2660 lines
62 KiB
JSON
2660 lines
62 KiB
JSON
|
{
|
||
|
|
"best_global_step": null,
|
||
|
|
"best_metric": null,
|
||
|
|
"best_model_checkpoint": null,
|
||
|
|
"epoch": 1.0,
|
||
|
|
"eval_steps": 500,
|
||
|
|
"global_step": 375,
|
||
|
|
"is_hyper_param_search": false,
|
||
|
|
"is_local_process_zero": true,
|
||
|
|
"is_world_process_zero": true,
|
||
|
|
"log_history": [
|
||
|
|
{
|
||
|
|
"epoch": 0.0026666666666666666,
|
||
|
|
"grad_norm": 2.2536518573760986,
|
||
|
|
"learning_rate": 0.0,
|
||
|
|
"loss": 0.8134,
|
||
|
|
"step": 1
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.005333333333333333,
|
||
|
|
"grad_norm": 1.8432447910308838,
|
||
|
|
"learning_rate": 1e-05,
|
||
|
|
"loss": 0.5567,
|
||
|
|
"step": 2
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.008,
|
||
|
|
"grad_norm": 1.8114219903945923,
|
||
|
|
"learning_rate": 2e-05,
|
||
|
|
"loss": 0.6708,
|
||
|
|
"step": 3
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.010666666666666666,
|
||
|
|
"grad_norm": 2.0257248878479004,
|
||
|
|
"learning_rate": 3e-05,
|
||
|
|
"loss": 0.772,
|
||
|
|
"step": 4
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.013333333333333334,
|
||
|
|
"grad_norm": 2.065645694732666,
|
||
|
|
"learning_rate": 4e-05,
|
||
|
|
"loss": 0.639,
|
||
|
|
"step": 5
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.016,
|
||
|
|
"grad_norm": 1.435374140739441,
|
||
|
|
"learning_rate": 5e-05,
|
||
|
|
"loss": 0.3874,
|
||
|
|
"step": 6
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.018666666666666668,
|
||
|
|
"grad_norm": 1.2576030492782593,
|
||
|
|
"learning_rate": 4.986486486486487e-05,
|
||
|
|
"loss": 0.5677,
|
||
|
|
"step": 7
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.021333333333333333,
|
||
|
|
"grad_norm": 1.066299319267273,
|
||
|
|
"learning_rate": 4.972972972972974e-05,
|
||
|
|
"loss": 0.5635,
|
||
|
|
"step": 8
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.024,
|
||
|
|
"grad_norm": 0.7519157528877258,
|
||
|
|
"learning_rate": 4.9594594594594596e-05,
|
||
|
|
"loss": 0.3207,
|
||
|
|
"step": 9
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.02666666666666667,
|
||
|
|
"grad_norm": 0.6804181933403015,
|
||
|
|
"learning_rate": 4.945945945945946e-05,
|
||
|
|
"loss": 0.2787,
|
||
|
|
"step": 10
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.029333333333333333,
|
||
|
|
"grad_norm": 0.7623264193534851,
|
||
|
|
"learning_rate": 4.9324324324324325e-05,
|
||
|
|
"loss": 0.357,
|
||
|
|
"step": 11
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.032,
|
||
|
|
"grad_norm": 0.5717615485191345,
|
||
|
|
"learning_rate": 4.9189189189189196e-05,
|
||
|
|
"loss": 0.1952,
|
||
|
|
"step": 12
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.034666666666666665,
|
||
|
|
"grad_norm": 0.6621333360671997,
|
||
|
|
"learning_rate": 4.9054054054054054e-05,
|
||
|
|
"loss": 0.2722,
|
||
|
|
"step": 13
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.037333333333333336,
|
||
|
|
"grad_norm": 0.6867569088935852,
|
||
|
|
"learning_rate": 4.891891891891892e-05,
|
||
|
|
"loss": 0.3348,
|
||
|
|
"step": 14
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.04,
|
||
|
|
"grad_norm": 0.5059618949890137,
|
||
|
|
"learning_rate": 4.878378378378379e-05,
|
||
|
|
"loss": 0.1676,
|
||
|
|
"step": 15
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.042666666666666665,
|
||
|
|
"grad_norm": 0.6425641775131226,
|
||
|
|
"learning_rate": 4.8648648648648654e-05,
|
||
|
|
"loss": 0.2736,
|
||
|
|
"step": 16
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.04533333333333334,
|
||
|
|
"grad_norm": 0.6360085010528564,
|
||
|
|
"learning_rate": 4.851351351351351e-05,
|
||
|
|
"loss": 0.2112,
|
||
|
|
"step": 17
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.048,
|
||
|
|
"grad_norm": 0.6292477250099182,
|
||
|
|
"learning_rate": 4.837837837837838e-05,
|
||
|
|
"loss": 0.3559,
|
||
|
|
"step": 18
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.050666666666666665,
|
||
|
|
"grad_norm": 0.685200035572052,
|
||
|
|
"learning_rate": 4.824324324324325e-05,
|
||
|
|
"loss": 0.4385,
|
||
|
|
"step": 19
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.05333333333333334,
|
||
|
|
"grad_norm": 0.6047552227973938,
|
||
|
|
"learning_rate": 4.810810810810811e-05,
|
||
|
|
"loss": 0.2715,
|
||
|
|
"step": 20
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.056,
|
||
|
|
"grad_norm": 0.6843144297599792,
|
||
|
|
"learning_rate": 4.797297297297298e-05,
|
||
|
|
"loss": 0.3639,
|
||
|
|
"step": 21
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.058666666666666666,
|
||
|
|
"grad_norm": 0.5623933672904968,
|
||
|
|
"learning_rate": 4.783783783783784e-05,
|
||
|
|
"loss": 0.2656,
|
||
|
|
"step": 22
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.06133333333333333,
|
||
|
|
"grad_norm": 0.5282607674598694,
|
||
|
|
"learning_rate": 4.7702702702702706e-05,
|
||
|
|
"loss": 0.2278,
|
||
|
|
"step": 23
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.064,
|
||
|
|
"grad_norm": 0.5931784510612488,
|
||
|
|
"learning_rate": 4.756756756756757e-05,
|
||
|
|
"loss": 0.3483,
|
||
|
|
"step": 24
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.06666666666666667,
|
||
|
|
"grad_norm": 0.6105068922042847,
|
||
|
|
"learning_rate": 4.7432432432432435e-05,
|
||
|
|
"loss": 0.3227,
|
||
|
|
"step": 25
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.06933333333333333,
|
||
|
|
"grad_norm": 0.7217850089073181,
|
||
|
|
"learning_rate": 4.72972972972973e-05,
|
||
|
|
"loss": 0.3908,
|
||
|
|
"step": 26
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.072,
|
||
|
|
"grad_norm": 0.8332568407058716,
|
||
|
|
"learning_rate": 4.7162162162162164e-05,
|
||
|
|
"loss": 0.3171,
|
||
|
|
"step": 27
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.07466666666666667,
|
||
|
|
"grad_norm": 0.7574177384376526,
|
||
|
|
"learning_rate": 4.7027027027027035e-05,
|
||
|
|
"loss": 0.355,
|
||
|
|
"step": 28
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.07733333333333334,
|
||
|
|
"grad_norm": 0.6605817079544067,
|
||
|
|
"learning_rate": 4.689189189189189e-05,
|
||
|
|
"loss": 0.3426,
|
||
|
|
"step": 29
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.08,
|
||
|
|
"grad_norm": 0.930977463722229,
|
||
|
|
"learning_rate": 4.675675675675676e-05,
|
||
|
|
"loss": 0.4702,
|
||
|
|
"step": 30
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.08266666666666667,
|
||
|
|
"grad_norm": 0.5613728165626526,
|
||
|
|
"learning_rate": 4.662162162162162e-05,
|
||
|
|
"loss": 0.2305,
|
||
|
|
"step": 31
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.08533333333333333,
|
||
|
|
"grad_norm": 0.5192704200744629,
|
||
|
|
"learning_rate": 4.648648648648649e-05,
|
||
|
|
"loss": 0.2007,
|
||
|
|
"step": 32
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.088,
|
||
|
|
"grad_norm": 0.5742643475532532,
|
||
|
|
"learning_rate": 4.635135135135135e-05,
|
||
|
|
"loss": 0.22,
|
||
|
|
"step": 33
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.09066666666666667,
|
||
|
|
"grad_norm": 0.5423234105110168,
|
||
|
|
"learning_rate": 4.6216216216216215e-05,
|
||
|
|
"loss": 0.2149,
|
||
|
|
"step": 34
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.09333333333333334,
|
||
|
|
"grad_norm": 0.5495544075965881,
|
||
|
|
"learning_rate": 4.608108108108109e-05,
|
||
|
|
"loss": 0.2143,
|
||
|
|
"step": 35
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.096,
|
||
|
|
"grad_norm": 0.4274608790874481,
|
||
|
|
"learning_rate": 4.594594594594595e-05,
|
||
|
|
"loss": 0.1619,
|
||
|
|
"step": 36
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.09866666666666667,
|
||
|
|
"grad_norm": 0.5231727361679077,
|
||
|
|
"learning_rate": 4.581081081081081e-05,
|
||
|
|
"loss": 0.2195,
|
||
|
|
"step": 37
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.10133333333333333,
|
||
|
|
"grad_norm": 0.39956191182136536,
|
||
|
|
"learning_rate": 4.567567567567568e-05,
|
||
|
|
"loss": 0.1663,
|
||
|
|
"step": 38
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.104,
|
||
|
|
"grad_norm": 0.5150433778762817,
|
||
|
|
"learning_rate": 4.5540540540540545e-05,
|
||
|
|
"loss": 0.3033,
|
||
|
|
"step": 39
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.10666666666666667,
|
||
|
|
"grad_norm": 0.5164210200309753,
|
||
|
|
"learning_rate": 4.540540540540541e-05,
|
||
|
|
"loss": 0.2013,
|
||
|
|
"step": 40
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.10933333333333334,
|
||
|
|
"grad_norm": 0.6179811358451843,
|
||
|
|
"learning_rate": 4.5270270270270274e-05,
|
||
|
|
"loss": 0.3241,
|
||
|
|
"step": 41
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.112,
|
||
|
|
"grad_norm": 0.5816308259963989,
|
||
|
|
"learning_rate": 4.513513513513514e-05,
|
||
|
|
"loss": 0.2152,
|
||
|
|
"step": 42
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.11466666666666667,
|
||
|
|
"grad_norm": 0.5186657905578613,
|
||
|
|
"learning_rate": 4.5e-05,
|
||
|
|
"loss": 0.2004,
|
||
|
|
"step": 43
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.11733333333333333,
|
||
|
|
"grad_norm": 0.4663538336753845,
|
||
|
|
"learning_rate": 4.486486486486487e-05,
|
||
|
|
"loss": 0.1852,
|
||
|
|
"step": 44
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.12,
|
||
|
|
"grad_norm": 0.6777138113975525,
|
||
|
|
"learning_rate": 4.472972972972973e-05,
|
||
|
|
"loss": 0.3549,
|
||
|
|
"step": 45
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.12266666666666666,
|
||
|
|
"grad_norm": 0.5656458139419556,
|
||
|
|
"learning_rate": 4.4594594594594596e-05,
|
||
|
|
"loss": 0.213,
|
||
|
|
"step": 46
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.12533333333333332,
|
||
|
|
"grad_norm": 0.6419039368629456,
|
||
|
|
"learning_rate": 4.445945945945946e-05,
|
||
|
|
"loss": 0.3239,
|
||
|
|
"step": 47
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.128,
|
||
|
|
"grad_norm": 0.5709220767021179,
|
||
|
|
"learning_rate": 4.432432432432433e-05,
|
||
|
|
"loss": 0.2909,
|
||
|
|
"step": 48
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.13066666666666665,
|
||
|
|
"grad_norm": 0.7063288688659668,
|
||
|
|
"learning_rate": 4.418918918918919e-05,
|
||
|
|
"loss": 0.3917,
|
||
|
|
"step": 49
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.13333333333333333,
|
||
|
|
"grad_norm": 0.6325149536132812,
|
||
|
|
"learning_rate": 4.4054054054054054e-05,
|
||
|
|
"loss": 0.2626,
|
||
|
|
"step": 50
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.136,
|
||
|
|
"grad_norm": 0.41274911165237427,
|
||
|
|
"learning_rate": 4.391891891891892e-05,
|
||
|
|
"loss": 0.1736,
|
||
|
|
"step": 51
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.13866666666666666,
|
||
|
|
"grad_norm": 0.6281731128692627,
|
||
|
|
"learning_rate": 4.378378378378379e-05,
|
||
|
|
"loss": 0.3231,
|
||
|
|
"step": 52
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.14133333333333334,
|
||
|
|
"grad_norm": 0.5704523324966431,
|
||
|
|
"learning_rate": 4.364864864864865e-05,
|
||
|
|
"loss": 0.2507,
|
||
|
|
"step": 53
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.144,
|
||
|
|
"grad_norm": 0.5365667939186096,
|
||
|
|
"learning_rate": 4.351351351351351e-05,
|
||
|
|
"loss": 0.2467,
|
||
|
|
"step": 54
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.14666666666666667,
|
||
|
|
"grad_norm": 0.5791462063789368,
|
||
|
|
"learning_rate": 4.3378378378378384e-05,
|
||
|
|
"loss": 0.2621,
|
||
|
|
"step": 55
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.14933333333333335,
|
||
|
|
"grad_norm": 0.6151870489120483,
|
||
|
|
"learning_rate": 4.324324324324325e-05,
|
||
|
|
"loss": 0.3377,
|
||
|
|
"step": 56
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.152,
|
||
|
|
"grad_norm": 0.9107360243797302,
|
||
|
|
"learning_rate": 4.3108108108108106e-05,
|
||
|
|
"loss": 0.4061,
|
||
|
|
"step": 57
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.15466666666666667,
|
||
|
|
"grad_norm": 0.5289735794067383,
|
||
|
|
"learning_rate": 4.297297297297298e-05,
|
||
|
|
"loss": 0.2334,
|
||
|
|
"step": 58
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.15733333333333333,
|
||
|
|
"grad_norm": 0.5623721480369568,
|
||
|
|
"learning_rate": 4.283783783783784e-05,
|
||
|
|
"loss": 0.2868,
|
||
|
|
"step": 59
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.16,
|
||
|
|
"grad_norm": 0.41038978099823,
|
||
|
|
"learning_rate": 4.2702702702702706e-05,
|
||
|
|
"loss": 0.1938,
|
||
|
|
"step": 60
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.16266666666666665,
|
||
|
|
"grad_norm": 0.5085731148719788,
|
||
|
|
"learning_rate": 4.256756756756757e-05,
|
||
|
|
"loss": 0.2543,
|
||
|
|
"step": 61
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.16533333333333333,
|
||
|
|
"grad_norm": 0.634427547454834,
|
||
|
|
"learning_rate": 4.2432432432432435e-05,
|
||
|
|
"loss": 0.2043,
|
||
|
|
"step": 62
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.168,
|
||
|
|
"grad_norm": 0.5920824408531189,
|
||
|
|
"learning_rate": 4.22972972972973e-05,
|
||
|
|
"loss": 0.2109,
|
||
|
|
"step": 63
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.17066666666666666,
|
||
|
|
"grad_norm": 0.40142393112182617,
|
||
|
|
"learning_rate": 4.2162162162162164e-05,
|
||
|
|
"loss": 0.1375,
|
||
|
|
"step": 64
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.17333333333333334,
|
||
|
|
"grad_norm": 0.49858132004737854,
|
||
|
|
"learning_rate": 4.202702702702703e-05,
|
||
|
|
"loss": 0.2185,
|
||
|
|
"step": 65
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.176,
|
||
|
|
"grad_norm": 0.7000337243080139,
|
||
|
|
"learning_rate": 4.189189189189189e-05,
|
||
|
|
"loss": 0.2863,
|
||
|
|
"step": 66
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.17866666666666667,
|
||
|
|
"grad_norm": 0.4966733157634735,
|
||
|
|
"learning_rate": 4.175675675675676e-05,
|
||
|
|
"loss": 0.1739,
|
||
|
|
"step": 67
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.18133333333333335,
|
||
|
|
"grad_norm": 0.6134464144706726,
|
||
|
|
"learning_rate": 4.162162162162163e-05,
|
||
|
|
"loss": 0.2306,
|
||
|
|
"step": 68
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.184,
|
||
|
|
"grad_norm": 0.6071970462799072,
|
||
|
|
"learning_rate": 4.148648648648649e-05,
|
||
|
|
"loss": 0.2348,
|
||
|
|
"step": 69
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.18666666666666668,
|
||
|
|
"grad_norm": 0.6670414209365845,
|
||
|
|
"learning_rate": 4.135135135135135e-05,
|
||
|
|
"loss": 0.3152,
|
||
|
|
"step": 70
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.18933333333333333,
|
||
|
|
"grad_norm": 0.5723514556884766,
|
||
|
|
"learning_rate": 4.1216216216216216e-05,
|
||
|
|
"loss": 0.1795,
|
||
|
|
"step": 71
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.192,
|
||
|
|
"grad_norm": 0.4523170292377472,
|
||
|
|
"learning_rate": 4.108108108108109e-05,
|
||
|
|
"loss": 0.1383,
|
||
|
|
"step": 72
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.19466666666666665,
|
||
|
|
"grad_norm": 0.5532989501953125,
|
||
|
|
"learning_rate": 4.0945945945945945e-05,
|
||
|
|
"loss": 0.194,
|
||
|
|
"step": 73
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.19733333333333333,
|
||
|
|
"grad_norm": 0.565720796585083,
|
||
|
|
"learning_rate": 4.081081081081081e-05,
|
||
|
|
"loss": 0.2669,
|
||
|
|
"step": 74
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.2,
|
||
|
|
"grad_norm": 0.5747197270393372,
|
||
|
|
"learning_rate": 4.067567567567568e-05,
|
||
|
|
"loss": 0.2529,
|
||
|
|
"step": 75
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.20266666666666666,
|
||
|
|
"grad_norm": 1.1759167909622192,
|
||
|
|
"learning_rate": 4.0540540540540545e-05,
|
||
|
|
"loss": 0.202,
|
||
|
|
"step": 76
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.20533333333333334,
|
||
|
|
"grad_norm": 0.4425986111164093,
|
||
|
|
"learning_rate": 4.04054054054054e-05,
|
||
|
|
"loss": 0.1319,
|
||
|
|
"step": 77
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.208,
|
||
|
|
"grad_norm": 0.6151501536369324,
|
||
|
|
"learning_rate": 4.0270270270270274e-05,
|
||
|
|
"loss": 0.2544,
|
||
|
|
"step": 78
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.21066666666666667,
|
||
|
|
"grad_norm": 0.6474478840827942,
|
||
|
|
"learning_rate": 4.013513513513514e-05,
|
||
|
|
"loss": 0.2506,
|
||
|
|
"step": 79
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.21333333333333335,
|
||
|
|
"grad_norm": 0.5733214616775513,
|
||
|
|
"learning_rate": 4e-05,
|
||
|
|
"loss": 0.2113,
|
||
|
|
"step": 80
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.216,
|
||
|
|
"grad_norm": 0.606501579284668,
|
||
|
|
"learning_rate": 3.986486486486487e-05,
|
||
|
|
"loss": 0.2778,
|
||
|
|
"step": 81
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.21866666666666668,
|
||
|
|
"grad_norm": 0.6636662483215332,
|
||
|
|
"learning_rate": 3.972972972972973e-05,
|
||
|
|
"loss": 0.2854,
|
||
|
|
"step": 82
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.22133333333333333,
|
||
|
|
"grad_norm": 0.565028190612793,
|
||
|
|
"learning_rate": 3.95945945945946e-05,
|
||
|
|
"loss": 0.2006,
|
||
|
|
"step": 83
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.224,
|
||
|
|
"grad_norm": 0.6062026023864746,
|
||
|
|
"learning_rate": 3.945945945945946e-05,
|
||
|
|
"loss": 0.2818,
|
||
|
|
"step": 84
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.22666666666666666,
|
||
|
|
"grad_norm": 0.7481604218482971,
|
||
|
|
"learning_rate": 3.9324324324324326e-05,
|
||
|
|
"loss": 0.2315,
|
||
|
|
"step": 85
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.22933333333333333,
|
||
|
|
"grad_norm": 0.8110083937644958,
|
||
|
|
"learning_rate": 3.918918918918919e-05,
|
||
|
|
"loss": 0.318,
|
||
|
|
"step": 86
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.232,
|
||
|
|
"grad_norm": 0.5918411612510681,
|
||
|
|
"learning_rate": 3.9054054054054055e-05,
|
||
|
|
"loss": 0.1866,
|
||
|
|
"step": 87
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.23466666666666666,
|
||
|
|
"grad_norm": 0.6378285884857178,
|
||
|
|
"learning_rate": 3.8918918918918926e-05,
|
||
|
|
"loss": 0.2426,
|
||
|
|
"step": 88
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.23733333333333334,
|
||
|
|
"grad_norm": 0.7887803912162781,
|
||
|
|
"learning_rate": 3.8783783783783784e-05,
|
||
|
|
"loss": 0.3502,
|
||
|
|
"step": 89
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.24,
|
||
|
|
"grad_norm": 0.5502116680145264,
|
||
|
|
"learning_rate": 3.864864864864865e-05,
|
||
|
|
"loss": 0.2681,
|
||
|
|
"step": 90
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.24266666666666667,
|
||
|
|
"grad_norm": 0.4849443733692169,
|
||
|
|
"learning_rate": 3.851351351351351e-05,
|
||
|
|
"loss": 0.1738,
|
||
|
|
"step": 91
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.24533333333333332,
|
||
|
|
"grad_norm": 0.6403383016586304,
|
||
|
|
"learning_rate": 3.8378378378378384e-05,
|
||
|
|
"loss": 0.2507,
|
||
|
|
"step": 92
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.248,
|
||
|
|
"grad_norm": 0.6467702388763428,
|
||
|
|
"learning_rate": 3.824324324324324e-05,
|
||
|
|
"loss": 0.3226,
|
||
|
|
"step": 93
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.25066666666666665,
|
||
|
|
"grad_norm": 0.3444533348083496,
|
||
|
|
"learning_rate": 3.8108108108108106e-05,
|
||
|
|
"loss": 0.1083,
|
||
|
|
"step": 94
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.25333333333333335,
|
||
|
|
"grad_norm": 0.550640881061554,
|
||
|
|
"learning_rate": 3.797297297297298e-05,
|
||
|
|
"loss": 0.2155,
|
||
|
|
"step": 95
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.256,
|
||
|
|
"grad_norm": 0.5893875956535339,
|
||
|
|
"learning_rate": 3.783783783783784e-05,
|
||
|
|
"loss": 0.3095,
|
||
|
|
"step": 96
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.25866666666666666,
|
||
|
|
"grad_norm": 0.6400668621063232,
|
||
|
|
"learning_rate": 3.77027027027027e-05,
|
||
|
|
"loss": 0.2246,
|
||
|
|
"step": 97
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.2613333333333333,
|
||
|
|
"grad_norm": 0.5707902312278748,
|
||
|
|
"learning_rate": 3.756756756756757e-05,
|
||
|
|
"loss": 0.1954,
|
||
|
|
"step": 98
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.264,
|
||
|
|
"grad_norm": 0.47797662019729614,
|
||
|
|
"learning_rate": 3.7432432432432436e-05,
|
||
|
|
"loss": 0.1668,
|
||
|
|
"step": 99
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.26666666666666666,
|
||
|
|
"grad_norm": 0.6198109984397888,
|
||
|
|
"learning_rate": 3.72972972972973e-05,
|
||
|
|
"loss": 0.2438,
|
||
|
|
"step": 100
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.2693333333333333,
|
||
|
|
"grad_norm": 0.8925515413284302,
|
||
|
|
"learning_rate": 3.7162162162162165e-05,
|
||
|
|
"loss": 0.2982,
|
||
|
|
"step": 101
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.272,
|
||
|
|
"grad_norm": 0.5403084754943848,
|
||
|
|
"learning_rate": 3.702702702702703e-05,
|
||
|
|
"loss": 0.2222,
|
||
|
|
"step": 102
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.27466666666666667,
|
||
|
|
"grad_norm": 0.6162840127944946,
|
||
|
|
"learning_rate": 3.6891891891891894e-05,
|
||
|
|
"loss": 0.2447,
|
||
|
|
"step": 103
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.2773333333333333,
|
||
|
|
"grad_norm": 0.6661385893821716,
|
||
|
|
"learning_rate": 3.675675675675676e-05,
|
||
|
|
"loss": 0.2563,
|
||
|
|
"step": 104
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.28,
|
||
|
|
"grad_norm": 0.4914351999759674,
|
||
|
|
"learning_rate": 3.662162162162162e-05,
|
||
|
|
"loss": 0.1518,
|
||
|
|
"step": 105
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.2826666666666667,
|
||
|
|
"grad_norm": 0.47371527552604675,
|
||
|
|
"learning_rate": 3.648648648648649e-05,
|
||
|
|
"loss": 0.1532,
|
||
|
|
"step": 106
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.2853333333333333,
|
||
|
|
"grad_norm": 0.5333135724067688,
|
||
|
|
"learning_rate": 3.635135135135135e-05,
|
||
|
|
"loss": 0.2184,
|
||
|
|
"step": 107
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.288,
|
||
|
|
"grad_norm": 0.5600072145462036,
|
||
|
|
"learning_rate": 3.621621621621622e-05,
|
||
|
|
"loss": 0.2243,
|
||
|
|
"step": 108
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.2906666666666667,
|
||
|
|
"grad_norm": 0.7606244683265686,
|
||
|
|
"learning_rate": 3.608108108108108e-05,
|
||
|
|
"loss": 0.3609,
|
||
|
|
"step": 109
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.29333333333333333,
|
||
|
|
"grad_norm": 0.5803656578063965,
|
||
|
|
"learning_rate": 3.5945945945945945e-05,
|
||
|
|
"loss": 0.1942,
|
||
|
|
"step": 110
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.296,
|
||
|
|
"grad_norm": 0.5679228901863098,
|
||
|
|
"learning_rate": 3.581081081081081e-05,
|
||
|
|
"loss": 0.1774,
|
||
|
|
"step": 111
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.2986666666666667,
|
||
|
|
"grad_norm": 0.6833459138870239,
|
||
|
|
"learning_rate": 3.567567567567568e-05,
|
||
|
|
"loss": 0.3059,
|
||
|
|
"step": 112
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.30133333333333334,
|
||
|
|
"grad_norm": 0.6178976893424988,
|
||
|
|
"learning_rate": 3.554054054054054e-05,
|
||
|
|
"loss": 0.2458,
|
||
|
|
"step": 113
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.304,
|
||
|
|
"grad_norm": 0.6161664128303528,
|
||
|
|
"learning_rate": 3.5405405405405403e-05,
|
||
|
|
"loss": 0.2482,
|
||
|
|
"step": 114
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.30666666666666664,
|
||
|
|
"grad_norm": 0.5011486411094666,
|
||
|
|
"learning_rate": 3.5270270270270275e-05,
|
||
|
|
"loss": 0.1617,
|
||
|
|
"step": 115
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.30933333333333335,
|
||
|
|
"grad_norm": 0.34836867451667786,
|
||
|
|
"learning_rate": 3.513513513513514e-05,
|
||
|
|
"loss": 0.1041,
|
||
|
|
"step": 116
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.312,
|
||
|
|
"grad_norm": 0.7541120052337646,
|
||
|
|
"learning_rate": 3.5e-05,
|
||
|
|
"loss": 0.2706,
|
||
|
|
"step": 117
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.31466666666666665,
|
||
|
|
"grad_norm": 0.6314486265182495,
|
||
|
|
"learning_rate": 3.486486486486487e-05,
|
||
|
|
"loss": 0.2518,
|
||
|
|
"step": 118
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.31733333333333336,
|
||
|
|
"grad_norm": 0.4910373091697693,
|
||
|
|
"learning_rate": 3.472972972972973e-05,
|
||
|
|
"loss": 0.1944,
|
||
|
|
"step": 119
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.32,
|
||
|
|
"grad_norm": 0.5504999756813049,
|
||
|
|
"learning_rate": 3.45945945945946e-05,
|
||
|
|
"loss": 0.2356,
|
||
|
|
"step": 120
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.32266666666666666,
|
||
|
|
"grad_norm": 0.8970507979393005,
|
||
|
|
"learning_rate": 3.445945945945946e-05,
|
||
|
|
"loss": 0.4677,
|
||
|
|
"step": 121
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.3253333333333333,
|
||
|
|
"grad_norm": 0.548102617263794,
|
||
|
|
"learning_rate": 3.4324324324324326e-05,
|
||
|
|
"loss": 0.2129,
|
||
|
|
"step": 122
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.328,
|
||
|
|
"grad_norm": 0.6029901504516602,
|
||
|
|
"learning_rate": 3.418918918918919e-05,
|
||
|
|
"loss": 0.2347,
|
||
|
|
"step": 123
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.33066666666666666,
|
||
|
|
"grad_norm": 0.719962477684021,
|
||
|
|
"learning_rate": 3.4054054054054055e-05,
|
||
|
|
"loss": 0.265,
|
||
|
|
"step": 124
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.3333333333333333,
|
||
|
|
"grad_norm": 0.5514008402824402,
|
||
|
|
"learning_rate": 3.391891891891892e-05,
|
||
|
|
"loss": 0.189,
|
||
|
|
"step": 125
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.336,
|
||
|
|
"grad_norm": 0.5667964220046997,
|
||
|
|
"learning_rate": 3.3783783783783784e-05,
|
||
|
|
"loss": 0.2195,
|
||
|
|
"step": 126
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.33866666666666667,
|
||
|
|
"grad_norm": 0.7069374322891235,
|
||
|
|
"learning_rate": 3.364864864864865e-05,
|
||
|
|
"loss": 0.3621,
|
||
|
|
"step": 127
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.3413333333333333,
|
||
|
|
"grad_norm": 0.5793717503547668,
|
||
|
|
"learning_rate": 3.351351351351352e-05,
|
||
|
|
"loss": 0.3163,
|
||
|
|
"step": 128
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.344,
|
||
|
|
"grad_norm": 0.5774781107902527,
|
||
|
|
"learning_rate": 3.337837837837838e-05,
|
||
|
|
"loss": 0.2416,
|
||
|
|
"step": 129
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.3466666666666667,
|
||
|
|
"grad_norm": 0.6475734710693359,
|
||
|
|
"learning_rate": 3.324324324324324e-05,
|
||
|
|
"loss": 0.2723,
|
||
|
|
"step": 130
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.34933333333333333,
|
||
|
|
"grad_norm": 0.746928870677948,
|
||
|
|
"learning_rate": 3.310810810810811e-05,
|
||
|
|
"loss": 0.2904,
|
||
|
|
"step": 131
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.352,
|
||
|
|
"grad_norm": 0.5613728761672974,
|
||
|
|
"learning_rate": 3.297297297297298e-05,
|
||
|
|
"loss": 0.205,
|
||
|
|
"step": 132
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.3546666666666667,
|
||
|
|
"grad_norm": 0.48540714383125305,
|
||
|
|
"learning_rate": 3.2837837837837836e-05,
|
||
|
|
"loss": 0.1514,
|
||
|
|
"step": 133
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.35733333333333334,
|
||
|
|
"grad_norm": 0.6692690253257751,
|
||
|
|
"learning_rate": 3.27027027027027e-05,
|
||
|
|
"loss": 0.23,
|
||
|
|
"step": 134
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.36,
|
||
|
|
"grad_norm": 0.5904596447944641,
|
||
|
|
"learning_rate": 3.256756756756757e-05,
|
||
|
|
"loss": 0.2198,
|
||
|
|
"step": 135
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.3626666666666667,
|
||
|
|
"grad_norm": 0.4999676048755646,
|
||
|
|
"learning_rate": 3.2432432432432436e-05,
|
||
|
|
"loss": 0.1835,
|
||
|
|
"step": 136
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.36533333333333334,
|
||
|
|
"grad_norm": 0.7427677512168884,
|
||
|
|
"learning_rate": 3.2297297297297294e-05,
|
||
|
|
"loss": 0.31,
|
||
|
|
"step": 137
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.368,
|
||
|
|
"grad_norm": 0.6362374424934387,
|
||
|
|
"learning_rate": 3.2162162162162165e-05,
|
||
|
|
"loss": 0.2637,
|
||
|
|
"step": 138
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.37066666666666664,
|
||
|
|
"grad_norm": 0.5465662479400635,
|
||
|
|
"learning_rate": 3.202702702702703e-05,
|
||
|
|
"loss": 0.2101,
|
||
|
|
"step": 139
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.37333333333333335,
|
||
|
|
"grad_norm": 0.6365283131599426,
|
||
|
|
"learning_rate": 3.1891891891891894e-05,
|
||
|
|
"loss": 0.2913,
|
||
|
|
"step": 140
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.376,
|
||
|
|
"grad_norm": 0.6055052876472473,
|
||
|
|
"learning_rate": 3.175675675675676e-05,
|
||
|
|
"loss": 0.2893,
|
||
|
|
"step": 141
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.37866666666666665,
|
||
|
|
"grad_norm": 0.5622426867485046,
|
||
|
|
"learning_rate": 3.162162162162162e-05,
|
||
|
|
"loss": 0.2727,
|
||
|
|
"step": 142
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.38133333333333336,
|
||
|
|
"grad_norm": 0.5708361864089966,
|
||
|
|
"learning_rate": 3.148648648648649e-05,
|
||
|
|
"loss": 0.1767,
|
||
|
|
"step": 143
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.384,
|
||
|
|
"grad_norm": 0.5525623559951782,
|
||
|
|
"learning_rate": 3.135135135135135e-05,
|
||
|
|
"loss": 0.2121,
|
||
|
|
"step": 144
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.38666666666666666,
|
||
|
|
"grad_norm": 0.6321238875389099,
|
||
|
|
"learning_rate": 3.121621621621622e-05,
|
||
|
|
"loss": 0.2537,
|
||
|
|
"step": 145
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.3893333333333333,
|
||
|
|
"grad_norm": 0.3766157627105713,
|
||
|
|
"learning_rate": 3.108108108108108e-05,
|
||
|
|
"loss": 0.1334,
|
||
|
|
"step": 146
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.392,
|
||
|
|
"grad_norm": 0.3613456189632416,
|
||
|
|
"learning_rate": 3.0945945945945946e-05,
|
||
|
|
"loss": 0.072,
|
||
|
|
"step": 147
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.39466666666666667,
|
||
|
|
"grad_norm": 0.665106475353241,
|
||
|
|
"learning_rate": 3.081081081081082e-05,
|
||
|
|
"loss": 0.2745,
|
||
|
|
"step": 148
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.3973333333333333,
|
||
|
|
"grad_norm": 0.6261528134346008,
|
||
|
|
"learning_rate": 3.0675675675675675e-05,
|
||
|
|
"loss": 0.2269,
|
||
|
|
"step": 149
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.4,
|
||
|
|
"grad_norm": 0.7030308842658997,
|
||
|
|
"learning_rate": 3.054054054054054e-05,
|
||
|
|
"loss": 0.2704,
|
||
|
|
"step": 150
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.4026666666666667,
|
||
|
|
"grad_norm": 0.5130417346954346,
|
||
|
|
"learning_rate": 3.0405405405405407e-05,
|
||
|
|
"loss": 0.1309,
|
||
|
|
"step": 151
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.4053333333333333,
|
||
|
|
"grad_norm": 0.5380734801292419,
|
||
|
|
"learning_rate": 3.0270270270270272e-05,
|
||
|
|
"loss": 0.1825,
|
||
|
|
"step": 152
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.408,
|
||
|
|
"grad_norm": 0.4302480220794678,
|
||
|
|
"learning_rate": 3.0135135135135133e-05,
|
||
|
|
"loss": 0.1415,
|
||
|
|
"step": 153
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.4106666666666667,
|
||
|
|
"grad_norm": 0.6470151543617249,
|
||
|
|
"learning_rate": 3e-05,
|
||
|
|
"loss": 0.1902,
|
||
|
|
"step": 154
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.41333333333333333,
|
||
|
|
"grad_norm": 0.6602063179016113,
|
||
|
|
"learning_rate": 2.9864864864864865e-05,
|
||
|
|
"loss": 0.228,
|
||
|
|
"step": 155
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.416,
|
||
|
|
"grad_norm": 0.5942980051040649,
|
||
|
|
"learning_rate": 2.9729729729729733e-05,
|
||
|
|
"loss": 0.25,
|
||
|
|
"step": 156
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.4186666666666667,
|
||
|
|
"grad_norm": 0.6533845663070679,
|
||
|
|
"learning_rate": 2.9594594594594594e-05,
|
||
|
|
"loss": 0.2608,
|
||
|
|
"step": 157
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.42133333333333334,
|
||
|
|
"grad_norm": 0.7152032256126404,
|
||
|
|
"learning_rate": 2.945945945945946e-05,
|
||
|
|
"loss": 0.289,
|
||
|
|
"step": 158
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.424,
|
||
|
|
"grad_norm": 0.586948573589325,
|
||
|
|
"learning_rate": 2.9324324324324327e-05,
|
||
|
|
"loss": 0.2178,
|
||
|
|
"step": 159
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.4266666666666667,
|
||
|
|
"grad_norm": 0.7257490754127502,
|
||
|
|
"learning_rate": 2.918918918918919e-05,
|
||
|
|
"loss": 0.3106,
|
||
|
|
"step": 160
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.42933333333333334,
|
||
|
|
"grad_norm": 0.6916212439537048,
|
||
|
|
"learning_rate": 2.9054054054054052e-05,
|
||
|
|
"loss": 0.2848,
|
||
|
|
"step": 161
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.432,
|
||
|
|
"grad_norm": 0.48645657300949097,
|
||
|
|
"learning_rate": 2.891891891891892e-05,
|
||
|
|
"loss": 0.1582,
|
||
|
|
"step": 162
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.43466666666666665,
|
||
|
|
"grad_norm": 0.6682319045066833,
|
||
|
|
"learning_rate": 2.8783783783783785e-05,
|
||
|
|
"loss": 0.3203,
|
||
|
|
"step": 163
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.43733333333333335,
|
||
|
|
"grad_norm": 0.5025720596313477,
|
||
|
|
"learning_rate": 2.8648648648648653e-05,
|
||
|
|
"loss": 0.1871,
|
||
|
|
"step": 164
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.44,
|
||
|
|
"grad_norm": 0.5808410048484802,
|
||
|
|
"learning_rate": 2.8513513513513514e-05,
|
||
|
|
"loss": 0.1714,
|
||
|
|
"step": 165
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.44266666666666665,
|
||
|
|
"grad_norm": 0.5204479694366455,
|
||
|
|
"learning_rate": 2.8378378378378378e-05,
|
||
|
|
"loss": 0.1907,
|
||
|
|
"step": 166
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.44533333333333336,
|
||
|
|
"grad_norm": 0.5848270058631897,
|
||
|
|
"learning_rate": 2.8243243243243246e-05,
|
||
|
|
"loss": 0.2034,
|
||
|
|
"step": 167
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.448,
|
||
|
|
"grad_norm": 0.7450884580612183,
|
||
|
|
"learning_rate": 2.810810810810811e-05,
|
||
|
|
"loss": 0.2386,
|
||
|
|
"step": 168
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.45066666666666666,
|
||
|
|
"grad_norm": 0.7475182414054871,
|
||
|
|
"learning_rate": 2.7972972972972972e-05,
|
||
|
|
"loss": 0.2801,
|
||
|
|
"step": 169
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.4533333333333333,
|
||
|
|
"grad_norm": 0.55091392993927,
|
||
|
|
"learning_rate": 2.7837837837837836e-05,
|
||
|
|
"loss": 0.1626,
|
||
|
|
"step": 170
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.456,
|
||
|
|
"grad_norm": 0.6713558435440063,
|
||
|
|
"learning_rate": 2.7702702702702704e-05,
|
||
|
|
"loss": 0.2822,
|
||
|
|
"step": 171
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.45866666666666667,
|
||
|
|
"grad_norm": 0.5404139161109924,
|
||
|
|
"learning_rate": 2.7567567567567572e-05,
|
||
|
|
"loss": 0.192,
|
||
|
|
"step": 172
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.4613333333333333,
|
||
|
|
"grad_norm": 0.41619428992271423,
|
||
|
|
"learning_rate": 2.743243243243243e-05,
|
||
|
|
"loss": 0.104,
|
||
|
|
"step": 173
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.464,
|
||
|
|
"grad_norm": 0.611028790473938,
|
||
|
|
"learning_rate": 2.7297297297297298e-05,
|
||
|
|
"loss": 0.2427,
|
||
|
|
"step": 174
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.4666666666666667,
|
||
|
|
"grad_norm": 0.6872088313102722,
|
||
|
|
"learning_rate": 2.7162162162162162e-05,
|
||
|
|
"loss": 0.3453,
|
||
|
|
"step": 175
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.4693333333333333,
|
||
|
|
"grad_norm": 0.6968737244606018,
|
||
|
|
"learning_rate": 2.702702702702703e-05,
|
||
|
|
"loss": 0.2975,
|
||
|
|
"step": 176
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.472,
|
||
|
|
"grad_norm": 0.7432575821876526,
|
||
|
|
"learning_rate": 2.689189189189189e-05,
|
||
|
|
"loss": 0.2674,
|
||
|
|
"step": 177
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.4746666666666667,
|
||
|
|
"grad_norm": 0.6078038811683655,
|
||
|
|
"learning_rate": 2.6756756756756756e-05,
|
||
|
|
"loss": 0.1861,
|
||
|
|
"step": 178
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.47733333333333333,
|
||
|
|
"grad_norm": 0.8513370752334595,
|
||
|
|
"learning_rate": 2.6621621621621624e-05,
|
||
|
|
"loss": 0.295,
|
||
|
|
"step": 179
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.48,
|
||
|
|
"grad_norm": 0.5290113091468811,
|
||
|
|
"learning_rate": 2.6486486486486488e-05,
|
||
|
|
"loss": 0.1566,
|
||
|
|
"step": 180
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.4826666666666667,
|
||
|
|
"grad_norm": 0.6033786535263062,
|
||
|
|
"learning_rate": 2.635135135135135e-05,
|
||
|
|
"loss": 0.25,
|
||
|
|
"step": 181
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.48533333333333334,
|
||
|
|
"grad_norm": 0.5983402132987976,
|
||
|
|
"learning_rate": 2.6216216216216217e-05,
|
||
|
|
"loss": 0.1903,
|
||
|
|
"step": 182
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.488,
|
||
|
|
"grad_norm": 0.7017176151275635,
|
||
|
|
"learning_rate": 2.6081081081081082e-05,
|
||
|
|
"loss": 0.234,
|
||
|
|
"step": 183
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.49066666666666664,
|
||
|
|
"grad_norm": 0.8326086401939392,
|
||
|
|
"learning_rate": 2.594594594594595e-05,
|
||
|
|
"loss": 0.2657,
|
||
|
|
"step": 184
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.49333333333333335,
|
||
|
|
"grad_norm": 0.5940963625907898,
|
||
|
|
"learning_rate": 2.581081081081081e-05,
|
||
|
|
"loss": 0.2053,
|
||
|
|
"step": 185
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.496,
|
||
|
|
"grad_norm": 0.5414415001869202,
|
||
|
|
"learning_rate": 2.5675675675675675e-05,
|
||
|
|
"loss": 0.1778,
|
||
|
|
"step": 186
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.49866666666666665,
|
||
|
|
"grad_norm": 0.6829217672348022,
|
||
|
|
"learning_rate": 2.5540540540540543e-05,
|
||
|
|
"loss": 0.2808,
|
||
|
|
"step": 187
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5013333333333333,
|
||
|
|
"grad_norm": 0.7686617374420166,
|
||
|
|
"learning_rate": 2.5405405405405408e-05,
|
||
|
|
"loss": 0.1226,
|
||
|
|
"step": 188
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.504,
|
||
|
|
"grad_norm": 0.5309358239173889,
|
||
|
|
"learning_rate": 2.527027027027027e-05,
|
||
|
|
"loss": 0.2089,
|
||
|
|
"step": 189
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5066666666666667,
|
||
|
|
"grad_norm": 0.7193053364753723,
|
||
|
|
"learning_rate": 2.5135135135135133e-05,
|
||
|
|
"loss": 0.2609,
|
||
|
|
"step": 190
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5093333333333333,
|
||
|
|
"grad_norm": 0.6095020174980164,
|
||
|
|
"learning_rate": 2.5e-05,
|
||
|
|
"loss": 0.189,
|
||
|
|
"step": 191
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.512,
|
||
|
|
"grad_norm": 0.6873129606246948,
|
||
|
|
"learning_rate": 2.486486486486487e-05,
|
||
|
|
"loss": 0.2596,
|
||
|
|
"step": 192
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5146666666666667,
|
||
|
|
"grad_norm": 0.4779318869113922,
|
||
|
|
"learning_rate": 2.472972972972973e-05,
|
||
|
|
"loss": 0.1557,
|
||
|
|
"step": 193
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5173333333333333,
|
||
|
|
"grad_norm": 0.5036165714263916,
|
||
|
|
"learning_rate": 2.4594594594594598e-05,
|
||
|
|
"loss": 0.1485,
|
||
|
|
"step": 194
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.52,
|
||
|
|
"grad_norm": 0.4690876007080078,
|
||
|
|
"learning_rate": 2.445945945945946e-05,
|
||
|
|
"loss": 0.1977,
|
||
|
|
"step": 195
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5226666666666666,
|
||
|
|
"grad_norm": 0.5184641480445862,
|
||
|
|
"learning_rate": 2.4324324324324327e-05,
|
||
|
|
"loss": 0.1718,
|
||
|
|
"step": 196
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5253333333333333,
|
||
|
|
"grad_norm": 0.7149509191513062,
|
||
|
|
"learning_rate": 2.418918918918919e-05,
|
||
|
|
"loss": 0.2315,
|
||
|
|
"step": 197
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.528,
|
||
|
|
"grad_norm": 0.6065844893455505,
|
||
|
|
"learning_rate": 2.4054054054054056e-05,
|
||
|
|
"loss": 0.2185,
|
||
|
|
"step": 198
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5306666666666666,
|
||
|
|
"grad_norm": 0.7413136959075928,
|
||
|
|
"learning_rate": 2.391891891891892e-05,
|
||
|
|
"loss": 0.2266,
|
||
|
|
"step": 199
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5333333333333333,
|
||
|
|
"grad_norm": 0.4582456052303314,
|
||
|
|
"learning_rate": 2.3783783783783785e-05,
|
||
|
|
"loss": 0.1247,
|
||
|
|
"step": 200
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.536,
|
||
|
|
"grad_norm": 0.6760058999061584,
|
||
|
|
"learning_rate": 2.364864864864865e-05,
|
||
|
|
"loss": 0.2137,
|
||
|
|
"step": 201
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5386666666666666,
|
||
|
|
"grad_norm": 0.5120140910148621,
|
||
|
|
"learning_rate": 2.3513513513513518e-05,
|
||
|
|
"loss": 0.1839,
|
||
|
|
"step": 202
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5413333333333333,
|
||
|
|
"grad_norm": 0.6738213300704956,
|
||
|
|
"learning_rate": 2.337837837837838e-05,
|
||
|
|
"loss": 0.2407,
|
||
|
|
"step": 203
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.544,
|
||
|
|
"grad_norm": 0.5448285937309265,
|
||
|
|
"learning_rate": 2.3243243243243247e-05,
|
||
|
|
"loss": 0.1778,
|
||
|
|
"step": 204
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5466666666666666,
|
||
|
|
"grad_norm": 0.6717932820320129,
|
||
|
|
"learning_rate": 2.3108108108108108e-05,
|
||
|
|
"loss": 0.2595,
|
||
|
|
"step": 205
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5493333333333333,
|
||
|
|
"grad_norm": 0.6326261758804321,
|
||
|
|
"learning_rate": 2.2972972972972976e-05,
|
||
|
|
"loss": 0.2153,
|
||
|
|
"step": 206
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.552,
|
||
|
|
"grad_norm": 0.5625270009040833,
|
||
|
|
"learning_rate": 2.283783783783784e-05,
|
||
|
|
"loss": 0.1942,
|
||
|
|
"step": 207
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5546666666666666,
|
||
|
|
"grad_norm": 0.8631544709205627,
|
||
|
|
"learning_rate": 2.2702702702702705e-05,
|
||
|
|
"loss": 0.2745,
|
||
|
|
"step": 208
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5573333333333333,
|
||
|
|
"grad_norm": 0.6548445224761963,
|
||
|
|
"learning_rate": 2.256756756756757e-05,
|
||
|
|
"loss": 0.2873,
|
||
|
|
"step": 209
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.56,
|
||
|
|
"grad_norm": 0.5021188855171204,
|
||
|
|
"learning_rate": 2.2432432432432434e-05,
|
||
|
|
"loss": 0.1631,
|
||
|
|
"step": 210
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5626666666666666,
|
||
|
|
"grad_norm": 0.49216753244400024,
|
||
|
|
"learning_rate": 2.2297297297297298e-05,
|
||
|
|
"loss": 0.1586,
|
||
|
|
"step": 211
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5653333333333334,
|
||
|
|
"grad_norm": 0.6174778342247009,
|
||
|
|
"learning_rate": 2.2162162162162166e-05,
|
||
|
|
"loss": 0.1554,
|
||
|
|
"step": 212
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.568,
|
||
|
|
"grad_norm": 0.7705597281455994,
|
||
|
|
"learning_rate": 2.2027027027027027e-05,
|
||
|
|
"loss": 0.2977,
|
||
|
|
"step": 213
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5706666666666667,
|
||
|
|
"grad_norm": 0.7118927836418152,
|
||
|
|
"learning_rate": 2.1891891891891895e-05,
|
||
|
|
"loss": 0.2955,
|
||
|
|
"step": 214
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5733333333333334,
|
||
|
|
"grad_norm": 0.6320310235023499,
|
||
|
|
"learning_rate": 2.1756756756756756e-05,
|
||
|
|
"loss": 0.2453,
|
||
|
|
"step": 215
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.576,
|
||
|
|
"grad_norm": 0.5749877691268921,
|
||
|
|
"learning_rate": 2.1621621621621624e-05,
|
||
|
|
"loss": 0.2012,
|
||
|
|
"step": 216
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5786666666666667,
|
||
|
|
"grad_norm": 0.555393636226654,
|
||
|
|
"learning_rate": 2.148648648648649e-05,
|
||
|
|
"loss": 0.1642,
|
||
|
|
"step": 217
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5813333333333334,
|
||
|
|
"grad_norm": 0.7592053413391113,
|
||
|
|
"learning_rate": 2.1351351351351353e-05,
|
||
|
|
"loss": 0.3106,
|
||
|
|
"step": 218
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.584,
|
||
|
|
"grad_norm": 0.6518253684043884,
|
||
|
|
"learning_rate": 2.1216216216216218e-05,
|
||
|
|
"loss": 0.1455,
|
||
|
|
"step": 219
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5866666666666667,
|
||
|
|
"grad_norm": 0.6957706212997437,
|
||
|
|
"learning_rate": 2.1081081081081082e-05,
|
||
|
|
"loss": 0.2741,
|
||
|
|
"step": 220
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5893333333333334,
|
||
|
|
"grad_norm": 0.4323728382587433,
|
||
|
|
"learning_rate": 2.0945945945945947e-05,
|
||
|
|
"loss": 0.1144,
|
||
|
|
"step": 221
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.592,
|
||
|
|
"grad_norm": 0.7574846744537354,
|
||
|
|
"learning_rate": 2.0810810810810815e-05,
|
||
|
|
"loss": 0.1976,
|
||
|
|
"step": 222
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5946666666666667,
|
||
|
|
"grad_norm": 0.5535413026809692,
|
||
|
|
"learning_rate": 2.0675675675675676e-05,
|
||
|
|
"loss": 0.179,
|
||
|
|
"step": 223
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5973333333333334,
|
||
|
|
"grad_norm": 0.4829161763191223,
|
||
|
|
"learning_rate": 2.0540540540540544e-05,
|
||
|
|
"loss": 0.1346,
|
||
|
|
"step": 224
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6,
|
||
|
|
"grad_norm": 0.5129250884056091,
|
||
|
|
"learning_rate": 2.0405405405405405e-05,
|
||
|
|
"loss": 0.1629,
|
||
|
|
"step": 225
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6026666666666667,
|
||
|
|
"grad_norm": 0.4377624988555908,
|
||
|
|
"learning_rate": 2.0270270270270273e-05,
|
||
|
|
"loss": 0.1575,
|
||
|
|
"step": 226
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6053333333333333,
|
||
|
|
"grad_norm": 0.6412447690963745,
|
||
|
|
"learning_rate": 2.0135135135135137e-05,
|
||
|
|
"loss": 0.2016,
|
||
|
|
"step": 227
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.608,
|
||
|
|
"grad_norm": 0.7390076518058777,
|
||
|
|
"learning_rate": 2e-05,
|
||
|
|
"loss": 0.2723,
|
||
|
|
"step": 228
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6106666666666667,
|
||
|
|
"grad_norm": 0.6016333699226379,
|
||
|
|
"learning_rate": 1.9864864864864866e-05,
|
||
|
|
"loss": 0.1996,
|
||
|
|
"step": 229
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6133333333333333,
|
||
|
|
"grad_norm": 0.4226846694946289,
|
||
|
|
"learning_rate": 1.972972972972973e-05,
|
||
|
|
"loss": 0.1294,
|
||
|
|
"step": 230
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.616,
|
||
|
|
"grad_norm": 0.5863762497901917,
|
||
|
|
"learning_rate": 1.9594594594594595e-05,
|
||
|
|
"loss": 0.2123,
|
||
|
|
"step": 231
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6186666666666667,
|
||
|
|
"grad_norm": 0.5393906235694885,
|
||
|
|
"learning_rate": 1.9459459459459463e-05,
|
||
|
|
"loss": 0.1944,
|
||
|
|
"step": 232
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6213333333333333,
|
||
|
|
"grad_norm": 0.6915661692619324,
|
||
|
|
"learning_rate": 1.9324324324324324e-05,
|
||
|
|
"loss": 0.173,
|
||
|
|
"step": 233
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.624,
|
||
|
|
"grad_norm": 0.6447592377662659,
|
||
|
|
"learning_rate": 1.9189189189189192e-05,
|
||
|
|
"loss": 0.2295,
|
||
|
|
"step": 234
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6266666666666667,
|
||
|
|
"grad_norm": 0.5152669548988342,
|
||
|
|
"learning_rate": 1.9054054054054053e-05,
|
||
|
|
"loss": 0.1191,
|
||
|
|
"step": 235
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6293333333333333,
|
||
|
|
"grad_norm": 0.5134653449058533,
|
||
|
|
"learning_rate": 1.891891891891892e-05,
|
||
|
|
"loss": 0.1739,
|
||
|
|
"step": 236
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.632,
|
||
|
|
"grad_norm": 0.8054283857345581,
|
||
|
|
"learning_rate": 1.8783783783783786e-05,
|
||
|
|
"loss": 0.2643,
|
||
|
|
"step": 237
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6346666666666667,
|
||
|
|
"grad_norm": 0.674666166305542,
|
||
|
|
"learning_rate": 1.864864864864865e-05,
|
||
|
|
"loss": 0.2044,
|
||
|
|
"step": 238
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6373333333333333,
|
||
|
|
"grad_norm": 0.47748634219169617,
|
||
|
|
"learning_rate": 1.8513513513513515e-05,
|
||
|
|
"loss": 0.1533,
|
||
|
|
"step": 239
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.64,
|
||
|
|
"grad_norm": 0.5323417782783508,
|
||
|
|
"learning_rate": 1.837837837837838e-05,
|
||
|
|
"loss": 0.1615,
|
||
|
|
"step": 240
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6426666666666667,
|
||
|
|
"grad_norm": 0.5649161338806152,
|
||
|
|
"learning_rate": 1.8243243243243244e-05,
|
||
|
|
"loss": 0.1526,
|
||
|
|
"step": 241
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6453333333333333,
|
||
|
|
"grad_norm": 0.5984750986099243,
|
||
|
|
"learning_rate": 1.810810810810811e-05,
|
||
|
|
"loss": 0.224,
|
||
|
|
"step": 242
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.648,
|
||
|
|
"grad_norm": 0.48251962661743164,
|
||
|
|
"learning_rate": 1.7972972972972973e-05,
|
||
|
|
"loss": 0.134,
|
||
|
|
"step": 243
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6506666666666666,
|
||
|
|
"grad_norm": 0.6006084084510803,
|
||
|
|
"learning_rate": 1.783783783783784e-05,
|
||
|
|
"loss": 0.2142,
|
||
|
|
"step": 244
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6533333333333333,
|
||
|
|
"grad_norm": 0.6613268256187439,
|
||
|
|
"learning_rate": 1.7702702702702702e-05,
|
||
|
|
"loss": 0.2037,
|
||
|
|
"step": 245
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.656,
|
||
|
|
"grad_norm": 0.6306142210960388,
|
||
|
|
"learning_rate": 1.756756756756757e-05,
|
||
|
|
"loss": 0.1483,
|
||
|
|
"step": 246
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6586666666666666,
|
||
|
|
"grad_norm": 0.7663143277168274,
|
||
|
|
"learning_rate": 1.7432432432432434e-05,
|
||
|
|
"loss": 0.3002,
|
||
|
|
"step": 247
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6613333333333333,
|
||
|
|
"grad_norm": 0.6292830109596252,
|
||
|
|
"learning_rate": 1.72972972972973e-05,
|
||
|
|
"loss": 0.1536,
|
||
|
|
"step": 248
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.664,
|
||
|
|
"grad_norm": 0.5383763909339905,
|
||
|
|
"learning_rate": 1.7162162162162163e-05,
|
||
|
|
"loss": 0.1656,
|
||
|
|
"step": 249
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6666666666666666,
|
||
|
|
"grad_norm": 0.5305218696594238,
|
||
|
|
"learning_rate": 1.7027027027027028e-05,
|
||
|
|
"loss": 0.1886,
|
||
|
|
"step": 250
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6693333333333333,
|
||
|
|
"grad_norm": 0.589921772480011,
|
||
|
|
"learning_rate": 1.6891891891891892e-05,
|
||
|
|
"loss": 0.2084,
|
||
|
|
"step": 251
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.672,
|
||
|
|
"grad_norm": 0.6212613582611084,
|
||
|
|
"learning_rate": 1.675675675675676e-05,
|
||
|
|
"loss": 0.2424,
|
||
|
|
"step": 252
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6746666666666666,
|
||
|
|
"grad_norm": 0.5838637948036194,
|
||
|
|
"learning_rate": 1.662162162162162e-05,
|
||
|
|
"loss": 0.228,
|
||
|
|
"step": 253
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6773333333333333,
|
||
|
|
"grad_norm": 0.5054718255996704,
|
||
|
|
"learning_rate": 1.648648648648649e-05,
|
||
|
|
"loss": 0.1455,
|
||
|
|
"step": 254
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.68,
|
||
|
|
"grad_norm": 0.546454131603241,
|
||
|
|
"learning_rate": 1.635135135135135e-05,
|
||
|
|
"loss": 0.1549,
|
||
|
|
"step": 255
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6826666666666666,
|
||
|
|
"grad_norm": 0.4968262314796448,
|
||
|
|
"learning_rate": 1.6216216216216218e-05,
|
||
|
|
"loss": 0.1608,
|
||
|
|
"step": 256
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6853333333333333,
|
||
|
|
"grad_norm": 0.623133659362793,
|
||
|
|
"learning_rate": 1.6081081081081083e-05,
|
||
|
|
"loss": 0.2083,
|
||
|
|
"step": 257
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.688,
|
||
|
|
"grad_norm": 0.5650936961174011,
|
||
|
|
"learning_rate": 1.5945945945945947e-05,
|
||
|
|
"loss": 0.2029,
|
||
|
|
"step": 258
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6906666666666667,
|
||
|
|
"grad_norm": 0.7110028862953186,
|
||
|
|
"learning_rate": 1.581081081081081e-05,
|
||
|
|
"loss": 0.2737,
|
||
|
|
"step": 259
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6933333333333334,
|
||
|
|
"grad_norm": 0.8131461143493652,
|
||
|
|
"learning_rate": 1.5675675675675676e-05,
|
||
|
|
"loss": 0.2936,
|
||
|
|
"step": 260
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.696,
|
||
|
|
"grad_norm": 0.48997068405151367,
|
||
|
|
"learning_rate": 1.554054054054054e-05,
|
||
|
|
"loss": 0.1678,
|
||
|
|
"step": 261
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6986666666666667,
|
||
|
|
"grad_norm": 0.7997015714645386,
|
||
|
|
"learning_rate": 1.540540540540541e-05,
|
||
|
|
"loss": 0.2685,
|
||
|
|
"step": 262
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7013333333333334,
|
||
|
|
"grad_norm": 0.4869322180747986,
|
||
|
|
"learning_rate": 1.527027027027027e-05,
|
||
|
|
"loss": 0.1524,
|
||
|
|
"step": 263
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.704,
|
||
|
|
"grad_norm": 0.5614935159683228,
|
||
|
|
"learning_rate": 1.5135135135135136e-05,
|
||
|
|
"loss": 0.1712,
|
||
|
|
"step": 264
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7066666666666667,
|
||
|
|
"grad_norm": 0.6288288831710815,
|
||
|
|
"learning_rate": 1.5e-05,
|
||
|
|
"loss": 0.1895,
|
||
|
|
"step": 265
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7093333333333334,
|
||
|
|
"grad_norm": 0.7896175384521484,
|
||
|
|
"learning_rate": 1.4864864864864867e-05,
|
||
|
|
"loss": 0.2768,
|
||
|
|
"step": 266
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.712,
|
||
|
|
"grad_norm": 0.5606632828712463,
|
||
|
|
"learning_rate": 1.472972972972973e-05,
|
||
|
|
"loss": 0.1809,
|
||
|
|
"step": 267
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7146666666666667,
|
||
|
|
"grad_norm": 0.47636720538139343,
|
||
|
|
"learning_rate": 1.4594594594594596e-05,
|
||
|
|
"loss": 0.1541,
|
||
|
|
"step": 268
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7173333333333334,
|
||
|
|
"grad_norm": 0.569159984588623,
|
||
|
|
"learning_rate": 1.445945945945946e-05,
|
||
|
|
"loss": 0.216,
|
||
|
|
"step": 269
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.72,
|
||
|
|
"grad_norm": 0.5426434278488159,
|
||
|
|
"learning_rate": 1.4324324324324326e-05,
|
||
|
|
"loss": 0.1816,
|
||
|
|
"step": 270
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7226666666666667,
|
||
|
|
"grad_norm": 0.3710249960422516,
|
||
|
|
"learning_rate": 1.4189189189189189e-05,
|
||
|
|
"loss": 0.087,
|
||
|
|
"step": 271
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7253333333333334,
|
||
|
|
"grad_norm": 0.6312391757965088,
|
||
|
|
"learning_rate": 1.4054054054054055e-05,
|
||
|
|
"loss": 0.164,
|
||
|
|
"step": 272
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.728,
|
||
|
|
"grad_norm": 0.49632951617240906,
|
||
|
|
"learning_rate": 1.3918918918918918e-05,
|
||
|
|
"loss": 0.1635,
|
||
|
|
"step": 273
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7306666666666667,
|
||
|
|
"grad_norm": 0.5251109600067139,
|
||
|
|
"learning_rate": 1.3783783783783786e-05,
|
||
|
|
"loss": 0.1945,
|
||
|
|
"step": 274
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7333333333333333,
|
||
|
|
"grad_norm": 0.647771954536438,
|
||
|
|
"learning_rate": 1.3648648648648649e-05,
|
||
|
|
"loss": 0.2506,
|
||
|
|
"step": 275
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.736,
|
||
|
|
"grad_norm": 0.7215814590454102,
|
||
|
|
"learning_rate": 1.3513513513513515e-05,
|
||
|
|
"loss": 0.2044,
|
||
|
|
"step": 276
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7386666666666667,
|
||
|
|
"grad_norm": 0.6115440130233765,
|
||
|
|
"learning_rate": 1.3378378378378378e-05,
|
||
|
|
"loss": 0.2094,
|
||
|
|
"step": 277
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7413333333333333,
|
||
|
|
"grad_norm": 0.5890814661979675,
|
||
|
|
"learning_rate": 1.3243243243243244e-05,
|
||
|
|
"loss": 0.1775,
|
||
|
|
"step": 278
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.744,
|
||
|
|
"grad_norm": 0.7720122337341309,
|
||
|
|
"learning_rate": 1.3108108108108109e-05,
|
||
|
|
"loss": 0.2633,
|
||
|
|
"step": 279
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7466666666666667,
|
||
|
|
"grad_norm": 0.718938946723938,
|
||
|
|
"learning_rate": 1.2972972972972975e-05,
|
||
|
|
"loss": 0.2238,
|
||
|
|
"step": 280
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7493333333333333,
|
||
|
|
"grad_norm": 0.49753251671791077,
|
||
|
|
"learning_rate": 1.2837837837837838e-05,
|
||
|
|
"loss": 0.185,
|
||
|
|
"step": 281
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.752,
|
||
|
|
"grad_norm": 0.6352056264877319,
|
||
|
|
"learning_rate": 1.2702702702702704e-05,
|
||
|
|
"loss": 0.1768,
|
||
|
|
"step": 282
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7546666666666667,
|
||
|
|
"grad_norm": 0.6799892783164978,
|
||
|
|
"learning_rate": 1.2567567567567567e-05,
|
||
|
|
"loss": 0.2747,
|
||
|
|
"step": 283
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7573333333333333,
|
||
|
|
"grad_norm": 0.5012674331665039,
|
||
|
|
"learning_rate": 1.2432432432432435e-05,
|
||
|
|
"loss": 0.153,
|
||
|
|
"step": 284
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.76,
|
||
|
|
"grad_norm": 0.544220507144928,
|
||
|
|
"learning_rate": 1.2297297297297299e-05,
|
||
|
|
"loss": 0.1176,
|
||
|
|
"step": 285
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7626666666666667,
|
||
|
|
"grad_norm": 0.5263255834579468,
|
||
|
|
"learning_rate": 1.2162162162162164e-05,
|
||
|
|
"loss": 0.1703,
|
||
|
|
"step": 286
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7653333333333333,
|
||
|
|
"grad_norm": 0.5928232073783875,
|
||
|
|
"learning_rate": 1.2027027027027028e-05,
|
||
|
|
"loss": 0.1897,
|
||
|
|
"step": 287
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.768,
|
||
|
|
"grad_norm": 0.6384788751602173,
|
||
|
|
"learning_rate": 1.1891891891891893e-05,
|
||
|
|
"loss": 0.2092,
|
||
|
|
"step": 288
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7706666666666667,
|
||
|
|
"grad_norm": 0.5817112326622009,
|
||
|
|
"learning_rate": 1.1756756756756759e-05,
|
||
|
|
"loss": 0.1576,
|
||
|
|
"step": 289
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7733333333333333,
|
||
|
|
"grad_norm": 0.6293438673019409,
|
||
|
|
"learning_rate": 1.1621621621621623e-05,
|
||
|
|
"loss": 0.2185,
|
||
|
|
"step": 290
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.776,
|
||
|
|
"grad_norm": 0.7224780917167664,
|
||
|
|
"learning_rate": 1.1486486486486488e-05,
|
||
|
|
"loss": 0.2554,
|
||
|
|
"step": 291
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7786666666666666,
|
||
|
|
"grad_norm": 0.77125084400177,
|
||
|
|
"learning_rate": 1.1351351351351352e-05,
|
||
|
|
"loss": 0.2885,
|
||
|
|
"step": 292
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7813333333333333,
|
||
|
|
"grad_norm": 0.6631275415420532,
|
||
|
|
"learning_rate": 1.1216216216216217e-05,
|
||
|
|
"loss": 0.2158,
|
||
|
|
"step": 293
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.784,
|
||
|
|
"grad_norm": 0.5801942348480225,
|
||
|
|
"learning_rate": 1.1081081081081083e-05,
|
||
|
|
"loss": 0.1623,
|
||
|
|
"step": 294
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7866666666666666,
|
||
|
|
"grad_norm": 0.7389146089553833,
|
||
|
|
"learning_rate": 1.0945945945945948e-05,
|
||
|
|
"loss": 0.2111,
|
||
|
|
"step": 295
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7893333333333333,
|
||
|
|
"grad_norm": 0.6257137656211853,
|
||
|
|
"learning_rate": 1.0810810810810812e-05,
|
||
|
|
"loss": 0.1507,
|
||
|
|
"step": 296
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.792,
|
||
|
|
"grad_norm": 0.4939669370651245,
|
||
|
|
"learning_rate": 1.0675675675675677e-05,
|
||
|
|
"loss": 0.1393,
|
||
|
|
"step": 297
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7946666666666666,
|
||
|
|
"grad_norm": 0.7003034949302673,
|
||
|
|
"learning_rate": 1.0540540540540541e-05,
|
||
|
|
"loss": 0.2511,
|
||
|
|
"step": 298
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7973333333333333,
|
||
|
|
"grad_norm": 0.7610799074172974,
|
||
|
|
"learning_rate": 1.0405405405405407e-05,
|
||
|
|
"loss": 0.2577,
|
||
|
|
"step": 299
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8,
|
||
|
|
"grad_norm": 0.4886409640312195,
|
||
|
|
"learning_rate": 1.0270270270270272e-05,
|
||
|
|
"loss": 0.1185,
|
||
|
|
"step": 300
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8026666666666666,
|
||
|
|
"grad_norm": 0.9165076017379761,
|
||
|
|
"learning_rate": 1.0135135135135136e-05,
|
||
|
|
"loss": 0.2988,
|
||
|
|
"step": 301
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8053333333333333,
|
||
|
|
"grad_norm": 0.5705929398536682,
|
||
|
|
"learning_rate": 1e-05,
|
||
|
|
"loss": 0.2142,
|
||
|
|
"step": 302
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.808,
|
||
|
|
"grad_norm": 0.711933434009552,
|
||
|
|
"learning_rate": 9.864864864864865e-06,
|
||
|
|
"loss": 0.2755,
|
||
|
|
"step": 303
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8106666666666666,
|
||
|
|
"grad_norm": 0.7260468602180481,
|
||
|
|
"learning_rate": 9.729729729729732e-06,
|
||
|
|
"loss": 0.2499,
|
||
|
|
"step": 304
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8133333333333334,
|
||
|
|
"grad_norm": 0.5563040971755981,
|
||
|
|
"learning_rate": 9.594594594594596e-06,
|
||
|
|
"loss": 0.1839,
|
||
|
|
"step": 305
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.816,
|
||
|
|
"grad_norm": 0.7430064082145691,
|
||
|
|
"learning_rate": 9.45945945945946e-06,
|
||
|
|
"loss": 0.2577,
|
||
|
|
"step": 306
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8186666666666667,
|
||
|
|
"grad_norm": 0.5435484051704407,
|
||
|
|
"learning_rate": 9.324324324324325e-06,
|
||
|
|
"loss": 0.1637,
|
||
|
|
"step": 307
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8213333333333334,
|
||
|
|
"grad_norm": 0.6421054601669312,
|
||
|
|
"learning_rate": 9.18918918918919e-06,
|
||
|
|
"loss": 0.1959,
|
||
|
|
"step": 308
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.824,
|
||
|
|
"grad_norm": 0.8060850501060486,
|
||
|
|
"learning_rate": 9.054054054054056e-06,
|
||
|
|
"loss": 0.2212,
|
||
|
|
"step": 309
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8266666666666667,
|
||
|
|
"grad_norm": 0.5442602634429932,
|
||
|
|
"learning_rate": 8.91891891891892e-06,
|
||
|
|
"loss": 0.1521,
|
||
|
|
"step": 310
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8293333333333334,
|
||
|
|
"grad_norm": 0.6039745211601257,
|
||
|
|
"learning_rate": 8.783783783783785e-06,
|
||
|
|
"loss": 0.2241,
|
||
|
|
"step": 311
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.832,
|
||
|
|
"grad_norm": 0.6348241567611694,
|
||
|
|
"learning_rate": 8.64864864864865e-06,
|
||
|
|
"loss": 0.1921,
|
||
|
|
"step": 312
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8346666666666667,
|
||
|
|
"grad_norm": 0.6351175308227539,
|
||
|
|
"learning_rate": 8.513513513513514e-06,
|
||
|
|
"loss": 0.2649,
|
||
|
|
"step": 313
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8373333333333334,
|
||
|
|
"grad_norm": 0.597365140914917,
|
||
|
|
"learning_rate": 8.37837837837838e-06,
|
||
|
|
"loss": 0.1865,
|
||
|
|
"step": 314
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.84,
|
||
|
|
"grad_norm": 0.5350488424301147,
|
||
|
|
"learning_rate": 8.243243243243245e-06,
|
||
|
|
"loss": 0.1981,
|
||
|
|
"step": 315
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8426666666666667,
|
||
|
|
"grad_norm": 0.5767773389816284,
|
||
|
|
"learning_rate": 8.108108108108109e-06,
|
||
|
|
"loss": 0.1911,
|
||
|
|
"step": 316
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8453333333333334,
|
||
|
|
"grad_norm": 0.5191454291343689,
|
||
|
|
"learning_rate": 7.972972972972974e-06,
|
||
|
|
"loss": 0.1673,
|
||
|
|
"step": 317
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.848,
|
||
|
|
"grad_norm": 0.6632764339447021,
|
||
|
|
"learning_rate": 7.837837837837838e-06,
|
||
|
|
"loss": 0.1704,
|
||
|
|
"step": 318
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8506666666666667,
|
||
|
|
"grad_norm": 0.5514375567436218,
|
||
|
|
"learning_rate": 7.702702702702704e-06,
|
||
|
|
"loss": 0.1543,
|
||
|
|
"step": 319
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8533333333333334,
|
||
|
|
"grad_norm": 0.5990251898765564,
|
||
|
|
"learning_rate": 7.567567567567568e-06,
|
||
|
|
"loss": 0.2103,
|
||
|
|
"step": 320
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.856,
|
||
|
|
"grad_norm": 0.6657857894897461,
|
||
|
|
"learning_rate": 7.432432432432433e-06,
|
||
|
|
"loss": 0.2372,
|
||
|
|
"step": 321
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8586666666666667,
|
||
|
|
"grad_norm": 0.46722984313964844,
|
||
|
|
"learning_rate": 7.297297297297298e-06,
|
||
|
|
"loss": 0.1189,
|
||
|
|
"step": 322
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8613333333333333,
|
||
|
|
"grad_norm": 0.6075392961502075,
|
||
|
|
"learning_rate": 7.162162162162163e-06,
|
||
|
|
"loss": 0.2067,
|
||
|
|
"step": 323
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.864,
|
||
|
|
"grad_norm": 0.5535609722137451,
|
||
|
|
"learning_rate": 7.027027027027028e-06,
|
||
|
|
"loss": 0.1775,
|
||
|
|
"step": 324
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8666666666666667,
|
||
|
|
"grad_norm": 0.45158296823501587,
|
||
|
|
"learning_rate": 6.891891891891893e-06,
|
||
|
|
"loss": 0.1322,
|
||
|
|
"step": 325
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8693333333333333,
|
||
|
|
"grad_norm": 0.695845901966095,
|
||
|
|
"learning_rate": 6.7567567567567575e-06,
|
||
|
|
"loss": 0.1938,
|
||
|
|
"step": 326
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.872,
|
||
|
|
"grad_norm": 0.5899701714515686,
|
||
|
|
"learning_rate": 6.621621621621622e-06,
|
||
|
|
"loss": 0.157,
|
||
|
|
"step": 327
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8746666666666667,
|
||
|
|
"grad_norm": 0.6450529098510742,
|
||
|
|
"learning_rate": 6.486486486486487e-06,
|
||
|
|
"loss": 0.2196,
|
||
|
|
"step": 328
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8773333333333333,
|
||
|
|
"grad_norm": 0.6185269355773926,
|
||
|
|
"learning_rate": 6.351351351351352e-06,
|
||
|
|
"loss": 0.2065,
|
||
|
|
"step": 329
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.88,
|
||
|
|
"grad_norm": 0.64472895860672,
|
||
|
|
"learning_rate": 6.216216216216217e-06,
|
||
|
|
"loss": 0.1917,
|
||
|
|
"step": 330
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8826666666666667,
|
||
|
|
"grad_norm": 0.6414089202880859,
|
||
|
|
"learning_rate": 6.081081081081082e-06,
|
||
|
|
"loss": 0.2305,
|
||
|
|
"step": 331
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8853333333333333,
|
||
|
|
"grad_norm": 0.6714711785316467,
|
||
|
|
"learning_rate": 5.945945945945946e-06,
|
||
|
|
"loss": 0.1987,
|
||
|
|
"step": 332
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.888,
|
||
|
|
"grad_norm": 0.7576465010643005,
|
||
|
|
"learning_rate": 5.810810810810812e-06,
|
||
|
|
"loss": 0.3079,
|
||
|
|
"step": 333
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8906666666666667,
|
||
|
|
"grad_norm": 0.6115760207176208,
|
||
|
|
"learning_rate": 5.675675675675676e-06,
|
||
|
|
"loss": 0.1602,
|
||
|
|
"step": 334
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8933333333333333,
|
||
|
|
"grad_norm": 0.5338175892829895,
|
||
|
|
"learning_rate": 5.5405405405405415e-06,
|
||
|
|
"loss": 0.165,
|
||
|
|
"step": 335
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.896,
|
||
|
|
"grad_norm": 0.5144568681716919,
|
||
|
|
"learning_rate": 5.405405405405406e-06,
|
||
|
|
"loss": 0.1303,
|
||
|
|
"step": 336
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8986666666666666,
|
||
|
|
"grad_norm": 0.6495792269706726,
|
||
|
|
"learning_rate": 5.2702702702702705e-06,
|
||
|
|
"loss": 0.2058,
|
||
|
|
"step": 337
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.9013333333333333,
|
||
|
|
"grad_norm": 0.6034905314445496,
|
||
|
|
"learning_rate": 5.135135135135136e-06,
|
||
|
|
"loss": 0.1701,
|
||
|
|
"step": 338
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.904,
|
||
|
|
"grad_norm": 0.3254004716873169,
|
||
|
|
"learning_rate": 5e-06,
|
||
|
|
"loss": 0.0596,
|
||
|
|
"step": 339
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.9066666666666666,
|
||
|
|
"grad_norm": 0.6512210965156555,
|
||
|
|
"learning_rate": 4.864864864864866e-06,
|
||
|
|
"loss": 0.2349,
|
||
|
|
"step": 340
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.9093333333333333,
|
||
|
|
"grad_norm": 0.6579075455665588,
|
||
|
|
"learning_rate": 4.72972972972973e-06,
|
||
|
|
"loss": 0.2172,
|
||
|
|
"step": 341
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.912,
|
||
|
|
"grad_norm": 0.7069755792617798,
|
||
|
|
"learning_rate": 4.594594594594595e-06,
|
||
|
|
"loss": 0.2032,
|
||
|
|
"step": 342
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.9146666666666666,
|
||
|
|
"grad_norm": 0.6434094309806824,
|
||
|
|
"learning_rate": 4.45945945945946e-06,
|
||
|
|
"loss": 0.2109,
|
||
|
|
"step": 343
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.9173333333333333,
|
||
|
|
"grad_norm": 0.9713484048843384,
|
||
|
|
"learning_rate": 4.324324324324325e-06,
|
||
|
|
"loss": 0.3897,
|
||
|
|
"step": 344
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.92,
|
||
|
|
"grad_norm": 0.6826331615447998,
|
||
|
|
"learning_rate": 4.18918918918919e-06,
|
||
|
|
"loss": 0.2208,
|
||
|
|
"step": 345
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.9226666666666666,
|
||
|
|
"grad_norm": 0.8074623346328735,
|
||
|
|
"learning_rate": 4.0540540540540545e-06,
|
||
|
|
"loss": 0.2838,
|
||
|
|
"step": 346
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.9253333333333333,
|
||
|
|
"grad_norm": 0.5578168630599976,
|
||
|
|
"learning_rate": 3.918918918918919e-06,
|
||
|
|
"loss": 0.1384,
|
||
|
|
"step": 347
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.928,
|
||
|
|
"grad_norm": 0.621314525604248,
|
||
|
|
"learning_rate": 3.783783783783784e-06,
|
||
|
|
"loss": 0.2421,
|
||
|
|
"step": 348
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.9306666666666666,
|
||
|
|
"grad_norm": 0.7090268135070801,
|
||
|
|
"learning_rate": 3.648648648648649e-06,
|
||
|
|
"loss": 0.2347,
|
||
|
|
"step": 349
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.9333333333333333,
|
||
|
|
"grad_norm": 0.7432260513305664,
|
||
|
|
"learning_rate": 3.513513513513514e-06,
|
||
|
|
"loss": 0.2478,
|
||
|
|
"step": 350
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.936,
|
||
|
|
"grad_norm": 0.7619737982749939,
|
||
|
|
"learning_rate": 3.3783783783783788e-06,
|
||
|
|
"loss": 0.2395,
|
||
|
|
"step": 351
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.9386666666666666,
|
||
|
|
"grad_norm": 0.7188973426818848,
|
||
|
|
"learning_rate": 3.2432432432432437e-06,
|
||
|
|
"loss": 0.2405,
|
||
|
|
"step": 352
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.9413333333333334,
|
||
|
|
"grad_norm": 0.4922241270542145,
|
||
|
|
"learning_rate": 3.1081081081081086e-06,
|
||
|
|
"loss": 0.132,
|
||
|
|
"step": 353
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.944,
|
||
|
|
"grad_norm": 0.871777355670929,
|
||
|
|
"learning_rate": 2.972972972972973e-06,
|
||
|
|
"loss": 0.3326,
|
||
|
|
"step": 354
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.9466666666666667,
|
||
|
|
"grad_norm": 0.7048739194869995,
|
||
|
|
"learning_rate": 2.837837837837838e-06,
|
||
|
|
"loss": 0.212,
|
||
|
|
"step": 355
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.9493333333333334,
|
||
|
|
"grad_norm": 0.5011664628982544,
|
||
|
|
"learning_rate": 2.702702702702703e-06,
|
||
|
|
"loss": 0.1527,
|
||
|
|
"step": 356
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.952,
|
||
|
|
"grad_norm": 0.6437931060791016,
|
||
|
|
"learning_rate": 2.567567567567568e-06,
|
||
|
|
"loss": 0.254,
|
||
|
|
"step": 357
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.9546666666666667,
|
||
|
|
"grad_norm": 0.49058496952056885,
|
||
|
|
"learning_rate": 2.432432432432433e-06,
|
||
|
|
"loss": 0.136,
|
||
|
|
"step": 358
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.9573333333333334,
|
||
|
|
"grad_norm": 0.6636222004890442,
|
||
|
|
"learning_rate": 2.2972972972972974e-06,
|
||
|
|
"loss": 0.1731,
|
||
|
|
"step": 359
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.96,
|
||
|
|
"grad_norm": 0.7378413081169128,
|
||
|
|
"learning_rate": 2.1621621621621623e-06,
|
||
|
|
"loss": 0.2792,
|
||
|
|
"step": 360
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.9626666666666667,
|
||
|
|
"grad_norm": 0.615648627281189,
|
||
|
|
"learning_rate": 2.0270270270270273e-06,
|
||
|
|
"loss": 0.1804,
|
||
|
|
"step": 361
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.9653333333333334,
|
||
|
|
"grad_norm": 0.580471932888031,
|
||
|
|
"learning_rate": 1.891891891891892e-06,
|
||
|
|
"loss": 0.1472,
|
||
|
|
"step": 362
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.968,
|
||
|
|
"grad_norm": 0.7332614064216614,
|
||
|
|
"learning_rate": 1.756756756756757e-06,
|
||
|
|
"loss": 0.2437,
|
||
|
|
"step": 363
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.9706666666666667,
|
||
|
|
"grad_norm": 0.8712553381919861,
|
||
|
|
"learning_rate": 1.6216216216216219e-06,
|
||
|
|
"loss": 0.2861,
|
||
|
|
"step": 364
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.9733333333333334,
|
||
|
|
"grad_norm": 0.6473038792610168,
|
||
|
|
"learning_rate": 1.4864864864864866e-06,
|
||
|
|
"loss": 0.188,
|
||
|
|
"step": 365
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.976,
|
||
|
|
"grad_norm": 0.8898197412490845,
|
||
|
|
"learning_rate": 1.3513513513513515e-06,
|
||
|
|
"loss": 0.3007,
|
||
|
|
"step": 366
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.9786666666666667,
|
||
|
|
"grad_norm": 0.7360931634902954,
|
||
|
|
"learning_rate": 1.2162162162162164e-06,
|
||
|
|
"loss": 0.294,
|
||
|
|
"step": 367
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.9813333333333333,
|
||
|
|
"grad_norm": 0.7470917701721191,
|
||
|
|
"learning_rate": 1.0810810810810812e-06,
|
||
|
|
"loss": 0.2858,
|
||
|
|
"step": 368
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.984,
|
||
|
|
"grad_norm": 0.692524254322052,
|
||
|
|
"learning_rate": 9.45945945945946e-07,
|
||
|
|
"loss": 0.2642,
|
||
|
|
"step": 369
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.9866666666666667,
|
||
|
|
"grad_norm": 0.5763620734214783,
|
||
|
|
"learning_rate": 8.108108108108109e-07,
|
||
|
|
"loss": 0.165,
|
||
|
|
"step": 370
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.9893333333333333,
|
||
|
|
"grad_norm": 0.5719990730285645,
|
||
|
|
"learning_rate": 6.756756756756758e-07,
|
||
|
|
"loss": 0.1755,
|
||
|
|
"step": 371
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.992,
|
||
|
|
"grad_norm": 0.5810716152191162,
|
||
|
|
"learning_rate": 5.405405405405406e-07,
|
||
|
|
"loss": 0.1592,
|
||
|
|
"step": 372
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.9946666666666667,
|
||
|
|
"grad_norm": 0.5936742424964905,
|
||
|
|
"learning_rate": 4.0540540540540546e-07,
|
||
|
|
"loss": 0.1848,
|
||
|
|
"step": 373
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.9973333333333333,
|
||
|
|
"grad_norm": 0.788987398147583,
|
||
|
|
"learning_rate": 2.702702702702703e-07,
|
||
|
|
"loss": 0.2497,
|
||
|
|
"step": 374
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 1.0,
|
||
|
|
"grad_norm": 0.6033107042312622,
|
||
|
|
"learning_rate": 1.3513513513513515e-07,
|
||
|
|
"loss": 0.1565,
|
||
|
|
"step": 375
|
||
|
|
}
|
||
|
|
],
|
||
|
|
"logging_steps": 1,
|
||
|
|
"max_steps": 375,
|
||
|
|
"num_input_tokens_seen": 0,
|
||
|
|
"num_train_epochs": 1,
|
||
|
|
"save_steps": 5000,
|
||
|
|
"stateful_callbacks": {
|
||
|
|
"TrainerControl": {
|
||
|
|
"args": {
|
||
|
|
"should_epoch_stop": false,
|
||
|
|
"should_evaluate": false,
|
||
|
|
"should_log": false,
|
||
|
|
"should_save": true,
|
||
|
|
"should_training_stop": true
|
||
|
|
},
|
||
|
|
"attributes": {}
|
||
|
|
}
|
||
|
|
},
|
||
|
|
"total_flos": 5.212611526904218e+16,
|
||
|
|
"train_batch_size": 2,
|
||
|
|
"trial_name": null,
|
||
|
|
"trial_params": null
|
||
|
|
}
|