beingbatman commited on
Commit
8d0b5e5
·
verified ·
1 Parent(s): 57dc2d4

End of training

Browse files
Files changed (3) hide show
  1. all_results.json +8 -0
  2. test_results.json +8 -0
  3. trainer_state.json +2260 -0
all_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 49.0004,
3
+ "eval_accuracy": 0.5753424657534246,
4
+ "eval_loss": 2.5945777893066406,
5
+ "eval_runtime": 14.1475,
6
+ "eval_samples_per_second": 5.16,
7
+ "eval_steps_per_second": 1.343
8
+ }
test_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 49.0004,
3
+ "eval_accuracy": 0.5753424657534246,
4
+ "eval_loss": 2.5945777893066406,
5
+ "eval_runtime": 14.1475,
6
+ "eval_samples_per_second": 5.16,
7
+ "eval_steps_per_second": 1.343
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,2260 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": 0.825,
3
+ "best_model_checkpoint": "MAE-CT-CPC-Dicotomized-v8-n0-m1/checkpoint-1020",
4
+ "epoch": 49.0004,
5
+ "eval_steps": 500,
6
+ "global_step": 2500,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.004,
13
+ "grad_norm": 3.163785934448242,
14
+ "learning_rate": 4.0000000000000003e-07,
15
+ "loss": 0.6803,
16
+ "step": 10
17
+ },
18
+ {
19
+ "epoch": 0.008,
20
+ "grad_norm": 1.8414620161056519,
21
+ "learning_rate": 8.000000000000001e-07,
22
+ "loss": 0.6811,
23
+ "step": 20
24
+ },
25
+ {
26
+ "epoch": 0.012,
27
+ "grad_norm": 2.732853412628174,
28
+ "learning_rate": 1.2000000000000002e-06,
29
+ "loss": 0.6724,
30
+ "step": 30
31
+ },
32
+ {
33
+ "epoch": 0.016,
34
+ "grad_norm": 2.302961826324463,
35
+ "learning_rate": 1.6000000000000001e-06,
36
+ "loss": 0.6625,
37
+ "step": 40
38
+ },
39
+ {
40
+ "epoch": 0.02,
41
+ "grad_norm": 2.289227247238159,
42
+ "learning_rate": 2.0000000000000003e-06,
43
+ "loss": 0.6826,
44
+ "step": 50
45
+ },
46
+ {
47
+ "epoch": 0.0204,
48
+ "eval_accuracy": 0.7625,
49
+ "eval_loss": 0.6156964302062988,
50
+ "eval_runtime": 16.4829,
51
+ "eval_samples_per_second": 4.854,
52
+ "eval_steps_per_second": 1.213,
53
+ "step": 51
54
+ },
55
+ {
56
+ "epoch": 1.0036,
57
+ "grad_norm": 2.539074420928955,
58
+ "learning_rate": 2.4000000000000003e-06,
59
+ "loss": 0.653,
60
+ "step": 60
61
+ },
62
+ {
63
+ "epoch": 1.0076,
64
+ "grad_norm": 4.338445663452148,
65
+ "learning_rate": 2.8000000000000003e-06,
66
+ "loss": 0.6605,
67
+ "step": 70
68
+ },
69
+ {
70
+ "epoch": 1.0116,
71
+ "grad_norm": 4.448472023010254,
72
+ "learning_rate": 3.2000000000000003e-06,
73
+ "loss": 0.6647,
74
+ "step": 80
75
+ },
76
+ {
77
+ "epoch": 1.0156,
78
+ "grad_norm": 8.590893745422363,
79
+ "learning_rate": 3.6000000000000003e-06,
80
+ "loss": 0.665,
81
+ "step": 90
82
+ },
83
+ {
84
+ "epoch": 1.0196,
85
+ "grad_norm": 4.512553691864014,
86
+ "learning_rate": 4.000000000000001e-06,
87
+ "loss": 0.6549,
88
+ "step": 100
89
+ },
90
+ {
91
+ "epoch": 1.0204,
92
+ "eval_accuracy": 0.7625,
93
+ "eval_loss": 0.5930413603782654,
94
+ "eval_runtime": 15.1042,
95
+ "eval_samples_per_second": 5.297,
96
+ "eval_steps_per_second": 1.324,
97
+ "step": 102
98
+ },
99
+ {
100
+ "epoch": 2.0032,
101
+ "grad_norm": 9.520898818969727,
102
+ "learning_rate": 4.4e-06,
103
+ "loss": 0.6033,
104
+ "step": 110
105
+ },
106
+ {
107
+ "epoch": 2.0072,
108
+ "grad_norm": 7.96126651763916,
109
+ "learning_rate": 4.800000000000001e-06,
110
+ "loss": 0.5796,
111
+ "step": 120
112
+ },
113
+ {
114
+ "epoch": 2.0112,
115
+ "grad_norm": 10.471980094909668,
116
+ "learning_rate": 5.2e-06,
117
+ "loss": 0.6731,
118
+ "step": 130
119
+ },
120
+ {
121
+ "epoch": 2.0152,
122
+ "grad_norm": 17.355741500854492,
123
+ "learning_rate": 5.600000000000001e-06,
124
+ "loss": 0.6853,
125
+ "step": 140
126
+ },
127
+ {
128
+ "epoch": 2.0192,
129
+ "grad_norm": 7.118047714233398,
130
+ "learning_rate": 6e-06,
131
+ "loss": 0.6486,
132
+ "step": 150
133
+ },
134
+ {
135
+ "epoch": 2.0204,
136
+ "eval_accuracy": 0.5125,
137
+ "eval_loss": 0.6796671152114868,
138
+ "eval_runtime": 15.1483,
139
+ "eval_samples_per_second": 5.281,
140
+ "eval_steps_per_second": 1.32,
141
+ "step": 153
142
+ },
143
+ {
144
+ "epoch": 3.0028,
145
+ "grad_norm": 9.448248863220215,
146
+ "learning_rate": 6.4000000000000006e-06,
147
+ "loss": 0.627,
148
+ "step": 160
149
+ },
150
+ {
151
+ "epoch": 3.0068,
152
+ "grad_norm": 10.044306755065918,
153
+ "learning_rate": 6.800000000000001e-06,
154
+ "loss": 0.5988,
155
+ "step": 170
156
+ },
157
+ {
158
+ "epoch": 3.0108,
159
+ "grad_norm": 11.673822402954102,
160
+ "learning_rate": 7.2000000000000005e-06,
161
+ "loss": 0.5388,
162
+ "step": 180
163
+ },
164
+ {
165
+ "epoch": 3.0148,
166
+ "grad_norm": 13.179671287536621,
167
+ "learning_rate": 7.600000000000001e-06,
168
+ "loss": 0.4922,
169
+ "step": 190
170
+ },
171
+ {
172
+ "epoch": 3.0188,
173
+ "grad_norm": 17.30994987487793,
174
+ "learning_rate": 8.000000000000001e-06,
175
+ "loss": 0.5595,
176
+ "step": 200
177
+ },
178
+ {
179
+ "epoch": 3.0204,
180
+ "eval_accuracy": 0.6625,
181
+ "eval_loss": 0.49017828702926636,
182
+ "eval_runtime": 14.3197,
183
+ "eval_samples_per_second": 5.587,
184
+ "eval_steps_per_second": 1.397,
185
+ "step": 204
186
+ },
187
+ {
188
+ "epoch": 4.0024,
189
+ "grad_norm": 12.384488105773926,
190
+ "learning_rate": 8.400000000000001e-06,
191
+ "loss": 0.5512,
192
+ "step": 210
193
+ },
194
+ {
195
+ "epoch": 4.0064,
196
+ "grad_norm": 16.830211639404297,
197
+ "learning_rate": 8.8e-06,
198
+ "loss": 0.5532,
199
+ "step": 220
200
+ },
201
+ {
202
+ "epoch": 4.0104,
203
+ "grad_norm": 25.703161239624023,
204
+ "learning_rate": 9.200000000000002e-06,
205
+ "loss": 0.4503,
206
+ "step": 230
207
+ },
208
+ {
209
+ "epoch": 4.0144,
210
+ "grad_norm": 31.191774368286133,
211
+ "learning_rate": 9.600000000000001e-06,
212
+ "loss": 0.4281,
213
+ "step": 240
214
+ },
215
+ {
216
+ "epoch": 4.0184,
217
+ "grad_norm": 7.301267147064209,
218
+ "learning_rate": 1e-05,
219
+ "loss": 0.5586,
220
+ "step": 250
221
+ },
222
+ {
223
+ "epoch": 4.0204,
224
+ "eval_accuracy": 0.475,
225
+ "eval_loss": 0.8194777369499207,
226
+ "eval_runtime": 15.5636,
227
+ "eval_samples_per_second": 5.14,
228
+ "eval_steps_per_second": 1.285,
229
+ "step": 255
230
+ },
231
+ {
232
+ "epoch": 5.002,
233
+ "grad_norm": 6.1059746742248535,
234
+ "learning_rate": 9.955555555555556e-06,
235
+ "loss": 0.4667,
236
+ "step": 260
237
+ },
238
+ {
239
+ "epoch": 5.006,
240
+ "grad_norm": 11.250345230102539,
241
+ "learning_rate": 9.911111111111113e-06,
242
+ "loss": 0.3866,
243
+ "step": 270
244
+ },
245
+ {
246
+ "epoch": 5.01,
247
+ "grad_norm": 11.811776161193848,
248
+ "learning_rate": 9.866666666666668e-06,
249
+ "loss": 0.3093,
250
+ "step": 280
251
+ },
252
+ {
253
+ "epoch": 5.014,
254
+ "grad_norm": 2.898249387741089,
255
+ "learning_rate": 9.822222222222223e-06,
256
+ "loss": 0.4655,
257
+ "step": 290
258
+ },
259
+ {
260
+ "epoch": 5.018,
261
+ "grad_norm": 39.88842010498047,
262
+ "learning_rate": 9.777777777777779e-06,
263
+ "loss": 0.4565,
264
+ "step": 300
265
+ },
266
+ {
267
+ "epoch": 5.0204,
268
+ "eval_accuracy": 0.75,
269
+ "eval_loss": 0.5872394442558289,
270
+ "eval_runtime": 15.5445,
271
+ "eval_samples_per_second": 5.147,
272
+ "eval_steps_per_second": 1.287,
273
+ "step": 306
274
+ },
275
+ {
276
+ "epoch": 6.0016,
277
+ "grad_norm": 18.96799659729004,
278
+ "learning_rate": 9.733333333333334e-06,
279
+ "loss": 0.6334,
280
+ "step": 310
281
+ },
282
+ {
283
+ "epoch": 6.0056,
284
+ "grad_norm": 26.40775489807129,
285
+ "learning_rate": 9.688888888888889e-06,
286
+ "loss": 0.5505,
287
+ "step": 320
288
+ },
289
+ {
290
+ "epoch": 6.0096,
291
+ "grad_norm": 23.987438201904297,
292
+ "learning_rate": 9.644444444444444e-06,
293
+ "loss": 0.4702,
294
+ "step": 330
295
+ },
296
+ {
297
+ "epoch": 6.0136,
298
+ "grad_norm": 11.874549865722656,
299
+ "learning_rate": 9.600000000000001e-06,
300
+ "loss": 0.5567,
301
+ "step": 340
302
+ },
303
+ {
304
+ "epoch": 6.0176,
305
+ "grad_norm": 1.870789647102356,
306
+ "learning_rate": 9.555555555555556e-06,
307
+ "loss": 0.3697,
308
+ "step": 350
309
+ },
310
+ {
311
+ "epoch": 6.0204,
312
+ "eval_accuracy": 0.775,
313
+ "eval_loss": 0.5016795992851257,
314
+ "eval_runtime": 15.1939,
315
+ "eval_samples_per_second": 5.265,
316
+ "eval_steps_per_second": 1.316,
317
+ "step": 357
318
+ },
319
+ {
320
+ "epoch": 7.0012,
321
+ "grad_norm": 1.9288091659545898,
322
+ "learning_rate": 9.511111111111112e-06,
323
+ "loss": 0.3384,
324
+ "step": 360
325
+ },
326
+ {
327
+ "epoch": 7.0052,
328
+ "grad_norm": 47.43910598754883,
329
+ "learning_rate": 9.466666666666667e-06,
330
+ "loss": 0.4776,
331
+ "step": 370
332
+ },
333
+ {
334
+ "epoch": 7.0092,
335
+ "grad_norm": 24.75432586669922,
336
+ "learning_rate": 9.422222222222222e-06,
337
+ "loss": 0.3272,
338
+ "step": 380
339
+ },
340
+ {
341
+ "epoch": 7.0132,
342
+ "grad_norm": 6.029924392700195,
343
+ "learning_rate": 9.377777777777779e-06,
344
+ "loss": 0.6358,
345
+ "step": 390
346
+ },
347
+ {
348
+ "epoch": 7.0172,
349
+ "grad_norm": 36.66233825683594,
350
+ "learning_rate": 9.333333333333334e-06,
351
+ "loss": 0.6201,
352
+ "step": 400
353
+ },
354
+ {
355
+ "epoch": 7.0204,
356
+ "eval_accuracy": 0.7,
357
+ "eval_loss": 0.6555034518241882,
358
+ "eval_runtime": 15.1733,
359
+ "eval_samples_per_second": 5.272,
360
+ "eval_steps_per_second": 1.318,
361
+ "step": 408
362
+ },
363
+ {
364
+ "epoch": 8.0008,
365
+ "grad_norm": 13.244248390197754,
366
+ "learning_rate": 9.28888888888889e-06,
367
+ "loss": 0.2307,
368
+ "step": 410
369
+ },
370
+ {
371
+ "epoch": 8.0048,
372
+ "grad_norm": 0.1510910540819168,
373
+ "learning_rate": 9.244444444444445e-06,
374
+ "loss": 0.2198,
375
+ "step": 420
376
+ },
377
+ {
378
+ "epoch": 8.0088,
379
+ "grad_norm": 48.222145080566406,
380
+ "learning_rate": 9.200000000000002e-06,
381
+ "loss": 0.1961,
382
+ "step": 430
383
+ },
384
+ {
385
+ "epoch": 8.0128,
386
+ "grad_norm": 12.182064056396484,
387
+ "learning_rate": 9.155555555555557e-06,
388
+ "loss": 0.4113,
389
+ "step": 440
390
+ },
391
+ {
392
+ "epoch": 8.0168,
393
+ "grad_norm": 90.49524688720703,
394
+ "learning_rate": 9.111111111111112e-06,
395
+ "loss": 0.4333,
396
+ "step": 450
397
+ },
398
+ {
399
+ "epoch": 8.0204,
400
+ "eval_accuracy": 0.6125,
401
+ "eval_loss": 1.2277292013168335,
402
+ "eval_runtime": 15.8873,
403
+ "eval_samples_per_second": 5.035,
404
+ "eval_steps_per_second": 1.259,
405
+ "step": 459
406
+ },
407
+ {
408
+ "epoch": 9.0004,
409
+ "grad_norm": 8.979384422302246,
410
+ "learning_rate": 9.066666666666667e-06,
411
+ "loss": 0.2832,
412
+ "step": 460
413
+ },
414
+ {
415
+ "epoch": 9.0044,
416
+ "grad_norm": 124.57083892822266,
417
+ "learning_rate": 9.022222222222223e-06,
418
+ "loss": 0.4698,
419
+ "step": 470
420
+ },
421
+ {
422
+ "epoch": 9.0084,
423
+ "grad_norm": 1.4499937295913696,
424
+ "learning_rate": 8.977777777777778e-06,
425
+ "loss": 0.622,
426
+ "step": 480
427
+ },
428
+ {
429
+ "epoch": 9.0124,
430
+ "grad_norm": 204.4443359375,
431
+ "learning_rate": 8.933333333333333e-06,
432
+ "loss": 0.4289,
433
+ "step": 490
434
+ },
435
+ {
436
+ "epoch": 9.0164,
437
+ "grad_norm": 13.056779861450195,
438
+ "learning_rate": 8.888888888888888e-06,
439
+ "loss": 0.3958,
440
+ "step": 500
441
+ },
442
+ {
443
+ "epoch": 9.0204,
444
+ "grad_norm": 3.7403643131256104,
445
+ "learning_rate": 8.844444444444445e-06,
446
+ "loss": 0.2148,
447
+ "step": 510
448
+ },
449
+ {
450
+ "epoch": 9.0204,
451
+ "eval_accuracy": 0.7625,
452
+ "eval_loss": 0.8114517331123352,
453
+ "eval_runtime": 14.7863,
454
+ "eval_samples_per_second": 5.41,
455
+ "eval_steps_per_second": 1.353,
456
+ "step": 510
457
+ },
458
+ {
459
+ "epoch": 10.004,
460
+ "grad_norm": 0.3079785704612732,
461
+ "learning_rate": 8.8e-06,
462
+ "loss": 0.4126,
463
+ "step": 520
464
+ },
465
+ {
466
+ "epoch": 10.008,
467
+ "grad_norm": 10.519120216369629,
468
+ "learning_rate": 8.755555555555556e-06,
469
+ "loss": 0.2208,
470
+ "step": 530
471
+ },
472
+ {
473
+ "epoch": 10.012,
474
+ "grad_norm": 37.70737075805664,
475
+ "learning_rate": 8.711111111111111e-06,
476
+ "loss": 0.4088,
477
+ "step": 540
478
+ },
479
+ {
480
+ "epoch": 10.016,
481
+ "grad_norm": 27.64992332458496,
482
+ "learning_rate": 8.666666666666668e-06,
483
+ "loss": 0.6548,
484
+ "step": 550
485
+ },
486
+ {
487
+ "epoch": 10.02,
488
+ "grad_norm": 1.9343359470367432,
489
+ "learning_rate": 8.622222222222223e-06,
490
+ "loss": 0.9458,
491
+ "step": 560
492
+ },
493
+ {
494
+ "epoch": 10.0204,
495
+ "eval_accuracy": 0.6625,
496
+ "eval_loss": 0.9872623682022095,
497
+ "eval_runtime": 14.8048,
498
+ "eval_samples_per_second": 5.404,
499
+ "eval_steps_per_second": 1.351,
500
+ "step": 561
501
+ },
502
+ {
503
+ "epoch": 11.0036,
504
+ "grad_norm": 127.26286315917969,
505
+ "learning_rate": 8.577777777777778e-06,
506
+ "loss": 0.4077,
507
+ "step": 570
508
+ },
509
+ {
510
+ "epoch": 11.0076,
511
+ "grad_norm": 48.36285400390625,
512
+ "learning_rate": 8.533333333333335e-06,
513
+ "loss": 0.315,
514
+ "step": 580
515
+ },
516
+ {
517
+ "epoch": 11.0116,
518
+ "grad_norm": 1.3444968461990356,
519
+ "learning_rate": 8.48888888888889e-06,
520
+ "loss": 0.3529,
521
+ "step": 590
522
+ },
523
+ {
524
+ "epoch": 11.0156,
525
+ "grad_norm": 1.425925374031067,
526
+ "learning_rate": 8.444444444444446e-06,
527
+ "loss": 0.2537,
528
+ "step": 600
529
+ },
530
+ {
531
+ "epoch": 11.0196,
532
+ "grad_norm": 0.11205915361642838,
533
+ "learning_rate": 8.400000000000001e-06,
534
+ "loss": 0.0651,
535
+ "step": 610
536
+ },
537
+ {
538
+ "epoch": 11.0204,
539
+ "eval_accuracy": 0.7625,
540
+ "eval_loss": 1.0840221643447876,
541
+ "eval_runtime": 16.1692,
542
+ "eval_samples_per_second": 4.948,
543
+ "eval_steps_per_second": 1.237,
544
+ "step": 612
545
+ },
546
+ {
547
+ "epoch": 12.0032,
548
+ "grad_norm": 1.6690884828567505,
549
+ "learning_rate": 8.355555555555556e-06,
550
+ "loss": 0.0219,
551
+ "step": 620
552
+ },
553
+ {
554
+ "epoch": 12.0072,
555
+ "grad_norm": 0.04994206875562668,
556
+ "learning_rate": 8.311111111111111e-06,
557
+ "loss": 0.3325,
558
+ "step": 630
559
+ },
560
+ {
561
+ "epoch": 12.0112,
562
+ "grad_norm": 1.1334573030471802,
563
+ "learning_rate": 8.266666666666667e-06,
564
+ "loss": 0.1766,
565
+ "step": 640
566
+ },
567
+ {
568
+ "epoch": 12.0152,
569
+ "grad_norm": 84.09977722167969,
570
+ "learning_rate": 8.222222222222222e-06,
571
+ "loss": 0.3474,
572
+ "step": 650
573
+ },
574
+ {
575
+ "epoch": 12.0192,
576
+ "grad_norm": 0.11686452478170395,
577
+ "learning_rate": 8.177777777777779e-06,
578
+ "loss": 0.5756,
579
+ "step": 660
580
+ },
581
+ {
582
+ "epoch": 12.0204,
583
+ "eval_accuracy": 0.8,
584
+ "eval_loss": 1.0489223003387451,
585
+ "eval_runtime": 14.837,
586
+ "eval_samples_per_second": 5.392,
587
+ "eval_steps_per_second": 1.348,
588
+ "step": 663
589
+ },
590
+ {
591
+ "epoch": 13.0028,
592
+ "grad_norm": 0.4879148304462433,
593
+ "learning_rate": 8.133333333333334e-06,
594
+ "loss": 0.1627,
595
+ "step": 670
596
+ },
597
+ {
598
+ "epoch": 13.0068,
599
+ "grad_norm": 10.051454544067383,
600
+ "learning_rate": 8.08888888888889e-06,
601
+ "loss": 0.1414,
602
+ "step": 680
603
+ },
604
+ {
605
+ "epoch": 13.0108,
606
+ "grad_norm": 317.5495910644531,
607
+ "learning_rate": 8.044444444444444e-06,
608
+ "loss": 0.4045,
609
+ "step": 690
610
+ },
611
+ {
612
+ "epoch": 13.0148,
613
+ "grad_norm": 12.827858924865723,
614
+ "learning_rate": 8.000000000000001e-06,
615
+ "loss": 0.2213,
616
+ "step": 700
617
+ },
618
+ {
619
+ "epoch": 13.0188,
620
+ "grad_norm": 7.5428338050842285,
621
+ "learning_rate": 7.955555555555557e-06,
622
+ "loss": 0.354,
623
+ "step": 710
624
+ },
625
+ {
626
+ "epoch": 13.0204,
627
+ "eval_accuracy": 0.7875,
628
+ "eval_loss": 1.1601030826568604,
629
+ "eval_runtime": 14.793,
630
+ "eval_samples_per_second": 5.408,
631
+ "eval_steps_per_second": 1.352,
632
+ "step": 714
633
+ },
634
+ {
635
+ "epoch": 14.0024,
636
+ "grad_norm": 1.0718170404434204,
637
+ "learning_rate": 7.911111111111112e-06,
638
+ "loss": 0.1341,
639
+ "step": 720
640
+ },
641
+ {
642
+ "epoch": 14.0064,
643
+ "grad_norm": 204.27011108398438,
644
+ "learning_rate": 7.866666666666667e-06,
645
+ "loss": 0.2009,
646
+ "step": 730
647
+ },
648
+ {
649
+ "epoch": 14.0104,
650
+ "grad_norm": 623.6522827148438,
651
+ "learning_rate": 7.822222222222224e-06,
652
+ "loss": 0.2302,
653
+ "step": 740
654
+ },
655
+ {
656
+ "epoch": 14.0144,
657
+ "grad_norm": 53.07473373413086,
658
+ "learning_rate": 7.77777777777778e-06,
659
+ "loss": 0.4521,
660
+ "step": 750
661
+ },
662
+ {
663
+ "epoch": 14.0184,
664
+ "grad_norm": 0.032519057393074036,
665
+ "learning_rate": 7.733333333333334e-06,
666
+ "loss": 0.2888,
667
+ "step": 760
668
+ },
669
+ {
670
+ "epoch": 14.0204,
671
+ "eval_accuracy": 0.625,
672
+ "eval_loss": 1.8143768310546875,
673
+ "eval_runtime": 15.8798,
674
+ "eval_samples_per_second": 5.038,
675
+ "eval_steps_per_second": 1.259,
676
+ "step": 765
677
+ },
678
+ {
679
+ "epoch": 15.002,
680
+ "grad_norm": 457.6705322265625,
681
+ "learning_rate": 7.68888888888889e-06,
682
+ "loss": 0.2657,
683
+ "step": 770
684
+ },
685
+ {
686
+ "epoch": 15.006,
687
+ "grad_norm": 431.8014221191406,
688
+ "learning_rate": 7.644444444444445e-06,
689
+ "loss": 0.0887,
690
+ "step": 780
691
+ },
692
+ {
693
+ "epoch": 15.01,
694
+ "grad_norm": 0.013111516833305359,
695
+ "learning_rate": 7.600000000000001e-06,
696
+ "loss": 0.0183,
697
+ "step": 790
698
+ },
699
+ {
700
+ "epoch": 15.014,
701
+ "grad_norm": 0.08553914725780487,
702
+ "learning_rate": 7.555555555555556e-06,
703
+ "loss": 0.0991,
704
+ "step": 800
705
+ },
706
+ {
707
+ "epoch": 15.018,
708
+ "grad_norm": 0.11689701676368713,
709
+ "learning_rate": 7.511111111111111e-06,
710
+ "loss": 0.2449,
711
+ "step": 810
712
+ },
713
+ {
714
+ "epoch": 15.0204,
715
+ "eval_accuracy": 0.7125,
716
+ "eval_loss": 1.3988301753997803,
717
+ "eval_runtime": 14.9719,
718
+ "eval_samples_per_second": 5.343,
719
+ "eval_steps_per_second": 1.336,
720
+ "step": 816
721
+ },
722
+ {
723
+ "epoch": 16.0016,
724
+ "grad_norm": 0.12991830706596375,
725
+ "learning_rate": 7.4666666666666675e-06,
726
+ "loss": 0.009,
727
+ "step": 820
728
+ },
729
+ {
730
+ "epoch": 16.0056,
731
+ "grad_norm": 185.4541015625,
732
+ "learning_rate": 7.422222222222223e-06,
733
+ "loss": 0.2772,
734
+ "step": 830
735
+ },
736
+ {
737
+ "epoch": 16.0096,
738
+ "grad_norm": 0.7622888088226318,
739
+ "learning_rate": 7.377777777777778e-06,
740
+ "loss": 0.1701,
741
+ "step": 840
742
+ },
743
+ {
744
+ "epoch": 16.0136,
745
+ "grad_norm": 0.5893406867980957,
746
+ "learning_rate": 7.333333333333333e-06,
747
+ "loss": 0.1631,
748
+ "step": 850
749
+ },
750
+ {
751
+ "epoch": 16.0176,
752
+ "grad_norm": 0.7813571691513062,
753
+ "learning_rate": 7.28888888888889e-06,
754
+ "loss": 0.1326,
755
+ "step": 860
756
+ },
757
+ {
758
+ "epoch": 16.0204,
759
+ "eval_accuracy": 0.7125,
760
+ "eval_loss": 1.715152382850647,
761
+ "eval_runtime": 15.1438,
762
+ "eval_samples_per_second": 5.283,
763
+ "eval_steps_per_second": 1.321,
764
+ "step": 867
765
+ },
766
+ {
767
+ "epoch": 17.0012,
768
+ "grad_norm": 0.07987383008003235,
769
+ "learning_rate": 7.244444444444445e-06,
770
+ "loss": 0.0021,
771
+ "step": 870
772
+ },
773
+ {
774
+ "epoch": 17.0052,
775
+ "grad_norm": 17.579423904418945,
776
+ "learning_rate": 7.2000000000000005e-06,
777
+ "loss": 0.2835,
778
+ "step": 880
779
+ },
780
+ {
781
+ "epoch": 17.0092,
782
+ "grad_norm": 0.05407591536641121,
783
+ "learning_rate": 7.155555555555556e-06,
784
+ "loss": 0.0557,
785
+ "step": 890
786
+ },
787
+ {
788
+ "epoch": 17.0132,
789
+ "grad_norm": 129.4159393310547,
790
+ "learning_rate": 7.111111111111112e-06,
791
+ "loss": 0.147,
792
+ "step": 900
793
+ },
794
+ {
795
+ "epoch": 17.0172,
796
+ "grad_norm": 0.6726216673851013,
797
+ "learning_rate": 7.066666666666667e-06,
798
+ "loss": 0.0018,
799
+ "step": 910
800
+ },
801
+ {
802
+ "epoch": 17.0204,
803
+ "eval_accuracy": 0.6375,
804
+ "eval_loss": 2.1475367546081543,
805
+ "eval_runtime": 15.0746,
806
+ "eval_samples_per_second": 5.307,
807
+ "eval_steps_per_second": 1.327,
808
+ "step": 918
809
+ },
810
+ {
811
+ "epoch": 18.0008,
812
+ "grad_norm": 0.06342015415430069,
813
+ "learning_rate": 7.022222222222222e-06,
814
+ "loss": 0.2025,
815
+ "step": 920
816
+ },
817
+ {
818
+ "epoch": 18.0048,
819
+ "grad_norm": 0.03912360593676567,
820
+ "learning_rate": 6.977777777777779e-06,
821
+ "loss": 0.0017,
822
+ "step": 930
823
+ },
824
+ {
825
+ "epoch": 18.0088,
826
+ "grad_norm": 0.015669086948037148,
827
+ "learning_rate": 6.9333333333333344e-06,
828
+ "loss": 0.1518,
829
+ "step": 940
830
+ },
831
+ {
832
+ "epoch": 18.0128,
833
+ "grad_norm": 0.03878331929445267,
834
+ "learning_rate": 6.88888888888889e-06,
835
+ "loss": 0.6683,
836
+ "step": 950
837
+ },
838
+ {
839
+ "epoch": 18.0168,
840
+ "grad_norm": 0.009163687005639076,
841
+ "learning_rate": 6.844444444444445e-06,
842
+ "loss": 0.3631,
843
+ "step": 960
844
+ },
845
+ {
846
+ "epoch": 18.0204,
847
+ "eval_accuracy": 0.65,
848
+ "eval_loss": 1.8957328796386719,
849
+ "eval_runtime": 14.5069,
850
+ "eval_samples_per_second": 5.515,
851
+ "eval_steps_per_second": 1.379,
852
+ "step": 969
853
+ },
854
+ {
855
+ "epoch": 19.0004,
856
+ "grad_norm": 0.030928779393434525,
857
+ "learning_rate": 6.800000000000001e-06,
858
+ "loss": 0.1663,
859
+ "step": 970
860
+ },
861
+ {
862
+ "epoch": 19.0044,
863
+ "grad_norm": 0.8263186812400818,
864
+ "learning_rate": 6.755555555555556e-06,
865
+ "loss": 0.2357,
866
+ "step": 980
867
+ },
868
+ {
869
+ "epoch": 19.0084,
870
+ "grad_norm": 0.09255637228488922,
871
+ "learning_rate": 6.711111111111111e-06,
872
+ "loss": 0.0141,
873
+ "step": 990
874
+ },
875
+ {
876
+ "epoch": 19.0124,
877
+ "grad_norm": 0.10079475492238998,
878
+ "learning_rate": 6.666666666666667e-06,
879
+ "loss": 0.001,
880
+ "step": 1000
881
+ },
882
+ {
883
+ "epoch": 19.0164,
884
+ "grad_norm": 0.1445166915655136,
885
+ "learning_rate": 6.6222222222222236e-06,
886
+ "loss": 0.1313,
887
+ "step": 1010
888
+ },
889
+ {
890
+ "epoch": 19.0204,
891
+ "grad_norm": 0.0298333577811718,
892
+ "learning_rate": 6.577777777777779e-06,
893
+ "loss": 0.1252,
894
+ "step": 1020
895
+ },
896
+ {
897
+ "epoch": 19.0204,
898
+ "eval_accuracy": 0.825,
899
+ "eval_loss": 1.124619960784912,
900
+ "eval_runtime": 14.4479,
901
+ "eval_samples_per_second": 5.537,
902
+ "eval_steps_per_second": 1.384,
903
+ "step": 1020
904
+ },
905
+ {
906
+ "epoch": 20.004,
907
+ "grad_norm": 0.19592173397541046,
908
+ "learning_rate": 6.533333333333334e-06,
909
+ "loss": 0.0141,
910
+ "step": 1030
911
+ },
912
+ {
913
+ "epoch": 20.008,
914
+ "grad_norm": 42.12409591674805,
915
+ "learning_rate": 6.488888888888889e-06,
916
+ "loss": 0.1769,
917
+ "step": 1040
918
+ },
919
+ {
920
+ "epoch": 20.012,
921
+ "grad_norm": 482.6688537597656,
922
+ "learning_rate": 6.444444444444445e-06,
923
+ "loss": 0.1202,
924
+ "step": 1050
925
+ },
926
+ {
927
+ "epoch": 20.016,
928
+ "grad_norm": 0.5874069333076477,
929
+ "learning_rate": 6.4000000000000006e-06,
930
+ "loss": 0.0007,
931
+ "step": 1060
932
+ },
933
+ {
934
+ "epoch": 20.02,
935
+ "grad_norm": 0.018259378150105476,
936
+ "learning_rate": 6.355555555555556e-06,
937
+ "loss": 0.0943,
938
+ "step": 1070
939
+ },
940
+ {
941
+ "epoch": 20.0204,
942
+ "eval_accuracy": 0.6625,
943
+ "eval_loss": 1.9498172998428345,
944
+ "eval_runtime": 14.4129,
945
+ "eval_samples_per_second": 5.551,
946
+ "eval_steps_per_second": 1.388,
947
+ "step": 1071
948
+ },
949
+ {
950
+ "epoch": 21.0036,
951
+ "grad_norm": 0.00311831571161747,
952
+ "learning_rate": 6.311111111111111e-06,
953
+ "loss": 0.2018,
954
+ "step": 1080
955
+ },
956
+ {
957
+ "epoch": 21.0076,
958
+ "grad_norm": 7.55759859085083,
959
+ "learning_rate": 6.266666666666668e-06,
960
+ "loss": 0.333,
961
+ "step": 1090
962
+ },
963
+ {
964
+ "epoch": 21.0116,
965
+ "grad_norm": 0.13464294373989105,
966
+ "learning_rate": 6.222222222222223e-06,
967
+ "loss": 0.2933,
968
+ "step": 1100
969
+ },
970
+ {
971
+ "epoch": 21.0156,
972
+ "grad_norm": 0.013299187645316124,
973
+ "learning_rate": 6.177777777777778e-06,
974
+ "loss": 0.0908,
975
+ "step": 1110
976
+ },
977
+ {
978
+ "epoch": 21.0196,
979
+ "grad_norm": 28.606412887573242,
980
+ "learning_rate": 6.133333333333334e-06,
981
+ "loss": 0.3488,
982
+ "step": 1120
983
+ },
984
+ {
985
+ "epoch": 21.0204,
986
+ "eval_accuracy": 0.7875,
987
+ "eval_loss": 1.3456709384918213,
988
+ "eval_runtime": 15.9369,
989
+ "eval_samples_per_second": 5.02,
990
+ "eval_steps_per_second": 1.255,
991
+ "step": 1122
992
+ },
993
+ {
994
+ "epoch": 22.0032,
995
+ "grad_norm": 2.039261817932129,
996
+ "learning_rate": 6.08888888888889e-06,
997
+ "loss": 0.2154,
998
+ "step": 1130
999
+ },
1000
+ {
1001
+ "epoch": 22.0072,
1002
+ "grad_norm": 6.409753799438477,
1003
+ "learning_rate": 6.044444444444445e-06,
1004
+ "loss": 0.0051,
1005
+ "step": 1140
1006
+ },
1007
+ {
1008
+ "epoch": 22.0112,
1009
+ "grad_norm": 0.010469136759638786,
1010
+ "learning_rate": 6e-06,
1011
+ "loss": 0.1893,
1012
+ "step": 1150
1013
+ },
1014
+ {
1015
+ "epoch": 22.0152,
1016
+ "grad_norm": 0.022801605984568596,
1017
+ "learning_rate": 5.955555555555555e-06,
1018
+ "loss": 0.0428,
1019
+ "step": 1160
1020
+ },
1021
+ {
1022
+ "epoch": 22.0192,
1023
+ "grad_norm": 0.014003835618495941,
1024
+ "learning_rate": 5.911111111111112e-06,
1025
+ "loss": 0.0008,
1026
+ "step": 1170
1027
+ },
1028
+ {
1029
+ "epoch": 22.0204,
1030
+ "eval_accuracy": 0.7125,
1031
+ "eval_loss": 1.7872467041015625,
1032
+ "eval_runtime": 14.9328,
1033
+ "eval_samples_per_second": 5.357,
1034
+ "eval_steps_per_second": 1.339,
1035
+ "step": 1173
1036
+ },
1037
+ {
1038
+ "epoch": 23.0028,
1039
+ "grad_norm": 336.1969299316406,
1040
+ "learning_rate": 5.8666666666666675e-06,
1041
+ "loss": 0.5488,
1042
+ "step": 1180
1043
+ },
1044
+ {
1045
+ "epoch": 23.0068,
1046
+ "grad_norm": 0.009750437922775745,
1047
+ "learning_rate": 5.822222222222223e-06,
1048
+ "loss": 0.3029,
1049
+ "step": 1190
1050
+ },
1051
+ {
1052
+ "epoch": 23.0108,
1053
+ "grad_norm": 0.15668730437755585,
1054
+ "learning_rate": 5.777777777777778e-06,
1055
+ "loss": 0.6396,
1056
+ "step": 1200
1057
+ },
1058
+ {
1059
+ "epoch": 23.0148,
1060
+ "grad_norm": 0.019450828433036804,
1061
+ "learning_rate": 5.733333333333334e-06,
1062
+ "loss": 0.0974,
1063
+ "step": 1210
1064
+ },
1065
+ {
1066
+ "epoch": 23.0188,
1067
+ "grad_norm": 6.186660289764404,
1068
+ "learning_rate": 5.688888888888889e-06,
1069
+ "loss": 0.009,
1070
+ "step": 1220
1071
+ },
1072
+ {
1073
+ "epoch": 23.0204,
1074
+ "eval_accuracy": 0.75,
1075
+ "eval_loss": 1.5437147617340088,
1076
+ "eval_runtime": 14.8598,
1077
+ "eval_samples_per_second": 5.384,
1078
+ "eval_steps_per_second": 1.346,
1079
+ "step": 1224
1080
+ },
1081
+ {
1082
+ "epoch": 24.0024,
1083
+ "grad_norm": 0.012686701491475105,
1084
+ "learning_rate": 5.6444444444444445e-06,
1085
+ "loss": 0.0007,
1086
+ "step": 1230
1087
+ },
1088
+ {
1089
+ "epoch": 24.0064,
1090
+ "grad_norm": 0.008507036603987217,
1091
+ "learning_rate": 5.600000000000001e-06,
1092
+ "loss": 0.0796,
1093
+ "step": 1240
1094
+ },
1095
+ {
1096
+ "epoch": 24.0104,
1097
+ "grad_norm": 0.05275079980492592,
1098
+ "learning_rate": 5.555555555555557e-06,
1099
+ "loss": 0.0045,
1100
+ "step": 1250
1101
+ },
1102
+ {
1103
+ "epoch": 24.0144,
1104
+ "grad_norm": 0.020087506622076035,
1105
+ "learning_rate": 5.511111111111112e-06,
1106
+ "loss": 0.0007,
1107
+ "step": 1260
1108
+ },
1109
+ {
1110
+ "epoch": 24.0184,
1111
+ "grad_norm": 0.0037845964543521404,
1112
+ "learning_rate": 5.466666666666667e-06,
1113
+ "loss": 0.0274,
1114
+ "step": 1270
1115
+ },
1116
+ {
1117
+ "epoch": 24.0204,
1118
+ "eval_accuracy": 0.6875,
1119
+ "eval_loss": 1.9865350723266602,
1120
+ "eval_runtime": 15.8645,
1121
+ "eval_samples_per_second": 5.043,
1122
+ "eval_steps_per_second": 1.261,
1123
+ "step": 1275
1124
+ },
1125
+ {
1126
+ "epoch": 25.002,
1127
+ "grad_norm": 0.008797760121524334,
1128
+ "learning_rate": 5.422222222222223e-06,
1129
+ "loss": 0.1231,
1130
+ "step": 1280
1131
+ },
1132
+ {
1133
+ "epoch": 25.006,
1134
+ "grad_norm": 0.012985019944608212,
1135
+ "learning_rate": 5.3777777777777784e-06,
1136
+ "loss": 0.0003,
1137
+ "step": 1290
1138
+ },
1139
+ {
1140
+ "epoch": 25.01,
1141
+ "grad_norm": 0.02057729661464691,
1142
+ "learning_rate": 5.333333333333334e-06,
1143
+ "loss": 0.058,
1144
+ "step": 1300
1145
+ },
1146
+ {
1147
+ "epoch": 25.014,
1148
+ "grad_norm": 1.6732549667358398,
1149
+ "learning_rate": 5.288888888888889e-06,
1150
+ "loss": 0.002,
1151
+ "step": 1310
1152
+ },
1153
+ {
1154
+ "epoch": 25.018,
1155
+ "grad_norm": 0.006808862090110779,
1156
+ "learning_rate": 5.244444444444445e-06,
1157
+ "loss": 0.0004,
1158
+ "step": 1320
1159
+ },
1160
+ {
1161
+ "epoch": 25.0204,
1162
+ "eval_accuracy": 0.7625,
1163
+ "eval_loss": 1.5100300312042236,
1164
+ "eval_runtime": 15.0066,
1165
+ "eval_samples_per_second": 5.331,
1166
+ "eval_steps_per_second": 1.333,
1167
+ "step": 1326
1168
+ },
1169
+ {
1170
+ "epoch": 26.0016,
1171
+ "grad_norm": 0.011416507884860039,
1172
+ "learning_rate": 5.2e-06,
1173
+ "loss": 0.0003,
1174
+ "step": 1330
1175
+ },
1176
+ {
1177
+ "epoch": 26.0056,
1178
+ "grad_norm": 0.006314845755696297,
1179
+ "learning_rate": 5.155555555555556e-06,
1180
+ "loss": 0.0236,
1181
+ "step": 1340
1182
+ },
1183
+ {
1184
+ "epoch": 26.0096,
1185
+ "grad_norm": 1.8917161226272583,
1186
+ "learning_rate": 5.1111111111111115e-06,
1187
+ "loss": 0.0011,
1188
+ "step": 1350
1189
+ },
1190
+ {
1191
+ "epoch": 26.0136,
1192
+ "grad_norm": 0.015401429496705532,
1193
+ "learning_rate": 5.0666666666666676e-06,
1194
+ "loss": 0.0003,
1195
+ "step": 1360
1196
+ },
1197
+ {
1198
+ "epoch": 26.0176,
1199
+ "grad_norm": 0.2598150372505188,
1200
+ "learning_rate": 5.022222222222223e-06,
1201
+ "loss": 0.1007,
1202
+ "step": 1370
1203
+ },
1204
+ {
1205
+ "epoch": 26.0204,
1206
+ "eval_accuracy": 0.6875,
1207
+ "eval_loss": 1.959010124206543,
1208
+ "eval_runtime": 15.1089,
1209
+ "eval_samples_per_second": 5.295,
1210
+ "eval_steps_per_second": 1.324,
1211
+ "step": 1377
1212
+ },
1213
+ {
1214
+ "epoch": 27.0012,
1215
+ "grad_norm": 0.025213167071342468,
1216
+ "learning_rate": 4.977777777777778e-06,
1217
+ "loss": 0.0352,
1218
+ "step": 1380
1219
+ },
1220
+ {
1221
+ "epoch": 27.0052,
1222
+ "grad_norm": 0.17898155748844147,
1223
+ "learning_rate": 4.933333333333334e-06,
1224
+ "loss": 0.0003,
1225
+ "step": 1390
1226
+ },
1227
+ {
1228
+ "epoch": 27.0092,
1229
+ "grad_norm": 0.011180482804775238,
1230
+ "learning_rate": 4.888888888888889e-06,
1231
+ "loss": 0.3099,
1232
+ "step": 1400
1233
+ },
1234
+ {
1235
+ "epoch": 27.0132,
1236
+ "grad_norm": 0.003275972092524171,
1237
+ "learning_rate": 4.8444444444444446e-06,
1238
+ "loss": 0.0006,
1239
+ "step": 1410
1240
+ },
1241
+ {
1242
+ "epoch": 27.0172,
1243
+ "grad_norm": 0.10510570555925369,
1244
+ "learning_rate": 4.800000000000001e-06,
1245
+ "loss": 0.0006,
1246
+ "step": 1420
1247
+ },
1248
+ {
1249
+ "epoch": 27.0204,
1250
+ "eval_accuracy": 0.7125,
1251
+ "eval_loss": 1.8345705270767212,
1252
+ "eval_runtime": 15.6323,
1253
+ "eval_samples_per_second": 5.118,
1254
+ "eval_steps_per_second": 1.279,
1255
+ "step": 1428
1256
+ },
1257
+ {
1258
+ "epoch": 28.0008,
1259
+ "grad_norm": 0.00974931288510561,
1260
+ "learning_rate": 4.755555555555556e-06,
1261
+ "loss": 0.0003,
1262
+ "step": 1430
1263
+ },
1264
+ {
1265
+ "epoch": 28.0048,
1266
+ "grad_norm": 0.01707894168794155,
1267
+ "learning_rate": 4.711111111111111e-06,
1268
+ "loss": 0.0002,
1269
+ "step": 1440
1270
+ },
1271
+ {
1272
+ "epoch": 28.0088,
1273
+ "grad_norm": 0.007560590747743845,
1274
+ "learning_rate": 4.666666666666667e-06,
1275
+ "loss": 0.0004,
1276
+ "step": 1450
1277
+ },
1278
+ {
1279
+ "epoch": 28.0128,
1280
+ "grad_norm": 66.74208068847656,
1281
+ "learning_rate": 4.622222222222222e-06,
1282
+ "loss": 0.1921,
1283
+ "step": 1460
1284
+ },
1285
+ {
1286
+ "epoch": 28.0168,
1287
+ "grad_norm": 0.0025084693916141987,
1288
+ "learning_rate": 4.5777777777777785e-06,
1289
+ "loss": 0.0006,
1290
+ "step": 1470
1291
+ },
1292
+ {
1293
+ "epoch": 28.0204,
1294
+ "eval_accuracy": 0.825,
1295
+ "eval_loss": 1.4668537378311157,
1296
+ "eval_runtime": 14.5998,
1297
+ "eval_samples_per_second": 5.48,
1298
+ "eval_steps_per_second": 1.37,
1299
+ "step": 1479
1300
+ },
1301
+ {
1302
+ "epoch": 29.0004,
1303
+ "grad_norm": 0.3155474364757538,
1304
+ "learning_rate": 4.533333333333334e-06,
1305
+ "loss": 0.0002,
1306
+ "step": 1480
1307
+ },
1308
+ {
1309
+ "epoch": 29.0044,
1310
+ "grad_norm": 0.024095896631479263,
1311
+ "learning_rate": 4.488888888888889e-06,
1312
+ "loss": 0.0011,
1313
+ "step": 1490
1314
+ },
1315
+ {
1316
+ "epoch": 29.0084,
1317
+ "grad_norm": 0.00578249292448163,
1318
+ "learning_rate": 4.444444444444444e-06,
1319
+ "loss": 0.0002,
1320
+ "step": 1500
1321
+ },
1322
+ {
1323
+ "epoch": 29.0124,
1324
+ "grad_norm": 0.009000943042337894,
1325
+ "learning_rate": 4.4e-06,
1326
+ "loss": 0.0008,
1327
+ "step": 1510
1328
+ },
1329
+ {
1330
+ "epoch": 29.0164,
1331
+ "grad_norm": 0.3360608220100403,
1332
+ "learning_rate": 4.3555555555555555e-06,
1333
+ "loss": 0.0004,
1334
+ "step": 1520
1335
+ },
1336
+ {
1337
+ "epoch": 29.0204,
1338
+ "grad_norm": 0.007300488650798798,
1339
+ "learning_rate": 4.3111111111111115e-06,
1340
+ "loss": 0.0001,
1341
+ "step": 1530
1342
+ },
1343
+ {
1344
+ "epoch": 29.0204,
1345
+ "eval_accuracy": 0.7875,
1346
+ "eval_loss": 1.5396068096160889,
1347
+ "eval_runtime": 14.8018,
1348
+ "eval_samples_per_second": 5.405,
1349
+ "eval_steps_per_second": 1.351,
1350
+ "step": 1530
1351
+ },
1352
+ {
1353
+ "epoch": 30.004,
1354
+ "grad_norm": 0.0051333606243133545,
1355
+ "learning_rate": 4.266666666666668e-06,
1356
+ "loss": 0.0002,
1357
+ "step": 1540
1358
+ },
1359
+ {
1360
+ "epoch": 30.008,
1361
+ "grad_norm": 0.006649728864431381,
1362
+ "learning_rate": 4.222222222222223e-06,
1363
+ "loss": 0.0002,
1364
+ "step": 1550
1365
+ },
1366
+ {
1367
+ "epoch": 30.012,
1368
+ "grad_norm": 0.004679904319345951,
1369
+ "learning_rate": 4.177777777777778e-06,
1370
+ "loss": 0.0002,
1371
+ "step": 1560
1372
+ },
1373
+ {
1374
+ "epoch": 30.016,
1375
+ "grad_norm": 220.38076782226562,
1376
+ "learning_rate": 4.133333333333333e-06,
1377
+ "loss": 0.0777,
1378
+ "step": 1570
1379
+ },
1380
+ {
1381
+ "epoch": 30.02,
1382
+ "grad_norm": 0.004013615660369396,
1383
+ "learning_rate": 4.088888888888889e-06,
1384
+ "loss": 0.0002,
1385
+ "step": 1580
1386
+ },
1387
+ {
1388
+ "epoch": 30.0204,
1389
+ "eval_accuracy": 0.7875,
1390
+ "eval_loss": 1.571619987487793,
1391
+ "eval_runtime": 14.813,
1392
+ "eval_samples_per_second": 5.401,
1393
+ "eval_steps_per_second": 1.35,
1394
+ "step": 1581
1395
+ },
1396
+ {
1397
+ "epoch": 31.0036,
1398
+ "grad_norm": 0.049216415733098984,
1399
+ "learning_rate": 4.044444444444445e-06,
1400
+ "loss": 0.0002,
1401
+ "step": 1590
1402
+ },
1403
+ {
1404
+ "epoch": 31.0076,
1405
+ "grad_norm": 0.01534576527774334,
1406
+ "learning_rate": 4.000000000000001e-06,
1407
+ "loss": 0.0001,
1408
+ "step": 1600
1409
+ },
1410
+ {
1411
+ "epoch": 31.0116,
1412
+ "grad_norm": 0.002917769132182002,
1413
+ "learning_rate": 3.955555555555556e-06,
1414
+ "loss": 0.0002,
1415
+ "step": 1610
1416
+ },
1417
+ {
1418
+ "epoch": 31.0156,
1419
+ "grad_norm": 0.002222651382908225,
1420
+ "learning_rate": 3.911111111111112e-06,
1421
+ "loss": 0.0002,
1422
+ "step": 1620
1423
+ },
1424
+ {
1425
+ "epoch": 31.0196,
1426
+ "grad_norm": 0.008118602447211742,
1427
+ "learning_rate": 3.866666666666667e-06,
1428
+ "loss": 0.0001,
1429
+ "step": 1630
1430
+ },
1431
+ {
1432
+ "epoch": 31.0204,
1433
+ "eval_accuracy": 0.7625,
1434
+ "eval_loss": 1.6614097356796265,
1435
+ "eval_runtime": 14.4379,
1436
+ "eval_samples_per_second": 5.541,
1437
+ "eval_steps_per_second": 1.385,
1438
+ "step": 1632
1439
+ },
1440
+ {
1441
+ "epoch": 32.0032,
1442
+ "grad_norm": 0.004146672319620848,
1443
+ "learning_rate": 3.8222222222222224e-06,
1444
+ "loss": 0.0001,
1445
+ "step": 1640
1446
+ },
1447
+ {
1448
+ "epoch": 32.0072,
1449
+ "grad_norm": 0.0034797696862369776,
1450
+ "learning_rate": 3.777777777777778e-06,
1451
+ "loss": 0.0001,
1452
+ "step": 1650
1453
+ },
1454
+ {
1455
+ "epoch": 32.0112,
1456
+ "grad_norm": 0.0042143468745052814,
1457
+ "learning_rate": 3.7333333333333337e-06,
1458
+ "loss": 0.0001,
1459
+ "step": 1660
1460
+ },
1461
+ {
1462
+ "epoch": 32.0152,
1463
+ "grad_norm": 0.054984163492918015,
1464
+ "learning_rate": 3.688888888888889e-06,
1465
+ "loss": 0.0001,
1466
+ "step": 1670
1467
+ },
1468
+ {
1469
+ "epoch": 32.0192,
1470
+ "grad_norm": 0.004838942550122738,
1471
+ "learning_rate": 3.644444444444445e-06,
1472
+ "loss": 0.0002,
1473
+ "step": 1680
1474
+ },
1475
+ {
1476
+ "epoch": 32.0204,
1477
+ "eval_accuracy": 0.7625,
1478
+ "eval_loss": 1.6355606317520142,
1479
+ "eval_runtime": 15.4442,
1480
+ "eval_samples_per_second": 5.18,
1481
+ "eval_steps_per_second": 1.295,
1482
+ "step": 1683
1483
+ },
1484
+ {
1485
+ "epoch": 33.0028,
1486
+ "grad_norm": 0.3461035192012787,
1487
+ "learning_rate": 3.6000000000000003e-06,
1488
+ "loss": 0.0001,
1489
+ "step": 1690
1490
+ },
1491
+ {
1492
+ "epoch": 33.0068,
1493
+ "grad_norm": 0.002831398043781519,
1494
+ "learning_rate": 3.555555555555556e-06,
1495
+ "loss": 0.0001,
1496
+ "step": 1700
1497
+ },
1498
+ {
1499
+ "epoch": 33.0108,
1500
+ "grad_norm": 0.06873564422130585,
1501
+ "learning_rate": 3.511111111111111e-06,
1502
+ "loss": 0.0001,
1503
+ "step": 1710
1504
+ },
1505
+ {
1506
+ "epoch": 33.0148,
1507
+ "grad_norm": 0.006833823397755623,
1508
+ "learning_rate": 3.4666666666666672e-06,
1509
+ "loss": 0.0002,
1510
+ "step": 1720
1511
+ },
1512
+ {
1513
+ "epoch": 33.0188,
1514
+ "grad_norm": 0.004828931763768196,
1515
+ "learning_rate": 3.4222222222222224e-06,
1516
+ "loss": 0.0001,
1517
+ "step": 1730
1518
+ },
1519
+ {
1520
+ "epoch": 33.0204,
1521
+ "eval_accuracy": 0.8,
1522
+ "eval_loss": 1.5730502605438232,
1523
+ "eval_runtime": 14.4769,
1524
+ "eval_samples_per_second": 5.526,
1525
+ "eval_steps_per_second": 1.382,
1526
+ "step": 1734
1527
+ },
1528
+ {
1529
+ "epoch": 34.0024,
1530
+ "grad_norm": 0.02358504943549633,
1531
+ "learning_rate": 3.377777777777778e-06,
1532
+ "loss": 0.0003,
1533
+ "step": 1740
1534
+ },
1535
+ {
1536
+ "epoch": 34.0064,
1537
+ "grad_norm": 0.0021904546301811934,
1538
+ "learning_rate": 3.3333333333333333e-06,
1539
+ "loss": 0.0237,
1540
+ "step": 1750
1541
+ },
1542
+ {
1543
+ "epoch": 34.0104,
1544
+ "grad_norm": 0.004002240486443043,
1545
+ "learning_rate": 3.2888888888888894e-06,
1546
+ "loss": 0.0002,
1547
+ "step": 1760
1548
+ },
1549
+ {
1550
+ "epoch": 34.0144,
1551
+ "grad_norm": 0.00806827750056982,
1552
+ "learning_rate": 3.2444444444444446e-06,
1553
+ "loss": 0.0001,
1554
+ "step": 1770
1555
+ },
1556
+ {
1557
+ "epoch": 34.0184,
1558
+ "grad_norm": 0.004369418602436781,
1559
+ "learning_rate": 3.2000000000000003e-06,
1560
+ "loss": 0.0001,
1561
+ "step": 1780
1562
+ },
1563
+ {
1564
+ "epoch": 34.0204,
1565
+ "eval_accuracy": 0.725,
1566
+ "eval_loss": 2.0019965171813965,
1567
+ "eval_runtime": 14.7093,
1568
+ "eval_samples_per_second": 5.439,
1569
+ "eval_steps_per_second": 1.36,
1570
+ "step": 1785
1571
+ },
1572
+ {
1573
+ "epoch": 35.002,
1574
+ "grad_norm": 0.004029570147395134,
1575
+ "learning_rate": 3.1555555555555555e-06,
1576
+ "loss": 0.0001,
1577
+ "step": 1790
1578
+ },
1579
+ {
1580
+ "epoch": 35.006,
1581
+ "grad_norm": 0.0854596495628357,
1582
+ "learning_rate": 3.1111111111111116e-06,
1583
+ "loss": 0.0001,
1584
+ "step": 1800
1585
+ },
1586
+ {
1587
+ "epoch": 35.01,
1588
+ "grad_norm": 0.00881748553365469,
1589
+ "learning_rate": 3.066666666666667e-06,
1590
+ "loss": 0.0001,
1591
+ "step": 1810
1592
+ },
1593
+ {
1594
+ "epoch": 35.014,
1595
+ "grad_norm": 0.007664634846150875,
1596
+ "learning_rate": 3.0222222222222225e-06,
1597
+ "loss": 0.0001,
1598
+ "step": 1820
1599
+ },
1600
+ {
1601
+ "epoch": 35.018,
1602
+ "grad_norm": 0.004043503198772669,
1603
+ "learning_rate": 2.9777777777777777e-06,
1604
+ "loss": 0.0001,
1605
+ "step": 1830
1606
+ },
1607
+ {
1608
+ "epoch": 35.0204,
1609
+ "eval_accuracy": 0.75,
1610
+ "eval_loss": 1.888606071472168,
1611
+ "eval_runtime": 16.1561,
1612
+ "eval_samples_per_second": 4.952,
1613
+ "eval_steps_per_second": 1.238,
1614
+ "step": 1836
1615
+ },
1616
+ {
1617
+ "epoch": 36.0016,
1618
+ "grad_norm": 0.027049187570810318,
1619
+ "learning_rate": 2.9333333333333338e-06,
1620
+ "loss": 0.0001,
1621
+ "step": 1840
1622
+ },
1623
+ {
1624
+ "epoch": 36.0056,
1625
+ "grad_norm": 0.011712036095559597,
1626
+ "learning_rate": 2.888888888888889e-06,
1627
+ "loss": 0.0001,
1628
+ "step": 1850
1629
+ },
1630
+ {
1631
+ "epoch": 36.0096,
1632
+ "grad_norm": 0.0028739357367157936,
1633
+ "learning_rate": 2.8444444444444446e-06,
1634
+ "loss": 0.0001,
1635
+ "step": 1860
1636
+ },
1637
+ {
1638
+ "epoch": 36.0136,
1639
+ "grad_norm": 0.0029218129348009825,
1640
+ "learning_rate": 2.8000000000000003e-06,
1641
+ "loss": 0.0001,
1642
+ "step": 1870
1643
+ },
1644
+ {
1645
+ "epoch": 36.0176,
1646
+ "grad_norm": 0.002428996842354536,
1647
+ "learning_rate": 2.755555555555556e-06,
1648
+ "loss": 0.0001,
1649
+ "step": 1880
1650
+ },
1651
+ {
1652
+ "epoch": 36.0204,
1653
+ "eval_accuracy": 0.75,
1654
+ "eval_loss": 1.8363139629364014,
1655
+ "eval_runtime": 14.1077,
1656
+ "eval_samples_per_second": 5.671,
1657
+ "eval_steps_per_second": 1.418,
1658
+ "step": 1887
1659
+ },
1660
+ {
1661
+ "epoch": 37.0012,
1662
+ "grad_norm": 0.001762293977662921,
1663
+ "learning_rate": 2.7111111111111116e-06,
1664
+ "loss": 0.0001,
1665
+ "step": 1890
1666
+ },
1667
+ {
1668
+ "epoch": 37.0052,
1669
+ "grad_norm": 0.010973138734698296,
1670
+ "learning_rate": 2.666666666666667e-06,
1671
+ "loss": 0.0001,
1672
+ "step": 1900
1673
+ },
1674
+ {
1675
+ "epoch": 37.0092,
1676
+ "grad_norm": 0.007034891285002232,
1677
+ "learning_rate": 2.6222222222222225e-06,
1678
+ "loss": 0.0001,
1679
+ "step": 1910
1680
+ },
1681
+ {
1682
+ "epoch": 37.0132,
1683
+ "grad_norm": 0.04831545799970627,
1684
+ "learning_rate": 2.577777777777778e-06,
1685
+ "loss": 0.0001,
1686
+ "step": 1920
1687
+ },
1688
+ {
1689
+ "epoch": 37.0172,
1690
+ "grad_norm": 0.003924284130334854,
1691
+ "learning_rate": 2.5333333333333338e-06,
1692
+ "loss": 0.0001,
1693
+ "step": 1930
1694
+ },
1695
+ {
1696
+ "epoch": 37.0204,
1697
+ "eval_accuracy": 0.7625,
1698
+ "eval_loss": 1.6848043203353882,
1699
+ "eval_runtime": 14.1172,
1700
+ "eval_samples_per_second": 5.667,
1701
+ "eval_steps_per_second": 1.417,
1702
+ "step": 1938
1703
+ },
1704
+ {
1705
+ "epoch": 38.0008,
1706
+ "grad_norm": 0.003881203942000866,
1707
+ "learning_rate": 2.488888888888889e-06,
1708
+ "loss": 0.0001,
1709
+ "step": 1940
1710
+ },
1711
+ {
1712
+ "epoch": 38.0048,
1713
+ "grad_norm": 0.002467320766299963,
1714
+ "learning_rate": 2.4444444444444447e-06,
1715
+ "loss": 0.0001,
1716
+ "step": 1950
1717
+ },
1718
+ {
1719
+ "epoch": 38.0088,
1720
+ "grad_norm": 0.004267244599759579,
1721
+ "learning_rate": 2.4000000000000003e-06,
1722
+ "loss": 0.0001,
1723
+ "step": 1960
1724
+ },
1725
+ {
1726
+ "epoch": 38.0128,
1727
+ "grad_norm": 0.003334041452035308,
1728
+ "learning_rate": 2.3555555555555555e-06,
1729
+ "loss": 0.1433,
1730
+ "step": 1970
1731
+ },
1732
+ {
1733
+ "epoch": 38.0168,
1734
+ "grad_norm": 0.0034292838536202908,
1735
+ "learning_rate": 2.311111111111111e-06,
1736
+ "loss": 0.0001,
1737
+ "step": 1980
1738
+ },
1739
+ {
1740
+ "epoch": 38.0204,
1741
+ "eval_accuracy": 0.75,
1742
+ "eval_loss": 1.7187621593475342,
1743
+ "eval_runtime": 14.1135,
1744
+ "eval_samples_per_second": 5.668,
1745
+ "eval_steps_per_second": 1.417,
1746
+ "step": 1989
1747
+ },
1748
+ {
1749
+ "epoch": 39.0004,
1750
+ "grad_norm": 0.002690413035452366,
1751
+ "learning_rate": 2.266666666666667e-06,
1752
+ "loss": 0.0142,
1753
+ "step": 1990
1754
+ },
1755
+ {
1756
+ "epoch": 39.0044,
1757
+ "grad_norm": 0.003135059028863907,
1758
+ "learning_rate": 2.222222222222222e-06,
1759
+ "loss": 0.0001,
1760
+ "step": 2000
1761
+ },
1762
+ {
1763
+ "epoch": 39.0084,
1764
+ "grad_norm": 0.003898640163242817,
1765
+ "learning_rate": 2.1777777777777777e-06,
1766
+ "loss": 0.0001,
1767
+ "step": 2010
1768
+ },
1769
+ {
1770
+ "epoch": 39.0124,
1771
+ "grad_norm": 0.0050819204188883305,
1772
+ "learning_rate": 2.133333333333334e-06,
1773
+ "loss": 0.0001,
1774
+ "step": 2020
1775
+ },
1776
+ {
1777
+ "epoch": 39.0164,
1778
+ "grad_norm": 0.0032317114528268576,
1779
+ "learning_rate": 2.088888888888889e-06,
1780
+ "loss": 0.0412,
1781
+ "step": 2030
1782
+ },
1783
+ {
1784
+ "epoch": 39.0204,
1785
+ "grad_norm": 0.00116757582873106,
1786
+ "learning_rate": 2.0444444444444447e-06,
1787
+ "loss": 0.0001,
1788
+ "step": 2040
1789
+ },
1790
+ {
1791
+ "epoch": 39.0204,
1792
+ "eval_accuracy": 0.8,
1793
+ "eval_loss": 1.5820459127426147,
1794
+ "eval_runtime": 15.2596,
1795
+ "eval_samples_per_second": 5.243,
1796
+ "eval_steps_per_second": 1.311,
1797
+ "step": 2040
1798
+ },
1799
+ {
1800
+ "epoch": 40.004,
1801
+ "grad_norm": 0.00318012572824955,
1802
+ "learning_rate": 2.0000000000000003e-06,
1803
+ "loss": 0.0001,
1804
+ "step": 2050
1805
+ },
1806
+ {
1807
+ "epoch": 40.008,
1808
+ "grad_norm": 0.0023195173125714064,
1809
+ "learning_rate": 1.955555555555556e-06,
1810
+ "loss": 0.0008,
1811
+ "step": 2060
1812
+ },
1813
+ {
1814
+ "epoch": 40.012,
1815
+ "grad_norm": 0.002880761167034507,
1816
+ "learning_rate": 1.9111111111111112e-06,
1817
+ "loss": 0.0001,
1818
+ "step": 2070
1819
+ },
1820
+ {
1821
+ "epoch": 40.016,
1822
+ "grad_norm": 88.72091674804688,
1823
+ "learning_rate": 1.8666666666666669e-06,
1824
+ "loss": 0.0023,
1825
+ "step": 2080
1826
+ },
1827
+ {
1828
+ "epoch": 40.02,
1829
+ "grad_norm": 0.0025204592384397984,
1830
+ "learning_rate": 1.8222222222222225e-06,
1831
+ "loss": 0.0001,
1832
+ "step": 2090
1833
+ },
1834
+ {
1835
+ "epoch": 40.0204,
1836
+ "eval_accuracy": 0.7875,
1837
+ "eval_loss": 1.6061248779296875,
1838
+ "eval_runtime": 14.5072,
1839
+ "eval_samples_per_second": 5.515,
1840
+ "eval_steps_per_second": 1.379,
1841
+ "step": 2091
1842
+ },
1843
+ {
1844
+ "epoch": 41.0036,
1845
+ "grad_norm": 0.0022217093501240015,
1846
+ "learning_rate": 1.777777777777778e-06,
1847
+ "loss": 0.167,
1848
+ "step": 2100
1849
+ },
1850
+ {
1851
+ "epoch": 41.0076,
1852
+ "grad_norm": 0.0016050190897658467,
1853
+ "learning_rate": 1.7333333333333336e-06,
1854
+ "loss": 0.0001,
1855
+ "step": 2110
1856
+ },
1857
+ {
1858
+ "epoch": 41.0116,
1859
+ "grad_norm": 0.0031738209072500467,
1860
+ "learning_rate": 1.688888888888889e-06,
1861
+ "loss": 0.0001,
1862
+ "step": 2120
1863
+ },
1864
+ {
1865
+ "epoch": 41.0156,
1866
+ "grad_norm": 0.0036317266058176756,
1867
+ "learning_rate": 1.6444444444444447e-06,
1868
+ "loss": 0.0001,
1869
+ "step": 2130
1870
+ },
1871
+ {
1872
+ "epoch": 41.0196,
1873
+ "grad_norm": 0.002648336812853813,
1874
+ "learning_rate": 1.6000000000000001e-06,
1875
+ "loss": 0.0001,
1876
+ "step": 2140
1877
+ },
1878
+ {
1879
+ "epoch": 41.0204,
1880
+ "eval_accuracy": 0.7,
1881
+ "eval_loss": 2.2816524505615234,
1882
+ "eval_runtime": 14.2804,
1883
+ "eval_samples_per_second": 5.602,
1884
+ "eval_steps_per_second": 1.401,
1885
+ "step": 2142
1886
+ },
1887
+ {
1888
+ "epoch": 42.0032,
1889
+ "grad_norm": 0.0022142785601317883,
1890
+ "learning_rate": 1.5555555555555558e-06,
1891
+ "loss": 0.0001,
1892
+ "step": 2150
1893
+ },
1894
+ {
1895
+ "epoch": 42.0072,
1896
+ "grad_norm": 0.006730781402438879,
1897
+ "learning_rate": 1.5111111111111112e-06,
1898
+ "loss": 0.0001,
1899
+ "step": 2160
1900
+ },
1901
+ {
1902
+ "epoch": 42.0112,
1903
+ "grad_norm": 0.0027248021215200424,
1904
+ "learning_rate": 1.4666666666666669e-06,
1905
+ "loss": 0.0001,
1906
+ "step": 2170
1907
+ },
1908
+ {
1909
+ "epoch": 42.0152,
1910
+ "grad_norm": 0.0026180455461144447,
1911
+ "learning_rate": 1.4222222222222223e-06,
1912
+ "loss": 0.0001,
1913
+ "step": 2180
1914
+ },
1915
+ {
1916
+ "epoch": 42.0192,
1917
+ "grad_norm": 0.0017348204273730516,
1918
+ "learning_rate": 1.377777777777778e-06,
1919
+ "loss": 0.0001,
1920
+ "step": 2190
1921
+ },
1922
+ {
1923
+ "epoch": 42.0204,
1924
+ "eval_accuracy": 0.725,
1925
+ "eval_loss": 2.101508617401123,
1926
+ "eval_runtime": 15.3729,
1927
+ "eval_samples_per_second": 5.204,
1928
+ "eval_steps_per_second": 1.301,
1929
+ "step": 2193
1930
+ },
1931
+ {
1932
+ "epoch": 43.0028,
1933
+ "grad_norm": 0.0021387911401689053,
1934
+ "learning_rate": 1.3333333333333334e-06,
1935
+ "loss": 0.0001,
1936
+ "step": 2200
1937
+ },
1938
+ {
1939
+ "epoch": 43.0068,
1940
+ "grad_norm": 0.0030123190954327583,
1941
+ "learning_rate": 1.288888888888889e-06,
1942
+ "loss": 0.0001,
1943
+ "step": 2210
1944
+ },
1945
+ {
1946
+ "epoch": 43.0108,
1947
+ "grad_norm": 0.0043581160716712475,
1948
+ "learning_rate": 1.2444444444444445e-06,
1949
+ "loss": 0.0001,
1950
+ "step": 2220
1951
+ },
1952
+ {
1953
+ "epoch": 43.0148,
1954
+ "grad_norm": 0.0023331050761044025,
1955
+ "learning_rate": 1.2000000000000002e-06,
1956
+ "loss": 0.0001,
1957
+ "step": 2230
1958
+ },
1959
+ {
1960
+ "epoch": 43.0188,
1961
+ "grad_norm": 0.0014669563388451934,
1962
+ "learning_rate": 1.1555555555555556e-06,
1963
+ "loss": 0.0001,
1964
+ "step": 2240
1965
+ },
1966
+ {
1967
+ "epoch": 43.0204,
1968
+ "eval_accuracy": 0.775,
1969
+ "eval_loss": 1.6356258392333984,
1970
+ "eval_runtime": 14.3954,
1971
+ "eval_samples_per_second": 5.557,
1972
+ "eval_steps_per_second": 1.389,
1973
+ "step": 2244
1974
+ },
1975
+ {
1976
+ "epoch": 44.0024,
1977
+ "grad_norm": 0.0022818814031779766,
1978
+ "learning_rate": 1.111111111111111e-06,
1979
+ "loss": 0.2123,
1980
+ "step": 2250
1981
+ },
1982
+ {
1983
+ "epoch": 44.0064,
1984
+ "grad_norm": 0.004321521148085594,
1985
+ "learning_rate": 1.066666666666667e-06,
1986
+ "loss": 0.0001,
1987
+ "step": 2260
1988
+ },
1989
+ {
1990
+ "epoch": 44.0104,
1991
+ "grad_norm": 0.002616771264001727,
1992
+ "learning_rate": 1.0222222222222223e-06,
1993
+ "loss": 0.0001,
1994
+ "step": 2270
1995
+ },
1996
+ {
1997
+ "epoch": 44.0144,
1998
+ "grad_norm": 0.008771556429564953,
1999
+ "learning_rate": 9.77777777777778e-07,
2000
+ "loss": 0.0001,
2001
+ "step": 2280
2002
+ },
2003
+ {
2004
+ "epoch": 44.0184,
2005
+ "grad_norm": 0.007163883652538061,
2006
+ "learning_rate": 9.333333333333334e-07,
2007
+ "loss": 0.0001,
2008
+ "step": 2290
2009
+ },
2010
+ {
2011
+ "epoch": 44.0204,
2012
+ "eval_accuracy": 0.8125,
2013
+ "eval_loss": 1.5849277973175049,
2014
+ "eval_runtime": 14.7946,
2015
+ "eval_samples_per_second": 5.407,
2016
+ "eval_steps_per_second": 1.352,
2017
+ "step": 2295
2018
+ },
2019
+ {
2020
+ "epoch": 45.002,
2021
+ "grad_norm": 0.001609973143786192,
2022
+ "learning_rate": 8.88888888888889e-07,
2023
+ "loss": 0.0001,
2024
+ "step": 2300
2025
+ },
2026
+ {
2027
+ "epoch": 45.006,
2028
+ "grad_norm": 0.0015221175272017717,
2029
+ "learning_rate": 8.444444444444445e-07,
2030
+ "loss": 0.0001,
2031
+ "step": 2310
2032
+ },
2033
+ {
2034
+ "epoch": 45.01,
2035
+ "grad_norm": 0.00561766279861331,
2036
+ "learning_rate": 8.000000000000001e-07,
2037
+ "loss": 0.0002,
2038
+ "step": 2320
2039
+ },
2040
+ {
2041
+ "epoch": 45.014,
2042
+ "grad_norm": 0.005561948753893375,
2043
+ "learning_rate": 7.555555555555556e-07,
2044
+ "loss": 0.0001,
2045
+ "step": 2330
2046
+ },
2047
+ {
2048
+ "epoch": 45.018,
2049
+ "grad_norm": 0.0020426807459443808,
2050
+ "learning_rate": 7.111111111111112e-07,
2051
+ "loss": 0.0001,
2052
+ "step": 2340
2053
+ },
2054
+ {
2055
+ "epoch": 45.0204,
2056
+ "eval_accuracy": 0.775,
2057
+ "eval_loss": 1.6463369131088257,
2058
+ "eval_runtime": 15.349,
2059
+ "eval_samples_per_second": 5.212,
2060
+ "eval_steps_per_second": 1.303,
2061
+ "step": 2346
2062
+ },
2063
+ {
2064
+ "epoch": 46.0016,
2065
+ "grad_norm": 0.011843581683933735,
2066
+ "learning_rate": 6.666666666666667e-07,
2067
+ "loss": 0.0001,
2068
+ "step": 2350
2069
+ },
2070
+ {
2071
+ "epoch": 46.0056,
2072
+ "grad_norm": 0.003159413579851389,
2073
+ "learning_rate": 6.222222222222223e-07,
2074
+ "loss": 0.0001,
2075
+ "step": 2360
2076
+ },
2077
+ {
2078
+ "epoch": 46.0096,
2079
+ "grad_norm": 0.021830186247825623,
2080
+ "learning_rate": 5.777777777777778e-07,
2081
+ "loss": 0.0001,
2082
+ "step": 2370
2083
+ },
2084
+ {
2085
+ "epoch": 46.0136,
2086
+ "grad_norm": 0.0015857354737818241,
2087
+ "learning_rate": 5.333333333333335e-07,
2088
+ "loss": 0.0001,
2089
+ "step": 2380
2090
+ },
2091
+ {
2092
+ "epoch": 46.0176,
2093
+ "grad_norm": 0.0021360372193157673,
2094
+ "learning_rate": 4.88888888888889e-07,
2095
+ "loss": 0.0001,
2096
+ "step": 2390
2097
+ },
2098
+ {
2099
+ "epoch": 46.0204,
2100
+ "eval_accuracy": 0.775,
2101
+ "eval_loss": 1.664137601852417,
2102
+ "eval_runtime": 14.3393,
2103
+ "eval_samples_per_second": 5.579,
2104
+ "eval_steps_per_second": 1.395,
2105
+ "step": 2397
2106
+ },
2107
+ {
2108
+ "epoch": 47.0012,
2109
+ "grad_norm": 7.805647850036621,
2110
+ "learning_rate": 4.444444444444445e-07,
2111
+ "loss": 0.0007,
2112
+ "step": 2400
2113
+ },
2114
+ {
2115
+ "epoch": 47.0052,
2116
+ "grad_norm": 0.002305046422407031,
2117
+ "learning_rate": 4.0000000000000003e-07,
2118
+ "loss": 0.0001,
2119
+ "step": 2410
2120
+ },
2121
+ {
2122
+ "epoch": 47.0092,
2123
+ "grad_norm": 0.0024446428287774324,
2124
+ "learning_rate": 3.555555555555556e-07,
2125
+ "loss": 0.0001,
2126
+ "step": 2420
2127
+ },
2128
+ {
2129
+ "epoch": 47.0132,
2130
+ "grad_norm": 0.0018226341344416142,
2131
+ "learning_rate": 3.111111111111111e-07,
2132
+ "loss": 0.0001,
2133
+ "step": 2430
2134
+ },
2135
+ {
2136
+ "epoch": 47.0172,
2137
+ "grad_norm": 0.0018344988347962499,
2138
+ "learning_rate": 2.666666666666667e-07,
2139
+ "loss": 0.0001,
2140
+ "step": 2440
2141
+ },
2142
+ {
2143
+ "epoch": 47.0204,
2144
+ "eval_accuracy": 0.7875,
2145
+ "eval_loss": 1.612348198890686,
2146
+ "eval_runtime": 14.4481,
2147
+ "eval_samples_per_second": 5.537,
2148
+ "eval_steps_per_second": 1.384,
2149
+ "step": 2448
2150
+ },
2151
+ {
2152
+ "epoch": 48.0008,
2153
+ "grad_norm": 0.0016147164860740304,
2154
+ "learning_rate": 2.2222222222222224e-07,
2155
+ "loss": 0.0001,
2156
+ "step": 2450
2157
+ },
2158
+ {
2159
+ "epoch": 48.0048,
2160
+ "grad_norm": 0.0015180219197645783,
2161
+ "learning_rate": 1.777777777777778e-07,
2162
+ "loss": 0.0001,
2163
+ "step": 2460
2164
+ },
2165
+ {
2166
+ "epoch": 48.0088,
2167
+ "grad_norm": 0.0027082718443125486,
2168
+ "learning_rate": 1.3333333333333336e-07,
2169
+ "loss": 0.0001,
2170
+ "step": 2470
2171
+ },
2172
+ {
2173
+ "epoch": 48.0128,
2174
+ "grad_norm": 0.0015189133118838072,
2175
+ "learning_rate": 8.88888888888889e-08,
2176
+ "loss": 0.0001,
2177
+ "step": 2480
2178
+ },
2179
+ {
2180
+ "epoch": 48.0168,
2181
+ "grad_norm": 0.0014700506580993533,
2182
+ "learning_rate": 4.444444444444445e-08,
2183
+ "loss": 0.0001,
2184
+ "step": 2490
2185
+ },
2186
+ {
2187
+ "epoch": 48.0204,
2188
+ "eval_accuracy": 0.7875,
2189
+ "eval_loss": 1.6145384311676025,
2190
+ "eval_runtime": 14.6364,
2191
+ "eval_samples_per_second": 5.466,
2192
+ "eval_steps_per_second": 1.366,
2193
+ "step": 2499
2194
+ },
2195
+ {
2196
+ "epoch": 49.0004,
2197
+ "grad_norm": 0.005640446674078703,
2198
+ "learning_rate": 0.0,
2199
+ "loss": 0.0001,
2200
+ "step": 2500
2201
+ },
2202
+ {
2203
+ "epoch": 49.0004,
2204
+ "eval_accuracy": 0.7875,
2205
+ "eval_loss": 1.6145387887954712,
2206
+ "eval_runtime": 15.4845,
2207
+ "eval_samples_per_second": 5.166,
2208
+ "eval_steps_per_second": 1.292,
2209
+ "step": 2500
2210
+ },
2211
+ {
2212
+ "epoch": 49.0004,
2213
+ "step": 2500,
2214
+ "total_flos": 4.34799425740686e+19,
2215
+ "train_loss": 0.1747144501608098,
2216
+ "train_runtime": 4798.9949,
2217
+ "train_samples_per_second": 2.084,
2218
+ "train_steps_per_second": 0.521
2219
+ },
2220
+ {
2221
+ "epoch": 49.0004,
2222
+ "eval_accuracy": 0.5753424657534246,
2223
+ "eval_loss": 2.5945777893066406,
2224
+ "eval_runtime": 15.5022,
2225
+ "eval_samples_per_second": 4.709,
2226
+ "eval_steps_per_second": 1.226,
2227
+ "step": 2500
2228
+ },
2229
+ {
2230
+ "epoch": 49.0004,
2231
+ "eval_accuracy": 0.5753424657534246,
2232
+ "eval_loss": 2.5945777893066406,
2233
+ "eval_runtime": 14.1475,
2234
+ "eval_samples_per_second": 5.16,
2235
+ "eval_steps_per_second": 1.343,
2236
+ "step": 2500
2237
+ }
2238
+ ],
2239
+ "logging_steps": 10,
2240
+ "max_steps": 2500,
2241
+ "num_input_tokens_seen": 0,
2242
+ "num_train_epochs": 9223372036854775807,
2243
+ "save_steps": 500,
2244
+ "stateful_callbacks": {
2245
+ "TrainerControl": {
2246
+ "args": {
2247
+ "should_epoch_stop": false,
2248
+ "should_evaluate": false,
2249
+ "should_log": false,
2250
+ "should_save": true,
2251
+ "should_training_stop": true
2252
+ },
2253
+ "attributes": {}
2254
+ }
2255
+ },
2256
+ "total_flos": 4.34799425740686e+19,
2257
+ "train_batch_size": 4,
2258
+ "trial_name": null,
2259
+ "trial_params": null
2260
+ }