c10 commited on
Commit
a294715
1 Parent(s): b76f512

Model save

Browse files
Files changed (4) hide show
  1. README.md +64 -0
  2. all_results.json +9 -0
  3. train_results.json +9 -0
  4. trainer_state.json +2087 -0
README.md ADDED
@@ -0,0 +1,64 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ license: apache-2.0
3
+ base_model: yanolja/EEVE-Korean-Instruct-10.8B-v1.0
4
+ tags:
5
+ - trl
6
+ - sft
7
+ - generated_from_trainer
8
+ model-index:
9
+ - name: eeve-10.8B_B
10
+ results: []
11
+ ---
12
+
13
+ <!-- This model card has been generated automatically according to the information the Trainer had access to. You
14
+ should probably proofread and complete it, then remove this comment. -->
15
+
16
+ # eeve-10.8B_B
17
+
18
+ This model is a fine-tuned version of [yanolja/EEVE-Korean-Instruct-10.8B-v1.0](https://huggingface.co/yanolja/EEVE-Korean-Instruct-10.8B-v1.0) on the None dataset.
19
+ It achieves the following results on the evaluation set:
20
+ - Loss: 0.3710
21
+
22
+ ## Model description
23
+
24
+ More information needed
25
+
26
+ ## Intended uses & limitations
27
+
28
+ More information needed
29
+
30
+ ## Training and evaluation data
31
+
32
+ More information needed
33
+
34
+ ## Training procedure
35
+
36
+ ### Training hyperparameters
37
+
38
+ The following hyperparameters were used during training:
39
+ - learning_rate: 1e-05
40
+ - train_batch_size: 16
41
+ - eval_batch_size: 8
42
+ - seed: 42
43
+ - distributed_type: multi-GPU
44
+ - num_devices: 3
45
+ - total_train_batch_size: 48
46
+ - total_eval_batch_size: 24
47
+ - optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
48
+ - lr_scheduler_type: cosine
49
+ - lr_scheduler_warmup_ratio: 0.1
50
+ - num_epochs: 1
51
+
52
+ ### Training results
53
+
54
+ | Training Loss | Epoch | Step | Validation Loss |
55
+ |:-------------:|:-----:|:----:|:---------------:|
56
+ | 0.1773 | 1.0 | 291 | 0.3710 |
57
+
58
+
59
+ ### Framework versions
60
+
61
+ - Transformers 4.41.2
62
+ - Pytorch 2.1.2
63
+ - Datasets 2.20.0
64
+ - Tokenizers 0.19.1
all_results.json ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 1.0,
3
+ "total_flos": 1.0225750283334451e+17,
4
+ "train_loss": 0.26723733032282276,
5
+ "train_runtime": 929.7796,
6
+ "train_samples": 13926,
7
+ "train_samples_per_second": 14.978,
8
+ "train_steps_per_second": 0.313
9
+ }
train_results.json ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 1.0,
3
+ "total_flos": 1.0225750283334451e+17,
4
+ "train_loss": 0.26723733032282276,
5
+ "train_runtime": 929.7796,
6
+ "train_samples": 13926,
7
+ "train_samples_per_second": 14.978,
8
+ "train_steps_per_second": 0.313
9
+ }
trainer_state.json ADDED
@@ -0,0 +1,2087 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 1.0,
5
+ "eval_steps": 500,
6
+ "global_step": 291,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.003436426116838488,
13
+ "grad_norm": 64.0579605102539,
14
+ "learning_rate": 3.3333333333333335e-07,
15
+ "loss": 1.9159,
16
+ "step": 1
17
+ },
18
+ {
19
+ "epoch": 0.006872852233676976,
20
+ "grad_norm": 65.67280578613281,
21
+ "learning_rate": 6.666666666666667e-07,
22
+ "loss": 1.9282,
23
+ "step": 2
24
+ },
25
+ {
26
+ "epoch": 0.010309278350515464,
27
+ "grad_norm": 62.75189971923828,
28
+ "learning_rate": 1.0000000000000002e-06,
29
+ "loss": 1.8737,
30
+ "step": 3
31
+ },
32
+ {
33
+ "epoch": 0.013745704467353952,
34
+ "grad_norm": 51.93278503417969,
35
+ "learning_rate": 1.3333333333333334e-06,
36
+ "loss": 1.6762,
37
+ "step": 4
38
+ },
39
+ {
40
+ "epoch": 0.01718213058419244,
41
+ "grad_norm": 51.46208190917969,
42
+ "learning_rate": 1.6666666666666667e-06,
43
+ "loss": 1.19,
44
+ "step": 5
45
+ },
46
+ {
47
+ "epoch": 0.020618556701030927,
48
+ "grad_norm": 45.677215576171875,
49
+ "learning_rate": 2.0000000000000003e-06,
50
+ "loss": 1.0556,
51
+ "step": 6
52
+ },
53
+ {
54
+ "epoch": 0.024054982817869417,
55
+ "grad_norm": 34.49523162841797,
56
+ "learning_rate": 2.3333333333333336e-06,
57
+ "loss": 0.5131,
58
+ "step": 7
59
+ },
60
+ {
61
+ "epoch": 0.027491408934707903,
62
+ "grad_norm": 22.15294075012207,
63
+ "learning_rate": 2.666666666666667e-06,
64
+ "loss": 0.4563,
65
+ "step": 8
66
+ },
67
+ {
68
+ "epoch": 0.030927835051546393,
69
+ "grad_norm": 51.690269470214844,
70
+ "learning_rate": 3e-06,
71
+ "loss": 0.4176,
72
+ "step": 9
73
+ },
74
+ {
75
+ "epoch": 0.03436426116838488,
76
+ "grad_norm": 75.96099853515625,
77
+ "learning_rate": 3.3333333333333333e-06,
78
+ "loss": 0.3745,
79
+ "step": 10
80
+ },
81
+ {
82
+ "epoch": 0.037800687285223365,
83
+ "grad_norm": 57.87851333618164,
84
+ "learning_rate": 3.6666666666666666e-06,
85
+ "loss": 0.3727,
86
+ "step": 11
87
+ },
88
+ {
89
+ "epoch": 0.041237113402061855,
90
+ "grad_norm": 19.976598739624023,
91
+ "learning_rate": 4.000000000000001e-06,
92
+ "loss": 0.3352,
93
+ "step": 12
94
+ },
95
+ {
96
+ "epoch": 0.044673539518900345,
97
+ "grad_norm": 63.86684799194336,
98
+ "learning_rate": 4.333333333333334e-06,
99
+ "loss": 0.3401,
100
+ "step": 13
101
+ },
102
+ {
103
+ "epoch": 0.048109965635738834,
104
+ "grad_norm": 34.12485885620117,
105
+ "learning_rate": 4.666666666666667e-06,
106
+ "loss": 0.3305,
107
+ "step": 14
108
+ },
109
+ {
110
+ "epoch": 0.05154639175257732,
111
+ "grad_norm": 14.09028148651123,
112
+ "learning_rate": 5e-06,
113
+ "loss": 0.2854,
114
+ "step": 15
115
+ },
116
+ {
117
+ "epoch": 0.054982817869415807,
118
+ "grad_norm": 11.474346160888672,
119
+ "learning_rate": 5.333333333333334e-06,
120
+ "loss": 0.3164,
121
+ "step": 16
122
+ },
123
+ {
124
+ "epoch": 0.058419243986254296,
125
+ "grad_norm": 4.925178527832031,
126
+ "learning_rate": 5.666666666666667e-06,
127
+ "loss": 0.2837,
128
+ "step": 17
129
+ },
130
+ {
131
+ "epoch": 0.061855670103092786,
132
+ "grad_norm": 5.7118024826049805,
133
+ "learning_rate": 6e-06,
134
+ "loss": 0.2674,
135
+ "step": 18
136
+ },
137
+ {
138
+ "epoch": 0.06529209621993128,
139
+ "grad_norm": 6.775313377380371,
140
+ "learning_rate": 6.333333333333333e-06,
141
+ "loss": 0.28,
142
+ "step": 19
143
+ },
144
+ {
145
+ "epoch": 0.06872852233676977,
146
+ "grad_norm": 5.114953517913818,
147
+ "learning_rate": 6.666666666666667e-06,
148
+ "loss": 0.3022,
149
+ "step": 20
150
+ },
151
+ {
152
+ "epoch": 0.07216494845360824,
153
+ "grad_norm": 3.6223747730255127,
154
+ "learning_rate": 7e-06,
155
+ "loss": 0.2418,
156
+ "step": 21
157
+ },
158
+ {
159
+ "epoch": 0.07560137457044673,
160
+ "grad_norm": 3.428668975830078,
161
+ "learning_rate": 7.333333333333333e-06,
162
+ "loss": 0.253,
163
+ "step": 22
164
+ },
165
+ {
166
+ "epoch": 0.07903780068728522,
167
+ "grad_norm": 5.323895454406738,
168
+ "learning_rate": 7.666666666666667e-06,
169
+ "loss": 0.3191,
170
+ "step": 23
171
+ },
172
+ {
173
+ "epoch": 0.08247422680412371,
174
+ "grad_norm": 3.228813886642456,
175
+ "learning_rate": 8.000000000000001e-06,
176
+ "loss": 0.2574,
177
+ "step": 24
178
+ },
179
+ {
180
+ "epoch": 0.0859106529209622,
181
+ "grad_norm": 84.88597869873047,
182
+ "learning_rate": 8.333333333333334e-06,
183
+ "loss": 0.2961,
184
+ "step": 25
185
+ },
186
+ {
187
+ "epoch": 0.08934707903780069,
188
+ "grad_norm": 3.482680082321167,
189
+ "learning_rate": 8.666666666666668e-06,
190
+ "loss": 0.2809,
191
+ "step": 26
192
+ },
193
+ {
194
+ "epoch": 0.09278350515463918,
195
+ "grad_norm": 3.876138210296631,
196
+ "learning_rate": 9e-06,
197
+ "loss": 0.3013,
198
+ "step": 27
199
+ },
200
+ {
201
+ "epoch": 0.09621993127147767,
202
+ "grad_norm": 37.9251708984375,
203
+ "learning_rate": 9.333333333333334e-06,
204
+ "loss": 0.3072,
205
+ "step": 28
206
+ },
207
+ {
208
+ "epoch": 0.09965635738831616,
209
+ "grad_norm": 4.258779048919678,
210
+ "learning_rate": 9.666666666666667e-06,
211
+ "loss": 0.2936,
212
+ "step": 29
213
+ },
214
+ {
215
+ "epoch": 0.10309278350515463,
216
+ "grad_norm": 3.2512130737304688,
217
+ "learning_rate": 1e-05,
218
+ "loss": 0.2872,
219
+ "step": 30
220
+ },
221
+ {
222
+ "epoch": 0.10652920962199312,
223
+ "grad_norm": 3.553802013397217,
224
+ "learning_rate": 9.999637795788383e-06,
225
+ "loss": 0.2959,
226
+ "step": 31
227
+ },
228
+ {
229
+ "epoch": 0.10996563573883161,
230
+ "grad_norm": 3.18969464302063,
231
+ "learning_rate": 9.99855123563029e-06,
232
+ "loss": 0.273,
233
+ "step": 32
234
+ },
235
+ {
236
+ "epoch": 0.1134020618556701,
237
+ "grad_norm": 3.7316102981567383,
238
+ "learning_rate": 9.996740476948386e-06,
239
+ "loss": 0.2857,
240
+ "step": 33
241
+ },
242
+ {
243
+ "epoch": 0.11683848797250859,
244
+ "grad_norm": 4.492163181304932,
245
+ "learning_rate": 9.994205782088438e-06,
246
+ "loss": 0.3157,
247
+ "step": 34
248
+ },
249
+ {
250
+ "epoch": 0.12027491408934708,
251
+ "grad_norm": 2.9147143363952637,
252
+ "learning_rate": 9.990947518281312e-06,
253
+ "loss": 0.2496,
254
+ "step": 35
255
+ },
256
+ {
257
+ "epoch": 0.12371134020618557,
258
+ "grad_norm": 2.874291181564331,
259
+ "learning_rate": 9.986966157589751e-06,
260
+ "loss": 0.2818,
261
+ "step": 36
262
+ },
263
+ {
264
+ "epoch": 0.12714776632302405,
265
+ "grad_norm": 2.704557418823242,
266
+ "learning_rate": 9.982262276840002e-06,
267
+ "loss": 0.2729,
268
+ "step": 37
269
+ },
270
+ {
271
+ "epoch": 0.13058419243986255,
272
+ "grad_norm": 3.3673787117004395,
273
+ "learning_rate": 9.976836557538234e-06,
274
+ "loss": 0.2707,
275
+ "step": 38
276
+ },
277
+ {
278
+ "epoch": 0.13402061855670103,
279
+ "grad_norm": 3.7019476890563965,
280
+ "learning_rate": 9.970689785771798e-06,
281
+ "loss": 0.2959,
282
+ "step": 39
283
+ },
284
+ {
285
+ "epoch": 0.13745704467353953,
286
+ "grad_norm": 3.152188539505005,
287
+ "learning_rate": 9.963822852095344e-06,
288
+ "loss": 0.2975,
289
+ "step": 40
290
+ },
291
+ {
292
+ "epoch": 0.140893470790378,
293
+ "grad_norm": 3.401273727416992,
294
+ "learning_rate": 9.95623675140179e-06,
295
+ "loss": 0.2974,
296
+ "step": 41
297
+ },
298
+ {
299
+ "epoch": 0.14432989690721648,
300
+ "grad_norm": 3.1594648361206055,
301
+ "learning_rate": 9.947932582778188e-06,
302
+ "loss": 0.2879,
303
+ "step": 42
304
+ },
305
+ {
306
+ "epoch": 0.14776632302405499,
307
+ "grad_norm": 3.1256396770477295,
308
+ "learning_rate": 9.938911549346473e-06,
309
+ "loss": 0.2806,
310
+ "step": 43
311
+ },
312
+ {
313
+ "epoch": 0.15120274914089346,
314
+ "grad_norm": 3.244800567626953,
315
+ "learning_rate": 9.929174958089167e-06,
316
+ "loss": 0.2893,
317
+ "step": 44
318
+ },
319
+ {
320
+ "epoch": 0.15463917525773196,
321
+ "grad_norm": 2.8971827030181885,
322
+ "learning_rate": 9.918724219660013e-06,
323
+ "loss": 0.2774,
324
+ "step": 45
325
+ },
326
+ {
327
+ "epoch": 0.15807560137457044,
328
+ "grad_norm": 3.1087865829467773,
329
+ "learning_rate": 9.907560848179607e-06,
330
+ "loss": 0.2683,
331
+ "step": 46
332
+ },
333
+ {
334
+ "epoch": 0.16151202749140894,
335
+ "grad_norm": 2.767376184463501,
336
+ "learning_rate": 9.895686461016007e-06,
337
+ "loss": 0.2552,
338
+ "step": 47
339
+ },
340
+ {
341
+ "epoch": 0.16494845360824742,
342
+ "grad_norm": 3.0735318660736084,
343
+ "learning_rate": 9.883102778550434e-06,
344
+ "loss": 0.2966,
345
+ "step": 48
346
+ },
347
+ {
348
+ "epoch": 0.16838487972508592,
349
+ "grad_norm": 2.5513877868652344,
350
+ "learning_rate": 9.869811623928001e-06,
351
+ "loss": 0.2677,
352
+ "step": 49
353
+ },
354
+ {
355
+ "epoch": 0.1718213058419244,
356
+ "grad_norm": 2.7748734951019287,
357
+ "learning_rate": 9.855814922793583e-06,
358
+ "loss": 0.2575,
359
+ "step": 50
360
+ },
361
+ {
362
+ "epoch": 0.17525773195876287,
363
+ "grad_norm": 2.729177951812744,
364
+ "learning_rate": 9.841114703012817e-06,
365
+ "loss": 0.2646,
366
+ "step": 51
367
+ },
368
+ {
369
+ "epoch": 0.17869415807560138,
370
+ "grad_norm": 3.340230703353882,
371
+ "learning_rate": 9.82571309437831e-06,
372
+ "loss": 0.295,
373
+ "step": 52
374
+ },
375
+ {
376
+ "epoch": 0.18213058419243985,
377
+ "grad_norm": 2.7592291831970215,
378
+ "learning_rate": 9.809612328301071e-06,
379
+ "loss": 0.2846,
380
+ "step": 53
381
+ },
382
+ {
383
+ "epoch": 0.18556701030927836,
384
+ "grad_norm": 2.845653533935547,
385
+ "learning_rate": 9.792814737487207e-06,
386
+ "loss": 0.3016,
387
+ "step": 54
388
+ },
389
+ {
390
+ "epoch": 0.18900343642611683,
391
+ "grad_norm": 2.902620792388916,
392
+ "learning_rate": 9.775322755599979e-06,
393
+ "loss": 0.3015,
394
+ "step": 55
395
+ },
396
+ {
397
+ "epoch": 0.19243986254295534,
398
+ "grad_norm": 2.291102170944214,
399
+ "learning_rate": 9.757138916907184e-06,
400
+ "loss": 0.2612,
401
+ "step": 56
402
+ },
403
+ {
404
+ "epoch": 0.1958762886597938,
405
+ "grad_norm": 2.6173219680786133,
406
+ "learning_rate": 9.738265855914014e-06,
407
+ "loss": 0.2571,
408
+ "step": 57
409
+ },
410
+ {
411
+ "epoch": 0.19931271477663232,
412
+ "grad_norm": 2.403263568878174,
413
+ "learning_rate": 9.718706306981332e-06,
414
+ "loss": 0.2831,
415
+ "step": 58
416
+ },
417
+ {
418
+ "epoch": 0.2027491408934708,
419
+ "grad_norm": 2.4737367630004883,
420
+ "learning_rate": 9.698463103929542e-06,
421
+ "loss": 0.264,
422
+ "step": 59
423
+ },
424
+ {
425
+ "epoch": 0.20618556701030927,
426
+ "grad_norm": 2.7195911407470703,
427
+ "learning_rate": 9.677539179628005e-06,
428
+ "loss": 0.2606,
429
+ "step": 60
430
+ },
431
+ {
432
+ "epoch": 0.20962199312714777,
433
+ "grad_norm": 2.3145008087158203,
434
+ "learning_rate": 9.655937565570124e-06,
435
+ "loss": 0.2835,
436
+ "step": 61
437
+ },
438
+ {
439
+ "epoch": 0.21305841924398625,
440
+ "grad_norm": 3.18537974357605,
441
+ "learning_rate": 9.63366139143413e-06,
442
+ "loss": 0.2815,
443
+ "step": 62
444
+ },
445
+ {
446
+ "epoch": 0.21649484536082475,
447
+ "grad_norm": 2.2597475051879883,
448
+ "learning_rate": 9.610713884629667e-06,
449
+ "loss": 0.2354,
450
+ "step": 63
451
+ },
452
+ {
453
+ "epoch": 0.21993127147766323,
454
+ "grad_norm": 2.2232203483581543,
455
+ "learning_rate": 9.587098369830171e-06,
456
+ "loss": 0.2441,
457
+ "step": 64
458
+ },
459
+ {
460
+ "epoch": 0.22336769759450173,
461
+ "grad_norm": 2.7159595489501953,
462
+ "learning_rate": 9.562818268491216e-06,
463
+ "loss": 0.2716,
464
+ "step": 65
465
+ },
466
+ {
467
+ "epoch": 0.2268041237113402,
468
+ "grad_norm": 2.018402338027954,
469
+ "learning_rate": 9.537877098354787e-06,
470
+ "loss": 0.2346,
471
+ "step": 66
472
+ },
473
+ {
474
+ "epoch": 0.23024054982817868,
475
+ "grad_norm": 3.5405406951904297,
476
+ "learning_rate": 9.512278472939627e-06,
477
+ "loss": 0.2637,
478
+ "step": 67
479
+ },
480
+ {
481
+ "epoch": 0.23367697594501718,
482
+ "grad_norm": 2.1763646602630615,
483
+ "learning_rate": 9.486026101017711e-06,
484
+ "loss": 0.2672,
485
+ "step": 68
486
+ },
487
+ {
488
+ "epoch": 0.23711340206185566,
489
+ "grad_norm": 2.762448310852051,
490
+ "learning_rate": 9.459123786076911e-06,
491
+ "loss": 0.2762,
492
+ "step": 69
493
+ },
494
+ {
495
+ "epoch": 0.24054982817869416,
496
+ "grad_norm": 2.7765045166015625,
497
+ "learning_rate": 9.431575425769938e-06,
498
+ "loss": 0.2974,
499
+ "step": 70
500
+ },
501
+ {
502
+ "epoch": 0.24398625429553264,
503
+ "grad_norm": 2.584392786026001,
504
+ "learning_rate": 9.40338501134964e-06,
505
+ "loss": 0.2646,
506
+ "step": 71
507
+ },
508
+ {
509
+ "epoch": 0.24742268041237114,
510
+ "grad_norm": 2.26948881149292,
511
+ "learning_rate": 9.374556627090749e-06,
512
+ "loss": 0.2772,
513
+ "step": 72
514
+ },
515
+ {
516
+ "epoch": 0.2508591065292096,
517
+ "grad_norm": 2.6476385593414307,
518
+ "learning_rate": 9.345094449698143e-06,
519
+ "loss": 0.2857,
520
+ "step": 73
521
+ },
522
+ {
523
+ "epoch": 0.2542955326460481,
524
+ "grad_norm": 3.0025851726531982,
525
+ "learning_rate": 9.315002747701716e-06,
526
+ "loss": 0.2474,
527
+ "step": 74
528
+ },
529
+ {
530
+ "epoch": 0.25773195876288657,
531
+ "grad_norm": 2.7429323196411133,
532
+ "learning_rate": 9.284285880837947e-06,
533
+ "loss": 0.2824,
534
+ "step": 75
535
+ },
536
+ {
537
+ "epoch": 0.2611683848797251,
538
+ "grad_norm": 2.783100128173828,
539
+ "learning_rate": 9.252948299418255e-06,
540
+ "loss": 0.2657,
541
+ "step": 76
542
+ },
543
+ {
544
+ "epoch": 0.2646048109965636,
545
+ "grad_norm": 2.404728412628174,
546
+ "learning_rate": 9.220994543684225e-06,
547
+ "loss": 0.253,
548
+ "step": 77
549
+ },
550
+ {
551
+ "epoch": 0.26804123711340205,
552
+ "grad_norm": 43.180023193359375,
553
+ "learning_rate": 9.188429243149824e-06,
554
+ "loss": 0.3715,
555
+ "step": 78
556
+ },
557
+ {
558
+ "epoch": 0.27147766323024053,
559
+ "grad_norm": 27.71044158935547,
560
+ "learning_rate": 9.155257115930651e-06,
561
+ "loss": 0.2931,
562
+ "step": 79
563
+ },
564
+ {
565
+ "epoch": 0.27491408934707906,
566
+ "grad_norm": 10.407346725463867,
567
+ "learning_rate": 9.121482968060384e-06,
568
+ "loss": 0.255,
569
+ "step": 80
570
+ },
571
+ {
572
+ "epoch": 0.27835051546391754,
573
+ "grad_norm": 78.4120864868164,
574
+ "learning_rate": 9.08711169279446e-06,
575
+ "loss": 0.3034,
576
+ "step": 81
577
+ },
578
+ {
579
+ "epoch": 0.281786941580756,
580
+ "grad_norm": 7.269218444824219,
581
+ "learning_rate": 9.052148269901145e-06,
582
+ "loss": 0.2566,
583
+ "step": 82
584
+ },
585
+ {
586
+ "epoch": 0.2852233676975945,
587
+ "grad_norm": 20.143714904785156,
588
+ "learning_rate": 9.01659776494005e-06,
589
+ "loss": 0.2919,
590
+ "step": 83
591
+ },
592
+ {
593
+ "epoch": 0.28865979381443296,
594
+ "grad_norm": 10.443071365356445,
595
+ "learning_rate": 8.98046532852822e-06,
596
+ "loss": 0.2832,
597
+ "step": 84
598
+ },
599
+ {
600
+ "epoch": 0.2920962199312715,
601
+ "grad_norm": 3.284693956375122,
602
+ "learning_rate": 8.943756195593916e-06,
603
+ "loss": 0.2717,
604
+ "step": 85
605
+ },
606
+ {
607
+ "epoch": 0.29553264604810997,
608
+ "grad_norm": 5.021488189697266,
609
+ "learning_rate": 8.90647568461816e-06,
610
+ "loss": 0.2537,
611
+ "step": 86
612
+ },
613
+ {
614
+ "epoch": 0.29896907216494845,
615
+ "grad_norm": 11.737953186035156,
616
+ "learning_rate": 8.868629196864182e-06,
617
+ "loss": 0.2934,
618
+ "step": 87
619
+ },
620
+ {
621
+ "epoch": 0.3024054982817869,
622
+ "grad_norm": 6.13554573059082,
623
+ "learning_rate": 8.83022221559489e-06,
624
+ "loss": 0.2832,
625
+ "step": 88
626
+ },
627
+ {
628
+ "epoch": 0.30584192439862545,
629
+ "grad_norm": 3.5634255409240723,
630
+ "learning_rate": 8.791260305278434e-06,
631
+ "loss": 0.2358,
632
+ "step": 89
633
+ },
634
+ {
635
+ "epoch": 0.30927835051546393,
636
+ "grad_norm": 7.335002422332764,
637
+ "learning_rate": 8.751749110782013e-06,
638
+ "loss": 0.2539,
639
+ "step": 90
640
+ },
641
+ {
642
+ "epoch": 0.3127147766323024,
643
+ "grad_norm": 23.219636917114258,
644
+ "learning_rate": 8.71169435655405e-06,
645
+ "loss": 0.3195,
646
+ "step": 91
647
+ },
648
+ {
649
+ "epoch": 0.3161512027491409,
650
+ "grad_norm": 5.62996244430542,
651
+ "learning_rate": 8.671101845794816e-06,
652
+ "loss": 0.2813,
653
+ "step": 92
654
+ },
655
+ {
656
+ "epoch": 0.31958762886597936,
657
+ "grad_norm": 246.3622589111328,
658
+ "learning_rate": 8.629977459615655e-06,
659
+ "loss": 0.3332,
660
+ "step": 93
661
+ },
662
+ {
663
+ "epoch": 0.3230240549828179,
664
+ "grad_norm": 3.47241473197937,
665
+ "learning_rate": 8.588327156186915e-06,
666
+ "loss": 0.3132,
667
+ "step": 94
668
+ },
669
+ {
670
+ "epoch": 0.32646048109965636,
671
+ "grad_norm": 12.494342803955078,
672
+ "learning_rate": 8.546156969874723e-06,
673
+ "loss": 0.2885,
674
+ "step": 95
675
+ },
676
+ {
677
+ "epoch": 0.32989690721649484,
678
+ "grad_norm": 19.562833786010742,
679
+ "learning_rate": 8.503473010366713e-06,
680
+ "loss": 0.3113,
681
+ "step": 96
682
+ },
683
+ {
684
+ "epoch": 0.3333333333333333,
685
+ "grad_norm": 5.848825931549072,
686
+ "learning_rate": 8.460281461786848e-06,
687
+ "loss": 0.2473,
688
+ "step": 97
689
+ },
690
+ {
691
+ "epoch": 0.33676975945017185,
692
+ "grad_norm": 27.47506332397461,
693
+ "learning_rate": 8.416588581799447e-06,
694
+ "loss": 0.27,
695
+ "step": 98
696
+ },
697
+ {
698
+ "epoch": 0.3402061855670103,
699
+ "grad_norm": 4.550098419189453,
700
+ "learning_rate": 8.372400700702569e-06,
701
+ "loss": 0.2323,
702
+ "step": 99
703
+ },
704
+ {
705
+ "epoch": 0.3436426116838488,
706
+ "grad_norm": 6.158257007598877,
707
+ "learning_rate": 8.327724220510873e-06,
708
+ "loss": 0.2773,
709
+ "step": 100
710
+ },
711
+ {
712
+ "epoch": 0.3470790378006873,
713
+ "grad_norm": 15.120879173278809,
714
+ "learning_rate": 8.282565614028068e-06,
715
+ "loss": 0.3547,
716
+ "step": 101
717
+ },
718
+ {
719
+ "epoch": 0.35051546391752575,
720
+ "grad_norm": 8.835148811340332,
721
+ "learning_rate": 8.23693142390914e-06,
722
+ "loss": 0.3497,
723
+ "step": 102
724
+ },
725
+ {
726
+ "epoch": 0.3539518900343643,
727
+ "grad_norm": 3.3509395122528076,
728
+ "learning_rate": 8.19082826171243e-06,
729
+ "loss": 0.2595,
730
+ "step": 103
731
+ },
732
+ {
733
+ "epoch": 0.35738831615120276,
734
+ "grad_norm": 2.217836618423462,
735
+ "learning_rate": 8.144262806941743e-06,
736
+ "loss": 0.2627,
737
+ "step": 104
738
+ },
739
+ {
740
+ "epoch": 0.36082474226804123,
741
+ "grad_norm": 3.7441632747650146,
742
+ "learning_rate": 8.097241806078616e-06,
743
+ "loss": 0.2419,
744
+ "step": 105
745
+ },
746
+ {
747
+ "epoch": 0.3642611683848797,
748
+ "grad_norm": 4.696460723876953,
749
+ "learning_rate": 8.049772071604864e-06,
750
+ "loss": 0.2192,
751
+ "step": 106
752
+ },
753
+ {
754
+ "epoch": 0.36769759450171824,
755
+ "grad_norm": 2.353107452392578,
756
+ "learning_rate": 8.001860481015594e-06,
757
+ "loss": 0.2344,
758
+ "step": 107
759
+ },
760
+ {
761
+ "epoch": 0.3711340206185567,
762
+ "grad_norm": 3.926302194595337,
763
+ "learning_rate": 7.953513975822755e-06,
764
+ "loss": 0.2488,
765
+ "step": 108
766
+ },
767
+ {
768
+ "epoch": 0.3745704467353952,
769
+ "grad_norm": 2.4857568740844727,
770
+ "learning_rate": 7.904739560549475e-06,
771
+ "loss": 0.2549,
772
+ "step": 109
773
+ },
774
+ {
775
+ "epoch": 0.37800687285223367,
776
+ "grad_norm": 1.9949979782104492,
777
+ "learning_rate": 7.855544301715203e-06,
778
+ "loss": 0.2495,
779
+ "step": 110
780
+ },
781
+ {
782
+ "epoch": 0.38144329896907214,
783
+ "grad_norm": 1.9867693185806274,
784
+ "learning_rate": 7.805935326811913e-06,
785
+ "loss": 0.2615,
786
+ "step": 111
787
+ },
788
+ {
789
+ "epoch": 0.3848797250859107,
790
+ "grad_norm": 2.11623477935791,
791
+ "learning_rate": 7.755919823271466e-06,
792
+ "loss": 0.2724,
793
+ "step": 112
794
+ },
795
+ {
796
+ "epoch": 0.38831615120274915,
797
+ "grad_norm": 1.8944286108016968,
798
+ "learning_rate": 7.70550503742427e-06,
799
+ "loss": 0.2187,
800
+ "step": 113
801
+ },
802
+ {
803
+ "epoch": 0.3917525773195876,
804
+ "grad_norm": 1.738309621810913,
805
+ "learning_rate": 7.654698273449435e-06,
806
+ "loss": 0.2417,
807
+ "step": 114
808
+ },
809
+ {
810
+ "epoch": 0.3951890034364261,
811
+ "grad_norm": 2.1811163425445557,
812
+ "learning_rate": 7.603506892316513e-06,
813
+ "loss": 0.2557,
814
+ "step": 115
815
+ },
816
+ {
817
+ "epoch": 0.39862542955326463,
818
+ "grad_norm": 2.0165836811065674,
819
+ "learning_rate": 7.551938310719043e-06,
820
+ "loss": 0.2231,
821
+ "step": 116
822
+ },
823
+ {
824
+ "epoch": 0.4020618556701031,
825
+ "grad_norm": 2.3740527629852295,
826
+ "learning_rate": 7.500000000000001e-06,
827
+ "loss": 0.2434,
828
+ "step": 117
829
+ },
830
+ {
831
+ "epoch": 0.4054982817869416,
832
+ "grad_norm": 1.8591188192367554,
833
+ "learning_rate": 7.447699485069342e-06,
834
+ "loss": 0.2275,
835
+ "step": 118
836
+ },
837
+ {
838
+ "epoch": 0.40893470790378006,
839
+ "grad_norm": 1.9685182571411133,
840
+ "learning_rate": 7.395044343313777e-06,
841
+ "loss": 0.237,
842
+ "step": 119
843
+ },
844
+ {
845
+ "epoch": 0.41237113402061853,
846
+ "grad_norm": 2.128818988800049,
847
+ "learning_rate": 7.342042203498952e-06,
848
+ "loss": 0.229,
849
+ "step": 120
850
+ },
851
+ {
852
+ "epoch": 0.41580756013745707,
853
+ "grad_norm": 2.165508508682251,
854
+ "learning_rate": 7.288700744664167e-06,
855
+ "loss": 0.2479,
856
+ "step": 121
857
+ },
858
+ {
859
+ "epoch": 0.41924398625429554,
860
+ "grad_norm": 2.245380401611328,
861
+ "learning_rate": 7.235027695009846e-06,
862
+ "loss": 0.2684,
863
+ "step": 122
864
+ },
865
+ {
866
+ "epoch": 0.422680412371134,
867
+ "grad_norm": 1.7729967832565308,
868
+ "learning_rate": 7.181030830777838e-06,
869
+ "loss": 0.2387,
870
+ "step": 123
871
+ },
872
+ {
873
+ "epoch": 0.4261168384879725,
874
+ "grad_norm": 2.2421905994415283,
875
+ "learning_rate": 7.1267179751248005e-06,
876
+ "loss": 0.2396,
877
+ "step": 124
878
+ },
879
+ {
880
+ "epoch": 0.42955326460481097,
881
+ "grad_norm": 1.9419755935668945,
882
+ "learning_rate": 7.0720969969887595e-06,
883
+ "loss": 0.2378,
884
+ "step": 125
885
+ },
886
+ {
887
+ "epoch": 0.4329896907216495,
888
+ "grad_norm": 1.8938632011413574,
889
+ "learning_rate": 7.017175809949044e-06,
890
+ "loss": 0.2361,
891
+ "step": 126
892
+ },
893
+ {
894
+ "epoch": 0.436426116838488,
895
+ "grad_norm": 2.994981288909912,
896
+ "learning_rate": 6.961962371079752e-06,
897
+ "loss": 0.2528,
898
+ "step": 127
899
+ },
900
+ {
901
+ "epoch": 0.43986254295532645,
902
+ "grad_norm": 2.047788381576538,
903
+ "learning_rate": 6.906464679796927e-06,
904
+ "loss": 0.2513,
905
+ "step": 128
906
+ },
907
+ {
908
+ "epoch": 0.44329896907216493,
909
+ "grad_norm": 2.0908901691436768,
910
+ "learning_rate": 6.850690776699574e-06,
911
+ "loss": 0.2152,
912
+ "step": 129
913
+ },
914
+ {
915
+ "epoch": 0.44673539518900346,
916
+ "grad_norm": 2.4644296169281006,
917
+ "learning_rate": 6.79464874240473e-06,
918
+ "loss": 0.2634,
919
+ "step": 130
920
+ },
921
+ {
922
+ "epoch": 0.45017182130584193,
923
+ "grad_norm": 1.8732101917266846,
924
+ "learning_rate": 6.7383466963767386e-06,
925
+ "loss": 0.2495,
926
+ "step": 131
927
+ },
928
+ {
929
+ "epoch": 0.4536082474226804,
930
+ "grad_norm": 1.7661372423171997,
931
+ "learning_rate": 6.681792795750876e-06,
932
+ "loss": 0.232,
933
+ "step": 132
934
+ },
935
+ {
936
+ "epoch": 0.4570446735395189,
937
+ "grad_norm": 2.330557346343994,
938
+ "learning_rate": 6.624995234151539e-06,
939
+ "loss": 0.2477,
940
+ "step": 133
941
+ },
942
+ {
943
+ "epoch": 0.46048109965635736,
944
+ "grad_norm": 1.983845829963684,
945
+ "learning_rate": 6.567962240505136e-06,
946
+ "loss": 0.2258,
947
+ "step": 134
948
+ },
949
+ {
950
+ "epoch": 0.4639175257731959,
951
+ "grad_norm": 2.0565247535705566,
952
+ "learning_rate": 6.510702077847864e-06,
953
+ "loss": 0.2561,
954
+ "step": 135
955
+ },
956
+ {
957
+ "epoch": 0.46735395189003437,
958
+ "grad_norm": 1.5290687084197998,
959
+ "learning_rate": 6.453223042128556e-06,
960
+ "loss": 0.2033,
961
+ "step": 136
962
+ },
963
+ {
964
+ "epoch": 0.47079037800687284,
965
+ "grad_norm": 2.0628135204315186,
966
+ "learning_rate": 6.395533461006736e-06,
967
+ "loss": 0.2301,
968
+ "step": 137
969
+ },
970
+ {
971
+ "epoch": 0.4742268041237113,
972
+ "grad_norm": 2.0989890098571777,
973
+ "learning_rate": 6.337641692646106e-06,
974
+ "loss": 0.2604,
975
+ "step": 138
976
+ },
977
+ {
978
+ "epoch": 0.47766323024054985,
979
+ "grad_norm": 2.038011312484741,
980
+ "learning_rate": 6.2795561245035895e-06,
981
+ "loss": 0.2476,
982
+ "step": 139
983
+ },
984
+ {
985
+ "epoch": 0.48109965635738833,
986
+ "grad_norm": 1.9224317073822021,
987
+ "learning_rate": 6.221285172114156e-06,
988
+ "loss": 0.2594,
989
+ "step": 140
990
+ },
991
+ {
992
+ "epoch": 0.4845360824742268,
993
+ "grad_norm": 2.059175968170166,
994
+ "learning_rate": 6.162837277871553e-06,
995
+ "loss": 0.2318,
996
+ "step": 141
997
+ },
998
+ {
999
+ "epoch": 0.4879725085910653,
1000
+ "grad_norm": 1.8125061988830566,
1001
+ "learning_rate": 6.104220909805162e-06,
1002
+ "loss": 0.2402,
1003
+ "step": 142
1004
+ },
1005
+ {
1006
+ "epoch": 0.49140893470790376,
1007
+ "grad_norm": 1.5063058137893677,
1008
+ "learning_rate": 6.045444560353136e-06,
1009
+ "loss": 0.1993,
1010
+ "step": 143
1011
+ },
1012
+ {
1013
+ "epoch": 0.4948453608247423,
1014
+ "grad_norm": 2.565854787826538,
1015
+ "learning_rate": 5.986516745132e-06,
1016
+ "loss": 0.2047,
1017
+ "step": 144
1018
+ },
1019
+ {
1020
+ "epoch": 0.49828178694158076,
1021
+ "grad_norm": 4.078191757202148,
1022
+ "learning_rate": 5.927446001702899e-06,
1023
+ "loss": 0.2431,
1024
+ "step": 145
1025
+ },
1026
+ {
1027
+ "epoch": 0.5017182130584192,
1028
+ "grad_norm": 1.974707841873169,
1029
+ "learning_rate": 5.8682408883346535e-06,
1030
+ "loss": 0.2379,
1031
+ "step": 146
1032
+ },
1033
+ {
1034
+ "epoch": 0.5051546391752577,
1035
+ "grad_norm": 1.824198603630066,
1036
+ "learning_rate": 5.808909982763825e-06,
1037
+ "loss": 0.237,
1038
+ "step": 147
1039
+ },
1040
+ {
1041
+ "epoch": 0.5085910652920962,
1042
+ "grad_norm": 1.805503010749817,
1043
+ "learning_rate": 5.749461880951966e-06,
1044
+ "loss": 0.2417,
1045
+ "step": 148
1046
+ },
1047
+ {
1048
+ "epoch": 0.5120274914089347,
1049
+ "grad_norm": 1.6662133932113647,
1050
+ "learning_rate": 5.689905195840216e-06,
1051
+ "loss": 0.2283,
1052
+ "step": 149
1053
+ },
1054
+ {
1055
+ "epoch": 0.5154639175257731,
1056
+ "grad_norm": 1.7907216548919678,
1057
+ "learning_rate": 5.630248556101448e-06,
1058
+ "loss": 0.2196,
1059
+ "step": 150
1060
+ },
1061
+ {
1062
+ "epoch": 0.5189003436426117,
1063
+ "grad_norm": 2.185821056365967,
1064
+ "learning_rate": 5.570500604890124e-06,
1065
+ "loss": 0.253,
1066
+ "step": 151
1067
+ },
1068
+ {
1069
+ "epoch": 0.5223367697594502,
1070
+ "grad_norm": 1.7748606204986572,
1071
+ "learning_rate": 5.510669998590074e-06,
1072
+ "loss": 0.239,
1073
+ "step": 152
1074
+ },
1075
+ {
1076
+ "epoch": 0.5257731958762887,
1077
+ "grad_norm": 1.6255580186843872,
1078
+ "learning_rate": 5.450765405560328e-06,
1079
+ "loss": 0.2045,
1080
+ "step": 153
1081
+ },
1082
+ {
1083
+ "epoch": 0.5292096219931272,
1084
+ "grad_norm": 2.2421576976776123,
1085
+ "learning_rate": 5.390795504879243e-06,
1086
+ "loss": 0.255,
1087
+ "step": 154
1088
+ },
1089
+ {
1090
+ "epoch": 0.5326460481099656,
1091
+ "grad_norm": 1.955019235610962,
1092
+ "learning_rate": 5.330768985087059e-06,
1093
+ "loss": 0.2672,
1094
+ "step": 155
1095
+ },
1096
+ {
1097
+ "epoch": 0.5360824742268041,
1098
+ "grad_norm": 2.139021635055542,
1099
+ "learning_rate": 5.270694542927089e-06,
1100
+ "loss": 0.2541,
1101
+ "step": 156
1102
+ },
1103
+ {
1104
+ "epoch": 0.5395189003436426,
1105
+ "grad_norm": 1.765238881111145,
1106
+ "learning_rate": 5.2105808820857126e-06,
1107
+ "loss": 0.2346,
1108
+ "step": 157
1109
+ },
1110
+ {
1111
+ "epoch": 0.5429553264604811,
1112
+ "grad_norm": 2.081233263015747,
1113
+ "learning_rate": 5.150436711931387e-06,
1114
+ "loss": 0.2364,
1115
+ "step": 158
1116
+ },
1117
+ {
1118
+ "epoch": 0.5463917525773195,
1119
+ "grad_norm": 1.6718120574951172,
1120
+ "learning_rate": 5.090270746252803e-06,
1121
+ "loss": 0.2235,
1122
+ "step": 159
1123
+ },
1124
+ {
1125
+ "epoch": 0.5498281786941581,
1126
+ "grad_norm": 1.3806819915771484,
1127
+ "learning_rate": 5.030091701996428e-06,
1128
+ "loss": 0.1985,
1129
+ "step": 160
1130
+ },
1131
+ {
1132
+ "epoch": 0.5532646048109966,
1133
+ "grad_norm": 1.6870397329330444,
1134
+ "learning_rate": 4.9699082980035735e-06,
1135
+ "loss": 0.227,
1136
+ "step": 161
1137
+ },
1138
+ {
1139
+ "epoch": 0.5567010309278351,
1140
+ "grad_norm": 2.0057849884033203,
1141
+ "learning_rate": 4.909729253747197e-06,
1142
+ "loss": 0.2442,
1143
+ "step": 162
1144
+ },
1145
+ {
1146
+ "epoch": 0.5601374570446735,
1147
+ "grad_norm": 1.9310015439987183,
1148
+ "learning_rate": 4.8495632880686155e-06,
1149
+ "loss": 0.2309,
1150
+ "step": 163
1151
+ },
1152
+ {
1153
+ "epoch": 0.563573883161512,
1154
+ "grad_norm": 1.8504823446273804,
1155
+ "learning_rate": 4.789419117914288e-06,
1156
+ "loss": 0.2261,
1157
+ "step": 164
1158
+ },
1159
+ {
1160
+ "epoch": 0.5670103092783505,
1161
+ "grad_norm": 1.8687225580215454,
1162
+ "learning_rate": 4.729305457072913e-06,
1163
+ "loss": 0.2447,
1164
+ "step": 165
1165
+ },
1166
+ {
1167
+ "epoch": 0.570446735395189,
1168
+ "grad_norm": 1.7692251205444336,
1169
+ "learning_rate": 4.6692310149129425e-06,
1170
+ "loss": 0.2236,
1171
+ "step": 166
1172
+ },
1173
+ {
1174
+ "epoch": 0.5738831615120275,
1175
+ "grad_norm": 1.6962001323699951,
1176
+ "learning_rate": 4.609204495120759e-06,
1177
+ "loss": 0.1953,
1178
+ "step": 167
1179
+ },
1180
+ {
1181
+ "epoch": 0.5773195876288659,
1182
+ "grad_norm": 2.1945459842681885,
1183
+ "learning_rate": 4.549234594439674e-06,
1184
+ "loss": 0.2232,
1185
+ "step": 168
1186
+ },
1187
+ {
1188
+ "epoch": 0.5807560137457045,
1189
+ "grad_norm": 1.8168156147003174,
1190
+ "learning_rate": 4.489330001409929e-06,
1191
+ "loss": 0.2177,
1192
+ "step": 169
1193
+ },
1194
+ {
1195
+ "epoch": 0.584192439862543,
1196
+ "grad_norm": 1.6398793458938599,
1197
+ "learning_rate": 4.429499395109877e-06,
1198
+ "loss": 0.2371,
1199
+ "step": 170
1200
+ },
1201
+ {
1202
+ "epoch": 0.5876288659793815,
1203
+ "grad_norm": 1.975156307220459,
1204
+ "learning_rate": 4.369751443898554e-06,
1205
+ "loss": 0.2212,
1206
+ "step": 171
1207
+ },
1208
+ {
1209
+ "epoch": 0.5910652920962199,
1210
+ "grad_norm": 1.844821572303772,
1211
+ "learning_rate": 4.310094804159784e-06,
1212
+ "loss": 0.2177,
1213
+ "step": 172
1214
+ },
1215
+ {
1216
+ "epoch": 0.5945017182130584,
1217
+ "grad_norm": 1.8924890756607056,
1218
+ "learning_rate": 4.250538119048036e-06,
1219
+ "loss": 0.2625,
1220
+ "step": 173
1221
+ },
1222
+ {
1223
+ "epoch": 0.5979381443298969,
1224
+ "grad_norm": 1.8228974342346191,
1225
+ "learning_rate": 4.191090017236177e-06,
1226
+ "loss": 0.2409,
1227
+ "step": 174
1228
+ },
1229
+ {
1230
+ "epoch": 0.6013745704467354,
1231
+ "grad_norm": 1.6296133995056152,
1232
+ "learning_rate": 4.131759111665349e-06,
1233
+ "loss": 0.2269,
1234
+ "step": 175
1235
+ },
1236
+ {
1237
+ "epoch": 0.6048109965635738,
1238
+ "grad_norm": 1.6581981182098389,
1239
+ "learning_rate": 4.072553998297103e-06,
1240
+ "loss": 0.2257,
1241
+ "step": 176
1242
+ },
1243
+ {
1244
+ "epoch": 0.6082474226804123,
1245
+ "grad_norm": 1.5767498016357422,
1246
+ "learning_rate": 4.013483254868001e-06,
1247
+ "loss": 0.1993,
1248
+ "step": 177
1249
+ },
1250
+ {
1251
+ "epoch": 0.6116838487972509,
1252
+ "grad_norm": 1.7926667928695679,
1253
+ "learning_rate": 3.9545554396468655e-06,
1254
+ "loss": 0.2371,
1255
+ "step": 178
1256
+ },
1257
+ {
1258
+ "epoch": 0.6151202749140894,
1259
+ "grad_norm": 1.4467085599899292,
1260
+ "learning_rate": 3.89577909019484e-06,
1261
+ "loss": 0.2077,
1262
+ "step": 179
1263
+ },
1264
+ {
1265
+ "epoch": 0.6185567010309279,
1266
+ "grad_norm": 1.5783424377441406,
1267
+ "learning_rate": 3.8371627221284495e-06,
1268
+ "loss": 0.2264,
1269
+ "step": 180
1270
+ },
1271
+ {
1272
+ "epoch": 0.6219931271477663,
1273
+ "grad_norm": 1.6146835088729858,
1274
+ "learning_rate": 3.7787148278858453e-06,
1275
+ "loss": 0.2351,
1276
+ "step": 181
1277
+ },
1278
+ {
1279
+ "epoch": 0.6254295532646048,
1280
+ "grad_norm": 1.396660566329956,
1281
+ "learning_rate": 3.7204438754964113e-06,
1282
+ "loss": 0.1975,
1283
+ "step": 182
1284
+ },
1285
+ {
1286
+ "epoch": 0.6288659793814433,
1287
+ "grad_norm": 2.4335689544677734,
1288
+ "learning_rate": 3.662358307353897e-06,
1289
+ "loss": 0.2304,
1290
+ "step": 183
1291
+ },
1292
+ {
1293
+ "epoch": 0.6323024054982818,
1294
+ "grad_norm": 1.6264203786849976,
1295
+ "learning_rate": 3.6044665389932663e-06,
1296
+ "loss": 0.2316,
1297
+ "step": 184
1298
+ },
1299
+ {
1300
+ "epoch": 0.6357388316151202,
1301
+ "grad_norm": 1.5158411264419556,
1302
+ "learning_rate": 3.5467769578714455e-06,
1303
+ "loss": 0.1917,
1304
+ "step": 185
1305
+ },
1306
+ {
1307
+ "epoch": 0.6391752577319587,
1308
+ "grad_norm": 1.5340527296066284,
1309
+ "learning_rate": 3.489297922152136e-06,
1310
+ "loss": 0.2033,
1311
+ "step": 186
1312
+ },
1313
+ {
1314
+ "epoch": 0.6426116838487973,
1315
+ "grad_norm": 1.5632439851760864,
1316
+ "learning_rate": 3.432037759494867e-06,
1317
+ "loss": 0.2151,
1318
+ "step": 187
1319
+ },
1320
+ {
1321
+ "epoch": 0.6460481099656358,
1322
+ "grad_norm": 1.4948574304580688,
1323
+ "learning_rate": 3.375004765848463e-06,
1324
+ "loss": 0.1956,
1325
+ "step": 188
1326
+ },
1327
+ {
1328
+ "epoch": 0.6494845360824743,
1329
+ "grad_norm": 1.7845014333724976,
1330
+ "learning_rate": 3.3182072042491244e-06,
1331
+ "loss": 0.2324,
1332
+ "step": 189
1333
+ },
1334
+ {
1335
+ "epoch": 0.6529209621993127,
1336
+ "grad_norm": 1.7569440603256226,
1337
+ "learning_rate": 3.2616533036232635e-06,
1338
+ "loss": 0.2081,
1339
+ "step": 190
1340
+ },
1341
+ {
1342
+ "epoch": 0.6563573883161512,
1343
+ "grad_norm": 1.8459192514419556,
1344
+ "learning_rate": 3.205351257595272e-06,
1345
+ "loss": 0.216,
1346
+ "step": 191
1347
+ },
1348
+ {
1349
+ "epoch": 0.6597938144329897,
1350
+ "grad_norm": 1.843494176864624,
1351
+ "learning_rate": 3.149309223300428e-06,
1352
+ "loss": 0.1951,
1353
+ "step": 192
1354
+ },
1355
+ {
1356
+ "epoch": 0.6632302405498282,
1357
+ "grad_norm": 1.4652260541915894,
1358
+ "learning_rate": 3.093535320203074e-06,
1359
+ "loss": 0.2079,
1360
+ "step": 193
1361
+ },
1362
+ {
1363
+ "epoch": 0.6666666666666666,
1364
+ "grad_norm": 2.8526852130889893,
1365
+ "learning_rate": 3.0380376289202497e-06,
1366
+ "loss": 0.225,
1367
+ "step": 194
1368
+ },
1369
+ {
1370
+ "epoch": 0.6701030927835051,
1371
+ "grad_norm": 1.7010999917984009,
1372
+ "learning_rate": 2.982824190050958e-06,
1373
+ "loss": 0.2122,
1374
+ "step": 195
1375
+ },
1376
+ {
1377
+ "epoch": 0.6735395189003437,
1378
+ "grad_norm": 1.4640144109725952,
1379
+ "learning_rate": 2.927903003011241e-06,
1380
+ "loss": 0.1999,
1381
+ "step": 196
1382
+ },
1383
+ {
1384
+ "epoch": 0.6769759450171822,
1385
+ "grad_norm": 1.8528066873550415,
1386
+ "learning_rate": 2.8732820248752016e-06,
1387
+ "loss": 0.2314,
1388
+ "step": 197
1389
+ },
1390
+ {
1391
+ "epoch": 0.6804123711340206,
1392
+ "grad_norm": 1.4770729541778564,
1393
+ "learning_rate": 2.8189691692221627e-06,
1394
+ "loss": 0.2131,
1395
+ "step": 198
1396
+ },
1397
+ {
1398
+ "epoch": 0.6838487972508591,
1399
+ "grad_norm": 1.4935646057128906,
1400
+ "learning_rate": 2.7649723049901554e-06,
1401
+ "loss": 0.2224,
1402
+ "step": 199
1403
+ },
1404
+ {
1405
+ "epoch": 0.6872852233676976,
1406
+ "grad_norm": 1.4355649948120117,
1407
+ "learning_rate": 2.711299255335833e-06,
1408
+ "loss": 0.2107,
1409
+ "step": 200
1410
+ },
1411
+ {
1412
+ "epoch": 0.6907216494845361,
1413
+ "grad_norm": 1.4284039735794067,
1414
+ "learning_rate": 2.65795779650105e-06,
1415
+ "loss": 0.2052,
1416
+ "step": 201
1417
+ },
1418
+ {
1419
+ "epoch": 0.6941580756013745,
1420
+ "grad_norm": 1.5143457651138306,
1421
+ "learning_rate": 2.6049556566862234e-06,
1422
+ "loss": 0.2048,
1423
+ "step": 202
1424
+ },
1425
+ {
1426
+ "epoch": 0.697594501718213,
1427
+ "grad_norm": 1.5933135747909546,
1428
+ "learning_rate": 2.552300514930657e-06,
1429
+ "loss": 0.2108,
1430
+ "step": 203
1431
+ },
1432
+ {
1433
+ "epoch": 0.7010309278350515,
1434
+ "grad_norm": 1.5805060863494873,
1435
+ "learning_rate": 2.5000000000000015e-06,
1436
+ "loss": 0.2025,
1437
+ "step": 204
1438
+ },
1439
+ {
1440
+ "epoch": 0.7044673539518901,
1441
+ "grad_norm": 1.3695785999298096,
1442
+ "learning_rate": 2.4480616892809593e-06,
1443
+ "loss": 0.1826,
1444
+ "step": 205
1445
+ },
1446
+ {
1447
+ "epoch": 0.7079037800687286,
1448
+ "grad_norm": 1.6005311012268066,
1449
+ "learning_rate": 2.396493107683488e-06,
1450
+ "loss": 0.2081,
1451
+ "step": 206
1452
+ },
1453
+ {
1454
+ "epoch": 0.711340206185567,
1455
+ "grad_norm": 2.1187644004821777,
1456
+ "learning_rate": 2.345301726550567e-06,
1457
+ "loss": 0.1892,
1458
+ "step": 207
1459
+ },
1460
+ {
1461
+ "epoch": 0.7147766323024055,
1462
+ "grad_norm": 1.6073172092437744,
1463
+ "learning_rate": 2.2944949625757295e-06,
1464
+ "loss": 0.2135,
1465
+ "step": 208
1466
+ },
1467
+ {
1468
+ "epoch": 0.718213058419244,
1469
+ "grad_norm": 1.3255120515823364,
1470
+ "learning_rate": 2.244080176728536e-06,
1471
+ "loss": 0.1935,
1472
+ "step": 209
1473
+ },
1474
+ {
1475
+ "epoch": 0.7216494845360825,
1476
+ "grad_norm": 1.670796275138855,
1477
+ "learning_rate": 2.1940646731880887e-06,
1478
+ "loss": 0.217,
1479
+ "step": 210
1480
+ },
1481
+ {
1482
+ "epoch": 0.7250859106529209,
1483
+ "grad_norm": 1.5352182388305664,
1484
+ "learning_rate": 2.1444556982847996e-06,
1485
+ "loss": 0.2092,
1486
+ "step": 211
1487
+ },
1488
+ {
1489
+ "epoch": 0.7285223367697594,
1490
+ "grad_norm": 1.4349397420883179,
1491
+ "learning_rate": 2.095260439450526e-06,
1492
+ "loss": 0.1905,
1493
+ "step": 212
1494
+ },
1495
+ {
1496
+ "epoch": 0.7319587628865979,
1497
+ "grad_norm": 1.708699345588684,
1498
+ "learning_rate": 2.0464860241772454e-06,
1499
+ "loss": 0.2018,
1500
+ "step": 213
1501
+ },
1502
+ {
1503
+ "epoch": 0.7353951890034365,
1504
+ "grad_norm": 1.4706976413726807,
1505
+ "learning_rate": 1.998139518984409e-06,
1506
+ "loss": 0.2004,
1507
+ "step": 214
1508
+ },
1509
+ {
1510
+ "epoch": 0.738831615120275,
1511
+ "grad_norm": 1.793593406677246,
1512
+ "learning_rate": 1.9502279283951363e-06,
1513
+ "loss": 0.2248,
1514
+ "step": 215
1515
+ },
1516
+ {
1517
+ "epoch": 0.7422680412371134,
1518
+ "grad_norm": 1.248917818069458,
1519
+ "learning_rate": 1.9027581939213852e-06,
1520
+ "loss": 0.1693,
1521
+ "step": 216
1522
+ },
1523
+ {
1524
+ "epoch": 0.7457044673539519,
1525
+ "grad_norm": 1.5068672895431519,
1526
+ "learning_rate": 1.8557371930582579e-06,
1527
+ "loss": 0.2044,
1528
+ "step": 217
1529
+ },
1530
+ {
1531
+ "epoch": 0.7491408934707904,
1532
+ "grad_norm": 1.4568971395492554,
1533
+ "learning_rate": 1.8091717382875723e-06,
1534
+ "loss": 0.2046,
1535
+ "step": 218
1536
+ },
1537
+ {
1538
+ "epoch": 0.7525773195876289,
1539
+ "grad_norm": 1.6441450119018555,
1540
+ "learning_rate": 1.7630685760908623e-06,
1541
+ "loss": 0.2039,
1542
+ "step": 219
1543
+ },
1544
+ {
1545
+ "epoch": 0.7560137457044673,
1546
+ "grad_norm": 1.586878776550293,
1547
+ "learning_rate": 1.7174343859719334e-06,
1548
+ "loss": 0.1999,
1549
+ "step": 220
1550
+ },
1551
+ {
1552
+ "epoch": 0.7594501718213058,
1553
+ "grad_norm": 1.4591821432113647,
1554
+ "learning_rate": 1.6722757794891287e-06,
1555
+ "loss": 0.1955,
1556
+ "step": 221
1557
+ },
1558
+ {
1559
+ "epoch": 0.7628865979381443,
1560
+ "grad_norm": 1.258337140083313,
1561
+ "learning_rate": 1.627599299297431e-06,
1562
+ "loss": 0.1889,
1563
+ "step": 222
1564
+ },
1565
+ {
1566
+ "epoch": 0.7663230240549829,
1567
+ "grad_norm": 1.4574586153030396,
1568
+ "learning_rate": 1.5834114182005544e-06,
1569
+ "loss": 0.2064,
1570
+ "step": 223
1571
+ },
1572
+ {
1573
+ "epoch": 0.7697594501718213,
1574
+ "grad_norm": 1.4049776792526245,
1575
+ "learning_rate": 1.5397185382131524e-06,
1576
+ "loss": 0.1849,
1577
+ "step": 224
1578
+ },
1579
+ {
1580
+ "epoch": 0.7731958762886598,
1581
+ "grad_norm": 1.3771268129348755,
1582
+ "learning_rate": 1.4965269896332884e-06,
1583
+ "loss": 0.1912,
1584
+ "step": 225
1585
+ },
1586
+ {
1587
+ "epoch": 0.7766323024054983,
1588
+ "grad_norm": 1.778815507888794,
1589
+ "learning_rate": 1.4538430301252783e-06,
1590
+ "loss": 0.2297,
1591
+ "step": 226
1592
+ },
1593
+ {
1594
+ "epoch": 0.7800687285223368,
1595
+ "grad_norm": 1.5148082971572876,
1596
+ "learning_rate": 1.411672843813086e-06,
1597
+ "loss": 0.2015,
1598
+ "step": 227
1599
+ },
1600
+ {
1601
+ "epoch": 0.7835051546391752,
1602
+ "grad_norm": 1.6724814176559448,
1603
+ "learning_rate": 1.370022540384347e-06,
1604
+ "loss": 0.205,
1605
+ "step": 228
1606
+ },
1607
+ {
1608
+ "epoch": 0.7869415807560137,
1609
+ "grad_norm": 1.5340983867645264,
1610
+ "learning_rate": 1.3288981542051844e-06,
1611
+ "loss": 0.1985,
1612
+ "step": 229
1613
+ },
1614
+ {
1615
+ "epoch": 0.7903780068728522,
1616
+ "grad_norm": 1.5708106756210327,
1617
+ "learning_rate": 1.2883056434459506e-06,
1618
+ "loss": 0.1761,
1619
+ "step": 230
1620
+ },
1621
+ {
1622
+ "epoch": 0.7938144329896907,
1623
+ "grad_norm": 1.4276490211486816,
1624
+ "learning_rate": 1.2482508892179884e-06,
1625
+ "loss": 0.1698,
1626
+ "step": 231
1627
+ },
1628
+ {
1629
+ "epoch": 0.7972508591065293,
1630
+ "grad_norm": 1.535973072052002,
1631
+ "learning_rate": 1.2087396947215678e-06,
1632
+ "loss": 0.1936,
1633
+ "step": 232
1634
+ },
1635
+ {
1636
+ "epoch": 0.8006872852233677,
1637
+ "grad_norm": 1.74392569065094,
1638
+ "learning_rate": 1.1697777844051105e-06,
1639
+ "loss": 0.2167,
1640
+ "step": 233
1641
+ },
1642
+ {
1643
+ "epoch": 0.8041237113402062,
1644
+ "grad_norm": 1.5829018354415894,
1645
+ "learning_rate": 1.1313708031358183e-06,
1646
+ "loss": 0.183,
1647
+ "step": 234
1648
+ },
1649
+ {
1650
+ "epoch": 0.8075601374570447,
1651
+ "grad_norm": 1.7776228189468384,
1652
+ "learning_rate": 1.0935243153818437e-06,
1653
+ "loss": 0.1954,
1654
+ "step": 235
1655
+ },
1656
+ {
1657
+ "epoch": 0.8109965635738832,
1658
+ "grad_norm": 1.4006965160369873,
1659
+ "learning_rate": 1.0562438044060846e-06,
1660
+ "loss": 0.1641,
1661
+ "step": 236
1662
+ },
1663
+ {
1664
+ "epoch": 0.8144329896907216,
1665
+ "grad_norm": 1.2554253339767456,
1666
+ "learning_rate": 1.0195346714717813e-06,
1667
+ "loss": 0.1741,
1668
+ "step": 237
1669
+ },
1670
+ {
1671
+ "epoch": 0.8178694158075601,
1672
+ "grad_norm": 1.3889808654785156,
1673
+ "learning_rate": 9.834022350599538e-07,
1674
+ "loss": 0.1986,
1675
+ "step": 238
1676
+ },
1677
+ {
1678
+ "epoch": 0.8213058419243986,
1679
+ "grad_norm": 1.445722222328186,
1680
+ "learning_rate": 9.47851730098856e-07,
1681
+ "loss": 0.188,
1682
+ "step": 239
1683
+ },
1684
+ {
1685
+ "epoch": 0.8247422680412371,
1686
+ "grad_norm": 2.1535000801086426,
1687
+ "learning_rate": 9.128883072055411e-07,
1688
+ "loss": 0.1964,
1689
+ "step": 240
1690
+ },
1691
+ {
1692
+ "epoch": 0.8281786941580757,
1693
+ "grad_norm": 1.418982982635498,
1694
+ "learning_rate": 8.785170319396174e-07,
1695
+ "loss": 0.196,
1696
+ "step": 241
1697
+ },
1698
+ {
1699
+ "epoch": 0.8316151202749141,
1700
+ "grad_norm": 1.3374110460281372,
1701
+ "learning_rate": 8.447428840693489e-07,
1702
+ "loss": 0.1874,
1703
+ "step": 242
1704
+ },
1705
+ {
1706
+ "epoch": 0.8350515463917526,
1707
+ "grad_norm": 1.5425893068313599,
1708
+ "learning_rate": 8.115707568501768e-07,
1709
+ "loss": 0.1902,
1710
+ "step": 243
1711
+ },
1712
+ {
1713
+ "epoch": 0.8384879725085911,
1714
+ "grad_norm": 1.5052316188812256,
1715
+ "learning_rate": 7.790054563157745e-07,
1716
+ "loss": 0.2103,
1717
+ "step": 244
1718
+ },
1719
+ {
1720
+ "epoch": 0.8419243986254296,
1721
+ "grad_norm": 1.2446677684783936,
1722
+ "learning_rate": 7.470517005817473e-07,
1723
+ "loss": 0.1666,
1724
+ "step": 245
1725
+ },
1726
+ {
1727
+ "epoch": 0.845360824742268,
1728
+ "grad_norm": 1.8422250747680664,
1729
+ "learning_rate": 7.157141191620548e-07,
1730
+ "loss": 0.2279,
1731
+ "step": 246
1732
+ },
1733
+ {
1734
+ "epoch": 0.8487972508591065,
1735
+ "grad_norm": 1.4875450134277344,
1736
+ "learning_rate": 6.849972522982845e-07,
1737
+ "loss": 0.1936,
1738
+ "step": 247
1739
+ },
1740
+ {
1741
+ "epoch": 0.852233676975945,
1742
+ "grad_norm": 1.4318687915802002,
1743
+ "learning_rate": 6.549055503018575e-07,
1744
+ "loss": 0.197,
1745
+ "step": 248
1746
+ },
1747
+ {
1748
+ "epoch": 0.8556701030927835,
1749
+ "grad_norm": 1.6211766004562378,
1750
+ "learning_rate": 6.254433729092518e-07,
1751
+ "loss": 0.1985,
1752
+ "step": 249
1753
+ },
1754
+ {
1755
+ "epoch": 0.8591065292096219,
1756
+ "grad_norm": 1.6111860275268555,
1757
+ "learning_rate": 5.966149886503614e-07,
1758
+ "loss": 0.1801,
1759
+ "step": 250
1760
+ },
1761
+ {
1762
+ "epoch": 0.8625429553264605,
1763
+ "grad_norm": 1.6115210056304932,
1764
+ "learning_rate": 5.684245742300625e-07,
1765
+ "loss": 0.1917,
1766
+ "step": 251
1767
+ },
1768
+ {
1769
+ "epoch": 0.865979381443299,
1770
+ "grad_norm": 1.3563942909240723,
1771
+ "learning_rate": 5.408762139230889e-07,
1772
+ "loss": 0.1807,
1773
+ "step": 252
1774
+ },
1775
+ {
1776
+ "epoch": 0.8694158075601375,
1777
+ "grad_norm": 1.3219175338745117,
1778
+ "learning_rate": 5.139738989822901e-07,
1779
+ "loss": 0.1726,
1780
+ "step": 253
1781
+ },
1782
+ {
1783
+ "epoch": 0.872852233676976,
1784
+ "grad_norm": 1.3618080615997314,
1785
+ "learning_rate": 4.877215270603752e-07,
1786
+ "loss": 0.1843,
1787
+ "step": 254
1788
+ },
1789
+ {
1790
+ "epoch": 0.8762886597938144,
1791
+ "grad_norm": 1.6135002374649048,
1792
+ "learning_rate": 4.6212290164521554e-07,
1793
+ "loss": 0.1788,
1794
+ "step": 255
1795
+ },
1796
+ {
1797
+ "epoch": 0.8797250859106529,
1798
+ "grad_norm": 1.5762805938720703,
1799
+ "learning_rate": 4.371817315087845e-07,
1800
+ "loss": 0.1887,
1801
+ "step": 256
1802
+ },
1803
+ {
1804
+ "epoch": 0.8831615120274914,
1805
+ "grad_norm": 1.7021830081939697,
1806
+ "learning_rate": 4.1290163016982855e-07,
1807
+ "loss": 0.1841,
1808
+ "step": 257
1809
+ },
1810
+ {
1811
+ "epoch": 0.8865979381443299,
1812
+ "grad_norm": 1.5030473470687866,
1813
+ "learning_rate": 3.8928611537033424e-07,
1814
+ "loss": 0.1917,
1815
+ "step": 258
1816
+ },
1817
+ {
1818
+ "epoch": 0.8900343642611683,
1819
+ "grad_norm": 1.5852195024490356,
1820
+ "learning_rate": 3.663386085658693e-07,
1821
+ "loss": 0.1956,
1822
+ "step": 259
1823
+ },
1824
+ {
1825
+ "epoch": 0.8934707903780069,
1826
+ "grad_norm": 1.6304069757461548,
1827
+ "learning_rate": 3.4406243442987765e-07,
1828
+ "loss": 0.178,
1829
+ "step": 260
1830
+ },
1831
+ {
1832
+ "epoch": 0.8969072164948454,
1833
+ "grad_norm": 1.4224854707717896,
1834
+ "learning_rate": 3.224608203719953e-07,
1835
+ "loss": 0.1859,
1836
+ "step": 261
1837
+ },
1838
+ {
1839
+ "epoch": 0.9003436426116839,
1840
+ "grad_norm": 1.54900324344635,
1841
+ "learning_rate": 3.015368960704584e-07,
1842
+ "loss": 0.1968,
1843
+ "step": 262
1844
+ },
1845
+ {
1846
+ "epoch": 0.9037800687285223,
1847
+ "grad_norm": 1.5951098203659058,
1848
+ "learning_rate": 2.812936930186688e-07,
1849
+ "loss": 0.2092,
1850
+ "step": 263
1851
+ },
1852
+ {
1853
+ "epoch": 0.9072164948453608,
1854
+ "grad_norm": 1.3917310237884521,
1855
+ "learning_rate": 2.617341440859883e-07,
1856
+ "loss": 0.1881,
1857
+ "step": 264
1858
+ },
1859
+ {
1860
+ "epoch": 0.9106529209621993,
1861
+ "grad_norm": 1.3137767314910889,
1862
+ "learning_rate": 2.428610830928152e-07,
1863
+ "loss": 0.176,
1864
+ "step": 265
1865
+ },
1866
+ {
1867
+ "epoch": 0.9140893470790378,
1868
+ "grad_norm": 1.5390129089355469,
1869
+ "learning_rate": 2.2467724440002336e-07,
1870
+ "loss": 0.2018,
1871
+ "step": 266
1872
+ },
1873
+ {
1874
+ "epoch": 0.9175257731958762,
1875
+ "grad_norm": 1.5604429244995117,
1876
+ "learning_rate": 2.0718526251279346e-07,
1877
+ "loss": 0.1974,
1878
+ "step": 267
1879
+ },
1880
+ {
1881
+ "epoch": 0.9209621993127147,
1882
+ "grad_norm": 1.49399995803833,
1883
+ "learning_rate": 1.9038767169893058e-07,
1884
+ "loss": 0.1795,
1885
+ "step": 268
1886
+ },
1887
+ {
1888
+ "epoch": 0.9243986254295533,
1889
+ "grad_norm": 1.4592257738113403,
1890
+ "learning_rate": 1.7428690562169003e-07,
1891
+ "loss": 0.1817,
1892
+ "step": 269
1893
+ },
1894
+ {
1895
+ "epoch": 0.9278350515463918,
1896
+ "grad_norm": 1.6082309484481812,
1897
+ "learning_rate": 1.5888529698718347e-07,
1898
+ "loss": 0.1695,
1899
+ "step": 270
1900
+ },
1901
+ {
1902
+ "epoch": 0.9312714776632303,
1903
+ "grad_norm": 1.3131675720214844,
1904
+ "learning_rate": 1.4418507720641794e-07,
1905
+ "loss": 0.1708,
1906
+ "step": 271
1907
+ },
1908
+ {
1909
+ "epoch": 0.9347079037800687,
1910
+ "grad_norm": 1.4831839799880981,
1911
+ "learning_rate": 1.3018837607199909e-07,
1912
+ "loss": 0.1852,
1913
+ "step": 272
1914
+ },
1915
+ {
1916
+ "epoch": 0.9381443298969072,
1917
+ "grad_norm": 1.5412657260894775,
1918
+ "learning_rate": 1.1689722144956672e-07,
1919
+ "loss": 0.1862,
1920
+ "step": 273
1921
+ },
1922
+ {
1923
+ "epoch": 0.9415807560137457,
1924
+ "grad_norm": 1.8354051113128662,
1925
+ "learning_rate": 1.0431353898399388e-07,
1926
+ "loss": 0.2186,
1927
+ "step": 274
1928
+ },
1929
+ {
1930
+ "epoch": 0.9450171821305842,
1931
+ "grad_norm": 1.4880577325820923,
1932
+ "learning_rate": 9.243915182039431e-08,
1933
+ "loss": 0.1822,
1934
+ "step": 275
1935
+ },
1936
+ {
1937
+ "epoch": 0.9484536082474226,
1938
+ "grad_norm": 1.5500534772872925,
1939
+ "learning_rate": 8.127578033998663e-08,
1940
+ "loss": 0.1758,
1941
+ "step": 276
1942
+ },
1943
+ {
1944
+ "epoch": 0.9518900343642611,
1945
+ "grad_norm": 1.6146880388259888,
1946
+ "learning_rate": 7.082504191083417e-08,
1947
+ "loss": 0.1838,
1948
+ "step": 277
1949
+ },
1950
+ {
1951
+ "epoch": 0.9553264604810997,
1952
+ "grad_norm": 1.1931922435760498,
1953
+ "learning_rate": 6.108845065352864e-08,
1954
+ "loss": 0.1727,
1955
+ "step": 278
1956
+ },
1957
+ {
1958
+ "epoch": 0.9587628865979382,
1959
+ "grad_norm": 1.5446773767471313,
1960
+ "learning_rate": 5.206741722181385e-08,
1961
+ "loss": 0.1989,
1962
+ "step": 279
1963
+ },
1964
+ {
1965
+ "epoch": 0.9621993127147767,
1966
+ "grad_norm": 1.5740249156951904,
1967
+ "learning_rate": 4.376324859820924e-08,
1968
+ "loss": 0.2063,
1969
+ "step": 280
1970
+ },
1971
+ {
1972
+ "epoch": 0.9656357388316151,
1973
+ "grad_norm": 1.3512248992919922,
1974
+ "learning_rate": 3.617714790465576e-08,
1975
+ "loss": 0.1854,
1976
+ "step": 281
1977
+ },
1978
+ {
1979
+ "epoch": 0.9690721649484536,
1980
+ "grad_norm": 1.6300441026687622,
1981
+ "learning_rate": 2.9310214228202016e-08,
1982
+ "loss": 0.2039,
1983
+ "step": 282
1984
+ },
1985
+ {
1986
+ "epoch": 0.9725085910652921,
1987
+ "grad_norm": 1.831511378288269,
1988
+ "learning_rate": 2.3163442461766604e-08,
1989
+ "loss": 0.2173,
1990
+ "step": 283
1991
+ },
1992
+ {
1993
+ "epoch": 0.9759450171821306,
1994
+ "grad_norm": 1.4836167097091675,
1995
+ "learning_rate": 1.7737723159999e-08,
1996
+ "loss": 0.1777,
1997
+ "step": 284
1998
+ },
1999
+ {
2000
+ "epoch": 0.979381443298969,
2001
+ "grad_norm": 1.3979811668395996,
2002
+ "learning_rate": 1.3033842410251074e-08,
2003
+ "loss": 0.1892,
2004
+ "step": 285
2005
+ },
2006
+ {
2007
+ "epoch": 0.9828178694158075,
2008
+ "grad_norm": 1.506360411643982,
2009
+ "learning_rate": 9.052481718690998e-09,
2010
+ "loss": 0.1947,
2011
+ "step": 286
2012
+ },
2013
+ {
2014
+ "epoch": 0.9862542955326461,
2015
+ "grad_norm": 1.698026180267334,
2016
+ "learning_rate": 5.794217911562205e-09,
2017
+ "loss": 0.2171,
2018
+ "step": 287
2019
+ },
2020
+ {
2021
+ "epoch": 0.9896907216494846,
2022
+ "grad_norm": 1.6240311861038208,
2023
+ "learning_rate": 3.2595230516152543e-09,
2024
+ "loss": 0.1824,
2025
+ "step": 288
2026
+ },
2027
+ {
2028
+ "epoch": 0.993127147766323,
2029
+ "grad_norm": 1.3279304504394531,
2030
+ "learning_rate": 1.4487643697103092e-09,
2031
+ "loss": 0.1685,
2032
+ "step": 289
2033
+ },
2034
+ {
2035
+ "epoch": 0.9965635738831615,
2036
+ "grad_norm": 1.5155754089355469,
2037
+ "learning_rate": 3.6220421161692333e-10,
2038
+ "loss": 0.1969,
2039
+ "step": 290
2040
+ },
2041
+ {
2042
+ "epoch": 1.0,
2043
+ "grad_norm": 1.5006811618804932,
2044
+ "learning_rate": 0.0,
2045
+ "loss": 0.1773,
2046
+ "step": 291
2047
+ },
2048
+ {
2049
+ "epoch": 1.0,
2050
+ "eval_loss": 0.37102481722831726,
2051
+ "eval_runtime": 3.4836,
2052
+ "eval_samples_per_second": 66.024,
2053
+ "eval_steps_per_second": 2.871,
2054
+ "step": 291
2055
+ },
2056
+ {
2057
+ "epoch": 1.0,
2058
+ "step": 291,
2059
+ "total_flos": 1.0225750283334451e+17,
2060
+ "train_loss": 0.26723733032282276,
2061
+ "train_runtime": 929.7796,
2062
+ "train_samples_per_second": 14.978,
2063
+ "train_steps_per_second": 0.313
2064
+ }
2065
+ ],
2066
+ "logging_steps": 1,
2067
+ "max_steps": 291,
2068
+ "num_input_tokens_seen": 0,
2069
+ "num_train_epochs": 1,
2070
+ "save_steps": 800,
2071
+ "stateful_callbacks": {
2072
+ "TrainerControl": {
2073
+ "args": {
2074
+ "should_epoch_stop": false,
2075
+ "should_evaluate": false,
2076
+ "should_log": false,
2077
+ "should_save": false,
2078
+ "should_training_stop": false
2079
+ },
2080
+ "attributes": {}
2081
+ }
2082
+ },
2083
+ "total_flos": 1.0225750283334451e+17,
2084
+ "train_batch_size": 16,
2085
+ "trial_name": null,
2086
+ "trial_params": null
2087
+ }