shaneali2k04 commited on
Commit
5074972
·
verified ·
1 Parent(s): 6e63709

End of training

Browse files
all_results.json CHANGED
@@ -1,8 +1,8 @@
1
  {
2
  "epoch": 3.25,
3
- "eval_accuracy": 0.9032258064516129,
4
- "eval_loss": 0.3167099952697754,
5
- "eval_runtime": 46.9133,
6
- "eval_samples_per_second": 3.304,
7
- "eval_steps_per_second": 1.663
8
  }
 
1
  {
2
  "epoch": 3.25,
3
+ "eval_accuracy": 0.8903225806451613,
4
+ "eval_loss": 0.3532361686229706,
5
+ "eval_runtime": 44.555,
6
+ "eval_samples_per_second": 3.479,
7
+ "eval_steps_per_second": 1.751
8
  }
runs/Nov30_08-17-15_4a534e3efb22/events.out.tfevents.1732955614.4a534e3efb22.2277.1 CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:d281512f3ed3599dfe022520b5dc10c2cb3c6c975f009679933bdbc51588da1d
3
- size 411
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:e9c9f05f3103978db8c6cb195b8a0eb46ff2e83c40800ea521827b3feedb5288
3
+ size 734
test_results.json CHANGED
@@ -1,8 +1,8 @@
1
  {
2
  "epoch": 3.25,
3
- "eval_accuracy": 0.9032258064516129,
4
- "eval_loss": 0.3167099952697754,
5
- "eval_runtime": 46.9133,
6
- "eval_samples_per_second": 3.304,
7
- "eval_steps_per_second": 1.663
8
  }
 
1
  {
2
  "epoch": 3.25,
3
+ "eval_accuracy": 0.8903225806451613,
4
+ "eval_loss": 0.3532361686229706,
5
+ "eval_runtime": 44.555,
6
+ "eval_samples_per_second": 3.479,
7
+ "eval_steps_per_second": 1.751
8
  }
trainer_state.json CHANGED
@@ -1,5 +1,5 @@
1
  {
2
- "best_metric": 0.9142857142857143,
3
  "best_model_checkpoint": "videomae-base-finetuned-ucf101-subset/checkpoint-600",
4
  "epoch": 3.25,
5
  "eval_steps": 500,
@@ -10,485 +10,485 @@
10
  "log_history": [
11
  {
12
  "epoch": 0.016666666666666666,
13
- "grad_norm": 13.878811836242676,
14
  "learning_rate": 8.333333333333334e-06,
15
- "loss": 2.3864,
16
  "step": 10
17
  },
18
  {
19
  "epoch": 0.03333333333333333,
20
- "grad_norm": 12.958414077758789,
21
  "learning_rate": 1.6666666666666667e-05,
22
- "loss": 2.2972,
23
  "step": 20
24
  },
25
  {
26
  "epoch": 0.05,
27
- "grad_norm": 13.340024948120117,
28
  "learning_rate": 2.5e-05,
29
- "loss": 2.3691,
30
  "step": 30
31
  },
32
  {
33
  "epoch": 0.06666666666666667,
34
- "grad_norm": 14.514385223388672,
35
  "learning_rate": 3.3333333333333335e-05,
36
- "loss": 2.2344,
37
  "step": 40
38
  },
39
  {
40
  "epoch": 0.08333333333333333,
41
- "grad_norm": 14.681234359741211,
42
  "learning_rate": 4.166666666666667e-05,
43
- "loss": 2.1617,
44
  "step": 50
45
  },
46
  {
47
  "epoch": 0.1,
48
- "grad_norm": 15.572694778442383,
49
  "learning_rate": 5e-05,
50
- "loss": 2.2188,
51
  "step": 60
52
  },
53
  {
54
  "epoch": 0.11666666666666667,
55
- "grad_norm": 16.609718322753906,
56
  "learning_rate": 4.9074074074074075e-05,
57
- "loss": 2.0842,
58
  "step": 70
59
  },
60
  {
61
  "epoch": 0.13333333333333333,
62
- "grad_norm": 16.88509750366211,
63
  "learning_rate": 4.814814814814815e-05,
64
- "loss": 1.8851,
65
  "step": 80
66
  },
67
  {
68
  "epoch": 0.15,
69
- "grad_norm": 16.43447494506836,
70
  "learning_rate": 4.722222222222222e-05,
71
- "loss": 2.1666,
72
  "step": 90
73
  },
74
  {
75
  "epoch": 0.16666666666666666,
76
- "grad_norm": 16.14389419555664,
77
  "learning_rate": 4.62962962962963e-05,
78
- "loss": 2.0483,
79
  "step": 100
80
  },
81
  {
82
  "epoch": 0.18333333333333332,
83
- "grad_norm": 12.657491683959961,
84
  "learning_rate": 4.5370370370370374e-05,
85
- "loss": 1.9418,
86
  "step": 110
87
  },
88
  {
89
  "epoch": 0.2,
90
- "grad_norm": 17.41259002685547,
91
  "learning_rate": 4.4444444444444447e-05,
92
- "loss": 1.869,
93
  "step": 120
94
  },
95
  {
96
  "epoch": 0.21666666666666667,
97
- "grad_norm": 28.190662384033203,
98
  "learning_rate": 4.351851851851852e-05,
99
- "loss": 1.6983,
100
  "step": 130
101
  },
102
  {
103
  "epoch": 0.23333333333333334,
104
- "grad_norm": 15.854883193969727,
105
  "learning_rate": 4.259259259259259e-05,
106
- "loss": 1.9582,
107
  "step": 140
108
  },
109
  {
110
  "epoch": 0.25,
111
- "grad_norm": 12.764759063720703,
112
  "learning_rate": 4.166666666666667e-05,
113
- "loss": 1.3516,
114
  "step": 150
115
  },
116
  {
117
  "epoch": 0.25,
118
- "eval_accuracy": 0.5571428571428572,
119
- "eval_loss": 1.3335753679275513,
120
- "eval_runtime": 21.7132,
121
- "eval_samples_per_second": 3.224,
122
- "eval_steps_per_second": 1.612,
123
  "step": 150
124
  },
125
  {
126
  "epoch": 1.0166666666666666,
127
- "grad_norm": 17.67679786682129,
128
  "learning_rate": 4.074074074074074e-05,
129
- "loss": 1.083,
130
  "step": 160
131
  },
132
  {
133
  "epoch": 1.0333333333333334,
134
- "grad_norm": 28.23631477355957,
135
  "learning_rate": 3.981481481481482e-05,
136
- "loss": 1.5288,
137
  "step": 170
138
  },
139
  {
140
  "epoch": 1.05,
141
- "grad_norm": 18.444087982177734,
142
  "learning_rate": 3.888888888888889e-05,
143
- "loss": 1.2424,
144
  "step": 180
145
  },
146
  {
147
  "epoch": 1.0666666666666667,
148
- "grad_norm": 7.792266368865967,
149
  "learning_rate": 3.7962962962962964e-05,
150
- "loss": 1.1327,
151
  "step": 190
152
  },
153
  {
154
  "epoch": 1.0833333333333333,
155
- "grad_norm": 35.91878890991211,
156
  "learning_rate": 3.7037037037037037e-05,
157
- "loss": 1.3238,
158
  "step": 200
159
  },
160
  {
161
  "epoch": 1.1,
162
- "grad_norm": 14.137838363647461,
163
  "learning_rate": 3.611111111111111e-05,
164
- "loss": 0.8591,
165
  "step": 210
166
  },
167
  {
168
  "epoch": 1.1166666666666667,
169
- "grad_norm": 14.379003524780273,
170
  "learning_rate": 3.518518518518519e-05,
171
- "loss": 0.8904,
172
  "step": 220
173
  },
174
  {
175
  "epoch": 1.1333333333333333,
176
- "grad_norm": 35.3349723815918,
177
  "learning_rate": 3.425925925925926e-05,
178
- "loss": 1.0365,
179
  "step": 230
180
  },
181
  {
182
  "epoch": 1.15,
183
- "grad_norm": 4.670235633850098,
184
  "learning_rate": 3.3333333333333335e-05,
185
- "loss": 1.0926,
186
  "step": 240
187
  },
188
  {
189
  "epoch": 1.1666666666666667,
190
- "grad_norm": 24.737224578857422,
191
  "learning_rate": 3.240740740740741e-05,
192
- "loss": 0.6525,
193
  "step": 250
194
  },
195
  {
196
  "epoch": 1.1833333333333333,
197
- "grad_norm": 7.743138313293457,
198
  "learning_rate": 3.148148148148148e-05,
199
- "loss": 0.6751,
200
  "step": 260
201
  },
202
  {
203
  "epoch": 1.2,
204
- "grad_norm": 19.620027542114258,
205
  "learning_rate": 3.055555555555556e-05,
206
- "loss": 0.9504,
207
  "step": 270
208
  },
209
  {
210
  "epoch": 1.2166666666666668,
211
- "grad_norm": 11.127130508422852,
212
  "learning_rate": 2.962962962962963e-05,
213
- "loss": 0.3769,
214
  "step": 280
215
  },
216
  {
217
  "epoch": 1.2333333333333334,
218
- "grad_norm": 15.655902862548828,
219
  "learning_rate": 2.8703703703703706e-05,
220
- "loss": 1.0,
221
  "step": 290
222
  },
223
  {
224
  "epoch": 1.25,
225
- "grad_norm": 3.454685926437378,
226
  "learning_rate": 2.777777777777778e-05,
227
- "loss": 1.0445,
228
  "step": 300
229
  },
230
  {
231
  "epoch": 1.25,
232
- "eval_accuracy": 0.7714285714285715,
233
- "eval_loss": 0.804114580154419,
234
- "eval_runtime": 21.0006,
235
- "eval_samples_per_second": 3.333,
236
- "eval_steps_per_second": 1.667,
237
  "step": 300
238
  },
239
  {
240
  "epoch": 2.0166666666666666,
241
- "grad_norm": 10.995410919189453,
242
  "learning_rate": 2.6851851851851855e-05,
243
- "loss": 0.4714,
244
  "step": 310
245
  },
246
  {
247
  "epoch": 2.033333333333333,
248
- "grad_norm": 1.7594047784805298,
249
  "learning_rate": 2.5925925925925925e-05,
250
- "loss": 0.1752,
251
  "step": 320
252
  },
253
  {
254
  "epoch": 2.05,
255
- "grad_norm": 13.059496879577637,
256
  "learning_rate": 2.5e-05,
257
- "loss": 0.4913,
258
  "step": 330
259
  },
260
  {
261
  "epoch": 2.066666666666667,
262
- "grad_norm": 12.100168228149414,
263
  "learning_rate": 2.4074074074074074e-05,
264
- "loss": 0.2387,
265
  "step": 340
266
  },
267
  {
268
  "epoch": 2.0833333333333335,
269
- "grad_norm": 14.437403678894043,
270
  "learning_rate": 2.314814814814815e-05,
271
- "loss": 0.6051,
272
  "step": 350
273
  },
274
  {
275
  "epoch": 2.1,
276
- "grad_norm": 18.535968780517578,
277
  "learning_rate": 2.2222222222222223e-05,
278
- "loss": 0.5252,
279
  "step": 360
280
  },
281
  {
282
  "epoch": 2.1166666666666667,
283
- "grad_norm": 27.02277183532715,
284
  "learning_rate": 2.1296296296296296e-05,
285
- "loss": 0.5674,
286
  "step": 370
287
  },
288
  {
289
  "epoch": 2.1333333333333333,
290
- "grad_norm": 2.0069992542266846,
291
  "learning_rate": 2.037037037037037e-05,
292
- "loss": 0.1657,
293
  "step": 380
294
  },
295
  {
296
  "epoch": 2.15,
297
- "grad_norm": 0.19569337368011475,
298
  "learning_rate": 1.9444444444444445e-05,
299
- "loss": 0.461,
300
  "step": 390
301
  },
302
  {
303
  "epoch": 2.1666666666666665,
304
- "grad_norm": 0.5586942434310913,
305
  "learning_rate": 1.8518518518518518e-05,
306
- "loss": 0.4876,
307
  "step": 400
308
  },
309
  {
310
  "epoch": 2.183333333333333,
311
- "grad_norm": 1.0278728008270264,
312
  "learning_rate": 1.7592592592592595e-05,
313
- "loss": 0.5508,
314
  "step": 410
315
  },
316
  {
317
  "epoch": 2.2,
318
- "grad_norm": 1.1786044836044312,
319
  "learning_rate": 1.6666666666666667e-05,
320
- "loss": 0.1829,
321
  "step": 420
322
  },
323
  {
324
  "epoch": 2.216666666666667,
325
- "grad_norm": 5.859825611114502,
326
  "learning_rate": 1.574074074074074e-05,
327
- "loss": 0.2612,
328
  "step": 430
329
  },
330
  {
331
  "epoch": 2.2333333333333334,
332
- "grad_norm": 0.49297359585762024,
333
  "learning_rate": 1.4814814814814815e-05,
334
- "loss": 0.1112,
335
  "step": 440
336
  },
337
  {
338
  "epoch": 2.25,
339
- "grad_norm": 29.458885192871094,
340
  "learning_rate": 1.388888888888889e-05,
341
- "loss": 0.1752,
342
  "step": 450
343
  },
344
  {
345
  "epoch": 2.25,
346
- "eval_accuracy": 0.7285714285714285,
347
- "eval_loss": 0.7214392423629761,
348
- "eval_runtime": 21.636,
349
- "eval_samples_per_second": 3.235,
350
- "eval_steps_per_second": 1.618,
351
  "step": 450
352
  },
353
  {
354
  "epoch": 3.0166666666666666,
355
- "grad_norm": 0.2373313158750534,
356
  "learning_rate": 1.2962962962962962e-05,
357
- "loss": 0.0994,
358
  "step": 460
359
  },
360
  {
361
  "epoch": 3.033333333333333,
362
- "grad_norm": 3.266122341156006,
363
  "learning_rate": 1.2037037037037037e-05,
364
- "loss": 0.1565,
365
  "step": 470
366
  },
367
  {
368
  "epoch": 3.05,
369
- "grad_norm": 0.10638546943664551,
370
  "learning_rate": 1.1111111111111112e-05,
371
- "loss": 0.0355,
372
  "step": 480
373
  },
374
  {
375
  "epoch": 3.066666666666667,
376
- "grad_norm": 0.10515712946653366,
377
  "learning_rate": 1.0185185185185185e-05,
378
- "loss": 0.066,
379
  "step": 490
380
  },
381
  {
382
  "epoch": 3.0833333333333335,
383
- "grad_norm": 0.4172205328941345,
384
  "learning_rate": 9.259259259259259e-06,
385
- "loss": 0.0395,
386
  "step": 500
387
  },
388
  {
389
  "epoch": 3.1,
390
- "grad_norm": 38.50326156616211,
391
  "learning_rate": 8.333333333333334e-06,
392
- "loss": 0.3863,
393
  "step": 510
394
  },
395
  {
396
  "epoch": 3.1166666666666667,
397
- "grad_norm": 0.11968211829662323,
398
  "learning_rate": 7.4074074074074075e-06,
399
- "loss": 0.1334,
400
  "step": 520
401
  },
402
  {
403
  "epoch": 3.1333333333333333,
404
- "grad_norm": 7.747541427612305,
405
  "learning_rate": 6.481481481481481e-06,
406
- "loss": 0.0893,
407
  "step": 530
408
  },
409
  {
410
  "epoch": 3.15,
411
- "grad_norm": 0.860350489616394,
412
  "learning_rate": 5.555555555555556e-06,
413
- "loss": 0.3064,
414
  "step": 540
415
  },
416
  {
417
  "epoch": 3.1666666666666665,
418
- "grad_norm": 1.3779197931289673,
419
  "learning_rate": 4.6296296296296296e-06,
420
- "loss": 0.2478,
421
  "step": 550
422
  },
423
  {
424
  "epoch": 3.183333333333333,
425
- "grad_norm": 0.1085130125284195,
426
  "learning_rate": 3.7037037037037037e-06,
427
- "loss": 0.302,
428
  "step": 560
429
  },
430
  {
431
  "epoch": 3.2,
432
- "grad_norm": 0.2623406648635864,
433
  "learning_rate": 2.777777777777778e-06,
434
- "loss": 0.0376,
435
  "step": 570
436
  },
437
  {
438
  "epoch": 3.216666666666667,
439
- "grad_norm": 0.7496708631515503,
440
  "learning_rate": 1.8518518518518519e-06,
441
- "loss": 0.0716,
442
  "step": 580
443
  },
444
  {
445
  "epoch": 3.2333333333333334,
446
- "grad_norm": 0.5140882134437561,
447
  "learning_rate": 9.259259259259259e-07,
448
- "loss": 0.4109,
449
  "step": 590
450
  },
451
  {
452
  "epoch": 3.25,
453
- "grad_norm": 0.12395908683538437,
454
  "learning_rate": 0.0,
455
- "loss": 0.1347,
456
  "step": 600
457
  },
458
  {
459
  "epoch": 3.25,
460
- "eval_accuracy": 0.9142857142857143,
461
- "eval_loss": 0.28625765442848206,
462
- "eval_runtime": 22.6931,
463
- "eval_samples_per_second": 3.085,
464
- "eval_steps_per_second": 1.542,
465
  "step": 600
466
  },
467
  {
468
  "epoch": 3.25,
469
  "step": 600,
470
  "total_flos": 1.495384188125184e+18,
471
- "train_loss": 0.8924319915970167,
472
- "train_runtime": 896.196,
473
- "train_samples_per_second": 1.339,
474
- "train_steps_per_second": 0.669
475
  },
476
  {
477
  "epoch": 3.25,
478
- "eval_accuracy": 0.9032258064516129,
479
- "eval_loss": 0.3167099952697754,
480
- "eval_runtime": 48.193,
481
- "eval_samples_per_second": 3.216,
482
- "eval_steps_per_second": 1.618,
483
  "step": 600
484
  },
485
  {
486
  "epoch": 3.25,
487
- "eval_accuracy": 0.9032258064516129,
488
- "eval_loss": 0.3167099952697754,
489
- "eval_runtime": 46.9133,
490
- "eval_samples_per_second": 3.304,
491
- "eval_steps_per_second": 1.663,
492
  "step": 600
493
  }
494
  ],
 
1
  {
2
+ "best_metric": 0.8714285714285714,
3
  "best_model_checkpoint": "videomae-base-finetuned-ucf101-subset/checkpoint-600",
4
  "epoch": 3.25,
5
  "eval_steps": 500,
 
10
  "log_history": [
11
  {
12
  "epoch": 0.016666666666666666,
13
+ "grad_norm": 14.917113304138184,
14
  "learning_rate": 8.333333333333334e-06,
15
+ "loss": 2.4251,
16
  "step": 10
17
  },
18
  {
19
  "epoch": 0.03333333333333333,
20
+ "grad_norm": 12.213376998901367,
21
  "learning_rate": 1.6666666666666667e-05,
22
+ "loss": 2.3123,
23
  "step": 20
24
  },
25
  {
26
  "epoch": 0.05,
27
+ "grad_norm": 13.984800338745117,
28
  "learning_rate": 2.5e-05,
29
+ "loss": 2.3116,
30
  "step": 30
31
  },
32
  {
33
  "epoch": 0.06666666666666667,
34
+ "grad_norm": 14.666156768798828,
35
  "learning_rate": 3.3333333333333335e-05,
36
+ "loss": 2.2155,
37
  "step": 40
38
  },
39
  {
40
  "epoch": 0.08333333333333333,
41
+ "grad_norm": 15.621269226074219,
42
  "learning_rate": 4.166666666666667e-05,
43
+ "loss": 2.1373,
44
  "step": 50
45
  },
46
  {
47
  "epoch": 0.1,
48
+ "grad_norm": 14.200703620910645,
49
  "learning_rate": 5e-05,
50
+ "loss": 2.1844,
51
  "step": 60
52
  },
53
  {
54
  "epoch": 0.11666666666666667,
55
+ "grad_norm": 15.562609672546387,
56
  "learning_rate": 4.9074074074074075e-05,
57
+ "loss": 2.1803,
58
  "step": 70
59
  },
60
  {
61
  "epoch": 0.13333333333333333,
62
+ "grad_norm": 16.233795166015625,
63
  "learning_rate": 4.814814814814815e-05,
64
+ "loss": 1.9119,
65
  "step": 80
66
  },
67
  {
68
  "epoch": 0.15,
69
+ "grad_norm": 17.751785278320312,
70
  "learning_rate": 4.722222222222222e-05,
71
+ "loss": 1.9925,
72
  "step": 90
73
  },
74
  {
75
  "epoch": 0.16666666666666666,
76
+ "grad_norm": 16.339580535888672,
77
  "learning_rate": 4.62962962962963e-05,
78
+ "loss": 1.7039,
79
  "step": 100
80
  },
81
  {
82
  "epoch": 0.18333333333333332,
83
+ "grad_norm": 12.999968528747559,
84
  "learning_rate": 4.5370370370370374e-05,
85
+ "loss": 1.7949,
86
  "step": 110
87
  },
88
  {
89
  "epoch": 0.2,
90
+ "grad_norm": 14.487344741821289,
91
  "learning_rate": 4.4444444444444447e-05,
92
+ "loss": 1.5218,
93
  "step": 120
94
  },
95
  {
96
  "epoch": 0.21666666666666667,
97
+ "grad_norm": 11.726049423217773,
98
  "learning_rate": 4.351851851851852e-05,
99
+ "loss": 1.6772,
100
  "step": 130
101
  },
102
  {
103
  "epoch": 0.23333333333333334,
104
+ "grad_norm": 13.748116493225098,
105
  "learning_rate": 4.259259259259259e-05,
106
+ "loss": 1.6632,
107
  "step": 140
108
  },
109
  {
110
  "epoch": 0.25,
111
+ "grad_norm": 16.4953556060791,
112
  "learning_rate": 4.166666666666667e-05,
113
+ "loss": 1.2945,
114
  "step": 150
115
  },
116
  {
117
  "epoch": 0.25,
118
+ "eval_accuracy": 0.5142857142857142,
119
+ "eval_loss": 1.1367460489273071,
120
+ "eval_runtime": 19.6454,
121
+ "eval_samples_per_second": 3.563,
122
+ "eval_steps_per_second": 1.782,
123
  "step": 150
124
  },
125
  {
126
  "epoch": 1.0166666666666666,
127
+ "grad_norm": 17.966445922851562,
128
  "learning_rate": 4.074074074074074e-05,
129
+ "loss": 0.8598,
130
  "step": 160
131
  },
132
  {
133
  "epoch": 1.0333333333333334,
134
+ "grad_norm": 13.563071250915527,
135
  "learning_rate": 3.981481481481482e-05,
136
+ "loss": 1.3691,
137
  "step": 170
138
  },
139
  {
140
  "epoch": 1.05,
141
+ "grad_norm": 14.51318073272705,
142
  "learning_rate": 3.888888888888889e-05,
143
+ "loss": 0.8532,
144
  "step": 180
145
  },
146
  {
147
  "epoch": 1.0666666666666667,
148
+ "grad_norm": 6.940643310546875,
149
  "learning_rate": 3.7962962962962964e-05,
150
+ "loss": 0.8452,
151
  "step": 190
152
  },
153
  {
154
  "epoch": 1.0833333333333333,
155
+ "grad_norm": 39.494544982910156,
156
  "learning_rate": 3.7037037037037037e-05,
157
+ "loss": 1.2556,
158
  "step": 200
159
  },
160
  {
161
  "epoch": 1.1,
162
+ "grad_norm": 12.343575477600098,
163
  "learning_rate": 3.611111111111111e-05,
164
+ "loss": 0.7716,
165
  "step": 210
166
  },
167
  {
168
  "epoch": 1.1166666666666667,
169
+ "grad_norm": 15.665731430053711,
170
  "learning_rate": 3.518518518518519e-05,
171
+ "loss": 0.9313,
172
  "step": 220
173
  },
174
  {
175
  "epoch": 1.1333333333333333,
176
+ "grad_norm": 13.885952949523926,
177
  "learning_rate": 3.425925925925926e-05,
178
+ "loss": 0.7732,
179
  "step": 230
180
  },
181
  {
182
  "epoch": 1.15,
183
+ "grad_norm": 2.170562982559204,
184
  "learning_rate": 3.3333333333333335e-05,
185
+ "loss": 0.7213,
186
  "step": 240
187
  },
188
  {
189
  "epoch": 1.1666666666666667,
190
+ "grad_norm": 31.940528869628906,
191
  "learning_rate": 3.240740740740741e-05,
192
+ "loss": 0.6287,
193
  "step": 250
194
  },
195
  {
196
  "epoch": 1.1833333333333333,
197
+ "grad_norm": 5.167452335357666,
198
  "learning_rate": 3.148148148148148e-05,
199
+ "loss": 0.575,
200
  "step": 260
201
  },
202
  {
203
  "epoch": 1.2,
204
+ "grad_norm": 22.906959533691406,
205
  "learning_rate": 3.055555555555556e-05,
206
+ "loss": 0.4796,
207
  "step": 270
208
  },
209
  {
210
  "epoch": 1.2166666666666668,
211
+ "grad_norm": 11.629034042358398,
212
  "learning_rate": 2.962962962962963e-05,
213
+ "loss": 0.3411,
214
  "step": 280
215
  },
216
  {
217
  "epoch": 1.2333333333333334,
218
+ "grad_norm": 8.874262809753418,
219
  "learning_rate": 2.8703703703703706e-05,
220
+ "loss": 0.6513,
221
  "step": 290
222
  },
223
  {
224
  "epoch": 1.25,
225
+ "grad_norm": 12.997471809387207,
226
  "learning_rate": 2.777777777777778e-05,
227
+ "loss": 0.8621,
228
  "step": 300
229
  },
230
  {
231
  "epoch": 1.25,
232
+ "eval_accuracy": 0.7857142857142857,
233
+ "eval_loss": 0.7921156287193298,
234
+ "eval_runtime": 19.5302,
235
+ "eval_samples_per_second": 3.584,
236
+ "eval_steps_per_second": 1.792,
237
  "step": 300
238
  },
239
  {
240
  "epoch": 2.0166666666666666,
241
+ "grad_norm": 17.919185638427734,
242
  "learning_rate": 2.6851851851851855e-05,
243
+ "loss": 0.4647,
244
  "step": 310
245
  },
246
  {
247
  "epoch": 2.033333333333333,
248
+ "grad_norm": 0.9270963072776794,
249
  "learning_rate": 2.5925925925925925e-05,
250
+ "loss": 0.1672,
251
  "step": 320
252
  },
253
  {
254
  "epoch": 2.05,
255
+ "grad_norm": 13.211724281311035,
256
  "learning_rate": 2.5e-05,
257
+ "loss": 0.5385,
258
  "step": 330
259
  },
260
  {
261
  "epoch": 2.066666666666667,
262
+ "grad_norm": 61.24877166748047,
263
  "learning_rate": 2.4074074074074074e-05,
264
+ "loss": 0.445,
265
  "step": 340
266
  },
267
  {
268
  "epoch": 2.0833333333333335,
269
+ "grad_norm": 8.559224128723145,
270
  "learning_rate": 2.314814814814815e-05,
271
+ "loss": 0.5108,
272
  "step": 350
273
  },
274
  {
275
  "epoch": 2.1,
276
+ "grad_norm": 5.133317470550537,
277
  "learning_rate": 2.2222222222222223e-05,
278
+ "loss": 0.4387,
279
  "step": 360
280
  },
281
  {
282
  "epoch": 2.1166666666666667,
283
+ "grad_norm": 0.2432795614004135,
284
  "learning_rate": 2.1296296296296296e-05,
285
+ "loss": 0.5434,
286
  "step": 370
287
  },
288
  {
289
  "epoch": 2.1333333333333333,
290
+ "grad_norm": 1.517449140548706,
291
  "learning_rate": 2.037037037037037e-05,
292
+ "loss": 0.1532,
293
  "step": 380
294
  },
295
  {
296
  "epoch": 2.15,
297
+ "grad_norm": 0.15583747625350952,
298
  "learning_rate": 1.9444444444444445e-05,
299
+ "loss": 0.4374,
300
  "step": 390
301
  },
302
  {
303
  "epoch": 2.1666666666666665,
304
+ "grad_norm": 1.5011425018310547,
305
  "learning_rate": 1.8518518518518518e-05,
306
+ "loss": 0.5595,
307
  "step": 400
308
  },
309
  {
310
  "epoch": 2.183333333333333,
311
+ "grad_norm": 2.154327154159546,
312
  "learning_rate": 1.7592592592592595e-05,
313
+ "loss": 0.4602,
314
  "step": 410
315
  },
316
  {
317
  "epoch": 2.2,
318
+ "grad_norm": 0.3127913177013397,
319
  "learning_rate": 1.6666666666666667e-05,
320
+ "loss": 0.1026,
321
  "step": 420
322
  },
323
  {
324
  "epoch": 2.216666666666667,
325
+ "grad_norm": 10.559721946716309,
326
  "learning_rate": 1.574074074074074e-05,
327
+ "loss": 0.243,
328
  "step": 430
329
  },
330
  {
331
  "epoch": 2.2333333333333334,
332
+ "grad_norm": 0.7269019484519958,
333
  "learning_rate": 1.4814814814814815e-05,
334
+ "loss": 0.0711,
335
  "step": 440
336
  },
337
  {
338
  "epoch": 2.25,
339
+ "grad_norm": 48.36089324951172,
340
  "learning_rate": 1.388888888888889e-05,
341
+ "loss": 0.2108,
342
  "step": 450
343
  },
344
  {
345
  "epoch": 2.25,
346
+ "eval_accuracy": 0.7857142857142857,
347
+ "eval_loss": 0.5835635662078857,
348
+ "eval_runtime": 19.6437,
349
+ "eval_samples_per_second": 3.563,
350
+ "eval_steps_per_second": 1.782,
351
  "step": 450
352
  },
353
  {
354
  "epoch": 3.0166666666666666,
355
+ "grad_norm": 0.2267579734325409,
356
  "learning_rate": 1.2962962962962962e-05,
357
+ "loss": 0.0858,
358
  "step": 460
359
  },
360
  {
361
  "epoch": 3.033333333333333,
362
+ "grad_norm": 1.7032139301300049,
363
  "learning_rate": 1.2037037037037037e-05,
364
+ "loss": 0.0633,
365
  "step": 470
366
  },
367
  {
368
  "epoch": 3.05,
369
+ "grad_norm": 0.07878056168556213,
370
  "learning_rate": 1.1111111111111112e-05,
371
+ "loss": 0.02,
372
  "step": 480
373
  },
374
  {
375
  "epoch": 3.066666666666667,
376
+ "grad_norm": 0.10859273374080658,
377
  "learning_rate": 1.0185185185185185e-05,
378
+ "loss": 0.046,
379
  "step": 490
380
  },
381
  {
382
  "epoch": 3.0833333333333335,
383
+ "grad_norm": 0.13690859079360962,
384
  "learning_rate": 9.259259259259259e-06,
385
+ "loss": 0.0805,
386
  "step": 500
387
  },
388
  {
389
  "epoch": 3.1,
390
+ "grad_norm": 11.356720924377441,
391
  "learning_rate": 8.333333333333334e-06,
392
+ "loss": 0.0611,
393
  "step": 510
394
  },
395
  {
396
  "epoch": 3.1166666666666667,
397
+ "grad_norm": 0.12047996371984482,
398
  "learning_rate": 7.4074074074074075e-06,
399
+ "loss": 0.1968,
400
  "step": 520
401
  },
402
  {
403
  "epoch": 3.1333333333333333,
404
+ "grad_norm": 0.7145315408706665,
405
  "learning_rate": 6.481481481481481e-06,
406
+ "loss": 0.2474,
407
  "step": 530
408
  },
409
  {
410
  "epoch": 3.15,
411
+ "grad_norm": 0.5600405931472778,
412
  "learning_rate": 5.555555555555556e-06,
413
+ "loss": 0.2428,
414
  "step": 540
415
  },
416
  {
417
  "epoch": 3.1666666666666665,
418
+ "grad_norm": 0.8212262988090515,
419
  "learning_rate": 4.6296296296296296e-06,
420
+ "loss": 0.2353,
421
  "step": 550
422
  },
423
  {
424
  "epoch": 3.183333333333333,
425
+ "grad_norm": 0.07675948739051819,
426
  "learning_rate": 3.7037037037037037e-06,
427
+ "loss": 0.3411,
428
  "step": 560
429
  },
430
  {
431
  "epoch": 3.2,
432
+ "grad_norm": 0.13475623726844788,
433
  "learning_rate": 2.777777777777778e-06,
434
+ "loss": 0.2851,
435
  "step": 570
436
  },
437
  {
438
  "epoch": 3.216666666666667,
439
+ "grad_norm": 0.40810149908065796,
440
  "learning_rate": 1.8518518518518519e-06,
441
+ "loss": 0.1894,
442
  "step": 580
443
  },
444
  {
445
  "epoch": 3.2333333333333334,
446
+ "grad_norm": 0.12464094907045364,
447
  "learning_rate": 9.259259259259259e-07,
448
+ "loss": 0.4717,
449
  "step": 590
450
  },
451
  {
452
  "epoch": 3.25,
453
+ "grad_norm": 0.10543236881494522,
454
  "learning_rate": 0.0,
455
+ "loss": 0.0447,
456
  "step": 600
457
  },
458
  {
459
  "epoch": 3.25,
460
+ "eval_accuracy": 0.8714285714285714,
461
+ "eval_loss": 0.3807193338871002,
462
+ "eval_runtime": 20.385,
463
+ "eval_samples_per_second": 3.434,
464
+ "eval_steps_per_second": 1.717,
465
  "step": 600
466
  },
467
  {
468
  "epoch": 3.25,
469
  "step": 600,
470
  "total_flos": 1.495384188125184e+18,
471
+ "train_loss": 0.8200334679583708,
472
+ "train_runtime": 930.7335,
473
+ "train_samples_per_second": 1.289,
474
+ "train_steps_per_second": 0.645
475
  },
476
  {
477
  "epoch": 3.25,
478
+ "eval_accuracy": 0.8903225806451613,
479
+ "eval_loss": 0.35323619842529297,
480
+ "eval_runtime": 44.4479,
481
+ "eval_samples_per_second": 3.487,
482
+ "eval_steps_per_second": 1.755,
483
  "step": 600
484
  },
485
  {
486
  "epoch": 3.25,
487
+ "eval_accuracy": 0.8903225806451613,
488
+ "eval_loss": 0.3532361686229706,
489
+ "eval_runtime": 44.555,
490
+ "eval_samples_per_second": 3.479,
491
+ "eval_steps_per_second": 1.751,
492
  "step": 600
493
  }
494
  ],