Training in progress, step 345
Browse files- adapter_config.json +4 -4
- adapter_model.safetensors +1 -1
- trainer_state.json +1092 -0
- training_args.bin +1 -1
adapter_config.json
CHANGED
|
@@ -23,12 +23,12 @@
|
|
| 23 |
"rank_pattern": {},
|
| 24 |
"revision": null,
|
| 25 |
"target_modules": [
|
| 26 |
-
"q_proj",
|
| 27 |
-
"gate_proj",
|
| 28 |
-
"up_proj",
|
| 29 |
-
"o_proj",
|
| 30 |
"v_proj",
|
|
|
|
| 31 |
"k_proj",
|
|
|
|
|
|
|
|
|
|
| 32 |
"down_proj"
|
| 33 |
],
|
| 34 |
"task_type": "CAUSAL_LM",
|
|
|
|
| 23 |
"rank_pattern": {},
|
| 24 |
"revision": null,
|
| 25 |
"target_modules": [
|
|
|
|
|
|
|
|
|
|
|
|
|
| 26 |
"v_proj",
|
| 27 |
+
"up_proj",
|
| 28 |
"k_proj",
|
| 29 |
+
"gate_proj",
|
| 30 |
+
"q_proj",
|
| 31 |
+
"o_proj",
|
| 32 |
"down_proj"
|
| 33 |
],
|
| 34 |
"task_type": "CAUSAL_LM",
|
adapter_model.safetensors
CHANGED
|
@@ -1,3 +1,3 @@
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
-
oid sha256:
|
| 3 |
size 2772497632
|
|
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:6bd67e5504472688135ea31cf6a9f03ee04c9f81689ed49986d3bd5418b94218
|
| 3 |
size 2772497632
|
trainer_state.json
ADDED
|
@@ -0,0 +1,1092 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_metric": null,
|
| 3 |
+
"best_model_checkpoint": null,
|
| 4 |
+
"epoch": 10.0,
|
| 5 |
+
"eval_steps": 500,
|
| 6 |
+
"global_step": 150,
|
| 7 |
+
"is_hyper_param_search": false,
|
| 8 |
+
"is_local_process_zero": true,
|
| 9 |
+
"is_world_process_zero": true,
|
| 10 |
+
"log_history": [
|
| 11 |
+
{
|
| 12 |
+
"epoch": 0.06666666666666667,
|
| 13 |
+
"grad_norm": 3.4085312483246724,
|
| 14 |
+
"learning_rate": 4.000000000000001e-06,
|
| 15 |
+
"loss": 1.4028,
|
| 16 |
+
"step": 1
|
| 17 |
+
},
|
| 18 |
+
{
|
| 19 |
+
"epoch": 0.13333333333333333,
|
| 20 |
+
"grad_norm": 4.666705759671598,
|
| 21 |
+
"learning_rate": 8.000000000000001e-06,
|
| 22 |
+
"loss": 1.2916,
|
| 23 |
+
"step": 2
|
| 24 |
+
},
|
| 25 |
+
{
|
| 26 |
+
"epoch": 0.2,
|
| 27 |
+
"grad_norm": 3.871080407186316,
|
| 28 |
+
"learning_rate": 1.2e-05,
|
| 29 |
+
"loss": 1.3833,
|
| 30 |
+
"step": 3
|
| 31 |
+
},
|
| 32 |
+
{
|
| 33 |
+
"epoch": 0.26666666666666666,
|
| 34 |
+
"grad_norm": 2.7124590679450193,
|
| 35 |
+
"learning_rate": 1.6000000000000003e-05,
|
| 36 |
+
"loss": 0.9761,
|
| 37 |
+
"step": 4
|
| 38 |
+
},
|
| 39 |
+
{
|
| 40 |
+
"epoch": 0.3333333333333333,
|
| 41 |
+
"grad_norm": 2.071960200602384,
|
| 42 |
+
"learning_rate": 2e-05,
|
| 43 |
+
"loss": 1.3587,
|
| 44 |
+
"step": 5
|
| 45 |
+
},
|
| 46 |
+
{
|
| 47 |
+
"epoch": 0.4,
|
| 48 |
+
"grad_norm": 1.648098466658743,
|
| 49 |
+
"learning_rate": 1.999765298018484e-05,
|
| 50 |
+
"loss": 0.8337,
|
| 51 |
+
"step": 6
|
| 52 |
+
},
|
| 53 |
+
{
|
| 54 |
+
"epoch": 0.4666666666666667,
|
| 55 |
+
"grad_norm": 1.6253968845904598,
|
| 56 |
+
"learning_rate": 1.999061302243977e-05,
|
| 57 |
+
"loss": 1.0941,
|
| 58 |
+
"step": 7
|
| 59 |
+
},
|
| 60 |
+
{
|
| 61 |
+
"epoch": 0.5333333333333333,
|
| 62 |
+
"grad_norm": 1.4301494839270958,
|
| 63 |
+
"learning_rate": 1.9978883431348845e-05,
|
| 64 |
+
"loss": 0.959,
|
| 65 |
+
"step": 8
|
| 66 |
+
},
|
| 67 |
+
{
|
| 68 |
+
"epoch": 0.6,
|
| 69 |
+
"grad_norm": 1.5578987331272605,
|
| 70 |
+
"learning_rate": 1.9962469712828613e-05,
|
| 71 |
+
"loss": 1.0682,
|
| 72 |
+
"step": 9
|
| 73 |
+
},
|
| 74 |
+
{
|
| 75 |
+
"epoch": 0.6666666666666666,
|
| 76 |
+
"grad_norm": 1.4627247576612574,
|
| 77 |
+
"learning_rate": 1.9941379571543597e-05,
|
| 78 |
+
"loss": 1.1677,
|
| 79 |
+
"step": 10
|
| 80 |
+
},
|
| 81 |
+
{
|
| 82 |
+
"epoch": 0.7333333333333333,
|
| 83 |
+
"grad_norm": 1.6114807558199653,
|
| 84 |
+
"learning_rate": 1.9915622907289695e-05,
|
| 85 |
+
"loss": 1.1538,
|
| 86 |
+
"step": 11
|
| 87 |
+
},
|
| 88 |
+
{
|
| 89 |
+
"epoch": 0.8,
|
| 90 |
+
"grad_norm": 1.2878501917792624,
|
| 91 |
+
"learning_rate": 1.9885211810347185e-05,
|
| 92 |
+
"loss": 1.1649,
|
| 93 |
+
"step": 12
|
| 94 |
+
},
|
| 95 |
+
{
|
| 96 |
+
"epoch": 0.8666666666666667,
|
| 97 |
+
"grad_norm": 1.6334765738880663,
|
| 98 |
+
"learning_rate": 1.9850160555805485e-05,
|
| 99 |
+
"loss": 0.9951,
|
| 100 |
+
"step": 13
|
| 101 |
+
},
|
| 102 |
+
{
|
| 103 |
+
"epoch": 0.9333333333333333,
|
| 104 |
+
"grad_norm": 1.628821939921328,
|
| 105 |
+
"learning_rate": 1.981048559686239e-05,
|
| 106 |
+
"loss": 0.9233,
|
| 107 |
+
"step": 14
|
| 108 |
+
},
|
| 109 |
+
{
|
| 110 |
+
"epoch": 1.0,
|
| 111 |
+
"grad_norm": 1.339302435711646,
|
| 112 |
+
"learning_rate": 1.976620555710087e-05,
|
| 113 |
+
"loss": 1.0353,
|
| 114 |
+
"step": 15
|
| 115 |
+
},
|
| 116 |
+
{
|
| 117 |
+
"epoch": 1.0666666666666667,
|
| 118 |
+
"grad_norm": 1.1556672707686442,
|
| 119 |
+
"learning_rate": 1.9717341221747056e-05,
|
| 120 |
+
"loss": 0.9605,
|
| 121 |
+
"step": 16
|
| 122 |
+
},
|
| 123 |
+
{
|
| 124 |
+
"epoch": 1.1333333333333333,
|
| 125 |
+
"grad_norm": 1.2387154465086059,
|
| 126 |
+
"learning_rate": 1.9663915527913628e-05,
|
| 127 |
+
"loss": 1.1088,
|
| 128 |
+
"step": 17
|
| 129 |
+
},
|
| 130 |
+
{
|
| 131 |
+
"epoch": 1.2,
|
| 132 |
+
"grad_norm": 1.1394015037618388,
|
| 133 |
+
"learning_rate": 1.9605953553832987e-05,
|
| 134 |
+
"loss": 1.1281,
|
| 135 |
+
"step": 18
|
| 136 |
+
},
|
| 137 |
+
{
|
| 138 |
+
"epoch": 1.2666666666666666,
|
| 139 |
+
"grad_norm": 1.0626133768253427,
|
| 140 |
+
"learning_rate": 1.9543482507085484e-05,
|
| 141 |
+
"loss": 1.0368,
|
| 142 |
+
"step": 19
|
| 143 |
+
},
|
| 144 |
+
{
|
| 145 |
+
"epoch": 1.3333333333333333,
|
| 146 |
+
"grad_norm": 1.391951038364559,
|
| 147 |
+
"learning_rate": 1.9476531711828027e-05,
|
| 148 |
+
"loss": 1.0803,
|
| 149 |
+
"step": 20
|
| 150 |
+
},
|
| 151 |
+
{
|
| 152 |
+
"epoch": 1.4,
|
| 153 |
+
"grad_norm": 1.2604998479257097,
|
| 154 |
+
"learning_rate": 1.940513259502924e-05,
|
| 155 |
+
"loss": 1.0545,
|
| 156 |
+
"step": 21
|
| 157 |
+
},
|
| 158 |
+
{
|
| 159 |
+
"epoch": 1.4666666666666668,
|
| 160 |
+
"grad_norm": 1.3683100627781444,
|
| 161 |
+
"learning_rate": 1.932931867171751e-05,
|
| 162 |
+
"loss": 1.0207,
|
| 163 |
+
"step": 22
|
| 164 |
+
},
|
| 165 |
+
{
|
| 166 |
+
"epoch": 1.5333333333333332,
|
| 167 |
+
"grad_norm": 1.0663814943522483,
|
| 168 |
+
"learning_rate": 1.924912552924889e-05,
|
| 169 |
+
"loss": 0.9533,
|
| 170 |
+
"step": 23
|
| 171 |
+
},
|
| 172 |
+
{
|
| 173 |
+
"epoch": 1.6,
|
| 174 |
+
"grad_norm": 1.064831041129997,
|
| 175 |
+
"learning_rate": 1.9164590810602262e-05,
|
| 176 |
+
"loss": 0.8148,
|
| 177 |
+
"step": 24
|
| 178 |
+
},
|
| 179 |
+
{
|
| 180 |
+
"epoch": 1.6666666666666665,
|
| 181 |
+
"grad_norm": 0.9739867731832403,
|
| 182 |
+
"learning_rate": 1.9075754196709574e-05,
|
| 183 |
+
"loss": 0.9337,
|
| 184 |
+
"step": 25
|
| 185 |
+
},
|
| 186 |
+
{
|
| 187 |
+
"epoch": 1.7333333333333334,
|
| 188 |
+
"grad_norm": 1.2675282274463724,
|
| 189 |
+
"learning_rate": 1.8982657387829447e-05,
|
| 190 |
+
"loss": 1.0805,
|
| 191 |
+
"step": 26
|
| 192 |
+
},
|
| 193 |
+
{
|
| 194 |
+
"epoch": 1.8,
|
| 195 |
+
"grad_norm": 0.9372218377939878,
|
| 196 |
+
"learning_rate": 1.8885344083972912e-05,
|
| 197 |
+
"loss": 1.0695,
|
| 198 |
+
"step": 27
|
| 199 |
+
},
|
| 200 |
+
{
|
| 201 |
+
"epoch": 1.8666666666666667,
|
| 202 |
+
"grad_norm": 1.3431500053349323,
|
| 203 |
+
"learning_rate": 1.8783859964390466e-05,
|
| 204 |
+
"loss": 1.1591,
|
| 205 |
+
"step": 28
|
| 206 |
+
},
|
| 207 |
+
{
|
| 208 |
+
"epoch": 1.9333333333333333,
|
| 209 |
+
"grad_norm": 1.1202612444362305,
|
| 210 |
+
"learning_rate": 1.8678252666130016e-05,
|
| 211 |
+
"loss": 0.968,
|
| 212 |
+
"step": 29
|
| 213 |
+
},
|
| 214 |
+
{
|
| 215 |
+
"epoch": 2.0,
|
| 216 |
+
"grad_norm": 1.2260350955015997,
|
| 217 |
+
"learning_rate": 1.8568571761675893e-05,
|
| 218 |
+
"loss": 0.9043,
|
| 219 |
+
"step": 30
|
| 220 |
+
},
|
| 221 |
+
{
|
| 222 |
+
"epoch": 2.066666666666667,
|
| 223 |
+
"grad_norm": 1.0478158856201552,
|
| 224 |
+
"learning_rate": 1.845486873567932e-05,
|
| 225 |
+
"loss": 1.1587,
|
| 226 |
+
"step": 31
|
| 227 |
+
},
|
| 228 |
+
{
|
| 229 |
+
"epoch": 2.1333333333333333,
|
| 230 |
+
"grad_norm": 1.0874714452657954,
|
| 231 |
+
"learning_rate": 1.8337196960791305e-05,
|
| 232 |
+
"loss": 0.9252,
|
| 233 |
+
"step": 32
|
| 234 |
+
},
|
| 235 |
+
{
|
| 236 |
+
"epoch": 2.2,
|
| 237 |
+
"grad_norm": 0.9752649031044559,
|
| 238 |
+
"learning_rate": 1.8215611672609316e-05,
|
| 239 |
+
"loss": 1.0202,
|
| 240 |
+
"step": 33
|
| 241 |
+
},
|
| 242 |
+
{
|
| 243 |
+
"epoch": 2.2666666666666666,
|
| 244 |
+
"grad_norm": 1.0434763245427732,
|
| 245 |
+
"learning_rate": 1.8090169943749477e-05,
|
| 246 |
+
"loss": 0.996,
|
| 247 |
+
"step": 34
|
| 248 |
+
},
|
| 249 |
+
{
|
| 250 |
+
"epoch": 2.3333333333333335,
|
| 251 |
+
"grad_norm": 1.1379594366750487,
|
| 252 |
+
"learning_rate": 1.796093065705644e-05,
|
| 253 |
+
"loss": 0.9925,
|
| 254 |
+
"step": 35
|
| 255 |
+
},
|
| 256 |
+
{
|
| 257 |
+
"epoch": 2.4,
|
| 258 |
+
"grad_norm": 1.1948697336608844,
|
| 259 |
+
"learning_rate": 1.782795447796356e-05,
|
| 260 |
+
"loss": 1.2921,
|
| 261 |
+
"step": 36
|
| 262 |
+
},
|
| 263 |
+
{
|
| 264 |
+
"epoch": 2.466666666666667,
|
| 265 |
+
"grad_norm": 1.221446681124953,
|
| 266 |
+
"learning_rate": 1.769130382601629e-05,
|
| 267 |
+
"loss": 0.8618,
|
| 268 |
+
"step": 37
|
| 269 |
+
},
|
| 270 |
+
{
|
| 271 |
+
"epoch": 2.533333333333333,
|
| 272 |
+
"grad_norm": 1.0829408518691481,
|
| 273 |
+
"learning_rate": 1.755104284557221e-05,
|
| 274 |
+
"loss": 0.9958,
|
| 275 |
+
"step": 38
|
| 276 |
+
},
|
| 277 |
+
{
|
| 278 |
+
"epoch": 2.6,
|
| 279 |
+
"grad_norm": 1.1500016708742549,
|
| 280 |
+
"learning_rate": 1.7407237375691394e-05,
|
| 281 |
+
"loss": 0.9654,
|
| 282 |
+
"step": 39
|
| 283 |
+
},
|
| 284 |
+
{
|
| 285 |
+
"epoch": 2.6666666666666665,
|
| 286 |
+
"grad_norm": 1.2766994471456066,
|
| 287 |
+
"learning_rate": 1.725995491923131e-05,
|
| 288 |
+
"loss": 1.0478,
|
| 289 |
+
"step": 40
|
| 290 |
+
},
|
| 291 |
+
{
|
| 292 |
+
"epoch": 2.7333333333333334,
|
| 293 |
+
"grad_norm": 1.1725464918998885,
|
| 294 |
+
"learning_rate": 1.710926461116071e-05,
|
| 295 |
+
"loss": 0.8262,
|
| 296 |
+
"step": 41
|
| 297 |
+
},
|
| 298 |
+
{
|
| 299 |
+
"epoch": 2.8,
|
| 300 |
+
"grad_norm": 1.0893404581760975,
|
| 301 |
+
"learning_rate": 1.6955237186107387e-05,
|
| 302 |
+
"loss": 0.8965,
|
| 303 |
+
"step": 42
|
| 304 |
+
},
|
| 305 |
+
{
|
| 306 |
+
"epoch": 2.8666666666666667,
|
| 307 |
+
"grad_norm": 0.9166278938019341,
|
| 308 |
+
"learning_rate": 1.679794494515508e-05,
|
| 309 |
+
"loss": 0.9818,
|
| 310 |
+
"step": 43
|
| 311 |
+
},
|
| 312 |
+
{
|
| 313 |
+
"epoch": 2.9333333333333336,
|
| 314 |
+
"grad_norm": 1.0710933249027597,
|
| 315 |
+
"learning_rate": 1.6637461721905047e-05,
|
| 316 |
+
"loss": 0.952,
|
| 317 |
+
"step": 44
|
| 318 |
+
},
|
| 319 |
+
{
|
| 320 |
+
"epoch": 3.0,
|
| 321 |
+
"grad_norm": 1.1331761656207147,
|
| 322 |
+
"learning_rate": 1.647386284781828e-05,
|
| 323 |
+
"loss": 0.916,
|
| 324 |
+
"step": 45
|
| 325 |
+
},
|
| 326 |
+
{
|
| 327 |
+
"epoch": 3.066666666666667,
|
| 328 |
+
"grad_norm": 0.9564647379011718,
|
| 329 |
+
"learning_rate": 1.6307225116854623e-05,
|
| 330 |
+
"loss": 1.1324,
|
| 331 |
+
"step": 46
|
| 332 |
+
},
|
| 333 |
+
{
|
| 334 |
+
"epoch": 3.1333333333333333,
|
| 335 |
+
"grad_norm": 0.8318197021971842,
|
| 336 |
+
"learning_rate": 1.6137626749425377e-05,
|
| 337 |
+
"loss": 0.9577,
|
| 338 |
+
"step": 47
|
| 339 |
+
},
|
| 340 |
+
{
|
| 341 |
+
"epoch": 3.2,
|
| 342 |
+
"grad_norm": 1.248321661047559,
|
| 343 |
+
"learning_rate": 1.5965147355676344e-05,
|
| 344 |
+
"loss": 0.9331,
|
| 345 |
+
"step": 48
|
| 346 |
+
},
|
| 347 |
+
{
|
| 348 |
+
"epoch": 3.2666666666666666,
|
| 349 |
+
"grad_norm": 1.1222614201620278,
|
| 350 |
+
"learning_rate": 1.578986789811849e-05,
|
| 351 |
+
"loss": 0.845,
|
| 352 |
+
"step": 49
|
| 353 |
+
},
|
| 354 |
+
{
|
| 355 |
+
"epoch": 3.3333333333333335,
|
| 356 |
+
"grad_norm": 1.0274159778159633,
|
| 357 |
+
"learning_rate": 1.5611870653623826e-05,
|
| 358 |
+
"loss": 0.9643,
|
| 359 |
+
"step": 50
|
| 360 |
+
},
|
| 361 |
+
{
|
| 362 |
+
"epoch": 3.4,
|
| 363 |
+
"grad_norm": 1.2499948768241727,
|
| 364 |
+
"learning_rate": 1.543123917480433e-05,
|
| 365 |
+
"loss": 0.8808,
|
| 366 |
+
"step": 51
|
| 367 |
+
},
|
| 368 |
+
{
|
| 369 |
+
"epoch": 3.466666666666667,
|
| 370 |
+
"grad_norm": 1.0815573199440531,
|
| 371 |
+
"learning_rate": 1.5248058250792008e-05,
|
| 372 |
+
"loss": 0.8817,
|
| 373 |
+
"step": 52
|
| 374 |
+
},
|
| 375 |
+
{
|
| 376 |
+
"epoch": 3.533333333333333,
|
| 377 |
+
"grad_norm": 1.153929296287051,
|
| 378 |
+
"learning_rate": 1.506241386743854e-05,
|
| 379 |
+
"loss": 0.994,
|
| 380 |
+
"step": 53
|
| 381 |
+
},
|
| 382 |
+
{
|
| 383 |
+
"epoch": 3.6,
|
| 384 |
+
"grad_norm": 1.103492229784582,
|
| 385 |
+
"learning_rate": 1.4874393166953194e-05,
|
| 386 |
+
"loss": 0.8729,
|
| 387 |
+
"step": 54
|
| 388 |
+
},
|
| 389 |
+
{
|
| 390 |
+
"epoch": 3.6666666666666665,
|
| 391 |
+
"grad_norm": 1.2133497016696713,
|
| 392 |
+
"learning_rate": 1.4684084406997903e-05,
|
| 393 |
+
"loss": 1.1275,
|
| 394 |
+
"step": 55
|
| 395 |
+
},
|
| 396 |
+
{
|
| 397 |
+
"epoch": 3.7333333333333334,
|
| 398 |
+
"grad_norm": 1.3609462560361256,
|
| 399 |
+
"learning_rate": 1.4491576919258794e-05,
|
| 400 |
+
"loss": 1.1054,
|
| 401 |
+
"step": 56
|
| 402 |
+
},
|
| 403 |
+
{
|
| 404 |
+
"epoch": 3.8,
|
| 405 |
+
"grad_norm": 0.9886233265547686,
|
| 406 |
+
"learning_rate": 1.4296961067513519e-05,
|
| 407 |
+
"loss": 0.9743,
|
| 408 |
+
"step": 57
|
| 409 |
+
},
|
| 410 |
+
{
|
| 411 |
+
"epoch": 3.8666666666666667,
|
| 412 |
+
"grad_norm": 1.1745326799492681,
|
| 413 |
+
"learning_rate": 1.4100328205214161e-05,
|
| 414 |
+
"loss": 0.8838,
|
| 415 |
+
"step": 58
|
| 416 |
+
},
|
| 417 |
+
{
|
| 418 |
+
"epoch": 3.9333333333333336,
|
| 419 |
+
"grad_norm": 1.3390216614348462,
|
| 420 |
+
"learning_rate": 1.3901770632605546e-05,
|
| 421 |
+
"loss": 1.0468,
|
| 422 |
+
"step": 59
|
| 423 |
+
},
|
| 424 |
+
{
|
| 425 |
+
"epoch": 4.0,
|
| 426 |
+
"grad_norm": 1.014063659841383,
|
| 427 |
+
"learning_rate": 1.3701381553399147e-05,
|
| 428 |
+
"loss": 1.0688,
|
| 429 |
+
"step": 60
|
| 430 |
+
},
|
| 431 |
+
{
|
| 432 |
+
"epoch": 4.066666666666666,
|
| 433 |
+
"grad_norm": 1.2635366819058482,
|
| 434 |
+
"learning_rate": 1.3499255031022887e-05,
|
| 435 |
+
"loss": 0.8666,
|
| 436 |
+
"step": 61
|
| 437 |
+
},
|
| 438 |
+
{
|
| 439 |
+
"epoch": 4.133333333333334,
|
| 440 |
+
"grad_norm": 1.3025248294074614,
|
| 441 |
+
"learning_rate": 1.3295485944467405e-05,
|
| 442 |
+
"loss": 0.9334,
|
| 443 |
+
"step": 62
|
| 444 |
+
},
|
| 445 |
+
{
|
| 446 |
+
"epoch": 4.2,
|
| 447 |
+
"grad_norm": 0.9545362380710669,
|
| 448 |
+
"learning_rate": 1.3090169943749475e-05,
|
| 449 |
+
"loss": 0.9013,
|
| 450 |
+
"step": 63
|
| 451 |
+
},
|
| 452 |
+
{
|
| 453 |
+
"epoch": 4.266666666666667,
|
| 454 |
+
"grad_norm": 1.0710628345049782,
|
| 455 |
+
"learning_rate": 1.288340340501351e-05,
|
| 456 |
+
"loss": 0.9823,
|
| 457 |
+
"step": 64
|
| 458 |
+
},
|
| 459 |
+
{
|
| 460 |
+
"epoch": 4.333333333333333,
|
| 461 |
+
"grad_norm": 1.133254418294951,
|
| 462 |
+
"learning_rate": 1.2675283385292212e-05,
|
| 463 |
+
"loss": 1.0442,
|
| 464 |
+
"step": 65
|
| 465 |
+
},
|
| 466 |
+
{
|
| 467 |
+
"epoch": 4.4,
|
| 468 |
+
"grad_norm": 1.10114922731124,
|
| 469 |
+
"learning_rate": 1.2465907576947623e-05,
|
| 470 |
+
"loss": 0.913,
|
| 471 |
+
"step": 66
|
| 472 |
+
},
|
| 473 |
+
{
|
| 474 |
+
"epoch": 4.466666666666667,
|
| 475 |
+
"grad_norm": 1.2375740608897428,
|
| 476 |
+
"learning_rate": 1.2255374261813944e-05,
|
| 477 |
+
"loss": 1.0133,
|
| 478 |
+
"step": 67
|
| 479 |
+
},
|
| 480 |
+
{
|
| 481 |
+
"epoch": 4.533333333333333,
|
| 482 |
+
"grad_norm": 0.9760429622715396,
|
| 483 |
+
"learning_rate": 1.204378226506365e-05,
|
| 484 |
+
"loss": 0.7568,
|
| 485 |
+
"step": 68
|
| 486 |
+
},
|
| 487 |
+
{
|
| 488 |
+
"epoch": 4.6,
|
| 489 |
+
"grad_norm": 1.489210275369955,
|
| 490 |
+
"learning_rate": 1.1831230908818563e-05,
|
| 491 |
+
"loss": 0.779,
|
| 492 |
+
"step": 69
|
| 493 |
+
},
|
| 494 |
+
{
|
| 495 |
+
"epoch": 4.666666666666667,
|
| 496 |
+
"grad_norm": 1.1933378195744682,
|
| 497 |
+
"learning_rate": 1.161781996552765e-05,
|
| 498 |
+
"loss": 1.2456,
|
| 499 |
+
"step": 70
|
| 500 |
+
},
|
| 501 |
+
{
|
| 502 |
+
"epoch": 4.733333333333333,
|
| 503 |
+
"grad_norm": 0.9862661993909408,
|
| 504 |
+
"learning_rate": 1.1403649611133444e-05,
|
| 505 |
+
"loss": 0.9868,
|
| 506 |
+
"step": 71
|
| 507 |
+
},
|
| 508 |
+
{
|
| 509 |
+
"epoch": 4.8,
|
| 510 |
+
"grad_norm": 1.2076305842024768,
|
| 511 |
+
"learning_rate": 1.1188820378049066e-05,
|
| 512 |
+
"loss": 1.0797,
|
| 513 |
+
"step": 72
|
| 514 |
+
},
|
| 515 |
+
{
|
| 516 |
+
"epoch": 4.866666666666667,
|
| 517 |
+
"grad_norm": 1.2607815569078051,
|
| 518 |
+
"learning_rate": 1.0973433107967901e-05,
|
| 519 |
+
"loss": 0.9826,
|
| 520 |
+
"step": 73
|
| 521 |
+
},
|
| 522 |
+
{
|
| 523 |
+
"epoch": 4.933333333333334,
|
| 524 |
+
"grad_norm": 1.094147617295901,
|
| 525 |
+
"learning_rate": 1.0757588904528106e-05,
|
| 526 |
+
"loss": 0.8119,
|
| 527 |
+
"step": 74
|
| 528 |
+
},
|
| 529 |
+
{
|
| 530 |
+
"epoch": 5.0,
|
| 531 |
+
"grad_norm": 1.1121751761899872,
|
| 532 |
+
"learning_rate": 1.0541389085854177e-05,
|
| 533 |
+
"loss": 0.9773,
|
| 534 |
+
"step": 75
|
| 535 |
+
},
|
| 536 |
+
{
|
| 537 |
+
"epoch": 5.066666666666666,
|
| 538 |
+
"grad_norm": 1.0579179415785263,
|
| 539 |
+
"learning_rate": 1.0324935136997807e-05,
|
| 540 |
+
"loss": 0.9678,
|
| 541 |
+
"step": 76
|
| 542 |
+
},
|
| 543 |
+
{
|
| 544 |
+
"epoch": 5.133333333333334,
|
| 545 |
+
"grad_norm": 1.3395230330750847,
|
| 546 |
+
"learning_rate": 1.0108328662300399e-05,
|
| 547 |
+
"loss": 0.7061,
|
| 548 |
+
"step": 77
|
| 549 |
+
},
|
| 550 |
+
{
|
| 551 |
+
"epoch": 5.2,
|
| 552 |
+
"grad_norm": 1.1999310932391165,
|
| 553 |
+
"learning_rate": 9.891671337699603e-06,
|
| 554 |
+
"loss": 0.8735,
|
| 555 |
+
"step": 78
|
| 556 |
+
},
|
| 557 |
+
{
|
| 558 |
+
"epoch": 5.266666666666667,
|
| 559 |
+
"grad_norm": 1.010683429579378,
|
| 560 |
+
"learning_rate": 9.675064863002196e-06,
|
| 561 |
+
"loss": 0.8371,
|
| 562 |
+
"step": 79
|
| 563 |
+
},
|
| 564 |
+
{
|
| 565 |
+
"epoch": 5.333333333333333,
|
| 566 |
+
"grad_norm": 1.2108378582218189,
|
| 567 |
+
"learning_rate": 9.458610914145826e-06,
|
| 568 |
+
"loss": 1.181,
|
| 569 |
+
"step": 80
|
| 570 |
+
},
|
| 571 |
+
{
|
| 572 |
+
"epoch": 5.4,
|
| 573 |
+
"grad_norm": 1.18004488850976,
|
| 574 |
+
"learning_rate": 9.242411095471897e-06,
|
| 575 |
+
"loss": 1.0823,
|
| 576 |
+
"step": 81
|
| 577 |
+
},
|
| 578 |
+
{
|
| 579 |
+
"epoch": 5.466666666666667,
|
| 580 |
+
"grad_norm": 1.0454083723550043,
|
| 581 |
+
"learning_rate": 9.026566892032104e-06,
|
| 582 |
+
"loss": 0.9903,
|
| 583 |
+
"step": 82
|
| 584 |
+
},
|
| 585 |
+
{
|
| 586 |
+
"epoch": 5.533333333333333,
|
| 587 |
+
"grad_norm": 1.0667864315015048,
|
| 588 |
+
"learning_rate": 8.811179621950937e-06,
|
| 589 |
+
"loss": 0.8442,
|
| 590 |
+
"step": 83
|
| 591 |
+
},
|
| 592 |
+
{
|
| 593 |
+
"epoch": 5.6,
|
| 594 |
+
"grad_norm": 1.2020765015122372,
|
| 595 |
+
"learning_rate": 8.596350388866557e-06,
|
| 596 |
+
"loss": 0.8857,
|
| 597 |
+
"step": 84
|
| 598 |
+
},
|
| 599 |
+
{
|
| 600 |
+
"epoch": 5.666666666666667,
|
| 601 |
+
"grad_norm": 1.4131091155815,
|
| 602 |
+
"learning_rate": 8.382180034472353e-06,
|
| 603 |
+
"loss": 0.9864,
|
| 604 |
+
"step": 85
|
| 605 |
+
},
|
| 606 |
+
{
|
| 607 |
+
"epoch": 5.733333333333333,
|
| 608 |
+
"grad_norm": 1.486362030270159,
|
| 609 |
+
"learning_rate": 8.168769091181439e-06,
|
| 610 |
+
"loss": 0.9574,
|
| 611 |
+
"step": 86
|
| 612 |
+
},
|
| 613 |
+
{
|
| 614 |
+
"epoch": 5.8,
|
| 615 |
+
"grad_norm": 1.313551073594268,
|
| 616 |
+
"learning_rate": 7.956217734936353e-06,
|
| 617 |
+
"loss": 0.9289,
|
| 618 |
+
"step": 87
|
| 619 |
+
},
|
| 620 |
+
{
|
| 621 |
+
"epoch": 5.866666666666667,
|
| 622 |
+
"grad_norm": 1.3192481257399435,
|
| 623 |
+
"learning_rate": 7.74462573818606e-06,
|
| 624 |
+
"loss": 0.9545,
|
| 625 |
+
"step": 88
|
| 626 |
+
},
|
| 627 |
+
{
|
| 628 |
+
"epoch": 5.933333333333334,
|
| 629 |
+
"grad_norm": 1.2681138440264965,
|
| 630 |
+
"learning_rate": 7.534092423052382e-06,
|
| 631 |
+
"loss": 1.0747,
|
| 632 |
+
"step": 89
|
| 633 |
+
},
|
| 634 |
+
{
|
| 635 |
+
"epoch": 6.0,
|
| 636 |
+
"grad_norm": 0.9582207978580328,
|
| 637 |
+
"learning_rate": 7.324716614707794e-06,
|
| 638 |
+
"loss": 0.8385,
|
| 639 |
+
"step": 90
|
| 640 |
+
},
|
| 641 |
+
{
|
| 642 |
+
"epoch": 6.066666666666666,
|
| 643 |
+
"grad_norm": 1.1698689314961477,
|
| 644 |
+
"learning_rate": 7.1165965949864934e-06,
|
| 645 |
+
"loss": 1.1033,
|
| 646 |
+
"step": 91
|
| 647 |
+
},
|
| 648 |
+
{
|
| 649 |
+
"epoch": 6.133333333333334,
|
| 650 |
+
"grad_norm": 1.3416716837210243,
|
| 651 |
+
"learning_rate": 6.909830056250527e-06,
|
| 652 |
+
"loss": 1.1822,
|
| 653 |
+
"step": 92
|
| 654 |
+
},
|
| 655 |
+
{
|
| 656 |
+
"epoch": 6.2,
|
| 657 |
+
"grad_norm": 1.0995942596498807,
|
| 658 |
+
"learning_rate": 6.704514055532597e-06,
|
| 659 |
+
"loss": 0.8676,
|
| 660 |
+
"step": 93
|
| 661 |
+
},
|
| 662 |
+
{
|
| 663 |
+
"epoch": 6.266666666666667,
|
| 664 |
+
"grad_norm": 1.4321467042913982,
|
| 665 |
+
"learning_rate": 6.500744968977116e-06,
|
| 666 |
+
"loss": 1.036,
|
| 667 |
+
"step": 94
|
| 668 |
+
},
|
| 669 |
+
{
|
| 670 |
+
"epoch": 6.333333333333333,
|
| 671 |
+
"grad_norm": 1.3088314218758716,
|
| 672 |
+
"learning_rate": 6.298618446600856e-06,
|
| 673 |
+
"loss": 0.8292,
|
| 674 |
+
"step": 95
|
| 675 |
+
},
|
| 676 |
+
{
|
| 677 |
+
"epoch": 6.4,
|
| 678 |
+
"grad_norm": 1.084823909937734,
|
| 679 |
+
"learning_rate": 6.098229367394455e-06,
|
| 680 |
+
"loss": 0.975,
|
| 681 |
+
"step": 96
|
| 682 |
+
},
|
| 683 |
+
{
|
| 684 |
+
"epoch": 6.466666666666667,
|
| 685 |
+
"grad_norm": 1.3218371701948628,
|
| 686 |
+
"learning_rate": 5.8996717947858395e-06,
|
| 687 |
+
"loss": 0.9402,
|
| 688 |
+
"step": 97
|
| 689 |
+
},
|
| 690 |
+
{
|
| 691 |
+
"epoch": 6.533333333333333,
|
| 692 |
+
"grad_norm": 1.1129487953662585,
|
| 693 |
+
"learning_rate": 5.7030389324864845e-06,
|
| 694 |
+
"loss": 0.8253,
|
| 695 |
+
"step": 98
|
| 696 |
+
},
|
| 697 |
+
{
|
| 698 |
+
"epoch": 6.6,
|
| 699 |
+
"grad_norm": 1.1419580401776912,
|
| 700 |
+
"learning_rate": 5.5084230807412135e-06,
|
| 701 |
+
"loss": 0.9734,
|
| 702 |
+
"step": 99
|
| 703 |
+
},
|
| 704 |
+
{
|
| 705 |
+
"epoch": 6.666666666666667,
|
| 706 |
+
"grad_norm": 1.0974795589959343,
|
| 707 |
+
"learning_rate": 5.3159155930021e-06,
|
| 708 |
+
"loss": 1.0441,
|
| 709 |
+
"step": 100
|
| 710 |
+
},
|
| 711 |
+
{
|
| 712 |
+
"epoch": 6.733333333333333,
|
| 713 |
+
"grad_norm": 1.324828991574355,
|
| 714 |
+
"learning_rate": 5.12560683304681e-06,
|
| 715 |
+
"loss": 0.8698,
|
| 716 |
+
"step": 101
|
| 717 |
+
},
|
| 718 |
+
{
|
| 719 |
+
"epoch": 6.8,
|
| 720 |
+
"grad_norm": 1.1620425079977543,
|
| 721 |
+
"learning_rate": 4.93758613256146e-06,
|
| 722 |
+
"loss": 0.916,
|
| 723 |
+
"step": 102
|
| 724 |
+
},
|
| 725 |
+
{
|
| 726 |
+
"epoch": 6.866666666666667,
|
| 727 |
+
"grad_norm": 1.298026477724516,
|
| 728 |
+
"learning_rate": 4.751941749207996e-06,
|
| 729 |
+
"loss": 0.8102,
|
| 730 |
+
"step": 103
|
| 731 |
+
},
|
| 732 |
+
{
|
| 733 |
+
"epoch": 6.933333333333334,
|
| 734 |
+
"grad_norm": 1.243701423436194,
|
| 735 |
+
"learning_rate": 4.568760825195671e-06,
|
| 736 |
+
"loss": 0.7848,
|
| 737 |
+
"step": 104
|
| 738 |
+
},
|
| 739 |
+
{
|
| 740 |
+
"epoch": 7.0,
|
| 741 |
+
"grad_norm": 1.0511054186542836,
|
| 742 |
+
"learning_rate": 4.388129346376177e-06,
|
| 743 |
+
"loss": 0.8403,
|
| 744 |
+
"step": 105
|
| 745 |
+
},
|
| 746 |
+
{
|
| 747 |
+
"epoch": 7.066666666666666,
|
| 748 |
+
"grad_norm": 1.0830500750727494,
|
| 749 |
+
"learning_rate": 4.210132101881516e-06,
|
| 750 |
+
"loss": 1.0224,
|
| 751 |
+
"step": 106
|
| 752 |
+
},
|
| 753 |
+
{
|
| 754 |
+
"epoch": 7.133333333333334,
|
| 755 |
+
"grad_norm": 1.191885763343317,
|
| 756 |
+
"learning_rate": 4.034852644323661e-06,
|
| 757 |
+
"loss": 0.8888,
|
| 758 |
+
"step": 107
|
| 759 |
+
},
|
| 760 |
+
{
|
| 761 |
+
"epoch": 7.2,
|
| 762 |
+
"grad_norm": 1.3962415711635006,
|
| 763 |
+
"learning_rate": 3.862373250574626e-06,
|
| 764 |
+
"loss": 0.9008,
|
| 765 |
+
"step": 108
|
| 766 |
+
},
|
| 767 |
+
{
|
| 768 |
+
"epoch": 7.266666666666667,
|
| 769 |
+
"grad_norm": 1.1538336817545218,
|
| 770 |
+
"learning_rate": 3.6927748831453835e-06,
|
| 771 |
+
"loss": 0.7594,
|
| 772 |
+
"step": 109
|
| 773 |
+
},
|
| 774 |
+
{
|
| 775 |
+
"epoch": 7.333333333333333,
|
| 776 |
+
"grad_norm": 1.3153809280781052,
|
| 777 |
+
"learning_rate": 3.5261371521817247e-06,
|
| 778 |
+
"loss": 0.8526,
|
| 779 |
+
"step": 110
|
| 780 |
+
},
|
| 781 |
+
{
|
| 782 |
+
"epoch": 7.4,
|
| 783 |
+
"grad_norm": 1.3264279555663367,
|
| 784 |
+
"learning_rate": 3.3625382780949576e-06,
|
| 785 |
+
"loss": 0.9908,
|
| 786 |
+
"step": 111
|
| 787 |
+
},
|
| 788 |
+
{
|
| 789 |
+
"epoch": 7.466666666666667,
|
| 790 |
+
"grad_norm": 1.5096221335051931,
|
| 791 |
+
"learning_rate": 3.2020550548449213e-06,
|
| 792 |
+
"loss": 0.9226,
|
| 793 |
+
"step": 112
|
| 794 |
+
},
|
| 795 |
+
{
|
| 796 |
+
"epoch": 7.533333333333333,
|
| 797 |
+
"grad_norm": 1.2307393476716613,
|
| 798 |
+
"learning_rate": 3.0447628138926153e-06,
|
| 799 |
+
"loss": 1.0507,
|
| 800 |
+
"step": 113
|
| 801 |
+
},
|
| 802 |
+
{
|
| 803 |
+
"epoch": 7.6,
|
| 804 |
+
"grad_norm": 1.6151399665431556,
|
| 805 |
+
"learning_rate": 2.8907353888392955e-06,
|
| 806 |
+
"loss": 0.9208,
|
| 807 |
+
"step": 114
|
| 808 |
+
},
|
| 809 |
+
{
|
| 810 |
+
"epoch": 7.666666666666667,
|
| 811 |
+
"grad_norm": 1.2245799893438452,
|
| 812 |
+
"learning_rate": 2.740045080768694e-06,
|
| 813 |
+
"loss": 0.8878,
|
| 814 |
+
"step": 115
|
| 815 |
+
},
|
| 816 |
+
{
|
| 817 |
+
"epoch": 7.733333333333333,
|
| 818 |
+
"grad_norm": 1.3690463927412484,
|
| 819 |
+
"learning_rate": 2.59276262430861e-06,
|
| 820 |
+
"loss": 0.9999,
|
| 821 |
+
"step": 116
|
| 822 |
+
},
|
| 823 |
+
{
|
| 824 |
+
"epoch": 7.8,
|
| 825 |
+
"grad_norm": 1.0835082652598607,
|
| 826 |
+
"learning_rate": 2.4489571544277944e-06,
|
| 827 |
+
"loss": 0.8532,
|
| 828 |
+
"step": 117
|
| 829 |
+
},
|
| 830 |
+
{
|
| 831 |
+
"epoch": 7.866666666666667,
|
| 832 |
+
"grad_norm": 1.2346213474649816,
|
| 833 |
+
"learning_rate": 2.308696173983711e-06,
|
| 834 |
+
"loss": 0.8705,
|
| 835 |
+
"step": 118
|
| 836 |
+
},
|
| 837 |
+
{
|
| 838 |
+
"epoch": 7.933333333333334,
|
| 839 |
+
"grad_norm": 1.1723472737281382,
|
| 840 |
+
"learning_rate": 2.1720455220364443e-06,
|
| 841 |
+
"loss": 1.0879,
|
| 842 |
+
"step": 119
|
| 843 |
+
},
|
| 844 |
+
{
|
| 845 |
+
"epoch": 8.0,
|
| 846 |
+
"grad_norm": 1.4073752757192692,
|
| 847 |
+
"learning_rate": 2.0390693429435626e-06,
|
| 848 |
+
"loss": 0.9452,
|
| 849 |
+
"step": 120
|
| 850 |
+
},
|
| 851 |
+
{
|
| 852 |
+
"epoch": 8.066666666666666,
|
| 853 |
+
"grad_norm": 1.50287195221356,
|
| 854 |
+
"learning_rate": 1.9098300562505266e-06,
|
| 855 |
+
"loss": 0.8373,
|
| 856 |
+
"step": 121
|
| 857 |
+
},
|
| 858 |
+
{
|
| 859 |
+
"epoch": 8.133333333333333,
|
| 860 |
+
"grad_norm": 1.1620276613706093,
|
| 861 |
+
"learning_rate": 1.784388327390687e-06,
|
| 862 |
+
"loss": 0.7806,
|
| 863 |
+
"step": 122
|
| 864 |
+
},
|
| 865 |
+
{
|
| 866 |
+
"epoch": 8.2,
|
| 867 |
+
"grad_norm": 1.3706625987581769,
|
| 868 |
+
"learning_rate": 1.6628030392087001e-06,
|
| 869 |
+
"loss": 0.9926,
|
| 870 |
+
"step": 123
|
| 871 |
+
},
|
| 872 |
+
{
|
| 873 |
+
"epoch": 8.266666666666667,
|
| 874 |
+
"grad_norm": 0.9859962643201381,
|
| 875 |
+
"learning_rate": 1.5451312643206828e-06,
|
| 876 |
+
"loss": 0.7548,
|
| 877 |
+
"step": 124
|
| 878 |
+
},
|
| 879 |
+
{
|
| 880 |
+
"epoch": 8.333333333333334,
|
| 881 |
+
"grad_norm": 1.3785850516874856,
|
| 882 |
+
"learning_rate": 1.4314282383241097e-06,
|
| 883 |
+
"loss": 0.9119,
|
| 884 |
+
"step": 125
|
| 885 |
+
},
|
| 886 |
+
{
|
| 887 |
+
"epoch": 8.4,
|
| 888 |
+
"grad_norm": 1.3114820954248407,
|
| 889 |
+
"learning_rate": 1.321747333869986e-06,
|
| 890 |
+
"loss": 1.0087,
|
| 891 |
+
"step": 126
|
| 892 |
+
},
|
| 893 |
+
{
|
| 894 |
+
"epoch": 8.466666666666667,
|
| 895 |
+
"grad_norm": 1.4511492872823224,
|
| 896 |
+
"learning_rate": 1.2161400356095376e-06,
|
| 897 |
+
"loss": 0.9118,
|
| 898 |
+
"step": 127
|
| 899 |
+
},
|
| 900 |
+
{
|
| 901 |
+
"epoch": 8.533333333333333,
|
| 902 |
+
"grad_norm": 1.3077491727116757,
|
| 903 |
+
"learning_rate": 1.1146559160270875e-06,
|
| 904 |
+
"loss": 0.8493,
|
| 905 |
+
"step": 128
|
| 906 |
+
},
|
| 907 |
+
{
|
| 908 |
+
"epoch": 8.6,
|
| 909 |
+
"grad_norm": 1.2121934493369244,
|
| 910 |
+
"learning_rate": 1.0173426121705577e-06,
|
| 911 |
+
"loss": 0.8756,
|
| 912 |
+
"step": 129
|
| 913 |
+
},
|
| 914 |
+
{
|
| 915 |
+
"epoch": 8.666666666666666,
|
| 916 |
+
"grad_norm": 1.3513057171003726,
|
| 917 |
+
"learning_rate": 9.242458032904311e-07,
|
| 918 |
+
"loss": 0.8671,
|
| 919 |
+
"step": 130
|
| 920 |
+
},
|
| 921 |
+
{
|
| 922 |
+
"epoch": 8.733333333333333,
|
| 923 |
+
"grad_norm": 1.7742909013104993,
|
| 924 |
+
"learning_rate": 8.354091893977401e-07,
|
| 925 |
+
"loss": 1.0612,
|
| 926 |
+
"step": 131
|
| 927 |
+
},
|
| 928 |
+
{
|
| 929 |
+
"epoch": 8.8,
|
| 930 |
+
"grad_norm": 1.323453973832503,
|
| 931 |
+
"learning_rate": 7.508744707511118e-07,
|
| 932 |
+
"loss": 1.0907,
|
| 933 |
+
"step": 132
|
| 934 |
+
},
|
| 935 |
+
{
|
| 936 |
+
"epoch": 8.866666666666667,
|
| 937 |
+
"grad_norm": 1.5726657249632015,
|
| 938 |
+
"learning_rate": 6.70681328282492e-07,
|
| 939 |
+
"loss": 1.1042,
|
| 940 |
+
"step": 133
|
| 941 |
+
},
|
| 942 |
+
{
|
| 943 |
+
"epoch": 8.933333333333334,
|
| 944 |
+
"grad_norm": 1.6611333460302735,
|
| 945 |
+
"learning_rate": 5.948674049707604e-07,
|
| 946 |
+
"loss": 0.9262,
|
| 947 |
+
"step": 134
|
| 948 |
+
},
|
| 949 |
+
{
|
| 950 |
+
"epoch": 9.0,
|
| 951 |
+
"grad_norm": 1.1742790020667146,
|
| 952 |
+
"learning_rate": 5.234682881719766e-07,
|
| 953 |
+
"loss": 0.9672,
|
| 954 |
+
"step": 135
|
| 955 |
+
},
|
| 956 |
+
{
|
| 957 |
+
"epoch": 9.066666666666666,
|
| 958 |
+
"grad_norm": 1.0761169784949698,
|
| 959 |
+
"learning_rate": 4.5651749291451884e-07,
|
| 960 |
+
"loss": 0.8506,
|
| 961 |
+
"step": 136
|
| 962 |
+
},
|
| 963 |
+
{
|
| 964 |
+
"epoch": 9.133333333333333,
|
| 965 |
+
"grad_norm": 1.3886579936980605,
|
| 966 |
+
"learning_rate": 3.940464461670135e-07,
|
| 967 |
+
"loss": 1.0981,
|
| 968 |
+
"step": 137
|
| 969 |
+
},
|
| 970 |
+
{
|
| 971 |
+
"epoch": 9.2,
|
| 972 |
+
"grad_norm": 1.3056666968807966,
|
| 973 |
+
"learning_rate": 3.360844720863765e-07,
|
| 974 |
+
"loss": 0.9153,
|
| 975 |
+
"step": 138
|
| 976 |
+
},
|
| 977 |
+
{
|
| 978 |
+
"epoch": 9.266666666666667,
|
| 979 |
+
"grad_norm": 0.9871679254938126,
|
| 980 |
+
"learning_rate": 2.826587782529444e-07,
|
| 981 |
+
"loss": 1.0896,
|
| 982 |
+
"step": 139
|
| 983 |
+
},
|
| 984 |
+
{
|
| 985 |
+
"epoch": 9.333333333333334,
|
| 986 |
+
"grad_norm": 1.2366625168342313,
|
| 987 |
+
"learning_rate": 2.3379444289913344e-07,
|
| 988 |
+
"loss": 1.0518,
|
| 989 |
+
"step": 140
|
| 990 |
+
},
|
| 991 |
+
{
|
| 992 |
+
"epoch": 9.4,
|
| 993 |
+
"grad_norm": 1.2975380970054535,
|
| 994 |
+
"learning_rate": 1.8951440313760838e-07,
|
| 995 |
+
"loss": 0.8743,
|
| 996 |
+
"step": 141
|
| 997 |
+
},
|
| 998 |
+
{
|
| 999 |
+
"epoch": 9.466666666666667,
|
| 1000 |
+
"grad_norm": 1.1663276705416328,
|
| 1001 |
+
"learning_rate": 1.4983944419451613e-07,
|
| 1002 |
+
"loss": 0.8289,
|
| 1003 |
+
"step": 142
|
| 1004 |
+
},
|
| 1005 |
+
{
|
| 1006 |
+
"epoch": 9.533333333333333,
|
| 1007 |
+
"grad_norm": 0.8248741509562691,
|
| 1008 |
+
"learning_rate": 1.1478818965281912e-07,
|
| 1009 |
+
"loss": 0.8659,
|
| 1010 |
+
"step": 143
|
| 1011 |
+
},
|
| 1012 |
+
{
|
| 1013 |
+
"epoch": 9.6,
|
| 1014 |
+
"grad_norm": 1.1851143756826896,
|
| 1015 |
+
"learning_rate": 8.437709271030603e-08,
|
| 1016 |
+
"loss": 0.9649,
|
| 1017 |
+
"step": 144
|
| 1018 |
+
},
|
| 1019 |
+
{
|
| 1020 |
+
"epoch": 9.666666666666666,
|
| 1021 |
+
"grad_norm": 1.507015449593647,
|
| 1022 |
+
"learning_rate": 5.862042845640403e-08,
|
| 1023 |
+
"loss": 1.0538,
|
| 1024 |
+
"step": 145
|
| 1025 |
+
},
|
| 1026 |
+
{
|
| 1027 |
+
"epoch": 9.733333333333333,
|
| 1028 |
+
"grad_norm": 1.188730734080061,
|
| 1029 |
+
"learning_rate": 3.753028717138785e-08,
|
| 1030 |
+
"loss": 0.8341,
|
| 1031 |
+
"step": 146
|
| 1032 |
+
},
|
| 1033 |
+
{
|
| 1034 |
+
"epoch": 9.8,
|
| 1035 |
+
"grad_norm": 1.2919573593809717,
|
| 1036 |
+
"learning_rate": 2.1116568651156076e-08,
|
| 1037 |
+
"loss": 0.7354,
|
| 1038 |
+
"step": 147
|
| 1039 |
+
},
|
| 1040 |
+
{
|
| 1041 |
+
"epoch": 9.866666666666667,
|
| 1042 |
+
"grad_norm": 1.2064234964836027,
|
| 1043 |
+
"learning_rate": 9.38697756023288e-09,
|
| 1044 |
+
"loss": 0.775,
|
| 1045 |
+
"step": 148
|
| 1046 |
+
},
|
| 1047 |
+
{
|
| 1048 |
+
"epoch": 9.933333333333334,
|
| 1049 |
+
"grad_norm": 1.454794110461292,
|
| 1050 |
+
"learning_rate": 2.347019815158724e-09,
|
| 1051 |
+
"loss": 1.0675,
|
| 1052 |
+
"step": 149
|
| 1053 |
+
},
|
| 1054 |
+
{
|
| 1055 |
+
"epoch": 10.0,
|
| 1056 |
+
"grad_norm": 1.3030482316707324,
|
| 1057 |
+
"learning_rate": 0.0,
|
| 1058 |
+
"loss": 0.7781,
|
| 1059 |
+
"step": 150
|
| 1060 |
+
},
|
| 1061 |
+
{
|
| 1062 |
+
"epoch": 10.0,
|
| 1063 |
+
"step": 150,
|
| 1064 |
+
"total_flos": 3.203109984455885e+17,
|
| 1065 |
+
"train_loss": 0.0,
|
| 1066 |
+
"train_runtime": 25.7604,
|
| 1067 |
+
"train_samples_per_second": 136.644,
|
| 1068 |
+
"train_steps_per_second": 5.823
|
| 1069 |
+
}
|
| 1070 |
+
],
|
| 1071 |
+
"logging_steps": 1.0,
|
| 1072 |
+
"max_steps": 150,
|
| 1073 |
+
"num_input_tokens_seen": 0,
|
| 1074 |
+
"num_train_epochs": 10,
|
| 1075 |
+
"save_steps": 69,
|
| 1076 |
+
"stateful_callbacks": {
|
| 1077 |
+
"TrainerControl": {
|
| 1078 |
+
"args": {
|
| 1079 |
+
"should_epoch_stop": false,
|
| 1080 |
+
"should_evaluate": false,
|
| 1081 |
+
"should_log": false,
|
| 1082 |
+
"should_save": true,
|
| 1083 |
+
"should_training_stop": true
|
| 1084 |
+
},
|
| 1085 |
+
"attributes": {}
|
| 1086 |
+
}
|
| 1087 |
+
},
|
| 1088 |
+
"total_flos": 3.203109984455885e+17,
|
| 1089 |
+
"train_batch_size": 2,
|
| 1090 |
+
"trial_name": null,
|
| 1091 |
+
"trial_params": null
|
| 1092 |
+
}
|
training_args.bin
CHANGED
|
@@ -1,3 +1,3 @@
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
-
oid sha256:
|
| 3 |
size 6904
|
|
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:bc6dbc42ae60b17dea11ec26923f8d239c38528475a8b6e368c078b2ab8ecabd
|
| 3 |
size 6904
|