Vedmani commited on
Commit
cdae142
·
1 Parent(s): 6c24165

Training in progress, epoch 10, checkpoint

Browse files
checkpoint-25000/README.md ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ library_name: peft
3
+ ---
4
+ ## Training procedure
5
+
6
+ ### Framework versions
7
+
8
+
9
+ - PEFT 0.4.0
checkpoint-25000/adapter_config.json ADDED
@@ -0,0 +1,23 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "auto_mapping": null,
3
+ "base_model_name_or_path": "bert-base-cased",
4
+ "bias": "none",
5
+ "fan_in_fan_out": false,
6
+ "inference_mode": true,
7
+ "init_lora_weights": true,
8
+ "layers_pattern": null,
9
+ "layers_to_transform": null,
10
+ "lora_alpha": 32,
11
+ "lora_dropout": 0.1,
12
+ "modules_to_save": [
13
+ "classifier"
14
+ ],
15
+ "peft_type": "LORA",
16
+ "r": 8,
17
+ "revision": null,
18
+ "target_modules": [
19
+ "query",
20
+ "value"
21
+ ],
22
+ "task_type": "SEQ_CLS"
23
+ }
checkpoint-25000/adapter_model.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:b272fb9a43ec5024f0c237bc8af96d2473d54aff156b179b9a79cfc94d77e28b
3
+ size 1203911
checkpoint-25000/optimizer.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:794c96760ed6509f9fc9c7c6f8203283ea4231039ac43f4fbd5a96100a447200
3
+ size 2413509
checkpoint-25000/rng_state.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:5d7953aadd665c6198f72cd6d658a9bd2297e066c1e9b136220a150e924709f2
3
+ size 14575
checkpoint-25000/scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:9df9c041f275b844d23a89de39c9db750359c2332be8d3f2891a437561fd802b
3
+ size 627
checkpoint-25000/special_tokens_map.json ADDED
@@ -0,0 +1,7 @@
 
 
 
 
 
 
 
 
1
+ {
2
+ "cls_token": "[CLS]",
3
+ "mask_token": "[MASK]",
4
+ "pad_token": "[PAD]",
5
+ "sep_token": "[SEP]",
6
+ "unk_token": "[UNK]"
7
+ }
checkpoint-25000/tokenizer.json ADDED
The diff for this file is too large to render. See raw diff
 
checkpoint-25000/tokenizer_config.json ADDED
@@ -0,0 +1,13 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "clean_up_tokenization_spaces": true,
3
+ "cls_token": "[CLS]",
4
+ "do_lower_case": false,
5
+ "mask_token": "[MASK]",
6
+ "model_max_length": 512,
7
+ "pad_token": "[PAD]",
8
+ "sep_token": "[SEP]",
9
+ "strip_accents": null,
10
+ "tokenize_chinese_chars": true,
11
+ "tokenizer_class": "BertTokenizer",
12
+ "unk_token": "[UNK]"
13
+ }
checkpoint-25000/trainer_state.json ADDED
@@ -0,0 +1,3109 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": 0.9372,
3
+ "best_model_checkpoint": "output/checkpoint-22500",
4
+ "epoch": 10.0,
5
+ "eval_steps": 500,
6
+ "global_step": 25000,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.02,
13
+ "learning_rate": 3.3333333333333337e-06,
14
+ "loss": 0.8125,
15
+ "step": 50
16
+ },
17
+ {
18
+ "epoch": 0.04,
19
+ "learning_rate": 6.6666666666666675e-06,
20
+ "loss": 0.7599,
21
+ "step": 100
22
+ },
23
+ {
24
+ "epoch": 0.06,
25
+ "learning_rate": 1e-05,
26
+ "loss": 0.7309,
27
+ "step": 150
28
+ },
29
+ {
30
+ "epoch": 0.08,
31
+ "learning_rate": 1.3333333333333335e-05,
32
+ "loss": 0.7104,
33
+ "step": 200
34
+ },
35
+ {
36
+ "epoch": 0.1,
37
+ "learning_rate": 1.6666666666666667e-05,
38
+ "loss": 0.6939,
39
+ "step": 250
40
+ },
41
+ {
42
+ "epoch": 0.12,
43
+ "learning_rate": 2e-05,
44
+ "loss": 0.6824,
45
+ "step": 300
46
+ },
47
+ {
48
+ "epoch": 0.14,
49
+ "learning_rate": 2.3333333333333336e-05,
50
+ "loss": 0.686,
51
+ "step": 350
52
+ },
53
+ {
54
+ "epoch": 0.16,
55
+ "learning_rate": 2.666666666666667e-05,
56
+ "loss": 0.6693,
57
+ "step": 400
58
+ },
59
+ {
60
+ "epoch": 0.18,
61
+ "learning_rate": 3e-05,
62
+ "loss": 0.6436,
63
+ "step": 450
64
+ },
65
+ {
66
+ "epoch": 0.2,
67
+ "learning_rate": 3.3333333333333335e-05,
68
+ "loss": 0.6101,
69
+ "step": 500
70
+ },
71
+ {
72
+ "epoch": 0.22,
73
+ "learning_rate": 3.6666666666666666e-05,
74
+ "loss": 0.493,
75
+ "step": 550
76
+ },
77
+ {
78
+ "epoch": 0.24,
79
+ "learning_rate": 3.993333333333333e-05,
80
+ "loss": 0.4239,
81
+ "step": 600
82
+ },
83
+ {
84
+ "epoch": 0.26,
85
+ "learning_rate": 4.326666666666667e-05,
86
+ "loss": 0.3391,
87
+ "step": 650
88
+ },
89
+ {
90
+ "epoch": 0.28,
91
+ "learning_rate": 4.66e-05,
92
+ "loss": 0.3332,
93
+ "step": 700
94
+ },
95
+ {
96
+ "epoch": 0.3,
97
+ "learning_rate": 4.986666666666666e-05,
98
+ "loss": 0.3966,
99
+ "step": 750
100
+ },
101
+ {
102
+ "epoch": 0.32,
103
+ "learning_rate": 5.32e-05,
104
+ "loss": 0.3137,
105
+ "step": 800
106
+ },
107
+ {
108
+ "epoch": 0.34,
109
+ "learning_rate": 5.653333333333333e-05,
110
+ "loss": 0.3072,
111
+ "step": 850
112
+ },
113
+ {
114
+ "epoch": 0.36,
115
+ "learning_rate": 5.986666666666667e-05,
116
+ "loss": 0.272,
117
+ "step": 900
118
+ },
119
+ {
120
+ "epoch": 0.38,
121
+ "learning_rate": 6.32e-05,
122
+ "loss": 0.2715,
123
+ "step": 950
124
+ },
125
+ {
126
+ "epoch": 0.4,
127
+ "learning_rate": 6.653333333333333e-05,
128
+ "loss": 0.2892,
129
+ "step": 1000
130
+ },
131
+ {
132
+ "epoch": 0.42,
133
+ "learning_rate": 6.986666666666667e-05,
134
+ "loss": 0.28,
135
+ "step": 1050
136
+ },
137
+ {
138
+ "epoch": 0.44,
139
+ "learning_rate": 7.32e-05,
140
+ "loss": 0.3102,
141
+ "step": 1100
142
+ },
143
+ {
144
+ "epoch": 0.46,
145
+ "learning_rate": 7.653333333333333e-05,
146
+ "loss": 0.2663,
147
+ "step": 1150
148
+ },
149
+ {
150
+ "epoch": 0.48,
151
+ "learning_rate": 7.986666666666667e-05,
152
+ "loss": 0.2778,
153
+ "step": 1200
154
+ },
155
+ {
156
+ "epoch": 0.5,
157
+ "learning_rate": 8.32e-05,
158
+ "loss": 0.3414,
159
+ "step": 1250
160
+ },
161
+ {
162
+ "epoch": 0.52,
163
+ "learning_rate": 8.653333333333334e-05,
164
+ "loss": 0.2608,
165
+ "step": 1300
166
+ },
167
+ {
168
+ "epoch": 0.54,
169
+ "learning_rate": 8.986666666666666e-05,
170
+ "loss": 0.2847,
171
+ "step": 1350
172
+ },
173
+ {
174
+ "epoch": 0.56,
175
+ "learning_rate": 9.32e-05,
176
+ "loss": 0.2801,
177
+ "step": 1400
178
+ },
179
+ {
180
+ "epoch": 0.58,
181
+ "learning_rate": 9.653333333333334e-05,
182
+ "loss": 0.2777,
183
+ "step": 1450
184
+ },
185
+ {
186
+ "epoch": 0.6,
187
+ "learning_rate": 9.986666666666668e-05,
188
+ "loss": 0.2819,
189
+ "step": 1500
190
+ },
191
+ {
192
+ "epoch": 0.62,
193
+ "learning_rate": 0.0001032,
194
+ "loss": 0.2631,
195
+ "step": 1550
196
+ },
197
+ {
198
+ "epoch": 0.64,
199
+ "learning_rate": 0.00010653333333333333,
200
+ "loss": 0.255,
201
+ "step": 1600
202
+ },
203
+ {
204
+ "epoch": 0.66,
205
+ "learning_rate": 0.00010986666666666668,
206
+ "loss": 0.3253,
207
+ "step": 1650
208
+ },
209
+ {
210
+ "epoch": 0.68,
211
+ "learning_rate": 0.0001132,
212
+ "loss": 0.2632,
213
+ "step": 1700
214
+ },
215
+ {
216
+ "epoch": 0.7,
217
+ "learning_rate": 0.00011653333333333334,
218
+ "loss": 0.2808,
219
+ "step": 1750
220
+ },
221
+ {
222
+ "epoch": 0.72,
223
+ "learning_rate": 0.00011986666666666666,
224
+ "loss": 0.2487,
225
+ "step": 1800
226
+ },
227
+ {
228
+ "epoch": 0.74,
229
+ "learning_rate": 0.0001232,
230
+ "loss": 0.1958,
231
+ "step": 1850
232
+ },
233
+ {
234
+ "epoch": 0.76,
235
+ "learning_rate": 0.00012653333333333334,
236
+ "loss": 0.2882,
237
+ "step": 1900
238
+ },
239
+ {
240
+ "epoch": 0.78,
241
+ "learning_rate": 0.00012986666666666666,
242
+ "loss": 0.2877,
243
+ "step": 1950
244
+ },
245
+ {
246
+ "epoch": 0.8,
247
+ "learning_rate": 0.0001332,
248
+ "loss": 0.2412,
249
+ "step": 2000
250
+ },
251
+ {
252
+ "epoch": 0.82,
253
+ "learning_rate": 0.00013653333333333334,
254
+ "loss": 0.2608,
255
+ "step": 2050
256
+ },
257
+ {
258
+ "epoch": 0.84,
259
+ "learning_rate": 0.00013986666666666666,
260
+ "loss": 0.2296,
261
+ "step": 2100
262
+ },
263
+ {
264
+ "epoch": 0.86,
265
+ "learning_rate": 0.00014319999999999998,
266
+ "loss": 0.2311,
267
+ "step": 2150
268
+ },
269
+ {
270
+ "epoch": 0.88,
271
+ "learning_rate": 0.00014653333333333334,
272
+ "loss": 0.2603,
273
+ "step": 2200
274
+ },
275
+ {
276
+ "epoch": 0.9,
277
+ "learning_rate": 0.00014986666666666669,
278
+ "loss": 0.2923,
279
+ "step": 2250
280
+ },
281
+ {
282
+ "epoch": 0.92,
283
+ "learning_rate": 0.0001532,
284
+ "loss": 0.2415,
285
+ "step": 2300
286
+ },
287
+ {
288
+ "epoch": 0.94,
289
+ "learning_rate": 0.00015646666666666668,
290
+ "loss": 0.2671,
291
+ "step": 2350
292
+ },
293
+ {
294
+ "epoch": 0.96,
295
+ "learning_rate": 0.0001598,
296
+ "loss": 0.2421,
297
+ "step": 2400
298
+ },
299
+ {
300
+ "epoch": 0.98,
301
+ "learning_rate": 0.00016313333333333333,
302
+ "loss": 0.2449,
303
+ "step": 2450
304
+ },
305
+ {
306
+ "epoch": 1.0,
307
+ "learning_rate": 0.00016646666666666668,
308
+ "loss": 0.2399,
309
+ "step": 2500
310
+ },
311
+ {
312
+ "epoch": 1.0,
313
+ "eval_accuracy": 0.9037,
314
+ "eval_loss": 0.2539164125919342,
315
+ "eval_runtime": 132.4594,
316
+ "eval_samples_per_second": 75.495,
317
+ "eval_steps_per_second": 4.718,
318
+ "step": 2500
319
+ },
320
+ {
321
+ "epoch": 1.02,
322
+ "learning_rate": 0.0001698,
323
+ "loss": 0.2453,
324
+ "step": 2550
325
+ },
326
+ {
327
+ "epoch": 1.04,
328
+ "learning_rate": 0.00017313333333333333,
329
+ "loss": 0.2485,
330
+ "step": 2600
331
+ },
332
+ {
333
+ "epoch": 1.06,
334
+ "learning_rate": 0.00017646666666666666,
335
+ "loss": 0.2321,
336
+ "step": 2650
337
+ },
338
+ {
339
+ "epoch": 1.08,
340
+ "learning_rate": 0.00017979999999999998,
341
+ "loss": 0.239,
342
+ "step": 2700
343
+ },
344
+ {
345
+ "epoch": 1.1,
346
+ "learning_rate": 0.00018313333333333336,
347
+ "loss": 0.2389,
348
+ "step": 2750
349
+ },
350
+ {
351
+ "epoch": 1.12,
352
+ "learning_rate": 0.00018646666666666668,
353
+ "loss": 0.2216,
354
+ "step": 2800
355
+ },
356
+ {
357
+ "epoch": 1.14,
358
+ "learning_rate": 0.0001898,
359
+ "loss": 0.3027,
360
+ "step": 2850
361
+ },
362
+ {
363
+ "epoch": 1.16,
364
+ "learning_rate": 0.00019313333333333333,
365
+ "loss": 0.2683,
366
+ "step": 2900
367
+ },
368
+ {
369
+ "epoch": 1.18,
370
+ "learning_rate": 0.00019646666666666668,
371
+ "loss": 0.2378,
372
+ "step": 2950
373
+ },
374
+ {
375
+ "epoch": 1.2,
376
+ "learning_rate": 0.0001998,
377
+ "loss": 0.2598,
378
+ "step": 3000
379
+ },
380
+ {
381
+ "epoch": 1.22,
382
+ "learning_rate": 0.00020313333333333333,
383
+ "loss": 0.2363,
384
+ "step": 3050
385
+ },
386
+ {
387
+ "epoch": 1.24,
388
+ "learning_rate": 0.00020646666666666665,
389
+ "loss": 0.2437,
390
+ "step": 3100
391
+ },
392
+ {
393
+ "epoch": 1.26,
394
+ "learning_rate": 0.0002098,
395
+ "loss": 0.244,
396
+ "step": 3150
397
+ },
398
+ {
399
+ "epoch": 1.28,
400
+ "learning_rate": 0.00021313333333333335,
401
+ "loss": 0.2264,
402
+ "step": 3200
403
+ },
404
+ {
405
+ "epoch": 1.3,
406
+ "learning_rate": 0.00021646666666666668,
407
+ "loss": 0.188,
408
+ "step": 3250
409
+ },
410
+ {
411
+ "epoch": 1.32,
412
+ "learning_rate": 0.0002198,
413
+ "loss": 0.2507,
414
+ "step": 3300
415
+ },
416
+ {
417
+ "epoch": 1.34,
418
+ "learning_rate": 0.00022313333333333333,
419
+ "loss": 0.2265,
420
+ "step": 3350
421
+ },
422
+ {
423
+ "epoch": 1.36,
424
+ "learning_rate": 0.00022646666666666668,
425
+ "loss": 0.2265,
426
+ "step": 3400
427
+ },
428
+ {
429
+ "epoch": 1.38,
430
+ "learning_rate": 0.0002298,
431
+ "loss": 0.226,
432
+ "step": 3450
433
+ },
434
+ {
435
+ "epoch": 1.4,
436
+ "learning_rate": 0.00023313333333333333,
437
+ "loss": 0.2502,
438
+ "step": 3500
439
+ },
440
+ {
441
+ "epoch": 1.42,
442
+ "learning_rate": 0.00023646666666666665,
443
+ "loss": 0.2436,
444
+ "step": 3550
445
+ },
446
+ {
447
+ "epoch": 1.44,
448
+ "learning_rate": 0.00023980000000000003,
449
+ "loss": 0.2472,
450
+ "step": 3600
451
+ },
452
+ {
453
+ "epoch": 1.46,
454
+ "learning_rate": 0.00024313333333333335,
455
+ "loss": 0.2596,
456
+ "step": 3650
457
+ },
458
+ {
459
+ "epoch": 1.48,
460
+ "learning_rate": 0.0002464666666666667,
461
+ "loss": 0.2381,
462
+ "step": 3700
463
+ },
464
+ {
465
+ "epoch": 1.5,
466
+ "learning_rate": 0.0002498,
467
+ "loss": 0.231,
468
+ "step": 3750
469
+ },
470
+ {
471
+ "epoch": 1.52,
472
+ "learning_rate": 0.0002531333333333333,
473
+ "loss": 0.2489,
474
+ "step": 3800
475
+ },
476
+ {
477
+ "epoch": 1.54,
478
+ "learning_rate": 0.0002564666666666667,
479
+ "loss": 0.1849,
480
+ "step": 3850
481
+ },
482
+ {
483
+ "epoch": 1.56,
484
+ "learning_rate": 0.00025979999999999997,
485
+ "loss": 0.2742,
486
+ "step": 3900
487
+ },
488
+ {
489
+ "epoch": 1.58,
490
+ "learning_rate": 0.00026313333333333335,
491
+ "loss": 0.2268,
492
+ "step": 3950
493
+ },
494
+ {
495
+ "epoch": 1.6,
496
+ "learning_rate": 0.0002664666666666667,
497
+ "loss": 0.287,
498
+ "step": 4000
499
+ },
500
+ {
501
+ "epoch": 1.62,
502
+ "learning_rate": 0.0002698,
503
+ "loss": 0.208,
504
+ "step": 4050
505
+ },
506
+ {
507
+ "epoch": 1.64,
508
+ "learning_rate": 0.0002731333333333333,
509
+ "loss": 0.2446,
510
+ "step": 4100
511
+ },
512
+ {
513
+ "epoch": 1.66,
514
+ "learning_rate": 0.0002764666666666667,
515
+ "loss": 0.2359,
516
+ "step": 4150
517
+ },
518
+ {
519
+ "epoch": 1.68,
520
+ "learning_rate": 0.0002798,
521
+ "loss": 0.2917,
522
+ "step": 4200
523
+ },
524
+ {
525
+ "epoch": 1.7,
526
+ "learning_rate": 0.00028313333333333335,
527
+ "loss": 0.2051,
528
+ "step": 4250
529
+ },
530
+ {
531
+ "epoch": 1.72,
532
+ "learning_rate": 0.00028646666666666667,
533
+ "loss": 0.2119,
534
+ "step": 4300
535
+ },
536
+ {
537
+ "epoch": 1.74,
538
+ "learning_rate": 0.0002898,
539
+ "loss": 0.1946,
540
+ "step": 4350
541
+ },
542
+ {
543
+ "epoch": 1.76,
544
+ "learning_rate": 0.0002931333333333334,
545
+ "loss": 0.2159,
546
+ "step": 4400
547
+ },
548
+ {
549
+ "epoch": 1.78,
550
+ "learning_rate": 0.00029646666666666664,
551
+ "loss": 0.2793,
552
+ "step": 4450
553
+ },
554
+ {
555
+ "epoch": 1.8,
556
+ "learning_rate": 0.0002998,
557
+ "loss": 0.2675,
558
+ "step": 4500
559
+ },
560
+ {
561
+ "epoch": 1.82,
562
+ "learning_rate": 0.0003031333333333333,
563
+ "loss": 0.1927,
564
+ "step": 4550
565
+ },
566
+ {
567
+ "epoch": 1.84,
568
+ "learning_rate": 0.00030646666666666667,
569
+ "loss": 0.177,
570
+ "step": 4600
571
+ },
572
+ {
573
+ "epoch": 1.86,
574
+ "learning_rate": 0.00030980000000000005,
575
+ "loss": 0.2681,
576
+ "step": 4650
577
+ },
578
+ {
579
+ "epoch": 1.88,
580
+ "learning_rate": 0.00031306666666666667,
581
+ "loss": 0.2123,
582
+ "step": 4700
583
+ },
584
+ {
585
+ "epoch": 1.9,
586
+ "learning_rate": 0.00031640000000000005,
587
+ "loss": 0.2232,
588
+ "step": 4750
589
+ },
590
+ {
591
+ "epoch": 1.92,
592
+ "learning_rate": 0.0003197333333333333,
593
+ "loss": 0.222,
594
+ "step": 4800
595
+ },
596
+ {
597
+ "epoch": 1.94,
598
+ "learning_rate": 0.0003230666666666667,
599
+ "loss": 0.2126,
600
+ "step": 4850
601
+ },
602
+ {
603
+ "epoch": 1.96,
604
+ "learning_rate": 0.0003264,
605
+ "loss": 0.2268,
606
+ "step": 4900
607
+ },
608
+ {
609
+ "epoch": 1.98,
610
+ "learning_rate": 0.00032973333333333334,
611
+ "loss": 0.2239,
612
+ "step": 4950
613
+ },
614
+ {
615
+ "epoch": 2.0,
616
+ "learning_rate": 0.00033306666666666667,
617
+ "loss": 0.2454,
618
+ "step": 5000
619
+ },
620
+ {
621
+ "epoch": 2.0,
622
+ "eval_accuracy": 0.9064,
623
+ "eval_loss": 0.27525001764297485,
624
+ "eval_runtime": 132.3865,
625
+ "eval_samples_per_second": 75.536,
626
+ "eval_steps_per_second": 4.721,
627
+ "step": 5000
628
+ },
629
+ {
630
+ "epoch": 2.02,
631
+ "learning_rate": 0.0003364,
632
+ "loss": 0.2001,
633
+ "step": 5050
634
+ },
635
+ {
636
+ "epoch": 2.04,
637
+ "learning_rate": 0.0003397333333333333,
638
+ "loss": 0.1839,
639
+ "step": 5100
640
+ },
641
+ {
642
+ "epoch": 2.06,
643
+ "learning_rate": 0.0003430666666666667,
644
+ "loss": 0.2544,
645
+ "step": 5150
646
+ },
647
+ {
648
+ "epoch": 2.08,
649
+ "learning_rate": 0.0003464,
650
+ "loss": 0.1747,
651
+ "step": 5200
652
+ },
653
+ {
654
+ "epoch": 2.1,
655
+ "learning_rate": 0.00034973333333333334,
656
+ "loss": 0.1857,
657
+ "step": 5250
658
+ },
659
+ {
660
+ "epoch": 2.12,
661
+ "learning_rate": 0.00035306666666666667,
662
+ "loss": 0.2486,
663
+ "step": 5300
664
+ },
665
+ {
666
+ "epoch": 2.14,
667
+ "learning_rate": 0.0003564,
668
+ "loss": 0.1884,
669
+ "step": 5350
670
+ },
671
+ {
672
+ "epoch": 2.16,
673
+ "learning_rate": 0.00035973333333333337,
674
+ "loss": 0.2118,
675
+ "step": 5400
676
+ },
677
+ {
678
+ "epoch": 2.18,
679
+ "learning_rate": 0.00036306666666666664,
680
+ "loss": 0.2187,
681
+ "step": 5450
682
+ },
683
+ {
684
+ "epoch": 2.2,
685
+ "learning_rate": 0.0003664,
686
+ "loss": 0.2032,
687
+ "step": 5500
688
+ },
689
+ {
690
+ "epoch": 2.22,
691
+ "learning_rate": 0.00036973333333333334,
692
+ "loss": 0.1931,
693
+ "step": 5550
694
+ },
695
+ {
696
+ "epoch": 2.24,
697
+ "learning_rate": 0.00037306666666666666,
698
+ "loss": 0.2272,
699
+ "step": 5600
700
+ },
701
+ {
702
+ "epoch": 2.26,
703
+ "learning_rate": 0.00037640000000000004,
704
+ "loss": 0.2196,
705
+ "step": 5650
706
+ },
707
+ {
708
+ "epoch": 2.28,
709
+ "learning_rate": 0.0003797333333333333,
710
+ "loss": 0.1778,
711
+ "step": 5700
712
+ },
713
+ {
714
+ "epoch": 2.3,
715
+ "learning_rate": 0.0003830666666666667,
716
+ "loss": 0.1637,
717
+ "step": 5750
718
+ },
719
+ {
720
+ "epoch": 2.32,
721
+ "learning_rate": 0.0003864,
722
+ "loss": 0.1595,
723
+ "step": 5800
724
+ },
725
+ {
726
+ "epoch": 2.34,
727
+ "learning_rate": 0.00038973333333333334,
728
+ "loss": 0.2069,
729
+ "step": 5850
730
+ },
731
+ {
732
+ "epoch": 2.36,
733
+ "learning_rate": 0.00039306666666666666,
734
+ "loss": 0.2338,
735
+ "step": 5900
736
+ },
737
+ {
738
+ "epoch": 2.38,
739
+ "learning_rate": 0.0003964,
740
+ "loss": 0.2159,
741
+ "step": 5950
742
+ },
743
+ {
744
+ "epoch": 2.4,
745
+ "learning_rate": 0.00039973333333333336,
746
+ "loss": 0.2325,
747
+ "step": 6000
748
+ },
749
+ {
750
+ "epoch": 2.42,
751
+ "learning_rate": 0.0004030666666666667,
752
+ "loss": 0.2506,
753
+ "step": 6050
754
+ },
755
+ {
756
+ "epoch": 2.44,
757
+ "learning_rate": 0.0004064,
758
+ "loss": 0.2129,
759
+ "step": 6100
760
+ },
761
+ {
762
+ "epoch": 2.46,
763
+ "learning_rate": 0.00040973333333333334,
764
+ "loss": 0.2239,
765
+ "step": 6150
766
+ },
767
+ {
768
+ "epoch": 2.48,
769
+ "learning_rate": 0.0004130666666666667,
770
+ "loss": 0.231,
771
+ "step": 6200
772
+ },
773
+ {
774
+ "epoch": 2.5,
775
+ "learning_rate": 0.0004164,
776
+ "loss": 0.2157,
777
+ "step": 6250
778
+ },
779
+ {
780
+ "epoch": 2.52,
781
+ "learning_rate": 0.00041973333333333336,
782
+ "loss": 0.2642,
783
+ "step": 6300
784
+ },
785
+ {
786
+ "epoch": 2.54,
787
+ "learning_rate": 0.00042306666666666663,
788
+ "loss": 0.2308,
789
+ "step": 6350
790
+ },
791
+ {
792
+ "epoch": 2.56,
793
+ "learning_rate": 0.0004264,
794
+ "loss": 0.2229,
795
+ "step": 6400
796
+ },
797
+ {
798
+ "epoch": 2.58,
799
+ "learning_rate": 0.0004297333333333334,
800
+ "loss": 0.2231,
801
+ "step": 6450
802
+ },
803
+ {
804
+ "epoch": 2.6,
805
+ "learning_rate": 0.00043306666666666666,
806
+ "loss": 0.1866,
807
+ "step": 6500
808
+ },
809
+ {
810
+ "epoch": 2.62,
811
+ "learning_rate": 0.00043640000000000004,
812
+ "loss": 0.1999,
813
+ "step": 6550
814
+ },
815
+ {
816
+ "epoch": 2.64,
817
+ "learning_rate": 0.0004397333333333333,
818
+ "loss": 0.2566,
819
+ "step": 6600
820
+ },
821
+ {
822
+ "epoch": 2.66,
823
+ "learning_rate": 0.0004430666666666667,
824
+ "loss": 0.2168,
825
+ "step": 6650
826
+ },
827
+ {
828
+ "epoch": 2.68,
829
+ "learning_rate": 0.0004464,
830
+ "loss": 0.2551,
831
+ "step": 6700
832
+ },
833
+ {
834
+ "epoch": 2.7,
835
+ "learning_rate": 0.00044973333333333333,
836
+ "loss": 0.1921,
837
+ "step": 6750
838
+ },
839
+ {
840
+ "epoch": 2.72,
841
+ "learning_rate": 0.00045306666666666666,
842
+ "loss": 0.2241,
843
+ "step": 6800
844
+ },
845
+ {
846
+ "epoch": 2.74,
847
+ "learning_rate": 0.0004564,
848
+ "loss": 0.2359,
849
+ "step": 6850
850
+ },
851
+ {
852
+ "epoch": 2.76,
853
+ "learning_rate": 0.00045966666666666665,
854
+ "loss": 0.2348,
855
+ "step": 6900
856
+ },
857
+ {
858
+ "epoch": 2.78,
859
+ "learning_rate": 0.00046300000000000003,
860
+ "loss": 0.2228,
861
+ "step": 6950
862
+ },
863
+ {
864
+ "epoch": 2.8,
865
+ "learning_rate": 0.00046633333333333336,
866
+ "loss": 0.2302,
867
+ "step": 7000
868
+ },
869
+ {
870
+ "epoch": 2.82,
871
+ "learning_rate": 0.0004696666666666667,
872
+ "loss": 0.2455,
873
+ "step": 7050
874
+ },
875
+ {
876
+ "epoch": 2.84,
877
+ "learning_rate": 0.000473,
878
+ "loss": 0.2731,
879
+ "step": 7100
880
+ },
881
+ {
882
+ "epoch": 2.86,
883
+ "learning_rate": 0.00047633333333333333,
884
+ "loss": 0.2365,
885
+ "step": 7150
886
+ },
887
+ {
888
+ "epoch": 2.88,
889
+ "learning_rate": 0.0004796666666666667,
890
+ "loss": 0.2554,
891
+ "step": 7200
892
+ },
893
+ {
894
+ "epoch": 2.9,
895
+ "learning_rate": 0.000483,
896
+ "loss": 0.2386,
897
+ "step": 7250
898
+ },
899
+ {
900
+ "epoch": 2.92,
901
+ "learning_rate": 0.00048633333333333335,
902
+ "loss": 0.1938,
903
+ "step": 7300
904
+ },
905
+ {
906
+ "epoch": 2.94,
907
+ "learning_rate": 0.0004896666666666667,
908
+ "loss": 0.23,
909
+ "step": 7350
910
+ },
911
+ {
912
+ "epoch": 2.96,
913
+ "learning_rate": 0.0004930000000000001,
914
+ "loss": 0.2151,
915
+ "step": 7400
916
+ },
917
+ {
918
+ "epoch": 2.98,
919
+ "learning_rate": 0.0004963333333333333,
920
+ "loss": 0.2073,
921
+ "step": 7450
922
+ },
923
+ {
924
+ "epoch": 3.0,
925
+ "learning_rate": 0.0004996666666666667,
926
+ "loss": 0.2251,
927
+ "step": 7500
928
+ },
929
+ {
930
+ "epoch": 3.0,
931
+ "eval_accuracy": 0.9167,
932
+ "eval_loss": 0.24363669753074646,
933
+ "eval_runtime": 132.3921,
934
+ "eval_samples_per_second": 75.533,
935
+ "eval_steps_per_second": 4.721,
936
+ "step": 7500
937
+ },
938
+ {
939
+ "epoch": 3.02,
940
+ "learning_rate": 0.0004999918425141952,
941
+ "loss": 0.1875,
942
+ "step": 7550
943
+ },
944
+ {
945
+ "epoch": 3.04,
946
+ "learning_rate": 0.0004999636444812977,
947
+ "loss": 0.2006,
948
+ "step": 7600
949
+ },
950
+ {
951
+ "epoch": 3.06,
952
+ "learning_rate": 0.0004999153074629148,
953
+ "loss": 0.2359,
954
+ "step": 7650
955
+ },
956
+ {
957
+ "epoch": 3.08,
958
+ "learning_rate": 0.0004998468353534468,
959
+ "loss": 0.1878,
960
+ "step": 7700
961
+ },
962
+ {
963
+ "epoch": 3.1,
964
+ "learning_rate": 0.0004997582336695312,
965
+ "loss": 0.2309,
966
+ "step": 7750
967
+ },
968
+ {
969
+ "epoch": 3.12,
970
+ "learning_rate": 0.0004996495095495983,
971
+ "loss": 0.2101,
972
+ "step": 7800
973
+ },
974
+ {
975
+ "epoch": 3.14,
976
+ "learning_rate": 0.0004995206717532957,
977
+ "loss": 0.2599,
978
+ "step": 7850
979
+ },
980
+ {
981
+ "epoch": 3.16,
982
+ "learning_rate": 0.0004993717306607832,
983
+ "loss": 0.2405,
984
+ "step": 7900
985
+ },
986
+ {
987
+ "epoch": 3.18,
988
+ "learning_rate": 0.0004992026982718955,
989
+ "loss": 0.2082,
990
+ "step": 7950
991
+ },
992
+ {
993
+ "epoch": 3.2,
994
+ "learning_rate": 0.0004990135882051766,
995
+ "loss": 0.2071,
996
+ "step": 8000
997
+ },
998
+ {
999
+ "epoch": 3.22,
1000
+ "learning_rate": 0.0004988044156967816,
1001
+ "loss": 0.1868,
1002
+ "step": 8050
1003
+ },
1004
+ {
1005
+ "epoch": 3.24,
1006
+ "learning_rate": 0.0004985751975992497,
1007
+ "loss": 0.2029,
1008
+ "step": 8100
1009
+ },
1010
+ {
1011
+ "epoch": 3.26,
1012
+ "learning_rate": 0.0004983259523801463,
1013
+ "loss": 0.2113,
1014
+ "step": 8150
1015
+ },
1016
+ {
1017
+ "epoch": 3.28,
1018
+ "learning_rate": 0.000498056700120575,
1019
+ "loss": 0.2172,
1020
+ "step": 8200
1021
+ },
1022
+ {
1023
+ "epoch": 3.3,
1024
+ "learning_rate": 0.0004977674625135598,
1025
+ "loss": 0.1988,
1026
+ "step": 8250
1027
+ },
1028
+ {
1029
+ "epoch": 3.32,
1030
+ "learning_rate": 0.0004974582628622975,
1031
+ "loss": 0.2154,
1032
+ "step": 8300
1033
+ },
1034
+ {
1035
+ "epoch": 3.34,
1036
+ "learning_rate": 0.0004971291260782797,
1037
+ "loss": 0.2122,
1038
+ "step": 8350
1039
+ },
1040
+ {
1041
+ "epoch": 3.36,
1042
+ "learning_rate": 0.0004967800786792866,
1043
+ "loss": 0.1891,
1044
+ "step": 8400
1045
+ },
1046
+ {
1047
+ "epoch": 3.38,
1048
+ "learning_rate": 0.0004964111487872495,
1049
+ "loss": 0.2461,
1050
+ "step": 8450
1051
+ },
1052
+ {
1053
+ "epoch": 3.4,
1054
+ "learning_rate": 0.000496022366125986,
1055
+ "loss": 0.1967,
1056
+ "step": 8500
1057
+ },
1058
+ {
1059
+ "epoch": 3.42,
1060
+ "learning_rate": 0.0004956137620188048,
1061
+ "loss": 0.2278,
1062
+ "step": 8550
1063
+ },
1064
+ {
1065
+ "epoch": 3.44,
1066
+ "learning_rate": 0.000495185369385982,
1067
+ "loss": 0.2029,
1068
+ "step": 8600
1069
+ },
1070
+ {
1071
+ "epoch": 3.46,
1072
+ "learning_rate": 0.0004947372227421084,
1073
+ "loss": 0.2094,
1074
+ "step": 8650
1075
+ },
1076
+ {
1077
+ "epoch": 3.48,
1078
+ "learning_rate": 0.0004942693581933101,
1079
+ "loss": 0.2701,
1080
+ "step": 8700
1081
+ },
1082
+ {
1083
+ "epoch": 3.5,
1084
+ "learning_rate": 0.000493781813434338,
1085
+ "loss": 0.1984,
1086
+ "step": 8750
1087
+ },
1088
+ {
1089
+ "epoch": 3.52,
1090
+ "learning_rate": 0.0004932746277455317,
1091
+ "loss": 0.2277,
1092
+ "step": 8800
1093
+ },
1094
+ {
1095
+ "epoch": 3.54,
1096
+ "learning_rate": 0.0004927478419896543,
1097
+ "loss": 0.1903,
1098
+ "step": 8850
1099
+ },
1100
+ {
1101
+ "epoch": 3.56,
1102
+ "learning_rate": 0.0004922014986086007,
1103
+ "loss": 0.1693,
1104
+ "step": 8900
1105
+ },
1106
+ {
1107
+ "epoch": 3.58,
1108
+ "learning_rate": 0.0004916356416199778,
1109
+ "loss": 0.2198,
1110
+ "step": 8950
1111
+ },
1112
+ {
1113
+ "epoch": 3.6,
1114
+ "learning_rate": 0.0004910503166135578,
1115
+ "loss": 0.1728,
1116
+ "step": 9000
1117
+ },
1118
+ {
1119
+ "epoch": 3.62,
1120
+ "learning_rate": 0.000490445570747606,
1121
+ "loss": 0.2523,
1122
+ "step": 9050
1123
+ },
1124
+ {
1125
+ "epoch": 3.64,
1126
+ "learning_rate": 0.0004898214527450807,
1127
+ "loss": 0.2319,
1128
+ "step": 9100
1129
+ },
1130
+ {
1131
+ "epoch": 3.66,
1132
+ "learning_rate": 0.0004891910707082325,
1133
+ "loss": 0.2402,
1134
+ "step": 9150
1135
+ },
1136
+ {
1137
+ "epoch": 3.68,
1138
+ "learning_rate": 0.0004885287457226171,
1139
+ "loss": 0.1891,
1140
+ "step": 9200
1141
+ },
1142
+ {
1143
+ "epoch": 3.7,
1144
+ "learning_rate": 0.00048784720303453175,
1145
+ "loss": 0.1828,
1146
+ "step": 9250
1147
+ },
1148
+ {
1149
+ "epoch": 3.72,
1150
+ "learning_rate": 0.0004871464975542746,
1151
+ "loss": 0.2131,
1152
+ "step": 9300
1153
+ },
1154
+ {
1155
+ "epoch": 3.74,
1156
+ "learning_rate": 0.0004864266857360456,
1157
+ "loss": 0.1854,
1158
+ "step": 9350
1159
+ },
1160
+ {
1161
+ "epoch": 3.76,
1162
+ "learning_rate": 0.00048568782557339713,
1163
+ "loss": 0.1927,
1164
+ "step": 9400
1165
+ },
1166
+ {
1167
+ "epoch": 3.78,
1168
+ "learning_rate": 0.0004849299765945623,
1169
+ "loss": 0.206,
1170
+ "step": 9450
1171
+ },
1172
+ {
1173
+ "epoch": 3.8,
1174
+ "learning_rate": 0.00048415319985765877,
1175
+ "loss": 0.2008,
1176
+ "step": 9500
1177
+ },
1178
+ {
1179
+ "epoch": 3.82,
1180
+ "learning_rate": 0.0004833575579457691,
1181
+ "loss": 0.1961,
1182
+ "step": 9550
1183
+ },
1184
+ {
1185
+ "epoch": 3.84,
1186
+ "learning_rate": 0.000482543114961899,
1187
+ "loss": 0.1752,
1188
+ "step": 9600
1189
+ },
1190
+ {
1191
+ "epoch": 3.86,
1192
+ "learning_rate": 0.00048170993652381247,
1193
+ "loss": 0.1751,
1194
+ "step": 9650
1195
+ },
1196
+ {
1197
+ "epoch": 3.88,
1198
+ "learning_rate": 0.00048085808975874506,
1199
+ "loss": 0.2128,
1200
+ "step": 9700
1201
+ },
1202
+ {
1203
+ "epoch": 3.9,
1204
+ "learning_rate": 0.000479987643297996,
1205
+ "loss": 0.188,
1206
+ "step": 9750
1207
+ },
1208
+ {
1209
+ "epoch": 3.92,
1210
+ "learning_rate": 0.0004790986672713982,
1211
+ "loss": 0.227,
1212
+ "step": 9800
1213
+ },
1214
+ {
1215
+ "epoch": 3.94,
1216
+ "learning_rate": 0.0004781912333016683,
1217
+ "loss": 0.1947,
1218
+ "step": 9850
1219
+ },
1220
+ {
1221
+ "epoch": 3.96,
1222
+ "learning_rate": 0.00047726541449863636,
1223
+ "loss": 0.2057,
1224
+ "step": 9900
1225
+ },
1226
+ {
1227
+ "epoch": 3.98,
1228
+ "learning_rate": 0.00047632128545335527,
1229
+ "loss": 0.195,
1230
+ "step": 9950
1231
+ },
1232
+ {
1233
+ "epoch": 4.0,
1234
+ "learning_rate": 0.0004753589222320913,
1235
+ "loss": 0.1996,
1236
+ "step": 10000
1237
+ },
1238
+ {
1239
+ "epoch": 4.0,
1240
+ "eval_accuracy": 0.9246,
1241
+ "eval_loss": 0.2271093726158142,
1242
+ "eval_runtime": 132.5243,
1243
+ "eval_samples_per_second": 75.458,
1244
+ "eval_steps_per_second": 4.716,
1245
+ "step": 10000
1246
+ },
1247
+ {
1248
+ "epoch": 4.02,
1249
+ "learning_rate": 0.00047437840237019567,
1250
+ "loss": 0.1785,
1251
+ "step": 10050
1252
+ },
1253
+ {
1254
+ "epoch": 4.04,
1255
+ "learning_rate": 0.00047337980486585735,
1256
+ "loss": 0.2067,
1257
+ "step": 10100
1258
+ },
1259
+ {
1260
+ "epoch": 4.06,
1261
+ "learning_rate": 0.00047236321017373893,
1262
+ "loss": 0.1896,
1263
+ "step": 10150
1264
+ },
1265
+ {
1266
+ "epoch": 4.08,
1267
+ "learning_rate": 0.00047132870019849415,
1268
+ "loss": 0.1719,
1269
+ "step": 10200
1270
+ },
1271
+ {
1272
+ "epoch": 4.1,
1273
+ "learning_rate": 0.00047027635828816915,
1274
+ "loss": 0.1836,
1275
+ "step": 10250
1276
+ },
1277
+ {
1278
+ "epoch": 4.12,
1279
+ "learning_rate": 0.0004692062692274873,
1280
+ "loss": 0.1785,
1281
+ "step": 10300
1282
+ },
1283
+ {
1284
+ "epoch": 4.14,
1285
+ "learning_rate": 0.0004681185192310183,
1286
+ "loss": 0.2045,
1287
+ "step": 10350
1288
+ },
1289
+ {
1290
+ "epoch": 4.16,
1291
+ "learning_rate": 0.0004670131959362323,
1292
+ "loss": 0.175,
1293
+ "step": 10400
1294
+ },
1295
+ {
1296
+ "epoch": 4.18,
1297
+ "learning_rate": 0.00046589038839643865,
1298
+ "loss": 0.1609,
1299
+ "step": 10450
1300
+ },
1301
+ {
1302
+ "epoch": 4.2,
1303
+ "learning_rate": 0.0004647501870736115,
1304
+ "loss": 0.2075,
1305
+ "step": 10500
1306
+ },
1307
+ {
1308
+ "epoch": 4.22,
1309
+ "learning_rate": 0.0004635926838311014,
1310
+ "loss": 0.1618,
1311
+ "step": 10550
1312
+ },
1313
+ {
1314
+ "epoch": 4.24,
1315
+ "learning_rate": 0.0004624179719262341,
1316
+ "loss": 0.2275,
1317
+ "step": 10600
1318
+ },
1319
+ {
1320
+ "epoch": 4.26,
1321
+ "learning_rate": 0.0004612261460027968,
1322
+ "loss": 0.1881,
1323
+ "step": 10650
1324
+ },
1325
+ {
1326
+ "epoch": 4.28,
1327
+ "learning_rate": 0.0004600173020834132,
1328
+ "loss": 0.1863,
1329
+ "step": 10700
1330
+ },
1331
+ {
1332
+ "epoch": 4.3,
1333
+ "learning_rate": 0.00045879153756180714,
1334
+ "loss": 0.1765,
1335
+ "step": 10750
1336
+ },
1337
+ {
1338
+ "epoch": 4.32,
1339
+ "learning_rate": 0.00045754895119495576,
1340
+ "loss": 0.1964,
1341
+ "step": 10800
1342
+ },
1343
+ {
1344
+ "epoch": 4.34,
1345
+ "learning_rate": 0.00045628964309513267,
1346
+ "loss": 0.2081,
1347
+ "step": 10850
1348
+ },
1349
+ {
1350
+ "epoch": 4.36,
1351
+ "learning_rate": 0.00045501371472184257,
1352
+ "loss": 0.1695,
1353
+ "step": 10900
1354
+ },
1355
+ {
1356
+ "epoch": 4.38,
1357
+ "learning_rate": 0.0004537212688736466,
1358
+ "loss": 0.2042,
1359
+ "step": 10950
1360
+ },
1361
+ {
1362
+ "epoch": 4.4,
1363
+ "learning_rate": 0.00045241240967988015,
1364
+ "loss": 0.2003,
1365
+ "step": 11000
1366
+ },
1367
+ {
1368
+ "epoch": 4.42,
1369
+ "learning_rate": 0.0004510872425922635,
1370
+ "loss": 0.2015,
1371
+ "step": 11050
1372
+ },
1373
+ {
1374
+ "epoch": 4.44,
1375
+ "learning_rate": 0.0004497458743764057,
1376
+ "loss": 0.1409,
1377
+ "step": 11100
1378
+ },
1379
+ {
1380
+ "epoch": 4.46,
1381
+ "learning_rate": 0.00044838841310320266,
1382
+ "loss": 0.1446,
1383
+ "step": 11150
1384
+ },
1385
+ {
1386
+ "epoch": 4.48,
1387
+ "learning_rate": 0.0004470149681401305,
1388
+ "loss": 0.1834,
1389
+ "step": 11200
1390
+ },
1391
+ {
1392
+ "epoch": 4.5,
1393
+ "learning_rate": 0.0004456256501424335,
1394
+ "loss": 0.1908,
1395
+ "step": 11250
1396
+ },
1397
+ {
1398
+ "epoch": 4.52,
1399
+ "learning_rate": 0.0004442205710442094,
1400
+ "loss": 0.1727,
1401
+ "step": 11300
1402
+ },
1403
+ {
1404
+ "epoch": 4.54,
1405
+ "learning_rate": 0.0004427998440493908,
1406
+ "loss": 0.1853,
1407
+ "step": 11350
1408
+ },
1409
+ {
1410
+ "epoch": 4.56,
1411
+ "learning_rate": 0.00044139246031239603,
1412
+ "loss": 0.2239,
1413
+ "step": 11400
1414
+ },
1415
+ {
1416
+ "epoch": 4.58,
1417
+ "learning_rate": 0.0004399410893820698,
1418
+ "loss": 0.1986,
1419
+ "step": 11450
1420
+ },
1421
+ {
1422
+ "epoch": 4.6,
1423
+ "learning_rate": 0.00043847441534296505,
1424
+ "loss": 0.1802,
1425
+ "step": 11500
1426
+ },
1427
+ {
1428
+ "epoch": 4.62,
1429
+ "learning_rate": 0.00043699255636157463,
1430
+ "loss": 0.1795,
1431
+ "step": 11550
1432
+ },
1433
+ {
1434
+ "epoch": 4.64,
1435
+ "learning_rate": 0.0004354956318278065,
1436
+ "loss": 0.1828,
1437
+ "step": 11600
1438
+ },
1439
+ {
1440
+ "epoch": 4.66,
1441
+ "learning_rate": 0.000433983762345365,
1442
+ "loss": 0.1806,
1443
+ "step": 11650
1444
+ },
1445
+ {
1446
+ "epoch": 4.68,
1447
+ "learning_rate": 0.00043245706972203383,
1448
+ "loss": 0.1666,
1449
+ "step": 11700
1450
+ },
1451
+ {
1452
+ "epoch": 4.7,
1453
+ "learning_rate": 0.00043091567695986265,
1454
+ "loss": 0.1972,
1455
+ "step": 11750
1456
+ },
1457
+ {
1458
+ "epoch": 4.72,
1459
+ "learning_rate": 0.0004293597082452566,
1460
+ "loss": 0.1707,
1461
+ "step": 11800
1462
+ },
1463
+ {
1464
+ "epoch": 4.74,
1465
+ "learning_rate": 0.0004277892889389715,
1466
+ "loss": 0.1942,
1467
+ "step": 11850
1468
+ },
1469
+ {
1470
+ "epoch": 4.76,
1471
+ "learning_rate": 0.0004262045455660132,
1472
+ "loss": 0.192,
1473
+ "step": 11900
1474
+ },
1475
+ {
1476
+ "epoch": 4.78,
1477
+ "learning_rate": 0.0004246056058054444,
1478
+ "loss": 0.2138,
1479
+ "step": 11950
1480
+ },
1481
+ {
1482
+ "epoch": 4.8,
1483
+ "learning_rate": 0.000422992598480097,
1484
+ "loss": 0.2031,
1485
+ "step": 12000
1486
+ },
1487
+ {
1488
+ "epoch": 4.82,
1489
+ "learning_rate": 0.0004213656535461942,
1490
+ "loss": 0.1608,
1491
+ "step": 12050
1492
+ },
1493
+ {
1494
+ "epoch": 4.84,
1495
+ "learning_rate": 0.0004197249020828794,
1496
+ "loss": 0.2179,
1497
+ "step": 12100
1498
+ },
1499
+ {
1500
+ "epoch": 4.86,
1501
+ "learning_rate": 0.00041807047628165576,
1502
+ "loss": 0.2141,
1503
+ "step": 12150
1504
+ },
1505
+ {
1506
+ "epoch": 4.88,
1507
+ "learning_rate": 0.00041640250943573574,
1508
+ "loss": 0.187,
1509
+ "step": 12200
1510
+ },
1511
+ {
1512
+ "epoch": 4.9,
1513
+ "learning_rate": 0.0004147211359293023,
1514
+ "loss": 0.1854,
1515
+ "step": 12250
1516
+ },
1517
+ {
1518
+ "epoch": 4.92,
1519
+ "learning_rate": 0.00041302649122668155,
1520
+ "loss": 0.1687,
1521
+ "step": 12300
1522
+ },
1523
+ {
1524
+ "epoch": 4.94,
1525
+ "learning_rate": 0.00041131871186142867,
1526
+ "loss": 0.1844,
1527
+ "step": 12350
1528
+ },
1529
+ {
1530
+ "epoch": 4.96,
1531
+ "learning_rate": 0.00040959793542532784,
1532
+ "loss": 0.2203,
1533
+ "step": 12400
1534
+ },
1535
+ {
1536
+ "epoch": 4.98,
1537
+ "learning_rate": 0.0004078643005573071,
1538
+ "loss": 0.1733,
1539
+ "step": 12450
1540
+ },
1541
+ {
1542
+ "epoch": 5.0,
1543
+ "learning_rate": 0.00040611794693226795,
1544
+ "loss": 0.1845,
1545
+ "step": 12500
1546
+ },
1547
+ {
1548
+ "epoch": 5.0,
1549
+ "eval_accuracy": 0.9269,
1550
+ "eval_loss": 0.21157951653003693,
1551
+ "eval_runtime": 132.481,
1552
+ "eval_samples_per_second": 75.483,
1553
+ "eval_steps_per_second": 4.718,
1554
+ "step": 12500
1555
+ },
1556
+ {
1557
+ "epoch": 5.02,
1558
+ "learning_rate": 0.00040435901524983245,
1559
+ "loss": 0.1696,
1560
+ "step": 12550
1561
+ },
1562
+ {
1563
+ "epoch": 5.04,
1564
+ "learning_rate": 0.00040258764722300727,
1565
+ "loss": 0.1566,
1566
+ "step": 12600
1567
+ },
1568
+ {
1569
+ "epoch": 5.06,
1570
+ "learning_rate": 0.00040080398556676625,
1571
+ "loss": 0.1533,
1572
+ "step": 12650
1573
+ },
1574
+ {
1575
+ "epoch": 5.08,
1576
+ "learning_rate": 0.00039900817398655223,
1577
+ "loss": 0.1357,
1578
+ "step": 12700
1579
+ },
1580
+ {
1581
+ "epoch": 5.1,
1582
+ "learning_rate": 0.0003972003571666988,
1583
+ "loss": 0.1493,
1584
+ "step": 12750
1585
+ },
1586
+ {
1587
+ "epoch": 5.12,
1588
+ "learning_rate": 0.00039538068075877376,
1589
+ "loss": 0.2111,
1590
+ "step": 12800
1591
+ },
1592
+ {
1593
+ "epoch": 5.14,
1594
+ "learning_rate": 0.0003935492913698441,
1595
+ "loss": 0.1651,
1596
+ "step": 12850
1597
+ },
1598
+ {
1599
+ "epoch": 5.16,
1600
+ "learning_rate": 0.00039170633655066415,
1601
+ "loss": 0.1535,
1602
+ "step": 12900
1603
+ },
1604
+ {
1605
+ "epoch": 5.18,
1606
+ "learning_rate": 0.000389851964783788,
1607
+ "loss": 0.1618,
1608
+ "step": 12950
1609
+ },
1610
+ {
1611
+ "epoch": 5.2,
1612
+ "learning_rate": 0.00038798632547160653,
1613
+ "loss": 0.1672,
1614
+ "step": 13000
1615
+ },
1616
+ {
1617
+ "epoch": 5.22,
1618
+ "learning_rate": 0.00038610956892431015,
1619
+ "loss": 0.1675,
1620
+ "step": 13050
1621
+ },
1622
+ {
1623
+ "epoch": 5.24,
1624
+ "learning_rate": 0.0003842218463477791,
1625
+ "loss": 0.1482,
1626
+ "step": 13100
1627
+ },
1628
+ {
1629
+ "epoch": 5.26,
1630
+ "learning_rate": 0.0003823233098314008,
1631
+ "loss": 0.1637,
1632
+ "step": 13150
1633
+ },
1634
+ {
1635
+ "epoch": 5.28,
1636
+ "learning_rate": 0.00038041411233581636,
1637
+ "loss": 0.1497,
1638
+ "step": 13200
1639
+ },
1640
+ {
1641
+ "epoch": 5.3,
1642
+ "learning_rate": 0.0003784944076805974,
1643
+ "loss": 0.1742,
1644
+ "step": 13250
1645
+ },
1646
+ {
1647
+ "epoch": 5.32,
1648
+ "learning_rate": 0.00037656435053185226,
1649
+ "loss": 0.1357,
1650
+ "step": 13300
1651
+ },
1652
+ {
1653
+ "epoch": 5.34,
1654
+ "learning_rate": 0.0003746240963897659,
1655
+ "loss": 0.1938,
1656
+ "step": 13350
1657
+ },
1658
+ {
1659
+ "epoch": 5.36,
1660
+ "learning_rate": 0.000372673801576071,
1661
+ "loss": 0.1506,
1662
+ "step": 13400
1663
+ },
1664
+ {
1665
+ "epoch": 5.38,
1666
+ "learning_rate": 0.0003707136232214534,
1667
+ "loss": 0.1912,
1668
+ "step": 13450
1669
+ },
1670
+ {
1671
+ "epoch": 5.4,
1672
+ "learning_rate": 0.0003687437192528932,
1673
+ "loss": 0.1429,
1674
+ "step": 13500
1675
+ },
1676
+ {
1677
+ "epoch": 5.42,
1678
+ "learning_rate": 0.0003667642483809398,
1679
+ "loss": 0.1579,
1680
+ "step": 13550
1681
+ },
1682
+ {
1683
+ "epoch": 5.44,
1684
+ "learning_rate": 0.0003647753700869262,
1685
+ "loss": 0.1754,
1686
+ "step": 13600
1687
+ },
1688
+ {
1689
+ "epoch": 5.46,
1690
+ "learning_rate": 0.00036277724461011905,
1691
+ "loss": 0.1572,
1692
+ "step": 13650
1693
+ },
1694
+ {
1695
+ "epoch": 5.48,
1696
+ "learning_rate": 0.0003607700329348088,
1697
+ "loss": 0.1964,
1698
+ "step": 13700
1699
+ },
1700
+ {
1701
+ "epoch": 5.5,
1702
+ "learning_rate": 0.00035875389677734,
1703
+ "loss": 0.1813,
1704
+ "step": 13750
1705
+ },
1706
+ {
1707
+ "epoch": 5.52,
1708
+ "learning_rate": 0.0003567289985730813,
1709
+ "loss": 0.1673,
1710
+ "step": 13800
1711
+ },
1712
+ {
1713
+ "epoch": 5.54,
1714
+ "learning_rate": 0.00035469550146333947,
1715
+ "loss": 0.1418,
1716
+ "step": 13850
1717
+ },
1718
+ {
1719
+ "epoch": 5.56,
1720
+ "learning_rate": 0.0003526535692822146,
1721
+ "loss": 0.1536,
1722
+ "step": 13900
1723
+ },
1724
+ {
1725
+ "epoch": 5.58,
1726
+ "learning_rate": 0.0003506033665434007,
1727
+ "loss": 0.1923,
1728
+ "step": 13950
1729
+ },
1730
+ {
1731
+ "epoch": 5.6,
1732
+ "learning_rate": 0.0003485450584269317,
1733
+ "loss": 0.1772,
1734
+ "step": 14000
1735
+ },
1736
+ {
1737
+ "epoch": 5.62,
1738
+ "learning_rate": 0.0003464788107658724,
1739
+ "loss": 0.152,
1740
+ "step": 14050
1741
+ },
1742
+ {
1743
+ "epoch": 5.64,
1744
+ "learning_rate": 0.000344446345543944,
1745
+ "loss": 0.1638,
1746
+ "step": 14100
1747
+ },
1748
+ {
1749
+ "epoch": 5.66,
1750
+ "learning_rate": 0.00034236486931606976,
1751
+ "loss": 0.195,
1752
+ "step": 14150
1753
+ },
1754
+ {
1755
+ "epoch": 5.68,
1756
+ "learning_rate": 0.00034027595146696936,
1757
+ "loss": 0.1738,
1758
+ "step": 14200
1759
+ },
1760
+ {
1761
+ "epoch": 5.7,
1762
+ "learning_rate": 0.0003381797602958623,
1763
+ "loss": 0.1539,
1764
+ "step": 14250
1765
+ },
1766
+ {
1767
+ "epoch": 5.72,
1768
+ "learning_rate": 0.00033607646468796263,
1769
+ "loss": 0.1749,
1770
+ "step": 14300
1771
+ },
1772
+ {
1773
+ "epoch": 5.74,
1774
+ "learning_rate": 0.0003339662341008717,
1775
+ "loss": 0.1713,
1776
+ "step": 14350
1777
+ },
1778
+ {
1779
+ "epoch": 5.76,
1780
+ "learning_rate": 0.0003318492385509267,
1781
+ "loss": 0.151,
1782
+ "step": 14400
1783
+ },
1784
+ {
1785
+ "epoch": 5.78,
1786
+ "learning_rate": 0.00032972564859950137,
1787
+ "loss": 0.1818,
1788
+ "step": 14450
1789
+ },
1790
+ {
1791
+ "epoch": 5.8,
1792
+ "learning_rate": 0.0003275956353392653,
1793
+ "loss": 0.1499,
1794
+ "step": 14500
1795
+ },
1796
+ {
1797
+ "epoch": 5.82,
1798
+ "learning_rate": 0.00032545937038039904,
1799
+ "loss": 0.1601,
1800
+ "step": 14550
1801
+ },
1802
+ {
1803
+ "epoch": 5.84,
1804
+ "learning_rate": 0.00032331702583676745,
1805
+ "loss": 0.1754,
1806
+ "step": 14600
1807
+ },
1808
+ {
1809
+ "epoch": 5.86,
1810
+ "learning_rate": 0.0003211687743120539,
1811
+ "loss": 0.1466,
1812
+ "step": 14650
1813
+ },
1814
+ {
1815
+ "epoch": 5.88,
1816
+ "learning_rate": 0.0003190147888858529,
1817
+ "loss": 0.1606,
1818
+ "step": 14700
1819
+ },
1820
+ {
1821
+ "epoch": 5.9,
1822
+ "learning_rate": 0.0003168552430997262,
1823
+ "loss": 0.1654,
1824
+ "step": 14750
1825
+ },
1826
+ {
1827
+ "epoch": 5.92,
1828
+ "learning_rate": 0.0003146903109432208,
1829
+ "loss": 0.166,
1830
+ "step": 14800
1831
+ },
1832
+ {
1833
+ "epoch": 5.94,
1834
+ "learning_rate": 0.0003125201668398506,
1835
+ "loss": 0.1513,
1836
+ "step": 14850
1837
+ },
1838
+ {
1839
+ "epoch": 5.96,
1840
+ "learning_rate": 0.0003103449856330443,
1841
+ "loss": 0.1736,
1842
+ "step": 14900
1843
+ },
1844
+ {
1845
+ "epoch": 5.98,
1846
+ "learning_rate": 0.0003081649425720579,
1847
+ "loss": 0.2036,
1848
+ "step": 14950
1849
+ },
1850
+ {
1851
+ "epoch": 6.0,
1852
+ "learning_rate": 0.0003059802132978558,
1853
+ "loss": 0.205,
1854
+ "step": 15000
1855
+ },
1856
+ {
1857
+ "epoch": 6.0,
1858
+ "eval_accuracy": 0.9312,
1859
+ "eval_loss": 0.19459494948387146,
1860
+ "eval_runtime": 132.3124,
1861
+ "eval_samples_per_second": 75.579,
1862
+ "eval_steps_per_second": 4.724,
1863
+ "step": 15000
1864
+ },
1865
+ {
1866
+ "epoch": 6.02,
1867
+ "learning_rate": 0.00030379097382895955,
1868
+ "loss": 0.1528,
1869
+ "step": 15050
1870
+ },
1871
+ {
1872
+ "epoch": 6.04,
1873
+ "learning_rate": 0.0003015974005472664,
1874
+ "loss": 0.1183,
1875
+ "step": 15100
1876
+ },
1877
+ {
1878
+ "epoch": 6.06,
1879
+ "learning_rate": 0.0002993996701838391,
1880
+ "loss": 0.1508,
1881
+ "step": 15150
1882
+ },
1883
+ {
1884
+ "epoch": 6.08,
1885
+ "learning_rate": 0.0002971979598046662,
1886
+ "loss": 0.1454,
1887
+ "step": 15200
1888
+ },
1889
+ {
1890
+ "epoch": 6.1,
1891
+ "learning_rate": 0.00029499244679639746,
1892
+ "loss": 0.1068,
1893
+ "step": 15250
1894
+ },
1895
+ {
1896
+ "epoch": 6.12,
1897
+ "learning_rate": 0.000292783308852051,
1898
+ "loss": 0.1451,
1899
+ "step": 15300
1900
+ },
1901
+ {
1902
+ "epoch": 6.14,
1903
+ "learning_rate": 0.0002905707239566978,
1904
+ "loss": 0.1349,
1905
+ "step": 15350
1906
+ },
1907
+ {
1908
+ "epoch": 6.16,
1909
+ "learning_rate": 0.00028835487037312155,
1910
+ "loss": 0.1293,
1911
+ "step": 15400
1912
+ },
1913
+ {
1914
+ "epoch": 6.18,
1915
+ "learning_rate": 0.00028613592662745665,
1916
+ "loss": 0.1029,
1917
+ "step": 15450
1918
+ },
1919
+ {
1920
+ "epoch": 6.2,
1921
+ "learning_rate": 0.0002839140714948043,
1922
+ "loss": 0.1677,
1923
+ "step": 15500
1924
+ },
1925
+ {
1926
+ "epoch": 6.22,
1927
+ "learning_rate": 0.0002816894839848297,
1928
+ "loss": 0.137,
1929
+ "step": 15550
1930
+ },
1931
+ {
1932
+ "epoch": 6.24,
1933
+ "learning_rate": 0.000279462343327339,
1934
+ "loss": 0.1447,
1935
+ "step": 15600
1936
+ },
1937
+ {
1938
+ "epoch": 6.26,
1939
+ "learning_rate": 0.00027723282895783963,
1940
+ "loss": 0.1268,
1941
+ "step": 15650
1942
+ },
1943
+ {
1944
+ "epoch": 6.28,
1945
+ "learning_rate": 0.0002750011205030834,
1946
+ "loss": 0.1075,
1947
+ "step": 15700
1948
+ },
1949
+ {
1950
+ "epoch": 6.3,
1951
+ "learning_rate": 0.00027276739776659444,
1952
+ "loss": 0.2144,
1953
+ "step": 15750
1954
+ },
1955
+ {
1956
+ "epoch": 6.32,
1957
+ "learning_rate": 0.00027053184071418275,
1958
+ "loss": 0.1229,
1959
+ "step": 15800
1960
+ },
1961
+ {
1962
+ "epoch": 6.34,
1963
+ "learning_rate": 0.00026829462945944505,
1964
+ "loss": 0.1633,
1965
+ "step": 15850
1966
+ },
1967
+ {
1968
+ "epoch": 6.36,
1969
+ "learning_rate": 0.0002660559442492531,
1970
+ "loss": 0.1457,
1971
+ "step": 15900
1972
+ },
1973
+ {
1974
+ "epoch": 6.38,
1975
+ "learning_rate": 0.0002638159654492318,
1976
+ "loss": 0.1168,
1977
+ "step": 15950
1978
+ },
1979
+ {
1980
+ "epoch": 6.4,
1981
+ "learning_rate": 0.00026157487352922783,
1982
+ "loss": 0.1294,
1983
+ "step": 16000
1984
+ },
1985
+ {
1986
+ "epoch": 6.42,
1987
+ "learning_rate": 0.0002593328490487688,
1988
+ "loss": 0.1347,
1989
+ "step": 16050
1990
+ },
1991
+ {
1992
+ "epoch": 6.44,
1993
+ "learning_rate": 0.0002570900726425172,
1994
+ "loss": 0.1396,
1995
+ "step": 16100
1996
+ },
1997
+ {
1998
+ "epoch": 6.46,
1999
+ "learning_rate": 0.00025484672500571576,
2000
+ "loss": 0.1444,
2001
+ "step": 16150
2002
+ },
2003
+ {
2004
+ "epoch": 6.48,
2005
+ "learning_rate": 0.0002526029868796305,
2006
+ "loss": 0.1418,
2007
+ "step": 16200
2008
+ },
2009
+ {
2010
+ "epoch": 6.5,
2011
+ "learning_rate": 0.00025035903903698785,
2012
+ "loss": 0.1275,
2013
+ "step": 16250
2014
+ },
2015
+ {
2016
+ "epoch": 6.52,
2017
+ "learning_rate": 0.00024811506226741077,
2018
+ "loss": 0.131,
2019
+ "step": 16300
2020
+ },
2021
+ {
2022
+ "epoch": 6.54,
2023
+ "learning_rate": 0.000245916111203349,
2024
+ "loss": 0.0828,
2025
+ "step": 16350
2026
+ },
2027
+ {
2028
+ "epoch": 6.56,
2029
+ "learning_rate": 0.00024367261051914146,
2030
+ "loss": 0.1857,
2031
+ "step": 16400
2032
+ },
2033
+ {
2034
+ "epoch": 6.58,
2035
+ "learning_rate": 0.00024142961961788734,
2036
+ "loss": 0.1173,
2037
+ "step": 16450
2038
+ },
2039
+ {
2040
+ "epoch": 6.6,
2041
+ "learning_rate": 0.000239187319212111,
2042
+ "loss": 0.1757,
2043
+ "step": 16500
2044
+ },
2045
+ {
2046
+ "epoch": 6.62,
2047
+ "learning_rate": 0.0002369458899587052,
2048
+ "loss": 0.1108,
2049
+ "step": 16550
2050
+ },
2051
+ {
2052
+ "epoch": 6.64,
2053
+ "learning_rate": 0.00023470551244437603,
2054
+ "loss": 0.1178,
2055
+ "step": 16600
2056
+ },
2057
+ {
2058
+ "epoch": 6.66,
2059
+ "learning_rate": 0.00023246636717109357,
2060
+ "loss": 0.1566,
2061
+ "step": 16650
2062
+ },
2063
+ {
2064
+ "epoch": 6.68,
2065
+ "learning_rate": 0.0002302286345415488,
2066
+ "loss": 0.1369,
2067
+ "step": 16700
2068
+ },
2069
+ {
2070
+ "epoch": 6.7,
2071
+ "learning_rate": 0.00022799249484461954,
2072
+ "loss": 0.1529,
2073
+ "step": 16750
2074
+ },
2075
+ {
2076
+ "epoch": 6.72,
2077
+ "learning_rate": 0.0002257581282408449,
2078
+ "loss": 0.1445,
2079
+ "step": 16800
2080
+ },
2081
+ {
2082
+ "epoch": 6.74,
2083
+ "learning_rate": 0.00022352571474790954,
2084
+ "loss": 0.1802,
2085
+ "step": 16850
2086
+ },
2087
+ {
2088
+ "epoch": 6.76,
2089
+ "learning_rate": 0.000221295434226141,
2090
+ "loss": 0.1218,
2091
+ "step": 16900
2092
+ },
2093
+ {
2094
+ "epoch": 6.78,
2095
+ "learning_rate": 0.00021906746636401824,
2096
+ "loss": 0.1158,
2097
+ "step": 16950
2098
+ },
2099
+ {
2100
+ "epoch": 6.8,
2101
+ "learning_rate": 0.00021684199066369448,
2102
+ "loss": 0.1802,
2103
+ "step": 17000
2104
+ },
2105
+ {
2106
+ "epoch": 6.82,
2107
+ "learning_rate": 0.0002146191864265354,
2108
+ "loss": 0.1179,
2109
+ "step": 17050
2110
+ },
2111
+ {
2112
+ "epoch": 6.84,
2113
+ "learning_rate": 0.00021239923273867317,
2114
+ "loss": 0.1403,
2115
+ "step": 17100
2116
+ },
2117
+ {
2118
+ "epoch": 6.86,
2119
+ "learning_rate": 0.00021018230845657804,
2120
+ "loss": 0.1483,
2121
+ "step": 17150
2122
+ },
2123
+ {
2124
+ "epoch": 6.88,
2125
+ "learning_rate": 0.0002079685921926476,
2126
+ "loss": 0.1175,
2127
+ "step": 17200
2128
+ },
2129
+ {
2130
+ "epoch": 6.9,
2131
+ "learning_rate": 0.00020575826230081757,
2132
+ "loss": 0.1689,
2133
+ "step": 17250
2134
+ },
2135
+ {
2136
+ "epoch": 6.92,
2137
+ "learning_rate": 0.00020355149686219123,
2138
+ "loss": 0.1084,
2139
+ "step": 17300
2140
+ },
2141
+ {
2142
+ "epoch": 6.94,
2143
+ "learning_rate": 0.00020134847367069225,
2144
+ "loss": 0.1598,
2145
+ "step": 17350
2146
+ },
2147
+ {
2148
+ "epoch": 6.96,
2149
+ "learning_rate": 0.0001991493702187403,
2150
+ "loss": 0.1352,
2151
+ "step": 17400
2152
+ },
2153
+ {
2154
+ "epoch": 6.98,
2155
+ "learning_rate": 0.0001969543636829508,
2156
+ "loss": 0.1491,
2157
+ "step": 17450
2158
+ },
2159
+ {
2160
+ "epoch": 7.0,
2161
+ "learning_rate": 0.00019476363090986011,
2162
+ "loss": 0.1352,
2163
+ "step": 17500
2164
+ },
2165
+ {
2166
+ "epoch": 7.0,
2167
+ "eval_accuracy": 0.9328,
2168
+ "eval_loss": 0.22326812148094177,
2169
+ "eval_runtime": 132.2934,
2170
+ "eval_samples_per_second": 75.59,
2171
+ "eval_steps_per_second": 4.724,
2172
+ "step": 17500
2173
+ },
2174
+ {
2175
+ "epoch": 7.02,
2176
+ "learning_rate": 0.0001925773484016777,
2177
+ "loss": 0.0964,
2178
+ "step": 17550
2179
+ },
2180
+ {
2181
+ "epoch": 7.04,
2182
+ "learning_rate": 0.00019039569230206555,
2183
+ "loss": 0.1568,
2184
+ "step": 17600
2185
+ },
2186
+ {
2187
+ "epoch": 7.06,
2188
+ "learning_rate": 0.00018821883838194664,
2189
+ "loss": 0.0789,
2190
+ "step": 17650
2191
+ },
2192
+ {
2193
+ "epoch": 7.08,
2194
+ "learning_rate": 0.00018604696202534368,
2195
+ "loss": 0.0736,
2196
+ "step": 17700
2197
+ },
2198
+ {
2199
+ "epoch": 7.1,
2200
+ "learning_rate": 0.00018388023821524889,
2201
+ "loss": 0.1445,
2202
+ "step": 17750
2203
+ },
2204
+ {
2205
+ "epoch": 7.12,
2206
+ "learning_rate": 0.0001817188415195257,
2207
+ "loss": 0.0839,
2208
+ "step": 17800
2209
+ },
2210
+ {
2211
+ "epoch": 7.14,
2212
+ "learning_rate": 0.00017956294607684436,
2213
+ "loss": 0.161,
2214
+ "step": 17850
2215
+ },
2216
+ {
2217
+ "epoch": 7.16,
2218
+ "learning_rate": 0.0001774127255826522,
2219
+ "loss": 0.1418,
2220
+ "step": 17900
2221
+ },
2222
+ {
2223
+ "epoch": 7.18,
2224
+ "learning_rate": 0.0001752683532751792,
2225
+ "loss": 0.1222,
2226
+ "step": 17950
2227
+ },
2228
+ {
2229
+ "epoch": 7.2,
2230
+ "learning_rate": 0.0001731300019214805,
2231
+ "loss": 0.1034,
2232
+ "step": 18000
2233
+ },
2234
+ {
2235
+ "epoch": 7.22,
2236
+ "learning_rate": 0.00017099784380351728,
2237
+ "loss": 0.114,
2238
+ "step": 18050
2239
+ },
2240
+ {
2241
+ "epoch": 7.24,
2242
+ "learning_rate": 0.0001688720507042762,
2243
+ "loss": 0.0874,
2244
+ "step": 18100
2245
+ },
2246
+ {
2247
+ "epoch": 7.26,
2248
+ "learning_rate": 0.00016675279389392905,
2249
+ "loss": 0.1183,
2250
+ "step": 18150
2251
+ },
2252
+ {
2253
+ "epoch": 7.28,
2254
+ "learning_rate": 0.00016464024411603435,
2255
+ "loss": 0.1099,
2256
+ "step": 18200
2257
+ },
2258
+ {
2259
+ "epoch": 7.3,
2260
+ "learning_rate": 0.0001625345715737808,
2261
+ "loss": 0.1183,
2262
+ "step": 18250
2263
+ },
2264
+ {
2265
+ "epoch": 7.32,
2266
+ "learning_rate": 0.00016043594591627392,
2267
+ "loss": 0.1456,
2268
+ "step": 18300
2269
+ },
2270
+ {
2271
+ "epoch": 7.34,
2272
+ "learning_rate": 0.0001583445362248687,
2273
+ "loss": 0.1185,
2274
+ "step": 18350
2275
+ },
2276
+ {
2277
+ "epoch": 7.36,
2278
+ "learning_rate": 0.00015630211804928086,
2279
+ "loss": 0.0823,
2280
+ "step": 18400
2281
+ },
2282
+ {
2283
+ "epoch": 7.38,
2284
+ "learning_rate": 0.00015422549250609542,
2285
+ "loss": 0.1193,
2286
+ "step": 18450
2287
+ },
2288
+ {
2289
+ "epoch": 7.4,
2290
+ "learning_rate": 0.0001521565832906994,
2291
+ "loss": 0.0982,
2292
+ "step": 18500
2293
+ },
2294
+ {
2295
+ "epoch": 7.42,
2296
+ "learning_rate": 0.00015009555709026364,
2297
+ "loss": 0.1538,
2298
+ "step": 18550
2299
+ },
2300
+ {
2301
+ "epoch": 7.44,
2302
+ "learning_rate": 0.00014804257995684273,
2303
+ "loss": 0.1161,
2304
+ "step": 18600
2305
+ },
2306
+ {
2307
+ "epoch": 7.46,
2308
+ "learning_rate": 0.00014599781729399667,
2309
+ "loss": 0.0928,
2310
+ "step": 18650
2311
+ },
2312
+ {
2313
+ "epoch": 7.48,
2314
+ "learning_rate": 0.0001439614338434649,
2315
+ "loss": 0.1397,
2316
+ "step": 18700
2317
+ },
2318
+ {
2319
+ "epoch": 7.5,
2320
+ "learning_rate": 0.00014193359367189345,
2321
+ "loss": 0.1524,
2322
+ "step": 18750
2323
+ },
2324
+ {
2325
+ "epoch": 7.52,
2326
+ "learning_rate": 0.0001399144601576161,
2327
+ "loss": 0.1006,
2328
+ "step": 18800
2329
+ },
2330
+ {
2331
+ "epoch": 7.54,
2332
+ "learning_rate": 0.000137904195977492,
2333
+ "loss": 0.1066,
2334
+ "step": 18850
2335
+ },
2336
+ {
2337
+ "epoch": 7.56,
2338
+ "learning_rate": 0.00013590296309379834,
2339
+ "loss": 0.1155,
2340
+ "step": 18900
2341
+ },
2342
+ {
2343
+ "epoch": 7.58,
2344
+ "learning_rate": 0.00013391092274118256,
2345
+ "loss": 0.09,
2346
+ "step": 18950
2347
+ },
2348
+ {
2349
+ "epoch": 7.6,
2350
+ "learning_rate": 0.00013192823541367078,
2351
+ "loss": 0.0766,
2352
+ "step": 19000
2353
+ },
2354
+ {
2355
+ "epoch": 7.62,
2356
+ "learning_rate": 0.000129955060851738,
2357
+ "loss": 0.1123,
2358
+ "step": 19050
2359
+ },
2360
+ {
2361
+ "epoch": 7.64,
2362
+ "learning_rate": 0.00012799155802943818,
2363
+ "loss": 0.0839,
2364
+ "step": 19100
2365
+ },
2366
+ {
2367
+ "epoch": 7.66,
2368
+ "learning_rate": 0.00012603788514159553,
2369
+ "loss": 0.1349,
2370
+ "step": 19150
2371
+ },
2372
+ {
2373
+ "epoch": 7.68,
2374
+ "learning_rate": 0.0001240941995910598,
2375
+ "loss": 0.1229,
2376
+ "step": 19200
2377
+ },
2378
+ {
2379
+ "epoch": 7.7,
2380
+ "learning_rate": 0.0001221606579760241,
2381
+ "loss": 0.1318,
2382
+ "step": 19250
2383
+ },
2384
+ {
2385
+ "epoch": 7.72,
2386
+ "learning_rate": 0.00012023741607740837,
2387
+ "loss": 0.124,
2388
+ "step": 19300
2389
+ },
2390
+ {
2391
+ "epoch": 7.74,
2392
+ "learning_rate": 0.00011832462884630888,
2393
+ "loss": 0.1481,
2394
+ "step": 19350
2395
+ },
2396
+ {
2397
+ "epoch": 7.76,
2398
+ "learning_rate": 0.00011642245039151345,
2399
+ "loss": 0.1024,
2400
+ "step": 19400
2401
+ },
2402
+ {
2403
+ "epoch": 7.78,
2404
+ "learning_rate": 0.0001145310339670857,
2405
+ "loss": 0.0985,
2406
+ "step": 19450
2407
+ },
2408
+ {
2409
+ "epoch": 7.8,
2410
+ "learning_rate": 0.00011265053196001793,
2411
+ "loss": 0.1173,
2412
+ "step": 19500
2413
+ },
2414
+ {
2415
+ "epoch": 7.82,
2416
+ "learning_rate": 0.0001107810958779531,
2417
+ "loss": 0.1126,
2418
+ "step": 19550
2419
+ },
2420
+ {
2421
+ "epoch": 7.84,
2422
+ "learning_rate": 0.00010892287633697847,
2423
+ "loss": 0.0899,
2424
+ "step": 19600
2425
+ },
2426
+ {
2427
+ "epoch": 7.86,
2428
+ "learning_rate": 0.00010707602304949115,
2429
+ "loss": 0.1293,
2430
+ "step": 19650
2431
+ },
2432
+ {
2433
+ "epoch": 7.88,
2434
+ "learning_rate": 0.0001052406848121357,
2435
+ "loss": 0.094,
2436
+ "step": 19700
2437
+ },
2438
+ {
2439
+ "epoch": 7.9,
2440
+ "learning_rate": 0.00010341700949381593,
2441
+ "loss": 0.1207,
2442
+ "step": 19750
2443
+ },
2444
+ {
2445
+ "epoch": 7.92,
2446
+ "learning_rate": 0.0001016051440237816,
2447
+ "loss": 0.116,
2448
+ "step": 19800
2449
+ },
2450
+ {
2451
+ "epoch": 7.94,
2452
+ "learning_rate": 9.980523437979085e-05,
2453
+ "loss": 0.145,
2454
+ "step": 19850
2455
+ },
2456
+ {
2457
+ "epoch": 7.96,
2458
+ "learning_rate": 9.801742557634872e-05,
2459
+ "loss": 0.0873,
2460
+ "step": 19900
2461
+ },
2462
+ {
2463
+ "epoch": 7.98,
2464
+ "learning_rate": 9.624186165302378e-05,
2465
+ "loss": 0.1202,
2466
+ "step": 19950
2467
+ },
2468
+ {
2469
+ "epoch": 8.0,
2470
+ "learning_rate": 9.447868566284355e-05,
2471
+ "loss": 0.1306,
2472
+ "step": 20000
2473
+ },
2474
+ {
2475
+ "epoch": 8.0,
2476
+ "eval_accuracy": 0.936,
2477
+ "eval_loss": 0.22573316097259521,
2478
+ "eval_runtime": 132.6149,
2479
+ "eval_samples_per_second": 75.406,
2480
+ "eval_steps_per_second": 4.713,
2481
+ "step": 20000
2482
+ },
2483
+ {
2484
+ "epoch": 8.02,
2485
+ "learning_rate": 9.272803966076882e-05,
2486
+ "loss": 0.0627,
2487
+ "step": 20050
2488
+ },
2489
+ {
2490
+ "epoch": 8.04,
2491
+ "learning_rate": 9.099006469224803e-05,
2492
+ "loss": 0.0855,
2493
+ "step": 20100
2494
+ },
2495
+ {
2496
+ "epoch": 8.06,
2497
+ "learning_rate": 8.926490078185472e-05,
2498
+ "loss": 0.0945,
2499
+ "step": 20150
2500
+ },
2501
+ {
2502
+ "epoch": 8.08,
2503
+ "learning_rate": 8.755268692200535e-05,
2504
+ "loss": 0.0888,
2505
+ "step": 20200
2506
+ },
2507
+ {
2508
+ "epoch": 8.1,
2509
+ "learning_rate": 8.585356106176093e-05,
2510
+ "loss": 0.1055,
2511
+ "step": 20250
2512
+ },
2513
+ {
2514
+ "epoch": 8.12,
2515
+ "learning_rate": 8.416766009571306e-05,
2516
+ "loss": 0.1047,
2517
+ "step": 20300
2518
+ },
2519
+ {
2520
+ "epoch": 8.14,
2521
+ "learning_rate": 8.249511985295474e-05,
2522
+ "loss": 0.0911,
2523
+ "step": 20350
2524
+ },
2525
+ {
2526
+ "epoch": 8.16,
2527
+ "learning_rate": 8.083607508613663e-05,
2528
+ "loss": 0.0679,
2529
+ "step": 20400
2530
+ },
2531
+ {
2532
+ "epoch": 8.18,
2533
+ "learning_rate": 7.919065946061043e-05,
2534
+ "loss": 0.1069,
2535
+ "step": 20450
2536
+ },
2537
+ {
2538
+ "epoch": 8.2,
2539
+ "learning_rate": 7.755900554366008e-05,
2540
+ "loss": 0.1176,
2541
+ "step": 20500
2542
+ },
2543
+ {
2544
+ "epoch": 8.22,
2545
+ "learning_rate": 7.594124479382086e-05,
2546
+ "loss": 0.0975,
2547
+ "step": 20550
2548
+ },
2549
+ {
2550
+ "epoch": 8.24,
2551
+ "learning_rate": 7.433750755028773e-05,
2552
+ "loss": 0.0936,
2553
+ "step": 20600
2554
+ },
2555
+ {
2556
+ "epoch": 8.26,
2557
+ "learning_rate": 7.277957518611719e-05,
2558
+ "loss": 0.087,
2559
+ "step": 20650
2560
+ },
2561
+ {
2562
+ "epoch": 8.28,
2563
+ "learning_rate": 7.12039845796604e-05,
2564
+ "loss": 0.0672,
2565
+ "step": 20700
2566
+ },
2567
+ {
2568
+ "epoch": 8.3,
2569
+ "learning_rate": 6.964279914947188e-05,
2570
+ "loss": 0.1241,
2571
+ "step": 20750
2572
+ },
2573
+ {
2574
+ "epoch": 8.32,
2575
+ "learning_rate": 6.809614467660574e-05,
2576
+ "loss": 0.0675,
2577
+ "step": 20800
2578
+ },
2579
+ {
2580
+ "epoch": 8.34,
2581
+ "learning_rate": 6.656414577139106e-05,
2582
+ "loss": 0.0568,
2583
+ "step": 20850
2584
+ },
2585
+ {
2586
+ "epoch": 8.36,
2587
+ "learning_rate": 6.504692586339217e-05,
2588
+ "loss": 0.0861,
2589
+ "step": 20900
2590
+ },
2591
+ {
2592
+ "epoch": 8.38,
2593
+ "learning_rate": 6.354460719146405e-05,
2594
+ "loss": 0.0744,
2595
+ "step": 20950
2596
+ },
2597
+ {
2598
+ "epoch": 8.4,
2599
+ "learning_rate": 6.205731079390395e-05,
2600
+ "loss": 0.1317,
2601
+ "step": 21000
2602
+ },
2603
+ {
2604
+ "epoch": 8.42,
2605
+ "learning_rate": 6.0585156498699975e-05,
2606
+ "loss": 0.106,
2607
+ "step": 21050
2608
+ },
2609
+ {
2610
+ "epoch": 8.44,
2611
+ "learning_rate": 5.912826291387613e-05,
2612
+ "loss": 0.0581,
2613
+ "step": 21100
2614
+ },
2615
+ {
2616
+ "epoch": 8.46,
2617
+ "learning_rate": 5.7686747417936864e-05,
2618
+ "loss": 0.0843,
2619
+ "step": 21150
2620
+ },
2621
+ {
2622
+ "epoch": 8.48,
2623
+ "learning_rate": 5.626072615041011e-05,
2624
+ "loss": 0.0788,
2625
+ "step": 21200
2626
+ },
2627
+ {
2628
+ "epoch": 8.5,
2629
+ "learning_rate": 5.485031400249002e-05,
2630
+ "loss": 0.0708,
2631
+ "step": 21250
2632
+ },
2633
+ {
2634
+ "epoch": 8.52,
2635
+ "learning_rate": 5.345562460778042e-05,
2636
+ "loss": 0.0954,
2637
+ "step": 21300
2638
+ },
2639
+ {
2640
+ "epoch": 8.54,
2641
+ "learning_rate": 5.2076770333139956e-05,
2642
+ "loss": 0.1097,
2643
+ "step": 21350
2644
+ },
2645
+ {
2646
+ "epoch": 8.56,
2647
+ "learning_rate": 5.0713862269628516e-05,
2648
+ "loss": 0.0538,
2649
+ "step": 21400
2650
+ },
2651
+ {
2652
+ "epoch": 8.58,
2653
+ "learning_rate": 4.936701022355733e-05,
2654
+ "loss": 0.0764,
2655
+ "step": 21450
2656
+ },
2657
+ {
2658
+ "epoch": 8.6,
2659
+ "learning_rate": 4.803632270764161e-05,
2660
+ "loss": 0.0731,
2661
+ "step": 21500
2662
+ },
2663
+ {
2664
+ "epoch": 8.62,
2665
+ "learning_rate": 4.672190693225853e-05,
2666
+ "loss": 0.1174,
2667
+ "step": 21550
2668
+ },
2669
+ {
2670
+ "epoch": 8.64,
2671
+ "learning_rate": 4.542386879680904e-05,
2672
+ "loss": 0.0934,
2673
+ "step": 21600
2674
+ },
2675
+ {
2676
+ "epoch": 8.66,
2677
+ "learning_rate": 4.414231288118598e-05,
2678
+ "loss": 0.0703,
2679
+ "step": 21650
2680
+ },
2681
+ {
2682
+ "epoch": 8.68,
2683
+ "learning_rate": 4.287734243734848e-05,
2684
+ "loss": 0.1005,
2685
+ "step": 21700
2686
+ },
2687
+ {
2688
+ "epoch": 8.7,
2689
+ "learning_rate": 4.162905938100289e-05,
2690
+ "loss": 0.1247,
2691
+ "step": 21750
2692
+ },
2693
+ {
2694
+ "epoch": 8.72,
2695
+ "learning_rate": 4.0397564283392005e-05,
2696
+ "loss": 0.0823,
2697
+ "step": 21800
2698
+ },
2699
+ {
2700
+ "epoch": 8.74,
2701
+ "learning_rate": 3.918295636319191e-05,
2702
+ "loss": 0.0866,
2703
+ "step": 21850
2704
+ },
2705
+ {
2706
+ "epoch": 8.76,
2707
+ "learning_rate": 3.798533347851843e-05,
2708
+ "loss": 0.0831,
2709
+ "step": 21900
2710
+ },
2711
+ {
2712
+ "epoch": 8.78,
2713
+ "learning_rate": 3.680479211904295e-05,
2714
+ "loss": 0.096,
2715
+ "step": 21950
2716
+ },
2717
+ {
2718
+ "epoch": 8.8,
2719
+ "learning_rate": 3.5641427398218243e-05,
2720
+ "loss": 0.0906,
2721
+ "step": 22000
2722
+ },
2723
+ {
2724
+ "epoch": 8.82,
2725
+ "learning_rate": 3.449533304561545e-05,
2726
+ "loss": 0.0891,
2727
+ "step": 22050
2728
+ },
2729
+ {
2730
+ "epoch": 8.84,
2731
+ "learning_rate": 3.3366601399372866e-05,
2732
+ "loss": 0.0919,
2733
+ "step": 22100
2734
+ },
2735
+ {
2736
+ "epoch": 8.86,
2737
+ "learning_rate": 3.225532339875592e-05,
2738
+ "loss": 0.1024,
2739
+ "step": 22150
2740
+ },
2741
+ {
2742
+ "epoch": 8.88,
2743
+ "learning_rate": 3.116158857683088e-05,
2744
+ "loss": 0.0791,
2745
+ "step": 22200
2746
+ },
2747
+ {
2748
+ "epoch": 8.9,
2749
+ "learning_rate": 3.0085485053250984e-05,
2750
+ "loss": 0.0707,
2751
+ "step": 22250
2752
+ },
2753
+ {
2754
+ "epoch": 8.92,
2755
+ "learning_rate": 2.902709952715732e-05,
2756
+ "loss": 0.0693,
2757
+ "step": 22300
2758
+ },
2759
+ {
2760
+ "epoch": 8.94,
2761
+ "learning_rate": 2.798651727019319e-05,
2762
+ "loss": 0.0846,
2763
+ "step": 22350
2764
+ },
2765
+ {
2766
+ "epoch": 8.96,
2767
+ "learning_rate": 2.696382211963422e-05,
2768
+ "loss": 0.1264,
2769
+ "step": 22400
2770
+ },
2771
+ {
2772
+ "epoch": 8.98,
2773
+ "learning_rate": 2.595909647163386e-05,
2774
+ "loss": 0.0944,
2775
+ "step": 22450
2776
+ },
2777
+ {
2778
+ "epoch": 9.0,
2779
+ "learning_rate": 2.497242127458474e-05,
2780
+ "loss": 0.0849,
2781
+ "step": 22500
2782
+ },
2783
+ {
2784
+ "epoch": 9.0,
2785
+ "eval_accuracy": 0.9372,
2786
+ "eval_loss": 0.2581612169742584,
2787
+ "eval_runtime": 132.2599,
2788
+ "eval_samples_per_second": 75.609,
2789
+ "eval_steps_per_second": 4.726,
2790
+ "step": 22500
2791
+ },
2792
+ {
2793
+ "epoch": 9.02,
2794
+ "learning_rate": 2.4003876022596904e-05,
2795
+ "loss": 0.0662,
2796
+ "step": 22550
2797
+ },
2798
+ {
2799
+ "epoch": 9.04,
2800
+ "learning_rate": 2.305353874909327e-05,
2801
+ "loss": 0.0709,
2802
+ "step": 22600
2803
+ },
2804
+ {
2805
+ "epoch": 9.06,
2806
+ "learning_rate": 2.2121486020522636e-05,
2807
+ "loss": 0.0425,
2808
+ "step": 22650
2809
+ },
2810
+ {
2811
+ "epoch": 9.08,
2812
+ "learning_rate": 2.1207792930190456e-05,
2813
+ "loss": 0.0385,
2814
+ "step": 22700
2815
+ },
2816
+ {
2817
+ "epoch": 9.1,
2818
+ "learning_rate": 2.031253309220954e-05,
2819
+ "loss": 0.0708,
2820
+ "step": 22750
2821
+ },
2822
+ {
2823
+ "epoch": 9.12,
2824
+ "learning_rate": 1.943577863556861e-05,
2825
+ "loss": 0.0898,
2826
+ "step": 22800
2827
+ },
2828
+ {
2829
+ "epoch": 9.14,
2830
+ "learning_rate": 1.8577600198321028e-05,
2831
+ "loss": 0.0911,
2832
+ "step": 22850
2833
+ },
2834
+ {
2835
+ "epoch": 9.16,
2836
+ "learning_rate": 1.7754674424872773e-05,
2837
+ "loss": 0.0721,
2838
+ "step": 22900
2839
+ },
2840
+ {
2841
+ "epoch": 9.18,
2842
+ "learning_rate": 1.69334790393732e-05,
2843
+ "loss": 0.0756,
2844
+ "step": 22950
2845
+ },
2846
+ {
2847
+ "epoch": 9.2,
2848
+ "learning_rate": 1.6131061277685822e-05,
2849
+ "loss": 0.0807,
2850
+ "step": 23000
2851
+ },
2852
+ {
2853
+ "epoch": 9.22,
2854
+ "learning_rate": 1.5347485788730464e-05,
2855
+ "loss": 0.0915,
2856
+ "step": 23050
2857
+ },
2858
+ {
2859
+ "epoch": 9.24,
2860
+ "learning_rate": 1.4582815703349406e-05,
2861
+ "loss": 0.0759,
2862
+ "step": 23100
2863
+ },
2864
+ {
2865
+ "epoch": 9.26,
2866
+ "learning_rate": 1.38371126292208e-05,
2867
+ "loss": 0.0553,
2868
+ "step": 23150
2869
+ },
2870
+ {
2871
+ "epoch": 9.28,
2872
+ "learning_rate": 1.3110436645895063e-05,
2873
+ "loss": 0.0574,
2874
+ "step": 23200
2875
+ },
2876
+ {
2877
+ "epoch": 9.3,
2878
+ "learning_rate": 1.2402846299954445e-05,
2879
+ "loss": 0.0973,
2880
+ "step": 23250
2881
+ },
2882
+ {
2883
+ "epoch": 9.32,
2884
+ "learning_rate": 1.1714398600296133e-05,
2885
+ "loss": 0.0692,
2886
+ "step": 23300
2887
+ },
2888
+ {
2889
+ "epoch": 9.34,
2890
+ "learning_rate": 1.1045149013539257e-05,
2891
+ "loss": 0.0708,
2892
+ "step": 23350
2893
+ },
2894
+ {
2895
+ "epoch": 9.36,
2896
+ "learning_rate": 1.0395151459555607e-05,
2897
+ "loss": 0.1098,
2898
+ "step": 23400
2899
+ },
2900
+ {
2901
+ "epoch": 9.38,
2902
+ "learning_rate": 9.76445830712605e-06,
2903
+ "loss": 0.0761,
2904
+ "step": 23450
2905
+ },
2906
+ {
2907
+ "epoch": 9.4,
2908
+ "learning_rate": 9.153120369721047e-06,
2909
+ "loss": 0.0803,
2910
+ "step": 23500
2911
+ },
2912
+ {
2913
+ "epoch": 9.42,
2914
+ "learning_rate": 8.561186901406532e-06,
2915
+ "loss": 0.0692,
2916
+ "step": 23550
2917
+ },
2918
+ {
2919
+ "epoch": 9.44,
2920
+ "learning_rate": 7.9887055928759e-06,
2921
+ "loss": 0.0811,
2922
+ "step": 23600
2923
+ },
2924
+ {
2925
+ "epoch": 9.46,
2926
+ "learning_rate": 7.4357225676076056e-06,
2927
+ "loss": 0.0989,
2928
+ "step": 23650
2929
+ },
2930
+ {
2931
+ "epoch": 9.48,
2932
+ "learning_rate": 6.902282378149049e-06,
2933
+ "loss": 0.0747,
2934
+ "step": 23700
2935
+ },
2936
+ {
2937
+ "epoch": 9.5,
2938
+ "learning_rate": 6.388428002527036e-06,
2939
+ "loss": 0.0433,
2940
+ "step": 23750
2941
+ },
2942
+ {
2943
+ "epoch": 9.52,
2944
+ "learning_rate": 5.894200840785402e-06,
2945
+ "loss": 0.0421,
2946
+ "step": 23800
2947
+ },
2948
+ {
2949
+ "epoch": 9.54,
2950
+ "learning_rate": 5.419640711649188e-06,
2951
+ "loss": 0.1055,
2952
+ "step": 23850
2953
+ },
2954
+ {
2955
+ "epoch": 9.56,
2956
+ "learning_rate": 4.964785849316644e-06,
2957
+ "loss": 0.0832,
2958
+ "step": 23900
2959
+ },
2960
+ {
2961
+ "epoch": 9.58,
2962
+ "learning_rate": 4.529672900378923e-06,
2963
+ "loss": 0.0741,
2964
+ "step": 23950
2965
+ },
2966
+ {
2967
+ "epoch": 9.6,
2968
+ "learning_rate": 4.114336920867434e-06,
2969
+ "loss": 0.067,
2970
+ "step": 24000
2971
+ },
2972
+ {
2973
+ "epoch": 9.62,
2974
+ "learning_rate": 3.7188113734293592e-06,
2975
+ "loss": 0.101,
2976
+ "step": 24050
2977
+ },
2978
+ {
2979
+ "epoch": 9.64,
2980
+ "learning_rate": 3.3431281246318613e-06,
2981
+ "loss": 0.0772,
2982
+ "step": 24100
2983
+ },
2984
+ {
2985
+ "epoch": 9.66,
2986
+ "learning_rate": 2.9873174423945824e-06,
2987
+ "loss": 0.0935,
2988
+ "step": 24150
2989
+ },
2990
+ {
2991
+ "epoch": 9.68,
2992
+ "learning_rate": 2.6514079935509583e-06,
2993
+ "loss": 0.0859,
2994
+ "step": 24200
2995
+ },
2996
+ {
2997
+ "epoch": 9.7,
2998
+ "learning_rate": 2.335426841538618e-06,
2999
+ "loss": 0.0631,
3000
+ "step": 24250
3001
+ },
3002
+ {
3003
+ "epoch": 9.72,
3004
+ "learning_rate": 2.0393994442191033e-06,
3005
+ "loss": 0.0765,
3006
+ "step": 24300
3007
+ },
3008
+ {
3009
+ "epoch": 9.74,
3010
+ "learning_rate": 1.7633496518265347e-06,
3011
+ "loss": 0.0937,
3012
+ "step": 24350
3013
+ },
3014
+ {
3015
+ "epoch": 9.76,
3016
+ "learning_rate": 1.507299705046289e-06,
3017
+ "loss": 0.0827,
3018
+ "step": 24400
3019
+ },
3020
+ {
3021
+ "epoch": 9.78,
3022
+ "learning_rate": 1.2712702332229875e-06,
3023
+ "loss": 0.0815,
3024
+ "step": 24450
3025
+ },
3026
+ {
3027
+ "epoch": 9.8,
3028
+ "learning_rate": 1.0552802526983819e-06,
3029
+ "loss": 0.0385,
3030
+ "step": 24500
3031
+ },
3032
+ {
3033
+ "epoch": 9.82,
3034
+ "learning_rate": 8.593471652794949e-07,
3035
+ "loss": 0.0743,
3036
+ "step": 24550
3037
+ },
3038
+ {
3039
+ "epoch": 9.84,
3040
+ "learning_rate": 6.834867568362991e-07,
3041
+ "loss": 0.0868,
3042
+ "step": 24600
3043
+ },
3044
+ {
3045
+ "epoch": 9.86,
3046
+ "learning_rate": 5.277131960301218e-07,
3047
+ "loss": 0.0709,
3048
+ "step": 24650
3049
+ },
3050
+ {
3051
+ "epoch": 9.88,
3052
+ "learning_rate": 3.920390331719481e-07,
3053
+ "loss": 0.0814,
3054
+ "step": 24700
3055
+ },
3056
+ {
3057
+ "epoch": 9.9,
3058
+ "learning_rate": 2.7647519921136786e-07,
3059
+ "loss": 0.0834,
3060
+ "step": 24750
3061
+ },
3062
+ {
3063
+ "epoch": 9.92,
3064
+ "learning_rate": 1.810310048558639e-07,
3065
+ "loss": 0.0773,
3066
+ "step": 24800
3067
+ },
3068
+ {
3069
+ "epoch": 9.94,
3070
+ "learning_rate": 1.0571413982068956e-07,
3071
+ "loss": 0.0787,
3072
+ "step": 24850
3073
+ },
3074
+ {
3075
+ "epoch": 9.96,
3076
+ "learning_rate": 5.1437002834192616e-08,
3077
+ "loss": 0.0584,
3078
+ "step": 24900
3079
+ },
3080
+ {
3081
+ "epoch": 9.98,
3082
+ "learning_rate": 1.5988588703552686e-08,
3083
+ "loss": 0.0847,
3084
+ "step": 24950
3085
+ },
3086
+ {
3087
+ "epoch": 10.0,
3088
+ "learning_rate": 6.808009741787746e-10,
3089
+ "loss": 0.0609,
3090
+ "step": 25000
3091
+ },
3092
+ {
3093
+ "epoch": 10.0,
3094
+ "eval_accuracy": 0.9364,
3095
+ "eval_loss": 0.2748859226703644,
3096
+ "eval_runtime": 132.1385,
3097
+ "eval_samples_per_second": 75.678,
3098
+ "eval_steps_per_second": 4.73,
3099
+ "step": 25000
3100
+ }
3101
+ ],
3102
+ "logging_steps": 50,
3103
+ "max_steps": 25000,
3104
+ "num_train_epochs": 10,
3105
+ "save_steps": 500,
3106
+ "total_flos": 5.833970619727296e+16,
3107
+ "trial_name": null,
3108
+ "trial_params": null
3109
+ }
checkpoint-25000/training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:ec3775b4601d79665325e377c01a163d9ef09a7fa47af2b3ae8cc93ce5670761
3
+ size 4027
checkpoint-25000/vocab.txt ADDED
The diff for this file is too large to render. See raw diff