3677 lines
90 KiB
JSON
3677 lines
90 KiB
JSON
|
{
|
||
|
|
"best_metric": null,
|
||
|
|
"best_model_checkpoint": null,
|
||
|
|
"epoch": 75.27846767517121,
|
||
|
|
"global_step": 250000,
|
||
|
|
"is_hyper_param_search": false,
|
||
|
|
"is_local_process_zero": true,
|
||
|
|
"is_world_process_zero": true,
|
||
|
|
"log_history": [
|
||
|
|
{
|
||
|
|
"epoch": 0.15,
|
||
|
|
"learning_rate": 1e-05,
|
||
|
|
"learning_rate_embeddings": 1e-05,
|
||
|
|
"loss": 7.3599,
|
||
|
|
"step": 500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.3,
|
||
|
|
"learning_rate": 2e-05,
|
||
|
|
"learning_rate_embeddings": 2e-05,
|
||
|
|
"loss": 6.1511,
|
||
|
|
"step": 1000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.45,
|
||
|
|
"learning_rate": 3e-05,
|
||
|
|
"learning_rate_embeddings": 3e-05,
|
||
|
|
"loss": 5.6955,
|
||
|
|
"step": 1500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6,
|
||
|
|
"learning_rate": 4e-05,
|
||
|
|
"learning_rate_embeddings": 4e-05,
|
||
|
|
"loss": 5.3836,
|
||
|
|
"step": 2000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.75,
|
||
|
|
"learning_rate": 5e-05,
|
||
|
|
"learning_rate_embeddings": 5e-05,
|
||
|
|
"loss": 5.1255,
|
||
|
|
"step": 2500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.9,
|
||
|
|
"learning_rate": 6e-05,
|
||
|
|
"learning_rate_embeddings": 6e-05,
|
||
|
|
"loss": 4.9319,
|
||
|
|
"step": 3000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 1.05,
|
||
|
|
"learning_rate": 7.000000000000001e-05,
|
||
|
|
"learning_rate_embeddings": 7.000000000000001e-05,
|
||
|
|
"loss": 4.7633,
|
||
|
|
"step": 3500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 1.2,
|
||
|
|
"learning_rate": 8e-05,
|
||
|
|
"learning_rate_embeddings": 8e-05,
|
||
|
|
"loss": 4.6153,
|
||
|
|
"step": 4000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 1.35,
|
||
|
|
"learning_rate": 8.999999999999999e-05,
|
||
|
|
"learning_rate_embeddings": 8.999999999999999e-05,
|
||
|
|
"loss": 4.504,
|
||
|
|
"step": 4500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 1.51,
|
||
|
|
"learning_rate": 0.0001,
|
||
|
|
"learning_rate_embeddings": 0.0001,
|
||
|
|
"loss": 4.4162,
|
||
|
|
"step": 5000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 1.66,
|
||
|
|
"learning_rate": 0.00011,
|
||
|
|
"learning_rate_embeddings": 0.00011,
|
||
|
|
"loss": 4.3292,
|
||
|
|
"step": 5500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 1.81,
|
||
|
|
"learning_rate": 0.00012,
|
||
|
|
"learning_rate_embeddings": 0.00012,
|
||
|
|
"loss": 4.2659,
|
||
|
|
"step": 6000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 1.96,
|
||
|
|
"learning_rate": 0.00013000000000000002,
|
||
|
|
"learning_rate_embeddings": 0.00013000000000000002,
|
||
|
|
"loss": 4.2079,
|
||
|
|
"step": 6500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 2.11,
|
||
|
|
"learning_rate": 0.00014000000000000001,
|
||
|
|
"learning_rate_embeddings": 0.00014000000000000001,
|
||
|
|
"loss": 4.151,
|
||
|
|
"step": 7000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 2.26,
|
||
|
|
"learning_rate": 0.00015,
|
||
|
|
"learning_rate_embeddings": 0.00015,
|
||
|
|
"loss": 4.0975,
|
||
|
|
"step": 7500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 2.41,
|
||
|
|
"learning_rate": 0.00016,
|
||
|
|
"learning_rate_embeddings": 0.00016,
|
||
|
|
"loss": 4.0709,
|
||
|
|
"step": 8000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 2.56,
|
||
|
|
"learning_rate": 0.00017,
|
||
|
|
"learning_rate_embeddings": 0.00017,
|
||
|
|
"loss": 4.0275,
|
||
|
|
"step": 8500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 2.71,
|
||
|
|
"learning_rate": 0.00017999999999999998,
|
||
|
|
"learning_rate_embeddings": 0.00017999999999999998,
|
||
|
|
"loss": 3.9927,
|
||
|
|
"step": 9000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 2.86,
|
||
|
|
"learning_rate": 0.00019,
|
||
|
|
"learning_rate_embeddings": 0.00019,
|
||
|
|
"loss": 3.9632,
|
||
|
|
"step": 9500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 3.01,
|
||
|
|
"learning_rate": 0.0002,
|
||
|
|
"learning_rate_embeddings": 0.0002,
|
||
|
|
"loss": 3.9414,
|
||
|
|
"step": 10000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 3.16,
|
||
|
|
"learning_rate": 0.00021,
|
||
|
|
"learning_rate_embeddings": 0.00021,
|
||
|
|
"loss": 3.9043,
|
||
|
|
"step": 10500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 3.31,
|
||
|
|
"learning_rate": 0.00022,
|
||
|
|
"learning_rate_embeddings": 0.00022,
|
||
|
|
"loss": 3.8788,
|
||
|
|
"step": 11000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 3.46,
|
||
|
|
"learning_rate": 0.00023,
|
||
|
|
"learning_rate_embeddings": 0.00023,
|
||
|
|
"loss": 3.8635,
|
||
|
|
"step": 11500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 3.61,
|
||
|
|
"learning_rate": 0.00024,
|
||
|
|
"learning_rate_embeddings": 0.00024,
|
||
|
|
"loss": 3.8494,
|
||
|
|
"step": 12000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 3.76,
|
||
|
|
"learning_rate": 0.00025,
|
||
|
|
"learning_rate_embeddings": 0.00025,
|
||
|
|
"loss": 3.8293,
|
||
|
|
"step": 12500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 3.76,
|
||
|
|
"eval_loss": 3.760099172592163,
|
||
|
|
"eval_runtime": 352.8255,
|
||
|
|
"eval_samples_per_second": 481.133,
|
||
|
|
"eval_steps_per_second": 3.761,
|
||
|
|
"step": 12500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 3.91,
|
||
|
|
"learning_rate": 0.00026000000000000003,
|
||
|
|
"learning_rate_embeddings": 0.00026000000000000003,
|
||
|
|
"loss": 3.8128,
|
||
|
|
"step": 13000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 4.07,
|
||
|
|
"learning_rate": 0.00027,
|
||
|
|
"learning_rate_embeddings": 0.00027,
|
||
|
|
"loss": 3.794,
|
||
|
|
"step": 13500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 4.22,
|
||
|
|
"learning_rate": 0.00028000000000000003,
|
||
|
|
"learning_rate_embeddings": 0.00028000000000000003,
|
||
|
|
"loss": 3.7704,
|
||
|
|
"step": 14000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 4.37,
|
||
|
|
"learning_rate": 0.00029,
|
||
|
|
"learning_rate_embeddings": 0.00029,
|
||
|
|
"loss": 3.7616,
|
||
|
|
"step": 14500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 4.52,
|
||
|
|
"learning_rate": 0.0003,
|
||
|
|
"learning_rate_embeddings": 0.0003,
|
||
|
|
"loss": 3.7506,
|
||
|
|
"step": 15000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 4.67,
|
||
|
|
"learning_rate": 0.00031,
|
||
|
|
"learning_rate_embeddings": 0.00031,
|
||
|
|
"loss": 3.7454,
|
||
|
|
"step": 15500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 4.82,
|
||
|
|
"learning_rate": 0.00032,
|
||
|
|
"learning_rate_embeddings": 0.00032,
|
||
|
|
"loss": 3.7273,
|
||
|
|
"step": 16000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 4.97,
|
||
|
|
"learning_rate": 0.00033,
|
||
|
|
"learning_rate_embeddings": 0.00033,
|
||
|
|
"loss": 3.7151,
|
||
|
|
"step": 16500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 5.12,
|
||
|
|
"learning_rate": 0.00034,
|
||
|
|
"learning_rate_embeddings": 0.00034,
|
||
|
|
"loss": 3.7035,
|
||
|
|
"step": 17000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 5.27,
|
||
|
|
"learning_rate": 0.00035,
|
||
|
|
"learning_rate_embeddings": 0.00035,
|
||
|
|
"loss": 3.6791,
|
||
|
|
"step": 17500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 5.42,
|
||
|
|
"learning_rate": 0.00035999999999999997,
|
||
|
|
"learning_rate_embeddings": 0.00035999999999999997,
|
||
|
|
"loss": 3.6797,
|
||
|
|
"step": 18000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 5.57,
|
||
|
|
"learning_rate": 0.00037,
|
||
|
|
"learning_rate_embeddings": 0.00037,
|
||
|
|
"loss": 3.6741,
|
||
|
|
"step": 18500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 5.72,
|
||
|
|
"learning_rate": 0.00038,
|
||
|
|
"learning_rate_embeddings": 0.00038,
|
||
|
|
"loss": 3.6601,
|
||
|
|
"step": 19000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 5.87,
|
||
|
|
"learning_rate": 0.00039000000000000005,
|
||
|
|
"learning_rate_embeddings": 0.00039000000000000005,
|
||
|
|
"loss": 3.6603,
|
||
|
|
"step": 19500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 6.02,
|
||
|
|
"learning_rate": 0.0004,
|
||
|
|
"learning_rate_embeddings": 0.0004,
|
||
|
|
"loss": 3.6538,
|
||
|
|
"step": 20000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 6.17,
|
||
|
|
"learning_rate": 0.00041,
|
||
|
|
"learning_rate_embeddings": 0.00041,
|
||
|
|
"loss": 3.6284,
|
||
|
|
"step": 20500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 6.32,
|
||
|
|
"learning_rate": 0.00042,
|
||
|
|
"learning_rate_embeddings": 0.00042,
|
||
|
|
"loss": 3.6258,
|
||
|
|
"step": 21000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 6.47,
|
||
|
|
"learning_rate": 0.00043,
|
||
|
|
"learning_rate_embeddings": 0.00043,
|
||
|
|
"loss": 3.6147,
|
||
|
|
"step": 21500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 6.62,
|
||
|
|
"learning_rate": 0.00044,
|
||
|
|
"learning_rate_embeddings": 0.00044,
|
||
|
|
"loss": 3.6086,
|
||
|
|
"step": 22000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 6.77,
|
||
|
|
"learning_rate": 0.00045000000000000004,
|
||
|
|
"learning_rate_embeddings": 0.00045000000000000004,
|
||
|
|
"loss": 3.6107,
|
||
|
|
"step": 22500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 6.93,
|
||
|
|
"learning_rate": 0.00046,
|
||
|
|
"learning_rate_embeddings": 0.00046,
|
||
|
|
"loss": 3.5963,
|
||
|
|
"step": 23000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 7.08,
|
||
|
|
"learning_rate": 0.00047,
|
||
|
|
"learning_rate_embeddings": 0.00047,
|
||
|
|
"loss": 3.5954,
|
||
|
|
"step": 23500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 7.23,
|
||
|
|
"learning_rate": 0.00048,
|
||
|
|
"learning_rate_embeddings": 0.00048,
|
||
|
|
"loss": 3.5742,
|
||
|
|
"step": 24000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 7.38,
|
||
|
|
"learning_rate": 0.00049,
|
||
|
|
"learning_rate_embeddings": 0.00049,
|
||
|
|
"loss": 3.5729,
|
||
|
|
"step": 24500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 7.53,
|
||
|
|
"learning_rate": 0.0005,
|
||
|
|
"learning_rate_embeddings": 0.0005,
|
||
|
|
"loss": 3.5783,
|
||
|
|
"step": 25000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 7.53,
|
||
|
|
"eval_loss": 3.5366692543029785,
|
||
|
|
"eval_runtime": 339.3978,
|
||
|
|
"eval_samples_per_second": 500.168,
|
||
|
|
"eval_steps_per_second": 3.91,
|
||
|
|
"step": 25000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 7.68,
|
||
|
|
"learning_rate": 0.0004988888888888889,
|
||
|
|
"learning_rate_embeddings": 0.0004988888888888889,
|
||
|
|
"loss": 3.5695,
|
||
|
|
"step": 25500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 7.83,
|
||
|
|
"learning_rate": 0.0004977777777777778,
|
||
|
|
"learning_rate_embeddings": 0.0004977777777777778,
|
||
|
|
"loss": 3.5695,
|
||
|
|
"step": 26000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 7.98,
|
||
|
|
"learning_rate": 0.0004966666666666666,
|
||
|
|
"learning_rate_embeddings": 0.0004966666666666666,
|
||
|
|
"loss": 3.5605,
|
||
|
|
"step": 26500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 8.13,
|
||
|
|
"learning_rate": 0.0004955555555555556,
|
||
|
|
"learning_rate_embeddings": 0.0004955555555555556,
|
||
|
|
"loss": 3.5402,
|
||
|
|
"step": 27000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 8.28,
|
||
|
|
"learning_rate": 0.0004944444444444445,
|
||
|
|
"learning_rate_embeddings": 0.0004944444444444445,
|
||
|
|
"loss": 3.5331,
|
||
|
|
"step": 27500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 8.43,
|
||
|
|
"learning_rate": 0.0004933333333333334,
|
||
|
|
"learning_rate_embeddings": 0.0004933333333333334,
|
||
|
|
"loss": 3.5318,
|
||
|
|
"step": 28000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 8.58,
|
||
|
|
"learning_rate": 0.0004922222222222222,
|
||
|
|
"learning_rate_embeddings": 0.0004922222222222222,
|
||
|
|
"loss": 3.5283,
|
||
|
|
"step": 28500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 8.73,
|
||
|
|
"learning_rate": 0.0004911111111111111,
|
||
|
|
"learning_rate_embeddings": 0.0004911111111111111,
|
||
|
|
"loss": 3.5284,
|
||
|
|
"step": 29000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 8.88,
|
||
|
|
"learning_rate": 0.00049,
|
||
|
|
"learning_rate_embeddings": 0.00049,
|
||
|
|
"loss": 3.5301,
|
||
|
|
"step": 29500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 9.03,
|
||
|
|
"learning_rate": 0.0004888888888888889,
|
||
|
|
"learning_rate_embeddings": 0.0004888888888888889,
|
||
|
|
"loss": 3.5205,
|
||
|
|
"step": 30000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 9.18,
|
||
|
|
"learning_rate": 0.0004877777777777778,
|
||
|
|
"learning_rate_embeddings": 0.0004877777777777778,
|
||
|
|
"loss": 3.5172,
|
||
|
|
"step": 30500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 9.33,
|
||
|
|
"learning_rate": 0.0004866666666666667,
|
||
|
|
"learning_rate_embeddings": 0.0004866666666666667,
|
||
|
|
"loss": 3.4955,
|
||
|
|
"step": 31000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 9.48,
|
||
|
|
"learning_rate": 0.0004855555555555556,
|
||
|
|
"learning_rate_embeddings": 0.0004855555555555556,
|
||
|
|
"loss": 3.5095,
|
||
|
|
"step": 31500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 9.64,
|
||
|
|
"learning_rate": 0.00048444444444444446,
|
||
|
|
"learning_rate_embeddings": 0.00048444444444444446,
|
||
|
|
"loss": 3.5006,
|
||
|
|
"step": 32000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 9.79,
|
||
|
|
"learning_rate": 0.00048333333333333334,
|
||
|
|
"learning_rate_embeddings": 0.00048333333333333334,
|
||
|
|
"loss": 3.5042,
|
||
|
|
"step": 32500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 9.94,
|
||
|
|
"learning_rate": 0.0004822222222222222,
|
||
|
|
"learning_rate_embeddings": 0.0004822222222222222,
|
||
|
|
"loss": 3.5016,
|
||
|
|
"step": 33000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 10.09,
|
||
|
|
"learning_rate": 0.0004811111111111111,
|
||
|
|
"learning_rate_embeddings": 0.0004811111111111111,
|
||
|
|
"loss": 3.4872,
|
||
|
|
"step": 33500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 10.24,
|
||
|
|
"learning_rate": 0.00048,
|
||
|
|
"learning_rate_embeddings": 0.00048,
|
||
|
|
"loss": 3.4749,
|
||
|
|
"step": 34000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 10.39,
|
||
|
|
"learning_rate": 0.0004788888888888889,
|
||
|
|
"learning_rate_embeddings": 0.0004788888888888889,
|
||
|
|
"loss": 3.4825,
|
||
|
|
"step": 34500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 10.54,
|
||
|
|
"learning_rate": 0.0004777777777777778,
|
||
|
|
"learning_rate_embeddings": 0.0004777777777777778,
|
||
|
|
"loss": 3.4735,
|
||
|
|
"step": 35000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 10.69,
|
||
|
|
"learning_rate": 0.0004766666666666667,
|
||
|
|
"learning_rate_embeddings": 0.0004766666666666667,
|
||
|
|
"loss": 3.4758,
|
||
|
|
"step": 35500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 10.84,
|
||
|
|
"learning_rate": 0.00047555555555555556,
|
||
|
|
"learning_rate_embeddings": 0.00047555555555555556,
|
||
|
|
"loss": 3.476,
|
||
|
|
"step": 36000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 10.99,
|
||
|
|
"learning_rate": 0.00047444444444444444,
|
||
|
|
"learning_rate_embeddings": 0.00047444444444444444,
|
||
|
|
"loss": 3.4827,
|
||
|
|
"step": 36500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 11.14,
|
||
|
|
"learning_rate": 0.00047333333333333336,
|
||
|
|
"learning_rate_embeddings": 0.00047333333333333336,
|
||
|
|
"loss": 3.4621,
|
||
|
|
"step": 37000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 11.29,
|
||
|
|
"learning_rate": 0.00047222222222222224,
|
||
|
|
"learning_rate_embeddings": 0.00047222222222222224,
|
||
|
|
"loss": 3.46,
|
||
|
|
"step": 37500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 11.29,
|
||
|
|
"eval_loss": 3.450908660888672,
|
||
|
|
"eval_runtime": 339.3072,
|
||
|
|
"eval_samples_per_second": 500.302,
|
||
|
|
"eval_steps_per_second": 3.911,
|
||
|
|
"step": 37500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 11.44,
|
||
|
|
"learning_rate": 0.0004711111111111111,
|
||
|
|
"learning_rate_embeddings": 0.0004711111111111111,
|
||
|
|
"loss": 3.4578,
|
||
|
|
"step": 38000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 11.59,
|
||
|
|
"learning_rate": 0.00047,
|
||
|
|
"learning_rate_embeddings": 0.00047,
|
||
|
|
"loss": 3.464,
|
||
|
|
"step": 38500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 11.74,
|
||
|
|
"learning_rate": 0.0004688888888888889,
|
||
|
|
"learning_rate_embeddings": 0.0004688888888888889,
|
||
|
|
"loss": 3.4597,
|
||
|
|
"step": 39000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 11.89,
|
||
|
|
"learning_rate": 0.0004677777777777778,
|
||
|
|
"learning_rate_embeddings": 0.0004677777777777778,
|
||
|
|
"loss": 3.4515,
|
||
|
|
"step": 39500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 12.04,
|
||
|
|
"learning_rate": 0.00046666666666666666,
|
||
|
|
"learning_rate_embeddings": 0.00046666666666666666,
|
||
|
|
"loss": 3.4635,
|
||
|
|
"step": 40000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 12.2,
|
||
|
|
"learning_rate": 0.0004655555555555556,
|
||
|
|
"learning_rate_embeddings": 0.0004655555555555556,
|
||
|
|
"loss": 3.4398,
|
||
|
|
"step": 40500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 12.35,
|
||
|
|
"learning_rate": 0.00046444444444444446,
|
||
|
|
"learning_rate_embeddings": 0.00046444444444444446,
|
||
|
|
"loss": 3.4433,
|
||
|
|
"step": 41000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 12.5,
|
||
|
|
"learning_rate": 0.00046333333333333334,
|
||
|
|
"learning_rate_embeddings": 0.00046333333333333334,
|
||
|
|
"loss": 3.4479,
|
||
|
|
"step": 41500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 12.65,
|
||
|
|
"learning_rate": 0.0004622222222222222,
|
||
|
|
"learning_rate_embeddings": 0.0004622222222222222,
|
||
|
|
"loss": 3.444,
|
||
|
|
"step": 42000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 12.8,
|
||
|
|
"learning_rate": 0.00046111111111111114,
|
||
|
|
"learning_rate_embeddings": 0.00046111111111111114,
|
||
|
|
"loss": 3.4601,
|
||
|
|
"step": 42500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 12.95,
|
||
|
|
"learning_rate": 0.00046,
|
||
|
|
"learning_rate_embeddings": 0.00046,
|
||
|
|
"loss": 3.4457,
|
||
|
|
"step": 43000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 13.1,
|
||
|
|
"learning_rate": 0.0004588888888888889,
|
||
|
|
"learning_rate_embeddings": 0.0004588888888888889,
|
||
|
|
"loss": 3.4304,
|
||
|
|
"step": 43500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 13.25,
|
||
|
|
"learning_rate": 0.0004577777777777778,
|
||
|
|
"learning_rate_embeddings": 0.0004577777777777778,
|
||
|
|
"loss": 3.4221,
|
||
|
|
"step": 44000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 13.4,
|
||
|
|
"learning_rate": 0.0004566666666666667,
|
||
|
|
"learning_rate_embeddings": 0.0004566666666666667,
|
||
|
|
"loss": 3.4291,
|
||
|
|
"step": 44500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 13.55,
|
||
|
|
"learning_rate": 0.00045555555555555556,
|
||
|
|
"learning_rate_embeddings": 0.00045555555555555556,
|
||
|
|
"loss": 3.4317,
|
||
|
|
"step": 45000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 13.7,
|
||
|
|
"learning_rate": 0.00045444444444444444,
|
||
|
|
"learning_rate_embeddings": 0.00045444444444444444,
|
||
|
|
"loss": 3.4365,
|
||
|
|
"step": 45500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 13.85,
|
||
|
|
"learning_rate": 0.0004533333333333333,
|
||
|
|
"learning_rate_embeddings": 0.0004533333333333333,
|
||
|
|
"loss": 3.4375,
|
||
|
|
"step": 46000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 14.0,
|
||
|
|
"learning_rate": 0.00045222222222222224,
|
||
|
|
"learning_rate_embeddings": 0.00045222222222222224,
|
||
|
|
"loss": 3.4398,
|
||
|
|
"step": 46500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 14.15,
|
||
|
|
"learning_rate": 0.0004511111111111111,
|
||
|
|
"learning_rate_embeddings": 0.0004511111111111111,
|
||
|
|
"loss": 3.4177,
|
||
|
|
"step": 47000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 14.3,
|
||
|
|
"learning_rate": 0.00045000000000000004,
|
||
|
|
"learning_rate_embeddings": 0.00045000000000000004,
|
||
|
|
"loss": 3.4112,
|
||
|
|
"step": 47500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 14.45,
|
||
|
|
"learning_rate": 0.0004488888888888889,
|
||
|
|
"learning_rate_embeddings": 0.0004488888888888889,
|
||
|
|
"loss": 3.4147,
|
||
|
|
"step": 48000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 14.6,
|
||
|
|
"learning_rate": 0.0004477777777777778,
|
||
|
|
"learning_rate_embeddings": 0.0004477777777777778,
|
||
|
|
"loss": 3.4309,
|
||
|
|
"step": 48500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 14.75,
|
||
|
|
"learning_rate": 0.00044666666666666666,
|
||
|
|
"learning_rate_embeddings": 0.00044666666666666666,
|
||
|
|
"loss": 3.4239,
|
||
|
|
"step": 49000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 14.9,
|
||
|
|
"learning_rate": 0.00044555555555555554,
|
||
|
|
"learning_rate_embeddings": 0.00044555555555555554,
|
||
|
|
"loss": 3.4223,
|
||
|
|
"step": 49500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 15.06,
|
||
|
|
"learning_rate": 0.0004444444444444444,
|
||
|
|
"learning_rate_embeddings": 0.0004444444444444444,
|
||
|
|
"loss": 3.4191,
|
||
|
|
"step": 50000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 15.06,
|
||
|
|
"eval_loss": 3.415663242340088,
|
||
|
|
"eval_runtime": 339.5814,
|
||
|
|
"eval_samples_per_second": 499.898,
|
||
|
|
"eval_steps_per_second": 3.908,
|
||
|
|
"step": 50000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 15.21,
|
||
|
|
"learning_rate": 0.00044333333333333334,
|
||
|
|
"learning_rate_embeddings": 0.00044333333333333334,
|
||
|
|
"loss": 3.3965,
|
||
|
|
"step": 50500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 15.36,
|
||
|
|
"learning_rate": 0.00044222222222222227,
|
||
|
|
"learning_rate_embeddings": 0.00044222222222222227,
|
||
|
|
"loss": 3.4077,
|
||
|
|
"step": 51000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 15.51,
|
||
|
|
"learning_rate": 0.00044111111111111114,
|
||
|
|
"learning_rate_embeddings": 0.00044111111111111114,
|
||
|
|
"loss": 3.4123,
|
||
|
|
"step": 51500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 15.66,
|
||
|
|
"learning_rate": 0.00044,
|
||
|
|
"learning_rate_embeddings": 0.00044,
|
||
|
|
"loss": 3.412,
|
||
|
|
"step": 52000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 15.81,
|
||
|
|
"learning_rate": 0.0004388888888888889,
|
||
|
|
"learning_rate_embeddings": 0.0004388888888888889,
|
||
|
|
"loss": 3.4212,
|
||
|
|
"step": 52500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 15.96,
|
||
|
|
"learning_rate": 0.00043777777777777776,
|
||
|
|
"learning_rate_embeddings": 0.00043777777777777776,
|
||
|
|
"loss": 3.419,
|
||
|
|
"step": 53000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 16.11,
|
||
|
|
"learning_rate": 0.00043666666666666664,
|
||
|
|
"learning_rate_embeddings": 0.00043666666666666664,
|
||
|
|
"loss": 3.3985,
|
||
|
|
"step": 53500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 16.26,
|
||
|
|
"learning_rate": 0.0004355555555555555,
|
||
|
|
"learning_rate_embeddings": 0.0004355555555555555,
|
||
|
|
"loss": 3.3984,
|
||
|
|
"step": 54000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 16.41,
|
||
|
|
"learning_rate": 0.0004344444444444445,
|
||
|
|
"learning_rate_embeddings": 0.0004344444444444445,
|
||
|
|
"loss": 3.4066,
|
||
|
|
"step": 54500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 16.56,
|
||
|
|
"learning_rate": 0.00043333333333333337,
|
||
|
|
"learning_rate_embeddings": 0.00043333333333333337,
|
||
|
|
"loss": 3.4093,
|
||
|
|
"step": 55000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 16.71,
|
||
|
|
"learning_rate": 0.00043222222222222224,
|
||
|
|
"learning_rate_embeddings": 0.00043222222222222224,
|
||
|
|
"loss": 3.4045,
|
||
|
|
"step": 55500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 16.86,
|
||
|
|
"learning_rate": 0.0004311111111111111,
|
||
|
|
"learning_rate_embeddings": 0.0004311111111111111,
|
||
|
|
"loss": 3.4125,
|
||
|
|
"step": 56000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 17.01,
|
||
|
|
"learning_rate": 0.00043,
|
||
|
|
"learning_rate_embeddings": 0.00043,
|
||
|
|
"loss": 3.4052,
|
||
|
|
"step": 56500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 17.16,
|
||
|
|
"learning_rate": 0.00042888888888888886,
|
||
|
|
"learning_rate_embeddings": 0.00042888888888888886,
|
||
|
|
"loss": 3.3912,
|
||
|
|
"step": 57000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 17.31,
|
||
|
|
"learning_rate": 0.0004277777777777778,
|
||
|
|
"learning_rate_embeddings": 0.0004277777777777778,
|
||
|
|
"loss": 3.3955,
|
||
|
|
"step": 57500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 17.46,
|
||
|
|
"learning_rate": 0.0004266666666666667,
|
||
|
|
"learning_rate_embeddings": 0.0004266666666666667,
|
||
|
|
"loss": 3.3963,
|
||
|
|
"step": 58000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 17.62,
|
||
|
|
"learning_rate": 0.0004255555555555556,
|
||
|
|
"learning_rate_embeddings": 0.0004255555555555556,
|
||
|
|
"loss": 3.3943,
|
||
|
|
"step": 58500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 17.77,
|
||
|
|
"learning_rate": 0.00042444444444444447,
|
||
|
|
"learning_rate_embeddings": 0.00042444444444444447,
|
||
|
|
"loss": 3.4028,
|
||
|
|
"step": 59000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 17.92,
|
||
|
|
"learning_rate": 0.00042333333333333334,
|
||
|
|
"learning_rate_embeddings": 0.00042333333333333334,
|
||
|
|
"loss": 3.3974,
|
||
|
|
"step": 59500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 18.07,
|
||
|
|
"learning_rate": 0.0004222222222222222,
|
||
|
|
"learning_rate_embeddings": 0.0004222222222222222,
|
||
|
|
"loss": 3.394,
|
||
|
|
"step": 60000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 18.22,
|
||
|
|
"learning_rate": 0.0004211111111111111,
|
||
|
|
"learning_rate_embeddings": 0.0004211111111111111,
|
||
|
|
"loss": 3.3731,
|
||
|
|
"step": 60500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 18.37,
|
||
|
|
"learning_rate": 0.00042,
|
||
|
|
"learning_rate_embeddings": 0.00042,
|
||
|
|
"loss": 3.3879,
|
||
|
|
"step": 61000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 18.52,
|
||
|
|
"learning_rate": 0.0004188888888888889,
|
||
|
|
"learning_rate_embeddings": 0.0004188888888888889,
|
||
|
|
"loss": 3.4023,
|
||
|
|
"step": 61500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 18.67,
|
||
|
|
"learning_rate": 0.0004177777777777778,
|
||
|
|
"learning_rate_embeddings": 0.0004177777777777778,
|
||
|
|
"loss": 3.3873,
|
||
|
|
"step": 62000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 18.82,
|
||
|
|
"learning_rate": 0.0004166666666666667,
|
||
|
|
"learning_rate_embeddings": 0.0004166666666666667,
|
||
|
|
"loss": 3.3954,
|
||
|
|
"step": 62500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 18.82,
|
||
|
|
"eval_loss": 3.3931150436401367,
|
||
|
|
"eval_runtime": 339.4313,
|
||
|
|
"eval_samples_per_second": 500.119,
|
||
|
|
"eval_steps_per_second": 3.909,
|
||
|
|
"step": 62500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 18.97,
|
||
|
|
"learning_rate": 0.00041555555555555557,
|
||
|
|
"learning_rate_embeddings": 0.00041555555555555557,
|
||
|
|
"loss": 3.394,
|
||
|
|
"step": 63000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 19.12,
|
||
|
|
"learning_rate": 0.00041444444444444444,
|
||
|
|
"learning_rate_embeddings": 0.00041444444444444444,
|
||
|
|
"loss": 3.3877,
|
||
|
|
"step": 63500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 19.27,
|
||
|
|
"learning_rate": 0.0004133333333333333,
|
||
|
|
"learning_rate_embeddings": 0.0004133333333333333,
|
||
|
|
"loss": 3.3839,
|
||
|
|
"step": 64000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 19.42,
|
||
|
|
"learning_rate": 0.00041222222222222224,
|
||
|
|
"learning_rate_embeddings": 0.00041222222222222224,
|
||
|
|
"loss": 3.3876,
|
||
|
|
"step": 64500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 19.57,
|
||
|
|
"learning_rate": 0.0004111111111111111,
|
||
|
|
"learning_rate_embeddings": 0.0004111111111111111,
|
||
|
|
"loss": 3.3876,
|
||
|
|
"step": 65000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 19.72,
|
||
|
|
"learning_rate": 0.00041,
|
||
|
|
"learning_rate_embeddings": 0.00041,
|
||
|
|
"loss": 3.392,
|
||
|
|
"step": 65500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 19.87,
|
||
|
|
"learning_rate": 0.0004088888888888889,
|
||
|
|
"learning_rate_embeddings": 0.0004088888888888889,
|
||
|
|
"loss": 3.383,
|
||
|
|
"step": 66000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 20.02,
|
||
|
|
"learning_rate": 0.0004077777777777778,
|
||
|
|
"learning_rate_embeddings": 0.0004077777777777778,
|
||
|
|
"loss": 3.3901,
|
||
|
|
"step": 66500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 20.17,
|
||
|
|
"learning_rate": 0.00040666666666666667,
|
||
|
|
"learning_rate_embeddings": 0.00040666666666666667,
|
||
|
|
"loss": 3.3707,
|
||
|
|
"step": 67000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 20.33,
|
||
|
|
"learning_rate": 0.00040555555555555554,
|
||
|
|
"learning_rate_embeddings": 0.00040555555555555554,
|
||
|
|
"loss": 3.3775,
|
||
|
|
"step": 67500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 20.48,
|
||
|
|
"learning_rate": 0.00040444444444444447,
|
||
|
|
"learning_rate_embeddings": 0.00040444444444444447,
|
||
|
|
"loss": 3.3807,
|
||
|
|
"step": 68000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 20.63,
|
||
|
|
"learning_rate": 0.00040333333333333334,
|
||
|
|
"learning_rate_embeddings": 0.00040333333333333334,
|
||
|
|
"loss": 3.3787,
|
||
|
|
"step": 68500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 20.78,
|
||
|
|
"learning_rate": 0.0004022222222222222,
|
||
|
|
"learning_rate_embeddings": 0.0004022222222222222,
|
||
|
|
"loss": 3.3778,
|
||
|
|
"step": 69000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 20.93,
|
||
|
|
"learning_rate": 0.0004011111111111111,
|
||
|
|
"learning_rate_embeddings": 0.0004011111111111111,
|
||
|
|
"loss": 3.3895,
|
||
|
|
"step": 69500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 21.08,
|
||
|
|
"learning_rate": 0.0004,
|
||
|
|
"learning_rate_embeddings": 0.0004,
|
||
|
|
"loss": 3.3752,
|
||
|
|
"step": 70000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 21.23,
|
||
|
|
"learning_rate": 0.0003988888888888889,
|
||
|
|
"learning_rate_embeddings": 0.0003988888888888889,
|
||
|
|
"loss": 3.3688,
|
||
|
|
"step": 70500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 21.38,
|
||
|
|
"learning_rate": 0.00039777777777777777,
|
||
|
|
"learning_rate_embeddings": 0.00039777777777777777,
|
||
|
|
"loss": 3.3726,
|
||
|
|
"step": 71000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 21.53,
|
||
|
|
"learning_rate": 0.0003966666666666667,
|
||
|
|
"learning_rate_embeddings": 0.0003966666666666667,
|
||
|
|
"loss": 3.3728,
|
||
|
|
"step": 71500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 21.68,
|
||
|
|
"learning_rate": 0.00039555555555555557,
|
||
|
|
"learning_rate_embeddings": 0.00039555555555555557,
|
||
|
|
"loss": 3.3753,
|
||
|
|
"step": 72000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 21.83,
|
||
|
|
"learning_rate": 0.00039444444444444444,
|
||
|
|
"learning_rate_embeddings": 0.00039444444444444444,
|
||
|
|
"loss": 3.3732,
|
||
|
|
"step": 72500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 21.98,
|
||
|
|
"learning_rate": 0.0003933333333333333,
|
||
|
|
"learning_rate_embeddings": 0.0003933333333333333,
|
||
|
|
"loss": 3.3757,
|
||
|
|
"step": 73000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 22.13,
|
||
|
|
"learning_rate": 0.00039222222222222225,
|
||
|
|
"learning_rate_embeddings": 0.00039222222222222225,
|
||
|
|
"loss": 3.3616,
|
||
|
|
"step": 73500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 22.28,
|
||
|
|
"learning_rate": 0.0003911111111111111,
|
||
|
|
"learning_rate_embeddings": 0.0003911111111111111,
|
||
|
|
"loss": 3.3688,
|
||
|
|
"step": 74000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 22.43,
|
||
|
|
"learning_rate": 0.00039000000000000005,
|
||
|
|
"learning_rate_embeddings": 0.00039000000000000005,
|
||
|
|
"loss": 3.375,
|
||
|
|
"step": 74500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 22.58,
|
||
|
|
"learning_rate": 0.0003888888888888889,
|
||
|
|
"learning_rate_embeddings": 0.0003888888888888889,
|
||
|
|
"loss": 3.3718,
|
||
|
|
"step": 75000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 22.58,
|
||
|
|
"eval_loss": 3.380474090576172,
|
||
|
|
"eval_runtime": 339.4022,
|
||
|
|
"eval_samples_per_second": 500.162,
|
||
|
|
"eval_steps_per_second": 3.91,
|
||
|
|
"step": 75000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 22.73,
|
||
|
|
"learning_rate": 0.0003877777777777778,
|
||
|
|
"learning_rate_embeddings": 0.0003877777777777778,
|
||
|
|
"loss": 3.3739,
|
||
|
|
"step": 75500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 22.88,
|
||
|
|
"learning_rate": 0.00038666666666666667,
|
||
|
|
"learning_rate_embeddings": 0.00038666666666666667,
|
||
|
|
"loss": 3.3765,
|
||
|
|
"step": 76000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 23.04,
|
||
|
|
"learning_rate": 0.00038555555555555554,
|
||
|
|
"learning_rate_embeddings": 0.00038555555555555554,
|
||
|
|
"loss": 3.3752,
|
||
|
|
"step": 76500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 23.19,
|
||
|
|
"learning_rate": 0.0003844444444444444,
|
||
|
|
"learning_rate_embeddings": 0.0003844444444444444,
|
||
|
|
"loss": 3.353,
|
||
|
|
"step": 77000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 23.34,
|
||
|
|
"learning_rate": 0.00038333333333333334,
|
||
|
|
"learning_rate_embeddings": 0.00038333333333333334,
|
||
|
|
"loss": 3.3647,
|
||
|
|
"step": 77500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 23.49,
|
||
|
|
"learning_rate": 0.0003822222222222223,
|
||
|
|
"learning_rate_embeddings": 0.0003822222222222223,
|
||
|
|
"loss": 3.3578,
|
||
|
|
"step": 78000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 23.64,
|
||
|
|
"learning_rate": 0.00038111111111111115,
|
||
|
|
"learning_rate_embeddings": 0.00038111111111111115,
|
||
|
|
"loss": 3.3731,
|
||
|
|
"step": 78500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 23.79,
|
||
|
|
"learning_rate": 0.00038,
|
||
|
|
"learning_rate_embeddings": 0.00038,
|
||
|
|
"loss": 3.3645,
|
||
|
|
"step": 79000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 23.94,
|
||
|
|
"learning_rate": 0.0003788888888888889,
|
||
|
|
"learning_rate_embeddings": 0.0003788888888888889,
|
||
|
|
"loss": 3.3735,
|
||
|
|
"step": 79500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 24.09,
|
||
|
|
"learning_rate": 0.00037777777777777777,
|
||
|
|
"learning_rate_embeddings": 0.00037777777777777777,
|
||
|
|
"loss": 3.3648,
|
||
|
|
"step": 80000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 24.24,
|
||
|
|
"learning_rate": 0.00037666666666666664,
|
||
|
|
"learning_rate_embeddings": 0.00037666666666666664,
|
||
|
|
"loss": 3.3551,
|
||
|
|
"step": 80500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 24.39,
|
||
|
|
"learning_rate": 0.0003755555555555555,
|
||
|
|
"learning_rate_embeddings": 0.0003755555555555555,
|
||
|
|
"loss": 3.3605,
|
||
|
|
"step": 81000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 24.54,
|
||
|
|
"learning_rate": 0.0003744444444444445,
|
||
|
|
"learning_rate_embeddings": 0.0003744444444444445,
|
||
|
|
"loss": 3.3619,
|
||
|
|
"step": 81500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 24.69,
|
||
|
|
"learning_rate": 0.0003733333333333334,
|
||
|
|
"learning_rate_embeddings": 0.0003733333333333334,
|
||
|
|
"loss": 3.3657,
|
||
|
|
"step": 82000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 24.84,
|
||
|
|
"learning_rate": 0.00037222222222222225,
|
||
|
|
"learning_rate_embeddings": 0.00037222222222222225,
|
||
|
|
"loss": 3.3676,
|
||
|
|
"step": 82500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 24.99,
|
||
|
|
"learning_rate": 0.0003711111111111111,
|
||
|
|
"learning_rate_embeddings": 0.0003711111111111111,
|
||
|
|
"loss": 3.3665,
|
||
|
|
"step": 83000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 25.14,
|
||
|
|
"learning_rate": 0.00037,
|
||
|
|
"learning_rate_embeddings": 0.00037,
|
||
|
|
"loss": 3.3486,
|
||
|
|
"step": 83500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 25.29,
|
||
|
|
"learning_rate": 0.00036888888888888887,
|
||
|
|
"learning_rate_embeddings": 0.00036888888888888887,
|
||
|
|
"loss": 3.3545,
|
||
|
|
"step": 84000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 25.44,
|
||
|
|
"learning_rate": 0.00036777777777777774,
|
||
|
|
"learning_rate_embeddings": 0.00036777777777777774,
|
||
|
|
"loss": 3.3605,
|
||
|
|
"step": 84500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 25.59,
|
||
|
|
"learning_rate": 0.00036666666666666667,
|
||
|
|
"learning_rate_embeddings": 0.00036666666666666667,
|
||
|
|
"loss": 3.3613,
|
||
|
|
"step": 85000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 25.75,
|
||
|
|
"learning_rate": 0.0003655555555555556,
|
||
|
|
"learning_rate_embeddings": 0.0003655555555555556,
|
||
|
|
"loss": 3.3639,
|
||
|
|
"step": 85500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 25.9,
|
||
|
|
"learning_rate": 0.00036444444444444447,
|
||
|
|
"learning_rate_embeddings": 0.00036444444444444447,
|
||
|
|
"loss": 3.3596,
|
||
|
|
"step": 86000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 26.05,
|
||
|
|
"learning_rate": 0.00036333333333333335,
|
||
|
|
"learning_rate_embeddings": 0.00036333333333333335,
|
||
|
|
"loss": 3.3658,
|
||
|
|
"step": 86500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 26.2,
|
||
|
|
"learning_rate": 0.0003622222222222222,
|
||
|
|
"learning_rate_embeddings": 0.0003622222222222222,
|
||
|
|
"loss": 3.3485,
|
||
|
|
"step": 87000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 26.35,
|
||
|
|
"learning_rate": 0.0003611111111111111,
|
||
|
|
"learning_rate_embeddings": 0.0003611111111111111,
|
||
|
|
"loss": 3.3543,
|
||
|
|
"step": 87500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 26.35,
|
||
|
|
"eval_loss": 3.3701975345611572,
|
||
|
|
"eval_runtime": 339.7498,
|
||
|
|
"eval_samples_per_second": 499.65,
|
||
|
|
"eval_steps_per_second": 3.906,
|
||
|
|
"step": 87500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 26.5,
|
||
|
|
"learning_rate": 0.00035999999999999997,
|
||
|
|
"learning_rate_embeddings": 0.00035999999999999997,
|
||
|
|
"loss": 3.3524,
|
||
|
|
"step": 88000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 26.65,
|
||
|
|
"learning_rate": 0.0003588888888888889,
|
||
|
|
"learning_rate_embeddings": 0.0003588888888888889,
|
||
|
|
"loss": 3.3594,
|
||
|
|
"step": 88500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 26.8,
|
||
|
|
"learning_rate": 0.00035777777777777777,
|
||
|
|
"learning_rate_embeddings": 0.00035777777777777777,
|
||
|
|
"loss": 3.3552,
|
||
|
|
"step": 89000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 26.95,
|
||
|
|
"learning_rate": 0.0003566666666666667,
|
||
|
|
"learning_rate_embeddings": 0.0003566666666666667,
|
||
|
|
"loss": 3.3616,
|
||
|
|
"step": 89500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 27.1,
|
||
|
|
"learning_rate": 0.00035555555555555557,
|
||
|
|
"learning_rate_embeddings": 0.00035555555555555557,
|
||
|
|
"loss": 3.3461,
|
||
|
|
"step": 90000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 27.25,
|
||
|
|
"learning_rate": 0.00035444444444444445,
|
||
|
|
"learning_rate_embeddings": 0.00035444444444444445,
|
||
|
|
"loss": 3.3368,
|
||
|
|
"step": 90500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 27.4,
|
||
|
|
"learning_rate": 0.0003533333333333333,
|
||
|
|
"learning_rate_embeddings": 0.0003533333333333333,
|
||
|
|
"loss": 3.3526,
|
||
|
|
"step": 91000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 27.55,
|
||
|
|
"learning_rate": 0.00035222222222222225,
|
||
|
|
"learning_rate_embeddings": 0.00035222222222222225,
|
||
|
|
"loss": 3.3525,
|
||
|
|
"step": 91500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 27.7,
|
||
|
|
"learning_rate": 0.0003511111111111111,
|
||
|
|
"learning_rate_embeddings": 0.0003511111111111111,
|
||
|
|
"loss": 3.3537,
|
||
|
|
"step": 92000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 27.85,
|
||
|
|
"learning_rate": 0.00035,
|
||
|
|
"learning_rate_embeddings": 0.00035,
|
||
|
|
"loss": 3.358,
|
||
|
|
"step": 92500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 28.0,
|
||
|
|
"learning_rate": 0.0003488888888888889,
|
||
|
|
"learning_rate_embeddings": 0.0003488888888888889,
|
||
|
|
"loss": 3.3605,
|
||
|
|
"step": 93000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 28.15,
|
||
|
|
"learning_rate": 0.0003477777777777778,
|
||
|
|
"learning_rate_embeddings": 0.0003477777777777778,
|
||
|
|
"loss": 3.3352,
|
||
|
|
"step": 93500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 28.3,
|
||
|
|
"learning_rate": 0.00034666666666666667,
|
||
|
|
"learning_rate_embeddings": 0.00034666666666666667,
|
||
|
|
"loss": 3.3506,
|
||
|
|
"step": 94000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 28.46,
|
||
|
|
"learning_rate": 0.00034555555555555555,
|
||
|
|
"learning_rate_embeddings": 0.00034555555555555555,
|
||
|
|
"loss": 3.3492,
|
||
|
|
"step": 94500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 28.61,
|
||
|
|
"learning_rate": 0.0003444444444444445,
|
||
|
|
"learning_rate_embeddings": 0.0003444444444444445,
|
||
|
|
"loss": 3.346,
|
||
|
|
"step": 95000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 28.76,
|
||
|
|
"learning_rate": 0.00034333333333333335,
|
||
|
|
"learning_rate_embeddings": 0.00034333333333333335,
|
||
|
|
"loss": 3.3543,
|
||
|
|
"step": 95500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 28.91,
|
||
|
|
"learning_rate": 0.0003422222222222222,
|
||
|
|
"learning_rate_embeddings": 0.0003422222222222222,
|
||
|
|
"loss": 3.3494,
|
||
|
|
"step": 96000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 29.06,
|
||
|
|
"learning_rate": 0.0003411111111111111,
|
||
|
|
"learning_rate_embeddings": 0.0003411111111111111,
|
||
|
|
"loss": 3.358,
|
||
|
|
"step": 96500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 29.21,
|
||
|
|
"learning_rate": 0.00034,
|
||
|
|
"learning_rate_embeddings": 0.00034,
|
||
|
|
"loss": 3.3407,
|
||
|
|
"step": 97000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 29.36,
|
||
|
|
"learning_rate": 0.0003388888888888889,
|
||
|
|
"learning_rate_embeddings": 0.0003388888888888889,
|
||
|
|
"loss": 3.3448,
|
||
|
|
"step": 97500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 29.51,
|
||
|
|
"learning_rate": 0.00033777777777777777,
|
||
|
|
"learning_rate_embeddings": 0.00033777777777777777,
|
||
|
|
"loss": 3.3537,
|
||
|
|
"step": 98000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 29.66,
|
||
|
|
"learning_rate": 0.0003366666666666667,
|
||
|
|
"learning_rate_embeddings": 0.0003366666666666667,
|
||
|
|
"loss": 3.3533,
|
||
|
|
"step": 98500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 29.81,
|
||
|
|
"learning_rate": 0.0003355555555555556,
|
||
|
|
"learning_rate_embeddings": 0.0003355555555555556,
|
||
|
|
"loss": 3.3539,
|
||
|
|
"step": 99000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 29.96,
|
||
|
|
"learning_rate": 0.00033444444444444445,
|
||
|
|
"learning_rate_embeddings": 0.00033444444444444445,
|
||
|
|
"loss": 3.3497,
|
||
|
|
"step": 99500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 30.11,
|
||
|
|
"learning_rate": 0.0003333333333333333,
|
||
|
|
"learning_rate_embeddings": 0.0003333333333333333,
|
||
|
|
"loss": 3.3353,
|
||
|
|
"step": 100000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 30.11,
|
||
|
|
"eval_loss": 3.360551357269287,
|
||
|
|
"eval_runtime": 339.4078,
|
||
|
|
"eval_samples_per_second": 500.153,
|
||
|
|
"eval_steps_per_second": 3.91,
|
||
|
|
"step": 100000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 30.26,
|
||
|
|
"learning_rate": 0.0003322222222222222,
|
||
|
|
"learning_rate_embeddings": 0.0003322222222222222,
|
||
|
|
"loss": 3.3458,
|
||
|
|
"step": 100500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 30.41,
|
||
|
|
"learning_rate": 0.0003311111111111111,
|
||
|
|
"learning_rate_embeddings": 0.0003311111111111111,
|
||
|
|
"loss": 3.3401,
|
||
|
|
"step": 101000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 30.56,
|
||
|
|
"learning_rate": 0.00033,
|
||
|
|
"learning_rate_embeddings": 0.00033,
|
||
|
|
"loss": 3.3402,
|
||
|
|
"step": 101500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 30.71,
|
||
|
|
"learning_rate": 0.0003288888888888889,
|
||
|
|
"learning_rate_embeddings": 0.0003288888888888889,
|
||
|
|
"loss": 3.3472,
|
||
|
|
"step": 102000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 30.86,
|
||
|
|
"learning_rate": 0.0003277777777777778,
|
||
|
|
"learning_rate_embeddings": 0.0003277777777777778,
|
||
|
|
"loss": 3.346,
|
||
|
|
"step": 102500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 31.01,
|
||
|
|
"learning_rate": 0.0003266666666666667,
|
||
|
|
"learning_rate_embeddings": 0.0003266666666666667,
|
||
|
|
"loss": 3.3464,
|
||
|
|
"step": 103000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 31.17,
|
||
|
|
"learning_rate": 0.00032555555555555555,
|
||
|
|
"learning_rate_embeddings": 0.00032555555555555555,
|
||
|
|
"loss": 3.3269,
|
||
|
|
"step": 103500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 31.32,
|
||
|
|
"learning_rate": 0.0003244444444444444,
|
||
|
|
"learning_rate_embeddings": 0.0003244444444444444,
|
||
|
|
"loss": 3.3285,
|
||
|
|
"step": 104000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 31.47,
|
||
|
|
"learning_rate": 0.0003233333333333333,
|
||
|
|
"learning_rate_embeddings": 0.0003233333333333333,
|
||
|
|
"loss": 3.3384,
|
||
|
|
"step": 104500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 31.62,
|
||
|
|
"learning_rate": 0.0003222222222222222,
|
||
|
|
"learning_rate_embeddings": 0.0003222222222222222,
|
||
|
|
"loss": 3.336,
|
||
|
|
"step": 105000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 31.77,
|
||
|
|
"learning_rate": 0.00032111111111111115,
|
||
|
|
"learning_rate_embeddings": 0.00032111111111111115,
|
||
|
|
"loss": 3.3437,
|
||
|
|
"step": 105500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 31.92,
|
||
|
|
"learning_rate": 0.00032,
|
||
|
|
"learning_rate_embeddings": 0.00032,
|
||
|
|
"loss": 3.3459,
|
||
|
|
"step": 106000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 32.07,
|
||
|
|
"learning_rate": 0.0003188888888888889,
|
||
|
|
"learning_rate_embeddings": 0.0003188888888888889,
|
||
|
|
"loss": 3.3486,
|
||
|
|
"step": 106500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 32.22,
|
||
|
|
"learning_rate": 0.0003177777777777778,
|
||
|
|
"learning_rate_embeddings": 0.0003177777777777778,
|
||
|
|
"loss": 3.3274,
|
||
|
|
"step": 107000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 32.37,
|
||
|
|
"learning_rate": 0.00031666666666666665,
|
||
|
|
"learning_rate_embeddings": 0.00031666666666666665,
|
||
|
|
"loss": 3.3359,
|
||
|
|
"step": 107500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 32.52,
|
||
|
|
"learning_rate": 0.0003155555555555555,
|
||
|
|
"learning_rate_embeddings": 0.0003155555555555555,
|
||
|
|
"loss": 3.3383,
|
||
|
|
"step": 108000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 32.67,
|
||
|
|
"learning_rate": 0.0003144444444444445,
|
||
|
|
"learning_rate_embeddings": 0.0003144444444444445,
|
||
|
|
"loss": 3.3394,
|
||
|
|
"step": 108500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 32.82,
|
||
|
|
"learning_rate": 0.0003133333333333334,
|
||
|
|
"learning_rate_embeddings": 0.0003133333333333334,
|
||
|
|
"loss": 3.3386,
|
||
|
|
"step": 109000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 32.97,
|
||
|
|
"learning_rate": 0.00031222222222222225,
|
||
|
|
"learning_rate_embeddings": 0.00031222222222222225,
|
||
|
|
"loss": 3.3499,
|
||
|
|
"step": 109500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 33.12,
|
||
|
|
"learning_rate": 0.0003111111111111111,
|
||
|
|
"learning_rate_embeddings": 0.0003111111111111111,
|
||
|
|
"loss": 3.3333,
|
||
|
|
"step": 110000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 33.27,
|
||
|
|
"learning_rate": 0.00031,
|
||
|
|
"learning_rate_embeddings": 0.00031,
|
||
|
|
"loss": 3.3281,
|
||
|
|
"step": 110500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 33.42,
|
||
|
|
"learning_rate": 0.0003088888888888889,
|
||
|
|
"learning_rate_embeddings": 0.0003088888888888889,
|
||
|
|
"loss": 3.3347,
|
||
|
|
"step": 111000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 33.57,
|
||
|
|
"learning_rate": 0.00030777777777777775,
|
||
|
|
"learning_rate_embeddings": 0.00030777777777777775,
|
||
|
|
"loss": 3.3386,
|
||
|
|
"step": 111500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 33.72,
|
||
|
|
"learning_rate": 0.0003066666666666667,
|
||
|
|
"learning_rate_embeddings": 0.0003066666666666667,
|
||
|
|
"loss": 3.331,
|
||
|
|
"step": 112000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 33.88,
|
||
|
|
"learning_rate": 0.0003055555555555556,
|
||
|
|
"learning_rate_embeddings": 0.0003055555555555556,
|
||
|
|
"loss": 3.3403,
|
||
|
|
"step": 112500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 33.88,
|
||
|
|
"eval_loss": 3.3534741401672363,
|
||
|
|
"eval_runtime": 338.9476,
|
||
|
|
"eval_samples_per_second": 500.833,
|
||
|
|
"eval_steps_per_second": 3.915,
|
||
|
|
"step": 112500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 34.03,
|
||
|
|
"learning_rate": 0.0003044444444444445,
|
||
|
|
"learning_rate_embeddings": 0.0003044444444444445,
|
||
|
|
"loss": 3.3425,
|
||
|
|
"step": 113000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 34.18,
|
||
|
|
"learning_rate": 0.00030333333333333335,
|
||
|
|
"learning_rate_embeddings": 0.00030333333333333335,
|
||
|
|
"loss": 3.3207,
|
||
|
|
"step": 113500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 34.33,
|
||
|
|
"learning_rate": 0.0003022222222222222,
|
||
|
|
"learning_rate_embeddings": 0.0003022222222222222,
|
||
|
|
"loss": 3.3287,
|
||
|
|
"step": 114000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 34.48,
|
||
|
|
"learning_rate": 0.0003011111111111111,
|
||
|
|
"learning_rate_embeddings": 0.0003011111111111111,
|
||
|
|
"loss": 3.3288,
|
||
|
|
"step": 114500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 34.63,
|
||
|
|
"learning_rate": 0.0003,
|
||
|
|
"learning_rate_embeddings": 0.0003,
|
||
|
|
"loss": 3.3309,
|
||
|
|
"step": 115000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 34.78,
|
||
|
|
"learning_rate": 0.0002988888888888889,
|
||
|
|
"learning_rate_embeddings": 0.0002988888888888889,
|
||
|
|
"loss": 3.3387,
|
||
|
|
"step": 115500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 34.93,
|
||
|
|
"learning_rate": 0.0002977777777777778,
|
||
|
|
"learning_rate_embeddings": 0.0002977777777777778,
|
||
|
|
"loss": 3.3403,
|
||
|
|
"step": 116000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 35.08,
|
||
|
|
"learning_rate": 0.0002966666666666667,
|
||
|
|
"learning_rate_embeddings": 0.0002966666666666667,
|
||
|
|
"loss": 3.329,
|
||
|
|
"step": 116500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 35.23,
|
||
|
|
"learning_rate": 0.0002955555555555556,
|
||
|
|
"learning_rate_embeddings": 0.0002955555555555556,
|
||
|
|
"loss": 3.3297,
|
||
|
|
"step": 117000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 35.38,
|
||
|
|
"learning_rate": 0.00029444444444444445,
|
||
|
|
"learning_rate_embeddings": 0.00029444444444444445,
|
||
|
|
"loss": 3.3262,
|
||
|
|
"step": 117500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 35.53,
|
||
|
|
"learning_rate": 0.0002933333333333333,
|
||
|
|
"learning_rate_embeddings": 0.0002933333333333333,
|
||
|
|
"loss": 3.325,
|
||
|
|
"step": 118000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 35.68,
|
||
|
|
"learning_rate": 0.0002922222222222222,
|
||
|
|
"learning_rate_embeddings": 0.0002922222222222222,
|
||
|
|
"loss": 3.3286,
|
||
|
|
"step": 118500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 35.83,
|
||
|
|
"learning_rate": 0.00029111111111111113,
|
||
|
|
"learning_rate_embeddings": 0.00029111111111111113,
|
||
|
|
"loss": 3.3337,
|
||
|
|
"step": 119000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 35.98,
|
||
|
|
"learning_rate": 0.00029,
|
||
|
|
"learning_rate_embeddings": 0.00029,
|
||
|
|
"loss": 3.334,
|
||
|
|
"step": 119500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 36.13,
|
||
|
|
"learning_rate": 0.0002888888888888889,
|
||
|
|
"learning_rate_embeddings": 0.0002888888888888889,
|
||
|
|
"loss": 3.322,
|
||
|
|
"step": 120000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 36.28,
|
||
|
|
"learning_rate": 0.0002877777777777778,
|
||
|
|
"learning_rate_embeddings": 0.0002877777777777778,
|
||
|
|
"loss": 3.3269,
|
||
|
|
"step": 120500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 36.43,
|
||
|
|
"learning_rate": 0.0002866666666666667,
|
||
|
|
"learning_rate_embeddings": 0.0002866666666666667,
|
||
|
|
"loss": 3.321,
|
||
|
|
"step": 121000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 36.59,
|
||
|
|
"learning_rate": 0.00028555555555555555,
|
||
|
|
"learning_rate_embeddings": 0.00028555555555555555,
|
||
|
|
"loss": 3.3275,
|
||
|
|
"step": 121500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 36.74,
|
||
|
|
"learning_rate": 0.0002844444444444444,
|
||
|
|
"learning_rate_embeddings": 0.0002844444444444444,
|
||
|
|
"loss": 3.334,
|
||
|
|
"step": 122000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 36.89,
|
||
|
|
"learning_rate": 0.00028333333333333335,
|
||
|
|
"learning_rate_embeddings": 0.00028333333333333335,
|
||
|
|
"loss": 3.3259,
|
||
|
|
"step": 122500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 37.04,
|
||
|
|
"learning_rate": 0.00028222222222222223,
|
||
|
|
"learning_rate_embeddings": 0.00028222222222222223,
|
||
|
|
"loss": 3.3373,
|
||
|
|
"step": 123000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 37.19,
|
||
|
|
"learning_rate": 0.0002811111111111111,
|
||
|
|
"learning_rate_embeddings": 0.0002811111111111111,
|
||
|
|
"loss": 3.3228,
|
||
|
|
"step": 123500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 37.34,
|
||
|
|
"learning_rate": 0.00028000000000000003,
|
||
|
|
"learning_rate_embeddings": 0.00028000000000000003,
|
||
|
|
"loss": 3.3244,
|
||
|
|
"step": 124000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 37.49,
|
||
|
|
"learning_rate": 0.0002788888888888889,
|
||
|
|
"learning_rate_embeddings": 0.0002788888888888889,
|
||
|
|
"loss": 3.3212,
|
||
|
|
"step": 124500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 37.64,
|
||
|
|
"learning_rate": 0.0002777777777777778,
|
||
|
|
"learning_rate_embeddings": 0.0002777777777777778,
|
||
|
|
"loss": 3.3288,
|
||
|
|
"step": 125000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 37.64,
|
||
|
|
"eval_loss": 3.348264455795288,
|
||
|
|
"eval_runtime": 339.1916,
|
||
|
|
"eval_samples_per_second": 500.472,
|
||
|
|
"eval_steps_per_second": 3.912,
|
||
|
|
"step": 125000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 37.79,
|
||
|
|
"learning_rate": 0.00027666666666666665,
|
||
|
|
"learning_rate_embeddings": 0.00027666666666666665,
|
||
|
|
"loss": 3.3295,
|
||
|
|
"step": 125500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 37.94,
|
||
|
|
"learning_rate": 0.0002755555555555556,
|
||
|
|
"learning_rate_embeddings": 0.0002755555555555556,
|
||
|
|
"loss": 3.3343,
|
||
|
|
"step": 126000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 38.09,
|
||
|
|
"learning_rate": 0.00027444444444444445,
|
||
|
|
"learning_rate_embeddings": 0.00027444444444444445,
|
||
|
|
"loss": 3.3282,
|
||
|
|
"step": 126500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 38.24,
|
||
|
|
"learning_rate": 0.00027333333333333333,
|
||
|
|
"learning_rate_embeddings": 0.00027333333333333333,
|
||
|
|
"loss": 3.3191,
|
||
|
|
"step": 127000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 38.39,
|
||
|
|
"learning_rate": 0.0002722222222222222,
|
||
|
|
"learning_rate_embeddings": 0.0002722222222222222,
|
||
|
|
"loss": 3.3225,
|
||
|
|
"step": 127500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 38.54,
|
||
|
|
"learning_rate": 0.00027111111111111113,
|
||
|
|
"learning_rate_embeddings": 0.00027111111111111113,
|
||
|
|
"loss": 3.3233,
|
||
|
|
"step": 128000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 38.69,
|
||
|
|
"learning_rate": 0.00027,
|
||
|
|
"learning_rate_embeddings": 0.00027,
|
||
|
|
"loss": 3.3248,
|
||
|
|
"step": 128500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 38.84,
|
||
|
|
"learning_rate": 0.00026888888888888893,
|
||
|
|
"learning_rate_embeddings": 0.00026888888888888893,
|
||
|
|
"loss": 3.3238,
|
||
|
|
"step": 129000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 38.99,
|
||
|
|
"learning_rate": 0.0002677777777777778,
|
||
|
|
"learning_rate_embeddings": 0.0002677777777777778,
|
||
|
|
"loss": 3.3335,
|
||
|
|
"step": 129500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 39.14,
|
||
|
|
"learning_rate": 0.0002666666666666667,
|
||
|
|
"learning_rate_embeddings": 0.0002666666666666667,
|
||
|
|
"loss": 3.3204,
|
||
|
|
"step": 130000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 39.3,
|
||
|
|
"learning_rate": 0.00026555555555555555,
|
||
|
|
"learning_rate_embeddings": 0.00026555555555555555,
|
||
|
|
"loss": 3.3155,
|
||
|
|
"step": 130500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 39.45,
|
||
|
|
"learning_rate": 0.00026444444444444443,
|
||
|
|
"learning_rate_embeddings": 0.00026444444444444443,
|
||
|
|
"loss": 3.3218,
|
||
|
|
"step": 131000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 39.6,
|
||
|
|
"learning_rate": 0.0002633333333333333,
|
||
|
|
"learning_rate_embeddings": 0.0002633333333333333,
|
||
|
|
"loss": 3.3211,
|
||
|
|
"step": 131500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 39.75,
|
||
|
|
"learning_rate": 0.00026222222222222223,
|
||
|
|
"learning_rate_embeddings": 0.00026222222222222223,
|
||
|
|
"loss": 3.3292,
|
||
|
|
"step": 132000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 39.9,
|
||
|
|
"learning_rate": 0.00026111111111111116,
|
||
|
|
"learning_rate_embeddings": 0.00026111111111111116,
|
||
|
|
"loss": 3.3256,
|
||
|
|
"step": 132500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 40.05,
|
||
|
|
"learning_rate": 0.00026000000000000003,
|
||
|
|
"learning_rate_embeddings": 0.00026000000000000003,
|
||
|
|
"loss": 3.3204,
|
||
|
|
"step": 133000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 40.2,
|
||
|
|
"learning_rate": 0.0002588888888888889,
|
||
|
|
"learning_rate_embeddings": 0.0002588888888888889,
|
||
|
|
"loss": 3.3087,
|
||
|
|
"step": 133500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 40.35,
|
||
|
|
"learning_rate": 0.0002577777777777778,
|
||
|
|
"learning_rate_embeddings": 0.0002577777777777778,
|
||
|
|
"loss": 3.3138,
|
||
|
|
"step": 134000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 40.5,
|
||
|
|
"learning_rate": 0.00025666666666666665,
|
||
|
|
"learning_rate_embeddings": 0.00025666666666666665,
|
||
|
|
"loss": 3.3227,
|
||
|
|
"step": 134500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 40.65,
|
||
|
|
"learning_rate": 0.00025555555555555553,
|
||
|
|
"learning_rate_embeddings": 0.00025555555555555553,
|
||
|
|
"loss": 3.3172,
|
||
|
|
"step": 135000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 40.8,
|
||
|
|
"learning_rate": 0.0002544444444444444,
|
||
|
|
"learning_rate_embeddings": 0.0002544444444444444,
|
||
|
|
"loss": 3.3333,
|
||
|
|
"step": 135500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 40.95,
|
||
|
|
"learning_rate": 0.0002533333333333334,
|
||
|
|
"learning_rate_embeddings": 0.0002533333333333334,
|
||
|
|
"loss": 3.3318,
|
||
|
|
"step": 136000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 41.1,
|
||
|
|
"learning_rate": 0.00025222222222222226,
|
||
|
|
"learning_rate_embeddings": 0.00025222222222222226,
|
||
|
|
"loss": 3.3243,
|
||
|
|
"step": 136500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 41.25,
|
||
|
|
"learning_rate": 0.00025111111111111113,
|
||
|
|
"learning_rate_embeddings": 0.00025111111111111113,
|
||
|
|
"loss": 3.3072,
|
||
|
|
"step": 137000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 41.4,
|
||
|
|
"learning_rate": 0.00025,
|
||
|
|
"learning_rate_embeddings": 0.00025,
|
||
|
|
"loss": 3.3202,
|
||
|
|
"step": 137500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 41.4,
|
||
|
|
"eval_loss": 3.3424789905548096,
|
||
|
|
"eval_runtime": 339.2553,
|
||
|
|
"eval_samples_per_second": 500.378,
|
||
|
|
"eval_steps_per_second": 3.912,
|
||
|
|
"step": 137500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 41.55,
|
||
|
|
"learning_rate": 0.0002488888888888889,
|
||
|
|
"learning_rate_embeddings": 0.0002488888888888889,
|
||
|
|
"loss": 3.3259,
|
||
|
|
"step": 138000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 41.7,
|
||
|
|
"learning_rate": 0.0002477777777777778,
|
||
|
|
"learning_rate_embeddings": 0.0002477777777777778,
|
||
|
|
"loss": 3.3193,
|
||
|
|
"step": 138500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 41.85,
|
||
|
|
"learning_rate": 0.0002466666666666667,
|
||
|
|
"learning_rate_embeddings": 0.0002466666666666667,
|
||
|
|
"loss": 3.3199,
|
||
|
|
"step": 139000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 42.01,
|
||
|
|
"learning_rate": 0.00024555555555555556,
|
||
|
|
"learning_rate_embeddings": 0.00024555555555555556,
|
||
|
|
"loss": 3.3275,
|
||
|
|
"step": 139500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 42.16,
|
||
|
|
"learning_rate": 0.00024444444444444443,
|
||
|
|
"learning_rate_embeddings": 0.00024444444444444443,
|
||
|
|
"loss": 3.3066,
|
||
|
|
"step": 140000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 42.31,
|
||
|
|
"learning_rate": 0.00024333333333333336,
|
||
|
|
"learning_rate_embeddings": 0.00024333333333333336,
|
||
|
|
"loss": 3.3145,
|
||
|
|
"step": 140500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 42.46,
|
||
|
|
"learning_rate": 0.00024222222222222223,
|
||
|
|
"learning_rate_embeddings": 0.00024222222222222223,
|
||
|
|
"loss": 3.3146,
|
||
|
|
"step": 141000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 42.61,
|
||
|
|
"learning_rate": 0.0002411111111111111,
|
||
|
|
"learning_rate_embeddings": 0.0002411111111111111,
|
||
|
|
"loss": 3.3169,
|
||
|
|
"step": 141500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 42.76,
|
||
|
|
"learning_rate": 0.00024,
|
||
|
|
"learning_rate_embeddings": 0.00024,
|
||
|
|
"loss": 3.3166,
|
||
|
|
"step": 142000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 42.91,
|
||
|
|
"learning_rate": 0.0002388888888888889,
|
||
|
|
"learning_rate_embeddings": 0.0002388888888888889,
|
||
|
|
"loss": 3.3196,
|
||
|
|
"step": 142500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 43.06,
|
||
|
|
"learning_rate": 0.00023777777777777778,
|
||
|
|
"learning_rate_embeddings": 0.00023777777777777778,
|
||
|
|
"loss": 3.3171,
|
||
|
|
"step": 143000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 43.21,
|
||
|
|
"learning_rate": 0.00023666666666666668,
|
||
|
|
"learning_rate_embeddings": 0.00023666666666666668,
|
||
|
|
"loss": 3.3046,
|
||
|
|
"step": 143500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 43.36,
|
||
|
|
"learning_rate": 0.00023555555555555556,
|
||
|
|
"learning_rate_embeddings": 0.00023555555555555556,
|
||
|
|
"loss": 3.3128,
|
||
|
|
"step": 144000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 43.51,
|
||
|
|
"learning_rate": 0.00023444444444444446,
|
||
|
|
"learning_rate_embeddings": 0.00023444444444444446,
|
||
|
|
"loss": 3.3092,
|
||
|
|
"step": 144500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 43.66,
|
||
|
|
"learning_rate": 0.00023333333333333333,
|
||
|
|
"learning_rate_embeddings": 0.00023333333333333333,
|
||
|
|
"loss": 3.3234,
|
||
|
|
"step": 145000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 43.81,
|
||
|
|
"learning_rate": 0.00023222222222222223,
|
||
|
|
"learning_rate_embeddings": 0.00023222222222222223,
|
||
|
|
"loss": 3.3222,
|
||
|
|
"step": 145500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 43.96,
|
||
|
|
"learning_rate": 0.0002311111111111111,
|
||
|
|
"learning_rate_embeddings": 0.0002311111111111111,
|
||
|
|
"loss": 3.3211,
|
||
|
|
"step": 146000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 44.11,
|
||
|
|
"learning_rate": 0.00023,
|
||
|
|
"learning_rate_embeddings": 0.00023,
|
||
|
|
"loss": 3.3126,
|
||
|
|
"step": 146500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 44.26,
|
||
|
|
"learning_rate": 0.0002288888888888889,
|
||
|
|
"learning_rate_embeddings": 0.0002288888888888889,
|
||
|
|
"loss": 3.3047,
|
||
|
|
"step": 147000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 44.41,
|
||
|
|
"learning_rate": 0.00022777777777777778,
|
||
|
|
"learning_rate_embeddings": 0.00022777777777777778,
|
||
|
|
"loss": 3.3081,
|
||
|
|
"step": 147500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 44.56,
|
||
|
|
"learning_rate": 0.00022666666666666666,
|
||
|
|
"learning_rate_embeddings": 0.00022666666666666666,
|
||
|
|
"loss": 3.3218,
|
||
|
|
"step": 148000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 44.72,
|
||
|
|
"learning_rate": 0.00022555555555555556,
|
||
|
|
"learning_rate_embeddings": 0.00022555555555555556,
|
||
|
|
"loss": 3.3085,
|
||
|
|
"step": 148500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 44.87,
|
||
|
|
"learning_rate": 0.00022444444444444446,
|
||
|
|
"learning_rate_embeddings": 0.00022444444444444446,
|
||
|
|
"loss": 3.319,
|
||
|
|
"step": 149000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 45.02,
|
||
|
|
"learning_rate": 0.00022333333333333333,
|
||
|
|
"learning_rate_embeddings": 0.00022333333333333333,
|
||
|
|
"loss": 3.3178,
|
||
|
|
"step": 149500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 45.17,
|
||
|
|
"learning_rate": 0.0002222222222222222,
|
||
|
|
"learning_rate_embeddings": 0.0002222222222222222,
|
||
|
|
"loss": 3.3086,
|
||
|
|
"step": 150000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 45.17,
|
||
|
|
"eval_loss": 3.337905168533325,
|
||
|
|
"eval_runtime": 339.221,
|
||
|
|
"eval_samples_per_second": 500.429,
|
||
|
|
"eval_steps_per_second": 3.912,
|
||
|
|
"step": 150000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 45.32,
|
||
|
|
"learning_rate": 0.00022111111111111113,
|
||
|
|
"learning_rate_embeddings": 0.00022111111111111113,
|
||
|
|
"loss": 3.302,
|
||
|
|
"step": 150500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 45.47,
|
||
|
|
"learning_rate": 0.00022,
|
||
|
|
"learning_rate_embeddings": 0.00022,
|
||
|
|
"loss": 3.3006,
|
||
|
|
"step": 151000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 45.62,
|
||
|
|
"learning_rate": 0.00021888888888888888,
|
||
|
|
"learning_rate_embeddings": 0.00021888888888888888,
|
||
|
|
"loss": 3.313,
|
||
|
|
"step": 151500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 45.77,
|
||
|
|
"learning_rate": 0.00021777777777777776,
|
||
|
|
"learning_rate_embeddings": 0.00021777777777777776,
|
||
|
|
"loss": 3.3155,
|
||
|
|
"step": 152000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 45.92,
|
||
|
|
"learning_rate": 0.00021666666666666668,
|
||
|
|
"learning_rate_embeddings": 0.00021666666666666668,
|
||
|
|
"loss": 3.309,
|
||
|
|
"step": 152500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 46.07,
|
||
|
|
"learning_rate": 0.00021555555555555556,
|
||
|
|
"learning_rate_embeddings": 0.00021555555555555556,
|
||
|
|
"loss": 3.3075,
|
||
|
|
"step": 153000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 46.22,
|
||
|
|
"learning_rate": 0.00021444444444444443,
|
||
|
|
"learning_rate_embeddings": 0.00021444444444444443,
|
||
|
|
"loss": 3.3064,
|
||
|
|
"step": 153500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 46.37,
|
||
|
|
"learning_rate": 0.00021333333333333336,
|
||
|
|
"learning_rate_embeddings": 0.00021333333333333336,
|
||
|
|
"loss": 3.3059,
|
||
|
|
"step": 154000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 46.52,
|
||
|
|
"learning_rate": 0.00021222222222222223,
|
||
|
|
"learning_rate_embeddings": 0.00021222222222222223,
|
||
|
|
"loss": 3.3095,
|
||
|
|
"step": 154500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 46.67,
|
||
|
|
"learning_rate": 0.0002111111111111111,
|
||
|
|
"learning_rate_embeddings": 0.0002111111111111111,
|
||
|
|
"loss": 3.317,
|
||
|
|
"step": 155000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 46.82,
|
||
|
|
"learning_rate": 0.00021,
|
||
|
|
"learning_rate_embeddings": 0.00021,
|
||
|
|
"loss": 3.3098,
|
||
|
|
"step": 155500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 46.97,
|
||
|
|
"learning_rate": 0.0002088888888888889,
|
||
|
|
"learning_rate_embeddings": 0.0002088888888888889,
|
||
|
|
"loss": 3.3066,
|
||
|
|
"step": 156000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 47.12,
|
||
|
|
"learning_rate": 0.00020777777777777778,
|
||
|
|
"learning_rate_embeddings": 0.00020777777777777778,
|
||
|
|
"loss": 3.3093,
|
||
|
|
"step": 156500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 47.27,
|
||
|
|
"learning_rate": 0.00020666666666666666,
|
||
|
|
"learning_rate_embeddings": 0.00020666666666666666,
|
||
|
|
"loss": 3.3059,
|
||
|
|
"step": 157000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 47.43,
|
||
|
|
"learning_rate": 0.00020555555555555556,
|
||
|
|
"learning_rate_embeddings": 0.00020555555555555556,
|
||
|
|
"loss": 3.3065,
|
||
|
|
"step": 157500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 47.58,
|
||
|
|
"learning_rate": 0.00020444444444444446,
|
||
|
|
"learning_rate_embeddings": 0.00020444444444444446,
|
||
|
|
"loss": 3.3094,
|
||
|
|
"step": 158000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 47.73,
|
||
|
|
"learning_rate": 0.00020333333333333333,
|
||
|
|
"learning_rate_embeddings": 0.00020333333333333333,
|
||
|
|
"loss": 3.3066,
|
||
|
|
"step": 158500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 47.88,
|
||
|
|
"learning_rate": 0.00020222222222222223,
|
||
|
|
"learning_rate_embeddings": 0.00020222222222222223,
|
||
|
|
"loss": 3.3067,
|
||
|
|
"step": 159000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 48.03,
|
||
|
|
"learning_rate": 0.0002011111111111111,
|
||
|
|
"learning_rate_embeddings": 0.0002011111111111111,
|
||
|
|
"loss": 3.3138,
|
||
|
|
"step": 159500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 48.18,
|
||
|
|
"learning_rate": 0.0002,
|
||
|
|
"learning_rate_embeddings": 0.0002,
|
||
|
|
"loss": 3.3107,
|
||
|
|
"step": 160000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 48.33,
|
||
|
|
"learning_rate": 0.00019888888888888888,
|
||
|
|
"learning_rate_embeddings": 0.00019888888888888888,
|
||
|
|
"loss": 3.2933,
|
||
|
|
"step": 160500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 48.48,
|
||
|
|
"learning_rate": 0.00019777777777777778,
|
||
|
|
"learning_rate_embeddings": 0.00019777777777777778,
|
||
|
|
"loss": 3.3018,
|
||
|
|
"step": 161000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 48.63,
|
||
|
|
"learning_rate": 0.00019666666666666666,
|
||
|
|
"learning_rate_embeddings": 0.00019666666666666666,
|
||
|
|
"loss": 3.3067,
|
||
|
|
"step": 161500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 48.78,
|
||
|
|
"learning_rate": 0.00019555555555555556,
|
||
|
|
"learning_rate_embeddings": 0.00019555555555555556,
|
||
|
|
"loss": 3.3059,
|
||
|
|
"step": 162000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 48.93,
|
||
|
|
"learning_rate": 0.00019444444444444446,
|
||
|
|
"learning_rate_embeddings": 0.00019444444444444446,
|
||
|
|
"loss": 3.3023,
|
||
|
|
"step": 162500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 48.93,
|
||
|
|
"eval_loss": 3.330859899520874,
|
||
|
|
"eval_runtime": 339.2751,
|
||
|
|
"eval_samples_per_second": 500.349,
|
||
|
|
"eval_steps_per_second": 3.911,
|
||
|
|
"step": 162500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 49.08,
|
||
|
|
"learning_rate": 0.00019333333333333333,
|
||
|
|
"learning_rate_embeddings": 0.00019333333333333333,
|
||
|
|
"loss": 3.305,
|
||
|
|
"step": 163000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 49.23,
|
||
|
|
"learning_rate": 0.0001922222222222222,
|
||
|
|
"learning_rate_embeddings": 0.0001922222222222222,
|
||
|
|
"loss": 3.2983,
|
||
|
|
"step": 163500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 49.38,
|
||
|
|
"learning_rate": 0.00019111111111111114,
|
||
|
|
"learning_rate_embeddings": 0.00019111111111111114,
|
||
|
|
"loss": 3.2919,
|
||
|
|
"step": 164000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 49.53,
|
||
|
|
"learning_rate": 0.00019,
|
||
|
|
"learning_rate_embeddings": 0.00019,
|
||
|
|
"loss": 3.3056,
|
||
|
|
"step": 164500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 49.68,
|
||
|
|
"learning_rate": 0.00018888888888888888,
|
||
|
|
"learning_rate_embeddings": 0.00018888888888888888,
|
||
|
|
"loss": 3.3077,
|
||
|
|
"step": 165000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 49.83,
|
||
|
|
"learning_rate": 0.00018777777777777776,
|
||
|
|
"learning_rate_embeddings": 0.00018777777777777776,
|
||
|
|
"loss": 3.3122,
|
||
|
|
"step": 165500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 49.98,
|
||
|
|
"learning_rate": 0.0001866666666666667,
|
||
|
|
"learning_rate_embeddings": 0.0001866666666666667,
|
||
|
|
"loss": 3.3143,
|
||
|
|
"step": 166000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 50.14,
|
||
|
|
"learning_rate": 0.00018555555555555556,
|
||
|
|
"learning_rate_embeddings": 0.00018555555555555556,
|
||
|
|
"loss": 3.3005,
|
||
|
|
"step": 166500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 50.29,
|
||
|
|
"learning_rate": 0.00018444444444444443,
|
||
|
|
"learning_rate_embeddings": 0.00018444444444444443,
|
||
|
|
"loss": 3.303,
|
||
|
|
"step": 167000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 50.44,
|
||
|
|
"learning_rate": 0.00018333333333333334,
|
||
|
|
"learning_rate_embeddings": 0.00018333333333333334,
|
||
|
|
"loss": 3.3001,
|
||
|
|
"step": 167500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 50.59,
|
||
|
|
"learning_rate": 0.00018222222222222224,
|
||
|
|
"learning_rate_embeddings": 0.00018222222222222224,
|
||
|
|
"loss": 3.2962,
|
||
|
|
"step": 168000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 50.74,
|
||
|
|
"learning_rate": 0.0001811111111111111,
|
||
|
|
"learning_rate_embeddings": 0.0001811111111111111,
|
||
|
|
"loss": 3.2952,
|
||
|
|
"step": 168500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 50.89,
|
||
|
|
"learning_rate": 0.00017999999999999998,
|
||
|
|
"learning_rate_embeddings": 0.00017999999999999998,
|
||
|
|
"loss": 3.307,
|
||
|
|
"step": 169000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 51.04,
|
||
|
|
"learning_rate": 0.00017888888888888889,
|
||
|
|
"learning_rate_embeddings": 0.00017888888888888889,
|
||
|
|
"loss": 3.3073,
|
||
|
|
"step": 169500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 51.19,
|
||
|
|
"learning_rate": 0.00017777777777777779,
|
||
|
|
"learning_rate_embeddings": 0.00017777777777777779,
|
||
|
|
"loss": 3.2904,
|
||
|
|
"step": 170000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 51.34,
|
||
|
|
"learning_rate": 0.00017666666666666666,
|
||
|
|
"learning_rate_embeddings": 0.00017666666666666666,
|
||
|
|
"loss": 3.298,
|
||
|
|
"step": 170500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 51.49,
|
||
|
|
"learning_rate": 0.00017555555555555556,
|
||
|
|
"learning_rate_embeddings": 0.00017555555555555556,
|
||
|
|
"loss": 3.3043,
|
||
|
|
"step": 171000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 51.64,
|
||
|
|
"learning_rate": 0.00017444444444444446,
|
||
|
|
"learning_rate_embeddings": 0.00017444444444444446,
|
||
|
|
"loss": 3.3007,
|
||
|
|
"step": 171500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 51.79,
|
||
|
|
"learning_rate": 0.00017333333333333334,
|
||
|
|
"learning_rate_embeddings": 0.00017333333333333334,
|
||
|
|
"loss": 3.2965,
|
||
|
|
"step": 172000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 51.94,
|
||
|
|
"learning_rate": 0.00017222222222222224,
|
||
|
|
"learning_rate_embeddings": 0.00017222222222222224,
|
||
|
|
"loss": 3.2953,
|
||
|
|
"step": 172500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 52.09,
|
||
|
|
"learning_rate": 0.0001711111111111111,
|
||
|
|
"learning_rate_embeddings": 0.0001711111111111111,
|
||
|
|
"loss": 3.2967,
|
||
|
|
"step": 173000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 52.24,
|
||
|
|
"learning_rate": 0.00017,
|
||
|
|
"learning_rate_embeddings": 0.00017,
|
||
|
|
"loss": 3.2872,
|
||
|
|
"step": 173500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 52.39,
|
||
|
|
"learning_rate": 0.00016888888888888889,
|
||
|
|
"learning_rate_embeddings": 0.00016888888888888889,
|
||
|
|
"loss": 3.2876,
|
||
|
|
"step": 174000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 52.54,
|
||
|
|
"learning_rate": 0.0001677777777777778,
|
||
|
|
"learning_rate_embeddings": 0.0001677777777777778,
|
||
|
|
"loss": 3.301,
|
||
|
|
"step": 174500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 52.69,
|
||
|
|
"learning_rate": 0.00016666666666666666,
|
||
|
|
"learning_rate_embeddings": 0.00016666666666666666,
|
||
|
|
"loss": 3.2948,
|
||
|
|
"step": 175000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 52.69,
|
||
|
|
"eval_loss": 3.329881191253662,
|
||
|
|
"eval_runtime": 339.2854,
|
||
|
|
"eval_samples_per_second": 500.334,
|
||
|
|
"eval_steps_per_second": 3.911,
|
||
|
|
"step": 175000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 52.85,
|
||
|
|
"learning_rate": 0.00016555555555555556,
|
||
|
|
"learning_rate_embeddings": 0.00016555555555555556,
|
||
|
|
"loss": 3.3063,
|
||
|
|
"step": 175500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 53.0,
|
||
|
|
"learning_rate": 0.00016444444444444446,
|
||
|
|
"learning_rate_embeddings": 0.00016444444444444446,
|
||
|
|
"loss": 3.3003,
|
||
|
|
"step": 176000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 53.15,
|
||
|
|
"learning_rate": 0.00016333333333333334,
|
||
|
|
"learning_rate_embeddings": 0.00016333333333333334,
|
||
|
|
"loss": 3.2956,
|
||
|
|
"step": 176500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 53.3,
|
||
|
|
"learning_rate": 0.0001622222222222222,
|
||
|
|
"learning_rate_embeddings": 0.0001622222222222222,
|
||
|
|
"loss": 3.2917,
|
||
|
|
"step": 177000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 53.45,
|
||
|
|
"learning_rate": 0.0001611111111111111,
|
||
|
|
"learning_rate_embeddings": 0.0001611111111111111,
|
||
|
|
"loss": 3.2873,
|
||
|
|
"step": 177500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 53.6,
|
||
|
|
"learning_rate": 0.00016,
|
||
|
|
"learning_rate_embeddings": 0.00016,
|
||
|
|
"loss": 3.2944,
|
||
|
|
"step": 178000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 53.75,
|
||
|
|
"learning_rate": 0.0001588888888888889,
|
||
|
|
"learning_rate_embeddings": 0.0001588888888888889,
|
||
|
|
"loss": 3.2998,
|
||
|
|
"step": 178500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 53.9,
|
||
|
|
"learning_rate": 0.00015777777777777776,
|
||
|
|
"learning_rate_embeddings": 0.00015777777777777776,
|
||
|
|
"loss": 3.2969,
|
||
|
|
"step": 179000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 54.05,
|
||
|
|
"learning_rate": 0.0001566666666666667,
|
||
|
|
"learning_rate_embeddings": 0.0001566666666666667,
|
||
|
|
"loss": 3.2944,
|
||
|
|
"step": 179500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 54.2,
|
||
|
|
"learning_rate": 0.00015555555555555556,
|
||
|
|
"learning_rate_embeddings": 0.00015555555555555556,
|
||
|
|
"loss": 3.2885,
|
||
|
|
"step": 180000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 54.35,
|
||
|
|
"learning_rate": 0.00015444444444444444,
|
||
|
|
"learning_rate_embeddings": 0.00015444444444444444,
|
||
|
|
"loss": 3.2935,
|
||
|
|
"step": 180500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 54.5,
|
||
|
|
"learning_rate": 0.00015333333333333334,
|
||
|
|
"learning_rate_embeddings": 0.00015333333333333334,
|
||
|
|
"loss": 3.2907,
|
||
|
|
"step": 181000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 54.65,
|
||
|
|
"learning_rate": 0.00015222222222222224,
|
||
|
|
"learning_rate_embeddings": 0.00015222222222222224,
|
||
|
|
"loss": 3.2975,
|
||
|
|
"step": 181500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 54.8,
|
||
|
|
"learning_rate": 0.0001511111111111111,
|
||
|
|
"learning_rate_embeddings": 0.0001511111111111111,
|
||
|
|
"loss": 3.295,
|
||
|
|
"step": 182000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 54.95,
|
||
|
|
"learning_rate": 0.00015,
|
||
|
|
"learning_rate_embeddings": 0.00015,
|
||
|
|
"loss": 3.2902,
|
||
|
|
"step": 182500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 55.1,
|
||
|
|
"learning_rate": 0.0001488888888888889,
|
||
|
|
"learning_rate_embeddings": 0.0001488888888888889,
|
||
|
|
"loss": 3.2884,
|
||
|
|
"step": 183000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 55.25,
|
||
|
|
"learning_rate": 0.0001477777777777778,
|
||
|
|
"learning_rate_embeddings": 0.0001477777777777778,
|
||
|
|
"loss": 3.2876,
|
||
|
|
"step": 183500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 55.4,
|
||
|
|
"learning_rate": 0.00014666666666666666,
|
||
|
|
"learning_rate_embeddings": 0.00014666666666666666,
|
||
|
|
"loss": 3.2898,
|
||
|
|
"step": 184000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 55.56,
|
||
|
|
"learning_rate": 0.00014555555555555556,
|
||
|
|
"learning_rate_embeddings": 0.00014555555555555556,
|
||
|
|
"loss": 3.292,
|
||
|
|
"step": 184500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 55.71,
|
||
|
|
"learning_rate": 0.00014444444444444444,
|
||
|
|
"learning_rate_embeddings": 0.00014444444444444444,
|
||
|
|
"loss": 3.2974,
|
||
|
|
"step": 185000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 55.86,
|
||
|
|
"learning_rate": 0.00014333333333333334,
|
||
|
|
"learning_rate_embeddings": 0.00014333333333333334,
|
||
|
|
"loss": 3.2978,
|
||
|
|
"step": 185500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 56.01,
|
||
|
|
"learning_rate": 0.0001422222222222222,
|
||
|
|
"learning_rate_embeddings": 0.0001422222222222222,
|
||
|
|
"loss": 3.2971,
|
||
|
|
"step": 186000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 56.16,
|
||
|
|
"learning_rate": 0.00014111111111111111,
|
||
|
|
"learning_rate_embeddings": 0.00014111111111111111,
|
||
|
|
"loss": 3.2802,
|
||
|
|
"step": 186500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 56.31,
|
||
|
|
"learning_rate": 0.00014000000000000001,
|
||
|
|
"learning_rate_embeddings": 0.00014000000000000001,
|
||
|
|
"loss": 3.2838,
|
||
|
|
"step": 187000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 56.46,
|
||
|
|
"learning_rate": 0.0001388888888888889,
|
||
|
|
"learning_rate_embeddings": 0.0001388888888888889,
|
||
|
|
"loss": 3.2857,
|
||
|
|
"step": 187500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 56.46,
|
||
|
|
"eval_loss": 3.322549343109131,
|
||
|
|
"eval_runtime": 339.2306,
|
||
|
|
"eval_samples_per_second": 500.415,
|
||
|
|
"eval_steps_per_second": 3.912,
|
||
|
|
"step": 187500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 56.61,
|
||
|
|
"learning_rate": 0.0001377777777777778,
|
||
|
|
"learning_rate_embeddings": 0.0001377777777777778,
|
||
|
|
"loss": 3.2874,
|
||
|
|
"step": 188000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 56.76,
|
||
|
|
"learning_rate": 0.00013666666666666666,
|
||
|
|
"learning_rate_embeddings": 0.00013666666666666666,
|
||
|
|
"loss": 3.285,
|
||
|
|
"step": 188500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 56.91,
|
||
|
|
"learning_rate": 0.00013555555555555556,
|
||
|
|
"learning_rate_embeddings": 0.00013555555555555556,
|
||
|
|
"loss": 3.2866,
|
||
|
|
"step": 189000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 57.06,
|
||
|
|
"learning_rate": 0.00013444444444444447,
|
||
|
|
"learning_rate_embeddings": 0.00013444444444444447,
|
||
|
|
"loss": 3.2867,
|
||
|
|
"step": 189500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 57.21,
|
||
|
|
"learning_rate": 0.00013333333333333334,
|
||
|
|
"learning_rate_embeddings": 0.00013333333333333334,
|
||
|
|
"loss": 3.2914,
|
||
|
|
"step": 190000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 57.36,
|
||
|
|
"learning_rate": 0.00013222222222222221,
|
||
|
|
"learning_rate_embeddings": 0.00013222222222222221,
|
||
|
|
"loss": 3.2829,
|
||
|
|
"step": 190500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 57.51,
|
||
|
|
"learning_rate": 0.00013111111111111111,
|
||
|
|
"learning_rate_embeddings": 0.00013111111111111111,
|
||
|
|
"loss": 3.2859,
|
||
|
|
"step": 191000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 57.66,
|
||
|
|
"learning_rate": 0.00013000000000000002,
|
||
|
|
"learning_rate_embeddings": 0.00013000000000000002,
|
||
|
|
"loss": 3.2886,
|
||
|
|
"step": 191500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 57.81,
|
||
|
|
"learning_rate": 0.0001288888888888889,
|
||
|
|
"learning_rate_embeddings": 0.0001288888888888889,
|
||
|
|
"loss": 3.2867,
|
||
|
|
"step": 192000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 57.96,
|
||
|
|
"learning_rate": 0.00012777777777777776,
|
||
|
|
"learning_rate_embeddings": 0.00012777777777777776,
|
||
|
|
"loss": 3.2824,
|
||
|
|
"step": 192500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 58.11,
|
||
|
|
"learning_rate": 0.0001266666666666667,
|
||
|
|
"learning_rate_embeddings": 0.0001266666666666667,
|
||
|
|
"loss": 3.29,
|
||
|
|
"step": 193000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 58.27,
|
||
|
|
"learning_rate": 0.00012555555555555557,
|
||
|
|
"learning_rate_embeddings": 0.00012555555555555557,
|
||
|
|
"loss": 3.2847,
|
||
|
|
"step": 193500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 58.42,
|
||
|
|
"learning_rate": 0.00012444444444444444,
|
||
|
|
"learning_rate_embeddings": 0.00012444444444444444,
|
||
|
|
"loss": 3.2864,
|
||
|
|
"step": 194000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 58.57,
|
||
|
|
"learning_rate": 0.00012333333333333334,
|
||
|
|
"learning_rate_embeddings": 0.00012333333333333334,
|
||
|
|
"loss": 3.2875,
|
||
|
|
"step": 194500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 58.72,
|
||
|
|
"learning_rate": 0.00012222222222222221,
|
||
|
|
"learning_rate_embeddings": 0.00012222222222222221,
|
||
|
|
"loss": 3.2882,
|
||
|
|
"step": 195000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 58.87,
|
||
|
|
"learning_rate": 0.00012111111111111112,
|
||
|
|
"learning_rate_embeddings": 0.00012111111111111112,
|
||
|
|
"loss": 3.2879,
|
||
|
|
"step": 195500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 59.02,
|
||
|
|
"learning_rate": 0.00012,
|
||
|
|
"learning_rate_embeddings": 0.00012,
|
||
|
|
"loss": 3.297,
|
||
|
|
"step": 196000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 59.17,
|
||
|
|
"learning_rate": 0.00011888888888888889,
|
||
|
|
"learning_rate_embeddings": 0.00011888888888888889,
|
||
|
|
"loss": 3.274,
|
||
|
|
"step": 196500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 59.32,
|
||
|
|
"learning_rate": 0.00011777777777777778,
|
||
|
|
"learning_rate_embeddings": 0.00011777777777777778,
|
||
|
|
"loss": 3.2839,
|
||
|
|
"step": 197000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 59.47,
|
||
|
|
"learning_rate": 0.00011666666666666667,
|
||
|
|
"learning_rate_embeddings": 0.00011666666666666667,
|
||
|
|
"loss": 3.2833,
|
||
|
|
"step": 197500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 59.62,
|
||
|
|
"learning_rate": 0.00011555555555555555,
|
||
|
|
"learning_rate_embeddings": 0.00011555555555555555,
|
||
|
|
"loss": 3.2791,
|
||
|
|
"step": 198000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 59.77,
|
||
|
|
"learning_rate": 0.00011444444444444445,
|
||
|
|
"learning_rate_embeddings": 0.00011444444444444445,
|
||
|
|
"loss": 3.2831,
|
||
|
|
"step": 198500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 59.92,
|
||
|
|
"learning_rate": 0.00011333333333333333,
|
||
|
|
"learning_rate_embeddings": 0.00011333333333333333,
|
||
|
|
"loss": 3.2841,
|
||
|
|
"step": 199000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 60.07,
|
||
|
|
"learning_rate": 0.00011222222222222223,
|
||
|
|
"learning_rate_embeddings": 0.00011222222222222223,
|
||
|
|
"loss": 3.2858,
|
||
|
|
"step": 199500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 60.22,
|
||
|
|
"learning_rate": 0.0001111111111111111,
|
||
|
|
"learning_rate_embeddings": 0.0001111111111111111,
|
||
|
|
"loss": 3.2791,
|
||
|
|
"step": 200000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 60.22,
|
||
|
|
"eval_loss": 3.319915771484375,
|
||
|
|
"eval_runtime": 339.2313,
|
||
|
|
"eval_samples_per_second": 500.414,
|
||
|
|
"eval_steps_per_second": 3.912,
|
||
|
|
"step": 200000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 60.37,
|
||
|
|
"learning_rate": 0.00011,
|
||
|
|
"learning_rate_embeddings": 0.00011,
|
||
|
|
"loss": 3.2785,
|
||
|
|
"step": 200500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 60.52,
|
||
|
|
"learning_rate": 0.00010888888888888888,
|
||
|
|
"learning_rate_embeddings": 0.00010888888888888888,
|
||
|
|
"loss": 3.2823,
|
||
|
|
"step": 201000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 60.67,
|
||
|
|
"learning_rate": 0.00010777777777777778,
|
||
|
|
"learning_rate_embeddings": 0.00010777777777777778,
|
||
|
|
"loss": 3.2873,
|
||
|
|
"step": 201500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 60.82,
|
||
|
|
"learning_rate": 0.00010666666666666668,
|
||
|
|
"learning_rate_embeddings": 0.00010666666666666668,
|
||
|
|
"loss": 3.286,
|
||
|
|
"step": 202000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 60.98,
|
||
|
|
"learning_rate": 0.00010555555555555555,
|
||
|
|
"learning_rate_embeddings": 0.00010555555555555555,
|
||
|
|
"loss": 3.2868,
|
||
|
|
"step": 202500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 61.13,
|
||
|
|
"learning_rate": 0.00010444444444444445,
|
||
|
|
"learning_rate_embeddings": 0.00010444444444444445,
|
||
|
|
"loss": 3.2854,
|
||
|
|
"step": 203000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 61.28,
|
||
|
|
"learning_rate": 0.00010333333333333333,
|
||
|
|
"learning_rate_embeddings": 0.00010333333333333333,
|
||
|
|
"loss": 3.2732,
|
||
|
|
"step": 203500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 61.43,
|
||
|
|
"learning_rate": 0.00010222222222222223,
|
||
|
|
"learning_rate_embeddings": 0.00010222222222222223,
|
||
|
|
"loss": 3.2758,
|
||
|
|
"step": 204000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 61.58,
|
||
|
|
"learning_rate": 0.00010111111111111112,
|
||
|
|
"learning_rate_embeddings": 0.00010111111111111112,
|
||
|
|
"loss": 3.2804,
|
||
|
|
"step": 204500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 61.73,
|
||
|
|
"learning_rate": 0.0001,
|
||
|
|
"learning_rate_embeddings": 0.0001,
|
||
|
|
"loss": 3.2867,
|
||
|
|
"step": 205000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 61.88,
|
||
|
|
"learning_rate": 9.888888888888889e-05,
|
||
|
|
"learning_rate_embeddings": 9.888888888888889e-05,
|
||
|
|
"loss": 3.2849,
|
||
|
|
"step": 205500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 62.03,
|
||
|
|
"learning_rate": 9.777777777777778e-05,
|
||
|
|
"learning_rate_embeddings": 9.777777777777778e-05,
|
||
|
|
"loss": 3.2842,
|
||
|
|
"step": 206000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 62.18,
|
||
|
|
"learning_rate": 9.666666666666667e-05,
|
||
|
|
"learning_rate_embeddings": 9.666666666666667e-05,
|
||
|
|
"loss": 3.2772,
|
||
|
|
"step": 206500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 62.33,
|
||
|
|
"learning_rate": 9.555555555555557e-05,
|
||
|
|
"learning_rate_embeddings": 9.555555555555557e-05,
|
||
|
|
"loss": 3.2764,
|
||
|
|
"step": 207000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 62.48,
|
||
|
|
"learning_rate": 9.444444444444444e-05,
|
||
|
|
"learning_rate_embeddings": 9.444444444444444e-05,
|
||
|
|
"loss": 3.2743,
|
||
|
|
"step": 207500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 62.63,
|
||
|
|
"learning_rate": 9.333333333333334e-05,
|
||
|
|
"learning_rate_embeddings": 9.333333333333334e-05,
|
||
|
|
"loss": 3.282,
|
||
|
|
"step": 208000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 62.78,
|
||
|
|
"learning_rate": 9.222222222222222e-05,
|
||
|
|
"learning_rate_embeddings": 9.222222222222222e-05,
|
||
|
|
"loss": 3.2856,
|
||
|
|
"step": 208500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 62.93,
|
||
|
|
"learning_rate": 9.111111111111112e-05,
|
||
|
|
"learning_rate_embeddings": 9.111111111111112e-05,
|
||
|
|
"loss": 3.2817,
|
||
|
|
"step": 209000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 63.08,
|
||
|
|
"learning_rate": 8.999999999999999e-05,
|
||
|
|
"learning_rate_embeddings": 8.999999999999999e-05,
|
||
|
|
"loss": 3.2886,
|
||
|
|
"step": 209500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 63.23,
|
||
|
|
"learning_rate": 8.888888888888889e-05,
|
||
|
|
"learning_rate_embeddings": 8.888888888888889e-05,
|
||
|
|
"loss": 3.2673,
|
||
|
|
"step": 210000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 63.38,
|
||
|
|
"learning_rate": 8.777777777777778e-05,
|
||
|
|
"learning_rate_embeddings": 8.777777777777778e-05,
|
||
|
|
"loss": 3.2758,
|
||
|
|
"step": 210500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 63.53,
|
||
|
|
"learning_rate": 8.666666666666667e-05,
|
||
|
|
"learning_rate_embeddings": 8.666666666666667e-05,
|
||
|
|
"loss": 3.2835,
|
||
|
|
"step": 211000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 63.69,
|
||
|
|
"learning_rate": 8.555555555555556e-05,
|
||
|
|
"learning_rate_embeddings": 8.555555555555556e-05,
|
||
|
|
"loss": 3.2853,
|
||
|
|
"step": 211500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 63.84,
|
||
|
|
"learning_rate": 8.444444444444444e-05,
|
||
|
|
"learning_rate_embeddings": 8.444444444444444e-05,
|
||
|
|
"loss": 3.2735,
|
||
|
|
"step": 212000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 63.99,
|
||
|
|
"learning_rate": 8.333333333333333e-05,
|
||
|
|
"learning_rate_embeddings": 8.333333333333333e-05,
|
||
|
|
"loss": 3.2807,
|
||
|
|
"step": 212500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 63.99,
|
||
|
|
"eval_loss": 3.3131635189056396,
|
||
|
|
"eval_runtime": 339.5925,
|
||
|
|
"eval_samples_per_second": 499.882,
|
||
|
|
"eval_steps_per_second": 3.908,
|
||
|
|
"step": 212500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 64.14,
|
||
|
|
"learning_rate": 8.222222222222223e-05,
|
||
|
|
"learning_rate_embeddings": 8.222222222222223e-05,
|
||
|
|
"loss": 3.2741,
|
||
|
|
"step": 213000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 64.29,
|
||
|
|
"learning_rate": 8.11111111111111e-05,
|
||
|
|
"learning_rate_embeddings": 8.11111111111111e-05,
|
||
|
|
"loss": 3.2718,
|
||
|
|
"step": 213500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 64.44,
|
||
|
|
"learning_rate": 8e-05,
|
||
|
|
"learning_rate_embeddings": 8e-05,
|
||
|
|
"loss": 3.2756,
|
||
|
|
"step": 214000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 64.59,
|
||
|
|
"learning_rate": 7.888888888888888e-05,
|
||
|
|
"learning_rate_embeddings": 7.888888888888888e-05,
|
||
|
|
"loss": 3.2743,
|
||
|
|
"step": 214500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 64.74,
|
||
|
|
"learning_rate": 7.777777777777778e-05,
|
||
|
|
"learning_rate_embeddings": 7.777777777777778e-05,
|
||
|
|
"loss": 3.268,
|
||
|
|
"step": 215000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 64.89,
|
||
|
|
"learning_rate": 7.666666666666667e-05,
|
||
|
|
"learning_rate_embeddings": 7.666666666666667e-05,
|
||
|
|
"loss": 3.2793,
|
||
|
|
"step": 215500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 65.04,
|
||
|
|
"learning_rate": 7.555555555555556e-05,
|
||
|
|
"learning_rate_embeddings": 7.555555555555556e-05,
|
||
|
|
"loss": 3.2823,
|
||
|
|
"step": 216000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 65.19,
|
||
|
|
"learning_rate": 7.444444444444444e-05,
|
||
|
|
"learning_rate_embeddings": 7.444444444444444e-05,
|
||
|
|
"loss": 3.2718,
|
||
|
|
"step": 216500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 65.34,
|
||
|
|
"learning_rate": 7.333333333333333e-05,
|
||
|
|
"learning_rate_embeddings": 7.333333333333333e-05,
|
||
|
|
"loss": 3.2742,
|
||
|
|
"step": 217000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 65.49,
|
||
|
|
"learning_rate": 7.222222222222222e-05,
|
||
|
|
"learning_rate_embeddings": 7.222222222222222e-05,
|
||
|
|
"loss": 3.2736,
|
||
|
|
"step": 217500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 65.64,
|
||
|
|
"learning_rate": 7.11111111111111e-05,
|
||
|
|
"learning_rate_embeddings": 7.11111111111111e-05,
|
||
|
|
"loss": 3.2769,
|
||
|
|
"step": 218000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 65.79,
|
||
|
|
"learning_rate": 7.000000000000001e-05,
|
||
|
|
"learning_rate_embeddings": 7.000000000000001e-05,
|
||
|
|
"loss": 3.2778,
|
||
|
|
"step": 218500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 65.94,
|
||
|
|
"learning_rate": 6.88888888888889e-05,
|
||
|
|
"learning_rate_embeddings": 6.88888888888889e-05,
|
||
|
|
"loss": 3.2787,
|
||
|
|
"step": 219000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 66.09,
|
||
|
|
"learning_rate": 6.777777777777778e-05,
|
||
|
|
"learning_rate_embeddings": 6.777777777777778e-05,
|
||
|
|
"loss": 3.2723,
|
||
|
|
"step": 219500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 66.25,
|
||
|
|
"learning_rate": 6.666666666666667e-05,
|
||
|
|
"learning_rate_embeddings": 6.666666666666667e-05,
|
||
|
|
"loss": 3.2704,
|
||
|
|
"step": 220000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 66.4,
|
||
|
|
"learning_rate": 6.555555555555556e-05,
|
||
|
|
"learning_rate_embeddings": 6.555555555555556e-05,
|
||
|
|
"loss": 3.2658,
|
||
|
|
"step": 220500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 66.55,
|
||
|
|
"learning_rate": 6.444444444444444e-05,
|
||
|
|
"learning_rate_embeddings": 6.444444444444444e-05,
|
||
|
|
"loss": 3.2735,
|
||
|
|
"step": 221000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 66.7,
|
||
|
|
"learning_rate": 6.333333333333335e-05,
|
||
|
|
"learning_rate_embeddings": 6.333333333333335e-05,
|
||
|
|
"loss": 3.277,
|
||
|
|
"step": 221500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 66.85,
|
||
|
|
"learning_rate": 6.222222222222222e-05,
|
||
|
|
"learning_rate_embeddings": 6.222222222222222e-05,
|
||
|
|
"loss": 3.2733,
|
||
|
|
"step": 222000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 67.0,
|
||
|
|
"learning_rate": 6.111111111111111e-05,
|
||
|
|
"learning_rate_embeddings": 6.111111111111111e-05,
|
||
|
|
"loss": 3.2696,
|
||
|
|
"step": 222500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 67.15,
|
||
|
|
"learning_rate": 6e-05,
|
||
|
|
"learning_rate_embeddings": 6e-05,
|
||
|
|
"loss": 3.2729,
|
||
|
|
"step": 223000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 67.3,
|
||
|
|
"learning_rate": 5.888888888888889e-05,
|
||
|
|
"learning_rate_embeddings": 5.888888888888889e-05,
|
||
|
|
"loss": 3.2657,
|
||
|
|
"step": 223500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 67.45,
|
||
|
|
"learning_rate": 5.7777777777777776e-05,
|
||
|
|
"learning_rate_embeddings": 5.7777777777777776e-05,
|
||
|
|
"loss": 3.2644,
|
||
|
|
"step": 224000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 67.6,
|
||
|
|
"learning_rate": 5.6666666666666664e-05,
|
||
|
|
"learning_rate_embeddings": 5.6666666666666664e-05,
|
||
|
|
"loss": 3.2699,
|
||
|
|
"step": 224500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 67.75,
|
||
|
|
"learning_rate": 5.555555555555555e-05,
|
||
|
|
"learning_rate_embeddings": 5.555555555555555e-05,
|
||
|
|
"loss": 3.2662,
|
||
|
|
"step": 225000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 67.75,
|
||
|
|
"eval_loss": 3.3130714893341064,
|
||
|
|
"eval_runtime": 339.1629,
|
||
|
|
"eval_samples_per_second": 500.515,
|
||
|
|
"eval_steps_per_second": 3.913,
|
||
|
|
"step": 225000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 67.9,
|
||
|
|
"learning_rate": 5.444444444444444e-05,
|
||
|
|
"learning_rate_embeddings": 5.444444444444444e-05,
|
||
|
|
"loss": 3.2699,
|
||
|
|
"step": 225500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 68.05,
|
||
|
|
"learning_rate": 5.333333333333334e-05,
|
||
|
|
"learning_rate_embeddings": 5.333333333333334e-05,
|
||
|
|
"loss": 3.2828,
|
||
|
|
"step": 226000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 68.2,
|
||
|
|
"learning_rate": 5.222222222222223e-05,
|
||
|
|
"learning_rate_embeddings": 5.222222222222223e-05,
|
||
|
|
"loss": 3.2624,
|
||
|
|
"step": 226500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 68.35,
|
||
|
|
"learning_rate": 5.1111111111111115e-05,
|
||
|
|
"learning_rate_embeddings": 5.1111111111111115e-05,
|
||
|
|
"loss": 3.2693,
|
||
|
|
"step": 227000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 68.5,
|
||
|
|
"learning_rate": 5e-05,
|
||
|
|
"learning_rate_embeddings": 5e-05,
|
||
|
|
"loss": 3.2713,
|
||
|
|
"step": 227500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 68.65,
|
||
|
|
"learning_rate": 4.888888888888889e-05,
|
||
|
|
"learning_rate_embeddings": 4.888888888888889e-05,
|
||
|
|
"loss": 3.2695,
|
||
|
|
"step": 228000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 68.8,
|
||
|
|
"learning_rate": 4.7777777777777784e-05,
|
||
|
|
"learning_rate_embeddings": 4.7777777777777784e-05,
|
||
|
|
"loss": 3.2716,
|
||
|
|
"step": 228500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 68.95,
|
||
|
|
"learning_rate": 4.666666666666667e-05,
|
||
|
|
"learning_rate_embeddings": 4.666666666666667e-05,
|
||
|
|
"loss": 3.2698,
|
||
|
|
"step": 229000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 69.11,
|
||
|
|
"learning_rate": 4.555555555555556e-05,
|
||
|
|
"learning_rate_embeddings": 4.555555555555556e-05,
|
||
|
|
"loss": 3.2712,
|
||
|
|
"step": 229500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 69.26,
|
||
|
|
"learning_rate": 4.4444444444444447e-05,
|
||
|
|
"learning_rate_embeddings": 4.4444444444444447e-05,
|
||
|
|
"loss": 3.2709,
|
||
|
|
"step": 230000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 69.41,
|
||
|
|
"learning_rate": 4.3333333333333334e-05,
|
||
|
|
"learning_rate_embeddings": 4.3333333333333334e-05,
|
||
|
|
"loss": 3.2711,
|
||
|
|
"step": 230500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 69.56,
|
||
|
|
"learning_rate": 4.222222222222222e-05,
|
||
|
|
"learning_rate_embeddings": 4.222222222222222e-05,
|
||
|
|
"loss": 3.2664,
|
||
|
|
"step": 231000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 69.71,
|
||
|
|
"learning_rate": 4.1111111111111116e-05,
|
||
|
|
"learning_rate_embeddings": 4.1111111111111116e-05,
|
||
|
|
"loss": 3.2646,
|
||
|
|
"step": 231500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 69.86,
|
||
|
|
"learning_rate": 4e-05,
|
||
|
|
"learning_rate_embeddings": 4e-05,
|
||
|
|
"loss": 3.2668,
|
||
|
|
"step": 232000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 70.01,
|
||
|
|
"learning_rate": 3.888888888888889e-05,
|
||
|
|
"learning_rate_embeddings": 3.888888888888889e-05,
|
||
|
|
"loss": 3.276,
|
||
|
|
"step": 232500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 70.16,
|
||
|
|
"learning_rate": 3.777777777777778e-05,
|
||
|
|
"learning_rate_embeddings": 3.777777777777778e-05,
|
||
|
|
"loss": 3.2614,
|
||
|
|
"step": 233000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 70.31,
|
||
|
|
"learning_rate": 3.6666666666666666e-05,
|
||
|
|
"learning_rate_embeddings": 3.6666666666666666e-05,
|
||
|
|
"loss": 3.2621,
|
||
|
|
"step": 233500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 70.46,
|
||
|
|
"learning_rate": 3.555555555555555e-05,
|
||
|
|
"learning_rate_embeddings": 3.555555555555555e-05,
|
||
|
|
"loss": 3.2599,
|
||
|
|
"step": 234000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 70.61,
|
||
|
|
"learning_rate": 3.444444444444445e-05,
|
||
|
|
"learning_rate_embeddings": 3.444444444444445e-05,
|
||
|
|
"loss": 3.2583,
|
||
|
|
"step": 234500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 70.76,
|
||
|
|
"learning_rate": 3.3333333333333335e-05,
|
||
|
|
"learning_rate_embeddings": 3.3333333333333335e-05,
|
||
|
|
"loss": 3.2672,
|
||
|
|
"step": 235000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 70.91,
|
||
|
|
"learning_rate": 3.222222222222222e-05,
|
||
|
|
"learning_rate_embeddings": 3.222222222222222e-05,
|
||
|
|
"loss": 3.2601,
|
||
|
|
"step": 235500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 71.06,
|
||
|
|
"learning_rate": 3.111111111111111e-05,
|
||
|
|
"learning_rate_embeddings": 3.111111111111111e-05,
|
||
|
|
"loss": 3.2676,
|
||
|
|
"step": 236000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 71.21,
|
||
|
|
"learning_rate": 3e-05,
|
||
|
|
"learning_rate_embeddings": 3e-05,
|
||
|
|
"loss": 3.256,
|
||
|
|
"step": 236500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 71.36,
|
||
|
|
"learning_rate": 2.8888888888888888e-05,
|
||
|
|
"learning_rate_embeddings": 2.8888888888888888e-05,
|
||
|
|
"loss": 3.2629,
|
||
|
|
"step": 237000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 71.51,
|
||
|
|
"learning_rate": 2.7777777777777776e-05,
|
||
|
|
"learning_rate_embeddings": 2.7777777777777776e-05,
|
||
|
|
"loss": 3.261,
|
||
|
|
"step": 237500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 71.51,
|
||
|
|
"eval_loss": 3.306839942932129,
|
||
|
|
"eval_runtime": 339.4312,
|
||
|
|
"eval_samples_per_second": 500.119,
|
||
|
|
"eval_steps_per_second": 3.909,
|
||
|
|
"step": 237500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 71.67,
|
||
|
|
"learning_rate": 2.666666666666667e-05,
|
||
|
|
"learning_rate_embeddings": 2.666666666666667e-05,
|
||
|
|
"loss": 3.2595,
|
||
|
|
"step": 238000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 71.82,
|
||
|
|
"learning_rate": 2.5555555555555557e-05,
|
||
|
|
"learning_rate_embeddings": 2.5555555555555557e-05,
|
||
|
|
"loss": 3.2579,
|
||
|
|
"step": 238500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 71.97,
|
||
|
|
"learning_rate": 2.4444444444444445e-05,
|
||
|
|
"learning_rate_embeddings": 2.4444444444444445e-05,
|
||
|
|
"loss": 3.2662,
|
||
|
|
"step": 239000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 72.12,
|
||
|
|
"learning_rate": 2.3333333333333336e-05,
|
||
|
|
"learning_rate_embeddings": 2.3333333333333336e-05,
|
||
|
|
"loss": 3.2709,
|
||
|
|
"step": 239500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 72.27,
|
||
|
|
"learning_rate": 2.2222222222222223e-05,
|
||
|
|
"learning_rate_embeddings": 2.2222222222222223e-05,
|
||
|
|
"loss": 3.2614,
|
||
|
|
"step": 240000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 72.42,
|
||
|
|
"learning_rate": 2.111111111111111e-05,
|
||
|
|
"learning_rate_embeddings": 2.111111111111111e-05,
|
||
|
|
"loss": 3.259,
|
||
|
|
"step": 240500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 72.57,
|
||
|
|
"learning_rate": 2e-05,
|
||
|
|
"learning_rate_embeddings": 2e-05,
|
||
|
|
"loss": 3.2593,
|
||
|
|
"step": 241000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 72.72,
|
||
|
|
"learning_rate": 1.888888888888889e-05,
|
||
|
|
"learning_rate_embeddings": 1.888888888888889e-05,
|
||
|
|
"loss": 3.2592,
|
||
|
|
"step": 241500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 72.87,
|
||
|
|
"learning_rate": 1.7777777777777777e-05,
|
||
|
|
"learning_rate_embeddings": 1.7777777777777777e-05,
|
||
|
|
"loss": 3.2553,
|
||
|
|
"step": 242000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 73.02,
|
||
|
|
"learning_rate": 1.6666666666666667e-05,
|
||
|
|
"learning_rate_embeddings": 1.6666666666666667e-05,
|
||
|
|
"loss": 3.2617,
|
||
|
|
"step": 242500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 73.17,
|
||
|
|
"learning_rate": 1.5555555555555555e-05,
|
||
|
|
"learning_rate_embeddings": 1.5555555555555555e-05,
|
||
|
|
"loss": 3.2566,
|
||
|
|
"step": 243000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 73.32,
|
||
|
|
"learning_rate": 1.4444444444444444e-05,
|
||
|
|
"learning_rate_embeddings": 1.4444444444444444e-05,
|
||
|
|
"loss": 3.2525,
|
||
|
|
"step": 243500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 73.47,
|
||
|
|
"learning_rate": 1.3333333333333335e-05,
|
||
|
|
"learning_rate_embeddings": 1.3333333333333335e-05,
|
||
|
|
"loss": 3.2539,
|
||
|
|
"step": 244000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 73.62,
|
||
|
|
"learning_rate": 1.2222222222222222e-05,
|
||
|
|
"learning_rate_embeddings": 1.2222222222222222e-05,
|
||
|
|
"loss": 3.2569,
|
||
|
|
"step": 244500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 73.77,
|
||
|
|
"learning_rate": 1.1111111111111112e-05,
|
||
|
|
"learning_rate_embeddings": 1.1111111111111112e-05,
|
||
|
|
"loss": 3.259,
|
||
|
|
"step": 245000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 73.92,
|
||
|
|
"learning_rate": 1e-05,
|
||
|
|
"learning_rate_embeddings": 1e-05,
|
||
|
|
"loss": 3.2507,
|
||
|
|
"step": 245500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 74.07,
|
||
|
|
"learning_rate": 8.888888888888888e-06,
|
||
|
|
"learning_rate_embeddings": 8.888888888888888e-06,
|
||
|
|
"loss": 3.2603,
|
||
|
|
"step": 246000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 74.22,
|
||
|
|
"learning_rate": 7.777777777777777e-06,
|
||
|
|
"learning_rate_embeddings": 7.777777777777777e-06,
|
||
|
|
"loss": 3.2564,
|
||
|
|
"step": 246500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 74.38,
|
||
|
|
"learning_rate": 6.6666666666666675e-06,
|
||
|
|
"learning_rate_embeddings": 6.6666666666666675e-06,
|
||
|
|
"loss": 3.2549,
|
||
|
|
"step": 247000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 74.53,
|
||
|
|
"learning_rate": 5.555555555555556e-06,
|
||
|
|
"learning_rate_embeddings": 5.555555555555556e-06,
|
||
|
|
"loss": 3.2578,
|
||
|
|
"step": 247500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 74.68,
|
||
|
|
"learning_rate": 4.444444444444444e-06,
|
||
|
|
"learning_rate_embeddings": 4.444444444444444e-06,
|
||
|
|
"loss": 3.2499,
|
||
|
|
"step": 248000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 74.83,
|
||
|
|
"learning_rate": 3.3333333333333337e-06,
|
||
|
|
"learning_rate_embeddings": 3.3333333333333337e-06,
|
||
|
|
"loss": 3.2504,
|
||
|
|
"step": 248500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 74.98,
|
||
|
|
"learning_rate": 2.222222222222222e-06,
|
||
|
|
"learning_rate_embeddings": 2.222222222222222e-06,
|
||
|
|
"loss": 3.2584,
|
||
|
|
"step": 249000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 75.13,
|
||
|
|
"learning_rate": 1.111111111111111e-06,
|
||
|
|
"learning_rate_embeddings": 1.111111111111111e-06,
|
||
|
|
"loss": 3.2556,
|
||
|
|
"step": 249500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 75.28,
|
||
|
|
"learning_rate": 0.0,
|
||
|
|
"learning_rate_embeddings": 0.0,
|
||
|
|
"loss": 3.2483,
|
||
|
|
"step": 250000
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 75.28,
|
||
|
|
"eval_loss": 3.2883002758026123,
|
||
|
|
"eval_runtime": 339.4284,
|
||
|
|
"eval_samples_per_second": 500.123,
|
||
|
|
"eval_steps_per_second": 3.91,
|
||
|
|
"step": 250000
|
||
|
|
}
|
||
|
|
],
|
||
|
|
"max_steps": 250000,
|
||
|
|
"num_train_epochs": 76,
|
||
|
|
"total_flos": 4.1816131633152e+18,
|
||
|
|
"trial_name": null,
|
||
|
|
"trial_params": null
|
||
|
|
}
|