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": 1.2632250785827637,
|
|
"learning_rate": 0.0,
|
|
"loss": 0.6959,
|
|
"step": 1
|
|
},
|
|
{
|
|
"epoch": 0.005333333333333333,
|
|
"grad_norm": 0.9535449147224426,
|
|
"learning_rate": 2.0000000000000003e-06,
|
|
"loss": 0.4873,
|
|
"step": 2
|
|
},
|
|
{
|
|
"epoch": 0.008,
|
|
"grad_norm": 0.9648246169090271,
|
|
"learning_rate": 4.000000000000001e-06,
|
|
"loss": 0.5776,
|
|
"step": 3
|
|
},
|
|
{
|
|
"epoch": 0.010666666666666666,
|
|
"grad_norm": 1.2632354497909546,
|
|
"learning_rate": 6e-06,
|
|
"loss": 0.7453,
|
|
"step": 4
|
|
},
|
|
{
|
|
"epoch": 0.013333333333333334,
|
|
"grad_norm": 1.088373064994812,
|
|
"learning_rate": 8.000000000000001e-06,
|
|
"loss": 0.6712,
|
|
"step": 5
|
|
},
|
|
{
|
|
"epoch": 0.016,
|
|
"grad_norm": 1.0624353885650635,
|
|
"learning_rate": 1e-05,
|
|
"loss": 0.5128,
|
|
"step": 6
|
|
},
|
|
{
|
|
"epoch": 0.018666666666666668,
|
|
"grad_norm": 1.1257402896881104,
|
|
"learning_rate": 9.972972972972975e-06,
|
|
"loss": 0.7179,
|
|
"step": 7
|
|
},
|
|
{
|
|
"epoch": 0.021333333333333333,
|
|
"grad_norm": 1.2437230348587036,
|
|
"learning_rate": 9.945945945945947e-06,
|
|
"loss": 0.8003,
|
|
"step": 8
|
|
},
|
|
{
|
|
"epoch": 0.024,
|
|
"grad_norm": 1.1540412902832031,
|
|
"learning_rate": 9.91891891891892e-06,
|
|
"loss": 0.5408,
|
|
"step": 9
|
|
},
|
|
{
|
|
"epoch": 0.02666666666666667,
|
|
"grad_norm": 0.9456297159194946,
|
|
"learning_rate": 9.891891891891893e-06,
|
|
"loss": 0.4627,
|
|
"step": 10
|
|
},
|
|
{
|
|
"epoch": 0.029333333333333333,
|
|
"grad_norm": 1.1548097133636475,
|
|
"learning_rate": 9.864864864864865e-06,
|
|
"loss": 0.6173,
|
|
"step": 11
|
|
},
|
|
{
|
|
"epoch": 0.032,
|
|
"grad_norm": 1.017241358757019,
|
|
"learning_rate": 9.83783783783784e-06,
|
|
"loss": 0.3708,
|
|
"step": 12
|
|
},
|
|
{
|
|
"epoch": 0.034666666666666665,
|
|
"grad_norm": 0.775692343711853,
|
|
"learning_rate": 9.810810810810811e-06,
|
|
"loss": 0.3984,
|
|
"step": 13
|
|
},
|
|
{
|
|
"epoch": 0.037333333333333336,
|
|
"grad_norm": 1.1640586853027344,
|
|
"learning_rate": 9.783783783783785e-06,
|
|
"loss": 0.5555,
|
|
"step": 14
|
|
},
|
|
{
|
|
"epoch": 0.04,
|
|
"grad_norm": 0.7723327875137329,
|
|
"learning_rate": 9.756756756756758e-06,
|
|
"loss": 0.3026,
|
|
"step": 15
|
|
},
|
|
{
|
|
"epoch": 0.042666666666666665,
|
|
"grad_norm": 1.238878846168518,
|
|
"learning_rate": 9.729729729729732e-06,
|
|
"loss": 0.5133,
|
|
"step": 16
|
|
},
|
|
{
|
|
"epoch": 0.04533333333333334,
|
|
"grad_norm": 1.05595862865448,
|
|
"learning_rate": 9.702702702702704e-06,
|
|
"loss": 0.4092,
|
|
"step": 17
|
|
},
|
|
{
|
|
"epoch": 0.048,
|
|
"grad_norm": 0.9802029132843018,
|
|
"learning_rate": 9.675675675675676e-06,
|
|
"loss": 0.5807,
|
|
"step": 18
|
|
},
|
|
{
|
|
"epoch": 0.050666666666666665,
|
|
"grad_norm": 1.126335859298706,
|
|
"learning_rate": 9.64864864864865e-06,
|
|
"loss": 0.6859,
|
|
"step": 19
|
|
},
|
|
{
|
|
"epoch": 0.05333333333333334,
|
|
"grad_norm": 0.9781637787818909,
|
|
"learning_rate": 9.621621621621622e-06,
|
|
"loss": 0.4886,
|
|
"step": 20
|
|
},
|
|
{
|
|
"epoch": 0.056,
|
|
"grad_norm": 1.1344776153564453,
|
|
"learning_rate": 9.594594594594594e-06,
|
|
"loss": 0.588,
|
|
"step": 21
|
|
},
|
|
{
|
|
"epoch": 0.058666666666666666,
|
|
"grad_norm": 0.8178356885910034,
|
|
"learning_rate": 9.567567567567568e-06,
|
|
"loss": 0.4835,
|
|
"step": 22
|
|
},
|
|
{
|
|
"epoch": 0.06133333333333333,
|
|
"grad_norm": 0.8295167088508606,
|
|
"learning_rate": 9.540540540540542e-06,
|
|
"loss": 0.4478,
|
|
"step": 23
|
|
},
|
|
{
|
|
"epoch": 0.064,
|
|
"grad_norm": 0.8396567702293396,
|
|
"learning_rate": 9.513513513513514e-06,
|
|
"loss": 0.5816,
|
|
"step": 24
|
|
},
|
|
{
|
|
"epoch": 0.06666666666666667,
|
|
"grad_norm": 0.8964991569519043,
|
|
"learning_rate": 9.486486486486487e-06,
|
|
"loss": 0.5425,
|
|
"step": 25
|
|
},
|
|
{
|
|
"epoch": 0.06933333333333333,
|
|
"grad_norm": 0.8322060704231262,
|
|
"learning_rate": 9.45945945945946e-06,
|
|
"loss": 0.591,
|
|
"step": 26
|
|
},
|
|
{
|
|
"epoch": 0.072,
|
|
"grad_norm": 0.7925006747245789,
|
|
"learning_rate": 9.432432432432433e-06,
|
|
"loss": 0.5263,
|
|
"step": 27
|
|
},
|
|
{
|
|
"epoch": 0.07466666666666667,
|
|
"grad_norm": 0.8647345304489136,
|
|
"learning_rate": 9.405405405405407e-06,
|
|
"loss": 0.638,
|
|
"step": 28
|
|
},
|
|
{
|
|
"epoch": 0.07733333333333334,
|
|
"grad_norm": 0.696017324924469,
|
|
"learning_rate": 9.378378378378379e-06,
|
|
"loss": 0.5191,
|
|
"step": 29
|
|
},
|
|
{
|
|
"epoch": 0.08,
|
|
"grad_norm": 0.906914472579956,
|
|
"learning_rate": 9.351351351351353e-06,
|
|
"loss": 0.6764,
|
|
"step": 30
|
|
},
|
|
{
|
|
"epoch": 0.08266666666666667,
|
|
"grad_norm": 0.7016689777374268,
|
|
"learning_rate": 9.324324324324325e-06,
|
|
"loss": 0.4119,
|
|
"step": 31
|
|
},
|
|
{
|
|
"epoch": 0.08533333333333333,
|
|
"grad_norm": 0.4910934269428253,
|
|
"learning_rate": 9.297297297297299e-06,
|
|
"loss": 0.311,
|
|
"step": 32
|
|
},
|
|
{
|
|
"epoch": 0.088,
|
|
"grad_norm": 0.5438764095306396,
|
|
"learning_rate": 9.270270270270271e-06,
|
|
"loss": 0.3596,
|
|
"step": 33
|
|
},
|
|
{
|
|
"epoch": 0.09066666666666667,
|
|
"grad_norm": 0.5910165905952454,
|
|
"learning_rate": 9.243243243243243e-06,
|
|
"loss": 0.3872,
|
|
"step": 34
|
|
},
|
|
{
|
|
"epoch": 0.09333333333333334,
|
|
"grad_norm": 0.5011196732521057,
|
|
"learning_rate": 9.216216216216217e-06,
|
|
"loss": 0.3554,
|
|
"step": 35
|
|
},
|
|
{
|
|
"epoch": 0.096,
|
|
"grad_norm": 0.539025068283081,
|
|
"learning_rate": 9.189189189189191e-06,
|
|
"loss": 0.3243,
|
|
"step": 36
|
|
},
|
|
{
|
|
"epoch": 0.09866666666666667,
|
|
"grad_norm": 0.5107506513595581,
|
|
"learning_rate": 9.162162162162162e-06,
|
|
"loss": 0.3638,
|
|
"step": 37
|
|
},
|
|
{
|
|
"epoch": 0.10133333333333333,
|
|
"grad_norm": 0.49783021211624146,
|
|
"learning_rate": 9.135135135135136e-06,
|
|
"loss": 0.2766,
|
|
"step": 38
|
|
},
|
|
{
|
|
"epoch": 0.104,
|
|
"grad_norm": 0.5699411630630493,
|
|
"learning_rate": 9.10810810810811e-06,
|
|
"loss": 0.476,
|
|
"step": 39
|
|
},
|
|
{
|
|
"epoch": 0.10666666666666667,
|
|
"grad_norm": 0.5322999954223633,
|
|
"learning_rate": 9.081081081081082e-06,
|
|
"loss": 0.3581,
|
|
"step": 40
|
|
},
|
|
{
|
|
"epoch": 0.10933333333333334,
|
|
"grad_norm": 0.5404374003410339,
|
|
"learning_rate": 9.054054054054054e-06,
|
|
"loss": 0.4947,
|
|
"step": 41
|
|
},
|
|
{
|
|
"epoch": 0.112,
|
|
"grad_norm": 0.6044526100158691,
|
|
"learning_rate": 9.027027027027028e-06,
|
|
"loss": 0.3993,
|
|
"step": 42
|
|
},
|
|
{
|
|
"epoch": 0.11466666666666667,
|
|
"grad_norm": 0.510282576084137,
|
|
"learning_rate": 9e-06,
|
|
"loss": 0.3515,
|
|
"step": 43
|
|
},
|
|
{
|
|
"epoch": 0.11733333333333333,
|
|
"grad_norm": 0.3956855237483978,
|
|
"learning_rate": 8.972972972972974e-06,
|
|
"loss": 0.3245,
|
|
"step": 44
|
|
},
|
|
{
|
|
"epoch": 0.12,
|
|
"grad_norm": 0.4893379509449005,
|
|
"learning_rate": 8.945945945945946e-06,
|
|
"loss": 0.5056,
|
|
"step": 45
|
|
},
|
|
{
|
|
"epoch": 0.12266666666666666,
|
|
"grad_norm": 0.5294197797775269,
|
|
"learning_rate": 8.91891891891892e-06,
|
|
"loss": 0.4104,
|
|
"step": 46
|
|
},
|
|
{
|
|
"epoch": 0.12533333333333332,
|
|
"grad_norm": 0.55298912525177,
|
|
"learning_rate": 8.891891891891893e-06,
|
|
"loss": 0.522,
|
|
"step": 47
|
|
},
|
|
{
|
|
"epoch": 0.128,
|
|
"grad_norm": 0.4941525161266327,
|
|
"learning_rate": 8.864864864864866e-06,
|
|
"loss": 0.4653,
|
|
"step": 48
|
|
},
|
|
{
|
|
"epoch": 0.13066666666666665,
|
|
"grad_norm": 0.5639269948005676,
|
|
"learning_rate": 8.837837837837839e-06,
|
|
"loss": 0.5935,
|
|
"step": 49
|
|
},
|
|
{
|
|
"epoch": 0.13333333333333333,
|
|
"grad_norm": 0.4992218613624573,
|
|
"learning_rate": 8.810810810810811e-06,
|
|
"loss": 0.4151,
|
|
"step": 50
|
|
},
|
|
{
|
|
"epoch": 0.136,
|
|
"grad_norm": 0.38432708382606506,
|
|
"learning_rate": 8.783783783783785e-06,
|
|
"loss": 0.2899,
|
|
"step": 51
|
|
},
|
|
{
|
|
"epoch": 0.13866666666666666,
|
|
"grad_norm": 0.5149230360984802,
|
|
"learning_rate": 8.756756756756759e-06,
|
|
"loss": 0.5152,
|
|
"step": 52
|
|
},
|
|
{
|
|
"epoch": 0.14133333333333334,
|
|
"grad_norm": 0.47879964113235474,
|
|
"learning_rate": 8.72972972972973e-06,
|
|
"loss": 0.4369,
|
|
"step": 53
|
|
},
|
|
{
|
|
"epoch": 0.144,
|
|
"grad_norm": 0.5225049257278442,
|
|
"learning_rate": 8.702702702702703e-06,
|
|
"loss": 0.399,
|
|
"step": 54
|
|
},
|
|
{
|
|
"epoch": 0.14666666666666667,
|
|
"grad_norm": 0.5030249953269958,
|
|
"learning_rate": 8.675675675675677e-06,
|
|
"loss": 0.4404,
|
|
"step": 55
|
|
},
|
|
{
|
|
"epoch": 0.14933333333333335,
|
|
"grad_norm": 0.44801419973373413,
|
|
"learning_rate": 8.64864864864865e-06,
|
|
"loss": 0.4566,
|
|
"step": 56
|
|
},
|
|
{
|
|
"epoch": 0.152,
|
|
"grad_norm": 0.6062158942222595,
|
|
"learning_rate": 8.621621621621622e-06,
|
|
"loss": 0.6257,
|
|
"step": 57
|
|
},
|
|
{
|
|
"epoch": 0.15466666666666667,
|
|
"grad_norm": 0.5708873867988586,
|
|
"learning_rate": 8.594594594594595e-06,
|
|
"loss": 0.4461,
|
|
"step": 58
|
|
},
|
|
{
|
|
"epoch": 0.15733333333333333,
|
|
"grad_norm": 0.42473024129867554,
|
|
"learning_rate": 8.567567567567568e-06,
|
|
"loss": 0.4466,
|
|
"step": 59
|
|
},
|
|
{
|
|
"epoch": 0.16,
|
|
"grad_norm": 0.320469468832016,
|
|
"learning_rate": 8.540540540540542e-06,
|
|
"loss": 0.2936,
|
|
"step": 60
|
|
},
|
|
{
|
|
"epoch": 0.16266666666666665,
|
|
"grad_norm": 0.40130409598350525,
|
|
"learning_rate": 8.513513513513514e-06,
|
|
"loss": 0.399,
|
|
"step": 61
|
|
},
|
|
{
|
|
"epoch": 0.16533333333333333,
|
|
"grad_norm": 0.519593358039856,
|
|
"learning_rate": 8.486486486486488e-06,
|
|
"loss": 0.3793,
|
|
"step": 62
|
|
},
|
|
{
|
|
"epoch": 0.168,
|
|
"grad_norm": 0.49880456924438477,
|
|
"learning_rate": 8.45945945945946e-06,
|
|
"loss": 0.4015,
|
|
"step": 63
|
|
},
|
|
{
|
|
"epoch": 0.17066666666666666,
|
|
"grad_norm": 0.34372755885124207,
|
|
"learning_rate": 8.432432432432434e-06,
|
|
"loss": 0.2349,
|
|
"step": 64
|
|
},
|
|
{
|
|
"epoch": 0.17333333333333334,
|
|
"grad_norm": 0.37598320841789246,
|
|
"learning_rate": 8.405405405405406e-06,
|
|
"loss": 0.3516,
|
|
"step": 65
|
|
},
|
|
{
|
|
"epoch": 0.176,
|
|
"grad_norm": 0.5529313087463379,
|
|
"learning_rate": 8.378378378378378e-06,
|
|
"loss": 0.4748,
|
|
"step": 66
|
|
},
|
|
{
|
|
"epoch": 0.17866666666666667,
|
|
"grad_norm": 0.45690402388572693,
|
|
"learning_rate": 8.351351351351352e-06,
|
|
"loss": 0.3405,
|
|
"step": 67
|
|
},
|
|
{
|
|
"epoch": 0.18133333333333335,
|
|
"grad_norm": 0.49351558089256287,
|
|
"learning_rate": 8.324324324324326e-06,
|
|
"loss": 0.4041,
|
|
"step": 68
|
|
},
|
|
{
|
|
"epoch": 0.184,
|
|
"grad_norm": 0.39800554513931274,
|
|
"learning_rate": 8.297297297297298e-06,
|
|
"loss": 0.3607,
|
|
"step": 69
|
|
},
|
|
{
|
|
"epoch": 0.18666666666666668,
|
|
"grad_norm": 0.4760783910751343,
|
|
"learning_rate": 8.27027027027027e-06,
|
|
"loss": 0.4916,
|
|
"step": 70
|
|
},
|
|
{
|
|
"epoch": 0.18933333333333333,
|
|
"grad_norm": 0.37370172142982483,
|
|
"learning_rate": 8.243243243243245e-06,
|
|
"loss": 0.2983,
|
|
"step": 71
|
|
},
|
|
{
|
|
"epoch": 0.192,
|
|
"grad_norm": 0.38242238759994507,
|
|
"learning_rate": 8.216216216216217e-06,
|
|
"loss": 0.279,
|
|
"step": 72
|
|
},
|
|
{
|
|
"epoch": 0.19466666666666665,
|
|
"grad_norm": 0.35583117604255676,
|
|
"learning_rate": 8.189189189189189e-06,
|
|
"loss": 0.32,
|
|
"step": 73
|
|
},
|
|
{
|
|
"epoch": 0.19733333333333333,
|
|
"grad_norm": 0.41052600741386414,
|
|
"learning_rate": 8.162162162162163e-06,
|
|
"loss": 0.4242,
|
|
"step": 74
|
|
},
|
|
{
|
|
"epoch": 0.2,
|
|
"grad_norm": 0.3926902413368225,
|
|
"learning_rate": 8.135135135135137e-06,
|
|
"loss": 0.3983,
|
|
"step": 75
|
|
},
|
|
{
|
|
"epoch": 0.20266666666666666,
|
|
"grad_norm": 0.4358697235584259,
|
|
"learning_rate": 8.108108108108109e-06,
|
|
"loss": 0.3679,
|
|
"step": 76
|
|
},
|
|
{
|
|
"epoch": 0.20533333333333334,
|
|
"grad_norm": 0.39500361680984497,
|
|
"learning_rate": 8.081081081081081e-06,
|
|
"loss": 0.245,
|
|
"step": 77
|
|
},
|
|
{
|
|
"epoch": 0.208,
|
|
"grad_norm": 0.41749808192253113,
|
|
"learning_rate": 8.054054054054055e-06,
|
|
"loss": 0.4251,
|
|
"step": 78
|
|
},
|
|
{
|
|
"epoch": 0.21066666666666667,
|
|
"grad_norm": 0.39232876896858215,
|
|
"learning_rate": 8.027027027027027e-06,
|
|
"loss": 0.3567,
|
|
"step": 79
|
|
},
|
|
{
|
|
"epoch": 0.21333333333333335,
|
|
"grad_norm": 0.43561381101608276,
|
|
"learning_rate": 8.000000000000001e-06,
|
|
"loss": 0.3738,
|
|
"step": 80
|
|
},
|
|
{
|
|
"epoch": 0.216,
|
|
"grad_norm": 0.45170858502388,
|
|
"learning_rate": 7.972972972972974e-06,
|
|
"loss": 0.4275,
|
|
"step": 81
|
|
},
|
|
{
|
|
"epoch": 0.21866666666666668,
|
|
"grad_norm": 0.4064945876598358,
|
|
"learning_rate": 7.945945945945946e-06,
|
|
"loss": 0.3997,
|
|
"step": 82
|
|
},
|
|
{
|
|
"epoch": 0.22133333333333333,
|
|
"grad_norm": 0.37037575244903564,
|
|
"learning_rate": 7.91891891891892e-06,
|
|
"loss": 0.3486,
|
|
"step": 83
|
|
},
|
|
{
|
|
"epoch": 0.224,
|
|
"grad_norm": 0.45347702503204346,
|
|
"learning_rate": 7.891891891891894e-06,
|
|
"loss": 0.4618,
|
|
"step": 84
|
|
},
|
|
{
|
|
"epoch": 0.22666666666666666,
|
|
"grad_norm": 0.5336992740631104,
|
|
"learning_rate": 7.864864864864866e-06,
|
|
"loss": 0.4328,
|
|
"step": 85
|
|
},
|
|
{
|
|
"epoch": 0.22933333333333333,
|
|
"grad_norm": 0.5036271214485168,
|
|
"learning_rate": 7.837837837837838e-06,
|
|
"loss": 0.4855,
|
|
"step": 86
|
|
},
|
|
{
|
|
"epoch": 0.232,
|
|
"grad_norm": 0.40080636739730835,
|
|
"learning_rate": 7.810810810810812e-06,
|
|
"loss": 0.3173,
|
|
"step": 87
|
|
},
|
|
{
|
|
"epoch": 0.23466666666666666,
|
|
"grad_norm": 0.4708414673805237,
|
|
"learning_rate": 7.783783783783784e-06,
|
|
"loss": 0.4145,
|
|
"step": 88
|
|
},
|
|
{
|
|
"epoch": 0.23733333333333334,
|
|
"grad_norm": 0.5278328061103821,
|
|
"learning_rate": 7.756756756756756e-06,
|
|
"loss": 0.5464,
|
|
"step": 89
|
|
},
|
|
{
|
|
"epoch": 0.24,
|
|
"grad_norm": 0.3803942799568176,
|
|
"learning_rate": 7.72972972972973e-06,
|
|
"loss": 0.4026,
|
|
"step": 90
|
|
},
|
|
{
|
|
"epoch": 0.24266666666666667,
|
|
"grad_norm": 0.4059780240058899,
|
|
"learning_rate": 7.702702702702704e-06,
|
|
"loss": 0.3151,
|
|
"step": 91
|
|
},
|
|
{
|
|
"epoch": 0.24533333333333332,
|
|
"grad_norm": 0.4332011342048645,
|
|
"learning_rate": 7.675675675675676e-06,
|
|
"loss": 0.41,
|
|
"step": 92
|
|
},
|
|
{
|
|
"epoch": 0.248,
|
|
"grad_norm": 0.4177844524383545,
|
|
"learning_rate": 7.648648648648649e-06,
|
|
"loss": 0.4776,
|
|
"step": 93
|
|
},
|
|
{
|
|
"epoch": 0.25066666666666665,
|
|
"grad_norm": 0.28835350275039673,
|
|
"learning_rate": 7.621621621621622e-06,
|
|
"loss": 0.2027,
|
|
"step": 94
|
|
},
|
|
{
|
|
"epoch": 0.25333333333333335,
|
|
"grad_norm": 0.382720947265625,
|
|
"learning_rate": 7.594594594594596e-06,
|
|
"loss": 0.3276,
|
|
"step": 95
|
|
},
|
|
{
|
|
"epoch": 0.256,
|
|
"grad_norm": 0.42023003101348877,
|
|
"learning_rate": 7.567567567567569e-06,
|
|
"loss": 0.4776,
|
|
"step": 96
|
|
},
|
|
{
|
|
"epoch": 0.25866666666666666,
|
|
"grad_norm": 0.44875791668891907,
|
|
"learning_rate": 7.540540540540541e-06,
|
|
"loss": 0.3971,
|
|
"step": 97
|
|
},
|
|
{
|
|
"epoch": 0.2613333333333333,
|
|
"grad_norm": 0.4357510805130005,
|
|
"learning_rate": 7.513513513513514e-06,
|
|
"loss": 0.3151,
|
|
"step": 98
|
|
},
|
|
{
|
|
"epoch": 0.264,
|
|
"grad_norm": 0.36698347330093384,
|
|
"learning_rate": 7.486486486486487e-06,
|
|
"loss": 0.264,
|
|
"step": 99
|
|
},
|
|
{
|
|
"epoch": 0.26666666666666666,
|
|
"grad_norm": 0.4159523546695709,
|
|
"learning_rate": 7.45945945945946e-06,
|
|
"loss": 0.3622,
|
|
"step": 100
|
|
},
|
|
{
|
|
"epoch": 0.2693333333333333,
|
|
"grad_norm": 0.48393112421035767,
|
|
"learning_rate": 7.4324324324324324e-06,
|
|
"loss": 0.416,
|
|
"step": 101
|
|
},
|
|
{
|
|
"epoch": 0.272,
|
|
"grad_norm": 0.39267054200172424,
|
|
"learning_rate": 7.4054054054054055e-06,
|
|
"loss": 0.3406,
|
|
"step": 102
|
|
},
|
|
{
|
|
"epoch": 0.27466666666666667,
|
|
"grad_norm": 0.4536338448524475,
|
|
"learning_rate": 7.3783783783783794e-06,
|
|
"loss": 0.4055,
|
|
"step": 103
|
|
},
|
|
{
|
|
"epoch": 0.2773333333333333,
|
|
"grad_norm": 0.40875697135925293,
|
|
"learning_rate": 7.3513513513513525e-06,
|
|
"loss": 0.3556,
|
|
"step": 104
|
|
},
|
|
{
|
|
"epoch": 0.28,
|
|
"grad_norm": 0.3619164526462555,
|
|
"learning_rate": 7.324324324324325e-06,
|
|
"loss": 0.258,
|
|
"step": 105
|
|
},
|
|
{
|
|
"epoch": 0.2826666666666667,
|
|
"grad_norm": 0.4033793807029724,
|
|
"learning_rate": 7.297297297297298e-06,
|
|
"loss": 0.2938,
|
|
"step": 106
|
|
},
|
|
{
|
|
"epoch": 0.2853333333333333,
|
|
"grad_norm": 0.41769883036613464,
|
|
"learning_rate": 7.270270270270271e-06,
|
|
"loss": 0.3587,
|
|
"step": 107
|
|
},
|
|
{
|
|
"epoch": 0.288,
|
|
"grad_norm": 0.4044109582901001,
|
|
"learning_rate": 7.243243243243244e-06,
|
|
"loss": 0.3371,
|
|
"step": 108
|
|
},
|
|
{
|
|
"epoch": 0.2906666666666667,
|
|
"grad_norm": 0.5841341614723206,
|
|
"learning_rate": 7.216216216216216e-06,
|
|
"loss": 0.5804,
|
|
"step": 109
|
|
},
|
|
{
|
|
"epoch": 0.29333333333333333,
|
|
"grad_norm": 0.3986751139163971,
|
|
"learning_rate": 7.189189189189189e-06,
|
|
"loss": 0.2967,
|
|
"step": 110
|
|
},
|
|
{
|
|
"epoch": 0.296,
|
|
"grad_norm": 0.4625450670719147,
|
|
"learning_rate": 7.162162162162163e-06,
|
|
"loss": 0.3293,
|
|
"step": 111
|
|
},
|
|
{
|
|
"epoch": 0.2986666666666667,
|
|
"grad_norm": 0.4034562408924103,
|
|
"learning_rate": 7.135135135135136e-06,
|
|
"loss": 0.4202,
|
|
"step": 112
|
|
},
|
|
{
|
|
"epoch": 0.30133333333333334,
|
|
"grad_norm": 0.34925299882888794,
|
|
"learning_rate": 7.1081081081081085e-06,
|
|
"loss": 0.3191,
|
|
"step": 113
|
|
},
|
|
{
|
|
"epoch": 0.304,
|
|
"grad_norm": 0.3997877836227417,
|
|
"learning_rate": 7.0810810810810815e-06,
|
|
"loss": 0.359,
|
|
"step": 114
|
|
},
|
|
{
|
|
"epoch": 0.30666666666666664,
|
|
"grad_norm": 0.3707607686519623,
|
|
"learning_rate": 7.054054054054055e-06,
|
|
"loss": 0.2683,
|
|
"step": 115
|
|
},
|
|
{
|
|
"epoch": 0.30933333333333335,
|
|
"grad_norm": 0.25476303696632385,
|
|
"learning_rate": 7.027027027027028e-06,
|
|
"loss": 0.1701,
|
|
"step": 116
|
|
},
|
|
{
|
|
"epoch": 0.312,
|
|
"grad_norm": 0.4945050776004791,
|
|
"learning_rate": 7e-06,
|
|
"loss": 0.4013,
|
|
"step": 117
|
|
},
|
|
{
|
|
"epoch": 0.31466666666666665,
|
|
"grad_norm": 0.40074074268341064,
|
|
"learning_rate": 6.972972972972973e-06,
|
|
"loss": 0.3561,
|
|
"step": 118
|
|
},
|
|
{
|
|
"epoch": 0.31733333333333336,
|
|
"grad_norm": 0.34545356035232544,
|
|
"learning_rate": 6.945945945945947e-06,
|
|
"loss": 0.3056,
|
|
"step": 119
|
|
},
|
|
{
|
|
"epoch": 0.32,
|
|
"grad_norm": 0.3736998736858368,
|
|
"learning_rate": 6.91891891891892e-06,
|
|
"loss": 0.3375,
|
|
"step": 120
|
|
},
|
|
{
|
|
"epoch": 0.32266666666666666,
|
|
"grad_norm": 0.5884448289871216,
|
|
"learning_rate": 6.891891891891892e-06,
|
|
"loss": 0.6391,
|
|
"step": 121
|
|
},
|
|
{
|
|
"epoch": 0.3253333333333333,
|
|
"grad_norm": 0.41915929317474365,
|
|
"learning_rate": 6.864864864864865e-06,
|
|
"loss": 0.3405,
|
|
"step": 122
|
|
},
|
|
{
|
|
"epoch": 0.328,
|
|
"grad_norm": 0.4289708435535431,
|
|
"learning_rate": 6.837837837837838e-06,
|
|
"loss": 0.3242,
|
|
"step": 123
|
|
},
|
|
{
|
|
"epoch": 0.33066666666666666,
|
|
"grad_norm": 0.46356722712516785,
|
|
"learning_rate": 6.810810810810811e-06,
|
|
"loss": 0.4154,
|
|
"step": 124
|
|
},
|
|
{
|
|
"epoch": 0.3333333333333333,
|
|
"grad_norm": 0.3874564468860626,
|
|
"learning_rate": 6.783783783783784e-06,
|
|
"loss": 0.2865,
|
|
"step": 125
|
|
},
|
|
{
|
|
"epoch": 0.336,
|
|
"grad_norm": 0.418192058801651,
|
|
"learning_rate": 6.7567567567567575e-06,
|
|
"loss": 0.3257,
|
|
"step": 126
|
|
},
|
|
{
|
|
"epoch": 0.33866666666666667,
|
|
"grad_norm": 0.5020768046379089,
|
|
"learning_rate": 6.729729729729731e-06,
|
|
"loss": 0.478,
|
|
"step": 127
|
|
},
|
|
{
|
|
"epoch": 0.3413333333333333,
|
|
"grad_norm": 0.4649147093296051,
|
|
"learning_rate": 6.702702702702704e-06,
|
|
"loss": 0.4969,
|
|
"step": 128
|
|
},
|
|
{
|
|
"epoch": 0.344,
|
|
"grad_norm": 0.4602676331996918,
|
|
"learning_rate": 6.675675675675676e-06,
|
|
"loss": 0.4069,
|
|
"step": 129
|
|
},
|
|
{
|
|
"epoch": 0.3466666666666667,
|
|
"grad_norm": 0.45687416195869446,
|
|
"learning_rate": 6.648648648648649e-06,
|
|
"loss": 0.397,
|
|
"step": 130
|
|
},
|
|
{
|
|
"epoch": 0.34933333333333333,
|
|
"grad_norm": 0.43730786442756653,
|
|
"learning_rate": 6.621621621621622e-06,
|
|
"loss": 0.3774,
|
|
"step": 131
|
|
},
|
|
{
|
|
"epoch": 0.352,
|
|
"grad_norm": 0.40192660689353943,
|
|
"learning_rate": 6.594594594594595e-06,
|
|
"loss": 0.307,
|
|
"step": 132
|
|
},
|
|
{
|
|
"epoch": 0.3546666666666667,
|
|
"grad_norm": 0.40230318903923035,
|
|
"learning_rate": 6.567567567567567e-06,
|
|
"loss": 0.2576,
|
|
"step": 133
|
|
},
|
|
{
|
|
"epoch": 0.35733333333333334,
|
|
"grad_norm": 0.43937909603118896,
|
|
"learning_rate": 6.540540540540541e-06,
|
|
"loss": 0.3703,
|
|
"step": 134
|
|
},
|
|
{
|
|
"epoch": 0.36,
|
|
"grad_norm": 0.4215409755706787,
|
|
"learning_rate": 6.513513513513514e-06,
|
|
"loss": 0.3137,
|
|
"step": 135
|
|
},
|
|
{
|
|
"epoch": 0.3626666666666667,
|
|
"grad_norm": 0.4210262894630432,
|
|
"learning_rate": 6.486486486486487e-06,
|
|
"loss": 0.3049,
|
|
"step": 136
|
|
},
|
|
{
|
|
"epoch": 0.36533333333333334,
|
|
"grad_norm": 0.48901131749153137,
|
|
"learning_rate": 6.45945945945946e-06,
|
|
"loss": 0.4745,
|
|
"step": 137
|
|
},
|
|
{
|
|
"epoch": 0.368,
|
|
"grad_norm": 0.48162832856178284,
|
|
"learning_rate": 6.432432432432433e-06,
|
|
"loss": 0.4237,
|
|
"step": 138
|
|
},
|
|
{
|
|
"epoch": 0.37066666666666664,
|
|
"grad_norm": 0.40428805351257324,
|
|
"learning_rate": 6.405405405405406e-06,
|
|
"loss": 0.3301,
|
|
"step": 139
|
|
},
|
|
{
|
|
"epoch": 0.37333333333333335,
|
|
"grad_norm": 0.39586374163627625,
|
|
"learning_rate": 6.378378378378379e-06,
|
|
"loss": 0.3722,
|
|
"step": 140
|
|
},
|
|
{
|
|
"epoch": 0.376,
|
|
"grad_norm": 0.4225369989871979,
|
|
"learning_rate": 6.351351351351351e-06,
|
|
"loss": 0.4224,
|
|
"step": 141
|
|
},
|
|
{
|
|
"epoch": 0.37866666666666665,
|
|
"grad_norm": 0.39536818861961365,
|
|
"learning_rate": 6.324324324324325e-06,
|
|
"loss": 0.3787,
|
|
"step": 142
|
|
},
|
|
{
|
|
"epoch": 0.38133333333333336,
|
|
"grad_norm": 0.4486699402332306,
|
|
"learning_rate": 6.297297297297298e-06,
|
|
"loss": 0.2909,
|
|
"step": 143
|
|
},
|
|
{
|
|
"epoch": 0.384,
|
|
"grad_norm": 0.39922553300857544,
|
|
"learning_rate": 6.270270270270271e-06,
|
|
"loss": 0.2986,
|
|
"step": 144
|
|
},
|
|
{
|
|
"epoch": 0.38666666666666666,
|
|
"grad_norm": 0.4142531156539917,
|
|
"learning_rate": 6.243243243243243e-06,
|
|
"loss": 0.3773,
|
|
"step": 145
|
|
},
|
|
{
|
|
"epoch": 0.3893333333333333,
|
|
"grad_norm": 0.31138619780540466,
|
|
"learning_rate": 6.2162162162162164e-06,
|
|
"loss": 0.2191,
|
|
"step": 146
|
|
},
|
|
{
|
|
"epoch": 0.392,
|
|
"grad_norm": 0.2909996807575226,
|
|
"learning_rate": 6.1891891891891895e-06,
|
|
"loss": 0.1456,
|
|
"step": 147
|
|
},
|
|
{
|
|
"epoch": 0.39466666666666667,
|
|
"grad_norm": 0.5021323561668396,
|
|
"learning_rate": 6.162162162162163e-06,
|
|
"loss": 0.4109,
|
|
"step": 148
|
|
},
|
|
{
|
|
"epoch": 0.3973333333333333,
|
|
"grad_norm": 0.38684889674186707,
|
|
"learning_rate": 6.135135135135135e-06,
|
|
"loss": 0.3193,
|
|
"step": 149
|
|
},
|
|
{
|
|
"epoch": 0.4,
|
|
"grad_norm": 0.4911949932575226,
|
|
"learning_rate": 6.108108108108109e-06,
|
|
"loss": 0.4122,
|
|
"step": 150
|
|
},
|
|
{
|
|
"epoch": 0.4026666666666667,
|
|
"grad_norm": 0.37744611501693726,
|
|
"learning_rate": 6.081081081081082e-06,
|
|
"loss": 0.2105,
|
|
"step": 151
|
|
},
|
|
{
|
|
"epoch": 0.4053333333333333,
|
|
"grad_norm": 0.3814904987812042,
|
|
"learning_rate": 6.054054054054055e-06,
|
|
"loss": 0.2656,
|
|
"step": 152
|
|
},
|
|
{
|
|
"epoch": 0.408,
|
|
"grad_norm": 0.2864193618297577,
|
|
"learning_rate": 6.027027027027027e-06,
|
|
"loss": 0.2012,
|
|
"step": 153
|
|
},
|
|
{
|
|
"epoch": 0.4106666666666667,
|
|
"grad_norm": 0.47018343210220337,
|
|
"learning_rate": 6e-06,
|
|
"loss": 0.3269,
|
|
"step": 154
|
|
},
|
|
{
|
|
"epoch": 0.41333333333333333,
|
|
"grad_norm": 0.4112595319747925,
|
|
"learning_rate": 5.972972972972973e-06,
|
|
"loss": 0.3386,
|
|
"step": 155
|
|
},
|
|
{
|
|
"epoch": 0.416,
|
|
"grad_norm": 0.47621461749076843,
|
|
"learning_rate": 5.945945945945947e-06,
|
|
"loss": 0.3547,
|
|
"step": 156
|
|
},
|
|
{
|
|
"epoch": 0.4186666666666667,
|
|
"grad_norm": 0.4200189411640167,
|
|
"learning_rate": 5.9189189189189185e-06,
|
|
"loss": 0.3432,
|
|
"step": 157
|
|
},
|
|
{
|
|
"epoch": 0.42133333333333334,
|
|
"grad_norm": 0.4501848518848419,
|
|
"learning_rate": 5.8918918918918924e-06,
|
|
"loss": 0.41,
|
|
"step": 158
|
|
},
|
|
{
|
|
"epoch": 0.424,
|
|
"grad_norm": 0.3893367052078247,
|
|
"learning_rate": 5.8648648648648655e-06,
|
|
"loss": 0.3009,
|
|
"step": 159
|
|
},
|
|
{
|
|
"epoch": 0.4266666666666667,
|
|
"grad_norm": 0.5146134495735168,
|
|
"learning_rate": 5.837837837837839e-06,
|
|
"loss": 0.4192,
|
|
"step": 160
|
|
},
|
|
{
|
|
"epoch": 0.42933333333333334,
|
|
"grad_norm": 0.485185831785202,
|
|
"learning_rate": 5.810810810810811e-06,
|
|
"loss": 0.427,
|
|
"step": 161
|
|
},
|
|
{
|
|
"epoch": 0.432,
|
|
"grad_norm": 0.34027019143104553,
|
|
"learning_rate": 5.783783783783784e-06,
|
|
"loss": 0.2398,
|
|
"step": 162
|
|
},
|
|
{
|
|
"epoch": 0.43466666666666665,
|
|
"grad_norm": 0.4657999277114868,
|
|
"learning_rate": 5.756756756756757e-06,
|
|
"loss": 0.4494,
|
|
"step": 163
|
|
},
|
|
{
|
|
"epoch": 0.43733333333333335,
|
|
"grad_norm": 0.3434831202030182,
|
|
"learning_rate": 5.729729729729731e-06,
|
|
"loss": 0.2735,
|
|
"step": 164
|
|
},
|
|
{
|
|
"epoch": 0.44,
|
|
"grad_norm": 0.46946531534194946,
|
|
"learning_rate": 5.702702702702702e-06,
|
|
"loss": 0.3427,
|
|
"step": 165
|
|
},
|
|
{
|
|
"epoch": 0.44266666666666665,
|
|
"grad_norm": 0.4103587865829468,
|
|
"learning_rate": 5.675675675675676e-06,
|
|
"loss": 0.294,
|
|
"step": 166
|
|
},
|
|
{
|
|
"epoch": 0.44533333333333336,
|
|
"grad_norm": 0.37763479351997375,
|
|
"learning_rate": 5.648648648648649e-06,
|
|
"loss": 0.28,
|
|
"step": 167
|
|
},
|
|
{
|
|
"epoch": 0.448,
|
|
"grad_norm": 0.455451101064682,
|
|
"learning_rate": 5.621621621621622e-06,
|
|
"loss": 0.3271,
|
|
"step": 168
|
|
},
|
|
{
|
|
"epoch": 0.45066666666666666,
|
|
"grad_norm": 0.48963356018066406,
|
|
"learning_rate": 5.5945945945945945e-06,
|
|
"loss": 0.3636,
|
|
"step": 169
|
|
},
|
|
{
|
|
"epoch": 0.4533333333333333,
|
|
"grad_norm": 0.4321683943271637,
|
|
"learning_rate": 5.567567567567568e-06,
|
|
"loss": 0.265,
|
|
"step": 170
|
|
},
|
|
{
|
|
"epoch": 0.456,
|
|
"grad_norm": 0.5062708854675293,
|
|
"learning_rate": 5.540540540540541e-06,
|
|
"loss": 0.4008,
|
|
"step": 171
|
|
},
|
|
{
|
|
"epoch": 0.45866666666666667,
|
|
"grad_norm": 0.36536505818367004,
|
|
"learning_rate": 5.513513513513515e-06,
|
|
"loss": 0.2696,
|
|
"step": 172
|
|
},
|
|
{
|
|
"epoch": 0.4613333333333333,
|
|
"grad_norm": 0.3223106563091278,
|
|
"learning_rate": 5.486486486486487e-06,
|
|
"loss": 0.1714,
|
|
"step": 173
|
|
},
|
|
{
|
|
"epoch": 0.464,
|
|
"grad_norm": 0.5540818572044373,
|
|
"learning_rate": 5.45945945945946e-06,
|
|
"loss": 0.3905,
|
|
"step": 174
|
|
},
|
|
{
|
|
"epoch": 0.4666666666666667,
|
|
"grad_norm": 0.49150869250297546,
|
|
"learning_rate": 5.432432432432433e-06,
|
|
"loss": 0.4836,
|
|
"step": 175
|
|
},
|
|
{
|
|
"epoch": 0.4693333333333333,
|
|
"grad_norm": 0.520788848400116,
|
|
"learning_rate": 5.405405405405406e-06,
|
|
"loss": 0.4527,
|
|
"step": 176
|
|
},
|
|
{
|
|
"epoch": 0.472,
|
|
"grad_norm": 0.5050814747810364,
|
|
"learning_rate": 5.378378378378378e-06,
|
|
"loss": 0.3905,
|
|
"step": 177
|
|
},
|
|
{
|
|
"epoch": 0.4746666666666667,
|
|
"grad_norm": 0.4042411148548126,
|
|
"learning_rate": 5.351351351351351e-06,
|
|
"loss": 0.274,
|
|
"step": 178
|
|
},
|
|
{
|
|
"epoch": 0.47733333333333333,
|
|
"grad_norm": 0.5110450387001038,
|
|
"learning_rate": 5.324324324324324e-06,
|
|
"loss": 0.4173,
|
|
"step": 179
|
|
},
|
|
{
|
|
"epoch": 0.48,
|
|
"grad_norm": 0.4067918062210083,
|
|
"learning_rate": 5.297297297297298e-06,
|
|
"loss": 0.2556,
|
|
"step": 180
|
|
},
|
|
{
|
|
"epoch": 0.4826666666666667,
|
|
"grad_norm": 0.4124318063259125,
|
|
"learning_rate": 5.2702702702702705e-06,
|
|
"loss": 0.333,
|
|
"step": 181
|
|
},
|
|
{
|
|
"epoch": 0.48533333333333334,
|
|
"grad_norm": 0.4160882234573364,
|
|
"learning_rate": 5.243243243243244e-06,
|
|
"loss": 0.2568,
|
|
"step": 182
|
|
},
|
|
{
|
|
"epoch": 0.488,
|
|
"grad_norm": 0.5489941835403442,
|
|
"learning_rate": 5.216216216216217e-06,
|
|
"loss": 0.3649,
|
|
"step": 183
|
|
},
|
|
{
|
|
"epoch": 0.49066666666666664,
|
|
"grad_norm": 0.624010443687439,
|
|
"learning_rate": 5.18918918918919e-06,
|
|
"loss": 0.3775,
|
|
"step": 184
|
|
},
|
|
{
|
|
"epoch": 0.49333333333333335,
|
|
"grad_norm": 0.44241300225257874,
|
|
"learning_rate": 5.162162162162162e-06,
|
|
"loss": 0.3229,
|
|
"step": 185
|
|
},
|
|
{
|
|
"epoch": 0.496,
|
|
"grad_norm": 0.4450100064277649,
|
|
"learning_rate": 5.135135135135135e-06,
|
|
"loss": 0.281,
|
|
"step": 186
|
|
},
|
|
{
|
|
"epoch": 0.49866666666666665,
|
|
"grad_norm": 0.4790625274181366,
|
|
"learning_rate": 5.108108108108108e-06,
|
|
"loss": 0.3933,
|
|
"step": 187
|
|
},
|
|
{
|
|
"epoch": 0.5013333333333333,
|
|
"grad_norm": 0.42226698994636536,
|
|
"learning_rate": 5.081081081081082e-06,
|
|
"loss": 0.2074,
|
|
"step": 188
|
|
},
|
|
{
|
|
"epoch": 0.504,
|
|
"grad_norm": 0.43042585253715515,
|
|
"learning_rate": 5.054054054054054e-06,
|
|
"loss": 0.2898,
|
|
"step": 189
|
|
},
|
|
{
|
|
"epoch": 0.5066666666666667,
|
|
"grad_norm": 0.4987890124320984,
|
|
"learning_rate": 5.027027027027027e-06,
|
|
"loss": 0.3473,
|
|
"step": 190
|
|
},
|
|
{
|
|
"epoch": 0.5093333333333333,
|
|
"grad_norm": 0.45124176144599915,
|
|
"learning_rate": 5e-06,
|
|
"loss": 0.303,
|
|
"step": 191
|
|
},
|
|
{
|
|
"epoch": 0.512,
|
|
"grad_norm": 0.5549386739730835,
|
|
"learning_rate": 4.9729729729729735e-06,
|
|
"loss": 0.3863,
|
|
"step": 192
|
|
},
|
|
{
|
|
"epoch": 0.5146666666666667,
|
|
"grad_norm": 0.357291579246521,
|
|
"learning_rate": 4.9459459459459466e-06,
|
|
"loss": 0.2277,
|
|
"step": 193
|
|
},
|
|
{
|
|
"epoch": 0.5173333333333333,
|
|
"grad_norm": 0.3708883821964264,
|
|
"learning_rate": 4.91891891891892e-06,
|
|
"loss": 0.2252,
|
|
"step": 194
|
|
},
|
|
{
|
|
"epoch": 0.52,
|
|
"grad_norm": 0.3381665050983429,
|
|
"learning_rate": 4.891891891891893e-06,
|
|
"loss": 0.2952,
|
|
"step": 195
|
|
},
|
|
{
|
|
"epoch": 0.5226666666666666,
|
|
"grad_norm": 0.35821533203125,
|
|
"learning_rate": 4.864864864864866e-06,
|
|
"loss": 0.246,
|
|
"step": 196
|
|
},
|
|
{
|
|
"epoch": 0.5253333333333333,
|
|
"grad_norm": 0.5593494772911072,
|
|
"learning_rate": 4.837837837837838e-06,
|
|
"loss": 0.3846,
|
|
"step": 197
|
|
},
|
|
{
|
|
"epoch": 0.528,
|
|
"grad_norm": 0.4588387906551361,
|
|
"learning_rate": 4.810810810810811e-06,
|
|
"loss": 0.3315,
|
|
"step": 198
|
|
},
|
|
{
|
|
"epoch": 0.5306666666666666,
|
|
"grad_norm": 0.5476751327514648,
|
|
"learning_rate": 4.783783783783784e-06,
|
|
"loss": 0.3418,
|
|
"step": 199
|
|
},
|
|
{
|
|
"epoch": 0.5333333333333333,
|
|
"grad_norm": 0.3631010055541992,
|
|
"learning_rate": 4.756756756756757e-06,
|
|
"loss": 0.2035,
|
|
"step": 200
|
|
},
|
|
{
|
|
"epoch": 0.536,
|
|
"grad_norm": 0.4675450623035431,
|
|
"learning_rate": 4.72972972972973e-06,
|
|
"loss": 0.3281,
|
|
"step": 201
|
|
},
|
|
{
|
|
"epoch": 0.5386666666666666,
|
|
"grad_norm": 0.3868272304534912,
|
|
"learning_rate": 4.702702702702703e-06,
|
|
"loss": 0.2855,
|
|
"step": 202
|
|
},
|
|
{
|
|
"epoch": 0.5413333333333333,
|
|
"grad_norm": 0.46159034967422485,
|
|
"learning_rate": 4.675675675675676e-06,
|
|
"loss": 0.3255,
|
|
"step": 203
|
|
},
|
|
{
|
|
"epoch": 0.544,
|
|
"grad_norm": 0.48612579703330994,
|
|
"learning_rate": 4.6486486486486495e-06,
|
|
"loss": 0.2817,
|
|
"step": 204
|
|
},
|
|
{
|
|
"epoch": 0.5466666666666666,
|
|
"grad_norm": 0.5091843605041504,
|
|
"learning_rate": 4.621621621621622e-06,
|
|
"loss": 0.3643,
|
|
"step": 205
|
|
},
|
|
{
|
|
"epoch": 0.5493333333333333,
|
|
"grad_norm": 0.37537509202957153,
|
|
"learning_rate": 4.594594594594596e-06,
|
|
"loss": 0.2982,
|
|
"step": 206
|
|
},
|
|
{
|
|
"epoch": 0.552,
|
|
"grad_norm": 0.42044174671173096,
|
|
"learning_rate": 4.567567567567568e-06,
|
|
"loss": 0.2814,
|
|
"step": 207
|
|
},
|
|
{
|
|
"epoch": 0.5546666666666666,
|
|
"grad_norm": 0.5997102856636047,
|
|
"learning_rate": 4.540540540540541e-06,
|
|
"loss": 0.3909,
|
|
"step": 208
|
|
},
|
|
{
|
|
"epoch": 0.5573333333333333,
|
|
"grad_norm": 0.42363372445106506,
|
|
"learning_rate": 4.513513513513514e-06,
|
|
"loss": 0.399,
|
|
"step": 209
|
|
},
|
|
{
|
|
"epoch": 0.56,
|
|
"grad_norm": 0.36797231435775757,
|
|
"learning_rate": 4.486486486486487e-06,
|
|
"loss": 0.2496,
|
|
"step": 210
|
|
},
|
|
{
|
|
"epoch": 0.5626666666666666,
|
|
"grad_norm": 0.40641191601753235,
|
|
"learning_rate": 4.45945945945946e-06,
|
|
"loss": 0.265,
|
|
"step": 211
|
|
},
|
|
{
|
|
"epoch": 0.5653333333333334,
|
|
"grad_norm": 0.48951587080955505,
|
|
"learning_rate": 4.432432432432433e-06,
|
|
"loss": 0.2476,
|
|
"step": 212
|
|
},
|
|
{
|
|
"epoch": 0.568,
|
|
"grad_norm": 0.6014118790626526,
|
|
"learning_rate": 4.4054054054054054e-06,
|
|
"loss": 0.4273,
|
|
"step": 213
|
|
},
|
|
{
|
|
"epoch": 0.5706666666666667,
|
|
"grad_norm": 0.5232921838760376,
|
|
"learning_rate": 4.378378378378379e-06,
|
|
"loss": 0.3954,
|
|
"step": 214
|
|
},
|
|
{
|
|
"epoch": 0.5733333333333334,
|
|
"grad_norm": 0.539230227470398,
|
|
"learning_rate": 4.351351351351352e-06,
|
|
"loss": 0.3676,
|
|
"step": 215
|
|
},
|
|
{
|
|
"epoch": 0.576,
|
|
"grad_norm": 0.4092280864715576,
|
|
"learning_rate": 4.324324324324325e-06,
|
|
"loss": 0.2869,
|
|
"step": 216
|
|
},
|
|
{
|
|
"epoch": 0.5786666666666667,
|
|
"grad_norm": 0.4071662425994873,
|
|
"learning_rate": 4.297297297297298e-06,
|
|
"loss": 0.2414,
|
|
"step": 217
|
|
},
|
|
{
|
|
"epoch": 0.5813333333333334,
|
|
"grad_norm": 0.5018590092658997,
|
|
"learning_rate": 4.270270270270271e-06,
|
|
"loss": 0.3955,
|
|
"step": 218
|
|
},
|
|
{
|
|
"epoch": 0.584,
|
|
"grad_norm": 0.3950646221637726,
|
|
"learning_rate": 4.243243243243244e-06,
|
|
"loss": 0.2181,
|
|
"step": 219
|
|
},
|
|
{
|
|
"epoch": 0.5866666666666667,
|
|
"grad_norm": 0.48712849617004395,
|
|
"learning_rate": 4.216216216216217e-06,
|
|
"loss": 0.3835,
|
|
"step": 220
|
|
},
|
|
{
|
|
"epoch": 0.5893333333333334,
|
|
"grad_norm": 0.34519392251968384,
|
|
"learning_rate": 4.189189189189189e-06,
|
|
"loss": 0.2017,
|
|
"step": 221
|
|
},
|
|
{
|
|
"epoch": 0.592,
|
|
"grad_norm": 0.5089558959007263,
|
|
"learning_rate": 4.162162162162163e-06,
|
|
"loss": 0.2823,
|
|
"step": 222
|
|
},
|
|
{
|
|
"epoch": 0.5946666666666667,
|
|
"grad_norm": 0.4260096848011017,
|
|
"learning_rate": 4.135135135135135e-06,
|
|
"loss": 0.2843,
|
|
"step": 223
|
|
},
|
|
{
|
|
"epoch": 0.5973333333333334,
|
|
"grad_norm": 0.427946001291275,
|
|
"learning_rate": 4.108108108108108e-06,
|
|
"loss": 0.2124,
|
|
"step": 224
|
|
},
|
|
{
|
|
"epoch": 0.6,
|
|
"grad_norm": 0.3765500485897064,
|
|
"learning_rate": 4.0810810810810815e-06,
|
|
"loss": 0.2397,
|
|
"step": 225
|
|
},
|
|
{
|
|
"epoch": 0.6026666666666667,
|
|
"grad_norm": 0.3672383725643158,
|
|
"learning_rate": 4.0540540540540545e-06,
|
|
"loss": 0.2451,
|
|
"step": 226
|
|
},
|
|
{
|
|
"epoch": 0.6053333333333333,
|
|
"grad_norm": 0.4692712128162384,
|
|
"learning_rate": 4.027027027027028e-06,
|
|
"loss": 0.3091,
|
|
"step": 227
|
|
},
|
|
{
|
|
"epoch": 0.608,
|
|
"grad_norm": 0.5070006847381592,
|
|
"learning_rate": 4.000000000000001e-06,
|
|
"loss": 0.3694,
|
|
"step": 228
|
|
},
|
|
{
|
|
"epoch": 0.6106666666666667,
|
|
"grad_norm": 0.41620904207229614,
|
|
"learning_rate": 3.972972972972973e-06,
|
|
"loss": 0.2722,
|
|
"step": 229
|
|
},
|
|
{
|
|
"epoch": 0.6133333333333333,
|
|
"grad_norm": 0.32947486639022827,
|
|
"learning_rate": 3.945945945945947e-06,
|
|
"loss": 0.2032,
|
|
"step": 230
|
|
},
|
|
{
|
|
"epoch": 0.616,
|
|
"grad_norm": 0.38084009289741516,
|
|
"learning_rate": 3.918918918918919e-06,
|
|
"loss": 0.2814,
|
|
"step": 231
|
|
},
|
|
{
|
|
"epoch": 0.6186666666666667,
|
|
"grad_norm": 0.43067747354507446,
|
|
"learning_rate": 3.891891891891892e-06,
|
|
"loss": 0.2942,
|
|
"step": 232
|
|
},
|
|
{
|
|
"epoch": 0.6213333333333333,
|
|
"grad_norm": 0.4876849055290222,
|
|
"learning_rate": 3.864864864864865e-06,
|
|
"loss": 0.2566,
|
|
"step": 233
|
|
},
|
|
{
|
|
"epoch": 0.624,
|
|
"grad_norm": 0.5137290358543396,
|
|
"learning_rate": 3.837837837837838e-06,
|
|
"loss": 0.356,
|
|
"step": 234
|
|
},
|
|
{
|
|
"epoch": 0.6266666666666667,
|
|
"grad_norm": 0.45828258991241455,
|
|
"learning_rate": 3.810810810810811e-06,
|
|
"loss": 0.1983,
|
|
"step": 235
|
|
},
|
|
{
|
|
"epoch": 0.6293333333333333,
|
|
"grad_norm": 0.3828039765357971,
|
|
"learning_rate": 3.7837837837837844e-06,
|
|
"loss": 0.263,
|
|
"step": 236
|
|
},
|
|
{
|
|
"epoch": 0.632,
|
|
"grad_norm": 0.5509496927261353,
|
|
"learning_rate": 3.756756756756757e-06,
|
|
"loss": 0.3849,
|
|
"step": 237
|
|
},
|
|
{
|
|
"epoch": 0.6346666666666667,
|
|
"grad_norm": 0.50611811876297,
|
|
"learning_rate": 3.72972972972973e-06,
|
|
"loss": 0.2974,
|
|
"step": 238
|
|
},
|
|
{
|
|
"epoch": 0.6373333333333333,
|
|
"grad_norm": 0.3749435245990753,
|
|
"learning_rate": 3.7027027027027028e-06,
|
|
"loss": 0.2464,
|
|
"step": 239
|
|
},
|
|
{
|
|
"epoch": 0.64,
|
|
"grad_norm": 0.41893911361694336,
|
|
"learning_rate": 3.6756756756756763e-06,
|
|
"loss": 0.2622,
|
|
"step": 240
|
|
},
|
|
{
|
|
"epoch": 0.6426666666666667,
|
|
"grad_norm": 0.45201635360717773,
|
|
"learning_rate": 3.648648648648649e-06,
|
|
"loss": 0.2242,
|
|
"step": 241
|
|
},
|
|
{
|
|
"epoch": 0.6453333333333333,
|
|
"grad_norm": 0.44630396366119385,
|
|
"learning_rate": 3.621621621621622e-06,
|
|
"loss": 0.2978,
|
|
"step": 242
|
|
},
|
|
{
|
|
"epoch": 0.648,
|
|
"grad_norm": 0.3960230350494385,
|
|
"learning_rate": 3.5945945945945946e-06,
|
|
"loss": 0.2119,
|
|
"step": 243
|
|
},
|
|
{
|
|
"epoch": 0.6506666666666666,
|
|
"grad_norm": 0.38686075806617737,
|
|
"learning_rate": 3.567567567567568e-06,
|
|
"loss": 0.2656,
|
|
"step": 244
|
|
},
|
|
{
|
|
"epoch": 0.6533333333333333,
|
|
"grad_norm": 0.4885536730289459,
|
|
"learning_rate": 3.5405405405405408e-06,
|
|
"loss": 0.3056,
|
|
"step": 245
|
|
},
|
|
{
|
|
"epoch": 0.656,
|
|
"grad_norm": 0.5262811183929443,
|
|
"learning_rate": 3.513513513513514e-06,
|
|
"loss": 0.2703,
|
|
"step": 246
|
|
},
|
|
{
|
|
"epoch": 0.6586666666666666,
|
|
"grad_norm": 0.5308766961097717,
|
|
"learning_rate": 3.4864864864864865e-06,
|
|
"loss": 0.4469,
|
|
"step": 247
|
|
},
|
|
{
|
|
"epoch": 0.6613333333333333,
|
|
"grad_norm": 0.3671683967113495,
|
|
"learning_rate": 3.45945945945946e-06,
|
|
"loss": 0.2165,
|
|
"step": 248
|
|
},
|
|
{
|
|
"epoch": 0.664,
|
|
"grad_norm": 0.4055942893028259,
|
|
"learning_rate": 3.4324324324324326e-06,
|
|
"loss": 0.2584,
|
|
"step": 249
|
|
},
|
|
{
|
|
"epoch": 0.6666666666666666,
|
|
"grad_norm": 0.42368707060813904,
|
|
"learning_rate": 3.4054054054054057e-06,
|
|
"loss": 0.2888,
|
|
"step": 250
|
|
},
|
|
{
|
|
"epoch": 0.6693333333333333,
|
|
"grad_norm": 0.4174148142337799,
|
|
"learning_rate": 3.3783783783783788e-06,
|
|
"loss": 0.3156,
|
|
"step": 251
|
|
},
|
|
{
|
|
"epoch": 0.672,
|
|
"grad_norm": 0.506016194820404,
|
|
"learning_rate": 3.351351351351352e-06,
|
|
"loss": 0.3256,
|
|
"step": 252
|
|
},
|
|
{
|
|
"epoch": 0.6746666666666666,
|
|
"grad_norm": 0.42471712827682495,
|
|
"learning_rate": 3.3243243243243245e-06,
|
|
"loss": 0.3161,
|
|
"step": 253
|
|
},
|
|
{
|
|
"epoch": 0.6773333333333333,
|
|
"grad_norm": 0.42145025730133057,
|
|
"learning_rate": 3.2972972972972976e-06,
|
|
"loss": 0.2326,
|
|
"step": 254
|
|
},
|
|
{
|
|
"epoch": 0.68,
|
|
"grad_norm": 0.3874741494655609,
|
|
"learning_rate": 3.2702702702702706e-06,
|
|
"loss": 0.2228,
|
|
"step": 255
|
|
},
|
|
{
|
|
"epoch": 0.6826666666666666,
|
|
"grad_norm": 0.3875296711921692,
|
|
"learning_rate": 3.2432432432432437e-06,
|
|
"loss": 0.2332,
|
|
"step": 256
|
|
},
|
|
{
|
|
"epoch": 0.6853333333333333,
|
|
"grad_norm": 0.4095049798488617,
|
|
"learning_rate": 3.2162162162162164e-06,
|
|
"loss": 0.2694,
|
|
"step": 257
|
|
},
|
|
{
|
|
"epoch": 0.688,
|
|
"grad_norm": 0.4509768486022949,
|
|
"learning_rate": 3.1891891891891894e-06,
|
|
"loss": 0.2782,
|
|
"step": 258
|
|
},
|
|
{
|
|
"epoch": 0.6906666666666667,
|
|
"grad_norm": 0.47340330481529236,
|
|
"learning_rate": 3.1621621621621625e-06,
|
|
"loss": 0.3446,
|
|
"step": 259
|
|
},
|
|
{
|
|
"epoch": 0.6933333333333334,
|
|
"grad_norm": 0.5662267804145813,
|
|
"learning_rate": 3.1351351351351356e-06,
|
|
"loss": 0.3941,
|
|
"step": 260
|
|
},
|
|
{
|
|
"epoch": 0.696,
|
|
"grad_norm": 0.3661661446094513,
|
|
"learning_rate": 3.1081081081081082e-06,
|
|
"loss": 0.2477,
|
|
"step": 261
|
|
},
|
|
{
|
|
"epoch": 0.6986666666666667,
|
|
"grad_norm": 0.566046416759491,
|
|
"learning_rate": 3.0810810810810817e-06,
|
|
"loss": 0.3895,
|
|
"step": 262
|
|
},
|
|
{
|
|
"epoch": 0.7013333333333334,
|
|
"grad_norm": 0.37133803963661194,
|
|
"learning_rate": 3.0540540540540544e-06,
|
|
"loss": 0.2199,
|
|
"step": 263
|
|
},
|
|
{
|
|
"epoch": 0.704,
|
|
"grad_norm": 0.45702287554740906,
|
|
"learning_rate": 3.0270270270270274e-06,
|
|
"loss": 0.2691,
|
|
"step": 264
|
|
},
|
|
{
|
|
"epoch": 0.7066666666666667,
|
|
"grad_norm": 0.47001898288726807,
|
|
"learning_rate": 3e-06,
|
|
"loss": 0.2944,
|
|
"step": 265
|
|
},
|
|
{
|
|
"epoch": 0.7093333333333334,
|
|
"grad_norm": 0.6431396007537842,
|
|
"learning_rate": 2.9729729729729736e-06,
|
|
"loss": 0.4237,
|
|
"step": 266
|
|
},
|
|
{
|
|
"epoch": 0.712,
|
|
"grad_norm": 0.4352479577064514,
|
|
"learning_rate": 2.9459459459459462e-06,
|
|
"loss": 0.2574,
|
|
"step": 267
|
|
},
|
|
{
|
|
"epoch": 0.7146666666666667,
|
|
"grad_norm": 0.313499391078949,
|
|
"learning_rate": 2.9189189189189193e-06,
|
|
"loss": 0.196,
|
|
"step": 268
|
|
},
|
|
{
|
|
"epoch": 0.7173333333333334,
|
|
"grad_norm": 0.44726061820983887,
|
|
"learning_rate": 2.891891891891892e-06,
|
|
"loss": 0.3373,
|
|
"step": 269
|
|
},
|
|
{
|
|
"epoch": 0.72,
|
|
"grad_norm": 0.38435742259025574,
|
|
"learning_rate": 2.8648648648648654e-06,
|
|
"loss": 0.2457,
|
|
"step": 270
|
|
},
|
|
{
|
|
"epoch": 0.7226666666666667,
|
|
"grad_norm": 0.3455671966075897,
|
|
"learning_rate": 2.837837837837838e-06,
|
|
"loss": 0.1434,
|
|
"step": 271
|
|
},
|
|
{
|
|
"epoch": 0.7253333333333334,
|
|
"grad_norm": 0.5315711498260498,
|
|
"learning_rate": 2.810810810810811e-06,
|
|
"loss": 0.2482,
|
|
"step": 272
|
|
},
|
|
{
|
|
"epoch": 0.728,
|
|
"grad_norm": 0.3622141182422638,
|
|
"learning_rate": 2.783783783783784e-06,
|
|
"loss": 0.2439,
|
|
"step": 273
|
|
},
|
|
{
|
|
"epoch": 0.7306666666666667,
|
|
"grad_norm": 0.3935296833515167,
|
|
"learning_rate": 2.7567567567567573e-06,
|
|
"loss": 0.2712,
|
|
"step": 274
|
|
},
|
|
{
|
|
"epoch": 0.7333333333333333,
|
|
"grad_norm": 0.4895603358745575,
|
|
"learning_rate": 2.72972972972973e-06,
|
|
"loss": 0.3551,
|
|
"step": 275
|
|
},
|
|
{
|
|
"epoch": 0.736,
|
|
"grad_norm": 0.6773534417152405,
|
|
"learning_rate": 2.702702702702703e-06,
|
|
"loss": 0.2787,
|
|
"step": 276
|
|
},
|
|
{
|
|
"epoch": 0.7386666666666667,
|
|
"grad_norm": 0.44226688146591187,
|
|
"learning_rate": 2.6756756756756757e-06,
|
|
"loss": 0.2888,
|
|
"step": 277
|
|
},
|
|
{
|
|
"epoch": 0.7413333333333333,
|
|
"grad_norm": 0.427401065826416,
|
|
"learning_rate": 2.648648648648649e-06,
|
|
"loss": 0.2432,
|
|
"step": 278
|
|
},
|
|
{
|
|
"epoch": 0.744,
|
|
"grad_norm": 0.5866873860359192,
|
|
"learning_rate": 2.621621621621622e-06,
|
|
"loss": 0.3865,
|
|
"step": 279
|
|
},
|
|
{
|
|
"epoch": 0.7466666666666667,
|
|
"grad_norm": 0.5404907464981079,
|
|
"learning_rate": 2.594594594594595e-06,
|
|
"loss": 0.3311,
|
|
"step": 280
|
|
},
|
|
{
|
|
"epoch": 0.7493333333333333,
|
|
"grad_norm": 0.38595467805862427,
|
|
"learning_rate": 2.5675675675675675e-06,
|
|
"loss": 0.2453,
|
|
"step": 281
|
|
},
|
|
{
|
|
"epoch": 0.752,
|
|
"grad_norm": 0.46773964166641235,
|
|
"learning_rate": 2.540540540540541e-06,
|
|
"loss": 0.2406,
|
|
"step": 282
|
|
},
|
|
{
|
|
"epoch": 0.7546666666666667,
|
|
"grad_norm": 0.5256203413009644,
|
|
"learning_rate": 2.5135135135135137e-06,
|
|
"loss": 0.36,
|
|
"step": 283
|
|
},
|
|
{
|
|
"epoch": 0.7573333333333333,
|
|
"grad_norm": 0.3796426057815552,
|
|
"learning_rate": 2.4864864864864867e-06,
|
|
"loss": 0.2054,
|
|
"step": 284
|
|
},
|
|
{
|
|
"epoch": 0.76,
|
|
"grad_norm": 0.39189407229423523,
|
|
"learning_rate": 2.45945945945946e-06,
|
|
"loss": 0.201,
|
|
"step": 285
|
|
},
|
|
{
|
|
"epoch": 0.7626666666666667,
|
|
"grad_norm": 0.39678123593330383,
|
|
"learning_rate": 2.432432432432433e-06,
|
|
"loss": 0.2489,
|
|
"step": 286
|
|
},
|
|
{
|
|
"epoch": 0.7653333333333333,
|
|
"grad_norm": 0.4643076956272125,
|
|
"learning_rate": 2.4054054054054055e-06,
|
|
"loss": 0.2522,
|
|
"step": 287
|
|
},
|
|
{
|
|
"epoch": 0.768,
|
|
"grad_norm": 0.571408748626709,
|
|
"learning_rate": 2.3783783783783786e-06,
|
|
"loss": 0.3054,
|
|
"step": 288
|
|
},
|
|
{
|
|
"epoch": 0.7706666666666667,
|
|
"grad_norm": 0.4390740692615509,
|
|
"learning_rate": 2.3513513513513517e-06,
|
|
"loss": 0.2511,
|
|
"step": 289
|
|
},
|
|
{
|
|
"epoch": 0.7733333333333333,
|
|
"grad_norm": 0.5378425717353821,
|
|
"learning_rate": 2.3243243243243247e-06,
|
|
"loss": 0.3528,
|
|
"step": 290
|
|
},
|
|
{
|
|
"epoch": 0.776,
|
|
"grad_norm": 0.47154948115348816,
|
|
"learning_rate": 2.297297297297298e-06,
|
|
"loss": 0.324,
|
|
"step": 291
|
|
},
|
|
{
|
|
"epoch": 0.7786666666666666,
|
|
"grad_norm": 0.5682545900344849,
|
|
"learning_rate": 2.2702702702702705e-06,
|
|
"loss": 0.3919,
|
|
"step": 292
|
|
},
|
|
{
|
|
"epoch": 0.7813333333333333,
|
|
"grad_norm": 0.5069698095321655,
|
|
"learning_rate": 2.2432432432432435e-06,
|
|
"loss": 0.2963,
|
|
"step": 293
|
|
},
|
|
{
|
|
"epoch": 0.784,
|
|
"grad_norm": 0.43047553300857544,
|
|
"learning_rate": 2.2162162162162166e-06,
|
|
"loss": 0.2558,
|
|
"step": 294
|
|
},
|
|
{
|
|
"epoch": 0.7866666666666666,
|
|
"grad_norm": 0.5613406896591187,
|
|
"learning_rate": 2.1891891891891897e-06,
|
|
"loss": 0.3019,
|
|
"step": 295
|
|
},
|
|
{
|
|
"epoch": 0.7893333333333333,
|
|
"grad_norm": 0.5090610980987549,
|
|
"learning_rate": 2.1621621621621623e-06,
|
|
"loss": 0.2304,
|
|
"step": 296
|
|
},
|
|
{
|
|
"epoch": 0.792,
|
|
"grad_norm": 0.38115331530570984,
|
|
"learning_rate": 2.1351351351351354e-06,
|
|
"loss": 0.2005,
|
|
"step": 297
|
|
},
|
|
{
|
|
"epoch": 0.7946666666666666,
|
|
"grad_norm": 0.5936933159828186,
|
|
"learning_rate": 2.1081081081081085e-06,
|
|
"loss": 0.3786,
|
|
"step": 298
|
|
},
|
|
{
|
|
"epoch": 0.7973333333333333,
|
|
"grad_norm": 0.566135585308075,
|
|
"learning_rate": 2.0810810810810815e-06,
|
|
"loss": 0.3738,
|
|
"step": 299
|
|
},
|
|
{
|
|
"epoch": 0.8,
|
|
"grad_norm": 0.388485848903656,
|
|
"learning_rate": 2.054054054054054e-06,
|
|
"loss": 0.1641,
|
|
"step": 300
|
|
},
|
|
{
|
|
"epoch": 0.8026666666666666,
|
|
"grad_norm": 0.6119465231895447,
|
|
"learning_rate": 2.0270270270270273e-06,
|
|
"loss": 0.3993,
|
|
"step": 301
|
|
},
|
|
{
|
|
"epoch": 0.8053333333333333,
|
|
"grad_norm": 0.41989564895629883,
|
|
"learning_rate": 2.0000000000000003e-06,
|
|
"loss": 0.2823,
|
|
"step": 302
|
|
},
|
|
{
|
|
"epoch": 0.808,
|
|
"grad_norm": 0.547755241394043,
|
|
"learning_rate": 1.9729729729729734e-06,
|
|
"loss": 0.3736,
|
|
"step": 303
|
|
},
|
|
{
|
|
"epoch": 0.8106666666666666,
|
|
"grad_norm": 0.5802379846572876,
|
|
"learning_rate": 1.945945945945946e-06,
|
|
"loss": 0.3807,
|
|
"step": 304
|
|
},
|
|
{
|
|
"epoch": 0.8133333333333334,
|
|
"grad_norm": 0.41653281450271606,
|
|
"learning_rate": 1.918918918918919e-06,
|
|
"loss": 0.2468,
|
|
"step": 305
|
|
},
|
|
{
|
|
"epoch": 0.816,
|
|
"grad_norm": 0.5592951774597168,
|
|
"learning_rate": 1.8918918918918922e-06,
|
|
"loss": 0.3697,
|
|
"step": 306
|
|
},
|
|
{
|
|
"epoch": 0.8186666666666667,
|
|
"grad_norm": 0.43492400646209717,
|
|
"learning_rate": 1.864864864864865e-06,
|
|
"loss": 0.2256,
|
|
"step": 307
|
|
},
|
|
{
|
|
"epoch": 0.8213333333333334,
|
|
"grad_norm": 0.5357818007469177,
|
|
"learning_rate": 1.8378378378378381e-06,
|
|
"loss": 0.3042,
|
|
"step": 308
|
|
},
|
|
{
|
|
"epoch": 0.824,
|
|
"grad_norm": 0.4900844395160675,
|
|
"learning_rate": 1.810810810810811e-06,
|
|
"loss": 0.321,
|
|
"step": 309
|
|
},
|
|
{
|
|
"epoch": 0.8266666666666667,
|
|
"grad_norm": 0.366082102060318,
|
|
"learning_rate": 1.783783783783784e-06,
|
|
"loss": 0.2119,
|
|
"step": 310
|
|
},
|
|
{
|
|
"epoch": 0.8293333333333334,
|
|
"grad_norm": 0.4117748439311981,
|
|
"learning_rate": 1.756756756756757e-06,
|
|
"loss": 0.2989,
|
|
"step": 311
|
|
},
|
|
{
|
|
"epoch": 0.832,
|
|
"grad_norm": 0.5033308267593384,
|
|
"learning_rate": 1.72972972972973e-06,
|
|
"loss": 0.2976,
|
|
"step": 312
|
|
},
|
|
{
|
|
"epoch": 0.8346666666666667,
|
|
"grad_norm": 0.4673337936401367,
|
|
"learning_rate": 1.7027027027027028e-06,
|
|
"loss": 0.3665,
|
|
"step": 313
|
|
},
|
|
{
|
|
"epoch": 0.8373333333333334,
|
|
"grad_norm": 0.48086079955101013,
|
|
"learning_rate": 1.675675675675676e-06,
|
|
"loss": 0.2596,
|
|
"step": 314
|
|
},
|
|
{
|
|
"epoch": 0.84,
|
|
"grad_norm": 0.43568044900894165,
|
|
"learning_rate": 1.6486486486486488e-06,
|
|
"loss": 0.2972,
|
|
"step": 315
|
|
},
|
|
{
|
|
"epoch": 0.8426666666666667,
|
|
"grad_norm": 0.45780399441719055,
|
|
"learning_rate": 1.6216216216216219e-06,
|
|
"loss": 0.2763,
|
|
"step": 316
|
|
},
|
|
{
|
|
"epoch": 0.8453333333333334,
|
|
"grad_norm": 0.36096346378326416,
|
|
"learning_rate": 1.5945945945945947e-06,
|
|
"loss": 0.228,
|
|
"step": 317
|
|
},
|
|
{
|
|
"epoch": 0.848,
|
|
"grad_norm": 0.4966190457344055,
|
|
"learning_rate": 1.5675675675675678e-06,
|
|
"loss": 0.2526,
|
|
"step": 318
|
|
},
|
|
{
|
|
"epoch": 0.8506666666666667,
|
|
"grad_norm": 0.45996227860450745,
|
|
"learning_rate": 1.5405405405405409e-06,
|
|
"loss": 0.2539,
|
|
"step": 319
|
|
},
|
|
{
|
|
"epoch": 0.8533333333333334,
|
|
"grad_norm": 0.4744621813297272,
|
|
"learning_rate": 1.5135135135135137e-06,
|
|
"loss": 0.2986,
|
|
"step": 320
|
|
},
|
|
{
|
|
"epoch": 0.856,
|
|
"grad_norm": 0.4422087073326111,
|
|
"learning_rate": 1.4864864864864868e-06,
|
|
"loss": 0.3197,
|
|
"step": 321
|
|
},
|
|
{
|
|
"epoch": 0.8586666666666667,
|
|
"grad_norm": 0.41181087493896484,
|
|
"learning_rate": 1.4594594594594596e-06,
|
|
"loss": 0.208,
|
|
"step": 322
|
|
},
|
|
{
|
|
"epoch": 0.8613333333333333,
|
|
"grad_norm": 0.4690793752670288,
|
|
"learning_rate": 1.4324324324324327e-06,
|
|
"loss": 0.2736,
|
|
"step": 323
|
|
},
|
|
{
|
|
"epoch": 0.864,
|
|
"grad_norm": 0.4210243225097656,
|
|
"learning_rate": 1.4054054054054056e-06,
|
|
"loss": 0.2512,
|
|
"step": 324
|
|
},
|
|
{
|
|
"epoch": 0.8666666666666667,
|
|
"grad_norm": 0.3980235457420349,
|
|
"learning_rate": 1.3783783783783786e-06,
|
|
"loss": 0.2101,
|
|
"step": 325
|
|
},
|
|
{
|
|
"epoch": 0.8693333333333333,
|
|
"grad_norm": 0.5300015807151794,
|
|
"learning_rate": 1.3513513513513515e-06,
|
|
"loss": 0.2992,
|
|
"step": 326
|
|
},
|
|
{
|
|
"epoch": 0.872,
|
|
"grad_norm": 0.4631240963935852,
|
|
"learning_rate": 1.3243243243243246e-06,
|
|
"loss": 0.221,
|
|
"step": 327
|
|
},
|
|
{
|
|
"epoch": 0.8746666666666667,
|
|
"grad_norm": 0.513666033744812,
|
|
"learning_rate": 1.2972972972972974e-06,
|
|
"loss": 0.3208,
|
|
"step": 328
|
|
},
|
|
{
|
|
"epoch": 0.8773333333333333,
|
|
"grad_norm": 0.43642401695251465,
|
|
"learning_rate": 1.2702702702702705e-06,
|
|
"loss": 0.2899,
|
|
"step": 329
|
|
},
|
|
{
|
|
"epoch": 0.88,
|
|
"grad_norm": 0.504914402961731,
|
|
"learning_rate": 1.2432432432432434e-06,
|
|
"loss": 0.3071,
|
|
"step": 330
|
|
},
|
|
{
|
|
"epoch": 0.8826666666666667,
|
|
"grad_norm": 0.4232388734817505,
|
|
"learning_rate": 1.2162162162162164e-06,
|
|
"loss": 0.2851,
|
|
"step": 331
|
|
},
|
|
{
|
|
"epoch": 0.8853333333333333,
|
|
"grad_norm": 0.5086207985877991,
|
|
"learning_rate": 1.1891891891891893e-06,
|
|
"loss": 0.2945,
|
|
"step": 332
|
|
},
|
|
{
|
|
"epoch": 0.888,
|
|
"grad_norm": 0.5498064756393433,
|
|
"learning_rate": 1.1621621621621624e-06,
|
|
"loss": 0.4189,
|
|
"step": 333
|
|
},
|
|
{
|
|
"epoch": 0.8906666666666667,
|
|
"grad_norm": 0.43655911087989807,
|
|
"learning_rate": 1.1351351351351352e-06,
|
|
"loss": 0.2504,
|
|
"step": 334
|
|
},
|
|
{
|
|
"epoch": 0.8933333333333333,
|
|
"grad_norm": 0.39757317304611206,
|
|
"learning_rate": 1.1081081081081083e-06,
|
|
"loss": 0.2433,
|
|
"step": 335
|
|
},
|
|
{
|
|
"epoch": 0.896,
|
|
"grad_norm": 0.4431225061416626,
|
|
"learning_rate": 1.0810810810810812e-06,
|
|
"loss": 0.2172,
|
|
"step": 336
|
|
},
|
|
{
|
|
"epoch": 0.8986666666666666,
|
|
"grad_norm": 0.5447039008140564,
|
|
"learning_rate": 1.0540540540540542e-06,
|
|
"loss": 0.3268,
|
|
"step": 337
|
|
},
|
|
{
|
|
"epoch": 0.9013333333333333,
|
|
"grad_norm": 0.4444206655025482,
|
|
"learning_rate": 1.027027027027027e-06,
|
|
"loss": 0.2451,
|
|
"step": 338
|
|
},
|
|
{
|
|
"epoch": 0.904,
|
|
"grad_norm": 0.26622259616851807,
|
|
"learning_rate": 1.0000000000000002e-06,
|
|
"loss": 0.1006,
|
|
"step": 339
|
|
},
|
|
{
|
|
"epoch": 0.9066666666666666,
|
|
"grad_norm": 0.4297475814819336,
|
|
"learning_rate": 9.72972972972973e-07,
|
|
"loss": 0.2914,
|
|
"step": 340
|
|
},
|
|
{
|
|
"epoch": 0.9093333333333333,
|
|
"grad_norm": 0.5093234181404114,
|
|
"learning_rate": 9.459459459459461e-07,
|
|
"loss": 0.3136,
|
|
"step": 341
|
|
},
|
|
{
|
|
"epoch": 0.912,
|
|
"grad_norm": 0.4732479751110077,
|
|
"learning_rate": 9.189189189189191e-07,
|
|
"loss": 0.2962,
|
|
"step": 342
|
|
},
|
|
{
|
|
"epoch": 0.9146666666666666,
|
|
"grad_norm": 0.4476962685585022,
|
|
"learning_rate": 8.91891891891892e-07,
|
|
"loss": 0.28,
|
|
"step": 343
|
|
},
|
|
{
|
|
"epoch": 0.9173333333333333,
|
|
"grad_norm": 0.637126088142395,
|
|
"learning_rate": 8.64864864864865e-07,
|
|
"loss": 0.5,
|
|
"step": 344
|
|
},
|
|
{
|
|
"epoch": 0.92,
|
|
"grad_norm": 0.41362759470939636,
|
|
"learning_rate": 8.37837837837838e-07,
|
|
"loss": 0.286,
|
|
"step": 345
|
|
},
|
|
{
|
|
"epoch": 0.9226666666666666,
|
|
"grad_norm": 0.5862396955490112,
|
|
"learning_rate": 8.108108108108109e-07,
|
|
"loss": 0.3838,
|
|
"step": 346
|
|
},
|
|
{
|
|
"epoch": 0.9253333333333333,
|
|
"grad_norm": 0.45571380853652954,
|
|
"learning_rate": 7.837837837837839e-07,
|
|
"loss": 0.215,
|
|
"step": 347
|
|
},
|
|
{
|
|
"epoch": 0.928,
|
|
"grad_norm": 0.5040434002876282,
|
|
"learning_rate": 7.567567567567569e-07,
|
|
"loss": 0.3352,
|
|
"step": 348
|
|
},
|
|
{
|
|
"epoch": 0.9306666666666666,
|
|
"grad_norm": 0.5519915223121643,
|
|
"learning_rate": 7.297297297297298e-07,
|
|
"loss": 0.3697,
|
|
"step": 349
|
|
},
|
|
{
|
|
"epoch": 0.9333333333333333,
|
|
"grad_norm": 0.5320313572883606,
|
|
"learning_rate": 7.027027027027028e-07,
|
|
"loss": 0.3476,
|
|
"step": 350
|
|
},
|
|
{
|
|
"epoch": 0.936,
|
|
"grad_norm": 0.6260681748390198,
|
|
"learning_rate": 6.756756756756758e-07,
|
|
"loss": 0.3797,
|
|
"step": 351
|
|
},
|
|
{
|
|
"epoch": 0.9386666666666666,
|
|
"grad_norm": 0.5527480840682983,
|
|
"learning_rate": 6.486486486486487e-07,
|
|
"loss": 0.3344,
|
|
"step": 352
|
|
},
|
|
{
|
|
"epoch": 0.9413333333333334,
|
|
"grad_norm": 0.3606107532978058,
|
|
"learning_rate": 6.216216216216217e-07,
|
|
"loss": 0.1915,
|
|
"step": 353
|
|
},
|
|
{
|
|
"epoch": 0.944,
|
|
"grad_norm": 0.5829835534095764,
|
|
"learning_rate": 5.945945945945947e-07,
|
|
"loss": 0.4472,
|
|
"step": 354
|
|
},
|
|
{
|
|
"epoch": 0.9466666666666667,
|
|
"grad_norm": 0.5230674147605896,
|
|
"learning_rate": 5.675675675675676e-07,
|
|
"loss": 0.3616,
|
|
"step": 355
|
|
},
|
|
{
|
|
"epoch": 0.9493333333333334,
|
|
"grad_norm": 0.3887122869491577,
|
|
"learning_rate": 5.405405405405406e-07,
|
|
"loss": 0.2265,
|
|
"step": 356
|
|
},
|
|
{
|
|
"epoch": 0.952,
|
|
"grad_norm": 0.5036852359771729,
|
|
"learning_rate": 5.135135135135135e-07,
|
|
"loss": 0.347,
|
|
"step": 357
|
|
},
|
|
{
|
|
"epoch": 0.9546666666666667,
|
|
"grad_norm": 0.3982228934764862,
|
|
"learning_rate": 4.864864864864865e-07,
|
|
"loss": 0.2099,
|
|
"step": 358
|
|
},
|
|
{
|
|
"epoch": 0.9573333333333334,
|
|
"grad_norm": 0.4702908396720886,
|
|
"learning_rate": 4.5945945945945953e-07,
|
|
"loss": 0.2729,
|
|
"step": 359
|
|
},
|
|
{
|
|
"epoch": 0.96,
|
|
"grad_norm": 0.6144028306007385,
|
|
"learning_rate": 4.324324324324325e-07,
|
|
"loss": 0.4048,
|
|
"step": 360
|
|
},
|
|
{
|
|
"epoch": 0.9626666666666667,
|
|
"grad_norm": 0.5187283754348755,
|
|
"learning_rate": 4.0540540540540546e-07,
|
|
"loss": 0.2696,
|
|
"step": 361
|
|
},
|
|
{
|
|
"epoch": 0.9653333333333334,
|
|
"grad_norm": 0.43464431166648865,
|
|
"learning_rate": 3.7837837837837843e-07,
|
|
"loss": 0.2053,
|
|
"step": 362
|
|
},
|
|
{
|
|
"epoch": 0.968,
|
|
"grad_norm": 0.49812421202659607,
|
|
"learning_rate": 3.513513513513514e-07,
|
|
"loss": 0.3089,
|
|
"step": 363
|
|
},
|
|
{
|
|
"epoch": 0.9706666666666667,
|
|
"grad_norm": 0.5397554636001587,
|
|
"learning_rate": 3.2432432432432436e-07,
|
|
"loss": 0.3859,
|
|
"step": 364
|
|
},
|
|
{
|
|
"epoch": 0.9733333333333334,
|
|
"grad_norm": 0.4724946916103363,
|
|
"learning_rate": 2.972972972972973e-07,
|
|
"loss": 0.2874,
|
|
"step": 365
|
|
},
|
|
{
|
|
"epoch": 0.976,
|
|
"grad_norm": 0.5818655490875244,
|
|
"learning_rate": 2.702702702702703e-07,
|
|
"loss": 0.4399,
|
|
"step": 366
|
|
},
|
|
{
|
|
"epoch": 0.9786666666666667,
|
|
"grad_norm": 0.5935583710670471,
|
|
"learning_rate": 2.4324324324324326e-07,
|
|
"loss": 0.4302,
|
|
"step": 367
|
|
},
|
|
{
|
|
"epoch": 0.9813333333333333,
|
|
"grad_norm": 0.536102294921875,
|
|
"learning_rate": 2.1621621621621625e-07,
|
|
"loss": 0.3826,
|
|
"step": 368
|
|
},
|
|
{
|
|
"epoch": 0.984,
|
|
"grad_norm": 0.4600679874420166,
|
|
"learning_rate": 1.8918918918918921e-07,
|
|
"loss": 0.3471,
|
|
"step": 369
|
|
},
|
|
{
|
|
"epoch": 0.9866666666666667,
|
|
"grad_norm": 0.4678250551223755,
|
|
"learning_rate": 1.6216216216216218e-07,
|
|
"loss": 0.2481,
|
|
"step": 370
|
|
},
|
|
{
|
|
"epoch": 0.9893333333333333,
|
|
"grad_norm": 0.4194035232067108,
|
|
"learning_rate": 1.3513513513513515e-07,
|
|
"loss": 0.2459,
|
|
"step": 371
|
|
},
|
|
{
|
|
"epoch": 0.992,
|
|
"grad_norm": 0.41075399518013,
|
|
"learning_rate": 1.0810810810810812e-07,
|
|
"loss": 0.2608,
|
|
"step": 372
|
|
},
|
|
{
|
|
"epoch": 0.9946666666666667,
|
|
"grad_norm": 0.42655014991760254,
|
|
"learning_rate": 8.108108108108109e-08,
|
|
"loss": 0.2258,
|
|
"step": 373
|
|
},
|
|
{
|
|
"epoch": 0.9973333333333333,
|
|
"grad_norm": 0.5747841000556946,
|
|
"learning_rate": 5.405405405405406e-08,
|
|
"loss": 0.3235,
|
|
"step": 374
|
|
},
|
|
{
|
|
"epoch": 1.0,
|
|
"grad_norm": 0.5003219842910767,
|
|
"learning_rate": 2.702702702702703e-08,
|
|
"loss": 0.2557,
|
|
"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": 2.96176800070656e+16,
|
|
"train_batch_size": 2,
|
|
"trial_name": null,
|
|
"trial_params": null
|
|
}
|