Hugging Face's logo

TahalliAnas
/
t5_base_ConfigFiles_fixer

Safetensors
bart
Model card Files
xet
Community
TahalliAnas commited on
Commit
8e63504
·
verified ·
1 Parent(s): 3b5a373

first upload from kaggle

Browse files
Files changed (13) hide show
  1. checkpoint-4504/config.json +60 -0
  2. checkpoint-4504/generation_config.json +7 -0
  3. checkpoint-4504/model.safetensors +3 -0
  4. checkpoint-4504/optimizer.pt +3 -0
  5. checkpoint-4504/rng_state.pth +3 -0
  6. checkpoint-4504/scheduler.pt +3 -0
  7. checkpoint-4504/special_tokens_map.json +107 -0
  8. checkpoint-4504/spiece.model +3 -0
  9. checkpoint-4504/tokenizer.json +0 -0
  10. checkpoint-4504/tokenizer_config.json +939 -0
  11. checkpoint-4504/trainer_state.json +3248 -0
  12. checkpoint-4504/training_args.bin +3 -0
  13. model.safetensors +1 -1
checkpoint-4504/config.json ADDED
@@ -0,0 +1,60 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "architectures": [
3
+ "T5ForConditionalGeneration"
4
+ ],
5
+ "classifier_dropout": 0.0,
6
+ "d_ff": 3072,
7
+ "d_kv": 64,
8
+ "d_model": 768,
9
+ "decoder_start_token_id": 0,
10
+ "dense_act_fn": "relu",
11
+ "dropout_rate": 0.1,
12
+ "eos_token_id": 1,
13
+ "feed_forward_proj": "relu",
14
+ "initializer_factor": 1.0,
15
+ "is_encoder_decoder": true,
16
+ "is_gated_act": false,
17
+ "layer_norm_epsilon": 1e-06,
18
+ "model_type": "t5",
19
+ "n_positions": 512,
20
+ "num_decoder_layers": 12,
21
+ "num_heads": 12,
22
+ "num_layers": 12,
23
+ "output_past": true,
24
+ "pad_token_id": 0,
25
+ "relative_attention_max_distance": 128,
26
+ "relative_attention_num_buckets": 32,
27
+ "task_specific_params": {
28
+ "summarization": {
29
+ "early_stopping": true,
30
+ "length_penalty": 2.0,
31
+ "max_length": 200,
32
+ "min_length": 30,
33
+ "no_repeat_ngram_size": 3,
34
+ "num_beams": 4,
35
+ "prefix": "summarize: "
36
+ },
37
+ "translation_en_to_de": {
38
+ "early_stopping": true,
39
+ "max_length": 300,
40
+ "num_beams": 4,
41
+ "prefix": "translate English to German: "
42
+ },
43
+ "translation_en_to_fr": {
44
+ "early_stopping": true,
45
+ "max_length": 300,
46
+ "num_beams": 4,
47
+ "prefix": "translate English to French: "
48
+ },
49
+ "translation_en_to_ro": {
50
+ "early_stopping": true,
51
+ "max_length": 300,
52
+ "num_beams": 4,
53
+ "prefix": "translate English to Romanian: "
54
+ }
55
+ },
56
+ "torch_dtype": "float32",
57
+ "transformers_version": "4.51.1",
58
+ "use_cache": true,
59
+ "vocab_size": 32128
60
+ }
checkpoint-4504/generation_config.json ADDED
@@ -0,0 +1,7 @@
 
 
 
 
 
 
 
 
1
+ {
2
+ "_from_model_config": true,
3
+ "decoder_start_token_id": 0,
4
+ "eos_token_id": 1,
5
+ "pad_token_id": 0,
6
+ "transformers_version": "4.51.1"
7
+ }
checkpoint-4504/model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:cb6f1d43750a662a4aab2b592d6bd742f04fe76cb49111c421d3584824b9058a
3
+ size 891644712
checkpoint-4504/optimizer.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:5f786e8e179e555976d80e30ae49b7567ae8b99bde3de2aae19317c892dcdb6e
3
+ size 1783444794
checkpoint-4504/rng_state.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:83f0ef590929292e45e506601d33d98e2b6b98c9ebaea8ec187c03a74ebdf4fc
3
+ size 14244
checkpoint-4504/scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:b617e166094a4f7096558ea2a32b518363b26bc9fcf1c64e3f229a8dcc64c400
3
+ size 1064
checkpoint-4504/special_tokens_map.json ADDED
@@ -0,0 +1,107 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "additional_special_tokens": [
3
+ "<extra_id_0>",
4
+ "<extra_id_1>",
5
+ "<extra_id_2>",
6
+ "<extra_id_3>",
7
+ "<extra_id_4>",
8
+ "<extra_id_5>",
9
+ "<extra_id_6>",
10
+ "<extra_id_7>",
11
+ "<extra_id_8>",
12
+ "<extra_id_9>",
13
+ "<extra_id_10>",
14
+ "<extra_id_11>",
15
+ "<extra_id_12>",
16
+ "<extra_id_13>",
17
+ "<extra_id_14>",
18
+ "<extra_id_15>",
19
+ "<extra_id_16>",
20
+ "<extra_id_17>",
21
+ "<extra_id_18>",
22
+ "<extra_id_19>",
23
+ "<extra_id_20>",
24
+ "<extra_id_21>",
25
+ "<extra_id_22>",
26
+ "<extra_id_23>",
27
+ "<extra_id_24>",
28
+ "<extra_id_25>",
29
+ "<extra_id_26>",
30
+ "<extra_id_27>",
31
+ "<extra_id_28>",
32
+ "<extra_id_29>",
33
+ "<extra_id_30>",
34
+ "<extra_id_31>",
35
+ "<extra_id_32>",
36
+ "<extra_id_33>",
37
+ "<extra_id_34>",
38
+ "<extra_id_35>",
39
+ "<extra_id_36>",
40
+ "<extra_id_37>",
41
+ "<extra_id_38>",
42
+ "<extra_id_39>",
43
+ "<extra_id_40>",
44
+ "<extra_id_41>",
45
+ "<extra_id_42>",
46
+ "<extra_id_43>",
47
+ "<extra_id_44>",
48
+ "<extra_id_45>",
49
+ "<extra_id_46>",
50
+ "<extra_id_47>",
51
+ "<extra_id_48>",
52
+ "<extra_id_49>",
53
+ "<extra_id_50>",
54
+ "<extra_id_51>",
55
+ "<extra_id_52>",
56
+ "<extra_id_53>",
57
+ "<extra_id_54>",
58
+ "<extra_id_55>",
59
+ "<extra_id_56>",
60
+ "<extra_id_57>",
61
+ "<extra_id_58>",
62
+ "<extra_id_59>",
63
+ "<extra_id_60>",
64
+ "<extra_id_61>",
65
+ "<extra_id_62>",
66
+ "<extra_id_63>",
67
+ "<extra_id_64>",
68
+ "<extra_id_65>",
69
+ "<extra_id_66>",
70
+ "<extra_id_67>",
71
+ "<extra_id_68>",
72
+ "<extra_id_69>",
73
+ "<extra_id_70>",
74
+ "<extra_id_71>",
75
+ "<extra_id_72>",
76
+ "<extra_id_73>",
77
+ "<extra_id_74>",
78
+ "<extra_id_75>",
79
+ "<extra_id_76>",
80
+ "<extra_id_77>",
81
+ "<extra_id_78>",
82
+ "<extra_id_79>",
83
+ "<extra_id_80>",
84
+ "<extra_id_81>",
85
+ "<extra_id_82>",
86
+ "<extra_id_83>",
87
+ "<extra_id_84>",
88
+ "<extra_id_85>",
89
+ "<extra_id_86>",
90
+ "<extra_id_87>",
91
+ "<extra_id_88>",
92
+ "<extra_id_89>",
93
+ "<extra_id_90>",
94
+ "<extra_id_91>",
95
+ "<extra_id_92>",
96
+ "<extra_id_93>",
97
+ "<extra_id_94>",
98
+ "<extra_id_95>",
99
+ "<extra_id_96>",
100
+ "<extra_id_97>",
101
+ "<extra_id_98>",
102
+ "<extra_id_99>"
103
+ ],
104
+ "eos_token": "</s>",
105
+ "pad_token": "<pad>",
106
+ "unk_token": "<unk>"
107
+ }
checkpoint-4504/spiece.model ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:d60acb128cf7b7f2536e8f38a5b18a05535c9e14c7a355904270e15b0945ea86
3
+ size 791656
checkpoint-4504/tokenizer.json ADDED
The diff for this file is too large to render. See raw diff
 
checkpoint-4504/tokenizer_config.json ADDED
@@ -0,0 +1,939 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "add_prefix_space": null,
3
+ "added_tokens_decoder": {
4
+ "0": {
5
+ "content": "<pad>",
6
+ "lstrip": false,
7
+ "normalized": false,
8
+ "rstrip": false,
9
+ "single_word": false,
10
+ "special": true
11
+ },
12
+ "1": {
13
+ "content": "</s>",
14
+ "lstrip": false,
15
+ "normalized": false,
16
+ "rstrip": false,
17
+ "single_word": false,
18
+ "special": true
19
+ },
20
+ "2": {
21
+ "content": "<unk>",
22
+ "lstrip": false,
23
+ "normalized": false,
24
+ "rstrip": false,
25
+ "single_word": false,
26
+ "special": true
27
+ },
28
+ "32000": {
29
+ "content": "<extra_id_99>",
30
+ "lstrip": false,
31
+ "normalized": false,
32
+ "rstrip": false,
33
+ "single_word": false,
34
+ "special": true
35
+ },
36
+ "32001": {
37
+ "content": "<extra_id_98>",
38
+ "lstrip": false,
39
+ "normalized": false,
40
+ "rstrip": false,
41
+ "single_word": false,
42
+ "special": true
43
+ },
44
+ "32002": {
45
+ "content": "<extra_id_97>",
46
+ "lstrip": false,
47
+ "normalized": false,
48
+ "rstrip": false,
49
+ "single_word": false,
50
+ "special": true
51
+ },
52
+ "32003": {
53
+ "content": "<extra_id_96>",
54
+ "lstrip": false,
55
+ "normalized": false,
56
+ "rstrip": false,
57
+ "single_word": false,
58
+ "special": true
59
+ },
60
+ "32004": {
61
+ "content": "<extra_id_95>",
62
+ "lstrip": false,
63
+ "normalized": false,
64
+ "rstrip": false,
65
+ "single_word": false,
66
+ "special": true
67
+ },
68
+ "32005": {
69
+ "content": "<extra_id_94>",
70
+ "lstrip": false,
71
+ "normalized": false,
72
+ "rstrip": false,
73
+ "single_word": false,
74
+ "special": true
75
+ },
76
+ "32006": {
77
+ "content": "<extra_id_93>",
78
+ "lstrip": false,
79
+ "normalized": false,
80
+ "rstrip": false,
81
+ "single_word": false,
82
+ "special": true
83
+ },
84
+ "32007": {
85
+ "content": "<extra_id_92>",
86
+ "lstrip": false,
87
+ "normalized": false,
88
+ "rstrip": false,
89
+ "single_word": false,
90
+ "special": true
91
+ },
92
+ "32008": {
93
+ "content": "<extra_id_91>",
94
+ "lstrip": false,
95
+ "normalized": false,
96
+ "rstrip": false,
97
+ "single_word": false,
98
+ "special": true
99
+ },
100
+ "32009": {
101
+ "content": "<extra_id_90>",
102
+ "lstrip": false,
103
+ "normalized": false,
104
+ "rstrip": false,
105
+ "single_word": false,
106
+ "special": true
107
+ },
108
+ "32010": {
109
+ "content": "<extra_id_89>",
110
+ "lstrip": false,
111
+ "normalized": false,
112
+ "rstrip": false,
113
+ "single_word": false,
114
+ "special": true
115
+ },
116
+ "32011": {
117
+ "content": "<extra_id_88>",
118
+ "lstrip": false,
119
+ "normalized": false,
120
+ "rstrip": false,
121
+ "single_word": false,
122
+ "special": true
123
+ },
124
+ "32012": {
125
+ "content": "<extra_id_87>",
126
+ "lstrip": false,
127
+ "normalized": false,
128
+ "rstrip": false,
129
+ "single_word": false,
130
+ "special": true
131
+ },
132
+ "32013": {
133
+ "content": "<extra_id_86>",
134
+ "lstrip": false,
135
+ "normalized": false,
136
+ "rstrip": false,
137
+ "single_word": false,
138
+ "special": true
139
+ },
140
+ "32014": {
141
+ "content": "<extra_id_85>",
142
+ "lstrip": false,
143
+ "normalized": false,
144
+ "rstrip": false,
145
+ "single_word": false,
146
+ "special": true
147
+ },
148
+ "32015": {
149
+ "content": "<extra_id_84>",
150
+ "lstrip": false,
151
+ "normalized": false,
152
+ "rstrip": false,
153
+ "single_word": false,
154
+ "special": true
155
+ },
156
+ "32016": {
157
+ "content": "<extra_id_83>",
158
+ "lstrip": false,
159
+ "normalized": false,
160
+ "rstrip": false,
161
+ "single_word": false,
162
+ "special": true
163
+ },
164
+ "32017": {
165
+ "content": "<extra_id_82>",
166
+ "lstrip": false,
167
+ "normalized": false,
168
+ "rstrip": false,
169
+ "single_word": false,
170
+ "special": true
171
+ },
172
+ "32018": {
173
+ "content": "<extra_id_81>",
174
+ "lstrip": false,
175
+ "normalized": false,
176
+ "rstrip": false,
177
+ "single_word": false,
178
+ "special": true
179
+ },
180
+ "32019": {
181
+ "content": "<extra_id_80>",
182
+ "lstrip": false,
183
+ "normalized": false,
184
+ "rstrip": false,
185
+ "single_word": false,
186
+ "special": true
187
+ },
188
+ "32020": {
189
+ "content": "<extra_id_79>",
190
+ "lstrip": false,
191
+ "normalized": false,
192
+ "rstrip": false,
193
+ "single_word": false,
194
+ "special": true
195
+ },
196
+ "32021": {
197
+ "content": "<extra_id_78>",
198
+ "lstrip": false,
199
+ "normalized": false,
200
+ "rstrip": false,
201
+ "single_word": false,
202
+ "special": true
203
+ },
204
+ "32022": {
205
+ "content": "<extra_id_77>",
206
+ "lstrip": false,
207
+ "normalized": false,
208
+ "rstrip": false,
209
+ "single_word": false,
210
+ "special": true
211
+ },
212
+ "32023": {
213
+ "content": "<extra_id_76>",
214
+ "lstrip": false,
215
+ "normalized": false,
216
+ "rstrip": false,
217
+ "single_word": false,
218
+ "special": true
219
+ },
220
+ "32024": {
221
+ "content": "<extra_id_75>",
222
+ "lstrip": false,
223
+ "normalized": false,
224
+ "rstrip": false,
225
+ "single_word": false,
226
+ "special": true
227
+ },
228
+ "32025": {
229
+ "content": "<extra_id_74>",
230
+ "lstrip": false,
231
+ "normalized": false,
232
+ "rstrip": false,
233
+ "single_word": false,
234
+ "special": true
235
+ },
236
+ "32026": {
237
+ "content": "<extra_id_73>",
238
+ "lstrip": false,
239
+ "normalized": false,
240
+ "rstrip": false,
241
+ "single_word": false,
242
+ "special": true
243
+ },
244
+ "32027": {
245
+ "content": "<extra_id_72>",
246
+ "lstrip": false,
247
+ "normalized": false,
248
+ "rstrip": false,
249
+ "single_word": false,
250
+ "special": true
251
+ },
252
+ "32028": {
253
+ "content": "<extra_id_71>",
254
+ "lstrip": false,
255
+ "normalized": false,
256
+ "rstrip": false,
257
+ "single_word": false,
258
+ "special": true
259
+ },
260
+ "32029": {
261
+ "content": "<extra_id_70>",
262
+ "lstrip": false,
263
+ "normalized": false,
264
+ "rstrip": false,
265
+ "single_word": false,
266
+ "special": true
267
+ },
268
+ "32030": {
269
+ "content": "<extra_id_69>",
270
+ "lstrip": false,
271
+ "normalized": false,
272
+ "rstrip": false,
273
+ "single_word": false,
274
+ "special": true
275
+ },
276
+ "32031": {
277
+ "content": "<extra_id_68>",
278
+ "lstrip": false,
279
+ "normalized": false,
280
+ "rstrip": false,
281
+ "single_word": false,
282
+ "special": true
283
+ },
284
+ "32032": {
285
+ "content": "<extra_id_67>",
286
+ "lstrip": false,
287
+ "normalized": false,
288
+ "rstrip": false,
289
+ "single_word": false,
290
+ "special": true
291
+ },
292
+ "32033": {
293
+ "content": "<extra_id_66>",
294
+ "lstrip": false,
295
+ "normalized": false,
296
+ "rstrip": false,
297
+ "single_word": false,
298
+ "special": true
299
+ },
300
+ "32034": {
301
+ "content": "<extra_id_65>",
302
+ "lstrip": false,
303
+ "normalized": false,
304
+ "rstrip": false,
305
+ "single_word": false,
306
+ "special": true
307
+ },
308
+ "32035": {
309
+ "content": "<extra_id_64>",
310
+ "lstrip": false,
311
+ "normalized": false,
312
+ "rstrip": false,
313
+ "single_word": false,
314
+ "special": true
315
+ },
316
+ "32036": {
317
+ "content": "<extra_id_63>",
318
+ "lstrip": false,
319
+ "normalized": false,
320
+ "rstrip": false,
321
+ "single_word": false,
322
+ "special": true
323
+ },
324
+ "32037": {
325
+ "content": "<extra_id_62>",
326
+ "lstrip": false,
327
+ "normalized": false,
328
+ "rstrip": false,
329
+ "single_word": false,
330
+ "special": true
331
+ },
332
+ "32038": {
333
+ "content": "<extra_id_61>",
334
+ "lstrip": false,
335
+ "normalized": false,
336
+ "rstrip": false,
337
+ "single_word": false,
338
+ "special": true
339
+ },
340
+ "32039": {
341
+ "content": "<extra_id_60>",
342
+ "lstrip": false,
343
+ "normalized": false,
344
+ "rstrip": false,
345
+ "single_word": false,
346
+ "special": true
347
+ },
348
+ "32040": {
349
+ "content": "<extra_id_59>",
350
+ "lstrip": false,
351
+ "normalized": false,
352
+ "rstrip": false,
353
+ "single_word": false,
354
+ "special": true
355
+ },
356
+ "32041": {
357
+ "content": "<extra_id_58>",
358
+ "lstrip": false,
359
+ "normalized": false,
360
+ "rstrip": false,
361
+ "single_word": false,
362
+ "special": true
363
+ },
364
+ "32042": {
365
+ "content": "<extra_id_57>",
366
+ "lstrip": false,
367
+ "normalized": false,
368
+ "rstrip": false,
369
+ "single_word": false,
370
+ "special": true
371
+ },
372
+ "32043": {
373
+ "content": "<extra_id_56>",
374
+ "lstrip": false,
375
+ "normalized": false,
376
+ "rstrip": false,
377
+ "single_word": false,
378
+ "special": true
379
+ },
380
+ "32044": {
381
+ "content": "<extra_id_55>",
382
+ "lstrip": false,
383
+ "normalized": false,
384
+ "rstrip": false,
385
+ "single_word": false,
386
+ "special": true
387
+ },
388
+ "32045": {
389
+ "content": "<extra_id_54>",
390
+ "lstrip": false,
391
+ "normalized": false,
392
+ "rstrip": false,
393
+ "single_word": false,
394
+ "special": true
395
+ },
396
+ "32046": {
397
+ "content": "<extra_id_53>",
398
+ "lstrip": false,
399
+ "normalized": false,
400
+ "rstrip": false,
401
+ "single_word": false,
402
+ "special": true
403
+ },
404
+ "32047": {
405
+ "content": "<extra_id_52>",
406
+ "lstrip": false,
407
+ "normalized": false,
408
+ "rstrip": false,
409
+ "single_word": false,
410
+ "special": true
411
+ },
412
+ "32048": {
413
+ "content": "<extra_id_51>",
414
+ "lstrip": false,
415
+ "normalized": false,
416
+ "rstrip": false,
417
+ "single_word": false,
418
+ "special": true
419
+ },
420
+ "32049": {
421
+ "content": "<extra_id_50>",
422
+ "lstrip": false,
423
+ "normalized": false,
424
+ "rstrip": false,
425
+ "single_word": false,
426
+ "special": true
427
+ },
428
+ "32050": {
429
+ "content": "<extra_id_49>",
430
+ "lstrip": false,
431
+ "normalized": false,
432
+ "rstrip": false,
433
+ "single_word": false,
434
+ "special": true
435
+ },
436
+ "32051": {
437
+ "content": "<extra_id_48>",
438
+ "lstrip": false,
439
+ "normalized": false,
440
+ "rstrip": false,
441
+ "single_word": false,
442
+ "special": true
443
+ },
444
+ "32052": {
445
+ "content": "<extra_id_47>",
446
+ "lstrip": false,
447
+ "normalized": false,
448
+ "rstrip": false,
449
+ "single_word": false,
450
+ "special": true
451
+ },
452
+ "32053": {
453
+ "content": "<extra_id_46>",
454
+ "lstrip": false,
455
+ "normalized": false,
456
+ "rstrip": false,
457
+ "single_word": false,
458
+ "special": true
459
+ },
460
+ "32054": {
461
+ "content": "<extra_id_45>",
462
+ "lstrip": false,
463
+ "normalized": false,
464
+ "rstrip": false,
465
+ "single_word": false,
466
+ "special": true
467
+ },
468
+ "32055": {
469
+ "content": "<extra_id_44>",
470
+ "lstrip": false,
471
+ "normalized": false,
472
+ "rstrip": false,
473
+ "single_word": false,
474
+ "special": true
475
+ },
476
+ "32056": {
477
+ "content": "<extra_id_43>",
478
+ "lstrip": false,
479
+ "normalized": false,
480
+ "rstrip": false,
481
+ "single_word": false,
482
+ "special": true
483
+ },
484
+ "32057": {
485
+ "content": "<extra_id_42>",
486
+ "lstrip": false,
487
+ "normalized": false,
488
+ "rstrip": false,
489
+ "single_word": false,
490
+ "special": true
491
+ },
492
+ "32058": {
493
+ "content": "<extra_id_41>",
494
+ "lstrip": false,
495
+ "normalized": false,
496
+ "rstrip": false,
497
+ "single_word": false,
498
+ "special": true
499
+ },
500
+ "32059": {
501
+ "content": "<extra_id_40>",
502
+ "lstrip": false,
503
+ "normalized": false,
504
+ "rstrip": false,
505
+ "single_word": false,
506
+ "special": true
507
+ },
508
+ "32060": {
509
+ "content": "<extra_id_39>",
510
+ "lstrip": false,
511
+ "normalized": false,
512
+ "rstrip": false,
513
+ "single_word": false,
514
+ "special": true
515
+ },
516
+ "32061": {
517
+ "content": "<extra_id_38>",
518
+ "lstrip": false,
519
+ "normalized": false,
520
+ "rstrip": false,
521
+ "single_word": false,
522
+ "special": true
523
+ },
524
+ "32062": {
525
+ "content": "<extra_id_37>",
526
+ "lstrip": false,
527
+ "normalized": false,
528
+ "rstrip": false,
529
+ "single_word": false,
530
+ "special": true
531
+ },
532
+ "32063": {
533
+ "content": "<extra_id_36>",
534
+ "lstrip": false,
535
+ "normalized": false,
536
+ "rstrip": false,
537
+ "single_word": false,
538
+ "special": true
539
+ },
540
+ "32064": {
541
+ "content": "<extra_id_35>",
542
+ "lstrip": false,
543
+ "normalized": false,
544
+ "rstrip": false,
545
+ "single_word": false,
546
+ "special": true
547
+ },
548
+ "32065": {
549
+ "content": "<extra_id_34>",
550
+ "lstrip": false,
551
+ "normalized": false,
552
+ "rstrip": false,
553
+ "single_word": false,
554
+ "special": true
555
+ },
556
+ "32066": {
557
+ "content": "<extra_id_33>",
558
+ "lstrip": false,
559
+ "normalized": false,
560
+ "rstrip": false,
561
+ "single_word": false,
562
+ "special": true
563
+ },
564
+ "32067": {
565
+ "content": "<extra_id_32>",
566
+ "lstrip": false,
567
+ "normalized": false,
568
+ "rstrip": false,
569
+ "single_word": false,
570
+ "special": true
571
+ },
572
+ "32068": {
573
+ "content": "<extra_id_31>",
574
+ "lstrip": false,
575
+ "normalized": false,
576
+ "rstrip": false,
577
+ "single_word": false,
578
+ "special": true
579
+ },
580
+ "32069": {
581
+ "content": "<extra_id_30>",
582
+ "lstrip": false,
583
+ "normalized": false,
584
+ "rstrip": false,
585
+ "single_word": false,
586
+ "special": true
587
+ },
588
+ "32070": {
589
+ "content": "<extra_id_29>",
590
+ "lstrip": false,
591
+ "normalized": false,
592
+ "rstrip": false,
593
+ "single_word": false,
594
+ "special": true
595
+ },
596
+ "32071": {
597
+ "content": "<extra_id_28>",
598
+ "lstrip": false,
599
+ "normalized": false,
600
+ "rstrip": false,
601
+ "single_word": false,
602
+ "special": true
603
+ },
604
+ "32072": {
605
+ "content": "<extra_id_27>",
606
+ "lstrip": false,
607
+ "normalized": false,
608
+ "rstrip": false,
609
+ "single_word": false,
610
+ "special": true
611
+ },
612
+ "32073": {
613
+ "content": "<extra_id_26>",
614
+ "lstrip": false,
615
+ "normalized": false,
616
+ "rstrip": false,
617
+ "single_word": false,
618
+ "special": true
619
+ },
620
+ "32074": {
621
+ "content": "<extra_id_25>",
622
+ "lstrip": false,
623
+ "normalized": false,
624
+ "rstrip": false,
625
+ "single_word": false,
626
+ "special": true
627
+ },
628
+ "32075": {
629
+ "content": "<extra_id_24>",
630
+ "lstrip": false,
631
+ "normalized": false,
632
+ "rstrip": false,
633
+ "single_word": false,
634
+ "special": true
635
+ },
636
+ "32076": {
637
+ "content": "<extra_id_23>",
638
+ "lstrip": false,
639
+ "normalized": false,
640
+ "rstrip": false,
641
+ "single_word": false,
642
+ "special": true
643
+ },
644
+ "32077": {
645
+ "content": "<extra_id_22>",
646
+ "lstrip": false,
647
+ "normalized": false,
648
+ "rstrip": false,
649
+ "single_word": false,
650
+ "special": true
651
+ },
652
+ "32078": {
653
+ "content": "<extra_id_21>",
654
+ "lstrip": false,
655
+ "normalized": false,
656
+ "rstrip": false,
657
+ "single_word": false,
658
+ "special": true
659
+ },
660
+ "32079": {
661
+ "content": "<extra_id_20>",
662
+ "lstrip": false,
663
+ "normalized": false,
664
+ "rstrip": false,
665
+ "single_word": false,
666
+ "special": true
667
+ },
668
+ "32080": {
669
+ "content": "<extra_id_19>",
670
+ "lstrip": false,
671
+ "normalized": false,
672
+ "rstrip": false,
673
+ "single_word": false,
674
+ "special": true
675
+ },
676
+ "32081": {
677
+ "content": "<extra_id_18>",
678
+ "lstrip": false,
679
+ "normalized": false,
680
+ "rstrip": false,
681
+ "single_word": false,
682
+ "special": true
683
+ },
684
+ "32082": {
685
+ "content": "<extra_id_17>",
686
+ "lstrip": false,
687
+ "normalized": false,
688
+ "rstrip": false,
689
+ "single_word": false,
690
+ "special": true
691
+ },
692
+ "32083": {
693
+ "content": "<extra_id_16>",
694
+ "lstrip": false,
695
+ "normalized": false,
696
+ "rstrip": false,
697
+ "single_word": false,
698
+ "special": true
699
+ },
700
+ "32084": {
701
+ "content": "<extra_id_15>",
702
+ "lstrip": false,
703
+ "normalized": false,
704
+ "rstrip": false,
705
+ "single_word": false,
706
+ "special": true
707
+ },
708
+ "32085": {
709
+ "content": "<extra_id_14>",
710
+ "lstrip": false,
711
+ "normalized": false,
712
+ "rstrip": false,
713
+ "single_word": false,
714
+ "special": true
715
+ },
716
+ "32086": {
717
+ "content": "<extra_id_13>",
718
+ "lstrip": false,
719
+ "normalized": false,
720
+ "rstrip": false,
721
+ "single_word": false,
722
+ "special": true
723
+ },
724
+ "32087": {
725
+ "content": "<extra_id_12>",
726
+ "lstrip": false,
727
+ "normalized": false,
728
+ "rstrip": false,
729
+ "single_word": false,
730
+ "special": true
731
+ },
732
+ "32088": {
733
+ "content": "<extra_id_11>",
734
+ "lstrip": false,
735
+ "normalized": false,
736
+ "rstrip": false,
737
+ "single_word": false,
738
+ "special": true
739
+ },
740
+ "32089": {
741
+ "content": "<extra_id_10>",
742
+ "lstrip": false,
743
+ "normalized": false,
744
+ "rstrip": false,
745
+ "single_word": false,
746
+ "special": true
747
+ },
748
+ "32090": {
749
+ "content": "<extra_id_9>",
750
+ "lstrip": false,
751
+ "normalized": false,
752
+ "rstrip": false,
753
+ "single_word": false,
754
+ "special": true
755
+ },
756
+ "32091": {
757
+ "content": "<extra_id_8>",
758
+ "lstrip": false,
759
+ "normalized": false,
760
+ "rstrip": false,
761
+ "single_word": false,
762
+ "special": true
763
+ },
764
+ "32092": {
765
+ "content": "<extra_id_7>",
766
+ "lstrip": false,
767
+ "normalized": false,
768
+ "rstrip": false,
769
+ "single_word": false,
770
+ "special": true
771
+ },
772
+ "32093": {
773
+ "content": "<extra_id_6>",
774
+ "lstrip": false,
775
+ "normalized": false,
776
+ "rstrip": false,
777
+ "single_word": false,
778
+ "special": true
779
+ },
780
+ "32094": {
781
+ "content": "<extra_id_5>",
782
+ "lstrip": false,
783
+ "normalized": false,
784
+ "rstrip": false,
785
+ "single_word": false,
786
+ "special": true
787
+ },
788
+ "32095": {
789
+ "content": "<extra_id_4>",
790
+ "lstrip": false,
791
+ "normalized": false,
792
+ "rstrip": false,
793
+ "single_word": false,
794
+ "special": true
795
+ },
796
+ "32096": {
797
+ "content": "<extra_id_3>",
798
+ "lstrip": false,
799
+ "normalized": false,
800
+ "rstrip": false,
801
+ "single_word": false,
802
+ "special": true
803
+ },
804
+ "32097": {
805
+ "content": "<extra_id_2>",
806
+ "lstrip": false,
807
+ "normalized": false,
808
+ "rstrip": false,
809
+ "single_word": false,
810
+ "special": true
811
+ },
812
+ "32098": {
813
+ "content": "<extra_id_1>",
814
+ "lstrip": false,
815
+ "normalized": false,
816
+ "rstrip": false,
817
+ "single_word": false,
818
+ "special": true
819
+ },
820
+ "32099": {
821
+ "content": "<extra_id_0>",
822
+ "lstrip": false,
823
+ "normalized": false,
824
+ "rstrip": false,
825
+ "single_word": false,
826
+ "special": true
827
+ }
828
+ },
829
+ "additional_special_tokens": [
830
+ "<extra_id_0>",
831
+ "<extra_id_1>",
832
+ "<extra_id_2>",
833
+ "<extra_id_3>",
834
+ "<extra_id_4>",
835
+ "<extra_id_5>",
836
+ "<extra_id_6>",
837
+ "<extra_id_7>",
838
+ "<extra_id_8>",
839
+ "<extra_id_9>",
840
+ "<extra_id_10>",
841
+ "<extra_id_11>",
842
+ "<extra_id_12>",
843
+ "<extra_id_13>",
844
+ "<extra_id_14>",
845
+ "<extra_id_15>",
846
+ "<extra_id_16>",
847
+ "<extra_id_17>",
848
+ "<extra_id_18>",
849
+ "<extra_id_19>",
850
+ "<extra_id_20>",
851
+ "<extra_id_21>",
852
+ "<extra_id_22>",
853
+ "<extra_id_23>",
854
+ "<extra_id_24>",
855
+ "<extra_id_25>",
856
+ "<extra_id_26>",
857
+ "<extra_id_27>",
858
+ "<extra_id_28>",
859
+ "<extra_id_29>",
860
+ "<extra_id_30>",
861
+ "<extra_id_31>",
862
+ "<extra_id_32>",
863
+ "<extra_id_33>",
864
+ "<extra_id_34>",
865
+ "<extra_id_35>",
866
+ "<extra_id_36>",
867
+ "<extra_id_37>",
868
+ "<extra_id_38>",
869
+ "<extra_id_39>",
870
+ "<extra_id_40>",
871
+ "<extra_id_41>",
872
+ "<extra_id_42>",
873
+ "<extra_id_43>",
874
+ "<extra_id_44>",
875
+ "<extra_id_45>",
876
+ "<extra_id_46>",
877
+ "<extra_id_47>",
878
+ "<extra_id_48>",
879
+ "<extra_id_49>",
880
+ "<extra_id_50>",
881
+ "<extra_id_51>",
882
+ "<extra_id_52>",
883
+ "<extra_id_53>",
884
+ "<extra_id_54>",
885
+ "<extra_id_55>",
886
+ "<extra_id_56>",
887
+ "<extra_id_57>",
888
+ "<extra_id_58>",
889
+ "<extra_id_59>",
890
+ "<extra_id_60>",
891
+ "<extra_id_61>",
892
+ "<extra_id_62>",
893
+ "<extra_id_63>",
894
+ "<extra_id_64>",
895
+ "<extra_id_65>",
896
+ "<extra_id_66>",
897
+ "<extra_id_67>",
898
+ "<extra_id_68>",
899
+ "<extra_id_69>",
900
+ "<extra_id_70>",
901
+ "<extra_id_71>",
902
+ "<extra_id_72>",
903
+ "<extra_id_73>",
904
+ "<extra_id_74>",
905
+ "<extra_id_75>",
906
+ "<extra_id_76>",
907
+ "<extra_id_77>",
908
+ "<extra_id_78>",
909
+ "<extra_id_79>",
910
+ "<extra_id_80>",
911
+ "<extra_id_81>",
912
+ "<extra_id_82>",
913
+ "<extra_id_83>",
914
+ "<extra_id_84>",
915
+ "<extra_id_85>",
916
+ "<extra_id_86>",
917
+ "<extra_id_87>",
918
+ "<extra_id_88>",
919
+ "<extra_id_89>",
920
+ "<extra_id_90>",
921
+ "<extra_id_91>",
922
+ "<extra_id_92>",
923
+ "<extra_id_93>",
924
+ "<extra_id_94>",
925
+ "<extra_id_95>",
926
+ "<extra_id_96>",
927
+ "<extra_id_97>",
928
+ "<extra_id_98>",
929
+ "<extra_id_99>"
930
+ ],
931
+ "clean_up_tokenization_spaces": false,
932
+ "eos_token": "</s>",
933
+ "extra_ids": 100,
934
+ "extra_special_tokens": {},
935
+ "model_max_length": 1000000000000000019884624838656,
936
+ "pad_token": "<pad>",
937
+ "tokenizer_class": "T5Tokenizer",
938
+ "unk_token": "<unk>"
939
+ }
checkpoint-4504/trainer_state.json ADDED
@@ -0,0 +1,3248 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_global_step": null,
3
+ "best_metric": null,
4
+ "best_model_checkpoint": null,
5
+ "epoch": 8.0,
6
+ "eval_steps": 500,
7
+ "global_step": 4504,
8
+ "is_hyper_param_search": false,
9
+ "is_local_process_zero": true,
10
+ "is_world_process_zero": true,
11
+ "log_history": [
12
+ {
13
+ "epoch": 0.017761989342806393,
14
+ "grad_norm": 2.08616042137146,
15
+ "learning_rate": 4.9900088809946715e-05,
16
+ "loss": 5.9583,
17
+ "step": 10
18
+ },
19
+ {
20
+ "epoch": 0.035523978685612786,
21
+ "grad_norm": 2.0548300743103027,
22
+ "learning_rate": 4.978907637655418e-05,
23
+ "loss": 3.0383,
24
+ "step": 20
25
+ },
26
+ {
27
+ "epoch": 0.05328596802841918,
28
+ "grad_norm": 1.3866031169891357,
29
+ "learning_rate": 4.967806394316163e-05,
30
+ "loss": 2.0479,
31
+ "step": 30
32
+ },
33
+ {
34
+ "epoch": 0.07104795737122557,
35
+ "grad_norm": 1.5728237628936768,
36
+ "learning_rate": 4.9567051509769094e-05,
37
+ "loss": 1.3301,
38
+ "step": 40
39
+ },
40
+ {
41
+ "epoch": 0.08880994671403197,
42
+ "grad_norm": 1.3490098714828491,
43
+ "learning_rate": 4.9456039076376556e-05,
44
+ "loss": 0.8203,
45
+ "step": 50
46
+ },
47
+ {
48
+ "epoch": 0.10657193605683836,
49
+ "grad_norm": 1.1025753021240234,
50
+ "learning_rate": 4.934502664298402e-05,
51
+ "loss": 0.5509,
52
+ "step": 60
53
+ },
54
+ {
55
+ "epoch": 0.12433392539964476,
56
+ "grad_norm": 1.8544913530349731,
57
+ "learning_rate": 4.923401420959148e-05,
58
+ "loss": 0.3441,
59
+ "step": 70
60
+ },
61
+ {
62
+ "epoch": 0.14209591474245115,
63
+ "grad_norm": 0.7912121415138245,
64
+ "learning_rate": 4.9123001776198936e-05,
65
+ "loss": 0.2242,
66
+ "step": 80
67
+ },
68
+ {
69
+ "epoch": 0.15985790408525755,
70
+ "grad_norm": 0.6116934418678284,
71
+ "learning_rate": 4.90119893428064e-05,
72
+ "loss": 0.1493,
73
+ "step": 90
74
+ },
75
+ {
76
+ "epoch": 0.17761989342806395,
77
+ "grad_norm": 0.627920925617218,
78
+ "learning_rate": 4.890097690941386e-05,
79
+ "loss": 0.123,
80
+ "step": 100
81
+ },
82
+ {
83
+ "epoch": 0.19538188277087035,
84
+ "grad_norm": 0.5851693153381348,
85
+ "learning_rate": 4.8789964476021315e-05,
86
+ "loss": 0.0908,
87
+ "step": 110
88
+ },
89
+ {
90
+ "epoch": 0.21314387211367672,
91
+ "grad_norm": 0.4242522716522217,
92
+ "learning_rate": 4.867895204262878e-05,
93
+ "loss": 0.0668,
94
+ "step": 120
95
+ },
96
+ {
97
+ "epoch": 0.23090586145648312,
98
+ "grad_norm": 0.38480210304260254,
99
+ "learning_rate": 4.856793960923623e-05,
100
+ "loss": 0.0498,
101
+ "step": 130
102
+ },
103
+ {
104
+ "epoch": 0.24866785079928952,
105
+ "grad_norm": 0.4704955816268921,
106
+ "learning_rate": 4.8456927175843695e-05,
107
+ "loss": 0.0478,
108
+ "step": 140
109
+ },
110
+ {
111
+ "epoch": 0.2664298401420959,
112
+ "grad_norm": 0.33954229950904846,
113
+ "learning_rate": 4.834591474245116e-05,
114
+ "loss": 0.0383,
115
+ "step": 150
116
+ },
117
+ {
118
+ "epoch": 0.2841918294849023,
119
+ "grad_norm": 0.3331491947174072,
120
+ "learning_rate": 4.823490230905862e-05,
121
+ "loss": 0.0334,
122
+ "step": 160
123
+ },
124
+ {
125
+ "epoch": 0.3019538188277087,
126
+ "grad_norm": 0.22477354109287262,
127
+ "learning_rate": 4.812388987566608e-05,
128
+ "loss": 0.0285,
129
+ "step": 170
130
+ },
131
+ {
132
+ "epoch": 0.3197158081705151,
133
+ "grad_norm": 0.32435140013694763,
134
+ "learning_rate": 4.8012877442273537e-05,
135
+ "loss": 0.0262,
136
+ "step": 180
137
+ },
138
+ {
139
+ "epoch": 0.33747779751332146,
140
+ "grad_norm": 0.2808849513530731,
141
+ "learning_rate": 4.7901865008881e-05,
142
+ "loss": 0.0234,
143
+ "step": 190
144
+ },
145
+ {
146
+ "epoch": 0.3552397868561279,
147
+ "grad_norm": 0.24697023630142212,
148
+ "learning_rate": 4.779085257548846e-05,
149
+ "loss": 0.0214,
150
+ "step": 200
151
+ },
152
+ {
153
+ "epoch": 0.37300177619893427,
154
+ "grad_norm": 0.1854216456413269,
155
+ "learning_rate": 4.7679840142095916e-05,
156
+ "loss": 0.0188,
157
+ "step": 210
158
+ },
159
+ {
160
+ "epoch": 0.3907637655417407,
161
+ "grad_norm": 0.1791575402021408,
162
+ "learning_rate": 4.756882770870338e-05,
163
+ "loss": 0.0187,
164
+ "step": 220
165
+ },
166
+ {
167
+ "epoch": 0.40852575488454707,
168
+ "grad_norm": 0.2226918488740921,
169
+ "learning_rate": 4.7457815275310833e-05,
170
+ "loss": 0.0169,
171
+ "step": 230
172
+ },
173
+ {
174
+ "epoch": 0.42628774422735344,
175
+ "grad_norm": 0.2505394518375397,
176
+ "learning_rate": 4.7346802841918296e-05,
177
+ "loss": 0.017,
178
+ "step": 240
179
+ },
180
+ {
181
+ "epoch": 0.44404973357015987,
182
+ "grad_norm": 0.1905129998922348,
183
+ "learning_rate": 4.723579040852576e-05,
184
+ "loss": 0.0144,
185
+ "step": 250
186
+ },
187
+ {
188
+ "epoch": 0.46181172291296624,
189
+ "grad_norm": 0.22495870292186737,
190
+ "learning_rate": 4.712477797513321e-05,
191
+ "loss": 0.0151,
192
+ "step": 260
193
+ },
194
+ {
195
+ "epoch": 0.47957371225577267,
196
+ "grad_norm": 0.17531022429466248,
197
+ "learning_rate": 4.701376554174068e-05,
198
+ "loss": 0.0113,
199
+ "step": 270
200
+ },
201
+ {
202
+ "epoch": 0.49733570159857904,
203
+ "grad_norm": 0.18769726157188416,
204
+ "learning_rate": 4.690275310834814e-05,
205
+ "loss": 0.0115,
206
+ "step": 280
207
+ },
208
+ {
209
+ "epoch": 0.5150976909413855,
210
+ "grad_norm": 0.18548175692558289,
211
+ "learning_rate": 4.67917406749556e-05,
212
+ "loss": 0.0106,
213
+ "step": 290
214
+ },
215
+ {
216
+ "epoch": 0.5328596802841918,
217
+ "grad_norm": 0.19990290701389313,
218
+ "learning_rate": 4.668072824156306e-05,
219
+ "loss": 0.0102,
220
+ "step": 300
221
+ },
222
+ {
223
+ "epoch": 0.5506216696269982,
224
+ "grad_norm": 0.12933073937892914,
225
+ "learning_rate": 4.656971580817052e-05,
226
+ "loss": 0.0092,
227
+ "step": 310
228
+ },
229
+ {
230
+ "epoch": 0.5683836589698046,
231
+ "grad_norm": 0.1915041208267212,
232
+ "learning_rate": 4.645870337477798e-05,
233
+ "loss": 0.009,
234
+ "step": 320
235
+ },
236
+ {
237
+ "epoch": 0.5861456483126111,
238
+ "grad_norm": 0.1646175980567932,
239
+ "learning_rate": 4.6347690941385434e-05,
240
+ "loss": 0.0089,
241
+ "step": 330
242
+ },
243
+ {
244
+ "epoch": 0.6039076376554174,
245
+ "grad_norm": 0.13864779472351074,
246
+ "learning_rate": 4.6236678507992896e-05,
247
+ "loss": 0.0078,
248
+ "step": 340
249
+ },
250
+ {
251
+ "epoch": 0.6216696269982238,
252
+ "grad_norm": 0.20968131721019745,
253
+ "learning_rate": 4.612566607460036e-05,
254
+ "loss": 0.0084,
255
+ "step": 350
256
+ },
257
+ {
258
+ "epoch": 0.6394316163410302,
259
+ "grad_norm": 0.1403323858976364,
260
+ "learning_rate": 4.6014653641207814e-05,
261
+ "loss": 0.0067,
262
+ "step": 360
263
+ },
264
+ {
265
+ "epoch": 0.6571936056838366,
266
+ "grad_norm": 0.1056448444724083,
267
+ "learning_rate": 4.5903641207815276e-05,
268
+ "loss": 0.007,
269
+ "step": 370
270
+ },
271
+ {
272
+ "epoch": 0.6749555950266429,
273
+ "grad_norm": 0.09233298897743225,
274
+ "learning_rate": 4.579262877442274e-05,
275
+ "loss": 0.0063,
276
+ "step": 380
277
+ },
278
+ {
279
+ "epoch": 0.6927175843694494,
280
+ "grad_norm": 0.2610642910003662,
281
+ "learning_rate": 4.56816163410302e-05,
282
+ "loss": 0.0061,
283
+ "step": 390
284
+ },
285
+ {
286
+ "epoch": 0.7104795737122558,
287
+ "grad_norm": 0.13106778264045715,
288
+ "learning_rate": 4.557060390763766e-05,
289
+ "loss": 0.0061,
290
+ "step": 400
291
+ },
292
+ {
293
+ "epoch": 0.7282415630550622,
294
+ "grad_norm": 0.11065071076154709,
295
+ "learning_rate": 4.545959147424512e-05,
296
+ "loss": 0.0053,
297
+ "step": 410
298
+ },
299
+ {
300
+ "epoch": 0.7460035523978685,
301
+ "grad_norm": 0.17179323732852936,
302
+ "learning_rate": 4.534857904085258e-05,
303
+ "loss": 0.0064,
304
+ "step": 420
305
+ },
306
+ {
307
+ "epoch": 0.7637655417406749,
308
+ "grad_norm": 0.19529324769973755,
309
+ "learning_rate": 4.5237566607460035e-05,
310
+ "loss": 0.0045,
311
+ "step": 430
312
+ },
313
+ {
314
+ "epoch": 0.7815275310834814,
315
+ "grad_norm": 0.20533151924610138,
316
+ "learning_rate": 4.51265541740675e-05,
317
+ "loss": 0.005,
318
+ "step": 440
319
+ },
320
+ {
321
+ "epoch": 0.7992895204262878,
322
+ "grad_norm": 0.16531281173229218,
323
+ "learning_rate": 4.501554174067496e-05,
324
+ "loss": 0.0041,
325
+ "step": 450
326
+ },
327
+ {
328
+ "epoch": 0.8170515097690941,
329
+ "grad_norm": 0.13664154708385468,
330
+ "learning_rate": 4.4904529307282414e-05,
331
+ "loss": 0.004,
332
+ "step": 460
333
+ },
334
+ {
335
+ "epoch": 0.8348134991119005,
336
+ "grad_norm": 0.11034122854471207,
337
+ "learning_rate": 4.4793516873889876e-05,
338
+ "loss": 0.0039,
339
+ "step": 470
340
+ },
341
+ {
342
+ "epoch": 0.8525754884547069,
343
+ "grad_norm": 0.06444460153579712,
344
+ "learning_rate": 4.468250444049734e-05,
345
+ "loss": 0.0039,
346
+ "step": 480
347
+ },
348
+ {
349
+ "epoch": 0.8703374777975134,
350
+ "grad_norm": 0.2418302446603775,
351
+ "learning_rate": 4.45714920071048e-05,
352
+ "loss": 0.0039,
353
+ "step": 490
354
+ },
355
+ {
356
+ "epoch": 0.8880994671403197,
357
+ "grad_norm": 0.06368648260831833,
358
+ "learning_rate": 4.446047957371226e-05,
359
+ "loss": 0.0035,
360
+ "step": 500
361
+ },
362
+ {
363
+ "epoch": 0.9058614564831261,
364
+ "grad_norm": 0.08606679737567902,
365
+ "learning_rate": 4.434946714031972e-05,
366
+ "loss": 0.0033,
367
+ "step": 510
368
+ },
369
+ {
370
+ "epoch": 0.9236234458259325,
371
+ "grad_norm": 0.06212198734283447,
372
+ "learning_rate": 4.423845470692718e-05,
373
+ "loss": 0.0032,
374
+ "step": 520
375
+ },
376
+ {
377
+ "epoch": 0.9413854351687388,
378
+ "grad_norm": 0.05146817862987518,
379
+ "learning_rate": 4.4127442273534635e-05,
380
+ "loss": 0.0036,
381
+ "step": 530
382
+ },
383
+ {
384
+ "epoch": 0.9591474245115453,
385
+ "grad_norm": 0.10226184129714966,
386
+ "learning_rate": 4.40164298401421e-05,
387
+ "loss": 0.0035,
388
+ "step": 540
389
+ },
390
+ {
391
+ "epoch": 0.9769094138543517,
392
+ "grad_norm": 0.06877221167087555,
393
+ "learning_rate": 4.390541740674956e-05,
394
+ "loss": 0.0034,
395
+ "step": 550
396
+ },
397
+ {
398
+ "epoch": 0.9946714031971581,
399
+ "grad_norm": 0.08828417211771011,
400
+ "learning_rate": 4.3794404973357015e-05,
401
+ "loss": 0.0026,
402
+ "step": 560
403
+ },
404
+ {
405
+ "epoch": 1.0,
406
+ "eval_loss": 3.458987339399755e-05,
407
+ "eval_runtime": 22.2952,
408
+ "eval_samples_per_second": 44.853,
409
+ "eval_steps_per_second": 2.826,
410
+ "step": 563
411
+ },
412
+ {
413
+ "epoch": 1.0124333925399644,
414
+ "grad_norm": 0.09242795407772064,
415
+ "learning_rate": 4.368339253996448e-05,
416
+ "loss": 0.003,
417
+ "step": 570
418
+ },
419
+ {
420
+ "epoch": 1.030195381882771,
421
+ "grad_norm": 0.0889139473438263,
422
+ "learning_rate": 4.357238010657194e-05,
423
+ "loss": 0.0028,
424
+ "step": 580
425
+ },
426
+ {
427
+ "epoch": 1.0479573712255772,
428
+ "grad_norm": 0.12308719754219055,
429
+ "learning_rate": 4.34613676731794e-05,
430
+ "loss": 0.0027,
431
+ "step": 590
432
+ },
433
+ {
434
+ "epoch": 1.0657193605683837,
435
+ "grad_norm": 0.05686354264616966,
436
+ "learning_rate": 4.335035523978686e-05,
437
+ "loss": 0.0024,
438
+ "step": 600
439
+ },
440
+ {
441
+ "epoch": 1.0834813499111902,
442
+ "grad_norm": 0.05174636095762253,
443
+ "learning_rate": 4.323934280639432e-05,
444
+ "loss": 0.0023,
445
+ "step": 610
446
+ },
447
+ {
448
+ "epoch": 1.1012433392539964,
449
+ "grad_norm": 0.1351872682571411,
450
+ "learning_rate": 4.312833037300178e-05,
451
+ "loss": 0.0024,
452
+ "step": 620
453
+ },
454
+ {
455
+ "epoch": 1.119005328596803,
456
+ "grad_norm": 0.11029157787561417,
457
+ "learning_rate": 4.3017317939609236e-05,
458
+ "loss": 0.0026,
459
+ "step": 630
460
+ },
461
+ {
462
+ "epoch": 1.1367673179396092,
463
+ "grad_norm": 0.041344061493873596,
464
+ "learning_rate": 4.29063055062167e-05,
465
+ "loss": 0.0018,
466
+ "step": 640
467
+ },
468
+ {
469
+ "epoch": 1.1545293072824157,
470
+ "grad_norm": 0.15868201851844788,
471
+ "learning_rate": 4.279529307282416e-05,
472
+ "loss": 0.0023,
473
+ "step": 650
474
+ },
475
+ {
476
+ "epoch": 1.1722912966252221,
477
+ "grad_norm": 0.06435976177453995,
478
+ "learning_rate": 4.2684280639431615e-05,
479
+ "loss": 0.0022,
480
+ "step": 660
481
+ },
482
+ {
483
+ "epoch": 1.1900532859680284,
484
+ "grad_norm": 0.05187324061989784,
485
+ "learning_rate": 4.257326820603908e-05,
486
+ "loss": 0.0018,
487
+ "step": 670
488
+ },
489
+ {
490
+ "epoch": 1.2078152753108349,
491
+ "grad_norm": 0.041784290224313736,
492
+ "learning_rate": 4.246225577264654e-05,
493
+ "loss": 0.0023,
494
+ "step": 680
495
+ },
496
+ {
497
+ "epoch": 1.2255772646536411,
498
+ "grad_norm": 0.031757429242134094,
499
+ "learning_rate": 4.2351243339254e-05,
500
+ "loss": 0.0021,
501
+ "step": 690
502
+ },
503
+ {
504
+ "epoch": 1.2433392539964476,
505
+ "grad_norm": 0.044060107320547104,
506
+ "learning_rate": 4.2240230905861464e-05,
507
+ "loss": 0.0019,
508
+ "step": 700
509
+ },
510
+ {
511
+ "epoch": 1.261101243339254,
512
+ "grad_norm": 0.11238252371549606,
513
+ "learning_rate": 4.212921847246892e-05,
514
+ "loss": 0.002,
515
+ "step": 710
516
+ },
517
+ {
518
+ "epoch": 1.2788632326820604,
519
+ "grad_norm": 0.041686106473207474,
520
+ "learning_rate": 4.201820603907638e-05,
521
+ "loss": 0.0015,
522
+ "step": 720
523
+ },
524
+ {
525
+ "epoch": 1.2966252220248669,
526
+ "grad_norm": 0.04672028496861458,
527
+ "learning_rate": 4.1907193605683836e-05,
528
+ "loss": 0.0015,
529
+ "step": 730
530
+ },
531
+ {
532
+ "epoch": 1.3143872113676731,
533
+ "grad_norm": 0.0358208566904068,
534
+ "learning_rate": 4.17961811722913e-05,
535
+ "loss": 0.0016,
536
+ "step": 740
537
+ },
538
+ {
539
+ "epoch": 1.3321492007104796,
540
+ "grad_norm": 0.17647922039031982,
541
+ "learning_rate": 4.168516873889876e-05,
542
+ "loss": 0.0015,
543
+ "step": 750
544
+ },
545
+ {
546
+ "epoch": 1.349911190053286,
547
+ "grad_norm": 0.10813446342945099,
548
+ "learning_rate": 4.1574156305506216e-05,
549
+ "loss": 0.0017,
550
+ "step": 760
551
+ },
552
+ {
553
+ "epoch": 1.3676731793960923,
554
+ "grad_norm": 0.03748601675033569,
555
+ "learning_rate": 4.146314387211368e-05,
556
+ "loss": 0.0018,
557
+ "step": 770
558
+ },
559
+ {
560
+ "epoch": 1.3854351687388988,
561
+ "grad_norm": 0.031867001205682755,
562
+ "learning_rate": 4.135213143872114e-05,
563
+ "loss": 0.0016,
564
+ "step": 780
565
+ },
566
+ {
567
+ "epoch": 1.403197158081705,
568
+ "grad_norm": 0.01816353015601635,
569
+ "learning_rate": 4.12411190053286e-05,
570
+ "loss": 0.0011,
571
+ "step": 790
572
+ },
573
+ {
574
+ "epoch": 1.4209591474245116,
575
+ "grad_norm": 0.05043243616819382,
576
+ "learning_rate": 4.1130106571936064e-05,
577
+ "loss": 0.0014,
578
+ "step": 800
579
+ },
580
+ {
581
+ "epoch": 1.438721136767318,
582
+ "grad_norm": 0.27319490909576416,
583
+ "learning_rate": 4.101909413854352e-05,
584
+ "loss": 0.0017,
585
+ "step": 810
586
+ },
587
+ {
588
+ "epoch": 1.4564831261101243,
589
+ "grad_norm": 0.04838378727436066,
590
+ "learning_rate": 4.090808170515098e-05,
591
+ "loss": 0.0014,
592
+ "step": 820
593
+ },
594
+ {
595
+ "epoch": 1.4742451154529308,
596
+ "grad_norm": 0.05813241004943848,
597
+ "learning_rate": 4.079706927175844e-05,
598
+ "loss": 0.0017,
599
+ "step": 830
600
+ },
601
+ {
602
+ "epoch": 1.492007104795737,
603
+ "grad_norm": 0.06169930100440979,
604
+ "learning_rate": 4.06860568383659e-05,
605
+ "loss": 0.0015,
606
+ "step": 840
607
+ },
608
+ {
609
+ "epoch": 1.5097690941385435,
610
+ "grad_norm": 0.01758798211812973,
611
+ "learning_rate": 4.057504440497336e-05,
612
+ "loss": 0.0012,
613
+ "step": 850
614
+ },
615
+ {
616
+ "epoch": 1.52753108348135,
617
+ "grad_norm": 0.07379154115915298,
618
+ "learning_rate": 4.0464031971580816e-05,
619
+ "loss": 0.0013,
620
+ "step": 860
621
+ },
622
+ {
623
+ "epoch": 1.5452930728241563,
624
+ "grad_norm": 0.1645466685295105,
625
+ "learning_rate": 4.035301953818828e-05,
626
+ "loss": 0.0015,
627
+ "step": 870
628
+ },
629
+ {
630
+ "epoch": 1.5630550621669625,
631
+ "grad_norm": 0.023952888324856758,
632
+ "learning_rate": 4.0242007104795734e-05,
633
+ "loss": 0.0011,
634
+ "step": 880
635
+ },
636
+ {
637
+ "epoch": 1.580817051509769,
638
+ "grad_norm": 0.012347780168056488,
639
+ "learning_rate": 4.0130994671403196e-05,
640
+ "loss": 0.0011,
641
+ "step": 890
642
+ },
643
+ {
644
+ "epoch": 1.5985790408525755,
645
+ "grad_norm": 0.12134626507759094,
646
+ "learning_rate": 4.0019982238010665e-05,
647
+ "loss": 0.0013,
648
+ "step": 900
649
+ },
650
+ {
651
+ "epoch": 1.616341030195382,
652
+ "grad_norm": 0.035019490867853165,
653
+ "learning_rate": 3.990896980461812e-05,
654
+ "loss": 0.001,
655
+ "step": 910
656
+ },
657
+ {
658
+ "epoch": 1.6341030195381883,
659
+ "grad_norm": 0.03914281353354454,
660
+ "learning_rate": 3.979795737122558e-05,
661
+ "loss": 0.001,
662
+ "step": 920
663
+ },
664
+ {
665
+ "epoch": 1.6518650088809945,
666
+ "grad_norm": 0.01977422647178173,
667
+ "learning_rate": 3.968694493783304e-05,
668
+ "loss": 0.0012,
669
+ "step": 930
670
+ },
671
+ {
672
+ "epoch": 1.669626998223801,
673
+ "grad_norm": 0.018485285341739655,
674
+ "learning_rate": 3.95759325044405e-05,
675
+ "loss": 0.0012,
676
+ "step": 940
677
+ },
678
+ {
679
+ "epoch": 1.6873889875666075,
680
+ "grad_norm": 0.2277858406305313,
681
+ "learning_rate": 3.946492007104796e-05,
682
+ "loss": 0.0011,
683
+ "step": 950
684
+ },
685
+ {
686
+ "epoch": 1.705150976909414,
687
+ "grad_norm": 0.012234285473823547,
688
+ "learning_rate": 3.935390763765542e-05,
689
+ "loss": 0.0011,
690
+ "step": 960
691
+ },
692
+ {
693
+ "epoch": 1.7229129662522202,
694
+ "grad_norm": 0.021199282258749008,
695
+ "learning_rate": 3.924289520426288e-05,
696
+ "loss": 0.001,
697
+ "step": 970
698
+ },
699
+ {
700
+ "epoch": 1.7406749555950265,
701
+ "grad_norm": 0.12197419255971909,
702
+ "learning_rate": 3.9131882770870334e-05,
703
+ "loss": 0.0011,
704
+ "step": 980
705
+ },
706
+ {
707
+ "epoch": 1.758436944937833,
708
+ "grad_norm": 0.03652465343475342,
709
+ "learning_rate": 3.9020870337477797e-05,
710
+ "loss": 0.0009,
711
+ "step": 990
712
+ },
713
+ {
714
+ "epoch": 1.7761989342806395,
715
+ "grad_norm": 0.03332207724452019,
716
+ "learning_rate": 3.890985790408526e-05,
717
+ "loss": 0.001,
718
+ "step": 1000
719
+ },
720
+ {
721
+ "epoch": 1.793960923623446,
722
+ "grad_norm": 0.05201757699251175,
723
+ "learning_rate": 3.879884547069272e-05,
724
+ "loss": 0.001,
725
+ "step": 1010
726
+ },
727
+ {
728
+ "epoch": 1.8117229129662522,
729
+ "grad_norm": 0.01703731343150139,
730
+ "learning_rate": 3.868783303730018e-05,
731
+ "loss": 0.001,
732
+ "step": 1020
733
+ },
734
+ {
735
+ "epoch": 1.8294849023090585,
736
+ "grad_norm": 0.027388030663132668,
737
+ "learning_rate": 3.857682060390764e-05,
738
+ "loss": 0.0008,
739
+ "step": 1030
740
+ },
741
+ {
742
+ "epoch": 1.847246891651865,
743
+ "grad_norm": 0.12894806265830994,
744
+ "learning_rate": 3.84658081705151e-05,
745
+ "loss": 0.0009,
746
+ "step": 1040
747
+ },
748
+ {
749
+ "epoch": 1.8650088809946714,
750
+ "grad_norm": 0.030342355370521545,
751
+ "learning_rate": 3.835479573712256e-05,
752
+ "loss": 0.001,
753
+ "step": 1050
754
+ },
755
+ {
756
+ "epoch": 1.882770870337478,
757
+ "grad_norm": 0.043612588196992874,
758
+ "learning_rate": 3.824378330373002e-05,
759
+ "loss": 0.0011,
760
+ "step": 1060
761
+ },
762
+ {
763
+ "epoch": 1.9005328596802842,
764
+ "grad_norm": 0.015847304835915565,
765
+ "learning_rate": 3.813277087033748e-05,
766
+ "loss": 0.0009,
767
+ "step": 1070
768
+ },
769
+ {
770
+ "epoch": 1.9182948490230904,
771
+ "grad_norm": 0.036328867077827454,
772
+ "learning_rate": 3.8021758436944935e-05,
773
+ "loss": 0.0009,
774
+ "step": 1080
775
+ },
776
+ {
777
+ "epoch": 1.936056838365897,
778
+ "grad_norm": 0.013609735295176506,
779
+ "learning_rate": 3.79107460035524e-05,
780
+ "loss": 0.0011,
781
+ "step": 1090
782
+ },
783
+ {
784
+ "epoch": 1.9538188277087034,
785
+ "grad_norm": 0.016604352742433548,
786
+ "learning_rate": 3.779973357015986e-05,
787
+ "loss": 0.0009,
788
+ "step": 1100
789
+ },
790
+ {
791
+ "epoch": 1.97158081705151,
792
+ "grad_norm": 0.030676284804940224,
793
+ "learning_rate": 3.768872113676732e-05,
794
+ "loss": 0.0009,
795
+ "step": 1110
796
+ },
797
+ {
798
+ "epoch": 1.9893428063943162,
799
+ "grad_norm": 0.010764030739665031,
800
+ "learning_rate": 3.7577708703374783e-05,
801
+ "loss": 0.0007,
802
+ "step": 1120
803
+ },
804
+ {
805
+ "epoch": 2.0,
806
+ "eval_loss": 7.020198609097861e-06,
807
+ "eval_runtime": 22.303,
808
+ "eval_samples_per_second": 44.837,
809
+ "eval_steps_per_second": 2.825,
810
+ "step": 1126
811
+ },
812
+ {
813
+ "epoch": 2.0071047957371224,
814
+ "grad_norm": 0.015416032634675503,
815
+ "learning_rate": 3.746669626998224e-05,
816
+ "loss": 0.0008,
817
+ "step": 1130
818
+ },
819
+ {
820
+ "epoch": 2.024866785079929,
821
+ "grad_norm": 0.027968090027570724,
822
+ "learning_rate": 3.73556838365897e-05,
823
+ "loss": 0.0007,
824
+ "step": 1140
825
+ },
826
+ {
827
+ "epoch": 2.0426287744227354,
828
+ "grad_norm": 0.13390642404556274,
829
+ "learning_rate": 3.724467140319716e-05,
830
+ "loss": 0.001,
831
+ "step": 1150
832
+ },
833
+ {
834
+ "epoch": 2.060390763765542,
835
+ "grad_norm": 0.02235797978937626,
836
+ "learning_rate": 3.713365896980462e-05,
837
+ "loss": 0.0007,
838
+ "step": 1160
839
+ },
840
+ {
841
+ "epoch": 2.0781527531083483,
842
+ "grad_norm": 0.018844326958060265,
843
+ "learning_rate": 3.702264653641208e-05,
844
+ "loss": 0.0009,
845
+ "step": 1170
846
+ },
847
+ {
848
+ "epoch": 2.0959147424511544,
849
+ "grad_norm": 0.04496992379426956,
850
+ "learning_rate": 3.6911634103019536e-05,
851
+ "loss": 0.0011,
852
+ "step": 1180
853
+ },
854
+ {
855
+ "epoch": 2.113676731793961,
856
+ "grad_norm": 0.038956914097070694,
857
+ "learning_rate": 3.6800621669627e-05,
858
+ "loss": 0.0008,
859
+ "step": 1190
860
+ },
861
+ {
862
+ "epoch": 2.1314387211367674,
863
+ "grad_norm": 0.03798123076558113,
864
+ "learning_rate": 3.668960923623446e-05,
865
+ "loss": 0.0007,
866
+ "step": 1200
867
+ },
868
+ {
869
+ "epoch": 2.149200710479574,
870
+ "grad_norm": 0.02100321650505066,
871
+ "learning_rate": 3.657859680284192e-05,
872
+ "loss": 0.0006,
873
+ "step": 1210
874
+ },
875
+ {
876
+ "epoch": 2.1669626998223803,
877
+ "grad_norm": 0.021854564547538757,
878
+ "learning_rate": 3.6467584369449384e-05,
879
+ "loss": 0.0008,
880
+ "step": 1220
881
+ },
882
+ {
883
+ "epoch": 2.1847246891651864,
884
+ "grad_norm": 0.011918751522898674,
885
+ "learning_rate": 3.635657193605684e-05,
886
+ "loss": 0.0008,
887
+ "step": 1230
888
+ },
889
+ {
890
+ "epoch": 2.202486678507993,
891
+ "grad_norm": 0.06602652370929718,
892
+ "learning_rate": 3.62455595026643e-05,
893
+ "loss": 0.0006,
894
+ "step": 1240
895
+ },
896
+ {
897
+ "epoch": 2.2202486678507993,
898
+ "grad_norm": 0.007478422950953245,
899
+ "learning_rate": 3.6134547069271763e-05,
900
+ "loss": 0.0006,
901
+ "step": 1250
902
+ },
903
+ {
904
+ "epoch": 2.238010657193606,
905
+ "grad_norm": 0.02918918989598751,
906
+ "learning_rate": 3.602353463587922e-05,
907
+ "loss": 0.0007,
908
+ "step": 1260
909
+ },
910
+ {
911
+ "epoch": 2.2557726465364123,
912
+ "grad_norm": 0.05313832312822342,
913
+ "learning_rate": 3.591252220248668e-05,
914
+ "loss": 0.0008,
915
+ "step": 1270
916
+ },
917
+ {
918
+ "epoch": 2.2735346358792183,
919
+ "grad_norm": 0.04284721240401268,
920
+ "learning_rate": 3.5801509769094136e-05,
921
+ "loss": 0.0009,
922
+ "step": 1280
923
+ },
924
+ {
925
+ "epoch": 2.291296625222025,
926
+ "grad_norm": 0.027897143736481667,
927
+ "learning_rate": 3.56904973357016e-05,
928
+ "loss": 0.0008,
929
+ "step": 1290
930
+ },
931
+ {
932
+ "epoch": 2.3090586145648313,
933
+ "grad_norm": 0.009780477732419968,
934
+ "learning_rate": 3.557948490230906e-05,
935
+ "loss": 0.0006,
936
+ "step": 1300
937
+ },
938
+ {
939
+ "epoch": 2.326820603907638,
940
+ "grad_norm": 0.017684033140540123,
941
+ "learning_rate": 3.546847246891652e-05,
942
+ "loss": 0.0008,
943
+ "step": 1310
944
+ },
945
+ {
946
+ "epoch": 2.3445825932504443,
947
+ "grad_norm": 0.07929302006959915,
948
+ "learning_rate": 3.5357460035523985e-05,
949
+ "loss": 0.0006,
950
+ "step": 1320
951
+ },
952
+ {
953
+ "epoch": 2.3623445825932503,
954
+ "grad_norm": 0.06948840618133545,
955
+ "learning_rate": 3.524644760213144e-05,
956
+ "loss": 0.0006,
957
+ "step": 1330
958
+ },
959
+ {
960
+ "epoch": 2.380106571936057,
961
+ "grad_norm": 0.006130309775471687,
962
+ "learning_rate": 3.51354351687389e-05,
963
+ "loss": 0.0005,
964
+ "step": 1340
965
+ },
966
+ {
967
+ "epoch": 2.3978685612788633,
968
+ "grad_norm": 0.022212188690900803,
969
+ "learning_rate": 3.5024422735346364e-05,
970
+ "loss": 0.0006,
971
+ "step": 1350
972
+ },
973
+ {
974
+ "epoch": 2.4156305506216698,
975
+ "grad_norm": 0.015669459477066994,
976
+ "learning_rate": 3.491341030195382e-05,
977
+ "loss": 0.0006,
978
+ "step": 1360
979
+ },
980
+ {
981
+ "epoch": 2.4333925399644762,
982
+ "grad_norm": 0.026899907737970352,
983
+ "learning_rate": 3.480239786856128e-05,
984
+ "loss": 0.0005,
985
+ "step": 1370
986
+ },
987
+ {
988
+ "epoch": 2.4511545293072823,
989
+ "grad_norm": 0.02007845975458622,
990
+ "learning_rate": 3.469138543516874e-05,
991
+ "loss": 0.0006,
992
+ "step": 1380
993
+ },
994
+ {
995
+ "epoch": 2.4689165186500888,
996
+ "grad_norm": 0.017982805147767067,
997
+ "learning_rate": 3.45803730017762e-05,
998
+ "loss": 0.0005,
999
+ "step": 1390
1000
+ },
1001
+ {
1002
+ "epoch": 2.4866785079928952,
1003
+ "grad_norm": 0.05845437943935394,
1004
+ "learning_rate": 3.446936056838366e-05,
1005
+ "loss": 0.0007,
1006
+ "step": 1400
1007
+ },
1008
+ {
1009
+ "epoch": 2.5044404973357017,
1010
+ "grad_norm": 0.006352486554533243,
1011
+ "learning_rate": 3.4358348134991116e-05,
1012
+ "loss": 0.0006,
1013
+ "step": 1410
1014
+ },
1015
+ {
1016
+ "epoch": 2.522202486678508,
1017
+ "grad_norm": 0.004761823453009129,
1018
+ "learning_rate": 3.4247335701598585e-05,
1019
+ "loss": 0.0006,
1020
+ "step": 1420
1021
+ },
1022
+ {
1023
+ "epoch": 2.5399644760213143,
1024
+ "grad_norm": 0.0643671378493309,
1025
+ "learning_rate": 3.413632326820604e-05,
1026
+ "loss": 0.0005,
1027
+ "step": 1430
1028
+ },
1029
+ {
1030
+ "epoch": 2.5577264653641207,
1031
+ "grad_norm": 0.2012147605419159,
1032
+ "learning_rate": 3.40253108348135e-05,
1033
+ "loss": 0.0006,
1034
+ "step": 1440
1035
+ },
1036
+ {
1037
+ "epoch": 2.575488454706927,
1038
+ "grad_norm": 0.005158168729394674,
1039
+ "learning_rate": 3.3914298401420965e-05,
1040
+ "loss": 0.0007,
1041
+ "step": 1450
1042
+ },
1043
+ {
1044
+ "epoch": 2.5932504440497337,
1045
+ "grad_norm": 0.02005215547978878,
1046
+ "learning_rate": 3.380328596802842e-05,
1047
+ "loss": 0.0005,
1048
+ "step": 1460
1049
+ },
1050
+ {
1051
+ "epoch": 2.61101243339254,
1052
+ "grad_norm": 0.011687914840877056,
1053
+ "learning_rate": 3.369227353463588e-05,
1054
+ "loss": 0.0005,
1055
+ "step": 1470
1056
+ },
1057
+ {
1058
+ "epoch": 2.6287744227353462,
1059
+ "grad_norm": 0.028902605175971985,
1060
+ "learning_rate": 3.358126110124334e-05,
1061
+ "loss": 0.0007,
1062
+ "step": 1480
1063
+ },
1064
+ {
1065
+ "epoch": 2.6465364120781527,
1066
+ "grad_norm": 0.004095068667083979,
1067
+ "learning_rate": 3.34702486678508e-05,
1068
+ "loss": 0.0005,
1069
+ "step": 1490
1070
+ },
1071
+ {
1072
+ "epoch": 2.664298401420959,
1073
+ "grad_norm": 0.033792633563280106,
1074
+ "learning_rate": 3.335923623445826e-05,
1075
+ "loss": 0.0005,
1076
+ "step": 1500
1077
+ },
1078
+ {
1079
+ "epoch": 2.6820603907637657,
1080
+ "grad_norm": 0.010024248622357845,
1081
+ "learning_rate": 3.324822380106572e-05,
1082
+ "loss": 0.0007,
1083
+ "step": 1510
1084
+ },
1085
+ {
1086
+ "epoch": 2.699822380106572,
1087
+ "grad_norm": 0.04082302376627922,
1088
+ "learning_rate": 3.313721136767318e-05,
1089
+ "loss": 0.0005,
1090
+ "step": 1520
1091
+ },
1092
+ {
1093
+ "epoch": 2.717584369449378,
1094
+ "grad_norm": 0.01643848419189453,
1095
+ "learning_rate": 3.302619893428064e-05,
1096
+ "loss": 0.0006,
1097
+ "step": 1530
1098
+ },
1099
+ {
1100
+ "epoch": 2.7353463587921847,
1101
+ "grad_norm": 0.02243112586438656,
1102
+ "learning_rate": 3.29151865008881e-05,
1103
+ "loss": 0.0005,
1104
+ "step": 1540
1105
+ },
1106
+ {
1107
+ "epoch": 2.753108348134991,
1108
+ "grad_norm": 0.015440504066646099,
1109
+ "learning_rate": 3.2804174067495565e-05,
1110
+ "loss": 0.0005,
1111
+ "step": 1550
1112
+ },
1113
+ {
1114
+ "epoch": 2.7708703374777977,
1115
+ "grad_norm": 0.04903204366564751,
1116
+ "learning_rate": 3.269316163410302e-05,
1117
+ "loss": 0.0006,
1118
+ "step": 1560
1119
+ },
1120
+ {
1121
+ "epoch": 2.788632326820604,
1122
+ "grad_norm": 0.04786301776766777,
1123
+ "learning_rate": 3.258214920071048e-05,
1124
+ "loss": 0.0006,
1125
+ "step": 1570
1126
+ },
1127
+ {
1128
+ "epoch": 2.80639431616341,
1129
+ "grad_norm": 0.02142539992928505,
1130
+ "learning_rate": 3.247113676731794e-05,
1131
+ "loss": 0.0008,
1132
+ "step": 1580
1133
+ },
1134
+ {
1135
+ "epoch": 2.8241563055062167,
1136
+ "grad_norm": 0.005326330661773682,
1137
+ "learning_rate": 3.23601243339254e-05,
1138
+ "loss": 0.0007,
1139
+ "step": 1590
1140
+ },
1141
+ {
1142
+ "epoch": 2.841918294849023,
1143
+ "grad_norm": 0.016222188249230385,
1144
+ "learning_rate": 3.224911190053286e-05,
1145
+ "loss": 0.0005,
1146
+ "step": 1600
1147
+ },
1148
+ {
1149
+ "epoch": 2.8596802841918296,
1150
+ "grad_norm": 0.005499828606843948,
1151
+ "learning_rate": 3.213809946714032e-05,
1152
+ "loss": 0.0005,
1153
+ "step": 1610
1154
+ },
1155
+ {
1156
+ "epoch": 2.877442273534636,
1157
+ "grad_norm": 0.02295517548918724,
1158
+ "learning_rate": 3.202708703374778e-05,
1159
+ "loss": 0.0005,
1160
+ "step": 1620
1161
+ },
1162
+ {
1163
+ "epoch": 2.895204262877442,
1164
+ "grad_norm": 0.12497241050004959,
1165
+ "learning_rate": 3.191607460035524e-05,
1166
+ "loss": 0.0005,
1167
+ "step": 1630
1168
+ },
1169
+ {
1170
+ "epoch": 2.9129662522202486,
1171
+ "grad_norm": 0.04707463085651398,
1172
+ "learning_rate": 3.1805062166962704e-05,
1173
+ "loss": 0.0005,
1174
+ "step": 1640
1175
+ },
1176
+ {
1177
+ "epoch": 2.930728241563055,
1178
+ "grad_norm": 0.030674880370497704,
1179
+ "learning_rate": 3.1694049733570166e-05,
1180
+ "loss": 0.0008,
1181
+ "step": 1650
1182
+ },
1183
+ {
1184
+ "epoch": 2.9484902309058616,
1185
+ "grad_norm": 0.1597021222114563,
1186
+ "learning_rate": 3.158303730017762e-05,
1187
+ "loss": 0.0005,
1188
+ "step": 1660
1189
+ },
1190
+ {
1191
+ "epoch": 2.966252220248668,
1192
+ "grad_norm": 0.08469359576702118,
1193
+ "learning_rate": 3.147202486678508e-05,
1194
+ "loss": 0.0005,
1195
+ "step": 1670
1196
+ },
1197
+ {
1198
+ "epoch": 2.984014209591474,
1199
+ "grad_norm": 0.10349100828170776,
1200
+ "learning_rate": 3.136101243339254e-05,
1201
+ "loss": 0.0005,
1202
+ "step": 1680
1203
+ },
1204
+ {
1205
+ "epoch": 3.0,
1206
+ "eval_loss": 3.2967063816613518e-06,
1207
+ "eval_runtime": 22.3238,
1208
+ "eval_samples_per_second": 44.795,
1209
+ "eval_steps_per_second": 2.822,
1210
+ "step": 1689
1211
+ },
1212
+ {
1213
+ "epoch": 3.0017761989342806,
1214
+ "grad_norm": 0.020849984139204025,
1215
+ "learning_rate": 3.125e-05,
1216
+ "loss": 0.0005,
1217
+ "step": 1690
1218
+ },
1219
+ {
1220
+ "epoch": 3.019538188277087,
1221
+ "grad_norm": 0.017703084275126457,
1222
+ "learning_rate": 3.113898756660746e-05,
1223
+ "loss": 0.0004,
1224
+ "step": 1700
1225
+ },
1226
+ {
1227
+ "epoch": 3.0373001776198936,
1228
+ "grad_norm": 0.004325501620769501,
1229
+ "learning_rate": 3.102797513321492e-05,
1230
+ "loss": 0.0003,
1231
+ "step": 1710
1232
+ },
1233
+ {
1234
+ "epoch": 3.0550621669626996,
1235
+ "grad_norm": 0.007536259479820728,
1236
+ "learning_rate": 3.091696269982238e-05,
1237
+ "loss": 0.0004,
1238
+ "step": 1720
1239
+ },
1240
+ {
1241
+ "epoch": 3.072824156305506,
1242
+ "grad_norm": 0.008604285307228565,
1243
+ "learning_rate": 3.080595026642984e-05,
1244
+ "loss": 0.0004,
1245
+ "step": 1730
1246
+ },
1247
+ {
1248
+ "epoch": 3.0905861456483126,
1249
+ "grad_norm": 0.011171748861670494,
1250
+ "learning_rate": 3.0694937833037304e-05,
1251
+ "loss": 0.0005,
1252
+ "step": 1740
1253
+ },
1254
+ {
1255
+ "epoch": 3.108348134991119,
1256
+ "grad_norm": 0.012916183099150658,
1257
+ "learning_rate": 3.0583925399644766e-05,
1258
+ "loss": 0.0003,
1259
+ "step": 1750
1260
+ },
1261
+ {
1262
+ "epoch": 3.1261101243339255,
1263
+ "grad_norm": 0.010790830478072166,
1264
+ "learning_rate": 3.0472912966252222e-05,
1265
+ "loss": 0.0004,
1266
+ "step": 1760
1267
+ },
1268
+ {
1269
+ "epoch": 3.143872113676732,
1270
+ "grad_norm": 0.007941185496747494,
1271
+ "learning_rate": 3.0361900532859684e-05,
1272
+ "loss": 0.0005,
1273
+ "step": 1770
1274
+ },
1275
+ {
1276
+ "epoch": 3.161634103019538,
1277
+ "grad_norm": 0.022536130622029305,
1278
+ "learning_rate": 3.025088809946714e-05,
1279
+ "loss": 0.0003,
1280
+ "step": 1780
1281
+ },
1282
+ {
1283
+ "epoch": 3.1793960923623446,
1284
+ "grad_norm": 0.008146955631673336,
1285
+ "learning_rate": 3.01398756660746e-05,
1286
+ "loss": 0.0003,
1287
+ "step": 1790
1288
+ },
1289
+ {
1290
+ "epoch": 3.197158081705151,
1291
+ "grad_norm": 0.01531197503209114,
1292
+ "learning_rate": 3.0028863232682063e-05,
1293
+ "loss": 0.0005,
1294
+ "step": 1800
1295
+ },
1296
+ {
1297
+ "epoch": 3.2149200710479575,
1298
+ "grad_norm": 0.007879276759922504,
1299
+ "learning_rate": 2.9917850799289522e-05,
1300
+ "loss": 0.0003,
1301
+ "step": 1810
1302
+ },
1303
+ {
1304
+ "epoch": 3.232682060390764,
1305
+ "grad_norm": 0.031879961490631104,
1306
+ "learning_rate": 2.9806838365896984e-05,
1307
+ "loss": 0.0005,
1308
+ "step": 1820
1309
+ },
1310
+ {
1311
+ "epoch": 3.25044404973357,
1312
+ "grad_norm": 0.023382920771837234,
1313
+ "learning_rate": 2.969582593250444e-05,
1314
+ "loss": 0.0005,
1315
+ "step": 1830
1316
+ },
1317
+ {
1318
+ "epoch": 3.2682060390763765,
1319
+ "grad_norm": 0.011471973732113838,
1320
+ "learning_rate": 2.95848134991119e-05,
1321
+ "loss": 0.0004,
1322
+ "step": 1840
1323
+ },
1324
+ {
1325
+ "epoch": 3.285968028419183,
1326
+ "grad_norm": 0.009325550869107246,
1327
+ "learning_rate": 2.9473801065719364e-05,
1328
+ "loss": 0.0005,
1329
+ "step": 1850
1330
+ },
1331
+ {
1332
+ "epoch": 3.3037300177619895,
1333
+ "grad_norm": 0.047994911670684814,
1334
+ "learning_rate": 2.9362788632326822e-05,
1335
+ "loss": 0.0004,
1336
+ "step": 1860
1337
+ },
1338
+ {
1339
+ "epoch": 3.321492007104796,
1340
+ "grad_norm": 0.004230279475450516,
1341
+ "learning_rate": 2.9251776198934284e-05,
1342
+ "loss": 0.0004,
1343
+ "step": 1870
1344
+ },
1345
+ {
1346
+ "epoch": 3.339253996447602,
1347
+ "grad_norm": 0.008561152964830399,
1348
+ "learning_rate": 2.914076376554174e-05,
1349
+ "loss": 0.0003,
1350
+ "step": 1880
1351
+ },
1352
+ {
1353
+ "epoch": 3.3570159857904085,
1354
+ "grad_norm": 0.004857722204178572,
1355
+ "learning_rate": 2.9029751332149202e-05,
1356
+ "loss": 0.0006,
1357
+ "step": 1890
1358
+ },
1359
+ {
1360
+ "epoch": 3.374777975133215,
1361
+ "grad_norm": 0.012910543009638786,
1362
+ "learning_rate": 2.8918738898756664e-05,
1363
+ "loss": 0.0003,
1364
+ "step": 1900
1365
+ },
1366
+ {
1367
+ "epoch": 3.3925399644760215,
1368
+ "grad_norm": 0.010736320167779922,
1369
+ "learning_rate": 2.8807726465364123e-05,
1370
+ "loss": 0.0005,
1371
+ "step": 1910
1372
+ },
1373
+ {
1374
+ "epoch": 3.410301953818828,
1375
+ "grad_norm": 0.010209358297288418,
1376
+ "learning_rate": 2.8696714031971585e-05,
1377
+ "loss": 0.0003,
1378
+ "step": 1920
1379
+ },
1380
+ {
1381
+ "epoch": 3.428063943161634,
1382
+ "grad_norm": 0.010665121488273144,
1383
+ "learning_rate": 2.858570159857904e-05,
1384
+ "loss": 0.0004,
1385
+ "step": 1930
1386
+ },
1387
+ {
1388
+ "epoch": 3.4458259325044405,
1389
+ "grad_norm": 0.008989960886538029,
1390
+ "learning_rate": 2.8474689165186502e-05,
1391
+ "loss": 0.0003,
1392
+ "step": 1940
1393
+ },
1394
+ {
1395
+ "epoch": 3.463587921847247,
1396
+ "grad_norm": 0.003941075410693884,
1397
+ "learning_rate": 2.8363676731793964e-05,
1398
+ "loss": 0.0003,
1399
+ "step": 1950
1400
+ },
1401
+ {
1402
+ "epoch": 3.4813499111900534,
1403
+ "grad_norm": 0.047086674720048904,
1404
+ "learning_rate": 2.825266429840142e-05,
1405
+ "loss": 0.0003,
1406
+ "step": 1960
1407
+ },
1408
+ {
1409
+ "epoch": 3.49911190053286,
1410
+ "grad_norm": 0.009249791502952576,
1411
+ "learning_rate": 2.8141651865008885e-05,
1412
+ "loss": 0.0004,
1413
+ "step": 1970
1414
+ },
1415
+ {
1416
+ "epoch": 3.516873889875666,
1417
+ "grad_norm": 0.013919523917138577,
1418
+ "learning_rate": 2.803063943161634e-05,
1419
+ "loss": 0.0005,
1420
+ "step": 1980
1421
+ },
1422
+ {
1423
+ "epoch": 3.5346358792184724,
1424
+ "grad_norm": 0.05363338813185692,
1425
+ "learning_rate": 2.7919626998223802e-05,
1426
+ "loss": 0.0004,
1427
+ "step": 1990
1428
+ },
1429
+ {
1430
+ "epoch": 3.552397868561279,
1431
+ "grad_norm": 0.027678849175572395,
1432
+ "learning_rate": 2.7808614564831264e-05,
1433
+ "loss": 0.0003,
1434
+ "step": 2000
1435
+ },
1436
+ {
1437
+ "epoch": 3.5701598579040854,
1438
+ "grad_norm": 0.02696838229894638,
1439
+ "learning_rate": 2.769760213143872e-05,
1440
+ "loss": 0.0004,
1441
+ "step": 2010
1442
+ },
1443
+ {
1444
+ "epoch": 3.587921847246892,
1445
+ "grad_norm": 0.048736572265625,
1446
+ "learning_rate": 2.7586589698046182e-05,
1447
+ "loss": 0.0003,
1448
+ "step": 2020
1449
+ },
1450
+ {
1451
+ "epoch": 3.605683836589698,
1452
+ "grad_norm": 0.007270255126059055,
1453
+ "learning_rate": 2.747557726465364e-05,
1454
+ "loss": 0.0003,
1455
+ "step": 2030
1456
+ },
1457
+ {
1458
+ "epoch": 3.6234458259325044,
1459
+ "grad_norm": 0.006998795084655285,
1460
+ "learning_rate": 2.7364564831261103e-05,
1461
+ "loss": 0.0006,
1462
+ "step": 2040
1463
+ },
1464
+ {
1465
+ "epoch": 3.641207815275311,
1466
+ "grad_norm": 0.004529398865997791,
1467
+ "learning_rate": 2.7253552397868565e-05,
1468
+ "loss": 0.0002,
1469
+ "step": 2050
1470
+ },
1471
+ {
1472
+ "epoch": 3.6589698046181174,
1473
+ "grad_norm": 0.009528383612632751,
1474
+ "learning_rate": 2.714253996447602e-05,
1475
+ "loss": 0.0003,
1476
+ "step": 2060
1477
+ },
1478
+ {
1479
+ "epoch": 3.676731793960924,
1480
+ "grad_norm": 0.056139055639505386,
1481
+ "learning_rate": 2.7031527531083482e-05,
1482
+ "loss": 0.0003,
1483
+ "step": 2070
1484
+ },
1485
+ {
1486
+ "epoch": 3.69449378330373,
1487
+ "grad_norm": 0.014499225653707981,
1488
+ "learning_rate": 2.692051509769094e-05,
1489
+ "loss": 0.0004,
1490
+ "step": 2080
1491
+ },
1492
+ {
1493
+ "epoch": 3.7122557726465364,
1494
+ "grad_norm": 0.005347531288862228,
1495
+ "learning_rate": 2.6809502664298403e-05,
1496
+ "loss": 0.0005,
1497
+ "step": 2090
1498
+ },
1499
+ {
1500
+ "epoch": 3.730017761989343,
1501
+ "grad_norm": 0.010448618791997433,
1502
+ "learning_rate": 2.6698490230905865e-05,
1503
+ "loss": 0.0003,
1504
+ "step": 2100
1505
+ },
1506
+ {
1507
+ "epoch": 3.7477797513321494,
1508
+ "grad_norm": 0.009756255894899368,
1509
+ "learning_rate": 2.658747779751332e-05,
1510
+ "loss": 0.0004,
1511
+ "step": 2110
1512
+ },
1513
+ {
1514
+ "epoch": 3.765541740674956,
1515
+ "grad_norm": 0.0032908094581216574,
1516
+ "learning_rate": 2.6476465364120782e-05,
1517
+ "loss": 0.0006,
1518
+ "step": 2120
1519
+ },
1520
+ {
1521
+ "epoch": 3.783303730017762,
1522
+ "grad_norm": 0.045266490429639816,
1523
+ "learning_rate": 2.636545293072824e-05,
1524
+ "loss": 0.0005,
1525
+ "step": 2130
1526
+ },
1527
+ {
1528
+ "epoch": 3.8010657193605684,
1529
+ "grad_norm": 0.007182170171290636,
1530
+ "learning_rate": 2.6254440497335703e-05,
1531
+ "loss": 0.0003,
1532
+ "step": 2140
1533
+ },
1534
+ {
1535
+ "epoch": 3.818827708703375,
1536
+ "grad_norm": 0.00983410980552435,
1537
+ "learning_rate": 2.6143428063943165e-05,
1538
+ "loss": 0.0004,
1539
+ "step": 2150
1540
+ },
1541
+ {
1542
+ "epoch": 3.8365896980461813,
1543
+ "grad_norm": 0.00767460698261857,
1544
+ "learning_rate": 2.603241563055062e-05,
1545
+ "loss": 0.0004,
1546
+ "step": 2160
1547
+ },
1548
+ {
1549
+ "epoch": 3.854351687388988,
1550
+ "grad_norm": 0.01133924163877964,
1551
+ "learning_rate": 2.5921403197158083e-05,
1552
+ "loss": 0.0004,
1553
+ "step": 2170
1554
+ },
1555
+ {
1556
+ "epoch": 3.872113676731794,
1557
+ "grad_norm": 0.005284077022224665,
1558
+ "learning_rate": 2.581039076376554e-05,
1559
+ "loss": 0.0003,
1560
+ "step": 2180
1561
+ },
1562
+ {
1563
+ "epoch": 3.8898756660746003,
1564
+ "grad_norm": 0.010912826284766197,
1565
+ "learning_rate": 2.5699378330373004e-05,
1566
+ "loss": 0.0002,
1567
+ "step": 2190
1568
+ },
1569
+ {
1570
+ "epoch": 3.907637655417407,
1571
+ "grad_norm": 0.008936459198594093,
1572
+ "learning_rate": 2.5588365896980466e-05,
1573
+ "loss": 0.0003,
1574
+ "step": 2200
1575
+ },
1576
+ {
1577
+ "epoch": 3.9253996447602133,
1578
+ "grad_norm": 0.008787784725427628,
1579
+ "learning_rate": 2.547735346358792e-05,
1580
+ "loss": 0.0003,
1581
+ "step": 2210
1582
+ },
1583
+ {
1584
+ "epoch": 3.94316163410302,
1585
+ "grad_norm": 0.0062966118566691875,
1586
+ "learning_rate": 2.5366341030195383e-05,
1587
+ "loss": 0.0003,
1588
+ "step": 2220
1589
+ },
1590
+ {
1591
+ "epoch": 3.960923623445826,
1592
+ "grad_norm": 0.005867836996912956,
1593
+ "learning_rate": 2.5255328596802842e-05,
1594
+ "loss": 0.0002,
1595
+ "step": 2230
1596
+ },
1597
+ {
1598
+ "epoch": 3.9786856127886323,
1599
+ "grad_norm": 0.006783599965274334,
1600
+ "learning_rate": 2.5144316163410304e-05,
1601
+ "loss": 0.0003,
1602
+ "step": 2240
1603
+ },
1604
+ {
1605
+ "epoch": 3.996447602131439,
1606
+ "grad_norm": 0.009927009232342243,
1607
+ "learning_rate": 2.5033303730017766e-05,
1608
+ "loss": 0.0003,
1609
+ "step": 2250
1610
+ },
1611
+ {
1612
+ "epoch": 4.0,
1613
+ "eval_loss": 2.0054706055816496e-06,
1614
+ "eval_runtime": 22.009,
1615
+ "eval_samples_per_second": 45.436,
1616
+ "eval_steps_per_second": 2.862,
1617
+ "step": 2252
1618
+ },
1619
+ {
1620
+ "epoch": 4.014209591474245,
1621
+ "grad_norm": 0.026025472208857536,
1622
+ "learning_rate": 2.492229129662522e-05,
1623
+ "loss": 0.0003,
1624
+ "step": 2260
1625
+ },
1626
+ {
1627
+ "epoch": 4.031971580817052,
1628
+ "grad_norm": 0.0020729824900627136,
1629
+ "learning_rate": 2.4811278863232683e-05,
1630
+ "loss": 0.0002,
1631
+ "step": 2270
1632
+ },
1633
+ {
1634
+ "epoch": 4.049733570159858,
1635
+ "grad_norm": 0.07728759199380875,
1636
+ "learning_rate": 2.4700266429840142e-05,
1637
+ "loss": 0.0003,
1638
+ "step": 2280
1639
+ },
1640
+ {
1641
+ "epoch": 4.067495559502665,
1642
+ "grad_norm": 0.006721894256770611,
1643
+ "learning_rate": 2.4589253996447604e-05,
1644
+ "loss": 0.0003,
1645
+ "step": 2290
1646
+ },
1647
+ {
1648
+ "epoch": 4.085257548845471,
1649
+ "grad_norm": 0.0029023478273302317,
1650
+ "learning_rate": 2.4478241563055063e-05,
1651
+ "loss": 0.0005,
1652
+ "step": 2300
1653
+ },
1654
+ {
1655
+ "epoch": 4.103019538188277,
1656
+ "grad_norm": 0.03222382813692093,
1657
+ "learning_rate": 2.436722912966252e-05,
1658
+ "loss": 0.0003,
1659
+ "step": 2310
1660
+ },
1661
+ {
1662
+ "epoch": 4.120781527531084,
1663
+ "grad_norm": 0.015039577148854733,
1664
+ "learning_rate": 2.4256216696269984e-05,
1665
+ "loss": 0.0003,
1666
+ "step": 2320
1667
+ },
1668
+ {
1669
+ "epoch": 4.13854351687389,
1670
+ "grad_norm": 0.04993987828493118,
1671
+ "learning_rate": 2.4145204262877442e-05,
1672
+ "loss": 0.0003,
1673
+ "step": 2330
1674
+ },
1675
+ {
1676
+ "epoch": 4.156305506216697,
1677
+ "grad_norm": 0.002969494555145502,
1678
+ "learning_rate": 2.4034191829484904e-05,
1679
+ "loss": 0.0002,
1680
+ "step": 2340
1681
+ },
1682
+ {
1683
+ "epoch": 4.174067495559503,
1684
+ "grad_norm": 0.019309891387820244,
1685
+ "learning_rate": 2.3923179396092363e-05,
1686
+ "loss": 0.0003,
1687
+ "step": 2350
1688
+ },
1689
+ {
1690
+ "epoch": 4.191829484902309,
1691
+ "grad_norm": 0.004141306970268488,
1692
+ "learning_rate": 2.3812166962699822e-05,
1693
+ "loss": 0.0002,
1694
+ "step": 2360
1695
+ },
1696
+ {
1697
+ "epoch": 4.209591474245116,
1698
+ "grad_norm": 0.0039856103248894215,
1699
+ "learning_rate": 2.3701154529307284e-05,
1700
+ "loss": 0.0003,
1701
+ "step": 2370
1702
+ },
1703
+ {
1704
+ "epoch": 4.227353463587922,
1705
+ "grad_norm": 0.005168092902749777,
1706
+ "learning_rate": 2.3590142095914743e-05,
1707
+ "loss": 0.0002,
1708
+ "step": 2380
1709
+ },
1710
+ {
1711
+ "epoch": 4.245115452930728,
1712
+ "grad_norm": 0.009566891007125378,
1713
+ "learning_rate": 2.3479129662522205e-05,
1714
+ "loss": 0.0002,
1715
+ "step": 2390
1716
+ },
1717
+ {
1718
+ "epoch": 4.262877442273535,
1719
+ "grad_norm": 0.05170539766550064,
1720
+ "learning_rate": 2.3368117229129663e-05,
1721
+ "loss": 0.0004,
1722
+ "step": 2400
1723
+ },
1724
+ {
1725
+ "epoch": 4.280639431616341,
1726
+ "grad_norm": 0.003199364058673382,
1727
+ "learning_rate": 2.3257104795737122e-05,
1728
+ "loss": 0.0002,
1729
+ "step": 2410
1730
+ },
1731
+ {
1732
+ "epoch": 4.298401420959148,
1733
+ "grad_norm": 0.11592520773410797,
1734
+ "learning_rate": 2.3146092362344584e-05,
1735
+ "loss": 0.0005,
1736
+ "step": 2420
1737
+ },
1738
+ {
1739
+ "epoch": 4.316163410301954,
1740
+ "grad_norm": 0.003450137795880437,
1741
+ "learning_rate": 2.3035079928952043e-05,
1742
+ "loss": 0.0002,
1743
+ "step": 2430
1744
+ },
1745
+ {
1746
+ "epoch": 4.333925399644761,
1747
+ "grad_norm": 0.018514085561037064,
1748
+ "learning_rate": 2.2924067495559505e-05,
1749
+ "loss": 0.0002,
1750
+ "step": 2440
1751
+ },
1752
+ {
1753
+ "epoch": 4.351687388987567,
1754
+ "grad_norm": 0.023660879582166672,
1755
+ "learning_rate": 2.2813055062166964e-05,
1756
+ "loss": 0.0003,
1757
+ "step": 2450
1758
+ },
1759
+ {
1760
+ "epoch": 4.369449378330373,
1761
+ "grad_norm": 0.0032503483816981316,
1762
+ "learning_rate": 2.2702042628774422e-05,
1763
+ "loss": 0.0002,
1764
+ "step": 2460
1765
+ },
1766
+ {
1767
+ "epoch": 4.38721136767318,
1768
+ "grad_norm": 0.00737254461273551,
1769
+ "learning_rate": 2.2591030195381885e-05,
1770
+ "loss": 0.0003,
1771
+ "step": 2470
1772
+ },
1773
+ {
1774
+ "epoch": 4.404973357015986,
1775
+ "grad_norm": 0.004189962055534124,
1776
+ "learning_rate": 2.2480017761989343e-05,
1777
+ "loss": 0.0002,
1778
+ "step": 2480
1779
+ },
1780
+ {
1781
+ "epoch": 4.422735346358792,
1782
+ "grad_norm": 0.00830498244613409,
1783
+ "learning_rate": 2.2369005328596805e-05,
1784
+ "loss": 0.0004,
1785
+ "step": 2490
1786
+ },
1787
+ {
1788
+ "epoch": 4.440497335701599,
1789
+ "grad_norm": 0.004922557156533003,
1790
+ "learning_rate": 2.2257992895204264e-05,
1791
+ "loss": 0.0002,
1792
+ "step": 2500
1793
+ },
1794
+ {
1795
+ "epoch": 4.458259325044405,
1796
+ "grad_norm": 0.018229391425848007,
1797
+ "learning_rate": 2.2146980461811723e-05,
1798
+ "loss": 0.0002,
1799
+ "step": 2510
1800
+ },
1801
+ {
1802
+ "epoch": 4.476021314387212,
1803
+ "grad_norm": 0.006720603443682194,
1804
+ "learning_rate": 2.2035968028419185e-05,
1805
+ "loss": 0.0002,
1806
+ "step": 2520
1807
+ },
1808
+ {
1809
+ "epoch": 4.493783303730018,
1810
+ "grad_norm": 0.0020187098998576403,
1811
+ "learning_rate": 2.1924955595026644e-05,
1812
+ "loss": 0.0003,
1813
+ "step": 2530
1814
+ },
1815
+ {
1816
+ "epoch": 4.511545293072825,
1817
+ "grad_norm": 0.0030220877379179,
1818
+ "learning_rate": 2.1813943161634102e-05,
1819
+ "loss": 0.0003,
1820
+ "step": 2540
1821
+ },
1822
+ {
1823
+ "epoch": 4.529307282415631,
1824
+ "grad_norm": 0.016860356554389,
1825
+ "learning_rate": 2.1702930728241564e-05,
1826
+ "loss": 0.0003,
1827
+ "step": 2550
1828
+ },
1829
+ {
1830
+ "epoch": 4.547069271758437,
1831
+ "grad_norm": 0.07945937663316727,
1832
+ "learning_rate": 2.1591918294849023e-05,
1833
+ "loss": 0.0004,
1834
+ "step": 2560
1835
+ },
1836
+ {
1837
+ "epoch": 4.564831261101244,
1838
+ "grad_norm": 0.010131836868822575,
1839
+ "learning_rate": 2.1480905861456485e-05,
1840
+ "loss": 0.0003,
1841
+ "step": 2570
1842
+ },
1843
+ {
1844
+ "epoch": 4.58259325044405,
1845
+ "grad_norm": 0.016588937491178513,
1846
+ "learning_rate": 2.1369893428063944e-05,
1847
+ "loss": 0.0002,
1848
+ "step": 2580
1849
+ },
1850
+ {
1851
+ "epoch": 4.600355239786856,
1852
+ "grad_norm": 0.004532839171588421,
1853
+ "learning_rate": 2.1258880994671403e-05,
1854
+ "loss": 0.0003,
1855
+ "step": 2590
1856
+ },
1857
+ {
1858
+ "epoch": 4.618117229129663,
1859
+ "grad_norm": 0.005671780090779066,
1860
+ "learning_rate": 2.1147868561278865e-05,
1861
+ "loss": 0.0002,
1862
+ "step": 2600
1863
+ },
1864
+ {
1865
+ "epoch": 4.635879218472469,
1866
+ "grad_norm": 0.1407405436038971,
1867
+ "learning_rate": 2.1036856127886323e-05,
1868
+ "loss": 0.0004,
1869
+ "step": 2610
1870
+ },
1871
+ {
1872
+ "epoch": 4.653641207815276,
1873
+ "grad_norm": 0.009644228033721447,
1874
+ "learning_rate": 2.0925843694493785e-05,
1875
+ "loss": 0.0002,
1876
+ "step": 2620
1877
+ },
1878
+ {
1879
+ "epoch": 4.671403197158082,
1880
+ "grad_norm": 0.021375441923737526,
1881
+ "learning_rate": 2.0814831261101244e-05,
1882
+ "loss": 0.0002,
1883
+ "step": 2630
1884
+ },
1885
+ {
1886
+ "epoch": 4.6891651865008885,
1887
+ "grad_norm": 0.05786694213747978,
1888
+ "learning_rate": 2.0703818827708703e-05,
1889
+ "loss": 0.0002,
1890
+ "step": 2640
1891
+ },
1892
+ {
1893
+ "epoch": 4.706927175843695,
1894
+ "grad_norm": 0.01768909953534603,
1895
+ "learning_rate": 2.0592806394316165e-05,
1896
+ "loss": 0.0005,
1897
+ "step": 2650
1898
+ },
1899
+ {
1900
+ "epoch": 4.724689165186501,
1901
+ "grad_norm": 0.20010802149772644,
1902
+ "learning_rate": 2.0481793960923624e-05,
1903
+ "loss": 0.0005,
1904
+ "step": 2660
1905
+ },
1906
+ {
1907
+ "epoch": 4.7424511545293075,
1908
+ "grad_norm": 0.0016011944971978664,
1909
+ "learning_rate": 2.0370781527531086e-05,
1910
+ "loss": 0.0002,
1911
+ "step": 2670
1912
+ },
1913
+ {
1914
+ "epoch": 4.760213143872114,
1915
+ "grad_norm": 0.0031138239428400993,
1916
+ "learning_rate": 2.0259769094138544e-05,
1917
+ "loss": 0.0003,
1918
+ "step": 2680
1919
+ },
1920
+ {
1921
+ "epoch": 4.77797513321492,
1922
+ "grad_norm": 0.007894694805145264,
1923
+ "learning_rate": 2.0148756660746003e-05,
1924
+ "loss": 0.0002,
1925
+ "step": 2690
1926
+ },
1927
+ {
1928
+ "epoch": 4.7957371225577266,
1929
+ "grad_norm": 0.006601590663194656,
1930
+ "learning_rate": 2.0037744227353465e-05,
1931
+ "loss": 0.0005,
1932
+ "step": 2700
1933
+ },
1934
+ {
1935
+ "epoch": 4.813499111900533,
1936
+ "grad_norm": 0.004905109293758869,
1937
+ "learning_rate": 1.9926731793960924e-05,
1938
+ "loss": 0.0002,
1939
+ "step": 2710
1940
+ },
1941
+ {
1942
+ "epoch": 4.8312611012433395,
1943
+ "grad_norm": 0.007573388516902924,
1944
+ "learning_rate": 1.9815719360568386e-05,
1945
+ "loss": 0.0005,
1946
+ "step": 2720
1947
+ },
1948
+ {
1949
+ "epoch": 4.849023090586146,
1950
+ "grad_norm": 0.004600901156663895,
1951
+ "learning_rate": 1.9704706927175845e-05,
1952
+ "loss": 0.0002,
1953
+ "step": 2730
1954
+ },
1955
+ {
1956
+ "epoch": 4.8667850799289525,
1957
+ "grad_norm": 0.004953782539814711,
1958
+ "learning_rate": 1.9593694493783303e-05,
1959
+ "loss": 0.0002,
1960
+ "step": 2740
1961
+ },
1962
+ {
1963
+ "epoch": 4.8845470692717585,
1964
+ "grad_norm": 0.005551377311348915,
1965
+ "learning_rate": 1.9482682060390765e-05,
1966
+ "loss": 0.0002,
1967
+ "step": 2750
1968
+ },
1969
+ {
1970
+ "epoch": 4.902309058614565,
1971
+ "grad_norm": 0.0048238011077046394,
1972
+ "learning_rate": 1.9371669626998224e-05,
1973
+ "loss": 0.0002,
1974
+ "step": 2760
1975
+ },
1976
+ {
1977
+ "epoch": 4.9200710479573715,
1978
+ "grad_norm": 0.009099510498344898,
1979
+ "learning_rate": 1.9260657193605686e-05,
1980
+ "loss": 0.0002,
1981
+ "step": 2770
1982
+ },
1983
+ {
1984
+ "epoch": 4.9378330373001775,
1985
+ "grad_norm": 0.0018844065489247441,
1986
+ "learning_rate": 1.9149644760213145e-05,
1987
+ "loss": 0.0002,
1988
+ "step": 2780
1989
+ },
1990
+ {
1991
+ "epoch": 4.955595026642984,
1992
+ "grad_norm": 0.0071139088831841946,
1993
+ "learning_rate": 1.9038632326820604e-05,
1994
+ "loss": 0.0002,
1995
+ "step": 2790
1996
+ },
1997
+ {
1998
+ "epoch": 4.9733570159857905,
1999
+ "grad_norm": 0.0148090161383152,
2000
+ "learning_rate": 1.8927619893428062e-05,
2001
+ "loss": 0.0002,
2002
+ "step": 2800
2003
+ },
2004
+ {
2005
+ "epoch": 4.9911190053285965,
2006
+ "grad_norm": 0.014955924823880196,
2007
+ "learning_rate": 1.8816607460035524e-05,
2008
+ "loss": 0.0002,
2009
+ "step": 2810
2010
+ },
2011
+ {
2012
+ "epoch": 5.0,
2013
+ "eval_loss": 1.5623232911821106e-06,
2014
+ "eval_runtime": 22.0179,
2015
+ "eval_samples_per_second": 45.418,
2016
+ "eval_steps_per_second": 2.861,
2017
+ "step": 2815
2018
+ },
2019
+ {
2020
+ "epoch": 5.0088809946714035,
2021
+ "grad_norm": 0.008464839309453964,
2022
+ "learning_rate": 1.8705595026642987e-05,
2023
+ "loss": 0.0002,
2024
+ "step": 2820
2025
+ },
2026
+ {
2027
+ "epoch": 5.0266429840142095,
2028
+ "grad_norm": 0.010644927620887756,
2029
+ "learning_rate": 1.8594582593250445e-05,
2030
+ "loss": 0.0003,
2031
+ "step": 2830
2032
+ },
2033
+ {
2034
+ "epoch": 5.044404973357016,
2035
+ "grad_norm": 0.004363817162811756,
2036
+ "learning_rate": 1.8483570159857904e-05,
2037
+ "loss": 0.0002,
2038
+ "step": 2840
2039
+ },
2040
+ {
2041
+ "epoch": 5.0621669626998225,
2042
+ "grad_norm": 0.013293485157191753,
2043
+ "learning_rate": 1.8372557726465363e-05,
2044
+ "loss": 0.0002,
2045
+ "step": 2850
2046
+ },
2047
+ {
2048
+ "epoch": 5.0799289520426285,
2049
+ "grad_norm": 0.05282105877995491,
2050
+ "learning_rate": 1.8261545293072825e-05,
2051
+ "loss": 0.0004,
2052
+ "step": 2860
2053
+ },
2054
+ {
2055
+ "epoch": 5.097690941385435,
2056
+ "grad_norm": 0.002226222539320588,
2057
+ "learning_rate": 1.8150532859680287e-05,
2058
+ "loss": 0.0003,
2059
+ "step": 2870
2060
+ },
2061
+ {
2062
+ "epoch": 5.1154529307282415,
2063
+ "grad_norm": 0.004167128819972277,
2064
+ "learning_rate": 1.8039520426287746e-05,
2065
+ "loss": 0.0002,
2066
+ "step": 2880
2067
+ },
2068
+ {
2069
+ "epoch": 5.1332149200710475,
2070
+ "grad_norm": 0.10440316051244736,
2071
+ "learning_rate": 1.7928507992895204e-05,
2072
+ "loss": 0.0003,
2073
+ "step": 2890
2074
+ },
2075
+ {
2076
+ "epoch": 5.150976909413854,
2077
+ "grad_norm": 0.007494487799704075,
2078
+ "learning_rate": 1.7817495559502663e-05,
2079
+ "loss": 0.0002,
2080
+ "step": 2900
2081
+ },
2082
+ {
2083
+ "epoch": 5.1687388987566605,
2084
+ "grad_norm": 0.004491967149078846,
2085
+ "learning_rate": 1.7706483126110125e-05,
2086
+ "loss": 0.0002,
2087
+ "step": 2910
2088
+ },
2089
+ {
2090
+ "epoch": 5.186500888099467,
2091
+ "grad_norm": 0.0517878532409668,
2092
+ "learning_rate": 1.7595470692717587e-05,
2093
+ "loss": 0.0002,
2094
+ "step": 2920
2095
+ },
2096
+ {
2097
+ "epoch": 5.2042628774422734,
2098
+ "grad_norm": 0.006387591827660799,
2099
+ "learning_rate": 1.7484458259325046e-05,
2100
+ "loss": 0.0002,
2101
+ "step": 2930
2102
+ },
2103
+ {
2104
+ "epoch": 5.22202486678508,
2105
+ "grad_norm": 0.008753631263971329,
2106
+ "learning_rate": 1.7373445825932505e-05,
2107
+ "loss": 0.0003,
2108
+ "step": 2940
2109
+ },
2110
+ {
2111
+ "epoch": 5.239786856127886,
2112
+ "grad_norm": 0.0052266488783061504,
2113
+ "learning_rate": 1.7262433392539963e-05,
2114
+ "loss": 0.0003,
2115
+ "step": 2950
2116
+ },
2117
+ {
2118
+ "epoch": 5.2575488454706925,
2119
+ "grad_norm": 0.004134784918278456,
2120
+ "learning_rate": 1.7151420959147425e-05,
2121
+ "loss": 0.0002,
2122
+ "step": 2960
2123
+ },
2124
+ {
2125
+ "epoch": 5.275310834813499,
2126
+ "grad_norm": 0.003984558861702681,
2127
+ "learning_rate": 1.7040408525754887e-05,
2128
+ "loss": 0.0002,
2129
+ "step": 2970
2130
+ },
2131
+ {
2132
+ "epoch": 5.293072824156305,
2133
+ "grad_norm": 0.011758877895772457,
2134
+ "learning_rate": 1.6929396092362346e-05,
2135
+ "loss": 0.0002,
2136
+ "step": 2980
2137
+ },
2138
+ {
2139
+ "epoch": 5.3108348134991115,
2140
+ "grad_norm": 0.005662502255290747,
2141
+ "learning_rate": 1.6818383658969805e-05,
2142
+ "loss": 0.0002,
2143
+ "step": 2990
2144
+ },
2145
+ {
2146
+ "epoch": 5.328596802841918,
2147
+ "grad_norm": 0.0018373008351773024,
2148
+ "learning_rate": 1.6707371225577264e-05,
2149
+ "loss": 0.0002,
2150
+ "step": 3000
2151
+ },
2152
+ {
2153
+ "epoch": 5.346358792184724,
2154
+ "grad_norm": 0.0203489288687706,
2155
+ "learning_rate": 1.6596358792184726e-05,
2156
+ "loss": 0.0002,
2157
+ "step": 3010
2158
+ },
2159
+ {
2160
+ "epoch": 5.364120781527531,
2161
+ "grad_norm": 0.006496446672827005,
2162
+ "learning_rate": 1.6485346358792188e-05,
2163
+ "loss": 0.0002,
2164
+ "step": 3020
2165
+ },
2166
+ {
2167
+ "epoch": 5.381882770870337,
2168
+ "grad_norm": 0.0037881876341998577,
2169
+ "learning_rate": 1.6374333925399646e-05,
2170
+ "loss": 0.0002,
2171
+ "step": 3030
2172
+ },
2173
+ {
2174
+ "epoch": 5.399644760213144,
2175
+ "grad_norm": 0.006189519539475441,
2176
+ "learning_rate": 1.6263321492007105e-05,
2177
+ "loss": 0.0002,
2178
+ "step": 3040
2179
+ },
2180
+ {
2181
+ "epoch": 5.41740674955595,
2182
+ "grad_norm": 0.016199415549635887,
2183
+ "learning_rate": 1.6152309058614564e-05,
2184
+ "loss": 0.0002,
2185
+ "step": 3050
2186
+ },
2187
+ {
2188
+ "epoch": 5.435168738898756,
2189
+ "grad_norm": 0.0038983342237770557,
2190
+ "learning_rate": 1.6041296625222023e-05,
2191
+ "loss": 0.0002,
2192
+ "step": 3060
2193
+ },
2194
+ {
2195
+ "epoch": 5.452930728241563,
2196
+ "grad_norm": 0.12250888347625732,
2197
+ "learning_rate": 1.5930284191829488e-05,
2198
+ "loss": 0.0002,
2199
+ "step": 3070
2200
+ },
2201
+ {
2202
+ "epoch": 5.470692717584369,
2203
+ "grad_norm": 0.008953145705163479,
2204
+ "learning_rate": 1.5819271758436947e-05,
2205
+ "loss": 0.0002,
2206
+ "step": 3080
2207
+ },
2208
+ {
2209
+ "epoch": 5.488454706927175,
2210
+ "grad_norm": 0.0029956751968711615,
2211
+ "learning_rate": 1.5708259325044405e-05,
2212
+ "loss": 0.0003,
2213
+ "step": 3090
2214
+ },
2215
+ {
2216
+ "epoch": 5.506216696269982,
2217
+ "grad_norm": 0.011769605800509453,
2218
+ "learning_rate": 1.5597246891651864e-05,
2219
+ "loss": 0.0003,
2220
+ "step": 3100
2221
+ },
2222
+ {
2223
+ "epoch": 5.523978685612788,
2224
+ "grad_norm": 0.006393752060830593,
2225
+ "learning_rate": 1.5486234458259326e-05,
2226
+ "loss": 0.0002,
2227
+ "step": 3110
2228
+ },
2229
+ {
2230
+ "epoch": 5.541740674955595,
2231
+ "grad_norm": 0.0033896728418767452,
2232
+ "learning_rate": 1.537522202486679e-05,
2233
+ "loss": 0.0002,
2234
+ "step": 3120
2235
+ },
2236
+ {
2237
+ "epoch": 5.559502664298401,
2238
+ "grad_norm": 0.004390314687043428,
2239
+ "learning_rate": 1.5264209591474247e-05,
2240
+ "loss": 0.0002,
2241
+ "step": 3130
2242
+ },
2243
+ {
2244
+ "epoch": 5.577264653641208,
2245
+ "grad_norm": 0.005353247281163931,
2246
+ "learning_rate": 1.5153197158081706e-05,
2247
+ "loss": 0.0002,
2248
+ "step": 3140
2249
+ },
2250
+ {
2251
+ "epoch": 5.595026642984014,
2252
+ "grad_norm": 0.006205048877745867,
2253
+ "learning_rate": 1.5042184724689164e-05,
2254
+ "loss": 0.0002,
2255
+ "step": 3150
2256
+ },
2257
+ {
2258
+ "epoch": 5.61278863232682,
2259
+ "grad_norm": 0.0020661200396716595,
2260
+ "learning_rate": 1.4931172291296627e-05,
2261
+ "loss": 0.0001,
2262
+ "step": 3160
2263
+ },
2264
+ {
2265
+ "epoch": 5.630550621669627,
2266
+ "grad_norm": 0.004063829779624939,
2267
+ "learning_rate": 1.4820159857904087e-05,
2268
+ "loss": 0.0001,
2269
+ "step": 3170
2270
+ },
2271
+ {
2272
+ "epoch": 5.648312611012433,
2273
+ "grad_norm": 0.0014260923489928246,
2274
+ "learning_rate": 1.4709147424511546e-05,
2275
+ "loss": 0.0001,
2276
+ "step": 3180
2277
+ },
2278
+ {
2279
+ "epoch": 5.666074600355239,
2280
+ "grad_norm": 0.0031196416821330786,
2281
+ "learning_rate": 1.4598134991119006e-05,
2282
+ "loss": 0.0002,
2283
+ "step": 3190
2284
+ },
2285
+ {
2286
+ "epoch": 5.683836589698046,
2287
+ "grad_norm": 0.0019640398677438498,
2288
+ "learning_rate": 1.4487122557726465e-05,
2289
+ "loss": 0.0003,
2290
+ "step": 3200
2291
+ },
2292
+ {
2293
+ "epoch": 5.701598579040852,
2294
+ "grad_norm": 0.009311804547905922,
2295
+ "learning_rate": 1.4376110124333927e-05,
2296
+ "loss": 0.0001,
2297
+ "step": 3210
2298
+ },
2299
+ {
2300
+ "epoch": 5.719360568383659,
2301
+ "grad_norm": 0.002296882914379239,
2302
+ "learning_rate": 1.4265097690941387e-05,
2303
+ "loss": 0.0002,
2304
+ "step": 3220
2305
+ },
2306
+ {
2307
+ "epoch": 5.737122557726465,
2308
+ "grad_norm": 0.008231076411902905,
2309
+ "learning_rate": 1.4154085257548846e-05,
2310
+ "loss": 0.0001,
2311
+ "step": 3230
2312
+ },
2313
+ {
2314
+ "epoch": 5.754884547069272,
2315
+ "grad_norm": 0.02695680968463421,
2316
+ "learning_rate": 1.4043072824156306e-05,
2317
+ "loss": 0.0002,
2318
+ "step": 3240
2319
+ },
2320
+ {
2321
+ "epoch": 5.772646536412078,
2322
+ "grad_norm": 0.005848235916346312,
2323
+ "learning_rate": 1.3932060390763765e-05,
2324
+ "loss": 0.0001,
2325
+ "step": 3250
2326
+ },
2327
+ {
2328
+ "epoch": 5.790408525754884,
2329
+ "grad_norm": 0.00468071224167943,
2330
+ "learning_rate": 1.3821047957371227e-05,
2331
+ "loss": 0.0001,
2332
+ "step": 3260
2333
+ },
2334
+ {
2335
+ "epoch": 5.808170515097691,
2336
+ "grad_norm": 0.0027211324777454138,
2337
+ "learning_rate": 1.3710035523978688e-05,
2338
+ "loss": 0.0002,
2339
+ "step": 3270
2340
+ },
2341
+ {
2342
+ "epoch": 5.825932504440497,
2343
+ "grad_norm": 0.007977406494319439,
2344
+ "learning_rate": 1.3599023090586146e-05,
2345
+ "loss": 0.0002,
2346
+ "step": 3280
2347
+ },
2348
+ {
2349
+ "epoch": 5.843694493783303,
2350
+ "grad_norm": 0.0070778182707726955,
2351
+ "learning_rate": 1.3488010657193607e-05,
2352
+ "loss": 0.0002,
2353
+ "step": 3290
2354
+ },
2355
+ {
2356
+ "epoch": 5.86145648312611,
2357
+ "grad_norm": 0.014064283110201359,
2358
+ "learning_rate": 1.3376998223801065e-05,
2359
+ "loss": 0.0002,
2360
+ "step": 3300
2361
+ },
2362
+ {
2363
+ "epoch": 5.879218472468916,
2364
+ "grad_norm": 0.0018223852384835482,
2365
+ "learning_rate": 1.3265985790408527e-05,
2366
+ "loss": 0.0001,
2367
+ "step": 3310
2368
+ },
2369
+ {
2370
+ "epoch": 5.896980461811723,
2371
+ "grad_norm": 0.070171058177948,
2372
+ "learning_rate": 1.3154973357015988e-05,
2373
+ "loss": 0.0002,
2374
+ "step": 3320
2375
+ },
2376
+ {
2377
+ "epoch": 5.914742451154529,
2378
+ "grad_norm": 0.03238040581345558,
2379
+ "learning_rate": 1.3043960923623447e-05,
2380
+ "loss": 0.0002,
2381
+ "step": 3330
2382
+ },
2383
+ {
2384
+ "epoch": 5.932504440497336,
2385
+ "grad_norm": 0.003422616748139262,
2386
+ "learning_rate": 1.2932948490230907e-05,
2387
+ "loss": 0.0002,
2388
+ "step": 3340
2389
+ },
2390
+ {
2391
+ "epoch": 5.950266429840142,
2392
+ "grad_norm": 0.0016958152409642935,
2393
+ "learning_rate": 1.2821936056838366e-05,
2394
+ "loss": 0.0001,
2395
+ "step": 3350
2396
+ },
2397
+ {
2398
+ "epoch": 5.968028419182948,
2399
+ "grad_norm": 0.0023135722149163485,
2400
+ "learning_rate": 1.2710923623445828e-05,
2401
+ "loss": 0.0001,
2402
+ "step": 3360
2403
+ },
2404
+ {
2405
+ "epoch": 5.985790408525755,
2406
+ "grad_norm": 0.00846858974546194,
2407
+ "learning_rate": 1.2599911190053288e-05,
2408
+ "loss": 0.0002,
2409
+ "step": 3370
2410
+ },
2411
+ {
2412
+ "epoch": 6.0,
2413
+ "eval_loss": 1.150123352999799e-06,
2414
+ "eval_runtime": 22.2281,
2415
+ "eval_samples_per_second": 44.988,
2416
+ "eval_steps_per_second": 2.834,
2417
+ "step": 3378
2418
+ },
2419
+ {
2420
+ "epoch": 6.003552397868561,
2421
+ "grad_norm": 0.059037767350673676,
2422
+ "learning_rate": 1.2488898756660747e-05,
2423
+ "loss": 0.0003,
2424
+ "step": 3380
2425
+ },
2426
+ {
2427
+ "epoch": 6.021314387211367,
2428
+ "grad_norm": 0.010334952734410763,
2429
+ "learning_rate": 1.2377886323268206e-05,
2430
+ "loss": 0.0002,
2431
+ "step": 3390
2432
+ },
2433
+ {
2434
+ "epoch": 6.039076376554174,
2435
+ "grad_norm": 0.002199666341766715,
2436
+ "learning_rate": 1.2266873889875668e-05,
2437
+ "loss": 0.0001,
2438
+ "step": 3400
2439
+ },
2440
+ {
2441
+ "epoch": 6.05683836589698,
2442
+ "grad_norm": 0.0027150341775268316,
2443
+ "learning_rate": 1.2155861456483126e-05,
2444
+ "loss": 0.0002,
2445
+ "step": 3410
2446
+ },
2447
+ {
2448
+ "epoch": 6.074600355239787,
2449
+ "grad_norm": 0.06314147263765335,
2450
+ "learning_rate": 1.2044849023090587e-05,
2451
+ "loss": 0.0002,
2452
+ "step": 3420
2453
+ },
2454
+ {
2455
+ "epoch": 6.092362344582593,
2456
+ "grad_norm": 0.10585487633943558,
2457
+ "learning_rate": 1.1933836589698047e-05,
2458
+ "loss": 0.0002,
2459
+ "step": 3430
2460
+ },
2461
+ {
2462
+ "epoch": 6.110124333925399,
2463
+ "grad_norm": 0.005490344017744064,
2464
+ "learning_rate": 1.1822824156305506e-05,
2465
+ "loss": 0.0001,
2466
+ "step": 3440
2467
+ },
2468
+ {
2469
+ "epoch": 6.127886323268206,
2470
+ "grad_norm": 0.03931137174367905,
2471
+ "learning_rate": 1.1711811722912968e-05,
2472
+ "loss": 0.0001,
2473
+ "step": 3450
2474
+ },
2475
+ {
2476
+ "epoch": 6.145648312611012,
2477
+ "grad_norm": 0.001892774016596377,
2478
+ "learning_rate": 1.1600799289520427e-05,
2479
+ "loss": 0.0001,
2480
+ "step": 3460
2481
+ },
2482
+ {
2483
+ "epoch": 6.163410301953819,
2484
+ "grad_norm": 0.002348232315853238,
2485
+ "learning_rate": 1.1489786856127887e-05,
2486
+ "loss": 0.0002,
2487
+ "step": 3470
2488
+ },
2489
+ {
2490
+ "epoch": 6.181172291296625,
2491
+ "grad_norm": 0.0030624247156083584,
2492
+ "learning_rate": 1.1378774422735347e-05,
2493
+ "loss": 0.0002,
2494
+ "step": 3480
2495
+ },
2496
+ {
2497
+ "epoch": 6.198934280639431,
2498
+ "grad_norm": 0.003177167382091284,
2499
+ "learning_rate": 1.1267761989342806e-05,
2500
+ "loss": 0.0001,
2501
+ "step": 3490
2502
+ },
2503
+ {
2504
+ "epoch": 6.216696269982238,
2505
+ "grad_norm": 0.003824736224487424,
2506
+ "learning_rate": 1.1156749555950268e-05,
2507
+ "loss": 0.0002,
2508
+ "step": 3500
2509
+ },
2510
+ {
2511
+ "epoch": 6.234458259325044,
2512
+ "grad_norm": 0.00209417543374002,
2513
+ "learning_rate": 1.1045737122557727e-05,
2514
+ "loss": 0.0001,
2515
+ "step": 3510
2516
+ },
2517
+ {
2518
+ "epoch": 6.252220248667851,
2519
+ "grad_norm": 0.011512521654367447,
2520
+ "learning_rate": 1.0934724689165186e-05,
2521
+ "loss": 0.0001,
2522
+ "step": 3520
2523
+ },
2524
+ {
2525
+ "epoch": 6.269982238010657,
2526
+ "grad_norm": 0.01817052625119686,
2527
+ "learning_rate": 1.0823712255772648e-05,
2528
+ "loss": 0.0002,
2529
+ "step": 3530
2530
+ },
2531
+ {
2532
+ "epoch": 6.287744227353464,
2533
+ "grad_norm": 0.004132445901632309,
2534
+ "learning_rate": 1.0712699822380106e-05,
2535
+ "loss": 0.0001,
2536
+ "step": 3540
2537
+ },
2538
+ {
2539
+ "epoch": 6.30550621669627,
2540
+ "grad_norm": 0.0017249000957235694,
2541
+ "learning_rate": 1.0601687388987567e-05,
2542
+ "loss": 0.0001,
2543
+ "step": 3550
2544
+ },
2545
+ {
2546
+ "epoch": 6.323268206039076,
2547
+ "grad_norm": 0.0024557355791330338,
2548
+ "learning_rate": 1.0490674955595027e-05,
2549
+ "loss": 0.0002,
2550
+ "step": 3560
2551
+ },
2552
+ {
2553
+ "epoch": 6.341030195381883,
2554
+ "grad_norm": 0.02593265473842621,
2555
+ "learning_rate": 1.0379662522202486e-05,
2556
+ "loss": 0.0002,
2557
+ "step": 3570
2558
+ },
2559
+ {
2560
+ "epoch": 6.358792184724689,
2561
+ "grad_norm": 0.00831576343625784,
2562
+ "learning_rate": 1.0268650088809948e-05,
2563
+ "loss": 0.0001,
2564
+ "step": 3580
2565
+ },
2566
+ {
2567
+ "epoch": 6.376554174067495,
2568
+ "grad_norm": 0.12613391876220703,
2569
+ "learning_rate": 1.0157637655417407e-05,
2570
+ "loss": 0.0002,
2571
+ "step": 3590
2572
+ },
2573
+ {
2574
+ "epoch": 6.394316163410302,
2575
+ "grad_norm": 0.00139847572427243,
2576
+ "learning_rate": 1.0046625222024867e-05,
2577
+ "loss": 0.0002,
2578
+ "step": 3600
2579
+ },
2580
+ {
2581
+ "epoch": 6.412078152753108,
2582
+ "grad_norm": 0.0011393679305911064,
2583
+ "learning_rate": 9.935612788632327e-06,
2584
+ "loss": 0.0001,
2585
+ "step": 3610
2586
+ },
2587
+ {
2588
+ "epoch": 6.429840142095915,
2589
+ "grad_norm": 0.031851690262556076,
2590
+ "learning_rate": 9.824600355239786e-06,
2591
+ "loss": 0.0002,
2592
+ "step": 3620
2593
+ },
2594
+ {
2595
+ "epoch": 6.447602131438721,
2596
+ "grad_norm": 0.002192731713876128,
2597
+ "learning_rate": 9.713587921847248e-06,
2598
+ "loss": 0.0002,
2599
+ "step": 3630
2600
+ },
2601
+ {
2602
+ "epoch": 6.465364120781528,
2603
+ "grad_norm": 0.012485062703490257,
2604
+ "learning_rate": 9.602575488454707e-06,
2605
+ "loss": 0.0002,
2606
+ "step": 3640
2607
+ },
2608
+ {
2609
+ "epoch": 6.483126110124334,
2610
+ "grad_norm": 0.02442704513669014,
2611
+ "learning_rate": 9.491563055062167e-06,
2612
+ "loss": 0.0002,
2613
+ "step": 3650
2614
+ },
2615
+ {
2616
+ "epoch": 6.50088809946714,
2617
+ "grad_norm": 0.0015811693156138062,
2618
+ "learning_rate": 9.380550621669628e-06,
2619
+ "loss": 0.0001,
2620
+ "step": 3660
2621
+ },
2622
+ {
2623
+ "epoch": 6.518650088809947,
2624
+ "grad_norm": 0.039409998804330826,
2625
+ "learning_rate": 9.269538188277086e-06,
2626
+ "loss": 0.0001,
2627
+ "step": 3670
2628
+ },
2629
+ {
2630
+ "epoch": 6.536412078152753,
2631
+ "grad_norm": 0.002665013074874878,
2632
+ "learning_rate": 9.158525754884547e-06,
2633
+ "loss": 0.0002,
2634
+ "step": 3680
2635
+ },
2636
+ {
2637
+ "epoch": 6.554174067495559,
2638
+ "grad_norm": 0.003954344894737005,
2639
+ "learning_rate": 9.047513321492007e-06,
2640
+ "loss": 0.0002,
2641
+ "step": 3690
2642
+ },
2643
+ {
2644
+ "epoch": 6.571936056838366,
2645
+ "grad_norm": 0.005066856276243925,
2646
+ "learning_rate": 8.936500888099468e-06,
2647
+ "loss": 0.0002,
2648
+ "step": 3700
2649
+ },
2650
+ {
2651
+ "epoch": 6.589698046181172,
2652
+ "grad_norm": 0.007488698698580265,
2653
+ "learning_rate": 8.825488454706928e-06,
2654
+ "loss": 0.0001,
2655
+ "step": 3710
2656
+ },
2657
+ {
2658
+ "epoch": 6.607460035523979,
2659
+ "grad_norm": 0.00137425831053406,
2660
+ "learning_rate": 8.714476021314387e-06,
2661
+ "loss": 0.0002,
2662
+ "step": 3720
2663
+ },
2664
+ {
2665
+ "epoch": 6.625222024866785,
2666
+ "grad_norm": 0.005670055281370878,
2667
+ "learning_rate": 8.603463587921847e-06,
2668
+ "loss": 0.0001,
2669
+ "step": 3730
2670
+ },
2671
+ {
2672
+ "epoch": 6.642984014209592,
2673
+ "grad_norm": 0.0011902772821485996,
2674
+ "learning_rate": 8.492451154529308e-06,
2675
+ "loss": 0.0001,
2676
+ "step": 3740
2677
+ },
2678
+ {
2679
+ "epoch": 6.660746003552398,
2680
+ "grad_norm": 0.0016062385402619839,
2681
+ "learning_rate": 8.381438721136768e-06,
2682
+ "loss": 0.0001,
2683
+ "step": 3750
2684
+ },
2685
+ {
2686
+ "epoch": 6.678507992895204,
2687
+ "grad_norm": 0.0020727047231048346,
2688
+ "learning_rate": 8.270426287744228e-06,
2689
+ "loss": 0.0002,
2690
+ "step": 3760
2691
+ },
2692
+ {
2693
+ "epoch": 6.696269982238011,
2694
+ "grad_norm": 0.0027436264790594578,
2695
+ "learning_rate": 8.159413854351687e-06,
2696
+ "loss": 0.0004,
2697
+ "step": 3770
2698
+ },
2699
+ {
2700
+ "epoch": 6.714031971580817,
2701
+ "grad_norm": 0.0016453347634524107,
2702
+ "learning_rate": 8.048401420959147e-06,
2703
+ "loss": 0.0001,
2704
+ "step": 3780
2705
+ },
2706
+ {
2707
+ "epoch": 6.731793960923623,
2708
+ "grad_norm": 0.00958060473203659,
2709
+ "learning_rate": 7.937388987566608e-06,
2710
+ "loss": 0.0002,
2711
+ "step": 3790
2712
+ },
2713
+ {
2714
+ "epoch": 6.74955595026643,
2715
+ "grad_norm": 0.003439374268054962,
2716
+ "learning_rate": 7.826376554174068e-06,
2717
+ "loss": 0.0001,
2718
+ "step": 3800
2719
+ },
2720
+ {
2721
+ "epoch": 6.767317939609236,
2722
+ "grad_norm": 0.007251431699842215,
2723
+ "learning_rate": 7.715364120781527e-06,
2724
+ "loss": 0.0002,
2725
+ "step": 3810
2726
+ },
2727
+ {
2728
+ "epoch": 6.785079928952043,
2729
+ "grad_norm": 0.004211882594972849,
2730
+ "learning_rate": 7.604351687388989e-06,
2731
+ "loss": 0.0001,
2732
+ "step": 3820
2733
+ },
2734
+ {
2735
+ "epoch": 6.802841918294849,
2736
+ "grad_norm": 0.004078486934304237,
2737
+ "learning_rate": 7.493339253996448e-06,
2738
+ "loss": 0.0001,
2739
+ "step": 3830
2740
+ },
2741
+ {
2742
+ "epoch": 6.820603907637656,
2743
+ "grad_norm": 0.0059041669592261314,
2744
+ "learning_rate": 7.382326820603907e-06,
2745
+ "loss": 0.0001,
2746
+ "step": 3840
2747
+ },
2748
+ {
2749
+ "epoch": 6.838365896980462,
2750
+ "grad_norm": 0.00534476526081562,
2751
+ "learning_rate": 7.2713143872113685e-06,
2752
+ "loss": 0.0001,
2753
+ "step": 3850
2754
+ },
2755
+ {
2756
+ "epoch": 6.856127886323268,
2757
+ "grad_norm": 0.012589712627232075,
2758
+ "learning_rate": 7.160301953818828e-06,
2759
+ "loss": 0.0003,
2760
+ "step": 3860
2761
+ },
2762
+ {
2763
+ "epoch": 6.873889875666075,
2764
+ "grad_norm": 0.010835024528205395,
2765
+ "learning_rate": 7.0492895204262885e-06,
2766
+ "loss": 0.0002,
2767
+ "step": 3870
2768
+ },
2769
+ {
2770
+ "epoch": 6.891651865008881,
2771
+ "grad_norm": 0.0016127921408042312,
2772
+ "learning_rate": 6.938277087033748e-06,
2773
+ "loss": 0.0001,
2774
+ "step": 3880
2775
+ },
2776
+ {
2777
+ "epoch": 6.909413854351687,
2778
+ "grad_norm": 0.00635075569152832,
2779
+ "learning_rate": 6.827264653641208e-06,
2780
+ "loss": 0.0004,
2781
+ "step": 3890
2782
+ },
2783
+ {
2784
+ "epoch": 6.927175843694494,
2785
+ "grad_norm": 0.002242429880425334,
2786
+ "learning_rate": 6.716252220248669e-06,
2787
+ "loss": 0.0001,
2788
+ "step": 3900
2789
+ },
2790
+ {
2791
+ "epoch": 6.9449378330373,
2792
+ "grad_norm": 0.03803255409002304,
2793
+ "learning_rate": 6.605239786856128e-06,
2794
+ "loss": 0.0001,
2795
+ "step": 3910
2796
+ },
2797
+ {
2798
+ "epoch": 6.962699822380107,
2799
+ "grad_norm": 0.0017812428995966911,
2800
+ "learning_rate": 6.494227353463589e-06,
2801
+ "loss": 0.0001,
2802
+ "step": 3920
2803
+ },
2804
+ {
2805
+ "epoch": 6.980461811722913,
2806
+ "grad_norm": 0.07593787461519241,
2807
+ "learning_rate": 6.383214920071048e-06,
2808
+ "loss": 0.0001,
2809
+ "step": 3930
2810
+ },
2811
+ {
2812
+ "epoch": 6.99822380106572,
2813
+ "grad_norm": 0.004818908404558897,
2814
+ "learning_rate": 6.272202486678508e-06,
2815
+ "loss": 0.0001,
2816
+ "step": 3940
2817
+ },
2818
+ {
2819
+ "epoch": 7.0,
2820
+ "eval_loss": 9.495445283391746e-07,
2821
+ "eval_runtime": 22.2592,
2822
+ "eval_samples_per_second": 44.925,
2823
+ "eval_steps_per_second": 2.83,
2824
+ "step": 3941
2825
+ },
2826
+ {
2827
+ "epoch": 7.015985790408526,
2828
+ "grad_norm": 0.13469889760017395,
2829
+ "learning_rate": 6.161190053285968e-06,
2830
+ "loss": 0.0002,
2831
+ "step": 3950
2832
+ },
2833
+ {
2834
+ "epoch": 7.033747779751332,
2835
+ "grad_norm": 0.001866370439529419,
2836
+ "learning_rate": 6.050177619893428e-06,
2837
+ "loss": 0.0001,
2838
+ "step": 3960
2839
+ },
2840
+ {
2841
+ "epoch": 7.051509769094139,
2842
+ "grad_norm": 0.0034974406007677317,
2843
+ "learning_rate": 5.939165186500888e-06,
2844
+ "loss": 0.0001,
2845
+ "step": 3970
2846
+ },
2847
+ {
2848
+ "epoch": 7.069271758436945,
2849
+ "grad_norm": 0.04713987559080124,
2850
+ "learning_rate": 5.828152753108349e-06,
2851
+ "loss": 0.0001,
2852
+ "step": 3980
2853
+ },
2854
+ {
2855
+ "epoch": 7.087033747779751,
2856
+ "grad_norm": 0.01695702224969864,
2857
+ "learning_rate": 5.717140319715809e-06,
2858
+ "loss": 0.0001,
2859
+ "step": 3990
2860
+ },
2861
+ {
2862
+ "epoch": 7.104795737122558,
2863
+ "grad_norm": 0.0627860575914383,
2864
+ "learning_rate": 5.6061278863232686e-06,
2865
+ "loss": 0.0001,
2866
+ "step": 4000
2867
+ },
2868
+ {
2869
+ "epoch": 7.122557726465364,
2870
+ "grad_norm": 0.002155202440917492,
2871
+ "learning_rate": 5.495115452930728e-06,
2872
+ "loss": 0.0002,
2873
+ "step": 4010
2874
+ },
2875
+ {
2876
+ "epoch": 7.140319715808171,
2877
+ "grad_norm": 0.007705147843807936,
2878
+ "learning_rate": 5.3841030195381885e-06,
2879
+ "loss": 0.0001,
2880
+ "step": 4020
2881
+ },
2882
+ {
2883
+ "epoch": 7.158081705150977,
2884
+ "grad_norm": 0.0011336603201925755,
2885
+ "learning_rate": 5.273090586145649e-06,
2886
+ "loss": 0.0002,
2887
+ "step": 4030
2888
+ },
2889
+ {
2890
+ "epoch": 7.175843694493783,
2891
+ "grad_norm": 0.006822965107858181,
2892
+ "learning_rate": 5.1620781527531085e-06,
2893
+ "loss": 0.0001,
2894
+ "step": 4040
2895
+ },
2896
+ {
2897
+ "epoch": 7.19360568383659,
2898
+ "grad_norm": 0.001960517605766654,
2899
+ "learning_rate": 5.051065719360568e-06,
2900
+ "loss": 0.0001,
2901
+ "step": 4050
2902
+ },
2903
+ {
2904
+ "epoch": 7.211367673179396,
2905
+ "grad_norm": 0.027150465175509453,
2906
+ "learning_rate": 4.940053285968028e-06,
2907
+ "loss": 0.0001,
2908
+ "step": 4060
2909
+ },
2910
+ {
2911
+ "epoch": 7.229129662522203,
2912
+ "grad_norm": 0.011790856719017029,
2913
+ "learning_rate": 4.829040852575489e-06,
2914
+ "loss": 0.0002,
2915
+ "step": 4070
2916
+ },
2917
+ {
2918
+ "epoch": 7.246891651865009,
2919
+ "grad_norm": 0.0008871167083270848,
2920
+ "learning_rate": 4.718028419182949e-06,
2921
+ "loss": 0.0001,
2922
+ "step": 4080
2923
+ },
2924
+ {
2925
+ "epoch": 7.264653641207815,
2926
+ "grad_norm": 0.001180154737085104,
2927
+ "learning_rate": 4.607015985790409e-06,
2928
+ "loss": 0.0001,
2929
+ "step": 4090
2930
+ },
2931
+ {
2932
+ "epoch": 7.282415630550622,
2933
+ "grad_norm": 0.0056028300896286964,
2934
+ "learning_rate": 4.496003552397868e-06,
2935
+ "loss": 0.0001,
2936
+ "step": 4100
2937
+ },
2938
+ {
2939
+ "epoch": 7.300177619893428,
2940
+ "grad_norm": 0.009414936415851116,
2941
+ "learning_rate": 4.384991119005329e-06,
2942
+ "loss": 0.0002,
2943
+ "step": 4110
2944
+ },
2945
+ {
2946
+ "epoch": 7.317939609236235,
2947
+ "grad_norm": 0.003175571095198393,
2948
+ "learning_rate": 4.273978685612789e-06,
2949
+ "loss": 0.0001,
2950
+ "step": 4120
2951
+ },
2952
+ {
2953
+ "epoch": 7.335701598579041,
2954
+ "grad_norm": 0.0012675018515437841,
2955
+ "learning_rate": 4.162966252220249e-06,
2956
+ "loss": 0.0003,
2957
+ "step": 4130
2958
+ },
2959
+ {
2960
+ "epoch": 7.353463587921847,
2961
+ "grad_norm": 0.006813838612288237,
2962
+ "learning_rate": 4.051953818827709e-06,
2963
+ "loss": 0.0001,
2964
+ "step": 4140
2965
+ },
2966
+ {
2967
+ "epoch": 7.371225577264654,
2968
+ "grad_norm": 0.059542424976825714,
2969
+ "learning_rate": 3.940941385435169e-06,
2970
+ "loss": 0.0001,
2971
+ "step": 4150
2972
+ },
2973
+ {
2974
+ "epoch": 7.38898756660746,
2975
+ "grad_norm": 0.12738512456417084,
2976
+ "learning_rate": 3.829928952042629e-06,
2977
+ "loss": 0.0002,
2978
+ "step": 4160
2979
+ },
2980
+ {
2981
+ "epoch": 7.406749555950267,
2982
+ "grad_norm": 0.0020928082522004843,
2983
+ "learning_rate": 3.718916518650089e-06,
2984
+ "loss": 0.0002,
2985
+ "step": 4170
2986
+ },
2987
+ {
2988
+ "epoch": 7.424511545293073,
2989
+ "grad_norm": 0.03172928839921951,
2990
+ "learning_rate": 3.607904085257549e-06,
2991
+ "loss": 0.0002,
2992
+ "step": 4180
2993
+ },
2994
+ {
2995
+ "epoch": 7.442273534635879,
2996
+ "grad_norm": 0.002771994797512889,
2997
+ "learning_rate": 3.4968916518650093e-06,
2998
+ "loss": 0.0001,
2999
+ "step": 4190
3000
+ },
3001
+ {
3002
+ "epoch": 7.460035523978686,
3003
+ "grad_norm": 0.002538390224799514,
3004
+ "learning_rate": 3.3858792184724693e-06,
3005
+ "loss": 0.0002,
3006
+ "step": 4200
3007
+ },
3008
+ {
3009
+ "epoch": 7.477797513321492,
3010
+ "grad_norm": 0.004362764302641153,
3011
+ "learning_rate": 3.274866785079929e-06,
3012
+ "loss": 0.0001,
3013
+ "step": 4210
3014
+ },
3015
+ {
3016
+ "epoch": 7.495559502664299,
3017
+ "grad_norm": 0.0017780765192583203,
3018
+ "learning_rate": 3.1638543516873893e-06,
3019
+ "loss": 0.0001,
3020
+ "step": 4220
3021
+ },
3022
+ {
3023
+ "epoch": 7.513321492007105,
3024
+ "grad_norm": 0.004568871576339006,
3025
+ "learning_rate": 3.0528419182948492e-06,
3026
+ "loss": 0.0001,
3027
+ "step": 4230
3028
+ },
3029
+ {
3030
+ "epoch": 7.531083481349912,
3031
+ "grad_norm": 0.007695276755839586,
3032
+ "learning_rate": 2.9418294849023092e-06,
3033
+ "loss": 0.0001,
3034
+ "step": 4240
3035
+ },
3036
+ {
3037
+ "epoch": 7.548845470692718,
3038
+ "grad_norm": 0.002825086936354637,
3039
+ "learning_rate": 2.830817051509769e-06,
3040
+ "loss": 0.0001,
3041
+ "step": 4250
3042
+ },
3043
+ {
3044
+ "epoch": 7.566607460035524,
3045
+ "grad_norm": 0.0010516445618122816,
3046
+ "learning_rate": 2.7198046181172296e-06,
3047
+ "loss": 0.0001,
3048
+ "step": 4260
3049
+ },
3050
+ {
3051
+ "epoch": 7.584369449378331,
3052
+ "grad_norm": 0.0022022314369678497,
3053
+ "learning_rate": 2.608792184724689e-06,
3054
+ "loss": 0.0001,
3055
+ "step": 4270
3056
+ },
3057
+ {
3058
+ "epoch": 7.602131438721137,
3059
+ "grad_norm": 0.00462978845462203,
3060
+ "learning_rate": 2.4977797513321495e-06,
3061
+ "loss": 0.0001,
3062
+ "step": 4280
3063
+ },
3064
+ {
3065
+ "epoch": 7.619893428063943,
3066
+ "grad_norm": 0.002377378987148404,
3067
+ "learning_rate": 2.386767317939609e-06,
3068
+ "loss": 0.0001,
3069
+ "step": 4290
3070
+ },
3071
+ {
3072
+ "epoch": 7.63765541740675,
3073
+ "grad_norm": 0.10261301696300507,
3074
+ "learning_rate": 2.2757548845470695e-06,
3075
+ "loss": 0.0002,
3076
+ "step": 4300
3077
+ },
3078
+ {
3079
+ "epoch": 7.655417406749556,
3080
+ "grad_norm": 0.005298789124935865,
3081
+ "learning_rate": 2.1647424511545295e-06,
3082
+ "loss": 0.0002,
3083
+ "step": 4310
3084
+ },
3085
+ {
3086
+ "epoch": 7.673179396092363,
3087
+ "grad_norm": 0.0017874079057946801,
3088
+ "learning_rate": 2.0537300177619894e-06,
3089
+ "loss": 0.0001,
3090
+ "step": 4320
3091
+ },
3092
+ {
3093
+ "epoch": 7.690941385435169,
3094
+ "grad_norm": 0.002110840054228902,
3095
+ "learning_rate": 1.9427175843694494e-06,
3096
+ "loss": 0.0001,
3097
+ "step": 4330
3098
+ },
3099
+ {
3100
+ "epoch": 7.708703374777976,
3101
+ "grad_norm": 0.009644666686654091,
3102
+ "learning_rate": 1.8317051509769096e-06,
3103
+ "loss": 0.0001,
3104
+ "step": 4340
3105
+ },
3106
+ {
3107
+ "epoch": 7.726465364120782,
3108
+ "grad_norm": 0.005328277125954628,
3109
+ "learning_rate": 1.7206927175843696e-06,
3110
+ "loss": 0.0001,
3111
+ "step": 4350
3112
+ },
3113
+ {
3114
+ "epoch": 7.744227353463588,
3115
+ "grad_norm": 0.0009074486442841589,
3116
+ "learning_rate": 1.6096802841918297e-06,
3117
+ "loss": 0.0001,
3118
+ "step": 4360
3119
+ },
3120
+ {
3121
+ "epoch": 7.761989342806395,
3122
+ "grad_norm": 0.002376771066337824,
3123
+ "learning_rate": 1.4986678507992897e-06,
3124
+ "loss": 0.0001,
3125
+ "step": 4370
3126
+ },
3127
+ {
3128
+ "epoch": 7.779751332149201,
3129
+ "grad_norm": 0.009661192074418068,
3130
+ "learning_rate": 1.3876554174067497e-06,
3131
+ "loss": 0.0001,
3132
+ "step": 4380
3133
+ },
3134
+ {
3135
+ "epoch": 7.797513321492007,
3136
+ "grad_norm": 0.0024153704289346933,
3137
+ "learning_rate": 1.2766429840142097e-06,
3138
+ "loss": 0.0001,
3139
+ "step": 4390
3140
+ },
3141
+ {
3142
+ "epoch": 7.815275310834814,
3143
+ "grad_norm": 0.008802085183560848,
3144
+ "learning_rate": 1.1656305506216696e-06,
3145
+ "loss": 0.0001,
3146
+ "step": 4400
3147
+ },
3148
+ {
3149
+ "epoch": 7.83303730017762,
3150
+ "grad_norm": 0.0018315628403797746,
3151
+ "learning_rate": 1.0546181172291296e-06,
3152
+ "loss": 0.0001,
3153
+ "step": 4410
3154
+ },
3155
+ {
3156
+ "epoch": 7.850799289520427,
3157
+ "grad_norm": 0.002987775718793273,
3158
+ "learning_rate": 9.436056838365898e-07,
3159
+ "loss": 0.0001,
3160
+ "step": 4420
3161
+ },
3162
+ {
3163
+ "epoch": 7.868561278863233,
3164
+ "grad_norm": 0.010026910342276096,
3165
+ "learning_rate": 8.325932504440498e-07,
3166
+ "loss": 0.0001,
3167
+ "step": 4430
3168
+ },
3169
+ {
3170
+ "epoch": 7.88632326820604,
3171
+ "grad_norm": 0.012213947251439095,
3172
+ "learning_rate": 7.215808170515097e-07,
3173
+ "loss": 0.0001,
3174
+ "step": 4440
3175
+ },
3176
+ {
3177
+ "epoch": 7.904085257548846,
3178
+ "grad_norm": 0.0036439860705286264,
3179
+ "learning_rate": 6.105683836589698e-07,
3180
+ "loss": 0.0001,
3181
+ "step": 4450
3182
+ },
3183
+ {
3184
+ "epoch": 7.921847246891652,
3185
+ "grad_norm": 0.04297882691025734,
3186
+ "learning_rate": 4.995559502664299e-07,
3187
+ "loss": 0.0001,
3188
+ "step": 4460
3189
+ },
3190
+ {
3191
+ "epoch": 7.939609236234459,
3192
+ "grad_norm": 0.004080113489180803,
3193
+ "learning_rate": 3.885435168738899e-07,
3194
+ "loss": 0.0001,
3195
+ "step": 4470
3196
+ },
3197
+ {
3198
+ "epoch": 7.957371225577265,
3199
+ "grad_norm": 0.0037819864228367805,
3200
+ "learning_rate": 2.775310834813499e-07,
3201
+ "loss": 0.0001,
3202
+ "step": 4480
3203
+ },
3204
+ {
3205
+ "epoch": 7.975133214920071,
3206
+ "grad_norm": 0.008480883203446865,
3207
+ "learning_rate": 1.6651865008880993e-07,
3208
+ "loss": 0.0001,
3209
+ "step": 4490
3210
+ },
3211
+ {
3212
+ "epoch": 7.992895204262878,
3213
+ "grad_norm": 0.01645360141992569,
3214
+ "learning_rate": 5.550621669626998e-08,
3215
+ "loss": 0.0002,
3216
+ "step": 4500
3217
+ },
3218
+ {
3219
+ "epoch": 8.0,
3220
+ "eval_loss": 8.977843890534132e-07,
3221
+ "eval_runtime": 21.9896,
3222
+ "eval_samples_per_second": 45.476,
3223
+ "eval_steps_per_second": 2.865,
3224
+ "step": 4504
3225
+ }
3226
+ ],
3227
+ "logging_steps": 10,
3228
+ "max_steps": 4504,
3229
+ "num_input_tokens_seen": 0,
3230
+ "num_train_epochs": 8,
3231
+ "save_steps": 500,
3232
+ "stateful_callbacks": {
3233
+ "TrainerControl": {
3234
+ "args": {
3235
+ "should_epoch_stop": false,
3236
+ "should_evaluate": false,
3237
+ "should_log": false,
3238
+ "should_save": true,
3239
+ "should_training_stop": true
3240
+ },
3241
+ "attributes": {}
3242
+ }
3243
+ },
3244
+ "total_flos": 1.105854208303104e+16,
3245
+ "train_batch_size": 16,
3246
+ "trial_name": null,
3247
+ "trial_params": null
3248
+ }
checkpoint-4504/training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:536a15733a09a147c1cc9faed7a9ba8819a6e01002dd2ab5aedf45c4f5cfa948
3
+ size 5432
model.safetensors CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:766a31978245e2aec4c063a0e0ebb9f79f32c87a9b742ac80f68445ecb033dce
3
  size 891644712
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:b46cdbe0a335237fdde02d571f771dcac636ebebaa3a391ab42d74df56cf72e4
3
  size 891644712