Sohaibsoussi commited on
Commit
3227fcc
·
verified ·
1 Parent(s): 5e57bee

Cheers 🎉

Browse files
README.md CHANGED
@@ -3,6 +3,7 @@ library_name: transformers
3
  license: apache-2.0
4
  base_model: google/vit-base-patch16-224-in21k
5
  tags:
 
6
  - generated_from_trainer
7
  metrics:
8
  - accuracy
@@ -16,10 +17,10 @@ should probably proofread and complete it, then remove this comment. -->
16
 
17
  # ViT-NIH-Chest-X-ray-dataset-small
18
 
19
- This model is a fine-tuned version of [google/vit-base-patch16-224-in21k](https://huggingface.co/google/vit-base-patch16-224-in21k) on an unknown dataset.
20
  It achieves the following results on the evaluation set:
21
- - Loss: 0.0923
22
- - Accuracy: 0.6526
23
 
24
  ## Model description
25
 
 
3
  license: apache-2.0
4
  base_model: google/vit-base-patch16-224-in21k
5
  tags:
6
+ - image-classification
7
  - generated_from_trainer
8
  metrics:
9
  - accuracy
 
17
 
18
  # ViT-NIH-Chest-X-ray-dataset-small
19
 
20
+ This model is a fine-tuned version of [google/vit-base-patch16-224-in21k](https://huggingface.co/google/vit-base-patch16-224-in21k) on the beans dataset.
21
  It achieves the following results on the evaluation set:
22
+ - Loss: 0.2988
23
+ - Accuracy: 0.2299
24
 
25
  ## Model description
26
 
all_results.json ADDED
@@ -0,0 +1,13 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 8.0,
3
+ "eval_accuracy": 0.22986708365910868,
4
+ "eval_loss": 0.2988394498825073,
5
+ "eval_runtime": 39.1477,
6
+ "eval_samples_per_second": 32.671,
7
+ "eval_steps_per_second": 4.087,
8
+ "total_flos": 2.6821552511927255e+18,
9
+ "train_loss": 0.16216810325304962,
10
+ "train_runtime": 3143.5173,
11
+ "train_samples_per_second": 11.009,
12
+ "train_steps_per_second": 0.69
13
+ }
eval_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 8.0,
3
+ "eval_accuracy": 0.6526011560693642,
4
+ "eval_loss": 0.0923289805650711,
5
+ "eval_runtime": 56.6908,
6
+ "eval_samples_per_second": 30.516,
7
+ "eval_steps_per_second": 3.828
8
+ }
runs/Dec08_13-06-01_18af7fa0d1da/events.out.tfevents.1733666434.18af7fa0d1da.837.2 ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:0fedcd6fef977b6723b6a556e2363f7a526dff034073a085c72a0301e5d95c4a
3
+ size 734
test_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 8.0,
3
+ "eval_accuracy": 0.22986708365910868,
4
+ "eval_loss": 0.2988394498825073,
5
+ "eval_runtime": 39.1477,
6
+ "eval_samples_per_second": 32.671,
7
+ "eval_steps_per_second": 4.087
8
+ }
train_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 8.0,
3
+ "total_flos": 2.6821552511927255e+18,
4
+ "train_loss": 0.16216810325304962,
5
+ "train_runtime": 3143.5173,
6
+ "train_samples_per_second": 11.009,
7
+ "train_steps_per_second": 0.69
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,1743 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": 0.0923289805650711,
3
+ "best_model_checkpoint": "./ViT-NIH-Chest-X-ray-dataset-small/checkpoint-2100",
4
+ "epoch": 8.0,
5
+ "eval_steps": 100,
6
+ "global_step": 2168,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.03690036900369004,
13
+ "grad_norm": 0.38048115372657776,
14
+ "learning_rate": 0.00019907749077490775,
15
+ "loss": 0.5131,
16
+ "step": 10
17
+ },
18
+ {
19
+ "epoch": 0.07380073800738007,
20
+ "grad_norm": 0.3416444957256317,
21
+ "learning_rate": 0.00019815498154981552,
22
+ "loss": 0.3661,
23
+ "step": 20
24
+ },
25
+ {
26
+ "epoch": 0.11070110701107011,
27
+ "grad_norm": 0.268430233001709,
28
+ "learning_rate": 0.00019723247232472326,
29
+ "loss": 0.3122,
30
+ "step": 30
31
+ },
32
+ {
33
+ "epoch": 0.14760147601476015,
34
+ "grad_norm": 0.20281535387039185,
35
+ "learning_rate": 0.000196309963099631,
36
+ "loss": 0.2862,
37
+ "step": 40
38
+ },
39
+ {
40
+ "epoch": 0.18450184501845018,
41
+ "grad_norm": 0.17638804018497467,
42
+ "learning_rate": 0.00019538745387453877,
43
+ "loss": 0.2582,
44
+ "step": 50
45
+ },
46
+ {
47
+ "epoch": 0.22140221402214022,
48
+ "grad_norm": 0.13983863592147827,
49
+ "learning_rate": 0.00019446494464944652,
50
+ "loss": 0.2621,
51
+ "step": 60
52
+ },
53
+ {
54
+ "epoch": 0.25830258302583026,
55
+ "grad_norm": 0.1306193470954895,
56
+ "learning_rate": 0.00019354243542435426,
57
+ "loss": 0.2361,
58
+ "step": 70
59
+ },
60
+ {
61
+ "epoch": 0.2952029520295203,
62
+ "grad_norm": 0.12178371101617813,
63
+ "learning_rate": 0.000192619926199262,
64
+ "loss": 0.2271,
65
+ "step": 80
66
+ },
67
+ {
68
+ "epoch": 0.33210332103321033,
69
+ "grad_norm": 0.09625957161188126,
70
+ "learning_rate": 0.00019169741697416974,
71
+ "loss": 0.2275,
72
+ "step": 90
73
+ },
74
+ {
75
+ "epoch": 0.36900369003690037,
76
+ "grad_norm": 0.12183211743831635,
77
+ "learning_rate": 0.00019077490774907748,
78
+ "loss": 0.2128,
79
+ "step": 100
80
+ },
81
+ {
82
+ "epoch": 0.36900369003690037,
83
+ "eval_accuracy": 0.0,
84
+ "eval_loss": 0.20924170315265656,
85
+ "eval_runtime": 51.5235,
86
+ "eval_samples_per_second": 33.577,
87
+ "eval_steps_per_second": 4.212,
88
+ "step": 100
89
+ },
90
+ {
91
+ "epoch": 0.4059040590405904,
92
+ "grad_norm": 0.08246201276779175,
93
+ "learning_rate": 0.00018985239852398525,
94
+ "loss": 0.2089,
95
+ "step": 110
96
+ },
97
+ {
98
+ "epoch": 0.44280442804428044,
99
+ "grad_norm": 0.11126121133565903,
100
+ "learning_rate": 0.000188929889298893,
101
+ "loss": 0.2147,
102
+ "step": 120
103
+ },
104
+ {
105
+ "epoch": 0.4797047970479705,
106
+ "grad_norm": 0.11177172511816025,
107
+ "learning_rate": 0.00018800738007380074,
108
+ "loss": 0.2044,
109
+ "step": 130
110
+ },
111
+ {
112
+ "epoch": 0.5166051660516605,
113
+ "grad_norm": 0.10021921247243881,
114
+ "learning_rate": 0.0001870848708487085,
115
+ "loss": 0.1839,
116
+ "step": 140
117
+ },
118
+ {
119
+ "epoch": 0.5535055350553506,
120
+ "grad_norm": 0.185609832406044,
121
+ "learning_rate": 0.00018616236162361625,
122
+ "loss": 0.2209,
123
+ "step": 150
124
+ },
125
+ {
126
+ "epoch": 0.5904059040590406,
127
+ "grad_norm": 0.17880532145500183,
128
+ "learning_rate": 0.000185239852398524,
129
+ "loss": 0.2023,
130
+ "step": 160
131
+ },
132
+ {
133
+ "epoch": 0.6273062730627307,
134
+ "grad_norm": 0.09112340211868286,
135
+ "learning_rate": 0.00018431734317343173,
136
+ "loss": 0.1952,
137
+ "step": 170
138
+ },
139
+ {
140
+ "epoch": 0.6642066420664207,
141
+ "grad_norm": 0.14496631920337677,
142
+ "learning_rate": 0.0001833948339483395,
143
+ "loss": 0.2154,
144
+ "step": 180
145
+ },
146
+ {
147
+ "epoch": 0.7011070110701108,
148
+ "grad_norm": 0.1129971593618393,
149
+ "learning_rate": 0.00018247232472324724,
150
+ "loss": 0.1865,
151
+ "step": 190
152
+ },
153
+ {
154
+ "epoch": 0.7380073800738007,
155
+ "grad_norm": 0.1439884454011917,
156
+ "learning_rate": 0.00018154981549815499,
157
+ "loss": 0.1848,
158
+ "step": 200
159
+ },
160
+ {
161
+ "epoch": 0.7380073800738007,
162
+ "eval_accuracy": 0.38208092485549133,
163
+ "eval_loss": 0.1909271478652954,
164
+ "eval_runtime": 51.554,
165
+ "eval_samples_per_second": 33.557,
166
+ "eval_steps_per_second": 4.209,
167
+ "step": 200
168
+ },
169
+ {
170
+ "epoch": 0.7749077490774908,
171
+ "grad_norm": 0.1933569312095642,
172
+ "learning_rate": 0.00018062730627306276,
173
+ "loss": 0.1921,
174
+ "step": 210
175
+ },
176
+ {
177
+ "epoch": 0.8118081180811808,
178
+ "grad_norm": 0.19441623985767365,
179
+ "learning_rate": 0.0001797047970479705,
180
+ "loss": 0.2087,
181
+ "step": 220
182
+ },
183
+ {
184
+ "epoch": 0.8487084870848709,
185
+ "grad_norm": 0.10429559648036957,
186
+ "learning_rate": 0.00017878228782287824,
187
+ "loss": 0.2016,
188
+ "step": 230
189
+ },
190
+ {
191
+ "epoch": 0.8856088560885609,
192
+ "grad_norm": 0.11976602673530579,
193
+ "learning_rate": 0.00017785977859778598,
194
+ "loss": 0.1871,
195
+ "step": 240
196
+ },
197
+ {
198
+ "epoch": 0.922509225092251,
199
+ "grad_norm": 0.13647252321243286,
200
+ "learning_rate": 0.00017693726937269372,
201
+ "loss": 0.1951,
202
+ "step": 250
203
+ },
204
+ {
205
+ "epoch": 0.959409594095941,
206
+ "grad_norm": 0.13491246104240417,
207
+ "learning_rate": 0.00017601476014760147,
208
+ "loss": 0.1987,
209
+ "step": 260
210
+ },
211
+ {
212
+ "epoch": 0.996309963099631,
213
+ "grad_norm": 0.10877779126167297,
214
+ "learning_rate": 0.00017509225092250923,
215
+ "loss": 0.2067,
216
+ "step": 270
217
+ },
218
+ {
219
+ "epoch": 1.033210332103321,
220
+ "grad_norm": 0.10195717215538025,
221
+ "learning_rate": 0.00017416974169741698,
222
+ "loss": 0.1829,
223
+ "step": 280
224
+ },
225
+ {
226
+ "epoch": 1.070110701107011,
227
+ "grad_norm": 0.11287475377321243,
228
+ "learning_rate": 0.00017324723247232472,
229
+ "loss": 0.1771,
230
+ "step": 290
231
+ },
232
+ {
233
+ "epoch": 1.1070110701107012,
234
+ "grad_norm": 0.10177090764045715,
235
+ "learning_rate": 0.0001723247232472325,
236
+ "loss": 0.171,
237
+ "step": 300
238
+ },
239
+ {
240
+ "epoch": 1.1070110701107012,
241
+ "eval_accuracy": 0.5387283236994219,
242
+ "eval_loss": 0.1967419981956482,
243
+ "eval_runtime": 50.6773,
244
+ "eval_samples_per_second": 34.138,
245
+ "eval_steps_per_second": 4.282,
246
+ "step": 300
247
+ },
248
+ {
249
+ "epoch": 1.1439114391143912,
250
+ "grad_norm": 0.14216077327728271,
251
+ "learning_rate": 0.00017140221402214023,
252
+ "loss": 0.2104,
253
+ "step": 310
254
+ },
255
+ {
256
+ "epoch": 1.1808118081180812,
257
+ "grad_norm": 0.0753447487950325,
258
+ "learning_rate": 0.00017047970479704797,
259
+ "loss": 0.201,
260
+ "step": 320
261
+ },
262
+ {
263
+ "epoch": 1.2177121771217712,
264
+ "grad_norm": 0.13927125930786133,
265
+ "learning_rate": 0.00016955719557195574,
266
+ "loss": 0.1923,
267
+ "step": 330
268
+ },
269
+ {
270
+ "epoch": 1.2546125461254611,
271
+ "grad_norm": 0.14396004378795624,
272
+ "learning_rate": 0.00016863468634686348,
273
+ "loss": 0.1996,
274
+ "step": 340
275
+ },
276
+ {
277
+ "epoch": 1.2915129151291513,
278
+ "grad_norm": 0.09631673246622086,
279
+ "learning_rate": 0.00016771217712177123,
280
+ "loss": 0.1672,
281
+ "step": 350
282
+ },
283
+ {
284
+ "epoch": 1.3284132841328413,
285
+ "grad_norm": 0.1342993974685669,
286
+ "learning_rate": 0.00016678966789667897,
287
+ "loss": 0.1792,
288
+ "step": 360
289
+ },
290
+ {
291
+ "epoch": 1.3653136531365313,
292
+ "grad_norm": 0.20273268222808838,
293
+ "learning_rate": 0.00016586715867158674,
294
+ "loss": 0.1753,
295
+ "step": 370
296
+ },
297
+ {
298
+ "epoch": 1.4022140221402215,
299
+ "grad_norm": 0.1452128291130066,
300
+ "learning_rate": 0.00016494464944649448,
301
+ "loss": 0.1801,
302
+ "step": 380
303
+ },
304
+ {
305
+ "epoch": 1.4391143911439115,
306
+ "grad_norm": 0.0973893478512764,
307
+ "learning_rate": 0.00016402214022140222,
308
+ "loss": 0.2136,
309
+ "step": 390
310
+ },
311
+ {
312
+ "epoch": 1.4760147601476015,
313
+ "grad_norm": 0.2589876651763916,
314
+ "learning_rate": 0.00016309963099630996,
315
+ "loss": 0.1772,
316
+ "step": 400
317
+ },
318
+ {
319
+ "epoch": 1.4760147601476015,
320
+ "eval_accuracy": 0.5450867052023122,
321
+ "eval_loss": 0.19317613542079926,
322
+ "eval_runtime": 50.5026,
323
+ "eval_samples_per_second": 34.256,
324
+ "eval_steps_per_second": 4.297,
325
+ "step": 400
326
+ },
327
+ {
328
+ "epoch": 1.5129151291512914,
329
+ "grad_norm": 0.16841156780719757,
330
+ "learning_rate": 0.0001621771217712177,
331
+ "loss": 0.1894,
332
+ "step": 410
333
+ },
334
+ {
335
+ "epoch": 1.5498154981549814,
336
+ "grad_norm": 0.17766626179218292,
337
+ "learning_rate": 0.00016125461254612547,
338
+ "loss": 0.204,
339
+ "step": 420
340
+ },
341
+ {
342
+ "epoch": 1.5867158671586716,
343
+ "grad_norm": 0.13253839313983917,
344
+ "learning_rate": 0.00016033210332103322,
345
+ "loss": 0.2141,
346
+ "step": 430
347
+ },
348
+ {
349
+ "epoch": 1.6236162361623616,
350
+ "grad_norm": 0.10587523877620697,
351
+ "learning_rate": 0.00015940959409594096,
352
+ "loss": 0.2192,
353
+ "step": 440
354
+ },
355
+ {
356
+ "epoch": 1.6605166051660518,
357
+ "grad_norm": 0.10049675405025482,
358
+ "learning_rate": 0.0001584870848708487,
359
+ "loss": 0.1939,
360
+ "step": 450
361
+ },
362
+ {
363
+ "epoch": 1.6974169741697418,
364
+ "grad_norm": 0.1287400722503662,
365
+ "learning_rate": 0.00015756457564575647,
366
+ "loss": 0.1955,
367
+ "step": 460
368
+ },
369
+ {
370
+ "epoch": 1.7343173431734318,
371
+ "grad_norm": 0.15120339393615723,
372
+ "learning_rate": 0.0001566420664206642,
373
+ "loss": 0.1863,
374
+ "step": 470
375
+ },
376
+ {
377
+ "epoch": 1.7712177121771218,
378
+ "grad_norm": 0.1202373206615448,
379
+ "learning_rate": 0.00015571955719557195,
380
+ "loss": 0.1832,
381
+ "step": 480
382
+ },
383
+ {
384
+ "epoch": 1.8081180811808117,
385
+ "grad_norm": 0.1368759572505951,
386
+ "learning_rate": 0.00015479704797047972,
387
+ "loss": 0.2007,
388
+ "step": 490
389
+ },
390
+ {
391
+ "epoch": 1.8450184501845017,
392
+ "grad_norm": 0.08591968566179276,
393
+ "learning_rate": 0.00015387453874538746,
394
+ "loss": 0.1629,
395
+ "step": 500
396
+ },
397
+ {
398
+ "epoch": 1.8450184501845017,
399
+ "eval_accuracy": 0.4485549132947977,
400
+ "eval_loss": 0.1842162311077118,
401
+ "eval_runtime": 50.5861,
402
+ "eval_samples_per_second": 34.199,
403
+ "eval_steps_per_second": 4.29,
404
+ "step": 500
405
+ },
406
+ {
407
+ "epoch": 1.881918819188192,
408
+ "grad_norm": 0.12317466735839844,
409
+ "learning_rate": 0.0001529520295202952,
410
+ "loss": 0.213,
411
+ "step": 510
412
+ },
413
+ {
414
+ "epoch": 1.918819188191882,
415
+ "grad_norm": 0.15092293918132782,
416
+ "learning_rate": 0.00015202952029520298,
417
+ "loss": 0.2004,
418
+ "step": 520
419
+ },
420
+ {
421
+ "epoch": 1.9557195571955721,
422
+ "grad_norm": 0.20343895256519318,
423
+ "learning_rate": 0.00015110701107011072,
424
+ "loss": 0.1835,
425
+ "step": 530
426
+ },
427
+ {
428
+ "epoch": 1.992619926199262,
429
+ "grad_norm": 0.32362422347068787,
430
+ "learning_rate": 0.00015018450184501846,
431
+ "loss": 0.1915,
432
+ "step": 540
433
+ },
434
+ {
435
+ "epoch": 2.029520295202952,
436
+ "grad_norm": 0.14631719887256622,
437
+ "learning_rate": 0.00014926199261992623,
438
+ "loss": 0.2113,
439
+ "step": 550
440
+ },
441
+ {
442
+ "epoch": 2.066420664206642,
443
+ "grad_norm": 0.12011805921792984,
444
+ "learning_rate": 0.00014833948339483394,
445
+ "loss": 0.1781,
446
+ "step": 560
447
+ },
448
+ {
449
+ "epoch": 2.103321033210332,
450
+ "grad_norm": 0.14479252696037292,
451
+ "learning_rate": 0.00014741697416974169,
452
+ "loss": 0.182,
453
+ "step": 570
454
+ },
455
+ {
456
+ "epoch": 2.140221402214022,
457
+ "grad_norm": 0.18806347250938416,
458
+ "learning_rate": 0.00014649446494464946,
459
+ "loss": 0.1682,
460
+ "step": 580
461
+ },
462
+ {
463
+ "epoch": 2.177121771217712,
464
+ "grad_norm": 0.17025235295295715,
465
+ "learning_rate": 0.0001455719557195572,
466
+ "loss": 0.1824,
467
+ "step": 590
468
+ },
469
+ {
470
+ "epoch": 2.2140221402214024,
471
+ "grad_norm": 0.16879422962665558,
472
+ "learning_rate": 0.00014464944649446494,
473
+ "loss": 0.1942,
474
+ "step": 600
475
+ },
476
+ {
477
+ "epoch": 2.2140221402214024,
478
+ "eval_accuracy": 0.41965317919075146,
479
+ "eval_loss": 0.17699980735778809,
480
+ "eval_runtime": 50.0976,
481
+ "eval_samples_per_second": 34.533,
482
+ "eval_steps_per_second": 4.332,
483
+ "step": 600
484
+ },
485
+ {
486
+ "epoch": 2.2509225092250924,
487
+ "grad_norm": 0.168411523103714,
488
+ "learning_rate": 0.0001437269372693727,
489
+ "loss": 0.1732,
490
+ "step": 610
491
+ },
492
+ {
493
+ "epoch": 2.2878228782287824,
494
+ "grad_norm": 0.21096496284008026,
495
+ "learning_rate": 0.00014280442804428045,
496
+ "loss": 0.1842,
497
+ "step": 620
498
+ },
499
+ {
500
+ "epoch": 2.3247232472324724,
501
+ "grad_norm": 0.18110381066799164,
502
+ "learning_rate": 0.0001418819188191882,
503
+ "loss": 0.1772,
504
+ "step": 630
505
+ },
506
+ {
507
+ "epoch": 2.3616236162361623,
508
+ "grad_norm": 0.15854766964912415,
509
+ "learning_rate": 0.00014095940959409593,
510
+ "loss": 0.1709,
511
+ "step": 640
512
+ },
513
+ {
514
+ "epoch": 2.3985239852398523,
515
+ "grad_norm": 0.19320182502269745,
516
+ "learning_rate": 0.0001400369003690037,
517
+ "loss": 0.2,
518
+ "step": 650
519
+ },
520
+ {
521
+ "epoch": 2.4354243542435423,
522
+ "grad_norm": 0.16658619046211243,
523
+ "learning_rate": 0.00013911439114391145,
524
+ "loss": 0.2061,
525
+ "step": 660
526
+ },
527
+ {
528
+ "epoch": 2.4723247232472323,
529
+ "grad_norm": 0.14636483788490295,
530
+ "learning_rate": 0.0001381918819188192,
531
+ "loss": 0.1946,
532
+ "step": 670
533
+ },
534
+ {
535
+ "epoch": 2.5092250922509223,
536
+ "grad_norm": 0.1587982028722763,
537
+ "learning_rate": 0.00013726937269372696,
538
+ "loss": 0.1963,
539
+ "step": 680
540
+ },
541
+ {
542
+ "epoch": 2.5461254612546127,
543
+ "grad_norm": 0.2764102518558502,
544
+ "learning_rate": 0.0001363468634686347,
545
+ "loss": 0.1702,
546
+ "step": 690
547
+ },
548
+ {
549
+ "epoch": 2.5830258302583027,
550
+ "grad_norm": 0.14449751377105713,
551
+ "learning_rate": 0.00013542435424354244,
552
+ "loss": 0.1714,
553
+ "step": 700
554
+ },
555
+ {
556
+ "epoch": 2.5830258302583027,
557
+ "eval_accuracy": 0.5023121387283237,
558
+ "eval_loss": 0.17974236607551575,
559
+ "eval_runtime": 50.796,
560
+ "eval_samples_per_second": 34.058,
561
+ "eval_steps_per_second": 4.272,
562
+ "step": 700
563
+ },
564
+ {
565
+ "epoch": 2.6199261992619927,
566
+ "grad_norm": 0.15392902493476868,
567
+ "learning_rate": 0.0001345018450184502,
568
+ "loss": 0.191,
569
+ "step": 710
570
+ },
571
+ {
572
+ "epoch": 2.6568265682656826,
573
+ "grad_norm": 0.15529021620750427,
574
+ "learning_rate": 0.00013357933579335793,
575
+ "loss": 0.193,
576
+ "step": 720
577
+ },
578
+ {
579
+ "epoch": 2.6937269372693726,
580
+ "grad_norm": 0.18234789371490479,
581
+ "learning_rate": 0.00013265682656826567,
582
+ "loss": 0.1836,
583
+ "step": 730
584
+ },
585
+ {
586
+ "epoch": 2.7306273062730626,
587
+ "grad_norm": 0.19954174757003784,
588
+ "learning_rate": 0.00013173431734317344,
589
+ "loss": 0.2176,
590
+ "step": 740
591
+ },
592
+ {
593
+ "epoch": 2.767527675276753,
594
+ "grad_norm": 0.13893257081508636,
595
+ "learning_rate": 0.00013081180811808118,
596
+ "loss": 0.1699,
597
+ "step": 750
598
+ },
599
+ {
600
+ "epoch": 2.804428044280443,
601
+ "grad_norm": 0.16896647214889526,
602
+ "learning_rate": 0.00012988929889298892,
603
+ "loss": 0.168,
604
+ "step": 760
605
+ },
606
+ {
607
+ "epoch": 2.841328413284133,
608
+ "grad_norm": 0.20796014368534088,
609
+ "learning_rate": 0.0001289667896678967,
610
+ "loss": 0.2141,
611
+ "step": 770
612
+ },
613
+ {
614
+ "epoch": 2.878228782287823,
615
+ "grad_norm": 0.2690466046333313,
616
+ "learning_rate": 0.00012804428044280443,
617
+ "loss": 0.1778,
618
+ "step": 780
619
+ },
620
+ {
621
+ "epoch": 2.915129151291513,
622
+ "grad_norm": 0.14259500801563263,
623
+ "learning_rate": 0.00012712177121771217,
624
+ "loss": 0.1748,
625
+ "step": 790
626
+ },
627
+ {
628
+ "epoch": 2.952029520295203,
629
+ "grad_norm": 0.14488738775253296,
630
+ "learning_rate": 0.00012619926199261994,
631
+ "loss": 0.1832,
632
+ "step": 800
633
+ },
634
+ {
635
+ "epoch": 2.952029520295203,
636
+ "eval_accuracy": 0.36878612716763004,
637
+ "eval_loss": 0.17303667962551117,
638
+ "eval_runtime": 50.3505,
639
+ "eval_samples_per_second": 34.359,
640
+ "eval_steps_per_second": 4.31,
641
+ "step": 800
642
+ },
643
+ {
644
+ "epoch": 2.988929889298893,
645
+ "grad_norm": 0.1963815540075302,
646
+ "learning_rate": 0.00012527675276752769,
647
+ "loss": 0.1603,
648
+ "step": 810
649
+ },
650
+ {
651
+ "epoch": 3.025830258302583,
652
+ "grad_norm": 0.18811728060245514,
653
+ "learning_rate": 0.00012435424354243543,
654
+ "loss": 0.1668,
655
+ "step": 820
656
+ },
657
+ {
658
+ "epoch": 3.062730627306273,
659
+ "grad_norm": 0.3115330636501312,
660
+ "learning_rate": 0.0001234317343173432,
661
+ "loss": 0.1764,
662
+ "step": 830
663
+ },
664
+ {
665
+ "epoch": 3.0996309963099633,
666
+ "grad_norm": 0.15212470293045044,
667
+ "learning_rate": 0.00012250922509225094,
668
+ "loss": 0.1668,
669
+ "step": 840
670
+ },
671
+ {
672
+ "epoch": 3.1365313653136533,
673
+ "grad_norm": 0.17935976386070251,
674
+ "learning_rate": 0.00012158671586715868,
675
+ "loss": 0.1807,
676
+ "step": 850
677
+ },
678
+ {
679
+ "epoch": 3.1734317343173433,
680
+ "grad_norm": 0.23978868126869202,
681
+ "learning_rate": 0.00012066420664206644,
682
+ "loss": 0.168,
683
+ "step": 860
684
+ },
685
+ {
686
+ "epoch": 3.2103321033210332,
687
+ "grad_norm": 0.29603224992752075,
688
+ "learning_rate": 0.00011974169741697419,
689
+ "loss": 0.1827,
690
+ "step": 870
691
+ },
692
+ {
693
+ "epoch": 3.2472324723247232,
694
+ "grad_norm": 0.1385461539030075,
695
+ "learning_rate": 0.00011881918819188192,
696
+ "loss": 0.1794,
697
+ "step": 880
698
+ },
699
+ {
700
+ "epoch": 3.284132841328413,
701
+ "grad_norm": 0.20920993387699127,
702
+ "learning_rate": 0.00011789667896678966,
703
+ "loss": 0.1738,
704
+ "step": 890
705
+ },
706
+ {
707
+ "epoch": 3.321033210332103,
708
+ "grad_norm": 0.31590428948402405,
709
+ "learning_rate": 0.00011697416974169742,
710
+ "loss": 0.1766,
711
+ "step": 900
712
+ },
713
+ {
714
+ "epoch": 3.321033210332103,
715
+ "eval_accuracy": 0.34277456647398846,
716
+ "eval_loss": 0.17552779614925385,
717
+ "eval_runtime": 50.5381,
718
+ "eval_samples_per_second": 34.232,
719
+ "eval_steps_per_second": 4.294,
720
+ "step": 900
721
+ },
722
+ {
723
+ "epoch": 3.357933579335793,
724
+ "grad_norm": 0.22194945812225342,
725
+ "learning_rate": 0.00011605166051660516,
726
+ "loss": 0.1814,
727
+ "step": 910
728
+ },
729
+ {
730
+ "epoch": 3.3948339483394836,
731
+ "grad_norm": 0.22071777284145355,
732
+ "learning_rate": 0.00011512915129151292,
733
+ "loss": 0.1629,
734
+ "step": 920
735
+ },
736
+ {
737
+ "epoch": 3.4317343173431736,
738
+ "grad_norm": 0.44112759828567505,
739
+ "learning_rate": 0.00011420664206642067,
740
+ "loss": 0.1914,
741
+ "step": 930
742
+ },
743
+ {
744
+ "epoch": 3.4686346863468636,
745
+ "grad_norm": 0.20971660315990448,
746
+ "learning_rate": 0.00011328413284132841,
747
+ "loss": 0.1691,
748
+ "step": 940
749
+ },
750
+ {
751
+ "epoch": 3.5055350553505535,
752
+ "grad_norm": 0.23813588917255402,
753
+ "learning_rate": 0.00011236162361623617,
754
+ "loss": 0.1919,
755
+ "step": 950
756
+ },
757
+ {
758
+ "epoch": 3.5424354243542435,
759
+ "grad_norm": 0.19610780477523804,
760
+ "learning_rate": 0.00011143911439114391,
761
+ "loss": 0.1631,
762
+ "step": 960
763
+ },
764
+ {
765
+ "epoch": 3.5793357933579335,
766
+ "grad_norm": 0.29578620195388794,
767
+ "learning_rate": 0.00011051660516605167,
768
+ "loss": 0.1721,
769
+ "step": 970
770
+ },
771
+ {
772
+ "epoch": 3.6162361623616235,
773
+ "grad_norm": 0.15876761078834534,
774
+ "learning_rate": 0.00010959409594095942,
775
+ "loss": 0.1869,
776
+ "step": 980
777
+ },
778
+ {
779
+ "epoch": 3.6531365313653135,
780
+ "grad_norm": 0.19575054943561554,
781
+ "learning_rate": 0.00010867158671586716,
782
+ "loss": 0.1676,
783
+ "step": 990
784
+ },
785
+ {
786
+ "epoch": 3.6900369003690034,
787
+ "grad_norm": 0.12657958269119263,
788
+ "learning_rate": 0.00010774907749077492,
789
+ "loss": 0.1697,
790
+ "step": 1000
791
+ },
792
+ {
793
+ "epoch": 3.6900369003690034,
794
+ "eval_accuracy": 0.5167630057803468,
795
+ "eval_loss": 0.1601094752550125,
796
+ "eval_runtime": 50.1373,
797
+ "eval_samples_per_second": 34.505,
798
+ "eval_steps_per_second": 4.328,
799
+ "step": 1000
800
+ },
801
+ {
802
+ "epoch": 3.726937269372694,
803
+ "grad_norm": 0.2477671205997467,
804
+ "learning_rate": 0.00010682656826568268,
805
+ "loss": 0.1745,
806
+ "step": 1010
807
+ },
808
+ {
809
+ "epoch": 3.763837638376384,
810
+ "grad_norm": 0.21879136562347412,
811
+ "learning_rate": 0.00010590405904059042,
812
+ "loss": 0.1617,
813
+ "step": 1020
814
+ },
815
+ {
816
+ "epoch": 3.800738007380074,
817
+ "grad_norm": 0.195592001080513,
818
+ "learning_rate": 0.00010498154981549817,
819
+ "loss": 0.1534,
820
+ "step": 1030
821
+ },
822
+ {
823
+ "epoch": 3.837638376383764,
824
+ "grad_norm": 0.35998597741127014,
825
+ "learning_rate": 0.0001040590405904059,
826
+ "loss": 0.1606,
827
+ "step": 1040
828
+ },
829
+ {
830
+ "epoch": 3.874538745387454,
831
+ "grad_norm": 0.30765026807785034,
832
+ "learning_rate": 0.00010313653136531364,
833
+ "loss": 0.2019,
834
+ "step": 1050
835
+ },
836
+ {
837
+ "epoch": 3.911439114391144,
838
+ "grad_norm": 0.16130860149860382,
839
+ "learning_rate": 0.0001022140221402214,
840
+ "loss": 0.1738,
841
+ "step": 1060
842
+ },
843
+ {
844
+ "epoch": 3.948339483394834,
845
+ "grad_norm": 0.1843736171722412,
846
+ "learning_rate": 0.00010129151291512916,
847
+ "loss": 0.1941,
848
+ "step": 1070
849
+ },
850
+ {
851
+ "epoch": 3.985239852398524,
852
+ "grad_norm": 0.21090315282344818,
853
+ "learning_rate": 0.0001003690036900369,
854
+ "loss": 0.1695,
855
+ "step": 1080
856
+ },
857
+ {
858
+ "epoch": 4.022140221402214,
859
+ "grad_norm": 0.19030509889125824,
860
+ "learning_rate": 9.944649446494465e-05,
861
+ "loss": 0.1711,
862
+ "step": 1090
863
+ },
864
+ {
865
+ "epoch": 4.059040590405904,
866
+ "grad_norm": 0.12992843985557556,
867
+ "learning_rate": 9.85239852398524e-05,
868
+ "loss": 0.1568,
869
+ "step": 1100
870
+ },
871
+ {
872
+ "epoch": 4.059040590405904,
873
+ "eval_accuracy": 0.5352601156069364,
874
+ "eval_loss": 0.15768703818321228,
875
+ "eval_runtime": 50.6123,
876
+ "eval_samples_per_second": 34.181,
877
+ "eval_steps_per_second": 4.287,
878
+ "step": 1100
879
+ },
880
+ {
881
+ "epoch": 4.095940959409594,
882
+ "grad_norm": 0.23201997578144073,
883
+ "learning_rate": 9.760147601476015e-05,
884
+ "loss": 0.1484,
885
+ "step": 1110
886
+ },
887
+ {
888
+ "epoch": 4.132841328413284,
889
+ "grad_norm": 0.3783067762851715,
890
+ "learning_rate": 9.66789667896679e-05,
891
+ "loss": 0.1597,
892
+ "step": 1120
893
+ },
894
+ {
895
+ "epoch": 4.169741697416974,
896
+ "grad_norm": 0.27165931463241577,
897
+ "learning_rate": 9.575645756457565e-05,
898
+ "loss": 0.156,
899
+ "step": 1130
900
+ },
901
+ {
902
+ "epoch": 4.206642066420664,
903
+ "grad_norm": 0.2932455241680145,
904
+ "learning_rate": 9.48339483394834e-05,
905
+ "loss": 0.1353,
906
+ "step": 1140
907
+ },
908
+ {
909
+ "epoch": 4.243542435424354,
910
+ "grad_norm": 0.27856454253196716,
911
+ "learning_rate": 9.391143911439116e-05,
912
+ "loss": 0.1555,
913
+ "step": 1150
914
+ },
915
+ {
916
+ "epoch": 4.280442804428044,
917
+ "grad_norm": 0.2609305679798126,
918
+ "learning_rate": 9.298892988929889e-05,
919
+ "loss": 0.1549,
920
+ "step": 1160
921
+ },
922
+ {
923
+ "epoch": 4.317343173431734,
924
+ "grad_norm": 0.4013775587081909,
925
+ "learning_rate": 9.206642066420664e-05,
926
+ "loss": 0.1555,
927
+ "step": 1170
928
+ },
929
+ {
930
+ "epoch": 4.354243542435424,
931
+ "grad_norm": 0.24482858180999756,
932
+ "learning_rate": 9.11439114391144e-05,
933
+ "loss": 0.1583,
934
+ "step": 1180
935
+ },
936
+ {
937
+ "epoch": 4.391143911439114,
938
+ "grad_norm": 0.2422870397567749,
939
+ "learning_rate": 9.022140221402214e-05,
940
+ "loss": 0.1663,
941
+ "step": 1190
942
+ },
943
+ {
944
+ "epoch": 4.428044280442805,
945
+ "grad_norm": 0.2710004448890686,
946
+ "learning_rate": 8.92988929889299e-05,
947
+ "loss": 0.1484,
948
+ "step": 1200
949
+ },
950
+ {
951
+ "epoch": 4.428044280442805,
952
+ "eval_accuracy": 0.49190751445086706,
953
+ "eval_loss": 0.1513577699661255,
954
+ "eval_runtime": 50.7754,
955
+ "eval_samples_per_second": 34.072,
956
+ "eval_steps_per_second": 4.274,
957
+ "step": 1200
958
+ },
959
+ {
960
+ "epoch": 4.464944649446495,
961
+ "grad_norm": 0.3608151972293854,
962
+ "learning_rate": 8.837638376383764e-05,
963
+ "loss": 0.1595,
964
+ "step": 1210
965
+ },
966
+ {
967
+ "epoch": 4.501845018450185,
968
+ "grad_norm": 0.14578911662101746,
969
+ "learning_rate": 8.74538745387454e-05,
970
+ "loss": 0.1841,
971
+ "step": 1220
972
+ },
973
+ {
974
+ "epoch": 4.538745387453875,
975
+ "grad_norm": 0.2544012665748596,
976
+ "learning_rate": 8.653136531365315e-05,
977
+ "loss": 0.1576,
978
+ "step": 1230
979
+ },
980
+ {
981
+ "epoch": 4.575645756457565,
982
+ "grad_norm": 0.3130911886692047,
983
+ "learning_rate": 8.560885608856088e-05,
984
+ "loss": 0.1626,
985
+ "step": 1240
986
+ },
987
+ {
988
+ "epoch": 4.612546125461255,
989
+ "grad_norm": 0.31136009097099304,
990
+ "learning_rate": 8.468634686346863e-05,
991
+ "loss": 0.1715,
992
+ "step": 1250
993
+ },
994
+ {
995
+ "epoch": 4.649446494464945,
996
+ "grad_norm": 0.20172053575515747,
997
+ "learning_rate": 8.376383763837639e-05,
998
+ "loss": 0.1476,
999
+ "step": 1260
1000
+ },
1001
+ {
1002
+ "epoch": 4.686346863468635,
1003
+ "grad_norm": 0.2550618648529053,
1004
+ "learning_rate": 8.284132841328413e-05,
1005
+ "loss": 0.1376,
1006
+ "step": 1270
1007
+ },
1008
+ {
1009
+ "epoch": 4.723247232472325,
1010
+ "grad_norm": 0.16149303317070007,
1011
+ "learning_rate": 8.191881918819189e-05,
1012
+ "loss": 0.1461,
1013
+ "step": 1280
1014
+ },
1015
+ {
1016
+ "epoch": 4.760147601476015,
1017
+ "grad_norm": 0.27109894156455994,
1018
+ "learning_rate": 8.099630996309964e-05,
1019
+ "loss": 0.1556,
1020
+ "step": 1290
1021
+ },
1022
+ {
1023
+ "epoch": 4.797047970479705,
1024
+ "grad_norm": 0.26436206698417664,
1025
+ "learning_rate": 8.007380073800739e-05,
1026
+ "loss": 0.1483,
1027
+ "step": 1300
1028
+ },
1029
+ {
1030
+ "epoch": 4.797047970479705,
1031
+ "eval_accuracy": 0.5699421965317919,
1032
+ "eval_loss": 0.14818404614925385,
1033
+ "eval_runtime": 49.9368,
1034
+ "eval_samples_per_second": 34.644,
1035
+ "eval_steps_per_second": 4.345,
1036
+ "step": 1300
1037
+ },
1038
+ {
1039
+ "epoch": 4.833948339483395,
1040
+ "grad_norm": 0.39457815885543823,
1041
+ "learning_rate": 7.915129151291514e-05,
1042
+ "loss": 0.1731,
1043
+ "step": 1310
1044
+ },
1045
+ {
1046
+ "epoch": 4.870848708487085,
1047
+ "grad_norm": 0.1614658087491989,
1048
+ "learning_rate": 7.822878228782288e-05,
1049
+ "loss": 0.1525,
1050
+ "step": 1320
1051
+ },
1052
+ {
1053
+ "epoch": 4.907749077490775,
1054
+ "grad_norm": 0.26091647148132324,
1055
+ "learning_rate": 7.730627306273062e-05,
1056
+ "loss": 0.1854,
1057
+ "step": 1330
1058
+ },
1059
+ {
1060
+ "epoch": 4.944649446494465,
1061
+ "grad_norm": 0.33017560839653015,
1062
+ "learning_rate": 7.638376383763838e-05,
1063
+ "loss": 0.1695,
1064
+ "step": 1340
1065
+ },
1066
+ {
1067
+ "epoch": 4.9815498154981555,
1068
+ "grad_norm": 0.3637866973876953,
1069
+ "learning_rate": 7.546125461254612e-05,
1070
+ "loss": 0.1666,
1071
+ "step": 1350
1072
+ },
1073
+ {
1074
+ "epoch": 5.018450184501845,
1075
+ "grad_norm": 0.3373745083808899,
1076
+ "learning_rate": 7.453874538745388e-05,
1077
+ "loss": 0.1525,
1078
+ "step": 1360
1079
+ },
1080
+ {
1081
+ "epoch": 5.055350553505535,
1082
+ "grad_norm": 0.25333917140960693,
1083
+ "learning_rate": 7.361623616236163e-05,
1084
+ "loss": 0.1356,
1085
+ "step": 1370
1086
+ },
1087
+ {
1088
+ "epoch": 5.092250922509225,
1089
+ "grad_norm": 0.1722867488861084,
1090
+ "learning_rate": 7.269372693726938e-05,
1091
+ "loss": 0.1357,
1092
+ "step": 1380
1093
+ },
1094
+ {
1095
+ "epoch": 5.129151291512915,
1096
+ "grad_norm": 0.13959679007530212,
1097
+ "learning_rate": 7.177121771217713e-05,
1098
+ "loss": 0.1285,
1099
+ "step": 1390
1100
+ },
1101
+ {
1102
+ "epoch": 5.166051660516605,
1103
+ "grad_norm": 0.17668481171131134,
1104
+ "learning_rate": 7.084870848708487e-05,
1105
+ "loss": 0.1301,
1106
+ "step": 1400
1107
+ },
1108
+ {
1109
+ "epoch": 5.166051660516605,
1110
+ "eval_accuracy": 0.5433526011560693,
1111
+ "eval_loss": 0.13149897754192352,
1112
+ "eval_runtime": 50.8795,
1113
+ "eval_samples_per_second": 34.002,
1114
+ "eval_steps_per_second": 4.265,
1115
+ "step": 1400
1116
+ },
1117
+ {
1118
+ "epoch": 5.202952029520295,
1119
+ "grad_norm": 0.1745270937681198,
1120
+ "learning_rate": 6.992619926199262e-05,
1121
+ "loss": 0.1516,
1122
+ "step": 1410
1123
+ },
1124
+ {
1125
+ "epoch": 5.239852398523985,
1126
+ "grad_norm": 0.5758349299430847,
1127
+ "learning_rate": 6.900369003690037e-05,
1128
+ "loss": 0.1294,
1129
+ "step": 1420
1130
+ },
1131
+ {
1132
+ "epoch": 5.276752767527675,
1133
+ "grad_norm": 0.2458232194185257,
1134
+ "learning_rate": 6.808118081180813e-05,
1135
+ "loss": 0.1385,
1136
+ "step": 1430
1137
+ },
1138
+ {
1139
+ "epoch": 5.313653136531365,
1140
+ "grad_norm": 0.3469581604003906,
1141
+ "learning_rate": 6.715867158671587e-05,
1142
+ "loss": 0.1394,
1143
+ "step": 1440
1144
+ },
1145
+ {
1146
+ "epoch": 5.350553505535055,
1147
+ "grad_norm": 0.267447292804718,
1148
+ "learning_rate": 6.623616236162362e-05,
1149
+ "loss": 0.1432,
1150
+ "step": 1450
1151
+ },
1152
+ {
1153
+ "epoch": 5.387453874538745,
1154
+ "grad_norm": 0.24406275153160095,
1155
+ "learning_rate": 6.531365313653137e-05,
1156
+ "loss": 0.1396,
1157
+ "step": 1460
1158
+ },
1159
+ {
1160
+ "epoch": 5.424354243542435,
1161
+ "grad_norm": 0.7067885994911194,
1162
+ "learning_rate": 6.439114391143912e-05,
1163
+ "loss": 0.1456,
1164
+ "step": 1470
1165
+ },
1166
+ {
1167
+ "epoch": 5.461254612546125,
1168
+ "grad_norm": 0.2915806174278259,
1169
+ "learning_rate": 6.346863468634686e-05,
1170
+ "loss": 0.1366,
1171
+ "step": 1480
1172
+ },
1173
+ {
1174
+ "epoch": 5.498154981549815,
1175
+ "grad_norm": 0.22377534210681915,
1176
+ "learning_rate": 6.25461254612546e-05,
1177
+ "loss": 0.1273,
1178
+ "step": 1490
1179
+ },
1180
+ {
1181
+ "epoch": 5.535055350553505,
1182
+ "grad_norm": 0.3705073893070221,
1183
+ "learning_rate": 6.162361623616236e-05,
1184
+ "loss": 0.1149,
1185
+ "step": 1500
1186
+ },
1187
+ {
1188
+ "epoch": 5.535055350553505,
1189
+ "eval_accuracy": 0.5583815028901734,
1190
+ "eval_loss": 0.12937474250793457,
1191
+ "eval_runtime": 50.8394,
1192
+ "eval_samples_per_second": 34.029,
1193
+ "eval_steps_per_second": 4.268,
1194
+ "step": 1500
1195
+ },
1196
+ {
1197
+ "epoch": 5.571955719557195,
1198
+ "grad_norm": 0.13345371186733246,
1199
+ "learning_rate": 6.070110701107011e-05,
1200
+ "loss": 0.1229,
1201
+ "step": 1510
1202
+ },
1203
+ {
1204
+ "epoch": 5.608856088560886,
1205
+ "grad_norm": 0.4122871160507202,
1206
+ "learning_rate": 5.9778597785977866e-05,
1207
+ "loss": 0.1689,
1208
+ "step": 1520
1209
+ },
1210
+ {
1211
+ "epoch": 5.645756457564576,
1212
+ "grad_norm": 0.14905782043933868,
1213
+ "learning_rate": 5.8856088560885615e-05,
1214
+ "loss": 0.1365,
1215
+ "step": 1530
1216
+ },
1217
+ {
1218
+ "epoch": 5.682656826568266,
1219
+ "grad_norm": 0.21198387444019318,
1220
+ "learning_rate": 5.7933579335793364e-05,
1221
+ "loss": 0.1453,
1222
+ "step": 1540
1223
+ },
1224
+ {
1225
+ "epoch": 5.719557195571956,
1226
+ "grad_norm": 0.3941808044910431,
1227
+ "learning_rate": 5.701107011070111e-05,
1228
+ "loss": 0.1584,
1229
+ "step": 1550
1230
+ },
1231
+ {
1232
+ "epoch": 5.756457564575646,
1233
+ "grad_norm": 0.1366042047739029,
1234
+ "learning_rate": 5.6088560885608855e-05,
1235
+ "loss": 0.1219,
1236
+ "step": 1560
1237
+ },
1238
+ {
1239
+ "epoch": 5.793357933579336,
1240
+ "grad_norm": 0.1590586006641388,
1241
+ "learning_rate": 5.5166051660516604e-05,
1242
+ "loss": 0.1482,
1243
+ "step": 1570
1244
+ },
1245
+ {
1246
+ "epoch": 5.830258302583026,
1247
+ "grad_norm": 0.3574014902114868,
1248
+ "learning_rate": 5.424354243542435e-05,
1249
+ "loss": 0.1241,
1250
+ "step": 1580
1251
+ },
1252
+ {
1253
+ "epoch": 5.867158671586716,
1254
+ "grad_norm": 0.2934325039386749,
1255
+ "learning_rate": 5.332103321033211e-05,
1256
+ "loss": 0.1397,
1257
+ "step": 1590
1258
+ },
1259
+ {
1260
+ "epoch": 5.904059040590406,
1261
+ "grad_norm": 0.2349650263786316,
1262
+ "learning_rate": 5.239852398523986e-05,
1263
+ "loss": 0.1448,
1264
+ "step": 1600
1265
+ },
1266
+ {
1267
+ "epoch": 5.904059040590406,
1268
+ "eval_accuracy": 0.5416184971098266,
1269
+ "eval_loss": 0.12662799656391144,
1270
+ "eval_runtime": 50.1064,
1271
+ "eval_samples_per_second": 34.527,
1272
+ "eval_steps_per_second": 4.331,
1273
+ "step": 1600
1274
+ },
1275
+ {
1276
+ "epoch": 5.940959409594096,
1277
+ "grad_norm": 0.39207130670547485,
1278
+ "learning_rate": 5.1476014760147606e-05,
1279
+ "loss": 0.1491,
1280
+ "step": 1610
1281
+ },
1282
+ {
1283
+ "epoch": 5.977859778597786,
1284
+ "grad_norm": 0.21359127759933472,
1285
+ "learning_rate": 5.0553505535055354e-05,
1286
+ "loss": 0.1367,
1287
+ "step": 1620
1288
+ },
1289
+ {
1290
+ "epoch": 6.014760147601476,
1291
+ "grad_norm": 0.17874382436275482,
1292
+ "learning_rate": 4.96309963099631e-05,
1293
+ "loss": 0.1276,
1294
+ "step": 1630
1295
+ },
1296
+ {
1297
+ "epoch": 6.051660516605166,
1298
+ "grad_norm": 0.15224817395210266,
1299
+ "learning_rate": 4.870848708487085e-05,
1300
+ "loss": 0.1223,
1301
+ "step": 1640
1302
+ },
1303
+ {
1304
+ "epoch": 6.088560885608856,
1305
+ "grad_norm": 0.28657016158103943,
1306
+ "learning_rate": 4.77859778597786e-05,
1307
+ "loss": 0.1327,
1308
+ "step": 1650
1309
+ },
1310
+ {
1311
+ "epoch": 6.125461254612546,
1312
+ "grad_norm": 0.16251201927661896,
1313
+ "learning_rate": 4.686346863468635e-05,
1314
+ "loss": 0.1318,
1315
+ "step": 1660
1316
+ },
1317
+ {
1318
+ "epoch": 6.162361623616236,
1319
+ "grad_norm": 0.3002704381942749,
1320
+ "learning_rate": 4.59409594095941e-05,
1321
+ "loss": 0.1188,
1322
+ "step": 1670
1323
+ },
1324
+ {
1325
+ "epoch": 6.199261992619927,
1326
+ "grad_norm": 0.4188823103904724,
1327
+ "learning_rate": 4.501845018450185e-05,
1328
+ "loss": 0.1004,
1329
+ "step": 1680
1330
+ },
1331
+ {
1332
+ "epoch": 6.236162361623617,
1333
+ "grad_norm": 0.18772590160369873,
1334
+ "learning_rate": 4.4095940959409596e-05,
1335
+ "loss": 0.1002,
1336
+ "step": 1690
1337
+ },
1338
+ {
1339
+ "epoch": 6.273062730627307,
1340
+ "grad_norm": 0.30921700596809387,
1341
+ "learning_rate": 4.3173431734317345e-05,
1342
+ "loss": 0.1035,
1343
+ "step": 1700
1344
+ },
1345
+ {
1346
+ "epoch": 6.273062730627307,
1347
+ "eval_accuracy": 0.6017341040462427,
1348
+ "eval_loss": 0.11507368832826614,
1349
+ "eval_runtime": 50.6734,
1350
+ "eval_samples_per_second": 34.14,
1351
+ "eval_steps_per_second": 4.282,
1352
+ "step": 1700
1353
+ },
1354
+ {
1355
+ "epoch": 6.3099630996309966,
1356
+ "grad_norm": 0.42562779784202576,
1357
+ "learning_rate": 4.2250922509225094e-05,
1358
+ "loss": 0.1071,
1359
+ "step": 1710
1360
+ },
1361
+ {
1362
+ "epoch": 6.3468634686346865,
1363
+ "grad_norm": 0.36547404527664185,
1364
+ "learning_rate": 4.132841328413284e-05,
1365
+ "loss": 0.12,
1366
+ "step": 1720
1367
+ },
1368
+ {
1369
+ "epoch": 6.3837638376383765,
1370
+ "grad_norm": 0.12006784975528717,
1371
+ "learning_rate": 4.040590405904059e-05,
1372
+ "loss": 0.1107,
1373
+ "step": 1730
1374
+ },
1375
+ {
1376
+ "epoch": 6.4206642066420665,
1377
+ "grad_norm": 0.1983233392238617,
1378
+ "learning_rate": 3.948339483394834e-05,
1379
+ "loss": 0.1206,
1380
+ "step": 1740
1381
+ },
1382
+ {
1383
+ "epoch": 6.4575645756457565,
1384
+ "grad_norm": 0.17691943049430847,
1385
+ "learning_rate": 3.856088560885609e-05,
1386
+ "loss": 0.1252,
1387
+ "step": 1750
1388
+ },
1389
+ {
1390
+ "epoch": 6.4944649446494465,
1391
+ "grad_norm": 0.39386728405952454,
1392
+ "learning_rate": 3.763837638376384e-05,
1393
+ "loss": 0.1314,
1394
+ "step": 1760
1395
+ },
1396
+ {
1397
+ "epoch": 6.531365313653136,
1398
+ "grad_norm": 0.607455313205719,
1399
+ "learning_rate": 3.6715867158671594e-05,
1400
+ "loss": 0.1095,
1401
+ "step": 1770
1402
+ },
1403
+ {
1404
+ "epoch": 6.568265682656826,
1405
+ "grad_norm": 0.21057389676570892,
1406
+ "learning_rate": 3.5793357933579336e-05,
1407
+ "loss": 0.1223,
1408
+ "step": 1780
1409
+ },
1410
+ {
1411
+ "epoch": 6.605166051660516,
1412
+ "grad_norm": 0.27539491653442383,
1413
+ "learning_rate": 3.4870848708487085e-05,
1414
+ "loss": 0.1163,
1415
+ "step": 1790
1416
+ },
1417
+ {
1418
+ "epoch": 6.642066420664206,
1419
+ "grad_norm": 0.24495290219783783,
1420
+ "learning_rate": 3.3948339483394833e-05,
1421
+ "loss": 0.1048,
1422
+ "step": 1800
1423
+ },
1424
+ {
1425
+ "epoch": 6.642066420664206,
1426
+ "eval_accuracy": 0.6046242774566474,
1427
+ "eval_loss": 0.10599144548177719,
1428
+ "eval_runtime": 50.9957,
1429
+ "eval_samples_per_second": 33.924,
1430
+ "eval_steps_per_second": 4.255,
1431
+ "step": 1800
1432
+ },
1433
+ {
1434
+ "epoch": 6.678966789667896,
1435
+ "grad_norm": 0.38892611861228943,
1436
+ "learning_rate": 3.302583025830259e-05,
1437
+ "loss": 0.1352,
1438
+ "step": 1810
1439
+ },
1440
+ {
1441
+ "epoch": 6.715867158671586,
1442
+ "grad_norm": 0.2850606143474579,
1443
+ "learning_rate": 3.210332103321033e-05,
1444
+ "loss": 0.1153,
1445
+ "step": 1820
1446
+ },
1447
+ {
1448
+ "epoch": 6.752767527675276,
1449
+ "grad_norm": 0.16241934895515442,
1450
+ "learning_rate": 3.118081180811808e-05,
1451
+ "loss": 0.1074,
1452
+ "step": 1830
1453
+ },
1454
+ {
1455
+ "epoch": 6.789667896678967,
1456
+ "grad_norm": 0.36088794469833374,
1457
+ "learning_rate": 3.0258302583025832e-05,
1458
+ "loss": 0.1219,
1459
+ "step": 1840
1460
+ },
1461
+ {
1462
+ "epoch": 6.826568265682657,
1463
+ "grad_norm": 0.21467632055282593,
1464
+ "learning_rate": 2.9335793357933584e-05,
1465
+ "loss": 0.1083,
1466
+ "step": 1850
1467
+ },
1468
+ {
1469
+ "epoch": 6.863468634686347,
1470
+ "grad_norm": 0.4730125069618225,
1471
+ "learning_rate": 2.8413284132841326e-05,
1472
+ "loss": 0.1227,
1473
+ "step": 1860
1474
+ },
1475
+ {
1476
+ "epoch": 6.900369003690037,
1477
+ "grad_norm": 0.20842638611793518,
1478
+ "learning_rate": 2.749077490774908e-05,
1479
+ "loss": 0.128,
1480
+ "step": 1870
1481
+ },
1482
+ {
1483
+ "epoch": 6.937269372693727,
1484
+ "grad_norm": 0.1885102540254593,
1485
+ "learning_rate": 2.6568265682656828e-05,
1486
+ "loss": 0.0923,
1487
+ "step": 1880
1488
+ },
1489
+ {
1490
+ "epoch": 6.974169741697417,
1491
+ "grad_norm": 0.48948994278907776,
1492
+ "learning_rate": 2.564575645756458e-05,
1493
+ "loss": 0.1165,
1494
+ "step": 1890
1495
+ },
1496
+ {
1497
+ "epoch": 7.011070110701107,
1498
+ "grad_norm": 0.4080180525779724,
1499
+ "learning_rate": 2.472324723247233e-05,
1500
+ "loss": 0.1168,
1501
+ "step": 1900
1502
+ },
1503
+ {
1504
+ "epoch": 7.011070110701107,
1505
+ "eval_accuracy": 0.6173410404624278,
1506
+ "eval_loss": 0.10073487460613251,
1507
+ "eval_runtime": 50.8605,
1508
+ "eval_samples_per_second": 34.015,
1509
+ "eval_steps_per_second": 4.267,
1510
+ "step": 1900
1511
+ },
1512
+ {
1513
+ "epoch": 7.047970479704797,
1514
+ "grad_norm": 0.19095434248447418,
1515
+ "learning_rate": 2.3800738007380074e-05,
1516
+ "loss": 0.1131,
1517
+ "step": 1910
1518
+ },
1519
+ {
1520
+ "epoch": 7.084870848708487,
1521
+ "grad_norm": 0.23603685200214386,
1522
+ "learning_rate": 2.2878228782287826e-05,
1523
+ "loss": 0.089,
1524
+ "step": 1920
1525
+ },
1526
+ {
1527
+ "epoch": 7.121771217712177,
1528
+ "grad_norm": 0.09547635912895203,
1529
+ "learning_rate": 2.195571955719557e-05,
1530
+ "loss": 0.1032,
1531
+ "step": 1930
1532
+ },
1533
+ {
1534
+ "epoch": 7.158671586715867,
1535
+ "grad_norm": 0.18442951142787933,
1536
+ "learning_rate": 2.1033210332103324e-05,
1537
+ "loss": 0.0909,
1538
+ "step": 1940
1539
+ },
1540
+ {
1541
+ "epoch": 7.195571955719557,
1542
+ "grad_norm": 0.2125350534915924,
1543
+ "learning_rate": 2.011070110701107e-05,
1544
+ "loss": 0.0922,
1545
+ "step": 1950
1546
+ },
1547
+ {
1548
+ "epoch": 7.232472324723247,
1549
+ "grad_norm": 0.15140217542648315,
1550
+ "learning_rate": 1.918819188191882e-05,
1551
+ "loss": 0.1155,
1552
+ "step": 1960
1553
+ },
1554
+ {
1555
+ "epoch": 7.269372693726937,
1556
+ "grad_norm": 0.25905662775039673,
1557
+ "learning_rate": 1.826568265682657e-05,
1558
+ "loss": 0.1194,
1559
+ "step": 1970
1560
+ },
1561
+ {
1562
+ "epoch": 7.306273062730627,
1563
+ "grad_norm": 0.18217885494232178,
1564
+ "learning_rate": 1.734317343173432e-05,
1565
+ "loss": 0.1,
1566
+ "step": 1980
1567
+ },
1568
+ {
1569
+ "epoch": 7.343173431734318,
1570
+ "grad_norm": 0.21871539950370789,
1571
+ "learning_rate": 1.6420664206642068e-05,
1572
+ "loss": 0.1022,
1573
+ "step": 1990
1574
+ },
1575
+ {
1576
+ "epoch": 7.380073800738008,
1577
+ "grad_norm": 0.4127865731716156,
1578
+ "learning_rate": 1.5498154981549817e-05,
1579
+ "loss": 0.1104,
1580
+ "step": 2000
1581
+ },
1582
+ {
1583
+ "epoch": 7.380073800738008,
1584
+ "eval_accuracy": 0.6445086705202312,
1585
+ "eval_loss": 0.09489033371210098,
1586
+ "eval_runtime": 50.8042,
1587
+ "eval_samples_per_second": 34.052,
1588
+ "eval_steps_per_second": 4.271,
1589
+ "step": 2000
1590
+ },
1591
+ {
1592
+ "epoch": 7.416974169741698,
1593
+ "grad_norm": 0.20000500977039337,
1594
+ "learning_rate": 1.4575645756457566e-05,
1595
+ "loss": 0.1031,
1596
+ "step": 2010
1597
+ },
1598
+ {
1599
+ "epoch": 7.453874538745388,
1600
+ "grad_norm": 0.5234202742576599,
1601
+ "learning_rate": 1.3653136531365315e-05,
1602
+ "loss": 0.1197,
1603
+ "step": 2020
1604
+ },
1605
+ {
1606
+ "epoch": 7.490774907749078,
1607
+ "grad_norm": 0.16442282497882843,
1608
+ "learning_rate": 1.2730627306273063e-05,
1609
+ "loss": 0.1036,
1610
+ "step": 2030
1611
+ },
1612
+ {
1613
+ "epoch": 7.527675276752768,
1614
+ "grad_norm": 0.19210496544837952,
1615
+ "learning_rate": 1.1808118081180812e-05,
1616
+ "loss": 0.0993,
1617
+ "step": 2040
1618
+ },
1619
+ {
1620
+ "epoch": 7.564575645756458,
1621
+ "grad_norm": 0.1562729775905609,
1622
+ "learning_rate": 1.0885608856088561e-05,
1623
+ "loss": 0.0941,
1624
+ "step": 2050
1625
+ },
1626
+ {
1627
+ "epoch": 7.601476014760148,
1628
+ "grad_norm": 0.29051193594932556,
1629
+ "learning_rate": 9.96309963099631e-06,
1630
+ "loss": 0.092,
1631
+ "step": 2060
1632
+ },
1633
+ {
1634
+ "epoch": 7.638376383763838,
1635
+ "grad_norm": 0.21477282047271729,
1636
+ "learning_rate": 9.040590405904059e-06,
1637
+ "loss": 0.1123,
1638
+ "step": 2070
1639
+ },
1640
+ {
1641
+ "epoch": 7.675276752767528,
1642
+ "grad_norm": 0.03506307676434517,
1643
+ "learning_rate": 8.118081180811808e-06,
1644
+ "loss": 0.0927,
1645
+ "step": 2080
1646
+ },
1647
+ {
1648
+ "epoch": 7.712177121771218,
1649
+ "grad_norm": 0.21280255913734436,
1650
+ "learning_rate": 7.195571955719557e-06,
1651
+ "loss": 0.084,
1652
+ "step": 2090
1653
+ },
1654
+ {
1655
+ "epoch": 7.749077490774908,
1656
+ "grad_norm": 0.19547449052333832,
1657
+ "learning_rate": 6.273062730627306e-06,
1658
+ "loss": 0.0873,
1659
+ "step": 2100
1660
+ },
1661
+ {
1662
+ "epoch": 7.749077490774908,
1663
+ "eval_accuracy": 0.6526011560693642,
1664
+ "eval_loss": 0.0923289805650711,
1665
+ "eval_runtime": 50.6448,
1666
+ "eval_samples_per_second": 34.159,
1667
+ "eval_steps_per_second": 4.285,
1668
+ "step": 2100
1669
+ },
1670
+ {
1671
+ "epoch": 7.785977859778598,
1672
+ "grad_norm": 0.22129392623901367,
1673
+ "learning_rate": 5.350553505535055e-06,
1674
+ "loss": 0.1,
1675
+ "step": 2110
1676
+ },
1677
+ {
1678
+ "epoch": 7.822878228782288,
1679
+ "grad_norm": 0.2631789445877075,
1680
+ "learning_rate": 4.428044280442805e-06,
1681
+ "loss": 0.0811,
1682
+ "step": 2120
1683
+ },
1684
+ {
1685
+ "epoch": 7.8597785977859775,
1686
+ "grad_norm": 0.16971804201602936,
1687
+ "learning_rate": 3.5055350553505534e-06,
1688
+ "loss": 0.0977,
1689
+ "step": 2130
1690
+ },
1691
+ {
1692
+ "epoch": 7.8966789667896675,
1693
+ "grad_norm": 0.10247929394245148,
1694
+ "learning_rate": 2.5830258302583027e-06,
1695
+ "loss": 0.0966,
1696
+ "step": 2140
1697
+ },
1698
+ {
1699
+ "epoch": 7.9335793357933575,
1700
+ "grad_norm": 0.15865936875343323,
1701
+ "learning_rate": 1.6605166051660517e-06,
1702
+ "loss": 0.1039,
1703
+ "step": 2150
1704
+ },
1705
+ {
1706
+ "epoch": 7.970479704797048,
1707
+ "grad_norm": 0.506331205368042,
1708
+ "learning_rate": 7.380073800738008e-07,
1709
+ "loss": 0.0977,
1710
+ "step": 2160
1711
+ },
1712
+ {
1713
+ "epoch": 8.0,
1714
+ "step": 2168,
1715
+ "total_flos": 2.6821552511927255e+18,
1716
+ "train_loss": 0.16216810325304962,
1717
+ "train_runtime": 3143.5173,
1718
+ "train_samples_per_second": 11.009,
1719
+ "train_steps_per_second": 0.69
1720
+ }
1721
+ ],
1722
+ "logging_steps": 10,
1723
+ "max_steps": 2168,
1724
+ "num_input_tokens_seen": 0,
1725
+ "num_train_epochs": 8,
1726
+ "save_steps": 100,
1727
+ "stateful_callbacks": {
1728
+ "TrainerControl": {
1729
+ "args": {
1730
+ "should_epoch_stop": false,
1731
+ "should_evaluate": false,
1732
+ "should_log": false,
1733
+ "should_save": true,
1734
+ "should_training_stop": true
1735
+ },
1736
+ "attributes": {}
1737
+ }
1738
+ },
1739
+ "total_flos": 2.6821552511927255e+18,
1740
+ "train_batch_size": 16,
1741
+ "trial_name": null,
1742
+ "trial_params": null
1743
+ }