Spaces:
Sleeping
Sleeping
Upload 7 files
Browse files
checkpoint-7500/config.json
ADDED
|
@@ -0,0 +1,41 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"_name_or_path": "google-bert/bert-base-multilingual-cased",
|
| 3 |
+
"_num_labels": 2,
|
| 4 |
+
"architectures": [
|
| 5 |
+
"BertForSequenceClassification"
|
| 6 |
+
],
|
| 7 |
+
"attention_probs_dropout_prob": 0.1,
|
| 8 |
+
"classifier_dropout": null,
|
| 9 |
+
"directionality": "bidi",
|
| 10 |
+
"hidden_act": "gelu",
|
| 11 |
+
"hidden_dropout_prob": 0.1,
|
| 12 |
+
"hidden_size": 768,
|
| 13 |
+
"id2label": {
|
| 14 |
+
"0": "0",
|
| 15 |
+
"1": "1"
|
| 16 |
+
},
|
| 17 |
+
"initializer_range": 0.02,
|
| 18 |
+
"intermediate_size": 3072,
|
| 19 |
+
"label2id": {
|
| 20 |
+
"0": 0,
|
| 21 |
+
"1": 1
|
| 22 |
+
},
|
| 23 |
+
"layer_norm_eps": 1e-12,
|
| 24 |
+
"max_position_embeddings": 512,
|
| 25 |
+
"model_type": "bert",
|
| 26 |
+
"num_attention_heads": 12,
|
| 27 |
+
"num_hidden_layers": 12,
|
| 28 |
+
"pad_token_id": 0,
|
| 29 |
+
"pooler_fc_size": 768,
|
| 30 |
+
"pooler_num_attention_heads": 12,
|
| 31 |
+
"pooler_num_fc_layers": 3,
|
| 32 |
+
"pooler_size_per_head": 128,
|
| 33 |
+
"pooler_type": "first_token_transform",
|
| 34 |
+
"position_embedding_type": "absolute",
|
| 35 |
+
"problem_type": "single_label_classification",
|
| 36 |
+
"torch_dtype": "float32",
|
| 37 |
+
"transformers_version": "4.46.2",
|
| 38 |
+
"type_vocab_size": 2,
|
| 39 |
+
"use_cache": true,
|
| 40 |
+
"vocab_size": 119547
|
| 41 |
+
}
|
checkpoint-7500/model.safetensors
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:cbfe16410c77f8071244b6d040846a7c9c0e0cd011d87e1dace4cdd27e977f79
|
| 3 |
+
size 711443456
|
checkpoint-7500/optimizer.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:a77059f882285ab65e81629c95b0f250d152fdbf066f5b13f7991af6b1304c15
|
| 3 |
+
size 1423007994
|
checkpoint-7500/rng_state.pth
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:8728aaf84fa310d617564286f673e83fbb7924a86920b5b4f4fd52bb174105f3
|
| 3 |
+
size 14244
|
checkpoint-7500/scheduler.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:87b88de091a99328ffa15bc08acf039f9748642379a5f3479c5dd7bfa15967c0
|
| 3 |
+
size 1064
|
checkpoint-7500/trainer_state.json
ADDED
|
@@ -0,0 +1,2168 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_metric": 0.32687851786613464,
|
| 3 |
+
"best_model_checkpoint": "autotrain-rll86-ap3tv\\checkpoint-7500",
|
| 4 |
+
"epoch": 2.0,
|
| 5 |
+
"eval_steps": 500,
|
| 6 |
+
"global_step": 7500,
|
| 7 |
+
"is_hyper_param_search": false,
|
| 8 |
+
"is_local_process_zero": true,
|
| 9 |
+
"is_world_process_zero": true,
|
| 10 |
+
"log_history": [
|
| 11 |
+
{
|
| 12 |
+
"epoch": 0.006666666666666667,
|
| 13 |
+
"grad_norm": 3.411421298980713,
|
| 14 |
+
"learning_rate": 1.0666666666666667e-06,
|
| 15 |
+
"loss": 0.6966,
|
| 16 |
+
"step": 25
|
| 17 |
+
},
|
| 18 |
+
{
|
| 19 |
+
"epoch": 0.013333333333333334,
|
| 20 |
+
"grad_norm": 2.090089797973633,
|
| 21 |
+
"learning_rate": 2.1777777777777777e-06,
|
| 22 |
+
"loss": 0.6885,
|
| 23 |
+
"step": 50
|
| 24 |
+
},
|
| 25 |
+
{
|
| 26 |
+
"epoch": 0.02,
|
| 27 |
+
"grad_norm": 5.1872878074646,
|
| 28 |
+
"learning_rate": 3.2888888888888894e-06,
|
| 29 |
+
"loss": 0.6749,
|
| 30 |
+
"step": 75
|
| 31 |
+
},
|
| 32 |
+
{
|
| 33 |
+
"epoch": 0.02666666666666667,
|
| 34 |
+
"grad_norm": 4.735352039337158,
|
| 35 |
+
"learning_rate": 4.4e-06,
|
| 36 |
+
"loss": 0.6502,
|
| 37 |
+
"step": 100
|
| 38 |
+
},
|
| 39 |
+
{
|
| 40 |
+
"epoch": 0.03333333333333333,
|
| 41 |
+
"grad_norm": 5.453758716583252,
|
| 42 |
+
"learning_rate": 5.511111111111111e-06,
|
| 43 |
+
"loss": 0.6096,
|
| 44 |
+
"step": 125
|
| 45 |
+
},
|
| 46 |
+
{
|
| 47 |
+
"epoch": 0.04,
|
| 48 |
+
"grad_norm": 5.298305034637451,
|
| 49 |
+
"learning_rate": 6.622222222222223e-06,
|
| 50 |
+
"loss": 0.6071,
|
| 51 |
+
"step": 150
|
| 52 |
+
},
|
| 53 |
+
{
|
| 54 |
+
"epoch": 0.04666666666666667,
|
| 55 |
+
"grad_norm": 7.0651535987854,
|
| 56 |
+
"learning_rate": 7.733333333333334e-06,
|
| 57 |
+
"loss": 0.5633,
|
| 58 |
+
"step": 175
|
| 59 |
+
},
|
| 60 |
+
{
|
| 61 |
+
"epoch": 0.05333333333333334,
|
| 62 |
+
"grad_norm": 10.771416664123535,
|
| 63 |
+
"learning_rate": 8.844444444444445e-06,
|
| 64 |
+
"loss": 0.5579,
|
| 65 |
+
"step": 200
|
| 66 |
+
},
|
| 67 |
+
{
|
| 68 |
+
"epoch": 0.06,
|
| 69 |
+
"grad_norm": 6.089734077453613,
|
| 70 |
+
"learning_rate": 9.955555555555556e-06,
|
| 71 |
+
"loss": 0.5606,
|
| 72 |
+
"step": 225
|
| 73 |
+
},
|
| 74 |
+
{
|
| 75 |
+
"epoch": 0.06666666666666667,
|
| 76 |
+
"grad_norm": 14.813880920410156,
|
| 77 |
+
"learning_rate": 1.1066666666666667e-05,
|
| 78 |
+
"loss": 0.5346,
|
| 79 |
+
"step": 250
|
| 80 |
+
},
|
| 81 |
+
{
|
| 82 |
+
"epoch": 0.07333333333333333,
|
| 83 |
+
"grad_norm": 5.401181697845459,
|
| 84 |
+
"learning_rate": 1.2133333333333335e-05,
|
| 85 |
+
"loss": 0.5617,
|
| 86 |
+
"step": 275
|
| 87 |
+
},
|
| 88 |
+
{
|
| 89 |
+
"epoch": 0.08,
|
| 90 |
+
"grad_norm": 5.4703874588012695,
|
| 91 |
+
"learning_rate": 1.3244444444444445e-05,
|
| 92 |
+
"loss": 0.5024,
|
| 93 |
+
"step": 300
|
| 94 |
+
},
|
| 95 |
+
{
|
| 96 |
+
"epoch": 0.08666666666666667,
|
| 97 |
+
"grad_norm": 11.814434051513672,
|
| 98 |
+
"learning_rate": 1.4355555555555556e-05,
|
| 99 |
+
"loss": 0.5427,
|
| 100 |
+
"step": 325
|
| 101 |
+
},
|
| 102 |
+
{
|
| 103 |
+
"epoch": 0.09333333333333334,
|
| 104 |
+
"grad_norm": 10.462239265441895,
|
| 105 |
+
"learning_rate": 1.546666666666667e-05,
|
| 106 |
+
"loss": 0.5199,
|
| 107 |
+
"step": 350
|
| 108 |
+
},
|
| 109 |
+
{
|
| 110 |
+
"epoch": 0.1,
|
| 111 |
+
"grad_norm": 9.220847129821777,
|
| 112 |
+
"learning_rate": 1.6577777777777778e-05,
|
| 113 |
+
"loss": 0.5021,
|
| 114 |
+
"step": 375
|
| 115 |
+
},
|
| 116 |
+
{
|
| 117 |
+
"epoch": 0.10666666666666667,
|
| 118 |
+
"grad_norm": 6.671269416809082,
|
| 119 |
+
"learning_rate": 1.768888888888889e-05,
|
| 120 |
+
"loss": 0.5282,
|
| 121 |
+
"step": 400
|
| 122 |
+
},
|
| 123 |
+
{
|
| 124 |
+
"epoch": 0.11333333333333333,
|
| 125 |
+
"grad_norm": 5.641716480255127,
|
| 126 |
+
"learning_rate": 1.88e-05,
|
| 127 |
+
"loss": 0.5255,
|
| 128 |
+
"step": 425
|
| 129 |
+
},
|
| 130 |
+
{
|
| 131 |
+
"epoch": 0.12,
|
| 132 |
+
"grad_norm": 5.992739677429199,
|
| 133 |
+
"learning_rate": 1.9911111111111112e-05,
|
| 134 |
+
"loss": 0.4935,
|
| 135 |
+
"step": 450
|
| 136 |
+
},
|
| 137 |
+
{
|
| 138 |
+
"epoch": 0.12666666666666668,
|
| 139 |
+
"grad_norm": 5.045928478240967,
|
| 140 |
+
"learning_rate": 2.1022222222222225e-05,
|
| 141 |
+
"loss": 0.5251,
|
| 142 |
+
"step": 475
|
| 143 |
+
},
|
| 144 |
+
{
|
| 145 |
+
"epoch": 0.13333333333333333,
|
| 146 |
+
"grad_norm": 5.046451091766357,
|
| 147 |
+
"learning_rate": 2.2133333333333334e-05,
|
| 148 |
+
"loss": 0.4638,
|
| 149 |
+
"step": 500
|
| 150 |
+
},
|
| 151 |
+
{
|
| 152 |
+
"epoch": 0.14,
|
| 153 |
+
"grad_norm": 9.710829734802246,
|
| 154 |
+
"learning_rate": 2.3244444444444446e-05,
|
| 155 |
+
"loss": 0.4943,
|
| 156 |
+
"step": 525
|
| 157 |
+
},
|
| 158 |
+
{
|
| 159 |
+
"epoch": 0.14666666666666667,
|
| 160 |
+
"grad_norm": 8.105669975280762,
|
| 161 |
+
"learning_rate": 2.4355555555555555e-05,
|
| 162 |
+
"loss": 0.4806,
|
| 163 |
+
"step": 550
|
| 164 |
+
},
|
| 165 |
+
{
|
| 166 |
+
"epoch": 0.15333333333333332,
|
| 167 |
+
"grad_norm": 7.355000972747803,
|
| 168 |
+
"learning_rate": 2.5466666666666668e-05,
|
| 169 |
+
"loss": 0.473,
|
| 170 |
+
"step": 575
|
| 171 |
+
},
|
| 172 |
+
{
|
| 173 |
+
"epoch": 0.16,
|
| 174 |
+
"grad_norm": 7.867697715759277,
|
| 175 |
+
"learning_rate": 2.6533333333333332e-05,
|
| 176 |
+
"loss": 0.4396,
|
| 177 |
+
"step": 600
|
| 178 |
+
},
|
| 179 |
+
{
|
| 180 |
+
"epoch": 0.16666666666666666,
|
| 181 |
+
"grad_norm": 8.615145683288574,
|
| 182 |
+
"learning_rate": 2.7644444444444445e-05,
|
| 183 |
+
"loss": 0.4664,
|
| 184 |
+
"step": 625
|
| 185 |
+
},
|
| 186 |
+
{
|
| 187 |
+
"epoch": 0.17333333333333334,
|
| 188 |
+
"grad_norm": 6.54410982131958,
|
| 189 |
+
"learning_rate": 2.8755555555555557e-05,
|
| 190 |
+
"loss": 0.4806,
|
| 191 |
+
"step": 650
|
| 192 |
+
},
|
| 193 |
+
{
|
| 194 |
+
"epoch": 0.18,
|
| 195 |
+
"grad_norm": 8.997358322143555,
|
| 196 |
+
"learning_rate": 2.986666666666667e-05,
|
| 197 |
+
"loss": 0.4615,
|
| 198 |
+
"step": 675
|
| 199 |
+
},
|
| 200 |
+
{
|
| 201 |
+
"epoch": 0.18666666666666668,
|
| 202 |
+
"grad_norm": 9.796366691589355,
|
| 203 |
+
"learning_rate": 3.0977777777777776e-05,
|
| 204 |
+
"loss": 0.4354,
|
| 205 |
+
"step": 700
|
| 206 |
+
},
|
| 207 |
+
{
|
| 208 |
+
"epoch": 0.19333333333333333,
|
| 209 |
+
"grad_norm": 3.4463186264038086,
|
| 210 |
+
"learning_rate": 3.208888888888889e-05,
|
| 211 |
+
"loss": 0.4462,
|
| 212 |
+
"step": 725
|
| 213 |
+
},
|
| 214 |
+
{
|
| 215 |
+
"epoch": 0.2,
|
| 216 |
+
"grad_norm": 3.7813756465911865,
|
| 217 |
+
"learning_rate": 3.32e-05,
|
| 218 |
+
"loss": 0.3837,
|
| 219 |
+
"step": 750
|
| 220 |
+
},
|
| 221 |
+
{
|
| 222 |
+
"epoch": 0.20666666666666667,
|
| 223 |
+
"grad_norm": 9.84427547454834,
|
| 224 |
+
"learning_rate": 3.431111111111111e-05,
|
| 225 |
+
"loss": 0.4655,
|
| 226 |
+
"step": 775
|
| 227 |
+
},
|
| 228 |
+
{
|
| 229 |
+
"epoch": 0.21333333333333335,
|
| 230 |
+
"grad_norm": 5.732738971710205,
|
| 231 |
+
"learning_rate": 3.5422222222222226e-05,
|
| 232 |
+
"loss": 0.4481,
|
| 233 |
+
"step": 800
|
| 234 |
+
},
|
| 235 |
+
{
|
| 236 |
+
"epoch": 0.22,
|
| 237 |
+
"grad_norm": 9.84026050567627,
|
| 238 |
+
"learning_rate": 3.653333333333334e-05,
|
| 239 |
+
"loss": 0.4245,
|
| 240 |
+
"step": 825
|
| 241 |
+
},
|
| 242 |
+
{
|
| 243 |
+
"epoch": 0.22666666666666666,
|
| 244 |
+
"grad_norm": 4.843786716461182,
|
| 245 |
+
"learning_rate": 3.764444444444445e-05,
|
| 246 |
+
"loss": 0.4199,
|
| 247 |
+
"step": 850
|
| 248 |
+
},
|
| 249 |
+
{
|
| 250 |
+
"epoch": 0.23333333333333334,
|
| 251 |
+
"grad_norm": 5.0500569343566895,
|
| 252 |
+
"learning_rate": 3.8755555555555556e-05,
|
| 253 |
+
"loss": 0.4698,
|
| 254 |
+
"step": 875
|
| 255 |
+
},
|
| 256 |
+
{
|
| 257 |
+
"epoch": 0.24,
|
| 258 |
+
"grad_norm": 5.090252876281738,
|
| 259 |
+
"learning_rate": 3.986666666666667e-05,
|
| 260 |
+
"loss": 0.4535,
|
| 261 |
+
"step": 900
|
| 262 |
+
},
|
| 263 |
+
{
|
| 264 |
+
"epoch": 0.24666666666666667,
|
| 265 |
+
"grad_norm": 4.021358966827393,
|
| 266 |
+
"learning_rate": 4.097777777777778e-05,
|
| 267 |
+
"loss": 0.421,
|
| 268 |
+
"step": 925
|
| 269 |
+
},
|
| 270 |
+
{
|
| 271 |
+
"epoch": 0.25333333333333335,
|
| 272 |
+
"grad_norm": 4.081952095031738,
|
| 273 |
+
"learning_rate": 4.208888888888889e-05,
|
| 274 |
+
"loss": 0.4545,
|
| 275 |
+
"step": 950
|
| 276 |
+
},
|
| 277 |
+
{
|
| 278 |
+
"epoch": 0.26,
|
| 279 |
+
"grad_norm": 4.960521697998047,
|
| 280 |
+
"learning_rate": 4.32e-05,
|
| 281 |
+
"loss": 0.4547,
|
| 282 |
+
"step": 975
|
| 283 |
+
},
|
| 284 |
+
{
|
| 285 |
+
"epoch": 0.26666666666666666,
|
| 286 |
+
"grad_norm": 9.113096237182617,
|
| 287 |
+
"learning_rate": 4.431111111111111e-05,
|
| 288 |
+
"loss": 0.4605,
|
| 289 |
+
"step": 1000
|
| 290 |
+
},
|
| 291 |
+
{
|
| 292 |
+
"epoch": 0.2733333333333333,
|
| 293 |
+
"grad_norm": 6.825676918029785,
|
| 294 |
+
"learning_rate": 4.5422222222222225e-05,
|
| 295 |
+
"loss": 0.4315,
|
| 296 |
+
"step": 1025
|
| 297 |
+
},
|
| 298 |
+
{
|
| 299 |
+
"epoch": 0.28,
|
| 300 |
+
"grad_norm": 5.7586798667907715,
|
| 301 |
+
"learning_rate": 4.653333333333334e-05,
|
| 302 |
+
"loss": 0.4731,
|
| 303 |
+
"step": 1050
|
| 304 |
+
},
|
| 305 |
+
{
|
| 306 |
+
"epoch": 0.2866666666666667,
|
| 307 |
+
"grad_norm": 5.829609394073486,
|
| 308 |
+
"learning_rate": 4.764444444444445e-05,
|
| 309 |
+
"loss": 0.3909,
|
| 310 |
+
"step": 1075
|
| 311 |
+
},
|
| 312 |
+
{
|
| 313 |
+
"epoch": 0.29333333333333333,
|
| 314 |
+
"grad_norm": 6.3468241691589355,
|
| 315 |
+
"learning_rate": 4.875555555555556e-05,
|
| 316 |
+
"loss": 0.4489,
|
| 317 |
+
"step": 1100
|
| 318 |
+
},
|
| 319 |
+
{
|
| 320 |
+
"epoch": 0.3,
|
| 321 |
+
"grad_norm": 3.075409173965454,
|
| 322 |
+
"learning_rate": 4.986666666666667e-05,
|
| 323 |
+
"loss": 0.4669,
|
| 324 |
+
"step": 1125
|
| 325 |
+
},
|
| 326 |
+
{
|
| 327 |
+
"epoch": 0.30666666666666664,
|
| 328 |
+
"grad_norm": 5.384517192840576,
|
| 329 |
+
"learning_rate": 4.9891358024691356e-05,
|
| 330 |
+
"loss": 0.4518,
|
| 331 |
+
"step": 1150
|
| 332 |
+
},
|
| 333 |
+
{
|
| 334 |
+
"epoch": 0.31333333333333335,
|
| 335 |
+
"grad_norm": 4.9784464836120605,
|
| 336 |
+
"learning_rate": 4.9767901234567903e-05,
|
| 337 |
+
"loss": 0.4433,
|
| 338 |
+
"step": 1175
|
| 339 |
+
},
|
| 340 |
+
{
|
| 341 |
+
"epoch": 0.32,
|
| 342 |
+
"grad_norm": 12.93517780303955,
|
| 343 |
+
"learning_rate": 4.964444444444445e-05,
|
| 344 |
+
"loss": 0.4478,
|
| 345 |
+
"step": 1200
|
| 346 |
+
},
|
| 347 |
+
{
|
| 348 |
+
"epoch": 0.32666666666666666,
|
| 349 |
+
"grad_norm": 9.423818588256836,
|
| 350 |
+
"learning_rate": 4.9520987654320985e-05,
|
| 351 |
+
"loss": 0.4515,
|
| 352 |
+
"step": 1225
|
| 353 |
+
},
|
| 354 |
+
{
|
| 355 |
+
"epoch": 0.3333333333333333,
|
| 356 |
+
"grad_norm": 8.088716506958008,
|
| 357 |
+
"learning_rate": 4.939753086419753e-05,
|
| 358 |
+
"loss": 0.4157,
|
| 359 |
+
"step": 1250
|
| 360 |
+
},
|
| 361 |
+
{
|
| 362 |
+
"epoch": 0.34,
|
| 363 |
+
"grad_norm": 4.3610520362854,
|
| 364 |
+
"learning_rate": 4.927407407407408e-05,
|
| 365 |
+
"loss": 0.4099,
|
| 366 |
+
"step": 1275
|
| 367 |
+
},
|
| 368 |
+
{
|
| 369 |
+
"epoch": 0.3466666666666667,
|
| 370 |
+
"grad_norm": 4.275364398956299,
|
| 371 |
+
"learning_rate": 4.9150617283950614e-05,
|
| 372 |
+
"loss": 0.4471,
|
| 373 |
+
"step": 1300
|
| 374 |
+
},
|
| 375 |
+
{
|
| 376 |
+
"epoch": 0.35333333333333333,
|
| 377 |
+
"grad_norm": 6.299832820892334,
|
| 378 |
+
"learning_rate": 4.902716049382716e-05,
|
| 379 |
+
"loss": 0.464,
|
| 380 |
+
"step": 1325
|
| 381 |
+
},
|
| 382 |
+
{
|
| 383 |
+
"epoch": 0.36,
|
| 384 |
+
"grad_norm": 3.660275936126709,
|
| 385 |
+
"learning_rate": 4.890370370370371e-05,
|
| 386 |
+
"loss": 0.4431,
|
| 387 |
+
"step": 1350
|
| 388 |
+
},
|
| 389 |
+
{
|
| 390 |
+
"epoch": 0.36666666666666664,
|
| 391 |
+
"grad_norm": 6.842998027801514,
|
| 392 |
+
"learning_rate": 4.878024691358025e-05,
|
| 393 |
+
"loss": 0.4457,
|
| 394 |
+
"step": 1375
|
| 395 |
+
},
|
| 396 |
+
{
|
| 397 |
+
"epoch": 0.37333333333333335,
|
| 398 |
+
"grad_norm": 6.080874443054199,
|
| 399 |
+
"learning_rate": 4.865679012345679e-05,
|
| 400 |
+
"loss": 0.4405,
|
| 401 |
+
"step": 1400
|
| 402 |
+
},
|
| 403 |
+
{
|
| 404 |
+
"epoch": 0.38,
|
| 405 |
+
"grad_norm": 4.060033798217773,
|
| 406 |
+
"learning_rate": 4.853333333333334e-05,
|
| 407 |
+
"loss": 0.443,
|
| 408 |
+
"step": 1425
|
| 409 |
+
},
|
| 410 |
+
{
|
| 411 |
+
"epoch": 0.38666666666666666,
|
| 412 |
+
"grad_norm": 3.7417407035827637,
|
| 413 |
+
"learning_rate": 4.840987654320988e-05,
|
| 414 |
+
"loss": 0.4063,
|
| 415 |
+
"step": 1450
|
| 416 |
+
},
|
| 417 |
+
{
|
| 418 |
+
"epoch": 0.3933333333333333,
|
| 419 |
+
"grad_norm": 8.160094261169434,
|
| 420 |
+
"learning_rate": 4.828641975308642e-05,
|
| 421 |
+
"loss": 0.394,
|
| 422 |
+
"step": 1475
|
| 423 |
+
},
|
| 424 |
+
{
|
| 425 |
+
"epoch": 0.4,
|
| 426 |
+
"grad_norm": 5.849571228027344,
|
| 427 |
+
"learning_rate": 4.816296296296297e-05,
|
| 428 |
+
"loss": 0.4165,
|
| 429 |
+
"step": 1500
|
| 430 |
+
},
|
| 431 |
+
{
|
| 432 |
+
"epoch": 0.4066666666666667,
|
| 433 |
+
"grad_norm": 4.870085716247559,
|
| 434 |
+
"learning_rate": 4.803950617283951e-05,
|
| 435 |
+
"loss": 0.3753,
|
| 436 |
+
"step": 1525
|
| 437 |
+
},
|
| 438 |
+
{
|
| 439 |
+
"epoch": 0.41333333333333333,
|
| 440 |
+
"grad_norm": 3.9147942066192627,
|
| 441 |
+
"learning_rate": 4.791604938271605e-05,
|
| 442 |
+
"loss": 0.4024,
|
| 443 |
+
"step": 1550
|
| 444 |
+
},
|
| 445 |
+
{
|
| 446 |
+
"epoch": 0.42,
|
| 447 |
+
"grad_norm": 7.033195972442627,
|
| 448 |
+
"learning_rate": 4.77925925925926e-05,
|
| 449 |
+
"loss": 0.4094,
|
| 450 |
+
"step": 1575
|
| 451 |
+
},
|
| 452 |
+
{
|
| 453 |
+
"epoch": 0.4266666666666667,
|
| 454 |
+
"grad_norm": 2.250859022140503,
|
| 455 |
+
"learning_rate": 4.766913580246914e-05,
|
| 456 |
+
"loss": 0.4438,
|
| 457 |
+
"step": 1600
|
| 458 |
+
},
|
| 459 |
+
{
|
| 460 |
+
"epoch": 0.43333333333333335,
|
| 461 |
+
"grad_norm": 5.590536594390869,
|
| 462 |
+
"learning_rate": 4.754567901234568e-05,
|
| 463 |
+
"loss": 0.4176,
|
| 464 |
+
"step": 1625
|
| 465 |
+
},
|
| 466 |
+
{
|
| 467 |
+
"epoch": 0.44,
|
| 468 |
+
"grad_norm": 5.264281749725342,
|
| 469 |
+
"learning_rate": 4.7422222222222226e-05,
|
| 470 |
+
"loss": 0.4219,
|
| 471 |
+
"step": 1650
|
| 472 |
+
},
|
| 473 |
+
{
|
| 474 |
+
"epoch": 0.44666666666666666,
|
| 475 |
+
"grad_norm": 6.13309383392334,
|
| 476 |
+
"learning_rate": 4.729876543209877e-05,
|
| 477 |
+
"loss": 0.4153,
|
| 478 |
+
"step": 1675
|
| 479 |
+
},
|
| 480 |
+
{
|
| 481 |
+
"epoch": 0.4533333333333333,
|
| 482 |
+
"grad_norm": 3.306363105773926,
|
| 483 |
+
"learning_rate": 4.7175308641975314e-05,
|
| 484 |
+
"loss": 0.3878,
|
| 485 |
+
"step": 1700
|
| 486 |
+
},
|
| 487 |
+
{
|
| 488 |
+
"epoch": 0.46,
|
| 489 |
+
"grad_norm": 5.832943439483643,
|
| 490 |
+
"learning_rate": 4.7051851851851855e-05,
|
| 491 |
+
"loss": 0.3906,
|
| 492 |
+
"step": 1725
|
| 493 |
+
},
|
| 494 |
+
{
|
| 495 |
+
"epoch": 0.4666666666666667,
|
| 496 |
+
"grad_norm": 3.7261033058166504,
|
| 497 |
+
"learning_rate": 4.6928395061728396e-05,
|
| 498 |
+
"loss": 0.4093,
|
| 499 |
+
"step": 1750
|
| 500 |
+
},
|
| 501 |
+
{
|
| 502 |
+
"epoch": 0.47333333333333333,
|
| 503 |
+
"grad_norm": 3.285862684249878,
|
| 504 |
+
"learning_rate": 4.6804938271604943e-05,
|
| 505 |
+
"loss": 0.3967,
|
| 506 |
+
"step": 1775
|
| 507 |
+
},
|
| 508 |
+
{
|
| 509 |
+
"epoch": 0.48,
|
| 510 |
+
"grad_norm": 5.0651750564575195,
|
| 511 |
+
"learning_rate": 4.6681481481481484e-05,
|
| 512 |
+
"loss": 0.4082,
|
| 513 |
+
"step": 1800
|
| 514 |
+
},
|
| 515 |
+
{
|
| 516 |
+
"epoch": 0.4866666666666667,
|
| 517 |
+
"grad_norm": 9.826651573181152,
|
| 518 |
+
"learning_rate": 4.6558024691358025e-05,
|
| 519 |
+
"loss": 0.3938,
|
| 520 |
+
"step": 1825
|
| 521 |
+
},
|
| 522 |
+
{
|
| 523 |
+
"epoch": 0.49333333333333335,
|
| 524 |
+
"grad_norm": 4.768491744995117,
|
| 525 |
+
"learning_rate": 4.643456790123457e-05,
|
| 526 |
+
"loss": 0.386,
|
| 527 |
+
"step": 1850
|
| 528 |
+
},
|
| 529 |
+
{
|
| 530 |
+
"epoch": 0.5,
|
| 531 |
+
"grad_norm": 3.7567646503448486,
|
| 532 |
+
"learning_rate": 4.6311111111111113e-05,
|
| 533 |
+
"loss": 0.4086,
|
| 534 |
+
"step": 1875
|
| 535 |
+
},
|
| 536 |
+
{
|
| 537 |
+
"epoch": 0.5066666666666667,
|
| 538 |
+
"grad_norm": 6.0321855545043945,
|
| 539 |
+
"learning_rate": 4.6187654320987654e-05,
|
| 540 |
+
"loss": 0.4213,
|
| 541 |
+
"step": 1900
|
| 542 |
+
},
|
| 543 |
+
{
|
| 544 |
+
"epoch": 0.5133333333333333,
|
| 545 |
+
"grad_norm": 2.8351213932037354,
|
| 546 |
+
"learning_rate": 4.60641975308642e-05,
|
| 547 |
+
"loss": 0.3726,
|
| 548 |
+
"step": 1925
|
| 549 |
+
},
|
| 550 |
+
{
|
| 551 |
+
"epoch": 0.52,
|
| 552 |
+
"grad_norm": 5.1765360832214355,
|
| 553 |
+
"learning_rate": 4.594074074074074e-05,
|
| 554 |
+
"loss": 0.4002,
|
| 555 |
+
"step": 1950
|
| 556 |
+
},
|
| 557 |
+
{
|
| 558 |
+
"epoch": 0.5266666666666666,
|
| 559 |
+
"grad_norm": 5.3756303787231445,
|
| 560 |
+
"learning_rate": 4.5817283950617283e-05,
|
| 561 |
+
"loss": 0.3516,
|
| 562 |
+
"step": 1975
|
| 563 |
+
},
|
| 564 |
+
{
|
| 565 |
+
"epoch": 0.5333333333333333,
|
| 566 |
+
"grad_norm": 7.021458148956299,
|
| 567 |
+
"learning_rate": 4.569382716049383e-05,
|
| 568 |
+
"loss": 0.4083,
|
| 569 |
+
"step": 2000
|
| 570 |
+
},
|
| 571 |
+
{
|
| 572 |
+
"epoch": 0.54,
|
| 573 |
+
"grad_norm": 4.549564361572266,
|
| 574 |
+
"learning_rate": 4.557037037037037e-05,
|
| 575 |
+
"loss": 0.4303,
|
| 576 |
+
"step": 2025
|
| 577 |
+
},
|
| 578 |
+
{
|
| 579 |
+
"epoch": 0.5466666666666666,
|
| 580 |
+
"grad_norm": 7.940123081207275,
|
| 581 |
+
"learning_rate": 4.544691358024691e-05,
|
| 582 |
+
"loss": 0.3717,
|
| 583 |
+
"step": 2050
|
| 584 |
+
},
|
| 585 |
+
{
|
| 586 |
+
"epoch": 0.5533333333333333,
|
| 587 |
+
"grad_norm": 4.786776542663574,
|
| 588 |
+
"learning_rate": 4.532345679012346e-05,
|
| 589 |
+
"loss": 0.3673,
|
| 590 |
+
"step": 2075
|
| 591 |
+
},
|
| 592 |
+
{
|
| 593 |
+
"epoch": 0.56,
|
| 594 |
+
"grad_norm": 5.509673595428467,
|
| 595 |
+
"learning_rate": 4.52e-05,
|
| 596 |
+
"loss": 0.4003,
|
| 597 |
+
"step": 2100
|
| 598 |
+
},
|
| 599 |
+
{
|
| 600 |
+
"epoch": 0.5666666666666667,
|
| 601 |
+
"grad_norm": 6.126407146453857,
|
| 602 |
+
"learning_rate": 4.507654320987654e-05,
|
| 603 |
+
"loss": 0.3833,
|
| 604 |
+
"step": 2125
|
| 605 |
+
},
|
| 606 |
+
{
|
| 607 |
+
"epoch": 0.5733333333333334,
|
| 608 |
+
"grad_norm": 3.278639554977417,
|
| 609 |
+
"learning_rate": 4.495308641975309e-05,
|
| 610 |
+
"loss": 0.3593,
|
| 611 |
+
"step": 2150
|
| 612 |
+
},
|
| 613 |
+
{
|
| 614 |
+
"epoch": 0.58,
|
| 615 |
+
"grad_norm": 4.088563919067383,
|
| 616 |
+
"learning_rate": 4.482962962962963e-05,
|
| 617 |
+
"loss": 0.3956,
|
| 618 |
+
"step": 2175
|
| 619 |
+
},
|
| 620 |
+
{
|
| 621 |
+
"epoch": 0.5866666666666667,
|
| 622 |
+
"grad_norm": 3.79262638092041,
|
| 623 |
+
"learning_rate": 4.470617283950618e-05,
|
| 624 |
+
"loss": 0.3765,
|
| 625 |
+
"step": 2200
|
| 626 |
+
},
|
| 627 |
+
{
|
| 628 |
+
"epoch": 0.5933333333333334,
|
| 629 |
+
"grad_norm": 6.136565685272217,
|
| 630 |
+
"learning_rate": 4.458271604938272e-05,
|
| 631 |
+
"loss": 0.3649,
|
| 632 |
+
"step": 2225
|
| 633 |
+
},
|
| 634 |
+
{
|
| 635 |
+
"epoch": 0.6,
|
| 636 |
+
"grad_norm": 5.756899356842041,
|
| 637 |
+
"learning_rate": 4.445925925925926e-05,
|
| 638 |
+
"loss": 0.3564,
|
| 639 |
+
"step": 2250
|
| 640 |
+
},
|
| 641 |
+
{
|
| 642 |
+
"epoch": 0.6066666666666667,
|
| 643 |
+
"grad_norm": 7.162070274353027,
|
| 644 |
+
"learning_rate": 4.433580246913581e-05,
|
| 645 |
+
"loss": 0.3998,
|
| 646 |
+
"step": 2275
|
| 647 |
+
},
|
| 648 |
+
{
|
| 649 |
+
"epoch": 0.6133333333333333,
|
| 650 |
+
"grad_norm": 3.877026081085205,
|
| 651 |
+
"learning_rate": 4.421234567901235e-05,
|
| 652 |
+
"loss": 0.4099,
|
| 653 |
+
"step": 2300
|
| 654 |
+
},
|
| 655 |
+
{
|
| 656 |
+
"epoch": 0.62,
|
| 657 |
+
"grad_norm": 5.879291534423828,
|
| 658 |
+
"learning_rate": 4.408888888888889e-05,
|
| 659 |
+
"loss": 0.3392,
|
| 660 |
+
"step": 2325
|
| 661 |
+
},
|
| 662 |
+
{
|
| 663 |
+
"epoch": 0.6266666666666667,
|
| 664 |
+
"grad_norm": 5.375855922698975,
|
| 665 |
+
"learning_rate": 4.3965432098765436e-05,
|
| 666 |
+
"loss": 0.3692,
|
| 667 |
+
"step": 2350
|
| 668 |
+
},
|
| 669 |
+
{
|
| 670 |
+
"epoch": 0.6333333333333333,
|
| 671 |
+
"grad_norm": 4.837122440338135,
|
| 672 |
+
"learning_rate": 4.384197530864198e-05,
|
| 673 |
+
"loss": 0.3835,
|
| 674 |
+
"step": 2375
|
| 675 |
+
},
|
| 676 |
+
{
|
| 677 |
+
"epoch": 0.64,
|
| 678 |
+
"grad_norm": 4.245940685272217,
|
| 679 |
+
"learning_rate": 4.371851851851852e-05,
|
| 680 |
+
"loss": 0.4248,
|
| 681 |
+
"step": 2400
|
| 682 |
+
},
|
| 683 |
+
{
|
| 684 |
+
"epoch": 0.6466666666666666,
|
| 685 |
+
"grad_norm": 2.533273935317993,
|
| 686 |
+
"learning_rate": 4.3595061728395065e-05,
|
| 687 |
+
"loss": 0.376,
|
| 688 |
+
"step": 2425
|
| 689 |
+
},
|
| 690 |
+
{
|
| 691 |
+
"epoch": 0.6533333333333333,
|
| 692 |
+
"grad_norm": 5.716058254241943,
|
| 693 |
+
"learning_rate": 4.347160493827161e-05,
|
| 694 |
+
"loss": 0.3786,
|
| 695 |
+
"step": 2450
|
| 696 |
+
},
|
| 697 |
+
{
|
| 698 |
+
"epoch": 0.66,
|
| 699 |
+
"grad_norm": 5.611360549926758,
|
| 700 |
+
"learning_rate": 4.334814814814815e-05,
|
| 701 |
+
"loss": 0.3922,
|
| 702 |
+
"step": 2475
|
| 703 |
+
},
|
| 704 |
+
{
|
| 705 |
+
"epoch": 0.6666666666666666,
|
| 706 |
+
"grad_norm": 3.7462847232818604,
|
| 707 |
+
"learning_rate": 4.3224691358024694e-05,
|
| 708 |
+
"loss": 0.3752,
|
| 709 |
+
"step": 2500
|
| 710 |
+
},
|
| 711 |
+
{
|
| 712 |
+
"epoch": 0.6733333333333333,
|
| 713 |
+
"grad_norm": 3.594583511352539,
|
| 714 |
+
"learning_rate": 4.310123456790124e-05,
|
| 715 |
+
"loss": 0.3907,
|
| 716 |
+
"step": 2525
|
| 717 |
+
},
|
| 718 |
+
{
|
| 719 |
+
"epoch": 0.68,
|
| 720 |
+
"grad_norm": 7.322639465332031,
|
| 721 |
+
"learning_rate": 4.2977777777777776e-05,
|
| 722 |
+
"loss": 0.3858,
|
| 723 |
+
"step": 2550
|
| 724 |
+
},
|
| 725 |
+
{
|
| 726 |
+
"epoch": 0.6866666666666666,
|
| 727 |
+
"grad_norm": 3.235487699508667,
|
| 728 |
+
"learning_rate": 4.2854320987654323e-05,
|
| 729 |
+
"loss": 0.36,
|
| 730 |
+
"step": 2575
|
| 731 |
+
},
|
| 732 |
+
{
|
| 733 |
+
"epoch": 0.6933333333333334,
|
| 734 |
+
"grad_norm": 7.433181285858154,
|
| 735 |
+
"learning_rate": 4.273086419753087e-05,
|
| 736 |
+
"loss": 0.3448,
|
| 737 |
+
"step": 2600
|
| 738 |
+
},
|
| 739 |
+
{
|
| 740 |
+
"epoch": 0.7,
|
| 741 |
+
"grad_norm": 3.0984609127044678,
|
| 742 |
+
"learning_rate": 4.2607407407407405e-05,
|
| 743 |
+
"loss": 0.3949,
|
| 744 |
+
"step": 2625
|
| 745 |
+
},
|
| 746 |
+
{
|
| 747 |
+
"epoch": 0.7066666666666667,
|
| 748 |
+
"grad_norm": 5.228978157043457,
|
| 749 |
+
"learning_rate": 4.248395061728395e-05,
|
| 750 |
+
"loss": 0.3595,
|
| 751 |
+
"step": 2650
|
| 752 |
+
},
|
| 753 |
+
{
|
| 754 |
+
"epoch": 0.7133333333333334,
|
| 755 |
+
"grad_norm": 2.576307773590088,
|
| 756 |
+
"learning_rate": 4.2360493827160493e-05,
|
| 757 |
+
"loss": 0.388,
|
| 758 |
+
"step": 2675
|
| 759 |
+
},
|
| 760 |
+
{
|
| 761 |
+
"epoch": 0.72,
|
| 762 |
+
"grad_norm": 6.706469535827637,
|
| 763 |
+
"learning_rate": 4.223703703703704e-05,
|
| 764 |
+
"loss": 0.3931,
|
| 765 |
+
"step": 2700
|
| 766 |
+
},
|
| 767 |
+
{
|
| 768 |
+
"epoch": 0.7266666666666667,
|
| 769 |
+
"grad_norm": 2.945338487625122,
|
| 770 |
+
"learning_rate": 4.211358024691358e-05,
|
| 771 |
+
"loss": 0.3476,
|
| 772 |
+
"step": 2725
|
| 773 |
+
},
|
| 774 |
+
{
|
| 775 |
+
"epoch": 0.7333333333333333,
|
| 776 |
+
"grad_norm": 2.576749324798584,
|
| 777 |
+
"learning_rate": 4.199012345679012e-05,
|
| 778 |
+
"loss": 0.3886,
|
| 779 |
+
"step": 2750
|
| 780 |
+
},
|
| 781 |
+
{
|
| 782 |
+
"epoch": 0.74,
|
| 783 |
+
"grad_norm": 3.2867417335510254,
|
| 784 |
+
"learning_rate": 4.186666666666667e-05,
|
| 785 |
+
"loss": 0.3589,
|
| 786 |
+
"step": 2775
|
| 787 |
+
},
|
| 788 |
+
{
|
| 789 |
+
"epoch": 0.7466666666666667,
|
| 790 |
+
"grad_norm": 7.269319534301758,
|
| 791 |
+
"learning_rate": 4.174320987654321e-05,
|
| 792 |
+
"loss": 0.4152,
|
| 793 |
+
"step": 2800
|
| 794 |
+
},
|
| 795 |
+
{
|
| 796 |
+
"epoch": 0.7533333333333333,
|
| 797 |
+
"grad_norm": 5.405926704406738,
|
| 798 |
+
"learning_rate": 4.161975308641975e-05,
|
| 799 |
+
"loss": 0.4076,
|
| 800 |
+
"step": 2825
|
| 801 |
+
},
|
| 802 |
+
{
|
| 803 |
+
"epoch": 0.76,
|
| 804 |
+
"grad_norm": 4.908219814300537,
|
| 805 |
+
"learning_rate": 4.14962962962963e-05,
|
| 806 |
+
"loss": 0.3406,
|
| 807 |
+
"step": 2850
|
| 808 |
+
},
|
| 809 |
+
{
|
| 810 |
+
"epoch": 0.7666666666666667,
|
| 811 |
+
"grad_norm": 5.06122350692749,
|
| 812 |
+
"learning_rate": 4.137283950617284e-05,
|
| 813 |
+
"loss": 0.3927,
|
| 814 |
+
"step": 2875
|
| 815 |
+
},
|
| 816 |
+
{
|
| 817 |
+
"epoch": 0.7733333333333333,
|
| 818 |
+
"grad_norm": 6.023248672485352,
|
| 819 |
+
"learning_rate": 4.124938271604938e-05,
|
| 820 |
+
"loss": 0.3959,
|
| 821 |
+
"step": 2900
|
| 822 |
+
},
|
| 823 |
+
{
|
| 824 |
+
"epoch": 0.78,
|
| 825 |
+
"grad_norm": 6.298451900482178,
|
| 826 |
+
"learning_rate": 4.112592592592593e-05,
|
| 827 |
+
"loss": 0.3751,
|
| 828 |
+
"step": 2925
|
| 829 |
+
},
|
| 830 |
+
{
|
| 831 |
+
"epoch": 0.7866666666666666,
|
| 832 |
+
"grad_norm": 5.194316387176514,
|
| 833 |
+
"learning_rate": 4.1002469135802476e-05,
|
| 834 |
+
"loss": 0.3847,
|
| 835 |
+
"step": 2950
|
| 836 |
+
},
|
| 837 |
+
{
|
| 838 |
+
"epoch": 0.7933333333333333,
|
| 839 |
+
"grad_norm": 4.731579303741455,
|
| 840 |
+
"learning_rate": 4.087901234567901e-05,
|
| 841 |
+
"loss": 0.353,
|
| 842 |
+
"step": 2975
|
| 843 |
+
},
|
| 844 |
+
{
|
| 845 |
+
"epoch": 0.8,
|
| 846 |
+
"grad_norm": 6.308681964874268,
|
| 847 |
+
"learning_rate": 4.075555555555556e-05,
|
| 848 |
+
"loss": 0.3718,
|
| 849 |
+
"step": 3000
|
| 850 |
+
},
|
| 851 |
+
{
|
| 852 |
+
"epoch": 0.8066666666666666,
|
| 853 |
+
"grad_norm": 4.359653472900391,
|
| 854 |
+
"learning_rate": 4.0632098765432105e-05,
|
| 855 |
+
"loss": 0.3942,
|
| 856 |
+
"step": 3025
|
| 857 |
+
},
|
| 858 |
+
{
|
| 859 |
+
"epoch": 0.8133333333333334,
|
| 860 |
+
"grad_norm": 4.157080173492432,
|
| 861 |
+
"learning_rate": 4.050864197530864e-05,
|
| 862 |
+
"loss": 0.3899,
|
| 863 |
+
"step": 3050
|
| 864 |
+
},
|
| 865 |
+
{
|
| 866 |
+
"epoch": 0.82,
|
| 867 |
+
"grad_norm": 7.140080451965332,
|
| 868 |
+
"learning_rate": 4.038518518518519e-05,
|
| 869 |
+
"loss": 0.3633,
|
| 870 |
+
"step": 3075
|
| 871 |
+
},
|
| 872 |
+
{
|
| 873 |
+
"epoch": 0.8266666666666667,
|
| 874 |
+
"grad_norm": 5.369258403778076,
|
| 875 |
+
"learning_rate": 4.0261728395061734e-05,
|
| 876 |
+
"loss": 0.3773,
|
| 877 |
+
"step": 3100
|
| 878 |
+
},
|
| 879 |
+
{
|
| 880 |
+
"epoch": 0.8333333333333334,
|
| 881 |
+
"grad_norm": 9.449553489685059,
|
| 882 |
+
"learning_rate": 4.013827160493827e-05,
|
| 883 |
+
"loss": 0.3751,
|
| 884 |
+
"step": 3125
|
| 885 |
+
},
|
| 886 |
+
{
|
| 887 |
+
"epoch": 0.84,
|
| 888 |
+
"grad_norm": 4.5373125076293945,
|
| 889 |
+
"learning_rate": 4.0014814814814816e-05,
|
| 890 |
+
"loss": 0.3561,
|
| 891 |
+
"step": 3150
|
| 892 |
+
},
|
| 893 |
+
{
|
| 894 |
+
"epoch": 0.8466666666666667,
|
| 895 |
+
"grad_norm": 2.7861382961273193,
|
| 896 |
+
"learning_rate": 3.9891358024691364e-05,
|
| 897 |
+
"loss": 0.3654,
|
| 898 |
+
"step": 3175
|
| 899 |
+
},
|
| 900 |
+
{
|
| 901 |
+
"epoch": 0.8533333333333334,
|
| 902 |
+
"grad_norm": 4.699223518371582,
|
| 903 |
+
"learning_rate": 3.9767901234567904e-05,
|
| 904 |
+
"loss": 0.3593,
|
| 905 |
+
"step": 3200
|
| 906 |
+
},
|
| 907 |
+
{
|
| 908 |
+
"epoch": 0.86,
|
| 909 |
+
"grad_norm": 5.122251987457275,
|
| 910 |
+
"learning_rate": 3.9644444444444445e-05,
|
| 911 |
+
"loss": 0.3986,
|
| 912 |
+
"step": 3225
|
| 913 |
+
},
|
| 914 |
+
{
|
| 915 |
+
"epoch": 0.8666666666666667,
|
| 916 |
+
"grad_norm": 6.3171892166137695,
|
| 917 |
+
"learning_rate": 3.952098765432099e-05,
|
| 918 |
+
"loss": 0.3583,
|
| 919 |
+
"step": 3250
|
| 920 |
+
},
|
| 921 |
+
{
|
| 922 |
+
"epoch": 0.8733333333333333,
|
| 923 |
+
"grad_norm": 5.258586883544922,
|
| 924 |
+
"learning_rate": 3.9397530864197533e-05,
|
| 925 |
+
"loss": 0.3858,
|
| 926 |
+
"step": 3275
|
| 927 |
+
},
|
| 928 |
+
{
|
| 929 |
+
"epoch": 0.88,
|
| 930 |
+
"grad_norm": 4.013023376464844,
|
| 931 |
+
"learning_rate": 3.9274074074074074e-05,
|
| 932 |
+
"loss": 0.3459,
|
| 933 |
+
"step": 3300
|
| 934 |
+
},
|
| 935 |
+
{
|
| 936 |
+
"epoch": 0.8866666666666667,
|
| 937 |
+
"grad_norm": 4.331413745880127,
|
| 938 |
+
"learning_rate": 3.915061728395062e-05,
|
| 939 |
+
"loss": 0.3871,
|
| 940 |
+
"step": 3325
|
| 941 |
+
},
|
| 942 |
+
{
|
| 943 |
+
"epoch": 0.8933333333333333,
|
| 944 |
+
"grad_norm": 7.047431945800781,
|
| 945 |
+
"learning_rate": 3.902716049382716e-05,
|
| 946 |
+
"loss": 0.373,
|
| 947 |
+
"step": 3350
|
| 948 |
+
},
|
| 949 |
+
{
|
| 950 |
+
"epoch": 0.9,
|
| 951 |
+
"grad_norm": 3.818228244781494,
|
| 952 |
+
"learning_rate": 3.8903703703703703e-05,
|
| 953 |
+
"loss": 0.4097,
|
| 954 |
+
"step": 3375
|
| 955 |
+
},
|
| 956 |
+
{
|
| 957 |
+
"epoch": 0.9066666666666666,
|
| 958 |
+
"grad_norm": 4.751009941101074,
|
| 959 |
+
"learning_rate": 3.878024691358025e-05,
|
| 960 |
+
"loss": 0.3406,
|
| 961 |
+
"step": 3400
|
| 962 |
+
},
|
| 963 |
+
{
|
| 964 |
+
"epoch": 0.9133333333333333,
|
| 965 |
+
"grad_norm": 4.639553546905518,
|
| 966 |
+
"learning_rate": 3.865679012345679e-05,
|
| 967 |
+
"loss": 0.3705,
|
| 968 |
+
"step": 3425
|
| 969 |
+
},
|
| 970 |
+
{
|
| 971 |
+
"epoch": 0.92,
|
| 972 |
+
"grad_norm": 3.2904627323150635,
|
| 973 |
+
"learning_rate": 3.853333333333334e-05,
|
| 974 |
+
"loss": 0.3431,
|
| 975 |
+
"step": 3450
|
| 976 |
+
},
|
| 977 |
+
{
|
| 978 |
+
"epoch": 0.9266666666666666,
|
| 979 |
+
"grad_norm": 6.797680377960205,
|
| 980 |
+
"learning_rate": 3.840987654320988e-05,
|
| 981 |
+
"loss": 0.3534,
|
| 982 |
+
"step": 3475
|
| 983 |
+
},
|
| 984 |
+
{
|
| 985 |
+
"epoch": 0.9333333333333333,
|
| 986 |
+
"grad_norm": 6.668555736541748,
|
| 987 |
+
"learning_rate": 3.828641975308642e-05,
|
| 988 |
+
"loss": 0.3856,
|
| 989 |
+
"step": 3500
|
| 990 |
+
},
|
| 991 |
+
{
|
| 992 |
+
"epoch": 0.94,
|
| 993 |
+
"grad_norm": 4.598569869995117,
|
| 994 |
+
"learning_rate": 3.816296296296297e-05,
|
| 995 |
+
"loss": 0.3582,
|
| 996 |
+
"step": 3525
|
| 997 |
+
},
|
| 998 |
+
{
|
| 999 |
+
"epoch": 0.9466666666666667,
|
| 1000 |
+
"grad_norm": 4.216365337371826,
|
| 1001 |
+
"learning_rate": 3.803950617283951e-05,
|
| 1002 |
+
"loss": 0.3711,
|
| 1003 |
+
"step": 3550
|
| 1004 |
+
},
|
| 1005 |
+
{
|
| 1006 |
+
"epoch": 0.9533333333333334,
|
| 1007 |
+
"grad_norm": 3.13527512550354,
|
| 1008 |
+
"learning_rate": 3.791604938271605e-05,
|
| 1009 |
+
"loss": 0.3895,
|
| 1010 |
+
"step": 3575
|
| 1011 |
+
},
|
| 1012 |
+
{
|
| 1013 |
+
"epoch": 0.96,
|
| 1014 |
+
"grad_norm": 3.4323551654815674,
|
| 1015 |
+
"learning_rate": 3.77925925925926e-05,
|
| 1016 |
+
"loss": 0.3747,
|
| 1017 |
+
"step": 3600
|
| 1018 |
+
},
|
| 1019 |
+
{
|
| 1020 |
+
"epoch": 0.9666666666666667,
|
| 1021 |
+
"grad_norm": 3.977339506149292,
|
| 1022 |
+
"learning_rate": 3.766913580246914e-05,
|
| 1023 |
+
"loss": 0.3937,
|
| 1024 |
+
"step": 3625
|
| 1025 |
+
},
|
| 1026 |
+
{
|
| 1027 |
+
"epoch": 0.9733333333333334,
|
| 1028 |
+
"grad_norm": 5.107348918914795,
|
| 1029 |
+
"learning_rate": 3.754567901234568e-05,
|
| 1030 |
+
"loss": 0.3414,
|
| 1031 |
+
"step": 3650
|
| 1032 |
+
},
|
| 1033 |
+
{
|
| 1034 |
+
"epoch": 0.98,
|
| 1035 |
+
"grad_norm": 2.3416006565093994,
|
| 1036 |
+
"learning_rate": 3.742222222222223e-05,
|
| 1037 |
+
"loss": 0.3574,
|
| 1038 |
+
"step": 3675
|
| 1039 |
+
},
|
| 1040 |
+
{
|
| 1041 |
+
"epoch": 0.9866666666666667,
|
| 1042 |
+
"grad_norm": 4.677575588226318,
|
| 1043 |
+
"learning_rate": 3.729876543209877e-05,
|
| 1044 |
+
"loss": 0.3724,
|
| 1045 |
+
"step": 3700
|
| 1046 |
+
},
|
| 1047 |
+
{
|
| 1048 |
+
"epoch": 0.9933333333333333,
|
| 1049 |
+
"grad_norm": 4.775662899017334,
|
| 1050 |
+
"learning_rate": 3.717530864197531e-05,
|
| 1051 |
+
"loss": 0.394,
|
| 1052 |
+
"step": 3725
|
| 1053 |
+
},
|
| 1054 |
+
{
|
| 1055 |
+
"epoch": 1.0,
|
| 1056 |
+
"grad_norm": 4.462086200714111,
|
| 1057 |
+
"learning_rate": 3.7051851851851856e-05,
|
| 1058 |
+
"loss": 0.3536,
|
| 1059 |
+
"step": 3750
|
| 1060 |
+
},
|
| 1061 |
+
{
|
| 1062 |
+
"epoch": 1.0,
|
| 1063 |
+
"eval_accuracy": 0.8450333333333333,
|
| 1064 |
+
"eval_auc": 0.9279447121434328,
|
| 1065 |
+
"eval_f1": 0.8515597560586226,
|
| 1066 |
+
"eval_loss": 0.35047078132629395,
|
| 1067 |
+
"eval_precision": 0.8153968448086095,
|
| 1068 |
+
"eval_recall": 0.8910791847644504,
|
| 1069 |
+
"eval_runtime": 17.4628,
|
| 1070 |
+
"eval_samples_per_second": 1717.935,
|
| 1071 |
+
"eval_steps_per_second": 26.857,
|
| 1072 |
+
"step": 3750
|
| 1073 |
+
},
|
| 1074 |
+
{
|
| 1075 |
+
"epoch": 1.0066666666666666,
|
| 1076 |
+
"grad_norm": 3.441884994506836,
|
| 1077 |
+
"learning_rate": 3.69283950617284e-05,
|
| 1078 |
+
"loss": 0.2975,
|
| 1079 |
+
"step": 3775
|
| 1080 |
+
},
|
| 1081 |
+
{
|
| 1082 |
+
"epoch": 1.0133333333333334,
|
| 1083 |
+
"grad_norm": 5.209389686584473,
|
| 1084 |
+
"learning_rate": 3.680493827160494e-05,
|
| 1085 |
+
"loss": 0.2892,
|
| 1086 |
+
"step": 3800
|
| 1087 |
+
},
|
| 1088 |
+
{
|
| 1089 |
+
"epoch": 1.02,
|
| 1090 |
+
"grad_norm": 4.32106351852417,
|
| 1091 |
+
"learning_rate": 3.6681481481481485e-05,
|
| 1092 |
+
"loss": 0.3126,
|
| 1093 |
+
"step": 3825
|
| 1094 |
+
},
|
| 1095 |
+
{
|
| 1096 |
+
"epoch": 1.0266666666666666,
|
| 1097 |
+
"grad_norm": 4.98620080947876,
|
| 1098 |
+
"learning_rate": 3.6558024691358026e-05,
|
| 1099 |
+
"loss": 0.2703,
|
| 1100 |
+
"step": 3850
|
| 1101 |
+
},
|
| 1102 |
+
{
|
| 1103 |
+
"epoch": 1.0333333333333334,
|
| 1104 |
+
"grad_norm": 4.974552154541016,
|
| 1105 |
+
"learning_rate": 3.643456790123457e-05,
|
| 1106 |
+
"loss": 0.3649,
|
| 1107 |
+
"step": 3875
|
| 1108 |
+
},
|
| 1109 |
+
{
|
| 1110 |
+
"epoch": 1.04,
|
| 1111 |
+
"grad_norm": 3.558584690093994,
|
| 1112 |
+
"learning_rate": 3.6311111111111114e-05,
|
| 1113 |
+
"loss": 0.3322,
|
| 1114 |
+
"step": 3900
|
| 1115 |
+
},
|
| 1116 |
+
{
|
| 1117 |
+
"epoch": 1.0466666666666666,
|
| 1118 |
+
"grad_norm": 3.4442217350006104,
|
| 1119 |
+
"learning_rate": 3.6187654320987655e-05,
|
| 1120 |
+
"loss": 0.3511,
|
| 1121 |
+
"step": 3925
|
| 1122 |
+
},
|
| 1123 |
+
{
|
| 1124 |
+
"epoch": 1.0533333333333332,
|
| 1125 |
+
"grad_norm": 7.501007556915283,
|
| 1126 |
+
"learning_rate": 3.6064197530864196e-05,
|
| 1127 |
+
"loss": 0.3372,
|
| 1128 |
+
"step": 3950
|
| 1129 |
+
},
|
| 1130 |
+
{
|
| 1131 |
+
"epoch": 1.06,
|
| 1132 |
+
"grad_norm": 3.3392348289489746,
|
| 1133 |
+
"learning_rate": 3.5940740740740743e-05,
|
| 1134 |
+
"loss": 0.3031,
|
| 1135 |
+
"step": 3975
|
| 1136 |
+
},
|
| 1137 |
+
{
|
| 1138 |
+
"epoch": 1.0666666666666667,
|
| 1139 |
+
"grad_norm": 8.112831115722656,
|
| 1140 |
+
"learning_rate": 3.5817283950617284e-05,
|
| 1141 |
+
"loss": 0.3224,
|
| 1142 |
+
"step": 4000
|
| 1143 |
+
},
|
| 1144 |
+
{
|
| 1145 |
+
"epoch": 1.0733333333333333,
|
| 1146 |
+
"grad_norm": 5.847554683685303,
|
| 1147 |
+
"learning_rate": 3.569382716049383e-05,
|
| 1148 |
+
"loss": 0.3014,
|
| 1149 |
+
"step": 4025
|
| 1150 |
+
},
|
| 1151 |
+
{
|
| 1152 |
+
"epoch": 1.08,
|
| 1153 |
+
"grad_norm": 3.833151340484619,
|
| 1154 |
+
"learning_rate": 3.557037037037037e-05,
|
| 1155 |
+
"loss": 0.3193,
|
| 1156 |
+
"step": 4050
|
| 1157 |
+
},
|
| 1158 |
+
{
|
| 1159 |
+
"epoch": 1.0866666666666667,
|
| 1160 |
+
"grad_norm": 4.442943096160889,
|
| 1161 |
+
"learning_rate": 3.5446913580246913e-05,
|
| 1162 |
+
"loss": 0.3261,
|
| 1163 |
+
"step": 4075
|
| 1164 |
+
},
|
| 1165 |
+
{
|
| 1166 |
+
"epoch": 1.0933333333333333,
|
| 1167 |
+
"grad_norm": 6.521344184875488,
|
| 1168 |
+
"learning_rate": 3.532345679012346e-05,
|
| 1169 |
+
"loss": 0.3077,
|
| 1170 |
+
"step": 4100
|
| 1171 |
+
},
|
| 1172 |
+
{
|
| 1173 |
+
"epoch": 1.1,
|
| 1174 |
+
"grad_norm": 3.843362331390381,
|
| 1175 |
+
"learning_rate": 3.52e-05,
|
| 1176 |
+
"loss": 0.3117,
|
| 1177 |
+
"step": 4125
|
| 1178 |
+
},
|
| 1179 |
+
{
|
| 1180 |
+
"epoch": 1.1066666666666667,
|
| 1181 |
+
"grad_norm": 3.7481844425201416,
|
| 1182 |
+
"learning_rate": 3.507654320987654e-05,
|
| 1183 |
+
"loss": 0.3135,
|
| 1184 |
+
"step": 4150
|
| 1185 |
+
},
|
| 1186 |
+
{
|
| 1187 |
+
"epoch": 1.1133333333333333,
|
| 1188 |
+
"grad_norm": 3.983670949935913,
|
| 1189 |
+
"learning_rate": 3.495308641975309e-05,
|
| 1190 |
+
"loss": 0.3116,
|
| 1191 |
+
"step": 4175
|
| 1192 |
+
},
|
| 1193 |
+
{
|
| 1194 |
+
"epoch": 1.12,
|
| 1195 |
+
"grad_norm": 4.075545787811279,
|
| 1196 |
+
"learning_rate": 3.482962962962963e-05,
|
| 1197 |
+
"loss": 0.2683,
|
| 1198 |
+
"step": 4200
|
| 1199 |
+
},
|
| 1200 |
+
{
|
| 1201 |
+
"epoch": 1.1266666666666667,
|
| 1202 |
+
"grad_norm": 4.329400062561035,
|
| 1203 |
+
"learning_rate": 3.470617283950617e-05,
|
| 1204 |
+
"loss": 0.3239,
|
| 1205 |
+
"step": 4225
|
| 1206 |
+
},
|
| 1207 |
+
{
|
| 1208 |
+
"epoch": 1.1333333333333333,
|
| 1209 |
+
"grad_norm": 5.983896732330322,
|
| 1210 |
+
"learning_rate": 3.458271604938272e-05,
|
| 1211 |
+
"loss": 0.3191,
|
| 1212 |
+
"step": 4250
|
| 1213 |
+
},
|
| 1214 |
+
{
|
| 1215 |
+
"epoch": 1.1400000000000001,
|
| 1216 |
+
"grad_norm": 4.027876853942871,
|
| 1217 |
+
"learning_rate": 3.445925925925926e-05,
|
| 1218 |
+
"loss": 0.3014,
|
| 1219 |
+
"step": 4275
|
| 1220 |
+
},
|
| 1221 |
+
{
|
| 1222 |
+
"epoch": 1.1466666666666667,
|
| 1223 |
+
"grad_norm": 3.787949323654175,
|
| 1224 |
+
"learning_rate": 3.43358024691358e-05,
|
| 1225 |
+
"loss": 0.301,
|
| 1226 |
+
"step": 4300
|
| 1227 |
+
},
|
| 1228 |
+
{
|
| 1229 |
+
"epoch": 1.1533333333333333,
|
| 1230 |
+
"grad_norm": 3.458568811416626,
|
| 1231 |
+
"learning_rate": 3.421234567901235e-05,
|
| 1232 |
+
"loss": 0.3046,
|
| 1233 |
+
"step": 4325
|
| 1234 |
+
},
|
| 1235 |
+
{
|
| 1236 |
+
"epoch": 1.16,
|
| 1237 |
+
"grad_norm": 6.608470916748047,
|
| 1238 |
+
"learning_rate": 3.408888888888889e-05,
|
| 1239 |
+
"loss": 0.2834,
|
| 1240 |
+
"step": 4350
|
| 1241 |
+
},
|
| 1242 |
+
{
|
| 1243 |
+
"epoch": 1.1666666666666667,
|
| 1244 |
+
"grad_norm": 8.85123348236084,
|
| 1245 |
+
"learning_rate": 3.396543209876543e-05,
|
| 1246 |
+
"loss": 0.3035,
|
| 1247 |
+
"step": 4375
|
| 1248 |
+
},
|
| 1249 |
+
{
|
| 1250 |
+
"epoch": 1.1733333333333333,
|
| 1251 |
+
"grad_norm": 4.207201957702637,
|
| 1252 |
+
"learning_rate": 3.384197530864198e-05,
|
| 1253 |
+
"loss": 0.3069,
|
| 1254 |
+
"step": 4400
|
| 1255 |
+
},
|
| 1256 |
+
{
|
| 1257 |
+
"epoch": 1.18,
|
| 1258 |
+
"grad_norm": 5.36509370803833,
|
| 1259 |
+
"learning_rate": 3.371851851851852e-05,
|
| 1260 |
+
"loss": 0.3085,
|
| 1261 |
+
"step": 4425
|
| 1262 |
+
},
|
| 1263 |
+
{
|
| 1264 |
+
"epoch": 1.1866666666666668,
|
| 1265 |
+
"grad_norm": 6.7772393226623535,
|
| 1266 |
+
"learning_rate": 3.359506172839506e-05,
|
| 1267 |
+
"loss": 0.3014,
|
| 1268 |
+
"step": 4450
|
| 1269 |
+
},
|
| 1270 |
+
{
|
| 1271 |
+
"epoch": 1.1933333333333334,
|
| 1272 |
+
"grad_norm": 3.776031255722046,
|
| 1273 |
+
"learning_rate": 3.347160493827161e-05,
|
| 1274 |
+
"loss": 0.2838,
|
| 1275 |
+
"step": 4475
|
| 1276 |
+
},
|
| 1277 |
+
{
|
| 1278 |
+
"epoch": 1.2,
|
| 1279 |
+
"grad_norm": 9.069013595581055,
|
| 1280 |
+
"learning_rate": 3.334814814814815e-05,
|
| 1281 |
+
"loss": 0.2792,
|
| 1282 |
+
"step": 4500
|
| 1283 |
+
},
|
| 1284 |
+
{
|
| 1285 |
+
"epoch": 1.2066666666666666,
|
| 1286 |
+
"grad_norm": 9.494942665100098,
|
| 1287 |
+
"learning_rate": 3.3224691358024695e-05,
|
| 1288 |
+
"loss": 0.3363,
|
| 1289 |
+
"step": 4525
|
| 1290 |
+
},
|
| 1291 |
+
{
|
| 1292 |
+
"epoch": 1.2133333333333334,
|
| 1293 |
+
"grad_norm": 5.114367961883545,
|
| 1294 |
+
"learning_rate": 3.3101234567901236e-05,
|
| 1295 |
+
"loss": 0.3109,
|
| 1296 |
+
"step": 4550
|
| 1297 |
+
},
|
| 1298 |
+
{
|
| 1299 |
+
"epoch": 1.22,
|
| 1300 |
+
"grad_norm": 5.7574567794799805,
|
| 1301 |
+
"learning_rate": 3.297777777777778e-05,
|
| 1302 |
+
"loss": 0.3481,
|
| 1303 |
+
"step": 4575
|
| 1304 |
+
},
|
| 1305 |
+
{
|
| 1306 |
+
"epoch": 1.2266666666666666,
|
| 1307 |
+
"grad_norm": 8.641465187072754,
|
| 1308 |
+
"learning_rate": 3.2854320987654324e-05,
|
| 1309 |
+
"loss": 0.3101,
|
| 1310 |
+
"step": 4600
|
| 1311 |
+
},
|
| 1312 |
+
{
|
| 1313 |
+
"epoch": 1.2333333333333334,
|
| 1314 |
+
"grad_norm": 3.9737038612365723,
|
| 1315 |
+
"learning_rate": 3.2730864197530865e-05,
|
| 1316 |
+
"loss": 0.3377,
|
| 1317 |
+
"step": 4625
|
| 1318 |
+
},
|
| 1319 |
+
{
|
| 1320 |
+
"epoch": 1.24,
|
| 1321 |
+
"grad_norm": 3.6837780475616455,
|
| 1322 |
+
"learning_rate": 3.2607407407407406e-05,
|
| 1323 |
+
"loss": 0.2946,
|
| 1324 |
+
"step": 4650
|
| 1325 |
+
},
|
| 1326 |
+
{
|
| 1327 |
+
"epoch": 1.2466666666666666,
|
| 1328 |
+
"grad_norm": 3.137204170227051,
|
| 1329 |
+
"learning_rate": 3.2483950617283953e-05,
|
| 1330 |
+
"loss": 0.2795,
|
| 1331 |
+
"step": 4675
|
| 1332 |
+
},
|
| 1333 |
+
{
|
| 1334 |
+
"epoch": 1.2533333333333334,
|
| 1335 |
+
"grad_norm": 2.706037759780884,
|
| 1336 |
+
"learning_rate": 3.2360493827160494e-05,
|
| 1337 |
+
"loss": 0.3482,
|
| 1338 |
+
"step": 4700
|
| 1339 |
+
},
|
| 1340 |
+
{
|
| 1341 |
+
"epoch": 1.26,
|
| 1342 |
+
"grad_norm": 4.027222633361816,
|
| 1343 |
+
"learning_rate": 3.2237037037037035e-05,
|
| 1344 |
+
"loss": 0.3357,
|
| 1345 |
+
"step": 4725
|
| 1346 |
+
},
|
| 1347 |
+
{
|
| 1348 |
+
"epoch": 1.2666666666666666,
|
| 1349 |
+
"grad_norm": 5.911250591278076,
|
| 1350 |
+
"learning_rate": 3.211358024691358e-05,
|
| 1351 |
+
"loss": 0.2824,
|
| 1352 |
+
"step": 4750
|
| 1353 |
+
},
|
| 1354 |
+
{
|
| 1355 |
+
"epoch": 1.2733333333333334,
|
| 1356 |
+
"grad_norm": 2.7601470947265625,
|
| 1357 |
+
"learning_rate": 3.199012345679013e-05,
|
| 1358 |
+
"loss": 0.3099,
|
| 1359 |
+
"step": 4775
|
| 1360 |
+
},
|
| 1361 |
+
{
|
| 1362 |
+
"epoch": 1.28,
|
| 1363 |
+
"grad_norm": 5.355719566345215,
|
| 1364 |
+
"learning_rate": 3.1866666666666664e-05,
|
| 1365 |
+
"loss": 0.2953,
|
| 1366 |
+
"step": 4800
|
| 1367 |
+
},
|
| 1368 |
+
{
|
| 1369 |
+
"epoch": 1.2866666666666666,
|
| 1370 |
+
"grad_norm": 2.9993844032287598,
|
| 1371 |
+
"learning_rate": 3.174320987654321e-05,
|
| 1372 |
+
"loss": 0.3101,
|
| 1373 |
+
"step": 4825
|
| 1374 |
+
},
|
| 1375 |
+
{
|
| 1376 |
+
"epoch": 1.2933333333333334,
|
| 1377 |
+
"grad_norm": 3.966730833053589,
|
| 1378 |
+
"learning_rate": 3.161975308641976e-05,
|
| 1379 |
+
"loss": 0.3053,
|
| 1380 |
+
"step": 4850
|
| 1381 |
+
},
|
| 1382 |
+
{
|
| 1383 |
+
"epoch": 1.3,
|
| 1384 |
+
"grad_norm": 8.711730003356934,
|
| 1385 |
+
"learning_rate": 3.1496296296296293e-05,
|
| 1386 |
+
"loss": 0.273,
|
| 1387 |
+
"step": 4875
|
| 1388 |
+
},
|
| 1389 |
+
{
|
| 1390 |
+
"epoch": 1.3066666666666666,
|
| 1391 |
+
"grad_norm": 3.1224546432495117,
|
| 1392 |
+
"learning_rate": 3.137283950617284e-05,
|
| 1393 |
+
"loss": 0.3145,
|
| 1394 |
+
"step": 4900
|
| 1395 |
+
},
|
| 1396 |
+
{
|
| 1397 |
+
"epoch": 1.3133333333333335,
|
| 1398 |
+
"grad_norm": 8.113521575927734,
|
| 1399 |
+
"learning_rate": 3.124938271604939e-05,
|
| 1400 |
+
"loss": 0.3241,
|
| 1401 |
+
"step": 4925
|
| 1402 |
+
},
|
| 1403 |
+
{
|
| 1404 |
+
"epoch": 1.32,
|
| 1405 |
+
"grad_norm": 2.859724760055542,
|
| 1406 |
+
"learning_rate": 3.112592592592592e-05,
|
| 1407 |
+
"loss": 0.3221,
|
| 1408 |
+
"step": 4950
|
| 1409 |
+
},
|
| 1410 |
+
{
|
| 1411 |
+
"epoch": 1.3266666666666667,
|
| 1412 |
+
"grad_norm": 3.995173454284668,
|
| 1413 |
+
"learning_rate": 3.100246913580247e-05,
|
| 1414 |
+
"loss": 0.3467,
|
| 1415 |
+
"step": 4975
|
| 1416 |
+
},
|
| 1417 |
+
{
|
| 1418 |
+
"epoch": 1.3333333333333333,
|
| 1419 |
+
"grad_norm": 3.4566409587860107,
|
| 1420 |
+
"learning_rate": 3.087901234567902e-05,
|
| 1421 |
+
"loss": 0.3482,
|
| 1422 |
+
"step": 5000
|
| 1423 |
+
},
|
| 1424 |
+
{
|
| 1425 |
+
"epoch": 1.34,
|
| 1426 |
+
"grad_norm": 3.8642385005950928,
|
| 1427 |
+
"learning_rate": 3.075555555555556e-05,
|
| 1428 |
+
"loss": 0.3224,
|
| 1429 |
+
"step": 5025
|
| 1430 |
+
},
|
| 1431 |
+
{
|
| 1432 |
+
"epoch": 1.3466666666666667,
|
| 1433 |
+
"grad_norm": 7.709151744842529,
|
| 1434 |
+
"learning_rate": 3.06320987654321e-05,
|
| 1435 |
+
"loss": 0.3133,
|
| 1436 |
+
"step": 5050
|
| 1437 |
+
},
|
| 1438 |
+
{
|
| 1439 |
+
"epoch": 1.3533333333333333,
|
| 1440 |
+
"grad_norm": 2.696343421936035,
|
| 1441 |
+
"learning_rate": 3.0508641975308643e-05,
|
| 1442 |
+
"loss": 0.3264,
|
| 1443 |
+
"step": 5075
|
| 1444 |
+
},
|
| 1445 |
+
{
|
| 1446 |
+
"epoch": 1.3599999999999999,
|
| 1447 |
+
"grad_norm": 2.405025005340576,
|
| 1448 |
+
"learning_rate": 3.0385185185185188e-05,
|
| 1449 |
+
"loss": 0.2709,
|
| 1450 |
+
"step": 5100
|
| 1451 |
+
},
|
| 1452 |
+
{
|
| 1453 |
+
"epoch": 1.3666666666666667,
|
| 1454 |
+
"grad_norm": 6.878232479095459,
|
| 1455 |
+
"learning_rate": 3.026172839506173e-05,
|
| 1456 |
+
"loss": 0.333,
|
| 1457 |
+
"step": 5125
|
| 1458 |
+
},
|
| 1459 |
+
{
|
| 1460 |
+
"epoch": 1.3733333333333333,
|
| 1461 |
+
"grad_norm": 4.833597183227539,
|
| 1462 |
+
"learning_rate": 3.0138271604938273e-05,
|
| 1463 |
+
"loss": 0.3004,
|
| 1464 |
+
"step": 5150
|
| 1465 |
+
},
|
| 1466 |
+
{
|
| 1467 |
+
"epoch": 1.38,
|
| 1468 |
+
"grad_norm": 5.502425670623779,
|
| 1469 |
+
"learning_rate": 3.0014814814814817e-05,
|
| 1470 |
+
"loss": 0.2982,
|
| 1471 |
+
"step": 5175
|
| 1472 |
+
},
|
| 1473 |
+
{
|
| 1474 |
+
"epoch": 1.3866666666666667,
|
| 1475 |
+
"grad_norm": 3.655024766921997,
|
| 1476 |
+
"learning_rate": 2.9891358024691358e-05,
|
| 1477 |
+
"loss": 0.3147,
|
| 1478 |
+
"step": 5200
|
| 1479 |
+
},
|
| 1480 |
+
{
|
| 1481 |
+
"epoch": 1.3933333333333333,
|
| 1482 |
+
"grad_norm": 4.243912220001221,
|
| 1483 |
+
"learning_rate": 2.9767901234567902e-05,
|
| 1484 |
+
"loss": 0.3409,
|
| 1485 |
+
"step": 5225
|
| 1486 |
+
},
|
| 1487 |
+
{
|
| 1488 |
+
"epoch": 1.4,
|
| 1489 |
+
"grad_norm": 4.781928539276123,
|
| 1490 |
+
"learning_rate": 2.9644444444444446e-05,
|
| 1491 |
+
"loss": 0.2928,
|
| 1492 |
+
"step": 5250
|
| 1493 |
+
},
|
| 1494 |
+
{
|
| 1495 |
+
"epoch": 1.4066666666666667,
|
| 1496 |
+
"grad_norm": 8.768107414245605,
|
| 1497 |
+
"learning_rate": 2.952098765432099e-05,
|
| 1498 |
+
"loss": 0.332,
|
| 1499 |
+
"step": 5275
|
| 1500 |
+
},
|
| 1501 |
+
{
|
| 1502 |
+
"epoch": 1.4133333333333333,
|
| 1503 |
+
"grad_norm": 4.398104667663574,
|
| 1504 |
+
"learning_rate": 2.939753086419753e-05,
|
| 1505 |
+
"loss": 0.3117,
|
| 1506 |
+
"step": 5300
|
| 1507 |
+
},
|
| 1508 |
+
{
|
| 1509 |
+
"epoch": 1.42,
|
| 1510 |
+
"grad_norm": 4.014359951019287,
|
| 1511 |
+
"learning_rate": 2.9274074074074075e-05,
|
| 1512 |
+
"loss": 0.2854,
|
| 1513 |
+
"step": 5325
|
| 1514 |
+
},
|
| 1515 |
+
{
|
| 1516 |
+
"epoch": 1.4266666666666667,
|
| 1517 |
+
"grad_norm": 4.08477258682251,
|
| 1518 |
+
"learning_rate": 2.915061728395062e-05,
|
| 1519 |
+
"loss": 0.3176,
|
| 1520 |
+
"step": 5350
|
| 1521 |
+
},
|
| 1522 |
+
{
|
| 1523 |
+
"epoch": 1.4333333333333333,
|
| 1524 |
+
"grad_norm": 5.118348598480225,
|
| 1525 |
+
"learning_rate": 2.902716049382716e-05,
|
| 1526 |
+
"loss": 0.3051,
|
| 1527 |
+
"step": 5375
|
| 1528 |
+
},
|
| 1529 |
+
{
|
| 1530 |
+
"epoch": 1.44,
|
| 1531 |
+
"grad_norm": 6.772739887237549,
|
| 1532 |
+
"learning_rate": 2.8903703703703704e-05,
|
| 1533 |
+
"loss": 0.3002,
|
| 1534 |
+
"step": 5400
|
| 1535 |
+
},
|
| 1536 |
+
{
|
| 1537 |
+
"epoch": 1.4466666666666668,
|
| 1538 |
+
"grad_norm": 4.603733539581299,
|
| 1539 |
+
"learning_rate": 2.878024691358025e-05,
|
| 1540 |
+
"loss": 0.323,
|
| 1541 |
+
"step": 5425
|
| 1542 |
+
},
|
| 1543 |
+
{
|
| 1544 |
+
"epoch": 1.4533333333333334,
|
| 1545 |
+
"grad_norm": 2.7136576175689697,
|
| 1546 |
+
"learning_rate": 2.865679012345679e-05,
|
| 1547 |
+
"loss": 0.2618,
|
| 1548 |
+
"step": 5450
|
| 1549 |
+
},
|
| 1550 |
+
{
|
| 1551 |
+
"epoch": 1.46,
|
| 1552 |
+
"grad_norm": 3.059255361557007,
|
| 1553 |
+
"learning_rate": 2.8533333333333333e-05,
|
| 1554 |
+
"loss": 0.2907,
|
| 1555 |
+
"step": 5475
|
| 1556 |
+
},
|
| 1557 |
+
{
|
| 1558 |
+
"epoch": 1.4666666666666668,
|
| 1559 |
+
"grad_norm": 2.045125961303711,
|
| 1560 |
+
"learning_rate": 2.8409876543209878e-05,
|
| 1561 |
+
"loss": 0.2927,
|
| 1562 |
+
"step": 5500
|
| 1563 |
+
},
|
| 1564 |
+
{
|
| 1565 |
+
"epoch": 1.4733333333333334,
|
| 1566 |
+
"grad_norm": 5.518597602844238,
|
| 1567 |
+
"learning_rate": 2.828641975308642e-05,
|
| 1568 |
+
"loss": 0.3094,
|
| 1569 |
+
"step": 5525
|
| 1570 |
+
},
|
| 1571 |
+
{
|
| 1572 |
+
"epoch": 1.48,
|
| 1573 |
+
"grad_norm": 7.645045757293701,
|
| 1574 |
+
"learning_rate": 2.8162962962962963e-05,
|
| 1575 |
+
"loss": 0.3305,
|
| 1576 |
+
"step": 5550
|
| 1577 |
+
},
|
| 1578 |
+
{
|
| 1579 |
+
"epoch": 1.4866666666666668,
|
| 1580 |
+
"grad_norm": 2.5646135807037354,
|
| 1581 |
+
"learning_rate": 2.8039506172839507e-05,
|
| 1582 |
+
"loss": 0.3017,
|
| 1583 |
+
"step": 5575
|
| 1584 |
+
},
|
| 1585 |
+
{
|
| 1586 |
+
"epoch": 1.4933333333333334,
|
| 1587 |
+
"grad_norm": 6.130367279052734,
|
| 1588 |
+
"learning_rate": 2.7916049382716054e-05,
|
| 1589 |
+
"loss": 0.299,
|
| 1590 |
+
"step": 5600
|
| 1591 |
+
},
|
| 1592 |
+
{
|
| 1593 |
+
"epoch": 1.5,
|
| 1594 |
+
"grad_norm": 4.146614074707031,
|
| 1595 |
+
"learning_rate": 2.7792592592592592e-05,
|
| 1596 |
+
"loss": 0.2967,
|
| 1597 |
+
"step": 5625
|
| 1598 |
+
},
|
| 1599 |
+
{
|
| 1600 |
+
"epoch": 1.5066666666666668,
|
| 1601 |
+
"grad_norm": 4.915042877197266,
|
| 1602 |
+
"learning_rate": 2.7669135802469136e-05,
|
| 1603 |
+
"loss": 0.2688,
|
| 1604 |
+
"step": 5650
|
| 1605 |
+
},
|
| 1606 |
+
{
|
| 1607 |
+
"epoch": 1.5133333333333332,
|
| 1608 |
+
"grad_norm": 4.2219977378845215,
|
| 1609 |
+
"learning_rate": 2.7545679012345684e-05,
|
| 1610 |
+
"loss": 0.3086,
|
| 1611 |
+
"step": 5675
|
| 1612 |
+
},
|
| 1613 |
+
{
|
| 1614 |
+
"epoch": 1.52,
|
| 1615 |
+
"grad_norm": 2.104410409927368,
|
| 1616 |
+
"learning_rate": 2.742222222222222e-05,
|
| 1617 |
+
"loss": 0.3223,
|
| 1618 |
+
"step": 5700
|
| 1619 |
+
},
|
| 1620 |
+
{
|
| 1621 |
+
"epoch": 1.5266666666666666,
|
| 1622 |
+
"grad_norm": 4.435065269470215,
|
| 1623 |
+
"learning_rate": 2.7298765432098765e-05,
|
| 1624 |
+
"loss": 0.3024,
|
| 1625 |
+
"step": 5725
|
| 1626 |
+
},
|
| 1627 |
+
{
|
| 1628 |
+
"epoch": 1.5333333333333332,
|
| 1629 |
+
"grad_norm": 4.672767162322998,
|
| 1630 |
+
"learning_rate": 2.7175308641975313e-05,
|
| 1631 |
+
"loss": 0.3049,
|
| 1632 |
+
"step": 5750
|
| 1633 |
+
},
|
| 1634 |
+
{
|
| 1635 |
+
"epoch": 1.54,
|
| 1636 |
+
"grad_norm": 5.032485008239746,
|
| 1637 |
+
"learning_rate": 2.705185185185185e-05,
|
| 1638 |
+
"loss": 0.3359,
|
| 1639 |
+
"step": 5775
|
| 1640 |
+
},
|
| 1641 |
+
{
|
| 1642 |
+
"epoch": 1.5466666666666666,
|
| 1643 |
+
"grad_norm": 6.399216175079346,
|
| 1644 |
+
"learning_rate": 2.6928395061728394e-05,
|
| 1645 |
+
"loss": 0.2821,
|
| 1646 |
+
"step": 5800
|
| 1647 |
+
},
|
| 1648 |
+
{
|
| 1649 |
+
"epoch": 1.5533333333333332,
|
| 1650 |
+
"grad_norm": 8.25263500213623,
|
| 1651 |
+
"learning_rate": 2.6804938271604942e-05,
|
| 1652 |
+
"loss": 0.3043,
|
| 1653 |
+
"step": 5825
|
| 1654 |
+
},
|
| 1655 |
+
{
|
| 1656 |
+
"epoch": 1.56,
|
| 1657 |
+
"grad_norm": 5.527223587036133,
|
| 1658 |
+
"learning_rate": 2.6681481481481486e-05,
|
| 1659 |
+
"loss": 0.2891,
|
| 1660 |
+
"step": 5850
|
| 1661 |
+
},
|
| 1662 |
+
{
|
| 1663 |
+
"epoch": 1.5666666666666667,
|
| 1664 |
+
"grad_norm": 5.846492767333984,
|
| 1665 |
+
"learning_rate": 2.6558024691358023e-05,
|
| 1666 |
+
"loss": 0.284,
|
| 1667 |
+
"step": 5875
|
| 1668 |
+
},
|
| 1669 |
+
{
|
| 1670 |
+
"epoch": 1.5733333333333333,
|
| 1671 |
+
"grad_norm": 6.016483306884766,
|
| 1672 |
+
"learning_rate": 2.6434567901234568e-05,
|
| 1673 |
+
"loss": 0.3099,
|
| 1674 |
+
"step": 5900
|
| 1675 |
+
},
|
| 1676 |
+
{
|
| 1677 |
+
"epoch": 1.58,
|
| 1678 |
+
"grad_norm": 6.665650844573975,
|
| 1679 |
+
"learning_rate": 2.6311111111111115e-05,
|
| 1680 |
+
"loss": 0.3153,
|
| 1681 |
+
"step": 5925
|
| 1682 |
+
},
|
| 1683 |
+
{
|
| 1684 |
+
"epoch": 1.5866666666666667,
|
| 1685 |
+
"grad_norm": 2.506410598754883,
|
| 1686 |
+
"learning_rate": 2.6187654320987653e-05,
|
| 1687 |
+
"loss": 0.3355,
|
| 1688 |
+
"step": 5950
|
| 1689 |
+
},
|
| 1690 |
+
{
|
| 1691 |
+
"epoch": 1.5933333333333333,
|
| 1692 |
+
"grad_norm": 4.263782978057861,
|
| 1693 |
+
"learning_rate": 2.6064197530864197e-05,
|
| 1694 |
+
"loss": 0.3252,
|
| 1695 |
+
"step": 5975
|
| 1696 |
+
},
|
| 1697 |
+
{
|
| 1698 |
+
"epoch": 1.6,
|
| 1699 |
+
"grad_norm": 3.5148987770080566,
|
| 1700 |
+
"learning_rate": 2.5940740740740744e-05,
|
| 1701 |
+
"loss": 0.2894,
|
| 1702 |
+
"step": 6000
|
| 1703 |
+
},
|
| 1704 |
+
{
|
| 1705 |
+
"epoch": 1.6066666666666667,
|
| 1706 |
+
"grad_norm": 6.163999557495117,
|
| 1707 |
+
"learning_rate": 2.5817283950617282e-05,
|
| 1708 |
+
"loss": 0.3023,
|
| 1709 |
+
"step": 6025
|
| 1710 |
+
},
|
| 1711 |
+
{
|
| 1712 |
+
"epoch": 1.6133333333333333,
|
| 1713 |
+
"grad_norm": 8.28521728515625,
|
| 1714 |
+
"learning_rate": 2.5693827160493826e-05,
|
| 1715 |
+
"loss": 0.2846,
|
| 1716 |
+
"step": 6050
|
| 1717 |
+
},
|
| 1718 |
+
{
|
| 1719 |
+
"epoch": 1.62,
|
| 1720 |
+
"grad_norm": 3.9539554119110107,
|
| 1721 |
+
"learning_rate": 2.5570370370370374e-05,
|
| 1722 |
+
"loss": 0.3174,
|
| 1723 |
+
"step": 6075
|
| 1724 |
+
},
|
| 1725 |
+
{
|
| 1726 |
+
"epoch": 1.6266666666666667,
|
| 1727 |
+
"grad_norm": 4.425731182098389,
|
| 1728 |
+
"learning_rate": 2.5446913580246918e-05,
|
| 1729 |
+
"loss": 0.3244,
|
| 1730 |
+
"step": 6100
|
| 1731 |
+
},
|
| 1732 |
+
{
|
| 1733 |
+
"epoch": 1.6333333333333333,
|
| 1734 |
+
"grad_norm": 4.01468563079834,
|
| 1735 |
+
"learning_rate": 2.5323456790123455e-05,
|
| 1736 |
+
"loss": 0.2896,
|
| 1737 |
+
"step": 6125
|
| 1738 |
+
},
|
| 1739 |
+
{
|
| 1740 |
+
"epoch": 1.6400000000000001,
|
| 1741 |
+
"grad_norm": 4.763487815856934,
|
| 1742 |
+
"learning_rate": 2.5200000000000003e-05,
|
| 1743 |
+
"loss": 0.2977,
|
| 1744 |
+
"step": 6150
|
| 1745 |
+
},
|
| 1746 |
+
{
|
| 1747 |
+
"epoch": 1.6466666666666665,
|
| 1748 |
+
"grad_norm": 2.120893955230713,
|
| 1749 |
+
"learning_rate": 2.5076543209876547e-05,
|
| 1750 |
+
"loss": 0.285,
|
| 1751 |
+
"step": 6175
|
| 1752 |
+
},
|
| 1753 |
+
{
|
| 1754 |
+
"epoch": 1.6533333333333333,
|
| 1755 |
+
"grad_norm": 4.078540802001953,
|
| 1756 |
+
"learning_rate": 2.4953086419753088e-05,
|
| 1757 |
+
"loss": 0.2899,
|
| 1758 |
+
"step": 6200
|
| 1759 |
+
},
|
| 1760 |
+
{
|
| 1761 |
+
"epoch": 1.6600000000000001,
|
| 1762 |
+
"grad_norm": 4.989731311798096,
|
| 1763 |
+
"learning_rate": 2.4829629629629632e-05,
|
| 1764 |
+
"loss": 0.3309,
|
| 1765 |
+
"step": 6225
|
| 1766 |
+
},
|
| 1767 |
+
{
|
| 1768 |
+
"epoch": 1.6666666666666665,
|
| 1769 |
+
"grad_norm": 4.984623432159424,
|
| 1770 |
+
"learning_rate": 2.4706172839506176e-05,
|
| 1771 |
+
"loss": 0.2765,
|
| 1772 |
+
"step": 6250
|
| 1773 |
+
},
|
| 1774 |
+
{
|
| 1775 |
+
"epoch": 1.6733333333333333,
|
| 1776 |
+
"grad_norm": 5.46707820892334,
|
| 1777 |
+
"learning_rate": 2.4582716049382717e-05,
|
| 1778 |
+
"loss": 0.2835,
|
| 1779 |
+
"step": 6275
|
| 1780 |
+
},
|
| 1781 |
+
{
|
| 1782 |
+
"epoch": 1.6800000000000002,
|
| 1783 |
+
"grad_norm": 8.250874519348145,
|
| 1784 |
+
"learning_rate": 2.445925925925926e-05,
|
| 1785 |
+
"loss": 0.2832,
|
| 1786 |
+
"step": 6300
|
| 1787 |
+
},
|
| 1788 |
+
{
|
| 1789 |
+
"epoch": 1.6866666666666665,
|
| 1790 |
+
"grad_norm": 4.99135684967041,
|
| 1791 |
+
"learning_rate": 2.4335802469135805e-05,
|
| 1792 |
+
"loss": 0.2812,
|
| 1793 |
+
"step": 6325
|
| 1794 |
+
},
|
| 1795 |
+
{
|
| 1796 |
+
"epoch": 1.6933333333333334,
|
| 1797 |
+
"grad_norm": 5.844701290130615,
|
| 1798 |
+
"learning_rate": 2.4212345679012346e-05,
|
| 1799 |
+
"loss": 0.283,
|
| 1800 |
+
"step": 6350
|
| 1801 |
+
},
|
| 1802 |
+
{
|
| 1803 |
+
"epoch": 1.7,
|
| 1804 |
+
"grad_norm": 6.811492443084717,
|
| 1805 |
+
"learning_rate": 2.408888888888889e-05,
|
| 1806 |
+
"loss": 0.3157,
|
| 1807 |
+
"step": 6375
|
| 1808 |
+
},
|
| 1809 |
+
{
|
| 1810 |
+
"epoch": 1.7066666666666666,
|
| 1811 |
+
"grad_norm": 3.3963935375213623,
|
| 1812 |
+
"learning_rate": 2.3965432098765434e-05,
|
| 1813 |
+
"loss": 0.2928,
|
| 1814 |
+
"step": 6400
|
| 1815 |
+
},
|
| 1816 |
+
{
|
| 1817 |
+
"epoch": 1.7133333333333334,
|
| 1818 |
+
"grad_norm": 3.2064685821533203,
|
| 1819 |
+
"learning_rate": 2.3841975308641975e-05,
|
| 1820 |
+
"loss": 0.2968,
|
| 1821 |
+
"step": 6425
|
| 1822 |
+
},
|
| 1823 |
+
{
|
| 1824 |
+
"epoch": 1.72,
|
| 1825 |
+
"grad_norm": 5.824398517608643,
|
| 1826 |
+
"learning_rate": 2.371851851851852e-05,
|
| 1827 |
+
"loss": 0.2979,
|
| 1828 |
+
"step": 6450
|
| 1829 |
+
},
|
| 1830 |
+
{
|
| 1831 |
+
"epoch": 1.7266666666666666,
|
| 1832 |
+
"grad_norm": 4.438202857971191,
|
| 1833 |
+
"learning_rate": 2.3595061728395063e-05,
|
| 1834 |
+
"loss": 0.287,
|
| 1835 |
+
"step": 6475
|
| 1836 |
+
},
|
| 1837 |
+
{
|
| 1838 |
+
"epoch": 1.7333333333333334,
|
| 1839 |
+
"grad_norm": 4.254288196563721,
|
| 1840 |
+
"learning_rate": 2.3471604938271608e-05,
|
| 1841 |
+
"loss": 0.2812,
|
| 1842 |
+
"step": 6500
|
| 1843 |
+
},
|
| 1844 |
+
{
|
| 1845 |
+
"epoch": 1.74,
|
| 1846 |
+
"grad_norm": 3.6272809505462646,
|
| 1847 |
+
"learning_rate": 2.334814814814815e-05,
|
| 1848 |
+
"loss": 0.2971,
|
| 1849 |
+
"step": 6525
|
| 1850 |
+
},
|
| 1851 |
+
{
|
| 1852 |
+
"epoch": 1.7466666666666666,
|
| 1853 |
+
"grad_norm": 7.098523139953613,
|
| 1854 |
+
"learning_rate": 2.3224691358024693e-05,
|
| 1855 |
+
"loss": 0.3038,
|
| 1856 |
+
"step": 6550
|
| 1857 |
+
},
|
| 1858 |
+
{
|
| 1859 |
+
"epoch": 1.7533333333333334,
|
| 1860 |
+
"grad_norm": 5.42393159866333,
|
| 1861 |
+
"learning_rate": 2.3101234567901237e-05,
|
| 1862 |
+
"loss": 0.2769,
|
| 1863 |
+
"step": 6575
|
| 1864 |
+
},
|
| 1865 |
+
{
|
| 1866 |
+
"epoch": 1.76,
|
| 1867 |
+
"grad_norm": 2.8618674278259277,
|
| 1868 |
+
"learning_rate": 2.2977777777777778e-05,
|
| 1869 |
+
"loss": 0.3001,
|
| 1870 |
+
"step": 6600
|
| 1871 |
+
},
|
| 1872 |
+
{
|
| 1873 |
+
"epoch": 1.7666666666666666,
|
| 1874 |
+
"grad_norm": 3.243124008178711,
|
| 1875 |
+
"learning_rate": 2.2854320987654322e-05,
|
| 1876 |
+
"loss": 0.2873,
|
| 1877 |
+
"step": 6625
|
| 1878 |
+
},
|
| 1879 |
+
{
|
| 1880 |
+
"epoch": 1.7733333333333334,
|
| 1881 |
+
"grad_norm": 5.406110763549805,
|
| 1882 |
+
"learning_rate": 2.2730864197530866e-05,
|
| 1883 |
+
"loss": 0.291,
|
| 1884 |
+
"step": 6650
|
| 1885 |
+
},
|
| 1886 |
+
{
|
| 1887 |
+
"epoch": 1.78,
|
| 1888 |
+
"grad_norm": 4.745636463165283,
|
| 1889 |
+
"learning_rate": 2.2607407407407407e-05,
|
| 1890 |
+
"loss": 0.2941,
|
| 1891 |
+
"step": 6675
|
| 1892 |
+
},
|
| 1893 |
+
{
|
| 1894 |
+
"epoch": 1.7866666666666666,
|
| 1895 |
+
"grad_norm": 3.54449200630188,
|
| 1896 |
+
"learning_rate": 2.248395061728395e-05,
|
| 1897 |
+
"loss": 0.3099,
|
| 1898 |
+
"step": 6700
|
| 1899 |
+
},
|
| 1900 |
+
{
|
| 1901 |
+
"epoch": 1.7933333333333334,
|
| 1902 |
+
"grad_norm": 2.800461769104004,
|
| 1903 |
+
"learning_rate": 2.2360493827160495e-05,
|
| 1904 |
+
"loss": 0.3084,
|
| 1905 |
+
"step": 6725
|
| 1906 |
+
},
|
| 1907 |
+
{
|
| 1908 |
+
"epoch": 1.8,
|
| 1909 |
+
"grad_norm": 3.615694761276245,
|
| 1910 |
+
"learning_rate": 2.2237037037037036e-05,
|
| 1911 |
+
"loss": 0.2621,
|
| 1912 |
+
"step": 6750
|
| 1913 |
+
},
|
| 1914 |
+
{
|
| 1915 |
+
"epoch": 1.8066666666666666,
|
| 1916 |
+
"grad_norm": 4.6121134757995605,
|
| 1917 |
+
"learning_rate": 2.211358024691358e-05,
|
| 1918 |
+
"loss": 0.2945,
|
| 1919 |
+
"step": 6775
|
| 1920 |
+
},
|
| 1921 |
+
{
|
| 1922 |
+
"epoch": 1.8133333333333335,
|
| 1923 |
+
"grad_norm": 4.819065093994141,
|
| 1924 |
+
"learning_rate": 2.1990123456790124e-05,
|
| 1925 |
+
"loss": 0.3307,
|
| 1926 |
+
"step": 6800
|
| 1927 |
+
},
|
| 1928 |
+
{
|
| 1929 |
+
"epoch": 1.8199999999999998,
|
| 1930 |
+
"grad_norm": 2.9253334999084473,
|
| 1931 |
+
"learning_rate": 2.186666666666667e-05,
|
| 1932 |
+
"loss": 0.3007,
|
| 1933 |
+
"step": 6825
|
| 1934 |
+
},
|
| 1935 |
+
{
|
| 1936 |
+
"epoch": 1.8266666666666667,
|
| 1937 |
+
"grad_norm": 5.559587478637695,
|
| 1938 |
+
"learning_rate": 2.174320987654321e-05,
|
| 1939 |
+
"loss": 0.2897,
|
| 1940 |
+
"step": 6850
|
| 1941 |
+
},
|
| 1942 |
+
{
|
| 1943 |
+
"epoch": 1.8333333333333335,
|
| 1944 |
+
"grad_norm": 4.776338577270508,
|
| 1945 |
+
"learning_rate": 2.1619753086419753e-05,
|
| 1946 |
+
"loss": 0.2668,
|
| 1947 |
+
"step": 6875
|
| 1948 |
+
},
|
| 1949 |
+
{
|
| 1950 |
+
"epoch": 1.8399999999999999,
|
| 1951 |
+
"grad_norm": 2.7289786338806152,
|
| 1952 |
+
"learning_rate": 2.1496296296296298e-05,
|
| 1953 |
+
"loss": 0.2642,
|
| 1954 |
+
"step": 6900
|
| 1955 |
+
},
|
| 1956 |
+
{
|
| 1957 |
+
"epoch": 1.8466666666666667,
|
| 1958 |
+
"grad_norm": 5.01475191116333,
|
| 1959 |
+
"learning_rate": 2.137283950617284e-05,
|
| 1960 |
+
"loss": 0.309,
|
| 1961 |
+
"step": 6925
|
| 1962 |
+
},
|
| 1963 |
+
{
|
| 1964 |
+
"epoch": 1.8533333333333335,
|
| 1965 |
+
"grad_norm": 3.301865339279175,
|
| 1966 |
+
"learning_rate": 2.1249382716049386e-05,
|
| 1967 |
+
"loss": 0.275,
|
| 1968 |
+
"step": 6950
|
| 1969 |
+
},
|
| 1970 |
+
{
|
| 1971 |
+
"epoch": 1.8599999999999999,
|
| 1972 |
+
"grad_norm": 7.289097785949707,
|
| 1973 |
+
"learning_rate": 2.1125925925925927e-05,
|
| 1974 |
+
"loss": 0.2806,
|
| 1975 |
+
"step": 6975
|
| 1976 |
+
},
|
| 1977 |
+
{
|
| 1978 |
+
"epoch": 1.8666666666666667,
|
| 1979 |
+
"grad_norm": 9.56885051727295,
|
| 1980 |
+
"learning_rate": 2.1002469135802468e-05,
|
| 1981 |
+
"loss": 0.3201,
|
| 1982 |
+
"step": 7000
|
| 1983 |
+
},
|
| 1984 |
+
{
|
| 1985 |
+
"epoch": 1.8733333333333333,
|
| 1986 |
+
"grad_norm": 2.61783504486084,
|
| 1987 |
+
"learning_rate": 2.0879012345679015e-05,
|
| 1988 |
+
"loss": 0.3285,
|
| 1989 |
+
"step": 7025
|
| 1990 |
+
},
|
| 1991 |
+
{
|
| 1992 |
+
"epoch": 1.88,
|
| 1993 |
+
"grad_norm": 14.321419715881348,
|
| 1994 |
+
"learning_rate": 2.0755555555555556e-05,
|
| 1995 |
+
"loss": 0.3098,
|
| 1996 |
+
"step": 7050
|
| 1997 |
+
},
|
| 1998 |
+
{
|
| 1999 |
+
"epoch": 1.8866666666666667,
|
| 2000 |
+
"grad_norm": 4.250639915466309,
|
| 2001 |
+
"learning_rate": 2.06320987654321e-05,
|
| 2002 |
+
"loss": 0.312,
|
| 2003 |
+
"step": 7075
|
| 2004 |
+
},
|
| 2005 |
+
{
|
| 2006 |
+
"epoch": 1.8933333333333333,
|
| 2007 |
+
"grad_norm": 4.969202518463135,
|
| 2008 |
+
"learning_rate": 2.0508641975308644e-05,
|
| 2009 |
+
"loss": 0.3467,
|
| 2010 |
+
"step": 7100
|
| 2011 |
+
},
|
| 2012 |
+
{
|
| 2013 |
+
"epoch": 1.9,
|
| 2014 |
+
"grad_norm": 4.293094635009766,
|
| 2015 |
+
"learning_rate": 2.0385185185185185e-05,
|
| 2016 |
+
"loss": 0.2996,
|
| 2017 |
+
"step": 7125
|
| 2018 |
+
},
|
| 2019 |
+
{
|
| 2020 |
+
"epoch": 1.9066666666666667,
|
| 2021 |
+
"grad_norm": 2.739490032196045,
|
| 2022 |
+
"learning_rate": 2.026172839506173e-05,
|
| 2023 |
+
"loss": 0.3054,
|
| 2024 |
+
"step": 7150
|
| 2025 |
+
},
|
| 2026 |
+
{
|
| 2027 |
+
"epoch": 1.9133333333333333,
|
| 2028 |
+
"grad_norm": 6.925506591796875,
|
| 2029 |
+
"learning_rate": 2.0138271604938274e-05,
|
| 2030 |
+
"loss": 0.3139,
|
| 2031 |
+
"step": 7175
|
| 2032 |
+
},
|
| 2033 |
+
{
|
| 2034 |
+
"epoch": 1.92,
|
| 2035 |
+
"grad_norm": 5.004764080047607,
|
| 2036 |
+
"learning_rate": 2.0014814814814818e-05,
|
| 2037 |
+
"loss": 0.2622,
|
| 2038 |
+
"step": 7200
|
| 2039 |
+
},
|
| 2040 |
+
{
|
| 2041 |
+
"epoch": 1.9266666666666667,
|
| 2042 |
+
"grad_norm": 4.747122287750244,
|
| 2043 |
+
"learning_rate": 1.989135802469136e-05,
|
| 2044 |
+
"loss": 0.3258,
|
| 2045 |
+
"step": 7225
|
| 2046 |
+
},
|
| 2047 |
+
{
|
| 2048 |
+
"epoch": 1.9333333333333333,
|
| 2049 |
+
"grad_norm": 5.194314956665039,
|
| 2050 |
+
"learning_rate": 1.9767901234567903e-05,
|
| 2051 |
+
"loss": 0.3135,
|
| 2052 |
+
"step": 7250
|
| 2053 |
+
},
|
| 2054 |
+
{
|
| 2055 |
+
"epoch": 1.94,
|
| 2056 |
+
"grad_norm": 6.7520318031311035,
|
| 2057 |
+
"learning_rate": 1.9644444444444447e-05,
|
| 2058 |
+
"loss": 0.2864,
|
| 2059 |
+
"step": 7275
|
| 2060 |
+
},
|
| 2061 |
+
{
|
| 2062 |
+
"epoch": 1.9466666666666668,
|
| 2063 |
+
"grad_norm": 7.832643508911133,
|
| 2064 |
+
"learning_rate": 1.9520987654320988e-05,
|
| 2065 |
+
"loss": 0.2932,
|
| 2066 |
+
"step": 7300
|
| 2067 |
+
},
|
| 2068 |
+
{
|
| 2069 |
+
"epoch": 1.9533333333333334,
|
| 2070 |
+
"grad_norm": 4.157223224639893,
|
| 2071 |
+
"learning_rate": 1.9397530864197532e-05,
|
| 2072 |
+
"loss": 0.2921,
|
| 2073 |
+
"step": 7325
|
| 2074 |
+
},
|
| 2075 |
+
{
|
| 2076 |
+
"epoch": 1.96,
|
| 2077 |
+
"grad_norm": 5.481427192687988,
|
| 2078 |
+
"learning_rate": 1.9274074074074076e-05,
|
| 2079 |
+
"loss": 0.2621,
|
| 2080 |
+
"step": 7350
|
| 2081 |
+
},
|
| 2082 |
+
{
|
| 2083 |
+
"epoch": 1.9666666666666668,
|
| 2084 |
+
"grad_norm": 2.1336710453033447,
|
| 2085 |
+
"learning_rate": 1.9150617283950617e-05,
|
| 2086 |
+
"loss": 0.3362,
|
| 2087 |
+
"step": 7375
|
| 2088 |
+
},
|
| 2089 |
+
{
|
| 2090 |
+
"epoch": 1.9733333333333334,
|
| 2091 |
+
"grad_norm": 3.885938882827759,
|
| 2092 |
+
"learning_rate": 1.902716049382716e-05,
|
| 2093 |
+
"loss": 0.2555,
|
| 2094 |
+
"step": 7400
|
| 2095 |
+
},
|
| 2096 |
+
{
|
| 2097 |
+
"epoch": 1.98,
|
| 2098 |
+
"grad_norm": 6.3607659339904785,
|
| 2099 |
+
"learning_rate": 1.8903703703703705e-05,
|
| 2100 |
+
"loss": 0.2954,
|
| 2101 |
+
"step": 7425
|
| 2102 |
+
},
|
| 2103 |
+
{
|
| 2104 |
+
"epoch": 1.9866666666666668,
|
| 2105 |
+
"grad_norm": 4.592554569244385,
|
| 2106 |
+
"learning_rate": 1.878024691358025e-05,
|
| 2107 |
+
"loss": 0.2349,
|
| 2108 |
+
"step": 7450
|
| 2109 |
+
},
|
| 2110 |
+
{
|
| 2111 |
+
"epoch": 1.9933333333333332,
|
| 2112 |
+
"grad_norm": 6.978887557983398,
|
| 2113 |
+
"learning_rate": 1.865679012345679e-05,
|
| 2114 |
+
"loss": 0.3028,
|
| 2115 |
+
"step": 7475
|
| 2116 |
+
},
|
| 2117 |
+
{
|
| 2118 |
+
"epoch": 2.0,
|
| 2119 |
+
"grad_norm": 2.6956405639648438,
|
| 2120 |
+
"learning_rate": 1.8538271604938272e-05,
|
| 2121 |
+
"loss": 0.3164,
|
| 2122 |
+
"step": 7500
|
| 2123 |
+
},
|
| 2124 |
+
{
|
| 2125 |
+
"epoch": 2.0,
|
| 2126 |
+
"eval_accuracy": 0.8582666666666666,
|
| 2127 |
+
"eval_auc": 0.9377566966753487,
|
| 2128 |
+
"eval_f1": 0.8642140895446127,
|
| 2129 |
+
"eval_loss": 0.32687851786613464,
|
| 2130 |
+
"eval_precision": 0.8276347177197382,
|
| 2131 |
+
"eval_recall": 0.9041764116271299,
|
| 2132 |
+
"eval_runtime": 17.8061,
|
| 2133 |
+
"eval_samples_per_second": 1684.817,
|
| 2134 |
+
"eval_steps_per_second": 26.339,
|
| 2135 |
+
"step": 7500
|
| 2136 |
+
}
|
| 2137 |
+
],
|
| 2138 |
+
"logging_steps": 25,
|
| 2139 |
+
"max_steps": 11250,
|
| 2140 |
+
"num_input_tokens_seen": 0,
|
| 2141 |
+
"num_train_epochs": 3,
|
| 2142 |
+
"save_steps": 500,
|
| 2143 |
+
"stateful_callbacks": {
|
| 2144 |
+
"EarlyStoppingCallback": {
|
| 2145 |
+
"args": {
|
| 2146 |
+
"early_stopping_patience": 5,
|
| 2147 |
+
"early_stopping_threshold": 0.01
|
| 2148 |
+
},
|
| 2149 |
+
"attributes": {
|
| 2150 |
+
"early_stopping_patience_counter": 0
|
| 2151 |
+
}
|
| 2152 |
+
},
|
| 2153 |
+
"TrainerControl": {
|
| 2154 |
+
"args": {
|
| 2155 |
+
"should_epoch_stop": false,
|
| 2156 |
+
"should_evaluate": false,
|
| 2157 |
+
"should_log": false,
|
| 2158 |
+
"should_save": true,
|
| 2159 |
+
"should_training_stop": false
|
| 2160 |
+
},
|
| 2161 |
+
"attributes": {}
|
| 2162 |
+
}
|
| 2163 |
+
},
|
| 2164 |
+
"total_flos": 7893331660800000.0,
|
| 2165 |
+
"train_batch_size": 32,
|
| 2166 |
+
"trial_name": null,
|
| 2167 |
+
"trial_params": null
|
| 2168 |
+
}
|
checkpoint-7500/training_args.bin
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:79294235694ec6a2dfb7c80be8aa04ac14d61baf49c700a4ac80cef221b7943f
|
| 3 |
+
size 5304
|