CharlesLi commited on
Commit
2b1f8b7
1 Parent(s): 4b7f9bb

Model save

Browse files
README.md ADDED
@@ -0,0 +1,63 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ library_name: transformers
3
+ license: other
4
+ base_model: apple/OpenELM-1_1B
5
+ tags:
6
+ - trl
7
+ - sft
8
+ - generated_from_trainer
9
+ datasets:
10
+ - generator
11
+ model-index:
12
+ - name: OpenELM-1_1B-SFT
13
+ results: []
14
+ ---
15
+
16
+ <!-- This model card has been generated automatically according to the information the Trainer had access to. You
17
+ should probably proofread and complete it, then remove this comment. -->
18
+
19
+ # OpenELM-1_1B-SFT
20
+
21
+ This model is a fine-tuned version of [apple/OpenELM-1_1B](https://huggingface.co/apple/OpenELM-1_1B) on the generator dataset.
22
+
23
+ ## Model description
24
+
25
+ More information needed
26
+
27
+ ## Intended uses & limitations
28
+
29
+ More information needed
30
+
31
+ ## Training and evaluation data
32
+
33
+ More information needed
34
+
35
+ ## Training procedure
36
+
37
+ ### Training hyperparameters
38
+
39
+ The following hyperparameters were used during training:
40
+ - learning_rate: 2e-05
41
+ - train_batch_size: 16
42
+ - eval_batch_size: 8
43
+ - seed: 42
44
+ - distributed_type: multi-GPU
45
+ - num_devices: 4
46
+ - gradient_accumulation_steps: 2
47
+ - total_train_batch_size: 128
48
+ - total_eval_batch_size: 32
49
+ - optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
50
+ - lr_scheduler_type: cosine
51
+ - lr_scheduler_warmup_ratio: 0.1
52
+ - num_epochs: 1
53
+
54
+ ### Training results
55
+
56
+
57
+
58
+ ### Framework versions
59
+
60
+ - Transformers 4.44.2
61
+ - Pytorch 2.3.0
62
+ - Datasets 2.21.0
63
+ - Tokenizers 0.19.1
all_results.json ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 0.9995619798510732,
3
+ "total_flos": 215836199485440.0,
4
+ "train_loss": 1.3199829850460123,
5
+ "train_runtime": 8951.0623,
6
+ "train_samples": 207864,
7
+ "train_samples_per_second": 16.317,
8
+ "train_steps_per_second": 0.127
9
+ }
generation_config.json ADDED
@@ -0,0 +1,6 @@
 
 
 
 
 
 
 
1
+ {
2
+ "_from_model_config": true,
3
+ "bos_token_id": 1,
4
+ "eos_token_id": 2,
5
+ "transformers_version": "4.44.2"
6
+ }
train_results.json ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 0.9995619798510732,
3
+ "total_flos": 215836199485440.0,
4
+ "train_loss": 1.3199829850460123,
5
+ "train_runtime": 8951.0623,
6
+ "train_samples": 207864,
7
+ "train_samples_per_second": 16.317,
8
+ "train_steps_per_second": 0.127
9
+ }
trainer_state.json ADDED
@@ -0,0 +1,1645 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 0.9995619798510732,
5
+ "eval_steps": 500,
6
+ "global_step": 1141,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.0008760402978537013,
13
+ "grad_norm": 247.023226046774,
14
+ "learning_rate": 1.7391304347826088e-07,
15
+ "loss": 8.8281,
16
+ "step": 1
17
+ },
18
+ {
19
+ "epoch": 0.004380201489268506,
20
+ "grad_norm": 232.10560021267386,
21
+ "learning_rate": 8.695652173913044e-07,
22
+ "loss": 8.7637,
23
+ "step": 5
24
+ },
25
+ {
26
+ "epoch": 0.008760402978537012,
27
+ "grad_norm": 197.45293542519394,
28
+ "learning_rate": 1.7391304347826088e-06,
29
+ "loss": 8.5789,
30
+ "step": 10
31
+ },
32
+ {
33
+ "epoch": 0.013140604467805518,
34
+ "grad_norm": 69.72380158032517,
35
+ "learning_rate": 2.6086956521739132e-06,
36
+ "loss": 7.607,
37
+ "step": 15
38
+ },
39
+ {
40
+ "epoch": 0.017520805957074025,
41
+ "grad_norm": 40.79010585762893,
42
+ "learning_rate": 3.4782608695652175e-06,
43
+ "loss": 6.5969,
44
+ "step": 20
45
+ },
46
+ {
47
+ "epoch": 0.021901007446342532,
48
+ "grad_norm": 31.021399931633685,
49
+ "learning_rate": 4.347826086956522e-06,
50
+ "loss": 5.3516,
51
+ "step": 25
52
+ },
53
+ {
54
+ "epoch": 0.026281208935611037,
55
+ "grad_norm": 15.829514000742273,
56
+ "learning_rate": 5.2173913043478265e-06,
57
+ "loss": 4.018,
58
+ "step": 30
59
+ },
60
+ {
61
+ "epoch": 0.030661410424879545,
62
+ "grad_norm": 12.017912967930332,
63
+ "learning_rate": 6.086956521739132e-06,
64
+ "loss": 2.9813,
65
+ "step": 35
66
+ },
67
+ {
68
+ "epoch": 0.03504161191414805,
69
+ "grad_norm": 2.8893117110423487,
70
+ "learning_rate": 6.956521739130435e-06,
71
+ "loss": 2.1303,
72
+ "step": 40
73
+ },
74
+ {
75
+ "epoch": 0.03942181340341656,
76
+ "grad_norm": 1.4949499944110431,
77
+ "learning_rate": 7.82608695652174e-06,
78
+ "loss": 1.8031,
79
+ "step": 45
80
+ },
81
+ {
82
+ "epoch": 0.043802014892685065,
83
+ "grad_norm": 0.7508052500953509,
84
+ "learning_rate": 8.695652173913044e-06,
85
+ "loss": 1.5938,
86
+ "step": 50
87
+ },
88
+ {
89
+ "epoch": 0.04818221638195357,
90
+ "grad_norm": 0.4902022246315334,
91
+ "learning_rate": 9.565217391304349e-06,
92
+ "loss": 1.5084,
93
+ "step": 55
94
+ },
95
+ {
96
+ "epoch": 0.052562417871222074,
97
+ "grad_norm": 0.42532974187985395,
98
+ "learning_rate": 1.0434782608695653e-05,
99
+ "loss": 1.4203,
100
+ "step": 60
101
+ },
102
+ {
103
+ "epoch": 0.05694261936049058,
104
+ "grad_norm": 0.3463140884611265,
105
+ "learning_rate": 1.1304347826086957e-05,
106
+ "loss": 1.3941,
107
+ "step": 65
108
+ },
109
+ {
110
+ "epoch": 0.06132282084975909,
111
+ "grad_norm": 0.3189213985873913,
112
+ "learning_rate": 1.2173913043478263e-05,
113
+ "loss": 1.3566,
114
+ "step": 70
115
+ },
116
+ {
117
+ "epoch": 0.0657030223390276,
118
+ "grad_norm": 0.2996468490222568,
119
+ "learning_rate": 1.3043478260869566e-05,
120
+ "loss": 1.3418,
121
+ "step": 75
122
+ },
123
+ {
124
+ "epoch": 0.0700832238282961,
125
+ "grad_norm": 0.26712973341018265,
126
+ "learning_rate": 1.391304347826087e-05,
127
+ "loss": 1.3201,
128
+ "step": 80
129
+ },
130
+ {
131
+ "epoch": 0.07446342531756461,
132
+ "grad_norm": 0.2668394062417099,
133
+ "learning_rate": 1.4782608695652174e-05,
134
+ "loss": 1.3143,
135
+ "step": 85
136
+ },
137
+ {
138
+ "epoch": 0.07884362680683311,
139
+ "grad_norm": 0.26274351296407206,
140
+ "learning_rate": 1.565217391304348e-05,
141
+ "loss": 1.3031,
142
+ "step": 90
143
+ },
144
+ {
145
+ "epoch": 0.08322382829610162,
146
+ "grad_norm": 0.25741452098888334,
147
+ "learning_rate": 1.6521739130434785e-05,
148
+ "loss": 1.2848,
149
+ "step": 95
150
+ },
151
+ {
152
+ "epoch": 0.08760402978537013,
153
+ "grad_norm": 0.2441325116229632,
154
+ "learning_rate": 1.739130434782609e-05,
155
+ "loss": 1.2732,
156
+ "step": 100
157
+ },
158
+ {
159
+ "epoch": 0.09198423127463863,
160
+ "grad_norm": 0.24162625924392253,
161
+ "learning_rate": 1.8260869565217393e-05,
162
+ "loss": 1.2715,
163
+ "step": 105
164
+ },
165
+ {
166
+ "epoch": 0.09636443276390715,
167
+ "grad_norm": 0.2519915389487053,
168
+ "learning_rate": 1.9130434782608697e-05,
169
+ "loss": 1.2711,
170
+ "step": 110
171
+ },
172
+ {
173
+ "epoch": 0.10074463425317565,
174
+ "grad_norm": 0.2465793202977791,
175
+ "learning_rate": 2e-05,
176
+ "loss": 1.2459,
177
+ "step": 115
178
+ },
179
+ {
180
+ "epoch": 0.10512483574244415,
181
+ "grad_norm": 0.23497052771629895,
182
+ "learning_rate": 1.99988280568259e-05,
183
+ "loss": 1.248,
184
+ "step": 120
185
+ },
186
+ {
187
+ "epoch": 0.10950503723171266,
188
+ "grad_norm": 0.24553176964100193,
189
+ "learning_rate": 1.9995312501993765e-05,
190
+ "loss": 1.2238,
191
+ "step": 125
192
+ },
193
+ {
194
+ "epoch": 0.11388523872098116,
195
+ "grad_norm": 0.23370960048474732,
196
+ "learning_rate": 1.998945415950969e-05,
197
+ "loss": 1.248,
198
+ "step": 130
199
+ },
200
+ {
201
+ "epoch": 0.11826544021024968,
202
+ "grad_norm": 0.24397346786614016,
203
+ "learning_rate": 1.9981254402502568e-05,
204
+ "loss": 1.2063,
205
+ "step": 135
206
+ },
207
+ {
208
+ "epoch": 0.12264564169951818,
209
+ "grad_norm": 0.27495355893049633,
210
+ "learning_rate": 1.9970715152902257e-05,
211
+ "loss": 1.2381,
212
+ "step": 140
213
+ },
214
+ {
215
+ "epoch": 0.12702584318878668,
216
+ "grad_norm": 0.25282538712904246,
217
+ "learning_rate": 1.9957838880989076e-05,
218
+ "loss": 1.2281,
219
+ "step": 145
220
+ },
221
+ {
222
+ "epoch": 0.1314060446780552,
223
+ "grad_norm": 0.22995731363863653,
224
+ "learning_rate": 1.9942628604814827e-05,
225
+ "loss": 1.2051,
226
+ "step": 150
227
+ },
228
+ {
229
+ "epoch": 0.1357862461673237,
230
+ "grad_norm": 0.23386474611286825,
231
+ "learning_rate": 1.9925087889495374e-05,
232
+ "loss": 1.2141,
233
+ "step": 155
234
+ },
235
+ {
236
+ "epoch": 0.1401664476565922,
237
+ "grad_norm": 0.2309649578398331,
238
+ "learning_rate": 1.990522084637503e-05,
239
+ "loss": 1.1822,
240
+ "step": 160
241
+ },
242
+ {
243
+ "epoch": 0.1445466491458607,
244
+ "grad_norm": 0.24003805632416436,
245
+ "learning_rate": 1.9883032132062926e-05,
246
+ "loss": 1.2063,
247
+ "step": 165
248
+ },
249
+ {
250
+ "epoch": 0.14892685063512923,
251
+ "grad_norm": 0.24338387371805312,
252
+ "learning_rate": 1.98585269473415e-05,
253
+ "loss": 1.1879,
254
+ "step": 170
255
+ },
256
+ {
257
+ "epoch": 0.1533070521243977,
258
+ "grad_norm": 0.23476112374060998,
259
+ "learning_rate": 1.9831711035947552e-05,
260
+ "loss": 1.2031,
261
+ "step": 175
262
+ },
263
+ {
264
+ "epoch": 0.15768725361366623,
265
+ "grad_norm": 0.22915392045241134,
266
+ "learning_rate": 1.9802590683225945e-05,
267
+ "loss": 1.1943,
268
+ "step": 180
269
+ },
270
+ {
271
+ "epoch": 0.16206745510293474,
272
+ "grad_norm": 0.24585515208967154,
273
+ "learning_rate": 1.97711727146564e-05,
274
+ "loss": 1.1961,
275
+ "step": 185
276
+ },
277
+ {
278
+ "epoch": 0.16644765659220323,
279
+ "grad_norm": 0.21471505934692195,
280
+ "learning_rate": 1.973746449425368e-05,
281
+ "loss": 1.1883,
282
+ "step": 190
283
+ },
284
+ {
285
+ "epoch": 0.17082785808147175,
286
+ "grad_norm": 0.22942379356513737,
287
+ "learning_rate": 1.970147392284154e-05,
288
+ "loss": 1.2193,
289
+ "step": 195
290
+ },
291
+ {
292
+ "epoch": 0.17520805957074026,
293
+ "grad_norm": 0.23244007409565076,
294
+ "learning_rate": 1.9663209436200887e-05,
295
+ "loss": 1.207,
296
+ "step": 200
297
+ },
298
+ {
299
+ "epoch": 0.17958826106000875,
300
+ "grad_norm": 0.22422374010740104,
301
+ "learning_rate": 1.9622680003092503e-05,
302
+ "loss": 1.174,
303
+ "step": 205
304
+ },
305
+ {
306
+ "epoch": 0.18396846254927726,
307
+ "grad_norm": 0.2239852274530115,
308
+ "learning_rate": 1.957989512315489e-05,
309
+ "loss": 1.1766,
310
+ "step": 210
311
+ },
312
+ {
313
+ "epoch": 0.18834866403854578,
314
+ "grad_norm": 0.22417592332949882,
315
+ "learning_rate": 1.953486482467764e-05,
316
+ "loss": 1.2016,
317
+ "step": 215
318
+ },
319
+ {
320
+ "epoch": 0.1927288655278143,
321
+ "grad_norm": 0.23718560975504316,
322
+ "learning_rate": 1.9487599662250945e-05,
323
+ "loss": 1.1836,
324
+ "step": 220
325
+ },
326
+ {
327
+ "epoch": 0.19710906701708278,
328
+ "grad_norm": 0.24831579992264016,
329
+ "learning_rate": 1.9438110714291697e-05,
330
+ "loss": 1.1885,
331
+ "step": 225
332
+ },
333
+ {
334
+ "epoch": 0.2014892685063513,
335
+ "grad_norm": 0.22705440610322433,
336
+ "learning_rate": 1.9386409580446846e-05,
337
+ "loss": 1.1768,
338
+ "step": 230
339
+ },
340
+ {
341
+ "epoch": 0.2058694699956198,
342
+ "grad_norm": 0.22232082846727982,
343
+ "learning_rate": 1.933250837887457e-05,
344
+ "loss": 1.1695,
345
+ "step": 235
346
+ },
347
+ {
348
+ "epoch": 0.2102496714848883,
349
+ "grad_norm": 0.20849807972480366,
350
+ "learning_rate": 1.9276419743403934e-05,
351
+ "loss": 1.1664,
352
+ "step": 240
353
+ },
354
+ {
355
+ "epoch": 0.2146298729741568,
356
+ "grad_norm": 0.22884959889218245,
357
+ "learning_rate": 1.9218156820573618e-05,
358
+ "loss": 1.1715,
359
+ "step": 245
360
+ },
361
+ {
362
+ "epoch": 0.21901007446342532,
363
+ "grad_norm": 0.22251029198025443,
364
+ "learning_rate": 1.9157733266550577e-05,
365
+ "loss": 1.1664,
366
+ "step": 250
367
+ },
368
+ {
369
+ "epoch": 0.2233902759526938,
370
+ "grad_norm": 0.21607317255636946,
371
+ "learning_rate": 1.9095163243929143e-05,
372
+ "loss": 1.1758,
373
+ "step": 255
374
+ },
375
+ {
376
+ "epoch": 0.22777047744196233,
377
+ "grad_norm": 0.2275376818247485,
378
+ "learning_rate": 1.9030461418411498e-05,
379
+ "loss": 1.173,
380
+ "step": 260
381
+ },
382
+ {
383
+ "epoch": 0.23215067893123084,
384
+ "grad_norm": 0.2289840446661591,
385
+ "learning_rate": 1.8963642955370203e-05,
386
+ "loss": 1.1852,
387
+ "step": 265
388
+ },
389
+ {
390
+ "epoch": 0.23653088042049936,
391
+ "grad_norm": 0.23768451520157288,
392
+ "learning_rate": 1.889472351629358e-05,
393
+ "loss": 1.1551,
394
+ "step": 270
395
+ },
396
+ {
397
+ "epoch": 0.24091108190976784,
398
+ "grad_norm": 0.22459484609481822,
399
+ "learning_rate": 1.882371925511488e-05,
400
+ "loss": 1.1564,
401
+ "step": 275
402
+ },
403
+ {
404
+ "epoch": 0.24529128339903636,
405
+ "grad_norm": 0.22828454066610995,
406
+ "learning_rate": 1.875064681442594e-05,
407
+ "loss": 1.1838,
408
+ "step": 280
409
+ },
410
+ {
411
+ "epoch": 0.24967148488830487,
412
+ "grad_norm": 0.23814414474493634,
413
+ "learning_rate": 1.867552332157637e-05,
414
+ "loss": 1.165,
415
+ "step": 285
416
+ },
417
+ {
418
+ "epoch": 0.25405168637757336,
419
+ "grad_norm": 0.23695582890788727,
420
+ "learning_rate": 1.8598366384659113e-05,
421
+ "loss": 1.1496,
422
+ "step": 290
423
+ },
424
+ {
425
+ "epoch": 0.25843188786684185,
426
+ "grad_norm": 0.21285197719762172,
427
+ "learning_rate": 1.851919408838327e-05,
428
+ "loss": 1.1671,
429
+ "step": 295
430
+ },
431
+ {
432
+ "epoch": 0.2628120893561104,
433
+ "grad_norm": 0.23402098820515907,
434
+ "learning_rate": 1.843802498983529e-05,
435
+ "loss": 1.1662,
436
+ "step": 300
437
+ },
438
+ {
439
+ "epoch": 0.2671922908453789,
440
+ "grad_norm": 0.21951316193224032,
441
+ "learning_rate": 1.8354878114129368e-05,
442
+ "loss": 1.1623,
443
+ "step": 305
444
+ },
445
+ {
446
+ "epoch": 0.2715724923346474,
447
+ "grad_norm": 0.21226630310736813,
448
+ "learning_rate": 1.8269772949948185e-05,
449
+ "loss": 1.1571,
450
+ "step": 310
451
+ },
452
+ {
453
+ "epoch": 0.2759526938239159,
454
+ "grad_norm": 0.21300490616956957,
455
+ "learning_rate": 1.8182729444974993e-05,
456
+ "loss": 1.1729,
457
+ "step": 315
458
+ },
459
+ {
460
+ "epoch": 0.2803328953131844,
461
+ "grad_norm": 0.2298100232081548,
462
+ "learning_rate": 1.8093768001218096e-05,
463
+ "loss": 1.1648,
464
+ "step": 320
465
+ },
466
+ {
467
+ "epoch": 0.28471309680245294,
468
+ "grad_norm": 0.20939381292392953,
469
+ "learning_rate": 1.800290947022884e-05,
470
+ "loss": 1.1633,
471
+ "step": 325
472
+ },
473
+ {
474
+ "epoch": 0.2890932982917214,
475
+ "grad_norm": 0.21652397528724918,
476
+ "learning_rate": 1.7910175148214274e-05,
477
+ "loss": 1.1703,
478
+ "step": 330
479
+ },
480
+ {
481
+ "epoch": 0.2934734997809899,
482
+ "grad_norm": 0.23693799112996852,
483
+ "learning_rate": 1.7815586771045535e-05,
484
+ "loss": 1.1557,
485
+ "step": 335
486
+ },
487
+ {
488
+ "epoch": 0.29785370127025845,
489
+ "grad_norm": 0.23875037210600733,
490
+ "learning_rate": 1.771916650916321e-05,
491
+ "loss": 1.1546,
492
+ "step": 340
493
+ },
494
+ {
495
+ "epoch": 0.30223390275952694,
496
+ "grad_norm": 0.2086246080725189,
497
+ "learning_rate": 1.762093696238086e-05,
498
+ "loss": 1.1414,
499
+ "step": 345
500
+ },
501
+ {
502
+ "epoch": 0.3066141042487954,
503
+ "grad_norm": 0.2032809446181252,
504
+ "learning_rate": 1.752092115458784e-05,
505
+ "loss": 1.1557,
506
+ "step": 350
507
+ },
508
+ {
509
+ "epoch": 0.31099430573806397,
510
+ "grad_norm": 0.2299671919872682,
511
+ "learning_rate": 1.7419142528352815e-05,
512
+ "loss": 1.1584,
513
+ "step": 355
514
+ },
515
+ {
516
+ "epoch": 0.31537450722733246,
517
+ "grad_norm": 0.2208475255216932,
518
+ "learning_rate": 1.731562493942904e-05,
519
+ "loss": 1.1436,
520
+ "step": 360
521
+ },
522
+ {
523
+ "epoch": 0.31975470871660094,
524
+ "grad_norm": 0.21527409406555012,
525
+ "learning_rate": 1.721039265116285e-05,
526
+ "loss": 1.1592,
527
+ "step": 365
528
+ },
529
+ {
530
+ "epoch": 0.3241349102058695,
531
+ "grad_norm": 0.2075937240152717,
532
+ "learning_rate": 1.710347032880664e-05,
533
+ "loss": 1.1332,
534
+ "step": 370
535
+ },
536
+ {
537
+ "epoch": 0.328515111695138,
538
+ "grad_norm": 0.2155228439936621,
539
+ "learning_rate": 1.6994883033737582e-05,
540
+ "loss": 1.1395,
541
+ "step": 375
542
+ },
543
+ {
544
+ "epoch": 0.33289531318440646,
545
+ "grad_norm": 0.24834287218683154,
546
+ "learning_rate": 1.688465621758352e-05,
547
+ "loss": 1.1566,
548
+ "step": 380
549
+ },
550
+ {
551
+ "epoch": 0.337275514673675,
552
+ "grad_norm": 0.2401994560404927,
553
+ "learning_rate": 1.6772815716257414e-05,
554
+ "loss": 1.1582,
555
+ "step": 385
556
+ },
557
+ {
558
+ "epoch": 0.3416557161629435,
559
+ "grad_norm": 0.22010411419127637,
560
+ "learning_rate": 1.6659387743901688e-05,
561
+ "loss": 1.1479,
562
+ "step": 390
563
+ },
564
+ {
565
+ "epoch": 0.346035917652212,
566
+ "grad_norm": 0.2141467823787157,
567
+ "learning_rate": 1.6544398886743934e-05,
568
+ "loss": 1.1424,
569
+ "step": 395
570
+ },
571
+ {
572
+ "epoch": 0.3504161191414805,
573
+ "grad_norm": 0.20902762397068814,
574
+ "learning_rate": 1.6427876096865394e-05,
575
+ "loss": 1.1401,
576
+ "step": 400
577
+ },
578
+ {
579
+ "epoch": 0.354796320630749,
580
+ "grad_norm": 0.20864014440590625,
581
+ "learning_rate": 1.6309846685883726e-05,
582
+ "loss": 1.1404,
583
+ "step": 405
584
+ },
585
+ {
586
+ "epoch": 0.3591765221200175,
587
+ "grad_norm": 0.22432181453053213,
588
+ "learning_rate": 1.6190338318551426e-05,
589
+ "loss": 1.1539,
590
+ "step": 410
591
+ },
592
+ {
593
+ "epoch": 0.36355672360928604,
594
+ "grad_norm": 0.20427723583571802,
595
+ "learning_rate": 1.606937900627157e-05,
596
+ "loss": 1.1402,
597
+ "step": 415
598
+ },
599
+ {
600
+ "epoch": 0.3679369250985545,
601
+ "grad_norm": 0.20345261931074785,
602
+ "learning_rate": 1.594699710053223e-05,
603
+ "loss": 1.1454,
604
+ "step": 420
605
+ },
606
+ {
607
+ "epoch": 0.37231712658782307,
608
+ "grad_norm": 0.20907937476304458,
609
+ "learning_rate": 1.5823221286261217e-05,
610
+ "loss": 1.1282,
611
+ "step": 425
612
+ },
613
+ {
614
+ "epoch": 0.37669732807709155,
615
+ "grad_norm": 0.2065934957421514,
616
+ "learning_rate": 1.5698080575102662e-05,
617
+ "loss": 1.1334,
618
+ "step": 430
619
+ },
620
+ {
621
+ "epoch": 0.38107752956636004,
622
+ "grad_norm": 0.2161916996533843,
623
+ "learning_rate": 1.557160429861702e-05,
624
+ "loss": 1.152,
625
+ "step": 435
626
+ },
627
+ {
628
+ "epoch": 0.3854577310556286,
629
+ "grad_norm": 0.21804609517909665,
630
+ "learning_rate": 1.5443822101406066e-05,
631
+ "loss": 1.1379,
632
+ "step": 440
633
+ },
634
+ {
635
+ "epoch": 0.38983793254489707,
636
+ "grad_norm": 0.20636895330872523,
637
+ "learning_rate": 1.531476393416456e-05,
638
+ "loss": 1.1592,
639
+ "step": 445
640
+ },
641
+ {
642
+ "epoch": 0.39421813403416556,
643
+ "grad_norm": 0.20437911994063385,
644
+ "learning_rate": 1.5184460046660139e-05,
645
+ "loss": 1.1277,
646
+ "step": 450
647
+ },
648
+ {
649
+ "epoch": 0.3985983355234341,
650
+ "grad_norm": 0.2060999428500134,
651
+ "learning_rate": 1.50529409806431e-05,
652
+ "loss": 1.1453,
653
+ "step": 455
654
+ },
655
+ {
656
+ "epoch": 0.4029785370127026,
657
+ "grad_norm": 0.22533191644861675,
658
+ "learning_rate": 1.4920237562687784e-05,
659
+ "loss": 1.1502,
660
+ "step": 460
661
+ },
662
+ {
663
+ "epoch": 0.4073587385019711,
664
+ "grad_norm": 0.23260594557785327,
665
+ "learning_rate": 1.478638089696716e-05,
666
+ "loss": 1.1248,
667
+ "step": 465
668
+ },
669
+ {
670
+ "epoch": 0.4117389399912396,
671
+ "grad_norm": 0.22947787094553646,
672
+ "learning_rate": 1.4651402357962368e-05,
673
+ "loss": 1.1318,
674
+ "step": 470
675
+ },
676
+ {
677
+ "epoch": 0.4161191414805081,
678
+ "grad_norm": 0.2009264544016685,
679
+ "learning_rate": 1.4515333583108896e-05,
680
+ "loss": 1.1543,
681
+ "step": 475
682
+ },
683
+ {
684
+ "epoch": 0.4204993429697766,
685
+ "grad_norm": 0.20022135464643717,
686
+ "learning_rate": 1.4378206465381122e-05,
687
+ "loss": 1.1405,
688
+ "step": 480
689
+ },
690
+ {
691
+ "epoch": 0.42487954445904513,
692
+ "grad_norm": 0.20457278775552865,
693
+ "learning_rate": 1.4240053145816968e-05,
694
+ "loss": 1.1434,
695
+ "step": 485
696
+ },
697
+ {
698
+ "epoch": 0.4292597459483136,
699
+ "grad_norm": 0.20324616627736056,
700
+ "learning_rate": 1.4100906005984404e-05,
701
+ "loss": 1.1479,
702
+ "step": 490
703
+ },
704
+ {
705
+ "epoch": 0.4336399474375821,
706
+ "grad_norm": 0.21908018025065346,
707
+ "learning_rate": 1.396079766039157e-05,
708
+ "loss": 1.1449,
709
+ "step": 495
710
+ },
711
+ {
712
+ "epoch": 0.43802014892685065,
713
+ "grad_norm": 0.210033035128553,
714
+ "learning_rate": 1.381976094884232e-05,
715
+ "loss": 1.132,
716
+ "step": 500
717
+ },
718
+ {
719
+ "epoch": 0.44240035041611914,
720
+ "grad_norm": 0.2013972756453919,
721
+ "learning_rate": 1.3677828928738934e-05,
722
+ "loss": 1.1473,
723
+ "step": 505
724
+ },
725
+ {
726
+ "epoch": 0.4467805519053876,
727
+ "grad_norm": 0.20820144402446275,
728
+ "learning_rate": 1.3535034867333838e-05,
729
+ "loss": 1.1398,
730
+ "step": 510
731
+ },
732
+ {
733
+ "epoch": 0.45116075339465617,
734
+ "grad_norm": 0.21960485445473304,
735
+ "learning_rate": 1.3391412233932148e-05,
736
+ "loss": 1.1527,
737
+ "step": 515
738
+ },
739
+ {
740
+ "epoch": 0.45554095488392465,
741
+ "grad_norm": 0.21395914429214383,
742
+ "learning_rate": 1.3246994692046837e-05,
743
+ "loss": 1.1486,
744
+ "step": 520
745
+ },
746
+ {
747
+ "epoch": 0.45992115637319314,
748
+ "grad_norm": 0.21230485993764248,
749
+ "learning_rate": 1.3101816091508389e-05,
750
+ "loss": 1.1537,
751
+ "step": 525
752
+ },
753
+ {
754
+ "epoch": 0.4643013578624617,
755
+ "grad_norm": 0.21651837542900804,
756
+ "learning_rate": 1.2955910460530787e-05,
757
+ "loss": 1.1496,
758
+ "step": 530
759
+ },
760
+ {
761
+ "epoch": 0.46868155935173017,
762
+ "grad_norm": 0.20750629246921734,
763
+ "learning_rate": 1.2809311997735697e-05,
764
+ "loss": 1.1355,
765
+ "step": 535
766
+ },
767
+ {
768
+ "epoch": 0.4730617608409987,
769
+ "grad_norm": 0.2039566928608635,
770
+ "learning_rate": 1.266205506413667e-05,
771
+ "loss": 1.1375,
772
+ "step": 540
773
+ },
774
+ {
775
+ "epoch": 0.4774419623302672,
776
+ "grad_norm": 0.20670703932671342,
777
+ "learning_rate": 1.2514174175085346e-05,
778
+ "loss": 1.1441,
779
+ "step": 545
780
+ },
781
+ {
782
+ "epoch": 0.4818221638195357,
783
+ "grad_norm": 0.20394796072197643,
784
+ "learning_rate": 1.2365703992181425e-05,
785
+ "loss": 1.1192,
786
+ "step": 550
787
+ },
788
+ {
789
+ "epoch": 0.48620236530880423,
790
+ "grad_norm": 0.19785902077082673,
791
+ "learning_rate": 1.2216679315148388e-05,
792
+ "loss": 1.1303,
793
+ "step": 555
794
+ },
795
+ {
796
+ "epoch": 0.4905825667980727,
797
+ "grad_norm": 0.20446955932426367,
798
+ "learning_rate": 1.2067135073676841e-05,
799
+ "loss": 1.1327,
800
+ "step": 560
801
+ },
802
+ {
803
+ "epoch": 0.4949627682873412,
804
+ "grad_norm": 0.20819551033939337,
805
+ "learning_rate": 1.1917106319237386e-05,
806
+ "loss": 1.1262,
807
+ "step": 565
808
+ },
809
+ {
810
+ "epoch": 0.49934296977660975,
811
+ "grad_norm": 0.202514436311041,
812
+ "learning_rate": 1.1766628216864961e-05,
813
+ "loss": 1.1451,
814
+ "step": 570
815
+ },
816
+ {
817
+ "epoch": 0.5037231712658782,
818
+ "grad_norm": 0.20270248880014877,
819
+ "learning_rate": 1.161573603691655e-05,
820
+ "loss": 1.1096,
821
+ "step": 575
822
+ },
823
+ {
824
+ "epoch": 0.5081033727551467,
825
+ "grad_norm": 0.19902608440066913,
826
+ "learning_rate": 1.1464465146804218e-05,
827
+ "loss": 1.1429,
828
+ "step": 580
829
+ },
830
+ {
831
+ "epoch": 0.5124835742444153,
832
+ "grad_norm": 0.21488103670405032,
833
+ "learning_rate": 1.1312851002705383e-05,
834
+ "loss": 1.1258,
835
+ "step": 585
836
+ },
837
+ {
838
+ "epoch": 0.5168637757336837,
839
+ "grad_norm": 0.2079533279978145,
840
+ "learning_rate": 1.1160929141252303e-05,
841
+ "loss": 1.1326,
842
+ "step": 590
843
+ },
844
+ {
845
+ "epoch": 0.5212439772229522,
846
+ "grad_norm": 0.2024904670673594,
847
+ "learning_rate": 1.1008735171202685e-05,
848
+ "loss": 1.1516,
849
+ "step": 595
850
+ },
851
+ {
852
+ "epoch": 0.5256241787122208,
853
+ "grad_norm": 0.2009798683547318,
854
+ "learning_rate": 1.0856304765093391e-05,
855
+ "loss": 1.126,
856
+ "step": 600
857
+ },
858
+ {
859
+ "epoch": 0.5300043802014893,
860
+ "grad_norm": 0.20247591682210167,
861
+ "learning_rate": 1.0703673650879219e-05,
862
+ "loss": 1.1182,
863
+ "step": 605
864
+ },
865
+ {
866
+ "epoch": 0.5343845816907578,
867
+ "grad_norm": 0.2040201994565877,
868
+ "learning_rate": 1.0550877603558656e-05,
869
+ "loss": 1.1406,
870
+ "step": 610
871
+ },
872
+ {
873
+ "epoch": 0.5387647831800263,
874
+ "grad_norm": 0.2015454994775207,
875
+ "learning_rate": 1.0397952436788643e-05,
876
+ "loss": 1.1166,
877
+ "step": 615
878
+ },
879
+ {
880
+ "epoch": 0.5431449846692948,
881
+ "grad_norm": 0.19828586396121736,
882
+ "learning_rate": 1.024493399449025e-05,
883
+ "loss": 1.1271,
884
+ "step": 620
885
+ },
886
+ {
887
+ "epoch": 0.5475251861585633,
888
+ "grad_norm": 0.202990185981543,
889
+ "learning_rate": 1.0091858142447266e-05,
890
+ "loss": 1.1404,
891
+ "step": 625
892
+ },
893
+ {
894
+ "epoch": 0.5519053876478318,
895
+ "grad_norm": 0.1953396887915411,
896
+ "learning_rate": 9.938760759899674e-06,
897
+ "loss": 1.1282,
898
+ "step": 630
899
+ },
900
+ {
901
+ "epoch": 0.5562855891371004,
902
+ "grad_norm": 0.19897584069638927,
903
+ "learning_rate": 9.785677731133972e-06,
904
+ "loss": 1.116,
905
+ "step": 635
906
+ },
907
+ {
908
+ "epoch": 0.5606657906263688,
909
+ "grad_norm": 0.19579937491086502,
910
+ "learning_rate": 9.632644937072277e-06,
911
+ "loss": 1.1211,
912
+ "step": 640
913
+ },
914
+ {
915
+ "epoch": 0.5650459921156373,
916
+ "grad_norm": 0.19292547383921327,
917
+ "learning_rate": 9.479698246862277e-06,
918
+ "loss": 1.1249,
919
+ "step": 645
920
+ },
921
+ {
922
+ "epoch": 0.5694261936049059,
923
+ "grad_norm": 0.2035897790907176,
924
+ "learning_rate": 9.326873509469887e-06,
925
+ "loss": 1.1222,
926
+ "step": 650
927
+ },
928
+ {
929
+ "epoch": 0.5738063950941743,
930
+ "grad_norm": 0.20245065608346366,
931
+ "learning_rate": 9.174206545276678e-06,
932
+ "loss": 1.1354,
933
+ "step": 655
934
+ },
935
+ {
936
+ "epoch": 0.5781865965834428,
937
+ "grad_norm": 0.19934269310500388,
938
+ "learning_rate": 9.021733137683963e-06,
939
+ "loss": 1.1443,
940
+ "step": 660
941
+ },
942
+ {
943
+ "epoch": 0.5825667980727114,
944
+ "grad_norm": 0.19598319523008984,
945
+ "learning_rate": 8.869489024725595e-06,
946
+ "loss": 1.1326,
947
+ "step": 665
948
+ },
949
+ {
950
+ "epoch": 0.5869469995619798,
951
+ "grad_norm": 0.1945281080977394,
952
+ "learning_rate": 8.717509890691369e-06,
953
+ "loss": 1.1239,
954
+ "step": 670
955
+ },
956
+ {
957
+ "epoch": 0.5913272010512484,
958
+ "grad_norm": 0.20806507918308362,
959
+ "learning_rate": 8.565831357763039e-06,
960
+ "loss": 1.1294,
961
+ "step": 675
962
+ },
963
+ {
964
+ "epoch": 0.5957074025405169,
965
+ "grad_norm": 0.20251893056570133,
966
+ "learning_rate": 8.414488977664858e-06,
967
+ "loss": 1.1239,
968
+ "step": 680
969
+ },
970
+ {
971
+ "epoch": 0.6000876040297853,
972
+ "grad_norm": 0.1991936009015444,
973
+ "learning_rate": 8.263518223330698e-06,
974
+ "loss": 1.1322,
975
+ "step": 685
976
+ },
977
+ {
978
+ "epoch": 0.6044678055190539,
979
+ "grad_norm": 0.1961163554964441,
980
+ "learning_rate": 8.112954480589558e-06,
981
+ "loss": 1.127,
982
+ "step": 690
983
+ },
984
+ {
985
+ "epoch": 0.6088480070083224,
986
+ "grad_norm": 0.1939932601906298,
987
+ "learning_rate": 7.962833039871562e-06,
988
+ "loss": 1.1275,
989
+ "step": 695
990
+ },
991
+ {
992
+ "epoch": 0.6132282084975909,
993
+ "grad_norm": 0.19487292794675937,
994
+ "learning_rate": 7.813189087936243e-06,
995
+ "loss": 1.1222,
996
+ "step": 700
997
+ },
998
+ {
999
+ "epoch": 0.6176084099868594,
1000
+ "grad_norm": 0.19843142347965212,
1001
+ "learning_rate": 7.664057699625215e-06,
1002
+ "loss": 1.1509,
1003
+ "step": 705
1004
+ },
1005
+ {
1006
+ "epoch": 0.6219886114761279,
1007
+ "grad_norm": 0.20098071367810383,
1008
+ "learning_rate": 7.515473829640987e-06,
1009
+ "loss": 1.1228,
1010
+ "step": 710
1011
+ },
1012
+ {
1013
+ "epoch": 0.6263688129653964,
1014
+ "grad_norm": 0.1972827327140634,
1015
+ "learning_rate": 7.367472304354011e-06,
1016
+ "loss": 1.1268,
1017
+ "step": 715
1018
+ },
1019
+ {
1020
+ "epoch": 0.6307490144546649,
1021
+ "grad_norm": 0.20576577812522315,
1022
+ "learning_rate": 7.2200878136397355e-06,
1023
+ "loss": 1.115,
1024
+ "step": 720
1025
+ },
1026
+ {
1027
+ "epoch": 0.6351292159439335,
1028
+ "grad_norm": 0.1972932881390162,
1029
+ "learning_rate": 7.073354902747742e-06,
1030
+ "loss": 1.1104,
1031
+ "step": 725
1032
+ },
1033
+ {
1034
+ "epoch": 0.6395094174332019,
1035
+ "grad_norm": 0.20208492611746368,
1036
+ "learning_rate": 6.927307964204695e-06,
1037
+ "loss": 1.1356,
1038
+ "step": 730
1039
+ },
1040
+ {
1041
+ "epoch": 0.6438896189224704,
1042
+ "grad_norm": 0.19600730585362314,
1043
+ "learning_rate": 6.781981229753145e-06,
1044
+ "loss": 1.1225,
1045
+ "step": 735
1046
+ },
1047
+ {
1048
+ "epoch": 0.648269820411739,
1049
+ "grad_norm": 0.19661439451248647,
1050
+ "learning_rate": 6.637408762327972e-06,
1051
+ "loss": 1.1175,
1052
+ "step": 740
1053
+ },
1054
+ {
1055
+ "epoch": 0.6526500219010074,
1056
+ "grad_norm": 0.20253732148210266,
1057
+ "learning_rate": 6.4936244480724575e-06,
1058
+ "loss": 1.1224,
1059
+ "step": 745
1060
+ },
1061
+ {
1062
+ "epoch": 0.657030223390276,
1063
+ "grad_norm": 0.197391894393827,
1064
+ "learning_rate": 6.350661988395723e-06,
1065
+ "loss": 1.1369,
1066
+ "step": 750
1067
+ },
1068
+ {
1069
+ "epoch": 0.6614104248795445,
1070
+ "grad_norm": 0.19396216640485134,
1071
+ "learning_rate": 6.208554892073528e-06,
1072
+ "loss": 1.1332,
1073
+ "step": 755
1074
+ },
1075
+ {
1076
+ "epoch": 0.6657906263688129,
1077
+ "grad_norm": 0.19950066877821537,
1078
+ "learning_rate": 6.067336467394169e-06,
1079
+ "loss": 1.1199,
1080
+ "step": 760
1081
+ },
1082
+ {
1083
+ "epoch": 0.6701708278580815,
1084
+ "grad_norm": 0.20943729884482393,
1085
+ "learning_rate": 5.927039814351426e-06,
1086
+ "loss": 1.1201,
1087
+ "step": 765
1088
+ },
1089
+ {
1090
+ "epoch": 0.67455102934735,
1091
+ "grad_norm": 0.19237438150257924,
1092
+ "learning_rate": 5.787697816886273e-06,
1093
+ "loss": 1.1267,
1094
+ "step": 770
1095
+ },
1096
+ {
1097
+ "epoch": 0.6789312308366184,
1098
+ "grad_norm": 0.19252386131062685,
1099
+ "learning_rate": 5.649343135179271e-06,
1100
+ "loss": 1.11,
1101
+ "step": 775
1102
+ },
1103
+ {
1104
+ "epoch": 0.683311432325887,
1105
+ "grad_norm": 0.19638246872011564,
1106
+ "learning_rate": 5.512008197995379e-06,
1107
+ "loss": 1.1164,
1108
+ "step": 780
1109
+ },
1110
+ {
1111
+ "epoch": 0.6876916338151555,
1112
+ "grad_norm": 0.1877681729558122,
1113
+ "learning_rate": 5.375725195083046e-06,
1114
+ "loss": 1.1257,
1115
+ "step": 785
1116
+ },
1117
+ {
1118
+ "epoch": 0.692071835304424,
1119
+ "grad_norm": 0.19133651997309503,
1120
+ "learning_rate": 5.240526069629265e-06,
1121
+ "loss": 1.134,
1122
+ "step": 790
1123
+ },
1124
+ {
1125
+ "epoch": 0.6964520367936925,
1126
+ "grad_norm": 0.19745307442946453,
1127
+ "learning_rate": 5.106442510772489e-06,
1128
+ "loss": 1.1412,
1129
+ "step": 795
1130
+ },
1131
+ {
1132
+ "epoch": 0.700832238282961,
1133
+ "grad_norm": 0.18826987382961585,
1134
+ "learning_rate": 4.97350594617502e-06,
1135
+ "loss": 1.12,
1136
+ "step": 800
1137
+ },
1138
+ {
1139
+ "epoch": 0.7052124397722295,
1140
+ "grad_norm": 0.20198435756216934,
1141
+ "learning_rate": 4.8417475346567635e-06,
1142
+ "loss": 1.1343,
1143
+ "step": 805
1144
+ },
1145
+ {
1146
+ "epoch": 0.709592641261498,
1147
+ "grad_norm": 0.19941557715707345,
1148
+ "learning_rate": 4.711198158891909e-06,
1149
+ "loss": 1.1229,
1150
+ "step": 810
1151
+ },
1152
+ {
1153
+ "epoch": 0.7139728427507666,
1154
+ "grad_norm": 0.20442006319949774,
1155
+ "learning_rate": 4.581888418170429e-06,
1156
+ "loss": 1.1353,
1157
+ "step": 815
1158
+ },
1159
+ {
1160
+ "epoch": 0.718353044240035,
1161
+ "grad_norm": 0.2001055609078045,
1162
+ "learning_rate": 4.453848621225913e-06,
1163
+ "loss": 1.1149,
1164
+ "step": 820
1165
+ },
1166
+ {
1167
+ "epoch": 0.7227332457293035,
1168
+ "grad_norm": 0.18925787454519752,
1169
+ "learning_rate": 4.327108779131573e-06,
1170
+ "loss": 1.133,
1171
+ "step": 825
1172
+ },
1173
+ {
1174
+ "epoch": 0.7271134472185721,
1175
+ "grad_norm": 0.1863143936478909,
1176
+ "learning_rate": 4.201698598265973e-06,
1177
+ "loss": 1.1162,
1178
+ "step": 830
1179
+ },
1180
+ {
1181
+ "epoch": 0.7314936487078406,
1182
+ "grad_norm": 0.1879694577872159,
1183
+ "learning_rate": 4.077647473350201e-06,
1184
+ "loss": 1.126,
1185
+ "step": 835
1186
+ },
1187
+ {
1188
+ "epoch": 0.735873850197109,
1189
+ "grad_norm": 0.1919436380192233,
1190
+ "learning_rate": 3.954984480558071e-06,
1191
+ "loss": 1.1195,
1192
+ "step": 840
1193
+ },
1194
+ {
1195
+ "epoch": 0.7402540516863776,
1196
+ "grad_norm": 0.20358611131495935,
1197
+ "learning_rate": 3.83373837070101e-06,
1198
+ "loss": 1.1255,
1199
+ "step": 845
1200
+ },
1201
+ {
1202
+ "epoch": 0.7446342531756461,
1203
+ "grad_norm": 0.20008378915370192,
1204
+ "learning_rate": 3.7139375624891795e-06,
1205
+ "loss": 1.1412,
1206
+ "step": 850
1207
+ },
1208
+ {
1209
+ "epoch": 0.7490144546649146,
1210
+ "grad_norm": 0.19290096180375577,
1211
+ "learning_rate": 3.595610135870472e-06,
1212
+ "loss": 1.1207,
1213
+ "step": 855
1214
+ },
1215
+ {
1216
+ "epoch": 0.7533946561541831,
1217
+ "grad_norm": 0.196072459641094,
1218
+ "learning_rate": 3.478783825448869e-06,
1219
+ "loss": 1.1125,
1220
+ "step": 860
1221
+ },
1222
+ {
1223
+ "epoch": 0.7577748576434516,
1224
+ "grad_norm": 0.1928642029524879,
1225
+ "learning_rate": 3.3634860139837877e-06,
1226
+ "loss": 1.1229,
1227
+ "step": 865
1228
+ },
1229
+ {
1230
+ "epoch": 0.7621550591327201,
1231
+ "grad_norm": 0.20130571120198174,
1232
+ "learning_rate": 3.249743725971849e-06,
1233
+ "loss": 1.1312,
1234
+ "step": 870
1235
+ },
1236
+ {
1237
+ "epoch": 0.7665352606219886,
1238
+ "grad_norm": 0.20961643180726597,
1239
+ "learning_rate": 3.1375836213126653e-06,
1240
+ "loss": 1.1232,
1241
+ "step": 875
1242
+ },
1243
+ {
1244
+ "epoch": 0.7709154621112572,
1245
+ "grad_norm": 0.18941668671789638,
1246
+ "learning_rate": 3.0270319890600465e-06,
1247
+ "loss": 1.1434,
1248
+ "step": 880
1249
+ },
1250
+ {
1251
+ "epoch": 0.7752956636005256,
1252
+ "grad_norm": 0.19381237131051324,
1253
+ "learning_rate": 2.918114741260156e-06,
1254
+ "loss": 1.1439,
1255
+ "step": 885
1256
+ },
1257
+ {
1258
+ "epoch": 0.7796758650897941,
1259
+ "grad_norm": 0.1945291975485229,
1260
+ "learning_rate": 2.8108574068780093e-06,
1261
+ "loss": 1.1158,
1262
+ "step": 890
1263
+ },
1264
+ {
1265
+ "epoch": 0.7840560665790627,
1266
+ "grad_norm": 0.18927206178983724,
1267
+ "learning_rate": 2.7052851258137936e-06,
1268
+ "loss": 1.1241,
1269
+ "step": 895
1270
+ },
1271
+ {
1272
+ "epoch": 0.7884362680683311,
1273
+ "grad_norm": 0.19223522737541443,
1274
+ "learning_rate": 2.601422643010335e-06,
1275
+ "loss": 1.1056,
1276
+ "step": 900
1277
+ },
1278
+ {
1279
+ "epoch": 0.7928164695575997,
1280
+ "grad_norm": 0.20045874340313333,
1281
+ "learning_rate": 2.4992943026531935e-06,
1282
+ "loss": 1.1239,
1283
+ "step": 905
1284
+ },
1285
+ {
1286
+ "epoch": 0.7971966710468682,
1287
+ "grad_norm": 0.19018510655063894,
1288
+ "learning_rate": 2.3989240424646355e-06,
1289
+ "loss": 1.1189,
1290
+ "step": 910
1291
+ },
1292
+ {
1293
+ "epoch": 0.8015768725361366,
1294
+ "grad_norm": 0.19034937418838804,
1295
+ "learning_rate": 2.300335388092929e-06,
1296
+ "loss": 1.1152,
1297
+ "step": 915
1298
+ },
1299
+ {
1300
+ "epoch": 0.8059570740254052,
1301
+ "grad_norm": 0.19645900089237364,
1302
+ "learning_rate": 2.2035514475981756e-06,
1303
+ "loss": 1.1313,
1304
+ "step": 920
1305
+ },
1306
+ {
1307
+ "epoch": 0.8103372755146737,
1308
+ "grad_norm": 0.18847516841511264,
1309
+ "learning_rate": 2.1085949060360654e-06,
1310
+ "loss": 1.1135,
1311
+ "step": 925
1312
+ },
1313
+ {
1314
+ "epoch": 0.8147174770039421,
1315
+ "grad_norm": 0.19132781030558177,
1316
+ "learning_rate": 2.015488020140737e-06,
1317
+ "loss": 1.1045,
1318
+ "step": 930
1319
+ },
1320
+ {
1321
+ "epoch": 0.8190976784932107,
1322
+ "grad_norm": 0.18904026009165054,
1323
+ "learning_rate": 1.924252613108073e-06,
1324
+ "loss": 1.1318,
1325
+ "step": 935
1326
+ },
1327
+ {
1328
+ "epoch": 0.8234778799824792,
1329
+ "grad_norm": 0.19251546970491693,
1330
+ "learning_rate": 1.8349100694805711e-06,
1331
+ "loss": 1.1243,
1332
+ "step": 940
1333
+ },
1334
+ {
1335
+ "epoch": 0.8278580814717477,
1336
+ "grad_norm": 0.19006518497007893,
1337
+ "learning_rate": 1.7474813301350668e-06,
1338
+ "loss": 1.123,
1339
+ "step": 945
1340
+ },
1341
+ {
1342
+ "epoch": 0.8322382829610162,
1343
+ "grad_norm": 0.19325212813265874,
1344
+ "learning_rate": 1.661986887374415e-06,
1345
+ "loss": 1.1129,
1346
+ "step": 950
1347
+ },
1348
+ {
1349
+ "epoch": 0.8366184844502847,
1350
+ "grad_norm": 0.1889419224748978,
1351
+ "learning_rate": 1.578446780124344e-06,
1352
+ "loss": 1.1103,
1353
+ "step": 955
1354
+ },
1355
+ {
1356
+ "epoch": 0.8409986859395532,
1357
+ "grad_norm": 0.19033279856504365,
1358
+ "learning_rate": 1.49688058923654e-06,
1359
+ "loss": 1.1098,
1360
+ "step": 960
1361
+ },
1362
+ {
1363
+ "epoch": 0.8453788874288217,
1364
+ "grad_norm": 0.18633846336335902,
1365
+ "learning_rate": 1.4173074328991376e-06,
1366
+ "loss": 1.1287,
1367
+ "step": 965
1368
+ },
1369
+ {
1370
+ "epoch": 0.8497590889180903,
1371
+ "grad_norm": 0.19006030021409406,
1372
+ "learning_rate": 1.339745962155613e-06,
1373
+ "loss": 1.1329,
1374
+ "step": 970
1375
+ },
1376
+ {
1377
+ "epoch": 0.8541392904073587,
1378
+ "grad_norm": 0.18903779583859964,
1379
+ "learning_rate": 1.2642143565332154e-06,
1380
+ "loss": 1.1316,
1381
+ "step": 975
1382
+ },
1383
+ {
1384
+ "epoch": 0.8585194918966272,
1385
+ "grad_norm": 0.19272564813632415,
1386
+ "learning_rate": 1.1907303197818665e-06,
1387
+ "loss": 1.1303,
1388
+ "step": 980
1389
+ },
1390
+ {
1391
+ "epoch": 0.8628996933858958,
1392
+ "grad_norm": 0.18878052764179085,
1393
+ "learning_rate": 1.1193110757246251e-06,
1394
+ "loss": 1.1205,
1395
+ "step": 985
1396
+ },
1397
+ {
1398
+ "epoch": 0.8672798948751642,
1399
+ "grad_norm": 0.19218035241765347,
1400
+ "learning_rate": 1.0499733642206034e-06,
1401
+ "loss": 1.124,
1402
+ "step": 990
1403
+ },
1404
+ {
1405
+ "epoch": 0.8716600963644328,
1406
+ "grad_norm": 0.18852107182367117,
1407
+ "learning_rate": 9.827334372413444e-07,
1408
+ "loss": 1.1301,
1409
+ "step": 995
1410
+ },
1411
+ {
1412
+ "epoch": 0.8760402978537013,
1413
+ "grad_norm": 0.19264462588904008,
1414
+ "learning_rate": 9.176070550615379e-07,
1415
+ "loss": 1.1254,
1416
+ "step": 1000
1417
+ },
1418
+ {
1419
+ "epoch": 0.8804204993429697,
1420
+ "grad_norm": 0.18440224651228512,
1421
+ "learning_rate": 8.546094825649909e-07,
1422
+ "loss": 1.1189,
1423
+ "step": 1005
1424
+ },
1425
+ {
1426
+ "epoch": 0.8848007008322383,
1427
+ "grad_norm": 0.18637643466062778,
1428
+ "learning_rate": 7.937554856667196e-07,
1429
+ "loss": 1.1386,
1430
+ "step": 1010
1431
+ },
1432
+ {
1433
+ "epoch": 0.8891809023215068,
1434
+ "grad_norm": 0.19217636415097236,
1435
+ "learning_rate": 7.350593278519824e-07,
1436
+ "loss": 1.1512,
1437
+ "step": 1015
1438
+ },
1439
+ {
1440
+ "epoch": 0.8935611038107752,
1441
+ "grad_norm": 0.19868031904477793,
1442
+ "learning_rate": 6.785347668330777e-07,
1443
+ "loss": 1.1385,
1444
+ "step": 1020
1445
+ },
1446
+ {
1447
+ "epoch": 0.8979413053000438,
1448
+ "grad_norm": 0.18822804076907482,
1449
+ "learning_rate": 6.241950513246931e-07,
1450
+ "loss": 1.1236,
1451
+ "step": 1025
1452
+ },
1453
+ {
1454
+ "epoch": 0.9023215067893123,
1455
+ "grad_norm": 0.18768750481368643,
1456
+ "learning_rate": 5.720529179385659e-07,
1457
+ "loss": 1.1096,
1458
+ "step": 1030
1459
+ },
1460
+ {
1461
+ "epoch": 0.9067017082785808,
1462
+ "grad_norm": 0.18565141772239874,
1463
+ "learning_rate": 5.221205881981594e-07,
1464
+ "loss": 1.1197,
1465
+ "step": 1035
1466
+ },
1467
+ {
1468
+ "epoch": 0.9110819097678493,
1469
+ "grad_norm": 0.2034853308480849,
1470
+ "learning_rate": 4.7440976567407096e-07,
1471
+ "loss": 1.1371,
1472
+ "step": 1040
1473
+ },
1474
+ {
1475
+ "epoch": 0.9154621112571178,
1476
+ "grad_norm": 0.1998255782368389,
1477
+ "learning_rate": 4.2893163324085886e-07,
1478
+ "loss": 1.1115,
1479
+ "step": 1045
1480
+ },
1481
+ {
1482
+ "epoch": 0.9198423127463863,
1483
+ "grad_norm": 0.19439905516574385,
1484
+ "learning_rate": 3.856968504558989e-07,
1485
+ "loss": 1.1156,
1486
+ "step": 1050
1487
+ },
1488
+ {
1489
+ "epoch": 0.9242225142356548,
1490
+ "grad_norm": 0.18518716914861474,
1491
+ "learning_rate": 3.4471555106090573e-07,
1492
+ "loss": 1.1316,
1493
+ "step": 1055
1494
+ },
1495
+ {
1496
+ "epoch": 0.9286027157249234,
1497
+ "grad_norm": 0.18819573805967685,
1498
+ "learning_rate": 3.059973406066963e-07,
1499
+ "loss": 1.1215,
1500
+ "step": 1060
1501
+ },
1502
+ {
1503
+ "epoch": 0.9329829172141918,
1504
+ "grad_norm": 0.18672133869392946,
1505
+ "learning_rate": 2.6955129420176193e-07,
1506
+ "loss": 1.1264,
1507
+ "step": 1065
1508
+ },
1509
+ {
1510
+ "epoch": 0.9373631187034603,
1511
+ "grad_norm": 0.18848502790832367,
1512
+ "learning_rate": 2.3538595438516442e-07,
1513
+ "loss": 1.1215,
1514
+ "step": 1070
1515
+ },
1516
+ {
1517
+ "epoch": 0.9417433201927289,
1518
+ "grad_norm": 0.18909475354670285,
1519
+ "learning_rate": 2.035093291242607e-07,
1520
+ "loss": 1.1324,
1521
+ "step": 1075
1522
+ },
1523
+ {
1524
+ "epoch": 0.9461235216819974,
1525
+ "grad_norm": 0.18392034150187955,
1526
+ "learning_rate": 1.7392888993773005e-07,
1527
+ "loss": 1.0989,
1528
+ "step": 1080
1529
+ },
1530
+ {
1531
+ "epoch": 0.9505037231712659,
1532
+ "grad_norm": 0.18422655351430084,
1533
+ "learning_rate": 1.466515701443294e-07,
1534
+ "loss": 1.149,
1535
+ "step": 1085
1536
+ },
1537
+ {
1538
+ "epoch": 0.9548839246605344,
1539
+ "grad_norm": 0.18472721089921113,
1540
+ "learning_rate": 1.2168376323780652e-07,
1541
+ "loss": 1.1338,
1542
+ "step": 1090
1543
+ },
1544
+ {
1545
+ "epoch": 0.9592641261498029,
1546
+ "grad_norm": 0.18618589859950402,
1547
+ "learning_rate": 9.90313213883376e-08,
1548
+ "loss": 1.1488,
1549
+ "step": 1095
1550
+ },
1551
+ {
1552
+ "epoch": 0.9636443276390714,
1553
+ "grad_norm": 0.1841956829600993,
1554
+ "learning_rate": 7.86995540708424e-08,
1555
+ "loss": 1.1058,
1556
+ "step": 1100
1557
+ },
1558
+ {
1559
+ "epoch": 0.9680245291283399,
1560
+ "grad_norm": 0.18737860582967023,
1561
+ "learning_rate": 6.069322682050516e-08,
1562
+ "loss": 1.1347,
1563
+ "step": 1105
1564
+ },
1565
+ {
1566
+ "epoch": 0.9724047306176085,
1567
+ "grad_norm": 0.18327423894477116,
1568
+ "learning_rate": 4.501656011579037e-08,
1569
+ "loss": 1.1223,
1570
+ "step": 1110
1571
+ },
1572
+ {
1573
+ "epoch": 0.9767849321068769,
1574
+ "grad_norm": 0.18664413828439025,
1575
+ "learning_rate": 3.167322838920406e-08,
1576
+ "loss": 1.1036,
1577
+ "step": 1115
1578
+ },
1579
+ {
1580
+ "epoch": 0.9811651335961454,
1581
+ "grad_norm": 0.18891847587451832,
1582
+ "learning_rate": 2.066635916605386e-08,
1583
+ "loss": 1.1229,
1584
+ "step": 1120
1585
+ },
1586
+ {
1587
+ "epoch": 0.985545335085414,
1588
+ "grad_norm": 0.19664758693417972,
1589
+ "learning_rate": 1.1998532331389812e-08,
1590
+ "loss": 1.156,
1591
+ "step": 1125
1592
+ },
1593
+ {
1594
+ "epoch": 0.9899255365746824,
1595
+ "grad_norm": 0.18716549597123566,
1596
+ "learning_rate": 5.671779525311394e-09,
1597
+ "loss": 1.1146,
1598
+ "step": 1130
1599
+ },
1600
+ {
1601
+ "epoch": 0.994305738063951,
1602
+ "grad_norm": 0.1847881495731737,
1603
+ "learning_rate": 1.6875836667729073e-09,
1604
+ "loss": 1.1207,
1605
+ "step": 1135
1606
+ },
1607
+ {
1608
+ "epoch": 0.9986859395532195,
1609
+ "grad_norm": 0.18567353384044155,
1610
+ "learning_rate": 4.687860599927874e-11,
1611
+ "loss": 1.1244,
1612
+ "step": 1140
1613
+ },
1614
+ {
1615
+ "epoch": 0.9995619798510732,
1616
+ "step": 1141,
1617
+ "total_flos": 215836199485440.0,
1618
+ "train_loss": 1.3199829850460123,
1619
+ "train_runtime": 8951.0623,
1620
+ "train_samples_per_second": 16.317,
1621
+ "train_steps_per_second": 0.127
1622
+ }
1623
+ ],
1624
+ "logging_steps": 5,
1625
+ "max_steps": 1141,
1626
+ "num_input_tokens_seen": 0,
1627
+ "num_train_epochs": 1,
1628
+ "save_steps": 100,
1629
+ "stateful_callbacks": {
1630
+ "TrainerControl": {
1631
+ "args": {
1632
+ "should_epoch_stop": false,
1633
+ "should_evaluate": false,
1634
+ "should_log": false,
1635
+ "should_save": true,
1636
+ "should_training_stop": true
1637
+ },
1638
+ "attributes": {}
1639
+ }
1640
+ },
1641
+ "total_flos": 215836199485440.0,
1642
+ "train_batch_size": 16,
1643
+ "trial_name": null,
1644
+ "trial_params": null
1645
+ }