Aamod37 commited on
Commit
ec38b03
1 Parent(s): 18de541

Upload folder using huggingface_hub

Browse files
config.json ADDED
@@ -0,0 +1,27 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "/nlsasfs/home/aipsc/myksingh/SIDDHESH/dpp/dpp/hindi_model/",
3
+ "architectures": [
4
+ "MistralForCausalLM"
5
+ ],
6
+ "attention_dropout": 0.0,
7
+ "bos_token_id": 1,
8
+ "eos_token_id": 2,
9
+ "hidden_act": "silu",
10
+ "hidden_size": 2048,
11
+ "initializer_range": 0.02,
12
+ "intermediate_size": 7168,
13
+ "max_position_embeddings": 131072,
14
+ "model_type": "mistral",
15
+ "num_attention_heads": 32,
16
+ "num_hidden_layers": 16,
17
+ "num_key_value_heads": 8,
18
+ "pad_token_id": 0,
19
+ "rms_norm_eps": 1e-06,
20
+ "rope_theta": 10000.0,
21
+ "sliding_window": 512,
22
+ "tie_word_embeddings": false,
23
+ "torch_dtype": "float32",
24
+ "transformers_version": "4.41.1",
25
+ "use_cache": true,
26
+ "vocab_size": 30000
27
+ }
generation_config.json ADDED
@@ -0,0 +1,7 @@
 
 
 
 
 
 
 
 
1
+ {
2
+ "_from_model_config": true,
3
+ "bos_token_id": 1,
4
+ "eos_token_id": 2,
5
+ "pad_token_id": 0,
6
+ "transformers_version": "4.41.1"
7
+ }
model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:d8a70f0d9e0f7f0e737284e8d60c3c64dc5e81280d2bd74d15c0d10ce0220ca1
3
+ size 3981468040
special_tokens_map.json ADDED
@@ -0,0 +1,51 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "bos_token": {
3
+ "content": "<bos>",
4
+ "lstrip": false,
5
+ "normalized": false,
6
+ "rstrip": false,
7
+ "single_word": false
8
+ },
9
+ "cls_token": {
10
+ "content": "<cls>",
11
+ "lstrip": false,
12
+ "normalized": false,
13
+ "rstrip": false,
14
+ "single_word": false
15
+ },
16
+ "eos_token": {
17
+ "content": "<eos>",
18
+ "lstrip": false,
19
+ "normalized": false,
20
+ "rstrip": false,
21
+ "single_word": false
22
+ },
23
+ "mask_token": {
24
+ "content": "<mask>",
25
+ "lstrip": false,
26
+ "normalized": false,
27
+ "rstrip": false,
28
+ "single_word": false
29
+ },
30
+ "pad_token": {
31
+ "content": "<pad>",
32
+ "lstrip": false,
33
+ "normalized": false,
34
+ "rstrip": false,
35
+ "single_word": false
36
+ },
37
+ "sep_token": {
38
+ "content": "<sep>",
39
+ "lstrip": false,
40
+ "normalized": false,
41
+ "rstrip": false,
42
+ "single_word": false
43
+ },
44
+ "unk_token": {
45
+ "content": "<unk>",
46
+ "lstrip": false,
47
+ "normalized": false,
48
+ "rstrip": false,
49
+ "single_word": false
50
+ }
51
+ }
tokenizer.json ADDED
The diff for this file is too large to render. See raw diff
 
tokenizer_config.json ADDED
@@ -0,0 +1,70 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "added_tokens_decoder": {
3
+ "0": {
4
+ "content": "<pad>",
5
+ "lstrip": false,
6
+ "normalized": false,
7
+ "rstrip": false,
8
+ "single_word": false,
9
+ "special": true
10
+ },
11
+ "1": {
12
+ "content": "<cls>",
13
+ "lstrip": false,
14
+ "normalized": false,
15
+ "rstrip": false,
16
+ "single_word": false,
17
+ "special": true
18
+ },
19
+ "2": {
20
+ "content": "<sep>",
21
+ "lstrip": false,
22
+ "normalized": false,
23
+ "rstrip": false,
24
+ "single_word": false,
25
+ "special": true
26
+ },
27
+ "3": {
28
+ "content": "<mask>",
29
+ "lstrip": false,
30
+ "normalized": false,
31
+ "rstrip": false,
32
+ "single_word": false,
33
+ "special": true
34
+ },
35
+ "4": {
36
+ "content": "<unk>",
37
+ "lstrip": false,
38
+ "normalized": false,
39
+ "rstrip": false,
40
+ "single_word": false,
41
+ "special": true
42
+ },
43
+ "5": {
44
+ "content": "<bos>",
45
+ "lstrip": false,
46
+ "normalized": false,
47
+ "rstrip": false,
48
+ "single_word": false,
49
+ "special": true
50
+ },
51
+ "6": {
52
+ "content": "<eos>",
53
+ "lstrip": false,
54
+ "normalized": false,
55
+ "rstrip": false,
56
+ "single_word": false,
57
+ "special": true
58
+ }
59
+ },
60
+ "bos_token": "<bos>",
61
+ "clean_up_tokenization_spaces": true,
62
+ "cls_token": "<cls>",
63
+ "eos_token": "<eos>",
64
+ "mask_token": "<mask>",
65
+ "model_max_length": 1000000000000000019884624838656,
66
+ "pad_token": "<pad>",
67
+ "sep_token": "<sep>",
68
+ "tokenizer_class": "PreTrainedTokenizerFast",
69
+ "unk_token": "<unk>"
70
+ }
trainer_state.json ADDED
@@ -0,0 +1,1572 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 0.47914153807761095,
5
+ "eval_steps": 3000,
6
+ "global_step": 10800,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.002218247861470421,
13
+ "grad_norm": 0.15810145437717438,
14
+ "learning_rate": 2e-05,
15
+ "loss": 2.8627,
16
+ "step": 50
17
+ },
18
+ {
19
+ "epoch": 0.004436495722940842,
20
+ "grad_norm": 0.1590433567762375,
21
+ "learning_rate": 4e-05,
22
+ "loss": 2.8607,
23
+ "step": 100
24
+ },
25
+ {
26
+ "epoch": 0.006654743584411263,
27
+ "grad_norm": 0.15798641741275787,
28
+ "learning_rate": 6e-05,
29
+ "loss": 2.8623,
30
+ "step": 150
31
+ },
32
+ {
33
+ "epoch": 0.008872991445881684,
34
+ "grad_norm": 0.16127805411815643,
35
+ "learning_rate": 8e-05,
36
+ "loss": 2.8608,
37
+ "step": 200
38
+ },
39
+ {
40
+ "epoch": 0.011091239307352105,
41
+ "grad_norm": 0.1587396264076233,
42
+ "learning_rate": 0.0001,
43
+ "loss": 2.8608,
44
+ "step": 250
45
+ },
46
+ {
47
+ "epoch": 0.013309487168822525,
48
+ "grad_norm": 0.160736083984375,
49
+ "learning_rate": 0.00012,
50
+ "loss": 2.8563,
51
+ "step": 300
52
+ },
53
+ {
54
+ "epoch": 0.015527735030292948,
55
+ "grad_norm": 0.16256989538669586,
56
+ "learning_rate": 0.00014,
57
+ "loss": 2.8549,
58
+ "step": 350
59
+ },
60
+ {
61
+ "epoch": 0.01774598289176337,
62
+ "grad_norm": 0.16194568574428558,
63
+ "learning_rate": 0.00016,
64
+ "loss": 2.8557,
65
+ "step": 400
66
+ },
67
+ {
68
+ "epoch": 0.01996423075323379,
69
+ "grad_norm": 0.15836463868618011,
70
+ "learning_rate": 0.00018,
71
+ "loss": 2.8545,
72
+ "step": 450
73
+ },
74
+ {
75
+ "epoch": 0.02218247861470421,
76
+ "grad_norm": 0.16059577465057373,
77
+ "learning_rate": 0.0002,
78
+ "loss": 2.8522,
79
+ "step": 500
80
+ },
81
+ {
82
+ "epoch": 0.024400726476174632,
83
+ "grad_norm": 0.16031378507614136,
84
+ "learning_rate": 0.00022000000000000003,
85
+ "loss": 2.8481,
86
+ "step": 550
87
+ },
88
+ {
89
+ "epoch": 0.02661897433764505,
90
+ "grad_norm": 0.16000501811504364,
91
+ "learning_rate": 0.00024,
92
+ "loss": 2.8431,
93
+ "step": 600
94
+ },
95
+ {
96
+ "epoch": 0.028837222199115473,
97
+ "grad_norm": 0.15952646732330322,
98
+ "learning_rate": 0.00026000000000000003,
99
+ "loss": 2.8475,
100
+ "step": 650
101
+ },
102
+ {
103
+ "epoch": 0.031055470060585896,
104
+ "grad_norm": 0.16443726420402527,
105
+ "learning_rate": 0.00028,
106
+ "loss": 2.8452,
107
+ "step": 700
108
+ },
109
+ {
110
+ "epoch": 0.033273717922056315,
111
+ "grad_norm": 0.1644088476896286,
112
+ "learning_rate": 0.00030000000000000003,
113
+ "loss": 2.8458,
114
+ "step": 750
115
+ },
116
+ {
117
+ "epoch": 0.03549196578352674,
118
+ "grad_norm": 0.16272033751010895,
119
+ "learning_rate": 0.00032,
120
+ "loss": 2.8435,
121
+ "step": 800
122
+ },
123
+ {
124
+ "epoch": 0.03771021364499716,
125
+ "grad_norm": 0.16485804319381714,
126
+ "learning_rate": 0.00034,
127
+ "loss": 2.8481,
128
+ "step": 850
129
+ },
130
+ {
131
+ "epoch": 0.03992846150646758,
132
+ "grad_norm": 0.1669188290834427,
133
+ "learning_rate": 0.00036,
134
+ "loss": 2.8555,
135
+ "step": 900
136
+ },
137
+ {
138
+ "epoch": 0.042146709367938,
139
+ "grad_norm": 0.16288943588733673,
140
+ "learning_rate": 0.00038,
141
+ "loss": 2.851,
142
+ "step": 950
143
+ },
144
+ {
145
+ "epoch": 0.04436495722940842,
146
+ "grad_norm": 0.1651136726140976,
147
+ "learning_rate": 0.0004,
148
+ "loss": 2.8443,
149
+ "step": 1000
150
+ },
151
+ {
152
+ "epoch": 0.04658320509087884,
153
+ "grad_norm": 0.16190673410892487,
154
+ "learning_rate": 0.00039999468202328424,
155
+ "loss": 2.8398,
156
+ "step": 1050
157
+ },
158
+ {
159
+ "epoch": 0.048801452952349264,
160
+ "grad_norm": 0.1649934947490692,
161
+ "learning_rate": 0.00039997872837594555,
162
+ "loss": 2.8371,
163
+ "step": 1100
164
+ },
165
+ {
166
+ "epoch": 0.051019700813819686,
167
+ "grad_norm": 0.16184477508068085,
168
+ "learning_rate": 0.00039995213990639536,
169
+ "loss": 2.8347,
170
+ "step": 1150
171
+ },
172
+ {
173
+ "epoch": 0.0532379486752901,
174
+ "grad_norm": 0.1629864126443863,
175
+ "learning_rate": 0.0003999149180286022,
176
+ "loss": 2.834,
177
+ "step": 1200
178
+ },
179
+ {
180
+ "epoch": 0.055456196536760524,
181
+ "grad_norm": 0.1627526730298996,
182
+ "learning_rate": 0.00039986706472201685,
183
+ "loss": 2.8309,
184
+ "step": 1250
185
+ },
186
+ {
187
+ "epoch": 0.05767444439823095,
188
+ "grad_norm": 0.1642647087574005,
189
+ "learning_rate": 0.000399808582531467,
190
+ "loss": 2.8352,
191
+ "step": 1300
192
+ },
193
+ {
194
+ "epoch": 0.05989269225970137,
195
+ "grad_norm": 0.16397783160209656,
196
+ "learning_rate": 0.000399739474567022,
197
+ "loss": 2.8317,
198
+ "step": 1350
199
+ },
200
+ {
201
+ "epoch": 0.06211094012117179,
202
+ "grad_norm": 0.16319701075553894,
203
+ "learning_rate": 0.00039965974450382726,
204
+ "loss": 2.8322,
205
+ "step": 1400
206
+ },
207
+ {
208
+ "epoch": 0.06432918798264221,
209
+ "grad_norm": 0.16067005693912506,
210
+ "learning_rate": 0.000399569396581909,
211
+ "loss": 2.8279,
212
+ "step": 1450
213
+ },
214
+ {
215
+ "epoch": 0.06654743584411263,
216
+ "grad_norm": 0.16118553280830383,
217
+ "learning_rate": 0.00039946843560594866,
218
+ "loss": 2.8323,
219
+ "step": 1500
220
+ },
221
+ {
222
+ "epoch": 0.06876568370558306,
223
+ "grad_norm": 0.16291728615760803,
224
+ "learning_rate": 0.0003993568669450274,
225
+ "loss": 2.8301,
226
+ "step": 1550
227
+ },
228
+ {
229
+ "epoch": 0.07098393156705347,
230
+ "grad_norm": 0.1590035855770111,
231
+ "learning_rate": 0.0003992346965323407,
232
+ "loss": 2.8214,
233
+ "step": 1600
234
+ },
235
+ {
236
+ "epoch": 0.07320217942852389,
237
+ "grad_norm": 0.16236472129821777,
238
+ "learning_rate": 0.00039910193086488253,
239
+ "loss": 2.8242,
240
+ "step": 1650
241
+ },
242
+ {
243
+ "epoch": 0.07542042728999432,
244
+ "grad_norm": 0.1617489606142044,
245
+ "learning_rate": 0.0003989585770031003,
246
+ "loss": 2.8231,
247
+ "step": 1700
248
+ },
249
+ {
250
+ "epoch": 0.07763867515146473,
251
+ "grad_norm": 0.15960238873958588,
252
+ "learning_rate": 0.000398804642570519,
253
+ "loss": 2.8248,
254
+ "step": 1750
255
+ },
256
+ {
257
+ "epoch": 0.07985692301293516,
258
+ "grad_norm": 0.16391754150390625,
259
+ "learning_rate": 0.0003986401357533358,
260
+ "loss": 2.8222,
261
+ "step": 1800
262
+ },
263
+ {
264
+ "epoch": 0.08207517087440558,
265
+ "grad_norm": 0.16161847114562988,
266
+ "learning_rate": 0.000398465065299985,
267
+ "loss": 2.8153,
268
+ "step": 1850
269
+ },
270
+ {
271
+ "epoch": 0.084293418735876,
272
+ "grad_norm": 0.16447125375270844,
273
+ "learning_rate": 0.00039827944052067265,
274
+ "loss": 2.818,
275
+ "step": 1900
276
+ },
277
+ {
278
+ "epoch": 0.08651166659734642,
279
+ "grad_norm": 0.16384591162204742,
280
+ "learning_rate": 0.0003980832712868812,
281
+ "loss": 2.8093,
282
+ "step": 1950
283
+ },
284
+ {
285
+ "epoch": 0.08872991445881684,
286
+ "grad_norm": 0.16317427158355713,
287
+ "learning_rate": 0.0003978765680308447,
288
+ "loss": 2.8113,
289
+ "step": 2000
290
+ },
291
+ {
292
+ "epoch": 0.09094816232028727,
293
+ "grad_norm": 0.16197824478149414,
294
+ "learning_rate": 0.00039765934174499436,
295
+ "loss": 2.8134,
296
+ "step": 2050
297
+ },
298
+ {
299
+ "epoch": 0.09316641018175768,
300
+ "grad_norm": 0.16196754574775696,
301
+ "learning_rate": 0.00039743160398137344,
302
+ "loss": 2.8147,
303
+ "step": 2100
304
+ },
305
+ {
306
+ "epoch": 0.0953846580432281,
307
+ "grad_norm": 0.16696424782276154,
308
+ "learning_rate": 0.00039719336685102314,
309
+ "loss": 2.811,
310
+ "step": 2150
311
+ },
312
+ {
313
+ "epoch": 0.09760290590469853,
314
+ "grad_norm": 0.16266262531280518,
315
+ "learning_rate": 0.0003969446430233386,
316
+ "loss": 2.8103,
317
+ "step": 2200
318
+ },
319
+ {
320
+ "epoch": 0.09982115376616894,
321
+ "grad_norm": 0.16161397099494934,
322
+ "learning_rate": 0.0003966854457253951,
323
+ "loss": 2.8017,
324
+ "step": 2250
325
+ },
326
+ {
327
+ "epoch": 0.10203940162763937,
328
+ "grad_norm": 0.1631053388118744,
329
+ "learning_rate": 0.0003964157887412445,
330
+ "loss": 2.8034,
331
+ "step": 2300
332
+ },
333
+ {
334
+ "epoch": 0.10425764948910979,
335
+ "grad_norm": 0.16185788810253143,
336
+ "learning_rate": 0.00039613568641118255,
337
+ "loss": 2.8027,
338
+ "step": 2350
339
+ },
340
+ {
341
+ "epoch": 0.1064758973505802,
342
+ "grad_norm": 0.16428661346435547,
343
+ "learning_rate": 0.00039584515363098584,
344
+ "loss": 2.8031,
345
+ "step": 2400
346
+ },
347
+ {
348
+ "epoch": 0.10869414521205063,
349
+ "grad_norm": 0.1625480055809021,
350
+ "learning_rate": 0.00039554420585112,
351
+ "loss": 2.7968,
352
+ "step": 2450
353
+ },
354
+ {
355
+ "epoch": 0.11091239307352105,
356
+ "grad_norm": 0.1638619303703308,
357
+ "learning_rate": 0.0003952328590759179,
358
+ "loss": 2.8007,
359
+ "step": 2500
360
+ },
361
+ {
362
+ "epoch": 0.11313064093499148,
363
+ "grad_norm": 0.16504357755184174,
364
+ "learning_rate": 0.0003949111298627286,
365
+ "loss": 2.7921,
366
+ "step": 2550
367
+ },
368
+ {
369
+ "epoch": 0.1153488887964619,
370
+ "grad_norm": 0.16429375112056732,
371
+ "learning_rate": 0.0003945790353210367,
372
+ "loss": 2.7951,
373
+ "step": 2600
374
+ },
375
+ {
376
+ "epoch": 0.11756713665793232,
377
+ "grad_norm": 0.166097030043602,
378
+ "learning_rate": 0.0003942365931115526,
379
+ "loss": 2.7948,
380
+ "step": 2650
381
+ },
382
+ {
383
+ "epoch": 0.11978538451940274,
384
+ "grad_norm": 0.16275139153003693,
385
+ "learning_rate": 0.0003938838214452733,
386
+ "loss": 2.79,
387
+ "step": 2700
388
+ },
389
+ {
390
+ "epoch": 0.12200363238087315,
391
+ "grad_norm": 0.16379590332508087,
392
+ "learning_rate": 0.0003935207390825137,
393
+ "loss": 2.7896,
394
+ "step": 2750
395
+ },
396
+ {
397
+ "epoch": 0.12422188024234358,
398
+ "grad_norm": 0.16332408785820007,
399
+ "learning_rate": 0.0003931473653319095,
400
+ "loss": 2.7848,
401
+ "step": 2800
402
+ },
403
+ {
404
+ "epoch": 0.126440128103814,
405
+ "grad_norm": 0.16235879063606262,
406
+ "learning_rate": 0.00039276372004938987,
407
+ "loss": 2.7836,
408
+ "step": 2850
409
+ },
410
+ {
411
+ "epoch": 0.12865837596528443,
412
+ "grad_norm": 0.1654053032398224,
413
+ "learning_rate": 0.00039236982363712145,
414
+ "loss": 2.7845,
415
+ "step": 2900
416
+ },
417
+ {
418
+ "epoch": 0.13087662382675483,
419
+ "grad_norm": 0.16393068432807922,
420
+ "learning_rate": 0.00039196569704242376,
421
+ "loss": 2.7796,
422
+ "step": 2950
423
+ },
424
+ {
425
+ "epoch": 0.13309487168822526,
426
+ "grad_norm": 0.16517628729343414,
427
+ "learning_rate": 0.0003915513617566551,
428
+ "loss": 2.7738,
429
+ "step": 3000
430
+ },
431
+ {
432
+ "epoch": 0.13309487168822526,
433
+ "eval_accuracy": 0.4247227650219834,
434
+ "eval_loss": 2.8996665477752686,
435
+ "eval_runtime": 243.2366,
436
+ "eval_samples_per_second": 8.222,
437
+ "eval_steps_per_second": 1.028,
438
+ "step": 3000
439
+ },
440
+ {
441
+ "epoch": 0.1353131195496957,
442
+ "grad_norm": 0.16540038585662842,
443
+ "learning_rate": 0.00039112683981406936,
444
+ "loss": 2.7708,
445
+ "step": 3050
446
+ },
447
+ {
448
+ "epoch": 0.13753136741116612,
449
+ "grad_norm": 0.16403205692768097,
450
+ "learning_rate": 0.00039069215379064465,
451
+ "loss": 2.7709,
452
+ "step": 3100
453
+ },
454
+ {
455
+ "epoch": 0.13974961527263652,
456
+ "grad_norm": 0.16498889029026031,
457
+ "learning_rate": 0.0003902473268028826,
458
+ "loss": 2.7683,
459
+ "step": 3150
460
+ },
461
+ {
462
+ "epoch": 0.14196786313410695,
463
+ "grad_norm": 0.16713927686214447,
464
+ "learning_rate": 0.00038979238250657863,
465
+ "loss": 2.7578,
466
+ "step": 3200
467
+ },
468
+ {
469
+ "epoch": 0.14418611099557738,
470
+ "grad_norm": 0.16905058920383453,
471
+ "learning_rate": 0.00038932734509556467,
472
+ "loss": 2.7602,
473
+ "step": 3250
474
+ },
475
+ {
476
+ "epoch": 0.14640435885704778,
477
+ "grad_norm": 0.16431044042110443,
478
+ "learning_rate": 0.0003888522393004219,
479
+ "loss": 2.7685,
480
+ "step": 3300
481
+ },
482
+ {
483
+ "epoch": 0.1486226067185182,
484
+ "grad_norm": 0.163705512881279,
485
+ "learning_rate": 0.00038836709038716583,
486
+ "loss": 2.8434,
487
+ "step": 3350
488
+ },
489
+ {
490
+ "epoch": 0.15084085457998864,
491
+ "grad_norm": 0.1622520387172699,
492
+ "learning_rate": 0.0003878719241559027,
493
+ "loss": 2.8349,
494
+ "step": 3400
495
+ },
496
+ {
497
+ "epoch": 0.15305910244145907,
498
+ "grad_norm": 0.16072827577590942,
499
+ "learning_rate": 0.00038736676693945746,
500
+ "loss": 2.8369,
501
+ "step": 3450
502
+ },
503
+ {
504
+ "epoch": 0.15527735030292947,
505
+ "grad_norm": 0.16206832230091095,
506
+ "learning_rate": 0.0003868516456019733,
507
+ "loss": 2.8404,
508
+ "step": 3500
509
+ },
510
+ {
511
+ "epoch": 0.1574955981643999,
512
+ "grad_norm": 0.16148249804973602,
513
+ "learning_rate": 0.0003863265875374829,
514
+ "loss": 2.836,
515
+ "step": 3550
516
+ },
517
+ {
518
+ "epoch": 0.15971384602587033,
519
+ "grad_norm": 0.16401226818561554,
520
+ "learning_rate": 0.0003857916206684519,
521
+ "loss": 2.8369,
522
+ "step": 3600
523
+ },
524
+ {
525
+ "epoch": 0.16193209388734073,
526
+ "grad_norm": 0.15987250208854675,
527
+ "learning_rate": 0.00038524677344429386,
528
+ "loss": 2.8363,
529
+ "step": 3650
530
+ },
531
+ {
532
+ "epoch": 0.16415034174881116,
533
+ "grad_norm": 0.16117645800113678,
534
+ "learning_rate": 0.00038469207483985725,
535
+ "loss": 2.8426,
536
+ "step": 3700
537
+ },
538
+ {
539
+ "epoch": 0.1663685896102816,
540
+ "grad_norm": 0.16374363005161285,
541
+ "learning_rate": 0.00038412755435388474,
542
+ "loss": 2.8416,
543
+ "step": 3750
544
+ },
545
+ {
546
+ "epoch": 0.168586837471752,
547
+ "grad_norm": 0.16495129466056824,
548
+ "learning_rate": 0.0003835532420074444,
549
+ "loss": 2.8396,
550
+ "step": 3800
551
+ },
552
+ {
553
+ "epoch": 0.17080508533322242,
554
+ "grad_norm": 0.16315814852714539,
555
+ "learning_rate": 0.0003829691683423329,
556
+ "loss": 2.8358,
557
+ "step": 3850
558
+ },
559
+ {
560
+ "epoch": 0.17302333319469285,
561
+ "grad_norm": 0.16098596155643463,
562
+ "learning_rate": 0.00038237536441945193,
563
+ "loss": 2.8354,
564
+ "step": 3900
565
+ },
566
+ {
567
+ "epoch": 0.17524158105616328,
568
+ "grad_norm": 0.16226187348365784,
569
+ "learning_rate": 0.00038177186181715577,
570
+ "loss": 2.8352,
571
+ "step": 3950
572
+ },
573
+ {
574
+ "epoch": 0.17745982891763368,
575
+ "grad_norm": 0.15939714014530182,
576
+ "learning_rate": 0.00038115869262957233,
577
+ "loss": 2.835,
578
+ "step": 4000
579
+ },
580
+ {
581
+ "epoch": 0.1796780767791041,
582
+ "grad_norm": 0.1622256189584732,
583
+ "learning_rate": 0.00038053588946489615,
584
+ "loss": 2.8391,
585
+ "step": 4050
586
+ },
587
+ {
588
+ "epoch": 0.18189632464057454,
589
+ "grad_norm": 0.16176052391529083,
590
+ "learning_rate": 0.0003799034854436545,
591
+ "loss": 2.8371,
592
+ "step": 4100
593
+ },
594
+ {
595
+ "epoch": 0.18411457250204494,
596
+ "grad_norm": 0.16316720843315125,
597
+ "learning_rate": 0.0003792615141969462,
598
+ "loss": 2.8365,
599
+ "step": 4150
600
+ },
601
+ {
602
+ "epoch": 0.18633282036351537,
603
+ "grad_norm": 0.16207610070705414,
604
+ "learning_rate": 0.0003786100098646524,
605
+ "loss": 2.8346,
606
+ "step": 4200
607
+ },
608
+ {
609
+ "epoch": 0.1885510682249858,
610
+ "grad_norm": 0.1638234406709671,
611
+ "learning_rate": 0.000377949007093622,
612
+ "loss": 2.8319,
613
+ "step": 4250
614
+ },
615
+ {
616
+ "epoch": 0.1907693160864562,
617
+ "grad_norm": 0.1628599315881729,
618
+ "learning_rate": 0.0003772785410358283,
619
+ "loss": 2.8369,
620
+ "step": 4300
621
+ },
622
+ {
623
+ "epoch": 0.19298756394792663,
624
+ "grad_norm": 0.1653933823108673,
625
+ "learning_rate": 0.00037659864734650026,
626
+ "loss": 2.8304,
627
+ "step": 4350
628
+ },
629
+ {
630
+ "epoch": 0.19520581180939706,
631
+ "grad_norm": 0.16370812058448792,
632
+ "learning_rate": 0.0003759093621822259,
633
+ "loss": 2.8369,
634
+ "step": 4400
635
+ },
636
+ {
637
+ "epoch": 0.19742405967086749,
638
+ "grad_norm": 0.1629050225019455,
639
+ "learning_rate": 0.0003752107221990298,
640
+ "loss": 2.8339,
641
+ "step": 4450
642
+ },
643
+ {
644
+ "epoch": 0.1996423075323379,
645
+ "grad_norm": 0.1610899269580841,
646
+ "learning_rate": 0.00037450276455042354,
647
+ "loss": 2.829,
648
+ "step": 4500
649
+ },
650
+ {
651
+ "epoch": 0.20186055539380832,
652
+ "grad_norm": 0.1629941165447235,
653
+ "learning_rate": 0.00037378552688543005,
654
+ "loss": 2.8351,
655
+ "step": 4550
656
+ },
657
+ {
658
+ "epoch": 0.20407880325527875,
659
+ "grad_norm": 0.16439735889434814,
660
+ "learning_rate": 0.0003730590473465814,
661
+ "loss": 2.8316,
662
+ "step": 4600
663
+ },
664
+ {
665
+ "epoch": 0.20629705111674915,
666
+ "grad_norm": 0.16572241485118866,
667
+ "learning_rate": 0.00037232336456789023,
668
+ "loss": 2.8335,
669
+ "step": 4650
670
+ },
671
+ {
672
+ "epoch": 0.20851529897821958,
673
+ "grad_norm": 0.16380038857460022,
674
+ "learning_rate": 0.00037157851767279543,
675
+ "loss": 2.8286,
676
+ "step": 4700
677
+ },
678
+ {
679
+ "epoch": 0.21073354683969,
680
+ "grad_norm": 0.16284549236297607,
681
+ "learning_rate": 0.00037082454627208156,
682
+ "loss": 2.8301,
683
+ "step": 4750
684
+ },
685
+ {
686
+ "epoch": 0.2129517947011604,
687
+ "grad_norm": 0.16597482562065125,
688
+ "learning_rate": 0.0003700614904617721,
689
+ "loss": 2.8323,
690
+ "step": 4800
691
+ },
692
+ {
693
+ "epoch": 0.21517004256263084,
694
+ "grad_norm": 0.16378666460514069,
695
+ "learning_rate": 0.0003692893908209973,
696
+ "loss": 2.8299,
697
+ "step": 4850
698
+ },
699
+ {
700
+ "epoch": 0.21738829042410127,
701
+ "grad_norm": 0.1630343496799469,
702
+ "learning_rate": 0.0003685082884098363,
703
+ "loss": 2.8333,
704
+ "step": 4900
705
+ },
706
+ {
707
+ "epoch": 0.2196065382855717,
708
+ "grad_norm": 0.16490814089775085,
709
+ "learning_rate": 0.00036771822476713346,
710
+ "loss": 2.8307,
711
+ "step": 4950
712
+ },
713
+ {
714
+ "epoch": 0.2218247861470421,
715
+ "grad_norm": 0.1655721366405487,
716
+ "learning_rate": 0.00036691924190828935,
717
+ "loss": 2.8301,
718
+ "step": 5000
719
+ },
720
+ {
721
+ "epoch": 0.22404303400851253,
722
+ "grad_norm": 0.16776245832443237,
723
+ "learning_rate": 0.0003661113823230264,
724
+ "loss": 2.8228,
725
+ "step": 5050
726
+ },
727
+ {
728
+ "epoch": 0.22626128186998296,
729
+ "grad_norm": 0.1626349687576294,
730
+ "learning_rate": 0.00036529468897312926,
731
+ "loss": 2.8262,
732
+ "step": 5100
733
+ },
734
+ {
735
+ "epoch": 0.22847952973145336,
736
+ "grad_norm": 0.16331753134727478,
737
+ "learning_rate": 0.00036446920529016,
738
+ "loss": 2.8282,
739
+ "step": 5150
740
+ },
741
+ {
742
+ "epoch": 0.2306977775929238,
743
+ "grad_norm": 0.1676001250743866,
744
+ "learning_rate": 0.00036363497517314877,
745
+ "loss": 2.8313,
746
+ "step": 5200
747
+ },
748
+ {
749
+ "epoch": 0.23291602545439422,
750
+ "grad_norm": 0.16441357135772705,
751
+ "learning_rate": 0.000362792042986259,
752
+ "loss": 2.8278,
753
+ "step": 5250
754
+ },
755
+ {
756
+ "epoch": 0.23513427331586464,
757
+ "grad_norm": 0.16601622104644775,
758
+ "learning_rate": 0.000361940453556428,
759
+ "loss": 2.8303,
760
+ "step": 5300
761
+ },
762
+ {
763
+ "epoch": 0.23735252117733505,
764
+ "grad_norm": 0.1679011583328247,
765
+ "learning_rate": 0.0003610802521709833,
766
+ "loss": 2.8252,
767
+ "step": 5350
768
+ },
769
+ {
770
+ "epoch": 0.23957076903880548,
771
+ "grad_norm": 0.1650955229997635,
772
+ "learning_rate": 0.0003602114845752345,
773
+ "loss": 2.8299,
774
+ "step": 5400
775
+ },
776
+ {
777
+ "epoch": 0.2417890169002759,
778
+ "grad_norm": 0.16651777923107147,
779
+ "learning_rate": 0.00035933419697004,
780
+ "loss": 2.832,
781
+ "step": 5450
782
+ },
783
+ {
784
+ "epoch": 0.2440072647617463,
785
+ "grad_norm": 0.166709303855896,
786
+ "learning_rate": 0.00035844843600935024,
787
+ "loss": 2.8262,
788
+ "step": 5500
789
+ },
790
+ {
791
+ "epoch": 0.24622551262321674,
792
+ "grad_norm": 0.16586416959762573,
793
+ "learning_rate": 0.000357554248797727,
794
+ "loss": 2.8255,
795
+ "step": 5550
796
+ },
797
+ {
798
+ "epoch": 0.24844376048468717,
799
+ "grad_norm": 0.1647614985704422,
800
+ "learning_rate": 0.00035665168288783795,
801
+ "loss": 2.8298,
802
+ "step": 5600
803
+ },
804
+ {
805
+ "epoch": 0.2506620083461576,
806
+ "grad_norm": 0.16310204565525055,
807
+ "learning_rate": 0.000355740786277928,
808
+ "loss": 2.8273,
809
+ "step": 5650
810
+ },
811
+ {
812
+ "epoch": 0.252880256207628,
813
+ "grad_norm": 0.1629767119884491,
814
+ "learning_rate": 0.00035482160740926683,
815
+ "loss": 2.8231,
816
+ "step": 5700
817
+ },
818
+ {
819
+ "epoch": 0.2550985040690984,
820
+ "grad_norm": 0.16427451372146606,
821
+ "learning_rate": 0.00035389419516357253,
822
+ "loss": 2.8188,
823
+ "step": 5750
824
+ },
825
+ {
826
+ "epoch": 0.25731675193056885,
827
+ "grad_norm": 0.1655891388654709,
828
+ "learning_rate": 0.0003529585988604125,
829
+ "loss": 2.8258,
830
+ "step": 5800
831
+ },
832
+ {
833
+ "epoch": 0.25953499979203926,
834
+ "grad_norm": 0.16402335464954376,
835
+ "learning_rate": 0.0003520148682545803,
836
+ "loss": 2.8254,
837
+ "step": 5850
838
+ },
839
+ {
840
+ "epoch": 0.26175324765350966,
841
+ "grad_norm": 0.1638861894607544,
842
+ "learning_rate": 0.0003510630535334497,
843
+ "loss": 2.8298,
844
+ "step": 5900
845
+ },
846
+ {
847
+ "epoch": 0.2639714955149801,
848
+ "grad_norm": 0.16864845156669617,
849
+ "learning_rate": 0.0003501032053143061,
850
+ "loss": 2.8238,
851
+ "step": 5950
852
+ },
853
+ {
854
+ "epoch": 0.2661897433764505,
855
+ "grad_norm": 0.16578635573387146,
856
+ "learning_rate": 0.0003491353746416541,
857
+ "loss": 2.8225,
858
+ "step": 6000
859
+ },
860
+ {
861
+ "epoch": 0.2661897433764505,
862
+ "eval_accuracy": 0.4264626282364436,
863
+ "eval_loss": 2.8843319416046143,
864
+ "eval_runtime": 242.3694,
865
+ "eval_samples_per_second": 8.252,
866
+ "eval_steps_per_second": 1.031,
867
+ "step": 6000
868
+ },
869
+ {
870
+ "epoch": 0.268407991237921,
871
+ "grad_norm": 0.16673897206783295,
872
+ "learning_rate": 0.00034815961298450377,
873
+ "loss": 2.823,
874
+ "step": 6050
875
+ },
876
+ {
877
+ "epoch": 0.2706262390993914,
878
+ "grad_norm": 0.16588376462459564,
879
+ "learning_rate": 0.0003471759722336326,
880
+ "loss": 2.8193,
881
+ "step": 6100
882
+ },
883
+ {
884
+ "epoch": 0.2728444869608618,
885
+ "grad_norm": 0.16813361644744873,
886
+ "learning_rate": 0.00034618450469882687,
887
+ "loss": 2.8267,
888
+ "step": 6150
889
+ },
890
+ {
891
+ "epoch": 0.27506273482233223,
892
+ "grad_norm": 0.16656942665576935,
893
+ "learning_rate": 0.0003451852631060991,
894
+ "loss": 2.8219,
895
+ "step": 6200
896
+ },
897
+ {
898
+ "epoch": 0.27728098268380263,
899
+ "grad_norm": 0.1666443794965744,
900
+ "learning_rate": 0.0003441783005948846,
901
+ "loss": 2.8233,
902
+ "step": 6250
903
+ },
904
+ {
905
+ "epoch": 0.27949923054527304,
906
+ "grad_norm": 0.1673704832792282,
907
+ "learning_rate": 0.0003431636707152152,
908
+ "loss": 2.824,
909
+ "step": 6300
910
+ },
911
+ {
912
+ "epoch": 0.2817174784067435,
913
+ "grad_norm": 0.16707104444503784,
914
+ "learning_rate": 0.00034214142742487177,
915
+ "loss": 2.8221,
916
+ "step": 6350
917
+ },
918
+ {
919
+ "epoch": 0.2839357262682139,
920
+ "grad_norm": 0.16775397956371307,
921
+ "learning_rate": 0.0003411116250865143,
922
+ "loss": 2.8234,
923
+ "step": 6400
924
+ },
925
+ {
926
+ "epoch": 0.2861539741296843,
927
+ "grad_norm": 0.16813720762729645,
928
+ "learning_rate": 0.0003400743184647915,
929
+ "loss": 2.8258,
930
+ "step": 6450
931
+ },
932
+ {
933
+ "epoch": 0.28837222199115475,
934
+ "grad_norm": 0.16362161934375763,
935
+ "learning_rate": 0.00033902956272342783,
936
+ "loss": 2.8232,
937
+ "step": 6500
938
+ },
939
+ {
940
+ "epoch": 0.29059046985262516,
941
+ "grad_norm": 0.16950780153274536,
942
+ "learning_rate": 0.00033797741342229054,
943
+ "loss": 2.821,
944
+ "step": 6550
945
+ },
946
+ {
947
+ "epoch": 0.29280871771409556,
948
+ "grad_norm": 0.1657160073518753,
949
+ "learning_rate": 0.00033691792651443435,
950
+ "loss": 2.8181,
951
+ "step": 6600
952
+ },
953
+ {
954
+ "epoch": 0.295026965575566,
955
+ "grad_norm": 0.1689310073852539,
956
+ "learning_rate": 0.0003358511583431264,
957
+ "loss": 2.8257,
958
+ "step": 6650
959
+ },
960
+ {
961
+ "epoch": 0.2972452134370364,
962
+ "grad_norm": 0.16674135625362396,
963
+ "learning_rate": 0.00033477716563884956,
964
+ "loss": 2.8209,
965
+ "step": 6700
966
+ },
967
+ {
968
+ "epoch": 0.2994634612985068,
969
+ "grad_norm": 0.16600748896598816,
970
+ "learning_rate": 0.00033369600551628586,
971
+ "loss": 2.8227,
972
+ "step": 6750
973
+ },
974
+ {
975
+ "epoch": 0.3016817091599773,
976
+ "grad_norm": 0.16666853427886963,
977
+ "learning_rate": 0.0003326077354712789,
978
+ "loss": 2.8199,
979
+ "step": 6800
980
+ },
981
+ {
982
+ "epoch": 0.3038999570214477,
983
+ "grad_norm": 0.1671936959028244,
984
+ "learning_rate": 0.00033151241337777624,
985
+ "loss": 2.82,
986
+ "step": 6850
987
+ },
988
+ {
989
+ "epoch": 0.30611820488291813,
990
+ "grad_norm": 0.1675061583518982,
991
+ "learning_rate": 0.00033041009748475166,
992
+ "loss": 2.8246,
993
+ "step": 6900
994
+ },
995
+ {
996
+ "epoch": 0.30833645274438853,
997
+ "grad_norm": 0.16512750089168549,
998
+ "learning_rate": 0.0003293008464131079,
999
+ "loss": 2.8178,
1000
+ "step": 6950
1001
+ },
1002
+ {
1003
+ "epoch": 0.31055470060585894,
1004
+ "grad_norm": 0.1670486181974411,
1005
+ "learning_rate": 0.0003281847191525585,
1006
+ "loss": 2.8185,
1007
+ "step": 7000
1008
+ },
1009
+ {
1010
+ "epoch": 0.3127729484673294,
1011
+ "grad_norm": 0.1692744940519333,
1012
+ "learning_rate": 0.0003270617750584913,
1013
+ "loss": 2.8184,
1014
+ "step": 7050
1015
+ },
1016
+ {
1017
+ "epoch": 0.3149911963287998,
1018
+ "grad_norm": 0.16573506593704224,
1019
+ "learning_rate": 0.0003259320738488119,
1020
+ "loss": 2.823,
1021
+ "step": 7100
1022
+ },
1023
+ {
1024
+ "epoch": 0.3172094441902702,
1025
+ "grad_norm": 0.17004618048667908,
1026
+ "learning_rate": 0.00032479567560076745,
1027
+ "loss": 2.8174,
1028
+ "step": 7150
1029
+ },
1030
+ {
1031
+ "epoch": 0.31942769205174065,
1032
+ "grad_norm": 0.16867642104625702,
1033
+ "learning_rate": 0.00032365264074775223,
1034
+ "loss": 2.8183,
1035
+ "step": 7200
1036
+ },
1037
+ {
1038
+ "epoch": 0.32164593991321105,
1039
+ "grad_norm": 0.16543437540531158,
1040
+ "learning_rate": 0.00032250303007609366,
1041
+ "loss": 2.8178,
1042
+ "step": 7250
1043
+ },
1044
+ {
1045
+ "epoch": 0.32386418777468146,
1046
+ "grad_norm": 0.16606374084949493,
1047
+ "learning_rate": 0.0003213469047218194,
1048
+ "loss": 2.8182,
1049
+ "step": 7300
1050
+ },
1051
+ {
1052
+ "epoch": 0.3260824356361519,
1053
+ "grad_norm": 0.1708928942680359,
1054
+ "learning_rate": 0.0003201843261674067,
1055
+ "loss": 2.8194,
1056
+ "step": 7350
1057
+ },
1058
+ {
1059
+ "epoch": 0.3283006834976223,
1060
+ "grad_norm": 0.16661237180233002,
1061
+ "learning_rate": 0.00031901535623851245,
1062
+ "loss": 2.8226,
1063
+ "step": 7400
1064
+ },
1065
+ {
1066
+ "epoch": 0.3305189313590927,
1067
+ "grad_norm": 0.16710756719112396,
1068
+ "learning_rate": 0.0003178400571006852,
1069
+ "loss": 2.8187,
1070
+ "step": 7450
1071
+ },
1072
+ {
1073
+ "epoch": 0.3327371792205632,
1074
+ "grad_norm": 0.16679760813713074,
1075
+ "learning_rate": 0.00031665849125605937,
1076
+ "loss": 2.8163,
1077
+ "step": 7500
1078
+ },
1079
+ {
1080
+ "epoch": 0.3349554270820336,
1081
+ "grad_norm": 0.16872857511043549,
1082
+ "learning_rate": 0.00031547072154003154,
1083
+ "loss": 2.8147,
1084
+ "step": 7550
1085
+ },
1086
+ {
1087
+ "epoch": 0.337173674943504,
1088
+ "grad_norm": 0.1672954261302948,
1089
+ "learning_rate": 0.0003142768111179187,
1090
+ "loss": 2.8167,
1091
+ "step": 7600
1092
+ },
1093
+ {
1094
+ "epoch": 0.33939192280497443,
1095
+ "grad_norm": 0.16654394567012787,
1096
+ "learning_rate": 0.00031307682348159907,
1097
+ "loss": 2.816,
1098
+ "step": 7650
1099
+ },
1100
+ {
1101
+ "epoch": 0.34161017066644483,
1102
+ "grad_norm": 0.16810841858386993,
1103
+ "learning_rate": 0.00031187082244613567,
1104
+ "loss": 2.8139,
1105
+ "step": 7700
1106
+ },
1107
+ {
1108
+ "epoch": 0.34382841852791524,
1109
+ "grad_norm": 0.1682497262954712,
1110
+ "learning_rate": 0.00031065887214638284,
1111
+ "loss": 2.8157,
1112
+ "step": 7750
1113
+ },
1114
+ {
1115
+ "epoch": 0.3460466663893857,
1116
+ "grad_norm": 0.17154847085475922,
1117
+ "learning_rate": 0.00030944103703357524,
1118
+ "loss": 2.8143,
1119
+ "step": 7800
1120
+ },
1121
+ {
1122
+ "epoch": 0.3482649142508561,
1123
+ "grad_norm": 0.16658836603164673,
1124
+ "learning_rate": 0.00030821738187190075,
1125
+ "loss": 2.8143,
1126
+ "step": 7850
1127
+ },
1128
+ {
1129
+ "epoch": 0.35048316211232655,
1130
+ "grad_norm": 0.16820305585861206,
1131
+ "learning_rate": 0.00030698797173505586,
1132
+ "loss": 2.8157,
1133
+ "step": 7900
1134
+ },
1135
+ {
1136
+ "epoch": 0.35270140997379695,
1137
+ "grad_norm": 0.16843385994434357,
1138
+ "learning_rate": 0.0003057528720027853,
1139
+ "loss": 2.8103,
1140
+ "step": 7950
1141
+ },
1142
+ {
1143
+ "epoch": 0.35491965783526735,
1144
+ "grad_norm": 0.17145898938179016,
1145
+ "learning_rate": 0.0003045121483574054,
1146
+ "loss": 2.8161,
1147
+ "step": 8000
1148
+ },
1149
+ {
1150
+ "epoch": 0.3571379056967378,
1151
+ "grad_norm": 0.1709701269865036,
1152
+ "learning_rate": 0.00030326586678031066,
1153
+ "loss": 2.8134,
1154
+ "step": 8050
1155
+ },
1156
+ {
1157
+ "epoch": 0.3593561535582082,
1158
+ "grad_norm": 0.16859866678714752,
1159
+ "learning_rate": 0.0003020140935484653,
1160
+ "loss": 2.818,
1161
+ "step": 8100
1162
+ },
1163
+ {
1164
+ "epoch": 0.3615744014196786,
1165
+ "grad_norm": 0.16738031804561615,
1166
+ "learning_rate": 0.00030075689523087804,
1167
+ "loss": 2.8128,
1168
+ "step": 8150
1169
+ },
1170
+ {
1171
+ "epoch": 0.36379264928114907,
1172
+ "grad_norm": 0.1693500131368637,
1173
+ "learning_rate": 0.00029949433868506293,
1174
+ "loss": 2.8138,
1175
+ "step": 8200
1176
+ },
1177
+ {
1178
+ "epoch": 0.3660108971426195,
1179
+ "grad_norm": 0.16915106773376465,
1180
+ "learning_rate": 0.00029822649105348294,
1181
+ "loss": 2.8209,
1182
+ "step": 8250
1183
+ },
1184
+ {
1185
+ "epoch": 0.3682291450040899,
1186
+ "grad_norm": 0.17108069360256195,
1187
+ "learning_rate": 0.00029695341975998006,
1188
+ "loss": 2.8174,
1189
+ "step": 8300
1190
+ },
1191
+ {
1192
+ "epoch": 0.37044739286556033,
1193
+ "grad_norm": 0.16659317910671234,
1194
+ "learning_rate": 0.00029567519250618907,
1195
+ "loss": 2.8153,
1196
+ "step": 8350
1197
+ },
1198
+ {
1199
+ "epoch": 0.37266564072703073,
1200
+ "grad_norm": 0.16678906977176666,
1201
+ "learning_rate": 0.0002943918772679379,
1202
+ "loss": 2.8163,
1203
+ "step": 8400
1204
+ },
1205
+ {
1206
+ "epoch": 0.37488388858850114,
1207
+ "grad_norm": 0.16928167641162872,
1208
+ "learning_rate": 0.00029310354229163197,
1209
+ "loss": 2.8165,
1210
+ "step": 8450
1211
+ },
1212
+ {
1213
+ "epoch": 0.3771021364499716,
1214
+ "grad_norm": 0.1695391833782196,
1215
+ "learning_rate": 0.0002918102560906254,
1216
+ "loss": 2.8197,
1217
+ "step": 8500
1218
+ },
1219
+ {
1220
+ "epoch": 0.379320384311442,
1221
+ "grad_norm": 0.17006346583366394,
1222
+ "learning_rate": 0.0002905120874415772,
1223
+ "loss": 2.8172,
1224
+ "step": 8550
1225
+ },
1226
+ {
1227
+ "epoch": 0.3815386321729124,
1228
+ "grad_norm": 0.16821132600307465,
1229
+ "learning_rate": 0.0002892091053807939,
1230
+ "loss": 2.8137,
1231
+ "step": 8600
1232
+ },
1233
+ {
1234
+ "epoch": 0.38375688003438285,
1235
+ "grad_norm": 0.17077401280403137,
1236
+ "learning_rate": 0.000287901379200558,
1237
+ "loss": 2.8174,
1238
+ "step": 8650
1239
+ },
1240
+ {
1241
+ "epoch": 0.38597512789585325,
1242
+ "grad_norm": 0.17006562650203705,
1243
+ "learning_rate": 0.0002865889784454435,
1244
+ "loss": 2.813,
1245
+ "step": 8700
1246
+ },
1247
+ {
1248
+ "epoch": 0.3881933757573237,
1249
+ "grad_norm": 0.16847462952136993,
1250
+ "learning_rate": 0.0002852719729086167,
1251
+ "loss": 2.8158,
1252
+ "step": 8750
1253
+ },
1254
+ {
1255
+ "epoch": 0.3904116236187941,
1256
+ "grad_norm": 0.16790613532066345,
1257
+ "learning_rate": 0.0002839504326281256,
1258
+ "loss": 2.816,
1259
+ "step": 8800
1260
+ },
1261
+ {
1262
+ "epoch": 0.3926298714802645,
1263
+ "grad_norm": 0.16898341476917267,
1264
+ "learning_rate": 0.00028262442788317446,
1265
+ "loss": 2.8143,
1266
+ "step": 8850
1267
+ },
1268
+ {
1269
+ "epoch": 0.39484811934173497,
1270
+ "grad_norm": 0.17099575698375702,
1271
+ "learning_rate": 0.00028129402919038695,
1272
+ "loss": 2.812,
1273
+ "step": 8900
1274
+ },
1275
+ {
1276
+ "epoch": 0.3970663672032054,
1277
+ "grad_norm": 0.17063932120800018,
1278
+ "learning_rate": 0.00027995930730005577,
1279
+ "loss": 2.815,
1280
+ "step": 8950
1281
+ },
1282
+ {
1283
+ "epoch": 0.3992846150646758,
1284
+ "grad_norm": 0.1704034060239792,
1285
+ "learning_rate": 0.00027862033319238025,
1286
+ "loss": 2.8144,
1287
+ "step": 9000
1288
+ },
1289
+ {
1290
+ "epoch": 0.3992846150646758,
1291
+ "eval_accuracy": 0.42786541279921836,
1292
+ "eval_loss": 2.8759515285491943,
1293
+ "eval_runtime": 250.6732,
1294
+ "eval_samples_per_second": 7.979,
1295
+ "eval_steps_per_second": 0.997,
1296
+ "step": 9000
1297
+ },
1298
+ {
1299
+ "epoch": 0.40150286292614623,
1300
+ "grad_norm": 0.1675969511270523,
1301
+ "learning_rate": 0.0002772771780736917,
1302
+ "loss": 2.8128,
1303
+ "step": 9050
1304
+ },
1305
+ {
1306
+ "epoch": 0.40372111078761663,
1307
+ "grad_norm": 0.1697956621646881,
1308
+ "learning_rate": 0.0002759299133726665,
1309
+ "loss": 2.8121,
1310
+ "step": 9100
1311
+ },
1312
+ {
1313
+ "epoch": 0.40593935864908703,
1314
+ "grad_norm": 0.1710100620985031,
1315
+ "learning_rate": 0.00027457861073652785,
1316
+ "loss": 2.8156,
1317
+ "step": 9150
1318
+ },
1319
+ {
1320
+ "epoch": 0.4081576065105575,
1321
+ "grad_norm": 0.16877809166908264,
1322
+ "learning_rate": 0.00027322334202723527,
1323
+ "loss": 2.815,
1324
+ "step": 9200
1325
+ },
1326
+ {
1327
+ "epoch": 0.4103758543720279,
1328
+ "grad_norm": 0.17122440040111542,
1329
+ "learning_rate": 0.0002718641793176631,
1330
+ "loss": 2.8119,
1331
+ "step": 9250
1332
+ },
1333
+ {
1334
+ "epoch": 0.4125941022334983,
1335
+ "grad_norm": 0.16771045327186584,
1336
+ "learning_rate": 0.0002705011948877679,
1337
+ "loss": 2.808,
1338
+ "step": 9300
1339
+ },
1340
+ {
1341
+ "epoch": 0.41481235009496875,
1342
+ "grad_norm": 0.16941729187965393,
1343
+ "learning_rate": 0.0002691344612207442,
1344
+ "loss": 2.8121,
1345
+ "step": 9350
1346
+ },
1347
+ {
1348
+ "epoch": 0.41703059795643915,
1349
+ "grad_norm": 0.1719992607831955,
1350
+ "learning_rate": 0.00026776405099917014,
1351
+ "loss": 2.8094,
1352
+ "step": 9400
1353
+ },
1354
+ {
1355
+ "epoch": 0.41924884581790955,
1356
+ "grad_norm": 0.1693243533372879,
1357
+ "learning_rate": 0.00026639003710114223,
1358
+ "loss": 2.8103,
1359
+ "step": 9450
1360
+ },
1361
+ {
1362
+ "epoch": 0.42146709367938,
1363
+ "grad_norm": 0.17014500498771667,
1364
+ "learning_rate": 0.0002650124925963998,
1365
+ "loss": 2.8129,
1366
+ "step": 9500
1367
+ },
1368
+ {
1369
+ "epoch": 0.4236853415408504,
1370
+ "grad_norm": 0.1709510087966919,
1371
+ "learning_rate": 0.00026363149074243867,
1372
+ "loss": 2.8084,
1373
+ "step": 9550
1374
+ },
1375
+ {
1376
+ "epoch": 0.4259035894023208,
1377
+ "grad_norm": 0.16937118768692017,
1378
+ "learning_rate": 0.0002622471049806159,
1379
+ "loss": 2.814,
1380
+ "step": 9600
1381
+ },
1382
+ {
1383
+ "epoch": 0.42812183726379127,
1384
+ "grad_norm": 0.1713036149740219,
1385
+ "learning_rate": 0.00026085940893224403,
1386
+ "loss": 2.8162,
1387
+ "step": 9650
1388
+ },
1389
+ {
1390
+ "epoch": 0.4303400851252617,
1391
+ "grad_norm": 0.17020347714424133,
1392
+ "learning_rate": 0.0002594684763946758,
1393
+ "loss": 2.8116,
1394
+ "step": 9700
1395
+ },
1396
+ {
1397
+ "epoch": 0.43255833298673213,
1398
+ "grad_norm": 0.16786696016788483,
1399
+ "learning_rate": 0.0002580743813373796,
1400
+ "loss": 2.8111,
1401
+ "step": 9750
1402
+ },
1403
+ {
1404
+ "epoch": 0.43477658084820253,
1405
+ "grad_norm": 0.17273075878620148,
1406
+ "learning_rate": 0.00025667719789800606,
1407
+ "loss": 2.8131,
1408
+ "step": 9800
1409
+ },
1410
+ {
1411
+ "epoch": 0.43699482870967293,
1412
+ "grad_norm": 0.16986466944217682,
1413
+ "learning_rate": 0.00025527700037844515,
1414
+ "loss": 2.8139,
1415
+ "step": 9850
1416
+ },
1417
+ {
1418
+ "epoch": 0.4392130765711434,
1419
+ "grad_norm": 0.17129731178283691,
1420
+ "learning_rate": 0.00025387386324087494,
1421
+ "loss": 2.8125,
1422
+ "step": 9900
1423
+ },
1424
+ {
1425
+ "epoch": 0.4414313244326138,
1426
+ "grad_norm": 0.16890868544578552,
1427
+ "learning_rate": 0.00025246786110380163,
1428
+ "loss": 2.8142,
1429
+ "step": 9950
1430
+ },
1431
+ {
1432
+ "epoch": 0.4436495722940842,
1433
+ "grad_norm": 0.17167522013187408,
1434
+ "learning_rate": 0.00025105906873809154,
1435
+ "loss": 2.8142,
1436
+ "step": 10000
1437
+ },
1438
+ {
1439
+ "epoch": 0.44586782015555465,
1440
+ "grad_norm": 0.17136669158935547,
1441
+ "learning_rate": 0.0002496475610629947,
1442
+ "loss": 2.8112,
1443
+ "step": 10050
1444
+ },
1445
+ {
1446
+ "epoch": 0.44808606801702505,
1447
+ "grad_norm": 0.16926760971546173,
1448
+ "learning_rate": 0.00024823341314216056,
1449
+ "loss": 2.8156,
1450
+ "step": 10100
1451
+ },
1452
+ {
1453
+ "epoch": 0.45030431587849545,
1454
+ "grad_norm": 0.16898435354232788,
1455
+ "learning_rate": 0.00024681670017964627,
1456
+ "loss": 2.8079,
1457
+ "step": 10150
1458
+ },
1459
+ {
1460
+ "epoch": 0.4525225637399659,
1461
+ "grad_norm": 0.17237040400505066,
1462
+ "learning_rate": 0.0002453974975159173,
1463
+ "loss": 2.813,
1464
+ "step": 10200
1465
+ },
1466
+ {
1467
+ "epoch": 0.4547408116014363,
1468
+ "grad_norm": 0.16995486617088318,
1469
+ "learning_rate": 0.00024397588062384095,
1470
+ "loss": 2.8117,
1471
+ "step": 10250
1472
+ },
1473
+ {
1474
+ "epoch": 0.4569590594629067,
1475
+ "grad_norm": 0.17290563881397247,
1476
+ "learning_rate": 0.00024255192510467245,
1477
+ "loss": 2.8121,
1478
+ "step": 10300
1479
+ },
1480
+ {
1481
+ "epoch": 0.45917730732437717,
1482
+ "grad_norm": 0.17059782147407532,
1483
+ "learning_rate": 0.00024112570668403472,
1484
+ "loss": 2.8138,
1485
+ "step": 10350
1486
+ },
1487
+ {
1488
+ "epoch": 0.4613955551858476,
1489
+ "grad_norm": 0.17196382582187653,
1490
+ "learning_rate": 0.00023969730120789132,
1491
+ "loss": 2.8095,
1492
+ "step": 10400
1493
+ },
1494
+ {
1495
+ "epoch": 0.463613803047318,
1496
+ "grad_norm": 0.16942380368709564,
1497
+ "learning_rate": 0.00023826678463851285,
1498
+ "loss": 2.8124,
1499
+ "step": 10450
1500
+ },
1501
+ {
1502
+ "epoch": 0.46583205090878843,
1503
+ "grad_norm": 0.17288681864738464,
1504
+ "learning_rate": 0.00023683423305043749,
1505
+ "loss": 2.813,
1506
+ "step": 10500
1507
+ },
1508
+ {
1509
+ "epoch": 0.46805029877025883,
1510
+ "grad_norm": 0.17040428519248962,
1511
+ "learning_rate": 0.00023539972262642502,
1512
+ "loss": 2.8141,
1513
+ "step": 10550
1514
+ },
1515
+ {
1516
+ "epoch": 0.4702685466317293,
1517
+ "grad_norm": 0.17321184277534485,
1518
+ "learning_rate": 0.00023396332965340585,
1519
+ "loss": 2.8146,
1520
+ "step": 10600
1521
+ },
1522
+ {
1523
+ "epoch": 0.4724867944931997,
1524
+ "grad_norm": 0.17026926577091217,
1525
+ "learning_rate": 0.00023252513051842373,
1526
+ "loss": 2.8086,
1527
+ "step": 10650
1528
+ },
1529
+ {
1530
+ "epoch": 0.4747050423546701,
1531
+ "grad_norm": 0.1710352748632431,
1532
+ "learning_rate": 0.00023108520170457398,
1533
+ "loss": 2.8099,
1534
+ "step": 10700
1535
+ },
1536
+ {
1537
+ "epoch": 0.47692329021614055,
1538
+ "grad_norm": 0.17067080736160278,
1539
+ "learning_rate": 0.00022964361978693542,
1540
+ "loss": 2.8099,
1541
+ "step": 10750
1542
+ },
1543
+ {
1544
+ "epoch": 0.47914153807761095,
1545
+ "grad_norm": 0.17244164645671844,
1546
+ "learning_rate": 0.0002282004614284989,
1547
+ "loss": 2.8054,
1548
+ "step": 10800
1549
+ }
1550
+ ],
1551
+ "logging_steps": 50,
1552
+ "max_steps": 22540,
1553
+ "num_input_tokens_seen": 0,
1554
+ "num_train_epochs": 1,
1555
+ "save_steps": 1200,
1556
+ "stateful_callbacks": {
1557
+ "TrainerControl": {
1558
+ "args": {
1559
+ "should_epoch_stop": false,
1560
+ "should_evaluate": false,
1561
+ "should_log": false,
1562
+ "should_save": true,
1563
+ "should_training_stop": false
1564
+ },
1565
+ "attributes": {}
1566
+ }
1567
+ },
1568
+ "total_flos": 1.5864483085358727e+19,
1569
+ "train_batch_size": 1,
1570
+ "trial_name": null,
1571
+ "trial_params": null
1572
+ }