| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 2.389333333333333, | |
| "eval_steps": 500, | |
| "global_step": 280, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.008533333333333334, | |
| "grad_norm": 100.21848203113535, | |
| "learning_rate": 0.0, | |
| "loss": 7.1962, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.017066666666666667, | |
| "grad_norm": 96.43006188910957, | |
| "learning_rate": 3.0102999566398115e-06, | |
| "loss": 6.9414, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.0256, | |
| "grad_norm": 97.35803466618715, | |
| "learning_rate": 4.771212547196624e-06, | |
| "loss": 7.0102, | |
| "step": 3 | |
| }, | |
| { | |
| "epoch": 0.034133333333333335, | |
| "grad_norm": 95.14837816372646, | |
| "learning_rate": 6.020599913279623e-06, | |
| "loss": 6.5295, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.042666666666666665, | |
| "grad_norm": 91.76544275692784, | |
| "learning_rate": 6.989700043360187e-06, | |
| "loss": 6.4806, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 0.0512, | |
| "grad_norm": 84.4494318688335, | |
| "learning_rate": 7.781512503836437e-06, | |
| "loss": 6.4194, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 0.05973333333333333, | |
| "grad_norm": 71.37977490595638, | |
| "learning_rate": 8.450980400142568e-06, | |
| "loss": 5.4953, | |
| "step": 7 | |
| }, | |
| { | |
| "epoch": 0.06826666666666667, | |
| "grad_norm": 49.31153456754566, | |
| "learning_rate": 9.030899869919434e-06, | |
| "loss": 5.4123, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 0.0768, | |
| "grad_norm": 20.37296364560341, | |
| "learning_rate": 9.542425094393249e-06, | |
| "loss": 5.2334, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 0.08533333333333333, | |
| "grad_norm": 7.968467079076881, | |
| "learning_rate": 9.999999999999999e-06, | |
| "loss": 5.0282, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.09386666666666667, | |
| "grad_norm": 3.559446532055649, | |
| "learning_rate": 1.041392685158225e-05, | |
| "loss": 4.612, | |
| "step": 11 | |
| }, | |
| { | |
| "epoch": 0.1024, | |
| "grad_norm": 3.5528846947995674, | |
| "learning_rate": 1.0791812460476248e-05, | |
| "loss": 4.9475, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 0.11093333333333333, | |
| "grad_norm": 3.541968897471334, | |
| "learning_rate": 1.1139433523068365e-05, | |
| "loss": 4.2777, | |
| "step": 13 | |
| }, | |
| { | |
| "epoch": 0.11946666666666667, | |
| "grad_norm": 3.54718070036198, | |
| "learning_rate": 1.1461280356782378e-05, | |
| "loss": 4.3507, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 0.128, | |
| "grad_norm": 3.8632334830606747, | |
| "learning_rate": 1.1760912590556813e-05, | |
| "loss": 4.5364, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 0.13653333333333334, | |
| "grad_norm": 3.6637424744054004, | |
| "learning_rate": 1.2041199826559246e-05, | |
| "loss": 3.9672, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 0.14506666666666668, | |
| "grad_norm": 3.919802904818311, | |
| "learning_rate": 1.230448921378274e-05, | |
| "loss": 4.0618, | |
| "step": 17 | |
| }, | |
| { | |
| "epoch": 0.1536, | |
| "grad_norm": 4.71904950738746, | |
| "learning_rate": 1.2552725051033058e-05, | |
| "loss": 4.6656, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 0.16213333333333332, | |
| "grad_norm": 4.6656317698690835, | |
| "learning_rate": 1.2787536009528288e-05, | |
| "loss": 4.1131, | |
| "step": 19 | |
| }, | |
| { | |
| "epoch": 0.17066666666666666, | |
| "grad_norm": 5.145138692367417, | |
| "learning_rate": 1.301029995663981e-05, | |
| "loss": 4.0989, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.1792, | |
| "grad_norm": 5.923538014759818, | |
| "learning_rate": 1.3222192947339192e-05, | |
| "loss": 4.4991, | |
| "step": 21 | |
| }, | |
| { | |
| "epoch": 0.18773333333333334, | |
| "grad_norm": 5.941056962941364, | |
| "learning_rate": 1.3424226808222062e-05, | |
| "loss": 4.0836, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 0.19626666666666667, | |
| "grad_norm": 6.171026012117947, | |
| "learning_rate": 1.3617278360175927e-05, | |
| "loss": 3.6861, | |
| "step": 23 | |
| }, | |
| { | |
| "epoch": 0.2048, | |
| "grad_norm": 7.130542138930838, | |
| "learning_rate": 1.380211241711606e-05, | |
| "loss": 4.0958, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 0.21333333333333335, | |
| "grad_norm": 7.328837606110418, | |
| "learning_rate": 1.3979400086720374e-05, | |
| "loss": 3.9524, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 0.22186666666666666, | |
| "grad_norm": 6.923489005711429, | |
| "learning_rate": 1.4149733479708178e-05, | |
| "loss": 3.6062, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 0.2304, | |
| "grad_norm": 6.409498926059221, | |
| "learning_rate": 1.4313637641589872e-05, | |
| "loss": 3.2034, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 0.23893333333333333, | |
| "grad_norm": 5.781628405584682, | |
| "learning_rate": 1.4471580313422191e-05, | |
| "loss": 2.8158, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 0.24746666666666667, | |
| "grad_norm": 6.2927590068243315, | |
| "learning_rate": 1.4623979978989559e-05, | |
| "loss": 2.9803, | |
| "step": 29 | |
| }, | |
| { | |
| "epoch": 0.256, | |
| "grad_norm": 6.103844678630006, | |
| "learning_rate": 1.4771212547196623e-05, | |
| "loss": 2.847, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.26453333333333334, | |
| "grad_norm": 7.656341925867144, | |
| "learning_rate": 1.4913616938342726e-05, | |
| "loss": 3.0907, | |
| "step": 31 | |
| }, | |
| { | |
| "epoch": 0.2730666666666667, | |
| "grad_norm": 6.324242877501844, | |
| "learning_rate": 1.5051499783199059e-05, | |
| "loss": 2.3467, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 0.2816, | |
| "grad_norm": 7.606313101162739, | |
| "learning_rate": 1.5185139398778874e-05, | |
| "loss": 2.5292, | |
| "step": 33 | |
| }, | |
| { | |
| "epoch": 0.29013333333333335, | |
| "grad_norm": 8.553792493849265, | |
| "learning_rate": 1.531478917042255e-05, | |
| "loss": 2.4547, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 0.2986666666666667, | |
| "grad_norm": 8.483368703272543, | |
| "learning_rate": 1.5440680443502753e-05, | |
| "loss": 2.1956, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 0.3072, | |
| "grad_norm": 8.364739352838077, | |
| "learning_rate": 1.5563025007672873e-05, | |
| "loss": 1.8552, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 0.3157333333333333, | |
| "grad_norm": 9.37663682000104, | |
| "learning_rate": 1.5682017240669948e-05, | |
| "loss": 1.9228, | |
| "step": 37 | |
| }, | |
| { | |
| "epoch": 0.32426666666666665, | |
| "grad_norm": 9.823047193440066, | |
| "learning_rate": 1.57978359661681e-05, | |
| "loss": 1.7033, | |
| "step": 38 | |
| }, | |
| { | |
| "epoch": 0.3328, | |
| "grad_norm": 9.692618512955894, | |
| "learning_rate": 1.591064607026499e-05, | |
| "loss": 1.3768, | |
| "step": 39 | |
| }, | |
| { | |
| "epoch": 0.3413333333333333, | |
| "grad_norm": 9.08889021911031, | |
| "learning_rate": 1.6020599913279622e-05, | |
| "loss": 1.3015, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.34986666666666666, | |
| "grad_norm": 8.081534221516058, | |
| "learning_rate": 1.6127838567197353e-05, | |
| "loss": 0.9228, | |
| "step": 41 | |
| }, | |
| { | |
| "epoch": 0.3584, | |
| "grad_norm": 6.238638048950311, | |
| "learning_rate": 1.6232492903979005e-05, | |
| "loss": 0.7267, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 0.36693333333333333, | |
| "grad_norm": 3.4058036861773604, | |
| "learning_rate": 1.6334684555795865e-05, | |
| "loss": 0.5875, | |
| "step": 43 | |
| }, | |
| { | |
| "epoch": 0.37546666666666667, | |
| "grad_norm": 2.079163829467713, | |
| "learning_rate": 1.6434526764861872e-05, | |
| "loss": 0.6355, | |
| "step": 44 | |
| }, | |
| { | |
| "epoch": 0.384, | |
| "grad_norm": 1.5597487833024746, | |
| "learning_rate": 1.6532125137753435e-05, | |
| "loss": 0.5106, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 0.39253333333333335, | |
| "grad_norm": 2.491689602375256, | |
| "learning_rate": 1.662757831681574e-05, | |
| "loss": 0.6454, | |
| "step": 46 | |
| }, | |
| { | |
| "epoch": 0.4010666666666667, | |
| "grad_norm": 2.010880438195854, | |
| "learning_rate": 1.672097857935717e-05, | |
| "loss": 0.4757, | |
| "step": 47 | |
| }, | |
| { | |
| "epoch": 0.4096, | |
| "grad_norm": 1.9452805114322096, | |
| "learning_rate": 1.681241237375587e-05, | |
| "loss": 0.4133, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 0.41813333333333336, | |
| "grad_norm": 1.7620848552306103, | |
| "learning_rate": 1.6901960800285137e-05, | |
| "loss": 0.4004, | |
| "step": 49 | |
| }, | |
| { | |
| "epoch": 0.4266666666666667, | |
| "grad_norm": 1.278224489774809, | |
| "learning_rate": 1.6989700043360187e-05, | |
| "loss": 0.3523, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.4352, | |
| "grad_norm": 1.6151354758303231, | |
| "learning_rate": 1.7075701760979363e-05, | |
| "loss": 0.4317, | |
| "step": 51 | |
| }, | |
| { | |
| "epoch": 0.4437333333333333, | |
| "grad_norm": 1.3451396055695035, | |
| "learning_rate": 1.716003343634799e-05, | |
| "loss": 0.3474, | |
| "step": 52 | |
| }, | |
| { | |
| "epoch": 0.45226666666666665, | |
| "grad_norm": 1.6814977782362666, | |
| "learning_rate": 1.724275869600789e-05, | |
| "loss": 0.3706, | |
| "step": 53 | |
| }, | |
| { | |
| "epoch": 0.4608, | |
| "grad_norm": 1.1682442432688667, | |
| "learning_rate": 1.7323937598229687e-05, | |
| "loss": 0.3488, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 0.4693333333333333, | |
| "grad_norm": 0.8839814540462471, | |
| "learning_rate": 1.7403626894942437e-05, | |
| "loss": 0.293, | |
| "step": 55 | |
| }, | |
| { | |
| "epoch": 0.47786666666666666, | |
| "grad_norm": 0.7974304806295485, | |
| "learning_rate": 1.7481880270062003e-05, | |
| "loss": 0.2717, | |
| "step": 56 | |
| }, | |
| { | |
| "epoch": 0.4864, | |
| "grad_norm": 0.6232203657585239, | |
| "learning_rate": 1.7558748556724913e-05, | |
| "loss": 0.1741, | |
| "step": 57 | |
| }, | |
| { | |
| "epoch": 0.49493333333333334, | |
| "grad_norm": 0.6850688604563008, | |
| "learning_rate": 1.763427993562937e-05, | |
| "loss": 0.228, | |
| "step": 58 | |
| }, | |
| { | |
| "epoch": 0.5034666666666666, | |
| "grad_norm": 0.5923826384300431, | |
| "learning_rate": 1.7708520116421443e-05, | |
| "loss": 0.2131, | |
| "step": 59 | |
| }, | |
| { | |
| "epoch": 0.512, | |
| "grad_norm": 0.489754430485032, | |
| "learning_rate": 1.7781512503836432e-05, | |
| "loss": 0.165, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 0.5205333333333333, | |
| "grad_norm": 0.5280940052395061, | |
| "learning_rate": 1.7853298350107667e-05, | |
| "loss": 0.1658, | |
| "step": 61 | |
| }, | |
| { | |
| "epoch": 0.5290666666666667, | |
| "grad_norm": 0.4750905992036739, | |
| "learning_rate": 1.7923916894982537e-05, | |
| "loss": 0.1438, | |
| "step": 62 | |
| }, | |
| { | |
| "epoch": 0.5376, | |
| "grad_norm": 0.4162998392722401, | |
| "learning_rate": 1.7993405494535815e-05, | |
| "loss": 0.1555, | |
| "step": 63 | |
| }, | |
| { | |
| "epoch": 0.5461333333333334, | |
| "grad_norm": 0.26863266246370443, | |
| "learning_rate": 1.806179973983887e-05, | |
| "loss": 0.1323, | |
| "step": 64 | |
| }, | |
| { | |
| "epoch": 0.5546666666666666, | |
| "grad_norm": 0.26534221125601215, | |
| "learning_rate": 1.8129133566428553e-05, | |
| "loss": 0.1671, | |
| "step": 65 | |
| }, | |
| { | |
| "epoch": 0.5632, | |
| "grad_norm": 0.2548662962257576, | |
| "learning_rate": 1.8195439355418686e-05, | |
| "loss": 0.1308, | |
| "step": 66 | |
| }, | |
| { | |
| "epoch": 0.5717333333333333, | |
| "grad_norm": 0.18045394638578796, | |
| "learning_rate": 1.8260748027008263e-05, | |
| "loss": 0.1262, | |
| "step": 67 | |
| }, | |
| { | |
| "epoch": 0.5802666666666667, | |
| "grad_norm": 0.17070388073612064, | |
| "learning_rate": 1.8325089127062364e-05, | |
| "loss": 0.1192, | |
| "step": 68 | |
| }, | |
| { | |
| "epoch": 0.5888, | |
| "grad_norm": 0.1531381679244776, | |
| "learning_rate": 1.8388490907372553e-05, | |
| "loss": 0.1274, | |
| "step": 69 | |
| }, | |
| { | |
| "epoch": 0.5973333333333334, | |
| "grad_norm": 0.18196434993687946, | |
| "learning_rate": 1.8450980400142568e-05, | |
| "loss": 0.1375, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 0.6058666666666667, | |
| "grad_norm": 0.15324416972951205, | |
| "learning_rate": 1.8512583487190752e-05, | |
| "loss": 0.1599, | |
| "step": 71 | |
| }, | |
| { | |
| "epoch": 0.6144, | |
| "grad_norm": 0.10884462064503801, | |
| "learning_rate": 1.857332496431268e-05, | |
| "loss": 0.1041, | |
| "step": 72 | |
| }, | |
| { | |
| "epoch": 0.6229333333333333, | |
| "grad_norm": 0.12915133528192668, | |
| "learning_rate": 1.8633228601204555e-05, | |
| "loss": 0.1406, | |
| "step": 73 | |
| }, | |
| { | |
| "epoch": 0.6314666666666666, | |
| "grad_norm": 0.12553425699952878, | |
| "learning_rate": 1.8692317197309763e-05, | |
| "loss": 0.1256, | |
| "step": 74 | |
| }, | |
| { | |
| "epoch": 0.64, | |
| "grad_norm": 0.11976960918968543, | |
| "learning_rate": 1.8750612633916997e-05, | |
| "loss": 0.1144, | |
| "step": 75 | |
| }, | |
| { | |
| "epoch": 0.6485333333333333, | |
| "grad_norm": 0.115805998298789, | |
| "learning_rate": 1.8808135922807914e-05, | |
| "loss": 0.1528, | |
| "step": 76 | |
| }, | |
| { | |
| "epoch": 0.6570666666666667, | |
| "grad_norm": 0.10325948496697443, | |
| "learning_rate": 1.8864907251724818e-05, | |
| "loss": 0.1044, | |
| "step": 77 | |
| }, | |
| { | |
| "epoch": 0.6656, | |
| "grad_norm": 0.09595064346541006, | |
| "learning_rate": 1.8920946026904802e-05, | |
| "loss": 0.1534, | |
| "step": 78 | |
| }, | |
| { | |
| "epoch": 0.6741333333333334, | |
| "grad_norm": 0.08796742845240496, | |
| "learning_rate": 1.8976270912904414e-05, | |
| "loss": 0.1155, | |
| "step": 79 | |
| }, | |
| { | |
| "epoch": 0.6826666666666666, | |
| "grad_norm": 0.08218991738379527, | |
| "learning_rate": 1.9030899869919434e-05, | |
| "loss": 0.1311, | |
| "step": 80 | |
| }, | |
| { | |
| "epoch": 0.6912, | |
| "grad_norm": 0.08290815261109215, | |
| "learning_rate": 1.9084850188786497e-05, | |
| "loss": 0.11, | |
| "step": 81 | |
| }, | |
| { | |
| "epoch": 0.6997333333333333, | |
| "grad_norm": 0.0794132180176064, | |
| "learning_rate": 1.9138138523837165e-05, | |
| "loss": 0.1135, | |
| "step": 82 | |
| }, | |
| { | |
| "epoch": 0.7082666666666667, | |
| "grad_norm": 0.06934410705255296, | |
| "learning_rate": 1.919078092376074e-05, | |
| "loss": 0.109, | |
| "step": 83 | |
| }, | |
| { | |
| "epoch": 0.7168, | |
| "grad_norm": 0.09000563031870593, | |
| "learning_rate": 1.9242792860618813e-05, | |
| "loss": 0.12, | |
| "step": 84 | |
| }, | |
| { | |
| "epoch": 0.7253333333333334, | |
| "grad_norm": 0.1134042277879818, | |
| "learning_rate": 1.929418925714293e-05, | |
| "loss": 0.1223, | |
| "step": 85 | |
| }, | |
| { | |
| "epoch": 0.7338666666666667, | |
| "grad_norm": 0.09118764690233076, | |
| "learning_rate": 1.9344984512435673e-05, | |
| "loss": 0.1459, | |
| "step": 86 | |
| }, | |
| { | |
| "epoch": 0.7424, | |
| "grad_norm": 0.07873016754353963, | |
| "learning_rate": 1.9395192526186183e-05, | |
| "loss": 0.1422, | |
| "step": 87 | |
| }, | |
| { | |
| "epoch": 0.7509333333333333, | |
| "grad_norm": 0.1796495874463076, | |
| "learning_rate": 1.9444826721501687e-05, | |
| "loss": 0.1291, | |
| "step": 88 | |
| }, | |
| { | |
| "epoch": 0.7594666666666666, | |
| "grad_norm": 0.0679589944174269, | |
| "learning_rate": 1.9493900066449125e-05, | |
| "loss": 0.108, | |
| "step": 89 | |
| }, | |
| { | |
| "epoch": 0.768, | |
| "grad_norm": 0.08174688574235538, | |
| "learning_rate": 1.9542425094393246e-05, | |
| "loss": 0.1081, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 0.7765333333333333, | |
| "grad_norm": 0.057137370501406756, | |
| "learning_rate": 1.9590413923210934e-05, | |
| "loss": 0.0934, | |
| "step": 91 | |
| }, | |
| { | |
| "epoch": 0.7850666666666667, | |
| "grad_norm": 0.06578111924908255, | |
| "learning_rate": 1.9637878273455555e-05, | |
| "loss": 0.1085, | |
| "step": 92 | |
| }, | |
| { | |
| "epoch": 0.7936, | |
| "grad_norm": 0.08945990540906254, | |
| "learning_rate": 1.968482948553935e-05, | |
| "loss": 0.1747, | |
| "step": 93 | |
| }, | |
| { | |
| "epoch": 0.8021333333333334, | |
| "grad_norm": 0.06183863311044229, | |
| "learning_rate": 1.9731278535996986e-05, | |
| "loss": 0.1136, | |
| "step": 94 | |
| }, | |
| { | |
| "epoch": 0.8106666666666666, | |
| "grad_norm": 0.05777899602544702, | |
| "learning_rate": 1.9777236052888476e-05, | |
| "loss": 0.0984, | |
| "step": 95 | |
| }, | |
| { | |
| "epoch": 0.8192, | |
| "grad_norm": 0.08130851607693534, | |
| "learning_rate": 1.9822712330395683e-05, | |
| "loss": 0.187, | |
| "step": 96 | |
| }, | |
| { | |
| "epoch": 0.8277333333333333, | |
| "grad_norm": 0.06426546202002927, | |
| "learning_rate": 1.986771734266245e-05, | |
| "loss": 0.1296, | |
| "step": 97 | |
| }, | |
| { | |
| "epoch": 0.8362666666666667, | |
| "grad_norm": 0.069692313707994, | |
| "learning_rate": 1.991226075692495e-05, | |
| "loss": 0.1404, | |
| "step": 98 | |
| }, | |
| { | |
| "epoch": 0.8448, | |
| "grad_norm": 0.05494542266886729, | |
| "learning_rate": 1.9956351945975496e-05, | |
| "loss": 0.116, | |
| "step": 99 | |
| }, | |
| { | |
| "epoch": 0.8533333333333334, | |
| "grad_norm": 0.07571686966840627, | |
| "learning_rate": 1.9999999999999998e-05, | |
| "loss": 0.1539, | |
| "step": 100 | |
| }, | |
| { | |
| "epoch": 0.8618666666666667, | |
| "grad_norm": 0.054351059117603705, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1037, | |
| "step": 101 | |
| }, | |
| { | |
| "epoch": 0.8704, | |
| "grad_norm": 0.06531899611551092, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0827, | |
| "step": 102 | |
| }, | |
| { | |
| "epoch": 0.8789333333333333, | |
| "grad_norm": 0.06131678646504652, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1266, | |
| "step": 103 | |
| }, | |
| { | |
| "epoch": 0.8874666666666666, | |
| "grad_norm": 0.06850220540661824, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1456, | |
| "step": 104 | |
| }, | |
| { | |
| "epoch": 0.896, | |
| "grad_norm": 0.05806908951252483, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0954, | |
| "step": 105 | |
| }, | |
| { | |
| "epoch": 0.9045333333333333, | |
| "grad_norm": 0.06503642452033717, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1417, | |
| "step": 106 | |
| }, | |
| { | |
| "epoch": 0.9130666666666667, | |
| "grad_norm": 0.050486271853277066, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0959, | |
| "step": 107 | |
| }, | |
| { | |
| "epoch": 0.9216, | |
| "grad_norm": 0.07746063813802379, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1256, | |
| "step": 108 | |
| }, | |
| { | |
| "epoch": 0.9301333333333334, | |
| "grad_norm": 0.051231172380840004, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1116, | |
| "step": 109 | |
| }, | |
| { | |
| "epoch": 0.9386666666666666, | |
| "grad_norm": 0.056296443557859455, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1056, | |
| "step": 110 | |
| }, | |
| { | |
| "epoch": 0.9472, | |
| "grad_norm": 0.05058663240713958, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0971, | |
| "step": 111 | |
| }, | |
| { | |
| "epoch": 0.9557333333333333, | |
| "grad_norm": 0.05532886570130611, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1086, | |
| "step": 112 | |
| }, | |
| { | |
| "epoch": 0.9642666666666667, | |
| "grad_norm": 0.05327811326654907, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0989, | |
| "step": 113 | |
| }, | |
| { | |
| "epoch": 0.9728, | |
| "grad_norm": 0.05663279364147864, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0958, | |
| "step": 114 | |
| }, | |
| { | |
| "epoch": 0.9813333333333333, | |
| "grad_norm": 0.04930904541225805, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0887, | |
| "step": 115 | |
| }, | |
| { | |
| "epoch": 0.9898666666666667, | |
| "grad_norm": 0.06096947951115022, | |
| "learning_rate": 2e-05, | |
| "loss": 0.106, | |
| "step": 116 | |
| }, | |
| { | |
| "epoch": 0.9984, | |
| "grad_norm": 0.050092322361182495, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0931, | |
| "step": 117 | |
| }, | |
| { | |
| "epoch": 1.0069333333333332, | |
| "grad_norm": 0.04980408443758999, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0955, | |
| "step": 118 | |
| }, | |
| { | |
| "epoch": 1.0154666666666667, | |
| "grad_norm": 0.051183082721834305, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1049, | |
| "step": 119 | |
| }, | |
| { | |
| "epoch": 1.024, | |
| "grad_norm": 0.04332220265802814, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0983, | |
| "step": 120 | |
| }, | |
| { | |
| "epoch": 1.0325333333333333, | |
| "grad_norm": 0.07211731499677299, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1386, | |
| "step": 121 | |
| }, | |
| { | |
| "epoch": 1.0410666666666666, | |
| "grad_norm": 0.06550870223740553, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1334, | |
| "step": 122 | |
| }, | |
| { | |
| "epoch": 1.0496, | |
| "grad_norm": 0.05331839690767287, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1014, | |
| "step": 123 | |
| }, | |
| { | |
| "epoch": 1.0581333333333334, | |
| "grad_norm": 0.05227685628767905, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1098, | |
| "step": 124 | |
| }, | |
| { | |
| "epoch": 1.0666666666666667, | |
| "grad_norm": 0.07641693882491171, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1127, | |
| "step": 125 | |
| }, | |
| { | |
| "epoch": 1.0752, | |
| "grad_norm": 0.052835367770791786, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1231, | |
| "step": 126 | |
| }, | |
| { | |
| "epoch": 1.0837333333333334, | |
| "grad_norm": 0.07520329755025788, | |
| "learning_rate": 2e-05, | |
| "loss": 0.085, | |
| "step": 127 | |
| }, | |
| { | |
| "epoch": 1.0922666666666667, | |
| "grad_norm": 0.07670066152157425, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1071, | |
| "step": 128 | |
| }, | |
| { | |
| "epoch": 1.1008, | |
| "grad_norm": 0.052832906560645154, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1093, | |
| "step": 129 | |
| }, | |
| { | |
| "epoch": 1.1093333333333333, | |
| "grad_norm": 0.06573889037311398, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1193, | |
| "step": 130 | |
| }, | |
| { | |
| "epoch": 1.1178666666666666, | |
| "grad_norm": 0.05175471296566334, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1184, | |
| "step": 131 | |
| }, | |
| { | |
| "epoch": 1.1264, | |
| "grad_norm": 0.05912231419793496, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1154, | |
| "step": 132 | |
| }, | |
| { | |
| "epoch": 1.1349333333333333, | |
| "grad_norm": 0.04899140475981105, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0957, | |
| "step": 133 | |
| }, | |
| { | |
| "epoch": 1.1434666666666666, | |
| "grad_norm": 0.05939916939142137, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0979, | |
| "step": 134 | |
| }, | |
| { | |
| "epoch": 1.152, | |
| "grad_norm": 0.0516819217599706, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0834, | |
| "step": 135 | |
| }, | |
| { | |
| "epoch": 1.1605333333333334, | |
| "grad_norm": 0.05456440346454737, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1183, | |
| "step": 136 | |
| }, | |
| { | |
| "epoch": 1.1690666666666667, | |
| "grad_norm": 0.059906464476343235, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1048, | |
| "step": 137 | |
| }, | |
| { | |
| "epoch": 1.1776, | |
| "grad_norm": 0.0720112680204319, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1168, | |
| "step": 138 | |
| }, | |
| { | |
| "epoch": 1.1861333333333333, | |
| "grad_norm": 0.04940202805828527, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0948, | |
| "step": 139 | |
| }, | |
| { | |
| "epoch": 1.1946666666666665, | |
| "grad_norm": 0.060088609545130046, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0952, | |
| "step": 140 | |
| }, | |
| { | |
| "epoch": 1.2032, | |
| "grad_norm": 0.04694761423612446, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0717, | |
| "step": 141 | |
| }, | |
| { | |
| "epoch": 1.2117333333333333, | |
| "grad_norm": 0.05628581562512457, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1062, | |
| "step": 142 | |
| }, | |
| { | |
| "epoch": 1.2202666666666666, | |
| "grad_norm": 0.06876420990437652, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1218, | |
| "step": 143 | |
| }, | |
| { | |
| "epoch": 1.2288000000000001, | |
| "grad_norm": 0.058774700501610655, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1125, | |
| "step": 144 | |
| }, | |
| { | |
| "epoch": 1.2373333333333334, | |
| "grad_norm": 0.061855922064341186, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1295, | |
| "step": 145 | |
| }, | |
| { | |
| "epoch": 1.2458666666666667, | |
| "grad_norm": 0.0813047704730138, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1165, | |
| "step": 146 | |
| }, | |
| { | |
| "epoch": 1.2544, | |
| "grad_norm": 0.061374000305305446, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1094, | |
| "step": 147 | |
| }, | |
| { | |
| "epoch": 1.2629333333333332, | |
| "grad_norm": 0.055537169110833, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1054, | |
| "step": 148 | |
| }, | |
| { | |
| "epoch": 1.2714666666666667, | |
| "grad_norm": 0.04423248714119304, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0841, | |
| "step": 149 | |
| }, | |
| { | |
| "epoch": 1.28, | |
| "grad_norm": 0.049931966607835034, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0961, | |
| "step": 150 | |
| }, | |
| { | |
| "epoch": 1.2885333333333333, | |
| "grad_norm": 0.06178656953298769, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0854, | |
| "step": 151 | |
| }, | |
| { | |
| "epoch": 1.2970666666666666, | |
| "grad_norm": 0.05783812343287897, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1141, | |
| "step": 152 | |
| }, | |
| { | |
| "epoch": 1.3056, | |
| "grad_norm": 0.048955120400167584, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0947, | |
| "step": 153 | |
| }, | |
| { | |
| "epoch": 1.3141333333333334, | |
| "grad_norm": 0.12270174746806978, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1553, | |
| "step": 154 | |
| }, | |
| { | |
| "epoch": 1.3226666666666667, | |
| "grad_norm": 0.06928026959973474, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1274, | |
| "step": 155 | |
| }, | |
| { | |
| "epoch": 1.3312, | |
| "grad_norm": 0.04756100666105405, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0893, | |
| "step": 156 | |
| }, | |
| { | |
| "epoch": 1.3397333333333332, | |
| "grad_norm": 0.056054951338196934, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0831, | |
| "step": 157 | |
| }, | |
| { | |
| "epoch": 1.3482666666666667, | |
| "grad_norm": 0.0516990471964239, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0883, | |
| "step": 158 | |
| }, | |
| { | |
| "epoch": 1.3568, | |
| "grad_norm": 0.06011650542069954, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0938, | |
| "step": 159 | |
| }, | |
| { | |
| "epoch": 1.3653333333333333, | |
| "grad_norm": 0.051831307951873976, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1019, | |
| "step": 160 | |
| }, | |
| { | |
| "epoch": 1.3738666666666668, | |
| "grad_norm": 0.0544902702048936, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0906, | |
| "step": 161 | |
| }, | |
| { | |
| "epoch": 1.3824, | |
| "grad_norm": 0.06057617032526, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1206, | |
| "step": 162 | |
| }, | |
| { | |
| "epoch": 1.3909333333333334, | |
| "grad_norm": 0.07288058025189605, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1175, | |
| "step": 163 | |
| }, | |
| { | |
| "epoch": 1.3994666666666666, | |
| "grad_norm": 0.05639043792084219, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1031, | |
| "step": 164 | |
| }, | |
| { | |
| "epoch": 1.408, | |
| "grad_norm": 0.0586469408837505, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1143, | |
| "step": 165 | |
| }, | |
| { | |
| "epoch": 1.4165333333333332, | |
| "grad_norm": 0.059243429040783904, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0838, | |
| "step": 166 | |
| }, | |
| { | |
| "epoch": 1.4250666666666667, | |
| "grad_norm": 0.0621476448363388, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1032, | |
| "step": 167 | |
| }, | |
| { | |
| "epoch": 1.4336, | |
| "grad_norm": 0.06083867682720169, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1119, | |
| "step": 168 | |
| }, | |
| { | |
| "epoch": 1.4421333333333333, | |
| "grad_norm": 0.09583165335305677, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1028, | |
| "step": 169 | |
| }, | |
| { | |
| "epoch": 1.4506666666666668, | |
| "grad_norm": 0.06411638581314043, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1181, | |
| "step": 170 | |
| }, | |
| { | |
| "epoch": 1.4592, | |
| "grad_norm": 0.05632977234908945, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1055, | |
| "step": 171 | |
| }, | |
| { | |
| "epoch": 1.4677333333333333, | |
| "grad_norm": 0.05666068971337413, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1116, | |
| "step": 172 | |
| }, | |
| { | |
| "epoch": 1.4762666666666666, | |
| "grad_norm": 0.04502062723807536, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0588, | |
| "step": 173 | |
| }, | |
| { | |
| "epoch": 1.4848, | |
| "grad_norm": 0.05916500176868301, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0949, | |
| "step": 174 | |
| }, | |
| { | |
| "epoch": 1.4933333333333334, | |
| "grad_norm": 0.056484273808864845, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0948, | |
| "step": 175 | |
| }, | |
| { | |
| "epoch": 1.5018666666666667, | |
| "grad_norm": 0.06652084448571674, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1086, | |
| "step": 176 | |
| }, | |
| { | |
| "epoch": 1.5104, | |
| "grad_norm": 0.05400238078068516, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0919, | |
| "step": 177 | |
| }, | |
| { | |
| "epoch": 1.5189333333333335, | |
| "grad_norm": 0.04979579743346662, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0879, | |
| "step": 178 | |
| }, | |
| { | |
| "epoch": 1.5274666666666668, | |
| "grad_norm": 0.06876105414733971, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1162, | |
| "step": 179 | |
| }, | |
| { | |
| "epoch": 1.536, | |
| "grad_norm": 0.05633262015499721, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1142, | |
| "step": 180 | |
| }, | |
| { | |
| "epoch": 1.5445333333333333, | |
| "grad_norm": 0.0599508967519892, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1073, | |
| "step": 181 | |
| }, | |
| { | |
| "epoch": 1.5530666666666666, | |
| "grad_norm": 0.058912170976454126, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1102, | |
| "step": 182 | |
| }, | |
| { | |
| "epoch": 1.5615999999999999, | |
| "grad_norm": 0.05361414988566254, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0885, | |
| "step": 183 | |
| }, | |
| { | |
| "epoch": 1.5701333333333334, | |
| "grad_norm": 0.04517277847384077, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0763, | |
| "step": 184 | |
| }, | |
| { | |
| "epoch": 1.5786666666666667, | |
| "grad_norm": 0.05551553662051771, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0877, | |
| "step": 185 | |
| }, | |
| { | |
| "epoch": 1.5872000000000002, | |
| "grad_norm": 0.05814223969236194, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1044, | |
| "step": 186 | |
| }, | |
| { | |
| "epoch": 1.5957333333333334, | |
| "grad_norm": 0.05710054166191597, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0962, | |
| "step": 187 | |
| }, | |
| { | |
| "epoch": 1.6042666666666667, | |
| "grad_norm": 0.054744343932104075, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0873, | |
| "step": 188 | |
| }, | |
| { | |
| "epoch": 1.6128, | |
| "grad_norm": 0.051145521687090995, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0855, | |
| "step": 189 | |
| }, | |
| { | |
| "epoch": 1.6213333333333333, | |
| "grad_norm": 0.05414658860737789, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0872, | |
| "step": 190 | |
| }, | |
| { | |
| "epoch": 1.6298666666666666, | |
| "grad_norm": 0.05084744595533029, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0891, | |
| "step": 191 | |
| }, | |
| { | |
| "epoch": 1.6383999999999999, | |
| "grad_norm": 0.0567070082820597, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0965, | |
| "step": 192 | |
| }, | |
| { | |
| "epoch": 1.6469333333333334, | |
| "grad_norm": 0.0494785311411315, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0941, | |
| "step": 193 | |
| }, | |
| { | |
| "epoch": 1.6554666666666666, | |
| "grad_norm": 0.062341158530385396, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1154, | |
| "step": 194 | |
| }, | |
| { | |
| "epoch": 1.6640000000000001, | |
| "grad_norm": 0.059888336716275685, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1037, | |
| "step": 195 | |
| }, | |
| { | |
| "epoch": 1.6725333333333334, | |
| "grad_norm": 0.07346562318829057, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1329, | |
| "step": 196 | |
| }, | |
| { | |
| "epoch": 1.6810666666666667, | |
| "grad_norm": 0.0792360016934733, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1392, | |
| "step": 197 | |
| }, | |
| { | |
| "epoch": 1.6896, | |
| "grad_norm": 0.0800342963229883, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1199, | |
| "step": 198 | |
| }, | |
| { | |
| "epoch": 1.6981333333333333, | |
| "grad_norm": 0.06848045933195548, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0998, | |
| "step": 199 | |
| }, | |
| { | |
| "epoch": 1.7066666666666666, | |
| "grad_norm": 0.05743199019316764, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0811, | |
| "step": 200 | |
| }, | |
| { | |
| "epoch": 1.7151999999999998, | |
| "grad_norm": 0.07170531168284446, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1079, | |
| "step": 201 | |
| }, | |
| { | |
| "epoch": 1.7237333333333333, | |
| "grad_norm": 0.05772905481368506, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0844, | |
| "step": 202 | |
| }, | |
| { | |
| "epoch": 1.7322666666666666, | |
| "grad_norm": 0.07504946014098464, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1257, | |
| "step": 203 | |
| }, | |
| { | |
| "epoch": 1.7408000000000001, | |
| "grad_norm": 0.06450179819785838, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1104, | |
| "step": 204 | |
| }, | |
| { | |
| "epoch": 1.7493333333333334, | |
| "grad_norm": 0.06595445965110332, | |
| "learning_rate": 2e-05, | |
| "loss": 0.093, | |
| "step": 205 | |
| }, | |
| { | |
| "epoch": 1.7578666666666667, | |
| "grad_norm": 0.07203558121131749, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1117, | |
| "step": 206 | |
| }, | |
| { | |
| "epoch": 1.7664, | |
| "grad_norm": 0.05954646782409283, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0729, | |
| "step": 207 | |
| }, | |
| { | |
| "epoch": 1.7749333333333333, | |
| "grad_norm": 0.06624894584410884, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0998, | |
| "step": 208 | |
| }, | |
| { | |
| "epoch": 1.7834666666666665, | |
| "grad_norm": 0.06888562028256219, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1398, | |
| "step": 209 | |
| }, | |
| { | |
| "epoch": 1.792, | |
| "grad_norm": 0.061224088077794406, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1112, | |
| "step": 210 | |
| }, | |
| { | |
| "epoch": 1.8005333333333333, | |
| "grad_norm": 0.06857358883856608, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1293, | |
| "step": 211 | |
| }, | |
| { | |
| "epoch": 1.8090666666666668, | |
| "grad_norm": 0.06177352416779139, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0884, | |
| "step": 212 | |
| }, | |
| { | |
| "epoch": 1.8176, | |
| "grad_norm": 0.08324567429925228, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1127, | |
| "step": 213 | |
| }, | |
| { | |
| "epoch": 1.8261333333333334, | |
| "grad_norm": 0.06771677297787752, | |
| "learning_rate": 2e-05, | |
| "loss": 0.089, | |
| "step": 214 | |
| }, | |
| { | |
| "epoch": 1.8346666666666667, | |
| "grad_norm": 0.07055754809472485, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1206, | |
| "step": 215 | |
| }, | |
| { | |
| "epoch": 1.8432, | |
| "grad_norm": 0.05856797724392531, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0893, | |
| "step": 216 | |
| }, | |
| { | |
| "epoch": 1.8517333333333332, | |
| "grad_norm": 0.07555286129801597, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0913, | |
| "step": 217 | |
| }, | |
| { | |
| "epoch": 1.8602666666666665, | |
| "grad_norm": 0.09242462538643775, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1241, | |
| "step": 218 | |
| }, | |
| { | |
| "epoch": 1.8688, | |
| "grad_norm": 0.06550805537088374, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0819, | |
| "step": 219 | |
| }, | |
| { | |
| "epoch": 1.8773333333333333, | |
| "grad_norm": 0.06016048263236861, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0955, | |
| "step": 220 | |
| }, | |
| { | |
| "epoch": 1.8858666666666668, | |
| "grad_norm": 0.06856661106001445, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1132, | |
| "step": 221 | |
| }, | |
| { | |
| "epoch": 1.8944, | |
| "grad_norm": 0.06383306455000529, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1086, | |
| "step": 222 | |
| }, | |
| { | |
| "epoch": 1.9029333333333334, | |
| "grad_norm": 0.07240472757239624, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0863, | |
| "step": 223 | |
| }, | |
| { | |
| "epoch": 1.9114666666666666, | |
| "grad_norm": 0.07845654471077741, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1284, | |
| "step": 224 | |
| }, | |
| { | |
| "epoch": 1.92, | |
| "grad_norm": 0.07192185833649212, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1101, | |
| "step": 225 | |
| }, | |
| { | |
| "epoch": 1.9285333333333332, | |
| "grad_norm": 0.06390598005596872, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0917, | |
| "step": 226 | |
| }, | |
| { | |
| "epoch": 1.9370666666666667, | |
| "grad_norm": 0.06306138712432224, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0936, | |
| "step": 227 | |
| }, | |
| { | |
| "epoch": 1.9456, | |
| "grad_norm": 0.06771381941296478, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0936, | |
| "step": 228 | |
| }, | |
| { | |
| "epoch": 1.9541333333333335, | |
| "grad_norm": 0.05899006803461524, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0782, | |
| "step": 229 | |
| }, | |
| { | |
| "epoch": 1.9626666666666668, | |
| "grad_norm": 0.07426956281950735, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1095, | |
| "step": 230 | |
| }, | |
| { | |
| "epoch": 1.9712, | |
| "grad_norm": 0.06567534902293475, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0956, | |
| "step": 231 | |
| }, | |
| { | |
| "epoch": 1.9797333333333333, | |
| "grad_norm": 0.07430395142282198, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0957, | |
| "step": 232 | |
| }, | |
| { | |
| "epoch": 1.9882666666666666, | |
| "grad_norm": 0.05834447367264806, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0767, | |
| "step": 233 | |
| }, | |
| { | |
| "epoch": 1.9968, | |
| "grad_norm": 0.07137090413877054, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0821, | |
| "step": 234 | |
| }, | |
| { | |
| "epoch": 2.005333333333333, | |
| "grad_norm": 0.07797914240805551, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1175, | |
| "step": 235 | |
| }, | |
| { | |
| "epoch": 2.0138666666666665, | |
| "grad_norm": 0.09335648879374187, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1632, | |
| "step": 236 | |
| }, | |
| { | |
| "epoch": 2.0224, | |
| "grad_norm": 0.08280719749100944, | |
| "learning_rate": 2e-05, | |
| "loss": 0.115, | |
| "step": 237 | |
| }, | |
| { | |
| "epoch": 2.0309333333333335, | |
| "grad_norm": 0.08956213539053312, | |
| "learning_rate": 2e-05, | |
| "loss": 0.109, | |
| "step": 238 | |
| }, | |
| { | |
| "epoch": 2.0394666666666668, | |
| "grad_norm": 0.08849786687188893, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1234, | |
| "step": 239 | |
| }, | |
| { | |
| "epoch": 2.048, | |
| "grad_norm": 0.16956065138312856, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1055, | |
| "step": 240 | |
| }, | |
| { | |
| "epoch": 2.0565333333333333, | |
| "grad_norm": 0.07377723133015779, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1068, | |
| "step": 241 | |
| }, | |
| { | |
| "epoch": 2.0650666666666666, | |
| "grad_norm": 0.08839651322303756, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0965, | |
| "step": 242 | |
| }, | |
| { | |
| "epoch": 2.0736, | |
| "grad_norm": 0.10641135540308218, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0887, | |
| "step": 243 | |
| }, | |
| { | |
| "epoch": 2.082133333333333, | |
| "grad_norm": 0.09370442613891326, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0931, | |
| "step": 244 | |
| }, | |
| { | |
| "epoch": 2.0906666666666665, | |
| "grad_norm": 0.08988093042206098, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1201, | |
| "step": 245 | |
| }, | |
| { | |
| "epoch": 2.0992, | |
| "grad_norm": 0.07167309696967938, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0747, | |
| "step": 246 | |
| }, | |
| { | |
| "epoch": 2.1077333333333335, | |
| "grad_norm": 0.08822161286881192, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1044, | |
| "step": 247 | |
| }, | |
| { | |
| "epoch": 2.1162666666666667, | |
| "grad_norm": 0.08439713613775747, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1063, | |
| "step": 248 | |
| }, | |
| { | |
| "epoch": 2.1248, | |
| "grad_norm": 0.0942232139678121, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0865, | |
| "step": 249 | |
| }, | |
| { | |
| "epoch": 2.1333333333333333, | |
| "grad_norm": 0.1066306844906037, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1198, | |
| "step": 250 | |
| }, | |
| { | |
| "epoch": 2.1418666666666666, | |
| "grad_norm": 0.10435492421714423, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0968, | |
| "step": 251 | |
| }, | |
| { | |
| "epoch": 2.1504, | |
| "grad_norm": 0.10513719348492025, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1045, | |
| "step": 252 | |
| }, | |
| { | |
| "epoch": 2.158933333333333, | |
| "grad_norm": 0.12580299248756027, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0941, | |
| "step": 253 | |
| }, | |
| { | |
| "epoch": 2.167466666666667, | |
| "grad_norm": 0.10265943183351584, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0892, | |
| "step": 254 | |
| }, | |
| { | |
| "epoch": 2.176, | |
| "grad_norm": 0.09473119803029131, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0721, | |
| "step": 255 | |
| }, | |
| { | |
| "epoch": 2.1845333333333334, | |
| "grad_norm": 0.13420988295622846, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1034, | |
| "step": 256 | |
| }, | |
| { | |
| "epoch": 2.1930666666666667, | |
| "grad_norm": 0.11474592330595303, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1095, | |
| "step": 257 | |
| }, | |
| { | |
| "epoch": 2.2016, | |
| "grad_norm": 0.12382914500613644, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0947, | |
| "step": 258 | |
| }, | |
| { | |
| "epoch": 2.2101333333333333, | |
| "grad_norm": 0.12984065755657193, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0888, | |
| "step": 259 | |
| }, | |
| { | |
| "epoch": 2.2186666666666666, | |
| "grad_norm": 0.14210964340218168, | |
| "learning_rate": 2e-05, | |
| "loss": 0.105, | |
| "step": 260 | |
| }, | |
| { | |
| "epoch": 2.2272, | |
| "grad_norm": 0.13862185852250883, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0876, | |
| "step": 261 | |
| }, | |
| { | |
| "epoch": 2.235733333333333, | |
| "grad_norm": 0.17284047904822364, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0935, | |
| "step": 262 | |
| }, | |
| { | |
| "epoch": 2.244266666666667, | |
| "grad_norm": 0.1409465306152598, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1032, | |
| "step": 263 | |
| }, | |
| { | |
| "epoch": 2.2528, | |
| "grad_norm": 0.15551418258816738, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0871, | |
| "step": 264 | |
| }, | |
| { | |
| "epoch": 2.2613333333333334, | |
| "grad_norm": 0.1741617194945442, | |
| "learning_rate": 2e-05, | |
| "loss": 0.098, | |
| "step": 265 | |
| }, | |
| { | |
| "epoch": 2.2698666666666667, | |
| "grad_norm": 0.18387218423978585, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1168, | |
| "step": 266 | |
| }, | |
| { | |
| "epoch": 2.2784, | |
| "grad_norm": 0.21744684782545962, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1061, | |
| "step": 267 | |
| }, | |
| { | |
| "epoch": 2.2869333333333333, | |
| "grad_norm": 0.17372673806896413, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0927, | |
| "step": 268 | |
| }, | |
| { | |
| "epoch": 2.2954666666666665, | |
| "grad_norm": 0.20890400134226653, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0874, | |
| "step": 269 | |
| }, | |
| { | |
| "epoch": 2.304, | |
| "grad_norm": 0.20279172920289834, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0807, | |
| "step": 270 | |
| }, | |
| { | |
| "epoch": 2.3125333333333336, | |
| "grad_norm": 0.23060543242200862, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0937, | |
| "step": 271 | |
| }, | |
| { | |
| "epoch": 2.321066666666667, | |
| "grad_norm": 0.2866337268131343, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0886, | |
| "step": 272 | |
| }, | |
| { | |
| "epoch": 2.3296, | |
| "grad_norm": 0.3203014162518504, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0741, | |
| "step": 273 | |
| }, | |
| { | |
| "epoch": 2.3381333333333334, | |
| "grad_norm": 0.2702455454246614, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0692, | |
| "step": 274 | |
| }, | |
| { | |
| "epoch": 2.3466666666666667, | |
| "grad_norm": 0.30682595841991545, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0733, | |
| "step": 275 | |
| }, | |
| { | |
| "epoch": 2.3552, | |
| "grad_norm": 0.2844580109974713, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0979, | |
| "step": 276 | |
| }, | |
| { | |
| "epoch": 2.3637333333333332, | |
| "grad_norm": 0.31296149985818705, | |
| "learning_rate": 2e-05, | |
| "loss": 0.093, | |
| "step": 277 | |
| }, | |
| { | |
| "epoch": 2.3722666666666665, | |
| "grad_norm": 0.24448590086634314, | |
| "learning_rate": 2e-05, | |
| "loss": 0.1078, | |
| "step": 278 | |
| }, | |
| { | |
| "epoch": 2.3808, | |
| "grad_norm": 0.17626685777153123, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0939, | |
| "step": 279 | |
| }, | |
| { | |
| "epoch": 2.389333333333333, | |
| "grad_norm": 0.13337416253457104, | |
| "learning_rate": 2e-05, | |
| "loss": 0.0812, | |
| "step": 280 | |
| } | |
| ], | |
| "logging_steps": 1, | |
| "max_steps": 351, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 3, | |
| "save_steps": 20, | |
| "stateful_callbacks": { | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": false | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 4.004836973419168e+18, | |
| "train_batch_size": 16, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |