| { | |
| "best_metric": 0.2, | |
| "best_model_checkpoint": "mobilevit-xx-small-finetuned-eurosat/checkpoint-3500", | |
| "epoch": 100.0, | |
| "eval_steps": 500, | |
| "global_step": 10000, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 2.1324617862701416, | |
| "learning_rate": 3e-05, | |
| "loss": 2.3012, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.2, | |
| "grad_norm": 1.3381329774856567, | |
| "learning_rate": 6e-05, | |
| "loss": 2.3047, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.3, | |
| "grad_norm": 1.8502155542373657, | |
| "learning_rate": 8.999999999999999e-05, | |
| "loss": 2.2991, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.4, | |
| "grad_norm": 2.422213554382324, | |
| "learning_rate": 0.00012, | |
| "loss": 2.3029, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.5, | |
| "grad_norm": 1.453734040260315, | |
| "learning_rate": 0.00015000000000000001, | |
| "loss": 2.3016, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.6, | |
| "grad_norm": 1.6491554975509644, | |
| "learning_rate": 0.00017999999999999998, | |
| "loss": 2.303, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 0.7, | |
| "grad_norm": 2.927738666534424, | |
| "learning_rate": 0.00021000000000000004, | |
| "loss": 2.3005, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 0.8, | |
| "grad_norm": 1.2199476957321167, | |
| "learning_rate": 0.00024, | |
| "loss": 2.3069, | |
| "step": 80 | |
| }, | |
| { | |
| "epoch": 0.9, | |
| "grad_norm": 1.4366081953048706, | |
| "learning_rate": 0.00027, | |
| "loss": 2.2955, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 1.0, | |
| "grad_norm": 1.102356195449829, | |
| "learning_rate": 0.00030000000000000003, | |
| "loss": 2.2991, | |
| "step": 100 | |
| }, | |
| { | |
| "epoch": 1.0, | |
| "eval_accuracy": 0.16, | |
| "eval_loss": 2.289586067199707, | |
| "eval_runtime": 1.4788, | |
| "eval_samples_per_second": 67.624, | |
| "eval_steps_per_second": 67.624, | |
| "step": 100 | |
| }, | |
| { | |
| "epoch": 1.1, | |
| "grad_norm": 1.5379983186721802, | |
| "learning_rate": 0.00033, | |
| "loss": 2.3002, | |
| "step": 110 | |
| }, | |
| { | |
| "epoch": 1.2, | |
| "grad_norm": 0.928782045841217, | |
| "learning_rate": 0.00035999999999999997, | |
| "loss": 2.2956, | |
| "step": 120 | |
| }, | |
| { | |
| "epoch": 1.3, | |
| "grad_norm": 0.9759466052055359, | |
| "learning_rate": 0.00039000000000000005, | |
| "loss": 2.3028, | |
| "step": 130 | |
| }, | |
| { | |
| "epoch": 1.4, | |
| "grad_norm": 1.5415401458740234, | |
| "learning_rate": 0.00042000000000000007, | |
| "loss": 2.2976, | |
| "step": 140 | |
| }, | |
| { | |
| "epoch": 1.5, | |
| "grad_norm": 1.1042237281799316, | |
| "learning_rate": 0.00045, | |
| "loss": 2.2798, | |
| "step": 150 | |
| }, | |
| { | |
| "epoch": 1.6, | |
| "grad_norm": 1.4493985176086426, | |
| "learning_rate": 0.00048, | |
| "loss": 2.2941, | |
| "step": 160 | |
| }, | |
| { | |
| "epoch": 1.7, | |
| "grad_norm": 1.538596510887146, | |
| "learning_rate": 0.00051, | |
| "loss": 2.2887, | |
| "step": 170 | |
| }, | |
| { | |
| "epoch": 1.8, | |
| "grad_norm": 1.4531352519989014, | |
| "learning_rate": 0.00054, | |
| "loss": 2.3009, | |
| "step": 180 | |
| }, | |
| { | |
| "epoch": 1.9, | |
| "grad_norm": 0.983465313911438, | |
| "learning_rate": 0.00057, | |
| "loss": 2.2891, | |
| "step": 190 | |
| }, | |
| { | |
| "epoch": 2.0, | |
| "grad_norm": 1.0896656513214111, | |
| "learning_rate": 0.0006000000000000001, | |
| "loss": 2.3041, | |
| "step": 200 | |
| }, | |
| { | |
| "epoch": 2.0, | |
| "eval_accuracy": 0.12, | |
| "eval_loss": 2.4577579498291016, | |
| "eval_runtime": 1.4566, | |
| "eval_samples_per_second": 68.653, | |
| "eval_steps_per_second": 68.653, | |
| "step": 200 | |
| }, | |
| { | |
| "epoch": 2.1, | |
| "grad_norm": 0.838339626789093, | |
| "learning_rate": 0.00063, | |
| "loss": 2.3074, | |
| "step": 210 | |
| }, | |
| { | |
| "epoch": 2.2, | |
| "grad_norm": 1.0502190589904785, | |
| "learning_rate": 0.00066, | |
| "loss": 2.2746, | |
| "step": 220 | |
| }, | |
| { | |
| "epoch": 2.3, | |
| "grad_norm": 0.9475522041320801, | |
| "learning_rate": 0.0006900000000000001, | |
| "loss": 2.2484, | |
| "step": 230 | |
| }, | |
| { | |
| "epoch": 2.4, | |
| "grad_norm": 0.7182848453521729, | |
| "learning_rate": 0.0007199999999999999, | |
| "loss": 2.2644, | |
| "step": 240 | |
| }, | |
| { | |
| "epoch": 2.5, | |
| "grad_norm": 1.08864164352417, | |
| "learning_rate": 0.00075, | |
| "loss": 2.3224, | |
| "step": 250 | |
| }, | |
| { | |
| "epoch": 2.6, | |
| "grad_norm": 0.9813370108604431, | |
| "learning_rate": 0.0007800000000000001, | |
| "loss": 2.2964, | |
| "step": 260 | |
| }, | |
| { | |
| "epoch": 2.7, | |
| "grad_norm": 0.8489407300949097, | |
| "learning_rate": 0.0008100000000000001, | |
| "loss": 2.3066, | |
| "step": 270 | |
| }, | |
| { | |
| "epoch": 2.8, | |
| "grad_norm": 1.1197150945663452, | |
| "learning_rate": 0.0008400000000000001, | |
| "loss": 2.3362, | |
| "step": 280 | |
| }, | |
| { | |
| "epoch": 2.9, | |
| "grad_norm": 1.279061198234558, | |
| "learning_rate": 0.00087, | |
| "loss": 2.2834, | |
| "step": 290 | |
| }, | |
| { | |
| "epoch": 3.0, | |
| "grad_norm": 1.2697229385375977, | |
| "learning_rate": 0.0009, | |
| "loss": 2.2833, | |
| "step": 300 | |
| }, | |
| { | |
| "epoch": 3.0, | |
| "eval_accuracy": 0.12, | |
| "eval_loss": 2.302177906036377, | |
| "eval_runtime": 1.3695, | |
| "eval_samples_per_second": 73.017, | |
| "eval_steps_per_second": 73.017, | |
| "step": 300 | |
| }, | |
| { | |
| "epoch": 3.1, | |
| "grad_norm": 1.1153604984283447, | |
| "learning_rate": 0.00093, | |
| "loss": 2.2568, | |
| "step": 310 | |
| }, | |
| { | |
| "epoch": 3.2, | |
| "grad_norm": 0.7443063855171204, | |
| "learning_rate": 0.00096, | |
| "loss": 2.2826, | |
| "step": 320 | |
| }, | |
| { | |
| "epoch": 3.3, | |
| "grad_norm": 0.8337368965148926, | |
| "learning_rate": 0.00099, | |
| "loss": 2.2561, | |
| "step": 330 | |
| }, | |
| { | |
| "epoch": 3.4, | |
| "grad_norm": 0.8116536736488342, | |
| "learning_rate": 0.00102, | |
| "loss": 2.3272, | |
| "step": 340 | |
| }, | |
| { | |
| "epoch": 3.5, | |
| "grad_norm": 0.9721486568450928, | |
| "learning_rate": 0.00105, | |
| "loss": 2.2719, | |
| "step": 350 | |
| }, | |
| { | |
| "epoch": 3.6, | |
| "grad_norm": 1.4430909156799316, | |
| "learning_rate": 0.00108, | |
| "loss": 2.3039, | |
| "step": 360 | |
| }, | |
| { | |
| "epoch": 3.7, | |
| "grad_norm": 2.4252946376800537, | |
| "learning_rate": 0.00111, | |
| "loss": 2.2797, | |
| "step": 370 | |
| }, | |
| { | |
| "epoch": 3.8, | |
| "grad_norm": 1.0932201147079468, | |
| "learning_rate": 0.00114, | |
| "loss": 2.2843, | |
| "step": 380 | |
| }, | |
| { | |
| "epoch": 3.9, | |
| "grad_norm": 1.1340506076812744, | |
| "learning_rate": 0.00117, | |
| "loss": 2.3229, | |
| "step": 390 | |
| }, | |
| { | |
| "epoch": 4.0, | |
| "grad_norm": 2.5897912979125977, | |
| "learning_rate": 0.0012000000000000001, | |
| "loss": 2.2755, | |
| "step": 400 | |
| }, | |
| { | |
| "epoch": 4.0, | |
| "eval_accuracy": 0.17, | |
| "eval_loss": 2.4038970470428467, | |
| "eval_runtime": 1.5324, | |
| "eval_samples_per_second": 65.256, | |
| "eval_steps_per_second": 65.256, | |
| "step": 400 | |
| }, | |
| { | |
| "epoch": 4.1, | |
| "grad_norm": 0.7979876399040222, | |
| "learning_rate": 0.00123, | |
| "loss": 2.2504, | |
| "step": 410 | |
| }, | |
| { | |
| "epoch": 4.2, | |
| "grad_norm": 1.2705005407333374, | |
| "learning_rate": 0.00126, | |
| "loss": 2.2731, | |
| "step": 420 | |
| }, | |
| { | |
| "epoch": 4.3, | |
| "grad_norm": 1.4571020603179932, | |
| "learning_rate": 0.00129, | |
| "loss": 2.3268, | |
| "step": 430 | |
| }, | |
| { | |
| "epoch": 4.4, | |
| "grad_norm": 1.3778339624404907, | |
| "learning_rate": 0.00132, | |
| "loss": 2.3044, | |
| "step": 440 | |
| }, | |
| { | |
| "epoch": 4.5, | |
| "grad_norm": 1.30875563621521, | |
| "learning_rate": 0.00135, | |
| "loss": 2.2627, | |
| "step": 450 | |
| }, | |
| { | |
| "epoch": 4.6, | |
| "grad_norm": 0.9140678644180298, | |
| "learning_rate": 0.0013800000000000002, | |
| "loss": 2.2876, | |
| "step": 460 | |
| }, | |
| { | |
| "epoch": 4.7, | |
| "grad_norm": 0.9151474833488464, | |
| "learning_rate": 0.00141, | |
| "loss": 2.2905, | |
| "step": 470 | |
| }, | |
| { | |
| "epoch": 4.8, | |
| "grad_norm": 0.8817148804664612, | |
| "learning_rate": 0.0014399999999999999, | |
| "loss": 2.2698, | |
| "step": 480 | |
| }, | |
| { | |
| "epoch": 4.9, | |
| "grad_norm": 1.2688977718353271, | |
| "learning_rate": 0.00147, | |
| "loss": 2.2646, | |
| "step": 490 | |
| }, | |
| { | |
| "epoch": 5.0, | |
| "grad_norm": 0.8824284076690674, | |
| "learning_rate": 0.0015, | |
| "loss": 2.3063, | |
| "step": 500 | |
| }, | |
| { | |
| "epoch": 5.0, | |
| "eval_accuracy": 0.1, | |
| "eval_loss": 2.5689330101013184, | |
| "eval_runtime": 1.5068, | |
| "eval_samples_per_second": 66.367, | |
| "eval_steps_per_second": 66.367, | |
| "step": 500 | |
| }, | |
| { | |
| "epoch": 5.1, | |
| "grad_norm": 1.2520034313201904, | |
| "learning_rate": 0.0015300000000000001, | |
| "loss": 2.241, | |
| "step": 510 | |
| }, | |
| { | |
| "epoch": 5.2, | |
| "grad_norm": 1.0238957405090332, | |
| "learning_rate": 0.0015600000000000002, | |
| "loss": 2.27, | |
| "step": 520 | |
| }, | |
| { | |
| "epoch": 5.3, | |
| "grad_norm": 2.1329076290130615, | |
| "learning_rate": 0.00159, | |
| "loss": 2.2933, | |
| "step": 530 | |
| }, | |
| { | |
| "epoch": 5.4, | |
| "grad_norm": 1.5213390588760376, | |
| "learning_rate": 0.0016200000000000001, | |
| "loss": 2.3265, | |
| "step": 540 | |
| }, | |
| { | |
| "epoch": 5.5, | |
| "grad_norm": 1.0696481466293335, | |
| "learning_rate": 0.0016500000000000002, | |
| "loss": 2.2632, | |
| "step": 550 | |
| }, | |
| { | |
| "epoch": 5.6, | |
| "grad_norm": 2.2588746547698975, | |
| "learning_rate": 0.0016800000000000003, | |
| "loss": 2.3076, | |
| "step": 560 | |
| }, | |
| { | |
| "epoch": 5.7, | |
| "grad_norm": 0.8829935789108276, | |
| "learning_rate": 0.00171, | |
| "loss": 2.2396, | |
| "step": 570 | |
| }, | |
| { | |
| "epoch": 5.8, | |
| "grad_norm": 2.340522289276123, | |
| "learning_rate": 0.00174, | |
| "loss": 2.2487, | |
| "step": 580 | |
| }, | |
| { | |
| "epoch": 5.9, | |
| "grad_norm": 1.1000961065292358, | |
| "learning_rate": 0.0017699999999999999, | |
| "loss": 2.4008, | |
| "step": 590 | |
| }, | |
| { | |
| "epoch": 6.0, | |
| "grad_norm": 1.0605051517486572, | |
| "learning_rate": 0.0018, | |
| "loss": 2.3247, | |
| "step": 600 | |
| }, | |
| { | |
| "epoch": 6.0, | |
| "eval_accuracy": 0.05, | |
| "eval_loss": 2.5307223796844482, | |
| "eval_runtime": 1.4509, | |
| "eval_samples_per_second": 68.922, | |
| "eval_steps_per_second": 68.922, | |
| "step": 600 | |
| }, | |
| { | |
| "epoch": 6.1, | |
| "grad_norm": 0.7217267751693726, | |
| "learning_rate": 0.00183, | |
| "loss": 2.2628, | |
| "step": 610 | |
| }, | |
| { | |
| "epoch": 6.2, | |
| "grad_norm": 1.2763817310333252, | |
| "learning_rate": 0.00186, | |
| "loss": 2.3345, | |
| "step": 620 | |
| }, | |
| { | |
| "epoch": 6.3, | |
| "grad_norm": 1.0277924537658691, | |
| "learning_rate": 0.00189, | |
| "loss": 2.21, | |
| "step": 630 | |
| }, | |
| { | |
| "epoch": 6.4, | |
| "grad_norm": 1.1366169452667236, | |
| "learning_rate": 0.00192, | |
| "loss": 2.2671, | |
| "step": 640 | |
| }, | |
| { | |
| "epoch": 6.5, | |
| "grad_norm": 1.314244270324707, | |
| "learning_rate": 0.0019500000000000001, | |
| "loss": 2.2903, | |
| "step": 650 | |
| }, | |
| { | |
| "epoch": 6.6, | |
| "grad_norm": 1.7358442544937134, | |
| "learning_rate": 0.00198, | |
| "loss": 2.2646, | |
| "step": 660 | |
| }, | |
| { | |
| "epoch": 6.7, | |
| "grad_norm": 1.7523398399353027, | |
| "learning_rate": 0.00201, | |
| "loss": 2.2954, | |
| "step": 670 | |
| }, | |
| { | |
| "epoch": 6.8, | |
| "grad_norm": 1.0838252305984497, | |
| "learning_rate": 0.00204, | |
| "loss": 2.284, | |
| "step": 680 | |
| }, | |
| { | |
| "epoch": 6.9, | |
| "grad_norm": 1.375260591506958, | |
| "learning_rate": 0.00207, | |
| "loss": 2.2751, | |
| "step": 690 | |
| }, | |
| { | |
| "epoch": 7.0, | |
| "grad_norm": 0.8118464946746826, | |
| "learning_rate": 0.0021, | |
| "loss": 2.2867, | |
| "step": 700 | |
| }, | |
| { | |
| "epoch": 7.0, | |
| "eval_accuracy": 0.08, | |
| "eval_loss": 4.129552841186523, | |
| "eval_runtime": 1.34, | |
| "eval_samples_per_second": 74.629, | |
| "eval_steps_per_second": 74.629, | |
| "step": 700 | |
| }, | |
| { | |
| "epoch": 7.1, | |
| "grad_norm": 1.1006956100463867, | |
| "learning_rate": 0.00213, | |
| "loss": 2.2591, | |
| "step": 710 | |
| }, | |
| { | |
| "epoch": 7.2, | |
| "grad_norm": 1.0100908279418945, | |
| "learning_rate": 0.00216, | |
| "loss": 2.234, | |
| "step": 720 | |
| }, | |
| { | |
| "epoch": 7.3, | |
| "grad_norm": 0.6693554520606995, | |
| "learning_rate": 0.00219, | |
| "loss": 2.2912, | |
| "step": 730 | |
| }, | |
| { | |
| "epoch": 7.4, | |
| "grad_norm": 1.4744811058044434, | |
| "learning_rate": 0.00222, | |
| "loss": 2.2978, | |
| "step": 740 | |
| }, | |
| { | |
| "epoch": 7.5, | |
| "grad_norm": 1.1265888214111328, | |
| "learning_rate": 0.0022500000000000003, | |
| "loss": 2.2747, | |
| "step": 750 | |
| }, | |
| { | |
| "epoch": 7.6, | |
| "grad_norm": 0.7370518445968628, | |
| "learning_rate": 0.00228, | |
| "loss": 2.254, | |
| "step": 760 | |
| }, | |
| { | |
| "epoch": 7.7, | |
| "grad_norm": 3.5498600006103516, | |
| "learning_rate": 0.00231, | |
| "loss": 2.3023, | |
| "step": 770 | |
| }, | |
| { | |
| "epoch": 7.8, | |
| "grad_norm": 0.8357071876525879, | |
| "learning_rate": 0.00234, | |
| "loss": 2.2806, | |
| "step": 780 | |
| }, | |
| { | |
| "epoch": 7.9, | |
| "grad_norm": 0.9274773597717285, | |
| "learning_rate": 0.00237, | |
| "loss": 2.3048, | |
| "step": 790 | |
| }, | |
| { | |
| "epoch": 8.0, | |
| "grad_norm": 1.2820582389831543, | |
| "learning_rate": 0.0024000000000000002, | |
| "loss": 2.2696, | |
| "step": 800 | |
| }, | |
| { | |
| "epoch": 8.0, | |
| "eval_accuracy": 0.07, | |
| "eval_loss": 3.08689546585083, | |
| "eval_runtime": 19.5044, | |
| "eval_samples_per_second": 5.127, | |
| "eval_steps_per_second": 5.127, | |
| "step": 800 | |
| }, | |
| { | |
| "epoch": 8.1, | |
| "grad_norm": 0.8906604647636414, | |
| "learning_rate": 0.0024300000000000003, | |
| "loss": 2.2654, | |
| "step": 810 | |
| }, | |
| { | |
| "epoch": 8.2, | |
| "grad_norm": 0.9984199404716492, | |
| "learning_rate": 0.00246, | |
| "loss": 2.279, | |
| "step": 820 | |
| }, | |
| { | |
| "epoch": 8.3, | |
| "grad_norm": 1.9721964597702026, | |
| "learning_rate": 0.00249, | |
| "loss": 2.3893, | |
| "step": 830 | |
| }, | |
| { | |
| "epoch": 8.4, | |
| "grad_norm": 1.0067120790481567, | |
| "learning_rate": 0.00252, | |
| "loss": 2.2639, | |
| "step": 840 | |
| }, | |
| { | |
| "epoch": 8.5, | |
| "grad_norm": 1.388048529624939, | |
| "learning_rate": 0.00255, | |
| "loss": 2.3113, | |
| "step": 850 | |
| }, | |
| { | |
| "epoch": 8.6, | |
| "grad_norm": 1.2845227718353271, | |
| "learning_rate": 0.00258, | |
| "loss": 2.2511, | |
| "step": 860 | |
| }, | |
| { | |
| "epoch": 8.7, | |
| "grad_norm": 0.871728241443634, | |
| "learning_rate": 0.00261, | |
| "loss": 2.3939, | |
| "step": 870 | |
| }, | |
| { | |
| "epoch": 8.8, | |
| "grad_norm": 0.8184868693351746, | |
| "learning_rate": 0.00264, | |
| "loss": 2.2946, | |
| "step": 880 | |
| }, | |
| { | |
| "epoch": 8.9, | |
| "grad_norm": 1.132112741470337, | |
| "learning_rate": 0.00267, | |
| "loss": 2.3046, | |
| "step": 890 | |
| }, | |
| { | |
| "epoch": 9.0, | |
| "grad_norm": 2.1133577823638916, | |
| "learning_rate": 0.0027, | |
| "loss": 2.2688, | |
| "step": 900 | |
| }, | |
| { | |
| "epoch": 9.0, | |
| "eval_accuracy": 0.08, | |
| "eval_loss": 3.6086204051971436, | |
| "eval_runtime": 20.8005, | |
| "eval_samples_per_second": 4.808, | |
| "eval_steps_per_second": 4.808, | |
| "step": 900 | |
| }, | |
| { | |
| "epoch": 9.1, | |
| "grad_norm": 2.4818060398101807, | |
| "learning_rate": 0.0027300000000000002, | |
| "loss": 2.3106, | |
| "step": 910 | |
| }, | |
| { | |
| "epoch": 9.2, | |
| "grad_norm": 3.1399571895599365, | |
| "learning_rate": 0.0027600000000000003, | |
| "loss": 2.2638, | |
| "step": 920 | |
| }, | |
| { | |
| "epoch": 9.3, | |
| "grad_norm": 0.6101534962654114, | |
| "learning_rate": 0.0027900000000000004, | |
| "loss": 2.3405, | |
| "step": 930 | |
| }, | |
| { | |
| "epoch": 9.4, | |
| "grad_norm": 0.5602176189422607, | |
| "learning_rate": 0.00282, | |
| "loss": 2.2907, | |
| "step": 940 | |
| }, | |
| { | |
| "epoch": 9.5, | |
| "grad_norm": 0.9144548773765564, | |
| "learning_rate": 0.00285, | |
| "loss": 2.2859, | |
| "step": 950 | |
| }, | |
| { | |
| "epoch": 9.6, | |
| "grad_norm": 1.6563771963119507, | |
| "learning_rate": 0.0028799999999999997, | |
| "loss": 2.226, | |
| "step": 960 | |
| }, | |
| { | |
| "epoch": 9.7, | |
| "grad_norm": 1.130618691444397, | |
| "learning_rate": 0.00291, | |
| "loss": 2.3164, | |
| "step": 970 | |
| }, | |
| { | |
| "epoch": 9.8, | |
| "grad_norm": 1.309047818183899, | |
| "learning_rate": 0.00294, | |
| "loss": 2.369, | |
| "step": 980 | |
| }, | |
| { | |
| "epoch": 9.9, | |
| "grad_norm": 0.8424582481384277, | |
| "learning_rate": 0.00297, | |
| "loss": 2.3191, | |
| "step": 990 | |
| }, | |
| { | |
| "epoch": 10.0, | |
| "grad_norm": 0.7681222558021545, | |
| "learning_rate": 0.003, | |
| "loss": 2.2616, | |
| "step": 1000 | |
| }, | |
| { | |
| "epoch": 10.0, | |
| "eval_accuracy": 0.13, | |
| "eval_loss": 6.5421600341796875, | |
| "eval_runtime": 8.3248, | |
| "eval_samples_per_second": 12.012, | |
| "eval_steps_per_second": 12.012, | |
| "step": 1000 | |
| }, | |
| { | |
| "epoch": 10.1, | |
| "grad_norm": 0.7878401875495911, | |
| "learning_rate": 0.002996666666666667, | |
| "loss": 2.3113, | |
| "step": 1010 | |
| }, | |
| { | |
| "epoch": 10.2, | |
| "grad_norm": 1.2619870901107788, | |
| "learning_rate": 0.0029933333333333335, | |
| "loss": 2.2792, | |
| "step": 1020 | |
| }, | |
| { | |
| "epoch": 10.3, | |
| "grad_norm": 0.8518879413604736, | |
| "learning_rate": 0.00299, | |
| "loss": 2.2483, | |
| "step": 1030 | |
| }, | |
| { | |
| "epoch": 10.4, | |
| "grad_norm": 1.0644011497497559, | |
| "learning_rate": 0.0029866666666666665, | |
| "loss": 2.2962, | |
| "step": 1040 | |
| }, | |
| { | |
| "epoch": 10.5, | |
| "grad_norm": 4.86259651184082, | |
| "learning_rate": 0.0029833333333333335, | |
| "loss": 2.3568, | |
| "step": 1050 | |
| }, | |
| { | |
| "epoch": 10.6, | |
| "grad_norm": 0.6222243905067444, | |
| "learning_rate": 0.00298, | |
| "loss": 2.3044, | |
| "step": 1060 | |
| }, | |
| { | |
| "epoch": 10.7, | |
| "grad_norm": 0.9417657256126404, | |
| "learning_rate": 0.002976666666666667, | |
| "loss": 2.3293, | |
| "step": 1070 | |
| }, | |
| { | |
| "epoch": 10.8, | |
| "grad_norm": 0.8060852289199829, | |
| "learning_rate": 0.0029733333333333335, | |
| "loss": 2.3223, | |
| "step": 1080 | |
| }, | |
| { | |
| "epoch": 10.9, | |
| "grad_norm": 13.554573059082031, | |
| "learning_rate": 0.00297, | |
| "loss": 2.3174, | |
| "step": 1090 | |
| }, | |
| { | |
| "epoch": 11.0, | |
| "grad_norm": 0.6837009191513062, | |
| "learning_rate": 0.002966666666666667, | |
| "loss": 2.3896, | |
| "step": 1100 | |
| }, | |
| { | |
| "epoch": 11.0, | |
| "eval_accuracy": 0.11, | |
| "eval_loss": 3.2714791297912598, | |
| "eval_runtime": 2.1977, | |
| "eval_samples_per_second": 45.503, | |
| "eval_steps_per_second": 45.503, | |
| "step": 1100 | |
| }, | |
| { | |
| "epoch": 11.1, | |
| "grad_norm": 0.7141666412353516, | |
| "learning_rate": 0.0029633333333333334, | |
| "loss": 2.3195, | |
| "step": 1110 | |
| }, | |
| { | |
| "epoch": 11.2, | |
| "grad_norm": 0.7167306542396545, | |
| "learning_rate": 0.00296, | |
| "loss": 2.296, | |
| "step": 1120 | |
| }, | |
| { | |
| "epoch": 11.3, | |
| "grad_norm": 0.7279971241950989, | |
| "learning_rate": 0.0029566666666666665, | |
| "loss": 2.271, | |
| "step": 1130 | |
| }, | |
| { | |
| "epoch": 11.4, | |
| "grad_norm": 0.7350410223007202, | |
| "learning_rate": 0.0029533333333333334, | |
| "loss": 2.3213, | |
| "step": 1140 | |
| }, | |
| { | |
| "epoch": 11.5, | |
| "grad_norm": 0.7864300012588501, | |
| "learning_rate": 0.00295, | |
| "loss": 2.3639, | |
| "step": 1150 | |
| }, | |
| { | |
| "epoch": 11.6, | |
| "grad_norm": 1.0151550769805908, | |
| "learning_rate": 0.002946666666666667, | |
| "loss": 2.3102, | |
| "step": 1160 | |
| }, | |
| { | |
| "epoch": 11.7, | |
| "grad_norm": 0.830095648765564, | |
| "learning_rate": 0.0029433333333333334, | |
| "loss": 2.3059, | |
| "step": 1170 | |
| }, | |
| { | |
| "epoch": 11.8, | |
| "grad_norm": 0.9856182932853699, | |
| "learning_rate": 0.00294, | |
| "loss": 2.3251, | |
| "step": 1180 | |
| }, | |
| { | |
| "epoch": 11.9, | |
| "grad_norm": 0.9483402371406555, | |
| "learning_rate": 0.002936666666666667, | |
| "loss": 2.2442, | |
| "step": 1190 | |
| }, | |
| { | |
| "epoch": 12.0, | |
| "grad_norm": 0.8080146908760071, | |
| "learning_rate": 0.0029333333333333334, | |
| "loss": 2.3264, | |
| "step": 1200 | |
| }, | |
| { | |
| "epoch": 12.0, | |
| "eval_accuracy": 0.08, | |
| "eval_loss": 2.697530746459961, | |
| "eval_runtime": 10.4979, | |
| "eval_samples_per_second": 9.526, | |
| "eval_steps_per_second": 9.526, | |
| "step": 1200 | |
| }, | |
| { | |
| "epoch": 12.1, | |
| "grad_norm": 0.5614495277404785, | |
| "learning_rate": 0.0029300000000000003, | |
| "loss": 2.3242, | |
| "step": 1210 | |
| }, | |
| { | |
| "epoch": 12.2, | |
| "grad_norm": 0.5666948556900024, | |
| "learning_rate": 0.0029266666666666664, | |
| "loss": 2.2657, | |
| "step": 1220 | |
| }, | |
| { | |
| "epoch": 12.3, | |
| "grad_norm": 0.6668452024459839, | |
| "learning_rate": 0.0029233333333333333, | |
| "loss": 2.25, | |
| "step": 1230 | |
| }, | |
| { | |
| "epoch": 12.4, | |
| "grad_norm": 0.724169135093689, | |
| "learning_rate": 0.0029200000000000003, | |
| "loss": 2.3341, | |
| "step": 1240 | |
| }, | |
| { | |
| "epoch": 12.5, | |
| "grad_norm": 0.5056666135787964, | |
| "learning_rate": 0.002916666666666667, | |
| "loss": 2.3078, | |
| "step": 1250 | |
| }, | |
| { | |
| "epoch": 12.6, | |
| "grad_norm": 0.542679488658905, | |
| "learning_rate": 0.0029133333333333333, | |
| "loss": 2.3181, | |
| "step": 1260 | |
| }, | |
| { | |
| "epoch": 12.7, | |
| "grad_norm": 0.5752130746841431, | |
| "learning_rate": 0.00291, | |
| "loss": 2.3095, | |
| "step": 1270 | |
| }, | |
| { | |
| "epoch": 12.8, | |
| "grad_norm": 1.2706278562545776, | |
| "learning_rate": 0.0029066666666666668, | |
| "loss": 2.2843, | |
| "step": 1280 | |
| }, | |
| { | |
| "epoch": 12.9, | |
| "grad_norm": 0.6558820605278015, | |
| "learning_rate": 0.0029033333333333333, | |
| "loss": 2.38, | |
| "step": 1290 | |
| }, | |
| { | |
| "epoch": 13.0, | |
| "grad_norm": 0.4819053113460541, | |
| "learning_rate": 0.0029000000000000002, | |
| "loss": 2.2603, | |
| "step": 1300 | |
| }, | |
| { | |
| "epoch": 13.0, | |
| "eval_accuracy": 0.17, | |
| "eval_loss": 2.4011728763580322, | |
| "eval_runtime": 5.0203, | |
| "eval_samples_per_second": 19.919, | |
| "eval_steps_per_second": 19.919, | |
| "step": 1300 | |
| }, | |
| { | |
| "epoch": 13.1, | |
| "grad_norm": 0.534329354763031, | |
| "learning_rate": 0.0028966666666666667, | |
| "loss": 2.2935, | |
| "step": 1310 | |
| }, | |
| { | |
| "epoch": 13.2, | |
| "grad_norm": 0.6757941842079163, | |
| "learning_rate": 0.0028933333333333333, | |
| "loss": 2.3112, | |
| "step": 1320 | |
| }, | |
| { | |
| "epoch": 13.3, | |
| "grad_norm": 0.5297008156776428, | |
| "learning_rate": 0.00289, | |
| "loss": 2.2442, | |
| "step": 1330 | |
| }, | |
| { | |
| "epoch": 13.4, | |
| "grad_norm": 0.7962446212768555, | |
| "learning_rate": 0.0028866666666666667, | |
| "loss": 2.3753, | |
| "step": 1340 | |
| }, | |
| { | |
| "epoch": 13.5, | |
| "grad_norm": 0.5598190426826477, | |
| "learning_rate": 0.0028833333333333337, | |
| "loss": 2.2621, | |
| "step": 1350 | |
| }, | |
| { | |
| "epoch": 13.6, | |
| "grad_norm": 0.7223344445228577, | |
| "learning_rate": 0.0028799999999999997, | |
| "loss": 2.273, | |
| "step": 1360 | |
| }, | |
| { | |
| "epoch": 13.7, | |
| "grad_norm": 1.1084399223327637, | |
| "learning_rate": 0.0028766666666666667, | |
| "loss": 2.2912, | |
| "step": 1370 | |
| }, | |
| { | |
| "epoch": 13.8, | |
| "grad_norm": 0.6733573079109192, | |
| "learning_rate": 0.002873333333333333, | |
| "loss": 2.2698, | |
| "step": 1380 | |
| }, | |
| { | |
| "epoch": 13.9, | |
| "grad_norm": 0.8303700089454651, | |
| "learning_rate": 0.00287, | |
| "loss": 2.2308, | |
| "step": 1390 | |
| }, | |
| { | |
| "epoch": 14.0, | |
| "grad_norm": 0.804675817489624, | |
| "learning_rate": 0.0028666666666666667, | |
| "loss": 2.2845, | |
| "step": 1400 | |
| }, | |
| { | |
| "epoch": 14.0, | |
| "eval_accuracy": 0.19, | |
| "eval_loss": 3.0855796337127686, | |
| "eval_runtime": 18.9592, | |
| "eval_samples_per_second": 5.274, | |
| "eval_steps_per_second": 5.274, | |
| "step": 1400 | |
| }, | |
| { | |
| "epoch": 14.1, | |
| "grad_norm": 0.7311877012252808, | |
| "learning_rate": 0.002863333333333333, | |
| "loss": 2.2091, | |
| "step": 1410 | |
| }, | |
| { | |
| "epoch": 14.2, | |
| "grad_norm": 0.9788007140159607, | |
| "learning_rate": 0.00286, | |
| "loss": 2.284, | |
| "step": 1420 | |
| }, | |
| { | |
| "epoch": 14.3, | |
| "grad_norm": 1.4467419385910034, | |
| "learning_rate": 0.0028566666666666666, | |
| "loss": 2.2519, | |
| "step": 1430 | |
| }, | |
| { | |
| "epoch": 14.4, | |
| "grad_norm": 1.0337039232254028, | |
| "learning_rate": 0.0028533333333333336, | |
| "loss": 2.2974, | |
| "step": 1440 | |
| }, | |
| { | |
| "epoch": 14.5, | |
| "grad_norm": 0.9267049431800842, | |
| "learning_rate": 0.00285, | |
| "loss": 2.2513, | |
| "step": 1450 | |
| }, | |
| { | |
| "epoch": 14.6, | |
| "grad_norm": 1.1804252862930298, | |
| "learning_rate": 0.0028466666666666666, | |
| "loss": 2.3101, | |
| "step": 1460 | |
| }, | |
| { | |
| "epoch": 14.7, | |
| "grad_norm": 0.6689174175262451, | |
| "learning_rate": 0.0028433333333333336, | |
| "loss": 2.3012, | |
| "step": 1470 | |
| }, | |
| { | |
| "epoch": 14.8, | |
| "grad_norm": 1.6997405290603638, | |
| "learning_rate": 0.00284, | |
| "loss": 2.2507, | |
| "step": 1480 | |
| }, | |
| { | |
| "epoch": 14.9, | |
| "grad_norm": 0.5313436388969421, | |
| "learning_rate": 0.002836666666666667, | |
| "loss": 2.2841, | |
| "step": 1490 | |
| }, | |
| { | |
| "epoch": 15.0, | |
| "grad_norm": 0.6760014891624451, | |
| "learning_rate": 0.002833333333333333, | |
| "loss": 2.2813, | |
| "step": 1500 | |
| }, | |
| { | |
| "epoch": 15.0, | |
| "eval_accuracy": 0.17, | |
| "eval_loss": 3.255617618560791, | |
| "eval_runtime": 4.647, | |
| "eval_samples_per_second": 21.519, | |
| "eval_steps_per_second": 21.519, | |
| "step": 1500 | |
| }, | |
| { | |
| "epoch": 15.1, | |
| "grad_norm": 1.6648482084274292, | |
| "learning_rate": 0.00283, | |
| "loss": 2.2499, | |
| "step": 1510 | |
| }, | |
| { | |
| "epoch": 15.2, | |
| "grad_norm": 0.6352823376655579, | |
| "learning_rate": 0.0028266666666666666, | |
| "loss": 2.228, | |
| "step": 1520 | |
| }, | |
| { | |
| "epoch": 15.3, | |
| "grad_norm": 0.6928892135620117, | |
| "learning_rate": 0.0028233333333333335, | |
| "loss": 2.1796, | |
| "step": 1530 | |
| }, | |
| { | |
| "epoch": 15.4, | |
| "grad_norm": 0.7444634437561035, | |
| "learning_rate": 0.00282, | |
| "loss": 2.2923, | |
| "step": 1540 | |
| }, | |
| { | |
| "epoch": 15.5, | |
| "grad_norm": 0.701443076133728, | |
| "learning_rate": 0.0028166666666666665, | |
| "loss": 2.2578, | |
| "step": 1550 | |
| }, | |
| { | |
| "epoch": 15.6, | |
| "grad_norm": 0.5810482501983643, | |
| "learning_rate": 0.0028133333333333335, | |
| "loss": 2.3059, | |
| "step": 1560 | |
| }, | |
| { | |
| "epoch": 15.7, | |
| "grad_norm": 0.990923285484314, | |
| "learning_rate": 0.00281, | |
| "loss": 2.2492, | |
| "step": 1570 | |
| }, | |
| { | |
| "epoch": 15.8, | |
| "grad_norm": 0.616290807723999, | |
| "learning_rate": 0.002806666666666667, | |
| "loss": 2.1599, | |
| "step": 1580 | |
| }, | |
| { | |
| "epoch": 15.9, | |
| "grad_norm": 0.5732624530792236, | |
| "learning_rate": 0.0028033333333333335, | |
| "loss": 2.2297, | |
| "step": 1590 | |
| }, | |
| { | |
| "epoch": 16.0, | |
| "grad_norm": 0.9005319476127625, | |
| "learning_rate": 0.0028, | |
| "loss": 2.2232, | |
| "step": 1600 | |
| }, | |
| { | |
| "epoch": 16.0, | |
| "eval_accuracy": 0.18, | |
| "eval_loss": 3.5356717109680176, | |
| "eval_runtime": 2.4287, | |
| "eval_samples_per_second": 41.174, | |
| "eval_steps_per_second": 41.174, | |
| "step": 1600 | |
| }, | |
| { | |
| "epoch": 16.1, | |
| "grad_norm": 0.7628068923950195, | |
| "learning_rate": 0.0027966666666666665, | |
| "loss": 2.2383, | |
| "step": 1610 | |
| }, | |
| { | |
| "epoch": 16.2, | |
| "grad_norm": 0.7052992582321167, | |
| "learning_rate": 0.0027933333333333334, | |
| "loss": 2.3226, | |
| "step": 1620 | |
| }, | |
| { | |
| "epoch": 16.3, | |
| "grad_norm": 0.8045329451560974, | |
| "learning_rate": 0.0027900000000000004, | |
| "loss": 2.2594, | |
| "step": 1630 | |
| }, | |
| { | |
| "epoch": 16.4, | |
| "grad_norm": 0.7999270558357239, | |
| "learning_rate": 0.002786666666666667, | |
| "loss": 2.2886, | |
| "step": 1640 | |
| }, | |
| { | |
| "epoch": 16.5, | |
| "grad_norm": 0.9818239212036133, | |
| "learning_rate": 0.0027833333333333334, | |
| "loss": 2.2745, | |
| "step": 1650 | |
| }, | |
| { | |
| "epoch": 16.6, | |
| "grad_norm": 1.048454999923706, | |
| "learning_rate": 0.00278, | |
| "loss": 2.2978, | |
| "step": 1660 | |
| }, | |
| { | |
| "epoch": 16.7, | |
| "grad_norm": 0.6741579174995422, | |
| "learning_rate": 0.002776666666666667, | |
| "loss": 2.1957, | |
| "step": 1670 | |
| }, | |
| { | |
| "epoch": 16.8, | |
| "grad_norm": 0.7675438523292542, | |
| "learning_rate": 0.0027733333333333334, | |
| "loss": 2.3012, | |
| "step": 1680 | |
| }, | |
| { | |
| "epoch": 16.9, | |
| "grad_norm": 0.5897651314735413, | |
| "learning_rate": 0.00277, | |
| "loss": 2.2825, | |
| "step": 1690 | |
| }, | |
| { | |
| "epoch": 17.0, | |
| "grad_norm": 1.0253489017486572, | |
| "learning_rate": 0.002766666666666667, | |
| "loss": 2.2332, | |
| "step": 1700 | |
| }, | |
| { | |
| "epoch": 17.0, | |
| "eval_accuracy": 0.11, | |
| "eval_loss": 3.8757708072662354, | |
| "eval_runtime": 1.504, | |
| "eval_samples_per_second": 66.491, | |
| "eval_steps_per_second": 66.491, | |
| "step": 1700 | |
| }, | |
| { | |
| "epoch": 17.1, | |
| "grad_norm": 0.5093202590942383, | |
| "learning_rate": 0.0027633333333333334, | |
| "loss": 2.2725, | |
| "step": 1710 | |
| }, | |
| { | |
| "epoch": 17.2, | |
| "grad_norm": 0.7032235860824585, | |
| "learning_rate": 0.0027600000000000003, | |
| "loss": 2.2166, | |
| "step": 1720 | |
| }, | |
| { | |
| "epoch": 17.3, | |
| "grad_norm": 0.6116345524787903, | |
| "learning_rate": 0.002756666666666667, | |
| "loss": 2.1844, | |
| "step": 1730 | |
| }, | |
| { | |
| "epoch": 17.4, | |
| "grad_norm": 0.8476758599281311, | |
| "learning_rate": 0.0027533333333333333, | |
| "loss": 2.2653, | |
| "step": 1740 | |
| }, | |
| { | |
| "epoch": 17.5, | |
| "grad_norm": 1.6175342798233032, | |
| "learning_rate": 0.00275, | |
| "loss": 2.2069, | |
| "step": 1750 | |
| }, | |
| { | |
| "epoch": 17.6, | |
| "grad_norm": 1.403396487236023, | |
| "learning_rate": 0.002746666666666667, | |
| "loss": 2.3708, | |
| "step": 1760 | |
| }, | |
| { | |
| "epoch": 17.7, | |
| "grad_norm": 3.4366719722747803, | |
| "learning_rate": 0.0027433333333333333, | |
| "loss": 2.2828, | |
| "step": 1770 | |
| }, | |
| { | |
| "epoch": 17.8, | |
| "grad_norm": 0.8872509598731995, | |
| "learning_rate": 0.0027400000000000002, | |
| "loss": 2.2382, | |
| "step": 1780 | |
| }, | |
| { | |
| "epoch": 17.9, | |
| "grad_norm": 3.1236143112182617, | |
| "learning_rate": 0.0027366666666666668, | |
| "loss": 2.3113, | |
| "step": 1790 | |
| }, | |
| { | |
| "epoch": 18.0, | |
| "grad_norm": 1.0595662593841553, | |
| "learning_rate": 0.0027333333333333333, | |
| "loss": 2.3568, | |
| "step": 1800 | |
| }, | |
| { | |
| "epoch": 18.0, | |
| "eval_accuracy": 0.13, | |
| "eval_loss": 3.0675432682037354, | |
| "eval_runtime": 1.5416, | |
| "eval_samples_per_second": 64.868, | |
| "eval_steps_per_second": 64.868, | |
| "step": 1800 | |
| }, | |
| { | |
| "epoch": 18.1, | |
| "grad_norm": 0.9756940007209778, | |
| "learning_rate": 0.0027300000000000002, | |
| "loss": 2.2245, | |
| "step": 1810 | |
| }, | |
| { | |
| "epoch": 18.2, | |
| "grad_norm": 0.7749895453453064, | |
| "learning_rate": 0.0027266666666666667, | |
| "loss": 2.3375, | |
| "step": 1820 | |
| }, | |
| { | |
| "epoch": 18.3, | |
| "grad_norm": 0.6627314686775208, | |
| "learning_rate": 0.0027233333333333332, | |
| "loss": 2.2663, | |
| "step": 1830 | |
| }, | |
| { | |
| "epoch": 18.4, | |
| "grad_norm": 1.011854648590088, | |
| "learning_rate": 0.0027199999999999998, | |
| "loss": 2.4041, | |
| "step": 1840 | |
| }, | |
| { | |
| "epoch": 18.5, | |
| "grad_norm": 0.7713875770568848, | |
| "learning_rate": 0.0027166666666666667, | |
| "loss": 2.3269, | |
| "step": 1850 | |
| }, | |
| { | |
| "epoch": 18.6, | |
| "grad_norm": 1.3139779567718506, | |
| "learning_rate": 0.0027133333333333337, | |
| "loss": 2.23, | |
| "step": 1860 | |
| }, | |
| { | |
| "epoch": 18.7, | |
| "grad_norm": 1.9220070838928223, | |
| "learning_rate": 0.00271, | |
| "loss": 2.3241, | |
| "step": 1870 | |
| }, | |
| { | |
| "epoch": 18.8, | |
| "grad_norm": 0.8482495546340942, | |
| "learning_rate": 0.0027066666666666667, | |
| "loss": 2.2784, | |
| "step": 1880 | |
| }, | |
| { | |
| "epoch": 18.9, | |
| "grad_norm": 1.1331626176834106, | |
| "learning_rate": 0.002703333333333333, | |
| "loss": 2.3171, | |
| "step": 1890 | |
| }, | |
| { | |
| "epoch": 19.0, | |
| "grad_norm": 0.986213207244873, | |
| "learning_rate": 0.0027, | |
| "loss": 2.2627, | |
| "step": 1900 | |
| }, | |
| { | |
| "epoch": 19.0, | |
| "eval_accuracy": 0.16, | |
| "eval_loss": 3.130782127380371, | |
| "eval_runtime": 1.5734, | |
| "eval_samples_per_second": 63.555, | |
| "eval_steps_per_second": 63.555, | |
| "step": 1900 | |
| }, | |
| { | |
| "epoch": 19.1, | |
| "grad_norm": 0.8398575782775879, | |
| "learning_rate": 0.0026966666666666667, | |
| "loss": 2.2865, | |
| "step": 1910 | |
| }, | |
| { | |
| "epoch": 19.2, | |
| "grad_norm": 0.8489543199539185, | |
| "learning_rate": 0.0026933333333333336, | |
| "loss": 2.2557, | |
| "step": 1920 | |
| }, | |
| { | |
| "epoch": 19.3, | |
| "grad_norm": 0.5991080403327942, | |
| "learning_rate": 0.0026899999999999997, | |
| "loss": 2.2589, | |
| "step": 1930 | |
| }, | |
| { | |
| "epoch": 19.4, | |
| "grad_norm": 0.8160009384155273, | |
| "learning_rate": 0.0026866666666666666, | |
| "loss": 2.255, | |
| "step": 1940 | |
| }, | |
| { | |
| "epoch": 19.5, | |
| "grad_norm": 0.9468734264373779, | |
| "learning_rate": 0.0026833333333333336, | |
| "loss": 2.2416, | |
| "step": 1950 | |
| }, | |
| { | |
| "epoch": 19.6, | |
| "grad_norm": 0.9367495775222778, | |
| "learning_rate": 0.00268, | |
| "loss": 2.2928, | |
| "step": 1960 | |
| }, | |
| { | |
| "epoch": 19.7, | |
| "grad_norm": 0.7771756649017334, | |
| "learning_rate": 0.0026766666666666666, | |
| "loss": 2.2837, | |
| "step": 1970 | |
| }, | |
| { | |
| "epoch": 19.8, | |
| "grad_norm": 0.5956035852432251, | |
| "learning_rate": 0.002673333333333333, | |
| "loss": 2.3056, | |
| "step": 1980 | |
| }, | |
| { | |
| "epoch": 19.9, | |
| "grad_norm": 0.8923712372779846, | |
| "learning_rate": 0.00267, | |
| "loss": 2.2434, | |
| "step": 1990 | |
| }, | |
| { | |
| "epoch": 20.0, | |
| "grad_norm": 0.7316953539848328, | |
| "learning_rate": 0.0026666666666666666, | |
| "loss": 2.2528, | |
| "step": 2000 | |
| }, | |
| { | |
| "epoch": 20.0, | |
| "eval_accuracy": 0.1, | |
| "eval_loss": 2.774110794067383, | |
| "eval_runtime": 2.0095, | |
| "eval_samples_per_second": 49.763, | |
| "eval_steps_per_second": 49.763, | |
| "step": 2000 | |
| }, | |
| { | |
| "epoch": 20.1, | |
| "grad_norm": 1.061279058456421, | |
| "learning_rate": 0.0026633333333333335, | |
| "loss": 2.199, | |
| "step": 2010 | |
| }, | |
| { | |
| "epoch": 20.2, | |
| "grad_norm": 0.8505630493164062, | |
| "learning_rate": 0.00266, | |
| "loss": 2.3343, | |
| "step": 2020 | |
| }, | |
| { | |
| "epoch": 20.3, | |
| "grad_norm": 4.665825366973877, | |
| "learning_rate": 0.0026566666666666666, | |
| "loss": 2.1988, | |
| "step": 2030 | |
| }, | |
| { | |
| "epoch": 20.4, | |
| "grad_norm": 0.6855554580688477, | |
| "learning_rate": 0.0026533333333333335, | |
| "loss": 2.1726, | |
| "step": 2040 | |
| }, | |
| { | |
| "epoch": 20.5, | |
| "grad_norm": 0.9635552167892456, | |
| "learning_rate": 0.00265, | |
| "loss": 2.3019, | |
| "step": 2050 | |
| }, | |
| { | |
| "epoch": 20.6, | |
| "grad_norm": 1.7395892143249512, | |
| "learning_rate": 0.002646666666666667, | |
| "loss": 2.1493, | |
| "step": 2060 | |
| }, | |
| { | |
| "epoch": 20.7, | |
| "grad_norm": 1.992548942565918, | |
| "learning_rate": 0.0026433333333333335, | |
| "loss": 2.1646, | |
| "step": 2070 | |
| }, | |
| { | |
| "epoch": 20.8, | |
| "grad_norm": 0.7224474549293518, | |
| "learning_rate": 0.00264, | |
| "loss": 2.1725, | |
| "step": 2080 | |
| }, | |
| { | |
| "epoch": 20.9, | |
| "grad_norm": 0.7668882012367249, | |
| "learning_rate": 0.002636666666666667, | |
| "loss": 2.1463, | |
| "step": 2090 | |
| }, | |
| { | |
| "epoch": 21.0, | |
| "grad_norm": 1.1540876626968384, | |
| "learning_rate": 0.0026333333333333334, | |
| "loss": 2.2039, | |
| "step": 2100 | |
| }, | |
| { | |
| "epoch": 21.0, | |
| "eval_accuracy": 0.14, | |
| "eval_loss": 2.7257165908813477, | |
| "eval_runtime": 3.321, | |
| "eval_samples_per_second": 30.111, | |
| "eval_steps_per_second": 30.111, | |
| "step": 2100 | |
| }, | |
| { | |
| "epoch": 21.1, | |
| "grad_norm": 1.0657505989074707, | |
| "learning_rate": 0.00263, | |
| "loss": 2.1861, | |
| "step": 2110 | |
| }, | |
| { | |
| "epoch": 21.2, | |
| "grad_norm": 0.8397789597511292, | |
| "learning_rate": 0.0026266666666666665, | |
| "loss": 2.2868, | |
| "step": 2120 | |
| }, | |
| { | |
| "epoch": 21.3, | |
| "grad_norm": 5.241576194763184, | |
| "learning_rate": 0.0026233333333333334, | |
| "loss": 2.0992, | |
| "step": 2130 | |
| }, | |
| { | |
| "epoch": 21.4, | |
| "grad_norm": 1.619246006011963, | |
| "learning_rate": 0.00262, | |
| "loss": 2.1577, | |
| "step": 2140 | |
| }, | |
| { | |
| "epoch": 21.5, | |
| "grad_norm": 0.8214967250823975, | |
| "learning_rate": 0.002616666666666667, | |
| "loss": 2.2025, | |
| "step": 2150 | |
| }, | |
| { | |
| "epoch": 21.6, | |
| "grad_norm": 0.8782535195350647, | |
| "learning_rate": 0.0026133333333333334, | |
| "loss": 2.2666, | |
| "step": 2160 | |
| }, | |
| { | |
| "epoch": 21.7, | |
| "grad_norm": 0.6835685968399048, | |
| "learning_rate": 0.00261, | |
| "loss": 2.3608, | |
| "step": 2170 | |
| }, | |
| { | |
| "epoch": 21.8, | |
| "grad_norm": 0.7960027456283569, | |
| "learning_rate": 0.002606666666666667, | |
| "loss": 2.236, | |
| "step": 2180 | |
| }, | |
| { | |
| "epoch": 21.9, | |
| "grad_norm": 0.789070188999176, | |
| "learning_rate": 0.0026033333333333334, | |
| "loss": 2.214, | |
| "step": 2190 | |
| }, | |
| { | |
| "epoch": 22.0, | |
| "grad_norm": 0.8337671756744385, | |
| "learning_rate": 0.0026000000000000003, | |
| "loss": 2.389, | |
| "step": 2200 | |
| }, | |
| { | |
| "epoch": 22.0, | |
| "eval_accuracy": 0.08, | |
| "eval_loss": 2.6245250701904297, | |
| "eval_runtime": 14.6732, | |
| "eval_samples_per_second": 6.815, | |
| "eval_steps_per_second": 6.815, | |
| "step": 2200 | |
| }, | |
| { | |
| "epoch": 22.1, | |
| "grad_norm": 0.6612998247146606, | |
| "learning_rate": 0.002596666666666667, | |
| "loss": 2.1623, | |
| "step": 2210 | |
| }, | |
| { | |
| "epoch": 22.2, | |
| "grad_norm": 0.5823114514350891, | |
| "learning_rate": 0.0025933333333333333, | |
| "loss": 2.2221, | |
| "step": 2220 | |
| }, | |
| { | |
| "epoch": 22.3, | |
| "grad_norm": 0.6718313694000244, | |
| "learning_rate": 0.00259, | |
| "loss": 2.2401, | |
| "step": 2230 | |
| }, | |
| { | |
| "epoch": 22.4, | |
| "grad_norm": 1.033048391342163, | |
| "learning_rate": 0.002586666666666667, | |
| "loss": 2.2093, | |
| "step": 2240 | |
| }, | |
| { | |
| "epoch": 22.5, | |
| "grad_norm": 0.9569495320320129, | |
| "learning_rate": 0.0025833333333333337, | |
| "loss": 2.1865, | |
| "step": 2250 | |
| }, | |
| { | |
| "epoch": 22.6, | |
| "grad_norm": 0.9927944540977478, | |
| "learning_rate": 0.00258, | |
| "loss": 2.2509, | |
| "step": 2260 | |
| }, | |
| { | |
| "epoch": 22.7, | |
| "grad_norm": 1.255365014076233, | |
| "learning_rate": 0.0025766666666666668, | |
| "loss": 2.2218, | |
| "step": 2270 | |
| }, | |
| { | |
| "epoch": 22.8, | |
| "grad_norm": 0.8008034229278564, | |
| "learning_rate": 0.0025733333333333333, | |
| "loss": 2.3508, | |
| "step": 2280 | |
| }, | |
| { | |
| "epoch": 22.9, | |
| "grad_norm": 1.643989086151123, | |
| "learning_rate": 0.0025700000000000002, | |
| "loss": 2.3481, | |
| "step": 2290 | |
| }, | |
| { | |
| "epoch": 23.0, | |
| "grad_norm": 0.7342652678489685, | |
| "learning_rate": 0.0025666666666666667, | |
| "loss": 2.31, | |
| "step": 2300 | |
| }, | |
| { | |
| "epoch": 23.0, | |
| "eval_accuracy": 0.1, | |
| "eval_loss": 3.1869921684265137, | |
| "eval_runtime": 3.5166, | |
| "eval_samples_per_second": 28.437, | |
| "eval_steps_per_second": 28.437, | |
| "step": 2300 | |
| }, | |
| { | |
| "epoch": 23.1, | |
| "grad_norm": 4.475462913513184, | |
| "learning_rate": 0.0025633333333333333, | |
| "loss": 2.258, | |
| "step": 2310 | |
| }, | |
| { | |
| "epoch": 23.2, | |
| "grad_norm": 1.1528602838516235, | |
| "learning_rate": 0.00256, | |
| "loss": 2.2602, | |
| "step": 2320 | |
| }, | |
| { | |
| "epoch": 23.3, | |
| "grad_norm": 0.8095310926437378, | |
| "learning_rate": 0.0025566666666666667, | |
| "loss": 2.1602, | |
| "step": 2330 | |
| }, | |
| { | |
| "epoch": 23.4, | |
| "grad_norm": 1.0588278770446777, | |
| "learning_rate": 0.0025533333333333337, | |
| "loss": 2.1524, | |
| "step": 2340 | |
| }, | |
| { | |
| "epoch": 23.5, | |
| "grad_norm": 0.8519811630249023, | |
| "learning_rate": 0.00255, | |
| "loss": 2.1634, | |
| "step": 2350 | |
| }, | |
| { | |
| "epoch": 23.6, | |
| "grad_norm": 0.8368690013885498, | |
| "learning_rate": 0.0025466666666666667, | |
| "loss": 2.1851, | |
| "step": 2360 | |
| }, | |
| { | |
| "epoch": 23.7, | |
| "grad_norm": 0.6062741875648499, | |
| "learning_rate": 0.002543333333333333, | |
| "loss": 2.1097, | |
| "step": 2370 | |
| }, | |
| { | |
| "epoch": 23.8, | |
| "grad_norm": 1.054940938949585, | |
| "learning_rate": 0.00254, | |
| "loss": 2.2839, | |
| "step": 2380 | |
| }, | |
| { | |
| "epoch": 23.9, | |
| "grad_norm": 2.2694478034973145, | |
| "learning_rate": 0.0025366666666666667, | |
| "loss": 2.1951, | |
| "step": 2390 | |
| }, | |
| { | |
| "epoch": 24.0, | |
| "grad_norm": 1.1363869905471802, | |
| "learning_rate": 0.002533333333333333, | |
| "loss": 2.1471, | |
| "step": 2400 | |
| }, | |
| { | |
| "epoch": 24.0, | |
| "eval_accuracy": 0.02, | |
| "eval_loss": 2.8313043117523193, | |
| "eval_runtime": 8.5714, | |
| "eval_samples_per_second": 11.667, | |
| "eval_steps_per_second": 11.667, | |
| "step": 2400 | |
| }, | |
| { | |
| "epoch": 24.1, | |
| "grad_norm": 0.9821159839630127, | |
| "learning_rate": 0.00253, | |
| "loss": 2.296, | |
| "step": 2410 | |
| }, | |
| { | |
| "epoch": 24.2, | |
| "grad_norm": 18.666667938232422, | |
| "learning_rate": 0.0025266666666666666, | |
| "loss": 2.194, | |
| "step": 2420 | |
| }, | |
| { | |
| "epoch": 24.3, | |
| "grad_norm": 0.906703531742096, | |
| "learning_rate": 0.0025233333333333336, | |
| "loss": 2.1612, | |
| "step": 2430 | |
| }, | |
| { | |
| "epoch": 24.4, | |
| "grad_norm": 0.8759214282035828, | |
| "learning_rate": 0.00252, | |
| "loss": 2.3219, | |
| "step": 2440 | |
| }, | |
| { | |
| "epoch": 24.5, | |
| "grad_norm": 2.061927556991577, | |
| "learning_rate": 0.0025166666666666666, | |
| "loss": 2.2479, | |
| "step": 2450 | |
| }, | |
| { | |
| "epoch": 24.6, | |
| "grad_norm": 1.9357784986495972, | |
| "learning_rate": 0.002513333333333333, | |
| "loss": 2.1494, | |
| "step": 2460 | |
| }, | |
| { | |
| "epoch": 24.7, | |
| "grad_norm": 0.7855737209320068, | |
| "learning_rate": 0.00251, | |
| "loss": 2.1368, | |
| "step": 2470 | |
| }, | |
| { | |
| "epoch": 24.8, | |
| "grad_norm": 1.1116645336151123, | |
| "learning_rate": 0.002506666666666667, | |
| "loss": 2.167, | |
| "step": 2480 | |
| }, | |
| { | |
| "epoch": 24.9, | |
| "grad_norm": 1.0230302810668945, | |
| "learning_rate": 0.0025033333333333335, | |
| "loss": 2.1518, | |
| "step": 2490 | |
| }, | |
| { | |
| "epoch": 25.0, | |
| "grad_norm": 0.7969598174095154, | |
| "learning_rate": 0.0025, | |
| "loss": 2.1658, | |
| "step": 2500 | |
| }, | |
| { | |
| "epoch": 25.0, | |
| "eval_accuracy": 0.11, | |
| "eval_loss": 2.9322524070739746, | |
| "eval_runtime": 14.5485, | |
| "eval_samples_per_second": 6.874, | |
| "eval_steps_per_second": 6.874, | |
| "step": 2500 | |
| }, | |
| { | |
| "epoch": 25.1, | |
| "grad_norm": 1.1143075227737427, | |
| "learning_rate": 0.0024966666666666666, | |
| "loss": 2.1519, | |
| "step": 2510 | |
| }, | |
| { | |
| "epoch": 25.2, | |
| "grad_norm": 1.9733251333236694, | |
| "learning_rate": 0.0024933333333333335, | |
| "loss": 2.2545, | |
| "step": 2520 | |
| }, | |
| { | |
| "epoch": 25.3, | |
| "grad_norm": 0.7734049558639526, | |
| "learning_rate": 0.00249, | |
| "loss": 2.3188, | |
| "step": 2530 | |
| }, | |
| { | |
| "epoch": 25.4, | |
| "grad_norm": 0.8898696303367615, | |
| "learning_rate": 0.0024866666666666665, | |
| "loss": 2.3433, | |
| "step": 2540 | |
| }, | |
| { | |
| "epoch": 25.5, | |
| "grad_norm": 0.9042370319366455, | |
| "learning_rate": 0.002483333333333333, | |
| "loss": 2.1533, | |
| "step": 2550 | |
| }, | |
| { | |
| "epoch": 25.6, | |
| "grad_norm": 0.7616782784461975, | |
| "learning_rate": 0.00248, | |
| "loss": 2.1676, | |
| "step": 2560 | |
| }, | |
| { | |
| "epoch": 25.7, | |
| "grad_norm": 1.0529074668884277, | |
| "learning_rate": 0.002476666666666667, | |
| "loss": 2.1489, | |
| "step": 2570 | |
| }, | |
| { | |
| "epoch": 25.8, | |
| "grad_norm": 0.6499335765838623, | |
| "learning_rate": 0.0024733333333333335, | |
| "loss": 2.1537, | |
| "step": 2580 | |
| }, | |
| { | |
| "epoch": 25.9, | |
| "grad_norm": 0.8011136054992676, | |
| "learning_rate": 0.00247, | |
| "loss": 2.1297, | |
| "step": 2590 | |
| }, | |
| { | |
| "epoch": 26.0, | |
| "grad_norm": 0.7980877757072449, | |
| "learning_rate": 0.0024666666666666665, | |
| "loss": 2.0946, | |
| "step": 2600 | |
| }, | |
| { | |
| "epoch": 26.0, | |
| "eval_accuracy": 0.14, | |
| "eval_loss": 2.8371801376342773, | |
| "eval_runtime": 20.2418, | |
| "eval_samples_per_second": 4.94, | |
| "eval_steps_per_second": 4.94, | |
| "step": 2600 | |
| }, | |
| { | |
| "epoch": 26.1, | |
| "grad_norm": 1.0512415170669556, | |
| "learning_rate": 0.0024633333333333334, | |
| "loss": 2.0609, | |
| "step": 2610 | |
| }, | |
| { | |
| "epoch": 26.2, | |
| "grad_norm": 0.7277994155883789, | |
| "learning_rate": 0.00246, | |
| "loss": 2.1957, | |
| "step": 2620 | |
| }, | |
| { | |
| "epoch": 26.3, | |
| "grad_norm": 0.7225540280342102, | |
| "learning_rate": 0.002456666666666667, | |
| "loss": 2.2818, | |
| "step": 2630 | |
| }, | |
| { | |
| "epoch": 26.4, | |
| "grad_norm": 0.833447277545929, | |
| "learning_rate": 0.0024533333333333334, | |
| "loss": 2.3521, | |
| "step": 2640 | |
| }, | |
| { | |
| "epoch": 26.5, | |
| "grad_norm": 0.6532344222068787, | |
| "learning_rate": 0.00245, | |
| "loss": 2.1103, | |
| "step": 2650 | |
| }, | |
| { | |
| "epoch": 26.6, | |
| "grad_norm": 1.618382215499878, | |
| "learning_rate": 0.002446666666666667, | |
| "loss": 2.1979, | |
| "step": 2660 | |
| }, | |
| { | |
| "epoch": 26.7, | |
| "grad_norm": 0.8852543830871582, | |
| "learning_rate": 0.0024433333333333334, | |
| "loss": 2.224, | |
| "step": 2670 | |
| }, | |
| { | |
| "epoch": 26.8, | |
| "grad_norm": 0.7051679491996765, | |
| "learning_rate": 0.00244, | |
| "loss": 2.2168, | |
| "step": 2680 | |
| }, | |
| { | |
| "epoch": 26.9, | |
| "grad_norm": 0.6945533752441406, | |
| "learning_rate": 0.0024366666666666664, | |
| "loss": 2.1522, | |
| "step": 2690 | |
| }, | |
| { | |
| "epoch": 27.0, | |
| "grad_norm": 0.8904722929000854, | |
| "learning_rate": 0.0024333333333333334, | |
| "loss": 2.0924, | |
| "step": 2700 | |
| }, | |
| { | |
| "epoch": 27.0, | |
| "eval_accuracy": 0.16, | |
| "eval_loss": 2.740328073501587, | |
| "eval_runtime": 2.5835, | |
| "eval_samples_per_second": 38.707, | |
| "eval_steps_per_second": 38.707, | |
| "step": 2700 | |
| }, | |
| { | |
| "epoch": 27.1, | |
| "grad_norm": 1.0091406106948853, | |
| "learning_rate": 0.0024300000000000003, | |
| "loss": 2.143, | |
| "step": 2710 | |
| }, | |
| { | |
| "epoch": 27.2, | |
| "grad_norm": 1.1486680507659912, | |
| "learning_rate": 0.002426666666666667, | |
| "loss": 2.2661, | |
| "step": 2720 | |
| }, | |
| { | |
| "epoch": 27.3, | |
| "grad_norm": 1.3828904628753662, | |
| "learning_rate": 0.0024233333333333333, | |
| "loss": 2.0716, | |
| "step": 2730 | |
| }, | |
| { | |
| "epoch": 27.4, | |
| "grad_norm": 0.7337507009506226, | |
| "learning_rate": 0.00242, | |
| "loss": 2.2243, | |
| "step": 2740 | |
| }, | |
| { | |
| "epoch": 27.5, | |
| "grad_norm": 0.7662250399589539, | |
| "learning_rate": 0.002416666666666667, | |
| "loss": 2.2204, | |
| "step": 2750 | |
| }, | |
| { | |
| "epoch": 27.6, | |
| "grad_norm": 1.3254953622817993, | |
| "learning_rate": 0.0024133333333333333, | |
| "loss": 2.1401, | |
| "step": 2760 | |
| }, | |
| { | |
| "epoch": 27.7, | |
| "grad_norm": 1.6423826217651367, | |
| "learning_rate": 0.0024100000000000002, | |
| "loss": 2.1909, | |
| "step": 2770 | |
| }, | |
| { | |
| "epoch": 27.8, | |
| "grad_norm": 2.5181260108947754, | |
| "learning_rate": 0.0024066666666666668, | |
| "loss": 2.2194, | |
| "step": 2780 | |
| }, | |
| { | |
| "epoch": 27.9, | |
| "grad_norm": 1.975514531135559, | |
| "learning_rate": 0.0024033333333333333, | |
| "loss": 2.1208, | |
| "step": 2790 | |
| }, | |
| { | |
| "epoch": 28.0, | |
| "grad_norm": 1.0756447315216064, | |
| "learning_rate": 0.0024000000000000002, | |
| "loss": 2.2634, | |
| "step": 2800 | |
| }, | |
| { | |
| "epoch": 28.0, | |
| "eval_accuracy": 0.14, | |
| "eval_loss": 2.899129867553711, | |
| "eval_runtime": 1.6216, | |
| "eval_samples_per_second": 61.667, | |
| "eval_steps_per_second": 61.667, | |
| "step": 2800 | |
| }, | |
| { | |
| "epoch": 28.1, | |
| "grad_norm": 0.6582184433937073, | |
| "learning_rate": 0.0023966666666666667, | |
| "loss": 2.1557, | |
| "step": 2810 | |
| }, | |
| { | |
| "epoch": 28.2, | |
| "grad_norm": 1.008514642715454, | |
| "learning_rate": 0.0023933333333333337, | |
| "loss": 2.1055, | |
| "step": 2820 | |
| }, | |
| { | |
| "epoch": 28.3, | |
| "grad_norm": 1.3647173643112183, | |
| "learning_rate": 0.0023899999999999998, | |
| "loss": 2.2375, | |
| "step": 2830 | |
| }, | |
| { | |
| "epoch": 28.4, | |
| "grad_norm": 1.080275058746338, | |
| "learning_rate": 0.0023866666666666667, | |
| "loss": 2.0351, | |
| "step": 2840 | |
| }, | |
| { | |
| "epoch": 28.5, | |
| "grad_norm": 0.8758491277694702, | |
| "learning_rate": 0.0023833333333333332, | |
| "loss": 2.1304, | |
| "step": 2850 | |
| }, | |
| { | |
| "epoch": 28.6, | |
| "grad_norm": 1.8762778043746948, | |
| "learning_rate": 0.00238, | |
| "loss": 2.0213, | |
| "step": 2860 | |
| }, | |
| { | |
| "epoch": 28.7, | |
| "grad_norm": 0.9291443228721619, | |
| "learning_rate": 0.0023766666666666667, | |
| "loss": 2.312, | |
| "step": 2870 | |
| }, | |
| { | |
| "epoch": 28.8, | |
| "grad_norm": 0.8882524967193604, | |
| "learning_rate": 0.002373333333333333, | |
| "loss": 2.2335, | |
| "step": 2880 | |
| }, | |
| { | |
| "epoch": 28.9, | |
| "grad_norm": 2.439899444580078, | |
| "learning_rate": 0.00237, | |
| "loss": 2.1726, | |
| "step": 2890 | |
| }, | |
| { | |
| "epoch": 29.0, | |
| "grad_norm": 0.9601397514343262, | |
| "learning_rate": 0.0023666666666666667, | |
| "loss": 2.1897, | |
| "step": 2900 | |
| }, | |
| { | |
| "epoch": 29.0, | |
| "eval_accuracy": 0.13, | |
| "eval_loss": 2.877793073654175, | |
| "eval_runtime": 1.4621, | |
| "eval_samples_per_second": 68.395, | |
| "eval_steps_per_second": 68.395, | |
| "step": 2900 | |
| }, | |
| { | |
| "epoch": 29.1, | |
| "grad_norm": 1.6170096397399902, | |
| "learning_rate": 0.0023633333333333336, | |
| "loss": 2.19, | |
| "step": 2910 | |
| }, | |
| { | |
| "epoch": 29.2, | |
| "grad_norm": 1.087302803993225, | |
| "learning_rate": 0.00236, | |
| "loss": 2.1638, | |
| "step": 2920 | |
| }, | |
| { | |
| "epoch": 29.3, | |
| "grad_norm": 1.0109162330627441, | |
| "learning_rate": 0.0023566666666666666, | |
| "loss": 2.2992, | |
| "step": 2930 | |
| }, | |
| { | |
| "epoch": 29.4, | |
| "grad_norm": 0.9964456558227539, | |
| "learning_rate": 0.0023533333333333336, | |
| "loss": 2.2524, | |
| "step": 2940 | |
| }, | |
| { | |
| "epoch": 29.5, | |
| "grad_norm": 0.7667860984802246, | |
| "learning_rate": 0.00235, | |
| "loss": 2.1753, | |
| "step": 2950 | |
| }, | |
| { | |
| "epoch": 29.6, | |
| "grad_norm": 0.9033471941947937, | |
| "learning_rate": 0.002346666666666667, | |
| "loss": 2.1623, | |
| "step": 2960 | |
| }, | |
| { | |
| "epoch": 29.7, | |
| "grad_norm": 0.9565698504447937, | |
| "learning_rate": 0.002343333333333333, | |
| "loss": 2.1097, | |
| "step": 2970 | |
| }, | |
| { | |
| "epoch": 29.8, | |
| "grad_norm": 0.7799054384231567, | |
| "learning_rate": 0.00234, | |
| "loss": 1.966, | |
| "step": 2980 | |
| }, | |
| { | |
| "epoch": 29.9, | |
| "grad_norm": 1.8788676261901855, | |
| "learning_rate": 0.0023366666666666666, | |
| "loss": 2.1329, | |
| "step": 2990 | |
| }, | |
| { | |
| "epoch": 30.0, | |
| "grad_norm": 1.1009427309036255, | |
| "learning_rate": 0.0023333333333333335, | |
| "loss": 2.144, | |
| "step": 3000 | |
| }, | |
| { | |
| "epoch": 30.0, | |
| "eval_accuracy": 0.15, | |
| "eval_loss": 2.604327917098999, | |
| "eval_runtime": 17.9498, | |
| "eval_samples_per_second": 5.571, | |
| "eval_steps_per_second": 5.571, | |
| "step": 3000 | |
| }, | |
| { | |
| "epoch": 30.1, | |
| "grad_norm": 1.678131341934204, | |
| "learning_rate": 0.00233, | |
| "loss": 1.8398, | |
| "step": 3010 | |
| }, | |
| { | |
| "epoch": 30.2, | |
| "grad_norm": 1.5525128841400146, | |
| "learning_rate": 0.0023266666666666666, | |
| "loss": 2.3239, | |
| "step": 3020 | |
| }, | |
| { | |
| "epoch": 30.3, | |
| "grad_norm": 5.229913711547852, | |
| "learning_rate": 0.0023233333333333335, | |
| "loss": 2.0991, | |
| "step": 3030 | |
| }, | |
| { | |
| "epoch": 30.4, | |
| "grad_norm": 7.659727096557617, | |
| "learning_rate": 0.00232, | |
| "loss": 2.2165, | |
| "step": 3040 | |
| }, | |
| { | |
| "epoch": 30.5, | |
| "grad_norm": 0.9004424214363098, | |
| "learning_rate": 0.002316666666666667, | |
| "loss": 2.1321, | |
| "step": 3050 | |
| }, | |
| { | |
| "epoch": 30.6, | |
| "grad_norm": 0.951036810874939, | |
| "learning_rate": 0.0023133333333333335, | |
| "loss": 2.2547, | |
| "step": 3060 | |
| }, | |
| { | |
| "epoch": 30.7, | |
| "grad_norm": 1.09541654586792, | |
| "learning_rate": 0.00231, | |
| "loss": 2.2086, | |
| "step": 3070 | |
| }, | |
| { | |
| "epoch": 30.8, | |
| "grad_norm": 1.0075805187225342, | |
| "learning_rate": 0.0023066666666666665, | |
| "loss": 2.1946, | |
| "step": 3080 | |
| }, | |
| { | |
| "epoch": 30.9, | |
| "grad_norm": 0.9394136071205139, | |
| "learning_rate": 0.0023033333333333334, | |
| "loss": 2.0717, | |
| "step": 3090 | |
| }, | |
| { | |
| "epoch": 31.0, | |
| "grad_norm": 16.980363845825195, | |
| "learning_rate": 0.0023000000000000004, | |
| "loss": 2.108, | |
| "step": 3100 | |
| }, | |
| { | |
| "epoch": 31.0, | |
| "eval_accuracy": 0.1, | |
| "eval_loss": 2.9230871200561523, | |
| "eval_runtime": 2.0771, | |
| "eval_samples_per_second": 48.144, | |
| "eval_steps_per_second": 48.144, | |
| "step": 3100 | |
| }, | |
| { | |
| "epoch": 31.1, | |
| "grad_norm": 0.7811866998672485, | |
| "learning_rate": 0.0022966666666666665, | |
| "loss": 2.0036, | |
| "step": 3110 | |
| }, | |
| { | |
| "epoch": 31.2, | |
| "grad_norm": 1.2719967365264893, | |
| "learning_rate": 0.0022933333333333334, | |
| "loss": 2.1995, | |
| "step": 3120 | |
| }, | |
| { | |
| "epoch": 31.3, | |
| "grad_norm": 1.078188180923462, | |
| "learning_rate": 0.00229, | |
| "loss": 2.1495, | |
| "step": 3130 | |
| }, | |
| { | |
| "epoch": 31.4, | |
| "grad_norm": 0.8753488659858704, | |
| "learning_rate": 0.002286666666666667, | |
| "loss": 2.1775, | |
| "step": 3140 | |
| }, | |
| { | |
| "epoch": 31.5, | |
| "grad_norm": 2.4827558994293213, | |
| "learning_rate": 0.0022833333333333334, | |
| "loss": 2.1295, | |
| "step": 3150 | |
| }, | |
| { | |
| "epoch": 31.6, | |
| "grad_norm": 0.9391091465950012, | |
| "learning_rate": 0.00228, | |
| "loss": 2.2033, | |
| "step": 3160 | |
| }, | |
| { | |
| "epoch": 31.7, | |
| "grad_norm": 1.3996204137802124, | |
| "learning_rate": 0.0022766666666666664, | |
| "loss": 2.1935, | |
| "step": 3170 | |
| }, | |
| { | |
| "epoch": 31.8, | |
| "grad_norm": 1.8268276453018188, | |
| "learning_rate": 0.0022733333333333334, | |
| "loss": 2.1358, | |
| "step": 3180 | |
| }, | |
| { | |
| "epoch": 31.9, | |
| "grad_norm": 0.9824120998382568, | |
| "learning_rate": 0.0022700000000000003, | |
| "loss": 2.2574, | |
| "step": 3190 | |
| }, | |
| { | |
| "epoch": 32.0, | |
| "grad_norm": 1.0939769744873047, | |
| "learning_rate": 0.002266666666666667, | |
| "loss": 2.0792, | |
| "step": 3200 | |
| }, | |
| { | |
| "epoch": 32.0, | |
| "eval_accuracy": 0.12, | |
| "eval_loss": 2.8421480655670166, | |
| "eval_runtime": 16.1564, | |
| "eval_samples_per_second": 6.19, | |
| "eval_steps_per_second": 6.19, | |
| "step": 3200 | |
| }, | |
| { | |
| "epoch": 32.1, | |
| "grad_norm": 2.173068046569824, | |
| "learning_rate": 0.0022633333333333333, | |
| "loss": 2.1458, | |
| "step": 3210 | |
| }, | |
| { | |
| "epoch": 32.2, | |
| "grad_norm": 1.260406255722046, | |
| "learning_rate": 0.00226, | |
| "loss": 2.2069, | |
| "step": 3220 | |
| }, | |
| { | |
| "epoch": 32.3, | |
| "grad_norm": 2.277165412902832, | |
| "learning_rate": 0.002256666666666667, | |
| "loss": 2.0435, | |
| "step": 3230 | |
| }, | |
| { | |
| "epoch": 32.4, | |
| "grad_norm": 1.674475073814392, | |
| "learning_rate": 0.0022533333333333333, | |
| "loss": 2.0519, | |
| "step": 3240 | |
| }, | |
| { | |
| "epoch": 32.5, | |
| "grad_norm": 3.267179250717163, | |
| "learning_rate": 0.0022500000000000003, | |
| "loss": 2.0692, | |
| "step": 3250 | |
| }, | |
| { | |
| "epoch": 32.6, | |
| "grad_norm": 1.6023820638656616, | |
| "learning_rate": 0.0022466666666666668, | |
| "loss": 2.1639, | |
| "step": 3260 | |
| }, | |
| { | |
| "epoch": 32.7, | |
| "grad_norm": 1.2279607057571411, | |
| "learning_rate": 0.0022433333333333333, | |
| "loss": 2.2729, | |
| "step": 3270 | |
| }, | |
| { | |
| "epoch": 32.8, | |
| "grad_norm": 1.635674238204956, | |
| "learning_rate": 0.0022400000000000002, | |
| "loss": 2.0502, | |
| "step": 3280 | |
| }, | |
| { | |
| "epoch": 32.9, | |
| "grad_norm": 1.9051593542099, | |
| "learning_rate": 0.0022366666666666668, | |
| "loss": 2.1046, | |
| "step": 3290 | |
| }, | |
| { | |
| "epoch": 33.0, | |
| "grad_norm": 2.705409288406372, | |
| "learning_rate": 0.0022333333333333333, | |
| "loss": 2.1552, | |
| "step": 3300 | |
| }, | |
| { | |
| "epoch": 33.0, | |
| "eval_accuracy": 0.12, | |
| "eval_loss": 2.8105697631835938, | |
| "eval_runtime": 1.4693, | |
| "eval_samples_per_second": 68.06, | |
| "eval_steps_per_second": 68.06, | |
| "step": 3300 | |
| }, | |
| { | |
| "epoch": 33.1, | |
| "grad_norm": 1.1642463207244873, | |
| "learning_rate": 0.0022299999999999998, | |
| "loss": 2.0948, | |
| "step": 3310 | |
| }, | |
| { | |
| "epoch": 33.2, | |
| "grad_norm": 1.0376132726669312, | |
| "learning_rate": 0.0022266666666666667, | |
| "loss": 1.9741, | |
| "step": 3320 | |
| }, | |
| { | |
| "epoch": 33.3, | |
| "grad_norm": 0.9662061929702759, | |
| "learning_rate": 0.0022233333333333337, | |
| "loss": 2.2141, | |
| "step": 3330 | |
| }, | |
| { | |
| "epoch": 33.4, | |
| "grad_norm": 2.136995315551758, | |
| "learning_rate": 0.00222, | |
| "loss": 2.1053, | |
| "step": 3340 | |
| }, | |
| { | |
| "epoch": 33.5, | |
| "grad_norm": 1.45195734500885, | |
| "learning_rate": 0.0022166666666666667, | |
| "loss": 1.9399, | |
| "step": 3350 | |
| }, | |
| { | |
| "epoch": 33.6, | |
| "grad_norm": 3.21307635307312, | |
| "learning_rate": 0.002213333333333333, | |
| "loss": 2.0541, | |
| "step": 3360 | |
| }, | |
| { | |
| "epoch": 33.7, | |
| "grad_norm": 3.3870184421539307, | |
| "learning_rate": 0.00221, | |
| "loss": 2.2113, | |
| "step": 3370 | |
| }, | |
| { | |
| "epoch": 33.8, | |
| "grad_norm": 1.0837563276290894, | |
| "learning_rate": 0.0022066666666666667, | |
| "loss": 2.1593, | |
| "step": 3380 | |
| }, | |
| { | |
| "epoch": 33.9, | |
| "grad_norm": 0.9785754084587097, | |
| "learning_rate": 0.0022033333333333336, | |
| "loss": 1.9864, | |
| "step": 3390 | |
| }, | |
| { | |
| "epoch": 34.0, | |
| "grad_norm": 0.8373335599899292, | |
| "learning_rate": 0.0021999999999999997, | |
| "loss": 1.9701, | |
| "step": 3400 | |
| }, | |
| { | |
| "epoch": 34.0, | |
| "eval_accuracy": 0.11, | |
| "eval_loss": 2.8279080390930176, | |
| "eval_runtime": 1.9248, | |
| "eval_samples_per_second": 51.952, | |
| "eval_steps_per_second": 51.952, | |
| "step": 3400 | |
| }, | |
| { | |
| "epoch": 34.1, | |
| "grad_norm": 3.9834160804748535, | |
| "learning_rate": 0.0021966666666666666, | |
| "loss": 1.9581, | |
| "step": 3410 | |
| }, | |
| { | |
| "epoch": 34.2, | |
| "grad_norm": 2.2129085063934326, | |
| "learning_rate": 0.0021933333333333336, | |
| "loss": 2.1602, | |
| "step": 3420 | |
| }, | |
| { | |
| "epoch": 34.3, | |
| "grad_norm": 1.1896631717681885, | |
| "learning_rate": 0.00219, | |
| "loss": 1.9392, | |
| "step": 3430 | |
| }, | |
| { | |
| "epoch": 34.4, | |
| "grad_norm": 2.016221523284912, | |
| "learning_rate": 0.0021866666666666666, | |
| "loss": 2.0553, | |
| "step": 3440 | |
| }, | |
| { | |
| "epoch": 34.5, | |
| "grad_norm": 4.773040771484375, | |
| "learning_rate": 0.002183333333333333, | |
| "loss": 2.0734, | |
| "step": 3450 | |
| }, | |
| { | |
| "epoch": 34.6, | |
| "grad_norm": 5.7598700523376465, | |
| "learning_rate": 0.00218, | |
| "loss": 2.2854, | |
| "step": 3460 | |
| }, | |
| { | |
| "epoch": 34.7, | |
| "grad_norm": 1.4225116968154907, | |
| "learning_rate": 0.0021766666666666666, | |
| "loss": 2.0867, | |
| "step": 3470 | |
| }, | |
| { | |
| "epoch": 34.8, | |
| "grad_norm": 1.354988932609558, | |
| "learning_rate": 0.0021733333333333335, | |
| "loss": 2.2302, | |
| "step": 3480 | |
| }, | |
| { | |
| "epoch": 34.9, | |
| "grad_norm": 1.966841220855713, | |
| "learning_rate": 0.00217, | |
| "loss": 2.1435, | |
| "step": 3490 | |
| }, | |
| { | |
| "epoch": 35.0, | |
| "grad_norm": 1.5340888500213623, | |
| "learning_rate": 0.0021666666666666666, | |
| "loss": 1.9291, | |
| "step": 3500 | |
| }, | |
| { | |
| "epoch": 35.0, | |
| "eval_accuracy": 0.2, | |
| "eval_loss": 3.095371961593628, | |
| "eval_runtime": 1.5179, | |
| "eval_samples_per_second": 65.88, | |
| "eval_steps_per_second": 65.88, | |
| "step": 3500 | |
| }, | |
| { | |
| "epoch": 35.1, | |
| "grad_norm": 0.9103881120681763, | |
| "learning_rate": 0.0021633333333333335, | |
| "loss": 2.0579, | |
| "step": 3510 | |
| }, | |
| { | |
| "epoch": 35.2, | |
| "grad_norm": 1.3390625715255737, | |
| "learning_rate": 0.00216, | |
| "loss": 2.1574, | |
| "step": 3520 | |
| }, | |
| { | |
| "epoch": 35.3, | |
| "grad_norm": 1.6019049882888794, | |
| "learning_rate": 0.002156666666666667, | |
| "loss": 2.1393, | |
| "step": 3530 | |
| }, | |
| { | |
| "epoch": 35.4, | |
| "grad_norm": 1.694638967514038, | |
| "learning_rate": 0.002153333333333333, | |
| "loss": 1.8902, | |
| "step": 3540 | |
| }, | |
| { | |
| "epoch": 35.5, | |
| "grad_norm": 0.9266729354858398, | |
| "learning_rate": 0.00215, | |
| "loss": 2.1477, | |
| "step": 3550 | |
| }, | |
| { | |
| "epoch": 35.6, | |
| "grad_norm": 1.482827067375183, | |
| "learning_rate": 0.0021466666666666665, | |
| "loss": 2.2807, | |
| "step": 3560 | |
| }, | |
| { | |
| "epoch": 35.7, | |
| "grad_norm": 1.5569509267807007, | |
| "learning_rate": 0.0021433333333333335, | |
| "loss": 1.9552, | |
| "step": 3570 | |
| }, | |
| { | |
| "epoch": 35.8, | |
| "grad_norm": 2.367547035217285, | |
| "learning_rate": 0.00214, | |
| "loss": 1.9954, | |
| "step": 3580 | |
| }, | |
| { | |
| "epoch": 35.9, | |
| "grad_norm": 6.488295555114746, | |
| "learning_rate": 0.0021366666666666665, | |
| "loss": 1.9197, | |
| "step": 3590 | |
| }, | |
| { | |
| "epoch": 36.0, | |
| "grad_norm": 2.1058995723724365, | |
| "learning_rate": 0.0021333333333333334, | |
| "loss": 2.0341, | |
| "step": 3600 | |
| }, | |
| { | |
| "epoch": 36.0, | |
| "eval_accuracy": 0.14, | |
| "eval_loss": 3.829360246658325, | |
| "eval_runtime": 1.4462, | |
| "eval_samples_per_second": 69.145, | |
| "eval_steps_per_second": 69.145, | |
| "step": 3600 | |
| }, | |
| { | |
| "epoch": 36.1, | |
| "grad_norm": 2.136566162109375, | |
| "learning_rate": 0.00213, | |
| "loss": 2.0017, | |
| "step": 3610 | |
| }, | |
| { | |
| "epoch": 36.2, | |
| "grad_norm": 3.5907399654388428, | |
| "learning_rate": 0.002126666666666667, | |
| "loss": 2.0714, | |
| "step": 3620 | |
| }, | |
| { | |
| "epoch": 36.3, | |
| "grad_norm": 1.7881414890289307, | |
| "learning_rate": 0.0021233333333333334, | |
| "loss": 1.892, | |
| "step": 3630 | |
| }, | |
| { | |
| "epoch": 36.4, | |
| "grad_norm": 2.1000165939331055, | |
| "learning_rate": 0.00212, | |
| "loss": 1.9525, | |
| "step": 3640 | |
| }, | |
| { | |
| "epoch": 36.5, | |
| "grad_norm": 1.9690414667129517, | |
| "learning_rate": 0.002116666666666667, | |
| "loss": 2.1597, | |
| "step": 3650 | |
| }, | |
| { | |
| "epoch": 36.6, | |
| "grad_norm": 18.85406494140625, | |
| "learning_rate": 0.0021133333333333334, | |
| "loss": 2.0152, | |
| "step": 3660 | |
| }, | |
| { | |
| "epoch": 36.7, | |
| "grad_norm": 1.5097402334213257, | |
| "learning_rate": 0.0021100000000000003, | |
| "loss": 2.1268, | |
| "step": 3670 | |
| }, | |
| { | |
| "epoch": 36.8, | |
| "grad_norm": 1.0894497632980347, | |
| "learning_rate": 0.0021066666666666664, | |
| "loss": 1.9798, | |
| "step": 3680 | |
| }, | |
| { | |
| "epoch": 36.9, | |
| "grad_norm": 1.648740530014038, | |
| "learning_rate": 0.0021033333333333334, | |
| "loss": 2.0881, | |
| "step": 3690 | |
| }, | |
| { | |
| "epoch": 37.0, | |
| "grad_norm": 1.3611383438110352, | |
| "learning_rate": 0.0021, | |
| "loss": 1.9165, | |
| "step": 3700 | |
| }, | |
| { | |
| "epoch": 37.0, | |
| "eval_accuracy": 0.11, | |
| "eval_loss": 4.528919219970703, | |
| "eval_runtime": 1.2924, | |
| "eval_samples_per_second": 77.378, | |
| "eval_steps_per_second": 77.378, | |
| "step": 3700 | |
| }, | |
| { | |
| "epoch": 37.1, | |
| "grad_norm": 1.7880363464355469, | |
| "learning_rate": 0.002096666666666667, | |
| "loss": 1.9742, | |
| "step": 3710 | |
| }, | |
| { | |
| "epoch": 37.2, | |
| "grad_norm": 2.8415615558624268, | |
| "learning_rate": 0.0020933333333333333, | |
| "loss": 1.895, | |
| "step": 3720 | |
| }, | |
| { | |
| "epoch": 37.3, | |
| "grad_norm": 1.9049543142318726, | |
| "learning_rate": 0.00209, | |
| "loss": 2.0672, | |
| "step": 3730 | |
| }, | |
| { | |
| "epoch": 37.4, | |
| "grad_norm": 2.0513916015625, | |
| "learning_rate": 0.002086666666666667, | |
| "loss": 2.0711, | |
| "step": 3740 | |
| }, | |
| { | |
| "epoch": 37.5, | |
| "grad_norm": 3.3003621101379395, | |
| "learning_rate": 0.0020833333333333333, | |
| "loss": 1.9041, | |
| "step": 3750 | |
| }, | |
| { | |
| "epoch": 37.6, | |
| "grad_norm": 1.8238269090652466, | |
| "learning_rate": 0.0020800000000000003, | |
| "loss": 1.7664, | |
| "step": 3760 | |
| }, | |
| { | |
| "epoch": 37.7, | |
| "grad_norm": 7.668329238891602, | |
| "learning_rate": 0.0020766666666666668, | |
| "loss": 2.0638, | |
| "step": 3770 | |
| }, | |
| { | |
| "epoch": 37.8, | |
| "grad_norm": 3.996469497680664, | |
| "learning_rate": 0.0020733333333333333, | |
| "loss": 2.1055, | |
| "step": 3780 | |
| }, | |
| { | |
| "epoch": 37.9, | |
| "grad_norm": 2.3909971714019775, | |
| "learning_rate": 0.00207, | |
| "loss": 2.1815, | |
| "step": 3790 | |
| }, | |
| { | |
| "epoch": 38.0, | |
| "grad_norm": 1.826292634010315, | |
| "learning_rate": 0.0020666666666666667, | |
| "loss": 1.9736, | |
| "step": 3800 | |
| }, | |
| { | |
| "epoch": 38.0, | |
| "eval_accuracy": 0.14, | |
| "eval_loss": 3.008984088897705, | |
| "eval_runtime": 10.9545, | |
| "eval_samples_per_second": 9.129, | |
| "eval_steps_per_second": 9.129, | |
| "step": 3800 | |
| }, | |
| { | |
| "epoch": 38.1, | |
| "grad_norm": 1.2425639629364014, | |
| "learning_rate": 0.0020633333333333337, | |
| "loss": 1.9483, | |
| "step": 3810 | |
| }, | |
| { | |
| "epoch": 38.2, | |
| "grad_norm": 1.175968885421753, | |
| "learning_rate": 0.00206, | |
| "loss": 2.0578, | |
| "step": 3820 | |
| }, | |
| { | |
| "epoch": 38.3, | |
| "grad_norm": 1.353892207145691, | |
| "learning_rate": 0.0020566666666666667, | |
| "loss": 2.0149, | |
| "step": 3830 | |
| }, | |
| { | |
| "epoch": 38.4, | |
| "grad_norm": 4.131348609924316, | |
| "learning_rate": 0.0020533333333333332, | |
| "loss": 1.9459, | |
| "step": 3840 | |
| }, | |
| { | |
| "epoch": 38.5, | |
| "grad_norm": 0.8871080875396729, | |
| "learning_rate": 0.00205, | |
| "loss": 2.1865, | |
| "step": 3850 | |
| }, | |
| { | |
| "epoch": 38.6, | |
| "grad_norm": 1.6456680297851562, | |
| "learning_rate": 0.0020466666666666667, | |
| "loss": 2.1644, | |
| "step": 3860 | |
| }, | |
| { | |
| "epoch": 38.7, | |
| "grad_norm": 2.714493751525879, | |
| "learning_rate": 0.002043333333333333, | |
| "loss": 2.0765, | |
| "step": 3870 | |
| }, | |
| { | |
| "epoch": 38.8, | |
| "grad_norm": 2.0388987064361572, | |
| "learning_rate": 0.00204, | |
| "loss": 2.1691, | |
| "step": 3880 | |
| }, | |
| { | |
| "epoch": 38.9, | |
| "grad_norm": 3.4107553958892822, | |
| "learning_rate": 0.0020366666666666667, | |
| "loss": 2.0441, | |
| "step": 3890 | |
| }, | |
| { | |
| "epoch": 39.0, | |
| "grad_norm": 0.9831299781799316, | |
| "learning_rate": 0.0020333333333333336, | |
| "loss": 1.9811, | |
| "step": 3900 | |
| }, | |
| { | |
| "epoch": 39.0, | |
| "eval_accuracy": 0.14, | |
| "eval_loss": 5.389962673187256, | |
| "eval_runtime": 1.4328, | |
| "eval_samples_per_second": 69.795, | |
| "eval_steps_per_second": 69.795, | |
| "step": 3900 | |
| }, | |
| { | |
| "epoch": 39.1, | |
| "grad_norm": 2.0271992683410645, | |
| "learning_rate": 0.00203, | |
| "loss": 1.9809, | |
| "step": 3910 | |
| }, | |
| { | |
| "epoch": 39.2, | |
| "grad_norm": 1.5080064535140991, | |
| "learning_rate": 0.0020266666666666666, | |
| "loss": 2.2516, | |
| "step": 3920 | |
| }, | |
| { | |
| "epoch": 39.3, | |
| "grad_norm": 1.161217451095581, | |
| "learning_rate": 0.002023333333333333, | |
| "loss": 1.9206, | |
| "step": 3930 | |
| }, | |
| { | |
| "epoch": 39.4, | |
| "grad_norm": 1.4843965768814087, | |
| "learning_rate": 0.00202, | |
| "loss": 1.8808, | |
| "step": 3940 | |
| }, | |
| { | |
| "epoch": 39.5, | |
| "grad_norm": 1.6773492097854614, | |
| "learning_rate": 0.002016666666666667, | |
| "loss": 1.8472, | |
| "step": 3950 | |
| }, | |
| { | |
| "epoch": 39.6, | |
| "grad_norm": 1.0647914409637451, | |
| "learning_rate": 0.0020133333333333336, | |
| "loss": 2.019, | |
| "step": 3960 | |
| }, | |
| { | |
| "epoch": 39.7, | |
| "grad_norm": 1.747930884361267, | |
| "learning_rate": 0.00201, | |
| "loss": 2.1662, | |
| "step": 3970 | |
| }, | |
| { | |
| "epoch": 39.8, | |
| "grad_norm": 2.1393418312072754, | |
| "learning_rate": 0.0020066666666666666, | |
| "loss": 2.1175, | |
| "step": 3980 | |
| }, | |
| { | |
| "epoch": 39.9, | |
| "grad_norm": 2.0009078979492188, | |
| "learning_rate": 0.0020033333333333335, | |
| "loss": 2.0526, | |
| "step": 3990 | |
| }, | |
| { | |
| "epoch": 40.0, | |
| "grad_norm": 0.8706101179122925, | |
| "learning_rate": 0.002, | |
| "loss": 1.9522, | |
| "step": 4000 | |
| }, | |
| { | |
| "epoch": 40.0, | |
| "eval_accuracy": 0.08, | |
| "eval_loss": 3.5710408687591553, | |
| "eval_runtime": 11.4581, | |
| "eval_samples_per_second": 8.727, | |
| "eval_steps_per_second": 8.727, | |
| "step": 4000 | |
| }, | |
| { | |
| "epoch": 40.1, | |
| "grad_norm": 1.443403959274292, | |
| "learning_rate": 0.0019966666666666666, | |
| "loss": 1.9578, | |
| "step": 4010 | |
| }, | |
| { | |
| "epoch": 40.2, | |
| "grad_norm": 1.0098460912704468, | |
| "learning_rate": 0.001993333333333333, | |
| "loss": 1.9322, | |
| "step": 4020 | |
| }, | |
| { | |
| "epoch": 40.3, | |
| "grad_norm": 2.6353437900543213, | |
| "learning_rate": 0.00199, | |
| "loss": 1.9057, | |
| "step": 4030 | |
| }, | |
| { | |
| "epoch": 40.4, | |
| "grad_norm": 3.636230230331421, | |
| "learning_rate": 0.001986666666666667, | |
| "loss": 2.2036, | |
| "step": 4040 | |
| }, | |
| { | |
| "epoch": 40.5, | |
| "grad_norm": 2.8781425952911377, | |
| "learning_rate": 0.0019833333333333335, | |
| "loss": 2.1279, | |
| "step": 4050 | |
| }, | |
| { | |
| "epoch": 40.6, | |
| "grad_norm": 2.572105646133423, | |
| "learning_rate": 0.00198, | |
| "loss": 1.9084, | |
| "step": 4060 | |
| }, | |
| { | |
| "epoch": 40.7, | |
| "grad_norm": 1.249396800994873, | |
| "learning_rate": 0.0019766666666666665, | |
| "loss": 1.8248, | |
| "step": 4070 | |
| }, | |
| { | |
| "epoch": 40.8, | |
| "grad_norm": 7.5078959465026855, | |
| "learning_rate": 0.0019733333333333334, | |
| "loss": 1.911, | |
| "step": 4080 | |
| }, | |
| { | |
| "epoch": 40.9, | |
| "grad_norm": 3.5880582332611084, | |
| "learning_rate": 0.00197, | |
| "loss": 2.0661, | |
| "step": 4090 | |
| }, | |
| { | |
| "epoch": 41.0, | |
| "grad_norm": 5.388538360595703, | |
| "learning_rate": 0.001966666666666667, | |
| "loss": 2.047, | |
| "step": 4100 | |
| }, | |
| { | |
| "epoch": 41.0, | |
| "eval_accuracy": 0.13, | |
| "eval_loss": 3.472397565841675, | |
| "eval_runtime": 7.0399, | |
| "eval_samples_per_second": 14.205, | |
| "eval_steps_per_second": 14.205, | |
| "step": 4100 | |
| }, | |
| { | |
| "epoch": 41.1, | |
| "grad_norm": 1.7672760486602783, | |
| "learning_rate": 0.0019633333333333334, | |
| "loss": 2.1461, | |
| "step": 4110 | |
| }, | |
| { | |
| "epoch": 41.2, | |
| "grad_norm": 3.0011463165283203, | |
| "learning_rate": 0.00196, | |
| "loss": 2.053, | |
| "step": 4120 | |
| }, | |
| { | |
| "epoch": 41.3, | |
| "grad_norm": 1.1528350114822388, | |
| "learning_rate": 0.001956666666666667, | |
| "loss": 1.8176, | |
| "step": 4130 | |
| }, | |
| { | |
| "epoch": 41.4, | |
| "grad_norm": 2.7469072341918945, | |
| "learning_rate": 0.0019533333333333334, | |
| "loss": 2.1321, | |
| "step": 4140 | |
| }, | |
| { | |
| "epoch": 41.5, | |
| "grad_norm": 1.233780860900879, | |
| "learning_rate": 0.0019500000000000001, | |
| "loss": 1.9267, | |
| "step": 4150 | |
| }, | |
| { | |
| "epoch": 41.6, | |
| "grad_norm": 1.0265371799468994, | |
| "learning_rate": 0.0019466666666666666, | |
| "loss": 1.9318, | |
| "step": 4160 | |
| }, | |
| { | |
| "epoch": 41.7, | |
| "grad_norm": 1.1822024583816528, | |
| "learning_rate": 0.0019433333333333334, | |
| "loss": 2.0635, | |
| "step": 4170 | |
| }, | |
| { | |
| "epoch": 41.8, | |
| "grad_norm": 6.102161407470703, | |
| "learning_rate": 0.0019399999999999999, | |
| "loss": 1.8995, | |
| "step": 4180 | |
| }, | |
| { | |
| "epoch": 41.9, | |
| "grad_norm": 2.581594467163086, | |
| "learning_rate": 0.0019366666666666666, | |
| "loss": 1.815, | |
| "step": 4190 | |
| }, | |
| { | |
| "epoch": 42.0, | |
| "grad_norm": 1.29677414894104, | |
| "learning_rate": 0.0019333333333333336, | |
| "loss": 1.9999, | |
| "step": 4200 | |
| }, | |
| { | |
| "epoch": 42.0, | |
| "eval_accuracy": 0.11, | |
| "eval_loss": 7.260364532470703, | |
| "eval_runtime": 19.8343, | |
| "eval_samples_per_second": 5.042, | |
| "eval_steps_per_second": 5.042, | |
| "step": 4200 | |
| }, | |
| { | |
| "epoch": 42.1, | |
| "grad_norm": 6.908992290496826, | |
| "learning_rate": 0.00193, | |
| "loss": 1.8636, | |
| "step": 4210 | |
| }, | |
| { | |
| "epoch": 42.2, | |
| "grad_norm": 2.6703882217407227, | |
| "learning_rate": 0.0019266666666666668, | |
| "loss": 1.9093, | |
| "step": 4220 | |
| }, | |
| { | |
| "epoch": 42.3, | |
| "grad_norm": 3.580500841140747, | |
| "learning_rate": 0.0019233333333333333, | |
| "loss": 2.0113, | |
| "step": 4230 | |
| }, | |
| { | |
| "epoch": 42.4, | |
| "grad_norm": 3.339911937713623, | |
| "learning_rate": 0.00192, | |
| "loss": 1.8378, | |
| "step": 4240 | |
| }, | |
| { | |
| "epoch": 42.5, | |
| "grad_norm": 1.8307009935379028, | |
| "learning_rate": 0.0019166666666666666, | |
| "loss": 2.017, | |
| "step": 4250 | |
| }, | |
| { | |
| "epoch": 42.6, | |
| "grad_norm": 3.4338369369506836, | |
| "learning_rate": 0.0019133333333333333, | |
| "loss": 2.1168, | |
| "step": 4260 | |
| }, | |
| { | |
| "epoch": 42.7, | |
| "grad_norm": 5.363007545471191, | |
| "learning_rate": 0.0019100000000000002, | |
| "loss": 2.1431, | |
| "step": 4270 | |
| }, | |
| { | |
| "epoch": 42.8, | |
| "grad_norm": 1.6690889596939087, | |
| "learning_rate": 0.0019066666666666668, | |
| "loss": 1.8596, | |
| "step": 4280 | |
| }, | |
| { | |
| "epoch": 42.9, | |
| "grad_norm": 3.8428828716278076, | |
| "learning_rate": 0.0019033333333333335, | |
| "loss": 1.8642, | |
| "step": 4290 | |
| }, | |
| { | |
| "epoch": 43.0, | |
| "grad_norm": 2.877225160598755, | |
| "learning_rate": 0.0019, | |
| "loss": 1.9869, | |
| "step": 4300 | |
| }, | |
| { | |
| "epoch": 43.0, | |
| "eval_accuracy": 0.06, | |
| "eval_loss": 7.994565010070801, | |
| "eval_runtime": 3.2267, | |
| "eval_samples_per_second": 30.991, | |
| "eval_steps_per_second": 30.991, | |
| "step": 4300 | |
| }, | |
| { | |
| "epoch": 43.1, | |
| "grad_norm": 2.577849864959717, | |
| "learning_rate": 0.0018966666666666667, | |
| "loss": 1.9454, | |
| "step": 4310 | |
| }, | |
| { | |
| "epoch": 43.2, | |
| "grad_norm": 1.6029572486877441, | |
| "learning_rate": 0.0018933333333333332, | |
| "loss": 1.7824, | |
| "step": 4320 | |
| }, | |
| { | |
| "epoch": 43.3, | |
| "grad_norm": 3.6236324310302734, | |
| "learning_rate": 0.00189, | |
| "loss": 1.9488, | |
| "step": 4330 | |
| }, | |
| { | |
| "epoch": 43.4, | |
| "grad_norm": 2.585770845413208, | |
| "learning_rate": 0.001886666666666667, | |
| "loss": 2.0196, | |
| "step": 4340 | |
| }, | |
| { | |
| "epoch": 43.5, | |
| "grad_norm": 1.989559531211853, | |
| "learning_rate": 0.0018833333333333334, | |
| "loss": 2.112, | |
| "step": 4350 | |
| }, | |
| { | |
| "epoch": 43.6, | |
| "grad_norm": 1.21571683883667, | |
| "learning_rate": 0.0018800000000000002, | |
| "loss": 1.8392, | |
| "step": 4360 | |
| }, | |
| { | |
| "epoch": 43.7, | |
| "grad_norm": 1.674765944480896, | |
| "learning_rate": 0.0018766666666666667, | |
| "loss": 1.9925, | |
| "step": 4370 | |
| }, | |
| { | |
| "epoch": 43.8, | |
| "grad_norm": 1.5830934047698975, | |
| "learning_rate": 0.0018733333333333334, | |
| "loss": 1.9278, | |
| "step": 4380 | |
| }, | |
| { | |
| "epoch": 43.9, | |
| "grad_norm": 3.7739739418029785, | |
| "learning_rate": 0.00187, | |
| "loss": 1.9097, | |
| "step": 4390 | |
| }, | |
| { | |
| "epoch": 44.0, | |
| "grad_norm": 1.0863910913467407, | |
| "learning_rate": 0.0018666666666666666, | |
| "loss": 1.9428, | |
| "step": 4400 | |
| }, | |
| { | |
| "epoch": 44.0, | |
| "eval_accuracy": 0.08, | |
| "eval_loss": 6.156602382659912, | |
| "eval_runtime": 1.6006, | |
| "eval_samples_per_second": 62.478, | |
| "eval_steps_per_second": 62.478, | |
| "step": 4400 | |
| }, | |
| { | |
| "epoch": 44.1, | |
| "grad_norm": 1.9607887268066406, | |
| "learning_rate": 0.0018633333333333332, | |
| "loss": 2.0214, | |
| "step": 4410 | |
| }, | |
| { | |
| "epoch": 44.2, | |
| "grad_norm": 0.9546820521354675, | |
| "learning_rate": 0.00186, | |
| "loss": 2.0561, | |
| "step": 4420 | |
| }, | |
| { | |
| "epoch": 44.3, | |
| "grad_norm": 3.94052791595459, | |
| "learning_rate": 0.0018566666666666668, | |
| "loss": 1.8098, | |
| "step": 4430 | |
| }, | |
| { | |
| "epoch": 44.4, | |
| "grad_norm": 1.6813486814498901, | |
| "learning_rate": 0.0018533333333333334, | |
| "loss": 1.8502, | |
| "step": 4440 | |
| }, | |
| { | |
| "epoch": 44.5, | |
| "grad_norm": 2.918163299560547, | |
| "learning_rate": 0.00185, | |
| "loss": 1.7545, | |
| "step": 4450 | |
| }, | |
| { | |
| "epoch": 44.6, | |
| "grad_norm": 2.301067352294922, | |
| "learning_rate": 0.0018466666666666666, | |
| "loss": 2.1371, | |
| "step": 4460 | |
| }, | |
| { | |
| "epoch": 44.7, | |
| "grad_norm": 4.0886712074279785, | |
| "learning_rate": 0.0018433333333333333, | |
| "loss": 2.0279, | |
| "step": 4470 | |
| }, | |
| { | |
| "epoch": 44.8, | |
| "grad_norm": 1.5965591669082642, | |
| "learning_rate": 0.0018399999999999998, | |
| "loss": 2.0054, | |
| "step": 4480 | |
| }, | |
| { | |
| "epoch": 44.9, | |
| "grad_norm": 1.5079519748687744, | |
| "learning_rate": 0.0018366666666666668, | |
| "loss": 1.8201, | |
| "step": 4490 | |
| }, | |
| { | |
| "epoch": 45.0, | |
| "grad_norm": 2.8402748107910156, | |
| "learning_rate": 0.0018333333333333335, | |
| "loss": 1.7922, | |
| "step": 4500 | |
| }, | |
| { | |
| "epoch": 45.0, | |
| "eval_accuracy": 0.03, | |
| "eval_loss": 4.991882801055908, | |
| "eval_runtime": 1.6352, | |
| "eval_samples_per_second": 61.156, | |
| "eval_steps_per_second": 61.156, | |
| "step": 4500 | |
| }, | |
| { | |
| "epoch": 45.1, | |
| "grad_norm": 2.2311179637908936, | |
| "learning_rate": 0.00183, | |
| "loss": 1.8237, | |
| "step": 4510 | |
| }, | |
| { | |
| "epoch": 45.2, | |
| "grad_norm": 1.873672604560852, | |
| "learning_rate": 0.0018266666666666668, | |
| "loss": 1.9774, | |
| "step": 4520 | |
| }, | |
| { | |
| "epoch": 45.3, | |
| "grad_norm": 2.2289321422576904, | |
| "learning_rate": 0.0018233333333333333, | |
| "loss": 2.0517, | |
| "step": 4530 | |
| }, | |
| { | |
| "epoch": 45.4, | |
| "grad_norm": 4.614668846130371, | |
| "learning_rate": 0.00182, | |
| "loss": 1.8622, | |
| "step": 4540 | |
| }, | |
| { | |
| "epoch": 45.5, | |
| "grad_norm": 2.254178285598755, | |
| "learning_rate": 0.0018166666666666665, | |
| "loss": 1.9902, | |
| "step": 4550 | |
| }, | |
| { | |
| "epoch": 45.6, | |
| "grad_norm": 5.717199325561523, | |
| "learning_rate": 0.0018133333333333335, | |
| "loss": 2.0937, | |
| "step": 4560 | |
| }, | |
| { | |
| "epoch": 45.7, | |
| "grad_norm": 2.302830219268799, | |
| "learning_rate": 0.0018100000000000002, | |
| "loss": 1.8008, | |
| "step": 4570 | |
| }, | |
| { | |
| "epoch": 45.8, | |
| "grad_norm": 3.8907456398010254, | |
| "learning_rate": 0.0018066666666666667, | |
| "loss": 1.8008, | |
| "step": 4580 | |
| }, | |
| { | |
| "epoch": 45.9, | |
| "grad_norm": 3.854527711868286, | |
| "learning_rate": 0.0018033333333333334, | |
| "loss": 1.9225, | |
| "step": 4590 | |
| }, | |
| { | |
| "epoch": 46.0, | |
| "grad_norm": 2.202763795852661, | |
| "learning_rate": 0.0018, | |
| "loss": 1.9047, | |
| "step": 4600 | |
| }, | |
| { | |
| "epoch": 46.0, | |
| "eval_accuracy": 0.13, | |
| "eval_loss": 7.193399429321289, | |
| "eval_runtime": 1.5717, | |
| "eval_samples_per_second": 63.626, | |
| "eval_steps_per_second": 63.626, | |
| "step": 4600 | |
| }, | |
| { | |
| "epoch": 46.1, | |
| "grad_norm": 0.9213665723800659, | |
| "learning_rate": 0.0017966666666666667, | |
| "loss": 1.8289, | |
| "step": 4610 | |
| }, | |
| { | |
| "epoch": 46.2, | |
| "grad_norm": 1.6906572580337524, | |
| "learning_rate": 0.0017933333333333332, | |
| "loss": 2.1097, | |
| "step": 4620 | |
| }, | |
| { | |
| "epoch": 46.3, | |
| "grad_norm": 4.417488098144531, | |
| "learning_rate": 0.0017900000000000001, | |
| "loss": 1.8328, | |
| "step": 4630 | |
| }, | |
| { | |
| "epoch": 46.4, | |
| "grad_norm": 1.8122247457504272, | |
| "learning_rate": 0.0017866666666666667, | |
| "loss": 2.0426, | |
| "step": 4640 | |
| }, | |
| { | |
| "epoch": 46.5, | |
| "grad_norm": 2.3169689178466797, | |
| "learning_rate": 0.0017833333333333334, | |
| "loss": 1.8678, | |
| "step": 4650 | |
| }, | |
| { | |
| "epoch": 46.6, | |
| "grad_norm": 2.3043506145477295, | |
| "learning_rate": 0.0017800000000000001, | |
| "loss": 1.9539, | |
| "step": 4660 | |
| }, | |
| { | |
| "epoch": 46.7, | |
| "grad_norm": 3.5980923175811768, | |
| "learning_rate": 0.0017766666666666666, | |
| "loss": 1.9287, | |
| "step": 4670 | |
| }, | |
| { | |
| "epoch": 46.8, | |
| "grad_norm": 4.76849365234375, | |
| "learning_rate": 0.0017733333333333334, | |
| "loss": 1.948, | |
| "step": 4680 | |
| }, | |
| { | |
| "epoch": 46.9, | |
| "grad_norm": 1.292289137840271, | |
| "learning_rate": 0.0017699999999999999, | |
| "loss": 2.1434, | |
| "step": 4690 | |
| }, | |
| { | |
| "epoch": 47.0, | |
| "grad_norm": 6.172546863555908, | |
| "learning_rate": 0.0017666666666666668, | |
| "loss": 1.9419, | |
| "step": 4700 | |
| }, | |
| { | |
| "epoch": 47.0, | |
| "eval_accuracy": 0.08, | |
| "eval_loss": 4.326533317565918, | |
| "eval_runtime": 1.6119, | |
| "eval_samples_per_second": 62.037, | |
| "eval_steps_per_second": 62.037, | |
| "step": 4700 | |
| }, | |
| { | |
| "epoch": 47.1, | |
| "grad_norm": 4.527221202850342, | |
| "learning_rate": 0.0017633333333333333, | |
| "loss": 1.67, | |
| "step": 4710 | |
| }, | |
| { | |
| "epoch": 47.2, | |
| "grad_norm": 2.071593761444092, | |
| "learning_rate": 0.00176, | |
| "loss": 1.7771, | |
| "step": 4720 | |
| }, | |
| { | |
| "epoch": 47.3, | |
| "grad_norm": 2.786754846572876, | |
| "learning_rate": 0.0017566666666666668, | |
| "loss": 2.0374, | |
| "step": 4730 | |
| }, | |
| { | |
| "epoch": 47.4, | |
| "grad_norm": 2.9459238052368164, | |
| "learning_rate": 0.0017533333333333333, | |
| "loss": 1.9356, | |
| "step": 4740 | |
| }, | |
| { | |
| "epoch": 47.5, | |
| "grad_norm": 3.7896053791046143, | |
| "learning_rate": 0.0017500000000000003, | |
| "loss": 1.936, | |
| "step": 4750 | |
| }, | |
| { | |
| "epoch": 47.6, | |
| "grad_norm": 3.3444080352783203, | |
| "learning_rate": 0.0017466666666666665, | |
| "loss": 2.0647, | |
| "step": 4760 | |
| }, | |
| { | |
| "epoch": 47.7, | |
| "grad_norm": 2.463644027709961, | |
| "learning_rate": 0.0017433333333333335, | |
| "loss": 1.8612, | |
| "step": 4770 | |
| }, | |
| { | |
| "epoch": 47.8, | |
| "grad_norm": 2.2192585468292236, | |
| "learning_rate": 0.00174, | |
| "loss": 1.9938, | |
| "step": 4780 | |
| }, | |
| { | |
| "epoch": 47.9, | |
| "grad_norm": 2.3443355560302734, | |
| "learning_rate": 0.0017366666666666667, | |
| "loss": 1.9478, | |
| "step": 4790 | |
| }, | |
| { | |
| "epoch": 48.0, | |
| "grad_norm": 3.5949223041534424, | |
| "learning_rate": 0.0017333333333333333, | |
| "loss": 1.7765, | |
| "step": 4800 | |
| }, | |
| { | |
| "epoch": 48.0, | |
| "eval_accuracy": 0.12, | |
| "eval_loss": 4.613639831542969, | |
| "eval_runtime": 1.6316, | |
| "eval_samples_per_second": 61.29, | |
| "eval_steps_per_second": 61.29, | |
| "step": 4800 | |
| }, | |
| { | |
| "epoch": 48.1, | |
| "grad_norm": 1.3368432521820068, | |
| "learning_rate": 0.00173, | |
| "loss": 1.9142, | |
| "step": 4810 | |
| }, | |
| { | |
| "epoch": 48.2, | |
| "grad_norm": 2.000155448913574, | |
| "learning_rate": 0.001726666666666667, | |
| "loss": 1.9052, | |
| "step": 4820 | |
| }, | |
| { | |
| "epoch": 48.3, | |
| "grad_norm": 6.261807918548584, | |
| "learning_rate": 0.0017233333333333332, | |
| "loss": 1.9964, | |
| "step": 4830 | |
| }, | |
| { | |
| "epoch": 48.4, | |
| "grad_norm": 1.433078408241272, | |
| "learning_rate": 0.0017200000000000002, | |
| "loss": 1.9076, | |
| "step": 4840 | |
| }, | |
| { | |
| "epoch": 48.5, | |
| "grad_norm": 2.1348838806152344, | |
| "learning_rate": 0.0017166666666666667, | |
| "loss": 1.7777, | |
| "step": 4850 | |
| }, | |
| { | |
| "epoch": 48.6, | |
| "grad_norm": 3.1317050457000732, | |
| "learning_rate": 0.0017133333333333334, | |
| "loss": 1.8805, | |
| "step": 4860 | |
| }, | |
| { | |
| "epoch": 48.7, | |
| "grad_norm": 3.248568534851074, | |
| "learning_rate": 0.00171, | |
| "loss": 1.9639, | |
| "step": 4870 | |
| }, | |
| { | |
| "epoch": 48.8, | |
| "grad_norm": 1.4480762481689453, | |
| "learning_rate": 0.0017066666666666667, | |
| "loss": 1.8757, | |
| "step": 4880 | |
| }, | |
| { | |
| "epoch": 48.9, | |
| "grad_norm": 2.1497910022735596, | |
| "learning_rate": 0.0017033333333333336, | |
| "loss": 1.7923, | |
| "step": 4890 | |
| }, | |
| { | |
| "epoch": 49.0, | |
| "grad_norm": 2.5053927898406982, | |
| "learning_rate": 0.0017, | |
| "loss": 1.7962, | |
| "step": 4900 | |
| }, | |
| { | |
| "epoch": 49.0, | |
| "eval_accuracy": 0.14, | |
| "eval_loss": 13.476518630981445, | |
| "eval_runtime": 1.7036, | |
| "eval_samples_per_second": 58.7, | |
| "eval_steps_per_second": 58.7, | |
| "step": 4900 | |
| }, | |
| { | |
| "epoch": 49.1, | |
| "grad_norm": 3.2668566703796387, | |
| "learning_rate": 0.0016966666666666669, | |
| "loss": 1.7602, | |
| "step": 4910 | |
| }, | |
| { | |
| "epoch": 49.2, | |
| "grad_norm": 1.1898913383483887, | |
| "learning_rate": 0.0016933333333333334, | |
| "loss": 1.8113, | |
| "step": 4920 | |
| }, | |
| { | |
| "epoch": 49.3, | |
| "grad_norm": 3.223593235015869, | |
| "learning_rate": 0.00169, | |
| "loss": 2.0273, | |
| "step": 4930 | |
| }, | |
| { | |
| "epoch": 49.4, | |
| "grad_norm": 4.745173454284668, | |
| "learning_rate": 0.0016866666666666666, | |
| "loss": 1.7831, | |
| "step": 4940 | |
| }, | |
| { | |
| "epoch": 49.5, | |
| "grad_norm": 1.5475022792816162, | |
| "learning_rate": 0.0016833333333333333, | |
| "loss": 1.9636, | |
| "step": 4950 | |
| }, | |
| { | |
| "epoch": 49.6, | |
| "grad_norm": 3.3999617099761963, | |
| "learning_rate": 0.0016800000000000003, | |
| "loss": 1.7679, | |
| "step": 4960 | |
| }, | |
| { | |
| "epoch": 49.7, | |
| "grad_norm": 2.1823158264160156, | |
| "learning_rate": 0.0016766666666666666, | |
| "loss": 1.9602, | |
| "step": 4970 | |
| }, | |
| { | |
| "epoch": 49.8, | |
| "grad_norm": 1.2854535579681396, | |
| "learning_rate": 0.0016733333333333335, | |
| "loss": 1.8646, | |
| "step": 4980 | |
| }, | |
| { | |
| "epoch": 49.9, | |
| "grad_norm": 3.2971255779266357, | |
| "learning_rate": 0.00167, | |
| "loss": 1.9398, | |
| "step": 4990 | |
| }, | |
| { | |
| "epoch": 50.0, | |
| "grad_norm": 4.854804039001465, | |
| "learning_rate": 0.0016666666666666668, | |
| "loss": 2.0226, | |
| "step": 5000 | |
| }, | |
| { | |
| "epoch": 50.0, | |
| "eval_accuracy": 0.08, | |
| "eval_loss": 8.122514724731445, | |
| "eval_runtime": 1.6511, | |
| "eval_samples_per_second": 60.567, | |
| "eval_steps_per_second": 60.567, | |
| "step": 5000 | |
| }, | |
| { | |
| "epoch": 50.1, | |
| "grad_norm": 2.5975425243377686, | |
| "learning_rate": 0.0016633333333333333, | |
| "loss": 1.9288, | |
| "step": 5010 | |
| }, | |
| { | |
| "epoch": 50.2, | |
| "grad_norm": 1.7692967653274536, | |
| "learning_rate": 0.00166, | |
| "loss": 1.8247, | |
| "step": 5020 | |
| }, | |
| { | |
| "epoch": 50.3, | |
| "grad_norm": 2.7661757469177246, | |
| "learning_rate": 0.0016566666666666665, | |
| "loss": 2.0096, | |
| "step": 5030 | |
| }, | |
| { | |
| "epoch": 50.4, | |
| "grad_norm": 1.707748532295227, | |
| "learning_rate": 0.0016533333333333333, | |
| "loss": 1.6249, | |
| "step": 5040 | |
| }, | |
| { | |
| "epoch": 50.5, | |
| "grad_norm": 1.9424363374710083, | |
| "learning_rate": 0.0016500000000000002, | |
| "loss": 1.9504, | |
| "step": 5050 | |
| }, | |
| { | |
| "epoch": 50.6, | |
| "grad_norm": 5.841362476348877, | |
| "learning_rate": 0.0016466666666666667, | |
| "loss": 1.7022, | |
| "step": 5060 | |
| }, | |
| { | |
| "epoch": 50.7, | |
| "grad_norm": 5.629020690917969, | |
| "learning_rate": 0.0016433333333333335, | |
| "loss": 1.8386, | |
| "step": 5070 | |
| }, | |
| { | |
| "epoch": 50.8, | |
| "grad_norm": 3.982902765274048, | |
| "learning_rate": 0.00164, | |
| "loss": 1.9075, | |
| "step": 5080 | |
| }, | |
| { | |
| "epoch": 50.9, | |
| "grad_norm": 1.95156991481781, | |
| "learning_rate": 0.0016366666666666667, | |
| "loss": 1.7509, | |
| "step": 5090 | |
| }, | |
| { | |
| "epoch": 51.0, | |
| "grad_norm": 3.8183364868164062, | |
| "learning_rate": 0.0016333333333333332, | |
| "loss": 2.1393, | |
| "step": 5100 | |
| }, | |
| { | |
| "epoch": 51.0, | |
| "eval_accuracy": 0.17, | |
| "eval_loss": 7.794131278991699, | |
| "eval_runtime": 1.5853, | |
| "eval_samples_per_second": 63.08, | |
| "eval_steps_per_second": 63.08, | |
| "step": 5100 | |
| }, | |
| { | |
| "epoch": 51.1, | |
| "grad_norm": 4.704866886138916, | |
| "learning_rate": 0.00163, | |
| "loss": 1.8829, | |
| "step": 5110 | |
| }, | |
| { | |
| "epoch": 51.2, | |
| "grad_norm": 5.786809921264648, | |
| "learning_rate": 0.0016266666666666669, | |
| "loss": 1.8662, | |
| "step": 5120 | |
| }, | |
| { | |
| "epoch": 51.3, | |
| "grad_norm": 2.3854682445526123, | |
| "learning_rate": 0.0016233333333333334, | |
| "loss": 1.8345, | |
| "step": 5130 | |
| }, | |
| { | |
| "epoch": 51.4, | |
| "grad_norm": 1.6624096632003784, | |
| "learning_rate": 0.0016200000000000001, | |
| "loss": 1.9696, | |
| "step": 5140 | |
| }, | |
| { | |
| "epoch": 51.5, | |
| "grad_norm": 2.215571880340576, | |
| "learning_rate": 0.0016166666666666666, | |
| "loss": 1.8693, | |
| "step": 5150 | |
| }, | |
| { | |
| "epoch": 51.6, | |
| "grad_norm": 4.892175197601318, | |
| "learning_rate": 0.0016133333333333334, | |
| "loss": 2.2826, | |
| "step": 5160 | |
| }, | |
| { | |
| "epoch": 51.7, | |
| "grad_norm": 2.0336062908172607, | |
| "learning_rate": 0.0016099999999999999, | |
| "loss": 1.9523, | |
| "step": 5170 | |
| }, | |
| { | |
| "epoch": 51.8, | |
| "grad_norm": 1.3163597583770752, | |
| "learning_rate": 0.0016066666666666666, | |
| "loss": 2.0221, | |
| "step": 5180 | |
| }, | |
| { | |
| "epoch": 51.9, | |
| "grad_norm": 3.6314053535461426, | |
| "learning_rate": 0.0016033333333333336, | |
| "loss": 1.8021, | |
| "step": 5190 | |
| }, | |
| { | |
| "epoch": 52.0, | |
| "grad_norm": 4.095399856567383, | |
| "learning_rate": 0.0016, | |
| "loss": 1.8256, | |
| "step": 5200 | |
| }, | |
| { | |
| "epoch": 52.0, | |
| "eval_accuracy": 0.12, | |
| "eval_loss": 5.413360118865967, | |
| "eval_runtime": 1.6389, | |
| "eval_samples_per_second": 61.017, | |
| "eval_steps_per_second": 61.017, | |
| "step": 5200 | |
| }, | |
| { | |
| "epoch": 52.1, | |
| "grad_norm": 5.811031341552734, | |
| "learning_rate": 0.0015966666666666668, | |
| "loss": 1.7871, | |
| "step": 5210 | |
| }, | |
| { | |
| "epoch": 52.2, | |
| "grad_norm": 1.6372181177139282, | |
| "learning_rate": 0.0015933333333333333, | |
| "loss": 2.0306, | |
| "step": 5220 | |
| }, | |
| { | |
| "epoch": 52.3, | |
| "grad_norm": 1.0381364822387695, | |
| "learning_rate": 0.00159, | |
| "loss": 1.9718, | |
| "step": 5230 | |
| }, | |
| { | |
| "epoch": 52.4, | |
| "grad_norm": 3.0742342472076416, | |
| "learning_rate": 0.0015866666666666666, | |
| "loss": 1.9477, | |
| "step": 5240 | |
| }, | |
| { | |
| "epoch": 52.5, | |
| "grad_norm": 2.2406508922576904, | |
| "learning_rate": 0.0015833333333333335, | |
| "loss": 1.9322, | |
| "step": 5250 | |
| }, | |
| { | |
| "epoch": 52.6, | |
| "grad_norm": 3.015726327896118, | |
| "learning_rate": 0.0015799999999999998, | |
| "loss": 1.6133, | |
| "step": 5260 | |
| }, | |
| { | |
| "epoch": 52.7, | |
| "grad_norm": 4.843988418579102, | |
| "learning_rate": 0.0015766666666666668, | |
| "loss": 1.9038, | |
| "step": 5270 | |
| }, | |
| { | |
| "epoch": 52.8, | |
| "grad_norm": 3.5391154289245605, | |
| "learning_rate": 0.0015733333333333335, | |
| "loss": 1.9509, | |
| "step": 5280 | |
| }, | |
| { | |
| "epoch": 52.9, | |
| "grad_norm": 2.697735548019409, | |
| "learning_rate": 0.00157, | |
| "loss": 1.9014, | |
| "step": 5290 | |
| }, | |
| { | |
| "epoch": 53.0, | |
| "grad_norm": 6.837653636932373, | |
| "learning_rate": 0.0015666666666666667, | |
| "loss": 1.9116, | |
| "step": 5300 | |
| }, | |
| { | |
| "epoch": 53.0, | |
| "eval_accuracy": 0.08, | |
| "eval_loss": 6.112913608551025, | |
| "eval_runtime": 1.6689, | |
| "eval_samples_per_second": 59.919, | |
| "eval_steps_per_second": 59.919, | |
| "step": 5300 | |
| }, | |
| { | |
| "epoch": 53.1, | |
| "grad_norm": 1.5611952543258667, | |
| "learning_rate": 0.0015633333333333332, | |
| "loss": 1.6709, | |
| "step": 5310 | |
| }, | |
| { | |
| "epoch": 53.2, | |
| "grad_norm": 0.9511187672615051, | |
| "learning_rate": 0.0015600000000000002, | |
| "loss": 1.866, | |
| "step": 5320 | |
| }, | |
| { | |
| "epoch": 53.3, | |
| "grad_norm": 4.475405216217041, | |
| "learning_rate": 0.0015566666666666665, | |
| "loss": 1.6536, | |
| "step": 5330 | |
| }, | |
| { | |
| "epoch": 53.4, | |
| "grad_norm": 4.969283103942871, | |
| "learning_rate": 0.0015533333333333334, | |
| "loss": 1.8588, | |
| "step": 5340 | |
| }, | |
| { | |
| "epoch": 53.5, | |
| "grad_norm": 1.5282946825027466, | |
| "learning_rate": 0.0015500000000000002, | |
| "loss": 1.7311, | |
| "step": 5350 | |
| }, | |
| { | |
| "epoch": 53.6, | |
| "grad_norm": 2.565603494644165, | |
| "learning_rate": 0.0015466666666666667, | |
| "loss": 1.9764, | |
| "step": 5360 | |
| }, | |
| { | |
| "epoch": 53.7, | |
| "grad_norm": 3.92899489402771, | |
| "learning_rate": 0.0015433333333333334, | |
| "loss": 1.8728, | |
| "step": 5370 | |
| }, | |
| { | |
| "epoch": 53.8, | |
| "grad_norm": 8.752714157104492, | |
| "learning_rate": 0.00154, | |
| "loss": 2.0048, | |
| "step": 5380 | |
| }, | |
| { | |
| "epoch": 53.9, | |
| "grad_norm": 2.1922614574432373, | |
| "learning_rate": 0.0015366666666666669, | |
| "loss": 1.7953, | |
| "step": 5390 | |
| }, | |
| { | |
| "epoch": 54.0, | |
| "grad_norm": 1.7674418687820435, | |
| "learning_rate": 0.0015333333333333332, | |
| "loss": 2.1156, | |
| "step": 5400 | |
| }, | |
| { | |
| "epoch": 54.0, | |
| "eval_accuracy": 0.14, | |
| "eval_loss": 4.145403861999512, | |
| "eval_runtime": 1.4782, | |
| "eval_samples_per_second": 67.649, | |
| "eval_steps_per_second": 67.649, | |
| "step": 5400 | |
| }, | |
| { | |
| "epoch": 54.1, | |
| "grad_norm": 1.4317039251327515, | |
| "learning_rate": 0.0015300000000000001, | |
| "loss": 2.1365, | |
| "step": 5410 | |
| }, | |
| { | |
| "epoch": 54.2, | |
| "grad_norm": 2.728269577026367, | |
| "learning_rate": 0.0015266666666666666, | |
| "loss": 1.8243, | |
| "step": 5420 | |
| }, | |
| { | |
| "epoch": 54.3, | |
| "grad_norm": 1.3561785221099854, | |
| "learning_rate": 0.0015233333333333334, | |
| "loss": 1.6856, | |
| "step": 5430 | |
| }, | |
| { | |
| "epoch": 54.4, | |
| "grad_norm": 2.300229549407959, | |
| "learning_rate": 0.00152, | |
| "loss": 1.7025, | |
| "step": 5440 | |
| }, | |
| { | |
| "epoch": 54.5, | |
| "grad_norm": 2.610546350479126, | |
| "learning_rate": 0.0015166666666666666, | |
| "loss": 1.8949, | |
| "step": 5450 | |
| }, | |
| { | |
| "epoch": 54.6, | |
| "grad_norm": 3.494725465774536, | |
| "learning_rate": 0.0015133333333333335, | |
| "loss": 1.7296, | |
| "step": 5460 | |
| }, | |
| { | |
| "epoch": 54.7, | |
| "grad_norm": 3.7900161743164062, | |
| "learning_rate": 0.0015099999999999998, | |
| "loss": 1.9087, | |
| "step": 5470 | |
| }, | |
| { | |
| "epoch": 54.8, | |
| "grad_norm": 5.745708465576172, | |
| "learning_rate": 0.0015066666666666668, | |
| "loss": 1.9497, | |
| "step": 5480 | |
| }, | |
| { | |
| "epoch": 54.9, | |
| "grad_norm": 3.6180849075317383, | |
| "learning_rate": 0.0015033333333333333, | |
| "loss": 1.8751, | |
| "step": 5490 | |
| }, | |
| { | |
| "epoch": 55.0, | |
| "grad_norm": 1.9145499467849731, | |
| "learning_rate": 0.0015, | |
| "loss": 1.7501, | |
| "step": 5500 | |
| }, | |
| { | |
| "epoch": 55.0, | |
| "eval_accuracy": 0.09, | |
| "eval_loss": 6.213360786437988, | |
| "eval_runtime": 1.2055, | |
| "eval_samples_per_second": 82.957, | |
| "eval_steps_per_second": 82.957, | |
| "step": 5500 | |
| }, | |
| { | |
| "epoch": 55.1, | |
| "grad_norm": 3.158578395843506, | |
| "learning_rate": 0.0014966666666666668, | |
| "loss": 1.7163, | |
| "step": 5510 | |
| }, | |
| { | |
| "epoch": 55.2, | |
| "grad_norm": 10.36141586303711, | |
| "learning_rate": 0.0014933333333333333, | |
| "loss": 1.8999, | |
| "step": 5520 | |
| }, | |
| { | |
| "epoch": 55.3, | |
| "grad_norm": 6.241248607635498, | |
| "learning_rate": 0.00149, | |
| "loss": 1.6129, | |
| "step": 5530 | |
| }, | |
| { | |
| "epoch": 55.4, | |
| "grad_norm": 5.371027946472168, | |
| "learning_rate": 0.0014866666666666667, | |
| "loss": 1.747, | |
| "step": 5540 | |
| }, | |
| { | |
| "epoch": 55.5, | |
| "grad_norm": 8.025517463684082, | |
| "learning_rate": 0.0014833333333333335, | |
| "loss": 1.8701, | |
| "step": 5550 | |
| }, | |
| { | |
| "epoch": 55.6, | |
| "grad_norm": 1.9207485914230347, | |
| "learning_rate": 0.00148, | |
| "loss": 1.7299, | |
| "step": 5560 | |
| }, | |
| { | |
| "epoch": 55.7, | |
| "grad_norm": 5.347723007202148, | |
| "learning_rate": 0.0014766666666666667, | |
| "loss": 2.0809, | |
| "step": 5570 | |
| }, | |
| { | |
| "epoch": 55.8, | |
| "grad_norm": 2.564652919769287, | |
| "learning_rate": 0.0014733333333333334, | |
| "loss": 1.5181, | |
| "step": 5580 | |
| }, | |
| { | |
| "epoch": 55.9, | |
| "grad_norm": 2.4365596771240234, | |
| "learning_rate": 0.00147, | |
| "loss": 2.0716, | |
| "step": 5590 | |
| }, | |
| { | |
| "epoch": 56.0, | |
| "grad_norm": 2.38962721824646, | |
| "learning_rate": 0.0014666666666666667, | |
| "loss": 1.8722, | |
| "step": 5600 | |
| }, | |
| { | |
| "epoch": 56.0, | |
| "eval_accuracy": 0.12, | |
| "eval_loss": 6.498541831970215, | |
| "eval_runtime": 1.059, | |
| "eval_samples_per_second": 94.424, | |
| "eval_steps_per_second": 94.424, | |
| "step": 5600 | |
| }, | |
| { | |
| "epoch": 56.1, | |
| "grad_norm": 3.4303345680236816, | |
| "learning_rate": 0.0014633333333333332, | |
| "loss": 2.0598, | |
| "step": 5610 | |
| }, | |
| { | |
| "epoch": 56.2, | |
| "grad_norm": 5.073793411254883, | |
| "learning_rate": 0.0014600000000000001, | |
| "loss": 1.6931, | |
| "step": 5620 | |
| }, | |
| { | |
| "epoch": 56.3, | |
| "grad_norm": 4.5366644859313965, | |
| "learning_rate": 0.0014566666666666667, | |
| "loss": 1.7725, | |
| "step": 5630 | |
| }, | |
| { | |
| "epoch": 56.4, | |
| "grad_norm": 4.9346022605896, | |
| "learning_rate": 0.0014533333333333334, | |
| "loss": 1.7445, | |
| "step": 5640 | |
| }, | |
| { | |
| "epoch": 56.5, | |
| "grad_norm": 1.8802194595336914, | |
| "learning_rate": 0.0014500000000000001, | |
| "loss": 1.8807, | |
| "step": 5650 | |
| }, | |
| { | |
| "epoch": 56.6, | |
| "grad_norm": 9.372114181518555, | |
| "learning_rate": 0.0014466666666666666, | |
| "loss": 2.0712, | |
| "step": 5660 | |
| }, | |
| { | |
| "epoch": 56.7, | |
| "grad_norm": 1.4863404035568237, | |
| "learning_rate": 0.0014433333333333334, | |
| "loss": 2.0337, | |
| "step": 5670 | |
| }, | |
| { | |
| "epoch": 56.8, | |
| "grad_norm": 6.14418888092041, | |
| "learning_rate": 0.0014399999999999999, | |
| "loss": 1.8824, | |
| "step": 5680 | |
| }, | |
| { | |
| "epoch": 56.9, | |
| "grad_norm": 4.623052597045898, | |
| "learning_rate": 0.0014366666666666666, | |
| "loss": 1.7163, | |
| "step": 5690 | |
| }, | |
| { | |
| "epoch": 57.0, | |
| "grad_norm": 2.0986571311950684, | |
| "learning_rate": 0.0014333333333333333, | |
| "loss": 1.9432, | |
| "step": 5700 | |
| }, | |
| { | |
| "epoch": 57.0, | |
| "eval_accuracy": 0.12, | |
| "eval_loss": 5.271793842315674, | |
| "eval_runtime": 1.0742, | |
| "eval_samples_per_second": 93.091, | |
| "eval_steps_per_second": 93.091, | |
| "step": 5700 | |
| }, | |
| { | |
| "epoch": 57.1, | |
| "grad_norm": 1.7047914266586304, | |
| "learning_rate": 0.00143, | |
| "loss": 1.681, | |
| "step": 5710 | |
| }, | |
| { | |
| "epoch": 57.2, | |
| "grad_norm": 5.937868595123291, | |
| "learning_rate": 0.0014266666666666668, | |
| "loss": 1.9401, | |
| "step": 5720 | |
| }, | |
| { | |
| "epoch": 57.3, | |
| "grad_norm": 2.155251979827881, | |
| "learning_rate": 0.0014233333333333333, | |
| "loss": 1.7128, | |
| "step": 5730 | |
| }, | |
| { | |
| "epoch": 57.4, | |
| "grad_norm": 3.07235050201416, | |
| "learning_rate": 0.00142, | |
| "loss": 1.6452, | |
| "step": 5740 | |
| }, | |
| { | |
| "epoch": 57.5, | |
| "grad_norm": 3.241396427154541, | |
| "learning_rate": 0.0014166666666666666, | |
| "loss": 1.5336, | |
| "step": 5750 | |
| }, | |
| { | |
| "epoch": 57.6, | |
| "grad_norm": 2.2947235107421875, | |
| "learning_rate": 0.0014133333333333333, | |
| "loss": 1.8406, | |
| "step": 5760 | |
| }, | |
| { | |
| "epoch": 57.7, | |
| "grad_norm": 3.67720627784729, | |
| "learning_rate": 0.00141, | |
| "loss": 1.8698, | |
| "step": 5770 | |
| }, | |
| { | |
| "epoch": 57.8, | |
| "grad_norm": 4.078272342681885, | |
| "learning_rate": 0.0014066666666666667, | |
| "loss": 1.7784, | |
| "step": 5780 | |
| }, | |
| { | |
| "epoch": 57.9, | |
| "grad_norm": 5.352456569671631, | |
| "learning_rate": 0.0014033333333333335, | |
| "loss": 2.0788, | |
| "step": 5790 | |
| }, | |
| { | |
| "epoch": 58.0, | |
| "grad_norm": 2.5838003158569336, | |
| "learning_rate": 0.0014, | |
| "loss": 1.7713, | |
| "step": 5800 | |
| }, | |
| { | |
| "epoch": 58.0, | |
| "eval_accuracy": 0.08, | |
| "eval_loss": 12.331060409545898, | |
| "eval_runtime": 1.0626, | |
| "eval_samples_per_second": 94.11, | |
| "eval_steps_per_second": 94.11, | |
| "step": 5800 | |
| }, | |
| { | |
| "epoch": 58.1, | |
| "grad_norm": 1.693384051322937, | |
| "learning_rate": 0.0013966666666666667, | |
| "loss": 1.656, | |
| "step": 5810 | |
| }, | |
| { | |
| "epoch": 58.2, | |
| "grad_norm": 3.3912696838378906, | |
| "learning_rate": 0.0013933333333333334, | |
| "loss": 1.7021, | |
| "step": 5820 | |
| }, | |
| { | |
| "epoch": 58.3, | |
| "grad_norm": 8.783439636230469, | |
| "learning_rate": 0.00139, | |
| "loss": 1.9102, | |
| "step": 5830 | |
| }, | |
| { | |
| "epoch": 58.4, | |
| "grad_norm": 3.9075992107391357, | |
| "learning_rate": 0.0013866666666666667, | |
| "loss": 1.8775, | |
| "step": 5840 | |
| }, | |
| { | |
| "epoch": 58.5, | |
| "grad_norm": 2.6207642555236816, | |
| "learning_rate": 0.0013833333333333334, | |
| "loss": 1.912, | |
| "step": 5850 | |
| }, | |
| { | |
| "epoch": 58.6, | |
| "grad_norm": 1.5650824308395386, | |
| "learning_rate": 0.0013800000000000002, | |
| "loss": 1.8781, | |
| "step": 5860 | |
| }, | |
| { | |
| "epoch": 58.7, | |
| "grad_norm": 1.5719467401504517, | |
| "learning_rate": 0.0013766666666666667, | |
| "loss": 1.7996, | |
| "step": 5870 | |
| }, | |
| { | |
| "epoch": 58.8, | |
| "grad_norm": 2.2166717052459717, | |
| "learning_rate": 0.0013733333333333334, | |
| "loss": 2.0769, | |
| "step": 5880 | |
| }, | |
| { | |
| "epoch": 58.9, | |
| "grad_norm": 4.164362907409668, | |
| "learning_rate": 0.0013700000000000001, | |
| "loss": 1.8052, | |
| "step": 5890 | |
| }, | |
| { | |
| "epoch": 59.0, | |
| "grad_norm": 2.1572577953338623, | |
| "learning_rate": 0.0013666666666666666, | |
| "loss": 1.6786, | |
| "step": 5900 | |
| }, | |
| { | |
| "epoch": 59.0, | |
| "eval_accuracy": 0.07, | |
| "eval_loss": 7.159940719604492, | |
| "eval_runtime": 1.1908, | |
| "eval_samples_per_second": 83.98, | |
| "eval_steps_per_second": 83.98, | |
| "step": 5900 | |
| }, | |
| { | |
| "epoch": 59.1, | |
| "grad_norm": 1.205863356590271, | |
| "learning_rate": 0.0013633333333333334, | |
| "loss": 1.7847, | |
| "step": 5910 | |
| }, | |
| { | |
| "epoch": 59.2, | |
| "grad_norm": 6.159766674041748, | |
| "learning_rate": 0.0013599999999999999, | |
| "loss": 1.816, | |
| "step": 5920 | |
| }, | |
| { | |
| "epoch": 59.3, | |
| "grad_norm": 2.290241003036499, | |
| "learning_rate": 0.0013566666666666668, | |
| "loss": 1.8227, | |
| "step": 5930 | |
| }, | |
| { | |
| "epoch": 59.4, | |
| "grad_norm": 5.219218730926514, | |
| "learning_rate": 0.0013533333333333333, | |
| "loss": 1.6421, | |
| "step": 5940 | |
| }, | |
| { | |
| "epoch": 59.5, | |
| "grad_norm": 8.509394645690918, | |
| "learning_rate": 0.00135, | |
| "loss": 1.7888, | |
| "step": 5950 | |
| }, | |
| { | |
| "epoch": 59.6, | |
| "grad_norm": 3.8931479454040527, | |
| "learning_rate": 0.0013466666666666668, | |
| "loss": 1.7724, | |
| "step": 5960 | |
| }, | |
| { | |
| "epoch": 59.7, | |
| "grad_norm": 2.035557270050049, | |
| "learning_rate": 0.0013433333333333333, | |
| "loss": 1.8974, | |
| "step": 5970 | |
| }, | |
| { | |
| "epoch": 59.8, | |
| "grad_norm": 1.344543695449829, | |
| "learning_rate": 0.00134, | |
| "loss": 1.7593, | |
| "step": 5980 | |
| }, | |
| { | |
| "epoch": 59.9, | |
| "grad_norm": 5.597288131713867, | |
| "learning_rate": 0.0013366666666666666, | |
| "loss": 1.7556, | |
| "step": 5990 | |
| }, | |
| { | |
| "epoch": 60.0, | |
| "grad_norm": 5.034604072570801, | |
| "learning_rate": 0.0013333333333333333, | |
| "loss": 1.5969, | |
| "step": 6000 | |
| }, | |
| { | |
| "epoch": 60.0, | |
| "eval_accuracy": 0.08, | |
| "eval_loss": 6.086874485015869, | |
| "eval_runtime": 1.0697, | |
| "eval_samples_per_second": 93.482, | |
| "eval_steps_per_second": 93.482, | |
| "step": 6000 | |
| }, | |
| { | |
| "epoch": 60.1, | |
| "grad_norm": 2.9675891399383545, | |
| "learning_rate": 0.00133, | |
| "loss": 1.8271, | |
| "step": 6010 | |
| }, | |
| { | |
| "epoch": 60.2, | |
| "grad_norm": 1.6982274055480957, | |
| "learning_rate": 0.0013266666666666667, | |
| "loss": 1.9085, | |
| "step": 6020 | |
| }, | |
| { | |
| "epoch": 60.3, | |
| "grad_norm": 4.639615058898926, | |
| "learning_rate": 0.0013233333333333335, | |
| "loss": 1.9669, | |
| "step": 6030 | |
| }, | |
| { | |
| "epoch": 60.4, | |
| "grad_norm": 2.2657480239868164, | |
| "learning_rate": 0.00132, | |
| "loss": 1.7925, | |
| "step": 6040 | |
| }, | |
| { | |
| "epoch": 60.5, | |
| "grad_norm": 3.4637887477874756, | |
| "learning_rate": 0.0013166666666666667, | |
| "loss": 1.7884, | |
| "step": 6050 | |
| }, | |
| { | |
| "epoch": 60.6, | |
| "grad_norm": 3.210871458053589, | |
| "learning_rate": 0.0013133333333333332, | |
| "loss": 1.6961, | |
| "step": 6060 | |
| }, | |
| { | |
| "epoch": 60.7, | |
| "grad_norm": 2.510930299758911, | |
| "learning_rate": 0.00131, | |
| "loss": 1.6188, | |
| "step": 6070 | |
| }, | |
| { | |
| "epoch": 60.8, | |
| "grad_norm": 2.0399868488311768, | |
| "learning_rate": 0.0013066666666666667, | |
| "loss": 1.8597, | |
| "step": 6080 | |
| }, | |
| { | |
| "epoch": 60.9, | |
| "grad_norm": 1.6324414014816284, | |
| "learning_rate": 0.0013033333333333334, | |
| "loss": 1.6643, | |
| "step": 6090 | |
| }, | |
| { | |
| "epoch": 61.0, | |
| "grad_norm": 2.4083755016326904, | |
| "learning_rate": 0.0013000000000000002, | |
| "loss": 1.8203, | |
| "step": 6100 | |
| }, | |
| { | |
| "epoch": 61.0, | |
| "eval_accuracy": 0.14, | |
| "eval_loss": 8.8250093460083, | |
| "eval_runtime": 1.051, | |
| "eval_samples_per_second": 95.147, | |
| "eval_steps_per_second": 95.147, | |
| "step": 6100 | |
| }, | |
| { | |
| "epoch": 61.1, | |
| "grad_norm": 1.6598178148269653, | |
| "learning_rate": 0.0012966666666666667, | |
| "loss": 1.5858, | |
| "step": 6110 | |
| }, | |
| { | |
| "epoch": 61.2, | |
| "grad_norm": 4.348021507263184, | |
| "learning_rate": 0.0012933333333333334, | |
| "loss": 1.7923, | |
| "step": 6120 | |
| }, | |
| { | |
| "epoch": 61.3, | |
| "grad_norm": 6.4413065910339355, | |
| "learning_rate": 0.00129, | |
| "loss": 1.825, | |
| "step": 6130 | |
| }, | |
| { | |
| "epoch": 61.4, | |
| "grad_norm": 4.386123180389404, | |
| "learning_rate": 0.0012866666666666666, | |
| "loss": 1.6292, | |
| "step": 6140 | |
| }, | |
| { | |
| "epoch": 61.5, | |
| "grad_norm": 3.1433169841766357, | |
| "learning_rate": 0.0012833333333333334, | |
| "loss": 1.8375, | |
| "step": 6150 | |
| }, | |
| { | |
| "epoch": 61.6, | |
| "grad_norm": 2.4346671104431152, | |
| "learning_rate": 0.00128, | |
| "loss": 1.5983, | |
| "step": 6160 | |
| }, | |
| { | |
| "epoch": 61.7, | |
| "grad_norm": 3.656344175338745, | |
| "learning_rate": 0.0012766666666666668, | |
| "loss": 1.8365, | |
| "step": 6170 | |
| }, | |
| { | |
| "epoch": 61.8, | |
| "grad_norm": 2.8191497325897217, | |
| "learning_rate": 0.0012733333333333333, | |
| "loss": 2.0172, | |
| "step": 6180 | |
| }, | |
| { | |
| "epoch": 61.9, | |
| "grad_norm": 2.2086052894592285, | |
| "learning_rate": 0.00127, | |
| "loss": 1.7998, | |
| "step": 6190 | |
| }, | |
| { | |
| "epoch": 62.0, | |
| "grad_norm": 4.561169624328613, | |
| "learning_rate": 0.0012666666666666666, | |
| "loss": 1.7148, | |
| "step": 6200 | |
| }, | |
| { | |
| "epoch": 62.0, | |
| "eval_accuracy": 0.11, | |
| "eval_loss": 19.09418296813965, | |
| "eval_runtime": 1.0612, | |
| "eval_samples_per_second": 94.23, | |
| "eval_steps_per_second": 94.23, | |
| "step": 6200 | |
| }, | |
| { | |
| "epoch": 62.1, | |
| "grad_norm": 4.611867427825928, | |
| "learning_rate": 0.0012633333333333333, | |
| "loss": 1.6205, | |
| "step": 6210 | |
| }, | |
| { | |
| "epoch": 62.2, | |
| "grad_norm": 3.4768471717834473, | |
| "learning_rate": 0.00126, | |
| "loss": 1.6133, | |
| "step": 6220 | |
| }, | |
| { | |
| "epoch": 62.3, | |
| "grad_norm": 2.2685697078704834, | |
| "learning_rate": 0.0012566666666666666, | |
| "loss": 1.7809, | |
| "step": 6230 | |
| }, | |
| { | |
| "epoch": 62.4, | |
| "grad_norm": 3.6047987937927246, | |
| "learning_rate": 0.0012533333333333335, | |
| "loss": 1.9889, | |
| "step": 6240 | |
| }, | |
| { | |
| "epoch": 62.5, | |
| "grad_norm": 2.9026410579681396, | |
| "learning_rate": 0.00125, | |
| "loss": 1.614, | |
| "step": 6250 | |
| }, | |
| { | |
| "epoch": 62.6, | |
| "grad_norm": 3.42441463470459, | |
| "learning_rate": 0.0012466666666666668, | |
| "loss": 1.9557, | |
| "step": 6260 | |
| }, | |
| { | |
| "epoch": 62.7, | |
| "grad_norm": 3.3376829624176025, | |
| "learning_rate": 0.0012433333333333333, | |
| "loss": 1.8862, | |
| "step": 6270 | |
| }, | |
| { | |
| "epoch": 62.8, | |
| "grad_norm": 2.4634463787078857, | |
| "learning_rate": 0.00124, | |
| "loss": 1.9031, | |
| "step": 6280 | |
| }, | |
| { | |
| "epoch": 62.9, | |
| "grad_norm": 9.028009414672852, | |
| "learning_rate": 0.0012366666666666667, | |
| "loss": 1.9382, | |
| "step": 6290 | |
| }, | |
| { | |
| "epoch": 63.0, | |
| "grad_norm": 2.2906558513641357, | |
| "learning_rate": 0.0012333333333333332, | |
| "loss": 1.6627, | |
| "step": 6300 | |
| }, | |
| { | |
| "epoch": 63.0, | |
| "eval_accuracy": 0.16, | |
| "eval_loss": 12.432879447937012, | |
| "eval_runtime": 1.0588, | |
| "eval_samples_per_second": 94.443, | |
| "eval_steps_per_second": 94.443, | |
| "step": 6300 | |
| }, | |
| { | |
| "epoch": 63.1, | |
| "grad_norm": 4.561711311340332, | |
| "learning_rate": 0.00123, | |
| "loss": 1.9666, | |
| "step": 6310 | |
| }, | |
| { | |
| "epoch": 63.2, | |
| "grad_norm": 2.848632574081421, | |
| "learning_rate": 0.0012266666666666667, | |
| "loss": 1.6077, | |
| "step": 6320 | |
| }, | |
| { | |
| "epoch": 63.3, | |
| "grad_norm": 2.1941840648651123, | |
| "learning_rate": 0.0012233333333333334, | |
| "loss": 1.7677, | |
| "step": 6330 | |
| }, | |
| { | |
| "epoch": 63.4, | |
| "grad_norm": 2.9569039344787598, | |
| "learning_rate": 0.00122, | |
| "loss": 1.6422, | |
| "step": 6340 | |
| }, | |
| { | |
| "epoch": 63.5, | |
| "grad_norm": 3.4558959007263184, | |
| "learning_rate": 0.0012166666666666667, | |
| "loss": 1.6658, | |
| "step": 6350 | |
| }, | |
| { | |
| "epoch": 63.6, | |
| "grad_norm": 5.855868339538574, | |
| "learning_rate": 0.0012133333333333334, | |
| "loss": 1.6206, | |
| "step": 6360 | |
| }, | |
| { | |
| "epoch": 63.7, | |
| "grad_norm": 4.387974739074707, | |
| "learning_rate": 0.00121, | |
| "loss": 1.7873, | |
| "step": 6370 | |
| }, | |
| { | |
| "epoch": 63.8, | |
| "grad_norm": 2.80942440032959, | |
| "learning_rate": 0.0012066666666666667, | |
| "loss": 1.5393, | |
| "step": 6380 | |
| }, | |
| { | |
| "epoch": 63.9, | |
| "grad_norm": 10.336448669433594, | |
| "learning_rate": 0.0012033333333333334, | |
| "loss": 1.7802, | |
| "step": 6390 | |
| }, | |
| { | |
| "epoch": 64.0, | |
| "grad_norm": 21.694013595581055, | |
| "learning_rate": 0.0012000000000000001, | |
| "loss": 1.7134, | |
| "step": 6400 | |
| }, | |
| { | |
| "epoch": 64.0, | |
| "eval_accuracy": 0.11, | |
| "eval_loss": 5.5367112159729, | |
| "eval_runtime": 1.0569, | |
| "eval_samples_per_second": 94.621, | |
| "eval_steps_per_second": 94.621, | |
| "step": 6400 | |
| }, | |
| { | |
| "epoch": 64.1, | |
| "grad_norm": 7.776865482330322, | |
| "learning_rate": 0.0011966666666666668, | |
| "loss": 1.8706, | |
| "step": 6410 | |
| }, | |
| { | |
| "epoch": 64.2, | |
| "grad_norm": 14.169696807861328, | |
| "learning_rate": 0.0011933333333333334, | |
| "loss": 1.7689, | |
| "step": 6420 | |
| }, | |
| { | |
| "epoch": 64.3, | |
| "grad_norm": 3.2558820247650146, | |
| "learning_rate": 0.00119, | |
| "loss": 1.6053, | |
| "step": 6430 | |
| }, | |
| { | |
| "epoch": 64.4, | |
| "grad_norm": 4.6091227531433105, | |
| "learning_rate": 0.0011866666666666666, | |
| "loss": 1.791, | |
| "step": 6440 | |
| }, | |
| { | |
| "epoch": 64.5, | |
| "grad_norm": 6.979178428649902, | |
| "learning_rate": 0.0011833333333333333, | |
| "loss": 1.9051, | |
| "step": 6450 | |
| }, | |
| { | |
| "epoch": 64.6, | |
| "grad_norm": 1.6859291791915894, | |
| "learning_rate": 0.00118, | |
| "loss": 1.8669, | |
| "step": 6460 | |
| }, | |
| { | |
| "epoch": 64.7, | |
| "grad_norm": 4.330698013305664, | |
| "learning_rate": 0.0011766666666666668, | |
| "loss": 1.9325, | |
| "step": 6470 | |
| }, | |
| { | |
| "epoch": 64.8, | |
| "grad_norm": 4.015768051147461, | |
| "learning_rate": 0.0011733333333333335, | |
| "loss": 1.7841, | |
| "step": 6480 | |
| }, | |
| { | |
| "epoch": 64.9, | |
| "grad_norm": 3.9391236305236816, | |
| "learning_rate": 0.00117, | |
| "loss": 1.7528, | |
| "step": 6490 | |
| }, | |
| { | |
| "epoch": 65.0, | |
| "grad_norm": 3.1160061359405518, | |
| "learning_rate": 0.0011666666666666668, | |
| "loss": 1.8841, | |
| "step": 6500 | |
| }, | |
| { | |
| "epoch": 65.0, | |
| "eval_accuracy": 0.11, | |
| "eval_loss": 9.123879432678223, | |
| "eval_runtime": 1.0581, | |
| "eval_samples_per_second": 94.508, | |
| "eval_steps_per_second": 94.508, | |
| "step": 6500 | |
| }, | |
| { | |
| "epoch": 65.1, | |
| "grad_norm": 3.9809041023254395, | |
| "learning_rate": 0.0011633333333333333, | |
| "loss": 1.764, | |
| "step": 6510 | |
| }, | |
| { | |
| "epoch": 65.2, | |
| "grad_norm": 11.246681213378906, | |
| "learning_rate": 0.00116, | |
| "loss": 1.6808, | |
| "step": 6520 | |
| }, | |
| { | |
| "epoch": 65.3, | |
| "grad_norm": 5.164696216583252, | |
| "learning_rate": 0.0011566666666666667, | |
| "loss": 1.6472, | |
| "step": 6530 | |
| }, | |
| { | |
| "epoch": 65.4, | |
| "grad_norm": 2.7872653007507324, | |
| "learning_rate": 0.0011533333333333333, | |
| "loss": 2.0198, | |
| "step": 6540 | |
| }, | |
| { | |
| "epoch": 65.5, | |
| "grad_norm": 7.56327486038208, | |
| "learning_rate": 0.0011500000000000002, | |
| "loss": 1.929, | |
| "step": 6550 | |
| }, | |
| { | |
| "epoch": 65.6, | |
| "grad_norm": 4.878328323364258, | |
| "learning_rate": 0.0011466666666666667, | |
| "loss": 1.6768, | |
| "step": 6560 | |
| }, | |
| { | |
| "epoch": 65.7, | |
| "grad_norm": 3.8029422760009766, | |
| "learning_rate": 0.0011433333333333334, | |
| "loss": 1.8311, | |
| "step": 6570 | |
| }, | |
| { | |
| "epoch": 65.8, | |
| "grad_norm": 7.969758987426758, | |
| "learning_rate": 0.00114, | |
| "loss": 1.6823, | |
| "step": 6580 | |
| }, | |
| { | |
| "epoch": 65.9, | |
| "grad_norm": 5.031340599060059, | |
| "learning_rate": 0.0011366666666666667, | |
| "loss": 1.6746, | |
| "step": 6590 | |
| }, | |
| { | |
| "epoch": 66.0, | |
| "grad_norm": 2.8956708908081055, | |
| "learning_rate": 0.0011333333333333334, | |
| "loss": 1.6822, | |
| "step": 6600 | |
| }, | |
| { | |
| "epoch": 66.0, | |
| "eval_accuracy": 0.11, | |
| "eval_loss": 9.47188663482666, | |
| "eval_runtime": 1.0551, | |
| "eval_samples_per_second": 94.777, | |
| "eval_steps_per_second": 94.777, | |
| "step": 6600 | |
| }, | |
| { | |
| "epoch": 66.1, | |
| "grad_norm": 4.6317219734191895, | |
| "learning_rate": 0.00113, | |
| "loss": 1.7943, | |
| "step": 6610 | |
| }, | |
| { | |
| "epoch": 66.2, | |
| "grad_norm": 3.1285109519958496, | |
| "learning_rate": 0.0011266666666666667, | |
| "loss": 1.8415, | |
| "step": 6620 | |
| }, | |
| { | |
| "epoch": 66.3, | |
| "grad_norm": 6.469768524169922, | |
| "learning_rate": 0.0011233333333333334, | |
| "loss": 1.6691, | |
| "step": 6630 | |
| }, | |
| { | |
| "epoch": 66.4, | |
| "grad_norm": 5.166152477264404, | |
| "learning_rate": 0.0011200000000000001, | |
| "loss": 1.92, | |
| "step": 6640 | |
| }, | |
| { | |
| "epoch": 66.5, | |
| "grad_norm": 6.086921691894531, | |
| "learning_rate": 0.0011166666666666666, | |
| "loss": 1.9099, | |
| "step": 6650 | |
| }, | |
| { | |
| "epoch": 66.6, | |
| "grad_norm": 3.934988021850586, | |
| "learning_rate": 0.0011133333333333334, | |
| "loss": 1.6313, | |
| "step": 6660 | |
| }, | |
| { | |
| "epoch": 66.7, | |
| "grad_norm": 6.046359539031982, | |
| "learning_rate": 0.00111, | |
| "loss": 1.9824, | |
| "step": 6670 | |
| }, | |
| { | |
| "epoch": 66.8, | |
| "grad_norm": 5.090197563171387, | |
| "learning_rate": 0.0011066666666666666, | |
| "loss": 1.9741, | |
| "step": 6680 | |
| }, | |
| { | |
| "epoch": 66.9, | |
| "grad_norm": 9.034990310668945, | |
| "learning_rate": 0.0011033333333333333, | |
| "loss": 1.933, | |
| "step": 6690 | |
| }, | |
| { | |
| "epoch": 67.0, | |
| "grad_norm": 7.297842979431152, | |
| "learning_rate": 0.0010999999999999998, | |
| "loss": 1.8892, | |
| "step": 6700 | |
| }, | |
| { | |
| "epoch": 67.0, | |
| "eval_accuracy": 0.09, | |
| "eval_loss": 5.6084208488464355, | |
| "eval_runtime": 1.1978, | |
| "eval_samples_per_second": 83.488, | |
| "eval_steps_per_second": 83.488, | |
| "step": 6700 | |
| }, | |
| { | |
| "epoch": 67.1, | |
| "grad_norm": 3.469296932220459, | |
| "learning_rate": 0.0010966666666666668, | |
| "loss": 1.7137, | |
| "step": 6710 | |
| }, | |
| { | |
| "epoch": 67.2, | |
| "grad_norm": 2.396622657775879, | |
| "learning_rate": 0.0010933333333333333, | |
| "loss": 1.8015, | |
| "step": 6720 | |
| }, | |
| { | |
| "epoch": 67.3, | |
| "grad_norm": 2.852924108505249, | |
| "learning_rate": 0.00109, | |
| "loss": 1.8604, | |
| "step": 6730 | |
| }, | |
| { | |
| "epoch": 67.4, | |
| "grad_norm": 5.766210079193115, | |
| "learning_rate": 0.0010866666666666668, | |
| "loss": 1.5306, | |
| "step": 6740 | |
| }, | |
| { | |
| "epoch": 67.5, | |
| "grad_norm": 3.4486300945281982, | |
| "learning_rate": 0.0010833333333333333, | |
| "loss": 1.797, | |
| "step": 6750 | |
| }, | |
| { | |
| "epoch": 67.6, | |
| "grad_norm": 5.261917591094971, | |
| "learning_rate": 0.00108, | |
| "loss": 1.9502, | |
| "step": 6760 | |
| }, | |
| { | |
| "epoch": 67.7, | |
| "grad_norm": 4.059861660003662, | |
| "learning_rate": 0.0010766666666666665, | |
| "loss": 1.6326, | |
| "step": 6770 | |
| }, | |
| { | |
| "epoch": 67.8, | |
| "grad_norm": 10.135790824890137, | |
| "learning_rate": 0.0010733333333333333, | |
| "loss": 1.7233, | |
| "step": 6780 | |
| }, | |
| { | |
| "epoch": 67.9, | |
| "grad_norm": 2.4787628650665283, | |
| "learning_rate": 0.00107, | |
| "loss": 1.8985, | |
| "step": 6790 | |
| }, | |
| { | |
| "epoch": 68.0, | |
| "grad_norm": 2.303790807723999, | |
| "learning_rate": 0.0010666666666666667, | |
| "loss": 1.72, | |
| "step": 6800 | |
| }, | |
| { | |
| "epoch": 68.0, | |
| "eval_accuracy": 0.12, | |
| "eval_loss": 8.785449028015137, | |
| "eval_runtime": 1.0541, | |
| "eval_samples_per_second": 94.863, | |
| "eval_steps_per_second": 94.863, | |
| "step": 6800 | |
| }, | |
| { | |
| "epoch": 68.1, | |
| "grad_norm": 3.1279687881469727, | |
| "learning_rate": 0.0010633333333333334, | |
| "loss": 1.8552, | |
| "step": 6810 | |
| }, | |
| { | |
| "epoch": 68.2, | |
| "grad_norm": 4.668986797332764, | |
| "learning_rate": 0.00106, | |
| "loss": 1.9791, | |
| "step": 6820 | |
| }, | |
| { | |
| "epoch": 68.3, | |
| "grad_norm": 7.474461555480957, | |
| "learning_rate": 0.0010566666666666667, | |
| "loss": 1.7152, | |
| "step": 6830 | |
| }, | |
| { | |
| "epoch": 68.4, | |
| "grad_norm": 10.475133895874023, | |
| "learning_rate": 0.0010533333333333332, | |
| "loss": 1.6101, | |
| "step": 6840 | |
| }, | |
| { | |
| "epoch": 68.5, | |
| "grad_norm": 4.837385177612305, | |
| "learning_rate": 0.00105, | |
| "loss": 1.6287, | |
| "step": 6850 | |
| }, | |
| { | |
| "epoch": 68.6, | |
| "grad_norm": 4.027728080749512, | |
| "learning_rate": 0.0010466666666666667, | |
| "loss": 1.5433, | |
| "step": 6860 | |
| }, | |
| { | |
| "epoch": 68.7, | |
| "grad_norm": 2.9774222373962402, | |
| "learning_rate": 0.0010433333333333334, | |
| "loss": 1.7617, | |
| "step": 6870 | |
| }, | |
| { | |
| "epoch": 68.8, | |
| "grad_norm": 2.145850896835327, | |
| "learning_rate": 0.0010400000000000001, | |
| "loss": 1.7691, | |
| "step": 6880 | |
| }, | |
| { | |
| "epoch": 68.9, | |
| "grad_norm": 2.6644954681396484, | |
| "learning_rate": 0.0010366666666666666, | |
| "loss": 1.5255, | |
| "step": 6890 | |
| }, | |
| { | |
| "epoch": 69.0, | |
| "grad_norm": 5.641127109527588, | |
| "learning_rate": 0.0010333333333333334, | |
| "loss": 1.8751, | |
| "step": 6900 | |
| }, | |
| { | |
| "epoch": 69.0, | |
| "eval_accuracy": 0.11, | |
| "eval_loss": 7.557100296020508, | |
| "eval_runtime": 1.0515, | |
| "eval_samples_per_second": 95.106, | |
| "eval_steps_per_second": 95.106, | |
| "step": 6900 | |
| }, | |
| { | |
| "epoch": 69.1, | |
| "grad_norm": 2.8334310054779053, | |
| "learning_rate": 0.00103, | |
| "loss": 1.7977, | |
| "step": 6910 | |
| }, | |
| { | |
| "epoch": 69.2, | |
| "grad_norm": 12.787999153137207, | |
| "learning_rate": 0.0010266666666666666, | |
| "loss": 1.8188, | |
| "step": 6920 | |
| }, | |
| { | |
| "epoch": 69.3, | |
| "grad_norm": 2.3438947200775146, | |
| "learning_rate": 0.0010233333333333333, | |
| "loss": 2.0413, | |
| "step": 6930 | |
| }, | |
| { | |
| "epoch": 69.4, | |
| "grad_norm": 5.885900497436523, | |
| "learning_rate": 0.00102, | |
| "loss": 1.6987, | |
| "step": 6940 | |
| }, | |
| { | |
| "epoch": 69.5, | |
| "grad_norm": 2.3748180866241455, | |
| "learning_rate": 0.0010166666666666668, | |
| "loss": 1.8382, | |
| "step": 6950 | |
| }, | |
| { | |
| "epoch": 69.6, | |
| "grad_norm": 7.499560832977295, | |
| "learning_rate": 0.0010133333333333333, | |
| "loss": 1.7506, | |
| "step": 6960 | |
| }, | |
| { | |
| "epoch": 69.7, | |
| "grad_norm": 4.706414699554443, | |
| "learning_rate": 0.00101, | |
| "loss": 1.8361, | |
| "step": 6970 | |
| }, | |
| { | |
| "epoch": 69.8, | |
| "grad_norm": 2.492842435836792, | |
| "learning_rate": 0.0010066666666666668, | |
| "loss": 1.5254, | |
| "step": 6980 | |
| }, | |
| { | |
| "epoch": 69.9, | |
| "grad_norm": 4.535306453704834, | |
| "learning_rate": 0.0010033333333333333, | |
| "loss": 1.7066, | |
| "step": 6990 | |
| }, | |
| { | |
| "epoch": 70.0, | |
| "grad_norm": 2.8552052974700928, | |
| "learning_rate": 0.001, | |
| "loss": 1.3783, | |
| "step": 7000 | |
| }, | |
| { | |
| "epoch": 70.0, | |
| "eval_accuracy": 0.12, | |
| "eval_loss": 11.632137298583984, | |
| "eval_runtime": 1.069, | |
| "eval_samples_per_second": 93.543, | |
| "eval_steps_per_second": 93.543, | |
| "step": 7000 | |
| }, | |
| { | |
| "epoch": 70.1, | |
| "grad_norm": 6.145552635192871, | |
| "learning_rate": 0.0009966666666666665, | |
| "loss": 1.6017, | |
| "step": 7010 | |
| }, | |
| { | |
| "epoch": 70.2, | |
| "grad_norm": 7.590050220489502, | |
| "learning_rate": 0.0009933333333333335, | |
| "loss": 1.8784, | |
| "step": 7020 | |
| }, | |
| { | |
| "epoch": 70.3, | |
| "grad_norm": 3.6232712268829346, | |
| "learning_rate": 0.00099, | |
| "loss": 1.8348, | |
| "step": 7030 | |
| }, | |
| { | |
| "epoch": 70.4, | |
| "grad_norm": 2.6301445960998535, | |
| "learning_rate": 0.0009866666666666667, | |
| "loss": 1.7113, | |
| "step": 7040 | |
| }, | |
| { | |
| "epoch": 70.5, | |
| "grad_norm": 3.045260190963745, | |
| "learning_rate": 0.0009833333333333335, | |
| "loss": 1.6724, | |
| "step": 7050 | |
| }, | |
| { | |
| "epoch": 70.6, | |
| "grad_norm": 5.87871789932251, | |
| "learning_rate": 0.00098, | |
| "loss": 1.8135, | |
| "step": 7060 | |
| }, | |
| { | |
| "epoch": 70.7, | |
| "grad_norm": 4.545201301574707, | |
| "learning_rate": 0.0009766666666666667, | |
| "loss": 1.8561, | |
| "step": 7070 | |
| }, | |
| { | |
| "epoch": 70.8, | |
| "grad_norm": 3.054288387298584, | |
| "learning_rate": 0.0009733333333333333, | |
| "loss": 1.6729, | |
| "step": 7080 | |
| }, | |
| { | |
| "epoch": 70.9, | |
| "grad_norm": 12.367476463317871, | |
| "learning_rate": 0.0009699999999999999, | |
| "loss": 1.6861, | |
| "step": 7090 | |
| }, | |
| { | |
| "epoch": 71.0, | |
| "grad_norm": 3.18570876121521, | |
| "learning_rate": 0.0009666666666666668, | |
| "loss": 1.6403, | |
| "step": 7100 | |
| }, | |
| { | |
| "epoch": 71.0, | |
| "eval_accuracy": 0.15, | |
| "eval_loss": 7.535396099090576, | |
| "eval_runtime": 1.0543, | |
| "eval_samples_per_second": 94.854, | |
| "eval_steps_per_second": 94.854, | |
| "step": 7100 | |
| }, | |
| { | |
| "epoch": 71.1, | |
| "grad_norm": 2.6936404705047607, | |
| "learning_rate": 0.0009633333333333334, | |
| "loss": 1.3978, | |
| "step": 7110 | |
| }, | |
| { | |
| "epoch": 71.2, | |
| "grad_norm": 3.251457691192627, | |
| "learning_rate": 0.00096, | |
| "loss": 1.8723, | |
| "step": 7120 | |
| }, | |
| { | |
| "epoch": 71.3, | |
| "grad_norm": 2.816524028778076, | |
| "learning_rate": 0.0009566666666666666, | |
| "loss": 1.7214, | |
| "step": 7130 | |
| }, | |
| { | |
| "epoch": 71.4, | |
| "grad_norm": 2.786759376525879, | |
| "learning_rate": 0.0009533333333333334, | |
| "loss": 1.767, | |
| "step": 7140 | |
| }, | |
| { | |
| "epoch": 71.5, | |
| "grad_norm": 6.929011344909668, | |
| "learning_rate": 0.00095, | |
| "loss": 1.7563, | |
| "step": 7150 | |
| }, | |
| { | |
| "epoch": 71.6, | |
| "grad_norm": 2.660970687866211, | |
| "learning_rate": 0.0009466666666666666, | |
| "loss": 1.6773, | |
| "step": 7160 | |
| }, | |
| { | |
| "epoch": 71.7, | |
| "grad_norm": 1.6034671068191528, | |
| "learning_rate": 0.0009433333333333335, | |
| "loss": 1.6503, | |
| "step": 7170 | |
| }, | |
| { | |
| "epoch": 71.8, | |
| "grad_norm": 4.475321292877197, | |
| "learning_rate": 0.0009400000000000001, | |
| "loss": 1.7623, | |
| "step": 7180 | |
| }, | |
| { | |
| "epoch": 71.9, | |
| "grad_norm": 9.990358352661133, | |
| "learning_rate": 0.0009366666666666667, | |
| "loss": 1.8783, | |
| "step": 7190 | |
| }, | |
| { | |
| "epoch": 72.0, | |
| "grad_norm": 2.7688100337982178, | |
| "learning_rate": 0.0009333333333333333, | |
| "loss": 2.087, | |
| "step": 7200 | |
| }, | |
| { | |
| "epoch": 72.0, | |
| "eval_accuracy": 0.11, | |
| "eval_loss": 13.724778175354004, | |
| "eval_runtime": 1.1925, | |
| "eval_samples_per_second": 83.856, | |
| "eval_steps_per_second": 83.856, | |
| "step": 7200 | |
| }, | |
| { | |
| "epoch": 72.1, | |
| "grad_norm": 6.561435222625732, | |
| "learning_rate": 0.00093, | |
| "loss": 1.7217, | |
| "step": 7210 | |
| }, | |
| { | |
| "epoch": 72.2, | |
| "grad_norm": 8.489799499511719, | |
| "learning_rate": 0.0009266666666666667, | |
| "loss": 1.7632, | |
| "step": 7220 | |
| }, | |
| { | |
| "epoch": 72.3, | |
| "grad_norm": 3.9238219261169434, | |
| "learning_rate": 0.0009233333333333333, | |
| "loss": 1.5581, | |
| "step": 7230 | |
| }, | |
| { | |
| "epoch": 72.4, | |
| "grad_norm": 9.072147369384766, | |
| "learning_rate": 0.0009199999999999999, | |
| "loss": 1.7184, | |
| "step": 7240 | |
| }, | |
| { | |
| "epoch": 72.5, | |
| "grad_norm": 2.1611063480377197, | |
| "learning_rate": 0.0009166666666666668, | |
| "loss": 1.6369, | |
| "step": 7250 | |
| }, | |
| { | |
| "epoch": 72.6, | |
| "grad_norm": 3.966249465942383, | |
| "learning_rate": 0.0009133333333333334, | |
| "loss": 1.6756, | |
| "step": 7260 | |
| }, | |
| { | |
| "epoch": 72.7, | |
| "grad_norm": 3.660193681716919, | |
| "learning_rate": 0.00091, | |
| "loss": 1.9866, | |
| "step": 7270 | |
| }, | |
| { | |
| "epoch": 72.8, | |
| "grad_norm": 4.286670207977295, | |
| "learning_rate": 0.0009066666666666667, | |
| "loss": 1.5526, | |
| "step": 7280 | |
| }, | |
| { | |
| "epoch": 72.9, | |
| "grad_norm": 1.2461152076721191, | |
| "learning_rate": 0.0009033333333333334, | |
| "loss": 1.7805, | |
| "step": 7290 | |
| }, | |
| { | |
| "epoch": 73.0, | |
| "grad_norm": 8.252983093261719, | |
| "learning_rate": 0.0009, | |
| "loss": 1.6402, | |
| "step": 7300 | |
| }, | |
| { | |
| "epoch": 73.0, | |
| "eval_accuracy": 0.12, | |
| "eval_loss": 5.488311290740967, | |
| "eval_runtime": 1.0685, | |
| "eval_samples_per_second": 93.589, | |
| "eval_steps_per_second": 93.589, | |
| "step": 7300 | |
| }, | |
| { | |
| "epoch": 73.1, | |
| "grad_norm": 3.1921186447143555, | |
| "learning_rate": 0.0008966666666666666, | |
| "loss": 1.9004, | |
| "step": 7310 | |
| }, | |
| { | |
| "epoch": 73.2, | |
| "grad_norm": 2.0873894691467285, | |
| "learning_rate": 0.0008933333333333333, | |
| "loss": 1.6618, | |
| "step": 7320 | |
| }, | |
| { | |
| "epoch": 73.3, | |
| "grad_norm": 6.314571857452393, | |
| "learning_rate": 0.0008900000000000001, | |
| "loss": 1.5235, | |
| "step": 7330 | |
| }, | |
| { | |
| "epoch": 73.4, | |
| "grad_norm": 1.6767210960388184, | |
| "learning_rate": 0.0008866666666666667, | |
| "loss": 1.598, | |
| "step": 7340 | |
| }, | |
| { | |
| "epoch": 73.5, | |
| "grad_norm": 4.818593978881836, | |
| "learning_rate": 0.0008833333333333334, | |
| "loss": 1.9167, | |
| "step": 7350 | |
| }, | |
| { | |
| "epoch": 73.6, | |
| "grad_norm": 8.4752197265625, | |
| "learning_rate": 0.00088, | |
| "loss": 1.9592, | |
| "step": 7360 | |
| }, | |
| { | |
| "epoch": 73.7, | |
| "grad_norm": 3.359546422958374, | |
| "learning_rate": 0.0008766666666666667, | |
| "loss": 1.8852, | |
| "step": 7370 | |
| }, | |
| { | |
| "epoch": 73.8, | |
| "grad_norm": 4.165343284606934, | |
| "learning_rate": 0.0008733333333333333, | |
| "loss": 1.6093, | |
| "step": 7380 | |
| }, | |
| { | |
| "epoch": 73.9, | |
| "grad_norm": 3.540891647338867, | |
| "learning_rate": 0.00087, | |
| "loss": 1.6096, | |
| "step": 7390 | |
| }, | |
| { | |
| "epoch": 74.0, | |
| "grad_norm": 6.227334976196289, | |
| "learning_rate": 0.0008666666666666666, | |
| "loss": 1.8016, | |
| "step": 7400 | |
| }, | |
| { | |
| "epoch": 74.0, | |
| "eval_accuracy": 0.13, | |
| "eval_loss": 7.835125923156738, | |
| "eval_runtime": 1.172, | |
| "eval_samples_per_second": 85.321, | |
| "eval_steps_per_second": 85.321, | |
| "step": 7400 | |
| }, | |
| { | |
| "epoch": 74.1, | |
| "grad_norm": 5.684929370880127, | |
| "learning_rate": 0.0008633333333333335, | |
| "loss": 1.6236, | |
| "step": 7410 | |
| }, | |
| { | |
| "epoch": 74.2, | |
| "grad_norm": 2.3352484703063965, | |
| "learning_rate": 0.0008600000000000001, | |
| "loss": 1.6767, | |
| "step": 7420 | |
| }, | |
| { | |
| "epoch": 74.3, | |
| "grad_norm": 17.188486099243164, | |
| "learning_rate": 0.0008566666666666667, | |
| "loss": 1.5898, | |
| "step": 7430 | |
| }, | |
| { | |
| "epoch": 74.4, | |
| "grad_norm": 8.325809478759766, | |
| "learning_rate": 0.0008533333333333333, | |
| "loss": 1.5762, | |
| "step": 7440 | |
| }, | |
| { | |
| "epoch": 74.5, | |
| "grad_norm": 3.8976364135742188, | |
| "learning_rate": 0.00085, | |
| "loss": 1.8546, | |
| "step": 7450 | |
| }, | |
| { | |
| "epoch": 74.6, | |
| "grad_norm": 4.122636795043945, | |
| "learning_rate": 0.0008466666666666667, | |
| "loss": 1.6826, | |
| "step": 7460 | |
| }, | |
| { | |
| "epoch": 74.7, | |
| "grad_norm": 3.0798962116241455, | |
| "learning_rate": 0.0008433333333333333, | |
| "loss": 1.8085, | |
| "step": 7470 | |
| }, | |
| { | |
| "epoch": 74.8, | |
| "grad_norm": 8.855138778686523, | |
| "learning_rate": 0.0008400000000000001, | |
| "loss": 1.8007, | |
| "step": 7480 | |
| }, | |
| { | |
| "epoch": 74.9, | |
| "grad_norm": 2.781036376953125, | |
| "learning_rate": 0.0008366666666666668, | |
| "loss": 1.6743, | |
| "step": 7490 | |
| }, | |
| { | |
| "epoch": 75.0, | |
| "grad_norm": 5.651669025421143, | |
| "learning_rate": 0.0008333333333333334, | |
| "loss": 1.4308, | |
| "step": 7500 | |
| }, | |
| { | |
| "epoch": 75.0, | |
| "eval_accuracy": 0.13, | |
| "eval_loss": 4.696621417999268, | |
| "eval_runtime": 1.1086, | |
| "eval_samples_per_second": 90.203, | |
| "eval_steps_per_second": 90.203, | |
| "step": 7500 | |
| }, | |
| { | |
| "epoch": 75.1, | |
| "grad_norm": 2.3721401691436768, | |
| "learning_rate": 0.00083, | |
| "loss": 1.6892, | |
| "step": 7510 | |
| }, | |
| { | |
| "epoch": 75.2, | |
| "grad_norm": 3.7006096839904785, | |
| "learning_rate": 0.0008266666666666666, | |
| "loss": 1.763, | |
| "step": 7520 | |
| }, | |
| { | |
| "epoch": 75.3, | |
| "grad_norm": 2.3603055477142334, | |
| "learning_rate": 0.0008233333333333334, | |
| "loss": 1.8769, | |
| "step": 7530 | |
| }, | |
| { | |
| "epoch": 75.4, | |
| "grad_norm": 1.8393298387527466, | |
| "learning_rate": 0.00082, | |
| "loss": 1.5171, | |
| "step": 7540 | |
| }, | |
| { | |
| "epoch": 75.5, | |
| "grad_norm": 5.134054660797119, | |
| "learning_rate": 0.0008166666666666666, | |
| "loss": 1.7904, | |
| "step": 7550 | |
| }, | |
| { | |
| "epoch": 75.6, | |
| "grad_norm": 3.733891725540161, | |
| "learning_rate": 0.0008133333333333334, | |
| "loss": 1.4944, | |
| "step": 7560 | |
| }, | |
| { | |
| "epoch": 75.7, | |
| "grad_norm": 3.304157257080078, | |
| "learning_rate": 0.0008100000000000001, | |
| "loss": 1.546, | |
| "step": 7570 | |
| }, | |
| { | |
| "epoch": 75.8, | |
| "grad_norm": 3.1113600730895996, | |
| "learning_rate": 0.0008066666666666667, | |
| "loss": 1.9507, | |
| "step": 7580 | |
| }, | |
| { | |
| "epoch": 75.9, | |
| "grad_norm": 4.361494064331055, | |
| "learning_rate": 0.0008033333333333333, | |
| "loss": 1.5302, | |
| "step": 7590 | |
| }, | |
| { | |
| "epoch": 76.0, | |
| "grad_norm": 8.0205717086792, | |
| "learning_rate": 0.0008, | |
| "loss": 1.6833, | |
| "step": 7600 | |
| }, | |
| { | |
| "epoch": 76.0, | |
| "eval_accuracy": 0.12, | |
| "eval_loss": 5.913761615753174, | |
| "eval_runtime": 1.1926, | |
| "eval_samples_per_second": 83.853, | |
| "eval_steps_per_second": 83.853, | |
| "step": 7600 | |
| }, | |
| { | |
| "epoch": 76.1, | |
| "grad_norm": 9.288579940795898, | |
| "learning_rate": 0.0007966666666666667, | |
| "loss": 1.6459, | |
| "step": 7610 | |
| }, | |
| { | |
| "epoch": 76.2, | |
| "grad_norm": 4.346872806549072, | |
| "learning_rate": 0.0007933333333333333, | |
| "loss": 1.7913, | |
| "step": 7620 | |
| }, | |
| { | |
| "epoch": 76.3, | |
| "grad_norm": 1.9732215404510498, | |
| "learning_rate": 0.0007899999999999999, | |
| "loss": 1.9217, | |
| "step": 7630 | |
| }, | |
| { | |
| "epoch": 76.4, | |
| "grad_norm": 2.936906337738037, | |
| "learning_rate": 0.0007866666666666667, | |
| "loss": 1.3812, | |
| "step": 7640 | |
| }, | |
| { | |
| "epoch": 76.5, | |
| "grad_norm": 1.9223854541778564, | |
| "learning_rate": 0.0007833333333333334, | |
| "loss": 1.7483, | |
| "step": 7650 | |
| }, | |
| { | |
| "epoch": 76.6, | |
| "grad_norm": 4.29766321182251, | |
| "learning_rate": 0.0007800000000000001, | |
| "loss": 1.5003, | |
| "step": 7660 | |
| }, | |
| { | |
| "epoch": 76.7, | |
| "grad_norm": 4.861231803894043, | |
| "learning_rate": 0.0007766666666666667, | |
| "loss": 1.824, | |
| "step": 7670 | |
| }, | |
| { | |
| "epoch": 76.8, | |
| "grad_norm": 6.965978145599365, | |
| "learning_rate": 0.0007733333333333333, | |
| "loss": 1.8528, | |
| "step": 7680 | |
| }, | |
| { | |
| "epoch": 76.9, | |
| "grad_norm": 6.294130802154541, | |
| "learning_rate": 0.00077, | |
| "loss": 1.7658, | |
| "step": 7690 | |
| }, | |
| { | |
| "epoch": 77.0, | |
| "grad_norm": 2.3056602478027344, | |
| "learning_rate": 0.0007666666666666666, | |
| "loss": 1.5684, | |
| "step": 7700 | |
| }, | |
| { | |
| "epoch": 77.0, | |
| "eval_accuracy": 0.15, | |
| "eval_loss": 11.986406326293945, | |
| "eval_runtime": 1.0745, | |
| "eval_samples_per_second": 93.062, | |
| "eval_steps_per_second": 93.062, | |
| "step": 7700 | |
| }, | |
| { | |
| "epoch": 77.1, | |
| "grad_norm": 3.318281888961792, | |
| "learning_rate": 0.0007633333333333333, | |
| "loss": 1.6998, | |
| "step": 7710 | |
| }, | |
| { | |
| "epoch": 77.2, | |
| "grad_norm": 6.8521647453308105, | |
| "learning_rate": 0.00076, | |
| "loss": 1.7175, | |
| "step": 7720 | |
| }, | |
| { | |
| "epoch": 77.3, | |
| "grad_norm": 2.6658935546875, | |
| "learning_rate": 0.0007566666666666668, | |
| "loss": 1.6277, | |
| "step": 7730 | |
| }, | |
| { | |
| "epoch": 77.4, | |
| "grad_norm": 1.4888370037078857, | |
| "learning_rate": 0.0007533333333333334, | |
| "loss": 1.6303, | |
| "step": 7740 | |
| }, | |
| { | |
| "epoch": 77.5, | |
| "grad_norm": 2.4818308353424072, | |
| "learning_rate": 0.00075, | |
| "loss": 1.619, | |
| "step": 7750 | |
| }, | |
| { | |
| "epoch": 77.6, | |
| "grad_norm": 4.3172712326049805, | |
| "learning_rate": 0.0007466666666666666, | |
| "loss": 1.8077, | |
| "step": 7760 | |
| }, | |
| { | |
| "epoch": 77.7, | |
| "grad_norm": 4.909962177276611, | |
| "learning_rate": 0.0007433333333333334, | |
| "loss": 1.531, | |
| "step": 7770 | |
| }, | |
| { | |
| "epoch": 77.8, | |
| "grad_norm": 3.2081310749053955, | |
| "learning_rate": 0.00074, | |
| "loss": 1.7721, | |
| "step": 7780 | |
| }, | |
| { | |
| "epoch": 77.9, | |
| "grad_norm": 10.378396987915039, | |
| "learning_rate": 0.0007366666666666667, | |
| "loss": 1.5235, | |
| "step": 7790 | |
| }, | |
| { | |
| "epoch": 78.0, | |
| "grad_norm": 14.657236099243164, | |
| "learning_rate": 0.0007333333333333333, | |
| "loss": 1.6765, | |
| "step": 7800 | |
| }, | |
| { | |
| "epoch": 78.0, | |
| "eval_accuracy": 0.1, | |
| "eval_loss": 12.214624404907227, | |
| "eval_runtime": 1.0561, | |
| "eval_samples_per_second": 94.692, | |
| "eval_steps_per_second": 94.692, | |
| "step": 7800 | |
| }, | |
| { | |
| "epoch": 78.1, | |
| "grad_norm": 6.5051069259643555, | |
| "learning_rate": 0.0007300000000000001, | |
| "loss": 1.9207, | |
| "step": 7810 | |
| }, | |
| { | |
| "epoch": 78.2, | |
| "grad_norm": 4.690114498138428, | |
| "learning_rate": 0.0007266666666666667, | |
| "loss": 1.6504, | |
| "step": 7820 | |
| }, | |
| { | |
| "epoch": 78.3, | |
| "grad_norm": 4.175870895385742, | |
| "learning_rate": 0.0007233333333333333, | |
| "loss": 1.745, | |
| "step": 7830 | |
| }, | |
| { | |
| "epoch": 78.4, | |
| "grad_norm": 2.697542190551758, | |
| "learning_rate": 0.0007199999999999999, | |
| "loss": 1.8095, | |
| "step": 7840 | |
| }, | |
| { | |
| "epoch": 78.5, | |
| "grad_norm": 11.4371337890625, | |
| "learning_rate": 0.0007166666666666667, | |
| "loss": 1.638, | |
| "step": 7850 | |
| }, | |
| { | |
| "epoch": 78.6, | |
| "grad_norm": 5.61688232421875, | |
| "learning_rate": 0.0007133333333333334, | |
| "loss": 1.7019, | |
| "step": 7860 | |
| }, | |
| { | |
| "epoch": 78.7, | |
| "grad_norm": 1.9839328527450562, | |
| "learning_rate": 0.00071, | |
| "loss": 1.3729, | |
| "step": 7870 | |
| }, | |
| { | |
| "epoch": 78.8, | |
| "grad_norm": 7.748627662658691, | |
| "learning_rate": 0.0007066666666666666, | |
| "loss": 1.6178, | |
| "step": 7880 | |
| }, | |
| { | |
| "epoch": 78.9, | |
| "grad_norm": 3.0208866596221924, | |
| "learning_rate": 0.0007033333333333334, | |
| "loss": 1.8001, | |
| "step": 7890 | |
| }, | |
| { | |
| "epoch": 79.0, | |
| "grad_norm": 6.324533462524414, | |
| "learning_rate": 0.0007, | |
| "loss": 1.7482, | |
| "step": 7900 | |
| }, | |
| { | |
| "epoch": 79.0, | |
| "eval_accuracy": 0.12, | |
| "eval_loss": 4.604106903076172, | |
| "eval_runtime": 1.0654, | |
| "eval_samples_per_second": 93.863, | |
| "eval_steps_per_second": 93.863, | |
| "step": 7900 | |
| }, | |
| { | |
| "epoch": 79.1, | |
| "grad_norm": 5.001572132110596, | |
| "learning_rate": 0.0006966666666666667, | |
| "loss": 1.811, | |
| "step": 7910 | |
| }, | |
| { | |
| "epoch": 79.2, | |
| "grad_norm": 5.4045586585998535, | |
| "learning_rate": 0.0006933333333333333, | |
| "loss": 1.6131, | |
| "step": 7920 | |
| }, | |
| { | |
| "epoch": 79.3, | |
| "grad_norm": 9.522829055786133, | |
| "learning_rate": 0.0006900000000000001, | |
| "loss": 1.5696, | |
| "step": 7930 | |
| }, | |
| { | |
| "epoch": 79.4, | |
| "grad_norm": 3.1126577854156494, | |
| "learning_rate": 0.0006866666666666667, | |
| "loss": 1.6667, | |
| "step": 7940 | |
| }, | |
| { | |
| "epoch": 79.5, | |
| "grad_norm": 9.194778442382812, | |
| "learning_rate": 0.0006833333333333333, | |
| "loss": 1.7464, | |
| "step": 7950 | |
| }, | |
| { | |
| "epoch": 79.6, | |
| "grad_norm": 6.9873528480529785, | |
| "learning_rate": 0.0006799999999999999, | |
| "loss": 1.6279, | |
| "step": 7960 | |
| }, | |
| { | |
| "epoch": 79.7, | |
| "grad_norm": 2.421323537826538, | |
| "learning_rate": 0.0006766666666666667, | |
| "loss": 1.6863, | |
| "step": 7970 | |
| }, | |
| { | |
| "epoch": 79.8, | |
| "grad_norm": 2.4559075832366943, | |
| "learning_rate": 0.0006733333333333334, | |
| "loss": 1.6846, | |
| "step": 7980 | |
| }, | |
| { | |
| "epoch": 79.9, | |
| "grad_norm": 5.497502326965332, | |
| "learning_rate": 0.00067, | |
| "loss": 1.6157, | |
| "step": 7990 | |
| }, | |
| { | |
| "epoch": 80.0, | |
| "grad_norm": 5.991186141967773, | |
| "learning_rate": 0.0006666666666666666, | |
| "loss": 1.7836, | |
| "step": 8000 | |
| }, | |
| { | |
| "epoch": 80.0, | |
| "eval_accuracy": 0.13, | |
| "eval_loss": 9.721675872802734, | |
| "eval_runtime": 1.1785, | |
| "eval_samples_per_second": 84.854, | |
| "eval_steps_per_second": 84.854, | |
| "step": 8000 | |
| }, | |
| { | |
| "epoch": 80.1, | |
| "grad_norm": 3.4409921169281006, | |
| "learning_rate": 0.0006633333333333334, | |
| "loss": 1.7159, | |
| "step": 8010 | |
| }, | |
| { | |
| "epoch": 80.2, | |
| "grad_norm": 2.0698366165161133, | |
| "learning_rate": 0.00066, | |
| "loss": 1.6031, | |
| "step": 8020 | |
| }, | |
| { | |
| "epoch": 80.3, | |
| "grad_norm": 3.158905029296875, | |
| "learning_rate": 0.0006566666666666666, | |
| "loss": 1.8234, | |
| "step": 8030 | |
| }, | |
| { | |
| "epoch": 80.4, | |
| "grad_norm": 7.036154747009277, | |
| "learning_rate": 0.0006533333333333333, | |
| "loss": 1.5912, | |
| "step": 8040 | |
| }, | |
| { | |
| "epoch": 80.5, | |
| "grad_norm": 2.4452085494995117, | |
| "learning_rate": 0.0006500000000000001, | |
| "loss": 1.6557, | |
| "step": 8050 | |
| }, | |
| { | |
| "epoch": 80.6, | |
| "grad_norm": 12.575709342956543, | |
| "learning_rate": 0.0006466666666666667, | |
| "loss": 1.7963, | |
| "step": 8060 | |
| }, | |
| { | |
| "epoch": 80.7, | |
| "grad_norm": 2.6192171573638916, | |
| "learning_rate": 0.0006433333333333333, | |
| "loss": 1.7268, | |
| "step": 8070 | |
| }, | |
| { | |
| "epoch": 80.8, | |
| "grad_norm": 3.45434308052063, | |
| "learning_rate": 0.00064, | |
| "loss": 1.4155, | |
| "step": 8080 | |
| }, | |
| { | |
| "epoch": 80.9, | |
| "grad_norm": 8.185892105102539, | |
| "learning_rate": 0.0006366666666666667, | |
| "loss": 1.7059, | |
| "step": 8090 | |
| }, | |
| { | |
| "epoch": 81.0, | |
| "grad_norm": 5.6343183517456055, | |
| "learning_rate": 0.0006333333333333333, | |
| "loss": 1.5195, | |
| "step": 8100 | |
| }, | |
| { | |
| "epoch": 81.0, | |
| "eval_accuracy": 0.12, | |
| "eval_loss": 7.513216972351074, | |
| "eval_runtime": 1.0678, | |
| "eval_samples_per_second": 93.647, | |
| "eval_steps_per_second": 93.647, | |
| "step": 8100 | |
| }, | |
| { | |
| "epoch": 81.1, | |
| "grad_norm": 2.8379461765289307, | |
| "learning_rate": 0.00063, | |
| "loss": 1.6882, | |
| "step": 8110 | |
| }, | |
| { | |
| "epoch": 81.2, | |
| "grad_norm": 7.534255027770996, | |
| "learning_rate": 0.0006266666666666668, | |
| "loss": 1.6796, | |
| "step": 8120 | |
| }, | |
| { | |
| "epoch": 81.3, | |
| "grad_norm": 1.6739089488983154, | |
| "learning_rate": 0.0006233333333333334, | |
| "loss": 1.5956, | |
| "step": 8130 | |
| }, | |
| { | |
| "epoch": 81.4, | |
| "grad_norm": 2.9751076698303223, | |
| "learning_rate": 0.00062, | |
| "loss": 1.6019, | |
| "step": 8140 | |
| }, | |
| { | |
| "epoch": 81.5, | |
| "grad_norm": 4.309534549713135, | |
| "learning_rate": 0.0006166666666666666, | |
| "loss": 1.7701, | |
| "step": 8150 | |
| }, | |
| { | |
| "epoch": 81.6, | |
| "grad_norm": 4.213230133056641, | |
| "learning_rate": 0.0006133333333333334, | |
| "loss": 1.7361, | |
| "step": 8160 | |
| }, | |
| { | |
| "epoch": 81.7, | |
| "grad_norm": 1.757969856262207, | |
| "learning_rate": 0.00061, | |
| "loss": 1.8667, | |
| "step": 8170 | |
| }, | |
| { | |
| "epoch": 81.8, | |
| "grad_norm": 4.254034996032715, | |
| "learning_rate": 0.0006066666666666667, | |
| "loss": 1.4598, | |
| "step": 8180 | |
| }, | |
| { | |
| "epoch": 81.9, | |
| "grad_norm": 2.253918170928955, | |
| "learning_rate": 0.0006033333333333333, | |
| "loss": 1.5002, | |
| "step": 8190 | |
| }, | |
| { | |
| "epoch": 82.0, | |
| "grad_norm": 3.143101453781128, | |
| "learning_rate": 0.0006000000000000001, | |
| "loss": 1.4384, | |
| "step": 8200 | |
| }, | |
| { | |
| "epoch": 82.0, | |
| "eval_accuracy": 0.13, | |
| "eval_loss": 6.6091179847717285, | |
| "eval_runtime": 1.0621, | |
| "eval_samples_per_second": 94.153, | |
| "eval_steps_per_second": 94.153, | |
| "step": 8200 | |
| }, | |
| { | |
| "epoch": 82.1, | |
| "grad_norm": 6.236468315124512, | |
| "learning_rate": 0.0005966666666666667, | |
| "loss": 1.701, | |
| "step": 8210 | |
| }, | |
| { | |
| "epoch": 82.2, | |
| "grad_norm": 2.7502994537353516, | |
| "learning_rate": 0.0005933333333333333, | |
| "loss": 1.6615, | |
| "step": 8220 | |
| }, | |
| { | |
| "epoch": 82.3, | |
| "grad_norm": 4.324734210968018, | |
| "learning_rate": 0.00059, | |
| "loss": 1.7192, | |
| "step": 8230 | |
| }, | |
| { | |
| "epoch": 82.4, | |
| "grad_norm": 5.0085320472717285, | |
| "learning_rate": 0.0005866666666666668, | |
| "loss": 1.8115, | |
| "step": 8240 | |
| }, | |
| { | |
| "epoch": 82.5, | |
| "grad_norm": 3.843885660171509, | |
| "learning_rate": 0.0005833333333333334, | |
| "loss": 1.777, | |
| "step": 8250 | |
| }, | |
| { | |
| "epoch": 82.6, | |
| "grad_norm": 11.834420204162598, | |
| "learning_rate": 0.00058, | |
| "loss": 1.6285, | |
| "step": 8260 | |
| }, | |
| { | |
| "epoch": 82.7, | |
| "grad_norm": 4.1545257568359375, | |
| "learning_rate": 0.0005766666666666666, | |
| "loss": 1.4498, | |
| "step": 8270 | |
| }, | |
| { | |
| "epoch": 82.8, | |
| "grad_norm": 2.874239683151245, | |
| "learning_rate": 0.0005733333333333334, | |
| "loss": 1.9519, | |
| "step": 8280 | |
| }, | |
| { | |
| "epoch": 82.9, | |
| "grad_norm": 2.4866464138031006, | |
| "learning_rate": 0.00057, | |
| "loss": 1.6679, | |
| "step": 8290 | |
| }, | |
| { | |
| "epoch": 83.0, | |
| "grad_norm": 11.783166885375977, | |
| "learning_rate": 0.0005666666666666667, | |
| "loss": 1.5538, | |
| "step": 8300 | |
| }, | |
| { | |
| "epoch": 83.0, | |
| "eval_accuracy": 0.13, | |
| "eval_loss": 7.0785722732543945, | |
| "eval_runtime": 1.0594, | |
| "eval_samples_per_second": 94.392, | |
| "eval_steps_per_second": 94.392, | |
| "step": 8300 | |
| }, | |
| { | |
| "epoch": 83.1, | |
| "grad_norm": 5.404430389404297, | |
| "learning_rate": 0.0005633333333333333, | |
| "loss": 1.5581, | |
| "step": 8310 | |
| }, | |
| { | |
| "epoch": 83.2, | |
| "grad_norm": 13.793869018554688, | |
| "learning_rate": 0.0005600000000000001, | |
| "loss": 1.7984, | |
| "step": 8320 | |
| }, | |
| { | |
| "epoch": 83.3, | |
| "grad_norm": 3.788058042526245, | |
| "learning_rate": 0.0005566666666666667, | |
| "loss": 1.7085, | |
| "step": 8330 | |
| }, | |
| { | |
| "epoch": 83.4, | |
| "grad_norm": 2.9603164196014404, | |
| "learning_rate": 0.0005533333333333333, | |
| "loss": 1.6841, | |
| "step": 8340 | |
| }, | |
| { | |
| "epoch": 83.5, | |
| "grad_norm": 3.9996180534362793, | |
| "learning_rate": 0.0005499999999999999, | |
| "loss": 1.6758, | |
| "step": 8350 | |
| }, | |
| { | |
| "epoch": 83.6, | |
| "grad_norm": 3.632449150085449, | |
| "learning_rate": 0.0005466666666666667, | |
| "loss": 1.5275, | |
| "step": 8360 | |
| }, | |
| { | |
| "epoch": 83.7, | |
| "grad_norm": 9.344165802001953, | |
| "learning_rate": 0.0005433333333333334, | |
| "loss": 1.848, | |
| "step": 8370 | |
| }, | |
| { | |
| "epoch": 83.8, | |
| "grad_norm": 6.6888933181762695, | |
| "learning_rate": 0.00054, | |
| "loss": 1.5813, | |
| "step": 8380 | |
| }, | |
| { | |
| "epoch": 83.9, | |
| "grad_norm": 4.866454124450684, | |
| "learning_rate": 0.0005366666666666666, | |
| "loss": 1.4282, | |
| "step": 8390 | |
| }, | |
| { | |
| "epoch": 84.0, | |
| "grad_norm": 5.3505659103393555, | |
| "learning_rate": 0.0005333333333333334, | |
| "loss": 1.5705, | |
| "step": 8400 | |
| }, | |
| { | |
| "epoch": 84.0, | |
| "eval_accuracy": 0.14, | |
| "eval_loss": 12.585135459899902, | |
| "eval_runtime": 1.0929, | |
| "eval_samples_per_second": 91.504, | |
| "eval_steps_per_second": 91.504, | |
| "step": 8400 | |
| }, | |
| { | |
| "epoch": 84.1, | |
| "grad_norm": 3.3361263275146484, | |
| "learning_rate": 0.00053, | |
| "loss": 1.6673, | |
| "step": 8410 | |
| }, | |
| { | |
| "epoch": 84.2, | |
| "grad_norm": 3.2002100944519043, | |
| "learning_rate": 0.0005266666666666666, | |
| "loss": 1.5196, | |
| "step": 8420 | |
| }, | |
| { | |
| "epoch": 84.3, | |
| "grad_norm": 4.537071228027344, | |
| "learning_rate": 0.0005233333333333333, | |
| "loss": 1.4038, | |
| "step": 8430 | |
| }, | |
| { | |
| "epoch": 84.4, | |
| "grad_norm": 4.313013076782227, | |
| "learning_rate": 0.0005200000000000001, | |
| "loss": 1.7172, | |
| "step": 8440 | |
| }, | |
| { | |
| "epoch": 84.5, | |
| "grad_norm": 16.408864974975586, | |
| "learning_rate": 0.0005166666666666667, | |
| "loss": 1.6465, | |
| "step": 8450 | |
| }, | |
| { | |
| "epoch": 84.6, | |
| "grad_norm": 3.185908317565918, | |
| "learning_rate": 0.0005133333333333333, | |
| "loss": 1.8762, | |
| "step": 8460 | |
| }, | |
| { | |
| "epoch": 84.7, | |
| "grad_norm": 12.016066551208496, | |
| "learning_rate": 0.00051, | |
| "loss": 1.547, | |
| "step": 8470 | |
| }, | |
| { | |
| "epoch": 84.8, | |
| "grad_norm": 3.833848237991333, | |
| "learning_rate": 0.0005066666666666667, | |
| "loss": 1.8839, | |
| "step": 8480 | |
| }, | |
| { | |
| "epoch": 84.9, | |
| "grad_norm": 6.557989597320557, | |
| "learning_rate": 0.0005033333333333334, | |
| "loss": 1.5552, | |
| "step": 8490 | |
| }, | |
| { | |
| "epoch": 85.0, | |
| "grad_norm": 9.092035293579102, | |
| "learning_rate": 0.0005, | |
| "loss": 1.7255, | |
| "step": 8500 | |
| }, | |
| { | |
| "epoch": 85.0, | |
| "eval_accuracy": 0.11, | |
| "eval_loss": 9.933082580566406, | |
| "eval_runtime": 1.0662, | |
| "eval_samples_per_second": 93.791, | |
| "eval_steps_per_second": 93.791, | |
| "step": 8500 | |
| }, | |
| { | |
| "epoch": 85.1, | |
| "grad_norm": 4.006185531616211, | |
| "learning_rate": 0.0004966666666666667, | |
| "loss": 1.5849, | |
| "step": 8510 | |
| }, | |
| { | |
| "epoch": 85.2, | |
| "grad_norm": 4.64818000793457, | |
| "learning_rate": 0.0004933333333333334, | |
| "loss": 1.5274, | |
| "step": 8520 | |
| }, | |
| { | |
| "epoch": 85.3, | |
| "grad_norm": 4.239321708679199, | |
| "learning_rate": 0.00049, | |
| "loss": 1.3585, | |
| "step": 8530 | |
| }, | |
| { | |
| "epoch": 85.4, | |
| "grad_norm": 3.4257285594940186, | |
| "learning_rate": 0.00048666666666666666, | |
| "loss": 1.6392, | |
| "step": 8540 | |
| }, | |
| { | |
| "epoch": 85.5, | |
| "grad_norm": 11.131654739379883, | |
| "learning_rate": 0.0004833333333333334, | |
| "loss": 2.0834, | |
| "step": 8550 | |
| }, | |
| { | |
| "epoch": 85.6, | |
| "grad_norm": 4.093764781951904, | |
| "learning_rate": 0.00048, | |
| "loss": 1.7804, | |
| "step": 8560 | |
| }, | |
| { | |
| "epoch": 85.7, | |
| "grad_norm": 7.1940765380859375, | |
| "learning_rate": 0.0004766666666666667, | |
| "loss": 1.8576, | |
| "step": 8570 | |
| }, | |
| { | |
| "epoch": 85.8, | |
| "grad_norm": 3.6592063903808594, | |
| "learning_rate": 0.0004733333333333333, | |
| "loss": 1.6122, | |
| "step": 8580 | |
| }, | |
| { | |
| "epoch": 85.9, | |
| "grad_norm": 8.182126998901367, | |
| "learning_rate": 0.00047000000000000004, | |
| "loss": 1.6283, | |
| "step": 8590 | |
| }, | |
| { | |
| "epoch": 86.0, | |
| "grad_norm": 4.966497898101807, | |
| "learning_rate": 0.00046666666666666666, | |
| "loss": 1.6063, | |
| "step": 8600 | |
| }, | |
| { | |
| "epoch": 86.0, | |
| "eval_accuracy": 0.14, | |
| "eval_loss": 11.363009452819824, | |
| "eval_runtime": 1.1002, | |
| "eval_samples_per_second": 90.889, | |
| "eval_steps_per_second": 90.889, | |
| "step": 8600 | |
| }, | |
| { | |
| "epoch": 86.1, | |
| "grad_norm": 2.8917222023010254, | |
| "learning_rate": 0.00046333333333333334, | |
| "loss": 1.5926, | |
| "step": 8610 | |
| }, | |
| { | |
| "epoch": 86.2, | |
| "grad_norm": 5.326013088226318, | |
| "learning_rate": 0.00045999999999999996, | |
| "loss": 1.7023, | |
| "step": 8620 | |
| }, | |
| { | |
| "epoch": 86.3, | |
| "grad_norm": 6.342537879943848, | |
| "learning_rate": 0.0004566666666666667, | |
| "loss": 1.7277, | |
| "step": 8630 | |
| }, | |
| { | |
| "epoch": 86.4, | |
| "grad_norm": 5.517503261566162, | |
| "learning_rate": 0.00045333333333333337, | |
| "loss": 1.5213, | |
| "step": 8640 | |
| }, | |
| { | |
| "epoch": 86.5, | |
| "grad_norm": 5.387936592102051, | |
| "learning_rate": 0.00045, | |
| "loss": 1.3763, | |
| "step": 8650 | |
| }, | |
| { | |
| "epoch": 86.6, | |
| "grad_norm": 6.751247406005859, | |
| "learning_rate": 0.00044666666666666666, | |
| "loss": 1.5613, | |
| "step": 8660 | |
| }, | |
| { | |
| "epoch": 86.7, | |
| "grad_norm": 3.263594627380371, | |
| "learning_rate": 0.00044333333333333334, | |
| "loss": 1.5917, | |
| "step": 8670 | |
| }, | |
| { | |
| "epoch": 86.8, | |
| "grad_norm": 4.501608371734619, | |
| "learning_rate": 0.00044, | |
| "loss": 1.7682, | |
| "step": 8680 | |
| }, | |
| { | |
| "epoch": 86.9, | |
| "grad_norm": 6.865741729736328, | |
| "learning_rate": 0.00043666666666666664, | |
| "loss": 1.6396, | |
| "step": 8690 | |
| }, | |
| { | |
| "epoch": 87.0, | |
| "grad_norm": 18.602689743041992, | |
| "learning_rate": 0.0004333333333333333, | |
| "loss": 1.5201, | |
| "step": 8700 | |
| }, | |
| { | |
| "epoch": 87.0, | |
| "eval_accuracy": 0.08, | |
| "eval_loss": 20.801061630249023, | |
| "eval_runtime": 1.0917, | |
| "eval_samples_per_second": 91.601, | |
| "eval_steps_per_second": 91.601, | |
| "step": 8700 | |
| }, | |
| { | |
| "epoch": 87.1, | |
| "grad_norm": 4.5361857414245605, | |
| "learning_rate": 0.00043000000000000004, | |
| "loss": 1.6544, | |
| "step": 8710 | |
| }, | |
| { | |
| "epoch": 87.2, | |
| "grad_norm": 9.736603736877441, | |
| "learning_rate": 0.00042666666666666667, | |
| "loss": 1.6858, | |
| "step": 8720 | |
| }, | |
| { | |
| "epoch": 87.3, | |
| "grad_norm": 4.952563762664795, | |
| "learning_rate": 0.00042333333333333334, | |
| "loss": 1.7577, | |
| "step": 8730 | |
| }, | |
| { | |
| "epoch": 87.4, | |
| "grad_norm": 4.5743608474731445, | |
| "learning_rate": 0.00042000000000000007, | |
| "loss": 1.5682, | |
| "step": 8740 | |
| }, | |
| { | |
| "epoch": 87.5, | |
| "grad_norm": 4.293666362762451, | |
| "learning_rate": 0.0004166666666666667, | |
| "loss": 1.5536, | |
| "step": 8750 | |
| }, | |
| { | |
| "epoch": 87.6, | |
| "grad_norm": 4.446376800537109, | |
| "learning_rate": 0.0004133333333333333, | |
| "loss": 1.5963, | |
| "step": 8760 | |
| }, | |
| { | |
| "epoch": 87.7, | |
| "grad_norm": 6.884150981903076, | |
| "learning_rate": 0.00041, | |
| "loss": 1.637, | |
| "step": 8770 | |
| }, | |
| { | |
| "epoch": 87.8, | |
| "grad_norm": 4.1387176513671875, | |
| "learning_rate": 0.0004066666666666667, | |
| "loss": 1.5257, | |
| "step": 8780 | |
| }, | |
| { | |
| "epoch": 87.9, | |
| "grad_norm": 4.752466678619385, | |
| "learning_rate": 0.00040333333333333334, | |
| "loss": 1.5627, | |
| "step": 8790 | |
| }, | |
| { | |
| "epoch": 88.0, | |
| "grad_norm": 4.676969051361084, | |
| "learning_rate": 0.0004, | |
| "loss": 1.3734, | |
| "step": 8800 | |
| }, | |
| { | |
| "epoch": 88.0, | |
| "eval_accuracy": 0.09, | |
| "eval_loss": 5.235384941101074, | |
| "eval_runtime": 1.0813, | |
| "eval_samples_per_second": 92.482, | |
| "eval_steps_per_second": 92.482, | |
| "step": 8800 | |
| }, | |
| { | |
| "epoch": 88.1, | |
| "grad_norm": 5.092541694641113, | |
| "learning_rate": 0.00039666666666666664, | |
| "loss": 1.8695, | |
| "step": 8810 | |
| }, | |
| { | |
| "epoch": 88.2, | |
| "grad_norm": 12.015568733215332, | |
| "learning_rate": 0.00039333333333333337, | |
| "loss": 1.8373, | |
| "step": 8820 | |
| }, | |
| { | |
| "epoch": 88.3, | |
| "grad_norm": 4.479465961456299, | |
| "learning_rate": 0.00039000000000000005, | |
| "loss": 1.6962, | |
| "step": 8830 | |
| }, | |
| { | |
| "epoch": 88.4, | |
| "grad_norm": 8.001754760742188, | |
| "learning_rate": 0.00038666666666666667, | |
| "loss": 1.6139, | |
| "step": 8840 | |
| }, | |
| { | |
| "epoch": 88.5, | |
| "grad_norm": 4.856076717376709, | |
| "learning_rate": 0.0003833333333333333, | |
| "loss": 1.3922, | |
| "step": 8850 | |
| }, | |
| { | |
| "epoch": 88.6, | |
| "grad_norm": 4.531224727630615, | |
| "learning_rate": 0.00038, | |
| "loss": 1.688, | |
| "step": 8860 | |
| }, | |
| { | |
| "epoch": 88.7, | |
| "grad_norm": 6.974000453948975, | |
| "learning_rate": 0.0003766666666666667, | |
| "loss": 1.8213, | |
| "step": 8870 | |
| }, | |
| { | |
| "epoch": 88.8, | |
| "grad_norm": 5.6940155029296875, | |
| "learning_rate": 0.0003733333333333333, | |
| "loss": 1.6231, | |
| "step": 8880 | |
| }, | |
| { | |
| "epoch": 88.9, | |
| "grad_norm": 6.221618175506592, | |
| "learning_rate": 0.00037, | |
| "loss": 1.4928, | |
| "step": 8890 | |
| }, | |
| { | |
| "epoch": 89.0, | |
| "grad_norm": 5.715379238128662, | |
| "learning_rate": 0.00036666666666666667, | |
| "loss": 1.5931, | |
| "step": 8900 | |
| }, | |
| { | |
| "epoch": 89.0, | |
| "eval_accuracy": 0.1, | |
| "eval_loss": 6.509023666381836, | |
| "eval_runtime": 1.1779, | |
| "eval_samples_per_second": 84.897, | |
| "eval_steps_per_second": 84.897, | |
| "step": 8900 | |
| }, | |
| { | |
| "epoch": 89.1, | |
| "grad_norm": 4.112030506134033, | |
| "learning_rate": 0.00036333333333333335, | |
| "loss": 1.4779, | |
| "step": 8910 | |
| }, | |
| { | |
| "epoch": 89.2, | |
| "grad_norm": 4.962814807891846, | |
| "learning_rate": 0.00035999999999999997, | |
| "loss": 1.4838, | |
| "step": 8920 | |
| }, | |
| { | |
| "epoch": 89.3, | |
| "grad_norm": 3.100139856338501, | |
| "learning_rate": 0.0003566666666666667, | |
| "loss": 1.4203, | |
| "step": 8930 | |
| }, | |
| { | |
| "epoch": 89.4, | |
| "grad_norm": 2.1554136276245117, | |
| "learning_rate": 0.0003533333333333333, | |
| "loss": 1.8653, | |
| "step": 8940 | |
| }, | |
| { | |
| "epoch": 89.5, | |
| "grad_norm": 4.6902360916137695, | |
| "learning_rate": 0.00035, | |
| "loss": 1.7854, | |
| "step": 8950 | |
| }, | |
| { | |
| "epoch": 89.6, | |
| "grad_norm": 7.109988689422607, | |
| "learning_rate": 0.00034666666666666667, | |
| "loss": 1.6059, | |
| "step": 8960 | |
| }, | |
| { | |
| "epoch": 89.7, | |
| "grad_norm": 5.055539608001709, | |
| "learning_rate": 0.00034333333333333335, | |
| "loss": 1.5368, | |
| "step": 8970 | |
| }, | |
| { | |
| "epoch": 89.8, | |
| "grad_norm": 3.6119301319122314, | |
| "learning_rate": 0.00033999999999999997, | |
| "loss": 1.6468, | |
| "step": 8980 | |
| }, | |
| { | |
| "epoch": 89.9, | |
| "grad_norm": 4.249040126800537, | |
| "learning_rate": 0.0003366666666666667, | |
| "loss": 1.6441, | |
| "step": 8990 | |
| }, | |
| { | |
| "epoch": 90.0, | |
| "grad_norm": 2.1352763175964355, | |
| "learning_rate": 0.0003333333333333333, | |
| "loss": 1.5562, | |
| "step": 9000 | |
| }, | |
| { | |
| "epoch": 90.0, | |
| "eval_accuracy": 0.1, | |
| "eval_loss": 11.834088325500488, | |
| "eval_runtime": 1.0907, | |
| "eval_samples_per_second": 91.685, | |
| "eval_steps_per_second": 91.685, | |
| "step": 9000 | |
| }, | |
| { | |
| "epoch": 90.1, | |
| "grad_norm": 6.328755855560303, | |
| "learning_rate": 0.00033, | |
| "loss": 1.3075, | |
| "step": 9010 | |
| }, | |
| { | |
| "epoch": 90.2, | |
| "grad_norm": 2.490816593170166, | |
| "learning_rate": 0.0003266666666666667, | |
| "loss": 1.5389, | |
| "step": 9020 | |
| }, | |
| { | |
| "epoch": 90.3, | |
| "grad_norm": 2.4213767051696777, | |
| "learning_rate": 0.00032333333333333335, | |
| "loss": 1.5494, | |
| "step": 9030 | |
| }, | |
| { | |
| "epoch": 90.4, | |
| "grad_norm": 6.218684673309326, | |
| "learning_rate": 0.00032, | |
| "loss": 1.714, | |
| "step": 9040 | |
| }, | |
| { | |
| "epoch": 90.5, | |
| "grad_norm": 8.454752922058105, | |
| "learning_rate": 0.00031666666666666665, | |
| "loss": 1.751, | |
| "step": 9050 | |
| }, | |
| { | |
| "epoch": 90.6, | |
| "grad_norm": 6.157979488372803, | |
| "learning_rate": 0.0003133333333333334, | |
| "loss": 1.6605, | |
| "step": 9060 | |
| }, | |
| { | |
| "epoch": 90.7, | |
| "grad_norm": 6.605826377868652, | |
| "learning_rate": 0.00031, | |
| "loss": 1.4179, | |
| "step": 9070 | |
| }, | |
| { | |
| "epoch": 90.8, | |
| "grad_norm": 3.808640480041504, | |
| "learning_rate": 0.0003066666666666667, | |
| "loss": 1.8103, | |
| "step": 9080 | |
| }, | |
| { | |
| "epoch": 90.9, | |
| "grad_norm": 2.5629327297210693, | |
| "learning_rate": 0.00030333333333333335, | |
| "loss": 1.8102, | |
| "step": 9090 | |
| }, | |
| { | |
| "epoch": 91.0, | |
| "grad_norm": 6.230813026428223, | |
| "learning_rate": 0.00030000000000000003, | |
| "loss": 1.576, | |
| "step": 9100 | |
| }, | |
| { | |
| "epoch": 91.0, | |
| "eval_accuracy": 0.11, | |
| "eval_loss": 6.952084541320801, | |
| "eval_runtime": 1.0557, | |
| "eval_samples_per_second": 94.722, | |
| "eval_steps_per_second": 94.722, | |
| "step": 9100 | |
| }, | |
| { | |
| "epoch": 91.1, | |
| "grad_norm": 6.030466079711914, | |
| "learning_rate": 0.00029666666666666665, | |
| "loss": 1.3356, | |
| "step": 9110 | |
| }, | |
| { | |
| "epoch": 91.2, | |
| "grad_norm": 11.793140411376953, | |
| "learning_rate": 0.0002933333333333334, | |
| "loss": 1.5781, | |
| "step": 9120 | |
| }, | |
| { | |
| "epoch": 91.3, | |
| "grad_norm": 3.717588186264038, | |
| "learning_rate": 0.00029, | |
| "loss": 1.6609, | |
| "step": 9130 | |
| }, | |
| { | |
| "epoch": 91.4, | |
| "grad_norm": 3.572495222091675, | |
| "learning_rate": 0.0002866666666666667, | |
| "loss": 1.4394, | |
| "step": 9140 | |
| }, | |
| { | |
| "epoch": 91.5, | |
| "grad_norm": 11.123634338378906, | |
| "learning_rate": 0.00028333333333333335, | |
| "loss": 1.7692, | |
| "step": 9150 | |
| }, | |
| { | |
| "epoch": 91.6, | |
| "grad_norm": 4.947868824005127, | |
| "learning_rate": 0.00028000000000000003, | |
| "loss": 1.9597, | |
| "step": 9160 | |
| }, | |
| { | |
| "epoch": 91.7, | |
| "grad_norm": 5.078018665313721, | |
| "learning_rate": 0.00027666666666666665, | |
| "loss": 1.7529, | |
| "step": 9170 | |
| }, | |
| { | |
| "epoch": 91.8, | |
| "grad_norm": 1.9481812715530396, | |
| "learning_rate": 0.00027333333333333333, | |
| "loss": 1.5537, | |
| "step": 9180 | |
| }, | |
| { | |
| "epoch": 91.9, | |
| "grad_norm": 4.905779838562012, | |
| "learning_rate": 0.00027, | |
| "loss": 1.6519, | |
| "step": 9190 | |
| }, | |
| { | |
| "epoch": 92.0, | |
| "grad_norm": 9.797691345214844, | |
| "learning_rate": 0.0002666666666666667, | |
| "loss": 1.542, | |
| "step": 9200 | |
| }, | |
| { | |
| "epoch": 92.0, | |
| "eval_accuracy": 0.11, | |
| "eval_loss": 5.4469685554504395, | |
| "eval_runtime": 1.0782, | |
| "eval_samples_per_second": 92.746, | |
| "eval_steps_per_second": 92.746, | |
| "step": 9200 | |
| }, | |
| { | |
| "epoch": 92.1, | |
| "grad_norm": 8.36400318145752, | |
| "learning_rate": 0.0002633333333333333, | |
| "loss": 1.3856, | |
| "step": 9210 | |
| }, | |
| { | |
| "epoch": 92.2, | |
| "grad_norm": 5.642277717590332, | |
| "learning_rate": 0.00026000000000000003, | |
| "loss": 1.4981, | |
| "step": 9220 | |
| }, | |
| { | |
| "epoch": 92.3, | |
| "grad_norm": 6.828677177429199, | |
| "learning_rate": 0.00025666666666666665, | |
| "loss": 1.6994, | |
| "step": 9230 | |
| }, | |
| { | |
| "epoch": 92.4, | |
| "grad_norm": 2.652298927307129, | |
| "learning_rate": 0.00025333333333333333, | |
| "loss": 1.4695, | |
| "step": 9240 | |
| }, | |
| { | |
| "epoch": 92.5, | |
| "grad_norm": 11.153400421142578, | |
| "learning_rate": 0.00025, | |
| "loss": 1.7156, | |
| "step": 9250 | |
| }, | |
| { | |
| "epoch": 92.6, | |
| "grad_norm": 9.4036865234375, | |
| "learning_rate": 0.0002466666666666667, | |
| "loss": 1.5793, | |
| "step": 9260 | |
| }, | |
| { | |
| "epoch": 92.7, | |
| "grad_norm": 4.6221089363098145, | |
| "learning_rate": 0.00024333333333333333, | |
| "loss": 1.5901, | |
| "step": 9270 | |
| }, | |
| { | |
| "epoch": 92.8, | |
| "grad_norm": 16.04757308959961, | |
| "learning_rate": 0.00024, | |
| "loss": 1.5083, | |
| "step": 9280 | |
| }, | |
| { | |
| "epoch": 92.9, | |
| "grad_norm": 3.3790411949157715, | |
| "learning_rate": 0.00023666666666666665, | |
| "loss": 1.6492, | |
| "step": 9290 | |
| }, | |
| { | |
| "epoch": 93.0, | |
| "grad_norm": 5.925487995147705, | |
| "learning_rate": 0.00023333333333333333, | |
| "loss": 1.4968, | |
| "step": 9300 | |
| }, | |
| { | |
| "epoch": 93.0, | |
| "eval_accuracy": 0.08, | |
| "eval_loss": 11.389555931091309, | |
| "eval_runtime": 1.0737, | |
| "eval_samples_per_second": 93.132, | |
| "eval_steps_per_second": 93.132, | |
| "step": 9300 | |
| }, | |
| { | |
| "epoch": 93.1, | |
| "grad_norm": 3.4330050945281982, | |
| "learning_rate": 0.00022999999999999998, | |
| "loss": 1.45, | |
| "step": 9310 | |
| }, | |
| { | |
| "epoch": 93.2, | |
| "grad_norm": 6.9820051193237305, | |
| "learning_rate": 0.00022666666666666668, | |
| "loss": 1.5511, | |
| "step": 9320 | |
| }, | |
| { | |
| "epoch": 93.3, | |
| "grad_norm": 3.9312143325805664, | |
| "learning_rate": 0.00022333333333333333, | |
| "loss": 1.6517, | |
| "step": 9330 | |
| }, | |
| { | |
| "epoch": 93.4, | |
| "grad_norm": 3.8252358436584473, | |
| "learning_rate": 0.00022, | |
| "loss": 1.5204, | |
| "step": 9340 | |
| }, | |
| { | |
| "epoch": 93.5, | |
| "grad_norm": 5.608623027801514, | |
| "learning_rate": 0.00021666666666666666, | |
| "loss": 1.6045, | |
| "step": 9350 | |
| }, | |
| { | |
| "epoch": 93.6, | |
| "grad_norm": 3.1002135276794434, | |
| "learning_rate": 0.00021333333333333333, | |
| "loss": 1.8633, | |
| "step": 9360 | |
| }, | |
| { | |
| "epoch": 93.7, | |
| "grad_norm": 7.6362080574035645, | |
| "learning_rate": 0.00021000000000000004, | |
| "loss": 1.8021, | |
| "step": 9370 | |
| }, | |
| { | |
| "epoch": 93.8, | |
| "grad_norm": 6.949824810028076, | |
| "learning_rate": 0.00020666666666666666, | |
| "loss": 1.5986, | |
| "step": 9380 | |
| }, | |
| { | |
| "epoch": 93.9, | |
| "grad_norm": 2.6082653999328613, | |
| "learning_rate": 0.00020333333333333336, | |
| "loss": 1.6573, | |
| "step": 9390 | |
| }, | |
| { | |
| "epoch": 94.0, | |
| "grad_norm": 1.7762422561645508, | |
| "learning_rate": 0.0002, | |
| "loss": 1.5031, | |
| "step": 9400 | |
| }, | |
| { | |
| "epoch": 94.0, | |
| "eval_accuracy": 0.09, | |
| "eval_loss": 11.971654891967773, | |
| "eval_runtime": 1.0995, | |
| "eval_samples_per_second": 90.954, | |
| "eval_steps_per_second": 90.954, | |
| "step": 9400 | |
| }, | |
| { | |
| "epoch": 94.1, | |
| "grad_norm": 5.909740447998047, | |
| "learning_rate": 0.00019666666666666669, | |
| "loss": 1.8356, | |
| "step": 9410 | |
| }, | |
| { | |
| "epoch": 94.2, | |
| "grad_norm": 5.829824447631836, | |
| "learning_rate": 0.00019333333333333333, | |
| "loss": 1.6169, | |
| "step": 9420 | |
| }, | |
| { | |
| "epoch": 94.3, | |
| "grad_norm": 5.292634963989258, | |
| "learning_rate": 0.00019, | |
| "loss": 1.5679, | |
| "step": 9430 | |
| }, | |
| { | |
| "epoch": 94.4, | |
| "grad_norm": 10.358529090881348, | |
| "learning_rate": 0.00018666666666666666, | |
| "loss": 1.7761, | |
| "step": 9440 | |
| }, | |
| { | |
| "epoch": 94.5, | |
| "grad_norm": 7.091001033782959, | |
| "learning_rate": 0.00018333333333333334, | |
| "loss": 1.3063, | |
| "step": 9450 | |
| }, | |
| { | |
| "epoch": 94.6, | |
| "grad_norm": 5.417427062988281, | |
| "learning_rate": 0.00017999999999999998, | |
| "loss": 1.5903, | |
| "step": 9460 | |
| }, | |
| { | |
| "epoch": 94.7, | |
| "grad_norm": 2.955625295639038, | |
| "learning_rate": 0.00017666666666666666, | |
| "loss": 1.34, | |
| "step": 9470 | |
| }, | |
| { | |
| "epoch": 94.8, | |
| "grad_norm": 12.496049880981445, | |
| "learning_rate": 0.00017333333333333334, | |
| "loss": 1.6369, | |
| "step": 9480 | |
| }, | |
| { | |
| "epoch": 94.9, | |
| "grad_norm": 5.346241474151611, | |
| "learning_rate": 0.00016999999999999999, | |
| "loss": 1.6256, | |
| "step": 9490 | |
| }, | |
| { | |
| "epoch": 95.0, | |
| "grad_norm": 3.4618892669677734, | |
| "learning_rate": 0.00016666666666666666, | |
| "loss": 1.797, | |
| "step": 9500 | |
| }, | |
| { | |
| "epoch": 95.0, | |
| "eval_accuracy": 0.15, | |
| "eval_loss": 5.659628391265869, | |
| "eval_runtime": 1.0964, | |
| "eval_samples_per_second": 91.21, | |
| "eval_steps_per_second": 91.21, | |
| "step": 9500 | |
| }, | |
| { | |
| "epoch": 95.1, | |
| "grad_norm": 9.091547012329102, | |
| "learning_rate": 0.00016333333333333334, | |
| "loss": 1.7098, | |
| "step": 9510 | |
| }, | |
| { | |
| "epoch": 95.2, | |
| "grad_norm": 4.004639625549316, | |
| "learning_rate": 0.00016, | |
| "loss": 1.7619, | |
| "step": 9520 | |
| }, | |
| { | |
| "epoch": 95.3, | |
| "grad_norm": 5.718022346496582, | |
| "learning_rate": 0.0001566666666666667, | |
| "loss": 1.6164, | |
| "step": 9530 | |
| }, | |
| { | |
| "epoch": 95.4, | |
| "grad_norm": 6.067481994628906, | |
| "learning_rate": 0.00015333333333333334, | |
| "loss": 1.4772, | |
| "step": 9540 | |
| }, | |
| { | |
| "epoch": 95.5, | |
| "grad_norm": 9.880731582641602, | |
| "learning_rate": 0.00015000000000000001, | |
| "loss": 1.727, | |
| "step": 9550 | |
| }, | |
| { | |
| "epoch": 95.6, | |
| "grad_norm": 3.9072794914245605, | |
| "learning_rate": 0.0001466666666666667, | |
| "loss": 1.6101, | |
| "step": 9560 | |
| }, | |
| { | |
| "epoch": 95.7, | |
| "grad_norm": 5.950568199157715, | |
| "learning_rate": 0.00014333333333333334, | |
| "loss": 1.6918, | |
| "step": 9570 | |
| }, | |
| { | |
| "epoch": 95.8, | |
| "grad_norm": 4.8070759773254395, | |
| "learning_rate": 0.00014000000000000001, | |
| "loss": 1.5439, | |
| "step": 9580 | |
| }, | |
| { | |
| "epoch": 95.9, | |
| "grad_norm": 2.928107500076294, | |
| "learning_rate": 0.00013666666666666666, | |
| "loss": 1.7419, | |
| "step": 9590 | |
| }, | |
| { | |
| "epoch": 96.0, | |
| "grad_norm": 2.5517635345458984, | |
| "learning_rate": 0.00013333333333333334, | |
| "loss": 1.5389, | |
| "step": 9600 | |
| }, | |
| { | |
| "epoch": 96.0, | |
| "eval_accuracy": 0.15, | |
| "eval_loss": 5.394742488861084, | |
| "eval_runtime": 1.2105, | |
| "eval_samples_per_second": 82.609, | |
| "eval_steps_per_second": 82.609, | |
| "step": 9600 | |
| }, | |
| { | |
| "epoch": 96.1, | |
| "grad_norm": 6.7149200439453125, | |
| "learning_rate": 0.00013000000000000002, | |
| "loss": 1.4619, | |
| "step": 9610 | |
| }, | |
| { | |
| "epoch": 96.2, | |
| "grad_norm": 4.244627952575684, | |
| "learning_rate": 0.00012666666666666666, | |
| "loss": 1.658, | |
| "step": 9620 | |
| }, | |
| { | |
| "epoch": 96.3, | |
| "grad_norm": 12.272513389587402, | |
| "learning_rate": 0.00012333333333333334, | |
| "loss": 1.4024, | |
| "step": 9630 | |
| }, | |
| { | |
| "epoch": 96.4, | |
| "grad_norm": 4.836441516876221, | |
| "learning_rate": 0.00012, | |
| "loss": 1.6373, | |
| "step": 9640 | |
| }, | |
| { | |
| "epoch": 96.5, | |
| "grad_norm": 10.306394577026367, | |
| "learning_rate": 0.00011666666666666667, | |
| "loss": 1.6761, | |
| "step": 9650 | |
| }, | |
| { | |
| "epoch": 96.6, | |
| "grad_norm": 15.065468788146973, | |
| "learning_rate": 0.00011333333333333334, | |
| "loss": 1.5668, | |
| "step": 9660 | |
| }, | |
| { | |
| "epoch": 96.7, | |
| "grad_norm": 9.095344543457031, | |
| "learning_rate": 0.00011, | |
| "loss": 1.6632, | |
| "step": 9670 | |
| }, | |
| { | |
| "epoch": 96.8, | |
| "grad_norm": 15.200200080871582, | |
| "learning_rate": 0.00010666666666666667, | |
| "loss": 1.751, | |
| "step": 9680 | |
| }, | |
| { | |
| "epoch": 96.9, | |
| "grad_norm": 5.573326587677002, | |
| "learning_rate": 0.00010333333333333333, | |
| "loss": 1.4333, | |
| "step": 9690 | |
| }, | |
| { | |
| "epoch": 97.0, | |
| "grad_norm": 8.93664836883545, | |
| "learning_rate": 0.0001, | |
| "loss": 1.6494, | |
| "step": 9700 | |
| }, | |
| { | |
| "epoch": 97.0, | |
| "eval_accuracy": 0.09, | |
| "eval_loss": 12.270679473876953, | |
| "eval_runtime": 1.1046, | |
| "eval_samples_per_second": 90.527, | |
| "eval_steps_per_second": 90.527, | |
| "step": 9700 | |
| }, | |
| { | |
| "epoch": 97.1, | |
| "grad_norm": 7.3307061195373535, | |
| "learning_rate": 9.666666666666667e-05, | |
| "loss": 1.6132, | |
| "step": 9710 | |
| }, | |
| { | |
| "epoch": 97.2, | |
| "grad_norm": 4.363010406494141, | |
| "learning_rate": 9.333333333333333e-05, | |
| "loss": 1.4765, | |
| "step": 9720 | |
| }, | |
| { | |
| "epoch": 97.3, | |
| "grad_norm": 6.389674186706543, | |
| "learning_rate": 8.999999999999999e-05, | |
| "loss": 1.5761, | |
| "step": 9730 | |
| }, | |
| { | |
| "epoch": 97.4, | |
| "grad_norm": 5.851135730743408, | |
| "learning_rate": 8.666666666666667e-05, | |
| "loss": 1.4239, | |
| "step": 9740 | |
| }, | |
| { | |
| "epoch": 97.5, | |
| "grad_norm": 3.2834291458129883, | |
| "learning_rate": 8.333333333333333e-05, | |
| "loss": 1.492, | |
| "step": 9750 | |
| }, | |
| { | |
| "epoch": 97.6, | |
| "grad_norm": 7.470133304595947, | |
| "learning_rate": 8e-05, | |
| "loss": 1.397, | |
| "step": 9760 | |
| }, | |
| { | |
| "epoch": 97.7, | |
| "grad_norm": 10.482823371887207, | |
| "learning_rate": 7.666666666666667e-05, | |
| "loss": 1.3747, | |
| "step": 9770 | |
| }, | |
| { | |
| "epoch": 97.8, | |
| "grad_norm": 5.69985818862915, | |
| "learning_rate": 7.333333333333334e-05, | |
| "loss": 1.6509, | |
| "step": 9780 | |
| }, | |
| { | |
| "epoch": 97.9, | |
| "grad_norm": 5.918487071990967, | |
| "learning_rate": 7.000000000000001e-05, | |
| "loss": 1.7359, | |
| "step": 9790 | |
| }, | |
| { | |
| "epoch": 98.0, | |
| "grad_norm": 5.521181583404541, | |
| "learning_rate": 6.666666666666667e-05, | |
| "loss": 1.73, | |
| "step": 9800 | |
| }, | |
| { | |
| "epoch": 98.0, | |
| "eval_accuracy": 0.09, | |
| "eval_loss": 7.748157978057861, | |
| "eval_runtime": 1.1743, | |
| "eval_samples_per_second": 85.156, | |
| "eval_steps_per_second": 85.156, | |
| "step": 9800 | |
| }, | |
| { | |
| "epoch": 98.1, | |
| "grad_norm": 1.7943670749664307, | |
| "learning_rate": 6.333333333333333e-05, | |
| "loss": 1.521, | |
| "step": 9810 | |
| }, | |
| { | |
| "epoch": 98.2, | |
| "grad_norm": 5.804259777069092, | |
| "learning_rate": 6e-05, | |
| "loss": 1.4225, | |
| "step": 9820 | |
| }, | |
| { | |
| "epoch": 98.3, | |
| "grad_norm": 4.800943374633789, | |
| "learning_rate": 5.666666666666667e-05, | |
| "loss": 1.6552, | |
| "step": 9830 | |
| }, | |
| { | |
| "epoch": 98.4, | |
| "grad_norm": 4.801553726196289, | |
| "learning_rate": 5.333333333333333e-05, | |
| "loss": 1.6209, | |
| "step": 9840 | |
| }, | |
| { | |
| "epoch": 98.5, | |
| "grad_norm": 6.166553974151611, | |
| "learning_rate": 5e-05, | |
| "loss": 1.6065, | |
| "step": 9850 | |
| }, | |
| { | |
| "epoch": 98.6, | |
| "grad_norm": 5.88163948059082, | |
| "learning_rate": 4.6666666666666665e-05, | |
| "loss": 1.4366, | |
| "step": 9860 | |
| }, | |
| { | |
| "epoch": 98.7, | |
| "grad_norm": 3.944805145263672, | |
| "learning_rate": 4.3333333333333334e-05, | |
| "loss": 1.7576, | |
| "step": 9870 | |
| }, | |
| { | |
| "epoch": 98.8, | |
| "grad_norm": 3.368363618850708, | |
| "learning_rate": 4e-05, | |
| "loss": 1.4783, | |
| "step": 9880 | |
| }, | |
| { | |
| "epoch": 98.9, | |
| "grad_norm": 14.498971939086914, | |
| "learning_rate": 3.666666666666667e-05, | |
| "loss": 1.5058, | |
| "step": 9890 | |
| }, | |
| { | |
| "epoch": 99.0, | |
| "grad_norm": 15.378142356872559, | |
| "learning_rate": 3.3333333333333335e-05, | |
| "loss": 1.6781, | |
| "step": 9900 | |
| }, | |
| { | |
| "epoch": 99.0, | |
| "eval_accuracy": 0.09, | |
| "eval_loss": 8.217840194702148, | |
| "eval_runtime": 1.0827, | |
| "eval_samples_per_second": 92.358, | |
| "eval_steps_per_second": 92.358, | |
| "step": 9900 | |
| }, | |
| { | |
| "epoch": 99.1, | |
| "grad_norm": 4.426601886749268, | |
| "learning_rate": 3e-05, | |
| "loss": 1.6958, | |
| "step": 9910 | |
| }, | |
| { | |
| "epoch": 99.2, | |
| "grad_norm": 4.605733394622803, | |
| "learning_rate": 2.6666666666666667e-05, | |
| "loss": 1.4533, | |
| "step": 9920 | |
| }, | |
| { | |
| "epoch": 99.3, | |
| "grad_norm": 13.782227516174316, | |
| "learning_rate": 2.3333333333333332e-05, | |
| "loss": 1.8946, | |
| "step": 9930 | |
| }, | |
| { | |
| "epoch": 99.4, | |
| "grad_norm": 4.161137580871582, | |
| "learning_rate": 2e-05, | |
| "loss": 1.6174, | |
| "step": 9940 | |
| }, | |
| { | |
| "epoch": 99.5, | |
| "grad_norm": 2.4664387702941895, | |
| "learning_rate": 1.6666666666666667e-05, | |
| "loss": 1.5238, | |
| "step": 9950 | |
| }, | |
| { | |
| "epoch": 99.6, | |
| "grad_norm": 2.55865216255188, | |
| "learning_rate": 1.3333333333333333e-05, | |
| "loss": 1.5149, | |
| "step": 9960 | |
| }, | |
| { | |
| "epoch": 99.7, | |
| "grad_norm": 6.92779016494751, | |
| "learning_rate": 1e-05, | |
| "loss": 1.6855, | |
| "step": 9970 | |
| }, | |
| { | |
| "epoch": 99.8, | |
| "grad_norm": 5.996972560882568, | |
| "learning_rate": 6.666666666666667e-06, | |
| "loss": 1.6467, | |
| "step": 9980 | |
| }, | |
| { | |
| "epoch": 99.9, | |
| "grad_norm": 4.8729729652404785, | |
| "learning_rate": 3.3333333333333333e-06, | |
| "loss": 1.4819, | |
| "step": 9990 | |
| }, | |
| { | |
| "epoch": 100.0, | |
| "grad_norm": 6.14045524597168, | |
| "learning_rate": 0.0, | |
| "loss": 1.6353, | |
| "step": 10000 | |
| }, | |
| { | |
| "epoch": 100.0, | |
| "eval_accuracy": 0.09, | |
| "eval_loss": 7.3961310386657715, | |
| "eval_runtime": 1.1462, | |
| "eval_samples_per_second": 87.242, | |
| "eval_steps_per_second": 87.242, | |
| "step": 10000 | |
| }, | |
| { | |
| "epoch": 100.0, | |
| "step": 10000, | |
| "total_flos": 5.698654912512e+16, | |
| "train_loss": 1.9340028741836548, | |
| "train_runtime": 4182.7218, | |
| "train_samples_per_second": 9.563, | |
| "train_steps_per_second": 2.391 | |
| } | |
| ], | |
| "logging_steps": 10, | |
| "max_steps": 10000, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 100, | |
| "save_steps": 500, | |
| "stateful_callbacks": { | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": true | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 5.698654912512e+16, | |
| "train_batch_size": 1, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |