End of training
Browse files- all_results.json +8 -0
- test_results.json +8 -0
- trainer_state.json +936 -0
all_results.json
ADDED
|
@@ -0,0 +1,8 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"epoch": 3.25,
|
| 3 |
+
"eval_accuracy": 0.9161290322580645,
|
| 4 |
+
"eval_loss": 0.3075103163719177,
|
| 5 |
+
"eval_runtime": 66.4099,
|
| 6 |
+
"eval_samples_per_second": 2.334,
|
| 7 |
+
"eval_steps_per_second": 2.334
|
| 8 |
+
}
|
test_results.json
ADDED
|
@@ -0,0 +1,8 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"epoch": 3.25,
|
| 3 |
+
"eval_accuracy": 0.9161290322580645,
|
| 4 |
+
"eval_loss": 0.3075103163719177,
|
| 5 |
+
"eval_runtime": 66.4099,
|
| 6 |
+
"eval_samples_per_second": 2.334,
|
| 7 |
+
"eval_steps_per_second": 2.334
|
| 8 |
+
}
|
trainer_state.json
ADDED
|
@@ -0,0 +1,936 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_metric": 0.9,
|
| 3 |
+
"best_model_checkpoint": "videomae-base-finetuned-ucf101-subset/checkpoint-1200",
|
| 4 |
+
"epoch": 3.25,
|
| 5 |
+
"eval_steps": 500,
|
| 6 |
+
"global_step": 1200,
|
| 7 |
+
"is_hyper_param_search": false,
|
| 8 |
+
"is_local_process_zero": true,
|
| 9 |
+
"is_world_process_zero": true,
|
| 10 |
+
"log_history": [
|
| 11 |
+
{
|
| 12 |
+
"epoch": 0.008333333333333333,
|
| 13 |
+
"grad_norm": 78.46599578857422,
|
| 14 |
+
"learning_rate": 4.166666666666667e-06,
|
| 15 |
+
"loss": 2.0712,
|
| 16 |
+
"step": 10
|
| 17 |
+
},
|
| 18 |
+
{
|
| 19 |
+
"epoch": 0.016666666666666666,
|
| 20 |
+
"grad_norm": 20.7692813873291,
|
| 21 |
+
"learning_rate": 8.333333333333334e-06,
|
| 22 |
+
"loss": 2.2519,
|
| 23 |
+
"step": 20
|
| 24 |
+
},
|
| 25 |
+
{
|
| 26 |
+
"epoch": 0.025,
|
| 27 |
+
"grad_norm": 25.544153213500977,
|
| 28 |
+
"learning_rate": 1.25e-05,
|
| 29 |
+
"loss": 2.5336,
|
| 30 |
+
"step": 30
|
| 31 |
+
},
|
| 32 |
+
{
|
| 33 |
+
"epoch": 0.03333333333333333,
|
| 34 |
+
"grad_norm": 17.719911575317383,
|
| 35 |
+
"learning_rate": 1.6666666666666667e-05,
|
| 36 |
+
"loss": 2.2591,
|
| 37 |
+
"step": 40
|
| 38 |
+
},
|
| 39 |
+
{
|
| 40 |
+
"epoch": 0.041666666666666664,
|
| 41 |
+
"grad_norm": 19.153322219848633,
|
| 42 |
+
"learning_rate": 2.0833333333333336e-05,
|
| 43 |
+
"loss": 2.4697,
|
| 44 |
+
"step": 50
|
| 45 |
+
},
|
| 46 |
+
{
|
| 47 |
+
"epoch": 0.05,
|
| 48 |
+
"grad_norm": 19.67510223388672,
|
| 49 |
+
"learning_rate": 2.5e-05,
|
| 50 |
+
"loss": 2.1923,
|
| 51 |
+
"step": 60
|
| 52 |
+
},
|
| 53 |
+
{
|
| 54 |
+
"epoch": 0.058333333333333334,
|
| 55 |
+
"grad_norm": 28.729928970336914,
|
| 56 |
+
"learning_rate": 2.916666666666667e-05,
|
| 57 |
+
"loss": 2.1666,
|
| 58 |
+
"step": 70
|
| 59 |
+
},
|
| 60 |
+
{
|
| 61 |
+
"epoch": 0.06666666666666667,
|
| 62 |
+
"grad_norm": 21.282651901245117,
|
| 63 |
+
"learning_rate": 3.3333333333333335e-05,
|
| 64 |
+
"loss": 2.3452,
|
| 65 |
+
"step": 80
|
| 66 |
+
},
|
| 67 |
+
{
|
| 68 |
+
"epoch": 0.075,
|
| 69 |
+
"grad_norm": 21.08527946472168,
|
| 70 |
+
"learning_rate": 3.7500000000000003e-05,
|
| 71 |
+
"loss": 1.9653,
|
| 72 |
+
"step": 90
|
| 73 |
+
},
|
| 74 |
+
{
|
| 75 |
+
"epoch": 0.08333333333333333,
|
| 76 |
+
"grad_norm": 25.22877311706543,
|
| 77 |
+
"learning_rate": 4.166666666666667e-05,
|
| 78 |
+
"loss": 2.0535,
|
| 79 |
+
"step": 100
|
| 80 |
+
},
|
| 81 |
+
{
|
| 82 |
+
"epoch": 0.09166666666666666,
|
| 83 |
+
"grad_norm": 21.616727828979492,
|
| 84 |
+
"learning_rate": 4.5833333333333334e-05,
|
| 85 |
+
"loss": 2.4145,
|
| 86 |
+
"step": 110
|
| 87 |
+
},
|
| 88 |
+
{
|
| 89 |
+
"epoch": 0.1,
|
| 90 |
+
"grad_norm": 22.613147735595703,
|
| 91 |
+
"learning_rate": 5e-05,
|
| 92 |
+
"loss": 2.0636,
|
| 93 |
+
"step": 120
|
| 94 |
+
},
|
| 95 |
+
{
|
| 96 |
+
"epoch": 0.10833333333333334,
|
| 97 |
+
"grad_norm": 25.145366668701172,
|
| 98 |
+
"learning_rate": 4.9537037037037035e-05,
|
| 99 |
+
"loss": 2.1295,
|
| 100 |
+
"step": 130
|
| 101 |
+
},
|
| 102 |
+
{
|
| 103 |
+
"epoch": 0.11666666666666667,
|
| 104 |
+
"grad_norm": 27.840431213378906,
|
| 105 |
+
"learning_rate": 4.9074074074074075e-05,
|
| 106 |
+
"loss": 2.0761,
|
| 107 |
+
"step": 140
|
| 108 |
+
},
|
| 109 |
+
{
|
| 110 |
+
"epoch": 0.125,
|
| 111 |
+
"grad_norm": 18.28734588623047,
|
| 112 |
+
"learning_rate": 4.8611111111111115e-05,
|
| 113 |
+
"loss": 1.7775,
|
| 114 |
+
"step": 150
|
| 115 |
+
},
|
| 116 |
+
{
|
| 117 |
+
"epoch": 0.13333333333333333,
|
| 118 |
+
"grad_norm": 43.08827209472656,
|
| 119 |
+
"learning_rate": 4.814814814814815e-05,
|
| 120 |
+
"loss": 1.6167,
|
| 121 |
+
"step": 160
|
| 122 |
+
},
|
| 123 |
+
{
|
| 124 |
+
"epoch": 0.14166666666666666,
|
| 125 |
+
"grad_norm": 10.324146270751953,
|
| 126 |
+
"learning_rate": 4.768518518518519e-05,
|
| 127 |
+
"loss": 1.7716,
|
| 128 |
+
"step": 170
|
| 129 |
+
},
|
| 130 |
+
{
|
| 131 |
+
"epoch": 0.15,
|
| 132 |
+
"grad_norm": 26.857784271240234,
|
| 133 |
+
"learning_rate": 4.722222222222222e-05,
|
| 134 |
+
"loss": 1.9417,
|
| 135 |
+
"step": 180
|
| 136 |
+
},
|
| 137 |
+
{
|
| 138 |
+
"epoch": 0.15833333333333333,
|
| 139 |
+
"grad_norm": 19.230802536010742,
|
| 140 |
+
"learning_rate": 4.675925925925926e-05,
|
| 141 |
+
"loss": 2.2409,
|
| 142 |
+
"step": 190
|
| 143 |
+
},
|
| 144 |
+
{
|
| 145 |
+
"epoch": 0.16666666666666666,
|
| 146 |
+
"grad_norm": 23.071319580078125,
|
| 147 |
+
"learning_rate": 4.62962962962963e-05,
|
| 148 |
+
"loss": 1.3513,
|
| 149 |
+
"step": 200
|
| 150 |
+
},
|
| 151 |
+
{
|
| 152 |
+
"epoch": 0.175,
|
| 153 |
+
"grad_norm": 34.22331237792969,
|
| 154 |
+
"learning_rate": 4.5833333333333334e-05,
|
| 155 |
+
"loss": 2.547,
|
| 156 |
+
"step": 210
|
| 157 |
+
},
|
| 158 |
+
{
|
| 159 |
+
"epoch": 0.18333333333333332,
|
| 160 |
+
"grad_norm": 4.66353702545166,
|
| 161 |
+
"learning_rate": 4.5370370370370374e-05,
|
| 162 |
+
"loss": 1.1506,
|
| 163 |
+
"step": 220
|
| 164 |
+
},
|
| 165 |
+
{
|
| 166 |
+
"epoch": 0.19166666666666668,
|
| 167 |
+
"grad_norm": 24.437355041503906,
|
| 168 |
+
"learning_rate": 4.490740740740741e-05,
|
| 169 |
+
"loss": 1.6868,
|
| 170 |
+
"step": 230
|
| 171 |
+
},
|
| 172 |
+
{
|
| 173 |
+
"epoch": 0.2,
|
| 174 |
+
"grad_norm": 1.813467264175415,
|
| 175 |
+
"learning_rate": 4.4444444444444447e-05,
|
| 176 |
+
"loss": 2.3595,
|
| 177 |
+
"step": 240
|
| 178 |
+
},
|
| 179 |
+
{
|
| 180 |
+
"epoch": 0.20833333333333334,
|
| 181 |
+
"grad_norm": 46.87567138671875,
|
| 182 |
+
"learning_rate": 4.3981481481481486e-05,
|
| 183 |
+
"loss": 1.3579,
|
| 184 |
+
"step": 250
|
| 185 |
+
},
|
| 186 |
+
{
|
| 187 |
+
"epoch": 0.21666666666666667,
|
| 188 |
+
"grad_norm": 28.7318115234375,
|
| 189 |
+
"learning_rate": 4.351851851851852e-05,
|
| 190 |
+
"loss": 1.8345,
|
| 191 |
+
"step": 260
|
| 192 |
+
},
|
| 193 |
+
{
|
| 194 |
+
"epoch": 0.225,
|
| 195 |
+
"grad_norm": 2.8550145626068115,
|
| 196 |
+
"learning_rate": 4.305555555555556e-05,
|
| 197 |
+
"loss": 1.7643,
|
| 198 |
+
"step": 270
|
| 199 |
+
},
|
| 200 |
+
{
|
| 201 |
+
"epoch": 0.23333333333333334,
|
| 202 |
+
"grad_norm": 22.696510314941406,
|
| 203 |
+
"learning_rate": 4.259259259259259e-05,
|
| 204 |
+
"loss": 1.7425,
|
| 205 |
+
"step": 280
|
| 206 |
+
},
|
| 207 |
+
{
|
| 208 |
+
"epoch": 0.24166666666666667,
|
| 209 |
+
"grad_norm": 21.85480308532715,
|
| 210 |
+
"learning_rate": 4.212962962962963e-05,
|
| 211 |
+
"loss": 0.8096,
|
| 212 |
+
"step": 290
|
| 213 |
+
},
|
| 214 |
+
{
|
| 215 |
+
"epoch": 0.25,
|
| 216 |
+
"grad_norm": 33.1050910949707,
|
| 217 |
+
"learning_rate": 4.166666666666667e-05,
|
| 218 |
+
"loss": 1.3609,
|
| 219 |
+
"step": 300
|
| 220 |
+
},
|
| 221 |
+
{
|
| 222 |
+
"epoch": 0.25,
|
| 223 |
+
"eval_accuracy": 0.42857142857142855,
|
| 224 |
+
"eval_loss": 1.5158770084381104,
|
| 225 |
+
"eval_runtime": 30.6867,
|
| 226 |
+
"eval_samples_per_second": 2.281,
|
| 227 |
+
"eval_steps_per_second": 2.281,
|
| 228 |
+
"step": 300
|
| 229 |
+
},
|
| 230 |
+
{
|
| 231 |
+
"epoch": 1.0083333333333333,
|
| 232 |
+
"grad_norm": 59.73588180541992,
|
| 233 |
+
"learning_rate": 4.1203703703703705e-05,
|
| 234 |
+
"loss": 0.8938,
|
| 235 |
+
"step": 310
|
| 236 |
+
},
|
| 237 |
+
{
|
| 238 |
+
"epoch": 1.0166666666666666,
|
| 239 |
+
"grad_norm": 18.30124282836914,
|
| 240 |
+
"learning_rate": 4.074074074074074e-05,
|
| 241 |
+
"loss": 0.7511,
|
| 242 |
+
"step": 320
|
| 243 |
+
},
|
| 244 |
+
{
|
| 245 |
+
"epoch": 1.025,
|
| 246 |
+
"grad_norm": 39.17079544067383,
|
| 247 |
+
"learning_rate": 4.027777777777778e-05,
|
| 248 |
+
"loss": 1.8795,
|
| 249 |
+
"step": 330
|
| 250 |
+
},
|
| 251 |
+
{
|
| 252 |
+
"epoch": 1.0333333333333334,
|
| 253 |
+
"grad_norm": 2.991403579711914,
|
| 254 |
+
"learning_rate": 3.981481481481482e-05,
|
| 255 |
+
"loss": 1.5525,
|
| 256 |
+
"step": 340
|
| 257 |
+
},
|
| 258 |
+
{
|
| 259 |
+
"epoch": 1.0416666666666667,
|
| 260 |
+
"grad_norm": 0.27790603041648865,
|
| 261 |
+
"learning_rate": 3.935185185185186e-05,
|
| 262 |
+
"loss": 0.8893,
|
| 263 |
+
"step": 350
|
| 264 |
+
},
|
| 265 |
+
{
|
| 266 |
+
"epoch": 1.05,
|
| 267 |
+
"grad_norm": 52.642921447753906,
|
| 268 |
+
"learning_rate": 3.888888888888889e-05,
|
| 269 |
+
"loss": 1.3285,
|
| 270 |
+
"step": 360
|
| 271 |
+
},
|
| 272 |
+
{
|
| 273 |
+
"epoch": 1.0583333333333333,
|
| 274 |
+
"grad_norm": 143.4131317138672,
|
| 275 |
+
"learning_rate": 3.8425925925925924e-05,
|
| 276 |
+
"loss": 1.4929,
|
| 277 |
+
"step": 370
|
| 278 |
+
},
|
| 279 |
+
{
|
| 280 |
+
"epoch": 1.0666666666666667,
|
| 281 |
+
"grad_norm": 1.8216307163238525,
|
| 282 |
+
"learning_rate": 3.7962962962962964e-05,
|
| 283 |
+
"loss": 1.2163,
|
| 284 |
+
"step": 380
|
| 285 |
+
},
|
| 286 |
+
{
|
| 287 |
+
"epoch": 1.075,
|
| 288 |
+
"grad_norm": 154.83181762695312,
|
| 289 |
+
"learning_rate": 3.7500000000000003e-05,
|
| 290 |
+
"loss": 1.6009,
|
| 291 |
+
"step": 390
|
| 292 |
+
},
|
| 293 |
+
{
|
| 294 |
+
"epoch": 1.0833333333333333,
|
| 295 |
+
"grad_norm": 83.43389129638672,
|
| 296 |
+
"learning_rate": 3.7037037037037037e-05,
|
| 297 |
+
"loss": 1.4486,
|
| 298 |
+
"step": 400
|
| 299 |
+
},
|
| 300 |
+
{
|
| 301 |
+
"epoch": 1.0916666666666666,
|
| 302 |
+
"grad_norm": 10.843713760375977,
|
| 303 |
+
"learning_rate": 3.6574074074074076e-05,
|
| 304 |
+
"loss": 0.4959,
|
| 305 |
+
"step": 410
|
| 306 |
+
},
|
| 307 |
+
{
|
| 308 |
+
"epoch": 1.1,
|
| 309 |
+
"grad_norm": 0.45853012800216675,
|
| 310 |
+
"learning_rate": 3.611111111111111e-05,
|
| 311 |
+
"loss": 1.1704,
|
| 312 |
+
"step": 420
|
| 313 |
+
},
|
| 314 |
+
{
|
| 315 |
+
"epoch": 1.1083333333333334,
|
| 316 |
+
"grad_norm": 33.77210235595703,
|
| 317 |
+
"learning_rate": 3.564814814814815e-05,
|
| 318 |
+
"loss": 1.4854,
|
| 319 |
+
"step": 430
|
| 320 |
+
},
|
| 321 |
+
{
|
| 322 |
+
"epoch": 1.1166666666666667,
|
| 323 |
+
"grad_norm": 120.2208023071289,
|
| 324 |
+
"learning_rate": 3.518518518518519e-05,
|
| 325 |
+
"loss": 1.0613,
|
| 326 |
+
"step": 440
|
| 327 |
+
},
|
| 328 |
+
{
|
| 329 |
+
"epoch": 1.125,
|
| 330 |
+
"grad_norm": 31.664297103881836,
|
| 331 |
+
"learning_rate": 3.472222222222222e-05,
|
| 332 |
+
"loss": 1.6271,
|
| 333 |
+
"step": 450
|
| 334 |
+
},
|
| 335 |
+
{
|
| 336 |
+
"epoch": 1.1333333333333333,
|
| 337 |
+
"grad_norm": 2.918891429901123,
|
| 338 |
+
"learning_rate": 3.425925925925926e-05,
|
| 339 |
+
"loss": 0.9338,
|
| 340 |
+
"step": 460
|
| 341 |
+
},
|
| 342 |
+
{
|
| 343 |
+
"epoch": 1.1416666666666666,
|
| 344 |
+
"grad_norm": 68.58448791503906,
|
| 345 |
+
"learning_rate": 3.3796296296296295e-05,
|
| 346 |
+
"loss": 0.377,
|
| 347 |
+
"step": 470
|
| 348 |
+
},
|
| 349 |
+
{
|
| 350 |
+
"epoch": 1.15,
|
| 351 |
+
"grad_norm": 0.09607738256454468,
|
| 352 |
+
"learning_rate": 3.3333333333333335e-05,
|
| 353 |
+
"loss": 0.7645,
|
| 354 |
+
"step": 480
|
| 355 |
+
},
|
| 356 |
+
{
|
| 357 |
+
"epoch": 1.1583333333333332,
|
| 358 |
+
"grad_norm": 0.5562692880630493,
|
| 359 |
+
"learning_rate": 3.2870370370370375e-05,
|
| 360 |
+
"loss": 0.4814,
|
| 361 |
+
"step": 490
|
| 362 |
+
},
|
| 363 |
+
{
|
| 364 |
+
"epoch": 1.1666666666666667,
|
| 365 |
+
"grad_norm": 31.63265037536621,
|
| 366 |
+
"learning_rate": 3.240740740740741e-05,
|
| 367 |
+
"loss": 1.1575,
|
| 368 |
+
"step": 500
|
| 369 |
+
},
|
| 370 |
+
{
|
| 371 |
+
"epoch": 1.175,
|
| 372 |
+
"grad_norm": 14.290125846862793,
|
| 373 |
+
"learning_rate": 3.194444444444444e-05,
|
| 374 |
+
"loss": 0.7066,
|
| 375 |
+
"step": 510
|
| 376 |
+
},
|
| 377 |
+
{
|
| 378 |
+
"epoch": 1.1833333333333333,
|
| 379 |
+
"grad_norm": 0.5591108202934265,
|
| 380 |
+
"learning_rate": 3.148148148148148e-05,
|
| 381 |
+
"loss": 0.1241,
|
| 382 |
+
"step": 520
|
| 383 |
+
},
|
| 384 |
+
{
|
| 385 |
+
"epoch": 1.1916666666666667,
|
| 386 |
+
"grad_norm": 0.17567488551139832,
|
| 387 |
+
"learning_rate": 3.101851851851852e-05,
|
| 388 |
+
"loss": 0.6765,
|
| 389 |
+
"step": 530
|
| 390 |
+
},
|
| 391 |
+
{
|
| 392 |
+
"epoch": 1.2,
|
| 393 |
+
"grad_norm": 49.236900329589844,
|
| 394 |
+
"learning_rate": 3.055555555555556e-05,
|
| 395 |
+
"loss": 0.5345,
|
| 396 |
+
"step": 540
|
| 397 |
+
},
|
| 398 |
+
{
|
| 399 |
+
"epoch": 1.2083333333333333,
|
| 400 |
+
"grad_norm": 0.2963051199913025,
|
| 401 |
+
"learning_rate": 3.0092592592592593e-05,
|
| 402 |
+
"loss": 0.1296,
|
| 403 |
+
"step": 550
|
| 404 |
+
},
|
| 405 |
+
{
|
| 406 |
+
"epoch": 1.2166666666666668,
|
| 407 |
+
"grad_norm": 85.76435852050781,
|
| 408 |
+
"learning_rate": 2.962962962962963e-05,
|
| 409 |
+
"loss": 0.3223,
|
| 410 |
+
"step": 560
|
| 411 |
+
},
|
| 412 |
+
{
|
| 413 |
+
"epoch": 1.225,
|
| 414 |
+
"grad_norm": 0.05781524255871773,
|
| 415 |
+
"learning_rate": 2.916666666666667e-05,
|
| 416 |
+
"loss": 1.029,
|
| 417 |
+
"step": 570
|
| 418 |
+
},
|
| 419 |
+
{
|
| 420 |
+
"epoch": 1.2333333333333334,
|
| 421 |
+
"grad_norm": 0.6918824315071106,
|
| 422 |
+
"learning_rate": 2.8703703703703706e-05,
|
| 423 |
+
"loss": 1.4815,
|
| 424 |
+
"step": 580
|
| 425 |
+
},
|
| 426 |
+
{
|
| 427 |
+
"epoch": 1.2416666666666667,
|
| 428 |
+
"grad_norm": 54.260162353515625,
|
| 429 |
+
"learning_rate": 2.824074074074074e-05,
|
| 430 |
+
"loss": 0.5143,
|
| 431 |
+
"step": 590
|
| 432 |
+
},
|
| 433 |
+
{
|
| 434 |
+
"epoch": 1.25,
|
| 435 |
+
"grad_norm": 0.7133612036705017,
|
| 436 |
+
"learning_rate": 2.777777777777778e-05,
|
| 437 |
+
"loss": 1.9942,
|
| 438 |
+
"step": 600
|
| 439 |
+
},
|
| 440 |
+
{
|
| 441 |
+
"epoch": 1.25,
|
| 442 |
+
"eval_accuracy": 0.5857142857142857,
|
| 443 |
+
"eval_loss": 1.577354907989502,
|
| 444 |
+
"eval_runtime": 30.7823,
|
| 445 |
+
"eval_samples_per_second": 2.274,
|
| 446 |
+
"eval_steps_per_second": 2.274,
|
| 447 |
+
"step": 600
|
| 448 |
+
},
|
| 449 |
+
{
|
| 450 |
+
"epoch": 2.0083333333333333,
|
| 451 |
+
"grad_norm": 0.2455216348171234,
|
| 452 |
+
"learning_rate": 2.7314814814814816e-05,
|
| 453 |
+
"loss": 0.473,
|
| 454 |
+
"step": 610
|
| 455 |
+
},
|
| 456 |
+
{
|
| 457 |
+
"epoch": 2.0166666666666666,
|
| 458 |
+
"grad_norm": 0.6804302334785461,
|
| 459 |
+
"learning_rate": 2.6851851851851855e-05,
|
| 460 |
+
"loss": 0.1212,
|
| 461 |
+
"step": 620
|
| 462 |
+
},
|
| 463 |
+
{
|
| 464 |
+
"epoch": 2.025,
|
| 465 |
+
"grad_norm": 10.747238159179688,
|
| 466 |
+
"learning_rate": 2.6388888888888892e-05,
|
| 467 |
+
"loss": 0.0331,
|
| 468 |
+
"step": 630
|
| 469 |
+
},
|
| 470 |
+
{
|
| 471 |
+
"epoch": 2.033333333333333,
|
| 472 |
+
"grad_norm": 0.08867809921503067,
|
| 473 |
+
"learning_rate": 2.5925925925925925e-05,
|
| 474 |
+
"loss": 0.844,
|
| 475 |
+
"step": 640
|
| 476 |
+
},
|
| 477 |
+
{
|
| 478 |
+
"epoch": 2.0416666666666665,
|
| 479 |
+
"grad_norm": 55.610721588134766,
|
| 480 |
+
"learning_rate": 2.5462962962962965e-05,
|
| 481 |
+
"loss": 0.3502,
|
| 482 |
+
"step": 650
|
| 483 |
+
},
|
| 484 |
+
{
|
| 485 |
+
"epoch": 2.05,
|
| 486 |
+
"grad_norm": 28.143964767456055,
|
| 487 |
+
"learning_rate": 2.5e-05,
|
| 488 |
+
"loss": 0.6554,
|
| 489 |
+
"step": 660
|
| 490 |
+
},
|
| 491 |
+
{
|
| 492 |
+
"epoch": 2.058333333333333,
|
| 493 |
+
"grad_norm": 7.084416389465332,
|
| 494 |
+
"learning_rate": 2.4537037037037038e-05,
|
| 495 |
+
"loss": 0.4305,
|
| 496 |
+
"step": 670
|
| 497 |
+
},
|
| 498 |
+
{
|
| 499 |
+
"epoch": 2.066666666666667,
|
| 500 |
+
"grad_norm": 32.55038833618164,
|
| 501 |
+
"learning_rate": 2.4074074074074074e-05,
|
| 502 |
+
"loss": 0.3512,
|
| 503 |
+
"step": 680
|
| 504 |
+
},
|
| 505 |
+
{
|
| 506 |
+
"epoch": 2.075,
|
| 507 |
+
"grad_norm": 0.059598371386528015,
|
| 508 |
+
"learning_rate": 2.361111111111111e-05,
|
| 509 |
+
"loss": 0.2206,
|
| 510 |
+
"step": 690
|
| 511 |
+
},
|
| 512 |
+
{
|
| 513 |
+
"epoch": 2.0833333333333335,
|
| 514 |
+
"grad_norm": 2.630704164505005,
|
| 515 |
+
"learning_rate": 2.314814814814815e-05,
|
| 516 |
+
"loss": 0.4197,
|
| 517 |
+
"step": 700
|
| 518 |
+
},
|
| 519 |
+
{
|
| 520 |
+
"epoch": 2.091666666666667,
|
| 521 |
+
"grad_norm": 1.0958279371261597,
|
| 522 |
+
"learning_rate": 2.2685185185185187e-05,
|
| 523 |
+
"loss": 0.6577,
|
| 524 |
+
"step": 710
|
| 525 |
+
},
|
| 526 |
+
{
|
| 527 |
+
"epoch": 2.1,
|
| 528 |
+
"grad_norm": 4.899833679199219,
|
| 529 |
+
"learning_rate": 2.2222222222222223e-05,
|
| 530 |
+
"loss": 0.187,
|
| 531 |
+
"step": 720
|
| 532 |
+
},
|
| 533 |
+
{
|
| 534 |
+
"epoch": 2.1083333333333334,
|
| 535 |
+
"grad_norm": 0.06294427067041397,
|
| 536 |
+
"learning_rate": 2.175925925925926e-05,
|
| 537 |
+
"loss": 0.4676,
|
| 538 |
+
"step": 730
|
| 539 |
+
},
|
| 540 |
+
{
|
| 541 |
+
"epoch": 2.1166666666666667,
|
| 542 |
+
"grad_norm": 77.23908996582031,
|
| 543 |
+
"learning_rate": 2.1296296296296296e-05,
|
| 544 |
+
"loss": 0.5418,
|
| 545 |
+
"step": 740
|
| 546 |
+
},
|
| 547 |
+
{
|
| 548 |
+
"epoch": 2.125,
|
| 549 |
+
"grad_norm": 0.1236032173037529,
|
| 550 |
+
"learning_rate": 2.0833333333333336e-05,
|
| 551 |
+
"loss": 0.1155,
|
| 552 |
+
"step": 750
|
| 553 |
+
},
|
| 554 |
+
{
|
| 555 |
+
"epoch": 2.1333333333333333,
|
| 556 |
+
"grad_norm": 0.3190135061740875,
|
| 557 |
+
"learning_rate": 2.037037037037037e-05,
|
| 558 |
+
"loss": 0.0874,
|
| 559 |
+
"step": 760
|
| 560 |
+
},
|
| 561 |
+
{
|
| 562 |
+
"epoch": 2.1416666666666666,
|
| 563 |
+
"grad_norm": 5.274661064147949,
|
| 564 |
+
"learning_rate": 1.990740740740741e-05,
|
| 565 |
+
"loss": 0.3259,
|
| 566 |
+
"step": 770
|
| 567 |
+
},
|
| 568 |
+
{
|
| 569 |
+
"epoch": 2.15,
|
| 570 |
+
"grad_norm": 0.06718742102384567,
|
| 571 |
+
"learning_rate": 1.9444444444444445e-05,
|
| 572 |
+
"loss": 0.4708,
|
| 573 |
+
"step": 780
|
| 574 |
+
},
|
| 575 |
+
{
|
| 576 |
+
"epoch": 2.158333333333333,
|
| 577 |
+
"grad_norm": 40.043785095214844,
|
| 578 |
+
"learning_rate": 1.8981481481481482e-05,
|
| 579 |
+
"loss": 0.4963,
|
| 580 |
+
"step": 790
|
| 581 |
+
},
|
| 582 |
+
{
|
| 583 |
+
"epoch": 2.1666666666666665,
|
| 584 |
+
"grad_norm": 0.3160834312438965,
|
| 585 |
+
"learning_rate": 1.8518518518518518e-05,
|
| 586 |
+
"loss": 0.2175,
|
| 587 |
+
"step": 800
|
| 588 |
+
},
|
| 589 |
+
{
|
| 590 |
+
"epoch": 2.175,
|
| 591 |
+
"grad_norm": 0.09680556505918503,
|
| 592 |
+
"learning_rate": 1.8055555555555555e-05,
|
| 593 |
+
"loss": 0.3612,
|
| 594 |
+
"step": 810
|
| 595 |
+
},
|
| 596 |
+
{
|
| 597 |
+
"epoch": 2.183333333333333,
|
| 598 |
+
"grad_norm": 0.25264689326286316,
|
| 599 |
+
"learning_rate": 1.7592592592592595e-05,
|
| 600 |
+
"loss": 0.0424,
|
| 601 |
+
"step": 820
|
| 602 |
+
},
|
| 603 |
+
{
|
| 604 |
+
"epoch": 2.191666666666667,
|
| 605 |
+
"grad_norm": 106.17792510986328,
|
| 606 |
+
"learning_rate": 1.712962962962963e-05,
|
| 607 |
+
"loss": 0.0796,
|
| 608 |
+
"step": 830
|
| 609 |
+
},
|
| 610 |
+
{
|
| 611 |
+
"epoch": 2.2,
|
| 612 |
+
"grad_norm": 0.08310459554195404,
|
| 613 |
+
"learning_rate": 1.6666666666666667e-05,
|
| 614 |
+
"loss": 0.3563,
|
| 615 |
+
"step": 840
|
| 616 |
+
},
|
| 617 |
+
{
|
| 618 |
+
"epoch": 2.2083333333333335,
|
| 619 |
+
"grad_norm": 0.41606661677360535,
|
| 620 |
+
"learning_rate": 1.6203703703703704e-05,
|
| 621 |
+
"loss": 0.4604,
|
| 622 |
+
"step": 850
|
| 623 |
+
},
|
| 624 |
+
{
|
| 625 |
+
"epoch": 2.216666666666667,
|
| 626 |
+
"grad_norm": 0.08103762567043304,
|
| 627 |
+
"learning_rate": 1.574074074074074e-05,
|
| 628 |
+
"loss": 0.2696,
|
| 629 |
+
"step": 860
|
| 630 |
+
},
|
| 631 |
+
{
|
| 632 |
+
"epoch": 2.225,
|
| 633 |
+
"grad_norm": 0.08216488361358643,
|
| 634 |
+
"learning_rate": 1.527777777777778e-05,
|
| 635 |
+
"loss": 0.5989,
|
| 636 |
+
"step": 870
|
| 637 |
+
},
|
| 638 |
+
{
|
| 639 |
+
"epoch": 2.2333333333333334,
|
| 640 |
+
"grad_norm": 0.053899068385362625,
|
| 641 |
+
"learning_rate": 1.4814814814814815e-05,
|
| 642 |
+
"loss": 0.0129,
|
| 643 |
+
"step": 880
|
| 644 |
+
},
|
| 645 |
+
{
|
| 646 |
+
"epoch": 2.2416666666666667,
|
| 647 |
+
"grad_norm": 0.6142008304595947,
|
| 648 |
+
"learning_rate": 1.4351851851851853e-05,
|
| 649 |
+
"loss": 0.0215,
|
| 650 |
+
"step": 890
|
| 651 |
+
},
|
| 652 |
+
{
|
| 653 |
+
"epoch": 2.25,
|
| 654 |
+
"grad_norm": 52.254093170166016,
|
| 655 |
+
"learning_rate": 1.388888888888889e-05,
|
| 656 |
+
"loss": 0.505,
|
| 657 |
+
"step": 900
|
| 658 |
+
},
|
| 659 |
+
{
|
| 660 |
+
"epoch": 2.25,
|
| 661 |
+
"eval_accuracy": 0.8142857142857143,
|
| 662 |
+
"eval_loss": 1.0718868970870972,
|
| 663 |
+
"eval_runtime": 30.7604,
|
| 664 |
+
"eval_samples_per_second": 2.276,
|
| 665 |
+
"eval_steps_per_second": 2.276,
|
| 666 |
+
"step": 900
|
| 667 |
+
},
|
| 668 |
+
{
|
| 669 |
+
"epoch": 3.0083333333333333,
|
| 670 |
+
"grad_norm": 0.0471644252538681,
|
| 671 |
+
"learning_rate": 1.3425925925925928e-05,
|
| 672 |
+
"loss": 0.6375,
|
| 673 |
+
"step": 910
|
| 674 |
+
},
|
| 675 |
+
{
|
| 676 |
+
"epoch": 3.0166666666666666,
|
| 677 |
+
"grad_norm": 0.1238856092095375,
|
| 678 |
+
"learning_rate": 1.2962962962962962e-05,
|
| 679 |
+
"loss": 0.0051,
|
| 680 |
+
"step": 920
|
| 681 |
+
},
|
| 682 |
+
{
|
| 683 |
+
"epoch": 3.025,
|
| 684 |
+
"grad_norm": 0.04333445429801941,
|
| 685 |
+
"learning_rate": 1.25e-05,
|
| 686 |
+
"loss": 0.088,
|
| 687 |
+
"step": 930
|
| 688 |
+
},
|
| 689 |
+
{
|
| 690 |
+
"epoch": 3.033333333333333,
|
| 691 |
+
"grad_norm": 0.239745631814003,
|
| 692 |
+
"learning_rate": 1.2037037037037037e-05,
|
| 693 |
+
"loss": 0.0093,
|
| 694 |
+
"step": 940
|
| 695 |
+
},
|
| 696 |
+
{
|
| 697 |
+
"epoch": 3.0416666666666665,
|
| 698 |
+
"grad_norm": 0.20756016671657562,
|
| 699 |
+
"learning_rate": 1.1574074074074075e-05,
|
| 700 |
+
"loss": 0.0351,
|
| 701 |
+
"step": 950
|
| 702 |
+
},
|
| 703 |
+
{
|
| 704 |
+
"epoch": 3.05,
|
| 705 |
+
"grad_norm": 0.05902279540896416,
|
| 706 |
+
"learning_rate": 1.1111111111111112e-05,
|
| 707 |
+
"loss": 0.0072,
|
| 708 |
+
"step": 960
|
| 709 |
+
},
|
| 710 |
+
{
|
| 711 |
+
"epoch": 3.058333333333333,
|
| 712 |
+
"grad_norm": 0.07716825604438782,
|
| 713 |
+
"learning_rate": 1.0648148148148148e-05,
|
| 714 |
+
"loss": 0.022,
|
| 715 |
+
"step": 970
|
| 716 |
+
},
|
| 717 |
+
{
|
| 718 |
+
"epoch": 3.066666666666667,
|
| 719 |
+
"grad_norm": 0.03989962860941887,
|
| 720 |
+
"learning_rate": 1.0185185185185185e-05,
|
| 721 |
+
"loss": 0.0476,
|
| 722 |
+
"step": 980
|
| 723 |
+
},
|
| 724 |
+
{
|
| 725 |
+
"epoch": 3.075,
|
| 726 |
+
"grad_norm": 0.11224555969238281,
|
| 727 |
+
"learning_rate": 9.722222222222223e-06,
|
| 728 |
+
"loss": 0.0078,
|
| 729 |
+
"step": 990
|
| 730 |
+
},
|
| 731 |
+
{
|
| 732 |
+
"epoch": 3.0833333333333335,
|
| 733 |
+
"grad_norm": 0.040684111416339874,
|
| 734 |
+
"learning_rate": 9.259259259259259e-06,
|
| 735 |
+
"loss": 0.0217,
|
| 736 |
+
"step": 1000
|
| 737 |
+
},
|
| 738 |
+
{
|
| 739 |
+
"epoch": 3.091666666666667,
|
| 740 |
+
"grad_norm": 57.280967712402344,
|
| 741 |
+
"learning_rate": 8.796296296296297e-06,
|
| 742 |
+
"loss": 0.3255,
|
| 743 |
+
"step": 1010
|
| 744 |
+
},
|
| 745 |
+
{
|
| 746 |
+
"epoch": 3.1,
|
| 747 |
+
"grad_norm": 0.07093434780836105,
|
| 748 |
+
"learning_rate": 8.333333333333334e-06,
|
| 749 |
+
"loss": 0.0127,
|
| 750 |
+
"step": 1020
|
| 751 |
+
},
|
| 752 |
+
{
|
| 753 |
+
"epoch": 3.1083333333333334,
|
| 754 |
+
"grad_norm": 0.14244286715984344,
|
| 755 |
+
"learning_rate": 7.87037037037037e-06,
|
| 756 |
+
"loss": 0.0233,
|
| 757 |
+
"step": 1030
|
| 758 |
+
},
|
| 759 |
+
{
|
| 760 |
+
"epoch": 3.1166666666666667,
|
| 761 |
+
"grad_norm": 0.037811048328876495,
|
| 762 |
+
"learning_rate": 7.4074074074074075e-06,
|
| 763 |
+
"loss": 0.0031,
|
| 764 |
+
"step": 1040
|
| 765 |
+
},
|
| 766 |
+
{
|
| 767 |
+
"epoch": 3.125,
|
| 768 |
+
"grad_norm": 0.05766565352678299,
|
| 769 |
+
"learning_rate": 6.944444444444445e-06,
|
| 770 |
+
"loss": 0.0146,
|
| 771 |
+
"step": 1050
|
| 772 |
+
},
|
| 773 |
+
{
|
| 774 |
+
"epoch": 3.1333333333333333,
|
| 775 |
+
"grad_norm": 2.470177173614502,
|
| 776 |
+
"learning_rate": 6.481481481481481e-06,
|
| 777 |
+
"loss": 0.0143,
|
| 778 |
+
"step": 1060
|
| 779 |
+
},
|
| 780 |
+
{
|
| 781 |
+
"epoch": 3.1416666666666666,
|
| 782 |
+
"grad_norm": 0.13692913949489594,
|
| 783 |
+
"learning_rate": 6.0185185185185185e-06,
|
| 784 |
+
"loss": 0.0243,
|
| 785 |
+
"step": 1070
|
| 786 |
+
},
|
| 787 |
+
{
|
| 788 |
+
"epoch": 3.15,
|
| 789 |
+
"grad_norm": 0.07938830554485321,
|
| 790 |
+
"learning_rate": 5.555555555555556e-06,
|
| 791 |
+
"loss": 0.3041,
|
| 792 |
+
"step": 1080
|
| 793 |
+
},
|
| 794 |
+
{
|
| 795 |
+
"epoch": 3.158333333333333,
|
| 796 |
+
"grad_norm": 0.10020067542791367,
|
| 797 |
+
"learning_rate": 5.092592592592592e-06,
|
| 798 |
+
"loss": 0.5181,
|
| 799 |
+
"step": 1090
|
| 800 |
+
},
|
| 801 |
+
{
|
| 802 |
+
"epoch": 3.1666666666666665,
|
| 803 |
+
"grad_norm": 0.052014198154211044,
|
| 804 |
+
"learning_rate": 4.6296296296296296e-06,
|
| 805 |
+
"loss": 0.0067,
|
| 806 |
+
"step": 1100
|
| 807 |
+
},
|
| 808 |
+
{
|
| 809 |
+
"epoch": 3.175,
|
| 810 |
+
"grad_norm": 0.043961070477962494,
|
| 811 |
+
"learning_rate": 4.166666666666667e-06,
|
| 812 |
+
"loss": 0.0469,
|
| 813 |
+
"step": 1110
|
| 814 |
+
},
|
| 815 |
+
{
|
| 816 |
+
"epoch": 3.183333333333333,
|
| 817 |
+
"grad_norm": 0.04327860102057457,
|
| 818 |
+
"learning_rate": 3.7037037037037037e-06,
|
| 819 |
+
"loss": 0.5426,
|
| 820 |
+
"step": 1120
|
| 821 |
+
},
|
| 822 |
+
{
|
| 823 |
+
"epoch": 3.191666666666667,
|
| 824 |
+
"grad_norm": 0.05505078658461571,
|
| 825 |
+
"learning_rate": 3.2407407407407406e-06,
|
| 826 |
+
"loss": 0.003,
|
| 827 |
+
"step": 1130
|
| 828 |
+
},
|
| 829 |
+
{
|
| 830 |
+
"epoch": 3.2,
|
| 831 |
+
"grad_norm": 0.03962468355894089,
|
| 832 |
+
"learning_rate": 2.777777777777778e-06,
|
| 833 |
+
"loss": 0.5228,
|
| 834 |
+
"step": 1140
|
| 835 |
+
},
|
| 836 |
+
{
|
| 837 |
+
"epoch": 3.2083333333333335,
|
| 838 |
+
"grad_norm": 0.04180913418531418,
|
| 839 |
+
"learning_rate": 2.3148148148148148e-06,
|
| 840 |
+
"loss": 0.0313,
|
| 841 |
+
"step": 1150
|
| 842 |
+
},
|
| 843 |
+
{
|
| 844 |
+
"epoch": 3.216666666666667,
|
| 845 |
+
"grad_norm": 0.14946125447750092,
|
| 846 |
+
"learning_rate": 1.8518518518518519e-06,
|
| 847 |
+
"loss": 0.0077,
|
| 848 |
+
"step": 1160
|
| 849 |
+
},
|
| 850 |
+
{
|
| 851 |
+
"epoch": 3.225,
|
| 852 |
+
"grad_norm": 0.05132247507572174,
|
| 853 |
+
"learning_rate": 1.388888888888889e-06,
|
| 854 |
+
"loss": 0.1035,
|
| 855 |
+
"step": 1170
|
| 856 |
+
},
|
| 857 |
+
{
|
| 858 |
+
"epoch": 3.2333333333333334,
|
| 859 |
+
"grad_norm": 0.04227566346526146,
|
| 860 |
+
"learning_rate": 9.259259259259259e-07,
|
| 861 |
+
"loss": 0.1479,
|
| 862 |
+
"step": 1180
|
| 863 |
+
},
|
| 864 |
+
{
|
| 865 |
+
"epoch": 3.2416666666666667,
|
| 866 |
+
"grad_norm": 0.08404698222875595,
|
| 867 |
+
"learning_rate": 4.6296296296296297e-07,
|
| 868 |
+
"loss": 0.008,
|
| 869 |
+
"step": 1190
|
| 870 |
+
},
|
| 871 |
+
{
|
| 872 |
+
"epoch": 3.25,
|
| 873 |
+
"grad_norm": 0.06629408895969391,
|
| 874 |
+
"learning_rate": 0.0,
|
| 875 |
+
"loss": 1.2688,
|
| 876 |
+
"step": 1200
|
| 877 |
+
},
|
| 878 |
+
{
|
| 879 |
+
"epoch": 3.25,
|
| 880 |
+
"eval_accuracy": 0.9,
|
| 881 |
+
"eval_loss": 0.34837090969085693,
|
| 882 |
+
"eval_runtime": 35.9418,
|
| 883 |
+
"eval_samples_per_second": 1.948,
|
| 884 |
+
"eval_steps_per_second": 1.948,
|
| 885 |
+
"step": 1200
|
| 886 |
+
},
|
| 887 |
+
{
|
| 888 |
+
"epoch": 3.25,
|
| 889 |
+
"step": 1200,
|
| 890 |
+
"total_flos": 1.495384188125184e+18,
|
| 891 |
+
"train_loss": 0.8617525447563579,
|
| 892 |
+
"train_runtime": 2232.4846,
|
| 893 |
+
"train_samples_per_second": 0.538,
|
| 894 |
+
"train_steps_per_second": 0.538
|
| 895 |
+
},
|
| 896 |
+
{
|
| 897 |
+
"epoch": 3.25,
|
| 898 |
+
"eval_accuracy": 0.9161290322580645,
|
| 899 |
+
"eval_loss": 0.3075104057788849,
|
| 900 |
+
"eval_runtime": 67.7865,
|
| 901 |
+
"eval_samples_per_second": 2.287,
|
| 902 |
+
"eval_steps_per_second": 2.287,
|
| 903 |
+
"step": 1200
|
| 904 |
+
},
|
| 905 |
+
{
|
| 906 |
+
"epoch": 3.25,
|
| 907 |
+
"eval_accuracy": 0.9161290322580645,
|
| 908 |
+
"eval_loss": 0.3075103163719177,
|
| 909 |
+
"eval_runtime": 66.4099,
|
| 910 |
+
"eval_samples_per_second": 2.334,
|
| 911 |
+
"eval_steps_per_second": 2.334,
|
| 912 |
+
"step": 1200
|
| 913 |
+
}
|
| 914 |
+
],
|
| 915 |
+
"logging_steps": 10,
|
| 916 |
+
"max_steps": 1200,
|
| 917 |
+
"num_input_tokens_seen": 0,
|
| 918 |
+
"num_train_epochs": 9223372036854775807,
|
| 919 |
+
"save_steps": 500,
|
| 920 |
+
"stateful_callbacks": {
|
| 921 |
+
"TrainerControl": {
|
| 922 |
+
"args": {
|
| 923 |
+
"should_epoch_stop": false,
|
| 924 |
+
"should_evaluate": false,
|
| 925 |
+
"should_log": false,
|
| 926 |
+
"should_save": true,
|
| 927 |
+
"should_training_stop": true
|
| 928 |
+
},
|
| 929 |
+
"attributes": {}
|
| 930 |
+
}
|
| 931 |
+
},
|
| 932 |
+
"total_flos": 1.495384188125184e+18,
|
| 933 |
+
"train_batch_size": 1,
|
| 934 |
+
"trial_name": null,
|
| 935 |
+
"trial_params": null
|
| 936 |
+
}
|