End of training
Browse files- all_results.json +9 -0
- train_results.json +9 -0
- trainer_state.json +2667 -0
all_results.json
ADDED
|
@@ -0,0 +1,9 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"epoch": 3.0,
|
| 3 |
+
"total_flos": 4.523072421888e+18,
|
| 4 |
+
"train_loss": 1.9602742255859376,
|
| 5 |
+
"train_runtime": 236203.9107,
|
| 6 |
+
"train_samples": 250000,
|
| 7 |
+
"train_samples_per_second": 3.175,
|
| 8 |
+
"train_steps_per_second": 0.794
|
| 9 |
+
}
|
train_results.json
ADDED
|
@@ -0,0 +1,9 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"epoch": 3.0,
|
| 3 |
+
"total_flos": 4.523072421888e+18,
|
| 4 |
+
"train_loss": 1.9602742255859376,
|
| 5 |
+
"train_runtime": 236203.9107,
|
| 6 |
+
"train_samples": 250000,
|
| 7 |
+
"train_samples_per_second": 3.175,
|
| 8 |
+
"train_steps_per_second": 0.794
|
| 9 |
+
}
|
trainer_state.json
ADDED
|
@@ -0,0 +1,2667 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_metric": null,
|
| 3 |
+
"best_model_checkpoint": null,
|
| 4 |
+
"epoch": 3.0,
|
| 5 |
+
"eval_steps": 500,
|
| 6 |
+
"global_step": 187500,
|
| 7 |
+
"is_hyper_param_search": false,
|
| 8 |
+
"is_local_process_zero": true,
|
| 9 |
+
"is_world_process_zero": true,
|
| 10 |
+
"log_history": [
|
| 11 |
+
{
|
| 12 |
+
"epoch": 0.008,
|
| 13 |
+
"grad_norm": 2.003289222717285,
|
| 14 |
+
"learning_rate": 4.986666666666667e-05,
|
| 15 |
+
"loss": 3.3017,
|
| 16 |
+
"step": 500
|
| 17 |
+
},
|
| 18 |
+
{
|
| 19 |
+
"epoch": 0.016,
|
| 20 |
+
"grad_norm": 1.9417117834091187,
|
| 21 |
+
"learning_rate": 4.973333333333334e-05,
|
| 22 |
+
"loss": 2.9587,
|
| 23 |
+
"step": 1000
|
| 24 |
+
},
|
| 25 |
+
{
|
| 26 |
+
"epoch": 0.024,
|
| 27 |
+
"grad_norm": 2.0863430500030518,
|
| 28 |
+
"learning_rate": 4.96e-05,
|
| 29 |
+
"loss": 2.8227,
|
| 30 |
+
"step": 1500
|
| 31 |
+
},
|
| 32 |
+
{
|
| 33 |
+
"epoch": 0.032,
|
| 34 |
+
"grad_norm": 1.8975310325622559,
|
| 35 |
+
"learning_rate": 4.9466666666666665e-05,
|
| 36 |
+
"loss": 2.7524,
|
| 37 |
+
"step": 2000
|
| 38 |
+
},
|
| 39 |
+
{
|
| 40 |
+
"epoch": 0.04,
|
| 41 |
+
"grad_norm": 1.9644522666931152,
|
| 42 |
+
"learning_rate": 4.933333333333334e-05,
|
| 43 |
+
"loss": 2.672,
|
| 44 |
+
"step": 2500
|
| 45 |
+
},
|
| 46 |
+
{
|
| 47 |
+
"epoch": 0.048,
|
| 48 |
+
"grad_norm": 1.960860252380371,
|
| 49 |
+
"learning_rate": 4.92e-05,
|
| 50 |
+
"loss": 2.6376,
|
| 51 |
+
"step": 3000
|
| 52 |
+
},
|
| 53 |
+
{
|
| 54 |
+
"epoch": 0.056,
|
| 55 |
+
"grad_norm": 1.97514009475708,
|
| 56 |
+
"learning_rate": 4.906666666666667e-05,
|
| 57 |
+
"loss": 2.567,
|
| 58 |
+
"step": 3500
|
| 59 |
+
},
|
| 60 |
+
{
|
| 61 |
+
"epoch": 0.064,
|
| 62 |
+
"grad_norm": 1.7566739320755005,
|
| 63 |
+
"learning_rate": 4.8933333333333335e-05,
|
| 64 |
+
"loss": 2.5505,
|
| 65 |
+
"step": 4000
|
| 66 |
+
},
|
| 67 |
+
{
|
| 68 |
+
"epoch": 0.072,
|
| 69 |
+
"grad_norm": 1.8663053512573242,
|
| 70 |
+
"learning_rate": 4.88e-05,
|
| 71 |
+
"loss": 2.528,
|
| 72 |
+
"step": 4500
|
| 73 |
+
},
|
| 74 |
+
{
|
| 75 |
+
"epoch": 0.08,
|
| 76 |
+
"grad_norm": 1.7021238803863525,
|
| 77 |
+
"learning_rate": 4.866666666666667e-05,
|
| 78 |
+
"loss": 2.4845,
|
| 79 |
+
"step": 5000
|
| 80 |
+
},
|
| 81 |
+
{
|
| 82 |
+
"epoch": 0.088,
|
| 83 |
+
"grad_norm": 1.8380823135375977,
|
| 84 |
+
"learning_rate": 4.853333333333334e-05,
|
| 85 |
+
"loss": 2.4705,
|
| 86 |
+
"step": 5500
|
| 87 |
+
},
|
| 88 |
+
{
|
| 89 |
+
"epoch": 0.096,
|
| 90 |
+
"grad_norm": 1.6159015893936157,
|
| 91 |
+
"learning_rate": 4.8400000000000004e-05,
|
| 92 |
+
"loss": 2.4372,
|
| 93 |
+
"step": 6000
|
| 94 |
+
},
|
| 95 |
+
{
|
| 96 |
+
"epoch": 0.104,
|
| 97 |
+
"grad_norm": 1.7118232250213623,
|
| 98 |
+
"learning_rate": 4.826666666666667e-05,
|
| 99 |
+
"loss": 2.4196,
|
| 100 |
+
"step": 6500
|
| 101 |
+
},
|
| 102 |
+
{
|
| 103 |
+
"epoch": 0.112,
|
| 104 |
+
"grad_norm": 1.9589171409606934,
|
| 105 |
+
"learning_rate": 4.8133333333333336e-05,
|
| 106 |
+
"loss": 2.4217,
|
| 107 |
+
"step": 7000
|
| 108 |
+
},
|
| 109 |
+
{
|
| 110 |
+
"epoch": 0.12,
|
| 111 |
+
"grad_norm": 1.7806237936019897,
|
| 112 |
+
"learning_rate": 4.8e-05,
|
| 113 |
+
"loss": 2.4019,
|
| 114 |
+
"step": 7500
|
| 115 |
+
},
|
| 116 |
+
{
|
| 117 |
+
"epoch": 0.128,
|
| 118 |
+
"grad_norm": 1.885251522064209,
|
| 119 |
+
"learning_rate": 4.7866666666666674e-05,
|
| 120 |
+
"loss": 2.3634,
|
| 121 |
+
"step": 8000
|
| 122 |
+
},
|
| 123 |
+
{
|
| 124 |
+
"epoch": 0.136,
|
| 125 |
+
"grad_norm": 1.7820841073989868,
|
| 126 |
+
"learning_rate": 4.773333333333333e-05,
|
| 127 |
+
"loss": 2.3668,
|
| 128 |
+
"step": 8500
|
| 129 |
+
},
|
| 130 |
+
{
|
| 131 |
+
"epoch": 0.144,
|
| 132 |
+
"grad_norm": 1.9133358001708984,
|
| 133 |
+
"learning_rate": 4.76e-05,
|
| 134 |
+
"loss": 2.3619,
|
| 135 |
+
"step": 9000
|
| 136 |
+
},
|
| 137 |
+
{
|
| 138 |
+
"epoch": 0.152,
|
| 139 |
+
"grad_norm": 1.7148969173431396,
|
| 140 |
+
"learning_rate": 4.746666666666667e-05,
|
| 141 |
+
"loss": 2.3334,
|
| 142 |
+
"step": 9500
|
| 143 |
+
},
|
| 144 |
+
{
|
| 145 |
+
"epoch": 0.16,
|
| 146 |
+
"grad_norm": 1.9203144311904907,
|
| 147 |
+
"learning_rate": 4.7333333333333336e-05,
|
| 148 |
+
"loss": 2.3359,
|
| 149 |
+
"step": 10000
|
| 150 |
+
},
|
| 151 |
+
{
|
| 152 |
+
"epoch": 0.168,
|
| 153 |
+
"grad_norm": 1.8721007108688354,
|
| 154 |
+
"learning_rate": 4.72e-05,
|
| 155 |
+
"loss": 2.3072,
|
| 156 |
+
"step": 10500
|
| 157 |
+
},
|
| 158 |
+
{
|
| 159 |
+
"epoch": 0.176,
|
| 160 |
+
"grad_norm": 2.0277857780456543,
|
| 161 |
+
"learning_rate": 4.706666666666667e-05,
|
| 162 |
+
"loss": 2.3113,
|
| 163 |
+
"step": 11000
|
| 164 |
+
},
|
| 165 |
+
{
|
| 166 |
+
"epoch": 0.184,
|
| 167 |
+
"grad_norm": 1.7738251686096191,
|
| 168 |
+
"learning_rate": 4.6933333333333333e-05,
|
| 169 |
+
"loss": 2.2926,
|
| 170 |
+
"step": 11500
|
| 171 |
+
},
|
| 172 |
+
{
|
| 173 |
+
"epoch": 0.192,
|
| 174 |
+
"grad_norm": 1.7171841859817505,
|
| 175 |
+
"learning_rate": 4.6800000000000006e-05,
|
| 176 |
+
"loss": 2.2666,
|
| 177 |
+
"step": 12000
|
| 178 |
+
},
|
| 179 |
+
{
|
| 180 |
+
"epoch": 0.2,
|
| 181 |
+
"grad_norm": 1.7565449476242065,
|
| 182 |
+
"learning_rate": 4.666666666666667e-05,
|
| 183 |
+
"loss": 2.2611,
|
| 184 |
+
"step": 12500
|
| 185 |
+
},
|
| 186 |
+
{
|
| 187 |
+
"epoch": 0.208,
|
| 188 |
+
"grad_norm": 1.7599278688430786,
|
| 189 |
+
"learning_rate": 4.653333333333334e-05,
|
| 190 |
+
"loss": 2.2271,
|
| 191 |
+
"step": 13000
|
| 192 |
+
},
|
| 193 |
+
{
|
| 194 |
+
"epoch": 0.216,
|
| 195 |
+
"grad_norm": 1.7178858518600464,
|
| 196 |
+
"learning_rate": 4.64e-05,
|
| 197 |
+
"loss": 2.2365,
|
| 198 |
+
"step": 13500
|
| 199 |
+
},
|
| 200 |
+
{
|
| 201 |
+
"epoch": 0.224,
|
| 202 |
+
"grad_norm": 1.8284507989883423,
|
| 203 |
+
"learning_rate": 4.626666666666667e-05,
|
| 204 |
+
"loss": 2.2481,
|
| 205 |
+
"step": 14000
|
| 206 |
+
},
|
| 207 |
+
{
|
| 208 |
+
"epoch": 0.232,
|
| 209 |
+
"grad_norm": 1.7115669250488281,
|
| 210 |
+
"learning_rate": 4.6133333333333334e-05,
|
| 211 |
+
"loss": 2.2251,
|
| 212 |
+
"step": 14500
|
| 213 |
+
},
|
| 214 |
+
{
|
| 215 |
+
"epoch": 0.24,
|
| 216 |
+
"grad_norm": 1.8146499395370483,
|
| 217 |
+
"learning_rate": 4.600000000000001e-05,
|
| 218 |
+
"loss": 2.2236,
|
| 219 |
+
"step": 15000
|
| 220 |
+
},
|
| 221 |
+
{
|
| 222 |
+
"epoch": 0.248,
|
| 223 |
+
"grad_norm": 1.9686905145645142,
|
| 224 |
+
"learning_rate": 4.5866666666666666e-05,
|
| 225 |
+
"loss": 2.2121,
|
| 226 |
+
"step": 15500
|
| 227 |
+
},
|
| 228 |
+
{
|
| 229 |
+
"epoch": 0.256,
|
| 230 |
+
"grad_norm": 1.7863246202468872,
|
| 231 |
+
"learning_rate": 4.573333333333333e-05,
|
| 232 |
+
"loss": 2.1996,
|
| 233 |
+
"step": 16000
|
| 234 |
+
},
|
| 235 |
+
{
|
| 236 |
+
"epoch": 0.264,
|
| 237 |
+
"grad_norm": 1.8100513219833374,
|
| 238 |
+
"learning_rate": 4.5600000000000004e-05,
|
| 239 |
+
"loss": 2.198,
|
| 240 |
+
"step": 16500
|
| 241 |
+
},
|
| 242 |
+
{
|
| 243 |
+
"epoch": 0.272,
|
| 244 |
+
"grad_norm": 1.881562352180481,
|
| 245 |
+
"learning_rate": 4.546666666666667e-05,
|
| 246 |
+
"loss": 2.1799,
|
| 247 |
+
"step": 17000
|
| 248 |
+
},
|
| 249 |
+
{
|
| 250 |
+
"epoch": 0.28,
|
| 251 |
+
"grad_norm": 1.6310182809829712,
|
| 252 |
+
"learning_rate": 4.5333333333333335e-05,
|
| 253 |
+
"loss": 2.1745,
|
| 254 |
+
"step": 17500
|
| 255 |
+
},
|
| 256 |
+
{
|
| 257 |
+
"epoch": 0.288,
|
| 258 |
+
"grad_norm": 1.6067808866500854,
|
| 259 |
+
"learning_rate": 4.52e-05,
|
| 260 |
+
"loss": 2.1915,
|
| 261 |
+
"step": 18000
|
| 262 |
+
},
|
| 263 |
+
{
|
| 264 |
+
"epoch": 0.296,
|
| 265 |
+
"grad_norm": 1.7369599342346191,
|
| 266 |
+
"learning_rate": 4.5066666666666667e-05,
|
| 267 |
+
"loss": 2.1885,
|
| 268 |
+
"step": 18500
|
| 269 |
+
},
|
| 270 |
+
{
|
| 271 |
+
"epoch": 0.304,
|
| 272 |
+
"grad_norm": 1.7800626754760742,
|
| 273 |
+
"learning_rate": 4.493333333333333e-05,
|
| 274 |
+
"loss": 2.1616,
|
| 275 |
+
"step": 19000
|
| 276 |
+
},
|
| 277 |
+
{
|
| 278 |
+
"epoch": 0.312,
|
| 279 |
+
"grad_norm": 1.6520248651504517,
|
| 280 |
+
"learning_rate": 4.4800000000000005e-05,
|
| 281 |
+
"loss": 2.1659,
|
| 282 |
+
"step": 19500
|
| 283 |
+
},
|
| 284 |
+
{
|
| 285 |
+
"epoch": 0.32,
|
| 286 |
+
"grad_norm": 1.813111424446106,
|
| 287 |
+
"learning_rate": 4.466666666666667e-05,
|
| 288 |
+
"loss": 2.1524,
|
| 289 |
+
"step": 20000
|
| 290 |
+
},
|
| 291 |
+
{
|
| 292 |
+
"epoch": 0.328,
|
| 293 |
+
"grad_norm": 1.7057974338531494,
|
| 294 |
+
"learning_rate": 4.4533333333333336e-05,
|
| 295 |
+
"loss": 2.1552,
|
| 296 |
+
"step": 20500
|
| 297 |
+
},
|
| 298 |
+
{
|
| 299 |
+
"epoch": 0.336,
|
| 300 |
+
"grad_norm": 1.8424330949783325,
|
| 301 |
+
"learning_rate": 4.44e-05,
|
| 302 |
+
"loss": 2.1544,
|
| 303 |
+
"step": 21000
|
| 304 |
+
},
|
| 305 |
+
{
|
| 306 |
+
"epoch": 0.344,
|
| 307 |
+
"grad_norm": 1.7955451011657715,
|
| 308 |
+
"learning_rate": 4.426666666666667e-05,
|
| 309 |
+
"loss": 2.1532,
|
| 310 |
+
"step": 21500
|
| 311 |
+
},
|
| 312 |
+
{
|
| 313 |
+
"epoch": 0.352,
|
| 314 |
+
"grad_norm": 1.7302913665771484,
|
| 315 |
+
"learning_rate": 4.413333333333334e-05,
|
| 316 |
+
"loss": 2.1513,
|
| 317 |
+
"step": 22000
|
| 318 |
+
},
|
| 319 |
+
{
|
| 320 |
+
"epoch": 0.36,
|
| 321 |
+
"grad_norm": 1.799067497253418,
|
| 322 |
+
"learning_rate": 4.4000000000000006e-05,
|
| 323 |
+
"loss": 2.1335,
|
| 324 |
+
"step": 22500
|
| 325 |
+
},
|
| 326 |
+
{
|
| 327 |
+
"epoch": 0.368,
|
| 328 |
+
"grad_norm": 1.6940678358078003,
|
| 329 |
+
"learning_rate": 4.3866666666666665e-05,
|
| 330 |
+
"loss": 2.1432,
|
| 331 |
+
"step": 23000
|
| 332 |
+
},
|
| 333 |
+
{
|
| 334 |
+
"epoch": 0.376,
|
| 335 |
+
"grad_norm": 1.7601826190948486,
|
| 336 |
+
"learning_rate": 4.373333333333334e-05,
|
| 337 |
+
"loss": 2.1299,
|
| 338 |
+
"step": 23500
|
| 339 |
+
},
|
| 340 |
+
{
|
| 341 |
+
"epoch": 0.384,
|
| 342 |
+
"grad_norm": 1.683023452758789,
|
| 343 |
+
"learning_rate": 4.36e-05,
|
| 344 |
+
"loss": 2.1069,
|
| 345 |
+
"step": 24000
|
| 346 |
+
},
|
| 347 |
+
{
|
| 348 |
+
"epoch": 0.392,
|
| 349 |
+
"grad_norm": 1.6456326246261597,
|
| 350 |
+
"learning_rate": 4.346666666666667e-05,
|
| 351 |
+
"loss": 2.1177,
|
| 352 |
+
"step": 24500
|
| 353 |
+
},
|
| 354 |
+
{
|
| 355 |
+
"epoch": 0.4,
|
| 356 |
+
"grad_norm": 1.7178552150726318,
|
| 357 |
+
"learning_rate": 4.3333333333333334e-05,
|
| 358 |
+
"loss": 2.1151,
|
| 359 |
+
"step": 25000
|
| 360 |
+
},
|
| 361 |
+
{
|
| 362 |
+
"epoch": 0.408,
|
| 363 |
+
"grad_norm": 1.920957088470459,
|
| 364 |
+
"learning_rate": 4.32e-05,
|
| 365 |
+
"loss": 2.1101,
|
| 366 |
+
"step": 25500
|
| 367 |
+
},
|
| 368 |
+
{
|
| 369 |
+
"epoch": 0.416,
|
| 370 |
+
"grad_norm": 1.8896313905715942,
|
| 371 |
+
"learning_rate": 4.3066666666666665e-05,
|
| 372 |
+
"loss": 2.0899,
|
| 373 |
+
"step": 26000
|
| 374 |
+
},
|
| 375 |
+
{
|
| 376 |
+
"epoch": 0.424,
|
| 377 |
+
"grad_norm": 1.741023302078247,
|
| 378 |
+
"learning_rate": 4.293333333333334e-05,
|
| 379 |
+
"loss": 2.0869,
|
| 380 |
+
"step": 26500
|
| 381 |
+
},
|
| 382 |
+
{
|
| 383 |
+
"epoch": 0.432,
|
| 384 |
+
"grad_norm": 1.7964056730270386,
|
| 385 |
+
"learning_rate": 4.2800000000000004e-05,
|
| 386 |
+
"loss": 2.074,
|
| 387 |
+
"step": 27000
|
| 388 |
+
},
|
| 389 |
+
{
|
| 390 |
+
"epoch": 0.44,
|
| 391 |
+
"grad_norm": 1.717969536781311,
|
| 392 |
+
"learning_rate": 4.266666666666667e-05,
|
| 393 |
+
"loss": 2.1017,
|
| 394 |
+
"step": 27500
|
| 395 |
+
},
|
| 396 |
+
{
|
| 397 |
+
"epoch": 0.448,
|
| 398 |
+
"grad_norm": 1.782714605331421,
|
| 399 |
+
"learning_rate": 4.2533333333333335e-05,
|
| 400 |
+
"loss": 2.0931,
|
| 401 |
+
"step": 28000
|
| 402 |
+
},
|
| 403 |
+
{
|
| 404 |
+
"epoch": 0.456,
|
| 405 |
+
"grad_norm": 1.749220848083496,
|
| 406 |
+
"learning_rate": 4.24e-05,
|
| 407 |
+
"loss": 2.086,
|
| 408 |
+
"step": 28500
|
| 409 |
+
},
|
| 410 |
+
{
|
| 411 |
+
"epoch": 0.464,
|
| 412 |
+
"grad_norm": 1.7815303802490234,
|
| 413 |
+
"learning_rate": 4.226666666666667e-05,
|
| 414 |
+
"loss": 2.0875,
|
| 415 |
+
"step": 29000
|
| 416 |
+
},
|
| 417 |
+
{
|
| 418 |
+
"epoch": 0.472,
|
| 419 |
+
"grad_norm": 1.7255626916885376,
|
| 420 |
+
"learning_rate": 4.213333333333334e-05,
|
| 421 |
+
"loss": 2.0679,
|
| 422 |
+
"step": 29500
|
| 423 |
+
},
|
| 424 |
+
{
|
| 425 |
+
"epoch": 0.48,
|
| 426 |
+
"grad_norm": 1.7525631189346313,
|
| 427 |
+
"learning_rate": 4.2e-05,
|
| 428 |
+
"loss": 2.0684,
|
| 429 |
+
"step": 30000
|
| 430 |
+
},
|
| 431 |
+
{
|
| 432 |
+
"epoch": 0.488,
|
| 433 |
+
"grad_norm": 1.7010624408721924,
|
| 434 |
+
"learning_rate": 4.186666666666667e-05,
|
| 435 |
+
"loss": 2.0729,
|
| 436 |
+
"step": 30500
|
| 437 |
+
},
|
| 438 |
+
{
|
| 439 |
+
"epoch": 0.496,
|
| 440 |
+
"grad_norm": 1.7012423276901245,
|
| 441 |
+
"learning_rate": 4.1733333333333336e-05,
|
| 442 |
+
"loss": 2.0648,
|
| 443 |
+
"step": 31000
|
| 444 |
+
},
|
| 445 |
+
{
|
| 446 |
+
"epoch": 0.504,
|
| 447 |
+
"grad_norm": 1.8592064380645752,
|
| 448 |
+
"learning_rate": 4.16e-05,
|
| 449 |
+
"loss": 2.0745,
|
| 450 |
+
"step": 31500
|
| 451 |
+
},
|
| 452 |
+
{
|
| 453 |
+
"epoch": 0.512,
|
| 454 |
+
"grad_norm": 1.744208574295044,
|
| 455 |
+
"learning_rate": 4.146666666666667e-05,
|
| 456 |
+
"loss": 2.0499,
|
| 457 |
+
"step": 32000
|
| 458 |
+
},
|
| 459 |
+
{
|
| 460 |
+
"epoch": 0.52,
|
| 461 |
+
"grad_norm": 1.6994229555130005,
|
| 462 |
+
"learning_rate": 4.133333333333333e-05,
|
| 463 |
+
"loss": 2.0664,
|
| 464 |
+
"step": 32500
|
| 465 |
+
},
|
| 466 |
+
{
|
| 467 |
+
"epoch": 0.528,
|
| 468 |
+
"grad_norm": 1.9507784843444824,
|
| 469 |
+
"learning_rate": 4.12e-05,
|
| 470 |
+
"loss": 2.0541,
|
| 471 |
+
"step": 33000
|
| 472 |
+
},
|
| 473 |
+
{
|
| 474 |
+
"epoch": 0.536,
|
| 475 |
+
"grad_norm": 1.8063517808914185,
|
| 476 |
+
"learning_rate": 4.106666666666667e-05,
|
| 477 |
+
"loss": 2.0701,
|
| 478 |
+
"step": 33500
|
| 479 |
+
},
|
| 480 |
+
{
|
| 481 |
+
"epoch": 0.544,
|
| 482 |
+
"grad_norm": 1.843276023864746,
|
| 483 |
+
"learning_rate": 4.093333333333334e-05,
|
| 484 |
+
"loss": 2.0226,
|
| 485 |
+
"step": 34000
|
| 486 |
+
},
|
| 487 |
+
{
|
| 488 |
+
"epoch": 0.552,
|
| 489 |
+
"grad_norm": 1.8540818691253662,
|
| 490 |
+
"learning_rate": 4.08e-05,
|
| 491 |
+
"loss": 2.0623,
|
| 492 |
+
"step": 34500
|
| 493 |
+
},
|
| 494 |
+
{
|
| 495 |
+
"epoch": 0.56,
|
| 496 |
+
"grad_norm": 1.319740653038025,
|
| 497 |
+
"learning_rate": 4.066666666666667e-05,
|
| 498 |
+
"loss": 2.0512,
|
| 499 |
+
"step": 35000
|
| 500 |
+
},
|
| 501 |
+
{
|
| 502 |
+
"epoch": 0.568,
|
| 503 |
+
"grad_norm": 1.8702032566070557,
|
| 504 |
+
"learning_rate": 4.0533333333333334e-05,
|
| 505 |
+
"loss": 2.05,
|
| 506 |
+
"step": 35500
|
| 507 |
+
},
|
| 508 |
+
{
|
| 509 |
+
"epoch": 0.576,
|
| 510 |
+
"grad_norm": 1.7631396055221558,
|
| 511 |
+
"learning_rate": 4.0400000000000006e-05,
|
| 512 |
+
"loss": 2.0502,
|
| 513 |
+
"step": 36000
|
| 514 |
+
},
|
| 515 |
+
{
|
| 516 |
+
"epoch": 0.584,
|
| 517 |
+
"grad_norm": 1.6587963104248047,
|
| 518 |
+
"learning_rate": 4.026666666666667e-05,
|
| 519 |
+
"loss": 2.0595,
|
| 520 |
+
"step": 36500
|
| 521 |
+
},
|
| 522 |
+
{
|
| 523 |
+
"epoch": 0.592,
|
| 524 |
+
"grad_norm": 1.8289241790771484,
|
| 525 |
+
"learning_rate": 4.013333333333333e-05,
|
| 526 |
+
"loss": 2.0392,
|
| 527 |
+
"step": 37000
|
| 528 |
+
},
|
| 529 |
+
{
|
| 530 |
+
"epoch": 0.6,
|
| 531 |
+
"grad_norm": 2.0285592079162598,
|
| 532 |
+
"learning_rate": 4e-05,
|
| 533 |
+
"loss": 2.0336,
|
| 534 |
+
"step": 37500
|
| 535 |
+
},
|
| 536 |
+
{
|
| 537 |
+
"epoch": 0.608,
|
| 538 |
+
"grad_norm": 1.7443562746047974,
|
| 539 |
+
"learning_rate": 3.986666666666667e-05,
|
| 540 |
+
"loss": 2.0393,
|
| 541 |
+
"step": 38000
|
| 542 |
+
},
|
| 543 |
+
{
|
| 544 |
+
"epoch": 0.616,
|
| 545 |
+
"grad_norm": 1.7781823873519897,
|
| 546 |
+
"learning_rate": 3.9733333333333335e-05,
|
| 547 |
+
"loss": 2.0266,
|
| 548 |
+
"step": 38500
|
| 549 |
+
},
|
| 550 |
+
{
|
| 551 |
+
"epoch": 0.624,
|
| 552 |
+
"grad_norm": 1.8396008014678955,
|
| 553 |
+
"learning_rate": 3.960000000000001e-05,
|
| 554 |
+
"loss": 2.0366,
|
| 555 |
+
"step": 39000
|
| 556 |
+
},
|
| 557 |
+
{
|
| 558 |
+
"epoch": 0.632,
|
| 559 |
+
"grad_norm": 1.733028531074524,
|
| 560 |
+
"learning_rate": 3.9466666666666666e-05,
|
| 561 |
+
"loss": 2.0294,
|
| 562 |
+
"step": 39500
|
| 563 |
+
},
|
| 564 |
+
{
|
| 565 |
+
"epoch": 0.64,
|
| 566 |
+
"grad_norm": 1.864515781402588,
|
| 567 |
+
"learning_rate": 3.933333333333333e-05,
|
| 568 |
+
"loss": 2.0135,
|
| 569 |
+
"step": 40000
|
| 570 |
+
},
|
| 571 |
+
{
|
| 572 |
+
"epoch": 0.648,
|
| 573 |
+
"grad_norm": 1.599379539489746,
|
| 574 |
+
"learning_rate": 3.9200000000000004e-05,
|
| 575 |
+
"loss": 2.0263,
|
| 576 |
+
"step": 40500
|
| 577 |
+
},
|
| 578 |
+
{
|
| 579 |
+
"epoch": 0.656,
|
| 580 |
+
"grad_norm": 1.7277718782424927,
|
| 581 |
+
"learning_rate": 3.906666666666667e-05,
|
| 582 |
+
"loss": 2.02,
|
| 583 |
+
"step": 41000
|
| 584 |
+
},
|
| 585 |
+
{
|
| 586 |
+
"epoch": 0.664,
|
| 587 |
+
"grad_norm": 1.7383760213851929,
|
| 588 |
+
"learning_rate": 3.8933333333333336e-05,
|
| 589 |
+
"loss": 2.0197,
|
| 590 |
+
"step": 41500
|
| 591 |
+
},
|
| 592 |
+
{
|
| 593 |
+
"epoch": 0.672,
|
| 594 |
+
"grad_norm": 1.817892074584961,
|
| 595 |
+
"learning_rate": 3.88e-05,
|
| 596 |
+
"loss": 2.014,
|
| 597 |
+
"step": 42000
|
| 598 |
+
},
|
| 599 |
+
{
|
| 600 |
+
"epoch": 0.68,
|
| 601 |
+
"grad_norm": 1.8689903020858765,
|
| 602 |
+
"learning_rate": 3.866666666666667e-05,
|
| 603 |
+
"loss": 1.9967,
|
| 604 |
+
"step": 42500
|
| 605 |
+
},
|
| 606 |
+
{
|
| 607 |
+
"epoch": 0.688,
|
| 608 |
+
"grad_norm": 1.6925767660140991,
|
| 609 |
+
"learning_rate": 3.853333333333334e-05,
|
| 610 |
+
"loss": 2.0232,
|
| 611 |
+
"step": 43000
|
| 612 |
+
},
|
| 613 |
+
{
|
| 614 |
+
"epoch": 0.696,
|
| 615 |
+
"grad_norm": 1.640140175819397,
|
| 616 |
+
"learning_rate": 3.8400000000000005e-05,
|
| 617 |
+
"loss": 2.0197,
|
| 618 |
+
"step": 43500
|
| 619 |
+
},
|
| 620 |
+
{
|
| 621 |
+
"epoch": 0.704,
|
| 622 |
+
"grad_norm": 1.7034389972686768,
|
| 623 |
+
"learning_rate": 3.8266666666666664e-05,
|
| 624 |
+
"loss": 2.0315,
|
| 625 |
+
"step": 44000
|
| 626 |
+
},
|
| 627 |
+
{
|
| 628 |
+
"epoch": 0.712,
|
| 629 |
+
"grad_norm": 1.7516037225723267,
|
| 630 |
+
"learning_rate": 3.8133333333333336e-05,
|
| 631 |
+
"loss": 2.0117,
|
| 632 |
+
"step": 44500
|
| 633 |
+
},
|
| 634 |
+
{
|
| 635 |
+
"epoch": 0.72,
|
| 636 |
+
"grad_norm": 1.7478435039520264,
|
| 637 |
+
"learning_rate": 3.8e-05,
|
| 638 |
+
"loss": 2.004,
|
| 639 |
+
"step": 45000
|
| 640 |
+
},
|
| 641 |
+
{
|
| 642 |
+
"epoch": 0.728,
|
| 643 |
+
"grad_norm": 1.7826392650604248,
|
| 644 |
+
"learning_rate": 3.786666666666667e-05,
|
| 645 |
+
"loss": 2.0078,
|
| 646 |
+
"step": 45500
|
| 647 |
+
},
|
| 648 |
+
{
|
| 649 |
+
"epoch": 0.736,
|
| 650 |
+
"grad_norm": 1.8071786165237427,
|
| 651 |
+
"learning_rate": 3.773333333333334e-05,
|
| 652 |
+
"loss": 1.9993,
|
| 653 |
+
"step": 46000
|
| 654 |
+
},
|
| 655 |
+
{
|
| 656 |
+
"epoch": 0.744,
|
| 657 |
+
"grad_norm": 1.7307168245315552,
|
| 658 |
+
"learning_rate": 3.76e-05,
|
| 659 |
+
"loss": 2.0127,
|
| 660 |
+
"step": 46500
|
| 661 |
+
},
|
| 662 |
+
{
|
| 663 |
+
"epoch": 0.752,
|
| 664 |
+
"grad_norm": 1.7998723983764648,
|
| 665 |
+
"learning_rate": 3.7466666666666665e-05,
|
| 666 |
+
"loss": 2.0105,
|
| 667 |
+
"step": 47000
|
| 668 |
+
},
|
| 669 |
+
{
|
| 670 |
+
"epoch": 0.76,
|
| 671 |
+
"grad_norm": 1.7740154266357422,
|
| 672 |
+
"learning_rate": 3.733333333333334e-05,
|
| 673 |
+
"loss": 1.9922,
|
| 674 |
+
"step": 47500
|
| 675 |
+
},
|
| 676 |
+
{
|
| 677 |
+
"epoch": 0.768,
|
| 678 |
+
"grad_norm": 1.7731549739837646,
|
| 679 |
+
"learning_rate": 3.72e-05,
|
| 680 |
+
"loss": 1.986,
|
| 681 |
+
"step": 48000
|
| 682 |
+
},
|
| 683 |
+
{
|
| 684 |
+
"epoch": 0.776,
|
| 685 |
+
"grad_norm": 1.7134430408477783,
|
| 686 |
+
"learning_rate": 3.706666666666667e-05,
|
| 687 |
+
"loss": 1.9926,
|
| 688 |
+
"step": 48500
|
| 689 |
+
},
|
| 690 |
+
{
|
| 691 |
+
"epoch": 0.784,
|
| 692 |
+
"grad_norm": 1.5740642547607422,
|
| 693 |
+
"learning_rate": 3.6933333333333334e-05,
|
| 694 |
+
"loss": 2.006,
|
| 695 |
+
"step": 49000
|
| 696 |
+
},
|
| 697 |
+
{
|
| 698 |
+
"epoch": 0.792,
|
| 699 |
+
"grad_norm": 1.7199815511703491,
|
| 700 |
+
"learning_rate": 3.68e-05,
|
| 701 |
+
"loss": 1.9942,
|
| 702 |
+
"step": 49500
|
| 703 |
+
},
|
| 704 |
+
{
|
| 705 |
+
"epoch": 0.8,
|
| 706 |
+
"grad_norm": 1.7254127264022827,
|
| 707 |
+
"learning_rate": 3.6666666666666666e-05,
|
| 708 |
+
"loss": 1.9855,
|
| 709 |
+
"step": 50000
|
| 710 |
+
},
|
| 711 |
+
{
|
| 712 |
+
"epoch": 0.808,
|
| 713 |
+
"grad_norm": 1.7063957452774048,
|
| 714 |
+
"learning_rate": 3.653333333333334e-05,
|
| 715 |
+
"loss": 1.9821,
|
| 716 |
+
"step": 50500
|
| 717 |
+
},
|
| 718 |
+
{
|
| 719 |
+
"epoch": 0.816,
|
| 720 |
+
"grad_norm": 1.7065203189849854,
|
| 721 |
+
"learning_rate": 3.6400000000000004e-05,
|
| 722 |
+
"loss": 1.9809,
|
| 723 |
+
"step": 51000
|
| 724 |
+
},
|
| 725 |
+
{
|
| 726 |
+
"epoch": 0.824,
|
| 727 |
+
"grad_norm": 1.63126802444458,
|
| 728 |
+
"learning_rate": 3.626666666666667e-05,
|
| 729 |
+
"loss": 1.9769,
|
| 730 |
+
"step": 51500
|
| 731 |
+
},
|
| 732 |
+
{
|
| 733 |
+
"epoch": 0.832,
|
| 734 |
+
"grad_norm": 1.4572583436965942,
|
| 735 |
+
"learning_rate": 3.6133333333333335e-05,
|
| 736 |
+
"loss": 1.9736,
|
| 737 |
+
"step": 52000
|
| 738 |
+
},
|
| 739 |
+
{
|
| 740 |
+
"epoch": 0.84,
|
| 741 |
+
"grad_norm": 1.881508708000183,
|
| 742 |
+
"learning_rate": 3.6e-05,
|
| 743 |
+
"loss": 1.9959,
|
| 744 |
+
"step": 52500
|
| 745 |
+
},
|
| 746 |
+
{
|
| 747 |
+
"epoch": 0.848,
|
| 748 |
+
"grad_norm": 1.9315568208694458,
|
| 749 |
+
"learning_rate": 3.586666666666667e-05,
|
| 750 |
+
"loss": 1.9865,
|
| 751 |
+
"step": 53000
|
| 752 |
+
},
|
| 753 |
+
{
|
| 754 |
+
"epoch": 0.856,
|
| 755 |
+
"grad_norm": 1.826623558998108,
|
| 756 |
+
"learning_rate": 3.573333333333333e-05,
|
| 757 |
+
"loss": 1.9937,
|
| 758 |
+
"step": 53500
|
| 759 |
+
},
|
| 760 |
+
{
|
| 761 |
+
"epoch": 0.864,
|
| 762 |
+
"grad_norm": 1.7877482175827026,
|
| 763 |
+
"learning_rate": 3.56e-05,
|
| 764 |
+
"loss": 1.9973,
|
| 765 |
+
"step": 54000
|
| 766 |
+
},
|
| 767 |
+
{
|
| 768 |
+
"epoch": 0.872,
|
| 769 |
+
"grad_norm": 1.7603776454925537,
|
| 770 |
+
"learning_rate": 3.546666666666667e-05,
|
| 771 |
+
"loss": 1.9819,
|
| 772 |
+
"step": 54500
|
| 773 |
+
},
|
| 774 |
+
{
|
| 775 |
+
"epoch": 0.88,
|
| 776 |
+
"grad_norm": 1.7917125225067139,
|
| 777 |
+
"learning_rate": 3.5333333333333336e-05,
|
| 778 |
+
"loss": 1.9808,
|
| 779 |
+
"step": 55000
|
| 780 |
+
},
|
| 781 |
+
{
|
| 782 |
+
"epoch": 0.888,
|
| 783 |
+
"grad_norm": 1.7601429224014282,
|
| 784 |
+
"learning_rate": 3.52e-05,
|
| 785 |
+
"loss": 1.9542,
|
| 786 |
+
"step": 55500
|
| 787 |
+
},
|
| 788 |
+
{
|
| 789 |
+
"epoch": 0.896,
|
| 790 |
+
"grad_norm": 1.7441028356552124,
|
| 791 |
+
"learning_rate": 3.506666666666667e-05,
|
| 792 |
+
"loss": 1.9695,
|
| 793 |
+
"step": 56000
|
| 794 |
+
},
|
| 795 |
+
{
|
| 796 |
+
"epoch": 0.904,
|
| 797 |
+
"grad_norm": 1.6621649265289307,
|
| 798 |
+
"learning_rate": 3.493333333333333e-05,
|
| 799 |
+
"loss": 1.9657,
|
| 800 |
+
"step": 56500
|
| 801 |
+
},
|
| 802 |
+
{
|
| 803 |
+
"epoch": 0.912,
|
| 804 |
+
"grad_norm": 1.8302310705184937,
|
| 805 |
+
"learning_rate": 3.48e-05,
|
| 806 |
+
"loss": 1.9675,
|
| 807 |
+
"step": 57000
|
| 808 |
+
},
|
| 809 |
+
{
|
| 810 |
+
"epoch": 0.92,
|
| 811 |
+
"grad_norm": 1.728614091873169,
|
| 812 |
+
"learning_rate": 3.466666666666667e-05,
|
| 813 |
+
"loss": 1.9479,
|
| 814 |
+
"step": 57500
|
| 815 |
+
},
|
| 816 |
+
{
|
| 817 |
+
"epoch": 0.928,
|
| 818 |
+
"grad_norm": 1.731768250465393,
|
| 819 |
+
"learning_rate": 3.453333333333334e-05,
|
| 820 |
+
"loss": 1.9547,
|
| 821 |
+
"step": 58000
|
| 822 |
+
},
|
| 823 |
+
{
|
| 824 |
+
"epoch": 0.936,
|
| 825 |
+
"grad_norm": 1.6451795101165771,
|
| 826 |
+
"learning_rate": 3.4399999999999996e-05,
|
| 827 |
+
"loss": 1.9599,
|
| 828 |
+
"step": 58500
|
| 829 |
+
},
|
| 830 |
+
{
|
| 831 |
+
"epoch": 0.944,
|
| 832 |
+
"grad_norm": 1.6771055459976196,
|
| 833 |
+
"learning_rate": 3.426666666666667e-05,
|
| 834 |
+
"loss": 1.96,
|
| 835 |
+
"step": 59000
|
| 836 |
+
},
|
| 837 |
+
{
|
| 838 |
+
"epoch": 0.952,
|
| 839 |
+
"grad_norm": 1.7579874992370605,
|
| 840 |
+
"learning_rate": 3.4133333333333334e-05,
|
| 841 |
+
"loss": 1.9483,
|
| 842 |
+
"step": 59500
|
| 843 |
+
},
|
| 844 |
+
{
|
| 845 |
+
"epoch": 0.96,
|
| 846 |
+
"grad_norm": 1.8153895139694214,
|
| 847 |
+
"learning_rate": 3.4000000000000007e-05,
|
| 848 |
+
"loss": 1.9886,
|
| 849 |
+
"step": 60000
|
| 850 |
+
},
|
| 851 |
+
{
|
| 852 |
+
"epoch": 0.968,
|
| 853 |
+
"grad_norm": 1.7432010173797607,
|
| 854 |
+
"learning_rate": 3.3866666666666665e-05,
|
| 855 |
+
"loss": 1.9786,
|
| 856 |
+
"step": 60500
|
| 857 |
+
},
|
| 858 |
+
{
|
| 859 |
+
"epoch": 0.976,
|
| 860 |
+
"grad_norm": 1.6796069145202637,
|
| 861 |
+
"learning_rate": 3.373333333333333e-05,
|
| 862 |
+
"loss": 1.9573,
|
| 863 |
+
"step": 61000
|
| 864 |
+
},
|
| 865 |
+
{
|
| 866 |
+
"epoch": 0.984,
|
| 867 |
+
"grad_norm": 1.73896324634552,
|
| 868 |
+
"learning_rate": 3.3600000000000004e-05,
|
| 869 |
+
"loss": 1.952,
|
| 870 |
+
"step": 61500
|
| 871 |
+
},
|
| 872 |
+
{
|
| 873 |
+
"epoch": 0.992,
|
| 874 |
+
"grad_norm": 1.8032617568969727,
|
| 875 |
+
"learning_rate": 3.346666666666667e-05,
|
| 876 |
+
"loss": 1.9713,
|
| 877 |
+
"step": 62000
|
| 878 |
+
},
|
| 879 |
+
{
|
| 880 |
+
"epoch": 1.0,
|
| 881 |
+
"grad_norm": 1.725473403930664,
|
| 882 |
+
"learning_rate": 3.3333333333333335e-05,
|
| 883 |
+
"loss": 1.9601,
|
| 884 |
+
"step": 62500
|
| 885 |
+
},
|
| 886 |
+
{
|
| 887 |
+
"epoch": 1.008,
|
| 888 |
+
"grad_norm": 1.7380435466766357,
|
| 889 |
+
"learning_rate": 3.32e-05,
|
| 890 |
+
"loss": 1.9303,
|
| 891 |
+
"step": 63000
|
| 892 |
+
},
|
| 893 |
+
{
|
| 894 |
+
"epoch": 1.016,
|
| 895 |
+
"grad_norm": 1.7879334688186646,
|
| 896 |
+
"learning_rate": 3.3066666666666666e-05,
|
| 897 |
+
"loss": 1.9314,
|
| 898 |
+
"step": 63500
|
| 899 |
+
},
|
| 900 |
+
{
|
| 901 |
+
"epoch": 1.024,
|
| 902 |
+
"grad_norm": 1.749966025352478,
|
| 903 |
+
"learning_rate": 3.293333333333333e-05,
|
| 904 |
+
"loss": 1.9292,
|
| 905 |
+
"step": 64000
|
| 906 |
+
},
|
| 907 |
+
{
|
| 908 |
+
"epoch": 1.032,
|
| 909 |
+
"grad_norm": 1.7674390077590942,
|
| 910 |
+
"learning_rate": 3.2800000000000004e-05,
|
| 911 |
+
"loss": 1.9326,
|
| 912 |
+
"step": 64500
|
| 913 |
+
},
|
| 914 |
+
{
|
| 915 |
+
"epoch": 1.04,
|
| 916 |
+
"grad_norm": 1.6754158735275269,
|
| 917 |
+
"learning_rate": 3.266666666666667e-05,
|
| 918 |
+
"loss": 1.9383,
|
| 919 |
+
"step": 65000
|
| 920 |
+
},
|
| 921 |
+
{
|
| 922 |
+
"epoch": 1.048,
|
| 923 |
+
"grad_norm": 1.7871421575546265,
|
| 924 |
+
"learning_rate": 3.253333333333333e-05,
|
| 925 |
+
"loss": 1.9383,
|
| 926 |
+
"step": 65500
|
| 927 |
+
},
|
| 928 |
+
{
|
| 929 |
+
"epoch": 1.056,
|
| 930 |
+
"grad_norm": 1.6832307577133179,
|
| 931 |
+
"learning_rate": 3.24e-05,
|
| 932 |
+
"loss": 1.9346,
|
| 933 |
+
"step": 66000
|
| 934 |
+
},
|
| 935 |
+
{
|
| 936 |
+
"epoch": 1.064,
|
| 937 |
+
"grad_norm": 1.7146220207214355,
|
| 938 |
+
"learning_rate": 3.226666666666667e-05,
|
| 939 |
+
"loss": 1.9417,
|
| 940 |
+
"step": 66500
|
| 941 |
+
},
|
| 942 |
+
{
|
| 943 |
+
"epoch": 1.072,
|
| 944 |
+
"grad_norm": 1.747892141342163,
|
| 945 |
+
"learning_rate": 3.213333333333334e-05,
|
| 946 |
+
"loss": 1.9367,
|
| 947 |
+
"step": 67000
|
| 948 |
+
},
|
| 949 |
+
{
|
| 950 |
+
"epoch": 1.08,
|
| 951 |
+
"grad_norm": 1.928076148033142,
|
| 952 |
+
"learning_rate": 3.2000000000000005e-05,
|
| 953 |
+
"loss": 1.9317,
|
| 954 |
+
"step": 67500
|
| 955 |
+
},
|
| 956 |
+
{
|
| 957 |
+
"epoch": 1.088,
|
| 958 |
+
"grad_norm": 1.8506276607513428,
|
| 959 |
+
"learning_rate": 3.1866666666666664e-05,
|
| 960 |
+
"loss": 1.9479,
|
| 961 |
+
"step": 68000
|
| 962 |
+
},
|
| 963 |
+
{
|
| 964 |
+
"epoch": 1.096,
|
| 965 |
+
"grad_norm": 1.70222008228302,
|
| 966 |
+
"learning_rate": 3.173333333333334e-05,
|
| 967 |
+
"loss": 1.9294,
|
| 968 |
+
"step": 68500
|
| 969 |
+
},
|
| 970 |
+
{
|
| 971 |
+
"epoch": 1.104,
|
| 972 |
+
"grad_norm": 1.654458999633789,
|
| 973 |
+
"learning_rate": 3.16e-05,
|
| 974 |
+
"loss": 1.912,
|
| 975 |
+
"step": 69000
|
| 976 |
+
},
|
| 977 |
+
{
|
| 978 |
+
"epoch": 1.112,
|
| 979 |
+
"grad_norm": 1.734041452407837,
|
| 980 |
+
"learning_rate": 3.146666666666667e-05,
|
| 981 |
+
"loss": 1.9337,
|
| 982 |
+
"step": 69500
|
| 983 |
+
},
|
| 984 |
+
{
|
| 985 |
+
"epoch": 1.12,
|
| 986 |
+
"grad_norm": 1.8181061744689941,
|
| 987 |
+
"learning_rate": 3.1333333333333334e-05,
|
| 988 |
+
"loss": 1.9181,
|
| 989 |
+
"step": 70000
|
| 990 |
+
},
|
| 991 |
+
{
|
| 992 |
+
"epoch": 1.1280000000000001,
|
| 993 |
+
"grad_norm": 1.7320809364318848,
|
| 994 |
+
"learning_rate": 3.12e-05,
|
| 995 |
+
"loss": 1.9367,
|
| 996 |
+
"step": 70500
|
| 997 |
+
},
|
| 998 |
+
{
|
| 999 |
+
"epoch": 1.1360000000000001,
|
| 1000 |
+
"grad_norm": 1.9005064964294434,
|
| 1001 |
+
"learning_rate": 3.1066666666666665e-05,
|
| 1002 |
+
"loss": 1.9285,
|
| 1003 |
+
"step": 71000
|
| 1004 |
+
},
|
| 1005 |
+
{
|
| 1006 |
+
"epoch": 1.144,
|
| 1007 |
+
"grad_norm": 1.595288634300232,
|
| 1008 |
+
"learning_rate": 3.093333333333334e-05,
|
| 1009 |
+
"loss": 1.9264,
|
| 1010 |
+
"step": 71500
|
| 1011 |
+
},
|
| 1012 |
+
{
|
| 1013 |
+
"epoch": 1.152,
|
| 1014 |
+
"grad_norm": 1.7460346221923828,
|
| 1015 |
+
"learning_rate": 3.08e-05,
|
| 1016 |
+
"loss": 1.9341,
|
| 1017 |
+
"step": 72000
|
| 1018 |
+
},
|
| 1019 |
+
{
|
| 1020 |
+
"epoch": 1.16,
|
| 1021 |
+
"grad_norm": 1.691879391670227,
|
| 1022 |
+
"learning_rate": 3.066666666666667e-05,
|
| 1023 |
+
"loss": 1.9321,
|
| 1024 |
+
"step": 72500
|
| 1025 |
+
},
|
| 1026 |
+
{
|
| 1027 |
+
"epoch": 1.168,
|
| 1028 |
+
"grad_norm": 1.7925002574920654,
|
| 1029 |
+
"learning_rate": 3.0533333333333335e-05,
|
| 1030 |
+
"loss": 1.9236,
|
| 1031 |
+
"step": 73000
|
| 1032 |
+
},
|
| 1033 |
+
{
|
| 1034 |
+
"epoch": 1.176,
|
| 1035 |
+
"grad_norm": 1.8415945768356323,
|
| 1036 |
+
"learning_rate": 3.04e-05,
|
| 1037 |
+
"loss": 1.9318,
|
| 1038 |
+
"step": 73500
|
| 1039 |
+
},
|
| 1040 |
+
{
|
| 1041 |
+
"epoch": 1.184,
|
| 1042 |
+
"grad_norm": 1.7588562965393066,
|
| 1043 |
+
"learning_rate": 3.0266666666666666e-05,
|
| 1044 |
+
"loss": 1.9321,
|
| 1045 |
+
"step": 74000
|
| 1046 |
+
},
|
| 1047 |
+
{
|
| 1048 |
+
"epoch": 1.192,
|
| 1049 |
+
"grad_norm": 1.8426799774169922,
|
| 1050 |
+
"learning_rate": 3.0133333333333335e-05,
|
| 1051 |
+
"loss": 1.9291,
|
| 1052 |
+
"step": 74500
|
| 1053 |
+
},
|
| 1054 |
+
{
|
| 1055 |
+
"epoch": 1.2,
|
| 1056 |
+
"grad_norm": 1.5367413759231567,
|
| 1057 |
+
"learning_rate": 3e-05,
|
| 1058 |
+
"loss": 1.9254,
|
| 1059 |
+
"step": 75000
|
| 1060 |
+
},
|
| 1061 |
+
{
|
| 1062 |
+
"epoch": 1.208,
|
| 1063 |
+
"grad_norm": 1.6824932098388672,
|
| 1064 |
+
"learning_rate": 2.986666666666667e-05,
|
| 1065 |
+
"loss": 1.9142,
|
| 1066 |
+
"step": 75500
|
| 1067 |
+
},
|
| 1068 |
+
{
|
| 1069 |
+
"epoch": 1.216,
|
| 1070 |
+
"grad_norm": 1.6464086771011353,
|
| 1071 |
+
"learning_rate": 2.9733333333333336e-05,
|
| 1072 |
+
"loss": 1.911,
|
| 1073 |
+
"step": 76000
|
| 1074 |
+
},
|
| 1075 |
+
{
|
| 1076 |
+
"epoch": 1.224,
|
| 1077 |
+
"grad_norm": 1.7468334436416626,
|
| 1078 |
+
"learning_rate": 2.96e-05,
|
| 1079 |
+
"loss": 1.9259,
|
| 1080 |
+
"step": 76500
|
| 1081 |
+
},
|
| 1082 |
+
{
|
| 1083 |
+
"epoch": 1.232,
|
| 1084 |
+
"grad_norm": 1.688895344734192,
|
| 1085 |
+
"learning_rate": 2.946666666666667e-05,
|
| 1086 |
+
"loss": 1.9403,
|
| 1087 |
+
"step": 77000
|
| 1088 |
+
},
|
| 1089 |
+
{
|
| 1090 |
+
"epoch": 1.24,
|
| 1091 |
+
"grad_norm": 1.7449684143066406,
|
| 1092 |
+
"learning_rate": 2.9333333333333336e-05,
|
| 1093 |
+
"loss": 1.912,
|
| 1094 |
+
"step": 77500
|
| 1095 |
+
},
|
| 1096 |
+
{
|
| 1097 |
+
"epoch": 1.248,
|
| 1098 |
+
"grad_norm": 1.745530128479004,
|
| 1099 |
+
"learning_rate": 2.9199999999999998e-05,
|
| 1100 |
+
"loss": 1.8991,
|
| 1101 |
+
"step": 78000
|
| 1102 |
+
},
|
| 1103 |
+
{
|
| 1104 |
+
"epoch": 1.256,
|
| 1105 |
+
"grad_norm": 1.6671596765518188,
|
| 1106 |
+
"learning_rate": 2.906666666666667e-05,
|
| 1107 |
+
"loss": 1.9103,
|
| 1108 |
+
"step": 78500
|
| 1109 |
+
},
|
| 1110 |
+
{
|
| 1111 |
+
"epoch": 1.264,
|
| 1112 |
+
"grad_norm": 1.7785685062408447,
|
| 1113 |
+
"learning_rate": 2.8933333333333333e-05,
|
| 1114 |
+
"loss": 1.9232,
|
| 1115 |
+
"step": 79000
|
| 1116 |
+
},
|
| 1117 |
+
{
|
| 1118 |
+
"epoch": 1.272,
|
| 1119 |
+
"grad_norm": 1.8388159275054932,
|
| 1120 |
+
"learning_rate": 2.88e-05,
|
| 1121 |
+
"loss": 1.923,
|
| 1122 |
+
"step": 79500
|
| 1123 |
+
},
|
| 1124 |
+
{
|
| 1125 |
+
"epoch": 1.28,
|
| 1126 |
+
"grad_norm": 1.8430205583572388,
|
| 1127 |
+
"learning_rate": 2.8666666666666668e-05,
|
| 1128 |
+
"loss": 1.9267,
|
| 1129 |
+
"step": 80000
|
| 1130 |
+
},
|
| 1131 |
+
{
|
| 1132 |
+
"epoch": 1.288,
|
| 1133 |
+
"grad_norm": 1.847428560256958,
|
| 1134 |
+
"learning_rate": 2.8533333333333333e-05,
|
| 1135 |
+
"loss": 1.8883,
|
| 1136 |
+
"step": 80500
|
| 1137 |
+
},
|
| 1138 |
+
{
|
| 1139 |
+
"epoch": 1.296,
|
| 1140 |
+
"grad_norm": 1.7225302457809448,
|
| 1141 |
+
"learning_rate": 2.84e-05,
|
| 1142 |
+
"loss": 1.8903,
|
| 1143 |
+
"step": 81000
|
| 1144 |
+
},
|
| 1145 |
+
{
|
| 1146 |
+
"epoch": 1.304,
|
| 1147 |
+
"grad_norm": 1.9220913648605347,
|
| 1148 |
+
"learning_rate": 2.8266666666666668e-05,
|
| 1149 |
+
"loss": 1.909,
|
| 1150 |
+
"step": 81500
|
| 1151 |
+
},
|
| 1152 |
+
{
|
| 1153 |
+
"epoch": 1.312,
|
| 1154 |
+
"grad_norm": 1.8436980247497559,
|
| 1155 |
+
"learning_rate": 2.8133333333333334e-05,
|
| 1156 |
+
"loss": 1.9139,
|
| 1157 |
+
"step": 82000
|
| 1158 |
+
},
|
| 1159 |
+
{
|
| 1160 |
+
"epoch": 1.32,
|
| 1161 |
+
"grad_norm": 1.8557744026184082,
|
| 1162 |
+
"learning_rate": 2.8000000000000003e-05,
|
| 1163 |
+
"loss": 1.9029,
|
| 1164 |
+
"step": 82500
|
| 1165 |
+
},
|
| 1166 |
+
{
|
| 1167 |
+
"epoch": 1.328,
|
| 1168 |
+
"grad_norm": 1.7669934034347534,
|
| 1169 |
+
"learning_rate": 2.786666666666667e-05,
|
| 1170 |
+
"loss": 1.914,
|
| 1171 |
+
"step": 83000
|
| 1172 |
+
},
|
| 1173 |
+
{
|
| 1174 |
+
"epoch": 1.336,
|
| 1175 |
+
"grad_norm": 1.8074716329574585,
|
| 1176 |
+
"learning_rate": 2.7733333333333334e-05,
|
| 1177 |
+
"loss": 1.9002,
|
| 1178 |
+
"step": 83500
|
| 1179 |
+
},
|
| 1180 |
+
{
|
| 1181 |
+
"epoch": 1.3439999999999999,
|
| 1182 |
+
"grad_norm": 1.7689666748046875,
|
| 1183 |
+
"learning_rate": 2.7600000000000003e-05,
|
| 1184 |
+
"loss": 1.9011,
|
| 1185 |
+
"step": 84000
|
| 1186 |
+
},
|
| 1187 |
+
{
|
| 1188 |
+
"epoch": 1.3519999999999999,
|
| 1189 |
+
"grad_norm": 1.6884204149246216,
|
| 1190 |
+
"learning_rate": 2.746666666666667e-05,
|
| 1191 |
+
"loss": 1.9206,
|
| 1192 |
+
"step": 84500
|
| 1193 |
+
},
|
| 1194 |
+
{
|
| 1195 |
+
"epoch": 1.3599999999999999,
|
| 1196 |
+
"grad_norm": 1.866496205329895,
|
| 1197 |
+
"learning_rate": 2.733333333333333e-05,
|
| 1198 |
+
"loss": 1.9148,
|
| 1199 |
+
"step": 85000
|
| 1200 |
+
},
|
| 1201 |
+
{
|
| 1202 |
+
"epoch": 1.3679999999999999,
|
| 1203 |
+
"grad_norm": 1.8786733150482178,
|
| 1204 |
+
"learning_rate": 2.7200000000000004e-05,
|
| 1205 |
+
"loss": 1.8981,
|
| 1206 |
+
"step": 85500
|
| 1207 |
+
},
|
| 1208 |
+
{
|
| 1209 |
+
"epoch": 1.376,
|
| 1210 |
+
"grad_norm": 1.7723151445388794,
|
| 1211 |
+
"learning_rate": 2.706666666666667e-05,
|
| 1212 |
+
"loss": 1.9034,
|
| 1213 |
+
"step": 86000
|
| 1214 |
+
},
|
| 1215 |
+
{
|
| 1216 |
+
"epoch": 1.384,
|
| 1217 |
+
"grad_norm": 1.845363736152649,
|
| 1218 |
+
"learning_rate": 2.6933333333333332e-05,
|
| 1219 |
+
"loss": 1.9305,
|
| 1220 |
+
"step": 86500
|
| 1221 |
+
},
|
| 1222 |
+
{
|
| 1223 |
+
"epoch": 1.392,
|
| 1224 |
+
"grad_norm": 1.7747753858566284,
|
| 1225 |
+
"learning_rate": 2.6800000000000004e-05,
|
| 1226 |
+
"loss": 1.9203,
|
| 1227 |
+
"step": 87000
|
| 1228 |
+
},
|
| 1229 |
+
{
|
| 1230 |
+
"epoch": 1.4,
|
| 1231 |
+
"grad_norm": 1.8357640504837036,
|
| 1232 |
+
"learning_rate": 2.6666666666666667e-05,
|
| 1233 |
+
"loss": 1.8988,
|
| 1234 |
+
"step": 87500
|
| 1235 |
+
},
|
| 1236 |
+
{
|
| 1237 |
+
"epoch": 1.408,
|
| 1238 |
+
"grad_norm": 1.6423689126968384,
|
| 1239 |
+
"learning_rate": 2.6533333333333332e-05,
|
| 1240 |
+
"loss": 1.8951,
|
| 1241 |
+
"step": 88000
|
| 1242 |
+
},
|
| 1243 |
+
{
|
| 1244 |
+
"epoch": 1.416,
|
| 1245 |
+
"grad_norm": 1.8741251230239868,
|
| 1246 |
+
"learning_rate": 2.64e-05,
|
| 1247 |
+
"loss": 1.8956,
|
| 1248 |
+
"step": 88500
|
| 1249 |
+
},
|
| 1250 |
+
{
|
| 1251 |
+
"epoch": 1.424,
|
| 1252 |
+
"grad_norm": 1.714838981628418,
|
| 1253 |
+
"learning_rate": 2.6266666666666667e-05,
|
| 1254 |
+
"loss": 1.8851,
|
| 1255 |
+
"step": 89000
|
| 1256 |
+
},
|
| 1257 |
+
{
|
| 1258 |
+
"epoch": 1.432,
|
| 1259 |
+
"grad_norm": 1.8228678703308105,
|
| 1260 |
+
"learning_rate": 2.6133333333333333e-05,
|
| 1261 |
+
"loss": 1.9116,
|
| 1262 |
+
"step": 89500
|
| 1263 |
+
},
|
| 1264 |
+
{
|
| 1265 |
+
"epoch": 1.44,
|
| 1266 |
+
"grad_norm": 1.8227031230926514,
|
| 1267 |
+
"learning_rate": 2.6000000000000002e-05,
|
| 1268 |
+
"loss": 1.8899,
|
| 1269 |
+
"step": 90000
|
| 1270 |
+
},
|
| 1271 |
+
{
|
| 1272 |
+
"epoch": 1.448,
|
| 1273 |
+
"grad_norm": 1.7609095573425293,
|
| 1274 |
+
"learning_rate": 2.5866666666666667e-05,
|
| 1275 |
+
"loss": 1.9127,
|
| 1276 |
+
"step": 90500
|
| 1277 |
+
},
|
| 1278 |
+
{
|
| 1279 |
+
"epoch": 1.456,
|
| 1280 |
+
"grad_norm": 1.654362678527832,
|
| 1281 |
+
"learning_rate": 2.5733333333333337e-05,
|
| 1282 |
+
"loss": 1.9069,
|
| 1283 |
+
"step": 91000
|
| 1284 |
+
},
|
| 1285 |
+
{
|
| 1286 |
+
"epoch": 1.464,
|
| 1287 |
+
"grad_norm": 1.71245276927948,
|
| 1288 |
+
"learning_rate": 2.5600000000000002e-05,
|
| 1289 |
+
"loss": 1.8973,
|
| 1290 |
+
"step": 91500
|
| 1291 |
+
},
|
| 1292 |
+
{
|
| 1293 |
+
"epoch": 1.472,
|
| 1294 |
+
"grad_norm": 1.8306080102920532,
|
| 1295 |
+
"learning_rate": 2.5466666666666668e-05,
|
| 1296 |
+
"loss": 1.8854,
|
| 1297 |
+
"step": 92000
|
| 1298 |
+
},
|
| 1299 |
+
{
|
| 1300 |
+
"epoch": 1.48,
|
| 1301 |
+
"grad_norm": 1.87686026096344,
|
| 1302 |
+
"learning_rate": 2.5333333333333337e-05,
|
| 1303 |
+
"loss": 1.9133,
|
| 1304 |
+
"step": 92500
|
| 1305 |
+
},
|
| 1306 |
+
{
|
| 1307 |
+
"epoch": 1.488,
|
| 1308 |
+
"grad_norm": 1.9109073877334595,
|
| 1309 |
+
"learning_rate": 2.5200000000000003e-05,
|
| 1310 |
+
"loss": 1.8992,
|
| 1311 |
+
"step": 93000
|
| 1312 |
+
},
|
| 1313 |
+
{
|
| 1314 |
+
"epoch": 1.496,
|
| 1315 |
+
"grad_norm": 1.8314721584320068,
|
| 1316 |
+
"learning_rate": 2.5066666666666665e-05,
|
| 1317 |
+
"loss": 1.8911,
|
| 1318 |
+
"step": 93500
|
| 1319 |
+
},
|
| 1320 |
+
{
|
| 1321 |
+
"epoch": 1.504,
|
| 1322 |
+
"grad_norm": 1.814929485321045,
|
| 1323 |
+
"learning_rate": 2.4933333333333334e-05,
|
| 1324 |
+
"loss": 1.8926,
|
| 1325 |
+
"step": 94000
|
| 1326 |
+
},
|
| 1327 |
+
{
|
| 1328 |
+
"epoch": 1.512,
|
| 1329 |
+
"grad_norm": 1.7716134786605835,
|
| 1330 |
+
"learning_rate": 2.48e-05,
|
| 1331 |
+
"loss": 1.8939,
|
| 1332 |
+
"step": 94500
|
| 1333 |
+
},
|
| 1334 |
+
{
|
| 1335 |
+
"epoch": 1.52,
|
| 1336 |
+
"grad_norm": 1.7927145957946777,
|
| 1337 |
+
"learning_rate": 2.466666666666667e-05,
|
| 1338 |
+
"loss": 1.8971,
|
| 1339 |
+
"step": 95000
|
| 1340 |
+
},
|
| 1341 |
+
{
|
| 1342 |
+
"epoch": 1.528,
|
| 1343 |
+
"grad_norm": 1.7618277072906494,
|
| 1344 |
+
"learning_rate": 2.4533333333333334e-05,
|
| 1345 |
+
"loss": 1.8822,
|
| 1346 |
+
"step": 95500
|
| 1347 |
+
},
|
| 1348 |
+
{
|
| 1349 |
+
"epoch": 1.536,
|
| 1350 |
+
"grad_norm": 1.7523727416992188,
|
| 1351 |
+
"learning_rate": 2.44e-05,
|
| 1352 |
+
"loss": 1.8869,
|
| 1353 |
+
"step": 96000
|
| 1354 |
+
},
|
| 1355 |
+
{
|
| 1356 |
+
"epoch": 1.544,
|
| 1357 |
+
"grad_norm": 1.7661006450653076,
|
| 1358 |
+
"learning_rate": 2.426666666666667e-05,
|
| 1359 |
+
"loss": 1.8936,
|
| 1360 |
+
"step": 96500
|
| 1361 |
+
},
|
| 1362 |
+
{
|
| 1363 |
+
"epoch": 1.552,
|
| 1364 |
+
"grad_norm": 1.9876850843429565,
|
| 1365 |
+
"learning_rate": 2.4133333333333335e-05,
|
| 1366 |
+
"loss": 1.897,
|
| 1367 |
+
"step": 97000
|
| 1368 |
+
},
|
| 1369 |
+
{
|
| 1370 |
+
"epoch": 1.56,
|
| 1371 |
+
"grad_norm": 1.783090353012085,
|
| 1372 |
+
"learning_rate": 2.4e-05,
|
| 1373 |
+
"loss": 1.9048,
|
| 1374 |
+
"step": 97500
|
| 1375 |
+
},
|
| 1376 |
+
{
|
| 1377 |
+
"epoch": 1.568,
|
| 1378 |
+
"grad_norm": 1.7365391254425049,
|
| 1379 |
+
"learning_rate": 2.3866666666666666e-05,
|
| 1380 |
+
"loss": 1.902,
|
| 1381 |
+
"step": 98000
|
| 1382 |
+
},
|
| 1383 |
+
{
|
| 1384 |
+
"epoch": 1.576,
|
| 1385 |
+
"grad_norm": 1.8413164615631104,
|
| 1386 |
+
"learning_rate": 2.3733333333333335e-05,
|
| 1387 |
+
"loss": 1.8705,
|
| 1388 |
+
"step": 98500
|
| 1389 |
+
},
|
| 1390 |
+
{
|
| 1391 |
+
"epoch": 1.584,
|
| 1392 |
+
"grad_norm": 1.7738085985183716,
|
| 1393 |
+
"learning_rate": 2.36e-05,
|
| 1394 |
+
"loss": 1.8952,
|
| 1395 |
+
"step": 99000
|
| 1396 |
+
},
|
| 1397 |
+
{
|
| 1398 |
+
"epoch": 1.592,
|
| 1399 |
+
"grad_norm": 1.8309886455535889,
|
| 1400 |
+
"learning_rate": 2.3466666666666667e-05,
|
| 1401 |
+
"loss": 1.8758,
|
| 1402 |
+
"step": 99500
|
| 1403 |
+
},
|
| 1404 |
+
{
|
| 1405 |
+
"epoch": 1.6,
|
| 1406 |
+
"grad_norm": 1.7492969036102295,
|
| 1407 |
+
"learning_rate": 2.3333333333333336e-05,
|
| 1408 |
+
"loss": 1.8988,
|
| 1409 |
+
"step": 100000
|
| 1410 |
+
},
|
| 1411 |
+
{
|
| 1412 |
+
"epoch": 1.608,
|
| 1413 |
+
"grad_norm": 1.9098340272903442,
|
| 1414 |
+
"learning_rate": 2.32e-05,
|
| 1415 |
+
"loss": 1.8834,
|
| 1416 |
+
"step": 100500
|
| 1417 |
+
},
|
| 1418 |
+
{
|
| 1419 |
+
"epoch": 1.616,
|
| 1420 |
+
"grad_norm": 1.904649019241333,
|
| 1421 |
+
"learning_rate": 2.3066666666666667e-05,
|
| 1422 |
+
"loss": 1.8888,
|
| 1423 |
+
"step": 101000
|
| 1424 |
+
},
|
| 1425 |
+
{
|
| 1426 |
+
"epoch": 1.624,
|
| 1427 |
+
"grad_norm": 1.931889295578003,
|
| 1428 |
+
"learning_rate": 2.2933333333333333e-05,
|
| 1429 |
+
"loss": 1.8926,
|
| 1430 |
+
"step": 101500
|
| 1431 |
+
},
|
| 1432 |
+
{
|
| 1433 |
+
"epoch": 1.6320000000000001,
|
| 1434 |
+
"grad_norm": 1.6950582265853882,
|
| 1435 |
+
"learning_rate": 2.2800000000000002e-05,
|
| 1436 |
+
"loss": 1.8705,
|
| 1437 |
+
"step": 102000
|
| 1438 |
+
},
|
| 1439 |
+
{
|
| 1440 |
+
"epoch": 1.6400000000000001,
|
| 1441 |
+
"grad_norm": 1.7144277095794678,
|
| 1442 |
+
"learning_rate": 2.2666666666666668e-05,
|
| 1443 |
+
"loss": 1.8821,
|
| 1444 |
+
"step": 102500
|
| 1445 |
+
},
|
| 1446 |
+
{
|
| 1447 |
+
"epoch": 1.6480000000000001,
|
| 1448 |
+
"grad_norm": 1.7897074222564697,
|
| 1449 |
+
"learning_rate": 2.2533333333333333e-05,
|
| 1450 |
+
"loss": 1.8784,
|
| 1451 |
+
"step": 103000
|
| 1452 |
+
},
|
| 1453 |
+
{
|
| 1454 |
+
"epoch": 1.6560000000000001,
|
| 1455 |
+
"grad_norm": 1.7085645198822021,
|
| 1456 |
+
"learning_rate": 2.2400000000000002e-05,
|
| 1457 |
+
"loss": 1.8682,
|
| 1458 |
+
"step": 103500
|
| 1459 |
+
},
|
| 1460 |
+
{
|
| 1461 |
+
"epoch": 1.6640000000000001,
|
| 1462 |
+
"grad_norm": 1.9018614292144775,
|
| 1463 |
+
"learning_rate": 2.2266666666666668e-05,
|
| 1464 |
+
"loss": 1.8878,
|
| 1465 |
+
"step": 104000
|
| 1466 |
+
},
|
| 1467 |
+
{
|
| 1468 |
+
"epoch": 1.6720000000000002,
|
| 1469 |
+
"grad_norm": 1.761242389678955,
|
| 1470 |
+
"learning_rate": 2.2133333333333334e-05,
|
| 1471 |
+
"loss": 1.8816,
|
| 1472 |
+
"step": 104500
|
| 1473 |
+
},
|
| 1474 |
+
{
|
| 1475 |
+
"epoch": 1.6800000000000002,
|
| 1476 |
+
"grad_norm": 1.6841315031051636,
|
| 1477 |
+
"learning_rate": 2.2000000000000003e-05,
|
| 1478 |
+
"loss": 1.883,
|
| 1479 |
+
"step": 105000
|
| 1480 |
+
},
|
| 1481 |
+
{
|
| 1482 |
+
"epoch": 1.688,
|
| 1483 |
+
"grad_norm": 1.8422025442123413,
|
| 1484 |
+
"learning_rate": 2.186666666666667e-05,
|
| 1485 |
+
"loss": 1.8762,
|
| 1486 |
+
"step": 105500
|
| 1487 |
+
},
|
| 1488 |
+
{
|
| 1489 |
+
"epoch": 1.696,
|
| 1490 |
+
"grad_norm": 1.811826229095459,
|
| 1491 |
+
"learning_rate": 2.1733333333333334e-05,
|
| 1492 |
+
"loss": 1.8879,
|
| 1493 |
+
"step": 106000
|
| 1494 |
+
},
|
| 1495 |
+
{
|
| 1496 |
+
"epoch": 1.704,
|
| 1497 |
+
"grad_norm": 1.8061864376068115,
|
| 1498 |
+
"learning_rate": 2.16e-05,
|
| 1499 |
+
"loss": 1.8695,
|
| 1500 |
+
"step": 106500
|
| 1501 |
+
},
|
| 1502 |
+
{
|
| 1503 |
+
"epoch": 1.712,
|
| 1504 |
+
"grad_norm": 1.7653366327285767,
|
| 1505 |
+
"learning_rate": 2.146666666666667e-05,
|
| 1506 |
+
"loss": 1.8945,
|
| 1507 |
+
"step": 107000
|
| 1508 |
+
},
|
| 1509 |
+
{
|
| 1510 |
+
"epoch": 1.72,
|
| 1511 |
+
"grad_norm": 1.8264316320419312,
|
| 1512 |
+
"learning_rate": 2.1333333333333335e-05,
|
| 1513 |
+
"loss": 1.8745,
|
| 1514 |
+
"step": 107500
|
| 1515 |
+
},
|
| 1516 |
+
{
|
| 1517 |
+
"epoch": 1.728,
|
| 1518 |
+
"grad_norm": 1.716277003288269,
|
| 1519 |
+
"learning_rate": 2.12e-05,
|
| 1520 |
+
"loss": 1.883,
|
| 1521 |
+
"step": 108000
|
| 1522 |
+
},
|
| 1523 |
+
{
|
| 1524 |
+
"epoch": 1.736,
|
| 1525 |
+
"grad_norm": 1.8228120803833008,
|
| 1526 |
+
"learning_rate": 2.106666666666667e-05,
|
| 1527 |
+
"loss": 1.8782,
|
| 1528 |
+
"step": 108500
|
| 1529 |
+
},
|
| 1530 |
+
{
|
| 1531 |
+
"epoch": 1.744,
|
| 1532 |
+
"grad_norm": 1.8436915874481201,
|
| 1533 |
+
"learning_rate": 2.0933333333333335e-05,
|
| 1534 |
+
"loss": 1.8735,
|
| 1535 |
+
"step": 109000
|
| 1536 |
+
},
|
| 1537 |
+
{
|
| 1538 |
+
"epoch": 1.752,
|
| 1539 |
+
"grad_norm": 1.7443852424621582,
|
| 1540 |
+
"learning_rate": 2.08e-05,
|
| 1541 |
+
"loss": 1.8667,
|
| 1542 |
+
"step": 109500
|
| 1543 |
+
},
|
| 1544 |
+
{
|
| 1545 |
+
"epoch": 1.76,
|
| 1546 |
+
"grad_norm": 1.7812321186065674,
|
| 1547 |
+
"learning_rate": 2.0666666666666666e-05,
|
| 1548 |
+
"loss": 1.8686,
|
| 1549 |
+
"step": 110000
|
| 1550 |
+
},
|
| 1551 |
+
{
|
| 1552 |
+
"epoch": 1.768,
|
| 1553 |
+
"grad_norm": 1.7474675178527832,
|
| 1554 |
+
"learning_rate": 2.0533333333333336e-05,
|
| 1555 |
+
"loss": 1.8808,
|
| 1556 |
+
"step": 110500
|
| 1557 |
+
},
|
| 1558 |
+
{
|
| 1559 |
+
"epoch": 1.776,
|
| 1560 |
+
"grad_norm": 1.824558973312378,
|
| 1561 |
+
"learning_rate": 2.04e-05,
|
| 1562 |
+
"loss": 1.8705,
|
| 1563 |
+
"step": 111000
|
| 1564 |
+
},
|
| 1565 |
+
{
|
| 1566 |
+
"epoch": 1.784,
|
| 1567 |
+
"grad_norm": 1.7403087615966797,
|
| 1568 |
+
"learning_rate": 2.0266666666666667e-05,
|
| 1569 |
+
"loss": 1.8955,
|
| 1570 |
+
"step": 111500
|
| 1571 |
+
},
|
| 1572 |
+
{
|
| 1573 |
+
"epoch": 1.792,
|
| 1574 |
+
"grad_norm": 1.7183855772018433,
|
| 1575 |
+
"learning_rate": 2.0133333333333336e-05,
|
| 1576 |
+
"loss": 1.881,
|
| 1577 |
+
"step": 112000
|
| 1578 |
+
},
|
| 1579 |
+
{
|
| 1580 |
+
"epoch": 1.8,
|
| 1581 |
+
"grad_norm": 1.9235535860061646,
|
| 1582 |
+
"learning_rate": 2e-05,
|
| 1583 |
+
"loss": 1.8804,
|
| 1584 |
+
"step": 112500
|
| 1585 |
+
},
|
| 1586 |
+
{
|
| 1587 |
+
"epoch": 1.808,
|
| 1588 |
+
"grad_norm": 1.7329195737838745,
|
| 1589 |
+
"learning_rate": 1.9866666666666667e-05,
|
| 1590 |
+
"loss": 1.8783,
|
| 1591 |
+
"step": 113000
|
| 1592 |
+
},
|
| 1593 |
+
{
|
| 1594 |
+
"epoch": 1.8159999999999998,
|
| 1595 |
+
"grad_norm": 1.7016922235488892,
|
| 1596 |
+
"learning_rate": 1.9733333333333333e-05,
|
| 1597 |
+
"loss": 1.8883,
|
| 1598 |
+
"step": 113500
|
| 1599 |
+
},
|
| 1600 |
+
{
|
| 1601 |
+
"epoch": 1.8239999999999998,
|
| 1602 |
+
"grad_norm": 1.8393429517745972,
|
| 1603 |
+
"learning_rate": 1.9600000000000002e-05,
|
| 1604 |
+
"loss": 1.8771,
|
| 1605 |
+
"step": 114000
|
| 1606 |
+
},
|
| 1607 |
+
{
|
| 1608 |
+
"epoch": 1.8319999999999999,
|
| 1609 |
+
"grad_norm": 1.8055399656295776,
|
| 1610 |
+
"learning_rate": 1.9466666666666668e-05,
|
| 1611 |
+
"loss": 1.8696,
|
| 1612 |
+
"step": 114500
|
| 1613 |
+
},
|
| 1614 |
+
{
|
| 1615 |
+
"epoch": 1.8399999999999999,
|
| 1616 |
+
"grad_norm": 1.9855396747589111,
|
| 1617 |
+
"learning_rate": 1.9333333333333333e-05,
|
| 1618 |
+
"loss": 1.8609,
|
| 1619 |
+
"step": 115000
|
| 1620 |
+
},
|
| 1621 |
+
{
|
| 1622 |
+
"epoch": 1.8479999999999999,
|
| 1623 |
+
"grad_norm": 1.7481520175933838,
|
| 1624 |
+
"learning_rate": 1.9200000000000003e-05,
|
| 1625 |
+
"loss": 1.8993,
|
| 1626 |
+
"step": 115500
|
| 1627 |
+
},
|
| 1628 |
+
{
|
| 1629 |
+
"epoch": 1.8559999999999999,
|
| 1630 |
+
"grad_norm": 1.812380313873291,
|
| 1631 |
+
"learning_rate": 1.9066666666666668e-05,
|
| 1632 |
+
"loss": 1.8781,
|
| 1633 |
+
"step": 116000
|
| 1634 |
+
},
|
| 1635 |
+
{
|
| 1636 |
+
"epoch": 1.8639999999999999,
|
| 1637 |
+
"grad_norm": 1.815185785293579,
|
| 1638 |
+
"learning_rate": 1.8933333333333334e-05,
|
| 1639 |
+
"loss": 1.8601,
|
| 1640 |
+
"step": 116500
|
| 1641 |
+
},
|
| 1642 |
+
{
|
| 1643 |
+
"epoch": 1.8719999999999999,
|
| 1644 |
+
"grad_norm": 1.7280269861221313,
|
| 1645 |
+
"learning_rate": 1.88e-05,
|
| 1646 |
+
"loss": 1.8544,
|
| 1647 |
+
"step": 117000
|
| 1648 |
+
},
|
| 1649 |
+
{
|
| 1650 |
+
"epoch": 1.88,
|
| 1651 |
+
"grad_norm": 1.8272778987884521,
|
| 1652 |
+
"learning_rate": 1.866666666666667e-05,
|
| 1653 |
+
"loss": 1.8744,
|
| 1654 |
+
"step": 117500
|
| 1655 |
+
},
|
| 1656 |
+
{
|
| 1657 |
+
"epoch": 1.888,
|
| 1658 |
+
"grad_norm": 1.850099802017212,
|
| 1659 |
+
"learning_rate": 1.8533333333333334e-05,
|
| 1660 |
+
"loss": 1.8634,
|
| 1661 |
+
"step": 118000
|
| 1662 |
+
},
|
| 1663 |
+
{
|
| 1664 |
+
"epoch": 1.896,
|
| 1665 |
+
"grad_norm": 1.8374384641647339,
|
| 1666 |
+
"learning_rate": 1.84e-05,
|
| 1667 |
+
"loss": 1.8849,
|
| 1668 |
+
"step": 118500
|
| 1669 |
+
},
|
| 1670 |
+
{
|
| 1671 |
+
"epoch": 1.904,
|
| 1672 |
+
"grad_norm": 1.7557889223098755,
|
| 1673 |
+
"learning_rate": 1.826666666666667e-05,
|
| 1674 |
+
"loss": 1.8681,
|
| 1675 |
+
"step": 119000
|
| 1676 |
+
},
|
| 1677 |
+
{
|
| 1678 |
+
"epoch": 1.912,
|
| 1679 |
+
"grad_norm": 1.7683889865875244,
|
| 1680 |
+
"learning_rate": 1.8133333333333335e-05,
|
| 1681 |
+
"loss": 1.8593,
|
| 1682 |
+
"step": 119500
|
| 1683 |
+
},
|
| 1684 |
+
{
|
| 1685 |
+
"epoch": 1.92,
|
| 1686 |
+
"grad_norm": 1.7248135805130005,
|
| 1687 |
+
"learning_rate": 1.8e-05,
|
| 1688 |
+
"loss": 1.8613,
|
| 1689 |
+
"step": 120000
|
| 1690 |
+
},
|
| 1691 |
+
{
|
| 1692 |
+
"epoch": 1.928,
|
| 1693 |
+
"grad_norm": 1.9299896955490112,
|
| 1694 |
+
"learning_rate": 1.7866666666666666e-05,
|
| 1695 |
+
"loss": 1.861,
|
| 1696 |
+
"step": 120500
|
| 1697 |
+
},
|
| 1698 |
+
{
|
| 1699 |
+
"epoch": 1.936,
|
| 1700 |
+
"grad_norm": 1.8154443502426147,
|
| 1701 |
+
"learning_rate": 1.7733333333333335e-05,
|
| 1702 |
+
"loss": 1.874,
|
| 1703 |
+
"step": 121000
|
| 1704 |
+
},
|
| 1705 |
+
{
|
| 1706 |
+
"epoch": 1.944,
|
| 1707 |
+
"grad_norm": 1.912415862083435,
|
| 1708 |
+
"learning_rate": 1.76e-05,
|
| 1709 |
+
"loss": 1.8834,
|
| 1710 |
+
"step": 121500
|
| 1711 |
+
},
|
| 1712 |
+
{
|
| 1713 |
+
"epoch": 1.952,
|
| 1714 |
+
"grad_norm": 1.5843967199325562,
|
| 1715 |
+
"learning_rate": 1.7466666666666667e-05,
|
| 1716 |
+
"loss": 1.8595,
|
| 1717 |
+
"step": 122000
|
| 1718 |
+
},
|
| 1719 |
+
{
|
| 1720 |
+
"epoch": 1.96,
|
| 1721 |
+
"grad_norm": 1.8391033411026,
|
| 1722 |
+
"learning_rate": 1.7333333333333336e-05,
|
| 1723 |
+
"loss": 1.8791,
|
| 1724 |
+
"step": 122500
|
| 1725 |
+
},
|
| 1726 |
+
{
|
| 1727 |
+
"epoch": 1.968,
|
| 1728 |
+
"grad_norm": 1.7818515300750732,
|
| 1729 |
+
"learning_rate": 1.7199999999999998e-05,
|
| 1730 |
+
"loss": 1.8547,
|
| 1731 |
+
"step": 123000
|
| 1732 |
+
},
|
| 1733 |
+
{
|
| 1734 |
+
"epoch": 1.976,
|
| 1735 |
+
"grad_norm": 1.8155213594436646,
|
| 1736 |
+
"learning_rate": 1.7066666666666667e-05,
|
| 1737 |
+
"loss": 1.8617,
|
| 1738 |
+
"step": 123500
|
| 1739 |
+
},
|
| 1740 |
+
{
|
| 1741 |
+
"epoch": 1.984,
|
| 1742 |
+
"grad_norm": 1.5531349182128906,
|
| 1743 |
+
"learning_rate": 1.6933333333333333e-05,
|
| 1744 |
+
"loss": 1.8614,
|
| 1745 |
+
"step": 124000
|
| 1746 |
+
},
|
| 1747 |
+
{
|
| 1748 |
+
"epoch": 1.992,
|
| 1749 |
+
"grad_norm": 1.8303369283676147,
|
| 1750 |
+
"learning_rate": 1.6800000000000002e-05,
|
| 1751 |
+
"loss": 1.8668,
|
| 1752 |
+
"step": 124500
|
| 1753 |
+
},
|
| 1754 |
+
{
|
| 1755 |
+
"epoch": 2.0,
|
| 1756 |
+
"grad_norm": 1.6985926628112793,
|
| 1757 |
+
"learning_rate": 1.6666666666666667e-05,
|
| 1758 |
+
"loss": 1.8446,
|
| 1759 |
+
"step": 125000
|
| 1760 |
+
},
|
| 1761 |
+
{
|
| 1762 |
+
"epoch": 2.008,
|
| 1763 |
+
"grad_norm": 1.7218008041381836,
|
| 1764 |
+
"learning_rate": 1.6533333333333333e-05,
|
| 1765 |
+
"loss": 1.8499,
|
| 1766 |
+
"step": 125500
|
| 1767 |
+
},
|
| 1768 |
+
{
|
| 1769 |
+
"epoch": 2.016,
|
| 1770 |
+
"grad_norm": 1.802899718284607,
|
| 1771 |
+
"learning_rate": 1.6400000000000002e-05,
|
| 1772 |
+
"loss": 1.8632,
|
| 1773 |
+
"step": 126000
|
| 1774 |
+
},
|
| 1775 |
+
{
|
| 1776 |
+
"epoch": 2.024,
|
| 1777 |
+
"grad_norm": 1.8589763641357422,
|
| 1778 |
+
"learning_rate": 1.6266666666666665e-05,
|
| 1779 |
+
"loss": 1.8494,
|
| 1780 |
+
"step": 126500
|
| 1781 |
+
},
|
| 1782 |
+
{
|
| 1783 |
+
"epoch": 2.032,
|
| 1784 |
+
"grad_norm": 1.5802944898605347,
|
| 1785 |
+
"learning_rate": 1.6133333333333334e-05,
|
| 1786 |
+
"loss": 1.8529,
|
| 1787 |
+
"step": 127000
|
| 1788 |
+
},
|
| 1789 |
+
{
|
| 1790 |
+
"epoch": 2.04,
|
| 1791 |
+
"grad_norm": 1.7548511028289795,
|
| 1792 |
+
"learning_rate": 1.6000000000000003e-05,
|
| 1793 |
+
"loss": 1.8611,
|
| 1794 |
+
"step": 127500
|
| 1795 |
+
},
|
| 1796 |
+
{
|
| 1797 |
+
"epoch": 2.048,
|
| 1798 |
+
"grad_norm": 1.8358590602874756,
|
| 1799 |
+
"learning_rate": 1.586666666666667e-05,
|
| 1800 |
+
"loss": 1.8609,
|
| 1801 |
+
"step": 128000
|
| 1802 |
+
},
|
| 1803 |
+
{
|
| 1804 |
+
"epoch": 2.056,
|
| 1805 |
+
"grad_norm": 2.037330389022827,
|
| 1806 |
+
"learning_rate": 1.5733333333333334e-05,
|
| 1807 |
+
"loss": 1.8509,
|
| 1808 |
+
"step": 128500
|
| 1809 |
+
},
|
| 1810 |
+
{
|
| 1811 |
+
"epoch": 2.064,
|
| 1812 |
+
"grad_norm": 1.7744148969650269,
|
| 1813 |
+
"learning_rate": 1.56e-05,
|
| 1814 |
+
"loss": 1.8457,
|
| 1815 |
+
"step": 129000
|
| 1816 |
+
},
|
| 1817 |
+
{
|
| 1818 |
+
"epoch": 2.072,
|
| 1819 |
+
"grad_norm": 1.933630108833313,
|
| 1820 |
+
"learning_rate": 1.546666666666667e-05,
|
| 1821 |
+
"loss": 1.8442,
|
| 1822 |
+
"step": 129500
|
| 1823 |
+
},
|
| 1824 |
+
{
|
| 1825 |
+
"epoch": 2.08,
|
| 1826 |
+
"grad_norm": 1.6686636209487915,
|
| 1827 |
+
"learning_rate": 1.5333333333333334e-05,
|
| 1828 |
+
"loss": 1.8438,
|
| 1829 |
+
"step": 130000
|
| 1830 |
+
},
|
| 1831 |
+
{
|
| 1832 |
+
"epoch": 2.088,
|
| 1833 |
+
"grad_norm": 1.7930411100387573,
|
| 1834 |
+
"learning_rate": 1.52e-05,
|
| 1835 |
+
"loss": 1.8489,
|
| 1836 |
+
"step": 130500
|
| 1837 |
+
},
|
| 1838 |
+
{
|
| 1839 |
+
"epoch": 2.096,
|
| 1840 |
+
"grad_norm": 1.8760249614715576,
|
| 1841 |
+
"learning_rate": 1.5066666666666668e-05,
|
| 1842 |
+
"loss": 1.859,
|
| 1843 |
+
"step": 131000
|
| 1844 |
+
},
|
| 1845 |
+
{
|
| 1846 |
+
"epoch": 2.104,
|
| 1847 |
+
"grad_norm": 1.9190654754638672,
|
| 1848 |
+
"learning_rate": 1.4933333333333335e-05,
|
| 1849 |
+
"loss": 1.8416,
|
| 1850 |
+
"step": 131500
|
| 1851 |
+
},
|
| 1852 |
+
{
|
| 1853 |
+
"epoch": 2.112,
|
| 1854 |
+
"grad_norm": 1.9418339729309082,
|
| 1855 |
+
"learning_rate": 1.48e-05,
|
| 1856 |
+
"loss": 1.8657,
|
| 1857 |
+
"step": 132000
|
| 1858 |
+
},
|
| 1859 |
+
{
|
| 1860 |
+
"epoch": 2.12,
|
| 1861 |
+
"grad_norm": 1.7203164100646973,
|
| 1862 |
+
"learning_rate": 1.4666666666666668e-05,
|
| 1863 |
+
"loss": 1.8398,
|
| 1864 |
+
"step": 132500
|
| 1865 |
+
},
|
| 1866 |
+
{
|
| 1867 |
+
"epoch": 2.128,
|
| 1868 |
+
"grad_norm": 1.9633785486221313,
|
| 1869 |
+
"learning_rate": 1.4533333333333335e-05,
|
| 1870 |
+
"loss": 1.8468,
|
| 1871 |
+
"step": 133000
|
| 1872 |
+
},
|
| 1873 |
+
{
|
| 1874 |
+
"epoch": 2.136,
|
| 1875 |
+
"grad_norm": 1.7850947380065918,
|
| 1876 |
+
"learning_rate": 1.44e-05,
|
| 1877 |
+
"loss": 1.8531,
|
| 1878 |
+
"step": 133500
|
| 1879 |
+
},
|
| 1880 |
+
{
|
| 1881 |
+
"epoch": 2.144,
|
| 1882 |
+
"grad_norm": 2.0240588188171387,
|
| 1883 |
+
"learning_rate": 1.4266666666666667e-05,
|
| 1884 |
+
"loss": 1.8457,
|
| 1885 |
+
"step": 134000
|
| 1886 |
+
},
|
| 1887 |
+
{
|
| 1888 |
+
"epoch": 2.152,
|
| 1889 |
+
"grad_norm": 2.0260066986083984,
|
| 1890 |
+
"learning_rate": 1.4133333333333334e-05,
|
| 1891 |
+
"loss": 1.8426,
|
| 1892 |
+
"step": 134500
|
| 1893 |
+
},
|
| 1894 |
+
{
|
| 1895 |
+
"epoch": 2.16,
|
| 1896 |
+
"grad_norm": 1.9009325504302979,
|
| 1897 |
+
"learning_rate": 1.4000000000000001e-05,
|
| 1898 |
+
"loss": 1.8515,
|
| 1899 |
+
"step": 135000
|
| 1900 |
+
},
|
| 1901 |
+
{
|
| 1902 |
+
"epoch": 2.168,
|
| 1903 |
+
"grad_norm": 1.8236846923828125,
|
| 1904 |
+
"learning_rate": 1.3866666666666667e-05,
|
| 1905 |
+
"loss": 1.8552,
|
| 1906 |
+
"step": 135500
|
| 1907 |
+
},
|
| 1908 |
+
{
|
| 1909 |
+
"epoch": 2.176,
|
| 1910 |
+
"grad_norm": 1.852846384048462,
|
| 1911 |
+
"learning_rate": 1.3733333333333335e-05,
|
| 1912 |
+
"loss": 1.8478,
|
| 1913 |
+
"step": 136000
|
| 1914 |
+
},
|
| 1915 |
+
{
|
| 1916 |
+
"epoch": 2.184,
|
| 1917 |
+
"grad_norm": 1.9583061933517456,
|
| 1918 |
+
"learning_rate": 1.3600000000000002e-05,
|
| 1919 |
+
"loss": 1.8524,
|
| 1920 |
+
"step": 136500
|
| 1921 |
+
},
|
| 1922 |
+
{
|
| 1923 |
+
"epoch": 2.192,
|
| 1924 |
+
"grad_norm": 1.9375157356262207,
|
| 1925 |
+
"learning_rate": 1.3466666666666666e-05,
|
| 1926 |
+
"loss": 1.8558,
|
| 1927 |
+
"step": 137000
|
| 1928 |
+
},
|
| 1929 |
+
{
|
| 1930 |
+
"epoch": 2.2,
|
| 1931 |
+
"grad_norm": 1.7645885944366455,
|
| 1932 |
+
"learning_rate": 1.3333333333333333e-05,
|
| 1933 |
+
"loss": 1.8401,
|
| 1934 |
+
"step": 137500
|
| 1935 |
+
},
|
| 1936 |
+
{
|
| 1937 |
+
"epoch": 2.208,
|
| 1938 |
+
"grad_norm": 1.951188564300537,
|
| 1939 |
+
"learning_rate": 1.32e-05,
|
| 1940 |
+
"loss": 1.8513,
|
| 1941 |
+
"step": 138000
|
| 1942 |
+
},
|
| 1943 |
+
{
|
| 1944 |
+
"epoch": 2.216,
|
| 1945 |
+
"grad_norm": 2.0032854080200195,
|
| 1946 |
+
"learning_rate": 1.3066666666666666e-05,
|
| 1947 |
+
"loss": 1.8406,
|
| 1948 |
+
"step": 138500
|
| 1949 |
+
},
|
| 1950 |
+
{
|
| 1951 |
+
"epoch": 2.224,
|
| 1952 |
+
"grad_norm": 1.841737985610962,
|
| 1953 |
+
"learning_rate": 1.2933333333333334e-05,
|
| 1954 |
+
"loss": 1.834,
|
| 1955 |
+
"step": 139000
|
| 1956 |
+
},
|
| 1957 |
+
{
|
| 1958 |
+
"epoch": 2.232,
|
| 1959 |
+
"grad_norm": 1.588546633720398,
|
| 1960 |
+
"learning_rate": 1.2800000000000001e-05,
|
| 1961 |
+
"loss": 1.8443,
|
| 1962 |
+
"step": 139500
|
| 1963 |
+
},
|
| 1964 |
+
{
|
| 1965 |
+
"epoch": 2.24,
|
| 1966 |
+
"grad_norm": 2.0038251876831055,
|
| 1967 |
+
"learning_rate": 1.2666666666666668e-05,
|
| 1968 |
+
"loss": 1.8277,
|
| 1969 |
+
"step": 140000
|
| 1970 |
+
},
|
| 1971 |
+
{
|
| 1972 |
+
"epoch": 2.248,
|
| 1973 |
+
"grad_norm": 1.7083922624588013,
|
| 1974 |
+
"learning_rate": 1.2533333333333332e-05,
|
| 1975 |
+
"loss": 1.8614,
|
| 1976 |
+
"step": 140500
|
| 1977 |
+
},
|
| 1978 |
+
{
|
| 1979 |
+
"epoch": 2.2560000000000002,
|
| 1980 |
+
"grad_norm": 1.9109582901000977,
|
| 1981 |
+
"learning_rate": 1.24e-05,
|
| 1982 |
+
"loss": 1.8265,
|
| 1983 |
+
"step": 141000
|
| 1984 |
+
},
|
| 1985 |
+
{
|
| 1986 |
+
"epoch": 2.2640000000000002,
|
| 1987 |
+
"grad_norm": 1.9552371501922607,
|
| 1988 |
+
"learning_rate": 1.2266666666666667e-05,
|
| 1989 |
+
"loss": 1.8393,
|
| 1990 |
+
"step": 141500
|
| 1991 |
+
},
|
| 1992 |
+
{
|
| 1993 |
+
"epoch": 2.2720000000000002,
|
| 1994 |
+
"grad_norm": 1.8866478204727173,
|
| 1995 |
+
"learning_rate": 1.2133333333333335e-05,
|
| 1996 |
+
"loss": 1.8375,
|
| 1997 |
+
"step": 142000
|
| 1998 |
+
},
|
| 1999 |
+
{
|
| 2000 |
+
"epoch": 2.2800000000000002,
|
| 2001 |
+
"grad_norm": 1.870354175567627,
|
| 2002 |
+
"learning_rate": 1.2e-05,
|
| 2003 |
+
"loss": 1.8594,
|
| 2004 |
+
"step": 142500
|
| 2005 |
+
},
|
| 2006 |
+
{
|
| 2007 |
+
"epoch": 2.288,
|
| 2008 |
+
"grad_norm": 1.9616305828094482,
|
| 2009 |
+
"learning_rate": 1.1866666666666668e-05,
|
| 2010 |
+
"loss": 1.8497,
|
| 2011 |
+
"step": 143000
|
| 2012 |
+
},
|
| 2013 |
+
{
|
| 2014 |
+
"epoch": 2.296,
|
| 2015 |
+
"grad_norm": 1.808353066444397,
|
| 2016 |
+
"learning_rate": 1.1733333333333333e-05,
|
| 2017 |
+
"loss": 1.8561,
|
| 2018 |
+
"step": 143500
|
| 2019 |
+
},
|
| 2020 |
+
{
|
| 2021 |
+
"epoch": 2.304,
|
| 2022 |
+
"grad_norm": 1.9091089963912964,
|
| 2023 |
+
"learning_rate": 1.16e-05,
|
| 2024 |
+
"loss": 1.8375,
|
| 2025 |
+
"step": 144000
|
| 2026 |
+
},
|
| 2027 |
+
{
|
| 2028 |
+
"epoch": 2.312,
|
| 2029 |
+
"grad_norm": 1.8036478757858276,
|
| 2030 |
+
"learning_rate": 1.1466666666666666e-05,
|
| 2031 |
+
"loss": 1.8335,
|
| 2032 |
+
"step": 144500
|
| 2033 |
+
},
|
| 2034 |
+
{
|
| 2035 |
+
"epoch": 2.32,
|
| 2036 |
+
"grad_norm": 2.0178029537200928,
|
| 2037 |
+
"learning_rate": 1.1333333333333334e-05,
|
| 2038 |
+
"loss": 1.8444,
|
| 2039 |
+
"step": 145000
|
| 2040 |
+
},
|
| 2041 |
+
{
|
| 2042 |
+
"epoch": 2.328,
|
| 2043 |
+
"grad_norm": 1.8569800853729248,
|
| 2044 |
+
"learning_rate": 1.1200000000000001e-05,
|
| 2045 |
+
"loss": 1.8305,
|
| 2046 |
+
"step": 145500
|
| 2047 |
+
},
|
| 2048 |
+
{
|
| 2049 |
+
"epoch": 2.336,
|
| 2050 |
+
"grad_norm": 2.057157516479492,
|
| 2051 |
+
"learning_rate": 1.1066666666666667e-05,
|
| 2052 |
+
"loss": 1.8281,
|
| 2053 |
+
"step": 146000
|
| 2054 |
+
},
|
| 2055 |
+
{
|
| 2056 |
+
"epoch": 2.344,
|
| 2057 |
+
"grad_norm": 1.9577558040618896,
|
| 2058 |
+
"learning_rate": 1.0933333333333334e-05,
|
| 2059 |
+
"loss": 1.8477,
|
| 2060 |
+
"step": 146500
|
| 2061 |
+
},
|
| 2062 |
+
{
|
| 2063 |
+
"epoch": 2.352,
|
| 2064 |
+
"grad_norm": 1.8182008266448975,
|
| 2065 |
+
"learning_rate": 1.08e-05,
|
| 2066 |
+
"loss": 1.8277,
|
| 2067 |
+
"step": 147000
|
| 2068 |
+
},
|
| 2069 |
+
{
|
| 2070 |
+
"epoch": 2.36,
|
| 2071 |
+
"grad_norm": 1.8950669765472412,
|
| 2072 |
+
"learning_rate": 1.0666666666666667e-05,
|
| 2073 |
+
"loss": 1.8494,
|
| 2074 |
+
"step": 147500
|
| 2075 |
+
},
|
| 2076 |
+
{
|
| 2077 |
+
"epoch": 2.368,
|
| 2078 |
+
"grad_norm": 1.7674471139907837,
|
| 2079 |
+
"learning_rate": 1.0533333333333335e-05,
|
| 2080 |
+
"loss": 1.8456,
|
| 2081 |
+
"step": 148000
|
| 2082 |
+
},
|
| 2083 |
+
{
|
| 2084 |
+
"epoch": 2.376,
|
| 2085 |
+
"grad_norm": 1.736606240272522,
|
| 2086 |
+
"learning_rate": 1.04e-05,
|
| 2087 |
+
"loss": 1.8367,
|
| 2088 |
+
"step": 148500
|
| 2089 |
+
},
|
| 2090 |
+
{
|
| 2091 |
+
"epoch": 2.384,
|
| 2092 |
+
"grad_norm": 1.7838876247406006,
|
| 2093 |
+
"learning_rate": 1.0266666666666668e-05,
|
| 2094 |
+
"loss": 1.8336,
|
| 2095 |
+
"step": 149000
|
| 2096 |
+
},
|
| 2097 |
+
{
|
| 2098 |
+
"epoch": 2.392,
|
| 2099 |
+
"grad_norm": 1.9299639463424683,
|
| 2100 |
+
"learning_rate": 1.0133333333333333e-05,
|
| 2101 |
+
"loss": 1.8378,
|
| 2102 |
+
"step": 149500
|
| 2103 |
+
},
|
| 2104 |
+
{
|
| 2105 |
+
"epoch": 2.4,
|
| 2106 |
+
"grad_norm": 1.9191515445709229,
|
| 2107 |
+
"learning_rate": 1e-05,
|
| 2108 |
+
"loss": 1.8235,
|
| 2109 |
+
"step": 150000
|
| 2110 |
+
},
|
| 2111 |
+
{
|
| 2112 |
+
"epoch": 2.408,
|
| 2113 |
+
"grad_norm": 2.0013344287872314,
|
| 2114 |
+
"learning_rate": 9.866666666666667e-06,
|
| 2115 |
+
"loss": 1.827,
|
| 2116 |
+
"step": 150500
|
| 2117 |
+
},
|
| 2118 |
+
{
|
| 2119 |
+
"epoch": 2.416,
|
| 2120 |
+
"grad_norm": 1.8698800802230835,
|
| 2121 |
+
"learning_rate": 9.733333333333334e-06,
|
| 2122 |
+
"loss": 1.8349,
|
| 2123 |
+
"step": 151000
|
| 2124 |
+
},
|
| 2125 |
+
{
|
| 2126 |
+
"epoch": 2.424,
|
| 2127 |
+
"grad_norm": 1.6612006425857544,
|
| 2128 |
+
"learning_rate": 9.600000000000001e-06,
|
| 2129 |
+
"loss": 1.8424,
|
| 2130 |
+
"step": 151500
|
| 2131 |
+
},
|
| 2132 |
+
{
|
| 2133 |
+
"epoch": 2.432,
|
| 2134 |
+
"grad_norm": 1.951242208480835,
|
| 2135 |
+
"learning_rate": 9.466666666666667e-06,
|
| 2136 |
+
"loss": 1.834,
|
| 2137 |
+
"step": 152000
|
| 2138 |
+
},
|
| 2139 |
+
{
|
| 2140 |
+
"epoch": 2.44,
|
| 2141 |
+
"grad_norm": 1.856749176979065,
|
| 2142 |
+
"learning_rate": 9.333333333333334e-06,
|
| 2143 |
+
"loss": 1.8395,
|
| 2144 |
+
"step": 152500
|
| 2145 |
+
},
|
| 2146 |
+
{
|
| 2147 |
+
"epoch": 2.448,
|
| 2148 |
+
"grad_norm": 1.8266855478286743,
|
| 2149 |
+
"learning_rate": 9.2e-06,
|
| 2150 |
+
"loss": 1.8454,
|
| 2151 |
+
"step": 153000
|
| 2152 |
+
},
|
| 2153 |
+
{
|
| 2154 |
+
"epoch": 2.456,
|
| 2155 |
+
"grad_norm": 1.725915789604187,
|
| 2156 |
+
"learning_rate": 9.066666666666667e-06,
|
| 2157 |
+
"loss": 1.8508,
|
| 2158 |
+
"step": 153500
|
| 2159 |
+
},
|
| 2160 |
+
{
|
| 2161 |
+
"epoch": 2.464,
|
| 2162 |
+
"grad_norm": 1.5564109086990356,
|
| 2163 |
+
"learning_rate": 8.933333333333333e-06,
|
| 2164 |
+
"loss": 1.8326,
|
| 2165 |
+
"step": 154000
|
| 2166 |
+
},
|
| 2167 |
+
{
|
| 2168 |
+
"epoch": 2.472,
|
| 2169 |
+
"grad_norm": 1.8476347923278809,
|
| 2170 |
+
"learning_rate": 8.8e-06,
|
| 2171 |
+
"loss": 1.8247,
|
| 2172 |
+
"step": 154500
|
| 2173 |
+
},
|
| 2174 |
+
{
|
| 2175 |
+
"epoch": 2.48,
|
| 2176 |
+
"grad_norm": 1.8189277648925781,
|
| 2177 |
+
"learning_rate": 8.666666666666668e-06,
|
| 2178 |
+
"loss": 1.8497,
|
| 2179 |
+
"step": 155000
|
| 2180 |
+
},
|
| 2181 |
+
{
|
| 2182 |
+
"epoch": 2.488,
|
| 2183 |
+
"grad_norm": 1.8214067220687866,
|
| 2184 |
+
"learning_rate": 8.533333333333334e-06,
|
| 2185 |
+
"loss": 1.8254,
|
| 2186 |
+
"step": 155500
|
| 2187 |
+
},
|
| 2188 |
+
{
|
| 2189 |
+
"epoch": 2.496,
|
| 2190 |
+
"grad_norm": 1.9097650051116943,
|
| 2191 |
+
"learning_rate": 8.400000000000001e-06,
|
| 2192 |
+
"loss": 1.8483,
|
| 2193 |
+
"step": 156000
|
| 2194 |
+
},
|
| 2195 |
+
{
|
| 2196 |
+
"epoch": 2.504,
|
| 2197 |
+
"grad_norm": 1.8337140083312988,
|
| 2198 |
+
"learning_rate": 8.266666666666667e-06,
|
| 2199 |
+
"loss": 1.8312,
|
| 2200 |
+
"step": 156500
|
| 2201 |
+
},
|
| 2202 |
+
{
|
| 2203 |
+
"epoch": 2.512,
|
| 2204 |
+
"grad_norm": 1.8881639242172241,
|
| 2205 |
+
"learning_rate": 8.133333333333332e-06,
|
| 2206 |
+
"loss": 1.8333,
|
| 2207 |
+
"step": 157000
|
| 2208 |
+
},
|
| 2209 |
+
{
|
| 2210 |
+
"epoch": 2.52,
|
| 2211 |
+
"grad_norm": 1.8009637594223022,
|
| 2212 |
+
"learning_rate": 8.000000000000001e-06,
|
| 2213 |
+
"loss": 1.8408,
|
| 2214 |
+
"step": 157500
|
| 2215 |
+
},
|
| 2216 |
+
{
|
| 2217 |
+
"epoch": 2.528,
|
| 2218 |
+
"grad_norm": 1.9303796291351318,
|
| 2219 |
+
"learning_rate": 7.866666666666667e-06,
|
| 2220 |
+
"loss": 1.8295,
|
| 2221 |
+
"step": 158000
|
| 2222 |
+
},
|
| 2223 |
+
{
|
| 2224 |
+
"epoch": 2.536,
|
| 2225 |
+
"grad_norm": 1.8134992122650146,
|
| 2226 |
+
"learning_rate": 7.733333333333334e-06,
|
| 2227 |
+
"loss": 1.8314,
|
| 2228 |
+
"step": 158500
|
| 2229 |
+
},
|
| 2230 |
+
{
|
| 2231 |
+
"epoch": 2.544,
|
| 2232 |
+
"grad_norm": 1.8826241493225098,
|
| 2233 |
+
"learning_rate": 7.6e-06,
|
| 2234 |
+
"loss": 1.8496,
|
| 2235 |
+
"step": 159000
|
| 2236 |
+
},
|
| 2237 |
+
{
|
| 2238 |
+
"epoch": 2.552,
|
| 2239 |
+
"grad_norm": 1.8418912887573242,
|
| 2240 |
+
"learning_rate": 7.4666666666666675e-06,
|
| 2241 |
+
"loss": 1.82,
|
| 2242 |
+
"step": 159500
|
| 2243 |
+
},
|
| 2244 |
+
{
|
| 2245 |
+
"epoch": 2.56,
|
| 2246 |
+
"grad_norm": 1.8194817304611206,
|
| 2247 |
+
"learning_rate": 7.333333333333334e-06,
|
| 2248 |
+
"loss": 1.8333,
|
| 2249 |
+
"step": 160000
|
| 2250 |
+
},
|
| 2251 |
+
{
|
| 2252 |
+
"epoch": 2.568,
|
| 2253 |
+
"grad_norm": 1.7392867803573608,
|
| 2254 |
+
"learning_rate": 7.2e-06,
|
| 2255 |
+
"loss": 1.8504,
|
| 2256 |
+
"step": 160500
|
| 2257 |
+
},
|
| 2258 |
+
{
|
| 2259 |
+
"epoch": 2.576,
|
| 2260 |
+
"grad_norm": 1.8782169818878174,
|
| 2261 |
+
"learning_rate": 7.066666666666667e-06,
|
| 2262 |
+
"loss": 1.8224,
|
| 2263 |
+
"step": 161000
|
| 2264 |
+
},
|
| 2265 |
+
{
|
| 2266 |
+
"epoch": 2.584,
|
| 2267 |
+
"grad_norm": 1.8290361166000366,
|
| 2268 |
+
"learning_rate": 6.933333333333334e-06,
|
| 2269 |
+
"loss": 1.814,
|
| 2270 |
+
"step": 161500
|
| 2271 |
+
},
|
| 2272 |
+
{
|
| 2273 |
+
"epoch": 2.592,
|
| 2274 |
+
"grad_norm": 2.0854997634887695,
|
| 2275 |
+
"learning_rate": 6.800000000000001e-06,
|
| 2276 |
+
"loss": 1.8395,
|
| 2277 |
+
"step": 162000
|
| 2278 |
+
},
|
| 2279 |
+
{
|
| 2280 |
+
"epoch": 2.6,
|
| 2281 |
+
"grad_norm": 1.9408602714538574,
|
| 2282 |
+
"learning_rate": 6.666666666666667e-06,
|
| 2283 |
+
"loss": 1.8429,
|
| 2284 |
+
"step": 162500
|
| 2285 |
+
},
|
| 2286 |
+
{
|
| 2287 |
+
"epoch": 2.608,
|
| 2288 |
+
"grad_norm": 1.797491192817688,
|
| 2289 |
+
"learning_rate": 6.533333333333333e-06,
|
| 2290 |
+
"loss": 1.8202,
|
| 2291 |
+
"step": 163000
|
| 2292 |
+
},
|
| 2293 |
+
{
|
| 2294 |
+
"epoch": 2.616,
|
| 2295 |
+
"grad_norm": 1.9330778121948242,
|
| 2296 |
+
"learning_rate": 6.4000000000000006e-06,
|
| 2297 |
+
"loss": 1.828,
|
| 2298 |
+
"step": 163500
|
| 2299 |
+
},
|
| 2300 |
+
{
|
| 2301 |
+
"epoch": 2.624,
|
| 2302 |
+
"grad_norm": 1.8699086904525757,
|
| 2303 |
+
"learning_rate": 6.266666666666666e-06,
|
| 2304 |
+
"loss": 1.8155,
|
| 2305 |
+
"step": 164000
|
| 2306 |
+
},
|
| 2307 |
+
{
|
| 2308 |
+
"epoch": 2.632,
|
| 2309 |
+
"grad_norm": 1.7859070301055908,
|
| 2310 |
+
"learning_rate": 6.133333333333334e-06,
|
| 2311 |
+
"loss": 1.829,
|
| 2312 |
+
"step": 164500
|
| 2313 |
+
},
|
| 2314 |
+
{
|
| 2315 |
+
"epoch": 2.64,
|
| 2316 |
+
"grad_norm": 1.7872146368026733,
|
| 2317 |
+
"learning_rate": 6e-06,
|
| 2318 |
+
"loss": 1.846,
|
| 2319 |
+
"step": 165000
|
| 2320 |
+
},
|
| 2321 |
+
{
|
| 2322 |
+
"epoch": 2.648,
|
| 2323 |
+
"grad_norm": 1.9313969612121582,
|
| 2324 |
+
"learning_rate": 5.866666666666667e-06,
|
| 2325 |
+
"loss": 1.826,
|
| 2326 |
+
"step": 165500
|
| 2327 |
+
},
|
| 2328 |
+
{
|
| 2329 |
+
"epoch": 2.656,
|
| 2330 |
+
"grad_norm": 1.947277545928955,
|
| 2331 |
+
"learning_rate": 5.733333333333333e-06,
|
| 2332 |
+
"loss": 1.8476,
|
| 2333 |
+
"step": 166000
|
| 2334 |
+
},
|
| 2335 |
+
{
|
| 2336 |
+
"epoch": 2.664,
|
| 2337 |
+
"grad_norm": 1.8288840055465698,
|
| 2338 |
+
"learning_rate": 5.600000000000001e-06,
|
| 2339 |
+
"loss": 1.8436,
|
| 2340 |
+
"step": 166500
|
| 2341 |
+
},
|
| 2342 |
+
{
|
| 2343 |
+
"epoch": 2.672,
|
| 2344 |
+
"grad_norm": 1.8859224319458008,
|
| 2345 |
+
"learning_rate": 5.466666666666667e-06,
|
| 2346 |
+
"loss": 1.828,
|
| 2347 |
+
"step": 167000
|
| 2348 |
+
},
|
| 2349 |
+
{
|
| 2350 |
+
"epoch": 2.68,
|
| 2351 |
+
"grad_norm": 1.7970854043960571,
|
| 2352 |
+
"learning_rate": 5.333333333333334e-06,
|
| 2353 |
+
"loss": 1.8417,
|
| 2354 |
+
"step": 167500
|
| 2355 |
+
},
|
| 2356 |
+
{
|
| 2357 |
+
"epoch": 2.6879999999999997,
|
| 2358 |
+
"grad_norm": 1.7561726570129395,
|
| 2359 |
+
"learning_rate": 5.2e-06,
|
| 2360 |
+
"loss": 1.8289,
|
| 2361 |
+
"step": 168000
|
| 2362 |
+
},
|
| 2363 |
+
{
|
| 2364 |
+
"epoch": 2.6959999999999997,
|
| 2365 |
+
"grad_norm": 1.700593113899231,
|
| 2366 |
+
"learning_rate": 5.066666666666667e-06,
|
| 2367 |
+
"loss": 1.8252,
|
| 2368 |
+
"step": 168500
|
| 2369 |
+
},
|
| 2370 |
+
{
|
| 2371 |
+
"epoch": 2.7039999999999997,
|
| 2372 |
+
"grad_norm": 1.951073408126831,
|
| 2373 |
+
"learning_rate": 4.933333333333333e-06,
|
| 2374 |
+
"loss": 1.8432,
|
| 2375 |
+
"step": 169000
|
| 2376 |
+
},
|
| 2377 |
+
{
|
| 2378 |
+
"epoch": 2.7119999999999997,
|
| 2379 |
+
"grad_norm": 1.8249605894088745,
|
| 2380 |
+
"learning_rate": 4.800000000000001e-06,
|
| 2381 |
+
"loss": 1.8329,
|
| 2382 |
+
"step": 169500
|
| 2383 |
+
},
|
| 2384 |
+
{
|
| 2385 |
+
"epoch": 2.7199999999999998,
|
| 2386 |
+
"grad_norm": 1.873731017112732,
|
| 2387 |
+
"learning_rate": 4.666666666666667e-06,
|
| 2388 |
+
"loss": 1.8411,
|
| 2389 |
+
"step": 170000
|
| 2390 |
+
},
|
| 2391 |
+
{
|
| 2392 |
+
"epoch": 2.7279999999999998,
|
| 2393 |
+
"grad_norm": 1.855536699295044,
|
| 2394 |
+
"learning_rate": 4.533333333333334e-06,
|
| 2395 |
+
"loss": 1.8208,
|
| 2396 |
+
"step": 170500
|
| 2397 |
+
},
|
| 2398 |
+
{
|
| 2399 |
+
"epoch": 2.7359999999999998,
|
| 2400 |
+
"grad_norm": 1.7833794355392456,
|
| 2401 |
+
"learning_rate": 4.4e-06,
|
| 2402 |
+
"loss": 1.8319,
|
| 2403 |
+
"step": 171000
|
| 2404 |
+
},
|
| 2405 |
+
{
|
| 2406 |
+
"epoch": 2.7439999999999998,
|
| 2407 |
+
"grad_norm": 2.0601699352264404,
|
| 2408 |
+
"learning_rate": 4.266666666666667e-06,
|
| 2409 |
+
"loss": 1.8412,
|
| 2410 |
+
"step": 171500
|
| 2411 |
+
},
|
| 2412 |
+
{
|
| 2413 |
+
"epoch": 2.752,
|
| 2414 |
+
"grad_norm": 1.837721824645996,
|
| 2415 |
+
"learning_rate": 4.133333333333333e-06,
|
| 2416 |
+
"loss": 1.844,
|
| 2417 |
+
"step": 172000
|
| 2418 |
+
},
|
| 2419 |
+
{
|
| 2420 |
+
"epoch": 2.76,
|
| 2421 |
+
"grad_norm": 1.881317377090454,
|
| 2422 |
+
"learning_rate": 4.000000000000001e-06,
|
| 2423 |
+
"loss": 1.8352,
|
| 2424 |
+
"step": 172500
|
| 2425 |
+
},
|
| 2426 |
+
{
|
| 2427 |
+
"epoch": 2.768,
|
| 2428 |
+
"grad_norm": 1.7544629573822021,
|
| 2429 |
+
"learning_rate": 3.866666666666667e-06,
|
| 2430 |
+
"loss": 1.8397,
|
| 2431 |
+
"step": 173000
|
| 2432 |
+
},
|
| 2433 |
+
{
|
| 2434 |
+
"epoch": 2.776,
|
| 2435 |
+
"grad_norm": 2.093456745147705,
|
| 2436 |
+
"learning_rate": 3.7333333333333337e-06,
|
| 2437 |
+
"loss": 1.8422,
|
| 2438 |
+
"step": 173500
|
| 2439 |
+
},
|
| 2440 |
+
{
|
| 2441 |
+
"epoch": 2.784,
|
| 2442 |
+
"grad_norm": 1.8347622156143188,
|
| 2443 |
+
"learning_rate": 3.6e-06,
|
| 2444 |
+
"loss": 1.8347,
|
| 2445 |
+
"step": 174000
|
| 2446 |
+
},
|
| 2447 |
+
{
|
| 2448 |
+
"epoch": 2.792,
|
| 2449 |
+
"grad_norm": 1.7185862064361572,
|
| 2450 |
+
"learning_rate": 3.466666666666667e-06,
|
| 2451 |
+
"loss": 1.831,
|
| 2452 |
+
"step": 174500
|
| 2453 |
+
},
|
| 2454 |
+
{
|
| 2455 |
+
"epoch": 2.8,
|
| 2456 |
+
"grad_norm": 1.623732566833496,
|
| 2457 |
+
"learning_rate": 3.3333333333333333e-06,
|
| 2458 |
+
"loss": 1.8313,
|
| 2459 |
+
"step": 175000
|
| 2460 |
+
},
|
| 2461 |
+
{
|
| 2462 |
+
"epoch": 2.808,
|
| 2463 |
+
"grad_norm": 2.0248374938964844,
|
| 2464 |
+
"learning_rate": 3.2000000000000003e-06,
|
| 2465 |
+
"loss": 1.8278,
|
| 2466 |
+
"step": 175500
|
| 2467 |
+
},
|
| 2468 |
+
{
|
| 2469 |
+
"epoch": 2.816,
|
| 2470 |
+
"grad_norm": 1.826708197593689,
|
| 2471 |
+
"learning_rate": 3.066666666666667e-06,
|
| 2472 |
+
"loss": 1.8408,
|
| 2473 |
+
"step": 176000
|
| 2474 |
+
},
|
| 2475 |
+
{
|
| 2476 |
+
"epoch": 2.824,
|
| 2477 |
+
"grad_norm": 2.00423002243042,
|
| 2478 |
+
"learning_rate": 2.9333333333333333e-06,
|
| 2479 |
+
"loss": 1.8109,
|
| 2480 |
+
"step": 176500
|
| 2481 |
+
},
|
| 2482 |
+
{
|
| 2483 |
+
"epoch": 2.832,
|
| 2484 |
+
"grad_norm": 1.8142499923706055,
|
| 2485 |
+
"learning_rate": 2.8000000000000003e-06,
|
| 2486 |
+
"loss": 1.8253,
|
| 2487 |
+
"step": 177000
|
| 2488 |
+
},
|
| 2489 |
+
{
|
| 2490 |
+
"epoch": 2.84,
|
| 2491 |
+
"grad_norm": 1.8642997741699219,
|
| 2492 |
+
"learning_rate": 2.666666666666667e-06,
|
| 2493 |
+
"loss": 1.8277,
|
| 2494 |
+
"step": 177500
|
| 2495 |
+
},
|
| 2496 |
+
{
|
| 2497 |
+
"epoch": 2.848,
|
| 2498 |
+
"grad_norm": 1.9190846681594849,
|
| 2499 |
+
"learning_rate": 2.5333333333333334e-06,
|
| 2500 |
+
"loss": 1.8289,
|
| 2501 |
+
"step": 178000
|
| 2502 |
+
},
|
| 2503 |
+
{
|
| 2504 |
+
"epoch": 2.856,
|
| 2505 |
+
"grad_norm": 1.7439806461334229,
|
| 2506 |
+
"learning_rate": 2.4000000000000003e-06,
|
| 2507 |
+
"loss": 1.809,
|
| 2508 |
+
"step": 178500
|
| 2509 |
+
},
|
| 2510 |
+
{
|
| 2511 |
+
"epoch": 2.864,
|
| 2512 |
+
"grad_norm": 1.8453558683395386,
|
| 2513 |
+
"learning_rate": 2.266666666666667e-06,
|
| 2514 |
+
"loss": 1.8433,
|
| 2515 |
+
"step": 179000
|
| 2516 |
+
},
|
| 2517 |
+
{
|
| 2518 |
+
"epoch": 2.872,
|
| 2519 |
+
"grad_norm": 1.9010626077651978,
|
| 2520 |
+
"learning_rate": 2.1333333333333334e-06,
|
| 2521 |
+
"loss": 1.8323,
|
| 2522 |
+
"step": 179500
|
| 2523 |
+
},
|
| 2524 |
+
{
|
| 2525 |
+
"epoch": 2.88,
|
| 2526 |
+
"grad_norm": 1.8746017217636108,
|
| 2527 |
+
"learning_rate": 2.0000000000000003e-06,
|
| 2528 |
+
"loss": 1.8264,
|
| 2529 |
+
"step": 180000
|
| 2530 |
+
},
|
| 2531 |
+
{
|
| 2532 |
+
"epoch": 2.888,
|
| 2533 |
+
"grad_norm": 2.0787651538848877,
|
| 2534 |
+
"learning_rate": 1.8666666666666669e-06,
|
| 2535 |
+
"loss": 1.8283,
|
| 2536 |
+
"step": 180500
|
| 2537 |
+
},
|
| 2538 |
+
{
|
| 2539 |
+
"epoch": 2.896,
|
| 2540 |
+
"grad_norm": 1.96491277217865,
|
| 2541 |
+
"learning_rate": 1.7333333333333334e-06,
|
| 2542 |
+
"loss": 1.8299,
|
| 2543 |
+
"step": 181000
|
| 2544 |
+
},
|
| 2545 |
+
{
|
| 2546 |
+
"epoch": 2.904,
|
| 2547 |
+
"grad_norm": 1.9869859218597412,
|
| 2548 |
+
"learning_rate": 1.6000000000000001e-06,
|
| 2549 |
+
"loss": 1.8248,
|
| 2550 |
+
"step": 181500
|
| 2551 |
+
},
|
| 2552 |
+
{
|
| 2553 |
+
"epoch": 2.912,
|
| 2554 |
+
"grad_norm": 1.8673088550567627,
|
| 2555 |
+
"learning_rate": 1.4666666666666667e-06,
|
| 2556 |
+
"loss": 1.825,
|
| 2557 |
+
"step": 182000
|
| 2558 |
+
},
|
| 2559 |
+
{
|
| 2560 |
+
"epoch": 2.92,
|
| 2561 |
+
"grad_norm": 1.8662779331207275,
|
| 2562 |
+
"learning_rate": 1.3333333333333334e-06,
|
| 2563 |
+
"loss": 1.8243,
|
| 2564 |
+
"step": 182500
|
| 2565 |
+
},
|
| 2566 |
+
{
|
| 2567 |
+
"epoch": 2.928,
|
| 2568 |
+
"grad_norm": 2.0835418701171875,
|
| 2569 |
+
"learning_rate": 1.2000000000000002e-06,
|
| 2570 |
+
"loss": 1.8281,
|
| 2571 |
+
"step": 183000
|
| 2572 |
+
},
|
| 2573 |
+
{
|
| 2574 |
+
"epoch": 2.936,
|
| 2575 |
+
"grad_norm": 1.9917378425598145,
|
| 2576 |
+
"learning_rate": 1.0666666666666667e-06,
|
| 2577 |
+
"loss": 1.8308,
|
| 2578 |
+
"step": 183500
|
| 2579 |
+
},
|
| 2580 |
+
{
|
| 2581 |
+
"epoch": 2.944,
|
| 2582 |
+
"grad_norm": 1.9177247285842896,
|
| 2583 |
+
"learning_rate": 9.333333333333334e-07,
|
| 2584 |
+
"loss": 1.8282,
|
| 2585 |
+
"step": 184000
|
| 2586 |
+
},
|
| 2587 |
+
{
|
| 2588 |
+
"epoch": 2.952,
|
| 2589 |
+
"grad_norm": 1.9583061933517456,
|
| 2590 |
+
"learning_rate": 8.000000000000001e-07,
|
| 2591 |
+
"loss": 1.8189,
|
| 2592 |
+
"step": 184500
|
| 2593 |
+
},
|
| 2594 |
+
{
|
| 2595 |
+
"epoch": 2.96,
|
| 2596 |
+
"grad_norm": 1.8395951986312866,
|
| 2597 |
+
"learning_rate": 6.666666666666667e-07,
|
| 2598 |
+
"loss": 1.8224,
|
| 2599 |
+
"step": 185000
|
| 2600 |
+
},
|
| 2601 |
+
{
|
| 2602 |
+
"epoch": 2.968,
|
| 2603 |
+
"grad_norm": 1.8979599475860596,
|
| 2604 |
+
"learning_rate": 5.333333333333333e-07,
|
| 2605 |
+
"loss": 1.8172,
|
| 2606 |
+
"step": 185500
|
| 2607 |
+
},
|
| 2608 |
+
{
|
| 2609 |
+
"epoch": 2.976,
|
| 2610 |
+
"grad_norm": 1.8728240728378296,
|
| 2611 |
+
"learning_rate": 4.0000000000000003e-07,
|
| 2612 |
+
"loss": 1.8211,
|
| 2613 |
+
"step": 186000
|
| 2614 |
+
},
|
| 2615 |
+
{
|
| 2616 |
+
"epoch": 2.984,
|
| 2617 |
+
"grad_norm": 1.8959940671920776,
|
| 2618 |
+
"learning_rate": 2.6666666666666667e-07,
|
| 2619 |
+
"loss": 1.8273,
|
| 2620 |
+
"step": 186500
|
| 2621 |
+
},
|
| 2622 |
+
{
|
| 2623 |
+
"epoch": 2.992,
|
| 2624 |
+
"grad_norm": 1.7126771211624146,
|
| 2625 |
+
"learning_rate": 1.3333333333333334e-07,
|
| 2626 |
+
"loss": 1.8364,
|
| 2627 |
+
"step": 187000
|
| 2628 |
+
},
|
| 2629 |
+
{
|
| 2630 |
+
"epoch": 3.0,
|
| 2631 |
+
"grad_norm": 1.9420398473739624,
|
| 2632 |
+
"learning_rate": 0.0,
|
| 2633 |
+
"loss": 1.8396,
|
| 2634 |
+
"step": 187500
|
| 2635 |
+
},
|
| 2636 |
+
{
|
| 2637 |
+
"epoch": 3.0,
|
| 2638 |
+
"step": 187500,
|
| 2639 |
+
"total_flos": 4.523072421888e+18,
|
| 2640 |
+
"train_loss": 1.9602742255859376,
|
| 2641 |
+
"train_runtime": 236203.9107,
|
| 2642 |
+
"train_samples_per_second": 3.175,
|
| 2643 |
+
"train_steps_per_second": 0.794
|
| 2644 |
+
}
|
| 2645 |
+
],
|
| 2646 |
+
"logging_steps": 500,
|
| 2647 |
+
"max_steps": 187500,
|
| 2648 |
+
"num_input_tokens_seen": 0,
|
| 2649 |
+
"num_train_epochs": 3,
|
| 2650 |
+
"save_steps": 500,
|
| 2651 |
+
"stateful_callbacks": {
|
| 2652 |
+
"TrainerControl": {
|
| 2653 |
+
"args": {
|
| 2654 |
+
"should_epoch_stop": false,
|
| 2655 |
+
"should_evaluate": false,
|
| 2656 |
+
"should_log": false,
|
| 2657 |
+
"should_save": true,
|
| 2658 |
+
"should_training_stop": true
|
| 2659 |
+
},
|
| 2660 |
+
"attributes": {}
|
| 2661 |
+
}
|
| 2662 |
+
},
|
| 2663 |
+
"total_flos": 4.523072421888e+18,
|
| 2664 |
+
"train_batch_size": 4,
|
| 2665 |
+
"trial_name": null,
|
| 2666 |
+
"trial_params": null
|
| 2667 |
+
}
|