Upload folder using huggingface_hub
Browse files- config.json +32 -0
- generation_config.json +7 -0
- model.safetensors +3 -0
- optimizer.pt +3 -0
- rng_state.pth +3 -0
- scheduler.pt +3 -0
- special_tokens_map.json +23 -0
- spiece.model +3 -0
- tokenizer_config.json +39 -0
- trainer_state.json +1085 -0
- training_args.bin +3 -0
config.json
ADDED
|
@@ -0,0 +1,32 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"_name_or_path": "google/mt5-small",
|
| 3 |
+
"architectures": [
|
| 4 |
+
"MT5ForConditionalGeneration"
|
| 5 |
+
],
|
| 6 |
+
"classifier_dropout": 0.0,
|
| 7 |
+
"d_ff": 1024,
|
| 8 |
+
"d_kv": 64,
|
| 9 |
+
"d_model": 512,
|
| 10 |
+
"decoder_start_token_id": 0,
|
| 11 |
+
"dense_act_fn": "gelu_new",
|
| 12 |
+
"dropout_rate": 0.1,
|
| 13 |
+
"eos_token_id": 1,
|
| 14 |
+
"feed_forward_proj": "gated-gelu",
|
| 15 |
+
"initializer_factor": 1.0,
|
| 16 |
+
"is_encoder_decoder": true,
|
| 17 |
+
"is_gated_act": true,
|
| 18 |
+
"layer_norm_epsilon": 1e-06,
|
| 19 |
+
"model_type": "mt5",
|
| 20 |
+
"num_decoder_layers": 8,
|
| 21 |
+
"num_heads": 6,
|
| 22 |
+
"num_layers": 8,
|
| 23 |
+
"pad_token_id": 0,
|
| 24 |
+
"relative_attention_max_distance": 128,
|
| 25 |
+
"relative_attention_num_buckets": 32,
|
| 26 |
+
"tie_word_embeddings": false,
|
| 27 |
+
"tokenizer_class": "T5Tokenizer",
|
| 28 |
+
"torch_dtype": "float32",
|
| 29 |
+
"transformers_version": "4.45.2",
|
| 30 |
+
"use_cache": true,
|
| 31 |
+
"vocab_size": 250112
|
| 32 |
+
}
|
generation_config.json
ADDED
|
@@ -0,0 +1,7 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"_from_model_config": true,
|
| 3 |
+
"decoder_start_token_id": 0,
|
| 4 |
+
"eos_token_id": 1,
|
| 5 |
+
"pad_token_id": 0,
|
| 6 |
+
"transformers_version": "4.45.2"
|
| 7 |
+
}
|
model.safetensors
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:087ee95e7f8c428846ab0891f0d8af3854f5bf8824ff23244554a90ea487095e
|
| 3 |
+
size 1200729512
|
optimizer.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:1c5bcee3aa56f87e30739b6ea9c47b9dcc696a02f40cc2027642e948ccd86adc
|
| 3 |
+
size 2401574330
|
rng_state.pth
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:23a81375ca4a369d99904be982ade42e9fc9c279b0f1e055a919dc1cc4173fb6
|
| 3 |
+
size 14244
|
scheduler.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:ecb27916efad6d92dc2ad6c520422a2aa7c183cfa34d19b8d8ec71bb62774bbe
|
| 3 |
+
size 1064
|
special_tokens_map.json
ADDED
|
@@ -0,0 +1,23 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"eos_token": {
|
| 3 |
+
"content": "</s>",
|
| 4 |
+
"lstrip": false,
|
| 5 |
+
"normalized": false,
|
| 6 |
+
"rstrip": false,
|
| 7 |
+
"single_word": false
|
| 8 |
+
},
|
| 9 |
+
"pad_token": {
|
| 10 |
+
"content": "<pad>",
|
| 11 |
+
"lstrip": false,
|
| 12 |
+
"normalized": false,
|
| 13 |
+
"rstrip": false,
|
| 14 |
+
"single_word": false
|
| 15 |
+
},
|
| 16 |
+
"unk_token": {
|
| 17 |
+
"content": "<unk>",
|
| 18 |
+
"lstrip": false,
|
| 19 |
+
"normalized": false,
|
| 20 |
+
"rstrip": false,
|
| 21 |
+
"single_word": false
|
| 22 |
+
}
|
| 23 |
+
}
|
spiece.model
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:ef78f86560d809067d12bac6c09f19a462cb3af3f54d2b8acbba26e1433125d6
|
| 3 |
+
size 4309802
|
tokenizer_config.json
ADDED
|
@@ -0,0 +1,39 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"add_prefix_space": true,
|
| 3 |
+
"added_tokens_decoder": {
|
| 4 |
+
"0": {
|
| 5 |
+
"content": "<pad>",
|
| 6 |
+
"lstrip": false,
|
| 7 |
+
"normalized": false,
|
| 8 |
+
"rstrip": false,
|
| 9 |
+
"single_word": false,
|
| 10 |
+
"special": true
|
| 11 |
+
},
|
| 12 |
+
"1": {
|
| 13 |
+
"content": "</s>",
|
| 14 |
+
"lstrip": false,
|
| 15 |
+
"normalized": false,
|
| 16 |
+
"rstrip": false,
|
| 17 |
+
"single_word": false,
|
| 18 |
+
"special": true
|
| 19 |
+
},
|
| 20 |
+
"2": {
|
| 21 |
+
"content": "<unk>",
|
| 22 |
+
"lstrip": false,
|
| 23 |
+
"normalized": false,
|
| 24 |
+
"rstrip": false,
|
| 25 |
+
"single_word": false,
|
| 26 |
+
"special": true
|
| 27 |
+
}
|
| 28 |
+
},
|
| 29 |
+
"additional_special_tokens": [],
|
| 30 |
+
"clean_up_tokenization_spaces": false,
|
| 31 |
+
"eos_token": "</s>",
|
| 32 |
+
"extra_ids": 0,
|
| 33 |
+
"legacy": false,
|
| 34 |
+
"model_max_length": 1000000000000000019884624838656,
|
| 35 |
+
"pad_token": "<pad>",
|
| 36 |
+
"sp_model_kwargs": {},
|
| 37 |
+
"tokenizer_class": "T5Tokenizer",
|
| 38 |
+
"unk_token": "<unk>"
|
| 39 |
+
}
|
trainer_state.json
ADDED
|
@@ -0,0 +1,1085 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_metric": null,
|
| 3 |
+
"best_model_checkpoint": null,
|
| 4 |
+
"epoch": 2.96,
|
| 5 |
+
"eval_steps": 500,
|
| 6 |
+
"global_step": 74000,
|
| 7 |
+
"is_hyper_param_search": false,
|
| 8 |
+
"is_local_process_zero": true,
|
| 9 |
+
"is_world_process_zero": true,
|
| 10 |
+
"log_history": [
|
| 11 |
+
{
|
| 12 |
+
"epoch": 0.02,
|
| 13 |
+
"grad_norm": 5654.22607421875,
|
| 14 |
+
"learning_rate": 1.9866666666666667e-05,
|
| 15 |
+
"loss": 38.3177,
|
| 16 |
+
"step": 500
|
| 17 |
+
},
|
| 18 |
+
{
|
| 19 |
+
"epoch": 0.04,
|
| 20 |
+
"grad_norm": 382.0959777832031,
|
| 21 |
+
"learning_rate": 1.9733333333333336e-05,
|
| 22 |
+
"loss": 14.4484,
|
| 23 |
+
"step": 1000
|
| 24 |
+
},
|
| 25 |
+
{
|
| 26 |
+
"epoch": 0.06,
|
| 27 |
+
"grad_norm": 85.02970886230469,
|
| 28 |
+
"learning_rate": 1.9600000000000002e-05,
|
| 29 |
+
"loss": 5.7167,
|
| 30 |
+
"step": 1500
|
| 31 |
+
},
|
| 32 |
+
{
|
| 33 |
+
"epoch": 0.08,
|
| 34 |
+
"grad_norm": 1577.756591796875,
|
| 35 |
+
"learning_rate": 1.9466666666666668e-05,
|
| 36 |
+
"loss": 2.3093,
|
| 37 |
+
"step": 2000
|
| 38 |
+
},
|
| 39 |
+
{
|
| 40 |
+
"epoch": 0.1,
|
| 41 |
+
"grad_norm": 380.84771728515625,
|
| 42 |
+
"learning_rate": 1.9333333333333333e-05,
|
| 43 |
+
"loss": 1.1518,
|
| 44 |
+
"step": 2500
|
| 45 |
+
},
|
| 46 |
+
{
|
| 47 |
+
"epoch": 0.12,
|
| 48 |
+
"grad_norm": 37.97673034667969,
|
| 49 |
+
"learning_rate": 1.9200000000000003e-05,
|
| 50 |
+
"loss": 0.813,
|
| 51 |
+
"step": 3000
|
| 52 |
+
},
|
| 53 |
+
{
|
| 54 |
+
"epoch": 0.14,
|
| 55 |
+
"grad_norm": 18.733734130859375,
|
| 56 |
+
"learning_rate": 1.9066666666666668e-05,
|
| 57 |
+
"loss": 0.7075,
|
| 58 |
+
"step": 3500
|
| 59 |
+
},
|
| 60 |
+
{
|
| 61 |
+
"epoch": 0.16,
|
| 62 |
+
"grad_norm": 12.461844444274902,
|
| 63 |
+
"learning_rate": 1.8933333333333334e-05,
|
| 64 |
+
"loss": 0.6604,
|
| 65 |
+
"step": 4000
|
| 66 |
+
},
|
| 67 |
+
{
|
| 68 |
+
"epoch": 0.18,
|
| 69 |
+
"grad_norm": 60.828468322753906,
|
| 70 |
+
"learning_rate": 1.88e-05,
|
| 71 |
+
"loss": 1.0271,
|
| 72 |
+
"step": 4500
|
| 73 |
+
},
|
| 74 |
+
{
|
| 75 |
+
"epoch": 0.2,
|
| 76 |
+
"grad_norm": 19.229307174682617,
|
| 77 |
+
"learning_rate": 1.866666666666667e-05,
|
| 78 |
+
"loss": 0.9457,
|
| 79 |
+
"step": 5000
|
| 80 |
+
},
|
| 81 |
+
{
|
| 82 |
+
"epoch": 0.22,
|
| 83 |
+
"grad_norm": 114.696044921875,
|
| 84 |
+
"learning_rate": 1.8533333333333334e-05,
|
| 85 |
+
"loss": 0.7605,
|
| 86 |
+
"step": 5500
|
| 87 |
+
},
|
| 88 |
+
{
|
| 89 |
+
"epoch": 0.24,
|
| 90 |
+
"grad_norm": 18.384981155395508,
|
| 91 |
+
"learning_rate": 1.8400000000000003e-05,
|
| 92 |
+
"loss": 0.7159,
|
| 93 |
+
"step": 6000
|
| 94 |
+
},
|
| 95 |
+
{
|
| 96 |
+
"epoch": 0.26,
|
| 97 |
+
"grad_norm": 3.2623910903930664,
|
| 98 |
+
"learning_rate": 1.826666666666667e-05,
|
| 99 |
+
"loss": 0.683,
|
| 100 |
+
"step": 6500
|
| 101 |
+
},
|
| 102 |
+
{
|
| 103 |
+
"epoch": 0.28,
|
| 104 |
+
"grad_norm": 8.435957908630371,
|
| 105 |
+
"learning_rate": 1.8133333333333335e-05,
|
| 106 |
+
"loss": 0.5961,
|
| 107 |
+
"step": 7000
|
| 108 |
+
},
|
| 109 |
+
{
|
| 110 |
+
"epoch": 0.3,
|
| 111 |
+
"grad_norm": 5.6912360191345215,
|
| 112 |
+
"learning_rate": 1.8e-05,
|
| 113 |
+
"loss": 0.5352,
|
| 114 |
+
"step": 7500
|
| 115 |
+
},
|
| 116 |
+
{
|
| 117 |
+
"epoch": 0.32,
|
| 118 |
+
"grad_norm": 35.99116134643555,
|
| 119 |
+
"learning_rate": 1.7866666666666666e-05,
|
| 120 |
+
"loss": 0.5161,
|
| 121 |
+
"step": 8000
|
| 122 |
+
},
|
| 123 |
+
{
|
| 124 |
+
"epoch": 0.34,
|
| 125 |
+
"grad_norm": 19.271120071411133,
|
| 126 |
+
"learning_rate": 1.7733333333333335e-05,
|
| 127 |
+
"loss": 0.4959,
|
| 128 |
+
"step": 8500
|
| 129 |
+
},
|
| 130 |
+
{
|
| 131 |
+
"epoch": 0.36,
|
| 132 |
+
"grad_norm": 3.878828763961792,
|
| 133 |
+
"learning_rate": 1.76e-05,
|
| 134 |
+
"loss": 0.4481,
|
| 135 |
+
"step": 9000
|
| 136 |
+
},
|
| 137 |
+
{
|
| 138 |
+
"epoch": 0.38,
|
| 139 |
+
"grad_norm": 2.3891541957855225,
|
| 140 |
+
"learning_rate": 1.7466666666666667e-05,
|
| 141 |
+
"loss": 0.453,
|
| 142 |
+
"step": 9500
|
| 143 |
+
},
|
| 144 |
+
{
|
| 145 |
+
"epoch": 0.4,
|
| 146 |
+
"grad_norm": 11.382366180419922,
|
| 147 |
+
"learning_rate": 1.7333333333333336e-05,
|
| 148 |
+
"loss": 0.4207,
|
| 149 |
+
"step": 10000
|
| 150 |
+
},
|
| 151 |
+
{
|
| 152 |
+
"epoch": 0.42,
|
| 153 |
+
"grad_norm": 32.32969284057617,
|
| 154 |
+
"learning_rate": 1.72e-05,
|
| 155 |
+
"loss": 0.429,
|
| 156 |
+
"step": 10500
|
| 157 |
+
},
|
| 158 |
+
{
|
| 159 |
+
"epoch": 0.44,
|
| 160 |
+
"grad_norm": 7.8855180740356445,
|
| 161 |
+
"learning_rate": 1.706666666666667e-05,
|
| 162 |
+
"loss": 0.3985,
|
| 163 |
+
"step": 11000
|
| 164 |
+
},
|
| 165 |
+
{
|
| 166 |
+
"epoch": 0.46,
|
| 167 |
+
"grad_norm": 181.63641357421875,
|
| 168 |
+
"learning_rate": 1.6933333333333336e-05,
|
| 169 |
+
"loss": 0.416,
|
| 170 |
+
"step": 11500
|
| 171 |
+
},
|
| 172 |
+
{
|
| 173 |
+
"epoch": 0.48,
|
| 174 |
+
"grad_norm": 4.859493732452393,
|
| 175 |
+
"learning_rate": 1.6800000000000002e-05,
|
| 176 |
+
"loss": 0.4063,
|
| 177 |
+
"step": 12000
|
| 178 |
+
},
|
| 179 |
+
{
|
| 180 |
+
"epoch": 0.5,
|
| 181 |
+
"grad_norm": 1.5545977354049683,
|
| 182 |
+
"learning_rate": 1.6666666666666667e-05,
|
| 183 |
+
"loss": 0.3843,
|
| 184 |
+
"step": 12500
|
| 185 |
+
},
|
| 186 |
+
{
|
| 187 |
+
"epoch": 0.52,
|
| 188 |
+
"grad_norm": 0.7110391855239868,
|
| 189 |
+
"learning_rate": 1.6533333333333333e-05,
|
| 190 |
+
"loss": 0.3712,
|
| 191 |
+
"step": 13000
|
| 192 |
+
},
|
| 193 |
+
{
|
| 194 |
+
"epoch": 0.54,
|
| 195 |
+
"grad_norm": 0.7853525280952454,
|
| 196 |
+
"learning_rate": 1.64e-05,
|
| 197 |
+
"loss": 0.3558,
|
| 198 |
+
"step": 13500
|
| 199 |
+
},
|
| 200 |
+
{
|
| 201 |
+
"epoch": 0.56,
|
| 202 |
+
"grad_norm": 0.8856327533721924,
|
| 203 |
+
"learning_rate": 1.6266666666666668e-05,
|
| 204 |
+
"loss": 0.3733,
|
| 205 |
+
"step": 14000
|
| 206 |
+
},
|
| 207 |
+
{
|
| 208 |
+
"epoch": 0.58,
|
| 209 |
+
"grad_norm": 0.6677533984184265,
|
| 210 |
+
"learning_rate": 1.6133333333333334e-05,
|
| 211 |
+
"loss": 0.3485,
|
| 212 |
+
"step": 14500
|
| 213 |
+
},
|
| 214 |
+
{
|
| 215 |
+
"epoch": 0.6,
|
| 216 |
+
"grad_norm": 8.784173965454102,
|
| 217 |
+
"learning_rate": 1.6000000000000003e-05,
|
| 218 |
+
"loss": 0.3393,
|
| 219 |
+
"step": 15000
|
| 220 |
+
},
|
| 221 |
+
{
|
| 222 |
+
"epoch": 0.62,
|
| 223 |
+
"grad_norm": 0.434358149766922,
|
| 224 |
+
"learning_rate": 1.586666666666667e-05,
|
| 225 |
+
"loss": 0.3209,
|
| 226 |
+
"step": 15500
|
| 227 |
+
},
|
| 228 |
+
{
|
| 229 |
+
"epoch": 0.64,
|
| 230 |
+
"grad_norm": 0.509839653968811,
|
| 231 |
+
"learning_rate": 1.5733333333333334e-05,
|
| 232 |
+
"loss": 0.3304,
|
| 233 |
+
"step": 16000
|
| 234 |
+
},
|
| 235 |
+
{
|
| 236 |
+
"epoch": 0.66,
|
| 237 |
+
"grad_norm": 0.4287444055080414,
|
| 238 |
+
"learning_rate": 1.5600000000000003e-05,
|
| 239 |
+
"loss": 0.3054,
|
| 240 |
+
"step": 16500
|
| 241 |
+
},
|
| 242 |
+
{
|
| 243 |
+
"epoch": 0.68,
|
| 244 |
+
"grad_norm": 0.3491027057170868,
|
| 245 |
+
"learning_rate": 1.546666666666667e-05,
|
| 246 |
+
"loss": 0.3027,
|
| 247 |
+
"step": 17000
|
| 248 |
+
},
|
| 249 |
+
{
|
| 250 |
+
"epoch": 0.7,
|
| 251 |
+
"grad_norm": 0.3988282084465027,
|
| 252 |
+
"learning_rate": 1.5333333333333334e-05,
|
| 253 |
+
"loss": 0.2945,
|
| 254 |
+
"step": 17500
|
| 255 |
+
},
|
| 256 |
+
{
|
| 257 |
+
"epoch": 0.72,
|
| 258 |
+
"grad_norm": 0.4098167419433594,
|
| 259 |
+
"learning_rate": 1.5200000000000002e-05,
|
| 260 |
+
"loss": 0.2838,
|
| 261 |
+
"step": 18000
|
| 262 |
+
},
|
| 263 |
+
{
|
| 264 |
+
"epoch": 0.74,
|
| 265 |
+
"grad_norm": 0.26621949672698975,
|
| 266 |
+
"learning_rate": 1.5066666666666668e-05,
|
| 267 |
+
"loss": 0.2756,
|
| 268 |
+
"step": 18500
|
| 269 |
+
},
|
| 270 |
+
{
|
| 271 |
+
"epoch": 0.76,
|
| 272 |
+
"grad_norm": 0.28762608766555786,
|
| 273 |
+
"learning_rate": 1.4933333333333335e-05,
|
| 274 |
+
"loss": 0.2846,
|
| 275 |
+
"step": 19000
|
| 276 |
+
},
|
| 277 |
+
{
|
| 278 |
+
"epoch": 0.78,
|
| 279 |
+
"grad_norm": 0.5813781023025513,
|
| 280 |
+
"learning_rate": 1.48e-05,
|
| 281 |
+
"loss": 0.2767,
|
| 282 |
+
"step": 19500
|
| 283 |
+
},
|
| 284 |
+
{
|
| 285 |
+
"epoch": 0.8,
|
| 286 |
+
"grad_norm": 0.2870769202709198,
|
| 287 |
+
"learning_rate": 1.4666666666666666e-05,
|
| 288 |
+
"loss": 0.2729,
|
| 289 |
+
"step": 20000
|
| 290 |
+
},
|
| 291 |
+
{
|
| 292 |
+
"epoch": 0.82,
|
| 293 |
+
"grad_norm": 0.2915711998939514,
|
| 294 |
+
"learning_rate": 1.4533333333333335e-05,
|
| 295 |
+
"loss": 0.2727,
|
| 296 |
+
"step": 20500
|
| 297 |
+
},
|
| 298 |
+
{
|
| 299 |
+
"epoch": 0.84,
|
| 300 |
+
"grad_norm": 0.44486743211746216,
|
| 301 |
+
"learning_rate": 1.4400000000000001e-05,
|
| 302 |
+
"loss": 0.2707,
|
| 303 |
+
"step": 21000
|
| 304 |
+
},
|
| 305 |
+
{
|
| 306 |
+
"epoch": 0.86,
|
| 307 |
+
"grad_norm": 0.3556276261806488,
|
| 308 |
+
"learning_rate": 1.4266666666666668e-05,
|
| 309 |
+
"loss": 0.2709,
|
| 310 |
+
"step": 21500
|
| 311 |
+
},
|
| 312 |
+
{
|
| 313 |
+
"epoch": 0.88,
|
| 314 |
+
"grad_norm": 0.2585805058479309,
|
| 315 |
+
"learning_rate": 1.4133333333333334e-05,
|
| 316 |
+
"loss": 0.2562,
|
| 317 |
+
"step": 22000
|
| 318 |
+
},
|
| 319 |
+
{
|
| 320 |
+
"epoch": 0.9,
|
| 321 |
+
"grad_norm": 0.28209245204925537,
|
| 322 |
+
"learning_rate": 1.4e-05,
|
| 323 |
+
"loss": 0.2707,
|
| 324 |
+
"step": 22500
|
| 325 |
+
},
|
| 326 |
+
{
|
| 327 |
+
"epoch": 0.92,
|
| 328 |
+
"grad_norm": 3.6911416053771973,
|
| 329 |
+
"learning_rate": 1.3866666666666669e-05,
|
| 330 |
+
"loss": 0.2599,
|
| 331 |
+
"step": 23000
|
| 332 |
+
},
|
| 333 |
+
{
|
| 334 |
+
"epoch": 0.94,
|
| 335 |
+
"grad_norm": 0.3395436704158783,
|
| 336 |
+
"learning_rate": 1.3733333333333335e-05,
|
| 337 |
+
"loss": 0.2409,
|
| 338 |
+
"step": 23500
|
| 339 |
+
},
|
| 340 |
+
{
|
| 341 |
+
"epoch": 0.96,
|
| 342 |
+
"grad_norm": 0.24803027510643005,
|
| 343 |
+
"learning_rate": 1.3600000000000002e-05,
|
| 344 |
+
"loss": 0.2406,
|
| 345 |
+
"step": 24000
|
| 346 |
+
},
|
| 347 |
+
{
|
| 348 |
+
"epoch": 0.98,
|
| 349 |
+
"grad_norm": 0.2958641052246094,
|
| 350 |
+
"learning_rate": 1.3466666666666668e-05,
|
| 351 |
+
"loss": 0.2423,
|
| 352 |
+
"step": 24500
|
| 353 |
+
},
|
| 354 |
+
{
|
| 355 |
+
"epoch": 1.0,
|
| 356 |
+
"grad_norm": 0.35062456130981445,
|
| 357 |
+
"learning_rate": 1.3333333333333333e-05,
|
| 358 |
+
"loss": 0.2638,
|
| 359 |
+
"step": 25000
|
| 360 |
+
},
|
| 361 |
+
{
|
| 362 |
+
"epoch": 1.0,
|
| 363 |
+
"eval_loss": 0.2265312522649765,
|
| 364 |
+
"eval_runtime": 10.8699,
|
| 365 |
+
"eval_samples_per_second": 91.997,
|
| 366 |
+
"eval_steps_per_second": 22.999,
|
| 367 |
+
"step": 25000
|
| 368 |
+
},
|
| 369 |
+
{
|
| 370 |
+
"epoch": 1.02,
|
| 371 |
+
"grad_norm": 0.298722505569458,
|
| 372 |
+
"learning_rate": 1.3200000000000002e-05,
|
| 373 |
+
"loss": 0.2429,
|
| 374 |
+
"step": 25500
|
| 375 |
+
},
|
| 376 |
+
{
|
| 377 |
+
"epoch": 1.04,
|
| 378 |
+
"grad_norm": 0.3153237998485565,
|
| 379 |
+
"learning_rate": 1.3066666666666668e-05,
|
| 380 |
+
"loss": 0.2305,
|
| 381 |
+
"step": 26000
|
| 382 |
+
},
|
| 383 |
+
{
|
| 384 |
+
"epoch": 1.06,
|
| 385 |
+
"grad_norm": 0.23537033796310425,
|
| 386 |
+
"learning_rate": 1.2933333333333334e-05,
|
| 387 |
+
"loss": 0.2313,
|
| 388 |
+
"step": 26500
|
| 389 |
+
},
|
| 390 |
+
{
|
| 391 |
+
"epoch": 1.08,
|
| 392 |
+
"grad_norm": 0.2874568700790405,
|
| 393 |
+
"learning_rate": 1.2800000000000001e-05,
|
| 394 |
+
"loss": 0.2415,
|
| 395 |
+
"step": 27000
|
| 396 |
+
},
|
| 397 |
+
{
|
| 398 |
+
"epoch": 1.1,
|
| 399 |
+
"grad_norm": 0.2556588351726532,
|
| 400 |
+
"learning_rate": 1.2666666666666667e-05,
|
| 401 |
+
"loss": 0.2377,
|
| 402 |
+
"step": 27500
|
| 403 |
+
},
|
| 404 |
+
{
|
| 405 |
+
"epoch": 1.12,
|
| 406 |
+
"grad_norm": 0.3062191307544708,
|
| 407 |
+
"learning_rate": 1.2533333333333336e-05,
|
| 408 |
+
"loss": 0.2421,
|
| 409 |
+
"step": 28000
|
| 410 |
+
},
|
| 411 |
+
{
|
| 412 |
+
"epoch": 1.1400000000000001,
|
| 413 |
+
"grad_norm": 0.20563265681266785,
|
| 414 |
+
"learning_rate": 1.2400000000000002e-05,
|
| 415 |
+
"loss": 0.2314,
|
| 416 |
+
"step": 28500
|
| 417 |
+
},
|
| 418 |
+
{
|
| 419 |
+
"epoch": 1.16,
|
| 420 |
+
"grad_norm": 0.4040205180644989,
|
| 421 |
+
"learning_rate": 1.2266666666666667e-05,
|
| 422 |
+
"loss": 0.2332,
|
| 423 |
+
"step": 29000
|
| 424 |
+
},
|
| 425 |
+
{
|
| 426 |
+
"epoch": 1.18,
|
| 427 |
+
"grad_norm": 0.8557522892951965,
|
| 428 |
+
"learning_rate": 1.2133333333333335e-05,
|
| 429 |
+
"loss": 0.2282,
|
| 430 |
+
"step": 29500
|
| 431 |
+
},
|
| 432 |
+
{
|
| 433 |
+
"epoch": 1.2,
|
| 434 |
+
"grad_norm": 0.22553400695323944,
|
| 435 |
+
"learning_rate": 1.2e-05,
|
| 436 |
+
"loss": 0.2269,
|
| 437 |
+
"step": 30000
|
| 438 |
+
},
|
| 439 |
+
{
|
| 440 |
+
"epoch": 1.22,
|
| 441 |
+
"grad_norm": 0.27873969078063965,
|
| 442 |
+
"learning_rate": 1.186666666666667e-05,
|
| 443 |
+
"loss": 0.2271,
|
| 444 |
+
"step": 30500
|
| 445 |
+
},
|
| 446 |
+
{
|
| 447 |
+
"epoch": 1.24,
|
| 448 |
+
"grad_norm": 0.18505054712295532,
|
| 449 |
+
"learning_rate": 1.1733333333333335e-05,
|
| 450 |
+
"loss": 0.23,
|
| 451 |
+
"step": 31000
|
| 452 |
+
},
|
| 453 |
+
{
|
| 454 |
+
"epoch": 1.26,
|
| 455 |
+
"grad_norm": 0.3130967915058136,
|
| 456 |
+
"learning_rate": 1.16e-05,
|
| 457 |
+
"loss": 0.2398,
|
| 458 |
+
"step": 31500
|
| 459 |
+
},
|
| 460 |
+
{
|
| 461 |
+
"epoch": 1.28,
|
| 462 |
+
"grad_norm": 0.2911830544471741,
|
| 463 |
+
"learning_rate": 1.1466666666666668e-05,
|
| 464 |
+
"loss": 0.2328,
|
| 465 |
+
"step": 32000
|
| 466 |
+
},
|
| 467 |
+
{
|
| 468 |
+
"epoch": 1.3,
|
| 469 |
+
"grad_norm": 0.28748762607574463,
|
| 470 |
+
"learning_rate": 1.1333333333333334e-05,
|
| 471 |
+
"loss": 0.2363,
|
| 472 |
+
"step": 32500
|
| 473 |
+
},
|
| 474 |
+
{
|
| 475 |
+
"epoch": 1.32,
|
| 476 |
+
"grad_norm": 0.49352964758872986,
|
| 477 |
+
"learning_rate": 1.1200000000000001e-05,
|
| 478 |
+
"loss": 0.2223,
|
| 479 |
+
"step": 33000
|
| 480 |
+
},
|
| 481 |
+
{
|
| 482 |
+
"epoch": 1.34,
|
| 483 |
+
"grad_norm": 0.42531803250312805,
|
| 484 |
+
"learning_rate": 1.1066666666666669e-05,
|
| 485 |
+
"loss": 0.2182,
|
| 486 |
+
"step": 33500
|
| 487 |
+
},
|
| 488 |
+
{
|
| 489 |
+
"epoch": 1.3599999999999999,
|
| 490 |
+
"grad_norm": 0.20198126137256622,
|
| 491 |
+
"learning_rate": 1.0933333333333334e-05,
|
| 492 |
+
"loss": 0.2192,
|
| 493 |
+
"step": 34000
|
| 494 |
+
},
|
| 495 |
+
{
|
| 496 |
+
"epoch": 1.38,
|
| 497 |
+
"grad_norm": 0.2699495255947113,
|
| 498 |
+
"learning_rate": 1.0800000000000002e-05,
|
| 499 |
+
"loss": 0.2399,
|
| 500 |
+
"step": 34500
|
| 501 |
+
},
|
| 502 |
+
{
|
| 503 |
+
"epoch": 1.4,
|
| 504 |
+
"grad_norm": 0.3870677053928375,
|
| 505 |
+
"learning_rate": 1.0666666666666667e-05,
|
| 506 |
+
"loss": 0.2323,
|
| 507 |
+
"step": 35000
|
| 508 |
+
},
|
| 509 |
+
{
|
| 510 |
+
"epoch": 1.42,
|
| 511 |
+
"grad_norm": 0.34906989336013794,
|
| 512 |
+
"learning_rate": 1.0533333333333333e-05,
|
| 513 |
+
"loss": 0.2256,
|
| 514 |
+
"step": 35500
|
| 515 |
+
},
|
| 516 |
+
{
|
| 517 |
+
"epoch": 1.44,
|
| 518 |
+
"grad_norm": 0.21540525555610657,
|
| 519 |
+
"learning_rate": 1.04e-05,
|
| 520 |
+
"loss": 0.2327,
|
| 521 |
+
"step": 36000
|
| 522 |
+
},
|
| 523 |
+
{
|
| 524 |
+
"epoch": 1.46,
|
| 525 |
+
"grad_norm": 0.28193825483322144,
|
| 526 |
+
"learning_rate": 1.0266666666666668e-05,
|
| 527 |
+
"loss": 0.2304,
|
| 528 |
+
"step": 36500
|
| 529 |
+
},
|
| 530 |
+
{
|
| 531 |
+
"epoch": 1.48,
|
| 532 |
+
"grad_norm": 0.3520973324775696,
|
| 533 |
+
"learning_rate": 1.0133333333333335e-05,
|
| 534 |
+
"loss": 0.2236,
|
| 535 |
+
"step": 37000
|
| 536 |
+
},
|
| 537 |
+
{
|
| 538 |
+
"epoch": 1.5,
|
| 539 |
+
"grad_norm": 0.24787665903568268,
|
| 540 |
+
"learning_rate": 1e-05,
|
| 541 |
+
"loss": 0.2157,
|
| 542 |
+
"step": 37500
|
| 543 |
+
},
|
| 544 |
+
{
|
| 545 |
+
"epoch": 1.52,
|
| 546 |
+
"grad_norm": 0.3090537488460541,
|
| 547 |
+
"learning_rate": 9.866666666666668e-06,
|
| 548 |
+
"loss": 0.2258,
|
| 549 |
+
"step": 38000
|
| 550 |
+
},
|
| 551 |
+
{
|
| 552 |
+
"epoch": 1.54,
|
| 553 |
+
"grad_norm": 0.2534762918949127,
|
| 554 |
+
"learning_rate": 9.733333333333334e-06,
|
| 555 |
+
"loss": 0.2186,
|
| 556 |
+
"step": 38500
|
| 557 |
+
},
|
| 558 |
+
{
|
| 559 |
+
"epoch": 1.56,
|
| 560 |
+
"grad_norm": 0.2605161964893341,
|
| 561 |
+
"learning_rate": 9.600000000000001e-06,
|
| 562 |
+
"loss": 0.2258,
|
| 563 |
+
"step": 39000
|
| 564 |
+
},
|
| 565 |
+
{
|
| 566 |
+
"epoch": 1.58,
|
| 567 |
+
"grad_norm": 0.26178619265556335,
|
| 568 |
+
"learning_rate": 9.466666666666667e-06,
|
| 569 |
+
"loss": 0.217,
|
| 570 |
+
"step": 39500
|
| 571 |
+
},
|
| 572 |
+
{
|
| 573 |
+
"epoch": 1.6,
|
| 574 |
+
"grad_norm": 0.15464206039905548,
|
| 575 |
+
"learning_rate": 9.333333333333334e-06,
|
| 576 |
+
"loss": 0.2236,
|
| 577 |
+
"step": 40000
|
| 578 |
+
},
|
| 579 |
+
{
|
| 580 |
+
"epoch": 1.62,
|
| 581 |
+
"grad_norm": 1.6424922943115234,
|
| 582 |
+
"learning_rate": 9.200000000000002e-06,
|
| 583 |
+
"loss": 0.2247,
|
| 584 |
+
"step": 40500
|
| 585 |
+
},
|
| 586 |
+
{
|
| 587 |
+
"epoch": 1.6400000000000001,
|
| 588 |
+
"grad_norm": 0.2770991325378418,
|
| 589 |
+
"learning_rate": 9.066666666666667e-06,
|
| 590 |
+
"loss": 0.2176,
|
| 591 |
+
"step": 41000
|
| 592 |
+
},
|
| 593 |
+
{
|
| 594 |
+
"epoch": 1.6600000000000001,
|
| 595 |
+
"grad_norm": 0.2883487641811371,
|
| 596 |
+
"learning_rate": 8.933333333333333e-06,
|
| 597 |
+
"loss": 0.2263,
|
| 598 |
+
"step": 41500
|
| 599 |
+
},
|
| 600 |
+
{
|
| 601 |
+
"epoch": 1.6800000000000002,
|
| 602 |
+
"grad_norm": 0.23810796439647675,
|
| 603 |
+
"learning_rate": 8.8e-06,
|
| 604 |
+
"loss": 0.2161,
|
| 605 |
+
"step": 42000
|
| 606 |
+
},
|
| 607 |
+
{
|
| 608 |
+
"epoch": 1.7,
|
| 609 |
+
"grad_norm": 0.26644542813301086,
|
| 610 |
+
"learning_rate": 8.666666666666668e-06,
|
| 611 |
+
"loss": 0.2345,
|
| 612 |
+
"step": 42500
|
| 613 |
+
},
|
| 614 |
+
{
|
| 615 |
+
"epoch": 1.72,
|
| 616 |
+
"grad_norm": 0.2295350581407547,
|
| 617 |
+
"learning_rate": 8.533333333333335e-06,
|
| 618 |
+
"loss": 0.2126,
|
| 619 |
+
"step": 43000
|
| 620 |
+
},
|
| 621 |
+
{
|
| 622 |
+
"epoch": 1.74,
|
| 623 |
+
"grad_norm": 0.24653084576129913,
|
| 624 |
+
"learning_rate": 8.400000000000001e-06,
|
| 625 |
+
"loss": 0.217,
|
| 626 |
+
"step": 43500
|
| 627 |
+
},
|
| 628 |
+
{
|
| 629 |
+
"epoch": 1.76,
|
| 630 |
+
"grad_norm": 0.35403770208358765,
|
| 631 |
+
"learning_rate": 8.266666666666667e-06,
|
| 632 |
+
"loss": 0.2241,
|
| 633 |
+
"step": 44000
|
| 634 |
+
},
|
| 635 |
+
{
|
| 636 |
+
"epoch": 1.78,
|
| 637 |
+
"grad_norm": 0.22405079007148743,
|
| 638 |
+
"learning_rate": 8.133333333333334e-06,
|
| 639 |
+
"loss": 0.2134,
|
| 640 |
+
"step": 44500
|
| 641 |
+
},
|
| 642 |
+
{
|
| 643 |
+
"epoch": 1.8,
|
| 644 |
+
"grad_norm": 0.2870276868343353,
|
| 645 |
+
"learning_rate": 8.000000000000001e-06,
|
| 646 |
+
"loss": 0.2235,
|
| 647 |
+
"step": 45000
|
| 648 |
+
},
|
| 649 |
+
{
|
| 650 |
+
"epoch": 1.8199999999999998,
|
| 651 |
+
"grad_norm": 0.17753545939922333,
|
| 652 |
+
"learning_rate": 7.866666666666667e-06,
|
| 653 |
+
"loss": 0.2166,
|
| 654 |
+
"step": 45500
|
| 655 |
+
},
|
| 656 |
+
{
|
| 657 |
+
"epoch": 1.8399999999999999,
|
| 658 |
+
"grad_norm": 0.26732996106147766,
|
| 659 |
+
"learning_rate": 7.733333333333334e-06,
|
| 660 |
+
"loss": 0.22,
|
| 661 |
+
"step": 46000
|
| 662 |
+
},
|
| 663 |
+
{
|
| 664 |
+
"epoch": 1.8599999999999999,
|
| 665 |
+
"grad_norm": 0.3057607412338257,
|
| 666 |
+
"learning_rate": 7.600000000000001e-06,
|
| 667 |
+
"loss": 0.2204,
|
| 668 |
+
"step": 46500
|
| 669 |
+
},
|
| 670 |
+
{
|
| 671 |
+
"epoch": 1.88,
|
| 672 |
+
"grad_norm": 0.25086137652397156,
|
| 673 |
+
"learning_rate": 7.4666666666666675e-06,
|
| 674 |
+
"loss": 0.2161,
|
| 675 |
+
"step": 47000
|
| 676 |
+
},
|
| 677 |
+
{
|
| 678 |
+
"epoch": 1.9,
|
| 679 |
+
"grad_norm": 0.2141464799642563,
|
| 680 |
+
"learning_rate": 7.333333333333333e-06,
|
| 681 |
+
"loss": 0.2206,
|
| 682 |
+
"step": 47500
|
| 683 |
+
},
|
| 684 |
+
{
|
| 685 |
+
"epoch": 1.92,
|
| 686 |
+
"grad_norm": 0.28755635023117065,
|
| 687 |
+
"learning_rate": 7.2000000000000005e-06,
|
| 688 |
+
"loss": 0.2134,
|
| 689 |
+
"step": 48000
|
| 690 |
+
},
|
| 691 |
+
{
|
| 692 |
+
"epoch": 1.94,
|
| 693 |
+
"grad_norm": 0.21418143808841705,
|
| 694 |
+
"learning_rate": 7.066666666666667e-06,
|
| 695 |
+
"loss": 0.2147,
|
| 696 |
+
"step": 48500
|
| 697 |
+
},
|
| 698 |
+
{
|
| 699 |
+
"epoch": 1.96,
|
| 700 |
+
"grad_norm": 0.34034600853919983,
|
| 701 |
+
"learning_rate": 6.9333333333333344e-06,
|
| 702 |
+
"loss": 0.2144,
|
| 703 |
+
"step": 49000
|
| 704 |
+
},
|
| 705 |
+
{
|
| 706 |
+
"epoch": 1.98,
|
| 707 |
+
"grad_norm": 0.3342379927635193,
|
| 708 |
+
"learning_rate": 6.800000000000001e-06,
|
| 709 |
+
"loss": 0.2051,
|
| 710 |
+
"step": 49500
|
| 711 |
+
},
|
| 712 |
+
{
|
| 713 |
+
"epoch": 2.0,
|
| 714 |
+
"grad_norm": 0.33202606439590454,
|
| 715 |
+
"learning_rate": 6.666666666666667e-06,
|
| 716 |
+
"loss": 0.2096,
|
| 717 |
+
"step": 50000
|
| 718 |
+
},
|
| 719 |
+
{
|
| 720 |
+
"epoch": 2.0,
|
| 721 |
+
"eval_loss": 0.1980527937412262,
|
| 722 |
+
"eval_runtime": 10.9927,
|
| 723 |
+
"eval_samples_per_second": 90.97,
|
| 724 |
+
"eval_steps_per_second": 22.742,
|
| 725 |
+
"step": 50000
|
| 726 |
+
},
|
| 727 |
+
{
|
| 728 |
+
"epoch": 2.02,
|
| 729 |
+
"grad_norm": 0.2342185229063034,
|
| 730 |
+
"learning_rate": 6.533333333333334e-06,
|
| 731 |
+
"loss": 0.2147,
|
| 732 |
+
"step": 50500
|
| 733 |
+
},
|
| 734 |
+
{
|
| 735 |
+
"epoch": 2.04,
|
| 736 |
+
"grad_norm": 0.319594144821167,
|
| 737 |
+
"learning_rate": 6.4000000000000006e-06,
|
| 738 |
+
"loss": 0.2239,
|
| 739 |
+
"step": 51000
|
| 740 |
+
},
|
| 741 |
+
{
|
| 742 |
+
"epoch": 2.06,
|
| 743 |
+
"grad_norm": 0.3202972710132599,
|
| 744 |
+
"learning_rate": 6.266666666666668e-06,
|
| 745 |
+
"loss": 0.2125,
|
| 746 |
+
"step": 51500
|
| 747 |
+
},
|
| 748 |
+
{
|
| 749 |
+
"epoch": 2.08,
|
| 750 |
+
"grad_norm": 0.2449750006198883,
|
| 751 |
+
"learning_rate": 6.133333333333334e-06,
|
| 752 |
+
"loss": 0.2113,
|
| 753 |
+
"step": 52000
|
| 754 |
+
},
|
| 755 |
+
{
|
| 756 |
+
"epoch": 2.1,
|
| 757 |
+
"grad_norm": 0.31305617094039917,
|
| 758 |
+
"learning_rate": 6e-06,
|
| 759 |
+
"loss": 0.2128,
|
| 760 |
+
"step": 52500
|
| 761 |
+
},
|
| 762 |
+
{
|
| 763 |
+
"epoch": 2.12,
|
| 764 |
+
"grad_norm": 0.25055646896362305,
|
| 765 |
+
"learning_rate": 5.8666666666666675e-06,
|
| 766 |
+
"loss": 0.2185,
|
| 767 |
+
"step": 53000
|
| 768 |
+
},
|
| 769 |
+
{
|
| 770 |
+
"epoch": 2.14,
|
| 771 |
+
"grad_norm": 0.2873338758945465,
|
| 772 |
+
"learning_rate": 5.733333333333334e-06,
|
| 773 |
+
"loss": 0.2054,
|
| 774 |
+
"step": 53500
|
| 775 |
+
},
|
| 776 |
+
{
|
| 777 |
+
"epoch": 2.16,
|
| 778 |
+
"grad_norm": 0.47889474034309387,
|
| 779 |
+
"learning_rate": 5.600000000000001e-06,
|
| 780 |
+
"loss": 0.211,
|
| 781 |
+
"step": 54000
|
| 782 |
+
},
|
| 783 |
+
{
|
| 784 |
+
"epoch": 2.18,
|
| 785 |
+
"grad_norm": 0.21017707884311676,
|
| 786 |
+
"learning_rate": 5.466666666666667e-06,
|
| 787 |
+
"loss": 0.2135,
|
| 788 |
+
"step": 54500
|
| 789 |
+
},
|
| 790 |
+
{
|
| 791 |
+
"epoch": 2.2,
|
| 792 |
+
"grad_norm": 0.2858998477458954,
|
| 793 |
+
"learning_rate": 5.333333333333334e-06,
|
| 794 |
+
"loss": 0.2182,
|
| 795 |
+
"step": 55000
|
| 796 |
+
},
|
| 797 |
+
{
|
| 798 |
+
"epoch": 2.22,
|
| 799 |
+
"grad_norm": 0.4663793444633484,
|
| 800 |
+
"learning_rate": 5.2e-06,
|
| 801 |
+
"loss": 0.2165,
|
| 802 |
+
"step": 55500
|
| 803 |
+
},
|
| 804 |
+
{
|
| 805 |
+
"epoch": 2.24,
|
| 806 |
+
"grad_norm": 0.42820295691490173,
|
| 807 |
+
"learning_rate": 5.0666666666666676e-06,
|
| 808 |
+
"loss": 0.2201,
|
| 809 |
+
"step": 56000
|
| 810 |
+
},
|
| 811 |
+
{
|
| 812 |
+
"epoch": 2.26,
|
| 813 |
+
"grad_norm": 0.2752612829208374,
|
| 814 |
+
"learning_rate": 4.933333333333334e-06,
|
| 815 |
+
"loss": 0.2161,
|
| 816 |
+
"step": 56500
|
| 817 |
+
},
|
| 818 |
+
{
|
| 819 |
+
"epoch": 2.2800000000000002,
|
| 820 |
+
"grad_norm": 0.2299540936946869,
|
| 821 |
+
"learning_rate": 4.800000000000001e-06,
|
| 822 |
+
"loss": 0.2067,
|
| 823 |
+
"step": 57000
|
| 824 |
+
},
|
| 825 |
+
{
|
| 826 |
+
"epoch": 2.3,
|
| 827 |
+
"grad_norm": 0.314296156167984,
|
| 828 |
+
"learning_rate": 4.666666666666667e-06,
|
| 829 |
+
"loss": 0.2076,
|
| 830 |
+
"step": 57500
|
| 831 |
+
},
|
| 832 |
+
{
|
| 833 |
+
"epoch": 2.32,
|
| 834 |
+
"grad_norm": 0.24963995814323425,
|
| 835 |
+
"learning_rate": 4.533333333333334e-06,
|
| 836 |
+
"loss": 0.2133,
|
| 837 |
+
"step": 58000
|
| 838 |
+
},
|
| 839 |
+
{
|
| 840 |
+
"epoch": 2.34,
|
| 841 |
+
"grad_norm": 0.3087896406650543,
|
| 842 |
+
"learning_rate": 4.4e-06,
|
| 843 |
+
"loss": 0.2075,
|
| 844 |
+
"step": 58500
|
| 845 |
+
},
|
| 846 |
+
{
|
| 847 |
+
"epoch": 2.36,
|
| 848 |
+
"grad_norm": 0.2801326811313629,
|
| 849 |
+
"learning_rate": 4.266666666666668e-06,
|
| 850 |
+
"loss": 0.2181,
|
| 851 |
+
"step": 59000
|
| 852 |
+
},
|
| 853 |
+
{
|
| 854 |
+
"epoch": 2.38,
|
| 855 |
+
"grad_norm": 0.29823967814445496,
|
| 856 |
+
"learning_rate": 4.133333333333333e-06,
|
| 857 |
+
"loss": 0.2152,
|
| 858 |
+
"step": 59500
|
| 859 |
+
},
|
| 860 |
+
{
|
| 861 |
+
"epoch": 2.4,
|
| 862 |
+
"grad_norm": 0.4328930974006653,
|
| 863 |
+
"learning_rate": 4.000000000000001e-06,
|
| 864 |
+
"loss": 0.2097,
|
| 865 |
+
"step": 60000
|
| 866 |
+
},
|
| 867 |
+
{
|
| 868 |
+
"epoch": 2.42,
|
| 869 |
+
"grad_norm": 0.2497890442609787,
|
| 870 |
+
"learning_rate": 3.866666666666667e-06,
|
| 871 |
+
"loss": 0.201,
|
| 872 |
+
"step": 60500
|
| 873 |
+
},
|
| 874 |
+
{
|
| 875 |
+
"epoch": 2.44,
|
| 876 |
+
"grad_norm": 0.17034302651882172,
|
| 877 |
+
"learning_rate": 3.7333333333333337e-06,
|
| 878 |
+
"loss": 0.2114,
|
| 879 |
+
"step": 61000
|
| 880 |
+
},
|
| 881 |
+
{
|
| 882 |
+
"epoch": 2.46,
|
| 883 |
+
"grad_norm": 0.23970113694667816,
|
| 884 |
+
"learning_rate": 3.6000000000000003e-06,
|
| 885 |
+
"loss": 0.2054,
|
| 886 |
+
"step": 61500
|
| 887 |
+
},
|
| 888 |
+
{
|
| 889 |
+
"epoch": 2.48,
|
| 890 |
+
"grad_norm": 0.3032028377056122,
|
| 891 |
+
"learning_rate": 3.4666666666666672e-06,
|
| 892 |
+
"loss": 0.2029,
|
| 893 |
+
"step": 62000
|
| 894 |
+
},
|
| 895 |
+
{
|
| 896 |
+
"epoch": 2.5,
|
| 897 |
+
"grad_norm": 0.5612643361091614,
|
| 898 |
+
"learning_rate": 3.3333333333333333e-06,
|
| 899 |
+
"loss": 0.2056,
|
| 900 |
+
"step": 62500
|
| 901 |
+
},
|
| 902 |
+
{
|
| 903 |
+
"epoch": 2.52,
|
| 904 |
+
"grad_norm": 0.18388061225414276,
|
| 905 |
+
"learning_rate": 3.2000000000000003e-06,
|
| 906 |
+
"loss": 0.2019,
|
| 907 |
+
"step": 63000
|
| 908 |
+
},
|
| 909 |
+
{
|
| 910 |
+
"epoch": 2.54,
|
| 911 |
+
"grad_norm": 0.2556619942188263,
|
| 912 |
+
"learning_rate": 3.066666666666667e-06,
|
| 913 |
+
"loss": 0.2071,
|
| 914 |
+
"step": 63500
|
| 915 |
+
},
|
| 916 |
+
{
|
| 917 |
+
"epoch": 2.56,
|
| 918 |
+
"grad_norm": 0.3294680416584015,
|
| 919 |
+
"learning_rate": 2.9333333333333338e-06,
|
| 920 |
+
"loss": 0.2161,
|
| 921 |
+
"step": 64000
|
| 922 |
+
},
|
| 923 |
+
{
|
| 924 |
+
"epoch": 2.58,
|
| 925 |
+
"grad_norm": 0.21298156678676605,
|
| 926 |
+
"learning_rate": 2.8000000000000003e-06,
|
| 927 |
+
"loss": 0.2187,
|
| 928 |
+
"step": 64500
|
| 929 |
+
},
|
| 930 |
+
{
|
| 931 |
+
"epoch": 2.6,
|
| 932 |
+
"grad_norm": 0.3082614839076996,
|
| 933 |
+
"learning_rate": 2.666666666666667e-06,
|
| 934 |
+
"loss": 0.2091,
|
| 935 |
+
"step": 65000
|
| 936 |
+
},
|
| 937 |
+
{
|
| 938 |
+
"epoch": 2.62,
|
| 939 |
+
"grad_norm": 0.3203527331352234,
|
| 940 |
+
"learning_rate": 2.5333333333333338e-06,
|
| 941 |
+
"loss": 0.2028,
|
| 942 |
+
"step": 65500
|
| 943 |
+
},
|
| 944 |
+
{
|
| 945 |
+
"epoch": 2.64,
|
| 946 |
+
"grad_norm": 0.3820157051086426,
|
| 947 |
+
"learning_rate": 2.4000000000000003e-06,
|
| 948 |
+
"loss": 0.2121,
|
| 949 |
+
"step": 66000
|
| 950 |
+
},
|
| 951 |
+
{
|
| 952 |
+
"epoch": 2.66,
|
| 953 |
+
"grad_norm": 0.2910447418689728,
|
| 954 |
+
"learning_rate": 2.266666666666667e-06,
|
| 955 |
+
"loss": 0.2059,
|
| 956 |
+
"step": 66500
|
| 957 |
+
},
|
| 958 |
+
{
|
| 959 |
+
"epoch": 2.68,
|
| 960 |
+
"grad_norm": 0.22365550696849823,
|
| 961 |
+
"learning_rate": 2.133333333333334e-06,
|
| 962 |
+
"loss": 0.2035,
|
| 963 |
+
"step": 67000
|
| 964 |
+
},
|
| 965 |
+
{
|
| 966 |
+
"epoch": 2.7,
|
| 967 |
+
"grad_norm": 0.2558656930923462,
|
| 968 |
+
"learning_rate": 2.0000000000000003e-06,
|
| 969 |
+
"loss": 0.2084,
|
| 970 |
+
"step": 67500
|
| 971 |
+
},
|
| 972 |
+
{
|
| 973 |
+
"epoch": 2.7199999999999998,
|
| 974 |
+
"grad_norm": 0.2702789008617401,
|
| 975 |
+
"learning_rate": 1.8666666666666669e-06,
|
| 976 |
+
"loss": 0.2086,
|
| 977 |
+
"step": 68000
|
| 978 |
+
},
|
| 979 |
+
{
|
| 980 |
+
"epoch": 2.74,
|
| 981 |
+
"grad_norm": 0.25935545563697815,
|
| 982 |
+
"learning_rate": 1.7333333333333336e-06,
|
| 983 |
+
"loss": 0.2181,
|
| 984 |
+
"step": 68500
|
| 985 |
+
},
|
| 986 |
+
{
|
| 987 |
+
"epoch": 2.76,
|
| 988 |
+
"grad_norm": 0.21400877833366394,
|
| 989 |
+
"learning_rate": 1.6000000000000001e-06,
|
| 990 |
+
"loss": 0.2022,
|
| 991 |
+
"step": 69000
|
| 992 |
+
},
|
| 993 |
+
{
|
| 994 |
+
"epoch": 2.7800000000000002,
|
| 995 |
+
"grad_norm": 0.5673146843910217,
|
| 996 |
+
"learning_rate": 1.4666666666666669e-06,
|
| 997 |
+
"loss": 0.2045,
|
| 998 |
+
"step": 69500
|
| 999 |
+
},
|
| 1000 |
+
{
|
| 1001 |
+
"epoch": 2.8,
|
| 1002 |
+
"grad_norm": 0.2596617341041565,
|
| 1003 |
+
"learning_rate": 1.3333333333333334e-06,
|
| 1004 |
+
"loss": 0.2048,
|
| 1005 |
+
"step": 70000
|
| 1006 |
+
},
|
| 1007 |
+
{
|
| 1008 |
+
"epoch": 2.82,
|
| 1009 |
+
"grad_norm": 0.2350250780582428,
|
| 1010 |
+
"learning_rate": 1.2000000000000002e-06,
|
| 1011 |
+
"loss": 0.2121,
|
| 1012 |
+
"step": 70500
|
| 1013 |
+
},
|
| 1014 |
+
{
|
| 1015 |
+
"epoch": 2.84,
|
| 1016 |
+
"grad_norm": 0.2601478695869446,
|
| 1017 |
+
"learning_rate": 1.066666666666667e-06,
|
| 1018 |
+
"loss": 0.2161,
|
| 1019 |
+
"step": 71000
|
| 1020 |
+
},
|
| 1021 |
+
{
|
| 1022 |
+
"epoch": 2.86,
|
| 1023 |
+
"grad_norm": 0.3479035794734955,
|
| 1024 |
+
"learning_rate": 9.333333333333334e-07,
|
| 1025 |
+
"loss": 0.207,
|
| 1026 |
+
"step": 71500
|
| 1027 |
+
},
|
| 1028 |
+
{
|
| 1029 |
+
"epoch": 2.88,
|
| 1030 |
+
"grad_norm": 0.4192832410335541,
|
| 1031 |
+
"learning_rate": 8.000000000000001e-07,
|
| 1032 |
+
"loss": 0.2036,
|
| 1033 |
+
"step": 72000
|
| 1034 |
+
},
|
| 1035 |
+
{
|
| 1036 |
+
"epoch": 2.9,
|
| 1037 |
+
"grad_norm": 0.30366411805152893,
|
| 1038 |
+
"learning_rate": 6.666666666666667e-07,
|
| 1039 |
+
"loss": 0.2095,
|
| 1040 |
+
"step": 72500
|
| 1041 |
+
},
|
| 1042 |
+
{
|
| 1043 |
+
"epoch": 2.92,
|
| 1044 |
+
"grad_norm": 0.23220354318618774,
|
| 1045 |
+
"learning_rate": 5.333333333333335e-07,
|
| 1046 |
+
"loss": 0.2071,
|
| 1047 |
+
"step": 73000
|
| 1048 |
+
},
|
| 1049 |
+
{
|
| 1050 |
+
"epoch": 2.94,
|
| 1051 |
+
"grad_norm": 0.22450090944766998,
|
| 1052 |
+
"learning_rate": 4.0000000000000003e-07,
|
| 1053 |
+
"loss": 0.2074,
|
| 1054 |
+
"step": 73500
|
| 1055 |
+
},
|
| 1056 |
+
{
|
| 1057 |
+
"epoch": 2.96,
|
| 1058 |
+
"grad_norm": 0.24090144038200378,
|
| 1059 |
+
"learning_rate": 2.666666666666667e-07,
|
| 1060 |
+
"loss": 0.211,
|
| 1061 |
+
"step": 74000
|
| 1062 |
+
}
|
| 1063 |
+
],
|
| 1064 |
+
"logging_steps": 500,
|
| 1065 |
+
"max_steps": 75000,
|
| 1066 |
+
"num_input_tokens_seen": 0,
|
| 1067 |
+
"num_train_epochs": 3,
|
| 1068 |
+
"save_steps": 500,
|
| 1069 |
+
"stateful_callbacks": {
|
| 1070 |
+
"TrainerControl": {
|
| 1071 |
+
"args": {
|
| 1072 |
+
"should_epoch_stop": false,
|
| 1073 |
+
"should_evaluate": false,
|
| 1074 |
+
"should_log": false,
|
| 1075 |
+
"should_save": true,
|
| 1076 |
+
"should_training_stop": false
|
| 1077 |
+
},
|
| 1078 |
+
"attributes": {}
|
| 1079 |
+
}
|
| 1080 |
+
},
|
| 1081 |
+
"total_flos": 7.825495425024e+16,
|
| 1082 |
+
"train_batch_size": 4,
|
| 1083 |
+
"trial_name": null,
|
| 1084 |
+
"trial_params": null
|
| 1085 |
+
}
|
training_args.bin
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:a355da82fcdf993093a424dbc05c11b6237505d9fb526d9c0eb16a3130c8a4a4
|
| 3 |
+
size 5368
|