amazingvince commited on
Commit
d82fba2
·
1 Parent(s): 04a75a4

Upload folder using huggingface_hub

Browse files
Files changed (1) hide show
  1. trainer_state.json +1853 -0
trainer_state.json ADDED
@@ -0,0 +1,1853 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 0.36951013513513514,
5
+ "eval_steps": 406,
6
+ "global_step": 1500,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.0,
13
+ "eval_loss": 10.780741691589355,
14
+ "eval_runtime": 947.394,
15
+ "eval_samples_per_second": 79.833,
16
+ "eval_steps_per_second": 4.435,
17
+ "step": 1
18
+ },
19
+ {
20
+ "epoch": 0.0,
21
+ "learning_rate": 2.25e-05,
22
+ "loss": 10.7434,
23
+ "step": 5
24
+ },
25
+ {
26
+ "epoch": 0.0,
27
+ "learning_rate": 4.5e-05,
28
+ "loss": 9.9589,
29
+ "step": 10
30
+ },
31
+ {
32
+ "epoch": 0.0,
33
+ "learning_rate": 6.75e-05,
34
+ "loss": 8.6595,
35
+ "step": 15
36
+ },
37
+ {
38
+ "epoch": 0.0,
39
+ "learning_rate": 9e-05,
40
+ "loss": 7.9676,
41
+ "step": 20
42
+ },
43
+ {
44
+ "epoch": 0.01,
45
+ "learning_rate": 0.0001125,
46
+ "loss": 7.4358,
47
+ "step": 25
48
+ },
49
+ {
50
+ "epoch": 0.01,
51
+ "learning_rate": 0.000135,
52
+ "loss": 7.1452,
53
+ "step": 30
54
+ },
55
+ {
56
+ "epoch": 0.01,
57
+ "learning_rate": 0.00015749999999999998,
58
+ "loss": 6.9396,
59
+ "step": 35
60
+ },
61
+ {
62
+ "epoch": 0.01,
63
+ "learning_rate": 0.00018,
64
+ "loss": 6.8089,
65
+ "step": 40
66
+ },
67
+ {
68
+ "epoch": 0.01,
69
+ "learning_rate": 0.0002025,
70
+ "loss": 6.6897,
71
+ "step": 45
72
+ },
73
+ {
74
+ "epoch": 0.01,
75
+ "learning_rate": 0.000225,
76
+ "loss": 6.4553,
77
+ "step": 50
78
+ },
79
+ {
80
+ "epoch": 0.01,
81
+ "learning_rate": 0.00022499913644577618,
82
+ "loss": 6.3166,
83
+ "step": 55
84
+ },
85
+ {
86
+ "epoch": 0.01,
87
+ "learning_rate": 0.0002249965457963621,
88
+ "loss": 6.1718,
89
+ "step": 60
90
+ },
91
+ {
92
+ "epoch": 0.02,
93
+ "learning_rate": 0.00022499222809152964,
94
+ "loss": 6.0497,
95
+ "step": 65
96
+ },
97
+ {
98
+ "epoch": 0.02,
99
+ "learning_rate": 0.00022498618339756446,
100
+ "loss": 5.9306,
101
+ "step": 70
102
+ },
103
+ {
104
+ "epoch": 0.02,
105
+ "learning_rate": 0.00022497841180726518,
106
+ "loss": 5.825,
107
+ "step": 75
108
+ },
109
+ {
110
+ "epoch": 0.02,
111
+ "learning_rate": 0.00022496891343994188,
112
+ "loss": 5.7394,
113
+ "step": 80
114
+ },
115
+ {
116
+ "epoch": 0.02,
117
+ "learning_rate": 0.00022495768844141414,
118
+ "loss": 5.6247,
119
+ "step": 85
120
+ },
121
+ {
122
+ "epoch": 0.02,
123
+ "learning_rate": 0.000224944736984009,
124
+ "loss": 5.5139,
125
+ "step": 90
126
+ },
127
+ {
128
+ "epoch": 0.02,
129
+ "learning_rate": 0.00022493005926655827,
130
+ "loss": 5.3914,
131
+ "step": 95
132
+ },
133
+ {
134
+ "epoch": 0.02,
135
+ "learning_rate": 0.0002249136555143953,
136
+ "loss": 5.369,
137
+ "step": 100
138
+ },
139
+ {
140
+ "epoch": 0.03,
141
+ "learning_rate": 0.00022489552597935173,
142
+ "loss": 5.3003,
143
+ "step": 105
144
+ },
145
+ {
146
+ "epoch": 0.03,
147
+ "learning_rate": 0.00022487567093975358,
148
+ "loss": 5.2256,
149
+ "step": 110
150
+ },
151
+ {
152
+ "epoch": 0.03,
153
+ "learning_rate": 0.00022485409070041688,
154
+ "loss": 5.141,
155
+ "step": 115
156
+ },
157
+ {
158
+ "epoch": 0.03,
159
+ "learning_rate": 0.00022483078559264308,
160
+ "loss": 5.0825,
161
+ "step": 120
162
+ },
163
+ {
164
+ "epoch": 0.03,
165
+ "learning_rate": 0.00022480575597421393,
166
+ "loss": 5.0306,
167
+ "step": 125
168
+ },
169
+ {
170
+ "epoch": 0.03,
171
+ "learning_rate": 0.0002247790022293861,
172
+ "loss": 4.9651,
173
+ "step": 130
174
+ },
175
+ {
176
+ "epoch": 0.03,
177
+ "learning_rate": 0.000224750524768885,
178
+ "loss": 4.9608,
179
+ "step": 135
180
+ },
181
+ {
182
+ "epoch": 0.03,
183
+ "learning_rate": 0.00022472032402989878,
184
+ "loss": 4.9164,
185
+ "step": 140
186
+ },
187
+ {
188
+ "epoch": 0.04,
189
+ "learning_rate": 0.00022468840047607143,
190
+ "loss": 4.8746,
191
+ "step": 145
192
+ },
193
+ {
194
+ "epoch": 0.04,
195
+ "learning_rate": 0.00022465475459749576,
196
+ "loss": 4.7804,
197
+ "step": 150
198
+ },
199
+ {
200
+ "epoch": 0.04,
201
+ "learning_rate": 0.00022461938691070582,
202
+ "loss": 4.7936,
203
+ "step": 155
204
+ },
205
+ {
206
+ "epoch": 0.04,
207
+ "learning_rate": 0.000224582297958669,
208
+ "loss": 4.7272,
209
+ "step": 160
210
+ },
211
+ {
212
+ "epoch": 0.04,
213
+ "learning_rate": 0.00022454348831077767,
214
+ "loss": 4.7058,
215
+ "step": 165
216
+ },
217
+ {
218
+ "epoch": 0.04,
219
+ "learning_rate": 0.00022450295856284047,
220
+ "loss": 4.6486,
221
+ "step": 170
222
+ },
223
+ {
224
+ "epoch": 0.04,
225
+ "learning_rate": 0.0002244607093370731,
226
+ "loss": 4.6536,
227
+ "step": 175
228
+ },
229
+ {
230
+ "epoch": 0.04,
231
+ "learning_rate": 0.0002244167412820889,
232
+ "loss": 4.5721,
233
+ "step": 180
234
+ },
235
+ {
236
+ "epoch": 0.05,
237
+ "learning_rate": 0.00022437105507288872,
238
+ "loss": 4.5511,
239
+ "step": 185
240
+ },
241
+ {
242
+ "epoch": 0.05,
243
+ "learning_rate": 0.00022432365141085068,
244
+ "loss": 4.4932,
245
+ "step": 190
246
+ },
247
+ {
248
+ "epoch": 0.05,
249
+ "learning_rate": 0.00022427453102371933,
250
+ "loss": 4.5251,
251
+ "step": 195
252
+ },
253
+ {
254
+ "epoch": 0.05,
255
+ "learning_rate": 0.0002242236946655946,
256
+ "loss": 4.4763,
257
+ "step": 200
258
+ },
259
+ {
260
+ "epoch": 0.05,
261
+ "learning_rate": 0.00022417114311692,
262
+ "loss": 4.5116,
263
+ "step": 205
264
+ },
265
+ {
266
+ "epoch": 0.05,
267
+ "learning_rate": 0.00022411687718447093,
268
+ "loss": 4.4102,
269
+ "step": 210
270
+ },
271
+ {
272
+ "epoch": 0.05,
273
+ "learning_rate": 0.00022406089770134205,
274
+ "loss": 4.4343,
275
+ "step": 215
276
+ },
277
+ {
278
+ "epoch": 0.05,
279
+ "learning_rate": 0.00022400320552693452,
280
+ "loss": 4.4403,
281
+ "step": 220
282
+ },
283
+ {
284
+ "epoch": 0.06,
285
+ "learning_rate": 0.000223943801546943,
286
+ "loss": 4.4068,
287
+ "step": 225
288
+ },
289
+ {
290
+ "epoch": 0.06,
291
+ "learning_rate": 0.0002238826866733418,
292
+ "loss": 4.3988,
293
+ "step": 230
294
+ },
295
+ {
296
+ "epoch": 0.06,
297
+ "learning_rate": 0.00022381986184437112,
298
+ "loss": 4.3703,
299
+ "step": 235
300
+ },
301
+ {
302
+ "epoch": 0.06,
303
+ "learning_rate": 0.00022375532802452238,
304
+ "loss": 4.303,
305
+ "step": 240
306
+ },
307
+ {
308
+ "epoch": 0.06,
309
+ "learning_rate": 0.00022368908620452367,
310
+ "loss": 4.2979,
311
+ "step": 245
312
+ },
313
+ {
314
+ "epoch": 0.06,
315
+ "learning_rate": 0.00022362113740132436,
316
+ "loss": 4.2974,
317
+ "step": 250
318
+ },
319
+ {
320
+ "epoch": 0.06,
321
+ "learning_rate": 0.00022355148265807966,
322
+ "loss": 4.2652,
323
+ "step": 255
324
+ },
325
+ {
326
+ "epoch": 0.06,
327
+ "learning_rate": 0.00022348012304413426,
328
+ "loss": 4.203,
329
+ "step": 260
330
+ },
331
+ {
332
+ "epoch": 0.07,
333
+ "learning_rate": 0.00022340705965500642,
334
+ "loss": 4.2045,
335
+ "step": 265
336
+ },
337
+ {
338
+ "epoch": 0.07,
339
+ "learning_rate": 0.00022333229361237082,
340
+ "loss": 4.2342,
341
+ "step": 270
342
+ },
343
+ {
344
+ "epoch": 0.07,
345
+ "learning_rate": 0.00022325582606404126,
346
+ "loss": 4.1869,
347
+ "step": 275
348
+ },
349
+ {
350
+ "epoch": 0.07,
351
+ "learning_rate": 0.00022317765818395332,
352
+ "loss": 4.0939,
353
+ "step": 280
354
+ },
355
+ {
356
+ "epoch": 0.07,
357
+ "learning_rate": 0.00022309779117214617,
358
+ "loss": 4.1401,
359
+ "step": 285
360
+ },
361
+ {
362
+ "epoch": 0.07,
363
+ "learning_rate": 0.00022301622625474417,
364
+ "loss": 4.0744,
365
+ "step": 290
366
+ },
367
+ {
368
+ "epoch": 0.07,
369
+ "learning_rate": 0.00022293296468393808,
370
+ "loss": 4.0818,
371
+ "step": 295
372
+ },
373
+ {
374
+ "epoch": 0.07,
375
+ "learning_rate": 0.0002228480077379657,
376
+ "loss": 4.029,
377
+ "step": 300
378
+ },
379
+ {
380
+ "epoch": 0.08,
381
+ "learning_rate": 0.00022276135672109258,
382
+ "loss": 4.0574,
383
+ "step": 305
384
+ },
385
+ {
386
+ "epoch": 0.08,
387
+ "learning_rate": 0.00022267301296359155,
388
+ "loss": 4.0003,
389
+ "step": 310
390
+ },
391
+ {
392
+ "epoch": 0.08,
393
+ "learning_rate": 0.00022258297782172258,
394
+ "loss": 4.0143,
395
+ "step": 315
396
+ },
397
+ {
398
+ "epoch": 0.08,
399
+ "learning_rate": 0.000222491252677712,
400
+ "loss": 3.9962,
401
+ "step": 320
402
+ },
403
+ {
404
+ "epoch": 0.08,
405
+ "learning_rate": 0.0002223978389397311,
406
+ "loss": 3.9994,
407
+ "step": 325
408
+ },
409
+ {
410
+ "epoch": 0.08,
411
+ "learning_rate": 0.00022230273804187456,
412
+ "loss": 3.9424,
413
+ "step": 330
414
+ },
415
+ {
416
+ "epoch": 0.08,
417
+ "learning_rate": 0.00022220595144413854,
418
+ "loss": 3.9215,
419
+ "step": 335
420
+ },
421
+ {
422
+ "epoch": 0.08,
423
+ "learning_rate": 0.00022210748063239815,
424
+ "loss": 3.9483,
425
+ "step": 340
426
+ },
427
+ {
428
+ "epoch": 0.08,
429
+ "learning_rate": 0.00022200732711838466,
430
+ "loss": 3.9037,
431
+ "step": 345
432
+ },
433
+ {
434
+ "epoch": 0.09,
435
+ "learning_rate": 0.00022190549243966234,
436
+ "loss": 3.8959,
437
+ "step": 350
438
+ },
439
+ {
440
+ "epoch": 0.09,
441
+ "learning_rate": 0.0002218019781596049,
442
+ "loss": 3.8066,
443
+ "step": 355
444
+ },
445
+ {
446
+ "epoch": 0.09,
447
+ "learning_rate": 0.00022169678586737127,
448
+ "loss": 3.8306,
449
+ "step": 360
450
+ },
451
+ {
452
+ "epoch": 0.09,
453
+ "learning_rate": 0.00022158991717788137,
454
+ "loss": 3.7961,
455
+ "step": 365
456
+ },
457
+ {
458
+ "epoch": 0.09,
459
+ "learning_rate": 0.00022148137373179146,
460
+ "loss": 3.7739,
461
+ "step": 370
462
+ },
463
+ {
464
+ "epoch": 0.09,
465
+ "learning_rate": 0.0002213711571954686,
466
+ "loss": 3.7727,
467
+ "step": 375
468
+ },
469
+ {
470
+ "epoch": 0.09,
471
+ "learning_rate": 0.00022125926926096538,
472
+ "loss": 3.7895,
473
+ "step": 380
474
+ },
475
+ {
476
+ "epoch": 0.09,
477
+ "learning_rate": 0.0002211457116459937,
478
+ "loss": 3.7839,
479
+ "step": 385
480
+ },
481
+ {
482
+ "epoch": 0.1,
483
+ "learning_rate": 0.00022103048609389868,
484
+ "loss": 3.7261,
485
+ "step": 390
486
+ },
487
+ {
488
+ "epoch": 0.1,
489
+ "learning_rate": 0.00022091359437363157,
490
+ "loss": 3.7129,
491
+ "step": 395
492
+ },
493
+ {
494
+ "epoch": 0.1,
495
+ "learning_rate": 0.00022079503827972293,
496
+ "loss": 3.6765,
497
+ "step": 400
498
+ },
499
+ {
500
+ "epoch": 0.1,
501
+ "learning_rate": 0.0002206748196322547,
502
+ "loss": 3.6463,
503
+ "step": 405
504
+ },
505
+ {
506
+ "epoch": 0.1,
507
+ "eval_loss": 3.6351399421691895,
508
+ "eval_runtime": 955.1583,
509
+ "eval_samples_per_second": 79.184,
510
+ "eval_steps_per_second": 4.399,
511
+ "step": 406
512
+ },
513
+ {
514
+ "epoch": 0.1,
515
+ "learning_rate": 0.00022055294027683266,
516
+ "loss": 3.6138,
517
+ "step": 410
518
+ },
519
+ {
520
+ "epoch": 0.1,
521
+ "learning_rate": 0.0002204294020845578,
522
+ "loss": 3.6069,
523
+ "step": 415
524
+ },
525
+ {
526
+ "epoch": 0.1,
527
+ "learning_rate": 0.00022030420695199774,
528
+ "loss": 3.5781,
529
+ "step": 420
530
+ },
531
+ {
532
+ "epoch": 0.1,
533
+ "learning_rate": 0.00022017735680115755,
534
+ "loss": 3.5925,
535
+ "step": 425
536
+ },
537
+ {
538
+ "epoch": 0.11,
539
+ "learning_rate": 0.00022004885357945026,
540
+ "loss": 3.6038,
541
+ "step": 430
542
+ },
543
+ {
544
+ "epoch": 0.11,
545
+ "learning_rate": 0.000219918699259667,
546
+ "loss": 3.5368,
547
+ "step": 435
548
+ },
549
+ {
550
+ "epoch": 0.11,
551
+ "learning_rate": 0.00021978689583994666,
552
+ "loss": 3.5982,
553
+ "step": 440
554
+ },
555
+ {
556
+ "epoch": 0.11,
557
+ "learning_rate": 0.00021965344534374522,
558
+ "loss": 3.5501,
559
+ "step": 445
560
+ },
561
+ {
562
+ "epoch": 0.11,
563
+ "learning_rate": 0.0002195183498198047,
564
+ "loss": 3.5315,
565
+ "step": 450
566
+ },
567
+ {
568
+ "epoch": 0.11,
569
+ "learning_rate": 0.00021938161134212177,
570
+ "loss": 3.5229,
571
+ "step": 455
572
+ },
573
+ {
574
+ "epoch": 0.11,
575
+ "learning_rate": 0.00021924323200991577,
576
+ "loss": 3.5106,
577
+ "step": 460
578
+ },
579
+ {
580
+ "epoch": 0.11,
581
+ "learning_rate": 0.00021910321394759662,
582
+ "loss": 3.4851,
583
+ "step": 465
584
+ },
585
+ {
586
+ "epoch": 0.12,
587
+ "learning_rate": 0.00021896155930473216,
588
+ "loss": 3.4405,
589
+ "step": 470
590
+ },
591
+ {
592
+ "epoch": 0.12,
593
+ "learning_rate": 0.00021881827025601504,
594
+ "loss": 3.5036,
595
+ "step": 475
596
+ },
597
+ {
598
+ "epoch": 0.12,
599
+ "learning_rate": 0.00021867334900122954,
600
+ "loss": 3.4158,
601
+ "step": 480
602
+ },
603
+ {
604
+ "epoch": 0.12,
605
+ "learning_rate": 0.0002185267977652176,
606
+ "loss": 3.465,
607
+ "step": 485
608
+ },
609
+ {
610
+ "epoch": 0.12,
611
+ "learning_rate": 0.00021837861879784484,
612
+ "loss": 3.3843,
613
+ "step": 490
614
+ },
615
+ {
616
+ "epoch": 0.12,
617
+ "learning_rate": 0.0002182288143739659,
618
+ "loss": 3.3678,
619
+ "step": 495
620
+ },
621
+ {
622
+ "epoch": 0.12,
623
+ "learning_rate": 0.00021807738679338953,
624
+ "loss": 3.4079,
625
+ "step": 500
626
+ },
627
+ {
628
+ "epoch": 0.12,
629
+ "learning_rate": 0.0002179243383808433,
630
+ "loss": 3.3826,
631
+ "step": 505
632
+ },
633
+ {
634
+ "epoch": 0.13,
635
+ "learning_rate": 0.00021776967148593793,
636
+ "loss": 3.4016,
637
+ "step": 510
638
+ },
639
+ {
640
+ "epoch": 0.13,
641
+ "learning_rate": 0.00021761338848313123,
642
+ "loss": 3.3715,
643
+ "step": 515
644
+ },
645
+ {
646
+ "epoch": 0.13,
647
+ "learning_rate": 0.0002174554917716916,
648
+ "loss": 3.4046,
649
+ "step": 520
650
+ },
651
+ {
652
+ "epoch": 0.13,
653
+ "learning_rate": 0.00021729598377566122,
654
+ "loss": 3.3304,
655
+ "step": 525
656
+ },
657
+ {
658
+ "epoch": 0.13,
659
+ "learning_rate": 0.00021713486694381875,
660
+ "loss": 3.3419,
661
+ "step": 530
662
+ },
663
+ {
664
+ "epoch": 0.13,
665
+ "learning_rate": 0.00021697214374964195,
666
+ "loss": 3.3681,
667
+ "step": 535
668
+ },
669
+ {
670
+ "epoch": 0.13,
671
+ "learning_rate": 0.0002168078166912695,
672
+ "loss": 3.3012,
673
+ "step": 540
674
+ },
675
+ {
676
+ "epoch": 0.13,
677
+ "learning_rate": 0.00021664188829146277,
678
+ "loss": 3.3551,
679
+ "step": 545
680
+ },
681
+ {
682
+ "epoch": 0.14,
683
+ "learning_rate": 0.000216474361097567,
684
+ "loss": 3.2824,
685
+ "step": 550
686
+ },
687
+ {
688
+ "epoch": 0.14,
689
+ "learning_rate": 0.00021630523768147218,
690
+ "loss": 3.3024,
691
+ "step": 555
692
+ },
693
+ {
694
+ "epoch": 0.14,
695
+ "learning_rate": 0.00021613452063957379,
696
+ "loss": 3.2661,
697
+ "step": 560
698
+ },
699
+ {
700
+ "epoch": 0.14,
701
+ "learning_rate": 0.00021596221259273266,
702
+ "loss": 3.2882,
703
+ "step": 565
704
+ },
705
+ {
706
+ "epoch": 0.14,
707
+ "learning_rate": 0.0002157883161862348,
708
+ "loss": 3.3181,
709
+ "step": 570
710
+ },
711
+ {
712
+ "epoch": 0.14,
713
+ "learning_rate": 0.00021561283408975097,
714
+ "loss": 3.2574,
715
+ "step": 575
716
+ },
717
+ {
718
+ "epoch": 0.14,
719
+ "learning_rate": 0.00021543576899729543,
720
+ "loss": 3.2339,
721
+ "step": 580
722
+ },
723
+ {
724
+ "epoch": 0.14,
725
+ "learning_rate": 0.00021525712362718483,
726
+ "loss": 3.2554,
727
+ "step": 585
728
+ },
729
+ {
730
+ "epoch": 0.15,
731
+ "learning_rate": 0.00021507690072199625,
732
+ "loss": 3.1892,
733
+ "step": 590
734
+ },
735
+ {
736
+ "epoch": 0.15,
737
+ "learning_rate": 0.00021489510304852536,
738
+ "loss": 3.2946,
739
+ "step": 595
740
+ },
741
+ {
742
+ "epoch": 0.15,
743
+ "learning_rate": 0.00021471173339774363,
744
+ "loss": 3.2303,
745
+ "step": 600
746
+ },
747
+ {
748
+ "epoch": 0.15,
749
+ "learning_rate": 0.00021452679458475567,
750
+ "loss": 3.2891,
751
+ "step": 605
752
+ },
753
+ {
754
+ "epoch": 0.15,
755
+ "learning_rate": 0.00021434028944875607,
756
+ "loss": 3.224,
757
+ "step": 610
758
+ },
759
+ {
760
+ "epoch": 0.15,
761
+ "learning_rate": 0.00021415222085298573,
762
+ "loss": 3.2337,
763
+ "step": 615
764
+ },
765
+ {
766
+ "epoch": 0.15,
767
+ "learning_rate": 0.00021396259168468773,
768
+ "loss": 3.2158,
769
+ "step": 620
770
+ },
771
+ {
772
+ "epoch": 0.15,
773
+ "learning_rate": 0.0002137714048550634,
774
+ "loss": 3.2126,
775
+ "step": 625
776
+ },
777
+ {
778
+ "epoch": 0.16,
779
+ "learning_rate": 0.0002135786632992273,
780
+ "loss": 3.1934,
781
+ "step": 630
782
+ },
783
+ {
784
+ "epoch": 0.16,
785
+ "learning_rate": 0.00021338436997616223,
786
+ "loss": 3.2051,
787
+ "step": 635
788
+ },
789
+ {
790
+ "epoch": 0.16,
791
+ "learning_rate": 0.00021318852786867388,
792
+ "loss": 3.2667,
793
+ "step": 640
794
+ },
795
+ {
796
+ "epoch": 0.16,
797
+ "learning_rate": 0.00021299113998334503,
798
+ "loss": 3.1956,
799
+ "step": 645
800
+ },
801
+ {
802
+ "epoch": 0.16,
803
+ "learning_rate": 0.00021279220935048926,
804
+ "loss": 3.1771,
805
+ "step": 650
806
+ },
807
+ {
808
+ "epoch": 0.16,
809
+ "learning_rate": 0.0002125917390241046,
810
+ "loss": 3.1467,
811
+ "step": 655
812
+ },
813
+ {
814
+ "epoch": 0.16,
815
+ "learning_rate": 0.00021238973208182659,
816
+ "loss": 3.1788,
817
+ "step": 660
818
+ },
819
+ {
820
+ "epoch": 0.16,
821
+ "learning_rate": 0.00021218619162488095,
822
+ "loss": 3.1967,
823
+ "step": 665
824
+ },
825
+ {
826
+ "epoch": 0.17,
827
+ "learning_rate": 0.00021198112077803607,
828
+ "loss": 3.149,
829
+ "step": 670
830
+ },
831
+ {
832
+ "epoch": 0.17,
833
+ "learning_rate": 0.00021177452268955496,
834
+ "loss": 3.154,
835
+ "step": 675
836
+ },
837
+ {
838
+ "epoch": 0.17,
839
+ "learning_rate": 0.000211566400531147,
840
+ "loss": 3.1652,
841
+ "step": 680
842
+ },
843
+ {
844
+ "epoch": 0.17,
845
+ "learning_rate": 0.00021135675749791924,
846
+ "loss": 3.1433,
847
+ "step": 685
848
+ },
849
+ {
850
+ "epoch": 0.17,
851
+ "learning_rate": 0.00021114559680832722,
852
+ "loss": 3.1893,
853
+ "step": 690
854
+ },
855
+ {
856
+ "epoch": 0.17,
857
+ "learning_rate": 0.0002109329217041257,
858
+ "loss": 3.1788,
859
+ "step": 695
860
+ },
861
+ {
862
+ "epoch": 0.17,
863
+ "learning_rate": 0.00021071873545031885,
864
+ "loss": 3.1549,
865
+ "step": 700
866
+ },
867
+ {
868
+ "epoch": 0.17,
869
+ "learning_rate": 0.00021050304133511018,
870
+ "loss": 3.1294,
871
+ "step": 705
872
+ },
873
+ {
874
+ "epoch": 0.17,
875
+ "learning_rate": 0.00021028584266985186,
876
+ "loss": 3.1109,
877
+ "step": 710
878
+ },
879
+ {
880
+ "epoch": 0.18,
881
+ "learning_rate": 0.00021006714278899415,
882
+ "loss": 3.1713,
883
+ "step": 715
884
+ },
885
+ {
886
+ "epoch": 0.18,
887
+ "learning_rate": 0.00020984694505003402,
888
+ "loss": 3.1304,
889
+ "step": 720
890
+ },
891
+ {
892
+ "epoch": 0.18,
893
+ "learning_rate": 0.00020962525283346376,
894
+ "loss": 3.1285,
895
+ "step": 725
896
+ },
897
+ {
898
+ "epoch": 0.18,
899
+ "learning_rate": 0.0002094020695427188,
900
+ "loss": 3.0582,
901
+ "step": 730
902
+ },
903
+ {
904
+ "epoch": 0.18,
905
+ "learning_rate": 0.00020917739860412592,
906
+ "loss": 3.1063,
907
+ "step": 735
908
+ },
909
+ {
910
+ "epoch": 0.18,
911
+ "learning_rate": 0.00020895124346685017,
912
+ "loss": 3.1309,
913
+ "step": 740
914
+ },
915
+ {
916
+ "epoch": 0.18,
917
+ "learning_rate": 0.00020872360760284219,
918
+ "loss": 3.1125,
919
+ "step": 745
920
+ },
921
+ {
922
+ "epoch": 0.18,
923
+ "learning_rate": 0.0002084944945067849,
924
+ "loss": 3.1108,
925
+ "step": 750
926
+ },
927
+ {
928
+ "epoch": 0.19,
929
+ "learning_rate": 0.00020826390769603968,
930
+ "loss": 3.0765,
931
+ "step": 755
932
+ },
933
+ {
934
+ "epoch": 0.19,
935
+ "learning_rate": 0.00020803185071059267,
936
+ "loss": 3.0634,
937
+ "step": 760
938
+ },
939
+ {
940
+ "epoch": 0.19,
941
+ "learning_rate": 0.000207798327113,
942
+ "loss": 3.0993,
943
+ "step": 765
944
+ },
945
+ {
946
+ "epoch": 0.19,
947
+ "learning_rate": 0.0002075633404883336,
948
+ "loss": 3.1127,
949
+ "step": 770
950
+ },
951
+ {
952
+ "epoch": 0.19,
953
+ "learning_rate": 0.00020732689444412573,
954
+ "loss": 3.0502,
955
+ "step": 775
956
+ },
957
+ {
958
+ "epoch": 0.19,
959
+ "learning_rate": 0.0002070889926103138,
960
+ "loss": 3.0436,
961
+ "step": 780
962
+ },
963
+ {
964
+ "epoch": 0.19,
965
+ "learning_rate": 0.0002068496386391846,
966
+ "loss": 3.0305,
967
+ "step": 785
968
+ },
969
+ {
970
+ "epoch": 0.19,
971
+ "learning_rate": 0.0002066088362053184,
972
+ "loss": 3.0996,
973
+ "step": 790
974
+ },
975
+ {
976
+ "epoch": 0.2,
977
+ "learning_rate": 0.00020636658900553213,
978
+ "loss": 3.0584,
979
+ "step": 795
980
+ },
981
+ {
982
+ "epoch": 0.2,
983
+ "learning_rate": 0.00020612290075882296,
984
+ "loss": 3.0508,
985
+ "step": 800
986
+ },
987
+ {
988
+ "epoch": 0.2,
989
+ "learning_rate": 0.00020587777520631126,
990
+ "loss": 3.0578,
991
+ "step": 805
992
+ },
993
+ {
994
+ "epoch": 0.2,
995
+ "learning_rate": 0.00020563121611118286,
996
+ "loss": 3.0308,
997
+ "step": 810
998
+ },
999
+ {
1000
+ "epoch": 0.2,
1001
+ "eval_loss": 3.0524611473083496,
1002
+ "eval_runtime": 955.714,
1003
+ "eval_samples_per_second": 79.138,
1004
+ "eval_steps_per_second": 4.397,
1005
+ "step": 812
1006
+ },
1007
+ {
1008
+ "epoch": 0.2,
1009
+ "learning_rate": 0.00020538322725863146,
1010
+ "loss": 3.122,
1011
+ "step": 815
1012
+ },
1013
+ {
1014
+ "epoch": 0.2,
1015
+ "learning_rate": 0.00020513381245580064,
1016
+ "loss": 2.9886,
1017
+ "step": 820
1018
+ },
1019
+ {
1020
+ "epoch": 0.2,
1021
+ "learning_rate": 0.00020488297553172515,
1022
+ "loss": 3.0606,
1023
+ "step": 825
1024
+ },
1025
+ {
1026
+ "epoch": 0.2,
1027
+ "learning_rate": 0.00020463072033727225,
1028
+ "loss": 2.993,
1029
+ "step": 830
1030
+ },
1031
+ {
1032
+ "epoch": 0.21,
1033
+ "learning_rate": 0.00020437705074508264,
1034
+ "loss": 2.9999,
1035
+ "step": 835
1036
+ },
1037
+ {
1038
+ "epoch": 0.21,
1039
+ "learning_rate": 0.00020412197064951097,
1040
+ "loss": 3.0143,
1041
+ "step": 840
1042
+ },
1043
+ {
1044
+ "epoch": 0.21,
1045
+ "learning_rate": 0.000203865483966566,
1046
+ "loss": 2.9886,
1047
+ "step": 845
1048
+ },
1049
+ {
1050
+ "epoch": 0.21,
1051
+ "learning_rate": 0.00020360759463385053,
1052
+ "loss": 3.0219,
1053
+ "step": 850
1054
+ },
1055
+ {
1056
+ "epoch": 0.21,
1057
+ "learning_rate": 0.00020334830661050102,
1058
+ "loss": 2.9888,
1059
+ "step": 855
1060
+ },
1061
+ {
1062
+ "epoch": 0.21,
1063
+ "learning_rate": 0.00020308762387712662,
1064
+ "loss": 3.0271,
1065
+ "step": 860
1066
+ },
1067
+ {
1068
+ "epoch": 0.21,
1069
+ "learning_rate": 0.00020282555043574823,
1070
+ "loss": 3.0063,
1071
+ "step": 865
1072
+ },
1073
+ {
1074
+ "epoch": 0.21,
1075
+ "learning_rate": 0.00020256209030973708,
1076
+ "loss": 3.0198,
1077
+ "step": 870
1078
+ },
1079
+ {
1080
+ "epoch": 0.22,
1081
+ "learning_rate": 0.00020229724754375266,
1082
+ "loss": 3.0135,
1083
+ "step": 875
1084
+ },
1085
+ {
1086
+ "epoch": 0.22,
1087
+ "learning_rate": 0.00020203102620368113,
1088
+ "loss": 3.0008,
1089
+ "step": 880
1090
+ },
1091
+ {
1092
+ "epoch": 0.22,
1093
+ "learning_rate": 0.00020176343037657242,
1094
+ "loss": 3.0168,
1095
+ "step": 885
1096
+ },
1097
+ {
1098
+ "epoch": 0.22,
1099
+ "learning_rate": 0.00020149446417057782,
1100
+ "loss": 3.042,
1101
+ "step": 890
1102
+ },
1103
+ {
1104
+ "epoch": 0.22,
1105
+ "learning_rate": 0.00020122413171488667,
1106
+ "loss": 2.9954,
1107
+ "step": 895
1108
+ },
1109
+ {
1110
+ "epoch": 0.22,
1111
+ "learning_rate": 0.00020095243715966316,
1112
+ "loss": 3.0191,
1113
+ "step": 900
1114
+ },
1115
+ {
1116
+ "epoch": 0.22,
1117
+ "learning_rate": 0.0002006793846759825,
1118
+ "loss": 3.0343,
1119
+ "step": 905
1120
+ },
1121
+ {
1122
+ "epoch": 0.22,
1123
+ "learning_rate": 0.0002004049784557669,
1124
+ "loss": 2.9843,
1125
+ "step": 910
1126
+ },
1127
+ {
1128
+ "epoch": 0.23,
1129
+ "learning_rate": 0.00020012922271172128,
1130
+ "loss": 3.0263,
1131
+ "step": 915
1132
+ },
1133
+ {
1134
+ "epoch": 0.23,
1135
+ "learning_rate": 0.00019985212167726853,
1136
+ "loss": 2.975,
1137
+ "step": 920
1138
+ },
1139
+ {
1140
+ "epoch": 0.23,
1141
+ "learning_rate": 0.0001995736796064845,
1142
+ "loss": 2.9858,
1143
+ "step": 925
1144
+ },
1145
+ {
1146
+ "epoch": 0.23,
1147
+ "learning_rate": 0.0001992939007740328,
1148
+ "loss": 2.9526,
1149
+ "step": 930
1150
+ },
1151
+ {
1152
+ "epoch": 0.23,
1153
+ "learning_rate": 0.0001990127894750991,
1154
+ "loss": 2.971,
1155
+ "step": 935
1156
+ },
1157
+ {
1158
+ "epoch": 0.23,
1159
+ "learning_rate": 0.00019873035002532512,
1160
+ "loss": 2.9635,
1161
+ "step": 940
1162
+ },
1163
+ {
1164
+ "epoch": 0.23,
1165
+ "learning_rate": 0.00019844658676074255,
1166
+ "loss": 2.9807,
1167
+ "step": 945
1168
+ },
1169
+ {
1170
+ "epoch": 0.23,
1171
+ "learning_rate": 0.0001981615040377063,
1172
+ "loss": 2.9822,
1173
+ "step": 950
1174
+ },
1175
+ {
1176
+ "epoch": 0.24,
1177
+ "learning_rate": 0.00019787510623282776,
1178
+ "loss": 2.9552,
1179
+ "step": 955
1180
+ },
1181
+ {
1182
+ "epoch": 0.24,
1183
+ "learning_rate": 0.00019758739774290753,
1184
+ "loss": 2.9877,
1185
+ "step": 960
1186
+ },
1187
+ {
1188
+ "epoch": 0.24,
1189
+ "learning_rate": 0.00019729838298486793,
1190
+ "loss": 2.974,
1191
+ "step": 965
1192
+ },
1193
+ {
1194
+ "epoch": 0.24,
1195
+ "learning_rate": 0.00019700806639568524,
1196
+ "loss": 2.9613,
1197
+ "step": 970
1198
+ },
1199
+ {
1200
+ "epoch": 0.24,
1201
+ "learning_rate": 0.00019671645243232155,
1202
+ "loss": 2.9949,
1203
+ "step": 975
1204
+ },
1205
+ {
1206
+ "epoch": 0.24,
1207
+ "learning_rate": 0.00019642354557165633,
1208
+ "loss": 2.9876,
1209
+ "step": 980
1210
+ },
1211
+ {
1212
+ "epoch": 0.24,
1213
+ "learning_rate": 0.00019612935031041768,
1214
+ "loss": 2.9644,
1215
+ "step": 985
1216
+ },
1217
+ {
1218
+ "epoch": 0.24,
1219
+ "learning_rate": 0.00019583387116511335,
1220
+ "loss": 2.9204,
1221
+ "step": 990
1222
+ },
1223
+ {
1224
+ "epoch": 0.25,
1225
+ "learning_rate": 0.00019553711267196136,
1226
+ "loss": 2.9849,
1227
+ "step": 995
1228
+ },
1229
+ {
1230
+ "epoch": 0.25,
1231
+ "learning_rate": 0.00019523907938682038,
1232
+ "loss": 2.9622,
1233
+ "step": 1000
1234
+ },
1235
+ {
1236
+ "epoch": 0.25,
1237
+ "learning_rate": 0.00019493977588511978,
1238
+ "loss": 2.9457,
1239
+ "step": 1005
1240
+ },
1241
+ {
1242
+ "epoch": 0.25,
1243
+ "learning_rate": 0.0001946392067617894,
1244
+ "loss": 2.9558,
1245
+ "step": 1010
1246
+ },
1247
+ {
1248
+ "epoch": 0.25,
1249
+ "learning_rate": 0.00019433737663118898,
1250
+ "loss": 2.9107,
1251
+ "step": 1015
1252
+ },
1253
+ {
1254
+ "epoch": 0.25,
1255
+ "learning_rate": 0.0001940342901270374,
1256
+ "loss": 2.963,
1257
+ "step": 1020
1258
+ },
1259
+ {
1260
+ "epoch": 0.25,
1261
+ "learning_rate": 0.00019372995190234136,
1262
+ "loss": 2.8945,
1263
+ "step": 1025
1264
+ },
1265
+ {
1266
+ "epoch": 0.25,
1267
+ "learning_rate": 0.00019342436662932416,
1268
+ "loss": 2.9756,
1269
+ "step": 1030
1270
+ },
1271
+ {
1272
+ "epoch": 0.25,
1273
+ "learning_rate": 0.00019311753899935389,
1274
+ "loss": 2.9392,
1275
+ "step": 1035
1276
+ },
1277
+ {
1278
+ "epoch": 0.26,
1279
+ "learning_rate": 0.00019280947372287132,
1280
+ "loss": 2.9293,
1281
+ "step": 1040
1282
+ },
1283
+ {
1284
+ "epoch": 0.26,
1285
+ "learning_rate": 0.00019250017552931774,
1286
+ "loss": 2.947,
1287
+ "step": 1045
1288
+ },
1289
+ {
1290
+ "epoch": 0.26,
1291
+ "learning_rate": 0.00019218964916706223,
1292
+ "loss": 2.9317,
1293
+ "step": 1050
1294
+ },
1295
+ {
1296
+ "epoch": 0.26,
1297
+ "learning_rate": 0.00019187789940332882,
1298
+ "loss": 2.8816,
1299
+ "step": 1055
1300
+ },
1301
+ {
1302
+ "epoch": 0.26,
1303
+ "learning_rate": 0.0001915649310241233,
1304
+ "loss": 2.9644,
1305
+ "step": 1060
1306
+ },
1307
+ {
1308
+ "epoch": 0.26,
1309
+ "learning_rate": 0.0001912507488341597,
1310
+ "loss": 2.9219,
1311
+ "step": 1065
1312
+ },
1313
+ {
1314
+ "epoch": 0.26,
1315
+ "learning_rate": 0.00019093535765678663,
1316
+ "loss": 2.8983,
1317
+ "step": 1070
1318
+ },
1319
+ {
1320
+ "epoch": 0.26,
1321
+ "learning_rate": 0.00019061876233391313,
1322
+ "loss": 2.8816,
1323
+ "step": 1075
1324
+ },
1325
+ {
1326
+ "epoch": 0.27,
1327
+ "learning_rate": 0.00019030096772593432,
1328
+ "loss": 2.8844,
1329
+ "step": 1080
1330
+ },
1331
+ {
1332
+ "epoch": 0.27,
1333
+ "learning_rate": 0.00018998197871165692,
1334
+ "loss": 2.9207,
1335
+ "step": 1085
1336
+ },
1337
+ {
1338
+ "epoch": 0.27,
1339
+ "learning_rate": 0.00018966180018822423,
1340
+ "loss": 2.9553,
1341
+ "step": 1090
1342
+ },
1343
+ {
1344
+ "epoch": 0.27,
1345
+ "learning_rate": 0.00018934043707104098,
1346
+ "loss": 2.893,
1347
+ "step": 1095
1348
+ },
1349
+ {
1350
+ "epoch": 0.27,
1351
+ "learning_rate": 0.0001890178942936979,
1352
+ "loss": 2.9049,
1353
+ "step": 1100
1354
+ },
1355
+ {
1356
+ "epoch": 0.27,
1357
+ "learning_rate": 0.00018869417680789587,
1358
+ "loss": 2.8872,
1359
+ "step": 1105
1360
+ },
1361
+ {
1362
+ "epoch": 0.27,
1363
+ "learning_rate": 0.00018836928958337009,
1364
+ "loss": 2.9219,
1365
+ "step": 1110
1366
+ },
1367
+ {
1368
+ "epoch": 0.27,
1369
+ "learning_rate": 0.00018804323760781362,
1370
+ "loss": 2.9005,
1371
+ "step": 1115
1372
+ },
1373
+ {
1374
+ "epoch": 0.28,
1375
+ "learning_rate": 0.00018771602588680083,
1376
+ "loss": 2.8814,
1377
+ "step": 1120
1378
+ },
1379
+ {
1380
+ "epoch": 0.28,
1381
+ "learning_rate": 0.00018738765944371067,
1382
+ "loss": 2.8915,
1383
+ "step": 1125
1384
+ },
1385
+ {
1386
+ "epoch": 0.28,
1387
+ "learning_rate": 0.00018705814331964945,
1388
+ "loss": 2.8777,
1389
+ "step": 1130
1390
+ },
1391
+ {
1392
+ "epoch": 0.28,
1393
+ "learning_rate": 0.0001867274825733734,
1394
+ "loss": 2.8821,
1395
+ "step": 1135
1396
+ },
1397
+ {
1398
+ "epoch": 0.28,
1399
+ "learning_rate": 0.0001863956822812112,
1400
+ "loss": 2.8803,
1401
+ "step": 1140
1402
+ },
1403
+ {
1404
+ "epoch": 0.28,
1405
+ "learning_rate": 0.00018606274753698576,
1406
+ "loss": 2.8787,
1407
+ "step": 1145
1408
+ },
1409
+ {
1410
+ "epoch": 0.28,
1411
+ "learning_rate": 0.00018572868345193632,
1412
+ "loss": 2.9365,
1413
+ "step": 1150
1414
+ },
1415
+ {
1416
+ "epoch": 0.28,
1417
+ "learning_rate": 0.0001853934951546398,
1418
+ "loss": 2.8642,
1419
+ "step": 1155
1420
+ },
1421
+ {
1422
+ "epoch": 0.29,
1423
+ "learning_rate": 0.00018505718779093206,
1424
+ "loss": 2.8333,
1425
+ "step": 1160
1426
+ },
1427
+ {
1428
+ "epoch": 0.29,
1429
+ "learning_rate": 0.0001847197665238291,
1430
+ "loss": 2.9019,
1431
+ "step": 1165
1432
+ },
1433
+ {
1434
+ "epoch": 0.29,
1435
+ "learning_rate": 0.00018438123653344746,
1436
+ "loss": 2.8726,
1437
+ "step": 1170
1438
+ },
1439
+ {
1440
+ "epoch": 0.29,
1441
+ "learning_rate": 0.00018404160301692504,
1442
+ "loss": 2.8655,
1443
+ "step": 1175
1444
+ },
1445
+ {
1446
+ "epoch": 0.29,
1447
+ "learning_rate": 0.00018370087118834102,
1448
+ "loss": 2.8639,
1449
+ "step": 1180
1450
+ },
1451
+ {
1452
+ "epoch": 0.29,
1453
+ "learning_rate": 0.00018335904627863605,
1454
+ "loss": 2.8742,
1455
+ "step": 1185
1456
+ },
1457
+ {
1458
+ "epoch": 0.29,
1459
+ "learning_rate": 0.00018301613353553182,
1460
+ "loss": 2.9013,
1461
+ "step": 1190
1462
+ },
1463
+ {
1464
+ "epoch": 0.29,
1465
+ "learning_rate": 0.0001826721382234505,
1466
+ "loss": 2.9131,
1467
+ "step": 1195
1468
+ },
1469
+ {
1470
+ "epoch": 0.3,
1471
+ "learning_rate": 0.000182327065623434,
1472
+ "loss": 2.9068,
1473
+ "step": 1200
1474
+ },
1475
+ {
1476
+ "epoch": 0.3,
1477
+ "learning_rate": 0.0001819809210330627,
1478
+ "loss": 2.9222,
1479
+ "step": 1205
1480
+ },
1481
+ {
1482
+ "epoch": 0.3,
1483
+ "learning_rate": 0.0001816337097663744,
1484
+ "loss": 2.8718,
1485
+ "step": 1210
1486
+ },
1487
+ {
1488
+ "epoch": 0.3,
1489
+ "learning_rate": 0.00018128543715378252,
1490
+ "loss": 2.8504,
1491
+ "step": 1215
1492
+ },
1493
+ {
1494
+ "epoch": 0.3,
1495
+ "eval_loss": 2.8658618927001953,
1496
+ "eval_runtime": 957.687,
1497
+ "eval_samples_per_second": 78.975,
1498
+ "eval_steps_per_second": 4.388,
1499
+ "step": 1218
1500
+ },
1501
+ {
1502
+ "epoch": 0.3,
1503
+ "learning_rate": 0.00018093610854199438,
1504
+ "loss": 2.8823,
1505
+ "step": 1220
1506
+ },
1507
+ {
1508
+ "epoch": 0.3,
1509
+ "learning_rate": 0.00018058572929392902,
1510
+ "loss": 2.8528,
1511
+ "step": 1225
1512
+ },
1513
+ {
1514
+ "epoch": 0.3,
1515
+ "learning_rate": 0.000180234304788635,
1516
+ "loss": 2.9415,
1517
+ "step": 1230
1518
+ },
1519
+ {
1520
+ "epoch": 0.3,
1521
+ "learning_rate": 0.0001798818404212077,
1522
+ "loss": 2.8599,
1523
+ "step": 1235
1524
+ },
1525
+ {
1526
+ "epoch": 0.31,
1527
+ "learning_rate": 0.00017952834160270655,
1528
+ "loss": 2.8218,
1529
+ "step": 1240
1530
+ },
1531
+ {
1532
+ "epoch": 0.31,
1533
+ "learning_rate": 0.000179173813760072,
1534
+ "loss": 2.8258,
1535
+ "step": 1245
1536
+ },
1537
+ {
1538
+ "epoch": 0.31,
1539
+ "learning_rate": 0.00017881826233604204,
1540
+ "loss": 2.8397,
1541
+ "step": 1250
1542
+ },
1543
+ {
1544
+ "epoch": 0.31,
1545
+ "learning_rate": 0.00017846169278906888,
1546
+ "loss": 2.8817,
1547
+ "step": 1255
1548
+ },
1549
+ {
1550
+ "epoch": 0.31,
1551
+ "learning_rate": 0.00017810411059323498,
1552
+ "loss": 2.8424,
1553
+ "step": 1260
1554
+ },
1555
+ {
1556
+ "epoch": 0.31,
1557
+ "learning_rate": 0.00017774552123816904,
1558
+ "loss": 2.845,
1559
+ "step": 1265
1560
+ },
1561
+ {
1562
+ "epoch": 0.31,
1563
+ "learning_rate": 0.00017738593022896177,
1564
+ "loss": 2.8272,
1565
+ "step": 1270
1566
+ },
1567
+ {
1568
+ "epoch": 0.31,
1569
+ "learning_rate": 0.00017702534308608133,
1570
+ "loss": 2.8452,
1571
+ "step": 1275
1572
+ },
1573
+ {
1574
+ "epoch": 0.32,
1575
+ "learning_rate": 0.00017666376534528866,
1576
+ "loss": 2.8805,
1577
+ "step": 1280
1578
+ },
1579
+ {
1580
+ "epoch": 0.32,
1581
+ "learning_rate": 0.00017630120255755235,
1582
+ "loss": 2.8824,
1583
+ "step": 1285
1584
+ },
1585
+ {
1586
+ "epoch": 0.32,
1587
+ "learning_rate": 0.00017593766028896357,
1588
+ "loss": 2.8669,
1589
+ "step": 1290
1590
+ },
1591
+ {
1592
+ "epoch": 0.32,
1593
+ "learning_rate": 0.0001755731441206505,
1594
+ "loss": 2.8883,
1595
+ "step": 1295
1596
+ },
1597
+ {
1598
+ "epoch": 0.32,
1599
+ "learning_rate": 0.0001752076596486927,
1600
+ "loss": 2.813,
1601
+ "step": 1300
1602
+ },
1603
+ {
1604
+ "epoch": 0.32,
1605
+ "learning_rate": 0.0001748412124840353,
1606
+ "loss": 2.8275,
1607
+ "step": 1305
1608
+ },
1609
+ {
1610
+ "epoch": 0.32,
1611
+ "learning_rate": 0.00017447380825240264,
1612
+ "loss": 2.8017,
1613
+ "step": 1310
1614
+ },
1615
+ {
1616
+ "epoch": 0.32,
1617
+ "learning_rate": 0.00017410545259421208,
1618
+ "loss": 2.8368,
1619
+ "step": 1315
1620
+ },
1621
+ {
1622
+ "epoch": 0.33,
1623
+ "learning_rate": 0.00017373615116448736,
1624
+ "loss": 2.8448,
1625
+ "step": 1320
1626
+ },
1627
+ {
1628
+ "epoch": 0.33,
1629
+ "learning_rate": 0.00017336590963277173,
1630
+ "loss": 2.8353,
1631
+ "step": 1325
1632
+ },
1633
+ {
1634
+ "epoch": 0.33,
1635
+ "learning_rate": 0.00017299473368304102,
1636
+ "loss": 2.8326,
1637
+ "step": 1330
1638
+ },
1639
+ {
1640
+ "epoch": 0.33,
1641
+ "learning_rate": 0.00017262262901361627,
1642
+ "loss": 2.7981,
1643
+ "step": 1335
1644
+ },
1645
+ {
1646
+ "epoch": 0.33,
1647
+ "learning_rate": 0.00017224960133707627,
1648
+ "loss": 2.828,
1649
+ "step": 1340
1650
+ },
1651
+ {
1652
+ "epoch": 0.33,
1653
+ "learning_rate": 0.00017187565638017,
1654
+ "loss": 2.8209,
1655
+ "step": 1345
1656
+ },
1657
+ {
1658
+ "epoch": 0.33,
1659
+ "learning_rate": 0.00017150079988372842,
1660
+ "loss": 2.8166,
1661
+ "step": 1350
1662
+ },
1663
+ {
1664
+ "epoch": 0.33,
1665
+ "learning_rate": 0.0001711250376025767,
1666
+ "loss": 2.7783,
1667
+ "step": 1355
1668
+ },
1669
+ {
1670
+ "epoch": 0.34,
1671
+ "learning_rate": 0.00017074837530544557,
1672
+ "loss": 2.7564,
1673
+ "step": 1360
1674
+ },
1675
+ {
1676
+ "epoch": 0.34,
1677
+ "learning_rate": 0.00017037081877488284,
1678
+ "loss": 2.7957,
1679
+ "step": 1365
1680
+ },
1681
+ {
1682
+ "epoch": 0.34,
1683
+ "learning_rate": 0.0001699923738071648,
1684
+ "loss": 2.8139,
1685
+ "step": 1370
1686
+ },
1687
+ {
1688
+ "epoch": 0.34,
1689
+ "learning_rate": 0.00016961304621220696,
1690
+ "loss": 2.7938,
1691
+ "step": 1375
1692
+ },
1693
+ {
1694
+ "epoch": 0.34,
1695
+ "learning_rate": 0.00016923284181347506,
1696
+ "loss": 2.8097,
1697
+ "step": 1380
1698
+ },
1699
+ {
1700
+ "epoch": 0.34,
1701
+ "learning_rate": 0.00016885176644789557,
1702
+ "loss": 2.8043,
1703
+ "step": 1385
1704
+ },
1705
+ {
1706
+ "epoch": 0.34,
1707
+ "learning_rate": 0.00016846982596576614,
1708
+ "loss": 2.7577,
1709
+ "step": 1390
1710
+ },
1711
+ {
1712
+ "epoch": 0.34,
1713
+ "learning_rate": 0.0001680870262306657,
1714
+ "loss": 2.7921,
1715
+ "step": 1395
1716
+ },
1717
+ {
1718
+ "epoch": 0.34,
1719
+ "learning_rate": 0.00016770337311936456,
1720
+ "loss": 2.7836,
1721
+ "step": 1400
1722
+ },
1723
+ {
1724
+ "epoch": 0.35,
1725
+ "learning_rate": 0.00016731887252173408,
1726
+ "loss": 2.7963,
1727
+ "step": 1405
1728
+ },
1729
+ {
1730
+ "epoch": 0.35,
1731
+ "learning_rate": 0.0001669335303406563,
1732
+ "loss": 2.8547,
1733
+ "step": 1410
1734
+ },
1735
+ {
1736
+ "epoch": 0.35,
1737
+ "learning_rate": 0.00016654735249193334,
1738
+ "loss": 2.808,
1739
+ "step": 1415
1740
+ },
1741
+ {
1742
+ "epoch": 0.35,
1743
+ "learning_rate": 0.00016616034490419648,
1744
+ "loss": 2.7782,
1745
+ "step": 1420
1746
+ },
1747
+ {
1748
+ "epoch": 0.35,
1749
+ "learning_rate": 0.00016577251351881532,
1750
+ "loss": 2.76,
1751
+ "step": 1425
1752
+ },
1753
+ {
1754
+ "epoch": 0.35,
1755
+ "learning_rate": 0.00016538386428980638,
1756
+ "loss": 2.7957,
1757
+ "step": 1430
1758
+ },
1759
+ {
1760
+ "epoch": 0.35,
1761
+ "learning_rate": 0.0001649944031837418,
1762
+ "loss": 2.819,
1763
+ "step": 1435
1764
+ },
1765
+ {
1766
+ "epoch": 0.35,
1767
+ "learning_rate": 0.0001646041361796578,
1768
+ "loss": 2.7574,
1769
+ "step": 1440
1770
+ },
1771
+ {
1772
+ "epoch": 0.36,
1773
+ "learning_rate": 0.00016421306926896266,
1774
+ "loss": 2.7939,
1775
+ "step": 1445
1776
+ },
1777
+ {
1778
+ "epoch": 0.36,
1779
+ "learning_rate": 0.00016382120845534497,
1780
+ "loss": 2.7814,
1781
+ "step": 1450
1782
+ },
1783
+ {
1784
+ "epoch": 0.36,
1785
+ "learning_rate": 0.00016342855975468135,
1786
+ "loss": 2.7271,
1787
+ "step": 1455
1788
+ },
1789
+ {
1790
+ "epoch": 0.36,
1791
+ "learning_rate": 0.0001630351291949442,
1792
+ "loss": 2.8333,
1793
+ "step": 1460
1794
+ },
1795
+ {
1796
+ "epoch": 0.36,
1797
+ "learning_rate": 0.0001626409228161089,
1798
+ "loss": 2.8128,
1799
+ "step": 1465
1800
+ },
1801
+ {
1802
+ "epoch": 0.36,
1803
+ "learning_rate": 0.0001622459466700615,
1804
+ "loss": 2.7752,
1805
+ "step": 1470
1806
+ },
1807
+ {
1808
+ "epoch": 0.36,
1809
+ "learning_rate": 0.00016185020682050541,
1810
+ "loss": 2.8474,
1811
+ "step": 1475
1812
+ },
1813
+ {
1814
+ "epoch": 0.36,
1815
+ "learning_rate": 0.0001614537093428685,
1816
+ "loss": 2.8078,
1817
+ "step": 1480
1818
+ },
1819
+ {
1820
+ "epoch": 0.37,
1821
+ "learning_rate": 0.00016105646032420982,
1822
+ "loss": 2.7696,
1823
+ "step": 1485
1824
+ },
1825
+ {
1826
+ "epoch": 0.37,
1827
+ "learning_rate": 0.00016065846586312617,
1828
+ "loss": 2.8652,
1829
+ "step": 1490
1830
+ },
1831
+ {
1832
+ "epoch": 0.37,
1833
+ "learning_rate": 0.0001602597320696584,
1834
+ "loss": 2.7888,
1835
+ "step": 1495
1836
+ },
1837
+ {
1838
+ "epoch": 0.37,
1839
+ "learning_rate": 0.00015986026506519755,
1840
+ "loss": 2.7349,
1841
+ "step": 1500
1842
+ }
1843
+ ],
1844
+ "logging_steps": 5,
1845
+ "max_steps": 4059,
1846
+ "num_input_tokens_seen": 0,
1847
+ "num_train_epochs": 1,
1848
+ "save_steps": 100,
1849
+ "total_flos": 1.8026854820610048e+19,
1850
+ "train_batch_size": 18,
1851
+ "trial_name": null,
1852
+ "trial_params": null
1853
+ }