Xinging commited on
Commit
fba85b8
·
verified ·
1 Parent(s): 7b61dce

Upload trainer_state.json with huggingface_hub

Browse files
Files changed (1) hide show
  1. trainer_state.json +2604 -0
trainer_state.json ADDED
@@ -0,0 +1,2604 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 3.0,
5
+ "eval_steps": 500,
6
+ "global_step": 366,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.00819672131147541,
13
+ "grad_norm": 4.202638149261475,
14
+ "learning_rate": 1.8181818181818183e-06,
15
+ "loss": 1.0983,
16
+ "step": 1
17
+ },
18
+ {
19
+ "epoch": 0.01639344262295082,
20
+ "grad_norm": 4.90077018737793,
21
+ "learning_rate": 3.6363636363636366e-06,
22
+ "loss": 1.1493,
23
+ "step": 2
24
+ },
25
+ {
26
+ "epoch": 0.02459016393442623,
27
+ "grad_norm": 3.7728867530822754,
28
+ "learning_rate": 5.4545454545454545e-06,
29
+ "loss": 1.1002,
30
+ "step": 3
31
+ },
32
+ {
33
+ "epoch": 0.03278688524590164,
34
+ "grad_norm": 3.952263593673706,
35
+ "learning_rate": 7.272727272727273e-06,
36
+ "loss": 1.0555,
37
+ "step": 4
38
+ },
39
+ {
40
+ "epoch": 0.040983606557377046,
41
+ "grad_norm": 3.233116388320923,
42
+ "learning_rate": 9.090909090909091e-06,
43
+ "loss": 1.0049,
44
+ "step": 5
45
+ },
46
+ {
47
+ "epoch": 0.04918032786885246,
48
+ "grad_norm": 2.412139892578125,
49
+ "learning_rate": 1.0909090909090909e-05,
50
+ "loss": 0.9923,
51
+ "step": 6
52
+ },
53
+ {
54
+ "epoch": 0.05737704918032787,
55
+ "grad_norm": 1.4961522817611694,
56
+ "learning_rate": 1.2727272727272728e-05,
57
+ "loss": 0.9775,
58
+ "step": 7
59
+ },
60
+ {
61
+ "epoch": 0.06557377049180328,
62
+ "grad_norm": 1.8131775856018066,
63
+ "learning_rate": 1.4545454545454546e-05,
64
+ "loss": 1.0089,
65
+ "step": 8
66
+ },
67
+ {
68
+ "epoch": 0.07377049180327869,
69
+ "grad_norm": 1.7625133991241455,
70
+ "learning_rate": 1.6363636363636366e-05,
71
+ "loss": 0.9214,
72
+ "step": 9
73
+ },
74
+ {
75
+ "epoch": 0.08196721311475409,
76
+ "grad_norm": 1.5888162851333618,
77
+ "learning_rate": 1.8181818181818182e-05,
78
+ "loss": 0.9976,
79
+ "step": 10
80
+ },
81
+ {
82
+ "epoch": 0.09016393442622951,
83
+ "grad_norm": 1.6568323373794556,
84
+ "learning_rate": 2e-05,
85
+ "loss": 0.9872,
86
+ "step": 11
87
+ },
88
+ {
89
+ "epoch": 0.09836065573770492,
90
+ "grad_norm": 1.7209982872009277,
91
+ "learning_rate": 1.9999608429280302e-05,
92
+ "loss": 0.9809,
93
+ "step": 12
94
+ },
95
+ {
96
+ "epoch": 0.10655737704918032,
97
+ "grad_norm": 1.429029107093811,
98
+ "learning_rate": 1.999843374778673e-05,
99
+ "loss": 0.9346,
100
+ "step": 13
101
+ },
102
+ {
103
+ "epoch": 0.11475409836065574,
104
+ "grad_norm": 1.2364733219146729,
105
+ "learning_rate": 1.9996476047513454e-05,
106
+ "loss": 0.9249,
107
+ "step": 14
108
+ },
109
+ {
110
+ "epoch": 0.12295081967213115,
111
+ "grad_norm": 1.4021698236465454,
112
+ "learning_rate": 1.9993735481776105e-05,
113
+ "loss": 0.922,
114
+ "step": 15
115
+ },
116
+ {
117
+ "epoch": 0.13114754098360656,
118
+ "grad_norm": 1.442407250404358,
119
+ "learning_rate": 1.9990212265199738e-05,
120
+ "loss": 0.8845,
121
+ "step": 16
122
+ },
123
+ {
124
+ "epoch": 0.13934426229508196,
125
+ "grad_norm": 1.3294403553009033,
126
+ "learning_rate": 1.998590667370204e-05,
127
+ "loss": 0.926,
128
+ "step": 17
129
+ },
130
+ {
131
+ "epoch": 0.14754098360655737,
132
+ "grad_norm": 1.3673713207244873,
133
+ "learning_rate": 1.9980819044471732e-05,
134
+ "loss": 0.9309,
135
+ "step": 18
136
+ },
137
+ {
138
+ "epoch": 0.1557377049180328,
139
+ "grad_norm": 1.3765286207199097,
140
+ "learning_rate": 1.9974949775942134e-05,
141
+ "loss": 0.9608,
142
+ "step": 19
143
+ },
144
+ {
145
+ "epoch": 0.16393442622950818,
146
+ "grad_norm": 1.20298433303833,
147
+ "learning_rate": 1.996829932775999e-05,
148
+ "loss": 0.875,
149
+ "step": 20
150
+ },
151
+ {
152
+ "epoch": 0.1721311475409836,
153
+ "grad_norm": 1.2246984243392944,
154
+ "learning_rate": 1.996086822074945e-05,
155
+ "loss": 0.933,
156
+ "step": 21
157
+ },
158
+ {
159
+ "epoch": 0.18032786885245902,
160
+ "grad_norm": 1.2818138599395752,
161
+ "learning_rate": 1.995265703687131e-05,
162
+ "loss": 0.929,
163
+ "step": 22
164
+ },
165
+ {
166
+ "epoch": 0.1885245901639344,
167
+ "grad_norm": 1.302242636680603,
168
+ "learning_rate": 1.9943666419177392e-05,
169
+ "loss": 0.9397,
170
+ "step": 23
171
+ },
172
+ {
173
+ "epoch": 0.19672131147540983,
174
+ "grad_norm": 1.3329646587371826,
175
+ "learning_rate": 1.9933897071760236e-05,
176
+ "loss": 0.8705,
177
+ "step": 24
178
+ },
179
+ {
180
+ "epoch": 0.20491803278688525,
181
+ "grad_norm": 1.2400087118148804,
182
+ "learning_rate": 1.9923349759697915e-05,
183
+ "loss": 0.9778,
184
+ "step": 25
185
+ },
186
+ {
187
+ "epoch": 0.21311475409836064,
188
+ "grad_norm": 1.3099018335342407,
189
+ "learning_rate": 1.9912025308994146e-05,
190
+ "loss": 0.9431,
191
+ "step": 26
192
+ },
193
+ {
194
+ "epoch": 0.22131147540983606,
195
+ "grad_norm": 1.402883768081665,
196
+ "learning_rate": 1.9899924606513593e-05,
197
+ "loss": 0.9835,
198
+ "step": 27
199
+ },
200
+ {
201
+ "epoch": 0.22950819672131148,
202
+ "grad_norm": 1.2836993932724,
203
+ "learning_rate": 1.9887048599912412e-05,
204
+ "loss": 0.9635,
205
+ "step": 28
206
+ },
207
+ {
208
+ "epoch": 0.23770491803278687,
209
+ "grad_norm": 1.408251404762268,
210
+ "learning_rate": 1.9873398297564036e-05,
211
+ "loss": 1.0184,
212
+ "step": 29
213
+ },
214
+ {
215
+ "epoch": 0.2459016393442623,
216
+ "grad_norm": 1.2877365350723267,
217
+ "learning_rate": 1.9858974768480206e-05,
218
+ "loss": 0.9376,
219
+ "step": 30
220
+ },
221
+ {
222
+ "epoch": 0.2540983606557377,
223
+ "grad_norm": 1.1387895345687866,
224
+ "learning_rate": 1.9843779142227258e-05,
225
+ "loss": 0.8671,
226
+ "step": 31
227
+ },
228
+ {
229
+ "epoch": 0.26229508196721313,
230
+ "grad_norm": 1.378002643585205,
231
+ "learning_rate": 1.982781260883765e-05,
232
+ "loss": 1.0214,
233
+ "step": 32
234
+ },
235
+ {
236
+ "epoch": 0.27049180327868855,
237
+ "grad_norm": 1.2005506753921509,
238
+ "learning_rate": 1.981107641871678e-05,
239
+ "loss": 0.8976,
240
+ "step": 33
241
+ },
242
+ {
243
+ "epoch": 0.2786885245901639,
244
+ "grad_norm": 1.345911979675293,
245
+ "learning_rate": 1.9793571882545048e-05,
246
+ "loss": 0.9229,
247
+ "step": 34
248
+ },
249
+ {
250
+ "epoch": 0.28688524590163933,
251
+ "grad_norm": 1.2991893291473389,
252
+ "learning_rate": 1.9775300371175225e-05,
253
+ "loss": 0.9511,
254
+ "step": 35
255
+ },
256
+ {
257
+ "epoch": 0.29508196721311475,
258
+ "grad_norm": 1.2064939737319946,
259
+ "learning_rate": 1.975626331552507e-05,
260
+ "loss": 0.906,
261
+ "step": 36
262
+ },
263
+ {
264
+ "epoch": 0.30327868852459017,
265
+ "grad_norm": 1.2942262887954712,
266
+ "learning_rate": 1.973646220646531e-05,
267
+ "loss": 0.8906,
268
+ "step": 37
269
+ },
270
+ {
271
+ "epoch": 0.3114754098360656,
272
+ "grad_norm": 1.2344310283660889,
273
+ "learning_rate": 1.9715898594702845e-05,
274
+ "loss": 0.959,
275
+ "step": 38
276
+ },
277
+ {
278
+ "epoch": 0.319672131147541,
279
+ "grad_norm": 1.2887349128723145,
280
+ "learning_rate": 1.969457409065933e-05,
281
+ "loss": 0.8965,
282
+ "step": 39
283
+ },
284
+ {
285
+ "epoch": 0.32786885245901637,
286
+ "grad_norm": 1.29547119140625,
287
+ "learning_rate": 1.967249036434504e-05,
288
+ "loss": 0.9255,
289
+ "step": 40
290
+ },
291
+ {
292
+ "epoch": 0.3360655737704918,
293
+ "grad_norm": 1.3437081575393677,
294
+ "learning_rate": 1.96496491452281e-05,
295
+ "loss": 0.9526,
296
+ "step": 41
297
+ },
298
+ {
299
+ "epoch": 0.3442622950819672,
300
+ "grad_norm": 1.3519320487976074,
301
+ "learning_rate": 1.962605222209903e-05,
302
+ "loss": 0.9633,
303
+ "step": 42
304
+ },
305
+ {
306
+ "epoch": 0.3524590163934426,
307
+ "grad_norm": 1.2603236436843872,
308
+ "learning_rate": 1.9601701442930667e-05,
309
+ "loss": 0.9279,
310
+ "step": 43
311
+ },
312
+ {
313
+ "epoch": 0.36065573770491804,
314
+ "grad_norm": 1.1612663269042969,
315
+ "learning_rate": 1.9576598714733434e-05,
316
+ "loss": 0.9603,
317
+ "step": 44
318
+ },
319
+ {
320
+ "epoch": 0.36885245901639346,
321
+ "grad_norm": 1.3336308002471924,
322
+ "learning_rate": 1.9550746003405996e-05,
323
+ "loss": 0.9402,
324
+ "step": 45
325
+ },
326
+ {
327
+ "epoch": 0.3770491803278688,
328
+ "grad_norm": 1.2551720142364502,
329
+ "learning_rate": 1.9524145333581315e-05,
330
+ "loss": 0.9047,
331
+ "step": 46
332
+ },
333
+ {
334
+ "epoch": 0.38524590163934425,
335
+ "grad_norm": 1.181113600730896,
336
+ "learning_rate": 1.9496798788468077e-05,
337
+ "loss": 0.9295,
338
+ "step": 47
339
+ },
340
+ {
341
+ "epoch": 0.39344262295081966,
342
+ "grad_norm": 1.2969979047775269,
343
+ "learning_rate": 1.9468708509687545e-05,
344
+ "loss": 0.9376,
345
+ "step": 48
346
+ },
347
+ {
348
+ "epoch": 0.4016393442622951,
349
+ "grad_norm": 1.4306528568267822,
350
+ "learning_rate": 1.943987669710586e-05,
351
+ "loss": 0.9563,
352
+ "step": 49
353
+ },
354
+ {
355
+ "epoch": 0.4098360655737705,
356
+ "grad_norm": 1.2334694862365723,
357
+ "learning_rate": 1.9410305608661745e-05,
358
+ "loss": 0.957,
359
+ "step": 50
360
+ },
361
+ {
362
+ "epoch": 0.4180327868852459,
363
+ "grad_norm": 1.2543516159057617,
364
+ "learning_rate": 1.9379997560189677e-05,
365
+ "loss": 0.9015,
366
+ "step": 51
367
+ },
368
+ {
369
+ "epoch": 0.4262295081967213,
370
+ "grad_norm": 1.2323187589645386,
371
+ "learning_rate": 1.934895492523852e-05,
372
+ "loss": 0.896,
373
+ "step": 52
374
+ },
375
+ {
376
+ "epoch": 0.4344262295081967,
377
+ "grad_norm": 1.5682944059371948,
378
+ "learning_rate": 1.931718013488566e-05,
379
+ "loss": 0.9062,
380
+ "step": 53
381
+ },
382
+ {
383
+ "epoch": 0.4426229508196721,
384
+ "grad_norm": 1.1828402280807495,
385
+ "learning_rate": 1.92846756775466e-05,
386
+ "loss": 0.9079,
387
+ "step": 54
388
+ },
389
+ {
390
+ "epoch": 0.45081967213114754,
391
+ "grad_norm": 1.1668050289154053,
392
+ "learning_rate": 1.9251444098780095e-05,
393
+ "loss": 0.8981,
394
+ "step": 55
395
+ },
396
+ {
397
+ "epoch": 0.45901639344262296,
398
+ "grad_norm": 1.198763370513916,
399
+ "learning_rate": 1.9217488001088784e-05,
400
+ "loss": 0.9422,
401
+ "step": 56
402
+ },
403
+ {
404
+ "epoch": 0.4672131147540984,
405
+ "grad_norm": 1.3131557703018188,
406
+ "learning_rate": 1.9182810043715394e-05,
407
+ "loss": 0.964,
408
+ "step": 57
409
+ },
410
+ {
411
+ "epoch": 0.47540983606557374,
412
+ "grad_norm": 1.2967156171798706,
413
+ "learning_rate": 1.9147412942434463e-05,
414
+ "loss": 0.9674,
415
+ "step": 58
416
+ },
417
+ {
418
+ "epoch": 0.48360655737704916,
419
+ "grad_norm": 1.229436993598938,
420
+ "learning_rate": 1.911129946933968e-05,
421
+ "loss": 0.9925,
422
+ "step": 59
423
+ },
424
+ {
425
+ "epoch": 0.4918032786885246,
426
+ "grad_norm": 1.1797034740447998,
427
+ "learning_rate": 1.907447245262678e-05,
428
+ "loss": 0.9273,
429
+ "step": 60
430
+ },
431
+ {
432
+ "epoch": 0.5,
433
+ "grad_norm": 1.27089524269104,
434
+ "learning_rate": 1.903693477637204e-05,
435
+ "loss": 0.9208,
436
+ "step": 61
437
+ },
438
+ {
439
+ "epoch": 0.5081967213114754,
440
+ "grad_norm": 1.2703099250793457,
441
+ "learning_rate": 1.899868938030645e-05,
442
+ "loss": 0.8863,
443
+ "step": 62
444
+ },
445
+ {
446
+ "epoch": 0.5163934426229508,
447
+ "grad_norm": 1.207794189453125,
448
+ "learning_rate": 1.8959739259585458e-05,
449
+ "loss": 0.8923,
450
+ "step": 63
451
+ },
452
+ {
453
+ "epoch": 0.5245901639344263,
454
+ "grad_norm": 1.1332623958587646,
455
+ "learning_rate": 1.8920087464554427e-05,
456
+ "loss": 0.927,
457
+ "step": 64
458
+ },
459
+ {
460
+ "epoch": 0.5327868852459017,
461
+ "grad_norm": 1.1637699604034424,
462
+ "learning_rate": 1.887973710050974e-05,
463
+ "loss": 0.9053,
464
+ "step": 65
465
+ },
466
+ {
467
+ "epoch": 0.5409836065573771,
468
+ "grad_norm": 1.2687480449676514,
469
+ "learning_rate": 1.883869132745561e-05,
470
+ "loss": 0.9481,
471
+ "step": 66
472
+ },
473
+ {
474
+ "epoch": 0.5491803278688525,
475
+ "grad_norm": 1.2181267738342285,
476
+ "learning_rate": 1.8796953359856626e-05,
477
+ "loss": 0.9686,
478
+ "step": 67
479
+ },
480
+ {
481
+ "epoch": 0.5573770491803278,
482
+ "grad_norm": 1.388643503189087,
483
+ "learning_rate": 1.8754526466385986e-05,
484
+ "loss": 0.9844,
485
+ "step": 68
486
+ },
487
+ {
488
+ "epoch": 0.5655737704918032,
489
+ "grad_norm": 1.1547937393188477,
490
+ "learning_rate": 1.871141396966953e-05,
491
+ "loss": 0.9252,
492
+ "step": 69
493
+ },
494
+ {
495
+ "epoch": 0.5737704918032787,
496
+ "grad_norm": 1.2230730056762695,
497
+ "learning_rate": 1.8667619246025527e-05,
498
+ "loss": 0.9481,
499
+ "step": 70
500
+ },
501
+ {
502
+ "epoch": 0.5819672131147541,
503
+ "grad_norm": 1.191734790802002,
504
+ "learning_rate": 1.862314572520028e-05,
505
+ "loss": 0.9079,
506
+ "step": 71
507
+ },
508
+ {
509
+ "epoch": 0.5901639344262295,
510
+ "grad_norm": 1.2768336534500122,
511
+ "learning_rate": 1.8577996890099494e-05,
512
+ "loss": 0.9624,
513
+ "step": 72
514
+ },
515
+ {
516
+ "epoch": 0.5983606557377049,
517
+ "grad_norm": 1.3291285037994385,
518
+ "learning_rate": 1.8532176276515538e-05,
519
+ "loss": 0.9393,
520
+ "step": 73
521
+ },
522
+ {
523
+ "epoch": 0.6065573770491803,
524
+ "grad_norm": 1.1865758895874023,
525
+ "learning_rate": 1.8485687472850538e-05,
526
+ "loss": 0.8999,
527
+ "step": 74
528
+ },
529
+ {
530
+ "epoch": 0.6147540983606558,
531
+ "grad_norm": 1.272955060005188,
532
+ "learning_rate": 1.8438534119835365e-05,
533
+ "loss": 0.9224,
534
+ "step": 75
535
+ },
536
+ {
537
+ "epoch": 0.6229508196721312,
538
+ "grad_norm": 1.0975733995437622,
539
+ "learning_rate": 1.8390719910244487e-05,
540
+ "loss": 0.8791,
541
+ "step": 76
542
+ },
543
+ {
544
+ "epoch": 0.6311475409836066,
545
+ "grad_norm": 1.091784119606018,
546
+ "learning_rate": 1.83422485886068e-05,
547
+ "loss": 0.9104,
548
+ "step": 77
549
+ },
550
+ {
551
+ "epoch": 0.639344262295082,
552
+ "grad_norm": 1.349613904953003,
553
+ "learning_rate": 1.8293123950912362e-05,
554
+ "loss": 0.8847,
555
+ "step": 78
556
+ },
557
+ {
558
+ "epoch": 0.6475409836065574,
559
+ "grad_norm": 1.1367007493972778,
560
+ "learning_rate": 1.8243349844315116e-05,
561
+ "loss": 0.8731,
562
+ "step": 79
563
+ },
564
+ {
565
+ "epoch": 0.6557377049180327,
566
+ "grad_norm": 1.1368755102157593,
567
+ "learning_rate": 1.8192930166831618e-05,
568
+ "loss": 0.9351,
569
+ "step": 80
570
+ },
571
+ {
572
+ "epoch": 0.6639344262295082,
573
+ "grad_norm": 1.2286845445632935,
574
+ "learning_rate": 1.8141868867035745e-05,
575
+ "loss": 0.9791,
576
+ "step": 81
577
+ },
578
+ {
579
+ "epoch": 0.6721311475409836,
580
+ "grad_norm": 1.2607823610305786,
581
+ "learning_rate": 1.8090169943749477e-05,
582
+ "loss": 0.9597,
583
+ "step": 82
584
+ },
585
+ {
586
+ "epoch": 0.680327868852459,
587
+ "grad_norm": 1.2413727045059204,
588
+ "learning_rate": 1.8037837445729733e-05,
589
+ "loss": 0.9638,
590
+ "step": 83
591
+ },
592
+ {
593
+ "epoch": 0.6885245901639344,
594
+ "grad_norm": 1.2126213312149048,
595
+ "learning_rate": 1.79848754713513e-05,
596
+ "loss": 0.9077,
597
+ "step": 84
598
+ },
599
+ {
600
+ "epoch": 0.6967213114754098,
601
+ "grad_norm": 1.1528116464614868,
602
+ "learning_rate": 1.7931288168285863e-05,
603
+ "loss": 0.9249,
604
+ "step": 85
605
+ },
606
+ {
607
+ "epoch": 0.7049180327868853,
608
+ "grad_norm": 1.279722809791565,
609
+ "learning_rate": 1.7877079733177185e-05,
610
+ "loss": 0.9793,
611
+ "step": 86
612
+ },
613
+ {
614
+ "epoch": 0.7131147540983607,
615
+ "grad_norm": 1.2270166873931885,
616
+ "learning_rate": 1.7822254411312455e-05,
617
+ "loss": 0.8639,
618
+ "step": 87
619
+ },
620
+ {
621
+ "epoch": 0.7213114754098361,
622
+ "grad_norm": 1.2468152046203613,
623
+ "learning_rate": 1.7766816496289822e-05,
624
+ "loss": 0.8633,
625
+ "step": 88
626
+ },
627
+ {
628
+ "epoch": 0.7295081967213115,
629
+ "grad_norm": 1.075137972831726,
630
+ "learning_rate": 1.7710770329682145e-05,
631
+ "loss": 0.8652,
632
+ "step": 89
633
+ },
634
+ {
635
+ "epoch": 0.7377049180327869,
636
+ "grad_norm": 1.332723617553711,
637
+ "learning_rate": 1.765412030069698e-05,
638
+ "loss": 0.9574,
639
+ "step": 90
640
+ },
641
+ {
642
+ "epoch": 0.7459016393442623,
643
+ "grad_norm": 1.1367098093032837,
644
+ "learning_rate": 1.759687084583285e-05,
645
+ "loss": 0.9005,
646
+ "step": 91
647
+ },
648
+ {
649
+ "epoch": 0.7540983606557377,
650
+ "grad_norm": 1.1797839403152466,
651
+ "learning_rate": 1.753902644853181e-05,
652
+ "loss": 0.8773,
653
+ "step": 92
654
+ },
655
+ {
656
+ "epoch": 0.7622950819672131,
657
+ "grad_norm": 1.1969019174575806,
658
+ "learning_rate": 1.748059163882831e-05,
659
+ "loss": 0.9298,
660
+ "step": 93
661
+ },
662
+ {
663
+ "epoch": 0.7704918032786885,
664
+ "grad_norm": 1.2756307125091553,
665
+ "learning_rate": 1.742157099299445e-05,
666
+ "loss": 0.8985,
667
+ "step": 94
668
+ },
669
+ {
670
+ "epoch": 0.7786885245901639,
671
+ "grad_norm": 1.17881441116333,
672
+ "learning_rate": 1.7361969133181585e-05,
673
+ "loss": 0.8693,
674
+ "step": 95
675
+ },
676
+ {
677
+ "epoch": 0.7868852459016393,
678
+ "grad_norm": 1.192720651626587,
679
+ "learning_rate": 1.7301790727058344e-05,
680
+ "loss": 0.9112,
681
+ "step": 96
682
+ },
683
+ {
684
+ "epoch": 0.7950819672131147,
685
+ "grad_norm": 1.243441104888916,
686
+ "learning_rate": 1.7241040487445082e-05,
687
+ "loss": 1.0005,
688
+ "step": 97
689
+ },
690
+ {
691
+ "epoch": 0.8032786885245902,
692
+ "grad_norm": 1.2219005823135376,
693
+ "learning_rate": 1.7179723171944812e-05,
694
+ "loss": 0.9575,
695
+ "step": 98
696
+ },
697
+ {
698
+ "epoch": 0.8114754098360656,
699
+ "grad_norm": 1.169037103652954,
700
+ "learning_rate": 1.7117843582570608e-05,
701
+ "loss": 0.9366,
702
+ "step": 99
703
+ },
704
+ {
705
+ "epoch": 0.819672131147541,
706
+ "grad_norm": 1.2007153034210205,
707
+ "learning_rate": 1.705540656536953e-05,
708
+ "loss": 0.9627,
709
+ "step": 100
710
+ },
711
+ {
712
+ "epoch": 0.8278688524590164,
713
+ "grad_norm": 1.1723730564117432,
714
+ "learning_rate": 1.6992417010043144e-05,
715
+ "loss": 0.9362,
716
+ "step": 101
717
+ },
718
+ {
719
+ "epoch": 0.8360655737704918,
720
+ "grad_norm": 1.0589674711227417,
721
+ "learning_rate": 1.692887984956454e-05,
722
+ "loss": 0.8873,
723
+ "step": 102
724
+ },
725
+ {
726
+ "epoch": 0.8442622950819673,
727
+ "grad_norm": 1.1718519926071167,
728
+ "learning_rate": 1.6864800059792057e-05,
729
+ "loss": 0.8989,
730
+ "step": 103
731
+ },
732
+ {
733
+ "epoch": 0.8524590163934426,
734
+ "grad_norm": 1.290388584136963,
735
+ "learning_rate": 1.6800182659079568e-05,
736
+ "loss": 0.9364,
737
+ "step": 104
738
+ },
739
+ {
740
+ "epoch": 0.860655737704918,
741
+ "grad_norm": 1.2954158782958984,
742
+ "learning_rate": 1.6735032707883502e-05,
743
+ "loss": 0.8774,
744
+ "step": 105
745
+ },
746
+ {
747
+ "epoch": 0.8688524590163934,
748
+ "grad_norm": 1.2934119701385498,
749
+ "learning_rate": 1.666935530836651e-05,
750
+ "loss": 0.9579,
751
+ "step": 106
752
+ },
753
+ {
754
+ "epoch": 0.8770491803278688,
755
+ "grad_norm": 1.230776309967041,
756
+ "learning_rate": 1.6603155603997908e-05,
757
+ "loss": 0.9589,
758
+ "step": 107
759
+ },
760
+ {
761
+ "epoch": 0.8852459016393442,
762
+ "grad_norm": 1.1555577516555786,
763
+ "learning_rate": 1.653643877915088e-05,
764
+ "loss": 0.898,
765
+ "step": 108
766
+ },
767
+ {
768
+ "epoch": 0.8934426229508197,
769
+ "grad_norm": 1.1116188764572144,
770
+ "learning_rate": 1.6469210058696448e-05,
771
+ "loss": 0.8871,
772
+ "step": 109
773
+ },
774
+ {
775
+ "epoch": 0.9016393442622951,
776
+ "grad_norm": 1.1556096076965332,
777
+ "learning_rate": 1.64014747075943e-05,
778
+ "loss": 0.9254,
779
+ "step": 110
780
+ },
781
+ {
782
+ "epoch": 0.9098360655737705,
783
+ "grad_norm": 1.3375847339630127,
784
+ "learning_rate": 1.6333238030480473e-05,
785
+ "loss": 0.9108,
786
+ "step": 111
787
+ },
788
+ {
789
+ "epoch": 0.9180327868852459,
790
+ "grad_norm": 1.2122970819473267,
791
+ "learning_rate": 1.626450537125192e-05,
792
+ "loss": 0.9578,
793
+ "step": 112
794
+ },
795
+ {
796
+ "epoch": 0.9262295081967213,
797
+ "grad_norm": 1.3110710382461548,
798
+ "learning_rate": 1.6195282112648007e-05,
799
+ "loss": 0.9618,
800
+ "step": 113
801
+ },
802
+ {
803
+ "epoch": 0.9344262295081968,
804
+ "grad_norm": 1.1797089576721191,
805
+ "learning_rate": 1.6125573675828984e-05,
806
+ "loss": 0.9279,
807
+ "step": 114
808
+ },
809
+ {
810
+ "epoch": 0.9426229508196722,
811
+ "grad_norm": 1.2419110536575317,
812
+ "learning_rate": 1.605538551995139e-05,
813
+ "loss": 0.8881,
814
+ "step": 115
815
+ },
816
+ {
817
+ "epoch": 0.9508196721311475,
818
+ "grad_norm": 1.2254469394683838,
819
+ "learning_rate": 1.5984723141740578e-05,
820
+ "loss": 0.8697,
821
+ "step": 116
822
+ },
823
+ {
824
+ "epoch": 0.9590163934426229,
825
+ "grad_norm": 1.1255691051483154,
826
+ "learning_rate": 1.59135920750602e-05,
827
+ "loss": 0.8646,
828
+ "step": 117
829
+ },
830
+ {
831
+ "epoch": 0.9672131147540983,
832
+ "grad_norm": 1.2165420055389404,
833
+ "learning_rate": 1.5841997890478853e-05,
834
+ "loss": 0.9259,
835
+ "step": 118
836
+ },
837
+ {
838
+ "epoch": 0.9754098360655737,
839
+ "grad_norm": 1.205811858177185,
840
+ "learning_rate": 1.5769946194833816e-05,
841
+ "loss": 0.9419,
842
+ "step": 119
843
+ },
844
+ {
845
+ "epoch": 0.9836065573770492,
846
+ "grad_norm": 1.3705413341522217,
847
+ "learning_rate": 1.569744263079195e-05,
848
+ "loss": 0.9238,
849
+ "step": 120
850
+ },
851
+ {
852
+ "epoch": 0.9918032786885246,
853
+ "grad_norm": 1.0843297243118286,
854
+ "learning_rate": 1.562449287640781e-05,
855
+ "loss": 0.8372,
856
+ "step": 121
857
+ },
858
+ {
859
+ "epoch": 1.0,
860
+ "grad_norm": 1.2068427801132202,
861
+ "learning_rate": 1.555110264467895e-05,
862
+ "loss": 0.8898,
863
+ "step": 122
864
+ },
865
+ {
866
+ "epoch": 1.0081967213114753,
867
+ "grad_norm": 1.5948082208633423,
868
+ "learning_rate": 1.5477277683098555e-05,
869
+ "loss": 0.5819,
870
+ "step": 123
871
+ },
872
+ {
873
+ "epoch": 1.0163934426229508,
874
+ "grad_norm": 1.470932126045227,
875
+ "learning_rate": 1.5403023773205286e-05,
876
+ "loss": 0.5502,
877
+ "step": 124
878
+ },
879
+ {
880
+ "epoch": 1.0245901639344261,
881
+ "grad_norm": 1.2653380632400513,
882
+ "learning_rate": 1.532834673013053e-05,
883
+ "loss": 0.5021,
884
+ "step": 125
885
+ },
886
+ {
887
+ "epoch": 1.0327868852459017,
888
+ "grad_norm": 1.1609309911727905,
889
+ "learning_rate": 1.5253252402142989e-05,
890
+ "loss": 0.5464,
891
+ "step": 126
892
+ },
893
+ {
894
+ "epoch": 1.040983606557377,
895
+ "grad_norm": 1.3639906644821167,
896
+ "learning_rate": 1.5177746670190674e-05,
897
+ "loss": 0.502,
898
+ "step": 127
899
+ },
900
+ {
901
+ "epoch": 1.0491803278688525,
902
+ "grad_norm": 1.6784329414367676,
903
+ "learning_rate": 1.5101835447440346e-05,
904
+ "loss": 0.5305,
905
+ "step": 128
906
+ },
907
+ {
908
+ "epoch": 1.0573770491803278,
909
+ "grad_norm": 1.5389288663864136,
910
+ "learning_rate": 1.5025524678814428e-05,
911
+ "loss": 0.5165,
912
+ "step": 129
913
+ },
914
+ {
915
+ "epoch": 1.0655737704918034,
916
+ "grad_norm": 1.4360255002975464,
917
+ "learning_rate": 1.4948820340525439e-05,
918
+ "loss": 0.5415,
919
+ "step": 130
920
+ },
921
+ {
922
+ "epoch": 1.0737704918032787,
923
+ "grad_norm": 1.36026930809021,
924
+ "learning_rate": 1.4871728439607967e-05,
925
+ "loss": 0.5415,
926
+ "step": 131
927
+ },
928
+ {
929
+ "epoch": 1.0819672131147542,
930
+ "grad_norm": 1.2092355489730835,
931
+ "learning_rate": 1.4794255013448242e-05,
932
+ "loss": 0.5053,
933
+ "step": 132
934
+ },
935
+ {
936
+ "epoch": 1.0901639344262295,
937
+ "grad_norm": 1.2120226621627808,
938
+ "learning_rate": 1.4716406129311307e-05,
939
+ "loss": 0.4832,
940
+ "step": 133
941
+ },
942
+ {
943
+ "epoch": 1.098360655737705,
944
+ "grad_norm": 1.3007643222808838,
945
+ "learning_rate": 1.4638187883865881e-05,
946
+ "loss": 0.4911,
947
+ "step": 134
948
+ },
949
+ {
950
+ "epoch": 1.1065573770491803,
951
+ "grad_norm": 1.218314528465271,
952
+ "learning_rate": 1.45596064027069e-05,
953
+ "loss": 0.4783,
954
+ "step": 135
955
+ },
956
+ {
957
+ "epoch": 1.1147540983606556,
958
+ "grad_norm": 1.0904790163040161,
959
+ "learning_rate": 1.4480667839875786e-05,
960
+ "loss": 0.4907,
961
+ "step": 136
962
+ },
963
+ {
964
+ "epoch": 1.1229508196721312,
965
+ "grad_norm": 1.2957193851470947,
966
+ "learning_rate": 1.4401378377378512e-05,
967
+ "loss": 0.5176,
968
+ "step": 137
969
+ },
970
+ {
971
+ "epoch": 1.1311475409836065,
972
+ "grad_norm": 1.4495291709899902,
973
+ "learning_rate": 1.432174422470146e-05,
974
+ "loss": 0.4754,
975
+ "step": 138
976
+ },
977
+ {
978
+ "epoch": 1.139344262295082,
979
+ "grad_norm": 1.339431881904602,
980
+ "learning_rate": 1.4241771618325123e-05,
981
+ "loss": 0.4744,
982
+ "step": 139
983
+ },
984
+ {
985
+ "epoch": 1.1475409836065573,
986
+ "grad_norm": 1.278767704963684,
987
+ "learning_rate": 1.4161466821235705e-05,
988
+ "loss": 0.4688,
989
+ "step": 140
990
+ },
991
+ {
992
+ "epoch": 1.1557377049180328,
993
+ "grad_norm": 1.2969565391540527,
994
+ "learning_rate": 1.408083612243465e-05,
995
+ "loss": 0.4792,
996
+ "step": 141
997
+ },
998
+ {
999
+ "epoch": 1.1639344262295082,
1000
+ "grad_norm": 1.364591360092163,
1001
+ "learning_rate": 1.3999885836446106e-05,
1002
+ "loss": 0.5112,
1003
+ "step": 142
1004
+ },
1005
+ {
1006
+ "epoch": 1.1721311475409837,
1007
+ "grad_norm": 1.34937584400177,
1008
+ "learning_rate": 1.3918622302822425e-05,
1009
+ "loss": 0.4853,
1010
+ "step": 143
1011
+ },
1012
+ {
1013
+ "epoch": 1.180327868852459,
1014
+ "grad_norm": 1.163983702659607,
1015
+ "learning_rate": 1.3837051885647673e-05,
1016
+ "loss": 0.449,
1017
+ "step": 144
1018
+ },
1019
+ {
1020
+ "epoch": 1.1885245901639343,
1021
+ "grad_norm": 1.3048903942108154,
1022
+ "learning_rate": 1.3755180973039241e-05,
1023
+ "loss": 0.5604,
1024
+ "step": 145
1025
+ },
1026
+ {
1027
+ "epoch": 1.1967213114754098,
1028
+ "grad_norm": 1.252719521522522,
1029
+ "learning_rate": 1.367301597664757e-05,
1030
+ "loss": 0.5214,
1031
+ "step": 146
1032
+ },
1033
+ {
1034
+ "epoch": 1.2049180327868854,
1035
+ "grad_norm": 1.1311830282211304,
1036
+ "learning_rate": 1.3590563331154008e-05,
1037
+ "loss": 0.4601,
1038
+ "step": 147
1039
+ },
1040
+ {
1041
+ "epoch": 1.2131147540983607,
1042
+ "grad_norm": 1.1108665466308594,
1043
+ "learning_rate": 1.3507829493766903e-05,
1044
+ "loss": 0.4873,
1045
+ "step": 148
1046
+ },
1047
+ {
1048
+ "epoch": 1.221311475409836,
1049
+ "grad_norm": 1.1364582777023315,
1050
+ "learning_rate": 1.342482094371591e-05,
1051
+ "loss": 0.4507,
1052
+ "step": 149
1053
+ },
1054
+ {
1055
+ "epoch": 1.2295081967213115,
1056
+ "grad_norm": 1.1517623662948608,
1057
+ "learning_rate": 1.3341544181744559e-05,
1058
+ "loss": 0.5004,
1059
+ "step": 150
1060
+ },
1061
+ {
1062
+ "epoch": 1.2377049180327868,
1063
+ "grad_norm": 1.146333932876587,
1064
+ "learning_rate": 1.3258005729601178e-05,
1065
+ "loss": 0.4714,
1066
+ "step": 151
1067
+ },
1068
+ {
1069
+ "epoch": 1.2459016393442623,
1070
+ "grad_norm": 1.3069875240325928,
1071
+ "learning_rate": 1.317421212952813e-05,
1072
+ "loss": 0.5107,
1073
+ "step": 152
1074
+ },
1075
+ {
1076
+ "epoch": 1.2540983606557377,
1077
+ "grad_norm": 1.3697153329849243,
1078
+ "learning_rate": 1.3090169943749475e-05,
1079
+ "loss": 0.4996,
1080
+ "step": 153
1081
+ },
1082
+ {
1083
+ "epoch": 1.2622950819672132,
1084
+ "grad_norm": 1.2243149280548096,
1085
+ "learning_rate": 1.3005885753957048e-05,
1086
+ "loss": 0.4929,
1087
+ "step": 154
1088
+ },
1089
+ {
1090
+ "epoch": 1.2704918032786885,
1091
+ "grad_norm": 1.269228219985962,
1092
+ "learning_rate": 1.2921366160795017e-05,
1093
+ "loss": 0.4696,
1094
+ "step": 155
1095
+ },
1096
+ {
1097
+ "epoch": 1.278688524590164,
1098
+ "grad_norm": 1.2698426246643066,
1099
+ "learning_rate": 1.2836617783342968e-05,
1100
+ "loss": 0.4948,
1101
+ "step": 156
1102
+ },
1103
+ {
1104
+ "epoch": 1.2868852459016393,
1105
+ "grad_norm": 1.3285802602767944,
1106
+ "learning_rate": 1.2751647258597531e-05,
1107
+ "loss": 0.5147,
1108
+ "step": 157
1109
+ },
1110
+ {
1111
+ "epoch": 1.2950819672131146,
1112
+ "grad_norm": 1.1310343742370605,
1113
+ "learning_rate": 1.2666461240952615e-05,
1114
+ "loss": 0.4979,
1115
+ "step": 158
1116
+ },
1117
+ {
1118
+ "epoch": 1.3032786885245902,
1119
+ "grad_norm": 1.2382618188858032,
1120
+ "learning_rate": 1.2581066401678261e-05,
1121
+ "loss": 0.4411,
1122
+ "step": 159
1123
+ },
1124
+ {
1125
+ "epoch": 1.3114754098360657,
1126
+ "grad_norm": 1.159347653388977,
1127
+ "learning_rate": 1.249546942839821e-05,
1128
+ "loss": 0.474,
1129
+ "step": 160
1130
+ },
1131
+ {
1132
+ "epoch": 1.319672131147541,
1133
+ "grad_norm": 1.2726000547409058,
1134
+ "learning_rate": 1.2409677024566145e-05,
1135
+ "loss": 0.4959,
1136
+ "step": 161
1137
+ },
1138
+ {
1139
+ "epoch": 1.3278688524590163,
1140
+ "grad_norm": 1.1478623151779175,
1141
+ "learning_rate": 1.2323695908940729e-05,
1142
+ "loss": 0.4486,
1143
+ "step": 162
1144
+ },
1145
+ {
1146
+ "epoch": 1.3360655737704918,
1147
+ "grad_norm": 1.1755861043930054,
1148
+ "learning_rate": 1.2237532815059427e-05,
1149
+ "loss": 0.4866,
1150
+ "step": 163
1151
+ },
1152
+ {
1153
+ "epoch": 1.3442622950819672,
1154
+ "grad_norm": 1.1865427494049072,
1155
+ "learning_rate": 1.2151194490711177e-05,
1156
+ "loss": 0.5105,
1157
+ "step": 164
1158
+ },
1159
+ {
1160
+ "epoch": 1.3524590163934427,
1161
+ "grad_norm": 1.0980228185653687,
1162
+ "learning_rate": 1.2064687697407939e-05,
1163
+ "loss": 0.4791,
1164
+ "step": 165
1165
+ },
1166
+ {
1167
+ "epoch": 1.360655737704918,
1168
+ "grad_norm": 1.2174019813537598,
1169
+ "learning_rate": 1.1978019209855174e-05,
1170
+ "loss": 0.5069,
1171
+ "step": 166
1172
+ },
1173
+ {
1174
+ "epoch": 1.3688524590163935,
1175
+ "grad_norm": 1.2120226621627808,
1176
+ "learning_rate": 1.1891195815421293e-05,
1177
+ "loss": 0.5062,
1178
+ "step": 167
1179
+ },
1180
+ {
1181
+ "epoch": 1.3770491803278688,
1182
+ "grad_norm": 1.1092822551727295,
1183
+ "learning_rate": 1.1804224313606104e-05,
1184
+ "loss": 0.4787,
1185
+ "step": 168
1186
+ },
1187
+ {
1188
+ "epoch": 1.3852459016393444,
1189
+ "grad_norm": 1.2074278593063354,
1190
+ "learning_rate": 1.171711151550832e-05,
1191
+ "loss": 0.5181,
1192
+ "step": 169
1193
+ },
1194
+ {
1195
+ "epoch": 1.3934426229508197,
1196
+ "grad_norm": 1.0840147733688354,
1197
+ "learning_rate": 1.1629864243292149e-05,
1198
+ "loss": 0.5098,
1199
+ "step": 170
1200
+ },
1201
+ {
1202
+ "epoch": 1.401639344262295,
1203
+ "grad_norm": 1.2134615182876587,
1204
+ "learning_rate": 1.1542489329653024e-05,
1205
+ "loss": 0.5023,
1206
+ "step": 171
1207
+ },
1208
+ {
1209
+ "epoch": 1.4098360655737705,
1210
+ "grad_norm": 1.2024002075195312,
1211
+ "learning_rate": 1.1454993617282513e-05,
1212
+ "loss": 0.489,
1213
+ "step": 172
1214
+ },
1215
+ {
1216
+ "epoch": 1.418032786885246,
1217
+ "grad_norm": 1.4277188777923584,
1218
+ "learning_rate": 1.1367383958332427e-05,
1219
+ "loss": 0.4997,
1220
+ "step": 173
1221
+ },
1222
+ {
1223
+ "epoch": 1.4262295081967213,
1224
+ "grad_norm": 1.2423990964889526,
1225
+ "learning_rate": 1.1279667213878206e-05,
1226
+ "loss": 0.5328,
1227
+ "step": 174
1228
+ },
1229
+ {
1230
+ "epoch": 1.4344262295081966,
1231
+ "grad_norm": 1.1874176263809204,
1232
+ "learning_rate": 1.1191850253381602e-05,
1233
+ "loss": 0.5211,
1234
+ "step": 175
1235
+ },
1236
+ {
1237
+ "epoch": 1.4426229508196722,
1238
+ "grad_norm": 1.1690136194229126,
1239
+ "learning_rate": 1.11039399541527e-05,
1240
+ "loss": 0.4499,
1241
+ "step": 176
1242
+ },
1243
+ {
1244
+ "epoch": 1.4508196721311475,
1245
+ "grad_norm": 1.3457874059677124,
1246
+ "learning_rate": 1.1015943200811325e-05,
1247
+ "loss": 0.5211,
1248
+ "step": 177
1249
+ },
1250
+ {
1251
+ "epoch": 1.459016393442623,
1252
+ "grad_norm": 1.193812370300293,
1253
+ "learning_rate": 1.092786688474789e-05,
1254
+ "loss": 0.5259,
1255
+ "step": 178
1256
+ },
1257
+ {
1258
+ "epoch": 1.4672131147540983,
1259
+ "grad_norm": 1.3439817428588867,
1260
+ "learning_rate": 1.0839717903583684e-05,
1261
+ "loss": 0.5,
1262
+ "step": 179
1263
+ },
1264
+ {
1265
+ "epoch": 1.4754098360655736,
1266
+ "grad_norm": 1.1418300867080688,
1267
+ "learning_rate": 1.075150316063071e-05,
1268
+ "loss": 0.5322,
1269
+ "step": 180
1270
+ },
1271
+ {
1272
+ "epoch": 1.4836065573770492,
1273
+ "grad_norm": 1.2361342906951904,
1274
+ "learning_rate": 1.066322956435104e-05,
1275
+ "loss": 0.4733,
1276
+ "step": 181
1277
+ },
1278
+ {
1279
+ "epoch": 1.4918032786885247,
1280
+ "grad_norm": 1.2802929878234863,
1281
+ "learning_rate": 1.0574904027815802e-05,
1282
+ "loss": 0.4741,
1283
+ "step": 182
1284
+ },
1285
+ {
1286
+ "epoch": 1.5,
1287
+ "grad_norm": 1.209621787071228,
1288
+ "learning_rate": 1.0486533468163782e-05,
1289
+ "loss": 0.5068,
1290
+ "step": 183
1291
+ },
1292
+ {
1293
+ "epoch": 1.5081967213114753,
1294
+ "grad_norm": 1.2289994955062866,
1295
+ "learning_rate": 1.0398124806059702e-05,
1296
+ "loss": 0.5167,
1297
+ "step": 184
1298
+ },
1299
+ {
1300
+ "epoch": 1.5163934426229508,
1301
+ "grad_norm": 1.4493712186813354,
1302
+ "learning_rate": 1.0309684965152254e-05,
1303
+ "loss": 0.4767,
1304
+ "step": 185
1305
+ },
1306
+ {
1307
+ "epoch": 1.5245901639344264,
1308
+ "grad_norm": 1.2684192657470703,
1309
+ "learning_rate": 1.022122087153187e-05,
1310
+ "loss": 0.5124,
1311
+ "step": 186
1312
+ },
1313
+ {
1314
+ "epoch": 1.5327868852459017,
1315
+ "grad_norm": 1.335960030555725,
1316
+ "learning_rate": 1.013273945318831e-05,
1317
+ "loss": 0.5138,
1318
+ "step": 187
1319
+ },
1320
+ {
1321
+ "epoch": 1.540983606557377,
1322
+ "grad_norm": 1.157732605934143,
1323
+ "learning_rate": 1.0044247639468106e-05,
1324
+ "loss": 0.4959,
1325
+ "step": 188
1326
+ },
1327
+ {
1328
+ "epoch": 1.5491803278688525,
1329
+ "grad_norm": 1.152340054512024,
1330
+ "learning_rate": 9.955752360531896e-06,
1331
+ "loss": 0.4647,
1332
+ "step": 189
1333
+ },
1334
+ {
1335
+ "epoch": 1.5573770491803278,
1336
+ "grad_norm": 1.3083349466323853,
1337
+ "learning_rate": 9.867260546811694e-06,
1338
+ "loss": 0.5095,
1339
+ "step": 190
1340
+ },
1341
+ {
1342
+ "epoch": 1.5655737704918034,
1343
+ "grad_norm": 1.3373643159866333,
1344
+ "learning_rate": 9.778779128468133e-06,
1345
+ "loss": 0.5087,
1346
+ "step": 191
1347
+ },
1348
+ {
1349
+ "epoch": 1.5737704918032787,
1350
+ "grad_norm": 1.1853665113449097,
1351
+ "learning_rate": 9.690315034847749e-06,
1352
+ "loss": 0.45,
1353
+ "step": 192
1354
+ },
1355
+ {
1356
+ "epoch": 1.581967213114754,
1357
+ "grad_norm": 1.1577143669128418,
1358
+ "learning_rate": 9.601875193940301e-06,
1359
+ "loss": 0.4622,
1360
+ "step": 193
1361
+ },
1362
+ {
1363
+ "epoch": 1.5901639344262295,
1364
+ "grad_norm": 1.1653783321380615,
1365
+ "learning_rate": 9.513466531836223e-06,
1366
+ "loss": 0.4463,
1367
+ "step": 194
1368
+ },
1369
+ {
1370
+ "epoch": 1.598360655737705,
1371
+ "grad_norm": 1.350871205329895,
1372
+ "learning_rate": 9.4250959721842e-06,
1373
+ "loss": 0.5065,
1374
+ "step": 195
1375
+ },
1376
+ {
1377
+ "epoch": 1.6065573770491803,
1378
+ "grad_norm": 1.194115161895752,
1379
+ "learning_rate": 9.336770435648963e-06,
1380
+ "loss": 0.4859,
1381
+ "step": 196
1382
+ },
1383
+ {
1384
+ "epoch": 1.6147540983606556,
1385
+ "grad_norm": 1.209192156791687,
1386
+ "learning_rate": 9.248496839369293e-06,
1387
+ "loss": 0.4611,
1388
+ "step": 197
1389
+ },
1390
+ {
1391
+ "epoch": 1.6229508196721312,
1392
+ "grad_norm": 1.228793740272522,
1393
+ "learning_rate": 9.160282096416317e-06,
1394
+ "loss": 0.4808,
1395
+ "step": 198
1396
+ },
1397
+ {
1398
+ "epoch": 1.6311475409836067,
1399
+ "grad_norm": 1.4064335823059082,
1400
+ "learning_rate": 9.072133115252113e-06,
1401
+ "loss": 0.5201,
1402
+ "step": 199
1403
+ },
1404
+ {
1405
+ "epoch": 1.639344262295082,
1406
+ "grad_norm": 1.3964109420776367,
1407
+ "learning_rate": 8.984056799188678e-06,
1408
+ "loss": 0.5148,
1409
+ "step": 200
1410
+ },
1411
+ {
1412
+ "epoch": 1.6475409836065573,
1413
+ "grad_norm": 1.1933867931365967,
1414
+ "learning_rate": 8.896060045847305e-06,
1415
+ "loss": 0.4711,
1416
+ "step": 201
1417
+ },
1418
+ {
1419
+ "epoch": 1.6557377049180326,
1420
+ "grad_norm": 1.16603422164917,
1421
+ "learning_rate": 8.808149746618403e-06,
1422
+ "loss": 0.5169,
1423
+ "step": 202
1424
+ },
1425
+ {
1426
+ "epoch": 1.6639344262295082,
1427
+ "grad_norm": 1.174723505973816,
1428
+ "learning_rate": 8.7203327861218e-06,
1429
+ "loss": 0.4993,
1430
+ "step": 203
1431
+ },
1432
+ {
1433
+ "epoch": 1.6721311475409837,
1434
+ "grad_norm": 1.1034168004989624,
1435
+ "learning_rate": 8.632616041667577e-06,
1436
+ "loss": 0.4484,
1437
+ "step": 204
1438
+ },
1439
+ {
1440
+ "epoch": 1.680327868852459,
1441
+ "grad_norm": 1.1651763916015625,
1442
+ "learning_rate": 8.545006382717487e-06,
1443
+ "loss": 0.52,
1444
+ "step": 205
1445
+ },
1446
+ {
1447
+ "epoch": 1.6885245901639343,
1448
+ "grad_norm": 1.218217134475708,
1449
+ "learning_rate": 8.457510670346976e-06,
1450
+ "loss": 0.4793,
1451
+ "step": 206
1452
+ },
1453
+ {
1454
+ "epoch": 1.6967213114754098,
1455
+ "grad_norm": 1.2980520725250244,
1456
+ "learning_rate": 8.370135756707853e-06,
1457
+ "loss": 0.5435,
1458
+ "step": 207
1459
+ },
1460
+ {
1461
+ "epoch": 1.7049180327868854,
1462
+ "grad_norm": 1.0842329263687134,
1463
+ "learning_rate": 8.282888484491682e-06,
1464
+ "loss": 0.4763,
1465
+ "step": 208
1466
+ },
1467
+ {
1468
+ "epoch": 1.7131147540983607,
1469
+ "grad_norm": 1.2294825315475464,
1470
+ "learning_rate": 8.195775686393898e-06,
1471
+ "loss": 0.4812,
1472
+ "step": 209
1473
+ },
1474
+ {
1475
+ "epoch": 1.721311475409836,
1476
+ "grad_norm": 1.2639816999435425,
1477
+ "learning_rate": 8.108804184578708e-06,
1478
+ "loss": 0.4887,
1479
+ "step": 210
1480
+ },
1481
+ {
1482
+ "epoch": 1.7295081967213115,
1483
+ "grad_norm": 1.2210934162139893,
1484
+ "learning_rate": 8.021980790144828e-06,
1485
+ "loss": 0.4869,
1486
+ "step": 211
1487
+ },
1488
+ {
1489
+ "epoch": 1.737704918032787,
1490
+ "grad_norm": 1.3877686262130737,
1491
+ "learning_rate": 7.935312302592062e-06,
1492
+ "loss": 0.4897,
1493
+ "step": 212
1494
+ },
1495
+ {
1496
+ "epoch": 1.7459016393442623,
1497
+ "grad_norm": 1.2528547048568726,
1498
+ "learning_rate": 7.848805509288824e-06,
1499
+ "loss": 0.5066,
1500
+ "step": 213
1501
+ },
1502
+ {
1503
+ "epoch": 1.7540983606557377,
1504
+ "grad_norm": 1.2030199766159058,
1505
+ "learning_rate": 7.762467184940574e-06,
1506
+ "loss": 0.4363,
1507
+ "step": 214
1508
+ },
1509
+ {
1510
+ "epoch": 1.762295081967213,
1511
+ "grad_norm": 1.2085492610931396,
1512
+ "learning_rate": 7.676304091059273e-06,
1513
+ "loss": 0.4781,
1514
+ "step": 215
1515
+ },
1516
+ {
1517
+ "epoch": 1.7704918032786885,
1518
+ "grad_norm": 1.2072522640228271,
1519
+ "learning_rate": 7.590322975433857e-06,
1520
+ "loss": 0.5077,
1521
+ "step": 216
1522
+ },
1523
+ {
1524
+ "epoch": 1.778688524590164,
1525
+ "grad_norm": 1.2836977243423462,
1526
+ "learning_rate": 7.504530571601792e-06,
1527
+ "loss": 0.5191,
1528
+ "step": 217
1529
+ },
1530
+ {
1531
+ "epoch": 1.7868852459016393,
1532
+ "grad_norm": 1.2558234930038452,
1533
+ "learning_rate": 7.418933598321741e-06,
1534
+ "loss": 0.4889,
1535
+ "step": 218
1536
+ },
1537
+ {
1538
+ "epoch": 1.7950819672131146,
1539
+ "grad_norm": 1.2173186540603638,
1540
+ "learning_rate": 7.33353875904739e-06,
1541
+ "loss": 0.5121,
1542
+ "step": 219
1543
+ },
1544
+ {
1545
+ "epoch": 1.8032786885245902,
1546
+ "grad_norm": 1.1933339834213257,
1547
+ "learning_rate": 7.2483527414024714e-06,
1548
+ "loss": 0.4579,
1549
+ "step": 220
1550
+ },
1551
+ {
1552
+ "epoch": 1.8114754098360657,
1553
+ "grad_norm": 1.3315452337265015,
1554
+ "learning_rate": 7.163382216657033e-06,
1555
+ "loss": 0.4862,
1556
+ "step": 221
1557
+ },
1558
+ {
1559
+ "epoch": 1.819672131147541,
1560
+ "grad_norm": 1.3630664348602295,
1561
+ "learning_rate": 7.078633839204984e-06,
1562
+ "loss": 0.5584,
1563
+ "step": 222
1564
+ },
1565
+ {
1566
+ "epoch": 1.8278688524590163,
1567
+ "grad_norm": 1.1819186210632324,
1568
+ "learning_rate": 6.9941142460429555e-06,
1569
+ "loss": 0.4834,
1570
+ "step": 223
1571
+ },
1572
+ {
1573
+ "epoch": 1.8360655737704918,
1574
+ "grad_norm": 1.1540125608444214,
1575
+ "learning_rate": 6.909830056250527e-06,
1576
+ "loss": 0.4533,
1577
+ "step": 224
1578
+ },
1579
+ {
1580
+ "epoch": 1.8442622950819674,
1581
+ "grad_norm": 1.422378420829773,
1582
+ "learning_rate": 6.825787870471873e-06,
1583
+ "loss": 0.5382,
1584
+ "step": 225
1585
+ },
1586
+ {
1587
+ "epoch": 1.8524590163934427,
1588
+ "grad_norm": 1.2260661125183105,
1589
+ "learning_rate": 6.741994270398826e-06,
1590
+ "loss": 0.4672,
1591
+ "step": 226
1592
+ },
1593
+ {
1594
+ "epoch": 1.860655737704918,
1595
+ "grad_norm": 1.1611032485961914,
1596
+ "learning_rate": 6.658455818255445e-06,
1597
+ "loss": 0.5085,
1598
+ "step": 227
1599
+ },
1600
+ {
1601
+ "epoch": 1.8688524590163933,
1602
+ "grad_norm": 1.3924514055252075,
1603
+ "learning_rate": 6.575179056284095e-06,
1604
+ "loss": 0.443,
1605
+ "step": 228
1606
+ },
1607
+ {
1608
+ "epoch": 1.8770491803278688,
1609
+ "grad_norm": 1.0598273277282715,
1610
+ "learning_rate": 6.4921705062331e-06,
1611
+ "loss": 0.4768,
1612
+ "step": 229
1613
+ },
1614
+ {
1615
+ "epoch": 1.8852459016393444,
1616
+ "grad_norm": 1.282805323600769,
1617
+ "learning_rate": 6.409436668845997e-06,
1618
+ "loss": 0.4935,
1619
+ "step": 230
1620
+ },
1621
+ {
1622
+ "epoch": 1.8934426229508197,
1623
+ "grad_norm": 1.166425347328186,
1624
+ "learning_rate": 6.326984023352435e-06,
1625
+ "loss": 0.4613,
1626
+ "step": 231
1627
+ },
1628
+ {
1629
+ "epoch": 1.901639344262295,
1630
+ "grad_norm": 1.2956987619400024,
1631
+ "learning_rate": 6.2448190269607625e-06,
1632
+ "loss": 0.46,
1633
+ "step": 232
1634
+ },
1635
+ {
1636
+ "epoch": 1.9098360655737705,
1637
+ "grad_norm": 1.2106932401657104,
1638
+ "learning_rate": 6.162948114352328e-06,
1639
+ "loss": 0.483,
1640
+ "step": 233
1641
+ },
1642
+ {
1643
+ "epoch": 1.918032786885246,
1644
+ "grad_norm": 1.1119098663330078,
1645
+ "learning_rate": 6.081377697177576e-06,
1646
+ "loss": 0.4535,
1647
+ "step": 234
1648
+ },
1649
+ {
1650
+ "epoch": 1.9262295081967213,
1651
+ "grad_norm": 1.122563123703003,
1652
+ "learning_rate": 6.000114163553894e-06,
1653
+ "loss": 0.475,
1654
+ "step": 235
1655
+ },
1656
+ {
1657
+ "epoch": 1.9344262295081966,
1658
+ "grad_norm": 1.2507013082504272,
1659
+ "learning_rate": 5.919163877565351e-06,
1660
+ "loss": 0.5149,
1661
+ "step": 236
1662
+ },
1663
+ {
1664
+ "epoch": 1.9426229508196722,
1665
+ "grad_norm": 1.1644436120986938,
1666
+ "learning_rate": 5.8385331787642956e-06,
1667
+ "loss": 0.4654,
1668
+ "step": 237
1669
+ },
1670
+ {
1671
+ "epoch": 1.9508196721311475,
1672
+ "grad_norm": 1.1831374168395996,
1673
+ "learning_rate": 5.75822838167488e-06,
1674
+ "loss": 0.4529,
1675
+ "step": 238
1676
+ },
1677
+ {
1678
+ "epoch": 1.959016393442623,
1679
+ "grad_norm": 1.3696836233139038,
1680
+ "learning_rate": 5.678255775298542e-06,
1681
+ "loss": 0.5144,
1682
+ "step": 239
1683
+ },
1684
+ {
1685
+ "epoch": 1.9672131147540983,
1686
+ "grad_norm": 1.1835501194000244,
1687
+ "learning_rate": 5.598621622621489e-06,
1688
+ "loss": 0.4885,
1689
+ "step": 240
1690
+ },
1691
+ {
1692
+ "epoch": 1.9754098360655736,
1693
+ "grad_norm": 1.3461436033248901,
1694
+ "learning_rate": 5.519332160124215e-06,
1695
+ "loss": 0.4925,
1696
+ "step": 241
1697
+ },
1698
+ {
1699
+ "epoch": 1.9836065573770492,
1700
+ "grad_norm": 1.1397427320480347,
1701
+ "learning_rate": 5.440393597293103e-06,
1702
+ "loss": 0.4976,
1703
+ "step": 242
1704
+ },
1705
+ {
1706
+ "epoch": 1.9918032786885247,
1707
+ "grad_norm": 1.2887569665908813,
1708
+ "learning_rate": 5.361812116134122e-06,
1709
+ "loss": 0.4561,
1710
+ "step": 243
1711
+ },
1712
+ {
1713
+ "epoch": 2.0,
1714
+ "grad_norm": 1.1181073188781738,
1715
+ "learning_rate": 5.283593870688697e-06,
1716
+ "loss": 0.4845,
1717
+ "step": 244
1718
+ },
1719
+ {
1720
+ "epoch": 2.0081967213114753,
1721
+ "grad_norm": 1.6684272289276123,
1722
+ "learning_rate": 5.205744986551763e-06,
1723
+ "loss": 0.2702,
1724
+ "step": 245
1725
+ },
1726
+ {
1727
+ "epoch": 2.0163934426229506,
1728
+ "grad_norm": 1.4320805072784424,
1729
+ "learning_rate": 5.128271560392037e-06,
1730
+ "loss": 0.2446,
1731
+ "step": 246
1732
+ },
1733
+ {
1734
+ "epoch": 2.0245901639344264,
1735
+ "grad_norm": 1.3470230102539062,
1736
+ "learning_rate": 5.051179659474568e-06,
1737
+ "loss": 0.2465,
1738
+ "step": 247
1739
+ },
1740
+ {
1741
+ "epoch": 2.0327868852459017,
1742
+ "grad_norm": 1.2290575504302979,
1743
+ "learning_rate": 4.974475321185578e-06,
1744
+ "loss": 0.2473,
1745
+ "step": 248
1746
+ },
1747
+ {
1748
+ "epoch": 2.040983606557377,
1749
+ "grad_norm": 1.1487990617752075,
1750
+ "learning_rate": 4.89816455255966e-06,
1751
+ "loss": 0.2277,
1752
+ "step": 249
1753
+ },
1754
+ {
1755
+ "epoch": 2.0491803278688523,
1756
+ "grad_norm": 1.0775490999221802,
1757
+ "learning_rate": 4.82225332980933e-06,
1758
+ "loss": 0.2504,
1759
+ "step": 250
1760
+ },
1761
+ {
1762
+ "epoch": 2.057377049180328,
1763
+ "grad_norm": 1.0720856189727783,
1764
+ "learning_rate": 4.746747597857014e-06,
1765
+ "loss": 0.2316,
1766
+ "step": 251
1767
+ },
1768
+ {
1769
+ "epoch": 2.0655737704918034,
1770
+ "grad_norm": 1.1619036197662354,
1771
+ "learning_rate": 4.671653269869474e-06,
1772
+ "loss": 0.2151,
1773
+ "step": 252
1774
+ },
1775
+ {
1776
+ "epoch": 2.0737704918032787,
1777
+ "grad_norm": 1.5073219537734985,
1778
+ "learning_rate": 4.596976226794718e-06,
1779
+ "loss": 0.2421,
1780
+ "step": 253
1781
+ },
1782
+ {
1783
+ "epoch": 2.081967213114754,
1784
+ "grad_norm": 1.6046669483184814,
1785
+ "learning_rate": 4.5227223169014455e-06,
1786
+ "loss": 0.2066,
1787
+ "step": 254
1788
+ },
1789
+ {
1790
+ "epoch": 2.0901639344262297,
1791
+ "grad_norm": 1.9477217197418213,
1792
+ "learning_rate": 4.448897355321049e-06,
1793
+ "loss": 0.2563,
1794
+ "step": 255
1795
+ },
1796
+ {
1797
+ "epoch": 2.098360655737705,
1798
+ "grad_norm": 2.05069899559021,
1799
+ "learning_rate": 4.375507123592194e-06,
1800
+ "loss": 0.2497,
1801
+ "step": 256
1802
+ },
1803
+ {
1804
+ "epoch": 2.1065573770491803,
1805
+ "grad_norm": 1.7480195760726929,
1806
+ "learning_rate": 4.3025573692080516e-06,
1807
+ "loss": 0.2553,
1808
+ "step": 257
1809
+ },
1810
+ {
1811
+ "epoch": 2.1147540983606556,
1812
+ "grad_norm": 1.5176650285720825,
1813
+ "learning_rate": 4.230053805166186e-06,
1814
+ "loss": 0.2454,
1815
+ "step": 258
1816
+ },
1817
+ {
1818
+ "epoch": 2.122950819672131,
1819
+ "grad_norm": 1.147923231124878,
1820
+ "learning_rate": 4.158002109521149e-06,
1821
+ "loss": 0.1963,
1822
+ "step": 259
1823
+ },
1824
+ {
1825
+ "epoch": 2.1311475409836067,
1826
+ "grad_norm": 1.1350828409194946,
1827
+ "learning_rate": 4.086407924939803e-06,
1828
+ "loss": 0.2134,
1829
+ "step": 260
1830
+ },
1831
+ {
1832
+ "epoch": 2.139344262295082,
1833
+ "grad_norm": 1.0722763538360596,
1834
+ "learning_rate": 4.015276858259427e-06,
1835
+ "loss": 0.205,
1836
+ "step": 261
1837
+ },
1838
+ {
1839
+ "epoch": 2.1475409836065573,
1840
+ "grad_norm": 1.2143354415893555,
1841
+ "learning_rate": 3.944614480048614e-06,
1842
+ "loss": 0.2233,
1843
+ "step": 262
1844
+ },
1845
+ {
1846
+ "epoch": 2.1557377049180326,
1847
+ "grad_norm": 1.3119699954986572,
1848
+ "learning_rate": 3.874426324171019e-06,
1849
+ "loss": 0.2435,
1850
+ "step": 263
1851
+ },
1852
+ {
1853
+ "epoch": 2.1639344262295084,
1854
+ "grad_norm": 1.1167805194854736,
1855
+ "learning_rate": 3.804717887351991e-06,
1856
+ "loss": 0.2274,
1857
+ "step": 264
1858
+ },
1859
+ {
1860
+ "epoch": 2.1721311475409837,
1861
+ "grad_norm": 1.3277482986450195,
1862
+ "learning_rate": 3.735494628748082e-06,
1863
+ "loss": 0.2541,
1864
+ "step": 265
1865
+ },
1866
+ {
1867
+ "epoch": 2.180327868852459,
1868
+ "grad_norm": 1.1086663007736206,
1869
+ "learning_rate": 3.6667619695195287e-06,
1870
+ "loss": 0.2388,
1871
+ "step": 266
1872
+ },
1873
+ {
1874
+ "epoch": 2.1885245901639343,
1875
+ "grad_norm": 1.0080981254577637,
1876
+ "learning_rate": 3.5985252924057023e-06,
1877
+ "loss": 0.217,
1878
+ "step": 267
1879
+ },
1880
+ {
1881
+ "epoch": 2.19672131147541,
1882
+ "grad_norm": 1.1589125394821167,
1883
+ "learning_rate": 3.530789941303554e-06,
1884
+ "loss": 0.2195,
1885
+ "step": 268
1886
+ },
1887
+ {
1888
+ "epoch": 2.2049180327868854,
1889
+ "grad_norm": 1.045792579650879,
1890
+ "learning_rate": 3.4635612208491197e-06,
1891
+ "loss": 0.2067,
1892
+ "step": 269
1893
+ },
1894
+ {
1895
+ "epoch": 2.2131147540983607,
1896
+ "grad_norm": 1.1592333316802979,
1897
+ "learning_rate": 3.3968443960020913e-06,
1898
+ "loss": 0.2214,
1899
+ "step": 270
1900
+ },
1901
+ {
1902
+ "epoch": 2.221311475409836,
1903
+ "grad_norm": 1.150566816329956,
1904
+ "learning_rate": 3.330644691633492e-06,
1905
+ "loss": 0.2088,
1906
+ "step": 271
1907
+ },
1908
+ {
1909
+ "epoch": 2.2295081967213113,
1910
+ "grad_norm": 1.2285228967666626,
1911
+ "learning_rate": 3.2649672921165e-06,
1912
+ "loss": 0.2092,
1913
+ "step": 272
1914
+ },
1915
+ {
1916
+ "epoch": 2.237704918032787,
1917
+ "grad_norm": 1.13582444190979,
1918
+ "learning_rate": 3.1998173409204326e-06,
1919
+ "loss": 0.2168,
1920
+ "step": 273
1921
+ },
1922
+ {
1923
+ "epoch": 2.2459016393442623,
1924
+ "grad_norm": 1.0956363677978516,
1925
+ "learning_rate": 3.135199940207947e-06,
1926
+ "loss": 0.2089,
1927
+ "step": 274
1928
+ },
1929
+ {
1930
+ "epoch": 2.2540983606557377,
1931
+ "grad_norm": 1.0761518478393555,
1932
+ "learning_rate": 3.0711201504354628e-06,
1933
+ "loss": 0.2024,
1934
+ "step": 275
1935
+ },
1936
+ {
1937
+ "epoch": 2.262295081967213,
1938
+ "grad_norm": 1.1069421768188477,
1939
+ "learning_rate": 3.00758298995686e-06,
1940
+ "loss": 0.2154,
1941
+ "step": 276
1942
+ },
1943
+ {
1944
+ "epoch": 2.2704918032786887,
1945
+ "grad_norm": 1.2374476194381714,
1946
+ "learning_rate": 2.9445934346304706e-06,
1947
+ "loss": 0.244,
1948
+ "step": 277
1949
+ },
1950
+ {
1951
+ "epoch": 2.278688524590164,
1952
+ "grad_norm": 1.233173131942749,
1953
+ "learning_rate": 2.882156417429396e-06,
1954
+ "loss": 0.2281,
1955
+ "step": 278
1956
+ },
1957
+ {
1958
+ "epoch": 2.2868852459016393,
1959
+ "grad_norm": 1.3890464305877686,
1960
+ "learning_rate": 2.8202768280551894e-06,
1961
+ "loss": 0.2489,
1962
+ "step": 279
1963
+ },
1964
+ {
1965
+ "epoch": 2.2950819672131146,
1966
+ "grad_norm": 1.2962629795074463,
1967
+ "learning_rate": 2.7589595125549195e-06,
1968
+ "loss": 0.2104,
1969
+ "step": 280
1970
+ },
1971
+ {
1972
+ "epoch": 2.30327868852459,
1973
+ "grad_norm": 1.2199065685272217,
1974
+ "learning_rate": 2.698209272941659e-06,
1975
+ "loss": 0.2021,
1976
+ "step": 281
1977
+ },
1978
+ {
1979
+ "epoch": 2.3114754098360657,
1980
+ "grad_norm": 1.3473303318023682,
1981
+ "learning_rate": 2.6380308668184163e-06,
1982
+ "loss": 0.2463,
1983
+ "step": 282
1984
+ },
1985
+ {
1986
+ "epoch": 2.319672131147541,
1987
+ "grad_norm": 1.0375776290893555,
1988
+ "learning_rate": 2.578429007005552e-06,
1989
+ "loss": 0.194,
1990
+ "step": 283
1991
+ },
1992
+ {
1993
+ "epoch": 2.3278688524590163,
1994
+ "grad_norm": 1.1980507373809814,
1995
+ "learning_rate": 2.5194083611716937e-06,
1996
+ "loss": 0.2184,
1997
+ "step": 284
1998
+ },
1999
+ {
2000
+ "epoch": 2.3360655737704916,
2001
+ "grad_norm": 1.1433260440826416,
2002
+ "learning_rate": 2.460973551468194e-06,
2003
+ "loss": 0.2181,
2004
+ "step": 285
2005
+ },
2006
+ {
2007
+ "epoch": 2.3442622950819674,
2008
+ "grad_norm": 1.1053398847579956,
2009
+ "learning_rate": 2.403129154167153e-06,
2010
+ "loss": 0.2299,
2011
+ "step": 286
2012
+ },
2013
+ {
2014
+ "epoch": 2.3524590163934427,
2015
+ "grad_norm": 1.1965283155441284,
2016
+ "learning_rate": 2.345879699303025e-06,
2017
+ "loss": 0.2059,
2018
+ "step": 287
2019
+ },
2020
+ {
2021
+ "epoch": 2.360655737704918,
2022
+ "grad_norm": 1.2773933410644531,
2023
+ "learning_rate": 2.2892296703178596e-06,
2024
+ "loss": 0.2019,
2025
+ "step": 288
2026
+ },
2027
+ {
2028
+ "epoch": 2.3688524590163933,
2029
+ "grad_norm": 1.1140257120132446,
2030
+ "learning_rate": 2.2331835037101825e-06,
2031
+ "loss": 0.2052,
2032
+ "step": 289
2033
+ },
2034
+ {
2035
+ "epoch": 2.3770491803278686,
2036
+ "grad_norm": 1.525154709815979,
2037
+ "learning_rate": 2.17774558868755e-06,
2038
+ "loss": 0.2639,
2039
+ "step": 290
2040
+ },
2041
+ {
2042
+ "epoch": 2.3852459016393444,
2043
+ "grad_norm": 1.1313905715942383,
2044
+ "learning_rate": 2.1229202668228197e-06,
2045
+ "loss": 0.2248,
2046
+ "step": 291
2047
+ },
2048
+ {
2049
+ "epoch": 2.3934426229508197,
2050
+ "grad_norm": 1.3205841779708862,
2051
+ "learning_rate": 2.0687118317141407e-06,
2052
+ "loss": 0.23,
2053
+ "step": 292
2054
+ },
2055
+ {
2056
+ "epoch": 2.401639344262295,
2057
+ "grad_norm": 1.3589439392089844,
2058
+ "learning_rate": 2.0151245286486998e-06,
2059
+ "loss": 0.2478,
2060
+ "step": 293
2061
+ },
2062
+ {
2063
+ "epoch": 2.4098360655737707,
2064
+ "grad_norm": 1.1922129392623901,
2065
+ "learning_rate": 1.962162554270267e-06,
2066
+ "loss": 0.2189,
2067
+ "step": 294
2068
+ },
2069
+ {
2070
+ "epoch": 2.418032786885246,
2071
+ "grad_norm": 1.0274560451507568,
2072
+ "learning_rate": 1.9098300562505266e-06,
2073
+ "loss": 0.2127,
2074
+ "step": 295
2075
+ },
2076
+ {
2077
+ "epoch": 2.4262295081967213,
2078
+ "grad_norm": 1.2022790908813477,
2079
+ "learning_rate": 1.8581311329642592e-06,
2080
+ "loss": 0.2096,
2081
+ "step": 296
2082
+ },
2083
+ {
2084
+ "epoch": 2.4344262295081966,
2085
+ "grad_norm": 1.1015734672546387,
2086
+ "learning_rate": 1.8070698331683844e-06,
2087
+ "loss": 0.2181,
2088
+ "step": 297
2089
+ },
2090
+ {
2091
+ "epoch": 2.442622950819672,
2092
+ "grad_norm": 1.0971348285675049,
2093
+ "learning_rate": 1.7566501556848858e-06,
2094
+ "loss": 0.2032,
2095
+ "step": 298
2096
+ },
2097
+ {
2098
+ "epoch": 2.4508196721311477,
2099
+ "grad_norm": 1.1589995622634888,
2100
+ "learning_rate": 1.7068760490876425e-06,
2101
+ "loss": 0.2324,
2102
+ "step": 299
2103
+ },
2104
+ {
2105
+ "epoch": 2.459016393442623,
2106
+ "grad_norm": 1.3047738075256348,
2107
+ "learning_rate": 1.6577514113932036e-06,
2108
+ "loss": 0.2301,
2109
+ "step": 300
2110
+ },
2111
+ {
2112
+ "epoch": 2.4672131147540983,
2113
+ "grad_norm": 1.2343322038650513,
2114
+ "learning_rate": 1.609280089755515e-06,
2115
+ "loss": 0.226,
2116
+ "step": 301
2117
+ },
2118
+ {
2119
+ "epoch": 2.4754098360655736,
2120
+ "grad_norm": 1.0935797691345215,
2121
+ "learning_rate": 1.5614658801646354e-06,
2122
+ "loss": 0.2311,
2123
+ "step": 302
2124
+ },
2125
+ {
2126
+ "epoch": 2.4836065573770494,
2127
+ "grad_norm": 1.0060436725616455,
2128
+ "learning_rate": 1.5143125271494607e-06,
2129
+ "loss": 0.1992,
2130
+ "step": 303
2131
+ },
2132
+ {
2133
+ "epoch": 2.4918032786885247,
2134
+ "grad_norm": 1.211691975593567,
2135
+ "learning_rate": 1.467823723484465e-06,
2136
+ "loss": 0.2132,
2137
+ "step": 304
2138
+ },
2139
+ {
2140
+ "epoch": 2.5,
2141
+ "grad_norm": 1.2444989681243896,
2142
+ "learning_rate": 1.4220031099005094e-06,
2143
+ "loss": 0.2181,
2144
+ "step": 305
2145
+ },
2146
+ {
2147
+ "epoch": 2.5081967213114753,
2148
+ "grad_norm": 1.5254817008972168,
2149
+ "learning_rate": 1.3768542747997215e-06,
2150
+ "loss": 0.2447,
2151
+ "step": 306
2152
+ },
2153
+ {
2154
+ "epoch": 2.5163934426229506,
2155
+ "grad_norm": 1.20688796043396,
2156
+ "learning_rate": 1.3323807539744726e-06,
2157
+ "loss": 0.2145,
2158
+ "step": 307
2159
+ },
2160
+ {
2161
+ "epoch": 2.5245901639344264,
2162
+ "grad_norm": 1.1355769634246826,
2163
+ "learning_rate": 1.2885860303304743e-06,
2164
+ "loss": 0.2014,
2165
+ "step": 308
2166
+ },
2167
+ {
2168
+ "epoch": 2.5327868852459017,
2169
+ "grad_norm": 1.2493382692337036,
2170
+ "learning_rate": 1.2454735336140167e-06,
2171
+ "loss": 0.2142,
2172
+ "step": 309
2173
+ },
2174
+ {
2175
+ "epoch": 2.540983606557377,
2176
+ "grad_norm": 1.1296652555465698,
2177
+ "learning_rate": 1.2030466401433749e-06,
2178
+ "loss": 0.2081,
2179
+ "step": 310
2180
+ },
2181
+ {
2182
+ "epoch": 2.5491803278688527,
2183
+ "grad_norm": 1.142025351524353,
2184
+ "learning_rate": 1.161308672544389e-06,
2185
+ "loss": 0.2097,
2186
+ "step": 311
2187
+ },
2188
+ {
2189
+ "epoch": 2.557377049180328,
2190
+ "grad_norm": 1.2121732234954834,
2191
+ "learning_rate": 1.1202628994902632e-06,
2192
+ "loss": 0.2026,
2193
+ "step": 312
2194
+ },
2195
+ {
2196
+ "epoch": 2.5655737704918034,
2197
+ "grad_norm": 1.3817976713180542,
2198
+ "learning_rate": 1.0799125354455752e-06,
2199
+ "loss": 0.2207,
2200
+ "step": 313
2201
+ },
2202
+ {
2203
+ "epoch": 2.5737704918032787,
2204
+ "grad_norm": 1.2908271551132202,
2205
+ "learning_rate": 1.0402607404145448e-06,
2206
+ "loss": 0.2152,
2207
+ "step": 314
2208
+ },
2209
+ {
2210
+ "epoch": 2.581967213114754,
2211
+ "grad_norm": 1.213399052619934,
2212
+ "learning_rate": 1.0013106196935528e-06,
2213
+ "loss": 0.2277,
2214
+ "step": 315
2215
+ },
2216
+ {
2217
+ "epoch": 2.5901639344262293,
2218
+ "grad_norm": 1.2260936498641968,
2219
+ "learning_rate": 9.630652236279626e-07,
2220
+ "loss": 0.2333,
2221
+ "step": 316
2222
+ },
2223
+ {
2224
+ "epoch": 2.598360655737705,
2225
+ "grad_norm": 1.0845645666122437,
2226
+ "learning_rate": 9.255275473732239e-07,
2227
+ "loss": 0.2012,
2228
+ "step": 317
2229
+ },
2230
+ {
2231
+ "epoch": 2.6065573770491803,
2232
+ "grad_norm": 1.1773573160171509,
2233
+ "learning_rate": 8.887005306603203e-07,
2234
+ "loss": 0.2017,
2235
+ "step": 318
2236
+ },
2237
+ {
2238
+ "epoch": 2.6147540983606556,
2239
+ "grad_norm": 1.1452627182006836,
2240
+ "learning_rate": 8.525870575655393e-07,
2241
+ "loss": 0.2146,
2242
+ "step": 319
2243
+ },
2244
+ {
2245
+ "epoch": 2.6229508196721314,
2246
+ "grad_norm": 1.1558417081832886,
2247
+ "learning_rate": 8.171899562846097e-07,
2248
+ "loss": 0.23,
2249
+ "step": 320
2250
+ },
2251
+ {
2252
+ "epoch": 2.6311475409836067,
2253
+ "grad_norm": 1.1180776357650757,
2254
+ "learning_rate": 7.825119989112173e-07,
2255
+ "loss": 0.1994,
2256
+ "step": 321
2257
+ },
2258
+ {
2259
+ "epoch": 2.639344262295082,
2260
+ "grad_norm": 1.2736459970474243,
2261
+ "learning_rate": 7.485559012199062e-07,
2262
+ "loss": 0.2086,
2263
+ "step": 322
2264
+ },
2265
+ {
2266
+ "epoch": 2.6475409836065573,
2267
+ "grad_norm": 1.2114237546920776,
2268
+ "learning_rate": 7.153243224534001e-07,
2269
+ "loss": 0.2089,
2270
+ "step": 323
2271
+ },
2272
+ {
2273
+ "epoch": 2.6557377049180326,
2274
+ "grad_norm": 1.1722540855407715,
2275
+ "learning_rate": 6.828198651143425e-07,
2276
+ "loss": 0.2133,
2277
+ "step": 324
2278
+ },
2279
+ {
2280
+ "epoch": 2.663934426229508,
2281
+ "grad_norm": 1.128095030784607,
2282
+ "learning_rate": 6.510450747614816e-07,
2283
+ "loss": 0.2055,
2284
+ "step": 325
2285
+ },
2286
+ {
2287
+ "epoch": 2.6721311475409837,
2288
+ "grad_norm": 1.1521621942520142,
2289
+ "learning_rate": 6.200024398103255e-07,
2290
+ "loss": 0.2165,
2291
+ "step": 326
2292
+ },
2293
+ {
2294
+ "epoch": 2.680327868852459,
2295
+ "grad_norm": 1.1144236326217651,
2296
+ "learning_rate": 5.896943913382547e-07,
2297
+ "loss": 0.2158,
2298
+ "step": 327
2299
+ },
2300
+ {
2301
+ "epoch": 2.6885245901639343,
2302
+ "grad_norm": 1.1580475568771362,
2303
+ "learning_rate": 5.601233028941389e-07,
2304
+ "loss": 0.2071,
2305
+ "step": 328
2306
+ },
2307
+ {
2308
+ "epoch": 2.69672131147541,
2309
+ "grad_norm": 1.1493444442749023,
2310
+ "learning_rate": 5.312914903124566e-07,
2311
+ "loss": 0.2307,
2312
+ "step": 329
2313
+ },
2314
+ {
2315
+ "epoch": 2.7049180327868854,
2316
+ "grad_norm": 1.261407494544983,
2317
+ "learning_rate": 5.032012115319273e-07,
2318
+ "loss": 0.2233,
2319
+ "step": 330
2320
+ },
2321
+ {
2322
+ "epoch": 2.7131147540983607,
2323
+ "grad_norm": 1.1146408319473267,
2324
+ "learning_rate": 4.7585466641868696e-07,
2325
+ "loss": 0.2104,
2326
+ "step": 331
2327
+ },
2328
+ {
2329
+ "epoch": 2.721311475409836,
2330
+ "grad_norm": 1.152559518814087,
2331
+ "learning_rate": 4.492539965940057e-07,
2332
+ "loss": 0.1936,
2333
+ "step": 332
2334
+ },
2335
+ {
2336
+ "epoch": 2.7295081967213113,
2337
+ "grad_norm": 1.1715896129608154,
2338
+ "learning_rate": 4.234012852665703e-07,
2339
+ "loss": 0.2255,
2340
+ "step": 333
2341
+ },
2342
+ {
2343
+ "epoch": 2.737704918032787,
2344
+ "grad_norm": 1.2842741012573242,
2345
+ "learning_rate": 3.982985570693354e-07,
2346
+ "loss": 0.2126,
2347
+ "step": 334
2348
+ },
2349
+ {
2350
+ "epoch": 2.7459016393442623,
2351
+ "grad_norm": 1.290299892425537,
2352
+ "learning_rate": 3.739477779009704e-07,
2353
+ "loss": 0.2468,
2354
+ "step": 335
2355
+ },
2356
+ {
2357
+ "epoch": 2.7540983606557377,
2358
+ "grad_norm": 1.1366935968399048,
2359
+ "learning_rate": 3.5035085477190143e-07,
2360
+ "loss": 0.2083,
2361
+ "step": 336
2362
+ },
2363
+ {
2364
+ "epoch": 2.762295081967213,
2365
+ "grad_norm": 1.2218340635299683,
2366
+ "learning_rate": 3.275096356549612e-07,
2367
+ "loss": 0.2514,
2368
+ "step": 337
2369
+ },
2370
+ {
2371
+ "epoch": 2.7704918032786887,
2372
+ "grad_norm": 1.1977328062057495,
2373
+ "learning_rate": 3.054259093406731e-07,
2374
+ "loss": 0.1986,
2375
+ "step": 338
2376
+ },
2377
+ {
2378
+ "epoch": 2.778688524590164,
2379
+ "grad_norm": 1.2030324935913086,
2380
+ "learning_rate": 2.8410140529715803e-07,
2381
+ "loss": 0.2547,
2382
+ "step": 339
2383
+ },
2384
+ {
2385
+ "epoch": 2.7868852459016393,
2386
+ "grad_norm": 1.1166476011276245,
2387
+ "learning_rate": 2.6353779353469387e-07,
2388
+ "loss": 0.2035,
2389
+ "step": 340
2390
+ },
2391
+ {
2392
+ "epoch": 2.7950819672131146,
2393
+ "grad_norm": 1.3586655855178833,
2394
+ "learning_rate": 2.4373668447493225e-07,
2395
+ "loss": 0.2395,
2396
+ "step": 341
2397
+ },
2398
+ {
2399
+ "epoch": 2.80327868852459,
2400
+ "grad_norm": 1.1721775531768799,
2401
+ "learning_rate": 2.2469962882478046e-07,
2402
+ "loss": 0.2127,
2403
+ "step": 342
2404
+ },
2405
+ {
2406
+ "epoch": 2.8114754098360657,
2407
+ "grad_norm": 1.3731749057769775,
2408
+ "learning_rate": 2.0642811745495206e-07,
2409
+ "loss": 0.2245,
2410
+ "step": 343
2411
+ },
2412
+ {
2413
+ "epoch": 2.819672131147541,
2414
+ "grad_norm": 1.2181392908096313,
2415
+ "learning_rate": 1.889235812832202e-07,
2416
+ "loss": 0.2171,
2417
+ "step": 344
2418
+ },
2419
+ {
2420
+ "epoch": 2.8278688524590163,
2421
+ "grad_norm": 1.1868208646774292,
2422
+ "learning_rate": 1.7218739116235061e-07,
2423
+ "loss": 0.2165,
2424
+ "step": 345
2425
+ },
2426
+ {
2427
+ "epoch": 2.836065573770492,
2428
+ "grad_norm": 1.1789835691452026,
2429
+ "learning_rate": 1.562208577727442e-07,
2430
+ "loss": 0.2226,
2431
+ "step": 346
2432
+ },
2433
+ {
2434
+ "epoch": 2.8442622950819674,
2435
+ "grad_norm": 1.1302640438079834,
2436
+ "learning_rate": 1.4102523151979574e-07,
2437
+ "loss": 0.2172,
2438
+ "step": 347
2439
+ },
2440
+ {
2441
+ "epoch": 2.8524590163934427,
2442
+ "grad_norm": 1.1117348670959473,
2443
+ "learning_rate": 1.266017024359656e-07,
2444
+ "loss": 0.216,
2445
+ "step": 348
2446
+ },
2447
+ {
2448
+ "epoch": 2.860655737704918,
2449
+ "grad_norm": 1.1936352252960205,
2450
+ "learning_rate": 1.1295140008758864e-07,
2451
+ "loss": 0.2325,
2452
+ "step": 349
2453
+ },
2454
+ {
2455
+ "epoch": 2.8688524590163933,
2456
+ "grad_norm": 1.349346399307251,
2457
+ "learning_rate": 1.0007539348640738e-07,
2458
+ "loss": 0.2522,
2459
+ "step": 350
2460
+ },
2461
+ {
2462
+ "epoch": 2.8770491803278686,
2463
+ "grad_norm": 1.176551103591919,
2464
+ "learning_rate": 8.797469100585432e-08,
2465
+ "loss": 0.2404,
2466
+ "step": 351
2467
+ },
2468
+ {
2469
+ "epoch": 2.8852459016393444,
2470
+ "grad_norm": 1.3001667261123657,
2471
+ "learning_rate": 7.665024030208635e-08,
2472
+ "loss": 0.2435,
2473
+ "step": 352
2474
+ },
2475
+ {
2476
+ "epoch": 2.8934426229508197,
2477
+ "grad_norm": 1.1511950492858887,
2478
+ "learning_rate": 6.610292823976628e-08,
2479
+ "loss": 0.2327,
2480
+ "step": 353
2481
+ },
2482
+ {
2483
+ "epoch": 2.901639344262295,
2484
+ "grad_norm": 1.1168369054794312,
2485
+ "learning_rate": 5.633358082260953e-08,
2486
+ "loss": 0.195,
2487
+ "step": 354
2488
+ },
2489
+ {
2490
+ "epoch": 2.9098360655737707,
2491
+ "grad_norm": 1.0813003778457642,
2492
+ "learning_rate": 4.73429631286948e-08,
2493
+ "loss": 0.209,
2494
+ "step": 355
2495
+ },
2496
+ {
2497
+ "epoch": 2.918032786885246,
2498
+ "grad_norm": 1.225760579109192,
2499
+ "learning_rate": 3.913177925055189e-08,
2500
+ "loss": 0.2013,
2501
+ "step": 356
2502
+ },
2503
+ {
2504
+ "epoch": 2.9262295081967213,
2505
+ "grad_norm": 1.1697818040847778,
2506
+ "learning_rate": 3.170067224001483e-08,
2507
+ "loss": 0.2148,
2508
+ "step": 357
2509
+ },
2510
+ {
2511
+ "epoch": 2.9344262295081966,
2512
+ "grad_norm": 1.2408915758132935,
2513
+ "learning_rate": 2.5050224057868723e-08,
2514
+ "loss": 0.2302,
2515
+ "step": 358
2516
+ },
2517
+ {
2518
+ "epoch": 2.942622950819672,
2519
+ "grad_norm": 1.202064037322998,
2520
+ "learning_rate": 1.9180955528270706e-08,
2521
+ "loss": 0.2068,
2522
+ "step": 359
2523
+ },
2524
+ {
2525
+ "epoch": 2.9508196721311473,
2526
+ "grad_norm": 1.1742192506790161,
2527
+ "learning_rate": 1.4093326297959232e-08,
2528
+ "loss": 0.1977,
2529
+ "step": 360
2530
+ },
2531
+ {
2532
+ "epoch": 2.959016393442623,
2533
+ "grad_norm": 1.194492220878601,
2534
+ "learning_rate": 9.78773480026396e-09,
2535
+ "loss": 0.2333,
2536
+ "step": 361
2537
+ },
2538
+ {
2539
+ "epoch": 2.9672131147540983,
2540
+ "grad_norm": 1.1205930709838867,
2541
+ "learning_rate": 6.264518223896288e-09,
2542
+ "loss": 0.2191,
2543
+ "step": 362
2544
+ },
2545
+ {
2546
+ "epoch": 2.9754098360655736,
2547
+ "grad_norm": 1.2019057273864746,
2548
+ "learning_rate": 3.5239524865460227e-09,
2549
+ "loss": 0.2074,
2550
+ "step": 363
2551
+ },
2552
+ {
2553
+ "epoch": 2.9836065573770494,
2554
+ "grad_norm": 1.1968348026275635,
2555
+ "learning_rate": 1.566252213274222e-09,
2556
+ "loss": 0.2316,
2557
+ "step": 364
2558
+ },
2559
+ {
2560
+ "epoch": 2.9918032786885247,
2561
+ "grad_norm": 1.0804020166397095,
2562
+ "learning_rate": 3.9157071969997407e-10,
2563
+ "loss": 0.2412,
2564
+ "step": 365
2565
+ },
2566
+ {
2567
+ "epoch": 3.0,
2568
+ "grad_norm": 1.0318905115127563,
2569
+ "learning_rate": 0.0,
2570
+ "loss": 0.1958,
2571
+ "step": 366
2572
+ },
2573
+ {
2574
+ "epoch": 3.0,
2575
+ "step": 366,
2576
+ "total_flos": 9.143633223446692e+17,
2577
+ "train_loss": 0.5501216588531687,
2578
+ "train_runtime": 2923.287,
2579
+ "train_samples_per_second": 16.01,
2580
+ "train_steps_per_second": 0.125
2581
+ }
2582
+ ],
2583
+ "logging_steps": 1,
2584
+ "max_steps": 366,
2585
+ "num_input_tokens_seen": 0,
2586
+ "num_train_epochs": 3,
2587
+ "save_steps": 0,
2588
+ "stateful_callbacks": {
2589
+ "TrainerControl": {
2590
+ "args": {
2591
+ "should_epoch_stop": false,
2592
+ "should_evaluate": false,
2593
+ "should_log": false,
2594
+ "should_save": true,
2595
+ "should_training_stop": true
2596
+ },
2597
+ "attributes": {}
2598
+ }
2599
+ },
2600
+ "total_flos": 9.143633223446692e+17,
2601
+ "train_batch_size": 32,
2602
+ "trial_name": null,
2603
+ "trial_params": null
2604
+ }