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": 2.349364757537842,
|
|
"learning_rate": 0.0,
|
|
"loss": 0.6966,
|
|
"step": 1
|
|
},
|
|
{
|
|
"epoch": 0.005333333333333333,
|
|
"grad_norm": 1.8099002838134766,
|
|
"learning_rate": 2.0000000000000003e-06,
|
|
"loss": 0.4864,
|
|
"step": 2
|
|
},
|
|
{
|
|
"epoch": 0.008,
|
|
"grad_norm": 1.813612699508667,
|
|
"learning_rate": 4.000000000000001e-06,
|
|
"loss": 0.5757,
|
|
"step": 3
|
|
},
|
|
{
|
|
"epoch": 0.010666666666666666,
|
|
"grad_norm": 2.359508514404297,
|
|
"learning_rate": 6e-06,
|
|
"loss": 0.7445,
|
|
"step": 4
|
|
},
|
|
{
|
|
"epoch": 0.013333333333333334,
|
|
"grad_norm": 2.040201187133789,
|
|
"learning_rate": 8.000000000000001e-06,
|
|
"loss": 0.6657,
|
|
"step": 5
|
|
},
|
|
{
|
|
"epoch": 0.016,
|
|
"grad_norm": 1.9664968252182007,
|
|
"learning_rate": 1e-05,
|
|
"loss": 0.499,
|
|
"step": 6
|
|
},
|
|
{
|
|
"epoch": 0.018666666666666668,
|
|
"grad_norm": 2.087362766265869,
|
|
"learning_rate": 9.972972972972975e-06,
|
|
"loss": 0.6908,
|
|
"step": 7
|
|
},
|
|
{
|
|
"epoch": 0.021333333333333333,
|
|
"grad_norm": 2.1935946941375732,
|
|
"learning_rate": 9.945945945945947e-06,
|
|
"loss": 0.7528,
|
|
"step": 8
|
|
},
|
|
{
|
|
"epoch": 0.024,
|
|
"grad_norm": 1.7882803678512573,
|
|
"learning_rate": 9.91891891891892e-06,
|
|
"loss": 0.475,
|
|
"step": 9
|
|
},
|
|
{
|
|
"epoch": 0.02666666666666667,
|
|
"grad_norm": 1.2284204959869385,
|
|
"learning_rate": 9.891891891891893e-06,
|
|
"loss": 0.3962,
|
|
"step": 10
|
|
},
|
|
{
|
|
"epoch": 0.029333333333333333,
|
|
"grad_norm": 1.4282846450805664,
|
|
"learning_rate": 9.864864864864865e-06,
|
|
"loss": 0.5245,
|
|
"step": 11
|
|
},
|
|
{
|
|
"epoch": 0.032,
|
|
"grad_norm": 1.005781888961792,
|
|
"learning_rate": 9.83783783783784e-06,
|
|
"loss": 0.2823,
|
|
"step": 12
|
|
},
|
|
{
|
|
"epoch": 0.034666666666666665,
|
|
"grad_norm": 0.7520815134048462,
|
|
"learning_rate": 9.810810810810811e-06,
|
|
"loss": 0.3328,
|
|
"step": 13
|
|
},
|
|
{
|
|
"epoch": 0.037333333333333336,
|
|
"grad_norm": 1.057224988937378,
|
|
"learning_rate": 9.783783783783785e-06,
|
|
"loss": 0.4501,
|
|
"step": 14
|
|
},
|
|
{
|
|
"epoch": 0.04,
|
|
"grad_norm": 0.597172200679779,
|
|
"learning_rate": 9.756756756756758e-06,
|
|
"loss": 0.2223,
|
|
"step": 15
|
|
},
|
|
{
|
|
"epoch": 0.042666666666666665,
|
|
"grad_norm": 0.8211422562599182,
|
|
"learning_rate": 9.729729729729732e-06,
|
|
"loss": 0.3866,
|
|
"step": 16
|
|
},
|
|
{
|
|
"epoch": 0.04533333333333334,
|
|
"grad_norm": 0.7753649353981018,
|
|
"learning_rate": 9.702702702702704e-06,
|
|
"loss": 0.3029,
|
|
"step": 17
|
|
},
|
|
{
|
|
"epoch": 0.048,
|
|
"grad_norm": 0.7768883109092712,
|
|
"learning_rate": 9.675675675675676e-06,
|
|
"loss": 0.4714,
|
|
"step": 18
|
|
},
|
|
{
|
|
"epoch": 0.050666666666666665,
|
|
"grad_norm": 0.7835246920585632,
|
|
"learning_rate": 9.64864864864865e-06,
|
|
"loss": 0.5571,
|
|
"step": 19
|
|
},
|
|
{
|
|
"epoch": 0.05333333333333334,
|
|
"grad_norm": 0.6951777935028076,
|
|
"learning_rate": 9.621621621621622e-06,
|
|
"loss": 0.3759,
|
|
"step": 20
|
|
},
|
|
{
|
|
"epoch": 0.056,
|
|
"grad_norm": 0.8109151124954224,
|
|
"learning_rate": 9.594594594594594e-06,
|
|
"loss": 0.4476,
|
|
"step": 21
|
|
},
|
|
{
|
|
"epoch": 0.058666666666666666,
|
|
"grad_norm": 0.6547451019287109,
|
|
"learning_rate": 9.567567567567568e-06,
|
|
"loss": 0.3757,
|
|
"step": 22
|
|
},
|
|
{
|
|
"epoch": 0.06133333333333333,
|
|
"grad_norm": 0.6437526941299438,
|
|
"learning_rate": 9.540540540540542e-06,
|
|
"loss": 0.3431,
|
|
"step": 23
|
|
},
|
|
{
|
|
"epoch": 0.064,
|
|
"grad_norm": 0.6728568077087402,
|
|
"learning_rate": 9.513513513513514e-06,
|
|
"loss": 0.466,
|
|
"step": 24
|
|
},
|
|
{
|
|
"epoch": 0.06666666666666667,
|
|
"grad_norm": 0.6100870370864868,
|
|
"learning_rate": 9.486486486486487e-06,
|
|
"loss": 0.4221,
|
|
"step": 25
|
|
},
|
|
{
|
|
"epoch": 0.06933333333333333,
|
|
"grad_norm": 0.6778178811073303,
|
|
"learning_rate": 9.45945945945946e-06,
|
|
"loss": 0.484,
|
|
"step": 26
|
|
},
|
|
{
|
|
"epoch": 0.072,
|
|
"grad_norm": 0.6764793395996094,
|
|
"learning_rate": 9.432432432432433e-06,
|
|
"loss": 0.4138,
|
|
"step": 27
|
|
},
|
|
{
|
|
"epoch": 0.07466666666666667,
|
|
"grad_norm": 0.7613428235054016,
|
|
"learning_rate": 9.405405405405407e-06,
|
|
"loss": 0.5053,
|
|
"step": 28
|
|
},
|
|
{
|
|
"epoch": 0.07733333333333334,
|
|
"grad_norm": 0.6689445376396179,
|
|
"learning_rate": 9.378378378378379e-06,
|
|
"loss": 0.4164,
|
|
"step": 29
|
|
},
|
|
{
|
|
"epoch": 0.08,
|
|
"grad_norm": 0.7818832397460938,
|
|
"learning_rate": 9.351351351351353e-06,
|
|
"loss": 0.5437,
|
|
"step": 30
|
|
},
|
|
{
|
|
"epoch": 0.08266666666666667,
|
|
"grad_norm": 0.5901278853416443,
|
|
"learning_rate": 9.324324324324325e-06,
|
|
"loss": 0.3034,
|
|
"step": 31
|
|
},
|
|
{
|
|
"epoch": 0.08533333333333333,
|
|
"grad_norm": 0.4287962317466736,
|
|
"learning_rate": 9.297297297297299e-06,
|
|
"loss": 0.2389,
|
|
"step": 32
|
|
},
|
|
{
|
|
"epoch": 0.088,
|
|
"grad_norm": 0.4909898638725281,
|
|
"learning_rate": 9.270270270270271e-06,
|
|
"loss": 0.2772,
|
|
"step": 33
|
|
},
|
|
{
|
|
"epoch": 0.09066666666666667,
|
|
"grad_norm": 0.5008768439292908,
|
|
"learning_rate": 9.243243243243243e-06,
|
|
"loss": 0.2873,
|
|
"step": 34
|
|
},
|
|
{
|
|
"epoch": 0.09333333333333334,
|
|
"grad_norm": 0.5145349502563477,
|
|
"learning_rate": 9.216216216216217e-06,
|
|
"loss": 0.2783,
|
|
"step": 35
|
|
},
|
|
{
|
|
"epoch": 0.096,
|
|
"grad_norm": 0.4365852475166321,
|
|
"learning_rate": 9.189189189189191e-06,
|
|
"loss": 0.2329,
|
|
"step": 36
|
|
},
|
|
{
|
|
"epoch": 0.09866666666666667,
|
|
"grad_norm": 0.5119919180870056,
|
|
"learning_rate": 9.162162162162162e-06,
|
|
"loss": 0.2841,
|
|
"step": 37
|
|
},
|
|
{
|
|
"epoch": 0.10133333333333333,
|
|
"grad_norm": 0.3893379271030426,
|
|
"learning_rate": 9.135135135135136e-06,
|
|
"loss": 0.2013,
|
|
"step": 38
|
|
},
|
|
{
|
|
"epoch": 0.104,
|
|
"grad_norm": 0.5533134937286377,
|
|
"learning_rate": 9.10810810810811e-06,
|
|
"loss": 0.3799,
|
|
"step": 39
|
|
},
|
|
{
|
|
"epoch": 0.10666666666666667,
|
|
"grad_norm": 0.4959859848022461,
|
|
"learning_rate": 9.081081081081082e-06,
|
|
"loss": 0.2687,
|
|
"step": 40
|
|
},
|
|
{
|
|
"epoch": 0.10933333333333334,
|
|
"grad_norm": 0.5956438183784485,
|
|
"learning_rate": 9.054054054054054e-06,
|
|
"loss": 0.3952,
|
|
"step": 41
|
|
},
|
|
{
|
|
"epoch": 0.112,
|
|
"grad_norm": 0.5912706255912781,
|
|
"learning_rate": 9.027027027027028e-06,
|
|
"loss": 0.2899,
|
|
"step": 42
|
|
},
|
|
{
|
|
"epoch": 0.11466666666666667,
|
|
"grad_norm": 0.5408041477203369,
|
|
"learning_rate": 9e-06,
|
|
"loss": 0.2662,
|
|
"step": 43
|
|
},
|
|
{
|
|
"epoch": 0.11733333333333333,
|
|
"grad_norm": 0.4275360405445099,
|
|
"learning_rate": 8.972972972972974e-06,
|
|
"loss": 0.2535,
|
|
"step": 44
|
|
},
|
|
{
|
|
"epoch": 0.12,
|
|
"grad_norm": 0.6044434309005737,
|
|
"learning_rate": 8.945945945945946e-06,
|
|
"loss": 0.4174,
|
|
"step": 45
|
|
},
|
|
{
|
|
"epoch": 0.12266666666666666,
|
|
"grad_norm": 0.5225914120674133,
|
|
"learning_rate": 8.91891891891892e-06,
|
|
"loss": 0.2978,
|
|
"step": 46
|
|
},
|
|
{
|
|
"epoch": 0.12533333333333332,
|
|
"grad_norm": 0.6490138173103333,
|
|
"learning_rate": 8.891891891891893e-06,
|
|
"loss": 0.4117,
|
|
"step": 47
|
|
},
|
|
{
|
|
"epoch": 0.128,
|
|
"grad_norm": 0.5214022994041443,
|
|
"learning_rate": 8.864864864864866e-06,
|
|
"loss": 0.3635,
|
|
"step": 48
|
|
},
|
|
{
|
|
"epoch": 0.13066666666666665,
|
|
"grad_norm": 0.6463762521743774,
|
|
"learning_rate": 8.837837837837839e-06,
|
|
"loss": 0.4775,
|
|
"step": 49
|
|
},
|
|
{
|
|
"epoch": 0.13333333333333333,
|
|
"grad_norm": 0.5683779716491699,
|
|
"learning_rate": 8.810810810810811e-06,
|
|
"loss": 0.3273,
|
|
"step": 50
|
|
},
|
|
{
|
|
"epoch": 0.136,
|
|
"grad_norm": 0.4397455155849457,
|
|
"learning_rate": 8.783783783783785e-06,
|
|
"loss": 0.2176,
|
|
"step": 51
|
|
},
|
|
{
|
|
"epoch": 0.13866666666666666,
|
|
"grad_norm": 0.5981729030609131,
|
|
"learning_rate": 8.756756756756759e-06,
|
|
"loss": 0.4054,
|
|
"step": 52
|
|
},
|
|
{
|
|
"epoch": 0.14133333333333334,
|
|
"grad_norm": 0.5071780681610107,
|
|
"learning_rate": 8.72972972972973e-06,
|
|
"loss": 0.3254,
|
|
"step": 53
|
|
},
|
|
{
|
|
"epoch": 0.144,
|
|
"grad_norm": 0.54432612657547,
|
|
"learning_rate": 8.702702702702703e-06,
|
|
"loss": 0.2979,
|
|
"step": 54
|
|
},
|
|
{
|
|
"epoch": 0.14666666666666667,
|
|
"grad_norm": 0.5725446343421936,
|
|
"learning_rate": 8.675675675675677e-06,
|
|
"loss": 0.3369,
|
|
"step": 55
|
|
},
|
|
{
|
|
"epoch": 0.14933333333333335,
|
|
"grad_norm": 0.5385180115699768,
|
|
"learning_rate": 8.64864864864865e-06,
|
|
"loss": 0.3692,
|
|
"step": 56
|
|
},
|
|
{
|
|
"epoch": 0.152,
|
|
"grad_norm": 0.7511543035507202,
|
|
"learning_rate": 8.621621621621622e-06,
|
|
"loss": 0.4825,
|
|
"step": 57
|
|
},
|
|
{
|
|
"epoch": 0.15466666666666667,
|
|
"grad_norm": 0.5903417468070984,
|
|
"learning_rate": 8.594594594594595e-06,
|
|
"loss": 0.3089,
|
|
"step": 58
|
|
},
|
|
{
|
|
"epoch": 0.15733333333333333,
|
|
"grad_norm": 0.5010316967964172,
|
|
"learning_rate": 8.567567567567568e-06,
|
|
"loss": 0.3725,
|
|
"step": 59
|
|
},
|
|
{
|
|
"epoch": 0.16,
|
|
"grad_norm": 0.37718576192855835,
|
|
"learning_rate": 8.540540540540542e-06,
|
|
"loss": 0.2228,
|
|
"step": 60
|
|
},
|
|
{
|
|
"epoch": 0.16266666666666665,
|
|
"grad_norm": 0.49499794840812683,
|
|
"learning_rate": 8.513513513513514e-06,
|
|
"loss": 0.3196,
|
|
"step": 61
|
|
},
|
|
{
|
|
"epoch": 0.16533333333333333,
|
|
"grad_norm": 0.5828828811645508,
|
|
"learning_rate": 8.486486486486488e-06,
|
|
"loss": 0.2497,
|
|
"step": 62
|
|
},
|
|
{
|
|
"epoch": 0.168,
|
|
"grad_norm": 0.5905996561050415,
|
|
"learning_rate": 8.45945945945946e-06,
|
|
"loss": 0.2783,
|
|
"step": 63
|
|
},
|
|
{
|
|
"epoch": 0.17066666666666666,
|
|
"grad_norm": 0.39871904253959656,
|
|
"learning_rate": 8.432432432432434e-06,
|
|
"loss": 0.1738,
|
|
"step": 64
|
|
},
|
|
{
|
|
"epoch": 0.17333333333333334,
|
|
"grad_norm": 0.470522403717041,
|
|
"learning_rate": 8.405405405405406e-06,
|
|
"loss": 0.2573,
|
|
"step": 65
|
|
},
|
|
{
|
|
"epoch": 0.176,
|
|
"grad_norm": 0.6174308657646179,
|
|
"learning_rate": 8.378378378378378e-06,
|
|
"loss": 0.342,
|
|
"step": 66
|
|
},
|
|
{
|
|
"epoch": 0.17866666666666667,
|
|
"grad_norm": 0.5220662355422974,
|
|
"learning_rate": 8.351351351351352e-06,
|
|
"loss": 0.2429,
|
|
"step": 67
|
|
},
|
|
{
|
|
"epoch": 0.18133333333333335,
|
|
"grad_norm": 0.6028367877006531,
|
|
"learning_rate": 8.324324324324326e-06,
|
|
"loss": 0.2888,
|
|
"step": 68
|
|
},
|
|
{
|
|
"epoch": 0.184,
|
|
"grad_norm": 0.5400264263153076,
|
|
"learning_rate": 8.297297297297298e-06,
|
|
"loss": 0.2878,
|
|
"step": 69
|
|
},
|
|
{
|
|
"epoch": 0.18666666666666668,
|
|
"grad_norm": 0.5911648869514465,
|
|
"learning_rate": 8.27027027027027e-06,
|
|
"loss": 0.3831,
|
|
"step": 70
|
|
},
|
|
{
|
|
"epoch": 0.18933333333333333,
|
|
"grad_norm": 0.4361923336982727,
|
|
"learning_rate": 8.243243243243245e-06,
|
|
"loss": 0.2116,
|
|
"step": 71
|
|
},
|
|
{
|
|
"epoch": 0.192,
|
|
"grad_norm": 0.41404086351394653,
|
|
"learning_rate": 8.216216216216217e-06,
|
|
"loss": 0.1886,
|
|
"step": 72
|
|
},
|
|
{
|
|
"epoch": 0.19466666666666665,
|
|
"grad_norm": 0.4910792112350464,
|
|
"learning_rate": 8.189189189189189e-06,
|
|
"loss": 0.2496,
|
|
"step": 73
|
|
},
|
|
{
|
|
"epoch": 0.19733333333333333,
|
|
"grad_norm": 0.5149824023246765,
|
|
"learning_rate": 8.162162162162163e-06,
|
|
"loss": 0.3273,
|
|
"step": 74
|
|
},
|
|
{
|
|
"epoch": 0.2,
|
|
"grad_norm": 0.5365391373634338,
|
|
"learning_rate": 8.135135135135137e-06,
|
|
"loss": 0.313,
|
|
"step": 75
|
|
},
|
|
{
|
|
"epoch": 0.20266666666666666,
|
|
"grad_norm": 0.5485293865203857,
|
|
"learning_rate": 8.108108108108109e-06,
|
|
"loss": 0.2559,
|
|
"step": 76
|
|
},
|
|
{
|
|
"epoch": 0.20533333333333334,
|
|
"grad_norm": 0.39662954211235046,
|
|
"learning_rate": 8.081081081081081e-06,
|
|
"loss": 0.1648,
|
|
"step": 77
|
|
},
|
|
{
|
|
"epoch": 0.208,
|
|
"grad_norm": 0.5556018948554993,
|
|
"learning_rate": 8.054054054054055e-06,
|
|
"loss": 0.3224,
|
|
"step": 78
|
|
},
|
|
{
|
|
"epoch": 0.21066666666666667,
|
|
"grad_norm": 0.5207178592681885,
|
|
"learning_rate": 8.027027027027027e-06,
|
|
"loss": 0.2733,
|
|
"step": 79
|
|
},
|
|
{
|
|
"epoch": 0.21333333333333335,
|
|
"grad_norm": 0.5422245860099792,
|
|
"learning_rate": 8.000000000000001e-06,
|
|
"loss": 0.2731,
|
|
"step": 80
|
|
},
|
|
{
|
|
"epoch": 0.216,
|
|
"grad_norm": 0.6020254492759705,
|
|
"learning_rate": 7.972972972972974e-06,
|
|
"loss": 0.3291,
|
|
"step": 81
|
|
},
|
|
{
|
|
"epoch": 0.21866666666666668,
|
|
"grad_norm": 0.510556161403656,
|
|
"learning_rate": 7.945945945945946e-06,
|
|
"loss": 0.3122,
|
|
"step": 82
|
|
},
|
|
{
|
|
"epoch": 0.22133333333333333,
|
|
"grad_norm": 0.5216572284698486,
|
|
"learning_rate": 7.91891891891892e-06,
|
|
"loss": 0.2718,
|
|
"step": 83
|
|
},
|
|
{
|
|
"epoch": 0.224,
|
|
"grad_norm": 0.5793107748031616,
|
|
"learning_rate": 7.891891891891894e-06,
|
|
"loss": 0.3601,
|
|
"step": 84
|
|
},
|
|
{
|
|
"epoch": 0.22666666666666666,
|
|
"grad_norm": 0.7079103589057922,
|
|
"learning_rate": 7.864864864864866e-06,
|
|
"loss": 0.2991,
|
|
"step": 85
|
|
},
|
|
{
|
|
"epoch": 0.22933333333333333,
|
|
"grad_norm": 0.627353310585022,
|
|
"learning_rate": 7.837837837837838e-06,
|
|
"loss": 0.363,
|
|
"step": 86
|
|
},
|
|
{
|
|
"epoch": 0.232,
|
|
"grad_norm": 0.4974835216999054,
|
|
"learning_rate": 7.810810810810812e-06,
|
|
"loss": 0.2337,
|
|
"step": 87
|
|
},
|
|
{
|
|
"epoch": 0.23466666666666666,
|
|
"grad_norm": 0.5374085307121277,
|
|
"learning_rate": 7.783783783783784e-06,
|
|
"loss": 0.2978,
|
|
"step": 88
|
|
},
|
|
{
|
|
"epoch": 0.23733333333333334,
|
|
"grad_norm": 0.7245435118675232,
|
|
"learning_rate": 7.756756756756756e-06,
|
|
"loss": 0.4225,
|
|
"step": 89
|
|
},
|
|
{
|
|
"epoch": 0.24,
|
|
"grad_norm": 0.49293333292007446,
|
|
"learning_rate": 7.72972972972973e-06,
|
|
"loss": 0.318,
|
|
"step": 90
|
|
},
|
|
{
|
|
"epoch": 0.24266666666666667,
|
|
"grad_norm": 0.4666169285774231,
|
|
"learning_rate": 7.702702702702704e-06,
|
|
"loss": 0.2307,
|
|
"step": 91
|
|
},
|
|
{
|
|
"epoch": 0.24533333333333332,
|
|
"grad_norm": 0.6486378908157349,
|
|
"learning_rate": 7.675675675675676e-06,
|
|
"loss": 0.3168,
|
|
"step": 92
|
|
},
|
|
{
|
|
"epoch": 0.248,
|
|
"grad_norm": 0.557373046875,
|
|
"learning_rate": 7.648648648648649e-06,
|
|
"loss": 0.3886,
|
|
"step": 93
|
|
},
|
|
{
|
|
"epoch": 0.25066666666666665,
|
|
"grad_norm": 0.31600716710090637,
|
|
"learning_rate": 7.621621621621622e-06,
|
|
"loss": 0.136,
|
|
"step": 94
|
|
},
|
|
{
|
|
"epoch": 0.25333333333333335,
|
|
"grad_norm": 0.5103815197944641,
|
|
"learning_rate": 7.594594594594596e-06,
|
|
"loss": 0.2577,
|
|
"step": 95
|
|
},
|
|
{
|
|
"epoch": 0.256,
|
|
"grad_norm": 0.5573956370353699,
|
|
"learning_rate": 7.567567567567569e-06,
|
|
"loss": 0.3799,
|
|
"step": 96
|
|
},
|
|
{
|
|
"epoch": 0.25866666666666666,
|
|
"grad_norm": 0.5987105369567871,
|
|
"learning_rate": 7.540540540540541e-06,
|
|
"loss": 0.29,
|
|
"step": 97
|
|
},
|
|
{
|
|
"epoch": 0.2613333333333333,
|
|
"grad_norm": 0.5368720889091492,
|
|
"learning_rate": 7.513513513513514e-06,
|
|
"loss": 0.2276,
|
|
"step": 98
|
|
},
|
|
{
|
|
"epoch": 0.264,
|
|
"grad_norm": 0.5551974773406982,
|
|
"learning_rate": 7.486486486486487e-06,
|
|
"loss": 0.2039,
|
|
"step": 99
|
|
},
|
|
{
|
|
"epoch": 0.26666666666666666,
|
|
"grad_norm": 0.561206042766571,
|
|
"learning_rate": 7.45945945945946e-06,
|
|
"loss": 0.2823,
|
|
"step": 100
|
|
},
|
|
{
|
|
"epoch": 0.2693333333333333,
|
|
"grad_norm": 0.7044406533241272,
|
|
"learning_rate": 7.4324324324324324e-06,
|
|
"loss": 0.3381,
|
|
"step": 101
|
|
},
|
|
{
|
|
"epoch": 0.272,
|
|
"grad_norm": 0.524254560470581,
|
|
"learning_rate": 7.4054054054054055e-06,
|
|
"loss": 0.2603,
|
|
"step": 102
|
|
},
|
|
{
|
|
"epoch": 0.27466666666666667,
|
|
"grad_norm": 0.6589097380638123,
|
|
"learning_rate": 7.3783783783783794e-06,
|
|
"loss": 0.309,
|
|
"step": 103
|
|
},
|
|
{
|
|
"epoch": 0.2773333333333333,
|
|
"grad_norm": 0.573882520198822,
|
|
"learning_rate": 7.3513513513513525e-06,
|
|
"loss": 0.2822,
|
|
"step": 104
|
|
},
|
|
{
|
|
"epoch": 0.28,
|
|
"grad_norm": 0.42261308431625366,
|
|
"learning_rate": 7.324324324324325e-06,
|
|
"loss": 0.1811,
|
|
"step": 105
|
|
},
|
|
{
|
|
"epoch": 0.2826666666666667,
|
|
"grad_norm": 0.4709929823875427,
|
|
"learning_rate": 7.297297297297298e-06,
|
|
"loss": 0.2046,
|
|
"step": 106
|
|
},
|
|
{
|
|
"epoch": 0.2853333333333333,
|
|
"grad_norm": 0.4968406558036804,
|
|
"learning_rate": 7.270270270270271e-06,
|
|
"loss": 0.2647,
|
|
"step": 107
|
|
},
|
|
{
|
|
"epoch": 0.288,
|
|
"grad_norm": 0.5129273533821106,
|
|
"learning_rate": 7.243243243243244e-06,
|
|
"loss": 0.2527,
|
|
"step": 108
|
|
},
|
|
{
|
|
"epoch": 0.2906666666666667,
|
|
"grad_norm": 0.8010430335998535,
|
|
"learning_rate": 7.216216216216216e-06,
|
|
"loss": 0.4648,
|
|
"step": 109
|
|
},
|
|
{
|
|
"epoch": 0.29333333333333333,
|
|
"grad_norm": 0.49024179577827454,
|
|
"learning_rate": 7.189189189189189e-06,
|
|
"loss": 0.2145,
|
|
"step": 110
|
|
},
|
|
{
|
|
"epoch": 0.296,
|
|
"grad_norm": 0.5031533241271973,
|
|
"learning_rate": 7.162162162162163e-06,
|
|
"loss": 0.2215,
|
|
"step": 111
|
|
},
|
|
{
|
|
"epoch": 0.2986666666666667,
|
|
"grad_norm": 0.6098738312721252,
|
|
"learning_rate": 7.135135135135136e-06,
|
|
"loss": 0.3504,
|
|
"step": 112
|
|
},
|
|
{
|
|
"epoch": 0.30133333333333334,
|
|
"grad_norm": 0.5219219923019409,
|
|
"learning_rate": 7.1081081081081085e-06,
|
|
"loss": 0.2656,
|
|
"step": 113
|
|
},
|
|
{
|
|
"epoch": 0.304,
|
|
"grad_norm": 0.5988546013832092,
|
|
"learning_rate": 7.0810810810810815e-06,
|
|
"loss": 0.2919,
|
|
"step": 114
|
|
},
|
|
{
|
|
"epoch": 0.30666666666666664,
|
|
"grad_norm": 0.4614817500114441,
|
|
"learning_rate": 7.054054054054055e-06,
|
|
"loss": 0.1897,
|
|
"step": 115
|
|
},
|
|
{
|
|
"epoch": 0.30933333333333335,
|
|
"grad_norm": 0.3307662010192871,
|
|
"learning_rate": 7.027027027027028e-06,
|
|
"loss": 0.128,
|
|
"step": 116
|
|
},
|
|
{
|
|
"epoch": 0.312,
|
|
"grad_norm": 0.6957585215568542,
|
|
"learning_rate": 7e-06,
|
|
"loss": 0.2999,
|
|
"step": 117
|
|
},
|
|
{
|
|
"epoch": 0.31466666666666665,
|
|
"grad_norm": 0.5824124813079834,
|
|
"learning_rate": 6.972972972972973e-06,
|
|
"loss": 0.2852,
|
|
"step": 118
|
|
},
|
|
{
|
|
"epoch": 0.31733333333333336,
|
|
"grad_norm": 0.44867533445358276,
|
|
"learning_rate": 6.945945945945947e-06,
|
|
"loss": 0.2388,
|
|
"step": 119
|
|
},
|
|
{
|
|
"epoch": 0.32,
|
|
"grad_norm": 0.5107901096343994,
|
|
"learning_rate": 6.91891891891892e-06,
|
|
"loss": 0.276,
|
|
"step": 120
|
|
},
|
|
{
|
|
"epoch": 0.32266666666666666,
|
|
"grad_norm": 0.888084352016449,
|
|
"learning_rate": 6.891891891891892e-06,
|
|
"loss": 0.5399,
|
|
"step": 121
|
|
},
|
|
{
|
|
"epoch": 0.3253333333333333,
|
|
"grad_norm": 0.49910852313041687,
|
|
"learning_rate": 6.864864864864865e-06,
|
|
"loss": 0.2525,
|
|
"step": 122
|
|
},
|
|
{
|
|
"epoch": 0.328,
|
|
"grad_norm": 0.5774998664855957,
|
|
"learning_rate": 6.837837837837838e-06,
|
|
"loss": 0.2629,
|
|
"step": 123
|
|
},
|
|
{
|
|
"epoch": 0.33066666666666666,
|
|
"grad_norm": 0.6988117098808289,
|
|
"learning_rate": 6.810810810810811e-06,
|
|
"loss": 0.3377,
|
|
"step": 124
|
|
},
|
|
{
|
|
"epoch": 0.3333333333333333,
|
|
"grad_norm": 0.5428954362869263,
|
|
"learning_rate": 6.783783783783784e-06,
|
|
"loss": 0.2095,
|
|
"step": 125
|
|
},
|
|
{
|
|
"epoch": 0.336,
|
|
"grad_norm": 0.5921251177787781,
|
|
"learning_rate": 6.7567567567567575e-06,
|
|
"loss": 0.2475,
|
|
"step": 126
|
|
},
|
|
{
|
|
"epoch": 0.33866666666666667,
|
|
"grad_norm": 0.6879993677139282,
|
|
"learning_rate": 6.729729729729731e-06,
|
|
"loss": 0.3788,
|
|
"step": 127
|
|
},
|
|
{
|
|
"epoch": 0.3413333333333333,
|
|
"grad_norm": 0.615079402923584,
|
|
"learning_rate": 6.702702702702704e-06,
|
|
"loss": 0.3857,
|
|
"step": 128
|
|
},
|
|
{
|
|
"epoch": 0.344,
|
|
"grad_norm": 0.581965446472168,
|
|
"learning_rate": 6.675675675675676e-06,
|
|
"loss": 0.304,
|
|
"step": 129
|
|
},
|
|
{
|
|
"epoch": 0.3466666666666667,
|
|
"grad_norm": 0.6212775111198425,
|
|
"learning_rate": 6.648648648648649e-06,
|
|
"loss": 0.3093,
|
|
"step": 130
|
|
},
|
|
{
|
|
"epoch": 0.34933333333333333,
|
|
"grad_norm": 0.6160368919372559,
|
|
"learning_rate": 6.621621621621622e-06,
|
|
"loss": 0.3215,
|
|
"step": 131
|
|
},
|
|
{
|
|
"epoch": 0.352,
|
|
"grad_norm": 0.48606330156326294,
|
|
"learning_rate": 6.594594594594595e-06,
|
|
"loss": 0.2268,
|
|
"step": 132
|
|
},
|
|
{
|
|
"epoch": 0.3546666666666667,
|
|
"grad_norm": 0.45114076137542725,
|
|
"learning_rate": 6.567567567567567e-06,
|
|
"loss": 0.178,
|
|
"step": 133
|
|
},
|
|
{
|
|
"epoch": 0.35733333333333334,
|
|
"grad_norm": 0.6108273863792419,
|
|
"learning_rate": 6.540540540540541e-06,
|
|
"loss": 0.2883,
|
|
"step": 134
|
|
},
|
|
{
|
|
"epoch": 0.36,
|
|
"grad_norm": 0.5480997562408447,
|
|
"learning_rate": 6.513513513513514e-06,
|
|
"loss": 0.2401,
|
|
"step": 135
|
|
},
|
|
{
|
|
"epoch": 0.3626666666666667,
|
|
"grad_norm": 0.4854098856449127,
|
|
"learning_rate": 6.486486486486487e-06,
|
|
"loss": 0.2149,
|
|
"step": 136
|
|
},
|
|
{
|
|
"epoch": 0.36533333333333334,
|
|
"grad_norm": 0.6904708743095398,
|
|
"learning_rate": 6.45945945945946e-06,
|
|
"loss": 0.3655,
|
|
"step": 137
|
|
},
|
|
{
|
|
"epoch": 0.368,
|
|
"grad_norm": 0.6481048464775085,
|
|
"learning_rate": 6.432432432432433e-06,
|
|
"loss": 0.3327,
|
|
"step": 138
|
|
},
|
|
{
|
|
"epoch": 0.37066666666666664,
|
|
"grad_norm": 0.5395920276641846,
|
|
"learning_rate": 6.405405405405406e-06,
|
|
"loss": 0.2599,
|
|
"step": 139
|
|
},
|
|
{
|
|
"epoch": 0.37333333333333335,
|
|
"grad_norm": 0.5230371952056885,
|
|
"learning_rate": 6.378378378378379e-06,
|
|
"loss": 0.3083,
|
|
"step": 140
|
|
},
|
|
{
|
|
"epoch": 0.376,
|
|
"grad_norm": 0.6373140811920166,
|
|
"learning_rate": 6.351351351351351e-06,
|
|
"loss": 0.3372,
|
|
"step": 141
|
|
},
|
|
{
|
|
"epoch": 0.37866666666666665,
|
|
"grad_norm": 0.5276511311531067,
|
|
"learning_rate": 6.324324324324325e-06,
|
|
"loss": 0.3091,
|
|
"step": 142
|
|
},
|
|
{
|
|
"epoch": 0.38133333333333336,
|
|
"grad_norm": 0.5942245125770569,
|
|
"learning_rate": 6.297297297297298e-06,
|
|
"loss": 0.2172,
|
|
"step": 143
|
|
},
|
|
{
|
|
"epoch": 0.384,
|
|
"grad_norm": 0.5613272190093994,
|
|
"learning_rate": 6.270270270270271e-06,
|
|
"loss": 0.2374,
|
|
"step": 144
|
|
},
|
|
{
|
|
"epoch": 0.38666666666666666,
|
|
"grad_norm": 0.6048488020896912,
|
|
"learning_rate": 6.243243243243243e-06,
|
|
"loss": 0.2926,
|
|
"step": 145
|
|
},
|
|
{
|
|
"epoch": 0.3893333333333333,
|
|
"grad_norm": 0.3699745833873749,
|
|
"learning_rate": 6.2162162162162164e-06,
|
|
"loss": 0.1542,
|
|
"step": 146
|
|
},
|
|
{
|
|
"epoch": 0.392,
|
|
"grad_norm": 0.33949539065361023,
|
|
"learning_rate": 6.1891891891891895e-06,
|
|
"loss": 0.0887,
|
|
"step": 147
|
|
},
|
|
{
|
|
"epoch": 0.39466666666666667,
|
|
"grad_norm": 0.6003938317298889,
|
|
"learning_rate": 6.162162162162163e-06,
|
|
"loss": 0.308,
|
|
"step": 148
|
|
},
|
|
{
|
|
"epoch": 0.3973333333333333,
|
|
"grad_norm": 0.5109735131263733,
|
|
"learning_rate": 6.135135135135135e-06,
|
|
"loss": 0.2477,
|
|
"step": 149
|
|
},
|
|
{
|
|
"epoch": 0.4,
|
|
"grad_norm": 0.6540595293045044,
|
|
"learning_rate": 6.108108108108109e-06,
|
|
"loss": 0.3163,
|
|
"step": 150
|
|
},
|
|
{
|
|
"epoch": 0.4026666666666667,
|
|
"grad_norm": 0.45545297861099243,
|
|
"learning_rate": 6.081081081081082e-06,
|
|
"loss": 0.1538,
|
|
"step": 151
|
|
},
|
|
{
|
|
"epoch": 0.4053333333333333,
|
|
"grad_norm": 0.512298583984375,
|
|
"learning_rate": 6.054054054054055e-06,
|
|
"loss": 0.2082,
|
|
"step": 152
|
|
},
|
|
{
|
|
"epoch": 0.408,
|
|
"grad_norm": 0.3752361238002777,
|
|
"learning_rate": 6.027027027027027e-06,
|
|
"loss": 0.1594,
|
|
"step": 153
|
|
},
|
|
{
|
|
"epoch": 0.4106666666666667,
|
|
"grad_norm": 0.6579528450965881,
|
|
"learning_rate": 6e-06,
|
|
"loss": 0.2427,
|
|
"step": 154
|
|
},
|
|
{
|
|
"epoch": 0.41333333333333333,
|
|
"grad_norm": 0.587184488773346,
|
|
"learning_rate": 5.972972972972973e-06,
|
|
"loss": 0.2534,
|
|
"step": 155
|
|
},
|
|
{
|
|
"epoch": 0.416,
|
|
"grad_norm": 0.5901755094528198,
|
|
"learning_rate": 5.945945945945947e-06,
|
|
"loss": 0.2779,
|
|
"step": 156
|
|
},
|
|
{
|
|
"epoch": 0.4186666666666667,
|
|
"grad_norm": 0.6256855130195618,
|
|
"learning_rate": 5.9189189189189185e-06,
|
|
"loss": 0.2884,
|
|
"step": 157
|
|
},
|
|
{
|
|
"epoch": 0.42133333333333334,
|
|
"grad_norm": 0.6562607288360596,
|
|
"learning_rate": 5.8918918918918924e-06,
|
|
"loss": 0.3314,
|
|
"step": 158
|
|
},
|
|
{
|
|
"epoch": 0.424,
|
|
"grad_norm": 0.5446435213088989,
|
|
"learning_rate": 5.8648648648648655e-06,
|
|
"loss": 0.2397,
|
|
"step": 159
|
|
},
|
|
{
|
|
"epoch": 0.4266666666666667,
|
|
"grad_norm": 0.6815260052680969,
|
|
"learning_rate": 5.837837837837839e-06,
|
|
"loss": 0.3298,
|
|
"step": 160
|
|
},
|
|
{
|
|
"epoch": 0.42933333333333334,
|
|
"grad_norm": 0.6749165654182434,
|
|
"learning_rate": 5.810810810810811e-06,
|
|
"loss": 0.3326,
|
|
"step": 161
|
|
},
|
|
{
|
|
"epoch": 0.432,
|
|
"grad_norm": 0.45457959175109863,
|
|
"learning_rate": 5.783783783783784e-06,
|
|
"loss": 0.1805,
|
|
"step": 162
|
|
},
|
|
{
|
|
"epoch": 0.43466666666666665,
|
|
"grad_norm": 0.6294534206390381,
|
|
"learning_rate": 5.756756756756757e-06,
|
|
"loss": 0.3792,
|
|
"step": 163
|
|
},
|
|
{
|
|
"epoch": 0.43733333333333335,
|
|
"grad_norm": 0.489625483751297,
|
|
"learning_rate": 5.729729729729731e-06,
|
|
"loss": 0.2318,
|
|
"step": 164
|
|
},
|
|
{
|
|
"epoch": 0.44,
|
|
"grad_norm": 0.6230562925338745,
|
|
"learning_rate": 5.702702702702702e-06,
|
|
"loss": 0.2365,
|
|
"step": 165
|
|
},
|
|
{
|
|
"epoch": 0.44266666666666665,
|
|
"grad_norm": 0.5184881687164307,
|
|
"learning_rate": 5.675675675675676e-06,
|
|
"loss": 0.2188,
|
|
"step": 166
|
|
},
|
|
{
|
|
"epoch": 0.44533333333333336,
|
|
"grad_norm": 0.5303902626037598,
|
|
"learning_rate": 5.648648648648649e-06,
|
|
"loss": 0.2228,
|
|
"step": 167
|
|
},
|
|
{
|
|
"epoch": 0.448,
|
|
"grad_norm": 0.7010183930397034,
|
|
"learning_rate": 5.621621621621622e-06,
|
|
"loss": 0.266,
|
|
"step": 168
|
|
},
|
|
{
|
|
"epoch": 0.45066666666666666,
|
|
"grad_norm": 0.7281489372253418,
|
|
"learning_rate": 5.5945945945945945e-06,
|
|
"loss": 0.3161,
|
|
"step": 169
|
|
},
|
|
{
|
|
"epoch": 0.4533333333333333,
|
|
"grad_norm": 0.554162323474884,
|
|
"learning_rate": 5.567567567567568e-06,
|
|
"loss": 0.1918,
|
|
"step": 170
|
|
},
|
|
{
|
|
"epoch": 0.456,
|
|
"grad_norm": 0.7206928133964539,
|
|
"learning_rate": 5.540540540540541e-06,
|
|
"loss": 0.3236,
|
|
"step": 171
|
|
},
|
|
{
|
|
"epoch": 0.45866666666666667,
|
|
"grad_norm": 0.47696417570114136,
|
|
"learning_rate": 5.513513513513515e-06,
|
|
"loss": 0.219,
|
|
"step": 172
|
|
},
|
|
{
|
|
"epoch": 0.4613333333333333,
|
|
"grad_norm": 0.39156511425971985,
|
|
"learning_rate": 5.486486486486487e-06,
|
|
"loss": 0.125,
|
|
"step": 173
|
|
},
|
|
{
|
|
"epoch": 0.464,
|
|
"grad_norm": 0.6890482902526855,
|
|
"learning_rate": 5.45945945945946e-06,
|
|
"loss": 0.2873,
|
|
"step": 174
|
|
},
|
|
{
|
|
"epoch": 0.4666666666666667,
|
|
"grad_norm": 0.6847714781761169,
|
|
"learning_rate": 5.432432432432433e-06,
|
|
"loss": 0.4019,
|
|
"step": 175
|
|
},
|
|
{
|
|
"epoch": 0.4693333333333333,
|
|
"grad_norm": 0.6997429132461548,
|
|
"learning_rate": 5.405405405405406e-06,
|
|
"loss": 0.3593,
|
|
"step": 176
|
|
},
|
|
{
|
|
"epoch": 0.472,
|
|
"grad_norm": 0.6555125117301941,
|
|
"learning_rate": 5.378378378378378e-06,
|
|
"loss": 0.2976,
|
|
"step": 177
|
|
},
|
|
{
|
|
"epoch": 0.4746666666666667,
|
|
"grad_norm": 0.5620245337486267,
|
|
"learning_rate": 5.351351351351351e-06,
|
|
"loss": 0.2163,
|
|
"step": 178
|
|
},
|
|
{
|
|
"epoch": 0.47733333333333333,
|
|
"grad_norm": 0.7394323348999023,
|
|
"learning_rate": 5.324324324324324e-06,
|
|
"loss": 0.34,
|
|
"step": 179
|
|
},
|
|
{
|
|
"epoch": 0.48,
|
|
"grad_norm": 0.6063033938407898,
|
|
"learning_rate": 5.297297297297298e-06,
|
|
"loss": 0.1971,
|
|
"step": 180
|
|
},
|
|
{
|
|
"epoch": 0.4826666666666667,
|
|
"grad_norm": 0.5324463844299316,
|
|
"learning_rate": 5.2702702702702705e-06,
|
|
"loss": 0.2755,
|
|
"step": 181
|
|
},
|
|
{
|
|
"epoch": 0.48533333333333334,
|
|
"grad_norm": 0.5104672312736511,
|
|
"learning_rate": 5.243243243243244e-06,
|
|
"loss": 0.2006,
|
|
"step": 182
|
|
},
|
|
{
|
|
"epoch": 0.488,
|
|
"grad_norm": 0.7331261038780212,
|
|
"learning_rate": 5.216216216216217e-06,
|
|
"loss": 0.2999,
|
|
"step": 183
|
|
},
|
|
{
|
|
"epoch": 0.49066666666666664,
|
|
"grad_norm": 0.7934654951095581,
|
|
"learning_rate": 5.18918918918919e-06,
|
|
"loss": 0.2925,
|
|
"step": 184
|
|
},
|
|
{
|
|
"epoch": 0.49333333333333335,
|
|
"grad_norm": 0.5896333456039429,
|
|
"learning_rate": 5.162162162162162e-06,
|
|
"loss": 0.2538,
|
|
"step": 185
|
|
},
|
|
{
|
|
"epoch": 0.496,
|
|
"grad_norm": 0.5125575661659241,
|
|
"learning_rate": 5.135135135135135e-06,
|
|
"loss": 0.2054,
|
|
"step": 186
|
|
},
|
|
{
|
|
"epoch": 0.49866666666666665,
|
|
"grad_norm": 0.6359004974365234,
|
|
"learning_rate": 5.108108108108108e-06,
|
|
"loss": 0.3216,
|
|
"step": 187
|
|
},
|
|
{
|
|
"epoch": 0.5013333333333333,
|
|
"grad_norm": 0.46487855911254883,
|
|
"learning_rate": 5.081081081081082e-06,
|
|
"loss": 0.1414,
|
|
"step": 188
|
|
},
|
|
{
|
|
"epoch": 0.504,
|
|
"grad_norm": 0.5392065644264221,
|
|
"learning_rate": 5.054054054054054e-06,
|
|
"loss": 0.2447,
|
|
"step": 189
|
|
},
|
|
{
|
|
"epoch": 0.5066666666666667,
|
|
"grad_norm": 0.6515066027641296,
|
|
"learning_rate": 5.027027027027027e-06,
|
|
"loss": 0.288,
|
|
"step": 190
|
|
},
|
|
{
|
|
"epoch": 0.5093333333333333,
|
|
"grad_norm": 0.6236056089401245,
|
|
"learning_rate": 5e-06,
|
|
"loss": 0.2352,
|
|
"step": 191
|
|
},
|
|
{
|
|
"epoch": 0.512,
|
|
"grad_norm": 0.7060819268226624,
|
|
"learning_rate": 4.9729729729729735e-06,
|
|
"loss": 0.3077,
|
|
"step": 192
|
|
},
|
|
{
|
|
"epoch": 0.5146666666666667,
|
|
"grad_norm": 0.4781109690666199,
|
|
"learning_rate": 4.9459459459459466e-06,
|
|
"loss": 0.1757,
|
|
"step": 193
|
|
},
|
|
{
|
|
"epoch": 0.5173333333333333,
|
|
"grad_norm": 0.42882394790649414,
|
|
"learning_rate": 4.91891891891892e-06,
|
|
"loss": 0.1723,
|
|
"step": 194
|
|
},
|
|
{
|
|
"epoch": 0.52,
|
|
"grad_norm": 0.4597349166870117,
|
|
"learning_rate": 4.891891891891893e-06,
|
|
"loss": 0.236,
|
|
"step": 195
|
|
},
|
|
{
|
|
"epoch": 0.5226666666666666,
|
|
"grad_norm": 0.4984390437602997,
|
|
"learning_rate": 4.864864864864866e-06,
|
|
"loss": 0.1963,
|
|
"step": 196
|
|
},
|
|
{
|
|
"epoch": 0.5253333333333333,
|
|
"grad_norm": 0.7547701001167297,
|
|
"learning_rate": 4.837837837837838e-06,
|
|
"loss": 0.2893,
|
|
"step": 197
|
|
},
|
|
{
|
|
"epoch": 0.528,
|
|
"grad_norm": 0.6444903016090393,
|
|
"learning_rate": 4.810810810810811e-06,
|
|
"loss": 0.2585,
|
|
"step": 198
|
|
},
|
|
{
|
|
"epoch": 0.5306666666666666,
|
|
"grad_norm": 0.7585696578025818,
|
|
"learning_rate": 4.783783783783784e-06,
|
|
"loss": 0.2774,
|
|
"step": 199
|
|
},
|
|
{
|
|
"epoch": 0.5333333333333333,
|
|
"grad_norm": 0.442058801651001,
|
|
"learning_rate": 4.756756756756757e-06,
|
|
"loss": 0.1445,
|
|
"step": 200
|
|
},
|
|
{
|
|
"epoch": 0.536,
|
|
"grad_norm": 0.6309348344802856,
|
|
"learning_rate": 4.72972972972973e-06,
|
|
"loss": 0.2508,
|
|
"step": 201
|
|
},
|
|
{
|
|
"epoch": 0.5386666666666666,
|
|
"grad_norm": 0.49350181221961975,
|
|
"learning_rate": 4.702702702702703e-06,
|
|
"loss": 0.2268,
|
|
"step": 202
|
|
},
|
|
{
|
|
"epoch": 0.5413333333333333,
|
|
"grad_norm": 0.642314612865448,
|
|
"learning_rate": 4.675675675675676e-06,
|
|
"loss": 0.2628,
|
|
"step": 203
|
|
},
|
|
{
|
|
"epoch": 0.544,
|
|
"grad_norm": 0.5899158120155334,
|
|
"learning_rate": 4.6486486486486495e-06,
|
|
"loss": 0.205,
|
|
"step": 204
|
|
},
|
|
{
|
|
"epoch": 0.5466666666666666,
|
|
"grad_norm": 0.6411988735198975,
|
|
"learning_rate": 4.621621621621622e-06,
|
|
"loss": 0.2927,
|
|
"step": 205
|
|
},
|
|
{
|
|
"epoch": 0.5493333333333333,
|
|
"grad_norm": 0.5443648099899292,
|
|
"learning_rate": 4.594594594594596e-06,
|
|
"loss": 0.2521,
|
|
"step": 206
|
|
},
|
|
{
|
|
"epoch": 0.552,
|
|
"grad_norm": 0.6090942621231079,
|
|
"learning_rate": 4.567567567567568e-06,
|
|
"loss": 0.2182,
|
|
"step": 207
|
|
},
|
|
{
|
|
"epoch": 0.5546666666666666,
|
|
"grad_norm": 0.77595454454422,
|
|
"learning_rate": 4.540540540540541e-06,
|
|
"loss": 0.302,
|
|
"step": 208
|
|
},
|
|
{
|
|
"epoch": 0.5573333333333333,
|
|
"grad_norm": 0.6236261129379272,
|
|
"learning_rate": 4.513513513513514e-06,
|
|
"loss": 0.3296,
|
|
"step": 209
|
|
},
|
|
{
|
|
"epoch": 0.56,
|
|
"grad_norm": 0.47032153606414795,
|
|
"learning_rate": 4.486486486486487e-06,
|
|
"loss": 0.1947,
|
|
"step": 210
|
|
},
|
|
{
|
|
"epoch": 0.5626666666666666,
|
|
"grad_norm": 0.5213590264320374,
|
|
"learning_rate": 4.45945945945946e-06,
|
|
"loss": 0.2006,
|
|
"step": 211
|
|
},
|
|
{
|
|
"epoch": 0.5653333333333334,
|
|
"grad_norm": 0.6334646940231323,
|
|
"learning_rate": 4.432432432432433e-06,
|
|
"loss": 0.1782,
|
|
"step": 212
|
|
},
|
|
{
|
|
"epoch": 0.568,
|
|
"grad_norm": 0.7906700372695923,
|
|
"learning_rate": 4.4054054054054054e-06,
|
|
"loss": 0.3455,
|
|
"step": 213
|
|
},
|
|
{
|
|
"epoch": 0.5706666666666667,
|
|
"grad_norm": 0.6766706109046936,
|
|
"learning_rate": 4.378378378378379e-06,
|
|
"loss": 0.3253,
|
|
"step": 214
|
|
},
|
|
{
|
|
"epoch": 0.5733333333333334,
|
|
"grad_norm": 0.6396160125732422,
|
|
"learning_rate": 4.351351351351352e-06,
|
|
"loss": 0.2819,
|
|
"step": 215
|
|
},
|
|
{
|
|
"epoch": 0.576,
|
|
"grad_norm": 0.5746570229530334,
|
|
"learning_rate": 4.324324324324325e-06,
|
|
"loss": 0.2378,
|
|
"step": 216
|
|
},
|
|
{
|
|
"epoch": 0.5786666666666667,
|
|
"grad_norm": 0.5276467204093933,
|
|
"learning_rate": 4.297297297297298e-06,
|
|
"loss": 0.1778,
|
|
"step": 217
|
|
},
|
|
{
|
|
"epoch": 0.5813333333333334,
|
|
"grad_norm": 0.7209146618843079,
|
|
"learning_rate": 4.270270270270271e-06,
|
|
"loss": 0.3391,
|
|
"step": 218
|
|
},
|
|
{
|
|
"epoch": 0.584,
|
|
"grad_norm": 0.5352896451950073,
|
|
"learning_rate": 4.243243243243244e-06,
|
|
"loss": 0.1631,
|
|
"step": 219
|
|
},
|
|
{
|
|
"epoch": 0.5866666666666667,
|
|
"grad_norm": 0.6515918374061584,
|
|
"learning_rate": 4.216216216216217e-06,
|
|
"loss": 0.3017,
|
|
"step": 220
|
|
},
|
|
{
|
|
"epoch": 0.5893333333333334,
|
|
"grad_norm": 0.4595091640949249,
|
|
"learning_rate": 4.189189189189189e-06,
|
|
"loss": 0.149,
|
|
"step": 221
|
|
},
|
|
{
|
|
"epoch": 0.592,
|
|
"grad_norm": 0.6572037935256958,
|
|
"learning_rate": 4.162162162162163e-06,
|
|
"loss": 0.2218,
|
|
"step": 222
|
|
},
|
|
{
|
|
"epoch": 0.5946666666666667,
|
|
"grad_norm": 0.5687835216522217,
|
|
"learning_rate": 4.135135135135135e-06,
|
|
"loss": 0.2232,
|
|
"step": 223
|
|
},
|
|
{
|
|
"epoch": 0.5973333333333334,
|
|
"grad_norm": 0.5503986477851868,
|
|
"learning_rate": 4.108108108108108e-06,
|
|
"loss": 0.16,
|
|
"step": 224
|
|
},
|
|
{
|
|
"epoch": 0.6,
|
|
"grad_norm": 0.4931792616844177,
|
|
"learning_rate": 4.0810810810810815e-06,
|
|
"loss": 0.1898,
|
|
"step": 225
|
|
},
|
|
{
|
|
"epoch": 0.6026666666666667,
|
|
"grad_norm": 0.46133163571357727,
|
|
"learning_rate": 4.0540540540540545e-06,
|
|
"loss": 0.1849,
|
|
"step": 226
|
|
},
|
|
{
|
|
"epoch": 0.6053333333333333,
|
|
"grad_norm": 0.595653772354126,
|
|
"learning_rate": 4.027027027027028e-06,
|
|
"loss": 0.2365,
|
|
"step": 227
|
|
},
|
|
{
|
|
"epoch": 0.608,
|
|
"grad_norm": 0.7114612460136414,
|
|
"learning_rate": 4.000000000000001e-06,
|
|
"loss": 0.3117,
|
|
"step": 228
|
|
},
|
|
{
|
|
"epoch": 0.6106666666666667,
|
|
"grad_norm": 0.5506129860877991,
|
|
"learning_rate": 3.972972972972973e-06,
|
|
"loss": 0.2263,
|
|
"step": 229
|
|
},
|
|
{
|
|
"epoch": 0.6133333333333333,
|
|
"grad_norm": 0.4003143906593323,
|
|
"learning_rate": 3.945945945945947e-06,
|
|
"loss": 0.1515,
|
|
"step": 230
|
|
},
|
|
{
|
|
"epoch": 0.616,
|
|
"grad_norm": 0.5369012355804443,
|
|
"learning_rate": 3.918918918918919e-06,
|
|
"loss": 0.234,
|
|
"step": 231
|
|
},
|
|
{
|
|
"epoch": 0.6186666666666667,
|
|
"grad_norm": 0.5746814012527466,
|
|
"learning_rate": 3.891891891891892e-06,
|
|
"loss": 0.237,
|
|
"step": 232
|
|
},
|
|
{
|
|
"epoch": 0.6213333333333333,
|
|
"grad_norm": 0.5755478143692017,
|
|
"learning_rate": 3.864864864864865e-06,
|
|
"loss": 0.194,
|
|
"step": 233
|
|
},
|
|
{
|
|
"epoch": 0.624,
|
|
"grad_norm": 0.7137072086334229,
|
|
"learning_rate": 3.837837837837838e-06,
|
|
"loss": 0.2775,
|
|
"step": 234
|
|
},
|
|
{
|
|
"epoch": 0.6266666666666667,
|
|
"grad_norm": 0.5683808922767639,
|
|
"learning_rate": 3.810810810810811e-06,
|
|
"loss": 0.145,
|
|
"step": 235
|
|
},
|
|
{
|
|
"epoch": 0.6293333333333333,
|
|
"grad_norm": 0.5097734928131104,
|
|
"learning_rate": 3.7837837837837844e-06,
|
|
"loss": 0.208,
|
|
"step": 236
|
|
},
|
|
{
|
|
"epoch": 0.632,
|
|
"grad_norm": 0.6655300259590149,
|
|
"learning_rate": 3.756756756756757e-06,
|
|
"loss": 0.3015,
|
|
"step": 237
|
|
},
|
|
{
|
|
"epoch": 0.6346666666666667,
|
|
"grad_norm": 0.6288011074066162,
|
|
"learning_rate": 3.72972972972973e-06,
|
|
"loss": 0.2383,
|
|
"step": 238
|
|
},
|
|
{
|
|
"epoch": 0.6373333333333333,
|
|
"grad_norm": 0.4668777883052826,
|
|
"learning_rate": 3.7027027027027028e-06,
|
|
"loss": 0.1906,
|
|
"step": 239
|
|
},
|
|
{
|
|
"epoch": 0.64,
|
|
"grad_norm": 0.5049906969070435,
|
|
"learning_rate": 3.6756756756756763e-06,
|
|
"loss": 0.192,
|
|
"step": 240
|
|
},
|
|
{
|
|
"epoch": 0.6426666666666667,
|
|
"grad_norm": 0.6092209815979004,
|
|
"learning_rate": 3.648648648648649e-06,
|
|
"loss": 0.1845,
|
|
"step": 241
|
|
},
|
|
{
|
|
"epoch": 0.6453333333333333,
|
|
"grad_norm": 0.5919110774993896,
|
|
"learning_rate": 3.621621621621622e-06,
|
|
"loss": 0.2521,
|
|
"step": 242
|
|
},
|
|
{
|
|
"epoch": 0.648,
|
|
"grad_norm": 0.5041462182998657,
|
|
"learning_rate": 3.5945945945945946e-06,
|
|
"loss": 0.1625,
|
|
"step": 243
|
|
},
|
|
{
|
|
"epoch": 0.6506666666666666,
|
|
"grad_norm": 0.5651424527168274,
|
|
"learning_rate": 3.567567567567568e-06,
|
|
"loss": 0.221,
|
|
"step": 244
|
|
},
|
|
{
|
|
"epoch": 0.6533333333333333,
|
|
"grad_norm": 0.6813135743141174,
|
|
"learning_rate": 3.5405405405405408e-06,
|
|
"loss": 0.2468,
|
|
"step": 245
|
|
},
|
|
{
|
|
"epoch": 0.656,
|
|
"grad_norm": 0.6562386751174927,
|
|
"learning_rate": 3.513513513513514e-06,
|
|
"loss": 0.1906,
|
|
"step": 246
|
|
},
|
|
{
|
|
"epoch": 0.6586666666666666,
|
|
"grad_norm": 0.7803494930267334,
|
|
"learning_rate": 3.4864864864864865e-06,
|
|
"loss": 0.3731,
|
|
"step": 247
|
|
},
|
|
{
|
|
"epoch": 0.6613333333333333,
|
|
"grad_norm": 0.4733523428440094,
|
|
"learning_rate": 3.45945945945946e-06,
|
|
"loss": 0.1806,
|
|
"step": 248
|
|
},
|
|
{
|
|
"epoch": 0.664,
|
|
"grad_norm": 0.5501195788383484,
|
|
"learning_rate": 3.4324324324324326e-06,
|
|
"loss": 0.1945,
|
|
"step": 249
|
|
},
|
|
{
|
|
"epoch": 0.6666666666666666,
|
|
"grad_norm": 0.5340800285339355,
|
|
"learning_rate": 3.4054054054054057e-06,
|
|
"loss": 0.2288,
|
|
"step": 250
|
|
},
|
|
{
|
|
"epoch": 0.6693333333333333,
|
|
"grad_norm": 0.5637819170951843,
|
|
"learning_rate": 3.3783783783783788e-06,
|
|
"loss": 0.2457,
|
|
"step": 251
|
|
},
|
|
{
|
|
"epoch": 0.672,
|
|
"grad_norm": 0.6395735144615173,
|
|
"learning_rate": 3.351351351351352e-06,
|
|
"loss": 0.2616,
|
|
"step": 252
|
|
},
|
|
{
|
|
"epoch": 0.6746666666666666,
|
|
"grad_norm": 0.5853235721588135,
|
|
"learning_rate": 3.3243243243243245e-06,
|
|
"loss": 0.2633,
|
|
"step": 253
|
|
},
|
|
{
|
|
"epoch": 0.6773333333333333,
|
|
"grad_norm": 0.5229334831237793,
|
|
"learning_rate": 3.2972972972972976e-06,
|
|
"loss": 0.17,
|
|
"step": 254
|
|
},
|
|
{
|
|
"epoch": 0.68,
|
|
"grad_norm": 0.5079410076141357,
|
|
"learning_rate": 3.2702702702702706e-06,
|
|
"loss": 0.18,
|
|
"step": 255
|
|
},
|
|
{
|
|
"epoch": 0.6826666666666666,
|
|
"grad_norm": 0.5117961764335632,
|
|
"learning_rate": 3.2432432432432437e-06,
|
|
"loss": 0.1889,
|
|
"step": 256
|
|
},
|
|
{
|
|
"epoch": 0.6853333333333333,
|
|
"grad_norm": 0.5530012845993042,
|
|
"learning_rate": 3.2162162162162164e-06,
|
|
"loss": 0.2199,
|
|
"step": 257
|
|
},
|
|
{
|
|
"epoch": 0.688,
|
|
"grad_norm": 0.567864716053009,
|
|
"learning_rate": 3.1891891891891894e-06,
|
|
"loss": 0.2288,
|
|
"step": 258
|
|
},
|
|
{
|
|
"epoch": 0.6906666666666667,
|
|
"grad_norm": 0.649578332901001,
|
|
"learning_rate": 3.1621621621621625e-06,
|
|
"loss": 0.2942,
|
|
"step": 259
|
|
},
|
|
{
|
|
"epoch": 0.6933333333333334,
|
|
"grad_norm": 0.744571328163147,
|
|
"learning_rate": 3.1351351351351356e-06,
|
|
"loss": 0.327,
|
|
"step": 260
|
|
},
|
|
{
|
|
"epoch": 0.696,
|
|
"grad_norm": 0.47200217843055725,
|
|
"learning_rate": 3.1081081081081082e-06,
|
|
"loss": 0.2027,
|
|
"step": 261
|
|
},
|
|
{
|
|
"epoch": 0.6986666666666667,
|
|
"grad_norm": 0.7426642179489136,
|
|
"learning_rate": 3.0810810810810817e-06,
|
|
"loss": 0.3045,
|
|
"step": 262
|
|
},
|
|
{
|
|
"epoch": 0.7013333333333334,
|
|
"grad_norm": 0.489686518907547,
|
|
"learning_rate": 3.0540540540540544e-06,
|
|
"loss": 0.1731,
|
|
"step": 263
|
|
},
|
|
{
|
|
"epoch": 0.704,
|
|
"grad_norm": 0.6069055199623108,
|
|
"learning_rate": 3.0270270270270274e-06,
|
|
"loss": 0.2052,
|
|
"step": 264
|
|
},
|
|
{
|
|
"epoch": 0.7066666666666667,
|
|
"grad_norm": 0.6711545586585999,
|
|
"learning_rate": 3e-06,
|
|
"loss": 0.2371,
|
|
"step": 265
|
|
},
|
|
{
|
|
"epoch": 0.7093333333333334,
|
|
"grad_norm": 0.8099426031112671,
|
|
"learning_rate": 2.9729729729729736e-06,
|
|
"loss": 0.3425,
|
|
"step": 266
|
|
},
|
|
{
|
|
"epoch": 0.712,
|
|
"grad_norm": 0.5660396218299866,
|
|
"learning_rate": 2.9459459459459462e-06,
|
|
"loss": 0.2091,
|
|
"step": 267
|
|
},
|
|
{
|
|
"epoch": 0.7146666666666667,
|
|
"grad_norm": 0.43479520082473755,
|
|
"learning_rate": 2.9189189189189193e-06,
|
|
"loss": 0.1703,
|
|
"step": 268
|
|
},
|
|
{
|
|
"epoch": 0.7173333333333334,
|
|
"grad_norm": 0.5631981492042542,
|
|
"learning_rate": 2.891891891891892e-06,
|
|
"loss": 0.2662,
|
|
"step": 269
|
|
},
|
|
{
|
|
"epoch": 0.72,
|
|
"grad_norm": 0.5320481061935425,
|
|
"learning_rate": 2.8648648648648654e-06,
|
|
"loss": 0.2048,
|
|
"step": 270
|
|
},
|
|
{
|
|
"epoch": 0.7226666666666667,
|
|
"grad_norm": 0.43003588914871216,
|
|
"learning_rate": 2.837837837837838e-06,
|
|
"loss": 0.1076,
|
|
"step": 271
|
|
},
|
|
{
|
|
"epoch": 0.7253333333333334,
|
|
"grad_norm": 0.6602309346199036,
|
|
"learning_rate": 2.810810810810811e-06,
|
|
"loss": 0.1974,
|
|
"step": 272
|
|
},
|
|
{
|
|
"epoch": 0.728,
|
|
"grad_norm": 0.46706610918045044,
|
|
"learning_rate": 2.783783783783784e-06,
|
|
"loss": 0.1942,
|
|
"step": 273
|
|
},
|
|
{
|
|
"epoch": 0.7306666666666667,
|
|
"grad_norm": 0.5497554540634155,
|
|
"learning_rate": 2.7567567567567573e-06,
|
|
"loss": 0.2233,
|
|
"step": 274
|
|
},
|
|
{
|
|
"epoch": 0.7333333333333333,
|
|
"grad_norm": 0.6279127597808838,
|
|
"learning_rate": 2.72972972972973e-06,
|
|
"loss": 0.2801,
|
|
"step": 275
|
|
},
|
|
{
|
|
"epoch": 0.736,
|
|
"grad_norm": 0.6925727725028992,
|
|
"learning_rate": 2.702702702702703e-06,
|
|
"loss": 0.2204,
|
|
"step": 276
|
|
},
|
|
{
|
|
"epoch": 0.7386666666666667,
|
|
"grad_norm": 0.5677366256713867,
|
|
"learning_rate": 2.6756756756756757e-06,
|
|
"loss": 0.2332,
|
|
"step": 277
|
|
},
|
|
{
|
|
"epoch": 0.7413333333333333,
|
|
"grad_norm": 0.5541538000106812,
|
|
"learning_rate": 2.648648648648649e-06,
|
|
"loss": 0.2013,
|
|
"step": 278
|
|
},
|
|
{
|
|
"epoch": 0.744,
|
|
"grad_norm": 0.7731754183769226,
|
|
"learning_rate": 2.621621621621622e-06,
|
|
"loss": 0.3069,
|
|
"step": 279
|
|
},
|
|
{
|
|
"epoch": 0.7466666666666667,
|
|
"grad_norm": 0.6987147927284241,
|
|
"learning_rate": 2.594594594594595e-06,
|
|
"loss": 0.2682,
|
|
"step": 280
|
|
},
|
|
{
|
|
"epoch": 0.7493333333333333,
|
|
"grad_norm": 0.48003822565078735,
|
|
"learning_rate": 2.5675675675675675e-06,
|
|
"loss": 0.2128,
|
|
"step": 281
|
|
},
|
|
{
|
|
"epoch": 0.752,
|
|
"grad_norm": 0.6081013083457947,
|
|
"learning_rate": 2.540540540540541e-06,
|
|
"loss": 0.1874,
|
|
"step": 282
|
|
},
|
|
{
|
|
"epoch": 0.7546666666666667,
|
|
"grad_norm": 0.7053580284118652,
|
|
"learning_rate": 2.5135135135135137e-06,
|
|
"loss": 0.2985,
|
|
"step": 283
|
|
},
|
|
{
|
|
"epoch": 0.7573333333333333,
|
|
"grad_norm": 0.47678816318511963,
|
|
"learning_rate": 2.4864864864864867e-06,
|
|
"loss": 0.1686,
|
|
"step": 284
|
|
},
|
|
{
|
|
"epoch": 0.76,
|
|
"grad_norm": 0.5169805288314819,
|
|
"learning_rate": 2.45945945945946e-06,
|
|
"loss": 0.1536,
|
|
"step": 285
|
|
},
|
|
{
|
|
"epoch": 0.7626666666666667,
|
|
"grad_norm": 0.5204439759254456,
|
|
"learning_rate": 2.432432432432433e-06,
|
|
"loss": 0.1969,
|
|
"step": 286
|
|
},
|
|
{
|
|
"epoch": 0.7653333333333333,
|
|
"grad_norm": 0.5996459126472473,
|
|
"learning_rate": 2.4054054054054055e-06,
|
|
"loss": 0.203,
|
|
"step": 287
|
|
},
|
|
{
|
|
"epoch": 0.768,
|
|
"grad_norm": 0.6570952534675598,
|
|
"learning_rate": 2.3783783783783786e-06,
|
|
"loss": 0.2376,
|
|
"step": 288
|
|
},
|
|
{
|
|
"epoch": 0.7706666666666667,
|
|
"grad_norm": 0.5847789645195007,
|
|
"learning_rate": 2.3513513513513517e-06,
|
|
"loss": 0.2054,
|
|
"step": 289
|
|
},
|
|
{
|
|
"epoch": 0.7733333333333333,
|
|
"grad_norm": 0.6819078326225281,
|
|
"learning_rate": 2.3243243243243247e-06,
|
|
"loss": 0.26,
|
|
"step": 290
|
|
},
|
|
{
|
|
"epoch": 0.776,
|
|
"grad_norm": 0.6675734519958496,
|
|
"learning_rate": 2.297297297297298e-06,
|
|
"loss": 0.2736,
|
|
"step": 291
|
|
},
|
|
{
|
|
"epoch": 0.7786666666666666,
|
|
"grad_norm": 0.7463541030883789,
|
|
"learning_rate": 2.2702702702702705e-06,
|
|
"loss": 0.3212,
|
|
"step": 292
|
|
},
|
|
{
|
|
"epoch": 0.7813333333333333,
|
|
"grad_norm": 0.6652494072914124,
|
|
"learning_rate": 2.2432432432432435e-06,
|
|
"loss": 0.2476,
|
|
"step": 293
|
|
},
|
|
{
|
|
"epoch": 0.784,
|
|
"grad_norm": 0.5765964388847351,
|
|
"learning_rate": 2.2162162162162166e-06,
|
|
"loss": 0.2004,
|
|
"step": 294
|
|
},
|
|
{
|
|
"epoch": 0.7866666666666666,
|
|
"grad_norm": 0.6821902394294739,
|
|
"learning_rate": 2.1891891891891897e-06,
|
|
"loss": 0.2435,
|
|
"step": 295
|
|
},
|
|
{
|
|
"epoch": 0.7893333333333333,
|
|
"grad_norm": 0.6578222513198853,
|
|
"learning_rate": 2.1621621621621623e-06,
|
|
"loss": 0.1801,
|
|
"step": 296
|
|
},
|
|
{
|
|
"epoch": 0.792,
|
|
"grad_norm": 0.47940191626548767,
|
|
"learning_rate": 2.1351351351351354e-06,
|
|
"loss": 0.1631,
|
|
"step": 297
|
|
},
|
|
{
|
|
"epoch": 0.7946666666666666,
|
|
"grad_norm": 0.7112588286399841,
|
|
"learning_rate": 2.1081081081081085e-06,
|
|
"loss": 0.2953,
|
|
"step": 298
|
|
},
|
|
{
|
|
"epoch": 0.7973333333333333,
|
|
"grad_norm": 0.7237403392791748,
|
|
"learning_rate": 2.0810810810810815e-06,
|
|
"loss": 0.2918,
|
|
"step": 299
|
|
},
|
|
{
|
|
"epoch": 0.8,
|
|
"grad_norm": 0.4653932452201843,
|
|
"learning_rate": 2.054054054054054e-06,
|
|
"loss": 0.1253,
|
|
"step": 300
|
|
},
|
|
{
|
|
"epoch": 0.8026666666666666,
|
|
"grad_norm": 0.8393411040306091,
|
|
"learning_rate": 2.0270270270270273e-06,
|
|
"loss": 0.3248,
|
|
"step": 301
|
|
},
|
|
{
|
|
"epoch": 0.8053333333333333,
|
|
"grad_norm": 0.5438647270202637,
|
|
"learning_rate": 2.0000000000000003e-06,
|
|
"loss": 0.2343,
|
|
"step": 302
|
|
},
|
|
{
|
|
"epoch": 0.808,
|
|
"grad_norm": 0.7192823886871338,
|
|
"learning_rate": 1.9729729729729734e-06,
|
|
"loss": 0.3161,
|
|
"step": 303
|
|
},
|
|
{
|
|
"epoch": 0.8106666666666666,
|
|
"grad_norm": 0.7548298239707947,
|
|
"learning_rate": 1.945945945945946e-06,
|
|
"loss": 0.3023,
|
|
"step": 304
|
|
},
|
|
{
|
|
"epoch": 0.8133333333333334,
|
|
"grad_norm": 0.5389345288276672,
|
|
"learning_rate": 1.918918918918919e-06,
|
|
"loss": 0.2079,
|
|
"step": 305
|
|
},
|
|
{
|
|
"epoch": 0.816,
|
|
"grad_norm": 0.7169614434242249,
|
|
"learning_rate": 1.8918918918918922e-06,
|
|
"loss": 0.2997,
|
|
"step": 306
|
|
},
|
|
{
|
|
"epoch": 0.8186666666666667,
|
|
"grad_norm": 0.5842504501342773,
|
|
"learning_rate": 1.864864864864865e-06,
|
|
"loss": 0.1818,
|
|
"step": 307
|
|
},
|
|
{
|
|
"epoch": 0.8213333333333334,
|
|
"grad_norm": 0.6660023927688599,
|
|
"learning_rate": 1.8378378378378381e-06,
|
|
"loss": 0.239,
|
|
"step": 308
|
|
},
|
|
{
|
|
"epoch": 0.824,
|
|
"grad_norm": 0.7102739214897156,
|
|
"learning_rate": 1.810810810810811e-06,
|
|
"loss": 0.2632,
|
|
"step": 309
|
|
},
|
|
{
|
|
"epoch": 0.8266666666666667,
|
|
"grad_norm": 0.5258906483650208,
|
|
"learning_rate": 1.783783783783784e-06,
|
|
"loss": 0.1687,
|
|
"step": 310
|
|
},
|
|
{
|
|
"epoch": 0.8293333333333334,
|
|
"grad_norm": 0.5435469746589661,
|
|
"learning_rate": 1.756756756756757e-06,
|
|
"loss": 0.2429,
|
|
"step": 311
|
|
},
|
|
{
|
|
"epoch": 0.832,
|
|
"grad_norm": 0.6755675673484802,
|
|
"learning_rate": 1.72972972972973e-06,
|
|
"loss": 0.2362,
|
|
"step": 312
|
|
},
|
|
{
|
|
"epoch": 0.8346666666666667,
|
|
"grad_norm": 0.6427385807037354,
|
|
"learning_rate": 1.7027027027027028e-06,
|
|
"loss": 0.3155,
|
|
"step": 313
|
|
},
|
|
{
|
|
"epoch": 0.8373333333333334,
|
|
"grad_norm": 0.6049892902374268,
|
|
"learning_rate": 1.675675675675676e-06,
|
|
"loss": 0.2115,
|
|
"step": 314
|
|
},
|
|
{
|
|
"epoch": 0.84,
|
|
"grad_norm": 0.5754526853561401,
|
|
"learning_rate": 1.6486486486486488e-06,
|
|
"loss": 0.2335,
|
|
"step": 315
|
|
},
|
|
{
|
|
"epoch": 0.8426666666666667,
|
|
"grad_norm": 0.5722671151161194,
|
|
"learning_rate": 1.6216216216216219e-06,
|
|
"loss": 0.2158,
|
|
"step": 316
|
|
},
|
|
{
|
|
"epoch": 0.8453333333333334,
|
|
"grad_norm": 0.47050249576568604,
|
|
"learning_rate": 1.5945945945945947e-06,
|
|
"loss": 0.185,
|
|
"step": 317
|
|
},
|
|
{
|
|
"epoch": 0.848,
|
|
"grad_norm": 0.6202705502510071,
|
|
"learning_rate": 1.5675675675675678e-06,
|
|
"loss": 0.1932,
|
|
"step": 318
|
|
},
|
|
{
|
|
"epoch": 0.8506666666666667,
|
|
"grad_norm": 0.6288578510284424,
|
|
"learning_rate": 1.5405405405405409e-06,
|
|
"loss": 0.1996,
|
|
"step": 319
|
|
},
|
|
{
|
|
"epoch": 0.8533333333333334,
|
|
"grad_norm": 0.6069386601448059,
|
|
"learning_rate": 1.5135135135135137e-06,
|
|
"loss": 0.2324,
|
|
"step": 320
|
|
},
|
|
{
|
|
"epoch": 0.856,
|
|
"grad_norm": 0.6177579760551453,
|
|
"learning_rate": 1.4864864864864868e-06,
|
|
"loss": 0.2711,
|
|
"step": 321
|
|
},
|
|
{
|
|
"epoch": 0.8586666666666667,
|
|
"grad_norm": 0.5107338428497314,
|
|
"learning_rate": 1.4594594594594596e-06,
|
|
"loss": 0.1486,
|
|
"step": 322
|
|
},
|
|
{
|
|
"epoch": 0.8613333333333333,
|
|
"grad_norm": 0.5996361374855042,
|
|
"learning_rate": 1.4324324324324327e-06,
|
|
"loss": 0.2279,
|
|
"step": 323
|
|
},
|
|
{
|
|
"epoch": 0.864,
|
|
"grad_norm": 0.5442785620689392,
|
|
"learning_rate": 1.4054054054054056e-06,
|
|
"loss": 0.2021,
|
|
"step": 324
|
|
},
|
|
{
|
|
"epoch": 0.8666666666666667,
|
|
"grad_norm": 0.5620384812355042,
|
|
"learning_rate": 1.3783783783783786e-06,
|
|
"loss": 0.1643,
|
|
"step": 325
|
|
},
|
|
{
|
|
"epoch": 0.8693333333333333,
|
|
"grad_norm": 0.724138081073761,
|
|
"learning_rate": 1.3513513513513515e-06,
|
|
"loss": 0.234,
|
|
"step": 326
|
|
},
|
|
{
|
|
"epoch": 0.872,
|
|
"grad_norm": 0.6122252345085144,
|
|
"learning_rate": 1.3243243243243246e-06,
|
|
"loss": 0.1782,
|
|
"step": 327
|
|
},
|
|
{
|
|
"epoch": 0.8746666666666667,
|
|
"grad_norm": 0.7044535875320435,
|
|
"learning_rate": 1.2972972972972974e-06,
|
|
"loss": 0.266,
|
|
"step": 328
|
|
},
|
|
{
|
|
"epoch": 0.8773333333333333,
|
|
"grad_norm": 0.5920470356941223,
|
|
"learning_rate": 1.2702702702702705e-06,
|
|
"loss": 0.2341,
|
|
"step": 329
|
|
},
|
|
{
|
|
"epoch": 0.88,
|
|
"grad_norm": 0.6472164988517761,
|
|
"learning_rate": 1.2432432432432434e-06,
|
|
"loss": 0.2338,
|
|
"step": 330
|
|
},
|
|
{
|
|
"epoch": 0.8826666666666667,
|
|
"grad_norm": 0.5815852284431458,
|
|
"learning_rate": 1.2162162162162164e-06,
|
|
"loss": 0.2416,
|
|
"step": 331
|
|
},
|
|
{
|
|
"epoch": 0.8853333333333333,
|
|
"grad_norm": 0.6401017308235168,
|
|
"learning_rate": 1.1891891891891893e-06,
|
|
"loss": 0.2351,
|
|
"step": 332
|
|
},
|
|
{
|
|
"epoch": 0.888,
|
|
"grad_norm": 0.7595382928848267,
|
|
"learning_rate": 1.1621621621621624e-06,
|
|
"loss": 0.3611,
|
|
"step": 333
|
|
},
|
|
{
|
|
"epoch": 0.8906666666666667,
|
|
"grad_norm": 0.6015647053718567,
|
|
"learning_rate": 1.1351351351351352e-06,
|
|
"loss": 0.1897,
|
|
"step": 334
|
|
},
|
|
{
|
|
"epoch": 0.8933333333333333,
|
|
"grad_norm": 0.5088239312171936,
|
|
"learning_rate": 1.1081081081081083e-06,
|
|
"loss": 0.1847,
|
|
"step": 335
|
|
},
|
|
{
|
|
"epoch": 0.896,
|
|
"grad_norm": 0.5522308349609375,
|
|
"learning_rate": 1.0810810810810812e-06,
|
|
"loss": 0.1597,
|
|
"step": 336
|
|
},
|
|
{
|
|
"epoch": 0.8986666666666666,
|
|
"grad_norm": 0.7441951632499695,
|
|
"learning_rate": 1.0540540540540542e-06,
|
|
"loss": 0.258,
|
|
"step": 337
|
|
},
|
|
{
|
|
"epoch": 0.9013333333333333,
|
|
"grad_norm": 0.618660032749176,
|
|
"learning_rate": 1.027027027027027e-06,
|
|
"loss": 0.1977,
|
|
"step": 338
|
|
},
|
|
{
|
|
"epoch": 0.904,
|
|
"grad_norm": 0.3443770408630371,
|
|
"learning_rate": 1.0000000000000002e-06,
|
|
"loss": 0.0739,
|
|
"step": 339
|
|
},
|
|
{
|
|
"epoch": 0.9066666666666666,
|
|
"grad_norm": 0.5748119950294495,
|
|
"learning_rate": 9.72972972972973e-07,
|
|
"loss": 0.2521,
|
|
"step": 340
|
|
},
|
|
{
|
|
"epoch": 0.9093333333333333,
|
|
"grad_norm": 0.6491332054138184,
|
|
"learning_rate": 9.459459459459461e-07,
|
|
"loss": 0.2495,
|
|
"step": 341
|
|
},
|
|
{
|
|
"epoch": 0.912,
|
|
"grad_norm": 0.6540910005569458,
|
|
"learning_rate": 9.189189189189191e-07,
|
|
"loss": 0.2326,
|
|
"step": 342
|
|
},
|
|
{
|
|
"epoch": 0.9146666666666666,
|
|
"grad_norm": 0.5674446821212769,
|
|
"learning_rate": 8.91891891891892e-07,
|
|
"loss": 0.2363,
|
|
"step": 343
|
|
},
|
|
{
|
|
"epoch": 0.9173333333333333,
|
|
"grad_norm": 0.8645000457763672,
|
|
"learning_rate": 8.64864864864865e-07,
|
|
"loss": 0.4364,
|
|
"step": 344
|
|
},
|
|
{
|
|
"epoch": 0.92,
|
|
"grad_norm": 0.5417777299880981,
|
|
"learning_rate": 8.37837837837838e-07,
|
|
"loss": 0.2382,
|
|
"step": 345
|
|
},
|
|
{
|
|
"epoch": 0.9226666666666666,
|
|
"grad_norm": 0.7890552282333374,
|
|
"learning_rate": 8.108108108108109e-07,
|
|
"loss": 0.319,
|
|
"step": 346
|
|
},
|
|
{
|
|
"epoch": 0.9253333333333333,
|
|
"grad_norm": 0.6065065860748291,
|
|
"learning_rate": 7.837837837837839e-07,
|
|
"loss": 0.1772,
|
|
"step": 347
|
|
},
|
|
{
|
|
"epoch": 0.928,
|
|
"grad_norm": 0.6155152320861816,
|
|
"learning_rate": 7.567567567567569e-07,
|
|
"loss": 0.2736,
|
|
"step": 348
|
|
},
|
|
{
|
|
"epoch": 0.9306666666666666,
|
|
"grad_norm": 0.6555860638618469,
|
|
"learning_rate": 7.297297297297298e-07,
|
|
"loss": 0.2812,
|
|
"step": 349
|
|
},
|
|
{
|
|
"epoch": 0.9333333333333333,
|
|
"grad_norm": 0.6582626104354858,
|
|
"learning_rate": 7.027027027027028e-07,
|
|
"loss": 0.2904,
|
|
"step": 350
|
|
},
|
|
{
|
|
"epoch": 0.936,
|
|
"grad_norm": 0.7886494398117065,
|
|
"learning_rate": 6.756756756756758e-07,
|
|
"loss": 0.2951,
|
|
"step": 351
|
|
},
|
|
{
|
|
"epoch": 0.9386666666666666,
|
|
"grad_norm": 0.7120816111564636,
|
|
"learning_rate": 6.486486486486487e-07,
|
|
"loss": 0.2729,
|
|
"step": 352
|
|
},
|
|
{
|
|
"epoch": 0.9413333333333334,
|
|
"grad_norm": 0.5036985278129578,
|
|
"learning_rate": 6.216216216216217e-07,
|
|
"loss": 0.1618,
|
|
"step": 353
|
|
},
|
|
{
|
|
"epoch": 0.944,
|
|
"grad_norm": 0.8080249428749084,
|
|
"learning_rate": 5.945945945945947e-07,
|
|
"loss": 0.3831,
|
|
"step": 354
|
|
},
|
|
{
|
|
"epoch": 0.9466666666666667,
|
|
"grad_norm": 0.7020300626754761,
|
|
"learning_rate": 5.675675675675676e-07,
|
|
"loss": 0.2871,
|
|
"step": 355
|
|
},
|
|
{
|
|
"epoch": 0.9493333333333334,
|
|
"grad_norm": 0.4917770028114319,
|
|
"learning_rate": 5.405405405405406e-07,
|
|
"loss": 0.1727,
|
|
"step": 356
|
|
},
|
|
{
|
|
"epoch": 0.952,
|
|
"grad_norm": 0.6363552808761597,
|
|
"learning_rate": 5.135135135135135e-07,
|
|
"loss": 0.2807,
|
|
"step": 357
|
|
},
|
|
{
|
|
"epoch": 0.9546666666666667,
|
|
"grad_norm": 0.5277965664863586,
|
|
"learning_rate": 4.864864864864865e-07,
|
|
"loss": 0.165,
|
|
"step": 358
|
|
},
|
|
{
|
|
"epoch": 0.9573333333333334,
|
|
"grad_norm": 0.6904891729354858,
|
|
"learning_rate": 4.5945945945945953e-07,
|
|
"loss": 0.2131,
|
|
"step": 359
|
|
},
|
|
{
|
|
"epoch": 0.96,
|
|
"grad_norm": 0.7719932794570923,
|
|
"learning_rate": 4.324324324324325e-07,
|
|
"loss": 0.3366,
|
|
"step": 360
|
|
},
|
|
{
|
|
"epoch": 0.9626666666666667,
|
|
"grad_norm": 0.6956208348274231,
|
|
"learning_rate": 4.0540540540540546e-07,
|
|
"loss": 0.2101,
|
|
"step": 361
|
|
},
|
|
{
|
|
"epoch": 0.9653333333333334,
|
|
"grad_norm": 0.5577353239059448,
|
|
"learning_rate": 3.7837837837837843e-07,
|
|
"loss": 0.1663,
|
|
"step": 362
|
|
},
|
|
{
|
|
"epoch": 0.968,
|
|
"grad_norm": 0.6431645154953003,
|
|
"learning_rate": 3.513513513513514e-07,
|
|
"loss": 0.2631,
|
|
"step": 363
|
|
},
|
|
{
|
|
"epoch": 0.9706666666666667,
|
|
"grad_norm": 0.728943407535553,
|
|
"learning_rate": 3.2432432432432436e-07,
|
|
"loss": 0.3222,
|
|
"step": 364
|
|
},
|
|
{
|
|
"epoch": 0.9733333333333334,
|
|
"grad_norm": 0.6564018726348877,
|
|
"learning_rate": 2.972972972972973e-07,
|
|
"loss": 0.2371,
|
|
"step": 365
|
|
},
|
|
{
|
|
"epoch": 0.976,
|
|
"grad_norm": 0.7248635292053223,
|
|
"learning_rate": 2.702702702702703e-07,
|
|
"loss": 0.3443,
|
|
"step": 366
|
|
},
|
|
{
|
|
"epoch": 0.9786666666666667,
|
|
"grad_norm": 0.7445465326309204,
|
|
"learning_rate": 2.4324324324324326e-07,
|
|
"loss": 0.3484,
|
|
"step": 367
|
|
},
|
|
{
|
|
"epoch": 0.9813333333333333,
|
|
"grad_norm": 0.7466895580291748,
|
|
"learning_rate": 2.1621621621621625e-07,
|
|
"loss": 0.3231,
|
|
"step": 368
|
|
},
|
|
{
|
|
"epoch": 0.984,
|
|
"grad_norm": 0.6184219121932983,
|
|
"learning_rate": 1.8918918918918921e-07,
|
|
"loss": 0.2906,
|
|
"step": 369
|
|
},
|
|
{
|
|
"epoch": 0.9866666666666667,
|
|
"grad_norm": 0.5644761323928833,
|
|
"learning_rate": 1.6216216216216218e-07,
|
|
"loss": 0.1932,
|
|
"step": 370
|
|
},
|
|
{
|
|
"epoch": 0.9893333333333333,
|
|
"grad_norm": 0.5252713561058044,
|
|
"learning_rate": 1.3513513513513515e-07,
|
|
"loss": 0.1957,
|
|
"step": 371
|
|
},
|
|
{
|
|
"epoch": 0.992,
|
|
"grad_norm": 0.5195955038070679,
|
|
"learning_rate": 1.0810810810810812e-07,
|
|
"loss": 0.1982,
|
|
"step": 372
|
|
},
|
|
{
|
|
"epoch": 0.9946666666666667,
|
|
"grad_norm": 0.5350080132484436,
|
|
"learning_rate": 8.108108108108109e-08,
|
|
"loss": 0.1877,
|
|
"step": 373
|
|
},
|
|
{
|
|
"epoch": 0.9973333333333333,
|
|
"grad_norm": 0.774531364440918,
|
|
"learning_rate": 5.405405405405406e-08,
|
|
"loss": 0.278,
|
|
"step": 374
|
|
},
|
|
{
|
|
"epoch": 1.0,
|
|
"grad_norm": 0.6364274024963379,
|
|
"learning_rate": 2.702702702702703e-08,
|
|
"loss": 0.1889,
|
|
"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": 3.00308796767232e+16,
|
|
"train_batch_size": 2,
|
|
"trial_name": null,
|
|
"trial_params": null
|
|
}
|