anoaky commited on
Commit
8f14d77
·
verified ·
1 Parent(s): 1211d4e

Training in progress, epoch 4, checkpoint

Browse files
checkpoint-2770/config.json ADDED
@@ -0,0 +1,49 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "facebook/bart-large-mnli",
3
+ "_num_labels": 3,
4
+ "activation_dropout": 0.0,
5
+ "activation_function": "gelu",
6
+ "add_final_layer_norm": false,
7
+ "architectures": [
8
+ "BartForSequenceClassification"
9
+ ],
10
+ "attention_dropout": 0.0,
11
+ "bos_token_id": 0,
12
+ "classif_dropout": 0.0,
13
+ "classifier_dropout": 0.0,
14
+ "d_model": 1024,
15
+ "decoder_attention_heads": 16,
16
+ "decoder_ffn_dim": 4096,
17
+ "decoder_layerdrop": 0.0,
18
+ "decoder_layers": 12,
19
+ "decoder_start_token_id": 2,
20
+ "dropout": 0.1,
21
+ "encoder_attention_heads": 16,
22
+ "encoder_ffn_dim": 4096,
23
+ "encoder_layerdrop": 0.0,
24
+ "encoder_layers": 12,
25
+ "eos_token_id": 2,
26
+ "forced_eos_token_id": 2,
27
+ "gradient_checkpointing": false,
28
+ "id2label": {
29
+ "0": "LABEL_0",
30
+ "1": "LABEL_1"
31
+ },
32
+ "init_std": 0.02,
33
+ "is_encoder_decoder": true,
34
+ "label2id": {
35
+ "LABEL_0": 0,
36
+ "LABEL_1": 1
37
+ },
38
+ "max_position_embeddings": 1024,
39
+ "model_type": "bart",
40
+ "normalize_before": false,
41
+ "num_hidden_layers": 12,
42
+ "output_past": false,
43
+ "pad_token_id": 1,
44
+ "scale_embedding": false,
45
+ "torch_dtype": "float32",
46
+ "transformers_version": "4.47.0",
47
+ "use_cache": true,
48
+ "vocab_size": 50265
49
+ }
checkpoint-2770/model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:b8d4f4615933742de580d3726d6e318ed10f2a00afe402cf144280820894b3e4
3
+ size 1629432864
checkpoint-2770/trainer_state.json ADDED
@@ -0,0 +1,2016 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 4.991437584497522,
5
+ "eval_steps": 693,
6
+ "global_step": 2770,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0,
13
+ "eval_f1": 0.14772727272727273,
14
+ "eval_loss": 0.8850772380828857,
15
+ "eval_precision": 0.08080808080808081,
16
+ "eval_recall": 0.859504132231405,
17
+ "eval_runtime": 99.3343,
18
+ "eval_samples_per_second": 47.043,
19
+ "eval_steps_per_second": 5.889,
20
+ "step": 0
21
+ },
22
+ {
23
+ "epoch": 0.018026137899954935,
24
+ "grad_norm": 6.000438690185547,
25
+ "learning_rate": 4.981949458483755e-05,
26
+ "loss": 0.3931,
27
+ "step": 10
28
+ },
29
+ {
30
+ "epoch": 0.03605227579990987,
31
+ "grad_norm": 47.497467041015625,
32
+ "learning_rate": 4.963898916967509e-05,
33
+ "loss": 0.2607,
34
+ "step": 20
35
+ },
36
+ {
37
+ "epoch": 0.054078413699864804,
38
+ "grad_norm": 13.464141845703125,
39
+ "learning_rate": 4.945848375451264e-05,
40
+ "loss": 0.1813,
41
+ "step": 30
42
+ },
43
+ {
44
+ "epoch": 0.07210455159981974,
45
+ "grad_norm": 15.57222843170166,
46
+ "learning_rate": 4.927797833935018e-05,
47
+ "loss": 0.2618,
48
+ "step": 40
49
+ },
50
+ {
51
+ "epoch": 0.09013068949977468,
52
+ "grad_norm": 11.892234802246094,
53
+ "learning_rate": 4.909747292418773e-05,
54
+ "loss": 0.1559,
55
+ "step": 50
56
+ },
57
+ {
58
+ "epoch": 0.10815682739972961,
59
+ "grad_norm": 6.340595722198486,
60
+ "learning_rate": 4.891696750902527e-05,
61
+ "loss": 0.1648,
62
+ "step": 60
63
+ },
64
+ {
65
+ "epoch": 0.12618296529968454,
66
+ "grad_norm": 10.196683883666992,
67
+ "learning_rate": 4.873646209386282e-05,
68
+ "loss": 0.1472,
69
+ "step": 70
70
+ },
71
+ {
72
+ "epoch": 0.14420910319963948,
73
+ "grad_norm": 11.511515617370605,
74
+ "learning_rate": 4.855595667870036e-05,
75
+ "loss": 0.2108,
76
+ "step": 80
77
+ },
78
+ {
79
+ "epoch": 0.16223524109959442,
80
+ "grad_norm": 8.681073188781738,
81
+ "learning_rate": 4.837545126353791e-05,
82
+ "loss": 0.1561,
83
+ "step": 90
84
+ },
85
+ {
86
+ "epoch": 0.18026137899954936,
87
+ "grad_norm": 41.062801361083984,
88
+ "learning_rate": 4.819494584837546e-05,
89
+ "loss": 0.1563,
90
+ "step": 100
91
+ },
92
+ {
93
+ "epoch": 0.19828751689950427,
94
+ "grad_norm": 19.93891716003418,
95
+ "learning_rate": 4.8014440433213e-05,
96
+ "loss": 0.1881,
97
+ "step": 110
98
+ },
99
+ {
100
+ "epoch": 0.21631365479945922,
101
+ "grad_norm": 21.90877914428711,
102
+ "learning_rate": 4.783393501805055e-05,
103
+ "loss": 0.1262,
104
+ "step": 120
105
+ },
106
+ {
107
+ "epoch": 0.23433979269941416,
108
+ "grad_norm": 14.123740196228027,
109
+ "learning_rate": 4.765342960288809e-05,
110
+ "loss": 0.1535,
111
+ "step": 130
112
+ },
113
+ {
114
+ "epoch": 0.25236593059936907,
115
+ "grad_norm": 30.671157836914062,
116
+ "learning_rate": 4.747292418772563e-05,
117
+ "loss": 0.1458,
118
+ "step": 140
119
+ },
120
+ {
121
+ "epoch": 0.270392068499324,
122
+ "grad_norm": 7.560745716094971,
123
+ "learning_rate": 4.7292418772563177e-05,
124
+ "loss": 0.1797,
125
+ "step": 150
126
+ },
127
+ {
128
+ "epoch": 0.28841820639927895,
129
+ "grad_norm": 12.448927879333496,
130
+ "learning_rate": 4.711191335740072e-05,
131
+ "loss": 0.1898,
132
+ "step": 160
133
+ },
134
+ {
135
+ "epoch": 0.3064443442992339,
136
+ "grad_norm": 20.040008544921875,
137
+ "learning_rate": 4.693140794223827e-05,
138
+ "loss": 0.1698,
139
+ "step": 170
140
+ },
141
+ {
142
+ "epoch": 0.32447048219918884,
143
+ "grad_norm": 7.592446804046631,
144
+ "learning_rate": 4.675090252707581e-05,
145
+ "loss": 0.156,
146
+ "step": 180
147
+ },
148
+ {
149
+ "epoch": 0.3424966200991438,
150
+ "grad_norm": 18.830904006958008,
151
+ "learning_rate": 4.657039711191336e-05,
152
+ "loss": 0.1536,
153
+ "step": 190
154
+ },
155
+ {
156
+ "epoch": 0.3605227579990987,
157
+ "grad_norm": 3.684938430786133,
158
+ "learning_rate": 4.63898916967509e-05,
159
+ "loss": 0.1152,
160
+ "step": 200
161
+ },
162
+ {
163
+ "epoch": 0.3785488958990536,
164
+ "grad_norm": 13.293309211730957,
165
+ "learning_rate": 4.620938628158845e-05,
166
+ "loss": 0.2116,
167
+ "step": 210
168
+ },
169
+ {
170
+ "epoch": 0.39657503379900855,
171
+ "grad_norm": 14.630786895751953,
172
+ "learning_rate": 4.602888086642599e-05,
173
+ "loss": 0.1549,
174
+ "step": 220
175
+ },
176
+ {
177
+ "epoch": 0.4146011716989635,
178
+ "grad_norm": 20.37642478942871,
179
+ "learning_rate": 4.584837545126354e-05,
180
+ "loss": 0.1679,
181
+ "step": 230
182
+ },
183
+ {
184
+ "epoch": 0.43262730959891843,
185
+ "grad_norm": 13.183340072631836,
186
+ "learning_rate": 4.566787003610109e-05,
187
+ "loss": 0.1581,
188
+ "step": 240
189
+ },
190
+ {
191
+ "epoch": 0.45065344749887337,
192
+ "grad_norm": 21.777263641357422,
193
+ "learning_rate": 4.548736462093863e-05,
194
+ "loss": 0.1618,
195
+ "step": 250
196
+ },
197
+ {
198
+ "epoch": 0.4686795853988283,
199
+ "grad_norm": 20.683944702148438,
200
+ "learning_rate": 4.530685920577618e-05,
201
+ "loss": 0.1606,
202
+ "step": 260
203
+ },
204
+ {
205
+ "epoch": 0.48670572329878325,
206
+ "grad_norm": 30.506752014160156,
207
+ "learning_rate": 4.5126353790613716e-05,
208
+ "loss": 0.1831,
209
+ "step": 270
210
+ },
211
+ {
212
+ "epoch": 0.5047318611987381,
213
+ "grad_norm": 22.953815460205078,
214
+ "learning_rate": 4.494584837545127e-05,
215
+ "loss": 0.1565,
216
+ "step": 280
217
+ },
218
+ {
219
+ "epoch": 0.5227579990986931,
220
+ "grad_norm": 6.177365303039551,
221
+ "learning_rate": 4.4765342960288806e-05,
222
+ "loss": 0.1287,
223
+ "step": 290
224
+ },
225
+ {
226
+ "epoch": 0.540784136998648,
227
+ "grad_norm": 8.373098373413086,
228
+ "learning_rate": 4.458483754512636e-05,
229
+ "loss": 0.1553,
230
+ "step": 300
231
+ },
232
+ {
233
+ "epoch": 0.558810274898603,
234
+ "grad_norm": 10.07934284210205,
235
+ "learning_rate": 4.44043321299639e-05,
236
+ "loss": 0.1868,
237
+ "step": 310
238
+ },
239
+ {
240
+ "epoch": 0.5768364127985579,
241
+ "grad_norm": 18.686702728271484,
242
+ "learning_rate": 4.422382671480145e-05,
243
+ "loss": 0.1576,
244
+ "step": 320
245
+ },
246
+ {
247
+ "epoch": 0.5948625506985128,
248
+ "grad_norm": 10.679413795471191,
249
+ "learning_rate": 4.404332129963899e-05,
250
+ "loss": 0.1409,
251
+ "step": 330
252
+ },
253
+ {
254
+ "epoch": 0.6128886885984678,
255
+ "grad_norm": 11.381563186645508,
256
+ "learning_rate": 4.386281588447654e-05,
257
+ "loss": 0.2043,
258
+ "step": 340
259
+ },
260
+ {
261
+ "epoch": 0.6309148264984227,
262
+ "grad_norm": 40.68292236328125,
263
+ "learning_rate": 4.368231046931408e-05,
264
+ "loss": 0.1288,
265
+ "step": 350
266
+ },
267
+ {
268
+ "epoch": 0.6489409643983777,
269
+ "grad_norm": 17.46027946472168,
270
+ "learning_rate": 4.350180505415163e-05,
271
+ "loss": 0.1537,
272
+ "step": 360
273
+ },
274
+ {
275
+ "epoch": 0.6669671022983326,
276
+ "grad_norm": 13.656320571899414,
277
+ "learning_rate": 4.332129963898917e-05,
278
+ "loss": 0.1201,
279
+ "step": 370
280
+ },
281
+ {
282
+ "epoch": 0.6849932401982876,
283
+ "grad_norm": 20.412939071655273,
284
+ "learning_rate": 4.314079422382672e-05,
285
+ "loss": 0.1321,
286
+ "step": 380
287
+ },
288
+ {
289
+ "epoch": 0.7030193780982424,
290
+ "grad_norm": 9.957433700561523,
291
+ "learning_rate": 4.296028880866426e-05,
292
+ "loss": 0.141,
293
+ "step": 390
294
+ },
295
+ {
296
+ "epoch": 0.7210455159981974,
297
+ "grad_norm": 9.682558059692383,
298
+ "learning_rate": 4.277978339350181e-05,
299
+ "loss": 0.1607,
300
+ "step": 400
301
+ },
302
+ {
303
+ "epoch": 0.7390716538981523,
304
+ "grad_norm": 9.733131408691406,
305
+ "learning_rate": 4.259927797833935e-05,
306
+ "loss": 0.1037,
307
+ "step": 410
308
+ },
309
+ {
310
+ "epoch": 0.7570977917981072,
311
+ "grad_norm": 15.76230525970459,
312
+ "learning_rate": 4.24187725631769e-05,
313
+ "loss": 0.2101,
314
+ "step": 420
315
+ },
316
+ {
317
+ "epoch": 0.7751239296980622,
318
+ "grad_norm": 22.166545867919922,
319
+ "learning_rate": 4.223826714801444e-05,
320
+ "loss": 0.1459,
321
+ "step": 430
322
+ },
323
+ {
324
+ "epoch": 0.7931500675980171,
325
+ "grad_norm": 17.87278175354004,
326
+ "learning_rate": 4.205776173285199e-05,
327
+ "loss": 0.147,
328
+ "step": 440
329
+ },
330
+ {
331
+ "epoch": 0.8111762054979721,
332
+ "grad_norm": 5.201169490814209,
333
+ "learning_rate": 4.187725631768953e-05,
334
+ "loss": 0.1247,
335
+ "step": 450
336
+ },
337
+ {
338
+ "epoch": 0.829202343397927,
339
+ "grad_norm": 8.68251895904541,
340
+ "learning_rate": 4.169675090252708e-05,
341
+ "loss": 0.1172,
342
+ "step": 460
343
+ },
344
+ {
345
+ "epoch": 0.847228481297882,
346
+ "grad_norm": 14.086528778076172,
347
+ "learning_rate": 4.151624548736462e-05,
348
+ "loss": 0.111,
349
+ "step": 470
350
+ },
351
+ {
352
+ "epoch": 0.8652546191978369,
353
+ "grad_norm": 5.421584606170654,
354
+ "learning_rate": 4.1335740072202167e-05,
355
+ "loss": 0.1264,
356
+ "step": 480
357
+ },
358
+ {
359
+ "epoch": 0.8832807570977917,
360
+ "grad_norm": 7.700821399688721,
361
+ "learning_rate": 4.115523465703972e-05,
362
+ "loss": 0.1278,
363
+ "step": 490
364
+ },
365
+ {
366
+ "epoch": 0.9013068949977467,
367
+ "grad_norm": 9.820999145507812,
368
+ "learning_rate": 4.0974729241877256e-05,
369
+ "loss": 0.1294,
370
+ "step": 500
371
+ },
372
+ {
373
+ "epoch": 0.9193330328977016,
374
+ "grad_norm": 15.016349792480469,
375
+ "learning_rate": 4.079422382671481e-05,
376
+ "loss": 0.1607,
377
+ "step": 510
378
+ },
379
+ {
380
+ "epoch": 0.9373591707976566,
381
+ "grad_norm": 10.43041706085205,
382
+ "learning_rate": 4.0613718411552346e-05,
383
+ "loss": 0.1091,
384
+ "step": 520
385
+ },
386
+ {
387
+ "epoch": 0.9553853086976115,
388
+ "grad_norm": 26.99540901184082,
389
+ "learning_rate": 4.043321299638989e-05,
390
+ "loss": 0.1442,
391
+ "step": 530
392
+ },
393
+ {
394
+ "epoch": 0.9734114465975665,
395
+ "grad_norm": 8.318906784057617,
396
+ "learning_rate": 4.0252707581227436e-05,
397
+ "loss": 0.1233,
398
+ "step": 540
399
+ },
400
+ {
401
+ "epoch": 0.9914375844975214,
402
+ "grad_norm": 8.85923957824707,
403
+ "learning_rate": 4.007220216606498e-05,
404
+ "loss": 0.1466,
405
+ "step": 550
406
+ },
407
+ {
408
+ "epoch": 1.0090130689499774,
409
+ "grad_norm": 4.69356107711792,
410
+ "learning_rate": 3.989169675090253e-05,
411
+ "loss": 0.1433,
412
+ "step": 560
413
+ },
414
+ {
415
+ "epoch": 1.0270392068499323,
416
+ "grad_norm": 17.66107177734375,
417
+ "learning_rate": 3.971119133574007e-05,
418
+ "loss": 0.0944,
419
+ "step": 570
420
+ },
421
+ {
422
+ "epoch": 1.0450653447498874,
423
+ "grad_norm": 4.721229553222656,
424
+ "learning_rate": 3.953068592057762e-05,
425
+ "loss": 0.1372,
426
+ "step": 580
427
+ },
428
+ {
429
+ "epoch": 1.0630914826498423,
430
+ "grad_norm": 6.2178955078125,
431
+ "learning_rate": 3.935018050541516e-05,
432
+ "loss": 0.1412,
433
+ "step": 590
434
+ },
435
+ {
436
+ "epoch": 1.0811176205497972,
437
+ "grad_norm": 6.32495641708374,
438
+ "learning_rate": 3.916967509025271e-05,
439
+ "loss": 0.0892,
440
+ "step": 600
441
+ },
442
+ {
443
+ "epoch": 1.099143758449752,
444
+ "grad_norm": 12.221674919128418,
445
+ "learning_rate": 3.898916967509025e-05,
446
+ "loss": 0.1333,
447
+ "step": 610
448
+ },
449
+ {
450
+ "epoch": 1.117169896349707,
451
+ "grad_norm": 1.7088432312011719,
452
+ "learning_rate": 3.88086642599278e-05,
453
+ "loss": 0.1077,
454
+ "step": 620
455
+ },
456
+ {
457
+ "epoch": 1.135196034249662,
458
+ "grad_norm": 17.136337280273438,
459
+ "learning_rate": 3.862815884476535e-05,
460
+ "loss": 0.1381,
461
+ "step": 630
462
+ },
463
+ {
464
+ "epoch": 1.153222172149617,
465
+ "grad_norm": 5.424814224243164,
466
+ "learning_rate": 3.844765342960289e-05,
467
+ "loss": 0.1228,
468
+ "step": 640
469
+ },
470
+ {
471
+ "epoch": 1.1712483100495719,
472
+ "grad_norm": 18.775466918945312,
473
+ "learning_rate": 3.826714801444044e-05,
474
+ "loss": 0.099,
475
+ "step": 650
476
+ },
477
+ {
478
+ "epoch": 1.1892744479495267,
479
+ "grad_norm": 8.731025695800781,
480
+ "learning_rate": 3.8086642599277976e-05,
481
+ "loss": 0.1324,
482
+ "step": 660
483
+ },
484
+ {
485
+ "epoch": 1.2073005858494819,
486
+ "grad_norm": 9.53122615814209,
487
+ "learning_rate": 3.790613718411553e-05,
488
+ "loss": 0.1085,
489
+ "step": 670
490
+ },
491
+ {
492
+ "epoch": 1.2253267237494367,
493
+ "grad_norm": 17.20035743713379,
494
+ "learning_rate": 3.7725631768953066e-05,
495
+ "loss": 0.0774,
496
+ "step": 680
497
+ },
498
+ {
499
+ "epoch": 1.2433528616493916,
500
+ "grad_norm": 18.292253494262695,
501
+ "learning_rate": 3.754512635379062e-05,
502
+ "loss": 0.0965,
503
+ "step": 690
504
+ },
505
+ {
506
+ "epoch": 1.2487607030193781,
507
+ "eval_f1": 0.7416879795396419,
508
+ "eval_loss": 0.10558413714170456,
509
+ "eval_precision": 0.6921241050119332,
510
+ "eval_recall": 0.7988980716253443,
511
+ "eval_runtime": 115.001,
512
+ "eval_samples_per_second": 40.634,
513
+ "eval_steps_per_second": 5.087,
514
+ "step": 693
515
+ },
516
+ {
517
+ "epoch": 1.2613789995493465,
518
+ "grad_norm": 6.922005653381348,
519
+ "learning_rate": 3.7364620938628155e-05,
520
+ "loss": 0.0906,
521
+ "step": 700
522
+ },
523
+ {
524
+ "epoch": 1.2794051374493014,
525
+ "grad_norm": 33.214107513427734,
526
+ "learning_rate": 3.718411552346571e-05,
527
+ "loss": 0.072,
528
+ "step": 710
529
+ },
530
+ {
531
+ "epoch": 1.2974312753492563,
532
+ "grad_norm": 9.25637149810791,
533
+ "learning_rate": 3.700361010830325e-05,
534
+ "loss": 0.1597,
535
+ "step": 720
536
+ },
537
+ {
538
+ "epoch": 1.3154574132492114,
539
+ "grad_norm": 10.336318016052246,
540
+ "learning_rate": 3.68231046931408e-05,
541
+ "loss": 0.1063,
542
+ "step": 730
543
+ },
544
+ {
545
+ "epoch": 1.3334835511491663,
546
+ "grad_norm": 11.632000923156738,
547
+ "learning_rate": 3.664259927797834e-05,
548
+ "loss": 0.1175,
549
+ "step": 740
550
+ },
551
+ {
552
+ "epoch": 1.3515096890491212,
553
+ "grad_norm": 12.909192085266113,
554
+ "learning_rate": 3.646209386281589e-05,
555
+ "loss": 0.1285,
556
+ "step": 750
557
+ },
558
+ {
559
+ "epoch": 1.3695358269490763,
560
+ "grad_norm": 7.545075416564941,
561
+ "learning_rate": 3.628158844765343e-05,
562
+ "loss": 0.0864,
563
+ "step": 760
564
+ },
565
+ {
566
+ "epoch": 1.3875619648490312,
567
+ "grad_norm": 25.248464584350586,
568
+ "learning_rate": 3.610108303249098e-05,
569
+ "loss": 0.0769,
570
+ "step": 770
571
+ },
572
+ {
573
+ "epoch": 1.405588102748986,
574
+ "grad_norm": 10.5347318649292,
575
+ "learning_rate": 3.592057761732852e-05,
576
+ "loss": 0.088,
577
+ "step": 780
578
+ },
579
+ {
580
+ "epoch": 1.423614240648941,
581
+ "grad_norm": 13.101734161376953,
582
+ "learning_rate": 3.574007220216607e-05,
583
+ "loss": 0.1084,
584
+ "step": 790
585
+ },
586
+ {
587
+ "epoch": 1.4416403785488958,
588
+ "grad_norm": 12.188843727111816,
589
+ "learning_rate": 3.555956678700361e-05,
590
+ "loss": 0.1101,
591
+ "step": 800
592
+ },
593
+ {
594
+ "epoch": 1.4596665164488507,
595
+ "grad_norm": 11.552268981933594,
596
+ "learning_rate": 3.537906137184116e-05,
597
+ "loss": 0.0785,
598
+ "step": 810
599
+ },
600
+ {
601
+ "epoch": 1.4776926543488058,
602
+ "grad_norm": 10.269721031188965,
603
+ "learning_rate": 3.51985559566787e-05,
604
+ "loss": 0.1161,
605
+ "step": 820
606
+ },
607
+ {
608
+ "epoch": 1.4957187922487607,
609
+ "grad_norm": 12.09333610534668,
610
+ "learning_rate": 3.5018050541516247e-05,
611
+ "loss": 0.1113,
612
+ "step": 830
613
+ },
614
+ {
615
+ "epoch": 1.5137449301487156,
616
+ "grad_norm": 5.4690141677856445,
617
+ "learning_rate": 3.483754512635379e-05,
618
+ "loss": 0.1046,
619
+ "step": 840
620
+ },
621
+ {
622
+ "epoch": 1.5317710680486707,
623
+ "grad_norm": 6.296072959899902,
624
+ "learning_rate": 3.4657039711191336e-05,
625
+ "loss": 0.1202,
626
+ "step": 850
627
+ },
628
+ {
629
+ "epoch": 1.5497972059486256,
630
+ "grad_norm": 8.854303359985352,
631
+ "learning_rate": 3.447653429602888e-05,
632
+ "loss": 0.0929,
633
+ "step": 860
634
+ },
635
+ {
636
+ "epoch": 1.5678233438485805,
637
+ "grad_norm": 23.987024307250977,
638
+ "learning_rate": 3.4296028880866426e-05,
639
+ "loss": 0.1326,
640
+ "step": 870
641
+ },
642
+ {
643
+ "epoch": 1.5858494817485354,
644
+ "grad_norm": 7.229393005371094,
645
+ "learning_rate": 3.411552346570397e-05,
646
+ "loss": 0.1169,
647
+ "step": 880
648
+ },
649
+ {
650
+ "epoch": 1.6038756196484902,
651
+ "grad_norm": 5.463610649108887,
652
+ "learning_rate": 3.3935018050541516e-05,
653
+ "loss": 0.0809,
654
+ "step": 890
655
+ },
656
+ {
657
+ "epoch": 1.6219017575484451,
658
+ "grad_norm": 5.9659624099731445,
659
+ "learning_rate": 3.375451263537907e-05,
660
+ "loss": 0.1265,
661
+ "step": 900
662
+ },
663
+ {
664
+ "epoch": 1.6399278954484002,
665
+ "grad_norm": 17.582469940185547,
666
+ "learning_rate": 3.3574007220216606e-05,
667
+ "loss": 0.0846,
668
+ "step": 910
669
+ },
670
+ {
671
+ "epoch": 1.6579540333483551,
672
+ "grad_norm": 13.633155822753906,
673
+ "learning_rate": 3.339350180505416e-05,
674
+ "loss": 0.0999,
675
+ "step": 920
676
+ },
677
+ {
678
+ "epoch": 1.67598017124831,
679
+ "grad_norm": 14.496593475341797,
680
+ "learning_rate": 3.3212996389891696e-05,
681
+ "loss": 0.0903,
682
+ "step": 930
683
+ },
684
+ {
685
+ "epoch": 1.694006309148265,
686
+ "grad_norm": 7.594356536865234,
687
+ "learning_rate": 3.303249097472924e-05,
688
+ "loss": 0.1021,
689
+ "step": 940
690
+ },
691
+ {
692
+ "epoch": 1.71203244704822,
693
+ "grad_norm": 20.628849029541016,
694
+ "learning_rate": 3.2851985559566786e-05,
695
+ "loss": 0.1131,
696
+ "step": 950
697
+ },
698
+ {
699
+ "epoch": 1.7300585849481749,
700
+ "grad_norm": 8.25106430053711,
701
+ "learning_rate": 3.267148014440433e-05,
702
+ "loss": 0.0872,
703
+ "step": 960
704
+ },
705
+ {
706
+ "epoch": 1.7480847228481298,
707
+ "grad_norm": 17.08070182800293,
708
+ "learning_rate": 3.249097472924188e-05,
709
+ "loss": 0.0663,
710
+ "step": 970
711
+ },
712
+ {
713
+ "epoch": 1.7661108607480847,
714
+ "grad_norm": 38.33162307739258,
715
+ "learning_rate": 3.231046931407942e-05,
716
+ "loss": 0.142,
717
+ "step": 980
718
+ },
719
+ {
720
+ "epoch": 1.7841369986480395,
721
+ "grad_norm": 17.89957618713379,
722
+ "learning_rate": 3.212996389891697e-05,
723
+ "loss": 0.0942,
724
+ "step": 990
725
+ },
726
+ {
727
+ "epoch": 1.8021631365479944,
728
+ "grad_norm": 9.691226959228516,
729
+ "learning_rate": 3.194945848375451e-05,
730
+ "loss": 0.0902,
731
+ "step": 1000
732
+ },
733
+ {
734
+ "epoch": 1.8201892744479495,
735
+ "grad_norm": 9.764283180236816,
736
+ "learning_rate": 3.176895306859206e-05,
737
+ "loss": 0.1108,
738
+ "step": 1010
739
+ },
740
+ {
741
+ "epoch": 1.8382154123479044,
742
+ "grad_norm": 13.829035758972168,
743
+ "learning_rate": 3.15884476534296e-05,
744
+ "loss": 0.0881,
745
+ "step": 1020
746
+ },
747
+ {
748
+ "epoch": 1.8562415502478595,
749
+ "grad_norm": 8.372889518737793,
750
+ "learning_rate": 3.140794223826715e-05,
751
+ "loss": 0.1272,
752
+ "step": 1030
753
+ },
754
+ {
755
+ "epoch": 1.8742676881478144,
756
+ "grad_norm": 12.576041221618652,
757
+ "learning_rate": 3.12274368231047e-05,
758
+ "loss": 0.1076,
759
+ "step": 1040
760
+ },
761
+ {
762
+ "epoch": 1.8922938260477693,
763
+ "grad_norm": 12.995355606079102,
764
+ "learning_rate": 3.104693140794224e-05,
765
+ "loss": 0.0932,
766
+ "step": 1050
767
+ },
768
+ {
769
+ "epoch": 1.9103199639477242,
770
+ "grad_norm": 6.626877784729004,
771
+ "learning_rate": 3.086642599277979e-05,
772
+ "loss": 0.105,
773
+ "step": 1060
774
+ },
775
+ {
776
+ "epoch": 1.928346101847679,
777
+ "grad_norm": 11.209733009338379,
778
+ "learning_rate": 3.0685920577617325e-05,
779
+ "loss": 0.1331,
780
+ "step": 1070
781
+ },
782
+ {
783
+ "epoch": 1.946372239747634,
784
+ "grad_norm": 7.832246780395508,
785
+ "learning_rate": 3.0505415162454877e-05,
786
+ "loss": 0.087,
787
+ "step": 1080
788
+ },
789
+ {
790
+ "epoch": 1.9643983776475888,
791
+ "grad_norm": 9.489190101623535,
792
+ "learning_rate": 3.032490974729242e-05,
793
+ "loss": 0.0904,
794
+ "step": 1090
795
+ },
796
+ {
797
+ "epoch": 1.982424515547544,
798
+ "grad_norm": 14.940125465393066,
799
+ "learning_rate": 3.0144404332129967e-05,
800
+ "loss": 0.0959,
801
+ "step": 1100
802
+ },
803
+ {
804
+ "epoch": 2.0,
805
+ "grad_norm": 8.826193809509277,
806
+ "learning_rate": 2.996389891696751e-05,
807
+ "loss": 0.1276,
808
+ "step": 1110
809
+ },
810
+ {
811
+ "epoch": 2.018026137899955,
812
+ "grad_norm": 4.580510139465332,
813
+ "learning_rate": 2.9783393501805057e-05,
814
+ "loss": 0.0492,
815
+ "step": 1120
816
+ },
817
+ {
818
+ "epoch": 2.0360522757999098,
819
+ "grad_norm": 16.128124237060547,
820
+ "learning_rate": 2.9602888086642598e-05,
821
+ "loss": 0.064,
822
+ "step": 1130
823
+ },
824
+ {
825
+ "epoch": 2.0540784136998647,
826
+ "grad_norm": 6.763059139251709,
827
+ "learning_rate": 2.9422382671480147e-05,
828
+ "loss": 0.076,
829
+ "step": 1140
830
+ },
831
+ {
832
+ "epoch": 2.0721045515998195,
833
+ "grad_norm": 10.386236190795898,
834
+ "learning_rate": 2.924187725631769e-05,
835
+ "loss": 0.0776,
836
+ "step": 1150
837
+ },
838
+ {
839
+ "epoch": 2.090130689499775,
840
+ "grad_norm": 8.901439666748047,
841
+ "learning_rate": 2.906137184115524e-05,
842
+ "loss": 0.0972,
843
+ "step": 1160
844
+ },
845
+ {
846
+ "epoch": 2.1081568273997298,
847
+ "grad_norm": 8.78127384185791,
848
+ "learning_rate": 2.888086642599278e-05,
849
+ "loss": 0.1042,
850
+ "step": 1170
851
+ },
852
+ {
853
+ "epoch": 2.1261829652996846,
854
+ "grad_norm": 4.073227405548096,
855
+ "learning_rate": 2.870036101083033e-05,
856
+ "loss": 0.059,
857
+ "step": 1180
858
+ },
859
+ {
860
+ "epoch": 2.1442091031996395,
861
+ "grad_norm": 22.62556266784668,
862
+ "learning_rate": 2.851985559566787e-05,
863
+ "loss": 0.0736,
864
+ "step": 1190
865
+ },
866
+ {
867
+ "epoch": 2.1622352410995944,
868
+ "grad_norm": 3.826328754425049,
869
+ "learning_rate": 2.8339350180505413e-05,
870
+ "loss": 0.0513,
871
+ "step": 1200
872
+ },
873
+ {
874
+ "epoch": 2.1802613789995493,
875
+ "grad_norm": 9.261476516723633,
876
+ "learning_rate": 2.815884476534296e-05,
877
+ "loss": 0.0604,
878
+ "step": 1210
879
+ },
880
+ {
881
+ "epoch": 2.198287516899504,
882
+ "grad_norm": 18.781217575073242,
883
+ "learning_rate": 2.7978339350180506e-05,
884
+ "loss": 0.0622,
885
+ "step": 1220
886
+ },
887
+ {
888
+ "epoch": 2.216313654799459,
889
+ "grad_norm": 23.580307006835938,
890
+ "learning_rate": 2.779783393501805e-05,
891
+ "loss": 0.0652,
892
+ "step": 1230
893
+ },
894
+ {
895
+ "epoch": 2.234339792699414,
896
+ "grad_norm": 15.79100227355957,
897
+ "learning_rate": 2.7617328519855596e-05,
898
+ "loss": 0.0676,
899
+ "step": 1240
900
+ },
901
+ {
902
+ "epoch": 2.2523659305993693,
903
+ "grad_norm": 1.7981843948364258,
904
+ "learning_rate": 2.7436823104693144e-05,
905
+ "loss": 0.0671,
906
+ "step": 1250
907
+ },
908
+ {
909
+ "epoch": 2.270392068499324,
910
+ "grad_norm": 26.794170379638672,
911
+ "learning_rate": 2.7256317689530686e-05,
912
+ "loss": 0.0825,
913
+ "step": 1260
914
+ },
915
+ {
916
+ "epoch": 2.288418206399279,
917
+ "grad_norm": 21.756696701049805,
918
+ "learning_rate": 2.7075812274368234e-05,
919
+ "loss": 0.0518,
920
+ "step": 1270
921
+ },
922
+ {
923
+ "epoch": 2.306444344299234,
924
+ "grad_norm": 5.695476055145264,
925
+ "learning_rate": 2.6895306859205776e-05,
926
+ "loss": 0.0642,
927
+ "step": 1280
928
+ },
929
+ {
930
+ "epoch": 2.324470482199189,
931
+ "grad_norm": 15.769753456115723,
932
+ "learning_rate": 2.6714801444043324e-05,
933
+ "loss": 0.1,
934
+ "step": 1290
935
+ },
936
+ {
937
+ "epoch": 2.3424966200991437,
938
+ "grad_norm": 3.572789192199707,
939
+ "learning_rate": 2.6534296028880866e-05,
940
+ "loss": 0.0516,
941
+ "step": 1300
942
+ },
943
+ {
944
+ "epoch": 2.3605227579990986,
945
+ "grad_norm": 16.55797004699707,
946
+ "learning_rate": 2.6353790613718414e-05,
947
+ "loss": 0.0676,
948
+ "step": 1310
949
+ },
950
+ {
951
+ "epoch": 2.3785488958990535,
952
+ "grad_norm": 5.78305196762085,
953
+ "learning_rate": 2.617328519855596e-05,
954
+ "loss": 0.0713,
955
+ "step": 1320
956
+ },
957
+ {
958
+ "epoch": 2.3965750337990084,
959
+ "grad_norm": 15.535674095153809,
960
+ "learning_rate": 2.59927797833935e-05,
961
+ "loss": 0.0756,
962
+ "step": 1330
963
+ },
964
+ {
965
+ "epoch": 2.4146011716989637,
966
+ "grad_norm": 7.25338888168335,
967
+ "learning_rate": 2.581227436823105e-05,
968
+ "loss": 0.0658,
969
+ "step": 1340
970
+ },
971
+ {
972
+ "epoch": 2.4326273095989186,
973
+ "grad_norm": 7.954975605010986,
974
+ "learning_rate": 2.563176895306859e-05,
975
+ "loss": 0.062,
976
+ "step": 1350
977
+ },
978
+ {
979
+ "epoch": 2.4506534474988735,
980
+ "grad_norm": 16.88165855407715,
981
+ "learning_rate": 2.545126353790614e-05,
982
+ "loss": 0.0428,
983
+ "step": 1360
984
+ },
985
+ {
986
+ "epoch": 2.4686795853988284,
987
+ "grad_norm": 5.712924003601074,
988
+ "learning_rate": 2.527075812274368e-05,
989
+ "loss": 0.0594,
990
+ "step": 1370
991
+ },
992
+ {
993
+ "epoch": 2.4867057232987833,
994
+ "grad_norm": 26.46906280517578,
995
+ "learning_rate": 2.509025270758123e-05,
996
+ "loss": 0.1073,
997
+ "step": 1380
998
+ },
999
+ {
1000
+ "epoch": 2.4975214060387563,
1001
+ "eval_f1": 0.7364532019704434,
1002
+ "eval_loss": 0.11697933077812195,
1003
+ "eval_precision": 0.6659242761692651,
1004
+ "eval_recall": 0.8236914600550964,
1005
+ "eval_runtime": 100.7721,
1006
+ "eval_samples_per_second": 46.372,
1007
+ "eval_steps_per_second": 5.805,
1008
+ "step": 1386
1009
+ },
1010
+ {
1011
+ "epoch": 2.504731861198738,
1012
+ "grad_norm": 1.9493204355239868,
1013
+ "learning_rate": 2.4909747292418774e-05,
1014
+ "loss": 0.0622,
1015
+ "step": 1390
1016
+ },
1017
+ {
1018
+ "epoch": 2.522757999098693,
1019
+ "grad_norm": 4.658102989196777,
1020
+ "learning_rate": 2.472924187725632e-05,
1021
+ "loss": 0.0843,
1022
+ "step": 1400
1023
+ },
1024
+ {
1025
+ "epoch": 2.540784136998648,
1026
+ "grad_norm": 24.372589111328125,
1027
+ "learning_rate": 2.4548736462093864e-05,
1028
+ "loss": 0.0555,
1029
+ "step": 1410
1030
+ },
1031
+ {
1032
+ "epoch": 2.558810274898603,
1033
+ "grad_norm": 35.2315673828125,
1034
+ "learning_rate": 2.436823104693141e-05,
1035
+ "loss": 0.0752,
1036
+ "step": 1420
1037
+ },
1038
+ {
1039
+ "epoch": 2.576836412798558,
1040
+ "grad_norm": 8.754782676696777,
1041
+ "learning_rate": 2.4187725631768953e-05,
1042
+ "loss": 0.0817,
1043
+ "step": 1430
1044
+ },
1045
+ {
1046
+ "epoch": 2.5948625506985126,
1047
+ "grad_norm": 20.37566566467285,
1048
+ "learning_rate": 2.40072202166065e-05,
1049
+ "loss": 0.0651,
1050
+ "step": 1440
1051
+ },
1052
+ {
1053
+ "epoch": 2.612888688598468,
1054
+ "grad_norm": 8.432345390319824,
1055
+ "learning_rate": 2.3826714801444043e-05,
1056
+ "loss": 0.0719,
1057
+ "step": 1450
1058
+ },
1059
+ {
1060
+ "epoch": 2.630914826498423,
1061
+ "grad_norm": 20.364051818847656,
1062
+ "learning_rate": 2.3646209386281588e-05,
1063
+ "loss": 0.0682,
1064
+ "step": 1460
1065
+ },
1066
+ {
1067
+ "epoch": 2.6489409643983777,
1068
+ "grad_norm": 20.46283721923828,
1069
+ "learning_rate": 2.3465703971119137e-05,
1070
+ "loss": 0.0929,
1071
+ "step": 1470
1072
+ },
1073
+ {
1074
+ "epoch": 2.6669671022983326,
1075
+ "grad_norm": 7.231199264526367,
1076
+ "learning_rate": 2.328519855595668e-05,
1077
+ "loss": 0.0655,
1078
+ "step": 1480
1079
+ },
1080
+ {
1081
+ "epoch": 2.6849932401982874,
1082
+ "grad_norm": 3.337161064147949,
1083
+ "learning_rate": 2.3104693140794227e-05,
1084
+ "loss": 0.0288,
1085
+ "step": 1490
1086
+ },
1087
+ {
1088
+ "epoch": 2.7030193780982423,
1089
+ "grad_norm": 8.78416633605957,
1090
+ "learning_rate": 2.292418772563177e-05,
1091
+ "loss": 0.0797,
1092
+ "step": 1500
1093
+ },
1094
+ {
1095
+ "epoch": 2.721045515998197,
1096
+ "grad_norm": 13.156060218811035,
1097
+ "learning_rate": 2.2743682310469316e-05,
1098
+ "loss": 0.0533,
1099
+ "step": 1510
1100
+ },
1101
+ {
1102
+ "epoch": 2.7390716538981525,
1103
+ "grad_norm": 27.271133422851562,
1104
+ "learning_rate": 2.2563176895306858e-05,
1105
+ "loss": 0.0669,
1106
+ "step": 1520
1107
+ },
1108
+ {
1109
+ "epoch": 2.757097791798107,
1110
+ "grad_norm": 25.35082244873047,
1111
+ "learning_rate": 2.2382671480144403e-05,
1112
+ "loss": 0.0709,
1113
+ "step": 1530
1114
+ },
1115
+ {
1116
+ "epoch": 2.7751239296980623,
1117
+ "grad_norm": 1.3115813732147217,
1118
+ "learning_rate": 2.220216606498195e-05,
1119
+ "loss": 0.0545,
1120
+ "step": 1540
1121
+ },
1122
+ {
1123
+ "epoch": 2.793150067598017,
1124
+ "grad_norm": 9.926563262939453,
1125
+ "learning_rate": 2.2021660649819496e-05,
1126
+ "loss": 0.0345,
1127
+ "step": 1550
1128
+ },
1129
+ {
1130
+ "epoch": 2.811176205497972,
1131
+ "grad_norm": 12.350533485412598,
1132
+ "learning_rate": 2.184115523465704e-05,
1133
+ "loss": 0.1106,
1134
+ "step": 1560
1135
+ },
1136
+ {
1137
+ "epoch": 2.829202343397927,
1138
+ "grad_norm": 16.243236541748047,
1139
+ "learning_rate": 2.1660649819494586e-05,
1140
+ "loss": 0.1022,
1141
+ "step": 1570
1142
+ },
1143
+ {
1144
+ "epoch": 2.847228481297882,
1145
+ "grad_norm": 3.126918315887451,
1146
+ "learning_rate": 2.148014440433213e-05,
1147
+ "loss": 0.0695,
1148
+ "step": 1580
1149
+ },
1150
+ {
1151
+ "epoch": 2.8652546191978367,
1152
+ "grad_norm": 7.89870548248291,
1153
+ "learning_rate": 2.1299638989169676e-05,
1154
+ "loss": 0.0714,
1155
+ "step": 1590
1156
+ },
1157
+ {
1158
+ "epoch": 2.8832807570977916,
1159
+ "grad_norm": 17.361522674560547,
1160
+ "learning_rate": 2.111913357400722e-05,
1161
+ "loss": 0.0546,
1162
+ "step": 1600
1163
+ },
1164
+ {
1165
+ "epoch": 2.901306894997747,
1166
+ "grad_norm": 28.539026260375977,
1167
+ "learning_rate": 2.0938628158844766e-05,
1168
+ "loss": 0.0736,
1169
+ "step": 1610
1170
+ },
1171
+ {
1172
+ "epoch": 2.9193330328977014,
1173
+ "grad_norm": 9.696992874145508,
1174
+ "learning_rate": 2.075812274368231e-05,
1175
+ "loss": 0.0543,
1176
+ "step": 1620
1177
+ },
1178
+ {
1179
+ "epoch": 2.9373591707976567,
1180
+ "grad_norm": 14.558252334594727,
1181
+ "learning_rate": 2.057761732851986e-05,
1182
+ "loss": 0.0459,
1183
+ "step": 1630
1184
+ },
1185
+ {
1186
+ "epoch": 2.9553853086976116,
1187
+ "grad_norm": 15.250856399536133,
1188
+ "learning_rate": 2.0397111913357404e-05,
1189
+ "loss": 0.0668,
1190
+ "step": 1640
1191
+ },
1192
+ {
1193
+ "epoch": 2.9734114465975665,
1194
+ "grad_norm": 7.706424713134766,
1195
+ "learning_rate": 2.0216606498194946e-05,
1196
+ "loss": 0.0526,
1197
+ "step": 1650
1198
+ },
1199
+ {
1200
+ "epoch": 2.9914375844975214,
1201
+ "grad_norm": 6.1349945068359375,
1202
+ "learning_rate": 2.003610108303249e-05,
1203
+ "loss": 0.0816,
1204
+ "step": 1660
1205
+ },
1206
+ {
1207
+ "epoch": 3.0090130689499777,
1208
+ "grad_norm": 9.719901084899902,
1209
+ "learning_rate": 1.9855595667870036e-05,
1210
+ "loss": 0.0315,
1211
+ "step": 1670
1212
+ },
1213
+ {
1214
+ "epoch": 3.0270392068499326,
1215
+ "grad_norm": 14.534510612487793,
1216
+ "learning_rate": 1.967509025270758e-05,
1217
+ "loss": 0.0473,
1218
+ "step": 1680
1219
+ },
1220
+ {
1221
+ "epoch": 3.0450653447498874,
1222
+ "grad_norm": 46.903160095214844,
1223
+ "learning_rate": 1.9494584837545125e-05,
1224
+ "loss": 0.0152,
1225
+ "step": 1690
1226
+ },
1227
+ {
1228
+ "epoch": 3.0630914826498423,
1229
+ "grad_norm": 7.3955254554748535,
1230
+ "learning_rate": 1.9314079422382674e-05,
1231
+ "loss": 0.037,
1232
+ "step": 1700
1233
+ },
1234
+ {
1235
+ "epoch": 3.081117620549797,
1236
+ "grad_norm": 17.802396774291992,
1237
+ "learning_rate": 1.913357400722022e-05,
1238
+ "loss": 0.0472,
1239
+ "step": 1710
1240
+ },
1241
+ {
1242
+ "epoch": 3.099143758449752,
1243
+ "grad_norm": 1.0125623941421509,
1244
+ "learning_rate": 1.8953068592057764e-05,
1245
+ "loss": 0.0217,
1246
+ "step": 1720
1247
+ },
1248
+ {
1249
+ "epoch": 3.117169896349707,
1250
+ "grad_norm": 2.3023953437805176,
1251
+ "learning_rate": 1.877256317689531e-05,
1252
+ "loss": 0.0285,
1253
+ "step": 1730
1254
+ },
1255
+ {
1256
+ "epoch": 3.135196034249662,
1257
+ "grad_norm": 0.2563769221305847,
1258
+ "learning_rate": 1.8592057761732854e-05,
1259
+ "loss": 0.08,
1260
+ "step": 1740
1261
+ },
1262
+ {
1263
+ "epoch": 3.1532221721496168,
1264
+ "grad_norm": 6.048330783843994,
1265
+ "learning_rate": 1.84115523465704e-05,
1266
+ "loss": 0.0241,
1267
+ "step": 1750
1268
+ },
1269
+ {
1270
+ "epoch": 3.171248310049572,
1271
+ "grad_norm": 19.981657028198242,
1272
+ "learning_rate": 1.8231046931407943e-05,
1273
+ "loss": 0.0411,
1274
+ "step": 1760
1275
+ },
1276
+ {
1277
+ "epoch": 3.189274447949527,
1278
+ "grad_norm": 18.629526138305664,
1279
+ "learning_rate": 1.805054151624549e-05,
1280
+ "loss": 0.0352,
1281
+ "step": 1770
1282
+ },
1283
+ {
1284
+ "epoch": 3.207300585849482,
1285
+ "grad_norm": 51.33302307128906,
1286
+ "learning_rate": 1.7870036101083033e-05,
1287
+ "loss": 0.041,
1288
+ "step": 1780
1289
+ },
1290
+ {
1291
+ "epoch": 3.2253267237494367,
1292
+ "grad_norm": 15.880636215209961,
1293
+ "learning_rate": 1.768953068592058e-05,
1294
+ "loss": 0.0453,
1295
+ "step": 1790
1296
+ },
1297
+ {
1298
+ "epoch": 3.2433528616493916,
1299
+ "grad_norm": 1.6619783639907837,
1300
+ "learning_rate": 1.7509025270758123e-05,
1301
+ "loss": 0.0467,
1302
+ "step": 1800
1303
+ },
1304
+ {
1305
+ "epoch": 3.2613789995493465,
1306
+ "grad_norm": 28.439903259277344,
1307
+ "learning_rate": 1.7328519855595668e-05,
1308
+ "loss": 0.0347,
1309
+ "step": 1810
1310
+ },
1311
+ {
1312
+ "epoch": 3.2794051374493014,
1313
+ "grad_norm": 3.802276134490967,
1314
+ "learning_rate": 1.7148014440433213e-05,
1315
+ "loss": 0.0607,
1316
+ "step": 1820
1317
+ },
1318
+ {
1319
+ "epoch": 3.2974312753492563,
1320
+ "grad_norm": 0.17207615077495575,
1321
+ "learning_rate": 1.6967509025270758e-05,
1322
+ "loss": 0.0229,
1323
+ "step": 1830
1324
+ },
1325
+ {
1326
+ "epoch": 3.315457413249211,
1327
+ "grad_norm": 4.585143089294434,
1328
+ "learning_rate": 1.6787003610108303e-05,
1329
+ "loss": 0.0572,
1330
+ "step": 1840
1331
+ },
1332
+ {
1333
+ "epoch": 3.3334835511491665,
1334
+ "grad_norm": 0.3470168709754944,
1335
+ "learning_rate": 1.6606498194945848e-05,
1336
+ "loss": 0.0095,
1337
+ "step": 1850
1338
+ },
1339
+ {
1340
+ "epoch": 3.3515096890491214,
1341
+ "grad_norm": 1.0657894611358643,
1342
+ "learning_rate": 1.6425992779783393e-05,
1343
+ "loss": 0.056,
1344
+ "step": 1860
1345
+ },
1346
+ {
1347
+ "epoch": 3.3695358269490763,
1348
+ "grad_norm": 1.310930848121643,
1349
+ "learning_rate": 1.624548736462094e-05,
1350
+ "loss": 0.0278,
1351
+ "step": 1870
1352
+ },
1353
+ {
1354
+ "epoch": 3.387561964849031,
1355
+ "grad_norm": 0.5731173157691956,
1356
+ "learning_rate": 1.6064981949458486e-05,
1357
+ "loss": 0.0493,
1358
+ "step": 1880
1359
+ },
1360
+ {
1361
+ "epoch": 3.405588102748986,
1362
+ "grad_norm": 1.0355983972549438,
1363
+ "learning_rate": 1.588447653429603e-05,
1364
+ "loss": 0.0676,
1365
+ "step": 1890
1366
+ },
1367
+ {
1368
+ "epoch": 3.423614240648941,
1369
+ "grad_norm": 2.357179880142212,
1370
+ "learning_rate": 1.5703971119133576e-05,
1371
+ "loss": 0.0616,
1372
+ "step": 1900
1373
+ },
1374
+ {
1375
+ "epoch": 3.441640378548896,
1376
+ "grad_norm": 23.674598693847656,
1377
+ "learning_rate": 1.552346570397112e-05,
1378
+ "loss": 0.0522,
1379
+ "step": 1910
1380
+ },
1381
+ {
1382
+ "epoch": 3.4596665164488507,
1383
+ "grad_norm": 7.019822597503662,
1384
+ "learning_rate": 1.5342960288808663e-05,
1385
+ "loss": 0.0306,
1386
+ "step": 1920
1387
+ },
1388
+ {
1389
+ "epoch": 3.4776926543488056,
1390
+ "grad_norm": 10.89382553100586,
1391
+ "learning_rate": 1.516245487364621e-05,
1392
+ "loss": 0.0395,
1393
+ "step": 1930
1394
+ },
1395
+ {
1396
+ "epoch": 3.495718792248761,
1397
+ "grad_norm": 16.17826271057129,
1398
+ "learning_rate": 1.4981949458483754e-05,
1399
+ "loss": 0.0211,
1400
+ "step": 1940
1401
+ },
1402
+ {
1403
+ "epoch": 3.5137449301487154,
1404
+ "grad_norm": 21.532861709594727,
1405
+ "learning_rate": 1.4801444043321299e-05,
1406
+ "loss": 0.044,
1407
+ "step": 1950
1408
+ },
1409
+ {
1410
+ "epoch": 3.5317710680486707,
1411
+ "grad_norm": 0.7629399299621582,
1412
+ "learning_rate": 1.4620938628158846e-05,
1413
+ "loss": 0.0345,
1414
+ "step": 1960
1415
+ },
1416
+ {
1417
+ "epoch": 3.5497972059486256,
1418
+ "grad_norm": 42.46355438232422,
1419
+ "learning_rate": 1.444043321299639e-05,
1420
+ "loss": 0.0385,
1421
+ "step": 1970
1422
+ },
1423
+ {
1424
+ "epoch": 3.5678233438485805,
1425
+ "grad_norm": 33.24613571166992,
1426
+ "learning_rate": 1.4259927797833936e-05,
1427
+ "loss": 0.0555,
1428
+ "step": 1980
1429
+ },
1430
+ {
1431
+ "epoch": 3.5858494817485354,
1432
+ "grad_norm": 14.760307312011719,
1433
+ "learning_rate": 1.407942238267148e-05,
1434
+ "loss": 0.0309,
1435
+ "step": 1990
1436
+ },
1437
+ {
1438
+ "epoch": 3.6038756196484902,
1439
+ "grad_norm": 0.26270392537117004,
1440
+ "learning_rate": 1.3898916967509026e-05,
1441
+ "loss": 0.0397,
1442
+ "step": 2000
1443
+ },
1444
+ {
1445
+ "epoch": 3.621901757548445,
1446
+ "grad_norm": 18.96925926208496,
1447
+ "learning_rate": 1.3718411552346572e-05,
1448
+ "loss": 0.0607,
1449
+ "step": 2010
1450
+ },
1451
+ {
1452
+ "epoch": 3.6399278954484,
1453
+ "grad_norm": 0.8502946496009827,
1454
+ "learning_rate": 1.3537906137184117e-05,
1455
+ "loss": 0.022,
1456
+ "step": 2020
1457
+ },
1458
+ {
1459
+ "epoch": 3.6579540333483553,
1460
+ "grad_norm": 14.483598709106445,
1461
+ "learning_rate": 1.3357400722021662e-05,
1462
+ "loss": 0.0273,
1463
+ "step": 2030
1464
+ },
1465
+ {
1466
+ "epoch": 3.67598017124831,
1467
+ "grad_norm": 19.76103401184082,
1468
+ "learning_rate": 1.3176895306859207e-05,
1469
+ "loss": 0.0156,
1470
+ "step": 2040
1471
+ },
1472
+ {
1473
+ "epoch": 3.694006309148265,
1474
+ "grad_norm": 103.1634292602539,
1475
+ "learning_rate": 1.299638989169675e-05,
1476
+ "loss": 0.033,
1477
+ "step": 2050
1478
+ },
1479
+ {
1480
+ "epoch": 3.71203244704822,
1481
+ "grad_norm": 19.32097816467285,
1482
+ "learning_rate": 1.2815884476534295e-05,
1483
+ "loss": 0.0202,
1484
+ "step": 2060
1485
+ },
1486
+ {
1487
+ "epoch": 3.730058584948175,
1488
+ "grad_norm": 0.7152062654495239,
1489
+ "learning_rate": 1.263537906137184e-05,
1490
+ "loss": 0.0373,
1491
+ "step": 2070
1492
+ },
1493
+ {
1494
+ "epoch": 3.7462821090581344,
1495
+ "eval_f1": 0.7580025608194623,
1496
+ "eval_loss": 0.22068411111831665,
1497
+ "eval_precision": 0.7081339712918661,
1498
+ "eval_recall": 0.8154269972451791,
1499
+ "eval_runtime": 99.058,
1500
+ "eval_samples_per_second": 47.174,
1501
+ "eval_steps_per_second": 5.906,
1502
+ "step": 2079
1503
+ },
1504
+ {
1505
+ "epoch": 3.7480847228481298,
1506
+ "grad_norm": 15.258056640625,
1507
+ "learning_rate": 1.2454873646209387e-05,
1508
+ "loss": 0.0325,
1509
+ "step": 2080
1510
+ },
1511
+ {
1512
+ "epoch": 3.7661108607480847,
1513
+ "grad_norm": 13.003891944885254,
1514
+ "learning_rate": 1.2274368231046932e-05,
1515
+ "loss": 0.0655,
1516
+ "step": 2090
1517
+ },
1518
+ {
1519
+ "epoch": 3.7841369986480395,
1520
+ "grad_norm": 3.3672218322753906,
1521
+ "learning_rate": 1.2093862815884477e-05,
1522
+ "loss": 0.0595,
1523
+ "step": 2100
1524
+ },
1525
+ {
1526
+ "epoch": 3.8021631365479944,
1527
+ "grad_norm": 10.780056953430176,
1528
+ "learning_rate": 1.1913357400722022e-05,
1529
+ "loss": 0.0607,
1530
+ "step": 2110
1531
+ },
1532
+ {
1533
+ "epoch": 3.8201892744479498,
1534
+ "grad_norm": 4.282696723937988,
1535
+ "learning_rate": 1.1732851985559568e-05,
1536
+ "loss": 0.0222,
1537
+ "step": 2120
1538
+ },
1539
+ {
1540
+ "epoch": 3.838215412347904,
1541
+ "grad_norm": 7.597197532653809,
1542
+ "learning_rate": 1.1552346570397113e-05,
1543
+ "loss": 0.0425,
1544
+ "step": 2130
1545
+ },
1546
+ {
1547
+ "epoch": 3.8562415502478595,
1548
+ "grad_norm": 29.276180267333984,
1549
+ "learning_rate": 1.1371841155234658e-05,
1550
+ "loss": 0.0217,
1551
+ "step": 2140
1552
+ },
1553
+ {
1554
+ "epoch": 3.8742676881478144,
1555
+ "grad_norm": 1.948074221611023,
1556
+ "learning_rate": 1.1191335740072201e-05,
1557
+ "loss": 0.017,
1558
+ "step": 2150
1559
+ },
1560
+ {
1561
+ "epoch": 3.8922938260477693,
1562
+ "grad_norm": 0.19444149732589722,
1563
+ "learning_rate": 1.1010830324909748e-05,
1564
+ "loss": 0.0109,
1565
+ "step": 2160
1566
+ },
1567
+ {
1568
+ "epoch": 3.910319963947724,
1569
+ "grad_norm": 4.235020160675049,
1570
+ "learning_rate": 1.0830324909747293e-05,
1571
+ "loss": 0.0181,
1572
+ "step": 2170
1573
+ },
1574
+ {
1575
+ "epoch": 3.928346101847679,
1576
+ "grad_norm": 30.39529037475586,
1577
+ "learning_rate": 1.0649819494584838e-05,
1578
+ "loss": 0.0092,
1579
+ "step": 2180
1580
+ },
1581
+ {
1582
+ "epoch": 3.946372239747634,
1583
+ "grad_norm": 34.26523208618164,
1584
+ "learning_rate": 1.0469314079422383e-05,
1585
+ "loss": 0.0596,
1586
+ "step": 2190
1587
+ },
1588
+ {
1589
+ "epoch": 3.964398377647589,
1590
+ "grad_norm": 6.3887553215026855,
1591
+ "learning_rate": 1.028880866425993e-05,
1592
+ "loss": 0.0315,
1593
+ "step": 2200
1594
+ },
1595
+ {
1596
+ "epoch": 3.982424515547544,
1597
+ "grad_norm": 32.655189514160156,
1598
+ "learning_rate": 1.0108303249097473e-05,
1599
+ "loss": 0.0334,
1600
+ "step": 2210
1601
+ },
1602
+ {
1603
+ "epoch": 4.0,
1604
+ "grad_norm": 3.0682740211486816,
1605
+ "learning_rate": 9.927797833935018e-06,
1606
+ "loss": 0.067,
1607
+ "step": 2220
1608
+ },
1609
+ {
1610
+ "epoch": 4.018026137899955,
1611
+ "grad_norm": 3.4062814712524414,
1612
+ "learning_rate": 9.747292418772563e-06,
1613
+ "loss": 0.02,
1614
+ "step": 2230
1615
+ },
1616
+ {
1617
+ "epoch": 4.03605227579991,
1618
+ "grad_norm": 57.081993103027344,
1619
+ "learning_rate": 9.56678700361011e-06,
1620
+ "loss": 0.013,
1621
+ "step": 2240
1622
+ },
1623
+ {
1624
+ "epoch": 4.054078413699865,
1625
+ "grad_norm": 1.0301337242126465,
1626
+ "learning_rate": 9.386281588447654e-06,
1627
+ "loss": 0.0161,
1628
+ "step": 2250
1629
+ },
1630
+ {
1631
+ "epoch": 4.0721045515998195,
1632
+ "grad_norm": 0.3438373804092407,
1633
+ "learning_rate": 9.2057761732852e-06,
1634
+ "loss": 0.025,
1635
+ "step": 2260
1636
+ },
1637
+ {
1638
+ "epoch": 4.090130689499775,
1639
+ "grad_norm": 2.7622809410095215,
1640
+ "learning_rate": 9.025270758122744e-06,
1641
+ "loss": 0.0086,
1642
+ "step": 2270
1643
+ },
1644
+ {
1645
+ "epoch": 4.108156827399729,
1646
+ "grad_norm": 29.382837295532227,
1647
+ "learning_rate": 8.84476534296029e-06,
1648
+ "loss": 0.0174,
1649
+ "step": 2280
1650
+ },
1651
+ {
1652
+ "epoch": 4.126182965299685,
1653
+ "grad_norm": 7.100313663482666,
1654
+ "learning_rate": 8.664259927797834e-06,
1655
+ "loss": 0.0257,
1656
+ "step": 2290
1657
+ },
1658
+ {
1659
+ "epoch": 4.144209103199639,
1660
+ "grad_norm": 31.98218536376953,
1661
+ "learning_rate": 8.483754512635379e-06,
1662
+ "loss": 0.033,
1663
+ "step": 2300
1664
+ },
1665
+ {
1666
+ "epoch": 4.162235241099594,
1667
+ "grad_norm": 0.8779153823852539,
1668
+ "learning_rate": 8.303249097472924e-06,
1669
+ "loss": 0.0052,
1670
+ "step": 2310
1671
+ },
1672
+ {
1673
+ "epoch": 4.18026137899955,
1674
+ "grad_norm": 18.081058502197266,
1675
+ "learning_rate": 8.12274368231047e-06,
1676
+ "loss": 0.0114,
1677
+ "step": 2320
1678
+ },
1679
+ {
1680
+ "epoch": 4.198287516899504,
1681
+ "grad_norm": 261.2298278808594,
1682
+ "learning_rate": 7.942238267148016e-06,
1683
+ "loss": 0.0315,
1684
+ "step": 2330
1685
+ },
1686
+ {
1687
+ "epoch": 4.2163136547994595,
1688
+ "grad_norm": 5.500637531280518,
1689
+ "learning_rate": 7.76173285198556e-06,
1690
+ "loss": 0.0358,
1691
+ "step": 2340
1692
+ },
1693
+ {
1694
+ "epoch": 4.234339792699414,
1695
+ "grad_norm": 0.1317097395658493,
1696
+ "learning_rate": 7.581227436823105e-06,
1697
+ "loss": 0.0258,
1698
+ "step": 2350
1699
+ },
1700
+ {
1701
+ "epoch": 4.252365930599369,
1702
+ "grad_norm": 3.035848617553711,
1703
+ "learning_rate": 7.4007220216606496e-06,
1704
+ "loss": 0.0143,
1705
+ "step": 2360
1706
+ },
1707
+ {
1708
+ "epoch": 4.270392068499324,
1709
+ "grad_norm": 0.05077278986573219,
1710
+ "learning_rate": 7.220216606498195e-06,
1711
+ "loss": 0.0181,
1712
+ "step": 2370
1713
+ },
1714
+ {
1715
+ "epoch": 4.288418206399279,
1716
+ "grad_norm": 7.1182379722595215,
1717
+ "learning_rate": 7.03971119133574e-06,
1718
+ "loss": 0.03,
1719
+ "step": 2380
1720
+ },
1721
+ {
1722
+ "epoch": 4.3064443442992335,
1723
+ "grad_norm": 0.2915518581867218,
1724
+ "learning_rate": 6.859205776173286e-06,
1725
+ "loss": 0.0215,
1726
+ "step": 2390
1727
+ },
1728
+ {
1729
+ "epoch": 4.324470482199189,
1730
+ "grad_norm": 29.823713302612305,
1731
+ "learning_rate": 6.678700361010831e-06,
1732
+ "loss": 0.013,
1733
+ "step": 2400
1734
+ },
1735
+ {
1736
+ "epoch": 4.342496620099144,
1737
+ "grad_norm": 24.919235229492188,
1738
+ "learning_rate": 6.498194945848375e-06,
1739
+ "loss": 0.03,
1740
+ "step": 2410
1741
+ },
1742
+ {
1743
+ "epoch": 4.360522757999099,
1744
+ "grad_norm": 28.06072235107422,
1745
+ "learning_rate": 6.31768953068592e-06,
1746
+ "loss": 0.0197,
1747
+ "step": 2420
1748
+ },
1749
+ {
1750
+ "epoch": 4.378548895899054,
1751
+ "grad_norm": 0.1475232094526291,
1752
+ "learning_rate": 6.137184115523466e-06,
1753
+ "loss": 0.0457,
1754
+ "step": 2430
1755
+ },
1756
+ {
1757
+ "epoch": 4.396575033799008,
1758
+ "grad_norm": 11.063607215881348,
1759
+ "learning_rate": 5.956678700361011e-06,
1760
+ "loss": 0.0206,
1761
+ "step": 2440
1762
+ },
1763
+ {
1764
+ "epoch": 4.414601171698964,
1765
+ "grad_norm": 18.570436477661133,
1766
+ "learning_rate": 5.776173285198557e-06,
1767
+ "loss": 0.0347,
1768
+ "step": 2450
1769
+ },
1770
+ {
1771
+ "epoch": 4.432627309598918,
1772
+ "grad_norm": 0.21391639113426208,
1773
+ "learning_rate": 5.595667870036101e-06,
1774
+ "loss": 0.0127,
1775
+ "step": 2460
1776
+ },
1777
+ {
1778
+ "epoch": 4.4506534474988735,
1779
+ "grad_norm": 0.0873202458024025,
1780
+ "learning_rate": 5.4151624548736465e-06,
1781
+ "loss": 0.0091,
1782
+ "step": 2470
1783
+ },
1784
+ {
1785
+ "epoch": 4.468679585398828,
1786
+ "grad_norm": 0.1600690335035324,
1787
+ "learning_rate": 5.2346570397111915e-06,
1788
+ "loss": 0.0291,
1789
+ "step": 2480
1790
+ },
1791
+ {
1792
+ "epoch": 4.486705723298783,
1793
+ "grad_norm": 0.2069604992866516,
1794
+ "learning_rate": 5.054151624548736e-06,
1795
+ "loss": 0.0293,
1796
+ "step": 2490
1797
+ },
1798
+ {
1799
+ "epoch": 4.504731861198739,
1800
+ "grad_norm": 0.8192632794380188,
1801
+ "learning_rate": 4.873646209386281e-06,
1802
+ "loss": 0.0236,
1803
+ "step": 2500
1804
+ },
1805
+ {
1806
+ "epoch": 4.522757999098693,
1807
+ "grad_norm": 4.89054536819458,
1808
+ "learning_rate": 4.693140794223827e-06,
1809
+ "loss": 0.0276,
1810
+ "step": 2510
1811
+ },
1812
+ {
1813
+ "epoch": 4.540784136998648,
1814
+ "grad_norm": 24.810901641845703,
1815
+ "learning_rate": 4.512635379061372e-06,
1816
+ "loss": 0.0275,
1817
+ "step": 2520
1818
+ },
1819
+ {
1820
+ "epoch": 4.558810274898603,
1821
+ "grad_norm": 0.39144259691238403,
1822
+ "learning_rate": 4.332129963898917e-06,
1823
+ "loss": 0.0221,
1824
+ "step": 2530
1825
+ },
1826
+ {
1827
+ "epoch": 4.576836412798558,
1828
+ "grad_norm": 20.9676513671875,
1829
+ "learning_rate": 4.151624548736462e-06,
1830
+ "loss": 0.0184,
1831
+ "step": 2540
1832
+ },
1833
+ {
1834
+ "epoch": 4.594862550698513,
1835
+ "grad_norm": 0.15349972248077393,
1836
+ "learning_rate": 3.971119133574008e-06,
1837
+ "loss": 0.0086,
1838
+ "step": 2550
1839
+ },
1840
+ {
1841
+ "epoch": 4.612888688598468,
1842
+ "grad_norm": 1.4720628261566162,
1843
+ "learning_rate": 3.7906137184115523e-06,
1844
+ "loss": 0.0234,
1845
+ "step": 2560
1846
+ },
1847
+ {
1848
+ "epoch": 4.630914826498422,
1849
+ "grad_norm": 11.18973445892334,
1850
+ "learning_rate": 3.6101083032490977e-06,
1851
+ "loss": 0.0324,
1852
+ "step": 2570
1853
+ },
1854
+ {
1855
+ "epoch": 4.648940964398378,
1856
+ "grad_norm": 0.07954315841197968,
1857
+ "learning_rate": 3.429602888086643e-06,
1858
+ "loss": 0.0117,
1859
+ "step": 2580
1860
+ },
1861
+ {
1862
+ "epoch": 4.666967102298333,
1863
+ "grad_norm": 0.24165672063827515,
1864
+ "learning_rate": 3.2490974729241876e-06,
1865
+ "loss": 0.0121,
1866
+ "step": 2590
1867
+ },
1868
+ {
1869
+ "epoch": 4.6849932401982874,
1870
+ "grad_norm": 10.629122734069824,
1871
+ "learning_rate": 3.068592057761733e-06,
1872
+ "loss": 0.0246,
1873
+ "step": 2600
1874
+ },
1875
+ {
1876
+ "epoch": 4.703019378098243,
1877
+ "grad_norm": 0.5089478492736816,
1878
+ "learning_rate": 2.8880866425992783e-06,
1879
+ "loss": 0.0011,
1880
+ "step": 2610
1881
+ },
1882
+ {
1883
+ "epoch": 4.721045515998197,
1884
+ "grad_norm": 0.08004222065210342,
1885
+ "learning_rate": 2.7075812274368233e-06,
1886
+ "loss": 0.0364,
1887
+ "step": 2620
1888
+ },
1889
+ {
1890
+ "epoch": 4.7390716538981525,
1891
+ "grad_norm": 0.03793829679489136,
1892
+ "learning_rate": 2.527075812274368e-06,
1893
+ "loss": 0.0207,
1894
+ "step": 2630
1895
+ },
1896
+ {
1897
+ "epoch": 4.757097791798107,
1898
+ "grad_norm": 13.989105224609375,
1899
+ "learning_rate": 2.3465703971119136e-06,
1900
+ "loss": 0.0211,
1901
+ "step": 2640
1902
+ },
1903
+ {
1904
+ "epoch": 4.775123929698062,
1905
+ "grad_norm": 8.655593872070312,
1906
+ "learning_rate": 2.1660649819494585e-06,
1907
+ "loss": 0.0167,
1908
+ "step": 2650
1909
+ },
1910
+ {
1911
+ "epoch": 4.793150067598017,
1912
+ "grad_norm": 0.12756069004535675,
1913
+ "learning_rate": 1.985559566787004e-06,
1914
+ "loss": 0.019,
1915
+ "step": 2660
1916
+ },
1917
+ {
1918
+ "epoch": 4.811176205497972,
1919
+ "grad_norm": 23.192468643188477,
1920
+ "learning_rate": 1.8050541516245488e-06,
1921
+ "loss": 0.0074,
1922
+ "step": 2670
1923
+ },
1924
+ {
1925
+ "epoch": 4.829202343397927,
1926
+ "grad_norm": 0.17219115793704987,
1927
+ "learning_rate": 1.6245487364620938e-06,
1928
+ "loss": 0.0223,
1929
+ "step": 2680
1930
+ },
1931
+ {
1932
+ "epoch": 4.847228481297882,
1933
+ "grad_norm": 37.450740814208984,
1934
+ "learning_rate": 1.4440433212996392e-06,
1935
+ "loss": 0.0479,
1936
+ "step": 2690
1937
+ },
1938
+ {
1939
+ "epoch": 4.865254619197837,
1940
+ "grad_norm": 0.5785008668899536,
1941
+ "learning_rate": 1.263537906137184e-06,
1942
+ "loss": 0.0304,
1943
+ "step": 2700
1944
+ },
1945
+ {
1946
+ "epoch": 4.883280757097792,
1947
+ "grad_norm": 3.550365686416626,
1948
+ "learning_rate": 1.0830324909747293e-06,
1949
+ "loss": 0.0153,
1950
+ "step": 2710
1951
+ },
1952
+ {
1953
+ "epoch": 4.901306894997747,
1954
+ "grad_norm": 16.135068893432617,
1955
+ "learning_rate": 9.025270758122744e-07,
1956
+ "loss": 0.0437,
1957
+ "step": 2720
1958
+ },
1959
+ {
1960
+ "epoch": 4.919333032897701,
1961
+ "grad_norm": 0.8536310195922852,
1962
+ "learning_rate": 7.220216606498196e-07,
1963
+ "loss": 0.0159,
1964
+ "step": 2730
1965
+ },
1966
+ {
1967
+ "epoch": 4.937359170797657,
1968
+ "grad_norm": 0.09728287905454636,
1969
+ "learning_rate": 5.415162454873646e-07,
1970
+ "loss": 0.0116,
1971
+ "step": 2740
1972
+ },
1973
+ {
1974
+ "epoch": 4.955385308697611,
1975
+ "grad_norm": 2.123337745666504,
1976
+ "learning_rate": 3.610108303249098e-07,
1977
+ "loss": 0.0278,
1978
+ "step": 2750
1979
+ },
1980
+ {
1981
+ "epoch": 4.9734114465975665,
1982
+ "grad_norm": 1.2163937091827393,
1983
+ "learning_rate": 1.805054151624549e-07,
1984
+ "loss": 0.0012,
1985
+ "step": 2760
1986
+ },
1987
+ {
1988
+ "epoch": 4.991437584497522,
1989
+ "grad_norm": 0.2870337963104248,
1990
+ "learning_rate": 0.0,
1991
+ "loss": 0.0009,
1992
+ "step": 2770
1993
+ }
1994
+ ],
1995
+ "logging_steps": 10,
1996
+ "max_steps": 2770,
1997
+ "num_input_tokens_seen": 0,
1998
+ "num_train_epochs": 5,
1999
+ "save_steps": 500,
2000
+ "stateful_callbacks": {
2001
+ "TrainerControl": {
2002
+ "args": {
2003
+ "should_epoch_stop": false,
2004
+ "should_evaluate": false,
2005
+ "should_log": false,
2006
+ "should_save": true,
2007
+ "should_training_stop": true
2008
+ },
2009
+ "attributes": {}
2010
+ }
2011
+ },
2012
+ "total_flos": 9.629766539300045e+16,
2013
+ "train_batch_size": 8,
2014
+ "trial_name": null,
2015
+ "trial_params": null
2016
+ }
checkpoint-2770/training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:a1cb6c2831bf6310695ea4ef6539addf4fc4092fd2b8fd2fd7364adece0d315f
3
+ size 5368