Hugging Face's logo

Spaces:
ItsNikolor
/
ShadML2-article-classification
Sleeping

App Files Community
ItsNikolor commited on
Commit
78f93e5
·
1 Parent(s): dc4b3b0

Upload 23 files

Browse files
Files changed (18) hide show
  1. app.py +66 -0
  2. my_model/checkpoint-513/config.json +43 -0
  3. my_model/checkpoint-513/config.jsonZone.Identifier +0 -0
  4. my_model/checkpoint-513/model.safetensorsZone.Identifier +0 -0
  5. my_model/checkpoint-513/optimizer.ptZone.Identifier +0 -0
  6. my_model/checkpoint-513/rng_state.pthZone.Identifier +0 -0
  7. my_model/checkpoint-513/scheduler.ptZone.Identifier +0 -0
  8. my_model/checkpoint-513/special_tokens_map.json +7 -0
  9. my_model/checkpoint-513/special_tokens_map.jsonZone.Identifier +0 -0
  10. my_model/checkpoint-513/tokenizer.json +0 -0
  11. my_model/checkpoint-513/tokenizer.jsonZone.Identifier +0 -0
  12. my_model/checkpoint-513/tokenizer_config.json +56 -0
  13. my_model/checkpoint-513/tokenizer_config.jsonZone.Identifier +0 -0
  14. my_model/checkpoint-513/trainer_state.json +3634 -0
  15. my_model/checkpoint-513/trainer_state.jsonZone.Identifier +0 -0
  16. my_model/checkpoint-513/training_args.binZone.Identifier +0 -0
  17. my_model/checkpoint-513/vocab.txt +0 -0
  18. my_model/checkpoint-513/vocab.txtZone.Identifier +0 -0
app.py ADDED
@@ -0,0 +1,66 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ import streamlit as st
2
+ import torch
3
+ from transformers import AutoModelForSequenceClassification, AutoTokenizer
4
+
5
+
6
+ def combine_title_summary(title, summary):
7
+ return "title: " + title + " summary: " + summary
8
+
9
+
10
+ tag2ind = {
11
+ "bio": 0,
12
+ "physics": 1,
13
+ "math": 2,
14
+ "cs": 3,
15
+ }
16
+
17
+
18
+ @st.cache_resource
19
+ def load_model():
20
+ device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
21
+
22
+ # assert torch.cuda.is_available()
23
+ tokenizer = AutoTokenizer.from_pretrained("distilbert/distilbert-base-cased")
24
+ model = AutoModelForSequenceClassification.from_pretrained(
25
+ "./my_model/checkpoint-513"
26
+ ).to(device)
27
+
28
+ return tokenizer, model
29
+
30
+
31
+ tokenizer, model = load_model()
32
+
33
+
34
+ def run_model(model, tokenizer, title, summary):
35
+ text = combine_title_summary(title, summary)
36
+
37
+ tokens_info = tokenizer(
38
+ text,
39
+ padding=False,
40
+ truncation=True,
41
+ return_tensors="pt",
42
+ )
43
+
44
+ model.eval()
45
+ model.cpu()
46
+ with torch.no_grad():
47
+ out = model(**tokens_info)
48
+ probs = torch.nn.functional.softmax(out.logits, dim=-1)[0]
49
+
50
+ result = f"Text: `{text}`\nPrediction (prob): \n" + "\n".join(
51
+ [f"{tag}={tag_prob}" for tag, tag_prob in zip(tag2ind, probs)]
52
+ )
53
+ return result
54
+
55
+
56
+ title = st.text_input(label="Title", value="")
57
+ abstract = st.text_input(label="Abstract", value="")
58
+ if st.button("Submit"):
59
+ if title == "" and abstract == "":
60
+ st.error("At least one of title or abstract must be provided")
61
+ else:
62
+ result = combine_title_summary(title, abstract)
63
+ st.success(result)
64
+
65
+ result = run_model(model, tokenizer, title, abstract)
66
+ st.success(result)
my_model/checkpoint-513/config.json ADDED
@@ -0,0 +1,43 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "activation": "gelu",
3
+ "architectures": [
4
+ "DistilBertForSequenceClassification"
5
+ ],
6
+ "attention_dropout": 0.1,
7
+ "dim": 768,
8
+ "dropout": 0.1,
9
+ "hidden_dim": 3072,
10
+ "id2label": {
11
+ "0": "LABEL_0",
12
+ "1": "LABEL_1",
13
+ "2": "LABEL_2",
14
+ "3": "LABEL_3",
15
+ "4": "LABEL_4",
16
+ "5": "LABEL_5",
17
+ "6": "LABEL_6"
18
+ },
19
+ "initializer_range": 0.02,
20
+ "label2id": {
21
+ "LABEL_0": 0,
22
+ "LABEL_1": 1,
23
+ "LABEL_2": 2,
24
+ "LABEL_3": 3,
25
+ "LABEL_4": 4,
26
+ "LABEL_5": 5,
27
+ "LABEL_6": 6
28
+ },
29
+ "max_position_embeddings": 512,
30
+ "model_type": "distilbert",
31
+ "n_heads": 12,
32
+ "n_layers": 6,
33
+ "output_past": true,
34
+ "pad_token_id": 0,
35
+ "problem_type": "single_label_classification",
36
+ "qa_dropout": 0.1,
37
+ "seq_classif_dropout": 0.2,
38
+ "sinusoidal_pos_embds": false,
39
+ "tie_weights_": true,
40
+ "torch_dtype": "float32",
41
+ "transformers_version": "4.51.0",
42
+ "vocab_size": 28996
43
+ }
my_model/checkpoint-513/config.jsonZone.Identifier ADDED
File without changes
my_model/checkpoint-513/model.safetensorsZone.Identifier ADDED
File without changes
my_model/checkpoint-513/optimizer.ptZone.Identifier ADDED
File without changes
my_model/checkpoint-513/rng_state.pthZone.Identifier ADDED
File without changes
my_model/checkpoint-513/scheduler.ptZone.Identifier ADDED
File without changes
my_model/checkpoint-513/special_tokens_map.json ADDED
@@ -0,0 +1,7 @@
 
 
 
 
 
 
 
 
1
+ {
2
+ "cls_token": "[CLS]",
3
+ "mask_token": "[MASK]",
4
+ "pad_token": "[PAD]",
5
+ "sep_token": "[SEP]",
6
+ "unk_token": "[UNK]"
7
+ }
my_model/checkpoint-513/special_tokens_map.jsonZone.Identifier ADDED
File without changes
my_model/checkpoint-513/tokenizer.json ADDED
The diff for this file is too large to render. See raw diff
 
my_model/checkpoint-513/tokenizer.jsonZone.Identifier ADDED
File without changes
my_model/checkpoint-513/tokenizer_config.json ADDED
@@ -0,0 +1,56 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "added_tokens_decoder": {
3
+ "0": {
4
+ "content": "[PAD]",
5
+ "lstrip": false,
6
+ "normalized": false,
7
+ "rstrip": false,
8
+ "single_word": false,
9
+ "special": true
10
+ },
11
+ "100": {
12
+ "content": "[UNK]",
13
+ "lstrip": false,
14
+ "normalized": false,
15
+ "rstrip": false,
16
+ "single_word": false,
17
+ "special": true
18
+ },
19
+ "101": {
20
+ "content": "[CLS]",
21
+ "lstrip": false,
22
+ "normalized": false,
23
+ "rstrip": false,
24
+ "single_word": false,
25
+ "special": true
26
+ },
27
+ "102": {
28
+ "content": "[SEP]",
29
+ "lstrip": false,
30
+ "normalized": false,
31
+ "rstrip": false,
32
+ "single_word": false,
33
+ "special": true
34
+ },
35
+ "103": {
36
+ "content": "[MASK]",
37
+ "lstrip": false,
38
+ "normalized": false,
39
+ "rstrip": false,
40
+ "single_word": false,
41
+ "special": true
42
+ }
43
+ },
44
+ "clean_up_tokenization_spaces": false,
45
+ "cls_token": "[CLS]",
46
+ "do_lower_case": false,
47
+ "extra_special_tokens": {},
48
+ "mask_token": "[MASK]",
49
+ "model_max_length": 512,
50
+ "pad_token": "[PAD]",
51
+ "sep_token": "[SEP]",
52
+ "strip_accents": null,
53
+ "tokenize_chinese_chars": true,
54
+ "tokenizer_class": "DistilBertTokenizer",
55
+ "unk_token": "[UNK]"
56
+ }
my_model/checkpoint-513/tokenizer_config.jsonZone.Identifier ADDED
File without changes
my_model/checkpoint-513/trainer_state.json ADDED
@@ -0,0 +1,3634 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_global_step": null,
3
+ "best_metric": null,
4
+ "best_model_checkpoint": null,
5
+ "epoch": 1.0,
6
+ "eval_steps": 500,
7
+ "global_step": 513,
8
+ "is_hyper_param_search": false,
9
+ "is_local_process_zero": true,
10
+ "is_world_process_zero": true,
11
+ "log_history": [
12
+ {
13
+ "epoch": 0.001949317738791423,
14
+ "grad_norm": 7.044904708862305,
15
+ "learning_rate": 5e-05,
16
+ "loss": 1.8792,
17
+ "step": 1
18
+ },
19
+ {
20
+ "epoch": 0.003898635477582846,
21
+ "grad_norm": 6.564729690551758,
22
+ "learning_rate": 4.9999995312135885e-05,
23
+ "loss": 1.7135,
24
+ "step": 2
25
+ },
26
+ {
27
+ "epoch": 0.005847953216374269,
28
+ "grad_norm": 6.09246301651001,
29
+ "learning_rate": 4.9999981248545295e-05,
30
+ "loss": 1.5542,
31
+ "step": 3
32
+ },
33
+ {
34
+ "epoch": 0.007797270955165692,
35
+ "grad_norm": 6.525841236114502,
36
+ "learning_rate": 4.9999957809233504e-05,
37
+ "loss": 1.3104,
38
+ "step": 4
39
+ },
40
+ {
41
+ "epoch": 0.009746588693957114,
42
+ "grad_norm": 5.927552223205566,
43
+ "learning_rate": 4.99999249942093e-05,
44
+ "loss": 1.1456,
45
+ "step": 5
46
+ },
47
+ {
48
+ "epoch": 0.011695906432748537,
49
+ "grad_norm": 5.243898391723633,
50
+ "learning_rate": 4.9999882803485004e-05,
51
+ "loss": 0.9731,
52
+ "step": 6
53
+ },
54
+ {
55
+ "epoch": 0.01364522417153996,
56
+ "grad_norm": 5.8854146003723145,
57
+ "learning_rate": 4.9999831237076424e-05,
58
+ "loss": 0.7529,
59
+ "step": 7
60
+ },
61
+ {
62
+ "epoch": 0.015594541910331383,
63
+ "grad_norm": 3.752432346343994,
64
+ "learning_rate": 4.999977029500289e-05,
65
+ "loss": 0.6638,
66
+ "step": 8
67
+ },
68
+ {
69
+ "epoch": 0.017543859649122806,
70
+ "grad_norm": 2.3569107055664062,
71
+ "learning_rate": 4.999969997728729e-05,
72
+ "loss": 0.6432,
73
+ "step": 9
74
+ },
75
+ {
76
+ "epoch": 0.01949317738791423,
77
+ "grad_norm": 1.9362144470214844,
78
+ "learning_rate": 4.999962028395596e-05,
79
+ "loss": 0.7155,
80
+ "step": 10
81
+ },
82
+ {
83
+ "epoch": 0.021442495126705652,
84
+ "grad_norm": 1.6261111497879028,
85
+ "learning_rate": 4.999953121503881e-05,
86
+ "loss": 0.5778,
87
+ "step": 11
88
+ },
89
+ {
90
+ "epoch": 0.023391812865497075,
91
+ "grad_norm": 1.819920301437378,
92
+ "learning_rate": 4.999943277056923e-05,
93
+ "loss": 0.6385,
94
+ "step": 12
95
+ },
96
+ {
97
+ "epoch": 0.025341130604288498,
98
+ "grad_norm": 1.5084677934646606,
99
+ "learning_rate": 4.999932495058415e-05,
100
+ "loss": 0.4499,
101
+ "step": 13
102
+ },
103
+ {
104
+ "epoch": 0.02729044834307992,
105
+ "grad_norm": 1.2623920440673828,
106
+ "learning_rate": 4.9999207755124e-05,
107
+ "loss": 0.6521,
108
+ "step": 14
109
+ },
110
+ {
111
+ "epoch": 0.029239766081871343,
112
+ "grad_norm": 1.2499923706054688,
113
+ "learning_rate": 4.999908118423273e-05,
114
+ "loss": 0.4531,
115
+ "step": 15
116
+ },
117
+ {
118
+ "epoch": 0.031189083820662766,
119
+ "grad_norm": 1.2745399475097656,
120
+ "learning_rate": 4.999894523795781e-05,
121
+ "loss": 0.5654,
122
+ "step": 16
123
+ },
124
+ {
125
+ "epoch": 0.03313840155945419,
126
+ "grad_norm": 0.9592766165733337,
127
+ "learning_rate": 4.9998799916350224e-05,
128
+ "loss": 0.4693,
129
+ "step": 17
130
+ },
131
+ {
132
+ "epoch": 0.03508771929824561,
133
+ "grad_norm": 0.9059939384460449,
134
+ "learning_rate": 4.999864521946448e-05,
135
+ "loss": 0.5776,
136
+ "step": 18
137
+ },
138
+ {
139
+ "epoch": 0.037037037037037035,
140
+ "grad_norm": 0.9128998517990112,
141
+ "learning_rate": 4.999848114735858e-05,
142
+ "loss": 0.5803,
143
+ "step": 19
144
+ },
145
+ {
146
+ "epoch": 0.03898635477582846,
147
+ "grad_norm": 2.5037662982940674,
148
+ "learning_rate": 4.999830770009406e-05,
149
+ "loss": 0.3108,
150
+ "step": 20
151
+ },
152
+ {
153
+ "epoch": 0.04093567251461988,
154
+ "grad_norm": 1.7289211750030518,
155
+ "learning_rate": 4.999812487773597e-05,
156
+ "loss": 0.3963,
157
+ "step": 21
158
+ },
159
+ {
160
+ "epoch": 0.042884990253411304,
161
+ "grad_norm": 0.9207839369773865,
162
+ "learning_rate": 4.9997932680352874e-05,
163
+ "loss": 0.6134,
164
+ "step": 22
165
+ },
166
+ {
167
+ "epoch": 0.04483430799220273,
168
+ "grad_norm": 1.273348093032837,
169
+ "learning_rate": 4.9997731108016856e-05,
170
+ "loss": 0.3423,
171
+ "step": 23
172
+ },
173
+ {
174
+ "epoch": 0.04678362573099415,
175
+ "grad_norm": 0.830768346786499,
176
+ "learning_rate": 4.99975201608035e-05,
177
+ "loss": 0.4442,
178
+ "step": 24
179
+ },
180
+ {
181
+ "epoch": 0.04873294346978557,
182
+ "grad_norm": 1.707749366760254,
183
+ "learning_rate": 4.999729983879192e-05,
184
+ "loss": 0.5501,
185
+ "step": 25
186
+ },
187
+ {
188
+ "epoch": 0.050682261208576995,
189
+ "grad_norm": 2.0168166160583496,
190
+ "learning_rate": 4.999707014206475e-05,
191
+ "loss": 0.6088,
192
+ "step": 26
193
+ },
194
+ {
195
+ "epoch": 0.05263157894736842,
196
+ "grad_norm": 0.7276116609573364,
197
+ "learning_rate": 4.9996831070708136e-05,
198
+ "loss": 0.4921,
199
+ "step": 27
200
+ },
201
+ {
202
+ "epoch": 0.05458089668615984,
203
+ "grad_norm": 1.8033498525619507,
204
+ "learning_rate": 4.9996582624811725e-05,
205
+ "loss": 0.6323,
206
+ "step": 28
207
+ },
208
+ {
209
+ "epoch": 0.056530214424951264,
210
+ "grad_norm": 1.5372185707092285,
211
+ "learning_rate": 4.9996324804468695e-05,
212
+ "loss": 0.3736,
213
+ "step": 29
214
+ },
215
+ {
216
+ "epoch": 0.05847953216374269,
217
+ "grad_norm": 1.4109256267547607,
218
+ "learning_rate": 4.999605760977575e-05,
219
+ "loss": 0.3621,
220
+ "step": 30
221
+ },
222
+ {
223
+ "epoch": 0.06042884990253411,
224
+ "grad_norm": 1.1682034730911255,
225
+ "learning_rate": 4.999578104083307e-05,
226
+ "loss": 0.3124,
227
+ "step": 31
228
+ },
229
+ {
230
+ "epoch": 0.06237816764132553,
231
+ "grad_norm": 1.5047662258148193,
232
+ "learning_rate": 4.9995495097744396e-05,
233
+ "loss": 0.6796,
234
+ "step": 32
235
+ },
236
+ {
237
+ "epoch": 0.06432748538011696,
238
+ "grad_norm": 0.6795129776000977,
239
+ "learning_rate": 4.999519978061696e-05,
240
+ "loss": 0.3771,
241
+ "step": 33
242
+ },
243
+ {
244
+ "epoch": 0.06627680311890838,
245
+ "grad_norm": 0.9982348084449768,
246
+ "learning_rate": 4.9994895089561514e-05,
247
+ "loss": 0.3707,
248
+ "step": 34
249
+ },
250
+ {
251
+ "epoch": 0.0682261208576998,
252
+ "grad_norm": 1.0353028774261475,
253
+ "learning_rate": 4.9994581024692324e-05,
254
+ "loss": 0.5634,
255
+ "step": 35
256
+ },
257
+ {
258
+ "epoch": 0.07017543859649122,
259
+ "grad_norm": 1.344421148300171,
260
+ "learning_rate": 4.9994257586127175e-05,
261
+ "loss": 0.4751,
262
+ "step": 36
263
+ },
264
+ {
265
+ "epoch": 0.07212475633528265,
266
+ "grad_norm": 1.45437490940094,
267
+ "learning_rate": 4.999392477398737e-05,
268
+ "loss": 0.4766,
269
+ "step": 37
270
+ },
271
+ {
272
+ "epoch": 0.07407407407407407,
273
+ "grad_norm": 2.355194091796875,
274
+ "learning_rate": 4.999358258839771e-05,
275
+ "loss": 0.5781,
276
+ "step": 38
277
+ },
278
+ {
279
+ "epoch": 0.07602339181286549,
280
+ "grad_norm": 2.5986099243164062,
281
+ "learning_rate": 4.9993231029486544e-05,
282
+ "loss": 0.5508,
283
+ "step": 39
284
+ },
285
+ {
286
+ "epoch": 0.07797270955165692,
287
+ "grad_norm": 2.3548834323883057,
288
+ "learning_rate": 4.99928700973857e-05,
289
+ "loss": 0.5172,
290
+ "step": 40
291
+ },
292
+ {
293
+ "epoch": 0.07992202729044834,
294
+ "grad_norm": 1.2683039903640747,
295
+ "learning_rate": 4.999249979223055e-05,
296
+ "loss": 0.4915,
297
+ "step": 41
298
+ },
299
+ {
300
+ "epoch": 0.08187134502923976,
301
+ "grad_norm": 1.2046345472335815,
302
+ "learning_rate": 4.999212011415997e-05,
303
+ "loss": 0.6486,
304
+ "step": 42
305
+ },
306
+ {
307
+ "epoch": 0.08382066276803118,
308
+ "grad_norm": 1.760196328163147,
309
+ "learning_rate": 4.999173106331633e-05,
310
+ "loss": 0.2855,
311
+ "step": 43
312
+ },
313
+ {
314
+ "epoch": 0.08576998050682261,
315
+ "grad_norm": 3.394296407699585,
316
+ "learning_rate": 4.9991332639845555e-05,
317
+ "loss": 0.2843,
318
+ "step": 44
319
+ },
320
+ {
321
+ "epoch": 0.08771929824561403,
322
+ "grad_norm": 2.1159098148345947,
323
+ "learning_rate": 4.999092484389707e-05,
324
+ "loss": 0.5741,
325
+ "step": 45
326
+ },
327
+ {
328
+ "epoch": 0.08966861598440545,
329
+ "grad_norm": 2.225252151489258,
330
+ "learning_rate": 4.999050767562379e-05,
331
+ "loss": 0.2399,
332
+ "step": 46
333
+ },
334
+ {
335
+ "epoch": 0.09161793372319688,
336
+ "grad_norm": 1.5640530586242676,
337
+ "learning_rate": 4.999008113518218e-05,
338
+ "loss": 0.5145,
339
+ "step": 47
340
+ },
341
+ {
342
+ "epoch": 0.0935672514619883,
343
+ "grad_norm": 1.5390691757202148,
344
+ "learning_rate": 4.9989645222732195e-05,
345
+ "loss": 0.338,
346
+ "step": 48
347
+ },
348
+ {
349
+ "epoch": 0.09551656920077972,
350
+ "grad_norm": 2.6999733448028564,
351
+ "learning_rate": 4.9989199938437326e-05,
352
+ "loss": 0.458,
353
+ "step": 49
354
+ },
355
+ {
356
+ "epoch": 0.09746588693957114,
357
+ "grad_norm": 2.703235626220703,
358
+ "learning_rate": 4.9988745282464564e-05,
359
+ "loss": 0.5916,
360
+ "step": 50
361
+ },
362
+ {
363
+ "epoch": 0.09941520467836257,
364
+ "grad_norm": 0.7542560696601868,
365
+ "learning_rate": 4.9988281254984414e-05,
366
+ "loss": 0.3357,
367
+ "step": 51
368
+ },
369
+ {
370
+ "epoch": 0.10136452241715399,
371
+ "grad_norm": 2.03067946434021,
372
+ "learning_rate": 4.9987807856170896e-05,
373
+ "loss": 0.3788,
374
+ "step": 52
375
+ },
376
+ {
377
+ "epoch": 0.10331384015594541,
378
+ "grad_norm": 0.6748352646827698,
379
+ "learning_rate": 4.9987325086201564e-05,
380
+ "loss": 0.2799,
381
+ "step": 53
382
+ },
383
+ {
384
+ "epoch": 0.10526315789473684,
385
+ "grad_norm": 1.5185518264770508,
386
+ "learning_rate": 4.9986832945257464e-05,
387
+ "loss": 0.3385,
388
+ "step": 54
389
+ },
390
+ {
391
+ "epoch": 0.10721247563352826,
392
+ "grad_norm": 1.7821993827819824,
393
+ "learning_rate": 4.9986331433523156e-05,
394
+ "loss": 0.3323,
395
+ "step": 55
396
+ },
397
+ {
398
+ "epoch": 0.10916179337231968,
399
+ "grad_norm": 1.0081758499145508,
400
+ "learning_rate": 4.998582055118672e-05,
401
+ "loss": 0.3761,
402
+ "step": 56
403
+ },
404
+ {
405
+ "epoch": 0.1111111111111111,
406
+ "grad_norm": 1.8052115440368652,
407
+ "learning_rate": 4.9985300298439764e-05,
408
+ "loss": 0.3785,
409
+ "step": 57
410
+ },
411
+ {
412
+ "epoch": 0.11306042884990253,
413
+ "grad_norm": 2.4087324142456055,
414
+ "learning_rate": 4.99847706754774e-05,
415
+ "loss": 0.2043,
416
+ "step": 58
417
+ },
418
+ {
419
+ "epoch": 0.11500974658869395,
420
+ "grad_norm": 1.4528577327728271,
421
+ "learning_rate": 4.998423168249823e-05,
422
+ "loss": 0.5138,
423
+ "step": 59
424
+ },
425
+ {
426
+ "epoch": 0.11695906432748537,
427
+ "grad_norm": 1.1122996807098389,
428
+ "learning_rate": 4.998368331970441e-05,
429
+ "loss": 0.6057,
430
+ "step": 60
431
+ },
432
+ {
433
+ "epoch": 0.1189083820662768,
434
+ "grad_norm": 1.5738407373428345,
435
+ "learning_rate": 4.998312558730159e-05,
436
+ "loss": 0.6831,
437
+ "step": 61
438
+ },
439
+ {
440
+ "epoch": 0.12085769980506822,
441
+ "grad_norm": 2.4108519554138184,
442
+ "learning_rate": 4.998255848549894e-05,
443
+ "loss": 0.3834,
444
+ "step": 62
445
+ },
446
+ {
447
+ "epoch": 0.12280701754385964,
448
+ "grad_norm": 1.1259022951126099,
449
+ "learning_rate": 4.9981982014509126e-05,
450
+ "loss": 0.4013,
451
+ "step": 63
452
+ },
453
+ {
454
+ "epoch": 0.12475633528265107,
455
+ "grad_norm": 1.25901198387146,
456
+ "learning_rate": 4.9981396174548355e-05,
457
+ "loss": 0.5006,
458
+ "step": 64
459
+ },
460
+ {
461
+ "epoch": 0.1267056530214425,
462
+ "grad_norm": 1.2341538667678833,
463
+ "learning_rate": 4.998080096583632e-05,
464
+ "loss": 0.3121,
465
+ "step": 65
466
+ },
467
+ {
468
+ "epoch": 0.1286549707602339,
469
+ "grad_norm": 1.3535009622573853,
470
+ "learning_rate": 4.9980196388596255e-05,
471
+ "loss": 0.4377,
472
+ "step": 66
473
+ },
474
+ {
475
+ "epoch": 0.13060428849902533,
476
+ "grad_norm": 2.141704559326172,
477
+ "learning_rate": 4.997958244305489e-05,
478
+ "loss": 0.179,
479
+ "step": 67
480
+ },
481
+ {
482
+ "epoch": 0.13255360623781676,
483
+ "grad_norm": 2.417452096939087,
484
+ "learning_rate": 4.997895912944247e-05,
485
+ "loss": 0.4235,
486
+ "step": 68
487
+ },
488
+ {
489
+ "epoch": 0.13450292397660818,
490
+ "grad_norm": 1.777295470237732,
491
+ "learning_rate": 4.997832644799276e-05,
492
+ "loss": 0.5102,
493
+ "step": 69
494
+ },
495
+ {
496
+ "epoch": 0.1364522417153996,
497
+ "grad_norm": 1.5960885286331177,
498
+ "learning_rate": 4.997768439894303e-05,
499
+ "loss": 0.524,
500
+ "step": 70
501
+ },
502
+ {
503
+ "epoch": 0.13840155945419103,
504
+ "grad_norm": 0.9042735695838928,
505
+ "learning_rate": 4.997703298253406e-05,
506
+ "loss": 0.2615,
507
+ "step": 71
508
+ },
509
+ {
510
+ "epoch": 0.14035087719298245,
511
+ "grad_norm": 1.200987696647644,
512
+ "learning_rate": 4.997637219901017e-05,
513
+ "loss": 0.4379,
514
+ "step": 72
515
+ },
516
+ {
517
+ "epoch": 0.14230019493177387,
518
+ "grad_norm": 3.8527677059173584,
519
+ "learning_rate": 4.997570204861915e-05,
520
+ "loss": 0.5794,
521
+ "step": 73
522
+ },
523
+ {
524
+ "epoch": 0.1442495126705653,
525
+ "grad_norm": 2.1455485820770264,
526
+ "learning_rate": 4.997502253161234e-05,
527
+ "loss": 0.3635,
528
+ "step": 74
529
+ },
530
+ {
531
+ "epoch": 0.14619883040935672,
532
+ "grad_norm": 1.159557819366455,
533
+ "learning_rate": 4.9974333648244584e-05,
534
+ "loss": 0.3277,
535
+ "step": 75
536
+ },
537
+ {
538
+ "epoch": 0.14814814814814814,
539
+ "grad_norm": 3.813668727874756,
540
+ "learning_rate": 4.997363539877422e-05,
541
+ "loss": 0.6545,
542
+ "step": 76
543
+ },
544
+ {
545
+ "epoch": 0.15009746588693956,
546
+ "grad_norm": 4.077174186706543,
547
+ "learning_rate": 4.997292778346312e-05,
548
+ "loss": 0.3927,
549
+ "step": 77
550
+ },
551
+ {
552
+ "epoch": 0.15204678362573099,
553
+ "grad_norm": 5.484302997589111,
554
+ "learning_rate": 4.997221080257665e-05,
555
+ "loss": 0.4649,
556
+ "step": 78
557
+ },
558
+ {
559
+ "epoch": 0.1539961013645224,
560
+ "grad_norm": 2.8527143001556396,
561
+ "learning_rate": 4.997148445638371e-05,
562
+ "loss": 0.406,
563
+ "step": 79
564
+ },
565
+ {
566
+ "epoch": 0.15594541910331383,
567
+ "grad_norm": 3.8272314071655273,
568
+ "learning_rate": 4.99707487451567e-05,
569
+ "loss": 0.471,
570
+ "step": 80
571
+ },
572
+ {
573
+ "epoch": 0.15789473684210525,
574
+ "grad_norm": 1.1759662628173828,
575
+ "learning_rate": 4.9970003669171525e-05,
576
+ "loss": 0.399,
577
+ "step": 81
578
+ },
579
+ {
580
+ "epoch": 0.15984405458089668,
581
+ "grad_norm": 1.5292061567306519,
582
+ "learning_rate": 4.996924922870762e-05,
583
+ "loss": 0.4691,
584
+ "step": 82
585
+ },
586
+ {
587
+ "epoch": 0.1617933723196881,
588
+ "grad_norm": 1.4574127197265625,
589
+ "learning_rate": 4.9968485424047916e-05,
590
+ "loss": 0.5544,
591
+ "step": 83
592
+ },
593
+ {
594
+ "epoch": 0.16374269005847952,
595
+ "grad_norm": 0.8983546495437622,
596
+ "learning_rate": 4.996771225547887e-05,
597
+ "loss": 0.3212,
598
+ "step": 84
599
+ },
600
+ {
601
+ "epoch": 0.16569200779727095,
602
+ "grad_norm": 1.320109486579895,
603
+ "learning_rate": 4.996692972329043e-05,
604
+ "loss": 0.4042,
605
+ "step": 85
606
+ },
607
+ {
608
+ "epoch": 0.16764132553606237,
609
+ "grad_norm": 2.83219575881958,
610
+ "learning_rate": 4.996613782777607e-05,
611
+ "loss": 0.4843,
612
+ "step": 86
613
+ },
614
+ {
615
+ "epoch": 0.1695906432748538,
616
+ "grad_norm": 1.8909997940063477,
617
+ "learning_rate": 4.996533656923279e-05,
618
+ "loss": 0.5436,
619
+ "step": 87
620
+ },
621
+ {
622
+ "epoch": 0.17153996101364521,
623
+ "grad_norm": 1.3780937194824219,
624
+ "learning_rate": 4.9964525947961064e-05,
625
+ "loss": 0.2897,
626
+ "step": 88
627
+ },
628
+ {
629
+ "epoch": 0.17348927875243664,
630
+ "grad_norm": 1.120542287826538,
631
+ "learning_rate": 4.996370596426492e-05,
632
+ "loss": 0.2607,
633
+ "step": 89
634
+ },
635
+ {
636
+ "epoch": 0.17543859649122806,
637
+ "grad_norm": 2.8187599182128906,
638
+ "learning_rate": 4.9962876618451853e-05,
639
+ "loss": 0.5924,
640
+ "step": 90
641
+ },
642
+ {
643
+ "epoch": 0.17738791423001948,
644
+ "grad_norm": 1.5246700048446655,
645
+ "learning_rate": 4.996203791083291e-05,
646
+ "loss": 0.5457,
647
+ "step": 91
648
+ },
649
+ {
650
+ "epoch": 0.1793372319688109,
651
+ "grad_norm": 1.3614866733551025,
652
+ "learning_rate": 4.996118984172262e-05,
653
+ "loss": 0.3946,
654
+ "step": 92
655
+ },
656
+ {
657
+ "epoch": 0.18128654970760233,
658
+ "grad_norm": 2.6669602394104004,
659
+ "learning_rate": 4.9960332411439035e-05,
660
+ "loss": 0.2421,
661
+ "step": 93
662
+ },
663
+ {
664
+ "epoch": 0.18323586744639375,
665
+ "grad_norm": 2.124972105026245,
666
+ "learning_rate": 4.995946562030373e-05,
667
+ "loss": 0.3317,
668
+ "step": 94
669
+ },
670
+ {
671
+ "epoch": 0.18518518518518517,
672
+ "grad_norm": 2.0074684619903564,
673
+ "learning_rate": 4.995858946864176e-05,
674
+ "loss": 0.3774,
675
+ "step": 95
676
+ },
677
+ {
678
+ "epoch": 0.1871345029239766,
679
+ "grad_norm": 1.2438299655914307,
680
+ "learning_rate": 4.995770395678171e-05,
681
+ "loss": 0.2966,
682
+ "step": 96
683
+ },
684
+ {
685
+ "epoch": 0.18908382066276802,
686
+ "grad_norm": 1.8209041357040405,
687
+ "learning_rate": 4.995680908505568e-05,
688
+ "loss": 0.4828,
689
+ "step": 97
690
+ },
691
+ {
692
+ "epoch": 0.19103313840155944,
693
+ "grad_norm": 1.5339032411575317,
694
+ "learning_rate": 4.995590485379926e-05,
695
+ "loss": 0.2614,
696
+ "step": 98
697
+ },
698
+ {
699
+ "epoch": 0.19298245614035087,
700
+ "grad_norm": 2.79870867729187,
701
+ "learning_rate": 4.9954991263351584e-05,
702
+ "loss": 0.7113,
703
+ "step": 99
704
+ },
705
+ {
706
+ "epoch": 0.1949317738791423,
707
+ "grad_norm": 1.8511989116668701,
708
+ "learning_rate": 4.9954068314055255e-05,
709
+ "loss": 0.5108,
710
+ "step": 100
711
+ },
712
+ {
713
+ "epoch": 0.1968810916179337,
714
+ "grad_norm": 4.000672340393066,
715
+ "learning_rate": 4.9953136006256415e-05,
716
+ "loss": 0.4915,
717
+ "step": 101
718
+ },
719
+ {
720
+ "epoch": 0.19883040935672514,
721
+ "grad_norm": 1.2784438133239746,
722
+ "learning_rate": 4.995219434030471e-05,
723
+ "loss": 0.3619,
724
+ "step": 102
725
+ },
726
+ {
727
+ "epoch": 0.20077972709551656,
728
+ "grad_norm": 1.542022705078125,
729
+ "learning_rate": 4.995124331655329e-05,
730
+ "loss": 0.2783,
731
+ "step": 103
732
+ },
733
+ {
734
+ "epoch": 0.20272904483430798,
735
+ "grad_norm": 2.4241974353790283,
736
+ "learning_rate": 4.9950282935358805e-05,
737
+ "loss": 0.4376,
738
+ "step": 104
739
+ },
740
+ {
741
+ "epoch": 0.2046783625730994,
742
+ "grad_norm": 1.6895900964736938,
743
+ "learning_rate": 4.9949313197081435e-05,
744
+ "loss": 0.2421,
745
+ "step": 105
746
+ },
747
+ {
748
+ "epoch": 0.20662768031189083,
749
+ "grad_norm": 2.04034161567688,
750
+ "learning_rate": 4.994833410208487e-05,
751
+ "loss": 0.3403,
752
+ "step": 106
753
+ },
754
+ {
755
+ "epoch": 0.20857699805068225,
756
+ "grad_norm": 1.7922667264938354,
757
+ "learning_rate": 4.9947345650736286e-05,
758
+ "loss": 0.428,
759
+ "step": 107
760
+ },
761
+ {
762
+ "epoch": 0.21052631578947367,
763
+ "grad_norm": 0.924425482749939,
764
+ "learning_rate": 4.994634784340638e-05,
765
+ "loss": 0.3307,
766
+ "step": 108
767
+ },
768
+ {
769
+ "epoch": 0.2124756335282651,
770
+ "grad_norm": 0.8928757309913635,
771
+ "learning_rate": 4.994534068046937e-05,
772
+ "loss": 0.2574,
773
+ "step": 109
774
+ },
775
+ {
776
+ "epoch": 0.21442495126705652,
777
+ "grad_norm": 1.260962963104248,
778
+ "learning_rate": 4.994432416230296e-05,
779
+ "loss": 0.3559,
780
+ "step": 110
781
+ },
782
+ {
783
+ "epoch": 0.21637426900584794,
784
+ "grad_norm": 1.472513198852539,
785
+ "learning_rate": 4.994329828928838e-05,
786
+ "loss": 0.5332,
787
+ "step": 111
788
+ },
789
+ {
790
+ "epoch": 0.21832358674463936,
791
+ "grad_norm": 1.5834664106369019,
792
+ "learning_rate": 4.9942263061810356e-05,
793
+ "loss": 0.4378,
794
+ "step": 112
795
+ },
796
+ {
797
+ "epoch": 0.2202729044834308,
798
+ "grad_norm": 2.194951295852661,
799
+ "learning_rate": 4.994121848025714e-05,
800
+ "loss": 0.4577,
801
+ "step": 113
802
+ },
803
+ {
804
+ "epoch": 0.2222222222222222,
805
+ "grad_norm": 1.361709713935852,
806
+ "learning_rate": 4.994016454502047e-05,
807
+ "loss": 0.4599,
808
+ "step": 114
809
+ },
810
+ {
811
+ "epoch": 0.22417153996101363,
812
+ "grad_norm": 0.9550492763519287,
813
+ "learning_rate": 4.993910125649561e-05,
814
+ "loss": 0.3491,
815
+ "step": 115
816
+ },
817
+ {
818
+ "epoch": 0.22612085769980506,
819
+ "grad_norm": 1.5555657148361206,
820
+ "learning_rate": 4.9938028615081315e-05,
821
+ "loss": 0.4808,
822
+ "step": 116
823
+ },
824
+ {
825
+ "epoch": 0.22807017543859648,
826
+ "grad_norm": 2.928579330444336,
827
+ "learning_rate": 4.993694662117987e-05,
828
+ "loss": 0.3449,
829
+ "step": 117
830
+ },
831
+ {
832
+ "epoch": 0.2300194931773879,
833
+ "grad_norm": 2.51763653755188,
834
+ "learning_rate": 4.993585527519704e-05,
835
+ "loss": 0.3294,
836
+ "step": 118
837
+ },
838
+ {
839
+ "epoch": 0.23196881091617932,
840
+ "grad_norm": 1.147653579711914,
841
+ "learning_rate": 4.993475457754212e-05,
842
+ "loss": 0.3806,
843
+ "step": 119
844
+ },
845
+ {
846
+ "epoch": 0.23391812865497075,
847
+ "grad_norm": 1.196306586265564,
848
+ "learning_rate": 4.99336445286279e-05,
849
+ "loss": 0.4616,
850
+ "step": 120
851
+ },
852
+ {
853
+ "epoch": 0.23586744639376217,
854
+ "grad_norm": 1.269779920578003,
855
+ "learning_rate": 4.993252512887069e-05,
856
+ "loss": 0.2312,
857
+ "step": 121
858
+ },
859
+ {
860
+ "epoch": 0.2378167641325536,
861
+ "grad_norm": 0.9616061449050903,
862
+ "learning_rate": 4.993139637869028e-05,
863
+ "loss": 0.1718,
864
+ "step": 122
865
+ },
866
+ {
867
+ "epoch": 0.23976608187134502,
868
+ "grad_norm": 1.0851119756698608,
869
+ "learning_rate": 4.993025827851e-05,
870
+ "loss": 0.3697,
871
+ "step": 123
872
+ },
873
+ {
874
+ "epoch": 0.24171539961013644,
875
+ "grad_norm": 1.1087745428085327,
876
+ "learning_rate": 4.992911082875666e-05,
877
+ "loss": 0.2762,
878
+ "step": 124
879
+ },
880
+ {
881
+ "epoch": 0.24366471734892786,
882
+ "grad_norm": 1.1531407833099365,
883
+ "learning_rate": 4.9927954029860596e-05,
884
+ "loss": 0.3822,
885
+ "step": 125
886
+ },
887
+ {
888
+ "epoch": 0.24561403508771928,
889
+ "grad_norm": 1.0800961256027222,
890
+ "learning_rate": 4.9926787882255636e-05,
891
+ "loss": 0.3747,
892
+ "step": 126
893
+ },
894
+ {
895
+ "epoch": 0.2475633528265107,
896
+ "grad_norm": 1.3719110488891602,
897
+ "learning_rate": 4.992561238637912e-05,
898
+ "loss": 0.4034,
899
+ "step": 127
900
+ },
901
+ {
902
+ "epoch": 0.24951267056530213,
903
+ "grad_norm": 1.3044047355651855,
904
+ "learning_rate": 4.992442754267189e-05,
905
+ "loss": 0.354,
906
+ "step": 128
907
+ },
908
+ {
909
+ "epoch": 0.25146198830409355,
910
+ "grad_norm": 0.989959716796875,
911
+ "learning_rate": 4.992323335157831e-05,
912
+ "loss": 0.3229,
913
+ "step": 129
914
+ },
915
+ {
916
+ "epoch": 0.253411306042885,
917
+ "grad_norm": 1.9913727045059204,
918
+ "learning_rate": 4.9922029813546225e-05,
919
+ "loss": 0.4112,
920
+ "step": 130
921
+ },
922
+ {
923
+ "epoch": 0.2553606237816764,
924
+ "grad_norm": 1.148697018623352,
925
+ "learning_rate": 4.992081692902699e-05,
926
+ "loss": 0.4386,
927
+ "step": 131
928
+ },
929
+ {
930
+ "epoch": 0.2573099415204678,
931
+ "grad_norm": 1.514965534210205,
932
+ "learning_rate": 4.991959469847549e-05,
933
+ "loss": 0.6717,
934
+ "step": 132
935
+ },
936
+ {
937
+ "epoch": 0.25925925925925924,
938
+ "grad_norm": 2.9294636249542236,
939
+ "learning_rate": 4.9918363122350086e-05,
940
+ "loss": 0.4528,
941
+ "step": 133
942
+ },
943
+ {
944
+ "epoch": 0.26120857699805067,
945
+ "grad_norm": 1.9140868186950684,
946
+ "learning_rate": 4.9917122201112656e-05,
947
+ "loss": 0.3383,
948
+ "step": 134
949
+ },
950
+ {
951
+ "epoch": 0.2631578947368421,
952
+ "grad_norm": 1.9499558210372925,
953
+ "learning_rate": 4.991587193522858e-05,
954
+ "loss": 0.6474,
955
+ "step": 135
956
+ },
957
+ {
958
+ "epoch": 0.2651072124756335,
959
+ "grad_norm": 2.981645107269287,
960
+ "learning_rate": 4.991461232516675e-05,
961
+ "loss": 0.3047,
962
+ "step": 136
963
+ },
964
+ {
965
+ "epoch": 0.26705653021442494,
966
+ "grad_norm": 1.019089698791504,
967
+ "learning_rate": 4.991334337139955e-05,
968
+ "loss": 0.3234,
969
+ "step": 137
970
+ },
971
+ {
972
+ "epoch": 0.26900584795321636,
973
+ "grad_norm": 1.2196189165115356,
974
+ "learning_rate": 4.991206507440288e-05,
975
+ "loss": 0.3046,
976
+ "step": 138
977
+ },
978
+ {
979
+ "epoch": 0.2709551656920078,
980
+ "grad_norm": 1.962532639503479,
981
+ "learning_rate": 4.9910777434656136e-05,
982
+ "loss": 0.5725,
983
+ "step": 139
984
+ },
985
+ {
986
+ "epoch": 0.2729044834307992,
987
+ "grad_norm": 2.7508184909820557,
988
+ "learning_rate": 4.990948045264222e-05,
989
+ "loss": 0.6641,
990
+ "step": 140
991
+ },
992
+ {
993
+ "epoch": 0.27485380116959063,
994
+ "grad_norm": 1.0616719722747803,
995
+ "learning_rate": 4.990817412884754e-05,
996
+ "loss": 0.3073,
997
+ "step": 141
998
+ },
999
+ {
1000
+ "epoch": 0.27680311890838205,
1001
+ "grad_norm": 0.9081405401229858,
1002
+ "learning_rate": 4.9906858463762004e-05,
1003
+ "loss": 0.2794,
1004
+ "step": 142
1005
+ },
1006
+ {
1007
+ "epoch": 0.2787524366471735,
1008
+ "grad_norm": 1.6821643114089966,
1009
+ "learning_rate": 4.9905533457879024e-05,
1010
+ "loss": 0.5772,
1011
+ "step": 143
1012
+ },
1013
+ {
1014
+ "epoch": 0.2807017543859649,
1015
+ "grad_norm": 1.9294925928115845,
1016
+ "learning_rate": 4.990419911169552e-05,
1017
+ "loss": 0.3814,
1018
+ "step": 144
1019
+ },
1020
+ {
1021
+ "epoch": 0.2826510721247563,
1022
+ "grad_norm": 1.511129379272461,
1023
+ "learning_rate": 4.9902855425711905e-05,
1024
+ "loss": 0.4091,
1025
+ "step": 145
1026
+ },
1027
+ {
1028
+ "epoch": 0.28460038986354774,
1029
+ "grad_norm": 1.2885308265686035,
1030
+ "learning_rate": 4.99015024004321e-05,
1031
+ "loss": 0.3014,
1032
+ "step": 146
1033
+ },
1034
+ {
1035
+ "epoch": 0.28654970760233917,
1036
+ "grad_norm": 2.286719560623169,
1037
+ "learning_rate": 4.990014003636353e-05,
1038
+ "loss": 0.5598,
1039
+ "step": 147
1040
+ },
1041
+ {
1042
+ "epoch": 0.2884990253411306,
1043
+ "grad_norm": 1.5893985033035278,
1044
+ "learning_rate": 4.989876833401713e-05,
1045
+ "loss": 0.1959,
1046
+ "step": 148
1047
+ },
1048
+ {
1049
+ "epoch": 0.290448343079922,
1050
+ "grad_norm": 1.8834761381149292,
1051
+ "learning_rate": 4.989738729390732e-05,
1052
+ "loss": 0.3746,
1053
+ "step": 149
1054
+ },
1055
+ {
1056
+ "epoch": 0.29239766081871343,
1057
+ "grad_norm": 1.4258893728256226,
1058
+ "learning_rate": 4.9895996916552025e-05,
1059
+ "loss": 0.5481,
1060
+ "step": 150
1061
+ },
1062
+ {
1063
+ "epoch": 0.29434697855750486,
1064
+ "grad_norm": 0.9375026822090149,
1065
+ "learning_rate": 4.9894597202472696e-05,
1066
+ "loss": 0.2242,
1067
+ "step": 151
1068
+ },
1069
+ {
1070
+ "epoch": 0.2962962962962963,
1071
+ "grad_norm": 1.2869596481323242,
1072
+ "learning_rate": 4.9893188152194235e-05,
1073
+ "loss": 0.3163,
1074
+ "step": 152
1075
+ },
1076
+ {
1077
+ "epoch": 0.2982456140350877,
1078
+ "grad_norm": 1.2502251863479614,
1079
+ "learning_rate": 4.989176976624511e-05,
1080
+ "loss": 0.2326,
1081
+ "step": 153
1082
+ },
1083
+ {
1084
+ "epoch": 0.3001949317738791,
1085
+ "grad_norm": 1.6832712888717651,
1086
+ "learning_rate": 4.9890342045157245e-05,
1087
+ "loss": 0.3337,
1088
+ "step": 154
1089
+ },
1090
+ {
1091
+ "epoch": 0.30214424951267055,
1092
+ "grad_norm": 1.2611998319625854,
1093
+ "learning_rate": 4.988890498946607e-05,
1094
+ "loss": 0.4876,
1095
+ "step": 155
1096
+ },
1097
+ {
1098
+ "epoch": 0.30409356725146197,
1099
+ "grad_norm": 1.4364787340164185,
1100
+ "learning_rate": 4.9887458599710526e-05,
1101
+ "loss": 0.4918,
1102
+ "step": 156
1103
+ },
1104
+ {
1105
+ "epoch": 0.3060428849902534,
1106
+ "grad_norm": 2.5193302631378174,
1107
+ "learning_rate": 4.9886002876433056e-05,
1108
+ "loss": 0.5314,
1109
+ "step": 157
1110
+ },
1111
+ {
1112
+ "epoch": 0.3079922027290448,
1113
+ "grad_norm": 2.957169771194458,
1114
+ "learning_rate": 4.98845378201796e-05,
1115
+ "loss": 0.3889,
1116
+ "step": 158
1117
+ },
1118
+ {
1119
+ "epoch": 0.30994152046783624,
1120
+ "grad_norm": 2.450216293334961,
1121
+ "learning_rate": 4.9883063431499585e-05,
1122
+ "loss": 0.8302,
1123
+ "step": 159
1124
+ },
1125
+ {
1126
+ "epoch": 0.31189083820662766,
1127
+ "grad_norm": 1.0151211023330688,
1128
+ "learning_rate": 4.988157971094596e-05,
1129
+ "loss": 0.3317,
1130
+ "step": 160
1131
+ },
1132
+ {
1133
+ "epoch": 0.3138401559454191,
1134
+ "grad_norm": 1.2733526229858398,
1135
+ "learning_rate": 4.9880086659075156e-05,
1136
+ "loss": 0.3306,
1137
+ "step": 161
1138
+ },
1139
+ {
1140
+ "epoch": 0.3157894736842105,
1141
+ "grad_norm": 1.9499931335449219,
1142
+ "learning_rate": 4.987858427644713e-05,
1143
+ "loss": 0.2425,
1144
+ "step": 162
1145
+ },
1146
+ {
1147
+ "epoch": 0.31773879142300193,
1148
+ "grad_norm": 1.257291316986084,
1149
+ "learning_rate": 4.9877072563625285e-05,
1150
+ "loss": 0.4014,
1151
+ "step": 163
1152
+ },
1153
+ {
1154
+ "epoch": 0.31968810916179335,
1155
+ "grad_norm": 0.9711486101150513,
1156
+ "learning_rate": 4.987555152117659e-05,
1157
+ "loss": 0.3257,
1158
+ "step": 164
1159
+ },
1160
+ {
1161
+ "epoch": 0.3216374269005848,
1162
+ "grad_norm": 1.6823267936706543,
1163
+ "learning_rate": 4.987402114967146e-05,
1164
+ "loss": 0.2916,
1165
+ "step": 165
1166
+ },
1167
+ {
1168
+ "epoch": 0.3235867446393762,
1169
+ "grad_norm": 0.9903969764709473,
1170
+ "learning_rate": 4.9872481449683844e-05,
1171
+ "loss": 0.3009,
1172
+ "step": 166
1173
+ },
1174
+ {
1175
+ "epoch": 0.3255360623781676,
1176
+ "grad_norm": 2.1133339405059814,
1177
+ "learning_rate": 4.987093242179116e-05,
1178
+ "loss": 0.3053,
1179
+ "step": 167
1180
+ },
1181
+ {
1182
+ "epoch": 0.32748538011695905,
1183
+ "grad_norm": 2.95243763923645,
1184
+ "learning_rate": 4.986937406657435e-05,
1185
+ "loss": 0.5456,
1186
+ "step": 168
1187
+ },
1188
+ {
1189
+ "epoch": 0.32943469785575047,
1190
+ "grad_norm": 1.4549840688705444,
1191
+ "learning_rate": 4.986780638461784e-05,
1192
+ "loss": 0.3758,
1193
+ "step": 169
1194
+ },
1195
+ {
1196
+ "epoch": 0.3313840155945419,
1197
+ "grad_norm": 1.7713823318481445,
1198
+ "learning_rate": 4.9866229376509546e-05,
1199
+ "loss": 0.4042,
1200
+ "step": 170
1201
+ },
1202
+ {
1203
+ "epoch": 0.3333333333333333,
1204
+ "grad_norm": 1.3950929641723633,
1205
+ "learning_rate": 4.986464304284091e-05,
1206
+ "loss": 0.3475,
1207
+ "step": 171
1208
+ },
1209
+ {
1210
+ "epoch": 0.33528265107212474,
1211
+ "grad_norm": 1.4697630405426025,
1212
+ "learning_rate": 4.9863047384206835e-05,
1213
+ "loss": 0.3893,
1214
+ "step": 172
1215
+ },
1216
+ {
1217
+ "epoch": 0.33723196881091616,
1218
+ "grad_norm": 2.5993056297302246,
1219
+ "learning_rate": 4.9861442401205746e-05,
1220
+ "loss": 0.5351,
1221
+ "step": 173
1222
+ },
1223
+ {
1224
+ "epoch": 0.3391812865497076,
1225
+ "grad_norm": 1.620761513710022,
1226
+ "learning_rate": 4.985982809443957e-05,
1227
+ "loss": 0.4625,
1228
+ "step": 174
1229
+ },
1230
+ {
1231
+ "epoch": 0.341130604288499,
1232
+ "grad_norm": 1.0931414365768433,
1233
+ "learning_rate": 4.98582044645137e-05,
1234
+ "loss": 0.4283,
1235
+ "step": 175
1236
+ },
1237
+ {
1238
+ "epoch": 0.34307992202729043,
1239
+ "grad_norm": 2.734849214553833,
1240
+ "learning_rate": 4.985657151203706e-05,
1241
+ "loss": 0.3417,
1242
+ "step": 176
1243
+ },
1244
+ {
1245
+ "epoch": 0.34502923976608185,
1246
+ "grad_norm": 1.4747799634933472,
1247
+ "learning_rate": 4.985492923762205e-05,
1248
+ "loss": 0.4277,
1249
+ "step": 177
1250
+ },
1251
+ {
1252
+ "epoch": 0.3469785575048733,
1253
+ "grad_norm": 2.048173189163208,
1254
+ "learning_rate": 4.9853277641884566e-05,
1255
+ "loss": 0.3981,
1256
+ "step": 178
1257
+ },
1258
+ {
1259
+ "epoch": 0.3489278752436647,
1260
+ "grad_norm": 1.8451355695724487,
1261
+ "learning_rate": 4.985161672544401e-05,
1262
+ "loss": 0.3735,
1263
+ "step": 179
1264
+ },
1265
+ {
1266
+ "epoch": 0.3508771929824561,
1267
+ "grad_norm": 1.9171719551086426,
1268
+ "learning_rate": 4.984994648892327e-05,
1269
+ "loss": 0.1491,
1270
+ "step": 180
1271
+ },
1272
+ {
1273
+ "epoch": 0.35282651072124754,
1274
+ "grad_norm": 1.5357357263565063,
1275
+ "learning_rate": 4.984826693294874e-05,
1276
+ "loss": 0.4117,
1277
+ "step": 181
1278
+ },
1279
+ {
1280
+ "epoch": 0.35477582846003897,
1281
+ "grad_norm": 0.9330224394798279,
1282
+ "learning_rate": 4.9846578058150294e-05,
1283
+ "loss": 0.193,
1284
+ "step": 182
1285
+ },
1286
+ {
1287
+ "epoch": 0.3567251461988304,
1288
+ "grad_norm": 1.979372262954712,
1289
+ "learning_rate": 4.9844879865161306e-05,
1290
+ "loss": 0.3185,
1291
+ "step": 183
1292
+ },
1293
+ {
1294
+ "epoch": 0.3586744639376218,
1295
+ "grad_norm": 4.062060356140137,
1296
+ "learning_rate": 4.9843172354618665e-05,
1297
+ "loss": 0.5614,
1298
+ "step": 184
1299
+ },
1300
+ {
1301
+ "epoch": 0.36062378167641324,
1302
+ "grad_norm": 1.1285593509674072,
1303
+ "learning_rate": 4.984145552716273e-05,
1304
+ "loss": 0.2232,
1305
+ "step": 185
1306
+ },
1307
+ {
1308
+ "epoch": 0.36257309941520466,
1309
+ "grad_norm": 3.0774827003479004,
1310
+ "learning_rate": 4.983972938343735e-05,
1311
+ "loss": 0.3859,
1312
+ "step": 186
1313
+ },
1314
+ {
1315
+ "epoch": 0.3645224171539961,
1316
+ "grad_norm": 1.517905831336975,
1317
+ "learning_rate": 4.9837993924089886e-05,
1318
+ "loss": 0.4119,
1319
+ "step": 187
1320
+ },
1321
+ {
1322
+ "epoch": 0.3664717348927875,
1323
+ "grad_norm": 1.9306056499481201,
1324
+ "learning_rate": 4.9836249149771197e-05,
1325
+ "loss": 0.5725,
1326
+ "step": 188
1327
+ },
1328
+ {
1329
+ "epoch": 0.3684210526315789,
1330
+ "grad_norm": 1.5651999711990356,
1331
+ "learning_rate": 4.9834495061135604e-05,
1332
+ "loss": 0.4968,
1333
+ "step": 189
1334
+ },
1335
+ {
1336
+ "epoch": 0.37037037037037035,
1337
+ "grad_norm": 2.602602481842041,
1338
+ "learning_rate": 4.9832731658840956e-05,
1339
+ "loss": 0.3752,
1340
+ "step": 190
1341
+ },
1342
+ {
1343
+ "epoch": 0.3723196881091618,
1344
+ "grad_norm": 3.406451463699341,
1345
+ "learning_rate": 4.983095894354858e-05,
1346
+ "loss": 0.3704,
1347
+ "step": 191
1348
+ },
1349
+ {
1350
+ "epoch": 0.3742690058479532,
1351
+ "grad_norm": 1.205080270767212,
1352
+ "learning_rate": 4.9829176915923284e-05,
1353
+ "loss": 0.4191,
1354
+ "step": 192
1355
+ },
1356
+ {
1357
+ "epoch": 0.3762183235867446,
1358
+ "grad_norm": 1.4948198795318604,
1359
+ "learning_rate": 4.982738557663339e-05,
1360
+ "loss": 0.4243,
1361
+ "step": 193
1362
+ },
1363
+ {
1364
+ "epoch": 0.37816764132553604,
1365
+ "grad_norm": 2.916222095489502,
1366
+ "learning_rate": 4.982558492635071e-05,
1367
+ "loss": 0.5668,
1368
+ "step": 194
1369
+ },
1370
+ {
1371
+ "epoch": 0.38011695906432746,
1372
+ "grad_norm": 1.334538459777832,
1373
+ "learning_rate": 4.982377496575052e-05,
1374
+ "loss": 0.3084,
1375
+ "step": 195
1376
+ },
1377
+ {
1378
+ "epoch": 0.3820662768031189,
1379
+ "grad_norm": 1.3179165124893188,
1380
+ "learning_rate": 4.982195569551162e-05,
1381
+ "loss": 0.3208,
1382
+ "step": 196
1383
+ },
1384
+ {
1385
+ "epoch": 0.3840155945419103,
1386
+ "grad_norm": 2.1792240142822266,
1387
+ "learning_rate": 4.9820127116316294e-05,
1388
+ "loss": 0.4006,
1389
+ "step": 197
1390
+ },
1391
+ {
1392
+ "epoch": 0.38596491228070173,
1393
+ "grad_norm": 1.2742739915847778,
1394
+ "learning_rate": 4.98182892288503e-05,
1395
+ "loss": 0.36,
1396
+ "step": 198
1397
+ },
1398
+ {
1399
+ "epoch": 0.38791423001949316,
1400
+ "grad_norm": 1.370862603187561,
1401
+ "learning_rate": 4.981644203380291e-05,
1402
+ "loss": 0.2402,
1403
+ "step": 199
1404
+ },
1405
+ {
1406
+ "epoch": 0.3898635477582846,
1407
+ "grad_norm": 2.4861257076263428,
1408
+ "learning_rate": 4.9814585531866876e-05,
1409
+ "loss": 0.4363,
1410
+ "step": 200
1411
+ },
1412
+ {
1413
+ "epoch": 0.391812865497076,
1414
+ "grad_norm": 1.1147726774215698,
1415
+ "learning_rate": 4.9812719723738435e-05,
1416
+ "loss": 0.2404,
1417
+ "step": 201
1418
+ },
1419
+ {
1420
+ "epoch": 0.3937621832358674,
1421
+ "grad_norm": 1.8338124752044678,
1422
+ "learning_rate": 4.981084461011731e-05,
1423
+ "loss": 0.4284,
1424
+ "step": 202
1425
+ },
1426
+ {
1427
+ "epoch": 0.39571150097465885,
1428
+ "grad_norm": 2.694561243057251,
1429
+ "learning_rate": 4.9808960191706745e-05,
1430
+ "loss": 0.5801,
1431
+ "step": 203
1432
+ },
1433
+ {
1434
+ "epoch": 0.39766081871345027,
1435
+ "grad_norm": 2.658717632293701,
1436
+ "learning_rate": 4.980706646921344e-05,
1437
+ "loss": 0.2616,
1438
+ "step": 204
1439
+ },
1440
+ {
1441
+ "epoch": 0.3996101364522417,
1442
+ "grad_norm": 1.4953371286392212,
1443
+ "learning_rate": 4.980516344334759e-05,
1444
+ "loss": 0.3311,
1445
+ "step": 205
1446
+ },
1447
+ {
1448
+ "epoch": 0.4015594541910331,
1449
+ "grad_norm": 2.2417805194854736,
1450
+ "learning_rate": 4.98032511148229e-05,
1451
+ "loss": 0.4595,
1452
+ "step": 206
1453
+ },
1454
+ {
1455
+ "epoch": 0.40350877192982454,
1456
+ "grad_norm": 1.4112643003463745,
1457
+ "learning_rate": 4.980132948435653e-05,
1458
+ "loss": 0.3376,
1459
+ "step": 207
1460
+ },
1461
+ {
1462
+ "epoch": 0.40545808966861596,
1463
+ "grad_norm": 2.1692042350769043,
1464
+ "learning_rate": 4.9799398552669175e-05,
1465
+ "loss": 0.2045,
1466
+ "step": 208
1467
+ },
1468
+ {
1469
+ "epoch": 0.4074074074074074,
1470
+ "grad_norm": 2.6594529151916504,
1471
+ "learning_rate": 4.9797458320484955e-05,
1472
+ "loss": 0.4822,
1473
+ "step": 209
1474
+ },
1475
+ {
1476
+ "epoch": 0.4093567251461988,
1477
+ "grad_norm": 1.2717002630233765,
1478
+ "learning_rate": 4.979550878853154e-05,
1479
+ "loss": 0.3825,
1480
+ "step": 210
1481
+ },
1482
+ {
1483
+ "epoch": 0.41130604288499023,
1484
+ "grad_norm": 1.2029057741165161,
1485
+ "learning_rate": 4.979354995754006e-05,
1486
+ "loss": 0.2554,
1487
+ "step": 211
1488
+ },
1489
+ {
1490
+ "epoch": 0.41325536062378165,
1491
+ "grad_norm": 1.0389094352722168,
1492
+ "learning_rate": 4.979158182824513e-05,
1493
+ "loss": 0.2863,
1494
+ "step": 212
1495
+ },
1496
+ {
1497
+ "epoch": 0.4152046783625731,
1498
+ "grad_norm": 1.282772183418274,
1499
+ "learning_rate": 4.978960440138484e-05,
1500
+ "loss": 0.3882,
1501
+ "step": 213
1502
+ },
1503
+ {
1504
+ "epoch": 0.4171539961013645,
1505
+ "grad_norm": 1.5731308460235596,
1506
+ "learning_rate": 4.97876176777008e-05,
1507
+ "loss": 0.3116,
1508
+ "step": 214
1509
+ },
1510
+ {
1511
+ "epoch": 0.4191033138401559,
1512
+ "grad_norm": 1.007163405418396,
1513
+ "learning_rate": 4.9785621657938084e-05,
1514
+ "loss": 0.2111,
1515
+ "step": 215
1516
+ },
1517
+ {
1518
+ "epoch": 0.42105263157894735,
1519
+ "grad_norm": 1.6937792301177979,
1520
+ "learning_rate": 4.9783616342845265e-05,
1521
+ "loss": 0.3946,
1522
+ "step": 216
1523
+ },
1524
+ {
1525
+ "epoch": 0.42300194931773877,
1526
+ "grad_norm": 1.8394931554794312,
1527
+ "learning_rate": 4.978160173317438e-05,
1528
+ "loss": 0.3773,
1529
+ "step": 217
1530
+ },
1531
+ {
1532
+ "epoch": 0.4249512670565302,
1533
+ "grad_norm": 1.051283836364746,
1534
+ "learning_rate": 4.977957782968098e-05,
1535
+ "loss": 0.3109,
1536
+ "step": 218
1537
+ },
1538
+ {
1539
+ "epoch": 0.4269005847953216,
1540
+ "grad_norm": 2.1317038536071777,
1541
+ "learning_rate": 4.977754463312408e-05,
1542
+ "loss": 0.4391,
1543
+ "step": 219
1544
+ },
1545
+ {
1546
+ "epoch": 0.42884990253411304,
1547
+ "grad_norm": 2.1791181564331055,
1548
+ "learning_rate": 4.9775502144266194e-05,
1549
+ "loss": 0.4575,
1550
+ "step": 220
1551
+ },
1552
+ {
1553
+ "epoch": 0.43079922027290446,
1554
+ "grad_norm": 1.2595171928405762,
1555
+ "learning_rate": 4.977345036387331e-05,
1556
+ "loss": 0.2111,
1557
+ "step": 221
1558
+ },
1559
+ {
1560
+ "epoch": 0.4327485380116959,
1561
+ "grad_norm": 1.8258440494537354,
1562
+ "learning_rate": 4.97713892927149e-05,
1563
+ "loss": 0.3687,
1564
+ "step": 222
1565
+ },
1566
+ {
1567
+ "epoch": 0.4346978557504873,
1568
+ "grad_norm": 2.0521137714385986,
1569
+ "learning_rate": 4.976931893156395e-05,
1570
+ "loss": 0.3529,
1571
+ "step": 223
1572
+ },
1573
+ {
1574
+ "epoch": 0.43664717348927873,
1575
+ "grad_norm": 2.280329465866089,
1576
+ "learning_rate": 4.9767239281196866e-05,
1577
+ "loss": 0.2715,
1578
+ "step": 224
1579
+ },
1580
+ {
1581
+ "epoch": 0.43859649122807015,
1582
+ "grad_norm": 1.3993135690689087,
1583
+ "learning_rate": 4.9765150342393607e-05,
1584
+ "loss": 0.3478,
1585
+ "step": 225
1586
+ },
1587
+ {
1588
+ "epoch": 0.4405458089668616,
1589
+ "grad_norm": 2.222317695617676,
1590
+ "learning_rate": 4.976305211593758e-05,
1591
+ "loss": 0.2184,
1592
+ "step": 226
1593
+ },
1594
+ {
1595
+ "epoch": 0.442495126705653,
1596
+ "grad_norm": 1.2924338579177856,
1597
+ "learning_rate": 4.976094460261568e-05,
1598
+ "loss": 0.4274,
1599
+ "step": 227
1600
+ },
1601
+ {
1602
+ "epoch": 0.4444444444444444,
1603
+ "grad_norm": 2.4747519493103027,
1604
+ "learning_rate": 4.975882780321829e-05,
1605
+ "loss": 0.384,
1606
+ "step": 228
1607
+ },
1608
+ {
1609
+ "epoch": 0.44639376218323584,
1610
+ "grad_norm": 2.9622955322265625,
1611
+ "learning_rate": 4.975670171853926e-05,
1612
+ "loss": 0.4618,
1613
+ "step": 229
1614
+ },
1615
+ {
1616
+ "epoch": 0.44834307992202727,
1617
+ "grad_norm": 2.2601583003997803,
1618
+ "learning_rate": 4.9754566349375944e-05,
1619
+ "loss": 0.4084,
1620
+ "step": 230
1621
+ },
1622
+ {
1623
+ "epoch": 0.4502923976608187,
1624
+ "grad_norm": 1.2992753982543945,
1625
+ "learning_rate": 4.9752421696529164e-05,
1626
+ "loss": 0.2079,
1627
+ "step": 231
1628
+ },
1629
+ {
1630
+ "epoch": 0.4522417153996101,
1631
+ "grad_norm": 1.5685735940933228,
1632
+ "learning_rate": 4.975026776080322e-05,
1633
+ "loss": 0.3069,
1634
+ "step": 232
1635
+ },
1636
+ {
1637
+ "epoch": 0.45419103313840153,
1638
+ "grad_norm": 2.373314142227173,
1639
+ "learning_rate": 4.974810454300591e-05,
1640
+ "loss": 0.6465,
1641
+ "step": 233
1642
+ },
1643
+ {
1644
+ "epoch": 0.45614035087719296,
1645
+ "grad_norm": 1.9187202453613281,
1646
+ "learning_rate": 4.974593204394851e-05,
1647
+ "loss": 0.441,
1648
+ "step": 234
1649
+ },
1650
+ {
1651
+ "epoch": 0.4580896686159844,
1652
+ "grad_norm": 1.0902084112167358,
1653
+ "learning_rate": 4.974375026444575e-05,
1654
+ "loss": 0.2478,
1655
+ "step": 235
1656
+ },
1657
+ {
1658
+ "epoch": 0.4600389863547758,
1659
+ "grad_norm": 1.271421194076538,
1660
+ "learning_rate": 4.9741559205315887e-05,
1661
+ "loss": 0.3871,
1662
+ "step": 236
1663
+ },
1664
+ {
1665
+ "epoch": 0.4619883040935672,
1666
+ "grad_norm": 1.6592354774475098,
1667
+ "learning_rate": 4.973935886738061e-05,
1668
+ "loss": 0.4864,
1669
+ "step": 237
1670
+ },
1671
+ {
1672
+ "epoch": 0.46393762183235865,
1673
+ "grad_norm": 1.5289167165756226,
1674
+ "learning_rate": 4.973714925146512e-05,
1675
+ "loss": 0.3724,
1676
+ "step": 238
1677
+ },
1678
+ {
1679
+ "epoch": 0.46588693957115007,
1680
+ "grad_norm": 1.4299089908599854,
1681
+ "learning_rate": 4.973493035839808e-05,
1682
+ "loss": 0.4543,
1683
+ "step": 239
1684
+ },
1685
+ {
1686
+ "epoch": 0.4678362573099415,
1687
+ "grad_norm": 2.9358882904052734,
1688
+ "learning_rate": 4.9732702189011646e-05,
1689
+ "loss": 0.2612,
1690
+ "step": 240
1691
+ },
1692
+ {
1693
+ "epoch": 0.4697855750487329,
1694
+ "grad_norm": 2.0271034240722656,
1695
+ "learning_rate": 4.9730464744141445e-05,
1696
+ "loss": 0.3887,
1697
+ "step": 241
1698
+ },
1699
+ {
1700
+ "epoch": 0.47173489278752434,
1701
+ "grad_norm": 1.6776154041290283,
1702
+ "learning_rate": 4.9728218024626594e-05,
1703
+ "loss": 0.3382,
1704
+ "step": 242
1705
+ },
1706
+ {
1707
+ "epoch": 0.47368421052631576,
1708
+ "grad_norm": 1.4396791458129883,
1709
+ "learning_rate": 4.972596203130966e-05,
1710
+ "loss": 0.4439,
1711
+ "step": 243
1712
+ },
1713
+ {
1714
+ "epoch": 0.4756335282651072,
1715
+ "grad_norm": 1.339888095855713,
1716
+ "learning_rate": 4.972369676503672e-05,
1717
+ "loss": 0.4316,
1718
+ "step": 244
1719
+ },
1720
+ {
1721
+ "epoch": 0.4775828460038986,
1722
+ "grad_norm": 1.6286581754684448,
1723
+ "learning_rate": 4.97214222266573e-05,
1724
+ "loss": 0.4929,
1725
+ "step": 245
1726
+ },
1727
+ {
1728
+ "epoch": 0.47953216374269003,
1729
+ "grad_norm": 1.763009786605835,
1730
+ "learning_rate": 4.971913841702443e-05,
1731
+ "loss": 0.4163,
1732
+ "step": 246
1733
+ },
1734
+ {
1735
+ "epoch": 0.48148148148148145,
1736
+ "grad_norm": 1.0595530271530151,
1737
+ "learning_rate": 4.971684533699461e-05,
1738
+ "loss": 0.3548,
1739
+ "step": 247
1740
+ },
1741
+ {
1742
+ "epoch": 0.4834307992202729,
1743
+ "grad_norm": 1.0331029891967773,
1744
+ "learning_rate": 4.971454298742779e-05,
1745
+ "loss": 0.2435,
1746
+ "step": 248
1747
+ },
1748
+ {
1749
+ "epoch": 0.4853801169590643,
1750
+ "grad_norm": 1.2578600645065308,
1751
+ "learning_rate": 4.971223136918745e-05,
1752
+ "loss": 0.3474,
1753
+ "step": 249
1754
+ },
1755
+ {
1756
+ "epoch": 0.4873294346978557,
1757
+ "grad_norm": 1.12998366355896,
1758
+ "learning_rate": 4.970991048314049e-05,
1759
+ "loss": 0.3906,
1760
+ "step": 250
1761
+ },
1762
+ {
1763
+ "epoch": 0.48927875243664715,
1764
+ "grad_norm": 1.419793963432312,
1765
+ "learning_rate": 4.970758033015731e-05,
1766
+ "loss": 0.4241,
1767
+ "step": 251
1768
+ },
1769
+ {
1770
+ "epoch": 0.49122807017543857,
1771
+ "grad_norm": 1.3174474239349365,
1772
+ "learning_rate": 4.970524091111179e-05,
1773
+ "loss": 0.3978,
1774
+ "step": 252
1775
+ },
1776
+ {
1777
+ "epoch": 0.49317738791423,
1778
+ "grad_norm": 1.904997706413269,
1779
+ "learning_rate": 4.970289222688129e-05,
1780
+ "loss": 0.183,
1781
+ "step": 253
1782
+ },
1783
+ {
1784
+ "epoch": 0.4951267056530214,
1785
+ "grad_norm": 2.146162748336792,
1786
+ "learning_rate": 4.970053427834663e-05,
1787
+ "loss": 0.529,
1788
+ "step": 254
1789
+ },
1790
+ {
1791
+ "epoch": 0.49707602339181284,
1792
+ "grad_norm": 1.566424012184143,
1793
+ "learning_rate": 4.9698167066392104e-05,
1794
+ "loss": 0.5934,
1795
+ "step": 255
1796
+ },
1797
+ {
1798
+ "epoch": 0.49902534113060426,
1799
+ "grad_norm": 1.355782151222229,
1800
+ "learning_rate": 4.969579059190549e-05,
1801
+ "loss": 0.2656,
1802
+ "step": 256
1803
+ },
1804
+ {
1805
+ "epoch": 0.5009746588693957,
1806
+ "grad_norm": 1.3807439804077148,
1807
+ "learning_rate": 4.9693404855778026e-05,
1808
+ "loss": 0.3173,
1809
+ "step": 257
1810
+ },
1811
+ {
1812
+ "epoch": 0.5029239766081871,
1813
+ "grad_norm": 1.0425792932510376,
1814
+ "learning_rate": 4.9691009858904446e-05,
1815
+ "loss": 0.2971,
1816
+ "step": 258
1817
+ },
1818
+ {
1819
+ "epoch": 0.5048732943469786,
1820
+ "grad_norm": 2.6909751892089844,
1821
+ "learning_rate": 4.968860560218293e-05,
1822
+ "loss": 0.4765,
1823
+ "step": 259
1824
+ },
1825
+ {
1826
+ "epoch": 0.50682261208577,
1827
+ "grad_norm": 1.5082517862319946,
1828
+ "learning_rate": 4.968619208651516e-05,
1829
+ "loss": 0.3963,
1830
+ "step": 260
1831
+ },
1832
+ {
1833
+ "epoch": 0.5087719298245614,
1834
+ "grad_norm": 1.883731722831726,
1835
+ "learning_rate": 4.968376931280626e-05,
1836
+ "loss": 0.4274,
1837
+ "step": 261
1838
+ },
1839
+ {
1840
+ "epoch": 0.5107212475633528,
1841
+ "grad_norm": 1.5462294816970825,
1842
+ "learning_rate": 4.968133728196486e-05,
1843
+ "loss": 0.2737,
1844
+ "step": 262
1845
+ },
1846
+ {
1847
+ "epoch": 0.5126705653021443,
1848
+ "grad_norm": 1.1276328563690186,
1849
+ "learning_rate": 4.9678895994903015e-05,
1850
+ "loss": 0.3541,
1851
+ "step": 263
1852
+ },
1853
+ {
1854
+ "epoch": 0.5146198830409356,
1855
+ "grad_norm": 1.2786846160888672,
1856
+ "learning_rate": 4.967644545253629e-05,
1857
+ "loss": 0.2623,
1858
+ "step": 264
1859
+ },
1860
+ {
1861
+ "epoch": 0.5165692007797271,
1862
+ "grad_norm": 1.0822526216506958,
1863
+ "learning_rate": 4.967398565578373e-05,
1864
+ "loss": 0.2283,
1865
+ "step": 265
1866
+ },
1867
+ {
1868
+ "epoch": 0.5185185185185185,
1869
+ "grad_norm": 1.1265469789505005,
1870
+ "learning_rate": 4.9671516605567806e-05,
1871
+ "loss": 0.1987,
1872
+ "step": 266
1873
+ },
1874
+ {
1875
+ "epoch": 0.52046783625731,
1876
+ "grad_norm": 3.0810773372650146,
1877
+ "learning_rate": 4.966903830281449e-05,
1878
+ "loss": 0.6143,
1879
+ "step": 267
1880
+ },
1881
+ {
1882
+ "epoch": 0.5224171539961013,
1883
+ "grad_norm": 1.2288907766342163,
1884
+ "learning_rate": 4.966655074845321e-05,
1885
+ "loss": 0.3674,
1886
+ "step": 268
1887
+ },
1888
+ {
1889
+ "epoch": 0.5243664717348928,
1890
+ "grad_norm": 2.0378596782684326,
1891
+ "learning_rate": 4.966405394341689e-05,
1892
+ "loss": 0.3932,
1893
+ "step": 269
1894
+ },
1895
+ {
1896
+ "epoch": 0.5263157894736842,
1897
+ "grad_norm": 2.134866237640381,
1898
+ "learning_rate": 4.966154788864189e-05,
1899
+ "loss": 0.2823,
1900
+ "step": 270
1901
+ },
1902
+ {
1903
+ "epoch": 0.5282651072124757,
1904
+ "grad_norm": 2.094465970993042,
1905
+ "learning_rate": 4.965903258506806e-05,
1906
+ "loss": 0.5691,
1907
+ "step": 271
1908
+ },
1909
+ {
1910
+ "epoch": 0.530214424951267,
1911
+ "grad_norm": 1.2885500192642212,
1912
+ "learning_rate": 4.965650803363872e-05,
1913
+ "loss": 0.3285,
1914
+ "step": 272
1915
+ },
1916
+ {
1917
+ "epoch": 0.5321637426900585,
1918
+ "grad_norm": 1.7445613145828247,
1919
+ "learning_rate": 4.965397423530063e-05,
1920
+ "loss": 0.3152,
1921
+ "step": 273
1922
+ },
1923
+ {
1924
+ "epoch": 0.5341130604288499,
1925
+ "grad_norm": 1.1533405780792236,
1926
+ "learning_rate": 4.965143119100405e-05,
1927
+ "loss": 0.3576,
1928
+ "step": 274
1929
+ },
1930
+ {
1931
+ "epoch": 0.5360623781676414,
1932
+ "grad_norm": 2.171823263168335,
1933
+ "learning_rate": 4.964887890170269e-05,
1934
+ "loss": 0.3819,
1935
+ "step": 275
1936
+ },
1937
+ {
1938
+ "epoch": 0.5380116959064327,
1939
+ "grad_norm": 1.6749441623687744,
1940
+ "learning_rate": 4.9646317368353743e-05,
1941
+ "loss": 0.3861,
1942
+ "step": 276
1943
+ },
1944
+ {
1945
+ "epoch": 0.5399610136452242,
1946
+ "grad_norm": 2.6794896125793457,
1947
+ "learning_rate": 4.964374659191786e-05,
1948
+ "loss": 0.2289,
1949
+ "step": 277
1950
+ },
1951
+ {
1952
+ "epoch": 0.5419103313840156,
1953
+ "grad_norm": 1.0740936994552612,
1954
+ "learning_rate": 4.9641166573359145e-05,
1955
+ "loss": 0.2936,
1956
+ "step": 278
1957
+ },
1958
+ {
1959
+ "epoch": 0.543859649122807,
1960
+ "grad_norm": 2.028672218322754,
1961
+ "learning_rate": 4.963857731364518e-05,
1962
+ "loss": 0.4078,
1963
+ "step": 279
1964
+ },
1965
+ {
1966
+ "epoch": 0.5458089668615984,
1967
+ "grad_norm": 1.2307089567184448,
1968
+ "learning_rate": 4.963597881374702e-05,
1969
+ "loss": 0.3162,
1970
+ "step": 280
1971
+ },
1972
+ {
1973
+ "epoch": 0.5477582846003899,
1974
+ "grad_norm": 1.8003604412078857,
1975
+ "learning_rate": 4.963337107463918e-05,
1976
+ "loss": 0.2221,
1977
+ "step": 281
1978
+ },
1979
+ {
1980
+ "epoch": 0.5497076023391813,
1981
+ "grad_norm": 2.4158475399017334,
1982
+ "learning_rate": 4.963075409729964e-05,
1983
+ "loss": 0.4185,
1984
+ "step": 282
1985
+ },
1986
+ {
1987
+ "epoch": 0.5516569200779727,
1988
+ "grad_norm": 1.1701244115829468,
1989
+ "learning_rate": 4.9628127882709827e-05,
1990
+ "loss": 0.394,
1991
+ "step": 283
1992
+ },
1993
+ {
1994
+ "epoch": 0.5536062378167641,
1995
+ "grad_norm": 2.7027881145477295,
1996
+ "learning_rate": 4.962549243185466e-05,
1997
+ "loss": 0.4565,
1998
+ "step": 284
1999
+ },
2000
+ {
2001
+ "epoch": 0.5555555555555556,
2002
+ "grad_norm": 0.9877011179924011,
2003
+ "learning_rate": 4.9622847745722505e-05,
2004
+ "loss": 0.257,
2005
+ "step": 285
2006
+ },
2007
+ {
2008
+ "epoch": 0.557504873294347,
2009
+ "grad_norm": 1.184712290763855,
2010
+ "learning_rate": 4.962019382530521e-05,
2011
+ "loss": 0.298,
2012
+ "step": 286
2013
+ },
2014
+ {
2015
+ "epoch": 0.5594541910331384,
2016
+ "grad_norm": 1.62773859500885,
2017
+ "learning_rate": 4.9617530671598044e-05,
2018
+ "loss": 0.4093,
2019
+ "step": 287
2020
+ },
2021
+ {
2022
+ "epoch": 0.5614035087719298,
2023
+ "grad_norm": 1.036949634552002,
2024
+ "learning_rate": 4.9614858285599794e-05,
2025
+ "loss": 0.2828,
2026
+ "step": 288
2027
+ },
2028
+ {
2029
+ "epoch": 0.5633528265107213,
2030
+ "grad_norm": 3.086094617843628,
2031
+ "learning_rate": 4.961217666831268e-05,
2032
+ "loss": 0.3753,
2033
+ "step": 289
2034
+ },
2035
+ {
2036
+ "epoch": 0.5653021442495126,
2037
+ "grad_norm": 1.9099311828613281,
2038
+ "learning_rate": 4.960948582074237e-05,
2039
+ "loss": 0.3724,
2040
+ "step": 290
2041
+ },
2042
+ {
2043
+ "epoch": 0.5672514619883041,
2044
+ "grad_norm": 2.234700918197632,
2045
+ "learning_rate": 4.960678574389803e-05,
2046
+ "loss": 0.3613,
2047
+ "step": 291
2048
+ },
2049
+ {
2050
+ "epoch": 0.5692007797270955,
2051
+ "grad_norm": 1.4163477420806885,
2052
+ "learning_rate": 4.9604076438792255e-05,
2053
+ "loss": 0.3094,
2054
+ "step": 292
2055
+ },
2056
+ {
2057
+ "epoch": 0.571150097465887,
2058
+ "grad_norm": 0.90562903881073,
2059
+ "learning_rate": 4.960135790644111e-05,
2060
+ "loss": 0.3252,
2061
+ "step": 293
2062
+ },
2063
+ {
2064
+ "epoch": 0.5730994152046783,
2065
+ "grad_norm": 1.9369096755981445,
2066
+ "learning_rate": 4.959863014786414e-05,
2067
+ "loss": 0.655,
2068
+ "step": 294
2069
+ },
2070
+ {
2071
+ "epoch": 0.5750487329434698,
2072
+ "grad_norm": 2.592176675796509,
2073
+ "learning_rate": 4.959589316408432e-05,
2074
+ "loss": 0.3583,
2075
+ "step": 295
2076
+ },
2077
+ {
2078
+ "epoch": 0.5769980506822612,
2079
+ "grad_norm": 3.054426431655884,
2080
+ "learning_rate": 4.95931469561281e-05,
2081
+ "loss": 0.5578,
2082
+ "step": 296
2083
+ },
2084
+ {
2085
+ "epoch": 0.5789473684210527,
2086
+ "grad_norm": 1.4480476379394531,
2087
+ "learning_rate": 4.959039152502539e-05,
2088
+ "loss": 0.2493,
2089
+ "step": 297
2090
+ },
2091
+ {
2092
+ "epoch": 0.580896686159844,
2093
+ "grad_norm": 3.9092512130737305,
2094
+ "learning_rate": 4.958762687180956e-05,
2095
+ "loss": 0.573,
2096
+ "step": 298
2097
+ },
2098
+ {
2099
+ "epoch": 0.5828460038986355,
2100
+ "grad_norm": 0.9715137481689453,
2101
+ "learning_rate": 4.958485299751743e-05,
2102
+ "loss": 0.2617,
2103
+ "step": 299
2104
+ },
2105
+ {
2106
+ "epoch": 0.5847953216374269,
2107
+ "grad_norm": 1.596309781074524,
2108
+ "learning_rate": 4.9582069903189296e-05,
2109
+ "loss": 0.3967,
2110
+ "step": 300
2111
+ },
2112
+ {
2113
+ "epoch": 0.5867446393762183,
2114
+ "grad_norm": 1.335355281829834,
2115
+ "learning_rate": 4.957927758986888e-05,
2116
+ "loss": 0.4619,
2117
+ "step": 301
2118
+ },
2119
+ {
2120
+ "epoch": 0.5886939571150097,
2121
+ "grad_norm": 1.2733783721923828,
2122
+ "learning_rate": 4.9576476058603394e-05,
2123
+ "loss": 0.2382,
2124
+ "step": 302
2125
+ },
2126
+ {
2127
+ "epoch": 0.5906432748538012,
2128
+ "grad_norm": 1.7054555416107178,
2129
+ "learning_rate": 4.9573665310443484e-05,
2130
+ "loss": 0.3152,
2131
+ "step": 303
2132
+ },
2133
+ {
2134
+ "epoch": 0.5925925925925926,
2135
+ "grad_norm": 2.4826815128326416,
2136
+ "learning_rate": 4.957084534644328e-05,
2137
+ "loss": 0.3444,
2138
+ "step": 304
2139
+ },
2140
+ {
2141
+ "epoch": 0.594541910331384,
2142
+ "grad_norm": 1.592140555381775,
2143
+ "learning_rate": 4.9568016167660334e-05,
2144
+ "loss": 0.3954,
2145
+ "step": 305
2146
+ },
2147
+ {
2148
+ "epoch": 0.5964912280701754,
2149
+ "grad_norm": 2.8522520065307617,
2150
+ "learning_rate": 4.956517777515568e-05,
2151
+ "loss": 0.1784,
2152
+ "step": 306
2153
+ },
2154
+ {
2155
+ "epoch": 0.5984405458089669,
2156
+ "grad_norm": 1.930015206336975,
2157
+ "learning_rate": 4.956233016999379e-05,
2158
+ "loss": 0.4988,
2159
+ "step": 307
2160
+ },
2161
+ {
2162
+ "epoch": 0.6003898635477583,
2163
+ "grad_norm": 3.5672006607055664,
2164
+ "learning_rate": 4.95594733532426e-05,
2165
+ "loss": 0.6282,
2166
+ "step": 308
2167
+ },
2168
+ {
2169
+ "epoch": 0.6023391812865497,
2170
+ "grad_norm": 1.65182363986969,
2171
+ "learning_rate": 4.955660732597351e-05,
2172
+ "loss": 0.359,
2173
+ "step": 309
2174
+ },
2175
+ {
2176
+ "epoch": 0.6042884990253411,
2177
+ "grad_norm": 1.5532578229904175,
2178
+ "learning_rate": 4.955373208926135e-05,
2179
+ "loss": 0.5493,
2180
+ "step": 310
2181
+ },
2182
+ {
2183
+ "epoch": 0.6062378167641326,
2184
+ "grad_norm": 1.229417085647583,
2185
+ "learning_rate": 4.955084764418443e-05,
2186
+ "loss": 0.2563,
2187
+ "step": 311
2188
+ },
2189
+ {
2190
+ "epoch": 0.6081871345029239,
2191
+ "grad_norm": 1.4432580471038818,
2192
+ "learning_rate": 4.9547953991824494e-05,
2193
+ "loss": 0.3696,
2194
+ "step": 312
2195
+ },
2196
+ {
2197
+ "epoch": 0.6101364522417154,
2198
+ "grad_norm": 1.5058088302612305,
2199
+ "learning_rate": 4.954505113326674e-05,
2200
+ "loss": 0.2038,
2201
+ "step": 313
2202
+ },
2203
+ {
2204
+ "epoch": 0.6120857699805068,
2205
+ "grad_norm": 1.4359371662139893,
2206
+ "learning_rate": 4.954213906959984e-05,
2207
+ "loss": 0.2916,
2208
+ "step": 314
2209
+ },
2210
+ {
2211
+ "epoch": 0.6140350877192983,
2212
+ "grad_norm": 3.544539451599121,
2213
+ "learning_rate": 4.953921780191588e-05,
2214
+ "loss": 0.5028,
2215
+ "step": 315
2216
+ },
2217
+ {
2218
+ "epoch": 0.6159844054580896,
2219
+ "grad_norm": 1.3534208536148071,
2220
+ "learning_rate": 4.953628733131045e-05,
2221
+ "loss": 0.2338,
2222
+ "step": 316
2223
+ },
2224
+ {
2225
+ "epoch": 0.6179337231968811,
2226
+ "grad_norm": 0.9935697913169861,
2227
+ "learning_rate": 4.953334765888254e-05,
2228
+ "loss": 0.3105,
2229
+ "step": 317
2230
+ },
2231
+ {
2232
+ "epoch": 0.6198830409356725,
2233
+ "grad_norm": 0.919991672039032,
2234
+ "learning_rate": 4.953039878573461e-05,
2235
+ "loss": 0.2891,
2236
+ "step": 318
2237
+ },
2238
+ {
2239
+ "epoch": 0.621832358674464,
2240
+ "grad_norm": 2.6081600189208984,
2241
+ "learning_rate": 4.9527440712972594e-05,
2242
+ "loss": 0.5159,
2243
+ "step": 319
2244
+ },
2245
+ {
2246
+ "epoch": 0.6237816764132553,
2247
+ "grad_norm": 1.4236271381378174,
2248
+ "learning_rate": 4.9524473441705845e-05,
2249
+ "loss": 0.2315,
2250
+ "step": 320
2251
+ },
2252
+ {
2253
+ "epoch": 0.6257309941520468,
2254
+ "grad_norm": 2.052304983139038,
2255
+ "learning_rate": 4.952149697304716e-05,
2256
+ "loss": 0.2939,
2257
+ "step": 321
2258
+ },
2259
+ {
2260
+ "epoch": 0.6276803118908382,
2261
+ "grad_norm": 1.4342013597488403,
2262
+ "learning_rate": 4.9518511308112836e-05,
2263
+ "loss": 0.3538,
2264
+ "step": 322
2265
+ },
2266
+ {
2267
+ "epoch": 0.6296296296296297,
2268
+ "grad_norm": 1.2472108602523804,
2269
+ "learning_rate": 4.9515516448022554e-05,
2270
+ "loss": 0.1375,
2271
+ "step": 323
2272
+ },
2273
+ {
2274
+ "epoch": 0.631578947368421,
2275
+ "grad_norm": 1.1240172386169434,
2276
+ "learning_rate": 4.951251239389948e-05,
2277
+ "loss": 0.2794,
2278
+ "step": 324
2279
+ },
2280
+ {
2281
+ "epoch": 0.6335282651072125,
2282
+ "grad_norm": 2.861426591873169,
2283
+ "learning_rate": 4.9509499146870236e-05,
2284
+ "loss": 0.4035,
2285
+ "step": 325
2286
+ },
2287
+ {
2288
+ "epoch": 0.6354775828460039,
2289
+ "grad_norm": 3.120727777481079,
2290
+ "learning_rate": 4.9506476708064865e-05,
2291
+ "loss": 0.4107,
2292
+ "step": 326
2293
+ },
2294
+ {
2295
+ "epoch": 0.6374269005847953,
2296
+ "grad_norm": 1.5351279973983765,
2297
+ "learning_rate": 4.950344507861687e-05,
2298
+ "loss": 0.3659,
2299
+ "step": 327
2300
+ },
2301
+ {
2302
+ "epoch": 0.6393762183235867,
2303
+ "grad_norm": 1.8682610988616943,
2304
+ "learning_rate": 4.9500404259663204e-05,
2305
+ "loss": 0.4572,
2306
+ "step": 328
2307
+ },
2308
+ {
2309
+ "epoch": 0.6413255360623782,
2310
+ "grad_norm": 2.467379331588745,
2311
+ "learning_rate": 4.949735425234426e-05,
2312
+ "loss": 0.4451,
2313
+ "step": 329
2314
+ },
2315
+ {
2316
+ "epoch": 0.6432748538011696,
2317
+ "grad_norm": 1.8122000694274902,
2318
+ "learning_rate": 4.949429505780388e-05,
2319
+ "loss": 0.4275,
2320
+ "step": 330
2321
+ },
2322
+ {
2323
+ "epoch": 0.645224171539961,
2324
+ "grad_norm": 1.1270982027053833,
2325
+ "learning_rate": 4.949122667718935e-05,
2326
+ "loss": 0.475,
2327
+ "step": 331
2328
+ },
2329
+ {
2330
+ "epoch": 0.6471734892787524,
2331
+ "grad_norm": 1.7432148456573486,
2332
+ "learning_rate": 4.94881491116514e-05,
2333
+ "loss": 0.3819,
2334
+ "step": 332
2335
+ },
2336
+ {
2337
+ "epoch": 0.6491228070175439,
2338
+ "grad_norm": 2.365074872970581,
2339
+ "learning_rate": 4.948506236234422e-05,
2340
+ "loss": 0.3931,
2341
+ "step": 333
2342
+ },
2343
+ {
2344
+ "epoch": 0.6510721247563352,
2345
+ "grad_norm": 1.513343095779419,
2346
+ "learning_rate": 4.948196643042542e-05,
2347
+ "loss": 0.4513,
2348
+ "step": 334
2349
+ },
2350
+ {
2351
+ "epoch": 0.6530214424951267,
2352
+ "grad_norm": 2.093255043029785,
2353
+ "learning_rate": 4.947886131705607e-05,
2354
+ "loss": 0.3314,
2355
+ "step": 335
2356
+ },
2357
+ {
2358
+ "epoch": 0.6549707602339181,
2359
+ "grad_norm": 1.5942249298095703,
2360
+ "learning_rate": 4.947574702340067e-05,
2361
+ "loss": 0.4677,
2362
+ "step": 336
2363
+ },
2364
+ {
2365
+ "epoch": 0.6569200779727096,
2366
+ "grad_norm": 1.5072476863861084,
2367
+ "learning_rate": 4.947262355062717e-05,
2368
+ "loss": 0.3279,
2369
+ "step": 337
2370
+ },
2371
+ {
2372
+ "epoch": 0.6588693957115009,
2373
+ "grad_norm": 1.599369764328003,
2374
+ "learning_rate": 4.946949089990698e-05,
2375
+ "loss": 0.3445,
2376
+ "step": 338
2377
+ },
2378
+ {
2379
+ "epoch": 0.6608187134502924,
2380
+ "grad_norm": 1.1099441051483154,
2381
+ "learning_rate": 4.9466349072414905e-05,
2382
+ "loss": 0.1039,
2383
+ "step": 339
2384
+ },
2385
+ {
2386
+ "epoch": 0.6627680311890838,
2387
+ "grad_norm": 2.327993154525757,
2388
+ "learning_rate": 4.946319806932926e-05,
2389
+ "loss": 0.3157,
2390
+ "step": 340
2391
+ },
2392
+ {
2393
+ "epoch": 0.6647173489278753,
2394
+ "grad_norm": 1.2206717729568481,
2395
+ "learning_rate": 4.946003789183173e-05,
2396
+ "loss": 0.3601,
2397
+ "step": 341
2398
+ },
2399
+ {
2400
+ "epoch": 0.6666666666666666,
2401
+ "grad_norm": 3.205497980117798,
2402
+ "learning_rate": 4.945686854110749e-05,
2403
+ "loss": 0.6833,
2404
+ "step": 342
2405
+ },
2406
+ {
2407
+ "epoch": 0.6686159844054581,
2408
+ "grad_norm": 2.4034671783447266,
2409
+ "learning_rate": 4.9453690018345144e-05,
2410
+ "loss": 0.3902,
2411
+ "step": 343
2412
+ },
2413
+ {
2414
+ "epoch": 0.6705653021442495,
2415
+ "grad_norm": 2.9104902744293213,
2416
+ "learning_rate": 4.9450502324736714e-05,
2417
+ "loss": 0.4249,
2418
+ "step": 344
2419
+ },
2420
+ {
2421
+ "epoch": 0.672514619883041,
2422
+ "grad_norm": 5.181597709655762,
2423
+ "learning_rate": 4.944730546147769e-05,
2424
+ "loss": 0.8543,
2425
+ "step": 345
2426
+ },
2427
+ {
2428
+ "epoch": 0.6744639376218323,
2429
+ "grad_norm": 4.58953857421875,
2430
+ "learning_rate": 4.944409942976699e-05,
2431
+ "loss": 0.6769,
2432
+ "step": 346
2433
+ },
2434
+ {
2435
+ "epoch": 0.6764132553606238,
2436
+ "grad_norm": 1.357374668121338,
2437
+ "learning_rate": 4.944088423080695e-05,
2438
+ "loss": 0.3949,
2439
+ "step": 347
2440
+ },
2441
+ {
2442
+ "epoch": 0.6783625730994152,
2443
+ "grad_norm": 1.4156286716461182,
2444
+ "learning_rate": 4.9437659865803384e-05,
2445
+ "loss": 0.4541,
2446
+ "step": 348
2447
+ },
2448
+ {
2449
+ "epoch": 0.6803118908382066,
2450
+ "grad_norm": 1.5938514471054077,
2451
+ "learning_rate": 4.943442633596552e-05,
2452
+ "loss": 0.4605,
2453
+ "step": 349
2454
+ },
2455
+ {
2456
+ "epoch": 0.682261208576998,
2457
+ "grad_norm": 2.982327461242676,
2458
+ "learning_rate": 4.943118364250603e-05,
2459
+ "loss": 0.2874,
2460
+ "step": 350
2461
+ },
2462
+ {
2463
+ "epoch": 0.6842105263157895,
2464
+ "grad_norm": 2.752328395843506,
2465
+ "learning_rate": 4.9427931786641e-05,
2466
+ "loss": 0.2191,
2467
+ "step": 351
2468
+ },
2469
+ {
2470
+ "epoch": 0.6861598440545809,
2471
+ "grad_norm": 1.3104287385940552,
2472
+ "learning_rate": 4.9424670769589984e-05,
2473
+ "loss": 0.4223,
2474
+ "step": 352
2475
+ },
2476
+ {
2477
+ "epoch": 0.6881091617933723,
2478
+ "grad_norm": 1.1367523670196533,
2479
+ "learning_rate": 4.9421400592575957e-05,
2480
+ "loss": 0.4174,
2481
+ "step": 353
2482
+ },
2483
+ {
2484
+ "epoch": 0.6900584795321637,
2485
+ "grad_norm": 1.791349172592163,
2486
+ "learning_rate": 4.941812125682533e-05,
2487
+ "loss": 0.5581,
2488
+ "step": 354
2489
+ },
2490
+ {
2491
+ "epoch": 0.6920077972709552,
2492
+ "grad_norm": 1.1456234455108643,
2493
+ "learning_rate": 4.941483276356795e-05,
2494
+ "loss": 0.3728,
2495
+ "step": 355
2496
+ },
2497
+ {
2498
+ "epoch": 0.6939571150097466,
2499
+ "grad_norm": 1.5516834259033203,
2500
+ "learning_rate": 4.941153511403709e-05,
2501
+ "loss": 0.4736,
2502
+ "step": 356
2503
+ },
2504
+ {
2505
+ "epoch": 0.695906432748538,
2506
+ "grad_norm": 1.935712218284607,
2507
+ "learning_rate": 4.940822830946948e-05,
2508
+ "loss": 0.3893,
2509
+ "step": 357
2510
+ },
2511
+ {
2512
+ "epoch": 0.6978557504873294,
2513
+ "grad_norm": 0.983866274356842,
2514
+ "learning_rate": 4.940491235110526e-05,
2515
+ "loss": 0.3318,
2516
+ "step": 358
2517
+ },
2518
+ {
2519
+ "epoch": 0.6998050682261209,
2520
+ "grad_norm": 2.0744900703430176,
2521
+ "learning_rate": 4.9401587240188e-05,
2522
+ "loss": 0.377,
2523
+ "step": 359
2524
+ },
2525
+ {
2526
+ "epoch": 0.7017543859649122,
2527
+ "grad_norm": 1.1996747255325317,
2528
+ "learning_rate": 4.939825297796473e-05,
2529
+ "loss": 0.4549,
2530
+ "step": 360
2531
+ },
2532
+ {
2533
+ "epoch": 0.7037037037037037,
2534
+ "grad_norm": 1.1157348155975342,
2535
+ "learning_rate": 4.9394909565685894e-05,
2536
+ "loss": 0.3026,
2537
+ "step": 361
2538
+ },
2539
+ {
2540
+ "epoch": 0.7056530214424951,
2541
+ "grad_norm": 1.30013108253479,
2542
+ "learning_rate": 4.939155700460536e-05,
2543
+ "loss": 0.3286,
2544
+ "step": 362
2545
+ },
2546
+ {
2547
+ "epoch": 0.7076023391812866,
2548
+ "grad_norm": 1.0328078269958496,
2549
+ "learning_rate": 4.9388195295980446e-05,
2550
+ "loss": 0.2915,
2551
+ "step": 363
2552
+ },
2553
+ {
2554
+ "epoch": 0.7095516569200779,
2555
+ "grad_norm": 2.083819627761841,
2556
+ "learning_rate": 4.9384824441071876e-05,
2557
+ "loss": 0.4467,
2558
+ "step": 364
2559
+ },
2560
+ {
2561
+ "epoch": 0.7115009746588694,
2562
+ "grad_norm": 0.887442409992218,
2563
+ "learning_rate": 4.9381444441143834e-05,
2564
+ "loss": 0.2368,
2565
+ "step": 365
2566
+ },
2567
+ {
2568
+ "epoch": 0.7134502923976608,
2569
+ "grad_norm": 1.3414148092269897,
2570
+ "learning_rate": 4.937805529746391e-05,
2571
+ "loss": 0.1841,
2572
+ "step": 366
2573
+ },
2574
+ {
2575
+ "epoch": 0.7153996101364523,
2576
+ "grad_norm": 1.5150558948516846,
2577
+ "learning_rate": 4.9374657011303135e-05,
2578
+ "loss": 0.4213,
2579
+ "step": 367
2580
+ },
2581
+ {
2582
+ "epoch": 0.7173489278752436,
2583
+ "grad_norm": 1.7418625354766846,
2584
+ "learning_rate": 4.937124958393596e-05,
2585
+ "loss": 0.366,
2586
+ "step": 368
2587
+ },
2588
+ {
2589
+ "epoch": 0.7192982456140351,
2590
+ "grad_norm": 2.009690523147583,
2591
+ "learning_rate": 4.936783301664028e-05,
2592
+ "loss": 0.5002,
2593
+ "step": 369
2594
+ },
2595
+ {
2596
+ "epoch": 0.7212475633528265,
2597
+ "grad_norm": 1.5571187734603882,
2598
+ "learning_rate": 4.9364407310697394e-05,
2599
+ "loss": 0.4542,
2600
+ "step": 370
2601
+ },
2602
+ {
2603
+ "epoch": 0.723196881091618,
2604
+ "grad_norm": 1.6482709646224976,
2605
+ "learning_rate": 4.9360972467392056e-05,
2606
+ "loss": 0.4375,
2607
+ "step": 371
2608
+ },
2609
+ {
2610
+ "epoch": 0.7251461988304093,
2611
+ "grad_norm": 1.8044626712799072,
2612
+ "learning_rate": 4.935752848801243e-05,
2613
+ "loss": 0.5093,
2614
+ "step": 372
2615
+ },
2616
+ {
2617
+ "epoch": 0.7270955165692008,
2618
+ "grad_norm": 2.189213752746582,
2619
+ "learning_rate": 4.935407537385009e-05,
2620
+ "loss": 0.429,
2621
+ "step": 373
2622
+ },
2623
+ {
2624
+ "epoch": 0.7290448343079922,
2625
+ "grad_norm": 1.612113356590271,
2626
+ "learning_rate": 4.935061312620007e-05,
2627
+ "loss": 0.4087,
2628
+ "step": 374
2629
+ },
2630
+ {
2631
+ "epoch": 0.7309941520467836,
2632
+ "grad_norm": 1.3070656061172485,
2633
+ "learning_rate": 4.934714174636082e-05,
2634
+ "loss": 0.3468,
2635
+ "step": 375
2636
+ },
2637
+ {
2638
+ "epoch": 0.732943469785575,
2639
+ "grad_norm": 1.202658772468567,
2640
+ "learning_rate": 4.93436612356342e-05,
2641
+ "loss": 0.3196,
2642
+ "step": 376
2643
+ },
2644
+ {
2645
+ "epoch": 0.7348927875243665,
2646
+ "grad_norm": 2.0450356006622314,
2647
+ "learning_rate": 4.934017159532549e-05,
2648
+ "loss": 0.2975,
2649
+ "step": 377
2650
+ },
2651
+ {
2652
+ "epoch": 0.7368421052631579,
2653
+ "grad_norm": 1.3572379350662231,
2654
+ "learning_rate": 4.9336672826743427e-05,
2655
+ "loss": 0.2624,
2656
+ "step": 378
2657
+ },
2658
+ {
2659
+ "epoch": 0.7387914230019493,
2660
+ "grad_norm": 1.2623618841171265,
2661
+ "learning_rate": 4.933316493120015e-05,
2662
+ "loss": 0.3757,
2663
+ "step": 379
2664
+ },
2665
+ {
2666
+ "epoch": 0.7407407407407407,
2667
+ "grad_norm": 1.956140398979187,
2668
+ "learning_rate": 4.9329647910011214e-05,
2669
+ "loss": 0.4428,
2670
+ "step": 380
2671
+ },
2672
+ {
2673
+ "epoch": 0.7426900584795322,
2674
+ "grad_norm": 1.6605592966079712,
2675
+ "learning_rate": 4.9326121764495596e-05,
2676
+ "loss": 0.3652,
2677
+ "step": 381
2678
+ },
2679
+ {
2680
+ "epoch": 0.7446393762183235,
2681
+ "grad_norm": 0.9690849781036377,
2682
+ "learning_rate": 4.932258649597572e-05,
2683
+ "loss": 0.2408,
2684
+ "step": 382
2685
+ },
2686
+ {
2687
+ "epoch": 0.746588693957115,
2688
+ "grad_norm": 1.2256234884262085,
2689
+ "learning_rate": 4.9319042105777415e-05,
2690
+ "loss": 0.3715,
2691
+ "step": 383
2692
+ },
2693
+ {
2694
+ "epoch": 0.7485380116959064,
2695
+ "grad_norm": 1.4177526235580444,
2696
+ "learning_rate": 4.931548859522992e-05,
2697
+ "loss": 0.4598,
2698
+ "step": 384
2699
+ },
2700
+ {
2701
+ "epoch": 0.7504873294346979,
2702
+ "grad_norm": 1.2009751796722412,
2703
+ "learning_rate": 4.931192596566591e-05,
2704
+ "loss": 0.37,
2705
+ "step": 385
2706
+ },
2707
+ {
2708
+ "epoch": 0.7524366471734892,
2709
+ "grad_norm": 1.5196328163146973,
2710
+ "learning_rate": 4.930835421842146e-05,
2711
+ "loss": 0.3951,
2712
+ "step": 386
2713
+ },
2714
+ {
2715
+ "epoch": 0.7543859649122807,
2716
+ "grad_norm": 2.481001853942871,
2717
+ "learning_rate": 4.930477335483611e-05,
2718
+ "loss": 0.5584,
2719
+ "step": 387
2720
+ },
2721
+ {
2722
+ "epoch": 0.7563352826510721,
2723
+ "grad_norm": 2.5857226848602295,
2724
+ "learning_rate": 4.930118337625276e-05,
2725
+ "loss": 0.2901,
2726
+ "step": 388
2727
+ },
2728
+ {
2729
+ "epoch": 0.7582846003898636,
2730
+ "grad_norm": 1.0963135957717896,
2731
+ "learning_rate": 4.9297584284017774e-05,
2732
+ "loss": 0.2791,
2733
+ "step": 389
2734
+ },
2735
+ {
2736
+ "epoch": 0.7602339181286549,
2737
+ "grad_norm": 2.298919200897217,
2738
+ "learning_rate": 4.929397607948091e-05,
2739
+ "loss": 0.3648,
2740
+ "step": 390
2741
+ },
2742
+ {
2743
+ "epoch": 0.7621832358674464,
2744
+ "grad_norm": 1.726572871208191,
2745
+ "learning_rate": 4.929035876399535e-05,
2746
+ "loss": 0.2076,
2747
+ "step": 391
2748
+ },
2749
+ {
2750
+ "epoch": 0.7641325536062378,
2751
+ "grad_norm": 1.6235913038253784,
2752
+ "learning_rate": 4.928673233891769e-05,
2753
+ "loss": 0.4032,
2754
+ "step": 392
2755
+ },
2756
+ {
2757
+ "epoch": 0.7660818713450293,
2758
+ "grad_norm": 1.2030137777328491,
2759
+ "learning_rate": 4.9283096805607945e-05,
2760
+ "loss": 0.2989,
2761
+ "step": 393
2762
+ },
2763
+ {
2764
+ "epoch": 0.7680311890838206,
2765
+ "grad_norm": 1.1509186029434204,
2766
+ "learning_rate": 4.927945216542955e-05,
2767
+ "loss": 0.2864,
2768
+ "step": 394
2769
+ },
2770
+ {
2771
+ "epoch": 0.7699805068226121,
2772
+ "grad_norm": 1.0787118673324585,
2773
+ "learning_rate": 4.9275798419749353e-05,
2774
+ "loss": 0.3302,
2775
+ "step": 395
2776
+ },
2777
+ {
2778
+ "epoch": 0.7719298245614035,
2779
+ "grad_norm": 0.971242368221283,
2780
+ "learning_rate": 4.927213556993762e-05,
2781
+ "loss": 0.1893,
2782
+ "step": 396
2783
+ },
2784
+ {
2785
+ "epoch": 0.7738791423001949,
2786
+ "grad_norm": 3.192471981048584,
2787
+ "learning_rate": 4.9268463617368e-05,
2788
+ "loss": 0.3902,
2789
+ "step": 397
2790
+ },
2791
+ {
2792
+ "epoch": 0.7758284600389863,
2793
+ "grad_norm": 1.393011450767517,
2794
+ "learning_rate": 4.926478256341761e-05,
2795
+ "loss": 0.2839,
2796
+ "step": 398
2797
+ },
2798
+ {
2799
+ "epoch": 0.7777777777777778,
2800
+ "grad_norm": 1.595545768737793,
2801
+ "learning_rate": 4.926109240946695e-05,
2802
+ "loss": 0.4064,
2803
+ "step": 399
2804
+ },
2805
+ {
2806
+ "epoch": 0.7797270955165692,
2807
+ "grad_norm": 1.8147783279418945,
2808
+ "learning_rate": 4.925739315689991e-05,
2809
+ "loss": 0.3953,
2810
+ "step": 400
2811
+ },
2812
+ {
2813
+ "epoch": 0.7816764132553606,
2814
+ "grad_norm": 2.3352365493774414,
2815
+ "learning_rate": 4.925368480710385e-05,
2816
+ "loss": 0.3802,
2817
+ "step": 401
2818
+ },
2819
+ {
2820
+ "epoch": 0.783625730994152,
2821
+ "grad_norm": 1.2281572818756104,
2822
+ "learning_rate": 4.924996736146949e-05,
2823
+ "loss": 0.3404,
2824
+ "step": 402
2825
+ },
2826
+ {
2827
+ "epoch": 0.7855750487329435,
2828
+ "grad_norm": 1.3415555953979492,
2829
+ "learning_rate": 4.924624082139099e-05,
2830
+ "loss": 0.3091,
2831
+ "step": 403
2832
+ },
2833
+ {
2834
+ "epoch": 0.7875243664717348,
2835
+ "grad_norm": 1.3766273260116577,
2836
+ "learning_rate": 4.9242505188265895e-05,
2837
+ "loss": 0.461,
2838
+ "step": 404
2839
+ },
2840
+ {
2841
+ "epoch": 0.7894736842105263,
2842
+ "grad_norm": 1.3014934062957764,
2843
+ "learning_rate": 4.923876046349519e-05,
2844
+ "loss": 0.3363,
2845
+ "step": 405
2846
+ },
2847
+ {
2848
+ "epoch": 0.7914230019493177,
2849
+ "grad_norm": 1.349575400352478,
2850
+ "learning_rate": 4.923500664848326e-05,
2851
+ "loss": 0.4272,
2852
+ "step": 406
2853
+ },
2854
+ {
2855
+ "epoch": 0.7933723196881092,
2856
+ "grad_norm": 1.5282701253890991,
2857
+ "learning_rate": 4.923124374463789e-05,
2858
+ "loss": 0.4591,
2859
+ "step": 407
2860
+ },
2861
+ {
2862
+ "epoch": 0.7953216374269005,
2863
+ "grad_norm": 1.3244901895523071,
2864
+ "learning_rate": 4.922747175337027e-05,
2865
+ "loss": 0.4623,
2866
+ "step": 408
2867
+ },
2868
+ {
2869
+ "epoch": 0.797270955165692,
2870
+ "grad_norm": 1.2144964933395386,
2871
+ "learning_rate": 4.922369067609501e-05,
2872
+ "loss": 0.3998,
2873
+ "step": 409
2874
+ },
2875
+ {
2876
+ "epoch": 0.7992202729044834,
2877
+ "grad_norm": 1.428511381149292,
2878
+ "learning_rate": 4.921990051423014e-05,
2879
+ "loss": 0.4365,
2880
+ "step": 410
2881
+ },
2882
+ {
2883
+ "epoch": 0.8011695906432749,
2884
+ "grad_norm": 1.129076600074768,
2885
+ "learning_rate": 4.921610126919706e-05,
2886
+ "loss": 0.5187,
2887
+ "step": 411
2888
+ },
2889
+ {
2890
+ "epoch": 0.8031189083820662,
2891
+ "grad_norm": 1.2691020965576172,
2892
+ "learning_rate": 4.9212292942420615e-05,
2893
+ "loss": 0.512,
2894
+ "step": 412
2895
+ },
2896
+ {
2897
+ "epoch": 0.8050682261208577,
2898
+ "grad_norm": 1.5195990800857544,
2899
+ "learning_rate": 4.920847553532902e-05,
2900
+ "loss": 0.4077,
2901
+ "step": 413
2902
+ },
2903
+ {
2904
+ "epoch": 0.8070175438596491,
2905
+ "grad_norm": 2.602505683898926,
2906
+ "learning_rate": 4.920464904935393e-05,
2907
+ "loss": 0.278,
2908
+ "step": 414
2909
+ },
2910
+ {
2911
+ "epoch": 0.8089668615984406,
2912
+ "grad_norm": 1.983176350593567,
2913
+ "learning_rate": 4.9200813485930375e-05,
2914
+ "loss": 0.2189,
2915
+ "step": 415
2916
+ },
2917
+ {
2918
+ "epoch": 0.8109161793372319,
2919
+ "grad_norm": 1.277838110923767,
2920
+ "learning_rate": 4.919696884649681e-05,
2921
+ "loss": 0.413,
2922
+ "step": 416
2923
+ },
2924
+ {
2925
+ "epoch": 0.8128654970760234,
2926
+ "grad_norm": 1.3494421243667603,
2927
+ "learning_rate": 4.919311513249509e-05,
2928
+ "loss": 0.2998,
2929
+ "step": 417
2930
+ },
2931
+ {
2932
+ "epoch": 0.8148148148148148,
2933
+ "grad_norm": 1.039445400238037,
2934
+ "learning_rate": 4.918925234537047e-05,
2935
+ "loss": 0.2027,
2936
+ "step": 418
2937
+ },
2938
+ {
2939
+ "epoch": 0.8167641325536062,
2940
+ "grad_norm": 1.3594553470611572,
2941
+ "learning_rate": 4.9185380486571595e-05,
2942
+ "loss": 0.3013,
2943
+ "step": 419
2944
+ },
2945
+ {
2946
+ "epoch": 0.8187134502923976,
2947
+ "grad_norm": 2.4177849292755127,
2948
+ "learning_rate": 4.918149955755055e-05,
2949
+ "loss": 0.399,
2950
+ "step": 420
2951
+ },
2952
+ {
2953
+ "epoch": 0.8206627680311891,
2954
+ "grad_norm": 1.8502329587936401,
2955
+ "learning_rate": 4.917760955976277e-05,
2956
+ "loss": 0.3558,
2957
+ "step": 421
2958
+ },
2959
+ {
2960
+ "epoch": 0.8226120857699805,
2961
+ "grad_norm": 0.9992987513542175,
2962
+ "learning_rate": 4.917371049466713e-05,
2963
+ "loss": 0.1203,
2964
+ "step": 422
2965
+ },
2966
+ {
2967
+ "epoch": 0.8245614035087719,
2968
+ "grad_norm": 2.3350868225097656,
2969
+ "learning_rate": 4.916980236372589e-05,
2970
+ "loss": 0.3558,
2971
+ "step": 423
2972
+ },
2973
+ {
2974
+ "epoch": 0.8265107212475633,
2975
+ "grad_norm": 1.7538830041885376,
2976
+ "learning_rate": 4.916588516840472e-05,
2977
+ "loss": 0.4154,
2978
+ "step": 424
2979
+ },
2980
+ {
2981
+ "epoch": 0.8284600389863548,
2982
+ "grad_norm": 0.9850717782974243,
2983
+ "learning_rate": 4.916195891017268e-05,
2984
+ "loss": 0.3248,
2985
+ "step": 425
2986
+ },
2987
+ {
2988
+ "epoch": 0.8304093567251462,
2989
+ "grad_norm": 2.4916412830352783,
2990
+ "learning_rate": 4.915802359050222e-05,
2991
+ "loss": 0.5365,
2992
+ "step": 426
2993
+ },
2994
+ {
2995
+ "epoch": 0.8323586744639376,
2996
+ "grad_norm": 1.5441151857376099,
2997
+ "learning_rate": 4.915407921086921e-05,
2998
+ "loss": 0.4293,
2999
+ "step": 427
3000
+ },
3001
+ {
3002
+ "epoch": 0.834307992202729,
3003
+ "grad_norm": 2.17659854888916,
3004
+ "learning_rate": 4.9150125772752905e-05,
3005
+ "loss": 0.1759,
3006
+ "step": 428
3007
+ },
3008
+ {
3009
+ "epoch": 0.8362573099415205,
3010
+ "grad_norm": 1.3441427946090698,
3011
+ "learning_rate": 4.914616327763595e-05,
3012
+ "loss": 0.2454,
3013
+ "step": 429
3014
+ },
3015
+ {
3016
+ "epoch": 0.8382066276803118,
3017
+ "grad_norm": 2.8765852451324463,
3018
+ "learning_rate": 4.9142191727004415e-05,
3019
+ "loss": 0.2753,
3020
+ "step": 430
3021
+ },
3022
+ {
3023
+ "epoch": 0.8401559454191033,
3024
+ "grad_norm": 1.296052098274231,
3025
+ "learning_rate": 4.9138211122347736e-05,
3026
+ "loss": 0.3616,
3027
+ "step": 431
3028
+ },
3029
+ {
3030
+ "epoch": 0.8421052631578947,
3031
+ "grad_norm": 1.5944856405258179,
3032
+ "learning_rate": 4.913422146515876e-05,
3033
+ "loss": 0.3239,
3034
+ "step": 432
3035
+ },
3036
+ {
3037
+ "epoch": 0.8440545808966862,
3038
+ "grad_norm": 0.8640928864479065,
3039
+ "learning_rate": 4.913022275693372e-05,
3040
+ "loss": 0.2345,
3041
+ "step": 433
3042
+ },
3043
+ {
3044
+ "epoch": 0.8460038986354775,
3045
+ "grad_norm": 1.3480746746063232,
3046
+ "learning_rate": 4.912621499917225e-05,
3047
+ "loss": 0.1965,
3048
+ "step": 434
3049
+ },
3050
+ {
3051
+ "epoch": 0.847953216374269,
3052
+ "grad_norm": 1.2769817113876343,
3053
+ "learning_rate": 4.9122198193377374e-05,
3054
+ "loss": 0.1558,
3055
+ "step": 435
3056
+ },
3057
+ {
3058
+ "epoch": 0.8499025341130604,
3059
+ "grad_norm": 1.5931915044784546,
3060
+ "learning_rate": 4.9118172341055516e-05,
3061
+ "loss": 0.3934,
3062
+ "step": 436
3063
+ },
3064
+ {
3065
+ "epoch": 0.8518518518518519,
3066
+ "grad_norm": 1.0480741262435913,
3067
+ "learning_rate": 4.911413744371648e-05,
3068
+ "loss": 0.1196,
3069
+ "step": 437
3070
+ },
3071
+ {
3072
+ "epoch": 0.8538011695906432,
3073
+ "grad_norm": 1.432350754737854,
3074
+ "learning_rate": 4.9110093502873476e-05,
3075
+ "loss": 0.3587,
3076
+ "step": 438
3077
+ },
3078
+ {
3079
+ "epoch": 0.8557504873294347,
3080
+ "grad_norm": 3.3155269622802734,
3081
+ "learning_rate": 4.91060405200431e-05,
3082
+ "loss": 0.4532,
3083
+ "step": 439
3084
+ },
3085
+ {
3086
+ "epoch": 0.8576998050682261,
3087
+ "grad_norm": 1.5069011449813843,
3088
+ "learning_rate": 4.9101978496745337e-05,
3089
+ "loss": 0.3474,
3090
+ "step": 440
3091
+ },
3092
+ {
3093
+ "epoch": 0.8596491228070176,
3094
+ "grad_norm": 1.8759642839431763,
3095
+ "learning_rate": 4.9097907434503564e-05,
3096
+ "loss": 0.4937,
3097
+ "step": 441
3098
+ },
3099
+ {
3100
+ "epoch": 0.8615984405458089,
3101
+ "grad_norm": 1.510620355606079,
3102
+ "learning_rate": 4.9093827334844546e-05,
3103
+ "loss": 0.1391,
3104
+ "step": 442
3105
+ },
3106
+ {
3107
+ "epoch": 0.8635477582846004,
3108
+ "grad_norm": 1.2406388521194458,
3109
+ "learning_rate": 4.9089738199298446e-05,
3110
+ "loss": 0.3178,
3111
+ "step": 443
3112
+ },
3113
+ {
3114
+ "epoch": 0.8654970760233918,
3115
+ "grad_norm": 1.2394771575927734,
3116
+ "learning_rate": 4.90856400293988e-05,
3117
+ "loss": 0.352,
3118
+ "step": 444
3119
+ },
3120
+ {
3121
+ "epoch": 0.8674463937621832,
3122
+ "grad_norm": 1.4655001163482666,
3123
+ "learning_rate": 4.908153282668255e-05,
3124
+ "loss": 0.2021,
3125
+ "step": 445
3126
+ },
3127
+ {
3128
+ "epoch": 0.8693957115009746,
3129
+ "grad_norm": 1.4457414150238037,
3130
+ "learning_rate": 4.907741659269001e-05,
3131
+ "loss": 0.2863,
3132
+ "step": 446
3133
+ },
3134
+ {
3135
+ "epoch": 0.8713450292397661,
3136
+ "grad_norm": 1.8500279188156128,
3137
+ "learning_rate": 4.907329132896489e-05,
3138
+ "loss": 0.4086,
3139
+ "step": 447
3140
+ },
3141
+ {
3142
+ "epoch": 0.8732943469785575,
3143
+ "grad_norm": 1.7276636362075806,
3144
+ "learning_rate": 4.906915703705428e-05,
3145
+ "loss": 0.2815,
3146
+ "step": 448
3147
+ },
3148
+ {
3149
+ "epoch": 0.8752436647173489,
3150
+ "grad_norm": 1.092332363128662,
3151
+ "learning_rate": 4.906501371850867e-05,
3152
+ "loss": 0.2246,
3153
+ "step": 449
3154
+ },
3155
+ {
3156
+ "epoch": 0.8771929824561403,
3157
+ "grad_norm": 2.737140417098999,
3158
+ "learning_rate": 4.9060861374881905e-05,
3159
+ "loss": 0.5658,
3160
+ "step": 450
3161
+ },
3162
+ {
3163
+ "epoch": 0.8791423001949318,
3164
+ "grad_norm": 1.6196249723434448,
3165
+ "learning_rate": 4.905670000773126e-05,
3166
+ "loss": 0.4968,
3167
+ "step": 451
3168
+ },
3169
+ {
3170
+ "epoch": 0.8810916179337231,
3171
+ "grad_norm": 1.787452220916748,
3172
+ "learning_rate": 4.905252961861736e-05,
3173
+ "loss": 0.3102,
3174
+ "step": 452
3175
+ },
3176
+ {
3177
+ "epoch": 0.8830409356725146,
3178
+ "grad_norm": 1.788559913635254,
3179
+ "learning_rate": 4.904835020910422e-05,
3180
+ "loss": 0.6354,
3181
+ "step": 453
3182
+ },
3183
+ {
3184
+ "epoch": 0.884990253411306,
3185
+ "grad_norm": 1.5516464710235596,
3186
+ "learning_rate": 4.9044161780759226e-05,
3187
+ "loss": 0.4194,
3188
+ "step": 454
3189
+ },
3190
+ {
3191
+ "epoch": 0.8869395711500975,
3192
+ "grad_norm": 1.7739250659942627,
3193
+ "learning_rate": 4.903996433515319e-05,
3194
+ "loss": 0.418,
3195
+ "step": 455
3196
+ },
3197
+ {
3198
+ "epoch": 0.8888888888888888,
3199
+ "grad_norm": 2.263260841369629,
3200
+ "learning_rate": 4.9035757873860254e-05,
3201
+ "loss": 0.3525,
3202
+ "step": 456
3203
+ },
3204
+ {
3205
+ "epoch": 0.8908382066276803,
3206
+ "grad_norm": 1.542690634727478,
3207
+ "learning_rate": 4.9031542398457974e-05,
3208
+ "loss": 0.3275,
3209
+ "step": 457
3210
+ },
3211
+ {
3212
+ "epoch": 0.8927875243664717,
3213
+ "grad_norm": 1.7543941736221313,
3214
+ "learning_rate": 4.902731791052727e-05,
3215
+ "loss": 0.3685,
3216
+ "step": 458
3217
+ },
3218
+ {
3219
+ "epoch": 0.8947368421052632,
3220
+ "grad_norm": 1.092464566230774,
3221
+ "learning_rate": 4.9023084411652454e-05,
3222
+ "loss": 0.2342,
3223
+ "step": 459
3224
+ },
3225
+ {
3226
+ "epoch": 0.8966861598440545,
3227
+ "grad_norm": 0.7876889109611511,
3228
+ "learning_rate": 4.901884190342121e-05,
3229
+ "loss": 0.2338,
3230
+ "step": 460
3231
+ },
3232
+ {
3233
+ "epoch": 0.898635477582846,
3234
+ "grad_norm": 2.1140668392181396,
3235
+ "learning_rate": 4.90145903874246e-05,
3236
+ "loss": 0.4406,
3237
+ "step": 461
3238
+ },
3239
+ {
3240
+ "epoch": 0.9005847953216374,
3241
+ "grad_norm": 1.130174994468689,
3242
+ "learning_rate": 4.901032986525705e-05,
3243
+ "loss": 0.2637,
3244
+ "step": 462
3245
+ },
3246
+ {
3247
+ "epoch": 0.9025341130604289,
3248
+ "grad_norm": 3.0152223110198975,
3249
+ "learning_rate": 4.900606033851642e-05,
3250
+ "loss": 0.3835,
3251
+ "step": 463
3252
+ },
3253
+ {
3254
+ "epoch": 0.9044834307992202,
3255
+ "grad_norm": 1.9711874723434448,
3256
+ "learning_rate": 4.900178180880387e-05,
3257
+ "loss": 0.609,
3258
+ "step": 464
3259
+ },
3260
+ {
3261
+ "epoch": 0.9064327485380117,
3262
+ "grad_norm": 0.9856394529342651,
3263
+ "learning_rate": 4.8997494277723994e-05,
3264
+ "loss": 0.3307,
3265
+ "step": 465
3266
+ },
3267
+ {
3268
+ "epoch": 0.9083820662768031,
3269
+ "grad_norm": 1.1987758874893188,
3270
+ "learning_rate": 4.899319774688473e-05,
3271
+ "loss": 0.2804,
3272
+ "step": 466
3273
+ },
3274
+ {
3275
+ "epoch": 0.9103313840155945,
3276
+ "grad_norm": 1.795703649520874,
3277
+ "learning_rate": 4.898889221789741e-05,
3278
+ "loss": 0.4898,
3279
+ "step": 467
3280
+ },
3281
+ {
3282
+ "epoch": 0.9122807017543859,
3283
+ "grad_norm": 1.5225592851638794,
3284
+ "learning_rate": 4.898457769237672e-05,
3285
+ "loss": 0.4219,
3286
+ "step": 468
3287
+ },
3288
+ {
3289
+ "epoch": 0.9142300194931774,
3290
+ "grad_norm": 1.7612299919128418,
3291
+ "learning_rate": 4.8980254171940746e-05,
3292
+ "loss": 0.5766,
3293
+ "step": 469
3294
+ },
3295
+ {
3296
+ "epoch": 0.9161793372319688,
3297
+ "grad_norm": 1.7124457359313965,
3298
+ "learning_rate": 4.897592165821093e-05,
3299
+ "loss": 0.3286,
3300
+ "step": 470
3301
+ },
3302
+ {
3303
+ "epoch": 0.9181286549707602,
3304
+ "grad_norm": 1.3482547998428345,
3305
+ "learning_rate": 4.897158015281209e-05,
3306
+ "loss": 0.4181,
3307
+ "step": 471
3308
+ },
3309
+ {
3310
+ "epoch": 0.9200779727095516,
3311
+ "grad_norm": 2.4643967151641846,
3312
+ "learning_rate": 4.8967229657372425e-05,
3313
+ "loss": 0.381,
3314
+ "step": 472
3315
+ },
3316
+ {
3317
+ "epoch": 0.9220272904483431,
3318
+ "grad_norm": 1.6074085235595703,
3319
+ "learning_rate": 4.896287017352348e-05,
3320
+ "loss": 0.3817,
3321
+ "step": 473
3322
+ },
3323
+ {
3324
+ "epoch": 0.9239766081871345,
3325
+ "grad_norm": 1.6421780586242676,
3326
+ "learning_rate": 4.8958501702900206e-05,
3327
+ "loss": 0.5323,
3328
+ "step": 474
3329
+ },
3330
+ {
3331
+ "epoch": 0.9259259259259259,
3332
+ "grad_norm": 2.1843273639678955,
3333
+ "learning_rate": 4.8954124247140895e-05,
3334
+ "loss": 0.3257,
3335
+ "step": 475
3336
+ },
3337
+ {
3338
+ "epoch": 0.9278752436647173,
3339
+ "grad_norm": 1.34856116771698,
3340
+ "learning_rate": 4.894973780788722e-05,
3341
+ "loss": 0.388,
3342
+ "step": 476
3343
+ },
3344
+ {
3345
+ "epoch": 0.9298245614035088,
3346
+ "grad_norm": 1.6453462839126587,
3347
+ "learning_rate": 4.8945342386784235e-05,
3348
+ "loss": 0.4861,
3349
+ "step": 477
3350
+ },
3351
+ {
3352
+ "epoch": 0.9317738791423001,
3353
+ "grad_norm": 1.5544939041137695,
3354
+ "learning_rate": 4.8940937985480346e-05,
3355
+ "loss": 0.3914,
3356
+ "step": 478
3357
+ },
3358
+ {
3359
+ "epoch": 0.9337231968810916,
3360
+ "grad_norm": 1.7485686540603638,
3361
+ "learning_rate": 4.8936524605627324e-05,
3362
+ "loss": 0.4572,
3363
+ "step": 479
3364
+ },
3365
+ {
3366
+ "epoch": 0.935672514619883,
3367
+ "grad_norm": 1.5132405757904053,
3368
+ "learning_rate": 4.893210224888033e-05,
3369
+ "loss": 0.3446,
3370
+ "step": 480
3371
+ },
3372
+ {
3373
+ "epoch": 0.9376218323586745,
3374
+ "grad_norm": 1.8113839626312256,
3375
+ "learning_rate": 4.892767091689786e-05,
3376
+ "loss": 0.2577,
3377
+ "step": 481
3378
+ },
3379
+ {
3380
+ "epoch": 0.9395711500974658,
3381
+ "grad_norm": 1.611822247505188,
3382
+ "learning_rate": 4.8923230611341796e-05,
3383
+ "loss": 0.2682,
3384
+ "step": 482
3385
+ },
3386
+ {
3387
+ "epoch": 0.9415204678362573,
3388
+ "grad_norm": 1.383278727531433,
3389
+ "learning_rate": 4.8918781333877394e-05,
3390
+ "loss": 0.3464,
3391
+ "step": 483
3392
+ },
3393
+ {
3394
+ "epoch": 0.9434697855750487,
3395
+ "grad_norm": 1.3082808256149292,
3396
+ "learning_rate": 4.891432308617325e-05,
3397
+ "loss": 0.3371,
3398
+ "step": 484
3399
+ },
3400
+ {
3401
+ "epoch": 0.9454191033138402,
3402
+ "grad_norm": 1.2414075136184692,
3403
+ "learning_rate": 4.890985586990135e-05,
3404
+ "loss": 0.2576,
3405
+ "step": 485
3406
+ },
3407
+ {
3408
+ "epoch": 0.9473684210526315,
3409
+ "grad_norm": 1.3047614097595215,
3410
+ "learning_rate": 4.890537968673701e-05,
3411
+ "loss": 0.2485,
3412
+ "step": 486
3413
+ },
3414
+ {
3415
+ "epoch": 0.949317738791423,
3416
+ "grad_norm": 1.304425597190857,
3417
+ "learning_rate": 4.8900894538358944e-05,
3418
+ "loss": 0.2839,
3419
+ "step": 487
3420
+ },
3421
+ {
3422
+ "epoch": 0.9512670565302144,
3423
+ "grad_norm": 1.1630139350891113,
3424
+ "learning_rate": 4.8896400426449215e-05,
3425
+ "loss": 0.1386,
3426
+ "step": 488
3427
+ },
3428
+ {
3429
+ "epoch": 0.9532163742690059,
3430
+ "grad_norm": 1.330545425415039,
3431
+ "learning_rate": 4.8891897352693234e-05,
3432
+ "loss": 0.3318,
3433
+ "step": 489
3434
+ },
3435
+ {
3436
+ "epoch": 0.9551656920077972,
3437
+ "grad_norm": 0.9974798560142517,
3438
+ "learning_rate": 4.8887385318779794e-05,
3439
+ "loss": 0.2079,
3440
+ "step": 490
3441
+ },
3442
+ {
3443
+ "epoch": 0.9571150097465887,
3444
+ "grad_norm": 4.308445930480957,
3445
+ "learning_rate": 4.888286432640104e-05,
3446
+ "loss": 0.6584,
3447
+ "step": 491
3448
+ },
3449
+ {
3450
+ "epoch": 0.9590643274853801,
3451
+ "grad_norm": 1.083699345588684,
3452
+ "learning_rate": 4.8878334377252465e-05,
3453
+ "loss": 0.2218,
3454
+ "step": 492
3455
+ },
3456
+ {
3457
+ "epoch": 0.9610136452241715,
3458
+ "grad_norm": 2.209333658218384,
3459
+ "learning_rate": 4.887379547303295e-05,
3460
+ "loss": 0.3211,
3461
+ "step": 493
3462
+ },
3463
+ {
3464
+ "epoch": 0.9629629629629629,
3465
+ "grad_norm": 1.9222139120101929,
3466
+ "learning_rate": 4.8869247615444705e-05,
3467
+ "loss": 0.3666,
3468
+ "step": 494
3469
+ },
3470
+ {
3471
+ "epoch": 0.9649122807017544,
3472
+ "grad_norm": 1.4929513931274414,
3473
+ "learning_rate": 4.88646908061933e-05,
3474
+ "loss": 0.3408,
3475
+ "step": 495
3476
+ },
3477
+ {
3478
+ "epoch": 0.9668615984405458,
3479
+ "grad_norm": 1.732924222946167,
3480
+ "learning_rate": 4.886012504698769e-05,
3481
+ "loss": 0.425,
3482
+ "step": 496
3483
+ },
3484
+ {
3485
+ "epoch": 0.9688109161793372,
3486
+ "grad_norm": 1.2610809803009033,
3487
+ "learning_rate": 4.885555033954016e-05,
3488
+ "loss": 0.3223,
3489
+ "step": 497
3490
+ },
3491
+ {
3492
+ "epoch": 0.9707602339181286,
3493
+ "grad_norm": 2.3948819637298584,
3494
+ "learning_rate": 4.885096668556635e-05,
3495
+ "loss": 0.2928,
3496
+ "step": 498
3497
+ },
3498
+ {
3499
+ "epoch": 0.9727095516569201,
3500
+ "grad_norm": 1.0807746648788452,
3501
+ "learning_rate": 4.884637408678527e-05,
3502
+ "loss": 0.348,
3503
+ "step": 499
3504
+ },
3505
+ {
3506
+ "epoch": 0.9746588693957114,
3507
+ "grad_norm": 1.4476536512374878,
3508
+ "learning_rate": 4.884177254491929e-05,
3509
+ "loss": 0.3254,
3510
+ "step": 500
3511
+ },
3512
+ {
3513
+ "epoch": 0.9766081871345029,
3514
+ "grad_norm": 1.5442180633544922,
3515
+ "learning_rate": 4.88371620616941e-05,
3516
+ "loss": 0.2804,
3517
+ "step": 501
3518
+ },
3519
+ {
3520
+ "epoch": 0.9785575048732943,
3521
+ "grad_norm": 1.6184929609298706,
3522
+ "learning_rate": 4.8832542638838787e-05,
3523
+ "loss": 0.4617,
3524
+ "step": 502
3525
+ },
3526
+ {
3527
+ "epoch": 0.9805068226120858,
3528
+ "grad_norm": 1.8984359502792358,
3529
+ "learning_rate": 4.8827914278085754e-05,
3530
+ "loss": 0.4949,
3531
+ "step": 503
3532
+ },
3533
+ {
3534
+ "epoch": 0.9824561403508771,
3535
+ "grad_norm": 1.698328971862793,
3536
+ "learning_rate": 4.882327698117077e-05,
3537
+ "loss": 0.4429,
3538
+ "step": 504
3539
+ },
3540
+ {
3541
+ "epoch": 0.9844054580896686,
3542
+ "grad_norm": 1.799522876739502,
3543
+ "learning_rate": 4.881863074983298e-05,
3544
+ "loss": 0.5479,
3545
+ "step": 505
3546
+ },
3547
+ {
3548
+ "epoch": 0.98635477582846,
3549
+ "grad_norm": 1.30298912525177,
3550
+ "learning_rate": 4.881397558581483e-05,
3551
+ "loss": 0.3359,
3552
+ "step": 506
3553
+ },
3554
+ {
3555
+ "epoch": 0.9883040935672515,
3556
+ "grad_norm": 2.0164132118225098,
3557
+ "learning_rate": 4.880931149086215e-05,
3558
+ "loss": 0.4254,
3559
+ "step": 507
3560
+ },
3561
+ {
3562
+ "epoch": 0.9902534113060428,
3563
+ "grad_norm": 1.9133882522583008,
3564
+ "learning_rate": 4.880463846672411e-05,
3565
+ "loss": 0.4167,
3566
+ "step": 508
3567
+ },
3568
+ {
3569
+ "epoch": 0.9922027290448343,
3570
+ "grad_norm": 1.2003613710403442,
3571
+ "learning_rate": 4.879995651515324e-05,
3572
+ "loss": 0.2824,
3573
+ "step": 509
3574
+ },
3575
+ {
3576
+ "epoch": 0.9941520467836257,
3577
+ "grad_norm": 1.137755274772644,
3578
+ "learning_rate": 4.87952656379054e-05,
3579
+ "loss": 0.2613,
3580
+ "step": 510
3581
+ },
3582
+ {
3583
+ "epoch": 0.9961013645224172,
3584
+ "grad_norm": 1.4649183750152588,
3585
+ "learning_rate": 4.87905658367398e-05,
3586
+ "loss": 0.3305,
3587
+ "step": 511
3588
+ },
3589
+ {
3590
+ "epoch": 0.9980506822612085,
3591
+ "grad_norm": 1.6455668210983276,
3592
+ "learning_rate": 4.878585711341901e-05,
3593
+ "loss": 0.2084,
3594
+ "step": 512
3595
+ },
3596
+ {
3597
+ "epoch": 1.0,
3598
+ "grad_norm": 2.030118227005005,
3599
+ "learning_rate": 4.878113946970894e-05,
3600
+ "loss": 0.1661,
3601
+ "step": 513
3602
+ },
3603
+ {
3604
+ "epoch": 1.0,
3605
+ "eval_accuracy": 0.8830487804878049,
3606
+ "eval_loss": 0.34615033864974976,
3607
+ "eval_runtime": 32.5513,
3608
+ "eval_samples_per_second": 251.91,
3609
+ "eval_steps_per_second": 31.489,
3610
+ "step": 513
3611
+ }
3612
+ ],
3613
+ "logging_steps": 1,
3614
+ "max_steps": 5130,
3615
+ "num_input_tokens_seen": 0,
3616
+ "num_train_epochs": 10,
3617
+ "save_steps": 500,
3618
+ "stateful_callbacks": {
3619
+ "TrainerControl": {
3620
+ "args": {
3621
+ "should_epoch_stop": false,
3622
+ "should_evaluate": false,
3623
+ "should_log": false,
3624
+ "should_save": true,
3625
+ "should_training_stop": false
3626
+ },
3627
+ "attributes": {}
3628
+ }
3629
+ },
3630
+ "total_flos": 3440642415643584.0,
3631
+ "train_batch_size": 64,
3632
+ "trial_name": null,
3633
+ "trial_params": null
3634
+ }
my_model/checkpoint-513/trainer_state.jsonZone.Identifier ADDED
File without changes
my_model/checkpoint-513/training_args.binZone.Identifier ADDED
File without changes
my_model/checkpoint-513/vocab.txt ADDED
The diff for this file is too large to render. See raw diff
 
my_model/checkpoint-513/vocab.txtZone.Identifier ADDED
File without changes