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": 0.5543326735496521,
|
|
"learning_rate": 0.0,
|
|
"loss": 0.6956,
|
|
"step": 1
|
|
},
|
|
{
|
|
"epoch": 0.005333333333333333,
|
|
"grad_norm": 0.4797985851764679,
|
|
"learning_rate": 2.0000000000000003e-06,
|
|
"loss": 0.4872,
|
|
"step": 2
|
|
},
|
|
{
|
|
"epoch": 0.008,
|
|
"grad_norm": 0.48911529779434204,
|
|
"learning_rate": 4.000000000000001e-06,
|
|
"loss": 0.5768,
|
|
"step": 3
|
|
},
|
|
{
|
|
"epoch": 0.010666666666666666,
|
|
"grad_norm": 0.5587961077690125,
|
|
"learning_rate": 6e-06,
|
|
"loss": 0.747,
|
|
"step": 4
|
|
},
|
|
{
|
|
"epoch": 0.013333333333333334,
|
|
"grad_norm": 0.5179899334907532,
|
|
"learning_rate": 8.000000000000001e-06,
|
|
"loss": 0.6733,
|
|
"step": 5
|
|
},
|
|
{
|
|
"epoch": 0.016,
|
|
"grad_norm": 0.4987984597682953,
|
|
"learning_rate": 1e-05,
|
|
"loss": 0.5151,
|
|
"step": 6
|
|
},
|
|
{
|
|
"epoch": 0.018666666666666668,
|
|
"grad_norm": 0.5047922134399414,
|
|
"learning_rate": 9.972972972972975e-06,
|
|
"loss": 0.7244,
|
|
"step": 7
|
|
},
|
|
{
|
|
"epoch": 0.021333333333333333,
|
|
"grad_norm": 0.5605852603912354,
|
|
"learning_rate": 9.945945945945947e-06,
|
|
"loss": 0.809,
|
|
"step": 8
|
|
},
|
|
{
|
|
"epoch": 0.024,
|
|
"grad_norm": 0.5104567408561707,
|
|
"learning_rate": 9.91891891891892e-06,
|
|
"loss": 0.5502,
|
|
"step": 9
|
|
},
|
|
{
|
|
"epoch": 0.02666666666666667,
|
|
"grad_norm": 0.47620439529418945,
|
|
"learning_rate": 9.891891891891893e-06,
|
|
"loss": 0.4686,
|
|
"step": 10
|
|
},
|
|
{
|
|
"epoch": 0.029333333333333333,
|
|
"grad_norm": 0.6194598078727722,
|
|
"learning_rate": 9.864864864864865e-06,
|
|
"loss": 0.6257,
|
|
"step": 11
|
|
},
|
|
{
|
|
"epoch": 0.032,
|
|
"grad_norm": 0.5152365565299988,
|
|
"learning_rate": 9.83783783783784e-06,
|
|
"loss": 0.3789,
|
|
"step": 12
|
|
},
|
|
{
|
|
"epoch": 0.034666666666666665,
|
|
"grad_norm": 0.3886977732181549,
|
|
"learning_rate": 9.810810810810811e-06,
|
|
"loss": 0.4055,
|
|
"step": 13
|
|
},
|
|
{
|
|
"epoch": 0.037333333333333336,
|
|
"grad_norm": 0.5776229500770569,
|
|
"learning_rate": 9.783783783783785e-06,
|
|
"loss": 0.5677,
|
|
"step": 14
|
|
},
|
|
{
|
|
"epoch": 0.04,
|
|
"grad_norm": 0.4035866856575012,
|
|
"learning_rate": 9.756756756756758e-06,
|
|
"loss": 0.3087,
|
|
"step": 15
|
|
},
|
|
{
|
|
"epoch": 0.042666666666666665,
|
|
"grad_norm": 0.6218178868293762,
|
|
"learning_rate": 9.729729729729732e-06,
|
|
"loss": 0.5242,
|
|
"step": 16
|
|
},
|
|
{
|
|
"epoch": 0.04533333333333334,
|
|
"grad_norm": 0.542084813117981,
|
|
"learning_rate": 9.702702702702704e-06,
|
|
"loss": 0.4171,
|
|
"step": 17
|
|
},
|
|
{
|
|
"epoch": 0.048,
|
|
"grad_norm": 0.5141088366508484,
|
|
"learning_rate": 9.675675675675676e-06,
|
|
"loss": 0.5878,
|
|
"step": 18
|
|
},
|
|
{
|
|
"epoch": 0.050666666666666665,
|
|
"grad_norm": 0.535948634147644,
|
|
"learning_rate": 9.64864864864865e-06,
|
|
"loss": 0.701,
|
|
"step": 19
|
|
},
|
|
{
|
|
"epoch": 0.05333333333333334,
|
|
"grad_norm": 0.4928755760192871,
|
|
"learning_rate": 9.621621621621622e-06,
|
|
"loss": 0.5019,
|
|
"step": 20
|
|
},
|
|
{
|
|
"epoch": 0.056,
|
|
"grad_norm": 0.6214717626571655,
|
|
"learning_rate": 9.594594594594594e-06,
|
|
"loss": 0.5896,
|
|
"step": 21
|
|
},
|
|
{
|
|
"epoch": 0.058666666666666666,
|
|
"grad_norm": 0.45226436853408813,
|
|
"learning_rate": 9.567567567567568e-06,
|
|
"loss": 0.4881,
|
|
"step": 22
|
|
},
|
|
{
|
|
"epoch": 0.06133333333333333,
|
|
"grad_norm": 0.42297041416168213,
|
|
"learning_rate": 9.540540540540542e-06,
|
|
"loss": 0.4543,
|
|
"step": 23
|
|
},
|
|
{
|
|
"epoch": 0.064,
|
|
"grad_norm": 0.4443454146385193,
|
|
"learning_rate": 9.513513513513514e-06,
|
|
"loss": 0.5891,
|
|
"step": 24
|
|
},
|
|
{
|
|
"epoch": 0.06666666666666667,
|
|
"grad_norm": 0.494447261095047,
|
|
"learning_rate": 9.486486486486487e-06,
|
|
"loss": 0.5523,
|
|
"step": 25
|
|
},
|
|
{
|
|
"epoch": 0.06933333333333333,
|
|
"grad_norm": 0.46235889196395874,
|
|
"learning_rate": 9.45945945945946e-06,
|
|
"loss": 0.6031,
|
|
"step": 26
|
|
},
|
|
{
|
|
"epoch": 0.072,
|
|
"grad_norm": 0.4294489324092865,
|
|
"learning_rate": 9.432432432432433e-06,
|
|
"loss": 0.5405,
|
|
"step": 27
|
|
},
|
|
{
|
|
"epoch": 0.07466666666666667,
|
|
"grad_norm": 0.4877467453479767,
|
|
"learning_rate": 9.405405405405407e-06,
|
|
"loss": 0.6455,
|
|
"step": 28
|
|
},
|
|
{
|
|
"epoch": 0.07733333333333334,
|
|
"grad_norm": 0.39220619201660156,
|
|
"learning_rate": 9.378378378378379e-06,
|
|
"loss": 0.5314,
|
|
"step": 29
|
|
},
|
|
{
|
|
"epoch": 0.08,
|
|
"grad_norm": 0.47841790318489075,
|
|
"learning_rate": 9.351351351351353e-06,
|
|
"loss": 0.694,
|
|
"step": 30
|
|
},
|
|
{
|
|
"epoch": 0.08266666666666667,
|
|
"grad_norm": 0.3639473617076874,
|
|
"learning_rate": 9.324324324324325e-06,
|
|
"loss": 0.4159,
|
|
"step": 31
|
|
},
|
|
{
|
|
"epoch": 0.08533333333333333,
|
|
"grad_norm": 0.2741430997848511,
|
|
"learning_rate": 9.297297297297299e-06,
|
|
"loss": 0.3125,
|
|
"step": 32
|
|
},
|
|
{
|
|
"epoch": 0.088,
|
|
"grad_norm": 0.322459876537323,
|
|
"learning_rate": 9.270270270270271e-06,
|
|
"loss": 0.3678,
|
|
"step": 33
|
|
},
|
|
{
|
|
"epoch": 0.09066666666666667,
|
|
"grad_norm": 0.337561696767807,
|
|
"learning_rate": 9.243243243243243e-06,
|
|
"loss": 0.4006,
|
|
"step": 34
|
|
},
|
|
{
|
|
"epoch": 0.09333333333333334,
|
|
"grad_norm": 0.2928447723388672,
|
|
"learning_rate": 9.216216216216217e-06,
|
|
"loss": 0.3721,
|
|
"step": 35
|
|
},
|
|
{
|
|
"epoch": 0.096,
|
|
"grad_norm": 0.28887689113616943,
|
|
"learning_rate": 9.189189189189191e-06,
|
|
"loss": 0.3357,
|
|
"step": 36
|
|
},
|
|
{
|
|
"epoch": 0.09866666666666667,
|
|
"grad_norm": 0.30098190903663635,
|
|
"learning_rate": 9.162162162162162e-06,
|
|
"loss": 0.3795,
|
|
"step": 37
|
|
},
|
|
{
|
|
"epoch": 0.10133333333333333,
|
|
"grad_norm": 0.2573944628238678,
|
|
"learning_rate": 9.135135135135136e-06,
|
|
"loss": 0.2827,
|
|
"step": 38
|
|
},
|
|
{
|
|
"epoch": 0.104,
|
|
"grad_norm": 0.34657958149909973,
|
|
"learning_rate": 9.10810810810811e-06,
|
|
"loss": 0.4863,
|
|
"step": 39
|
|
},
|
|
{
|
|
"epoch": 0.10666666666666667,
|
|
"grad_norm": 0.33904358744621277,
|
|
"learning_rate": 9.081081081081082e-06,
|
|
"loss": 0.3657,
|
|
"step": 40
|
|
},
|
|
{
|
|
"epoch": 0.10933333333333334,
|
|
"grad_norm": 0.34780725836753845,
|
|
"learning_rate": 9.054054054054054e-06,
|
|
"loss": 0.5071,
|
|
"step": 41
|
|
},
|
|
{
|
|
"epoch": 0.112,
|
|
"grad_norm": 0.3733508288860321,
|
|
"learning_rate": 9.027027027027028e-06,
|
|
"loss": 0.398,
|
|
"step": 42
|
|
},
|
|
{
|
|
"epoch": 0.11466666666666667,
|
|
"grad_norm": 0.3586997389793396,
|
|
"learning_rate": 9e-06,
|
|
"loss": 0.3597,
|
|
"step": 43
|
|
},
|
|
{
|
|
"epoch": 0.11733333333333333,
|
|
"grad_norm": 0.2635090947151184,
|
|
"learning_rate": 8.972972972972974e-06,
|
|
"loss": 0.3313,
|
|
"step": 44
|
|
},
|
|
{
|
|
"epoch": 0.12,
|
|
"grad_norm": 0.3568478226661682,
|
|
"learning_rate": 8.945945945945946e-06,
|
|
"loss": 0.5268,
|
|
"step": 45
|
|
},
|
|
{
|
|
"epoch": 0.12266666666666666,
|
|
"grad_norm": 0.3590853214263916,
|
|
"learning_rate": 8.91891891891892e-06,
|
|
"loss": 0.4184,
|
|
"step": 46
|
|
},
|
|
{
|
|
"epoch": 0.12533333333333332,
|
|
"grad_norm": 0.41594359278678894,
|
|
"learning_rate": 8.891891891891893e-06,
|
|
"loss": 0.5412,
|
|
"step": 47
|
|
},
|
|
{
|
|
"epoch": 0.128,
|
|
"grad_norm": 0.35628384351730347,
|
|
"learning_rate": 8.864864864864866e-06,
|
|
"loss": 0.4746,
|
|
"step": 48
|
|
},
|
|
{
|
|
"epoch": 0.13066666666666665,
|
|
"grad_norm": 0.39674803614616394,
|
|
"learning_rate": 8.837837837837839e-06,
|
|
"loss": 0.6083,
|
|
"step": 49
|
|
},
|
|
{
|
|
"epoch": 0.13333333333333333,
|
|
"grad_norm": 0.34043654799461365,
|
|
"learning_rate": 8.810810810810811e-06,
|
|
"loss": 0.4301,
|
|
"step": 50
|
|
},
|
|
{
|
|
"epoch": 0.136,
|
|
"grad_norm": 0.282921701669693,
|
|
"learning_rate": 8.783783783783785e-06,
|
|
"loss": 0.2986,
|
|
"step": 51
|
|
},
|
|
{
|
|
"epoch": 0.13866666666666666,
|
|
"grad_norm": 0.3745182752609253,
|
|
"learning_rate": 8.756756756756759e-06,
|
|
"loss": 0.5282,
|
|
"step": 52
|
|
},
|
|
{
|
|
"epoch": 0.14133333333333334,
|
|
"grad_norm": 0.35771623253822327,
|
|
"learning_rate": 8.72972972972973e-06,
|
|
"loss": 0.439,
|
|
"step": 53
|
|
},
|
|
{
|
|
"epoch": 0.144,
|
|
"grad_norm": 0.341633141040802,
|
|
"learning_rate": 8.702702702702703e-06,
|
|
"loss": 0.4078,
|
|
"step": 54
|
|
},
|
|
{
|
|
"epoch": 0.14666666666666667,
|
|
"grad_norm": 0.36740970611572266,
|
|
"learning_rate": 8.675675675675677e-06,
|
|
"loss": 0.451,
|
|
"step": 55
|
|
},
|
|
{
|
|
"epoch": 0.14933333333333335,
|
|
"grad_norm": 0.3221670389175415,
|
|
"learning_rate": 8.64864864864865e-06,
|
|
"loss": 0.4683,
|
|
"step": 56
|
|
},
|
|
{
|
|
"epoch": 0.152,
|
|
"grad_norm": 0.4730876386165619,
|
|
"learning_rate": 8.621621621621622e-06,
|
|
"loss": 0.6165,
|
|
"step": 57
|
|
},
|
|
{
|
|
"epoch": 0.15466666666666667,
|
|
"grad_norm": 0.4205397665500641,
|
|
"learning_rate": 8.594594594594595e-06,
|
|
"loss": 0.4504,
|
|
"step": 58
|
|
},
|
|
{
|
|
"epoch": 0.15733333333333333,
|
|
"grad_norm": 0.331021785736084,
|
|
"learning_rate": 8.567567567567568e-06,
|
|
"loss": 0.4651,
|
|
"step": 59
|
|
},
|
|
{
|
|
"epoch": 0.16,
|
|
"grad_norm": 0.23827485740184784,
|
|
"learning_rate": 8.540540540540542e-06,
|
|
"loss": 0.2987,
|
|
"step": 60
|
|
},
|
|
{
|
|
"epoch": 0.16266666666666665,
|
|
"grad_norm": 0.3104739487171173,
|
|
"learning_rate": 8.513513513513514e-06,
|
|
"loss": 0.3901,
|
|
"step": 61
|
|
},
|
|
{
|
|
"epoch": 0.16533333333333333,
|
|
"grad_norm": 0.42158043384552,
|
|
"learning_rate": 8.486486486486488e-06,
|
|
"loss": 0.372,
|
|
"step": 62
|
|
},
|
|
{
|
|
"epoch": 0.168,
|
|
"grad_norm": 0.37506619095802307,
|
|
"learning_rate": 8.45945945945946e-06,
|
|
"loss": 0.4102,
|
|
"step": 63
|
|
},
|
|
{
|
|
"epoch": 0.17066666666666666,
|
|
"grad_norm": 0.26695767045021057,
|
|
"learning_rate": 8.432432432432434e-06,
|
|
"loss": 0.2591,
|
|
"step": 64
|
|
},
|
|
{
|
|
"epoch": 0.17333333333333334,
|
|
"grad_norm": 0.3017287850379944,
|
|
"learning_rate": 8.405405405405406e-06,
|
|
"loss": 0.3498,
|
|
"step": 65
|
|
},
|
|
{
|
|
"epoch": 0.176,
|
|
"grad_norm": 0.40047135949134827,
|
|
"learning_rate": 8.378378378378378e-06,
|
|
"loss": 0.4782,
|
|
"step": 66
|
|
},
|
|
{
|
|
"epoch": 0.17866666666666667,
|
|
"grad_norm": 0.3512359857559204,
|
|
"learning_rate": 8.351351351351352e-06,
|
|
"loss": 0.3442,
|
|
"step": 67
|
|
},
|
|
{
|
|
"epoch": 0.18133333333333335,
|
|
"grad_norm": 0.3808298707008362,
|
|
"learning_rate": 8.324324324324326e-06,
|
|
"loss": 0.4037,
|
|
"step": 68
|
|
},
|
|
{
|
|
"epoch": 0.184,
|
|
"grad_norm": 0.2984209954738617,
|
|
"learning_rate": 8.297297297297298e-06,
|
|
"loss": 0.3603,
|
|
"step": 69
|
|
},
|
|
{
|
|
"epoch": 0.18666666666666668,
|
|
"grad_norm": 0.3717655837535858,
|
|
"learning_rate": 8.27027027027027e-06,
|
|
"loss": 0.4912,
|
|
"step": 70
|
|
},
|
|
{
|
|
"epoch": 0.18933333333333333,
|
|
"grad_norm": 0.3161354660987854,
|
|
"learning_rate": 8.243243243243245e-06,
|
|
"loss": 0.2771,
|
|
"step": 71
|
|
},
|
|
{
|
|
"epoch": 0.192,
|
|
"grad_norm": 0.27775511145591736,
|
|
"learning_rate": 8.216216216216217e-06,
|
|
"loss": 0.2833,
|
|
"step": 72
|
|
},
|
|
{
|
|
"epoch": 0.19466666666666665,
|
|
"grad_norm": 0.2867582142353058,
|
|
"learning_rate": 8.189189189189189e-06,
|
|
"loss": 0.3315,
|
|
"step": 73
|
|
},
|
|
{
|
|
"epoch": 0.19733333333333333,
|
|
"grad_norm": 0.3157719373703003,
|
|
"learning_rate": 8.162162162162163e-06,
|
|
"loss": 0.4259,
|
|
"step": 74
|
|
},
|
|
{
|
|
"epoch": 0.2,
|
|
"grad_norm": 0.30915310978889465,
|
|
"learning_rate": 8.135135135135137e-06,
|
|
"loss": 0.4142,
|
|
"step": 75
|
|
},
|
|
{
|
|
"epoch": 0.20266666666666666,
|
|
"grad_norm": 0.38195255398750305,
|
|
"learning_rate": 8.108108108108109e-06,
|
|
"loss": 0.3481,
|
|
"step": 76
|
|
},
|
|
{
|
|
"epoch": 0.20533333333333334,
|
|
"grad_norm": 0.2841779589653015,
|
|
"learning_rate": 8.081081081081081e-06,
|
|
"loss": 0.2446,
|
|
"step": 77
|
|
},
|
|
{
|
|
"epoch": 0.208,
|
|
"grad_norm": 0.354647159576416,
|
|
"learning_rate": 8.054054054054055e-06,
|
|
"loss": 0.4167,
|
|
"step": 78
|
|
},
|
|
{
|
|
"epoch": 0.21066666666666667,
|
|
"grad_norm": 0.3281633257865906,
|
|
"learning_rate": 8.027027027027027e-06,
|
|
"loss": 0.3556,
|
|
"step": 79
|
|
},
|
|
{
|
|
"epoch": 0.21333333333333335,
|
|
"grad_norm": 0.3177337944507599,
|
|
"learning_rate": 8.000000000000001e-06,
|
|
"loss": 0.3752,
|
|
"step": 80
|
|
},
|
|
{
|
|
"epoch": 0.216,
|
|
"grad_norm": 0.3311088979244232,
|
|
"learning_rate": 7.972972972972974e-06,
|
|
"loss": 0.426,
|
|
"step": 81
|
|
},
|
|
{
|
|
"epoch": 0.21866666666666668,
|
|
"grad_norm": 0.3061436116695404,
|
|
"learning_rate": 7.945945945945946e-06,
|
|
"loss": 0.3974,
|
|
"step": 82
|
|
},
|
|
{
|
|
"epoch": 0.22133333333333333,
|
|
"grad_norm": 0.30639269948005676,
|
|
"learning_rate": 7.91891891891892e-06,
|
|
"loss": 0.3498,
|
|
"step": 83
|
|
},
|
|
{
|
|
"epoch": 0.224,
|
|
"grad_norm": 0.36717212200164795,
|
|
"learning_rate": 7.891891891891894e-06,
|
|
"loss": 0.4627,
|
|
"step": 84
|
|
},
|
|
{
|
|
"epoch": 0.22666666666666666,
|
|
"grad_norm": 0.39034345746040344,
|
|
"learning_rate": 7.864864864864866e-06,
|
|
"loss": 0.42,
|
|
"step": 85
|
|
},
|
|
{
|
|
"epoch": 0.22933333333333333,
|
|
"grad_norm": 0.4020478129386902,
|
|
"learning_rate": 7.837837837837838e-06,
|
|
"loss": 0.4868,
|
|
"step": 86
|
|
},
|
|
{
|
|
"epoch": 0.232,
|
|
"grad_norm": 0.296819269657135,
|
|
"learning_rate": 7.810810810810812e-06,
|
|
"loss": 0.333,
|
|
"step": 87
|
|
},
|
|
{
|
|
"epoch": 0.23466666666666666,
|
|
"grad_norm": 0.3502885699272156,
|
|
"learning_rate": 7.783783783783784e-06,
|
|
"loss": 0.3953,
|
|
"step": 88
|
|
},
|
|
{
|
|
"epoch": 0.23733333333333334,
|
|
"grad_norm": 0.43262115120887756,
|
|
"learning_rate": 7.756756756756756e-06,
|
|
"loss": 0.5473,
|
|
"step": 89
|
|
},
|
|
{
|
|
"epoch": 0.24,
|
|
"grad_norm": 0.304721474647522,
|
|
"learning_rate": 7.72972972972973e-06,
|
|
"loss": 0.4099,
|
|
"step": 90
|
|
},
|
|
{
|
|
"epoch": 0.24266666666666667,
|
|
"grad_norm": 0.31378278136253357,
|
|
"learning_rate": 7.702702702702704e-06,
|
|
"loss": 0.3256,
|
|
"step": 91
|
|
},
|
|
{
|
|
"epoch": 0.24533333333333332,
|
|
"grad_norm": 0.3648003339767456,
|
|
"learning_rate": 7.675675675675676e-06,
|
|
"loss": 0.4076,
|
|
"step": 92
|
|
},
|
|
{
|
|
"epoch": 0.248,
|
|
"grad_norm": 0.3370632231235504,
|
|
"learning_rate": 7.648648648648649e-06,
|
|
"loss": 0.4735,
|
|
"step": 93
|
|
},
|
|
{
|
|
"epoch": 0.25066666666666665,
|
|
"grad_norm": 0.2060670107603073,
|
|
"learning_rate": 7.621621621621622e-06,
|
|
"loss": 0.1949,
|
|
"step": 94
|
|
},
|
|
{
|
|
"epoch": 0.25333333333333335,
|
|
"grad_norm": 0.29312825202941895,
|
|
"learning_rate": 7.594594594594596e-06,
|
|
"loss": 0.3223,
|
|
"step": 95
|
|
},
|
|
{
|
|
"epoch": 0.256,
|
|
"grad_norm": 0.35278427600860596,
|
|
"learning_rate": 7.567567567567569e-06,
|
|
"loss": 0.4784,
|
|
"step": 96
|
|
},
|
|
{
|
|
"epoch": 0.25866666666666666,
|
|
"grad_norm": 0.36198437213897705,
|
|
"learning_rate": 7.540540540540541e-06,
|
|
"loss": 0.3854,
|
|
"step": 97
|
|
},
|
|
{
|
|
"epoch": 0.2613333333333333,
|
|
"grad_norm": 0.3577609658241272,
|
|
"learning_rate": 7.513513513513514e-06,
|
|
"loss": 0.3211,
|
|
"step": 98
|
|
},
|
|
{
|
|
"epoch": 0.264,
|
|
"grad_norm": 0.2675321698188782,
|
|
"learning_rate": 7.486486486486487e-06,
|
|
"loss": 0.2654,
|
|
"step": 99
|
|
},
|
|
{
|
|
"epoch": 0.26666666666666666,
|
|
"grad_norm": 0.3134882152080536,
|
|
"learning_rate": 7.45945945945946e-06,
|
|
"loss": 0.3489,
|
|
"step": 100
|
|
},
|
|
{
|
|
"epoch": 0.2693333333333333,
|
|
"grad_norm": 0.3352510333061218,
|
|
"learning_rate": 7.4324324324324324e-06,
|
|
"loss": 0.426,
|
|
"step": 101
|
|
},
|
|
{
|
|
"epoch": 0.272,
|
|
"grad_norm": 0.3078528940677643,
|
|
"learning_rate": 7.4054054054054055e-06,
|
|
"loss": 0.3351,
|
|
"step": 102
|
|
},
|
|
{
|
|
"epoch": 0.27466666666666667,
|
|
"grad_norm": 0.3601507544517517,
|
|
"learning_rate": 7.3783783783783794e-06,
|
|
"loss": 0.4123,
|
|
"step": 103
|
|
},
|
|
{
|
|
"epoch": 0.2773333333333333,
|
|
"grad_norm": 0.3368474245071411,
|
|
"learning_rate": 7.3513513513513525e-06,
|
|
"loss": 0.3567,
|
|
"step": 104
|
|
},
|
|
{
|
|
"epoch": 0.28,
|
|
"grad_norm": 0.2661753296852112,
|
|
"learning_rate": 7.324324324324325e-06,
|
|
"loss": 0.2526,
|
|
"step": 105
|
|
},
|
|
{
|
|
"epoch": 0.2826666666666667,
|
|
"grad_norm": 0.29493969678878784,
|
|
"learning_rate": 7.297297297297298e-06,
|
|
"loss": 0.2911,
|
|
"step": 106
|
|
},
|
|
{
|
|
"epoch": 0.2853333333333333,
|
|
"grad_norm": 0.3015214502811432,
|
|
"learning_rate": 7.270270270270271e-06,
|
|
"loss": 0.3546,
|
|
"step": 107
|
|
},
|
|
{
|
|
"epoch": 0.288,
|
|
"grad_norm": 0.31170281767845154,
|
|
"learning_rate": 7.243243243243244e-06,
|
|
"loss": 0.3428,
|
|
"step": 108
|
|
},
|
|
{
|
|
"epoch": 0.2906666666666667,
|
|
"grad_norm": 0.4432995915412903,
|
|
"learning_rate": 7.216216216216216e-06,
|
|
"loss": 0.589,
|
|
"step": 109
|
|
},
|
|
{
|
|
"epoch": 0.29333333333333333,
|
|
"grad_norm": 0.2930474579334259,
|
|
"learning_rate": 7.189189189189189e-06,
|
|
"loss": 0.2782,
|
|
"step": 110
|
|
},
|
|
{
|
|
"epoch": 0.296,
|
|
"grad_norm": 0.32517051696777344,
|
|
"learning_rate": 7.162162162162163e-06,
|
|
"loss": 0.3201,
|
|
"step": 111
|
|
},
|
|
{
|
|
"epoch": 0.2986666666666667,
|
|
"grad_norm": 0.3172248899936676,
|
|
"learning_rate": 7.135135135135136e-06,
|
|
"loss": 0.4059,
|
|
"step": 112
|
|
},
|
|
{
|
|
"epoch": 0.30133333333333334,
|
|
"grad_norm": 0.2943588197231293,
|
|
"learning_rate": 7.1081081081081085e-06,
|
|
"loss": 0.3373,
|
|
"step": 113
|
|
},
|
|
{
|
|
"epoch": 0.304,
|
|
"grad_norm": 0.3395790457725525,
|
|
"learning_rate": 7.0810810810810815e-06,
|
|
"loss": 0.372,
|
|
"step": 114
|
|
},
|
|
{
|
|
"epoch": 0.30666666666666664,
|
|
"grad_norm": 0.2943841814994812,
|
|
"learning_rate": 7.054054054054055e-06,
|
|
"loss": 0.2726,
|
|
"step": 115
|
|
},
|
|
{
|
|
"epoch": 0.30933333333333335,
|
|
"grad_norm": 0.1903059333562851,
|
|
"learning_rate": 7.027027027027028e-06,
|
|
"loss": 0.1651,
|
|
"step": 116
|
|
},
|
|
{
|
|
"epoch": 0.312,
|
|
"grad_norm": 0.4145515263080597,
|
|
"learning_rate": 7e-06,
|
|
"loss": 0.3926,
|
|
"step": 117
|
|
},
|
|
{
|
|
"epoch": 0.31466666666666665,
|
|
"grad_norm": 0.3131045699119568,
|
|
"learning_rate": 6.972972972972973e-06,
|
|
"loss": 0.3608,
|
|
"step": 118
|
|
},
|
|
{
|
|
"epoch": 0.31733333333333336,
|
|
"grad_norm": 0.25495240092277527,
|
|
"learning_rate": 6.945945945945947e-06,
|
|
"loss": 0.3064,
|
|
"step": 119
|
|
},
|
|
{
|
|
"epoch": 0.32,
|
|
"grad_norm": 0.2852689325809479,
|
|
"learning_rate": 6.91891891891892e-06,
|
|
"loss": 0.3309,
|
|
"step": 120
|
|
},
|
|
{
|
|
"epoch": 0.32266666666666666,
|
|
"grad_norm": 0.4423224925994873,
|
|
"learning_rate": 6.891891891891892e-06,
|
|
"loss": 0.6404,
|
|
"step": 121
|
|
},
|
|
{
|
|
"epoch": 0.3253333333333333,
|
|
"grad_norm": 0.3159885108470917,
|
|
"learning_rate": 6.864864864864865e-06,
|
|
"loss": 0.3469,
|
|
"step": 122
|
|
},
|
|
{
|
|
"epoch": 0.328,
|
|
"grad_norm": 0.3023677468299866,
|
|
"learning_rate": 6.837837837837838e-06,
|
|
"loss": 0.332,
|
|
"step": 123
|
|
},
|
|
{
|
|
"epoch": 0.33066666666666666,
|
|
"grad_norm": 0.38796430826187134,
|
|
"learning_rate": 6.810810810810811e-06,
|
|
"loss": 0.4318,
|
|
"step": 124
|
|
},
|
|
{
|
|
"epoch": 0.3333333333333333,
|
|
"grad_norm": 0.3045628070831299,
|
|
"learning_rate": 6.783783783783784e-06,
|
|
"loss": 0.2817,
|
|
"step": 125
|
|
},
|
|
{
|
|
"epoch": 0.336,
|
|
"grad_norm": 0.32890522480010986,
|
|
"learning_rate": 6.7567567567567575e-06,
|
|
"loss": 0.3199,
|
|
"step": 126
|
|
},
|
|
{
|
|
"epoch": 0.33866666666666667,
|
|
"grad_norm": 0.3798869252204895,
|
|
"learning_rate": 6.729729729729731e-06,
|
|
"loss": 0.4673,
|
|
"step": 127
|
|
},
|
|
{
|
|
"epoch": 0.3413333333333333,
|
|
"grad_norm": 0.3522266447544098,
|
|
"learning_rate": 6.702702702702704e-06,
|
|
"loss": 0.4753,
|
|
"step": 128
|
|
},
|
|
{
|
|
"epoch": 0.344,
|
|
"grad_norm": 0.37341293692588806,
|
|
"learning_rate": 6.675675675675676e-06,
|
|
"loss": 0.409,
|
|
"step": 129
|
|
},
|
|
{
|
|
"epoch": 0.3466666666666667,
|
|
"grad_norm": 0.3412911295890808,
|
|
"learning_rate": 6.648648648648649e-06,
|
|
"loss": 0.379,
|
|
"step": 130
|
|
},
|
|
{
|
|
"epoch": 0.34933333333333333,
|
|
"grad_norm": 0.3088519871234894,
|
|
"learning_rate": 6.621621621621622e-06,
|
|
"loss": 0.3961,
|
|
"step": 131
|
|
},
|
|
{
|
|
"epoch": 0.352,
|
|
"grad_norm": 0.30359944701194763,
|
|
"learning_rate": 6.594594594594595e-06,
|
|
"loss": 0.3044,
|
|
"step": 132
|
|
},
|
|
{
|
|
"epoch": 0.3546666666666667,
|
|
"grad_norm": 0.28909173607826233,
|
|
"learning_rate": 6.567567567567567e-06,
|
|
"loss": 0.2544,
|
|
"step": 133
|
|
},
|
|
{
|
|
"epoch": 0.35733333333333334,
|
|
"grad_norm": 0.3639468848705292,
|
|
"learning_rate": 6.540540540540541e-06,
|
|
"loss": 0.3669,
|
|
"step": 134
|
|
},
|
|
{
|
|
"epoch": 0.36,
|
|
"grad_norm": 0.3212590515613556,
|
|
"learning_rate": 6.513513513513514e-06,
|
|
"loss": 0.3105,
|
|
"step": 135
|
|
},
|
|
{
|
|
"epoch": 0.3626666666666667,
|
|
"grad_norm": 0.32586899399757385,
|
|
"learning_rate": 6.486486486486487e-06,
|
|
"loss": 0.2895,
|
|
"step": 136
|
|
},
|
|
{
|
|
"epoch": 0.36533333333333334,
|
|
"grad_norm": 0.4099315106868744,
|
|
"learning_rate": 6.45945945945946e-06,
|
|
"loss": 0.4668,
|
|
"step": 137
|
|
},
|
|
{
|
|
"epoch": 0.368,
|
|
"grad_norm": 0.38457584381103516,
|
|
"learning_rate": 6.432432432432433e-06,
|
|
"loss": 0.4084,
|
|
"step": 138
|
|
},
|
|
{
|
|
"epoch": 0.37066666666666664,
|
|
"grad_norm": 0.3032227158546448,
|
|
"learning_rate": 6.405405405405406e-06,
|
|
"loss": 0.3217,
|
|
"step": 139
|
|
},
|
|
{
|
|
"epoch": 0.37333333333333335,
|
|
"grad_norm": 0.3041359484195709,
|
|
"learning_rate": 6.378378378378379e-06,
|
|
"loss": 0.3851,
|
|
"step": 140
|
|
},
|
|
{
|
|
"epoch": 0.376,
|
|
"grad_norm": 0.3315296769142151,
|
|
"learning_rate": 6.351351351351351e-06,
|
|
"loss": 0.4248,
|
|
"step": 141
|
|
},
|
|
{
|
|
"epoch": 0.37866666666666665,
|
|
"grad_norm": 0.303970068693161,
|
|
"learning_rate": 6.324324324324325e-06,
|
|
"loss": 0.3885,
|
|
"step": 142
|
|
},
|
|
{
|
|
"epoch": 0.38133333333333336,
|
|
"grad_norm": 0.34357282519340515,
|
|
"learning_rate": 6.297297297297298e-06,
|
|
"loss": 0.2876,
|
|
"step": 143
|
|
},
|
|
{
|
|
"epoch": 0.384,
|
|
"grad_norm": 0.2901041805744171,
|
|
"learning_rate": 6.270270270270271e-06,
|
|
"loss": 0.2973,
|
|
"step": 144
|
|
},
|
|
{
|
|
"epoch": 0.38666666666666666,
|
|
"grad_norm": 0.3165181279182434,
|
|
"learning_rate": 6.243243243243243e-06,
|
|
"loss": 0.3841,
|
|
"step": 145
|
|
},
|
|
{
|
|
"epoch": 0.3893333333333333,
|
|
"grad_norm": 0.2310963273048401,
|
|
"learning_rate": 6.2162162162162164e-06,
|
|
"loss": 0.2286,
|
|
"step": 146
|
|
},
|
|
{
|
|
"epoch": 0.392,
|
|
"grad_norm": 0.2447914183139801,
|
|
"learning_rate": 6.1891891891891895e-06,
|
|
"loss": 0.1429,
|
|
"step": 147
|
|
},
|
|
{
|
|
"epoch": 0.39466666666666667,
|
|
"grad_norm": 0.3992317318916321,
|
|
"learning_rate": 6.162162162162163e-06,
|
|
"loss": 0.403,
|
|
"step": 148
|
|
},
|
|
{
|
|
"epoch": 0.3973333333333333,
|
|
"grad_norm": 0.2959234416484833,
|
|
"learning_rate": 6.135135135135135e-06,
|
|
"loss": 0.3206,
|
|
"step": 149
|
|
},
|
|
{
|
|
"epoch": 0.4,
|
|
"grad_norm": 0.3633984923362732,
|
|
"learning_rate": 6.108108108108109e-06,
|
|
"loss": 0.4131,
|
|
"step": 150
|
|
},
|
|
{
|
|
"epoch": 0.4026666666666667,
|
|
"grad_norm": 0.27947551012039185,
|
|
"learning_rate": 6.081081081081082e-06,
|
|
"loss": 0.2148,
|
|
"step": 151
|
|
},
|
|
{
|
|
"epoch": 0.4053333333333333,
|
|
"grad_norm": 0.27176031470298767,
|
|
"learning_rate": 6.054054054054055e-06,
|
|
"loss": 0.2658,
|
|
"step": 152
|
|
},
|
|
{
|
|
"epoch": 0.408,
|
|
"grad_norm": 0.21890059113502502,
|
|
"learning_rate": 6.027027027027027e-06,
|
|
"loss": 0.2063,
|
|
"step": 153
|
|
},
|
|
{
|
|
"epoch": 0.4106666666666667,
|
|
"grad_norm": 0.36990290880203247,
|
|
"learning_rate": 6e-06,
|
|
"loss": 0.3108,
|
|
"step": 154
|
|
},
|
|
{
|
|
"epoch": 0.41333333333333333,
|
|
"grad_norm": 0.3169533908367157,
|
|
"learning_rate": 5.972972972972973e-06,
|
|
"loss": 0.3325,
|
|
"step": 155
|
|
},
|
|
{
|
|
"epoch": 0.416,
|
|
"grad_norm": 0.33552664518356323,
|
|
"learning_rate": 5.945945945945947e-06,
|
|
"loss": 0.3589,
|
|
"step": 156
|
|
},
|
|
{
|
|
"epoch": 0.4186666666666667,
|
|
"grad_norm": 0.33601251244544983,
|
|
"learning_rate": 5.9189189189189185e-06,
|
|
"loss": 0.3444,
|
|
"step": 157
|
|
},
|
|
{
|
|
"epoch": 0.42133333333333334,
|
|
"grad_norm": 0.37620675563812256,
|
|
"learning_rate": 5.8918918918918924e-06,
|
|
"loss": 0.4049,
|
|
"step": 158
|
|
},
|
|
{
|
|
"epoch": 0.424,
|
|
"grad_norm": 0.3032550513744354,
|
|
"learning_rate": 5.8648648648648655e-06,
|
|
"loss": 0.3118,
|
|
"step": 159
|
|
},
|
|
{
|
|
"epoch": 0.4266666666666667,
|
|
"grad_norm": 0.40191274881362915,
|
|
"learning_rate": 5.837837837837839e-06,
|
|
"loss": 0.4275,
|
|
"step": 160
|
|
},
|
|
{
|
|
"epoch": 0.42933333333333334,
|
|
"grad_norm": 0.3813474178314209,
|
|
"learning_rate": 5.810810810810811e-06,
|
|
"loss": 0.4268,
|
|
"step": 161
|
|
},
|
|
{
|
|
"epoch": 0.432,
|
|
"grad_norm": 0.24699276685714722,
|
|
"learning_rate": 5.783783783783784e-06,
|
|
"loss": 0.2391,
|
|
"step": 162
|
|
},
|
|
{
|
|
"epoch": 0.43466666666666665,
|
|
"grad_norm": 0.36394762992858887,
|
|
"learning_rate": 5.756756756756757e-06,
|
|
"loss": 0.4565,
|
|
"step": 163
|
|
},
|
|
{
|
|
"epoch": 0.43733333333333335,
|
|
"grad_norm": 0.2819131016731262,
|
|
"learning_rate": 5.729729729729731e-06,
|
|
"loss": 0.2905,
|
|
"step": 164
|
|
},
|
|
{
|
|
"epoch": 0.44,
|
|
"grad_norm": 0.3803357481956482,
|
|
"learning_rate": 5.702702702702702e-06,
|
|
"loss": 0.3327,
|
|
"step": 165
|
|
},
|
|
{
|
|
"epoch": 0.44266666666666665,
|
|
"grad_norm": 0.29587841033935547,
|
|
"learning_rate": 5.675675675675676e-06,
|
|
"loss": 0.3043,
|
|
"step": 166
|
|
},
|
|
{
|
|
"epoch": 0.44533333333333336,
|
|
"grad_norm": 0.3077935576438904,
|
|
"learning_rate": 5.648648648648649e-06,
|
|
"loss": 0.2851,
|
|
"step": 167
|
|
},
|
|
{
|
|
"epoch": 0.448,
|
|
"grad_norm": 0.3655727207660675,
|
|
"learning_rate": 5.621621621621622e-06,
|
|
"loss": 0.3167,
|
|
"step": 168
|
|
},
|
|
{
|
|
"epoch": 0.45066666666666666,
|
|
"grad_norm": 0.35974135994911194,
|
|
"learning_rate": 5.5945945945945945e-06,
|
|
"loss": 0.3813,
|
|
"step": 169
|
|
},
|
|
{
|
|
"epoch": 0.4533333333333333,
|
|
"grad_norm": 0.33626919984817505,
|
|
"learning_rate": 5.567567567567568e-06,
|
|
"loss": 0.2613,
|
|
"step": 170
|
|
},
|
|
{
|
|
"epoch": 0.456,
|
|
"grad_norm": 0.3979906737804413,
|
|
"learning_rate": 5.540540540540541e-06,
|
|
"loss": 0.4109,
|
|
"step": 171
|
|
},
|
|
{
|
|
"epoch": 0.45866666666666667,
|
|
"grad_norm": 0.25267234444618225,
|
|
"learning_rate": 5.513513513513515e-06,
|
|
"loss": 0.2701,
|
|
"step": 172
|
|
},
|
|
{
|
|
"epoch": 0.4613333333333333,
|
|
"grad_norm": 0.22866086661815643,
|
|
"learning_rate": 5.486486486486487e-06,
|
|
"loss": 0.1741,
|
|
"step": 173
|
|
},
|
|
{
|
|
"epoch": 0.464,
|
|
"grad_norm": 0.4401591420173645,
|
|
"learning_rate": 5.45945945945946e-06,
|
|
"loss": 0.3929,
|
|
"step": 174
|
|
},
|
|
{
|
|
"epoch": 0.4666666666666667,
|
|
"grad_norm": 0.3904745876789093,
|
|
"learning_rate": 5.432432432432433e-06,
|
|
"loss": 0.4772,
|
|
"step": 175
|
|
},
|
|
{
|
|
"epoch": 0.4693333333333333,
|
|
"grad_norm": 0.432851105928421,
|
|
"learning_rate": 5.405405405405406e-06,
|
|
"loss": 0.4624,
|
|
"step": 176
|
|
},
|
|
{
|
|
"epoch": 0.472,
|
|
"grad_norm": 0.4081991910934448,
|
|
"learning_rate": 5.378378378378378e-06,
|
|
"loss": 0.3851,
|
|
"step": 177
|
|
},
|
|
{
|
|
"epoch": 0.4746666666666667,
|
|
"grad_norm": 0.3384975790977478,
|
|
"learning_rate": 5.351351351351351e-06,
|
|
"loss": 0.2801,
|
|
"step": 178
|
|
},
|
|
{
|
|
"epoch": 0.47733333333333333,
|
|
"grad_norm": 0.4302685260772705,
|
|
"learning_rate": 5.324324324324324e-06,
|
|
"loss": 0.4144,
|
|
"step": 179
|
|
},
|
|
{
|
|
"epoch": 0.48,
|
|
"grad_norm": 0.32512715458869934,
|
|
"learning_rate": 5.297297297297298e-06,
|
|
"loss": 0.2505,
|
|
"step": 180
|
|
},
|
|
{
|
|
"epoch": 0.4826666666666667,
|
|
"grad_norm": 0.34773311018943787,
|
|
"learning_rate": 5.2702702702702705e-06,
|
|
"loss": 0.3358,
|
|
"step": 181
|
|
},
|
|
{
|
|
"epoch": 0.48533333333333334,
|
|
"grad_norm": 0.30763885378837585,
|
|
"learning_rate": 5.243243243243244e-06,
|
|
"loss": 0.2721,
|
|
"step": 182
|
|
},
|
|
{
|
|
"epoch": 0.488,
|
|
"grad_norm": 0.439249187707901,
|
|
"learning_rate": 5.216216216216217e-06,
|
|
"loss": 0.3921,
|
|
"step": 183
|
|
},
|
|
{
|
|
"epoch": 0.49066666666666664,
|
|
"grad_norm": 0.43283864855766296,
|
|
"learning_rate": 5.18918918918919e-06,
|
|
"loss": 0.3795,
|
|
"step": 184
|
|
},
|
|
{
|
|
"epoch": 0.49333333333333335,
|
|
"grad_norm": 0.3459068536758423,
|
|
"learning_rate": 5.162162162162162e-06,
|
|
"loss": 0.3303,
|
|
"step": 185
|
|
},
|
|
{
|
|
"epoch": 0.496,
|
|
"grad_norm": 0.31420034170150757,
|
|
"learning_rate": 5.135135135135135e-06,
|
|
"loss": 0.2682,
|
|
"step": 186
|
|
},
|
|
{
|
|
"epoch": 0.49866666666666665,
|
|
"grad_norm": 0.3572358787059784,
|
|
"learning_rate": 5.108108108108108e-06,
|
|
"loss": 0.4049,
|
|
"step": 187
|
|
},
|
|
{
|
|
"epoch": 0.5013333333333333,
|
|
"grad_norm": 0.3104552924633026,
|
|
"learning_rate": 5.081081081081082e-06,
|
|
"loss": 0.2046,
|
|
"step": 188
|
|
},
|
|
{
|
|
"epoch": 0.504,
|
|
"grad_norm": 0.3065375089645386,
|
|
"learning_rate": 5.054054054054054e-06,
|
|
"loss": 0.2973,
|
|
"step": 189
|
|
},
|
|
{
|
|
"epoch": 0.5066666666666667,
|
|
"grad_norm": 0.3651704490184784,
|
|
"learning_rate": 5.027027027027027e-06,
|
|
"loss": 0.3574,
|
|
"step": 190
|
|
},
|
|
{
|
|
"epoch": 0.5093333333333333,
|
|
"grad_norm": 0.3481694161891937,
|
|
"learning_rate": 5e-06,
|
|
"loss": 0.306,
|
|
"step": 191
|
|
},
|
|
{
|
|
"epoch": 0.512,
|
|
"grad_norm": 0.3983936011791229,
|
|
"learning_rate": 4.9729729729729735e-06,
|
|
"loss": 0.399,
|
|
"step": 192
|
|
},
|
|
{
|
|
"epoch": 0.5146666666666667,
|
|
"grad_norm": 0.2925852835178375,
|
|
"learning_rate": 4.9459459459459466e-06,
|
|
"loss": 0.2433,
|
|
"step": 193
|
|
},
|
|
{
|
|
"epoch": 0.5173333333333333,
|
|
"grad_norm": 0.2713722586631775,
|
|
"learning_rate": 4.91891891891892e-06,
|
|
"loss": 0.2328,
|
|
"step": 194
|
|
},
|
|
{
|
|
"epoch": 0.52,
|
|
"grad_norm": 0.2910085916519165,
|
|
"learning_rate": 4.891891891891893e-06,
|
|
"loss": 0.3107,
|
|
"step": 195
|
|
},
|
|
{
|
|
"epoch": 0.5226666666666666,
|
|
"grad_norm": 0.2857808768749237,
|
|
"learning_rate": 4.864864864864866e-06,
|
|
"loss": 0.2631,
|
|
"step": 196
|
|
},
|
|
{
|
|
"epoch": 0.5253333333333333,
|
|
"grad_norm": 0.43601498007774353,
|
|
"learning_rate": 4.837837837837838e-06,
|
|
"loss": 0.3705,
|
|
"step": 197
|
|
},
|
|
{
|
|
"epoch": 0.528,
|
|
"grad_norm": 0.38336774706840515,
|
|
"learning_rate": 4.810810810810811e-06,
|
|
"loss": 0.3345,
|
|
"step": 198
|
|
},
|
|
{
|
|
"epoch": 0.5306666666666666,
|
|
"grad_norm": 0.4071420729160309,
|
|
"learning_rate": 4.783783783783784e-06,
|
|
"loss": 0.3484,
|
|
"step": 199
|
|
},
|
|
{
|
|
"epoch": 0.5333333333333333,
|
|
"grad_norm": 0.2940559983253479,
|
|
"learning_rate": 4.756756756756757e-06,
|
|
"loss": 0.2016,
|
|
"step": 200
|
|
},
|
|
{
|
|
"epoch": 0.536,
|
|
"grad_norm": 0.4159807860851288,
|
|
"learning_rate": 4.72972972972973e-06,
|
|
"loss": 0.3413,
|
|
"step": 201
|
|
},
|
|
{
|
|
"epoch": 0.5386666666666666,
|
|
"grad_norm": 0.31199994683265686,
|
|
"learning_rate": 4.702702702702703e-06,
|
|
"loss": 0.2842,
|
|
"step": 202
|
|
},
|
|
{
|
|
"epoch": 0.5413333333333333,
|
|
"grad_norm": 0.38184690475463867,
|
|
"learning_rate": 4.675675675675676e-06,
|
|
"loss": 0.3452,
|
|
"step": 203
|
|
},
|
|
{
|
|
"epoch": 0.544,
|
|
"grad_norm": 0.38543686270713806,
|
|
"learning_rate": 4.6486486486486495e-06,
|
|
"loss": 0.2921,
|
|
"step": 204
|
|
},
|
|
{
|
|
"epoch": 0.5466666666666666,
|
|
"grad_norm": 0.4293280839920044,
|
|
"learning_rate": 4.621621621621622e-06,
|
|
"loss": 0.3633,
|
|
"step": 205
|
|
},
|
|
{
|
|
"epoch": 0.5493333333333333,
|
|
"grad_norm": 0.2980861961841583,
|
|
"learning_rate": 4.594594594594596e-06,
|
|
"loss": 0.2961,
|
|
"step": 206
|
|
},
|
|
{
|
|
"epoch": 0.552,
|
|
"grad_norm": 0.30945834517478943,
|
|
"learning_rate": 4.567567567567568e-06,
|
|
"loss": 0.2818,
|
|
"step": 207
|
|
},
|
|
{
|
|
"epoch": 0.5546666666666666,
|
|
"grad_norm": 0.37931495904922485,
|
|
"learning_rate": 4.540540540540541e-06,
|
|
"loss": 0.3857,
|
|
"step": 208
|
|
},
|
|
{
|
|
"epoch": 0.5573333333333333,
|
|
"grad_norm": 0.35123351216316223,
|
|
"learning_rate": 4.513513513513514e-06,
|
|
"loss": 0.408,
|
|
"step": 209
|
|
},
|
|
{
|
|
"epoch": 0.56,
|
|
"grad_norm": 0.2804057002067566,
|
|
"learning_rate": 4.486486486486487e-06,
|
|
"loss": 0.2618,
|
|
"step": 210
|
|
},
|
|
{
|
|
"epoch": 0.5626666666666666,
|
|
"grad_norm": 0.3479675054550171,
|
|
"learning_rate": 4.45945945945946e-06,
|
|
"loss": 0.267,
|
|
"step": 211
|
|
},
|
|
{
|
|
"epoch": 0.5653333333333334,
|
|
"grad_norm": 0.36160293221473694,
|
|
"learning_rate": 4.432432432432433e-06,
|
|
"loss": 0.2505,
|
|
"step": 212
|
|
},
|
|
{
|
|
"epoch": 0.568,
|
|
"grad_norm": 0.46441665291786194,
|
|
"learning_rate": 4.4054054054054054e-06,
|
|
"loss": 0.4244,
|
|
"step": 213
|
|
},
|
|
{
|
|
"epoch": 0.5706666666666667,
|
|
"grad_norm": 0.39929330348968506,
|
|
"learning_rate": 4.378378378378379e-06,
|
|
"loss": 0.3994,
|
|
"step": 214
|
|
},
|
|
{
|
|
"epoch": 0.5733333333333334,
|
|
"grad_norm": 0.41803714632987976,
|
|
"learning_rate": 4.351351351351352e-06,
|
|
"loss": 0.365,
|
|
"step": 215
|
|
},
|
|
{
|
|
"epoch": 0.576,
|
|
"grad_norm": 0.3278641700744629,
|
|
"learning_rate": 4.324324324324325e-06,
|
|
"loss": 0.2969,
|
|
"step": 216
|
|
},
|
|
{
|
|
"epoch": 0.5786666666666667,
|
|
"grad_norm": 0.35098132491111755,
|
|
"learning_rate": 4.297297297297298e-06,
|
|
"loss": 0.25,
|
|
"step": 217
|
|
},
|
|
{
|
|
"epoch": 0.5813333333333334,
|
|
"grad_norm": 0.382811963558197,
|
|
"learning_rate": 4.270270270270271e-06,
|
|
"loss": 0.4022,
|
|
"step": 218
|
|
},
|
|
{
|
|
"epoch": 0.584,
|
|
"grad_norm": 0.3137627840042114,
|
|
"learning_rate": 4.243243243243244e-06,
|
|
"loss": 0.2221,
|
|
"step": 219
|
|
},
|
|
{
|
|
"epoch": 0.5866666666666667,
|
|
"grad_norm": 0.3829237222671509,
|
|
"learning_rate": 4.216216216216217e-06,
|
|
"loss": 0.3865,
|
|
"step": 220
|
|
},
|
|
{
|
|
"epoch": 0.5893333333333334,
|
|
"grad_norm": 0.2855459153652191,
|
|
"learning_rate": 4.189189189189189e-06,
|
|
"loss": 0.2099,
|
|
"step": 221
|
|
},
|
|
{
|
|
"epoch": 0.592,
|
|
"grad_norm": 0.4217367172241211,
|
|
"learning_rate": 4.162162162162163e-06,
|
|
"loss": 0.2955,
|
|
"step": 222
|
|
},
|
|
{
|
|
"epoch": 0.5946666666666667,
|
|
"grad_norm": 0.34897539019584656,
|
|
"learning_rate": 4.135135135135135e-06,
|
|
"loss": 0.2907,
|
|
"step": 223
|
|
},
|
|
{
|
|
"epoch": 0.5973333333333334,
|
|
"grad_norm": 0.3473462462425232,
|
|
"learning_rate": 4.108108108108108e-06,
|
|
"loss": 0.217,
|
|
"step": 224
|
|
},
|
|
{
|
|
"epoch": 0.6,
|
|
"grad_norm": 0.2988053858280182,
|
|
"learning_rate": 4.0810810810810815e-06,
|
|
"loss": 0.2515,
|
|
"step": 225
|
|
},
|
|
{
|
|
"epoch": 0.6026666666666667,
|
|
"grad_norm": 0.30404821038246155,
|
|
"learning_rate": 4.0540540540540545e-06,
|
|
"loss": 0.2521,
|
|
"step": 226
|
|
},
|
|
{
|
|
"epoch": 0.6053333333333333,
|
|
"grad_norm": 0.4090055227279663,
|
|
"learning_rate": 4.027027027027028e-06,
|
|
"loss": 0.3145,
|
|
"step": 227
|
|
},
|
|
{
|
|
"epoch": 0.608,
|
|
"grad_norm": 0.39826086163520813,
|
|
"learning_rate": 4.000000000000001e-06,
|
|
"loss": 0.3738,
|
|
"step": 228
|
|
},
|
|
{
|
|
"epoch": 0.6106666666666667,
|
|
"grad_norm": 0.3401602804660797,
|
|
"learning_rate": 3.972972972972973e-06,
|
|
"loss": 0.2934,
|
|
"step": 229
|
|
},
|
|
{
|
|
"epoch": 0.6133333333333333,
|
|
"grad_norm": 0.2691913843154907,
|
|
"learning_rate": 3.945945945945947e-06,
|
|
"loss": 0.2003,
|
|
"step": 230
|
|
},
|
|
{
|
|
"epoch": 0.616,
|
|
"grad_norm": 0.33477792143821716,
|
|
"learning_rate": 3.918918918918919e-06,
|
|
"loss": 0.2781,
|
|
"step": 231
|
|
},
|
|
{
|
|
"epoch": 0.6186666666666667,
|
|
"grad_norm": 0.34887659549713135,
|
|
"learning_rate": 3.891891891891892e-06,
|
|
"loss": 0.2968,
|
|
"step": 232
|
|
},
|
|
{
|
|
"epoch": 0.6213333333333333,
|
|
"grad_norm": 0.37257885932922363,
|
|
"learning_rate": 3.864864864864865e-06,
|
|
"loss": 0.2721,
|
|
"step": 233
|
|
},
|
|
{
|
|
"epoch": 0.624,
|
|
"grad_norm": 0.4132642447948456,
|
|
"learning_rate": 3.837837837837838e-06,
|
|
"loss": 0.367,
|
|
"step": 234
|
|
},
|
|
{
|
|
"epoch": 0.6266666666666667,
|
|
"grad_norm": 0.34420615434646606,
|
|
"learning_rate": 3.810810810810811e-06,
|
|
"loss": 0.2108,
|
|
"step": 235
|
|
},
|
|
{
|
|
"epoch": 0.6293333333333333,
|
|
"grad_norm": 0.3111736476421356,
|
|
"learning_rate": 3.7837837837837844e-06,
|
|
"loss": 0.2659,
|
|
"step": 236
|
|
},
|
|
{
|
|
"epoch": 0.632,
|
|
"grad_norm": 0.43924304842948914,
|
|
"learning_rate": 3.756756756756757e-06,
|
|
"loss": 0.3809,
|
|
"step": 237
|
|
},
|
|
{
|
|
"epoch": 0.6346666666666667,
|
|
"grad_norm": 0.36944520473480225,
|
|
"learning_rate": 3.72972972972973e-06,
|
|
"loss": 0.2917,
|
|
"step": 238
|
|
},
|
|
{
|
|
"epoch": 0.6373333333333333,
|
|
"grad_norm": 0.2700068950653076,
|
|
"learning_rate": 3.7027027027027028e-06,
|
|
"loss": 0.2465,
|
|
"step": 239
|
|
},
|
|
{
|
|
"epoch": 0.64,
|
|
"grad_norm": 0.3277302384376526,
|
|
"learning_rate": 3.6756756756756763e-06,
|
|
"loss": 0.2729,
|
|
"step": 240
|
|
},
|
|
{
|
|
"epoch": 0.6426666666666667,
|
|
"grad_norm": 0.3427664339542389,
|
|
"learning_rate": 3.648648648648649e-06,
|
|
"loss": 0.2448,
|
|
"step": 241
|
|
},
|
|
{
|
|
"epoch": 0.6453333333333333,
|
|
"grad_norm": 0.3337377905845642,
|
|
"learning_rate": 3.621621621621622e-06,
|
|
"loss": 0.3081,
|
|
"step": 242
|
|
},
|
|
{
|
|
"epoch": 0.648,
|
|
"grad_norm": 0.3489575982093811,
|
|
"learning_rate": 3.5945945945945946e-06,
|
|
"loss": 0.2226,
|
|
"step": 243
|
|
},
|
|
{
|
|
"epoch": 0.6506666666666666,
|
|
"grad_norm": 0.30923986434936523,
|
|
"learning_rate": 3.567567567567568e-06,
|
|
"loss": 0.265,
|
|
"step": 244
|
|
},
|
|
{
|
|
"epoch": 0.6533333333333333,
|
|
"grad_norm": 0.3624332845211029,
|
|
"learning_rate": 3.5405405405405408e-06,
|
|
"loss": 0.3184,
|
|
"step": 245
|
|
},
|
|
{
|
|
"epoch": 0.656,
|
|
"grad_norm": 0.41641637682914734,
|
|
"learning_rate": 3.513513513513514e-06,
|
|
"loss": 0.2641,
|
|
"step": 246
|
|
},
|
|
{
|
|
"epoch": 0.6586666666666666,
|
|
"grad_norm": 0.41340944170951843,
|
|
"learning_rate": 3.4864864864864865e-06,
|
|
"loss": 0.4517,
|
|
"step": 247
|
|
},
|
|
{
|
|
"epoch": 0.6613333333333333,
|
|
"grad_norm": 0.32282981276512146,
|
|
"learning_rate": 3.45945945945946e-06,
|
|
"loss": 0.2259,
|
|
"step": 248
|
|
},
|
|
{
|
|
"epoch": 0.664,
|
|
"grad_norm": 0.30529171228408813,
|
|
"learning_rate": 3.4324324324324326e-06,
|
|
"loss": 0.2571,
|
|
"step": 249
|
|
},
|
|
{
|
|
"epoch": 0.6666666666666666,
|
|
"grad_norm": 0.35596510767936707,
|
|
"learning_rate": 3.4054054054054057e-06,
|
|
"loss": 0.295,
|
|
"step": 250
|
|
},
|
|
{
|
|
"epoch": 0.6693333333333333,
|
|
"grad_norm": 0.36369168758392334,
|
|
"learning_rate": 3.3783783783783788e-06,
|
|
"loss": 0.3128,
|
|
"step": 251
|
|
},
|
|
{
|
|
"epoch": 0.672,
|
|
"grad_norm": 0.3960557281970978,
|
|
"learning_rate": 3.351351351351352e-06,
|
|
"loss": 0.3323,
|
|
"step": 252
|
|
},
|
|
{
|
|
"epoch": 0.6746666666666666,
|
|
"grad_norm": 0.33096563816070557,
|
|
"learning_rate": 3.3243243243243245e-06,
|
|
"loss": 0.3233,
|
|
"step": 253
|
|
},
|
|
{
|
|
"epoch": 0.6773333333333333,
|
|
"grad_norm": 0.33427736163139343,
|
|
"learning_rate": 3.2972972972972976e-06,
|
|
"loss": 0.2328,
|
|
"step": 254
|
|
},
|
|
{
|
|
"epoch": 0.68,
|
|
"grad_norm": 0.3351435363292694,
|
|
"learning_rate": 3.2702702702702706e-06,
|
|
"loss": 0.2521,
|
|
"step": 255
|
|
},
|
|
{
|
|
"epoch": 0.6826666666666666,
|
|
"grad_norm": 0.32389771938323975,
|
|
"learning_rate": 3.2432432432432437e-06,
|
|
"loss": 0.2511,
|
|
"step": 256
|
|
},
|
|
{
|
|
"epoch": 0.6853333333333333,
|
|
"grad_norm": 0.35591626167297363,
|
|
"learning_rate": 3.2162162162162164e-06,
|
|
"loss": 0.2742,
|
|
"step": 257
|
|
},
|
|
{
|
|
"epoch": 0.688,
|
|
"grad_norm": 0.3498152792453766,
|
|
"learning_rate": 3.1891891891891894e-06,
|
|
"loss": 0.2928,
|
|
"step": 258
|
|
},
|
|
{
|
|
"epoch": 0.6906666666666667,
|
|
"grad_norm": 0.4030319154262543,
|
|
"learning_rate": 3.1621621621621625e-06,
|
|
"loss": 0.3687,
|
|
"step": 259
|
|
},
|
|
{
|
|
"epoch": 0.6933333333333334,
|
|
"grad_norm": 0.44715437293052673,
|
|
"learning_rate": 3.1351351351351356e-06,
|
|
"loss": 0.3983,
|
|
"step": 260
|
|
},
|
|
{
|
|
"epoch": 0.696,
|
|
"grad_norm": 0.2908027470111847,
|
|
"learning_rate": 3.1081081081081082e-06,
|
|
"loss": 0.2629,
|
|
"step": 261
|
|
},
|
|
{
|
|
"epoch": 0.6986666666666667,
|
|
"grad_norm": 0.5021239519119263,
|
|
"learning_rate": 3.0810810810810817e-06,
|
|
"loss": 0.3994,
|
|
"step": 262
|
|
},
|
|
{
|
|
"epoch": 0.7013333333333334,
|
|
"grad_norm": 0.290340781211853,
|
|
"learning_rate": 3.0540540540540544e-06,
|
|
"loss": 0.2263,
|
|
"step": 263
|
|
},
|
|
{
|
|
"epoch": 0.704,
|
|
"grad_norm": 0.3487938344478607,
|
|
"learning_rate": 3.0270270270270274e-06,
|
|
"loss": 0.2638,
|
|
"step": 264
|
|
},
|
|
{
|
|
"epoch": 0.7066666666666667,
|
|
"grad_norm": 0.3932484984397888,
|
|
"learning_rate": 3e-06,
|
|
"loss": 0.3097,
|
|
"step": 265
|
|
},
|
|
{
|
|
"epoch": 0.7093333333333334,
|
|
"grad_norm": 0.5002031922340393,
|
|
"learning_rate": 2.9729729729729736e-06,
|
|
"loss": 0.4373,
|
|
"step": 266
|
|
},
|
|
{
|
|
"epoch": 0.712,
|
|
"grad_norm": 0.36487922072410583,
|
|
"learning_rate": 2.9459459459459462e-06,
|
|
"loss": 0.2637,
|
|
"step": 267
|
|
},
|
|
{
|
|
"epoch": 0.7146666666666667,
|
|
"grad_norm": 0.2596171498298645,
|
|
"learning_rate": 2.9189189189189193e-06,
|
|
"loss": 0.2038,
|
|
"step": 268
|
|
},
|
|
{
|
|
"epoch": 0.7173333333333334,
|
|
"grad_norm": 0.39281710982322693,
|
|
"learning_rate": 2.891891891891892e-06,
|
|
"loss": 0.3409,
|
|
"step": 269
|
|
},
|
|
{
|
|
"epoch": 0.72,
|
|
"grad_norm": 0.3259102702140808,
|
|
"learning_rate": 2.8648648648648654e-06,
|
|
"loss": 0.2503,
|
|
"step": 270
|
|
},
|
|
{
|
|
"epoch": 0.7226666666666667,
|
|
"grad_norm": 0.2479904145002365,
|
|
"learning_rate": 2.837837837837838e-06,
|
|
"loss": 0.1462,
|
|
"step": 271
|
|
},
|
|
{
|
|
"epoch": 0.7253333333333334,
|
|
"grad_norm": 0.3548821806907654,
|
|
"learning_rate": 2.810810810810811e-06,
|
|
"loss": 0.2581,
|
|
"step": 272
|
|
},
|
|
{
|
|
"epoch": 0.728,
|
|
"grad_norm": 0.30984100699424744,
|
|
"learning_rate": 2.783783783783784e-06,
|
|
"loss": 0.2634,
|
|
"step": 273
|
|
},
|
|
{
|
|
"epoch": 0.7306666666666667,
|
|
"grad_norm": 0.32336750626564026,
|
|
"learning_rate": 2.7567567567567573e-06,
|
|
"loss": 0.2717,
|
|
"step": 274
|
|
},
|
|
{
|
|
"epoch": 0.7333333333333333,
|
|
"grad_norm": 0.41626253724098206,
|
|
"learning_rate": 2.72972972972973e-06,
|
|
"loss": 0.3692,
|
|
"step": 275
|
|
},
|
|
{
|
|
"epoch": 0.736,
|
|
"grad_norm": 0.43731579184532166,
|
|
"learning_rate": 2.702702702702703e-06,
|
|
"loss": 0.2893,
|
|
"step": 276
|
|
},
|
|
{
|
|
"epoch": 0.7386666666666667,
|
|
"grad_norm": 0.3316793739795685,
|
|
"learning_rate": 2.6756756756756757e-06,
|
|
"loss": 0.2933,
|
|
"step": 277
|
|
},
|
|
{
|
|
"epoch": 0.7413333333333333,
|
|
"grad_norm": 0.34317371249198914,
|
|
"learning_rate": 2.648648648648649e-06,
|
|
"loss": 0.253,
|
|
"step": 278
|
|
},
|
|
{
|
|
"epoch": 0.744,
|
|
"grad_norm": 0.4271750748157501,
|
|
"learning_rate": 2.621621621621622e-06,
|
|
"loss": 0.3828,
|
|
"step": 279
|
|
},
|
|
{
|
|
"epoch": 0.7466666666666667,
|
|
"grad_norm": 0.40320831537246704,
|
|
"learning_rate": 2.594594594594595e-06,
|
|
"loss": 0.3426,
|
|
"step": 280
|
|
},
|
|
{
|
|
"epoch": 0.7493333333333333,
|
|
"grad_norm": 0.3044051229953766,
|
|
"learning_rate": 2.5675675675675675e-06,
|
|
"loss": 0.2511,
|
|
"step": 281
|
|
},
|
|
{
|
|
"epoch": 0.752,
|
|
"grad_norm": 0.3970816135406494,
|
|
"learning_rate": 2.540540540540541e-06,
|
|
"loss": 0.2573,
|
|
"step": 282
|
|
},
|
|
{
|
|
"epoch": 0.7546666666666667,
|
|
"grad_norm": 0.4108094871044159,
|
|
"learning_rate": 2.5135135135135137e-06,
|
|
"loss": 0.3741,
|
|
"step": 283
|
|
},
|
|
{
|
|
"epoch": 0.7573333333333333,
|
|
"grad_norm": 0.28992119431495667,
|
|
"learning_rate": 2.4864864864864867e-06,
|
|
"loss": 0.2164,
|
|
"step": 284
|
|
},
|
|
{
|
|
"epoch": 0.76,
|
|
"grad_norm": 0.31842753291130066,
|
|
"learning_rate": 2.45945945945946e-06,
|
|
"loss": 0.2077,
|
|
"step": 285
|
|
},
|
|
{
|
|
"epoch": 0.7626666666666667,
|
|
"grad_norm": 0.33158078789711,
|
|
"learning_rate": 2.432432432432433e-06,
|
|
"loss": 0.2589,
|
|
"step": 286
|
|
},
|
|
{
|
|
"epoch": 0.7653333333333333,
|
|
"grad_norm": 0.3764644265174866,
|
|
"learning_rate": 2.4054054054054055e-06,
|
|
"loss": 0.2617,
|
|
"step": 287
|
|
},
|
|
{
|
|
"epoch": 0.768,
|
|
"grad_norm": 0.4450628161430359,
|
|
"learning_rate": 2.3783783783783786e-06,
|
|
"loss": 0.3143,
|
|
"step": 288
|
|
},
|
|
{
|
|
"epoch": 0.7706666666666667,
|
|
"grad_norm": 0.3775527775287628,
|
|
"learning_rate": 2.3513513513513517e-06,
|
|
"loss": 0.2598,
|
|
"step": 289
|
|
},
|
|
{
|
|
"epoch": 0.7733333333333333,
|
|
"grad_norm": 0.45357051491737366,
|
|
"learning_rate": 2.3243243243243247e-06,
|
|
"loss": 0.3592,
|
|
"step": 290
|
|
},
|
|
{
|
|
"epoch": 0.776,
|
|
"grad_norm": 0.3857765793800354,
|
|
"learning_rate": 2.297297297297298e-06,
|
|
"loss": 0.3438,
|
|
"step": 291
|
|
},
|
|
{
|
|
"epoch": 0.7786666666666666,
|
|
"grad_norm": 0.43802541494369507,
|
|
"learning_rate": 2.2702702702702705e-06,
|
|
"loss": 0.4062,
|
|
"step": 292
|
|
},
|
|
{
|
|
"epoch": 0.7813333333333333,
|
|
"grad_norm": 0.3732124865055084,
|
|
"learning_rate": 2.2432432432432435e-06,
|
|
"loss": 0.3048,
|
|
"step": 293
|
|
},
|
|
{
|
|
"epoch": 0.784,
|
|
"grad_norm": 0.3807182013988495,
|
|
"learning_rate": 2.2162162162162166e-06,
|
|
"loss": 0.2663,
|
|
"step": 294
|
|
},
|
|
{
|
|
"epoch": 0.7866666666666666,
|
|
"grad_norm": 0.4048035740852356,
|
|
"learning_rate": 2.1891891891891897e-06,
|
|
"loss": 0.3072,
|
|
"step": 295
|
|
},
|
|
{
|
|
"epoch": 0.7893333333333333,
|
|
"grad_norm": 0.39922451972961426,
|
|
"learning_rate": 2.1621621621621623e-06,
|
|
"loss": 0.2339,
|
|
"step": 296
|
|
},
|
|
{
|
|
"epoch": 0.792,
|
|
"grad_norm": 0.2846182584762573,
|
|
"learning_rate": 2.1351351351351354e-06,
|
|
"loss": 0.2155,
|
|
"step": 297
|
|
},
|
|
{
|
|
"epoch": 0.7946666666666666,
|
|
"grad_norm": 0.41739848256111145,
|
|
"learning_rate": 2.1081081081081085e-06,
|
|
"loss": 0.3934,
|
|
"step": 298
|
|
},
|
|
{
|
|
"epoch": 0.7973333333333333,
|
|
"grad_norm": 0.4416024386882782,
|
|
"learning_rate": 2.0810810810810815e-06,
|
|
"loss": 0.3662,
|
|
"step": 299
|
|
},
|
|
{
|
|
"epoch": 0.8,
|
|
"grad_norm": 0.30463194847106934,
|
|
"learning_rate": 2.054054054054054e-06,
|
|
"loss": 0.1741,
|
|
"step": 300
|
|
},
|
|
{
|
|
"epoch": 0.8026666666666666,
|
|
"grad_norm": 0.4621759057044983,
|
|
"learning_rate": 2.0270270270270273e-06,
|
|
"loss": 0.386,
|
|
"step": 301
|
|
},
|
|
{
|
|
"epoch": 0.8053333333333333,
|
|
"grad_norm": 0.3465329110622406,
|
|
"learning_rate": 2.0000000000000003e-06,
|
|
"loss": 0.2907,
|
|
"step": 302
|
|
},
|
|
{
|
|
"epoch": 0.808,
|
|
"grad_norm": 0.4569227993488312,
|
|
"learning_rate": 1.9729729729729734e-06,
|
|
"loss": 0.3812,
|
|
"step": 303
|
|
},
|
|
{
|
|
"epoch": 0.8106666666666666,
|
|
"grad_norm": 0.5099005103111267,
|
|
"learning_rate": 1.945945945945946e-06,
|
|
"loss": 0.3752,
|
|
"step": 304
|
|
},
|
|
{
|
|
"epoch": 0.8133333333333334,
|
|
"grad_norm": 0.3218974471092224,
|
|
"learning_rate": 1.918918918918919e-06,
|
|
"loss": 0.2583,
|
|
"step": 305
|
|
},
|
|
{
|
|
"epoch": 0.816,
|
|
"grad_norm": 0.4221980571746826,
|
|
"learning_rate": 1.8918918918918922e-06,
|
|
"loss": 0.3704,
|
|
"step": 306
|
|
},
|
|
{
|
|
"epoch": 0.8186666666666667,
|
|
"grad_norm": 0.343237966299057,
|
|
"learning_rate": 1.864864864864865e-06,
|
|
"loss": 0.2248,
|
|
"step": 307
|
|
},
|
|
{
|
|
"epoch": 0.8213333333333334,
|
|
"grad_norm": 0.4055427014827728,
|
|
"learning_rate": 1.8378378378378381e-06,
|
|
"loss": 0.3173,
|
|
"step": 308
|
|
},
|
|
{
|
|
"epoch": 0.824,
|
|
"grad_norm": 0.39990803599357605,
|
|
"learning_rate": 1.810810810810811e-06,
|
|
"loss": 0.3269,
|
|
"step": 309
|
|
},
|
|
{
|
|
"epoch": 0.8266666666666667,
|
|
"grad_norm": 0.3207007944583893,
|
|
"learning_rate": 1.783783783783784e-06,
|
|
"loss": 0.2143,
|
|
"step": 310
|
|
},
|
|
{
|
|
"epoch": 0.8293333333333334,
|
|
"grad_norm": 0.3382914662361145,
|
|
"learning_rate": 1.756756756756757e-06,
|
|
"loss": 0.3108,
|
|
"step": 311
|
|
},
|
|
{
|
|
"epoch": 0.832,
|
|
"grad_norm": 0.43605750799179077,
|
|
"learning_rate": 1.72972972972973e-06,
|
|
"loss": 0.3095,
|
|
"step": 312
|
|
},
|
|
{
|
|
"epoch": 0.8346666666666667,
|
|
"grad_norm": 0.35699039697647095,
|
|
"learning_rate": 1.7027027027027028e-06,
|
|
"loss": 0.3827,
|
|
"step": 313
|
|
},
|
|
{
|
|
"epoch": 0.8373333333333334,
|
|
"grad_norm": 0.40352246165275574,
|
|
"learning_rate": 1.675675675675676e-06,
|
|
"loss": 0.2844,
|
|
"step": 314
|
|
},
|
|
{
|
|
"epoch": 0.84,
|
|
"grad_norm": 0.3621034324169159,
|
|
"learning_rate": 1.6486486486486488e-06,
|
|
"loss": 0.3114,
|
|
"step": 315
|
|
},
|
|
{
|
|
"epoch": 0.8426666666666667,
|
|
"grad_norm": 0.3875608742237091,
|
|
"learning_rate": 1.6216216216216219e-06,
|
|
"loss": 0.2788,
|
|
"step": 316
|
|
},
|
|
{
|
|
"epoch": 0.8453333333333334,
|
|
"grad_norm": 0.3284818232059479,
|
|
"learning_rate": 1.5945945945945947e-06,
|
|
"loss": 0.2323,
|
|
"step": 317
|
|
},
|
|
{
|
|
"epoch": 0.848,
|
|
"grad_norm": 0.3997751772403717,
|
|
"learning_rate": 1.5675675675675678e-06,
|
|
"loss": 0.2632,
|
|
"step": 318
|
|
},
|
|
{
|
|
"epoch": 0.8506666666666667,
|
|
"grad_norm": 0.3715415298938751,
|
|
"learning_rate": 1.5405405405405409e-06,
|
|
"loss": 0.2535,
|
|
"step": 319
|
|
},
|
|
{
|
|
"epoch": 0.8533333333333334,
|
|
"grad_norm": 0.3825894594192505,
|
|
"learning_rate": 1.5135135135135137e-06,
|
|
"loss": 0.2901,
|
|
"step": 320
|
|
},
|
|
{
|
|
"epoch": 0.856,
|
|
"grad_norm": 0.37206536531448364,
|
|
"learning_rate": 1.4864864864864868e-06,
|
|
"loss": 0.3282,
|
|
"step": 321
|
|
},
|
|
{
|
|
"epoch": 0.8586666666666667,
|
|
"grad_norm": 0.3316505253314972,
|
|
"learning_rate": 1.4594594594594596e-06,
|
|
"loss": 0.2124,
|
|
"step": 322
|
|
},
|
|
{
|
|
"epoch": 0.8613333333333333,
|
|
"grad_norm": 0.3504232168197632,
|
|
"learning_rate": 1.4324324324324327e-06,
|
|
"loss": 0.2777,
|
|
"step": 323
|
|
},
|
|
{
|
|
"epoch": 0.864,
|
|
"grad_norm": 0.36071428656578064,
|
|
"learning_rate": 1.4054054054054056e-06,
|
|
"loss": 0.2612,
|
|
"step": 324
|
|
},
|
|
{
|
|
"epoch": 0.8666666666666667,
|
|
"grad_norm": 0.3016913831233978,
|
|
"learning_rate": 1.3783783783783786e-06,
|
|
"loss": 0.2098,
|
|
"step": 325
|
|
},
|
|
{
|
|
"epoch": 0.8693333333333333,
|
|
"grad_norm": 0.41724303364753723,
|
|
"learning_rate": 1.3513513513513515e-06,
|
|
"loss": 0.2893,
|
|
"step": 326
|
|
},
|
|
{
|
|
"epoch": 0.872,
|
|
"grad_norm": 0.36300426721572876,
|
|
"learning_rate": 1.3243243243243246e-06,
|
|
"loss": 0.2313,
|
|
"step": 327
|
|
},
|
|
{
|
|
"epoch": 0.8746666666666667,
|
|
"grad_norm": 0.43667200207710266,
|
|
"learning_rate": 1.2972972972972974e-06,
|
|
"loss": 0.3249,
|
|
"step": 328
|
|
},
|
|
{
|
|
"epoch": 0.8773333333333333,
|
|
"grad_norm": 0.364689439535141,
|
|
"learning_rate": 1.2702702702702705e-06,
|
|
"loss": 0.297,
|
|
"step": 329
|
|
},
|
|
{
|
|
"epoch": 0.88,
|
|
"grad_norm": 0.4155840277671814,
|
|
"learning_rate": 1.2432432432432434e-06,
|
|
"loss": 0.3092,
|
|
"step": 330
|
|
},
|
|
{
|
|
"epoch": 0.8826666666666667,
|
|
"grad_norm": 0.35489585995674133,
|
|
"learning_rate": 1.2162162162162164e-06,
|
|
"loss": 0.3007,
|
|
"step": 331
|
|
},
|
|
{
|
|
"epoch": 0.8853333333333333,
|
|
"grad_norm": 0.3930169343948364,
|
|
"learning_rate": 1.1891891891891893e-06,
|
|
"loss": 0.3042,
|
|
"step": 332
|
|
},
|
|
{
|
|
"epoch": 0.888,
|
|
"grad_norm": 0.507380485534668,
|
|
"learning_rate": 1.1621621621621624e-06,
|
|
"loss": 0.4284,
|
|
"step": 333
|
|
},
|
|
{
|
|
"epoch": 0.8906666666666667,
|
|
"grad_norm": 0.43257761001586914,
|
|
"learning_rate": 1.1351351351351352e-06,
|
|
"loss": 0.2661,
|
|
"step": 334
|
|
},
|
|
{
|
|
"epoch": 0.8933333333333333,
|
|
"grad_norm": 0.3422864079475403,
|
|
"learning_rate": 1.1081081081081083e-06,
|
|
"loss": 0.2505,
|
|
"step": 335
|
|
},
|
|
{
|
|
"epoch": 0.896,
|
|
"grad_norm": 0.35226839780807495,
|
|
"learning_rate": 1.0810810810810812e-06,
|
|
"loss": 0.219,
|
|
"step": 336
|
|
},
|
|
{
|
|
"epoch": 0.8986666666666666,
|
|
"grad_norm": 0.4419368505477905,
|
|
"learning_rate": 1.0540540540540542e-06,
|
|
"loss": 0.3242,
|
|
"step": 337
|
|
},
|
|
{
|
|
"epoch": 0.9013333333333333,
|
|
"grad_norm": 0.3603654205799103,
|
|
"learning_rate": 1.027027027027027e-06,
|
|
"loss": 0.2457,
|
|
"step": 338
|
|
},
|
|
{
|
|
"epoch": 0.904,
|
|
"grad_norm": 0.23355542123317719,
|
|
"learning_rate": 1.0000000000000002e-06,
|
|
"loss": 0.1069,
|
|
"step": 339
|
|
},
|
|
{
|
|
"epoch": 0.9066666666666666,
|
|
"grad_norm": 0.3583284616470337,
|
|
"learning_rate": 9.72972972972973e-07,
|
|
"loss": 0.3046,
|
|
"step": 340
|
|
},
|
|
{
|
|
"epoch": 0.9093333333333333,
|
|
"grad_norm": 0.4247784912586212,
|
|
"learning_rate": 9.459459459459461e-07,
|
|
"loss": 0.3131,
|
|
"step": 341
|
|
},
|
|
{
|
|
"epoch": 0.912,
|
|
"grad_norm": 0.4089176058769226,
|
|
"learning_rate": 9.189189189189191e-07,
|
|
"loss": 0.2946,
|
|
"step": 342
|
|
},
|
|
{
|
|
"epoch": 0.9146666666666666,
|
|
"grad_norm": 0.3539067804813385,
|
|
"learning_rate": 8.91891891891892e-07,
|
|
"loss": 0.2874,
|
|
"step": 343
|
|
},
|
|
{
|
|
"epoch": 0.9173333333333333,
|
|
"grad_norm": 0.49719032645225525,
|
|
"learning_rate": 8.64864864864865e-07,
|
|
"loss": 0.5162,
|
|
"step": 344
|
|
},
|
|
{
|
|
"epoch": 0.92,
|
|
"grad_norm": 0.3560430407524109,
|
|
"learning_rate": 8.37837837837838e-07,
|
|
"loss": 0.3009,
|
|
"step": 345
|
|
},
|
|
{
|
|
"epoch": 0.9226666666666666,
|
|
"grad_norm": 0.49504554271698,
|
|
"learning_rate": 8.108108108108109e-07,
|
|
"loss": 0.3853,
|
|
"step": 346
|
|
},
|
|
{
|
|
"epoch": 0.9253333333333333,
|
|
"grad_norm": 0.4062340557575226,
|
|
"learning_rate": 7.837837837837839e-07,
|
|
"loss": 0.2318,
|
|
"step": 347
|
|
},
|
|
{
|
|
"epoch": 0.928,
|
|
"grad_norm": 0.39711132645606995,
|
|
"learning_rate": 7.567567567567569e-07,
|
|
"loss": 0.3441,
|
|
"step": 348
|
|
},
|
|
{
|
|
"epoch": 0.9306666666666666,
|
|
"grad_norm": 0.42216071486473083,
|
|
"learning_rate": 7.297297297297298e-07,
|
|
"loss": 0.378,
|
|
"step": 349
|
|
},
|
|
{
|
|
"epoch": 0.9333333333333333,
|
|
"grad_norm": 0.3861375153064728,
|
|
"learning_rate": 7.027027027027028e-07,
|
|
"loss": 0.3638,
|
|
"step": 350
|
|
},
|
|
{
|
|
"epoch": 0.936,
|
|
"grad_norm": 0.5421589612960815,
|
|
"learning_rate": 6.756756756756758e-07,
|
|
"loss": 0.3744,
|
|
"step": 351
|
|
},
|
|
{
|
|
"epoch": 0.9386666666666666,
|
|
"grad_norm": 0.43214794993400574,
|
|
"learning_rate": 6.486486486486487e-07,
|
|
"loss": 0.3312,
|
|
"step": 352
|
|
},
|
|
{
|
|
"epoch": 0.9413333333333334,
|
|
"grad_norm": 0.3104563057422638,
|
|
"learning_rate": 6.216216216216217e-07,
|
|
"loss": 0.2097,
|
|
"step": 353
|
|
},
|
|
{
|
|
"epoch": 0.944,
|
|
"grad_norm": 0.4928406774997711,
|
|
"learning_rate": 5.945945945945947e-07,
|
|
"loss": 0.4677,
|
|
"step": 354
|
|
},
|
|
{
|
|
"epoch": 0.9466666666666667,
|
|
"grad_norm": 0.441724568605423,
|
|
"learning_rate": 5.675675675675676e-07,
|
|
"loss": 0.3546,
|
|
"step": 355
|
|
},
|
|
{
|
|
"epoch": 0.9493333333333334,
|
|
"grad_norm": 0.33893322944641113,
|
|
"learning_rate": 5.405405405405406e-07,
|
|
"loss": 0.2484,
|
|
"step": 356
|
|
},
|
|
{
|
|
"epoch": 0.952,
|
|
"grad_norm": 0.41612762212753296,
|
|
"learning_rate": 5.135135135135135e-07,
|
|
"loss": 0.3608,
|
|
"step": 357
|
|
},
|
|
{
|
|
"epoch": 0.9546666666666667,
|
|
"grad_norm": 0.2958903908729553,
|
|
"learning_rate": 4.864864864864865e-07,
|
|
"loss": 0.2148,
|
|
"step": 358
|
|
},
|
|
{
|
|
"epoch": 0.9573333333333334,
|
|
"grad_norm": 0.3755427896976471,
|
|
"learning_rate": 4.5945945945945953e-07,
|
|
"loss": 0.28,
|
|
"step": 359
|
|
},
|
|
{
|
|
"epoch": 0.96,
|
|
"grad_norm": 0.4604218900203705,
|
|
"learning_rate": 4.324324324324325e-07,
|
|
"loss": 0.4067,
|
|
"step": 360
|
|
},
|
|
{
|
|
"epoch": 0.9626666666666667,
|
|
"grad_norm": 0.388827919960022,
|
|
"learning_rate": 4.0540540540540546e-07,
|
|
"loss": 0.2744,
|
|
"step": 361
|
|
},
|
|
{
|
|
"epoch": 0.9653333333333334,
|
|
"grad_norm": 0.38863062858581543,
|
|
"learning_rate": 3.7837837837837843e-07,
|
|
"loss": 0.2274,
|
|
"step": 362
|
|
},
|
|
{
|
|
"epoch": 0.968,
|
|
"grad_norm": 0.4132128357887268,
|
|
"learning_rate": 3.513513513513514e-07,
|
|
"loss": 0.3047,
|
|
"step": 363
|
|
},
|
|
{
|
|
"epoch": 0.9706666666666667,
|
|
"grad_norm": 0.40824928879737854,
|
|
"learning_rate": 3.2432432432432436e-07,
|
|
"loss": 0.3904,
|
|
"step": 364
|
|
},
|
|
{
|
|
"epoch": 0.9733333333333334,
|
|
"grad_norm": 0.44959524273872375,
|
|
"learning_rate": 2.972972972972973e-07,
|
|
"loss": 0.3008,
|
|
"step": 365
|
|
},
|
|
{
|
|
"epoch": 0.976,
|
|
"grad_norm": 0.47792452573776245,
|
|
"learning_rate": 2.702702702702703e-07,
|
|
"loss": 0.4352,
|
|
"step": 366
|
|
},
|
|
{
|
|
"epoch": 0.9786666666666667,
|
|
"grad_norm": 0.477355420589447,
|
|
"learning_rate": 2.4324324324324326e-07,
|
|
"loss": 0.4255,
|
|
"step": 367
|
|
},
|
|
{
|
|
"epoch": 0.9813333333333333,
|
|
"grad_norm": 0.47951552271842957,
|
|
"learning_rate": 2.1621621621621625e-07,
|
|
"loss": 0.3973,
|
|
"step": 368
|
|
},
|
|
{
|
|
"epoch": 0.984,
|
|
"grad_norm": 0.3649778366088867,
|
|
"learning_rate": 1.8918918918918921e-07,
|
|
"loss": 0.3594,
|
|
"step": 369
|
|
},
|
|
{
|
|
"epoch": 0.9866666666666667,
|
|
"grad_norm": 0.3684973120689392,
|
|
"learning_rate": 1.6216216216216218e-07,
|
|
"loss": 0.2628,
|
|
"step": 370
|
|
},
|
|
{
|
|
"epoch": 0.9893333333333333,
|
|
"grad_norm": 0.31863442063331604,
|
|
"learning_rate": 1.3513513513513515e-07,
|
|
"loss": 0.2458,
|
|
"step": 371
|
|
},
|
|
{
|
|
"epoch": 0.992,
|
|
"grad_norm": 0.3513255715370178,
|
|
"learning_rate": 1.0810810810810812e-07,
|
|
"loss": 0.2672,
|
|
"step": 372
|
|
},
|
|
{
|
|
"epoch": 0.9946666666666667,
|
|
"grad_norm": 0.31979799270629883,
|
|
"learning_rate": 8.108108108108109e-08,
|
|
"loss": 0.2378,
|
|
"step": 373
|
|
},
|
|
{
|
|
"epoch": 0.9973333333333333,
|
|
"grad_norm": 0.4553889334201813,
|
|
"learning_rate": 5.405405405405406e-08,
|
|
"loss": 0.3365,
|
|
"step": 374
|
|
},
|
|
{
|
|
"epoch": 1.0,
|
|
"grad_norm": 0.4054870307445526,
|
|
"learning_rate": 2.702702702702703e-08,
|
|
"loss": 0.2587,
|
|
"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": 2.96852882586624e+16,
|
|
"train_batch_size": 2,
|
|
"trial_name": null,
|
|
"trial_params": null
|
|
}
|