Hugging Face's logo

hyperdemocracy
/
usclm-robrta-base-mk1

Fill-Mask
Transformers
Safetensors
roberta
Generated from Trainer
Eval Results
Inference Endpoints
Model card Files Community
gabrielaltay commited on
Commit
666e60c
•
1 Parent(s): 6597951

Training in progress, step 2024, checkpoint

Browse files
Files changed (13) hide show
  1. last-checkpoint/config.json +26 -0
  2. last-checkpoint/merges.txt +0 -0
  3. last-checkpoint/model.safetensors +3 -0
  4. last-checkpoint/optimizer.pt +3 -0
  5. last-checkpoint/rng_state_0.pth +3 -0
  6. last-checkpoint/rng_state_1.pth +3 -0
  7. last-checkpoint/scheduler.pt +3 -0
  8. last-checkpoint/special_tokens_map.json +15 -0
  9. last-checkpoint/tokenizer.json +0 -0
  10. last-checkpoint/tokenizer_config.json +57 -0
  11. last-checkpoint/trainer_state.json +3563 -0
  12. last-checkpoint/training_args.bin +3 -0
  13. last-checkpoint/vocab.json +0 -0
last-checkpoint/config.json ADDED
@@ -0,0 +1,26 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "architectures": [
3
+ "RobertaForMaskedLM"
4
+ ],
5
+ "attention_probs_dropout_prob": 0.1,
6
+ "bos_token_id": 0,
7
+ "classifier_dropout": null,
8
+ "eos_token_id": 2,
9
+ "hidden_act": "gelu",
10
+ "hidden_dropout_prob": 0.1,
11
+ "hidden_size": 768,
12
+ "initializer_range": 0.02,
13
+ "intermediate_size": 3072,
14
+ "layer_norm_eps": 1e-12,
15
+ "max_position_embeddings": 1026,
16
+ "model_type": "roberta",
17
+ "num_attention_heads": 12,
18
+ "num_hidden_layers": 12,
19
+ "pad_token_id": 1,
20
+ "position_embedding_type": "absolute",
21
+ "torch_dtype": "float32",
22
+ "transformers_version": "4.39.0.dev0",
23
+ "type_vocab_size": 2,
24
+ "use_cache": true,
25
+ "vocab_size": 50265
26
+ }
last-checkpoint/merges.txt ADDED
The diff for this file is too large to render. See raw diff
 
last-checkpoint/model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:926c17ce525c910785cef7aa1567edbeade79a3c2ccb26aa65f446c60f3e39da
3
+ size 500389884
last-checkpoint/optimizer.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:e228c9c3f98a980d257fafd55d41d0400153aa02c7558b0975a4337ea05f993e
3
+ size 1000900218
last-checkpoint/rng_state_0.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:42abef74a1f4e465248dd3dc8d516afe5aad327fced243f98c12c5f59cc6cd35
3
+ size 14512
last-checkpoint/rng_state_1.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:dace5aeb239b3a665d0c6b9504d3683094d55fdead5672e76cba96248b11b0e8
3
+ size 14512
last-checkpoint/scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:1d54810091ac000ba21b722b209ffc241142da38141955608aec479859cd84de
3
+ size 1064
last-checkpoint/special_tokens_map.json ADDED
@@ -0,0 +1,15 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "bos_token": "<s>",
3
+ "cls_token": "<s>",
4
+ "eos_token": "</s>",
5
+ "mask_token": {
6
+ "content": "<mask>",
7
+ "lstrip": true,
8
+ "normalized": false,
9
+ "rstrip": false,
10
+ "single_word": false
11
+ },
12
+ "pad_token": "<pad>",
13
+ "sep_token": "</s>",
14
+ "unk_token": "<unk>"
15
+ }
last-checkpoint/tokenizer.json ADDED
The diff for this file is too large to render. See raw diff
 
last-checkpoint/tokenizer_config.json ADDED
@@ -0,0 +1,57 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "add_prefix_space": false,
3
+ "added_tokens_decoder": {
4
+ "0": {
5
+ "content": "<s>",
6
+ "lstrip": false,
7
+ "normalized": true,
8
+ "rstrip": false,
9
+ "single_word": false,
10
+ "special": true
11
+ },
12
+ "1": {
13
+ "content": "<pad>",
14
+ "lstrip": false,
15
+ "normalized": true,
16
+ "rstrip": false,
17
+ "single_word": false,
18
+ "special": true
19
+ },
20
+ "2": {
21
+ "content": "</s>",
22
+ "lstrip": false,
23
+ "normalized": true,
24
+ "rstrip": false,
25
+ "single_word": false,
26
+ "special": true
27
+ },
28
+ "3": {
29
+ "content": "<unk>",
30
+ "lstrip": false,
31
+ "normalized": true,
32
+ "rstrip": false,
33
+ "single_word": false,
34
+ "special": true
35
+ },
36
+ "50264": {
37
+ "content": "<mask>",
38
+ "lstrip": true,
39
+ "normalized": false,
40
+ "rstrip": false,
41
+ "single_word": false,
42
+ "special": true
43
+ }
44
+ },
45
+ "bos_token": "<s>",
46
+ "clean_up_tokenization_spaces": true,
47
+ "cls_token": "<s>",
48
+ "eos_token": "</s>",
49
+ "errors": "replace",
50
+ "mask_token": "<mask>",
51
+ "model_max_length": 512,
52
+ "pad_token": "<pad>",
53
+ "sep_token": "</s>",
54
+ "tokenizer_class": "RobertaTokenizer",
55
+ "trim_offsets": true,
56
+ "unk_token": "<unk>"
57
+ }
last-checkpoint/trainer_state.json ADDED
@@ -0,0 +1,3563 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 0.10000494095558081,
5
+ "eval_steps": 500,
6
+ "global_step": 2024,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.0,
13
+ "grad_norm": 3.7912962436676025,
14
+ "learning_rate": 4.9990118088838384e-05,
15
+ "loss": 10.3461,
16
+ "step": 4
17
+ },
18
+ {
19
+ "epoch": 0.0,
20
+ "grad_norm": 3.3178839683532715,
21
+ "learning_rate": 4.9980236177676767e-05,
22
+ "loss": 9.7253,
23
+ "step": 8
24
+ },
25
+ {
26
+ "epoch": 0.0,
27
+ "grad_norm": 3.043405055999756,
28
+ "learning_rate": 4.997035426651515e-05,
29
+ "loss": 9.476,
30
+ "step": 12
31
+ },
32
+ {
33
+ "epoch": 0.0,
34
+ "grad_norm": 3.0094900131225586,
35
+ "learning_rate": 4.9960472355353524e-05,
36
+ "loss": 9.2119,
37
+ "step": 16
38
+ },
39
+ {
40
+ "epoch": 0.0,
41
+ "grad_norm": 2.7685112953186035,
42
+ "learning_rate": 4.9950590444191906e-05,
43
+ "loss": 9.0744,
44
+ "step": 20
45
+ },
46
+ {
47
+ "epoch": 0.0,
48
+ "grad_norm": 2.816589832305908,
49
+ "learning_rate": 4.994070853303029e-05,
50
+ "loss": 8.8707,
51
+ "step": 24
52
+ },
53
+ {
54
+ "epoch": 0.0,
55
+ "grad_norm": 3.2649807929992676,
56
+ "learning_rate": 4.993082662186867e-05,
57
+ "loss": 8.677,
58
+ "step": 28
59
+ },
60
+ {
61
+ "epoch": 0.0,
62
+ "grad_norm": 2.543574571609497,
63
+ "learning_rate": 4.992094471070705e-05,
64
+ "loss": 8.5568,
65
+ "step": 32
66
+ },
67
+ {
68
+ "epoch": 0.0,
69
+ "grad_norm": 2.669053316116333,
70
+ "learning_rate": 4.9911062799545434e-05,
71
+ "loss": 8.2874,
72
+ "step": 36
73
+ },
74
+ {
75
+ "epoch": 0.0,
76
+ "grad_norm": 2.4249765872955322,
77
+ "learning_rate": 4.9901180888383816e-05,
78
+ "loss": 8.2541,
79
+ "step": 40
80
+ },
81
+ {
82
+ "epoch": 0.0,
83
+ "grad_norm": 2.1649515628814697,
84
+ "learning_rate": 4.98912989772222e-05,
85
+ "loss": 8.0488,
86
+ "step": 44
87
+ },
88
+ {
89
+ "epoch": 0.0,
90
+ "grad_norm": 2.1681978702545166,
91
+ "learning_rate": 4.9881417066060574e-05,
92
+ "loss": 7.9646,
93
+ "step": 48
94
+ },
95
+ {
96
+ "epoch": 0.0,
97
+ "grad_norm": 2.2630350589752197,
98
+ "learning_rate": 4.9871535154898956e-05,
99
+ "loss": 7.7305,
100
+ "step": 52
101
+ },
102
+ {
103
+ "epoch": 0.0,
104
+ "grad_norm": 2.286691904067993,
105
+ "learning_rate": 4.986165324373734e-05,
106
+ "loss": 7.5245,
107
+ "step": 56
108
+ },
109
+ {
110
+ "epoch": 0.0,
111
+ "grad_norm": 1.9876737594604492,
112
+ "learning_rate": 4.9851771332575727e-05,
113
+ "loss": 7.4304,
114
+ "step": 60
115
+ },
116
+ {
117
+ "epoch": 0.0,
118
+ "grad_norm": 1.7167022228240967,
119
+ "learning_rate": 4.984188942141411e-05,
120
+ "loss": 7.4031,
121
+ "step": 64
122
+ },
123
+ {
124
+ "epoch": 0.0,
125
+ "grad_norm": 1.8193055391311646,
126
+ "learning_rate": 4.983200751025249e-05,
127
+ "loss": 7.3022,
128
+ "step": 68
129
+ },
130
+ {
131
+ "epoch": 0.0,
132
+ "grad_norm": 1.543209195137024,
133
+ "learning_rate": 4.9822125599090866e-05,
134
+ "loss": 7.2365,
135
+ "step": 72
136
+ },
137
+ {
138
+ "epoch": 0.0,
139
+ "grad_norm": 1.75989830493927,
140
+ "learning_rate": 4.981224368792925e-05,
141
+ "loss": 7.0086,
142
+ "step": 76
143
+ },
144
+ {
145
+ "epoch": 0.0,
146
+ "grad_norm": 1.8119884729385376,
147
+ "learning_rate": 4.980236177676763e-05,
148
+ "loss": 7.1398,
149
+ "step": 80
150
+ },
151
+ {
152
+ "epoch": 0.0,
153
+ "grad_norm": 1.4095029830932617,
154
+ "learning_rate": 4.979247986560601e-05,
155
+ "loss": 6.9534,
156
+ "step": 84
157
+ },
158
+ {
159
+ "epoch": 0.0,
160
+ "grad_norm": 1.6824373006820679,
161
+ "learning_rate": 4.9782597954444394e-05,
162
+ "loss": 7.0708,
163
+ "step": 88
164
+ },
165
+ {
166
+ "epoch": 0.0,
167
+ "grad_norm": 1.6116963624954224,
168
+ "learning_rate": 4.9772716043282776e-05,
169
+ "loss": 6.957,
170
+ "step": 92
171
+ },
172
+ {
173
+ "epoch": 0.0,
174
+ "grad_norm": 1.2887672185897827,
175
+ "learning_rate": 4.976283413212116e-05,
176
+ "loss": 6.8803,
177
+ "step": 96
178
+ },
179
+ {
180
+ "epoch": 0.0,
181
+ "grad_norm": 1.2640583515167236,
182
+ "learning_rate": 4.9752952220959534e-05,
183
+ "loss": 6.6778,
184
+ "step": 100
185
+ },
186
+ {
187
+ "epoch": 0.01,
188
+ "grad_norm": 1.3888378143310547,
189
+ "learning_rate": 4.9743070309797916e-05,
190
+ "loss": 6.7205,
191
+ "step": 104
192
+ },
193
+ {
194
+ "epoch": 0.01,
195
+ "grad_norm": 1.4042987823486328,
196
+ "learning_rate": 4.97331883986363e-05,
197
+ "loss": 6.7003,
198
+ "step": 108
199
+ },
200
+ {
201
+ "epoch": 0.01,
202
+ "grad_norm": 1.531121015548706,
203
+ "learning_rate": 4.972330648747468e-05,
204
+ "loss": 6.7113,
205
+ "step": 112
206
+ },
207
+ {
208
+ "epoch": 0.01,
209
+ "grad_norm": 1.5138936042785645,
210
+ "learning_rate": 4.971342457631306e-05,
211
+ "loss": 6.6541,
212
+ "step": 116
213
+ },
214
+ {
215
+ "epoch": 0.01,
216
+ "grad_norm": 1.5610084533691406,
217
+ "learning_rate": 4.9703542665151444e-05,
218
+ "loss": 6.6966,
219
+ "step": 120
220
+ },
221
+ {
222
+ "epoch": 0.01,
223
+ "grad_norm": 1.3988789319992065,
224
+ "learning_rate": 4.9693660753989826e-05,
225
+ "loss": 6.5739,
226
+ "step": 124
227
+ },
228
+ {
229
+ "epoch": 0.01,
230
+ "grad_norm": 1.511693000793457,
231
+ "learning_rate": 4.968377884282821e-05,
232
+ "loss": 6.6209,
233
+ "step": 128
234
+ },
235
+ {
236
+ "epoch": 0.01,
237
+ "grad_norm": 1.4789738655090332,
238
+ "learning_rate": 4.967389693166658e-05,
239
+ "loss": 6.497,
240
+ "step": 132
241
+ },
242
+ {
243
+ "epoch": 0.01,
244
+ "grad_norm": 1.312217354774475,
245
+ "learning_rate": 4.9664015020504965e-05,
246
+ "loss": 6.4966,
247
+ "step": 136
248
+ },
249
+ {
250
+ "epoch": 0.01,
251
+ "grad_norm": 1.2716199159622192,
252
+ "learning_rate": 4.965413310934335e-05,
253
+ "loss": 6.6663,
254
+ "step": 140
255
+ },
256
+ {
257
+ "epoch": 0.01,
258
+ "grad_norm": 1.5896294116973877,
259
+ "learning_rate": 4.964425119818173e-05,
260
+ "loss": 6.7358,
261
+ "step": 144
262
+ },
263
+ {
264
+ "epoch": 0.01,
265
+ "grad_norm": 3.169236660003662,
266
+ "learning_rate": 4.963436928702011e-05,
267
+ "loss": 6.7237,
268
+ "step": 148
269
+ },
270
+ {
271
+ "epoch": 0.01,
272
+ "grad_norm": 2.6182782649993896,
273
+ "learning_rate": 4.9624487375858494e-05,
274
+ "loss": 6.4832,
275
+ "step": 152
276
+ },
277
+ {
278
+ "epoch": 0.01,
279
+ "grad_norm": 1.5328868627548218,
280
+ "learning_rate": 4.9614605464696876e-05,
281
+ "loss": 6.5984,
282
+ "step": 156
283
+ },
284
+ {
285
+ "epoch": 0.01,
286
+ "grad_norm": 1.2593821287155151,
287
+ "learning_rate": 4.960472355353525e-05,
288
+ "loss": 6.5301,
289
+ "step": 160
290
+ },
291
+ {
292
+ "epoch": 0.01,
293
+ "grad_norm": 1.7900025844573975,
294
+ "learning_rate": 4.959484164237363e-05,
295
+ "loss": 6.555,
296
+ "step": 164
297
+ },
298
+ {
299
+ "epoch": 0.01,
300
+ "grad_norm": 2.1635518074035645,
301
+ "learning_rate": 4.9584959731212015e-05,
302
+ "loss": 6.5686,
303
+ "step": 168
304
+ },
305
+ {
306
+ "epoch": 0.01,
307
+ "grad_norm": 1.4018573760986328,
308
+ "learning_rate": 4.95750778200504e-05,
309
+ "loss": 6.4757,
310
+ "step": 172
311
+ },
312
+ {
313
+ "epoch": 0.01,
314
+ "grad_norm": 1.6255518198013306,
315
+ "learning_rate": 4.9565195908888786e-05,
316
+ "loss": 6.4482,
317
+ "step": 176
318
+ },
319
+ {
320
+ "epoch": 0.01,
321
+ "grad_norm": 1.5604472160339355,
322
+ "learning_rate": 4.955531399772717e-05,
323
+ "loss": 6.448,
324
+ "step": 180
325
+ },
326
+ {
327
+ "epoch": 0.01,
328
+ "grad_norm": 1.4451005458831787,
329
+ "learning_rate": 4.954543208656554e-05,
330
+ "loss": 6.5368,
331
+ "step": 184
332
+ },
333
+ {
334
+ "epoch": 0.01,
335
+ "grad_norm": 1.330167531967163,
336
+ "learning_rate": 4.9535550175403925e-05,
337
+ "loss": 6.473,
338
+ "step": 188
339
+ },
340
+ {
341
+ "epoch": 0.01,
342
+ "grad_norm": 1.9696011543273926,
343
+ "learning_rate": 4.952566826424231e-05,
344
+ "loss": 6.4951,
345
+ "step": 192
346
+ },
347
+ {
348
+ "epoch": 0.01,
349
+ "grad_norm": 1.7933244705200195,
350
+ "learning_rate": 4.951578635308069e-05,
351
+ "loss": 6.471,
352
+ "step": 196
353
+ },
354
+ {
355
+ "epoch": 0.01,
356
+ "grad_norm": 1.6044100522994995,
357
+ "learning_rate": 4.950590444191907e-05,
358
+ "loss": 6.4612,
359
+ "step": 200
360
+ },
361
+ {
362
+ "epoch": 0.01,
363
+ "grad_norm": 1.3888564109802246,
364
+ "learning_rate": 4.9496022530757454e-05,
365
+ "loss": 6.4879,
366
+ "step": 204
367
+ },
368
+ {
369
+ "epoch": 0.01,
370
+ "grad_norm": 1.2492824792861938,
371
+ "learning_rate": 4.9486140619595836e-05,
372
+ "loss": 6.3364,
373
+ "step": 208
374
+ },
375
+ {
376
+ "epoch": 0.01,
377
+ "grad_norm": 1.8178552389144897,
378
+ "learning_rate": 4.947625870843422e-05,
379
+ "loss": 6.5152,
380
+ "step": 212
381
+ },
382
+ {
383
+ "epoch": 0.01,
384
+ "grad_norm": 1.363503098487854,
385
+ "learning_rate": 4.946637679727259e-05,
386
+ "loss": 6.2865,
387
+ "step": 216
388
+ },
389
+ {
390
+ "epoch": 0.01,
391
+ "grad_norm": 1.319766640663147,
392
+ "learning_rate": 4.9456494886110975e-05,
393
+ "loss": 6.4775,
394
+ "step": 220
395
+ },
396
+ {
397
+ "epoch": 0.01,
398
+ "grad_norm": 1.3917903900146484,
399
+ "learning_rate": 4.944661297494936e-05,
400
+ "loss": 6.4147,
401
+ "step": 224
402
+ },
403
+ {
404
+ "epoch": 0.01,
405
+ "grad_norm": 2.465641736984253,
406
+ "learning_rate": 4.943673106378774e-05,
407
+ "loss": 6.2991,
408
+ "step": 228
409
+ },
410
+ {
411
+ "epoch": 0.01,
412
+ "grad_norm": 1.6081475019454956,
413
+ "learning_rate": 4.942684915262612e-05,
414
+ "loss": 6.442,
415
+ "step": 232
416
+ },
417
+ {
418
+ "epoch": 0.01,
419
+ "grad_norm": 1.3391867876052856,
420
+ "learning_rate": 4.94169672414645e-05,
421
+ "loss": 6.3932,
422
+ "step": 236
423
+ },
424
+ {
425
+ "epoch": 0.01,
426
+ "grad_norm": 1.4221361875534058,
427
+ "learning_rate": 4.9407085330302885e-05,
428
+ "loss": 6.5403,
429
+ "step": 240
430
+ },
431
+ {
432
+ "epoch": 0.01,
433
+ "grad_norm": 1.60570228099823,
434
+ "learning_rate": 4.939720341914126e-05,
435
+ "loss": 6.397,
436
+ "step": 244
437
+ },
438
+ {
439
+ "epoch": 0.01,
440
+ "grad_norm": 1.3305834531784058,
441
+ "learning_rate": 4.938732150797964e-05,
442
+ "loss": 6.4258,
443
+ "step": 248
444
+ },
445
+ {
446
+ "epoch": 0.01,
447
+ "grad_norm": 1.617050290107727,
448
+ "learning_rate": 4.9377439596818025e-05,
449
+ "loss": 6.3044,
450
+ "step": 252
451
+ },
452
+ {
453
+ "epoch": 0.01,
454
+ "grad_norm": 1.6071454286575317,
455
+ "learning_rate": 4.936755768565641e-05,
456
+ "loss": 6.3836,
457
+ "step": 256
458
+ },
459
+ {
460
+ "epoch": 0.01,
461
+ "grad_norm": 2.0243899822235107,
462
+ "learning_rate": 4.935767577449479e-05,
463
+ "loss": 6.4785,
464
+ "step": 260
465
+ },
466
+ {
467
+ "epoch": 0.01,
468
+ "grad_norm": 1.4023394584655762,
469
+ "learning_rate": 4.934779386333317e-05,
470
+ "loss": 6.4129,
471
+ "step": 264
472
+ },
473
+ {
474
+ "epoch": 0.01,
475
+ "grad_norm": 1.6561346054077148,
476
+ "learning_rate": 4.933791195217155e-05,
477
+ "loss": 6.227,
478
+ "step": 268
479
+ },
480
+ {
481
+ "epoch": 0.01,
482
+ "grad_norm": 1.4024381637573242,
483
+ "learning_rate": 4.932803004100993e-05,
484
+ "loss": 6.3957,
485
+ "step": 272
486
+ },
487
+ {
488
+ "epoch": 0.01,
489
+ "grad_norm": 1.576090693473816,
490
+ "learning_rate": 4.931814812984831e-05,
491
+ "loss": 6.359,
492
+ "step": 276
493
+ },
494
+ {
495
+ "epoch": 0.01,
496
+ "grad_norm": 1.2421482801437378,
497
+ "learning_rate": 4.930826621868669e-05,
498
+ "loss": 6.3735,
499
+ "step": 280
500
+ },
501
+ {
502
+ "epoch": 0.01,
503
+ "grad_norm": 1.453856110572815,
504
+ "learning_rate": 4.9298384307525074e-05,
505
+ "loss": 6.4156,
506
+ "step": 284
507
+ },
508
+ {
509
+ "epoch": 0.01,
510
+ "grad_norm": 1.426669955253601,
511
+ "learning_rate": 4.928850239636346e-05,
512
+ "loss": 6.3278,
513
+ "step": 288
514
+ },
515
+ {
516
+ "epoch": 0.01,
517
+ "grad_norm": 1.5175261497497559,
518
+ "learning_rate": 4.9278620485201845e-05,
519
+ "loss": 6.3645,
520
+ "step": 292
521
+ },
522
+ {
523
+ "epoch": 0.01,
524
+ "grad_norm": 1.3980427980422974,
525
+ "learning_rate": 4.926873857404023e-05,
526
+ "loss": 6.3977,
527
+ "step": 296
528
+ },
529
+ {
530
+ "epoch": 0.01,
531
+ "grad_norm": 1.6867117881774902,
532
+ "learning_rate": 4.92588566628786e-05,
533
+ "loss": 6.3506,
534
+ "step": 300
535
+ },
536
+ {
537
+ "epoch": 0.02,
538
+ "grad_norm": 1.5795122385025024,
539
+ "learning_rate": 4.9248974751716985e-05,
540
+ "loss": 6.3062,
541
+ "step": 304
542
+ },
543
+ {
544
+ "epoch": 0.02,
545
+ "grad_norm": 1.5149136781692505,
546
+ "learning_rate": 4.923909284055537e-05,
547
+ "loss": 6.302,
548
+ "step": 308
549
+ },
550
+ {
551
+ "epoch": 0.02,
552
+ "grad_norm": 1.2091716527938843,
553
+ "learning_rate": 4.922921092939375e-05,
554
+ "loss": 6.2064,
555
+ "step": 312
556
+ },
557
+ {
558
+ "epoch": 0.02,
559
+ "grad_norm": 1.553070306777954,
560
+ "learning_rate": 4.921932901823213e-05,
561
+ "loss": 6.3236,
562
+ "step": 316
563
+ },
564
+ {
565
+ "epoch": 0.02,
566
+ "grad_norm": 1.7350945472717285,
567
+ "learning_rate": 4.920944710707051e-05,
568
+ "loss": 6.3381,
569
+ "step": 320
570
+ },
571
+ {
572
+ "epoch": 0.02,
573
+ "grad_norm": 1.2416383028030396,
574
+ "learning_rate": 4.9199565195908895e-05,
575
+ "loss": 6.4411,
576
+ "step": 324
577
+ },
578
+ {
579
+ "epoch": 0.02,
580
+ "grad_norm": 1.4091325998306274,
581
+ "learning_rate": 4.918968328474727e-05,
582
+ "loss": 6.4273,
583
+ "step": 328
584
+ },
585
+ {
586
+ "epoch": 0.02,
587
+ "grad_norm": 1.261334776878357,
588
+ "learning_rate": 4.917980137358565e-05,
589
+ "loss": 6.2724,
590
+ "step": 332
591
+ },
592
+ {
593
+ "epoch": 0.02,
594
+ "grad_norm": 1.6297985315322876,
595
+ "learning_rate": 4.9169919462424034e-05,
596
+ "loss": 6.2387,
597
+ "step": 336
598
+ },
599
+ {
600
+ "epoch": 0.02,
601
+ "grad_norm": 1.458993673324585,
602
+ "learning_rate": 4.9160037551262417e-05,
603
+ "loss": 6.3042,
604
+ "step": 340
605
+ },
606
+ {
607
+ "epoch": 0.02,
608
+ "grad_norm": 1.355808138847351,
609
+ "learning_rate": 4.91501556401008e-05,
610
+ "loss": 6.2788,
611
+ "step": 344
612
+ },
613
+ {
614
+ "epoch": 0.02,
615
+ "grad_norm": 1.2890819311141968,
616
+ "learning_rate": 4.914027372893918e-05,
617
+ "loss": 6.3692,
618
+ "step": 348
619
+ },
620
+ {
621
+ "epoch": 0.02,
622
+ "grad_norm": 1.5858672857284546,
623
+ "learning_rate": 4.913039181777756e-05,
624
+ "loss": 6.2324,
625
+ "step": 352
626
+ },
627
+ {
628
+ "epoch": 0.02,
629
+ "grad_norm": 1.5306330919265747,
630
+ "learning_rate": 4.912050990661594e-05,
631
+ "loss": 6.4247,
632
+ "step": 356
633
+ },
634
+ {
635
+ "epoch": 0.02,
636
+ "grad_norm": 1.386789083480835,
637
+ "learning_rate": 4.911062799545432e-05,
638
+ "loss": 6.4219,
639
+ "step": 360
640
+ },
641
+ {
642
+ "epoch": 0.02,
643
+ "grad_norm": 1.288030743598938,
644
+ "learning_rate": 4.91007460842927e-05,
645
+ "loss": 6.2128,
646
+ "step": 364
647
+ },
648
+ {
649
+ "epoch": 0.02,
650
+ "grad_norm": 1.5249669551849365,
651
+ "learning_rate": 4.9090864173131084e-05,
652
+ "loss": 6.2724,
653
+ "step": 368
654
+ },
655
+ {
656
+ "epoch": 0.02,
657
+ "grad_norm": 1.787862777709961,
658
+ "learning_rate": 4.9080982261969466e-05,
659
+ "loss": 6.3139,
660
+ "step": 372
661
+ },
662
+ {
663
+ "epoch": 0.02,
664
+ "grad_norm": 1.7556533813476562,
665
+ "learning_rate": 4.907110035080785e-05,
666
+ "loss": 6.3006,
667
+ "step": 376
668
+ },
669
+ {
670
+ "epoch": 0.02,
671
+ "grad_norm": 1.5250591039657593,
672
+ "learning_rate": 4.906121843964623e-05,
673
+ "loss": 6.3109,
674
+ "step": 380
675
+ },
676
+ {
677
+ "epoch": 0.02,
678
+ "grad_norm": 1.591663122177124,
679
+ "learning_rate": 4.905133652848461e-05,
680
+ "loss": 6.2026,
681
+ "step": 384
682
+ },
683
+ {
684
+ "epoch": 0.02,
685
+ "grad_norm": 1.3261005878448486,
686
+ "learning_rate": 4.904145461732299e-05,
687
+ "loss": 6.2905,
688
+ "step": 388
689
+ },
690
+ {
691
+ "epoch": 0.02,
692
+ "grad_norm": 1.692723035812378,
693
+ "learning_rate": 4.903157270616137e-05,
694
+ "loss": 6.3296,
695
+ "step": 392
696
+ },
697
+ {
698
+ "epoch": 0.02,
699
+ "grad_norm": 1.2827457189559937,
700
+ "learning_rate": 4.902169079499975e-05,
701
+ "loss": 6.229,
702
+ "step": 396
703
+ },
704
+ {
705
+ "epoch": 0.02,
706
+ "grad_norm": 1.3109639883041382,
707
+ "learning_rate": 4.9011808883838134e-05,
708
+ "loss": 6.2625,
709
+ "step": 400
710
+ },
711
+ {
712
+ "epoch": 0.02,
713
+ "grad_norm": 1.7134902477264404,
714
+ "learning_rate": 4.900192697267652e-05,
715
+ "loss": 6.1219,
716
+ "step": 404
717
+ },
718
+ {
719
+ "epoch": 0.02,
720
+ "grad_norm": 1.3591091632843018,
721
+ "learning_rate": 4.8992045061514905e-05,
722
+ "loss": 6.2059,
723
+ "step": 408
724
+ },
725
+ {
726
+ "epoch": 0.02,
727
+ "grad_norm": 1.4868909120559692,
728
+ "learning_rate": 4.898216315035328e-05,
729
+ "loss": 6.2244,
730
+ "step": 412
731
+ },
732
+ {
733
+ "epoch": 0.02,
734
+ "grad_norm": 1.4216508865356445,
735
+ "learning_rate": 4.897228123919166e-05,
736
+ "loss": 6.2348,
737
+ "step": 416
738
+ },
739
+ {
740
+ "epoch": 0.02,
741
+ "grad_norm": 1.6655827760696411,
742
+ "learning_rate": 4.8962399328030044e-05,
743
+ "loss": 6.2708,
744
+ "step": 420
745
+ },
746
+ {
747
+ "epoch": 0.02,
748
+ "grad_norm": 1.2668567895889282,
749
+ "learning_rate": 4.8952517416868426e-05,
750
+ "loss": 6.1847,
751
+ "step": 424
752
+ },
753
+ {
754
+ "epoch": 0.02,
755
+ "grad_norm": 1.4796233177185059,
756
+ "learning_rate": 4.894263550570681e-05,
757
+ "loss": 6.2613,
758
+ "step": 428
759
+ },
760
+ {
761
+ "epoch": 0.02,
762
+ "grad_norm": 1.6667245626449585,
763
+ "learning_rate": 4.893275359454519e-05,
764
+ "loss": 6.3676,
765
+ "step": 432
766
+ },
767
+ {
768
+ "epoch": 0.02,
769
+ "grad_norm": 1.780787467956543,
770
+ "learning_rate": 4.892287168338357e-05,
771
+ "loss": 6.341,
772
+ "step": 436
773
+ },
774
+ {
775
+ "epoch": 0.02,
776
+ "grad_norm": 1.415461540222168,
777
+ "learning_rate": 4.891298977222195e-05,
778
+ "loss": 6.2441,
779
+ "step": 440
780
+ },
781
+ {
782
+ "epoch": 0.02,
783
+ "grad_norm": 1.4248474836349487,
784
+ "learning_rate": 4.890310786106033e-05,
785
+ "loss": 6.282,
786
+ "step": 444
787
+ },
788
+ {
789
+ "epoch": 0.02,
790
+ "grad_norm": 2.0168416500091553,
791
+ "learning_rate": 4.889322594989871e-05,
792
+ "loss": 6.2457,
793
+ "step": 448
794
+ },
795
+ {
796
+ "epoch": 0.02,
797
+ "grad_norm": 1.983055830001831,
798
+ "learning_rate": 4.8883344038737094e-05,
799
+ "loss": 6.1607,
800
+ "step": 452
801
+ },
802
+ {
803
+ "epoch": 0.02,
804
+ "grad_norm": 1.9059456586837769,
805
+ "learning_rate": 4.8873462127575476e-05,
806
+ "loss": 6.1443,
807
+ "step": 456
808
+ },
809
+ {
810
+ "epoch": 0.02,
811
+ "grad_norm": 1.5710817575454712,
812
+ "learning_rate": 4.886358021641386e-05,
813
+ "loss": 6.2631,
814
+ "step": 460
815
+ },
816
+ {
817
+ "epoch": 0.02,
818
+ "grad_norm": 2.3912734985351562,
819
+ "learning_rate": 4.885369830525224e-05,
820
+ "loss": 6.2484,
821
+ "step": 464
822
+ },
823
+ {
824
+ "epoch": 0.02,
825
+ "grad_norm": 1.5551170110702515,
826
+ "learning_rate": 4.884381639409062e-05,
827
+ "loss": 6.3059,
828
+ "step": 468
829
+ },
830
+ {
831
+ "epoch": 0.02,
832
+ "grad_norm": 1.5288927555084229,
833
+ "learning_rate": 4.8833934482929e-05,
834
+ "loss": 6.0518,
835
+ "step": 472
836
+ },
837
+ {
838
+ "epoch": 0.02,
839
+ "grad_norm": 1.6663211584091187,
840
+ "learning_rate": 4.882405257176738e-05,
841
+ "loss": 6.2273,
842
+ "step": 476
843
+ },
844
+ {
845
+ "epoch": 0.02,
846
+ "grad_norm": 1.5548433065414429,
847
+ "learning_rate": 4.881417066060576e-05,
848
+ "loss": 6.1407,
849
+ "step": 480
850
+ },
851
+ {
852
+ "epoch": 0.02,
853
+ "grad_norm": 1.4325834512710571,
854
+ "learning_rate": 4.8804288749444144e-05,
855
+ "loss": 6.1346,
856
+ "step": 484
857
+ },
858
+ {
859
+ "epoch": 0.02,
860
+ "grad_norm": 1.622158408164978,
861
+ "learning_rate": 4.8794406838282526e-05,
862
+ "loss": 6.1832,
863
+ "step": 488
864
+ },
865
+ {
866
+ "epoch": 0.02,
867
+ "grad_norm": 1.4777097702026367,
868
+ "learning_rate": 4.878452492712091e-05,
869
+ "loss": 6.2451,
870
+ "step": 492
871
+ },
872
+ {
873
+ "epoch": 0.02,
874
+ "grad_norm": 1.1623598337173462,
875
+ "learning_rate": 4.877464301595929e-05,
876
+ "loss": 6.1631,
877
+ "step": 496
878
+ },
879
+ {
880
+ "epoch": 0.02,
881
+ "grad_norm": 1.598676323890686,
882
+ "learning_rate": 4.8764761104797665e-05,
883
+ "loss": 6.2348,
884
+ "step": 500
885
+ },
886
+ {
887
+ "epoch": 0.02,
888
+ "grad_norm": 1.610736608505249,
889
+ "learning_rate": 4.875487919363605e-05,
890
+ "loss": 6.3664,
891
+ "step": 504
892
+ },
893
+ {
894
+ "epoch": 0.03,
895
+ "grad_norm": 1.4379361867904663,
896
+ "learning_rate": 4.874499728247443e-05,
897
+ "loss": 6.202,
898
+ "step": 508
899
+ },
900
+ {
901
+ "epoch": 0.03,
902
+ "grad_norm": 1.3208808898925781,
903
+ "learning_rate": 4.873511537131281e-05,
904
+ "loss": 6.1286,
905
+ "step": 512
906
+ },
907
+ {
908
+ "epoch": 0.03,
909
+ "grad_norm": 1.3087486028671265,
910
+ "learning_rate": 4.872523346015119e-05,
911
+ "loss": 6.2657,
912
+ "step": 516
913
+ },
914
+ {
915
+ "epoch": 0.03,
916
+ "grad_norm": 1.3428252935409546,
917
+ "learning_rate": 4.871535154898958e-05,
918
+ "loss": 6.0752,
919
+ "step": 520
920
+ },
921
+ {
922
+ "epoch": 0.03,
923
+ "grad_norm": 1.5278196334838867,
924
+ "learning_rate": 4.870546963782796e-05,
925
+ "loss": 6.267,
926
+ "step": 524
927
+ },
928
+ {
929
+ "epoch": 0.03,
930
+ "grad_norm": 1.5938080549240112,
931
+ "learning_rate": 4.869558772666634e-05,
932
+ "loss": 6.177,
933
+ "step": 528
934
+ },
935
+ {
936
+ "epoch": 0.03,
937
+ "grad_norm": 1.2772130966186523,
938
+ "learning_rate": 4.868570581550472e-05,
939
+ "loss": 6.2219,
940
+ "step": 532
941
+ },
942
+ {
943
+ "epoch": 0.03,
944
+ "grad_norm": 1.4687914848327637,
945
+ "learning_rate": 4.8675823904343104e-05,
946
+ "loss": 6.2316,
947
+ "step": 536
948
+ },
949
+ {
950
+ "epoch": 0.03,
951
+ "grad_norm": 1.4582056999206543,
952
+ "learning_rate": 4.8665941993181486e-05,
953
+ "loss": 6.0915,
954
+ "step": 540
955
+ },
956
+ {
957
+ "epoch": 0.03,
958
+ "grad_norm": 1.3734614849090576,
959
+ "learning_rate": 4.865606008201987e-05,
960
+ "loss": 6.2694,
961
+ "step": 544
962
+ },
963
+ {
964
+ "epoch": 0.03,
965
+ "grad_norm": 1.426127314567566,
966
+ "learning_rate": 4.864617817085825e-05,
967
+ "loss": 6.1274,
968
+ "step": 548
969
+ },
970
+ {
971
+ "epoch": 0.03,
972
+ "grad_norm": 1.3772287368774414,
973
+ "learning_rate": 4.863629625969663e-05,
974
+ "loss": 6.2704,
975
+ "step": 552
976
+ },
977
+ {
978
+ "epoch": 0.03,
979
+ "grad_norm": 1.2581090927124023,
980
+ "learning_rate": 4.862641434853501e-05,
981
+ "loss": 6.1335,
982
+ "step": 556
983
+ },
984
+ {
985
+ "epoch": 0.03,
986
+ "grad_norm": 1.1419745683670044,
987
+ "learning_rate": 4.861653243737339e-05,
988
+ "loss": 6.1259,
989
+ "step": 560
990
+ },
991
+ {
992
+ "epoch": 0.03,
993
+ "grad_norm": 1.2435179948806763,
994
+ "learning_rate": 4.860665052621177e-05,
995
+ "loss": 6.2289,
996
+ "step": 564
997
+ },
998
+ {
999
+ "epoch": 0.03,
1000
+ "grad_norm": 1.5236430168151855,
1001
+ "learning_rate": 4.859676861505015e-05,
1002
+ "loss": 6.0294,
1003
+ "step": 568
1004
+ },
1005
+ {
1006
+ "epoch": 0.03,
1007
+ "grad_norm": 2.289353370666504,
1008
+ "learning_rate": 4.8586886703888535e-05,
1009
+ "loss": 6.1533,
1010
+ "step": 572
1011
+ },
1012
+ {
1013
+ "epoch": 0.03,
1014
+ "grad_norm": 1.5420417785644531,
1015
+ "learning_rate": 4.857700479272692e-05,
1016
+ "loss": 6.155,
1017
+ "step": 576
1018
+ },
1019
+ {
1020
+ "epoch": 0.03,
1021
+ "grad_norm": 1.8614426851272583,
1022
+ "learning_rate": 4.85671228815653e-05,
1023
+ "loss": 6.2381,
1024
+ "step": 580
1025
+ },
1026
+ {
1027
+ "epoch": 0.03,
1028
+ "grad_norm": 1.405530571937561,
1029
+ "learning_rate": 4.8557240970403675e-05,
1030
+ "loss": 6.2005,
1031
+ "step": 584
1032
+ },
1033
+ {
1034
+ "epoch": 0.03,
1035
+ "grad_norm": 1.4058623313903809,
1036
+ "learning_rate": 4.854735905924206e-05,
1037
+ "loss": 6.1903,
1038
+ "step": 588
1039
+ },
1040
+ {
1041
+ "epoch": 0.03,
1042
+ "grad_norm": 1.7855048179626465,
1043
+ "learning_rate": 4.853747714808044e-05,
1044
+ "loss": 6.2939,
1045
+ "step": 592
1046
+ },
1047
+ {
1048
+ "epoch": 0.03,
1049
+ "grad_norm": 1.3504676818847656,
1050
+ "learning_rate": 4.852759523691882e-05,
1051
+ "loss": 6.0347,
1052
+ "step": 596
1053
+ },
1054
+ {
1055
+ "epoch": 0.03,
1056
+ "grad_norm": 1.3448097705841064,
1057
+ "learning_rate": 4.85177133257572e-05,
1058
+ "loss": 6.1058,
1059
+ "step": 600
1060
+ },
1061
+ {
1062
+ "epoch": 0.03,
1063
+ "grad_norm": 1.2908382415771484,
1064
+ "learning_rate": 4.8507831414595585e-05,
1065
+ "loss": 6.1323,
1066
+ "step": 604
1067
+ },
1068
+ {
1069
+ "epoch": 0.03,
1070
+ "grad_norm": 1.6946722269058228,
1071
+ "learning_rate": 4.849794950343397e-05,
1072
+ "loss": 6.0755,
1073
+ "step": 608
1074
+ },
1075
+ {
1076
+ "epoch": 0.03,
1077
+ "grad_norm": 1.0505646467208862,
1078
+ "learning_rate": 4.848806759227235e-05,
1079
+ "loss": 6.0742,
1080
+ "step": 612
1081
+ },
1082
+ {
1083
+ "epoch": 0.03,
1084
+ "grad_norm": 1.269295334815979,
1085
+ "learning_rate": 4.8478185681110724e-05,
1086
+ "loss": 6.2864,
1087
+ "step": 616
1088
+ },
1089
+ {
1090
+ "epoch": 0.03,
1091
+ "grad_norm": 1.3444817066192627,
1092
+ "learning_rate": 4.8468303769949107e-05,
1093
+ "loss": 6.1599,
1094
+ "step": 620
1095
+ },
1096
+ {
1097
+ "epoch": 0.03,
1098
+ "grad_norm": 1.5646265745162964,
1099
+ "learning_rate": 4.845842185878749e-05,
1100
+ "loss": 6.1745,
1101
+ "step": 624
1102
+ },
1103
+ {
1104
+ "epoch": 0.03,
1105
+ "grad_norm": 1.2452738285064697,
1106
+ "learning_rate": 4.844853994762587e-05,
1107
+ "loss": 6.1796,
1108
+ "step": 628
1109
+ },
1110
+ {
1111
+ "epoch": 0.03,
1112
+ "grad_norm": 1.9167345762252808,
1113
+ "learning_rate": 4.843865803646426e-05,
1114
+ "loss": 6.1854,
1115
+ "step": 632
1116
+ },
1117
+ {
1118
+ "epoch": 0.03,
1119
+ "grad_norm": 1.3464816808700562,
1120
+ "learning_rate": 4.842877612530264e-05,
1121
+ "loss": 6.1394,
1122
+ "step": 636
1123
+ },
1124
+ {
1125
+ "epoch": 0.03,
1126
+ "grad_norm": 1.5352030992507935,
1127
+ "learning_rate": 4.841889421414102e-05,
1128
+ "loss": 6.1579,
1129
+ "step": 640
1130
+ },
1131
+ {
1132
+ "epoch": 0.03,
1133
+ "grad_norm": 1.2066044807434082,
1134
+ "learning_rate": 4.84090123029794e-05,
1135
+ "loss": 6.1284,
1136
+ "step": 644
1137
+ },
1138
+ {
1139
+ "epoch": 0.03,
1140
+ "grad_norm": 1.3687278032302856,
1141
+ "learning_rate": 4.839913039181778e-05,
1142
+ "loss": 6.1768,
1143
+ "step": 648
1144
+ },
1145
+ {
1146
+ "epoch": 0.03,
1147
+ "grad_norm": 1.4037103652954102,
1148
+ "learning_rate": 4.838924848065616e-05,
1149
+ "loss": 6.0552,
1150
+ "step": 652
1151
+ },
1152
+ {
1153
+ "epoch": 0.03,
1154
+ "grad_norm": 1.8637155294418335,
1155
+ "learning_rate": 4.8379366569494545e-05,
1156
+ "loss": 6.126,
1157
+ "step": 656
1158
+ },
1159
+ {
1160
+ "epoch": 0.03,
1161
+ "grad_norm": 1.8843746185302734,
1162
+ "learning_rate": 4.836948465833293e-05,
1163
+ "loss": 6.1839,
1164
+ "step": 660
1165
+ },
1166
+ {
1167
+ "epoch": 0.03,
1168
+ "grad_norm": 1.2985315322875977,
1169
+ "learning_rate": 4.835960274717131e-05,
1170
+ "loss": 6.0767,
1171
+ "step": 664
1172
+ },
1173
+ {
1174
+ "epoch": 0.03,
1175
+ "grad_norm": 1.5230488777160645,
1176
+ "learning_rate": 4.8349720836009684e-05,
1177
+ "loss": 6.1762,
1178
+ "step": 668
1179
+ },
1180
+ {
1181
+ "epoch": 0.03,
1182
+ "grad_norm": 1.8898823261260986,
1183
+ "learning_rate": 4.8339838924848067e-05,
1184
+ "loss": 6.0165,
1185
+ "step": 672
1186
+ },
1187
+ {
1188
+ "epoch": 0.03,
1189
+ "grad_norm": 1.7203717231750488,
1190
+ "learning_rate": 4.832995701368645e-05,
1191
+ "loss": 6.1677,
1192
+ "step": 676
1193
+ },
1194
+ {
1195
+ "epoch": 0.03,
1196
+ "grad_norm": 1.478527307510376,
1197
+ "learning_rate": 4.832007510252483e-05,
1198
+ "loss": 6.2011,
1199
+ "step": 680
1200
+ },
1201
+ {
1202
+ "epoch": 0.03,
1203
+ "grad_norm": 1.2331160306930542,
1204
+ "learning_rate": 4.831019319136321e-05,
1205
+ "loss": 6.1311,
1206
+ "step": 684
1207
+ },
1208
+ {
1209
+ "epoch": 0.03,
1210
+ "grad_norm": 1.4134057760238647,
1211
+ "learning_rate": 4.8300311280201595e-05,
1212
+ "loss": 6.157,
1213
+ "step": 688
1214
+ },
1215
+ {
1216
+ "epoch": 0.03,
1217
+ "grad_norm": 1.2819682359695435,
1218
+ "learning_rate": 4.829042936903998e-05,
1219
+ "loss": 6.0408,
1220
+ "step": 692
1221
+ },
1222
+ {
1223
+ "epoch": 0.03,
1224
+ "grad_norm": 1.646480917930603,
1225
+ "learning_rate": 4.828054745787836e-05,
1226
+ "loss": 6.0527,
1227
+ "step": 696
1228
+ },
1229
+ {
1230
+ "epoch": 0.03,
1231
+ "grad_norm": 1.3179553747177124,
1232
+ "learning_rate": 4.8270665546716734e-05,
1233
+ "loss": 6.1771,
1234
+ "step": 700
1235
+ },
1236
+ {
1237
+ "epoch": 0.03,
1238
+ "grad_norm": 1.3149442672729492,
1239
+ "learning_rate": 4.8260783635555116e-05,
1240
+ "loss": 6.1106,
1241
+ "step": 704
1242
+ },
1243
+ {
1244
+ "epoch": 0.03,
1245
+ "grad_norm": 1.345340371131897,
1246
+ "learning_rate": 4.82509017243935e-05,
1247
+ "loss": 6.0963,
1248
+ "step": 708
1249
+ },
1250
+ {
1251
+ "epoch": 0.04,
1252
+ "grad_norm": 2.3398826122283936,
1253
+ "learning_rate": 4.824101981323188e-05,
1254
+ "loss": 6.075,
1255
+ "step": 712
1256
+ },
1257
+ {
1258
+ "epoch": 0.04,
1259
+ "grad_norm": 1.1765165328979492,
1260
+ "learning_rate": 4.823113790207026e-05,
1261
+ "loss": 6.1648,
1262
+ "step": 716
1263
+ },
1264
+ {
1265
+ "epoch": 0.04,
1266
+ "grad_norm": 1.5758169889450073,
1267
+ "learning_rate": 4.8221255990908645e-05,
1268
+ "loss": 6.206,
1269
+ "step": 720
1270
+ },
1271
+ {
1272
+ "epoch": 0.04,
1273
+ "grad_norm": 1.3040266036987305,
1274
+ "learning_rate": 4.8211374079747027e-05,
1275
+ "loss": 6.0651,
1276
+ "step": 724
1277
+ },
1278
+ {
1279
+ "epoch": 0.04,
1280
+ "grad_norm": 1.7494781017303467,
1281
+ "learning_rate": 4.82014921685854e-05,
1282
+ "loss": 6.0144,
1283
+ "step": 728
1284
+ },
1285
+ {
1286
+ "epoch": 0.04,
1287
+ "grad_norm": 1.5416646003723145,
1288
+ "learning_rate": 4.8191610257423784e-05,
1289
+ "loss": 6.2011,
1290
+ "step": 732
1291
+ },
1292
+ {
1293
+ "epoch": 0.04,
1294
+ "grad_norm": 1.3276399374008179,
1295
+ "learning_rate": 4.8181728346262166e-05,
1296
+ "loss": 6.2073,
1297
+ "step": 736
1298
+ },
1299
+ {
1300
+ "epoch": 0.04,
1301
+ "grad_norm": 1.3996212482452393,
1302
+ "learning_rate": 4.817184643510055e-05,
1303
+ "loss": 6.0768,
1304
+ "step": 740
1305
+ },
1306
+ {
1307
+ "epoch": 0.04,
1308
+ "grad_norm": 1.3483880758285522,
1309
+ "learning_rate": 4.816196452393893e-05,
1310
+ "loss": 5.9309,
1311
+ "step": 744
1312
+ },
1313
+ {
1314
+ "epoch": 0.04,
1315
+ "grad_norm": 1.1830189228057861,
1316
+ "learning_rate": 4.815208261277732e-05,
1317
+ "loss": 6.0258,
1318
+ "step": 748
1319
+ },
1320
+ {
1321
+ "epoch": 0.04,
1322
+ "grad_norm": 1.3837305307388306,
1323
+ "learning_rate": 4.8142200701615694e-05,
1324
+ "loss": 6.0004,
1325
+ "step": 752
1326
+ },
1327
+ {
1328
+ "epoch": 0.04,
1329
+ "grad_norm": 1.1996792554855347,
1330
+ "learning_rate": 4.8132318790454076e-05,
1331
+ "loss": 6.067,
1332
+ "step": 756
1333
+ },
1334
+ {
1335
+ "epoch": 0.04,
1336
+ "grad_norm": 1.6578378677368164,
1337
+ "learning_rate": 4.812243687929246e-05,
1338
+ "loss": 6.1112,
1339
+ "step": 760
1340
+ },
1341
+ {
1342
+ "epoch": 0.04,
1343
+ "grad_norm": 1.732629418373108,
1344
+ "learning_rate": 4.811255496813084e-05,
1345
+ "loss": 6.0361,
1346
+ "step": 764
1347
+ },
1348
+ {
1349
+ "epoch": 0.04,
1350
+ "grad_norm": 1.3690398931503296,
1351
+ "learning_rate": 4.810267305696922e-05,
1352
+ "loss": 6.0105,
1353
+ "step": 768
1354
+ },
1355
+ {
1356
+ "epoch": 0.04,
1357
+ "grad_norm": 1.551343560218811,
1358
+ "learning_rate": 4.8092791145807605e-05,
1359
+ "loss": 5.9922,
1360
+ "step": 772
1361
+ },
1362
+ {
1363
+ "epoch": 0.04,
1364
+ "grad_norm": 1.222483515739441,
1365
+ "learning_rate": 4.8082909234645987e-05,
1366
+ "loss": 6.1032,
1367
+ "step": 776
1368
+ },
1369
+ {
1370
+ "epoch": 0.04,
1371
+ "grad_norm": 1.4626158475875854,
1372
+ "learning_rate": 4.807302732348437e-05,
1373
+ "loss": 6.2455,
1374
+ "step": 780
1375
+ },
1376
+ {
1377
+ "epoch": 0.04,
1378
+ "grad_norm": 1.4593418836593628,
1379
+ "learning_rate": 4.8063145412322744e-05,
1380
+ "loss": 6.104,
1381
+ "step": 784
1382
+ },
1383
+ {
1384
+ "epoch": 0.04,
1385
+ "grad_norm": 1.4751644134521484,
1386
+ "learning_rate": 4.8053263501161126e-05,
1387
+ "loss": 6.0467,
1388
+ "step": 788
1389
+ },
1390
+ {
1391
+ "epoch": 0.04,
1392
+ "grad_norm": 1.25166916847229,
1393
+ "learning_rate": 4.804338158999951e-05,
1394
+ "loss": 6.0525,
1395
+ "step": 792
1396
+ },
1397
+ {
1398
+ "epoch": 0.04,
1399
+ "grad_norm": 1.3588769435882568,
1400
+ "learning_rate": 4.803349967883789e-05,
1401
+ "loss": 6.1355,
1402
+ "step": 796
1403
+ },
1404
+ {
1405
+ "epoch": 0.04,
1406
+ "grad_norm": 1.2559925317764282,
1407
+ "learning_rate": 4.802361776767627e-05,
1408
+ "loss": 6.3282,
1409
+ "step": 800
1410
+ },
1411
+ {
1412
+ "epoch": 0.04,
1413
+ "grad_norm": 1.3895193338394165,
1414
+ "learning_rate": 4.8013735856514654e-05,
1415
+ "loss": 6.0936,
1416
+ "step": 804
1417
+ },
1418
+ {
1419
+ "epoch": 0.04,
1420
+ "grad_norm": 1.691657543182373,
1421
+ "learning_rate": 4.8003853945353036e-05,
1422
+ "loss": 6.1079,
1423
+ "step": 808
1424
+ },
1425
+ {
1426
+ "epoch": 0.04,
1427
+ "grad_norm": 1.3020676374435425,
1428
+ "learning_rate": 4.799397203419141e-05,
1429
+ "loss": 6.0076,
1430
+ "step": 812
1431
+ },
1432
+ {
1433
+ "epoch": 0.04,
1434
+ "grad_norm": 1.306980848312378,
1435
+ "learning_rate": 4.7984090123029794e-05,
1436
+ "loss": 6.1308,
1437
+ "step": 816
1438
+ },
1439
+ {
1440
+ "epoch": 0.04,
1441
+ "grad_norm": 1.3331334590911865,
1442
+ "learning_rate": 4.7974208211868176e-05,
1443
+ "loss": 6.0901,
1444
+ "step": 820
1445
+ },
1446
+ {
1447
+ "epoch": 0.04,
1448
+ "grad_norm": 1.2504887580871582,
1449
+ "learning_rate": 4.796432630070656e-05,
1450
+ "loss": 6.1079,
1451
+ "step": 824
1452
+ },
1453
+ {
1454
+ "epoch": 0.04,
1455
+ "grad_norm": 1.462392807006836,
1456
+ "learning_rate": 4.795444438954494e-05,
1457
+ "loss": 6.0692,
1458
+ "step": 828
1459
+ },
1460
+ {
1461
+ "epoch": 0.04,
1462
+ "grad_norm": 1.281559944152832,
1463
+ "learning_rate": 4.794456247838332e-05,
1464
+ "loss": 6.0399,
1465
+ "step": 832
1466
+ },
1467
+ {
1468
+ "epoch": 0.04,
1469
+ "grad_norm": 1.2926335334777832,
1470
+ "learning_rate": 4.7934680567221704e-05,
1471
+ "loss": 6.0005,
1472
+ "step": 836
1473
+ },
1474
+ {
1475
+ "epoch": 0.04,
1476
+ "grad_norm": 1.5699244737625122,
1477
+ "learning_rate": 4.792479865606008e-05,
1478
+ "loss": 5.9845,
1479
+ "step": 840
1480
+ },
1481
+ {
1482
+ "epoch": 0.04,
1483
+ "grad_norm": 1.491740345954895,
1484
+ "learning_rate": 4.791491674489846e-05,
1485
+ "loss": 6.015,
1486
+ "step": 844
1487
+ },
1488
+ {
1489
+ "epoch": 0.04,
1490
+ "grad_norm": 1.3208236694335938,
1491
+ "learning_rate": 4.790503483373684e-05,
1492
+ "loss": 6.0501,
1493
+ "step": 848
1494
+ },
1495
+ {
1496
+ "epoch": 0.04,
1497
+ "grad_norm": 1.5497496128082275,
1498
+ "learning_rate": 4.7895152922575225e-05,
1499
+ "loss": 6.105,
1500
+ "step": 852
1501
+ },
1502
+ {
1503
+ "epoch": 0.04,
1504
+ "grad_norm": 1.3851691484451294,
1505
+ "learning_rate": 4.788527101141361e-05,
1506
+ "loss": 6.1256,
1507
+ "step": 856
1508
+ },
1509
+ {
1510
+ "epoch": 0.04,
1511
+ "grad_norm": 1.506717324256897,
1512
+ "learning_rate": 4.787538910025199e-05,
1513
+ "loss": 5.9827,
1514
+ "step": 860
1515
+ },
1516
+ {
1517
+ "epoch": 0.04,
1518
+ "grad_norm": 1.2789814472198486,
1519
+ "learning_rate": 4.786550718909038e-05,
1520
+ "loss": 6.0632,
1521
+ "step": 864
1522
+ },
1523
+ {
1524
+ "epoch": 0.04,
1525
+ "grad_norm": 1.2237069606781006,
1526
+ "learning_rate": 4.7855625277928754e-05,
1527
+ "loss": 6.0908,
1528
+ "step": 868
1529
+ },
1530
+ {
1531
+ "epoch": 0.04,
1532
+ "grad_norm": 1.2778388261795044,
1533
+ "learning_rate": 4.7845743366767136e-05,
1534
+ "loss": 6.0442,
1535
+ "step": 872
1536
+ },
1537
+ {
1538
+ "epoch": 0.04,
1539
+ "grad_norm": 1.534972071647644,
1540
+ "learning_rate": 4.783586145560552e-05,
1541
+ "loss": 6.1035,
1542
+ "step": 876
1543
+ },
1544
+ {
1545
+ "epoch": 0.04,
1546
+ "grad_norm": 1.4843637943267822,
1547
+ "learning_rate": 4.78259795444439e-05,
1548
+ "loss": 6.0233,
1549
+ "step": 880
1550
+ },
1551
+ {
1552
+ "epoch": 0.04,
1553
+ "grad_norm": 1.4751485586166382,
1554
+ "learning_rate": 4.781609763328228e-05,
1555
+ "loss": 6.109,
1556
+ "step": 884
1557
+ },
1558
+ {
1559
+ "epoch": 0.04,
1560
+ "grad_norm": 1.399499535560608,
1561
+ "learning_rate": 4.7806215722120664e-05,
1562
+ "loss": 6.0075,
1563
+ "step": 888
1564
+ },
1565
+ {
1566
+ "epoch": 0.04,
1567
+ "grad_norm": 1.5269832611083984,
1568
+ "learning_rate": 4.7796333810959046e-05,
1569
+ "loss": 6.1387,
1570
+ "step": 892
1571
+ },
1572
+ {
1573
+ "epoch": 0.04,
1574
+ "grad_norm": 1.342552661895752,
1575
+ "learning_rate": 4.778645189979742e-05,
1576
+ "loss": 6.0763,
1577
+ "step": 896
1578
+ },
1579
+ {
1580
+ "epoch": 0.04,
1581
+ "grad_norm": 1.2727460861206055,
1582
+ "learning_rate": 4.77765699886358e-05,
1583
+ "loss": 5.9279,
1584
+ "step": 900
1585
+ },
1586
+ {
1587
+ "epoch": 0.04,
1588
+ "grad_norm": 1.3465628623962402,
1589
+ "learning_rate": 4.7766688077474185e-05,
1590
+ "loss": 6.0226,
1591
+ "step": 904
1592
+ },
1593
+ {
1594
+ "epoch": 0.04,
1595
+ "grad_norm": 1.288557767868042,
1596
+ "learning_rate": 4.775680616631257e-05,
1597
+ "loss": 6.0799,
1598
+ "step": 908
1599
+ },
1600
+ {
1601
+ "epoch": 0.05,
1602
+ "grad_norm": 1.375345230102539,
1603
+ "learning_rate": 4.774692425515095e-05,
1604
+ "loss": 6.0868,
1605
+ "step": 912
1606
+ },
1607
+ {
1608
+ "epoch": 0.05,
1609
+ "grad_norm": 1.440955638885498,
1610
+ "learning_rate": 4.773704234398933e-05,
1611
+ "loss": 5.9835,
1612
+ "step": 916
1613
+ },
1614
+ {
1615
+ "epoch": 0.05,
1616
+ "grad_norm": 1.3870395421981812,
1617
+ "learning_rate": 4.7727160432827714e-05,
1618
+ "loss": 6.0711,
1619
+ "step": 920
1620
+ },
1621
+ {
1622
+ "epoch": 0.05,
1623
+ "grad_norm": 1.4793189764022827,
1624
+ "learning_rate": 4.771727852166609e-05,
1625
+ "loss": 6.1001,
1626
+ "step": 924
1627
+ },
1628
+ {
1629
+ "epoch": 0.05,
1630
+ "grad_norm": 1.2727391719818115,
1631
+ "learning_rate": 4.770739661050447e-05,
1632
+ "loss": 6.0782,
1633
+ "step": 928
1634
+ },
1635
+ {
1636
+ "epoch": 0.05,
1637
+ "grad_norm": 1.3459304571151733,
1638
+ "learning_rate": 4.769751469934285e-05,
1639
+ "loss": 5.9659,
1640
+ "step": 932
1641
+ },
1642
+ {
1643
+ "epoch": 0.05,
1644
+ "grad_norm": 1.6304296255111694,
1645
+ "learning_rate": 4.7687632788181235e-05,
1646
+ "loss": 6.0666,
1647
+ "step": 936
1648
+ },
1649
+ {
1650
+ "epoch": 0.05,
1651
+ "grad_norm": 1.721566081047058,
1652
+ "learning_rate": 4.767775087701962e-05,
1653
+ "loss": 6.0233,
1654
+ "step": 940
1655
+ },
1656
+ {
1657
+ "epoch": 0.05,
1658
+ "grad_norm": 1.486752986907959,
1659
+ "learning_rate": 4.7667868965858e-05,
1660
+ "loss": 6.0544,
1661
+ "step": 944
1662
+ },
1663
+ {
1664
+ "epoch": 0.05,
1665
+ "grad_norm": 1.404415488243103,
1666
+ "learning_rate": 4.765798705469638e-05,
1667
+ "loss": 5.8913,
1668
+ "step": 948
1669
+ },
1670
+ {
1671
+ "epoch": 0.05,
1672
+ "grad_norm": 1.550802230834961,
1673
+ "learning_rate": 4.764810514353476e-05,
1674
+ "loss": 6.0449,
1675
+ "step": 952
1676
+ },
1677
+ {
1678
+ "epoch": 0.05,
1679
+ "grad_norm": 1.5222808122634888,
1680
+ "learning_rate": 4.763822323237314e-05,
1681
+ "loss": 6.1524,
1682
+ "step": 956
1683
+ },
1684
+ {
1685
+ "epoch": 0.05,
1686
+ "grad_norm": 1.2582489252090454,
1687
+ "learning_rate": 4.762834132121152e-05,
1688
+ "loss": 6.09,
1689
+ "step": 960
1690
+ },
1691
+ {
1692
+ "epoch": 0.05,
1693
+ "grad_norm": 1.5326069593429565,
1694
+ "learning_rate": 4.76184594100499e-05,
1695
+ "loss": 6.0265,
1696
+ "step": 964
1697
+ },
1698
+ {
1699
+ "epoch": 0.05,
1700
+ "grad_norm": 1.5986106395721436,
1701
+ "learning_rate": 4.7608577498888285e-05,
1702
+ "loss": 6.1111,
1703
+ "step": 968
1704
+ },
1705
+ {
1706
+ "epoch": 0.05,
1707
+ "grad_norm": 1.2689043283462524,
1708
+ "learning_rate": 4.759869558772667e-05,
1709
+ "loss": 6.0827,
1710
+ "step": 972
1711
+ },
1712
+ {
1713
+ "epoch": 0.05,
1714
+ "grad_norm": 1.2669328451156616,
1715
+ "learning_rate": 4.758881367656505e-05,
1716
+ "loss": 6.1393,
1717
+ "step": 976
1718
+ },
1719
+ {
1720
+ "epoch": 0.05,
1721
+ "grad_norm": 1.2476458549499512,
1722
+ "learning_rate": 4.757893176540343e-05,
1723
+ "loss": 6.0072,
1724
+ "step": 980
1725
+ },
1726
+ {
1727
+ "epoch": 0.05,
1728
+ "grad_norm": 1.4797428846359253,
1729
+ "learning_rate": 4.756904985424181e-05,
1730
+ "loss": 6.0025,
1731
+ "step": 984
1732
+ },
1733
+ {
1734
+ "epoch": 0.05,
1735
+ "grad_norm": 1.9927531480789185,
1736
+ "learning_rate": 4.7559167943080195e-05,
1737
+ "loss": 6.087,
1738
+ "step": 988
1739
+ },
1740
+ {
1741
+ "epoch": 0.05,
1742
+ "grad_norm": 1.6228762865066528,
1743
+ "learning_rate": 4.754928603191858e-05,
1744
+ "loss": 6.0355,
1745
+ "step": 992
1746
+ },
1747
+ {
1748
+ "epoch": 0.05,
1749
+ "grad_norm": 1.5881098508834839,
1750
+ "learning_rate": 4.753940412075696e-05,
1751
+ "loss": 6.0462,
1752
+ "step": 996
1753
+ },
1754
+ {
1755
+ "epoch": 0.05,
1756
+ "grad_norm": 1.944541335105896,
1757
+ "learning_rate": 4.752952220959534e-05,
1758
+ "loss": 6.1294,
1759
+ "step": 1000
1760
+ },
1761
+ {
1762
+ "epoch": 0.05,
1763
+ "grad_norm": 1.6126629114151,
1764
+ "learning_rate": 4.751964029843372e-05,
1765
+ "loss": 6.1586,
1766
+ "step": 1004
1767
+ },
1768
+ {
1769
+ "epoch": 0.05,
1770
+ "grad_norm": 1.4057198762893677,
1771
+ "learning_rate": 4.75097583872721e-05,
1772
+ "loss": 6.24,
1773
+ "step": 1008
1774
+ },
1775
+ {
1776
+ "epoch": 0.05,
1777
+ "grad_norm": 1.3622597455978394,
1778
+ "learning_rate": 4.749987647611048e-05,
1779
+ "loss": 5.9785,
1780
+ "step": 1012
1781
+ },
1782
+ {
1783
+ "epoch": 0.05,
1784
+ "grad_norm": 1.3643813133239746,
1785
+ "learning_rate": 4.748999456494886e-05,
1786
+ "loss": 6.0392,
1787
+ "step": 1016
1788
+ },
1789
+ {
1790
+ "epoch": 0.05,
1791
+ "grad_norm": 1.793847918510437,
1792
+ "learning_rate": 4.7480112653787245e-05,
1793
+ "loss": 5.9712,
1794
+ "step": 1020
1795
+ },
1796
+ {
1797
+ "epoch": 0.05,
1798
+ "grad_norm": 1.4792604446411133,
1799
+ "learning_rate": 4.747023074262563e-05,
1800
+ "loss": 6.0705,
1801
+ "step": 1024
1802
+ },
1803
+ {
1804
+ "epoch": 0.05,
1805
+ "grad_norm": 1.35064697265625,
1806
+ "learning_rate": 4.746034883146401e-05,
1807
+ "loss": 6.0608,
1808
+ "step": 1028
1809
+ },
1810
+ {
1811
+ "epoch": 0.05,
1812
+ "grad_norm": 1.3092408180236816,
1813
+ "learning_rate": 4.745046692030239e-05,
1814
+ "loss": 5.885,
1815
+ "step": 1032
1816
+ },
1817
+ {
1818
+ "epoch": 0.05,
1819
+ "grad_norm": 1.560230016708374,
1820
+ "learning_rate": 4.744058500914077e-05,
1821
+ "loss": 6.1149,
1822
+ "step": 1036
1823
+ },
1824
+ {
1825
+ "epoch": 0.05,
1826
+ "grad_norm": 1.5619248151779175,
1827
+ "learning_rate": 4.743070309797915e-05,
1828
+ "loss": 6.1887,
1829
+ "step": 1040
1830
+ },
1831
+ {
1832
+ "epoch": 0.05,
1833
+ "grad_norm": 1.4519466161727905,
1834
+ "learning_rate": 4.742082118681753e-05,
1835
+ "loss": 6.0853,
1836
+ "step": 1044
1837
+ },
1838
+ {
1839
+ "epoch": 0.05,
1840
+ "grad_norm": 1.4475151300430298,
1841
+ "learning_rate": 4.741093927565591e-05,
1842
+ "loss": 6.0921,
1843
+ "step": 1048
1844
+ },
1845
+ {
1846
+ "epoch": 0.05,
1847
+ "grad_norm": 1.2523047924041748,
1848
+ "learning_rate": 4.7401057364494295e-05,
1849
+ "loss": 6.1132,
1850
+ "step": 1052
1851
+ },
1852
+ {
1853
+ "epoch": 0.05,
1854
+ "grad_norm": 1.2426884174346924,
1855
+ "learning_rate": 4.7391175453332677e-05,
1856
+ "loss": 5.9939,
1857
+ "step": 1056
1858
+ },
1859
+ {
1860
+ "epoch": 0.05,
1861
+ "grad_norm": 1.4118828773498535,
1862
+ "learning_rate": 4.738129354217106e-05,
1863
+ "loss": 6.082,
1864
+ "step": 1060
1865
+ },
1866
+ {
1867
+ "epoch": 0.05,
1868
+ "grad_norm": 1.6150298118591309,
1869
+ "learning_rate": 4.737141163100944e-05,
1870
+ "loss": 6.0342,
1871
+ "step": 1064
1872
+ },
1873
+ {
1874
+ "epoch": 0.05,
1875
+ "grad_norm": 1.3286446332931519,
1876
+ "learning_rate": 4.7361529719847816e-05,
1877
+ "loss": 5.9456,
1878
+ "step": 1068
1879
+ },
1880
+ {
1881
+ "epoch": 0.05,
1882
+ "grad_norm": 1.4334193468093872,
1883
+ "learning_rate": 4.73516478086862e-05,
1884
+ "loss": 5.9225,
1885
+ "step": 1072
1886
+ },
1887
+ {
1888
+ "epoch": 0.05,
1889
+ "grad_norm": 1.2666079998016357,
1890
+ "learning_rate": 4.734176589752458e-05,
1891
+ "loss": 6.0389,
1892
+ "step": 1076
1893
+ },
1894
+ {
1895
+ "epoch": 0.05,
1896
+ "grad_norm": 1.2868504524230957,
1897
+ "learning_rate": 4.733188398636296e-05,
1898
+ "loss": 6.0719,
1899
+ "step": 1080
1900
+ },
1901
+ {
1902
+ "epoch": 0.05,
1903
+ "grad_norm": 1.7467691898345947,
1904
+ "learning_rate": 4.7322002075201344e-05,
1905
+ "loss": 5.9916,
1906
+ "step": 1084
1907
+ },
1908
+ {
1909
+ "epoch": 0.05,
1910
+ "grad_norm": 1.4924054145812988,
1911
+ "learning_rate": 4.7312120164039726e-05,
1912
+ "loss": 5.9197,
1913
+ "step": 1088
1914
+ },
1915
+ {
1916
+ "epoch": 0.05,
1917
+ "grad_norm": 1.1824862957000732,
1918
+ "learning_rate": 4.730223825287811e-05,
1919
+ "loss": 5.9122,
1920
+ "step": 1092
1921
+ },
1922
+ {
1923
+ "epoch": 0.05,
1924
+ "grad_norm": 1.435604214668274,
1925
+ "learning_rate": 4.729235634171649e-05,
1926
+ "loss": 6.1722,
1927
+ "step": 1096
1928
+ },
1929
+ {
1930
+ "epoch": 0.05,
1931
+ "grad_norm": 1.6537317037582397,
1932
+ "learning_rate": 4.728247443055487e-05,
1933
+ "loss": 6.0557,
1934
+ "step": 1100
1935
+ },
1936
+ {
1937
+ "epoch": 0.05,
1938
+ "grad_norm": 1.237634539604187,
1939
+ "learning_rate": 4.7272592519393255e-05,
1940
+ "loss": 6.1475,
1941
+ "step": 1104
1942
+ },
1943
+ {
1944
+ "epoch": 0.05,
1945
+ "grad_norm": 1.2861469984054565,
1946
+ "learning_rate": 4.7262710608231637e-05,
1947
+ "loss": 6.0261,
1948
+ "step": 1108
1949
+ },
1950
+ {
1951
+ "epoch": 0.05,
1952
+ "grad_norm": 1.3722236156463623,
1953
+ "learning_rate": 4.725282869707002e-05,
1954
+ "loss": 5.9994,
1955
+ "step": 1112
1956
+ },
1957
+ {
1958
+ "epoch": 0.06,
1959
+ "grad_norm": 1.4114540815353394,
1960
+ "learning_rate": 4.72429467859084e-05,
1961
+ "loss": 5.923,
1962
+ "step": 1116
1963
+ },
1964
+ {
1965
+ "epoch": 0.06,
1966
+ "grad_norm": 1.572077751159668,
1967
+ "learning_rate": 4.723306487474678e-05,
1968
+ "loss": 5.9886,
1969
+ "step": 1120
1970
+ },
1971
+ {
1972
+ "epoch": 0.06,
1973
+ "grad_norm": 1.971572995185852,
1974
+ "learning_rate": 4.722318296358516e-05,
1975
+ "loss": 6.0632,
1976
+ "step": 1124
1977
+ },
1978
+ {
1979
+ "epoch": 0.06,
1980
+ "grad_norm": 2.1920833587646484,
1981
+ "learning_rate": 4.721330105242354e-05,
1982
+ "loss": 6.066,
1983
+ "step": 1128
1984
+ },
1985
+ {
1986
+ "epoch": 0.06,
1987
+ "grad_norm": 1.6061211824417114,
1988
+ "learning_rate": 4.720341914126192e-05,
1989
+ "loss": 5.9523,
1990
+ "step": 1132
1991
+ },
1992
+ {
1993
+ "epoch": 0.06,
1994
+ "grad_norm": 1.617601990699768,
1995
+ "learning_rate": 4.7193537230100304e-05,
1996
+ "loss": 6.0579,
1997
+ "step": 1136
1998
+ },
1999
+ {
2000
+ "epoch": 0.06,
2001
+ "grad_norm": 1.674851655960083,
2002
+ "learning_rate": 4.7183655318938686e-05,
2003
+ "loss": 5.869,
2004
+ "step": 1140
2005
+ },
2006
+ {
2007
+ "epoch": 0.06,
2008
+ "grad_norm": 1.6465020179748535,
2009
+ "learning_rate": 4.717377340777707e-05,
2010
+ "loss": 5.9525,
2011
+ "step": 1144
2012
+ },
2013
+ {
2014
+ "epoch": 0.06,
2015
+ "grad_norm": 1.4357322454452515,
2016
+ "learning_rate": 4.716389149661545e-05,
2017
+ "loss": 5.8798,
2018
+ "step": 1148
2019
+ },
2020
+ {
2021
+ "epoch": 0.06,
2022
+ "grad_norm": 1.319442868232727,
2023
+ "learning_rate": 4.7154009585453826e-05,
2024
+ "loss": 6.0924,
2025
+ "step": 1152
2026
+ },
2027
+ {
2028
+ "epoch": 0.06,
2029
+ "grad_norm": 1.7044557332992554,
2030
+ "learning_rate": 4.714412767429221e-05,
2031
+ "loss": 6.0367,
2032
+ "step": 1156
2033
+ },
2034
+ {
2035
+ "epoch": 0.06,
2036
+ "grad_norm": 1.6891183853149414,
2037
+ "learning_rate": 4.713424576313059e-05,
2038
+ "loss": 5.9983,
2039
+ "step": 1160
2040
+ },
2041
+ {
2042
+ "epoch": 0.06,
2043
+ "grad_norm": 1.340993046760559,
2044
+ "learning_rate": 4.712436385196897e-05,
2045
+ "loss": 6.0353,
2046
+ "step": 1164
2047
+ },
2048
+ {
2049
+ "epoch": 0.06,
2050
+ "grad_norm": 1.3144937753677368,
2051
+ "learning_rate": 4.7114481940807354e-05,
2052
+ "loss": 5.9603,
2053
+ "step": 1168
2054
+ },
2055
+ {
2056
+ "epoch": 0.06,
2057
+ "grad_norm": 1.9154691696166992,
2058
+ "learning_rate": 4.7104600029645736e-05,
2059
+ "loss": 6.057,
2060
+ "step": 1172
2061
+ },
2062
+ {
2063
+ "epoch": 0.06,
2064
+ "grad_norm": 1.2976912260055542,
2065
+ "learning_rate": 4.709471811848412e-05,
2066
+ "loss": 5.992,
2067
+ "step": 1176
2068
+ },
2069
+ {
2070
+ "epoch": 0.06,
2071
+ "grad_norm": 1.4527958631515503,
2072
+ "learning_rate": 4.70848362073225e-05,
2073
+ "loss": 5.9253,
2074
+ "step": 1180
2075
+ },
2076
+ {
2077
+ "epoch": 0.06,
2078
+ "grad_norm": 1.6319037675857544,
2079
+ "learning_rate": 4.7074954296160875e-05,
2080
+ "loss": 6.1028,
2081
+ "step": 1184
2082
+ },
2083
+ {
2084
+ "epoch": 0.06,
2085
+ "grad_norm": 1.7407358884811401,
2086
+ "learning_rate": 4.706507238499926e-05,
2087
+ "loss": 5.9943,
2088
+ "step": 1188
2089
+ },
2090
+ {
2091
+ "epoch": 0.06,
2092
+ "grad_norm": 2.127054452896118,
2093
+ "learning_rate": 4.705519047383764e-05,
2094
+ "loss": 6.0707,
2095
+ "step": 1192
2096
+ },
2097
+ {
2098
+ "epoch": 0.06,
2099
+ "grad_norm": 1.761857271194458,
2100
+ "learning_rate": 4.704530856267602e-05,
2101
+ "loss": 6.0144,
2102
+ "step": 1196
2103
+ },
2104
+ {
2105
+ "epoch": 0.06,
2106
+ "grad_norm": 1.4145355224609375,
2107
+ "learning_rate": 4.7035426651514404e-05,
2108
+ "loss": 6.0829,
2109
+ "step": 1200
2110
+ },
2111
+ {
2112
+ "epoch": 0.06,
2113
+ "grad_norm": 1.3968502283096313,
2114
+ "learning_rate": 4.7025544740352786e-05,
2115
+ "loss": 6.0907,
2116
+ "step": 1204
2117
+ },
2118
+ {
2119
+ "epoch": 0.06,
2120
+ "grad_norm": 1.406941294670105,
2121
+ "learning_rate": 4.701566282919117e-05,
2122
+ "loss": 5.9521,
2123
+ "step": 1208
2124
+ },
2125
+ {
2126
+ "epoch": 0.06,
2127
+ "grad_norm": 1.3803069591522217,
2128
+ "learning_rate": 4.700578091802955e-05,
2129
+ "loss": 5.9801,
2130
+ "step": 1212
2131
+ },
2132
+ {
2133
+ "epoch": 0.06,
2134
+ "grad_norm": 1.3069123029708862,
2135
+ "learning_rate": 4.699589900686793e-05,
2136
+ "loss": 5.9288,
2137
+ "step": 1216
2138
+ },
2139
+ {
2140
+ "epoch": 0.06,
2141
+ "grad_norm": 1.5246793031692505,
2142
+ "learning_rate": 4.6986017095706314e-05,
2143
+ "loss": 6.0128,
2144
+ "step": 1220
2145
+ },
2146
+ {
2147
+ "epoch": 0.06,
2148
+ "grad_norm": 1.5078657865524292,
2149
+ "learning_rate": 4.6976135184544696e-05,
2150
+ "loss": 5.9037,
2151
+ "step": 1224
2152
+ },
2153
+ {
2154
+ "epoch": 0.06,
2155
+ "grad_norm": 1.9630528688430786,
2156
+ "learning_rate": 4.696625327338308e-05,
2157
+ "loss": 5.9762,
2158
+ "step": 1228
2159
+ },
2160
+ {
2161
+ "epoch": 0.06,
2162
+ "grad_norm": 1.4446896314620972,
2163
+ "learning_rate": 4.695637136222146e-05,
2164
+ "loss": 5.9254,
2165
+ "step": 1232
2166
+ },
2167
+ {
2168
+ "epoch": 0.06,
2169
+ "grad_norm": 1.1959322690963745,
2170
+ "learning_rate": 4.6946489451059835e-05,
2171
+ "loss": 5.9263,
2172
+ "step": 1236
2173
+ },
2174
+ {
2175
+ "epoch": 0.06,
2176
+ "grad_norm": 1.5779132843017578,
2177
+ "learning_rate": 4.693660753989822e-05,
2178
+ "loss": 5.9132,
2179
+ "step": 1240
2180
+ },
2181
+ {
2182
+ "epoch": 0.06,
2183
+ "grad_norm": 1.3477551937103271,
2184
+ "learning_rate": 4.69267256287366e-05,
2185
+ "loss": 6.0072,
2186
+ "step": 1244
2187
+ },
2188
+ {
2189
+ "epoch": 0.06,
2190
+ "grad_norm": 1.950527310371399,
2191
+ "learning_rate": 4.691684371757498e-05,
2192
+ "loss": 5.9209,
2193
+ "step": 1248
2194
+ },
2195
+ {
2196
+ "epoch": 0.06,
2197
+ "grad_norm": 2.0284175872802734,
2198
+ "learning_rate": 4.6906961806413364e-05,
2199
+ "loss": 6.0581,
2200
+ "step": 1252
2201
+ },
2202
+ {
2203
+ "epoch": 0.06,
2204
+ "grad_norm": 1.3213205337524414,
2205
+ "learning_rate": 4.6897079895251746e-05,
2206
+ "loss": 5.9722,
2207
+ "step": 1256
2208
+ },
2209
+ {
2210
+ "epoch": 0.06,
2211
+ "grad_norm": 1.2748960256576538,
2212
+ "learning_rate": 4.688719798409013e-05,
2213
+ "loss": 6.0285,
2214
+ "step": 1260
2215
+ },
2216
+ {
2217
+ "epoch": 0.06,
2218
+ "grad_norm": 1.4361499547958374,
2219
+ "learning_rate": 4.687731607292851e-05,
2220
+ "loss": 5.9448,
2221
+ "step": 1264
2222
+ },
2223
+ {
2224
+ "epoch": 0.06,
2225
+ "grad_norm": 1.5793545246124268,
2226
+ "learning_rate": 4.6867434161766885e-05,
2227
+ "loss": 6.0026,
2228
+ "step": 1268
2229
+ },
2230
+ {
2231
+ "epoch": 0.06,
2232
+ "grad_norm": 1.7214800119400024,
2233
+ "learning_rate": 4.685755225060527e-05,
2234
+ "loss": 6.1118,
2235
+ "step": 1272
2236
+ },
2237
+ {
2238
+ "epoch": 0.06,
2239
+ "grad_norm": 1.3730213642120361,
2240
+ "learning_rate": 4.684767033944365e-05,
2241
+ "loss": 5.9988,
2242
+ "step": 1276
2243
+ },
2244
+ {
2245
+ "epoch": 0.06,
2246
+ "grad_norm": 1.4589751958847046,
2247
+ "learning_rate": 4.683778842828203e-05,
2248
+ "loss": 6.0041,
2249
+ "step": 1280
2250
+ },
2251
+ {
2252
+ "epoch": 0.06,
2253
+ "grad_norm": 1.3940002918243408,
2254
+ "learning_rate": 4.682790651712041e-05,
2255
+ "loss": 5.9818,
2256
+ "step": 1284
2257
+ },
2258
+ {
2259
+ "epoch": 0.06,
2260
+ "grad_norm": 1.3168179988861084,
2261
+ "learning_rate": 4.6818024605958795e-05,
2262
+ "loss": 5.9819,
2263
+ "step": 1288
2264
+ },
2265
+ {
2266
+ "epoch": 0.06,
2267
+ "grad_norm": 1.737804651260376,
2268
+ "learning_rate": 4.680814269479718e-05,
2269
+ "loss": 5.9301,
2270
+ "step": 1292
2271
+ },
2272
+ {
2273
+ "epoch": 0.06,
2274
+ "grad_norm": 1.2958004474639893,
2275
+ "learning_rate": 4.679826078363555e-05,
2276
+ "loss": 5.9922,
2277
+ "step": 1296
2278
+ },
2279
+ {
2280
+ "epoch": 0.06,
2281
+ "grad_norm": 1.7017489671707153,
2282
+ "learning_rate": 4.6788378872473935e-05,
2283
+ "loss": 6.0218,
2284
+ "step": 1300
2285
+ },
2286
+ {
2287
+ "epoch": 0.06,
2288
+ "grad_norm": 1.7935067415237427,
2289
+ "learning_rate": 4.677849696131232e-05,
2290
+ "loss": 5.8878,
2291
+ "step": 1304
2292
+ },
2293
+ {
2294
+ "epoch": 0.06,
2295
+ "grad_norm": 2.293447256088257,
2296
+ "learning_rate": 4.67686150501507e-05,
2297
+ "loss": 6.1183,
2298
+ "step": 1308
2299
+ },
2300
+ {
2301
+ "epoch": 0.06,
2302
+ "grad_norm": 1.470645785331726,
2303
+ "learning_rate": 4.675873313898908e-05,
2304
+ "loss": 5.8939,
2305
+ "step": 1312
2306
+ },
2307
+ {
2308
+ "epoch": 0.07,
2309
+ "grad_norm": 1.3084948062896729,
2310
+ "learning_rate": 4.674885122782746e-05,
2311
+ "loss": 5.9267,
2312
+ "step": 1316
2313
+ },
2314
+ {
2315
+ "epoch": 0.07,
2316
+ "grad_norm": 1.2316402196884155,
2317
+ "learning_rate": 4.6738969316665845e-05,
2318
+ "loss": 6.0664,
2319
+ "step": 1320
2320
+ },
2321
+ {
2322
+ "epoch": 0.07,
2323
+ "grad_norm": 1.3546851873397827,
2324
+ "learning_rate": 4.672908740550423e-05,
2325
+ "loss": 5.9785,
2326
+ "step": 1324
2327
+ },
2328
+ {
2329
+ "epoch": 0.07,
2330
+ "grad_norm": 1.1932753324508667,
2331
+ "learning_rate": 4.671920549434261e-05,
2332
+ "loss": 5.8807,
2333
+ "step": 1328
2334
+ },
2335
+ {
2336
+ "epoch": 0.07,
2337
+ "grad_norm": 1.3659350872039795,
2338
+ "learning_rate": 4.670932358318099e-05,
2339
+ "loss": 6.0175,
2340
+ "step": 1332
2341
+ },
2342
+ {
2343
+ "epoch": 0.07,
2344
+ "grad_norm": 1.316653847694397,
2345
+ "learning_rate": 4.669944167201937e-05,
2346
+ "loss": 5.9124,
2347
+ "step": 1336
2348
+ },
2349
+ {
2350
+ "epoch": 0.07,
2351
+ "grad_norm": 1.4429857730865479,
2352
+ "learning_rate": 4.6689559760857755e-05,
2353
+ "loss": 5.9828,
2354
+ "step": 1340
2355
+ },
2356
+ {
2357
+ "epoch": 0.07,
2358
+ "grad_norm": 1.4865456819534302,
2359
+ "learning_rate": 4.667967784969614e-05,
2360
+ "loss": 6.0829,
2361
+ "step": 1344
2362
+ },
2363
+ {
2364
+ "epoch": 0.07,
2365
+ "grad_norm": 1.453019618988037,
2366
+ "learning_rate": 4.666979593853452e-05,
2367
+ "loss": 5.9101,
2368
+ "step": 1348
2369
+ },
2370
+ {
2371
+ "epoch": 0.07,
2372
+ "grad_norm": 1.2942475080490112,
2373
+ "learning_rate": 4.6659914027372895e-05,
2374
+ "loss": 6.0094,
2375
+ "step": 1352
2376
+ },
2377
+ {
2378
+ "epoch": 0.07,
2379
+ "grad_norm": 1.6731159687042236,
2380
+ "learning_rate": 4.665003211621128e-05,
2381
+ "loss": 5.9274,
2382
+ "step": 1356
2383
+ },
2384
+ {
2385
+ "epoch": 0.07,
2386
+ "grad_norm": 1.5828598737716675,
2387
+ "learning_rate": 4.664015020504966e-05,
2388
+ "loss": 6.0568,
2389
+ "step": 1360
2390
+ },
2391
+ {
2392
+ "epoch": 0.07,
2393
+ "grad_norm": 1.3310965299606323,
2394
+ "learning_rate": 4.663026829388804e-05,
2395
+ "loss": 5.9873,
2396
+ "step": 1364
2397
+ },
2398
+ {
2399
+ "epoch": 0.07,
2400
+ "grad_norm": 1.5734776258468628,
2401
+ "learning_rate": 4.662038638272642e-05,
2402
+ "loss": 5.9194,
2403
+ "step": 1368
2404
+ },
2405
+ {
2406
+ "epoch": 0.07,
2407
+ "grad_norm": 1.8752501010894775,
2408
+ "learning_rate": 4.6610504471564805e-05,
2409
+ "loss": 5.945,
2410
+ "step": 1372
2411
+ },
2412
+ {
2413
+ "epoch": 0.07,
2414
+ "grad_norm": 1.5967419147491455,
2415
+ "learning_rate": 4.660062256040319e-05,
2416
+ "loss": 5.8828,
2417
+ "step": 1376
2418
+ },
2419
+ {
2420
+ "epoch": 0.07,
2421
+ "grad_norm": 1.3059850931167603,
2422
+ "learning_rate": 4.659074064924156e-05,
2423
+ "loss": 5.9692,
2424
+ "step": 1380
2425
+ },
2426
+ {
2427
+ "epoch": 0.07,
2428
+ "grad_norm": 1.3276833295822144,
2429
+ "learning_rate": 4.6580858738079945e-05,
2430
+ "loss": 5.9998,
2431
+ "step": 1384
2432
+ },
2433
+ {
2434
+ "epoch": 0.07,
2435
+ "grad_norm": 1.481294870376587,
2436
+ "learning_rate": 4.6570976826918327e-05,
2437
+ "loss": 6.0054,
2438
+ "step": 1388
2439
+ },
2440
+ {
2441
+ "epoch": 0.07,
2442
+ "grad_norm": 1.2492045164108276,
2443
+ "learning_rate": 4.656109491575671e-05,
2444
+ "loss": 5.7969,
2445
+ "step": 1392
2446
+ },
2447
+ {
2448
+ "epoch": 0.07,
2449
+ "grad_norm": 1.3145158290863037,
2450
+ "learning_rate": 4.655121300459509e-05,
2451
+ "loss": 6.0625,
2452
+ "step": 1396
2453
+ },
2454
+ {
2455
+ "epoch": 0.07,
2456
+ "grad_norm": 1.7083948850631714,
2457
+ "learning_rate": 4.654133109343347e-05,
2458
+ "loss": 6.0563,
2459
+ "step": 1400
2460
+ },
2461
+ {
2462
+ "epoch": 0.07,
2463
+ "grad_norm": 2.5010440349578857,
2464
+ "learning_rate": 4.6531449182271855e-05,
2465
+ "loss": 5.9032,
2466
+ "step": 1404
2467
+ },
2468
+ {
2469
+ "epoch": 0.07,
2470
+ "grad_norm": 1.3582074642181396,
2471
+ "learning_rate": 4.652156727111023e-05,
2472
+ "loss": 5.9933,
2473
+ "step": 1408
2474
+ },
2475
+ {
2476
+ "epoch": 0.07,
2477
+ "grad_norm": 1.4667145013809204,
2478
+ "learning_rate": 4.651168535994861e-05,
2479
+ "loss": 5.8992,
2480
+ "step": 1412
2481
+ },
2482
+ {
2483
+ "epoch": 0.07,
2484
+ "grad_norm": 1.5343049764633179,
2485
+ "learning_rate": 4.6501803448786994e-05,
2486
+ "loss": 5.9115,
2487
+ "step": 1416
2488
+ },
2489
+ {
2490
+ "epoch": 0.07,
2491
+ "grad_norm": 1.1951204538345337,
2492
+ "learning_rate": 4.6491921537625376e-05,
2493
+ "loss": 5.8802,
2494
+ "step": 1420
2495
+ },
2496
+ {
2497
+ "epoch": 0.07,
2498
+ "grad_norm": 1.566027283668518,
2499
+ "learning_rate": 4.648203962646376e-05,
2500
+ "loss": 5.8612,
2501
+ "step": 1424
2502
+ },
2503
+ {
2504
+ "epoch": 0.07,
2505
+ "grad_norm": 1.2942713499069214,
2506
+ "learning_rate": 4.647215771530214e-05,
2507
+ "loss": 5.936,
2508
+ "step": 1428
2509
+ },
2510
+ {
2511
+ "epoch": 0.07,
2512
+ "grad_norm": 1.5581068992614746,
2513
+ "learning_rate": 4.646227580414052e-05,
2514
+ "loss": 5.8286,
2515
+ "step": 1432
2516
+ },
2517
+ {
2518
+ "epoch": 0.07,
2519
+ "grad_norm": 1.3115367889404297,
2520
+ "learning_rate": 4.6452393892978905e-05,
2521
+ "loss": 5.9605,
2522
+ "step": 1436
2523
+ },
2524
+ {
2525
+ "epoch": 0.07,
2526
+ "grad_norm": 1.3432234525680542,
2527
+ "learning_rate": 4.6442511981817287e-05,
2528
+ "loss": 5.8929,
2529
+ "step": 1440
2530
+ },
2531
+ {
2532
+ "epoch": 0.07,
2533
+ "grad_norm": 1.789021611213684,
2534
+ "learning_rate": 4.643263007065567e-05,
2535
+ "loss": 6.0817,
2536
+ "step": 1444
2537
+ },
2538
+ {
2539
+ "epoch": 0.07,
2540
+ "grad_norm": 1.8558330535888672,
2541
+ "learning_rate": 4.642274815949405e-05,
2542
+ "loss": 6.0362,
2543
+ "step": 1448
2544
+ },
2545
+ {
2546
+ "epoch": 0.07,
2547
+ "grad_norm": 1.2429139614105225,
2548
+ "learning_rate": 4.641286624833243e-05,
2549
+ "loss": 6.0426,
2550
+ "step": 1452
2551
+ },
2552
+ {
2553
+ "epoch": 0.07,
2554
+ "grad_norm": 1.4920710325241089,
2555
+ "learning_rate": 4.6402984337170815e-05,
2556
+ "loss": 5.8848,
2557
+ "step": 1456
2558
+ },
2559
+ {
2560
+ "epoch": 0.07,
2561
+ "grad_norm": 1.456693172454834,
2562
+ "learning_rate": 4.63931024260092e-05,
2563
+ "loss": 6.0129,
2564
+ "step": 1460
2565
+ },
2566
+ {
2567
+ "epoch": 0.07,
2568
+ "grad_norm": 1.2984966039657593,
2569
+ "learning_rate": 4.638322051484757e-05,
2570
+ "loss": 5.9807,
2571
+ "step": 1464
2572
+ },
2573
+ {
2574
+ "epoch": 0.07,
2575
+ "grad_norm": 1.3711044788360596,
2576
+ "learning_rate": 4.6373338603685954e-05,
2577
+ "loss": 5.9158,
2578
+ "step": 1468
2579
+ },
2580
+ {
2581
+ "epoch": 0.07,
2582
+ "grad_norm": 1.432022213935852,
2583
+ "learning_rate": 4.6363456692524336e-05,
2584
+ "loss": 6.0205,
2585
+ "step": 1472
2586
+ },
2587
+ {
2588
+ "epoch": 0.07,
2589
+ "grad_norm": 1.549072504043579,
2590
+ "learning_rate": 4.635357478136272e-05,
2591
+ "loss": 5.9811,
2592
+ "step": 1476
2593
+ },
2594
+ {
2595
+ "epoch": 0.07,
2596
+ "grad_norm": 1.531638741493225,
2597
+ "learning_rate": 4.63436928702011e-05,
2598
+ "loss": 5.9643,
2599
+ "step": 1480
2600
+ },
2601
+ {
2602
+ "epoch": 0.07,
2603
+ "grad_norm": 1.9268430471420288,
2604
+ "learning_rate": 4.633381095903948e-05,
2605
+ "loss": 6.022,
2606
+ "step": 1484
2607
+ },
2608
+ {
2609
+ "epoch": 0.07,
2610
+ "grad_norm": 1.491971731185913,
2611
+ "learning_rate": 4.6323929047877865e-05,
2612
+ "loss": 5.9582,
2613
+ "step": 1488
2614
+ },
2615
+ {
2616
+ "epoch": 0.07,
2617
+ "grad_norm": 1.253057837486267,
2618
+ "learning_rate": 4.631404713671624e-05,
2619
+ "loss": 5.9783,
2620
+ "step": 1492
2621
+ },
2622
+ {
2623
+ "epoch": 0.07,
2624
+ "grad_norm": 1.7390155792236328,
2625
+ "learning_rate": 4.630416522555462e-05,
2626
+ "loss": 5.9987,
2627
+ "step": 1496
2628
+ },
2629
+ {
2630
+ "epoch": 0.07,
2631
+ "grad_norm": 1.605100154876709,
2632
+ "learning_rate": 4.6294283314393004e-05,
2633
+ "loss": 6.0706,
2634
+ "step": 1500
2635
+ },
2636
+ {
2637
+ "epoch": 0.07,
2638
+ "grad_norm": 1.30108642578125,
2639
+ "learning_rate": 4.6284401403231386e-05,
2640
+ "loss": 6.0712,
2641
+ "step": 1504
2642
+ },
2643
+ {
2644
+ "epoch": 0.07,
2645
+ "grad_norm": 1.7230815887451172,
2646
+ "learning_rate": 4.627451949206977e-05,
2647
+ "loss": 6.0353,
2648
+ "step": 1508
2649
+ },
2650
+ {
2651
+ "epoch": 0.07,
2652
+ "grad_norm": 1.7896109819412231,
2653
+ "learning_rate": 4.626463758090815e-05,
2654
+ "loss": 5.9901,
2655
+ "step": 1512
2656
+ },
2657
+ {
2658
+ "epoch": 0.07,
2659
+ "grad_norm": 1.710947871208191,
2660
+ "learning_rate": 4.625475566974653e-05,
2661
+ "loss": 5.9141,
2662
+ "step": 1516
2663
+ },
2664
+ {
2665
+ "epoch": 0.08,
2666
+ "grad_norm": 1.5355948209762573,
2667
+ "learning_rate": 4.6244873758584914e-05,
2668
+ "loss": 5.9802,
2669
+ "step": 1520
2670
+ },
2671
+ {
2672
+ "epoch": 0.08,
2673
+ "grad_norm": 1.4352582693099976,
2674
+ "learning_rate": 4.623499184742329e-05,
2675
+ "loss": 6.0397,
2676
+ "step": 1524
2677
+ },
2678
+ {
2679
+ "epoch": 0.08,
2680
+ "grad_norm": 1.4116641283035278,
2681
+ "learning_rate": 4.622510993626167e-05,
2682
+ "loss": 6.0213,
2683
+ "step": 1528
2684
+ },
2685
+ {
2686
+ "epoch": 0.08,
2687
+ "grad_norm": 1.2762186527252197,
2688
+ "learning_rate": 4.6215228025100054e-05,
2689
+ "loss": 5.8323,
2690
+ "step": 1532
2691
+ },
2692
+ {
2693
+ "epoch": 0.08,
2694
+ "grad_norm": 1.8467053174972534,
2695
+ "learning_rate": 4.6205346113938436e-05,
2696
+ "loss": 5.8623,
2697
+ "step": 1536
2698
+ },
2699
+ {
2700
+ "epoch": 0.08,
2701
+ "grad_norm": 1.5691808462142944,
2702
+ "learning_rate": 4.619546420277682e-05,
2703
+ "loss": 6.0056,
2704
+ "step": 1540
2705
+ },
2706
+ {
2707
+ "epoch": 0.08,
2708
+ "grad_norm": 1.9999240636825562,
2709
+ "learning_rate": 4.61855822916152e-05,
2710
+ "loss": 6.1042,
2711
+ "step": 1544
2712
+ },
2713
+ {
2714
+ "epoch": 0.08,
2715
+ "grad_norm": 1.9879581928253174,
2716
+ "learning_rate": 4.617570038045358e-05,
2717
+ "loss": 5.8972,
2718
+ "step": 1548
2719
+ },
2720
+ {
2721
+ "epoch": 0.08,
2722
+ "grad_norm": 1.6930572986602783,
2723
+ "learning_rate": 4.6165818469291964e-05,
2724
+ "loss": 5.8287,
2725
+ "step": 1552
2726
+ },
2727
+ {
2728
+ "epoch": 0.08,
2729
+ "grad_norm": 2.064516544342041,
2730
+ "learning_rate": 4.6155936558130346e-05,
2731
+ "loss": 5.986,
2732
+ "step": 1556
2733
+ },
2734
+ {
2735
+ "epoch": 0.08,
2736
+ "grad_norm": 1.5297229290008545,
2737
+ "learning_rate": 4.614605464696873e-05,
2738
+ "loss": 6.0793,
2739
+ "step": 1560
2740
+ },
2741
+ {
2742
+ "epoch": 0.08,
2743
+ "grad_norm": 1.3446491956710815,
2744
+ "learning_rate": 4.613617273580711e-05,
2745
+ "loss": 5.971,
2746
+ "step": 1564
2747
+ },
2748
+ {
2749
+ "epoch": 0.08,
2750
+ "grad_norm": 1.3736571073532104,
2751
+ "learning_rate": 4.612629082464549e-05,
2752
+ "loss": 6.049,
2753
+ "step": 1568
2754
+ },
2755
+ {
2756
+ "epoch": 0.08,
2757
+ "grad_norm": 1.439300298690796,
2758
+ "learning_rate": 4.6116408913483874e-05,
2759
+ "loss": 6.0757,
2760
+ "step": 1572
2761
+ },
2762
+ {
2763
+ "epoch": 0.08,
2764
+ "grad_norm": 1.766449213027954,
2765
+ "learning_rate": 4.610652700232225e-05,
2766
+ "loss": 5.8482,
2767
+ "step": 1576
2768
+ },
2769
+ {
2770
+ "epoch": 0.08,
2771
+ "grad_norm": 1.3712018728256226,
2772
+ "learning_rate": 4.609664509116063e-05,
2773
+ "loss": 5.9108,
2774
+ "step": 1580
2775
+ },
2776
+ {
2777
+ "epoch": 0.08,
2778
+ "grad_norm": 1.6353716850280762,
2779
+ "learning_rate": 4.6086763179999014e-05,
2780
+ "loss": 5.9461,
2781
+ "step": 1584
2782
+ },
2783
+ {
2784
+ "epoch": 0.08,
2785
+ "grad_norm": 1.549001932144165,
2786
+ "learning_rate": 4.6076881268837396e-05,
2787
+ "loss": 5.9503,
2788
+ "step": 1588
2789
+ },
2790
+ {
2791
+ "epoch": 0.08,
2792
+ "grad_norm": 1.8643873929977417,
2793
+ "learning_rate": 4.606699935767578e-05,
2794
+ "loss": 5.8876,
2795
+ "step": 1592
2796
+ },
2797
+ {
2798
+ "epoch": 0.08,
2799
+ "grad_norm": 3.1906590461730957,
2800
+ "learning_rate": 4.605711744651416e-05,
2801
+ "loss": 5.8155,
2802
+ "step": 1596
2803
+ },
2804
+ {
2805
+ "epoch": 0.08,
2806
+ "grad_norm": 1.4951763153076172,
2807
+ "learning_rate": 4.604723553535254e-05,
2808
+ "loss": 6.0645,
2809
+ "step": 1600
2810
+ },
2811
+ {
2812
+ "epoch": 0.08,
2813
+ "grad_norm": 1.5761932134628296,
2814
+ "learning_rate": 4.6037353624190924e-05,
2815
+ "loss": 5.8113,
2816
+ "step": 1604
2817
+ },
2818
+ {
2819
+ "epoch": 0.08,
2820
+ "grad_norm": 1.858544111251831,
2821
+ "learning_rate": 4.60274717130293e-05,
2822
+ "loss": 5.9492,
2823
+ "step": 1608
2824
+ },
2825
+ {
2826
+ "epoch": 0.08,
2827
+ "grad_norm": 1.2514946460723877,
2828
+ "learning_rate": 4.601758980186768e-05,
2829
+ "loss": 6.0415,
2830
+ "step": 1612
2831
+ },
2832
+ {
2833
+ "epoch": 0.08,
2834
+ "grad_norm": 1.4306968450546265,
2835
+ "learning_rate": 4.600770789070606e-05,
2836
+ "loss": 6.0258,
2837
+ "step": 1616
2838
+ },
2839
+ {
2840
+ "epoch": 0.08,
2841
+ "grad_norm": 1.4032137393951416,
2842
+ "learning_rate": 4.5997825979544445e-05,
2843
+ "loss": 5.9323,
2844
+ "step": 1620
2845
+ },
2846
+ {
2847
+ "epoch": 0.08,
2848
+ "grad_norm": 1.424999713897705,
2849
+ "learning_rate": 4.598794406838283e-05,
2850
+ "loss": 5.937,
2851
+ "step": 1624
2852
+ },
2853
+ {
2854
+ "epoch": 0.08,
2855
+ "grad_norm": 1.3444308042526245,
2856
+ "learning_rate": 4.597806215722121e-05,
2857
+ "loss": 5.8967,
2858
+ "step": 1628
2859
+ },
2860
+ {
2861
+ "epoch": 0.08,
2862
+ "grad_norm": 1.4193394184112549,
2863
+ "learning_rate": 4.596818024605959e-05,
2864
+ "loss": 5.9547,
2865
+ "step": 1632
2866
+ },
2867
+ {
2868
+ "epoch": 0.08,
2869
+ "grad_norm": 1.2748864889144897,
2870
+ "learning_rate": 4.595829833489797e-05,
2871
+ "loss": 5.9361,
2872
+ "step": 1636
2873
+ },
2874
+ {
2875
+ "epoch": 0.08,
2876
+ "grad_norm": 1.469801664352417,
2877
+ "learning_rate": 4.594841642373635e-05,
2878
+ "loss": 5.8623,
2879
+ "step": 1640
2880
+ },
2881
+ {
2882
+ "epoch": 0.08,
2883
+ "grad_norm": 1.563642978668213,
2884
+ "learning_rate": 4.593853451257473e-05,
2885
+ "loss": 6.0724,
2886
+ "step": 1644
2887
+ },
2888
+ {
2889
+ "epoch": 0.08,
2890
+ "grad_norm": 1.504905104637146,
2891
+ "learning_rate": 4.592865260141311e-05,
2892
+ "loss": 5.9072,
2893
+ "step": 1648
2894
+ },
2895
+ {
2896
+ "epoch": 0.08,
2897
+ "grad_norm": 1.543295979499817,
2898
+ "learning_rate": 4.5918770690251495e-05,
2899
+ "loss": 5.9527,
2900
+ "step": 1652
2901
+ },
2902
+ {
2903
+ "epoch": 0.08,
2904
+ "grad_norm": 2.244002103805542,
2905
+ "learning_rate": 4.590888877908988e-05,
2906
+ "loss": 6.0182,
2907
+ "step": 1656
2908
+ },
2909
+ {
2910
+ "epoch": 0.08,
2911
+ "grad_norm": 2.3683278560638428,
2912
+ "learning_rate": 4.589900686792826e-05,
2913
+ "loss": 6.022,
2914
+ "step": 1660
2915
+ },
2916
+ {
2917
+ "epoch": 0.08,
2918
+ "grad_norm": 1.5250694751739502,
2919
+ "learning_rate": 4.588912495676664e-05,
2920
+ "loss": 5.9414,
2921
+ "step": 1664
2922
+ },
2923
+ {
2924
+ "epoch": 0.08,
2925
+ "grad_norm": 1.940976619720459,
2926
+ "learning_rate": 4.5879243045605023e-05,
2927
+ "loss": 5.9301,
2928
+ "step": 1668
2929
+ },
2930
+ {
2931
+ "epoch": 0.08,
2932
+ "grad_norm": 1.503818154335022,
2933
+ "learning_rate": 4.5869361134443405e-05,
2934
+ "loss": 5.8361,
2935
+ "step": 1672
2936
+ },
2937
+ {
2938
+ "epoch": 0.08,
2939
+ "grad_norm": 2.5099518299102783,
2940
+ "learning_rate": 4.585947922328179e-05,
2941
+ "loss": 5.8945,
2942
+ "step": 1676
2943
+ },
2944
+ {
2945
+ "epoch": 0.08,
2946
+ "grad_norm": 1.6731679439544678,
2947
+ "learning_rate": 4.584959731212017e-05,
2948
+ "loss": 5.9091,
2949
+ "step": 1680
2950
+ },
2951
+ {
2952
+ "epoch": 0.08,
2953
+ "grad_norm": 1.2417348623275757,
2954
+ "learning_rate": 4.583971540095855e-05,
2955
+ "loss": 5.9407,
2956
+ "step": 1684
2957
+ },
2958
+ {
2959
+ "epoch": 0.08,
2960
+ "grad_norm": 1.4417905807495117,
2961
+ "learning_rate": 4.5829833489796934e-05,
2962
+ "loss": 6.0244,
2963
+ "step": 1688
2964
+ },
2965
+ {
2966
+ "epoch": 0.08,
2967
+ "grad_norm": 1.8846923112869263,
2968
+ "learning_rate": 4.581995157863531e-05,
2969
+ "loss": 5.9297,
2970
+ "step": 1692
2971
+ },
2972
+ {
2973
+ "epoch": 0.08,
2974
+ "grad_norm": 1.6629383563995361,
2975
+ "learning_rate": 4.581006966747369e-05,
2976
+ "loss": 5.845,
2977
+ "step": 1696
2978
+ },
2979
+ {
2980
+ "epoch": 0.08,
2981
+ "grad_norm": 1.4970371723175049,
2982
+ "learning_rate": 4.580018775631207e-05,
2983
+ "loss": 5.9948,
2984
+ "step": 1700
2985
+ },
2986
+ {
2987
+ "epoch": 0.08,
2988
+ "grad_norm": 2.547971248626709,
2989
+ "learning_rate": 4.5790305845150455e-05,
2990
+ "loss": 5.9322,
2991
+ "step": 1704
2992
+ },
2993
+ {
2994
+ "epoch": 0.08,
2995
+ "grad_norm": 2.2521891593933105,
2996
+ "learning_rate": 4.578042393398884e-05,
2997
+ "loss": 5.9448,
2998
+ "step": 1708
2999
+ },
3000
+ {
3001
+ "epoch": 0.08,
3002
+ "grad_norm": 1.8124247789382935,
3003
+ "learning_rate": 4.577054202282722e-05,
3004
+ "loss": 5.9226,
3005
+ "step": 1712
3006
+ },
3007
+ {
3008
+ "epoch": 0.08,
3009
+ "grad_norm": 2.33345890045166,
3010
+ "learning_rate": 4.57606601116656e-05,
3011
+ "loss": 6.0771,
3012
+ "step": 1716
3013
+ },
3014
+ {
3015
+ "epoch": 0.08,
3016
+ "grad_norm": 2.122553825378418,
3017
+ "learning_rate": 4.575077820050398e-05,
3018
+ "loss": 5.8754,
3019
+ "step": 1720
3020
+ },
3021
+ {
3022
+ "epoch": 0.09,
3023
+ "grad_norm": 1.5283949375152588,
3024
+ "learning_rate": 4.574089628934236e-05,
3025
+ "loss": 5.8644,
3026
+ "step": 1724
3027
+ },
3028
+ {
3029
+ "epoch": 0.09,
3030
+ "grad_norm": 1.6564345359802246,
3031
+ "learning_rate": 4.573101437818074e-05,
3032
+ "loss": 5.8691,
3033
+ "step": 1728
3034
+ },
3035
+ {
3036
+ "epoch": 0.09,
3037
+ "grad_norm": 1.6714503765106201,
3038
+ "learning_rate": 4.572113246701912e-05,
3039
+ "loss": 5.9227,
3040
+ "step": 1732
3041
+ },
3042
+ {
3043
+ "epoch": 0.09,
3044
+ "grad_norm": 1.543869972229004,
3045
+ "learning_rate": 4.5711250555857505e-05,
3046
+ "loss": 5.9588,
3047
+ "step": 1736
3048
+ },
3049
+ {
3050
+ "epoch": 0.09,
3051
+ "grad_norm": 1.248793601989746,
3052
+ "learning_rate": 4.570136864469589e-05,
3053
+ "loss": 5.9065,
3054
+ "step": 1740
3055
+ },
3056
+ {
3057
+ "epoch": 0.09,
3058
+ "grad_norm": 1.3636749982833862,
3059
+ "learning_rate": 4.569148673353427e-05,
3060
+ "loss": 5.8001,
3061
+ "step": 1744
3062
+ },
3063
+ {
3064
+ "epoch": 0.09,
3065
+ "grad_norm": 1.2990843057632446,
3066
+ "learning_rate": 4.568160482237265e-05,
3067
+ "loss": 5.9017,
3068
+ "step": 1748
3069
+ },
3070
+ {
3071
+ "epoch": 0.09,
3072
+ "grad_norm": 1.4160529375076294,
3073
+ "learning_rate": 4.5671722911211026e-05,
3074
+ "loss": 5.7955,
3075
+ "step": 1752
3076
+ },
3077
+ {
3078
+ "epoch": 0.09,
3079
+ "grad_norm": 1.5701916217803955,
3080
+ "learning_rate": 4.566184100004941e-05,
3081
+ "loss": 5.9576,
3082
+ "step": 1756
3083
+ },
3084
+ {
3085
+ "epoch": 0.09,
3086
+ "grad_norm": 1.5187253952026367,
3087
+ "learning_rate": 4.565195908888779e-05,
3088
+ "loss": 5.9054,
3089
+ "step": 1760
3090
+ },
3091
+ {
3092
+ "epoch": 0.09,
3093
+ "grad_norm": 1.6530662775039673,
3094
+ "learning_rate": 4.564207717772617e-05,
3095
+ "loss": 5.9385,
3096
+ "step": 1764
3097
+ },
3098
+ {
3099
+ "epoch": 0.09,
3100
+ "grad_norm": 1.481063723564148,
3101
+ "learning_rate": 4.5632195266564555e-05,
3102
+ "loss": 5.8584,
3103
+ "step": 1768
3104
+ },
3105
+ {
3106
+ "epoch": 0.09,
3107
+ "grad_norm": 1.2179416418075562,
3108
+ "learning_rate": 4.562231335540294e-05,
3109
+ "loss": 5.9652,
3110
+ "step": 1772
3111
+ },
3112
+ {
3113
+ "epoch": 0.09,
3114
+ "grad_norm": 1.4156241416931152,
3115
+ "learning_rate": 4.561243144424132e-05,
3116
+ "loss": 5.7772,
3117
+ "step": 1776
3118
+ },
3119
+ {
3120
+ "epoch": 0.09,
3121
+ "grad_norm": 1.5597620010375977,
3122
+ "learning_rate": 4.56025495330797e-05,
3123
+ "loss": 5.9441,
3124
+ "step": 1780
3125
+ },
3126
+ {
3127
+ "epoch": 0.09,
3128
+ "grad_norm": 1.4729033708572388,
3129
+ "learning_rate": 4.559266762191808e-05,
3130
+ "loss": 5.9495,
3131
+ "step": 1784
3132
+ },
3133
+ {
3134
+ "epoch": 0.09,
3135
+ "grad_norm": 1.4252592325210571,
3136
+ "learning_rate": 4.5582785710756465e-05,
3137
+ "loss": 5.8379,
3138
+ "step": 1788
3139
+ },
3140
+ {
3141
+ "epoch": 0.09,
3142
+ "grad_norm": 1.3946348428726196,
3143
+ "learning_rate": 4.557290379959485e-05,
3144
+ "loss": 5.9435,
3145
+ "step": 1792
3146
+ },
3147
+ {
3148
+ "epoch": 0.09,
3149
+ "grad_norm": 1.366830587387085,
3150
+ "learning_rate": 4.556302188843323e-05,
3151
+ "loss": 5.9755,
3152
+ "step": 1796
3153
+ },
3154
+ {
3155
+ "epoch": 0.09,
3156
+ "grad_norm": 1.2371442317962646,
3157
+ "learning_rate": 4.555313997727161e-05,
3158
+ "loss": 5.9288,
3159
+ "step": 1800
3160
+ },
3161
+ {
3162
+ "epoch": 0.09,
3163
+ "grad_norm": 1.3472713232040405,
3164
+ "learning_rate": 4.5543258066109986e-05,
3165
+ "loss": 5.9537,
3166
+ "step": 1804
3167
+ },
3168
+ {
3169
+ "epoch": 0.09,
3170
+ "grad_norm": 1.9578423500061035,
3171
+ "learning_rate": 4.553337615494837e-05,
3172
+ "loss": 6.0531,
3173
+ "step": 1808
3174
+ },
3175
+ {
3176
+ "epoch": 0.09,
3177
+ "grad_norm": 1.4482135772705078,
3178
+ "learning_rate": 4.552349424378675e-05,
3179
+ "loss": 5.8764,
3180
+ "step": 1812
3181
+ },
3182
+ {
3183
+ "epoch": 0.09,
3184
+ "grad_norm": 1.4886963367462158,
3185
+ "learning_rate": 4.551361233262513e-05,
3186
+ "loss": 6.0265,
3187
+ "step": 1816
3188
+ },
3189
+ {
3190
+ "epoch": 0.09,
3191
+ "grad_norm": 1.89201819896698,
3192
+ "learning_rate": 4.5503730421463515e-05,
3193
+ "loss": 5.8338,
3194
+ "step": 1820
3195
+ },
3196
+ {
3197
+ "epoch": 0.09,
3198
+ "grad_norm": 1.207160234451294,
3199
+ "learning_rate": 4.54938485103019e-05,
3200
+ "loss": 5.8131,
3201
+ "step": 1824
3202
+ },
3203
+ {
3204
+ "epoch": 0.09,
3205
+ "grad_norm": 1.4633376598358154,
3206
+ "learning_rate": 4.548396659914028e-05,
3207
+ "loss": 5.8665,
3208
+ "step": 1828
3209
+ },
3210
+ {
3211
+ "epoch": 0.09,
3212
+ "grad_norm": 1.4453964233398438,
3213
+ "learning_rate": 4.547408468797866e-05,
3214
+ "loss": 5.963,
3215
+ "step": 1832
3216
+ },
3217
+ {
3218
+ "epoch": 0.09,
3219
+ "grad_norm": 2.0406370162963867,
3220
+ "learning_rate": 4.5464202776817036e-05,
3221
+ "loss": 5.8779,
3222
+ "step": 1836
3223
+ },
3224
+ {
3225
+ "epoch": 0.09,
3226
+ "grad_norm": 1.6090114116668701,
3227
+ "learning_rate": 4.545432086565542e-05,
3228
+ "loss": 5.906,
3229
+ "step": 1840
3230
+ },
3231
+ {
3232
+ "epoch": 0.09,
3233
+ "grad_norm": 1.6481086015701294,
3234
+ "learning_rate": 4.54444389544938e-05,
3235
+ "loss": 6.0581,
3236
+ "step": 1844
3237
+ },
3238
+ {
3239
+ "epoch": 0.09,
3240
+ "grad_norm": 1.5279346704483032,
3241
+ "learning_rate": 4.543455704333218e-05,
3242
+ "loss": 5.937,
3243
+ "step": 1848
3244
+ },
3245
+ {
3246
+ "epoch": 0.09,
3247
+ "grad_norm": 1.580449104309082,
3248
+ "learning_rate": 4.5424675132170564e-05,
3249
+ "loss": 5.8628,
3250
+ "step": 1852
3251
+ },
3252
+ {
3253
+ "epoch": 0.09,
3254
+ "grad_norm": 1.5227487087249756,
3255
+ "learning_rate": 4.5414793221008946e-05,
3256
+ "loss": 5.8597,
3257
+ "step": 1856
3258
+ },
3259
+ {
3260
+ "epoch": 0.09,
3261
+ "grad_norm": 1.3211569786071777,
3262
+ "learning_rate": 4.540491130984733e-05,
3263
+ "loss": 5.9294,
3264
+ "step": 1860
3265
+ },
3266
+ {
3267
+ "epoch": 0.09,
3268
+ "grad_norm": 1.5065453052520752,
3269
+ "learning_rate": 4.5395029398685704e-05,
3270
+ "loss": 5.9311,
3271
+ "step": 1864
3272
+ },
3273
+ {
3274
+ "epoch": 0.09,
3275
+ "grad_norm": 1.6894686222076416,
3276
+ "learning_rate": 4.5385147487524086e-05,
3277
+ "loss": 5.9489,
3278
+ "step": 1868
3279
+ },
3280
+ {
3281
+ "epoch": 0.09,
3282
+ "grad_norm": 1.4861186742782593,
3283
+ "learning_rate": 4.537526557636247e-05,
3284
+ "loss": 5.9022,
3285
+ "step": 1872
3286
+ },
3287
+ {
3288
+ "epoch": 0.09,
3289
+ "grad_norm": 1.7374814748764038,
3290
+ "learning_rate": 4.536538366520085e-05,
3291
+ "loss": 5.9511,
3292
+ "step": 1876
3293
+ },
3294
+ {
3295
+ "epoch": 0.09,
3296
+ "grad_norm": 1.7111232280731201,
3297
+ "learning_rate": 4.535550175403923e-05,
3298
+ "loss": 5.9008,
3299
+ "step": 1880
3300
+ },
3301
+ {
3302
+ "epoch": 0.09,
3303
+ "grad_norm": 1.887349009513855,
3304
+ "learning_rate": 4.5345619842877614e-05,
3305
+ "loss": 5.7785,
3306
+ "step": 1884
3307
+ },
3308
+ {
3309
+ "epoch": 0.09,
3310
+ "grad_norm": 1.397018313407898,
3311
+ "learning_rate": 4.5335737931715996e-05,
3312
+ "loss": 5.8256,
3313
+ "step": 1888
3314
+ },
3315
+ {
3316
+ "epoch": 0.09,
3317
+ "grad_norm": 1.312874674797058,
3318
+ "learning_rate": 4.532585602055438e-05,
3319
+ "loss": 5.7768,
3320
+ "step": 1892
3321
+ },
3322
+ {
3323
+ "epoch": 0.09,
3324
+ "grad_norm": 1.6667051315307617,
3325
+ "learning_rate": 4.531597410939276e-05,
3326
+ "loss": 5.9521,
3327
+ "step": 1896
3328
+ },
3329
+ {
3330
+ "epoch": 0.09,
3331
+ "grad_norm": 1.3993628025054932,
3332
+ "learning_rate": 4.530609219823114e-05,
3333
+ "loss": 5.8285,
3334
+ "step": 1900
3335
+ },
3336
+ {
3337
+ "epoch": 0.09,
3338
+ "grad_norm": 1.5168507099151611,
3339
+ "learning_rate": 4.5296210287069524e-05,
3340
+ "loss": 5.9211,
3341
+ "step": 1904
3342
+ },
3343
+ {
3344
+ "epoch": 0.09,
3345
+ "grad_norm": 1.9311803579330444,
3346
+ "learning_rate": 4.5286328375907906e-05,
3347
+ "loss": 6.015,
3348
+ "step": 1908
3349
+ },
3350
+ {
3351
+ "epoch": 0.09,
3352
+ "grad_norm": 1.33588707447052,
3353
+ "learning_rate": 4.527644646474629e-05,
3354
+ "loss": 5.8528,
3355
+ "step": 1912
3356
+ },
3357
+ {
3358
+ "epoch": 0.09,
3359
+ "grad_norm": 1.831453561782837,
3360
+ "learning_rate": 4.526656455358467e-05,
3361
+ "loss": 5.8254,
3362
+ "step": 1916
3363
+ },
3364
+ {
3365
+ "epoch": 0.09,
3366
+ "grad_norm": 1.7024390697479248,
3367
+ "learning_rate": 4.5256682642423046e-05,
3368
+ "loss": 5.8458,
3369
+ "step": 1920
3370
+ },
3371
+ {
3372
+ "epoch": 0.1,
3373
+ "grad_norm": 1.5297564268112183,
3374
+ "learning_rate": 4.524680073126143e-05,
3375
+ "loss": 5.8749,
3376
+ "step": 1924
3377
+ },
3378
+ {
3379
+ "epoch": 0.1,
3380
+ "grad_norm": 1.4288631677627563,
3381
+ "learning_rate": 4.523691882009981e-05,
3382
+ "loss": 5.8288,
3383
+ "step": 1928
3384
+ },
3385
+ {
3386
+ "epoch": 0.1,
3387
+ "grad_norm": 1.723061203956604,
3388
+ "learning_rate": 4.522703690893819e-05,
3389
+ "loss": 5.8773,
3390
+ "step": 1932
3391
+ },
3392
+ {
3393
+ "epoch": 0.1,
3394
+ "grad_norm": 1.3699047565460205,
3395
+ "learning_rate": 4.5217154997776574e-05,
3396
+ "loss": 5.94,
3397
+ "step": 1936
3398
+ },
3399
+ {
3400
+ "epoch": 0.1,
3401
+ "grad_norm": 1.883584976196289,
3402
+ "learning_rate": 4.5207273086614956e-05,
3403
+ "loss": 5.8437,
3404
+ "step": 1940
3405
+ },
3406
+ {
3407
+ "epoch": 0.1,
3408
+ "grad_norm": 1.6371957063674927,
3409
+ "learning_rate": 4.519739117545334e-05,
3410
+ "loss": 5.9447,
3411
+ "step": 1944
3412
+ },
3413
+ {
3414
+ "epoch": 0.1,
3415
+ "grad_norm": 1.4362295866012573,
3416
+ "learning_rate": 4.5187509264291713e-05,
3417
+ "loss": 6.0218,
3418
+ "step": 1948
3419
+ },
3420
+ {
3421
+ "epoch": 0.1,
3422
+ "grad_norm": 1.9110528230667114,
3423
+ "learning_rate": 4.5177627353130095e-05,
3424
+ "loss": 5.9644,
3425
+ "step": 1952
3426
+ },
3427
+ {
3428
+ "epoch": 0.1,
3429
+ "grad_norm": 2.587083101272583,
3430
+ "learning_rate": 4.516774544196848e-05,
3431
+ "loss": 5.9193,
3432
+ "step": 1956
3433
+ },
3434
+ {
3435
+ "epoch": 0.1,
3436
+ "grad_norm": 1.5505852699279785,
3437
+ "learning_rate": 4.515786353080686e-05,
3438
+ "loss": 5.8284,
3439
+ "step": 1960
3440
+ },
3441
+ {
3442
+ "epoch": 0.1,
3443
+ "grad_norm": 1.5493978261947632,
3444
+ "learning_rate": 4.514798161964524e-05,
3445
+ "loss": 6.0078,
3446
+ "step": 1964
3447
+ },
3448
+ {
3449
+ "epoch": 0.1,
3450
+ "grad_norm": 1.5519258975982666,
3451
+ "learning_rate": 4.5138099708483624e-05,
3452
+ "loss": 5.8343,
3453
+ "step": 1968
3454
+ },
3455
+ {
3456
+ "epoch": 0.1,
3457
+ "grad_norm": 1.4279431104660034,
3458
+ "learning_rate": 4.5128217797322006e-05,
3459
+ "loss": 5.9317,
3460
+ "step": 1972
3461
+ },
3462
+ {
3463
+ "epoch": 0.1,
3464
+ "grad_norm": 1.8912272453308105,
3465
+ "learning_rate": 4.511833588616038e-05,
3466
+ "loss": 5.8355,
3467
+ "step": 1976
3468
+ },
3469
+ {
3470
+ "epoch": 0.1,
3471
+ "grad_norm": 1.440687656402588,
3472
+ "learning_rate": 4.510845397499876e-05,
3473
+ "loss": 5.9027,
3474
+ "step": 1980
3475
+ },
3476
+ {
3477
+ "epoch": 0.1,
3478
+ "grad_norm": 1.8350549936294556,
3479
+ "learning_rate": 4.5098572063837145e-05,
3480
+ "loss": 5.9534,
3481
+ "step": 1984
3482
+ },
3483
+ {
3484
+ "epoch": 0.1,
3485
+ "grad_norm": 1.4987351894378662,
3486
+ "learning_rate": 4.508869015267553e-05,
3487
+ "loss": 6.0618,
3488
+ "step": 1988
3489
+ },
3490
+ {
3491
+ "epoch": 0.1,
3492
+ "grad_norm": 1.4456908702850342,
3493
+ "learning_rate": 4.507880824151391e-05,
3494
+ "loss": 5.9174,
3495
+ "step": 1992
3496
+ },
3497
+ {
3498
+ "epoch": 0.1,
3499
+ "grad_norm": 1.5561717748641968,
3500
+ "learning_rate": 4.506892633035229e-05,
3501
+ "loss": 5.8602,
3502
+ "step": 1996
3503
+ },
3504
+ {
3505
+ "epoch": 0.1,
3506
+ "grad_norm": 1.976826548576355,
3507
+ "learning_rate": 4.5059044419190673e-05,
3508
+ "loss": 5.97,
3509
+ "step": 2000
3510
+ },
3511
+ {
3512
+ "epoch": 0.1,
3513
+ "grad_norm": 1.561604380607605,
3514
+ "learning_rate": 4.5049162508029055e-05,
3515
+ "loss": 5.9561,
3516
+ "step": 2004
3517
+ },
3518
+ {
3519
+ "epoch": 0.1,
3520
+ "grad_norm": 2.241724967956543,
3521
+ "learning_rate": 4.503928059686743e-05,
3522
+ "loss": 5.9314,
3523
+ "step": 2008
3524
+ },
3525
+ {
3526
+ "epoch": 0.1,
3527
+ "grad_norm": 2.012200355529785,
3528
+ "learning_rate": 4.502939868570582e-05,
3529
+ "loss": 5.8255,
3530
+ "step": 2012
3531
+ },
3532
+ {
3533
+ "epoch": 0.1,
3534
+ "grad_norm": 1.6281402111053467,
3535
+ "learning_rate": 4.50195167745442e-05,
3536
+ "loss": 5.8459,
3537
+ "step": 2016
3538
+ },
3539
+ {
3540
+ "epoch": 0.1,
3541
+ "grad_norm": 1.9645634889602661,
3542
+ "learning_rate": 4.5009634863382584e-05,
3543
+ "loss": 5.805,
3544
+ "step": 2020
3545
+ },
3546
+ {
3547
+ "epoch": 0.1,
3548
+ "grad_norm": 1.7598261833190918,
3549
+ "learning_rate": 4.4999752952220966e-05,
3550
+ "loss": 5.7636,
3551
+ "step": 2024
3552
+ }
3553
+ ],
3554
+ "logging_steps": 4,
3555
+ "max_steps": 20239,
3556
+ "num_input_tokens_seen": 0,
3557
+ "num_train_epochs": 1,
3558
+ "save_steps": 2024,
3559
+ "total_flos": 8525588929183744.0,
3560
+ "train_batch_size": 8,
3561
+ "trial_name": null,
3562
+ "trial_params": null
3563
+ }
last-checkpoint/training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:3868717b86ef1e9c31ccbc1ab7f83453b0749250114608440a5315303d34f707
3
+ size 4984
last-checkpoint/vocab.json ADDED
The diff for this file is too large to render. See raw diff