End of training
Browse files- README.md +2 -2
- all_results.json +8 -0
- runs/Nov21_15-53-48_ml-server03/events.out.tfevents.1732216942.ml-server03.3837327.1 +3 -0
- test_results.json +8 -0
- trainer_state.json +1245 -0
- val_results.json +8 -0
README.md
CHANGED
|
@@ -18,8 +18,8 @@ should probably proofread and complete it, then remove this comment. -->
|
|
| 18 |
|
| 19 |
This model is a fine-tuned version of [MCG-NJU/videomae-base](https://huggingface.co/MCG-NJU/videomae-base) on an unknown dataset.
|
| 20 |
It achieves the following results on the evaluation set:
|
| 21 |
-
- Loss: 0.
|
| 22 |
-
- Accuracy: 0.
|
| 23 |
|
| 24 |
## Model description
|
| 25 |
|
|
|
|
| 18 |
|
| 19 |
This model is a fine-tuned version of [MCG-NJU/videomae-base](https://huggingface.co/MCG-NJU/videomae-base) on an unknown dataset.
|
| 20 |
It achieves the following results on the evaluation set:
|
| 21 |
+
- Loss: 0.2571
|
| 22 |
+
- Accuracy: 0.91
|
| 23 |
|
| 24 |
## Model description
|
| 25 |
|
all_results.json
ADDED
|
@@ -0,0 +1,8 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"epoch": 14.066666666666666,
|
| 3 |
+
"eval_accuracy": 0.91,
|
| 4 |
+
"eval_loss": 0.25712350010871887,
|
| 5 |
+
"eval_runtime": 12.7854,
|
| 6 |
+
"eval_samples_per_second": 7.821,
|
| 7 |
+
"eval_steps_per_second": 0.547
|
| 8 |
+
}
|
runs/Nov21_15-53-48_ml-server03/events.out.tfevents.1732216942.ml-server03.3837327.1
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:a138228203a85afb395e3d5cdc5adb2481ac3f966a40f339ae7f314063480135
|
| 3 |
+
size 686
|
test_results.json
ADDED
|
@@ -0,0 +1,8 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"epoch": 14.066666666666666,
|
| 3 |
+
"eval_accuracy": 0.91,
|
| 4 |
+
"eval_loss": 0.25712350010871887,
|
| 5 |
+
"eval_runtime": 12.7854,
|
| 6 |
+
"eval_samples_per_second": 7.821,
|
| 7 |
+
"eval_steps_per_second": 0.547
|
| 8 |
+
}
|
trainer_state.json
ADDED
|
@@ -0,0 +1,1245 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_metric": 0.84125,
|
| 3 |
+
"best_model_checkpoint": "videomae-base-finetuned-rwf2000-subset___v4/checkpoint-1000",
|
| 4 |
+
"epoch": 14.066666666666666,
|
| 5 |
+
"eval_steps": 500,
|
| 6 |
+
"global_step": 1500,
|
| 7 |
+
"is_hyper_param_search": false,
|
| 8 |
+
"is_local_process_zero": true,
|
| 9 |
+
"is_world_process_zero": true,
|
| 10 |
+
"log_history": [
|
| 11 |
+
{
|
| 12 |
+
"epoch": 0.006666666666666667,
|
| 13 |
+
"grad_norm": 8.328149795532227,
|
| 14 |
+
"learning_rate": 3.6666666666666666e-06,
|
| 15 |
+
"loss": 0.695,
|
| 16 |
+
"step": 10
|
| 17 |
+
},
|
| 18 |
+
{
|
| 19 |
+
"epoch": 0.013333333333333334,
|
| 20 |
+
"grad_norm": 5.740134239196777,
|
| 21 |
+
"learning_rate": 7.333333333333333e-06,
|
| 22 |
+
"loss": 0.6907,
|
| 23 |
+
"step": 20
|
| 24 |
+
},
|
| 25 |
+
{
|
| 26 |
+
"epoch": 0.02,
|
| 27 |
+
"grad_norm": 4.610198497772217,
|
| 28 |
+
"learning_rate": 1.1000000000000001e-05,
|
| 29 |
+
"loss": 0.6845,
|
| 30 |
+
"step": 30
|
| 31 |
+
},
|
| 32 |
+
{
|
| 33 |
+
"epoch": 0.02666666666666667,
|
| 34 |
+
"grad_norm": 4.437814712524414,
|
| 35 |
+
"learning_rate": 1.4666666666666666e-05,
|
| 36 |
+
"loss": 0.6948,
|
| 37 |
+
"step": 40
|
| 38 |
+
},
|
| 39 |
+
{
|
| 40 |
+
"epoch": 0.03333333333333333,
|
| 41 |
+
"grad_norm": 3.1135125160217285,
|
| 42 |
+
"learning_rate": 1.8333333333333333e-05,
|
| 43 |
+
"loss": 0.6414,
|
| 44 |
+
"step": 50
|
| 45 |
+
},
|
| 46 |
+
{
|
| 47 |
+
"epoch": 0.04,
|
| 48 |
+
"grad_norm": 7.460755825042725,
|
| 49 |
+
"learning_rate": 2.2000000000000003e-05,
|
| 50 |
+
"loss": 0.6064,
|
| 51 |
+
"step": 60
|
| 52 |
+
},
|
| 53 |
+
{
|
| 54 |
+
"epoch": 0.04666666666666667,
|
| 55 |
+
"grad_norm": 5.140443325042725,
|
| 56 |
+
"learning_rate": 2.566666666666667e-05,
|
| 57 |
+
"loss": 0.5131,
|
| 58 |
+
"step": 70
|
| 59 |
+
},
|
| 60 |
+
{
|
| 61 |
+
"epoch": 0.05333333333333334,
|
| 62 |
+
"grad_norm": 10.881732940673828,
|
| 63 |
+
"learning_rate": 2.9333333333333333e-05,
|
| 64 |
+
"loss": 0.5458,
|
| 65 |
+
"step": 80
|
| 66 |
+
},
|
| 67 |
+
{
|
| 68 |
+
"epoch": 0.06,
|
| 69 |
+
"grad_norm": 3.342350482940674,
|
| 70 |
+
"learning_rate": 3.3e-05,
|
| 71 |
+
"loss": 0.57,
|
| 72 |
+
"step": 90
|
| 73 |
+
},
|
| 74 |
+
{
|
| 75 |
+
"epoch": 0.06666666666666667,
|
| 76 |
+
"grad_norm": 2.5044784545898438,
|
| 77 |
+
"learning_rate": 3.6666666666666666e-05,
|
| 78 |
+
"loss": 0.5186,
|
| 79 |
+
"step": 100
|
| 80 |
+
},
|
| 81 |
+
{
|
| 82 |
+
"epoch": 0.06666666666666667,
|
| 83 |
+
"eval_accuracy": 0.7525,
|
| 84 |
+
"eval_loss": 0.4851800501346588,
|
| 85 |
+
"eval_runtime": 223.2988,
|
| 86 |
+
"eval_samples_per_second": 3.583,
|
| 87 |
+
"eval_steps_per_second": 0.224,
|
| 88 |
+
"step": 100
|
| 89 |
+
},
|
| 90 |
+
{
|
| 91 |
+
"epoch": 1.0066666666666666,
|
| 92 |
+
"grad_norm": 4.141444206237793,
|
| 93 |
+
"learning_rate": 4.033333333333333e-05,
|
| 94 |
+
"loss": 0.4803,
|
| 95 |
+
"step": 110
|
| 96 |
+
},
|
| 97 |
+
{
|
| 98 |
+
"epoch": 1.0133333333333334,
|
| 99 |
+
"grad_norm": 5.0447187423706055,
|
| 100 |
+
"learning_rate": 4.4000000000000006e-05,
|
| 101 |
+
"loss": 0.4893,
|
| 102 |
+
"step": 120
|
| 103 |
+
},
|
| 104 |
+
{
|
| 105 |
+
"epoch": 1.02,
|
| 106 |
+
"grad_norm": 7.045541763305664,
|
| 107 |
+
"learning_rate": 4.766666666666667e-05,
|
| 108 |
+
"loss": 0.4751,
|
| 109 |
+
"step": 130
|
| 110 |
+
},
|
| 111 |
+
{
|
| 112 |
+
"epoch": 1.0266666666666666,
|
| 113 |
+
"grad_norm": 4.533585548400879,
|
| 114 |
+
"learning_rate": 5.133333333333334e-05,
|
| 115 |
+
"loss": 0.4779,
|
| 116 |
+
"step": 140
|
| 117 |
+
},
|
| 118 |
+
{
|
| 119 |
+
"epoch": 1.0333333333333334,
|
| 120 |
+
"grad_norm": 3.6885664463043213,
|
| 121 |
+
"learning_rate": 5.5e-05,
|
| 122 |
+
"loss": 0.5121,
|
| 123 |
+
"step": 150
|
| 124 |
+
},
|
| 125 |
+
{
|
| 126 |
+
"epoch": 1.04,
|
| 127 |
+
"grad_norm": 2.0928220748901367,
|
| 128 |
+
"learning_rate": 5.459259259259259e-05,
|
| 129 |
+
"loss": 0.5408,
|
| 130 |
+
"step": 160
|
| 131 |
+
},
|
| 132 |
+
{
|
| 133 |
+
"epoch": 1.0466666666666666,
|
| 134 |
+
"grad_norm": 4.486322402954102,
|
| 135 |
+
"learning_rate": 5.4185185185185183e-05,
|
| 136 |
+
"loss": 0.4645,
|
| 137 |
+
"step": 170
|
| 138 |
+
},
|
| 139 |
+
{
|
| 140 |
+
"epoch": 1.0533333333333332,
|
| 141 |
+
"grad_norm": 4.797130107879639,
|
| 142 |
+
"learning_rate": 5.377777777777778e-05,
|
| 143 |
+
"loss": 0.4076,
|
| 144 |
+
"step": 180
|
| 145 |
+
},
|
| 146 |
+
{
|
| 147 |
+
"epoch": 1.06,
|
| 148 |
+
"grad_norm": 3.3620481491088867,
|
| 149 |
+
"learning_rate": 5.337037037037037e-05,
|
| 150 |
+
"loss": 0.469,
|
| 151 |
+
"step": 190
|
| 152 |
+
},
|
| 153 |
+
{
|
| 154 |
+
"epoch": 1.0666666666666667,
|
| 155 |
+
"grad_norm": 4.450358867645264,
|
| 156 |
+
"learning_rate": 5.296296296296296e-05,
|
| 157 |
+
"loss": 0.4113,
|
| 158 |
+
"step": 200
|
| 159 |
+
},
|
| 160 |
+
{
|
| 161 |
+
"epoch": 1.0666666666666667,
|
| 162 |
+
"eval_accuracy": 0.65125,
|
| 163 |
+
"eval_loss": 0.8493121266365051,
|
| 164 |
+
"eval_runtime": 250.367,
|
| 165 |
+
"eval_samples_per_second": 3.195,
|
| 166 |
+
"eval_steps_per_second": 0.2,
|
| 167 |
+
"step": 200
|
| 168 |
+
},
|
| 169 |
+
{
|
| 170 |
+
"epoch": 2.006666666666667,
|
| 171 |
+
"grad_norm": 3.1153275966644287,
|
| 172 |
+
"learning_rate": 5.255555555555556e-05,
|
| 173 |
+
"loss": 0.4534,
|
| 174 |
+
"step": 210
|
| 175 |
+
},
|
| 176 |
+
{
|
| 177 |
+
"epoch": 2.013333333333333,
|
| 178 |
+
"grad_norm": 2.8819432258605957,
|
| 179 |
+
"learning_rate": 5.214814814814815e-05,
|
| 180 |
+
"loss": 0.4632,
|
| 181 |
+
"step": 220
|
| 182 |
+
},
|
| 183 |
+
{
|
| 184 |
+
"epoch": 2.02,
|
| 185 |
+
"grad_norm": 3.064946413040161,
|
| 186 |
+
"learning_rate": 5.174074074074074e-05,
|
| 187 |
+
"loss": 0.4955,
|
| 188 |
+
"step": 230
|
| 189 |
+
},
|
| 190 |
+
{
|
| 191 |
+
"epoch": 2.026666666666667,
|
| 192 |
+
"grad_norm": 4.488388538360596,
|
| 193 |
+
"learning_rate": 5.133333333333334e-05,
|
| 194 |
+
"loss": 0.4132,
|
| 195 |
+
"step": 240
|
| 196 |
+
},
|
| 197 |
+
{
|
| 198 |
+
"epoch": 2.033333333333333,
|
| 199 |
+
"grad_norm": 7.146153450012207,
|
| 200 |
+
"learning_rate": 5.092592592592593e-05,
|
| 201 |
+
"loss": 0.4525,
|
| 202 |
+
"step": 250
|
| 203 |
+
},
|
| 204 |
+
{
|
| 205 |
+
"epoch": 2.04,
|
| 206 |
+
"grad_norm": 4.553574085235596,
|
| 207 |
+
"learning_rate": 5.051851851851852e-05,
|
| 208 |
+
"loss": 0.4512,
|
| 209 |
+
"step": 260
|
| 210 |
+
},
|
| 211 |
+
{
|
| 212 |
+
"epoch": 2.046666666666667,
|
| 213 |
+
"grad_norm": 5.547330856323242,
|
| 214 |
+
"learning_rate": 5.011111111111111e-05,
|
| 215 |
+
"loss": 0.2815,
|
| 216 |
+
"step": 270
|
| 217 |
+
},
|
| 218 |
+
{
|
| 219 |
+
"epoch": 2.0533333333333332,
|
| 220 |
+
"grad_norm": 4.419320106506348,
|
| 221 |
+
"learning_rate": 4.97037037037037e-05,
|
| 222 |
+
"loss": 0.4095,
|
| 223 |
+
"step": 280
|
| 224 |
+
},
|
| 225 |
+
{
|
| 226 |
+
"epoch": 2.06,
|
| 227 |
+
"grad_norm": 5.118694305419922,
|
| 228 |
+
"learning_rate": 4.92962962962963e-05,
|
| 229 |
+
"loss": 0.3805,
|
| 230 |
+
"step": 290
|
| 231 |
+
},
|
| 232 |
+
{
|
| 233 |
+
"epoch": 2.066666666666667,
|
| 234 |
+
"grad_norm": 3.3173861503601074,
|
| 235 |
+
"learning_rate": 4.888888888888889e-05,
|
| 236 |
+
"loss": 0.3743,
|
| 237 |
+
"step": 300
|
| 238 |
+
},
|
| 239 |
+
{
|
| 240 |
+
"epoch": 2.066666666666667,
|
| 241 |
+
"eval_accuracy": 0.6675,
|
| 242 |
+
"eval_loss": 0.8014451861381531,
|
| 243 |
+
"eval_runtime": 234.1642,
|
| 244 |
+
"eval_samples_per_second": 3.416,
|
| 245 |
+
"eval_steps_per_second": 0.214,
|
| 246 |
+
"step": 300
|
| 247 |
+
},
|
| 248 |
+
{
|
| 249 |
+
"epoch": 3.006666666666667,
|
| 250 |
+
"grad_norm": 3.8475706577301025,
|
| 251 |
+
"learning_rate": 4.848148148148149e-05,
|
| 252 |
+
"loss": 0.4112,
|
| 253 |
+
"step": 310
|
| 254 |
+
},
|
| 255 |
+
{
|
| 256 |
+
"epoch": 3.013333333333333,
|
| 257 |
+
"grad_norm": 2.5916388034820557,
|
| 258 |
+
"learning_rate": 4.807407407407408e-05,
|
| 259 |
+
"loss": 0.2782,
|
| 260 |
+
"step": 320
|
| 261 |
+
},
|
| 262 |
+
{
|
| 263 |
+
"epoch": 3.02,
|
| 264 |
+
"grad_norm": 7.832239151000977,
|
| 265 |
+
"learning_rate": 4.766666666666667e-05,
|
| 266 |
+
"loss": 0.3443,
|
| 267 |
+
"step": 330
|
| 268 |
+
},
|
| 269 |
+
{
|
| 270 |
+
"epoch": 3.026666666666667,
|
| 271 |
+
"grad_norm": 3.6422343254089355,
|
| 272 |
+
"learning_rate": 4.725925925925926e-05,
|
| 273 |
+
"loss": 0.2805,
|
| 274 |
+
"step": 340
|
| 275 |
+
},
|
| 276 |
+
{
|
| 277 |
+
"epoch": 3.033333333333333,
|
| 278 |
+
"grad_norm": 9.492205619812012,
|
| 279 |
+
"learning_rate": 4.685185185185186e-05,
|
| 280 |
+
"loss": 0.3094,
|
| 281 |
+
"step": 350
|
| 282 |
+
},
|
| 283 |
+
{
|
| 284 |
+
"epoch": 3.04,
|
| 285 |
+
"grad_norm": 9.283190727233887,
|
| 286 |
+
"learning_rate": 4.644444444444445e-05,
|
| 287 |
+
"loss": 0.4828,
|
| 288 |
+
"step": 360
|
| 289 |
+
},
|
| 290 |
+
{
|
| 291 |
+
"epoch": 3.046666666666667,
|
| 292 |
+
"grad_norm": 8.37354564666748,
|
| 293 |
+
"learning_rate": 4.603703703703704e-05,
|
| 294 |
+
"loss": 0.4234,
|
| 295 |
+
"step": 370
|
| 296 |
+
},
|
| 297 |
+
{
|
| 298 |
+
"epoch": 3.0533333333333332,
|
| 299 |
+
"grad_norm": 4.890401363372803,
|
| 300 |
+
"learning_rate": 4.562962962962963e-05,
|
| 301 |
+
"loss": 0.4885,
|
| 302 |
+
"step": 380
|
| 303 |
+
},
|
| 304 |
+
{
|
| 305 |
+
"epoch": 3.06,
|
| 306 |
+
"grad_norm": 2.5262463092803955,
|
| 307 |
+
"learning_rate": 4.522222222222222e-05,
|
| 308 |
+
"loss": 0.3408,
|
| 309 |
+
"step": 390
|
| 310 |
+
},
|
| 311 |
+
{
|
| 312 |
+
"epoch": 3.066666666666667,
|
| 313 |
+
"grad_norm": 8.183036804199219,
|
| 314 |
+
"learning_rate": 4.481481481481481e-05,
|
| 315 |
+
"loss": 0.2878,
|
| 316 |
+
"step": 400
|
| 317 |
+
},
|
| 318 |
+
{
|
| 319 |
+
"epoch": 3.066666666666667,
|
| 320 |
+
"eval_accuracy": 0.83,
|
| 321 |
+
"eval_loss": 0.43319201469421387,
|
| 322 |
+
"eval_runtime": 267.326,
|
| 323 |
+
"eval_samples_per_second": 2.993,
|
| 324 |
+
"eval_steps_per_second": 0.187,
|
| 325 |
+
"step": 400
|
| 326 |
+
},
|
| 327 |
+
{
|
| 328 |
+
"epoch": 4.006666666666667,
|
| 329 |
+
"grad_norm": 6.406513690948486,
|
| 330 |
+
"learning_rate": 4.4407407407407415e-05,
|
| 331 |
+
"loss": 0.3495,
|
| 332 |
+
"step": 410
|
| 333 |
+
},
|
| 334 |
+
{
|
| 335 |
+
"epoch": 4.013333333333334,
|
| 336 |
+
"grad_norm": 3.1861748695373535,
|
| 337 |
+
"learning_rate": 4.4000000000000006e-05,
|
| 338 |
+
"loss": 0.3201,
|
| 339 |
+
"step": 420
|
| 340 |
+
},
|
| 341 |
+
{
|
| 342 |
+
"epoch": 4.02,
|
| 343 |
+
"grad_norm": 7.177009105682373,
|
| 344 |
+
"learning_rate": 4.3592592592592596e-05,
|
| 345 |
+
"loss": 0.301,
|
| 346 |
+
"step": 430
|
| 347 |
+
},
|
| 348 |
+
{
|
| 349 |
+
"epoch": 4.026666666666666,
|
| 350 |
+
"grad_norm": 4.747456073760986,
|
| 351 |
+
"learning_rate": 4.318518518518519e-05,
|
| 352 |
+
"loss": 0.2717,
|
| 353 |
+
"step": 440
|
| 354 |
+
},
|
| 355 |
+
{
|
| 356 |
+
"epoch": 4.033333333333333,
|
| 357 |
+
"grad_norm": 4.7027153968811035,
|
| 358 |
+
"learning_rate": 4.277777777777778e-05,
|
| 359 |
+
"loss": 0.3415,
|
| 360 |
+
"step": 450
|
| 361 |
+
},
|
| 362 |
+
{
|
| 363 |
+
"epoch": 4.04,
|
| 364 |
+
"grad_norm": 5.164983749389648,
|
| 365 |
+
"learning_rate": 4.2370370370370375e-05,
|
| 366 |
+
"loss": 0.2851,
|
| 367 |
+
"step": 460
|
| 368 |
+
},
|
| 369 |
+
{
|
| 370 |
+
"epoch": 4.046666666666667,
|
| 371 |
+
"grad_norm": 2.968109130859375,
|
| 372 |
+
"learning_rate": 4.1962962962962966e-05,
|
| 373 |
+
"loss": 0.3326,
|
| 374 |
+
"step": 470
|
| 375 |
+
},
|
| 376 |
+
{
|
| 377 |
+
"epoch": 4.053333333333334,
|
| 378 |
+
"grad_norm": 8.701462745666504,
|
| 379 |
+
"learning_rate": 4.155555555555556e-05,
|
| 380 |
+
"loss": 0.2766,
|
| 381 |
+
"step": 480
|
| 382 |
+
},
|
| 383 |
+
{
|
| 384 |
+
"epoch": 4.06,
|
| 385 |
+
"grad_norm": 3.4168941974639893,
|
| 386 |
+
"learning_rate": 4.114814814814815e-05,
|
| 387 |
+
"loss": 0.3127,
|
| 388 |
+
"step": 490
|
| 389 |
+
},
|
| 390 |
+
{
|
| 391 |
+
"epoch": 4.066666666666666,
|
| 392 |
+
"grad_norm": 1.8398022651672363,
|
| 393 |
+
"learning_rate": 4.074074074074074e-05,
|
| 394 |
+
"loss": 0.2419,
|
| 395 |
+
"step": 500
|
| 396 |
+
},
|
| 397 |
+
{
|
| 398 |
+
"epoch": 4.066666666666666,
|
| 399 |
+
"eval_accuracy": 0.8225,
|
| 400 |
+
"eval_loss": 0.465037077665329,
|
| 401 |
+
"eval_runtime": 232.5563,
|
| 402 |
+
"eval_samples_per_second": 3.44,
|
| 403 |
+
"eval_steps_per_second": 0.215,
|
| 404 |
+
"step": 500
|
| 405 |
+
},
|
| 406 |
+
{
|
| 407 |
+
"epoch": 5.006666666666667,
|
| 408 |
+
"grad_norm": 6.101627826690674,
|
| 409 |
+
"learning_rate": 4.033333333333333e-05,
|
| 410 |
+
"loss": 0.3414,
|
| 411 |
+
"step": 510
|
| 412 |
+
},
|
| 413 |
+
{
|
| 414 |
+
"epoch": 5.013333333333334,
|
| 415 |
+
"grad_norm": 9.294967651367188,
|
| 416 |
+
"learning_rate": 3.992592592592593e-05,
|
| 417 |
+
"loss": 0.2626,
|
| 418 |
+
"step": 520
|
| 419 |
+
},
|
| 420 |
+
{
|
| 421 |
+
"epoch": 5.02,
|
| 422 |
+
"grad_norm": 5.343302249908447,
|
| 423 |
+
"learning_rate": 3.9518518518518524e-05,
|
| 424 |
+
"loss": 0.2096,
|
| 425 |
+
"step": 530
|
| 426 |
+
},
|
| 427 |
+
{
|
| 428 |
+
"epoch": 5.026666666666666,
|
| 429 |
+
"grad_norm": 6.36867618560791,
|
| 430 |
+
"learning_rate": 3.9111111111111115e-05,
|
| 431 |
+
"loss": 0.3681,
|
| 432 |
+
"step": 540
|
| 433 |
+
},
|
| 434 |
+
{
|
| 435 |
+
"epoch": 5.033333333333333,
|
| 436 |
+
"grad_norm": 5.6694793701171875,
|
| 437 |
+
"learning_rate": 3.8703703703703705e-05,
|
| 438 |
+
"loss": 0.2332,
|
| 439 |
+
"step": 550
|
| 440 |
+
},
|
| 441 |
+
{
|
| 442 |
+
"epoch": 5.04,
|
| 443 |
+
"grad_norm": 8.940311431884766,
|
| 444 |
+
"learning_rate": 3.8296296296296296e-05,
|
| 445 |
+
"loss": 0.3215,
|
| 446 |
+
"step": 560
|
| 447 |
+
},
|
| 448 |
+
{
|
| 449 |
+
"epoch": 5.046666666666667,
|
| 450 |
+
"grad_norm": 3.3897879123687744,
|
| 451 |
+
"learning_rate": 3.788888888888889e-05,
|
| 452 |
+
"loss": 0.4299,
|
| 453 |
+
"step": 570
|
| 454 |
+
},
|
| 455 |
+
{
|
| 456 |
+
"epoch": 5.053333333333334,
|
| 457 |
+
"grad_norm": 3.1964845657348633,
|
| 458 |
+
"learning_rate": 3.7481481481481484e-05,
|
| 459 |
+
"loss": 0.3154,
|
| 460 |
+
"step": 580
|
| 461 |
+
},
|
| 462 |
+
{
|
| 463 |
+
"epoch": 5.06,
|
| 464 |
+
"grad_norm": 4.030667304992676,
|
| 465 |
+
"learning_rate": 3.7074074074074075e-05,
|
| 466 |
+
"loss": 0.3034,
|
| 467 |
+
"step": 590
|
| 468 |
+
},
|
| 469 |
+
{
|
| 470 |
+
"epoch": 5.066666666666666,
|
| 471 |
+
"grad_norm": 6.7601847648620605,
|
| 472 |
+
"learning_rate": 3.6666666666666666e-05,
|
| 473 |
+
"loss": 0.2565,
|
| 474 |
+
"step": 600
|
| 475 |
+
},
|
| 476 |
+
{
|
| 477 |
+
"epoch": 5.066666666666666,
|
| 478 |
+
"eval_accuracy": 0.76375,
|
| 479 |
+
"eval_loss": 0.6122691631317139,
|
| 480 |
+
"eval_runtime": 231.079,
|
| 481 |
+
"eval_samples_per_second": 3.462,
|
| 482 |
+
"eval_steps_per_second": 0.216,
|
| 483 |
+
"step": 600
|
| 484 |
+
},
|
| 485 |
+
{
|
| 486 |
+
"epoch": 6.006666666666667,
|
| 487 |
+
"grad_norm": 4.899349212646484,
|
| 488 |
+
"learning_rate": 3.6259259259259256e-05,
|
| 489 |
+
"loss": 0.2605,
|
| 490 |
+
"step": 610
|
| 491 |
+
},
|
| 492 |
+
{
|
| 493 |
+
"epoch": 6.013333333333334,
|
| 494 |
+
"grad_norm": 8.427006721496582,
|
| 495 |
+
"learning_rate": 3.5851851851851854e-05,
|
| 496 |
+
"loss": 0.3495,
|
| 497 |
+
"step": 620
|
| 498 |
+
},
|
| 499 |
+
{
|
| 500 |
+
"epoch": 6.02,
|
| 501 |
+
"grad_norm": 3.287485122680664,
|
| 502 |
+
"learning_rate": 3.5444444444444445e-05,
|
| 503 |
+
"loss": 0.2187,
|
| 504 |
+
"step": 630
|
| 505 |
+
},
|
| 506 |
+
{
|
| 507 |
+
"epoch": 6.026666666666666,
|
| 508 |
+
"grad_norm": 1.8159798383712769,
|
| 509 |
+
"learning_rate": 3.503703703703704e-05,
|
| 510 |
+
"loss": 0.224,
|
| 511 |
+
"step": 640
|
| 512 |
+
},
|
| 513 |
+
{
|
| 514 |
+
"epoch": 6.033333333333333,
|
| 515 |
+
"grad_norm": 3.8544743061065674,
|
| 516 |
+
"learning_rate": 3.462962962962963e-05,
|
| 517 |
+
"loss": 0.3493,
|
| 518 |
+
"step": 650
|
| 519 |
+
},
|
| 520 |
+
{
|
| 521 |
+
"epoch": 6.04,
|
| 522 |
+
"grad_norm": 4.581654071807861,
|
| 523 |
+
"learning_rate": 3.4222222222222224e-05,
|
| 524 |
+
"loss": 0.2881,
|
| 525 |
+
"step": 660
|
| 526 |
+
},
|
| 527 |
+
{
|
| 528 |
+
"epoch": 6.046666666666667,
|
| 529 |
+
"grad_norm": 4.788325786590576,
|
| 530 |
+
"learning_rate": 3.3814814814814814e-05,
|
| 531 |
+
"loss": 0.2162,
|
| 532 |
+
"step": 670
|
| 533 |
+
},
|
| 534 |
+
{
|
| 535 |
+
"epoch": 6.053333333333334,
|
| 536 |
+
"grad_norm": 6.063342571258545,
|
| 537 |
+
"learning_rate": 3.3407407407407405e-05,
|
| 538 |
+
"loss": 0.2507,
|
| 539 |
+
"step": 680
|
| 540 |
+
},
|
| 541 |
+
{
|
| 542 |
+
"epoch": 6.06,
|
| 543 |
+
"grad_norm": 8.78098201751709,
|
| 544 |
+
"learning_rate": 3.3e-05,
|
| 545 |
+
"loss": 0.2895,
|
| 546 |
+
"step": 690
|
| 547 |
+
},
|
| 548 |
+
{
|
| 549 |
+
"epoch": 6.066666666666666,
|
| 550 |
+
"grad_norm": 5.059321880340576,
|
| 551 |
+
"learning_rate": 3.259259259259259e-05,
|
| 552 |
+
"loss": 0.3317,
|
| 553 |
+
"step": 700
|
| 554 |
+
},
|
| 555 |
+
{
|
| 556 |
+
"epoch": 6.066666666666666,
|
| 557 |
+
"eval_accuracy": 0.7725,
|
| 558 |
+
"eval_loss": 0.5332136750221252,
|
| 559 |
+
"eval_runtime": 231.2401,
|
| 560 |
+
"eval_samples_per_second": 3.46,
|
| 561 |
+
"eval_steps_per_second": 0.216,
|
| 562 |
+
"step": 700
|
| 563 |
+
},
|
| 564 |
+
{
|
| 565 |
+
"epoch": 7.006666666666667,
|
| 566 |
+
"grad_norm": 1.4157503843307495,
|
| 567 |
+
"learning_rate": 3.2185185185185184e-05,
|
| 568 |
+
"loss": 0.196,
|
| 569 |
+
"step": 710
|
| 570 |
+
},
|
| 571 |
+
{
|
| 572 |
+
"epoch": 7.013333333333334,
|
| 573 |
+
"grad_norm": 6.786440372467041,
|
| 574 |
+
"learning_rate": 3.1777777777777775e-05,
|
| 575 |
+
"loss": 0.2058,
|
| 576 |
+
"step": 720
|
| 577 |
+
},
|
| 578 |
+
{
|
| 579 |
+
"epoch": 7.02,
|
| 580 |
+
"grad_norm": 6.081082820892334,
|
| 581 |
+
"learning_rate": 3.137037037037037e-05,
|
| 582 |
+
"loss": 0.2339,
|
| 583 |
+
"step": 730
|
| 584 |
+
},
|
| 585 |
+
{
|
| 586 |
+
"epoch": 7.026666666666666,
|
| 587 |
+
"grad_norm": 9.049614906311035,
|
| 588 |
+
"learning_rate": 3.096296296296296e-05,
|
| 589 |
+
"loss": 0.2703,
|
| 590 |
+
"step": 740
|
| 591 |
+
},
|
| 592 |
+
{
|
| 593 |
+
"epoch": 7.033333333333333,
|
| 594 |
+
"grad_norm": 8.116008758544922,
|
| 595 |
+
"learning_rate": 3.055555555555556e-05,
|
| 596 |
+
"loss": 0.2108,
|
| 597 |
+
"step": 750
|
| 598 |
+
},
|
| 599 |
+
{
|
| 600 |
+
"epoch": 7.04,
|
| 601 |
+
"grad_norm": 1.6205955743789673,
|
| 602 |
+
"learning_rate": 3.014814814814815e-05,
|
| 603 |
+
"loss": 0.1977,
|
| 604 |
+
"step": 760
|
| 605 |
+
},
|
| 606 |
+
{
|
| 607 |
+
"epoch": 7.046666666666667,
|
| 608 |
+
"grad_norm": 1.2046096324920654,
|
| 609 |
+
"learning_rate": 2.9740740740740742e-05,
|
| 610 |
+
"loss": 0.3565,
|
| 611 |
+
"step": 770
|
| 612 |
+
},
|
| 613 |
+
{
|
| 614 |
+
"epoch": 7.053333333333334,
|
| 615 |
+
"grad_norm": 3.986579656600952,
|
| 616 |
+
"learning_rate": 2.9333333333333333e-05,
|
| 617 |
+
"loss": 0.3345,
|
| 618 |
+
"step": 780
|
| 619 |
+
},
|
| 620 |
+
{
|
| 621 |
+
"epoch": 7.06,
|
| 622 |
+
"grad_norm": 3.120173931121826,
|
| 623 |
+
"learning_rate": 2.8925925925925927e-05,
|
| 624 |
+
"loss": 0.2673,
|
| 625 |
+
"step": 790
|
| 626 |
+
},
|
| 627 |
+
{
|
| 628 |
+
"epoch": 7.066666666666666,
|
| 629 |
+
"grad_norm": 5.477077007293701,
|
| 630 |
+
"learning_rate": 2.8518518518518517e-05,
|
| 631 |
+
"loss": 0.2739,
|
| 632 |
+
"step": 800
|
| 633 |
+
},
|
| 634 |
+
{
|
| 635 |
+
"epoch": 7.066666666666666,
|
| 636 |
+
"eval_accuracy": 0.82,
|
| 637 |
+
"eval_loss": 0.4159656763076782,
|
| 638 |
+
"eval_runtime": 273.1709,
|
| 639 |
+
"eval_samples_per_second": 2.929,
|
| 640 |
+
"eval_steps_per_second": 0.183,
|
| 641 |
+
"step": 800
|
| 642 |
+
},
|
| 643 |
+
{
|
| 644 |
+
"epoch": 8.006666666666666,
|
| 645 |
+
"grad_norm": 5.367541790008545,
|
| 646 |
+
"learning_rate": 2.811111111111111e-05,
|
| 647 |
+
"loss": 0.1916,
|
| 648 |
+
"step": 810
|
| 649 |
+
},
|
| 650 |
+
{
|
| 651 |
+
"epoch": 8.013333333333334,
|
| 652 |
+
"grad_norm": 7.198357582092285,
|
| 653 |
+
"learning_rate": 2.7703703703703702e-05,
|
| 654 |
+
"loss": 0.2728,
|
| 655 |
+
"step": 820
|
| 656 |
+
},
|
| 657 |
+
{
|
| 658 |
+
"epoch": 8.02,
|
| 659 |
+
"grad_norm": 4.017102241516113,
|
| 660 |
+
"learning_rate": 2.7296296296296296e-05,
|
| 661 |
+
"loss": 0.3022,
|
| 662 |
+
"step": 830
|
| 663 |
+
},
|
| 664 |
+
{
|
| 665 |
+
"epoch": 8.026666666666667,
|
| 666 |
+
"grad_norm": 4.362379550933838,
|
| 667 |
+
"learning_rate": 2.688888888888889e-05,
|
| 668 |
+
"loss": 0.2026,
|
| 669 |
+
"step": 840
|
| 670 |
+
},
|
| 671 |
+
{
|
| 672 |
+
"epoch": 8.033333333333333,
|
| 673 |
+
"grad_norm": 2.223926067352295,
|
| 674 |
+
"learning_rate": 2.648148148148148e-05,
|
| 675 |
+
"loss": 0.1539,
|
| 676 |
+
"step": 850
|
| 677 |
+
},
|
| 678 |
+
{
|
| 679 |
+
"epoch": 8.04,
|
| 680 |
+
"grad_norm": 12.67545223236084,
|
| 681 |
+
"learning_rate": 2.6074074074074075e-05,
|
| 682 |
+
"loss": 0.2454,
|
| 683 |
+
"step": 860
|
| 684 |
+
},
|
| 685 |
+
{
|
| 686 |
+
"epoch": 8.046666666666667,
|
| 687 |
+
"grad_norm": 7.626302242279053,
|
| 688 |
+
"learning_rate": 2.566666666666667e-05,
|
| 689 |
+
"loss": 0.2212,
|
| 690 |
+
"step": 870
|
| 691 |
+
},
|
| 692 |
+
{
|
| 693 |
+
"epoch": 8.053333333333333,
|
| 694 |
+
"grad_norm": 3.8482179641723633,
|
| 695 |
+
"learning_rate": 2.525925925925926e-05,
|
| 696 |
+
"loss": 0.2178,
|
| 697 |
+
"step": 880
|
| 698 |
+
},
|
| 699 |
+
{
|
| 700 |
+
"epoch": 8.06,
|
| 701 |
+
"grad_norm": 13.528992652893066,
|
| 702 |
+
"learning_rate": 2.485185185185185e-05,
|
| 703 |
+
"loss": 0.25,
|
| 704 |
+
"step": 890
|
| 705 |
+
},
|
| 706 |
+
{
|
| 707 |
+
"epoch": 8.066666666666666,
|
| 708 |
+
"grad_norm": 8.732410430908203,
|
| 709 |
+
"learning_rate": 2.4444444444444445e-05,
|
| 710 |
+
"loss": 0.1534,
|
| 711 |
+
"step": 900
|
| 712 |
+
},
|
| 713 |
+
{
|
| 714 |
+
"epoch": 8.066666666666666,
|
| 715 |
+
"eval_accuracy": 0.82,
|
| 716 |
+
"eval_loss": 0.4775158762931824,
|
| 717 |
+
"eval_runtime": 244.6034,
|
| 718 |
+
"eval_samples_per_second": 3.271,
|
| 719 |
+
"eval_steps_per_second": 0.204,
|
| 720 |
+
"step": 900
|
| 721 |
+
},
|
| 722 |
+
{
|
| 723 |
+
"epoch": 9.006666666666666,
|
| 724 |
+
"grad_norm": 6.783283233642578,
|
| 725 |
+
"learning_rate": 2.403703703703704e-05,
|
| 726 |
+
"loss": 0.2537,
|
| 727 |
+
"step": 910
|
| 728 |
+
},
|
| 729 |
+
{
|
| 730 |
+
"epoch": 9.013333333333334,
|
| 731 |
+
"grad_norm": 2.1116433143615723,
|
| 732 |
+
"learning_rate": 2.362962962962963e-05,
|
| 733 |
+
"loss": 0.2365,
|
| 734 |
+
"step": 920
|
| 735 |
+
},
|
| 736 |
+
{
|
| 737 |
+
"epoch": 9.02,
|
| 738 |
+
"grad_norm": 4.950802326202393,
|
| 739 |
+
"learning_rate": 2.3222222222222224e-05,
|
| 740 |
+
"loss": 0.1346,
|
| 741 |
+
"step": 930
|
| 742 |
+
},
|
| 743 |
+
{
|
| 744 |
+
"epoch": 9.026666666666667,
|
| 745 |
+
"grad_norm": 4.27595329284668,
|
| 746 |
+
"learning_rate": 2.2814814814814815e-05,
|
| 747 |
+
"loss": 0.1711,
|
| 748 |
+
"step": 940
|
| 749 |
+
},
|
| 750 |
+
{
|
| 751 |
+
"epoch": 9.033333333333333,
|
| 752 |
+
"grad_norm": 9.448122024536133,
|
| 753 |
+
"learning_rate": 2.2407407407407405e-05,
|
| 754 |
+
"loss": 0.1983,
|
| 755 |
+
"step": 950
|
| 756 |
+
},
|
| 757 |
+
{
|
| 758 |
+
"epoch": 9.04,
|
| 759 |
+
"grad_norm": 12.243429183959961,
|
| 760 |
+
"learning_rate": 2.2000000000000003e-05,
|
| 761 |
+
"loss": 0.1848,
|
| 762 |
+
"step": 960
|
| 763 |
+
},
|
| 764 |
+
{
|
| 765 |
+
"epoch": 9.046666666666667,
|
| 766 |
+
"grad_norm": 12.277355194091797,
|
| 767 |
+
"learning_rate": 2.1592592592592594e-05,
|
| 768 |
+
"loss": 0.1689,
|
| 769 |
+
"step": 970
|
| 770 |
+
},
|
| 771 |
+
{
|
| 772 |
+
"epoch": 9.053333333333333,
|
| 773 |
+
"grad_norm": 9.587787628173828,
|
| 774 |
+
"learning_rate": 2.1185185185185188e-05,
|
| 775 |
+
"loss": 0.2076,
|
| 776 |
+
"step": 980
|
| 777 |
+
},
|
| 778 |
+
{
|
| 779 |
+
"epoch": 9.06,
|
| 780 |
+
"grad_norm": 3.1150946617126465,
|
| 781 |
+
"learning_rate": 2.077777777777778e-05,
|
| 782 |
+
"loss": 0.1968,
|
| 783 |
+
"step": 990
|
| 784 |
+
},
|
| 785 |
+
{
|
| 786 |
+
"epoch": 9.066666666666666,
|
| 787 |
+
"grad_norm": 5.898919105529785,
|
| 788 |
+
"learning_rate": 2.037037037037037e-05,
|
| 789 |
+
"loss": 0.2573,
|
| 790 |
+
"step": 1000
|
| 791 |
+
},
|
| 792 |
+
{
|
| 793 |
+
"epoch": 9.066666666666666,
|
| 794 |
+
"eval_accuracy": 0.84125,
|
| 795 |
+
"eval_loss": 0.41971343755722046,
|
| 796 |
+
"eval_runtime": 257.4489,
|
| 797 |
+
"eval_samples_per_second": 3.107,
|
| 798 |
+
"eval_steps_per_second": 0.194,
|
| 799 |
+
"step": 1000
|
| 800 |
+
},
|
| 801 |
+
{
|
| 802 |
+
"epoch": 10.006666666666666,
|
| 803 |
+
"grad_norm": 3.6205122470855713,
|
| 804 |
+
"learning_rate": 1.9962962962962967e-05,
|
| 805 |
+
"loss": 0.1457,
|
| 806 |
+
"step": 1010
|
| 807 |
+
},
|
| 808 |
+
{
|
| 809 |
+
"epoch": 10.013333333333334,
|
| 810 |
+
"grad_norm": 3.2883219718933105,
|
| 811 |
+
"learning_rate": 1.9555555555555557e-05,
|
| 812 |
+
"loss": 0.1544,
|
| 813 |
+
"step": 1020
|
| 814 |
+
},
|
| 815 |
+
{
|
| 816 |
+
"epoch": 10.02,
|
| 817 |
+
"grad_norm": 1.2128885984420776,
|
| 818 |
+
"learning_rate": 1.9148148148148148e-05,
|
| 819 |
+
"loss": 0.1496,
|
| 820 |
+
"step": 1030
|
| 821 |
+
},
|
| 822 |
+
{
|
| 823 |
+
"epoch": 10.026666666666667,
|
| 824 |
+
"grad_norm": 12.927470207214355,
|
| 825 |
+
"learning_rate": 1.8740740740740742e-05,
|
| 826 |
+
"loss": 0.2687,
|
| 827 |
+
"step": 1040
|
| 828 |
+
},
|
| 829 |
+
{
|
| 830 |
+
"epoch": 10.033333333333333,
|
| 831 |
+
"grad_norm": 6.891391754150391,
|
| 832 |
+
"learning_rate": 1.8333333333333333e-05,
|
| 833 |
+
"loss": 0.171,
|
| 834 |
+
"step": 1050
|
| 835 |
+
},
|
| 836 |
+
{
|
| 837 |
+
"epoch": 10.04,
|
| 838 |
+
"grad_norm": 9.208685874938965,
|
| 839 |
+
"learning_rate": 1.7925925925925927e-05,
|
| 840 |
+
"loss": 0.1165,
|
| 841 |
+
"step": 1060
|
| 842 |
+
},
|
| 843 |
+
{
|
| 844 |
+
"epoch": 10.046666666666667,
|
| 845 |
+
"grad_norm": 6.006155014038086,
|
| 846 |
+
"learning_rate": 1.751851851851852e-05,
|
| 847 |
+
"loss": 0.2244,
|
| 848 |
+
"step": 1070
|
| 849 |
+
},
|
| 850 |
+
{
|
| 851 |
+
"epoch": 10.053333333333333,
|
| 852 |
+
"grad_norm": 0.5988175868988037,
|
| 853 |
+
"learning_rate": 1.7111111111111112e-05,
|
| 854 |
+
"loss": 0.2176,
|
| 855 |
+
"step": 1080
|
| 856 |
+
},
|
| 857 |
+
{
|
| 858 |
+
"epoch": 10.06,
|
| 859 |
+
"grad_norm": 5.3024725914001465,
|
| 860 |
+
"learning_rate": 1.6703703703703703e-05,
|
| 861 |
+
"loss": 0.2642,
|
| 862 |
+
"step": 1090
|
| 863 |
+
},
|
| 864 |
+
{
|
| 865 |
+
"epoch": 10.066666666666666,
|
| 866 |
+
"grad_norm": 2.5439982414245605,
|
| 867 |
+
"learning_rate": 1.6296296296296297e-05,
|
| 868 |
+
"loss": 0.16,
|
| 869 |
+
"step": 1100
|
| 870 |
+
},
|
| 871 |
+
{
|
| 872 |
+
"epoch": 10.066666666666666,
|
| 873 |
+
"eval_accuracy": 0.84125,
|
| 874 |
+
"eval_loss": 0.4305249750614166,
|
| 875 |
+
"eval_runtime": 230.2767,
|
| 876 |
+
"eval_samples_per_second": 3.474,
|
| 877 |
+
"eval_steps_per_second": 0.217,
|
| 878 |
+
"step": 1100
|
| 879 |
+
},
|
| 880 |
+
{
|
| 881 |
+
"epoch": 11.006666666666666,
|
| 882 |
+
"grad_norm": 3.761998176574707,
|
| 883 |
+
"learning_rate": 1.5888888888888887e-05,
|
| 884 |
+
"loss": 0.2831,
|
| 885 |
+
"step": 1110
|
| 886 |
+
},
|
| 887 |
+
{
|
| 888 |
+
"epoch": 11.013333333333334,
|
| 889 |
+
"grad_norm": 1.902519702911377,
|
| 890 |
+
"learning_rate": 1.548148148148148e-05,
|
| 891 |
+
"loss": 0.1471,
|
| 892 |
+
"step": 1120
|
| 893 |
+
},
|
| 894 |
+
{
|
| 895 |
+
"epoch": 11.02,
|
| 896 |
+
"grad_norm": 3.733051300048828,
|
| 897 |
+
"learning_rate": 1.5074074074074076e-05,
|
| 898 |
+
"loss": 0.1483,
|
| 899 |
+
"step": 1130
|
| 900 |
+
},
|
| 901 |
+
{
|
| 902 |
+
"epoch": 11.026666666666667,
|
| 903 |
+
"grad_norm": 4.472650051116943,
|
| 904 |
+
"learning_rate": 1.4666666666666666e-05,
|
| 905 |
+
"loss": 0.1638,
|
| 906 |
+
"step": 1140
|
| 907 |
+
},
|
| 908 |
+
{
|
| 909 |
+
"epoch": 11.033333333333333,
|
| 910 |
+
"grad_norm": 6.74265718460083,
|
| 911 |
+
"learning_rate": 1.4259259259259259e-05,
|
| 912 |
+
"loss": 0.2049,
|
| 913 |
+
"step": 1150
|
| 914 |
+
},
|
| 915 |
+
{
|
| 916 |
+
"epoch": 11.04,
|
| 917 |
+
"grad_norm": 2.649310827255249,
|
| 918 |
+
"learning_rate": 1.3851851851851851e-05,
|
| 919 |
+
"loss": 0.1252,
|
| 920 |
+
"step": 1160
|
| 921 |
+
},
|
| 922 |
+
{
|
| 923 |
+
"epoch": 11.046666666666667,
|
| 924 |
+
"grad_norm": 4.256557941436768,
|
| 925 |
+
"learning_rate": 1.3444444444444445e-05,
|
| 926 |
+
"loss": 0.2747,
|
| 927 |
+
"step": 1170
|
| 928 |
+
},
|
| 929 |
+
{
|
| 930 |
+
"epoch": 11.053333333333333,
|
| 931 |
+
"grad_norm": 1.1058402061462402,
|
| 932 |
+
"learning_rate": 1.3037037037037038e-05,
|
| 933 |
+
"loss": 0.1497,
|
| 934 |
+
"step": 1180
|
| 935 |
+
},
|
| 936 |
+
{
|
| 937 |
+
"epoch": 11.06,
|
| 938 |
+
"grad_norm": 11.982878684997559,
|
| 939 |
+
"learning_rate": 1.262962962962963e-05,
|
| 940 |
+
"loss": 0.221,
|
| 941 |
+
"step": 1190
|
| 942 |
+
},
|
| 943 |
+
{
|
| 944 |
+
"epoch": 11.066666666666666,
|
| 945 |
+
"grad_norm": 10.263646125793457,
|
| 946 |
+
"learning_rate": 1.2222222222222222e-05,
|
| 947 |
+
"loss": 0.1661,
|
| 948 |
+
"step": 1200
|
| 949 |
+
},
|
| 950 |
+
{
|
| 951 |
+
"epoch": 11.066666666666666,
|
| 952 |
+
"eval_accuracy": 0.79125,
|
| 953 |
+
"eval_loss": 0.6461706757545471,
|
| 954 |
+
"eval_runtime": 231.4467,
|
| 955 |
+
"eval_samples_per_second": 3.457,
|
| 956 |
+
"eval_steps_per_second": 0.216,
|
| 957 |
+
"step": 1200
|
| 958 |
+
},
|
| 959 |
+
{
|
| 960 |
+
"epoch": 12.006666666666666,
|
| 961 |
+
"grad_norm": 1.175844669342041,
|
| 962 |
+
"learning_rate": 1.1814814814814815e-05,
|
| 963 |
+
"loss": 0.1268,
|
| 964 |
+
"step": 1210
|
| 965 |
+
},
|
| 966 |
+
{
|
| 967 |
+
"epoch": 12.013333333333334,
|
| 968 |
+
"grad_norm": 4.493222713470459,
|
| 969 |
+
"learning_rate": 1.1407407407407407e-05,
|
| 970 |
+
"loss": 0.1484,
|
| 971 |
+
"step": 1220
|
| 972 |
+
},
|
| 973 |
+
{
|
| 974 |
+
"epoch": 12.02,
|
| 975 |
+
"grad_norm": 9.850692749023438,
|
| 976 |
+
"learning_rate": 1.1000000000000001e-05,
|
| 977 |
+
"loss": 0.1487,
|
| 978 |
+
"step": 1230
|
| 979 |
+
},
|
| 980 |
+
{
|
| 981 |
+
"epoch": 12.026666666666667,
|
| 982 |
+
"grad_norm": 1.1193190813064575,
|
| 983 |
+
"learning_rate": 1.0592592592592594e-05,
|
| 984 |
+
"loss": 0.0996,
|
| 985 |
+
"step": 1240
|
| 986 |
+
},
|
| 987 |
+
{
|
| 988 |
+
"epoch": 12.033333333333333,
|
| 989 |
+
"grad_norm": 1.7836130857467651,
|
| 990 |
+
"learning_rate": 1.0185185185185185e-05,
|
| 991 |
+
"loss": 0.1028,
|
| 992 |
+
"step": 1250
|
| 993 |
+
},
|
| 994 |
+
{
|
| 995 |
+
"epoch": 12.04,
|
| 996 |
+
"grad_norm": 7.9007158279418945,
|
| 997 |
+
"learning_rate": 9.777777777777779e-06,
|
| 998 |
+
"loss": 0.1817,
|
| 999 |
+
"step": 1260
|
| 1000 |
+
},
|
| 1001 |
+
{
|
| 1002 |
+
"epoch": 12.046666666666667,
|
| 1003 |
+
"grad_norm": 4.448166847229004,
|
| 1004 |
+
"learning_rate": 9.370370370370371e-06,
|
| 1005 |
+
"loss": 0.2116,
|
| 1006 |
+
"step": 1270
|
| 1007 |
+
},
|
| 1008 |
+
{
|
| 1009 |
+
"epoch": 12.053333333333333,
|
| 1010 |
+
"grad_norm": 3.7072129249572754,
|
| 1011 |
+
"learning_rate": 8.962962962962963e-06,
|
| 1012 |
+
"loss": 0.2593,
|
| 1013 |
+
"step": 1280
|
| 1014 |
+
},
|
| 1015 |
+
{
|
| 1016 |
+
"epoch": 12.06,
|
| 1017 |
+
"grad_norm": 6.0140767097473145,
|
| 1018 |
+
"learning_rate": 8.555555555555556e-06,
|
| 1019 |
+
"loss": 0.1608,
|
| 1020 |
+
"step": 1290
|
| 1021 |
+
},
|
| 1022 |
+
{
|
| 1023 |
+
"epoch": 12.066666666666666,
|
| 1024 |
+
"grad_norm": 3.651165246963501,
|
| 1025 |
+
"learning_rate": 8.148148148148148e-06,
|
| 1026 |
+
"loss": 0.1194,
|
| 1027 |
+
"step": 1300
|
| 1028 |
+
},
|
| 1029 |
+
{
|
| 1030 |
+
"epoch": 12.066666666666666,
|
| 1031 |
+
"eval_accuracy": 0.7925,
|
| 1032 |
+
"eval_loss": 0.747428297996521,
|
| 1033 |
+
"eval_runtime": 238.559,
|
| 1034 |
+
"eval_samples_per_second": 3.353,
|
| 1035 |
+
"eval_steps_per_second": 0.21,
|
| 1036 |
+
"step": 1300
|
| 1037 |
+
},
|
| 1038 |
+
{
|
| 1039 |
+
"epoch": 13.006666666666666,
|
| 1040 |
+
"grad_norm": 12.496907234191895,
|
| 1041 |
+
"learning_rate": 7.74074074074074e-06,
|
| 1042 |
+
"loss": 0.1629,
|
| 1043 |
+
"step": 1310
|
| 1044 |
+
},
|
| 1045 |
+
{
|
| 1046 |
+
"epoch": 13.013333333333334,
|
| 1047 |
+
"grad_norm": 1.1458181142807007,
|
| 1048 |
+
"learning_rate": 7.333333333333333e-06,
|
| 1049 |
+
"loss": 0.2708,
|
| 1050 |
+
"step": 1320
|
| 1051 |
+
},
|
| 1052 |
+
{
|
| 1053 |
+
"epoch": 13.02,
|
| 1054 |
+
"grad_norm": 10.291749954223633,
|
| 1055 |
+
"learning_rate": 6.9259259259259256e-06,
|
| 1056 |
+
"loss": 0.1076,
|
| 1057 |
+
"step": 1330
|
| 1058 |
+
},
|
| 1059 |
+
{
|
| 1060 |
+
"epoch": 13.026666666666667,
|
| 1061 |
+
"grad_norm": 13.942150115966797,
|
| 1062 |
+
"learning_rate": 6.518518518518519e-06,
|
| 1063 |
+
"loss": 0.1501,
|
| 1064 |
+
"step": 1340
|
| 1065 |
+
},
|
| 1066 |
+
{
|
| 1067 |
+
"epoch": 13.033333333333333,
|
| 1068 |
+
"grad_norm": 4.787592887878418,
|
| 1069 |
+
"learning_rate": 6.111111111111111e-06,
|
| 1070 |
+
"loss": 0.0629,
|
| 1071 |
+
"step": 1350
|
| 1072 |
+
},
|
| 1073 |
+
{
|
| 1074 |
+
"epoch": 13.04,
|
| 1075 |
+
"grad_norm": 0.4877314567565918,
|
| 1076 |
+
"learning_rate": 5.703703703703704e-06,
|
| 1077 |
+
"loss": 0.1254,
|
| 1078 |
+
"step": 1360
|
| 1079 |
+
},
|
| 1080 |
+
{
|
| 1081 |
+
"epoch": 13.046666666666667,
|
| 1082 |
+
"grad_norm": 11.448697090148926,
|
| 1083 |
+
"learning_rate": 5.296296296296297e-06,
|
| 1084 |
+
"loss": 0.135,
|
| 1085 |
+
"step": 1370
|
| 1086 |
+
},
|
| 1087 |
+
{
|
| 1088 |
+
"epoch": 13.053333333333333,
|
| 1089 |
+
"grad_norm": 0.08754919469356537,
|
| 1090 |
+
"learning_rate": 4.888888888888889e-06,
|
| 1091 |
+
"loss": 0.1273,
|
| 1092 |
+
"step": 1380
|
| 1093 |
+
},
|
| 1094 |
+
{
|
| 1095 |
+
"epoch": 13.06,
|
| 1096 |
+
"grad_norm": 2.463209867477417,
|
| 1097 |
+
"learning_rate": 4.481481481481482e-06,
|
| 1098 |
+
"loss": 0.1435,
|
| 1099 |
+
"step": 1390
|
| 1100 |
+
},
|
| 1101 |
+
{
|
| 1102 |
+
"epoch": 13.066666666666666,
|
| 1103 |
+
"grad_norm": 4.392739295959473,
|
| 1104 |
+
"learning_rate": 4.074074074074074e-06,
|
| 1105 |
+
"loss": 0.1787,
|
| 1106 |
+
"step": 1400
|
| 1107 |
+
},
|
| 1108 |
+
{
|
| 1109 |
+
"epoch": 13.066666666666666,
|
| 1110 |
+
"eval_accuracy": 0.83625,
|
| 1111 |
+
"eval_loss": 0.6112281084060669,
|
| 1112 |
+
"eval_runtime": 233.1222,
|
| 1113 |
+
"eval_samples_per_second": 3.432,
|
| 1114 |
+
"eval_steps_per_second": 0.214,
|
| 1115 |
+
"step": 1400
|
| 1116 |
+
},
|
| 1117 |
+
{
|
| 1118 |
+
"epoch": 14.006666666666666,
|
| 1119 |
+
"grad_norm": 1.5450037717819214,
|
| 1120 |
+
"learning_rate": 3.6666666666666666e-06,
|
| 1121 |
+
"loss": 0.0657,
|
| 1122 |
+
"step": 1410
|
| 1123 |
+
},
|
| 1124 |
+
{
|
| 1125 |
+
"epoch": 14.013333333333334,
|
| 1126 |
+
"grad_norm": 12.871345520019531,
|
| 1127 |
+
"learning_rate": 3.2592592592592594e-06,
|
| 1128 |
+
"loss": 0.2169,
|
| 1129 |
+
"step": 1420
|
| 1130 |
+
},
|
| 1131 |
+
{
|
| 1132 |
+
"epoch": 14.02,
|
| 1133 |
+
"grad_norm": 6.656364440917969,
|
| 1134 |
+
"learning_rate": 2.851851851851852e-06,
|
| 1135 |
+
"loss": 0.1209,
|
| 1136 |
+
"step": 1430
|
| 1137 |
+
},
|
| 1138 |
+
{
|
| 1139 |
+
"epoch": 14.026666666666667,
|
| 1140 |
+
"grad_norm": 2.7117884159088135,
|
| 1141 |
+
"learning_rate": 2.4444444444444447e-06,
|
| 1142 |
+
"loss": 0.1349,
|
| 1143 |
+
"step": 1440
|
| 1144 |
+
},
|
| 1145 |
+
{
|
| 1146 |
+
"epoch": 14.033333333333333,
|
| 1147 |
+
"grad_norm": 6.070209980010986,
|
| 1148 |
+
"learning_rate": 2.037037037037037e-06,
|
| 1149 |
+
"loss": 0.1386,
|
| 1150 |
+
"step": 1450
|
| 1151 |
+
},
|
| 1152 |
+
{
|
| 1153 |
+
"epoch": 14.04,
|
| 1154 |
+
"grad_norm": 6.357542037963867,
|
| 1155 |
+
"learning_rate": 1.6296296296296297e-06,
|
| 1156 |
+
"loss": 0.2178,
|
| 1157 |
+
"step": 1460
|
| 1158 |
+
},
|
| 1159 |
+
{
|
| 1160 |
+
"epoch": 14.046666666666667,
|
| 1161 |
+
"grad_norm": 12.310297966003418,
|
| 1162 |
+
"learning_rate": 1.2222222222222223e-06,
|
| 1163 |
+
"loss": 0.193,
|
| 1164 |
+
"step": 1470
|
| 1165 |
+
},
|
| 1166 |
+
{
|
| 1167 |
+
"epoch": 14.053333333333333,
|
| 1168 |
+
"grad_norm": 8.076001167297363,
|
| 1169 |
+
"learning_rate": 8.148148148148149e-07,
|
| 1170 |
+
"loss": 0.2316,
|
| 1171 |
+
"step": 1480
|
| 1172 |
+
},
|
| 1173 |
+
{
|
| 1174 |
+
"epoch": 14.06,
|
| 1175 |
+
"grad_norm": 2.287316083908081,
|
| 1176 |
+
"learning_rate": 4.074074074074074e-07,
|
| 1177 |
+
"loss": 0.0933,
|
| 1178 |
+
"step": 1490
|
| 1179 |
+
},
|
| 1180 |
+
{
|
| 1181 |
+
"epoch": 14.066666666666666,
|
| 1182 |
+
"grad_norm": 12.869010925292969,
|
| 1183 |
+
"learning_rate": 0.0,
|
| 1184 |
+
"loss": 0.1953,
|
| 1185 |
+
"step": 1500
|
| 1186 |
+
},
|
| 1187 |
+
{
|
| 1188 |
+
"epoch": 14.066666666666666,
|
| 1189 |
+
"eval_accuracy": 0.80125,
|
| 1190 |
+
"eval_loss": 0.6875764727592468,
|
| 1191 |
+
"eval_runtime": 223.9474,
|
| 1192 |
+
"eval_samples_per_second": 3.572,
|
| 1193 |
+
"eval_steps_per_second": 0.223,
|
| 1194 |
+
"step": 1500
|
| 1195 |
+
},
|
| 1196 |
+
{
|
| 1197 |
+
"epoch": 14.066666666666666,
|
| 1198 |
+
"step": 1500,
|
| 1199 |
+
"total_flos": 2.9905550147321856e+19,
|
| 1200 |
+
"train_loss": 0.28477946905295054,
|
| 1201 |
+
"train_runtime": 12280.5754,
|
| 1202 |
+
"train_samples_per_second": 1.954,
|
| 1203 |
+
"train_steps_per_second": 0.122
|
| 1204 |
+
},
|
| 1205 |
+
{
|
| 1206 |
+
"epoch": 14.066666666666666,
|
| 1207 |
+
"eval_accuracy": 0.84125,
|
| 1208 |
+
"eval_loss": 0.41971343755722046,
|
| 1209 |
+
"eval_runtime": 225.137,
|
| 1210 |
+
"eval_samples_per_second": 3.553,
|
| 1211 |
+
"eval_steps_per_second": 0.222,
|
| 1212 |
+
"step": 1500
|
| 1213 |
+
},
|
| 1214 |
+
{
|
| 1215 |
+
"epoch": 14.066666666666666,
|
| 1216 |
+
"eval_accuracy": 0.91,
|
| 1217 |
+
"eval_loss": 0.25712350010871887,
|
| 1218 |
+
"eval_runtime": 12.7854,
|
| 1219 |
+
"eval_samples_per_second": 7.821,
|
| 1220 |
+
"eval_steps_per_second": 0.547,
|
| 1221 |
+
"step": 1500
|
| 1222 |
+
}
|
| 1223 |
+
],
|
| 1224 |
+
"logging_steps": 10,
|
| 1225 |
+
"max_steps": 1500,
|
| 1226 |
+
"num_input_tokens_seen": 0,
|
| 1227 |
+
"num_train_epochs": 9223372036854775807,
|
| 1228 |
+
"save_steps": 500,
|
| 1229 |
+
"stateful_callbacks": {
|
| 1230 |
+
"TrainerControl": {
|
| 1231 |
+
"args": {
|
| 1232 |
+
"should_epoch_stop": false,
|
| 1233 |
+
"should_evaluate": false,
|
| 1234 |
+
"should_log": false,
|
| 1235 |
+
"should_save": true,
|
| 1236 |
+
"should_training_stop": true
|
| 1237 |
+
},
|
| 1238 |
+
"attributes": {}
|
| 1239 |
+
}
|
| 1240 |
+
},
|
| 1241 |
+
"total_flos": 2.9905550147321856e+19,
|
| 1242 |
+
"train_batch_size": 16,
|
| 1243 |
+
"trial_name": null,
|
| 1244 |
+
"trial_params": null
|
| 1245 |
+
}
|
val_results.json
ADDED
|
@@ -0,0 +1,8 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"epoch": 14.066666666666666,
|
| 3 |
+
"eval_accuracy": 0.84125,
|
| 4 |
+
"eval_loss": 0.41971343755722046,
|
| 5 |
+
"eval_runtime": 225.137,
|
| 6 |
+
"eval_samples_per_second": 3.553,
|
| 7 |
+
"eval_steps_per_second": 0.222
|
| 8 |
+
}
|