| { | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 0.5, | |
| "eval_steps": 75, | |
| "global_step": 375, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.0013333333333333333, | |
| "grad_norm": 5.494853571957073, | |
| "learning_rate": 1.5e-06, | |
| "loss": 2.2794, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.0013333333333333333, | |
| "eval_loss": 1.8317261934280396, | |
| "eval_runtime": 98.252, | |
| "eval_samples_per_second": 1.018, | |
| "eval_steps_per_second": 0.254, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.0026666666666666666, | |
| "grad_norm": 0.4396391591358924, | |
| "learning_rate": 3e-06, | |
| "loss": 2.2089, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.004, | |
| "grad_norm": 0.6704432458412378, | |
| "learning_rate": 4.5e-06, | |
| "loss": 2.3789, | |
| "step": 3 | |
| }, | |
| { | |
| "epoch": 0.005333333333333333, | |
| "grad_norm": 0.5524719828039701, | |
| "learning_rate": 6e-06, | |
| "loss": 1.9508, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.006666666666666667, | |
| "grad_norm": 1.551345196476793, | |
| "learning_rate": 7.5e-06, | |
| "loss": 2.3302, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 0.008, | |
| "grad_norm": 1.4425623787692365, | |
| "learning_rate": 9e-06, | |
| "loss": 2.4649, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 0.009333333333333334, | |
| "grad_norm": 1.9558403413673842, | |
| "learning_rate": 1.05e-05, | |
| "loss": 2.5318, | |
| "step": 7 | |
| }, | |
| { | |
| "epoch": 0.010666666666666666, | |
| "grad_norm": 0.6930931382639645, | |
| "learning_rate": 1.2e-05, | |
| "loss": 1.9398, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 0.012, | |
| "grad_norm": 0.40522998481846323, | |
| "learning_rate": 1.3500000000000001e-05, | |
| "loss": 2.4355, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 0.013333333333333334, | |
| "grad_norm": 2.194079323679347, | |
| "learning_rate": 1.5e-05, | |
| "loss": 2.3417, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.014666666666666666, | |
| "grad_norm": 2.5436460717739156, | |
| "learning_rate": 1.65e-05, | |
| "loss": 2.4571, | |
| "step": 11 | |
| }, | |
| { | |
| "epoch": 0.016, | |
| "grad_norm": 1.9496092240793341, | |
| "learning_rate": 1.8e-05, | |
| "loss": 1.9637, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 0.017333333333333333, | |
| "grad_norm": 1.2616722727237577, | |
| "learning_rate": 1.95e-05, | |
| "loss": 2.5866, | |
| "step": 13 | |
| }, | |
| { | |
| "epoch": 0.018666666666666668, | |
| "grad_norm": 0.3060862022495338, | |
| "learning_rate": 2.1e-05, | |
| "loss": 2.1547, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 0.02, | |
| "grad_norm": 0.5028816367161089, | |
| "learning_rate": 2.25e-05, | |
| "loss": 1.8957, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 0.021333333333333333, | |
| "grad_norm": 0.5034069784636721, | |
| "learning_rate": 2.4e-05, | |
| "loss": 2.1151, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 0.02266666666666667, | |
| "grad_norm": 1.5564960276262187, | |
| "learning_rate": 2.55e-05, | |
| "loss": 2.3041, | |
| "step": 17 | |
| }, | |
| { | |
| "epoch": 0.024, | |
| "grad_norm": 0.4958603020666427, | |
| "learning_rate": 2.7000000000000002e-05, | |
| "loss": 2.0962, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 0.025333333333333333, | |
| "grad_norm": 1.5362995691059922, | |
| "learning_rate": 2.8499999999999998e-05, | |
| "loss": 2.3989, | |
| "step": 19 | |
| }, | |
| { | |
| "epoch": 0.02666666666666667, | |
| "grad_norm": 0.648652241685575, | |
| "learning_rate": 3e-05, | |
| "loss": 2.5339, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.028, | |
| "grad_norm": 0.554470724602306, | |
| "learning_rate": 2.999996958555301e-05, | |
| "loss": 2.4793, | |
| "step": 21 | |
| }, | |
| { | |
| "epoch": 0.029333333333333333, | |
| "grad_norm": 1.3508987707917082, | |
| "learning_rate": 2.999987834234907e-05, | |
| "loss": 2.3167, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 0.030666666666666665, | |
| "grad_norm": 0.4599504691462346, | |
| "learning_rate": 2.9999726270799325e-05, | |
| "loss": 2.36, | |
| "step": 23 | |
| }, | |
| { | |
| "epoch": 0.032, | |
| "grad_norm": 1.0007538870075432, | |
| "learning_rate": 2.999951337158897e-05, | |
| "loss": 2.2342, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 0.03333333333333333, | |
| "grad_norm": 0.8436818785690442, | |
| "learning_rate": 2.9999239645677304e-05, | |
| "loss": 2.2803, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 0.034666666666666665, | |
| "grad_norm": 0.37337797248642607, | |
| "learning_rate": 2.9998905094297686e-05, | |
| "loss": 2.188, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 0.036, | |
| "grad_norm": 0.16596641795830927, | |
| "learning_rate": 2.9998509718957563e-05, | |
| "loss": 2.105, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 0.037333333333333336, | |
| "grad_norm": 0.3163756174860874, | |
| "learning_rate": 2.9998053521438427e-05, | |
| "loss": 2.1819, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 0.03866666666666667, | |
| "grad_norm": 0.73179742586677, | |
| "learning_rate": 2.9997536503795834e-05, | |
| "loss": 2.2281, | |
| "step": 29 | |
| }, | |
| { | |
| "epoch": 0.04, | |
| "grad_norm": 0.18793418314598326, | |
| "learning_rate": 2.9996958668359386e-05, | |
| "loss": 2.1174, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.04133333333333333, | |
| "grad_norm": 0.6403343407451153, | |
| "learning_rate": 2.999632001773272e-05, | |
| "loss": 2.3419, | |
| "step": 31 | |
| }, | |
| { | |
| "epoch": 0.042666666666666665, | |
| "grad_norm": 0.2773466547599625, | |
| "learning_rate": 2.9995620554793495e-05, | |
| "loss": 1.9779, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 0.044, | |
| "grad_norm": 0.42992322954286805, | |
| "learning_rate": 2.999486028269338e-05, | |
| "loss": 1.891, | |
| "step": 33 | |
| }, | |
| { | |
| "epoch": 0.04533333333333334, | |
| "grad_norm": 0.3880877285520559, | |
| "learning_rate": 2.9994039204858043e-05, | |
| "loss": 1.9488, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 0.04666666666666667, | |
| "grad_norm": 0.38995745148913935, | |
| "learning_rate": 2.999315732498714e-05, | |
| "loss": 2.5013, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 0.048, | |
| "grad_norm": 0.4228621926559084, | |
| "learning_rate": 2.999221464705427e-05, | |
| "loss": 2.1356, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 0.04933333333333333, | |
| "grad_norm": 0.4663890399818879, | |
| "learning_rate": 2.9991211175307006e-05, | |
| "loss": 2.155, | |
| "step": 37 | |
| }, | |
| { | |
| "epoch": 0.050666666666666665, | |
| "grad_norm": 0.5287155786829871, | |
| "learning_rate": 2.9990146914266826e-05, | |
| "loss": 1.8496, | |
| "step": 38 | |
| }, | |
| { | |
| "epoch": 0.052, | |
| "grad_norm": 0.33925018851926647, | |
| "learning_rate": 2.9989021868729135e-05, | |
| "loss": 2.1315, | |
| "step": 39 | |
| }, | |
| { | |
| "epoch": 0.05333333333333334, | |
| "grad_norm": 0.16522140027488588, | |
| "learning_rate": 2.99878360437632e-05, | |
| "loss": 2.0977, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.05466666666666667, | |
| "grad_norm": 0.6355838754971164, | |
| "learning_rate": 2.998658944471217e-05, | |
| "loss": 2.1459, | |
| "step": 41 | |
| }, | |
| { | |
| "epoch": 0.056, | |
| "grad_norm": 0.26447590316147407, | |
| "learning_rate": 2.9985282077193026e-05, | |
| "loss": 2.0833, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 0.05733333333333333, | |
| "grad_norm": 0.29258668895913753, | |
| "learning_rate": 2.9983913947096563e-05, | |
| "loss": 2.2603, | |
| "step": 43 | |
| }, | |
| { | |
| "epoch": 0.058666666666666666, | |
| "grad_norm": 0.2920264557478038, | |
| "learning_rate": 2.9982485060587357e-05, | |
| "loss": 1.9828, | |
| "step": 44 | |
| }, | |
| { | |
| "epoch": 0.06, | |
| "grad_norm": 0.3860467745966656, | |
| "learning_rate": 2.9980995424103748e-05, | |
| "loss": 2.4214, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 0.06133333333333333, | |
| "grad_norm": 0.5757512413804123, | |
| "learning_rate": 2.9979445044357814e-05, | |
| "loss": 2.212, | |
| "step": 46 | |
| }, | |
| { | |
| "epoch": 0.06266666666666666, | |
| "grad_norm": 0.21304621427134704, | |
| "learning_rate": 2.9977833928335316e-05, | |
| "loss": 1.9271, | |
| "step": 47 | |
| }, | |
| { | |
| "epoch": 0.064, | |
| "grad_norm": 0.3301257012003079, | |
| "learning_rate": 2.9976162083295694e-05, | |
| "loss": 2.0472, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 0.06533333333333333, | |
| "grad_norm": 0.3008211448973632, | |
| "learning_rate": 2.9974429516772018e-05, | |
| "loss": 2.4323, | |
| "step": 49 | |
| }, | |
| { | |
| "epoch": 0.06666666666666667, | |
| "grad_norm": 0.26704445986476444, | |
| "learning_rate": 2.997263623657097e-05, | |
| "loss": 2.003, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.068, | |
| "grad_norm": 0.24343367493238866, | |
| "learning_rate": 2.9970782250772786e-05, | |
| "loss": 1.9911, | |
| "step": 51 | |
| }, | |
| { | |
| "epoch": 0.06933333333333333, | |
| "grad_norm": 0.36868774906810614, | |
| "learning_rate": 2.9968867567731233e-05, | |
| "loss": 2.3312, | |
| "step": 52 | |
| }, | |
| { | |
| "epoch": 0.07066666666666667, | |
| "grad_norm": 0.4346673091737939, | |
| "learning_rate": 2.9966892196073583e-05, | |
| "loss": 2.0461, | |
| "step": 53 | |
| }, | |
| { | |
| "epoch": 0.072, | |
| "grad_norm": 0.27732062938320917, | |
| "learning_rate": 2.996485614470054e-05, | |
| "loss": 1.8782, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 0.07333333333333333, | |
| "grad_norm": 0.5044098714622329, | |
| "learning_rate": 2.9962759422786248e-05, | |
| "loss": 2.3024, | |
| "step": 55 | |
| }, | |
| { | |
| "epoch": 0.07466666666666667, | |
| "grad_norm": 0.35584299953539106, | |
| "learning_rate": 2.9960602039778196e-05, | |
| "loss": 1.9019, | |
| "step": 56 | |
| }, | |
| { | |
| "epoch": 0.076, | |
| "grad_norm": 0.25515628575898364, | |
| "learning_rate": 2.995838400539723e-05, | |
| "loss": 2.1745, | |
| "step": 57 | |
| }, | |
| { | |
| "epoch": 0.07733333333333334, | |
| "grad_norm": 0.22266755698926835, | |
| "learning_rate": 2.9956105329637454e-05, | |
| "loss": 2.3572, | |
| "step": 58 | |
| }, | |
| { | |
| "epoch": 0.07866666666666666, | |
| "grad_norm": 0.23590376658875728, | |
| "learning_rate": 2.9953766022766228e-05, | |
| "loss": 2.2639, | |
| "step": 59 | |
| }, | |
| { | |
| "epoch": 0.08, | |
| "grad_norm": 0.19958974114647998, | |
| "learning_rate": 2.9951366095324108e-05, | |
| "loss": 2.2983, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 0.08133333333333333, | |
| "grad_norm": 0.26170668739549613, | |
| "learning_rate": 2.994890555812479e-05, | |
| "loss": 1.7797, | |
| "step": 61 | |
| }, | |
| { | |
| "epoch": 0.08266666666666667, | |
| "grad_norm": 0.1947500638232896, | |
| "learning_rate": 2.9946384422255074e-05, | |
| "loss": 2.232, | |
| "step": 62 | |
| }, | |
| { | |
| "epoch": 0.084, | |
| "grad_norm": 0.18048707660964908, | |
| "learning_rate": 2.9943802699074796e-05, | |
| "loss": 2.3487, | |
| "step": 63 | |
| }, | |
| { | |
| "epoch": 0.08533333333333333, | |
| "grad_norm": 0.21913225188044025, | |
| "learning_rate": 2.994116040021681e-05, | |
| "loss": 2.1964, | |
| "step": 64 | |
| }, | |
| { | |
| "epoch": 0.08666666666666667, | |
| "grad_norm": 0.4242826633242974, | |
| "learning_rate": 2.9938457537586896e-05, | |
| "loss": 2.3137, | |
| "step": 65 | |
| }, | |
| { | |
| "epoch": 0.088, | |
| "grad_norm": 0.2557454392806272, | |
| "learning_rate": 2.9935694123363727e-05, | |
| "loss": 2.1458, | |
| "step": 66 | |
| }, | |
| { | |
| "epoch": 0.08933333333333333, | |
| "grad_norm": 0.3093808768168103, | |
| "learning_rate": 2.9932870169998825e-05, | |
| "loss": 2.1153, | |
| "step": 67 | |
| }, | |
| { | |
| "epoch": 0.09066666666666667, | |
| "grad_norm": 0.33819459397450213, | |
| "learning_rate": 2.9929985690216478e-05, | |
| "loss": 2.0772, | |
| "step": 68 | |
| }, | |
| { | |
| "epoch": 0.092, | |
| "grad_norm": 0.21377958208808176, | |
| "learning_rate": 2.9927040697013705e-05, | |
| "loss": 2.1949, | |
| "step": 69 | |
| }, | |
| { | |
| "epoch": 0.09333333333333334, | |
| "grad_norm": 0.2652218777029591, | |
| "learning_rate": 2.9924035203660188e-05, | |
| "loss": 2.0031, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 0.09466666666666666, | |
| "grad_norm": 0.23574741210798578, | |
| "learning_rate": 2.9920969223698202e-05, | |
| "loss": 1.9449, | |
| "step": 71 | |
| }, | |
| { | |
| "epoch": 0.096, | |
| "grad_norm": 0.2226926959097067, | |
| "learning_rate": 2.991784277094258e-05, | |
| "loss": 2.031, | |
| "step": 72 | |
| }, | |
| { | |
| "epoch": 0.09733333333333333, | |
| "grad_norm": 0.24814250998530846, | |
| "learning_rate": 2.9914655859480632e-05, | |
| "loss": 2.0921, | |
| "step": 73 | |
| }, | |
| { | |
| "epoch": 0.09866666666666667, | |
| "grad_norm": 0.33914254917033065, | |
| "learning_rate": 2.991140850367208e-05, | |
| "loss": 2.2183, | |
| "step": 74 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 0.25867270370266443, | |
| "learning_rate": 2.990810071814901e-05, | |
| "loss": 1.6416, | |
| "step": 75 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "eval_loss": 1.782590389251709, | |
| "eval_runtime": 98.6583, | |
| "eval_samples_per_second": 1.014, | |
| "eval_steps_per_second": 0.253, | |
| "step": 75 | |
| }, | |
| { | |
| "epoch": 0.10133333333333333, | |
| "grad_norm": 0.22920181089355457, | |
| "learning_rate": 2.990473251781578e-05, | |
| "loss": 2.1863, | |
| "step": 76 | |
| }, | |
| { | |
| "epoch": 0.10266666666666667, | |
| "grad_norm": 0.18274633553603156, | |
| "learning_rate": 2.9901303917848977e-05, | |
| "loss": 2.2399, | |
| "step": 77 | |
| }, | |
| { | |
| "epoch": 0.104, | |
| "grad_norm": 0.18220877055008589, | |
| "learning_rate": 2.9897814933697335e-05, | |
| "loss": 1.9149, | |
| "step": 78 | |
| }, | |
| { | |
| "epoch": 0.10533333333333333, | |
| "grad_norm": 0.2021601886002538, | |
| "learning_rate": 2.9894265581081682e-05, | |
| "loss": 2.199, | |
| "step": 79 | |
| }, | |
| { | |
| "epoch": 0.10666666666666667, | |
| "grad_norm": 3.7616720925364286, | |
| "learning_rate": 2.989065587599484e-05, | |
| "loss": 2.1179, | |
| "step": 80 | |
| }, | |
| { | |
| "epoch": 0.108, | |
| "grad_norm": 0.23407462358542114, | |
| "learning_rate": 2.9886985834701577e-05, | |
| "loss": 2.5661, | |
| "step": 81 | |
| }, | |
| { | |
| "epoch": 0.10933333333333334, | |
| "grad_norm": 1.5338568979686038, | |
| "learning_rate": 2.9883255473738523e-05, | |
| "loss": 2.2263, | |
| "step": 82 | |
| }, | |
| { | |
| "epoch": 0.11066666666666666, | |
| "grad_norm": 0.24500727274505268, | |
| "learning_rate": 2.9879464809914113e-05, | |
| "loss": 2.0621, | |
| "step": 83 | |
| }, | |
| { | |
| "epoch": 0.112, | |
| "grad_norm": 0.21179059127462146, | |
| "learning_rate": 2.987561386030848e-05, | |
| "loss": 2.0356, | |
| "step": 84 | |
| }, | |
| { | |
| "epoch": 0.11333333333333333, | |
| "grad_norm": 0.3306008087329227, | |
| "learning_rate": 2.9871702642273404e-05, | |
| "loss": 2.0848, | |
| "step": 85 | |
| }, | |
| { | |
| "epoch": 0.11466666666666667, | |
| "grad_norm": 0.15657087812683942, | |
| "learning_rate": 2.9867731173432215e-05, | |
| "loss": 2.2127, | |
| "step": 86 | |
| }, | |
| { | |
| "epoch": 0.116, | |
| "grad_norm": 0.1886500437129195, | |
| "learning_rate": 2.9863699471679743e-05, | |
| "loss": 1.9854, | |
| "step": 87 | |
| }, | |
| { | |
| "epoch": 0.11733333333333333, | |
| "grad_norm": 0.22974349537556282, | |
| "learning_rate": 2.9859607555182206e-05, | |
| "loss": 2.1972, | |
| "step": 88 | |
| }, | |
| { | |
| "epoch": 0.11866666666666667, | |
| "grad_norm": 0.2578002903522265, | |
| "learning_rate": 2.9855455442377135e-05, | |
| "loss": 2.1804, | |
| "step": 89 | |
| }, | |
| { | |
| "epoch": 0.12, | |
| "grad_norm": 0.24109737247334548, | |
| "learning_rate": 2.9851243151973314e-05, | |
| "loss": 1.9523, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 0.12133333333333333, | |
| "grad_norm": 0.34121465203098633, | |
| "learning_rate": 2.9846970702950653e-05, | |
| "loss": 1.9493, | |
| "step": 91 | |
| }, | |
| { | |
| "epoch": 0.12266666666666666, | |
| "grad_norm": 0.2069391899522312, | |
| "learning_rate": 2.9842638114560144e-05, | |
| "loss": 2.2207, | |
| "step": 92 | |
| }, | |
| { | |
| "epoch": 0.124, | |
| "grad_norm": 0.41038744334249916, | |
| "learning_rate": 2.9838245406323763e-05, | |
| "loss": 2.0954, | |
| "step": 93 | |
| }, | |
| { | |
| "epoch": 0.12533333333333332, | |
| "grad_norm": 0.2818876029106677, | |
| "learning_rate": 2.9833792598034362e-05, | |
| "loss": 2.063, | |
| "step": 94 | |
| }, | |
| { | |
| "epoch": 0.12666666666666668, | |
| "grad_norm": 0.3963506275688602, | |
| "learning_rate": 2.9829279709755597e-05, | |
| "loss": 1.9915, | |
| "step": 95 | |
| }, | |
| { | |
| "epoch": 0.128, | |
| "grad_norm": 0.3357399751778237, | |
| "learning_rate": 2.9824706761821845e-05, | |
| "loss": 2.0319, | |
| "step": 96 | |
| }, | |
| { | |
| "epoch": 0.12933333333333333, | |
| "grad_norm": 0.2484694376564558, | |
| "learning_rate": 2.9820073774838092e-05, | |
| "loss": 1.9593, | |
| "step": 97 | |
| }, | |
| { | |
| "epoch": 0.13066666666666665, | |
| "grad_norm": 0.28583010649806945, | |
| "learning_rate": 2.9815380769679853e-05, | |
| "loss": 2.0876, | |
| "step": 98 | |
| }, | |
| { | |
| "epoch": 0.132, | |
| "grad_norm": 0.2839808516235786, | |
| "learning_rate": 2.9810627767493083e-05, | |
| "loss": 2.107, | |
| "step": 99 | |
| }, | |
| { | |
| "epoch": 0.13333333333333333, | |
| "grad_norm": 0.22309498057469626, | |
| "learning_rate": 2.9805814789694065e-05, | |
| "loss": 2.3163, | |
| "step": 100 | |
| }, | |
| { | |
| "epoch": 0.13466666666666666, | |
| "grad_norm": 0.21629704903995522, | |
| "learning_rate": 2.9800941857969325e-05, | |
| "loss": 1.9568, | |
| "step": 101 | |
| }, | |
| { | |
| "epoch": 0.136, | |
| "grad_norm": 0.2498232144819958, | |
| "learning_rate": 2.9796008994275533e-05, | |
| "loss": 2.2436, | |
| "step": 102 | |
| }, | |
| { | |
| "epoch": 0.13733333333333334, | |
| "grad_norm": 0.23251794806618262, | |
| "learning_rate": 2.979101622083941e-05, | |
| "loss": 2.1077, | |
| "step": 103 | |
| }, | |
| { | |
| "epoch": 0.13866666666666666, | |
| "grad_norm": 0.27094215165929786, | |
| "learning_rate": 2.978596356015761e-05, | |
| "loss": 2.2429, | |
| "step": 104 | |
| }, | |
| { | |
| "epoch": 0.14, | |
| "grad_norm": 0.23381976958310982, | |
| "learning_rate": 2.978085103499663e-05, | |
| "loss": 2.1045, | |
| "step": 105 | |
| }, | |
| { | |
| "epoch": 0.14133333333333334, | |
| "grad_norm": 0.31137413672950875, | |
| "learning_rate": 2.9775678668392713e-05, | |
| "loss": 2.2828, | |
| "step": 106 | |
| }, | |
| { | |
| "epoch": 0.14266666666666666, | |
| "grad_norm": 0.2510514954722372, | |
| "learning_rate": 2.9770446483651735e-05, | |
| "loss": 2.0488, | |
| "step": 107 | |
| }, | |
| { | |
| "epoch": 0.144, | |
| "grad_norm": 0.20677625084575546, | |
| "learning_rate": 2.976515450434911e-05, | |
| "loss": 2.0007, | |
| "step": 108 | |
| }, | |
| { | |
| "epoch": 0.14533333333333334, | |
| "grad_norm": 0.1441931078695141, | |
| "learning_rate": 2.9759802754329665e-05, | |
| "loss": 2.2914, | |
| "step": 109 | |
| }, | |
| { | |
| "epoch": 0.14666666666666667, | |
| "grad_norm": 0.2505777324570115, | |
| "learning_rate": 2.9754391257707555e-05, | |
| "loss": 2.3766, | |
| "step": 110 | |
| }, | |
| { | |
| "epoch": 0.148, | |
| "grad_norm": 0.15292718959769924, | |
| "learning_rate": 2.9748920038866134e-05, | |
| "loss": 2.0941, | |
| "step": 111 | |
| }, | |
| { | |
| "epoch": 0.14933333333333335, | |
| "grad_norm": 0.323283263320876, | |
| "learning_rate": 2.9743389122457864e-05, | |
| "loss": 2.249, | |
| "step": 112 | |
| }, | |
| { | |
| "epoch": 0.15066666666666667, | |
| "grad_norm": 0.18122528780601804, | |
| "learning_rate": 2.9737798533404195e-05, | |
| "loss": 2.225, | |
| "step": 113 | |
| }, | |
| { | |
| "epoch": 0.152, | |
| "grad_norm": 0.1959413592260722, | |
| "learning_rate": 2.9732148296895444e-05, | |
| "loss": 2.2521, | |
| "step": 114 | |
| }, | |
| { | |
| "epoch": 0.15333333333333332, | |
| "grad_norm": 0.3035240193818014, | |
| "learning_rate": 2.9726438438390702e-05, | |
| "loss": 1.8693, | |
| "step": 115 | |
| }, | |
| { | |
| "epoch": 0.15466666666666667, | |
| "grad_norm": 0.18185372954938864, | |
| "learning_rate": 2.9720668983617685e-05, | |
| "loss": 1.7352, | |
| "step": 116 | |
| }, | |
| { | |
| "epoch": 0.156, | |
| "grad_norm": 0.22324589503263917, | |
| "learning_rate": 2.9714839958572674e-05, | |
| "loss": 2.1327, | |
| "step": 117 | |
| }, | |
| { | |
| "epoch": 0.15733333333333333, | |
| "grad_norm": 0.17640470731953065, | |
| "learning_rate": 2.9708951389520338e-05, | |
| "loss": 2.3011, | |
| "step": 118 | |
| }, | |
| { | |
| "epoch": 0.15866666666666668, | |
| "grad_norm": 0.22566777150432568, | |
| "learning_rate": 2.970300330299365e-05, | |
| "loss": 2.2591, | |
| "step": 119 | |
| }, | |
| { | |
| "epoch": 0.16, | |
| "grad_norm": 0.26753575405847074, | |
| "learning_rate": 2.9696995725793764e-05, | |
| "loss": 1.9764, | |
| "step": 120 | |
| }, | |
| { | |
| "epoch": 0.16133333333333333, | |
| "grad_norm": 0.2625838791216609, | |
| "learning_rate": 2.969092868498988e-05, | |
| "loss": 2.0906, | |
| "step": 121 | |
| }, | |
| { | |
| "epoch": 0.16266666666666665, | |
| "grad_norm": 0.23542440806071088, | |
| "learning_rate": 2.9684802207919144e-05, | |
| "loss": 2.331, | |
| "step": 122 | |
| }, | |
| { | |
| "epoch": 0.164, | |
| "grad_norm": 0.16614596830245607, | |
| "learning_rate": 2.9678616322186506e-05, | |
| "loss": 2.0534, | |
| "step": 123 | |
| }, | |
| { | |
| "epoch": 0.16533333333333333, | |
| "grad_norm": 0.2087450409416601, | |
| "learning_rate": 2.9672371055664598e-05, | |
| "loss": 2.3241, | |
| "step": 124 | |
| }, | |
| { | |
| "epoch": 0.16666666666666666, | |
| "grad_norm": 0.19314135153093137, | |
| "learning_rate": 2.9666066436493612e-05, | |
| "loss": 2.0654, | |
| "step": 125 | |
| }, | |
| { | |
| "epoch": 0.168, | |
| "grad_norm": 0.21431158762567906, | |
| "learning_rate": 2.9659702493081184e-05, | |
| "loss": 1.9973, | |
| "step": 126 | |
| }, | |
| { | |
| "epoch": 0.16933333333333334, | |
| "grad_norm": 1.9808549742241428, | |
| "learning_rate": 2.965327925410226e-05, | |
| "loss": 2.0077, | |
| "step": 127 | |
| }, | |
| { | |
| "epoch": 0.17066666666666666, | |
| "grad_norm": 0.26139018103307665, | |
| "learning_rate": 2.9646796748498934e-05, | |
| "loss": 2.0224, | |
| "step": 128 | |
| }, | |
| { | |
| "epoch": 0.172, | |
| "grad_norm": 0.25005627301032396, | |
| "learning_rate": 2.9640255005480376e-05, | |
| "loss": 2.2725, | |
| "step": 129 | |
| }, | |
| { | |
| "epoch": 0.17333333333333334, | |
| "grad_norm": 0.15880416331686953, | |
| "learning_rate": 2.9633654054522655e-05, | |
| "loss": 2.2907, | |
| "step": 130 | |
| }, | |
| { | |
| "epoch": 0.17466666666666666, | |
| "grad_norm": 0.33529634494995547, | |
| "learning_rate": 2.9626993925368635e-05, | |
| "loss": 2.0113, | |
| "step": 131 | |
| }, | |
| { | |
| "epoch": 0.176, | |
| "grad_norm": 0.28246655756719385, | |
| "learning_rate": 2.9620274648027805e-05, | |
| "loss": 1.6602, | |
| "step": 132 | |
| }, | |
| { | |
| "epoch": 0.17733333333333334, | |
| "grad_norm": 0.19752740198982274, | |
| "learning_rate": 2.96134962527762e-05, | |
| "loss": 2.4049, | |
| "step": 133 | |
| }, | |
| { | |
| "epoch": 0.17866666666666667, | |
| "grad_norm": 0.24132626803001633, | |
| "learning_rate": 2.960665877015619e-05, | |
| "loss": 1.9882, | |
| "step": 134 | |
| }, | |
| { | |
| "epoch": 0.18, | |
| "grad_norm": 0.20387262050547844, | |
| "learning_rate": 2.959976223097642e-05, | |
| "loss": 2.1055, | |
| "step": 135 | |
| }, | |
| { | |
| "epoch": 0.18133333333333335, | |
| "grad_norm": 0.1624504592181784, | |
| "learning_rate": 2.9592806666311612e-05, | |
| "loss": 2.0519, | |
| "step": 136 | |
| }, | |
| { | |
| "epoch": 0.18266666666666667, | |
| "grad_norm": 0.17429829196685362, | |
| "learning_rate": 2.958579210750246e-05, | |
| "loss": 2.2465, | |
| "step": 137 | |
| }, | |
| { | |
| "epoch": 0.184, | |
| "grad_norm": 0.20450521945125338, | |
| "learning_rate": 2.9578718586155467e-05, | |
| "loss": 2.0122, | |
| "step": 138 | |
| }, | |
| { | |
| "epoch": 0.18533333333333332, | |
| "grad_norm": 0.25553899821370907, | |
| "learning_rate": 2.9571586134142824e-05, | |
| "loss": 1.9806, | |
| "step": 139 | |
| }, | |
| { | |
| "epoch": 0.18666666666666668, | |
| "grad_norm": 0.18251828378522442, | |
| "learning_rate": 2.956439478360224e-05, | |
| "loss": 2.0153, | |
| "step": 140 | |
| }, | |
| { | |
| "epoch": 0.188, | |
| "grad_norm": 0.27047669211119385, | |
| "learning_rate": 2.9557144566936813e-05, | |
| "loss": 2.3386, | |
| "step": 141 | |
| }, | |
| { | |
| "epoch": 0.18933333333333333, | |
| "grad_norm": 0.25054213266869674, | |
| "learning_rate": 2.9549835516814905e-05, | |
| "loss": 1.8871, | |
| "step": 142 | |
| }, | |
| { | |
| "epoch": 0.19066666666666668, | |
| "grad_norm": 0.2177646465341283, | |
| "learning_rate": 2.9542467666169946e-05, | |
| "loss": 1.9861, | |
| "step": 143 | |
| }, | |
| { | |
| "epoch": 0.192, | |
| "grad_norm": 0.23131873734472552, | |
| "learning_rate": 2.953504104820032e-05, | |
| "loss": 2.2903, | |
| "step": 144 | |
| }, | |
| { | |
| "epoch": 0.19333333333333333, | |
| "grad_norm": 0.19112449587530203, | |
| "learning_rate": 2.9527555696369217e-05, | |
| "loss": 2.079, | |
| "step": 145 | |
| }, | |
| { | |
| "epoch": 0.19466666666666665, | |
| "grad_norm": 0.25269202301867255, | |
| "learning_rate": 2.9520011644404457e-05, | |
| "loss": 2.0033, | |
| "step": 146 | |
| }, | |
| { | |
| "epoch": 0.196, | |
| "grad_norm": 0.27870777753889076, | |
| "learning_rate": 2.9512408926298362e-05, | |
| "loss": 2.0747, | |
| "step": 147 | |
| }, | |
| { | |
| "epoch": 0.19733333333333333, | |
| "grad_norm": 0.2356849572111222, | |
| "learning_rate": 2.9504747576307594e-05, | |
| "loss": 1.9859, | |
| "step": 148 | |
| }, | |
| { | |
| "epoch": 0.19866666666666666, | |
| "grad_norm": 0.24802404030831268, | |
| "learning_rate": 2.9497027628953e-05, | |
| "loss": 1.9636, | |
| "step": 149 | |
| }, | |
| { | |
| "epoch": 0.2, | |
| "grad_norm": 0.2705817304080749, | |
| "learning_rate": 2.9489249119019465e-05, | |
| "loss": 2.3547, | |
| "step": 150 | |
| }, | |
| { | |
| "epoch": 0.2, | |
| "eval_loss": 1.764258623123169, | |
| "eval_runtime": 98.8204, | |
| "eval_samples_per_second": 1.012, | |
| "eval_steps_per_second": 0.253, | |
| "step": 150 | |
| }, | |
| { | |
| "epoch": 0.20133333333333334, | |
| "grad_norm": 0.2582615198348039, | |
| "learning_rate": 2.948141208155574e-05, | |
| "loss": 2.0245, | |
| "step": 151 | |
| }, | |
| { | |
| "epoch": 0.20266666666666666, | |
| "grad_norm": 0.4907789285423073, | |
| "learning_rate": 2.9473516551874283e-05, | |
| "loss": 2.0994, | |
| "step": 152 | |
| }, | |
| { | |
| "epoch": 0.204, | |
| "grad_norm": 0.18922034328138926, | |
| "learning_rate": 2.946556256555113e-05, | |
| "loss": 2.323, | |
| "step": 153 | |
| }, | |
| { | |
| "epoch": 0.20533333333333334, | |
| "grad_norm": 0.2033901054041812, | |
| "learning_rate": 2.94575501584257e-05, | |
| "loss": 2.0412, | |
| "step": 154 | |
| }, | |
| { | |
| "epoch": 0.20666666666666667, | |
| "grad_norm": 0.44181703724009636, | |
| "learning_rate": 2.9449479366600646e-05, | |
| "loss": 2.0977, | |
| "step": 155 | |
| }, | |
| { | |
| "epoch": 0.208, | |
| "grad_norm": 0.23299679001877052, | |
| "learning_rate": 2.94413502264417e-05, | |
| "loss": 2.1351, | |
| "step": 156 | |
| }, | |
| { | |
| "epoch": 0.20933333333333334, | |
| "grad_norm": 0.1826511129435199, | |
| "learning_rate": 2.94331627745775e-05, | |
| "loss": 2.23, | |
| "step": 157 | |
| }, | |
| { | |
| "epoch": 0.21066666666666667, | |
| "grad_norm": 0.21212768867139842, | |
| "learning_rate": 2.9424917047899425e-05, | |
| "loss": 2.1412, | |
| "step": 158 | |
| }, | |
| { | |
| "epoch": 0.212, | |
| "grad_norm": 0.3826582810934168, | |
| "learning_rate": 2.9416613083561428e-05, | |
| "loss": 2.2128, | |
| "step": 159 | |
| }, | |
| { | |
| "epoch": 0.21333333333333335, | |
| "grad_norm": 0.19962942232450726, | |
| "learning_rate": 2.9408250918979886e-05, | |
| "loss": 1.9778, | |
| "step": 160 | |
| }, | |
| { | |
| "epoch": 0.21466666666666667, | |
| "grad_norm": 0.1694294631609089, | |
| "learning_rate": 2.9399830591833407e-05, | |
| "loss": 2.4602, | |
| "step": 161 | |
| }, | |
| { | |
| "epoch": 0.216, | |
| "grad_norm": 0.2899013004381108, | |
| "learning_rate": 2.9391352140062668e-05, | |
| "loss": 1.9118, | |
| "step": 162 | |
| }, | |
| { | |
| "epoch": 0.21733333333333332, | |
| "grad_norm": 0.23107679488781446, | |
| "learning_rate": 2.9382815601870252e-05, | |
| "loss": 2.0482, | |
| "step": 163 | |
| }, | |
| { | |
| "epoch": 0.21866666666666668, | |
| "grad_norm": 0.21890406305674734, | |
| "learning_rate": 2.9374221015720465e-05, | |
| "loss": 2.041, | |
| "step": 164 | |
| }, | |
| { | |
| "epoch": 0.22, | |
| "grad_norm": 0.23483748269482313, | |
| "learning_rate": 2.9365568420339173e-05, | |
| "loss": 2.2775, | |
| "step": 165 | |
| }, | |
| { | |
| "epoch": 0.22133333333333333, | |
| "grad_norm": 0.2872971245253849, | |
| "learning_rate": 2.9356857854713628e-05, | |
| "loss": 1.9568, | |
| "step": 166 | |
| }, | |
| { | |
| "epoch": 0.22266666666666668, | |
| "grad_norm": 0.2372348840011155, | |
| "learning_rate": 2.9348089358092266e-05, | |
| "loss": 2.262, | |
| "step": 167 | |
| }, | |
| { | |
| "epoch": 0.224, | |
| "grad_norm": 0.36284791627622115, | |
| "learning_rate": 2.9339262969984575e-05, | |
| "loss": 2.083, | |
| "step": 168 | |
| }, | |
| { | |
| "epoch": 0.22533333333333333, | |
| "grad_norm": 0.29336818899957795, | |
| "learning_rate": 2.9330378730160882e-05, | |
| "loss": 1.9668, | |
| "step": 169 | |
| }, | |
| { | |
| "epoch": 0.22666666666666666, | |
| "grad_norm": 0.2201337837382957, | |
| "learning_rate": 2.932143667865218e-05, | |
| "loss": 2.2411, | |
| "step": 170 | |
| }, | |
| { | |
| "epoch": 0.228, | |
| "grad_norm": 0.23312129174527574, | |
| "learning_rate": 2.931243685574997e-05, | |
| "loss": 1.7557, | |
| "step": 171 | |
| }, | |
| { | |
| "epoch": 0.22933333333333333, | |
| "grad_norm": 0.2158943628320117, | |
| "learning_rate": 2.930337930200603e-05, | |
| "loss": 2.2391, | |
| "step": 172 | |
| }, | |
| { | |
| "epoch": 0.23066666666666666, | |
| "grad_norm": 0.22961082626415702, | |
| "learning_rate": 2.929426405823231e-05, | |
| "loss": 1.983, | |
| "step": 173 | |
| }, | |
| { | |
| "epoch": 0.232, | |
| "grad_norm": 0.1589890947108339, | |
| "learning_rate": 2.9285091165500653e-05, | |
| "loss": 2.2212, | |
| "step": 174 | |
| }, | |
| { | |
| "epoch": 0.23333333333333334, | |
| "grad_norm": 0.3416891731513133, | |
| "learning_rate": 2.9275860665142697e-05, | |
| "loss": 2.151, | |
| "step": 175 | |
| }, | |
| { | |
| "epoch": 0.23466666666666666, | |
| "grad_norm": 0.3116792178273567, | |
| "learning_rate": 2.9266572598749632e-05, | |
| "loss": 1.9779, | |
| "step": 176 | |
| }, | |
| { | |
| "epoch": 0.236, | |
| "grad_norm": 0.2507975453340776, | |
| "learning_rate": 2.925722700817204e-05, | |
| "loss": 1.8828, | |
| "step": 177 | |
| }, | |
| { | |
| "epoch": 0.23733333333333334, | |
| "grad_norm": 0.2679656189407352, | |
| "learning_rate": 2.9247823935519685e-05, | |
| "loss": 2.0387, | |
| "step": 178 | |
| }, | |
| { | |
| "epoch": 0.23866666666666667, | |
| "grad_norm": 0.23989994031916193, | |
| "learning_rate": 2.9238363423161357e-05, | |
| "loss": 2.0543, | |
| "step": 179 | |
| }, | |
| { | |
| "epoch": 0.24, | |
| "grad_norm": 0.1858192959656248, | |
| "learning_rate": 2.9228845513724636e-05, | |
| "loss": 2.1298, | |
| "step": 180 | |
| }, | |
| { | |
| "epoch": 0.24133333333333334, | |
| "grad_norm": 0.2634790646951208, | |
| "learning_rate": 2.921927025009575e-05, | |
| "loss": 1.8913, | |
| "step": 181 | |
| }, | |
| { | |
| "epoch": 0.24266666666666667, | |
| "grad_norm": 0.2022924360136422, | |
| "learning_rate": 2.920963767541933e-05, | |
| "loss": 2.125, | |
| "step": 182 | |
| }, | |
| { | |
| "epoch": 0.244, | |
| "grad_norm": 0.2093674676298739, | |
| "learning_rate": 2.919994783309827e-05, | |
| "loss": 2.0787, | |
| "step": 183 | |
| }, | |
| { | |
| "epoch": 0.24533333333333332, | |
| "grad_norm": 0.21965402179914853, | |
| "learning_rate": 2.9190200766793476e-05, | |
| "loss": 2.2001, | |
| "step": 184 | |
| }, | |
| { | |
| "epoch": 0.24666666666666667, | |
| "grad_norm": 0.1853707607114335, | |
| "learning_rate": 2.9180396520423712e-05, | |
| "loss": 2.2625, | |
| "step": 185 | |
| }, | |
| { | |
| "epoch": 0.248, | |
| "grad_norm": 0.16161978911997635, | |
| "learning_rate": 2.9170535138165386e-05, | |
| "loss": 2.1841, | |
| "step": 186 | |
| }, | |
| { | |
| "epoch": 0.24933333333333332, | |
| "grad_norm": 0.3229805512119213, | |
| "learning_rate": 2.9160616664452343e-05, | |
| "loss": 2.3706, | |
| "step": 187 | |
| }, | |
| { | |
| "epoch": 0.25066666666666665, | |
| "grad_norm": 0.2836753076906196, | |
| "learning_rate": 2.915064114397568e-05, | |
| "loss": 1.6237, | |
| "step": 188 | |
| }, | |
| { | |
| "epoch": 0.252, | |
| "grad_norm": 0.2698172260057232, | |
| "learning_rate": 2.9140608621683537e-05, | |
| "loss": 1.6731, | |
| "step": 189 | |
| }, | |
| { | |
| "epoch": 0.25333333333333335, | |
| "grad_norm": 0.19227100326585553, | |
| "learning_rate": 2.913051914278089e-05, | |
| "loss": 2.3641, | |
| "step": 190 | |
| }, | |
| { | |
| "epoch": 0.25466666666666665, | |
| "grad_norm": 0.17075536856147475, | |
| "learning_rate": 2.9120372752729364e-05, | |
| "loss": 2.1405, | |
| "step": 191 | |
| }, | |
| { | |
| "epoch": 0.256, | |
| "grad_norm": 0.18977706986071732, | |
| "learning_rate": 2.9110169497247005e-05, | |
| "loss": 2.2104, | |
| "step": 192 | |
| }, | |
| { | |
| "epoch": 0.25733333333333336, | |
| "grad_norm": 0.19137759329665405, | |
| "learning_rate": 2.909990942230809e-05, | |
| "loss": 2.0225, | |
| "step": 193 | |
| }, | |
| { | |
| "epoch": 0.25866666666666666, | |
| "grad_norm": 1.565607637042905, | |
| "learning_rate": 2.9089592574142925e-05, | |
| "loss": 1.8544, | |
| "step": 194 | |
| }, | |
| { | |
| "epoch": 0.26, | |
| "grad_norm": 0.19540116729751783, | |
| "learning_rate": 2.9079218999237602e-05, | |
| "loss": 2.3062, | |
| "step": 195 | |
| }, | |
| { | |
| "epoch": 0.2613333333333333, | |
| "grad_norm": 0.210417328406617, | |
| "learning_rate": 2.9068788744333847e-05, | |
| "loss": 2.1931, | |
| "step": 196 | |
| }, | |
| { | |
| "epoch": 0.26266666666666666, | |
| "grad_norm": 0.17528914661443556, | |
| "learning_rate": 2.905830185642875e-05, | |
| "loss": 2.213, | |
| "step": 197 | |
| }, | |
| { | |
| "epoch": 0.264, | |
| "grad_norm": 0.19180797982535258, | |
| "learning_rate": 2.90477583827746e-05, | |
| "loss": 2.0999, | |
| "step": 198 | |
| }, | |
| { | |
| "epoch": 0.2653333333333333, | |
| "grad_norm": 0.20387611359379645, | |
| "learning_rate": 2.903715837087864e-05, | |
| "loss": 2.4077, | |
| "step": 199 | |
| }, | |
| { | |
| "epoch": 0.26666666666666666, | |
| "grad_norm": 0.37614141580385196, | |
| "learning_rate": 2.9026501868502878e-05, | |
| "loss": 2.345, | |
| "step": 200 | |
| }, | |
| { | |
| "epoch": 0.268, | |
| "grad_norm": 0.23854637338124732, | |
| "learning_rate": 2.901578892366384e-05, | |
| "loss": 1.9616, | |
| "step": 201 | |
| }, | |
| { | |
| "epoch": 0.2693333333333333, | |
| "grad_norm": 0.360995797147823, | |
| "learning_rate": 2.9005019584632385e-05, | |
| "loss": 2.2637, | |
| "step": 202 | |
| }, | |
| { | |
| "epoch": 0.27066666666666667, | |
| "grad_norm": 0.1964827412506095, | |
| "learning_rate": 2.899419389993348e-05, | |
| "loss": 2.2153, | |
| "step": 203 | |
| }, | |
| { | |
| "epoch": 0.272, | |
| "grad_norm": 0.2697880949391648, | |
| "learning_rate": 2.8983311918345973e-05, | |
| "loss": 1.8934, | |
| "step": 204 | |
| }, | |
| { | |
| "epoch": 0.2733333333333333, | |
| "grad_norm": 0.2583392197903811, | |
| "learning_rate": 2.8972373688902372e-05, | |
| "loss": 2.1552, | |
| "step": 205 | |
| }, | |
| { | |
| "epoch": 0.27466666666666667, | |
| "grad_norm": 0.2368677594314249, | |
| "learning_rate": 2.8961379260888634e-05, | |
| "loss": 2.1976, | |
| "step": 206 | |
| }, | |
| { | |
| "epoch": 0.276, | |
| "grad_norm": 0.28279002863897235, | |
| "learning_rate": 2.895032868384393e-05, | |
| "loss": 2.0461, | |
| "step": 207 | |
| }, | |
| { | |
| "epoch": 0.2773333333333333, | |
| "grad_norm": 0.17431186704640889, | |
| "learning_rate": 2.8939222007560446e-05, | |
| "loss": 2.2258, | |
| "step": 208 | |
| }, | |
| { | |
| "epoch": 0.2786666666666667, | |
| "grad_norm": 0.2607071149284682, | |
| "learning_rate": 2.8928059282083126e-05, | |
| "loss": 1.8783, | |
| "step": 209 | |
| }, | |
| { | |
| "epoch": 0.28, | |
| "grad_norm": 0.16929508986851496, | |
| "learning_rate": 2.8916840557709474e-05, | |
| "loss": 2.21, | |
| "step": 210 | |
| }, | |
| { | |
| "epoch": 0.2813333333333333, | |
| "grad_norm": 0.30196081586191537, | |
| "learning_rate": 2.8905565884989304e-05, | |
| "loss": 2.2047, | |
| "step": 211 | |
| }, | |
| { | |
| "epoch": 0.2826666666666667, | |
| "grad_norm": 0.22938305453707358, | |
| "learning_rate": 2.889423531472455e-05, | |
| "loss": 2.1314, | |
| "step": 212 | |
| }, | |
| { | |
| "epoch": 0.284, | |
| "grad_norm": 0.24253705098980116, | |
| "learning_rate": 2.8882848897968974e-05, | |
| "loss": 1.9166, | |
| "step": 213 | |
| }, | |
| { | |
| "epoch": 0.2853333333333333, | |
| "grad_norm": 0.21184383213391744, | |
| "learning_rate": 2.8871406686028006e-05, | |
| "loss": 2.1445, | |
| "step": 214 | |
| }, | |
| { | |
| "epoch": 0.2866666666666667, | |
| "grad_norm": 0.20065002671794552, | |
| "learning_rate": 2.885990873045846e-05, | |
| "loss": 2.2053, | |
| "step": 215 | |
| }, | |
| { | |
| "epoch": 0.288, | |
| "grad_norm": 0.20595618063455937, | |
| "learning_rate": 2.884835508306833e-05, | |
| "loss": 2.0275, | |
| "step": 216 | |
| }, | |
| { | |
| "epoch": 0.28933333333333333, | |
| "grad_norm": 0.22663216643758846, | |
| "learning_rate": 2.883674579591656e-05, | |
| "loss": 2.1399, | |
| "step": 217 | |
| }, | |
| { | |
| "epoch": 0.2906666666666667, | |
| "grad_norm": 0.20459405622917667, | |
| "learning_rate": 2.8825080921312775e-05, | |
| "loss": 2.0352, | |
| "step": 218 | |
| }, | |
| { | |
| "epoch": 0.292, | |
| "grad_norm": 0.24151264290319524, | |
| "learning_rate": 2.8813360511817092e-05, | |
| "loss": 2.0821, | |
| "step": 219 | |
| }, | |
| { | |
| "epoch": 0.29333333333333333, | |
| "grad_norm": 0.2377001051292377, | |
| "learning_rate": 2.8801584620239833e-05, | |
| "loss": 2.0448, | |
| "step": 220 | |
| }, | |
| { | |
| "epoch": 0.2946666666666667, | |
| "grad_norm": 0.3689003556922912, | |
| "learning_rate": 2.878975329964134e-05, | |
| "loss": 2.107, | |
| "step": 221 | |
| }, | |
| { | |
| "epoch": 0.296, | |
| "grad_norm": 0.19280049013174935, | |
| "learning_rate": 2.877786660333169e-05, | |
| "loss": 2.2571, | |
| "step": 222 | |
| }, | |
| { | |
| "epoch": 0.29733333333333334, | |
| "grad_norm": 0.25684356289858495, | |
| "learning_rate": 2.876592458487049e-05, | |
| "loss": 1.9243, | |
| "step": 223 | |
| }, | |
| { | |
| "epoch": 0.2986666666666667, | |
| "grad_norm": 0.2460391604188184, | |
| "learning_rate": 2.8753927298066608e-05, | |
| "loss": 2.0996, | |
| "step": 224 | |
| }, | |
| { | |
| "epoch": 0.3, | |
| "grad_norm": 0.2287761563539284, | |
| "learning_rate": 2.8741874796977947e-05, | |
| "loss": 1.9114, | |
| "step": 225 | |
| }, | |
| { | |
| "epoch": 0.3, | |
| "eval_loss": 1.7546015977859497, | |
| "eval_runtime": 98.7181, | |
| "eval_samples_per_second": 1.013, | |
| "eval_steps_per_second": 0.253, | |
| "step": 225 | |
| }, | |
| { | |
| "epoch": 0.30133333333333334, | |
| "grad_norm": 0.31900423121867244, | |
| "learning_rate": 2.8729767135911197e-05, | |
| "loss": 1.5513, | |
| "step": 226 | |
| }, | |
| { | |
| "epoch": 0.30266666666666664, | |
| "grad_norm": 0.21099907718331903, | |
| "learning_rate": 2.8717604369421587e-05, | |
| "loss": 1.8735, | |
| "step": 227 | |
| }, | |
| { | |
| "epoch": 0.304, | |
| "grad_norm": 0.23179334925928516, | |
| "learning_rate": 2.8705386552312647e-05, | |
| "loss": 2.0279, | |
| "step": 228 | |
| }, | |
| { | |
| "epoch": 0.30533333333333335, | |
| "grad_norm": 0.2249602605454057, | |
| "learning_rate": 2.869311373963596e-05, | |
| "loss": 2.1506, | |
| "step": 229 | |
| }, | |
| { | |
| "epoch": 0.30666666666666664, | |
| "grad_norm": 0.30614551906788895, | |
| "learning_rate": 2.8680785986690903e-05, | |
| "loss": 2.0057, | |
| "step": 230 | |
| }, | |
| { | |
| "epoch": 0.308, | |
| "grad_norm": 0.32936171428483624, | |
| "learning_rate": 2.86684033490244e-05, | |
| "loss": 1.9719, | |
| "step": 231 | |
| }, | |
| { | |
| "epoch": 0.30933333333333335, | |
| "grad_norm": 0.21095264296363714, | |
| "learning_rate": 2.8655965882430697e-05, | |
| "loss": 2.0526, | |
| "step": 232 | |
| }, | |
| { | |
| "epoch": 0.31066666666666665, | |
| "grad_norm": 0.2506508450731689, | |
| "learning_rate": 2.8643473642951066e-05, | |
| "loss": 2.034, | |
| "step": 233 | |
| }, | |
| { | |
| "epoch": 0.312, | |
| "grad_norm": 0.16272890488221511, | |
| "learning_rate": 2.8630926686873598e-05, | |
| "loss": 2.2394, | |
| "step": 234 | |
| }, | |
| { | |
| "epoch": 0.31333333333333335, | |
| "grad_norm": 0.2636216414291072, | |
| "learning_rate": 2.8618325070732918e-05, | |
| "loss": 1.9559, | |
| "step": 235 | |
| }, | |
| { | |
| "epoch": 0.31466666666666665, | |
| "grad_norm": 0.239263175250845, | |
| "learning_rate": 2.860566885130994e-05, | |
| "loss": 1.9268, | |
| "step": 236 | |
| }, | |
| { | |
| "epoch": 0.316, | |
| "grad_norm": 0.3034572733475333, | |
| "learning_rate": 2.8592958085631616e-05, | |
| "loss": 2.4146, | |
| "step": 237 | |
| }, | |
| { | |
| "epoch": 0.31733333333333336, | |
| "grad_norm": 0.22016199356343413, | |
| "learning_rate": 2.8580192830970674e-05, | |
| "loss": 1.901, | |
| "step": 238 | |
| }, | |
| { | |
| "epoch": 0.31866666666666665, | |
| "grad_norm": 0.23102023640647829, | |
| "learning_rate": 2.856737314484536e-05, | |
| "loss": 2.1498, | |
| "step": 239 | |
| }, | |
| { | |
| "epoch": 0.32, | |
| "grad_norm": 0.20238380453993177, | |
| "learning_rate": 2.8554499085019177e-05, | |
| "loss": 2.0954, | |
| "step": 240 | |
| }, | |
| { | |
| "epoch": 0.32133333333333336, | |
| "grad_norm": 0.20808439458283837, | |
| "learning_rate": 2.854157070950063e-05, | |
| "loss": 2.0783, | |
| "step": 241 | |
| }, | |
| { | |
| "epoch": 0.32266666666666666, | |
| "grad_norm": 0.278146848673199, | |
| "learning_rate": 2.8528588076542966e-05, | |
| "loss": 1.7518, | |
| "step": 242 | |
| }, | |
| { | |
| "epoch": 0.324, | |
| "grad_norm": 0.20915907784327617, | |
| "learning_rate": 2.8515551244643903e-05, | |
| "loss": 1.7229, | |
| "step": 243 | |
| }, | |
| { | |
| "epoch": 0.3253333333333333, | |
| "grad_norm": 0.5420477506537028, | |
| "learning_rate": 2.850246027254537e-05, | |
| "loss": 1.758, | |
| "step": 244 | |
| }, | |
| { | |
| "epoch": 0.32666666666666666, | |
| "grad_norm": 0.2800677412041746, | |
| "learning_rate": 2.8489315219233248e-05, | |
| "loss": 1.9584, | |
| "step": 245 | |
| }, | |
| { | |
| "epoch": 0.328, | |
| "grad_norm": 0.22569958386724373, | |
| "learning_rate": 2.847611614393709e-05, | |
| "loss": 2.1033, | |
| "step": 246 | |
| }, | |
| { | |
| "epoch": 0.3293333333333333, | |
| "grad_norm": 0.28225543933402175, | |
| "learning_rate": 2.846286310612988e-05, | |
| "loss": 2.2579, | |
| "step": 247 | |
| }, | |
| { | |
| "epoch": 0.33066666666666666, | |
| "grad_norm": 0.25637825153268795, | |
| "learning_rate": 2.844955616552773e-05, | |
| "loss": 1.9495, | |
| "step": 248 | |
| }, | |
| { | |
| "epoch": 0.332, | |
| "grad_norm": 0.3042322338758206, | |
| "learning_rate": 2.8436195382089644e-05, | |
| "loss": 2.2247, | |
| "step": 249 | |
| }, | |
| { | |
| "epoch": 0.3333333333333333, | |
| "grad_norm": 0.2110291139150889, | |
| "learning_rate": 2.8422780816017227e-05, | |
| "loss": 2.2582, | |
| "step": 250 | |
| }, | |
| { | |
| "epoch": 0.33466666666666667, | |
| "grad_norm": 0.24476057607988286, | |
| "learning_rate": 2.8409312527754417e-05, | |
| "loss": 2.1626, | |
| "step": 251 | |
| }, | |
| { | |
| "epoch": 0.336, | |
| "grad_norm": 0.19859582662498323, | |
| "learning_rate": 2.8395790577987225e-05, | |
| "loss": 2.0592, | |
| "step": 252 | |
| }, | |
| { | |
| "epoch": 0.3373333333333333, | |
| "grad_norm": 0.2560077569832347, | |
| "learning_rate": 2.8382215027643447e-05, | |
| "loss": 1.9116, | |
| "step": 253 | |
| }, | |
| { | |
| "epoch": 0.33866666666666667, | |
| "grad_norm": 0.2325816082873428, | |
| "learning_rate": 2.836858593789239e-05, | |
| "loss": 2.1088, | |
| "step": 254 | |
| }, | |
| { | |
| "epoch": 0.34, | |
| "grad_norm": 0.2633745282570676, | |
| "learning_rate": 2.8354903370144613e-05, | |
| "loss": 2.3106, | |
| "step": 255 | |
| }, | |
| { | |
| "epoch": 0.3413333333333333, | |
| "grad_norm": 0.25738882949934827, | |
| "learning_rate": 2.834116738605162e-05, | |
| "loss": 1.9449, | |
| "step": 256 | |
| }, | |
| { | |
| "epoch": 0.3426666666666667, | |
| "grad_norm": 0.19022713562039067, | |
| "learning_rate": 2.8327378047505625e-05, | |
| "loss": 2.0301, | |
| "step": 257 | |
| }, | |
| { | |
| "epoch": 0.344, | |
| "grad_norm": 0.21459535231309906, | |
| "learning_rate": 2.8313535416639232e-05, | |
| "loss": 2.3784, | |
| "step": 258 | |
| }, | |
| { | |
| "epoch": 0.3453333333333333, | |
| "grad_norm": 0.2725347155581082, | |
| "learning_rate": 2.829963955582518e-05, | |
| "loss": 1.9749, | |
| "step": 259 | |
| }, | |
| { | |
| "epoch": 0.3466666666666667, | |
| "grad_norm": 0.23824574091343387, | |
| "learning_rate": 2.828569052767604e-05, | |
| "loss": 2.1253, | |
| "step": 260 | |
| }, | |
| { | |
| "epoch": 0.348, | |
| "grad_norm": 0.30927788905161807, | |
| "learning_rate": 2.8271688395043965e-05, | |
| "loss": 1.6379, | |
| "step": 261 | |
| }, | |
| { | |
| "epoch": 0.34933333333333333, | |
| "grad_norm": 0.13916235450047149, | |
| "learning_rate": 2.8257633221020382e-05, | |
| "loss": 2.0781, | |
| "step": 262 | |
| }, | |
| { | |
| "epoch": 0.3506666666666667, | |
| "grad_norm": 0.2038351351610376, | |
| "learning_rate": 2.8243525068935705e-05, | |
| "loss": 2.1167, | |
| "step": 263 | |
| }, | |
| { | |
| "epoch": 0.352, | |
| "grad_norm": 0.2282060698474947, | |
| "learning_rate": 2.8229364002359074e-05, | |
| "loss": 1.9761, | |
| "step": 264 | |
| }, | |
| { | |
| "epoch": 0.35333333333333333, | |
| "grad_norm": 0.19533951565078514, | |
| "learning_rate": 2.821515008509804e-05, | |
| "loss": 2.3902, | |
| "step": 265 | |
| }, | |
| { | |
| "epoch": 0.3546666666666667, | |
| "grad_norm": 0.22231788208405978, | |
| "learning_rate": 2.8200883381198297e-05, | |
| "loss": 2.2763, | |
| "step": 266 | |
| }, | |
| { | |
| "epoch": 0.356, | |
| "grad_norm": 0.17343255119399525, | |
| "learning_rate": 2.818656395494339e-05, | |
| "loss": 2.1964, | |
| "step": 267 | |
| }, | |
| { | |
| "epoch": 0.35733333333333334, | |
| "grad_norm": 0.3190889201723669, | |
| "learning_rate": 2.817219187085442e-05, | |
| "loss": 1.8898, | |
| "step": 268 | |
| }, | |
| { | |
| "epoch": 0.3586666666666667, | |
| "grad_norm": 0.25221058014306336, | |
| "learning_rate": 2.8157767193689753e-05, | |
| "loss": 2.2137, | |
| "step": 269 | |
| }, | |
| { | |
| "epoch": 0.36, | |
| "grad_norm": 0.25456852526288787, | |
| "learning_rate": 2.8143289988444737e-05, | |
| "loss": 2.1055, | |
| "step": 270 | |
| }, | |
| { | |
| "epoch": 0.36133333333333334, | |
| "grad_norm": 0.4387988494124866, | |
| "learning_rate": 2.8128760320351403e-05, | |
| "loss": 2.0767, | |
| "step": 271 | |
| }, | |
| { | |
| "epoch": 0.3626666666666667, | |
| "grad_norm": 0.27199878538165156, | |
| "learning_rate": 2.8114178254878156e-05, | |
| "loss": 2.1353, | |
| "step": 272 | |
| }, | |
| { | |
| "epoch": 0.364, | |
| "grad_norm": 0.2650737962386425, | |
| "learning_rate": 2.8099543857729525e-05, | |
| "loss": 2.037, | |
| "step": 273 | |
| }, | |
| { | |
| "epoch": 0.36533333333333334, | |
| "grad_norm": 0.19178775730316125, | |
| "learning_rate": 2.808485719484581e-05, | |
| "loss": 2.2227, | |
| "step": 274 | |
| }, | |
| { | |
| "epoch": 0.36666666666666664, | |
| "grad_norm": 0.2495538747593823, | |
| "learning_rate": 2.8070118332402827e-05, | |
| "loss": 2.1111, | |
| "step": 275 | |
| }, | |
| { | |
| "epoch": 0.368, | |
| "grad_norm": 0.23278524231204606, | |
| "learning_rate": 2.8055327336811585e-05, | |
| "loss": 2.0269, | |
| "step": 276 | |
| }, | |
| { | |
| "epoch": 0.36933333333333335, | |
| "grad_norm": 0.2909743741626987, | |
| "learning_rate": 2.804048427471801e-05, | |
| "loss": 1.9845, | |
| "step": 277 | |
| }, | |
| { | |
| "epoch": 0.37066666666666664, | |
| "grad_norm": 0.5654501769424853, | |
| "learning_rate": 2.8025589213002624e-05, | |
| "loss": 1.9375, | |
| "step": 278 | |
| }, | |
| { | |
| "epoch": 0.372, | |
| "grad_norm": 0.24272194924805965, | |
| "learning_rate": 2.8010642218780246e-05, | |
| "loss": 1.9151, | |
| "step": 279 | |
| }, | |
| { | |
| "epoch": 0.37333333333333335, | |
| "grad_norm": 0.23044549921686833, | |
| "learning_rate": 2.7995643359399703e-05, | |
| "loss": 2.1577, | |
| "step": 280 | |
| }, | |
| { | |
| "epoch": 0.37466666666666665, | |
| "grad_norm": 0.2297518184027699, | |
| "learning_rate": 2.7980592702443518e-05, | |
| "loss": 2.2779, | |
| "step": 281 | |
| }, | |
| { | |
| "epoch": 0.376, | |
| "grad_norm": 0.43013668653840365, | |
| "learning_rate": 2.79654903157276e-05, | |
| "loss": 1.9419, | |
| "step": 282 | |
| }, | |
| { | |
| "epoch": 0.37733333333333335, | |
| "grad_norm": 0.23835905215528563, | |
| "learning_rate": 2.795033626730095e-05, | |
| "loss": 2.1743, | |
| "step": 283 | |
| }, | |
| { | |
| "epoch": 0.37866666666666665, | |
| "grad_norm": 0.2813058642182358, | |
| "learning_rate": 2.793513062544534e-05, | |
| "loss": 2.0095, | |
| "step": 284 | |
| }, | |
| { | |
| "epoch": 0.38, | |
| "grad_norm": 0.34406979517562547, | |
| "learning_rate": 2.7919873458675022e-05, | |
| "loss": 1.9489, | |
| "step": 285 | |
| }, | |
| { | |
| "epoch": 0.38133333333333336, | |
| "grad_norm": 0.32231785755728004, | |
| "learning_rate": 2.790456483573642e-05, | |
| "loss": 1.58, | |
| "step": 286 | |
| }, | |
| { | |
| "epoch": 0.38266666666666665, | |
| "grad_norm": 0.19333385414604146, | |
| "learning_rate": 2.788920482560779e-05, | |
| "loss": 1.9752, | |
| "step": 287 | |
| }, | |
| { | |
| "epoch": 0.384, | |
| "grad_norm": 0.1765295794157884, | |
| "learning_rate": 2.7873793497498945e-05, | |
| "loss": 2.0614, | |
| "step": 288 | |
| }, | |
| { | |
| "epoch": 0.38533333333333336, | |
| "grad_norm": 0.16114993710297087, | |
| "learning_rate": 2.7858330920850923e-05, | |
| "loss": 2.2809, | |
| "step": 289 | |
| }, | |
| { | |
| "epoch": 0.38666666666666666, | |
| "grad_norm": 0.23825781911565472, | |
| "learning_rate": 2.784281716533568e-05, | |
| "loss": 2.1522, | |
| "step": 290 | |
| }, | |
| { | |
| "epoch": 0.388, | |
| "grad_norm": 0.17001985217323573, | |
| "learning_rate": 2.782725230085579e-05, | |
| "loss": 1.9506, | |
| "step": 291 | |
| }, | |
| { | |
| "epoch": 0.3893333333333333, | |
| "grad_norm": 0.26309455211904453, | |
| "learning_rate": 2.7811636397544094e-05, | |
| "loss": 2.2083, | |
| "step": 292 | |
| }, | |
| { | |
| "epoch": 0.39066666666666666, | |
| "grad_norm": 0.20730249929125907, | |
| "learning_rate": 2.7795969525763418e-05, | |
| "loss": 2.2347, | |
| "step": 293 | |
| }, | |
| { | |
| "epoch": 0.392, | |
| "grad_norm": 0.24136453807928746, | |
| "learning_rate": 2.7780251756106242e-05, | |
| "loss": 2.029, | |
| "step": 294 | |
| }, | |
| { | |
| "epoch": 0.3933333333333333, | |
| "grad_norm": 0.35339039676185235, | |
| "learning_rate": 2.7764483159394384e-05, | |
| "loss": 2.211, | |
| "step": 295 | |
| }, | |
| { | |
| "epoch": 0.39466666666666667, | |
| "grad_norm": 0.25636488066657487, | |
| "learning_rate": 2.7748663806678684e-05, | |
| "loss": 2.1863, | |
| "step": 296 | |
| }, | |
| { | |
| "epoch": 0.396, | |
| "grad_norm": 0.20584179603071404, | |
| "learning_rate": 2.7732793769238674e-05, | |
| "loss": 2.2463, | |
| "step": 297 | |
| }, | |
| { | |
| "epoch": 0.3973333333333333, | |
| "grad_norm": 0.23027068378292892, | |
| "learning_rate": 2.7716873118582266e-05, | |
| "loss": 2.2356, | |
| "step": 298 | |
| }, | |
| { | |
| "epoch": 0.39866666666666667, | |
| "grad_norm": 0.192849837559735, | |
| "learning_rate": 2.770090192644543e-05, | |
| "loss": 2.2441, | |
| "step": 299 | |
| }, | |
| { | |
| "epoch": 0.4, | |
| "grad_norm": 0.2685272097028798, | |
| "learning_rate": 2.768488026479187e-05, | |
| "loss": 2.0004, | |
| "step": 300 | |
| }, | |
| { | |
| "epoch": 0.4, | |
| "eval_loss": 1.7474404573440552, | |
| "eval_runtime": 98.8253, | |
| "eval_samples_per_second": 1.012, | |
| "eval_steps_per_second": 0.253, | |
| "step": 300 | |
| }, | |
| { | |
| "epoch": 0.4013333333333333, | |
| "grad_norm": 0.26520047905722166, | |
| "learning_rate": 2.766880820581269e-05, | |
| "loss": 2.0768, | |
| "step": 301 | |
| }, | |
| { | |
| "epoch": 0.4026666666666667, | |
| "grad_norm": 0.31076708165257216, | |
| "learning_rate": 2.765268582192608e-05, | |
| "loss": 2.0636, | |
| "step": 302 | |
| }, | |
| { | |
| "epoch": 0.404, | |
| "grad_norm": 0.25216548132506456, | |
| "learning_rate": 2.763651318577699e-05, | |
| "loss": 2.0432, | |
| "step": 303 | |
| }, | |
| { | |
| "epoch": 0.4053333333333333, | |
| "grad_norm": 0.2393514712031434, | |
| "learning_rate": 2.7620290370236786e-05, | |
| "loss": 2.3461, | |
| "step": 304 | |
| }, | |
| { | |
| "epoch": 0.4066666666666667, | |
| "grad_norm": 0.21599798017132937, | |
| "learning_rate": 2.7604017448402954e-05, | |
| "loss": 2.3087, | |
| "step": 305 | |
| }, | |
| { | |
| "epoch": 0.408, | |
| "grad_norm": 0.3082071954730338, | |
| "learning_rate": 2.7587694493598743e-05, | |
| "loss": 1.9302, | |
| "step": 306 | |
| }, | |
| { | |
| "epoch": 0.4093333333333333, | |
| "grad_norm": 0.21921446809175332, | |
| "learning_rate": 2.7571321579372835e-05, | |
| "loss": 2.1354, | |
| "step": 307 | |
| }, | |
| { | |
| "epoch": 0.4106666666666667, | |
| "grad_norm": 0.2141708374659774, | |
| "learning_rate": 2.7554898779499025e-05, | |
| "loss": 2.0915, | |
| "step": 308 | |
| }, | |
| { | |
| "epoch": 0.412, | |
| "grad_norm": 0.2615730026982423, | |
| "learning_rate": 2.7538426167975895e-05, | |
| "loss": 1.9005, | |
| "step": 309 | |
| }, | |
| { | |
| "epoch": 0.41333333333333333, | |
| "grad_norm": 0.24746987092185013, | |
| "learning_rate": 2.7521903819026457e-05, | |
| "loss": 2.129, | |
| "step": 310 | |
| }, | |
| { | |
| "epoch": 0.4146666666666667, | |
| "grad_norm": 0.23072670442926277, | |
| "learning_rate": 2.7505331807097845e-05, | |
| "loss": 2.1061, | |
| "step": 311 | |
| }, | |
| { | |
| "epoch": 0.416, | |
| "grad_norm": 3.0090982638780748, | |
| "learning_rate": 2.7488710206860944e-05, | |
| "loss": 2.1382, | |
| "step": 312 | |
| }, | |
| { | |
| "epoch": 0.41733333333333333, | |
| "grad_norm": 0.2705418179646343, | |
| "learning_rate": 2.7472039093210108e-05, | |
| "loss": 2.2219, | |
| "step": 313 | |
| }, | |
| { | |
| "epoch": 0.4186666666666667, | |
| "grad_norm": 0.3567890646341258, | |
| "learning_rate": 2.7455318541262768e-05, | |
| "loss": 1.6885, | |
| "step": 314 | |
| }, | |
| { | |
| "epoch": 0.42, | |
| "grad_norm": 0.20851488835910675, | |
| "learning_rate": 2.743854862635912e-05, | |
| "loss": 1.947, | |
| "step": 315 | |
| }, | |
| { | |
| "epoch": 0.42133333333333334, | |
| "grad_norm": 0.24844212488624198, | |
| "learning_rate": 2.742172942406179e-05, | |
| "loss": 2.1564, | |
| "step": 316 | |
| }, | |
| { | |
| "epoch": 0.4226666666666667, | |
| "grad_norm": 0.304277870351501, | |
| "learning_rate": 2.7404861010155477e-05, | |
| "loss": 1.8723, | |
| "step": 317 | |
| }, | |
| { | |
| "epoch": 0.424, | |
| "grad_norm": 0.20754447108795832, | |
| "learning_rate": 2.7387943460646624e-05, | |
| "loss": 2.4758, | |
| "step": 318 | |
| }, | |
| { | |
| "epoch": 0.42533333333333334, | |
| "grad_norm": 0.24883308801860618, | |
| "learning_rate": 2.7370976851763068e-05, | |
| "loss": 1.6462, | |
| "step": 319 | |
| }, | |
| { | |
| "epoch": 0.4266666666666667, | |
| "grad_norm": 0.23024352142002386, | |
| "learning_rate": 2.73539612599537e-05, | |
| "loss": 2.1038, | |
| "step": 320 | |
| }, | |
| { | |
| "epoch": 0.428, | |
| "grad_norm": 0.3139739867715439, | |
| "learning_rate": 2.7336896761888126e-05, | |
| "loss": 1.902, | |
| "step": 321 | |
| }, | |
| { | |
| "epoch": 0.42933333333333334, | |
| "grad_norm": 0.21999868040548332, | |
| "learning_rate": 2.7319783434456306e-05, | |
| "loss": 2.171, | |
| "step": 322 | |
| }, | |
| { | |
| "epoch": 0.43066666666666664, | |
| "grad_norm": 0.2467001853935637, | |
| "learning_rate": 2.7302621354768233e-05, | |
| "loss": 1.9828, | |
| "step": 323 | |
| }, | |
| { | |
| "epoch": 0.432, | |
| "grad_norm": 0.2496730220022523, | |
| "learning_rate": 2.728541060015356e-05, | |
| "loss": 2.3413, | |
| "step": 324 | |
| }, | |
| { | |
| "epoch": 0.43333333333333335, | |
| "grad_norm": 0.4056202922850381, | |
| "learning_rate": 2.7268151248161253e-05, | |
| "loss": 2.0407, | |
| "step": 325 | |
| }, | |
| { | |
| "epoch": 0.43466666666666665, | |
| "grad_norm": 0.2171839709482431, | |
| "learning_rate": 2.7250843376559265e-05, | |
| "loss": 2.0089, | |
| "step": 326 | |
| }, | |
| { | |
| "epoch": 0.436, | |
| "grad_norm": 0.26937671179427725, | |
| "learning_rate": 2.7233487063334172e-05, | |
| "loss": 2.2827, | |
| "step": 327 | |
| }, | |
| { | |
| "epoch": 0.43733333333333335, | |
| "grad_norm": 0.20567971005307945, | |
| "learning_rate": 2.7216082386690804e-05, | |
| "loss": 2.2386, | |
| "step": 328 | |
| }, | |
| { | |
| "epoch": 0.43866666666666665, | |
| "grad_norm": 0.2027173811893726, | |
| "learning_rate": 2.7198629425051917e-05, | |
| "loss": 2.3031, | |
| "step": 329 | |
| }, | |
| { | |
| "epoch": 0.44, | |
| "grad_norm": 0.2980323024473477, | |
| "learning_rate": 2.7181128257057846e-05, | |
| "loss": 2.1883, | |
| "step": 330 | |
| }, | |
| { | |
| "epoch": 0.44133333333333336, | |
| "grad_norm": 0.20192851290457803, | |
| "learning_rate": 2.716357896156611e-05, | |
| "loss": 1.9459, | |
| "step": 331 | |
| }, | |
| { | |
| "epoch": 0.44266666666666665, | |
| "grad_norm": 0.2871519578556366, | |
| "learning_rate": 2.7145981617651108e-05, | |
| "loss": 2.1742, | |
| "step": 332 | |
| }, | |
| { | |
| "epoch": 0.444, | |
| "grad_norm": 0.1949811627760568, | |
| "learning_rate": 2.712833630460372e-05, | |
| "loss": 2.2647, | |
| "step": 333 | |
| }, | |
| { | |
| "epoch": 0.44533333333333336, | |
| "grad_norm": 0.2741619826374072, | |
| "learning_rate": 2.7110643101930978e-05, | |
| "loss": 1.9767, | |
| "step": 334 | |
| }, | |
| { | |
| "epoch": 0.44666666666666666, | |
| "grad_norm": 0.22305808717890685, | |
| "learning_rate": 2.7092902089355693e-05, | |
| "loss": 1.9271, | |
| "step": 335 | |
| }, | |
| { | |
| "epoch": 0.448, | |
| "grad_norm": 0.31086274795948865, | |
| "learning_rate": 2.7075113346816092e-05, | |
| "loss": 1.9092, | |
| "step": 336 | |
| }, | |
| { | |
| "epoch": 0.4493333333333333, | |
| "grad_norm": 0.34135122978923976, | |
| "learning_rate": 2.7057276954465484e-05, | |
| "loss": 1.9028, | |
| "step": 337 | |
| }, | |
| { | |
| "epoch": 0.45066666666666666, | |
| "grad_norm": 0.2422925649756551, | |
| "learning_rate": 2.703939299267186e-05, | |
| "loss": 2.3585, | |
| "step": 338 | |
| }, | |
| { | |
| "epoch": 0.452, | |
| "grad_norm": 0.21763822152397602, | |
| "learning_rate": 2.702146154201757e-05, | |
| "loss": 1.9407, | |
| "step": 339 | |
| }, | |
| { | |
| "epoch": 0.4533333333333333, | |
| "grad_norm": 0.26419913958274843, | |
| "learning_rate": 2.7003482683298935e-05, | |
| "loss": 2.0248, | |
| "step": 340 | |
| }, | |
| { | |
| "epoch": 0.45466666666666666, | |
| "grad_norm": 0.2463717390301776, | |
| "learning_rate": 2.698545649752588e-05, | |
| "loss": 2.0147, | |
| "step": 341 | |
| }, | |
| { | |
| "epoch": 0.456, | |
| "grad_norm": 0.21124149059138703, | |
| "learning_rate": 2.696738306592159e-05, | |
| "loss": 1.9508, | |
| "step": 342 | |
| }, | |
| { | |
| "epoch": 0.4573333333333333, | |
| "grad_norm": 0.2758662340977994, | |
| "learning_rate": 2.694926246992213e-05, | |
| "loss": 2.1917, | |
| "step": 343 | |
| }, | |
| { | |
| "epoch": 0.45866666666666667, | |
| "grad_norm": 0.30773115319803324, | |
| "learning_rate": 2.693109479117608e-05, | |
| "loss": 2.0674, | |
| "step": 344 | |
| }, | |
| { | |
| "epoch": 0.46, | |
| "grad_norm": 0.23761648514026573, | |
| "learning_rate": 2.6912880111544163e-05, | |
| "loss": 2.0919, | |
| "step": 345 | |
| }, | |
| { | |
| "epoch": 0.4613333333333333, | |
| "grad_norm": 0.25681238620857727, | |
| "learning_rate": 2.6894618513098882e-05, | |
| "loss": 1.9084, | |
| "step": 346 | |
| }, | |
| { | |
| "epoch": 0.46266666666666667, | |
| "grad_norm": 0.22830005506281845, | |
| "learning_rate": 2.687631007812415e-05, | |
| "loss": 2.056, | |
| "step": 347 | |
| }, | |
| { | |
| "epoch": 0.464, | |
| "grad_norm": 0.2947866578986673, | |
| "learning_rate": 2.6857954889114923e-05, | |
| "loss": 1.7343, | |
| "step": 348 | |
| }, | |
| { | |
| "epoch": 0.4653333333333333, | |
| "grad_norm": 0.24624687251309207, | |
| "learning_rate": 2.6839553028776817e-05, | |
| "loss": 2.2644, | |
| "step": 349 | |
| }, | |
| { | |
| "epoch": 0.4666666666666667, | |
| "grad_norm": 0.23775099815354966, | |
| "learning_rate": 2.682110458002575e-05, | |
| "loss": 2.0576, | |
| "step": 350 | |
| }, | |
| { | |
| "epoch": 0.468, | |
| "grad_norm": 0.24126580378308465, | |
| "learning_rate": 2.6802609625987548e-05, | |
| "loss": 2.1331, | |
| "step": 351 | |
| }, | |
| { | |
| "epoch": 0.4693333333333333, | |
| "grad_norm": 0.26152377053961967, | |
| "learning_rate": 2.6784068249997586e-05, | |
| "loss": 2.194, | |
| "step": 352 | |
| }, | |
| { | |
| "epoch": 0.4706666666666667, | |
| "grad_norm": 0.2670202218764803, | |
| "learning_rate": 2.676548053560042e-05, | |
| "loss": 1.885, | |
| "step": 353 | |
| }, | |
| { | |
| "epoch": 0.472, | |
| "grad_norm": 0.2227627113395291, | |
| "learning_rate": 2.674684656654938e-05, | |
| "loss": 2.2919, | |
| "step": 354 | |
| }, | |
| { | |
| "epoch": 0.47333333333333333, | |
| "grad_norm": 0.5386305755161744, | |
| "learning_rate": 2.6728166426806237e-05, | |
| "loss": 2.1106, | |
| "step": 355 | |
| }, | |
| { | |
| "epoch": 0.4746666666666667, | |
| "grad_norm": 0.2713934931123545, | |
| "learning_rate": 2.6709440200540778e-05, | |
| "loss": 1.9203, | |
| "step": 356 | |
| }, | |
| { | |
| "epoch": 0.476, | |
| "grad_norm": 0.2687463890320937, | |
| "learning_rate": 2.669066797213046e-05, | |
| "loss": 2.0278, | |
| "step": 357 | |
| }, | |
| { | |
| "epoch": 0.47733333333333333, | |
| "grad_norm": 0.2420523080214261, | |
| "learning_rate": 2.6671849826160018e-05, | |
| "loss": 1.9393, | |
| "step": 358 | |
| }, | |
| { | |
| "epoch": 0.4786666666666667, | |
| "grad_norm": 0.2400087971667011, | |
| "learning_rate": 2.6652985847421074e-05, | |
| "loss": 2.1867, | |
| "step": 359 | |
| }, | |
| { | |
| "epoch": 0.48, | |
| "grad_norm": 0.28320805189191467, | |
| "learning_rate": 2.663407612091178e-05, | |
| "loss": 1.8562, | |
| "step": 360 | |
| }, | |
| { | |
| "epoch": 0.48133333333333334, | |
| "grad_norm": 0.20819758118379753, | |
| "learning_rate": 2.6615120731836412e-05, | |
| "loss": 2.0647, | |
| "step": 361 | |
| }, | |
| { | |
| "epoch": 0.4826666666666667, | |
| "grad_norm": 0.19756628127478343, | |
| "learning_rate": 2.6596119765604996e-05, | |
| "loss": 2.1335, | |
| "step": 362 | |
| }, | |
| { | |
| "epoch": 0.484, | |
| "grad_norm": 0.26928306040248223, | |
| "learning_rate": 2.6577073307832925e-05, | |
| "loss": 2.0874, | |
| "step": 363 | |
| }, | |
| { | |
| "epoch": 0.48533333333333334, | |
| "grad_norm": 0.2164920362315045, | |
| "learning_rate": 2.655798144434056e-05, | |
| "loss": 2.1714, | |
| "step": 364 | |
| }, | |
| { | |
| "epoch": 0.4866666666666667, | |
| "grad_norm": 0.24919806333780237, | |
| "learning_rate": 2.6538844261152863e-05, | |
| "loss": 1.9509, | |
| "step": 365 | |
| }, | |
| { | |
| "epoch": 0.488, | |
| "grad_norm": 0.27032556044133776, | |
| "learning_rate": 2.6519661844498997e-05, | |
| "loss": 1.801, | |
| "step": 366 | |
| }, | |
| { | |
| "epoch": 0.48933333333333334, | |
| "grad_norm": 0.26804357878114354, | |
| "learning_rate": 2.650043428081194e-05, | |
| "loss": 2.1762, | |
| "step": 367 | |
| }, | |
| { | |
| "epoch": 0.49066666666666664, | |
| "grad_norm": 0.3572135575195324, | |
| "learning_rate": 2.6481161656728093e-05, | |
| "loss": 1.9907, | |
| "step": 368 | |
| }, | |
| { | |
| "epoch": 0.492, | |
| "grad_norm": 0.20724767007565056, | |
| "learning_rate": 2.646184405908689e-05, | |
| "loss": 2.0845, | |
| "step": 369 | |
| }, | |
| { | |
| "epoch": 0.49333333333333335, | |
| "grad_norm": 0.29461252876218635, | |
| "learning_rate": 2.6442481574930417e-05, | |
| "loss": 2.0182, | |
| "step": 370 | |
| }, | |
| { | |
| "epoch": 0.49466666666666664, | |
| "grad_norm": 0.32302958691645034, | |
| "learning_rate": 2.6423074291503e-05, | |
| "loss": 1.8637, | |
| "step": 371 | |
| }, | |
| { | |
| "epoch": 0.496, | |
| "grad_norm": 0.21633487662675288, | |
| "learning_rate": 2.6403622296250843e-05, | |
| "loss": 2.1181, | |
| "step": 372 | |
| }, | |
| { | |
| "epoch": 0.49733333333333335, | |
| "grad_norm": 0.23982202171517725, | |
| "learning_rate": 2.6384125676821594e-05, | |
| "loss": 2.2663, | |
| "step": 373 | |
| }, | |
| { | |
| "epoch": 0.49866666666666665, | |
| "grad_norm": 0.26674040749443334, | |
| "learning_rate": 2.636458452106398e-05, | |
| "loss": 1.9904, | |
| "step": 374 | |
| }, | |
| { | |
| "epoch": 0.5, | |
| "grad_norm": 0.20615794890547487, | |
| "learning_rate": 2.63449989170274e-05, | |
| "loss": 2.2052, | |
| "step": 375 | |
| }, | |
| { | |
| "epoch": 0.5, | |
| "eval_loss": 1.7428412437438965, | |
| "eval_runtime": 98.8155, | |
| "eval_samples_per_second": 1.012, | |
| "eval_steps_per_second": 0.253, | |
| "step": 375 | |
| } | |
| ], | |
| "logging_steps": 1, | |
| "max_steps": 1500, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 2, | |
| "save_steps": 375, | |
| "stateful_callbacks": { | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": false | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 87275077632000.0, | |
| "train_batch_size": 1, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |