Xinging commited on
Commit
3d91e76
·
verified ·
1 Parent(s): 1fa9a65

Upload trainer_state.json with huggingface_hub

Browse files
Files changed (1) hide show
  1. trainer_state.json +3465 -0
trainer_state.json ADDED
@@ -0,0 +1,3465 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 3.0,
5
+ "eval_steps": 500,
6
+ "global_step": 489,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.006134969325153374,
13
+ "grad_norm": 4.404277324676514,
14
+ "learning_rate": 4.0816326530612243e-07,
15
+ "loss": 1.0324,
16
+ "step": 1
17
+ },
18
+ {
19
+ "epoch": 0.012269938650306749,
20
+ "grad_norm": 4.627435684204102,
21
+ "learning_rate": 8.163265306122449e-07,
22
+ "loss": 1.0989,
23
+ "step": 2
24
+ },
25
+ {
26
+ "epoch": 0.018404907975460124,
27
+ "grad_norm": 4.390231132507324,
28
+ "learning_rate": 1.2244897959183673e-06,
29
+ "loss": 0.9683,
30
+ "step": 3
31
+ },
32
+ {
33
+ "epoch": 0.024539877300613498,
34
+ "grad_norm": 5.326767921447754,
35
+ "learning_rate": 1.6326530612244897e-06,
36
+ "loss": 1.0904,
37
+ "step": 4
38
+ },
39
+ {
40
+ "epoch": 0.03067484662576687,
41
+ "grad_norm": 6.357185363769531,
42
+ "learning_rate": 2.0408163265306125e-06,
43
+ "loss": 1.0923,
44
+ "step": 5
45
+ },
46
+ {
47
+ "epoch": 0.03680981595092025,
48
+ "grad_norm": 4.6469502449035645,
49
+ "learning_rate": 2.4489795918367347e-06,
50
+ "loss": 1.0713,
51
+ "step": 6
52
+ },
53
+ {
54
+ "epoch": 0.04294478527607362,
55
+ "grad_norm": 6.18074893951416,
56
+ "learning_rate": 2.8571428571428573e-06,
57
+ "loss": 1.0621,
58
+ "step": 7
59
+ },
60
+ {
61
+ "epoch": 0.049079754601226995,
62
+ "grad_norm": 4.181659698486328,
63
+ "learning_rate": 3.2653061224489794e-06,
64
+ "loss": 0.9701,
65
+ "step": 8
66
+ },
67
+ {
68
+ "epoch": 0.05521472392638037,
69
+ "grad_norm": 5.808837890625,
70
+ "learning_rate": 3.6734693877551024e-06,
71
+ "loss": 0.9578,
72
+ "step": 9
73
+ },
74
+ {
75
+ "epoch": 0.06134969325153374,
76
+ "grad_norm": 4.635038375854492,
77
+ "learning_rate": 4.081632653061225e-06,
78
+ "loss": 1.0176,
79
+ "step": 10
80
+ },
81
+ {
82
+ "epoch": 0.06748466257668712,
83
+ "grad_norm": 4.72430419921875,
84
+ "learning_rate": 4.489795918367348e-06,
85
+ "loss": 0.7826,
86
+ "step": 11
87
+ },
88
+ {
89
+ "epoch": 0.0736196319018405,
90
+ "grad_norm": 3.9675962924957275,
91
+ "learning_rate": 4.897959183673469e-06,
92
+ "loss": 0.9632,
93
+ "step": 12
94
+ },
95
+ {
96
+ "epoch": 0.07975460122699386,
97
+ "grad_norm": 3.53987717628479,
98
+ "learning_rate": 5.306122448979593e-06,
99
+ "loss": 0.8969,
100
+ "step": 13
101
+ },
102
+ {
103
+ "epoch": 0.08588957055214724,
104
+ "grad_norm": 4.441963195800781,
105
+ "learning_rate": 5.7142857142857145e-06,
106
+ "loss": 0.8889,
107
+ "step": 14
108
+ },
109
+ {
110
+ "epoch": 0.09202453987730061,
111
+ "grad_norm": 2.9366307258605957,
112
+ "learning_rate": 6.122448979591837e-06,
113
+ "loss": 0.897,
114
+ "step": 15
115
+ },
116
+ {
117
+ "epoch": 0.09815950920245399,
118
+ "grad_norm": 2.6488900184631348,
119
+ "learning_rate": 6.530612244897959e-06,
120
+ "loss": 0.9497,
121
+ "step": 16
122
+ },
123
+ {
124
+ "epoch": 0.10429447852760736,
125
+ "grad_norm": 3.0431630611419678,
126
+ "learning_rate": 6.938775510204082e-06,
127
+ "loss": 0.8834,
128
+ "step": 17
129
+ },
130
+ {
131
+ "epoch": 0.11042944785276074,
132
+ "grad_norm": 3.631333351135254,
133
+ "learning_rate": 7.346938775510205e-06,
134
+ "loss": 0.8728,
135
+ "step": 18
136
+ },
137
+ {
138
+ "epoch": 0.1165644171779141,
139
+ "grad_norm": 2.983065605163574,
140
+ "learning_rate": 7.755102040816327e-06,
141
+ "loss": 0.9526,
142
+ "step": 19
143
+ },
144
+ {
145
+ "epoch": 0.12269938650306748,
146
+ "grad_norm": 2.8151237964630127,
147
+ "learning_rate": 8.16326530612245e-06,
148
+ "loss": 0.7929,
149
+ "step": 20
150
+ },
151
+ {
152
+ "epoch": 0.12883435582822086,
153
+ "grad_norm": 2.7403059005737305,
154
+ "learning_rate": 8.571428571428571e-06,
155
+ "loss": 0.9033,
156
+ "step": 21
157
+ },
158
+ {
159
+ "epoch": 0.13496932515337423,
160
+ "grad_norm": 2.607174873352051,
161
+ "learning_rate": 8.979591836734695e-06,
162
+ "loss": 0.8278,
163
+ "step": 22
164
+ },
165
+ {
166
+ "epoch": 0.1411042944785276,
167
+ "grad_norm": 3.1742658615112305,
168
+ "learning_rate": 9.387755102040818e-06,
169
+ "loss": 0.7851,
170
+ "step": 23
171
+ },
172
+ {
173
+ "epoch": 0.147239263803681,
174
+ "grad_norm": 2.7534286975860596,
175
+ "learning_rate": 9.795918367346939e-06,
176
+ "loss": 0.8584,
177
+ "step": 24
178
+ },
179
+ {
180
+ "epoch": 0.15337423312883436,
181
+ "grad_norm": 3.070441484451294,
182
+ "learning_rate": 1.0204081632653063e-05,
183
+ "loss": 0.8879,
184
+ "step": 25
185
+ },
186
+ {
187
+ "epoch": 0.15950920245398773,
188
+ "grad_norm": 2.5512771606445312,
189
+ "learning_rate": 1.0612244897959186e-05,
190
+ "loss": 0.7313,
191
+ "step": 26
192
+ },
193
+ {
194
+ "epoch": 0.1656441717791411,
195
+ "grad_norm": 2.626723289489746,
196
+ "learning_rate": 1.1020408163265306e-05,
197
+ "loss": 0.8822,
198
+ "step": 27
199
+ },
200
+ {
201
+ "epoch": 0.17177914110429449,
202
+ "grad_norm": 2.6062428951263428,
203
+ "learning_rate": 1.1428571428571429e-05,
204
+ "loss": 0.9127,
205
+ "step": 28
206
+ },
207
+ {
208
+ "epoch": 0.17791411042944785,
209
+ "grad_norm": 2.6317055225372314,
210
+ "learning_rate": 1.1836734693877552e-05,
211
+ "loss": 0.8449,
212
+ "step": 29
213
+ },
214
+ {
215
+ "epoch": 0.18404907975460122,
216
+ "grad_norm": 3.30899715423584,
217
+ "learning_rate": 1.2244897959183674e-05,
218
+ "loss": 0.903,
219
+ "step": 30
220
+ },
221
+ {
222
+ "epoch": 0.1901840490797546,
223
+ "grad_norm": 3.433353900909424,
224
+ "learning_rate": 1.2653061224489798e-05,
225
+ "loss": 0.9024,
226
+ "step": 31
227
+ },
228
+ {
229
+ "epoch": 0.19631901840490798,
230
+ "grad_norm": 3.001012086868286,
231
+ "learning_rate": 1.3061224489795918e-05,
232
+ "loss": 0.8884,
233
+ "step": 32
234
+ },
235
+ {
236
+ "epoch": 0.20245398773006135,
237
+ "grad_norm": 2.610701322555542,
238
+ "learning_rate": 1.3469387755102042e-05,
239
+ "loss": 0.892,
240
+ "step": 33
241
+ },
242
+ {
243
+ "epoch": 0.2085889570552147,
244
+ "grad_norm": 2.6325395107269287,
245
+ "learning_rate": 1.3877551020408165e-05,
246
+ "loss": 0.8424,
247
+ "step": 34
248
+ },
249
+ {
250
+ "epoch": 0.2147239263803681,
251
+ "grad_norm": 3.036200523376465,
252
+ "learning_rate": 1.4285714285714287e-05,
253
+ "loss": 0.9034,
254
+ "step": 35
255
+ },
256
+ {
257
+ "epoch": 0.22085889570552147,
258
+ "grad_norm": 2.929934024810791,
259
+ "learning_rate": 1.469387755102041e-05,
260
+ "loss": 0.893,
261
+ "step": 36
262
+ },
263
+ {
264
+ "epoch": 0.22699386503067484,
265
+ "grad_norm": 2.6639227867126465,
266
+ "learning_rate": 1.510204081632653e-05,
267
+ "loss": 0.9461,
268
+ "step": 37
269
+ },
270
+ {
271
+ "epoch": 0.2331288343558282,
272
+ "grad_norm": 2.712769031524658,
273
+ "learning_rate": 1.5510204081632655e-05,
274
+ "loss": 0.9379,
275
+ "step": 38
276
+ },
277
+ {
278
+ "epoch": 0.2392638036809816,
279
+ "grad_norm": 2.3838276863098145,
280
+ "learning_rate": 1.5918367346938776e-05,
281
+ "loss": 0.7864,
282
+ "step": 39
283
+ },
284
+ {
285
+ "epoch": 0.24539877300613497,
286
+ "grad_norm": 2.565786600112915,
287
+ "learning_rate": 1.63265306122449e-05,
288
+ "loss": 0.8587,
289
+ "step": 40
290
+ },
291
+ {
292
+ "epoch": 0.25153374233128833,
293
+ "grad_norm": 2.628082752227783,
294
+ "learning_rate": 1.673469387755102e-05,
295
+ "loss": 0.8506,
296
+ "step": 41
297
+ },
298
+ {
299
+ "epoch": 0.25766871165644173,
300
+ "grad_norm": 2.246677875518799,
301
+ "learning_rate": 1.7142857142857142e-05,
302
+ "loss": 0.8663,
303
+ "step": 42
304
+ },
305
+ {
306
+ "epoch": 0.26380368098159507,
307
+ "grad_norm": 2.5994741916656494,
308
+ "learning_rate": 1.7551020408163266e-05,
309
+ "loss": 0.7208,
310
+ "step": 43
311
+ },
312
+ {
313
+ "epoch": 0.26993865030674846,
314
+ "grad_norm": 2.5801467895507812,
315
+ "learning_rate": 1.795918367346939e-05,
316
+ "loss": 0.823,
317
+ "step": 44
318
+ },
319
+ {
320
+ "epoch": 0.27607361963190186,
321
+ "grad_norm": 2.2797186374664307,
322
+ "learning_rate": 1.836734693877551e-05,
323
+ "loss": 0.6901,
324
+ "step": 45
325
+ },
326
+ {
327
+ "epoch": 0.2822085889570552,
328
+ "grad_norm": 2.310608386993408,
329
+ "learning_rate": 1.8775510204081636e-05,
330
+ "loss": 0.8623,
331
+ "step": 46
332
+ },
333
+ {
334
+ "epoch": 0.2883435582822086,
335
+ "grad_norm": 3.0622611045837402,
336
+ "learning_rate": 1.9183673469387756e-05,
337
+ "loss": 0.9739,
338
+ "step": 47
339
+ },
340
+ {
341
+ "epoch": 0.294478527607362,
342
+ "grad_norm": 2.8359763622283936,
343
+ "learning_rate": 1.9591836734693877e-05,
344
+ "loss": 0.8541,
345
+ "step": 48
346
+ },
347
+ {
348
+ "epoch": 0.3006134969325153,
349
+ "grad_norm": 2.4857027530670166,
350
+ "learning_rate": 2e-05,
351
+ "loss": 0.8031,
352
+ "step": 49
353
+ },
354
+ {
355
+ "epoch": 0.3067484662576687,
356
+ "grad_norm": 2.9872865676879883,
357
+ "learning_rate": 1.9999745104274995e-05,
358
+ "loss": 0.9584,
359
+ "step": 50
360
+ },
361
+ {
362
+ "epoch": 0.3128834355828221,
363
+ "grad_norm": 2.7176148891448975,
364
+ "learning_rate": 1.9998980430094333e-05,
365
+ "loss": 0.9524,
366
+ "step": 51
367
+ },
368
+ {
369
+ "epoch": 0.31901840490797545,
370
+ "grad_norm": 2.694809675216675,
371
+ "learning_rate": 1.9997706016440462e-05,
372
+ "loss": 0.8608,
373
+ "step": 52
374
+ },
375
+ {
376
+ "epoch": 0.32515337423312884,
377
+ "grad_norm": 2.1502082347869873,
378
+ "learning_rate": 1.9995921928281893e-05,
379
+ "loss": 0.8371,
380
+ "step": 53
381
+ },
382
+ {
383
+ "epoch": 0.3312883435582822,
384
+ "grad_norm": 3.4349052906036377,
385
+ "learning_rate": 1.999362825656992e-05,
386
+ "loss": 0.9361,
387
+ "step": 54
388
+ },
389
+ {
390
+ "epoch": 0.3374233128834356,
391
+ "grad_norm": 2.6445701122283936,
392
+ "learning_rate": 1.9990825118233958e-05,
393
+ "loss": 0.9325,
394
+ "step": 55
395
+ },
396
+ {
397
+ "epoch": 0.34355828220858897,
398
+ "grad_norm": 2.9627561569213867,
399
+ "learning_rate": 1.9987512656175612e-05,
400
+ "loss": 0.9348,
401
+ "step": 56
402
+ },
403
+ {
404
+ "epoch": 0.3496932515337423,
405
+ "grad_norm": 2.6833505630493164,
406
+ "learning_rate": 1.9983691039261358e-05,
407
+ "loss": 0.9207,
408
+ "step": 57
409
+ },
410
+ {
411
+ "epoch": 0.3558282208588957,
412
+ "grad_norm": 2.7319250106811523,
413
+ "learning_rate": 1.9979360462313965e-05,
414
+ "loss": 0.8873,
415
+ "step": 58
416
+ },
417
+ {
418
+ "epoch": 0.3619631901840491,
419
+ "grad_norm": 2.852752447128296,
420
+ "learning_rate": 1.9974521146102535e-05,
421
+ "loss": 0.833,
422
+ "step": 59
423
+ },
424
+ {
425
+ "epoch": 0.36809815950920244,
426
+ "grad_norm": 2.443208694458008,
427
+ "learning_rate": 1.9969173337331283e-05,
428
+ "loss": 0.8861,
429
+ "step": 60
430
+ },
431
+ {
432
+ "epoch": 0.37423312883435583,
433
+ "grad_norm": 2.418011426925659,
434
+ "learning_rate": 1.9963317308626916e-05,
435
+ "loss": 0.9211,
436
+ "step": 61
437
+ },
438
+ {
439
+ "epoch": 0.3803680981595092,
440
+ "grad_norm": 2.879551887512207,
441
+ "learning_rate": 1.9956953358524774e-05,
442
+ "loss": 0.8202,
443
+ "step": 62
444
+ },
445
+ {
446
+ "epoch": 0.38650306748466257,
447
+ "grad_norm": 2.1719465255737305,
448
+ "learning_rate": 1.9950081811453598e-05,
449
+ "loss": 0.8951,
450
+ "step": 63
451
+ },
452
+ {
453
+ "epoch": 0.39263803680981596,
454
+ "grad_norm": 3.3376317024230957,
455
+ "learning_rate": 1.9942703017718977e-05,
456
+ "loss": 1.0127,
457
+ "step": 64
458
+ },
459
+ {
460
+ "epoch": 0.3987730061349693,
461
+ "grad_norm": 2.1772871017456055,
462
+ "learning_rate": 1.99348173534855e-05,
463
+ "loss": 0.8279,
464
+ "step": 65
465
+ },
466
+ {
467
+ "epoch": 0.4049079754601227,
468
+ "grad_norm": 2.4154765605926514,
469
+ "learning_rate": 1.9926425220757607e-05,
470
+ "loss": 0.8938,
471
+ "step": 66
472
+ },
473
+ {
474
+ "epoch": 0.4110429447852761,
475
+ "grad_norm": 2.4074478149414062,
476
+ "learning_rate": 1.991752704735903e-05,
477
+ "loss": 0.838,
478
+ "step": 67
479
+ },
480
+ {
481
+ "epoch": 0.4171779141104294,
482
+ "grad_norm": 2.972881555557251,
483
+ "learning_rate": 1.990812328691105e-05,
484
+ "loss": 0.9311,
485
+ "step": 68
486
+ },
487
+ {
488
+ "epoch": 0.4233128834355828,
489
+ "grad_norm": 2.783582925796509,
490
+ "learning_rate": 1.989821441880933e-05,
491
+ "loss": 0.8724,
492
+ "step": 69
493
+ },
494
+ {
495
+ "epoch": 0.4294478527607362,
496
+ "grad_norm": 2.5357515811920166,
497
+ "learning_rate": 1.9887800948199496e-05,
498
+ "loss": 0.855,
499
+ "step": 70
500
+ },
501
+ {
502
+ "epoch": 0.43558282208588955,
503
+ "grad_norm": 2.7631185054779053,
504
+ "learning_rate": 1.9876883405951378e-05,
505
+ "loss": 0.8601,
506
+ "step": 71
507
+ },
508
+ {
509
+ "epoch": 0.44171779141104295,
510
+ "grad_norm": 2.3920769691467285,
511
+ "learning_rate": 1.9865462348631945e-05,
512
+ "loss": 0.7703,
513
+ "step": 72
514
+ },
515
+ {
516
+ "epoch": 0.44785276073619634,
517
+ "grad_norm": 2.4372503757476807,
518
+ "learning_rate": 1.9853538358476933e-05,
519
+ "loss": 1.0231,
520
+ "step": 73
521
+ },
522
+ {
523
+ "epoch": 0.4539877300613497,
524
+ "grad_norm": 2.5493886470794678,
525
+ "learning_rate": 1.984111204336116e-05,
526
+ "loss": 0.9518,
527
+ "step": 74
528
+ },
529
+ {
530
+ "epoch": 0.4601226993865031,
531
+ "grad_norm": 3.0651488304138184,
532
+ "learning_rate": 1.9828184036767556e-05,
533
+ "loss": 0.8844,
534
+ "step": 75
535
+ },
536
+ {
537
+ "epoch": 0.4662576687116564,
538
+ "grad_norm": 2.3102948665618896,
539
+ "learning_rate": 1.981475499775484e-05,
540
+ "loss": 0.8772,
541
+ "step": 76
542
+ },
543
+ {
544
+ "epoch": 0.4723926380368098,
545
+ "grad_norm": 2.400557279586792,
546
+ "learning_rate": 1.9800825610923937e-05,
547
+ "loss": 0.8965,
548
+ "step": 77
549
+ },
550
+ {
551
+ "epoch": 0.4785276073619632,
552
+ "grad_norm": 3.689486503601074,
553
+ "learning_rate": 1.9786396586383078e-05,
554
+ "loss": 0.9911,
555
+ "step": 78
556
+ },
557
+ {
558
+ "epoch": 0.48466257668711654,
559
+ "grad_norm": 2.7310731410980225,
560
+ "learning_rate": 1.9771468659711595e-05,
561
+ "loss": 0.9617,
562
+ "step": 79
563
+ },
564
+ {
565
+ "epoch": 0.49079754601226994,
566
+ "grad_norm": 1.9721884727478027,
567
+ "learning_rate": 1.9756042591922436e-05,
568
+ "loss": 0.818,
569
+ "step": 80
570
+ },
571
+ {
572
+ "epoch": 0.49693251533742333,
573
+ "grad_norm": 2.744872570037842,
574
+ "learning_rate": 1.9740119169423337e-05,
575
+ "loss": 0.9164,
576
+ "step": 81
577
+ },
578
+ {
579
+ "epoch": 0.5030674846625767,
580
+ "grad_norm": 2.2941346168518066,
581
+ "learning_rate": 1.9723699203976768e-05,
582
+ "loss": 0.7954,
583
+ "step": 82
584
+ },
585
+ {
586
+ "epoch": 0.50920245398773,
587
+ "grad_norm": 2.417813777923584,
588
+ "learning_rate": 1.9706783532658528e-05,
589
+ "loss": 0.8837,
590
+ "step": 83
591
+ },
592
+ {
593
+ "epoch": 0.5153374233128835,
594
+ "grad_norm": 2.3277711868286133,
595
+ "learning_rate": 1.9689373017815076e-05,
596
+ "loss": 0.8001,
597
+ "step": 84
598
+ },
599
+ {
600
+ "epoch": 0.5214723926380368,
601
+ "grad_norm": 2.7406232357025146,
602
+ "learning_rate": 1.9671468547019575e-05,
603
+ "loss": 0.8329,
604
+ "step": 85
605
+ },
606
+ {
607
+ "epoch": 0.5276073619631901,
608
+ "grad_norm": 2.6227080821990967,
609
+ "learning_rate": 1.9653071033026635e-05,
610
+ "loss": 0.8513,
611
+ "step": 86
612
+ },
613
+ {
614
+ "epoch": 0.5337423312883436,
615
+ "grad_norm": 2.5143091678619385,
616
+ "learning_rate": 1.963418141372579e-05,
617
+ "loss": 0.9202,
618
+ "step": 87
619
+ },
620
+ {
621
+ "epoch": 0.5398773006134969,
622
+ "grad_norm": 2.4019291400909424,
623
+ "learning_rate": 1.9614800652093685e-05,
624
+ "loss": 0.8449,
625
+ "step": 88
626
+ },
627
+ {
628
+ "epoch": 0.5460122699386503,
629
+ "grad_norm": 2.5892465114593506,
630
+ "learning_rate": 1.9594929736144978e-05,
631
+ "loss": 0.9929,
632
+ "step": 89
633
+ },
634
+ {
635
+ "epoch": 0.5521472392638037,
636
+ "grad_norm": 2.1739256381988525,
637
+ "learning_rate": 1.9574569678881965e-05,
638
+ "loss": 0.9703,
639
+ "step": 90
640
+ },
641
+ {
642
+ "epoch": 0.558282208588957,
643
+ "grad_norm": 3.1401398181915283,
644
+ "learning_rate": 1.955372151824297e-05,
645
+ "loss": 0.889,
646
+ "step": 91
647
+ },
648
+ {
649
+ "epoch": 0.5644171779141104,
650
+ "grad_norm": 2.510582208633423,
651
+ "learning_rate": 1.9532386317049387e-05,
652
+ "loss": 0.9673,
653
+ "step": 92
654
+ },
655
+ {
656
+ "epoch": 0.5705521472392638,
657
+ "grad_norm": 3.579469680786133,
658
+ "learning_rate": 1.9510565162951538e-05,
659
+ "loss": 0.719,
660
+ "step": 93
661
+ },
662
+ {
663
+ "epoch": 0.5766871165644172,
664
+ "grad_norm": 2.3586325645446777,
665
+ "learning_rate": 1.9488259168373198e-05,
666
+ "loss": 0.8154,
667
+ "step": 94
668
+ },
669
+ {
670
+ "epoch": 0.5828220858895705,
671
+ "grad_norm": 2.8746159076690674,
672
+ "learning_rate": 1.94654694704549e-05,
673
+ "loss": 0.8888,
674
+ "step": 95
675
+ },
676
+ {
677
+ "epoch": 0.588957055214724,
678
+ "grad_norm": 2.3770508766174316,
679
+ "learning_rate": 1.944219723099596e-05,
680
+ "loss": 0.9593,
681
+ "step": 96
682
+ },
683
+ {
684
+ "epoch": 0.5950920245398773,
685
+ "grad_norm": 2.695714235305786,
686
+ "learning_rate": 1.941844363639525e-05,
687
+ "loss": 0.9273,
688
+ "step": 97
689
+ },
690
+ {
691
+ "epoch": 0.6012269938650306,
692
+ "grad_norm": 1.9606412649154663,
693
+ "learning_rate": 1.9394209897590707e-05,
694
+ "loss": 0.8049,
695
+ "step": 98
696
+ },
697
+ {
698
+ "epoch": 0.6073619631901841,
699
+ "grad_norm": 2.397045373916626,
700
+ "learning_rate": 1.936949724999762e-05,
701
+ "loss": 0.9284,
702
+ "step": 99
703
+ },
704
+ {
705
+ "epoch": 0.6134969325153374,
706
+ "grad_norm": 2.3692755699157715,
707
+ "learning_rate": 1.9344306953445632e-05,
708
+ "loss": 0.9154,
709
+ "step": 100
710
+ },
711
+ {
712
+ "epoch": 0.6196319018404908,
713
+ "grad_norm": 2.067070722579956,
714
+ "learning_rate": 1.9318640292114526e-05,
715
+ "loss": 0.8195,
716
+ "step": 101
717
+ },
718
+ {
719
+ "epoch": 0.6257668711656442,
720
+ "grad_norm": 2.9347798824310303,
721
+ "learning_rate": 1.929249857446875e-05,
722
+ "loss": 0.8749,
723
+ "step": 102
724
+ },
725
+ {
726
+ "epoch": 0.6319018404907976,
727
+ "grad_norm": 2.1538584232330322,
728
+ "learning_rate": 1.9265883133190715e-05,
729
+ "loss": 0.7886,
730
+ "step": 103
731
+ },
732
+ {
733
+ "epoch": 0.6380368098159509,
734
+ "grad_norm": 2.57013201713562,
735
+ "learning_rate": 1.9238795325112867e-05,
736
+ "loss": 0.9187,
737
+ "step": 104
738
+ },
739
+ {
740
+ "epoch": 0.6441717791411042,
741
+ "grad_norm": 2.269765615463257,
742
+ "learning_rate": 1.92112365311485e-05,
743
+ "loss": 0.8611,
744
+ "step": 105
745
+ },
746
+ {
747
+ "epoch": 0.6503067484662577,
748
+ "grad_norm": 2.1213631629943848,
749
+ "learning_rate": 1.918320815622137e-05,
750
+ "loss": 0.8781,
751
+ "step": 106
752
+ },
753
+ {
754
+ "epoch": 0.656441717791411,
755
+ "grad_norm": 2.270547389984131,
756
+ "learning_rate": 1.9154711629194062e-05,
757
+ "loss": 0.8632,
758
+ "step": 107
759
+ },
760
+ {
761
+ "epoch": 0.6625766871165644,
762
+ "grad_norm": 2.3239433765411377,
763
+ "learning_rate": 1.912574840279516e-05,
764
+ "loss": 0.852,
765
+ "step": 108
766
+ },
767
+ {
768
+ "epoch": 0.6687116564417178,
769
+ "grad_norm": 2.4857397079467773,
770
+ "learning_rate": 1.9096319953545186e-05,
771
+ "loss": 0.9736,
772
+ "step": 109
773
+ },
774
+ {
775
+ "epoch": 0.6748466257668712,
776
+ "grad_norm": 2.2042980194091797,
777
+ "learning_rate": 1.9066427781681314e-05,
778
+ "loss": 0.8445,
779
+ "step": 110
780
+ },
781
+ {
782
+ "epoch": 0.6809815950920245,
783
+ "grad_norm": 2.358870029449463,
784
+ "learning_rate": 1.9036073411080917e-05,
785
+ "loss": 0.9168,
786
+ "step": 111
787
+ },
788
+ {
789
+ "epoch": 0.6871165644171779,
790
+ "grad_norm": 2.455577850341797,
791
+ "learning_rate": 1.900525838918385e-05,
792
+ "loss": 0.8593,
793
+ "step": 112
794
+ },
795
+ {
796
+ "epoch": 0.6932515337423313,
797
+ "grad_norm": 2.4685747623443604,
798
+ "learning_rate": 1.8973984286913584e-05,
799
+ "loss": 0.8876,
800
+ "step": 113
801
+ },
802
+ {
803
+ "epoch": 0.6993865030674846,
804
+ "grad_norm": 2.4090356826782227,
805
+ "learning_rate": 1.8942252698597113e-05,
806
+ "loss": 0.9748,
807
+ "step": 114
808
+ },
809
+ {
810
+ "epoch": 0.7055214723926381,
811
+ "grad_norm": 2.0732617378234863,
812
+ "learning_rate": 1.891006524188368e-05,
813
+ "loss": 0.8228,
814
+ "step": 115
815
+ },
816
+ {
817
+ "epoch": 0.7116564417177914,
818
+ "grad_norm": 2.108085870742798,
819
+ "learning_rate": 1.8877423557662307e-05,
820
+ "loss": 0.9245,
821
+ "step": 116
822
+ },
823
+ {
824
+ "epoch": 0.7177914110429447,
825
+ "grad_norm": 2.048963785171509,
826
+ "learning_rate": 1.8844329309978146e-05,
827
+ "loss": 0.8165,
828
+ "step": 117
829
+ },
830
+ {
831
+ "epoch": 0.7239263803680982,
832
+ "grad_norm": 2.941418409347534,
833
+ "learning_rate": 1.8810784185947648e-05,
834
+ "loss": 0.8717,
835
+ "step": 118
836
+ },
837
+ {
838
+ "epoch": 0.7300613496932515,
839
+ "grad_norm": 1.9391118288040161,
840
+ "learning_rate": 1.8776789895672557e-05,
841
+ "loss": 0.8367,
842
+ "step": 119
843
+ },
844
+ {
845
+ "epoch": 0.7361963190184049,
846
+ "grad_norm": 1.9185856580734253,
847
+ "learning_rate": 1.8742348172152728e-05,
848
+ "loss": 0.8201,
849
+ "step": 120
850
+ },
851
+ {
852
+ "epoch": 0.7423312883435583,
853
+ "grad_norm": 3.1177749633789062,
854
+ "learning_rate": 1.8707460771197773e-05,
855
+ "loss": 0.8935,
856
+ "step": 121
857
+ },
858
+ {
859
+ "epoch": 0.7484662576687117,
860
+ "grad_norm": 2.598524570465088,
861
+ "learning_rate": 1.8672129471337568e-05,
862
+ "loss": 0.8738,
863
+ "step": 122
864
+ },
865
+ {
866
+ "epoch": 0.754601226993865,
867
+ "grad_norm": 2.9220356941223145,
868
+ "learning_rate": 1.863635607373157e-05,
869
+ "loss": 0.8156,
870
+ "step": 123
871
+ },
872
+ {
873
+ "epoch": 0.7607361963190185,
874
+ "grad_norm": 2.300952434539795,
875
+ "learning_rate": 1.8600142402077006e-05,
876
+ "loss": 0.8801,
877
+ "step": 124
878
+ },
879
+ {
880
+ "epoch": 0.7668711656441718,
881
+ "grad_norm": 1.8602063655853271,
882
+ "learning_rate": 1.856349030251589e-05,
883
+ "loss": 0.7957,
884
+ "step": 125
885
+ },
886
+ {
887
+ "epoch": 0.7730061349693251,
888
+ "grad_norm": 2.1289467811584473,
889
+ "learning_rate": 1.8526401643540924e-05,
890
+ "loss": 0.7608,
891
+ "step": 126
892
+ },
893
+ {
894
+ "epoch": 0.7791411042944786,
895
+ "grad_norm": 2.544464349746704,
896
+ "learning_rate": 1.8488878315900228e-05,
897
+ "loss": 0.8282,
898
+ "step": 127
899
+ },
900
+ {
901
+ "epoch": 0.7852760736196319,
902
+ "grad_norm": 2.2640907764434814,
903
+ "learning_rate": 1.8450922232500966e-05,
904
+ "loss": 0.9357,
905
+ "step": 128
906
+ },
907
+ {
908
+ "epoch": 0.7914110429447853,
909
+ "grad_norm": 2.4785866737365723,
910
+ "learning_rate": 1.8412535328311813e-05,
911
+ "loss": 0.8431,
912
+ "step": 129
913
+ },
914
+ {
915
+ "epoch": 0.7975460122699386,
916
+ "grad_norm": 2.4250004291534424,
917
+ "learning_rate": 1.837371956026433e-05,
918
+ "loss": 0.8008,
919
+ "step": 130
920
+ },
921
+ {
922
+ "epoch": 0.803680981595092,
923
+ "grad_norm": 2.192577362060547,
924
+ "learning_rate": 1.8334476907153177e-05,
925
+ "loss": 0.8483,
926
+ "step": 131
927
+ },
928
+ {
929
+ "epoch": 0.8098159509202454,
930
+ "grad_norm": 2.5926589965820312,
931
+ "learning_rate": 1.8294809369535265e-05,
932
+ "loss": 0.9542,
933
+ "step": 132
934
+ },
935
+ {
936
+ "epoch": 0.8159509202453987,
937
+ "grad_norm": 2.1088614463806152,
938
+ "learning_rate": 1.825471896962774e-05,
939
+ "loss": 0.8832,
940
+ "step": 133
941
+ },
942
+ {
943
+ "epoch": 0.8220858895705522,
944
+ "grad_norm": 2.1007630825042725,
945
+ "learning_rate": 1.8214207751204917e-05,
946
+ "loss": 0.805,
947
+ "step": 134
948
+ },
949
+ {
950
+ "epoch": 0.8282208588957055,
951
+ "grad_norm": 2.3816447257995605,
952
+ "learning_rate": 1.817327777949407e-05,
953
+ "loss": 0.9024,
954
+ "step": 135
955
+ },
956
+ {
957
+ "epoch": 0.8343558282208589,
958
+ "grad_norm": 2.218423843383789,
959
+ "learning_rate": 1.8131931141070166e-05,
960
+ "loss": 0.8063,
961
+ "step": 136
962
+ },
963
+ {
964
+ "epoch": 0.8404907975460123,
965
+ "grad_norm": 2.4789438247680664,
966
+ "learning_rate": 1.8090169943749477e-05,
967
+ "loss": 0.972,
968
+ "step": 137
969
+ },
970
+ {
971
+ "epoch": 0.8466257668711656,
972
+ "grad_norm": 2.5738685131073,
973
+ "learning_rate": 1.8047996316482134e-05,
974
+ "loss": 0.9459,
975
+ "step": 138
976
+ },
977
+ {
978
+ "epoch": 0.852760736196319,
979
+ "grad_norm": 2.327671766281128,
980
+ "learning_rate": 1.8005412409243604e-05,
981
+ "loss": 0.8606,
982
+ "step": 139
983
+ },
984
+ {
985
+ "epoch": 0.8588957055214724,
986
+ "grad_norm": 2.1657285690307617,
987
+ "learning_rate": 1.7962420392925066e-05,
988
+ "loss": 0.8066,
989
+ "step": 140
990
+ },
991
+ {
992
+ "epoch": 0.8650306748466258,
993
+ "grad_norm": 2.4161083698272705,
994
+ "learning_rate": 1.7919022459222754e-05,
995
+ "loss": 0.8587,
996
+ "step": 141
997
+ },
998
+ {
999
+ "epoch": 0.8711656441717791,
1000
+ "grad_norm": 2.5296366214752197,
1001
+ "learning_rate": 1.787522082052622e-05,
1002
+ "loss": 0.9125,
1003
+ "step": 142
1004
+ },
1005
+ {
1006
+ "epoch": 0.8773006134969326,
1007
+ "grad_norm": 2.3278584480285645,
1008
+ "learning_rate": 1.7831017709805555e-05,
1009
+ "loss": 0.7792,
1010
+ "step": 143
1011
+ },
1012
+ {
1013
+ "epoch": 0.8834355828220859,
1014
+ "grad_norm": 2.0539119243621826,
1015
+ "learning_rate": 1.778641538049755e-05,
1016
+ "loss": 0.8548,
1017
+ "step": 144
1018
+ },
1019
+ {
1020
+ "epoch": 0.8895705521472392,
1021
+ "grad_norm": 1.8124006986618042,
1022
+ "learning_rate": 1.7741416106390828e-05,
1023
+ "loss": 0.8701,
1024
+ "step": 145
1025
+ },
1026
+ {
1027
+ "epoch": 0.8957055214723927,
1028
+ "grad_norm": 2.146286964416504,
1029
+ "learning_rate": 1.7696022181509892e-05,
1030
+ "loss": 0.9331,
1031
+ "step": 146
1032
+ },
1033
+ {
1034
+ "epoch": 0.901840490797546,
1035
+ "grad_norm": 2.170487880706787,
1036
+ "learning_rate": 1.7650235919998234e-05,
1037
+ "loss": 0.8931,
1038
+ "step": 147
1039
+ },
1040
+ {
1041
+ "epoch": 0.9079754601226994,
1042
+ "grad_norm": 2.424647331237793,
1043
+ "learning_rate": 1.7604059656000313e-05,
1044
+ "loss": 0.856,
1045
+ "step": 148
1046
+ },
1047
+ {
1048
+ "epoch": 0.9141104294478528,
1049
+ "grad_norm": 2.6157801151275635,
1050
+ "learning_rate": 1.7557495743542586e-05,
1051
+ "loss": 0.9213,
1052
+ "step": 149
1053
+ },
1054
+ {
1055
+ "epoch": 0.9202453987730062,
1056
+ "grad_norm": 2.3399035930633545,
1057
+ "learning_rate": 1.75105465564135e-05,
1058
+ "loss": 0.8497,
1059
+ "step": 150
1060
+ },
1061
+ {
1062
+ "epoch": 0.9263803680981595,
1063
+ "grad_norm": 2.282757520675659,
1064
+ "learning_rate": 1.7463214488042472e-05,
1065
+ "loss": 0.8269,
1066
+ "step": 151
1067
+ },
1068
+ {
1069
+ "epoch": 0.9325153374233128,
1070
+ "grad_norm": 2.3872690200805664,
1071
+ "learning_rate": 1.741550195137788e-05,
1072
+ "loss": 0.8679,
1073
+ "step": 152
1074
+ },
1075
+ {
1076
+ "epoch": 0.9386503067484663,
1077
+ "grad_norm": 2.130729913711548,
1078
+ "learning_rate": 1.736741137876405e-05,
1079
+ "loss": 0.8752,
1080
+ "step": 153
1081
+ },
1082
+ {
1083
+ "epoch": 0.9447852760736196,
1084
+ "grad_norm": 2.3011746406555176,
1085
+ "learning_rate": 1.7318945221817255e-05,
1086
+ "loss": 0.8294,
1087
+ "step": 154
1088
+ },
1089
+ {
1090
+ "epoch": 0.950920245398773,
1091
+ "grad_norm": 2.315067768096924,
1092
+ "learning_rate": 1.727010595130074e-05,
1093
+ "loss": 0.7756,
1094
+ "step": 155
1095
+ },
1096
+ {
1097
+ "epoch": 0.9570552147239264,
1098
+ "grad_norm": 2.5285987854003906,
1099
+ "learning_rate": 1.7220896056998753e-05,
1100
+ "loss": 0.902,
1101
+ "step": 156
1102
+ },
1103
+ {
1104
+ "epoch": 0.9631901840490797,
1105
+ "grad_norm": 2.388417959213257,
1106
+ "learning_rate": 1.7171318047589637e-05,
1107
+ "loss": 0.8883,
1108
+ "step": 157
1109
+ },
1110
+ {
1111
+ "epoch": 0.9693251533742331,
1112
+ "grad_norm": 2.3286430835723877,
1113
+ "learning_rate": 1.712137445051792e-05,
1114
+ "loss": 0.8306,
1115
+ "step": 158
1116
+ },
1117
+ {
1118
+ "epoch": 0.9754601226993865,
1119
+ "grad_norm": 2.6338658332824707,
1120
+ "learning_rate": 1.7071067811865477e-05,
1121
+ "loss": 0.9297,
1122
+ "step": 159
1123
+ },
1124
+ {
1125
+ "epoch": 0.9815950920245399,
1126
+ "grad_norm": 2.3402535915374756,
1127
+ "learning_rate": 1.7020400696221737e-05,
1128
+ "loss": 0.8577,
1129
+ "step": 160
1130
+ },
1131
+ {
1132
+ "epoch": 0.9877300613496932,
1133
+ "grad_norm": 1.9372575283050537,
1134
+ "learning_rate": 1.696937568655294e-05,
1135
+ "loss": 0.8977,
1136
+ "step": 161
1137
+ },
1138
+ {
1139
+ "epoch": 0.9938650306748467,
1140
+ "grad_norm": 2.309221029281616,
1141
+ "learning_rate": 1.691799538407044e-05,
1142
+ "loss": 0.8754,
1143
+ "step": 162
1144
+ },
1145
+ {
1146
+ "epoch": 1.0,
1147
+ "grad_norm": 2.1249825954437256,
1148
+ "learning_rate": 1.6866262408098134e-05,
1149
+ "loss": 0.8013,
1150
+ "step": 163
1151
+ },
1152
+ {
1153
+ "epoch": 1.0061349693251533,
1154
+ "grad_norm": 2.3482613563537598,
1155
+ "learning_rate": 1.6814179395938915e-05,
1156
+ "loss": 0.5222,
1157
+ "step": 164
1158
+ },
1159
+ {
1160
+ "epoch": 1.0122699386503067,
1161
+ "grad_norm": 1.973677396774292,
1162
+ "learning_rate": 1.6761749002740195e-05,
1163
+ "loss": 0.4045,
1164
+ "step": 165
1165
+ },
1166
+ {
1167
+ "epoch": 1.01840490797546,
1168
+ "grad_norm": 1.9813287258148193,
1169
+ "learning_rate": 1.6708973901358603e-05,
1170
+ "loss": 0.4973,
1171
+ "step": 166
1172
+ },
1173
+ {
1174
+ "epoch": 1.0245398773006136,
1175
+ "grad_norm": 1.8581576347351074,
1176
+ "learning_rate": 1.6655856782223682e-05,
1177
+ "loss": 0.4646,
1178
+ "step": 167
1179
+ },
1180
+ {
1181
+ "epoch": 1.030674846625767,
1182
+ "grad_norm": 2.344332456588745,
1183
+ "learning_rate": 1.660240035320075e-05,
1184
+ "loss": 0.5098,
1185
+ "step": 168
1186
+ },
1187
+ {
1188
+ "epoch": 1.0368098159509203,
1189
+ "grad_norm": 2.2874767780303955,
1190
+ "learning_rate": 1.6548607339452853e-05,
1191
+ "loss": 0.4462,
1192
+ "step": 169
1193
+ },
1194
+ {
1195
+ "epoch": 1.0429447852760736,
1196
+ "grad_norm": 2.477348566055298,
1197
+ "learning_rate": 1.6494480483301836e-05,
1198
+ "loss": 0.5243,
1199
+ "step": 170
1200
+ },
1201
+ {
1202
+ "epoch": 1.049079754601227,
1203
+ "grad_norm": 2.170513868331909,
1204
+ "learning_rate": 1.6440022544088553e-05,
1205
+ "loss": 0.4155,
1206
+ "step": 171
1207
+ },
1208
+ {
1209
+ "epoch": 1.0552147239263803,
1210
+ "grad_norm": 2.501122236251831,
1211
+ "learning_rate": 1.6385236298032183e-05,
1212
+ "loss": 0.4516,
1213
+ "step": 172
1214
+ },
1215
+ {
1216
+ "epoch": 1.0613496932515338,
1217
+ "grad_norm": 2.3615634441375732,
1218
+ "learning_rate": 1.6330124538088705e-05,
1219
+ "loss": 0.5354,
1220
+ "step": 173
1221
+ },
1222
+ {
1223
+ "epoch": 1.0674846625766872,
1224
+ "grad_norm": 1.9157105684280396,
1225
+ "learning_rate": 1.627469007380852e-05,
1226
+ "loss": 0.3558,
1227
+ "step": 174
1228
+ },
1229
+ {
1230
+ "epoch": 1.0736196319018405,
1231
+ "grad_norm": 2.4090816974639893,
1232
+ "learning_rate": 1.6218935731193223e-05,
1233
+ "loss": 0.457,
1234
+ "step": 175
1235
+ },
1236
+ {
1237
+ "epoch": 1.0797546012269938,
1238
+ "grad_norm": 2.0153863430023193,
1239
+ "learning_rate": 1.616286435255153e-05,
1240
+ "loss": 0.4172,
1241
+ "step": 176
1242
+ },
1243
+ {
1244
+ "epoch": 1.0858895705521472,
1245
+ "grad_norm": 1.9163466691970825,
1246
+ "learning_rate": 1.6106478796354382e-05,
1247
+ "loss": 0.3667,
1248
+ "step": 177
1249
+ },
1250
+ {
1251
+ "epoch": 1.0920245398773005,
1252
+ "grad_norm": 2.265932321548462,
1253
+ "learning_rate": 1.6049781937089227e-05,
1254
+ "loss": 0.4438,
1255
+ "step": 178
1256
+ },
1257
+ {
1258
+ "epoch": 1.098159509202454,
1259
+ "grad_norm": 2.421759605407715,
1260
+ "learning_rate": 1.599277666511347e-05,
1261
+ "loss": 0.401,
1262
+ "step": 179
1263
+ },
1264
+ {
1265
+ "epoch": 1.1042944785276074,
1266
+ "grad_norm": 2.2517905235290527,
1267
+ "learning_rate": 1.5935465886507143e-05,
1268
+ "loss": 0.3927,
1269
+ "step": 180
1270
+ },
1271
+ {
1272
+ "epoch": 1.1104294478527608,
1273
+ "grad_norm": 2.1347973346710205,
1274
+ "learning_rate": 1.5877852522924733e-05,
1275
+ "loss": 0.4361,
1276
+ "step": 181
1277
+ },
1278
+ {
1279
+ "epoch": 1.116564417177914,
1280
+ "grad_norm": 2.019383430480957,
1281
+ "learning_rate": 1.581993951144626e-05,
1282
+ "loss": 0.405,
1283
+ "step": 182
1284
+ },
1285
+ {
1286
+ "epoch": 1.1226993865030674,
1287
+ "grad_norm": 1.9620651006698608,
1288
+ "learning_rate": 1.576172980442753e-05,
1289
+ "loss": 0.3337,
1290
+ "step": 183
1291
+ },
1292
+ {
1293
+ "epoch": 1.1288343558282208,
1294
+ "grad_norm": 2.187609910964966,
1295
+ "learning_rate": 1.5703226369349642e-05,
1296
+ "loss": 0.4073,
1297
+ "step": 184
1298
+ },
1299
+ {
1300
+ "epoch": 1.1349693251533743,
1301
+ "grad_norm": 2.4111270904541016,
1302
+ "learning_rate": 1.5644432188667695e-05,
1303
+ "loss": 0.4582,
1304
+ "step": 185
1305
+ },
1306
+ {
1307
+ "epoch": 1.1411042944785277,
1308
+ "grad_norm": 2.0801773071289062,
1309
+ "learning_rate": 1.5585350259658748e-05,
1310
+ "loss": 0.4038,
1311
+ "step": 186
1312
+ },
1313
+ {
1314
+ "epoch": 1.147239263803681,
1315
+ "grad_norm": 3.0988597869873047,
1316
+ "learning_rate": 1.5525983594269026e-05,
1317
+ "loss": 0.4522,
1318
+ "step": 187
1319
+ },
1320
+ {
1321
+ "epoch": 1.1533742331288344,
1322
+ "grad_norm": 2.858125925064087,
1323
+ "learning_rate": 1.546633521896038e-05,
1324
+ "loss": 0.4567,
1325
+ "step": 188
1326
+ },
1327
+ {
1328
+ "epoch": 1.1595092024539877,
1329
+ "grad_norm": 2.1759862899780273,
1330
+ "learning_rate": 1.5406408174555978e-05,
1331
+ "loss": 0.3126,
1332
+ "step": 189
1333
+ },
1334
+ {
1335
+ "epoch": 1.165644171779141,
1336
+ "grad_norm": 2.0893306732177734,
1337
+ "learning_rate": 1.5346205516085305e-05,
1338
+ "loss": 0.5273,
1339
+ "step": 190
1340
+ },
1341
+ {
1342
+ "epoch": 1.1717791411042944,
1343
+ "grad_norm": 2.098989725112915,
1344
+ "learning_rate": 1.528573031262842e-05,
1345
+ "loss": 0.3813,
1346
+ "step": 191
1347
+ },
1348
+ {
1349
+ "epoch": 1.177914110429448,
1350
+ "grad_norm": 2.873368740081787,
1351
+ "learning_rate": 1.5224985647159489e-05,
1352
+ "loss": 0.4485,
1353
+ "step": 192
1354
+ },
1355
+ {
1356
+ "epoch": 1.1840490797546013,
1357
+ "grad_norm": 1.8973687887191772,
1358
+ "learning_rate": 1.5163974616389621e-05,
1359
+ "loss": 0.4054,
1360
+ "step": 193
1361
+ },
1362
+ {
1363
+ "epoch": 1.1901840490797546,
1364
+ "grad_norm": 2.1408369541168213,
1365
+ "learning_rate": 1.5102700330609e-05,
1366
+ "loss": 0.3483,
1367
+ "step": 194
1368
+ },
1369
+ {
1370
+ "epoch": 1.196319018404908,
1371
+ "grad_norm": 2.0534722805023193,
1372
+ "learning_rate": 1.504116591352832e-05,
1373
+ "loss": 0.4797,
1374
+ "step": 195
1375
+ },
1376
+ {
1377
+ "epoch": 1.2024539877300613,
1378
+ "grad_norm": 1.9064143896102905,
1379
+ "learning_rate": 1.497937450211956e-05,
1380
+ "loss": 0.3867,
1381
+ "step": 196
1382
+ },
1383
+ {
1384
+ "epoch": 1.2085889570552146,
1385
+ "grad_norm": 2.117337226867676,
1386
+ "learning_rate": 1.491732924645604e-05,
1387
+ "loss": 0.3846,
1388
+ "step": 197
1389
+ },
1390
+ {
1391
+ "epoch": 1.2147239263803682,
1392
+ "grad_norm": 2.1390268802642822,
1393
+ "learning_rate": 1.4855033309551842e-05,
1394
+ "loss": 0.435,
1395
+ "step": 198
1396
+ },
1397
+ {
1398
+ "epoch": 1.2208588957055215,
1399
+ "grad_norm": 2.7396576404571533,
1400
+ "learning_rate": 1.479248986720057e-05,
1401
+ "loss": 0.5327,
1402
+ "step": 199
1403
+ },
1404
+ {
1405
+ "epoch": 1.2269938650306749,
1406
+ "grad_norm": 1.960433840751648,
1407
+ "learning_rate": 1.4729702107813438e-05,
1408
+ "loss": 0.2784,
1409
+ "step": 200
1410
+ },
1411
+ {
1412
+ "epoch": 1.2331288343558282,
1413
+ "grad_norm": 1.788409948348999,
1414
+ "learning_rate": 1.4666673232256738e-05,
1415
+ "loss": 0.4288,
1416
+ "step": 201
1417
+ },
1418
+ {
1419
+ "epoch": 1.2392638036809815,
1420
+ "grad_norm": 1.9805573225021362,
1421
+ "learning_rate": 1.4603406453688656e-05,
1422
+ "loss": 0.3871,
1423
+ "step": 202
1424
+ },
1425
+ {
1426
+ "epoch": 1.2453987730061349,
1427
+ "grad_norm": 2.4482967853546143,
1428
+ "learning_rate": 1.4539904997395468e-05,
1429
+ "loss": 0.5019,
1430
+ "step": 203
1431
+ },
1432
+ {
1433
+ "epoch": 1.2515337423312882,
1434
+ "grad_norm": 1.9358989000320435,
1435
+ "learning_rate": 1.4476172100627127e-05,
1436
+ "loss": 0.394,
1437
+ "step": 204
1438
+ },
1439
+ {
1440
+ "epoch": 1.2576687116564418,
1441
+ "grad_norm": 2.250089168548584,
1442
+ "learning_rate": 1.4412211012432213e-05,
1443
+ "loss": 0.3905,
1444
+ "step": 205
1445
+ },
1446
+ {
1447
+ "epoch": 1.2638036809815951,
1448
+ "grad_norm": 2.763105869293213,
1449
+ "learning_rate": 1.4348024993492323e-05,
1450
+ "loss": 0.3862,
1451
+ "step": 206
1452
+ },
1453
+ {
1454
+ "epoch": 1.2699386503067485,
1455
+ "grad_norm": 2.2534821033477783,
1456
+ "learning_rate": 1.4283617315955815e-05,
1457
+ "loss": 0.4278,
1458
+ "step": 207
1459
+ },
1460
+ {
1461
+ "epoch": 1.2760736196319018,
1462
+ "grad_norm": 2.545742988586426,
1463
+ "learning_rate": 1.4218991263271024e-05,
1464
+ "loss": 0.3977,
1465
+ "step": 208
1466
+ },
1467
+ {
1468
+ "epoch": 1.2822085889570551,
1469
+ "grad_norm": 1.8165545463562012,
1470
+ "learning_rate": 1.4154150130018867e-05,
1471
+ "loss": 0.3965,
1472
+ "step": 209
1473
+ },
1474
+ {
1475
+ "epoch": 1.2883435582822087,
1476
+ "grad_norm": 1.7550116777420044,
1477
+ "learning_rate": 1.408909722174487e-05,
1478
+ "loss": 0.3701,
1479
+ "step": 210
1480
+ },
1481
+ {
1482
+ "epoch": 1.294478527607362,
1483
+ "grad_norm": 2.0871880054473877,
1484
+ "learning_rate": 1.4023835854790682e-05,
1485
+ "loss": 0.4153,
1486
+ "step": 211
1487
+ },
1488
+ {
1489
+ "epoch": 1.3006134969325154,
1490
+ "grad_norm": 1.8455545902252197,
1491
+ "learning_rate": 1.3958369356124986e-05,
1492
+ "loss": 0.4016,
1493
+ "step": 212
1494
+ },
1495
+ {
1496
+ "epoch": 1.3067484662576687,
1497
+ "grad_norm": 2.1923511028289795,
1498
+ "learning_rate": 1.3892701063173917e-05,
1499
+ "loss": 0.3367,
1500
+ "step": 213
1501
+ },
1502
+ {
1503
+ "epoch": 1.312883435582822,
1504
+ "grad_norm": 1.966577172279358,
1505
+ "learning_rate": 1.3826834323650899e-05,
1506
+ "loss": 0.4166,
1507
+ "step": 214
1508
+ },
1509
+ {
1510
+ "epoch": 1.3190184049079754,
1511
+ "grad_norm": 1.6042200326919556,
1512
+ "learning_rate": 1.3760772495385998e-05,
1513
+ "loss": 0.3382,
1514
+ "step": 215
1515
+ },
1516
+ {
1517
+ "epoch": 1.3251533742331287,
1518
+ "grad_norm": 2.244147300720215,
1519
+ "learning_rate": 1.369451894615474e-05,
1520
+ "loss": 0.4485,
1521
+ "step": 216
1522
+ },
1523
+ {
1524
+ "epoch": 1.331288343558282,
1525
+ "grad_norm": 2.9676880836486816,
1526
+ "learning_rate": 1.362807705350641e-05,
1527
+ "loss": 0.3401,
1528
+ "step": 217
1529
+ },
1530
+ {
1531
+ "epoch": 1.3374233128834356,
1532
+ "grad_norm": 2.3296144008636475,
1533
+ "learning_rate": 1.3561450204591898e-05,
1534
+ "loss": 0.4417,
1535
+ "step": 218
1536
+ },
1537
+ {
1538
+ "epoch": 1.343558282208589,
1539
+ "grad_norm": 1.8303943872451782,
1540
+ "learning_rate": 1.3494641795990986e-05,
1541
+ "loss": 0.4166,
1542
+ "step": 219
1543
+ },
1544
+ {
1545
+ "epoch": 1.3496932515337423,
1546
+ "grad_norm": 2.0545692443847656,
1547
+ "learning_rate": 1.3427655233539227e-05,
1548
+ "loss": 0.4432,
1549
+ "step": 220
1550
+ },
1551
+ {
1552
+ "epoch": 1.3558282208588956,
1553
+ "grad_norm": 2.2152485847473145,
1554
+ "learning_rate": 1.3360493932154301e-05,
1555
+ "loss": 0.3649,
1556
+ "step": 221
1557
+ },
1558
+ {
1559
+ "epoch": 1.3619631901840492,
1560
+ "grad_norm": 2.0159170627593994,
1561
+ "learning_rate": 1.3293161315661934e-05,
1562
+ "loss": 0.3905,
1563
+ "step": 222
1564
+ },
1565
+ {
1566
+ "epoch": 1.3680981595092025,
1567
+ "grad_norm": 2.4724018573760986,
1568
+ "learning_rate": 1.3225660816621342e-05,
1569
+ "loss": 0.437,
1570
+ "step": 223
1571
+ },
1572
+ {
1573
+ "epoch": 1.3742331288343559,
1574
+ "grad_norm": 1.973275065422058,
1575
+ "learning_rate": 1.3157995876150252e-05,
1576
+ "loss": 0.4269,
1577
+ "step": 224
1578
+ },
1579
+ {
1580
+ "epoch": 1.3803680981595092,
1581
+ "grad_norm": 3.2629191875457764,
1582
+ "learning_rate": 1.3090169943749475e-05,
1583
+ "loss": 0.5649,
1584
+ "step": 225
1585
+ },
1586
+ {
1587
+ "epoch": 1.3865030674846626,
1588
+ "grad_norm": 2.2407352924346924,
1589
+ "learning_rate": 1.302218647712706e-05,
1590
+ "loss": 0.3995,
1591
+ "step": 226
1592
+ },
1593
+ {
1594
+ "epoch": 1.392638036809816,
1595
+ "grad_norm": 2.426779270172119,
1596
+ "learning_rate": 1.2954048942022002e-05,
1597
+ "loss": 0.433,
1598
+ "step": 227
1599
+ },
1600
+ {
1601
+ "epoch": 1.3987730061349692,
1602
+ "grad_norm": 2.6514222621917725,
1603
+ "learning_rate": 1.288576081202759e-05,
1604
+ "loss": 0.4423,
1605
+ "step": 228
1606
+ },
1607
+ {
1608
+ "epoch": 1.4049079754601226,
1609
+ "grad_norm": 2.028599739074707,
1610
+ "learning_rate": 1.2817325568414299e-05,
1611
+ "loss": 0.3972,
1612
+ "step": 229
1613
+ },
1614
+ {
1615
+ "epoch": 1.4110429447852761,
1616
+ "grad_norm": 2.0600152015686035,
1617
+ "learning_rate": 1.2748746699952338e-05,
1618
+ "loss": 0.3693,
1619
+ "step": 230
1620
+ },
1621
+ {
1622
+ "epoch": 1.4171779141104295,
1623
+ "grad_norm": 2.3788952827453613,
1624
+ "learning_rate": 1.2680027702733791e-05,
1625
+ "loss": 0.4398,
1626
+ "step": 231
1627
+ },
1628
+ {
1629
+ "epoch": 1.4233128834355828,
1630
+ "grad_norm": 2.199835777282715,
1631
+ "learning_rate": 1.2611172079994377e-05,
1632
+ "loss": 0.3991,
1633
+ "step": 232
1634
+ },
1635
+ {
1636
+ "epoch": 1.4294478527607362,
1637
+ "grad_norm": 2.5521061420440674,
1638
+ "learning_rate": 1.2542183341934873e-05,
1639
+ "loss": 0.4346,
1640
+ "step": 233
1641
+ },
1642
+ {
1643
+ "epoch": 1.4355828220858895,
1644
+ "grad_norm": 1.8648345470428467,
1645
+ "learning_rate": 1.2473065005542155e-05,
1646
+ "loss": 0.3417,
1647
+ "step": 234
1648
+ },
1649
+ {
1650
+ "epoch": 1.441717791411043,
1651
+ "grad_norm": 3.026027202606201,
1652
+ "learning_rate": 1.2403820594409926e-05,
1653
+ "loss": 0.4322,
1654
+ "step": 235
1655
+ },
1656
+ {
1657
+ "epoch": 1.4478527607361964,
1658
+ "grad_norm": 1.9645586013793945,
1659
+ "learning_rate": 1.2334453638559057e-05,
1660
+ "loss": 0.3501,
1661
+ "step": 236
1662
+ },
1663
+ {
1664
+ "epoch": 1.4539877300613497,
1665
+ "grad_norm": 2.4796903133392334,
1666
+ "learning_rate": 1.2264967674257647e-05,
1667
+ "loss": 0.4666,
1668
+ "step": 237
1669
+ },
1670
+ {
1671
+ "epoch": 1.460122699386503,
1672
+ "grad_norm": 2.030738592147827,
1673
+ "learning_rate": 1.2195366243840745e-05,
1674
+ "loss": 0.4055,
1675
+ "step": 238
1676
+ },
1677
+ {
1678
+ "epoch": 1.4662576687116564,
1679
+ "grad_norm": 2.0176825523376465,
1680
+ "learning_rate": 1.2125652895529766e-05,
1681
+ "loss": 0.4318,
1682
+ "step": 239
1683
+ },
1684
+ {
1685
+ "epoch": 1.4723926380368098,
1686
+ "grad_norm": 2.9265341758728027,
1687
+ "learning_rate": 1.2055831183251608e-05,
1688
+ "loss": 0.5002,
1689
+ "step": 240
1690
+ },
1691
+ {
1692
+ "epoch": 1.478527607361963,
1693
+ "grad_norm": 2.699991226196289,
1694
+ "learning_rate": 1.1985904666457455e-05,
1695
+ "loss": 0.4764,
1696
+ "step": 241
1697
+ },
1698
+ {
1699
+ "epoch": 1.4846625766871164,
1700
+ "grad_norm": 2.5206851959228516,
1701
+ "learning_rate": 1.1915876909941356e-05,
1702
+ "loss": 0.4183,
1703
+ "step": 242
1704
+ },
1705
+ {
1706
+ "epoch": 1.49079754601227,
1707
+ "grad_norm": 2.3106908798217773,
1708
+ "learning_rate": 1.1845751483658454e-05,
1709
+ "loss": 0.3822,
1710
+ "step": 243
1711
+ },
1712
+ {
1713
+ "epoch": 1.4969325153374233,
1714
+ "grad_norm": 2.0179994106292725,
1715
+ "learning_rate": 1.1775531962543036e-05,
1716
+ "loss": 0.4404,
1717
+ "step": 244
1718
+ },
1719
+ {
1720
+ "epoch": 1.5030674846625767,
1721
+ "grad_norm": 2.0689287185668945,
1722
+ "learning_rate": 1.170522192632624e-05,
1723
+ "loss": 0.4801,
1724
+ "step": 245
1725
+ },
1726
+ {
1727
+ "epoch": 1.50920245398773,
1728
+ "grad_norm": 6.782520294189453,
1729
+ "learning_rate": 1.1634824959353602e-05,
1730
+ "loss": 0.3944,
1731
+ "step": 246
1732
+ },
1733
+ {
1734
+ "epoch": 1.5153374233128836,
1735
+ "grad_norm": 2.3424599170684814,
1736
+ "learning_rate": 1.156434465040231e-05,
1737
+ "loss": 0.4614,
1738
+ "step": 247
1739
+ },
1740
+ {
1741
+ "epoch": 1.521472392638037,
1742
+ "grad_norm": 2.1660568714141846,
1743
+ "learning_rate": 1.1493784592498252e-05,
1744
+ "loss": 0.4038,
1745
+ "step": 248
1746
+ },
1747
+ {
1748
+ "epoch": 1.5276073619631902,
1749
+ "grad_norm": 2.2487616539001465,
1750
+ "learning_rate": 1.1423148382732854e-05,
1751
+ "loss": 0.4838,
1752
+ "step": 249
1753
+ },
1754
+ {
1755
+ "epoch": 1.5337423312883436,
1756
+ "grad_norm": 2.6163601875305176,
1757
+ "learning_rate": 1.1352439622079689e-05,
1758
+ "loss": 0.4007,
1759
+ "step": 250
1760
+ },
1761
+ {
1762
+ "epoch": 1.539877300613497,
1763
+ "grad_norm": 2.3755905628204346,
1764
+ "learning_rate": 1.1281661915210931e-05,
1765
+ "loss": 0.4882,
1766
+ "step": 251
1767
+ },
1768
+ {
1769
+ "epoch": 1.5460122699386503,
1770
+ "grad_norm": 1.7966959476470947,
1771
+ "learning_rate": 1.1210818870313548e-05,
1772
+ "loss": 0.3751,
1773
+ "step": 252
1774
+ },
1775
+ {
1776
+ "epoch": 1.5521472392638036,
1777
+ "grad_norm": 2.3187804222106934,
1778
+ "learning_rate": 1.1139914098905406e-05,
1779
+ "loss": 0.4446,
1780
+ "step": 253
1781
+ },
1782
+ {
1783
+ "epoch": 1.558282208588957,
1784
+ "grad_norm": 2.3249504566192627,
1785
+ "learning_rate": 1.1068951215651132e-05,
1786
+ "loss": 0.4888,
1787
+ "step": 254
1788
+ },
1789
+ {
1790
+ "epoch": 1.5644171779141103,
1791
+ "grad_norm": 2.1338675022125244,
1792
+ "learning_rate": 1.0997933838177828e-05,
1793
+ "loss": 0.409,
1794
+ "step": 255
1795
+ },
1796
+ {
1797
+ "epoch": 1.5705521472392638,
1798
+ "grad_norm": 1.8690897226333618,
1799
+ "learning_rate": 1.0926865586890689e-05,
1800
+ "loss": 0.3262,
1801
+ "step": 256
1802
+ },
1803
+ {
1804
+ "epoch": 1.5766871165644172,
1805
+ "grad_norm": 2.41798996925354,
1806
+ "learning_rate": 1.08557500847884e-05,
1807
+ "loss": 0.3936,
1808
+ "step": 257
1809
+ },
1810
+ {
1811
+ "epoch": 1.5828220858895705,
1812
+ "grad_norm": 2.0561769008636475,
1813
+ "learning_rate": 1.0784590957278452e-05,
1814
+ "loss": 0.4274,
1815
+ "step": 258
1816
+ },
1817
+ {
1818
+ "epoch": 1.588957055214724,
1819
+ "grad_norm": 2.1077218055725098,
1820
+ "learning_rate": 1.0713391831992324e-05,
1821
+ "loss": 0.3786,
1822
+ "step": 259
1823
+ },
1824
+ {
1825
+ "epoch": 1.5950920245398774,
1826
+ "grad_norm": 1.864588975906372,
1827
+ "learning_rate": 1.064215633860055e-05,
1828
+ "loss": 0.372,
1829
+ "step": 260
1830
+ },
1831
+ {
1832
+ "epoch": 1.6012269938650308,
1833
+ "grad_norm": 1.828682541847229,
1834
+ "learning_rate": 1.0570888108627682e-05,
1835
+ "loss": 0.34,
1836
+ "step": 261
1837
+ },
1838
+ {
1839
+ "epoch": 1.607361963190184,
1840
+ "grad_norm": 2.2353274822235107,
1841
+ "learning_rate": 1.0499590775267142e-05,
1842
+ "loss": 0.386,
1843
+ "step": 262
1844
+ },
1845
+ {
1846
+ "epoch": 1.6134969325153374,
1847
+ "grad_norm": 2.1544179916381836,
1848
+ "learning_rate": 1.0428267973196027e-05,
1849
+ "loss": 0.3656,
1850
+ "step": 263
1851
+ },
1852
+ {
1853
+ "epoch": 1.6196319018404908,
1854
+ "grad_norm": 2.5289499759674072,
1855
+ "learning_rate": 1.0356923338389807e-05,
1856
+ "loss": 0.4314,
1857
+ "step": 264
1858
+ },
1859
+ {
1860
+ "epoch": 1.6257668711656441,
1861
+ "grad_norm": 2.1689231395721436,
1862
+ "learning_rate": 1.0285560507936962e-05,
1863
+ "loss": 0.4035,
1864
+ "step": 265
1865
+ },
1866
+ {
1867
+ "epoch": 1.6319018404907975,
1868
+ "grad_norm": 2.546900749206543,
1869
+ "learning_rate": 1.0214183119853583e-05,
1870
+ "loss": 0.4407,
1871
+ "step": 266
1872
+ },
1873
+ {
1874
+ "epoch": 1.6380368098159508,
1875
+ "grad_norm": 1.9981437921524048,
1876
+ "learning_rate": 1.0142794812897874e-05,
1877
+ "loss": 0.3938,
1878
+ "step": 267
1879
+ },
1880
+ {
1881
+ "epoch": 1.6441717791411041,
1882
+ "grad_norm": 1.9977840185165405,
1883
+ "learning_rate": 1.0071399226384695e-05,
1884
+ "loss": 0.4305,
1885
+ "step": 268
1886
+ },
1887
+ {
1888
+ "epoch": 1.6503067484662577,
1889
+ "grad_norm": 1.8538576364517212,
1890
+ "learning_rate": 1e-05,
1891
+ "loss": 0.3431,
1892
+ "step": 269
1893
+ },
1894
+ {
1895
+ "epoch": 1.656441717791411,
1896
+ "grad_norm": 2.5277135372161865,
1897
+ "learning_rate": 9.928600773615306e-06,
1898
+ "loss": 0.4318,
1899
+ "step": 270
1900
+ },
1901
+ {
1902
+ "epoch": 1.6625766871165644,
1903
+ "grad_norm": 2.2893011569976807,
1904
+ "learning_rate": 9.85720518710213e-06,
1905
+ "loss": 0.3972,
1906
+ "step": 271
1907
+ },
1908
+ {
1909
+ "epoch": 1.668711656441718,
1910
+ "grad_norm": 1.7950539588928223,
1911
+ "learning_rate": 9.78581688014642e-06,
1912
+ "loss": 0.4252,
1913
+ "step": 272
1914
+ },
1915
+ {
1916
+ "epoch": 1.6748466257668713,
1917
+ "grad_norm": 2.052996873855591,
1918
+ "learning_rate": 9.71443949206304e-06,
1919
+ "loss": 0.4269,
1920
+ "step": 273
1921
+ },
1922
+ {
1923
+ "epoch": 1.6809815950920246,
1924
+ "grad_norm": 2.299816131591797,
1925
+ "learning_rate": 9.643076661610197e-06,
1926
+ "loss": 0.3925,
1927
+ "step": 274
1928
+ },
1929
+ {
1930
+ "epoch": 1.687116564417178,
1931
+ "grad_norm": 2.202944040298462,
1932
+ "learning_rate": 9.571732026803978e-06,
1933
+ "loss": 0.3236,
1934
+ "step": 275
1935
+ },
1936
+ {
1937
+ "epoch": 1.6932515337423313,
1938
+ "grad_norm": 2.154658794403076,
1939
+ "learning_rate": 9.500409224732863e-06,
1940
+ "loss": 0.3334,
1941
+ "step": 276
1942
+ },
1943
+ {
1944
+ "epoch": 1.6993865030674846,
1945
+ "grad_norm": 1.9260175228118896,
1946
+ "learning_rate": 9.42911189137232e-06,
1947
+ "loss": 0.4292,
1948
+ "step": 277
1949
+ },
1950
+ {
1951
+ "epoch": 1.705521472392638,
1952
+ "grad_norm": 1.929898738861084,
1953
+ "learning_rate": 9.357843661399447e-06,
1954
+ "loss": 0.4221,
1955
+ "step": 278
1956
+ },
1957
+ {
1958
+ "epoch": 1.7116564417177913,
1959
+ "grad_norm": 2.124497413635254,
1960
+ "learning_rate": 9.286608168007678e-06,
1961
+ "loss": 0.4089,
1962
+ "step": 279
1963
+ },
1964
+ {
1965
+ "epoch": 1.7177914110429446,
1966
+ "grad_norm": 2.5305910110473633,
1967
+ "learning_rate": 9.215409042721553e-06,
1968
+ "loss": 0.3828,
1969
+ "step": 280
1970
+ },
1971
+ {
1972
+ "epoch": 1.7239263803680982,
1973
+ "grad_norm": 2.3219096660614014,
1974
+ "learning_rate": 9.144249915211605e-06,
1975
+ "loss": 0.4775,
1976
+ "step": 281
1977
+ },
1978
+ {
1979
+ "epoch": 1.7300613496932515,
1980
+ "grad_norm": 2.0693113803863525,
1981
+ "learning_rate": 9.073134413109313e-06,
1982
+ "loss": 0.4324,
1983
+ "step": 282
1984
+ },
1985
+ {
1986
+ "epoch": 1.7361963190184049,
1987
+ "grad_norm": 1.8101072311401367,
1988
+ "learning_rate": 9.002066161822174e-06,
1989
+ "loss": 0.3996,
1990
+ "step": 283
1991
+ },
1992
+ {
1993
+ "epoch": 1.7423312883435584,
1994
+ "grad_norm": 2.0107815265655518,
1995
+ "learning_rate": 8.931048784348875e-06,
1996
+ "loss": 0.346,
1997
+ "step": 284
1998
+ },
1999
+ {
2000
+ "epoch": 1.7484662576687118,
2001
+ "grad_norm": 2.2621984481811523,
2002
+ "learning_rate": 8.860085901094595e-06,
2003
+ "loss": 0.4883,
2004
+ "step": 285
2005
+ },
2006
+ {
2007
+ "epoch": 1.7546012269938651,
2008
+ "grad_norm": 1.9184457063674927,
2009
+ "learning_rate": 8.789181129686452e-06,
2010
+ "loss": 0.4191,
2011
+ "step": 286
2012
+ },
2013
+ {
2014
+ "epoch": 1.7607361963190185,
2015
+ "grad_norm": 2.13808536529541,
2016
+ "learning_rate": 8.718338084789074e-06,
2017
+ "loss": 0.3825,
2018
+ "step": 287
2019
+ },
2020
+ {
2021
+ "epoch": 1.7668711656441718,
2022
+ "grad_norm": 2.075453281402588,
2023
+ "learning_rate": 8.647560377920311e-06,
2024
+ "loss": 0.4024,
2025
+ "step": 288
2026
+ },
2027
+ {
2028
+ "epoch": 1.7730061349693251,
2029
+ "grad_norm": 2.0388762950897217,
2030
+ "learning_rate": 8.576851617267151e-06,
2031
+ "loss": 0.4048,
2032
+ "step": 289
2033
+ },
2034
+ {
2035
+ "epoch": 1.7791411042944785,
2036
+ "grad_norm": 2.241987466812134,
2037
+ "learning_rate": 8.50621540750175e-06,
2038
+ "loss": 0.4071,
2039
+ "step": 290
2040
+ },
2041
+ {
2042
+ "epoch": 1.7852760736196318,
2043
+ "grad_norm": 2.190722942352295,
2044
+ "learning_rate": 8.43565534959769e-06,
2045
+ "loss": 0.4283,
2046
+ "step": 291
2047
+ },
2048
+ {
2049
+ "epoch": 1.7914110429447851,
2050
+ "grad_norm": 2.361862897872925,
2051
+ "learning_rate": 8.365175040646403e-06,
2052
+ "loss": 0.3501,
2053
+ "step": 292
2054
+ },
2055
+ {
2056
+ "epoch": 1.7975460122699385,
2057
+ "grad_norm": 1.8603816032409668,
2058
+ "learning_rate": 8.294778073673762e-06,
2059
+ "loss": 0.4036,
2060
+ "step": 293
2061
+ },
2062
+ {
2063
+ "epoch": 1.803680981595092,
2064
+ "grad_norm": 1.98984956741333,
2065
+ "learning_rate": 8.224468037456969e-06,
2066
+ "loss": 0.3805,
2067
+ "step": 294
2068
+ },
2069
+ {
2070
+ "epoch": 1.8098159509202454,
2071
+ "grad_norm": 1.7755529880523682,
2072
+ "learning_rate": 8.154248516341547e-06,
2073
+ "loss": 0.3954,
2074
+ "step": 295
2075
+ },
2076
+ {
2077
+ "epoch": 1.8159509202453987,
2078
+ "grad_norm": 2.173508405685425,
2079
+ "learning_rate": 8.084123090058646e-06,
2080
+ "loss": 0.3598,
2081
+ "step": 296
2082
+ },
2083
+ {
2084
+ "epoch": 1.8220858895705523,
2085
+ "grad_norm": 2.2882938385009766,
2086
+ "learning_rate": 8.014095333542548e-06,
2087
+ "loss": 0.3793,
2088
+ "step": 297
2089
+ },
2090
+ {
2091
+ "epoch": 1.8282208588957056,
2092
+ "grad_norm": 2.2722980976104736,
2093
+ "learning_rate": 7.944168816748396e-06,
2094
+ "loss": 0.3825,
2095
+ "step": 298
2096
+ },
2097
+ {
2098
+ "epoch": 1.834355828220859,
2099
+ "grad_norm": 2.5786328315734863,
2100
+ "learning_rate": 7.874347104470234e-06,
2101
+ "loss": 0.4658,
2102
+ "step": 299
2103
+ },
2104
+ {
2105
+ "epoch": 1.8404907975460123,
2106
+ "grad_norm": 2.3640172481536865,
2107
+ "learning_rate": 7.804633756159258e-06,
2108
+ "loss": 0.4318,
2109
+ "step": 300
2110
+ },
2111
+ {
2112
+ "epoch": 1.8466257668711656,
2113
+ "grad_norm": 2.341289520263672,
2114
+ "learning_rate": 7.735032325742355e-06,
2115
+ "loss": 0.3372,
2116
+ "step": 301
2117
+ },
2118
+ {
2119
+ "epoch": 1.852760736196319,
2120
+ "grad_norm": 2.271535873413086,
2121
+ "learning_rate": 7.66554636144095e-06,
2122
+ "loss": 0.3924,
2123
+ "step": 302
2124
+ },
2125
+ {
2126
+ "epoch": 1.8588957055214723,
2127
+ "grad_norm": 2.16184139251709,
2128
+ "learning_rate": 7.596179405590076e-06,
2129
+ "loss": 0.4049,
2130
+ "step": 303
2131
+ },
2132
+ {
2133
+ "epoch": 1.8650306748466257,
2134
+ "grad_norm": 1.9375874996185303,
2135
+ "learning_rate": 7.5269349944578454e-06,
2136
+ "loss": 0.3658,
2137
+ "step": 304
2138
+ },
2139
+ {
2140
+ "epoch": 1.871165644171779,
2141
+ "grad_norm": 2.561995267868042,
2142
+ "learning_rate": 7.4578166580651335e-06,
2143
+ "loss": 0.4406,
2144
+ "step": 305
2145
+ },
2146
+ {
2147
+ "epoch": 1.8773006134969326,
2148
+ "grad_norm": 2.128387689590454,
2149
+ "learning_rate": 7.388827920005628e-06,
2150
+ "loss": 0.3813,
2151
+ "step": 306
2152
+ },
2153
+ {
2154
+ "epoch": 1.883435582822086,
2155
+ "grad_norm": 1.9198050498962402,
2156
+ "learning_rate": 7.319972297266215e-06,
2157
+ "loss": 0.3631,
2158
+ "step": 307
2159
+ },
2160
+ {
2161
+ "epoch": 1.8895705521472392,
2162
+ "grad_norm": 2.7552289962768555,
2163
+ "learning_rate": 7.2512533000476625e-06,
2164
+ "loss": 0.3814,
2165
+ "step": 308
2166
+ },
2167
+ {
2168
+ "epoch": 1.8957055214723928,
2169
+ "grad_norm": 2.614821672439575,
2170
+ "learning_rate": 7.182674431585703e-06,
2171
+ "loss": 0.4417,
2172
+ "step": 309
2173
+ },
2174
+ {
2175
+ "epoch": 1.9018404907975461,
2176
+ "grad_norm": 1.8384186029434204,
2177
+ "learning_rate": 7.114239187972416e-06,
2178
+ "loss": 0.323,
2179
+ "step": 310
2180
+ },
2181
+ {
2182
+ "epoch": 1.9079754601226995,
2183
+ "grad_norm": 1.896560549736023,
2184
+ "learning_rate": 7.045951057978001e-06,
2185
+ "loss": 0.3794,
2186
+ "step": 311
2187
+ },
2188
+ {
2189
+ "epoch": 1.9141104294478528,
2190
+ "grad_norm": 2.288796901702881,
2191
+ "learning_rate": 6.977813522872943e-06,
2192
+ "loss": 0.4797,
2193
+ "step": 312
2194
+ },
2195
+ {
2196
+ "epoch": 1.9202453987730062,
2197
+ "grad_norm": 2.0273969173431396,
2198
+ "learning_rate": 6.909830056250527e-06,
2199
+ "loss": 0.3846,
2200
+ "step": 313
2201
+ },
2202
+ {
2203
+ "epoch": 1.9263803680981595,
2204
+ "grad_norm": 2.602076768875122,
2205
+ "learning_rate": 6.8420041238497525e-06,
2206
+ "loss": 0.4334,
2207
+ "step": 314
2208
+ },
2209
+ {
2210
+ "epoch": 1.9325153374233128,
2211
+ "grad_norm": 2.0493180751800537,
2212
+ "learning_rate": 6.774339183378663e-06,
2213
+ "loss": 0.4496,
2214
+ "step": 315
2215
+ },
2216
+ {
2217
+ "epoch": 1.9386503067484662,
2218
+ "grad_norm": 2.136305809020996,
2219
+ "learning_rate": 6.7068386843380695e-06,
2220
+ "loss": 0.4302,
2221
+ "step": 316
2222
+ },
2223
+ {
2224
+ "epoch": 1.9447852760736195,
2225
+ "grad_norm": 2.9002561569213867,
2226
+ "learning_rate": 6.639506067845698e-06,
2227
+ "loss": 0.3764,
2228
+ "step": 317
2229
+ },
2230
+ {
2231
+ "epoch": 1.9509202453987728,
2232
+ "grad_norm": 2.2220897674560547,
2233
+ "learning_rate": 6.572344766460776e-06,
2234
+ "loss": 0.3945,
2235
+ "step": 318
2236
+ },
2237
+ {
2238
+ "epoch": 1.9570552147239264,
2239
+ "grad_norm": 1.7134284973144531,
2240
+ "learning_rate": 6.505358204009018e-06,
2241
+ "loss": 0.3844,
2242
+ "step": 319
2243
+ },
2244
+ {
2245
+ "epoch": 1.9631901840490797,
2246
+ "grad_norm": 2.6499557495117188,
2247
+ "learning_rate": 6.438549795408107e-06,
2248
+ "loss": 0.4452,
2249
+ "step": 320
2250
+ },
2251
+ {
2252
+ "epoch": 1.969325153374233,
2253
+ "grad_norm": 1.9206284284591675,
2254
+ "learning_rate": 6.3719229464935915e-06,
2255
+ "loss": 0.4319,
2256
+ "step": 321
2257
+ },
2258
+ {
2259
+ "epoch": 1.9754601226993866,
2260
+ "grad_norm": 2.1525487899780273,
2261
+ "learning_rate": 6.305481053845262e-06,
2262
+ "loss": 0.3956,
2263
+ "step": 322
2264
+ },
2265
+ {
2266
+ "epoch": 1.98159509202454,
2267
+ "grad_norm": 2.3156306743621826,
2268
+ "learning_rate": 6.239227504614004e-06,
2269
+ "loss": 0.4429,
2270
+ "step": 323
2271
+ },
2272
+ {
2273
+ "epoch": 1.9877300613496933,
2274
+ "grad_norm": 2.249112129211426,
2275
+ "learning_rate": 6.173165676349103e-06,
2276
+ "loss": 0.4072,
2277
+ "step": 324
2278
+ },
2279
+ {
2280
+ "epoch": 1.9938650306748467,
2281
+ "grad_norm": 2.2930808067321777,
2282
+ "learning_rate": 6.107298936826086e-06,
2283
+ "loss": 0.403,
2284
+ "step": 325
2285
+ },
2286
+ {
2287
+ "epoch": 2.0,
2288
+ "grad_norm": 2.4880642890930176,
2289
+ "learning_rate": 6.041630643875018e-06,
2290
+ "loss": 0.3494,
2291
+ "step": 326
2292
+ },
2293
+ {
2294
+ "epoch": 2.0061349693251533,
2295
+ "grad_norm": 1.532535195350647,
2296
+ "learning_rate": 5.9761641452093225e-06,
2297
+ "loss": 0.1558,
2298
+ "step": 327
2299
+ },
2300
+ {
2301
+ "epoch": 2.0122699386503067,
2302
+ "grad_norm": 1.839203953742981,
2303
+ "learning_rate": 5.910902778255134e-06,
2304
+ "loss": 0.1526,
2305
+ "step": 328
2306
+ },
2307
+ {
2308
+ "epoch": 2.01840490797546,
2309
+ "grad_norm": 2.041046142578125,
2310
+ "learning_rate": 5.845849869981137e-06,
2311
+ "loss": 0.2933,
2312
+ "step": 329
2313
+ },
2314
+ {
2315
+ "epoch": 2.0245398773006134,
2316
+ "grad_norm": 1.4488948583602905,
2317
+ "learning_rate": 5.781008736728975e-06,
2318
+ "loss": 0.1941,
2319
+ "step": 330
2320
+ },
2321
+ {
2322
+ "epoch": 2.0306748466257667,
2323
+ "grad_norm": 1.6453825235366821,
2324
+ "learning_rate": 5.716382684044191e-06,
2325
+ "loss": 0.1529,
2326
+ "step": 331
2327
+ },
2328
+ {
2329
+ "epoch": 2.03680981595092,
2330
+ "grad_norm": 1.4784505367279053,
2331
+ "learning_rate": 5.6519750065076815e-06,
2332
+ "loss": 0.1819,
2333
+ "step": 332
2334
+ },
2335
+ {
2336
+ "epoch": 2.042944785276074,
2337
+ "grad_norm": 1.4041457176208496,
2338
+ "learning_rate": 5.587788987567785e-06,
2339
+ "loss": 0.1751,
2340
+ "step": 333
2341
+ },
2342
+ {
2343
+ "epoch": 2.049079754601227,
2344
+ "grad_norm": 1.6044899225234985,
2345
+ "learning_rate": 5.523827899372876e-06,
2346
+ "loss": 0.1705,
2347
+ "step": 334
2348
+ },
2349
+ {
2350
+ "epoch": 2.0552147239263805,
2351
+ "grad_norm": 1.6499574184417725,
2352
+ "learning_rate": 5.460095002604533e-06,
2353
+ "loss": 0.1752,
2354
+ "step": 335
2355
+ },
2356
+ {
2357
+ "epoch": 2.061349693251534,
2358
+ "grad_norm": 1.4871731996536255,
2359
+ "learning_rate": 5.396593546311346e-06,
2360
+ "loss": 0.1488,
2361
+ "step": 336
2362
+ },
2363
+ {
2364
+ "epoch": 2.067484662576687,
2365
+ "grad_norm": 1.7872259616851807,
2366
+ "learning_rate": 5.333326767743263e-06,
2367
+ "loss": 0.142,
2368
+ "step": 337
2369
+ },
2370
+ {
2371
+ "epoch": 2.0736196319018405,
2372
+ "grad_norm": 1.8322925567626953,
2373
+ "learning_rate": 5.270297892186563e-06,
2374
+ "loss": 0.1642,
2375
+ "step": 338
2376
+ },
2377
+ {
2378
+ "epoch": 2.079754601226994,
2379
+ "grad_norm": 1.7445456981658936,
2380
+ "learning_rate": 5.207510132799436e-06,
2381
+ "loss": 0.1468,
2382
+ "step": 339
2383
+ },
2384
+ {
2385
+ "epoch": 2.085889570552147,
2386
+ "grad_norm": 2.1466004848480225,
2387
+ "learning_rate": 5.144966690448159e-06,
2388
+ "loss": 0.1516,
2389
+ "step": 340
2390
+ },
2391
+ {
2392
+ "epoch": 2.0920245398773005,
2393
+ "grad_norm": 2.1911582946777344,
2394
+ "learning_rate": 5.082670753543961e-06,
2395
+ "loss": 0.1763,
2396
+ "step": 341
2397
+ },
2398
+ {
2399
+ "epoch": 2.098159509202454,
2400
+ "grad_norm": 1.8972338438034058,
2401
+ "learning_rate": 5.020625497880444e-06,
2402
+ "loss": 0.165,
2403
+ "step": 342
2404
+ },
2405
+ {
2406
+ "epoch": 2.104294478527607,
2407
+ "grad_norm": 1.7345763444900513,
2408
+ "learning_rate": 4.958834086471683e-06,
2409
+ "loss": 0.162,
2410
+ "step": 343
2411
+ },
2412
+ {
2413
+ "epoch": 2.1104294478527605,
2414
+ "grad_norm": 6.892634868621826,
2415
+ "learning_rate": 4.897299669391006e-06,
2416
+ "loss": 0.1596,
2417
+ "step": 344
2418
+ },
2419
+ {
2420
+ "epoch": 2.116564417177914,
2421
+ "grad_norm": 1.7842110395431519,
2422
+ "learning_rate": 4.836025383610382e-06,
2423
+ "loss": 0.1289,
2424
+ "step": 345
2425
+ },
2426
+ {
2427
+ "epoch": 2.1226993865030677,
2428
+ "grad_norm": 1.6559737920761108,
2429
+ "learning_rate": 4.775014352840512e-06,
2430
+ "loss": 0.1119,
2431
+ "step": 346
2432
+ },
2433
+ {
2434
+ "epoch": 2.128834355828221,
2435
+ "grad_norm": 2.125093936920166,
2436
+ "learning_rate": 4.714269687371581e-06,
2437
+ "loss": 0.1375,
2438
+ "step": 347
2439
+ },
2440
+ {
2441
+ "epoch": 2.1349693251533743,
2442
+ "grad_norm": 2.37017560005188,
2443
+ "learning_rate": 4.653794483914696e-06,
2444
+ "loss": 0.1666,
2445
+ "step": 348
2446
+ },
2447
+ {
2448
+ "epoch": 2.1411042944785277,
2449
+ "grad_norm": 1.5750046968460083,
2450
+ "learning_rate": 4.593591825444028e-06,
2451
+ "loss": 0.1433,
2452
+ "step": 349
2453
+ },
2454
+ {
2455
+ "epoch": 2.147239263803681,
2456
+ "grad_norm": 1.7769267559051514,
2457
+ "learning_rate": 4.533664781039622e-06,
2458
+ "loss": 0.1635,
2459
+ "step": 350
2460
+ },
2461
+ {
2462
+ "epoch": 2.1533742331288344,
2463
+ "grad_norm": 1.677880883216858,
2464
+ "learning_rate": 4.474016405730973e-06,
2465
+ "loss": 0.1212,
2466
+ "step": 351
2467
+ },
2468
+ {
2469
+ "epoch": 2.1595092024539877,
2470
+ "grad_norm": 2.1796493530273438,
2471
+ "learning_rate": 4.414649740341258e-06,
2472
+ "loss": 0.1555,
2473
+ "step": 352
2474
+ },
2475
+ {
2476
+ "epoch": 2.165644171779141,
2477
+ "grad_norm": 1.721708059310913,
2478
+ "learning_rate": 4.355567811332311e-06,
2479
+ "loss": 0.1686,
2480
+ "step": 353
2481
+ },
2482
+ {
2483
+ "epoch": 2.1717791411042944,
2484
+ "grad_norm": 3.571573257446289,
2485
+ "learning_rate": 4.296773630650358e-06,
2486
+ "loss": 0.1399,
2487
+ "step": 354
2488
+ },
2489
+ {
2490
+ "epoch": 2.1779141104294477,
2491
+ "grad_norm": 1.773418664932251,
2492
+ "learning_rate": 4.2382701955724724e-06,
2493
+ "loss": 0.153,
2494
+ "step": 355
2495
+ },
2496
+ {
2497
+ "epoch": 2.184049079754601,
2498
+ "grad_norm": 1.7861087322235107,
2499
+ "learning_rate": 4.180060488553743e-06,
2500
+ "loss": 0.1484,
2501
+ "step": 356
2502
+ },
2503
+ {
2504
+ "epoch": 2.190184049079755,
2505
+ "grad_norm": 1.708827018737793,
2506
+ "learning_rate": 4.12214747707527e-06,
2507
+ "loss": 0.1596,
2508
+ "step": 357
2509
+ },
2510
+ {
2511
+ "epoch": 2.196319018404908,
2512
+ "grad_norm": 1.4300062656402588,
2513
+ "learning_rate": 4.064534113492861e-06,
2514
+ "loss": 0.1319,
2515
+ "step": 358
2516
+ },
2517
+ {
2518
+ "epoch": 2.2024539877300615,
2519
+ "grad_norm": 1.7988046407699585,
2520
+ "learning_rate": 4.007223334886531e-06,
2521
+ "loss": 0.1669,
2522
+ "step": 359
2523
+ },
2524
+ {
2525
+ "epoch": 2.208588957055215,
2526
+ "grad_norm": 1.4519153833389282,
2527
+ "learning_rate": 3.950218062910776e-06,
2528
+ "loss": 0.1446,
2529
+ "step": 360
2530
+ },
2531
+ {
2532
+ "epoch": 2.214723926380368,
2533
+ "grad_norm": 1.5383284091949463,
2534
+ "learning_rate": 3.893521203645618e-06,
2535
+ "loss": 0.1417,
2536
+ "step": 361
2537
+ },
2538
+ {
2539
+ "epoch": 2.2208588957055215,
2540
+ "grad_norm": 1.837110161781311,
2541
+ "learning_rate": 3.837135647448475e-06,
2542
+ "loss": 0.1512,
2543
+ "step": 362
2544
+ },
2545
+ {
2546
+ "epoch": 2.226993865030675,
2547
+ "grad_norm": 1.5508497953414917,
2548
+ "learning_rate": 3.78106426880678e-06,
2549
+ "loss": 0.1329,
2550
+ "step": 363
2551
+ },
2552
+ {
2553
+ "epoch": 2.233128834355828,
2554
+ "grad_norm": 1.658305048942566,
2555
+ "learning_rate": 3.7253099261914794e-06,
2556
+ "loss": 0.1289,
2557
+ "step": 364
2558
+ },
2559
+ {
2560
+ "epoch": 2.2392638036809815,
2561
+ "grad_norm": 1.5167778730392456,
2562
+ "learning_rate": 3.6698754619112974e-06,
2563
+ "loss": 0.121,
2564
+ "step": 365
2565
+ },
2566
+ {
2567
+ "epoch": 2.245398773006135,
2568
+ "grad_norm": 1.7372796535491943,
2569
+ "learning_rate": 3.6147637019678195e-06,
2570
+ "loss": 0.1338,
2571
+ "step": 366
2572
+ },
2573
+ {
2574
+ "epoch": 2.2515337423312882,
2575
+ "grad_norm": 1.4506868124008179,
2576
+ "learning_rate": 3.5599774559114475e-06,
2577
+ "loss": 0.141,
2578
+ "step": 367
2579
+ },
2580
+ {
2581
+ "epoch": 2.2576687116564416,
2582
+ "grad_norm": 1.7319529056549072,
2583
+ "learning_rate": 3.505519516698165e-06,
2584
+ "loss": 0.1283,
2585
+ "step": 368
2586
+ },
2587
+ {
2588
+ "epoch": 2.263803680981595,
2589
+ "grad_norm": 1.6819450855255127,
2590
+ "learning_rate": 3.4513926605471504e-06,
2591
+ "loss": 0.1635,
2592
+ "step": 369
2593
+ },
2594
+ {
2595
+ "epoch": 2.2699386503067487,
2596
+ "grad_norm": 1.5419731140136719,
2597
+ "learning_rate": 3.3975996467992557e-06,
2598
+ "loss": 0.1515,
2599
+ "step": 370
2600
+ },
2601
+ {
2602
+ "epoch": 2.276073619631902,
2603
+ "grad_norm": 1.622673749923706,
2604
+ "learning_rate": 3.344143217776319e-06,
2605
+ "loss": 0.1432,
2606
+ "step": 371
2607
+ },
2608
+ {
2609
+ "epoch": 2.2822085889570554,
2610
+ "grad_norm": 1.9862250089645386,
2611
+ "learning_rate": 3.291026098641398e-06,
2612
+ "loss": 0.1551,
2613
+ "step": 372
2614
+ },
2615
+ {
2616
+ "epoch": 2.2883435582822087,
2617
+ "grad_norm": 1.975870132446289,
2618
+ "learning_rate": 3.2382509972598087e-06,
2619
+ "loss": 0.1256,
2620
+ "step": 373
2621
+ },
2622
+ {
2623
+ "epoch": 2.294478527607362,
2624
+ "grad_norm": 1.3615440130233765,
2625
+ "learning_rate": 3.1858206040610883e-06,
2626
+ "loss": 0.1114,
2627
+ "step": 374
2628
+ },
2629
+ {
2630
+ "epoch": 2.3006134969325154,
2631
+ "grad_norm": 2.0243375301361084,
2632
+ "learning_rate": 3.133737591901864e-06,
2633
+ "loss": 0.1477,
2634
+ "step": 375
2635
+ },
2636
+ {
2637
+ "epoch": 2.3067484662576687,
2638
+ "grad_norm": 2.148789644241333,
2639
+ "learning_rate": 3.0820046159295647e-06,
2640
+ "loss": 0.1828,
2641
+ "step": 376
2642
+ },
2643
+ {
2644
+ "epoch": 2.312883435582822,
2645
+ "grad_norm": 1.5784991979599,
2646
+ "learning_rate": 3.0306243134470668e-06,
2647
+ "loss": 0.1466,
2648
+ "step": 377
2649
+ },
2650
+ {
2651
+ "epoch": 2.3190184049079754,
2652
+ "grad_norm": 1.8044228553771973,
2653
+ "learning_rate": 2.9795993037782657e-06,
2654
+ "loss": 0.1136,
2655
+ "step": 378
2656
+ },
2657
+ {
2658
+ "epoch": 2.3251533742331287,
2659
+ "grad_norm": 1.5507012605667114,
2660
+ "learning_rate": 2.9289321881345257e-06,
2661
+ "loss": 0.1112,
2662
+ "step": 379
2663
+ },
2664
+ {
2665
+ "epoch": 2.331288343558282,
2666
+ "grad_norm": 1.4628651142120361,
2667
+ "learning_rate": 2.878625549482084e-06,
2668
+ "loss": 0.1335,
2669
+ "step": 380
2670
+ },
2671
+ {
2672
+ "epoch": 2.3374233128834354,
2673
+ "grad_norm": 2.275484561920166,
2674
+ "learning_rate": 2.8286819524103657e-06,
2675
+ "loss": 0.1987,
2676
+ "step": 381
2677
+ },
2678
+ {
2679
+ "epoch": 2.3435582822085887,
2680
+ "grad_norm": 1.8239965438842773,
2681
+ "learning_rate": 2.779103943001248e-06,
2682
+ "loss": 0.1327,
2683
+ "step": 382
2684
+ },
2685
+ {
2686
+ "epoch": 2.3496932515337425,
2687
+ "grad_norm": 1.621533989906311,
2688
+ "learning_rate": 2.7298940486992654e-06,
2689
+ "loss": 0.1225,
2690
+ "step": 383
2691
+ },
2692
+ {
2693
+ "epoch": 2.355828220858896,
2694
+ "grad_norm": 1.5327485799789429,
2695
+ "learning_rate": 2.681054778182748e-06,
2696
+ "loss": 0.1254,
2697
+ "step": 384
2698
+ },
2699
+ {
2700
+ "epoch": 2.361963190184049,
2701
+ "grad_norm": 2.2347185611724854,
2702
+ "learning_rate": 2.6325886212359496e-06,
2703
+ "loss": 0.1375,
2704
+ "step": 385
2705
+ },
2706
+ {
2707
+ "epoch": 2.3680981595092025,
2708
+ "grad_norm": 1.4357990026474,
2709
+ "learning_rate": 2.5844980486221225e-06,
2710
+ "loss": 0.1208,
2711
+ "step": 386
2712
+ },
2713
+ {
2714
+ "epoch": 2.374233128834356,
2715
+ "grad_norm": 1.740544319152832,
2716
+ "learning_rate": 2.5367855119575314e-06,
2717
+ "loss": 0.1392,
2718
+ "step": 387
2719
+ },
2720
+ {
2721
+ "epoch": 2.3803680981595092,
2722
+ "grad_norm": 2.388603925704956,
2723
+ "learning_rate": 2.4894534435865015e-06,
2724
+ "loss": 0.1776,
2725
+ "step": 388
2726
+ },
2727
+ {
2728
+ "epoch": 2.3865030674846626,
2729
+ "grad_norm": 1.74617600440979,
2730
+ "learning_rate": 2.4425042564574186e-06,
2731
+ "loss": 0.1345,
2732
+ "step": 389
2733
+ },
2734
+ {
2735
+ "epoch": 2.392638036809816,
2736
+ "grad_norm": 1.3598535060882568,
2737
+ "learning_rate": 2.395940343999691e-06,
2738
+ "loss": 0.1174,
2739
+ "step": 390
2740
+ },
2741
+ {
2742
+ "epoch": 2.3987730061349692,
2743
+ "grad_norm": 1.9664957523345947,
2744
+ "learning_rate": 2.3497640800017687e-06,
2745
+ "loss": 0.1528,
2746
+ "step": 391
2747
+ },
2748
+ {
2749
+ "epoch": 2.4049079754601226,
2750
+ "grad_norm": 1.5915489196777344,
2751
+ "learning_rate": 2.3039778184901086e-06,
2752
+ "loss": 0.1424,
2753
+ "step": 392
2754
+ },
2755
+ {
2756
+ "epoch": 2.411042944785276,
2757
+ "grad_norm": 1.9922267198562622,
2758
+ "learning_rate": 2.2585838936091753e-06,
2759
+ "loss": 0.1728,
2760
+ "step": 393
2761
+ },
2762
+ {
2763
+ "epoch": 2.4171779141104293,
2764
+ "grad_norm": 1.340556025505066,
2765
+ "learning_rate": 2.213584619502451e-06,
2766
+ "loss": 0.1117,
2767
+ "step": 394
2768
+ },
2769
+ {
2770
+ "epoch": 2.4233128834355826,
2771
+ "grad_norm": 1.5564244985580444,
2772
+ "learning_rate": 2.1689822901944456e-06,
2773
+ "loss": 0.1568,
2774
+ "step": 395
2775
+ },
2776
+ {
2777
+ "epoch": 2.4294478527607364,
2778
+ "grad_norm": 2.1123807430267334,
2779
+ "learning_rate": 2.1247791794737827e-06,
2780
+ "loss": 0.1414,
2781
+ "step": 396
2782
+ },
2783
+ {
2784
+ "epoch": 2.4355828220858897,
2785
+ "grad_norm": 2.1588234901428223,
2786
+ "learning_rate": 2.0809775407772505e-06,
2787
+ "loss": 0.1897,
2788
+ "step": 397
2789
+ },
2790
+ {
2791
+ "epoch": 2.441717791411043,
2792
+ "grad_norm": 2.129268169403076,
2793
+ "learning_rate": 2.0375796070749366e-06,
2794
+ "loss": 0.1569,
2795
+ "step": 398
2796
+ },
2797
+ {
2798
+ "epoch": 2.4478527607361964,
2799
+ "grad_norm": 1.6751271486282349,
2800
+ "learning_rate": 1.994587590756397e-06,
2801
+ "loss": 0.1418,
2802
+ "step": 399
2803
+ },
2804
+ {
2805
+ "epoch": 2.4539877300613497,
2806
+ "grad_norm": 1.5498850345611572,
2807
+ "learning_rate": 1.9520036835178667e-06,
2808
+ "loss": 0.142,
2809
+ "step": 400
2810
+ },
2811
+ {
2812
+ "epoch": 2.460122699386503,
2813
+ "grad_norm": 1.716620683670044,
2814
+ "learning_rate": 1.9098300562505266e-06,
2815
+ "loss": 0.1502,
2816
+ "step": 401
2817
+ },
2818
+ {
2819
+ "epoch": 2.4662576687116564,
2820
+ "grad_norm": 2.2099783420562744,
2821
+ "learning_rate": 1.8680688589298368e-06,
2822
+ "loss": 0.1714,
2823
+ "step": 402
2824
+ },
2825
+ {
2826
+ "epoch": 2.4723926380368098,
2827
+ "grad_norm": 2.4377899169921875,
2828
+ "learning_rate": 1.826722220505931e-06,
2829
+ "loss": 0.188,
2830
+ "step": 403
2831
+ },
2832
+ {
2833
+ "epoch": 2.478527607361963,
2834
+ "grad_norm": 1.4439836740493774,
2835
+ "learning_rate": 1.7857922487950873e-06,
2836
+ "loss": 0.1296,
2837
+ "step": 404
2838
+ },
2839
+ {
2840
+ "epoch": 2.4846625766871164,
2841
+ "grad_norm": 1.636144757270813,
2842
+ "learning_rate": 1.74528103037226e-06,
2843
+ "loss": 0.1608,
2844
+ "step": 405
2845
+ },
2846
+ {
2847
+ "epoch": 2.4907975460122698,
2848
+ "grad_norm": 1.9918489456176758,
2849
+ "learning_rate": 1.705190630464737e-06,
2850
+ "loss": 0.1859,
2851
+ "step": 406
2852
+ },
2853
+ {
2854
+ "epoch": 2.4969325153374236,
2855
+ "grad_norm": 2.012042284011841,
2856
+ "learning_rate": 1.6655230928468257e-06,
2857
+ "loss": 0.1484,
2858
+ "step": 407
2859
+ },
2860
+ {
2861
+ "epoch": 2.5030674846625764,
2862
+ "grad_norm": 1.5652939081192017,
2863
+ "learning_rate": 1.6262804397356747e-06,
2864
+ "loss": 0.1425,
2865
+ "step": 408
2866
+ },
2867
+ {
2868
+ "epoch": 2.5092024539877302,
2869
+ "grad_norm": 2.306347370147705,
2870
+ "learning_rate": 1.587464671688187e-06,
2871
+ "loss": 0.1676,
2872
+ "step": 409
2873
+ },
2874
+ {
2875
+ "epoch": 2.5153374233128836,
2876
+ "grad_norm": 1.5338711738586426,
2877
+ "learning_rate": 1.5490777674990376e-06,
2878
+ "loss": 0.1462,
2879
+ "step": 410
2880
+ },
2881
+ {
2882
+ "epoch": 2.521472392638037,
2883
+ "grad_norm": 1.6177219152450562,
2884
+ "learning_rate": 1.5111216840997745e-06,
2885
+ "loss": 0.1046,
2886
+ "step": 411
2887
+ },
2888
+ {
2889
+ "epoch": 2.5276073619631902,
2890
+ "grad_norm": 1.720763087272644,
2891
+ "learning_rate": 1.4735983564590784e-06,
2892
+ "loss": 0.1485,
2893
+ "step": 412
2894
+ },
2895
+ {
2896
+ "epoch": 2.5337423312883436,
2897
+ "grad_norm": 1.984955072402954,
2898
+ "learning_rate": 1.436509697484111e-06,
2899
+ "loss": 0.1585,
2900
+ "step": 413
2901
+ },
2902
+ {
2903
+ "epoch": 2.539877300613497,
2904
+ "grad_norm": 2.275015354156494,
2905
+ "learning_rate": 1.3998575979229944e-06,
2906
+ "loss": 0.1793,
2907
+ "step": 414
2908
+ },
2909
+ {
2910
+ "epoch": 2.5460122699386503,
2911
+ "grad_norm": 1.4398918151855469,
2912
+ "learning_rate": 1.3636439262684299e-06,
2913
+ "loss": 0.1418,
2914
+ "step": 415
2915
+ },
2916
+ {
2917
+ "epoch": 2.5521472392638036,
2918
+ "grad_norm": 1.6065205335617065,
2919
+ "learning_rate": 1.3278705286624328e-06,
2920
+ "loss": 0.1549,
2921
+ "step": 416
2922
+ },
2923
+ {
2924
+ "epoch": 2.558282208588957,
2925
+ "grad_norm": 1.4881666898727417,
2926
+ "learning_rate": 1.2925392288022299e-06,
2927
+ "loss": 0.1432,
2928
+ "step": 417
2929
+ },
2930
+ {
2931
+ "epoch": 2.5644171779141103,
2932
+ "grad_norm": 2.278841972351074,
2933
+ "learning_rate": 1.257651827847276e-06,
2934
+ "loss": 0.1348,
2935
+ "step": 418
2936
+ },
2937
+ {
2938
+ "epoch": 2.5705521472392636,
2939
+ "grad_norm": 2.0989537239074707,
2940
+ "learning_rate": 1.2232101043274437e-06,
2941
+ "loss": 0.1687,
2942
+ "step": 419
2943
+ },
2944
+ {
2945
+ "epoch": 2.5766871165644174,
2946
+ "grad_norm": 1.488337516784668,
2947
+ "learning_rate": 1.1892158140523546e-06,
2948
+ "loss": 0.1263,
2949
+ "step": 420
2950
+ },
2951
+ {
2952
+ "epoch": 2.5828220858895703,
2953
+ "grad_norm": 1.9117529392242432,
2954
+ "learning_rate": 1.1556706900218572e-06,
2955
+ "loss": 0.1273,
2956
+ "step": 421
2957
+ },
2958
+ {
2959
+ "epoch": 2.588957055214724,
2960
+ "grad_norm": 2.0531487464904785,
2961
+ "learning_rate": 1.122576442337696e-06,
2962
+ "loss": 0.1348,
2963
+ "step": 422
2964
+ },
2965
+ {
2966
+ "epoch": 2.5950920245398774,
2967
+ "grad_norm": 1.714740514755249,
2968
+ "learning_rate": 1.0899347581163222e-06,
2969
+ "loss": 0.1276,
2970
+ "step": 423
2971
+ },
2972
+ {
2973
+ "epoch": 2.6012269938650308,
2974
+ "grad_norm": 2.042924642562866,
2975
+ "learning_rate": 1.0577473014028872e-06,
2976
+ "loss": 0.1325,
2977
+ "step": 424
2978
+ },
2979
+ {
2980
+ "epoch": 2.607361963190184,
2981
+ "grad_norm": 1.9139305353164673,
2982
+ "learning_rate": 1.0260157130864178e-06,
2983
+ "loss": 0.1278,
2984
+ "step": 425
2985
+ },
2986
+ {
2987
+ "epoch": 2.6134969325153374,
2988
+ "grad_norm": 1.556216835975647,
2989
+ "learning_rate": 9.9474161081615e-07,
2990
+ "loss": 0.1428,
2991
+ "step": 426
2992
+ },
2993
+ {
2994
+ "epoch": 2.6196319018404908,
2995
+ "grad_norm": 1.4173800945281982,
2996
+ "learning_rate": 9.63926588919083e-07,
2997
+ "loss": 0.1339,
2998
+ "step": 427
2999
+ },
3000
+ {
3001
+ "epoch": 2.625766871165644,
3002
+ "grad_norm": 1.4731110334396362,
3003
+ "learning_rate": 9.335722183186868e-07,
3004
+ "loss": 0.147,
3005
+ "step": 428
3006
+ },
3007
+ {
3008
+ "epoch": 2.6319018404907975,
3009
+ "grad_norm": 1.5274585485458374,
3010
+ "learning_rate": 9.036800464548157e-07,
3011
+ "loss": 0.1275,
3012
+ "step": 429
3013
+ },
3014
+ {
3015
+ "epoch": 2.638036809815951,
3016
+ "grad_norm": 1.4603732824325562,
3017
+ "learning_rate": 8.742515972048404e-07,
3018
+ "loss": 0.1355,
3019
+ "step": 430
3020
+ },
3021
+ {
3022
+ "epoch": 2.644171779141104,
3023
+ "grad_norm": 1.878303050994873,
3024
+ "learning_rate": 8.4528837080594e-07,
3025
+ "loss": 0.1383,
3026
+ "step": 431
3027
+ },
3028
+ {
3029
+ "epoch": 2.6503067484662575,
3030
+ "grad_norm": 1.9829754829406738,
3031
+ "learning_rate": 8.167918437786316e-07,
3032
+ "loss": 0.1342,
3033
+ "step": 432
3034
+ },
3035
+ {
3036
+ "epoch": 2.6564417177914113,
3037
+ "grad_norm": 2.8250081539154053,
3038
+ "learning_rate": 7.887634688515e-07,
3039
+ "loss": 0.1975,
3040
+ "step": 433
3041
+ },
3042
+ {
3043
+ "epoch": 2.662576687116564,
3044
+ "grad_norm": 1.4426681995391846,
3045
+ "learning_rate": 7.612046748871327e-07,
3046
+ "loss": 0.1164,
3047
+ "step": 434
3048
+ },
3049
+ {
3050
+ "epoch": 2.668711656441718,
3051
+ "grad_norm": 2.128920793533325,
3052
+ "learning_rate": 7.341168668092857e-07,
3053
+ "loss": 0.1311,
3054
+ "step": 435
3055
+ },
3056
+ {
3057
+ "epoch": 2.6748466257668713,
3058
+ "grad_norm": 1.6792587041854858,
3059
+ "learning_rate": 7.07501425531254e-07,
3060
+ "loss": 0.1636,
3061
+ "step": 436
3062
+ },
3063
+ {
3064
+ "epoch": 2.6809815950920246,
3065
+ "grad_norm": 2.3107171058654785,
3066
+ "learning_rate": 6.813597078854772e-07,
3067
+ "loss": 0.1661,
3068
+ "step": 437
3069
+ },
3070
+ {
3071
+ "epoch": 2.687116564417178,
3072
+ "grad_norm": 1.7251126766204834,
3073
+ "learning_rate": 6.556930465543709e-07,
3074
+ "loss": 0.1407,
3075
+ "step": 438
3076
+ },
3077
+ {
3078
+ "epoch": 2.6932515337423313,
3079
+ "grad_norm": 1.7014403343200684,
3080
+ "learning_rate": 6.305027500023841e-07,
3081
+ "loss": 0.1208,
3082
+ "step": 439
3083
+ },
3084
+ {
3085
+ "epoch": 2.6993865030674846,
3086
+ "grad_norm": 1.8357864618301392,
3087
+ "learning_rate": 6.057901024092949e-07,
3088
+ "loss": 0.129,
3089
+ "step": 440
3090
+ },
3091
+ {
3092
+ "epoch": 2.705521472392638,
3093
+ "grad_norm": 1.6881440877914429,
3094
+ "learning_rate": 5.815563636047539e-07,
3095
+ "loss": 0.1125,
3096
+ "step": 441
3097
+ },
3098
+ {
3099
+ "epoch": 2.7116564417177913,
3100
+ "grad_norm": 1.9784103631973267,
3101
+ "learning_rate": 5.578027690040411e-07,
3102
+ "loss": 0.152,
3103
+ "step": 442
3104
+ },
3105
+ {
3106
+ "epoch": 2.7177914110429446,
3107
+ "grad_norm": 1.8745219707489014,
3108
+ "learning_rate": 5.345305295450997e-07,
3109
+ "loss": 0.1385,
3110
+ "step": 443
3111
+ },
3112
+ {
3113
+ "epoch": 2.7239263803680984,
3114
+ "grad_norm": 1.5030583143234253,
3115
+ "learning_rate": 5.117408316268047e-07,
3116
+ "loss": 0.128,
3117
+ "step": 444
3118
+ },
3119
+ {
3120
+ "epoch": 2.7300613496932513,
3121
+ "grad_norm": 1.5685703754425049,
3122
+ "learning_rate": 4.894348370484648e-07,
3123
+ "loss": 0.1518,
3124
+ "step": 445
3125
+ },
3126
+ {
3127
+ "epoch": 2.736196319018405,
3128
+ "grad_norm": 2.1138014793395996,
3129
+ "learning_rate": 4.67613682950615e-07,
3130
+ "loss": 0.1616,
3131
+ "step": 446
3132
+ },
3133
+ {
3134
+ "epoch": 2.7423312883435584,
3135
+ "grad_norm": 1.76698637008667,
3136
+ "learning_rate": 4.4627848175703315e-07,
3137
+ "loss": 0.1379,
3138
+ "step": 447
3139
+ },
3140
+ {
3141
+ "epoch": 2.7484662576687118,
3142
+ "grad_norm": 1.3497811555862427,
3143
+ "learning_rate": 4.254303211180355e-07,
3144
+ "loss": 0.1185,
3145
+ "step": 448
3146
+ },
3147
+ {
3148
+ "epoch": 2.754601226993865,
3149
+ "grad_norm": 1.360832691192627,
3150
+ "learning_rate": 4.0507026385502747e-07,
3151
+ "loss": 0.1039,
3152
+ "step": 449
3153
+ },
3154
+ {
3155
+ "epoch": 2.7607361963190185,
3156
+ "grad_norm": 1.7732263803482056,
3157
+ "learning_rate": 3.851993479063154e-07,
3158
+ "loss": 0.1477,
3159
+ "step": 450
3160
+ },
3161
+ {
3162
+ "epoch": 2.766871165644172,
3163
+ "grad_norm": 1.3179359436035156,
3164
+ "learning_rate": 3.658185862742103e-07,
3165
+ "loss": 0.1136,
3166
+ "step": 451
3167
+ },
3168
+ {
3169
+ "epoch": 2.773006134969325,
3170
+ "grad_norm": 1.9042986631393433,
3171
+ "learning_rate": 3.4692896697336887e-07,
3172
+ "loss": 0.1453,
3173
+ "step": 452
3174
+ },
3175
+ {
3176
+ "epoch": 2.7791411042944785,
3177
+ "grad_norm": 1.8464301824569702,
3178
+ "learning_rate": 3.2853145298042954e-07,
3179
+ "loss": 0.1613,
3180
+ "step": 453
3181
+ },
3182
+ {
3183
+ "epoch": 2.785276073619632,
3184
+ "grad_norm": 1.6313396692276,
3185
+ "learning_rate": 3.106269821849273e-07,
3186
+ "loss": 0.1627,
3187
+ "step": 454
3188
+ },
3189
+ {
3190
+ "epoch": 2.791411042944785,
3191
+ "grad_norm": 1.4320224523544312,
3192
+ "learning_rate": 2.93216467341475e-07,
3193
+ "loss": 0.1081,
3194
+ "step": 455
3195
+ },
3196
+ {
3197
+ "epoch": 2.7975460122699385,
3198
+ "grad_norm": 2.1733744144439697,
3199
+ "learning_rate": 2.7630079602323447e-07,
3200
+ "loss": 0.1579,
3201
+ "step": 456
3202
+ },
3203
+ {
3204
+ "epoch": 2.8036809815950923,
3205
+ "grad_norm": 1.6012330055236816,
3206
+ "learning_rate": 2.5988083057666534e-07,
3207
+ "loss": 0.1521,
3208
+ "step": 457
3209
+ },
3210
+ {
3211
+ "epoch": 2.809815950920245,
3212
+ "grad_norm": 1.710110068321228,
3213
+ "learning_rate": 2.439574080775675e-07,
3214
+ "loss": 0.1387,
3215
+ "step": 458
3216
+ },
3217
+ {
3218
+ "epoch": 2.815950920245399,
3219
+ "grad_norm": 1.8426260948181152,
3220
+ "learning_rate": 2.2853134028840594e-07,
3221
+ "loss": 0.1462,
3222
+ "step": 459
3223
+ },
3224
+ {
3225
+ "epoch": 2.8220858895705523,
3226
+ "grad_norm": 1.8103870153427124,
3227
+ "learning_rate": 2.1360341361692517e-07,
3228
+ "loss": 0.1337,
3229
+ "step": 460
3230
+ },
3231
+ {
3232
+ "epoch": 2.8282208588957056,
3233
+ "grad_norm": 2.107290029525757,
3234
+ "learning_rate": 1.9917438907606556e-07,
3235
+ "loss": 0.1504,
3236
+ "step": 461
3237
+ },
3238
+ {
3239
+ "epoch": 2.834355828220859,
3240
+ "grad_norm": 1.6594619750976562,
3241
+ "learning_rate": 1.852450022451624e-07,
3242
+ "loss": 0.1388,
3243
+ "step": 462
3244
+ },
3245
+ {
3246
+ "epoch": 2.8404907975460123,
3247
+ "grad_norm": 2.51185941696167,
3248
+ "learning_rate": 1.7181596323244453e-07,
3249
+ "loss": 0.184,
3250
+ "step": 463
3251
+ },
3252
+ {
3253
+ "epoch": 2.8466257668711656,
3254
+ "grad_norm": 1.7496821880340576,
3255
+ "learning_rate": 1.5888795663883904e-07,
3256
+ "loss": 0.1038,
3257
+ "step": 464
3258
+ },
3259
+ {
3260
+ "epoch": 2.852760736196319,
3261
+ "grad_norm": 1.680633306503296,
3262
+ "learning_rate": 1.464616415230702e-07,
3263
+ "loss": 0.1167,
3264
+ "step": 465
3265
+ },
3266
+ {
3267
+ "epoch": 2.8588957055214723,
3268
+ "grad_norm": 2.0072343349456787,
3269
+ "learning_rate": 1.345376513680574e-07,
3270
+ "loss": 0.1789,
3271
+ "step": 466
3272
+ },
3273
+ {
3274
+ "epoch": 2.8650306748466257,
3275
+ "grad_norm": 1.5459482669830322,
3276
+ "learning_rate": 1.231165940486234e-07,
3277
+ "loss": 0.1357,
3278
+ "step": 467
3279
+ },
3280
+ {
3281
+ "epoch": 2.871165644171779,
3282
+ "grad_norm": 1.8858439922332764,
3283
+ "learning_rate": 1.121990518005045e-07,
3284
+ "loss": 0.1457,
3285
+ "step": 468
3286
+ },
3287
+ {
3288
+ "epoch": 2.8773006134969323,
3289
+ "grad_norm": 1.7070627212524414,
3290
+ "learning_rate": 1.0178558119067316e-07,
3291
+ "loss": 0.1466,
3292
+ "step": 469
3293
+ },
3294
+ {
3295
+ "epoch": 2.883435582822086,
3296
+ "grad_norm": 1.4789223670959473,
3297
+ "learning_rate": 9.187671308895418e-08,
3298
+ "loss": 0.1072,
3299
+ "step": 470
3300
+ },
3301
+ {
3302
+ "epoch": 2.889570552147239,
3303
+ "grad_norm": 1.750195026397705,
3304
+ "learning_rate": 8.247295264097288e-08,
3305
+ "loss": 0.181,
3306
+ "step": 471
3307
+ },
3308
+ {
3309
+ "epoch": 2.895705521472393,
3310
+ "grad_norm": 2.0875391960144043,
3311
+ "learning_rate": 7.357477924239797e-08,
3312
+ "loss": 0.1121,
3313
+ "step": 472
3314
+ },
3315
+ {
3316
+ "epoch": 2.901840490797546,
3317
+ "grad_norm": 1.7946627140045166,
3318
+ "learning_rate": 6.51826465144978e-08,
3319
+ "loss": 0.1424,
3320
+ "step": 473
3321
+ },
3322
+ {
3323
+ "epoch": 2.9079754601226995,
3324
+ "grad_norm": 1.535167932510376,
3325
+ "learning_rate": 5.7296982281026534e-08,
3326
+ "loss": 0.1268,
3327
+ "step": 474
3328
+ },
3329
+ {
3330
+ "epoch": 2.914110429447853,
3331
+ "grad_norm": 1.6847984790802002,
3332
+ "learning_rate": 4.991818854640396e-08,
3333
+ "loss": 0.1522,
3334
+ "step": 475
3335
+ },
3336
+ {
3337
+ "epoch": 2.920245398773006,
3338
+ "grad_norm": 2.0417425632476807,
3339
+ "learning_rate": 4.304664147522619e-08,
3340
+ "loss": 0.1904,
3341
+ "step": 476
3342
+ },
3343
+ {
3344
+ "epoch": 2.9263803680981595,
3345
+ "grad_norm": 2.0232009887695312,
3346
+ "learning_rate": 3.668269137308666e-08,
3347
+ "loss": 0.1306,
3348
+ "step": 477
3349
+ },
3350
+ {
3351
+ "epoch": 2.932515337423313,
3352
+ "grad_norm": 2.1321542263031006,
3353
+ "learning_rate": 3.082666266872036e-08,
3354
+ "loss": 0.1814,
3355
+ "step": 478
3356
+ },
3357
+ {
3358
+ "epoch": 2.938650306748466,
3359
+ "grad_norm": 1.9118684530258179,
3360
+ "learning_rate": 2.547885389746485e-08,
3361
+ "loss": 0.1534,
3362
+ "step": 479
3363
+ },
3364
+ {
3365
+ "epoch": 2.9447852760736195,
3366
+ "grad_norm": 1.84584379196167,
3367
+ "learning_rate": 2.063953768603799e-08,
3368
+ "loss": 0.1425,
3369
+ "step": 480
3370
+ },
3371
+ {
3372
+ "epoch": 2.950920245398773,
3373
+ "grad_norm": 1.933309555053711,
3374
+ "learning_rate": 1.630896073864352e-08,
3375
+ "loss": 0.1726,
3376
+ "step": 481
3377
+ },
3378
+ {
3379
+ "epoch": 2.957055214723926,
3380
+ "grad_norm": 2.155355930328369,
3381
+ "learning_rate": 1.2487343824389986e-08,
3382
+ "loss": 0.1706,
3383
+ "step": 482
3384
+ },
3385
+ {
3386
+ "epoch": 2.96319018404908,
3387
+ "grad_norm": 1.5894520282745361,
3388
+ "learning_rate": 9.174881766043086e-09,
3389
+ "loss": 0.1207,
3390
+ "step": 483
3391
+ },
3392
+ {
3393
+ "epoch": 2.969325153374233,
3394
+ "grad_norm": 1.6635428667068481,
3395
+ "learning_rate": 6.371743430082511e-09,
3396
+ "loss": 0.1287,
3397
+ "step": 484
3398
+ },
3399
+ {
3400
+ "epoch": 2.9754601226993866,
3401
+ "grad_norm": 1.982111930847168,
3402
+ "learning_rate": 4.0780717181077015e-09,
3403
+ "loss": 0.1455,
3404
+ "step": 485
3405
+ },
3406
+ {
3407
+ "epoch": 2.98159509202454,
3408
+ "grad_norm": 1.4887462854385376,
3409
+ "learning_rate": 2.2939835595392477e-09,
3410
+ "loss": 0.1335,
3411
+ "step": 486
3412
+ },
3413
+ {
3414
+ "epoch": 2.9877300613496933,
3415
+ "grad_norm": 2.119296073913574,
3416
+ "learning_rate": 1.019569905666984e-09,
3417
+ "loss": 0.1516,
3418
+ "step": 487
3419
+ },
3420
+ {
3421
+ "epoch": 2.9938650306748467,
3422
+ "grad_norm": 1.4451674222946167,
3423
+ "learning_rate": 2.5489572500814184e-10,
3424
+ "loss": 0.1292,
3425
+ "step": 488
3426
+ },
3427
+ {
3428
+ "epoch": 3.0,
3429
+ "grad_norm": 1.6885939836502075,
3430
+ "learning_rate": 0.0,
3431
+ "loss": 0.1343,
3432
+ "step": 489
3433
+ },
3434
+ {
3435
+ "epoch": 3.0,
3436
+ "step": 489,
3437
+ "total_flos": 2.2107558569731686e+17,
3438
+ "train_loss": 0.48103629675806175,
3439
+ "train_runtime": 1582.8231,
3440
+ "train_samples_per_second": 9.856,
3441
+ "train_steps_per_second": 0.309
3442
+ }
3443
+ ],
3444
+ "logging_steps": 1,
3445
+ "max_steps": 489,
3446
+ "num_input_tokens_seen": 0,
3447
+ "num_train_epochs": 3,
3448
+ "save_steps": 0,
3449
+ "stateful_callbacks": {
3450
+ "TrainerControl": {
3451
+ "args": {
3452
+ "should_epoch_stop": false,
3453
+ "should_evaluate": false,
3454
+ "should_log": false,
3455
+ "should_save": true,
3456
+ "should_training_stop": true
3457
+ },
3458
+ "attributes": {}
3459
+ }
3460
+ },
3461
+ "total_flos": 2.2107558569731686e+17,
3462
+ "train_batch_size": 8,
3463
+ "trial_name": null,
3464
+ "trial_params": null
3465
+ }