2660 lines
62 KiB
JSON
2660 lines
62 KiB
JSON
{
|
|
"best_global_step": null,
|
|
"best_metric": null,
|
|
"best_model_checkpoint": null,
|
|
"epoch": 1.0,
|
|
"eval_steps": 500,
|
|
"global_step": 375,
|
|
"is_hyper_param_search": false,
|
|
"is_local_process_zero": true,
|
|
"is_world_process_zero": true,
|
|
"log_history": [
|
|
{
|
|
"epoch": 0.0026666666666666666,
|
|
"grad_norm": 2.253786563873291,
|
|
"learning_rate": 0.0,
|
|
"loss": 0.8134,
|
|
"step": 1
|
|
},
|
|
{
|
|
"epoch": 0.005333333333333333,
|
|
"grad_norm": 1.8433324098587036,
|
|
"learning_rate": 2e-07,
|
|
"loss": 0.5567,
|
|
"step": 2
|
|
},
|
|
{
|
|
"epoch": 0.008,
|
|
"grad_norm": 1.818230390548706,
|
|
"learning_rate": 4e-07,
|
|
"loss": 0.682,
|
|
"step": 3
|
|
},
|
|
{
|
|
"epoch": 0.010666666666666666,
|
|
"grad_norm": 2.0482234954833984,
|
|
"learning_rate": 6e-07,
|
|
"loss": 0.817,
|
|
"step": 4
|
|
},
|
|
{
|
|
"epoch": 0.013333333333333334,
|
|
"grad_norm": 2.0011134147644043,
|
|
"learning_rate": 8e-07,
|
|
"loss": 0.7545,
|
|
"step": 5
|
|
},
|
|
{
|
|
"epoch": 0.016,
|
|
"grad_norm": 1.7545825242996216,
|
|
"learning_rate": 1e-06,
|
|
"loss": 0.5824,
|
|
"step": 6
|
|
},
|
|
{
|
|
"epoch": 0.018666666666666668,
|
|
"grad_norm": 1.9651374816894531,
|
|
"learning_rate": 9.972972972972973e-07,
|
|
"loss": 0.8481,
|
|
"step": 7
|
|
},
|
|
{
|
|
"epoch": 0.021333333333333333,
|
|
"grad_norm": 2.0458366870880127,
|
|
"learning_rate": 9.945945945945945e-07,
|
|
"loss": 0.877,
|
|
"step": 8
|
|
},
|
|
{
|
|
"epoch": 0.024,
|
|
"grad_norm": 1.9313669204711914,
|
|
"learning_rate": 9.91891891891892e-07,
|
|
"loss": 0.6117,
|
|
"step": 9
|
|
},
|
|
{
|
|
"epoch": 0.02666666666666667,
|
|
"grad_norm": 1.875119686126709,
|
|
"learning_rate": 9.89189189189189e-07,
|
|
"loss": 0.5947,
|
|
"step": 10
|
|
},
|
|
{
|
|
"epoch": 0.029333333333333333,
|
|
"grad_norm": 2.2936532497406006,
|
|
"learning_rate": 9.864864864864865e-07,
|
|
"loss": 0.7378,
|
|
"step": 11
|
|
},
|
|
{
|
|
"epoch": 0.032,
|
|
"grad_norm": 1.760534405708313,
|
|
"learning_rate": 9.837837837837839e-07,
|
|
"loss": 0.4765,
|
|
"step": 12
|
|
},
|
|
{
|
|
"epoch": 0.034666666666666665,
|
|
"grad_norm": 1.6320120096206665,
|
|
"learning_rate": 9.81081081081081e-07,
|
|
"loss": 0.5467,
|
|
"step": 13
|
|
},
|
|
{
|
|
"epoch": 0.037333333333333336,
|
|
"grad_norm": 1.956421136856079,
|
|
"learning_rate": 9.783783783783782e-07,
|
|
"loss": 0.6853,
|
|
"step": 14
|
|
},
|
|
{
|
|
"epoch": 0.04,
|
|
"grad_norm": 1.663874626159668,
|
|
"learning_rate": 9.756756756756756e-07,
|
|
"loss": 0.4145,
|
|
"step": 15
|
|
},
|
|
{
|
|
"epoch": 0.042666666666666665,
|
|
"grad_norm": 1.872764229774475,
|
|
"learning_rate": 9.72972972972973e-07,
|
|
"loss": 0.6307,
|
|
"step": 16
|
|
},
|
|
{
|
|
"epoch": 0.04533333333333334,
|
|
"grad_norm": 2.3727903366088867,
|
|
"learning_rate": 9.702702702702702e-07,
|
|
"loss": 0.5653,
|
|
"step": 17
|
|
},
|
|
{
|
|
"epoch": 0.048,
|
|
"grad_norm": 1.74085533618927,
|
|
"learning_rate": 9.675675675675676e-07,
|
|
"loss": 0.72,
|
|
"step": 18
|
|
},
|
|
{
|
|
"epoch": 0.050666666666666665,
|
|
"grad_norm": 1.9789363145828247,
|
|
"learning_rate": 9.648648648648648e-07,
|
|
"loss": 0.8384,
|
|
"step": 19
|
|
},
|
|
{
|
|
"epoch": 0.05333333333333334,
|
|
"grad_norm": 1.9965147972106934,
|
|
"learning_rate": 9.621621621621622e-07,
|
|
"loss": 0.5982,
|
|
"step": 20
|
|
},
|
|
{
|
|
"epoch": 0.056,
|
|
"grad_norm": 2.1783690452575684,
|
|
"learning_rate": 9.594594594594594e-07,
|
|
"loss": 0.8063,
|
|
"step": 21
|
|
},
|
|
{
|
|
"epoch": 0.058666666666666666,
|
|
"grad_norm": 2.0352065563201904,
|
|
"learning_rate": 9.567567567567567e-07,
|
|
"loss": 0.7019,
|
|
"step": 22
|
|
},
|
|
{
|
|
"epoch": 0.06133333333333333,
|
|
"grad_norm": 2.116848945617676,
|
|
"learning_rate": 9.540540540540541e-07,
|
|
"loss": 0.6221,
|
|
"step": 23
|
|
},
|
|
{
|
|
"epoch": 0.064,
|
|
"grad_norm": 1.7491482496261597,
|
|
"learning_rate": 9.513513513513513e-07,
|
|
"loss": 0.7222,
|
|
"step": 24
|
|
},
|
|
{
|
|
"epoch": 0.06666666666666667,
|
|
"grad_norm": 1.9816516637802124,
|
|
"learning_rate": 9.486486486486486e-07,
|
|
"loss": 0.7323,
|
|
"step": 25
|
|
},
|
|
{
|
|
"epoch": 0.06933333333333333,
|
|
"grad_norm": 1.8350422382354736,
|
|
"learning_rate": 9.459459459459459e-07,
|
|
"loss": 0.7653,
|
|
"step": 26
|
|
},
|
|
{
|
|
"epoch": 0.072,
|
|
"grad_norm": 2.1028902530670166,
|
|
"learning_rate": 9.432432432432433e-07,
|
|
"loss": 0.7114,
|
|
"step": 27
|
|
},
|
|
{
|
|
"epoch": 0.07466666666666667,
|
|
"grad_norm": 2.175020456314087,
|
|
"learning_rate": 9.405405405405406e-07,
|
|
"loss": 0.8182,
|
|
"step": 28
|
|
},
|
|
{
|
|
"epoch": 0.07733333333333334,
|
|
"grad_norm": 1.9086525440216064,
|
|
"learning_rate": 9.378378378378377e-07,
|
|
"loss": 0.7036,
|
|
"step": 29
|
|
},
|
|
{
|
|
"epoch": 0.08,
|
|
"grad_norm": 2.0859341621398926,
|
|
"learning_rate": 9.351351351351351e-07,
|
|
"loss": 0.8559,
|
|
"step": 30
|
|
},
|
|
{
|
|
"epoch": 0.08266666666666667,
|
|
"grad_norm": 1.9223016500473022,
|
|
"learning_rate": 9.324324324324324e-07,
|
|
"loss": 0.5939,
|
|
"step": 31
|
|
},
|
|
{
|
|
"epoch": 0.08533333333333333,
|
|
"grad_norm": 1.6132493019104004,
|
|
"learning_rate": 9.297297297297297e-07,
|
|
"loss": 0.4817,
|
|
"step": 32
|
|
},
|
|
{
|
|
"epoch": 0.088,
|
|
"grad_norm": 2.1947293281555176,
|
|
"learning_rate": 9.27027027027027e-07,
|
|
"loss": 0.5615,
|
|
"step": 33
|
|
},
|
|
{
|
|
"epoch": 0.09066666666666667,
|
|
"grad_norm": 1.8130419254302979,
|
|
"learning_rate": 9.243243243243243e-07,
|
|
"loss": 0.5746,
|
|
"step": 34
|
|
},
|
|
{
|
|
"epoch": 0.09333333333333334,
|
|
"grad_norm": 1.7842158079147339,
|
|
"learning_rate": 9.216216216216216e-07,
|
|
"loss": 0.5155,
|
|
"step": 35
|
|
},
|
|
{
|
|
"epoch": 0.096,
|
|
"grad_norm": 1.7611404657363892,
|
|
"learning_rate": 9.18918918918919e-07,
|
|
"loss": 0.4897,
|
|
"step": 36
|
|
},
|
|
{
|
|
"epoch": 0.09866666666666667,
|
|
"grad_norm": 1.8128968477249146,
|
|
"learning_rate": 9.162162162162161e-07,
|
|
"loss": 0.5286,
|
|
"step": 37
|
|
},
|
|
{
|
|
"epoch": 0.10133333333333333,
|
|
"grad_norm": 2.1910207271575928,
|
|
"learning_rate": 9.135135135135134e-07,
|
|
"loss": 0.4754,
|
|
"step": 38
|
|
},
|
|
{
|
|
"epoch": 0.104,
|
|
"grad_norm": 1.9425172805786133,
|
|
"learning_rate": 9.108108108108108e-07,
|
|
"loss": 0.6928,
|
|
"step": 39
|
|
},
|
|
{
|
|
"epoch": 0.10666666666666667,
|
|
"grad_norm": 2.1211390495300293,
|
|
"learning_rate": 9.081081081081081e-07,
|
|
"loss": 0.5607,
|
|
"step": 40
|
|
},
|
|
{
|
|
"epoch": 0.10933333333333334,
|
|
"grad_norm": 2.0041418075561523,
|
|
"learning_rate": 9.054054054054053e-07,
|
|
"loss": 0.7097,
|
|
"step": 41
|
|
},
|
|
{
|
|
"epoch": 0.112,
|
|
"grad_norm": 2.2185869216918945,
|
|
"learning_rate": 9.027027027027027e-07,
|
|
"loss": 0.613,
|
|
"step": 42
|
|
},
|
|
{
|
|
"epoch": 0.11466666666666667,
|
|
"grad_norm": 2.094301223754883,
|
|
"learning_rate": 9e-07,
|
|
"loss": 0.5597,
|
|
"step": 43
|
|
},
|
|
{
|
|
"epoch": 0.11733333333333333,
|
|
"grad_norm": 1.8088946342468262,
|
|
"learning_rate": 8.972972972972974e-07,
|
|
"loss": 0.5009,
|
|
"step": 44
|
|
},
|
|
{
|
|
"epoch": 0.12,
|
|
"grad_norm": 1.9797145128250122,
|
|
"learning_rate": 8.945945945945945e-07,
|
|
"loss": 0.7335,
|
|
"step": 45
|
|
},
|
|
{
|
|
"epoch": 0.12266666666666666,
|
|
"grad_norm": 2.065721273422241,
|
|
"learning_rate": 8.918918918918918e-07,
|
|
"loss": 0.6129,
|
|
"step": 46
|
|
},
|
|
{
|
|
"epoch": 0.12533333333333332,
|
|
"grad_norm": 2.4832677841186523,
|
|
"learning_rate": 8.891891891891892e-07,
|
|
"loss": 0.7669,
|
|
"step": 47
|
|
},
|
|
{
|
|
"epoch": 0.128,
|
|
"grad_norm": 1.8813753128051758,
|
|
"learning_rate": 8.864864864864865e-07,
|
|
"loss": 0.6741,
|
|
"step": 48
|
|
},
|
|
{
|
|
"epoch": 0.13066666666666665,
|
|
"grad_norm": 2.100320339202881,
|
|
"learning_rate": 8.837837837837837e-07,
|
|
"loss": 0.8209,
|
|
"step": 49
|
|
},
|
|
{
|
|
"epoch": 0.13333333333333333,
|
|
"grad_norm": 2.3133175373077393,
|
|
"learning_rate": 8.810810810810811e-07,
|
|
"loss": 0.626,
|
|
"step": 50
|
|
},
|
|
{
|
|
"epoch": 0.136,
|
|
"grad_norm": 1.8347556591033936,
|
|
"learning_rate": 8.783783783783784e-07,
|
|
"loss": 0.467,
|
|
"step": 51
|
|
},
|
|
{
|
|
"epoch": 0.13866666666666666,
|
|
"grad_norm": 2.078876495361328,
|
|
"learning_rate": 8.756756756756756e-07,
|
|
"loss": 0.749,
|
|
"step": 52
|
|
},
|
|
{
|
|
"epoch": 0.14133333333333334,
|
|
"grad_norm": 2.150923728942871,
|
|
"learning_rate": 8.729729729729729e-07,
|
|
"loss": 0.6453,
|
|
"step": 53
|
|
},
|
|
{
|
|
"epoch": 0.144,
|
|
"grad_norm": 2.103679656982422,
|
|
"learning_rate": 8.702702702702702e-07,
|
|
"loss": 0.615,
|
|
"step": 54
|
|
},
|
|
{
|
|
"epoch": 0.14666666666666667,
|
|
"grad_norm": 2.2420365810394287,
|
|
"learning_rate": 8.675675675675675e-07,
|
|
"loss": 0.6739,
|
|
"step": 55
|
|
},
|
|
{
|
|
"epoch": 0.14933333333333335,
|
|
"grad_norm": 1.8961728811264038,
|
|
"learning_rate": 8.648648648648649e-07,
|
|
"loss": 0.6467,
|
|
"step": 56
|
|
},
|
|
{
|
|
"epoch": 0.152,
|
|
"grad_norm": 2.5479719638824463,
|
|
"learning_rate": 8.621621621621621e-07,
|
|
"loss": 0.9248,
|
|
"step": 57
|
|
},
|
|
{
|
|
"epoch": 0.15466666666666667,
|
|
"grad_norm": 2.4218523502349854,
|
|
"learning_rate": 8.594594594594595e-07,
|
|
"loss": 0.7071,
|
|
"step": 58
|
|
},
|
|
{
|
|
"epoch": 0.15733333333333333,
|
|
"grad_norm": 1.828897476196289,
|
|
"learning_rate": 8.567567567567567e-07,
|
|
"loss": 0.6155,
|
|
"step": 59
|
|
},
|
|
{
|
|
"epoch": 0.16,
|
|
"grad_norm": 1.5338975191116333,
|
|
"learning_rate": 8.54054054054054e-07,
|
|
"loss": 0.4423,
|
|
"step": 60
|
|
},
|
|
{
|
|
"epoch": 0.16266666666666665,
|
|
"grad_norm": 1.8406941890716553,
|
|
"learning_rate": 8.513513513513513e-07,
|
|
"loss": 0.546,
|
|
"step": 61
|
|
},
|
|
{
|
|
"epoch": 0.16533333333333333,
|
|
"grad_norm": 2.902667284011841,
|
|
"learning_rate": 8.486486486486486e-07,
|
|
"loss": 0.6791,
|
|
"step": 62
|
|
},
|
|
{
|
|
"epoch": 0.168,
|
|
"grad_norm": 2.4508512020111084,
|
|
"learning_rate": 8.459459459459459e-07,
|
|
"loss": 0.6104,
|
|
"step": 63
|
|
},
|
|
{
|
|
"epoch": 0.17066666666666666,
|
|
"grad_norm": 2.056077003479004,
|
|
"learning_rate": 8.432432432432433e-07,
|
|
"loss": 0.3947,
|
|
"step": 64
|
|
},
|
|
{
|
|
"epoch": 0.17333333333333334,
|
|
"grad_norm": 1.8679605722427368,
|
|
"learning_rate": 8.405405405405405e-07,
|
|
"loss": 0.5449,
|
|
"step": 65
|
|
},
|
|
{
|
|
"epoch": 0.176,
|
|
"grad_norm": 2.3259403705596924,
|
|
"learning_rate": 8.378378378378377e-07,
|
|
"loss": 0.7176,
|
|
"step": 66
|
|
},
|
|
{
|
|
"epoch": 0.17866666666666667,
|
|
"grad_norm": 2.319607734680176,
|
|
"learning_rate": 8.351351351351351e-07,
|
|
"loss": 0.531,
|
|
"step": 67
|
|
},
|
|
{
|
|
"epoch": 0.18133333333333335,
|
|
"grad_norm": 2.3428163528442383,
|
|
"learning_rate": 8.324324324324324e-07,
|
|
"loss": 0.6067,
|
|
"step": 68
|
|
},
|
|
{
|
|
"epoch": 0.184,
|
|
"grad_norm": 1.959344744682312,
|
|
"learning_rate": 8.297297297297296e-07,
|
|
"loss": 0.5047,
|
|
"step": 69
|
|
},
|
|
{
|
|
"epoch": 0.18666666666666668,
|
|
"grad_norm": 2.378897190093994,
|
|
"learning_rate": 8.27027027027027e-07,
|
|
"loss": 0.7204,
|
|
"step": 70
|
|
},
|
|
{
|
|
"epoch": 0.18933333333333333,
|
|
"grad_norm": 2.0580990314483643,
|
|
"learning_rate": 8.243243243243243e-07,
|
|
"loss": 0.4607,
|
|
"step": 71
|
|
},
|
|
{
|
|
"epoch": 0.192,
|
|
"grad_norm": 2.178239583969116,
|
|
"learning_rate": 8.216216216216217e-07,
|
|
"loss": 0.441,
|
|
"step": 72
|
|
},
|
|
{
|
|
"epoch": 0.19466666666666665,
|
|
"grad_norm": 2.004387617111206,
|
|
"learning_rate": 8.189189189189189e-07,
|
|
"loss": 0.4895,
|
|
"step": 73
|
|
},
|
|
{
|
|
"epoch": 0.19733333333333333,
|
|
"grad_norm": 1.9873883724212646,
|
|
"learning_rate": 8.162162162162161e-07,
|
|
"loss": 0.6324,
|
|
"step": 74
|
|
},
|
|
{
|
|
"epoch": 0.2,
|
|
"grad_norm": 1.81556236743927,
|
|
"learning_rate": 8.135135135135135e-07,
|
|
"loss": 0.5519,
|
|
"step": 75
|
|
},
|
|
{
|
|
"epoch": 0.20266666666666666,
|
|
"grad_norm": 2.837041139602661,
|
|
"learning_rate": 8.108108108108108e-07,
|
|
"loss": 0.5593,
|
|
"step": 76
|
|
},
|
|
{
|
|
"epoch": 0.20533333333333334,
|
|
"grad_norm": 1.9967249631881714,
|
|
"learning_rate": 8.08108108108108e-07,
|
|
"loss": 0.3823,
|
|
"step": 77
|
|
},
|
|
{
|
|
"epoch": 0.208,
|
|
"grad_norm": 2.208667516708374,
|
|
"learning_rate": 8.054054054054054e-07,
|
|
"loss": 0.6087,
|
|
"step": 78
|
|
},
|
|
{
|
|
"epoch": 0.21066666666666667,
|
|
"grad_norm": 1.9129750728607178,
|
|
"learning_rate": 8.027027027027027e-07,
|
|
"loss": 0.5421,
|
|
"step": 79
|
|
},
|
|
{
|
|
"epoch": 0.21333333333333335,
|
|
"grad_norm": 2.0996079444885254,
|
|
"learning_rate": 8e-07,
|
|
"loss": 0.556,
|
|
"step": 80
|
|
},
|
|
{
|
|
"epoch": 0.216,
|
|
"grad_norm": 2.2363996505737305,
|
|
"learning_rate": 7.972972972972972e-07,
|
|
"loss": 0.6343,
|
|
"step": 81
|
|
},
|
|
{
|
|
"epoch": 0.21866666666666668,
|
|
"grad_norm": 2.165588855743408,
|
|
"learning_rate": 7.945945945945945e-07,
|
|
"loss": 0.5875,
|
|
"step": 82
|
|
},
|
|
{
|
|
"epoch": 0.22133333333333333,
|
|
"grad_norm": 1.846017599105835,
|
|
"learning_rate": 7.918918918918918e-07,
|
|
"loss": 0.4867,
|
|
"step": 83
|
|
},
|
|
{
|
|
"epoch": 0.224,
|
|
"grad_norm": 2.0408456325531006,
|
|
"learning_rate": 7.891891891891892e-07,
|
|
"loss": 0.6309,
|
|
"step": 84
|
|
},
|
|
{
|
|
"epoch": 0.22666666666666666,
|
|
"grad_norm": 2.6790339946746826,
|
|
"learning_rate": 7.864864864864864e-07,
|
|
"loss": 0.6538,
|
|
"step": 85
|
|
},
|
|
{
|
|
"epoch": 0.22933333333333333,
|
|
"grad_norm": 2.3261375427246094,
|
|
"learning_rate": 7.837837837837838e-07,
|
|
"loss": 0.6992,
|
|
"step": 86
|
|
},
|
|
{
|
|
"epoch": 0.232,
|
|
"grad_norm": 1.7963099479675293,
|
|
"learning_rate": 7.810810810810811e-07,
|
|
"loss": 0.4594,
|
|
"step": 87
|
|
},
|
|
{
|
|
"epoch": 0.23466666666666666,
|
|
"grad_norm": 2.179187774658203,
|
|
"learning_rate": 7.783783783783784e-07,
|
|
"loss": 0.6212,
|
|
"step": 88
|
|
},
|
|
{
|
|
"epoch": 0.23733333333333334,
|
|
"grad_norm": 2.5638973712921143,
|
|
"learning_rate": 7.756756756756756e-07,
|
|
"loss": 0.8039,
|
|
"step": 89
|
|
},
|
|
{
|
|
"epoch": 0.24,
|
|
"grad_norm": 1.6876932382583618,
|
|
"learning_rate": 7.729729729729729e-07,
|
|
"loss": 0.5316,
|
|
"step": 90
|
|
},
|
|
{
|
|
"epoch": 0.24266666666666667,
|
|
"grad_norm": 1.797705888748169,
|
|
"learning_rate": 7.702702702702702e-07,
|
|
"loss": 0.4285,
|
|
"step": 91
|
|
},
|
|
{
|
|
"epoch": 0.24533333333333332,
|
|
"grad_norm": 1.8104960918426514,
|
|
"learning_rate": 7.675675675675676e-07,
|
|
"loss": 0.542,
|
|
"step": 92
|
|
},
|
|
{
|
|
"epoch": 0.248,
|
|
"grad_norm": 1.6989470720291138,
|
|
"learning_rate": 7.648648648648648e-07,
|
|
"loss": 0.6334,
|
|
"step": 93
|
|
},
|
|
{
|
|
"epoch": 0.25066666666666665,
|
|
"grad_norm": 1.4317340850830078,
|
|
"learning_rate": 7.621621621621621e-07,
|
|
"loss": 0.2996,
|
|
"step": 94
|
|
},
|
|
{
|
|
"epoch": 0.25333333333333335,
|
|
"grad_norm": 1.5104320049285889,
|
|
"learning_rate": 7.594594594594595e-07,
|
|
"loss": 0.4535,
|
|
"step": 95
|
|
},
|
|
{
|
|
"epoch": 0.256,
|
|
"grad_norm": 1.7593556642532349,
|
|
"learning_rate": 7.567567567567568e-07,
|
|
"loss": 0.6432,
|
|
"step": 96
|
|
},
|
|
{
|
|
"epoch": 0.25866666666666666,
|
|
"grad_norm": 1.9294754266738892,
|
|
"learning_rate": 7.540540540540539e-07,
|
|
"loss": 0.5644,
|
|
"step": 97
|
|
},
|
|
{
|
|
"epoch": 0.2613333333333333,
|
|
"grad_norm": 1.8109089136123657,
|
|
"learning_rate": 7.513513513513513e-07,
|
|
"loss": 0.4391,
|
|
"step": 98
|
|
},
|
|
{
|
|
"epoch": 0.264,
|
|
"grad_norm": 1.4340254068374634,
|
|
"learning_rate": 7.486486486486486e-07,
|
|
"loss": 0.3773,
|
|
"step": 99
|
|
},
|
|
{
|
|
"epoch": 0.26666666666666666,
|
|
"grad_norm": 1.5874600410461426,
|
|
"learning_rate": 7.45945945945946e-07,
|
|
"loss": 0.484,
|
|
"step": 100
|
|
},
|
|
{
|
|
"epoch": 0.2693333333333333,
|
|
"grad_norm": 1.5496642589569092,
|
|
"learning_rate": 7.432432432432432e-07,
|
|
"loss": 0.5404,
|
|
"step": 101
|
|
},
|
|
{
|
|
"epoch": 0.272,
|
|
"grad_norm": 1.706013560295105,
|
|
"learning_rate": 7.405405405405405e-07,
|
|
"loss": 0.4668,
|
|
"step": 102
|
|
},
|
|
{
|
|
"epoch": 0.27466666666666667,
|
|
"grad_norm": 1.97259521484375,
|
|
"learning_rate": 7.378378378378379e-07,
|
|
"loss": 0.5495,
|
|
"step": 103
|
|
},
|
|
{
|
|
"epoch": 0.2773333333333333,
|
|
"grad_norm": 1.540832281112671,
|
|
"learning_rate": 7.351351351351351e-07,
|
|
"loss": 0.5046,
|
|
"step": 104
|
|
},
|
|
{
|
|
"epoch": 0.28,
|
|
"grad_norm": 1.4337466955184937,
|
|
"learning_rate": 7.324324324324323e-07,
|
|
"loss": 0.3713,
|
|
"step": 105
|
|
},
|
|
{
|
|
"epoch": 0.2826666666666667,
|
|
"grad_norm": 1.4565117359161377,
|
|
"learning_rate": 7.297297297297297e-07,
|
|
"loss": 0.4272,
|
|
"step": 106
|
|
},
|
|
{
|
|
"epoch": 0.2853333333333333,
|
|
"grad_norm": 1.5397061109542847,
|
|
"learning_rate": 7.27027027027027e-07,
|
|
"loss": 0.4818,
|
|
"step": 107
|
|
},
|
|
{
|
|
"epoch": 0.288,
|
|
"grad_norm": 1.5478514432907104,
|
|
"learning_rate": 7.243243243243243e-07,
|
|
"loss": 0.4795,
|
|
"step": 108
|
|
},
|
|
{
|
|
"epoch": 0.2906666666666667,
|
|
"grad_norm": 2.3599469661712646,
|
|
"learning_rate": 7.216216216216216e-07,
|
|
"loss": 0.7988,
|
|
"step": 109
|
|
},
|
|
{
|
|
"epoch": 0.29333333333333333,
|
|
"grad_norm": 1.4477264881134033,
|
|
"learning_rate": 7.189189189189189e-07,
|
|
"loss": 0.4261,
|
|
"step": 110
|
|
},
|
|
{
|
|
"epoch": 0.296,
|
|
"grad_norm": 1.8590563535690308,
|
|
"learning_rate": 7.162162162162161e-07,
|
|
"loss": 0.4515,
|
|
"step": 111
|
|
},
|
|
{
|
|
"epoch": 0.2986666666666667,
|
|
"grad_norm": 1.6653921604156494,
|
|
"learning_rate": 7.135135135135135e-07,
|
|
"loss": 0.5497,
|
|
"step": 112
|
|
},
|
|
{
|
|
"epoch": 0.30133333333333334,
|
|
"grad_norm": 1.311042308807373,
|
|
"learning_rate": 7.108108108108107e-07,
|
|
"loss": 0.4296,
|
|
"step": 113
|
|
},
|
|
{
|
|
"epoch": 0.304,
|
|
"grad_norm": 1.539090871810913,
|
|
"learning_rate": 7.081081081081081e-07,
|
|
"loss": 0.4781,
|
|
"step": 114
|
|
},
|
|
{
|
|
"epoch": 0.30666666666666664,
|
|
"grad_norm": 1.2658865451812744,
|
|
"learning_rate": 7.054054054054054e-07,
|
|
"loss": 0.3687,
|
|
"step": 115
|
|
},
|
|
{
|
|
"epoch": 0.30933333333333335,
|
|
"grad_norm": 0.8185814023017883,
|
|
"learning_rate": 7.027027027027027e-07,
|
|
"loss": 0.2336,
|
|
"step": 116
|
|
},
|
|
{
|
|
"epoch": 0.312,
|
|
"grad_norm": 2.0053493976593018,
|
|
"learning_rate": 7e-07,
|
|
"loss": 0.5949,
|
|
"step": 117
|
|
},
|
|
{
|
|
"epoch": 0.31466666666666665,
|
|
"grad_norm": 1.6331663131713867,
|
|
"learning_rate": 6.972972972972973e-07,
|
|
"loss": 0.4879,
|
|
"step": 118
|
|
},
|
|
{
|
|
"epoch": 0.31733333333333336,
|
|
"grad_norm": 1.3366214036941528,
|
|
"learning_rate": 6.945945945945945e-07,
|
|
"loss": 0.3948,
|
|
"step": 119
|
|
},
|
|
{
|
|
"epoch": 0.32,
|
|
"grad_norm": 1.2611796855926514,
|
|
"learning_rate": 6.918918918918919e-07,
|
|
"loss": 0.4392,
|
|
"step": 120
|
|
},
|
|
{
|
|
"epoch": 0.32266666666666666,
|
|
"grad_norm": 1.8789823055267334,
|
|
"learning_rate": 6.891891891891891e-07,
|
|
"loss": 0.7468,
|
|
"step": 121
|
|
},
|
|
{
|
|
"epoch": 0.3253333333333333,
|
|
"grad_norm": 1.3365166187286377,
|
|
"learning_rate": 6.864864864864864e-07,
|
|
"loss": 0.4438,
|
|
"step": 122
|
|
},
|
|
{
|
|
"epoch": 0.328,
|
|
"grad_norm": 1.3540303707122803,
|
|
"learning_rate": 6.837837837837838e-07,
|
|
"loss": 0.4307,
|
|
"step": 123
|
|
},
|
|
{
|
|
"epoch": 0.33066666666666666,
|
|
"grad_norm": 1.4419574737548828,
|
|
"learning_rate": 6.810810810810811e-07,
|
|
"loss": 0.5077,
|
|
"step": 124
|
|
},
|
|
{
|
|
"epoch": 0.3333333333333333,
|
|
"grad_norm": 1.2884471416473389,
|
|
"learning_rate": 6.783783783783783e-07,
|
|
"loss": 0.4082,
|
|
"step": 125
|
|
},
|
|
{
|
|
"epoch": 0.336,
|
|
"grad_norm": 1.4956973791122437,
|
|
"learning_rate": 6.756756756756756e-07,
|
|
"loss": 0.4546,
|
|
"step": 126
|
|
},
|
|
{
|
|
"epoch": 0.33866666666666667,
|
|
"grad_norm": 1.7346057891845703,
|
|
"learning_rate": 6.729729729729729e-07,
|
|
"loss": 0.6185,
|
|
"step": 127
|
|
},
|
|
{
|
|
"epoch": 0.3413333333333333,
|
|
"grad_norm": 1.8612784147262573,
|
|
"learning_rate": 6.702702702702703e-07,
|
|
"loss": 0.6625,
|
|
"step": 128
|
|
},
|
|
{
|
|
"epoch": 0.344,
|
|
"grad_norm": 1.8239442110061646,
|
|
"learning_rate": 6.675675675675675e-07,
|
|
"loss": 0.574,
|
|
"step": 129
|
|
},
|
|
{
|
|
"epoch": 0.3466666666666667,
|
|
"grad_norm": 1.545620083808899,
|
|
"learning_rate": 6.648648648648648e-07,
|
|
"loss": 0.5272,
|
|
"step": 130
|
|
},
|
|
{
|
|
"epoch": 0.34933333333333333,
|
|
"grad_norm": 1.3006771802902222,
|
|
"learning_rate": 6.621621621621622e-07,
|
|
"loss": 0.4781,
|
|
"step": 131
|
|
},
|
|
{
|
|
"epoch": 0.352,
|
|
"grad_norm": 1.4955569505691528,
|
|
"learning_rate": 6.594594594594595e-07,
|
|
"loss": 0.4287,
|
|
"step": 132
|
|
},
|
|
{
|
|
"epoch": 0.3546666666666667,
|
|
"grad_norm": 1.2289931774139404,
|
|
"learning_rate": 6.567567567567566e-07,
|
|
"loss": 0.3611,
|
|
"step": 133
|
|
},
|
|
{
|
|
"epoch": 0.35733333333333334,
|
|
"grad_norm": 1.494611144065857,
|
|
"learning_rate": 6.54054054054054e-07,
|
|
"loss": 0.4975,
|
|
"step": 134
|
|
},
|
|
{
|
|
"epoch": 0.36,
|
|
"grad_norm": 1.3015767335891724,
|
|
"learning_rate": 6.513513513513513e-07,
|
|
"loss": 0.4437,
|
|
"step": 135
|
|
},
|
|
{
|
|
"epoch": 0.3626666666666667,
|
|
"grad_norm": 1.2646888494491577,
|
|
"learning_rate": 6.486486486486486e-07,
|
|
"loss": 0.4129,
|
|
"step": 136
|
|
},
|
|
{
|
|
"epoch": 0.36533333333333334,
|
|
"grad_norm": 1.7537323236465454,
|
|
"learning_rate": 6.459459459459459e-07,
|
|
"loss": 0.6416,
|
|
"step": 137
|
|
},
|
|
{
|
|
"epoch": 0.368,
|
|
"grad_norm": 1.6465312242507935,
|
|
"learning_rate": 6.432432432432432e-07,
|
|
"loss": 0.5617,
|
|
"step": 138
|
|
},
|
|
{
|
|
"epoch": 0.37066666666666664,
|
|
"grad_norm": 1.203570008277893,
|
|
"learning_rate": 6.405405405405405e-07,
|
|
"loss": 0.4026,
|
|
"step": 139
|
|
},
|
|
{
|
|
"epoch": 0.37333333333333335,
|
|
"grad_norm": 1.1826021671295166,
|
|
"learning_rate": 6.378378378378379e-07,
|
|
"loss": 0.4781,
|
|
"step": 140
|
|
},
|
|
{
|
|
"epoch": 0.376,
|
|
"grad_norm": 1.4086685180664062,
|
|
"learning_rate": 6.35135135135135e-07,
|
|
"loss": 0.5392,
|
|
"step": 141
|
|
},
|
|
{
|
|
"epoch": 0.37866666666666665,
|
|
"grad_norm": 1.2615045309066772,
|
|
"learning_rate": 6.324324324324324e-07,
|
|
"loss": 0.487,
|
|
"step": 142
|
|
},
|
|
{
|
|
"epoch": 0.38133333333333336,
|
|
"grad_norm": 1.3157422542572021,
|
|
"learning_rate": 6.297297297297297e-07,
|
|
"loss": 0.4104,
|
|
"step": 143
|
|
},
|
|
{
|
|
"epoch": 0.384,
|
|
"grad_norm": 1.2306140661239624,
|
|
"learning_rate": 6.27027027027027e-07,
|
|
"loss": 0.3869,
|
|
"step": 144
|
|
},
|
|
{
|
|
"epoch": 0.38666666666666666,
|
|
"grad_norm": 1.4220364093780518,
|
|
"learning_rate": 6.243243243243243e-07,
|
|
"loss": 0.5077,
|
|
"step": 145
|
|
},
|
|
{
|
|
"epoch": 0.3893333333333333,
|
|
"grad_norm": 0.9301974773406982,
|
|
"learning_rate": 6.216216216216216e-07,
|
|
"loss": 0.3059,
|
|
"step": 146
|
|
},
|
|
{
|
|
"epoch": 0.392,
|
|
"grad_norm": 0.9377389550209045,
|
|
"learning_rate": 6.189189189189189e-07,
|
|
"loss": 0.2471,
|
|
"step": 147
|
|
},
|
|
{
|
|
"epoch": 0.39466666666666667,
|
|
"grad_norm": 1.334303617477417,
|
|
"learning_rate": 6.162162162162163e-07,
|
|
"loss": 0.5286,
|
|
"step": 148
|
|
},
|
|
{
|
|
"epoch": 0.3973333333333333,
|
|
"grad_norm": 1.1691234111785889,
|
|
"learning_rate": 6.135135135135134e-07,
|
|
"loss": 0.4319,
|
|
"step": 149
|
|
},
|
|
{
|
|
"epoch": 0.4,
|
|
"grad_norm": 1.4052914381027222,
|
|
"learning_rate": 6.108108108108107e-07,
|
|
"loss": 0.541,
|
|
"step": 150
|
|
},
|
|
{
|
|
"epoch": 0.4026666666666667,
|
|
"grad_norm": 1.2909036874771118,
|
|
"learning_rate": 6.081081081081081e-07,
|
|
"loss": 0.3233,
|
|
"step": 151
|
|
},
|
|
{
|
|
"epoch": 0.4053333333333333,
|
|
"grad_norm": 1.0737419128417969,
|
|
"learning_rate": 6.054054054054054e-07,
|
|
"loss": 0.3642,
|
|
"step": 152
|
|
},
|
|
{
|
|
"epoch": 0.408,
|
|
"grad_norm": 0.8550916314125061,
|
|
"learning_rate": 6.027027027027026e-07,
|
|
"loss": 0.2949,
|
|
"step": 153
|
|
},
|
|
{
|
|
"epoch": 0.4106666666666667,
|
|
"grad_norm": 1.1212058067321777,
|
|
"learning_rate": 6e-07,
|
|
"loss": 0.4156,
|
|
"step": 154
|
|
},
|
|
{
|
|
"epoch": 0.41333333333333333,
|
|
"grad_norm": 1.1506679058074951,
|
|
"learning_rate": 5.972972972972973e-07,
|
|
"loss": 0.4569,
|
|
"step": 155
|
|
},
|
|
{
|
|
"epoch": 0.416,
|
|
"grad_norm": 1.4647326469421387,
|
|
"learning_rate": 5.945945945945947e-07,
|
|
"loss": 0.4987,
|
|
"step": 156
|
|
},
|
|
{
|
|
"epoch": 0.4186666666666667,
|
|
"grad_norm": 1.279818058013916,
|
|
"learning_rate": 5.918918918918918e-07,
|
|
"loss": 0.4441,
|
|
"step": 157
|
|
},
|
|
{
|
|
"epoch": 0.42133333333333334,
|
|
"grad_norm": 1.3977563381195068,
|
|
"learning_rate": 5.891891891891891e-07,
|
|
"loss": 0.5543,
|
|
"step": 158
|
|
},
|
|
{
|
|
"epoch": 0.424,
|
|
"grad_norm": 1.1690226793289185,
|
|
"learning_rate": 5.864864864864865e-07,
|
|
"loss": 0.4144,
|
|
"step": 159
|
|
},
|
|
{
|
|
"epoch": 0.4266666666666667,
|
|
"grad_norm": 1.7093863487243652,
|
|
"learning_rate": 5.837837837837838e-07,
|
|
"loss": 0.6042,
|
|
"step": 160
|
|
},
|
|
{
|
|
"epoch": 0.42933333333333334,
|
|
"grad_norm": 1.4793424606323242,
|
|
"learning_rate": 5.81081081081081e-07,
|
|
"loss": 0.5636,
|
|
"step": 161
|
|
},
|
|
{
|
|
"epoch": 0.432,
|
|
"grad_norm": 1.0046706199645996,
|
|
"learning_rate": 5.783783783783784e-07,
|
|
"loss": 0.3433,
|
|
"step": 162
|
|
},
|
|
{
|
|
"epoch": 0.43466666666666665,
|
|
"grad_norm": 1.3756449222564697,
|
|
"learning_rate": 5.756756756756757e-07,
|
|
"loss": 0.5556,
|
|
"step": 163
|
|
},
|
|
{
|
|
"epoch": 0.43733333333333335,
|
|
"grad_norm": 0.9757465124130249,
|
|
"learning_rate": 5.729729729729729e-07,
|
|
"loss": 0.3491,
|
|
"step": 164
|
|
},
|
|
{
|
|
"epoch": 0.44,
|
|
"grad_norm": 1.1423567533493042,
|
|
"learning_rate": 5.702702702702702e-07,
|
|
"loss": 0.4072,
|
|
"step": 165
|
|
},
|
|
{
|
|
"epoch": 0.44266666666666665,
|
|
"grad_norm": 1.0936309099197388,
|
|
"learning_rate": 5.675675675675675e-07,
|
|
"loss": 0.3791,
|
|
"step": 166
|
|
},
|
|
{
|
|
"epoch": 0.44533333333333336,
|
|
"grad_norm": 1.175644874572754,
|
|
"learning_rate": 5.648648648648648e-07,
|
|
"loss": 0.43,
|
|
"step": 167
|
|
},
|
|
{
|
|
"epoch": 0.448,
|
|
"grad_norm": 1.150463581085205,
|
|
"learning_rate": 5.621621621621622e-07,
|
|
"loss": 0.409,
|
|
"step": 168
|
|
},
|
|
{
|
|
"epoch": 0.45066666666666666,
|
|
"grad_norm": 1.2370574474334717,
|
|
"learning_rate": 5.594594594594594e-07,
|
|
"loss": 0.4651,
|
|
"step": 169
|
|
},
|
|
{
|
|
"epoch": 0.4533333333333333,
|
|
"grad_norm": 1.1536980867385864,
|
|
"learning_rate": 5.567567567567567e-07,
|
|
"loss": 0.3738,
|
|
"step": 170
|
|
},
|
|
{
|
|
"epoch": 0.456,
|
|
"grad_norm": 1.3847706317901611,
|
|
"learning_rate": 5.54054054054054e-07,
|
|
"loss": 0.5249,
|
|
"step": 171
|
|
},
|
|
{
|
|
"epoch": 0.45866666666666667,
|
|
"grad_norm": 0.9019777774810791,
|
|
"learning_rate": 5.513513513513513e-07,
|
|
"loss": 0.3463,
|
|
"step": 172
|
|
},
|
|
{
|
|
"epoch": 0.4613333333333333,
|
|
"grad_norm": 0.9076364636421204,
|
|
"learning_rate": 5.486486486486486e-07,
|
|
"loss": 0.2609,
|
|
"step": 173
|
|
},
|
|
{
|
|
"epoch": 0.464,
|
|
"grad_norm": 1.5744669437408447,
|
|
"learning_rate": 5.459459459459459e-07,
|
|
"loss": 0.5381,
|
|
"step": 174
|
|
},
|
|
{
|
|
"epoch": 0.4666666666666667,
|
|
"grad_norm": 1.3503422737121582,
|
|
"learning_rate": 5.432432432432432e-07,
|
|
"loss": 0.6104,
|
|
"step": 175
|
|
},
|
|
{
|
|
"epoch": 0.4693333333333333,
|
|
"grad_norm": 1.5107314586639404,
|
|
"learning_rate": 5.405405405405406e-07,
|
|
"loss": 0.5916,
|
|
"step": 176
|
|
},
|
|
{
|
|
"epoch": 0.472,
|
|
"grad_norm": 1.2773622274398804,
|
|
"learning_rate": 5.378378378378378e-07,
|
|
"loss": 0.5105,
|
|
"step": 177
|
|
},
|
|
{
|
|
"epoch": 0.4746666666666667,
|
|
"grad_norm": 0.9244632124900818,
|
|
"learning_rate": 5.35135135135135e-07,
|
|
"loss": 0.3525,
|
|
"step": 178
|
|
},
|
|
{
|
|
"epoch": 0.47733333333333333,
|
|
"grad_norm": 1.322843313217163,
|
|
"learning_rate": 5.324324324324324e-07,
|
|
"loss": 0.5085,
|
|
"step": 179
|
|
},
|
|
{
|
|
"epoch": 0.48,
|
|
"grad_norm": 1.1738835573196411,
|
|
"learning_rate": 5.297297297297297e-07,
|
|
"loss": 0.3646,
|
|
"step": 180
|
|
},
|
|
{
|
|
"epoch": 0.4826666666666667,
|
|
"grad_norm": 1.179969072341919,
|
|
"learning_rate": 5.270270270270269e-07,
|
|
"loss": 0.4356,
|
|
"step": 181
|
|
},
|
|
{
|
|
"epoch": 0.48533333333333334,
|
|
"grad_norm": 1.0532026290893555,
|
|
"learning_rate": 5.243243243243243e-07,
|
|
"loss": 0.3663,
|
|
"step": 182
|
|
},
|
|
{
|
|
"epoch": 0.488,
|
|
"grad_norm": 1.3742841482162476,
|
|
"learning_rate": 5.216216216216216e-07,
|
|
"loss": 0.4511,
|
|
"step": 183
|
|
},
|
|
{
|
|
"epoch": 0.49066666666666664,
|
|
"grad_norm": 1.4413959980010986,
|
|
"learning_rate": 5.18918918918919e-07,
|
|
"loss": 0.5302,
|
|
"step": 184
|
|
},
|
|
{
|
|
"epoch": 0.49333333333333335,
|
|
"grad_norm": 1.156670331954956,
|
|
"learning_rate": 5.162162162162162e-07,
|
|
"loss": 0.4298,
|
|
"step": 185
|
|
},
|
|
{
|
|
"epoch": 0.496,
|
|
"grad_norm": 1.1742545366287231,
|
|
"learning_rate": 5.135135135135134e-07,
|
|
"loss": 0.3971,
|
|
"step": 186
|
|
},
|
|
{
|
|
"epoch": 0.49866666666666665,
|
|
"grad_norm": 1.1826411485671997,
|
|
"learning_rate": 5.108108108108108e-07,
|
|
"loss": 0.5046,
|
|
"step": 187
|
|
},
|
|
{
|
|
"epoch": 0.5013333333333333,
|
|
"grad_norm": 0.9942877888679504,
|
|
"learning_rate": 5.081081081081081e-07,
|
|
"loss": 0.301,
|
|
"step": 188
|
|
},
|
|
{
|
|
"epoch": 0.504,
|
|
"grad_norm": 0.9208817481994629,
|
|
"learning_rate": 5.054054054054053e-07,
|
|
"loss": 0.3783,
|
|
"step": 189
|
|
},
|
|
{
|
|
"epoch": 0.5066666666666667,
|
|
"grad_norm": 1.2394083738327026,
|
|
"learning_rate": 5.027027027027027e-07,
|
|
"loss": 0.4803,
|
|
"step": 190
|
|
},
|
|
{
|
|
"epoch": 0.5093333333333333,
|
|
"grad_norm": 1.2524991035461426,
|
|
"learning_rate": 5e-07,
|
|
"loss": 0.4027,
|
|
"step": 191
|
|
},
|
|
{
|
|
"epoch": 0.512,
|
|
"grad_norm": 1.321346402168274,
|
|
"learning_rate": 4.972972972972973e-07,
|
|
"loss": 0.505,
|
|
"step": 192
|
|
},
|
|
{
|
|
"epoch": 0.5146666666666667,
|
|
"grad_norm": 0.8840896487236023,
|
|
"learning_rate": 4.945945945945945e-07,
|
|
"loss": 0.3044,
|
|
"step": 193
|
|
},
|
|
{
|
|
"epoch": 0.5173333333333333,
|
|
"grad_norm": 1.0007113218307495,
|
|
"learning_rate": 4.918918918918919e-07,
|
|
"loss": 0.3136,
|
|
"step": 194
|
|
},
|
|
{
|
|
"epoch": 0.52,
|
|
"grad_norm": 0.9972367882728577,
|
|
"learning_rate": 4.891891891891891e-07,
|
|
"loss": 0.393,
|
|
"step": 195
|
|
},
|
|
{
|
|
"epoch": 0.5226666666666666,
|
|
"grad_norm": 0.8923224210739136,
|
|
"learning_rate": 4.864864864864865e-07,
|
|
"loss": 0.3291,
|
|
"step": 196
|
|
},
|
|
{
|
|
"epoch": 0.5253333333333333,
|
|
"grad_norm": 1.3770756721496582,
|
|
"learning_rate": 4.837837837837838e-07,
|
|
"loss": 0.5031,
|
|
"step": 197
|
|
},
|
|
{
|
|
"epoch": 0.528,
|
|
"grad_norm": 1.2472306489944458,
|
|
"learning_rate": 4.810810810810811e-07,
|
|
"loss": 0.4518,
|
|
"step": 198
|
|
},
|
|
{
|
|
"epoch": 0.5306666666666666,
|
|
"grad_norm": 1.190555214881897,
|
|
"learning_rate": 4.783783783783784e-07,
|
|
"loss": 0.4631,
|
|
"step": 199
|
|
},
|
|
{
|
|
"epoch": 0.5333333333333333,
|
|
"grad_norm": 0.920162558555603,
|
|
"learning_rate": 4.7567567567567566e-07,
|
|
"loss": 0.2953,
|
|
"step": 200
|
|
},
|
|
{
|
|
"epoch": 0.536,
|
|
"grad_norm": 1.2580170631408691,
|
|
"learning_rate": 4.7297297297297294e-07,
|
|
"loss": 0.457,
|
|
"step": 201
|
|
},
|
|
{
|
|
"epoch": 0.5386666666666666,
|
|
"grad_norm": 0.843492329120636,
|
|
"learning_rate": 4.702702702702703e-07,
|
|
"loss": 0.3511,
|
|
"step": 202
|
|
},
|
|
{
|
|
"epoch": 0.5413333333333333,
|
|
"grad_norm": 1.0909689664840698,
|
|
"learning_rate": 4.6756756756756757e-07,
|
|
"loss": 0.424,
|
|
"step": 203
|
|
},
|
|
{
|
|
"epoch": 0.544,
|
|
"grad_norm": 1.0729155540466309,
|
|
"learning_rate": 4.6486486486486485e-07,
|
|
"loss": 0.3759,
|
|
"step": 204
|
|
},
|
|
{
|
|
"epoch": 0.5466666666666666,
|
|
"grad_norm": 1.319301962852478,
|
|
"learning_rate": 4.6216216216216214e-07,
|
|
"loss": 0.4954,
|
|
"step": 205
|
|
},
|
|
{
|
|
"epoch": 0.5493333333333333,
|
|
"grad_norm": 0.9406890869140625,
|
|
"learning_rate": 4.594594594594595e-07,
|
|
"loss": 0.3533,
|
|
"step": 206
|
|
},
|
|
{
|
|
"epoch": 0.552,
|
|
"grad_norm": 0.9109988808631897,
|
|
"learning_rate": 4.567567567567567e-07,
|
|
"loss": 0.3854,
|
|
"step": 207
|
|
},
|
|
{
|
|
"epoch": 0.5546666666666666,
|
|
"grad_norm": 1.3804386854171753,
|
|
"learning_rate": 4.5405405405405405e-07,
|
|
"loss": 0.5081,
|
|
"step": 208
|
|
},
|
|
{
|
|
"epoch": 0.5573333333333333,
|
|
"grad_norm": 1.1833417415618896,
|
|
"learning_rate": 4.5135135135135134e-07,
|
|
"loss": 0.5335,
|
|
"step": 209
|
|
},
|
|
{
|
|
"epoch": 0.56,
|
|
"grad_norm": 0.8119714260101318,
|
|
"learning_rate": 4.486486486486487e-07,
|
|
"loss": 0.327,
|
|
"step": 210
|
|
},
|
|
{
|
|
"epoch": 0.5626666666666666,
|
|
"grad_norm": 1.1174079179763794,
|
|
"learning_rate": 4.459459459459459e-07,
|
|
"loss": 0.3845,
|
|
"step": 211
|
|
},
|
|
{
|
|
"epoch": 0.5653333333333334,
|
|
"grad_norm": 1.1242295503616333,
|
|
"learning_rate": 4.4324324324324325e-07,
|
|
"loss": 0.346,
|
|
"step": 212
|
|
},
|
|
{
|
|
"epoch": 0.568,
|
|
"grad_norm": 1.148556113243103,
|
|
"learning_rate": 4.4054054054054053e-07,
|
|
"loss": 0.5028,
|
|
"step": 213
|
|
},
|
|
{
|
|
"epoch": 0.5706666666666667,
|
|
"grad_norm": 1.1919831037521362,
|
|
"learning_rate": 4.378378378378378e-07,
|
|
"loss": 0.5141,
|
|
"step": 214
|
|
},
|
|
{
|
|
"epoch": 0.5733333333333334,
|
|
"grad_norm": 1.2664034366607666,
|
|
"learning_rate": 4.351351351351351e-07,
|
|
"loss": 0.4812,
|
|
"step": 215
|
|
},
|
|
{
|
|
"epoch": 0.576,
|
|
"grad_norm": 1.0192606449127197,
|
|
"learning_rate": 4.3243243243243244e-07,
|
|
"loss": 0.3525,
|
|
"step": 216
|
|
},
|
|
{
|
|
"epoch": 0.5786666666666667,
|
|
"grad_norm": 0.9641891121864319,
|
|
"learning_rate": 4.2972972972972973e-07,
|
|
"loss": 0.3328,
|
|
"step": 217
|
|
},
|
|
{
|
|
"epoch": 0.5813333333333334,
|
|
"grad_norm": 1.1304759979248047,
|
|
"learning_rate": 4.27027027027027e-07,
|
|
"loss": 0.4935,
|
|
"step": 218
|
|
},
|
|
{
|
|
"epoch": 0.584,
|
|
"grad_norm": 0.9201955795288086,
|
|
"learning_rate": 4.243243243243243e-07,
|
|
"loss": 0.3184,
|
|
"step": 219
|
|
},
|
|
{
|
|
"epoch": 0.5866666666666667,
|
|
"grad_norm": 1.2176705598831177,
|
|
"learning_rate": 4.2162162162162164e-07,
|
|
"loss": 0.5153,
|
|
"step": 220
|
|
},
|
|
{
|
|
"epoch": 0.5893333333333334,
|
|
"grad_norm": 0.8632242679595947,
|
|
"learning_rate": 4.189189189189189e-07,
|
|
"loss": 0.2795,
|
|
"step": 221
|
|
},
|
|
{
|
|
"epoch": 0.592,
|
|
"grad_norm": 1.250016212463379,
|
|
"learning_rate": 4.162162162162162e-07,
|
|
"loss": 0.3849,
|
|
"step": 222
|
|
},
|
|
{
|
|
"epoch": 0.5946666666666667,
|
|
"grad_norm": 0.9714071750640869,
|
|
"learning_rate": 4.135135135135135e-07,
|
|
"loss": 0.3775,
|
|
"step": 223
|
|
},
|
|
{
|
|
"epoch": 0.5973333333333334,
|
|
"grad_norm": 0.8465277552604675,
|
|
"learning_rate": 4.1081081081081084e-07,
|
|
"loss": 0.2853,
|
|
"step": 224
|
|
},
|
|
{
|
|
"epoch": 0.6,
|
|
"grad_norm": 0.849350094795227,
|
|
"learning_rate": 4.0810810810810807e-07,
|
|
"loss": 0.3123,
|
|
"step": 225
|
|
},
|
|
{
|
|
"epoch": 0.6026666666666667,
|
|
"grad_norm": 0.8807215094566345,
|
|
"learning_rate": 4.054054054054054e-07,
|
|
"loss": 0.3336,
|
|
"step": 226
|
|
},
|
|
{
|
|
"epoch": 0.6053333333333333,
|
|
"grad_norm": 1.140746831893921,
|
|
"learning_rate": 4.027027027027027e-07,
|
|
"loss": 0.4157,
|
|
"step": 227
|
|
},
|
|
{
|
|
"epoch": 0.608,
|
|
"grad_norm": 1.1405977010726929,
|
|
"learning_rate": 4e-07,
|
|
"loss": 0.4734,
|
|
"step": 228
|
|
},
|
|
{
|
|
"epoch": 0.6106666666666667,
|
|
"grad_norm": 0.9327443838119507,
|
|
"learning_rate": 3.9729729729729727e-07,
|
|
"loss": 0.354,
|
|
"step": 229
|
|
},
|
|
{
|
|
"epoch": 0.6133333333333333,
|
|
"grad_norm": 0.8352890610694885,
|
|
"learning_rate": 3.945945945945946e-07,
|
|
"loss": 0.2835,
|
|
"step": 230
|
|
},
|
|
{
|
|
"epoch": 0.616,
|
|
"grad_norm": 1.091230869293213,
|
|
"learning_rate": 3.918918918918919e-07,
|
|
"loss": 0.3731,
|
|
"step": 231
|
|
},
|
|
{
|
|
"epoch": 0.6186666666666667,
|
|
"grad_norm": 0.9614716172218323,
|
|
"learning_rate": 3.891891891891892e-07,
|
|
"loss": 0.3649,
|
|
"step": 232
|
|
},
|
|
{
|
|
"epoch": 0.6213333333333333,
|
|
"grad_norm": 1.127508282661438,
|
|
"learning_rate": 3.8648648648648646e-07,
|
|
"loss": 0.3516,
|
|
"step": 233
|
|
},
|
|
{
|
|
"epoch": 0.624,
|
|
"grad_norm": 1.0384588241577148,
|
|
"learning_rate": 3.837837837837838e-07,
|
|
"loss": 0.4317,
|
|
"step": 234
|
|
},
|
|
{
|
|
"epoch": 0.6266666666666667,
|
|
"grad_norm": 1.0380715131759644,
|
|
"learning_rate": 3.8108108108108104e-07,
|
|
"loss": 0.3036,
|
|
"step": 235
|
|
},
|
|
{
|
|
"epoch": 0.6293333333333333,
|
|
"grad_norm": 0.8616594076156616,
|
|
"learning_rate": 3.783783783783784e-07,
|
|
"loss": 0.3395,
|
|
"step": 236
|
|
},
|
|
{
|
|
"epoch": 0.632,
|
|
"grad_norm": 1.2263590097427368,
|
|
"learning_rate": 3.7567567567567566e-07,
|
|
"loss": 0.5256,
|
|
"step": 237
|
|
},
|
|
{
|
|
"epoch": 0.6346666666666667,
|
|
"grad_norm": 1.0826092958450317,
|
|
"learning_rate": 3.72972972972973e-07,
|
|
"loss": 0.4134,
|
|
"step": 238
|
|
},
|
|
{
|
|
"epoch": 0.6373333333333333,
|
|
"grad_norm": 0.797589123249054,
|
|
"learning_rate": 3.7027027027027023e-07,
|
|
"loss": 0.3131,
|
|
"step": 239
|
|
},
|
|
{
|
|
"epoch": 0.64,
|
|
"grad_norm": 0.8992984294891357,
|
|
"learning_rate": 3.6756756756756757e-07,
|
|
"loss": 0.3608,
|
|
"step": 240
|
|
},
|
|
{
|
|
"epoch": 0.6426666666666667,
|
|
"grad_norm": 1.0605276823043823,
|
|
"learning_rate": 3.6486486486486486e-07,
|
|
"loss": 0.3365,
|
|
"step": 241
|
|
},
|
|
{
|
|
"epoch": 0.6453333333333333,
|
|
"grad_norm": 0.9352734088897705,
|
|
"learning_rate": 3.6216216216216214e-07,
|
|
"loss": 0.3806,
|
|
"step": 242
|
|
},
|
|
{
|
|
"epoch": 0.648,
|
|
"grad_norm": 0.9286662936210632,
|
|
"learning_rate": 3.5945945945945943e-07,
|
|
"loss": 0.318,
|
|
"step": 243
|
|
},
|
|
{
|
|
"epoch": 0.6506666666666666,
|
|
"grad_norm": 0.8347295522689819,
|
|
"learning_rate": 3.5675675675675677e-07,
|
|
"loss": 0.3317,
|
|
"step": 244
|
|
},
|
|
{
|
|
"epoch": 0.6533333333333333,
|
|
"grad_norm": 1.05030357837677,
|
|
"learning_rate": 3.5405405405405406e-07,
|
|
"loss": 0.3885,
|
|
"step": 245
|
|
},
|
|
{
|
|
"epoch": 0.656,
|
|
"grad_norm": 1.1265259981155396,
|
|
"learning_rate": 3.5135135135135134e-07,
|
|
"loss": 0.3568,
|
|
"step": 246
|
|
},
|
|
{
|
|
"epoch": 0.6586666666666666,
|
|
"grad_norm": 1.0325217247009277,
|
|
"learning_rate": 3.4864864864864863e-07,
|
|
"loss": 0.494,
|
|
"step": 247
|
|
},
|
|
{
|
|
"epoch": 0.6613333333333333,
|
|
"grad_norm": 0.8968276381492615,
|
|
"learning_rate": 3.4594594594594597e-07,
|
|
"loss": 0.2903,
|
|
"step": 248
|
|
},
|
|
{
|
|
"epoch": 0.664,
|
|
"grad_norm": 0.8891487717628479,
|
|
"learning_rate": 3.432432432432432e-07,
|
|
"loss": 0.3529,
|
|
"step": 249
|
|
},
|
|
{
|
|
"epoch": 0.6666666666666666,
|
|
"grad_norm": 1.0015093088150024,
|
|
"learning_rate": 3.4054054054054054e-07,
|
|
"loss": 0.3529,
|
|
"step": 250
|
|
},
|
|
{
|
|
"epoch": 0.6693333333333333,
|
|
"grad_norm": 0.9268393516540527,
|
|
"learning_rate": 3.378378378378378e-07,
|
|
"loss": 0.3931,
|
|
"step": 251
|
|
},
|
|
{
|
|
"epoch": 0.672,
|
|
"grad_norm": 1.1883069276809692,
|
|
"learning_rate": 3.3513513513513516e-07,
|
|
"loss": 0.4727,
|
|
"step": 252
|
|
},
|
|
{
|
|
"epoch": 0.6746666666666666,
|
|
"grad_norm": 0.8101505637168884,
|
|
"learning_rate": 3.324324324324324e-07,
|
|
"loss": 0.3711,
|
|
"step": 253
|
|
},
|
|
{
|
|
"epoch": 0.6773333333333333,
|
|
"grad_norm": 0.9340471029281616,
|
|
"learning_rate": 3.2972972972972973e-07,
|
|
"loss": 0.3131,
|
|
"step": 254
|
|
},
|
|
{
|
|
"epoch": 0.68,
|
|
"grad_norm": 1.0554563999176025,
|
|
"learning_rate": 3.27027027027027e-07,
|
|
"loss": 0.3007,
|
|
"step": 255
|
|
},
|
|
{
|
|
"epoch": 0.6826666666666666,
|
|
"grad_norm": 0.7499366998672485,
|
|
"learning_rate": 3.243243243243243e-07,
|
|
"loss": 0.2967,
|
|
"step": 256
|
|
},
|
|
{
|
|
"epoch": 0.6853333333333333,
|
|
"grad_norm": 0.9399653673171997,
|
|
"learning_rate": 3.216216216216216e-07,
|
|
"loss": 0.3767,
|
|
"step": 257
|
|
},
|
|
{
|
|
"epoch": 0.688,
|
|
"grad_norm": 0.9953500032424927,
|
|
"learning_rate": 3.1891891891891893e-07,
|
|
"loss": 0.3804,
|
|
"step": 258
|
|
},
|
|
{
|
|
"epoch": 0.6906666666666667,
|
|
"grad_norm": 1.1464481353759766,
|
|
"learning_rate": 3.162162162162162e-07,
|
|
"loss": 0.473,
|
|
"step": 259
|
|
},
|
|
{
|
|
"epoch": 0.6933333333333334,
|
|
"grad_norm": 1.2805660963058472,
|
|
"learning_rate": 3.135135135135135e-07,
|
|
"loss": 0.5447,
|
|
"step": 260
|
|
},
|
|
{
|
|
"epoch": 0.696,
|
|
"grad_norm": 0.686949610710144,
|
|
"learning_rate": 3.108108108108108e-07,
|
|
"loss": 0.2872,
|
|
"step": 261
|
|
},
|
|
{
|
|
"epoch": 0.6986666666666667,
|
|
"grad_norm": 1.2901909351348877,
|
|
"learning_rate": 3.0810810810810813e-07,
|
|
"loss": 0.5179,
|
|
"step": 262
|
|
},
|
|
{
|
|
"epoch": 0.7013333333333334,
|
|
"grad_norm": 0.728618323802948,
|
|
"learning_rate": 3.0540540540540536e-07,
|
|
"loss": 0.2899,
|
|
"step": 263
|
|
},
|
|
{
|
|
"epoch": 0.704,
|
|
"grad_norm": 0.913140058517456,
|
|
"learning_rate": 3.027027027027027e-07,
|
|
"loss": 0.3475,
|
|
"step": 264
|
|
},
|
|
{
|
|
"epoch": 0.7066666666666667,
|
|
"grad_norm": 0.9613248109817505,
|
|
"learning_rate": 3e-07,
|
|
"loss": 0.3543,
|
|
"step": 265
|
|
},
|
|
{
|
|
"epoch": 0.7093333333333334,
|
|
"grad_norm": 1.2701078653335571,
|
|
"learning_rate": 2.972972972972973e-07,
|
|
"loss": 0.5501,
|
|
"step": 266
|
|
},
|
|
{
|
|
"epoch": 0.712,
|
|
"grad_norm": 1.0888240337371826,
|
|
"learning_rate": 2.9459459459459456e-07,
|
|
"loss": 0.38,
|
|
"step": 267
|
|
},
|
|
{
|
|
"epoch": 0.7146666666666667,
|
|
"grad_norm": 0.7376617789268494,
|
|
"learning_rate": 2.918918918918919e-07,
|
|
"loss": 0.268,
|
|
"step": 268
|
|
},
|
|
{
|
|
"epoch": 0.7173333333333334,
|
|
"grad_norm": 0.9578184485435486,
|
|
"learning_rate": 2.891891891891892e-07,
|
|
"loss": 0.4028,
|
|
"step": 269
|
|
},
|
|
{
|
|
"epoch": 0.72,
|
|
"grad_norm": 0.8013014197349548,
|
|
"learning_rate": 2.8648648648648647e-07,
|
|
"loss": 0.3246,
|
|
"step": 270
|
|
},
|
|
{
|
|
"epoch": 0.7226666666666667,
|
|
"grad_norm": 0.7826078534126282,
|
|
"learning_rate": 2.8378378378378376e-07,
|
|
"loss": 0.2059,
|
|
"step": 271
|
|
},
|
|
{
|
|
"epoch": 0.7253333333333334,
|
|
"grad_norm": 0.9777662754058838,
|
|
"learning_rate": 2.810810810810811e-07,
|
|
"loss": 0.3679,
|
|
"step": 272
|
|
},
|
|
{
|
|
"epoch": 0.728,
|
|
"grad_norm": 0.9092130064964294,
|
|
"learning_rate": 2.7837837837837833e-07,
|
|
"loss": 0.3402,
|
|
"step": 273
|
|
},
|
|
{
|
|
"epoch": 0.7306666666666667,
|
|
"grad_norm": 0.8409679532051086,
|
|
"learning_rate": 2.7567567567567567e-07,
|
|
"loss": 0.3466,
|
|
"step": 274
|
|
},
|
|
{
|
|
"epoch": 0.7333333333333333,
|
|
"grad_norm": 1.008397102355957,
|
|
"learning_rate": 2.7297297297297295e-07,
|
|
"loss": 0.4754,
|
|
"step": 275
|
|
},
|
|
{
|
|
"epoch": 0.736,
|
|
"grad_norm": 1.0995997190475464,
|
|
"learning_rate": 2.702702702702703e-07,
|
|
"loss": 0.3963,
|
|
"step": 276
|
|
},
|
|
{
|
|
"epoch": 0.7386666666666667,
|
|
"grad_norm": 0.8320459127426147,
|
|
"learning_rate": 2.675675675675675e-07,
|
|
"loss": 0.3631,
|
|
"step": 277
|
|
},
|
|
{
|
|
"epoch": 0.7413333333333333,
|
|
"grad_norm": 0.7982364296913147,
|
|
"learning_rate": 2.6486486486486486e-07,
|
|
"loss": 0.3042,
|
|
"step": 278
|
|
},
|
|
{
|
|
"epoch": 0.744,
|
|
"grad_norm": 1.2023895978927612,
|
|
"learning_rate": 2.6216216216216215e-07,
|
|
"loss": 0.5248,
|
|
"step": 279
|
|
},
|
|
{
|
|
"epoch": 0.7466666666666667,
|
|
"grad_norm": 1.1184508800506592,
|
|
"learning_rate": 2.594594594594595e-07,
|
|
"loss": 0.4255,
|
|
"step": 280
|
|
},
|
|
{
|
|
"epoch": 0.7493333333333333,
|
|
"grad_norm": 0.7718153595924377,
|
|
"learning_rate": 2.567567567567567e-07,
|
|
"loss": 0.3147,
|
|
"step": 281
|
|
},
|
|
{
|
|
"epoch": 0.752,
|
|
"grad_norm": 0.9055865406990051,
|
|
"learning_rate": 2.5405405405405406e-07,
|
|
"loss": 0.3343,
|
|
"step": 282
|
|
},
|
|
{
|
|
"epoch": 0.7546666666666667,
|
|
"grad_norm": 1.047671914100647,
|
|
"learning_rate": 2.5135135135135135e-07,
|
|
"loss": 0.4684,
|
|
"step": 283
|
|
},
|
|
{
|
|
"epoch": 0.7573333333333333,
|
|
"grad_norm": 0.6780290603637695,
|
|
"learning_rate": 2.4864864864864863e-07,
|
|
"loss": 0.2547,
|
|
"step": 284
|
|
},
|
|
{
|
|
"epoch": 0.76,
|
|
"grad_norm": 0.8510618209838867,
|
|
"learning_rate": 2.4594594594594597e-07,
|
|
"loss": 0.2728,
|
|
"step": 285
|
|
},
|
|
{
|
|
"epoch": 0.7626666666666667,
|
|
"grad_norm": 0.9877432584762573,
|
|
"learning_rate": 2.4324324324324326e-07,
|
|
"loss": 0.3477,
|
|
"step": 286
|
|
},
|
|
{
|
|
"epoch": 0.7653333333333333,
|
|
"grad_norm": 0.9967018961906433,
|
|
"learning_rate": 2.4054054054054054e-07,
|
|
"loss": 0.3773,
|
|
"step": 287
|
|
},
|
|
{
|
|
"epoch": 0.768,
|
|
"grad_norm": 1.0231043100357056,
|
|
"learning_rate": 2.3783783783783783e-07,
|
|
"loss": 0.4193,
|
|
"step": 288
|
|
},
|
|
{
|
|
"epoch": 0.7706666666666667,
|
|
"grad_norm": 0.9396948218345642,
|
|
"learning_rate": 2.3513513513513514e-07,
|
|
"loss": 0.3301,
|
|
"step": 289
|
|
},
|
|
{
|
|
"epoch": 0.7733333333333333,
|
|
"grad_norm": 1.1722543239593506,
|
|
"learning_rate": 2.3243243243243243e-07,
|
|
"loss": 0.4657,
|
|
"step": 290
|
|
},
|
|
{
|
|
"epoch": 0.776,
|
|
"grad_norm": 1.116290807723999,
|
|
"learning_rate": 2.2972972972972974e-07,
|
|
"loss": 0.4581,
|
|
"step": 291
|
|
},
|
|
{
|
|
"epoch": 0.7786666666666666,
|
|
"grad_norm": 1.1586447954177856,
|
|
"learning_rate": 2.2702702702702703e-07,
|
|
"loss": 0.5196,
|
|
"step": 292
|
|
},
|
|
{
|
|
"epoch": 0.7813333333333333,
|
|
"grad_norm": 0.9312103986740112,
|
|
"learning_rate": 2.2432432432432434e-07,
|
|
"loss": 0.3728,
|
|
"step": 293
|
|
},
|
|
{
|
|
"epoch": 0.784,
|
|
"grad_norm": 1.0666686296463013,
|
|
"learning_rate": 2.2162162162162162e-07,
|
|
"loss": 0.3594,
|
|
"step": 294
|
|
},
|
|
{
|
|
"epoch": 0.7866666666666666,
|
|
"grad_norm": 1.077406644821167,
|
|
"learning_rate": 2.189189189189189e-07,
|
|
"loss": 0.4226,
|
|
"step": 295
|
|
},
|
|
{
|
|
"epoch": 0.7893333333333333,
|
|
"grad_norm": 0.8764863610267639,
|
|
"learning_rate": 2.1621621621621622e-07,
|
|
"loss": 0.3208,
|
|
"step": 296
|
|
},
|
|
{
|
|
"epoch": 0.792,
|
|
"grad_norm": 0.861599862575531,
|
|
"learning_rate": 2.135135135135135e-07,
|
|
"loss": 0.2776,
|
|
"step": 297
|
|
},
|
|
{
|
|
"epoch": 0.7946666666666666,
|
|
"grad_norm": 1.0875582695007324,
|
|
"learning_rate": 2.1081081081081082e-07,
|
|
"loss": 0.4877,
|
|
"step": 298
|
|
},
|
|
{
|
|
"epoch": 0.7973333333333333,
|
|
"grad_norm": 1.1303459405899048,
|
|
"learning_rate": 2.081081081081081e-07,
|
|
"loss": 0.493,
|
|
"step": 299
|
|
},
|
|
{
|
|
"epoch": 0.8,
|
|
"grad_norm": 0.6514450311660767,
|
|
"learning_rate": 2.0540540540540542e-07,
|
|
"loss": 0.2201,
|
|
"step": 300
|
|
},
|
|
{
|
|
"epoch": 0.8026666666666666,
|
|
"grad_norm": 1.158578872680664,
|
|
"learning_rate": 2.027027027027027e-07,
|
|
"loss": 0.4985,
|
|
"step": 301
|
|
},
|
|
{
|
|
"epoch": 0.8053333333333333,
|
|
"grad_norm": 0.8866226077079773,
|
|
"learning_rate": 2e-07,
|
|
"loss": 0.3653,
|
|
"step": 302
|
|
},
|
|
{
|
|
"epoch": 0.808,
|
|
"grad_norm": 1.0582746267318726,
|
|
"learning_rate": 1.972972972972973e-07,
|
|
"loss": 0.4598,
|
|
"step": 303
|
|
},
|
|
{
|
|
"epoch": 0.8106666666666666,
|
|
"grad_norm": 1.3063994646072388,
|
|
"learning_rate": 1.945945945945946e-07,
|
|
"loss": 0.5071,
|
|
"step": 304
|
|
},
|
|
{
|
|
"epoch": 0.8133333333333334,
|
|
"grad_norm": 0.8027728796005249,
|
|
"learning_rate": 1.918918918918919e-07,
|
|
"loss": 0.3277,
|
|
"step": 305
|
|
},
|
|
{
|
|
"epoch": 0.816,
|
|
"grad_norm": 1.101663589477539,
|
|
"learning_rate": 1.891891891891892e-07,
|
|
"loss": 0.4817,
|
|
"step": 306
|
|
},
|
|
{
|
|
"epoch": 0.8186666666666667,
|
|
"grad_norm": 0.8657905459403992,
|
|
"learning_rate": 1.864864864864865e-07,
|
|
"loss": 0.3172,
|
|
"step": 307
|
|
},
|
|
{
|
|
"epoch": 0.8213333333333334,
|
|
"grad_norm": 1.0366793870925903,
|
|
"learning_rate": 1.8378378378378379e-07,
|
|
"loss": 0.4137,
|
|
"step": 308
|
|
},
|
|
{
|
|
"epoch": 0.824,
|
|
"grad_norm": 0.9037418961524963,
|
|
"learning_rate": 1.8108108108108107e-07,
|
|
"loss": 0.3908,
|
|
"step": 309
|
|
},
|
|
{
|
|
"epoch": 0.8266666666666667,
|
|
"grad_norm": 0.859958291053772,
|
|
"learning_rate": 1.7837837837837838e-07,
|
|
"loss": 0.3014,
|
|
"step": 310
|
|
},
|
|
{
|
|
"epoch": 0.8293333333333334,
|
|
"grad_norm": 0.9013500809669495,
|
|
"learning_rate": 1.7567567567567567e-07,
|
|
"loss": 0.4049,
|
|
"step": 311
|
|
},
|
|
{
|
|
"epoch": 0.832,
|
|
"grad_norm": 1.007754921913147,
|
|
"learning_rate": 1.7297297297297298e-07,
|
|
"loss": 0.3972,
|
|
"step": 312
|
|
},
|
|
{
|
|
"epoch": 0.8346666666666667,
|
|
"grad_norm": 0.9342451691627502,
|
|
"learning_rate": 1.7027027027027027e-07,
|
|
"loss": 0.4406,
|
|
"step": 313
|
|
},
|
|
{
|
|
"epoch": 0.8373333333333334,
|
|
"grad_norm": 1.0246533155441284,
|
|
"learning_rate": 1.6756756756756758e-07,
|
|
"loss": 0.3759,
|
|
"step": 314
|
|
},
|
|
{
|
|
"epoch": 0.84,
|
|
"grad_norm": 0.9827301502227783,
|
|
"learning_rate": 1.6486486486486487e-07,
|
|
"loss": 0.4084,
|
|
"step": 315
|
|
},
|
|
{
|
|
"epoch": 0.8426666666666667,
|
|
"grad_norm": 0.998744547367096,
|
|
"learning_rate": 1.6216216216216215e-07,
|
|
"loss": 0.3887,
|
|
"step": 316
|
|
},
|
|
{
|
|
"epoch": 0.8453333333333334,
|
|
"grad_norm": 0.8085768818855286,
|
|
"learning_rate": 1.5945945945945947e-07,
|
|
"loss": 0.3104,
|
|
"step": 317
|
|
},
|
|
{
|
|
"epoch": 0.848,
|
|
"grad_norm": 0.9685247540473938,
|
|
"learning_rate": 1.5675675675675675e-07,
|
|
"loss": 0.3736,
|
|
"step": 318
|
|
},
|
|
{
|
|
"epoch": 0.8506666666666667,
|
|
"grad_norm": 0.775229275226593,
|
|
"learning_rate": 1.5405405405405406e-07,
|
|
"loss": 0.3064,
|
|
"step": 319
|
|
},
|
|
{
|
|
"epoch": 0.8533333333333334,
|
|
"grad_norm": 0.9153829216957092,
|
|
"learning_rate": 1.5135135135135135e-07,
|
|
"loss": 0.3976,
|
|
"step": 320
|
|
},
|
|
{
|
|
"epoch": 0.856,
|
|
"grad_norm": 0.817545473575592,
|
|
"learning_rate": 1.4864864864864866e-07,
|
|
"loss": 0.3701,
|
|
"step": 321
|
|
},
|
|
{
|
|
"epoch": 0.8586666666666667,
|
|
"grad_norm": 0.8333522081375122,
|
|
"learning_rate": 1.4594594594594595e-07,
|
|
"loss": 0.3039,
|
|
"step": 322
|
|
},
|
|
{
|
|
"epoch": 0.8613333333333333,
|
|
"grad_norm": 0.8821985721588135,
|
|
"learning_rate": 1.4324324324324323e-07,
|
|
"loss": 0.3638,
|
|
"step": 323
|
|
},
|
|
{
|
|
"epoch": 0.864,
|
|
"grad_norm": 0.928031861782074,
|
|
"learning_rate": 1.4054054054054055e-07,
|
|
"loss": 0.3358,
|
|
"step": 324
|
|
},
|
|
{
|
|
"epoch": 0.8666666666666667,
|
|
"grad_norm": 0.778252363204956,
|
|
"learning_rate": 1.3783783783783783e-07,
|
|
"loss": 0.2924,
|
|
"step": 325
|
|
},
|
|
{
|
|
"epoch": 0.8693333333333333,
|
|
"grad_norm": 1.046566367149353,
|
|
"learning_rate": 1.3513513513513515e-07,
|
|
"loss": 0.4241,
|
|
"step": 326
|
|
},
|
|
{
|
|
"epoch": 0.872,
|
|
"grad_norm": 0.8607255220413208,
|
|
"learning_rate": 1.3243243243243243e-07,
|
|
"loss": 0.3182,
|
|
"step": 327
|
|
},
|
|
{
|
|
"epoch": 0.8746666666666667,
|
|
"grad_norm": 1.0177545547485352,
|
|
"learning_rate": 1.2972972972972974e-07,
|
|
"loss": 0.4257,
|
|
"step": 328
|
|
},
|
|
{
|
|
"epoch": 0.8773333333333333,
|
|
"grad_norm": 0.9327155947685242,
|
|
"learning_rate": 1.2702702702702703e-07,
|
|
"loss": 0.4061,
|
|
"step": 329
|
|
},
|
|
{
|
|
"epoch": 0.88,
|
|
"grad_norm": 1.013499140739441,
|
|
"learning_rate": 1.2432432432432432e-07,
|
|
"loss": 0.4031,
|
|
"step": 330
|
|
},
|
|
{
|
|
"epoch": 0.8826666666666667,
|
|
"grad_norm": 0.8891382813453674,
|
|
"learning_rate": 1.2162162162162163e-07,
|
|
"loss": 0.3757,
|
|
"step": 331
|
|
},
|
|
{
|
|
"epoch": 0.8853333333333333,
|
|
"grad_norm": 1.1029094457626343,
|
|
"learning_rate": 1.1891891891891891e-07,
|
|
"loss": 0.4088,
|
|
"step": 332
|
|
},
|
|
{
|
|
"epoch": 0.888,
|
|
"grad_norm": 1.0521535873413086,
|
|
"learning_rate": 1.1621621621621621e-07,
|
|
"loss": 0.5116,
|
|
"step": 333
|
|
},
|
|
{
|
|
"epoch": 0.8906666666666667,
|
|
"grad_norm": 0.9436726570129395,
|
|
"learning_rate": 1.1351351351351351e-07,
|
|
"loss": 0.3464,
|
|
"step": 334
|
|
},
|
|
{
|
|
"epoch": 0.8933333333333333,
|
|
"grad_norm": 0.7954050898551941,
|
|
"learning_rate": 1.1081081081081081e-07,
|
|
"loss": 0.3316,
|
|
"step": 335
|
|
},
|
|
{
|
|
"epoch": 0.896,
|
|
"grad_norm": 1.0127551555633545,
|
|
"learning_rate": 1.0810810810810811e-07,
|
|
"loss": 0.323,
|
|
"step": 336
|
|
},
|
|
{
|
|
"epoch": 0.8986666666666666,
|
|
"grad_norm": 0.9278072118759155,
|
|
"learning_rate": 1.0540540540540541e-07,
|
|
"loss": 0.4008,
|
|
"step": 337
|
|
},
|
|
{
|
|
"epoch": 0.9013333333333333,
|
|
"grad_norm": 0.9166840314865112,
|
|
"learning_rate": 1.0270270270270271e-07,
|
|
"loss": 0.3417,
|
|
"step": 338
|
|
},
|
|
{
|
|
"epoch": 0.904,
|
|
"grad_norm": 0.6868740320205688,
|
|
"learning_rate": 1e-07,
|
|
"loss": 0.1761,
|
|
"step": 339
|
|
},
|
|
{
|
|
"epoch": 0.9066666666666666,
|
|
"grad_norm": 0.9488260746002197,
|
|
"learning_rate": 9.72972972972973e-08,
|
|
"loss": 0.3763,
|
|
"step": 340
|
|
},
|
|
{
|
|
"epoch": 0.9093333333333333,
|
|
"grad_norm": 0.9525110721588135,
|
|
"learning_rate": 9.45945945945946e-08,
|
|
"loss": 0.398,
|
|
"step": 341
|
|
},
|
|
{
|
|
"epoch": 0.912,
|
|
"grad_norm": 1.0037633180618286,
|
|
"learning_rate": 9.189189189189189e-08,
|
|
"loss": 0.3853,
|
|
"step": 342
|
|
},
|
|
{
|
|
"epoch": 0.9146666666666666,
|
|
"grad_norm": 0.7898300290107727,
|
|
"learning_rate": 8.918918918918919e-08,
|
|
"loss": 0.3511,
|
|
"step": 343
|
|
},
|
|
{
|
|
"epoch": 0.9173333333333333,
|
|
"grad_norm": 1.3366996049880981,
|
|
"learning_rate": 8.648648648648649e-08,
|
|
"loss": 0.6143,
|
|
"step": 344
|
|
},
|
|
{
|
|
"epoch": 0.92,
|
|
"grad_norm": 0.9051182866096497,
|
|
"learning_rate": 8.378378378378379e-08,
|
|
"loss": 0.3723,
|
|
"step": 345
|
|
},
|
|
{
|
|
"epoch": 0.9226666666666666,
|
|
"grad_norm": 1.1266546249389648,
|
|
"learning_rate": 8.108108108108108e-08,
|
|
"loss": 0.4823,
|
|
"step": 346
|
|
},
|
|
{
|
|
"epoch": 0.9253333333333333,
|
|
"grad_norm": 0.8878447413444519,
|
|
"learning_rate": 7.837837837837838e-08,
|
|
"loss": 0.2993,
|
|
"step": 347
|
|
},
|
|
{
|
|
"epoch": 0.928,
|
|
"grad_norm": 0.983680248260498,
|
|
"learning_rate": 7.567567567567568e-08,
|
|
"loss": 0.4536,
|
|
"step": 348
|
|
},
|
|
{
|
|
"epoch": 0.9306666666666666,
|
|
"grad_norm": 1.11832857131958,
|
|
"learning_rate": 7.297297297297297e-08,
|
|
"loss": 0.4998,
|
|
"step": 349
|
|
},
|
|
{
|
|
"epoch": 0.9333333333333333,
|
|
"grad_norm": 1.0939054489135742,
|
|
"learning_rate": 7.027027027027027e-08,
|
|
"loss": 0.4407,
|
|
"step": 350
|
|
},
|
|
{
|
|
"epoch": 0.936,
|
|
"grad_norm": 1.1861379146575928,
|
|
"learning_rate": 6.756756756756757e-08,
|
|
"loss": 0.5084,
|
|
"step": 351
|
|
},
|
|
{
|
|
"epoch": 0.9386666666666666,
|
|
"grad_norm": 1.1232503652572632,
|
|
"learning_rate": 6.486486486486487e-08,
|
|
"loss": 0.4586,
|
|
"step": 352
|
|
},
|
|
{
|
|
"epoch": 0.9413333333333334,
|
|
"grad_norm": 0.7931702733039856,
|
|
"learning_rate": 6.216216216216216e-08,
|
|
"loss": 0.2543,
|
|
"step": 353
|
|
},
|
|
{
|
|
"epoch": 0.944,
|
|
"grad_norm": 1.2178318500518799,
|
|
"learning_rate": 5.945945945945946e-08,
|
|
"loss": 0.5315,
|
|
"step": 354
|
|
},
|
|
{
|
|
"epoch": 0.9466666666666667,
|
|
"grad_norm": 1.011938452720642,
|
|
"learning_rate": 5.6756756756756756e-08,
|
|
"loss": 0.442,
|
|
"step": 355
|
|
},
|
|
{
|
|
"epoch": 0.9493333333333334,
|
|
"grad_norm": 0.8712477087974548,
|
|
"learning_rate": 5.4054054054054056e-08,
|
|
"loss": 0.3391,
|
|
"step": 356
|
|
},
|
|
{
|
|
"epoch": 0.952,
|
|
"grad_norm": 0.9073867201805115,
|
|
"learning_rate": 5.1351351351351355e-08,
|
|
"loss": 0.4377,
|
|
"step": 357
|
|
},
|
|
{
|
|
"epoch": 0.9546666666666667,
|
|
"grad_norm": 0.7456492185592651,
|
|
"learning_rate": 4.864864864864865e-08,
|
|
"loss": 0.2621,
|
|
"step": 358
|
|
},
|
|
{
|
|
"epoch": 0.9573333333333334,
|
|
"grad_norm": 1.0042201280593872,
|
|
"learning_rate": 4.5945945945945947e-08,
|
|
"loss": 0.3613,
|
|
"step": 359
|
|
},
|
|
{
|
|
"epoch": 0.96,
|
|
"grad_norm": 1.0541834831237793,
|
|
"learning_rate": 4.3243243243243246e-08,
|
|
"loss": 0.4937,
|
|
"step": 360
|
|
},
|
|
{
|
|
"epoch": 0.9626666666666667,
|
|
"grad_norm": 0.9187750220298767,
|
|
"learning_rate": 4.054054054054054e-08,
|
|
"loss": 0.3474,
|
|
"step": 361
|
|
},
|
|
{
|
|
"epoch": 0.9653333333333334,
|
|
"grad_norm": 1.0294053554534912,
|
|
"learning_rate": 3.783783783783784e-08,
|
|
"loss": 0.3219,
|
|
"step": 362
|
|
},
|
|
{
|
|
"epoch": 0.968,
|
|
"grad_norm": 1.0445823669433594,
|
|
"learning_rate": 3.513513513513514e-08,
|
|
"loss": 0.4271,
|
|
"step": 363
|
|
},
|
|
{
|
|
"epoch": 0.9706666666666667,
|
|
"grad_norm": 1.1377043724060059,
|
|
"learning_rate": 3.2432432432432436e-08,
|
|
"loss": 0.4989,
|
|
"step": 364
|
|
},
|
|
{
|
|
"epoch": 0.9733333333333334,
|
|
"grad_norm": 0.9277671575546265,
|
|
"learning_rate": 2.972972972972973e-08,
|
|
"loss": 0.3562,
|
|
"step": 365
|
|
},
|
|
{
|
|
"epoch": 0.976,
|
|
"grad_norm": 1.2589612007141113,
|
|
"learning_rate": 2.7027027027027028e-08,
|
|
"loss": 0.5814,
|
|
"step": 366
|
|
},
|
|
{
|
|
"epoch": 0.9786666666666667,
|
|
"grad_norm": 1.1505330801010132,
|
|
"learning_rate": 2.4324324324324324e-08,
|
|
"loss": 0.5362,
|
|
"step": 367
|
|
},
|
|
{
|
|
"epoch": 0.9813333333333333,
|
|
"grad_norm": 1.2057547569274902,
|
|
"learning_rate": 2.1621621621621623e-08,
|
|
"loss": 0.524,
|
|
"step": 368
|
|
},
|
|
{
|
|
"epoch": 0.984,
|
|
"grad_norm": 0.978308379650116,
|
|
"learning_rate": 1.891891891891892e-08,
|
|
"loss": 0.4378,
|
|
"step": 369
|
|
},
|
|
{
|
|
"epoch": 0.9866666666666667,
|
|
"grad_norm": 0.89972323179245,
|
|
"learning_rate": 1.6216216216216218e-08,
|
|
"loss": 0.3474,
|
|
"step": 370
|
|
},
|
|
{
|
|
"epoch": 0.9893333333333333,
|
|
"grad_norm": 0.8703038096427917,
|
|
"learning_rate": 1.3513513513513514e-08,
|
|
"loss": 0.3615,
|
|
"step": 371
|
|
},
|
|
{
|
|
"epoch": 0.992,
|
|
"grad_norm": 0.9112526774406433,
|
|
"learning_rate": 1.0810810810810811e-08,
|
|
"loss": 0.3499,
|
|
"step": 372
|
|
},
|
|
{
|
|
"epoch": 0.9946666666666667,
|
|
"grad_norm": 0.8212230801582336,
|
|
"learning_rate": 8.108108108108109e-09,
|
|
"loss": 0.3198,
|
|
"step": 373
|
|
},
|
|
{
|
|
"epoch": 0.9973333333333333,
|
|
"grad_norm": 1.1361621618270874,
|
|
"learning_rate": 5.405405405405406e-09,
|
|
"loss": 0.4086,
|
|
"step": 374
|
|
},
|
|
{
|
|
"epoch": 1.0,
|
|
"grad_norm": 0.9506081342697144,
|
|
"learning_rate": 2.702702702702703e-09,
|
|
"loss": 0.3574,
|
|
"step": 375
|
|
}
|
|
],
|
|
"logging_steps": 1,
|
|
"max_steps": 375,
|
|
"num_input_tokens_seen": 0,
|
|
"num_train_epochs": 1,
|
|
"save_steps": 5000,
|
|
"stateful_callbacks": {
|
|
"TrainerControl": {
|
|
"args": {
|
|
"should_epoch_stop": false,
|
|
"should_evaluate": false,
|
|
"should_log": false,
|
|
"should_save": true,
|
|
"should_training_stop": true
|
|
},
|
|
"attributes": {}
|
|
}
|
|
},
|
|
"total_flos": 5.212611526904218e+16,
|
|
"train_batch_size": 2,
|
|
"trial_name": null,
|
|
"trial_params": null
|
|
}
|