jdannem6 commited on
Commit
2b90ce1
1 Parent(s): 8f424e9

Uploaded checkpoint-35000

Browse files
Files changed (5) hide show
  1. adapter_model.safetensors +1 -1
  2. optimizer.pt +1 -1
  3. rng_state.pth +1 -1
  4. scheduler.pt +1 -1
  5. trainer_state.json +1795 -5
adapter_model.safetensors CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:a84e33a86f4758fd9a907d3f51b474e4835226fb7e741d32f5b53074404f3b98
3
  size 119975656
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:5949dc305677240fa577b6e10cc4605104132582d15192272168a85e43d856ee
3
  size 119975656
optimizer.pt CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:58d25a92b48cf25597b9f9f48c49409b18c006ee4a3050df84f3abf57dd57332
3
  size 240145026
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:41deedf8f58f77409133eb69eb0a8e5c2f5c02ac1f835da89c263a03f9a4eed7
3
  size 240145026
rng_state.pth CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:763d4f397fbd8e2128612f32f5c273b211bf68ec4372f02c7c91ca944e405a2f
3
  size 14244
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:091e95eb012003506d5f3742551610a86c48243d82f2a20e48d123c1d007d367
3
  size 14244
scheduler.pt CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:498562333c8d92eb0c350d42d2b96f8962ee063ac9a040f6cdd010c509c5d855
3
  size 1064
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:2be67f6aac8e482bb2022409709d8774ffb125292c0c9cf025c0ae747f3a6d57
3
  size 1064
trainer_state.json CHANGED
@@ -1,9 +1,9 @@
1
  {
2
- "best_metric": 0.986103355884552,
3
- "best_model_checkpoint": "runs/deepseek_lora_20240422-095359/checkpoint-2500",
4
- "epoch": 0.05788142411455891,
5
  "eval_steps": 500,
6
- "global_step": 2500,
7
  "is_hyper_param_search": false,
8
  "is_local_process_zero": true,
9
  "is_world_process_zero": true,
@@ -1797,6 +1797,1796 @@
1797
  "eval_samples_per_second": 14.905,
1798
  "eval_steps_per_second": 14.905,
1799
  "step": 2500
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1800
  }
1801
  ],
1802
  "logging_steps": 10,
@@ -1804,7 +3594,7 @@
1804
  "num_input_tokens_seen": 0,
1805
  "num_train_epochs": 1,
1806
  "save_steps": 2500,
1807
- "total_flos": 4.025531498496e+16,
1808
  "train_batch_size": 1,
1809
  "trial_name": null,
1810
  "trial_params": null
 
1
  {
2
+ "best_metric": 0.9784959554672241,
3
+ "best_model_checkpoint": "runs/deepseek_lora_20240422-095359/checkpoint-5000",
4
+ "epoch": 0.11576284822911782,
5
  "eval_steps": 500,
6
+ "global_step": 5000,
7
  "is_hyper_param_search": false,
8
  "is_local_process_zero": true,
9
  "is_world_process_zero": true,
 
1797
  "eval_samples_per_second": 14.905,
1798
  "eval_steps_per_second": 14.905,
1799
  "step": 2500
1800
+ },
1801
+ {
1802
+ "epoch": 0.06,
1803
+ "grad_norm": 3.6096348762512207,
1804
+ "learning_rate": 1.1066666666666669e-05,
1805
+ "loss": 1.2471,
1806
+ "step": 2510
1807
+ },
1808
+ {
1809
+ "epoch": 0.06,
1810
+ "grad_norm": 3.5389387607574463,
1811
+ "learning_rate": 1.1022222222222224e-05,
1812
+ "loss": 1.387,
1813
+ "step": 2520
1814
+ },
1815
+ {
1816
+ "epoch": 0.06,
1817
+ "grad_norm": 2.748769521713257,
1818
+ "learning_rate": 1.0977777777777779e-05,
1819
+ "loss": 1.219,
1820
+ "step": 2530
1821
+ },
1822
+ {
1823
+ "epoch": 0.06,
1824
+ "grad_norm": 4.474796772003174,
1825
+ "learning_rate": 1.0933333333333334e-05,
1826
+ "loss": 1.4029,
1827
+ "step": 2540
1828
+ },
1829
+ {
1830
+ "epoch": 0.06,
1831
+ "grad_norm": 1.796946406364441,
1832
+ "learning_rate": 1.088888888888889e-05,
1833
+ "loss": 1.2354,
1834
+ "step": 2550
1835
+ },
1836
+ {
1837
+ "epoch": 0.06,
1838
+ "grad_norm": 6.342833995819092,
1839
+ "learning_rate": 1.0844444444444446e-05,
1840
+ "loss": 1.279,
1841
+ "step": 2560
1842
+ },
1843
+ {
1844
+ "epoch": 0.06,
1845
+ "grad_norm": 2.1393158435821533,
1846
+ "learning_rate": 1.0800000000000002e-05,
1847
+ "loss": 1.1437,
1848
+ "step": 2570
1849
+ },
1850
+ {
1851
+ "epoch": 0.06,
1852
+ "grad_norm": 7.937034606933594,
1853
+ "learning_rate": 1.0755555555555557e-05,
1854
+ "loss": 1.2379,
1855
+ "step": 2580
1856
+ },
1857
+ {
1858
+ "epoch": 0.06,
1859
+ "grad_norm": 6.9016337394714355,
1860
+ "learning_rate": 1.0711111111111112e-05,
1861
+ "loss": 1.3477,
1862
+ "step": 2590
1863
+ },
1864
+ {
1865
+ "epoch": 0.06,
1866
+ "grad_norm": 1.8569718599319458,
1867
+ "learning_rate": 1.0666666666666667e-05,
1868
+ "loss": 1.1207,
1869
+ "step": 2600
1870
+ },
1871
+ {
1872
+ "epoch": 0.06,
1873
+ "grad_norm": 3.8665385246276855,
1874
+ "learning_rate": 1.0622222222222223e-05,
1875
+ "loss": 1.2239,
1876
+ "step": 2610
1877
+ },
1878
+ {
1879
+ "epoch": 0.06,
1880
+ "grad_norm": 2.428494453430176,
1881
+ "learning_rate": 1.0577777777777778e-05,
1882
+ "loss": 1.1815,
1883
+ "step": 2620
1884
+ },
1885
+ {
1886
+ "epoch": 0.06,
1887
+ "grad_norm": 8.763168334960938,
1888
+ "learning_rate": 1.0533333333333333e-05,
1889
+ "loss": 1.2365,
1890
+ "step": 2630
1891
+ },
1892
+ {
1893
+ "epoch": 0.06,
1894
+ "grad_norm": 4.803318023681641,
1895
+ "learning_rate": 1.048888888888889e-05,
1896
+ "loss": 1.2276,
1897
+ "step": 2640
1898
+ },
1899
+ {
1900
+ "epoch": 0.06,
1901
+ "grad_norm": 4.089404582977295,
1902
+ "learning_rate": 1.0444444444444445e-05,
1903
+ "loss": 1.3022,
1904
+ "step": 2650
1905
+ },
1906
+ {
1907
+ "epoch": 0.06,
1908
+ "grad_norm": 6.841492652893066,
1909
+ "learning_rate": 1.04e-05,
1910
+ "loss": 1.374,
1911
+ "step": 2660
1912
+ },
1913
+ {
1914
+ "epoch": 0.06,
1915
+ "grad_norm": 3.745232105255127,
1916
+ "learning_rate": 1.0355555555555557e-05,
1917
+ "loss": 0.9045,
1918
+ "step": 2670
1919
+ },
1920
+ {
1921
+ "epoch": 0.06,
1922
+ "grad_norm": 5.643316268920898,
1923
+ "learning_rate": 1.0311111111111113e-05,
1924
+ "loss": 1.3995,
1925
+ "step": 2680
1926
+ },
1927
+ {
1928
+ "epoch": 0.06,
1929
+ "grad_norm": 1.6792563199996948,
1930
+ "learning_rate": 1.0266666666666668e-05,
1931
+ "loss": 1.1236,
1932
+ "step": 2690
1933
+ },
1934
+ {
1935
+ "epoch": 0.06,
1936
+ "grad_norm": 7.770501136779785,
1937
+ "learning_rate": 1.0222222222222223e-05,
1938
+ "loss": 0.994,
1939
+ "step": 2700
1940
+ },
1941
+ {
1942
+ "epoch": 0.06,
1943
+ "grad_norm": 6.0912275314331055,
1944
+ "learning_rate": 1.0177777777777778e-05,
1945
+ "loss": 1.2473,
1946
+ "step": 2710
1947
+ },
1948
+ {
1949
+ "epoch": 0.06,
1950
+ "grad_norm": 16.0028018951416,
1951
+ "learning_rate": 1.0133333333333335e-05,
1952
+ "loss": 1.2458,
1953
+ "step": 2720
1954
+ },
1955
+ {
1956
+ "epoch": 0.06,
1957
+ "grad_norm": 7.047597408294678,
1958
+ "learning_rate": 1.008888888888889e-05,
1959
+ "loss": 1.3855,
1960
+ "step": 2730
1961
+ },
1962
+ {
1963
+ "epoch": 0.06,
1964
+ "grad_norm": 6.401838302612305,
1965
+ "learning_rate": 1.0044444444444446e-05,
1966
+ "loss": 1.2806,
1967
+ "step": 2740
1968
+ },
1969
+ {
1970
+ "epoch": 0.06,
1971
+ "grad_norm": 11.154539108276367,
1972
+ "learning_rate": 1e-05,
1973
+ "loss": 1.2848,
1974
+ "step": 2750
1975
+ },
1976
+ {
1977
+ "epoch": 0.06,
1978
+ "grad_norm": 2.5409252643585205,
1979
+ "learning_rate": 9.955555555555556e-06,
1980
+ "loss": 1.4457,
1981
+ "step": 2760
1982
+ },
1983
+ {
1984
+ "epoch": 0.06,
1985
+ "grad_norm": 7.544772148132324,
1986
+ "learning_rate": 9.911111111111113e-06,
1987
+ "loss": 1.2194,
1988
+ "step": 2770
1989
+ },
1990
+ {
1991
+ "epoch": 0.06,
1992
+ "grad_norm": 8.192919731140137,
1993
+ "learning_rate": 9.866666666666668e-06,
1994
+ "loss": 1.2415,
1995
+ "step": 2780
1996
+ },
1997
+ {
1998
+ "epoch": 0.06,
1999
+ "grad_norm": 5.584161281585693,
2000
+ "learning_rate": 9.822222222222223e-06,
2001
+ "loss": 1.5561,
2002
+ "step": 2790
2003
+ },
2004
+ {
2005
+ "epoch": 0.06,
2006
+ "grad_norm": 8.36019515991211,
2007
+ "learning_rate": 9.777777777777779e-06,
2008
+ "loss": 1.18,
2009
+ "step": 2800
2010
+ },
2011
+ {
2012
+ "epoch": 0.07,
2013
+ "grad_norm": 5.702362060546875,
2014
+ "learning_rate": 9.733333333333334e-06,
2015
+ "loss": 1.3836,
2016
+ "step": 2810
2017
+ },
2018
+ {
2019
+ "epoch": 0.07,
2020
+ "grad_norm": 2.1915504932403564,
2021
+ "learning_rate": 9.688888888888889e-06,
2022
+ "loss": 1.2313,
2023
+ "step": 2820
2024
+ },
2025
+ {
2026
+ "epoch": 0.07,
2027
+ "grad_norm": 3.8109793663024902,
2028
+ "learning_rate": 9.644444444444444e-06,
2029
+ "loss": 1.2569,
2030
+ "step": 2830
2031
+ },
2032
+ {
2033
+ "epoch": 0.07,
2034
+ "grad_norm": 3.4044203758239746,
2035
+ "learning_rate": 9.600000000000001e-06,
2036
+ "loss": 1.0623,
2037
+ "step": 2840
2038
+ },
2039
+ {
2040
+ "epoch": 0.07,
2041
+ "grad_norm": 3.1563796997070312,
2042
+ "learning_rate": 9.555555555555556e-06,
2043
+ "loss": 1.457,
2044
+ "step": 2850
2045
+ },
2046
+ {
2047
+ "epoch": 0.07,
2048
+ "grad_norm": 4.793465614318848,
2049
+ "learning_rate": 9.511111111111112e-06,
2050
+ "loss": 1.2197,
2051
+ "step": 2860
2052
+ },
2053
+ {
2054
+ "epoch": 0.07,
2055
+ "grad_norm": 5.855363368988037,
2056
+ "learning_rate": 9.466666666666667e-06,
2057
+ "loss": 1.2044,
2058
+ "step": 2870
2059
+ },
2060
+ {
2061
+ "epoch": 0.07,
2062
+ "grad_norm": 2.291062831878662,
2063
+ "learning_rate": 9.422222222222222e-06,
2064
+ "loss": 1.4017,
2065
+ "step": 2880
2066
+ },
2067
+ {
2068
+ "epoch": 0.07,
2069
+ "grad_norm": 5.039908409118652,
2070
+ "learning_rate": 9.377777777777779e-06,
2071
+ "loss": 1.391,
2072
+ "step": 2890
2073
+ },
2074
+ {
2075
+ "epoch": 0.07,
2076
+ "grad_norm": 3.712249755859375,
2077
+ "learning_rate": 9.333333333333334e-06,
2078
+ "loss": 1.2177,
2079
+ "step": 2900
2080
+ },
2081
+ {
2082
+ "epoch": 0.07,
2083
+ "grad_norm": 19.196447372436523,
2084
+ "learning_rate": 9.28888888888889e-06,
2085
+ "loss": 1.0788,
2086
+ "step": 2910
2087
+ },
2088
+ {
2089
+ "epoch": 0.07,
2090
+ "grad_norm": 9.551963806152344,
2091
+ "learning_rate": 9.244444444444445e-06,
2092
+ "loss": 1.0368,
2093
+ "step": 2920
2094
+ },
2095
+ {
2096
+ "epoch": 0.07,
2097
+ "grad_norm": 4.484805583953857,
2098
+ "learning_rate": 9.200000000000002e-06,
2099
+ "loss": 1.2296,
2100
+ "step": 2930
2101
+ },
2102
+ {
2103
+ "epoch": 0.07,
2104
+ "grad_norm": 3.141062021255493,
2105
+ "learning_rate": 9.155555555555557e-06,
2106
+ "loss": 1.3023,
2107
+ "step": 2940
2108
+ },
2109
+ {
2110
+ "epoch": 0.07,
2111
+ "grad_norm": 4.079625129699707,
2112
+ "learning_rate": 9.111111111111112e-06,
2113
+ "loss": 1.3439,
2114
+ "step": 2950
2115
+ },
2116
+ {
2117
+ "epoch": 0.07,
2118
+ "grad_norm": 3.0159757137298584,
2119
+ "learning_rate": 9.066666666666667e-06,
2120
+ "loss": 1.0235,
2121
+ "step": 2960
2122
+ },
2123
+ {
2124
+ "epoch": 0.07,
2125
+ "grad_norm": 4.005256175994873,
2126
+ "learning_rate": 9.022222222222223e-06,
2127
+ "loss": 1.278,
2128
+ "step": 2970
2129
+ },
2130
+ {
2131
+ "epoch": 0.07,
2132
+ "grad_norm": 5.301586151123047,
2133
+ "learning_rate": 8.977777777777778e-06,
2134
+ "loss": 1.1784,
2135
+ "step": 2980
2136
+ },
2137
+ {
2138
+ "epoch": 0.07,
2139
+ "grad_norm": 2.058504104614258,
2140
+ "learning_rate": 8.933333333333333e-06,
2141
+ "loss": 1.202,
2142
+ "step": 2990
2143
+ },
2144
+ {
2145
+ "epoch": 0.07,
2146
+ "grad_norm": 6.698817729949951,
2147
+ "learning_rate": 8.888888888888888e-06,
2148
+ "loss": 1.2959,
2149
+ "step": 3000
2150
+ },
2151
+ {
2152
+ "epoch": 0.07,
2153
+ "eval_loss": 1.0374021530151367,
2154
+ "eval_runtime": 66.4567,
2155
+ "eval_samples_per_second": 15.047,
2156
+ "eval_steps_per_second": 15.047,
2157
+ "step": 3000
2158
+ },
2159
+ {
2160
+ "epoch": 0.07,
2161
+ "grad_norm": 4.0768585205078125,
2162
+ "learning_rate": 8.844444444444445e-06,
2163
+ "loss": 1.166,
2164
+ "step": 3010
2165
+ },
2166
+ {
2167
+ "epoch": 0.07,
2168
+ "grad_norm": 1.610944390296936,
2169
+ "learning_rate": 8.8e-06,
2170
+ "loss": 1.2413,
2171
+ "step": 3020
2172
+ },
2173
+ {
2174
+ "epoch": 0.07,
2175
+ "grad_norm": 4.117971420288086,
2176
+ "learning_rate": 8.755555555555556e-06,
2177
+ "loss": 1.3748,
2178
+ "step": 3030
2179
+ },
2180
+ {
2181
+ "epoch": 0.07,
2182
+ "grad_norm": 4.072318077087402,
2183
+ "learning_rate": 8.711111111111111e-06,
2184
+ "loss": 1.1846,
2185
+ "step": 3040
2186
+ },
2187
+ {
2188
+ "epoch": 0.07,
2189
+ "grad_norm": 10.857379913330078,
2190
+ "learning_rate": 8.666666666666668e-06,
2191
+ "loss": 1.2561,
2192
+ "step": 3050
2193
+ },
2194
+ {
2195
+ "epoch": 0.07,
2196
+ "grad_norm": 1.7532877922058105,
2197
+ "learning_rate": 8.622222222222223e-06,
2198
+ "loss": 1.183,
2199
+ "step": 3060
2200
+ },
2201
+ {
2202
+ "epoch": 0.07,
2203
+ "grad_norm": 6.0577287673950195,
2204
+ "learning_rate": 8.577777777777778e-06,
2205
+ "loss": 1.4144,
2206
+ "step": 3070
2207
+ },
2208
+ {
2209
+ "epoch": 0.07,
2210
+ "grad_norm": 3.6486895084381104,
2211
+ "learning_rate": 8.533333333333335e-06,
2212
+ "loss": 1.1592,
2213
+ "step": 3080
2214
+ },
2215
+ {
2216
+ "epoch": 0.07,
2217
+ "grad_norm": 11.564053535461426,
2218
+ "learning_rate": 8.48888888888889e-06,
2219
+ "loss": 1.0362,
2220
+ "step": 3090
2221
+ },
2222
+ {
2223
+ "epoch": 0.07,
2224
+ "grad_norm": 6.563530921936035,
2225
+ "learning_rate": 8.444444444444446e-06,
2226
+ "loss": 1.2944,
2227
+ "step": 3100
2228
+ },
2229
+ {
2230
+ "epoch": 0.07,
2231
+ "grad_norm": 6.818069934844971,
2232
+ "learning_rate": 8.400000000000001e-06,
2233
+ "loss": 1.3129,
2234
+ "step": 3110
2235
+ },
2236
+ {
2237
+ "epoch": 0.07,
2238
+ "grad_norm": 2.901576280593872,
2239
+ "learning_rate": 8.355555555555556e-06,
2240
+ "loss": 1.054,
2241
+ "step": 3120
2242
+ },
2243
+ {
2244
+ "epoch": 0.07,
2245
+ "grad_norm": 5.794508934020996,
2246
+ "learning_rate": 8.311111111111111e-06,
2247
+ "loss": 1.2278,
2248
+ "step": 3130
2249
+ },
2250
+ {
2251
+ "epoch": 0.07,
2252
+ "grad_norm": 13.134336471557617,
2253
+ "learning_rate": 8.266666666666667e-06,
2254
+ "loss": 1.3008,
2255
+ "step": 3140
2256
+ },
2257
+ {
2258
+ "epoch": 0.07,
2259
+ "grad_norm": 4.244370937347412,
2260
+ "learning_rate": 8.222222222222222e-06,
2261
+ "loss": 1.3104,
2262
+ "step": 3150
2263
+ },
2264
+ {
2265
+ "epoch": 0.07,
2266
+ "grad_norm": 3.812673568725586,
2267
+ "learning_rate": 8.177777777777779e-06,
2268
+ "loss": 1.2427,
2269
+ "step": 3160
2270
+ },
2271
+ {
2272
+ "epoch": 0.07,
2273
+ "grad_norm": 16.802017211914062,
2274
+ "learning_rate": 8.133333333333334e-06,
2275
+ "loss": 1.1188,
2276
+ "step": 3170
2277
+ },
2278
+ {
2279
+ "epoch": 0.07,
2280
+ "grad_norm": 4.621267795562744,
2281
+ "learning_rate": 8.08888888888889e-06,
2282
+ "loss": 1.2794,
2283
+ "step": 3180
2284
+ },
2285
+ {
2286
+ "epoch": 0.07,
2287
+ "grad_norm": 9.610392570495605,
2288
+ "learning_rate": 8.044444444444444e-06,
2289
+ "loss": 1.4153,
2290
+ "step": 3190
2291
+ },
2292
+ {
2293
+ "epoch": 0.07,
2294
+ "grad_norm": 2.657423257827759,
2295
+ "learning_rate": 8.000000000000001e-06,
2296
+ "loss": 1.1522,
2297
+ "step": 3200
2298
+ },
2299
+ {
2300
+ "epoch": 0.07,
2301
+ "grad_norm": 6.19738245010376,
2302
+ "learning_rate": 7.955555555555557e-06,
2303
+ "loss": 1.0755,
2304
+ "step": 3210
2305
+ },
2306
+ {
2307
+ "epoch": 0.07,
2308
+ "grad_norm": 1.844300627708435,
2309
+ "learning_rate": 7.911111111111112e-06,
2310
+ "loss": 1.0865,
2311
+ "step": 3220
2312
+ },
2313
+ {
2314
+ "epoch": 0.07,
2315
+ "grad_norm": 4.697552680969238,
2316
+ "learning_rate": 7.866666666666667e-06,
2317
+ "loss": 1.2006,
2318
+ "step": 3230
2319
+ },
2320
+ {
2321
+ "epoch": 0.08,
2322
+ "grad_norm": 11.406933784484863,
2323
+ "learning_rate": 7.822222222222224e-06,
2324
+ "loss": 1.2961,
2325
+ "step": 3240
2326
+ },
2327
+ {
2328
+ "epoch": 0.08,
2329
+ "grad_norm": 1.5042719841003418,
2330
+ "learning_rate": 7.77777777777778e-06,
2331
+ "loss": 1.2249,
2332
+ "step": 3250
2333
+ },
2334
+ {
2335
+ "epoch": 0.08,
2336
+ "grad_norm": 5.576500415802002,
2337
+ "learning_rate": 7.733333333333334e-06,
2338
+ "loss": 1.4652,
2339
+ "step": 3260
2340
+ },
2341
+ {
2342
+ "epoch": 0.08,
2343
+ "grad_norm": 6.612312316894531,
2344
+ "learning_rate": 7.68888888888889e-06,
2345
+ "loss": 1.3287,
2346
+ "step": 3270
2347
+ },
2348
+ {
2349
+ "epoch": 0.08,
2350
+ "grad_norm": 2.6636366844177246,
2351
+ "learning_rate": 7.644444444444445e-06,
2352
+ "loss": 1.3256,
2353
+ "step": 3280
2354
+ },
2355
+ {
2356
+ "epoch": 0.08,
2357
+ "grad_norm": 1.3118066787719727,
2358
+ "learning_rate": 7.600000000000001e-06,
2359
+ "loss": 1.2989,
2360
+ "step": 3290
2361
+ },
2362
+ {
2363
+ "epoch": 0.08,
2364
+ "grad_norm": 16.465639114379883,
2365
+ "learning_rate": 7.555555555555556e-06,
2366
+ "loss": 1.1742,
2367
+ "step": 3300
2368
+ },
2369
+ {
2370
+ "epoch": 0.08,
2371
+ "grad_norm": 5.166130065917969,
2372
+ "learning_rate": 7.511111111111111e-06,
2373
+ "loss": 1.2369,
2374
+ "step": 3310
2375
+ },
2376
+ {
2377
+ "epoch": 0.08,
2378
+ "grad_norm": 9.64023208618164,
2379
+ "learning_rate": 7.4666666666666675e-06,
2380
+ "loss": 1.2007,
2381
+ "step": 3320
2382
+ },
2383
+ {
2384
+ "epoch": 0.08,
2385
+ "grad_norm": 3.2421908378601074,
2386
+ "learning_rate": 7.422222222222223e-06,
2387
+ "loss": 1.5688,
2388
+ "step": 3330
2389
+ },
2390
+ {
2391
+ "epoch": 0.08,
2392
+ "grad_norm": 6.575314521789551,
2393
+ "learning_rate": 7.377777777777778e-06,
2394
+ "loss": 1.2239,
2395
+ "step": 3340
2396
+ },
2397
+ {
2398
+ "epoch": 0.08,
2399
+ "grad_norm": 2.4005203247070312,
2400
+ "learning_rate": 7.333333333333333e-06,
2401
+ "loss": 1.3015,
2402
+ "step": 3350
2403
+ },
2404
+ {
2405
+ "epoch": 0.08,
2406
+ "grad_norm": 4.185955047607422,
2407
+ "learning_rate": 7.28888888888889e-06,
2408
+ "loss": 1.2519,
2409
+ "step": 3360
2410
+ },
2411
+ {
2412
+ "epoch": 0.08,
2413
+ "grad_norm": 2.0355536937713623,
2414
+ "learning_rate": 7.244444444444445e-06,
2415
+ "loss": 1.1525,
2416
+ "step": 3370
2417
+ },
2418
+ {
2419
+ "epoch": 0.08,
2420
+ "grad_norm": 3.390791177749634,
2421
+ "learning_rate": 7.2000000000000005e-06,
2422
+ "loss": 1.331,
2423
+ "step": 3380
2424
+ },
2425
+ {
2426
+ "epoch": 0.08,
2427
+ "grad_norm": 2.9293651580810547,
2428
+ "learning_rate": 7.155555555555556e-06,
2429
+ "loss": 1.2798,
2430
+ "step": 3390
2431
+ },
2432
+ {
2433
+ "epoch": 0.08,
2434
+ "grad_norm": 9.321587562561035,
2435
+ "learning_rate": 7.111111111111112e-06,
2436
+ "loss": 1.0359,
2437
+ "step": 3400
2438
+ },
2439
+ {
2440
+ "epoch": 0.08,
2441
+ "grad_norm": 3.1086325645446777,
2442
+ "learning_rate": 7.066666666666667e-06,
2443
+ "loss": 1.3801,
2444
+ "step": 3410
2445
+ },
2446
+ {
2447
+ "epoch": 0.08,
2448
+ "grad_norm": 8.660297393798828,
2449
+ "learning_rate": 7.022222222222222e-06,
2450
+ "loss": 1.332,
2451
+ "step": 3420
2452
+ },
2453
+ {
2454
+ "epoch": 0.08,
2455
+ "grad_norm": 6.812885284423828,
2456
+ "learning_rate": 6.977777777777779e-06,
2457
+ "loss": 1.253,
2458
+ "step": 3430
2459
+ },
2460
+ {
2461
+ "epoch": 0.08,
2462
+ "grad_norm": 2.9577157497406006,
2463
+ "learning_rate": 6.9333333333333344e-06,
2464
+ "loss": 1.4756,
2465
+ "step": 3440
2466
+ },
2467
+ {
2468
+ "epoch": 0.08,
2469
+ "grad_norm": 6.337852954864502,
2470
+ "learning_rate": 6.88888888888889e-06,
2471
+ "loss": 1.2052,
2472
+ "step": 3450
2473
+ },
2474
+ {
2475
+ "epoch": 0.08,
2476
+ "grad_norm": 2.3964388370513916,
2477
+ "learning_rate": 6.844444444444445e-06,
2478
+ "loss": 1.1701,
2479
+ "step": 3460
2480
+ },
2481
+ {
2482
+ "epoch": 0.08,
2483
+ "grad_norm": 4.862340927124023,
2484
+ "learning_rate": 6.800000000000001e-06,
2485
+ "loss": 1.1085,
2486
+ "step": 3470
2487
+ },
2488
+ {
2489
+ "epoch": 0.08,
2490
+ "grad_norm": 4.092143535614014,
2491
+ "learning_rate": 6.755555555555556e-06,
2492
+ "loss": 1.295,
2493
+ "step": 3480
2494
+ },
2495
+ {
2496
+ "epoch": 0.08,
2497
+ "grad_norm": 3.612806558609009,
2498
+ "learning_rate": 6.711111111111111e-06,
2499
+ "loss": 1.3865,
2500
+ "step": 3490
2501
+ },
2502
+ {
2503
+ "epoch": 0.08,
2504
+ "grad_norm": 7.829308032989502,
2505
+ "learning_rate": 6.666666666666667e-06,
2506
+ "loss": 1.1989,
2507
+ "step": 3500
2508
+ },
2509
+ {
2510
+ "epoch": 0.08,
2511
+ "eval_loss": 1.0105600357055664,
2512
+ "eval_runtime": 65.1505,
2513
+ "eval_samples_per_second": 15.349,
2514
+ "eval_steps_per_second": 15.349,
2515
+ "step": 3500
2516
+ },
2517
+ {
2518
+ "epoch": 0.08,
2519
+ "grad_norm": 5.800282001495361,
2520
+ "learning_rate": 6.6222222222222236e-06,
2521
+ "loss": 1.3128,
2522
+ "step": 3510
2523
+ },
2524
+ {
2525
+ "epoch": 0.08,
2526
+ "grad_norm": 3.2959723472595215,
2527
+ "learning_rate": 6.577777777777779e-06,
2528
+ "loss": 1.218,
2529
+ "step": 3520
2530
+ },
2531
+ {
2532
+ "epoch": 0.08,
2533
+ "grad_norm": 3.757976531982422,
2534
+ "learning_rate": 6.533333333333334e-06,
2535
+ "loss": 1.2038,
2536
+ "step": 3530
2537
+ },
2538
+ {
2539
+ "epoch": 0.08,
2540
+ "grad_norm": 5.923003196716309,
2541
+ "learning_rate": 6.488888888888889e-06,
2542
+ "loss": 1.2304,
2543
+ "step": 3540
2544
+ },
2545
+ {
2546
+ "epoch": 0.08,
2547
+ "grad_norm": 5.778090476989746,
2548
+ "learning_rate": 6.444444444444445e-06,
2549
+ "loss": 1.2821,
2550
+ "step": 3550
2551
+ },
2552
+ {
2553
+ "epoch": 0.08,
2554
+ "grad_norm": 7.406408309936523,
2555
+ "learning_rate": 6.4000000000000006e-06,
2556
+ "loss": 1.2625,
2557
+ "step": 3560
2558
+ },
2559
+ {
2560
+ "epoch": 0.08,
2561
+ "grad_norm": 2.4779810905456543,
2562
+ "learning_rate": 6.355555555555556e-06,
2563
+ "loss": 1.2036,
2564
+ "step": 3570
2565
+ },
2566
+ {
2567
+ "epoch": 0.08,
2568
+ "grad_norm": 3.9981026649475098,
2569
+ "learning_rate": 6.311111111111111e-06,
2570
+ "loss": 1.3073,
2571
+ "step": 3580
2572
+ },
2573
+ {
2574
+ "epoch": 0.08,
2575
+ "grad_norm": 5.609734058380127,
2576
+ "learning_rate": 6.266666666666668e-06,
2577
+ "loss": 1.1538,
2578
+ "step": 3590
2579
+ },
2580
+ {
2581
+ "epoch": 0.08,
2582
+ "grad_norm": 6.582396507263184,
2583
+ "learning_rate": 6.222222222222223e-06,
2584
+ "loss": 1.0326,
2585
+ "step": 3600
2586
+ },
2587
+ {
2588
+ "epoch": 0.08,
2589
+ "grad_norm": 21.606271743774414,
2590
+ "learning_rate": 6.177777777777778e-06,
2591
+ "loss": 1.1655,
2592
+ "step": 3610
2593
+ },
2594
+ {
2595
+ "epoch": 0.08,
2596
+ "grad_norm": 6.084456920623779,
2597
+ "learning_rate": 6.133333333333334e-06,
2598
+ "loss": 1.2714,
2599
+ "step": 3620
2600
+ },
2601
+ {
2602
+ "epoch": 0.08,
2603
+ "grad_norm": 1.4847286939620972,
2604
+ "learning_rate": 6.08888888888889e-06,
2605
+ "loss": 1.1593,
2606
+ "step": 3630
2607
+ },
2608
+ {
2609
+ "epoch": 0.08,
2610
+ "grad_norm": 3.342040538787842,
2611
+ "learning_rate": 6.044444444444445e-06,
2612
+ "loss": 1.0379,
2613
+ "step": 3640
2614
+ },
2615
+ {
2616
+ "epoch": 0.08,
2617
+ "grad_norm": 6.2287187576293945,
2618
+ "learning_rate": 6e-06,
2619
+ "loss": 1.2727,
2620
+ "step": 3650
2621
+ },
2622
+ {
2623
+ "epoch": 0.08,
2624
+ "grad_norm": 5.904510021209717,
2625
+ "learning_rate": 5.955555555555555e-06,
2626
+ "loss": 1.1742,
2627
+ "step": 3660
2628
+ },
2629
+ {
2630
+ "epoch": 0.08,
2631
+ "grad_norm": 2.890673875808716,
2632
+ "learning_rate": 5.911111111111112e-06,
2633
+ "loss": 1.1721,
2634
+ "step": 3670
2635
+ },
2636
+ {
2637
+ "epoch": 0.09,
2638
+ "grad_norm": 10.349078178405762,
2639
+ "learning_rate": 5.8666666666666675e-06,
2640
+ "loss": 1.3626,
2641
+ "step": 3680
2642
+ },
2643
+ {
2644
+ "epoch": 0.09,
2645
+ "grad_norm": 9.034330368041992,
2646
+ "learning_rate": 5.822222222222223e-06,
2647
+ "loss": 1.1576,
2648
+ "step": 3690
2649
+ },
2650
+ {
2651
+ "epoch": 0.09,
2652
+ "grad_norm": 1.8751651048660278,
2653
+ "learning_rate": 5.777777777777778e-06,
2654
+ "loss": 1.3199,
2655
+ "step": 3700
2656
+ },
2657
+ {
2658
+ "epoch": 0.09,
2659
+ "grad_norm": 8.217291831970215,
2660
+ "learning_rate": 5.733333333333334e-06,
2661
+ "loss": 1.2083,
2662
+ "step": 3710
2663
+ },
2664
+ {
2665
+ "epoch": 0.09,
2666
+ "grad_norm": 6.483924865722656,
2667
+ "learning_rate": 5.688888888888889e-06,
2668
+ "loss": 1.3311,
2669
+ "step": 3720
2670
+ },
2671
+ {
2672
+ "epoch": 0.09,
2673
+ "grad_norm": 8.587153434753418,
2674
+ "learning_rate": 5.6444444444444445e-06,
2675
+ "loss": 1.2245,
2676
+ "step": 3730
2677
+ },
2678
+ {
2679
+ "epoch": 0.09,
2680
+ "grad_norm": 4.506854057312012,
2681
+ "learning_rate": 5.600000000000001e-06,
2682
+ "loss": 1.3943,
2683
+ "step": 3740
2684
+ },
2685
+ {
2686
+ "epoch": 0.09,
2687
+ "grad_norm": 1.90741765499115,
2688
+ "learning_rate": 5.555555555555557e-06,
2689
+ "loss": 1.3751,
2690
+ "step": 3750
2691
+ },
2692
+ {
2693
+ "epoch": 0.09,
2694
+ "grad_norm": 6.635892391204834,
2695
+ "learning_rate": 5.511111111111112e-06,
2696
+ "loss": 1.3612,
2697
+ "step": 3760
2698
+ },
2699
+ {
2700
+ "epoch": 0.09,
2701
+ "grad_norm": 8.986981391906738,
2702
+ "learning_rate": 5.466666666666667e-06,
2703
+ "loss": 1.2412,
2704
+ "step": 3770
2705
+ },
2706
+ {
2707
+ "epoch": 0.09,
2708
+ "grad_norm": 3.556119680404663,
2709
+ "learning_rate": 5.422222222222223e-06,
2710
+ "loss": 1.1605,
2711
+ "step": 3780
2712
+ },
2713
+ {
2714
+ "epoch": 0.09,
2715
+ "grad_norm": 4.291456699371338,
2716
+ "learning_rate": 5.3777777777777784e-06,
2717
+ "loss": 1.2769,
2718
+ "step": 3790
2719
+ },
2720
+ {
2721
+ "epoch": 0.09,
2722
+ "grad_norm": 6.440835952758789,
2723
+ "learning_rate": 5.333333333333334e-06,
2724
+ "loss": 1.1352,
2725
+ "step": 3800
2726
+ },
2727
+ {
2728
+ "epoch": 0.09,
2729
+ "grad_norm": 2.8747355937957764,
2730
+ "learning_rate": 5.288888888888889e-06,
2731
+ "loss": 1.0737,
2732
+ "step": 3810
2733
+ },
2734
+ {
2735
+ "epoch": 0.09,
2736
+ "grad_norm": 5.338809013366699,
2737
+ "learning_rate": 5.244444444444445e-06,
2738
+ "loss": 1.1857,
2739
+ "step": 3820
2740
+ },
2741
+ {
2742
+ "epoch": 0.09,
2743
+ "grad_norm": 5.019297122955322,
2744
+ "learning_rate": 5.2e-06,
2745
+ "loss": 1.3104,
2746
+ "step": 3830
2747
+ },
2748
+ {
2749
+ "epoch": 0.09,
2750
+ "grad_norm": 4.9017791748046875,
2751
+ "learning_rate": 5.155555555555556e-06,
2752
+ "loss": 1.0016,
2753
+ "step": 3840
2754
+ },
2755
+ {
2756
+ "epoch": 0.09,
2757
+ "grad_norm": 7.081170558929443,
2758
+ "learning_rate": 5.1111111111111115e-06,
2759
+ "loss": 1.2121,
2760
+ "step": 3850
2761
+ },
2762
+ {
2763
+ "epoch": 0.09,
2764
+ "grad_norm": 4.019341468811035,
2765
+ "learning_rate": 5.0666666666666676e-06,
2766
+ "loss": 1.2264,
2767
+ "step": 3860
2768
+ },
2769
+ {
2770
+ "epoch": 0.09,
2771
+ "grad_norm": 2.3108303546905518,
2772
+ "learning_rate": 5.022222222222223e-06,
2773
+ "loss": 1.3058,
2774
+ "step": 3870
2775
+ },
2776
+ {
2777
+ "epoch": 0.09,
2778
+ "grad_norm": 4.45831298828125,
2779
+ "learning_rate": 4.977777777777778e-06,
2780
+ "loss": 1.3826,
2781
+ "step": 3880
2782
+ },
2783
+ {
2784
+ "epoch": 0.09,
2785
+ "grad_norm": 7.078244686126709,
2786
+ "learning_rate": 4.933333333333334e-06,
2787
+ "loss": 1.2167,
2788
+ "step": 3890
2789
+ },
2790
+ {
2791
+ "epoch": 0.09,
2792
+ "grad_norm": 5.27899169921875,
2793
+ "learning_rate": 4.888888888888889e-06,
2794
+ "loss": 1.1771,
2795
+ "step": 3900
2796
+ },
2797
+ {
2798
+ "epoch": 0.09,
2799
+ "grad_norm": 9.271774291992188,
2800
+ "learning_rate": 4.8444444444444446e-06,
2801
+ "loss": 1.299,
2802
+ "step": 3910
2803
+ },
2804
+ {
2805
+ "epoch": 0.09,
2806
+ "grad_norm": 3.8824524879455566,
2807
+ "learning_rate": 4.800000000000001e-06,
2808
+ "loss": 1.3266,
2809
+ "step": 3920
2810
+ },
2811
+ {
2812
+ "epoch": 0.09,
2813
+ "grad_norm": 11.459736824035645,
2814
+ "learning_rate": 4.755555555555556e-06,
2815
+ "loss": 1.0917,
2816
+ "step": 3930
2817
+ },
2818
+ {
2819
+ "epoch": 0.09,
2820
+ "grad_norm": 12.514963150024414,
2821
+ "learning_rate": 4.711111111111111e-06,
2822
+ "loss": 1.1631,
2823
+ "step": 3940
2824
+ },
2825
+ {
2826
+ "epoch": 0.09,
2827
+ "grad_norm": 1.6089537143707275,
2828
+ "learning_rate": 4.666666666666667e-06,
2829
+ "loss": 1.2849,
2830
+ "step": 3950
2831
+ },
2832
+ {
2833
+ "epoch": 0.09,
2834
+ "grad_norm": 5.540726661682129,
2835
+ "learning_rate": 4.622222222222222e-06,
2836
+ "loss": 1.2502,
2837
+ "step": 3960
2838
+ },
2839
+ {
2840
+ "epoch": 0.09,
2841
+ "grad_norm": 2.8303427696228027,
2842
+ "learning_rate": 4.5777777777777785e-06,
2843
+ "loss": 1.213,
2844
+ "step": 3970
2845
+ },
2846
+ {
2847
+ "epoch": 0.09,
2848
+ "grad_norm": 6.798654556274414,
2849
+ "learning_rate": 4.533333333333334e-06,
2850
+ "loss": 1.3141,
2851
+ "step": 3980
2852
+ },
2853
+ {
2854
+ "epoch": 0.09,
2855
+ "grad_norm": 7.1111955642700195,
2856
+ "learning_rate": 4.488888888888889e-06,
2857
+ "loss": 1.1258,
2858
+ "step": 3990
2859
+ },
2860
+ {
2861
+ "epoch": 0.09,
2862
+ "grad_norm": 6.638017177581787,
2863
+ "learning_rate": 4.444444444444444e-06,
2864
+ "loss": 1.2655,
2865
+ "step": 4000
2866
+ },
2867
+ {
2868
+ "epoch": 0.09,
2869
+ "eval_loss": 1.022091269493103,
2870
+ "eval_runtime": 65.1522,
2871
+ "eval_samples_per_second": 15.349,
2872
+ "eval_steps_per_second": 15.349,
2873
+ "step": 4000
2874
+ },
2875
+ {
2876
+ "epoch": 0.09,
2877
+ "grad_norm": 5.817035675048828,
2878
+ "learning_rate": 4.4e-06,
2879
+ "loss": 1.3252,
2880
+ "step": 4010
2881
+ },
2882
+ {
2883
+ "epoch": 0.09,
2884
+ "grad_norm": 10.08821964263916,
2885
+ "learning_rate": 4.3555555555555555e-06,
2886
+ "loss": 1.1851,
2887
+ "step": 4020
2888
+ },
2889
+ {
2890
+ "epoch": 0.09,
2891
+ "grad_norm": 3.9908125400543213,
2892
+ "learning_rate": 4.3111111111111115e-06,
2893
+ "loss": 1.1616,
2894
+ "step": 4030
2895
+ },
2896
+ {
2897
+ "epoch": 0.09,
2898
+ "grad_norm": 1.9526666402816772,
2899
+ "learning_rate": 4.266666666666668e-06,
2900
+ "loss": 1.3296,
2901
+ "step": 4040
2902
+ },
2903
+ {
2904
+ "epoch": 0.09,
2905
+ "grad_norm": 3.800605535507202,
2906
+ "learning_rate": 4.222222222222223e-06,
2907
+ "loss": 1.1502,
2908
+ "step": 4050
2909
+ },
2910
+ {
2911
+ "epoch": 0.09,
2912
+ "grad_norm": 2.6257433891296387,
2913
+ "learning_rate": 4.177777777777778e-06,
2914
+ "loss": 1.1104,
2915
+ "step": 4060
2916
+ },
2917
+ {
2918
+ "epoch": 0.09,
2919
+ "grad_norm": 14.161402702331543,
2920
+ "learning_rate": 4.133333333333333e-06,
2921
+ "loss": 1.3881,
2922
+ "step": 4070
2923
+ },
2924
+ {
2925
+ "epoch": 0.09,
2926
+ "grad_norm": 5.6492767333984375,
2927
+ "learning_rate": 4.088888888888889e-06,
2928
+ "loss": 1.2303,
2929
+ "step": 4080
2930
+ },
2931
+ {
2932
+ "epoch": 0.09,
2933
+ "grad_norm": 9.167159080505371,
2934
+ "learning_rate": 4.044444444444445e-06,
2935
+ "loss": 0.9639,
2936
+ "step": 4090
2937
+ },
2938
+ {
2939
+ "epoch": 0.09,
2940
+ "grad_norm": 4.337591171264648,
2941
+ "learning_rate": 4.000000000000001e-06,
2942
+ "loss": 1.3282,
2943
+ "step": 4100
2944
+ },
2945
+ {
2946
+ "epoch": 0.1,
2947
+ "grad_norm": 6.859261989593506,
2948
+ "learning_rate": 3.955555555555556e-06,
2949
+ "loss": 1.2186,
2950
+ "step": 4110
2951
+ },
2952
+ {
2953
+ "epoch": 0.1,
2954
+ "grad_norm": 9.283714294433594,
2955
+ "learning_rate": 3.911111111111112e-06,
2956
+ "loss": 1.3408,
2957
+ "step": 4120
2958
+ },
2959
+ {
2960
+ "epoch": 0.1,
2961
+ "grad_norm": 8.892662048339844,
2962
+ "learning_rate": 3.866666666666667e-06,
2963
+ "loss": 1.073,
2964
+ "step": 4130
2965
+ },
2966
+ {
2967
+ "epoch": 0.1,
2968
+ "grad_norm": 5.181435585021973,
2969
+ "learning_rate": 3.8222222222222224e-06,
2970
+ "loss": 1.3746,
2971
+ "step": 4140
2972
+ },
2973
+ {
2974
+ "epoch": 0.1,
2975
+ "grad_norm": 1.8328477144241333,
2976
+ "learning_rate": 3.777777777777778e-06,
2977
+ "loss": 1.2771,
2978
+ "step": 4150
2979
+ },
2980
+ {
2981
+ "epoch": 0.1,
2982
+ "grad_norm": 7.023280143737793,
2983
+ "learning_rate": 3.7333333333333337e-06,
2984
+ "loss": 1.3432,
2985
+ "step": 4160
2986
+ },
2987
+ {
2988
+ "epoch": 0.1,
2989
+ "grad_norm": 10.12054443359375,
2990
+ "learning_rate": 3.688888888888889e-06,
2991
+ "loss": 1.1182,
2992
+ "step": 4170
2993
+ },
2994
+ {
2995
+ "epoch": 0.1,
2996
+ "grad_norm": 2.631744384765625,
2997
+ "learning_rate": 3.644444444444445e-06,
2998
+ "loss": 1.0203,
2999
+ "step": 4180
3000
+ },
3001
+ {
3002
+ "epoch": 0.1,
3003
+ "grad_norm": 5.20667028427124,
3004
+ "learning_rate": 3.6000000000000003e-06,
3005
+ "loss": 1.25,
3006
+ "step": 4190
3007
+ },
3008
+ {
3009
+ "epoch": 0.1,
3010
+ "grad_norm": 5.615377902984619,
3011
+ "learning_rate": 3.555555555555556e-06,
3012
+ "loss": 1.2201,
3013
+ "step": 4200
3014
+ },
3015
+ {
3016
+ "epoch": 0.1,
3017
+ "grad_norm": 9.549120903015137,
3018
+ "learning_rate": 3.511111111111111e-06,
3019
+ "loss": 1.2005,
3020
+ "step": 4210
3021
+ },
3022
+ {
3023
+ "epoch": 0.1,
3024
+ "grad_norm": 1.6776782274246216,
3025
+ "learning_rate": 3.4666666666666672e-06,
3026
+ "loss": 1.1233,
3027
+ "step": 4220
3028
+ },
3029
+ {
3030
+ "epoch": 0.1,
3031
+ "grad_norm": 7.187869071960449,
3032
+ "learning_rate": 3.4222222222222224e-06,
3033
+ "loss": 1.1343,
3034
+ "step": 4230
3035
+ },
3036
+ {
3037
+ "epoch": 0.1,
3038
+ "grad_norm": 9.041653633117676,
3039
+ "learning_rate": 3.377777777777778e-06,
3040
+ "loss": 1.2116,
3041
+ "step": 4240
3042
+ },
3043
+ {
3044
+ "epoch": 0.1,
3045
+ "grad_norm": 5.974518299102783,
3046
+ "learning_rate": 3.3333333333333333e-06,
3047
+ "loss": 1.1592,
3048
+ "step": 4250
3049
+ },
3050
+ {
3051
+ "epoch": 0.1,
3052
+ "grad_norm": 5.961255073547363,
3053
+ "learning_rate": 3.2888888888888894e-06,
3054
+ "loss": 1.2241,
3055
+ "step": 4260
3056
+ },
3057
+ {
3058
+ "epoch": 0.1,
3059
+ "grad_norm": 5.4126973152160645,
3060
+ "learning_rate": 3.2444444444444446e-06,
3061
+ "loss": 1.1955,
3062
+ "step": 4270
3063
+ },
3064
+ {
3065
+ "epoch": 0.1,
3066
+ "grad_norm": 5.056633472442627,
3067
+ "learning_rate": 3.2000000000000003e-06,
3068
+ "loss": 1.3645,
3069
+ "step": 4280
3070
+ },
3071
+ {
3072
+ "epoch": 0.1,
3073
+ "grad_norm": 7.124178886413574,
3074
+ "learning_rate": 3.1555555555555555e-06,
3075
+ "loss": 1.3686,
3076
+ "step": 4290
3077
+ },
3078
+ {
3079
+ "epoch": 0.1,
3080
+ "grad_norm": 5.2050700187683105,
3081
+ "learning_rate": 3.1111111111111116e-06,
3082
+ "loss": 1.2417,
3083
+ "step": 4300
3084
+ },
3085
+ {
3086
+ "epoch": 0.1,
3087
+ "grad_norm": 3.6145880222320557,
3088
+ "learning_rate": 3.066666666666667e-06,
3089
+ "loss": 1.0838,
3090
+ "step": 4310
3091
+ },
3092
+ {
3093
+ "epoch": 0.1,
3094
+ "grad_norm": 3.411250114440918,
3095
+ "learning_rate": 3.0222222222222225e-06,
3096
+ "loss": 1.1179,
3097
+ "step": 4320
3098
+ },
3099
+ {
3100
+ "epoch": 0.1,
3101
+ "grad_norm": 1.8912216424942017,
3102
+ "learning_rate": 2.9777777777777777e-06,
3103
+ "loss": 1.2946,
3104
+ "step": 4330
3105
+ },
3106
+ {
3107
+ "epoch": 0.1,
3108
+ "grad_norm": 9.761539459228516,
3109
+ "learning_rate": 2.9333333333333338e-06,
3110
+ "loss": 1.0776,
3111
+ "step": 4340
3112
+ },
3113
+ {
3114
+ "epoch": 0.1,
3115
+ "grad_norm": 8.770818710327148,
3116
+ "learning_rate": 2.888888888888889e-06,
3117
+ "loss": 1.1458,
3118
+ "step": 4350
3119
+ },
3120
+ {
3121
+ "epoch": 0.1,
3122
+ "grad_norm": 2.2291646003723145,
3123
+ "learning_rate": 2.8444444444444446e-06,
3124
+ "loss": 1.2345,
3125
+ "step": 4360
3126
+ },
3127
+ {
3128
+ "epoch": 0.1,
3129
+ "grad_norm": 6.619393348693848,
3130
+ "learning_rate": 2.8000000000000003e-06,
3131
+ "loss": 1.0931,
3132
+ "step": 4370
3133
+ },
3134
+ {
3135
+ "epoch": 0.1,
3136
+ "grad_norm": 2.9382236003875732,
3137
+ "learning_rate": 2.755555555555556e-06,
3138
+ "loss": 0.9676,
3139
+ "step": 4380
3140
+ },
3141
+ {
3142
+ "epoch": 0.1,
3143
+ "grad_norm": 3.1364104747772217,
3144
+ "learning_rate": 2.7111111111111116e-06,
3145
+ "loss": 0.9875,
3146
+ "step": 4390
3147
+ },
3148
+ {
3149
+ "epoch": 0.1,
3150
+ "grad_norm": 4.350700855255127,
3151
+ "learning_rate": 2.666666666666667e-06,
3152
+ "loss": 1.3344,
3153
+ "step": 4400
3154
+ },
3155
+ {
3156
+ "epoch": 0.1,
3157
+ "grad_norm": 2.584742546081543,
3158
+ "learning_rate": 2.6222222222222225e-06,
3159
+ "loss": 1.3769,
3160
+ "step": 4410
3161
+ },
3162
+ {
3163
+ "epoch": 0.1,
3164
+ "grad_norm": 3.3284530639648438,
3165
+ "learning_rate": 2.577777777777778e-06,
3166
+ "loss": 1.219,
3167
+ "step": 4420
3168
+ },
3169
+ {
3170
+ "epoch": 0.1,
3171
+ "grad_norm": 4.278006076812744,
3172
+ "learning_rate": 2.5333333333333338e-06,
3173
+ "loss": 1.2054,
3174
+ "step": 4430
3175
+ },
3176
+ {
3177
+ "epoch": 0.1,
3178
+ "grad_norm": 0.4131961166858673,
3179
+ "learning_rate": 2.488888888888889e-06,
3180
+ "loss": 1.0997,
3181
+ "step": 4440
3182
+ },
3183
+ {
3184
+ "epoch": 0.1,
3185
+ "grad_norm": 4.5198516845703125,
3186
+ "learning_rate": 2.4444444444444447e-06,
3187
+ "loss": 1.3485,
3188
+ "step": 4450
3189
+ },
3190
+ {
3191
+ "epoch": 0.1,
3192
+ "grad_norm": 4.047266960144043,
3193
+ "learning_rate": 2.4000000000000003e-06,
3194
+ "loss": 1.1931,
3195
+ "step": 4460
3196
+ },
3197
+ {
3198
+ "epoch": 0.1,
3199
+ "grad_norm": 3.548870801925659,
3200
+ "learning_rate": 2.3555555555555555e-06,
3201
+ "loss": 1.1824,
3202
+ "step": 4470
3203
+ },
3204
+ {
3205
+ "epoch": 0.1,
3206
+ "grad_norm": 16.631263732910156,
3207
+ "learning_rate": 2.311111111111111e-06,
3208
+ "loss": 1.1621,
3209
+ "step": 4480
3210
+ },
3211
+ {
3212
+ "epoch": 0.1,
3213
+ "grad_norm": 9.393450736999512,
3214
+ "learning_rate": 2.266666666666667e-06,
3215
+ "loss": 1.3311,
3216
+ "step": 4490
3217
+ },
3218
+ {
3219
+ "epoch": 0.1,
3220
+ "grad_norm": 7.0840606689453125,
3221
+ "learning_rate": 2.222222222222222e-06,
3222
+ "loss": 1.3447,
3223
+ "step": 4500
3224
+ },
3225
+ {
3226
+ "epoch": 0.1,
3227
+ "eval_loss": 0.9995723962783813,
3228
+ "eval_runtime": 65.1224,
3229
+ "eval_samples_per_second": 15.356,
3230
+ "eval_steps_per_second": 15.356,
3231
+ "step": 4500
3232
+ },
3233
+ {
3234
+ "epoch": 0.1,
3235
+ "grad_norm": 9.921419143676758,
3236
+ "learning_rate": 2.1777777777777777e-06,
3237
+ "loss": 1.2144,
3238
+ "step": 4510
3239
+ },
3240
+ {
3241
+ "epoch": 0.1,
3242
+ "grad_norm": 8.261615753173828,
3243
+ "learning_rate": 2.133333333333334e-06,
3244
+ "loss": 1.2255,
3245
+ "step": 4520
3246
+ },
3247
+ {
3248
+ "epoch": 0.1,
3249
+ "grad_norm": 3.087822437286377,
3250
+ "learning_rate": 2.088888888888889e-06,
3251
+ "loss": 1.1464,
3252
+ "step": 4530
3253
+ },
3254
+ {
3255
+ "epoch": 0.11,
3256
+ "grad_norm": 20.276668548583984,
3257
+ "learning_rate": 2.0444444444444447e-06,
3258
+ "loss": 1.2321,
3259
+ "step": 4540
3260
+ },
3261
+ {
3262
+ "epoch": 0.11,
3263
+ "grad_norm": 7.488623142242432,
3264
+ "learning_rate": 2.0000000000000003e-06,
3265
+ "loss": 1.2478,
3266
+ "step": 4550
3267
+ },
3268
+ {
3269
+ "epoch": 0.11,
3270
+ "grad_norm": 2.2318296432495117,
3271
+ "learning_rate": 1.955555555555556e-06,
3272
+ "loss": 1.4305,
3273
+ "step": 4560
3274
+ },
3275
+ {
3276
+ "epoch": 0.11,
3277
+ "grad_norm": 11.536477088928223,
3278
+ "learning_rate": 1.9111111111111112e-06,
3279
+ "loss": 1.0238,
3280
+ "step": 4570
3281
+ },
3282
+ {
3283
+ "epoch": 0.11,
3284
+ "grad_norm": 1.857426404953003,
3285
+ "learning_rate": 1.8666666666666669e-06,
3286
+ "loss": 1.2273,
3287
+ "step": 4580
3288
+ },
3289
+ {
3290
+ "epoch": 0.11,
3291
+ "grad_norm": 1.6635667085647583,
3292
+ "learning_rate": 1.8222222222222225e-06,
3293
+ "loss": 1.198,
3294
+ "step": 4590
3295
+ },
3296
+ {
3297
+ "epoch": 0.11,
3298
+ "grad_norm": 4.333609580993652,
3299
+ "learning_rate": 1.777777777777778e-06,
3300
+ "loss": 1.1421,
3301
+ "step": 4600
3302
+ },
3303
+ {
3304
+ "epoch": 0.11,
3305
+ "grad_norm": 6.993131160736084,
3306
+ "learning_rate": 1.7333333333333336e-06,
3307
+ "loss": 1.1505,
3308
+ "step": 4610
3309
+ },
3310
+ {
3311
+ "epoch": 0.11,
3312
+ "grad_norm": 4.237625598907471,
3313
+ "learning_rate": 1.688888888888889e-06,
3314
+ "loss": 1.4104,
3315
+ "step": 4620
3316
+ },
3317
+ {
3318
+ "epoch": 0.11,
3319
+ "grad_norm": 5.80674934387207,
3320
+ "learning_rate": 1.6444444444444447e-06,
3321
+ "loss": 1.0918,
3322
+ "step": 4630
3323
+ },
3324
+ {
3325
+ "epoch": 0.11,
3326
+ "grad_norm": 6.054004192352295,
3327
+ "learning_rate": 1.6000000000000001e-06,
3328
+ "loss": 1.3412,
3329
+ "step": 4640
3330
+ },
3331
+ {
3332
+ "epoch": 0.11,
3333
+ "grad_norm": 6.350991249084473,
3334
+ "learning_rate": 1.5555555555555558e-06,
3335
+ "loss": 1.1105,
3336
+ "step": 4650
3337
+ },
3338
+ {
3339
+ "epoch": 0.11,
3340
+ "grad_norm": 6.041243553161621,
3341
+ "learning_rate": 1.5111111111111112e-06,
3342
+ "loss": 1.2751,
3343
+ "step": 4660
3344
+ },
3345
+ {
3346
+ "epoch": 0.11,
3347
+ "grad_norm": 7.483992099761963,
3348
+ "learning_rate": 1.4666666666666669e-06,
3349
+ "loss": 1.1675,
3350
+ "step": 4670
3351
+ },
3352
+ {
3353
+ "epoch": 0.11,
3354
+ "grad_norm": 8.198628425598145,
3355
+ "learning_rate": 1.4222222222222223e-06,
3356
+ "loss": 1.1993,
3357
+ "step": 4680
3358
+ },
3359
+ {
3360
+ "epoch": 0.11,
3361
+ "grad_norm": 5.772356986999512,
3362
+ "learning_rate": 1.377777777777778e-06,
3363
+ "loss": 1.1907,
3364
+ "step": 4690
3365
+ },
3366
+ {
3367
+ "epoch": 0.11,
3368
+ "grad_norm": 6.825565338134766,
3369
+ "learning_rate": 1.3333333333333334e-06,
3370
+ "loss": 1.1113,
3371
+ "step": 4700
3372
+ },
3373
+ {
3374
+ "epoch": 0.11,
3375
+ "grad_norm": 3.06347393989563,
3376
+ "learning_rate": 1.288888888888889e-06,
3377
+ "loss": 1.1817,
3378
+ "step": 4710
3379
+ },
3380
+ {
3381
+ "epoch": 0.11,
3382
+ "grad_norm": 7.100788593292236,
3383
+ "learning_rate": 1.2444444444444445e-06,
3384
+ "loss": 1.3448,
3385
+ "step": 4720
3386
+ },
3387
+ {
3388
+ "epoch": 0.11,
3389
+ "grad_norm": 3.9529707431793213,
3390
+ "learning_rate": 1.2000000000000002e-06,
3391
+ "loss": 1.2948,
3392
+ "step": 4730
3393
+ },
3394
+ {
3395
+ "epoch": 0.11,
3396
+ "grad_norm": 4.337234973907471,
3397
+ "learning_rate": 1.1555555555555556e-06,
3398
+ "loss": 0.9921,
3399
+ "step": 4740
3400
+ },
3401
+ {
3402
+ "epoch": 0.11,
3403
+ "grad_norm": 6.4825873374938965,
3404
+ "learning_rate": 1.111111111111111e-06,
3405
+ "loss": 1.2316,
3406
+ "step": 4750
3407
+ },
3408
+ {
3409
+ "epoch": 0.11,
3410
+ "grad_norm": 8.395873069763184,
3411
+ "learning_rate": 1.066666666666667e-06,
3412
+ "loss": 1.2188,
3413
+ "step": 4760
3414
+ },
3415
+ {
3416
+ "epoch": 0.11,
3417
+ "grad_norm": 2.28478741645813,
3418
+ "learning_rate": 1.0222222222222223e-06,
3419
+ "loss": 1.0703,
3420
+ "step": 4770
3421
+ },
3422
+ {
3423
+ "epoch": 0.11,
3424
+ "grad_norm": 6.055755138397217,
3425
+ "learning_rate": 9.77777777777778e-07,
3426
+ "loss": 1.3048,
3427
+ "step": 4780
3428
+ },
3429
+ {
3430
+ "epoch": 0.11,
3431
+ "grad_norm": 2.6458263397216797,
3432
+ "learning_rate": 9.333333333333334e-07,
3433
+ "loss": 1.1764,
3434
+ "step": 4790
3435
+ },
3436
+ {
3437
+ "epoch": 0.11,
3438
+ "grad_norm": 12.38650894165039,
3439
+ "learning_rate": 8.88888888888889e-07,
3440
+ "loss": 1.2719,
3441
+ "step": 4800
3442
+ },
3443
+ {
3444
+ "epoch": 0.11,
3445
+ "grad_norm": 9.287849426269531,
3446
+ "learning_rate": 8.444444444444445e-07,
3447
+ "loss": 1.1314,
3448
+ "step": 4810
3449
+ },
3450
+ {
3451
+ "epoch": 0.11,
3452
+ "grad_norm": 4.432318210601807,
3453
+ "learning_rate": 8.000000000000001e-07,
3454
+ "loss": 1.27,
3455
+ "step": 4820
3456
+ },
3457
+ {
3458
+ "epoch": 0.11,
3459
+ "grad_norm": 2.588698148727417,
3460
+ "learning_rate": 7.555555555555556e-07,
3461
+ "loss": 1.0277,
3462
+ "step": 4830
3463
+ },
3464
+ {
3465
+ "epoch": 0.11,
3466
+ "grad_norm": 7.6843485832214355,
3467
+ "learning_rate": 7.111111111111112e-07,
3468
+ "loss": 1.2485,
3469
+ "step": 4840
3470
+ },
3471
+ {
3472
+ "epoch": 0.11,
3473
+ "grad_norm": 4.22147798538208,
3474
+ "learning_rate": 6.666666666666667e-07,
3475
+ "loss": 1.0219,
3476
+ "step": 4850
3477
+ },
3478
+ {
3479
+ "epoch": 0.11,
3480
+ "grad_norm": 4.2098307609558105,
3481
+ "learning_rate": 6.222222222222223e-07,
3482
+ "loss": 1.179,
3483
+ "step": 4860
3484
+ },
3485
+ {
3486
+ "epoch": 0.11,
3487
+ "grad_norm": 4.659635066986084,
3488
+ "learning_rate": 5.777777777777778e-07,
3489
+ "loss": 1.1313,
3490
+ "step": 4870
3491
+ },
3492
+ {
3493
+ "epoch": 0.11,
3494
+ "grad_norm": 6.862882614135742,
3495
+ "learning_rate": 5.333333333333335e-07,
3496
+ "loss": 1.2761,
3497
+ "step": 4880
3498
+ },
3499
+ {
3500
+ "epoch": 0.11,
3501
+ "grad_norm": 4.300730228424072,
3502
+ "learning_rate": 4.88888888888889e-07,
3503
+ "loss": 1.1438,
3504
+ "step": 4890
3505
+ },
3506
+ {
3507
+ "epoch": 0.11,
3508
+ "grad_norm": 10.636454582214355,
3509
+ "learning_rate": 4.444444444444445e-07,
3510
+ "loss": 1.2384,
3511
+ "step": 4900
3512
+ },
3513
+ {
3514
+ "epoch": 0.11,
3515
+ "grad_norm": 11.280379295349121,
3516
+ "learning_rate": 4.0000000000000003e-07,
3517
+ "loss": 1.2694,
3518
+ "step": 4910
3519
+ },
3520
+ {
3521
+ "epoch": 0.11,
3522
+ "grad_norm": 4.412639617919922,
3523
+ "learning_rate": 3.555555555555556e-07,
3524
+ "loss": 1.0215,
3525
+ "step": 4920
3526
+ },
3527
+ {
3528
+ "epoch": 0.11,
3529
+ "grad_norm": 9.995430946350098,
3530
+ "learning_rate": 3.111111111111111e-07,
3531
+ "loss": 1.1871,
3532
+ "step": 4930
3533
+ },
3534
+ {
3535
+ "epoch": 0.11,
3536
+ "grad_norm": 10.227578163146973,
3537
+ "learning_rate": 2.666666666666667e-07,
3538
+ "loss": 1.1267,
3539
+ "step": 4940
3540
+ },
3541
+ {
3542
+ "epoch": 0.11,
3543
+ "grad_norm": 2.217855453491211,
3544
+ "learning_rate": 2.2222222222222224e-07,
3545
+ "loss": 1.2649,
3546
+ "step": 4950
3547
+ },
3548
+ {
3549
+ "epoch": 0.11,
3550
+ "grad_norm": 3.1986396312713623,
3551
+ "learning_rate": 1.777777777777778e-07,
3552
+ "loss": 1.3763,
3553
+ "step": 4960
3554
+ },
3555
+ {
3556
+ "epoch": 0.12,
3557
+ "grad_norm": 11.012550354003906,
3558
+ "learning_rate": 1.3333333333333336e-07,
3559
+ "loss": 1.1423,
3560
+ "step": 4970
3561
+ },
3562
+ {
3563
+ "epoch": 0.12,
3564
+ "grad_norm": 4.878932952880859,
3565
+ "learning_rate": 8.88888888888889e-08,
3566
+ "loss": 1.3089,
3567
+ "step": 4980
3568
+ },
3569
+ {
3570
+ "epoch": 0.12,
3571
+ "grad_norm": 4.804759979248047,
3572
+ "learning_rate": 4.444444444444445e-08,
3573
+ "loss": 1.2152,
3574
+ "step": 4990
3575
+ },
3576
+ {
3577
+ "epoch": 0.12,
3578
+ "grad_norm": 2.7362847328186035,
3579
+ "learning_rate": 0.0,
3580
+ "loss": 1.0462,
3581
+ "step": 5000
3582
+ },
3583
+ {
3584
+ "epoch": 0.12,
3585
+ "eval_loss": 0.9784959554672241,
3586
+ "eval_runtime": 65.4402,
3587
+ "eval_samples_per_second": 15.281,
3588
+ "eval_steps_per_second": 15.281,
3589
+ "step": 5000
3590
  }
3591
  ],
3592
  "logging_steps": 10,
 
3594
  "num_input_tokens_seen": 0,
3595
  "num_train_epochs": 1,
3596
  "save_steps": 2500,
3597
+ "total_flos": 8.051062996992e+16,
3598
  "train_batch_size": 1,
3599
  "trial_name": null,
3600
  "trial_params": null