End of training
Browse files
all_results.json
ADDED
|
@@ -0,0 +1,8 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"epoch": 3.25,
|
| 3 |
+
"eval_accuracy": 0.9483870967741935,
|
| 4 |
+
"eval_loss": 0.19666993618011475,
|
| 5 |
+
"eval_runtime": 50.5836,
|
| 6 |
+
"eval_samples_per_second": 3.064,
|
| 7 |
+
"eval_steps_per_second": 3.064
|
| 8 |
+
}
|
runs/Nov27_21-16-22_9d7eaab08daa/events.out.tfevents.1732743146.9d7eaab08daa.5517.3
CHANGED
|
@@ -1,3 +1,3 @@
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
-
oid sha256:
|
| 3 |
-
size
|
|
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:0d605dcdc9fc176af1e40de4215427d3db0b163e2794367ab624e9ac72bef7ee
|
| 3 |
+
size 734
|
test_results.json
ADDED
|
@@ -0,0 +1,8 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"epoch": 3.25,
|
| 3 |
+
"eval_accuracy": 0.9483870967741935,
|
| 4 |
+
"eval_loss": 0.19666993618011475,
|
| 5 |
+
"eval_runtime": 50.5836,
|
| 6 |
+
"eval_samples_per_second": 3.064,
|
| 7 |
+
"eval_steps_per_second": 3.064
|
| 8 |
+
}
|
trainer_state.json
ADDED
|
@@ -0,0 +1,936 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_metric": 0.9571428571428572,
|
| 3 |
+
"best_model_checkpoint": "videomae-base-finetuned-ucf101-subset/checkpoint-1200",
|
| 4 |
+
"epoch": 3.25,
|
| 5 |
+
"eval_steps": 500,
|
| 6 |
+
"global_step": 1200,
|
| 7 |
+
"is_hyper_param_search": false,
|
| 8 |
+
"is_local_process_zero": true,
|
| 9 |
+
"is_world_process_zero": true,
|
| 10 |
+
"log_history": [
|
| 11 |
+
{
|
| 12 |
+
"epoch": 0.008333333333333333,
|
| 13 |
+
"grad_norm": 34.568580627441406,
|
| 14 |
+
"learning_rate": 4.166666666666667e-06,
|
| 15 |
+
"loss": 2.4664,
|
| 16 |
+
"step": 10
|
| 17 |
+
},
|
| 18 |
+
{
|
| 19 |
+
"epoch": 0.016666666666666666,
|
| 20 |
+
"grad_norm": 20.307674407958984,
|
| 21 |
+
"learning_rate": 8.333333333333334e-06,
|
| 22 |
+
"loss": 2.3017,
|
| 23 |
+
"step": 20
|
| 24 |
+
},
|
| 25 |
+
{
|
| 26 |
+
"epoch": 0.025,
|
| 27 |
+
"grad_norm": 19.159992218017578,
|
| 28 |
+
"learning_rate": 1.25e-05,
|
| 29 |
+
"loss": 2.2685,
|
| 30 |
+
"step": 30
|
| 31 |
+
},
|
| 32 |
+
{
|
| 33 |
+
"epoch": 0.03333333333333333,
|
| 34 |
+
"grad_norm": 17.882822036743164,
|
| 35 |
+
"learning_rate": 1.6666666666666667e-05,
|
| 36 |
+
"loss": 2.54,
|
| 37 |
+
"step": 40
|
| 38 |
+
},
|
| 39 |
+
{
|
| 40 |
+
"epoch": 0.041666666666666664,
|
| 41 |
+
"grad_norm": 18.813915252685547,
|
| 42 |
+
"learning_rate": 2.0833333333333336e-05,
|
| 43 |
+
"loss": 2.3203,
|
| 44 |
+
"step": 50
|
| 45 |
+
},
|
| 46 |
+
{
|
| 47 |
+
"epoch": 0.05,
|
| 48 |
+
"grad_norm": 18.954193115234375,
|
| 49 |
+
"learning_rate": 2.5e-05,
|
| 50 |
+
"loss": 2.3403,
|
| 51 |
+
"step": 60
|
| 52 |
+
},
|
| 53 |
+
{
|
| 54 |
+
"epoch": 0.058333333333333334,
|
| 55 |
+
"grad_norm": 27.800825119018555,
|
| 56 |
+
"learning_rate": 2.916666666666667e-05,
|
| 57 |
+
"loss": 2.2429,
|
| 58 |
+
"step": 70
|
| 59 |
+
},
|
| 60 |
+
{
|
| 61 |
+
"epoch": 0.06666666666666667,
|
| 62 |
+
"grad_norm": 20.530195236206055,
|
| 63 |
+
"learning_rate": 3.3333333333333335e-05,
|
| 64 |
+
"loss": 2.2937,
|
| 65 |
+
"step": 80
|
| 66 |
+
},
|
| 67 |
+
{
|
| 68 |
+
"epoch": 0.075,
|
| 69 |
+
"grad_norm": 20.22373390197754,
|
| 70 |
+
"learning_rate": 3.7500000000000003e-05,
|
| 71 |
+
"loss": 2.0268,
|
| 72 |
+
"step": 90
|
| 73 |
+
},
|
| 74 |
+
{
|
| 75 |
+
"epoch": 0.08333333333333333,
|
| 76 |
+
"grad_norm": 23.870468139648438,
|
| 77 |
+
"learning_rate": 4.166666666666667e-05,
|
| 78 |
+
"loss": 2.1881,
|
| 79 |
+
"step": 100
|
| 80 |
+
},
|
| 81 |
+
{
|
| 82 |
+
"epoch": 0.09166666666666666,
|
| 83 |
+
"grad_norm": 24.16182518005371,
|
| 84 |
+
"learning_rate": 4.5833333333333334e-05,
|
| 85 |
+
"loss": 2.3403,
|
| 86 |
+
"step": 110
|
| 87 |
+
},
|
| 88 |
+
{
|
| 89 |
+
"epoch": 0.1,
|
| 90 |
+
"grad_norm": 22.926359176635742,
|
| 91 |
+
"learning_rate": 5e-05,
|
| 92 |
+
"loss": 2.1494,
|
| 93 |
+
"step": 120
|
| 94 |
+
},
|
| 95 |
+
{
|
| 96 |
+
"epoch": 0.10833333333333334,
|
| 97 |
+
"grad_norm": 24.188711166381836,
|
| 98 |
+
"learning_rate": 4.9537037037037035e-05,
|
| 99 |
+
"loss": 2.2379,
|
| 100 |
+
"step": 130
|
| 101 |
+
},
|
| 102 |
+
{
|
| 103 |
+
"epoch": 0.11666666666666667,
|
| 104 |
+
"grad_norm": 28.437192916870117,
|
| 105 |
+
"learning_rate": 4.9074074074074075e-05,
|
| 106 |
+
"loss": 2.077,
|
| 107 |
+
"step": 140
|
| 108 |
+
},
|
| 109 |
+
{
|
| 110 |
+
"epoch": 0.125,
|
| 111 |
+
"grad_norm": 23.764278411865234,
|
| 112 |
+
"learning_rate": 4.8611111111111115e-05,
|
| 113 |
+
"loss": 1.7375,
|
| 114 |
+
"step": 150
|
| 115 |
+
},
|
| 116 |
+
{
|
| 117 |
+
"epoch": 0.13333333333333333,
|
| 118 |
+
"grad_norm": 35.367774963378906,
|
| 119 |
+
"learning_rate": 4.814814814814815e-05,
|
| 120 |
+
"loss": 1.8033,
|
| 121 |
+
"step": 160
|
| 122 |
+
},
|
| 123 |
+
{
|
| 124 |
+
"epoch": 0.14166666666666666,
|
| 125 |
+
"grad_norm": 22.897329330444336,
|
| 126 |
+
"learning_rate": 4.768518518518519e-05,
|
| 127 |
+
"loss": 1.6765,
|
| 128 |
+
"step": 170
|
| 129 |
+
},
|
| 130 |
+
{
|
| 131 |
+
"epoch": 0.15,
|
| 132 |
+
"grad_norm": 23.557710647583008,
|
| 133 |
+
"learning_rate": 4.722222222222222e-05,
|
| 134 |
+
"loss": 1.963,
|
| 135 |
+
"step": 180
|
| 136 |
+
},
|
| 137 |
+
{
|
| 138 |
+
"epoch": 0.15833333333333333,
|
| 139 |
+
"grad_norm": 24.92739486694336,
|
| 140 |
+
"learning_rate": 4.675925925925926e-05,
|
| 141 |
+
"loss": 1.8664,
|
| 142 |
+
"step": 190
|
| 143 |
+
},
|
| 144 |
+
{
|
| 145 |
+
"epoch": 0.16666666666666666,
|
| 146 |
+
"grad_norm": 12.039756774902344,
|
| 147 |
+
"learning_rate": 4.62962962962963e-05,
|
| 148 |
+
"loss": 1.6811,
|
| 149 |
+
"step": 200
|
| 150 |
+
},
|
| 151 |
+
{
|
| 152 |
+
"epoch": 0.175,
|
| 153 |
+
"grad_norm": 23.957378387451172,
|
| 154 |
+
"learning_rate": 4.5833333333333334e-05,
|
| 155 |
+
"loss": 2.4397,
|
| 156 |
+
"step": 210
|
| 157 |
+
},
|
| 158 |
+
{
|
| 159 |
+
"epoch": 0.18333333333333332,
|
| 160 |
+
"grad_norm": 13.19124698638916,
|
| 161 |
+
"learning_rate": 4.5370370370370374e-05,
|
| 162 |
+
"loss": 1.2069,
|
| 163 |
+
"step": 220
|
| 164 |
+
},
|
| 165 |
+
{
|
| 166 |
+
"epoch": 0.19166666666666668,
|
| 167 |
+
"grad_norm": 19.82036781311035,
|
| 168 |
+
"learning_rate": 4.490740740740741e-05,
|
| 169 |
+
"loss": 1.4176,
|
| 170 |
+
"step": 230
|
| 171 |
+
},
|
| 172 |
+
{
|
| 173 |
+
"epoch": 0.2,
|
| 174 |
+
"grad_norm": 8.761481285095215,
|
| 175 |
+
"learning_rate": 4.4444444444444447e-05,
|
| 176 |
+
"loss": 2.0501,
|
| 177 |
+
"step": 240
|
| 178 |
+
},
|
| 179 |
+
{
|
| 180 |
+
"epoch": 0.20833333333333334,
|
| 181 |
+
"grad_norm": 25.89561653137207,
|
| 182 |
+
"learning_rate": 4.3981481481481486e-05,
|
| 183 |
+
"loss": 1.3747,
|
| 184 |
+
"step": 250
|
| 185 |
+
},
|
| 186 |
+
{
|
| 187 |
+
"epoch": 0.21666666666666667,
|
| 188 |
+
"grad_norm": 4.7578229904174805,
|
| 189 |
+
"learning_rate": 4.351851851851852e-05,
|
| 190 |
+
"loss": 1.2849,
|
| 191 |
+
"step": 260
|
| 192 |
+
},
|
| 193 |
+
{
|
| 194 |
+
"epoch": 0.225,
|
| 195 |
+
"grad_norm": 1.5549931526184082,
|
| 196 |
+
"learning_rate": 4.305555555555556e-05,
|
| 197 |
+
"loss": 1.1749,
|
| 198 |
+
"step": 270
|
| 199 |
+
},
|
| 200 |
+
{
|
| 201 |
+
"epoch": 0.23333333333333334,
|
| 202 |
+
"grad_norm": 0.4629839062690735,
|
| 203 |
+
"learning_rate": 4.259259259259259e-05,
|
| 204 |
+
"loss": 1.5886,
|
| 205 |
+
"step": 280
|
| 206 |
+
},
|
| 207 |
+
{
|
| 208 |
+
"epoch": 0.24166666666666667,
|
| 209 |
+
"grad_norm": 13.872051239013672,
|
| 210 |
+
"learning_rate": 4.212962962962963e-05,
|
| 211 |
+
"loss": 1.6037,
|
| 212 |
+
"step": 290
|
| 213 |
+
},
|
| 214 |
+
{
|
| 215 |
+
"epoch": 0.25,
|
| 216 |
+
"grad_norm": 33.91093063354492,
|
| 217 |
+
"learning_rate": 4.166666666666667e-05,
|
| 218 |
+
"loss": 1.41,
|
| 219 |
+
"step": 300
|
| 220 |
+
},
|
| 221 |
+
{
|
| 222 |
+
"epoch": 0.25,
|
| 223 |
+
"eval_accuracy": 0.4142857142857143,
|
| 224 |
+
"eval_loss": 1.3708302974700928,
|
| 225 |
+
"eval_runtime": 19.8921,
|
| 226 |
+
"eval_samples_per_second": 3.519,
|
| 227 |
+
"eval_steps_per_second": 3.519,
|
| 228 |
+
"step": 300
|
| 229 |
+
},
|
| 230 |
+
{
|
| 231 |
+
"epoch": 1.0083333333333333,
|
| 232 |
+
"grad_norm": 34.9661750793457,
|
| 233 |
+
"learning_rate": 4.1203703703703705e-05,
|
| 234 |
+
"loss": 0.7856,
|
| 235 |
+
"step": 310
|
| 236 |
+
},
|
| 237 |
+
{
|
| 238 |
+
"epoch": 1.0166666666666666,
|
| 239 |
+
"grad_norm": 15.95587158203125,
|
| 240 |
+
"learning_rate": 4.074074074074074e-05,
|
| 241 |
+
"loss": 0.7124,
|
| 242 |
+
"step": 320
|
| 243 |
+
},
|
| 244 |
+
{
|
| 245 |
+
"epoch": 1.025,
|
| 246 |
+
"grad_norm": 114.03311157226562,
|
| 247 |
+
"learning_rate": 4.027777777777778e-05,
|
| 248 |
+
"loss": 2.0354,
|
| 249 |
+
"step": 330
|
| 250 |
+
},
|
| 251 |
+
{
|
| 252 |
+
"epoch": 1.0333333333333334,
|
| 253 |
+
"grad_norm": 2.870539665222168,
|
| 254 |
+
"learning_rate": 3.981481481481482e-05,
|
| 255 |
+
"loss": 1.3627,
|
| 256 |
+
"step": 340
|
| 257 |
+
},
|
| 258 |
+
{
|
| 259 |
+
"epoch": 1.0416666666666667,
|
| 260 |
+
"grad_norm": 0.19656416773796082,
|
| 261 |
+
"learning_rate": 3.935185185185186e-05,
|
| 262 |
+
"loss": 1.0354,
|
| 263 |
+
"step": 350
|
| 264 |
+
},
|
| 265 |
+
{
|
| 266 |
+
"epoch": 1.05,
|
| 267 |
+
"grad_norm": 29.55954933166504,
|
| 268 |
+
"learning_rate": 3.888888888888889e-05,
|
| 269 |
+
"loss": 1.4022,
|
| 270 |
+
"step": 360
|
| 271 |
+
},
|
| 272 |
+
{
|
| 273 |
+
"epoch": 1.0583333333333333,
|
| 274 |
+
"grad_norm": 29.226428985595703,
|
| 275 |
+
"learning_rate": 3.8425925925925924e-05,
|
| 276 |
+
"loss": 1.593,
|
| 277 |
+
"step": 370
|
| 278 |
+
},
|
| 279 |
+
{
|
| 280 |
+
"epoch": 1.0666666666666667,
|
| 281 |
+
"grad_norm": 0.3284863233566284,
|
| 282 |
+
"learning_rate": 3.7962962962962964e-05,
|
| 283 |
+
"loss": 0.8397,
|
| 284 |
+
"step": 380
|
| 285 |
+
},
|
| 286 |
+
{
|
| 287 |
+
"epoch": 1.075,
|
| 288 |
+
"grad_norm": 31.41200828552246,
|
| 289 |
+
"learning_rate": 3.7500000000000003e-05,
|
| 290 |
+
"loss": 1.2573,
|
| 291 |
+
"step": 390
|
| 292 |
+
},
|
| 293 |
+
{
|
| 294 |
+
"epoch": 1.0833333333333333,
|
| 295 |
+
"grad_norm": 62.12163543701172,
|
| 296 |
+
"learning_rate": 3.7037037037037037e-05,
|
| 297 |
+
"loss": 1.347,
|
| 298 |
+
"step": 400
|
| 299 |
+
},
|
| 300 |
+
{
|
| 301 |
+
"epoch": 1.0916666666666666,
|
| 302 |
+
"grad_norm": 21.2114200592041,
|
| 303 |
+
"learning_rate": 3.6574074074074076e-05,
|
| 304 |
+
"loss": 0.3158,
|
| 305 |
+
"step": 410
|
| 306 |
+
},
|
| 307 |
+
{
|
| 308 |
+
"epoch": 1.1,
|
| 309 |
+
"grad_norm": 10.295486450195312,
|
| 310 |
+
"learning_rate": 3.611111111111111e-05,
|
| 311 |
+
"loss": 1.2447,
|
| 312 |
+
"step": 420
|
| 313 |
+
},
|
| 314 |
+
{
|
| 315 |
+
"epoch": 1.1083333333333334,
|
| 316 |
+
"grad_norm": 32.13578796386719,
|
| 317 |
+
"learning_rate": 3.564814814814815e-05,
|
| 318 |
+
"loss": 1.5982,
|
| 319 |
+
"step": 430
|
| 320 |
+
},
|
| 321 |
+
{
|
| 322 |
+
"epoch": 1.1166666666666667,
|
| 323 |
+
"grad_norm": 64.28907012939453,
|
| 324 |
+
"learning_rate": 3.518518518518519e-05,
|
| 325 |
+
"loss": 1.5406,
|
| 326 |
+
"step": 440
|
| 327 |
+
},
|
| 328 |
+
{
|
| 329 |
+
"epoch": 1.125,
|
| 330 |
+
"grad_norm": 16.457616806030273,
|
| 331 |
+
"learning_rate": 3.472222222222222e-05,
|
| 332 |
+
"loss": 1.723,
|
| 333 |
+
"step": 450
|
| 334 |
+
},
|
| 335 |
+
{
|
| 336 |
+
"epoch": 1.1333333333333333,
|
| 337 |
+
"grad_norm": 0.8775762319564819,
|
| 338 |
+
"learning_rate": 3.425925925925926e-05,
|
| 339 |
+
"loss": 0.9947,
|
| 340 |
+
"step": 460
|
| 341 |
+
},
|
| 342 |
+
{
|
| 343 |
+
"epoch": 1.1416666666666666,
|
| 344 |
+
"grad_norm": 10.1174955368042,
|
| 345 |
+
"learning_rate": 3.3796296296296295e-05,
|
| 346 |
+
"loss": 0.2765,
|
| 347 |
+
"step": 470
|
| 348 |
+
},
|
| 349 |
+
{
|
| 350 |
+
"epoch": 1.15,
|
| 351 |
+
"grad_norm": 0.1633925884962082,
|
| 352 |
+
"learning_rate": 3.3333333333333335e-05,
|
| 353 |
+
"loss": 0.8884,
|
| 354 |
+
"step": 480
|
| 355 |
+
},
|
| 356 |
+
{
|
| 357 |
+
"epoch": 1.1583333333333332,
|
| 358 |
+
"grad_norm": 1.4636590480804443,
|
| 359 |
+
"learning_rate": 3.2870370370370375e-05,
|
| 360 |
+
"loss": 1.4181,
|
| 361 |
+
"step": 490
|
| 362 |
+
},
|
| 363 |
+
{
|
| 364 |
+
"epoch": 1.1666666666666667,
|
| 365 |
+
"grad_norm": 51.15250015258789,
|
| 366 |
+
"learning_rate": 3.240740740740741e-05,
|
| 367 |
+
"loss": 0.6545,
|
| 368 |
+
"step": 500
|
| 369 |
+
},
|
| 370 |
+
{
|
| 371 |
+
"epoch": 1.175,
|
| 372 |
+
"grad_norm": 5.972972393035889,
|
| 373 |
+
"learning_rate": 3.194444444444444e-05,
|
| 374 |
+
"loss": 1.1784,
|
| 375 |
+
"step": 510
|
| 376 |
+
},
|
| 377 |
+
{
|
| 378 |
+
"epoch": 1.1833333333333333,
|
| 379 |
+
"grad_norm": 71.34271240234375,
|
| 380 |
+
"learning_rate": 3.148148148148148e-05,
|
| 381 |
+
"loss": 1.0121,
|
| 382 |
+
"step": 520
|
| 383 |
+
},
|
| 384 |
+
{
|
| 385 |
+
"epoch": 1.1916666666666667,
|
| 386 |
+
"grad_norm": 1.5212558507919312,
|
| 387 |
+
"learning_rate": 3.101851851851852e-05,
|
| 388 |
+
"loss": 0.9281,
|
| 389 |
+
"step": 530
|
| 390 |
+
},
|
| 391 |
+
{
|
| 392 |
+
"epoch": 1.2,
|
| 393 |
+
"grad_norm": 74.48904418945312,
|
| 394 |
+
"learning_rate": 3.055555555555556e-05,
|
| 395 |
+
"loss": 1.5944,
|
| 396 |
+
"step": 540
|
| 397 |
+
},
|
| 398 |
+
{
|
| 399 |
+
"epoch": 1.2083333333333333,
|
| 400 |
+
"grad_norm": 0.1856900006532669,
|
| 401 |
+
"learning_rate": 3.0092592592592593e-05,
|
| 402 |
+
"loss": 0.1863,
|
| 403 |
+
"step": 550
|
| 404 |
+
},
|
| 405 |
+
{
|
| 406 |
+
"epoch": 1.2166666666666668,
|
| 407 |
+
"grad_norm": 22.485200881958008,
|
| 408 |
+
"learning_rate": 2.962962962962963e-05,
|
| 409 |
+
"loss": 0.1684,
|
| 410 |
+
"step": 560
|
| 411 |
+
},
|
| 412 |
+
{
|
| 413 |
+
"epoch": 1.225,
|
| 414 |
+
"grad_norm": 0.16294099390506744,
|
| 415 |
+
"learning_rate": 2.916666666666667e-05,
|
| 416 |
+
"loss": 0.9532,
|
| 417 |
+
"step": 570
|
| 418 |
+
},
|
| 419 |
+
{
|
| 420 |
+
"epoch": 1.2333333333333334,
|
| 421 |
+
"grad_norm": 0.1749553382396698,
|
| 422 |
+
"learning_rate": 2.8703703703703706e-05,
|
| 423 |
+
"loss": 1.9651,
|
| 424 |
+
"step": 580
|
| 425 |
+
},
|
| 426 |
+
{
|
| 427 |
+
"epoch": 1.2416666666666667,
|
| 428 |
+
"grad_norm": 83.7835693359375,
|
| 429 |
+
"learning_rate": 2.824074074074074e-05,
|
| 430 |
+
"loss": 1.1975,
|
| 431 |
+
"step": 590
|
| 432 |
+
},
|
| 433 |
+
{
|
| 434 |
+
"epoch": 1.25,
|
| 435 |
+
"grad_norm": 0.22901688516139984,
|
| 436 |
+
"learning_rate": 2.777777777777778e-05,
|
| 437 |
+
"loss": 1.415,
|
| 438 |
+
"step": 600
|
| 439 |
+
},
|
| 440 |
+
{
|
| 441 |
+
"epoch": 1.25,
|
| 442 |
+
"eval_accuracy": 0.6285714285714286,
|
| 443 |
+
"eval_loss": 0.9278053045272827,
|
| 444 |
+
"eval_runtime": 20.2645,
|
| 445 |
+
"eval_samples_per_second": 3.454,
|
| 446 |
+
"eval_steps_per_second": 3.454,
|
| 447 |
+
"step": 600
|
| 448 |
+
},
|
| 449 |
+
{
|
| 450 |
+
"epoch": 2.0083333333333333,
|
| 451 |
+
"grad_norm": 3.305964469909668,
|
| 452 |
+
"learning_rate": 2.7314814814814816e-05,
|
| 453 |
+
"loss": 0.3217,
|
| 454 |
+
"step": 610
|
| 455 |
+
},
|
| 456 |
+
{
|
| 457 |
+
"epoch": 2.0166666666666666,
|
| 458 |
+
"grad_norm": 9.996731758117676,
|
| 459 |
+
"learning_rate": 2.6851851851851855e-05,
|
| 460 |
+
"loss": 0.1038,
|
| 461 |
+
"step": 620
|
| 462 |
+
},
|
| 463 |
+
{
|
| 464 |
+
"epoch": 2.025,
|
| 465 |
+
"grad_norm": 2.1754229068756104,
|
| 466 |
+
"learning_rate": 2.6388888888888892e-05,
|
| 467 |
+
"loss": 0.044,
|
| 468 |
+
"step": 630
|
| 469 |
+
},
|
| 470 |
+
{
|
| 471 |
+
"epoch": 2.033333333333333,
|
| 472 |
+
"grad_norm": 0.10821636766195297,
|
| 473 |
+
"learning_rate": 2.5925925925925925e-05,
|
| 474 |
+
"loss": 0.6733,
|
| 475 |
+
"step": 640
|
| 476 |
+
},
|
| 477 |
+
{
|
| 478 |
+
"epoch": 2.0416666666666665,
|
| 479 |
+
"grad_norm": 5.384748458862305,
|
| 480 |
+
"learning_rate": 2.5462962962962965e-05,
|
| 481 |
+
"loss": 0.2286,
|
| 482 |
+
"step": 650
|
| 483 |
+
},
|
| 484 |
+
{
|
| 485 |
+
"epoch": 2.05,
|
| 486 |
+
"grad_norm": 36.45204162597656,
|
| 487 |
+
"learning_rate": 2.5e-05,
|
| 488 |
+
"loss": 0.7973,
|
| 489 |
+
"step": 660
|
| 490 |
+
},
|
| 491 |
+
{
|
| 492 |
+
"epoch": 2.058333333333333,
|
| 493 |
+
"grad_norm": 10.163475036621094,
|
| 494 |
+
"learning_rate": 2.4537037037037038e-05,
|
| 495 |
+
"loss": 0.13,
|
| 496 |
+
"step": 670
|
| 497 |
+
},
|
| 498 |
+
{
|
| 499 |
+
"epoch": 2.066666666666667,
|
| 500 |
+
"grad_norm": 116.06883239746094,
|
| 501 |
+
"learning_rate": 2.4074074074074074e-05,
|
| 502 |
+
"loss": 0.2838,
|
| 503 |
+
"step": 680
|
| 504 |
+
},
|
| 505 |
+
{
|
| 506 |
+
"epoch": 2.075,
|
| 507 |
+
"grad_norm": 0.10601973533630371,
|
| 508 |
+
"learning_rate": 2.361111111111111e-05,
|
| 509 |
+
"loss": 0.2326,
|
| 510 |
+
"step": 690
|
| 511 |
+
},
|
| 512 |
+
{
|
| 513 |
+
"epoch": 2.0833333333333335,
|
| 514 |
+
"grad_norm": 86.1892318725586,
|
| 515 |
+
"learning_rate": 2.314814814814815e-05,
|
| 516 |
+
"loss": 0.4236,
|
| 517 |
+
"step": 700
|
| 518 |
+
},
|
| 519 |
+
{
|
| 520 |
+
"epoch": 2.091666666666667,
|
| 521 |
+
"grad_norm": 0.3410116136074066,
|
| 522 |
+
"learning_rate": 2.2685185185185187e-05,
|
| 523 |
+
"loss": 0.2716,
|
| 524 |
+
"step": 710
|
| 525 |
+
},
|
| 526 |
+
{
|
| 527 |
+
"epoch": 2.1,
|
| 528 |
+
"grad_norm": 3.6246771812438965,
|
| 529 |
+
"learning_rate": 2.2222222222222223e-05,
|
| 530 |
+
"loss": 0.5267,
|
| 531 |
+
"step": 720
|
| 532 |
+
},
|
| 533 |
+
{
|
| 534 |
+
"epoch": 2.1083333333333334,
|
| 535 |
+
"grad_norm": 0.07000452280044556,
|
| 536 |
+
"learning_rate": 2.175925925925926e-05,
|
| 537 |
+
"loss": 0.6982,
|
| 538 |
+
"step": 730
|
| 539 |
+
},
|
| 540 |
+
{
|
| 541 |
+
"epoch": 2.1166666666666667,
|
| 542 |
+
"grad_norm": 0.6494815349578857,
|
| 543 |
+
"learning_rate": 2.1296296296296296e-05,
|
| 544 |
+
"loss": 0.6288,
|
| 545 |
+
"step": 740
|
| 546 |
+
},
|
| 547 |
+
{
|
| 548 |
+
"epoch": 2.125,
|
| 549 |
+
"grad_norm": 0.19078467786312103,
|
| 550 |
+
"learning_rate": 2.0833333333333336e-05,
|
| 551 |
+
"loss": 0.1289,
|
| 552 |
+
"step": 750
|
| 553 |
+
},
|
| 554 |
+
{
|
| 555 |
+
"epoch": 2.1333333333333333,
|
| 556 |
+
"grad_norm": 0.3863866627216339,
|
| 557 |
+
"learning_rate": 2.037037037037037e-05,
|
| 558 |
+
"loss": 0.027,
|
| 559 |
+
"step": 760
|
| 560 |
+
},
|
| 561 |
+
{
|
| 562 |
+
"epoch": 2.1416666666666666,
|
| 563 |
+
"grad_norm": 0.7423949241638184,
|
| 564 |
+
"learning_rate": 1.990740740740741e-05,
|
| 565 |
+
"loss": 0.8863,
|
| 566 |
+
"step": 770
|
| 567 |
+
},
|
| 568 |
+
{
|
| 569 |
+
"epoch": 2.15,
|
| 570 |
+
"grad_norm": 0.08420680463314056,
|
| 571 |
+
"learning_rate": 1.9444444444444445e-05,
|
| 572 |
+
"loss": 0.6521,
|
| 573 |
+
"step": 780
|
| 574 |
+
},
|
| 575 |
+
{
|
| 576 |
+
"epoch": 2.158333333333333,
|
| 577 |
+
"grad_norm": 5.715039253234863,
|
| 578 |
+
"learning_rate": 1.8981481481481482e-05,
|
| 579 |
+
"loss": 0.172,
|
| 580 |
+
"step": 790
|
| 581 |
+
},
|
| 582 |
+
{
|
| 583 |
+
"epoch": 2.1666666666666665,
|
| 584 |
+
"grad_norm": 0.264591783285141,
|
| 585 |
+
"learning_rate": 1.8518518518518518e-05,
|
| 586 |
+
"loss": 0.2013,
|
| 587 |
+
"step": 800
|
| 588 |
+
},
|
| 589 |
+
{
|
| 590 |
+
"epoch": 2.175,
|
| 591 |
+
"grad_norm": 0.12320002913475037,
|
| 592 |
+
"learning_rate": 1.8055555555555555e-05,
|
| 593 |
+
"loss": 0.3656,
|
| 594 |
+
"step": 810
|
| 595 |
+
},
|
| 596 |
+
{
|
| 597 |
+
"epoch": 2.183333333333333,
|
| 598 |
+
"grad_norm": 0.5556697845458984,
|
| 599 |
+
"learning_rate": 1.7592592592592595e-05,
|
| 600 |
+
"loss": 0.4912,
|
| 601 |
+
"step": 820
|
| 602 |
+
},
|
| 603 |
+
{
|
| 604 |
+
"epoch": 2.191666666666667,
|
| 605 |
+
"grad_norm": 2.075514316558838,
|
| 606 |
+
"learning_rate": 1.712962962962963e-05,
|
| 607 |
+
"loss": 0.1363,
|
| 608 |
+
"step": 830
|
| 609 |
+
},
|
| 610 |
+
{
|
| 611 |
+
"epoch": 2.2,
|
| 612 |
+
"grad_norm": 0.11268232762813568,
|
| 613 |
+
"learning_rate": 1.6666666666666667e-05,
|
| 614 |
+
"loss": 0.0185,
|
| 615 |
+
"step": 840
|
| 616 |
+
},
|
| 617 |
+
{
|
| 618 |
+
"epoch": 2.2083333333333335,
|
| 619 |
+
"grad_norm": 0.6337955594062805,
|
| 620 |
+
"learning_rate": 1.6203703703703704e-05,
|
| 621 |
+
"loss": 0.0775,
|
| 622 |
+
"step": 850
|
| 623 |
+
},
|
| 624 |
+
{
|
| 625 |
+
"epoch": 2.216666666666667,
|
| 626 |
+
"grad_norm": 0.07759334146976471,
|
| 627 |
+
"learning_rate": 1.574074074074074e-05,
|
| 628 |
+
"loss": 0.2702,
|
| 629 |
+
"step": 860
|
| 630 |
+
},
|
| 631 |
+
{
|
| 632 |
+
"epoch": 2.225,
|
| 633 |
+
"grad_norm": 0.08997353911399841,
|
| 634 |
+
"learning_rate": 1.527777777777778e-05,
|
| 635 |
+
"loss": 0.0228,
|
| 636 |
+
"step": 870
|
| 637 |
+
},
|
| 638 |
+
{
|
| 639 |
+
"epoch": 2.2333333333333334,
|
| 640 |
+
"grad_norm": 0.04594102501869202,
|
| 641 |
+
"learning_rate": 1.4814814814814815e-05,
|
| 642 |
+
"loss": 0.7341,
|
| 643 |
+
"step": 880
|
| 644 |
+
},
|
| 645 |
+
{
|
| 646 |
+
"epoch": 2.2416666666666667,
|
| 647 |
+
"grad_norm": 0.10395152866840363,
|
| 648 |
+
"learning_rate": 1.4351851851851853e-05,
|
| 649 |
+
"loss": 0.0129,
|
| 650 |
+
"step": 890
|
| 651 |
+
},
|
| 652 |
+
{
|
| 653 |
+
"epoch": 2.25,
|
| 654 |
+
"grad_norm": 0.6101638674736023,
|
| 655 |
+
"learning_rate": 1.388888888888889e-05,
|
| 656 |
+
"loss": 0.0071,
|
| 657 |
+
"step": 900
|
| 658 |
+
},
|
| 659 |
+
{
|
| 660 |
+
"epoch": 2.25,
|
| 661 |
+
"eval_accuracy": 0.7714285714285715,
|
| 662 |
+
"eval_loss": 0.9118342995643616,
|
| 663 |
+
"eval_runtime": 20.1563,
|
| 664 |
+
"eval_samples_per_second": 3.473,
|
| 665 |
+
"eval_steps_per_second": 3.473,
|
| 666 |
+
"step": 900
|
| 667 |
+
},
|
| 668 |
+
{
|
| 669 |
+
"epoch": 3.0083333333333333,
|
| 670 |
+
"grad_norm": 0.060018833726644516,
|
| 671 |
+
"learning_rate": 1.3425925925925928e-05,
|
| 672 |
+
"loss": 0.4315,
|
| 673 |
+
"step": 910
|
| 674 |
+
},
|
| 675 |
+
{
|
| 676 |
+
"epoch": 3.0166666666666666,
|
| 677 |
+
"grad_norm": 0.13679355382919312,
|
| 678 |
+
"learning_rate": 1.2962962962962962e-05,
|
| 679 |
+
"loss": 0.01,
|
| 680 |
+
"step": 920
|
| 681 |
+
},
|
| 682 |
+
{
|
| 683 |
+
"epoch": 3.025,
|
| 684 |
+
"grad_norm": 0.052033431828022,
|
| 685 |
+
"learning_rate": 1.25e-05,
|
| 686 |
+
"loss": 0.0316,
|
| 687 |
+
"step": 930
|
| 688 |
+
},
|
| 689 |
+
{
|
| 690 |
+
"epoch": 3.033333333333333,
|
| 691 |
+
"grad_norm": 0.062449902296066284,
|
| 692 |
+
"learning_rate": 1.2037037037037037e-05,
|
| 693 |
+
"loss": 0.0084,
|
| 694 |
+
"step": 940
|
| 695 |
+
},
|
| 696 |
+
{
|
| 697 |
+
"epoch": 3.0416666666666665,
|
| 698 |
+
"grad_norm": 0.09610594809055328,
|
| 699 |
+
"learning_rate": 1.1574074074074075e-05,
|
| 700 |
+
"loss": 0.0055,
|
| 701 |
+
"step": 950
|
| 702 |
+
},
|
| 703 |
+
{
|
| 704 |
+
"epoch": 3.05,
|
| 705 |
+
"grad_norm": 0.06662105768918991,
|
| 706 |
+
"learning_rate": 1.1111111111111112e-05,
|
| 707 |
+
"loss": 0.0058,
|
| 708 |
+
"step": 960
|
| 709 |
+
},
|
| 710 |
+
{
|
| 711 |
+
"epoch": 3.058333333333333,
|
| 712 |
+
"grad_norm": 0.11194557696580887,
|
| 713 |
+
"learning_rate": 1.0648148148148148e-05,
|
| 714 |
+
"loss": 0.0052,
|
| 715 |
+
"step": 970
|
| 716 |
+
},
|
| 717 |
+
{
|
| 718 |
+
"epoch": 3.066666666666667,
|
| 719 |
+
"grad_norm": 0.06312896311283112,
|
| 720 |
+
"learning_rate": 1.0185185185185185e-05,
|
| 721 |
+
"loss": 0.0948,
|
| 722 |
+
"step": 980
|
| 723 |
+
},
|
| 724 |
+
{
|
| 725 |
+
"epoch": 3.075,
|
| 726 |
+
"grad_norm": 0.053460799157619476,
|
| 727 |
+
"learning_rate": 9.722222222222223e-06,
|
| 728 |
+
"loss": 0.188,
|
| 729 |
+
"step": 990
|
| 730 |
+
},
|
| 731 |
+
{
|
| 732 |
+
"epoch": 3.0833333333333335,
|
| 733 |
+
"grad_norm": 0.06299547106027603,
|
| 734 |
+
"learning_rate": 9.259259259259259e-06,
|
| 735 |
+
"loss": 0.011,
|
| 736 |
+
"step": 1000
|
| 737 |
+
},
|
| 738 |
+
{
|
| 739 |
+
"epoch": 3.091666666666667,
|
| 740 |
+
"grad_norm": 123.37744903564453,
|
| 741 |
+
"learning_rate": 8.796296296296297e-06,
|
| 742 |
+
"loss": 0.0688,
|
| 743 |
+
"step": 1010
|
| 744 |
+
},
|
| 745 |
+
{
|
| 746 |
+
"epoch": 3.1,
|
| 747 |
+
"grad_norm": 0.09267813712358475,
|
| 748 |
+
"learning_rate": 8.333333333333334e-06,
|
| 749 |
+
"loss": 0.0304,
|
| 750 |
+
"step": 1020
|
| 751 |
+
},
|
| 752 |
+
{
|
| 753 |
+
"epoch": 3.1083333333333334,
|
| 754 |
+
"grad_norm": 0.09297291934490204,
|
| 755 |
+
"learning_rate": 7.87037037037037e-06,
|
| 756 |
+
"loss": 0.4874,
|
| 757 |
+
"step": 1030
|
| 758 |
+
},
|
| 759 |
+
{
|
| 760 |
+
"epoch": 3.1166666666666667,
|
| 761 |
+
"grad_norm": 0.046850185841321945,
|
| 762 |
+
"learning_rate": 7.4074074074074075e-06,
|
| 763 |
+
"loss": 0.0077,
|
| 764 |
+
"step": 1040
|
| 765 |
+
},
|
| 766 |
+
{
|
| 767 |
+
"epoch": 3.125,
|
| 768 |
+
"grad_norm": 0.05363835021853447,
|
| 769 |
+
"learning_rate": 6.944444444444445e-06,
|
| 770 |
+
"loss": 0.0075,
|
| 771 |
+
"step": 1050
|
| 772 |
+
},
|
| 773 |
+
{
|
| 774 |
+
"epoch": 3.1333333333333333,
|
| 775 |
+
"grad_norm": 0.46990832686424255,
|
| 776 |
+
"learning_rate": 6.481481481481481e-06,
|
| 777 |
+
"loss": 0.0947,
|
| 778 |
+
"step": 1060
|
| 779 |
+
},
|
| 780 |
+
{
|
| 781 |
+
"epoch": 3.1416666666666666,
|
| 782 |
+
"grad_norm": 0.12542754411697388,
|
| 783 |
+
"learning_rate": 6.0185185185185185e-06,
|
| 784 |
+
"loss": 0.0062,
|
| 785 |
+
"step": 1070
|
| 786 |
+
},
|
| 787 |
+
{
|
| 788 |
+
"epoch": 3.15,
|
| 789 |
+
"grad_norm": 0.5127608776092529,
|
| 790 |
+
"learning_rate": 5.555555555555556e-06,
|
| 791 |
+
"loss": 0.0205,
|
| 792 |
+
"step": 1080
|
| 793 |
+
},
|
| 794 |
+
{
|
| 795 |
+
"epoch": 3.158333333333333,
|
| 796 |
+
"grad_norm": 0.22938226163387299,
|
| 797 |
+
"learning_rate": 5.092592592592592e-06,
|
| 798 |
+
"loss": 0.5019,
|
| 799 |
+
"step": 1090
|
| 800 |
+
},
|
| 801 |
+
{
|
| 802 |
+
"epoch": 3.1666666666666665,
|
| 803 |
+
"grad_norm": 0.06890785694122314,
|
| 804 |
+
"learning_rate": 4.6296296296296296e-06,
|
| 805 |
+
"loss": 0.0045,
|
| 806 |
+
"step": 1100
|
| 807 |
+
},
|
| 808 |
+
{
|
| 809 |
+
"epoch": 3.175,
|
| 810 |
+
"grad_norm": 0.043923210352659225,
|
| 811 |
+
"learning_rate": 4.166666666666667e-06,
|
| 812 |
+
"loss": 0.0062,
|
| 813 |
+
"step": 1110
|
| 814 |
+
},
|
| 815 |
+
{
|
| 816 |
+
"epoch": 3.183333333333333,
|
| 817 |
+
"grad_norm": 0.05734048783779144,
|
| 818 |
+
"learning_rate": 3.7037037037037037e-06,
|
| 819 |
+
"loss": 0.0366,
|
| 820 |
+
"step": 1120
|
| 821 |
+
},
|
| 822 |
+
{
|
| 823 |
+
"epoch": 3.191666666666667,
|
| 824 |
+
"grad_norm": 0.04790980741381645,
|
| 825 |
+
"learning_rate": 3.2407407407407406e-06,
|
| 826 |
+
"loss": 0.0046,
|
| 827 |
+
"step": 1130
|
| 828 |
+
},
|
| 829 |
+
{
|
| 830 |
+
"epoch": 3.2,
|
| 831 |
+
"grad_norm": 0.06263752281665802,
|
| 832 |
+
"learning_rate": 2.777777777777778e-06,
|
| 833 |
+
"loss": 0.0248,
|
| 834 |
+
"step": 1140
|
| 835 |
+
},
|
| 836 |
+
{
|
| 837 |
+
"epoch": 3.2083333333333335,
|
| 838 |
+
"grad_norm": 0.03996903821825981,
|
| 839 |
+
"learning_rate": 2.3148148148148148e-06,
|
| 840 |
+
"loss": 0.0076,
|
| 841 |
+
"step": 1150
|
| 842 |
+
},
|
| 843 |
+
{
|
| 844 |
+
"epoch": 3.216666666666667,
|
| 845 |
+
"grad_norm": 0.1412377506494522,
|
| 846 |
+
"learning_rate": 1.8518518518518519e-06,
|
| 847 |
+
"loss": 0.0047,
|
| 848 |
+
"step": 1160
|
| 849 |
+
},
|
| 850 |
+
{
|
| 851 |
+
"epoch": 3.225,
|
| 852 |
+
"grad_norm": 0.05008625239133835,
|
| 853 |
+
"learning_rate": 1.388888888888889e-06,
|
| 854 |
+
"loss": 0.0839,
|
| 855 |
+
"step": 1170
|
| 856 |
+
},
|
| 857 |
+
{
|
| 858 |
+
"epoch": 3.2333333333333334,
|
| 859 |
+
"grad_norm": 0.14406771957874298,
|
| 860 |
+
"learning_rate": 9.259259259259259e-07,
|
| 861 |
+
"loss": 0.4069,
|
| 862 |
+
"step": 1180
|
| 863 |
+
},
|
| 864 |
+
{
|
| 865 |
+
"epoch": 3.2416666666666667,
|
| 866 |
+
"grad_norm": 0.08043400943279266,
|
| 867 |
+
"learning_rate": 4.6296296296296297e-07,
|
| 868 |
+
"loss": 0.0047,
|
| 869 |
+
"step": 1190
|
| 870 |
+
},
|
| 871 |
+
{
|
| 872 |
+
"epoch": 3.25,
|
| 873 |
+
"grad_norm": 0.09299980103969574,
|
| 874 |
+
"learning_rate": 0.0,
|
| 875 |
+
"loss": 1.1268,
|
| 876 |
+
"step": 1200
|
| 877 |
+
},
|
| 878 |
+
{
|
| 879 |
+
"epoch": 3.25,
|
| 880 |
+
"eval_accuracy": 0.9571428571428572,
|
| 881 |
+
"eval_loss": 0.17192021012306213,
|
| 882 |
+
"eval_runtime": 21.1257,
|
| 883 |
+
"eval_samples_per_second": 3.313,
|
| 884 |
+
"eval_steps_per_second": 3.313,
|
| 885 |
+
"step": 1200
|
| 886 |
+
},
|
| 887 |
+
{
|
| 888 |
+
"epoch": 3.25,
|
| 889 |
+
"step": 1200,
|
| 890 |
+
"total_flos": 1.495384188125184e+18,
|
| 891 |
+
"train_loss": 0.8749346439540386,
|
| 892 |
+
"train_runtime": 911.5482,
|
| 893 |
+
"train_samples_per_second": 1.316,
|
| 894 |
+
"train_steps_per_second": 1.316
|
| 895 |
+
},
|
| 896 |
+
{
|
| 897 |
+
"epoch": 3.25,
|
| 898 |
+
"eval_accuracy": 0.9483870967741935,
|
| 899 |
+
"eval_loss": 0.19666992127895355,
|
| 900 |
+
"eval_runtime": 45.3556,
|
| 901 |
+
"eval_samples_per_second": 3.417,
|
| 902 |
+
"eval_steps_per_second": 3.417,
|
| 903 |
+
"step": 1200
|
| 904 |
+
},
|
| 905 |
+
{
|
| 906 |
+
"epoch": 3.25,
|
| 907 |
+
"eval_accuracy": 0.9483870967741935,
|
| 908 |
+
"eval_loss": 0.19666993618011475,
|
| 909 |
+
"eval_runtime": 50.5836,
|
| 910 |
+
"eval_samples_per_second": 3.064,
|
| 911 |
+
"eval_steps_per_second": 3.064,
|
| 912 |
+
"step": 1200
|
| 913 |
+
}
|
| 914 |
+
],
|
| 915 |
+
"logging_steps": 10,
|
| 916 |
+
"max_steps": 1200,
|
| 917 |
+
"num_input_tokens_seen": 0,
|
| 918 |
+
"num_train_epochs": 9223372036854775807,
|
| 919 |
+
"save_steps": 500,
|
| 920 |
+
"stateful_callbacks": {
|
| 921 |
+
"TrainerControl": {
|
| 922 |
+
"args": {
|
| 923 |
+
"should_epoch_stop": false,
|
| 924 |
+
"should_evaluate": false,
|
| 925 |
+
"should_log": false,
|
| 926 |
+
"should_save": true,
|
| 927 |
+
"should_training_stop": true
|
| 928 |
+
},
|
| 929 |
+
"attributes": {}
|
| 930 |
+
}
|
| 931 |
+
},
|
| 932 |
+
"total_flos": 1.495384188125184e+18,
|
| 933 |
+
"train_batch_size": 1,
|
| 934 |
+
"trial_name": null,
|
| 935 |
+
"trial_params": null
|
| 936 |
+
}
|