anoaky commited on
Commit
b65533a
·
verified ·
1 Parent(s): b535fb1

Training in progress, epoch 4, checkpoint

Browse files
checkpoint-2220/config.json ADDED
@@ -0,0 +1,49 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "facebook/bart-large-mnli",
3
+ "_num_labels": 3,
4
+ "activation_dropout": 0.0,
5
+ "activation_function": "gelu",
6
+ "add_final_layer_norm": false,
7
+ "architectures": [
8
+ "BartForSequenceClassification"
9
+ ],
10
+ "attention_dropout": 0.0,
11
+ "bos_token_id": 0,
12
+ "classif_dropout": 0.0,
13
+ "classifier_dropout": 0.0,
14
+ "d_model": 1024,
15
+ "decoder_attention_heads": 16,
16
+ "decoder_ffn_dim": 4096,
17
+ "decoder_layerdrop": 0.0,
18
+ "decoder_layers": 12,
19
+ "decoder_start_token_id": 2,
20
+ "dropout": 0.1,
21
+ "encoder_attention_heads": 16,
22
+ "encoder_ffn_dim": 4096,
23
+ "encoder_layerdrop": 0.0,
24
+ "encoder_layers": 12,
25
+ "eos_token_id": 2,
26
+ "forced_eos_token_id": 2,
27
+ "gradient_checkpointing": false,
28
+ "id2label": {
29
+ "0": "LABEL_0",
30
+ "1": "LABEL_1"
31
+ },
32
+ "init_std": 0.02,
33
+ "is_encoder_decoder": true,
34
+ "label2id": {
35
+ "LABEL_0": 0,
36
+ "LABEL_1": 1
37
+ },
38
+ "max_position_embeddings": 1024,
39
+ "model_type": "bart",
40
+ "normalize_before": false,
41
+ "num_hidden_layers": 12,
42
+ "output_past": false,
43
+ "pad_token_id": 1,
44
+ "scale_embedding": false,
45
+ "torch_dtype": "float32",
46
+ "transformers_version": "4.47.0",
47
+ "use_cache": true,
48
+ "vocab_size": 50265
49
+ }
checkpoint-2220/model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:f6c00bb1743fb820cf697aba9474c29c4712c85ab5e98512ae8105afad6ba93e
3
+ size 1629432864
checkpoint-2220/trainer_state.json ADDED
@@ -0,0 +1,1631 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 4.0,
5
+ "eval_steps": 500,
6
+ "global_step": 2220,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.018026137899954935,
13
+ "grad_norm": 21.723926544189453,
14
+ "learning_rate": 4.981949458483755e-05,
15
+ "loss": 0.8104,
16
+ "step": 10
17
+ },
18
+ {
19
+ "epoch": 0.03605227579990987,
20
+ "grad_norm": 55.4254035949707,
21
+ "learning_rate": 4.963898916967509e-05,
22
+ "loss": 0.5178,
23
+ "step": 20
24
+ },
25
+ {
26
+ "epoch": 0.054078413699864804,
27
+ "grad_norm": 41.4888801574707,
28
+ "learning_rate": 4.945848375451264e-05,
29
+ "loss": 0.5092,
30
+ "step": 30
31
+ },
32
+ {
33
+ "epoch": 0.07210455159981974,
34
+ "grad_norm": 25.77608299255371,
35
+ "learning_rate": 4.927797833935018e-05,
36
+ "loss": 0.5581,
37
+ "step": 40
38
+ },
39
+ {
40
+ "epoch": 0.09013068949977468,
41
+ "grad_norm": 61.5268669128418,
42
+ "learning_rate": 4.909747292418773e-05,
43
+ "loss": 0.5132,
44
+ "step": 50
45
+ },
46
+ {
47
+ "epoch": 0.10815682739972961,
48
+ "grad_norm": 18.218244552612305,
49
+ "learning_rate": 4.891696750902527e-05,
50
+ "loss": 0.4614,
51
+ "step": 60
52
+ },
53
+ {
54
+ "epoch": 0.12618296529968454,
55
+ "grad_norm": 30.51982879638672,
56
+ "learning_rate": 4.873646209386282e-05,
57
+ "loss": 0.4648,
58
+ "step": 70
59
+ },
60
+ {
61
+ "epoch": 0.14420910319963948,
62
+ "grad_norm": 20.707260131835938,
63
+ "learning_rate": 4.855595667870036e-05,
64
+ "loss": 0.4317,
65
+ "step": 80
66
+ },
67
+ {
68
+ "epoch": 0.16223524109959442,
69
+ "grad_norm": 21.699357986450195,
70
+ "learning_rate": 4.837545126353791e-05,
71
+ "loss": 0.4226,
72
+ "step": 90
73
+ },
74
+ {
75
+ "epoch": 0.18026137899954936,
76
+ "grad_norm": 51.80731201171875,
77
+ "learning_rate": 4.819494584837546e-05,
78
+ "loss": 0.5002,
79
+ "step": 100
80
+ },
81
+ {
82
+ "epoch": 0.19828751689950427,
83
+ "grad_norm": 44.694942474365234,
84
+ "learning_rate": 4.8014440433213e-05,
85
+ "loss": 0.4933,
86
+ "step": 110
87
+ },
88
+ {
89
+ "epoch": 0.21631365479945922,
90
+ "grad_norm": 22.704530715942383,
91
+ "learning_rate": 4.783393501805055e-05,
92
+ "loss": 0.4399,
93
+ "step": 120
94
+ },
95
+ {
96
+ "epoch": 0.23433979269941416,
97
+ "grad_norm": 26.04544448852539,
98
+ "learning_rate": 4.765342960288809e-05,
99
+ "loss": 0.438,
100
+ "step": 130
101
+ },
102
+ {
103
+ "epoch": 0.25236593059936907,
104
+ "grad_norm": 14.642335891723633,
105
+ "learning_rate": 4.747292418772563e-05,
106
+ "loss": 0.4591,
107
+ "step": 140
108
+ },
109
+ {
110
+ "epoch": 0.270392068499324,
111
+ "grad_norm": 16.13884162902832,
112
+ "learning_rate": 4.7292418772563177e-05,
113
+ "loss": 0.4546,
114
+ "step": 150
115
+ },
116
+ {
117
+ "epoch": 0.28841820639927895,
118
+ "grad_norm": 29.33772087097168,
119
+ "learning_rate": 4.711191335740072e-05,
120
+ "loss": 0.4665,
121
+ "step": 160
122
+ },
123
+ {
124
+ "epoch": 0.3064443442992339,
125
+ "grad_norm": 15.900433540344238,
126
+ "learning_rate": 4.693140794223827e-05,
127
+ "loss": 0.4703,
128
+ "step": 170
129
+ },
130
+ {
131
+ "epoch": 0.32447048219918884,
132
+ "grad_norm": 17.246356964111328,
133
+ "learning_rate": 4.675090252707581e-05,
134
+ "loss": 0.426,
135
+ "step": 180
136
+ },
137
+ {
138
+ "epoch": 0.3424966200991438,
139
+ "grad_norm": 25.457477569580078,
140
+ "learning_rate": 4.657039711191336e-05,
141
+ "loss": 0.4711,
142
+ "step": 190
143
+ },
144
+ {
145
+ "epoch": 0.3605227579990987,
146
+ "grad_norm": 25.43963050842285,
147
+ "learning_rate": 4.63898916967509e-05,
148
+ "loss": 0.4547,
149
+ "step": 200
150
+ },
151
+ {
152
+ "epoch": 0.3785488958990536,
153
+ "grad_norm": 32.49702072143555,
154
+ "learning_rate": 4.620938628158845e-05,
155
+ "loss": 0.4603,
156
+ "step": 210
157
+ },
158
+ {
159
+ "epoch": 0.39657503379900855,
160
+ "grad_norm": 52.78520965576172,
161
+ "learning_rate": 4.602888086642599e-05,
162
+ "loss": 0.4471,
163
+ "step": 220
164
+ },
165
+ {
166
+ "epoch": 0.4146011716989635,
167
+ "grad_norm": 16.70362663269043,
168
+ "learning_rate": 4.584837545126354e-05,
169
+ "loss": 0.4393,
170
+ "step": 230
171
+ },
172
+ {
173
+ "epoch": 0.43262730959891843,
174
+ "grad_norm": 23.55246353149414,
175
+ "learning_rate": 4.566787003610109e-05,
176
+ "loss": 0.4256,
177
+ "step": 240
178
+ },
179
+ {
180
+ "epoch": 0.45065344749887337,
181
+ "grad_norm": 18.868804931640625,
182
+ "learning_rate": 4.548736462093863e-05,
183
+ "loss": 0.4324,
184
+ "step": 250
185
+ },
186
+ {
187
+ "epoch": 0.4686795853988283,
188
+ "grad_norm": 19.074827194213867,
189
+ "learning_rate": 4.530685920577618e-05,
190
+ "loss": 0.4419,
191
+ "step": 260
192
+ },
193
+ {
194
+ "epoch": 0.48670572329878325,
195
+ "grad_norm": 29.232803344726562,
196
+ "learning_rate": 4.5126353790613716e-05,
197
+ "loss": 0.4179,
198
+ "step": 270
199
+ },
200
+ {
201
+ "epoch": 0.5047318611987381,
202
+ "grad_norm": 17.780059814453125,
203
+ "learning_rate": 4.494584837545127e-05,
204
+ "loss": 0.3917,
205
+ "step": 280
206
+ },
207
+ {
208
+ "epoch": 0.5227579990986931,
209
+ "grad_norm": 13.99399471282959,
210
+ "learning_rate": 4.4765342960288806e-05,
211
+ "loss": 0.4321,
212
+ "step": 290
213
+ },
214
+ {
215
+ "epoch": 0.540784136998648,
216
+ "grad_norm": 14.700942039489746,
217
+ "learning_rate": 4.458483754512636e-05,
218
+ "loss": 0.4163,
219
+ "step": 300
220
+ },
221
+ {
222
+ "epoch": 0.558810274898603,
223
+ "grad_norm": 17.43704605102539,
224
+ "learning_rate": 4.44043321299639e-05,
225
+ "loss": 0.4268,
226
+ "step": 310
227
+ },
228
+ {
229
+ "epoch": 0.5768364127985579,
230
+ "grad_norm": 28.500301361083984,
231
+ "learning_rate": 4.422382671480145e-05,
232
+ "loss": 0.4229,
233
+ "step": 320
234
+ },
235
+ {
236
+ "epoch": 0.5948625506985128,
237
+ "grad_norm": 36.14088439941406,
238
+ "learning_rate": 4.404332129963899e-05,
239
+ "loss": 0.4559,
240
+ "step": 330
241
+ },
242
+ {
243
+ "epoch": 0.6128886885984678,
244
+ "grad_norm": 15.279230117797852,
245
+ "learning_rate": 4.386281588447654e-05,
246
+ "loss": 0.4067,
247
+ "step": 340
248
+ },
249
+ {
250
+ "epoch": 0.6309148264984227,
251
+ "grad_norm": 21.569740295410156,
252
+ "learning_rate": 4.368231046931408e-05,
253
+ "loss": 0.4298,
254
+ "step": 350
255
+ },
256
+ {
257
+ "epoch": 0.6489409643983777,
258
+ "grad_norm": 20.630115509033203,
259
+ "learning_rate": 4.350180505415163e-05,
260
+ "loss": 0.4173,
261
+ "step": 360
262
+ },
263
+ {
264
+ "epoch": 0.6669671022983326,
265
+ "grad_norm": 15.515020370483398,
266
+ "learning_rate": 4.332129963898917e-05,
267
+ "loss": 0.4063,
268
+ "step": 370
269
+ },
270
+ {
271
+ "epoch": 0.6849932401982876,
272
+ "grad_norm": 16.33180046081543,
273
+ "learning_rate": 4.314079422382672e-05,
274
+ "loss": 0.3651,
275
+ "step": 380
276
+ },
277
+ {
278
+ "epoch": 0.7030193780982424,
279
+ "grad_norm": 16.77664566040039,
280
+ "learning_rate": 4.296028880866426e-05,
281
+ "loss": 0.3879,
282
+ "step": 390
283
+ },
284
+ {
285
+ "epoch": 0.7210455159981974,
286
+ "grad_norm": 11.113824844360352,
287
+ "learning_rate": 4.277978339350181e-05,
288
+ "loss": 0.4205,
289
+ "step": 400
290
+ },
291
+ {
292
+ "epoch": 0.7390716538981523,
293
+ "grad_norm": 17.835678100585938,
294
+ "learning_rate": 4.259927797833935e-05,
295
+ "loss": 0.4466,
296
+ "step": 410
297
+ },
298
+ {
299
+ "epoch": 0.7570977917981072,
300
+ "grad_norm": 24.48379135131836,
301
+ "learning_rate": 4.24187725631769e-05,
302
+ "loss": 0.4084,
303
+ "step": 420
304
+ },
305
+ {
306
+ "epoch": 0.7751239296980622,
307
+ "grad_norm": 29.183530807495117,
308
+ "learning_rate": 4.223826714801444e-05,
309
+ "loss": 0.3588,
310
+ "step": 430
311
+ },
312
+ {
313
+ "epoch": 0.7931500675980171,
314
+ "grad_norm": 16.398386001586914,
315
+ "learning_rate": 4.205776173285199e-05,
316
+ "loss": 0.4594,
317
+ "step": 440
318
+ },
319
+ {
320
+ "epoch": 0.8111762054979721,
321
+ "grad_norm": 24.11660385131836,
322
+ "learning_rate": 4.187725631768953e-05,
323
+ "loss": 0.376,
324
+ "step": 450
325
+ },
326
+ {
327
+ "epoch": 0.829202343397927,
328
+ "grad_norm": 21.480924606323242,
329
+ "learning_rate": 4.169675090252708e-05,
330
+ "loss": 0.4035,
331
+ "step": 460
332
+ },
333
+ {
334
+ "epoch": 0.847228481297882,
335
+ "grad_norm": 11.91422176361084,
336
+ "learning_rate": 4.151624548736462e-05,
337
+ "loss": 0.4074,
338
+ "step": 470
339
+ },
340
+ {
341
+ "epoch": 0.8652546191978369,
342
+ "grad_norm": 17.17136001586914,
343
+ "learning_rate": 4.1335740072202167e-05,
344
+ "loss": 0.4259,
345
+ "step": 480
346
+ },
347
+ {
348
+ "epoch": 0.8832807570977917,
349
+ "grad_norm": 15.024781227111816,
350
+ "learning_rate": 4.115523465703972e-05,
351
+ "loss": 0.413,
352
+ "step": 490
353
+ },
354
+ {
355
+ "epoch": 0.9013068949977467,
356
+ "grad_norm": 15.877848625183105,
357
+ "learning_rate": 4.0974729241877256e-05,
358
+ "loss": 0.4013,
359
+ "step": 500
360
+ },
361
+ {
362
+ "epoch": 0.9193330328977016,
363
+ "grad_norm": 20.711393356323242,
364
+ "learning_rate": 4.079422382671481e-05,
365
+ "loss": 0.3875,
366
+ "step": 510
367
+ },
368
+ {
369
+ "epoch": 0.9373591707976566,
370
+ "grad_norm": 14.360701560974121,
371
+ "learning_rate": 4.0613718411552346e-05,
372
+ "loss": 0.4025,
373
+ "step": 520
374
+ },
375
+ {
376
+ "epoch": 0.9553853086976115,
377
+ "grad_norm": 16.94271469116211,
378
+ "learning_rate": 4.043321299638989e-05,
379
+ "loss": 0.3971,
380
+ "step": 530
381
+ },
382
+ {
383
+ "epoch": 0.9734114465975665,
384
+ "grad_norm": 23.218050003051758,
385
+ "learning_rate": 4.0252707581227436e-05,
386
+ "loss": 0.4305,
387
+ "step": 540
388
+ },
389
+ {
390
+ "epoch": 0.9914375844975214,
391
+ "grad_norm": 25.439455032348633,
392
+ "learning_rate": 4.007220216606498e-05,
393
+ "loss": 0.3969,
394
+ "step": 550
395
+ },
396
+ {
397
+ "epoch": 1.0,
398
+ "eval_f1": 0.8410362694300518,
399
+ "eval_loss": 0.36654186248779297,
400
+ "eval_precision": 0.7994483845547675,
401
+ "eval_recall": 0.8871884564932225,
402
+ "eval_runtime": 77.9824,
403
+ "eval_samples_per_second": 59.924,
404
+ "eval_steps_per_second": 7.502,
405
+ "step": 555
406
+ },
407
+ {
408
+ "epoch": 1.0090130689499774,
409
+ "grad_norm": 23.230247497558594,
410
+ "learning_rate": 3.989169675090253e-05,
411
+ "loss": 0.3393,
412
+ "step": 560
413
+ },
414
+ {
415
+ "epoch": 1.0270392068499323,
416
+ "grad_norm": 20.747711181640625,
417
+ "learning_rate": 3.971119133574007e-05,
418
+ "loss": 0.2951,
419
+ "step": 570
420
+ },
421
+ {
422
+ "epoch": 1.0450653447498874,
423
+ "grad_norm": 16.3277645111084,
424
+ "learning_rate": 3.953068592057762e-05,
425
+ "loss": 0.3178,
426
+ "step": 580
427
+ },
428
+ {
429
+ "epoch": 1.0630914826498423,
430
+ "grad_norm": 27.63875389099121,
431
+ "learning_rate": 3.935018050541516e-05,
432
+ "loss": 0.3043,
433
+ "step": 590
434
+ },
435
+ {
436
+ "epoch": 1.0811176205497972,
437
+ "grad_norm": 24.972593307495117,
438
+ "learning_rate": 3.916967509025271e-05,
439
+ "loss": 0.3521,
440
+ "step": 600
441
+ },
442
+ {
443
+ "epoch": 1.099143758449752,
444
+ "grad_norm": 22.260204315185547,
445
+ "learning_rate": 3.898916967509025e-05,
446
+ "loss": 0.2859,
447
+ "step": 610
448
+ },
449
+ {
450
+ "epoch": 1.117169896349707,
451
+ "grad_norm": 18.97205924987793,
452
+ "learning_rate": 3.88086642599278e-05,
453
+ "loss": 0.3159,
454
+ "step": 620
455
+ },
456
+ {
457
+ "epoch": 1.135196034249662,
458
+ "grad_norm": 25.5858097076416,
459
+ "learning_rate": 3.862815884476535e-05,
460
+ "loss": 0.2881,
461
+ "step": 630
462
+ },
463
+ {
464
+ "epoch": 1.153222172149617,
465
+ "grad_norm": 16.255144119262695,
466
+ "learning_rate": 3.844765342960289e-05,
467
+ "loss": 0.356,
468
+ "step": 640
469
+ },
470
+ {
471
+ "epoch": 1.1712483100495719,
472
+ "grad_norm": 16.83954429626465,
473
+ "learning_rate": 3.826714801444044e-05,
474
+ "loss": 0.2792,
475
+ "step": 650
476
+ },
477
+ {
478
+ "epoch": 1.1892744479495267,
479
+ "grad_norm": 13.091219902038574,
480
+ "learning_rate": 3.8086642599277976e-05,
481
+ "loss": 0.3232,
482
+ "step": 660
483
+ },
484
+ {
485
+ "epoch": 1.2073005858494819,
486
+ "grad_norm": 17.03887367248535,
487
+ "learning_rate": 3.790613718411553e-05,
488
+ "loss": 0.3081,
489
+ "step": 670
490
+ },
491
+ {
492
+ "epoch": 1.2253267237494367,
493
+ "grad_norm": 24.6894588470459,
494
+ "learning_rate": 3.7725631768953066e-05,
495
+ "loss": 0.29,
496
+ "step": 680
497
+ },
498
+ {
499
+ "epoch": 1.2433528616493916,
500
+ "grad_norm": 23.55462646484375,
501
+ "learning_rate": 3.754512635379062e-05,
502
+ "loss": 0.3232,
503
+ "step": 690
504
+ },
505
+ {
506
+ "epoch": 1.2613789995493465,
507
+ "grad_norm": 44.3718147277832,
508
+ "learning_rate": 3.7364620938628155e-05,
509
+ "loss": 0.2878,
510
+ "step": 700
511
+ },
512
+ {
513
+ "epoch": 1.2794051374493014,
514
+ "grad_norm": 21.339521408081055,
515
+ "learning_rate": 3.718411552346571e-05,
516
+ "loss": 0.2625,
517
+ "step": 710
518
+ },
519
+ {
520
+ "epoch": 1.2974312753492563,
521
+ "grad_norm": 22.27944564819336,
522
+ "learning_rate": 3.700361010830325e-05,
523
+ "loss": 0.3261,
524
+ "step": 720
525
+ },
526
+ {
527
+ "epoch": 1.3154574132492114,
528
+ "grad_norm": 20.857757568359375,
529
+ "learning_rate": 3.68231046931408e-05,
530
+ "loss": 0.3194,
531
+ "step": 730
532
+ },
533
+ {
534
+ "epoch": 1.3334835511491663,
535
+ "grad_norm": 15.615569114685059,
536
+ "learning_rate": 3.664259927797834e-05,
537
+ "loss": 0.3099,
538
+ "step": 740
539
+ },
540
+ {
541
+ "epoch": 1.3515096890491212,
542
+ "grad_norm": 13.210846900939941,
543
+ "learning_rate": 3.646209386281589e-05,
544
+ "loss": 0.2961,
545
+ "step": 750
546
+ },
547
+ {
548
+ "epoch": 1.3695358269490763,
549
+ "grad_norm": 20.196102142333984,
550
+ "learning_rate": 3.628158844765343e-05,
551
+ "loss": 0.3099,
552
+ "step": 760
553
+ },
554
+ {
555
+ "epoch": 1.3875619648490312,
556
+ "grad_norm": 14.043251991271973,
557
+ "learning_rate": 3.610108303249098e-05,
558
+ "loss": 0.3548,
559
+ "step": 770
560
+ },
561
+ {
562
+ "epoch": 1.405588102748986,
563
+ "grad_norm": 31.82477569580078,
564
+ "learning_rate": 3.592057761732852e-05,
565
+ "loss": 0.3255,
566
+ "step": 780
567
+ },
568
+ {
569
+ "epoch": 1.423614240648941,
570
+ "grad_norm": 19.933557510375977,
571
+ "learning_rate": 3.574007220216607e-05,
572
+ "loss": 0.3404,
573
+ "step": 790
574
+ },
575
+ {
576
+ "epoch": 1.4416403785488958,
577
+ "grad_norm": 27.846755981445312,
578
+ "learning_rate": 3.555956678700361e-05,
579
+ "loss": 0.3054,
580
+ "step": 800
581
+ },
582
+ {
583
+ "epoch": 1.4596665164488507,
584
+ "grad_norm": 18.607879638671875,
585
+ "learning_rate": 3.537906137184116e-05,
586
+ "loss": 0.2802,
587
+ "step": 810
588
+ },
589
+ {
590
+ "epoch": 1.4776926543488058,
591
+ "grad_norm": 29.801652908325195,
592
+ "learning_rate": 3.51985559566787e-05,
593
+ "loss": 0.2975,
594
+ "step": 820
595
+ },
596
+ {
597
+ "epoch": 1.4957187922487607,
598
+ "grad_norm": 21.80506134033203,
599
+ "learning_rate": 3.5018050541516247e-05,
600
+ "loss": 0.3251,
601
+ "step": 830
602
+ },
603
+ {
604
+ "epoch": 1.5137449301487156,
605
+ "grad_norm": 12.826874732971191,
606
+ "learning_rate": 3.483754512635379e-05,
607
+ "loss": 0.2943,
608
+ "step": 840
609
+ },
610
+ {
611
+ "epoch": 1.5317710680486707,
612
+ "grad_norm": 23.97177505493164,
613
+ "learning_rate": 3.4657039711191336e-05,
614
+ "loss": 0.3221,
615
+ "step": 850
616
+ },
617
+ {
618
+ "epoch": 1.5497972059486256,
619
+ "grad_norm": 20.326284408569336,
620
+ "learning_rate": 3.447653429602888e-05,
621
+ "loss": 0.3276,
622
+ "step": 860
623
+ },
624
+ {
625
+ "epoch": 1.5678233438485805,
626
+ "grad_norm": 19.27255630493164,
627
+ "learning_rate": 3.4296028880866426e-05,
628
+ "loss": 0.3338,
629
+ "step": 870
630
+ },
631
+ {
632
+ "epoch": 1.5858494817485354,
633
+ "grad_norm": 17.299917221069336,
634
+ "learning_rate": 3.411552346570397e-05,
635
+ "loss": 0.3177,
636
+ "step": 880
637
+ },
638
+ {
639
+ "epoch": 1.6038756196484902,
640
+ "grad_norm": 15.277181625366211,
641
+ "learning_rate": 3.3935018050541516e-05,
642
+ "loss": 0.2773,
643
+ "step": 890
644
+ },
645
+ {
646
+ "epoch": 1.6219017575484451,
647
+ "grad_norm": 27.945833206176758,
648
+ "learning_rate": 3.375451263537907e-05,
649
+ "loss": 0.3417,
650
+ "step": 900
651
+ },
652
+ {
653
+ "epoch": 1.6399278954484002,
654
+ "grad_norm": 25.78679847717285,
655
+ "learning_rate": 3.3574007220216606e-05,
656
+ "loss": 0.2959,
657
+ "step": 910
658
+ },
659
+ {
660
+ "epoch": 1.6579540333483551,
661
+ "grad_norm": 17.608028411865234,
662
+ "learning_rate": 3.339350180505416e-05,
663
+ "loss": 0.273,
664
+ "step": 920
665
+ },
666
+ {
667
+ "epoch": 1.67598017124831,
668
+ "grad_norm": 17.937299728393555,
669
+ "learning_rate": 3.3212996389891696e-05,
670
+ "loss": 0.3121,
671
+ "step": 930
672
+ },
673
+ {
674
+ "epoch": 1.694006309148265,
675
+ "grad_norm": 22.207386016845703,
676
+ "learning_rate": 3.303249097472924e-05,
677
+ "loss": 0.3389,
678
+ "step": 940
679
+ },
680
+ {
681
+ "epoch": 1.71203244704822,
682
+ "grad_norm": 40.351959228515625,
683
+ "learning_rate": 3.2851985559566786e-05,
684
+ "loss": 0.3138,
685
+ "step": 950
686
+ },
687
+ {
688
+ "epoch": 1.7300585849481749,
689
+ "grad_norm": 23.845033645629883,
690
+ "learning_rate": 3.267148014440433e-05,
691
+ "loss": 0.2865,
692
+ "step": 960
693
+ },
694
+ {
695
+ "epoch": 1.7480847228481298,
696
+ "grad_norm": 18.095985412597656,
697
+ "learning_rate": 3.249097472924188e-05,
698
+ "loss": 0.294,
699
+ "step": 970
700
+ },
701
+ {
702
+ "epoch": 1.7661108607480847,
703
+ "grad_norm": 25.775617599487305,
704
+ "learning_rate": 3.231046931407942e-05,
705
+ "loss": 0.2785,
706
+ "step": 980
707
+ },
708
+ {
709
+ "epoch": 1.7841369986480395,
710
+ "grad_norm": 20.0789737701416,
711
+ "learning_rate": 3.212996389891697e-05,
712
+ "loss": 0.3533,
713
+ "step": 990
714
+ },
715
+ {
716
+ "epoch": 1.8021631365479944,
717
+ "grad_norm": 26.862163543701172,
718
+ "learning_rate": 3.194945848375451e-05,
719
+ "loss": 0.2957,
720
+ "step": 1000
721
+ },
722
+ {
723
+ "epoch": 1.8201892744479495,
724
+ "grad_norm": 24.20423698425293,
725
+ "learning_rate": 3.176895306859206e-05,
726
+ "loss": 0.3195,
727
+ "step": 1010
728
+ },
729
+ {
730
+ "epoch": 1.8382154123479044,
731
+ "grad_norm": 25.36762809753418,
732
+ "learning_rate": 3.15884476534296e-05,
733
+ "loss": 0.2823,
734
+ "step": 1020
735
+ },
736
+ {
737
+ "epoch": 1.8562415502478595,
738
+ "grad_norm": 37.54848098754883,
739
+ "learning_rate": 3.140794223826715e-05,
740
+ "loss": 0.3557,
741
+ "step": 1030
742
+ },
743
+ {
744
+ "epoch": 1.8742676881478144,
745
+ "grad_norm": 24.26515769958496,
746
+ "learning_rate": 3.12274368231047e-05,
747
+ "loss": 0.3194,
748
+ "step": 1040
749
+ },
750
+ {
751
+ "epoch": 1.8922938260477693,
752
+ "grad_norm": 22.1879940032959,
753
+ "learning_rate": 3.104693140794224e-05,
754
+ "loss": 0.2912,
755
+ "step": 1050
756
+ },
757
+ {
758
+ "epoch": 1.9103199639477242,
759
+ "grad_norm": 21.703449249267578,
760
+ "learning_rate": 3.086642599277979e-05,
761
+ "loss": 0.2635,
762
+ "step": 1060
763
+ },
764
+ {
765
+ "epoch": 1.928346101847679,
766
+ "grad_norm": 33.39324951171875,
767
+ "learning_rate": 3.0685920577617325e-05,
768
+ "loss": 0.2943,
769
+ "step": 1070
770
+ },
771
+ {
772
+ "epoch": 1.946372239747634,
773
+ "grad_norm": 21.398008346557617,
774
+ "learning_rate": 3.0505415162454877e-05,
775
+ "loss": 0.353,
776
+ "step": 1080
777
+ },
778
+ {
779
+ "epoch": 1.9643983776475888,
780
+ "grad_norm": 17.463472366333008,
781
+ "learning_rate": 3.032490974729242e-05,
782
+ "loss": 0.2934,
783
+ "step": 1090
784
+ },
785
+ {
786
+ "epoch": 1.982424515547544,
787
+ "grad_norm": 32.96004104614258,
788
+ "learning_rate": 3.0144404332129967e-05,
789
+ "loss": 0.3206,
790
+ "step": 1100
791
+ },
792
+ {
793
+ "epoch": 2.0,
794
+ "grad_norm": 22.864667892456055,
795
+ "learning_rate": 2.996389891696751e-05,
796
+ "loss": 0.2765,
797
+ "step": 1110
798
+ },
799
+ {
800
+ "epoch": 2.0,
801
+ "eval_f1": 0.8415584415584415,
802
+ "eval_loss": 0.3972894847393036,
803
+ "eval_precision": 0.7748344370860927,
804
+ "eval_recall": 0.9208570179274158,
805
+ "eval_runtime": 67.5759,
806
+ "eval_samples_per_second": 69.152,
807
+ "eval_steps_per_second": 8.657,
808
+ "step": 1110
809
+ },
810
+ {
811
+ "epoch": 2.018026137899955,
812
+ "grad_norm": 25.821582794189453,
813
+ "learning_rate": 2.9783393501805057e-05,
814
+ "loss": 0.1921,
815
+ "step": 1120
816
+ },
817
+ {
818
+ "epoch": 2.0360522757999098,
819
+ "grad_norm": 29.275466918945312,
820
+ "learning_rate": 2.9602888086642598e-05,
821
+ "loss": 0.1621,
822
+ "step": 1130
823
+ },
824
+ {
825
+ "epoch": 2.0540784136998647,
826
+ "grad_norm": 26.00608253479004,
827
+ "learning_rate": 2.9422382671480147e-05,
828
+ "loss": 0.1792,
829
+ "step": 1140
830
+ },
831
+ {
832
+ "epoch": 2.0721045515998195,
833
+ "grad_norm": 44.50676345825195,
834
+ "learning_rate": 2.924187725631769e-05,
835
+ "loss": 0.1525,
836
+ "step": 1150
837
+ },
838
+ {
839
+ "epoch": 2.090130689499775,
840
+ "grad_norm": 35.6057014465332,
841
+ "learning_rate": 2.906137184115524e-05,
842
+ "loss": 0.1869,
843
+ "step": 1160
844
+ },
845
+ {
846
+ "epoch": 2.1081568273997298,
847
+ "grad_norm": 15.054738998413086,
848
+ "learning_rate": 2.888086642599278e-05,
849
+ "loss": 0.1549,
850
+ "step": 1170
851
+ },
852
+ {
853
+ "epoch": 2.1261829652996846,
854
+ "grad_norm": 31.124298095703125,
855
+ "learning_rate": 2.870036101083033e-05,
856
+ "loss": 0.1712,
857
+ "step": 1180
858
+ },
859
+ {
860
+ "epoch": 2.1442091031996395,
861
+ "grad_norm": 31.94968032836914,
862
+ "learning_rate": 2.851985559566787e-05,
863
+ "loss": 0.1562,
864
+ "step": 1190
865
+ },
866
+ {
867
+ "epoch": 2.1622352410995944,
868
+ "grad_norm": 27.812400817871094,
869
+ "learning_rate": 2.8339350180505413e-05,
870
+ "loss": 0.1615,
871
+ "step": 1200
872
+ },
873
+ {
874
+ "epoch": 2.1802613789995493,
875
+ "grad_norm": 20.641502380371094,
876
+ "learning_rate": 2.815884476534296e-05,
877
+ "loss": 0.1744,
878
+ "step": 1210
879
+ },
880
+ {
881
+ "epoch": 2.198287516899504,
882
+ "grad_norm": 22.02704429626465,
883
+ "learning_rate": 2.7978339350180506e-05,
884
+ "loss": 0.1794,
885
+ "step": 1220
886
+ },
887
+ {
888
+ "epoch": 2.216313654799459,
889
+ "grad_norm": 23.43486213684082,
890
+ "learning_rate": 2.779783393501805e-05,
891
+ "loss": 0.1821,
892
+ "step": 1230
893
+ },
894
+ {
895
+ "epoch": 2.234339792699414,
896
+ "grad_norm": 11.662972450256348,
897
+ "learning_rate": 2.7617328519855596e-05,
898
+ "loss": 0.1842,
899
+ "step": 1240
900
+ },
901
+ {
902
+ "epoch": 2.2523659305993693,
903
+ "grad_norm": 55.82278823852539,
904
+ "learning_rate": 2.7436823104693144e-05,
905
+ "loss": 0.1587,
906
+ "step": 1250
907
+ },
908
+ {
909
+ "epoch": 2.270392068499324,
910
+ "grad_norm": 52.459190368652344,
911
+ "learning_rate": 2.7256317689530686e-05,
912
+ "loss": 0.1755,
913
+ "step": 1260
914
+ },
915
+ {
916
+ "epoch": 2.288418206399279,
917
+ "grad_norm": 11.363420486450195,
918
+ "learning_rate": 2.7075812274368234e-05,
919
+ "loss": 0.1507,
920
+ "step": 1270
921
+ },
922
+ {
923
+ "epoch": 2.306444344299234,
924
+ "grad_norm": 19.20196533203125,
925
+ "learning_rate": 2.6895306859205776e-05,
926
+ "loss": 0.1538,
927
+ "step": 1280
928
+ },
929
+ {
930
+ "epoch": 2.324470482199189,
931
+ "grad_norm": 24.035587310791016,
932
+ "learning_rate": 2.6714801444043324e-05,
933
+ "loss": 0.1604,
934
+ "step": 1290
935
+ },
936
+ {
937
+ "epoch": 2.3424966200991437,
938
+ "grad_norm": 25.760459899902344,
939
+ "learning_rate": 2.6534296028880866e-05,
940
+ "loss": 0.179,
941
+ "step": 1300
942
+ },
943
+ {
944
+ "epoch": 2.3605227579990986,
945
+ "grad_norm": 38.57444381713867,
946
+ "learning_rate": 2.6353790613718414e-05,
947
+ "loss": 0.1668,
948
+ "step": 1310
949
+ },
950
+ {
951
+ "epoch": 2.3785488958990535,
952
+ "grad_norm": 26.489524841308594,
953
+ "learning_rate": 2.617328519855596e-05,
954
+ "loss": 0.1531,
955
+ "step": 1320
956
+ },
957
+ {
958
+ "epoch": 2.3965750337990084,
959
+ "grad_norm": 30.741003036499023,
960
+ "learning_rate": 2.59927797833935e-05,
961
+ "loss": 0.201,
962
+ "step": 1330
963
+ },
964
+ {
965
+ "epoch": 2.4146011716989637,
966
+ "grad_norm": 13.293583869934082,
967
+ "learning_rate": 2.581227436823105e-05,
968
+ "loss": 0.1413,
969
+ "step": 1340
970
+ },
971
+ {
972
+ "epoch": 2.4326273095989186,
973
+ "grad_norm": 38.17484664916992,
974
+ "learning_rate": 2.563176895306859e-05,
975
+ "loss": 0.1479,
976
+ "step": 1350
977
+ },
978
+ {
979
+ "epoch": 2.4506534474988735,
980
+ "grad_norm": 26.58913230895996,
981
+ "learning_rate": 2.545126353790614e-05,
982
+ "loss": 0.162,
983
+ "step": 1360
984
+ },
985
+ {
986
+ "epoch": 2.4686795853988284,
987
+ "grad_norm": 18.360992431640625,
988
+ "learning_rate": 2.527075812274368e-05,
989
+ "loss": 0.1938,
990
+ "step": 1370
991
+ },
992
+ {
993
+ "epoch": 2.4867057232987833,
994
+ "grad_norm": 31.35187339782715,
995
+ "learning_rate": 2.509025270758123e-05,
996
+ "loss": 0.1895,
997
+ "step": 1380
998
+ },
999
+ {
1000
+ "epoch": 2.504731861198738,
1001
+ "grad_norm": 23.93364715576172,
1002
+ "learning_rate": 2.4909747292418774e-05,
1003
+ "loss": 0.1983,
1004
+ "step": 1390
1005
+ },
1006
+ {
1007
+ "epoch": 2.522757999098693,
1008
+ "grad_norm": 48.125240325927734,
1009
+ "learning_rate": 2.472924187725632e-05,
1010
+ "loss": 0.2107,
1011
+ "step": 1400
1012
+ },
1013
+ {
1014
+ "epoch": 2.540784136998648,
1015
+ "grad_norm": 16.627723693847656,
1016
+ "learning_rate": 2.4548736462093864e-05,
1017
+ "loss": 0.1798,
1018
+ "step": 1410
1019
+ },
1020
+ {
1021
+ "epoch": 2.558810274898603,
1022
+ "grad_norm": 33.984134674072266,
1023
+ "learning_rate": 2.436823104693141e-05,
1024
+ "loss": 0.1903,
1025
+ "step": 1420
1026
+ },
1027
+ {
1028
+ "epoch": 2.576836412798558,
1029
+ "grad_norm": 41.849796295166016,
1030
+ "learning_rate": 2.4187725631768953e-05,
1031
+ "loss": 0.1883,
1032
+ "step": 1430
1033
+ },
1034
+ {
1035
+ "epoch": 2.5948625506985126,
1036
+ "grad_norm": 35.38132095336914,
1037
+ "learning_rate": 2.40072202166065e-05,
1038
+ "loss": 0.218,
1039
+ "step": 1440
1040
+ },
1041
+ {
1042
+ "epoch": 2.612888688598468,
1043
+ "grad_norm": 45.718360900878906,
1044
+ "learning_rate": 2.3826714801444043e-05,
1045
+ "loss": 0.1857,
1046
+ "step": 1450
1047
+ },
1048
+ {
1049
+ "epoch": 2.630914826498423,
1050
+ "grad_norm": 21.124282836914062,
1051
+ "learning_rate": 2.3646209386281588e-05,
1052
+ "loss": 0.1966,
1053
+ "step": 1460
1054
+ },
1055
+ {
1056
+ "epoch": 2.6489409643983777,
1057
+ "grad_norm": 51.59513854980469,
1058
+ "learning_rate": 2.3465703971119137e-05,
1059
+ "loss": 0.2052,
1060
+ "step": 1470
1061
+ },
1062
+ {
1063
+ "epoch": 2.6669671022983326,
1064
+ "grad_norm": 27.74148941040039,
1065
+ "learning_rate": 2.328519855595668e-05,
1066
+ "loss": 0.1972,
1067
+ "step": 1480
1068
+ },
1069
+ {
1070
+ "epoch": 2.6849932401982874,
1071
+ "grad_norm": 23.677188873291016,
1072
+ "learning_rate": 2.3104693140794227e-05,
1073
+ "loss": 0.1564,
1074
+ "step": 1490
1075
+ },
1076
+ {
1077
+ "epoch": 2.7030193780982423,
1078
+ "grad_norm": 37.59199523925781,
1079
+ "learning_rate": 2.292418772563177e-05,
1080
+ "loss": 0.1556,
1081
+ "step": 1500
1082
+ },
1083
+ {
1084
+ "epoch": 2.721045515998197,
1085
+ "grad_norm": 39.62023162841797,
1086
+ "learning_rate": 2.2743682310469316e-05,
1087
+ "loss": 0.181,
1088
+ "step": 1510
1089
+ },
1090
+ {
1091
+ "epoch": 2.7390716538981525,
1092
+ "grad_norm": 41.49861526489258,
1093
+ "learning_rate": 2.2563176895306858e-05,
1094
+ "loss": 0.1858,
1095
+ "step": 1520
1096
+ },
1097
+ {
1098
+ "epoch": 2.757097791798107,
1099
+ "grad_norm": 24.64577293395996,
1100
+ "learning_rate": 2.2382671480144403e-05,
1101
+ "loss": 0.1665,
1102
+ "step": 1530
1103
+ },
1104
+ {
1105
+ "epoch": 2.7751239296980623,
1106
+ "grad_norm": 19.250690460205078,
1107
+ "learning_rate": 2.220216606498195e-05,
1108
+ "loss": 0.1582,
1109
+ "step": 1540
1110
+ },
1111
+ {
1112
+ "epoch": 2.793150067598017,
1113
+ "grad_norm": 32.70537185668945,
1114
+ "learning_rate": 2.2021660649819496e-05,
1115
+ "loss": 0.1774,
1116
+ "step": 1550
1117
+ },
1118
+ {
1119
+ "epoch": 2.811176205497972,
1120
+ "grad_norm": 27.5251522064209,
1121
+ "learning_rate": 2.184115523465704e-05,
1122
+ "loss": 0.1877,
1123
+ "step": 1560
1124
+ },
1125
+ {
1126
+ "epoch": 2.829202343397927,
1127
+ "grad_norm": 34.118892669677734,
1128
+ "learning_rate": 2.1660649819494586e-05,
1129
+ "loss": 0.1763,
1130
+ "step": 1570
1131
+ },
1132
+ {
1133
+ "epoch": 2.847228481297882,
1134
+ "grad_norm": 23.93291473388672,
1135
+ "learning_rate": 2.148014440433213e-05,
1136
+ "loss": 0.1448,
1137
+ "step": 1580
1138
+ },
1139
+ {
1140
+ "epoch": 2.8652546191978367,
1141
+ "grad_norm": 35.88968276977539,
1142
+ "learning_rate": 2.1299638989169676e-05,
1143
+ "loss": 0.2251,
1144
+ "step": 1590
1145
+ },
1146
+ {
1147
+ "epoch": 2.8832807570977916,
1148
+ "grad_norm": 28.2044620513916,
1149
+ "learning_rate": 2.111913357400722e-05,
1150
+ "loss": 0.1503,
1151
+ "step": 1600
1152
+ },
1153
+ {
1154
+ "epoch": 2.901306894997747,
1155
+ "grad_norm": 36.51847457885742,
1156
+ "learning_rate": 2.0938628158844766e-05,
1157
+ "loss": 0.1471,
1158
+ "step": 1610
1159
+ },
1160
+ {
1161
+ "epoch": 2.9193330328977014,
1162
+ "grad_norm": 35.991207122802734,
1163
+ "learning_rate": 2.075812274368231e-05,
1164
+ "loss": 0.1822,
1165
+ "step": 1620
1166
+ },
1167
+ {
1168
+ "epoch": 2.9373591707976567,
1169
+ "grad_norm": 47.02556610107422,
1170
+ "learning_rate": 2.057761732851986e-05,
1171
+ "loss": 0.1727,
1172
+ "step": 1630
1173
+ },
1174
+ {
1175
+ "epoch": 2.9553853086976116,
1176
+ "grad_norm": 22.891300201416016,
1177
+ "learning_rate": 2.0397111913357404e-05,
1178
+ "loss": 0.1627,
1179
+ "step": 1640
1180
+ },
1181
+ {
1182
+ "epoch": 2.9734114465975665,
1183
+ "grad_norm": 47.76613998413086,
1184
+ "learning_rate": 2.0216606498194946e-05,
1185
+ "loss": 0.171,
1186
+ "step": 1650
1187
+ },
1188
+ {
1189
+ "epoch": 2.9914375844975214,
1190
+ "grad_norm": 16.816410064697266,
1191
+ "learning_rate": 2.003610108303249e-05,
1192
+ "loss": 0.1314,
1193
+ "step": 1660
1194
+ },
1195
+ {
1196
+ "epoch": 3.0,
1197
+ "eval_f1": 0.8327495621716288,
1198
+ "eval_loss": 0.5104337930679321,
1199
+ "eval_precision": 0.8338448049101271,
1200
+ "eval_recall": 0.8316571928290337,
1201
+ "eval_runtime": 66.4346,
1202
+ "eval_samples_per_second": 70.34,
1203
+ "eval_steps_per_second": 8.806,
1204
+ "step": 1665
1205
+ },
1206
+ {
1207
+ "epoch": 3.0090130689499777,
1208
+ "grad_norm": 9.651093482971191,
1209
+ "learning_rate": 1.9855595667870036e-05,
1210
+ "loss": 0.1416,
1211
+ "step": 1670
1212
+ },
1213
+ {
1214
+ "epoch": 3.0270392068499326,
1215
+ "grad_norm": 31.92531967163086,
1216
+ "learning_rate": 1.967509025270758e-05,
1217
+ "loss": 0.0754,
1218
+ "step": 1680
1219
+ },
1220
+ {
1221
+ "epoch": 3.0450653447498874,
1222
+ "grad_norm": 73.67928314208984,
1223
+ "learning_rate": 1.9494584837545125e-05,
1224
+ "loss": 0.106,
1225
+ "step": 1690
1226
+ },
1227
+ {
1228
+ "epoch": 3.0630914826498423,
1229
+ "grad_norm": 42.071495056152344,
1230
+ "learning_rate": 1.9314079422382674e-05,
1231
+ "loss": 0.0619,
1232
+ "step": 1700
1233
+ },
1234
+ {
1235
+ "epoch": 3.081117620549797,
1236
+ "grad_norm": 26.15340805053711,
1237
+ "learning_rate": 1.913357400722022e-05,
1238
+ "loss": 0.0452,
1239
+ "step": 1710
1240
+ },
1241
+ {
1242
+ "epoch": 3.099143758449752,
1243
+ "grad_norm": 47.46036148071289,
1244
+ "learning_rate": 1.8953068592057764e-05,
1245
+ "loss": 0.0808,
1246
+ "step": 1720
1247
+ },
1248
+ {
1249
+ "epoch": 3.117169896349707,
1250
+ "grad_norm": 3.8104429244995117,
1251
+ "learning_rate": 1.877256317689531e-05,
1252
+ "loss": 0.0727,
1253
+ "step": 1730
1254
+ },
1255
+ {
1256
+ "epoch": 3.135196034249662,
1257
+ "grad_norm": 74.3051528930664,
1258
+ "learning_rate": 1.8592057761732854e-05,
1259
+ "loss": 0.0954,
1260
+ "step": 1740
1261
+ },
1262
+ {
1263
+ "epoch": 3.1532221721496168,
1264
+ "grad_norm": 13.70536994934082,
1265
+ "learning_rate": 1.84115523465704e-05,
1266
+ "loss": 0.0712,
1267
+ "step": 1750
1268
+ },
1269
+ {
1270
+ "epoch": 3.171248310049572,
1271
+ "grad_norm": 39.88608169555664,
1272
+ "learning_rate": 1.8231046931407943e-05,
1273
+ "loss": 0.0745,
1274
+ "step": 1760
1275
+ },
1276
+ {
1277
+ "epoch": 3.189274447949527,
1278
+ "grad_norm": 5.359338760375977,
1279
+ "learning_rate": 1.805054151624549e-05,
1280
+ "loss": 0.0819,
1281
+ "step": 1770
1282
+ },
1283
+ {
1284
+ "epoch": 3.207300585849482,
1285
+ "grad_norm": 32.22220993041992,
1286
+ "learning_rate": 1.7870036101083033e-05,
1287
+ "loss": 0.0875,
1288
+ "step": 1780
1289
+ },
1290
+ {
1291
+ "epoch": 3.2253267237494367,
1292
+ "grad_norm": 38.817562103271484,
1293
+ "learning_rate": 1.768953068592058e-05,
1294
+ "loss": 0.0862,
1295
+ "step": 1790
1296
+ },
1297
+ {
1298
+ "epoch": 3.2433528616493916,
1299
+ "grad_norm": 47.403221130371094,
1300
+ "learning_rate": 1.7509025270758123e-05,
1301
+ "loss": 0.0531,
1302
+ "step": 1800
1303
+ },
1304
+ {
1305
+ "epoch": 3.2613789995493465,
1306
+ "grad_norm": 32.57699966430664,
1307
+ "learning_rate": 1.7328519855595668e-05,
1308
+ "loss": 0.0668,
1309
+ "step": 1810
1310
+ },
1311
+ {
1312
+ "epoch": 3.2794051374493014,
1313
+ "grad_norm": 19.743186950683594,
1314
+ "learning_rate": 1.7148014440433213e-05,
1315
+ "loss": 0.098,
1316
+ "step": 1820
1317
+ },
1318
+ {
1319
+ "epoch": 3.2974312753492563,
1320
+ "grad_norm": 18.176307678222656,
1321
+ "learning_rate": 1.6967509025270758e-05,
1322
+ "loss": 0.1096,
1323
+ "step": 1830
1324
+ },
1325
+ {
1326
+ "epoch": 3.315457413249211,
1327
+ "grad_norm": 8.426152229309082,
1328
+ "learning_rate": 1.6787003610108303e-05,
1329
+ "loss": 0.0548,
1330
+ "step": 1840
1331
+ },
1332
+ {
1333
+ "epoch": 3.3334835511491665,
1334
+ "grad_norm": 24.95146942138672,
1335
+ "learning_rate": 1.6606498194945848e-05,
1336
+ "loss": 0.0863,
1337
+ "step": 1850
1338
+ },
1339
+ {
1340
+ "epoch": 3.3515096890491214,
1341
+ "grad_norm": 18.36710548400879,
1342
+ "learning_rate": 1.6425992779783393e-05,
1343
+ "loss": 0.0642,
1344
+ "step": 1860
1345
+ },
1346
+ {
1347
+ "epoch": 3.3695358269490763,
1348
+ "grad_norm": 65.7655029296875,
1349
+ "learning_rate": 1.624548736462094e-05,
1350
+ "loss": 0.0848,
1351
+ "step": 1870
1352
+ },
1353
+ {
1354
+ "epoch": 3.387561964849031,
1355
+ "grad_norm": 91.28118896484375,
1356
+ "learning_rate": 1.6064981949458486e-05,
1357
+ "loss": 0.0963,
1358
+ "step": 1880
1359
+ },
1360
+ {
1361
+ "epoch": 3.405588102748986,
1362
+ "grad_norm": 22.324848175048828,
1363
+ "learning_rate": 1.588447653429603e-05,
1364
+ "loss": 0.0902,
1365
+ "step": 1890
1366
+ },
1367
+ {
1368
+ "epoch": 3.423614240648941,
1369
+ "grad_norm": 78.93708801269531,
1370
+ "learning_rate": 1.5703971119133576e-05,
1371
+ "loss": 0.0903,
1372
+ "step": 1900
1373
+ },
1374
+ {
1375
+ "epoch": 3.441640378548896,
1376
+ "grad_norm": 8.107336044311523,
1377
+ "learning_rate": 1.552346570397112e-05,
1378
+ "loss": 0.0569,
1379
+ "step": 1910
1380
+ },
1381
+ {
1382
+ "epoch": 3.4596665164488507,
1383
+ "grad_norm": 484.3660888671875,
1384
+ "learning_rate": 1.5342960288808663e-05,
1385
+ "loss": 0.0786,
1386
+ "step": 1920
1387
+ },
1388
+ {
1389
+ "epoch": 3.4776926543488056,
1390
+ "grad_norm": 60.93991470336914,
1391
+ "learning_rate": 1.516245487364621e-05,
1392
+ "loss": 0.1171,
1393
+ "step": 1930
1394
+ },
1395
+ {
1396
+ "epoch": 3.495718792248761,
1397
+ "grad_norm": 24.582143783569336,
1398
+ "learning_rate": 1.4981949458483754e-05,
1399
+ "loss": 0.0771,
1400
+ "step": 1940
1401
+ },
1402
+ {
1403
+ "epoch": 3.5137449301487154,
1404
+ "grad_norm": 18.43077850341797,
1405
+ "learning_rate": 1.4801444043321299e-05,
1406
+ "loss": 0.0894,
1407
+ "step": 1950
1408
+ },
1409
+ {
1410
+ "epoch": 3.5317710680486707,
1411
+ "grad_norm": 38.594322204589844,
1412
+ "learning_rate": 1.4620938628158846e-05,
1413
+ "loss": 0.0583,
1414
+ "step": 1960
1415
+ },
1416
+ {
1417
+ "epoch": 3.5497972059486256,
1418
+ "grad_norm": 20.9086856842041,
1419
+ "learning_rate": 1.444043321299639e-05,
1420
+ "loss": 0.0981,
1421
+ "step": 1970
1422
+ },
1423
+ {
1424
+ "epoch": 3.5678233438485805,
1425
+ "grad_norm": 37.58344268798828,
1426
+ "learning_rate": 1.4259927797833936e-05,
1427
+ "loss": 0.0848,
1428
+ "step": 1980
1429
+ },
1430
+ {
1431
+ "epoch": 3.5858494817485354,
1432
+ "grad_norm": 23.61933135986328,
1433
+ "learning_rate": 1.407942238267148e-05,
1434
+ "loss": 0.0889,
1435
+ "step": 1990
1436
+ },
1437
+ {
1438
+ "epoch": 3.6038756196484902,
1439
+ "grad_norm": 29.957996368408203,
1440
+ "learning_rate": 1.3898916967509026e-05,
1441
+ "loss": 0.0874,
1442
+ "step": 2000
1443
+ },
1444
+ {
1445
+ "epoch": 3.621901757548445,
1446
+ "grad_norm": 33.87687683105469,
1447
+ "learning_rate": 1.3718411552346572e-05,
1448
+ "loss": 0.0745,
1449
+ "step": 2010
1450
+ },
1451
+ {
1452
+ "epoch": 3.6399278954484,
1453
+ "grad_norm": 49.98701095581055,
1454
+ "learning_rate": 1.3537906137184117e-05,
1455
+ "loss": 0.0769,
1456
+ "step": 2020
1457
+ },
1458
+ {
1459
+ "epoch": 3.6579540333483553,
1460
+ "grad_norm": 55.11968994140625,
1461
+ "learning_rate": 1.3357400722021662e-05,
1462
+ "loss": 0.1061,
1463
+ "step": 2030
1464
+ },
1465
+ {
1466
+ "epoch": 3.67598017124831,
1467
+ "grad_norm": 35.04582595825195,
1468
+ "learning_rate": 1.3176895306859207e-05,
1469
+ "loss": 0.0534,
1470
+ "step": 2040
1471
+ },
1472
+ {
1473
+ "epoch": 3.694006309148265,
1474
+ "grad_norm": 27.872615814208984,
1475
+ "learning_rate": 1.299638989169675e-05,
1476
+ "loss": 0.0788,
1477
+ "step": 2050
1478
+ },
1479
+ {
1480
+ "epoch": 3.71203244704822,
1481
+ "grad_norm": 24.054401397705078,
1482
+ "learning_rate": 1.2815884476534295e-05,
1483
+ "loss": 0.0867,
1484
+ "step": 2060
1485
+ },
1486
+ {
1487
+ "epoch": 3.730058584948175,
1488
+ "grad_norm": 21.985633850097656,
1489
+ "learning_rate": 1.263537906137184e-05,
1490
+ "loss": 0.067,
1491
+ "step": 2070
1492
+ },
1493
+ {
1494
+ "epoch": 3.7480847228481298,
1495
+ "grad_norm": 35.386085510253906,
1496
+ "learning_rate": 1.2454873646209387e-05,
1497
+ "loss": 0.0698,
1498
+ "step": 2080
1499
+ },
1500
+ {
1501
+ "epoch": 3.7661108607480847,
1502
+ "grad_norm": 21.687231063842773,
1503
+ "learning_rate": 1.2274368231046932e-05,
1504
+ "loss": 0.0904,
1505
+ "step": 2090
1506
+ },
1507
+ {
1508
+ "epoch": 3.7841369986480395,
1509
+ "grad_norm": 24.54305076599121,
1510
+ "learning_rate": 1.2093862815884477e-05,
1511
+ "loss": 0.0881,
1512
+ "step": 2100
1513
+ },
1514
+ {
1515
+ "epoch": 3.8021631365479944,
1516
+ "grad_norm": 52.710487365722656,
1517
+ "learning_rate": 1.1913357400722022e-05,
1518
+ "loss": 0.0931,
1519
+ "step": 2110
1520
+ },
1521
+ {
1522
+ "epoch": 3.8201892744479498,
1523
+ "grad_norm": 36.47780990600586,
1524
+ "learning_rate": 1.1732851985559568e-05,
1525
+ "loss": 0.084,
1526
+ "step": 2120
1527
+ },
1528
+ {
1529
+ "epoch": 3.838215412347904,
1530
+ "grad_norm": 53.25602722167969,
1531
+ "learning_rate": 1.1552346570397113e-05,
1532
+ "loss": 0.082,
1533
+ "step": 2130
1534
+ },
1535
+ {
1536
+ "epoch": 3.8562415502478595,
1537
+ "grad_norm": 31.34427261352539,
1538
+ "learning_rate": 1.1371841155234658e-05,
1539
+ "loss": 0.1156,
1540
+ "step": 2140
1541
+ },
1542
+ {
1543
+ "epoch": 3.8742676881478144,
1544
+ "grad_norm": 26.31972885131836,
1545
+ "learning_rate": 1.1191335740072201e-05,
1546
+ "loss": 0.1051,
1547
+ "step": 2150
1548
+ },
1549
+ {
1550
+ "epoch": 3.8922938260477693,
1551
+ "grad_norm": 17.960121154785156,
1552
+ "learning_rate": 1.1010830324909748e-05,
1553
+ "loss": 0.1016,
1554
+ "step": 2160
1555
+ },
1556
+ {
1557
+ "epoch": 3.910319963947724,
1558
+ "grad_norm": 10.466907501220703,
1559
+ "learning_rate": 1.0830324909747293e-05,
1560
+ "loss": 0.0518,
1561
+ "step": 2170
1562
+ },
1563
+ {
1564
+ "epoch": 3.928346101847679,
1565
+ "grad_norm": 38.48418045043945,
1566
+ "learning_rate": 1.0649819494584838e-05,
1567
+ "loss": 0.0406,
1568
+ "step": 2180
1569
+ },
1570
+ {
1571
+ "epoch": 3.946372239747634,
1572
+ "grad_norm": 36.69453811645508,
1573
+ "learning_rate": 1.0469314079422383e-05,
1574
+ "loss": 0.0654,
1575
+ "step": 2190
1576
+ },
1577
+ {
1578
+ "epoch": 3.964398377647589,
1579
+ "grad_norm": 3.7297933101654053,
1580
+ "learning_rate": 1.028880866425993e-05,
1581
+ "loss": 0.0963,
1582
+ "step": 2200
1583
+ },
1584
+ {
1585
+ "epoch": 3.982424515547544,
1586
+ "grad_norm": 69.28231048583984,
1587
+ "learning_rate": 1.0108303249097473e-05,
1588
+ "loss": 0.0509,
1589
+ "step": 2210
1590
+ },
1591
+ {
1592
+ "epoch": 4.0,
1593
+ "grad_norm": 48.080718994140625,
1594
+ "learning_rate": 9.927797833935018e-06,
1595
+ "loss": 0.0575,
1596
+ "step": 2220
1597
+ },
1598
+ {
1599
+ "epoch": 4.0,
1600
+ "eval_f1": 0.8324720068906115,
1601
+ "eval_loss": 0.784024178981781,
1602
+ "eval_precision": 0.8201103097157404,
1603
+ "eval_recall": 0.845212068211631,
1604
+ "eval_runtime": 52.7119,
1605
+ "eval_samples_per_second": 88.652,
1606
+ "eval_steps_per_second": 11.098,
1607
+ "step": 2220
1608
+ }
1609
+ ],
1610
+ "logging_steps": 10,
1611
+ "max_steps": 2770,
1612
+ "num_input_tokens_seen": 0,
1613
+ "num_train_epochs": 5,
1614
+ "save_steps": 500,
1615
+ "stateful_callbacks": {
1616
+ "TrainerControl": {
1617
+ "args": {
1618
+ "should_epoch_stop": false,
1619
+ "should_evaluate": false,
1620
+ "should_log": false,
1621
+ "should_save": true,
1622
+ "should_training_stop": false
1623
+ },
1624
+ "attributes": {}
1625
+ }
1626
+ },
1627
+ "total_flos": 7.717028512353485e+16,
1628
+ "train_batch_size": 8,
1629
+ "trial_name": null,
1630
+ "trial_params": null
1631
+ }
checkpoint-2220/training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:bd360ff6566a7421740b08164da56480ee843ecd9962d79899c9150e4be0d68e
3
+ size 5432