Alan1402 commited on
Commit
74aaeac
1 Parent(s): cee8d8b

Model save

Browse files
Files changed (3) hide show
  1. all_results.json +6 -1
  2. train_results.json +8 -0
  3. trainer_state.json +3497 -0
all_results.json CHANGED
@@ -4,5 +4,10 @@
4
  "eval_loss": 0.08026164770126343,
5
  "eval_runtime": 73.8075,
6
  "eval_samples_per_second": 203.231,
7
- "eval_steps_per_second": 12.709
 
 
 
 
 
8
  }
 
4
  "eval_loss": 0.08026164770126343,
5
  "eval_runtime": 73.8075,
6
  "eval_samples_per_second": 203.231,
7
+ "eval_steps_per_second": 12.709,
8
+ "total_flos": 5.42482821328896e+18,
9
+ "train_loss": 0.13969962793986365,
10
+ "train_runtime": 4718.8358,
11
+ "train_samples_per_second": 14.834,
12
+ "train_steps_per_second": 0.927
13
  }
train_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 2.0,
3
+ "total_flos": 5.42482821328896e+18,
4
+ "train_loss": 0.13969962793986365,
5
+ "train_runtime": 4718.8358,
6
+ "train_samples_per_second": 14.834,
7
+ "train_steps_per_second": 0.927
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,3497 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": 0.08026164770126343,
3
+ "best_model_checkpoint": "./vit-base-cifar10/checkpoint-4300",
4
+ "epoch": 2.0,
5
+ "eval_steps": 100,
6
+ "global_step": 4376,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.004570383912248629,
13
+ "grad_norm": 7.92866325378418,
14
+ "learning_rate": 0.00019954296160877515,
15
+ "loss": 0.2503,
16
+ "step": 10
17
+ },
18
+ {
19
+ "epoch": 0.009140767824497258,
20
+ "grad_norm": 0.6853145956993103,
21
+ "learning_rate": 0.00019908592321755028,
22
+ "loss": 0.2887,
23
+ "step": 20
24
+ },
25
+ {
26
+ "epoch": 0.013711151736745886,
27
+ "grad_norm": 8.078825950622559,
28
+ "learning_rate": 0.00019862888482632542,
29
+ "loss": 0.3522,
30
+ "step": 30
31
+ },
32
+ {
33
+ "epoch": 0.018281535648994516,
34
+ "grad_norm": 0.5457130670547485,
35
+ "learning_rate": 0.00019817184643510056,
36
+ "loss": 0.2236,
37
+ "step": 40
38
+ },
39
+ {
40
+ "epoch": 0.022851919561243144,
41
+ "grad_norm": 7.070144176483154,
42
+ "learning_rate": 0.0001977148080438757,
43
+ "loss": 0.3022,
44
+ "step": 50
45
+ },
46
+ {
47
+ "epoch": 0.027422303473491772,
48
+ "grad_norm": 6.712225437164307,
49
+ "learning_rate": 0.00019725776965265083,
50
+ "loss": 0.2947,
51
+ "step": 60
52
+ },
53
+ {
54
+ "epoch": 0.031992687385740404,
55
+ "grad_norm": 0.18951156735420227,
56
+ "learning_rate": 0.00019680073126142596,
57
+ "loss": 0.2885,
58
+ "step": 70
59
+ },
60
+ {
61
+ "epoch": 0.03656307129798903,
62
+ "grad_norm": 5.366819858551025,
63
+ "learning_rate": 0.0001963436928702011,
64
+ "loss": 0.2822,
65
+ "step": 80
66
+ },
67
+ {
68
+ "epoch": 0.04113345521023766,
69
+ "grad_norm": 1.0978411436080933,
70
+ "learning_rate": 0.00019588665447897624,
71
+ "loss": 0.2124,
72
+ "step": 90
73
+ },
74
+ {
75
+ "epoch": 0.04570383912248629,
76
+ "grad_norm": 0.3122899532318115,
77
+ "learning_rate": 0.0001954296160877514,
78
+ "loss": 0.1043,
79
+ "step": 100
80
+ },
81
+ {
82
+ "epoch": 0.04570383912248629,
83
+ "eval_accuracy": 0.919,
84
+ "eval_loss": 0.285547137260437,
85
+ "eval_runtime": 71.7238,
86
+ "eval_samples_per_second": 209.136,
87
+ "eval_steps_per_second": 13.078,
88
+ "step": 100
89
+ },
90
+ {
91
+ "epoch": 0.050274223034734916,
92
+ "grad_norm": 0.872364342212677,
93
+ "learning_rate": 0.00019497257769652654,
94
+ "loss": 0.1525,
95
+ "step": 110
96
+ },
97
+ {
98
+ "epoch": 0.054844606946983544,
99
+ "grad_norm": 0.4638870358467102,
100
+ "learning_rate": 0.00019451553930530167,
101
+ "loss": 0.269,
102
+ "step": 120
103
+ },
104
+ {
105
+ "epoch": 0.05941499085923217,
106
+ "grad_norm": 4.21981143951416,
107
+ "learning_rate": 0.0001940585009140768,
108
+ "loss": 0.3743,
109
+ "step": 130
110
+ },
111
+ {
112
+ "epoch": 0.06398537477148081,
113
+ "grad_norm": 0.4475237727165222,
114
+ "learning_rate": 0.00019360146252285195,
115
+ "loss": 0.2608,
116
+ "step": 140
117
+ },
118
+ {
119
+ "epoch": 0.06855575868372943,
120
+ "grad_norm": 6.892650127410889,
121
+ "learning_rate": 0.00019314442413162706,
122
+ "loss": 0.271,
123
+ "step": 150
124
+ },
125
+ {
126
+ "epoch": 0.07312614259597806,
127
+ "grad_norm": 5.913930416107178,
128
+ "learning_rate": 0.0001926873857404022,
129
+ "loss": 0.1474,
130
+ "step": 160
131
+ },
132
+ {
133
+ "epoch": 0.07769652650822668,
134
+ "grad_norm": 2.620058298110962,
135
+ "learning_rate": 0.00019223034734917733,
136
+ "loss": 0.1543,
137
+ "step": 170
138
+ },
139
+ {
140
+ "epoch": 0.08226691042047532,
141
+ "grad_norm": 8.168417930603027,
142
+ "learning_rate": 0.00019177330895795246,
143
+ "loss": 0.4235,
144
+ "step": 180
145
+ },
146
+ {
147
+ "epoch": 0.08683729433272395,
148
+ "grad_norm": 6.655405044555664,
149
+ "learning_rate": 0.0001913162705667276,
150
+ "loss": 0.2081,
151
+ "step": 190
152
+ },
153
+ {
154
+ "epoch": 0.09140767824497258,
155
+ "grad_norm": 0.3367229104042053,
156
+ "learning_rate": 0.00019085923217550274,
157
+ "loss": 0.2671,
158
+ "step": 200
159
+ },
160
+ {
161
+ "epoch": 0.09140767824497258,
162
+ "eval_accuracy": 0.9015333333333333,
163
+ "eval_loss": 0.3649848401546478,
164
+ "eval_runtime": 70.014,
165
+ "eval_samples_per_second": 214.243,
166
+ "eval_steps_per_second": 13.397,
167
+ "step": 200
168
+ },
169
+ {
170
+ "epoch": 0.09597806215722121,
171
+ "grad_norm": 7.15602970123291,
172
+ "learning_rate": 0.00019040219378427787,
173
+ "loss": 0.5093,
174
+ "step": 210
175
+ },
176
+ {
177
+ "epoch": 0.10054844606946983,
178
+ "grad_norm": 3.229771137237549,
179
+ "learning_rate": 0.000189945155393053,
180
+ "loss": 0.4777,
181
+ "step": 220
182
+ },
183
+ {
184
+ "epoch": 0.10511882998171847,
185
+ "grad_norm": 7.438943862915039,
186
+ "learning_rate": 0.00018948811700182815,
187
+ "loss": 0.407,
188
+ "step": 230
189
+ },
190
+ {
191
+ "epoch": 0.10968921389396709,
192
+ "grad_norm": 8.4913969039917,
193
+ "learning_rate": 0.00018903107861060328,
194
+ "loss": 0.338,
195
+ "step": 240
196
+ },
197
+ {
198
+ "epoch": 0.11425959780621572,
199
+ "grad_norm": 1.3278025388717651,
200
+ "learning_rate": 0.00018857404021937845,
201
+ "loss": 0.3518,
202
+ "step": 250
203
+ },
204
+ {
205
+ "epoch": 0.11882998171846434,
206
+ "grad_norm": 9.502877235412598,
207
+ "learning_rate": 0.00018811700182815358,
208
+ "loss": 0.4069,
209
+ "step": 260
210
+ },
211
+ {
212
+ "epoch": 0.12340036563071298,
213
+ "grad_norm": 3.407360553741455,
214
+ "learning_rate": 0.00018765996343692872,
215
+ "loss": 0.2093,
216
+ "step": 270
217
+ },
218
+ {
219
+ "epoch": 0.12797074954296161,
220
+ "grad_norm": 9.035057067871094,
221
+ "learning_rate": 0.00018720292504570386,
222
+ "loss": 0.3598,
223
+ "step": 280
224
+ },
225
+ {
226
+ "epoch": 0.13254113345521024,
227
+ "grad_norm": 0.40073174238204956,
228
+ "learning_rate": 0.000186745886654479,
229
+ "loss": 0.2389,
230
+ "step": 290
231
+ },
232
+ {
233
+ "epoch": 0.13711151736745886,
234
+ "grad_norm": 0.32648196816444397,
235
+ "learning_rate": 0.00018628884826325413,
236
+ "loss": 0.2935,
237
+ "step": 300
238
+ },
239
+ {
240
+ "epoch": 0.13711151736745886,
241
+ "eval_accuracy": 0.9066666666666666,
242
+ "eval_loss": 0.31670910120010376,
243
+ "eval_runtime": 69.8802,
244
+ "eval_samples_per_second": 214.653,
245
+ "eval_steps_per_second": 13.423,
246
+ "step": 300
247
+ },
248
+ {
249
+ "epoch": 0.1416819012797075,
250
+ "grad_norm": 5.271216869354248,
251
+ "learning_rate": 0.00018583180987202927,
252
+ "loss": 0.3934,
253
+ "step": 310
254
+ },
255
+ {
256
+ "epoch": 0.14625228519195613,
257
+ "grad_norm": 6.032111167907715,
258
+ "learning_rate": 0.0001853747714808044,
259
+ "loss": 0.2739,
260
+ "step": 320
261
+ },
262
+ {
263
+ "epoch": 0.15082266910420475,
264
+ "grad_norm": 1.9436883926391602,
265
+ "learning_rate": 0.00018491773308957954,
266
+ "loss": 0.2362,
267
+ "step": 330
268
+ },
269
+ {
270
+ "epoch": 0.15539305301645337,
271
+ "grad_norm": 7.990470886230469,
272
+ "learning_rate": 0.00018446069469835467,
273
+ "loss": 0.422,
274
+ "step": 340
275
+ },
276
+ {
277
+ "epoch": 0.15996343692870202,
278
+ "grad_norm": 3.6017348766326904,
279
+ "learning_rate": 0.0001840036563071298,
280
+ "loss": 0.3151,
281
+ "step": 350
282
+ },
283
+ {
284
+ "epoch": 0.16453382084095064,
285
+ "grad_norm": 4.97476053237915,
286
+ "learning_rate": 0.00018354661791590495,
287
+ "loss": 0.486,
288
+ "step": 360
289
+ },
290
+ {
291
+ "epoch": 0.16910420475319926,
292
+ "grad_norm": 5.418762683868408,
293
+ "learning_rate": 0.00018308957952468008,
294
+ "loss": 0.5847,
295
+ "step": 370
296
+ },
297
+ {
298
+ "epoch": 0.1736745886654479,
299
+ "grad_norm": 2.143413782119751,
300
+ "learning_rate": 0.00018263254113345522,
301
+ "loss": 0.3188,
302
+ "step": 380
303
+ },
304
+ {
305
+ "epoch": 0.17824497257769653,
306
+ "grad_norm": 5.15682315826416,
307
+ "learning_rate": 0.00018217550274223036,
308
+ "loss": 0.27,
309
+ "step": 390
310
+ },
311
+ {
312
+ "epoch": 0.18281535648994515,
313
+ "grad_norm": 4.638512134552002,
314
+ "learning_rate": 0.0001817184643510055,
315
+ "loss": 0.27,
316
+ "step": 400
317
+ },
318
+ {
319
+ "epoch": 0.18281535648994515,
320
+ "eval_accuracy": 0.8922,
321
+ "eval_loss": 0.35180962085723877,
322
+ "eval_runtime": 69.6193,
323
+ "eval_samples_per_second": 215.458,
324
+ "eval_steps_per_second": 13.473,
325
+ "step": 400
326
+ },
327
+ {
328
+ "epoch": 0.18738574040219377,
329
+ "grad_norm": 7.933419704437256,
330
+ "learning_rate": 0.00018126142595978063,
331
+ "loss": 0.2467,
332
+ "step": 410
333
+ },
334
+ {
335
+ "epoch": 0.19195612431444242,
336
+ "grad_norm": 2.749178886413574,
337
+ "learning_rate": 0.00018080438756855577,
338
+ "loss": 0.283,
339
+ "step": 420
340
+ },
341
+ {
342
+ "epoch": 0.19652650822669104,
343
+ "grad_norm": 4.662679672241211,
344
+ "learning_rate": 0.0001803473491773309,
345
+ "loss": 0.3666,
346
+ "step": 430
347
+ },
348
+ {
349
+ "epoch": 0.20109689213893966,
350
+ "grad_norm": 8.538412094116211,
351
+ "learning_rate": 0.00017989031078610604,
352
+ "loss": 0.3315,
353
+ "step": 440
354
+ },
355
+ {
356
+ "epoch": 0.2056672760511883,
357
+ "grad_norm": 7.226283550262451,
358
+ "learning_rate": 0.00017943327239488118,
359
+ "loss": 0.2998,
360
+ "step": 450
361
+ },
362
+ {
363
+ "epoch": 0.21023765996343693,
364
+ "grad_norm": 7.400086402893066,
365
+ "learning_rate": 0.0001789762340036563,
366
+ "loss": 0.3298,
367
+ "step": 460
368
+ },
369
+ {
370
+ "epoch": 0.21480804387568556,
371
+ "grad_norm": 2.4320435523986816,
372
+ "learning_rate": 0.00017851919561243145,
373
+ "loss": 0.3493,
374
+ "step": 470
375
+ },
376
+ {
377
+ "epoch": 0.21937842778793418,
378
+ "grad_norm": 2.891914129257202,
379
+ "learning_rate": 0.00017806215722120658,
380
+ "loss": 0.2929,
381
+ "step": 480
382
+ },
383
+ {
384
+ "epoch": 0.22394881170018283,
385
+ "grad_norm": 4.258346080780029,
386
+ "learning_rate": 0.00017760511882998172,
387
+ "loss": 0.3847,
388
+ "step": 490
389
+ },
390
+ {
391
+ "epoch": 0.22851919561243145,
392
+ "grad_norm": 3.8576903343200684,
393
+ "learning_rate": 0.00017714808043875686,
394
+ "loss": 0.3634,
395
+ "step": 500
396
+ },
397
+ {
398
+ "epoch": 0.22851919561243145,
399
+ "eval_accuracy": 0.8953333333333333,
400
+ "eval_loss": 0.36601880192756653,
401
+ "eval_runtime": 70.2316,
402
+ "eval_samples_per_second": 213.579,
403
+ "eval_steps_per_second": 13.356,
404
+ "step": 500
405
+ },
406
+ {
407
+ "epoch": 0.23308957952468007,
408
+ "grad_norm": 6.1643853187561035,
409
+ "learning_rate": 0.000176691042047532,
410
+ "loss": 0.3764,
411
+ "step": 510
412
+ },
413
+ {
414
+ "epoch": 0.2376599634369287,
415
+ "grad_norm": 0.7884778380393982,
416
+ "learning_rate": 0.00017623400365630713,
417
+ "loss": 0.2016,
418
+ "step": 520
419
+ },
420
+ {
421
+ "epoch": 0.24223034734917734,
422
+ "grad_norm": 3.4569339752197266,
423
+ "learning_rate": 0.00017577696526508227,
424
+ "loss": 0.3292,
425
+ "step": 530
426
+ },
427
+ {
428
+ "epoch": 0.24680073126142596,
429
+ "grad_norm": 0.9117717146873474,
430
+ "learning_rate": 0.0001753199268738574,
431
+ "loss": 0.1951,
432
+ "step": 540
433
+ },
434
+ {
435
+ "epoch": 0.2513711151736746,
436
+ "grad_norm": 11.449209213256836,
437
+ "learning_rate": 0.00017486288848263254,
438
+ "loss": 0.3511,
439
+ "step": 550
440
+ },
441
+ {
442
+ "epoch": 0.25594149908592323,
443
+ "grad_norm": 3.824899435043335,
444
+ "learning_rate": 0.00017440585009140768,
445
+ "loss": 0.2262,
446
+ "step": 560
447
+ },
448
+ {
449
+ "epoch": 0.26051188299817185,
450
+ "grad_norm": 7.360519886016846,
451
+ "learning_rate": 0.0001739488117001828,
452
+ "loss": 0.2491,
453
+ "step": 570
454
+ },
455
+ {
456
+ "epoch": 0.26508226691042047,
457
+ "grad_norm": 6.038581848144531,
458
+ "learning_rate": 0.00017349177330895795,
459
+ "loss": 0.2548,
460
+ "step": 580
461
+ },
462
+ {
463
+ "epoch": 0.2696526508226691,
464
+ "grad_norm": 3.3812975883483887,
465
+ "learning_rate": 0.0001730347349177331,
466
+ "loss": 0.4146,
467
+ "step": 590
468
+ },
469
+ {
470
+ "epoch": 0.2742230347349177,
471
+ "grad_norm": 0.8644607067108154,
472
+ "learning_rate": 0.00017257769652650825,
473
+ "loss": 0.2559,
474
+ "step": 600
475
+ },
476
+ {
477
+ "epoch": 0.2742230347349177,
478
+ "eval_accuracy": 0.8901333333333333,
479
+ "eval_loss": 0.3964242935180664,
480
+ "eval_runtime": 70.6896,
481
+ "eval_samples_per_second": 212.195,
482
+ "eval_steps_per_second": 13.269,
483
+ "step": 600
484
+ },
485
+ {
486
+ "epoch": 0.27879341864716634,
487
+ "grad_norm": 0.19820252060890198,
488
+ "learning_rate": 0.00017212065813528338,
489
+ "loss": 0.2866,
490
+ "step": 610
491
+ },
492
+ {
493
+ "epoch": 0.283363802559415,
494
+ "grad_norm": 4.149306774139404,
495
+ "learning_rate": 0.00017166361974405852,
496
+ "loss": 0.2711,
497
+ "step": 620
498
+ },
499
+ {
500
+ "epoch": 0.28793418647166363,
501
+ "grad_norm": 0.7687764167785645,
502
+ "learning_rate": 0.00017120658135283366,
503
+ "loss": 0.2035,
504
+ "step": 630
505
+ },
506
+ {
507
+ "epoch": 0.29250457038391225,
508
+ "grad_norm": 3.1452839374542236,
509
+ "learning_rate": 0.0001707495429616088,
510
+ "loss": 0.3511,
511
+ "step": 640
512
+ },
513
+ {
514
+ "epoch": 0.2970749542961609,
515
+ "grad_norm": 4.324541091918945,
516
+ "learning_rate": 0.00017029250457038393,
517
+ "loss": 0.2869,
518
+ "step": 650
519
+ },
520
+ {
521
+ "epoch": 0.3016453382084095,
522
+ "grad_norm": 0.06479712575674057,
523
+ "learning_rate": 0.00016983546617915907,
524
+ "loss": 0.1225,
525
+ "step": 660
526
+ },
527
+ {
528
+ "epoch": 0.3062157221206581,
529
+ "grad_norm": 1.430450677871704,
530
+ "learning_rate": 0.0001693784277879342,
531
+ "loss": 0.2164,
532
+ "step": 670
533
+ },
534
+ {
535
+ "epoch": 0.31078610603290674,
536
+ "grad_norm": 3.9292774200439453,
537
+ "learning_rate": 0.00016892138939670934,
538
+ "loss": 0.3039,
539
+ "step": 680
540
+ },
541
+ {
542
+ "epoch": 0.3153564899451554,
543
+ "grad_norm": 5.680319309234619,
544
+ "learning_rate": 0.00016846435100548448,
545
+ "loss": 0.2702,
546
+ "step": 690
547
+ },
548
+ {
549
+ "epoch": 0.31992687385740404,
550
+ "grad_norm": 0.42744606733322144,
551
+ "learning_rate": 0.0001680073126142596,
552
+ "loss": 0.197,
553
+ "step": 700
554
+ },
555
+ {
556
+ "epoch": 0.31992687385740404,
557
+ "eval_accuracy": 0.9252666666666667,
558
+ "eval_loss": 0.24806976318359375,
559
+ "eval_runtime": 70.2676,
560
+ "eval_samples_per_second": 213.47,
561
+ "eval_steps_per_second": 13.349,
562
+ "step": 700
563
+ },
564
+ {
565
+ "epoch": 0.32449725776965266,
566
+ "grad_norm": 5.1783447265625,
567
+ "learning_rate": 0.00016755027422303475,
568
+ "loss": 0.4019,
569
+ "step": 710
570
+ },
571
+ {
572
+ "epoch": 0.3290676416819013,
573
+ "grad_norm": 4.345694541931152,
574
+ "learning_rate": 0.00016709323583180986,
575
+ "loss": 0.191,
576
+ "step": 720
577
+ },
578
+ {
579
+ "epoch": 0.3336380255941499,
580
+ "grad_norm": 5.100950241088867,
581
+ "learning_rate": 0.000166636197440585,
582
+ "loss": 0.2976,
583
+ "step": 730
584
+ },
585
+ {
586
+ "epoch": 0.3382084095063985,
587
+ "grad_norm": 6.052485942840576,
588
+ "learning_rate": 0.00016617915904936016,
589
+ "loss": 0.3266,
590
+ "step": 740
591
+ },
592
+ {
593
+ "epoch": 0.34277879341864714,
594
+ "grad_norm": 2.7631659507751465,
595
+ "learning_rate": 0.0001657221206581353,
596
+ "loss": 0.3042,
597
+ "step": 750
598
+ },
599
+ {
600
+ "epoch": 0.3473491773308958,
601
+ "grad_norm": 3.2634143829345703,
602
+ "learning_rate": 0.00016526508226691043,
603
+ "loss": 0.1501,
604
+ "step": 760
605
+ },
606
+ {
607
+ "epoch": 0.35191956124314444,
608
+ "grad_norm": 5.064187049865723,
609
+ "learning_rate": 0.00016480804387568557,
610
+ "loss": 0.3669,
611
+ "step": 770
612
+ },
613
+ {
614
+ "epoch": 0.35648994515539306,
615
+ "grad_norm": 6.092987060546875,
616
+ "learning_rate": 0.0001643510054844607,
617
+ "loss": 0.2448,
618
+ "step": 780
619
+ },
620
+ {
621
+ "epoch": 0.3610603290676417,
622
+ "grad_norm": 4.66456413269043,
623
+ "learning_rate": 0.00016389396709323584,
624
+ "loss": 0.3027,
625
+ "step": 790
626
+ },
627
+ {
628
+ "epoch": 0.3656307129798903,
629
+ "grad_norm": 6.245533466339111,
630
+ "learning_rate": 0.00016343692870201098,
631
+ "loss": 0.2594,
632
+ "step": 800
633
+ },
634
+ {
635
+ "epoch": 0.3656307129798903,
636
+ "eval_accuracy": 0.923,
637
+ "eval_loss": 0.24855366349220276,
638
+ "eval_runtime": 70.4374,
639
+ "eval_samples_per_second": 212.955,
640
+ "eval_steps_per_second": 13.317,
641
+ "step": 800
642
+ },
643
+ {
644
+ "epoch": 0.3702010968921389,
645
+ "grad_norm": 0.3337598741054535,
646
+ "learning_rate": 0.0001629798903107861,
647
+ "loss": 0.2141,
648
+ "step": 810
649
+ },
650
+ {
651
+ "epoch": 0.37477148080438755,
652
+ "grad_norm": 3.9450998306274414,
653
+ "learning_rate": 0.00016252285191956125,
654
+ "loss": 0.2284,
655
+ "step": 820
656
+ },
657
+ {
658
+ "epoch": 0.3793418647166362,
659
+ "grad_norm": 4.09628438949585,
660
+ "learning_rate": 0.00016206581352833639,
661
+ "loss": 0.2501,
662
+ "step": 830
663
+ },
664
+ {
665
+ "epoch": 0.38391224862888484,
666
+ "grad_norm": 3.9277567863464355,
667
+ "learning_rate": 0.00016160877513711152,
668
+ "loss": 0.1436,
669
+ "step": 840
670
+ },
671
+ {
672
+ "epoch": 0.38848263254113347,
673
+ "grad_norm": 1.291695237159729,
674
+ "learning_rate": 0.00016115173674588666,
675
+ "loss": 0.3047,
676
+ "step": 850
677
+ },
678
+ {
679
+ "epoch": 0.3930530164533821,
680
+ "grad_norm": 3.195793867111206,
681
+ "learning_rate": 0.0001606946983546618,
682
+ "loss": 0.2684,
683
+ "step": 860
684
+ },
685
+ {
686
+ "epoch": 0.3976234003656307,
687
+ "grad_norm": 9.900090217590332,
688
+ "learning_rate": 0.00016023765996343693,
689
+ "loss": 0.2006,
690
+ "step": 870
691
+ },
692
+ {
693
+ "epoch": 0.40219378427787933,
694
+ "grad_norm": 7.173875331878662,
695
+ "learning_rate": 0.00015978062157221207,
696
+ "loss": 0.3154,
697
+ "step": 880
698
+ },
699
+ {
700
+ "epoch": 0.40676416819012795,
701
+ "grad_norm": 6.029903411865234,
702
+ "learning_rate": 0.0001593235831809872,
703
+ "loss": 0.3175,
704
+ "step": 890
705
+ },
706
+ {
707
+ "epoch": 0.4113345521023766,
708
+ "grad_norm": 6.628474235534668,
709
+ "learning_rate": 0.00015886654478976234,
710
+ "loss": 0.4545,
711
+ "step": 900
712
+ },
713
+ {
714
+ "epoch": 0.4113345521023766,
715
+ "eval_accuracy": 0.9,
716
+ "eval_loss": 0.327102929353714,
717
+ "eval_runtime": 70.3538,
718
+ "eval_samples_per_second": 213.208,
719
+ "eval_steps_per_second": 13.333,
720
+ "step": 900
721
+ },
722
+ {
723
+ "epoch": 0.41590493601462525,
724
+ "grad_norm": 4.372049808502197,
725
+ "learning_rate": 0.00015840950639853748,
726
+ "loss": 0.2577,
727
+ "step": 910
728
+ },
729
+ {
730
+ "epoch": 0.42047531992687387,
731
+ "grad_norm": 5.5920562744140625,
732
+ "learning_rate": 0.0001579524680073126,
733
+ "loss": 0.2078,
734
+ "step": 920
735
+ },
736
+ {
737
+ "epoch": 0.4250457038391225,
738
+ "grad_norm": 0.5012129545211792,
739
+ "learning_rate": 0.00015749542961608778,
740
+ "loss": 0.4423,
741
+ "step": 930
742
+ },
743
+ {
744
+ "epoch": 0.4296160877513711,
745
+ "grad_norm": 4.091048717498779,
746
+ "learning_rate": 0.0001570383912248629,
747
+ "loss": 0.2831,
748
+ "step": 940
749
+ },
750
+ {
751
+ "epoch": 0.43418647166361973,
752
+ "grad_norm": 3.677157163619995,
753
+ "learning_rate": 0.00015658135283363805,
754
+ "loss": 0.3525,
755
+ "step": 950
756
+ },
757
+ {
758
+ "epoch": 0.43875685557586835,
759
+ "grad_norm": 2.8373067378997803,
760
+ "learning_rate": 0.00015612431444241319,
761
+ "loss": 0.1623,
762
+ "step": 960
763
+ },
764
+ {
765
+ "epoch": 0.443327239488117,
766
+ "grad_norm": 7.7640156745910645,
767
+ "learning_rate": 0.00015566727605118832,
768
+ "loss": 0.2469,
769
+ "step": 970
770
+ },
771
+ {
772
+ "epoch": 0.44789762340036565,
773
+ "grad_norm": 0.34190094470977783,
774
+ "learning_rate": 0.00015521023765996346,
775
+ "loss": 0.2173,
776
+ "step": 980
777
+ },
778
+ {
779
+ "epoch": 0.4524680073126143,
780
+ "grad_norm": 0.42838719487190247,
781
+ "learning_rate": 0.0001547531992687386,
782
+ "loss": 0.1671,
783
+ "step": 990
784
+ },
785
+ {
786
+ "epoch": 0.4570383912248629,
787
+ "grad_norm": 1.7106258869171143,
788
+ "learning_rate": 0.00015429616087751373,
789
+ "loss": 0.1243,
790
+ "step": 1000
791
+ },
792
+ {
793
+ "epoch": 0.4570383912248629,
794
+ "eval_accuracy": 0.9268666666666666,
795
+ "eval_loss": 0.24482281506061554,
796
+ "eval_runtime": 70.0663,
797
+ "eval_samples_per_second": 214.083,
798
+ "eval_steps_per_second": 13.387,
799
+ "step": 1000
800
+ },
801
+ {
802
+ "epoch": 0.4616087751371115,
803
+ "grad_norm": 4.664043426513672,
804
+ "learning_rate": 0.00015383912248628884,
805
+ "loss": 0.2915,
806
+ "step": 1010
807
+ },
808
+ {
809
+ "epoch": 0.46617915904936014,
810
+ "grad_norm": 6.955049991607666,
811
+ "learning_rate": 0.00015338208409506398,
812
+ "loss": 0.2288,
813
+ "step": 1020
814
+ },
815
+ {
816
+ "epoch": 0.47074954296160876,
817
+ "grad_norm": 6.842510223388672,
818
+ "learning_rate": 0.00015292504570383911,
819
+ "loss": 0.4217,
820
+ "step": 1030
821
+ },
822
+ {
823
+ "epoch": 0.4753199268738574,
824
+ "grad_norm": 2.6210012435913086,
825
+ "learning_rate": 0.00015246800731261425,
826
+ "loss": 0.3455,
827
+ "step": 1040
828
+ },
829
+ {
830
+ "epoch": 0.47989031078610606,
831
+ "grad_norm": 0.2048071324825287,
832
+ "learning_rate": 0.0001520109689213894,
833
+ "loss": 0.1599,
834
+ "step": 1050
835
+ },
836
+ {
837
+ "epoch": 0.4844606946983547,
838
+ "grad_norm": 2.204970121383667,
839
+ "learning_rate": 0.00015155393053016452,
840
+ "loss": 0.2539,
841
+ "step": 1060
842
+ },
843
+ {
844
+ "epoch": 0.4890310786106033,
845
+ "grad_norm": 4.208988189697266,
846
+ "learning_rate": 0.00015109689213893966,
847
+ "loss": 0.1719,
848
+ "step": 1070
849
+ },
850
+ {
851
+ "epoch": 0.4936014625228519,
852
+ "grad_norm": 1.6201022863388062,
853
+ "learning_rate": 0.00015063985374771482,
854
+ "loss": 0.103,
855
+ "step": 1080
856
+ },
857
+ {
858
+ "epoch": 0.49817184643510054,
859
+ "grad_norm": 2.211272954940796,
860
+ "learning_rate": 0.00015018281535648996,
861
+ "loss": 0.1956,
862
+ "step": 1090
863
+ },
864
+ {
865
+ "epoch": 0.5027422303473492,
866
+ "grad_norm": 7.531051158905029,
867
+ "learning_rate": 0.0001497257769652651,
868
+ "loss": 0.3593,
869
+ "step": 1100
870
+ },
871
+ {
872
+ "epoch": 0.5027422303473492,
873
+ "eval_accuracy": 0.9354,
874
+ "eval_loss": 0.2118164449930191,
875
+ "eval_runtime": 70.235,
876
+ "eval_samples_per_second": 213.569,
877
+ "eval_steps_per_second": 13.355,
878
+ "step": 1100
879
+ },
880
+ {
881
+ "epoch": 0.5073126142595978,
882
+ "grad_norm": 3.182407855987549,
883
+ "learning_rate": 0.00014926873857404023,
884
+ "loss": 0.3023,
885
+ "step": 1110
886
+ },
887
+ {
888
+ "epoch": 0.5118829981718465,
889
+ "grad_norm": 3.975743293762207,
890
+ "learning_rate": 0.00014881170018281537,
891
+ "loss": 0.2358,
892
+ "step": 1120
893
+ },
894
+ {
895
+ "epoch": 0.5164533820840951,
896
+ "grad_norm": 4.823325157165527,
897
+ "learning_rate": 0.0001483546617915905,
898
+ "loss": 0.2031,
899
+ "step": 1130
900
+ },
901
+ {
902
+ "epoch": 0.5210237659963437,
903
+ "grad_norm": 0.8731510043144226,
904
+ "learning_rate": 0.00014789762340036564,
905
+ "loss": 0.2254,
906
+ "step": 1140
907
+ },
908
+ {
909
+ "epoch": 0.5255941499085923,
910
+ "grad_norm": 1.2150533199310303,
911
+ "learning_rate": 0.00014744058500914078,
912
+ "loss": 0.312,
913
+ "step": 1150
914
+ },
915
+ {
916
+ "epoch": 0.5301645338208409,
917
+ "grad_norm": 1.9706271886825562,
918
+ "learning_rate": 0.00014698354661791591,
919
+ "loss": 0.1619,
920
+ "step": 1160
921
+ },
922
+ {
923
+ "epoch": 0.5347349177330896,
924
+ "grad_norm": 0.36833953857421875,
925
+ "learning_rate": 0.00014652650822669105,
926
+ "loss": 0.1976,
927
+ "step": 1170
928
+ },
929
+ {
930
+ "epoch": 0.5393053016453382,
931
+ "grad_norm": 3.9230244159698486,
932
+ "learning_rate": 0.0001460694698354662,
933
+ "loss": 0.2928,
934
+ "step": 1180
935
+ },
936
+ {
937
+ "epoch": 0.5438756855575868,
938
+ "grad_norm": 4.378619194030762,
939
+ "learning_rate": 0.00014561243144424132,
940
+ "loss": 0.2008,
941
+ "step": 1190
942
+ },
943
+ {
944
+ "epoch": 0.5484460694698354,
945
+ "grad_norm": 0.8093172907829285,
946
+ "learning_rate": 0.00014515539305301646,
947
+ "loss": 0.1375,
948
+ "step": 1200
949
+ },
950
+ {
951
+ "epoch": 0.5484460694698354,
952
+ "eval_accuracy": 0.9348666666666666,
953
+ "eval_loss": 0.22052045166492462,
954
+ "eval_runtime": 70.7854,
955
+ "eval_samples_per_second": 211.908,
956
+ "eval_steps_per_second": 13.251,
957
+ "step": 1200
958
+ },
959
+ {
960
+ "epoch": 0.553016453382084,
961
+ "grad_norm": 8.147080421447754,
962
+ "learning_rate": 0.0001446983546617916,
963
+ "loss": 0.1968,
964
+ "step": 1210
965
+ },
966
+ {
967
+ "epoch": 0.5575868372943327,
968
+ "grad_norm": 4.382139682769775,
969
+ "learning_rate": 0.00014424131627056673,
970
+ "loss": 0.2315,
971
+ "step": 1220
972
+ },
973
+ {
974
+ "epoch": 0.5621572212065814,
975
+ "grad_norm": 2.122556209564209,
976
+ "learning_rate": 0.00014378427787934187,
977
+ "loss": 0.1646,
978
+ "step": 1230
979
+ },
980
+ {
981
+ "epoch": 0.56672760511883,
982
+ "grad_norm": 4.841265678405762,
983
+ "learning_rate": 0.000143327239488117,
984
+ "loss": 0.2223,
985
+ "step": 1240
986
+ },
987
+ {
988
+ "epoch": 0.5712979890310786,
989
+ "grad_norm": 0.27766382694244385,
990
+ "learning_rate": 0.00014287020109689214,
991
+ "loss": 0.2387,
992
+ "step": 1250
993
+ },
994
+ {
995
+ "epoch": 0.5758683729433273,
996
+ "grad_norm": 1.7641736268997192,
997
+ "learning_rate": 0.00014241316270566728,
998
+ "loss": 0.1726,
999
+ "step": 1260
1000
+ },
1001
+ {
1002
+ "epoch": 0.5804387568555759,
1003
+ "grad_norm": 6.29493522644043,
1004
+ "learning_rate": 0.00014195612431444244,
1005
+ "loss": 0.4514,
1006
+ "step": 1270
1007
+ },
1008
+ {
1009
+ "epoch": 0.5850091407678245,
1010
+ "grad_norm": 0.2854464054107666,
1011
+ "learning_rate": 0.00014149908592321758,
1012
+ "loss": 0.1004,
1013
+ "step": 1280
1014
+ },
1015
+ {
1016
+ "epoch": 0.5895795246800731,
1017
+ "grad_norm": 5.928961753845215,
1018
+ "learning_rate": 0.00014104204753199271,
1019
+ "loss": 0.2575,
1020
+ "step": 1290
1021
+ },
1022
+ {
1023
+ "epoch": 0.5941499085923218,
1024
+ "grad_norm": 0.3155369758605957,
1025
+ "learning_rate": 0.00014058500914076782,
1026
+ "loss": 0.1521,
1027
+ "step": 1300
1028
+ },
1029
+ {
1030
+ "epoch": 0.5941499085923218,
1031
+ "eval_accuracy": 0.9376,
1032
+ "eval_loss": 0.200880229473114,
1033
+ "eval_runtime": 70.0018,
1034
+ "eval_samples_per_second": 214.28,
1035
+ "eval_steps_per_second": 13.4,
1036
+ "step": 1300
1037
+ },
1038
+ {
1039
+ "epoch": 0.5987202925045704,
1040
+ "grad_norm": 5.347257614135742,
1041
+ "learning_rate": 0.00014012797074954296,
1042
+ "loss": 0.178,
1043
+ "step": 1310
1044
+ },
1045
+ {
1046
+ "epoch": 0.603290676416819,
1047
+ "grad_norm": 8.616045951843262,
1048
+ "learning_rate": 0.0001396709323583181,
1049
+ "loss": 0.2389,
1050
+ "step": 1320
1051
+ },
1052
+ {
1053
+ "epoch": 0.6078610603290676,
1054
+ "grad_norm": 3.013582229614258,
1055
+ "learning_rate": 0.00013921389396709323,
1056
+ "loss": 0.1769,
1057
+ "step": 1330
1058
+ },
1059
+ {
1060
+ "epoch": 0.6124314442413162,
1061
+ "grad_norm": 5.738295078277588,
1062
+ "learning_rate": 0.00013875685557586837,
1063
+ "loss": 0.1847,
1064
+ "step": 1340
1065
+ },
1066
+ {
1067
+ "epoch": 0.6170018281535649,
1068
+ "grad_norm": 0.47330769896507263,
1069
+ "learning_rate": 0.0001382998171846435,
1070
+ "loss": 0.1451,
1071
+ "step": 1350
1072
+ },
1073
+ {
1074
+ "epoch": 0.6215722120658135,
1075
+ "grad_norm": 4.576214790344238,
1076
+ "learning_rate": 0.00013784277879341864,
1077
+ "loss": 0.2656,
1078
+ "step": 1360
1079
+ },
1080
+ {
1081
+ "epoch": 0.6261425959780622,
1082
+ "grad_norm": 2.6387856006622314,
1083
+ "learning_rate": 0.00013738574040219378,
1084
+ "loss": 0.1181,
1085
+ "step": 1370
1086
+ },
1087
+ {
1088
+ "epoch": 0.6307129798903108,
1089
+ "grad_norm": 0.5952144265174866,
1090
+ "learning_rate": 0.00013692870201096892,
1091
+ "loss": 0.1286,
1092
+ "step": 1380
1093
+ },
1094
+ {
1095
+ "epoch": 0.6352833638025595,
1096
+ "grad_norm": 5.721958160400391,
1097
+ "learning_rate": 0.00013647166361974405,
1098
+ "loss": 0.2129,
1099
+ "step": 1390
1100
+ },
1101
+ {
1102
+ "epoch": 0.6398537477148081,
1103
+ "grad_norm": 1.397820234298706,
1104
+ "learning_rate": 0.0001360146252285192,
1105
+ "loss": 0.1237,
1106
+ "step": 1400
1107
+ },
1108
+ {
1109
+ "epoch": 0.6398537477148081,
1110
+ "eval_accuracy": 0.9444666666666667,
1111
+ "eval_loss": 0.18025201559066772,
1112
+ "eval_runtime": 69.8721,
1113
+ "eval_samples_per_second": 214.678,
1114
+ "eval_steps_per_second": 13.425,
1115
+ "step": 1400
1116
+ },
1117
+ {
1118
+ "epoch": 0.6444241316270567,
1119
+ "grad_norm": 2.166053533554077,
1120
+ "learning_rate": 0.00013555758683729432,
1121
+ "loss": 0.2256,
1122
+ "step": 1410
1123
+ },
1124
+ {
1125
+ "epoch": 0.6489945155393053,
1126
+ "grad_norm": 1.5744013786315918,
1127
+ "learning_rate": 0.0001351005484460695,
1128
+ "loss": 0.085,
1129
+ "step": 1420
1130
+ },
1131
+ {
1132
+ "epoch": 0.6535648994515539,
1133
+ "grad_norm": 5.0064167976379395,
1134
+ "learning_rate": 0.00013464351005484462,
1135
+ "loss": 0.1947,
1136
+ "step": 1430
1137
+ },
1138
+ {
1139
+ "epoch": 0.6581352833638026,
1140
+ "grad_norm": 6.537513732910156,
1141
+ "learning_rate": 0.00013418647166361976,
1142
+ "loss": 0.095,
1143
+ "step": 1440
1144
+ },
1145
+ {
1146
+ "epoch": 0.6627056672760512,
1147
+ "grad_norm": 10.165826797485352,
1148
+ "learning_rate": 0.0001337294332723949,
1149
+ "loss": 0.2335,
1150
+ "step": 1450
1151
+ },
1152
+ {
1153
+ "epoch": 0.6672760511882998,
1154
+ "grad_norm": 2.5049922466278076,
1155
+ "learning_rate": 0.00013327239488117003,
1156
+ "loss": 0.1958,
1157
+ "step": 1460
1158
+ },
1159
+ {
1160
+ "epoch": 0.6718464351005484,
1161
+ "grad_norm": 6.945699214935303,
1162
+ "learning_rate": 0.00013281535648994517,
1163
+ "loss": 0.141,
1164
+ "step": 1470
1165
+ },
1166
+ {
1167
+ "epoch": 0.676416819012797,
1168
+ "grad_norm": 0.31921499967575073,
1169
+ "learning_rate": 0.0001323583180987203,
1170
+ "loss": 0.1275,
1171
+ "step": 1480
1172
+ },
1173
+ {
1174
+ "epoch": 0.6809872029250457,
1175
+ "grad_norm": 6.356455326080322,
1176
+ "learning_rate": 0.00013190127970749544,
1177
+ "loss": 0.2715,
1178
+ "step": 1490
1179
+ },
1180
+ {
1181
+ "epoch": 0.6855575868372943,
1182
+ "grad_norm": 0.11626709252595901,
1183
+ "learning_rate": 0.00013144424131627058,
1184
+ "loss": 0.2214,
1185
+ "step": 1500
1186
+ },
1187
+ {
1188
+ "epoch": 0.6855575868372943,
1189
+ "eval_accuracy": 0.9394666666666667,
1190
+ "eval_loss": 0.20262379944324493,
1191
+ "eval_runtime": 70.7416,
1192
+ "eval_samples_per_second": 212.039,
1193
+ "eval_steps_per_second": 13.26,
1194
+ "step": 1500
1195
+ },
1196
+ {
1197
+ "epoch": 0.6901279707495429,
1198
+ "grad_norm": 10.25921630859375,
1199
+ "learning_rate": 0.00013098720292504572,
1200
+ "loss": 0.3417,
1201
+ "step": 1510
1202
+ },
1203
+ {
1204
+ "epoch": 0.6946983546617916,
1205
+ "grad_norm": 0.09503093361854553,
1206
+ "learning_rate": 0.00013053016453382085,
1207
+ "loss": 0.1734,
1208
+ "step": 1520
1209
+ },
1210
+ {
1211
+ "epoch": 0.6992687385740403,
1212
+ "grad_norm": 4.171358108520508,
1213
+ "learning_rate": 0.000130073126142596,
1214
+ "loss": 0.1565,
1215
+ "step": 1530
1216
+ },
1217
+ {
1218
+ "epoch": 0.7038391224862889,
1219
+ "grad_norm": 1.6032589673995972,
1220
+ "learning_rate": 0.00012961608775137112,
1221
+ "loss": 0.279,
1222
+ "step": 1540
1223
+ },
1224
+ {
1225
+ "epoch": 0.7084095063985375,
1226
+ "grad_norm": 4.150899410247803,
1227
+ "learning_rate": 0.00012915904936014626,
1228
+ "loss": 0.261,
1229
+ "step": 1550
1230
+ },
1231
+ {
1232
+ "epoch": 0.7129798903107861,
1233
+ "grad_norm": 3.3375895023345947,
1234
+ "learning_rate": 0.0001287020109689214,
1235
+ "loss": 0.2531,
1236
+ "step": 1560
1237
+ },
1238
+ {
1239
+ "epoch": 0.7175502742230347,
1240
+ "grad_norm": 6.167548179626465,
1241
+ "learning_rate": 0.00012824497257769653,
1242
+ "loss": 0.2602,
1243
+ "step": 1570
1244
+ },
1245
+ {
1246
+ "epoch": 0.7221206581352834,
1247
+ "grad_norm": 2.9471616744995117,
1248
+ "learning_rate": 0.00012778793418647167,
1249
+ "loss": 0.2944,
1250
+ "step": 1580
1251
+ },
1252
+ {
1253
+ "epoch": 0.726691042047532,
1254
+ "grad_norm": 1.4548298120498657,
1255
+ "learning_rate": 0.0001273308957952468,
1256
+ "loss": 0.0746,
1257
+ "step": 1590
1258
+ },
1259
+ {
1260
+ "epoch": 0.7312614259597806,
1261
+ "grad_norm": 6.375178337097168,
1262
+ "learning_rate": 0.00012687385740402194,
1263
+ "loss": 0.1324,
1264
+ "step": 1600
1265
+ },
1266
+ {
1267
+ "epoch": 0.7312614259597806,
1268
+ "eval_accuracy": 0.9493333333333334,
1269
+ "eval_loss": 0.16354645788669586,
1270
+ "eval_runtime": 70.3467,
1271
+ "eval_samples_per_second": 213.23,
1272
+ "eval_steps_per_second": 13.334,
1273
+ "step": 1600
1274
+ },
1275
+ {
1276
+ "epoch": 0.7358318098720292,
1277
+ "grad_norm": 6.716129302978516,
1278
+ "learning_rate": 0.00012641681901279708,
1279
+ "loss": 0.2021,
1280
+ "step": 1610
1281
+ },
1282
+ {
1283
+ "epoch": 0.7404021937842779,
1284
+ "grad_norm": 0.047931790351867676,
1285
+ "learning_rate": 0.00012595978062157222,
1286
+ "loss": 0.1456,
1287
+ "step": 1620
1288
+ },
1289
+ {
1290
+ "epoch": 0.7449725776965265,
1291
+ "grad_norm": 0.08262607455253601,
1292
+ "learning_rate": 0.00012550274223034735,
1293
+ "loss": 0.1167,
1294
+ "step": 1630
1295
+ },
1296
+ {
1297
+ "epoch": 0.7495429616087751,
1298
+ "grad_norm": 0.21918249130249023,
1299
+ "learning_rate": 0.0001250457038391225,
1300
+ "loss": 0.1558,
1301
+ "step": 1640
1302
+ },
1303
+ {
1304
+ "epoch": 0.7541133455210237,
1305
+ "grad_norm": 3.03836989402771,
1306
+ "learning_rate": 0.00012458866544789763,
1307
+ "loss": 0.1506,
1308
+ "step": 1650
1309
+ },
1310
+ {
1311
+ "epoch": 0.7586837294332724,
1312
+ "grad_norm": 9.57582950592041,
1313
+ "learning_rate": 0.00012413162705667276,
1314
+ "loss": 0.2193,
1315
+ "step": 1660
1316
+ },
1317
+ {
1318
+ "epoch": 0.7632541133455211,
1319
+ "grad_norm": 0.2596251964569092,
1320
+ "learning_rate": 0.0001236745886654479,
1321
+ "loss": 0.1041,
1322
+ "step": 1670
1323
+ },
1324
+ {
1325
+ "epoch": 0.7678244972577697,
1326
+ "grad_norm": 11.114243507385254,
1327
+ "learning_rate": 0.00012321755027422303,
1328
+ "loss": 0.1528,
1329
+ "step": 1680
1330
+ },
1331
+ {
1332
+ "epoch": 0.7723948811700183,
1333
+ "grad_norm": 5.171649932861328,
1334
+ "learning_rate": 0.00012276051188299817,
1335
+ "loss": 0.1856,
1336
+ "step": 1690
1337
+ },
1338
+ {
1339
+ "epoch": 0.7769652650822669,
1340
+ "grad_norm": 4.471177577972412,
1341
+ "learning_rate": 0.0001223034734917733,
1342
+ "loss": 0.1864,
1343
+ "step": 1700
1344
+ },
1345
+ {
1346
+ "epoch": 0.7769652650822669,
1347
+ "eval_accuracy": 0.9493333333333334,
1348
+ "eval_loss": 0.16721826791763306,
1349
+ "eval_runtime": 70.5466,
1350
+ "eval_samples_per_second": 212.625,
1351
+ "eval_steps_per_second": 13.296,
1352
+ "step": 1700
1353
+ },
1354
+ {
1355
+ "epoch": 0.7815356489945156,
1356
+ "grad_norm": 4.236210346221924,
1357
+ "learning_rate": 0.00012184643510054844,
1358
+ "loss": 0.1898,
1359
+ "step": 1710
1360
+ },
1361
+ {
1362
+ "epoch": 0.7861060329067642,
1363
+ "grad_norm": 3.0980677604675293,
1364
+ "learning_rate": 0.0001213893967093236,
1365
+ "loss": 0.1925,
1366
+ "step": 1720
1367
+ },
1368
+ {
1369
+ "epoch": 0.7906764168190128,
1370
+ "grad_norm": 2.8537585735321045,
1371
+ "learning_rate": 0.00012093235831809873,
1372
+ "loss": 0.1141,
1373
+ "step": 1730
1374
+ },
1375
+ {
1376
+ "epoch": 0.7952468007312614,
1377
+ "grad_norm": 3.942676305770874,
1378
+ "learning_rate": 0.00012047531992687387,
1379
+ "loss": 0.2004,
1380
+ "step": 1740
1381
+ },
1382
+ {
1383
+ "epoch": 0.79981718464351,
1384
+ "grad_norm": 2.8048367500305176,
1385
+ "learning_rate": 0.000120018281535649,
1386
+ "loss": 0.2308,
1387
+ "step": 1750
1388
+ },
1389
+ {
1390
+ "epoch": 0.8043875685557587,
1391
+ "grad_norm": 2.2184743881225586,
1392
+ "learning_rate": 0.00011956124314442414,
1393
+ "loss": 0.1032,
1394
+ "step": 1760
1395
+ },
1396
+ {
1397
+ "epoch": 0.8089579524680073,
1398
+ "grad_norm": 12.887242317199707,
1399
+ "learning_rate": 0.00011910420475319928,
1400
+ "loss": 0.2534,
1401
+ "step": 1770
1402
+ },
1403
+ {
1404
+ "epoch": 0.8135283363802559,
1405
+ "grad_norm": 0.6864253878593445,
1406
+ "learning_rate": 0.00011864716636197441,
1407
+ "loss": 0.1879,
1408
+ "step": 1780
1409
+ },
1410
+ {
1411
+ "epoch": 0.8180987202925045,
1412
+ "grad_norm": 3.042908191680908,
1413
+ "learning_rate": 0.00011819012797074955,
1414
+ "loss": 0.2072,
1415
+ "step": 1790
1416
+ },
1417
+ {
1418
+ "epoch": 0.8226691042047533,
1419
+ "grad_norm": 0.42097190022468567,
1420
+ "learning_rate": 0.00011773308957952469,
1421
+ "loss": 0.128,
1422
+ "step": 1800
1423
+ },
1424
+ {
1425
+ "epoch": 0.8226691042047533,
1426
+ "eval_accuracy": 0.9409333333333333,
1427
+ "eval_loss": 0.2014516144990921,
1428
+ "eval_runtime": 71.2106,
1429
+ "eval_samples_per_second": 210.643,
1430
+ "eval_steps_per_second": 13.172,
1431
+ "step": 1800
1432
+ },
1433
+ {
1434
+ "epoch": 0.8272394881170019,
1435
+ "grad_norm": 5.429555892944336,
1436
+ "learning_rate": 0.00011727605118829984,
1437
+ "loss": 0.099,
1438
+ "step": 1810
1439
+ },
1440
+ {
1441
+ "epoch": 0.8318098720292505,
1442
+ "grad_norm": 6.33099889755249,
1443
+ "learning_rate": 0.00011681901279707497,
1444
+ "loss": 0.1546,
1445
+ "step": 1820
1446
+ },
1447
+ {
1448
+ "epoch": 0.8363802559414991,
1449
+ "grad_norm": 5.382350921630859,
1450
+ "learning_rate": 0.00011636197440585011,
1451
+ "loss": 0.2645,
1452
+ "step": 1830
1453
+ },
1454
+ {
1455
+ "epoch": 0.8409506398537477,
1456
+ "grad_norm": 2.201632022857666,
1457
+ "learning_rate": 0.00011590493601462524,
1458
+ "loss": 0.2078,
1459
+ "step": 1840
1460
+ },
1461
+ {
1462
+ "epoch": 0.8455210237659964,
1463
+ "grad_norm": 7.094603538513184,
1464
+ "learning_rate": 0.00011544789762340038,
1465
+ "loss": 0.3097,
1466
+ "step": 1850
1467
+ },
1468
+ {
1469
+ "epoch": 0.850091407678245,
1470
+ "grad_norm": 0.3324418067932129,
1471
+ "learning_rate": 0.00011499085923217552,
1472
+ "loss": 0.1623,
1473
+ "step": 1860
1474
+ },
1475
+ {
1476
+ "epoch": 0.8546617915904936,
1477
+ "grad_norm": 0.12678645551204681,
1478
+ "learning_rate": 0.00011453382084095065,
1479
+ "loss": 0.1275,
1480
+ "step": 1870
1481
+ },
1482
+ {
1483
+ "epoch": 0.8592321755027422,
1484
+ "grad_norm": 2.2118465900421143,
1485
+ "learning_rate": 0.00011407678244972578,
1486
+ "loss": 0.1834,
1487
+ "step": 1880
1488
+ },
1489
+ {
1490
+ "epoch": 0.8638025594149908,
1491
+ "grad_norm": 11.703352928161621,
1492
+ "learning_rate": 0.00011361974405850091,
1493
+ "loss": 0.165,
1494
+ "step": 1890
1495
+ },
1496
+ {
1497
+ "epoch": 0.8683729433272395,
1498
+ "grad_norm": 5.437178611755371,
1499
+ "learning_rate": 0.00011316270566727605,
1500
+ "loss": 0.121,
1501
+ "step": 1900
1502
+ },
1503
+ {
1504
+ "epoch": 0.8683729433272395,
1505
+ "eval_accuracy": 0.9451333333333334,
1506
+ "eval_loss": 0.17528271675109863,
1507
+ "eval_runtime": 70.5119,
1508
+ "eval_samples_per_second": 212.73,
1509
+ "eval_steps_per_second": 13.303,
1510
+ "step": 1900
1511
+ },
1512
+ {
1513
+ "epoch": 0.8729433272394881,
1514
+ "grad_norm": 2.402738332748413,
1515
+ "learning_rate": 0.00011270566727605119,
1516
+ "loss": 0.1896,
1517
+ "step": 1910
1518
+ },
1519
+ {
1520
+ "epoch": 0.8775137111517367,
1521
+ "grad_norm": 0.6686537861824036,
1522
+ "learning_rate": 0.00011224862888482632,
1523
+ "loss": 0.1535,
1524
+ "step": 1920
1525
+ },
1526
+ {
1527
+ "epoch": 0.8820840950639853,
1528
+ "grad_norm": 3.365333080291748,
1529
+ "learning_rate": 0.00011179159049360146,
1530
+ "loss": 0.1135,
1531
+ "step": 1930
1532
+ },
1533
+ {
1534
+ "epoch": 0.886654478976234,
1535
+ "grad_norm": 3.6913065910339355,
1536
+ "learning_rate": 0.0001113345521023766,
1537
+ "loss": 0.1391,
1538
+ "step": 1940
1539
+ },
1540
+ {
1541
+ "epoch": 0.8912248628884827,
1542
+ "grad_norm": 7.079347133636475,
1543
+ "learning_rate": 0.00011087751371115173,
1544
+ "loss": 0.1528,
1545
+ "step": 1950
1546
+ },
1547
+ {
1548
+ "epoch": 0.8957952468007313,
1549
+ "grad_norm": 2.3773577213287354,
1550
+ "learning_rate": 0.00011042047531992688,
1551
+ "loss": 0.1345,
1552
+ "step": 1960
1553
+ },
1554
+ {
1555
+ "epoch": 0.9003656307129799,
1556
+ "grad_norm": 3.536985158920288,
1557
+ "learning_rate": 0.00010996343692870202,
1558
+ "loss": 0.1762,
1559
+ "step": 1970
1560
+ },
1561
+ {
1562
+ "epoch": 0.9049360146252285,
1563
+ "grad_norm": 0.4026005268096924,
1564
+ "learning_rate": 0.00010950639853747715,
1565
+ "loss": 0.2182,
1566
+ "step": 1980
1567
+ },
1568
+ {
1569
+ "epoch": 0.9095063985374772,
1570
+ "grad_norm": 2.521723747253418,
1571
+ "learning_rate": 0.00010904936014625229,
1572
+ "loss": 0.1531,
1573
+ "step": 1990
1574
+ },
1575
+ {
1576
+ "epoch": 0.9140767824497258,
1577
+ "grad_norm": 0.42068588733673096,
1578
+ "learning_rate": 0.00010859232175502743,
1579
+ "loss": 0.1918,
1580
+ "step": 2000
1581
+ },
1582
+ {
1583
+ "epoch": 0.9140767824497258,
1584
+ "eval_accuracy": 0.9588,
1585
+ "eval_loss": 0.13700534403324127,
1586
+ "eval_runtime": 70.8331,
1587
+ "eval_samples_per_second": 211.766,
1588
+ "eval_steps_per_second": 13.242,
1589
+ "step": 2000
1590
+ },
1591
+ {
1592
+ "epoch": 0.9186471663619744,
1593
+ "grad_norm": 0.27603089809417725,
1594
+ "learning_rate": 0.00010813528336380256,
1595
+ "loss": 0.172,
1596
+ "step": 2010
1597
+ },
1598
+ {
1599
+ "epoch": 0.923217550274223,
1600
+ "grad_norm": 1.674926996231079,
1601
+ "learning_rate": 0.0001076782449725777,
1602
+ "loss": 0.1129,
1603
+ "step": 2020
1604
+ },
1605
+ {
1606
+ "epoch": 0.9277879341864717,
1607
+ "grad_norm": 0.18493302166461945,
1608
+ "learning_rate": 0.00010722120658135284,
1609
+ "loss": 0.0895,
1610
+ "step": 2030
1611
+ },
1612
+ {
1613
+ "epoch": 0.9323583180987203,
1614
+ "grad_norm": 4.929255485534668,
1615
+ "learning_rate": 0.00010676416819012797,
1616
+ "loss": 0.0942,
1617
+ "step": 2040
1618
+ },
1619
+ {
1620
+ "epoch": 0.9369287020109689,
1621
+ "grad_norm": 2.887568950653076,
1622
+ "learning_rate": 0.00010630712979890312,
1623
+ "loss": 0.1769,
1624
+ "step": 2050
1625
+ },
1626
+ {
1627
+ "epoch": 0.9414990859232175,
1628
+ "grad_norm": 2.5681095123291016,
1629
+ "learning_rate": 0.00010585009140767826,
1630
+ "loss": 0.1939,
1631
+ "step": 2060
1632
+ },
1633
+ {
1634
+ "epoch": 0.9460694698354661,
1635
+ "grad_norm": 9.683144569396973,
1636
+ "learning_rate": 0.0001053930530164534,
1637
+ "loss": 0.212,
1638
+ "step": 2070
1639
+ },
1640
+ {
1641
+ "epoch": 0.9506398537477148,
1642
+ "grad_norm": 0.2908894419670105,
1643
+ "learning_rate": 0.00010493601462522853,
1644
+ "loss": 0.1635,
1645
+ "step": 2080
1646
+ },
1647
+ {
1648
+ "epoch": 0.9552102376599635,
1649
+ "grad_norm": 5.623505115509033,
1650
+ "learning_rate": 0.00010447897623400367,
1651
+ "loss": 0.0803,
1652
+ "step": 2090
1653
+ },
1654
+ {
1655
+ "epoch": 0.9597806215722121,
1656
+ "grad_norm": 1.6659337282180786,
1657
+ "learning_rate": 0.0001040219378427788,
1658
+ "loss": 0.1658,
1659
+ "step": 2100
1660
+ },
1661
+ {
1662
+ "epoch": 0.9597806215722121,
1663
+ "eval_accuracy": 0.9534666666666667,
1664
+ "eval_loss": 0.15428349375724792,
1665
+ "eval_runtime": 70.1951,
1666
+ "eval_samples_per_second": 213.69,
1667
+ "eval_steps_per_second": 13.363,
1668
+ "step": 2100
1669
+ },
1670
+ {
1671
+ "epoch": 0.9643510054844607,
1672
+ "grad_norm": 3.0254101753234863,
1673
+ "learning_rate": 0.00010356489945155394,
1674
+ "loss": 0.2228,
1675
+ "step": 2110
1676
+ },
1677
+ {
1678
+ "epoch": 0.9689213893967094,
1679
+ "grad_norm": 4.310238838195801,
1680
+ "learning_rate": 0.00010310786106032908,
1681
+ "loss": 0.1241,
1682
+ "step": 2120
1683
+ },
1684
+ {
1685
+ "epoch": 0.973491773308958,
1686
+ "grad_norm": 3.578296422958374,
1687
+ "learning_rate": 0.00010265082266910421,
1688
+ "loss": 0.212,
1689
+ "step": 2130
1690
+ },
1691
+ {
1692
+ "epoch": 0.9780621572212066,
1693
+ "grad_norm": 1.9950228929519653,
1694
+ "learning_rate": 0.00010219378427787935,
1695
+ "loss": 0.2508,
1696
+ "step": 2140
1697
+ },
1698
+ {
1699
+ "epoch": 0.9826325411334552,
1700
+ "grad_norm": 0.7868995666503906,
1701
+ "learning_rate": 0.0001017367458866545,
1702
+ "loss": 0.1755,
1703
+ "step": 2150
1704
+ },
1705
+ {
1706
+ "epoch": 0.9872029250457038,
1707
+ "grad_norm": 2.1217503547668457,
1708
+ "learning_rate": 0.00010127970749542961,
1709
+ "loss": 0.1431,
1710
+ "step": 2160
1711
+ },
1712
+ {
1713
+ "epoch": 0.9917733089579525,
1714
+ "grad_norm": 0.1202094554901123,
1715
+ "learning_rate": 0.00010082266910420475,
1716
+ "loss": 0.0914,
1717
+ "step": 2170
1718
+ },
1719
+ {
1720
+ "epoch": 0.9963436928702011,
1721
+ "grad_norm": 4.719986438751221,
1722
+ "learning_rate": 0.00010036563071297988,
1723
+ "loss": 0.137,
1724
+ "step": 2180
1725
+ },
1726
+ {
1727
+ "epoch": 1.0009140767824498,
1728
+ "grad_norm": 0.4999386668205261,
1729
+ "learning_rate": 9.990859232175503e-05,
1730
+ "loss": 0.1686,
1731
+ "step": 2190
1732
+ },
1733
+ {
1734
+ "epoch": 1.0054844606946984,
1735
+ "grad_norm": 0.2870078980922699,
1736
+ "learning_rate": 9.945155393053017e-05,
1737
+ "loss": 0.1088,
1738
+ "step": 2200
1739
+ },
1740
+ {
1741
+ "epoch": 1.0054844606946984,
1742
+ "eval_accuracy": 0.9577333333333333,
1743
+ "eval_loss": 0.1361219733953476,
1744
+ "eval_runtime": 70.2423,
1745
+ "eval_samples_per_second": 213.547,
1746
+ "eval_steps_per_second": 13.354,
1747
+ "step": 2200
1748
+ },
1749
+ {
1750
+ "epoch": 1.010054844606947,
1751
+ "grad_norm": 0.8209459781646729,
1752
+ "learning_rate": 9.89945155393053e-05,
1753
+ "loss": 0.1142,
1754
+ "step": 2210
1755
+ },
1756
+ {
1757
+ "epoch": 1.0146252285191957,
1758
+ "grad_norm": 9.744668006896973,
1759
+ "learning_rate": 9.853747714808045e-05,
1760
+ "loss": 0.0546,
1761
+ "step": 2220
1762
+ },
1763
+ {
1764
+ "epoch": 1.0191956124314443,
1765
+ "grad_norm": 0.15120500326156616,
1766
+ "learning_rate": 9.808043875685559e-05,
1767
+ "loss": 0.0184,
1768
+ "step": 2230
1769
+ },
1770
+ {
1771
+ "epoch": 1.023765996343693,
1772
+ "grad_norm": 3.5596585273742676,
1773
+ "learning_rate": 9.762340036563071e-05,
1774
+ "loss": 0.1219,
1775
+ "step": 2240
1776
+ },
1777
+ {
1778
+ "epoch": 1.0283363802559415,
1779
+ "grad_norm": 4.676599025726318,
1780
+ "learning_rate": 9.716636197440585e-05,
1781
+ "loss": 0.0767,
1782
+ "step": 2250
1783
+ },
1784
+ {
1785
+ "epoch": 1.0329067641681902,
1786
+ "grad_norm": 0.02072470262646675,
1787
+ "learning_rate": 9.670932358318099e-05,
1788
+ "loss": 0.0152,
1789
+ "step": 2260
1790
+ },
1791
+ {
1792
+ "epoch": 1.0374771480804388,
1793
+ "grad_norm": 0.09274908900260925,
1794
+ "learning_rate": 9.625228519195612e-05,
1795
+ "loss": 0.0423,
1796
+ "step": 2270
1797
+ },
1798
+ {
1799
+ "epoch": 1.0420475319926874,
1800
+ "grad_norm": 2.4434385299682617,
1801
+ "learning_rate": 9.579524680073126e-05,
1802
+ "loss": 0.0651,
1803
+ "step": 2280
1804
+ },
1805
+ {
1806
+ "epoch": 1.046617915904936,
1807
+ "grad_norm": 0.028794042766094208,
1808
+ "learning_rate": 9.53382084095064e-05,
1809
+ "loss": 0.0635,
1810
+ "step": 2290
1811
+ },
1812
+ {
1813
+ "epoch": 1.0511882998171846,
1814
+ "grad_norm": 1.619289755821228,
1815
+ "learning_rate": 9.488117001828155e-05,
1816
+ "loss": 0.0916,
1817
+ "step": 2300
1818
+ },
1819
+ {
1820
+ "epoch": 1.0511882998171846,
1821
+ "eval_accuracy": 0.9596666666666667,
1822
+ "eval_loss": 0.13929586112499237,
1823
+ "eval_runtime": 70.231,
1824
+ "eval_samples_per_second": 213.581,
1825
+ "eval_steps_per_second": 13.356,
1826
+ "step": 2300
1827
+ },
1828
+ {
1829
+ "epoch": 1.0557586837294333,
1830
+ "grad_norm": 4.361185073852539,
1831
+ "learning_rate": 9.442413162705668e-05,
1832
+ "loss": 0.039,
1833
+ "step": 2310
1834
+ },
1835
+ {
1836
+ "epoch": 1.0603290676416819,
1837
+ "grad_norm": 0.0270086620002985,
1838
+ "learning_rate": 9.396709323583182e-05,
1839
+ "loss": 0.087,
1840
+ "step": 2320
1841
+ },
1842
+ {
1843
+ "epoch": 1.0648994515539305,
1844
+ "grad_norm": 0.09628736972808838,
1845
+ "learning_rate": 9.351005484460696e-05,
1846
+ "loss": 0.0222,
1847
+ "step": 2330
1848
+ },
1849
+ {
1850
+ "epoch": 1.0694698354661791,
1851
+ "grad_norm": 4.285031318664551,
1852
+ "learning_rate": 9.305301645338209e-05,
1853
+ "loss": 0.0478,
1854
+ "step": 2340
1855
+ },
1856
+ {
1857
+ "epoch": 1.0740402193784278,
1858
+ "grad_norm": 0.06926529854536057,
1859
+ "learning_rate": 9.259597806215723e-05,
1860
+ "loss": 0.0531,
1861
+ "step": 2350
1862
+ },
1863
+ {
1864
+ "epoch": 1.0786106032906764,
1865
+ "grad_norm": 0.01788182742893696,
1866
+ "learning_rate": 9.213893967093236e-05,
1867
+ "loss": 0.0723,
1868
+ "step": 2360
1869
+ },
1870
+ {
1871
+ "epoch": 1.083180987202925,
1872
+ "grad_norm": 0.1285097748041153,
1873
+ "learning_rate": 9.16819012797075e-05,
1874
+ "loss": 0.0565,
1875
+ "step": 2370
1876
+ },
1877
+ {
1878
+ "epoch": 1.0877513711151736,
1879
+ "grad_norm": 0.013244764879345894,
1880
+ "learning_rate": 9.122486288848264e-05,
1881
+ "loss": 0.0363,
1882
+ "step": 2380
1883
+ },
1884
+ {
1885
+ "epoch": 1.0923217550274222,
1886
+ "grad_norm": 2.3318049907684326,
1887
+ "learning_rate": 9.076782449725777e-05,
1888
+ "loss": 0.0584,
1889
+ "step": 2390
1890
+ },
1891
+ {
1892
+ "epoch": 1.0968921389396709,
1893
+ "grad_norm": 0.3406066298484802,
1894
+ "learning_rate": 9.031078610603291e-05,
1895
+ "loss": 0.005,
1896
+ "step": 2400
1897
+ },
1898
+ {
1899
+ "epoch": 1.0968921389396709,
1900
+ "eval_accuracy": 0.9620666666666666,
1901
+ "eval_loss": 0.12949973344802856,
1902
+ "eval_runtime": 70.9675,
1903
+ "eval_samples_per_second": 211.364,
1904
+ "eval_steps_per_second": 13.217,
1905
+ "step": 2400
1906
+ },
1907
+ {
1908
+ "epoch": 1.1014625228519195,
1909
+ "grad_norm": 0.09992707520723343,
1910
+ "learning_rate": 8.985374771480805e-05,
1911
+ "loss": 0.006,
1912
+ "step": 2410
1913
+ },
1914
+ {
1915
+ "epoch": 1.106032906764168,
1916
+ "grad_norm": 3.9798166751861572,
1917
+ "learning_rate": 8.939670932358318e-05,
1918
+ "loss": 0.0458,
1919
+ "step": 2420
1920
+ },
1921
+ {
1922
+ "epoch": 1.1106032906764167,
1923
+ "grad_norm": 0.20624032616615295,
1924
+ "learning_rate": 8.893967093235832e-05,
1925
+ "loss": 0.0366,
1926
+ "step": 2430
1927
+ },
1928
+ {
1929
+ "epoch": 1.1151736745886653,
1930
+ "grad_norm": 0.03891080617904663,
1931
+ "learning_rate": 8.848263254113346e-05,
1932
+ "loss": 0.0118,
1933
+ "step": 2440
1934
+ },
1935
+ {
1936
+ "epoch": 1.1197440585009142,
1937
+ "grad_norm": 7.250652313232422,
1938
+ "learning_rate": 8.802559414990859e-05,
1939
+ "loss": 0.0622,
1940
+ "step": 2450
1941
+ },
1942
+ {
1943
+ "epoch": 1.1243144424131628,
1944
+ "grad_norm": 2.0701119899749756,
1945
+ "learning_rate": 8.756855575868373e-05,
1946
+ "loss": 0.0504,
1947
+ "step": 2460
1948
+ },
1949
+ {
1950
+ "epoch": 1.1288848263254114,
1951
+ "grad_norm": 4.752568244934082,
1952
+ "learning_rate": 8.711151736745888e-05,
1953
+ "loss": 0.0581,
1954
+ "step": 2470
1955
+ },
1956
+ {
1957
+ "epoch": 1.13345521023766,
1958
+ "grad_norm": 0.023835673928260803,
1959
+ "learning_rate": 8.665447897623402e-05,
1960
+ "loss": 0.0401,
1961
+ "step": 2480
1962
+ },
1963
+ {
1964
+ "epoch": 1.1380255941499087,
1965
+ "grad_norm": 0.009058034047484398,
1966
+ "learning_rate": 8.619744058500915e-05,
1967
+ "loss": 0.0406,
1968
+ "step": 2490
1969
+ },
1970
+ {
1971
+ "epoch": 1.1425959780621573,
1972
+ "grad_norm": 0.2688920795917511,
1973
+ "learning_rate": 8.574040219378429e-05,
1974
+ "loss": 0.0294,
1975
+ "step": 2500
1976
+ },
1977
+ {
1978
+ "epoch": 1.1425959780621573,
1979
+ "eval_accuracy": 0.9639333333333333,
1980
+ "eval_loss": 0.1327054649591446,
1981
+ "eval_runtime": 70.9468,
1982
+ "eval_samples_per_second": 211.426,
1983
+ "eval_steps_per_second": 13.221,
1984
+ "step": 2500
1985
+ },
1986
+ {
1987
+ "epoch": 1.147166361974406,
1988
+ "grad_norm": 0.007774589583277702,
1989
+ "learning_rate": 8.528336380255942e-05,
1990
+ "loss": 0.0427,
1991
+ "step": 2510
1992
+ },
1993
+ {
1994
+ "epoch": 1.1517367458866545,
1995
+ "grad_norm": 5.866430759429932,
1996
+ "learning_rate": 8.482632541133455e-05,
1997
+ "loss": 0.0595,
1998
+ "step": 2520
1999
+ },
2000
+ {
2001
+ "epoch": 1.1563071297989032,
2002
+ "grad_norm": 0.11866763979196548,
2003
+ "learning_rate": 8.436928702010968e-05,
2004
+ "loss": 0.0673,
2005
+ "step": 2530
2006
+ },
2007
+ {
2008
+ "epoch": 1.1608775137111518,
2009
+ "grad_norm": 5.5359978675842285,
2010
+ "learning_rate": 8.391224862888482e-05,
2011
+ "loss": 0.1446,
2012
+ "step": 2540
2013
+ },
2014
+ {
2015
+ "epoch": 1.1654478976234004,
2016
+ "grad_norm": 0.016985343769192696,
2017
+ "learning_rate": 8.345521023765997e-05,
2018
+ "loss": 0.0559,
2019
+ "step": 2550
2020
+ },
2021
+ {
2022
+ "epoch": 1.170018281535649,
2023
+ "grad_norm": 0.7032074928283691,
2024
+ "learning_rate": 8.29981718464351e-05,
2025
+ "loss": 0.0093,
2026
+ "step": 2560
2027
+ },
2028
+ {
2029
+ "epoch": 1.1745886654478976,
2030
+ "grad_norm": 0.14500297605991364,
2031
+ "learning_rate": 8.254113345521024e-05,
2032
+ "loss": 0.0591,
2033
+ "step": 2570
2034
+ },
2035
+ {
2036
+ "epoch": 1.1791590493601463,
2037
+ "grad_norm": 4.615384578704834,
2038
+ "learning_rate": 8.208409506398538e-05,
2039
+ "loss": 0.0167,
2040
+ "step": 2580
2041
+ },
2042
+ {
2043
+ "epoch": 1.1837294332723949,
2044
+ "grad_norm": 3.747305154800415,
2045
+ "learning_rate": 8.162705667276052e-05,
2046
+ "loss": 0.1315,
2047
+ "step": 2590
2048
+ },
2049
+ {
2050
+ "epoch": 1.1882998171846435,
2051
+ "grad_norm": 6.55547571182251,
2052
+ "learning_rate": 8.117001828153565e-05,
2053
+ "loss": 0.0939,
2054
+ "step": 2600
2055
+ },
2056
+ {
2057
+ "epoch": 1.1882998171846435,
2058
+ "eval_accuracy": 0.9621333333333333,
2059
+ "eval_loss": 0.1408853828907013,
2060
+ "eval_runtime": 70.3628,
2061
+ "eval_samples_per_second": 213.181,
2062
+ "eval_steps_per_second": 13.331,
2063
+ "step": 2600
2064
+ },
2065
+ {
2066
+ "epoch": 1.1928702010968921,
2067
+ "grad_norm": 0.018332751467823982,
2068
+ "learning_rate": 8.071297989031079e-05,
2069
+ "loss": 0.0422,
2070
+ "step": 2610
2071
+ },
2072
+ {
2073
+ "epoch": 1.1974405850091407,
2074
+ "grad_norm": 8.07509708404541,
2075
+ "learning_rate": 8.025594149908592e-05,
2076
+ "loss": 0.0548,
2077
+ "step": 2620
2078
+ },
2079
+ {
2080
+ "epoch": 1.2020109689213894,
2081
+ "grad_norm": 0.015664540231227875,
2082
+ "learning_rate": 7.979890310786106e-05,
2083
+ "loss": 0.0201,
2084
+ "step": 2630
2085
+ },
2086
+ {
2087
+ "epoch": 1.206581352833638,
2088
+ "grad_norm": 0.34166190028190613,
2089
+ "learning_rate": 7.934186471663621e-05,
2090
+ "loss": 0.0063,
2091
+ "step": 2640
2092
+ },
2093
+ {
2094
+ "epoch": 1.2111517367458866,
2095
+ "grad_norm": 0.024543585255742073,
2096
+ "learning_rate": 7.888482632541135e-05,
2097
+ "loss": 0.067,
2098
+ "step": 2650
2099
+ },
2100
+ {
2101
+ "epoch": 1.2157221206581352,
2102
+ "grad_norm": 5.0015788078308105,
2103
+ "learning_rate": 7.842778793418648e-05,
2104
+ "loss": 0.0677,
2105
+ "step": 2660
2106
+ },
2107
+ {
2108
+ "epoch": 1.2202925045703839,
2109
+ "grad_norm": 0.3825192153453827,
2110
+ "learning_rate": 7.79707495429616e-05,
2111
+ "loss": 0.0447,
2112
+ "step": 2670
2113
+ },
2114
+ {
2115
+ "epoch": 1.2248628884826325,
2116
+ "grad_norm": 1.0526628494262695,
2117
+ "learning_rate": 7.751371115173674e-05,
2118
+ "loss": 0.0264,
2119
+ "step": 2680
2120
+ },
2121
+ {
2122
+ "epoch": 1.229433272394881,
2123
+ "grad_norm": 0.015143281780183315,
2124
+ "learning_rate": 7.705667276051188e-05,
2125
+ "loss": 0.0182,
2126
+ "step": 2690
2127
+ },
2128
+ {
2129
+ "epoch": 1.2340036563071297,
2130
+ "grad_norm": 6.874438285827637,
2131
+ "learning_rate": 7.659963436928702e-05,
2132
+ "loss": 0.0756,
2133
+ "step": 2700
2134
+ },
2135
+ {
2136
+ "epoch": 1.2340036563071297,
2137
+ "eval_accuracy": 0.9682,
2138
+ "eval_loss": 0.1201971173286438,
2139
+ "eval_runtime": 70.6459,
2140
+ "eval_samples_per_second": 212.327,
2141
+ "eval_steps_per_second": 13.277,
2142
+ "step": 2700
2143
+ },
2144
+ {
2145
+ "epoch": 1.2385740402193783,
2146
+ "grad_norm": 0.02307463437318802,
2147
+ "learning_rate": 7.614259597806215e-05,
2148
+ "loss": 0.033,
2149
+ "step": 2710
2150
+ },
2151
+ {
2152
+ "epoch": 1.2431444241316272,
2153
+ "grad_norm": 0.01136768702417612,
2154
+ "learning_rate": 7.56855575868373e-05,
2155
+ "loss": 0.0762,
2156
+ "step": 2720
2157
+ },
2158
+ {
2159
+ "epoch": 1.2477148080438756,
2160
+ "grad_norm": 5.031988620758057,
2161
+ "learning_rate": 7.522851919561244e-05,
2162
+ "loss": 0.0692,
2163
+ "step": 2730
2164
+ },
2165
+ {
2166
+ "epoch": 1.2522851919561244,
2167
+ "grad_norm": 0.028815852478146553,
2168
+ "learning_rate": 7.477148080438758e-05,
2169
+ "loss": 0.008,
2170
+ "step": 2740
2171
+ },
2172
+ {
2173
+ "epoch": 1.2568555758683728,
2174
+ "grad_norm": 10.7840576171875,
2175
+ "learning_rate": 7.431444241316271e-05,
2176
+ "loss": 0.0711,
2177
+ "step": 2750
2178
+ },
2179
+ {
2180
+ "epoch": 1.2614259597806217,
2181
+ "grad_norm": 3.8280370235443115,
2182
+ "learning_rate": 7.385740402193785e-05,
2183
+ "loss": 0.0581,
2184
+ "step": 2760
2185
+ },
2186
+ {
2187
+ "epoch": 1.26599634369287,
2188
+ "grad_norm": 0.03191199526190758,
2189
+ "learning_rate": 7.340036563071298e-05,
2190
+ "loss": 0.0882,
2191
+ "step": 2770
2192
+ },
2193
+ {
2194
+ "epoch": 1.270566727605119,
2195
+ "grad_norm": 0.010684626176953316,
2196
+ "learning_rate": 7.294332723948812e-05,
2197
+ "loss": 0.0228,
2198
+ "step": 2780
2199
+ },
2200
+ {
2201
+ "epoch": 1.2751371115173675,
2202
+ "grad_norm": 0.01165696233510971,
2203
+ "learning_rate": 7.248628884826326e-05,
2204
+ "loss": 0.0364,
2205
+ "step": 2790
2206
+ },
2207
+ {
2208
+ "epoch": 1.2797074954296161,
2209
+ "grad_norm": 5.020371913909912,
2210
+ "learning_rate": 7.20292504570384e-05,
2211
+ "loss": 0.0466,
2212
+ "step": 2800
2213
+ },
2214
+ {
2215
+ "epoch": 1.2797074954296161,
2216
+ "eval_accuracy": 0.964,
2217
+ "eval_loss": 0.1273525506258011,
2218
+ "eval_runtime": 70.5245,
2219
+ "eval_samples_per_second": 212.692,
2220
+ "eval_steps_per_second": 13.3,
2221
+ "step": 2800
2222
+ },
2223
+ {
2224
+ "epoch": 1.2842778793418648,
2225
+ "grad_norm": 3.339799165725708,
2226
+ "learning_rate": 7.157221206581353e-05,
2227
+ "loss": 0.0331,
2228
+ "step": 2810
2229
+ },
2230
+ {
2231
+ "epoch": 1.2888482632541134,
2232
+ "grad_norm": 2.2458271980285645,
2233
+ "learning_rate": 7.111517367458867e-05,
2234
+ "loss": 0.0139,
2235
+ "step": 2820
2236
+ },
2237
+ {
2238
+ "epoch": 1.293418647166362,
2239
+ "grad_norm": 0.03158143162727356,
2240
+ "learning_rate": 7.06581352833638e-05,
2241
+ "loss": 0.0316,
2242
+ "step": 2830
2243
+ },
2244
+ {
2245
+ "epoch": 1.2979890310786106,
2246
+ "grad_norm": 0.012245237827301025,
2247
+ "learning_rate": 7.020109689213894e-05,
2248
+ "loss": 0.0501,
2249
+ "step": 2840
2250
+ },
2251
+ {
2252
+ "epoch": 1.3025594149908593,
2253
+ "grad_norm": 6.688177585601807,
2254
+ "learning_rate": 6.974405850091408e-05,
2255
+ "loss": 0.0349,
2256
+ "step": 2850
2257
+ },
2258
+ {
2259
+ "epoch": 1.3071297989031079,
2260
+ "grad_norm": 0.01068816240876913,
2261
+ "learning_rate": 6.928702010968921e-05,
2262
+ "loss": 0.0373,
2263
+ "step": 2860
2264
+ },
2265
+ {
2266
+ "epoch": 1.3117001828153565,
2267
+ "grad_norm": 0.017882896587252617,
2268
+ "learning_rate": 6.882998171846435e-05,
2269
+ "loss": 0.0272,
2270
+ "step": 2870
2271
+ },
2272
+ {
2273
+ "epoch": 1.3162705667276051,
2274
+ "grad_norm": 0.009448254480957985,
2275
+ "learning_rate": 6.837294332723948e-05,
2276
+ "loss": 0.045,
2277
+ "step": 2880
2278
+ },
2279
+ {
2280
+ "epoch": 1.3208409506398537,
2281
+ "grad_norm": 8.753164291381836,
2282
+ "learning_rate": 6.791590493601463e-05,
2283
+ "loss": 0.1252,
2284
+ "step": 2890
2285
+ },
2286
+ {
2287
+ "epoch": 1.3254113345521024,
2288
+ "grad_norm": 0.02937444858253002,
2289
+ "learning_rate": 6.745886654478977e-05,
2290
+ "loss": 0.0565,
2291
+ "step": 2900
2292
+ },
2293
+ {
2294
+ "epoch": 1.3254113345521024,
2295
+ "eval_accuracy": 0.9662666666666667,
2296
+ "eval_loss": 0.12496425956487656,
2297
+ "eval_runtime": 70.9263,
2298
+ "eval_samples_per_second": 211.487,
2299
+ "eval_steps_per_second": 13.225,
2300
+ "step": 2900
2301
+ },
2302
+ {
2303
+ "epoch": 1.329981718464351,
2304
+ "grad_norm": 0.7451736927032471,
2305
+ "learning_rate": 6.700182815356491e-05,
2306
+ "loss": 0.0298,
2307
+ "step": 2910
2308
+ },
2309
+ {
2310
+ "epoch": 1.3345521023765996,
2311
+ "grad_norm": 0.014505515806376934,
2312
+ "learning_rate": 6.654478976234004e-05,
2313
+ "loss": 0.0954,
2314
+ "step": 2920
2315
+ },
2316
+ {
2317
+ "epoch": 1.3391224862888482,
2318
+ "grad_norm": 6.800475597381592,
2319
+ "learning_rate": 6.608775137111518e-05,
2320
+ "loss": 0.0584,
2321
+ "step": 2930
2322
+ },
2323
+ {
2324
+ "epoch": 1.3436928702010968,
2325
+ "grad_norm": 0.08044274151325226,
2326
+ "learning_rate": 6.563071297989032e-05,
2327
+ "loss": 0.0944,
2328
+ "step": 2940
2329
+ },
2330
+ {
2331
+ "epoch": 1.3482632541133455,
2332
+ "grad_norm": 0.051912058144807816,
2333
+ "learning_rate": 6.517367458866545e-05,
2334
+ "loss": 0.0128,
2335
+ "step": 2950
2336
+ },
2337
+ {
2338
+ "epoch": 1.352833638025594,
2339
+ "grad_norm": 0.8656260967254639,
2340
+ "learning_rate": 6.471663619744059e-05,
2341
+ "loss": 0.1187,
2342
+ "step": 2960
2343
+ },
2344
+ {
2345
+ "epoch": 1.3574040219378427,
2346
+ "grad_norm": 0.004978422075510025,
2347
+ "learning_rate": 6.425959780621573e-05,
2348
+ "loss": 0.0228,
2349
+ "step": 2970
2350
+ },
2351
+ {
2352
+ "epoch": 1.3619744058500913,
2353
+ "grad_norm": 0.5934199094772339,
2354
+ "learning_rate": 6.380255941499086e-05,
2355
+ "loss": 0.0038,
2356
+ "step": 2980
2357
+ },
2358
+ {
2359
+ "epoch": 1.3665447897623402,
2360
+ "grad_norm": 3.7717771530151367,
2361
+ "learning_rate": 6.3345521023766e-05,
2362
+ "loss": 0.087,
2363
+ "step": 2990
2364
+ },
2365
+ {
2366
+ "epoch": 1.3711151736745886,
2367
+ "grad_norm": 0.01153448224067688,
2368
+ "learning_rate": 6.288848263254114e-05,
2369
+ "loss": 0.0609,
2370
+ "step": 3000
2371
+ },
2372
+ {
2373
+ "epoch": 1.3711151736745886,
2374
+ "eval_accuracy": 0.9656666666666667,
2375
+ "eval_loss": 0.12994171679019928,
2376
+ "eval_runtime": 71.2707,
2377
+ "eval_samples_per_second": 210.465,
2378
+ "eval_steps_per_second": 13.161,
2379
+ "step": 3000
2380
+ },
2381
+ {
2382
+ "epoch": 1.3756855575868374,
2383
+ "grad_norm": 0.17517925798892975,
2384
+ "learning_rate": 6.243144424131627e-05,
2385
+ "loss": 0.026,
2386
+ "step": 3010
2387
+ },
2388
+ {
2389
+ "epoch": 1.3802559414990858,
2390
+ "grad_norm": 0.11696294695138931,
2391
+ "learning_rate": 6.197440585009141e-05,
2392
+ "loss": 0.025,
2393
+ "step": 3020
2394
+ },
2395
+ {
2396
+ "epoch": 1.3848263254113347,
2397
+ "grad_norm": 0.007365319412201643,
2398
+ "learning_rate": 6.151736745886654e-05,
2399
+ "loss": 0.0251,
2400
+ "step": 3030
2401
+ },
2402
+ {
2403
+ "epoch": 1.389396709323583,
2404
+ "grad_norm": 0.3844846189022064,
2405
+ "learning_rate": 6.106032906764168e-05,
2406
+ "loss": 0.0252,
2407
+ "step": 3040
2408
+ },
2409
+ {
2410
+ "epoch": 1.393967093235832,
2411
+ "grad_norm": 0.014660494402050972,
2412
+ "learning_rate": 6.0603290676416824e-05,
2413
+ "loss": 0.0274,
2414
+ "step": 3050
2415
+ },
2416
+ {
2417
+ "epoch": 1.3985374771480805,
2418
+ "grad_norm": 4.684697151184082,
2419
+ "learning_rate": 6.014625228519196e-05,
2420
+ "loss": 0.0294,
2421
+ "step": 3060
2422
+ },
2423
+ {
2424
+ "epoch": 1.4031078610603291,
2425
+ "grad_norm": 0.05706701800227165,
2426
+ "learning_rate": 5.96892138939671e-05,
2427
+ "loss": 0.0053,
2428
+ "step": 3070
2429
+ },
2430
+ {
2431
+ "epoch": 1.4076782449725778,
2432
+ "grad_norm": 0.010988248512148857,
2433
+ "learning_rate": 5.923217550274224e-05,
2434
+ "loss": 0.0227,
2435
+ "step": 3080
2436
+ },
2437
+ {
2438
+ "epoch": 1.4122486288848264,
2439
+ "grad_norm": 0.009499771520495415,
2440
+ "learning_rate": 5.8775137111517377e-05,
2441
+ "loss": 0.0061,
2442
+ "step": 3090
2443
+ },
2444
+ {
2445
+ "epoch": 1.416819012797075,
2446
+ "grad_norm": 0.35233938694000244,
2447
+ "learning_rate": 5.83180987202925e-05,
2448
+ "loss": 0.0201,
2449
+ "step": 3100
2450
+ },
2451
+ {
2452
+ "epoch": 1.416819012797075,
2453
+ "eval_accuracy": 0.9685333333333334,
2454
+ "eval_loss": 0.12030760943889618,
2455
+ "eval_runtime": 70.6066,
2456
+ "eval_samples_per_second": 212.445,
2457
+ "eval_steps_per_second": 13.285,
2458
+ "step": 3100
2459
+ },
2460
+ {
2461
+ "epoch": 1.4213893967093236,
2462
+ "grad_norm": 0.680586576461792,
2463
+ "learning_rate": 5.786106032906764e-05,
2464
+ "loss": 0.0825,
2465
+ "step": 3110
2466
+ },
2467
+ {
2468
+ "epoch": 1.4259597806215722,
2469
+ "grad_norm": 1.1647635698318481,
2470
+ "learning_rate": 5.740402193784278e-05,
2471
+ "loss": 0.0668,
2472
+ "step": 3120
2473
+ },
2474
+ {
2475
+ "epoch": 1.4305301645338209,
2476
+ "grad_norm": 0.3994854986667633,
2477
+ "learning_rate": 5.6946983546617915e-05,
2478
+ "loss": 0.054,
2479
+ "step": 3130
2480
+ },
2481
+ {
2482
+ "epoch": 1.4351005484460695,
2483
+ "grad_norm": 0.012723923660814762,
2484
+ "learning_rate": 5.648994515539305e-05,
2485
+ "loss": 0.1109,
2486
+ "step": 3140
2487
+ },
2488
+ {
2489
+ "epoch": 1.4396709323583181,
2490
+ "grad_norm": 0.02893258072435856,
2491
+ "learning_rate": 5.603290676416819e-05,
2492
+ "loss": 0.0447,
2493
+ "step": 3150
2494
+ },
2495
+ {
2496
+ "epoch": 1.4442413162705667,
2497
+ "grad_norm": 2.296046495437622,
2498
+ "learning_rate": 5.557586837294333e-05,
2499
+ "loss": 0.0139,
2500
+ "step": 3160
2501
+ },
2502
+ {
2503
+ "epoch": 1.4488117001828154,
2504
+ "grad_norm": 0.0075446791015565395,
2505
+ "learning_rate": 5.511882998171847e-05,
2506
+ "loss": 0.0254,
2507
+ "step": 3170
2508
+ },
2509
+ {
2510
+ "epoch": 1.453382084095064,
2511
+ "grad_norm": 4.601187705993652,
2512
+ "learning_rate": 5.47074954296161e-05,
2513
+ "loss": 0.0619,
2514
+ "step": 3180
2515
+ },
2516
+ {
2517
+ "epoch": 1.4579524680073126,
2518
+ "grad_norm": 0.028089461848139763,
2519
+ "learning_rate": 5.425045703839122e-05,
2520
+ "loss": 0.0324,
2521
+ "step": 3190
2522
+ },
2523
+ {
2524
+ "epoch": 1.4625228519195612,
2525
+ "grad_norm": 0.00567116541787982,
2526
+ "learning_rate": 5.3793418647166363e-05,
2527
+ "loss": 0.0258,
2528
+ "step": 3200
2529
+ },
2530
+ {
2531
+ "epoch": 1.4625228519195612,
2532
+ "eval_accuracy": 0.9692666666666667,
2533
+ "eval_loss": 0.11664163321256638,
2534
+ "eval_runtime": 70.1343,
2535
+ "eval_samples_per_second": 213.875,
2536
+ "eval_steps_per_second": 13.374,
2537
+ "step": 3200
2538
+ },
2539
+ {
2540
+ "epoch": 1.4670932358318098,
2541
+ "grad_norm": 0.008565380237996578,
2542
+ "learning_rate": 5.33363802559415e-05,
2543
+ "loss": 0.1077,
2544
+ "step": 3210
2545
+ },
2546
+ {
2547
+ "epoch": 1.4716636197440585,
2548
+ "grad_norm": 6.626660346984863,
2549
+ "learning_rate": 5.2879341864716636e-05,
2550
+ "loss": 0.0685,
2551
+ "step": 3220
2552
+ },
2553
+ {
2554
+ "epoch": 1.476234003656307,
2555
+ "grad_norm": 5.336280822753906,
2556
+ "learning_rate": 5.242230347349177e-05,
2557
+ "loss": 0.0734,
2558
+ "step": 3230
2559
+ },
2560
+ {
2561
+ "epoch": 1.4808043875685557,
2562
+ "grad_norm": 2.9951882362365723,
2563
+ "learning_rate": 5.196526508226691e-05,
2564
+ "loss": 0.0216,
2565
+ "step": 3240
2566
+ },
2567
+ {
2568
+ "epoch": 1.4853747714808043,
2569
+ "grad_norm": 0.44102242588996887,
2570
+ "learning_rate": 5.150822669104205e-05,
2571
+ "loss": 0.0036,
2572
+ "step": 3250
2573
+ },
2574
+ {
2575
+ "epoch": 1.489945155393053,
2576
+ "grad_norm": 3.0561587810516357,
2577
+ "learning_rate": 5.105118829981719e-05,
2578
+ "loss": 0.0808,
2579
+ "step": 3260
2580
+ },
2581
+ {
2582
+ "epoch": 1.4945155393053016,
2583
+ "grad_norm": 0.09664315730333328,
2584
+ "learning_rate": 5.0594149908592325e-05,
2585
+ "loss": 0.0796,
2586
+ "step": 3270
2587
+ },
2588
+ {
2589
+ "epoch": 1.4990859232175504,
2590
+ "grad_norm": 0.01629328727722168,
2591
+ "learning_rate": 5.013711151736746e-05,
2592
+ "loss": 0.003,
2593
+ "step": 3280
2594
+ },
2595
+ {
2596
+ "epoch": 1.5036563071297988,
2597
+ "grad_norm": 0.008465313352644444,
2598
+ "learning_rate": 4.96800731261426e-05,
2599
+ "loss": 0.1065,
2600
+ "step": 3290
2601
+ },
2602
+ {
2603
+ "epoch": 1.5082266910420477,
2604
+ "grad_norm": 2.8709588050842285,
2605
+ "learning_rate": 4.9223034734917734e-05,
2606
+ "loss": 0.0913,
2607
+ "step": 3300
2608
+ },
2609
+ {
2610
+ "epoch": 1.5082266910420477,
2611
+ "eval_accuracy": 0.9736,
2612
+ "eval_loss": 0.10086899250745773,
2613
+ "eval_runtime": 70.4855,
2614
+ "eval_samples_per_second": 212.81,
2615
+ "eval_steps_per_second": 13.308,
2616
+ "step": 3300
2617
+ },
2618
+ {
2619
+ "epoch": 1.512797074954296,
2620
+ "grad_norm": 0.006857722532004118,
2621
+ "learning_rate": 4.876599634369287e-05,
2622
+ "loss": 0.0035,
2623
+ "step": 3310
2624
+ },
2625
+ {
2626
+ "epoch": 1.517367458866545,
2627
+ "grad_norm": 0.046820204704999924,
2628
+ "learning_rate": 4.830895795246801e-05,
2629
+ "loss": 0.0234,
2630
+ "step": 3320
2631
+ },
2632
+ {
2633
+ "epoch": 1.5219378427787933,
2634
+ "grad_norm": 0.009667345322668552,
2635
+ "learning_rate": 4.785191956124315e-05,
2636
+ "loss": 0.0304,
2637
+ "step": 3330
2638
+ },
2639
+ {
2640
+ "epoch": 1.5265082266910421,
2641
+ "grad_norm": 5.041330814361572,
2642
+ "learning_rate": 4.739488117001829e-05,
2643
+ "loss": 0.0812,
2644
+ "step": 3340
2645
+ },
2646
+ {
2647
+ "epoch": 1.5310786106032905,
2648
+ "grad_norm": 0.12366422265768051,
2649
+ "learning_rate": 4.693784277879342e-05,
2650
+ "loss": 0.0913,
2651
+ "step": 3350
2652
+ },
2653
+ {
2654
+ "epoch": 1.5356489945155394,
2655
+ "grad_norm": 0.19020313024520874,
2656
+ "learning_rate": 4.648080438756856e-05,
2657
+ "loss": 0.0027,
2658
+ "step": 3360
2659
+ },
2660
+ {
2661
+ "epoch": 1.5402193784277878,
2662
+ "grad_norm": 0.008719071745872498,
2663
+ "learning_rate": 4.6023765996343696e-05,
2664
+ "loss": 0.0087,
2665
+ "step": 3370
2666
+ },
2667
+ {
2668
+ "epoch": 1.5447897623400366,
2669
+ "grad_norm": 5.164638996124268,
2670
+ "learning_rate": 4.556672760511883e-05,
2671
+ "loss": 0.0509,
2672
+ "step": 3380
2673
+ },
2674
+ {
2675
+ "epoch": 1.5493601462522852,
2676
+ "grad_norm": 1.9091380834579468,
2677
+ "learning_rate": 4.510968921389397e-05,
2678
+ "loss": 0.0622,
2679
+ "step": 3390
2680
+ },
2681
+ {
2682
+ "epoch": 1.5539305301645339,
2683
+ "grad_norm": 0.015776393935084343,
2684
+ "learning_rate": 4.4652650822669105e-05,
2685
+ "loss": 0.0235,
2686
+ "step": 3400
2687
+ },
2688
+ {
2689
+ "epoch": 1.5539305301645339,
2690
+ "eval_accuracy": 0.9732,
2691
+ "eval_loss": 0.0964307188987732,
2692
+ "eval_runtime": 71.1476,
2693
+ "eval_samples_per_second": 210.829,
2694
+ "eval_steps_per_second": 13.184,
2695
+ "step": 3400
2696
+ },
2697
+ {
2698
+ "epoch": 1.5585009140767825,
2699
+ "grad_norm": 0.04088925942778587,
2700
+ "learning_rate": 4.419561243144424e-05,
2701
+ "loss": 0.0579,
2702
+ "step": 3410
2703
+ },
2704
+ {
2705
+ "epoch": 1.563071297989031,
2706
+ "grad_norm": 0.04248817265033722,
2707
+ "learning_rate": 4.3738574040219385e-05,
2708
+ "loss": 0.0368,
2709
+ "step": 3420
2710
+ },
2711
+ {
2712
+ "epoch": 1.5676416819012797,
2713
+ "grad_norm": 0.06178814917802811,
2714
+ "learning_rate": 4.328153564899452e-05,
2715
+ "loss": 0.0356,
2716
+ "step": 3430
2717
+ },
2718
+ {
2719
+ "epoch": 1.5722120658135283,
2720
+ "grad_norm": 0.014863620512187481,
2721
+ "learning_rate": 4.282449725776965e-05,
2722
+ "loss": 0.0173,
2723
+ "step": 3440
2724
+ },
2725
+ {
2726
+ "epoch": 1.576782449725777,
2727
+ "grad_norm": 0.0053153312765061855,
2728
+ "learning_rate": 4.236745886654479e-05,
2729
+ "loss": 0.0295,
2730
+ "step": 3450
2731
+ },
2732
+ {
2733
+ "epoch": 1.5813528336380256,
2734
+ "grad_norm": 0.03949157893657684,
2735
+ "learning_rate": 4.191042047531993e-05,
2736
+ "loss": 0.0751,
2737
+ "step": 3460
2738
+ },
2739
+ {
2740
+ "epoch": 1.5859232175502742,
2741
+ "grad_norm": 0.01701487973332405,
2742
+ "learning_rate": 4.145338208409507e-05,
2743
+ "loss": 0.0311,
2744
+ "step": 3470
2745
+ },
2746
+ {
2747
+ "epoch": 1.5904936014625228,
2748
+ "grad_norm": 0.06288379430770874,
2749
+ "learning_rate": 4.09963436928702e-05,
2750
+ "loss": 0.0779,
2751
+ "step": 3480
2752
+ },
2753
+ {
2754
+ "epoch": 1.5950639853747715,
2755
+ "grad_norm": 12.93021297454834,
2756
+ "learning_rate": 4.053930530164534e-05,
2757
+ "loss": 0.0274,
2758
+ "step": 3490
2759
+ },
2760
+ {
2761
+ "epoch": 1.59963436928702,
2762
+ "grad_norm": 0.03469611704349518,
2763
+ "learning_rate": 4.008226691042048e-05,
2764
+ "loss": 0.0089,
2765
+ "step": 3500
2766
+ },
2767
+ {
2768
+ "epoch": 1.59963436928702,
2769
+ "eval_accuracy": 0.9747333333333333,
2770
+ "eval_loss": 0.09657016396522522,
2771
+ "eval_runtime": 70.2849,
2772
+ "eval_samples_per_second": 213.417,
2773
+ "eval_steps_per_second": 13.346,
2774
+ "step": 3500
2775
+ },
2776
+ {
2777
+ "epoch": 1.6042047531992687,
2778
+ "grad_norm": 0.01145760528743267,
2779
+ "learning_rate": 3.962522851919561e-05,
2780
+ "loss": 0.0226,
2781
+ "step": 3510
2782
+ },
2783
+ {
2784
+ "epoch": 1.6087751371115173,
2785
+ "grad_norm": 0.006313066463917494,
2786
+ "learning_rate": 3.916819012797075e-05,
2787
+ "loss": 0.1061,
2788
+ "step": 3520
2789
+ },
2790
+ {
2791
+ "epoch": 1.6133455210237662,
2792
+ "grad_norm": 0.006270520854741335,
2793
+ "learning_rate": 3.8711151736745885e-05,
2794
+ "loss": 0.0439,
2795
+ "step": 3530
2796
+ },
2797
+ {
2798
+ "epoch": 1.6179159049360146,
2799
+ "grad_norm": 2.423236608505249,
2800
+ "learning_rate": 3.825411334552103e-05,
2801
+ "loss": 0.0273,
2802
+ "step": 3540
2803
+ },
2804
+ {
2805
+ "epoch": 1.6224862888482634,
2806
+ "grad_norm": 0.025253351777791977,
2807
+ "learning_rate": 3.7797074954296165e-05,
2808
+ "loss": 0.0265,
2809
+ "step": 3550
2810
+ },
2811
+ {
2812
+ "epoch": 1.6270566727605118,
2813
+ "grad_norm": 0.016615109518170357,
2814
+ "learning_rate": 3.73400365630713e-05,
2815
+ "loss": 0.0226,
2816
+ "step": 3560
2817
+ },
2818
+ {
2819
+ "epoch": 1.6316270566727606,
2820
+ "grad_norm": 0.006486339028924704,
2821
+ "learning_rate": 3.688299817184644e-05,
2822
+ "loss": 0.0108,
2823
+ "step": 3570
2824
+ },
2825
+ {
2826
+ "epoch": 1.636197440585009,
2827
+ "grad_norm": 0.019093792885541916,
2828
+ "learning_rate": 3.6425959780621574e-05,
2829
+ "loss": 0.0916,
2830
+ "step": 3580
2831
+ },
2832
+ {
2833
+ "epoch": 1.6407678244972579,
2834
+ "grad_norm": 0.014140899293124676,
2835
+ "learning_rate": 3.596892138939671e-05,
2836
+ "loss": 0.1538,
2837
+ "step": 3590
2838
+ },
2839
+ {
2840
+ "epoch": 1.6453382084095063,
2841
+ "grad_norm": 0.009632795117795467,
2842
+ "learning_rate": 3.551188299817185e-05,
2843
+ "loss": 0.0455,
2844
+ "step": 3600
2845
+ },
2846
+ {
2847
+ "epoch": 1.6453382084095063,
2848
+ "eval_accuracy": 0.9748,
2849
+ "eval_loss": 0.09634851664304733,
2850
+ "eval_runtime": 70.4832,
2851
+ "eval_samples_per_second": 212.817,
2852
+ "eval_steps_per_second": 13.308,
2853
+ "step": 3600
2854
+ },
2855
+ {
2856
+ "epoch": 1.6499085923217551,
2857
+ "grad_norm": 0.538037896156311,
2858
+ "learning_rate": 3.505484460694698e-05,
2859
+ "loss": 0.0632,
2860
+ "step": 3610
2861
+ },
2862
+ {
2863
+ "epoch": 1.6544789762340035,
2864
+ "grad_norm": 2.536642551422119,
2865
+ "learning_rate": 3.459780621572212e-05,
2866
+ "loss": 0.0215,
2867
+ "step": 3620
2868
+ },
2869
+ {
2870
+ "epoch": 1.6590493601462524,
2871
+ "grad_norm": 0.014462544582784176,
2872
+ "learning_rate": 3.414076782449726e-05,
2873
+ "loss": 0.0783,
2874
+ "step": 3630
2875
+ },
2876
+ {
2877
+ "epoch": 1.6636197440585008,
2878
+ "grad_norm": 0.04104587808251381,
2879
+ "learning_rate": 3.36837294332724e-05,
2880
+ "loss": 0.0468,
2881
+ "step": 3640
2882
+ },
2883
+ {
2884
+ "epoch": 1.6681901279707496,
2885
+ "grad_norm": 12.753653526306152,
2886
+ "learning_rate": 3.3226691042047536e-05,
2887
+ "loss": 0.096,
2888
+ "step": 3650
2889
+ },
2890
+ {
2891
+ "epoch": 1.672760511882998,
2892
+ "grad_norm": 0.6275530457496643,
2893
+ "learning_rate": 3.2769652650822665e-05,
2894
+ "loss": 0.0459,
2895
+ "step": 3660
2896
+ },
2897
+ {
2898
+ "epoch": 1.6773308957952469,
2899
+ "grad_norm": 0.028450943529605865,
2900
+ "learning_rate": 3.231261425959781e-05,
2901
+ "loss": 0.0129,
2902
+ "step": 3670
2903
+ },
2904
+ {
2905
+ "epoch": 1.6819012797074955,
2906
+ "grad_norm": 3.766301393508911,
2907
+ "learning_rate": 3.1855575868372945e-05,
2908
+ "loss": 0.01,
2909
+ "step": 3680
2910
+ },
2911
+ {
2912
+ "epoch": 1.686471663619744,
2913
+ "grad_norm": 1.72735595703125,
2914
+ "learning_rate": 3.139853747714808e-05,
2915
+ "loss": 0.0162,
2916
+ "step": 3690
2917
+ },
2918
+ {
2919
+ "epoch": 1.6910420475319927,
2920
+ "grad_norm": 0.012926338240504265,
2921
+ "learning_rate": 3.094149908592322e-05,
2922
+ "loss": 0.0271,
2923
+ "step": 3700
2924
+ },
2925
+ {
2926
+ "epoch": 1.6910420475319927,
2927
+ "eval_accuracy": 0.9762666666666666,
2928
+ "eval_loss": 0.0874376893043518,
2929
+ "eval_runtime": 71.1478,
2930
+ "eval_samples_per_second": 210.829,
2931
+ "eval_steps_per_second": 13.184,
2932
+ "step": 3700
2933
+ },
2934
+ {
2935
+ "epoch": 1.6956124314442413,
2936
+ "grad_norm": 0.20961987972259521,
2937
+ "learning_rate": 3.0484460694698358e-05,
2938
+ "loss": 0.0269,
2939
+ "step": 3710
2940
+ },
2941
+ {
2942
+ "epoch": 1.70018281535649,
2943
+ "grad_norm": 5.752171039581299,
2944
+ "learning_rate": 3.0027422303473497e-05,
2945
+ "loss": 0.0117,
2946
+ "step": 3720
2947
+ },
2948
+ {
2949
+ "epoch": 1.7047531992687386,
2950
+ "grad_norm": 0.02492084540426731,
2951
+ "learning_rate": 2.9570383912248627e-05,
2952
+ "loss": 0.0494,
2953
+ "step": 3730
2954
+ },
2955
+ {
2956
+ "epoch": 1.7093235831809872,
2957
+ "grad_norm": 1.6408967971801758,
2958
+ "learning_rate": 2.9113345521023767e-05,
2959
+ "loss": 0.0079,
2960
+ "step": 3740
2961
+ },
2962
+ {
2963
+ "epoch": 1.7138939670932358,
2964
+ "grad_norm": 0.010781402699649334,
2965
+ "learning_rate": 2.8656307129798903e-05,
2966
+ "loss": 0.0288,
2967
+ "step": 3750
2968
+ },
2969
+ {
2970
+ "epoch": 1.7184643510054844,
2971
+ "grad_norm": 0.007589300163090229,
2972
+ "learning_rate": 2.8199268738574043e-05,
2973
+ "loss": 0.0304,
2974
+ "step": 3760
2975
+ },
2976
+ {
2977
+ "epoch": 1.723034734917733,
2978
+ "grad_norm": 0.0105056157335639,
2979
+ "learning_rate": 2.774223034734918e-05,
2980
+ "loss": 0.0023,
2981
+ "step": 3770
2982
+ },
2983
+ {
2984
+ "epoch": 1.7276051188299817,
2985
+ "grad_norm": 0.028248343616724014,
2986
+ "learning_rate": 2.7285191956124316e-05,
2987
+ "loss": 0.0156,
2988
+ "step": 3780
2989
+ },
2990
+ {
2991
+ "epoch": 1.7321755027422303,
2992
+ "grad_norm": 0.004776041954755783,
2993
+ "learning_rate": 2.6828153564899456e-05,
2994
+ "loss": 0.0113,
2995
+ "step": 3790
2996
+ },
2997
+ {
2998
+ "epoch": 1.736745886654479,
2999
+ "grad_norm": 7.163562297821045,
3000
+ "learning_rate": 2.637111517367459e-05,
3001
+ "loss": 0.0407,
3002
+ "step": 3800
3003
+ },
3004
+ {
3005
+ "epoch": 1.736745886654479,
3006
+ "eval_accuracy": 0.9761333333333333,
3007
+ "eval_loss": 0.08977096527814865,
3008
+ "eval_runtime": 70.6674,
3009
+ "eval_samples_per_second": 212.262,
3010
+ "eval_steps_per_second": 13.273,
3011
+ "step": 3800
3012
+ },
3013
+ {
3014
+ "epoch": 1.7413162705667276,
3015
+ "grad_norm": 1.1980034112930298,
3016
+ "learning_rate": 2.5914076782449725e-05,
3017
+ "loss": 0.008,
3018
+ "step": 3810
3019
+ },
3020
+ {
3021
+ "epoch": 1.7458866544789764,
3022
+ "grad_norm": 5.438980579376221,
3023
+ "learning_rate": 2.5457038391224865e-05,
3024
+ "loss": 0.0558,
3025
+ "step": 3820
3026
+ },
3027
+ {
3028
+ "epoch": 1.7504570383912248,
3029
+ "grad_norm": 0.02217746712267399,
3030
+ "learning_rate": 2.5e-05,
3031
+ "loss": 0.0057,
3032
+ "step": 3830
3033
+ },
3034
+ {
3035
+ "epoch": 1.7550274223034736,
3036
+ "grad_norm": 0.595504641532898,
3037
+ "learning_rate": 2.4542961608775138e-05,
3038
+ "loss": 0.0551,
3039
+ "step": 3840
3040
+ },
3041
+ {
3042
+ "epoch": 1.759597806215722,
3043
+ "grad_norm": 0.09388578683137894,
3044
+ "learning_rate": 2.4085923217550274e-05,
3045
+ "loss": 0.0744,
3046
+ "step": 3850
3047
+ },
3048
+ {
3049
+ "epoch": 1.7641681901279709,
3050
+ "grad_norm": 2.807389736175537,
3051
+ "learning_rate": 2.362888482632541e-05,
3052
+ "loss": 0.0051,
3053
+ "step": 3860
3054
+ },
3055
+ {
3056
+ "epoch": 1.7687385740402193,
3057
+ "grad_norm": 0.006797166541218758,
3058
+ "learning_rate": 2.317184643510055e-05,
3059
+ "loss": 0.0069,
3060
+ "step": 3870
3061
+ },
3062
+ {
3063
+ "epoch": 1.7733089579524681,
3064
+ "grad_norm": 0.0043932488188147545,
3065
+ "learning_rate": 2.2714808043875687e-05,
3066
+ "loss": 0.0435,
3067
+ "step": 3880
3068
+ },
3069
+ {
3070
+ "epoch": 1.7778793418647165,
3071
+ "grad_norm": 0.009305426850914955,
3072
+ "learning_rate": 2.2257769652650823e-05,
3073
+ "loss": 0.0189,
3074
+ "step": 3890
3075
+ },
3076
+ {
3077
+ "epoch": 1.7824497257769654,
3078
+ "grad_norm": 0.003490304574370384,
3079
+ "learning_rate": 2.180073126142596e-05,
3080
+ "loss": 0.1095,
3081
+ "step": 3900
3082
+ },
3083
+ {
3084
+ "epoch": 1.7824497257769654,
3085
+ "eval_accuracy": 0.976,
3086
+ "eval_loss": 0.08494840562343597,
3087
+ "eval_runtime": 71.5803,
3088
+ "eval_samples_per_second": 209.555,
3089
+ "eval_steps_per_second": 13.104,
3090
+ "step": 3900
3091
+ },
3092
+ {
3093
+ "epoch": 1.7870201096892138,
3094
+ "grad_norm": 0.00673332205042243,
3095
+ "learning_rate": 2.13436928702011e-05,
3096
+ "loss": 0.0653,
3097
+ "step": 3910
3098
+ },
3099
+ {
3100
+ "epoch": 1.7915904936014626,
3101
+ "grad_norm": 0.9469023942947388,
3102
+ "learning_rate": 2.0886654478976232e-05,
3103
+ "loss": 0.0077,
3104
+ "step": 3920
3105
+ },
3106
+ {
3107
+ "epoch": 1.796160877513711,
3108
+ "grad_norm": 0.03154715150594711,
3109
+ "learning_rate": 2.0429616087751372e-05,
3110
+ "loss": 0.0323,
3111
+ "step": 3930
3112
+ },
3113
+ {
3114
+ "epoch": 1.8007312614259599,
3115
+ "grad_norm": 0.020610906183719635,
3116
+ "learning_rate": 1.997257769652651e-05,
3117
+ "loss": 0.0211,
3118
+ "step": 3940
3119
+ },
3120
+ {
3121
+ "epoch": 1.8053016453382082,
3122
+ "grad_norm": 0.014532508328557014,
3123
+ "learning_rate": 1.9515539305301648e-05,
3124
+ "loss": 0.0357,
3125
+ "step": 3950
3126
+ },
3127
+ {
3128
+ "epoch": 1.809872029250457,
3129
+ "grad_norm": 0.020481685176491737,
3130
+ "learning_rate": 1.905850091407678e-05,
3131
+ "loss": 0.0498,
3132
+ "step": 3960
3133
+ },
3134
+ {
3135
+ "epoch": 1.8144424131627057,
3136
+ "grad_norm": 0.018279431387782097,
3137
+ "learning_rate": 1.860146252285192e-05,
3138
+ "loss": 0.0559,
3139
+ "step": 3970
3140
+ },
3141
+ {
3142
+ "epoch": 1.8190127970749543,
3143
+ "grad_norm": 0.03680342435836792,
3144
+ "learning_rate": 1.8144424131627057e-05,
3145
+ "loss": 0.0176,
3146
+ "step": 3980
3147
+ },
3148
+ {
3149
+ "epoch": 1.823583180987203,
3150
+ "grad_norm": 0.014550072140991688,
3151
+ "learning_rate": 1.7687385740402197e-05,
3152
+ "loss": 0.1098,
3153
+ "step": 3990
3154
+ },
3155
+ {
3156
+ "epoch": 1.8281535648994516,
3157
+ "grad_norm": 0.01788398250937462,
3158
+ "learning_rate": 1.723034734917733e-05,
3159
+ "loss": 0.0327,
3160
+ "step": 4000
3161
+ },
3162
+ {
3163
+ "epoch": 1.8281535648994516,
3164
+ "eval_accuracy": 0.9745333333333334,
3165
+ "eval_loss": 0.0925898626446724,
3166
+ "eval_runtime": 71.855,
3167
+ "eval_samples_per_second": 208.754,
3168
+ "eval_steps_per_second": 13.054,
3169
+ "step": 4000
3170
+ },
3171
+ {
3172
+ "epoch": 1.8327239488117002,
3173
+ "grad_norm": 1.894504189491272,
3174
+ "learning_rate": 1.677330895795247e-05,
3175
+ "loss": 0.0373,
3176
+ "step": 4010
3177
+ },
3178
+ {
3179
+ "epoch": 1.8372943327239488,
3180
+ "grad_norm": 0.005655787419527769,
3181
+ "learning_rate": 1.6316270566727607e-05,
3182
+ "loss": 0.0067,
3183
+ "step": 4020
3184
+ },
3185
+ {
3186
+ "epoch": 1.8418647166361974,
3187
+ "grad_norm": 4.612732410430908,
3188
+ "learning_rate": 1.5859232175502743e-05,
3189
+ "loss": 0.0183,
3190
+ "step": 4030
3191
+ },
3192
+ {
3193
+ "epoch": 1.846435100548446,
3194
+ "grad_norm": 0.7349024415016174,
3195
+ "learning_rate": 1.540219378427788e-05,
3196
+ "loss": 0.0021,
3197
+ "step": 4040
3198
+ },
3199
+ {
3200
+ "epoch": 1.8510054844606947,
3201
+ "grad_norm": 0.03837637975811958,
3202
+ "learning_rate": 1.4945155393053017e-05,
3203
+ "loss": 0.0031,
3204
+ "step": 4050
3205
+ },
3206
+ {
3207
+ "epoch": 1.8555758683729433,
3208
+ "grad_norm": 0.0046151746064424515,
3209
+ "learning_rate": 1.4488117001828156e-05,
3210
+ "loss": 0.1252,
3211
+ "step": 4060
3212
+ },
3213
+ {
3214
+ "epoch": 1.860146252285192,
3215
+ "grad_norm": 0.01960400864481926,
3216
+ "learning_rate": 1.403107861060329e-05,
3217
+ "loss": 0.0024,
3218
+ "step": 4070
3219
+ },
3220
+ {
3221
+ "epoch": 1.8647166361974405,
3222
+ "grad_norm": 0.012547549791634083,
3223
+ "learning_rate": 1.3574040219378428e-05,
3224
+ "loss": 0.0207,
3225
+ "step": 4080
3226
+ },
3227
+ {
3228
+ "epoch": 1.8692870201096892,
3229
+ "grad_norm": 0.0962536633014679,
3230
+ "learning_rate": 1.3117001828153566e-05,
3231
+ "loss": 0.0475,
3232
+ "step": 4090
3233
+ },
3234
+ {
3235
+ "epoch": 1.8738574040219378,
3236
+ "grad_norm": 0.012872631661593914,
3237
+ "learning_rate": 1.2659963436928701e-05,
3238
+ "loss": 0.0427,
3239
+ "step": 4100
3240
+ },
3241
+ {
3242
+ "epoch": 1.8738574040219378,
3243
+ "eval_accuracy": 0.9768666666666667,
3244
+ "eval_loss": 0.08114204555749893,
3245
+ "eval_runtime": 70.3536,
3246
+ "eval_samples_per_second": 213.209,
3247
+ "eval_steps_per_second": 13.333,
3248
+ "step": 4100
3249
+ },
3250
+ {
3251
+ "epoch": 1.8784277879341866,
3252
+ "grad_norm": 0.004386584740132093,
3253
+ "learning_rate": 1.220292504570384e-05,
3254
+ "loss": 0.0148,
3255
+ "step": 4110
3256
+ },
3257
+ {
3258
+ "epoch": 1.882998171846435,
3259
+ "grad_norm": 7.613697528839111,
3260
+ "learning_rate": 1.1745886654478977e-05,
3261
+ "loss": 0.0598,
3262
+ "step": 4120
3263
+ },
3264
+ {
3265
+ "epoch": 1.8875685557586839,
3266
+ "grad_norm": 0.19733187556266785,
3267
+ "learning_rate": 1.1288848263254114e-05,
3268
+ "loss": 0.0254,
3269
+ "step": 4130
3270
+ },
3271
+ {
3272
+ "epoch": 1.8921389396709323,
3273
+ "grad_norm": 0.003689356381073594,
3274
+ "learning_rate": 1.0831809872029252e-05,
3275
+ "loss": 0.0044,
3276
+ "step": 4140
3277
+ },
3278
+ {
3279
+ "epoch": 1.8967093235831811,
3280
+ "grad_norm": 1.0105313062667847,
3281
+ "learning_rate": 1.0374771480804388e-05,
3282
+ "loss": 0.03,
3283
+ "step": 4150
3284
+ },
3285
+ {
3286
+ "epoch": 1.9012797074954295,
3287
+ "grad_norm": 0.02574901282787323,
3288
+ "learning_rate": 9.917733089579526e-06,
3289
+ "loss": 0.012,
3290
+ "step": 4160
3291
+ },
3292
+ {
3293
+ "epoch": 1.9058500914076784,
3294
+ "grad_norm": 4.768786907196045,
3295
+ "learning_rate": 9.460694698354663e-06,
3296
+ "loss": 0.0395,
3297
+ "step": 4170
3298
+ },
3299
+ {
3300
+ "epoch": 1.9104204753199268,
3301
+ "grad_norm": 0.004033361561596394,
3302
+ "learning_rate": 9.0036563071298e-06,
3303
+ "loss": 0.012,
3304
+ "step": 4180
3305
+ },
3306
+ {
3307
+ "epoch": 1.9149908592321756,
3308
+ "grad_norm": 0.013113109394907951,
3309
+ "learning_rate": 8.546617915904936e-06,
3310
+ "loss": 0.0672,
3311
+ "step": 4190
3312
+ },
3313
+ {
3314
+ "epoch": 1.919561243144424,
3315
+ "grad_norm": 0.294810950756073,
3316
+ "learning_rate": 8.089579524680074e-06,
3317
+ "loss": 0.003,
3318
+ "step": 4200
3319
+ },
3320
+ {
3321
+ "epoch": 1.919561243144424,
3322
+ "eval_accuracy": 0.9761333333333333,
3323
+ "eval_loss": 0.08205202966928482,
3324
+ "eval_runtime": 70.0255,
3325
+ "eval_samples_per_second": 214.208,
3326
+ "eval_steps_per_second": 13.395,
3327
+ "step": 4200
3328
+ },
3329
+ {
3330
+ "epoch": 1.9241316270566728,
3331
+ "grad_norm": 0.05837790668010712,
3332
+ "learning_rate": 7.63254113345521e-06,
3333
+ "loss": 0.0415,
3334
+ "step": 4210
3335
+ },
3336
+ {
3337
+ "epoch": 1.9287020109689212,
3338
+ "grad_norm": 1.440628170967102,
3339
+ "learning_rate": 7.175502742230347e-06,
3340
+ "loss": 0.0267,
3341
+ "step": 4220
3342
+ },
3343
+ {
3344
+ "epoch": 1.93327239488117,
3345
+ "grad_norm": 0.04937027022242546,
3346
+ "learning_rate": 6.7184643510054855e-06,
3347
+ "loss": 0.0385,
3348
+ "step": 4230
3349
+ },
3350
+ {
3351
+ "epoch": 1.9378427787934185,
3352
+ "grad_norm": 0.006680316291749477,
3353
+ "learning_rate": 6.261425959780622e-06,
3354
+ "loss": 0.0025,
3355
+ "step": 4240
3356
+ },
3357
+ {
3358
+ "epoch": 1.9424131627056673,
3359
+ "grad_norm": 0.004382527898997068,
3360
+ "learning_rate": 5.804387568555759e-06,
3361
+ "loss": 0.0843,
3362
+ "step": 4250
3363
+ },
3364
+ {
3365
+ "epoch": 1.946983546617916,
3366
+ "grad_norm": 0.06263825297355652,
3367
+ "learning_rate": 5.3473491773308956e-06,
3368
+ "loss": 0.0359,
3369
+ "step": 4260
3370
+ },
3371
+ {
3372
+ "epoch": 1.9515539305301646,
3373
+ "grad_norm": 0.017276106402277946,
3374
+ "learning_rate": 4.890310786106033e-06,
3375
+ "loss": 0.0264,
3376
+ "step": 4270
3377
+ },
3378
+ {
3379
+ "epoch": 1.9561243144424132,
3380
+ "grad_norm": 0.7312209606170654,
3381
+ "learning_rate": 4.43327239488117e-06,
3382
+ "loss": 0.0128,
3383
+ "step": 4280
3384
+ },
3385
+ {
3386
+ "epoch": 1.9606946983546618,
3387
+ "grad_norm": 0.007708389312028885,
3388
+ "learning_rate": 3.976234003656307e-06,
3389
+ "loss": 0.0356,
3390
+ "step": 4290
3391
+ },
3392
+ {
3393
+ "epoch": 1.9652650822669104,
3394
+ "grad_norm": 0.004229346755892038,
3395
+ "learning_rate": 3.5191956124314446e-06,
3396
+ "loss": 0.0182,
3397
+ "step": 4300
3398
+ },
3399
+ {
3400
+ "epoch": 1.9652650822669104,
3401
+ "eval_accuracy": 0.9772666666666666,
3402
+ "eval_loss": 0.08026164770126343,
3403
+ "eval_runtime": 69.5428,
3404
+ "eval_samples_per_second": 215.695,
3405
+ "eval_steps_per_second": 13.488,
3406
+ "step": 4300
3407
+ },
3408
+ {
3409
+ "epoch": 1.969835466179159,
3410
+ "grad_norm": 0.0215240940451622,
3411
+ "learning_rate": 3.0621572212065814e-06,
3412
+ "loss": 0.062,
3413
+ "step": 4310
3414
+ },
3415
+ {
3416
+ "epoch": 1.9744058500914077,
3417
+ "grad_norm": 0.022770356386899948,
3418
+ "learning_rate": 2.6051188299817187e-06,
3419
+ "loss": 0.0424,
3420
+ "step": 4320
3421
+ },
3422
+ {
3423
+ "epoch": 1.9789762340036563,
3424
+ "grad_norm": 0.01893909089267254,
3425
+ "learning_rate": 2.148080438756856e-06,
3426
+ "loss": 0.0031,
3427
+ "step": 4330
3428
+ },
3429
+ {
3430
+ "epoch": 1.983546617915905,
3431
+ "grad_norm": 7.610752105712891,
3432
+ "learning_rate": 1.691042047531993e-06,
3433
+ "loss": 0.0827,
3434
+ "step": 4340
3435
+ },
3436
+ {
3437
+ "epoch": 1.9881170018281535,
3438
+ "grad_norm": 0.008086251094937325,
3439
+ "learning_rate": 1.2340036563071298e-06,
3440
+ "loss": 0.0087,
3441
+ "step": 4350
3442
+ },
3443
+ {
3444
+ "epoch": 1.9926873857404022,
3445
+ "grad_norm": 4.746099948883057,
3446
+ "learning_rate": 7.769652650822669e-07,
3447
+ "loss": 0.0487,
3448
+ "step": 4360
3449
+ },
3450
+ {
3451
+ "epoch": 1.9972577696526508,
3452
+ "grad_norm": 0.3847046494483948,
3453
+ "learning_rate": 3.1992687385740404e-07,
3454
+ "loss": 0.0442,
3455
+ "step": 4370
3456
+ },
3457
+ {
3458
+ "epoch": 2.0,
3459
+ "step": 4376,
3460
+ "total_flos": 5.42482821328896e+18,
3461
+ "train_loss": 0.13969962793986365,
3462
+ "train_runtime": 4718.8358,
3463
+ "train_samples_per_second": 14.834,
3464
+ "train_steps_per_second": 0.927
3465
+ },
3466
+ {
3467
+ "epoch": 2.0,
3468
+ "eval_accuracy": 0.9772666666666666,
3469
+ "eval_loss": 0.08026164770126343,
3470
+ "eval_runtime": 73.8075,
3471
+ "eval_samples_per_second": 203.231,
3472
+ "eval_steps_per_second": 12.709,
3473
+ "step": 4376
3474
+ }
3475
+ ],
3476
+ "logging_steps": 10,
3477
+ "max_steps": 4376,
3478
+ "num_input_tokens_seen": 0,
3479
+ "num_train_epochs": 2,
3480
+ "save_steps": 100,
3481
+ "stateful_callbacks": {
3482
+ "TrainerControl": {
3483
+ "args": {
3484
+ "should_epoch_stop": false,
3485
+ "should_evaluate": false,
3486
+ "should_log": false,
3487
+ "should_save": true,
3488
+ "should_training_stop": false
3489
+ },
3490
+ "attributes": {}
3491
+ }
3492
+ },
3493
+ "total_flos": 5.42482821328896e+18,
3494
+ "train_batch_size": 16,
3495
+ "trial_name": null,
3496
+ "trial_params": null
3497
+ }