beingbatman commited on
Commit
12cf924
·
verified ·
1 Parent(s): 1b1b3f7

End of training

Browse files
Files changed (3) hide show
  1. all_results.json +8 -0
  2. test_results.json +8 -0
  3. trainer_state.json +2960 -0
all_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 49.02,
3
+ "eval_accuracy": 0.8372093023255814,
4
+ "eval_loss": 0.8805379867553711,
5
+ "eval_runtime": 9.0595,
6
+ "eval_samples_per_second": 4.746,
7
+ "eval_steps_per_second": 1.214
8
+ }
test_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 49.02,
3
+ "eval_accuracy": 0.8372093023255814,
4
+ "eval_loss": 0.8805379867553711,
5
+ "eval_runtime": 9.0595,
6
+ "eval_samples_per_second": 4.746,
7
+ "eval_steps_per_second": 1.214
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,2960 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": 0.75,
3
+ "best_model_checkpoint": "MAE-CT-CPC-Dicotomized-n0-m1-v8-1/checkpoint-980",
4
+ "epoch": 49.02,
5
+ "eval_steps": 500,
6
+ "global_step": 3500,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.002857142857142857,
13
+ "grad_norm": 3.5134518146514893,
14
+ "learning_rate": 2.8571428571428575e-07,
15
+ "loss": 0.2572,
16
+ "step": 10
17
+ },
18
+ {
19
+ "epoch": 0.005714285714285714,
20
+ "grad_norm": 19.781003952026367,
21
+ "learning_rate": 5.714285714285715e-07,
22
+ "loss": 0.2784,
23
+ "step": 20
24
+ },
25
+ {
26
+ "epoch": 0.008571428571428572,
27
+ "grad_norm": 27.620603561401367,
28
+ "learning_rate": 8.571428571428572e-07,
29
+ "loss": 0.4606,
30
+ "step": 30
31
+ },
32
+ {
33
+ "epoch": 0.011428571428571429,
34
+ "grad_norm": 5.682175159454346,
35
+ "learning_rate": 1.142857142857143e-06,
36
+ "loss": 0.1624,
37
+ "step": 40
38
+ },
39
+ {
40
+ "epoch": 0.014285714285714285,
41
+ "grad_norm": 57.06011199951172,
42
+ "learning_rate": 1.4285714285714286e-06,
43
+ "loss": 0.5168,
44
+ "step": 50
45
+ },
46
+ {
47
+ "epoch": 0.017142857142857144,
48
+ "grad_norm": 12.413666725158691,
49
+ "learning_rate": 1.7142857142857145e-06,
50
+ "loss": 0.3112,
51
+ "step": 60
52
+ },
53
+ {
54
+ "epoch": 0.02,
55
+ "grad_norm": 40.50763702392578,
56
+ "learning_rate": 2.0000000000000003e-06,
57
+ "loss": 0.3313,
58
+ "step": 70
59
+ },
60
+ {
61
+ "epoch": 0.02,
62
+ "eval_accuracy": 0.6875,
63
+ "eval_loss": 0.8278725147247314,
64
+ "eval_runtime": 7.2014,
65
+ "eval_samples_per_second": 4.444,
66
+ "eval_steps_per_second": 1.111,
67
+ "step": 70
68
+ },
69
+ {
70
+ "epoch": 1.002857142857143,
71
+ "grad_norm": 2.85071063041687,
72
+ "learning_rate": 2.285714285714286e-06,
73
+ "loss": 0.2007,
74
+ "step": 80
75
+ },
76
+ {
77
+ "epoch": 1.0057142857142858,
78
+ "grad_norm": 3.0488057136535645,
79
+ "learning_rate": 2.571428571428571e-06,
80
+ "loss": 0.4132,
81
+ "step": 90
82
+ },
83
+ {
84
+ "epoch": 1.0085714285714287,
85
+ "grad_norm": 1.0658628940582275,
86
+ "learning_rate": 2.8571428571428573e-06,
87
+ "loss": 0.2365,
88
+ "step": 100
89
+ },
90
+ {
91
+ "epoch": 1.0114285714285713,
92
+ "grad_norm": 32.61592483520508,
93
+ "learning_rate": 3.142857142857143e-06,
94
+ "loss": 0.2773,
95
+ "step": 110
96
+ },
97
+ {
98
+ "epoch": 1.0142857142857142,
99
+ "grad_norm": 0.24897827208042145,
100
+ "learning_rate": 3.428571428571429e-06,
101
+ "loss": 0.2216,
102
+ "step": 120
103
+ },
104
+ {
105
+ "epoch": 1.0171428571428571,
106
+ "grad_norm": 40.215003967285156,
107
+ "learning_rate": 3.7142857142857146e-06,
108
+ "loss": 0.6413,
109
+ "step": 130
110
+ },
111
+ {
112
+ "epoch": 1.02,
113
+ "grad_norm": 21.867782592773438,
114
+ "learning_rate": 4.000000000000001e-06,
115
+ "loss": 0.4602,
116
+ "step": 140
117
+ },
118
+ {
119
+ "epoch": 1.02,
120
+ "eval_accuracy": 0.65625,
121
+ "eval_loss": 0.7750873565673828,
122
+ "eval_runtime": 6.0768,
123
+ "eval_samples_per_second": 5.266,
124
+ "eval_steps_per_second": 1.316,
125
+ "step": 140
126
+ },
127
+ {
128
+ "epoch": 2.0028571428571427,
129
+ "grad_norm": 39.138465881347656,
130
+ "learning_rate": 4.2857142857142855e-06,
131
+ "loss": 0.1423,
132
+ "step": 150
133
+ },
134
+ {
135
+ "epoch": 2.005714285714286,
136
+ "grad_norm": 0.8473556041717529,
137
+ "learning_rate": 4.571428571428572e-06,
138
+ "loss": 0.1991,
139
+ "step": 160
140
+ },
141
+ {
142
+ "epoch": 2.0085714285714285,
143
+ "grad_norm": 31.097688674926758,
144
+ "learning_rate": 4.857142857142858e-06,
145
+ "loss": 0.327,
146
+ "step": 170
147
+ },
148
+ {
149
+ "epoch": 2.0114285714285716,
150
+ "grad_norm": 0.581165611743927,
151
+ "learning_rate": 5.142857142857142e-06,
152
+ "loss": 0.332,
153
+ "step": 180
154
+ },
155
+ {
156
+ "epoch": 2.0142857142857142,
157
+ "grad_norm": 54.0560188293457,
158
+ "learning_rate": 5.428571428571429e-06,
159
+ "loss": 0.3274,
160
+ "step": 190
161
+ },
162
+ {
163
+ "epoch": 2.0171428571428573,
164
+ "grad_norm": 8.153368949890137,
165
+ "learning_rate": 5.7142857142857145e-06,
166
+ "loss": 0.1702,
167
+ "step": 200
168
+ },
169
+ {
170
+ "epoch": 2.02,
171
+ "grad_norm": 82.87539672851562,
172
+ "learning_rate": 6e-06,
173
+ "loss": 0.413,
174
+ "step": 210
175
+ },
176
+ {
177
+ "epoch": 2.02,
178
+ "eval_accuracy": 0.65625,
179
+ "eval_loss": 0.9297134280204773,
180
+ "eval_runtime": 6.3778,
181
+ "eval_samples_per_second": 5.017,
182
+ "eval_steps_per_second": 1.254,
183
+ "step": 210
184
+ },
185
+ {
186
+ "epoch": 3.0028571428571427,
187
+ "grad_norm": 6.549503803253174,
188
+ "learning_rate": 6.285714285714286e-06,
189
+ "loss": 0.126,
190
+ "step": 220
191
+ },
192
+ {
193
+ "epoch": 3.005714285714286,
194
+ "grad_norm": 0.07536959648132324,
195
+ "learning_rate": 6.571428571428572e-06,
196
+ "loss": 0.2436,
197
+ "step": 230
198
+ },
199
+ {
200
+ "epoch": 3.0085714285714285,
201
+ "grad_norm": 75.6919174194336,
202
+ "learning_rate": 6.857142857142858e-06,
203
+ "loss": 0.3704,
204
+ "step": 240
205
+ },
206
+ {
207
+ "epoch": 3.0114285714285716,
208
+ "grad_norm": 6.202108860015869,
209
+ "learning_rate": 7.1428571428571436e-06,
210
+ "loss": 0.2685,
211
+ "step": 250
212
+ },
213
+ {
214
+ "epoch": 3.0142857142857142,
215
+ "grad_norm": 5.261022567749023,
216
+ "learning_rate": 7.428571428571429e-06,
217
+ "loss": 0.0579,
218
+ "step": 260
219
+ },
220
+ {
221
+ "epoch": 3.0171428571428573,
222
+ "grad_norm": 62.4367790222168,
223
+ "learning_rate": 7.714285714285716e-06,
224
+ "loss": 0.4266,
225
+ "step": 270
226
+ },
227
+ {
228
+ "epoch": 3.02,
229
+ "grad_norm": 0.3603902757167816,
230
+ "learning_rate": 8.000000000000001e-06,
231
+ "loss": 0.2196,
232
+ "step": 280
233
+ },
234
+ {
235
+ "epoch": 3.02,
236
+ "eval_accuracy": 0.59375,
237
+ "eval_loss": 1.307774543762207,
238
+ "eval_runtime": 6.077,
239
+ "eval_samples_per_second": 5.266,
240
+ "eval_steps_per_second": 1.316,
241
+ "step": 280
242
+ },
243
+ {
244
+ "epoch": 4.002857142857143,
245
+ "grad_norm": 82.43415832519531,
246
+ "learning_rate": 8.285714285714287e-06,
247
+ "loss": 0.1117,
248
+ "step": 290
249
+ },
250
+ {
251
+ "epoch": 4.005714285714285,
252
+ "grad_norm": 1.1366825103759766,
253
+ "learning_rate": 8.571428571428571e-06,
254
+ "loss": 0.1042,
255
+ "step": 300
256
+ },
257
+ {
258
+ "epoch": 4.008571428571429,
259
+ "grad_norm": 0.5070340037345886,
260
+ "learning_rate": 8.857142857142858e-06,
261
+ "loss": 0.3576,
262
+ "step": 310
263
+ },
264
+ {
265
+ "epoch": 4.011428571428572,
266
+ "grad_norm": 0.18760715425014496,
267
+ "learning_rate": 9.142857142857144e-06,
268
+ "loss": 0.2198,
269
+ "step": 320
270
+ },
271
+ {
272
+ "epoch": 4.014285714285714,
273
+ "grad_norm": 0.5741114020347595,
274
+ "learning_rate": 9.42857142857143e-06,
275
+ "loss": 0.111,
276
+ "step": 330
277
+ },
278
+ {
279
+ "epoch": 4.017142857142857,
280
+ "grad_norm": 0.07025701552629471,
281
+ "learning_rate": 9.714285714285715e-06,
282
+ "loss": 0.149,
283
+ "step": 340
284
+ },
285
+ {
286
+ "epoch": 4.02,
287
+ "grad_norm": 62.01303482055664,
288
+ "learning_rate": 1e-05,
289
+ "loss": 0.4898,
290
+ "step": 350
291
+ },
292
+ {
293
+ "epoch": 4.02,
294
+ "eval_accuracy": 0.625,
295
+ "eval_loss": 1.286909580230713,
296
+ "eval_runtime": 6.1054,
297
+ "eval_samples_per_second": 5.241,
298
+ "eval_steps_per_second": 1.31,
299
+ "step": 350
300
+ },
301
+ {
302
+ "epoch": 5.002857142857143,
303
+ "grad_norm": 59.823509216308594,
304
+ "learning_rate": 9.968253968253969e-06,
305
+ "loss": 0.2052,
306
+ "step": 360
307
+ },
308
+ {
309
+ "epoch": 5.005714285714285,
310
+ "grad_norm": 0.020512551069259644,
311
+ "learning_rate": 9.936507936507937e-06,
312
+ "loss": 0.2319,
313
+ "step": 370
314
+ },
315
+ {
316
+ "epoch": 5.008571428571429,
317
+ "grad_norm": 0.013519791886210442,
318
+ "learning_rate": 9.904761904761906e-06,
319
+ "loss": 0.2941,
320
+ "step": 380
321
+ },
322
+ {
323
+ "epoch": 5.011428571428572,
324
+ "grad_norm": 103.2642822265625,
325
+ "learning_rate": 9.873015873015874e-06,
326
+ "loss": 0.123,
327
+ "step": 390
328
+ },
329
+ {
330
+ "epoch": 5.014285714285714,
331
+ "grad_norm": 0.5531640648841858,
332
+ "learning_rate": 9.841269841269842e-06,
333
+ "loss": 0.3053,
334
+ "step": 400
335
+ },
336
+ {
337
+ "epoch": 5.017142857142857,
338
+ "grad_norm": 8.770979881286621,
339
+ "learning_rate": 9.80952380952381e-06,
340
+ "loss": 0.3701,
341
+ "step": 410
342
+ },
343
+ {
344
+ "epoch": 5.02,
345
+ "grad_norm": 5.519145965576172,
346
+ "learning_rate": 9.777777777777779e-06,
347
+ "loss": 0.1867,
348
+ "step": 420
349
+ },
350
+ {
351
+ "epoch": 5.02,
352
+ "eval_accuracy": 0.625,
353
+ "eval_loss": 1.5883848667144775,
354
+ "eval_runtime": 6.5433,
355
+ "eval_samples_per_second": 4.891,
356
+ "eval_steps_per_second": 1.223,
357
+ "step": 420
358
+ },
359
+ {
360
+ "epoch": 6.002857142857143,
361
+ "grad_norm": 114.1990966796875,
362
+ "learning_rate": 9.746031746031747e-06,
363
+ "loss": 0.1602,
364
+ "step": 430
365
+ },
366
+ {
367
+ "epoch": 6.005714285714285,
368
+ "grad_norm": 0.034505173563957214,
369
+ "learning_rate": 9.714285714285715e-06,
370
+ "loss": 0.003,
371
+ "step": 440
372
+ },
373
+ {
374
+ "epoch": 6.008571428571429,
375
+ "grad_norm": 3.3536415100097656,
376
+ "learning_rate": 9.682539682539683e-06,
377
+ "loss": 0.158,
378
+ "step": 450
379
+ },
380
+ {
381
+ "epoch": 6.011428571428572,
382
+ "grad_norm": 0.010583457536995411,
383
+ "learning_rate": 9.650793650793652e-06,
384
+ "loss": 0.3164,
385
+ "step": 460
386
+ },
387
+ {
388
+ "epoch": 6.014285714285714,
389
+ "grad_norm": 109.80305480957031,
390
+ "learning_rate": 9.61904761904762e-06,
391
+ "loss": 0.1235,
392
+ "step": 470
393
+ },
394
+ {
395
+ "epoch": 6.017142857142857,
396
+ "grad_norm": 0.5373286008834839,
397
+ "learning_rate": 9.587301587301588e-06,
398
+ "loss": 0.3013,
399
+ "step": 480
400
+ },
401
+ {
402
+ "epoch": 6.02,
403
+ "grad_norm": 9.764594078063965,
404
+ "learning_rate": 9.555555555555556e-06,
405
+ "loss": 0.0394,
406
+ "step": 490
407
+ },
408
+ {
409
+ "epoch": 6.02,
410
+ "eval_accuracy": 0.625,
411
+ "eval_loss": 1.7786798477172852,
412
+ "eval_runtime": 6.3022,
413
+ "eval_samples_per_second": 5.078,
414
+ "eval_steps_per_second": 1.269,
415
+ "step": 490
416
+ },
417
+ {
418
+ "epoch": 7.002857142857143,
419
+ "grad_norm": 0.10722041130065918,
420
+ "learning_rate": 9.523809523809525e-06,
421
+ "loss": 0.0015,
422
+ "step": 500
423
+ },
424
+ {
425
+ "epoch": 7.005714285714285,
426
+ "grad_norm": 0.04226737469434738,
427
+ "learning_rate": 9.492063492063493e-06,
428
+ "loss": 0.201,
429
+ "step": 510
430
+ },
431
+ {
432
+ "epoch": 7.008571428571429,
433
+ "grad_norm": 1.7212629318237305,
434
+ "learning_rate": 9.460317460317461e-06,
435
+ "loss": 0.0604,
436
+ "step": 520
437
+ },
438
+ {
439
+ "epoch": 7.011428571428572,
440
+ "grad_norm": 0.01773512363433838,
441
+ "learning_rate": 9.42857142857143e-06,
442
+ "loss": 0.0661,
443
+ "step": 530
444
+ },
445
+ {
446
+ "epoch": 7.014285714285714,
447
+ "grad_norm": 0.024557197466492653,
448
+ "learning_rate": 9.396825396825398e-06,
449
+ "loss": 0.0466,
450
+ "step": 540
451
+ },
452
+ {
453
+ "epoch": 7.017142857142857,
454
+ "grad_norm": 0.01698165014386177,
455
+ "learning_rate": 9.365079365079366e-06,
456
+ "loss": 0.0009,
457
+ "step": 550
458
+ },
459
+ {
460
+ "epoch": 7.02,
461
+ "grad_norm": 0.40697580575942993,
462
+ "learning_rate": 9.333333333333334e-06,
463
+ "loss": 0.1218,
464
+ "step": 560
465
+ },
466
+ {
467
+ "epoch": 7.02,
468
+ "eval_accuracy": 0.59375,
469
+ "eval_loss": 1.79988694190979,
470
+ "eval_runtime": 5.9173,
471
+ "eval_samples_per_second": 5.408,
472
+ "eval_steps_per_second": 1.352,
473
+ "step": 560
474
+ },
475
+ {
476
+ "epoch": 8.002857142857144,
477
+ "grad_norm": 0.09231330454349518,
478
+ "learning_rate": 9.301587301587303e-06,
479
+ "loss": 0.5704,
480
+ "step": 570
481
+ },
482
+ {
483
+ "epoch": 8.005714285714285,
484
+ "grad_norm": 0.06326180696487427,
485
+ "learning_rate": 9.26984126984127e-06,
486
+ "loss": 0.1072,
487
+ "step": 580
488
+ },
489
+ {
490
+ "epoch": 8.008571428571429,
491
+ "grad_norm": 0.077267587184906,
492
+ "learning_rate": 9.238095238095239e-06,
493
+ "loss": 0.0308,
494
+ "step": 590
495
+ },
496
+ {
497
+ "epoch": 8.01142857142857,
498
+ "grad_norm": 0.05788983032107353,
499
+ "learning_rate": 9.206349206349207e-06,
500
+ "loss": 0.1882,
501
+ "step": 600
502
+ },
503
+ {
504
+ "epoch": 8.014285714285714,
505
+ "grad_norm": 154.5283203125,
506
+ "learning_rate": 9.174603174603176e-06,
507
+ "loss": 0.4305,
508
+ "step": 610
509
+ },
510
+ {
511
+ "epoch": 8.017142857142858,
512
+ "grad_norm": 0.03793035447597504,
513
+ "learning_rate": 9.142857142857144e-06,
514
+ "loss": 0.3163,
515
+ "step": 620
516
+ },
517
+ {
518
+ "epoch": 8.02,
519
+ "grad_norm": 1.2432268857955933,
520
+ "learning_rate": 9.111111111111112e-06,
521
+ "loss": 0.192,
522
+ "step": 630
523
+ },
524
+ {
525
+ "epoch": 8.02,
526
+ "eval_accuracy": 0.625,
527
+ "eval_loss": 1.7294597625732422,
528
+ "eval_runtime": 6.4051,
529
+ "eval_samples_per_second": 4.996,
530
+ "eval_steps_per_second": 1.249,
531
+ "step": 630
532
+ },
533
+ {
534
+ "epoch": 9.002857142857144,
535
+ "grad_norm": 33.93547439575195,
536
+ "learning_rate": 9.07936507936508e-06,
537
+ "loss": 0.3914,
538
+ "step": 640
539
+ },
540
+ {
541
+ "epoch": 9.005714285714285,
542
+ "grad_norm": 266.6748962402344,
543
+ "learning_rate": 9.047619047619049e-06,
544
+ "loss": 0.0957,
545
+ "step": 650
546
+ },
547
+ {
548
+ "epoch": 9.008571428571429,
549
+ "grad_norm": 1.426464557647705,
550
+ "learning_rate": 9.015873015873017e-06,
551
+ "loss": 0.0762,
552
+ "step": 660
553
+ },
554
+ {
555
+ "epoch": 9.01142857142857,
556
+ "grad_norm": 28.881240844726562,
557
+ "learning_rate": 8.984126984126985e-06,
558
+ "loss": 0.5325,
559
+ "step": 670
560
+ },
561
+ {
562
+ "epoch": 9.014285714285714,
563
+ "grad_norm": 0.008092758245766163,
564
+ "learning_rate": 8.952380952380953e-06,
565
+ "loss": 0.3857,
566
+ "step": 680
567
+ },
568
+ {
569
+ "epoch": 9.017142857142858,
570
+ "grad_norm": 53.07158279418945,
571
+ "learning_rate": 8.920634920634922e-06,
572
+ "loss": 0.6686,
573
+ "step": 690
574
+ },
575
+ {
576
+ "epoch": 9.02,
577
+ "grad_norm": 147.34286499023438,
578
+ "learning_rate": 8.888888888888888e-06,
579
+ "loss": 0.3974,
580
+ "step": 700
581
+ },
582
+ {
583
+ "epoch": 9.02,
584
+ "eval_accuracy": 0.65625,
585
+ "eval_loss": 1.4708929061889648,
586
+ "eval_runtime": 6.0018,
587
+ "eval_samples_per_second": 5.332,
588
+ "eval_steps_per_second": 1.333,
589
+ "step": 700
590
+ },
591
+ {
592
+ "epoch": 10.002857142857144,
593
+ "grad_norm": 0.08053329586982727,
594
+ "learning_rate": 8.857142857142858e-06,
595
+ "loss": 0.2338,
596
+ "step": 710
597
+ },
598
+ {
599
+ "epoch": 10.005714285714285,
600
+ "grad_norm": 0.04598785564303398,
601
+ "learning_rate": 8.825396825396827e-06,
602
+ "loss": 0.2478,
603
+ "step": 720
604
+ },
605
+ {
606
+ "epoch": 10.008571428571429,
607
+ "grad_norm": 0.032458722591400146,
608
+ "learning_rate": 8.793650793650795e-06,
609
+ "loss": 0.3256,
610
+ "step": 730
611
+ },
612
+ {
613
+ "epoch": 10.01142857142857,
614
+ "grad_norm": 3.2461020946502686,
615
+ "learning_rate": 8.761904761904763e-06,
616
+ "loss": 0.542,
617
+ "step": 740
618
+ },
619
+ {
620
+ "epoch": 10.014285714285714,
621
+ "grad_norm": 38.98529815673828,
622
+ "learning_rate": 8.730158730158731e-06,
623
+ "loss": 0.3005,
624
+ "step": 750
625
+ },
626
+ {
627
+ "epoch": 10.017142857142858,
628
+ "grad_norm": 5.08363151550293,
629
+ "learning_rate": 8.6984126984127e-06,
630
+ "loss": 0.0276,
631
+ "step": 760
632
+ },
633
+ {
634
+ "epoch": 10.02,
635
+ "grad_norm": 1.1978472471237183,
636
+ "learning_rate": 8.666666666666668e-06,
637
+ "loss": 0.4529,
638
+ "step": 770
639
+ },
640
+ {
641
+ "epoch": 10.02,
642
+ "eval_accuracy": 0.625,
643
+ "eval_loss": 1.6416354179382324,
644
+ "eval_runtime": 6.0866,
645
+ "eval_samples_per_second": 5.257,
646
+ "eval_steps_per_second": 1.314,
647
+ "step": 770
648
+ },
649
+ {
650
+ "epoch": 11.002857142857144,
651
+ "grad_norm": 54.74907684326172,
652
+ "learning_rate": 8.634920634920636e-06,
653
+ "loss": 0.1156,
654
+ "step": 780
655
+ },
656
+ {
657
+ "epoch": 11.005714285714285,
658
+ "grad_norm": 5.403316974639893,
659
+ "learning_rate": 8.603174603174604e-06,
660
+ "loss": 0.0258,
661
+ "step": 790
662
+ },
663
+ {
664
+ "epoch": 11.008571428571429,
665
+ "grad_norm": 0.43036800622940063,
666
+ "learning_rate": 8.571428571428571e-06,
667
+ "loss": 0.1555,
668
+ "step": 800
669
+ },
670
+ {
671
+ "epoch": 11.01142857142857,
672
+ "grad_norm": 176.08836364746094,
673
+ "learning_rate": 8.53968253968254e-06,
674
+ "loss": 0.5625,
675
+ "step": 810
676
+ },
677
+ {
678
+ "epoch": 11.014285714285714,
679
+ "grad_norm": 52.73113250732422,
680
+ "learning_rate": 8.507936507936509e-06,
681
+ "loss": 0.1161,
682
+ "step": 820
683
+ },
684
+ {
685
+ "epoch": 11.017142857142858,
686
+ "grad_norm": 0.23291529715061188,
687
+ "learning_rate": 8.476190476190477e-06,
688
+ "loss": 0.0022,
689
+ "step": 830
690
+ },
691
+ {
692
+ "epoch": 11.02,
693
+ "grad_norm": 0.01016359031200409,
694
+ "learning_rate": 8.444444444444446e-06,
695
+ "loss": 0.0831,
696
+ "step": 840
697
+ },
698
+ {
699
+ "epoch": 11.02,
700
+ "eval_accuracy": 0.6875,
701
+ "eval_loss": 2.043224334716797,
702
+ "eval_runtime": 5.9603,
703
+ "eval_samples_per_second": 5.369,
704
+ "eval_steps_per_second": 1.342,
705
+ "step": 840
706
+ },
707
+ {
708
+ "epoch": 12.002857142857144,
709
+ "grad_norm": 0.025461383163928986,
710
+ "learning_rate": 8.412698412698414e-06,
711
+ "loss": 0.2046,
712
+ "step": 850
713
+ },
714
+ {
715
+ "epoch": 12.005714285714285,
716
+ "grad_norm": 192.4024658203125,
717
+ "learning_rate": 8.380952380952382e-06,
718
+ "loss": 0.3202,
719
+ "step": 860
720
+ },
721
+ {
722
+ "epoch": 12.008571428571429,
723
+ "grad_norm": 0.008105052635073662,
724
+ "learning_rate": 8.34920634920635e-06,
725
+ "loss": 0.2158,
726
+ "step": 870
727
+ },
728
+ {
729
+ "epoch": 12.01142857142857,
730
+ "grad_norm": 0.009196307510137558,
731
+ "learning_rate": 8.317460317460319e-06,
732
+ "loss": 0.1244,
733
+ "step": 880
734
+ },
735
+ {
736
+ "epoch": 12.014285714285714,
737
+ "grad_norm": 192.51708984375,
738
+ "learning_rate": 8.285714285714287e-06,
739
+ "loss": 0.1151,
740
+ "step": 890
741
+ },
742
+ {
743
+ "epoch": 12.017142857142858,
744
+ "grad_norm": 1.3545656204223633,
745
+ "learning_rate": 8.253968253968254e-06,
746
+ "loss": 0.1114,
747
+ "step": 900
748
+ },
749
+ {
750
+ "epoch": 12.02,
751
+ "grad_norm": 0.9690192341804504,
752
+ "learning_rate": 8.222222222222222e-06,
753
+ "loss": 0.0104,
754
+ "step": 910
755
+ },
756
+ {
757
+ "epoch": 12.02,
758
+ "eval_accuracy": 0.59375,
759
+ "eval_loss": 2.1283388137817383,
760
+ "eval_runtime": 6.3439,
761
+ "eval_samples_per_second": 5.044,
762
+ "eval_steps_per_second": 1.261,
763
+ "step": 910
764
+ },
765
+ {
766
+ "epoch": 13.002857142857144,
767
+ "grad_norm": 0.026668542996048927,
768
+ "learning_rate": 8.190476190476192e-06,
769
+ "loss": 0.0327,
770
+ "step": 920
771
+ },
772
+ {
773
+ "epoch": 13.005714285714285,
774
+ "grad_norm": 0.01906030997633934,
775
+ "learning_rate": 8.15873015873016e-06,
776
+ "loss": 0.1063,
777
+ "step": 930
778
+ },
779
+ {
780
+ "epoch": 13.008571428571429,
781
+ "grad_norm": 0.13048304617404938,
782
+ "learning_rate": 8.126984126984128e-06,
783
+ "loss": 0.1734,
784
+ "step": 940
785
+ },
786
+ {
787
+ "epoch": 13.01142857142857,
788
+ "grad_norm": 0.012808074243366718,
789
+ "learning_rate": 8.095238095238097e-06,
790
+ "loss": 0.087,
791
+ "step": 950
792
+ },
793
+ {
794
+ "epoch": 13.014285714285714,
795
+ "grad_norm": 219.556640625,
796
+ "learning_rate": 8.063492063492065e-06,
797
+ "loss": 0.2768,
798
+ "step": 960
799
+ },
800
+ {
801
+ "epoch": 13.017142857142858,
802
+ "grad_norm": 0.009385952726006508,
803
+ "learning_rate": 8.031746031746033e-06,
804
+ "loss": 0.005,
805
+ "step": 970
806
+ },
807
+ {
808
+ "epoch": 13.02,
809
+ "grad_norm": 21.89446449279785,
810
+ "learning_rate": 8.000000000000001e-06,
811
+ "loss": 0.0287,
812
+ "step": 980
813
+ },
814
+ {
815
+ "epoch": 13.02,
816
+ "eval_accuracy": 0.75,
817
+ "eval_loss": 1.853172779083252,
818
+ "eval_runtime": 5.936,
819
+ "eval_samples_per_second": 5.391,
820
+ "eval_steps_per_second": 1.348,
821
+ "step": 980
822
+ },
823
+ {
824
+ "epoch": 14.002857142857144,
825
+ "grad_norm": 0.0067256903275847435,
826
+ "learning_rate": 7.968253968253968e-06,
827
+ "loss": 0.0056,
828
+ "step": 990
829
+ },
830
+ {
831
+ "epoch": 14.005714285714285,
832
+ "grad_norm": 309.82196044921875,
833
+ "learning_rate": 7.936507936507936e-06,
834
+ "loss": 0.1169,
835
+ "step": 1000
836
+ },
837
+ {
838
+ "epoch": 14.008571428571429,
839
+ "grad_norm": 214.8688201904297,
840
+ "learning_rate": 7.904761904761904e-06,
841
+ "loss": 0.1285,
842
+ "step": 1010
843
+ },
844
+ {
845
+ "epoch": 14.01142857142857,
846
+ "grad_norm": 0.005147908348590136,
847
+ "learning_rate": 7.873015873015873e-06,
848
+ "loss": 0.0166,
849
+ "step": 1020
850
+ },
851
+ {
852
+ "epoch": 14.014285714285714,
853
+ "grad_norm": 0.013515499420464039,
854
+ "learning_rate": 7.841269841269843e-06,
855
+ "loss": 0.0549,
856
+ "step": 1030
857
+ },
858
+ {
859
+ "epoch": 14.017142857142858,
860
+ "grad_norm": 0.005485304165631533,
861
+ "learning_rate": 7.809523809523811e-06,
862
+ "loss": 0.0002,
863
+ "step": 1040
864
+ },
865
+ {
866
+ "epoch": 14.02,
867
+ "grad_norm": 0.026508044451475143,
868
+ "learning_rate": 7.77777777777778e-06,
869
+ "loss": 0.0426,
870
+ "step": 1050
871
+ },
872
+ {
873
+ "epoch": 14.02,
874
+ "eval_accuracy": 0.6875,
875
+ "eval_loss": 2.092482089996338,
876
+ "eval_runtime": 6.4209,
877
+ "eval_samples_per_second": 4.984,
878
+ "eval_steps_per_second": 1.246,
879
+ "step": 1050
880
+ },
881
+ {
882
+ "epoch": 15.002857142857144,
883
+ "grad_norm": 0.49312490224838257,
884
+ "learning_rate": 7.746031746031747e-06,
885
+ "loss": 0.0009,
886
+ "step": 1060
887
+ },
888
+ {
889
+ "epoch": 15.005714285714285,
890
+ "grad_norm": 0.02295481227338314,
891
+ "learning_rate": 7.714285714285716e-06,
892
+ "loss": 0.0036,
893
+ "step": 1070
894
+ },
895
+ {
896
+ "epoch": 15.008571428571429,
897
+ "grad_norm": 0.009320501238107681,
898
+ "learning_rate": 7.682539682539684e-06,
899
+ "loss": 0.1635,
900
+ "step": 1080
901
+ },
902
+ {
903
+ "epoch": 15.01142857142857,
904
+ "grad_norm": 0.01872088387608528,
905
+ "learning_rate": 7.65079365079365e-06,
906
+ "loss": 0.4035,
907
+ "step": 1090
908
+ },
909
+ {
910
+ "epoch": 15.014285714285714,
911
+ "grad_norm": 0.007027905434370041,
912
+ "learning_rate": 7.61904761904762e-06,
913
+ "loss": 0.0004,
914
+ "step": 1100
915
+ },
916
+ {
917
+ "epoch": 15.017142857142858,
918
+ "grad_norm": 0.006057267542928457,
919
+ "learning_rate": 7.587301587301588e-06,
920
+ "loss": 0.3872,
921
+ "step": 1110
922
+ },
923
+ {
924
+ "epoch": 15.02,
925
+ "grad_norm": 3.802086591720581,
926
+ "learning_rate": 7.555555555555556e-06,
927
+ "loss": 0.0145,
928
+ "step": 1120
929
+ },
930
+ {
931
+ "epoch": 15.02,
932
+ "eval_accuracy": 0.625,
933
+ "eval_loss": 2.351853370666504,
934
+ "eval_runtime": 5.7934,
935
+ "eval_samples_per_second": 5.524,
936
+ "eval_steps_per_second": 1.381,
937
+ "step": 1120
938
+ },
939
+ {
940
+ "epoch": 16.002857142857142,
941
+ "grad_norm": 92.55747985839844,
942
+ "learning_rate": 7.523809523809524e-06,
943
+ "loss": 0.1877,
944
+ "step": 1130
945
+ },
946
+ {
947
+ "epoch": 16.005714285714287,
948
+ "grad_norm": 0.005619277711957693,
949
+ "learning_rate": 7.492063492063493e-06,
950
+ "loss": 0.001,
951
+ "step": 1140
952
+ },
953
+ {
954
+ "epoch": 16.00857142857143,
955
+ "grad_norm": 196.1888885498047,
956
+ "learning_rate": 7.460317460317461e-06,
957
+ "loss": 0.1907,
958
+ "step": 1150
959
+ },
960
+ {
961
+ "epoch": 16.01142857142857,
962
+ "grad_norm": 0.005707439035177231,
963
+ "learning_rate": 7.428571428571429e-06,
964
+ "loss": 0.1524,
965
+ "step": 1160
966
+ },
967
+ {
968
+ "epoch": 16.014285714285716,
969
+ "grad_norm": 0.018987352028489113,
970
+ "learning_rate": 7.3968253968253975e-06,
971
+ "loss": 0.2278,
972
+ "step": 1170
973
+ },
974
+ {
975
+ "epoch": 16.017142857142858,
976
+ "grad_norm": 0.029227713122963905,
977
+ "learning_rate": 7.3650793650793666e-06,
978
+ "loss": 0.0281,
979
+ "step": 1180
980
+ },
981
+ {
982
+ "epoch": 16.02,
983
+ "grad_norm": 0.006308805197477341,
984
+ "learning_rate": 7.333333333333333e-06,
985
+ "loss": 0.0024,
986
+ "step": 1190
987
+ },
988
+ {
989
+ "epoch": 16.02,
990
+ "eval_accuracy": 0.625,
991
+ "eval_loss": 2.070525646209717,
992
+ "eval_runtime": 5.8174,
993
+ "eval_samples_per_second": 5.501,
994
+ "eval_steps_per_second": 1.375,
995
+ "step": 1190
996
+ },
997
+ {
998
+ "epoch": 17.002857142857142,
999
+ "grad_norm": 0.0030912691727280617,
1000
+ "learning_rate": 7.301587301587301e-06,
1001
+ "loss": 0.1571,
1002
+ "step": 1200
1003
+ },
1004
+ {
1005
+ "epoch": 17.005714285714287,
1006
+ "grad_norm": 0.024552060291171074,
1007
+ "learning_rate": 7.2698412698412705e-06,
1008
+ "loss": 0.0002,
1009
+ "step": 1210
1010
+ },
1011
+ {
1012
+ "epoch": 17.00857142857143,
1013
+ "grad_norm": 0.01592804305255413,
1014
+ "learning_rate": 7.238095238095239e-06,
1015
+ "loss": 0.0002,
1016
+ "step": 1220
1017
+ },
1018
+ {
1019
+ "epoch": 17.01142857142857,
1020
+ "grad_norm": 0.039011064916849136,
1021
+ "learning_rate": 7.206349206349207e-06,
1022
+ "loss": 0.0003,
1023
+ "step": 1230
1024
+ },
1025
+ {
1026
+ "epoch": 17.014285714285716,
1027
+ "grad_norm": 0.0051954942755401134,
1028
+ "learning_rate": 7.174603174603175e-06,
1029
+ "loss": 0.0028,
1030
+ "step": 1240
1031
+ },
1032
+ {
1033
+ "epoch": 17.017142857142858,
1034
+ "grad_norm": 0.014356645755469799,
1035
+ "learning_rate": 7.1428571428571436e-06,
1036
+ "loss": 0.0001,
1037
+ "step": 1250
1038
+ },
1039
+ {
1040
+ "epoch": 17.02,
1041
+ "grad_norm": 0.04629682004451752,
1042
+ "learning_rate": 7.111111111111112e-06,
1043
+ "loss": 0.0176,
1044
+ "step": 1260
1045
+ },
1046
+ {
1047
+ "epoch": 17.02,
1048
+ "eval_accuracy": 0.625,
1049
+ "eval_loss": 2.360275983810425,
1050
+ "eval_runtime": 6.3101,
1051
+ "eval_samples_per_second": 5.071,
1052
+ "eval_steps_per_second": 1.268,
1053
+ "step": 1260
1054
+ },
1055
+ {
1056
+ "epoch": 18.002857142857142,
1057
+ "grad_norm": 0.002282822737470269,
1058
+ "learning_rate": 7.07936507936508e-06,
1059
+ "loss": 0.0003,
1060
+ "step": 1270
1061
+ },
1062
+ {
1063
+ "epoch": 18.005714285714287,
1064
+ "grad_norm": 0.007674033287912607,
1065
+ "learning_rate": 7.047619047619048e-06,
1066
+ "loss": 0.005,
1067
+ "step": 1280
1068
+ },
1069
+ {
1070
+ "epoch": 18.00857142857143,
1071
+ "grad_norm": 107.018310546875,
1072
+ "learning_rate": 7.015873015873016e-06,
1073
+ "loss": 0.223,
1074
+ "step": 1290
1075
+ },
1076
+ {
1077
+ "epoch": 18.01142857142857,
1078
+ "grad_norm": 0.027542075142264366,
1079
+ "learning_rate": 6.984126984126984e-06,
1080
+ "loss": 0.2571,
1081
+ "step": 1300
1082
+ },
1083
+ {
1084
+ "epoch": 18.014285714285716,
1085
+ "grad_norm": 0.013514521531760693,
1086
+ "learning_rate": 6.952380952380952e-06,
1087
+ "loss": 0.1242,
1088
+ "step": 1310
1089
+ },
1090
+ {
1091
+ "epoch": 18.017142857142858,
1092
+ "grad_norm": 0.004058144986629486,
1093
+ "learning_rate": 6.920634920634921e-06,
1094
+ "loss": 0.0026,
1095
+ "step": 1320
1096
+ },
1097
+ {
1098
+ "epoch": 18.02,
1099
+ "grad_norm": 0.052907612174749374,
1100
+ "learning_rate": 6.88888888888889e-06,
1101
+ "loss": 0.0023,
1102
+ "step": 1330
1103
+ },
1104
+ {
1105
+ "epoch": 18.02,
1106
+ "eval_accuracy": 0.65625,
1107
+ "eval_loss": 2.3409135341644287,
1108
+ "eval_runtime": 5.6456,
1109
+ "eval_samples_per_second": 5.668,
1110
+ "eval_steps_per_second": 1.417,
1111
+ "step": 1330
1112
+ },
1113
+ {
1114
+ "epoch": 19.002857142857142,
1115
+ "grad_norm": 0.003937090281397104,
1116
+ "learning_rate": 6.857142857142858e-06,
1117
+ "loss": 0.0083,
1118
+ "step": 1340
1119
+ },
1120
+ {
1121
+ "epoch": 19.005714285714287,
1122
+ "grad_norm": 0.17072078585624695,
1123
+ "learning_rate": 6.825396825396826e-06,
1124
+ "loss": 0.0016,
1125
+ "step": 1350
1126
+ },
1127
+ {
1128
+ "epoch": 19.00857142857143,
1129
+ "grad_norm": 0.0025130421854555607,
1130
+ "learning_rate": 6.7936507936507944e-06,
1131
+ "loss": 0.0018,
1132
+ "step": 1360
1133
+ },
1134
+ {
1135
+ "epoch": 19.01142857142857,
1136
+ "grad_norm": 0.0014831767184659839,
1137
+ "learning_rate": 6.761904761904763e-06,
1138
+ "loss": 0.007,
1139
+ "step": 1370
1140
+ },
1141
+ {
1142
+ "epoch": 19.014285714285716,
1143
+ "grad_norm": 48.3748893737793,
1144
+ "learning_rate": 6.730158730158731e-06,
1145
+ "loss": 0.2262,
1146
+ "step": 1380
1147
+ },
1148
+ {
1149
+ "epoch": 19.017142857142858,
1150
+ "grad_norm": 0.0189586840569973,
1151
+ "learning_rate": 6.698412698412698e-06,
1152
+ "loss": 0.1803,
1153
+ "step": 1390
1154
+ },
1155
+ {
1156
+ "epoch": 19.02,
1157
+ "grad_norm": 0.003652828047052026,
1158
+ "learning_rate": 6.666666666666667e-06,
1159
+ "loss": 0.1111,
1160
+ "step": 1400
1161
+ },
1162
+ {
1163
+ "epoch": 19.02,
1164
+ "eval_accuracy": 0.625,
1165
+ "eval_loss": 2.3460936546325684,
1166
+ "eval_runtime": 5.6345,
1167
+ "eval_samples_per_second": 5.679,
1168
+ "eval_steps_per_second": 1.42,
1169
+ "step": 1400
1170
+ },
1171
+ {
1172
+ "epoch": 20.002857142857142,
1173
+ "grad_norm": 0.033134013414382935,
1174
+ "learning_rate": 6.634920634920635e-06,
1175
+ "loss": 0.2262,
1176
+ "step": 1410
1177
+ },
1178
+ {
1179
+ "epoch": 20.005714285714287,
1180
+ "grad_norm": 0.015590427443385124,
1181
+ "learning_rate": 6.603174603174603e-06,
1182
+ "loss": 0.0606,
1183
+ "step": 1420
1184
+ },
1185
+ {
1186
+ "epoch": 20.00857142857143,
1187
+ "grad_norm": 0.008228067308664322,
1188
+ "learning_rate": 6.571428571428572e-06,
1189
+ "loss": 0.0001,
1190
+ "step": 1430
1191
+ },
1192
+ {
1193
+ "epoch": 20.01142857142857,
1194
+ "grad_norm": 0.007313844282180071,
1195
+ "learning_rate": 6.5396825396825405e-06,
1196
+ "loss": 0.0812,
1197
+ "step": 1440
1198
+ },
1199
+ {
1200
+ "epoch": 20.014285714285716,
1201
+ "grad_norm": 0.03062896430492401,
1202
+ "learning_rate": 6.507936507936509e-06,
1203
+ "loss": 0.3162,
1204
+ "step": 1450
1205
+ },
1206
+ {
1207
+ "epoch": 20.017142857142858,
1208
+ "grad_norm": 0.00798776838928461,
1209
+ "learning_rate": 6.476190476190477e-06,
1210
+ "loss": 0.0034,
1211
+ "step": 1460
1212
+ },
1213
+ {
1214
+ "epoch": 20.02,
1215
+ "grad_norm": 0.0768931582570076,
1216
+ "learning_rate": 6.444444444444445e-06,
1217
+ "loss": 0.0002,
1218
+ "step": 1470
1219
+ },
1220
+ {
1221
+ "epoch": 20.02,
1222
+ "eval_accuracy": 0.6875,
1223
+ "eval_loss": 2.0998449325561523,
1224
+ "eval_runtime": 6.206,
1225
+ "eval_samples_per_second": 5.156,
1226
+ "eval_steps_per_second": 1.289,
1227
+ "step": 1470
1228
+ },
1229
+ {
1230
+ "epoch": 21.002857142857142,
1231
+ "grad_norm": 0.08019956201314926,
1232
+ "learning_rate": 6.412698412698414e-06,
1233
+ "loss": 0.0007,
1234
+ "step": 1480
1235
+ },
1236
+ {
1237
+ "epoch": 21.005714285714287,
1238
+ "grad_norm": 0.008561481721699238,
1239
+ "learning_rate": 6.380952380952381e-06,
1240
+ "loss": 0.0003,
1241
+ "step": 1490
1242
+ },
1243
+ {
1244
+ "epoch": 21.00857142857143,
1245
+ "grad_norm": 0.17695729434490204,
1246
+ "learning_rate": 6.349206349206349e-06,
1247
+ "loss": 0.0085,
1248
+ "step": 1500
1249
+ },
1250
+ {
1251
+ "epoch": 21.01142857142857,
1252
+ "grad_norm": 0.0022817952558398247,
1253
+ "learning_rate": 6.3174603174603175e-06,
1254
+ "loss": 0.0001,
1255
+ "step": 1510
1256
+ },
1257
+ {
1258
+ "epoch": 21.014285714285716,
1259
+ "grad_norm": 0.004223952069878578,
1260
+ "learning_rate": 6.285714285714286e-06,
1261
+ "loss": 0.0008,
1262
+ "step": 1520
1263
+ },
1264
+ {
1265
+ "epoch": 21.017142857142858,
1266
+ "grad_norm": 0.004527420271188021,
1267
+ "learning_rate": 6.253968253968254e-06,
1268
+ "loss": 0.0002,
1269
+ "step": 1530
1270
+ },
1271
+ {
1272
+ "epoch": 21.02,
1273
+ "grad_norm": 0.020056281238794327,
1274
+ "learning_rate": 6.222222222222223e-06,
1275
+ "loss": 0.0432,
1276
+ "step": 1540
1277
+ },
1278
+ {
1279
+ "epoch": 21.02,
1280
+ "eval_accuracy": 0.59375,
1281
+ "eval_loss": 2.2702555656433105,
1282
+ "eval_runtime": 5.806,
1283
+ "eval_samples_per_second": 5.512,
1284
+ "eval_steps_per_second": 1.378,
1285
+ "step": 1540
1286
+ },
1287
+ {
1288
+ "epoch": 22.002857142857142,
1289
+ "grad_norm": 0.002663273364305496,
1290
+ "learning_rate": 6.1904761904761914e-06,
1291
+ "loss": 0.1748,
1292
+ "step": 1550
1293
+ },
1294
+ {
1295
+ "epoch": 22.005714285714287,
1296
+ "grad_norm": 0.002945307642221451,
1297
+ "learning_rate": 6.15873015873016e-06,
1298
+ "loss": 0.0364,
1299
+ "step": 1560
1300
+ },
1301
+ {
1302
+ "epoch": 22.00857142857143,
1303
+ "grad_norm": 6.704668045043945,
1304
+ "learning_rate": 6.126984126984128e-06,
1305
+ "loss": 0.0104,
1306
+ "step": 1570
1307
+ },
1308
+ {
1309
+ "epoch": 22.01142857142857,
1310
+ "grad_norm": 0.0020908783189952374,
1311
+ "learning_rate": 6.095238095238096e-06,
1312
+ "loss": 0.0893,
1313
+ "step": 1580
1314
+ },
1315
+ {
1316
+ "epoch": 22.014285714285716,
1317
+ "grad_norm": 0.004042261280119419,
1318
+ "learning_rate": 6.063492063492064e-06,
1319
+ "loss": 0.1432,
1320
+ "step": 1590
1321
+ },
1322
+ {
1323
+ "epoch": 22.017142857142858,
1324
+ "grad_norm": 0.026853501796722412,
1325
+ "learning_rate": 6.031746031746032e-06,
1326
+ "loss": 0.0002,
1327
+ "step": 1600
1328
+ },
1329
+ {
1330
+ "epoch": 22.02,
1331
+ "grad_norm": 0.002750640967860818,
1332
+ "learning_rate": 6e-06,
1333
+ "loss": 0.006,
1334
+ "step": 1610
1335
+ },
1336
+ {
1337
+ "epoch": 22.02,
1338
+ "eval_accuracy": 0.65625,
1339
+ "eval_loss": 2.3306009769439697,
1340
+ "eval_runtime": 5.6486,
1341
+ "eval_samples_per_second": 5.665,
1342
+ "eval_steps_per_second": 1.416,
1343
+ "step": 1610
1344
+ },
1345
+ {
1346
+ "epoch": 23.002857142857142,
1347
+ "grad_norm": 0.0037402939051389694,
1348
+ "learning_rate": 5.968253968253968e-06,
1349
+ "loss": 0.0001,
1350
+ "step": 1620
1351
+ },
1352
+ {
1353
+ "epoch": 23.005714285714287,
1354
+ "grad_norm": 0.002422990510240197,
1355
+ "learning_rate": 5.936507936507937e-06,
1356
+ "loss": 0.0014,
1357
+ "step": 1630
1358
+ },
1359
+ {
1360
+ "epoch": 23.00857142857143,
1361
+ "grad_norm": 0.004334081895649433,
1362
+ "learning_rate": 5.904761904761905e-06,
1363
+ "loss": 0.0052,
1364
+ "step": 1640
1365
+ },
1366
+ {
1367
+ "epoch": 23.01142857142857,
1368
+ "grad_norm": 0.0010784378973767161,
1369
+ "learning_rate": 5.873015873015874e-06,
1370
+ "loss": 0.1291,
1371
+ "step": 1650
1372
+ },
1373
+ {
1374
+ "epoch": 23.014285714285716,
1375
+ "grad_norm": 0.0017067866865545511,
1376
+ "learning_rate": 5.841269841269842e-06,
1377
+ "loss": 0.0001,
1378
+ "step": 1660
1379
+ },
1380
+ {
1381
+ "epoch": 23.017142857142858,
1382
+ "grad_norm": 0.08872966468334198,
1383
+ "learning_rate": 5.8095238095238106e-06,
1384
+ "loss": 0.0001,
1385
+ "step": 1670
1386
+ },
1387
+ {
1388
+ "epoch": 23.02,
1389
+ "grad_norm": 0.001540614292025566,
1390
+ "learning_rate": 5.777777777777778e-06,
1391
+ "loss": 0.0014,
1392
+ "step": 1680
1393
+ },
1394
+ {
1395
+ "epoch": 23.02,
1396
+ "eval_accuracy": 0.625,
1397
+ "eval_loss": 2.446324348449707,
1398
+ "eval_runtime": 6.0676,
1399
+ "eval_samples_per_second": 5.274,
1400
+ "eval_steps_per_second": 1.318,
1401
+ "step": 1680
1402
+ },
1403
+ {
1404
+ "epoch": 24.002857142857142,
1405
+ "grad_norm": 0.005013082176446915,
1406
+ "learning_rate": 5.746031746031746e-06,
1407
+ "loss": 0.0001,
1408
+ "step": 1690
1409
+ },
1410
+ {
1411
+ "epoch": 24.005714285714287,
1412
+ "grad_norm": 0.09714154154062271,
1413
+ "learning_rate": 5.7142857142857145e-06,
1414
+ "loss": 0.0016,
1415
+ "step": 1700
1416
+ },
1417
+ {
1418
+ "epoch": 24.00857142857143,
1419
+ "grad_norm": 0.0058003757148981094,
1420
+ "learning_rate": 5.682539682539683e-06,
1421
+ "loss": 0.0001,
1422
+ "step": 1710
1423
+ },
1424
+ {
1425
+ "epoch": 24.01142857142857,
1426
+ "grad_norm": 0.0029599149711430073,
1427
+ "learning_rate": 5.650793650793651e-06,
1428
+ "loss": 0.0024,
1429
+ "step": 1720
1430
+ },
1431
+ {
1432
+ "epoch": 24.014285714285716,
1433
+ "grad_norm": 0.001937561435624957,
1434
+ "learning_rate": 5.619047619047619e-06,
1435
+ "loss": 0.1056,
1436
+ "step": 1730
1437
+ },
1438
+ {
1439
+ "epoch": 24.017142857142858,
1440
+ "grad_norm": 0.02229410596191883,
1441
+ "learning_rate": 5.5873015873015876e-06,
1442
+ "loss": 0.0001,
1443
+ "step": 1740
1444
+ },
1445
+ {
1446
+ "epoch": 24.02,
1447
+ "grad_norm": 0.004641120787709951,
1448
+ "learning_rate": 5.555555555555557e-06,
1449
+ "loss": 0.0173,
1450
+ "step": 1750
1451
+ },
1452
+ {
1453
+ "epoch": 24.02,
1454
+ "eval_accuracy": 0.65625,
1455
+ "eval_loss": 2.556457042694092,
1456
+ "eval_runtime": 5.7748,
1457
+ "eval_samples_per_second": 5.541,
1458
+ "eval_steps_per_second": 1.385,
1459
+ "step": 1750
1460
+ },
1461
+ {
1462
+ "epoch": 25.002857142857142,
1463
+ "grad_norm": 0.0013144315453246236,
1464
+ "learning_rate": 5.523809523809525e-06,
1465
+ "loss": 0.0001,
1466
+ "step": 1760
1467
+ },
1468
+ {
1469
+ "epoch": 25.005714285714287,
1470
+ "grad_norm": 0.00479417759925127,
1471
+ "learning_rate": 5.492063492063493e-06,
1472
+ "loss": 0.071,
1473
+ "step": 1770
1474
+ },
1475
+ {
1476
+ "epoch": 25.00857142857143,
1477
+ "grad_norm": 0.0011662091128528118,
1478
+ "learning_rate": 5.460317460317461e-06,
1479
+ "loss": 0.0001,
1480
+ "step": 1780
1481
+ },
1482
+ {
1483
+ "epoch": 25.01142857142857,
1484
+ "grad_norm": 0.003162315348163247,
1485
+ "learning_rate": 5.428571428571429e-06,
1486
+ "loss": 0.0001,
1487
+ "step": 1790
1488
+ },
1489
+ {
1490
+ "epoch": 25.014285714285716,
1491
+ "grad_norm": 0.004806616809219122,
1492
+ "learning_rate": 5.396825396825397e-06,
1493
+ "loss": 0.0,
1494
+ "step": 1800
1495
+ },
1496
+ {
1497
+ "epoch": 25.017142857142858,
1498
+ "grad_norm": 0.010089408606290817,
1499
+ "learning_rate": 5.365079365079365e-06,
1500
+ "loss": 0.0001,
1501
+ "step": 1810
1502
+ },
1503
+ {
1504
+ "epoch": 25.02,
1505
+ "grad_norm": 0.0010941866785287857,
1506
+ "learning_rate": 5.333333333333334e-06,
1507
+ "loss": 0.0001,
1508
+ "step": 1820
1509
+ },
1510
+ {
1511
+ "epoch": 25.02,
1512
+ "eval_accuracy": 0.625,
1513
+ "eval_loss": 2.7107367515563965,
1514
+ "eval_runtime": 6.0469,
1515
+ "eval_samples_per_second": 5.292,
1516
+ "eval_steps_per_second": 1.323,
1517
+ "step": 1820
1518
+ },
1519
+ {
1520
+ "epoch": 26.002857142857142,
1521
+ "grad_norm": 0.003195547964423895,
1522
+ "learning_rate": 5.301587301587302e-06,
1523
+ "loss": 0.1521,
1524
+ "step": 1830
1525
+ },
1526
+ {
1527
+ "epoch": 26.005714285714287,
1528
+ "grad_norm": 0.009643026627600193,
1529
+ "learning_rate": 5.26984126984127e-06,
1530
+ "loss": 0.0005,
1531
+ "step": 1840
1532
+ },
1533
+ {
1534
+ "epoch": 26.00857142857143,
1535
+ "grad_norm": 0.0033331862650811672,
1536
+ "learning_rate": 5.2380952380952384e-06,
1537
+ "loss": 0.0001,
1538
+ "step": 1850
1539
+ },
1540
+ {
1541
+ "epoch": 26.01142857142857,
1542
+ "grad_norm": 0.0029240387957543135,
1543
+ "learning_rate": 5.2063492063492076e-06,
1544
+ "loss": 0.0001,
1545
+ "step": 1860
1546
+ },
1547
+ {
1548
+ "epoch": 26.014285714285716,
1549
+ "grad_norm": 0.007532194256782532,
1550
+ "learning_rate": 5.174603174603176e-06,
1551
+ "loss": 0.0001,
1552
+ "step": 1870
1553
+ },
1554
+ {
1555
+ "epoch": 26.017142857142858,
1556
+ "grad_norm": 0.00938828382641077,
1557
+ "learning_rate": 5.142857142857142e-06,
1558
+ "loss": 0.0001,
1559
+ "step": 1880
1560
+ },
1561
+ {
1562
+ "epoch": 26.02,
1563
+ "grad_norm": 0.0021244913805276155,
1564
+ "learning_rate": 5.1111111111111115e-06,
1565
+ "loss": 0.0001,
1566
+ "step": 1890
1567
+ },
1568
+ {
1569
+ "epoch": 26.02,
1570
+ "eval_accuracy": 0.59375,
1571
+ "eval_loss": 3.092498302459717,
1572
+ "eval_runtime": 6.514,
1573
+ "eval_samples_per_second": 4.912,
1574
+ "eval_steps_per_second": 1.228,
1575
+ "step": 1890
1576
+ },
1577
+ {
1578
+ "epoch": 27.002857142857142,
1579
+ "grad_norm": 0.0038645656313747168,
1580
+ "learning_rate": 5.07936507936508e-06,
1581
+ "loss": 0.0001,
1582
+ "step": 1900
1583
+ },
1584
+ {
1585
+ "epoch": 27.005714285714287,
1586
+ "grad_norm": 0.0035917272325605154,
1587
+ "learning_rate": 5.047619047619048e-06,
1588
+ "loss": 0.0001,
1589
+ "step": 1910
1590
+ },
1591
+ {
1592
+ "epoch": 27.00857142857143,
1593
+ "grad_norm": 0.002653130330145359,
1594
+ "learning_rate": 5.015873015873016e-06,
1595
+ "loss": 0.0001,
1596
+ "step": 1920
1597
+ },
1598
+ {
1599
+ "epoch": 27.01142857142857,
1600
+ "grad_norm": 0.001524316263385117,
1601
+ "learning_rate": 4.9841269841269845e-06,
1602
+ "loss": 0.0001,
1603
+ "step": 1930
1604
+ },
1605
+ {
1606
+ "epoch": 27.014285714285716,
1607
+ "grad_norm": 0.00874999351799488,
1608
+ "learning_rate": 4.952380952380953e-06,
1609
+ "loss": 0.0001,
1610
+ "step": 1940
1611
+ },
1612
+ {
1613
+ "epoch": 27.017142857142858,
1614
+ "grad_norm": 0.0011307639069855213,
1615
+ "learning_rate": 4.920634920634921e-06,
1616
+ "loss": 0.0001,
1617
+ "step": 1950
1618
+ },
1619
+ {
1620
+ "epoch": 27.02,
1621
+ "grad_norm": 0.0028375948313623667,
1622
+ "learning_rate": 4.888888888888889e-06,
1623
+ "loss": 0.1792,
1624
+ "step": 1960
1625
+ },
1626
+ {
1627
+ "epoch": 27.02,
1628
+ "eval_accuracy": 0.625,
1629
+ "eval_loss": 2.536710500717163,
1630
+ "eval_runtime": 5.634,
1631
+ "eval_samples_per_second": 5.68,
1632
+ "eval_steps_per_second": 1.42,
1633
+ "step": 1960
1634
+ },
1635
+ {
1636
+ "epoch": 28.002857142857142,
1637
+ "grad_norm": 0.00281306984834373,
1638
+ "learning_rate": 4.857142857142858e-06,
1639
+ "loss": 0.0049,
1640
+ "step": 1970
1641
+ },
1642
+ {
1643
+ "epoch": 28.005714285714287,
1644
+ "grad_norm": 0.001993451965972781,
1645
+ "learning_rate": 4.825396825396826e-06,
1646
+ "loss": 0.0001,
1647
+ "step": 1980
1648
+ },
1649
+ {
1650
+ "epoch": 28.00857142857143,
1651
+ "grad_norm": 0.0021242112852633,
1652
+ "learning_rate": 4.793650793650794e-06,
1653
+ "loss": 0.0,
1654
+ "step": 1990
1655
+ },
1656
+ {
1657
+ "epoch": 28.01142857142857,
1658
+ "grad_norm": 0.0019546120893210173,
1659
+ "learning_rate": 4.761904761904762e-06,
1660
+ "loss": 0.0001,
1661
+ "step": 2000
1662
+ },
1663
+ {
1664
+ "epoch": 28.014285714285716,
1665
+ "grad_norm": 0.0021625503432005644,
1666
+ "learning_rate": 4.730158730158731e-06,
1667
+ "loss": 0.0144,
1668
+ "step": 2010
1669
+ },
1670
+ {
1671
+ "epoch": 28.017142857142858,
1672
+ "grad_norm": 0.001239254605025053,
1673
+ "learning_rate": 4.698412698412699e-06,
1674
+ "loss": 0.0001,
1675
+ "step": 2020
1676
+ },
1677
+ {
1678
+ "epoch": 28.02,
1679
+ "grad_norm": 0.0012608050601556897,
1680
+ "learning_rate": 4.666666666666667e-06,
1681
+ "loss": 0.0004,
1682
+ "step": 2030
1683
+ },
1684
+ {
1685
+ "epoch": 28.02,
1686
+ "eval_accuracy": 0.5625,
1687
+ "eval_loss": 2.9952054023742676,
1688
+ "eval_runtime": 6.2717,
1689
+ "eval_samples_per_second": 5.102,
1690
+ "eval_steps_per_second": 1.276,
1691
+ "step": 2030
1692
+ },
1693
+ {
1694
+ "epoch": 29.002857142857142,
1695
+ "grad_norm": 0.0023157112300395966,
1696
+ "learning_rate": 4.634920634920635e-06,
1697
+ "loss": 0.0001,
1698
+ "step": 2040
1699
+ },
1700
+ {
1701
+ "epoch": 29.005714285714287,
1702
+ "grad_norm": 0.0012295986525714397,
1703
+ "learning_rate": 4.603174603174604e-06,
1704
+ "loss": 0.0001,
1705
+ "step": 2050
1706
+ },
1707
+ {
1708
+ "epoch": 29.00857142857143,
1709
+ "grad_norm": 0.005791760981082916,
1710
+ "learning_rate": 4.571428571428572e-06,
1711
+ "loss": 0.0001,
1712
+ "step": 2060
1713
+ },
1714
+ {
1715
+ "epoch": 29.01142857142857,
1716
+ "grad_norm": 0.003394305007532239,
1717
+ "learning_rate": 4.53968253968254e-06,
1718
+ "loss": 0.1151,
1719
+ "step": 2070
1720
+ },
1721
+ {
1722
+ "epoch": 29.014285714285716,
1723
+ "grad_norm": 0.0017611499642953277,
1724
+ "learning_rate": 4.5079365079365085e-06,
1725
+ "loss": 0.0001,
1726
+ "step": 2080
1727
+ },
1728
+ {
1729
+ "epoch": 29.017142857142858,
1730
+ "grad_norm": 0.0028206913266330957,
1731
+ "learning_rate": 4.476190476190477e-06,
1732
+ "loss": 0.0001,
1733
+ "step": 2090
1734
+ },
1735
+ {
1736
+ "epoch": 29.02,
1737
+ "grad_norm": 0.0028997170738875866,
1738
+ "learning_rate": 4.444444444444444e-06,
1739
+ "loss": 0.0001,
1740
+ "step": 2100
1741
+ },
1742
+ {
1743
+ "epoch": 29.02,
1744
+ "eval_accuracy": 0.625,
1745
+ "eval_loss": 2.7962350845336914,
1746
+ "eval_runtime": 6.6512,
1747
+ "eval_samples_per_second": 4.811,
1748
+ "eval_steps_per_second": 1.203,
1749
+ "step": 2100
1750
+ },
1751
+ {
1752
+ "epoch": 30.002857142857142,
1753
+ "grad_norm": 0.004685261752456427,
1754
+ "learning_rate": 4.412698412698413e-06,
1755
+ "loss": 0.0001,
1756
+ "step": 2110
1757
+ },
1758
+ {
1759
+ "epoch": 30.005714285714287,
1760
+ "grad_norm": 0.0024346013087779284,
1761
+ "learning_rate": 4.3809523809523815e-06,
1762
+ "loss": 0.0,
1763
+ "step": 2120
1764
+ },
1765
+ {
1766
+ "epoch": 30.00857142857143,
1767
+ "grad_norm": 0.0026598083786666393,
1768
+ "learning_rate": 4.34920634920635e-06,
1769
+ "loss": 0.0,
1770
+ "step": 2130
1771
+ },
1772
+ {
1773
+ "epoch": 30.01142857142857,
1774
+ "grad_norm": 0.002897858852520585,
1775
+ "learning_rate": 4.317460317460318e-06,
1776
+ "loss": 0.0001,
1777
+ "step": 2140
1778
+ },
1779
+ {
1780
+ "epoch": 30.014285714285716,
1781
+ "grad_norm": 0.01607625186443329,
1782
+ "learning_rate": 4.2857142857142855e-06,
1783
+ "loss": 0.0001,
1784
+ "step": 2150
1785
+ },
1786
+ {
1787
+ "epoch": 30.017142857142858,
1788
+ "grad_norm": 0.002586986403912306,
1789
+ "learning_rate": 4.2539682539682546e-06,
1790
+ "loss": 0.0,
1791
+ "step": 2160
1792
+ },
1793
+ {
1794
+ "epoch": 30.02,
1795
+ "grad_norm": 0.0013718613190576434,
1796
+ "learning_rate": 4.222222222222223e-06,
1797
+ "loss": 0.0,
1798
+ "step": 2170
1799
+ },
1800
+ {
1801
+ "epoch": 30.02,
1802
+ "eval_accuracy": 0.59375,
1803
+ "eval_loss": 3.108156204223633,
1804
+ "eval_runtime": 5.9931,
1805
+ "eval_samples_per_second": 5.34,
1806
+ "eval_steps_per_second": 1.335,
1807
+ "step": 2170
1808
+ },
1809
+ {
1810
+ "epoch": 31.002857142857142,
1811
+ "grad_norm": 0.004130430519580841,
1812
+ "learning_rate": 4.190476190476191e-06,
1813
+ "loss": 0.0001,
1814
+ "step": 2180
1815
+ },
1816
+ {
1817
+ "epoch": 31.005714285714287,
1818
+ "grad_norm": 0.0036993578542023897,
1819
+ "learning_rate": 4.158730158730159e-06,
1820
+ "loss": 0.0001,
1821
+ "step": 2190
1822
+ },
1823
+ {
1824
+ "epoch": 31.00857142857143,
1825
+ "grad_norm": 0.0024625733494758606,
1826
+ "learning_rate": 4.126984126984127e-06,
1827
+ "loss": 0.0008,
1828
+ "step": 2200
1829
+ },
1830
+ {
1831
+ "epoch": 31.01142857142857,
1832
+ "grad_norm": 0.007389547768980265,
1833
+ "learning_rate": 4.095238095238096e-06,
1834
+ "loss": 0.1028,
1835
+ "step": 2210
1836
+ },
1837
+ {
1838
+ "epoch": 31.014285714285716,
1839
+ "grad_norm": 0.001320167793892324,
1840
+ "learning_rate": 4.063492063492064e-06,
1841
+ "loss": 0.0004,
1842
+ "step": 2220
1843
+ },
1844
+ {
1845
+ "epoch": 31.017142857142858,
1846
+ "grad_norm": 466.27154541015625,
1847
+ "learning_rate": 4.031746031746032e-06,
1848
+ "loss": 0.069,
1849
+ "step": 2230
1850
+ },
1851
+ {
1852
+ "epoch": 31.02,
1853
+ "grad_norm": 0.004771101288497448,
1854
+ "learning_rate": 4.000000000000001e-06,
1855
+ "loss": 0.0001,
1856
+ "step": 2240
1857
+ },
1858
+ {
1859
+ "epoch": 31.02,
1860
+ "eval_accuracy": 0.625,
1861
+ "eval_loss": 2.686725616455078,
1862
+ "eval_runtime": 7.1944,
1863
+ "eval_samples_per_second": 4.448,
1864
+ "eval_steps_per_second": 1.112,
1865
+ "step": 2240
1866
+ },
1867
+ {
1868
+ "epoch": 32.002857142857145,
1869
+ "grad_norm": 0.004328535404056311,
1870
+ "learning_rate": 3.968253968253968e-06,
1871
+ "loss": 0.0001,
1872
+ "step": 2250
1873
+ },
1874
+ {
1875
+ "epoch": 32.005714285714284,
1876
+ "grad_norm": 0.007427292410284281,
1877
+ "learning_rate": 3.936507936507936e-06,
1878
+ "loss": 0.0001,
1879
+ "step": 2260
1880
+ },
1881
+ {
1882
+ "epoch": 32.00857142857143,
1883
+ "grad_norm": 0.001498078927397728,
1884
+ "learning_rate": 3.9047619047619055e-06,
1885
+ "loss": 0.0024,
1886
+ "step": 2270
1887
+ },
1888
+ {
1889
+ "epoch": 32.011428571428574,
1890
+ "grad_norm": 0.0010804787743836641,
1891
+ "learning_rate": 3.873015873015874e-06,
1892
+ "loss": 0.0,
1893
+ "step": 2280
1894
+ },
1895
+ {
1896
+ "epoch": 32.01428571428571,
1897
+ "grad_norm": 0.07372881472110748,
1898
+ "learning_rate": 3.841269841269842e-06,
1899
+ "loss": 0.0284,
1900
+ "step": 2290
1901
+ },
1902
+ {
1903
+ "epoch": 32.01714285714286,
1904
+ "grad_norm": 0.002815135521814227,
1905
+ "learning_rate": 3.80952380952381e-06,
1906
+ "loss": 0.0,
1907
+ "step": 2300
1908
+ },
1909
+ {
1910
+ "epoch": 32.02,
1911
+ "grad_norm": 0.0011799400672316551,
1912
+ "learning_rate": 3.777777777777778e-06,
1913
+ "loss": 0.0,
1914
+ "step": 2310
1915
+ },
1916
+ {
1917
+ "epoch": 32.02,
1918
+ "eval_accuracy": 0.625,
1919
+ "eval_loss": 2.6702141761779785,
1920
+ "eval_runtime": 7.3014,
1921
+ "eval_samples_per_second": 4.383,
1922
+ "eval_steps_per_second": 1.096,
1923
+ "step": 2310
1924
+ },
1925
+ {
1926
+ "epoch": 33.002857142857145,
1927
+ "grad_norm": 0.004017932340502739,
1928
+ "learning_rate": 3.7460317460317463e-06,
1929
+ "loss": 0.0046,
1930
+ "step": 2320
1931
+ },
1932
+ {
1933
+ "epoch": 33.005714285714284,
1934
+ "grad_norm": 0.002392595401033759,
1935
+ "learning_rate": 3.7142857142857146e-06,
1936
+ "loss": 0.0,
1937
+ "step": 2330
1938
+ },
1939
+ {
1940
+ "epoch": 33.00857142857143,
1941
+ "grad_norm": 0.0008441254030913115,
1942
+ "learning_rate": 3.6825396825396833e-06,
1943
+ "loss": 0.0,
1944
+ "step": 2340
1945
+ },
1946
+ {
1947
+ "epoch": 33.011428571428574,
1948
+ "grad_norm": 0.01818065159022808,
1949
+ "learning_rate": 3.6507936507936507e-06,
1950
+ "loss": 0.0,
1951
+ "step": 2350
1952
+ },
1953
+ {
1954
+ "epoch": 33.01428571428571,
1955
+ "grad_norm": 0.0024400062393397093,
1956
+ "learning_rate": 3.6190476190476194e-06,
1957
+ "loss": 0.0002,
1958
+ "step": 2360
1959
+ },
1960
+ {
1961
+ "epoch": 33.01714285714286,
1962
+ "grad_norm": 0.001259080832824111,
1963
+ "learning_rate": 3.5873015873015877e-06,
1964
+ "loss": 0.0244,
1965
+ "step": 2370
1966
+ },
1967
+ {
1968
+ "epoch": 33.02,
1969
+ "grad_norm": 0.0022309625055640936,
1970
+ "learning_rate": 3.555555555555556e-06,
1971
+ "loss": 0.0,
1972
+ "step": 2380
1973
+ },
1974
+ {
1975
+ "epoch": 33.02,
1976
+ "eval_accuracy": 0.59375,
1977
+ "eval_loss": 3.3402888774871826,
1978
+ "eval_runtime": 7.3496,
1979
+ "eval_samples_per_second": 4.354,
1980
+ "eval_steps_per_second": 1.088,
1981
+ "step": 2380
1982
+ },
1983
+ {
1984
+ "epoch": 34.002857142857145,
1985
+ "grad_norm": 0.001507407519966364,
1986
+ "learning_rate": 3.523809523809524e-06,
1987
+ "loss": 0.1484,
1988
+ "step": 2390
1989
+ },
1990
+ {
1991
+ "epoch": 34.005714285714284,
1992
+ "grad_norm": 0.001335164182819426,
1993
+ "learning_rate": 3.492063492063492e-06,
1994
+ "loss": 0.0,
1995
+ "step": 2400
1996
+ },
1997
+ {
1998
+ "epoch": 34.00857142857143,
1999
+ "grad_norm": 0.0010363466572016478,
2000
+ "learning_rate": 3.4603174603174607e-06,
2001
+ "loss": 0.0,
2002
+ "step": 2410
2003
+ },
2004
+ {
2005
+ "epoch": 34.011428571428574,
2006
+ "grad_norm": 0.0027341984678059816,
2007
+ "learning_rate": 3.428571428571429e-06,
2008
+ "loss": 0.0,
2009
+ "step": 2420
2010
+ },
2011
+ {
2012
+ "epoch": 34.01428571428571,
2013
+ "grad_norm": 0.007578617427498102,
2014
+ "learning_rate": 3.3968253968253972e-06,
2015
+ "loss": 0.0001,
2016
+ "step": 2430
2017
+ },
2018
+ {
2019
+ "epoch": 34.01714285714286,
2020
+ "grad_norm": 0.001968264114111662,
2021
+ "learning_rate": 3.3650793650793655e-06,
2022
+ "loss": 0.0,
2023
+ "step": 2440
2024
+ },
2025
+ {
2026
+ "epoch": 34.02,
2027
+ "grad_norm": 0.0030165906064212322,
2028
+ "learning_rate": 3.3333333333333333e-06,
2029
+ "loss": 0.0,
2030
+ "step": 2450
2031
+ },
2032
+ {
2033
+ "epoch": 34.02,
2034
+ "eval_accuracy": 0.625,
2035
+ "eval_loss": 3.053858757019043,
2036
+ "eval_runtime": 8.5887,
2037
+ "eval_samples_per_second": 3.726,
2038
+ "eval_steps_per_second": 0.931,
2039
+ "step": 2450
2040
+ },
2041
+ {
2042
+ "epoch": 35.002857142857145,
2043
+ "grad_norm": 0.0015692274319007993,
2044
+ "learning_rate": 3.3015873015873016e-06,
2045
+ "loss": 0.0,
2046
+ "step": 2460
2047
+ },
2048
+ {
2049
+ "epoch": 35.005714285714284,
2050
+ "grad_norm": 0.0013480527559295297,
2051
+ "learning_rate": 3.2698412698412703e-06,
2052
+ "loss": 0.0,
2053
+ "step": 2470
2054
+ },
2055
+ {
2056
+ "epoch": 35.00857142857143,
2057
+ "grad_norm": 0.003836671821773052,
2058
+ "learning_rate": 3.2380952380952385e-06,
2059
+ "loss": 0.1318,
2060
+ "step": 2480
2061
+ },
2062
+ {
2063
+ "epoch": 35.011428571428574,
2064
+ "grad_norm": 0.0024338432122021914,
2065
+ "learning_rate": 3.206349206349207e-06,
2066
+ "loss": 0.0,
2067
+ "step": 2490
2068
+ },
2069
+ {
2070
+ "epoch": 35.01428571428571,
2071
+ "grad_norm": 0.0123060941696167,
2072
+ "learning_rate": 3.1746031746031746e-06,
2073
+ "loss": 0.0001,
2074
+ "step": 2500
2075
+ },
2076
+ {
2077
+ "epoch": 35.01714285714286,
2078
+ "grad_norm": 0.001270064152777195,
2079
+ "learning_rate": 3.142857142857143e-06,
2080
+ "loss": 0.0,
2081
+ "step": 2510
2082
+ },
2083
+ {
2084
+ "epoch": 35.02,
2085
+ "grad_norm": 0.0015140828909352422,
2086
+ "learning_rate": 3.1111111111111116e-06,
2087
+ "loss": 0.2031,
2088
+ "step": 2520
2089
+ },
2090
+ {
2091
+ "epoch": 35.02,
2092
+ "eval_accuracy": 0.6875,
2093
+ "eval_loss": 2.73325252532959,
2094
+ "eval_runtime": 8.3821,
2095
+ "eval_samples_per_second": 3.818,
2096
+ "eval_steps_per_second": 0.954,
2097
+ "step": 2520
2098
+ },
2099
+ {
2100
+ "epoch": 36.002857142857145,
2101
+ "grad_norm": 0.0005715539446100593,
2102
+ "learning_rate": 3.07936507936508e-06,
2103
+ "loss": 0.0,
2104
+ "step": 2530
2105
+ },
2106
+ {
2107
+ "epoch": 36.005714285714284,
2108
+ "grad_norm": 0.003236456075683236,
2109
+ "learning_rate": 3.047619047619048e-06,
2110
+ "loss": 0.0,
2111
+ "step": 2540
2112
+ },
2113
+ {
2114
+ "epoch": 36.00857142857143,
2115
+ "grad_norm": 0.0009249376598745584,
2116
+ "learning_rate": 3.015873015873016e-06,
2117
+ "loss": 0.2215,
2118
+ "step": 2550
2119
+ },
2120
+ {
2121
+ "epoch": 36.011428571428574,
2122
+ "grad_norm": 0.0008299104520119727,
2123
+ "learning_rate": 2.984126984126984e-06,
2124
+ "loss": 0.031,
2125
+ "step": 2560
2126
+ },
2127
+ {
2128
+ "epoch": 36.01428571428571,
2129
+ "grad_norm": 0.0019169561564922333,
2130
+ "learning_rate": 2.9523809523809525e-06,
2131
+ "loss": 0.2959,
2132
+ "step": 2570
2133
+ },
2134
+ {
2135
+ "epoch": 36.01714285714286,
2136
+ "grad_norm": 0.016660558059811592,
2137
+ "learning_rate": 2.920634920634921e-06,
2138
+ "loss": 0.0,
2139
+ "step": 2580
2140
+ },
2141
+ {
2142
+ "epoch": 36.02,
2143
+ "grad_norm": 0.0024716516491025686,
2144
+ "learning_rate": 2.888888888888889e-06,
2145
+ "loss": 0.0,
2146
+ "step": 2590
2147
+ },
2148
+ {
2149
+ "epoch": 36.02,
2150
+ "eval_accuracy": 0.59375,
2151
+ "eval_loss": 2.9419589042663574,
2152
+ "eval_runtime": 7.6689,
2153
+ "eval_samples_per_second": 4.173,
2154
+ "eval_steps_per_second": 1.043,
2155
+ "step": 2590
2156
+ },
2157
+ {
2158
+ "epoch": 37.002857142857145,
2159
+ "grad_norm": 0.0009388060425408185,
2160
+ "learning_rate": 2.8571428571428573e-06,
2161
+ "loss": 0.0,
2162
+ "step": 2600
2163
+ },
2164
+ {
2165
+ "epoch": 37.005714285714284,
2166
+ "grad_norm": 0.0014066151343286037,
2167
+ "learning_rate": 2.8253968253968255e-06,
2168
+ "loss": 0.0049,
2169
+ "step": 2610
2170
+ },
2171
+ {
2172
+ "epoch": 37.00857142857143,
2173
+ "grad_norm": 0.0009500043233856559,
2174
+ "learning_rate": 2.7936507936507938e-06,
2175
+ "loss": 0.0,
2176
+ "step": 2620
2177
+ },
2178
+ {
2179
+ "epoch": 37.011428571428574,
2180
+ "grad_norm": 0.0007660359842702746,
2181
+ "learning_rate": 2.7619047619047625e-06,
2182
+ "loss": 0.0002,
2183
+ "step": 2630
2184
+ },
2185
+ {
2186
+ "epoch": 37.01428571428571,
2187
+ "grad_norm": 0.005225882399827242,
2188
+ "learning_rate": 2.7301587301587303e-06,
2189
+ "loss": 0.0,
2190
+ "step": 2640
2191
+ },
2192
+ {
2193
+ "epoch": 37.01714285714286,
2194
+ "grad_norm": 0.0036217437591403723,
2195
+ "learning_rate": 2.6984126984126986e-06,
2196
+ "loss": 0.0001,
2197
+ "step": 2650
2198
+ },
2199
+ {
2200
+ "epoch": 37.02,
2201
+ "grad_norm": 0.0021994500420987606,
2202
+ "learning_rate": 2.666666666666667e-06,
2203
+ "loss": 0.0,
2204
+ "step": 2660
2205
+ },
2206
+ {
2207
+ "epoch": 37.02,
2208
+ "eval_accuracy": 0.65625,
2209
+ "eval_loss": 2.919912338256836,
2210
+ "eval_runtime": 7.4701,
2211
+ "eval_samples_per_second": 4.284,
2212
+ "eval_steps_per_second": 1.071,
2213
+ "step": 2660
2214
+ },
2215
+ {
2216
+ "epoch": 38.002857142857145,
2217
+ "grad_norm": 0.0009795749792829156,
2218
+ "learning_rate": 2.634920634920635e-06,
2219
+ "loss": 0.0,
2220
+ "step": 2670
2221
+ },
2222
+ {
2223
+ "epoch": 38.005714285714284,
2224
+ "grad_norm": 0.0015403656288981438,
2225
+ "learning_rate": 2.6031746031746038e-06,
2226
+ "loss": 0.0007,
2227
+ "step": 2680
2228
+ },
2229
+ {
2230
+ "epoch": 38.00857142857143,
2231
+ "grad_norm": 0.007823006249964237,
2232
+ "learning_rate": 2.571428571428571e-06,
2233
+ "loss": 0.0701,
2234
+ "step": 2690
2235
+ },
2236
+ {
2237
+ "epoch": 38.011428571428574,
2238
+ "grad_norm": 0.12522433698177338,
2239
+ "learning_rate": 2.53968253968254e-06,
2240
+ "loss": 0.0643,
2241
+ "step": 2700
2242
+ },
2243
+ {
2244
+ "epoch": 38.01428571428571,
2245
+ "grad_norm": 0.0010730504291132092,
2246
+ "learning_rate": 2.507936507936508e-06,
2247
+ "loss": 0.0001,
2248
+ "step": 2710
2249
+ },
2250
+ {
2251
+ "epoch": 38.01714285714286,
2252
+ "grad_norm": 0.001265152939595282,
2253
+ "learning_rate": 2.4761904761904764e-06,
2254
+ "loss": 0.2465,
2255
+ "step": 2720
2256
+ },
2257
+ {
2258
+ "epoch": 38.02,
2259
+ "grad_norm": 0.45712485909461975,
2260
+ "learning_rate": 2.4444444444444447e-06,
2261
+ "loss": 0.0018,
2262
+ "step": 2730
2263
+ },
2264
+ {
2265
+ "epoch": 38.02,
2266
+ "eval_accuracy": 0.59375,
2267
+ "eval_loss": 2.8933959007263184,
2268
+ "eval_runtime": 7.7323,
2269
+ "eval_samples_per_second": 4.138,
2270
+ "eval_steps_per_second": 1.035,
2271
+ "step": 2730
2272
+ },
2273
+ {
2274
+ "epoch": 39.002857142857145,
2275
+ "grad_norm": 0.0031093251891434193,
2276
+ "learning_rate": 2.412698412698413e-06,
2277
+ "loss": 0.0042,
2278
+ "step": 2740
2279
+ },
2280
+ {
2281
+ "epoch": 39.005714285714284,
2282
+ "grad_norm": 0.004323534667491913,
2283
+ "learning_rate": 2.380952380952381e-06,
2284
+ "loss": 0.0,
2285
+ "step": 2750
2286
+ },
2287
+ {
2288
+ "epoch": 39.00857142857143,
2289
+ "grad_norm": 0.0008992227958515286,
2290
+ "learning_rate": 2.3492063492063494e-06,
2291
+ "loss": 0.0,
2292
+ "step": 2760
2293
+ },
2294
+ {
2295
+ "epoch": 39.011428571428574,
2296
+ "grad_norm": 0.0029326954390853643,
2297
+ "learning_rate": 2.3174603174603177e-06,
2298
+ "loss": 0.0,
2299
+ "step": 2770
2300
+ },
2301
+ {
2302
+ "epoch": 39.01428571428571,
2303
+ "grad_norm": 0.0016185936983674765,
2304
+ "learning_rate": 2.285714285714286e-06,
2305
+ "loss": 0.0,
2306
+ "step": 2780
2307
+ },
2308
+ {
2309
+ "epoch": 39.01714285714286,
2310
+ "grad_norm": 0.005735237151384354,
2311
+ "learning_rate": 2.2539682539682542e-06,
2312
+ "loss": 0.0,
2313
+ "step": 2790
2314
+ },
2315
+ {
2316
+ "epoch": 39.02,
2317
+ "grad_norm": 0.0014396852347999811,
2318
+ "learning_rate": 2.222222222222222e-06,
2319
+ "loss": 0.0,
2320
+ "step": 2800
2321
+ },
2322
+ {
2323
+ "epoch": 39.02,
2324
+ "eval_accuracy": 0.625,
2325
+ "eval_loss": 2.832045078277588,
2326
+ "eval_runtime": 7.5616,
2327
+ "eval_samples_per_second": 4.232,
2328
+ "eval_steps_per_second": 1.058,
2329
+ "step": 2800
2330
+ },
2331
+ {
2332
+ "epoch": 40.002857142857145,
2333
+ "grad_norm": 0.0041121807880699635,
2334
+ "learning_rate": 2.1904761904761908e-06,
2335
+ "loss": 0.0,
2336
+ "step": 2810
2337
+ },
2338
+ {
2339
+ "epoch": 40.005714285714284,
2340
+ "grad_norm": 0.0013577585341408849,
2341
+ "learning_rate": 2.158730158730159e-06,
2342
+ "loss": 0.0,
2343
+ "step": 2820
2344
+ },
2345
+ {
2346
+ "epoch": 40.00857142857143,
2347
+ "grad_norm": 0.0017459145747125149,
2348
+ "learning_rate": 2.1269841269841273e-06,
2349
+ "loss": 0.0,
2350
+ "step": 2830
2351
+ },
2352
+ {
2353
+ "epoch": 40.011428571428574,
2354
+ "grad_norm": 0.0019927776884287596,
2355
+ "learning_rate": 2.0952380952380955e-06,
2356
+ "loss": 0.0,
2357
+ "step": 2840
2358
+ },
2359
+ {
2360
+ "epoch": 40.01428571428571,
2361
+ "grad_norm": 0.0009335738723166287,
2362
+ "learning_rate": 2.0634920634920634e-06,
2363
+ "loss": 0.0,
2364
+ "step": 2850
2365
+ },
2366
+ {
2367
+ "epoch": 40.01714285714286,
2368
+ "grad_norm": 0.0010714407544583082,
2369
+ "learning_rate": 2.031746031746032e-06,
2370
+ "loss": 0.0,
2371
+ "step": 2860
2372
+ },
2373
+ {
2374
+ "epoch": 40.02,
2375
+ "grad_norm": 0.0007551051676273346,
2376
+ "learning_rate": 2.0000000000000003e-06,
2377
+ "loss": 0.0,
2378
+ "step": 2870
2379
+ },
2380
+ {
2381
+ "epoch": 40.02,
2382
+ "eval_accuracy": 0.625,
2383
+ "eval_loss": 2.8381476402282715,
2384
+ "eval_runtime": 7.9752,
2385
+ "eval_samples_per_second": 4.012,
2386
+ "eval_steps_per_second": 1.003,
2387
+ "step": 2870
2388
+ },
2389
+ {
2390
+ "epoch": 41.002857142857145,
2391
+ "grad_norm": 0.001309627783484757,
2392
+ "learning_rate": 1.968253968253968e-06,
2393
+ "loss": 0.0001,
2394
+ "step": 2880
2395
+ },
2396
+ {
2397
+ "epoch": 41.005714285714284,
2398
+ "grad_norm": 0.0011593608651310205,
2399
+ "learning_rate": 1.936507936507937e-06,
2400
+ "loss": 0.0,
2401
+ "step": 2890
2402
+ },
2403
+ {
2404
+ "epoch": 41.00857142857143,
2405
+ "grad_norm": 0.0005718428292311728,
2406
+ "learning_rate": 1.904761904761905e-06,
2407
+ "loss": 0.0,
2408
+ "step": 2900
2409
+ },
2410
+ {
2411
+ "epoch": 41.011428571428574,
2412
+ "grad_norm": 0.0008164609898813069,
2413
+ "learning_rate": 1.8730158730158732e-06,
2414
+ "loss": 0.0,
2415
+ "step": 2910
2416
+ },
2417
+ {
2418
+ "epoch": 41.01428571428571,
2419
+ "grad_norm": 0.0068624867126345634,
2420
+ "learning_rate": 1.8412698412698416e-06,
2421
+ "loss": 0.0,
2422
+ "step": 2920
2423
+ },
2424
+ {
2425
+ "epoch": 41.01714285714286,
2426
+ "grad_norm": 0.002447180449962616,
2427
+ "learning_rate": 1.8095238095238097e-06,
2428
+ "loss": 0.0,
2429
+ "step": 2930
2430
+ },
2431
+ {
2432
+ "epoch": 41.02,
2433
+ "grad_norm": 0.001345404889434576,
2434
+ "learning_rate": 1.777777777777778e-06,
2435
+ "loss": 0.0,
2436
+ "step": 2940
2437
+ },
2438
+ {
2439
+ "epoch": 41.02,
2440
+ "eval_accuracy": 0.625,
2441
+ "eval_loss": 2.8438665866851807,
2442
+ "eval_runtime": 6.6318,
2443
+ "eval_samples_per_second": 4.825,
2444
+ "eval_steps_per_second": 1.206,
2445
+ "step": 2940
2446
+ },
2447
+ {
2448
+ "epoch": 42.002857142857145,
2449
+ "grad_norm": 0.004871055483818054,
2450
+ "learning_rate": 1.746031746031746e-06,
2451
+ "loss": 0.0,
2452
+ "step": 2950
2453
+ },
2454
+ {
2455
+ "epoch": 42.005714285714284,
2456
+ "grad_norm": 0.0018843573052436113,
2457
+ "learning_rate": 1.7142857142857145e-06,
2458
+ "loss": 0.0,
2459
+ "step": 2960
2460
+ },
2461
+ {
2462
+ "epoch": 42.00857142857143,
2463
+ "grad_norm": 0.0010428063105791807,
2464
+ "learning_rate": 1.6825396825396827e-06,
2465
+ "loss": 0.0001,
2466
+ "step": 2970
2467
+ },
2468
+ {
2469
+ "epoch": 42.011428571428574,
2470
+ "grad_norm": 0.0007727840566076338,
2471
+ "learning_rate": 1.6507936507936508e-06,
2472
+ "loss": 0.0,
2473
+ "step": 2980
2474
+ },
2475
+ {
2476
+ "epoch": 42.01428571428571,
2477
+ "grad_norm": 0.0022347676567733288,
2478
+ "learning_rate": 1.6190476190476193e-06,
2479
+ "loss": 0.0,
2480
+ "step": 2990
2481
+ },
2482
+ {
2483
+ "epoch": 42.01714285714286,
2484
+ "grad_norm": 0.0014822926605120301,
2485
+ "learning_rate": 1.5873015873015873e-06,
2486
+ "loss": 0.0,
2487
+ "step": 3000
2488
+ },
2489
+ {
2490
+ "epoch": 42.02,
2491
+ "grad_norm": 0.0008702924242243171,
2492
+ "learning_rate": 1.5555555555555558e-06,
2493
+ "loss": 0.0,
2494
+ "step": 3010
2495
+ },
2496
+ {
2497
+ "epoch": 42.02,
2498
+ "eval_accuracy": 0.625,
2499
+ "eval_loss": 2.8524856567382812,
2500
+ "eval_runtime": 6.573,
2501
+ "eval_samples_per_second": 4.868,
2502
+ "eval_steps_per_second": 1.217,
2503
+ "step": 3010
2504
+ },
2505
+ {
2506
+ "epoch": 43.002857142857145,
2507
+ "grad_norm": 0.001486993976868689,
2508
+ "learning_rate": 1.523809523809524e-06,
2509
+ "loss": 0.0,
2510
+ "step": 3020
2511
+ },
2512
+ {
2513
+ "epoch": 43.005714285714284,
2514
+ "grad_norm": 0.0009380248957313597,
2515
+ "learning_rate": 1.492063492063492e-06,
2516
+ "loss": 0.0,
2517
+ "step": 3030
2518
+ },
2519
+ {
2520
+ "epoch": 43.00857142857143,
2521
+ "grad_norm": 0.004946484230458736,
2522
+ "learning_rate": 1.4603174603174606e-06,
2523
+ "loss": 0.0,
2524
+ "step": 3040
2525
+ },
2526
+ {
2527
+ "epoch": 43.011428571428574,
2528
+ "grad_norm": 0.0016762095037847757,
2529
+ "learning_rate": 1.4285714285714286e-06,
2530
+ "loss": 0.0002,
2531
+ "step": 3050
2532
+ },
2533
+ {
2534
+ "epoch": 43.01428571428571,
2535
+ "grad_norm": 0.001995038939639926,
2536
+ "learning_rate": 1.3968253968253969e-06,
2537
+ "loss": 0.0,
2538
+ "step": 3060
2539
+ },
2540
+ {
2541
+ "epoch": 43.01714285714286,
2542
+ "grad_norm": 0.0014240635791793466,
2543
+ "learning_rate": 1.3650793650793652e-06,
2544
+ "loss": 0.0001,
2545
+ "step": 3070
2546
+ },
2547
+ {
2548
+ "epoch": 43.02,
2549
+ "grad_norm": 0.0009568611858412623,
2550
+ "learning_rate": 1.3333333333333334e-06,
2551
+ "loss": 0.0,
2552
+ "step": 3080
2553
+ },
2554
+ {
2555
+ "epoch": 43.02,
2556
+ "eval_accuracy": 0.59375,
2557
+ "eval_loss": 2.6921167373657227,
2558
+ "eval_runtime": 7.5296,
2559
+ "eval_samples_per_second": 4.25,
2560
+ "eval_steps_per_second": 1.062,
2561
+ "step": 3080
2562
+ },
2563
+ {
2564
+ "epoch": 44.002857142857145,
2565
+ "grad_norm": 0.01802194118499756,
2566
+ "learning_rate": 1.3015873015873019e-06,
2567
+ "loss": 0.0,
2568
+ "step": 3090
2569
+ },
2570
+ {
2571
+ "epoch": 44.005714285714284,
2572
+ "grad_norm": 0.000703324971254915,
2573
+ "learning_rate": 1.26984126984127e-06,
2574
+ "loss": 0.0,
2575
+ "step": 3100
2576
+ },
2577
+ {
2578
+ "epoch": 44.00857142857143,
2579
+ "grad_norm": 0.0015024804743006825,
2580
+ "learning_rate": 1.2380952380952382e-06,
2581
+ "loss": 0.0,
2582
+ "step": 3110
2583
+ },
2584
+ {
2585
+ "epoch": 44.011428571428574,
2586
+ "grad_norm": 0.0023550696205347776,
2587
+ "learning_rate": 1.2063492063492065e-06,
2588
+ "loss": 0.0,
2589
+ "step": 3120
2590
+ },
2591
+ {
2592
+ "epoch": 44.01428571428571,
2593
+ "grad_norm": 0.0009432346560060978,
2594
+ "learning_rate": 1.1746031746031747e-06,
2595
+ "loss": 0.0001,
2596
+ "step": 3130
2597
+ },
2598
+ {
2599
+ "epoch": 44.01714285714286,
2600
+ "grad_norm": 0.0014145496534183621,
2601
+ "learning_rate": 1.142857142857143e-06,
2602
+ "loss": 0.0,
2603
+ "step": 3140
2604
+ },
2605
+ {
2606
+ "epoch": 44.02,
2607
+ "grad_norm": 0.0011549839982762933,
2608
+ "learning_rate": 1.111111111111111e-06,
2609
+ "loss": 0.0,
2610
+ "step": 3150
2611
+ },
2612
+ {
2613
+ "epoch": 44.02,
2614
+ "eval_accuracy": 0.625,
2615
+ "eval_loss": 2.9579904079437256,
2616
+ "eval_runtime": 7.1267,
2617
+ "eval_samples_per_second": 4.49,
2618
+ "eval_steps_per_second": 1.123,
2619
+ "step": 3150
2620
+ },
2621
+ {
2622
+ "epoch": 45.002857142857145,
2623
+ "grad_norm": 0.004226373508572578,
2624
+ "learning_rate": 1.0793650793650795e-06,
2625
+ "loss": 0.0003,
2626
+ "step": 3160
2627
+ },
2628
+ {
2629
+ "epoch": 45.005714285714284,
2630
+ "grad_norm": 0.0005224282504059374,
2631
+ "learning_rate": 1.0476190476190478e-06,
2632
+ "loss": 0.0,
2633
+ "step": 3170
2634
+ },
2635
+ {
2636
+ "epoch": 45.00857142857143,
2637
+ "grad_norm": 0.0016394226113334298,
2638
+ "learning_rate": 1.015873015873016e-06,
2639
+ "loss": 0.0,
2640
+ "step": 3180
2641
+ },
2642
+ {
2643
+ "epoch": 45.011428571428574,
2644
+ "grad_norm": 0.004058617167174816,
2645
+ "learning_rate": 9.84126984126984e-07,
2646
+ "loss": 0.0,
2647
+ "step": 3190
2648
+ },
2649
+ {
2650
+ "epoch": 45.01428571428571,
2651
+ "grad_norm": 0.0013102118391543627,
2652
+ "learning_rate": 9.523809523809525e-07,
2653
+ "loss": 0.0,
2654
+ "step": 3200
2655
+ },
2656
+ {
2657
+ "epoch": 45.01714285714286,
2658
+ "grad_norm": 0.0019316988764330745,
2659
+ "learning_rate": 9.206349206349208e-07,
2660
+ "loss": 0.0,
2661
+ "step": 3210
2662
+ },
2663
+ {
2664
+ "epoch": 45.02,
2665
+ "grad_norm": 0.000915765471290797,
2666
+ "learning_rate": 8.88888888888889e-07,
2667
+ "loss": 0.0,
2668
+ "step": 3220
2669
+ },
2670
+ {
2671
+ "epoch": 45.02,
2672
+ "eval_accuracy": 0.59375,
2673
+ "eval_loss": 3.029210090637207,
2674
+ "eval_runtime": 6.7888,
2675
+ "eval_samples_per_second": 4.714,
2676
+ "eval_steps_per_second": 1.178,
2677
+ "step": 3220
2678
+ },
2679
+ {
2680
+ "epoch": 46.002857142857145,
2681
+ "grad_norm": 0.001245733117684722,
2682
+ "learning_rate": 8.571428571428572e-07,
2683
+ "loss": 0.068,
2684
+ "step": 3230
2685
+ },
2686
+ {
2687
+ "epoch": 46.005714285714284,
2688
+ "grad_norm": 0.0010560519294813275,
2689
+ "learning_rate": 8.253968253968254e-07,
2690
+ "loss": 0.0,
2691
+ "step": 3240
2692
+ },
2693
+ {
2694
+ "epoch": 46.00857142857143,
2695
+ "grad_norm": 0.0011368553387001157,
2696
+ "learning_rate": 7.936507936507937e-07,
2697
+ "loss": 0.0,
2698
+ "step": 3250
2699
+ },
2700
+ {
2701
+ "epoch": 46.011428571428574,
2702
+ "grad_norm": 0.00201380904763937,
2703
+ "learning_rate": 7.61904761904762e-07,
2704
+ "loss": 0.0,
2705
+ "step": 3260
2706
+ },
2707
+ {
2708
+ "epoch": 46.01428571428571,
2709
+ "grad_norm": 0.0008550912025384605,
2710
+ "learning_rate": 7.301587301587303e-07,
2711
+ "loss": 0.0,
2712
+ "step": 3270
2713
+ },
2714
+ {
2715
+ "epoch": 46.01714285714286,
2716
+ "grad_norm": 0.0008424161933362484,
2717
+ "learning_rate": 6.984126984126984e-07,
2718
+ "loss": 0.0,
2719
+ "step": 3280
2720
+ },
2721
+ {
2722
+ "epoch": 46.02,
2723
+ "grad_norm": 0.0006465838523581624,
2724
+ "learning_rate": 6.666666666666667e-07,
2725
+ "loss": 0.0,
2726
+ "step": 3290
2727
+ },
2728
+ {
2729
+ "epoch": 46.02,
2730
+ "eval_accuracy": 0.625,
2731
+ "eval_loss": 3.1119141578674316,
2732
+ "eval_runtime": 7.4394,
2733
+ "eval_samples_per_second": 4.301,
2734
+ "eval_steps_per_second": 1.075,
2735
+ "step": 3290
2736
+ },
2737
+ {
2738
+ "epoch": 47.002857142857145,
2739
+ "grad_norm": 0.0010397338774055243,
2740
+ "learning_rate": 6.34920634920635e-07,
2741
+ "loss": 0.0,
2742
+ "step": 3300
2743
+ },
2744
+ {
2745
+ "epoch": 47.005714285714284,
2746
+ "grad_norm": 0.0018721016822382808,
2747
+ "learning_rate": 6.031746031746032e-07,
2748
+ "loss": 0.0,
2749
+ "step": 3310
2750
+ },
2751
+ {
2752
+ "epoch": 47.00857142857143,
2753
+ "grad_norm": 0.0009640470379963517,
2754
+ "learning_rate": 5.714285714285715e-07,
2755
+ "loss": 0.0,
2756
+ "step": 3320
2757
+ },
2758
+ {
2759
+ "epoch": 47.011428571428574,
2760
+ "grad_norm": 0.0024156668223440647,
2761
+ "learning_rate": 5.396825396825398e-07,
2762
+ "loss": 0.0,
2763
+ "step": 3330
2764
+ },
2765
+ {
2766
+ "epoch": 47.01428571428571,
2767
+ "grad_norm": 0.0012575440341606736,
2768
+ "learning_rate": 5.07936507936508e-07,
2769
+ "loss": 0.0,
2770
+ "step": 3340
2771
+ },
2772
+ {
2773
+ "epoch": 47.01714285714286,
2774
+ "grad_norm": 0.0007373109692707658,
2775
+ "learning_rate": 4.7619047619047623e-07,
2776
+ "loss": 0.0,
2777
+ "step": 3350
2778
+ },
2779
+ {
2780
+ "epoch": 47.02,
2781
+ "grad_norm": 0.0050420379266142845,
2782
+ "learning_rate": 4.444444444444445e-07,
2783
+ "loss": 0.0,
2784
+ "step": 3360
2785
+ },
2786
+ {
2787
+ "epoch": 47.02,
2788
+ "eval_accuracy": 0.625,
2789
+ "eval_loss": 3.1150264739990234,
2790
+ "eval_runtime": 7.5053,
2791
+ "eval_samples_per_second": 4.264,
2792
+ "eval_steps_per_second": 1.066,
2793
+ "step": 3360
2794
+ },
2795
+ {
2796
+ "epoch": 48.002857142857145,
2797
+ "grad_norm": 0.001978852553293109,
2798
+ "learning_rate": 4.126984126984127e-07,
2799
+ "loss": 0.0,
2800
+ "step": 3370
2801
+ },
2802
+ {
2803
+ "epoch": 48.005714285714284,
2804
+ "grad_norm": 0.0011000612284988165,
2805
+ "learning_rate": 3.80952380952381e-07,
2806
+ "loss": 0.0007,
2807
+ "step": 3380
2808
+ },
2809
+ {
2810
+ "epoch": 48.00857142857143,
2811
+ "grad_norm": 0.0011735723819583654,
2812
+ "learning_rate": 3.492063492063492e-07,
2813
+ "loss": 0.0,
2814
+ "step": 3390
2815
+ },
2816
+ {
2817
+ "epoch": 48.011428571428574,
2818
+ "grad_norm": 0.0010873243445530534,
2819
+ "learning_rate": 3.174603174603175e-07,
2820
+ "loss": 0.0,
2821
+ "step": 3400
2822
+ },
2823
+ {
2824
+ "epoch": 48.01428571428571,
2825
+ "grad_norm": 0.0011251752730458975,
2826
+ "learning_rate": 2.8571428571428575e-07,
2827
+ "loss": 0.0,
2828
+ "step": 3410
2829
+ },
2830
+ {
2831
+ "epoch": 48.01714285714286,
2832
+ "grad_norm": 0.0013193455524742603,
2833
+ "learning_rate": 2.53968253968254e-07,
2834
+ "loss": 0.0,
2835
+ "step": 3420
2836
+ },
2837
+ {
2838
+ "epoch": 48.02,
2839
+ "grad_norm": 0.0006919482257217169,
2840
+ "learning_rate": 2.2222222222222224e-07,
2841
+ "loss": 0.0,
2842
+ "step": 3430
2843
+ },
2844
+ {
2845
+ "epoch": 48.02,
2846
+ "eval_accuracy": 0.625,
2847
+ "eval_loss": 3.112720489501953,
2848
+ "eval_runtime": 7.7277,
2849
+ "eval_samples_per_second": 4.141,
2850
+ "eval_steps_per_second": 1.035,
2851
+ "step": 3430
2852
+ },
2853
+ {
2854
+ "epoch": 49.002857142857145,
2855
+ "grad_norm": 0.0010557180503383279,
2856
+ "learning_rate": 1.904761904761905e-07,
2857
+ "loss": 0.0,
2858
+ "step": 3440
2859
+ },
2860
+ {
2861
+ "epoch": 49.005714285714284,
2862
+ "grad_norm": 0.006352465599775314,
2863
+ "learning_rate": 1.5873015873015874e-07,
2864
+ "loss": 0.0,
2865
+ "step": 3450
2866
+ },
2867
+ {
2868
+ "epoch": 49.00857142857143,
2869
+ "grad_norm": 0.0013192709302529693,
2870
+ "learning_rate": 1.26984126984127e-07,
2871
+ "loss": 0.0,
2872
+ "step": 3460
2873
+ },
2874
+ {
2875
+ "epoch": 49.011428571428574,
2876
+ "grad_norm": 0.0010165185667574406,
2877
+ "learning_rate": 9.523809523809525e-08,
2878
+ "loss": 0.0,
2879
+ "step": 3470
2880
+ },
2881
+ {
2882
+ "epoch": 49.01428571428571,
2883
+ "grad_norm": 0.000668003223836422,
2884
+ "learning_rate": 6.34920634920635e-08,
2885
+ "loss": 0.0,
2886
+ "step": 3480
2887
+ },
2888
+ {
2889
+ "epoch": 49.01714285714286,
2890
+ "grad_norm": 0.0007290692301467061,
2891
+ "learning_rate": 3.174603174603175e-08,
2892
+ "loss": 0.0,
2893
+ "step": 3490
2894
+ },
2895
+ {
2896
+ "epoch": 49.02,
2897
+ "grad_norm": 0.0005605400656349957,
2898
+ "learning_rate": 0.0,
2899
+ "loss": 0.0,
2900
+ "step": 3500
2901
+ },
2902
+ {
2903
+ "epoch": 49.02,
2904
+ "eval_accuracy": 0.625,
2905
+ "eval_loss": 3.1125903129577637,
2906
+ "eval_runtime": 7.757,
2907
+ "eval_samples_per_second": 4.125,
2908
+ "eval_steps_per_second": 1.031,
2909
+ "step": 3500
2910
+ },
2911
+ {
2912
+ "epoch": 49.02,
2913
+ "step": 3500,
2914
+ "total_flos": 6.147436841415475e+19,
2915
+ "train_loss": 0.08523796891186586,
2916
+ "train_runtime": 6238.6099,
2917
+ "train_samples_per_second": 2.244,
2918
+ "train_steps_per_second": 0.561
2919
+ },
2920
+ {
2921
+ "epoch": 49.02,
2922
+ "eval_accuracy": 0.8372093023255814,
2923
+ "eval_loss": 0.8805378675460815,
2924
+ "eval_runtime": 9.9977,
2925
+ "eval_samples_per_second": 4.301,
2926
+ "eval_steps_per_second": 1.1,
2927
+ "step": 3500
2928
+ },
2929
+ {
2930
+ "epoch": 49.02,
2931
+ "eval_accuracy": 0.8372093023255814,
2932
+ "eval_loss": 0.8805379867553711,
2933
+ "eval_runtime": 9.0595,
2934
+ "eval_samples_per_second": 4.746,
2935
+ "eval_steps_per_second": 1.214,
2936
+ "step": 3500
2937
+ }
2938
+ ],
2939
+ "logging_steps": 10,
2940
+ "max_steps": 3500,
2941
+ "num_input_tokens_seen": 0,
2942
+ "num_train_epochs": 9223372036854775807,
2943
+ "save_steps": 500,
2944
+ "stateful_callbacks": {
2945
+ "TrainerControl": {
2946
+ "args": {
2947
+ "should_epoch_stop": false,
2948
+ "should_evaluate": false,
2949
+ "should_log": false,
2950
+ "should_save": true,
2951
+ "should_training_stop": true
2952
+ },
2953
+ "attributes": {}
2954
+ }
2955
+ },
2956
+ "total_flos": 6.147436841415475e+19,
2957
+ "train_batch_size": 4,
2958
+ "trial_name": null,
2959
+ "trial_params": null
2960
+ }