Upload folder using huggingface_hub
Browse files- adapter_config.json +3 -3
- optimizer.pt +1 -1
- pytorch_adapter.bin +1 -1
- pytorch_model_head.bin +1 -1
- rng_state.pth +1 -1
- trainer_state.json +186 -186
- training_args.bin +1 -1
adapter_config.json
CHANGED
@@ -1,13 +1,13 @@
|
|
1 |
{
|
2 |
"config": {
|
3 |
-
"alpha":
|
4 |
"architecture": "lora",
|
5 |
"attn_matrices": [
|
6 |
"q",
|
7 |
"v"
|
8 |
],
|
9 |
"composition_mode": "add",
|
10 |
-
"dropout": 0.
|
11 |
"init_weights": "lora",
|
12 |
"intermediate_lora": false,
|
13 |
"leave_out": [],
|
@@ -16,7 +16,7 @@
|
|
16 |
"selfattn_lora": true,
|
17 |
"use_gating": false
|
18 |
},
|
19 |
-
"config_id": "
|
20 |
"hidden_size": 768,
|
21 |
"model_class": "DebertaV2ForMaskedLM",
|
22 |
"model_name": "microsoft/mdeberta-v3-base",
|
|
|
1 |
{
|
2 |
"config": {
|
3 |
+
"alpha": 16,
|
4 |
"architecture": "lora",
|
5 |
"attn_matrices": [
|
6 |
"q",
|
7 |
"v"
|
8 |
],
|
9 |
"composition_mode": "add",
|
10 |
+
"dropout": 0.1,
|
11 |
"init_weights": "lora",
|
12 |
"intermediate_lora": false,
|
13 |
"leave_out": [],
|
|
|
16 |
"selfattn_lora": true,
|
17 |
"use_gating": false
|
18 |
},
|
19 |
+
"config_id": "3fbd25b704780a8b",
|
20 |
"hidden_size": 768,
|
21 |
"model_class": "DebertaV2ForMaskedLM",
|
22 |
"model_name": "microsoft/mdeberta-v3-base",
|
optimizer.pt
CHANGED
@@ -1,3 +1,3 @@
|
|
1 |
version https://git-lfs.github.com/spec/v1
|
2 |
-
oid sha256:
|
3 |
size 7140346
|
|
|
1 |
version https://git-lfs.github.com/spec/v1
|
2 |
+
oid sha256:9072cfa3c2728b4a9fbdb40a94f5ce671e743fa5f242d26160a1f571bbae3b1b
|
3 |
size 7140346
|
pytorch_adapter.bin
CHANGED
@@ -1,3 +1,3 @@
|
|
1 |
version https://git-lfs.github.com/spec/v1
|
2 |
-
oid sha256:
|
3 |
size 1197478
|
|
|
1 |
version https://git-lfs.github.com/spec/v1
|
2 |
+
oid sha256:ada25334bf692d848a093c2a60eb4aaf6d5c704bf917bd7e10840c33d9af4613
|
3 |
size 1197478
|
pytorch_model_head.bin
CHANGED
@@ -1,3 +1,3 @@
|
|
1 |
version https://git-lfs.github.com/spec/v1
|
2 |
-
oid sha256:
|
3 |
size 774447414
|
|
|
1 |
version https://git-lfs.github.com/spec/v1
|
2 |
+
oid sha256:b26c24dbdfecc3ad182b32fa9dfb25dc2823b641fb8bce2c539d0643f1002fb8
|
3 |
size 774447414
|
rng_state.pth
CHANGED
@@ -1,3 +1,3 @@
|
|
1 |
version https://git-lfs.github.com/spec/v1
|
2 |
-
oid sha256:
|
3 |
size 14244
|
|
|
1 |
version https://git-lfs.github.com/spec/v1
|
2 |
+
oid sha256:a5d3c43806228603da698effcb7e0ea3782c126a02914127ea9b07ee7d95c3f5
|
3 |
size 14244
|
trainer_state.json
CHANGED
@@ -10,653 +10,653 @@
|
|
10 |
"log_history": [
|
11 |
{
|
12 |
"epoch": 0.032,
|
13 |
-
"grad_norm": 2.
|
14 |
"learning_rate": 4.9466666666666665e-05,
|
15 |
-
"loss": 8.
|
16 |
"step": 500
|
17 |
},
|
18 |
{
|
19 |
"epoch": 0.064,
|
20 |
-
"grad_norm": 2.
|
21 |
"learning_rate": 4.8933333333333335e-05,
|
22 |
-
"loss": 6.
|
23 |
"step": 1000
|
24 |
},
|
25 |
{
|
26 |
"epoch": 0.096,
|
27 |
-
"grad_norm": 2.
|
28 |
"learning_rate": 4.8400000000000004e-05,
|
29 |
-
"loss": 5.
|
30 |
"step": 1500
|
31 |
},
|
32 |
{
|
33 |
"epoch": 0.128,
|
34 |
-
"grad_norm": 2.
|
35 |
"learning_rate": 4.7866666666666674e-05,
|
36 |
-
"loss": 5.
|
37 |
"step": 2000
|
38 |
},
|
39 |
{
|
40 |
"epoch": 0.16,
|
41 |
-
"grad_norm": 2.
|
42 |
"learning_rate": 4.7333333333333336e-05,
|
43 |
-
"loss": 5.
|
44 |
"step": 2500
|
45 |
},
|
46 |
{
|
47 |
"epoch": 0.192,
|
48 |
-
"grad_norm": 3.
|
49 |
"learning_rate": 4.6800000000000006e-05,
|
50 |
-
"loss": 5.
|
51 |
"step": 3000
|
52 |
},
|
53 |
{
|
54 |
"epoch": 0.224,
|
55 |
-
"grad_norm": 3.
|
56 |
"learning_rate": 4.626666666666667e-05,
|
57 |
-
"loss": 4.
|
58 |
"step": 3500
|
59 |
},
|
60 |
{
|
61 |
"epoch": 0.256,
|
62 |
-
"grad_norm": 3.
|
63 |
"learning_rate": 4.573333333333333e-05,
|
64 |
-
"loss": 4.
|
65 |
"step": 4000
|
66 |
},
|
67 |
{
|
68 |
"epoch": 0.288,
|
69 |
-
"grad_norm": 3.
|
70 |
"learning_rate": 4.52e-05,
|
71 |
-
"loss": 4.
|
72 |
"step": 4500
|
73 |
},
|
74 |
{
|
75 |
"epoch": 0.32,
|
76 |
-
"grad_norm": 3.
|
77 |
"learning_rate": 4.466666666666667e-05,
|
78 |
-
"loss": 4.
|
79 |
"step": 5000
|
80 |
},
|
81 |
{
|
82 |
"epoch": 0.352,
|
83 |
-
"grad_norm": 3.
|
84 |
"learning_rate": 4.413333333333334e-05,
|
85 |
-
"loss": 4.
|
86 |
"step": 5500
|
87 |
},
|
88 |
{
|
89 |
"epoch": 0.384,
|
90 |
-
"grad_norm": 3.
|
91 |
"learning_rate": 4.36e-05,
|
92 |
-
"loss": 4.
|
93 |
"step": 6000
|
94 |
},
|
95 |
{
|
96 |
"epoch": 0.416,
|
97 |
-
"grad_norm": 3.
|
98 |
"learning_rate": 4.3066666666666665e-05,
|
99 |
-
"loss": 4.
|
100 |
"step": 6500
|
101 |
},
|
102 |
{
|
103 |
"epoch": 0.448,
|
104 |
-
"grad_norm": 3.
|
105 |
"learning_rate": 4.2533333333333335e-05,
|
106 |
-
"loss": 4.
|
107 |
"step": 7000
|
108 |
},
|
109 |
{
|
110 |
"epoch": 0.48,
|
111 |
-
"grad_norm": 3.
|
112 |
"learning_rate": 4.2e-05,
|
113 |
-
"loss": 4.
|
114 |
"step": 7500
|
115 |
},
|
116 |
{
|
117 |
"epoch": 0.512,
|
118 |
-
"grad_norm": 3.
|
119 |
"learning_rate": 4.146666666666667e-05,
|
120 |
-
"loss": 4.
|
121 |
"step": 8000
|
122 |
},
|
123 |
{
|
124 |
"epoch": 0.544,
|
125 |
-
"grad_norm": 3.
|
126 |
"learning_rate": 4.093333333333334e-05,
|
127 |
-
"loss": 4.
|
128 |
"step": 8500
|
129 |
},
|
130 |
{
|
131 |
"epoch": 0.576,
|
132 |
-
"grad_norm": 3.
|
133 |
"learning_rate": 4.0400000000000006e-05,
|
134 |
-
"loss":
|
135 |
"step": 9000
|
136 |
},
|
137 |
{
|
138 |
"epoch": 0.608,
|
139 |
-
"grad_norm": 3.
|
140 |
"learning_rate": 3.986666666666667e-05,
|
141 |
-
"loss": 3.
|
142 |
"step": 9500
|
143 |
},
|
144 |
{
|
145 |
"epoch": 0.64,
|
146 |
-
"grad_norm": 3.
|
147 |
"learning_rate": 3.933333333333333e-05,
|
148 |
-
"loss": 3.
|
149 |
"step": 10000
|
150 |
},
|
151 |
{
|
152 |
"epoch": 0.672,
|
153 |
-
"grad_norm": 3.
|
154 |
"learning_rate": 3.88e-05,
|
155 |
-
"loss": 3.
|
156 |
"step": 10500
|
157 |
},
|
158 |
{
|
159 |
"epoch": 0.704,
|
160 |
-
"grad_norm": 3.
|
161 |
"learning_rate": 3.8266666666666664e-05,
|
162 |
-
"loss": 3.
|
163 |
"step": 11000
|
164 |
},
|
165 |
{
|
166 |
"epoch": 0.736,
|
167 |
-
"grad_norm": 3.
|
168 |
"learning_rate": 3.773333333333334e-05,
|
169 |
-
"loss": 3.
|
170 |
"step": 11500
|
171 |
},
|
172 |
{
|
173 |
"epoch": 0.768,
|
174 |
-
"grad_norm": 3.
|
175 |
"learning_rate": 3.72e-05,
|
176 |
-
"loss": 3.
|
177 |
"step": 12000
|
178 |
},
|
179 |
{
|
180 |
"epoch": 0.8,
|
181 |
-
"grad_norm": 3.
|
182 |
"learning_rate": 3.6666666666666666e-05,
|
183 |
-
"loss": 3.
|
184 |
"step": 12500
|
185 |
},
|
186 |
{
|
187 |
"epoch": 0.832,
|
188 |
-
"grad_norm": 3.
|
189 |
"learning_rate": 3.6133333333333335e-05,
|
190 |
-
"loss": 3.
|
191 |
"step": 13000
|
192 |
},
|
193 |
{
|
194 |
"epoch": 0.864,
|
195 |
-
"grad_norm": 3.
|
196 |
"learning_rate": 3.56e-05,
|
197 |
-
"loss": 3.
|
198 |
"step": 13500
|
199 |
},
|
200 |
{
|
201 |
"epoch": 0.896,
|
202 |
-
"grad_norm": 3.
|
203 |
"learning_rate": 3.506666666666667e-05,
|
204 |
-
"loss": 3.
|
205 |
"step": 14000
|
206 |
},
|
207 |
{
|
208 |
"epoch": 0.928,
|
209 |
-
"grad_norm": 3.
|
210 |
"learning_rate": 3.453333333333334e-05,
|
211 |
-
"loss": 3.
|
212 |
"step": 14500
|
213 |
},
|
214 |
{
|
215 |
"epoch": 0.96,
|
216 |
-
"grad_norm":
|
217 |
"learning_rate": 3.4000000000000007e-05,
|
218 |
-
"loss": 3.
|
219 |
"step": 15000
|
220 |
},
|
221 |
{
|
222 |
"epoch": 0.992,
|
223 |
-
"grad_norm": 4.
|
224 |
"learning_rate": 3.346666666666667e-05,
|
225 |
-
"loss": 3.
|
226 |
"step": 15500
|
227 |
},
|
228 |
{
|
229 |
"epoch": 1.024,
|
230 |
-
"grad_norm": 3.
|
231 |
"learning_rate": 3.293333333333333e-05,
|
232 |
-
"loss": 3.
|
233 |
"step": 16000
|
234 |
},
|
235 |
{
|
236 |
"epoch": 1.056,
|
237 |
-
"grad_norm": 3.
|
238 |
"learning_rate": 3.24e-05,
|
239 |
-
"loss": 3.
|
240 |
"step": 16500
|
241 |
},
|
242 |
{
|
243 |
"epoch": 1.088,
|
244 |
-
"grad_norm": 4.
|
245 |
"learning_rate": 3.1866666666666664e-05,
|
246 |
-
"loss": 3.
|
247 |
"step": 17000
|
248 |
},
|
249 |
{
|
250 |
"epoch": 1.12,
|
251 |
-
"grad_norm": 3.
|
252 |
"learning_rate": 3.1333333333333334e-05,
|
253 |
-
"loss": 3.
|
254 |
"step": 17500
|
255 |
},
|
256 |
{
|
257 |
"epoch": 1.152,
|
258 |
-
"grad_norm": 4.
|
259 |
"learning_rate": 3.08e-05,
|
260 |
-
"loss": 3.
|
261 |
"step": 18000
|
262 |
},
|
263 |
{
|
264 |
"epoch": 1.184,
|
265 |
-
"grad_norm": 3.
|
266 |
"learning_rate": 3.0266666666666666e-05,
|
267 |
-
"loss": 3.
|
268 |
"step": 18500
|
269 |
},
|
270 |
{
|
271 |
"epoch": 1.216,
|
272 |
-
"grad_norm": 4.
|
273 |
"learning_rate": 2.9733333333333336e-05,
|
274 |
-
"loss": 3.
|
275 |
"step": 19000
|
276 |
},
|
277 |
{
|
278 |
"epoch": 1.248,
|
279 |
-
"grad_norm": 4.
|
280 |
"learning_rate": 2.9199999999999998e-05,
|
281 |
-
"loss": 3.
|
282 |
"step": 19500
|
283 |
},
|
284 |
{
|
285 |
"epoch": 1.28,
|
286 |
-
"grad_norm": 4.
|
287 |
"learning_rate": 2.8666666666666668e-05,
|
288 |
-
"loss": 3.
|
289 |
"step": 20000
|
290 |
},
|
291 |
{
|
292 |
"epoch": 1.312,
|
293 |
-
"grad_norm": 4.
|
294 |
"learning_rate": 2.8133333333333334e-05,
|
295 |
-
"loss": 3.
|
296 |
"step": 20500
|
297 |
},
|
298 |
{
|
299 |
"epoch": 1.3439999999999999,
|
300 |
-
"grad_norm": 4.
|
301 |
"learning_rate": 2.7600000000000003e-05,
|
302 |
-
"loss": 3.
|
303 |
"step": 21000
|
304 |
},
|
305 |
{
|
306 |
"epoch": 1.376,
|
307 |
-
"grad_norm": 4.
|
308 |
"learning_rate": 2.706666666666667e-05,
|
309 |
-
"loss": 3.
|
310 |
"step": 21500
|
311 |
},
|
312 |
{
|
313 |
"epoch": 1.408,
|
314 |
-
"grad_norm": 4.
|
315 |
"learning_rate": 2.6533333333333332e-05,
|
316 |
-
"loss": 3.
|
317 |
"step": 22000
|
318 |
},
|
319 |
{
|
320 |
"epoch": 1.44,
|
321 |
-
"grad_norm": 4.
|
322 |
"learning_rate": 2.6000000000000002e-05,
|
323 |
-
"loss": 3.
|
324 |
"step": 22500
|
325 |
},
|
326 |
{
|
327 |
"epoch": 1.472,
|
328 |
-
"grad_norm": 4.
|
329 |
"learning_rate": 2.5466666666666668e-05,
|
330 |
-
"loss": 3.
|
331 |
"step": 23000
|
332 |
},
|
333 |
{
|
334 |
"epoch": 1.504,
|
335 |
-
"grad_norm": 4.
|
336 |
"learning_rate": 2.4933333333333334e-05,
|
337 |
-
"loss": 3.
|
338 |
"step": 23500
|
339 |
},
|
340 |
{
|
341 |
"epoch": 1.536,
|
342 |
-
"grad_norm": 4.
|
343 |
"learning_rate": 2.44e-05,
|
344 |
-
"loss": 3.
|
345 |
"step": 24000
|
346 |
},
|
347 |
{
|
348 |
"epoch": 1.568,
|
349 |
-
"grad_norm": 4.
|
350 |
"learning_rate": 2.3866666666666666e-05,
|
351 |
-
"loss": 3.
|
352 |
"step": 24500
|
353 |
},
|
354 |
{
|
355 |
"epoch": 1.6,
|
356 |
-
"grad_norm": 4.
|
357 |
"learning_rate": 2.3333333333333336e-05,
|
358 |
-
"loss": 3.
|
359 |
"step": 25000
|
360 |
},
|
361 |
{
|
362 |
"epoch": 1.6320000000000001,
|
363 |
-
"grad_norm": 4.
|
364 |
"learning_rate": 2.2800000000000002e-05,
|
365 |
-
"loss": 3.
|
366 |
"step": 25500
|
367 |
},
|
368 |
{
|
369 |
"epoch": 1.6640000000000001,
|
370 |
-
"grad_norm": 4.
|
371 |
"learning_rate": 2.2266666666666668e-05,
|
372 |
-
"loss": 3.
|
373 |
"step": 26000
|
374 |
},
|
375 |
{
|
376 |
"epoch": 1.696,
|
377 |
-
"grad_norm": 4.
|
378 |
"learning_rate": 2.1733333333333334e-05,
|
379 |
-
"loss": 3.
|
380 |
"step": 26500
|
381 |
},
|
382 |
{
|
383 |
"epoch": 1.728,
|
384 |
-
"grad_norm": 4.
|
385 |
"learning_rate": 2.12e-05,
|
386 |
-
"loss": 3.
|
387 |
"step": 27000
|
388 |
},
|
389 |
{
|
390 |
"epoch": 1.76,
|
391 |
-
"grad_norm": 4.
|
392 |
"learning_rate": 2.0666666666666666e-05,
|
393 |
-
"loss": 3.
|
394 |
"step": 27500
|
395 |
},
|
396 |
{
|
397 |
"epoch": 1.792,
|
398 |
-
"grad_norm": 4.
|
399 |
"learning_rate": 2.0133333333333336e-05,
|
400 |
-
"loss": 3.
|
401 |
"step": 28000
|
402 |
},
|
403 |
{
|
404 |
"epoch": 1.8239999999999998,
|
405 |
-
"grad_norm": 4.
|
406 |
"learning_rate": 1.9600000000000002e-05,
|
407 |
-
"loss": 3.
|
408 |
"step": 28500
|
409 |
},
|
410 |
{
|
411 |
"epoch": 1.8559999999999999,
|
412 |
-
"grad_norm": 4.
|
413 |
"learning_rate": 1.9066666666666668e-05,
|
414 |
-
"loss": 3.
|
415 |
"step": 29000
|
416 |
},
|
417 |
{
|
418 |
"epoch": 1.888,
|
419 |
-
"grad_norm": 4.
|
420 |
"learning_rate": 1.8533333333333334e-05,
|
421 |
-
"loss": 3.
|
422 |
"step": 29500
|
423 |
},
|
424 |
{
|
425 |
"epoch": 1.92,
|
426 |
-
"grad_norm": 4.
|
427 |
"learning_rate": 1.8e-05,
|
428 |
-
"loss": 3.
|
429 |
"step": 30000
|
430 |
},
|
431 |
{
|
432 |
"epoch": 1.952,
|
433 |
-
"grad_norm": 4.
|
434 |
"learning_rate": 1.7466666666666667e-05,
|
435 |
-
"loss": 3.
|
436 |
"step": 30500
|
437 |
},
|
438 |
{
|
439 |
"epoch": 1.984,
|
440 |
-
"grad_norm": 4.
|
441 |
"learning_rate": 1.6933333333333333e-05,
|
442 |
-
"loss": 3.
|
443 |
"step": 31000
|
444 |
},
|
445 |
{
|
446 |
"epoch": 2.016,
|
447 |
-
"grad_norm": 4.
|
448 |
"learning_rate": 1.6400000000000002e-05,
|
449 |
-
"loss": 3.
|
450 |
"step": 31500
|
451 |
},
|
452 |
{
|
453 |
"epoch": 2.048,
|
454 |
-
"grad_norm": 4.
|
455 |
"learning_rate": 1.586666666666667e-05,
|
456 |
-
"loss": 3.
|
457 |
"step": 32000
|
458 |
},
|
459 |
{
|
460 |
"epoch": 2.08,
|
461 |
-
"grad_norm": 4.
|
462 |
"learning_rate": 1.5333333333333334e-05,
|
463 |
-
"loss": 3.
|
464 |
"step": 32500
|
465 |
},
|
466 |
{
|
467 |
"epoch": 2.112,
|
468 |
-
"grad_norm": 4.
|
469 |
"learning_rate": 1.48e-05,
|
470 |
-
"loss": 3.
|
471 |
"step": 33000
|
472 |
},
|
473 |
{
|
474 |
"epoch": 2.144,
|
475 |
-
"grad_norm": 5.
|
476 |
"learning_rate": 1.4266666666666667e-05,
|
477 |
-
"loss": 3.
|
478 |
"step": 33500
|
479 |
},
|
480 |
{
|
481 |
"epoch": 2.176,
|
482 |
-
"grad_norm": 4.
|
483 |
"learning_rate": 1.3733333333333335e-05,
|
484 |
-
"loss": 3.
|
485 |
"step": 34000
|
486 |
},
|
487 |
{
|
488 |
"epoch": 2.208,
|
489 |
-
"grad_norm": 4.
|
490 |
"learning_rate": 1.32e-05,
|
491 |
-
"loss": 3.
|
492 |
"step": 34500
|
493 |
},
|
494 |
{
|
495 |
"epoch": 2.24,
|
496 |
-
"grad_norm": 4.
|
497 |
"learning_rate": 1.2666666666666668e-05,
|
498 |
-
"loss": 3.
|
499 |
"step": 35000
|
500 |
},
|
501 |
{
|
502 |
"epoch": 2.2720000000000002,
|
503 |
-
"grad_norm": 4.
|
504 |
"learning_rate": 1.2133333333333335e-05,
|
505 |
-
"loss": 3.
|
506 |
"step": 35500
|
507 |
},
|
508 |
{
|
509 |
"epoch": 2.304,
|
510 |
-
"grad_norm": 4.
|
511 |
"learning_rate": 1.16e-05,
|
512 |
-
"loss": 3.
|
513 |
"step": 36000
|
514 |
},
|
515 |
{
|
516 |
"epoch": 2.336,
|
517 |
-
"grad_norm": 4.
|
518 |
"learning_rate": 1.1066666666666667e-05,
|
519 |
-
"loss": 3.
|
520 |
"step": 36500
|
521 |
},
|
522 |
{
|
523 |
"epoch": 2.368,
|
524 |
-
"grad_norm": 4.
|
525 |
"learning_rate": 1.0533333333333335e-05,
|
526 |
-
"loss": 3.
|
527 |
"step": 37000
|
528 |
},
|
529 |
{
|
530 |
"epoch": 2.4,
|
531 |
-
"grad_norm": 4.
|
532 |
"learning_rate": 1e-05,
|
533 |
-
"loss": 3.
|
534 |
"step": 37500
|
535 |
},
|
536 |
{
|
537 |
"epoch": 2.432,
|
538 |
-
"grad_norm": 4.
|
539 |
"learning_rate": 9.466666666666667e-06,
|
540 |
-
"loss": 3.
|
541 |
"step": 38000
|
542 |
},
|
543 |
{
|
544 |
"epoch": 2.464,
|
545 |
-
"grad_norm":
|
546 |
"learning_rate": 8.933333333333333e-06,
|
547 |
-
"loss": 3.
|
548 |
"step": 38500
|
549 |
},
|
550 |
{
|
551 |
"epoch": 2.496,
|
552 |
-
"grad_norm": 4.
|
553 |
"learning_rate": 8.400000000000001e-06,
|
554 |
-
"loss": 3.
|
555 |
"step": 39000
|
556 |
},
|
557 |
{
|
558 |
"epoch": 2.528,
|
559 |
-
"grad_norm":
|
560 |
"learning_rate": 7.866666666666667e-06,
|
561 |
-
"loss": 3.
|
562 |
"step": 39500
|
563 |
},
|
564 |
{
|
565 |
"epoch": 2.56,
|
566 |
-
"grad_norm": 4.
|
567 |
"learning_rate": 7.333333333333334e-06,
|
568 |
-
"loss": 3.
|
569 |
"step": 40000
|
570 |
},
|
571 |
{
|
572 |
"epoch": 2.592,
|
573 |
-
"grad_norm":
|
574 |
"learning_rate": 6.800000000000001e-06,
|
575 |
-
"loss": 3.
|
576 |
"step": 40500
|
577 |
},
|
578 |
{
|
579 |
"epoch": 2.624,
|
580 |
-
"grad_norm": 4.
|
581 |
"learning_rate": 6.266666666666666e-06,
|
582 |
-
"loss": 3.
|
583 |
"step": 41000
|
584 |
},
|
585 |
{
|
586 |
"epoch": 2.656,
|
587 |
-
"grad_norm": 4.
|
588 |
"learning_rate": 5.733333333333333e-06,
|
589 |
-
"loss": 3.
|
590 |
"step": 41500
|
591 |
},
|
592 |
{
|
593 |
"epoch": 2.6879999999999997,
|
594 |
-
"grad_norm": 4.
|
595 |
"learning_rate": 5.2e-06,
|
596 |
-
"loss": 3.
|
597 |
"step": 42000
|
598 |
},
|
599 |
{
|
600 |
"epoch": 2.7199999999999998,
|
601 |
-
"grad_norm": 4.
|
602 |
"learning_rate": 4.666666666666667e-06,
|
603 |
-
"loss": 3.
|
604 |
"step": 42500
|
605 |
},
|
606 |
{
|
607 |
"epoch": 2.752,
|
608 |
-
"grad_norm": 4.
|
609 |
"learning_rate": 4.133333333333333e-06,
|
610 |
-
"loss": 3.
|
611 |
"step": 43000
|
612 |
},
|
613 |
{
|
614 |
"epoch": 2.784,
|
615 |
-
"grad_norm": 4.
|
616 |
"learning_rate": 3.6e-06,
|
617 |
-
"loss": 3.
|
618 |
"step": 43500
|
619 |
},
|
620 |
{
|
621 |
"epoch": 2.816,
|
622 |
-
"grad_norm":
|
623 |
"learning_rate": 3.066666666666667e-06,
|
624 |
-
"loss": 3.
|
625 |
"step": 44000
|
626 |
},
|
627 |
{
|
628 |
"epoch": 2.848,
|
629 |
-
"grad_norm": 4.
|
630 |
"learning_rate": 2.5333333333333334e-06,
|
631 |
-
"loss": 3.
|
632 |
"step": 44500
|
633 |
},
|
634 |
{
|
635 |
"epoch": 2.88,
|
636 |
-
"grad_norm": 4.
|
637 |
"learning_rate": 2.0000000000000003e-06,
|
638 |
-
"loss": 3.
|
639 |
"step": 45000
|
640 |
},
|
641 |
{
|
642 |
"epoch": 2.912,
|
643 |
-
"grad_norm": 4.
|
644 |
"learning_rate": 1.4666666666666667e-06,
|
645 |
-
"loss": 3.
|
646 |
"step": 45500
|
647 |
},
|
648 |
{
|
649 |
"epoch": 2.944,
|
650 |
-
"grad_norm":
|
651 |
"learning_rate": 9.333333333333334e-07,
|
652 |
-
"loss": 3.
|
653 |
"step": 46000
|
654 |
},
|
655 |
{
|
656 |
"epoch": 2.976,
|
657 |
-
"grad_norm": 4.
|
658 |
"learning_rate": 4.0000000000000003e-07,
|
659 |
-
"loss": 3.
|
660 |
"step": 46500
|
661 |
}
|
662 |
],
|
|
|
10 |
"log_history": [
|
11 |
{
|
12 |
"epoch": 0.032,
|
13 |
+
"grad_norm": 2.9569661617279053,
|
14 |
"learning_rate": 4.9466666666666665e-05,
|
15 |
+
"loss": 8.7014,
|
16 |
"step": 500
|
17 |
},
|
18 |
{
|
19 |
"epoch": 0.064,
|
20 |
+
"grad_norm": 2.822920799255371,
|
21 |
"learning_rate": 4.8933333333333335e-05,
|
22 |
+
"loss": 6.4522,
|
23 |
"step": 1000
|
24 |
},
|
25 |
{
|
26 |
"epoch": 0.096,
|
27 |
+
"grad_norm": 2.747192621231079,
|
28 |
"learning_rate": 4.8400000000000004e-05,
|
29 |
+
"loss": 5.8675,
|
30 |
"step": 1500
|
31 |
},
|
32 |
{
|
33 |
"epoch": 0.128,
|
34 |
+
"grad_norm": 2.8166677951812744,
|
35 |
"learning_rate": 4.7866666666666674e-05,
|
36 |
+
"loss": 5.5282,
|
37 |
"step": 2000
|
38 |
},
|
39 |
{
|
40 |
"epoch": 0.16,
|
41 |
+
"grad_norm": 2.880764961242676,
|
42 |
"learning_rate": 4.7333333333333336e-05,
|
43 |
+
"loss": 5.26,
|
44 |
"step": 2500
|
45 |
},
|
46 |
{
|
47 |
"epoch": 0.192,
|
48 |
+
"grad_norm": 3.1332807540893555,
|
49 |
"learning_rate": 4.6800000000000006e-05,
|
50 |
+
"loss": 5.059,
|
51 |
"step": 3000
|
52 |
},
|
53 |
{
|
54 |
"epoch": 0.224,
|
55 |
+
"grad_norm": 3.157362222671509,
|
56 |
"learning_rate": 4.626666666666667e-05,
|
57 |
+
"loss": 4.8875,
|
58 |
"step": 3500
|
59 |
},
|
60 |
{
|
61 |
"epoch": 0.256,
|
62 |
+
"grad_norm": 3.287372350692749,
|
63 |
"learning_rate": 4.573333333333333e-05,
|
64 |
+
"loss": 4.7491,
|
65 |
"step": 4000
|
66 |
},
|
67 |
{
|
68 |
"epoch": 0.288,
|
69 |
+
"grad_norm": 3.1995673179626465,
|
70 |
"learning_rate": 4.52e-05,
|
71 |
+
"loss": 4.628,
|
72 |
"step": 4500
|
73 |
},
|
74 |
{
|
75 |
"epoch": 0.32,
|
76 |
+
"grad_norm": 3.351080894470215,
|
77 |
"learning_rate": 4.466666666666667e-05,
|
78 |
+
"loss": 4.5196,
|
79 |
"step": 5000
|
80 |
},
|
81 |
{
|
82 |
"epoch": 0.352,
|
83 |
+
"grad_norm": 3.38383412361145,
|
84 |
"learning_rate": 4.413333333333334e-05,
|
85 |
+
"loss": 4.4351,
|
86 |
"step": 5500
|
87 |
},
|
88 |
{
|
89 |
"epoch": 0.384,
|
90 |
+
"grad_norm": 3.387878894805908,
|
91 |
"learning_rate": 4.36e-05,
|
92 |
+
"loss": 4.3645,
|
93 |
"step": 6000
|
94 |
},
|
95 |
{
|
96 |
"epoch": 0.416,
|
97 |
+
"grad_norm": 3.386368989944458,
|
98 |
"learning_rate": 4.3066666666666665e-05,
|
99 |
+
"loss": 4.2706,
|
100 |
"step": 6500
|
101 |
},
|
102 |
{
|
103 |
"epoch": 0.448,
|
104 |
+
"grad_norm": 3.540905714035034,
|
105 |
"learning_rate": 4.2533333333333335e-05,
|
106 |
+
"loss": 4.2067,
|
107 |
"step": 7000
|
108 |
},
|
109 |
{
|
110 |
"epoch": 0.48,
|
111 |
+
"grad_norm": 3.5285682678222656,
|
112 |
"learning_rate": 4.2e-05,
|
113 |
+
"loss": 4.1446,
|
114 |
"step": 7500
|
115 |
},
|
116 |
{
|
117 |
"epoch": 0.512,
|
118 |
+
"grad_norm": 3.515582799911499,
|
119 |
"learning_rate": 4.146666666666667e-05,
|
120 |
+
"loss": 4.1001,
|
121 |
"step": 8000
|
122 |
},
|
123 |
{
|
124 |
"epoch": 0.544,
|
125 |
+
"grad_norm": 3.382394790649414,
|
126 |
"learning_rate": 4.093333333333334e-05,
|
127 |
+
"loss": 4.0504,
|
128 |
"step": 8500
|
129 |
},
|
130 |
{
|
131 |
"epoch": 0.576,
|
132 |
+
"grad_norm": 3.8084897994995117,
|
133 |
"learning_rate": 4.0400000000000006e-05,
|
134 |
+
"loss": 4.0049,
|
135 |
"step": 9000
|
136 |
},
|
137 |
{
|
138 |
"epoch": 0.608,
|
139 |
+
"grad_norm": 3.8991751670837402,
|
140 |
"learning_rate": 3.986666666666667e-05,
|
141 |
+
"loss": 3.9604,
|
142 |
"step": 9500
|
143 |
},
|
144 |
{
|
145 |
"epoch": 0.64,
|
146 |
+
"grad_norm": 3.772257089614868,
|
147 |
"learning_rate": 3.933333333333333e-05,
|
148 |
+
"loss": 3.9241,
|
149 |
"step": 10000
|
150 |
},
|
151 |
{
|
152 |
"epoch": 0.672,
|
153 |
+
"grad_norm": 3.737558126449585,
|
154 |
"learning_rate": 3.88e-05,
|
155 |
+
"loss": 3.8759,
|
156 |
"step": 10500
|
157 |
},
|
158 |
{
|
159 |
"epoch": 0.704,
|
160 |
+
"grad_norm": 3.6017825603485107,
|
161 |
"learning_rate": 3.8266666666666664e-05,
|
162 |
+
"loss": 3.8505,
|
163 |
"step": 11000
|
164 |
},
|
165 |
{
|
166 |
"epoch": 0.736,
|
167 |
+
"grad_norm": 3.808885097503662,
|
168 |
"learning_rate": 3.773333333333334e-05,
|
169 |
+
"loss": 3.8244,
|
170 |
"step": 11500
|
171 |
},
|
172 |
{
|
173 |
"epoch": 0.768,
|
174 |
+
"grad_norm": 3.6906981468200684,
|
175 |
"learning_rate": 3.72e-05,
|
176 |
+
"loss": 3.8002,
|
177 |
"step": 12000
|
178 |
},
|
179 |
{
|
180 |
"epoch": 0.8,
|
181 |
+
"grad_norm": 3.9535021781921387,
|
182 |
"learning_rate": 3.6666666666666666e-05,
|
183 |
+
"loss": 3.7668,
|
184 |
"step": 12500
|
185 |
},
|
186 |
{
|
187 |
"epoch": 0.832,
|
188 |
+
"grad_norm": 3.9696996212005615,
|
189 |
"learning_rate": 3.6133333333333335e-05,
|
190 |
+
"loss": 3.7349,
|
191 |
"step": 13000
|
192 |
},
|
193 |
{
|
194 |
"epoch": 0.864,
|
195 |
+
"grad_norm": 3.95868182182312,
|
196 |
"learning_rate": 3.56e-05,
|
197 |
+
"loss": 3.7126,
|
198 |
"step": 13500
|
199 |
},
|
200 |
{
|
201 |
"epoch": 0.896,
|
202 |
+
"grad_norm": 3.7807376384735107,
|
203 |
"learning_rate": 3.506666666666667e-05,
|
204 |
+
"loss": 3.6938,
|
205 |
"step": 14000
|
206 |
},
|
207 |
{
|
208 |
"epoch": 0.928,
|
209 |
+
"grad_norm": 3.8795831203460693,
|
210 |
"learning_rate": 3.453333333333334e-05,
|
211 |
+
"loss": 3.6575,
|
212 |
"step": 14500
|
213 |
},
|
214 |
{
|
215 |
"epoch": 0.96,
|
216 |
+
"grad_norm": 4.042747974395752,
|
217 |
"learning_rate": 3.4000000000000007e-05,
|
218 |
+
"loss": 3.6452,
|
219 |
"step": 15000
|
220 |
},
|
221 |
{
|
222 |
"epoch": 0.992,
|
223 |
+
"grad_norm": 4.158185005187988,
|
224 |
"learning_rate": 3.346666666666667e-05,
|
225 |
+
"loss": 3.6333,
|
226 |
"step": 15500
|
227 |
},
|
228 |
{
|
229 |
"epoch": 1.024,
|
230 |
+
"grad_norm": 3.9581844806671143,
|
231 |
"learning_rate": 3.293333333333333e-05,
|
232 |
+
"loss": 3.6045,
|
233 |
"step": 16000
|
234 |
},
|
235 |
{
|
236 |
"epoch": 1.056,
|
237 |
+
"grad_norm": 3.930466651916504,
|
238 |
"learning_rate": 3.24e-05,
|
239 |
+
"loss": 3.5799,
|
240 |
"step": 16500
|
241 |
},
|
242 |
{
|
243 |
"epoch": 1.088,
|
244 |
+
"grad_norm": 4.019719123840332,
|
245 |
"learning_rate": 3.1866666666666664e-05,
|
246 |
+
"loss": 3.5699,
|
247 |
"step": 17000
|
248 |
},
|
249 |
{
|
250 |
"epoch": 1.12,
|
251 |
+
"grad_norm": 3.9303104877471924,
|
252 |
"learning_rate": 3.1333333333333334e-05,
|
253 |
+
"loss": 3.5509,
|
254 |
"step": 17500
|
255 |
},
|
256 |
{
|
257 |
"epoch": 1.152,
|
258 |
+
"grad_norm": 4.159476280212402,
|
259 |
"learning_rate": 3.08e-05,
|
260 |
+
"loss": 3.5397,
|
261 |
"step": 18000
|
262 |
},
|
263 |
{
|
264 |
"epoch": 1.184,
|
265 |
+
"grad_norm": 3.8772120475769043,
|
266 |
"learning_rate": 3.0266666666666666e-05,
|
267 |
+
"loss": 3.522,
|
268 |
"step": 18500
|
269 |
},
|
270 |
{
|
271 |
"epoch": 1.216,
|
272 |
+
"grad_norm": 4.351678371429443,
|
273 |
"learning_rate": 2.9733333333333336e-05,
|
274 |
+
"loss": 3.5119,
|
275 |
"step": 19000
|
276 |
},
|
277 |
{
|
278 |
"epoch": 1.248,
|
279 |
+
"grad_norm": 4.2748541831970215,
|
280 |
"learning_rate": 2.9199999999999998e-05,
|
281 |
+
"loss": 3.4896,
|
282 |
"step": 19500
|
283 |
},
|
284 |
{
|
285 |
"epoch": 1.28,
|
286 |
+
"grad_norm": 4.250527381896973,
|
287 |
"learning_rate": 2.8666666666666668e-05,
|
288 |
+
"loss": 3.4782,
|
289 |
"step": 20000
|
290 |
},
|
291 |
{
|
292 |
"epoch": 1.312,
|
293 |
+
"grad_norm": 4.305374622344971,
|
294 |
"learning_rate": 2.8133333333333334e-05,
|
295 |
+
"loss": 3.4782,
|
296 |
"step": 20500
|
297 |
},
|
298 |
{
|
299 |
"epoch": 1.3439999999999999,
|
300 |
+
"grad_norm": 4.257715702056885,
|
301 |
"learning_rate": 2.7600000000000003e-05,
|
302 |
+
"loss": 3.4511,
|
303 |
"step": 21000
|
304 |
},
|
305 |
{
|
306 |
"epoch": 1.376,
|
307 |
+
"grad_norm": 4.085139751434326,
|
308 |
"learning_rate": 2.706666666666667e-05,
|
309 |
+
"loss": 3.4501,
|
310 |
"step": 21500
|
311 |
},
|
312 |
{
|
313 |
"epoch": 1.408,
|
314 |
+
"grad_norm": 4.325361251831055,
|
315 |
"learning_rate": 2.6533333333333332e-05,
|
316 |
+
"loss": 3.4379,
|
317 |
"step": 22000
|
318 |
},
|
319 |
{
|
320 |
"epoch": 1.44,
|
321 |
+
"grad_norm": 4.4493913650512695,
|
322 |
"learning_rate": 2.6000000000000002e-05,
|
323 |
+
"loss": 3.4232,
|
324 |
"step": 22500
|
325 |
},
|
326 |
{
|
327 |
"epoch": 1.472,
|
328 |
+
"grad_norm": 4.0350871086120605,
|
329 |
"learning_rate": 2.5466666666666668e-05,
|
330 |
+
"loss": 3.4222,
|
331 |
"step": 23000
|
332 |
},
|
333 |
{
|
334 |
"epoch": 1.504,
|
335 |
+
"grad_norm": 4.175812721252441,
|
336 |
"learning_rate": 2.4933333333333334e-05,
|
337 |
+
"loss": 3.4022,
|
338 |
"step": 23500
|
339 |
},
|
340 |
{
|
341 |
"epoch": 1.536,
|
342 |
+
"grad_norm": 4.516785621643066,
|
343 |
"learning_rate": 2.44e-05,
|
344 |
+
"loss": 3.3962,
|
345 |
"step": 24000
|
346 |
},
|
347 |
{
|
348 |
"epoch": 1.568,
|
349 |
+
"grad_norm": 4.481914520263672,
|
350 |
"learning_rate": 2.3866666666666666e-05,
|
351 |
+
"loss": 3.3894,
|
352 |
"step": 24500
|
353 |
},
|
354 |
{
|
355 |
"epoch": 1.6,
|
356 |
+
"grad_norm": 4.242756366729736,
|
357 |
"learning_rate": 2.3333333333333336e-05,
|
358 |
+
"loss": 3.3757,
|
359 |
"step": 25000
|
360 |
},
|
361 |
{
|
362 |
"epoch": 1.6320000000000001,
|
363 |
+
"grad_norm": 4.440269470214844,
|
364 |
"learning_rate": 2.2800000000000002e-05,
|
365 |
+
"loss": 3.3678,
|
366 |
"step": 25500
|
367 |
},
|
368 |
{
|
369 |
"epoch": 1.6640000000000001,
|
370 |
+
"grad_norm": 4.3999152183532715,
|
371 |
"learning_rate": 2.2266666666666668e-05,
|
372 |
+
"loss": 3.3565,
|
373 |
"step": 26000
|
374 |
},
|
375 |
{
|
376 |
"epoch": 1.696,
|
377 |
+
"grad_norm": 4.339915752410889,
|
378 |
"learning_rate": 2.1733333333333334e-05,
|
379 |
+
"loss": 3.3557,
|
380 |
"step": 26500
|
381 |
},
|
382 |
{
|
383 |
"epoch": 1.728,
|
384 |
+
"grad_norm": 4.5959625244140625,
|
385 |
"learning_rate": 2.12e-05,
|
386 |
+
"loss": 3.3556,
|
387 |
"step": 27000
|
388 |
},
|
389 |
{
|
390 |
"epoch": 1.76,
|
391 |
+
"grad_norm": 4.463385105133057,
|
392 |
"learning_rate": 2.0666666666666666e-05,
|
393 |
+
"loss": 3.3432,
|
394 |
"step": 27500
|
395 |
},
|
396 |
{
|
397 |
"epoch": 1.792,
|
398 |
+
"grad_norm": 4.859776020050049,
|
399 |
"learning_rate": 2.0133333333333336e-05,
|
400 |
+
"loss": 3.3413,
|
401 |
"step": 28000
|
402 |
},
|
403 |
{
|
404 |
"epoch": 1.8239999999999998,
|
405 |
+
"grad_norm": 4.643787384033203,
|
406 |
"learning_rate": 1.9600000000000002e-05,
|
407 |
+
"loss": 3.3249,
|
408 |
"step": 28500
|
409 |
},
|
410 |
{
|
411 |
"epoch": 1.8559999999999999,
|
412 |
+
"grad_norm": 4.585232257843018,
|
413 |
"learning_rate": 1.9066666666666668e-05,
|
414 |
+
"loss": 3.3242,
|
415 |
"step": 29000
|
416 |
},
|
417 |
{
|
418 |
"epoch": 1.888,
|
419 |
+
"grad_norm": 4.6707563400268555,
|
420 |
"learning_rate": 1.8533333333333334e-05,
|
421 |
+
"loss": 3.3135,
|
422 |
"step": 29500
|
423 |
},
|
424 |
{
|
425 |
"epoch": 1.92,
|
426 |
+
"grad_norm": 4.501559734344482,
|
427 |
"learning_rate": 1.8e-05,
|
428 |
+
"loss": 3.315,
|
429 |
"step": 30000
|
430 |
},
|
431 |
{
|
432 |
"epoch": 1.952,
|
433 |
+
"grad_norm": 4.715555667877197,
|
434 |
"learning_rate": 1.7466666666666667e-05,
|
435 |
+
"loss": 3.3151,
|
436 |
"step": 30500
|
437 |
},
|
438 |
{
|
439 |
"epoch": 1.984,
|
440 |
+
"grad_norm": 4.661777496337891,
|
441 |
"learning_rate": 1.6933333333333333e-05,
|
442 |
+
"loss": 3.3087,
|
443 |
"step": 31000
|
444 |
},
|
445 |
{
|
446 |
"epoch": 2.016,
|
447 |
+
"grad_norm": 4.5024027824401855,
|
448 |
"learning_rate": 1.6400000000000002e-05,
|
449 |
+
"loss": 3.2875,
|
450 |
"step": 31500
|
451 |
},
|
452 |
{
|
453 |
"epoch": 2.048,
|
454 |
+
"grad_norm": 4.788130283355713,
|
455 |
"learning_rate": 1.586666666666667e-05,
|
456 |
+
"loss": 3.2926,
|
457 |
"step": 32000
|
458 |
},
|
459 |
{
|
460 |
"epoch": 2.08,
|
461 |
+
"grad_norm": 4.57729434967041,
|
462 |
"learning_rate": 1.5333333333333334e-05,
|
463 |
+
"loss": 3.2858,
|
464 |
"step": 32500
|
465 |
},
|
466 |
{
|
467 |
"epoch": 2.112,
|
468 |
+
"grad_norm": 4.824256896972656,
|
469 |
"learning_rate": 1.48e-05,
|
470 |
+
"loss": 3.2845,
|
471 |
"step": 33000
|
472 |
},
|
473 |
{
|
474 |
"epoch": 2.144,
|
475 |
+
"grad_norm": 5.179717540740967,
|
476 |
"learning_rate": 1.4266666666666667e-05,
|
477 |
+
"loss": 3.2788,
|
478 |
"step": 33500
|
479 |
},
|
480 |
{
|
481 |
"epoch": 2.176,
|
482 |
+
"grad_norm": 4.701488494873047,
|
483 |
"learning_rate": 1.3733333333333335e-05,
|
484 |
+
"loss": 3.2794,
|
485 |
"step": 34000
|
486 |
},
|
487 |
{
|
488 |
"epoch": 2.208,
|
489 |
+
"grad_norm": 4.734540939331055,
|
490 |
"learning_rate": 1.32e-05,
|
491 |
+
"loss": 3.2882,
|
492 |
"step": 34500
|
493 |
},
|
494 |
{
|
495 |
"epoch": 2.24,
|
496 |
+
"grad_norm": 4.886785984039307,
|
497 |
"learning_rate": 1.2666666666666668e-05,
|
498 |
+
"loss": 3.2716,
|
499 |
"step": 35000
|
500 |
},
|
501 |
{
|
502 |
"epoch": 2.2720000000000002,
|
503 |
+
"grad_norm": 4.812310218811035,
|
504 |
"learning_rate": 1.2133333333333335e-05,
|
505 |
+
"loss": 3.2632,
|
506 |
"step": 35500
|
507 |
},
|
508 |
{
|
509 |
"epoch": 2.304,
|
510 |
+
"grad_norm": 4.733267784118652,
|
511 |
"learning_rate": 1.16e-05,
|
512 |
+
"loss": 3.2667,
|
513 |
"step": 36000
|
514 |
},
|
515 |
{
|
516 |
"epoch": 2.336,
|
517 |
+
"grad_norm": 4.642938613891602,
|
518 |
"learning_rate": 1.1066666666666667e-05,
|
519 |
+
"loss": 3.2534,
|
520 |
"step": 36500
|
521 |
},
|
522 |
{
|
523 |
"epoch": 2.368,
|
524 |
+
"grad_norm": 4.576411724090576,
|
525 |
"learning_rate": 1.0533333333333335e-05,
|
526 |
+
"loss": 3.2547,
|
527 |
"step": 37000
|
528 |
},
|
529 |
{
|
530 |
"epoch": 2.4,
|
531 |
+
"grad_norm": 4.903866767883301,
|
532 |
"learning_rate": 1e-05,
|
533 |
+
"loss": 3.2542,
|
534 |
"step": 37500
|
535 |
},
|
536 |
{
|
537 |
"epoch": 2.432,
|
538 |
+
"grad_norm": 4.908432960510254,
|
539 |
"learning_rate": 9.466666666666667e-06,
|
540 |
+
"loss": 3.2431,
|
541 |
"step": 38000
|
542 |
},
|
543 |
{
|
544 |
"epoch": 2.464,
|
545 |
+
"grad_norm": 5.0655364990234375,
|
546 |
"learning_rate": 8.933333333333333e-06,
|
547 |
+
"loss": 3.2509,
|
548 |
"step": 38500
|
549 |
},
|
550 |
{
|
551 |
"epoch": 2.496,
|
552 |
+
"grad_norm": 4.810054302215576,
|
553 |
"learning_rate": 8.400000000000001e-06,
|
554 |
+
"loss": 3.2499,
|
555 |
"step": 39000
|
556 |
},
|
557 |
{
|
558 |
"epoch": 2.528,
|
559 |
+
"grad_norm": 4.952749729156494,
|
560 |
"learning_rate": 7.866666666666667e-06,
|
561 |
+
"loss": 3.2413,
|
562 |
"step": 39500
|
563 |
},
|
564 |
{
|
565 |
"epoch": 2.56,
|
566 |
+
"grad_norm": 4.862243175506592,
|
567 |
"learning_rate": 7.333333333333334e-06,
|
568 |
+
"loss": 3.2395,
|
569 |
"step": 40000
|
570 |
},
|
571 |
{
|
572 |
"epoch": 2.592,
|
573 |
+
"grad_norm": 5.045057773590088,
|
574 |
"learning_rate": 6.800000000000001e-06,
|
575 |
+
"loss": 3.2272,
|
576 |
"step": 40500
|
577 |
},
|
578 |
{
|
579 |
"epoch": 2.624,
|
580 |
+
"grad_norm": 4.81024169921875,
|
581 |
"learning_rate": 6.266666666666666e-06,
|
582 |
+
"loss": 3.2315,
|
583 |
"step": 41000
|
584 |
},
|
585 |
{
|
586 |
"epoch": 2.656,
|
587 |
+
"grad_norm": 4.652002334594727,
|
588 |
"learning_rate": 5.733333333333333e-06,
|
589 |
+
"loss": 3.2331,
|
590 |
"step": 41500
|
591 |
},
|
592 |
{
|
593 |
"epoch": 2.6879999999999997,
|
594 |
+
"grad_norm": 4.979446887969971,
|
595 |
"learning_rate": 5.2e-06,
|
596 |
+
"loss": 3.2326,
|
597 |
"step": 42000
|
598 |
},
|
599 |
{
|
600 |
"epoch": 2.7199999999999998,
|
601 |
+
"grad_norm": 4.838864803314209,
|
602 |
"learning_rate": 4.666666666666667e-06,
|
603 |
+
"loss": 3.233,
|
604 |
"step": 42500
|
605 |
},
|
606 |
{
|
607 |
"epoch": 2.752,
|
608 |
+
"grad_norm": 4.996217727661133,
|
609 |
"learning_rate": 4.133333333333333e-06,
|
610 |
+
"loss": 3.2172,
|
611 |
"step": 43000
|
612 |
},
|
613 |
{
|
614 |
"epoch": 2.784,
|
615 |
+
"grad_norm": 4.89617919921875,
|
616 |
"learning_rate": 3.6e-06,
|
617 |
+
"loss": 3.2263,
|
618 |
"step": 43500
|
619 |
},
|
620 |
{
|
621 |
"epoch": 2.816,
|
622 |
+
"grad_norm": 4.889566898345947,
|
623 |
"learning_rate": 3.066666666666667e-06,
|
624 |
+
"loss": 3.2374,
|
625 |
"step": 44000
|
626 |
},
|
627 |
{
|
628 |
"epoch": 2.848,
|
629 |
+
"grad_norm": 4.909117698669434,
|
630 |
"learning_rate": 2.5333333333333334e-06,
|
631 |
+
"loss": 3.2364,
|
632 |
"step": 44500
|
633 |
},
|
634 |
{
|
635 |
"epoch": 2.88,
|
636 |
+
"grad_norm": 4.819942951202393,
|
637 |
"learning_rate": 2.0000000000000003e-06,
|
638 |
+
"loss": 3.2243,
|
639 |
"step": 45000
|
640 |
},
|
641 |
{
|
642 |
"epoch": 2.912,
|
643 |
+
"grad_norm": 4.989527702331543,
|
644 |
"learning_rate": 1.4666666666666667e-06,
|
645 |
+
"loss": 3.2303,
|
646 |
"step": 45500
|
647 |
},
|
648 |
{
|
649 |
"epoch": 2.944,
|
650 |
+
"grad_norm": 5.0459980964660645,
|
651 |
"learning_rate": 9.333333333333334e-07,
|
652 |
+
"loss": 3.2318,
|
653 |
"step": 46000
|
654 |
},
|
655 |
{
|
656 |
"epoch": 2.976,
|
657 |
+
"grad_norm": 4.944396495819092,
|
658 |
"learning_rate": 4.0000000000000003e-07,
|
659 |
+
"loss": 3.2394,
|
660 |
"step": 46500
|
661 |
}
|
662 |
],
|
training_args.bin
CHANGED
@@ -1,3 +1,3 @@
|
|
1 |
version https://git-lfs.github.com/spec/v1
|
2 |
-
oid sha256:
|
3 |
size 5176
|
|
|
1 |
version https://git-lfs.github.com/spec/v1
|
2 |
+
oid sha256:2f3fe1bfd10cbdfb1d6e4ab92faf74d8e6aaccab46d9c333a20594eb068ed808
|
3 |
size 5176
|