mrgiraffe commited on
Commit
65e2d48
·
1 Parent(s): e895f4f

Training in progress, step 500

Browse files
all_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 4.0,
3
+ "total_flos": 6.939872621924401e+18,
4
+ "train_loss": 0.045772934323841975,
5
+ "train_runtime": 3642.6125,
6
+ "train_samples_per_second": 24.586,
7
+ "train_steps_per_second": 1.537
8
+ }
pytorch_model.bin CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:3d858c8a24067f6d45c6aad2fa0525bcfd7a9ec06e42abb4d4104334769378b6
3
  size 343266993
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:887ba4e670257334d7de96558ec0c18f98ca2ff7e828403ea881bb3f545b8d49
3
  size 343266993
runs/Aug16_02-47-21_817e0aa184b1/1660618075.6890955/events.out.tfevents.1660618075.817e0aa184b1.975.10 ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:2a3c1e56658f5c9e78598588a57811293ab479f0e868d3de87a4d390aea02361
3
+ size 5449
runs/Aug16_02-47-21_817e0aa184b1/events.out.tfevents.1660618075.817e0aa184b1.975.9 ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:8e90f7c7be32525440c9b86323de70140441a21de942867b825a90e707d343d2
3
+ size 11915
train_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 4.0,
3
+ "total_flos": 6.939872621924401e+18,
4
+ "train_loss": 0.045772934323841975,
5
+ "train_runtime": 3642.6125,
6
+ "train_samples_per_second": 24.586,
7
+ "train_steps_per_second": 1.537
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,3430 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 4.0,
5
+ "global_step": 5600,
6
+ "is_hyper_param_search": false,
7
+ "is_local_process_zero": true,
8
+ "is_world_process_zero": true,
9
+ "log_history": [
10
+ {
11
+ "epoch": 0.01,
12
+ "learning_rate": 0.00019964285714285716,
13
+ "loss": 0.0279,
14
+ "step": 10
15
+ },
16
+ {
17
+ "epoch": 0.01,
18
+ "learning_rate": 0.0001992857142857143,
19
+ "loss": 0.0234,
20
+ "step": 20
21
+ },
22
+ {
23
+ "epoch": 0.02,
24
+ "learning_rate": 0.00019892857142857144,
25
+ "loss": 0.1147,
26
+ "step": 30
27
+ },
28
+ {
29
+ "epoch": 0.03,
30
+ "learning_rate": 0.0001985714285714286,
31
+ "loss": 0.0921,
32
+ "step": 40
33
+ },
34
+ {
35
+ "epoch": 0.04,
36
+ "learning_rate": 0.00019821428571428572,
37
+ "loss": 0.0297,
38
+ "step": 50
39
+ },
40
+ {
41
+ "epoch": 0.04,
42
+ "learning_rate": 0.00019785714285714288,
43
+ "loss": 0.0295,
44
+ "step": 60
45
+ },
46
+ {
47
+ "epoch": 0.05,
48
+ "learning_rate": 0.00019750000000000003,
49
+ "loss": 0.079,
50
+ "step": 70
51
+ },
52
+ {
53
+ "epoch": 0.06,
54
+ "learning_rate": 0.00019717857142857143,
55
+ "loss": 0.1888,
56
+ "step": 80
57
+ },
58
+ {
59
+ "epoch": 0.06,
60
+ "learning_rate": 0.00019682142857142858,
61
+ "loss": 0.1174,
62
+ "step": 90
63
+ },
64
+ {
65
+ "epoch": 0.07,
66
+ "learning_rate": 0.00019646428571428573,
67
+ "loss": 0.0452,
68
+ "step": 100
69
+ },
70
+ {
71
+ "epoch": 0.08,
72
+ "learning_rate": 0.00019610714285714286,
73
+ "loss": 0.1854,
74
+ "step": 110
75
+ },
76
+ {
77
+ "epoch": 0.09,
78
+ "learning_rate": 0.00019575000000000001,
79
+ "loss": 0.1035,
80
+ "step": 120
81
+ },
82
+ {
83
+ "epoch": 0.09,
84
+ "learning_rate": 0.00019539285714285717,
85
+ "loss": 0.0937,
86
+ "step": 130
87
+ },
88
+ {
89
+ "epoch": 0.1,
90
+ "learning_rate": 0.0001950357142857143,
91
+ "loss": 0.0312,
92
+ "step": 140
93
+ },
94
+ {
95
+ "epoch": 0.11,
96
+ "learning_rate": 0.00019467857142857145,
97
+ "loss": 0.0776,
98
+ "step": 150
99
+ },
100
+ {
101
+ "epoch": 0.11,
102
+ "learning_rate": 0.00019432142857142857,
103
+ "loss": 0.0497,
104
+ "step": 160
105
+ },
106
+ {
107
+ "epoch": 0.12,
108
+ "learning_rate": 0.00019396428571428573,
109
+ "loss": 0.1676,
110
+ "step": 170
111
+ },
112
+ {
113
+ "epoch": 0.13,
114
+ "learning_rate": 0.00019360714285714288,
115
+ "loss": 0.0727,
116
+ "step": 180
117
+ },
118
+ {
119
+ "epoch": 0.14,
120
+ "learning_rate": 0.00019325,
121
+ "loss": 0.0946,
122
+ "step": 190
123
+ },
124
+ {
125
+ "epoch": 0.14,
126
+ "learning_rate": 0.00019289285714285713,
127
+ "loss": 0.078,
128
+ "step": 200
129
+ },
130
+ {
131
+ "epoch": 0.15,
132
+ "learning_rate": 0.0001925357142857143,
133
+ "loss": 0.0193,
134
+ "step": 210
135
+ },
136
+ {
137
+ "epoch": 0.16,
138
+ "learning_rate": 0.00019217857142857144,
139
+ "loss": 0.1381,
140
+ "step": 220
141
+ },
142
+ {
143
+ "epoch": 0.16,
144
+ "learning_rate": 0.00019182142857142857,
145
+ "loss": 0.04,
146
+ "step": 230
147
+ },
148
+ {
149
+ "epoch": 0.17,
150
+ "learning_rate": 0.00019146428571428572,
151
+ "loss": 0.0533,
152
+ "step": 240
153
+ },
154
+ {
155
+ "epoch": 0.18,
156
+ "learning_rate": 0.00019110714285714288,
157
+ "loss": 0.0538,
158
+ "step": 250
159
+ },
160
+ {
161
+ "epoch": 0.19,
162
+ "learning_rate": 0.00019075,
163
+ "loss": 0.0614,
164
+ "step": 260
165
+ },
166
+ {
167
+ "epoch": 0.19,
168
+ "learning_rate": 0.00019039285714285716,
169
+ "loss": 0.0522,
170
+ "step": 270
171
+ },
172
+ {
173
+ "epoch": 0.2,
174
+ "learning_rate": 0.00019003571428571428,
175
+ "loss": 0.1157,
176
+ "step": 280
177
+ },
178
+ {
179
+ "epoch": 0.21,
180
+ "learning_rate": 0.00018967857142857144,
181
+ "loss": 0.088,
182
+ "step": 290
183
+ },
184
+ {
185
+ "epoch": 0.21,
186
+ "learning_rate": 0.0001893214285714286,
187
+ "loss": 0.0661,
188
+ "step": 300
189
+ },
190
+ {
191
+ "epoch": 0.22,
192
+ "learning_rate": 0.00018896428571428572,
193
+ "loss": 0.0302,
194
+ "step": 310
195
+ },
196
+ {
197
+ "epoch": 0.23,
198
+ "learning_rate": 0.00018860714285714287,
199
+ "loss": 0.2186,
200
+ "step": 320
201
+ },
202
+ {
203
+ "epoch": 0.24,
204
+ "learning_rate": 0.00018825000000000002,
205
+ "loss": 0.0831,
206
+ "step": 330
207
+ },
208
+ {
209
+ "epoch": 0.24,
210
+ "learning_rate": 0.00018789285714285715,
211
+ "loss": 0.0904,
212
+ "step": 340
213
+ },
214
+ {
215
+ "epoch": 0.25,
216
+ "learning_rate": 0.0001875357142857143,
217
+ "loss": 0.0607,
218
+ "step": 350
219
+ },
220
+ {
221
+ "epoch": 0.26,
222
+ "learning_rate": 0.00018717857142857146,
223
+ "loss": 0.0794,
224
+ "step": 360
225
+ },
226
+ {
227
+ "epoch": 0.26,
228
+ "learning_rate": 0.00018682142857142858,
229
+ "loss": 0.0367,
230
+ "step": 370
231
+ },
232
+ {
233
+ "epoch": 0.27,
234
+ "learning_rate": 0.0001864642857142857,
235
+ "loss": 0.0733,
236
+ "step": 380
237
+ },
238
+ {
239
+ "epoch": 0.28,
240
+ "learning_rate": 0.00018610714285714286,
241
+ "loss": 0.0577,
242
+ "step": 390
243
+ },
244
+ {
245
+ "epoch": 0.29,
246
+ "learning_rate": 0.00018575,
247
+ "loss": 0.0532,
248
+ "step": 400
249
+ },
250
+ {
251
+ "epoch": 0.29,
252
+ "learning_rate": 0.00018539285714285714,
253
+ "loss": 0.0518,
254
+ "step": 410
255
+ },
256
+ {
257
+ "epoch": 0.3,
258
+ "learning_rate": 0.0001850357142857143,
259
+ "loss": 0.0604,
260
+ "step": 420
261
+ },
262
+ {
263
+ "epoch": 0.31,
264
+ "learning_rate": 0.00018467857142857142,
265
+ "loss": 0.1067,
266
+ "step": 430
267
+ },
268
+ {
269
+ "epoch": 0.31,
270
+ "learning_rate": 0.00018432142857142858,
271
+ "loss": 0.069,
272
+ "step": 440
273
+ },
274
+ {
275
+ "epoch": 0.32,
276
+ "learning_rate": 0.00018396428571428573,
277
+ "loss": 0.0886,
278
+ "step": 450
279
+ },
280
+ {
281
+ "epoch": 0.33,
282
+ "learning_rate": 0.00018360714285714286,
283
+ "loss": 0.032,
284
+ "step": 460
285
+ },
286
+ {
287
+ "epoch": 0.34,
288
+ "learning_rate": 0.00018325,
289
+ "loss": 0.1077,
290
+ "step": 470
291
+ },
292
+ {
293
+ "epoch": 0.34,
294
+ "learning_rate": 0.00018289285714285716,
295
+ "loss": 0.0826,
296
+ "step": 480
297
+ },
298
+ {
299
+ "epoch": 0.35,
300
+ "learning_rate": 0.0001825357142857143,
301
+ "loss": 0.0361,
302
+ "step": 490
303
+ },
304
+ {
305
+ "epoch": 0.36,
306
+ "learning_rate": 0.00018217857142857144,
307
+ "loss": 0.0141,
308
+ "step": 500
309
+ },
310
+ {
311
+ "epoch": 0.36,
312
+ "learning_rate": 0.0001818214285714286,
313
+ "loss": 0.173,
314
+ "step": 510
315
+ },
316
+ {
317
+ "epoch": 0.37,
318
+ "learning_rate": 0.00018146428571428572,
319
+ "loss": 0.0598,
320
+ "step": 520
321
+ },
322
+ {
323
+ "epoch": 0.38,
324
+ "learning_rate": 0.00018110714285714288,
325
+ "loss": 0.0885,
326
+ "step": 530
327
+ },
328
+ {
329
+ "epoch": 0.39,
330
+ "learning_rate": 0.00018075000000000003,
331
+ "loss": 0.1444,
332
+ "step": 540
333
+ },
334
+ {
335
+ "epoch": 0.39,
336
+ "learning_rate": 0.00018039285714285713,
337
+ "loss": 0.0568,
338
+ "step": 550
339
+ },
340
+ {
341
+ "epoch": 0.4,
342
+ "learning_rate": 0.00018003571428571428,
343
+ "loss": 0.0707,
344
+ "step": 560
345
+ },
346
+ {
347
+ "epoch": 0.41,
348
+ "learning_rate": 0.00017967857142857144,
349
+ "loss": 0.083,
350
+ "step": 570
351
+ },
352
+ {
353
+ "epoch": 0.41,
354
+ "learning_rate": 0.00017932142857142856,
355
+ "loss": 0.0752,
356
+ "step": 580
357
+ },
358
+ {
359
+ "epoch": 0.42,
360
+ "learning_rate": 0.00017896428571428572,
361
+ "loss": 0.0787,
362
+ "step": 590
363
+ },
364
+ {
365
+ "epoch": 0.43,
366
+ "learning_rate": 0.00017860714285714287,
367
+ "loss": 0.0916,
368
+ "step": 600
369
+ },
370
+ {
371
+ "epoch": 0.44,
372
+ "learning_rate": 0.00017825,
373
+ "loss": 0.0724,
374
+ "step": 610
375
+ },
376
+ {
377
+ "epoch": 0.44,
378
+ "learning_rate": 0.00017789285714285715,
379
+ "loss": 0.0751,
380
+ "step": 620
381
+ },
382
+ {
383
+ "epoch": 0.45,
384
+ "learning_rate": 0.0001775357142857143,
385
+ "loss": 0.0858,
386
+ "step": 630
387
+ },
388
+ {
389
+ "epoch": 0.46,
390
+ "learning_rate": 0.00017717857142857143,
391
+ "loss": 0.1406,
392
+ "step": 640
393
+ },
394
+ {
395
+ "epoch": 0.46,
396
+ "learning_rate": 0.00017682142857142858,
397
+ "loss": 0.1601,
398
+ "step": 650
399
+ },
400
+ {
401
+ "epoch": 0.47,
402
+ "learning_rate": 0.00017646428571428574,
403
+ "loss": 0.0523,
404
+ "step": 660
405
+ },
406
+ {
407
+ "epoch": 0.48,
408
+ "learning_rate": 0.00017610714285714286,
409
+ "loss": 0.0872,
410
+ "step": 670
411
+ },
412
+ {
413
+ "epoch": 0.49,
414
+ "learning_rate": 0.00017575000000000002,
415
+ "loss": 0.0446,
416
+ "step": 680
417
+ },
418
+ {
419
+ "epoch": 0.49,
420
+ "learning_rate": 0.00017539285714285717,
421
+ "loss": 0.1026,
422
+ "step": 690
423
+ },
424
+ {
425
+ "epoch": 0.5,
426
+ "learning_rate": 0.0001750357142857143,
427
+ "loss": 0.1335,
428
+ "step": 700
429
+ },
430
+ {
431
+ "epoch": 0.51,
432
+ "learning_rate": 0.00017467857142857145,
433
+ "loss": 0.1539,
434
+ "step": 710
435
+ },
436
+ {
437
+ "epoch": 0.51,
438
+ "learning_rate": 0.00017432142857142858,
439
+ "loss": 0.0735,
440
+ "step": 720
441
+ },
442
+ {
443
+ "epoch": 0.52,
444
+ "learning_rate": 0.0001739642857142857,
445
+ "loss": 0.0765,
446
+ "step": 730
447
+ },
448
+ {
449
+ "epoch": 0.53,
450
+ "learning_rate": 0.00017360714285714286,
451
+ "loss": 0.1106,
452
+ "step": 740
453
+ },
454
+ {
455
+ "epoch": 0.54,
456
+ "learning_rate": 0.00017325,
457
+ "loss": 0.0611,
458
+ "step": 750
459
+ },
460
+ {
461
+ "epoch": 0.54,
462
+ "learning_rate": 0.00017289285714285714,
463
+ "loss": 0.057,
464
+ "step": 760
465
+ },
466
+ {
467
+ "epoch": 0.55,
468
+ "learning_rate": 0.0001725357142857143,
469
+ "loss": 0.0745,
470
+ "step": 770
471
+ },
472
+ {
473
+ "epoch": 0.56,
474
+ "learning_rate": 0.00017217857142857144,
475
+ "loss": 0.1908,
476
+ "step": 780
477
+ },
478
+ {
479
+ "epoch": 0.56,
480
+ "learning_rate": 0.00017182142857142857,
481
+ "loss": 0.0956,
482
+ "step": 790
483
+ },
484
+ {
485
+ "epoch": 0.57,
486
+ "learning_rate": 0.00017146428571428572,
487
+ "loss": 0.155,
488
+ "step": 800
489
+ },
490
+ {
491
+ "epoch": 0.58,
492
+ "learning_rate": 0.00017110714285714288,
493
+ "loss": 0.0507,
494
+ "step": 810
495
+ },
496
+ {
497
+ "epoch": 0.59,
498
+ "learning_rate": 0.00017075,
499
+ "loss": 0.0468,
500
+ "step": 820
501
+ },
502
+ {
503
+ "epoch": 0.59,
504
+ "learning_rate": 0.00017039285714285716,
505
+ "loss": 0.1161,
506
+ "step": 830
507
+ },
508
+ {
509
+ "epoch": 0.6,
510
+ "learning_rate": 0.0001700357142857143,
511
+ "loss": 0.2227,
512
+ "step": 840
513
+ },
514
+ {
515
+ "epoch": 0.61,
516
+ "learning_rate": 0.00016967857142857144,
517
+ "loss": 0.1122,
518
+ "step": 850
519
+ },
520
+ {
521
+ "epoch": 0.61,
522
+ "learning_rate": 0.0001693214285714286,
523
+ "loss": 0.0972,
524
+ "step": 860
525
+ },
526
+ {
527
+ "epoch": 0.62,
528
+ "learning_rate": 0.00016896428571428574,
529
+ "loss": 0.1269,
530
+ "step": 870
531
+ },
532
+ {
533
+ "epoch": 0.63,
534
+ "learning_rate": 0.00016860714285714287,
535
+ "loss": 0.0924,
536
+ "step": 880
537
+ },
538
+ {
539
+ "epoch": 0.64,
540
+ "learning_rate": 0.00016825000000000002,
541
+ "loss": 0.108,
542
+ "step": 890
543
+ },
544
+ {
545
+ "epoch": 0.64,
546
+ "learning_rate": 0.00016789285714285715,
547
+ "loss": 0.1069,
548
+ "step": 900
549
+ },
550
+ {
551
+ "epoch": 0.65,
552
+ "learning_rate": 0.00016753571428571428,
553
+ "loss": 0.1064,
554
+ "step": 910
555
+ },
556
+ {
557
+ "epoch": 0.66,
558
+ "learning_rate": 0.00016717857142857143,
559
+ "loss": 0.0687,
560
+ "step": 920
561
+ },
562
+ {
563
+ "epoch": 0.66,
564
+ "learning_rate": 0.00016682142857142858,
565
+ "loss": 0.0471,
566
+ "step": 930
567
+ },
568
+ {
569
+ "epoch": 0.67,
570
+ "learning_rate": 0.0001664642857142857,
571
+ "loss": 0.0959,
572
+ "step": 940
573
+ },
574
+ {
575
+ "epoch": 0.68,
576
+ "learning_rate": 0.00016610714285714286,
577
+ "loss": 0.0077,
578
+ "step": 950
579
+ },
580
+ {
581
+ "epoch": 0.69,
582
+ "learning_rate": 0.00016575000000000002,
583
+ "loss": 0.0621,
584
+ "step": 960
585
+ },
586
+ {
587
+ "epoch": 0.69,
588
+ "learning_rate": 0.00016539285714285714,
589
+ "loss": 0.0241,
590
+ "step": 970
591
+ },
592
+ {
593
+ "epoch": 0.7,
594
+ "learning_rate": 0.0001650357142857143,
595
+ "loss": 0.0855,
596
+ "step": 980
597
+ },
598
+ {
599
+ "epoch": 0.71,
600
+ "learning_rate": 0.00016467857142857145,
601
+ "loss": 0.1522,
602
+ "step": 990
603
+ },
604
+ {
605
+ "epoch": 0.71,
606
+ "learning_rate": 0.00016432142857142858,
607
+ "loss": 0.0306,
608
+ "step": 1000
609
+ },
610
+ {
611
+ "epoch": 0.71,
612
+ "eval_accuracy": 0.9344408717399071,
613
+ "eval_loss": 0.1823781132698059,
614
+ "eval_runtime": 109.1042,
615
+ "eval_samples_per_second": 51.309,
616
+ "eval_steps_per_second": 6.416,
617
+ "step": 1000
618
+ },
619
+ {
620
+ "epoch": 0.72,
621
+ "learning_rate": 0.00016396428571428573,
622
+ "loss": 0.1212,
623
+ "step": 1010
624
+ },
625
+ {
626
+ "epoch": 0.73,
627
+ "learning_rate": 0.00016360714285714286,
628
+ "loss": 0.1488,
629
+ "step": 1020
630
+ },
631
+ {
632
+ "epoch": 0.74,
633
+ "learning_rate": 0.00016325,
634
+ "loss": 0.0428,
635
+ "step": 1030
636
+ },
637
+ {
638
+ "epoch": 0.74,
639
+ "learning_rate": 0.00016289285714285716,
640
+ "loss": 0.1219,
641
+ "step": 1040
642
+ },
643
+ {
644
+ "epoch": 0.75,
645
+ "learning_rate": 0.0001625357142857143,
646
+ "loss": 0.0716,
647
+ "step": 1050
648
+ },
649
+ {
650
+ "epoch": 0.76,
651
+ "learning_rate": 0.00016217857142857144,
652
+ "loss": 0.1323,
653
+ "step": 1060
654
+ },
655
+ {
656
+ "epoch": 0.76,
657
+ "learning_rate": 0.00016182142857142857,
658
+ "loss": 0.0733,
659
+ "step": 1070
660
+ },
661
+ {
662
+ "epoch": 0.77,
663
+ "learning_rate": 0.00016146428571428572,
664
+ "loss": 0.0932,
665
+ "step": 1080
666
+ },
667
+ {
668
+ "epoch": 0.78,
669
+ "learning_rate": 0.00016110714285714285,
670
+ "loss": 0.0646,
671
+ "step": 1090
672
+ },
673
+ {
674
+ "epoch": 0.79,
675
+ "learning_rate": 0.00016075,
676
+ "loss": 0.0693,
677
+ "step": 1100
678
+ },
679
+ {
680
+ "epoch": 0.79,
681
+ "learning_rate": 0.00016039285714285716,
682
+ "loss": 0.0873,
683
+ "step": 1110
684
+ },
685
+ {
686
+ "epoch": 0.8,
687
+ "learning_rate": 0.00016003571428571428,
688
+ "loss": 0.0675,
689
+ "step": 1120
690
+ },
691
+ {
692
+ "epoch": 0.81,
693
+ "learning_rate": 0.00015967857142857144,
694
+ "loss": 0.0612,
695
+ "step": 1130
696
+ },
697
+ {
698
+ "epoch": 0.81,
699
+ "learning_rate": 0.00015932142857142856,
700
+ "loss": 0.0493,
701
+ "step": 1140
702
+ },
703
+ {
704
+ "epoch": 0.82,
705
+ "learning_rate": 0.00015896428571428572,
706
+ "loss": 0.0764,
707
+ "step": 1150
708
+ },
709
+ {
710
+ "epoch": 0.83,
711
+ "learning_rate": 0.00015860714285714287,
712
+ "loss": 0.0994,
713
+ "step": 1160
714
+ },
715
+ {
716
+ "epoch": 0.84,
717
+ "learning_rate": 0.00015825,
718
+ "loss": 0.0382,
719
+ "step": 1170
720
+ },
721
+ {
722
+ "epoch": 0.84,
723
+ "learning_rate": 0.00015789285714285715,
724
+ "loss": 0.0332,
725
+ "step": 1180
726
+ },
727
+ {
728
+ "epoch": 0.85,
729
+ "learning_rate": 0.0001575357142857143,
730
+ "loss": 0.1113,
731
+ "step": 1190
732
+ },
733
+ {
734
+ "epoch": 0.86,
735
+ "learning_rate": 0.00015717857142857143,
736
+ "loss": 0.0621,
737
+ "step": 1200
738
+ },
739
+ {
740
+ "epoch": 0.86,
741
+ "learning_rate": 0.00015682142857142858,
742
+ "loss": 0.1229,
743
+ "step": 1210
744
+ },
745
+ {
746
+ "epoch": 0.87,
747
+ "learning_rate": 0.00015646428571428574,
748
+ "loss": 0.0985,
749
+ "step": 1220
750
+ },
751
+ {
752
+ "epoch": 0.88,
753
+ "learning_rate": 0.00015610714285714286,
754
+ "loss": 0.107,
755
+ "step": 1230
756
+ },
757
+ {
758
+ "epoch": 0.89,
759
+ "learning_rate": 0.00015575000000000002,
760
+ "loss": 0.0587,
761
+ "step": 1240
762
+ },
763
+ {
764
+ "epoch": 0.89,
765
+ "learning_rate": 0.00015539285714285714,
766
+ "loss": 0.1237,
767
+ "step": 1250
768
+ },
769
+ {
770
+ "epoch": 0.9,
771
+ "learning_rate": 0.00015503571428571427,
772
+ "loss": 0.0653,
773
+ "step": 1260
774
+ },
775
+ {
776
+ "epoch": 0.91,
777
+ "learning_rate": 0.00015467857142857142,
778
+ "loss": 0.1165,
779
+ "step": 1270
780
+ },
781
+ {
782
+ "epoch": 0.91,
783
+ "learning_rate": 0.00015432142857142858,
784
+ "loss": 0.1154,
785
+ "step": 1280
786
+ },
787
+ {
788
+ "epoch": 0.92,
789
+ "learning_rate": 0.0001539642857142857,
790
+ "loss": 0.1125,
791
+ "step": 1290
792
+ },
793
+ {
794
+ "epoch": 0.93,
795
+ "learning_rate": 0.00015360714285714286,
796
+ "loss": 0.1698,
797
+ "step": 1300
798
+ },
799
+ {
800
+ "epoch": 0.94,
801
+ "learning_rate": 0.00015325,
802
+ "loss": 0.0522,
803
+ "step": 1310
804
+ },
805
+ {
806
+ "epoch": 0.94,
807
+ "learning_rate": 0.00015289285714285714,
808
+ "loss": 0.1525,
809
+ "step": 1320
810
+ },
811
+ {
812
+ "epoch": 0.95,
813
+ "learning_rate": 0.0001525357142857143,
814
+ "loss": 0.063,
815
+ "step": 1330
816
+ },
817
+ {
818
+ "epoch": 0.96,
819
+ "learning_rate": 0.00015217857142857145,
820
+ "loss": 0.1032,
821
+ "step": 1340
822
+ },
823
+ {
824
+ "epoch": 0.96,
825
+ "learning_rate": 0.00015182142857142857,
826
+ "loss": 0.1243,
827
+ "step": 1350
828
+ },
829
+ {
830
+ "epoch": 0.97,
831
+ "learning_rate": 0.00015146428571428573,
832
+ "loss": 0.0202,
833
+ "step": 1360
834
+ },
835
+ {
836
+ "epoch": 0.98,
837
+ "learning_rate": 0.00015110714285714288,
838
+ "loss": 0.0919,
839
+ "step": 1370
840
+ },
841
+ {
842
+ "epoch": 0.99,
843
+ "learning_rate": 0.00015075,
844
+ "loss": 0.057,
845
+ "step": 1380
846
+ },
847
+ {
848
+ "epoch": 0.99,
849
+ "learning_rate": 0.00015039285714285716,
850
+ "loss": 0.0219,
851
+ "step": 1390
852
+ },
853
+ {
854
+ "epoch": 1.0,
855
+ "learning_rate": 0.0001500357142857143,
856
+ "loss": 0.0747,
857
+ "step": 1400
858
+ },
859
+ {
860
+ "epoch": 1.01,
861
+ "learning_rate": 0.00014967857142857144,
862
+ "loss": 0.0413,
863
+ "step": 1410
864
+ },
865
+ {
866
+ "epoch": 1.01,
867
+ "learning_rate": 0.00014932142857142857,
868
+ "loss": 0.0172,
869
+ "step": 1420
870
+ },
871
+ {
872
+ "epoch": 1.02,
873
+ "learning_rate": 0.00014896428571428572,
874
+ "loss": 0.0187,
875
+ "step": 1430
876
+ },
877
+ {
878
+ "epoch": 1.03,
879
+ "learning_rate": 0.00014860714285714284,
880
+ "loss": 0.0064,
881
+ "step": 1440
882
+ },
883
+ {
884
+ "epoch": 1.04,
885
+ "learning_rate": 0.00014825,
886
+ "loss": 0.1001,
887
+ "step": 1450
888
+ },
889
+ {
890
+ "epoch": 1.04,
891
+ "learning_rate": 0.00014789285714285715,
892
+ "loss": 0.079,
893
+ "step": 1460
894
+ },
895
+ {
896
+ "epoch": 1.05,
897
+ "learning_rate": 0.00014753571428571428,
898
+ "loss": 0.0227,
899
+ "step": 1470
900
+ },
901
+ {
902
+ "epoch": 1.06,
903
+ "learning_rate": 0.00014717857142857143,
904
+ "loss": 0.0965,
905
+ "step": 1480
906
+ },
907
+ {
908
+ "epoch": 1.06,
909
+ "learning_rate": 0.00014682142857142859,
910
+ "loss": 0.0045,
911
+ "step": 1490
912
+ },
913
+ {
914
+ "epoch": 1.07,
915
+ "learning_rate": 0.0001464642857142857,
916
+ "loss": 0.0454,
917
+ "step": 1500
918
+ },
919
+ {
920
+ "epoch": 1.08,
921
+ "learning_rate": 0.00014610714285714287,
922
+ "loss": 0.0507,
923
+ "step": 1510
924
+ },
925
+ {
926
+ "epoch": 1.09,
927
+ "learning_rate": 0.00014575000000000002,
928
+ "loss": 0.0723,
929
+ "step": 1520
930
+ },
931
+ {
932
+ "epoch": 1.09,
933
+ "learning_rate": 0.00014539285714285715,
934
+ "loss": 0.0543,
935
+ "step": 1530
936
+ },
937
+ {
938
+ "epoch": 1.1,
939
+ "learning_rate": 0.0001450357142857143,
940
+ "loss": 0.0628,
941
+ "step": 1540
942
+ },
943
+ {
944
+ "epoch": 1.11,
945
+ "learning_rate": 0.00014467857142857145,
946
+ "loss": 0.0362,
947
+ "step": 1550
948
+ },
949
+ {
950
+ "epoch": 1.11,
951
+ "learning_rate": 0.00014432142857142858,
952
+ "loss": 0.0076,
953
+ "step": 1560
954
+ },
955
+ {
956
+ "epoch": 1.12,
957
+ "learning_rate": 0.00014396428571428573,
958
+ "loss": 0.0962,
959
+ "step": 1570
960
+ },
961
+ {
962
+ "epoch": 1.13,
963
+ "learning_rate": 0.00014360714285714289,
964
+ "loss": 0.0425,
965
+ "step": 1580
966
+ },
967
+ {
968
+ "epoch": 1.14,
969
+ "learning_rate": 0.00014325,
970
+ "loss": 0.0151,
971
+ "step": 1590
972
+ },
973
+ {
974
+ "epoch": 1.14,
975
+ "learning_rate": 0.00014289285714285714,
976
+ "loss": 0.0337,
977
+ "step": 1600
978
+ },
979
+ {
980
+ "epoch": 1.15,
981
+ "learning_rate": 0.0001425357142857143,
982
+ "loss": 0.0364,
983
+ "step": 1610
984
+ },
985
+ {
986
+ "epoch": 1.16,
987
+ "learning_rate": 0.00014217857142857142,
988
+ "loss": 0.0152,
989
+ "step": 1620
990
+ },
991
+ {
992
+ "epoch": 1.16,
993
+ "learning_rate": 0.00014182142857142857,
994
+ "loss": 0.0563,
995
+ "step": 1630
996
+ },
997
+ {
998
+ "epoch": 1.17,
999
+ "learning_rate": 0.00014146428571428573,
1000
+ "loss": 0.0103,
1001
+ "step": 1640
1002
+ },
1003
+ {
1004
+ "epoch": 1.18,
1005
+ "learning_rate": 0.00014110714285714285,
1006
+ "loss": 0.0043,
1007
+ "step": 1650
1008
+ },
1009
+ {
1010
+ "epoch": 1.19,
1011
+ "learning_rate": 0.00014075,
1012
+ "loss": 0.0802,
1013
+ "step": 1660
1014
+ },
1015
+ {
1016
+ "epoch": 1.19,
1017
+ "learning_rate": 0.00014039285714285716,
1018
+ "loss": 0.0977,
1019
+ "step": 1670
1020
+ },
1021
+ {
1022
+ "epoch": 1.2,
1023
+ "learning_rate": 0.00014003571428571429,
1024
+ "loss": 0.0915,
1025
+ "step": 1680
1026
+ },
1027
+ {
1028
+ "epoch": 1.21,
1029
+ "learning_rate": 0.00013967857142857144,
1030
+ "loss": 0.0802,
1031
+ "step": 1690
1032
+ },
1033
+ {
1034
+ "epoch": 1.21,
1035
+ "learning_rate": 0.0001393214285714286,
1036
+ "loss": 0.0471,
1037
+ "step": 1700
1038
+ },
1039
+ {
1040
+ "epoch": 1.22,
1041
+ "learning_rate": 0.00013896428571428572,
1042
+ "loss": 0.0459,
1043
+ "step": 1710
1044
+ },
1045
+ {
1046
+ "epoch": 1.23,
1047
+ "learning_rate": 0.00013860714285714287,
1048
+ "loss": 0.0835,
1049
+ "step": 1720
1050
+ },
1051
+ {
1052
+ "epoch": 1.24,
1053
+ "learning_rate": 0.00013825,
1054
+ "loss": 0.0565,
1055
+ "step": 1730
1056
+ },
1057
+ {
1058
+ "epoch": 1.24,
1059
+ "learning_rate": 0.00013789285714285715,
1060
+ "loss": 0.031,
1061
+ "step": 1740
1062
+ },
1063
+ {
1064
+ "epoch": 1.25,
1065
+ "learning_rate": 0.0001375357142857143,
1066
+ "loss": 0.0242,
1067
+ "step": 1750
1068
+ },
1069
+ {
1070
+ "epoch": 1.26,
1071
+ "learning_rate": 0.00013717857142857143,
1072
+ "loss": 0.0669,
1073
+ "step": 1760
1074
+ },
1075
+ {
1076
+ "epoch": 1.26,
1077
+ "learning_rate": 0.00013682142857142856,
1078
+ "loss": 0.1233,
1079
+ "step": 1770
1080
+ },
1081
+ {
1082
+ "epoch": 1.27,
1083
+ "learning_rate": 0.0001364642857142857,
1084
+ "loss": 0.0462,
1085
+ "step": 1780
1086
+ },
1087
+ {
1088
+ "epoch": 1.28,
1089
+ "learning_rate": 0.00013610714285714287,
1090
+ "loss": 0.0319,
1091
+ "step": 1790
1092
+ },
1093
+ {
1094
+ "epoch": 1.29,
1095
+ "learning_rate": 0.00013575,
1096
+ "loss": 0.0132,
1097
+ "step": 1800
1098
+ },
1099
+ {
1100
+ "epoch": 1.29,
1101
+ "learning_rate": 0.00013539285714285715,
1102
+ "loss": 0.0519,
1103
+ "step": 1810
1104
+ },
1105
+ {
1106
+ "epoch": 1.3,
1107
+ "learning_rate": 0.0001350357142857143,
1108
+ "loss": 0.007,
1109
+ "step": 1820
1110
+ },
1111
+ {
1112
+ "epoch": 1.31,
1113
+ "learning_rate": 0.00013467857142857143,
1114
+ "loss": 0.0243,
1115
+ "step": 1830
1116
+ },
1117
+ {
1118
+ "epoch": 1.31,
1119
+ "learning_rate": 0.00013432142857142858,
1120
+ "loss": 0.0875,
1121
+ "step": 1840
1122
+ },
1123
+ {
1124
+ "epoch": 1.32,
1125
+ "learning_rate": 0.00013396428571428573,
1126
+ "loss": 0.0051,
1127
+ "step": 1850
1128
+ },
1129
+ {
1130
+ "epoch": 1.33,
1131
+ "learning_rate": 0.00013360714285714286,
1132
+ "loss": 0.0624,
1133
+ "step": 1860
1134
+ },
1135
+ {
1136
+ "epoch": 1.34,
1137
+ "learning_rate": 0.00013325,
1138
+ "loss": 0.0599,
1139
+ "step": 1870
1140
+ },
1141
+ {
1142
+ "epoch": 1.34,
1143
+ "learning_rate": 0.00013289285714285714,
1144
+ "loss": 0.1281,
1145
+ "step": 1880
1146
+ },
1147
+ {
1148
+ "epoch": 1.35,
1149
+ "learning_rate": 0.0001325357142857143,
1150
+ "loss": 0.0308,
1151
+ "step": 1890
1152
+ },
1153
+ {
1154
+ "epoch": 1.36,
1155
+ "learning_rate": 0.00013217857142857145,
1156
+ "loss": 0.0448,
1157
+ "step": 1900
1158
+ },
1159
+ {
1160
+ "epoch": 1.36,
1161
+ "learning_rate": 0.00013182142857142857,
1162
+ "loss": 0.0394,
1163
+ "step": 1910
1164
+ },
1165
+ {
1166
+ "epoch": 1.37,
1167
+ "learning_rate": 0.00013146428571428573,
1168
+ "loss": 0.0295,
1169
+ "step": 1920
1170
+ },
1171
+ {
1172
+ "epoch": 1.38,
1173
+ "learning_rate": 0.00013110714285714288,
1174
+ "loss": 0.0616,
1175
+ "step": 1930
1176
+ },
1177
+ {
1178
+ "epoch": 1.39,
1179
+ "learning_rate": 0.00013075,
1180
+ "loss": 0.0451,
1181
+ "step": 1940
1182
+ },
1183
+ {
1184
+ "epoch": 1.39,
1185
+ "learning_rate": 0.00013039285714285713,
1186
+ "loss": 0.0847,
1187
+ "step": 1950
1188
+ },
1189
+ {
1190
+ "epoch": 1.4,
1191
+ "learning_rate": 0.0001300357142857143,
1192
+ "loss": 0.0766,
1193
+ "step": 1960
1194
+ },
1195
+ {
1196
+ "epoch": 1.41,
1197
+ "learning_rate": 0.00012967857142857144,
1198
+ "loss": 0.0566,
1199
+ "step": 1970
1200
+ },
1201
+ {
1202
+ "epoch": 1.41,
1203
+ "learning_rate": 0.00012932142857142857,
1204
+ "loss": 0.0563,
1205
+ "step": 1980
1206
+ },
1207
+ {
1208
+ "epoch": 1.42,
1209
+ "learning_rate": 0.00012896428571428572,
1210
+ "loss": 0.0144,
1211
+ "step": 1990
1212
+ },
1213
+ {
1214
+ "epoch": 1.43,
1215
+ "learning_rate": 0.00012860714285714285,
1216
+ "loss": 0.0483,
1217
+ "step": 2000
1218
+ },
1219
+ {
1220
+ "epoch": 1.43,
1221
+ "eval_accuracy": 0.9528403001071811,
1222
+ "eval_loss": 0.1830383986234665,
1223
+ "eval_runtime": 109.51,
1224
+ "eval_samples_per_second": 51.119,
1225
+ "eval_steps_per_second": 6.392,
1226
+ "step": 2000
1227
+ },
1228
+ {
1229
+ "epoch": 1.44,
1230
+ "learning_rate": 0.00012825,
1231
+ "loss": 0.0737,
1232
+ "step": 2010
1233
+ },
1234
+ {
1235
+ "epoch": 1.44,
1236
+ "learning_rate": 0.00012789285714285715,
1237
+ "loss": 0.0139,
1238
+ "step": 2020
1239
+ },
1240
+ {
1241
+ "epoch": 1.45,
1242
+ "learning_rate": 0.00012753571428571428,
1243
+ "loss": 0.0791,
1244
+ "step": 2030
1245
+ },
1246
+ {
1247
+ "epoch": 1.46,
1248
+ "learning_rate": 0.00012717857142857143,
1249
+ "loss": 0.121,
1250
+ "step": 2040
1251
+ },
1252
+ {
1253
+ "epoch": 1.46,
1254
+ "learning_rate": 0.0001268214285714286,
1255
+ "loss": 0.0444,
1256
+ "step": 2050
1257
+ },
1258
+ {
1259
+ "epoch": 1.47,
1260
+ "learning_rate": 0.00012646428571428571,
1261
+ "loss": 0.0467,
1262
+ "step": 2060
1263
+ },
1264
+ {
1265
+ "epoch": 1.48,
1266
+ "learning_rate": 0.00012610714285714287,
1267
+ "loss": 0.0175,
1268
+ "step": 2070
1269
+ },
1270
+ {
1271
+ "epoch": 1.49,
1272
+ "learning_rate": 0.00012575000000000002,
1273
+ "loss": 0.0107,
1274
+ "step": 2080
1275
+ },
1276
+ {
1277
+ "epoch": 1.49,
1278
+ "learning_rate": 0.00012539285714285715,
1279
+ "loss": 0.0115,
1280
+ "step": 2090
1281
+ },
1282
+ {
1283
+ "epoch": 1.5,
1284
+ "learning_rate": 0.0001250357142857143,
1285
+ "loss": 0.0339,
1286
+ "step": 2100
1287
+ },
1288
+ {
1289
+ "epoch": 1.51,
1290
+ "learning_rate": 0.00012467857142857145,
1291
+ "loss": 0.1753,
1292
+ "step": 2110
1293
+ },
1294
+ {
1295
+ "epoch": 1.51,
1296
+ "learning_rate": 0.00012432142857142855,
1297
+ "loss": 0.0901,
1298
+ "step": 2120
1299
+ },
1300
+ {
1301
+ "epoch": 1.52,
1302
+ "learning_rate": 0.0001239642857142857,
1303
+ "loss": 0.0111,
1304
+ "step": 2130
1305
+ },
1306
+ {
1307
+ "epoch": 1.53,
1308
+ "learning_rate": 0.00012360714285714286,
1309
+ "loss": 0.1577,
1310
+ "step": 2140
1311
+ },
1312
+ {
1313
+ "epoch": 1.54,
1314
+ "learning_rate": 0.00012325,
1315
+ "loss": 0.0335,
1316
+ "step": 2150
1317
+ },
1318
+ {
1319
+ "epoch": 1.54,
1320
+ "learning_rate": 0.00012289285714285714,
1321
+ "loss": 0.0207,
1322
+ "step": 2160
1323
+ },
1324
+ {
1325
+ "epoch": 1.55,
1326
+ "learning_rate": 0.0001225357142857143,
1327
+ "loss": 0.0556,
1328
+ "step": 2170
1329
+ },
1330
+ {
1331
+ "epoch": 1.56,
1332
+ "learning_rate": 0.00012217857142857142,
1333
+ "loss": 0.0313,
1334
+ "step": 2180
1335
+ },
1336
+ {
1337
+ "epoch": 1.56,
1338
+ "learning_rate": 0.00012182142857142857,
1339
+ "loss": 0.0379,
1340
+ "step": 2190
1341
+ },
1342
+ {
1343
+ "epoch": 1.57,
1344
+ "learning_rate": 0.00012146428571428571,
1345
+ "loss": 0.0196,
1346
+ "step": 2200
1347
+ },
1348
+ {
1349
+ "epoch": 1.58,
1350
+ "learning_rate": 0.00012110714285714287,
1351
+ "loss": 0.0736,
1352
+ "step": 2210
1353
+ },
1354
+ {
1355
+ "epoch": 1.59,
1356
+ "learning_rate": 0.00012075000000000001,
1357
+ "loss": 0.0173,
1358
+ "step": 2220
1359
+ },
1360
+ {
1361
+ "epoch": 1.59,
1362
+ "learning_rate": 0.00012039285714285715,
1363
+ "loss": 0.0735,
1364
+ "step": 2230
1365
+ },
1366
+ {
1367
+ "epoch": 1.6,
1368
+ "learning_rate": 0.0001200357142857143,
1369
+ "loss": 0.1114,
1370
+ "step": 2240
1371
+ },
1372
+ {
1373
+ "epoch": 1.61,
1374
+ "learning_rate": 0.00011967857142857144,
1375
+ "loss": 0.0873,
1376
+ "step": 2250
1377
+ },
1378
+ {
1379
+ "epoch": 1.61,
1380
+ "learning_rate": 0.00011932142857142858,
1381
+ "loss": 0.0435,
1382
+ "step": 2260
1383
+ },
1384
+ {
1385
+ "epoch": 1.62,
1386
+ "learning_rate": 0.00011896428571428573,
1387
+ "loss": 0.0076,
1388
+ "step": 2270
1389
+ },
1390
+ {
1391
+ "epoch": 1.63,
1392
+ "learning_rate": 0.00011860714285714287,
1393
+ "loss": 0.031,
1394
+ "step": 2280
1395
+ },
1396
+ {
1397
+ "epoch": 1.64,
1398
+ "learning_rate": 0.00011825000000000001,
1399
+ "loss": 0.0536,
1400
+ "step": 2290
1401
+ },
1402
+ {
1403
+ "epoch": 1.64,
1404
+ "learning_rate": 0.00011789285714285714,
1405
+ "loss": 0.0808,
1406
+ "step": 2300
1407
+ },
1408
+ {
1409
+ "epoch": 1.65,
1410
+ "learning_rate": 0.00011753571428571428,
1411
+ "loss": 0.037,
1412
+ "step": 2310
1413
+ },
1414
+ {
1415
+ "epoch": 1.66,
1416
+ "learning_rate": 0.00011717857142857142,
1417
+ "loss": 0.0847,
1418
+ "step": 2320
1419
+ },
1420
+ {
1421
+ "epoch": 1.66,
1422
+ "learning_rate": 0.00011682142857142857,
1423
+ "loss": 0.0717,
1424
+ "step": 2330
1425
+ },
1426
+ {
1427
+ "epoch": 1.67,
1428
+ "learning_rate": 0.00011646428571428571,
1429
+ "loss": 0.0449,
1430
+ "step": 2340
1431
+ },
1432
+ {
1433
+ "epoch": 1.68,
1434
+ "learning_rate": 0.00011610714285714285,
1435
+ "loss": 0.0481,
1436
+ "step": 2350
1437
+ },
1438
+ {
1439
+ "epoch": 1.69,
1440
+ "learning_rate": 0.00011575000000000001,
1441
+ "loss": 0.0384,
1442
+ "step": 2360
1443
+ },
1444
+ {
1445
+ "epoch": 1.69,
1446
+ "learning_rate": 0.00011539285714285715,
1447
+ "loss": 0.0451,
1448
+ "step": 2370
1449
+ },
1450
+ {
1451
+ "epoch": 1.7,
1452
+ "learning_rate": 0.00011503571428571429,
1453
+ "loss": 0.0349,
1454
+ "step": 2380
1455
+ },
1456
+ {
1457
+ "epoch": 1.71,
1458
+ "learning_rate": 0.00011467857142857144,
1459
+ "loss": 0.0514,
1460
+ "step": 2390
1461
+ },
1462
+ {
1463
+ "epoch": 1.71,
1464
+ "learning_rate": 0.00011432142857142858,
1465
+ "loss": 0.0415,
1466
+ "step": 2400
1467
+ },
1468
+ {
1469
+ "epoch": 1.72,
1470
+ "learning_rate": 0.00011396428571428572,
1471
+ "loss": 0.1398,
1472
+ "step": 2410
1473
+ },
1474
+ {
1475
+ "epoch": 1.73,
1476
+ "learning_rate": 0.00011360714285714286,
1477
+ "loss": 0.0087,
1478
+ "step": 2420
1479
+ },
1480
+ {
1481
+ "epoch": 1.74,
1482
+ "learning_rate": 0.00011325000000000002,
1483
+ "loss": 0.0705,
1484
+ "step": 2430
1485
+ },
1486
+ {
1487
+ "epoch": 1.74,
1488
+ "learning_rate": 0.00011289285714285716,
1489
+ "loss": 0.1571,
1490
+ "step": 2440
1491
+ },
1492
+ {
1493
+ "epoch": 1.75,
1494
+ "learning_rate": 0.0001125357142857143,
1495
+ "loss": 0.0117,
1496
+ "step": 2450
1497
+ },
1498
+ {
1499
+ "epoch": 1.76,
1500
+ "learning_rate": 0.00011217857142857145,
1501
+ "loss": 0.079,
1502
+ "step": 2460
1503
+ },
1504
+ {
1505
+ "epoch": 1.76,
1506
+ "learning_rate": 0.00011182142857142856,
1507
+ "loss": 0.0462,
1508
+ "step": 2470
1509
+ },
1510
+ {
1511
+ "epoch": 1.77,
1512
+ "learning_rate": 0.00011146428571428572,
1513
+ "loss": 0.0944,
1514
+ "step": 2480
1515
+ },
1516
+ {
1517
+ "epoch": 1.78,
1518
+ "learning_rate": 0.00011110714285714286,
1519
+ "loss": 0.0472,
1520
+ "step": 2490
1521
+ },
1522
+ {
1523
+ "epoch": 1.79,
1524
+ "learning_rate": 0.00011075,
1525
+ "loss": 0.042,
1526
+ "step": 2500
1527
+ },
1528
+ {
1529
+ "epoch": 1.79,
1530
+ "learning_rate": 0.00011039285714285715,
1531
+ "loss": 0.0385,
1532
+ "step": 2510
1533
+ },
1534
+ {
1535
+ "epoch": 1.8,
1536
+ "learning_rate": 0.00011003571428571429,
1537
+ "loss": 0.0499,
1538
+ "step": 2520
1539
+ },
1540
+ {
1541
+ "epoch": 1.81,
1542
+ "learning_rate": 0.00010967857142857143,
1543
+ "loss": 0.1122,
1544
+ "step": 2530
1545
+ },
1546
+ {
1547
+ "epoch": 1.81,
1548
+ "learning_rate": 0.00010932142857142857,
1549
+ "loss": 0.0278,
1550
+ "step": 2540
1551
+ },
1552
+ {
1553
+ "epoch": 1.82,
1554
+ "learning_rate": 0.00010896428571428572,
1555
+ "loss": 0.0138,
1556
+ "step": 2550
1557
+ },
1558
+ {
1559
+ "epoch": 1.83,
1560
+ "learning_rate": 0.00010860714285714286,
1561
+ "loss": 0.0572,
1562
+ "step": 2560
1563
+ },
1564
+ {
1565
+ "epoch": 1.84,
1566
+ "learning_rate": 0.00010825,
1567
+ "loss": 0.0312,
1568
+ "step": 2570
1569
+ },
1570
+ {
1571
+ "epoch": 1.84,
1572
+ "learning_rate": 0.00010789285714285716,
1573
+ "loss": 0.1273,
1574
+ "step": 2580
1575
+ },
1576
+ {
1577
+ "epoch": 1.85,
1578
+ "learning_rate": 0.0001075357142857143,
1579
+ "loss": 0.059,
1580
+ "step": 2590
1581
+ },
1582
+ {
1583
+ "epoch": 1.86,
1584
+ "learning_rate": 0.00010717857142857144,
1585
+ "loss": 0.0071,
1586
+ "step": 2600
1587
+ },
1588
+ {
1589
+ "epoch": 1.86,
1590
+ "learning_rate": 0.00010682142857142859,
1591
+ "loss": 0.0517,
1592
+ "step": 2610
1593
+ },
1594
+ {
1595
+ "epoch": 1.87,
1596
+ "learning_rate": 0.00010646428571428573,
1597
+ "loss": 0.0495,
1598
+ "step": 2620
1599
+ },
1600
+ {
1601
+ "epoch": 1.88,
1602
+ "learning_rate": 0.00010610714285714287,
1603
+ "loss": 0.0732,
1604
+ "step": 2630
1605
+ },
1606
+ {
1607
+ "epoch": 1.89,
1608
+ "learning_rate": 0.00010575000000000001,
1609
+ "loss": 0.1345,
1610
+ "step": 2640
1611
+ },
1612
+ {
1613
+ "epoch": 1.89,
1614
+ "learning_rate": 0.00010539285714285714,
1615
+ "loss": 0.0652,
1616
+ "step": 2650
1617
+ },
1618
+ {
1619
+ "epoch": 1.9,
1620
+ "learning_rate": 0.00010503571428571428,
1621
+ "loss": 0.0695,
1622
+ "step": 2660
1623
+ },
1624
+ {
1625
+ "epoch": 1.91,
1626
+ "learning_rate": 0.00010467857142857143,
1627
+ "loss": 0.0412,
1628
+ "step": 2670
1629
+ },
1630
+ {
1631
+ "epoch": 1.91,
1632
+ "learning_rate": 0.00010432142857142857,
1633
+ "loss": 0.0253,
1634
+ "step": 2680
1635
+ },
1636
+ {
1637
+ "epoch": 1.92,
1638
+ "learning_rate": 0.00010396428571428571,
1639
+ "loss": 0.0915,
1640
+ "step": 2690
1641
+ },
1642
+ {
1643
+ "epoch": 1.93,
1644
+ "learning_rate": 0.00010360714285714286,
1645
+ "loss": 0.0154,
1646
+ "step": 2700
1647
+ },
1648
+ {
1649
+ "epoch": 1.94,
1650
+ "learning_rate": 0.00010325,
1651
+ "loss": 0.0451,
1652
+ "step": 2710
1653
+ },
1654
+ {
1655
+ "epoch": 1.94,
1656
+ "learning_rate": 0.00010289285714285714,
1657
+ "loss": 0.0579,
1658
+ "step": 2720
1659
+ },
1660
+ {
1661
+ "epoch": 1.95,
1662
+ "learning_rate": 0.0001025357142857143,
1663
+ "loss": 0.0864,
1664
+ "step": 2730
1665
+ },
1666
+ {
1667
+ "epoch": 1.96,
1668
+ "learning_rate": 0.00010217857142857144,
1669
+ "loss": 0.0308,
1670
+ "step": 2740
1671
+ },
1672
+ {
1673
+ "epoch": 1.96,
1674
+ "learning_rate": 0.00010182142857142858,
1675
+ "loss": 0.0187,
1676
+ "step": 2750
1677
+ },
1678
+ {
1679
+ "epoch": 1.97,
1680
+ "learning_rate": 0.00010146428571428573,
1681
+ "loss": 0.0759,
1682
+ "step": 2760
1683
+ },
1684
+ {
1685
+ "epoch": 1.98,
1686
+ "learning_rate": 0.00010110714285714287,
1687
+ "loss": 0.0413,
1688
+ "step": 2770
1689
+ },
1690
+ {
1691
+ "epoch": 1.99,
1692
+ "learning_rate": 0.00010075000000000001,
1693
+ "loss": 0.0143,
1694
+ "step": 2780
1695
+ },
1696
+ {
1697
+ "epoch": 1.99,
1698
+ "learning_rate": 0.00010039285714285715,
1699
+ "loss": 0.0427,
1700
+ "step": 2790
1701
+ },
1702
+ {
1703
+ "epoch": 2.0,
1704
+ "learning_rate": 0.0001000357142857143,
1705
+ "loss": 0.0677,
1706
+ "step": 2800
1707
+ },
1708
+ {
1709
+ "epoch": 2.01,
1710
+ "learning_rate": 9.967857142857143e-05,
1711
+ "loss": 0.0446,
1712
+ "step": 2810
1713
+ },
1714
+ {
1715
+ "epoch": 2.01,
1716
+ "learning_rate": 9.932142857142858e-05,
1717
+ "loss": 0.0476,
1718
+ "step": 2820
1719
+ },
1720
+ {
1721
+ "epoch": 2.02,
1722
+ "learning_rate": 9.896428571428572e-05,
1723
+ "loss": 0.0026,
1724
+ "step": 2830
1725
+ },
1726
+ {
1727
+ "epoch": 2.03,
1728
+ "learning_rate": 9.860714285714286e-05,
1729
+ "loss": 0.0032,
1730
+ "step": 2840
1731
+ },
1732
+ {
1733
+ "epoch": 2.04,
1734
+ "learning_rate": 9.825e-05,
1735
+ "loss": 0.032,
1736
+ "step": 2850
1737
+ },
1738
+ {
1739
+ "epoch": 2.04,
1740
+ "learning_rate": 9.789285714285716e-05,
1741
+ "loss": 0.0363,
1742
+ "step": 2860
1743
+ },
1744
+ {
1745
+ "epoch": 2.05,
1746
+ "learning_rate": 9.753571428571428e-05,
1747
+ "loss": 0.0345,
1748
+ "step": 2870
1749
+ },
1750
+ {
1751
+ "epoch": 2.06,
1752
+ "learning_rate": 9.717857142857144e-05,
1753
+ "loss": 0.0418,
1754
+ "step": 2880
1755
+ },
1756
+ {
1757
+ "epoch": 2.06,
1758
+ "learning_rate": 9.682142857142858e-05,
1759
+ "loss": 0.0293,
1760
+ "step": 2890
1761
+ },
1762
+ {
1763
+ "epoch": 2.07,
1764
+ "learning_rate": 9.646428571428572e-05,
1765
+ "loss": 0.0182,
1766
+ "step": 2900
1767
+ },
1768
+ {
1769
+ "epoch": 2.08,
1770
+ "learning_rate": 9.610714285714286e-05,
1771
+ "loss": 0.0414,
1772
+ "step": 2910
1773
+ },
1774
+ {
1775
+ "epoch": 2.09,
1776
+ "learning_rate": 9.575000000000001e-05,
1777
+ "loss": 0.045,
1778
+ "step": 2920
1779
+ },
1780
+ {
1781
+ "epoch": 2.09,
1782
+ "learning_rate": 9.539285714285715e-05,
1783
+ "loss": 0.0567,
1784
+ "step": 2930
1785
+ },
1786
+ {
1787
+ "epoch": 2.1,
1788
+ "learning_rate": 9.503571428571429e-05,
1789
+ "loss": 0.0183,
1790
+ "step": 2940
1791
+ },
1792
+ {
1793
+ "epoch": 2.11,
1794
+ "learning_rate": 9.467857142857143e-05,
1795
+ "loss": 0.0039,
1796
+ "step": 2950
1797
+ },
1798
+ {
1799
+ "epoch": 2.11,
1800
+ "learning_rate": 9.432142857142857e-05,
1801
+ "loss": 0.0149,
1802
+ "step": 2960
1803
+ },
1804
+ {
1805
+ "epoch": 2.12,
1806
+ "learning_rate": 9.396428571428571e-05,
1807
+ "loss": 0.0288,
1808
+ "step": 2970
1809
+ },
1810
+ {
1811
+ "epoch": 2.13,
1812
+ "learning_rate": 9.360714285714286e-05,
1813
+ "loss": 0.0272,
1814
+ "step": 2980
1815
+ },
1816
+ {
1817
+ "epoch": 2.14,
1818
+ "learning_rate": 9.325e-05,
1819
+ "loss": 0.0054,
1820
+ "step": 2990
1821
+ },
1822
+ {
1823
+ "epoch": 2.14,
1824
+ "learning_rate": 9.289285714285714e-05,
1825
+ "loss": 0.0428,
1826
+ "step": 3000
1827
+ },
1828
+ {
1829
+ "epoch": 2.14,
1830
+ "eval_accuracy": 0.9476598785280458,
1831
+ "eval_loss": 0.206739142537117,
1832
+ "eval_runtime": 107.9202,
1833
+ "eval_samples_per_second": 51.872,
1834
+ "eval_steps_per_second": 6.486,
1835
+ "step": 3000
1836
+ },
1837
+ {
1838
+ "epoch": 2.15,
1839
+ "learning_rate": 9.25357142857143e-05,
1840
+ "loss": 0.0492,
1841
+ "step": 3010
1842
+ },
1843
+ {
1844
+ "epoch": 2.16,
1845
+ "learning_rate": 9.217857142857144e-05,
1846
+ "loss": 0.0313,
1847
+ "step": 3020
1848
+ },
1849
+ {
1850
+ "epoch": 2.16,
1851
+ "learning_rate": 9.182142857142858e-05,
1852
+ "loss": 0.0101,
1853
+ "step": 3030
1854
+ },
1855
+ {
1856
+ "epoch": 2.17,
1857
+ "learning_rate": 9.146428571428572e-05,
1858
+ "loss": 0.0313,
1859
+ "step": 3040
1860
+ },
1861
+ {
1862
+ "epoch": 2.18,
1863
+ "learning_rate": 9.110714285714286e-05,
1864
+ "loss": 0.004,
1865
+ "step": 3050
1866
+ },
1867
+ {
1868
+ "epoch": 2.19,
1869
+ "learning_rate": 9.075e-05,
1870
+ "loss": 0.014,
1871
+ "step": 3060
1872
+ },
1873
+ {
1874
+ "epoch": 2.19,
1875
+ "learning_rate": 9.039285714285715e-05,
1876
+ "loss": 0.0118,
1877
+ "step": 3070
1878
+ },
1879
+ {
1880
+ "epoch": 2.2,
1881
+ "learning_rate": 9.003571428571429e-05,
1882
+ "loss": 0.0433,
1883
+ "step": 3080
1884
+ },
1885
+ {
1886
+ "epoch": 2.21,
1887
+ "learning_rate": 8.967857142857143e-05,
1888
+ "loss": 0.0189,
1889
+ "step": 3090
1890
+ },
1891
+ {
1892
+ "epoch": 2.21,
1893
+ "learning_rate": 8.932142857142858e-05,
1894
+ "loss": 0.0344,
1895
+ "step": 3100
1896
+ },
1897
+ {
1898
+ "epoch": 2.22,
1899
+ "learning_rate": 8.896428571428572e-05,
1900
+ "loss": 0.0662,
1901
+ "step": 3110
1902
+ },
1903
+ {
1904
+ "epoch": 2.23,
1905
+ "learning_rate": 8.860714285714286e-05,
1906
+ "loss": 0.0481,
1907
+ "step": 3120
1908
+ },
1909
+ {
1910
+ "epoch": 2.24,
1911
+ "learning_rate": 8.825e-05,
1912
+ "loss": 0.0507,
1913
+ "step": 3130
1914
+ },
1915
+ {
1916
+ "epoch": 2.24,
1917
+ "learning_rate": 8.789285714285714e-05,
1918
+ "loss": 0.0288,
1919
+ "step": 3140
1920
+ },
1921
+ {
1922
+ "epoch": 2.25,
1923
+ "learning_rate": 8.753571428571428e-05,
1924
+ "loss": 0.0438,
1925
+ "step": 3150
1926
+ },
1927
+ {
1928
+ "epoch": 2.26,
1929
+ "learning_rate": 8.717857142857144e-05,
1930
+ "loss": 0.0883,
1931
+ "step": 3160
1932
+ },
1933
+ {
1934
+ "epoch": 2.26,
1935
+ "learning_rate": 8.682142857142858e-05,
1936
+ "loss": 0.0578,
1937
+ "step": 3170
1938
+ },
1939
+ {
1940
+ "epoch": 2.27,
1941
+ "learning_rate": 8.646428571428572e-05,
1942
+ "loss": 0.0381,
1943
+ "step": 3180
1944
+ },
1945
+ {
1946
+ "epoch": 2.28,
1947
+ "learning_rate": 8.610714285714286e-05,
1948
+ "loss": 0.0126,
1949
+ "step": 3190
1950
+ },
1951
+ {
1952
+ "epoch": 2.29,
1953
+ "learning_rate": 8.575000000000001e-05,
1954
+ "loss": 0.0299,
1955
+ "step": 3200
1956
+ },
1957
+ {
1958
+ "epoch": 2.29,
1959
+ "learning_rate": 8.539285714285715e-05,
1960
+ "loss": 0.0244,
1961
+ "step": 3210
1962
+ },
1963
+ {
1964
+ "epoch": 2.3,
1965
+ "learning_rate": 8.503571428571429e-05,
1966
+ "loss": 0.0671,
1967
+ "step": 3220
1968
+ },
1969
+ {
1970
+ "epoch": 2.31,
1971
+ "learning_rate": 8.467857142857143e-05,
1972
+ "loss": 0.019,
1973
+ "step": 3230
1974
+ },
1975
+ {
1976
+ "epoch": 2.31,
1977
+ "learning_rate": 8.432142857142857e-05,
1978
+ "loss": 0.0076,
1979
+ "step": 3240
1980
+ },
1981
+ {
1982
+ "epoch": 2.32,
1983
+ "learning_rate": 8.396428571428572e-05,
1984
+ "loss": 0.0497,
1985
+ "step": 3250
1986
+ },
1987
+ {
1988
+ "epoch": 2.33,
1989
+ "learning_rate": 8.360714285714286e-05,
1990
+ "loss": 0.0452,
1991
+ "step": 3260
1992
+ },
1993
+ {
1994
+ "epoch": 2.34,
1995
+ "learning_rate": 8.325e-05,
1996
+ "loss": 0.0199,
1997
+ "step": 3270
1998
+ },
1999
+ {
2000
+ "epoch": 2.34,
2001
+ "learning_rate": 8.289285714285714e-05,
2002
+ "loss": 0.003,
2003
+ "step": 3280
2004
+ },
2005
+ {
2006
+ "epoch": 2.35,
2007
+ "learning_rate": 8.25357142857143e-05,
2008
+ "loss": 0.0315,
2009
+ "step": 3290
2010
+ },
2011
+ {
2012
+ "epoch": 2.36,
2013
+ "learning_rate": 8.217857142857142e-05,
2014
+ "loss": 0.0729,
2015
+ "step": 3300
2016
+ },
2017
+ {
2018
+ "epoch": 2.36,
2019
+ "learning_rate": 8.182142857142858e-05,
2020
+ "loss": 0.0036,
2021
+ "step": 3310
2022
+ },
2023
+ {
2024
+ "epoch": 2.37,
2025
+ "learning_rate": 8.146428571428572e-05,
2026
+ "loss": 0.0152,
2027
+ "step": 3320
2028
+ },
2029
+ {
2030
+ "epoch": 2.38,
2031
+ "learning_rate": 8.110714285714286e-05,
2032
+ "loss": 0.0695,
2033
+ "step": 3330
2034
+ },
2035
+ {
2036
+ "epoch": 2.39,
2037
+ "learning_rate": 8.075e-05,
2038
+ "loss": 0.0125,
2039
+ "step": 3340
2040
+ },
2041
+ {
2042
+ "epoch": 2.39,
2043
+ "learning_rate": 8.039285714285715e-05,
2044
+ "loss": 0.0243,
2045
+ "step": 3350
2046
+ },
2047
+ {
2048
+ "epoch": 2.4,
2049
+ "learning_rate": 8.003571428571429e-05,
2050
+ "loss": 0.0127,
2051
+ "step": 3360
2052
+ },
2053
+ {
2054
+ "epoch": 2.41,
2055
+ "learning_rate": 7.967857142857143e-05,
2056
+ "loss": 0.1011,
2057
+ "step": 3370
2058
+ },
2059
+ {
2060
+ "epoch": 2.41,
2061
+ "learning_rate": 7.932142857142858e-05,
2062
+ "loss": 0.0288,
2063
+ "step": 3380
2064
+ },
2065
+ {
2066
+ "epoch": 2.42,
2067
+ "learning_rate": 7.896428571428571e-05,
2068
+ "loss": 0.0739,
2069
+ "step": 3390
2070
+ },
2071
+ {
2072
+ "epoch": 2.43,
2073
+ "learning_rate": 7.860714285714285e-05,
2074
+ "loss": 0.0055,
2075
+ "step": 3400
2076
+ },
2077
+ {
2078
+ "epoch": 2.44,
2079
+ "learning_rate": 7.825e-05,
2080
+ "loss": 0.0054,
2081
+ "step": 3410
2082
+ },
2083
+ {
2084
+ "epoch": 2.44,
2085
+ "learning_rate": 7.789285714285714e-05,
2086
+ "loss": 0.0665,
2087
+ "step": 3420
2088
+ },
2089
+ {
2090
+ "epoch": 2.45,
2091
+ "learning_rate": 7.753571428571428e-05,
2092
+ "loss": 0.005,
2093
+ "step": 3430
2094
+ },
2095
+ {
2096
+ "epoch": 2.46,
2097
+ "learning_rate": 7.717857142857144e-05,
2098
+ "loss": 0.0944,
2099
+ "step": 3440
2100
+ },
2101
+ {
2102
+ "epoch": 2.46,
2103
+ "learning_rate": 7.682142857142858e-05,
2104
+ "loss": 0.0364,
2105
+ "step": 3450
2106
+ },
2107
+ {
2108
+ "epoch": 2.47,
2109
+ "learning_rate": 7.646428571428572e-05,
2110
+ "loss": 0.0151,
2111
+ "step": 3460
2112
+ },
2113
+ {
2114
+ "epoch": 2.48,
2115
+ "learning_rate": 7.610714285714287e-05,
2116
+ "loss": 0.0269,
2117
+ "step": 3470
2118
+ },
2119
+ {
2120
+ "epoch": 2.49,
2121
+ "learning_rate": 7.575e-05,
2122
+ "loss": 0.0054,
2123
+ "step": 3480
2124
+ },
2125
+ {
2126
+ "epoch": 2.49,
2127
+ "learning_rate": 7.539285714285714e-05,
2128
+ "loss": 0.0173,
2129
+ "step": 3490
2130
+ },
2131
+ {
2132
+ "epoch": 2.5,
2133
+ "learning_rate": 7.503571428571429e-05,
2134
+ "loss": 0.0035,
2135
+ "step": 3500
2136
+ },
2137
+ {
2138
+ "epoch": 2.51,
2139
+ "learning_rate": 7.467857142857143e-05,
2140
+ "loss": 0.0929,
2141
+ "step": 3510
2142
+ },
2143
+ {
2144
+ "epoch": 2.51,
2145
+ "learning_rate": 7.432142857142857e-05,
2146
+ "loss": 0.0199,
2147
+ "step": 3520
2148
+ },
2149
+ {
2150
+ "epoch": 2.52,
2151
+ "learning_rate": 7.396428571428573e-05,
2152
+ "loss": 0.0084,
2153
+ "step": 3530
2154
+ },
2155
+ {
2156
+ "epoch": 2.53,
2157
+ "learning_rate": 7.360714285714287e-05,
2158
+ "loss": 0.0032,
2159
+ "step": 3540
2160
+ },
2161
+ {
2162
+ "epoch": 2.54,
2163
+ "learning_rate": 7.325e-05,
2164
+ "loss": 0.0048,
2165
+ "step": 3550
2166
+ },
2167
+ {
2168
+ "epoch": 2.54,
2169
+ "learning_rate": 7.289285714285715e-05,
2170
+ "loss": 0.0044,
2171
+ "step": 3560
2172
+ },
2173
+ {
2174
+ "epoch": 2.55,
2175
+ "learning_rate": 7.253571428571429e-05,
2176
+ "loss": 0.0355,
2177
+ "step": 3570
2178
+ },
2179
+ {
2180
+ "epoch": 2.56,
2181
+ "learning_rate": 7.217857142857143e-05,
2182
+ "loss": 0.0592,
2183
+ "step": 3580
2184
+ },
2185
+ {
2186
+ "epoch": 2.56,
2187
+ "learning_rate": 7.182142857142858e-05,
2188
+ "loss": 0.0282,
2189
+ "step": 3590
2190
+ },
2191
+ {
2192
+ "epoch": 2.57,
2193
+ "learning_rate": 7.146428571428572e-05,
2194
+ "loss": 0.022,
2195
+ "step": 3600
2196
+ },
2197
+ {
2198
+ "epoch": 2.58,
2199
+ "learning_rate": 7.110714285714286e-05,
2200
+ "loss": 0.009,
2201
+ "step": 3610
2202
+ },
2203
+ {
2204
+ "epoch": 2.59,
2205
+ "learning_rate": 7.075e-05,
2206
+ "loss": 0.0041,
2207
+ "step": 3620
2208
+ },
2209
+ {
2210
+ "epoch": 2.59,
2211
+ "learning_rate": 7.039285714285715e-05,
2212
+ "loss": 0.0235,
2213
+ "step": 3630
2214
+ },
2215
+ {
2216
+ "epoch": 2.6,
2217
+ "learning_rate": 7.003571428571429e-05,
2218
+ "loss": 0.0456,
2219
+ "step": 3640
2220
+ },
2221
+ {
2222
+ "epoch": 2.61,
2223
+ "learning_rate": 6.967857142857143e-05,
2224
+ "loss": 0.047,
2225
+ "step": 3650
2226
+ },
2227
+ {
2228
+ "epoch": 2.61,
2229
+ "learning_rate": 6.932142857142857e-05,
2230
+ "loss": 0.0386,
2231
+ "step": 3660
2232
+ },
2233
+ {
2234
+ "epoch": 2.62,
2235
+ "learning_rate": 6.9e-05,
2236
+ "loss": 0.0186,
2237
+ "step": 3670
2238
+ },
2239
+ {
2240
+ "epoch": 2.63,
2241
+ "learning_rate": 6.864285714285714e-05,
2242
+ "loss": 0.0043,
2243
+ "step": 3680
2244
+ },
2245
+ {
2246
+ "epoch": 2.64,
2247
+ "learning_rate": 6.828571428571429e-05,
2248
+ "loss": 0.0029,
2249
+ "step": 3690
2250
+ },
2251
+ {
2252
+ "epoch": 2.64,
2253
+ "learning_rate": 6.792857142857143e-05,
2254
+ "loss": 0.003,
2255
+ "step": 3700
2256
+ },
2257
+ {
2258
+ "epoch": 2.65,
2259
+ "learning_rate": 6.757142857142857e-05,
2260
+ "loss": 0.0838,
2261
+ "step": 3710
2262
+ },
2263
+ {
2264
+ "epoch": 2.66,
2265
+ "learning_rate": 6.721428571428572e-05,
2266
+ "loss": 0.0033,
2267
+ "step": 3720
2268
+ },
2269
+ {
2270
+ "epoch": 2.66,
2271
+ "learning_rate": 6.685714285714286e-05,
2272
+ "loss": 0.0014,
2273
+ "step": 3730
2274
+ },
2275
+ {
2276
+ "epoch": 2.67,
2277
+ "learning_rate": 6.65e-05,
2278
+ "loss": 0.0993,
2279
+ "step": 3740
2280
+ },
2281
+ {
2282
+ "epoch": 2.68,
2283
+ "learning_rate": 6.614285714285716e-05,
2284
+ "loss": 0.0163,
2285
+ "step": 3750
2286
+ },
2287
+ {
2288
+ "epoch": 2.69,
2289
+ "learning_rate": 6.578571428571428e-05,
2290
+ "loss": 0.0053,
2291
+ "step": 3760
2292
+ },
2293
+ {
2294
+ "epoch": 2.69,
2295
+ "learning_rate": 6.542857142857142e-05,
2296
+ "loss": 0.0024,
2297
+ "step": 3770
2298
+ },
2299
+ {
2300
+ "epoch": 2.7,
2301
+ "learning_rate": 6.507142857142858e-05,
2302
+ "loss": 0.0475,
2303
+ "step": 3780
2304
+ },
2305
+ {
2306
+ "epoch": 2.71,
2307
+ "learning_rate": 6.471428571428572e-05,
2308
+ "loss": 0.0031,
2309
+ "step": 3790
2310
+ },
2311
+ {
2312
+ "epoch": 2.71,
2313
+ "learning_rate": 6.435714285714286e-05,
2314
+ "loss": 0.0444,
2315
+ "step": 3800
2316
+ },
2317
+ {
2318
+ "epoch": 2.72,
2319
+ "learning_rate": 6.400000000000001e-05,
2320
+ "loss": 0.0198,
2321
+ "step": 3810
2322
+ },
2323
+ {
2324
+ "epoch": 2.73,
2325
+ "learning_rate": 6.364285714285715e-05,
2326
+ "loss": 0.0435,
2327
+ "step": 3820
2328
+ },
2329
+ {
2330
+ "epoch": 2.74,
2331
+ "learning_rate": 6.328571428571429e-05,
2332
+ "loss": 0.0366,
2333
+ "step": 3830
2334
+ },
2335
+ {
2336
+ "epoch": 2.74,
2337
+ "learning_rate": 6.292857142857143e-05,
2338
+ "loss": 0.0217,
2339
+ "step": 3840
2340
+ },
2341
+ {
2342
+ "epoch": 2.75,
2343
+ "learning_rate": 6.257142857142857e-05,
2344
+ "loss": 0.02,
2345
+ "step": 3850
2346
+ },
2347
+ {
2348
+ "epoch": 2.76,
2349
+ "learning_rate": 6.221428571428571e-05,
2350
+ "loss": 0.005,
2351
+ "step": 3860
2352
+ },
2353
+ {
2354
+ "epoch": 2.76,
2355
+ "learning_rate": 6.185714285714286e-05,
2356
+ "loss": 0.0238,
2357
+ "step": 3870
2358
+ },
2359
+ {
2360
+ "epoch": 2.77,
2361
+ "learning_rate": 6.15e-05,
2362
+ "loss": 0.0431,
2363
+ "step": 3880
2364
+ },
2365
+ {
2366
+ "epoch": 2.78,
2367
+ "learning_rate": 6.114285714285714e-05,
2368
+ "loss": 0.0057,
2369
+ "step": 3890
2370
+ },
2371
+ {
2372
+ "epoch": 2.79,
2373
+ "learning_rate": 6.078571428571429e-05,
2374
+ "loss": 0.0022,
2375
+ "step": 3900
2376
+ },
2377
+ {
2378
+ "epoch": 2.79,
2379
+ "learning_rate": 6.042857142857144e-05,
2380
+ "loss": 0.0706,
2381
+ "step": 3910
2382
+ },
2383
+ {
2384
+ "epoch": 2.8,
2385
+ "learning_rate": 6.007142857142858e-05,
2386
+ "loss": 0.0135,
2387
+ "step": 3920
2388
+ },
2389
+ {
2390
+ "epoch": 2.81,
2391
+ "learning_rate": 5.9714285714285724e-05,
2392
+ "loss": 0.0029,
2393
+ "step": 3930
2394
+ },
2395
+ {
2396
+ "epoch": 2.81,
2397
+ "learning_rate": 5.935714285714286e-05,
2398
+ "loss": 0.0627,
2399
+ "step": 3940
2400
+ },
2401
+ {
2402
+ "epoch": 2.82,
2403
+ "learning_rate": 5.9e-05,
2404
+ "loss": 0.0545,
2405
+ "step": 3950
2406
+ },
2407
+ {
2408
+ "epoch": 2.83,
2409
+ "learning_rate": 5.8642857142857144e-05,
2410
+ "loss": 0.0158,
2411
+ "step": 3960
2412
+ },
2413
+ {
2414
+ "epoch": 2.84,
2415
+ "learning_rate": 5.828571428571429e-05,
2416
+ "loss": 0.0534,
2417
+ "step": 3970
2418
+ },
2419
+ {
2420
+ "epoch": 2.84,
2421
+ "learning_rate": 5.792857142857143e-05,
2422
+ "loss": 0.0278,
2423
+ "step": 3980
2424
+ },
2425
+ {
2426
+ "epoch": 2.85,
2427
+ "learning_rate": 5.757142857142858e-05,
2428
+ "loss": 0.0446,
2429
+ "step": 3990
2430
+ },
2431
+ {
2432
+ "epoch": 2.86,
2433
+ "learning_rate": 5.721428571428572e-05,
2434
+ "loss": 0.0149,
2435
+ "step": 4000
2436
+ },
2437
+ {
2438
+ "epoch": 2.86,
2439
+ "eval_accuracy": 0.9530189353340479,
2440
+ "eval_loss": 0.1966186761856079,
2441
+ "eval_runtime": 109.5835,
2442
+ "eval_samples_per_second": 51.084,
2443
+ "eval_steps_per_second": 6.388,
2444
+ "step": 4000
2445
+ },
2446
+ {
2447
+ "epoch": 2.86,
2448
+ "learning_rate": 5.6857142857142865e-05,
2449
+ "loss": 0.0098,
2450
+ "step": 4010
2451
+ },
2452
+ {
2453
+ "epoch": 2.87,
2454
+ "learning_rate": 5.65e-05,
2455
+ "loss": 0.0194,
2456
+ "step": 4020
2457
+ },
2458
+ {
2459
+ "epoch": 2.88,
2460
+ "learning_rate": 5.6142857142857145e-05,
2461
+ "loss": 0.1191,
2462
+ "step": 4030
2463
+ },
2464
+ {
2465
+ "epoch": 2.89,
2466
+ "learning_rate": 5.5785714285714285e-05,
2467
+ "loss": 0.0042,
2468
+ "step": 4040
2469
+ },
2470
+ {
2471
+ "epoch": 2.89,
2472
+ "learning_rate": 5.542857142857143e-05,
2473
+ "loss": 0.0115,
2474
+ "step": 4050
2475
+ },
2476
+ {
2477
+ "epoch": 2.9,
2478
+ "learning_rate": 5.507142857142857e-05,
2479
+ "loss": 0.0039,
2480
+ "step": 4060
2481
+ },
2482
+ {
2483
+ "epoch": 2.91,
2484
+ "learning_rate": 5.471428571428572e-05,
2485
+ "loss": 0.0083,
2486
+ "step": 4070
2487
+ },
2488
+ {
2489
+ "epoch": 2.91,
2490
+ "learning_rate": 5.4357142857142865e-05,
2491
+ "loss": 0.0263,
2492
+ "step": 4080
2493
+ },
2494
+ {
2495
+ "epoch": 2.92,
2496
+ "learning_rate": 5.4000000000000005e-05,
2497
+ "loss": 0.0045,
2498
+ "step": 4090
2499
+ },
2500
+ {
2501
+ "epoch": 2.93,
2502
+ "learning_rate": 5.364285714285715e-05,
2503
+ "loss": 0.0364,
2504
+ "step": 4100
2505
+ },
2506
+ {
2507
+ "epoch": 2.94,
2508
+ "learning_rate": 5.3285714285714285e-05,
2509
+ "loss": 0.003,
2510
+ "step": 4110
2511
+ },
2512
+ {
2513
+ "epoch": 2.94,
2514
+ "learning_rate": 5.2928571428571425e-05,
2515
+ "loss": 0.0032,
2516
+ "step": 4120
2517
+ },
2518
+ {
2519
+ "epoch": 2.95,
2520
+ "learning_rate": 5.257142857142857e-05,
2521
+ "loss": 0.0232,
2522
+ "step": 4130
2523
+ },
2524
+ {
2525
+ "epoch": 2.96,
2526
+ "learning_rate": 5.221428571428572e-05,
2527
+ "loss": 0.0037,
2528
+ "step": 4140
2529
+ },
2530
+ {
2531
+ "epoch": 2.96,
2532
+ "learning_rate": 5.185714285714286e-05,
2533
+ "loss": 0.0164,
2534
+ "step": 4150
2535
+ },
2536
+ {
2537
+ "epoch": 2.97,
2538
+ "learning_rate": 5.1500000000000005e-05,
2539
+ "loss": 0.0448,
2540
+ "step": 4160
2541
+ },
2542
+ {
2543
+ "epoch": 2.98,
2544
+ "learning_rate": 5.1142857142857145e-05,
2545
+ "loss": 0.0197,
2546
+ "step": 4170
2547
+ },
2548
+ {
2549
+ "epoch": 2.99,
2550
+ "learning_rate": 5.078571428571429e-05,
2551
+ "loss": 0.0036,
2552
+ "step": 4180
2553
+ },
2554
+ {
2555
+ "epoch": 2.99,
2556
+ "learning_rate": 5.042857142857144e-05,
2557
+ "loss": 0.0033,
2558
+ "step": 4190
2559
+ },
2560
+ {
2561
+ "epoch": 3.0,
2562
+ "learning_rate": 5.007142857142857e-05,
2563
+ "loss": 0.002,
2564
+ "step": 4200
2565
+ },
2566
+ {
2567
+ "epoch": 3.01,
2568
+ "learning_rate": 4.971428571428572e-05,
2569
+ "loss": 0.0032,
2570
+ "step": 4210
2571
+ },
2572
+ {
2573
+ "epoch": 3.01,
2574
+ "learning_rate": 4.935714285714286e-05,
2575
+ "loss": 0.0162,
2576
+ "step": 4220
2577
+ },
2578
+ {
2579
+ "epoch": 3.02,
2580
+ "learning_rate": 4.9e-05,
2581
+ "loss": 0.0074,
2582
+ "step": 4230
2583
+ },
2584
+ {
2585
+ "epoch": 3.03,
2586
+ "learning_rate": 4.8642857142857145e-05,
2587
+ "loss": 0.1163,
2588
+ "step": 4240
2589
+ },
2590
+ {
2591
+ "epoch": 3.04,
2592
+ "learning_rate": 4.828571428571429e-05,
2593
+ "loss": 0.0142,
2594
+ "step": 4250
2595
+ },
2596
+ {
2597
+ "epoch": 3.04,
2598
+ "learning_rate": 4.7928571428571425e-05,
2599
+ "loss": 0.0074,
2600
+ "step": 4260
2601
+ },
2602
+ {
2603
+ "epoch": 3.05,
2604
+ "learning_rate": 4.757142857142857e-05,
2605
+ "loss": 0.0207,
2606
+ "step": 4270
2607
+ },
2608
+ {
2609
+ "epoch": 3.06,
2610
+ "learning_rate": 4.721428571428572e-05,
2611
+ "loss": 0.005,
2612
+ "step": 4280
2613
+ },
2614
+ {
2615
+ "epoch": 3.06,
2616
+ "learning_rate": 4.685714285714286e-05,
2617
+ "loss": 0.0044,
2618
+ "step": 4290
2619
+ },
2620
+ {
2621
+ "epoch": 3.07,
2622
+ "learning_rate": 4.6500000000000005e-05,
2623
+ "loss": 0.0017,
2624
+ "step": 4300
2625
+ },
2626
+ {
2627
+ "epoch": 3.08,
2628
+ "learning_rate": 4.6142857142857145e-05,
2629
+ "loss": 0.0022,
2630
+ "step": 4310
2631
+ },
2632
+ {
2633
+ "epoch": 3.09,
2634
+ "learning_rate": 4.5785714285714285e-05,
2635
+ "loss": 0.0294,
2636
+ "step": 4320
2637
+ },
2638
+ {
2639
+ "epoch": 3.09,
2640
+ "learning_rate": 4.542857142857143e-05,
2641
+ "loss": 0.0034,
2642
+ "step": 4330
2643
+ },
2644
+ {
2645
+ "epoch": 3.1,
2646
+ "learning_rate": 4.507142857142858e-05,
2647
+ "loss": 0.0194,
2648
+ "step": 4340
2649
+ },
2650
+ {
2651
+ "epoch": 3.11,
2652
+ "learning_rate": 4.471428571428571e-05,
2653
+ "loss": 0.0233,
2654
+ "step": 4350
2655
+ },
2656
+ {
2657
+ "epoch": 3.11,
2658
+ "learning_rate": 4.435714285714286e-05,
2659
+ "loss": 0.0364,
2660
+ "step": 4360
2661
+ },
2662
+ {
2663
+ "epoch": 3.12,
2664
+ "learning_rate": 4.4000000000000006e-05,
2665
+ "loss": 0.0703,
2666
+ "step": 4370
2667
+ },
2668
+ {
2669
+ "epoch": 3.13,
2670
+ "learning_rate": 4.3642857142857146e-05,
2671
+ "loss": 0.0039,
2672
+ "step": 4380
2673
+ },
2674
+ {
2675
+ "epoch": 3.14,
2676
+ "learning_rate": 4.328571428571429e-05,
2677
+ "loss": 0.0456,
2678
+ "step": 4390
2679
+ },
2680
+ {
2681
+ "epoch": 3.14,
2682
+ "learning_rate": 4.292857142857143e-05,
2683
+ "loss": 0.0028,
2684
+ "step": 4400
2685
+ },
2686
+ {
2687
+ "epoch": 3.15,
2688
+ "learning_rate": 4.257142857142857e-05,
2689
+ "loss": 0.0296,
2690
+ "step": 4410
2691
+ },
2692
+ {
2693
+ "epoch": 3.16,
2694
+ "learning_rate": 4.221428571428572e-05,
2695
+ "loss": 0.0367,
2696
+ "step": 4420
2697
+ },
2698
+ {
2699
+ "epoch": 3.16,
2700
+ "learning_rate": 4.185714285714286e-05,
2701
+ "loss": 0.0048,
2702
+ "step": 4430
2703
+ },
2704
+ {
2705
+ "epoch": 3.17,
2706
+ "learning_rate": 4.15e-05,
2707
+ "loss": 0.0483,
2708
+ "step": 4440
2709
+ },
2710
+ {
2711
+ "epoch": 3.18,
2712
+ "learning_rate": 4.1142857142857146e-05,
2713
+ "loss": 0.0228,
2714
+ "step": 4450
2715
+ },
2716
+ {
2717
+ "epoch": 3.19,
2718
+ "learning_rate": 4.0785714285714286e-05,
2719
+ "loss": 0.0488,
2720
+ "step": 4460
2721
+ },
2722
+ {
2723
+ "epoch": 3.19,
2724
+ "learning_rate": 4.042857142857143e-05,
2725
+ "loss": 0.0649,
2726
+ "step": 4470
2727
+ },
2728
+ {
2729
+ "epoch": 3.2,
2730
+ "learning_rate": 4.007142857142857e-05,
2731
+ "loss": 0.0153,
2732
+ "step": 4480
2733
+ },
2734
+ {
2735
+ "epoch": 3.21,
2736
+ "learning_rate": 3.971428571428571e-05,
2737
+ "loss": 0.0034,
2738
+ "step": 4490
2739
+ },
2740
+ {
2741
+ "epoch": 3.21,
2742
+ "learning_rate": 3.935714285714286e-05,
2743
+ "loss": 0.0272,
2744
+ "step": 4500
2745
+ },
2746
+ {
2747
+ "epoch": 3.22,
2748
+ "learning_rate": 3.9000000000000006e-05,
2749
+ "loss": 0.0038,
2750
+ "step": 4510
2751
+ },
2752
+ {
2753
+ "epoch": 3.23,
2754
+ "learning_rate": 3.8642857142857146e-05,
2755
+ "loss": 0.0095,
2756
+ "step": 4520
2757
+ },
2758
+ {
2759
+ "epoch": 3.24,
2760
+ "learning_rate": 3.8285714285714286e-05,
2761
+ "loss": 0.0148,
2762
+ "step": 4530
2763
+ },
2764
+ {
2765
+ "epoch": 3.24,
2766
+ "learning_rate": 3.792857142857143e-05,
2767
+ "loss": 0.0057,
2768
+ "step": 4540
2769
+ },
2770
+ {
2771
+ "epoch": 3.25,
2772
+ "learning_rate": 3.757142857142857e-05,
2773
+ "loss": 0.0024,
2774
+ "step": 4550
2775
+ },
2776
+ {
2777
+ "epoch": 3.26,
2778
+ "learning_rate": 3.721428571428572e-05,
2779
+ "loss": 0.0184,
2780
+ "step": 4560
2781
+ },
2782
+ {
2783
+ "epoch": 3.26,
2784
+ "learning_rate": 3.685714285714286e-05,
2785
+ "loss": 0.0024,
2786
+ "step": 4570
2787
+ },
2788
+ {
2789
+ "epoch": 3.27,
2790
+ "learning_rate": 3.65e-05,
2791
+ "loss": 0.005,
2792
+ "step": 4580
2793
+ },
2794
+ {
2795
+ "epoch": 3.28,
2796
+ "learning_rate": 3.6142857142857146e-05,
2797
+ "loss": 0.0043,
2798
+ "step": 4590
2799
+ },
2800
+ {
2801
+ "epoch": 3.29,
2802
+ "learning_rate": 3.5785714285714286e-05,
2803
+ "loss": 0.0178,
2804
+ "step": 4600
2805
+ },
2806
+ {
2807
+ "epoch": 3.29,
2808
+ "learning_rate": 3.5428571428571426e-05,
2809
+ "loss": 0.0017,
2810
+ "step": 4610
2811
+ },
2812
+ {
2813
+ "epoch": 3.3,
2814
+ "learning_rate": 3.507142857142857e-05,
2815
+ "loss": 0.0226,
2816
+ "step": 4620
2817
+ },
2818
+ {
2819
+ "epoch": 3.31,
2820
+ "learning_rate": 3.471428571428571e-05,
2821
+ "loss": 0.025,
2822
+ "step": 4630
2823
+ },
2824
+ {
2825
+ "epoch": 3.31,
2826
+ "learning_rate": 3.435714285714286e-05,
2827
+ "loss": 0.0016,
2828
+ "step": 4640
2829
+ },
2830
+ {
2831
+ "epoch": 3.32,
2832
+ "learning_rate": 3.4000000000000007e-05,
2833
+ "loss": 0.0013,
2834
+ "step": 4650
2835
+ },
2836
+ {
2837
+ "epoch": 3.33,
2838
+ "learning_rate": 3.364285714285714e-05,
2839
+ "loss": 0.0018,
2840
+ "step": 4660
2841
+ },
2842
+ {
2843
+ "epoch": 3.34,
2844
+ "learning_rate": 3.3285714285714286e-05,
2845
+ "loss": 0.0083,
2846
+ "step": 4670
2847
+ },
2848
+ {
2849
+ "epoch": 3.34,
2850
+ "learning_rate": 3.292857142857143e-05,
2851
+ "loss": 0.0147,
2852
+ "step": 4680
2853
+ },
2854
+ {
2855
+ "epoch": 3.35,
2856
+ "learning_rate": 3.257142857142857e-05,
2857
+ "loss": 0.002,
2858
+ "step": 4690
2859
+ },
2860
+ {
2861
+ "epoch": 3.36,
2862
+ "learning_rate": 3.221428571428571e-05,
2863
+ "loss": 0.0094,
2864
+ "step": 4700
2865
+ },
2866
+ {
2867
+ "epoch": 3.36,
2868
+ "learning_rate": 3.185714285714286e-05,
2869
+ "loss": 0.0821,
2870
+ "step": 4710
2871
+ },
2872
+ {
2873
+ "epoch": 3.37,
2874
+ "learning_rate": 3.15e-05,
2875
+ "loss": 0.0058,
2876
+ "step": 4720
2877
+ },
2878
+ {
2879
+ "epoch": 3.38,
2880
+ "learning_rate": 3.114285714285715e-05,
2881
+ "loss": 0.0026,
2882
+ "step": 4730
2883
+ },
2884
+ {
2885
+ "epoch": 3.39,
2886
+ "learning_rate": 3.078571428571429e-05,
2887
+ "loss": 0.0032,
2888
+ "step": 4740
2889
+ },
2890
+ {
2891
+ "epoch": 3.39,
2892
+ "learning_rate": 3.042857142857143e-05,
2893
+ "loss": 0.0026,
2894
+ "step": 4750
2895
+ },
2896
+ {
2897
+ "epoch": 3.4,
2898
+ "learning_rate": 3.0071428571428573e-05,
2899
+ "loss": 0.0458,
2900
+ "step": 4760
2901
+ },
2902
+ {
2903
+ "epoch": 3.41,
2904
+ "learning_rate": 2.9714285714285717e-05,
2905
+ "loss": 0.0148,
2906
+ "step": 4770
2907
+ },
2908
+ {
2909
+ "epoch": 3.41,
2910
+ "learning_rate": 2.935714285714286e-05,
2911
+ "loss": 0.0022,
2912
+ "step": 4780
2913
+ },
2914
+ {
2915
+ "epoch": 3.42,
2916
+ "learning_rate": 2.9e-05,
2917
+ "loss": 0.008,
2918
+ "step": 4790
2919
+ },
2920
+ {
2921
+ "epoch": 3.43,
2922
+ "learning_rate": 2.8642857142857144e-05,
2923
+ "loss": 0.0311,
2924
+ "step": 4800
2925
+ },
2926
+ {
2927
+ "epoch": 3.44,
2928
+ "learning_rate": 2.8285714285714287e-05,
2929
+ "loss": 0.0411,
2930
+ "step": 4810
2931
+ },
2932
+ {
2933
+ "epoch": 3.44,
2934
+ "learning_rate": 2.792857142857143e-05,
2935
+ "loss": 0.0033,
2936
+ "step": 4820
2937
+ },
2938
+ {
2939
+ "epoch": 3.45,
2940
+ "learning_rate": 2.757142857142857e-05,
2941
+ "loss": 0.0666,
2942
+ "step": 4830
2943
+ },
2944
+ {
2945
+ "epoch": 3.46,
2946
+ "learning_rate": 2.7214285714285714e-05,
2947
+ "loss": 0.0161,
2948
+ "step": 4840
2949
+ },
2950
+ {
2951
+ "epoch": 3.46,
2952
+ "learning_rate": 2.6857142857142857e-05,
2953
+ "loss": 0.0064,
2954
+ "step": 4850
2955
+ },
2956
+ {
2957
+ "epoch": 3.47,
2958
+ "learning_rate": 2.6500000000000004e-05,
2959
+ "loss": 0.0114,
2960
+ "step": 4860
2961
+ },
2962
+ {
2963
+ "epoch": 3.48,
2964
+ "learning_rate": 2.6142857142857147e-05,
2965
+ "loss": 0.0098,
2966
+ "step": 4870
2967
+ },
2968
+ {
2969
+ "epoch": 3.49,
2970
+ "learning_rate": 2.5785714285714284e-05,
2971
+ "loss": 0.0026,
2972
+ "step": 4880
2973
+ },
2974
+ {
2975
+ "epoch": 3.49,
2976
+ "learning_rate": 2.542857142857143e-05,
2977
+ "loss": 0.0339,
2978
+ "step": 4890
2979
+ },
2980
+ {
2981
+ "epoch": 3.5,
2982
+ "learning_rate": 2.5071428571428574e-05,
2983
+ "loss": 0.0037,
2984
+ "step": 4900
2985
+ },
2986
+ {
2987
+ "epoch": 3.51,
2988
+ "learning_rate": 2.4714285714285714e-05,
2989
+ "loss": 0.0252,
2990
+ "step": 4910
2991
+ },
2992
+ {
2993
+ "epoch": 3.51,
2994
+ "learning_rate": 2.4357142857142857e-05,
2995
+ "loss": 0.0018,
2996
+ "step": 4920
2997
+ },
2998
+ {
2999
+ "epoch": 3.52,
3000
+ "learning_rate": 2.4e-05,
3001
+ "loss": 0.04,
3002
+ "step": 4930
3003
+ },
3004
+ {
3005
+ "epoch": 3.53,
3006
+ "learning_rate": 2.3642857142857144e-05,
3007
+ "loss": 0.023,
3008
+ "step": 4940
3009
+ },
3010
+ {
3011
+ "epoch": 3.54,
3012
+ "learning_rate": 2.3285714285714287e-05,
3013
+ "loss": 0.0378,
3014
+ "step": 4950
3015
+ },
3016
+ {
3017
+ "epoch": 3.54,
3018
+ "learning_rate": 2.292857142857143e-05,
3019
+ "loss": 0.049,
3020
+ "step": 4960
3021
+ },
3022
+ {
3023
+ "epoch": 3.55,
3024
+ "learning_rate": 2.257142857142857e-05,
3025
+ "loss": 0.0479,
3026
+ "step": 4970
3027
+ },
3028
+ {
3029
+ "epoch": 3.56,
3030
+ "learning_rate": 2.2214285714285714e-05,
3031
+ "loss": 0.0037,
3032
+ "step": 4980
3033
+ },
3034
+ {
3035
+ "epoch": 3.56,
3036
+ "learning_rate": 2.185714285714286e-05,
3037
+ "loss": 0.034,
3038
+ "step": 4990
3039
+ },
3040
+ {
3041
+ "epoch": 3.57,
3042
+ "learning_rate": 2.15e-05,
3043
+ "loss": 0.0581,
3044
+ "step": 5000
3045
+ },
3046
+ {
3047
+ "epoch": 3.57,
3048
+ "eval_accuracy": 0.9546266523758485,
3049
+ "eval_loss": 0.17252865433692932,
3050
+ "eval_runtime": 108.7929,
3051
+ "eval_samples_per_second": 51.456,
3052
+ "eval_steps_per_second": 6.434,
3053
+ "step": 5000
3054
+ },
3055
+ {
3056
+ "epoch": 3.58,
3057
+ "learning_rate": 2.1142857142857144e-05,
3058
+ "loss": 0.0252,
3059
+ "step": 5010
3060
+ },
3061
+ {
3062
+ "epoch": 3.59,
3063
+ "learning_rate": 2.0785714285714288e-05,
3064
+ "loss": 0.0039,
3065
+ "step": 5020
3066
+ },
3067
+ {
3068
+ "epoch": 3.59,
3069
+ "learning_rate": 2.042857142857143e-05,
3070
+ "loss": 0.0036,
3071
+ "step": 5030
3072
+ },
3073
+ {
3074
+ "epoch": 3.6,
3075
+ "learning_rate": 2.007142857142857e-05,
3076
+ "loss": 0.0046,
3077
+ "step": 5040
3078
+ },
3079
+ {
3080
+ "epoch": 3.61,
3081
+ "learning_rate": 1.9714285714285714e-05,
3082
+ "loss": 0.0028,
3083
+ "step": 5050
3084
+ },
3085
+ {
3086
+ "epoch": 3.61,
3087
+ "learning_rate": 1.9357142857142858e-05,
3088
+ "loss": 0.002,
3089
+ "step": 5060
3090
+ },
3091
+ {
3092
+ "epoch": 3.62,
3093
+ "learning_rate": 1.9e-05,
3094
+ "loss": 0.0504,
3095
+ "step": 5070
3096
+ },
3097
+ {
3098
+ "epoch": 3.63,
3099
+ "learning_rate": 1.864285714285714e-05,
3100
+ "loss": 0.0027,
3101
+ "step": 5080
3102
+ },
3103
+ {
3104
+ "epoch": 3.64,
3105
+ "learning_rate": 1.8285714285714288e-05,
3106
+ "loss": 0.061,
3107
+ "step": 5090
3108
+ },
3109
+ {
3110
+ "epoch": 3.64,
3111
+ "learning_rate": 1.792857142857143e-05,
3112
+ "loss": 0.0055,
3113
+ "step": 5100
3114
+ },
3115
+ {
3116
+ "epoch": 3.65,
3117
+ "learning_rate": 1.757142857142857e-05,
3118
+ "loss": 0.021,
3119
+ "step": 5110
3120
+ },
3121
+ {
3122
+ "epoch": 3.66,
3123
+ "learning_rate": 1.7214285714285715e-05,
3124
+ "loss": 0.0133,
3125
+ "step": 5120
3126
+ },
3127
+ {
3128
+ "epoch": 3.66,
3129
+ "learning_rate": 1.6857142857142858e-05,
3130
+ "loss": 0.0045,
3131
+ "step": 5130
3132
+ },
3133
+ {
3134
+ "epoch": 3.67,
3135
+ "learning_rate": 1.65e-05,
3136
+ "loss": 0.0076,
3137
+ "step": 5140
3138
+ },
3139
+ {
3140
+ "epoch": 3.68,
3141
+ "learning_rate": 1.614285714285714e-05,
3142
+ "loss": 0.004,
3143
+ "step": 5150
3144
+ },
3145
+ {
3146
+ "epoch": 3.69,
3147
+ "learning_rate": 1.5785714285714288e-05,
3148
+ "loss": 0.0013,
3149
+ "step": 5160
3150
+ },
3151
+ {
3152
+ "epoch": 3.69,
3153
+ "learning_rate": 1.5428571428571428e-05,
3154
+ "loss": 0.029,
3155
+ "step": 5170
3156
+ },
3157
+ {
3158
+ "epoch": 3.7,
3159
+ "learning_rate": 1.5071428571428573e-05,
3160
+ "loss": 0.0032,
3161
+ "step": 5180
3162
+ },
3163
+ {
3164
+ "epoch": 3.71,
3165
+ "learning_rate": 1.4714285714285713e-05,
3166
+ "loss": 0.0014,
3167
+ "step": 5190
3168
+ },
3169
+ {
3170
+ "epoch": 3.71,
3171
+ "learning_rate": 1.4357142857142858e-05,
3172
+ "loss": 0.0068,
3173
+ "step": 5200
3174
+ },
3175
+ {
3176
+ "epoch": 3.72,
3177
+ "learning_rate": 1.4000000000000001e-05,
3178
+ "loss": 0.0013,
3179
+ "step": 5210
3180
+ },
3181
+ {
3182
+ "epoch": 3.73,
3183
+ "learning_rate": 1.3642857142857143e-05,
3184
+ "loss": 0.0012,
3185
+ "step": 5220
3186
+ },
3187
+ {
3188
+ "epoch": 3.74,
3189
+ "learning_rate": 1.3285714285714288e-05,
3190
+ "loss": 0.0016,
3191
+ "step": 5230
3192
+ },
3193
+ {
3194
+ "epoch": 3.74,
3195
+ "learning_rate": 1.2928571428571428e-05,
3196
+ "loss": 0.0033,
3197
+ "step": 5240
3198
+ },
3199
+ {
3200
+ "epoch": 3.75,
3201
+ "learning_rate": 1.2571428571428573e-05,
3202
+ "loss": 0.0202,
3203
+ "step": 5250
3204
+ },
3205
+ {
3206
+ "epoch": 3.76,
3207
+ "learning_rate": 1.2214285714285715e-05,
3208
+ "loss": 0.0089,
3209
+ "step": 5260
3210
+ },
3211
+ {
3212
+ "epoch": 3.76,
3213
+ "learning_rate": 1.1857142857142858e-05,
3214
+ "loss": 0.0647,
3215
+ "step": 5270
3216
+ },
3217
+ {
3218
+ "epoch": 3.77,
3219
+ "learning_rate": 1.1500000000000002e-05,
3220
+ "loss": 0.0031,
3221
+ "step": 5280
3222
+ },
3223
+ {
3224
+ "epoch": 3.78,
3225
+ "learning_rate": 1.1142857142857143e-05,
3226
+ "loss": 0.0015,
3227
+ "step": 5290
3228
+ },
3229
+ {
3230
+ "epoch": 3.79,
3231
+ "learning_rate": 1.0785714285714287e-05,
3232
+ "loss": 0.0046,
3233
+ "step": 5300
3234
+ },
3235
+ {
3236
+ "epoch": 3.79,
3237
+ "learning_rate": 1.0428571428571428e-05,
3238
+ "loss": 0.0019,
3239
+ "step": 5310
3240
+ },
3241
+ {
3242
+ "epoch": 3.8,
3243
+ "learning_rate": 1.0071428571428572e-05,
3244
+ "loss": 0.0152,
3245
+ "step": 5320
3246
+ },
3247
+ {
3248
+ "epoch": 3.81,
3249
+ "learning_rate": 9.714285714285715e-06,
3250
+ "loss": 0.0035,
3251
+ "step": 5330
3252
+ },
3253
+ {
3254
+ "epoch": 3.81,
3255
+ "learning_rate": 9.357142857142857e-06,
3256
+ "loss": 0.0266,
3257
+ "step": 5340
3258
+ },
3259
+ {
3260
+ "epoch": 3.82,
3261
+ "learning_rate": 9e-06,
3262
+ "loss": 0.0015,
3263
+ "step": 5350
3264
+ },
3265
+ {
3266
+ "epoch": 3.83,
3267
+ "learning_rate": 8.642857142857144e-06,
3268
+ "loss": 0.0033,
3269
+ "step": 5360
3270
+ },
3271
+ {
3272
+ "epoch": 3.84,
3273
+ "learning_rate": 8.285714285714285e-06,
3274
+ "loss": 0.003,
3275
+ "step": 5370
3276
+ },
3277
+ {
3278
+ "epoch": 3.84,
3279
+ "learning_rate": 7.928571428571429e-06,
3280
+ "loss": 0.0012,
3281
+ "step": 5380
3282
+ },
3283
+ {
3284
+ "epoch": 3.85,
3285
+ "learning_rate": 7.571428571428572e-06,
3286
+ "loss": 0.0018,
3287
+ "step": 5390
3288
+ },
3289
+ {
3290
+ "epoch": 3.86,
3291
+ "learning_rate": 7.214285714285715e-06,
3292
+ "loss": 0.0011,
3293
+ "step": 5400
3294
+ },
3295
+ {
3296
+ "epoch": 3.86,
3297
+ "learning_rate": 6.857142857142858e-06,
3298
+ "loss": 0.0217,
3299
+ "step": 5410
3300
+ },
3301
+ {
3302
+ "epoch": 3.87,
3303
+ "learning_rate": 6.5000000000000004e-06,
3304
+ "loss": 0.0173,
3305
+ "step": 5420
3306
+ },
3307
+ {
3308
+ "epoch": 3.88,
3309
+ "learning_rate": 6.142857142857143e-06,
3310
+ "loss": 0.0019,
3311
+ "step": 5430
3312
+ },
3313
+ {
3314
+ "epoch": 3.89,
3315
+ "learning_rate": 5.785714285714286e-06,
3316
+ "loss": 0.0082,
3317
+ "step": 5440
3318
+ },
3319
+ {
3320
+ "epoch": 3.89,
3321
+ "learning_rate": 5.428571428571429e-06,
3322
+ "loss": 0.0018,
3323
+ "step": 5450
3324
+ },
3325
+ {
3326
+ "epoch": 3.9,
3327
+ "learning_rate": 5.071428571428571e-06,
3328
+ "loss": 0.0014,
3329
+ "step": 5460
3330
+ },
3331
+ {
3332
+ "epoch": 3.91,
3333
+ "learning_rate": 4.714285714285715e-06,
3334
+ "loss": 0.0219,
3335
+ "step": 5470
3336
+ },
3337
+ {
3338
+ "epoch": 3.91,
3339
+ "learning_rate": 4.357142857142857e-06,
3340
+ "loss": 0.0201,
3341
+ "step": 5480
3342
+ },
3343
+ {
3344
+ "epoch": 3.92,
3345
+ "learning_rate": 4.000000000000001e-06,
3346
+ "loss": 0.0262,
3347
+ "step": 5490
3348
+ },
3349
+ {
3350
+ "epoch": 3.93,
3351
+ "learning_rate": 3.642857142857143e-06,
3352
+ "loss": 0.0019,
3353
+ "step": 5500
3354
+ },
3355
+ {
3356
+ "epoch": 3.94,
3357
+ "learning_rate": 3.2857142857142857e-06,
3358
+ "loss": 0.0025,
3359
+ "step": 5510
3360
+ },
3361
+ {
3362
+ "epoch": 3.94,
3363
+ "learning_rate": 2.9285714285714287e-06,
3364
+ "loss": 0.0011,
3365
+ "step": 5520
3366
+ },
3367
+ {
3368
+ "epoch": 3.95,
3369
+ "learning_rate": 2.5714285714285716e-06,
3370
+ "loss": 0.0016,
3371
+ "step": 5530
3372
+ },
3373
+ {
3374
+ "epoch": 3.96,
3375
+ "learning_rate": 2.214285714285714e-06,
3376
+ "loss": 0.0174,
3377
+ "step": 5540
3378
+ },
3379
+ {
3380
+ "epoch": 3.96,
3381
+ "learning_rate": 1.8571428571428573e-06,
3382
+ "loss": 0.0012,
3383
+ "step": 5550
3384
+ },
3385
+ {
3386
+ "epoch": 3.97,
3387
+ "learning_rate": 1.5e-06,
3388
+ "loss": 0.0019,
3389
+ "step": 5560
3390
+ },
3391
+ {
3392
+ "epoch": 3.98,
3393
+ "learning_rate": 1.142857142857143e-06,
3394
+ "loss": 0.0015,
3395
+ "step": 5570
3396
+ },
3397
+ {
3398
+ "epoch": 3.99,
3399
+ "learning_rate": 7.857142857142858e-07,
3400
+ "loss": 0.0301,
3401
+ "step": 5580
3402
+ },
3403
+ {
3404
+ "epoch": 3.99,
3405
+ "learning_rate": 4.285714285714286e-07,
3406
+ "loss": 0.0027,
3407
+ "step": 5590
3408
+ },
3409
+ {
3410
+ "epoch": 4.0,
3411
+ "learning_rate": 7.142857142857144e-08,
3412
+ "loss": 0.0033,
3413
+ "step": 5600
3414
+ },
3415
+ {
3416
+ "epoch": 4.0,
3417
+ "step": 5600,
3418
+ "total_flos": 6.939872621924401e+18,
3419
+ "train_loss": 0.045772934323841975,
3420
+ "train_runtime": 3642.6125,
3421
+ "train_samples_per_second": 24.586,
3422
+ "train_steps_per_second": 1.537
3423
+ }
3424
+ ],
3425
+ "max_steps": 5600,
3426
+ "num_train_epochs": 4,
3427
+ "total_flos": 6.939872621924401e+18,
3428
+ "trial_name": null,
3429
+ "trial_params": null
3430
+ }
training_args.bin CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:405046e73416f199ef0b6da59a6c72eaf70656cc8cc9e4e8d5f60c1d689ffe40
3
  size 3375
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:a25bd08ef80cb9684d5c1caf59f56d134dba503036710f7db91c65b6f7b32d86
3
  size 3375