jdannem6 commited on
Commit
0f373ea
1 Parent(s): 015da5f

Uploaded checkpoint-5000

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 +1793 -3
adapter_model.safetensors CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:1c75e352e85a2a0244d0c5b96b8d89eb93a63954476fe3e68d7e0f0f7741b411
3
  size 119975656
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:59a43a50cdfe5cec56a43e50865db5614e4234af0a5044af87ecea2eb6174b21
3
  size 119975656
optimizer.pt CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:dde7b955a7d88f53db302662547d205aa8225e08b9c6651a9e3a8868bbb2ec40
3
  size 240145026
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:b954c07030ca5f621b51b0e35175361ead8e8178f37d49b580a3f1ef92d97c55
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:af4fc59c67c352cae63c079b9681492ee5f0d6b4b95d053649ba31a9ffec9bc2
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": 0.019110437482595444,
3
  "best_model_checkpoint": "runs/deepseek_lora_20240422-151242/checkpoint-2500",
4
- "epoch": 0.7832693663350826,
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": 16.159,
1798
  "eval_steps_per_second": 16.159,
1799
  "step": 2500
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1800
  }
1801
  ],
1802
  "logging_steps": 10,
@@ -1804,7 +3594,7 @@
1804
  "num_input_tokens_seen": 0,
1805
  "num_train_epochs": 2,
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": 0.019110437482595444,
3
  "best_model_checkpoint": "runs/deepseek_lora_20240422-151242/checkpoint-2500",
4
+ "epoch": 1.5665387326701654,
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": 16.159,
1798
  "eval_steps_per_second": 16.159,
1799
  "step": 2500
1800
+ },
1801
+ {
1802
+ "epoch": 0.79,
1803
+ "grad_norm": 0.0033025951124727726,
1804
+ "learning_rate": 1.1066666666666669e-05,
1805
+ "loss": 0.081,
1806
+ "step": 2510
1807
+ },
1808
+ {
1809
+ "epoch": 0.79,
1810
+ "grad_norm": 0.0032579610124230385,
1811
+ "learning_rate": 1.1022222222222224e-05,
1812
+ "loss": 0.0207,
1813
+ "step": 2520
1814
+ },
1815
+ {
1816
+ "epoch": 0.79,
1817
+ "grad_norm": 1.838714838027954,
1818
+ "learning_rate": 1.0977777777777779e-05,
1819
+ "loss": 0.1599,
1820
+ "step": 2530
1821
+ },
1822
+ {
1823
+ "epoch": 0.8,
1824
+ "grad_norm": 0.0018555274000391364,
1825
+ "learning_rate": 1.0933333333333334e-05,
1826
+ "loss": 0.002,
1827
+ "step": 2540
1828
+ },
1829
+ {
1830
+ "epoch": 0.8,
1831
+ "grad_norm": 0.0020195182878524065,
1832
+ "learning_rate": 1.088888888888889e-05,
1833
+ "loss": 0.008,
1834
+ "step": 2550
1835
+ },
1836
+ {
1837
+ "epoch": 0.8,
1838
+ "grad_norm": 0.0014295022701844573,
1839
+ "learning_rate": 1.0844444444444446e-05,
1840
+ "loss": 0.0276,
1841
+ "step": 2560
1842
+ },
1843
+ {
1844
+ "epoch": 0.81,
1845
+ "grad_norm": 2.145263433456421,
1846
+ "learning_rate": 1.0800000000000002e-05,
1847
+ "loss": 0.0248,
1848
+ "step": 2570
1849
+ },
1850
+ {
1851
+ "epoch": 0.81,
1852
+ "grad_norm": 2.27980375289917,
1853
+ "learning_rate": 1.0755555555555557e-05,
1854
+ "loss": 0.0358,
1855
+ "step": 2580
1856
+ },
1857
+ {
1858
+ "epoch": 0.81,
1859
+ "grad_norm": 2.667983293533325,
1860
+ "learning_rate": 1.0711111111111112e-05,
1861
+ "loss": 0.0651,
1862
+ "step": 2590
1863
+ },
1864
+ {
1865
+ "epoch": 0.81,
1866
+ "grad_norm": 0.0018497890559956431,
1867
+ "learning_rate": 1.0666666666666667e-05,
1868
+ "loss": 0.0387,
1869
+ "step": 2600
1870
+ },
1871
+ {
1872
+ "epoch": 0.82,
1873
+ "grad_norm": 0.0013170776655897498,
1874
+ "learning_rate": 1.0622222222222223e-05,
1875
+ "loss": 0.0173,
1876
+ "step": 2610
1877
+ },
1878
+ {
1879
+ "epoch": 0.82,
1880
+ "grad_norm": 0.004894789308309555,
1881
+ "learning_rate": 1.0577777777777778e-05,
1882
+ "loss": 0.043,
1883
+ "step": 2620
1884
+ },
1885
+ {
1886
+ "epoch": 0.82,
1887
+ "grad_norm": 0.04001269116997719,
1888
+ "learning_rate": 1.0533333333333333e-05,
1889
+ "loss": 0.0926,
1890
+ "step": 2630
1891
+ },
1892
+ {
1893
+ "epoch": 0.83,
1894
+ "grad_norm": 0.0019531013676896691,
1895
+ "learning_rate": 1.048888888888889e-05,
1896
+ "loss": 0.0511,
1897
+ "step": 2640
1898
+ },
1899
+ {
1900
+ "epoch": 0.83,
1901
+ "grad_norm": 2.29565167427063,
1902
+ "learning_rate": 1.0444444444444445e-05,
1903
+ "loss": 0.0803,
1904
+ "step": 2650
1905
+ },
1906
+ {
1907
+ "epoch": 0.83,
1908
+ "grad_norm": 2.7071011066436768,
1909
+ "learning_rate": 1.04e-05,
1910
+ "loss": 0.0604,
1911
+ "step": 2660
1912
+ },
1913
+ {
1914
+ "epoch": 0.84,
1915
+ "grad_norm": 0.0376460887491703,
1916
+ "learning_rate": 1.0355555555555557e-05,
1917
+ "loss": 0.0155,
1918
+ "step": 2670
1919
+ },
1920
+ {
1921
+ "epoch": 0.84,
1922
+ "grad_norm": 0.001858079107478261,
1923
+ "learning_rate": 1.0311111111111113e-05,
1924
+ "loss": 0.0665,
1925
+ "step": 2680
1926
+ },
1927
+ {
1928
+ "epoch": 0.84,
1929
+ "grad_norm": 0.0015587485395371914,
1930
+ "learning_rate": 1.0266666666666668e-05,
1931
+ "loss": 0.0613,
1932
+ "step": 2690
1933
+ },
1934
+ {
1935
+ "epoch": 0.85,
1936
+ "grad_norm": 0.047985997051000595,
1937
+ "learning_rate": 1.0222222222222223e-05,
1938
+ "loss": 0.0032,
1939
+ "step": 2700
1940
+ },
1941
+ {
1942
+ "epoch": 0.85,
1943
+ "grad_norm": 2.2135114669799805,
1944
+ "learning_rate": 1.0177777777777778e-05,
1945
+ "loss": 0.0508,
1946
+ "step": 2710
1947
+ },
1948
+ {
1949
+ "epoch": 0.85,
1950
+ "grad_norm": 1.1044480800628662,
1951
+ "learning_rate": 1.0133333333333335e-05,
1952
+ "loss": 0.0333,
1953
+ "step": 2720
1954
+ },
1955
+ {
1956
+ "epoch": 0.86,
1957
+ "grad_norm": 0.047782231122255325,
1958
+ "learning_rate": 1.008888888888889e-05,
1959
+ "loss": 0.0256,
1960
+ "step": 2730
1961
+ },
1962
+ {
1963
+ "epoch": 0.86,
1964
+ "grad_norm": 0.0029533940833061934,
1965
+ "learning_rate": 1.0044444444444446e-05,
1966
+ "loss": 0.0107,
1967
+ "step": 2740
1968
+ },
1969
+ {
1970
+ "epoch": 0.86,
1971
+ "grad_norm": 0.003864617319777608,
1972
+ "learning_rate": 1e-05,
1973
+ "loss": 0.0508,
1974
+ "step": 2750
1975
+ },
1976
+ {
1977
+ "epoch": 0.86,
1978
+ "grad_norm": 0.006308398675173521,
1979
+ "learning_rate": 9.955555555555556e-06,
1980
+ "loss": 0.0599,
1981
+ "step": 2760
1982
+ },
1983
+ {
1984
+ "epoch": 0.87,
1985
+ "grad_norm": 0.0014458250952884555,
1986
+ "learning_rate": 9.911111111111113e-06,
1987
+ "loss": 0.0457,
1988
+ "step": 2770
1989
+ },
1990
+ {
1991
+ "epoch": 0.87,
1992
+ "grad_norm": 0.0018096743151545525,
1993
+ "learning_rate": 9.866666666666668e-06,
1994
+ "loss": 0.0773,
1995
+ "step": 2780
1996
+ },
1997
+ {
1998
+ "epoch": 0.87,
1999
+ "grad_norm": 0.002803443931043148,
2000
+ "learning_rate": 9.822222222222223e-06,
2001
+ "loss": 0.0229,
2002
+ "step": 2790
2003
+ },
2004
+ {
2005
+ "epoch": 0.88,
2006
+ "grad_norm": 0.0039856089279055595,
2007
+ "learning_rate": 9.777777777777779e-06,
2008
+ "loss": 0.0738,
2009
+ "step": 2800
2010
+ },
2011
+ {
2012
+ "epoch": 0.88,
2013
+ "grad_norm": 0.0016119845677167177,
2014
+ "learning_rate": 9.733333333333334e-06,
2015
+ "loss": 0.1069,
2016
+ "step": 2810
2017
+ },
2018
+ {
2019
+ "epoch": 0.88,
2020
+ "grad_norm": 0.044685885310173035,
2021
+ "learning_rate": 9.688888888888889e-06,
2022
+ "loss": 0.0718,
2023
+ "step": 2820
2024
+ },
2025
+ {
2026
+ "epoch": 0.89,
2027
+ "grad_norm": 0.5644834041595459,
2028
+ "learning_rate": 9.644444444444444e-06,
2029
+ "loss": 0.0539,
2030
+ "step": 2830
2031
+ },
2032
+ {
2033
+ "epoch": 0.89,
2034
+ "grad_norm": 0.6698065400123596,
2035
+ "learning_rate": 9.600000000000001e-06,
2036
+ "loss": 0.0671,
2037
+ "step": 2840
2038
+ },
2039
+ {
2040
+ "epoch": 0.89,
2041
+ "grad_norm": 0.009338573552668095,
2042
+ "learning_rate": 9.555555555555556e-06,
2043
+ "loss": 0.0238,
2044
+ "step": 2850
2045
+ },
2046
+ {
2047
+ "epoch": 0.9,
2048
+ "grad_norm": 0.002303204732015729,
2049
+ "learning_rate": 9.511111111111112e-06,
2050
+ "loss": 0.0531,
2051
+ "step": 2860
2052
+ },
2053
+ {
2054
+ "epoch": 0.9,
2055
+ "grad_norm": 0.004544748924672604,
2056
+ "learning_rate": 9.466666666666667e-06,
2057
+ "loss": 0.133,
2058
+ "step": 2870
2059
+ },
2060
+ {
2061
+ "epoch": 0.9,
2062
+ "grad_norm": 0.004034551791846752,
2063
+ "learning_rate": 9.422222222222222e-06,
2064
+ "loss": 0.0174,
2065
+ "step": 2880
2066
+ },
2067
+ {
2068
+ "epoch": 0.91,
2069
+ "grad_norm": 0.0032248455099761486,
2070
+ "learning_rate": 9.377777777777779e-06,
2071
+ "loss": 0.0571,
2072
+ "step": 2890
2073
+ },
2074
+ {
2075
+ "epoch": 0.91,
2076
+ "grad_norm": 0.2451166957616806,
2077
+ "learning_rate": 9.333333333333334e-06,
2078
+ "loss": 0.0304,
2079
+ "step": 2900
2080
+ },
2081
+ {
2082
+ "epoch": 0.91,
2083
+ "grad_norm": 0.001918753026984632,
2084
+ "learning_rate": 9.28888888888889e-06,
2085
+ "loss": 0.0826,
2086
+ "step": 2910
2087
+ },
2088
+ {
2089
+ "epoch": 0.91,
2090
+ "grad_norm": 0.0014626473421230912,
2091
+ "learning_rate": 9.244444444444445e-06,
2092
+ "loss": 0.0288,
2093
+ "step": 2920
2094
+ },
2095
+ {
2096
+ "epoch": 0.92,
2097
+ "grad_norm": 0.003409222001209855,
2098
+ "learning_rate": 9.200000000000002e-06,
2099
+ "loss": 0.041,
2100
+ "step": 2930
2101
+ },
2102
+ {
2103
+ "epoch": 0.92,
2104
+ "grad_norm": 0.002315065125003457,
2105
+ "learning_rate": 9.155555555555557e-06,
2106
+ "loss": 0.0322,
2107
+ "step": 2940
2108
+ },
2109
+ {
2110
+ "epoch": 0.92,
2111
+ "grad_norm": 0.002485796343535185,
2112
+ "learning_rate": 9.111111111111112e-06,
2113
+ "loss": 0.0132,
2114
+ "step": 2950
2115
+ },
2116
+ {
2117
+ "epoch": 0.93,
2118
+ "grad_norm": 0.0027836193330585957,
2119
+ "learning_rate": 9.066666666666667e-06,
2120
+ "loss": 0.0424,
2121
+ "step": 2960
2122
+ },
2123
+ {
2124
+ "epoch": 0.93,
2125
+ "grad_norm": 1.2203580141067505,
2126
+ "learning_rate": 9.022222222222223e-06,
2127
+ "loss": 0.0607,
2128
+ "step": 2970
2129
+ },
2130
+ {
2131
+ "epoch": 0.93,
2132
+ "grad_norm": 0.0014286149526014924,
2133
+ "learning_rate": 8.977777777777778e-06,
2134
+ "loss": 0.0082,
2135
+ "step": 2980
2136
+ },
2137
+ {
2138
+ "epoch": 0.94,
2139
+ "grad_norm": 0.0011963992146775126,
2140
+ "learning_rate": 8.933333333333333e-06,
2141
+ "loss": 0.0447,
2142
+ "step": 2990
2143
+ },
2144
+ {
2145
+ "epoch": 0.94,
2146
+ "grad_norm": 0.0012861526338383555,
2147
+ "learning_rate": 8.888888888888888e-06,
2148
+ "loss": 0.0394,
2149
+ "step": 3000
2150
+ },
2151
+ {
2152
+ "epoch": 0.94,
2153
+ "eval_loss": 0.021464653313159943,
2154
+ "eval_runtime": 62.0041,
2155
+ "eval_samples_per_second": 16.128,
2156
+ "eval_steps_per_second": 16.128,
2157
+ "step": 3000
2158
+ },
2159
+ {
2160
+ "epoch": 0.94,
2161
+ "grad_norm": 2.6348252296447754,
2162
+ "learning_rate": 8.844444444444445e-06,
2163
+ "loss": 0.1294,
2164
+ "step": 3010
2165
+ },
2166
+ {
2167
+ "epoch": 0.95,
2168
+ "grad_norm": 0.0012073700781911612,
2169
+ "learning_rate": 8.8e-06,
2170
+ "loss": 0.0304,
2171
+ "step": 3020
2172
+ },
2173
+ {
2174
+ "epoch": 0.95,
2175
+ "grad_norm": 0.003195586148649454,
2176
+ "learning_rate": 8.755555555555556e-06,
2177
+ "loss": 0.0161,
2178
+ "step": 3030
2179
+ },
2180
+ {
2181
+ "epoch": 0.95,
2182
+ "grad_norm": 1.9521057605743408,
2183
+ "learning_rate": 8.711111111111111e-06,
2184
+ "loss": 0.1185,
2185
+ "step": 3040
2186
+ },
2187
+ {
2188
+ "epoch": 0.96,
2189
+ "grad_norm": 0.035520199686288834,
2190
+ "learning_rate": 8.666666666666668e-06,
2191
+ "loss": 0.0357,
2192
+ "step": 3050
2193
+ },
2194
+ {
2195
+ "epoch": 0.96,
2196
+ "grad_norm": 0.0031184712424874306,
2197
+ "learning_rate": 8.622222222222223e-06,
2198
+ "loss": 0.0505,
2199
+ "step": 3060
2200
+ },
2201
+ {
2202
+ "epoch": 0.96,
2203
+ "grad_norm": 1.8742607831954956,
2204
+ "learning_rate": 8.577777777777778e-06,
2205
+ "loss": 0.0607,
2206
+ "step": 3070
2207
+ },
2208
+ {
2209
+ "epoch": 0.96,
2210
+ "grad_norm": 0.001605386845767498,
2211
+ "learning_rate": 8.533333333333335e-06,
2212
+ "loss": 0.048,
2213
+ "step": 3080
2214
+ },
2215
+ {
2216
+ "epoch": 0.97,
2217
+ "grad_norm": 2.8198726177215576,
2218
+ "learning_rate": 8.48888888888889e-06,
2219
+ "loss": 0.029,
2220
+ "step": 3090
2221
+ },
2222
+ {
2223
+ "epoch": 0.97,
2224
+ "grad_norm": 0.0011747152311727405,
2225
+ "learning_rate": 8.444444444444446e-06,
2226
+ "loss": 0.0745,
2227
+ "step": 3100
2228
+ },
2229
+ {
2230
+ "epoch": 0.97,
2231
+ "grad_norm": 0.0037345418240875006,
2232
+ "learning_rate": 8.400000000000001e-06,
2233
+ "loss": 0.1246,
2234
+ "step": 3110
2235
+ },
2236
+ {
2237
+ "epoch": 0.98,
2238
+ "grad_norm": 0.03968101739883423,
2239
+ "learning_rate": 8.355555555555556e-06,
2240
+ "loss": 0.028,
2241
+ "step": 3120
2242
+ },
2243
+ {
2244
+ "epoch": 0.98,
2245
+ "grad_norm": 0.0017666455823928118,
2246
+ "learning_rate": 8.311111111111111e-06,
2247
+ "loss": 0.0398,
2248
+ "step": 3130
2249
+ },
2250
+ {
2251
+ "epoch": 0.98,
2252
+ "grad_norm": 0.0016725193709135056,
2253
+ "learning_rate": 8.266666666666667e-06,
2254
+ "loss": 0.0874,
2255
+ "step": 3140
2256
+ },
2257
+ {
2258
+ "epoch": 0.99,
2259
+ "grad_norm": 3.0152335166931152,
2260
+ "learning_rate": 8.222222222222222e-06,
2261
+ "loss": 0.0233,
2262
+ "step": 3150
2263
+ },
2264
+ {
2265
+ "epoch": 0.99,
2266
+ "grad_norm": 0.003967667929828167,
2267
+ "learning_rate": 8.177777777777779e-06,
2268
+ "loss": 0.0322,
2269
+ "step": 3160
2270
+ },
2271
+ {
2272
+ "epoch": 0.99,
2273
+ "grad_norm": 0.0012324820272624493,
2274
+ "learning_rate": 8.133333333333334e-06,
2275
+ "loss": 0.01,
2276
+ "step": 3170
2277
+ },
2278
+ {
2279
+ "epoch": 1.0,
2280
+ "grad_norm": 0.001890141749754548,
2281
+ "learning_rate": 8.08888888888889e-06,
2282
+ "loss": 0.0617,
2283
+ "step": 3180
2284
+ },
2285
+ {
2286
+ "epoch": 1.0,
2287
+ "grad_norm": 0.0017083596903830767,
2288
+ "learning_rate": 8.044444444444444e-06,
2289
+ "loss": 0.031,
2290
+ "step": 3190
2291
+ },
2292
+ {
2293
+ "epoch": 1.0,
2294
+ "grad_norm": 1.1974055767059326,
2295
+ "learning_rate": 8.000000000000001e-06,
2296
+ "loss": 0.0136,
2297
+ "step": 3200
2298
+ },
2299
+ {
2300
+ "epoch": 1.01,
2301
+ "grad_norm": 1.8210293054580688,
2302
+ "learning_rate": 7.955555555555557e-06,
2303
+ "loss": 0.0174,
2304
+ "step": 3210
2305
+ },
2306
+ {
2307
+ "epoch": 1.01,
2308
+ "grad_norm": 3.1489944458007812,
2309
+ "learning_rate": 7.911111111111112e-06,
2310
+ "loss": 0.0776,
2311
+ "step": 3220
2312
+ },
2313
+ {
2314
+ "epoch": 1.01,
2315
+ "grad_norm": 0.0014464000705629587,
2316
+ "learning_rate": 7.866666666666667e-06,
2317
+ "loss": 0.0164,
2318
+ "step": 3230
2319
+ },
2320
+ {
2321
+ "epoch": 1.02,
2322
+ "grad_norm": 0.5747243762016296,
2323
+ "learning_rate": 7.822222222222224e-06,
2324
+ "loss": 0.0093,
2325
+ "step": 3240
2326
+ },
2327
+ {
2328
+ "epoch": 1.02,
2329
+ "grad_norm": 0.009251836687326431,
2330
+ "learning_rate": 7.77777777777778e-06,
2331
+ "loss": 0.0171,
2332
+ "step": 3250
2333
+ },
2334
+ {
2335
+ "epoch": 1.02,
2336
+ "grad_norm": 0.2069794237613678,
2337
+ "learning_rate": 7.733333333333334e-06,
2338
+ "loss": 0.0301,
2339
+ "step": 3260
2340
+ },
2341
+ {
2342
+ "epoch": 1.02,
2343
+ "grad_norm": 2.251051664352417,
2344
+ "learning_rate": 7.68888888888889e-06,
2345
+ "loss": 0.0707,
2346
+ "step": 3270
2347
+ },
2348
+ {
2349
+ "epoch": 1.03,
2350
+ "grad_norm": 0.0010599648812785745,
2351
+ "learning_rate": 7.644444444444445e-06,
2352
+ "loss": 0.0053,
2353
+ "step": 3280
2354
+ },
2355
+ {
2356
+ "epoch": 1.03,
2357
+ "grad_norm": 0.0016899543115869164,
2358
+ "learning_rate": 7.600000000000001e-06,
2359
+ "loss": 0.0006,
2360
+ "step": 3290
2361
+ },
2362
+ {
2363
+ "epoch": 1.03,
2364
+ "grad_norm": 0.003940447699278593,
2365
+ "learning_rate": 7.555555555555556e-06,
2366
+ "loss": 0.014,
2367
+ "step": 3300
2368
+ },
2369
+ {
2370
+ "epoch": 1.04,
2371
+ "grad_norm": 0.7399486899375916,
2372
+ "learning_rate": 7.511111111111111e-06,
2373
+ "loss": 0.0309,
2374
+ "step": 3310
2375
+ },
2376
+ {
2377
+ "epoch": 1.04,
2378
+ "grad_norm": 0.0006520531023852527,
2379
+ "learning_rate": 7.4666666666666675e-06,
2380
+ "loss": 0.0218,
2381
+ "step": 3320
2382
+ },
2383
+ {
2384
+ "epoch": 1.04,
2385
+ "grad_norm": 2.1491100788116455,
2386
+ "learning_rate": 7.422222222222223e-06,
2387
+ "loss": 0.1215,
2388
+ "step": 3330
2389
+ },
2390
+ {
2391
+ "epoch": 1.05,
2392
+ "grad_norm": 3.6713123321533203,
2393
+ "learning_rate": 7.377777777777778e-06,
2394
+ "loss": 0.0429,
2395
+ "step": 3340
2396
+ },
2397
+ {
2398
+ "epoch": 1.05,
2399
+ "grad_norm": 0.03133914992213249,
2400
+ "learning_rate": 7.333333333333333e-06,
2401
+ "loss": 0.027,
2402
+ "step": 3350
2403
+ },
2404
+ {
2405
+ "epoch": 1.05,
2406
+ "grad_norm": 0.002692360896617174,
2407
+ "learning_rate": 7.28888888888889e-06,
2408
+ "loss": 0.0216,
2409
+ "step": 3360
2410
+ },
2411
+ {
2412
+ "epoch": 1.06,
2413
+ "grad_norm": 0.0034821536391973495,
2414
+ "learning_rate": 7.244444444444445e-06,
2415
+ "loss": 0.043,
2416
+ "step": 3370
2417
+ },
2418
+ {
2419
+ "epoch": 1.06,
2420
+ "grad_norm": 0.00455117505043745,
2421
+ "learning_rate": 7.2000000000000005e-06,
2422
+ "loss": 0.0688,
2423
+ "step": 3380
2424
+ },
2425
+ {
2426
+ "epoch": 1.06,
2427
+ "grad_norm": 3.5100715160369873,
2428
+ "learning_rate": 7.155555555555556e-06,
2429
+ "loss": 0.0136,
2430
+ "step": 3390
2431
+ },
2432
+ {
2433
+ "epoch": 1.07,
2434
+ "grad_norm": 0.0031513776630163193,
2435
+ "learning_rate": 7.111111111111112e-06,
2436
+ "loss": 0.0155,
2437
+ "step": 3400
2438
+ },
2439
+ {
2440
+ "epoch": 1.07,
2441
+ "grad_norm": 1.3787556886672974,
2442
+ "learning_rate": 7.066666666666667e-06,
2443
+ "loss": 0.0254,
2444
+ "step": 3410
2445
+ },
2446
+ {
2447
+ "epoch": 1.07,
2448
+ "grad_norm": 0.000773483538068831,
2449
+ "learning_rate": 7.022222222222222e-06,
2450
+ "loss": 0.0031,
2451
+ "step": 3420
2452
+ },
2453
+ {
2454
+ "epoch": 1.07,
2455
+ "grad_norm": 0.0014327614335343242,
2456
+ "learning_rate": 6.977777777777779e-06,
2457
+ "loss": 0.0376,
2458
+ "step": 3430
2459
+ },
2460
+ {
2461
+ "epoch": 1.08,
2462
+ "grad_norm": 0.0031394639518111944,
2463
+ "learning_rate": 6.9333333333333344e-06,
2464
+ "loss": 0.0596,
2465
+ "step": 3440
2466
+ },
2467
+ {
2468
+ "epoch": 1.08,
2469
+ "grad_norm": 0.0024705962277948856,
2470
+ "learning_rate": 6.88888888888889e-06,
2471
+ "loss": 0.0095,
2472
+ "step": 3450
2473
+ },
2474
+ {
2475
+ "epoch": 1.08,
2476
+ "grad_norm": 0.0005248151137493551,
2477
+ "learning_rate": 6.844444444444445e-06,
2478
+ "loss": 0.0199,
2479
+ "step": 3460
2480
+ },
2481
+ {
2482
+ "epoch": 1.09,
2483
+ "grad_norm": 0.49637269973754883,
2484
+ "learning_rate": 6.800000000000001e-06,
2485
+ "loss": 0.0154,
2486
+ "step": 3470
2487
+ },
2488
+ {
2489
+ "epoch": 1.09,
2490
+ "grad_norm": 1.3430148363113403,
2491
+ "learning_rate": 6.755555555555556e-06,
2492
+ "loss": 0.0395,
2493
+ "step": 3480
2494
+ },
2495
+ {
2496
+ "epoch": 1.09,
2497
+ "grad_norm": 1.885108232498169,
2498
+ "learning_rate": 6.711111111111111e-06,
2499
+ "loss": 0.0472,
2500
+ "step": 3490
2501
+ },
2502
+ {
2503
+ "epoch": 1.1,
2504
+ "grad_norm": 0.0007279856945388019,
2505
+ "learning_rate": 6.666666666666667e-06,
2506
+ "loss": 0.0369,
2507
+ "step": 3500
2508
+ },
2509
+ {
2510
+ "epoch": 1.1,
2511
+ "eval_loss": 0.022176509723067284,
2512
+ "eval_runtime": 61.8847,
2513
+ "eval_samples_per_second": 16.159,
2514
+ "eval_steps_per_second": 16.159,
2515
+ "step": 3500
2516
+ },
2517
+ {
2518
+ "epoch": 1.1,
2519
+ "grad_norm": 0.003986152354627848,
2520
+ "learning_rate": 6.6222222222222236e-06,
2521
+ "loss": 0.0583,
2522
+ "step": 3510
2523
+ },
2524
+ {
2525
+ "epoch": 1.1,
2526
+ "grad_norm": 0.0014766375534236431,
2527
+ "learning_rate": 6.577777777777779e-06,
2528
+ "loss": 0.0153,
2529
+ "step": 3520
2530
+ },
2531
+ {
2532
+ "epoch": 1.11,
2533
+ "grad_norm": 0.791298508644104,
2534
+ "learning_rate": 6.533333333333334e-06,
2535
+ "loss": 0.0508,
2536
+ "step": 3530
2537
+ },
2538
+ {
2539
+ "epoch": 1.11,
2540
+ "grad_norm": 0.02302105911076069,
2541
+ "learning_rate": 6.488888888888889e-06,
2542
+ "loss": 0.0275,
2543
+ "step": 3540
2544
+ },
2545
+ {
2546
+ "epoch": 1.11,
2547
+ "grad_norm": 0.00240346509963274,
2548
+ "learning_rate": 6.444444444444445e-06,
2549
+ "loss": 0.0062,
2550
+ "step": 3550
2551
+ },
2552
+ {
2553
+ "epoch": 1.12,
2554
+ "grad_norm": 0.0011688686208799481,
2555
+ "learning_rate": 6.4000000000000006e-06,
2556
+ "loss": 0.0458,
2557
+ "step": 3560
2558
+ },
2559
+ {
2560
+ "epoch": 1.12,
2561
+ "grad_norm": 0.0007077022455632687,
2562
+ "learning_rate": 6.355555555555556e-06,
2563
+ "loss": 0.0274,
2564
+ "step": 3570
2565
+ },
2566
+ {
2567
+ "epoch": 1.12,
2568
+ "grad_norm": 0.0014391880249604583,
2569
+ "learning_rate": 6.311111111111111e-06,
2570
+ "loss": 0.0178,
2571
+ "step": 3580
2572
+ },
2573
+ {
2574
+ "epoch": 1.12,
2575
+ "grad_norm": 0.002971325535327196,
2576
+ "learning_rate": 6.266666666666668e-06,
2577
+ "loss": 0.0099,
2578
+ "step": 3590
2579
+ },
2580
+ {
2581
+ "epoch": 1.13,
2582
+ "grad_norm": 1.5885258913040161,
2583
+ "learning_rate": 6.222222222222223e-06,
2584
+ "loss": 0.0277,
2585
+ "step": 3600
2586
+ },
2587
+ {
2588
+ "epoch": 1.13,
2589
+ "grad_norm": 0.0023686839267611504,
2590
+ "learning_rate": 6.177777777777778e-06,
2591
+ "loss": 0.0001,
2592
+ "step": 3610
2593
+ },
2594
+ {
2595
+ "epoch": 1.13,
2596
+ "grad_norm": 0.0018330584280192852,
2597
+ "learning_rate": 6.133333333333334e-06,
2598
+ "loss": 0.034,
2599
+ "step": 3620
2600
+ },
2601
+ {
2602
+ "epoch": 1.14,
2603
+ "grad_norm": 0.5174291133880615,
2604
+ "learning_rate": 6.08888888888889e-06,
2605
+ "loss": 0.0095,
2606
+ "step": 3630
2607
+ },
2608
+ {
2609
+ "epoch": 1.14,
2610
+ "grad_norm": 0.6314389705657959,
2611
+ "learning_rate": 6.044444444444445e-06,
2612
+ "loss": 0.035,
2613
+ "step": 3640
2614
+ },
2615
+ {
2616
+ "epoch": 1.14,
2617
+ "grad_norm": 4.273723125457764,
2618
+ "learning_rate": 6e-06,
2619
+ "loss": 0.0332,
2620
+ "step": 3650
2621
+ },
2622
+ {
2623
+ "epoch": 1.15,
2624
+ "grad_norm": 1.590868592262268,
2625
+ "learning_rate": 5.955555555555555e-06,
2626
+ "loss": 0.0398,
2627
+ "step": 3660
2628
+ },
2629
+ {
2630
+ "epoch": 1.15,
2631
+ "grad_norm": 1.3291077613830566,
2632
+ "learning_rate": 5.911111111111112e-06,
2633
+ "loss": 0.0306,
2634
+ "step": 3670
2635
+ },
2636
+ {
2637
+ "epoch": 1.15,
2638
+ "grad_norm": 0.0011222765315324068,
2639
+ "learning_rate": 5.8666666666666675e-06,
2640
+ "loss": 0.0194,
2641
+ "step": 3680
2642
+ },
2643
+ {
2644
+ "epoch": 1.16,
2645
+ "grad_norm": 1.7731515169143677,
2646
+ "learning_rate": 5.822222222222223e-06,
2647
+ "loss": 0.0747,
2648
+ "step": 3690
2649
+ },
2650
+ {
2651
+ "epoch": 1.16,
2652
+ "grad_norm": 3.05898380279541,
2653
+ "learning_rate": 5.777777777777778e-06,
2654
+ "loss": 0.0239,
2655
+ "step": 3700
2656
+ },
2657
+ {
2658
+ "epoch": 1.16,
2659
+ "grad_norm": 0.0017392480513080955,
2660
+ "learning_rate": 5.733333333333334e-06,
2661
+ "loss": 0.0415,
2662
+ "step": 3710
2663
+ },
2664
+ {
2665
+ "epoch": 1.17,
2666
+ "grad_norm": 0.03126866742968559,
2667
+ "learning_rate": 5.688888888888889e-06,
2668
+ "loss": 0.0814,
2669
+ "step": 3720
2670
+ },
2671
+ {
2672
+ "epoch": 1.17,
2673
+ "grad_norm": 0.0008881581015884876,
2674
+ "learning_rate": 5.6444444444444445e-06,
2675
+ "loss": 0.0211,
2676
+ "step": 3730
2677
+ },
2678
+ {
2679
+ "epoch": 1.17,
2680
+ "grad_norm": 0.0007252222276292741,
2681
+ "learning_rate": 5.600000000000001e-06,
2682
+ "loss": 0.0441,
2683
+ "step": 3740
2684
+ },
2685
+ {
2686
+ "epoch": 1.17,
2687
+ "grad_norm": 0.002276132581755519,
2688
+ "learning_rate": 5.555555555555557e-06,
2689
+ "loss": 0.0433,
2690
+ "step": 3750
2691
+ },
2692
+ {
2693
+ "epoch": 1.18,
2694
+ "grad_norm": 0.0014605377800762653,
2695
+ "learning_rate": 5.511111111111112e-06,
2696
+ "loss": 0.0204,
2697
+ "step": 3760
2698
+ },
2699
+ {
2700
+ "epoch": 1.18,
2701
+ "grad_norm": 0.0017992451321333647,
2702
+ "learning_rate": 5.466666666666667e-06,
2703
+ "loss": 0.0992,
2704
+ "step": 3770
2705
+ },
2706
+ {
2707
+ "epoch": 1.18,
2708
+ "grad_norm": 0.0018204891821369529,
2709
+ "learning_rate": 5.422222222222223e-06,
2710
+ "loss": 0.0132,
2711
+ "step": 3780
2712
+ },
2713
+ {
2714
+ "epoch": 1.19,
2715
+ "grad_norm": 0.16287018358707428,
2716
+ "learning_rate": 5.3777777777777784e-06,
2717
+ "loss": 0.0291,
2718
+ "step": 3790
2719
+ },
2720
+ {
2721
+ "epoch": 1.19,
2722
+ "grad_norm": 0.21604575216770172,
2723
+ "learning_rate": 5.333333333333334e-06,
2724
+ "loss": 0.0158,
2725
+ "step": 3800
2726
+ },
2727
+ {
2728
+ "epoch": 1.19,
2729
+ "grad_norm": 0.0013267812319099903,
2730
+ "learning_rate": 5.288888888888889e-06,
2731
+ "loss": 0.0053,
2732
+ "step": 3810
2733
+ },
2734
+ {
2735
+ "epoch": 1.2,
2736
+ "grad_norm": 0.0006841329741291702,
2737
+ "learning_rate": 5.244444444444445e-06,
2738
+ "loss": 0.0212,
2739
+ "step": 3820
2740
+ },
2741
+ {
2742
+ "epoch": 1.2,
2743
+ "grad_norm": 0.19196736812591553,
2744
+ "learning_rate": 5.2e-06,
2745
+ "loss": 0.0206,
2746
+ "step": 3830
2747
+ },
2748
+ {
2749
+ "epoch": 1.2,
2750
+ "grad_norm": 0.001533058239147067,
2751
+ "learning_rate": 5.155555555555556e-06,
2752
+ "loss": 0.0338,
2753
+ "step": 3840
2754
+ },
2755
+ {
2756
+ "epoch": 1.21,
2757
+ "grad_norm": 0.001141805900260806,
2758
+ "learning_rate": 5.1111111111111115e-06,
2759
+ "loss": 0.0006,
2760
+ "step": 3850
2761
+ },
2762
+ {
2763
+ "epoch": 1.21,
2764
+ "grad_norm": 1.453786849975586,
2765
+ "learning_rate": 5.0666666666666676e-06,
2766
+ "loss": 0.0449,
2767
+ "step": 3860
2768
+ },
2769
+ {
2770
+ "epoch": 1.21,
2771
+ "grad_norm": 0.0016863587079569697,
2772
+ "learning_rate": 5.022222222222223e-06,
2773
+ "loss": 0.0379,
2774
+ "step": 3870
2775
+ },
2776
+ {
2777
+ "epoch": 1.22,
2778
+ "grad_norm": 0.0005151178920641541,
2779
+ "learning_rate": 4.977777777777778e-06,
2780
+ "loss": 0.0318,
2781
+ "step": 3880
2782
+ },
2783
+ {
2784
+ "epoch": 1.22,
2785
+ "grad_norm": 2.0469911098480225,
2786
+ "learning_rate": 4.933333333333334e-06,
2787
+ "loss": 0.0185,
2788
+ "step": 3890
2789
+ },
2790
+ {
2791
+ "epoch": 1.22,
2792
+ "grad_norm": 0.7001366019248962,
2793
+ "learning_rate": 4.888888888888889e-06,
2794
+ "loss": 0.0566,
2795
+ "step": 3900
2796
+ },
2797
+ {
2798
+ "epoch": 1.23,
2799
+ "grad_norm": 0.0007412733975797892,
2800
+ "learning_rate": 4.8444444444444446e-06,
2801
+ "loss": 0.0003,
2802
+ "step": 3910
2803
+ },
2804
+ {
2805
+ "epoch": 1.23,
2806
+ "grad_norm": 0.0008465189021080732,
2807
+ "learning_rate": 4.800000000000001e-06,
2808
+ "loss": 0.0493,
2809
+ "step": 3920
2810
+ },
2811
+ {
2812
+ "epoch": 1.23,
2813
+ "grad_norm": 2.3275091648101807,
2814
+ "learning_rate": 4.755555555555556e-06,
2815
+ "loss": 0.0109,
2816
+ "step": 3930
2817
+ },
2818
+ {
2819
+ "epoch": 1.23,
2820
+ "grad_norm": 0.0014587095938622952,
2821
+ "learning_rate": 4.711111111111111e-06,
2822
+ "loss": 0.0,
2823
+ "step": 3940
2824
+ },
2825
+ {
2826
+ "epoch": 1.24,
2827
+ "grad_norm": 0.0013576536439359188,
2828
+ "learning_rate": 4.666666666666667e-06,
2829
+ "loss": 0.0255,
2830
+ "step": 3950
2831
+ },
2832
+ {
2833
+ "epoch": 1.24,
2834
+ "grad_norm": 0.008543136529624462,
2835
+ "learning_rate": 4.622222222222222e-06,
2836
+ "loss": 0.0352,
2837
+ "step": 3960
2838
+ },
2839
+ {
2840
+ "epoch": 1.24,
2841
+ "grad_norm": 0.0009798618266358972,
2842
+ "learning_rate": 4.5777777777777785e-06,
2843
+ "loss": 0.0556,
2844
+ "step": 3970
2845
+ },
2846
+ {
2847
+ "epoch": 1.25,
2848
+ "grad_norm": 0.0005635471316054463,
2849
+ "learning_rate": 4.533333333333334e-06,
2850
+ "loss": 0.0325,
2851
+ "step": 3980
2852
+ },
2853
+ {
2854
+ "epoch": 1.25,
2855
+ "grad_norm": 0.8276817202568054,
2856
+ "learning_rate": 4.488888888888889e-06,
2857
+ "loss": 0.0129,
2858
+ "step": 3990
2859
+ },
2860
+ {
2861
+ "epoch": 1.25,
2862
+ "grad_norm": 0.013259605504572392,
2863
+ "learning_rate": 4.444444444444444e-06,
2864
+ "loss": 0.0193,
2865
+ "step": 4000
2866
+ },
2867
+ {
2868
+ "epoch": 1.25,
2869
+ "eval_loss": 0.022383807227015495,
2870
+ "eval_runtime": 61.879,
2871
+ "eval_samples_per_second": 16.161,
2872
+ "eval_steps_per_second": 16.161,
2873
+ "step": 4000
2874
+ },
2875
+ {
2876
+ "epoch": 1.26,
2877
+ "grad_norm": 0.0017350054113194346,
2878
+ "learning_rate": 4.4e-06,
2879
+ "loss": 0.0464,
2880
+ "step": 4010
2881
+ },
2882
+ {
2883
+ "epoch": 1.26,
2884
+ "grad_norm": 0.8484432697296143,
2885
+ "learning_rate": 4.3555555555555555e-06,
2886
+ "loss": 0.0215,
2887
+ "step": 4020
2888
+ },
2889
+ {
2890
+ "epoch": 1.26,
2891
+ "grad_norm": 8.376138687133789,
2892
+ "learning_rate": 4.3111111111111115e-06,
2893
+ "loss": 0.0781,
2894
+ "step": 4030
2895
+ },
2896
+ {
2897
+ "epoch": 1.27,
2898
+ "grad_norm": 0.0006440070574171841,
2899
+ "learning_rate": 4.266666666666668e-06,
2900
+ "loss": 0.01,
2901
+ "step": 4040
2902
+ },
2903
+ {
2904
+ "epoch": 1.27,
2905
+ "grad_norm": 0.001261880504898727,
2906
+ "learning_rate": 4.222222222222223e-06,
2907
+ "loss": 0.1061,
2908
+ "step": 4050
2909
+ },
2910
+ {
2911
+ "epoch": 1.27,
2912
+ "grad_norm": 0.9878569841384888,
2913
+ "learning_rate": 4.177777777777778e-06,
2914
+ "loss": 0.0254,
2915
+ "step": 4060
2916
+ },
2917
+ {
2918
+ "epoch": 1.28,
2919
+ "grad_norm": 0.05665569379925728,
2920
+ "learning_rate": 4.133333333333333e-06,
2921
+ "loss": 0.0044,
2922
+ "step": 4070
2923
+ },
2924
+ {
2925
+ "epoch": 1.28,
2926
+ "grad_norm": 0.6482369303703308,
2927
+ "learning_rate": 4.088888888888889e-06,
2928
+ "loss": 0.0259,
2929
+ "step": 4080
2930
+ },
2931
+ {
2932
+ "epoch": 1.28,
2933
+ "grad_norm": 0.0012170624686405063,
2934
+ "learning_rate": 4.044444444444445e-06,
2935
+ "loss": 0.0438,
2936
+ "step": 4090
2937
+ },
2938
+ {
2939
+ "epoch": 1.28,
2940
+ "grad_norm": 0.062455616891384125,
2941
+ "learning_rate": 4.000000000000001e-06,
2942
+ "loss": 0.0284,
2943
+ "step": 4100
2944
+ },
2945
+ {
2946
+ "epoch": 1.29,
2947
+ "grad_norm": 0.0014791043940931559,
2948
+ "learning_rate": 3.955555555555556e-06,
2949
+ "loss": 0.0212,
2950
+ "step": 4110
2951
+ },
2952
+ {
2953
+ "epoch": 1.29,
2954
+ "grad_norm": 3.445824384689331,
2955
+ "learning_rate": 3.911111111111112e-06,
2956
+ "loss": 0.0511,
2957
+ "step": 4120
2958
+ },
2959
+ {
2960
+ "epoch": 1.29,
2961
+ "grad_norm": 3.981981039047241,
2962
+ "learning_rate": 3.866666666666667e-06,
2963
+ "loss": 0.0482,
2964
+ "step": 4130
2965
+ },
2966
+ {
2967
+ "epoch": 1.3,
2968
+ "grad_norm": 0.04528600350022316,
2969
+ "learning_rate": 3.8222222222222224e-06,
2970
+ "loss": 0.0224,
2971
+ "step": 4140
2972
+ },
2973
+ {
2974
+ "epoch": 1.3,
2975
+ "grad_norm": 0.0005888556479476392,
2976
+ "learning_rate": 3.777777777777778e-06,
2977
+ "loss": 0.0517,
2978
+ "step": 4150
2979
+ },
2980
+ {
2981
+ "epoch": 1.3,
2982
+ "grad_norm": 2.5039355754852295,
2983
+ "learning_rate": 3.7333333333333337e-06,
2984
+ "loss": 0.037,
2985
+ "step": 4160
2986
+ },
2987
+ {
2988
+ "epoch": 1.31,
2989
+ "grad_norm": 2.8256263732910156,
2990
+ "learning_rate": 3.688888888888889e-06,
2991
+ "loss": 0.0261,
2992
+ "step": 4170
2993
+ },
2994
+ {
2995
+ "epoch": 1.31,
2996
+ "grad_norm": 0.0010332756210118532,
2997
+ "learning_rate": 3.644444444444445e-06,
2998
+ "loss": 0.0269,
2999
+ "step": 4180
3000
+ },
3001
+ {
3002
+ "epoch": 1.31,
3003
+ "grad_norm": 0.0005628996295854449,
3004
+ "learning_rate": 3.6000000000000003e-06,
3005
+ "loss": 0.0053,
3006
+ "step": 4190
3007
+ },
3008
+ {
3009
+ "epoch": 1.32,
3010
+ "grad_norm": 0.0006191189750097692,
3011
+ "learning_rate": 3.555555555555556e-06,
3012
+ "loss": 0.0056,
3013
+ "step": 4200
3014
+ },
3015
+ {
3016
+ "epoch": 1.32,
3017
+ "grad_norm": 2.178837537765503,
3018
+ "learning_rate": 3.511111111111111e-06,
3019
+ "loss": 0.0136,
3020
+ "step": 4210
3021
+ },
3022
+ {
3023
+ "epoch": 1.32,
3024
+ "grad_norm": 0.00813736766576767,
3025
+ "learning_rate": 3.4666666666666672e-06,
3026
+ "loss": 0.0249,
3027
+ "step": 4220
3028
+ },
3029
+ {
3030
+ "epoch": 1.33,
3031
+ "grad_norm": 0.0015987426741048694,
3032
+ "learning_rate": 3.4222222222222224e-06,
3033
+ "loss": 0.0424,
3034
+ "step": 4230
3035
+ },
3036
+ {
3037
+ "epoch": 1.33,
3038
+ "grad_norm": 0.0005763465305790305,
3039
+ "learning_rate": 3.377777777777778e-06,
3040
+ "loss": 0.0149,
3041
+ "step": 4240
3042
+ },
3043
+ {
3044
+ "epoch": 1.33,
3045
+ "grad_norm": 0.0005146890762262046,
3046
+ "learning_rate": 3.3333333333333333e-06,
3047
+ "loss": 0.0207,
3048
+ "step": 4250
3049
+ },
3050
+ {
3051
+ "epoch": 1.33,
3052
+ "grad_norm": 0.0012806435115635395,
3053
+ "learning_rate": 3.2888888888888894e-06,
3054
+ "loss": 0.0157,
3055
+ "step": 4260
3056
+ },
3057
+ {
3058
+ "epoch": 1.34,
3059
+ "grad_norm": 0.0015921818558126688,
3060
+ "learning_rate": 3.2444444444444446e-06,
3061
+ "loss": 0.029,
3062
+ "step": 4270
3063
+ },
3064
+ {
3065
+ "epoch": 1.34,
3066
+ "grad_norm": 3.0711112022399902,
3067
+ "learning_rate": 3.2000000000000003e-06,
3068
+ "loss": 0.1302,
3069
+ "step": 4280
3070
+ },
3071
+ {
3072
+ "epoch": 1.34,
3073
+ "grad_norm": 0.0007020393386483192,
3074
+ "learning_rate": 3.1555555555555555e-06,
3075
+ "loss": 0.0076,
3076
+ "step": 4290
3077
+ },
3078
+ {
3079
+ "epoch": 1.35,
3080
+ "grad_norm": 0.0005048629245720804,
3081
+ "learning_rate": 3.1111111111111116e-06,
3082
+ "loss": 0.0086,
3083
+ "step": 4300
3084
+ },
3085
+ {
3086
+ "epoch": 1.35,
3087
+ "grad_norm": 0.0023996131494641304,
3088
+ "learning_rate": 3.066666666666667e-06,
3089
+ "loss": 0.0196,
3090
+ "step": 4310
3091
+ },
3092
+ {
3093
+ "epoch": 1.35,
3094
+ "grad_norm": 0.0025332309305667877,
3095
+ "learning_rate": 3.0222222222222225e-06,
3096
+ "loss": 0.0461,
3097
+ "step": 4320
3098
+ },
3099
+ {
3100
+ "epoch": 1.36,
3101
+ "grad_norm": 0.0007468872354365885,
3102
+ "learning_rate": 2.9777777777777777e-06,
3103
+ "loss": 0.0282,
3104
+ "step": 4330
3105
+ },
3106
+ {
3107
+ "epoch": 1.36,
3108
+ "grad_norm": 0.0005446248687803745,
3109
+ "learning_rate": 2.9333333333333338e-06,
3110
+ "loss": 0.0469,
3111
+ "step": 4340
3112
+ },
3113
+ {
3114
+ "epoch": 1.36,
3115
+ "grad_norm": 0.0011565398890525103,
3116
+ "learning_rate": 2.888888888888889e-06,
3117
+ "loss": 0.0335,
3118
+ "step": 4350
3119
+ },
3120
+ {
3121
+ "epoch": 1.37,
3122
+ "grad_norm": 1.8544560670852661,
3123
+ "learning_rate": 2.8444444444444446e-06,
3124
+ "loss": 0.0703,
3125
+ "step": 4360
3126
+ },
3127
+ {
3128
+ "epoch": 1.37,
3129
+ "grad_norm": 3.215923547744751,
3130
+ "learning_rate": 2.8000000000000003e-06,
3131
+ "loss": 0.0396,
3132
+ "step": 4370
3133
+ },
3134
+ {
3135
+ "epoch": 1.37,
3136
+ "grad_norm": 1.535111427307129,
3137
+ "learning_rate": 2.755555555555556e-06,
3138
+ "loss": 0.0719,
3139
+ "step": 4380
3140
+ },
3141
+ {
3142
+ "epoch": 1.38,
3143
+ "grad_norm": 0.01463981345295906,
3144
+ "learning_rate": 2.7111111111111116e-06,
3145
+ "loss": 0.0246,
3146
+ "step": 4390
3147
+ },
3148
+ {
3149
+ "epoch": 1.38,
3150
+ "grad_norm": 4.059357643127441,
3151
+ "learning_rate": 2.666666666666667e-06,
3152
+ "loss": 0.0367,
3153
+ "step": 4400
3154
+ },
3155
+ {
3156
+ "epoch": 1.38,
3157
+ "grad_norm": 0.0006797238602302969,
3158
+ "learning_rate": 2.6222222222222225e-06,
3159
+ "loss": 0.0489,
3160
+ "step": 4410
3161
+ },
3162
+ {
3163
+ "epoch": 1.38,
3164
+ "grad_norm": 1.5824676752090454,
3165
+ "learning_rate": 2.577777777777778e-06,
3166
+ "loss": 0.0285,
3167
+ "step": 4420
3168
+ },
3169
+ {
3170
+ "epoch": 1.39,
3171
+ "grad_norm": 0.00045088992919772863,
3172
+ "learning_rate": 2.5333333333333338e-06,
3173
+ "loss": 0.0328,
3174
+ "step": 4430
3175
+ },
3176
+ {
3177
+ "epoch": 1.39,
3178
+ "grad_norm": 1.129044771194458,
3179
+ "learning_rate": 2.488888888888889e-06,
3180
+ "loss": 0.058,
3181
+ "step": 4440
3182
+ },
3183
+ {
3184
+ "epoch": 1.39,
3185
+ "grad_norm": 0.00038907071575522423,
3186
+ "learning_rate": 2.4444444444444447e-06,
3187
+ "loss": 0.0504,
3188
+ "step": 4450
3189
+ },
3190
+ {
3191
+ "epoch": 1.4,
3192
+ "grad_norm": 0.0011422157986089587,
3193
+ "learning_rate": 2.4000000000000003e-06,
3194
+ "loss": 0.022,
3195
+ "step": 4460
3196
+ },
3197
+ {
3198
+ "epoch": 1.4,
3199
+ "grad_norm": 1.4815700054168701,
3200
+ "learning_rate": 2.3555555555555555e-06,
3201
+ "loss": 0.0416,
3202
+ "step": 4470
3203
+ },
3204
+ {
3205
+ "epoch": 1.4,
3206
+ "grad_norm": 2.4049506187438965,
3207
+ "learning_rate": 2.311111111111111e-06,
3208
+ "loss": 0.0286,
3209
+ "step": 4480
3210
+ },
3211
+ {
3212
+ "epoch": 1.41,
3213
+ "grad_norm": 0.32649314403533936,
3214
+ "learning_rate": 2.266666666666667e-06,
3215
+ "loss": 0.0191,
3216
+ "step": 4490
3217
+ },
3218
+ {
3219
+ "epoch": 1.41,
3220
+ "grad_norm": 0.001270271954126656,
3221
+ "learning_rate": 2.222222222222222e-06,
3222
+ "loss": 0.0208,
3223
+ "step": 4500
3224
+ },
3225
+ {
3226
+ "epoch": 1.41,
3227
+ "eval_loss": 0.018216300755739212,
3228
+ "eval_runtime": 61.8518,
3229
+ "eval_samples_per_second": 16.168,
3230
+ "eval_steps_per_second": 16.168,
3231
+ "step": 4500
3232
+ },
3233
+ {
3234
+ "epoch": 1.41,
3235
+ "grad_norm": 0.0010293573141098022,
3236
+ "learning_rate": 2.1777777777777777e-06,
3237
+ "loss": 0.0186,
3238
+ "step": 4510
3239
+ },
3240
+ {
3241
+ "epoch": 1.42,
3242
+ "grad_norm": 0.47490406036376953,
3243
+ "learning_rate": 2.133333333333334e-06,
3244
+ "loss": 0.0181,
3245
+ "step": 4520
3246
+ },
3247
+ {
3248
+ "epoch": 1.42,
3249
+ "grad_norm": 0.000406662467867136,
3250
+ "learning_rate": 2.088888888888889e-06,
3251
+ "loss": 0.0383,
3252
+ "step": 4530
3253
+ },
3254
+ {
3255
+ "epoch": 1.42,
3256
+ "grad_norm": 0.0009539751335978508,
3257
+ "learning_rate": 2.0444444444444447e-06,
3258
+ "loss": 0.0139,
3259
+ "step": 4540
3260
+ },
3261
+ {
3262
+ "epoch": 1.43,
3263
+ "grad_norm": 0.0005080964183434844,
3264
+ "learning_rate": 2.0000000000000003e-06,
3265
+ "loss": 0.0084,
3266
+ "step": 4550
3267
+ },
3268
+ {
3269
+ "epoch": 1.43,
3270
+ "grad_norm": 0.0007780414307489991,
3271
+ "learning_rate": 1.955555555555556e-06,
3272
+ "loss": 0.0133,
3273
+ "step": 4560
3274
+ },
3275
+ {
3276
+ "epoch": 1.43,
3277
+ "grad_norm": 0.0003762560954783112,
3278
+ "learning_rate": 1.9111111111111112e-06,
3279
+ "loss": 0.0149,
3280
+ "step": 4570
3281
+ },
3282
+ {
3283
+ "epoch": 1.43,
3284
+ "grad_norm": 0.0010716378455981612,
3285
+ "learning_rate": 1.8666666666666669e-06,
3286
+ "loss": 0.0096,
3287
+ "step": 4580
3288
+ },
3289
+ {
3290
+ "epoch": 1.44,
3291
+ "grad_norm": 0.0012602531351149082,
3292
+ "learning_rate": 1.8222222222222225e-06,
3293
+ "loss": 0.0501,
3294
+ "step": 4590
3295
+ },
3296
+ {
3297
+ "epoch": 1.44,
3298
+ "grad_norm": 0.0011576686520129442,
3299
+ "learning_rate": 1.777777777777778e-06,
3300
+ "loss": 0.0367,
3301
+ "step": 4600
3302
+ },
3303
+ {
3304
+ "epoch": 1.44,
3305
+ "grad_norm": 0.00044630825868807733,
3306
+ "learning_rate": 1.7333333333333336e-06,
3307
+ "loss": 0.0335,
3308
+ "step": 4610
3309
+ },
3310
+ {
3311
+ "epoch": 1.45,
3312
+ "grad_norm": 0.0005398432840593159,
3313
+ "learning_rate": 1.688888888888889e-06,
3314
+ "loss": 0.0359,
3315
+ "step": 4620
3316
+ },
3317
+ {
3318
+ "epoch": 1.45,
3319
+ "grad_norm": 0.7338486909866333,
3320
+ "learning_rate": 1.6444444444444447e-06,
3321
+ "loss": 0.0557,
3322
+ "step": 4630
3323
+ },
3324
+ {
3325
+ "epoch": 1.45,
3326
+ "grad_norm": 0.0004819166788365692,
3327
+ "learning_rate": 1.6000000000000001e-06,
3328
+ "loss": 0.0,
3329
+ "step": 4640
3330
+ },
3331
+ {
3332
+ "epoch": 1.46,
3333
+ "grad_norm": 1.6127287149429321,
3334
+ "learning_rate": 1.5555555555555558e-06,
3335
+ "loss": 0.0276,
3336
+ "step": 4650
3337
+ },
3338
+ {
3339
+ "epoch": 1.46,
3340
+ "grad_norm": 0.07772258669137955,
3341
+ "learning_rate": 1.5111111111111112e-06,
3342
+ "loss": 0.088,
3343
+ "step": 4660
3344
+ },
3345
+ {
3346
+ "epoch": 1.46,
3347
+ "grad_norm": 0.0005863177357241511,
3348
+ "learning_rate": 1.4666666666666669e-06,
3349
+ "loss": 0.0132,
3350
+ "step": 4670
3351
+ },
3352
+ {
3353
+ "epoch": 1.47,
3354
+ "grad_norm": 0.0006563079077750444,
3355
+ "learning_rate": 1.4222222222222223e-06,
3356
+ "loss": 0.0028,
3357
+ "step": 4680
3358
+ },
3359
+ {
3360
+ "epoch": 1.47,
3361
+ "grad_norm": 2.803096294403076,
3362
+ "learning_rate": 1.377777777777778e-06,
3363
+ "loss": 0.0694,
3364
+ "step": 4690
3365
+ },
3366
+ {
3367
+ "epoch": 1.47,
3368
+ "grad_norm": 0.7182486653327942,
3369
+ "learning_rate": 1.3333333333333334e-06,
3370
+ "loss": 0.0065,
3371
+ "step": 4700
3372
+ },
3373
+ {
3374
+ "epoch": 1.48,
3375
+ "grad_norm": 0.0009489316144026816,
3376
+ "learning_rate": 1.288888888888889e-06,
3377
+ "loss": 0.0136,
3378
+ "step": 4710
3379
+ },
3380
+ {
3381
+ "epoch": 1.48,
3382
+ "grad_norm": 0.001954195322468877,
3383
+ "learning_rate": 1.2444444444444445e-06,
3384
+ "loss": 0.0142,
3385
+ "step": 4720
3386
+ },
3387
+ {
3388
+ "epoch": 1.48,
3389
+ "grad_norm": 0.5916552543640137,
3390
+ "learning_rate": 1.2000000000000002e-06,
3391
+ "loss": 0.0469,
3392
+ "step": 4730
3393
+ },
3394
+ {
3395
+ "epoch": 1.49,
3396
+ "grad_norm": 2.119339942932129,
3397
+ "learning_rate": 1.1555555555555556e-06,
3398
+ "loss": 0.0551,
3399
+ "step": 4740
3400
+ },
3401
+ {
3402
+ "epoch": 1.49,
3403
+ "grad_norm": 0.0009017220581881702,
3404
+ "learning_rate": 1.111111111111111e-06,
3405
+ "loss": 0.0486,
3406
+ "step": 4750
3407
+ },
3408
+ {
3409
+ "epoch": 1.49,
3410
+ "grad_norm": 0.0012501273304224014,
3411
+ "learning_rate": 1.066666666666667e-06,
3412
+ "loss": 0.0048,
3413
+ "step": 4760
3414
+ },
3415
+ {
3416
+ "epoch": 1.49,
3417
+ "grad_norm": 0.8751838803291321,
3418
+ "learning_rate": 1.0222222222222223e-06,
3419
+ "loss": 0.0409,
3420
+ "step": 4770
3421
+ },
3422
+ {
3423
+ "epoch": 1.5,
3424
+ "grad_norm": 0.0013982664095237851,
3425
+ "learning_rate": 9.77777777777778e-07,
3426
+ "loss": 0.0577,
3427
+ "step": 4780
3428
+ },
3429
+ {
3430
+ "epoch": 1.5,
3431
+ "grad_norm": 0.0014040243113413453,
3432
+ "learning_rate": 9.333333333333334e-07,
3433
+ "loss": 0.031,
3434
+ "step": 4790
3435
+ },
3436
+ {
3437
+ "epoch": 1.5,
3438
+ "grad_norm": 3.977519989013672,
3439
+ "learning_rate": 8.88888888888889e-07,
3440
+ "loss": 0.1057,
3441
+ "step": 4800
3442
+ },
3443
+ {
3444
+ "epoch": 1.51,
3445
+ "grad_norm": 0.0011434502666816115,
3446
+ "learning_rate": 8.444444444444445e-07,
3447
+ "loss": 0.0066,
3448
+ "step": 4810
3449
+ },
3450
+ {
3451
+ "epoch": 1.51,
3452
+ "grad_norm": 0.0013947113184258342,
3453
+ "learning_rate": 8.000000000000001e-07,
3454
+ "loss": 0.0337,
3455
+ "step": 4820
3456
+ },
3457
+ {
3458
+ "epoch": 1.51,
3459
+ "grad_norm": 0.3012702167034149,
3460
+ "learning_rate": 7.555555555555556e-07,
3461
+ "loss": 0.0554,
3462
+ "step": 4830
3463
+ },
3464
+ {
3465
+ "epoch": 1.52,
3466
+ "grad_norm": 0.1272149384021759,
3467
+ "learning_rate": 7.111111111111112e-07,
3468
+ "loss": 0.0208,
3469
+ "step": 4840
3470
+ },
3471
+ {
3472
+ "epoch": 1.52,
3473
+ "grad_norm": 0.004117014352232218,
3474
+ "learning_rate": 6.666666666666667e-07,
3475
+ "loss": 0.0357,
3476
+ "step": 4850
3477
+ },
3478
+ {
3479
+ "epoch": 1.52,
3480
+ "grad_norm": 0.0005114726372994483,
3481
+ "learning_rate": 6.222222222222223e-07,
3482
+ "loss": 0.0189,
3483
+ "step": 4860
3484
+ },
3485
+ {
3486
+ "epoch": 1.53,
3487
+ "grad_norm": 0.000449322717031464,
3488
+ "learning_rate": 5.777777777777778e-07,
3489
+ "loss": 0.079,
3490
+ "step": 4870
3491
+ },
3492
+ {
3493
+ "epoch": 1.53,
3494
+ "grad_norm": 1.3229221105575562,
3495
+ "learning_rate": 5.333333333333335e-07,
3496
+ "loss": 0.0197,
3497
+ "step": 4880
3498
+ },
3499
+ {
3500
+ "epoch": 1.53,
3501
+ "grad_norm": 4.149044990539551,
3502
+ "learning_rate": 4.88888888888889e-07,
3503
+ "loss": 0.0383,
3504
+ "step": 4890
3505
+ },
3506
+ {
3507
+ "epoch": 1.54,
3508
+ "grad_norm": 0.00048808971769176424,
3509
+ "learning_rate": 4.444444444444445e-07,
3510
+ "loss": 0.0473,
3511
+ "step": 4900
3512
+ },
3513
+ {
3514
+ "epoch": 1.54,
3515
+ "grad_norm": 0.0010669564362615347,
3516
+ "learning_rate": 4.0000000000000003e-07,
3517
+ "loss": 0.0838,
3518
+ "step": 4910
3519
+ },
3520
+ {
3521
+ "epoch": 1.54,
3522
+ "grad_norm": 0.030236389487981796,
3523
+ "learning_rate": 3.555555555555556e-07,
3524
+ "loss": 0.0108,
3525
+ "step": 4920
3526
+ },
3527
+ {
3528
+ "epoch": 1.54,
3529
+ "grad_norm": 0.0004108142456971109,
3530
+ "learning_rate": 3.111111111111111e-07,
3531
+ "loss": 0.0301,
3532
+ "step": 4930
3533
+ },
3534
+ {
3535
+ "epoch": 1.55,
3536
+ "grad_norm": 0.0008436466450802982,
3537
+ "learning_rate": 2.666666666666667e-07,
3538
+ "loss": 0.0101,
3539
+ "step": 4940
3540
+ },
3541
+ {
3542
+ "epoch": 1.55,
3543
+ "grad_norm": 0.0007567039574496448,
3544
+ "learning_rate": 2.2222222222222224e-07,
3545
+ "loss": 0.0237,
3546
+ "step": 4950
3547
+ },
3548
+ {
3549
+ "epoch": 1.55,
3550
+ "grad_norm": 0.001360149122774601,
3551
+ "learning_rate": 1.777777777777778e-07,
3552
+ "loss": 0.0352,
3553
+ "step": 4960
3554
+ },
3555
+ {
3556
+ "epoch": 1.56,
3557
+ "grad_norm": 0.0012200737837702036,
3558
+ "learning_rate": 1.3333333333333336e-07,
3559
+ "loss": 0.0482,
3560
+ "step": 4970
3561
+ },
3562
+ {
3563
+ "epoch": 1.56,
3564
+ "grad_norm": 0.0006987242959439754,
3565
+ "learning_rate": 8.88888888888889e-08,
3566
+ "loss": 0.0164,
3567
+ "step": 4980
3568
+ },
3569
+ {
3570
+ "epoch": 1.56,
3571
+ "grad_norm": 0.005137372761964798,
3572
+ "learning_rate": 4.444444444444445e-08,
3573
+ "loss": 0.0424,
3574
+ "step": 4990
3575
+ },
3576
+ {
3577
+ "epoch": 1.57,
3578
+ "grad_norm": 0.0009189796401187778,
3579
+ "learning_rate": 0.0,
3580
+ "loss": 0.0353,
3581
+ "step": 5000
3582
+ },
3583
+ {
3584
+ "epoch": 1.57,
3585
+ "eval_loss": 0.021896515041589737,
3586
+ "eval_runtime": 61.7867,
3587
+ "eval_samples_per_second": 16.185,
3588
+ "eval_steps_per_second": 16.185,
3589
+ "step": 5000
3590
  }
3591
  ],
3592
  "logging_steps": 10,
 
3594
  "num_input_tokens_seen": 0,
3595
  "num_train_epochs": 2,
3596
  "save_steps": 2500,
3597
+ "total_flos": 8.051062996992e+16,
3598
  "train_batch_size": 1,
3599
  "trial_name": null,
3600
  "trial_params": null