359374,
260
+ "step": 300
261
+ },
262
+ {
263
+ "epoch": 1.471165644171779,
264
+ "eval_loss": 15.803985595703125,
265
+ "eval_runtime": 40.3037,
266
+ "eval_samples_per_second": 4.516,
267
+ "eval_steps_per_second": 2.258,
268
+ "step": 300
269
+ },
270
+ {
271
+ "epoch": 1.5202453987730062,
272
+ "grad_norm": 23.94186019897461,
273
+ "learning_rate": 3.97e-05,
274
+ "loss": 14.003562927246094,
275
+ "step": 310
276
+ },
277
+ {
278
+ "epoch": 1.5693251533742332,
279
+ "grad_norm": 28.392412185668945,
280
+ "learning_rate": 3.936666666666667e-05,
281
+ "loss": 14.089813232421875,
282
+ "step": 320
283
+ },
284
+ {
285
+ "epoch": 1.61840490797546,
286
+ "grad_norm": 110.40748596191406,
287
+ "learning_rate": 3.903333333333333e-05,
288
+ "loss": 15.008158874511718,
289
+ "step": 330
290
+ },
291
+ {
292
+ "epoch": 1.6674846625766873,
293
+ "grad_norm": 60.18275451660156,
294
+ "learning_rate": 3.8700000000000006e-05,
295
+ "loss": 14.85462646484375,
296
+ "step": 340
297
+ },
298
+ {
299
+ "epoch": 1.716564417177914,
300
+ "grad_norm": 26.74403190612793,
301
+ "learning_rate": 3.8366666666666666e-05,
302
+ "loss": 14.246632385253907,
303
+ "step": 350
304
+ },
305
+ {
306
+ "epoch": 1.716564417177914,
307
+ "eval_loss": 15.770018577575684,
308
+ "eval_runtime": 39.2002,
309
+ "eval_samples_per_second": 4.643,
310
+ "eval_steps_per_second": 2.321,
311
+ "step": 350
312
+ },
313
+ {
314
+ "epoch": 1.7656441717791411,
315
+ "grad_norm": 24.725635528564453,
316
+ "learning_rate": 3.803333333333334e-05,
317
+ "loss": 14.098103332519532,
318
+ "step": 360
319
+ },
320
+ {
321
+ "epoch": 1.814723926380368,
322
+ "grad_norm": 28.752729415893555,
323
+ "learning_rate": 3.77e-05,
324
+ "loss": 14.970773315429687,
325
+ "step": 370
326
+ },
327
+ {
328
+ "epoch": 1.863803680981595,
329
+ "grad_norm": 17.397926330566406,
330
+ "learning_rate": 3.736666666666667e-05,
331
+ "loss": 13.70640869140625,
332
+ "step": 380
333
+ },
334
+ {
335
+ "epoch": 1.9128834355828221,
336
+ "grad_norm": 728.4320678710938,
337
+ "learning_rate": 3.703333333333334e-05,
338
+ "loss": 13.640745544433594,
339
+ "step": 390
340
+ },
341
+ {
342
+ "epoch": 1.961963190184049,
343
+ "grad_norm": 18.25234603881836,
344
+ "learning_rate": 3.6700000000000004e-05,
345
+ "loss": 15.168673706054687,
346
+ "step": 400
347
+ },
348
+ {
349
+ "epoch": 1.961963190184049,
350
+ "eval_loss": 15.671043395996094,
351
+ "eval_runtime": 39.7541,
352
+ "eval_samples_per_second": 4.578,
353
+ "eval_steps_per_second": 2.289,
354
+ "step": 400
355
+ },
356
+ {
357
+ "epoch": 2.0098159509202453,
358
+ "grad_norm": 171.92474365234375,
359
+ "learning_rate": 3.636666666666667e-05,
360
+ "loss": 13.975669860839844,
361
+ "step": 410
362
+ },
363
+ {
364
+ "epoch": 2.0588957055214725,
365
+ "grad_norm": 24.03426170349121,
366
+ "learning_rate": 3.603333333333333e-05,
367
+ "loss": 14.861257934570313,
368
+ "step": 420
369
+ },
370
+ {
371
+ "epoch": 2.107975460122699,
372
+ "grad_norm": 54.75859832763672,
373
+ "learning_rate": 3.57e-05,
374
+ "loss": 14.357989501953124,
375
+ "step": 430
376
+ },
377
+ {
378
+ "epoch": 2.1570552147239264,
379
+ "grad_norm": 26.02811050415039,
380
+ "learning_rate": 3.536666666666667e-05,
381
+ "loss": 14.351121520996093,
382
+ "step": 440
383
+ },
384
+ {
385
+ "epoch": 2.2061349693251535,
386
+ "grad_norm": 30.41547966003418,
387
+ "learning_rate": 3.5033333333333336e-05,
388
+ "loss": 14.889694213867188,
389
+ "step": 450
390
+ },
391
+ {
392
+ "epoch": 2.2061349693251535,
393
+ "eval_loss": 15.565719604492188,
394
+ "eval_runtime": 39.0464,
395
+ "eval_samples_per_second": 4.661,
396
+ "eval_steps_per_second": 2.331,
397
+ "step": 450
398
+ },
399
+ {
400
+ "epoch": 2.2552147239263802,
401
+ "grad_norm": 46.164703369140625,
402
+ "learning_rate": 3.4699999999999996e-05,
403
+ "loss": 14.418521118164062,
404
+ "step": 460
405
+ },
406
+ {
407
+ "epoch": 2.3042944785276074,
408
+ "grad_norm": 21.727312088012695,
409
+ "learning_rate": 3.436666666666667e-05,
410
+ "loss": 13.570603942871093,
411
+ "step": 470
412
+ },
413
+ {
414
+ "epoch": 2.3533742331288345,
415
+ "grad_norm": 16.459651947021484,
416
+ "learning_rate": 3.403333333333333e-05,
417
+ "loss": 13.92818603515625,
418
+ "step": 480
419
+ },
420
+ {
421
+ "epoch": 2.4024539877300612,
422
+ "grad_norm": 34.048397064208984,
423
+ "learning_rate": 3.3700000000000006e-05,
424
+ "loss": 14.147259521484376,
425
+ "step": 490
426
+ },
427
+ {
428
+ "epoch": 2.4515337423312884,
429
+ "grad_norm": 34.67011260986328,
430
+ "learning_rate": 3.336666666666667e-05,
431
+ "loss": 15.106980895996093,
432
+ "step": 500
433
+ },
434
+ {
435
+ "epoch": 2.4515337423312884,
436
+ "eval_loss": 15.51108169555664,
437
+ "eval_runtime": 41.1135,
438
+ "eval_samples_per_second": 4.427,
439
+ "eval_steps_per_second": 2.213,
440
+ "step": 500
441
+ },
442
+ {
443
+ "epoch": 2.500613496932515,
444
+ "grad_norm": 34.939857482910156,
445
+ "learning_rate": 3.3033333333333334e-05,
446
+ "loss": 14.182997131347657,
447
+ "step": 510
448
+ },
449
+ {
450
+ "epoch": 2.5496932515337423,
451
+ "grad_norm": 31.07122802734375,
452
+ "learning_rate": 3.27e-05,
453
+ "loss": 13.836663818359375,
454
+ "step": 520
455
+ },
456
+ {
457
+ "epoch": 2.5987730061349694,
458
+ "grad_norm": 25.74968910217285,
459
+ "learning_rate": 3.236666666666667e-05,
460
+ "loss": 14.66486053466797,
461
+ "step": 530
462
+ },
463
+ {
464
+ "epoch": 2.647852760736196,
465
+ "grad_norm": 30.36574363708496,
466
+ "learning_rate": 3.203333333333334e-05,
467
+ "loss": 14.257682800292969,
468
+ "step": 540
469
+ },
470
+ {
471
+ "epoch": 2.6969325153374233,
472
+ "grad_norm": 35.92825698852539,
473
+ "learning_rate": 3.1700000000000005e-05,
474
+ "loss": 14.175831604003907,
475
+ "step": 550
476
+ },
477
+ {
478
+ "epoch": 2.6969325153374233,
479
+ "eval_loss": 15.366315841674805,
480
+ "eval_runtime": 40.6433,
481
+ "eval_samples_per_second": 4.478,
482
+ "eval_steps_per_second": 2.239,
483
+ "step": 550
484
+ },
485
+ {
486
+ "epoch": 2.7460122699386504,
487
+ "grad_norm": 37.34353256225586,
488
+ "learning_rate": 3.1366666666666666e-05,
489
+ "loss": 14.266238403320312,
490
+ "step": 560
491
+ },
492
+ {
493
+ "epoch": 2.795092024539877,
494
+ "grad_norm": 31.735153198242188,
495
+ "learning_rate": 3.103333333333333e-05,
496
+ "loss": 13.365855407714843,
497
+ "step": 570
498
+ },
499
+ {
500
+ "epoch": 2.8441717791411043,
501
+ "grad_norm": 98.26312255859375,
502
+ "learning_rate": 3.07e-05,
503
+ "loss": 14.62713165283203,
504
+ "step": 580
505
+ },
506
+ {
507
+ "epoch": 2.8932515337423315,
508
+ "grad_norm": 17.439157485961914,
509
+ "learning_rate": 3.0366666666666665e-05,
510
+ "loss": 13.467413330078125,
511
+ "step": 590
512
+ },
513
+ {
514
+ "epoch": 2.942331288343558,
515
+ "grad_norm": 27.204893112182617,
516
+ "learning_rate": 3.0033333333333336e-05,
517
+ "loss": 14.057601928710938,
518
+ "step": 600
519
+ },
520
+ {
521
+ "epoch": 2.942331288343558,
522
+ "eval_loss": 15.246512413024902,
523
+ "eval_runtime": 43.2389,
524
+ "eval_samples_per_second": 4.209,
525
+ "eval_steps_per_second": 2.105,
526
+ "step": 600
527
+ },
528
+ {
529
+ "epoch": 2.9914110429447853,
530
+ "grad_norm": 12.329130172729492,
531
+ "learning_rate": 2.97e-05,
532
+ "loss": 14.812062072753907,
533
+ "step": 610
534
+ },
535
+ {
536
+ "epoch": 3.039263803680982,
537
+ "grad_norm": 24.031600952148438,
538
+ "learning_rate": 2.936666666666667e-05,
539
+ "loss": 13.966084289550782,
540
+ "step": 620
541
+ },
542
+ {
543
+ "epoch": 3.0883435582822085,
544
+ "grad_norm": 40.748779296875,
545
+ "learning_rate": 2.9033333333333335e-05,
546
+ "loss": 14.358778381347657,
547
+ "step": 630
548
+ },
549
+ {
550
+ "epoch": 3.1374233128834357,
551
+ "grad_norm": 14.254459381103516,
552
+ "learning_rate": 2.87e-05,
553
+ "loss": 13.152987670898437,
554
+ "step": 640
555
+ },
556
+ {
557
+ "epoch": 3.1865030674846624,
558
+ "grad_norm": 15.7260160446167,
559
+ "learning_rate": 2.836666666666667e-05,
560
+ "loss": 13.556698608398438,
561
+ "step": 650
562
+ },
563
+ {
564
+ "epoch": 3.1865030674846624,
565
+ "eval_loss": 15.114974021911621,
566
+ "eval_runtime": 42.1366,
567
+ "eval_samples_per_second": 4.319,
568
+ "eval_steps_per_second": 2.16,
569
+ "step": 650
570
+ },
571
+ {
572
+ "epoch": 3.2355828220858895,
573
+ "grad_norm": 38.213680267333984,
574
+ "learning_rate": 2.8033333333333335e-05,
575
+ "loss": 13.558474731445312,
576
+ "step": 660
577
+ },
578
+ {
579
+ "epoch": 3.2846625766871167,
580
+ "grad_norm": 104.97026062011719,
581
+ "learning_rate": 2.7700000000000002e-05,
582
+ "loss": 13.00757293701172,
583
+ "step": 670
584
+ },
585
+ {
586
+ "epoch": 3.3337423312883434,
587
+ "grad_norm": 13.806890487670898,
588
+ "learning_rate": 2.7366666666666667e-05,
589
+ "loss": 13.897848510742188,
590
+ "step": 680
591
+ },
592
+ {
593
+ "epoch": 3.3828220858895706,
594
+ "grad_norm": 29.56549072265625,
595
+ "learning_rate": 2.7033333333333334e-05,
596
+ "loss": 13.427003479003906,
597
+ "step": 690
598
+ },
599
+ {
600
+ "epoch": 3.4319018404907977,
601
+ "grad_norm": 81.19813537597656,
602
+ "learning_rate": 2.6700000000000002e-05,
603
+ "loss": 14.479643249511719,
604
+ "step": 700
605
+ },
606
+ {
607
+ "epoch": 3.4319018404907977,
608
+ "eval_loss": 14.978218078613281,
609
+ "eval_runtime": 43.6526,
610
+ "eval_samples_per_second": 4.169,
611
+ "eval_steps_per_second": 2.085,
612
+ "step": 700
613
+ },
614
+ {
615
+ "epoch": 3.4809815950920244,
616
+ "grad_norm": 16.091901779174805,
617
+ "learning_rate": 2.6366666666666666e-05,
618
+ "loss": 13.979498291015625,
619
+ "step": 710
620
+ },
621
+ {
622
+ "epoch": 3.5300613496932516,
623
+ "grad_norm": 22.681127548217773,
624
+ "learning_rate": 2.6033333333333337e-05,
625
+ "loss": 13.41939697265625,
626
+ "step": 720
627
+ },
628
+ {
629
+ "epoch": 3.5791411042944787,
630
+ "grad_norm": 17.96540641784668,
631
+ "learning_rate": 2.57e-05,
632
+ "loss": 12.661479187011718,
633
+ "step": 730
634
+ },
635
+ {
636
+ "epoch": 3.6282208588957054,
637
+ "grad_norm": 15.208456993103027,
638
+ "learning_rate": 2.5366666666666665e-05,
639
+ "loss": 14.115220642089843,
640
+ "step": 740
641
+ },
642
+ {
643
+ "epoch": 3.6773006134969326,
644
+ "grad_norm": 31.329551696777344,
645
+ "learning_rate": 2.5033333333333336e-05,
646
+ "loss": 13.163510131835938,
647
+ "step": 750
648
+ },
649
+ {
650
+ "epoch": 3.6773006134969326,
651
+ "eval_loss": 14.82515811920166,
652
+ "eval_runtime": 37.4149,
653
+ "eval_samples_per_second": 4.864,
654
+ "eval_steps_per_second": 2.432,
655
+ "step": 750
656
+ },
657
+ {
658
+ "epoch": 3.7263803680981598,
659
+ "grad_norm": 1332.45947265625,
660
+ "learning_rate": 2.47e-05,
661
+ "loss": 13.876724243164062,
662
+ "step": 760
663
+ },
664
+ {
665
+ "epoch": 3.7754601226993865,
666
+ "grad_norm": 34.76375198364258,
667
+ "learning_rate": 2.4366666666666668e-05,
668
+ "loss": 14.658612060546876,
669
+ "step": 770
670
+ },
671
+ {
672
+ "epoch": 3.8245398773006136,
673
+ "grad_norm": 48.79170227050781,
674
+ "learning_rate": 2.4033333333333336e-05,
675
+ "loss": 13.000140380859374,
676
+ "step": 780
677
+ },
678
+ {
679
+ "epoch": 3.8736196319018403,
680
+ "grad_norm": 42.13340759277344,
681
+ "learning_rate": 2.37e-05,
682
+ "loss": 14.50831298828125,
683
+ "step": 790
684
+ },
685
+ {
686
+ "epoch": 3.9226993865030675,
687
+ "grad_norm": 86.20625305175781,
688
+ "learning_rate": 2.3366666666666668e-05,
689
+ "loss": 14.822312927246093,
690
+ "step": 800
691
+ },
692
+ {
693
+ "epoch": 3.9226993865030675,
694
+ "eval_loss": 14.68934440612793,
695
+ "eval_runtime": 39.5638,
696
+ "eval_samples_per_second": 4.6,
697
+ "eval_steps_per_second": 2.3,
698
+ "step": 800
699
+ },
700
+ {
701
+ "epoch": 3.9717791411042946,
702
+ "grad_norm": 20.926660537719727,
703
+ "learning_rate": 2.3033333333333335e-05,
704
+ "loss": 13.783210754394531,
705
+ "step": 810
706
+ },
707
+ {
708
+ "epoch": 4.019631901840491,
709
+ "grad_norm": 23.816688537597656,
710
+ "learning_rate": 2.2700000000000003e-05,
711
+ "loss": 12.764644622802734,
712
+ "step": 820
713
+ },
714
+ {
715
+ "epoch": 4.068711656441717,
716
+ "grad_norm": 15.770354270935059,
717
+ "learning_rate": 2.236666666666667e-05,
718
+ "loss": 13.330882263183593,
719
+ "step": 830
720
+ },
721
+ {
722
+ "epoch": 4.117791411042945,
723
+ "grad_norm": 21.714099884033203,
724
+ "learning_rate": 2.2033333333333335e-05,
725
+ "loss": 13.474424743652344,
726
+ "step": 840
727
+ },
728
+ {
729
+ "epoch": 4.166871165644172,
730
+ "grad_norm": 91.50057983398438,
731
+ "learning_rate": 2.1700000000000002e-05,
732
+ "loss": 13.231269836425781,
733
+ "step": 850
734
+ },
735
+ {
736
+ "epoch": 4.166871165644172,
737
+ "eval_loss": 14.556946754455566,
738
+ "eval_runtime": 38.2205,
739
+ "eval_samples_per_second": 4.762,
740
+ "eval_steps_per_second": 2.381,
741
+ "step": 850
742
+ },
743
+ {
744
+ "epoch": 4.215950920245398,
745
+ "grad_norm": 17.647167205810547,
746
+ "learning_rate": 2.1366666666666667e-05,
747
+ "loss": 12.184500122070313,
748
+ "step": 860
749
+ },
750
+ {
751
+ "epoch": 4.265030674846626,
752
+ "grad_norm": 38.162235260009766,
753
+ "learning_rate": 2.1033333333333334e-05,
754
+ "loss": 13.84857635498047,
755
+ "step": 870
756
+ },
757
+ {
758
+ "epoch": 4.314110429447853,
759
+ "grad_norm": 50.7490119934082,
760
+ "learning_rate": 2.07e-05,
761
+ "loss": 13.955613708496093,
762
+ "step": 880
763
+ },
764
+ {
765
+ "epoch": 4.363190184049079,
766
+ "grad_norm": 49.21486282348633,
767
+ "learning_rate": 2.0366666666666666e-05,
768
+ "loss": 13.641081237792969,
769
+ "step": 890
770
+ },
771
+ {
772
+ "epoch": 4.412269938650307,
773
+ "grad_norm": 28.068675994873047,
774
+ "learning_rate": 2.0033333333333334e-05,
775
+ "loss": 12.916078186035156,
776
+ "step": 900
777
+ },
778
+ {
779
+ "epoch": 4.412269938650307,
780
+ "eval_loss": 14.424991607666016,
781
+ "eval_runtime": 38.9307,
782
+ "eval_samples_per_second": 4.675,
783
+ "eval_steps_per_second": 2.337,
784
+ "step": 900
785
+ },
786
+ {
787
+ "epoch": 4.461349693251534,
788
+ "grad_norm": 34.82908248901367,
789
+ "learning_rate": 1.97e-05,
790
+ "loss": 13.292868041992188,
791
+ "step": 910
792
+ },
793
+ {
794
+ "epoch": 4.5104294478527605,
795
+ "grad_norm": 63.21987533569336,
796
+ "learning_rate": 1.9366666666666665e-05,
797
+ "loss": 14.213397216796874,
798
+ "step": 920
799
+ },
800
+ {
801
+ "epoch": 4.559509202453988,
802
+ "grad_norm": 88.16678619384766,
803
+ "learning_rate": 1.9033333333333333e-05,
804
+ "loss": 14.995484924316406,
805
+ "step": 930
806
+ },
807
+ {
808
+ "epoch": 4.608588957055215,
809
+ "grad_norm": 28.077667236328125,
810
+ "learning_rate": 1.87e-05,
811
+ "loss": 12.535974884033203,
812
+ "step": 940
813
+ },
814
+ {
815
+ "epoch": 4.6576687116564415,
816
+ "grad_norm": 20.904939651489258,
817
+ "learning_rate": 1.8366666666666668e-05,
818
+ "loss": 13.060704040527344,
819
+ "step": 950
820
+ },
821
+ {
822
+ "epoch": 4.6576687116564415,
823
+ "eval_loss": 14.326519012451172,
824
+ "eval_runtime": 38.917,
825
+ "eval_samples_per_second": 4.677,
826
+ "eval_steps_per_second": 2.338,
827
+ "step": 950
828
+ },
829
+ {
830
+ "epoch": 4.706748466257669,
831
+ "grad_norm": 31.5518798828125,
832
+ "learning_rate": 1.8033333333333336e-05,
833
+ "loss": 13.33092041015625,
834
+ "step": 960
835
+ },
836
+ {
837
+ "epoch": 4.755828220858896,
838
+ "grad_norm": 653.3424072265625,
839
+ "learning_rate": 1.77e-05,
840
+ "loss": 12.219943237304687,
841
+ "step": 970
842
+ },
843
+ {
844
+ "epoch": 4.8049079754601225,
845
+ "grad_norm": 37.25469970703125,
846
+ "learning_rate": 1.7366666666666668e-05,
847
+ "loss": 12.116426086425781,
848
+ "step": 980
849
+ },
850
+ {
851
+ "epoch": 4.85398773006135,
852
+ "grad_norm": 92.45735168457031,
853
+ "learning_rate": 1.7033333333333335e-05,
854
+ "loss": 12.870594787597657,
855
+ "step": 990
856
+ },
857
+ {
858
+ "epoch": 4.903067484662577,
859
+ "grad_norm": 107.67335510253906,
860
+ "learning_rate": 1.6700000000000003e-05,
861
+ "loss": 13.02753143310547,
862
+ "step": 1000
863
+ },
864
+ {
865
+ "epoch": 4.903067484662577,
866
+ "eval_loss": 14.26012134552002,
867
+ "eval_runtime": 38.544,
868
+ "eval_samples_per_second": 4.722,
869
+ "eval_steps_per_second": 2.361,
870
+ "step": 1000
871
+ },
872
+ {
873
+ "epoch": 4.9521472392638035,
874
+ "grad_norm": 49.16620635986328,
875
+ "learning_rate": 1.6366666666666667e-05,
876
+ "loss": 13.61646728515625,
877
+ "step": 1010
878
+ },
879
+ {
880
+ "epoch": 5.0,
881
+ "grad_norm": 19.558124542236328,
882
+ "learning_rate": 1.6033333333333335e-05,
883
+ "loss": 12.80182342529297,
884
+ "step": 1020
885
+ },
886
+ {
887
+ "epoch": 5.049079754601227,
888
+ "grad_norm": 27.837764739990234,
889
+ "learning_rate": 1.5700000000000002e-05,
890
+ "loss": 12.663983154296876,
891
+ "step": 1030
892
+ },
893
+ {
894
+ "epoch": 5.098159509202454,
895
+ "grad_norm": 23.480735778808594,
896
+ "learning_rate": 1.536666666666667e-05,
897
+ "loss": 13.12053985595703,
898
+ "step": 1040
899
+ },
900
+ {
901
+ "epoch": 5.147239263803681,
902
+ "grad_norm": 31.407812118530273,
903
+ "learning_rate": 1.5033333333333336e-05,
904
+ "loss": 12.675830078125,
905
+ "step": 1050
906
+ },
907
+ {
908
+ "epoch": 5.147239263803681,
909
+ "eval_loss": 14.139296531677246,
910
+ "eval_runtime": 37.0199,
911
+ "eval_samples_per_second": 4.916,
912
+ "eval_steps_per_second": 2.458,
913
+ "step": 1050
914
+ },
915
+ {
916
+ "epoch": 5.196319018404908,
917
+ "grad_norm": 37.02568054199219,
918
+ "learning_rate": 1.47e-05,
919
+ "loss": 12.703949737548829,
920
+ "step": 1060
921
+ },
922
+ {
923
+ "epoch": 5.245398773006135,
924
+ "grad_norm": 39.249202728271484,
925
+ "learning_rate": 1.4366666666666667e-05,
926
+ "loss": 12.721959686279297,
927
+ "step": 1070
928
+ },
929
+ {
930
+ "epoch": 5.294478527607362,
931
+ "grad_norm": 22.826065063476562,
932
+ "learning_rate": 1.4033333333333335e-05,
933
+ "loss": 12.570162200927735,
934
+ "step": 1080
935
+ },
936
+ {
937
+ "epoch": 5.343558282208589,
938
+ "grad_norm": 23.219398498535156,
939
+ "learning_rate": 1.3700000000000001e-05,
940
+ "loss": 12.531348419189452,
941
+ "step": 1090
942
+ },
943
+ {
944
+ "epoch": 5.392638036809816,
945
+ "grad_norm": 62.71016311645508,
946
+ "learning_rate": 1.3366666666666667e-05,
947
+ "loss": 13.075291442871094,
948
+ "step": 1100
949
+ },
950
+ {
951
+ "epoch": 5.392638036809816,
952
+ "eval_loss": 14.105238914489746,
953
+ "eval_runtime": 39.2488,
954
+ "eval_samples_per_second": 4.637,
955
+ "eval_steps_per_second": 2.319,
956
+ "step": 1100
957
+ },
958
+ {
959
+ "epoch": 5.441717791411043,
960
+ "grad_norm": 23.681791305541992,
961
+ "learning_rate": 1.3033333333333333e-05,
962
+ "loss": 13.384321594238282,
963
+ "step": 1110
964
+ },
965
+ {
966
+ "epoch": 5.49079754601227,
967
+ "grad_norm": 27.000633239746094,
968
+ "learning_rate": 1.27e-05,
969
+ "loss": 13.452699279785156,
970
+ "step": 1120
971
+ },
972
+ {
973
+ "epoch": 5.539877300613497,
974
+ "grad_norm": 27.256839752197266,
975
+ "learning_rate": 1.2366666666666666e-05,
976
+ "loss": 11.978835296630859,
977
+ "step": 1130
978
+ },
979
+ {
980
+ "epoch": 5.588957055214724,
981
+ "grad_norm": 23.55782699584961,
982
+ "learning_rate": 1.2033333333333334e-05,
983
+ "loss": 12.881614685058594,
984
+ "step": 1140
985
+ },
986
+ {
987
+ "epoch": 5.638036809815951,
988
+ "grad_norm": 48.37996292114258,
989
+ "learning_rate": 1.1700000000000001e-05,
990
+ "loss": 13.591836547851562,
991
+ "step": 1150
992
+ },
993
+ {
994
+ "epoch": 5.638036809815951,
995
+ "eval_loss": 14.041095733642578,
996
+ "eval_runtime": 41.7982,
997
+ "eval_samples_per_second": 4.354,
998
+ "eval_steps_per_second": 2.177,
999
+ "step": 1150
1000
+ },
1001
+ {
1002
+ "epoch": 5.6871165644171775,
1003
+ "grad_norm": 51.212158203125,
1004
+ "learning_rate": 1.1366666666666667e-05,
1005
+ "loss": 12.98650665283203,
1006
+ "step": 1160
1007
+ },
1008
+ {
1009
+ "epoch": 5.736196319018405,
1010
+ "grad_norm": 51.17803955078125,
1011
+ "learning_rate": 1.1033333333333335e-05,
1012
+ "loss": 13.302549743652344,
1013
+ "step": 1170
1014
+ },
1015
+ {
1016
+ "epoch": 5.785276073619632,
1017
+ "grad_norm": 48.82744216918945,
1018
+ "learning_rate": 1.0700000000000001e-05,
1019
+ "loss": 13.5542236328125,
1020
+ "step": 1180
1021
+ },
1022
+ {
1023
+ "epoch": 5.8343558282208585,
1024
+ "grad_norm": 24.384714126586914,
1025
+ "learning_rate": 1.0366666666666667e-05,
1026
+ "loss": 12.123136138916015,
1027
+ "step": 1190
1028
+ },
1029
+ {
1030
+ "epoch": 5.883435582822086,
1031
+ "grad_norm": 31.2034854888916,
1032
+ "learning_rate": 1.0033333333333333e-05,
1033
+ "loss": 12.414421844482423,
1034
+ "step": 1200
1035
+ },
1036
+ {
1037
+ "epoch": 5.883435582822086,
1038
+ "eval_loss": 13.998857498168945,
1039
+ "eval_runtime": 38.6434,
1040
+ "eval_samples_per_second": 4.71,
1041
+ "eval_steps_per_second": 2.355,
1042
+ "step": 1200
1043
+ },
1044
+ {
1045
+ "epoch": 5.932515337423313,
1046
+ "grad_norm": 37.432987213134766,
1047
+ "learning_rate": 9.7e-06,
1048
+ "loss": 13.408476257324219,
1049
+ "step": 1210
1050
+ },
1051
+ {
1052
+ "epoch": 5.9815950920245395,
1053
+ "grad_norm": 26.05211067199707,
1054
+ "learning_rate": 9.366666666666666e-06,
1055
+ "loss": 12.927764892578125,
1056
+ "step": 1220
1057
+ },
1058
+ {
1059
+ "epoch": 6.029447852760736,
1060
+ "grad_norm": 289.5566101074219,
1061
+ "learning_rate": 9.033333333333334e-06,
1062
+ "loss": 12.914114379882813,
1063
+ "step": 1230
1064
+ },
1065
+ {
1066
+ "epoch": 6.078527607361964,
1067
+ "grad_norm": 26.149118423461914,
1068
+ "learning_rate": 8.7e-06,
1069
+ "loss": 12.25345687866211,
1070
+ "step": 1240
1071
+ },
1072
+ {
1073
+ "epoch": 6.12760736196319,
1074
+ "grad_norm": 114.61143493652344,
1075
+ "learning_rate": 8.366666666666667e-06,
1076
+ "loss": 12.632183837890626,
1077
+ "step": 1250
1078
+ },
1079
+ {
1080
+ "epoch": 6.12760736196319,
1081
+ "eval_loss": 13.935482025146484,
1082
+ "eval_runtime": 40.5064,
1083
+ "eval_samples_per_second": 4.493,
1084
+ "eval_steps_per_second": 2.247,
1085
+ "step": 1250
1086
+ },
1087
+ {
1088
+ "epoch": 6.176687116564417,
1089
+ "grad_norm": 42.82421875,
1090
+ "learning_rate": 8.033333333333335e-06,
1091
+ "loss": 13.101655578613281,
1092
+ "step": 1260
1093
+ },
1094
+ {
1095
+ "epoch": 6.225766871165644,
1096
+ "grad_norm": 33.23186492919922,
1097
+ "learning_rate": 7.7e-06,
1098
+ "loss": 13.450106811523437,
1099
+ "step": 1270
1100
+ },
1101
+ {
1102
+ "epoch": 6.274846625766871,
1103
+ "grad_norm": 26.12009620666504,
1104
+ "learning_rate": 7.3666666666666676e-06,
1105
+ "loss": 12.488797760009765,
1106
+ "step": 1280
1107
+ },
1108
+ {
1109
+ "epoch": 6.323926380368098,
1110
+ "grad_norm": 32.78421401977539,
1111
+ "learning_rate": 7.0333333333333335e-06,
1112
+ "loss": 12.555646514892578,
1113
+ "step": 1290
1114
+ },
1115
+ {
1116
+ "epoch": 6.373006134969325,
1117
+ "grad_norm": 29.015918731689453,
1118
+ "learning_rate": 6.700000000000001e-06,
1119
+ "loss": 12.983633422851563,
1120
+ "step": 1300
1121
+ },
1122
+ {
1123
+ "epoch": 6.373006134969325,
1124
+ "eval_loss": 13.928925514221191,
1125
+ "eval_runtime": 39.9512,
1126
+ "eval_samples_per_second": 4.556,
1127
+ "eval_steps_per_second": 2.278,
1128
+ "step": 1300
1129
+ },
1130
+ {
1131
+ "epoch": 6.422085889570552,
1132
+ "grad_norm": 41.78955078125,
1133
+ "learning_rate": 6.366666666666667e-06,
1134
+ "loss": 12.635806274414062,
1135
+ "step": 1310
1136
+ },
1137
+ {
1138
+ "epoch": 6.471165644171779,
1139
+ "grad_norm": 24.4581298828125,
1140
+ "learning_rate": 6.033333333333334e-06,
1141
+ "loss": 13.062667846679688,
1142
+ "step": 1320
1143
+ },
1144
+ {
1145
+ "epoch": 6.520245398773006,
1146
+ "grad_norm": 50.299800872802734,
1147
+ "learning_rate": 5.7000000000000005e-06,
1148
+ "loss": 12.462434387207031,
1149
+ "step": 1330
1150
+ },
1151
+ {
1152
+ "epoch": 6.569325153374233,
1153
+ "grad_norm": 33.94356155395508,
1154
+ "learning_rate": 5.366666666666667e-06,
1155
+ "loss": 12.54861831665039,
1156
+ "step": 1340
1157
+ },
1158
+ {
1159
+ "epoch": 6.61840490797546,
1160
+ "grad_norm": 36.55792999267578,
1161
+ "learning_rate": 5.033333333333334e-06,
1162
+ "loss": 13.983724975585938,
1163
+ "step": 1350
1164
+ },
1165
+ {
1166
+ "epoch": 6.61840490797546,
1167
+ "eval_loss": 13.907698631286621,
1168
+ "eval_runtime": 41.4124,
1169
+ "eval_samples_per_second": 4.395,
1170
+ "eval_steps_per_second": 2.197,
1171
+ "step": 1350
1172
+ },
1173
+ {
1174
+ "epoch": 6.667484662576687,
1175
+ "grad_norm": 25.11964988708496,
1176
+ "learning_rate": 4.7e-06,
1177
+ "loss": 13.335467529296874,
1178
+ "step": 1360
1179
+ },
1180
+ {
1181
+ "epoch": 6.716564417177914,
1182
+ "grad_norm": 17.177019119262695,
1183
+ "learning_rate": 4.366666666666667e-06,
1184
+ "loss": 11.984165954589844,
1185
+ "step": 1370
1186
+ },
1187
+ {
1188
+ "epoch": 6.765644171779141,
1189
+ "grad_norm": 35.68173599243164,
1190
+ "learning_rate": 4.033333333333333e-06,
1191
+ "loss": 12.69136962890625,
1192
+ "step": 1380
1193
+ },
1194
+ {
1195
+ "epoch": 6.814723926380368,
1196
+ "grad_norm": 37.65143585205078,
1197
+ "learning_rate": 3.7e-06,
1198
+ "loss": 13.1892333984375,
1199
+ "step": 1390
1200
+ },
1201
+ {
1202
+ "epoch": 6.863803680981595,
1203
+ "grad_norm": 23.39664077758789,
1204
+ "learning_rate": 3.3666666666666665e-06,
1205
+ "loss": 13.339341735839843,
1206
+ "step": 1400
1207
+ },
1208
+ {
1209
+ "epoch": 6.863803680981595,
1210
+ "eval_loss": 13.878008842468262,
1211
+ "eval_runtime": 39.4923,
1212
+ "eval_samples_per_second": 4.608,
1213
+ "eval_steps_per_second": 2.304,
1214
+ "step": 1400
1215
+ },
1216
+ {
1217
+ "epoch": 6.912883435582822,
1218
+ "grad_norm": 23.29909324645996,
1219
+ "learning_rate": 3.0333333333333337e-06,
1220
+ "loss": 12.268131256103516,
1221
+ "step": 1410
1222
+ },
1223
+ {
1224
+ "epoch": 6.961963190184049,
1225
+ "grad_norm": 36.48480987548828,
1226
+ "learning_rate": 2.7e-06,
1227
+ "loss": 11.793212890625,
1228
+ "step": 1420
1229
+ },
1230
+ {
1231
+ "epoch": 7.009815950920245,
1232
+ "grad_norm": 22.55660629272461,
1233
+ "learning_rate": 2.3666666666666667e-06,
1234
+ "loss": 12.747257232666016,
1235
+ "step": 1430
1236
+ },
1237
+ {
1238
+ "epoch": 7.058895705521472,
1239
+ "grad_norm": 19.58152961730957,
1240
+ "learning_rate": 2.033333333333333e-06,
1241
+ "loss": 12.71964111328125,
1242
+ "step": 1440
1243
+ },
1244
+ {
1245
+ "epoch": 7.1079754601227,
1246
+ "grad_norm": 53.886444091796875,
1247
+ "learning_rate": 1.7000000000000002e-06,
1248
+ "loss": 11.690947723388671,
1249
+ "step": 1450
1250
+ },
1251
+ {
1252
+ "epoch": 7.1079754601227,
1253
+ "eval_loss": 13.852093696594238,
1254
+ "eval_runtime": 36.145,
1255
+ "eval_samples_per_second": 5.035,
1256
+ "eval_steps_per_second": 2.518,
1257
+ "step": 1450
1258
+ },
1259
+ {
1260
+ "epoch": 7.157055214723926,
1261
+ "grad_norm": 22.625911712646484,
1262
+ "learning_rate": 1.3666666666666668e-06,
1263
+ "loss": 11.432347869873047,
1264
+ "step": 1460
1265
+ },
1266
+ {
1267
+ "epoch": 7.206134969325153,
1268
+ "grad_norm": 32.625022888183594,
1269
+ "learning_rate": 1.0333333333333333e-06,
1270
+ "loss": 12.800825500488282,
1271
+ "step": 1470
1272
+ },
1273
+ {
1274
+ "epoch": 7.255214723926381,
1275
+ "grad_norm": 154.76283264160156,
1276
+ "learning_rate": 7.000000000000001e-07,
1277
+ "loss": 13.552883911132813,
1278
+ "step": 1480
1279
+ },
1280
+ {
1281
+ "epoch": 7.304294478527607,
1282
+ "grad_norm": 28.690673828125,
1283
+ "learning_rate": 3.6666666666666667e-07,
1284
+ "loss": 13.66332550048828,
1285
+ "step": 1490
1286
+ },
1287
+ {
1288
+ "epoch": 7.353374233128834,
1289
+ "grad_norm": 130.90518188476562,
1290
+ "learning_rate": 3.3333333333333334e-08,
1291
+ "loss": 12.21392364501953,
1292
+ "step": 1500
1293
+ },
1294
+ {
1295
+ "epoch": 7.353374233128834,
1296
+ "eval_loss": 13.874632835388184,
1297
+ "eval_runtime": 37.9723,
1298
+ "eval_samples_per_second": 4.793,
1299
+ "eval_steps_per_second": 2.396,
1300
+ "step": 1500
1301
+ }
1302
+ ],
1303
+ "logging_steps": 10,
1304
+ "max_steps": 1500,
1305
+ "num_input_tokens_seen": 0,
1306
+ "num_train_epochs": 8,
1307
+ "save_steps": 50,
1308
+ "stateful_callbacks": {
1309
+ "TrainerControl": {
1310
+ "args": {
1311
+ "should_epoch_stop": false,
1312
+ "should_evaluate": false,
1313
+ "should_log": false,
1314
+ "should_save": true,
1315
+ "should_training_stop": true
1316
+ },
1317
+ "attributes": {}
1318
+ }
1319
+ },
1320
+ "total_flos": 2.504250677142766e+17,
1321
+ "train_batch_size": 2,
1322
+ "trial_name": null,
1323
+ "trial_params": null
1324
+ }
finetuned_checkpoints/gemma4_it/open_text/order/training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:305c8cee4aff594fe4d0f94a97b7b5d11c87d544a7f577e693f47b45391798eb
3
+ size 5201