monidew commited on
Commit
1dd0bf3
·
verified ·
1 Parent(s): 6e620db

Upload 7 files

Browse files
adapter_config.json ADDED
@@ -0,0 +1,34 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "alpha_pattern": {},
3
+ "auto_mapping": null,
4
+ "base_model_name_or_path": "/media/houfengzhen/\u5f20\u7490\u7490/jiangchenlu/Qwen2.5-Coder-7B-Instruct",
5
+ "bias": "none",
6
+ "fan_in_fan_out": false,
7
+ "inference_mode": true,
8
+ "init_lora_weights": true,
9
+ "layer_replication": null,
10
+ "layers_pattern": null,
11
+ "layers_to_transform": null,
12
+ "loftq_config": {},
13
+ "lora_alpha": 16,
14
+ "lora_dropout": 0.1,
15
+ "megatron_config": null,
16
+ "megatron_core": "megatron.core",
17
+ "modules_to_save": null,
18
+ "peft_type": "LORA",
19
+ "r": 64,
20
+ "rank_pattern": {},
21
+ "revision": null,
22
+ "target_modules": [
23
+ "gate_proj",
24
+ "k_proj",
25
+ "down_proj",
26
+ "q_proj",
27
+ "v_proj",
28
+ "o_proj",
29
+ "up_proj"
30
+ ],
31
+ "task_type": "CAUSAL_LM",
32
+ "use_dora": false,
33
+ "use_rslora": false
34
+ }
adapter_model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:bfc4a3e561e98da6e8731e34daa1c5c01d646540ec7926bf5fe89eb5842fe350
3
+ size 323014560
optimizer.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:544fccd3600586965c82589629039ad424250ea33cd70da3a73b2a873f7b3577
3
+ size 646250674
rng_state.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:49781f7c3a945e40298a10d6457930d17b61001c01fbf1a6cd1660c7d4fe301b
3
+ size 14168
scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:8dd8ff83532384ff919fb02b232d56741671d82b30885e230925513f436a994f
3
+ size 1056
trainer_state.json ADDED
@@ -0,0 +1,1447 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 3.0,
5
+ "eval_steps": 500,
6
+ "global_step": 20205,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.014847809948032665,
13
+ "grad_norm": 0.14453125,
14
+ "learning_rate": 9.950507300173225e-05,
15
+ "loss": 0.3437,
16
+ "step": 100
17
+ },
18
+ {
19
+ "epoch": 0.02969561989606533,
20
+ "grad_norm": 0.10986328125,
21
+ "learning_rate": 9.90101460034645e-05,
22
+ "loss": 0.305,
23
+ "step": 200
24
+ },
25
+ {
26
+ "epoch": 0.044543429844097995,
27
+ "grad_norm": 0.1630859375,
28
+ "learning_rate": 9.851521900519674e-05,
29
+ "loss": 0.2885,
30
+ "step": 300
31
+ },
32
+ {
33
+ "epoch": 0.05939123979213066,
34
+ "grad_norm": 0.162109375,
35
+ "learning_rate": 9.802029200692899e-05,
36
+ "loss": 0.2781,
37
+ "step": 400
38
+ },
39
+ {
40
+ "epoch": 0.07423904974016332,
41
+ "grad_norm": 0.193359375,
42
+ "learning_rate": 9.752536500866123e-05,
43
+ "loss": 0.2746,
44
+ "step": 500
45
+ },
46
+ {
47
+ "epoch": 0.08908685968819599,
48
+ "grad_norm": 0.1357421875,
49
+ "learning_rate": 9.703043801039347e-05,
50
+ "loss": 0.2658,
51
+ "step": 600
52
+ },
53
+ {
54
+ "epoch": 0.10393466963622866,
55
+ "grad_norm": 0.1689453125,
56
+ "learning_rate": 9.653551101212572e-05,
57
+ "loss": 0.2709,
58
+ "step": 700
59
+ },
60
+ {
61
+ "epoch": 0.11878247958426132,
62
+ "grad_norm": 0.17578125,
63
+ "learning_rate": 9.604058401385795e-05,
64
+ "loss": 0.2634,
65
+ "step": 800
66
+ },
67
+ {
68
+ "epoch": 0.133630289532294,
69
+ "grad_norm": 0.15234375,
70
+ "learning_rate": 9.55456570155902e-05,
71
+ "loss": 0.2688,
72
+ "step": 900
73
+ },
74
+ {
75
+ "epoch": 0.14847809948032664,
76
+ "grad_norm": 0.146484375,
77
+ "learning_rate": 9.505073001732245e-05,
78
+ "loss": 0.261,
79
+ "step": 1000
80
+ },
81
+ {
82
+ "epoch": 0.1633259094283593,
83
+ "grad_norm": 0.12158203125,
84
+ "learning_rate": 9.455580301905469e-05,
85
+ "loss": 0.2537,
86
+ "step": 1100
87
+ },
88
+ {
89
+ "epoch": 0.17817371937639198,
90
+ "grad_norm": 0.1845703125,
91
+ "learning_rate": 9.406087602078693e-05,
92
+ "loss": 0.2592,
93
+ "step": 1200
94
+ },
95
+ {
96
+ "epoch": 0.19302152932442465,
97
+ "grad_norm": 0.234375,
98
+ "learning_rate": 9.356594902251918e-05,
99
+ "loss": 0.2529,
100
+ "step": 1300
101
+ },
102
+ {
103
+ "epoch": 0.20786933927245732,
104
+ "grad_norm": 0.1064453125,
105
+ "learning_rate": 9.307102202425143e-05,
106
+ "loss": 0.2489,
107
+ "step": 1400
108
+ },
109
+ {
110
+ "epoch": 0.22271714922049,
111
+ "grad_norm": 0.166015625,
112
+ "learning_rate": 9.257609502598367e-05,
113
+ "loss": 0.2539,
114
+ "step": 1500
115
+ },
116
+ {
117
+ "epoch": 0.23756495916852263,
118
+ "grad_norm": 0.1669921875,
119
+ "learning_rate": 9.208116802771592e-05,
120
+ "loss": 0.2449,
121
+ "step": 1600
122
+ },
123
+ {
124
+ "epoch": 0.2524127691165553,
125
+ "grad_norm": 0.2109375,
126
+ "learning_rate": 9.158624102944816e-05,
127
+ "loss": 0.2457,
128
+ "step": 1700
129
+ },
130
+ {
131
+ "epoch": 0.267260579064588,
132
+ "grad_norm": 0.1904296875,
133
+ "learning_rate": 9.109131403118041e-05,
134
+ "loss": 0.2424,
135
+ "step": 1800
136
+ },
137
+ {
138
+ "epoch": 0.28210838901262064,
139
+ "grad_norm": 0.23828125,
140
+ "learning_rate": 9.059638703291266e-05,
141
+ "loss": 0.2485,
142
+ "step": 1900
143
+ },
144
+ {
145
+ "epoch": 0.2969561989606533,
146
+ "grad_norm": 0.203125,
147
+ "learning_rate": 9.01014600346449e-05,
148
+ "loss": 0.2534,
149
+ "step": 2000
150
+ },
151
+ {
152
+ "epoch": 0.311804008908686,
153
+ "grad_norm": 0.17578125,
154
+ "learning_rate": 8.960653303637714e-05,
155
+ "loss": 0.238,
156
+ "step": 2100
157
+ },
158
+ {
159
+ "epoch": 0.3266518188567186,
160
+ "grad_norm": 0.158203125,
161
+ "learning_rate": 8.911160603810938e-05,
162
+ "loss": 0.2409,
163
+ "step": 2200
164
+ },
165
+ {
166
+ "epoch": 0.3414996288047513,
167
+ "grad_norm": 0.177734375,
168
+ "learning_rate": 8.861667903984163e-05,
169
+ "loss": 0.2484,
170
+ "step": 2300
171
+ },
172
+ {
173
+ "epoch": 0.35634743875278396,
174
+ "grad_norm": 0.1689453125,
175
+ "learning_rate": 8.812175204157386e-05,
176
+ "loss": 0.2401,
177
+ "step": 2400
178
+ },
179
+ {
180
+ "epoch": 0.3711952487008166,
181
+ "grad_norm": 0.15625,
182
+ "learning_rate": 8.762682504330611e-05,
183
+ "loss": 0.2372,
184
+ "step": 2500
185
+ },
186
+ {
187
+ "epoch": 0.3860430586488493,
188
+ "grad_norm": 0.193359375,
189
+ "learning_rate": 8.713189804503836e-05,
190
+ "loss": 0.2346,
191
+ "step": 2600
192
+ },
193
+ {
194
+ "epoch": 0.40089086859688194,
195
+ "grad_norm": 0.19140625,
196
+ "learning_rate": 8.663697104677061e-05,
197
+ "loss": 0.2307,
198
+ "step": 2700
199
+ },
200
+ {
201
+ "epoch": 0.41573867854491464,
202
+ "grad_norm": 0.15234375,
203
+ "learning_rate": 8.614204404850284e-05,
204
+ "loss": 0.2276,
205
+ "step": 2800
206
+ },
207
+ {
208
+ "epoch": 0.4305864884929473,
209
+ "grad_norm": 0.1513671875,
210
+ "learning_rate": 8.56471170502351e-05,
211
+ "loss": 0.2386,
212
+ "step": 2900
213
+ },
214
+ {
215
+ "epoch": 0.44543429844098,
216
+ "grad_norm": 0.189453125,
217
+ "learning_rate": 8.515219005196734e-05,
218
+ "loss": 0.2313,
219
+ "step": 3000
220
+ },
221
+ {
222
+ "epoch": 0.4602821083890126,
223
+ "grad_norm": 0.208984375,
224
+ "learning_rate": 8.465726305369959e-05,
225
+ "loss": 0.245,
226
+ "step": 3100
227
+ },
228
+ {
229
+ "epoch": 0.47512991833704527,
230
+ "grad_norm": 0.1943359375,
231
+ "learning_rate": 8.416233605543183e-05,
232
+ "loss": 0.2278,
233
+ "step": 3200
234
+ },
235
+ {
236
+ "epoch": 0.48997772828507796,
237
+ "grad_norm": 0.21484375,
238
+ "learning_rate": 8.366740905716407e-05,
239
+ "loss": 0.2346,
240
+ "step": 3300
241
+ },
242
+ {
243
+ "epoch": 0.5048255382331106,
244
+ "grad_norm": 0.173828125,
245
+ "learning_rate": 8.317248205889632e-05,
246
+ "loss": 0.2364,
247
+ "step": 3400
248
+ },
249
+ {
250
+ "epoch": 0.5196733481811433,
251
+ "grad_norm": 0.1611328125,
252
+ "learning_rate": 8.267755506062856e-05,
253
+ "loss": 0.2238,
254
+ "step": 3500
255
+ },
256
+ {
257
+ "epoch": 0.534521158129176,
258
+ "grad_norm": 0.154296875,
259
+ "learning_rate": 8.21826280623608e-05,
260
+ "loss": 0.2396,
261
+ "step": 3600
262
+ },
263
+ {
264
+ "epoch": 0.5493689680772086,
265
+ "grad_norm": 0.2255859375,
266
+ "learning_rate": 8.168770106409304e-05,
267
+ "loss": 0.2254,
268
+ "step": 3700
269
+ },
270
+ {
271
+ "epoch": 0.5642167780252413,
272
+ "grad_norm": 0.18359375,
273
+ "learning_rate": 8.119277406582529e-05,
274
+ "loss": 0.2259,
275
+ "step": 3800
276
+ },
277
+ {
278
+ "epoch": 0.579064587973274,
279
+ "grad_norm": 0.158203125,
280
+ "learning_rate": 8.069784706755754e-05,
281
+ "loss": 0.2273,
282
+ "step": 3900
283
+ },
284
+ {
285
+ "epoch": 0.5939123979213066,
286
+ "grad_norm": 0.1669921875,
287
+ "learning_rate": 8.020292006928979e-05,
288
+ "loss": 0.2274,
289
+ "step": 4000
290
+ },
291
+ {
292
+ "epoch": 0.6087602078693393,
293
+ "grad_norm": 0.166015625,
294
+ "learning_rate": 7.970799307102202e-05,
295
+ "loss": 0.2322,
296
+ "step": 4100
297
+ },
298
+ {
299
+ "epoch": 0.623608017817372,
300
+ "grad_norm": 0.2138671875,
301
+ "learning_rate": 7.921306607275427e-05,
302
+ "loss": 0.2274,
303
+ "step": 4200
304
+ },
305
+ {
306
+ "epoch": 0.6384558277654045,
307
+ "grad_norm": 0.1416015625,
308
+ "learning_rate": 7.871813907448652e-05,
309
+ "loss": 0.2274,
310
+ "step": 4300
311
+ },
312
+ {
313
+ "epoch": 0.6533036377134372,
314
+ "grad_norm": 0.2060546875,
315
+ "learning_rate": 7.822321207621877e-05,
316
+ "loss": 0.2362,
317
+ "step": 4400
318
+ },
319
+ {
320
+ "epoch": 0.6681514476614699,
321
+ "grad_norm": 0.1572265625,
322
+ "learning_rate": 7.7728285077951e-05,
323
+ "loss": 0.2367,
324
+ "step": 4500
325
+ },
326
+ {
327
+ "epoch": 0.6829992576095026,
328
+ "grad_norm": 0.1650390625,
329
+ "learning_rate": 7.723335807968325e-05,
330
+ "loss": 0.2287,
331
+ "step": 4600
332
+ },
333
+ {
334
+ "epoch": 0.6978470675575352,
335
+ "grad_norm": 0.1259765625,
336
+ "learning_rate": 7.67384310814155e-05,
337
+ "loss": 0.233,
338
+ "step": 4700
339
+ },
340
+ {
341
+ "epoch": 0.7126948775055679,
342
+ "grad_norm": 0.1455078125,
343
+ "learning_rate": 7.624350408314775e-05,
344
+ "loss": 0.2243,
345
+ "step": 4800
346
+ },
347
+ {
348
+ "epoch": 0.7275426874536006,
349
+ "grad_norm": 0.14453125,
350
+ "learning_rate": 7.574857708487998e-05,
351
+ "loss": 0.2311,
352
+ "step": 4900
353
+ },
354
+ {
355
+ "epoch": 0.7423904974016332,
356
+ "grad_norm": 0.251953125,
357
+ "learning_rate": 7.525365008661222e-05,
358
+ "loss": 0.229,
359
+ "step": 5000
360
+ },
361
+ {
362
+ "epoch": 0.7572383073496659,
363
+ "grad_norm": 0.234375,
364
+ "learning_rate": 7.475872308834447e-05,
365
+ "loss": 0.2275,
366
+ "step": 5100
367
+ },
368
+ {
369
+ "epoch": 0.7720861172976986,
370
+ "grad_norm": 0.28125,
371
+ "learning_rate": 7.426379609007672e-05,
372
+ "loss": 0.2235,
373
+ "step": 5200
374
+ },
375
+ {
376
+ "epoch": 0.7869339272457313,
377
+ "grad_norm": 0.2431640625,
378
+ "learning_rate": 7.376886909180895e-05,
379
+ "loss": 0.2234,
380
+ "step": 5300
381
+ },
382
+ {
383
+ "epoch": 0.8017817371937639,
384
+ "grad_norm": 0.2119140625,
385
+ "learning_rate": 7.32739420935412e-05,
386
+ "loss": 0.2236,
387
+ "step": 5400
388
+ },
389
+ {
390
+ "epoch": 0.8166295471417966,
391
+ "grad_norm": 0.212890625,
392
+ "learning_rate": 7.277901509527345e-05,
393
+ "loss": 0.2265,
394
+ "step": 5500
395
+ },
396
+ {
397
+ "epoch": 0.8314773570898293,
398
+ "grad_norm": 0.236328125,
399
+ "learning_rate": 7.22840880970057e-05,
400
+ "loss": 0.2121,
401
+ "step": 5600
402
+ },
403
+ {
404
+ "epoch": 0.8463251670378619,
405
+ "grad_norm": 0.1953125,
406
+ "learning_rate": 7.178916109873795e-05,
407
+ "loss": 0.2225,
408
+ "step": 5700
409
+ },
410
+ {
411
+ "epoch": 0.8611729769858946,
412
+ "grad_norm": 0.2119140625,
413
+ "learning_rate": 7.129423410047018e-05,
414
+ "loss": 0.2196,
415
+ "step": 5800
416
+ },
417
+ {
418
+ "epoch": 0.8760207869339273,
419
+ "grad_norm": 0.171875,
420
+ "learning_rate": 7.079930710220243e-05,
421
+ "loss": 0.2235,
422
+ "step": 5900
423
+ },
424
+ {
425
+ "epoch": 0.89086859688196,
426
+ "grad_norm": 0.2333984375,
427
+ "learning_rate": 7.030438010393468e-05,
428
+ "loss": 0.2256,
429
+ "step": 6000
430
+ },
431
+ {
432
+ "epoch": 0.9057164068299925,
433
+ "grad_norm": 0.279296875,
434
+ "learning_rate": 6.980945310566693e-05,
435
+ "loss": 0.2217,
436
+ "step": 6100
437
+ },
438
+ {
439
+ "epoch": 0.9205642167780252,
440
+ "grad_norm": 0.16015625,
441
+ "learning_rate": 6.931452610739916e-05,
442
+ "loss": 0.223,
443
+ "step": 6200
444
+ },
445
+ {
446
+ "epoch": 0.9354120267260579,
447
+ "grad_norm": 0.287109375,
448
+ "learning_rate": 6.881959910913141e-05,
449
+ "loss": 0.2165,
450
+ "step": 6300
451
+ },
452
+ {
453
+ "epoch": 0.9502598366740905,
454
+ "grad_norm": 0.255859375,
455
+ "learning_rate": 6.832467211086365e-05,
456
+ "loss": 0.2222,
457
+ "step": 6400
458
+ },
459
+ {
460
+ "epoch": 0.9651076466221232,
461
+ "grad_norm": 0.2080078125,
462
+ "learning_rate": 6.78297451125959e-05,
463
+ "loss": 0.2243,
464
+ "step": 6500
465
+ },
466
+ {
467
+ "epoch": 0.9799554565701559,
468
+ "grad_norm": 0.291015625,
469
+ "learning_rate": 6.733481811432813e-05,
470
+ "loss": 0.2261,
471
+ "step": 6600
472
+ },
473
+ {
474
+ "epoch": 0.9948032665181886,
475
+ "grad_norm": 0.26171875,
476
+ "learning_rate": 6.683989111606038e-05,
477
+ "loss": 0.2195,
478
+ "step": 6700
479
+ },
480
+ {
481
+ "epoch": 1.0096510764662212,
482
+ "grad_norm": 0.2138671875,
483
+ "learning_rate": 6.634496411779263e-05,
484
+ "loss": 0.2005,
485
+ "step": 6800
486
+ },
487
+ {
488
+ "epoch": 1.024498886414254,
489
+ "grad_norm": 0.21875,
490
+ "learning_rate": 6.585003711952488e-05,
491
+ "loss": 0.1892,
492
+ "step": 6900
493
+ },
494
+ {
495
+ "epoch": 1.0393466963622866,
496
+ "grad_norm": 0.21484375,
497
+ "learning_rate": 6.535511012125711e-05,
498
+ "loss": 0.1842,
499
+ "step": 7000
500
+ },
501
+ {
502
+ "epoch": 1.0541945063103193,
503
+ "grad_norm": 0.1982421875,
504
+ "learning_rate": 6.486018312298936e-05,
505
+ "loss": 0.1897,
506
+ "step": 7100
507
+ },
508
+ {
509
+ "epoch": 1.069042316258352,
510
+ "grad_norm": 0.1884765625,
511
+ "learning_rate": 6.436525612472161e-05,
512
+ "loss": 0.1831,
513
+ "step": 7200
514
+ },
515
+ {
516
+ "epoch": 1.0838901262063845,
517
+ "grad_norm": 0.2578125,
518
+ "learning_rate": 6.387032912645386e-05,
519
+ "loss": 0.1891,
520
+ "step": 7300
521
+ },
522
+ {
523
+ "epoch": 1.0987379361544172,
524
+ "grad_norm": 0.17578125,
525
+ "learning_rate": 6.33754021281861e-05,
526
+ "loss": 0.1884,
527
+ "step": 7400
528
+ },
529
+ {
530
+ "epoch": 1.1135857461024499,
531
+ "grad_norm": 0.2451171875,
532
+ "learning_rate": 6.288047512991834e-05,
533
+ "loss": 0.1904,
534
+ "step": 7500
535
+ },
536
+ {
537
+ "epoch": 1.1284335560504826,
538
+ "grad_norm": 0.267578125,
539
+ "learning_rate": 6.238554813165059e-05,
540
+ "loss": 0.1899,
541
+ "step": 7600
542
+ },
543
+ {
544
+ "epoch": 1.1432813659985153,
545
+ "grad_norm": 0.30859375,
546
+ "learning_rate": 6.189062113338282e-05,
547
+ "loss": 0.1884,
548
+ "step": 7700
549
+ },
550
+ {
551
+ "epoch": 1.158129175946548,
552
+ "grad_norm": 0.255859375,
553
+ "learning_rate": 6.139569413511507e-05,
554
+ "loss": 0.1905,
555
+ "step": 7800
556
+ },
557
+ {
558
+ "epoch": 1.1729769858945804,
559
+ "grad_norm": 0.2373046875,
560
+ "learning_rate": 6.0900767136847315e-05,
561
+ "loss": 0.183,
562
+ "step": 7900
563
+ },
564
+ {
565
+ "epoch": 1.1878247958426131,
566
+ "grad_norm": 0.2333984375,
567
+ "learning_rate": 6.0405840138579564e-05,
568
+ "loss": 0.1841,
569
+ "step": 8000
570
+ },
571
+ {
572
+ "epoch": 1.2026726057906458,
573
+ "grad_norm": 0.2490234375,
574
+ "learning_rate": 5.9910913140311805e-05,
575
+ "loss": 0.1873,
576
+ "step": 8100
577
+ },
578
+ {
579
+ "epoch": 1.2175204157386785,
580
+ "grad_norm": 0.267578125,
581
+ "learning_rate": 5.9415986142044054e-05,
582
+ "loss": 0.1817,
583
+ "step": 8200
584
+ },
585
+ {
586
+ "epoch": 1.2323682256867112,
587
+ "grad_norm": 0.28515625,
588
+ "learning_rate": 5.892105914377629e-05,
589
+ "loss": 0.1824,
590
+ "step": 8300
591
+ },
592
+ {
593
+ "epoch": 1.247216035634744,
594
+ "grad_norm": 0.26953125,
595
+ "learning_rate": 5.842613214550854e-05,
596
+ "loss": 0.19,
597
+ "step": 8400
598
+ },
599
+ {
600
+ "epoch": 1.2620638455827766,
601
+ "grad_norm": 0.236328125,
602
+ "learning_rate": 5.7931205147240786e-05,
603
+ "loss": 0.1859,
604
+ "step": 8500
605
+ },
606
+ {
607
+ "epoch": 1.2769116555308093,
608
+ "grad_norm": 0.255859375,
609
+ "learning_rate": 5.7436278148973035e-05,
610
+ "loss": 0.1877,
611
+ "step": 8600
612
+ },
613
+ {
614
+ "epoch": 1.2917594654788418,
615
+ "grad_norm": 0.1826171875,
616
+ "learning_rate": 5.694135115070527e-05,
617
+ "loss": 0.1813,
618
+ "step": 8700
619
+ },
620
+ {
621
+ "epoch": 1.3066072754268745,
622
+ "grad_norm": 0.365234375,
623
+ "learning_rate": 5.644642415243752e-05,
624
+ "loss": 0.186,
625
+ "step": 8800
626
+ },
627
+ {
628
+ "epoch": 1.3214550853749072,
629
+ "grad_norm": 0.2041015625,
630
+ "learning_rate": 5.595149715416976e-05,
631
+ "loss": 0.1861,
632
+ "step": 8900
633
+ },
634
+ {
635
+ "epoch": 1.3363028953229399,
636
+ "grad_norm": 0.248046875,
637
+ "learning_rate": 5.545657015590201e-05,
638
+ "loss": 0.1858,
639
+ "step": 9000
640
+ },
641
+ {
642
+ "epoch": 1.3511507052709726,
643
+ "grad_norm": 0.2021484375,
644
+ "learning_rate": 5.4961643157634244e-05,
645
+ "loss": 0.1827,
646
+ "step": 9100
647
+ },
648
+ {
649
+ "epoch": 1.365998515219005,
650
+ "grad_norm": 0.2080078125,
651
+ "learning_rate": 5.446671615936649e-05,
652
+ "loss": 0.1778,
653
+ "step": 9200
654
+ },
655
+ {
656
+ "epoch": 1.3808463251670378,
657
+ "grad_norm": 0.26171875,
658
+ "learning_rate": 5.397178916109874e-05,
659
+ "loss": 0.1891,
660
+ "step": 9300
661
+ },
662
+ {
663
+ "epoch": 1.3956941351150705,
664
+ "grad_norm": 0.294921875,
665
+ "learning_rate": 5.347686216283099e-05,
666
+ "loss": 0.1842,
667
+ "step": 9400
668
+ },
669
+ {
670
+ "epoch": 1.4105419450631032,
671
+ "grad_norm": 0.2392578125,
672
+ "learning_rate": 5.298193516456323e-05,
673
+ "loss": 0.187,
674
+ "step": 9500
675
+ },
676
+ {
677
+ "epoch": 1.4253897550111359,
678
+ "grad_norm": 0.2216796875,
679
+ "learning_rate": 5.248700816629547e-05,
680
+ "loss": 0.1897,
681
+ "step": 9600
682
+ },
683
+ {
684
+ "epoch": 1.4402375649591685,
685
+ "grad_norm": 0.322265625,
686
+ "learning_rate": 5.1992081168027716e-05,
687
+ "loss": 0.1873,
688
+ "step": 9700
689
+ },
690
+ {
691
+ "epoch": 1.4550853749072012,
692
+ "grad_norm": 0.291015625,
693
+ "learning_rate": 5.1497154169759965e-05,
694
+ "loss": 0.188,
695
+ "step": 9800
696
+ },
697
+ {
698
+ "epoch": 1.469933184855234,
699
+ "grad_norm": 0.2119140625,
700
+ "learning_rate": 5.100222717149221e-05,
701
+ "loss": 0.1824,
702
+ "step": 9900
703
+ },
704
+ {
705
+ "epoch": 1.4847809948032666,
706
+ "grad_norm": 0.185546875,
707
+ "learning_rate": 5.050730017322445e-05,
708
+ "loss": 0.1827,
709
+ "step": 10000
710
+ },
711
+ {
712
+ "epoch": 1.4996288047512991,
713
+ "grad_norm": 0.33203125,
714
+ "learning_rate": 5.00123731749567e-05,
715
+ "loss": 0.185,
716
+ "step": 10100
717
+ },
718
+ {
719
+ "epoch": 1.5144766146993318,
720
+ "grad_norm": 0.1884765625,
721
+ "learning_rate": 4.951744617668894e-05,
722
+ "loss": 0.1813,
723
+ "step": 10200
724
+ },
725
+ {
726
+ "epoch": 1.5293244246473645,
727
+ "grad_norm": 0.2294921875,
728
+ "learning_rate": 4.902251917842118e-05,
729
+ "loss": 0.1796,
730
+ "step": 10300
731
+ },
732
+ {
733
+ "epoch": 1.5441722345953972,
734
+ "grad_norm": 0.296875,
735
+ "learning_rate": 4.852759218015343e-05,
736
+ "loss": 0.1887,
737
+ "step": 10400
738
+ },
739
+ {
740
+ "epoch": 1.5590200445434297,
741
+ "grad_norm": 0.166015625,
742
+ "learning_rate": 4.803266518188567e-05,
743
+ "loss": 0.1845,
744
+ "step": 10500
745
+ },
746
+ {
747
+ "epoch": 1.5738678544914624,
748
+ "grad_norm": 0.326171875,
749
+ "learning_rate": 4.753773818361792e-05,
750
+ "loss": 0.1784,
751
+ "step": 10600
752
+ },
753
+ {
754
+ "epoch": 1.588715664439495,
755
+ "grad_norm": 0.1982421875,
756
+ "learning_rate": 4.704281118535016e-05,
757
+ "loss": 0.1842,
758
+ "step": 10700
759
+ },
760
+ {
761
+ "epoch": 1.6035634743875278,
762
+ "grad_norm": 0.314453125,
763
+ "learning_rate": 4.654788418708241e-05,
764
+ "loss": 0.188,
765
+ "step": 10800
766
+ },
767
+ {
768
+ "epoch": 1.6184112843355605,
769
+ "grad_norm": 0.25,
770
+ "learning_rate": 4.605295718881465e-05,
771
+ "loss": 0.1844,
772
+ "step": 10900
773
+ },
774
+ {
775
+ "epoch": 1.6332590942835932,
776
+ "grad_norm": 0.380859375,
777
+ "learning_rate": 4.5558030190546894e-05,
778
+ "loss": 0.1802,
779
+ "step": 11000
780
+ },
781
+ {
782
+ "epoch": 1.6481069042316259,
783
+ "grad_norm": 0.2314453125,
784
+ "learning_rate": 4.506310319227914e-05,
785
+ "loss": 0.1881,
786
+ "step": 11100
787
+ },
788
+ {
789
+ "epoch": 1.6629547141796586,
790
+ "grad_norm": 0.37109375,
791
+ "learning_rate": 4.4568176194011384e-05,
792
+ "loss": 0.185,
793
+ "step": 11200
794
+ },
795
+ {
796
+ "epoch": 1.6778025241276913,
797
+ "grad_norm": 0.283203125,
798
+ "learning_rate": 4.407324919574363e-05,
799
+ "loss": 0.1818,
800
+ "step": 11300
801
+ },
802
+ {
803
+ "epoch": 1.692650334075724,
804
+ "grad_norm": 0.25,
805
+ "learning_rate": 4.3578322197475875e-05,
806
+ "loss": 0.182,
807
+ "step": 11400
808
+ },
809
+ {
810
+ "epoch": 1.7074981440237567,
811
+ "grad_norm": 0.25390625,
812
+ "learning_rate": 4.3083395199208124e-05,
813
+ "loss": 0.184,
814
+ "step": 11500
815
+ },
816
+ {
817
+ "epoch": 1.7223459539717891,
818
+ "grad_norm": 0.28515625,
819
+ "learning_rate": 4.2588468200940365e-05,
820
+ "loss": 0.1923,
821
+ "step": 11600
822
+ },
823
+ {
824
+ "epoch": 1.7371937639198218,
825
+ "grad_norm": 0.2236328125,
826
+ "learning_rate": 4.209354120267261e-05,
827
+ "loss": 0.1812,
828
+ "step": 11700
829
+ },
830
+ {
831
+ "epoch": 1.7520415738678545,
832
+ "grad_norm": 0.1865234375,
833
+ "learning_rate": 4.159861420440485e-05,
834
+ "loss": 0.1756,
835
+ "step": 11800
836
+ },
837
+ {
838
+ "epoch": 1.766889383815887,
839
+ "grad_norm": 0.31640625,
840
+ "learning_rate": 4.11036872061371e-05,
841
+ "loss": 0.1878,
842
+ "step": 11900
843
+ },
844
+ {
845
+ "epoch": 1.7817371937639197,
846
+ "grad_norm": 0.32421875,
847
+ "learning_rate": 4.060876020786934e-05,
848
+ "loss": 0.18,
849
+ "step": 12000
850
+ },
851
+ {
852
+ "epoch": 1.7965850037119524,
853
+ "grad_norm": 0.265625,
854
+ "learning_rate": 4.011383320960159e-05,
855
+ "loss": 0.1802,
856
+ "step": 12100
857
+ },
858
+ {
859
+ "epoch": 1.811432813659985,
860
+ "grad_norm": 0.234375,
861
+ "learning_rate": 3.961890621133383e-05,
862
+ "loss": 0.1802,
863
+ "step": 12200
864
+ },
865
+ {
866
+ "epoch": 1.8262806236080178,
867
+ "grad_norm": 0.31640625,
868
+ "learning_rate": 3.912397921306608e-05,
869
+ "loss": 0.1842,
870
+ "step": 12300
871
+ },
872
+ {
873
+ "epoch": 1.8411284335560505,
874
+ "grad_norm": 0.2109375,
875
+ "learning_rate": 3.8629052214798314e-05,
876
+ "loss": 0.1855,
877
+ "step": 12400
878
+ },
879
+ {
880
+ "epoch": 1.8559762435040832,
881
+ "grad_norm": 0.271484375,
882
+ "learning_rate": 3.813412521653056e-05,
883
+ "loss": 0.1846,
884
+ "step": 12500
885
+ },
886
+ {
887
+ "epoch": 1.8708240534521159,
888
+ "grad_norm": 0.275390625,
889
+ "learning_rate": 3.7639198218262804e-05,
890
+ "loss": 0.1829,
891
+ "step": 12600
892
+ },
893
+ {
894
+ "epoch": 1.8856718634001486,
895
+ "grad_norm": 0.2734375,
896
+ "learning_rate": 3.714427121999505e-05,
897
+ "loss": 0.1845,
898
+ "step": 12700
899
+ },
900
+ {
901
+ "epoch": 1.9005196733481813,
902
+ "grad_norm": 0.28125,
903
+ "learning_rate": 3.66493442217273e-05,
904
+ "loss": 0.1849,
905
+ "step": 12800
906
+ },
907
+ {
908
+ "epoch": 1.9153674832962138,
909
+ "grad_norm": 0.2353515625,
910
+ "learning_rate": 3.6154417223459543e-05,
911
+ "loss": 0.1849,
912
+ "step": 12900
913
+ },
914
+ {
915
+ "epoch": 1.9302152932442465,
916
+ "grad_norm": 0.33203125,
917
+ "learning_rate": 3.5659490225191785e-05,
918
+ "loss": 0.1782,
919
+ "step": 13000
920
+ },
921
+ {
922
+ "epoch": 1.9450631031922792,
923
+ "grad_norm": 0.29296875,
924
+ "learning_rate": 3.516456322692403e-05,
925
+ "loss": 0.1871,
926
+ "step": 13100
927
+ },
928
+ {
929
+ "epoch": 1.9599109131403119,
930
+ "grad_norm": 0.23828125,
931
+ "learning_rate": 3.4669636228656276e-05,
932
+ "loss": 0.1775,
933
+ "step": 13200
934
+ },
935
+ {
936
+ "epoch": 1.9747587230883443,
937
+ "grad_norm": 0.30078125,
938
+ "learning_rate": 3.417470923038852e-05,
939
+ "loss": 0.1815,
940
+ "step": 13300
941
+ },
942
+ {
943
+ "epoch": 1.989606533036377,
944
+ "grad_norm": 0.30078125,
945
+ "learning_rate": 3.3679782232120766e-05,
946
+ "loss": 0.1831,
947
+ "step": 13400
948
+ },
949
+ {
950
+ "epoch": 2.0044543429844097,
951
+ "grad_norm": 0.2373046875,
952
+ "learning_rate": 3.318485523385301e-05,
953
+ "loss": 0.1752,
954
+ "step": 13500
955
+ },
956
+ {
957
+ "epoch": 2.0193021529324424,
958
+ "grad_norm": 0.298828125,
959
+ "learning_rate": 3.268992823558526e-05,
960
+ "loss": 0.172,
961
+ "step": 13600
962
+ },
963
+ {
964
+ "epoch": 2.034149962880475,
965
+ "grad_norm": 0.263671875,
966
+ "learning_rate": 3.21950012373175e-05,
967
+ "loss": 0.1695,
968
+ "step": 13700
969
+ },
970
+ {
971
+ "epoch": 2.048997772828508,
972
+ "grad_norm": 0.255859375,
973
+ "learning_rate": 3.170007423904974e-05,
974
+ "loss": 0.169,
975
+ "step": 13800
976
+ },
977
+ {
978
+ "epoch": 2.0638455827765405,
979
+ "grad_norm": 0.2333984375,
980
+ "learning_rate": 3.120514724078198e-05,
981
+ "loss": 0.1688,
982
+ "step": 13900
983
+ },
984
+ {
985
+ "epoch": 2.078693392724573,
986
+ "grad_norm": 0.224609375,
987
+ "learning_rate": 3.071022024251423e-05,
988
+ "loss": 0.1696,
989
+ "step": 14000
990
+ },
991
+ {
992
+ "epoch": 2.093541202672606,
993
+ "grad_norm": 0.34375,
994
+ "learning_rate": 3.0215293244246473e-05,
995
+ "loss": 0.1683,
996
+ "step": 14100
997
+ },
998
+ {
999
+ "epoch": 2.1083890126206386,
1000
+ "grad_norm": 0.365234375,
1001
+ "learning_rate": 2.972036624597872e-05,
1002
+ "loss": 0.1647,
1003
+ "step": 14200
1004
+ },
1005
+ {
1006
+ "epoch": 2.1232368225686713,
1007
+ "grad_norm": 0.310546875,
1008
+ "learning_rate": 2.9225439247710963e-05,
1009
+ "loss": 0.1698,
1010
+ "step": 14300
1011
+ },
1012
+ {
1013
+ "epoch": 2.138084632516704,
1014
+ "grad_norm": 0.20703125,
1015
+ "learning_rate": 2.873051224944321e-05,
1016
+ "loss": 0.1648,
1017
+ "step": 14400
1018
+ },
1019
+ {
1020
+ "epoch": 2.1529324424647363,
1021
+ "grad_norm": 0.224609375,
1022
+ "learning_rate": 2.823558525117545e-05,
1023
+ "loss": 0.1676,
1024
+ "step": 14500
1025
+ },
1026
+ {
1027
+ "epoch": 2.167780252412769,
1028
+ "grad_norm": 0.283203125,
1029
+ "learning_rate": 2.77406582529077e-05,
1030
+ "loss": 0.1676,
1031
+ "step": 14600
1032
+ },
1033
+ {
1034
+ "epoch": 2.1826280623608016,
1035
+ "grad_norm": 0.240234375,
1036
+ "learning_rate": 2.7245731254639944e-05,
1037
+ "loss": 0.168,
1038
+ "step": 14700
1039
+ },
1040
+ {
1041
+ "epoch": 2.1974758723088343,
1042
+ "grad_norm": 0.2734375,
1043
+ "learning_rate": 2.6750804256372186e-05,
1044
+ "loss": 0.1662,
1045
+ "step": 14800
1046
+ },
1047
+ {
1048
+ "epoch": 2.212323682256867,
1049
+ "grad_norm": 0.2119140625,
1050
+ "learning_rate": 2.6255877258104435e-05,
1051
+ "loss": 0.163,
1052
+ "step": 14900
1053
+ },
1054
+ {
1055
+ "epoch": 2.2271714922048997,
1056
+ "grad_norm": 0.32421875,
1057
+ "learning_rate": 2.5760950259836673e-05,
1058
+ "loss": 0.1658,
1059
+ "step": 15000
1060
+ },
1061
+ {
1062
+ "epoch": 2.2420193021529324,
1063
+ "grad_norm": 0.2734375,
1064
+ "learning_rate": 2.5266023261568922e-05,
1065
+ "loss": 0.1645,
1066
+ "step": 15100
1067
+ },
1068
+ {
1069
+ "epoch": 2.256867112100965,
1070
+ "grad_norm": 0.291015625,
1071
+ "learning_rate": 2.4771096263301164e-05,
1072
+ "loss": 0.1563,
1073
+ "step": 15200
1074
+ },
1075
+ {
1076
+ "epoch": 2.271714922048998,
1077
+ "grad_norm": 0.34375,
1078
+ "learning_rate": 2.427616926503341e-05,
1079
+ "loss": 0.1677,
1080
+ "step": 15300
1081
+ },
1082
+ {
1083
+ "epoch": 2.2865627319970305,
1084
+ "grad_norm": 0.265625,
1085
+ "learning_rate": 2.378124226676565e-05,
1086
+ "loss": 0.1635,
1087
+ "step": 15400
1088
+ },
1089
+ {
1090
+ "epoch": 2.3014105419450632,
1091
+ "grad_norm": 0.32421875,
1092
+ "learning_rate": 2.3286315268497896e-05,
1093
+ "loss": 0.1693,
1094
+ "step": 15500
1095
+ },
1096
+ {
1097
+ "epoch": 2.316258351893096,
1098
+ "grad_norm": 0.2470703125,
1099
+ "learning_rate": 2.2791388270230145e-05,
1100
+ "loss": 0.1682,
1101
+ "step": 15600
1102
+ },
1103
+ {
1104
+ "epoch": 2.3311061618411286,
1105
+ "grad_norm": 0.271484375,
1106
+ "learning_rate": 2.2296461271962387e-05,
1107
+ "loss": 0.1637,
1108
+ "step": 15700
1109
+ },
1110
+ {
1111
+ "epoch": 2.345953971789161,
1112
+ "grad_norm": 0.337890625,
1113
+ "learning_rate": 2.1801534273694632e-05,
1114
+ "loss": 0.1702,
1115
+ "step": 15800
1116
+ },
1117
+ {
1118
+ "epoch": 2.3608017817371936,
1119
+ "grad_norm": 0.3125,
1120
+ "learning_rate": 2.1306607275426877e-05,
1121
+ "loss": 0.1648,
1122
+ "step": 15900
1123
+ },
1124
+ {
1125
+ "epoch": 2.3756495916852263,
1126
+ "grad_norm": 0.275390625,
1127
+ "learning_rate": 2.0811680277159122e-05,
1128
+ "loss": 0.1586,
1129
+ "step": 16000
1130
+ },
1131
+ {
1132
+ "epoch": 2.390497401633259,
1133
+ "grad_norm": 0.263671875,
1134
+ "learning_rate": 2.0316753278891364e-05,
1135
+ "loss": 0.1628,
1136
+ "step": 16100
1137
+ },
1138
+ {
1139
+ "epoch": 2.4053452115812917,
1140
+ "grad_norm": 0.28125,
1141
+ "learning_rate": 1.982182628062361e-05,
1142
+ "loss": 0.1621,
1143
+ "step": 16200
1144
+ },
1145
+ {
1146
+ "epoch": 2.4201930215293244,
1147
+ "grad_norm": 0.296875,
1148
+ "learning_rate": 1.9326899282355855e-05,
1149
+ "loss": 0.1628,
1150
+ "step": 16300
1151
+ },
1152
+ {
1153
+ "epoch": 2.435040831477357,
1154
+ "grad_norm": 0.2412109375,
1155
+ "learning_rate": 1.8831972284088097e-05,
1156
+ "loss": 0.1642,
1157
+ "step": 16400
1158
+ },
1159
+ {
1160
+ "epoch": 2.4498886414253898,
1161
+ "grad_norm": 0.314453125,
1162
+ "learning_rate": 1.8337045285820342e-05,
1163
+ "loss": 0.1659,
1164
+ "step": 16500
1165
+ },
1166
+ {
1167
+ "epoch": 2.4647364513734225,
1168
+ "grad_norm": 0.2734375,
1169
+ "learning_rate": 1.7842118287552587e-05,
1170
+ "loss": 0.1683,
1171
+ "step": 16600
1172
+ },
1173
+ {
1174
+ "epoch": 2.479584261321455,
1175
+ "grad_norm": 0.322265625,
1176
+ "learning_rate": 1.7347191289284832e-05,
1177
+ "loss": 0.1655,
1178
+ "step": 16700
1179
+ },
1180
+ {
1181
+ "epoch": 2.494432071269488,
1182
+ "grad_norm": 0.2734375,
1183
+ "learning_rate": 1.6852264291017074e-05,
1184
+ "loss": 0.1655,
1185
+ "step": 16800
1186
+ },
1187
+ {
1188
+ "epoch": 2.5092798812175205,
1189
+ "grad_norm": 0.3046875,
1190
+ "learning_rate": 1.635733729274932e-05,
1191
+ "loss": 0.164,
1192
+ "step": 16900
1193
+ },
1194
+ {
1195
+ "epoch": 2.5241276911655532,
1196
+ "grad_norm": 0.28125,
1197
+ "learning_rate": 1.5862410294481565e-05,
1198
+ "loss": 0.1745,
1199
+ "step": 17000
1200
+ },
1201
+ {
1202
+ "epoch": 2.538975501113586,
1203
+ "grad_norm": 0.2490234375,
1204
+ "learning_rate": 1.5367483296213807e-05,
1205
+ "loss": 0.169,
1206
+ "step": 17100
1207
+ },
1208
+ {
1209
+ "epoch": 2.5538233110616186,
1210
+ "grad_norm": 0.314453125,
1211
+ "learning_rate": 1.4872556297946052e-05,
1212
+ "loss": 0.1695,
1213
+ "step": 17200
1214
+ },
1215
+ {
1216
+ "epoch": 2.5686711210096513,
1217
+ "grad_norm": 0.306640625,
1218
+ "learning_rate": 1.4377629299678297e-05,
1219
+ "loss": 0.1657,
1220
+ "step": 17300
1221
+ },
1222
+ {
1223
+ "epoch": 2.5835189309576836,
1224
+ "grad_norm": 0.302734375,
1225
+ "learning_rate": 1.3882702301410544e-05,
1226
+ "loss": 0.1615,
1227
+ "step": 17400
1228
+ },
1229
+ {
1230
+ "epoch": 2.5983667409057163,
1231
+ "grad_norm": 0.263671875,
1232
+ "learning_rate": 1.3387775303142788e-05,
1233
+ "loss": 0.1675,
1234
+ "step": 17500
1235
+ },
1236
+ {
1237
+ "epoch": 2.613214550853749,
1238
+ "grad_norm": 0.29296875,
1239
+ "learning_rate": 1.2892848304875033e-05,
1240
+ "loss": 0.1646,
1241
+ "step": 17600
1242
+ },
1243
+ {
1244
+ "epoch": 2.6280623608017817,
1245
+ "grad_norm": 0.197265625,
1246
+ "learning_rate": 1.2397921306607275e-05,
1247
+ "loss": 0.1631,
1248
+ "step": 17700
1249
+ },
1250
+ {
1251
+ "epoch": 2.6429101707498144,
1252
+ "grad_norm": 0.2890625,
1253
+ "learning_rate": 1.190299430833952e-05,
1254
+ "loss": 0.1621,
1255
+ "step": 17800
1256
+ },
1257
+ {
1258
+ "epoch": 2.657757980697847,
1259
+ "grad_norm": 0.29296875,
1260
+ "learning_rate": 1.1408067310071765e-05,
1261
+ "loss": 0.1682,
1262
+ "step": 17900
1263
+ },
1264
+ {
1265
+ "epoch": 2.6726057906458798,
1266
+ "grad_norm": 0.29296875,
1267
+ "learning_rate": 1.091314031180401e-05,
1268
+ "loss": 0.1664,
1269
+ "step": 18000
1270
+ },
1271
+ {
1272
+ "epoch": 2.6874536005939125,
1273
+ "grad_norm": 0.2431640625,
1274
+ "learning_rate": 1.0418213313536254e-05,
1275
+ "loss": 0.1686,
1276
+ "step": 18100
1277
+ },
1278
+ {
1279
+ "epoch": 2.702301410541945,
1280
+ "grad_norm": 0.427734375,
1281
+ "learning_rate": 9.9232863152685e-06,
1282
+ "loss": 0.1653,
1283
+ "step": 18200
1284
+ },
1285
+ {
1286
+ "epoch": 2.717149220489978,
1287
+ "grad_norm": 0.283203125,
1288
+ "learning_rate": 9.428359317000743e-06,
1289
+ "loss": 0.1704,
1290
+ "step": 18300
1291
+ },
1292
+ {
1293
+ "epoch": 2.73199703043801,
1294
+ "grad_norm": 0.2314453125,
1295
+ "learning_rate": 8.933432318732986e-06,
1296
+ "loss": 0.1645,
1297
+ "step": 18400
1298
+ },
1299
+ {
1300
+ "epoch": 2.746844840386043,
1301
+ "grad_norm": 0.2041015625,
1302
+ "learning_rate": 8.438505320465232e-06,
1303
+ "loss": 0.1647,
1304
+ "step": 18500
1305
+ },
1306
+ {
1307
+ "epoch": 2.7616926503340755,
1308
+ "grad_norm": 0.333984375,
1309
+ "learning_rate": 7.943578322197475e-06,
1310
+ "loss": 0.1721,
1311
+ "step": 18600
1312
+ },
1313
+ {
1314
+ "epoch": 2.776540460282108,
1315
+ "grad_norm": 0.330078125,
1316
+ "learning_rate": 7.44865132392972e-06,
1317
+ "loss": 0.1652,
1318
+ "step": 18700
1319
+ },
1320
+ {
1321
+ "epoch": 2.791388270230141,
1322
+ "grad_norm": 0.333984375,
1323
+ "learning_rate": 6.953724325661966e-06,
1324
+ "loss": 0.1634,
1325
+ "step": 18800
1326
+ },
1327
+ {
1328
+ "epoch": 2.8062360801781736,
1329
+ "grad_norm": 0.283203125,
1330
+ "learning_rate": 6.45879732739421e-06,
1331
+ "loss": 0.1668,
1332
+ "step": 18900
1333
+ },
1334
+ {
1335
+ "epoch": 2.8210838901262063,
1336
+ "grad_norm": 0.248046875,
1337
+ "learning_rate": 5.9638703291264544e-06,
1338
+ "loss": 0.1642,
1339
+ "step": 19000
1340
+ },
1341
+ {
1342
+ "epoch": 2.835931700074239,
1343
+ "grad_norm": 0.2373046875,
1344
+ "learning_rate": 5.468943330858699e-06,
1345
+ "loss": 0.1594,
1346
+ "step": 19100
1347
+ },
1348
+ {
1349
+ "epoch": 2.8507795100222717,
1350
+ "grad_norm": 0.224609375,
1351
+ "learning_rate": 4.974016332590943e-06,
1352
+ "loss": 0.1648,
1353
+ "step": 19200
1354
+ },
1355
+ {
1356
+ "epoch": 2.8656273199703044,
1357
+ "grad_norm": 0.2353515625,
1358
+ "learning_rate": 4.479089334323188e-06,
1359
+ "loss": 0.1637,
1360
+ "step": 19300
1361
+ },
1362
+ {
1363
+ "epoch": 2.880475129918337,
1364
+ "grad_norm": 0.2294921875,
1365
+ "learning_rate": 3.984162336055432e-06,
1366
+ "loss": 0.1728,
1367
+ "step": 19400
1368
+ },
1369
+ {
1370
+ "epoch": 2.89532293986637,
1371
+ "grad_norm": 0.25390625,
1372
+ "learning_rate": 3.489235337787677e-06,
1373
+ "loss": 0.1646,
1374
+ "step": 19500
1375
+ },
1376
+ {
1377
+ "epoch": 2.9101707498144025,
1378
+ "grad_norm": 0.25,
1379
+ "learning_rate": 2.9943083395199213e-06,
1380
+ "loss": 0.1692,
1381
+ "step": 19600
1382
+ },
1383
+ {
1384
+ "epoch": 2.925018559762435,
1385
+ "grad_norm": 0.328125,
1386
+ "learning_rate": 2.4993813412521652e-06,
1387
+ "loss": 0.1708,
1388
+ "step": 19700
1389
+ },
1390
+ {
1391
+ "epoch": 2.939866369710468,
1392
+ "grad_norm": 0.265625,
1393
+ "learning_rate": 2.00445434298441e-06,
1394
+ "loss": 0.1689,
1395
+ "step": 19800
1396
+ },
1397
+ {
1398
+ "epoch": 2.9547141796585006,
1399
+ "grad_norm": 0.25,
1400
+ "learning_rate": 1.5095273447166542e-06,
1401
+ "loss": 0.1622,
1402
+ "step": 19900
1403
+ },
1404
+ {
1405
+ "epoch": 2.9695619896065333,
1406
+ "grad_norm": 0.298828125,
1407
+ "learning_rate": 1.0146003464488989e-06,
1408
+ "loss": 0.1649,
1409
+ "step": 20000
1410
+ },
1411
+ {
1412
+ "epoch": 2.984409799554566,
1413
+ "grad_norm": 0.291015625,
1414
+ "learning_rate": 5.196733481811434e-07,
1415
+ "loss": 0.163,
1416
+ "step": 20100
1417
+ },
1418
+ {
1419
+ "epoch": 2.9992576095025982,
1420
+ "grad_norm": 0.359375,
1421
+ "learning_rate": 2.4746349913387775e-08,
1422
+ "loss": 0.1617,
1423
+ "step": 20200
1424
+ }
1425
+ ],
1426
+ "logging_steps": 100,
1427
+ "max_steps": 20205,
1428
+ "num_input_tokens_seen": 0,
1429
+ "num_train_epochs": 3,
1430
+ "save_steps": 1000,
1431
+ "stateful_callbacks": {
1432
+ "TrainerControl": {
1433
+ "args": {
1434
+ "should_epoch_stop": false,
1435
+ "should_evaluate": false,
1436
+ "should_log": false,
1437
+ "should_save": true,
1438
+ "should_training_stop": true
1439
+ },
1440
+ "attributes": {}
1441
+ }
1442
+ },
1443
+ "total_flos": 1.1772177365591194e+18,
1444
+ "train_batch_size": 1,
1445
+ "trial_name": null,
1446
+ "trial_params": null
1447
+ }
training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:88c498d78d918b36d7bfe364d212649599ca74142ed0b238e683d2dc18ea54fa
3
+ size 5280