keatone commited on
Commit
ede525c
·
verified ·
1 Parent(s): 19faa91

End of training

Browse files
README.md CHANGED
@@ -4,6 +4,7 @@ license: llama3.2
4
  base_model: meta-llama/Llama-3.2-1B
5
  tags:
6
  - llama-factory
 
7
  - generated_from_trainer
8
  model-index:
9
  - name: mcmaster-llama3-1b-full-pt
@@ -15,9 +16,9 @@ should probably proofread and complete it, then remove this comment. -->
15
 
16
  # mcmaster-llama3-1b-full-pt
17
 
18
- This model is a fine-tuned version of [meta-llama/Llama-3.2-1B](https://huggingface.co/meta-llama/Llama-3.2-1B) on an unknown dataset.
19
  It achieves the following results on the evaluation set:
20
- - Loss: 0.0320
21
 
22
  ## Model description
23
 
 
4
  base_model: meta-llama/Llama-3.2-1B
5
  tags:
6
  - llama-factory
7
+ - full
8
  - generated_from_trainer
9
  model-index:
10
  - name: mcmaster-llama3-1b-full-pt
 
16
 
17
  # mcmaster-llama3-1b-full-pt
18
 
19
+ This model is a fine-tuned version of [meta-llama/Llama-3.2-1B](https://huggingface.co/meta-llama/Llama-3.2-1B) on the mcmaster dataset.
20
  It achieves the following results on the evaluation set:
21
+ - Loss: 0.0319
22
 
23
  ## Model description
24
 
all_results.json ADDED
@@ -0,0 +1,13 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 4.998698642870422,
3
+ "eval_loss": 0.03189178928732872,
4
+ "eval_runtime": 212.4751,
5
+ "eval_samples_per_second": 22.501,
6
+ "eval_steps_per_second": 22.501,
7
+ "perplexity": 1.0324057818949677,
8
+ "total_flos": 5.14290499398402e+18,
9
+ "train_loss": 0.19145491501161208,
10
+ "train_runtime": 31931.328,
11
+ "train_samples_per_second": 6.737,
12
+ "train_steps_per_second": 0.105
13
+ }
eval_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 4.998698642870422,
3
+ "eval_loss": 0.03189178928732872,
4
+ "eval_runtime": 212.4751,
5
+ "eval_samples_per_second": 22.501,
6
+ "eval_steps_per_second": 22.501,
7
+ "perplexity": 1.0324057818949677
8
+ }
train_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 4.998698642870422,
3
+ "total_flos": 5.14290499398402e+18,
4
+ "train_loss": 0.19145491501161208,
5
+ "train_runtime": 31931.328,
6
+ "train_samples_per_second": 6.737,
7
+ "train_steps_per_second": 0.105
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,2442 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 4.998698642870422,
5
+ "eval_steps": 500,
6
+ "global_step": 3360,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.014872652909462726,
13
+ "grad_norm": 1.0425002574920654,
14
+ "learning_rate": 8.928571428571428e-06,
15
+ "loss": 0.4346,
16
+ "step": 10
17
+ },
18
+ {
19
+ "epoch": 0.02974530581892545,
20
+ "grad_norm": 0.5861272811889648,
21
+ "learning_rate": 1.7857142857142855e-05,
22
+ "loss": 0.3527,
23
+ "step": 20
24
+ },
25
+ {
26
+ "epoch": 0.044617958728388175,
27
+ "grad_norm": 0.5629558563232422,
28
+ "learning_rate": 2.6785714285714284e-05,
29
+ "loss": 0.2922,
30
+ "step": 30
31
+ },
32
+ {
33
+ "epoch": 0.0594906116378509,
34
+ "grad_norm": 0.49566933512687683,
35
+ "learning_rate": 3.571428571428571e-05,
36
+ "loss": 0.281,
37
+ "step": 40
38
+ },
39
+ {
40
+ "epoch": 0.07436326454731362,
41
+ "grad_norm": 0.45387113094329834,
42
+ "learning_rate": 4.4642857142857136e-05,
43
+ "loss": 0.2689,
44
+ "step": 50
45
+ },
46
+ {
47
+ "epoch": 0.08923591745677635,
48
+ "grad_norm": 0.43913352489471436,
49
+ "learning_rate": 5.357142857142857e-05,
50
+ "loss": 0.2506,
51
+ "step": 60
52
+ },
53
+ {
54
+ "epoch": 0.10410857036623908,
55
+ "grad_norm": 0.7242547869682312,
56
+ "learning_rate": 6.25e-05,
57
+ "loss": 0.229,
58
+ "step": 70
59
+ },
60
+ {
61
+ "epoch": 0.1189812232757018,
62
+ "grad_norm": 0.5109072923660278,
63
+ "learning_rate": 7.142857142857142e-05,
64
+ "loss": 0.2373,
65
+ "step": 80
66
+ },
67
+ {
68
+ "epoch": 0.13385387618516453,
69
+ "grad_norm": 0.5291035175323486,
70
+ "learning_rate": 8.035714285714285e-05,
71
+ "loss": 0.2405,
72
+ "step": 90
73
+ },
74
+ {
75
+ "epoch": 0.14872652909462725,
76
+ "grad_norm": 0.48036572337150574,
77
+ "learning_rate": 8.928571428571427e-05,
78
+ "loss": 0.2274,
79
+ "step": 100
80
+ },
81
+ {
82
+ "epoch": 0.16359918200409,
83
+ "grad_norm": 0.3294093906879425,
84
+ "learning_rate": 9.82142857142857e-05,
85
+ "loss": 0.2038,
86
+ "step": 110
87
+ },
88
+ {
89
+ "epoch": 0.1784718349135527,
90
+ "grad_norm": 0.49968525767326355,
91
+ "learning_rate": 0.00010714285714285714,
92
+ "loss": 0.2084,
93
+ "step": 120
94
+ },
95
+ {
96
+ "epoch": 0.19334448782301544,
97
+ "grad_norm": 0.32227209210395813,
98
+ "learning_rate": 0.00011607142857142857,
99
+ "loss": 0.1981,
100
+ "step": 130
101
+ },
102
+ {
103
+ "epoch": 0.20821714073247816,
104
+ "grad_norm": 0.37266677618026733,
105
+ "learning_rate": 0.000125,
106
+ "loss": 0.2192,
107
+ "step": 140
108
+ },
109
+ {
110
+ "epoch": 0.22308979364194087,
111
+ "grad_norm": 0.5228686928749084,
112
+ "learning_rate": 0.00013392857142857144,
113
+ "loss": 0.2014,
114
+ "step": 150
115
+ },
116
+ {
117
+ "epoch": 0.2379624465514036,
118
+ "grad_norm": 0.4202245771884918,
119
+ "learning_rate": 0.00014285714285714284,
120
+ "loss": 0.1912,
121
+ "step": 160
122
+ },
123
+ {
124
+ "epoch": 0.25283509946086635,
125
+ "grad_norm": 0.45801258087158203,
126
+ "learning_rate": 0.00015178571428571427,
127
+ "loss": 0.212,
128
+ "step": 170
129
+ },
130
+ {
131
+ "epoch": 0.26770775237032907,
132
+ "grad_norm": 0.4326329827308655,
133
+ "learning_rate": 0.0001607142857142857,
134
+ "loss": 0.1973,
135
+ "step": 180
136
+ },
137
+ {
138
+ "epoch": 0.2825804052797918,
139
+ "grad_norm": 0.38971471786499023,
140
+ "learning_rate": 0.0001696428571428571,
141
+ "loss": 0.1907,
142
+ "step": 190
143
+ },
144
+ {
145
+ "epoch": 0.2974530581892545,
146
+ "grad_norm": 0.3728097975254059,
147
+ "learning_rate": 0.00017857142857142854,
148
+ "loss": 0.192,
149
+ "step": 200
150
+ },
151
+ {
152
+ "epoch": 0.3123257110987172,
153
+ "grad_norm": 0.34695690870285034,
154
+ "learning_rate": 0.00018749999999999998,
155
+ "loss": 0.1855,
156
+ "step": 210
157
+ },
158
+ {
159
+ "epoch": 0.32719836400818,
160
+ "grad_norm": 0.41753408312797546,
161
+ "learning_rate": 0.0001964285714285714,
162
+ "loss": 0.1883,
163
+ "step": 220
164
+ },
165
+ {
166
+ "epoch": 0.3420710169176427,
167
+ "grad_norm": 0.27681878209114075,
168
+ "learning_rate": 0.00020535714285714284,
169
+ "loss": 0.1809,
170
+ "step": 230
171
+ },
172
+ {
173
+ "epoch": 0.3569436698271054,
174
+ "grad_norm": 2.382871150970459,
175
+ "learning_rate": 0.00021428571428571427,
176
+ "loss": 0.1735,
177
+ "step": 240
178
+ },
179
+ {
180
+ "epoch": 0.3718163227365681,
181
+ "grad_norm": 160.2670440673828,
182
+ "learning_rate": 0.0002232142857142857,
183
+ "loss": 1.2159,
184
+ "step": 250
185
+ },
186
+ {
187
+ "epoch": 0.3866889756460309,
188
+ "grad_norm": 21.60050392150879,
189
+ "learning_rate": 0.00023214285714285714,
190
+ "loss": 5.4026,
191
+ "step": 260
192
+ },
193
+ {
194
+ "epoch": 0.4015616285554936,
195
+ "grad_norm": 13.928524017333984,
196
+ "learning_rate": 0.00024107142857142857,
197
+ "loss": 4.3573,
198
+ "step": 270
199
+ },
200
+ {
201
+ "epoch": 0.4164342814649563,
202
+ "grad_norm": 5.3707685470581055,
203
+ "learning_rate": 0.00025,
204
+ "loss": 3.2782,
205
+ "step": 280
206
+ },
207
+ {
208
+ "epoch": 0.431306934374419,
209
+ "grad_norm": 5.556903839111328,
210
+ "learning_rate": 0.0002589285714285714,
211
+ "loss": 2.8033,
212
+ "step": 290
213
+ },
214
+ {
215
+ "epoch": 0.44617958728388174,
216
+ "grad_norm": 2.512521505355835,
217
+ "learning_rate": 0.00026785714285714287,
218
+ "loss": 2.5486,
219
+ "step": 300
220
+ },
221
+ {
222
+ "epoch": 0.4610522401933445,
223
+ "grad_norm": 3.592169761657715,
224
+ "learning_rate": 0.0002767857142857143,
225
+ "loss": 2.2779,
226
+ "step": 310
227
+ },
228
+ {
229
+ "epoch": 0.4759248931028072,
230
+ "grad_norm": 2.791459321975708,
231
+ "learning_rate": 0.0002857142857142857,
232
+ "loss": 2.1011,
233
+ "step": 320
234
+ },
235
+ {
236
+ "epoch": 0.49079754601226994,
237
+ "grad_norm": 1.1407463550567627,
238
+ "learning_rate": 0.0002946428571428571,
239
+ "loss": 1.9929,
240
+ "step": 330
241
+ },
242
+ {
243
+ "epoch": 0.5056701989217327,
244
+ "grad_norm": 1.795841097831726,
245
+ "learning_rate": 0.0002999987048597728,
246
+ "loss": 1.8818,
247
+ "step": 340
248
+ },
249
+ {
250
+ "epoch": 0.5205428518311954,
251
+ "grad_norm": 1.4798821210861206,
252
+ "learning_rate": 0.00029998413478906613,
253
+ "loss": 1.772,
254
+ "step": 350
255
+ },
256
+ {
257
+ "epoch": 0.5354155047406581,
258
+ "grad_norm": 1.5337024927139282,
259
+ "learning_rate": 0.0002999533773001224,
260
+ "loss": 1.6782,
261
+ "step": 360
262
+ },
263
+ {
264
+ "epoch": 0.5502881576501208,
265
+ "grad_norm": 1.332065463066101,
266
+ "learning_rate": 0.00029990643571252174,
267
+ "loss": 1.6035,
268
+ "step": 370
269
+ },
270
+ {
271
+ "epoch": 0.5651608105595836,
272
+ "grad_norm": 1.0516103506088257,
273
+ "learning_rate": 0.00029984331509255415,
274
+ "loss": 1.5053,
275
+ "step": 380
276
+ },
277
+ {
278
+ "epoch": 0.5800334634690463,
279
+ "grad_norm": 1.034192442893982,
280
+ "learning_rate": 0.00029976402225267247,
281
+ "loss": 1.3906,
282
+ "step": 390
283
+ },
284
+ {
285
+ "epoch": 0.594906116378509,
286
+ "grad_norm": 1.2757515907287598,
287
+ "learning_rate": 0.0002996685657507577,
288
+ "loss": 1.2592,
289
+ "step": 400
290
+ },
291
+ {
292
+ "epoch": 0.6097787692879717,
293
+ "grad_norm": 0.8252782225608826,
294
+ "learning_rate": 0.000299556955889195,
295
+ "loss": 1.0907,
296
+ "step": 410
297
+ },
298
+ {
299
+ "epoch": 0.6246514221974344,
300
+ "grad_norm": 1.020588994026184,
301
+ "learning_rate": 0.0002994292047137618,
302
+ "loss": 0.9035,
303
+ "step": 420
304
+ },
305
+ {
306
+ "epoch": 0.6395240751068972,
307
+ "grad_norm": 0.5973761677742004,
308
+ "learning_rate": 0.0002992853260123278,
309
+ "loss": 0.7538,
310
+ "step": 430
311
+ },
312
+ {
313
+ "epoch": 0.65439672801636,
314
+ "grad_norm": 0.6886543035507202,
315
+ "learning_rate": 0.0002991253353133668,
316
+ "loss": 0.6621,
317
+ "step": 440
318
+ },
319
+ {
320
+ "epoch": 0.6692693809258227,
321
+ "grad_norm": 0.44221287965774536,
322
+ "learning_rate": 0.00029894924988428087,
323
+ "loss": 0.59,
324
+ "step": 450
325
+ },
326
+ {
327
+ "epoch": 0.6841420338352854,
328
+ "grad_norm": 0.7888408899307251,
329
+ "learning_rate": 0.00029875708872953677,
330
+ "loss": 0.539,
331
+ "step": 460
332
+ },
333
+ {
334
+ "epoch": 0.6990146867447481,
335
+ "grad_norm": 0.43110209703445435,
336
+ "learning_rate": 0.00029854887258861447,
337
+ "loss": 0.4903,
338
+ "step": 470
339
+ },
340
+ {
341
+ "epoch": 0.7138873396542108,
342
+ "grad_norm": 0.41334015130996704,
343
+ "learning_rate": 0.0002983246239337692,
344
+ "loss": 0.4488,
345
+ "step": 480
346
+ },
347
+ {
348
+ "epoch": 0.7287599925636735,
349
+ "grad_norm": 0.3482460379600525,
350
+ "learning_rate": 0.0002980843669676061,
351
+ "loss": 0.4165,
352
+ "step": 490
353
+ },
354
+ {
355
+ "epoch": 0.7436326454731362,
356
+ "grad_norm": 0.3593901991844177,
357
+ "learning_rate": 0.0002978281276204675,
358
+ "loss": 0.3821,
359
+ "step": 500
360
+ },
361
+ {
362
+ "epoch": 0.7436326454731362,
363
+ "eval_loss": 0.37597203254699707,
364
+ "eval_runtime": 212.4955,
365
+ "eval_samples_per_second": 22.499,
366
+ "eval_steps_per_second": 22.499,
367
+ "step": 500
368
+ },
369
+ {
370
+ "epoch": 0.758505298382599,
371
+ "grad_norm": 0.4221905469894409,
372
+ "learning_rate": 0.00029755593354763516,
373
+ "loss": 0.3627,
374
+ "step": 510
375
+ },
376
+ {
377
+ "epoch": 0.7733779512920618,
378
+ "grad_norm": 0.31105437874794006,
379
+ "learning_rate": 0.0002972678141263449,
380
+ "loss": 0.3346,
381
+ "step": 520
382
+ },
383
+ {
384
+ "epoch": 0.7882506042015245,
385
+ "grad_norm": 0.2600822150707245,
386
+ "learning_rate": 0.000296963800452616,
387
+ "loss": 0.3217,
388
+ "step": 530
389
+ },
390
+ {
391
+ "epoch": 0.8031232571109872,
392
+ "grad_norm": 0.21437157690525055,
393
+ "learning_rate": 0.0002966439253378957,
394
+ "loss": 0.3095,
395
+ "step": 540
396
+ },
397
+ {
398
+ "epoch": 0.8179959100204499,
399
+ "grad_norm": 0.22641418874263763,
400
+ "learning_rate": 0.000296308223305517,
401
+ "loss": 0.2866,
402
+ "step": 550
403
+ },
404
+ {
405
+ "epoch": 0.8328685629299126,
406
+ "grad_norm": 0.2200980931520462,
407
+ "learning_rate": 0.00029595673058697357,
408
+ "loss": 0.2579,
409
+ "step": 560
410
+ },
411
+ {
412
+ "epoch": 0.8477412158393753,
413
+ "grad_norm": 0.21351036429405212,
414
+ "learning_rate": 0.0002955894851180086,
415
+ "loss": 0.2727,
416
+ "step": 570
417
+ },
418
+ {
419
+ "epoch": 0.862613868748838,
420
+ "grad_norm": 0.2137759029865265,
421
+ "learning_rate": 0.0002952065265345211,
422
+ "loss": 0.2621,
423
+ "step": 580
424
+ },
425
+ {
426
+ "epoch": 0.8774865216583008,
427
+ "grad_norm": 0.18923349678516388,
428
+ "learning_rate": 0.00029480789616828765,
429
+ "loss": 0.2647,
430
+ "step": 590
431
+ },
432
+ {
433
+ "epoch": 0.8923591745677635,
434
+ "grad_norm": 0.1697588562965393,
435
+ "learning_rate": 0.00029439363704250176,
436
+ "loss": 0.2434,
437
+ "step": 600
438
+ },
439
+ {
440
+ "epoch": 0.9072318274772263,
441
+ "grad_norm": 0.15528830885887146,
442
+ "learning_rate": 0.0002939637938671306,
443
+ "loss": 0.2293,
444
+ "step": 610
445
+ },
446
+ {
447
+ "epoch": 0.922104480386689,
448
+ "grad_norm": 0.43390974402427673,
449
+ "learning_rate": 0.0002935184130340893,
450
+ "loss": 0.228,
451
+ "step": 620
452
+ },
453
+ {
454
+ "epoch": 0.9369771332961517,
455
+ "grad_norm": 0.2026420682668686,
456
+ "learning_rate": 0.000293057542612234,
457
+ "loss": 0.2355,
458
+ "step": 630
459
+ },
460
+ {
461
+ "epoch": 0.9518497862056144,
462
+ "grad_norm": 0.16864228248596191,
463
+ "learning_rate": 0.00029258123234217435,
464
+ "loss": 0.2213,
465
+ "step": 640
466
+ },
467
+ {
468
+ "epoch": 0.9667224391150772,
469
+ "grad_norm": 0.15947186946868896,
470
+ "learning_rate": 0.0002920895336309044,
471
+ "loss": 0.2079,
472
+ "step": 650
473
+ },
474
+ {
475
+ "epoch": 0.9815950920245399,
476
+ "grad_norm": 0.21965055167675018,
477
+ "learning_rate": 0.0002915824995462551,
478
+ "loss": 0.2002,
479
+ "step": 660
480
+ },
481
+ {
482
+ "epoch": 0.9964677449340026,
483
+ "grad_norm": 0.23223313689231873,
484
+ "learning_rate": 0.00029106018481116626,
485
+ "loss": 0.1983,
486
+ "step": 670
487
+ },
488
+ {
489
+ "epoch": 1.0117122141662018,
490
+ "grad_norm": 0.26117920875549316,
491
+ "learning_rate": 0.00029052264579778063,
492
+ "loss": 0.2175,
493
+ "step": 680
494
+ },
495
+ {
496
+ "epoch": 1.0265848670756645,
497
+ "grad_norm": 0.176736518740654,
498
+ "learning_rate": 0.00028996994052135996,
499
+ "loss": 0.1831,
500
+ "step": 690
501
+ },
502
+ {
503
+ "epoch": 1.0414575199851273,
504
+ "grad_norm": 0.17873461544513702,
505
+ "learning_rate": 0.0002894021286340233,
506
+ "loss": 0.1784,
507
+ "step": 700
508
+ },
509
+ {
510
+ "epoch": 1.05633017289459,
511
+ "grad_norm": 0.2646450996398926,
512
+ "learning_rate": 0.0002888192714183092,
513
+ "loss": 0.1784,
514
+ "step": 710
515
+ },
516
+ {
517
+ "epoch": 1.0712028258040527,
518
+ "grad_norm": 0.16840551793575287,
519
+ "learning_rate": 0.00028822143178056114,
520
+ "loss": 0.1726,
521
+ "step": 720
522
+ },
523
+ {
524
+ "epoch": 1.0860754787135156,
525
+ "grad_norm": 0.1423952877521515,
526
+ "learning_rate": 0.0002876086742441387,
527
+ "loss": 0.1608,
528
+ "step": 730
529
+ },
530
+ {
531
+ "epoch": 1.1009481316229783,
532
+ "grad_norm": 0.16237640380859375,
533
+ "learning_rate": 0.0002869810649424535,
534
+ "loss": 0.179,
535
+ "step": 740
536
+ },
537
+ {
538
+ "epoch": 1.115820784532441,
539
+ "grad_norm": 0.158773735165596,
540
+ "learning_rate": 0.0002863386716118316,
541
+ "loss": 0.1742,
542
+ "step": 750
543
+ },
544
+ {
545
+ "epoch": 1.1306934374419038,
546
+ "grad_norm": 0.17627516388893127,
547
+ "learning_rate": 0.0002856815635842029,
548
+ "loss": 0.1821,
549
+ "step": 760
550
+ },
551
+ {
552
+ "epoch": 1.1455660903513665,
553
+ "grad_norm": 0.23613831400871277,
554
+ "learning_rate": 0.00028500981177961816,
555
+ "loss": 0.156,
556
+ "step": 770
557
+ },
558
+ {
559
+ "epoch": 1.1604387432608292,
560
+ "grad_norm": 0.16501256823539734,
561
+ "learning_rate": 0.0002843234886985951,
562
+ "loss": 0.1517,
563
+ "step": 780
564
+ },
565
+ {
566
+ "epoch": 1.175311396170292,
567
+ "grad_norm": 0.2365158647298813,
568
+ "learning_rate": 0.00028362266841429345,
569
+ "loss": 0.1391,
570
+ "step": 790
571
+ },
572
+ {
573
+ "epoch": 1.1901840490797546,
574
+ "grad_norm": 0.17508777976036072,
575
+ "learning_rate": 0.00028290742656452014,
576
+ "loss": 0.1434,
577
+ "step": 800
578
+ },
579
+ {
580
+ "epoch": 1.2050567019892173,
581
+ "grad_norm": 0.145797461271286,
582
+ "learning_rate": 0.0002821778403435663,
583
+ "loss": 0.1607,
584
+ "step": 810
585
+ },
586
+ {
587
+ "epoch": 1.21992935489868,
588
+ "grad_norm": 0.15968403220176697,
589
+ "learning_rate": 0.00028143398849387577,
590
+ "loss": 0.1536,
591
+ "step": 820
592
+ },
593
+ {
594
+ "epoch": 1.2348020078081428,
595
+ "grad_norm": 0.1553070992231369,
596
+ "learning_rate": 0.00028067595129754647,
597
+ "loss": 0.1481,
598
+ "step": 830
599
+ },
600
+ {
601
+ "epoch": 1.2496746607176055,
602
+ "grad_norm": 0.1769135743379593,
603
+ "learning_rate": 0.0002799038105676658,
604
+ "loss": 0.1285,
605
+ "step": 840
606
+ },
607
+ {
608
+ "epoch": 1.2645473136270682,
609
+ "grad_norm": 0.1639111191034317,
610
+ "learning_rate": 0.0002791176496394808,
611
+ "loss": 0.144,
612
+ "step": 850
613
+ },
614
+ {
615
+ "epoch": 1.279419966536531,
616
+ "grad_norm": 0.19045153260231018,
617
+ "learning_rate": 0.00027831755336140416,
618
+ "loss": 0.1347,
619
+ "step": 860
620
+ },
621
+ {
622
+ "epoch": 1.2942926194459936,
623
+ "grad_norm": 0.18079642951488495,
624
+ "learning_rate": 0.00027750360808585637,
625
+ "loss": 0.1254,
626
+ "step": 870
627
+ },
628
+ {
629
+ "epoch": 1.3091652723554563,
630
+ "grad_norm": 0.18368874490261078,
631
+ "learning_rate": 0.00027667590165994613,
632
+ "loss": 0.1289,
633
+ "step": 880
634
+ },
635
+ {
636
+ "epoch": 1.324037925264919,
637
+ "grad_norm": 0.20005619525909424,
638
+ "learning_rate": 0.00027583452341598935,
639
+ "loss": 0.1246,
640
+ "step": 890
641
+ },
642
+ {
643
+ "epoch": 1.338910578174382,
644
+ "grad_norm": 0.1317131668329239,
645
+ "learning_rate": 0.0002749795641618673,
646
+ "loss": 0.1238,
647
+ "step": 900
648
+ },
649
+ {
650
+ "epoch": 1.3537832310838445,
651
+ "grad_norm": 0.15287995338439941,
652
+ "learning_rate": 0.00027411111617122656,
653
+ "loss": 0.1224,
654
+ "step": 910
655
+ },
656
+ {
657
+ "epoch": 1.3686558839933074,
658
+ "grad_norm": 0.1613466739654541,
659
+ "learning_rate": 0.0002732292731735196,
660
+ "loss": 0.1178,
661
+ "step": 920
662
+ },
663
+ {
664
+ "epoch": 1.3835285369027701,
665
+ "grad_norm": 0.1685304194688797,
666
+ "learning_rate": 0.000272334130343889,
667
+ "loss": 0.1201,
668
+ "step": 930
669
+ },
670
+ {
671
+ "epoch": 1.3984011898122328,
672
+ "grad_norm": 0.19208119809627533,
673
+ "learning_rate": 0.0002714257842928956,
674
+ "loss": 0.1103,
675
+ "step": 940
676
+ },
677
+ {
678
+ "epoch": 1.4132738427216955,
679
+ "grad_norm": 0.17899583280086517,
680
+ "learning_rate": 0.00027050433305609125,
681
+ "loss": 0.1128,
682
+ "step": 950
683
+ },
684
+ {
685
+ "epoch": 1.4281464956311583,
686
+ "grad_norm": 0.19848547875881195,
687
+ "learning_rate": 0.0002695698760834384,
688
+ "loss": 0.1112,
689
+ "step": 960
690
+ },
691
+ {
692
+ "epoch": 1.443019148540621,
693
+ "grad_norm": 0.1710231602191925,
694
+ "learning_rate": 0.0002686225142285762,
695
+ "loss": 0.1107,
696
+ "step": 970
697
+ },
698
+ {
699
+ "epoch": 1.4578918014500837,
700
+ "grad_norm": 0.1552249938249588,
701
+ "learning_rate": 0.0002676623497379363,
702
+ "loss": 0.0984,
703
+ "step": 980
704
+ },
705
+ {
706
+ "epoch": 1.4727644543595464,
707
+ "grad_norm": 0.1702568084001541,
708
+ "learning_rate": 0.0002666894862397072,
709
+ "loss": 0.1109,
710
+ "step": 990
711
+ },
712
+ {
713
+ "epoch": 1.487637107269009,
714
+ "grad_norm": 0.12360525131225586,
715
+ "learning_rate": 0.00026570402873264996,
716
+ "loss": 0.1018,
717
+ "step": 1000
718
+ },
719
+ {
720
+ "epoch": 1.487637107269009,
721
+ "eval_loss": 0.10193677991628647,
722
+ "eval_runtime": 212.152,
723
+ "eval_samples_per_second": 22.536,
724
+ "eval_steps_per_second": 22.536,
725
+ "step": 1000
726
+ },
727
+ {
728
+ "epoch": 1.5025097601784718,
729
+ "grad_norm": 0.14356306195259094,
730
+ "learning_rate": 0.0002647060835747659,
731
+ "loss": 0.101,
732
+ "step": 1010
733
+ },
734
+ {
735
+ "epoch": 1.5173824130879345,
736
+ "grad_norm": 0.12723973393440247,
737
+ "learning_rate": 0.00026369575847181795,
738
+ "loss": 0.095,
739
+ "step": 1020
740
+ },
741
+ {
742
+ "epoch": 1.5322550659973972,
743
+ "grad_norm": 0.12857410311698914,
744
+ "learning_rate": 0.0002626731624657058,
745
+ "loss": 0.0915,
746
+ "step": 1030
747
+ },
748
+ {
749
+ "epoch": 1.54712771890686,
750
+ "grad_norm": 0.1593610793352127,
751
+ "learning_rate": 0.0002616384059226977,
752
+ "loss": 0.0993,
753
+ "step": 1040
754
+ },
755
+ {
756
+ "epoch": 1.562000371816323,
757
+ "grad_norm": 0.11687605082988739,
758
+ "learning_rate": 0.0002605916005215186,
759
+ "loss": 0.0894,
760
+ "step": 1050
761
+ },
762
+ {
763
+ "epoch": 1.5768730247257854,
764
+ "grad_norm": 0.1873299479484558,
765
+ "learning_rate": 0.0002595328592412969,
766
+ "loss": 0.097,
767
+ "step": 1060
768
+ },
769
+ {
770
+ "epoch": 1.5917456776352483,
771
+ "grad_norm": 0.1516319364309311,
772
+ "learning_rate": 0.00025846229634937136,
773
+ "loss": 0.0931,
774
+ "step": 1070
775
+ },
776
+ {
777
+ "epoch": 1.6066183305447108,
778
+ "grad_norm": 0.1431397646665573,
779
+ "learning_rate": 0.0002573800273889577,
780
+ "loss": 0.0918,
781
+ "step": 1080
782
+ },
783
+ {
784
+ "epoch": 1.6214909834541738,
785
+ "grad_norm": 0.17975349724292755,
786
+ "learning_rate": 0.0002562861691666793,
787
+ "loss": 0.0892,
788
+ "step": 1090
789
+ },
790
+ {
791
+ "epoch": 1.6363636363636362,
792
+ "grad_norm": 0.1414797306060791,
793
+ "learning_rate": 0.0002551808397399597,
794
+ "loss": 0.0952,
795
+ "step": 1100
796
+ },
797
+ {
798
+ "epoch": 1.6512362892730992,
799
+ "grad_norm": 0.151850625872612,
800
+ "learning_rate": 0.0002540641584042812,
801
+ "loss": 0.1008,
802
+ "step": 1110
803
+ },
804
+ {
805
+ "epoch": 1.6661089421825617,
806
+ "grad_norm": 0.1266675442457199,
807
+ "learning_rate": 0.00025293624568031,
808
+ "loss": 0.0782,
809
+ "step": 1120
810
+ },
811
+ {
812
+ "epoch": 1.6809815950920246,
813
+ "grad_norm": 0.12076599150896072,
814
+ "learning_rate": 0.0002517972233008882,
815
+ "loss": 0.0772,
816
+ "step": 1130
817
+ },
818
+ {
819
+ "epoch": 1.6958542480014873,
820
+ "grad_norm": 0.125094935297966,
821
+ "learning_rate": 0.0002506472141978955,
822
+ "loss": 0.0837,
823
+ "step": 1140
824
+ },
825
+ {
826
+ "epoch": 1.71072690091095,
827
+ "grad_norm": 0.13272984325885773,
828
+ "learning_rate": 0.0002494863424889819,
829
+ "loss": 0.0736,
830
+ "step": 1150
831
+ },
832
+ {
833
+ "epoch": 1.7255995538204127,
834
+ "grad_norm": 0.16893050074577332,
835
+ "learning_rate": 0.00024831473346417153,
836
+ "loss": 0.0856,
837
+ "step": 1160
838
+ },
839
+ {
840
+ "epoch": 1.7404722067298755,
841
+ "grad_norm": 0.11702137440443039,
842
+ "learning_rate": 0.00024713251357234053,
843
+ "loss": 0.0799,
844
+ "step": 1170
845
+ },
846
+ {
847
+ "epoch": 1.7553448596393382,
848
+ "grad_norm": 0.13682794570922852,
849
+ "learning_rate": 0.00024593981040756997,
850
+ "loss": 0.089,
851
+ "step": 1180
852
+ },
853
+ {
854
+ "epoch": 1.7702175125488009,
855
+ "grad_norm": 0.13676613569259644,
856
+ "learning_rate": 0.0002447367526953746,
857
+ "loss": 0.0797,
858
+ "step": 1190
859
+ },
860
+ {
861
+ "epoch": 1.7850901654582636,
862
+ "grad_norm": 0.13324877619743347,
863
+ "learning_rate": 0.00024352347027881003,
864
+ "loss": 0.0792,
865
+ "step": 1200
866
+ },
867
+ {
868
+ "epoch": 1.7999628183677263,
869
+ "grad_norm": 0.11255478858947754,
870
+ "learning_rate": 0.00024230009410445893,
871
+ "loss": 0.0763,
872
+ "step": 1210
873
+ },
874
+ {
875
+ "epoch": 1.814835471277189,
876
+ "grad_norm": 0.10950371623039246,
877
+ "learning_rate": 0.0002410667562082985,
878
+ "loss": 0.0663,
879
+ "step": 1220
880
+ },
881
+ {
882
+ "epoch": 1.8297081241866517,
883
+ "grad_norm": 0.11777317523956299,
884
+ "learning_rate": 0.00023982358970145004,
885
+ "loss": 0.0694,
886
+ "step": 1230
887
+ },
888
+ {
889
+ "epoch": 1.8445807770961147,
890
+ "grad_norm": 0.1194106712937355,
891
+ "learning_rate": 0.00023857072875581244,
892
+ "loss": 0.0703,
893
+ "step": 1240
894
+ },
895
+ {
896
+ "epoch": 1.8594534300055772,
897
+ "grad_norm": 0.11233114451169968,
898
+ "learning_rate": 0.00023730830858958177,
899
+ "loss": 0.0655,
900
+ "step": 1250
901
+ },
902
+ {
903
+ "epoch": 1.87432608291504,
904
+ "grad_norm": 0.11641702055931091,
905
+ "learning_rate": 0.00023603646545265687,
906
+ "loss": 0.0645,
907
+ "step": 1260
908
+ },
909
+ {
910
+ "epoch": 1.8891987358245026,
911
+ "grad_norm": 0.1414889097213745,
912
+ "learning_rate": 0.00023475533661193495,
913
+ "loss": 0.068,
914
+ "step": 1270
915
+ },
916
+ {
917
+ "epoch": 1.9040713887339655,
918
+ "grad_norm": 0.10632241517305374,
919
+ "learning_rate": 0.00023346506033649614,
920
+ "loss": 0.064,
921
+ "step": 1280
922
+ },
923
+ {
924
+ "epoch": 1.918944041643428,
925
+ "grad_norm": 0.10176625102758408,
926
+ "learning_rate": 0.0002321657758826807,
927
+ "loss": 0.062,
928
+ "step": 1290
929
+ },
930
+ {
931
+ "epoch": 1.933816694552891,
932
+ "grad_norm": 0.09434150904417038,
933
+ "learning_rate": 0.00023085762347905943,
934
+ "loss": 0.0684,
935
+ "step": 1300
936
+ },
937
+ {
938
+ "epoch": 1.9486893474623534,
939
+ "grad_norm": 0.12967799603939056,
940
+ "learning_rate": 0.00022954074431129915,
941
+ "loss": 0.0605,
942
+ "step": 1310
943
+ },
944
+ {
945
+ "epoch": 1.9635620003718164,
946
+ "grad_norm": 0.1181391179561615,
947
+ "learning_rate": 0.0002282152805069247,
948
+ "loss": 0.0654,
949
+ "step": 1320
950
+ },
951
+ {
952
+ "epoch": 1.978434653281279,
953
+ "grad_norm": 0.10801093280315399,
954
+ "learning_rate": 0.00022688137511997977,
955
+ "loss": 0.07,
956
+ "step": 1330
957
+ },
958
+ {
959
+ "epoch": 1.9933073061907418,
960
+ "grad_norm": 0.11437591165304184,
961
+ "learning_rate": 0.00022553917211558713,
962
+ "loss": 0.0578,
963
+ "step": 1340
964
+ },
965
+ {
966
+ "epoch": 2.008551775422941,
967
+ "grad_norm": 0.11018254607915878,
968
+ "learning_rate": 0.0002241888163544111,
969
+ "loss": 0.0565,
970
+ "step": 1350
971
+ },
972
+ {
973
+ "epoch": 2.0234244283324037,
974
+ "grad_norm": 0.08331198990345001,
975
+ "learning_rate": 0.0002228304535770228,
976
+ "loss": 0.0399,
977
+ "step": 1360
978
+ },
979
+ {
980
+ "epoch": 2.0382970812418666,
981
+ "grad_norm": 0.09547814726829529,
982
+ "learning_rate": 0.00022146423038817102,
983
+ "loss": 0.0438,
984
+ "step": 1370
985
+ },
986
+ {
987
+ "epoch": 2.053169734151329,
988
+ "grad_norm": 0.10641171038150787,
989
+ "learning_rate": 0.00022009029424095928,
990
+ "loss": 0.0384,
991
+ "step": 1380
992
+ },
993
+ {
994
+ "epoch": 2.068042387060792,
995
+ "grad_norm": 0.10844069719314575,
996
+ "learning_rate": 0.0002187087934209318,
997
+ "loss": 0.044,
998
+ "step": 1390
999
+ },
1000
+ {
1001
+ "epoch": 2.0829150399702545,
1002
+ "grad_norm": 0.10333788394927979,
1003
+ "learning_rate": 0.00021731987703006933,
1004
+ "loss": 0.041,
1005
+ "step": 1400
1006
+ },
1007
+ {
1008
+ "epoch": 2.0977876928797174,
1009
+ "grad_norm": 0.10635129362344742,
1010
+ "learning_rate": 0.0002159236949706967,
1011
+ "loss": 0.04,
1012
+ "step": 1410
1013
+ },
1014
+ {
1015
+ "epoch": 2.11266034578918,
1016
+ "grad_norm": 0.09010270237922668,
1017
+ "learning_rate": 0.00021452039792930474,
1018
+ "loss": 0.0402,
1019
+ "step": 1420
1020
+ },
1021
+ {
1022
+ "epoch": 2.127532998698643,
1023
+ "grad_norm": 0.09274252504110336,
1024
+ "learning_rate": 0.00021311013736028658,
1025
+ "loss": 0.0384,
1026
+ "step": 1430
1027
+ },
1028
+ {
1029
+ "epoch": 2.1424056516081054,
1030
+ "grad_norm": 0.08550871163606644,
1031
+ "learning_rate": 0.00021169306546959174,
1032
+ "loss": 0.0428,
1033
+ "step": 1440
1034
+ },
1035
+ {
1036
+ "epoch": 2.1572783045175683,
1037
+ "grad_norm": 0.10152186453342438,
1038
+ "learning_rate": 0.00021026933519829896,
1039
+ "loss": 0.0442,
1040
+ "step": 1450
1041
+ },
1042
+ {
1043
+ "epoch": 2.1721509574270312,
1044
+ "grad_norm": 0.08528181910514832,
1045
+ "learning_rate": 0.00020883910020610957,
1046
+ "loss": 0.0375,
1047
+ "step": 1460
1048
+ },
1049
+ {
1050
+ "epoch": 2.1870236103364937,
1051
+ "grad_norm": 0.09736708551645279,
1052
+ "learning_rate": 0.00020740251485476345,
1053
+ "loss": 0.0387,
1054
+ "step": 1470
1055
+ },
1056
+ {
1057
+ "epoch": 2.2018962632459567,
1058
+ "grad_norm": 0.09133671224117279,
1059
+ "learning_rate": 0.00020595973419137908,
1060
+ "loss": 0.0373,
1061
+ "step": 1480
1062
+ },
1063
+ {
1064
+ "epoch": 2.216768916155419,
1065
+ "grad_norm": 0.08406363427639008,
1066
+ "learning_rate": 0.00020451091393171964,
1067
+ "loss": 0.0381,
1068
+ "step": 1490
1069
+ },
1070
+ {
1071
+ "epoch": 2.231641569064882,
1072
+ "grad_norm": 0.08503925055265427,
1073
+ "learning_rate": 0.00020305621044338718,
1074
+ "loss": 0.0376,
1075
+ "step": 1500
1076
+ },
1077
+ {
1078
+ "epoch": 2.231641569064882,
1079
+ "eval_loss": 0.051042910665273666,
1080
+ "eval_runtime": 212.5441,
1081
+ "eval_samples_per_second": 22.494,
1082
+ "eval_steps_per_second": 22.494,
1083
+ "step": 1500
1084
+ },
1085
+ {
1086
+ "epoch": 2.2465142219743446,
1087
+ "grad_norm": 0.09201103448867798,
1088
+ "learning_rate": 0.00020159578072894606,
1089
+ "loss": 0.0393,
1090
+ "step": 1510
1091
+ },
1092
+ {
1093
+ "epoch": 2.2613868748838075,
1094
+ "grad_norm": 0.09499834477901459,
1095
+ "learning_rate": 0.00020012978240897814,
1096
+ "loss": 0.0346,
1097
+ "step": 1520
1098
+ },
1099
+ {
1100
+ "epoch": 2.27625952779327,
1101
+ "grad_norm": 0.09396501630544662,
1102
+ "learning_rate": 0.00019865837370507106,
1103
+ "loss": 0.039,
1104
+ "step": 1530
1105
+ },
1106
+ {
1107
+ "epoch": 2.291132180702733,
1108
+ "grad_norm": 0.08983522653579712,
1109
+ "learning_rate": 0.00019718171342274205,
1110
+ "loss": 0.0387,
1111
+ "step": 1540
1112
+ },
1113
+ {
1114
+ "epoch": 2.3060048336121954,
1115
+ "grad_norm": 0.1118871420621872,
1116
+ "learning_rate": 0.00019569996093429814,
1117
+ "loss": 0.0379,
1118
+ "step": 1550
1119
+ },
1120
+ {
1121
+ "epoch": 2.3208774865216584,
1122
+ "grad_norm": 0.08434595167636871,
1123
+ "learning_rate": 0.00019421327616163563,
1124
+ "loss": 0.0372,
1125
+ "step": 1560
1126
+ },
1127
+ {
1128
+ "epoch": 2.335750139431121,
1129
+ "grad_norm": 0.0915694460272789,
1130
+ "learning_rate": 0.00019272181955898017,
1131
+ "loss": 0.036,
1132
+ "step": 1570
1133
+ },
1134
+ {
1135
+ "epoch": 2.350622792340584,
1136
+ "grad_norm": 0.08459066599607468,
1137
+ "learning_rate": 0.0001912257520955692,
1138
+ "loss": 0.0363,
1139
+ "step": 1580
1140
+ },
1141
+ {
1142
+ "epoch": 2.3654954452500463,
1143
+ "grad_norm": 0.09195558726787567,
1144
+ "learning_rate": 0.00018972523523827907,
1145
+ "loss": 0.0389,
1146
+ "step": 1590
1147
+ },
1148
+ {
1149
+ "epoch": 2.3803680981595092,
1150
+ "grad_norm": 0.09830203652381897,
1151
+ "learning_rate": 0.0001882204309341982,
1152
+ "loss": 0.0373,
1153
+ "step": 1600
1154
+ },
1155
+ {
1156
+ "epoch": 2.3952407510689717,
1157
+ "grad_norm": 0.08541320264339447,
1158
+ "learning_rate": 0.00018671150159314855,
1159
+ "loss": 0.0342,
1160
+ "step": 1610
1161
+ },
1162
+ {
1163
+ "epoch": 2.4101134039784347,
1164
+ "grad_norm": 0.08817029744386673,
1165
+ "learning_rate": 0.00018519861007015729,
1166
+ "loss": 0.0371,
1167
+ "step": 1620
1168
+ },
1169
+ {
1170
+ "epoch": 2.4249860568878976,
1171
+ "grad_norm": 0.08839129656553268,
1172
+ "learning_rate": 0.00018368191964788,
1173
+ "loss": 0.0355,
1174
+ "step": 1630
1175
+ },
1176
+ {
1177
+ "epoch": 2.43985870979736,
1178
+ "grad_norm": 0.08589951694011688,
1179
+ "learning_rate": 0.00018216159401897812,
1180
+ "loss": 0.0339,
1181
+ "step": 1640
1182
+ },
1183
+ {
1184
+ "epoch": 2.454731362706823,
1185
+ "grad_norm": 0.09998754411935806,
1186
+ "learning_rate": 0.00018063779726845203,
1187
+ "loss": 0.0339,
1188
+ "step": 1650
1189
+ },
1190
+ {
1191
+ "epoch": 2.4696040156162855,
1192
+ "grad_norm": 0.08363664150238037,
1193
+ "learning_rate": 0.0001791106938559317,
1194
+ "loss": 0.0357,
1195
+ "step": 1660
1196
+ },
1197
+ {
1198
+ "epoch": 2.4844766685257484,
1199
+ "grad_norm": 0.08930620551109314,
1200
+ "learning_rate": 0.00017758044859792705,
1201
+ "loss": 0.0347,
1202
+ "step": 1670
1203
+ },
1204
+ {
1205
+ "epoch": 2.499349321435211,
1206
+ "grad_norm": 0.08270251750946045,
1207
+ "learning_rate": 0.00017604722665003956,
1208
+ "loss": 0.0332,
1209
+ "step": 1680
1210
+ },
1211
+ {
1212
+ "epoch": 2.514221974344674,
1213
+ "grad_norm": 0.09085123986005783,
1214
+ "learning_rate": 0.00017451119348913744,
1215
+ "loss": 0.0357,
1216
+ "step": 1690
1217
+ },
1218
+ {
1219
+ "epoch": 2.5290946272541364,
1220
+ "grad_norm": 0.0897296592593193,
1221
+ "learning_rate": 0.00017297251489549638,
1222
+ "loss": 0.0368,
1223
+ "step": 1700
1224
+ },
1225
+ {
1226
+ "epoch": 2.5439672801635993,
1227
+ "grad_norm": 0.07172433286905289,
1228
+ "learning_rate": 0.000171431356934907,
1229
+ "loss": 0.0371,
1230
+ "step": 1710
1231
+ },
1232
+ {
1233
+ "epoch": 2.558839933073062,
1234
+ "grad_norm": 0.0848449245095253,
1235
+ "learning_rate": 0.0001698878859407519,
1236
+ "loss": 0.032,
1237
+ "step": 1720
1238
+ },
1239
+ {
1240
+ "epoch": 2.5737125859825247,
1241
+ "grad_norm": 0.08270355314016342,
1242
+ "learning_rate": 0.00016834226849605371,
1243
+ "loss": 0.0333,
1244
+ "step": 1730
1245
+ },
1246
+ {
1247
+ "epoch": 2.588585238891987,
1248
+ "grad_norm": 0.07130729407072067,
1249
+ "learning_rate": 0.00016679467141549617,
1250
+ "loss": 0.0324,
1251
+ "step": 1740
1252
+ },
1253
+ {
1254
+ "epoch": 2.60345789180145,
1255
+ "grad_norm": 0.07863139361143112,
1256
+ "learning_rate": 0.00016524526172742026,
1257
+ "loss": 0.0295,
1258
+ "step": 1750
1259
+ },
1260
+ {
1261
+ "epoch": 2.6183305447109126,
1262
+ "grad_norm": 0.08600688725709915,
1263
+ "learning_rate": 0.00016369420665579725,
1264
+ "loss": 0.0342,
1265
+ "step": 1760
1266
+ },
1267
+ {
1268
+ "epoch": 2.6332031976203756,
1269
+ "grad_norm": 0.10146727412939072,
1270
+ "learning_rate": 0.0001621416736021805,
1271
+ "loss": 0.032,
1272
+ "step": 1770
1273
+ },
1274
+ {
1275
+ "epoch": 2.648075850529838,
1276
+ "grad_norm": 0.0812121257185936,
1277
+ "learning_rate": 0.00016058783012763844,
1278
+ "loss": 0.0341,
1279
+ "step": 1780
1280
+ },
1281
+ {
1282
+ "epoch": 2.662948503439301,
1283
+ "grad_norm": 0.0973149985074997,
1284
+ "learning_rate": 0.00015903284393466987,
1285
+ "loss": 0.0313,
1286
+ "step": 1790
1287
+ },
1288
+ {
1289
+ "epoch": 2.677821156348764,
1290
+ "grad_norm": 0.0835902988910675,
1291
+ "learning_rate": 0.00015747688284910457,
1292
+ "loss": 0.0298,
1293
+ "step": 1800
1294
+ },
1295
+ {
1296
+ "epoch": 2.6926938092582264,
1297
+ "grad_norm": 0.07972200214862823,
1298
+ "learning_rate": 0.00015592011480198992,
1299
+ "loss": 0.0346,
1300
+ "step": 1810
1301
+ },
1302
+ {
1303
+ "epoch": 2.707566462167689,
1304
+ "grad_norm": 0.07594762742519379,
1305
+ "learning_rate": 0.0001543627078114667,
1306
+ "loss": 0.0338,
1307
+ "step": 1820
1308
+ },
1309
+ {
1310
+ "epoch": 2.722439115077152,
1311
+ "grad_norm": 0.07757771015167236,
1312
+ "learning_rate": 0.00015280482996463533,
1313
+ "loss": 0.0315,
1314
+ "step": 1830
1315
+ },
1316
+ {
1317
+ "epoch": 2.737311767986615,
1318
+ "grad_norm": 0.06432707607746124,
1319
+ "learning_rate": 0.00015124664939941457,
1320
+ "loss": 0.0319,
1321
+ "step": 1840
1322
+ },
1323
+ {
1324
+ "epoch": 2.7521844208960773,
1325
+ "grad_norm": 0.07696104794740677,
1326
+ "learning_rate": 0.00014968833428639474,
1327
+ "loss": 0.0301,
1328
+ "step": 1850
1329
+ },
1330
+ {
1331
+ "epoch": 2.7670570738055402,
1332
+ "grad_norm": 0.07426641881465912,
1333
+ "learning_rate": 0.00014813005281068774,
1334
+ "loss": 0.0285,
1335
+ "step": 1860
1336
+ },
1337
+ {
1338
+ "epoch": 2.7819297267150027,
1339
+ "grad_norm": 0.0765393078327179,
1340
+ "learning_rate": 0.00014657197315377495,
1341
+ "loss": 0.0313,
1342
+ "step": 1870
1343
+ },
1344
+ {
1345
+ "epoch": 2.7968023796244657,
1346
+ "grad_norm": 0.07151610404253006,
1347
+ "learning_rate": 0.00014501426347535598,
1348
+ "loss": 0.03,
1349
+ "step": 1880
1350
+ },
1351
+ {
1352
+ "epoch": 2.811675032533928,
1353
+ "grad_norm": 0.07834175229072571,
1354
+ "learning_rate": 0.0001434570918951996,
1355
+ "loss": 0.0286,
1356
+ "step": 1890
1357
+ },
1358
+ {
1359
+ "epoch": 2.826547685443391,
1360
+ "grad_norm": 0.09932053834199905,
1361
+ "learning_rate": 0.00014190062647499892,
1362
+ "loss": 0.0307,
1363
+ "step": 1900
1364
+ },
1365
+ {
1366
+ "epoch": 2.8414203383528536,
1367
+ "grad_norm": 0.08595503121614456,
1368
+ "learning_rate": 0.00014034503520023297,
1369
+ "loss": 0.0306,
1370
+ "step": 1910
1371
+ },
1372
+ {
1373
+ "epoch": 2.8562929912623165,
1374
+ "grad_norm": 0.08349858224391937,
1375
+ "learning_rate": 0.00013879048596203636,
1376
+ "loss": 0.0306,
1377
+ "step": 1920
1378
+ },
1379
+ {
1380
+ "epoch": 2.871165644171779,
1381
+ "grad_norm": 0.07905739545822144,
1382
+ "learning_rate": 0.0001372371465390794,
1383
+ "loss": 0.0305,
1384
+ "step": 1930
1385
+ },
1386
+ {
1387
+ "epoch": 2.886038297081242,
1388
+ "grad_norm": 0.06820567697286606,
1389
+ "learning_rate": 0.0001356851845794598,
1390
+ "loss": 0.0276,
1391
+ "step": 1940
1392
+ },
1393
+ {
1394
+ "epoch": 2.9009109499907044,
1395
+ "grad_norm": 0.07227708399295807,
1396
+ "learning_rate": 0.00013413476758260934,
1397
+ "loss": 0.0267,
1398
+ "step": 1950
1399
+ },
1400
+ {
1401
+ "epoch": 2.9157836029001674,
1402
+ "grad_norm": 0.09035148471593857,
1403
+ "learning_rate": 0.00013258606288121542,
1404
+ "loss": 0.0287,
1405
+ "step": 1960
1406
+ },
1407
+ {
1408
+ "epoch": 2.9306562558096303,
1409
+ "grad_norm": 0.08626757562160492,
1410
+ "learning_rate": 0.00013103923762316198,
1411
+ "loss": 0.0298,
1412
+ "step": 1970
1413
+ },
1414
+ {
1415
+ "epoch": 2.945528908719093,
1416
+ "grad_norm": 0.0765102431178093,
1417
+ "learning_rate": 0.00012949445875348902,
1418
+ "loss": 0.0274,
1419
+ "step": 1980
1420
+ },
1421
+ {
1422
+ "epoch": 2.9604015616285553,
1423
+ "grad_norm": 0.08610813319683075,
1424
+ "learning_rate": 0.00012795189299637483,
1425
+ "loss": 0.0283,
1426
+ "step": 1990
1427
+ },
1428
+ {
1429
+ "epoch": 2.975274214538018,
1430
+ "grad_norm": 0.08020433783531189,
1431
+ "learning_rate": 0.00012641170683714222,
1432
+ "loss": 0.0267,
1433
+ "step": 2000
1434
+ },
1435
+ {
1436
+ "epoch": 2.975274214538018,
1437
+ "eval_loss": 0.0338360071182251,
1438
+ "eval_runtime": 212.7237,
1439
+ "eval_samples_per_second": 22.475,
1440
+ "eval_steps_per_second": 22.475,
1441
+ "step": 2000
1442
+ },
1443
+ {
1444
+ "epoch": 2.990146867447481,
1445
+ "grad_norm": 0.06885667890310287,
1446
+ "learning_rate": 0.00012487406650428954,
1447
+ "loss": 0.0277,
1448
+ "step": 2010
1449
+ },
1450
+ {
1451
+ "epoch": 3.00539133667968,
1452
+ "grad_norm": 0.07658534497022629,
1453
+ "learning_rate": 0.00012333913795155053,
1454
+ "loss": 0.0251,
1455
+ "step": 2020
1456
+ },
1457
+ {
1458
+ "epoch": 3.020263989589143,
1459
+ "grad_norm": 0.06449634581804276,
1460
+ "learning_rate": 0.00012180708683998321,
1461
+ "loss": 0.0147,
1462
+ "step": 2030
1463
+ },
1464
+ {
1465
+ "epoch": 3.0351366424986055,
1466
+ "grad_norm": 0.06312290579080582,
1467
+ "learning_rate": 0.00012027807852009038,
1468
+ "loss": 0.0157,
1469
+ "step": 2040
1470
+ },
1471
+ {
1472
+ "epoch": 3.0500092954080684,
1473
+ "grad_norm": 0.07343071699142456,
1474
+ "learning_rate": 0.00011875227801397381,
1475
+ "loss": 0.0149,
1476
+ "step": 2050
1477
+ },
1478
+ {
1479
+ "epoch": 3.064881948317531,
1480
+ "grad_norm": 0.06489036977291107,
1481
+ "learning_rate": 0.00011722984999752392,
1482
+ "loss": 0.0155,
1483
+ "step": 2060
1484
+ },
1485
+ {
1486
+ "epoch": 3.079754601226994,
1487
+ "grad_norm": 0.06041651591658592,
1488
+ "learning_rate": 0.00011571095878264658,
1489
+ "loss": 0.0139,
1490
+ "step": 2070
1491
+ },
1492
+ {
1493
+ "epoch": 3.094627254136457,
1494
+ "grad_norm": 0.07048339396715164,
1495
+ "learning_rate": 0.00011419576829952933,
1496
+ "loss": 0.014,
1497
+ "step": 2080
1498
+ },
1499
+ {
1500
+ "epoch": 3.1094999070459193,
1501
+ "grad_norm": 0.05680292099714279,
1502
+ "learning_rate": 0.00011268444207894902,
1503
+ "loss": 0.0133,
1504
+ "step": 2090
1505
+ },
1506
+ {
1507
+ "epoch": 3.124372559955382,
1508
+ "grad_norm": 0.0727318823337555,
1509
+ "learning_rate": 0.00011117714323462186,
1510
+ "loss": 0.0147,
1511
+ "step": 2100
1512
+ },
1513
+ {
1514
+ "epoch": 3.1392452128648447,
1515
+ "grad_norm": 0.054686855524778366,
1516
+ "learning_rate": 0.00010967403444559963,
1517
+ "loss": 0.0143,
1518
+ "step": 2110
1519
+ },
1520
+ {
1521
+ "epoch": 3.1541178657743076,
1522
+ "grad_norm": 0.05729954317212105,
1523
+ "learning_rate": 0.00010817527793871143,
1524
+ "loss": 0.0134,
1525
+ "step": 2120
1526
+ },
1527
+ {
1528
+ "epoch": 3.16899051868377,
1529
+ "grad_norm": 0.08314567804336548,
1530
+ "learning_rate": 0.00010668103547105553,
1531
+ "loss": 0.0148,
1532
+ "step": 2130
1533
+ },
1534
+ {
1535
+ "epoch": 3.183863171593233,
1536
+ "grad_norm": 0.05523039028048515,
1537
+ "learning_rate": 0.00010519146831254088,
1538
+ "loss": 0.0129,
1539
+ "step": 2140
1540
+ },
1541
+ {
1542
+ "epoch": 3.1987358245026956,
1543
+ "grad_norm": 0.05546917766332626,
1544
+ "learning_rate": 0.00010370673722848183,
1545
+ "loss": 0.0139,
1546
+ "step": 2150
1547
+ },
1548
+ {
1549
+ "epoch": 3.2136084774121585,
1550
+ "grad_norm": 0.05486704409122467,
1551
+ "learning_rate": 0.00010222700246224735,
1552
+ "loss": 0.0135,
1553
+ "step": 2160
1554
+ },
1555
+ {
1556
+ "epoch": 3.228481130321621,
1557
+ "grad_norm": 0.05656208097934723,
1558
+ "learning_rate": 0.00010075242371796585,
1559
+ "loss": 0.0125,
1560
+ "step": 2170
1561
+ },
1562
+ {
1563
+ "epoch": 3.243353783231084,
1564
+ "grad_norm": 0.053801827132701874,
1565
+ "learning_rate": 9.928316014328916e-05,
1566
+ "loss": 0.0141,
1567
+ "step": 2180
1568
+ },
1569
+ {
1570
+ "epoch": 3.2582264361405464,
1571
+ "grad_norm": 0.061040911823511124,
1572
+ "learning_rate": 9.781937031221589e-05,
1573
+ "loss": 0.0136,
1574
+ "step": 2190
1575
+ },
1576
+ {
1577
+ "epoch": 3.2730990890500093,
1578
+ "grad_norm": 0.05558522418141365,
1579
+ "learning_rate": 9.636121220797707e-05,
1580
+ "loss": 0.0138,
1581
+ "step": 2200
1582
+ },
1583
+ {
1584
+ "epoch": 3.287971741959472,
1585
+ "grad_norm": 0.055547308176755905,
1586
+ "learning_rate": 9.490884320598516e-05,
1587
+ "loss": 0.0136,
1588
+ "step": 2210
1589
+ },
1590
+ {
1591
+ "epoch": 3.3028443948689348,
1592
+ "grad_norm": 0.061592597514390945,
1593
+ "learning_rate": 9.34624200568492e-05,
1594
+ "loss": 0.014,
1595
+ "step": 2220
1596
+ },
1597
+ {
1598
+ "epoch": 3.3177170477783973,
1599
+ "grad_norm": 0.05287894979119301,
1600
+ "learning_rate": 9.202209886945698e-05,
1601
+ "loss": 0.0125,
1602
+ "step": 2230
1603
+ },
1604
+ {
1605
+ "epoch": 3.33258970068786,
1606
+ "grad_norm": 0.06365808844566345,
1607
+ "learning_rate": 9.058803509412646e-05,
1608
+ "loss": 0.0139,
1609
+ "step": 2240
1610
+ },
1611
+ {
1612
+ "epoch": 3.347462353597323,
1613
+ "grad_norm": 0.05474059656262398,
1614
+ "learning_rate": 8.916038350582876e-05,
1615
+ "loss": 0.0141,
1616
+ "step": 2250
1617
+ },
1618
+ {
1619
+ "epoch": 3.3623350065067856,
1620
+ "grad_norm": 0.054872963577508926,
1621
+ "learning_rate": 8.773929818748315e-05,
1622
+ "loss": 0.0135,
1623
+ "step": 2260
1624
+ },
1625
+ {
1626
+ "epoch": 3.3772076594162486,
1627
+ "grad_norm": 0.05935963988304138,
1628
+ "learning_rate": 8.632493251332793e-05,
1629
+ "loss": 0.0128,
1630
+ "step": 2270
1631
+ },
1632
+ {
1633
+ "epoch": 3.392080312325711,
1634
+ "grad_norm": 0.06830602139234543,
1635
+ "learning_rate": 8.491743913236628e-05,
1636
+ "loss": 0.0133,
1637
+ "step": 2280
1638
+ },
1639
+ {
1640
+ "epoch": 3.406952965235174,
1641
+ "grad_norm": 0.057178862392902374,
1642
+ "learning_rate": 8.351696995189218e-05,
1643
+ "loss": 0.0121,
1644
+ "step": 2290
1645
+ },
1646
+ {
1647
+ "epoch": 3.4218256181446365,
1648
+ "grad_norm": 0.06827449798583984,
1649
+ "learning_rate": 8.212367612109464e-05,
1650
+ "loss": 0.0127,
1651
+ "step": 2300
1652
+ },
1653
+ {
1654
+ "epoch": 3.4366982710540994,
1655
+ "grad_norm": 0.04981634393334389,
1656
+ "learning_rate": 8.073770801474495e-05,
1657
+ "loss": 0.0132,
1658
+ "step": 2310
1659
+ },
1660
+ {
1661
+ "epoch": 3.451570923963562,
1662
+ "grad_norm": 0.052124422043561935,
1663
+ "learning_rate": 7.935921521696702e-05,
1664
+ "loss": 0.0129,
1665
+ "step": 2320
1666
+ },
1667
+ {
1668
+ "epoch": 3.466443576873025,
1669
+ "grad_norm": 0.05991722270846367,
1670
+ "learning_rate": 7.798834650509306e-05,
1671
+ "loss": 0.0128,
1672
+ "step": 2330
1673
+ },
1674
+ {
1675
+ "epoch": 3.4813162297824873,
1676
+ "grad_norm": 0.05946414917707443,
1677
+ "learning_rate": 7.662524983360665e-05,
1678
+ "loss": 0.0127,
1679
+ "step": 2340
1680
+ },
1681
+ {
1682
+ "epoch": 3.4961888826919503,
1683
+ "grad_norm": 0.05650801584124565,
1684
+ "learning_rate": 7.527007231817389e-05,
1685
+ "loss": 0.0127,
1686
+ "step": 2350
1687
+ },
1688
+ {
1689
+ "epoch": 3.5110615356014128,
1690
+ "grad_norm": 0.04841410368680954,
1691
+ "learning_rate": 7.392296021976614e-05,
1692
+ "loss": 0.0122,
1693
+ "step": 2360
1694
+ },
1695
+ {
1696
+ "epoch": 3.5259341885108757,
1697
+ "grad_norm": 0.05933946743607521,
1698
+ "learning_rate": 7.258405892887398e-05,
1699
+ "loss": 0.0121,
1700
+ "step": 2370
1701
+ },
1702
+ {
1703
+ "epoch": 3.540806841420338,
1704
+ "grad_norm": 0.05451497435569763,
1705
+ "learning_rate": 7.125351294981598e-05,
1706
+ "loss": 0.0127,
1707
+ "step": 2380
1708
+ },
1709
+ {
1710
+ "epoch": 3.555679494329801,
1711
+ "grad_norm": 0.05574881285429001,
1712
+ "learning_rate": 6.993146588514225e-05,
1713
+ "loss": 0.0124,
1714
+ "step": 2390
1715
+ },
1716
+ {
1717
+ "epoch": 3.5705521472392636,
1718
+ "grad_norm": 0.057919006794691086,
1719
+ "learning_rate": 6.86180604201361e-05,
1720
+ "loss": 0.0119,
1721
+ "step": 2400
1722
+ },
1723
+ {
1724
+ "epoch": 3.5854248001487266,
1725
+ "grad_norm": 0.051368821412324905,
1726
+ "learning_rate": 6.731343830741433e-05,
1727
+ "loss": 0.0126,
1728
+ "step": 2410
1729
+ },
1730
+ {
1731
+ "epoch": 3.6002974530581895,
1732
+ "grad_norm": 0.06351654976606369,
1733
+ "learning_rate": 6.6017740351628e-05,
1734
+ "loss": 0.0135,
1735
+ "step": 2420
1736
+ },
1737
+ {
1738
+ "epoch": 3.615170105967652,
1739
+ "grad_norm": 0.053709421306848526,
1740
+ "learning_rate": 6.473110639426616e-05,
1741
+ "loss": 0.0122,
1742
+ "step": 2430
1743
+ },
1744
+ {
1745
+ "epoch": 3.6300427588771145,
1746
+ "grad_norm": 0.061445701867341995,
1747
+ "learning_rate": 6.345367529856254e-05,
1748
+ "loss": 0.0132,
1749
+ "step": 2440
1750
+ },
1751
+ {
1752
+ "epoch": 3.6449154117865774,
1753
+ "grad_norm": 0.0678747370839119,
1754
+ "learning_rate": 6.218558493450893e-05,
1755
+ "loss": 0.0125,
1756
+ "step": 2450
1757
+ },
1758
+ {
1759
+ "epoch": 3.6597880646960403,
1760
+ "grad_norm": 0.05095114931464195,
1761
+ "learning_rate": 6.0926972163974775e-05,
1762
+ "loss": 0.012,
1763
+ "step": 2460
1764
+ },
1765
+ {
1766
+ "epoch": 3.674660717605503,
1767
+ "grad_norm": 0.05740583688020706,
1768
+ "learning_rate": 5.9677972825936254e-05,
1769
+ "loss": 0.0125,
1770
+ "step": 2470
1771
+ },
1772
+ {
1773
+ "epoch": 3.6895333705149658,
1774
+ "grad_norm": 0.05399662256240845,
1775
+ "learning_rate": 5.8438721721815536e-05,
1776
+ "loss": 0.0134,
1777
+ "step": 2480
1778
+ },
1779
+ {
1780
+ "epoch": 3.7044060234244283,
1781
+ "grad_norm": 0.056056030094623566,
1782
+ "learning_rate": 5.720935260093177e-05,
1783
+ "loss": 0.0125,
1784
+ "step": 2490
1785
+ },
1786
+ {
1787
+ "epoch": 3.719278676333891,
1788
+ "grad_norm": 0.046866290271282196,
1789
+ "learning_rate": 5.598999814606618e-05,
1790
+ "loss": 0.0118,
1791
+ "step": 2500
1792
+ },
1793
+ {
1794
+ "epoch": 3.719278676333891,
1795
+ "eval_loss": 0.031009526923298836,
1796
+ "eval_runtime": 212.3923,
1797
+ "eval_samples_per_second": 22.51,
1798
+ "eval_steps_per_second": 22.51,
1799
+ "step": 2500
1800
+ },
1801
+ {
1802
+ "epoch": 3.7341513292433537,
1803
+ "grad_norm": 0.046400755643844604,
1804
+ "learning_rate": 5.4780789959141524e-05,
1805
+ "loss": 0.0122,
1806
+ "step": 2510
1807
+ },
1808
+ {
1809
+ "epoch": 3.7490239821528166,
1810
+ "grad_norm": 0.05211547762155533,
1811
+ "learning_rate": 5.358185854701909e-05,
1812
+ "loss": 0.0122,
1813
+ "step": 2520
1814
+ },
1815
+ {
1816
+ "epoch": 3.763896635062279,
1817
+ "grad_norm": 0.0429752878844738,
1818
+ "learning_rate": 5.239333330741298e-05,
1819
+ "loss": 0.0124,
1820
+ "step": 2530
1821
+ },
1822
+ {
1823
+ "epoch": 3.778769287971742,
1824
+ "grad_norm": 0.05008607730269432,
1825
+ "learning_rate": 5.121534251492486e-05,
1826
+ "loss": 0.0125,
1827
+ "step": 2540
1828
+ },
1829
+ {
1830
+ "epoch": 3.7936419408812045,
1831
+ "grad_norm": 0.046397943049669266,
1832
+ "learning_rate": 5.004801330719941e-05,
1833
+ "loss": 0.0111,
1834
+ "step": 2550
1835
+ },
1836
+ {
1837
+ "epoch": 3.8085145937906675,
1838
+ "grad_norm": 0.05960022658109665,
1839
+ "learning_rate": 4.8891471671202675e-05,
1840
+ "loss": 0.0117,
1841
+ "step": 2560
1842
+ },
1843
+ {
1844
+ "epoch": 3.82338724670013,
1845
+ "grad_norm": 0.04353282228112221,
1846
+ "learning_rate": 4.7745842429624795e-05,
1847
+ "loss": 0.0119,
1848
+ "step": 2570
1849
+ },
1850
+ {
1851
+ "epoch": 3.838259899609593,
1852
+ "grad_norm": 0.05057670921087265,
1853
+ "learning_rate": 4.661124922740794e-05,
1854
+ "loss": 0.0116,
1855
+ "step": 2580
1856
+ },
1857
+ {
1858
+ "epoch": 3.853132552519056,
1859
+ "grad_norm": 0.04886782541871071,
1860
+ "learning_rate": 4.548781451840179e-05,
1861
+ "loss": 0.0113,
1862
+ "step": 2590
1863
+ },
1864
+ {
1865
+ "epoch": 3.8680052054285183,
1866
+ "grad_norm": 0.055182382464408875,
1867
+ "learning_rate": 4.437565955214723e-05,
1868
+ "loss": 0.0116,
1869
+ "step": 2600
1870
+ },
1871
+ {
1872
+ "epoch": 3.882877858337981,
1873
+ "grad_norm": 0.048834457993507385,
1874
+ "learning_rate": 4.3274904360790505e-05,
1875
+ "loss": 0.0121,
1876
+ "step": 2610
1877
+ },
1878
+ {
1879
+ "epoch": 3.8977505112474438,
1880
+ "grad_norm": 0.05025951564311981,
1881
+ "learning_rate": 4.218566774612802e-05,
1882
+ "loss": 0.0112,
1883
+ "step": 2620
1884
+ },
1885
+ {
1886
+ "epoch": 3.9126231641569067,
1887
+ "grad_norm": 0.05054251477122307,
1888
+ "learning_rate": 4.1108067266784746e-05,
1889
+ "loss": 0.0112,
1890
+ "step": 2630
1891
+ },
1892
+ {
1893
+ "epoch": 3.927495817066369,
1894
+ "grad_norm": 0.05326022952795029,
1895
+ "learning_rate": 4.004221922552608e-05,
1896
+ "loss": 0.0119,
1897
+ "step": 2640
1898
+ },
1899
+ {
1900
+ "epoch": 3.9423684699758317,
1901
+ "grad_norm": 0.05668502673506737,
1902
+ "learning_rate": 3.898823865670579e-05,
1903
+ "loss": 0.0114,
1904
+ "step": 2650
1905
+ },
1906
+ {
1907
+ "epoch": 3.9572411228852946,
1908
+ "grad_norm": 0.054235439747571945,
1909
+ "learning_rate": 3.794623931385062e-05,
1910
+ "loss": 0.0119,
1911
+ "step": 2660
1912
+ },
1913
+ {
1914
+ "epoch": 3.9721137757947576,
1915
+ "grad_norm": 0.05231969431042671,
1916
+ "learning_rate": 3.6916333657383024e-05,
1917
+ "loss": 0.0108,
1918
+ "step": 2670
1919
+ },
1920
+ {
1921
+ "epoch": 3.98698642870422,
1922
+ "grad_norm": 0.057500049471855164,
1923
+ "learning_rate": 3.5898632842483746e-05,
1924
+ "loss": 0.011,
1925
+ "step": 2680
1926
+ },
1927
+ {
1928
+ "epoch": 4.002230897936419,
1929
+ "grad_norm": 0.04203633964061737,
1930
+ "learning_rate": 3.489324670709494e-05,
1931
+ "loss": 0.0113,
1932
+ "step": 2690
1933
+ },
1934
+ {
1935
+ "epoch": 4.017103550845882,
1936
+ "grad_norm": 0.029648838564753532,
1937
+ "learning_rate": 3.390028376006589e-05,
1938
+ "loss": 0.0059,
1939
+ "step": 2700
1940
+ },
1941
+ {
1942
+ "epoch": 4.031976203755345,
1943
+ "grad_norm": 0.03779765963554382,
1944
+ "learning_rate": 3.2919851169441625e-05,
1945
+ "loss": 0.006,
1946
+ "step": 2710
1947
+ },
1948
+ {
1949
+ "epoch": 4.046848856664807,
1950
+ "grad_norm": 0.040116600692272186,
1951
+ "learning_rate": 3.195205475089667e-05,
1952
+ "loss": 0.0058,
1953
+ "step": 2720
1954
+ },
1955
+ {
1956
+ "epoch": 4.06172150957427,
1957
+ "grad_norm": 0.030058899894356728,
1958
+ "learning_rate": 3.099699895631474e-05,
1959
+ "loss": 0.0056,
1960
+ "step": 2730
1961
+ },
1962
+ {
1963
+ "epoch": 4.076594162483733,
1964
+ "grad_norm": 0.03675166517496109,
1965
+ "learning_rate": 3.0054786862515257e-05,
1966
+ "loss": 0.0058,
1967
+ "step": 2740
1968
+ },
1969
+ {
1970
+ "epoch": 4.091466815393196,
1971
+ "grad_norm": 0.03470413759350777,
1972
+ "learning_rate": 2.912552016012879e-05,
1973
+ "loss": 0.0057,
1974
+ "step": 2750
1975
+ },
1976
+ {
1977
+ "epoch": 4.106339468302658,
1978
+ "grad_norm": 0.03222460299730301,
1979
+ "learning_rate": 2.8209299142621522e-05,
1980
+ "loss": 0.0057,
1981
+ "step": 2760
1982
+ },
1983
+ {
1984
+ "epoch": 4.121212121212121,
1985
+ "grad_norm": 0.036458127200603485,
1986
+ "learning_rate": 2.7306222695471173e-05,
1987
+ "loss": 0.0056,
1988
+ "step": 2770
1989
+ },
1990
+ {
1991
+ "epoch": 4.136084774121584,
1992
+ "grad_norm": 0.035760316997766495,
1993
+ "learning_rate": 2.641638828549425e-05,
1994
+ "loss": 0.0055,
1995
+ "step": 2780
1996
+ },
1997
+ {
1998
+ "epoch": 4.150957427031047,
1999
+ "grad_norm": 0.04281270503997803,
2000
+ "learning_rate": 2.5539891950326875e-05,
2001
+ "loss": 0.0056,
2002
+ "step": 2790
2003
+ },
2004
+ {
2005
+ "epoch": 4.165830079940509,
2006
+ "grad_norm": 0.030339548364281654,
2007
+ "learning_rate": 2.4676828288059558e-05,
2008
+ "loss": 0.0057,
2009
+ "step": 2800
2010
+ },
2011
+ {
2012
+ "epoch": 4.180702732849972,
2013
+ "grad_norm": 0.03753247857093811,
2014
+ "learning_rate": 2.382729044702748e-05,
2015
+ "loss": 0.0058,
2016
+ "step": 2810
2017
+ },
2018
+ {
2019
+ "epoch": 4.195575385759435,
2020
+ "grad_norm": 0.035988811403512955,
2021
+ "learning_rate": 2.299137011575738e-05,
2022
+ "loss": 0.0055,
2023
+ "step": 2820
2024
+ },
2025
+ {
2026
+ "epoch": 4.210448038668898,
2027
+ "grad_norm": 0.0344134196639061,
2028
+ "learning_rate": 2.2169157513071566e-05,
2029
+ "loss": 0.0057,
2030
+ "step": 2830
2031
+ },
2032
+ {
2033
+ "epoch": 4.22532069157836,
2034
+ "grad_norm": 0.03696177527308464,
2035
+ "learning_rate": 2.136074137835107e-05,
2036
+ "loss": 0.0056,
2037
+ "step": 2840
2038
+ },
2039
+ {
2040
+ "epoch": 4.240193344487823,
2041
+ "grad_norm": 0.03733756020665169,
2042
+ "learning_rate": 2.056620896195804e-05,
2043
+ "loss": 0.0057,
2044
+ "step": 2850
2045
+ },
2046
+ {
2047
+ "epoch": 4.255065997397286,
2048
+ "grad_norm": 0.03630942478775978,
2049
+ "learning_rate": 1.978564601581919e-05,
2050
+ "loss": 0.0056,
2051
+ "step": 2860
2052
+ },
2053
+ {
2054
+ "epoch": 4.269938650306749,
2055
+ "grad_norm": 0.03577449545264244,
2056
+ "learning_rate": 1.9019136784170635e-05,
2057
+ "loss": 0.0055,
2058
+ "step": 2870
2059
+ },
2060
+ {
2061
+ "epoch": 4.284811303216211,
2062
+ "grad_norm": 0.03209745138883591,
2063
+ "learning_rate": 1.82667639944657e-05,
2064
+ "loss": 0.0054,
2065
+ "step": 2880
2066
+ },
2067
+ {
2068
+ "epoch": 4.299683956125674,
2069
+ "grad_norm": 0.03668665885925293,
2070
+ "learning_rate": 1.752860884844646e-05,
2071
+ "loss": 0.0055,
2072
+ "step": 2890
2073
+ },
2074
+ {
2075
+ "epoch": 4.314556609035137,
2076
+ "grad_norm": 0.03498975560069084,
2077
+ "learning_rate": 1.680475101337959e-05,
2078
+ "loss": 0.0055,
2079
+ "step": 2900
2080
+ },
2081
+ {
2082
+ "epoch": 4.3294292619445995,
2083
+ "grad_norm": 0.04088146984577179,
2084
+ "learning_rate": 1.60952686134583e-05,
2085
+ "loss": 0.0055,
2086
+ "step": 2910
2087
+ },
2088
+ {
2089
+ "epoch": 4.3443019148540625,
2090
+ "grad_norm": 0.035557616502046585,
2091
+ "learning_rate": 1.5400238221370413e-05,
2092
+ "loss": 0.0056,
2093
+ "step": 2920
2094
+ },
2095
+ {
2096
+ "epoch": 4.3591745677635245,
2097
+ "grad_norm": 0.03443196415901184,
2098
+ "learning_rate": 1.4719734850034277e-05,
2099
+ "loss": 0.0056,
2100
+ "step": 2930
2101
+ },
2102
+ {
2103
+ "epoch": 4.3740472206729875,
2104
+ "grad_norm": 0.03481742739677429,
2105
+ "learning_rate": 1.4053831944502508e-05,
2106
+ "loss": 0.0057,
2107
+ "step": 2940
2108
+ },
2109
+ {
2110
+ "epoch": 4.38891987358245,
2111
+ "grad_norm": 0.03648516163229942,
2112
+ "learning_rate": 1.340260137403557e-05,
2113
+ "loss": 0.0053,
2114
+ "step": 2950
2115
+ },
2116
+ {
2117
+ "epoch": 4.403792526491913,
2118
+ "grad_norm": 0.03400832787156105,
2119
+ "learning_rate": 1.2766113424344814e-05,
2120
+ "loss": 0.0055,
2121
+ "step": 2960
2122
+ },
2123
+ {
2124
+ "epoch": 4.418665179401375,
2125
+ "grad_norm": 0.03558880090713501,
2126
+ "learning_rate": 1.21444367900069e-05,
2127
+ "loss": 0.0055,
2128
+ "step": 2970
2129
+ },
2130
+ {
2131
+ "epoch": 4.433537832310838,
2132
+ "grad_norm": 0.035319775342941284,
2133
+ "learning_rate": 1.1537638567049729e-05,
2134
+ "loss": 0.0055,
2135
+ "step": 2980
2136
+ },
2137
+ {
2138
+ "epoch": 4.448410485220301,
2139
+ "grad_norm": 0.03432595729827881,
2140
+ "learning_rate": 1.0945784245710848e-05,
2141
+ "loss": 0.0054,
2142
+ "step": 2990
2143
+ },
2144
+ {
2145
+ "epoch": 4.463283138129764,
2146
+ "grad_norm": 0.03571225702762604,
2147
+ "learning_rate": 1.036893770336938e-05,
2148
+ "loss": 0.0055,
2149
+ "step": 3000
2150
+ },
2151
+ {
2152
+ "epoch": 4.463283138129764,
2153
+ "eval_loss": 0.03200867399573326,
2154
+ "eval_runtime": 212.5457,
2155
+ "eval_samples_per_second": 22.494,
2156
+ "eval_steps_per_second": 22.494,
2157
+ "step": 3000
2158
+ },
2159
+ {
2160
+ "epoch": 4.478155791039226,
2161
+ "grad_norm": 0.040391724556684494,
2162
+ "learning_rate": 9.807161197651742e-06,
2163
+ "loss": 0.0056,
2164
+ "step": 3010
2165
+ },
2166
+ {
2167
+ "epoch": 4.493028443948689,
2168
+ "grad_norm": 0.03410281240940094,
2169
+ "learning_rate": 9.260515359712517e-06,
2170
+ "loss": 0.0055,
2171
+ "step": 3020
2172
+ },
2173
+ {
2174
+ "epoch": 4.507901096858152,
2175
+ "grad_norm": 0.03447275608778,
2176
+ "learning_rate": 8.729059187690479e-06,
2177
+ "loss": 0.0054,
2178
+ "step": 3030
2179
+ },
2180
+ {
2181
+ "epoch": 4.522773749767615,
2182
+ "grad_norm": 0.032652657479047775,
2183
+ "learning_rate": 8.212850040341273e-06,
2184
+ "loss": 0.0055,
2185
+ "step": 3040
2186
+ },
2187
+ {
2188
+ "epoch": 4.537646402677078,
2189
+ "grad_norm": 0.035828616470098495,
2190
+ "learning_rate": 7.711943630846684e-06,
2191
+ "loss": 0.0053,
2192
+ "step": 3050
2193
+ },
2194
+ {
2195
+ "epoch": 4.55251905558654,
2196
+ "grad_norm": 0.03351854532957077,
2197
+ "learning_rate": 7.226394020801645e-06,
2198
+ "loss": 0.0054,
2199
+ "step": 3060
2200
+ },
2201
+ {
2202
+ "epoch": 4.567391708496003,
2203
+ "grad_norm": 0.03872072696685791,
2204
+ "learning_rate": 6.7562536143796254e-06,
2205
+ "loss": 0.0056,
2206
+ "step": 3070
2207
+ },
2208
+ {
2209
+ "epoch": 4.582264361405466,
2210
+ "grad_norm": 0.03518550843000412,
2211
+ "learning_rate": 6.301573152676664e-06,
2212
+ "loss": 0.0054,
2213
+ "step": 3080
2214
+ },
2215
+ {
2216
+ "epoch": 4.597137014314928,
2217
+ "grad_norm": 0.0351685993373394,
2218
+ "learning_rate": 5.862401708235076e-06,
2219
+ "loss": 0.0052,
2220
+ "step": 3090
2221
+ },
2222
+ {
2223
+ "epoch": 4.612009667224391,
2224
+ "grad_norm": 0.0348668210208416,
2225
+ "learning_rate": 5.438786679747081e-06,
2226
+ "loss": 0.0055,
2227
+ "step": 3100
2228
+ },
2229
+ {
2230
+ "epoch": 4.626882320133854,
2231
+ "grad_norm": 0.03660331293940544,
2232
+ "learning_rate": 5.030773786939319e-06,
2233
+ "loss": 0.0055,
2234
+ "step": 3110
2235
+ },
2236
+ {
2237
+ "epoch": 4.641754973043317,
2238
+ "grad_norm": 0.04046601429581642,
2239
+ "learning_rate": 4.638407065638322e-06,
2240
+ "loss": 0.0054,
2241
+ "step": 3120
2242
+ },
2243
+ {
2244
+ "epoch": 4.65662762595278,
2245
+ "grad_norm": 0.03230154886841774,
2246
+ "learning_rate": 4.261728863017827e-06,
2247
+ "loss": 0.0054,
2248
+ "step": 3130
2249
+ },
2250
+ {
2251
+ "epoch": 4.671500278862242,
2252
+ "grad_norm": 0.034297142177820206,
2253
+ "learning_rate": 3.900779833028472e-06,
2254
+ "loss": 0.0054,
2255
+ "step": 3140
2256
+ },
2257
+ {
2258
+ "epoch": 4.686372931771705,
2259
+ "grad_norm": 0.03240946680307388,
2260
+ "learning_rate": 3.5555989320099952e-06,
2261
+ "loss": 0.0053,
2262
+ "step": 3150
2263
+ },
2264
+ {
2265
+ "epoch": 4.701245584681168,
2266
+ "grad_norm": 0.04137023165822029,
2267
+ "learning_rate": 3.2262234144868116e-06,
2268
+ "loss": 0.0054,
2269
+ "step": 3160
2270
+ },
2271
+ {
2272
+ "epoch": 4.7161182375906305,
2273
+ "grad_norm": 0.030783316120505333,
2274
+ "learning_rate": 2.912688829147214e-06,
2275
+ "loss": 0.0052,
2276
+ "step": 3170
2277
+ },
2278
+ {
2279
+ "epoch": 4.730990890500093,
2280
+ "grad_norm": 0.03588159382343292,
2281
+ "learning_rate": 2.6150290150067588e-06,
2282
+ "loss": 0.0055,
2283
+ "step": 3180
2284
+ },
2285
+ {
2286
+ "epoch": 4.7458635434095555,
2287
+ "grad_norm": 0.03300805762410164,
2288
+ "learning_rate": 2.3332760977559873e-06,
2289
+ "loss": 0.0053,
2290
+ "step": 3190
2291
+ },
2292
+ {
2293
+ "epoch": 4.7607361963190185,
2294
+ "grad_norm": 0.03986676409840584,
2295
+ "learning_rate": 2.0674604862932654e-06,
2296
+ "loss": 0.0055,
2297
+ "step": 3200
2298
+ },
2299
+ {
2300
+ "epoch": 4.775608849228481,
2301
+ "grad_norm": 0.03252493590116501,
2302
+ "learning_rate": 1.8176108694427927e-06,
2303
+ "loss": 0.0052,
2304
+ "step": 3210
2305
+ },
2306
+ {
2307
+ "epoch": 4.790481502137943,
2308
+ "grad_norm": 0.03938417136669159,
2309
+ "learning_rate": 1.583754212858329e-06,
2310
+ "loss": 0.0054,
2311
+ "step": 3220
2312
+ },
2313
+ {
2314
+ "epoch": 4.805354155047406,
2315
+ "grad_norm": 0.03552339971065521,
2316
+ "learning_rate": 1.3659157561127732e-06,
2317
+ "loss": 0.0057,
2318
+ "step": 3230
2319
+ },
2320
+ {
2321
+ "epoch": 4.820226807956869,
2322
+ "grad_norm": 0.03480495885014534,
2323
+ "learning_rate": 1.1641190099741904e-06,
2324
+ "loss": 0.0053,
2325
+ "step": 3240
2326
+ },
2327
+ {
2328
+ "epoch": 4.835099460866332,
2329
+ "grad_norm": 0.03451026231050491,
2330
+ "learning_rate": 9.783857538683603e-07,
2331
+ "loss": 0.0053,
2332
+ "step": 3250
2333
+ },
2334
+ {
2335
+ "epoch": 4.849972113775795,
2336
+ "grad_norm": 0.033308371901512146,
2337
+ "learning_rate": 8.087360335281235e-07,
2338
+ "loss": 0.0055,
2339
+ "step": 3260
2340
+ },
2341
+ {
2342
+ "epoch": 4.864844766685257,
2343
+ "grad_norm": 0.035610370337963104,
2344
+ "learning_rate": 6.551881588299279e-07,
2345
+ "loss": 0.0054,
2346
+ "step": 3270
2347
+ },
2348
+ {
2349
+ "epoch": 4.87971741959472,
2350
+ "grad_norm": 0.030910024419426918,
2351
+ "learning_rate": 5.177587018176777e-07,
2352
+ "loss": 0.0054,
2353
+ "step": 3280
2354
+ },
2355
+ {
2356
+ "epoch": 4.894590072504183,
2357
+ "grad_norm": 0.034942276775836945,
2358
+ "learning_rate": 3.964624949141626e-07,
2359
+ "loss": 0.0054,
2360
+ "step": 3290
2361
+ },
2362
+ {
2363
+ "epoch": 4.909462725413646,
2364
+ "grad_norm": 0.03491232544183731,
2365
+ "learning_rate": 2.913126293202228e-07,
2366
+ "loss": 0.0053,
2367
+ "step": 3300
2368
+ },
2369
+ {
2370
+ "epoch": 4.924335378323108,
2371
+ "grad_norm": 0.0331818163394928,
2372
+ "learning_rate": 2.0232045360184523e-07,
2373
+ "loss": 0.0051,
2374
+ "step": 3310
2375
+ },
2376
+ {
2377
+ "epoch": 4.939208031232571,
2378
+ "grad_norm": 0.034393060952425,
2379
+ "learning_rate": 1.2949557246537678e-07,
2380
+ "loss": 0.0053,
2381
+ "step": 3320
2382
+ },
2383
+ {
2384
+ "epoch": 4.954080684142034,
2385
+ "grad_norm": 0.03940508887171745,
2386
+ "learning_rate": 7.284584572085361e-08,
2387
+ "loss": 0.0052,
2388
+ "step": 3330
2389
+ },
2390
+ {
2391
+ "epoch": 4.968953337051497,
2392
+ "grad_norm": 0.03125544637441635,
2393
+ "learning_rate": 3.237738743372964e-08,
2394
+ "loss": 0.0052,
2395
+ "step": 3340
2396
+ },
2397
+ {
2398
+ "epoch": 4.983825989960959,
2399
+ "grad_norm": 0.03558258339762688,
2400
+ "learning_rate": 8.094565265054365e-09,
2401
+ "loss": 0.0054,
2402
+ "step": 3350
2403
+ },
2404
+ {
2405
+ "epoch": 4.998698642870422,
2406
+ "grad_norm": 0.03360743075609207,
2407
+ "learning_rate": 0.0,
2408
+ "loss": 0.0054,
2409
+ "step": 3360
2410
+ },
2411
+ {
2412
+ "epoch": 4.998698642870422,
2413
+ "step": 3360,
2414
+ "total_flos": 5.14290499398402e+18,
2415
+ "train_loss": 0.19145491501161208,
2416
+ "train_runtime": 31931.328,
2417
+ "train_samples_per_second": 6.737,
2418
+ "train_steps_per_second": 0.105
2419
+ }
2420
+ ],
2421
+ "logging_steps": 10,
2422
+ "max_steps": 3360,
2423
+ "num_input_tokens_seen": 0,
2424
+ "num_train_epochs": 5,
2425
+ "save_steps": 500,
2426
+ "stateful_callbacks": {
2427
+ "TrainerControl": {
2428
+ "args": {
2429
+ "should_epoch_stop": false,
2430
+ "should_evaluate": false,
2431
+ "should_log": false,
2432
+ "should_save": true,
2433
+ "should_training_stop": true
2434
+ },
2435
+ "attributes": {}
2436
+ }
2437
+ },
2438
+ "total_flos": 5.14290499398402e+18,
2439
+ "train_batch_size": 8,
2440
+ "trial_name": null,
2441
+ "trial_params": null
2442
+ }
training_eval_loss.png ADDED
training_loss.png ADDED