Hugging Face's logo

gotzmann
/
v0.8.6-adapter

PEFT
Safetensors
Model card Files Community
gotzmann commited on
Commit
b66882b
·
1 Parent(s): a8ab67e

..

Browse files
Files changed (12) hide show
  1. README.md +5 -0
  2. adapter_config.json +30 -0
  3. adapter_model.safetensors +3 -0
  4. optimizer.pt +3 -0
  5. rng_state.pth +3 -0
  6. scheduler.pt +3 -0
  7. special_tokens_map.json +24 -0
  8. tokenizer.model +3 -0
  9. tokenizer_config.json +45 -0
  10. trainer_log.jsonl +0 -0
  11. trainer_state.json +3521 -0
  12. training_args.bin +3 -0
README.md ADDED
@@ -0,0 +1,5 @@
 
 
 
 
 
 
1
+ ---
2
+ library_name: peft
3
+ base_model: gotzmann/uni
4
+ ---
5
+
adapter_config.json ADDED
@@ -0,0 +1,30 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "alpha_pattern": {},
3
+ "auto_mapping": null,
4
+ "base_model_name_or_path": "gotzmann/uni",
5
+ "bias": "none",
6
+ "fan_in_fan_out": false,
7
+ "inference_mode": true,
8
+ "init_lora_weights": true,
9
+ "layers_pattern": null,
10
+ "layers_to_transform": null,
11
+ "loftq_config": {},
12
+ "lora_alpha": 16,
13
+ "lora_dropout": 0.0,
14
+ "megatron_config": null,
15
+ "megatron_core": "megatron.core",
16
+ "modules_to_save": null,
17
+ "peft_type": "LORA",
18
+ "r": 32,
19
+ "rank_pattern": {},
20
+ "revision": "unsloth",
21
+ "target_modules": [
22
+ "o_proj",
23
+ "v_proj",
24
+ "k_proj",
25
+ "q_proj"
26
+ ],
27
+ "task_type": "CAUSAL_LM",
28
+ "use_dora": false,
29
+ "use_rslora": true
30
+ }
adapter_model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:10b77a3744f1d9f97c9a8534ab3a45dfed222522260761fa97ff330ca6b12f69
3
+ size 524375368
optimizer.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:9445070e8de4aa3bca0f0372cc5b7f4cdb4d14f1e42b2afb819824992d7d8900
3
+ size 1049116690
rng_state.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:4e2933ad185cd1ebab1bdca12782aa2c1a87587911c6ad4f74b813df9e3da109
3
+ size 14244
scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:c4c2f465285fcb1eeef25429ff1ae0f47c0848444fe016d74471bc22e199039b
3
+ size 1064
special_tokens_map.json ADDED
@@ -0,0 +1,24 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "bos_token": {
3
+ "content": "<s>",
4
+ "lstrip": false,
5
+ "normalized": false,
6
+ "rstrip": false,
7
+ "single_word": false
8
+ },
9
+ "eos_token": {
10
+ "content": "</s>",
11
+ "lstrip": false,
12
+ "normalized": false,
13
+ "rstrip": false,
14
+ "single_word": false
15
+ },
16
+ "pad_token": "</s>",
17
+ "unk_token": {
18
+ "content": "<unk>",
19
+ "lstrip": false,
20
+ "normalized": false,
21
+ "rstrip": false,
22
+ "single_word": false
23
+ }
24
+ }
tokenizer.model ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:9e556afd44213b6bd1be2b850ebbbd98f5481437a8021afaf58ee7fb1818d347
3
+ size 499723
tokenizer_config.json ADDED
@@ -0,0 +1,45 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "add_bos_token": true,
3
+ "add_eos_token": false,
4
+ "add_prefix_space": true,
5
+ "added_tokens_decoder": {
6
+ "0": {
7
+ "content": "<unk>",
8
+ "lstrip": false,
9
+ "normalized": false,
10
+ "rstrip": false,
11
+ "single_word": false,
12
+ "special": true
13
+ },
14
+ "1": {
15
+ "content": "<s>",
16
+ "lstrip": false,
17
+ "normalized": false,
18
+ "rstrip": false,
19
+ "single_word": false,
20
+ "special": true
21
+ },
22
+ "2": {
23
+ "content": "</s>",
24
+ "lstrip": false,
25
+ "normalized": false,
26
+ "rstrip": false,
27
+ "single_word": false,
28
+ "special": true
29
+ }
30
+ },
31
+ "bos_token": "<s>",
32
+ "chat_template": "{% if messages[0]['role'] == 'system' %}{% set system_message = messages[0]['content'] %}{% endif %}{% if system_message is defined %}{{ '<s>' + '### System\\n\\n ' + system_message }}{% endif %}{% for message in messages %}{% set content = message['content'] %}{% if message['role'] == 'user' %}{{ '\\n\\n ### User\\n\\n ' + content + '\\n\\n ### Assistant\\n\\n' }}{% elif message['role'] == 'assistant' %}{{ content + '</s>' }}{% endif %}{% endfor %}",
33
+ "clean_up_tokenization_spaces": false,
34
+ "eos_token": "</s>",
35
+ "legacy": false,
36
+ "model_max_length": 1000000000000000019884624838656,
37
+ "pad_token": "</s>",
38
+ "padding_side": "right",
39
+ "sp_model_kwargs": {},
40
+ "spaces_between_special_tokens": false,
41
+ "split_special_tokens": false,
42
+ "tokenizer_class": "LlamaTokenizer",
43
+ "unk_token": "<unk>",
44
+ "use_default_system_prompt": false
45
+ }
trainer_log.jsonl ADDED
The diff for this file is too large to render. See raw diff
 
trainer_state.json ADDED
@@ -0,0 +1,3521 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 0.5336179295624333,
5
+ "eval_steps": 500,
6
+ "global_step": 500,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.0,
13
+ "grad_norm": 0.10173338651657104,
14
+ "learning_rate": 5.319148936170213e-07,
15
+ "loss": 1.4985,
16
+ "step": 1
17
+ },
18
+ {
19
+ "epoch": 0.0,
20
+ "grad_norm": 0.10725362598896027,
21
+ "learning_rate": 1.0638297872340427e-06,
22
+ "loss": 1.4086,
23
+ "step": 2
24
+ },
25
+ {
26
+ "epoch": 0.0,
27
+ "grad_norm": 0.1187792494893074,
28
+ "learning_rate": 1.5957446808510639e-06,
29
+ "loss": 1.4706,
30
+ "step": 3
31
+ },
32
+ {
33
+ "epoch": 0.0,
34
+ "grad_norm": 0.10263431817293167,
35
+ "learning_rate": 2.1276595744680853e-06,
36
+ "loss": 1.4262,
37
+ "step": 4
38
+ },
39
+ {
40
+ "epoch": 0.01,
41
+ "grad_norm": 0.10243014246225357,
42
+ "learning_rate": 2.6595744680851065e-06,
43
+ "loss": 1.4314,
44
+ "step": 5
45
+ },
46
+ {
47
+ "epoch": 0.01,
48
+ "grad_norm": 0.11368783563375473,
49
+ "learning_rate": 3.1914893617021277e-06,
50
+ "loss": 1.3997,
51
+ "step": 6
52
+ },
53
+ {
54
+ "epoch": 0.01,
55
+ "grad_norm": 0.11974532902240753,
56
+ "learning_rate": 3.723404255319149e-06,
57
+ "loss": 1.4356,
58
+ "step": 7
59
+ },
60
+ {
61
+ "epoch": 0.01,
62
+ "grad_norm": 0.10068795830011368,
63
+ "learning_rate": 4.255319148936171e-06,
64
+ "loss": 1.4006,
65
+ "step": 8
66
+ },
67
+ {
68
+ "epoch": 0.01,
69
+ "grad_norm": 0.11169079691171646,
70
+ "learning_rate": 4.787234042553191e-06,
71
+ "loss": 1.4415,
72
+ "step": 9
73
+ },
74
+ {
75
+ "epoch": 0.01,
76
+ "grad_norm": 0.10073692351579666,
77
+ "learning_rate": 5.319148936170213e-06,
78
+ "loss": 1.3752,
79
+ "step": 10
80
+ },
81
+ {
82
+ "epoch": 0.01,
83
+ "grad_norm": 0.1180361658334732,
84
+ "learning_rate": 5.851063829787235e-06,
85
+ "loss": 1.425,
86
+ "step": 11
87
+ },
88
+ {
89
+ "epoch": 0.01,
90
+ "grad_norm": 0.09457835555076599,
91
+ "learning_rate": 6.3829787234042555e-06,
92
+ "loss": 1.3732,
93
+ "step": 12
94
+ },
95
+ {
96
+ "epoch": 0.01,
97
+ "grad_norm": 0.10676431655883789,
98
+ "learning_rate": 6.914893617021277e-06,
99
+ "loss": 1.5031,
100
+ "step": 13
101
+ },
102
+ {
103
+ "epoch": 0.01,
104
+ "grad_norm": 0.13407254219055176,
105
+ "learning_rate": 7.446808510638298e-06,
106
+ "loss": 1.4144,
107
+ "step": 14
108
+ },
109
+ {
110
+ "epoch": 0.02,
111
+ "grad_norm": 0.10287946462631226,
112
+ "learning_rate": 7.97872340425532e-06,
113
+ "loss": 1.4369,
114
+ "step": 15
115
+ },
116
+ {
117
+ "epoch": 0.02,
118
+ "grad_norm": 0.10514385998249054,
119
+ "learning_rate": 8.510638297872341e-06,
120
+ "loss": 1.39,
121
+ "step": 16
122
+ },
123
+ {
124
+ "epoch": 0.02,
125
+ "grad_norm": 0.10802456736564636,
126
+ "learning_rate": 9.042553191489362e-06,
127
+ "loss": 1.4308,
128
+ "step": 17
129
+ },
130
+ {
131
+ "epoch": 0.02,
132
+ "grad_norm": 0.11478875577449799,
133
+ "learning_rate": 9.574468085106383e-06,
134
+ "loss": 1.4301,
135
+ "step": 18
136
+ },
137
+ {
138
+ "epoch": 0.02,
139
+ "grad_norm": 0.11263708025217056,
140
+ "learning_rate": 1.0106382978723404e-05,
141
+ "loss": 1.3662,
142
+ "step": 19
143
+ },
144
+ {
145
+ "epoch": 0.02,
146
+ "grad_norm": 0.1158255934715271,
147
+ "learning_rate": 1.0638297872340426e-05,
148
+ "loss": 1.4532,
149
+ "step": 20
150
+ },
151
+ {
152
+ "epoch": 0.02,
153
+ "grad_norm": 0.10566612333059311,
154
+ "learning_rate": 1.1170212765957447e-05,
155
+ "loss": 1.4037,
156
+ "step": 21
157
+ },
158
+ {
159
+ "epoch": 0.02,
160
+ "grad_norm": 0.11653206497430801,
161
+ "learning_rate": 1.170212765957447e-05,
162
+ "loss": 1.5074,
163
+ "step": 22
164
+ },
165
+ {
166
+ "epoch": 0.02,
167
+ "grad_norm": 0.1109832152724266,
168
+ "learning_rate": 1.223404255319149e-05,
169
+ "loss": 1.3657,
170
+ "step": 23
171
+ },
172
+ {
173
+ "epoch": 0.03,
174
+ "grad_norm": 0.11619631946086884,
175
+ "learning_rate": 1.2765957446808511e-05,
176
+ "loss": 1.4038,
177
+ "step": 24
178
+ },
179
+ {
180
+ "epoch": 0.03,
181
+ "grad_norm": 0.1255435049533844,
182
+ "learning_rate": 1.3297872340425532e-05,
183
+ "loss": 1.3373,
184
+ "step": 25
185
+ },
186
+ {
187
+ "epoch": 0.03,
188
+ "grad_norm": 0.11004912108182907,
189
+ "learning_rate": 1.3829787234042554e-05,
190
+ "loss": 1.4355,
191
+ "step": 26
192
+ },
193
+ {
194
+ "epoch": 0.03,
195
+ "grad_norm": 0.103106789290905,
196
+ "learning_rate": 1.4361702127659577e-05,
197
+ "loss": 1.4139,
198
+ "step": 27
199
+ },
200
+ {
201
+ "epoch": 0.03,
202
+ "grad_norm": 0.11609970778226852,
203
+ "learning_rate": 1.4893617021276596e-05,
204
+ "loss": 1.3901,
205
+ "step": 28
206
+ },
207
+ {
208
+ "epoch": 0.03,
209
+ "grad_norm": 0.10627258569002151,
210
+ "learning_rate": 1.5425531914893617e-05,
211
+ "loss": 1.4591,
212
+ "step": 29
213
+ },
214
+ {
215
+ "epoch": 0.03,
216
+ "grad_norm": 0.10686346888542175,
217
+ "learning_rate": 1.595744680851064e-05,
218
+ "loss": 1.3809,
219
+ "step": 30
220
+ },
221
+ {
222
+ "epoch": 0.03,
223
+ "grad_norm": 0.09971443563699722,
224
+ "learning_rate": 1.6489361702127658e-05,
225
+ "loss": 1.3737,
226
+ "step": 31
227
+ },
228
+ {
229
+ "epoch": 0.03,
230
+ "grad_norm": 0.09937144815921783,
231
+ "learning_rate": 1.7021276595744682e-05,
232
+ "loss": 1.3764,
233
+ "step": 32
234
+ },
235
+ {
236
+ "epoch": 0.04,
237
+ "grad_norm": 0.1083306223154068,
238
+ "learning_rate": 1.7553191489361703e-05,
239
+ "loss": 1.3584,
240
+ "step": 33
241
+ },
242
+ {
243
+ "epoch": 0.04,
244
+ "grad_norm": 0.10381340235471725,
245
+ "learning_rate": 1.8085106382978724e-05,
246
+ "loss": 1.4051,
247
+ "step": 34
248
+ },
249
+ {
250
+ "epoch": 0.04,
251
+ "grad_norm": 0.09269995987415314,
252
+ "learning_rate": 1.8617021276595745e-05,
253
+ "loss": 1.3287,
254
+ "step": 35
255
+ },
256
+ {
257
+ "epoch": 0.04,
258
+ "grad_norm": 0.10057959705591202,
259
+ "learning_rate": 1.9148936170212766e-05,
260
+ "loss": 1.4432,
261
+ "step": 36
262
+ },
263
+ {
264
+ "epoch": 0.04,
265
+ "grad_norm": 0.09498997777700424,
266
+ "learning_rate": 1.968085106382979e-05,
267
+ "loss": 1.5223,
268
+ "step": 37
269
+ },
270
+ {
271
+ "epoch": 0.04,
272
+ "grad_norm": 0.09475935995578766,
273
+ "learning_rate": 2.0212765957446807e-05,
274
+ "loss": 1.4697,
275
+ "step": 38
276
+ },
277
+ {
278
+ "epoch": 0.04,
279
+ "grad_norm": 0.09633958339691162,
280
+ "learning_rate": 2.074468085106383e-05,
281
+ "loss": 1.3877,
282
+ "step": 39
283
+ },
284
+ {
285
+ "epoch": 0.04,
286
+ "grad_norm": 0.09594912081956863,
287
+ "learning_rate": 2.1276595744680852e-05,
288
+ "loss": 1.4528,
289
+ "step": 40
290
+ },
291
+ {
292
+ "epoch": 0.04,
293
+ "grad_norm": 0.11214554309844971,
294
+ "learning_rate": 2.1808510638297873e-05,
295
+ "loss": 1.4098,
296
+ "step": 41
297
+ },
298
+ {
299
+ "epoch": 0.04,
300
+ "grad_norm": 0.19427792727947235,
301
+ "learning_rate": 2.2340425531914894e-05,
302
+ "loss": 1.3801,
303
+ "step": 42
304
+ },
305
+ {
306
+ "epoch": 0.05,
307
+ "grad_norm": 0.09848932921886444,
308
+ "learning_rate": 2.2872340425531915e-05,
309
+ "loss": 1.4141,
310
+ "step": 43
311
+ },
312
+ {
313
+ "epoch": 0.05,
314
+ "grad_norm": 0.09963933378458023,
315
+ "learning_rate": 2.340425531914894e-05,
316
+ "loss": 1.4553,
317
+ "step": 44
318
+ },
319
+ {
320
+ "epoch": 0.05,
321
+ "grad_norm": 0.09407307952642441,
322
+ "learning_rate": 2.393617021276596e-05,
323
+ "loss": 1.4168,
324
+ "step": 45
325
+ },
326
+ {
327
+ "epoch": 0.05,
328
+ "grad_norm": 0.10419266670942307,
329
+ "learning_rate": 2.446808510638298e-05,
330
+ "loss": 1.3287,
331
+ "step": 46
332
+ },
333
+ {
334
+ "epoch": 0.05,
335
+ "grad_norm": 0.09864490479230881,
336
+ "learning_rate": 2.5e-05,
337
+ "loss": 1.3317,
338
+ "step": 47
339
+ },
340
+ {
341
+ "epoch": 0.05,
342
+ "grad_norm": 0.11262151598930359,
343
+ "learning_rate": 2.5531914893617022e-05,
344
+ "loss": 1.3246,
345
+ "step": 48
346
+ },
347
+ {
348
+ "epoch": 0.05,
349
+ "grad_norm": 0.10121612995862961,
350
+ "learning_rate": 2.6063829787234046e-05,
351
+ "loss": 1.4149,
352
+ "step": 49
353
+ },
354
+ {
355
+ "epoch": 0.05,
356
+ "grad_norm": 0.0978160873055458,
357
+ "learning_rate": 2.6595744680851064e-05,
358
+ "loss": 1.3421,
359
+ "step": 50
360
+ },
361
+ {
362
+ "epoch": 0.05,
363
+ "grad_norm": 0.08920774608850479,
364
+ "learning_rate": 2.7127659574468084e-05,
365
+ "loss": 1.3861,
366
+ "step": 51
367
+ },
368
+ {
369
+ "epoch": 0.06,
370
+ "grad_norm": 0.09108138084411621,
371
+ "learning_rate": 2.765957446808511e-05,
372
+ "loss": 1.3964,
373
+ "step": 52
374
+ },
375
+ {
376
+ "epoch": 0.06,
377
+ "grad_norm": 0.1604197472333908,
378
+ "learning_rate": 2.819148936170213e-05,
379
+ "loss": 1.3571,
380
+ "step": 53
381
+ },
382
+ {
383
+ "epoch": 0.06,
384
+ "grad_norm": 0.10113083571195602,
385
+ "learning_rate": 2.8723404255319154e-05,
386
+ "loss": 1.3825,
387
+ "step": 54
388
+ },
389
+ {
390
+ "epoch": 0.06,
391
+ "grad_norm": 0.11050890386104584,
392
+ "learning_rate": 2.925531914893617e-05,
393
+ "loss": 1.3951,
394
+ "step": 55
395
+ },
396
+ {
397
+ "epoch": 0.06,
398
+ "grad_norm": 0.0961427092552185,
399
+ "learning_rate": 2.9787234042553192e-05,
400
+ "loss": 1.3434,
401
+ "step": 56
402
+ },
403
+ {
404
+ "epoch": 0.06,
405
+ "grad_norm": 0.1315707117319107,
406
+ "learning_rate": 3.0319148936170216e-05,
407
+ "loss": 1.3636,
408
+ "step": 57
409
+ },
410
+ {
411
+ "epoch": 0.06,
412
+ "grad_norm": 0.10595009475946426,
413
+ "learning_rate": 3.085106382978723e-05,
414
+ "loss": 1.4939,
415
+ "step": 58
416
+ },
417
+ {
418
+ "epoch": 0.06,
419
+ "grad_norm": 0.14528846740722656,
420
+ "learning_rate": 3.1382978723404254e-05,
421
+ "loss": 1.454,
422
+ "step": 59
423
+ },
424
+ {
425
+ "epoch": 0.06,
426
+ "grad_norm": 0.0951959565281868,
427
+ "learning_rate": 3.191489361702128e-05,
428
+ "loss": 1.4043,
429
+ "step": 60
430
+ },
431
+ {
432
+ "epoch": 0.07,
433
+ "grad_norm": 0.10170764476060867,
434
+ "learning_rate": 3.2446808510638296e-05,
435
+ "loss": 1.3428,
436
+ "step": 61
437
+ },
438
+ {
439
+ "epoch": 0.07,
440
+ "grad_norm": 0.1816103458404541,
441
+ "learning_rate": 3.2978723404255317e-05,
442
+ "loss": 1.3395,
443
+ "step": 62
444
+ },
445
+ {
446
+ "epoch": 0.07,
447
+ "grad_norm": 0.1011623665690422,
448
+ "learning_rate": 3.3510638297872344e-05,
449
+ "loss": 1.4016,
450
+ "step": 63
451
+ },
452
+ {
453
+ "epoch": 0.07,
454
+ "grad_norm": 0.09644798189401627,
455
+ "learning_rate": 3.4042553191489365e-05,
456
+ "loss": 1.3991,
457
+ "step": 64
458
+ },
459
+ {
460
+ "epoch": 0.07,
461
+ "grad_norm": 0.11246529221534729,
462
+ "learning_rate": 3.4574468085106386e-05,
463
+ "loss": 1.4112,
464
+ "step": 65
465
+ },
466
+ {
467
+ "epoch": 0.07,
468
+ "grad_norm": 0.0963212326169014,
469
+ "learning_rate": 3.5106382978723407e-05,
470
+ "loss": 1.3987,
471
+ "step": 66
472
+ },
473
+ {
474
+ "epoch": 0.07,
475
+ "grad_norm": 0.10353317856788635,
476
+ "learning_rate": 3.563829787234043e-05,
477
+ "loss": 1.4398,
478
+ "step": 67
479
+ },
480
+ {
481
+ "epoch": 0.07,
482
+ "grad_norm": 0.1050473302602768,
483
+ "learning_rate": 3.617021276595745e-05,
484
+ "loss": 1.4308,
485
+ "step": 68
486
+ },
487
+ {
488
+ "epoch": 0.07,
489
+ "grad_norm": 0.10414024442434311,
490
+ "learning_rate": 3.670212765957447e-05,
491
+ "loss": 1.3739,
492
+ "step": 69
493
+ },
494
+ {
495
+ "epoch": 0.07,
496
+ "grad_norm": 0.1070413663983345,
497
+ "learning_rate": 3.723404255319149e-05,
498
+ "loss": 1.2944,
499
+ "step": 70
500
+ },
501
+ {
502
+ "epoch": 0.08,
503
+ "grad_norm": 0.08770282566547394,
504
+ "learning_rate": 3.776595744680852e-05,
505
+ "loss": 1.2979,
506
+ "step": 71
507
+ },
508
+ {
509
+ "epoch": 0.08,
510
+ "grad_norm": 0.09537198394536972,
511
+ "learning_rate": 3.829787234042553e-05,
512
+ "loss": 1.3194,
513
+ "step": 72
514
+ },
515
+ {
516
+ "epoch": 0.08,
517
+ "grad_norm": 0.168814554810524,
518
+ "learning_rate": 3.882978723404255e-05,
519
+ "loss": 1.3255,
520
+ "step": 73
521
+ },
522
+ {
523
+ "epoch": 0.08,
524
+ "grad_norm": 0.10750961303710938,
525
+ "learning_rate": 3.936170212765958e-05,
526
+ "loss": 1.4541,
527
+ "step": 74
528
+ },
529
+ {
530
+ "epoch": 0.08,
531
+ "grad_norm": 0.09767494350671768,
532
+ "learning_rate": 3.9893617021276594e-05,
533
+ "loss": 1.3108,
534
+ "step": 75
535
+ },
536
+ {
537
+ "epoch": 0.08,
538
+ "grad_norm": 0.09643732011318207,
539
+ "learning_rate": 4.0425531914893614e-05,
540
+ "loss": 1.4451,
541
+ "step": 76
542
+ },
543
+ {
544
+ "epoch": 0.08,
545
+ "grad_norm": 0.10322108119726181,
546
+ "learning_rate": 4.095744680851064e-05,
547
+ "loss": 1.4286,
548
+ "step": 77
549
+ },
550
+ {
551
+ "epoch": 0.08,
552
+ "grad_norm": 0.10831727087497711,
553
+ "learning_rate": 4.148936170212766e-05,
554
+ "loss": 1.415,
555
+ "step": 78
556
+ },
557
+ {
558
+ "epoch": 0.08,
559
+ "grad_norm": 0.11692611873149872,
560
+ "learning_rate": 4.2021276595744684e-05,
561
+ "loss": 1.3944,
562
+ "step": 79
563
+ },
564
+ {
565
+ "epoch": 0.09,
566
+ "grad_norm": 0.10344197601079941,
567
+ "learning_rate": 4.2553191489361704e-05,
568
+ "loss": 1.4005,
569
+ "step": 80
570
+ },
571
+ {
572
+ "epoch": 0.09,
573
+ "grad_norm": 0.10011729598045349,
574
+ "learning_rate": 4.3085106382978725e-05,
575
+ "loss": 1.4402,
576
+ "step": 81
577
+ },
578
+ {
579
+ "epoch": 0.09,
580
+ "grad_norm": 0.22549670934677124,
581
+ "learning_rate": 4.3617021276595746e-05,
582
+ "loss": 1.3343,
583
+ "step": 82
584
+ },
585
+ {
586
+ "epoch": 0.09,
587
+ "grad_norm": 0.11193282157182693,
588
+ "learning_rate": 4.414893617021277e-05,
589
+ "loss": 1.4489,
590
+ "step": 83
591
+ },
592
+ {
593
+ "epoch": 0.09,
594
+ "grad_norm": 0.10785133391618729,
595
+ "learning_rate": 4.468085106382979e-05,
596
+ "loss": 1.402,
597
+ "step": 84
598
+ },
599
+ {
600
+ "epoch": 0.09,
601
+ "grad_norm": 0.10537637770175934,
602
+ "learning_rate": 4.5212765957446815e-05,
603
+ "loss": 1.3552,
604
+ "step": 85
605
+ },
606
+ {
607
+ "epoch": 0.09,
608
+ "grad_norm": 0.1029570996761322,
609
+ "learning_rate": 4.574468085106383e-05,
610
+ "loss": 1.3307,
611
+ "step": 86
612
+ },
613
+ {
614
+ "epoch": 0.09,
615
+ "grad_norm": 0.10009574890136719,
616
+ "learning_rate": 4.627659574468085e-05,
617
+ "loss": 1.3954,
618
+ "step": 87
619
+ },
620
+ {
621
+ "epoch": 0.09,
622
+ "grad_norm": 0.11556259542703629,
623
+ "learning_rate": 4.680851063829788e-05,
624
+ "loss": 1.3959,
625
+ "step": 88
626
+ },
627
+ {
628
+ "epoch": 0.09,
629
+ "grad_norm": 0.10029179602861404,
630
+ "learning_rate": 4.734042553191489e-05,
631
+ "loss": 1.3343,
632
+ "step": 89
633
+ },
634
+ {
635
+ "epoch": 0.1,
636
+ "grad_norm": 0.11009006202220917,
637
+ "learning_rate": 4.787234042553192e-05,
638
+ "loss": 1.5279,
639
+ "step": 90
640
+ },
641
+ {
642
+ "epoch": 0.1,
643
+ "grad_norm": 0.10678206384181976,
644
+ "learning_rate": 4.840425531914894e-05,
645
+ "loss": 1.341,
646
+ "step": 91
647
+ },
648
+ {
649
+ "epoch": 0.1,
650
+ "grad_norm": 0.1142154335975647,
651
+ "learning_rate": 4.893617021276596e-05,
652
+ "loss": 1.4263,
653
+ "step": 92
654
+ },
655
+ {
656
+ "epoch": 0.1,
657
+ "grad_norm": 0.09466603398323059,
658
+ "learning_rate": 4.946808510638298e-05,
659
+ "loss": 1.3956,
660
+ "step": 93
661
+ },
662
+ {
663
+ "epoch": 0.1,
664
+ "grad_norm": 0.1106942892074585,
665
+ "learning_rate": 5e-05,
666
+ "loss": 1.3708,
667
+ "step": 94
668
+ },
669
+ {
670
+ "epoch": 0.1,
671
+ "grad_norm": 0.12606613337993622,
672
+ "learning_rate": 4.9999961062358615e-05,
673
+ "loss": 1.3991,
674
+ "step": 95
675
+ },
676
+ {
677
+ "epoch": 0.1,
678
+ "grad_norm": 0.10292167216539383,
679
+ "learning_rate": 4.999984424955572e-05,
680
+ "loss": 1.3572,
681
+ "step": 96
682
+ },
683
+ {
684
+ "epoch": 0.1,
685
+ "grad_norm": 0.09828190505504608,
686
+ "learning_rate": 4.9999649561955216e-05,
687
+ "loss": 1.31,
688
+ "step": 97
689
+ },
690
+ {
691
+ "epoch": 0.1,
692
+ "grad_norm": 0.109276182949543,
693
+ "learning_rate": 4.9999377000163536e-05,
694
+ "loss": 1.3833,
695
+ "step": 98
696
+ },
697
+ {
698
+ "epoch": 0.11,
699
+ "grad_norm": 0.10516379773616791,
700
+ "learning_rate": 4.999902656502973e-05,
701
+ "loss": 1.3872,
702
+ "step": 99
703
+ },
704
+ {
705
+ "epoch": 0.11,
706
+ "grad_norm": 0.0997815951704979,
707
+ "learning_rate": 4.99985982576454e-05,
708
+ "loss": 1.4308,
709
+ "step": 100
710
+ },
711
+ {
712
+ "epoch": 0.11,
713
+ "grad_norm": 0.1041920930147171,
714
+ "learning_rate": 4.9998092079344723e-05,
715
+ "loss": 1.3832,
716
+ "step": 101
717
+ },
718
+ {
719
+ "epoch": 0.11,
720
+ "grad_norm": 0.09994788467884064,
721
+ "learning_rate": 4.9997508031704456e-05,
722
+ "loss": 1.3408,
723
+ "step": 102
724
+ },
725
+ {
726
+ "epoch": 0.11,
727
+ "grad_norm": 0.13418225944042206,
728
+ "learning_rate": 4.9996846116543915e-05,
729
+ "loss": 1.349,
730
+ "step": 103
731
+ },
732
+ {
733
+ "epoch": 0.11,
734
+ "grad_norm": 0.12500610947608948,
735
+ "learning_rate": 4.999610633592496e-05,
736
+ "loss": 1.308,
737
+ "step": 104
738
+ },
739
+ {
740
+ "epoch": 0.11,
741
+ "grad_norm": 0.15584518015384674,
742
+ "learning_rate": 4.9995288692152044e-05,
743
+ "loss": 1.4055,
744
+ "step": 105
745
+ },
746
+ {
747
+ "epoch": 0.11,
748
+ "grad_norm": 0.10717131942510605,
749
+ "learning_rate": 4.999439318777212e-05,
750
+ "loss": 1.3719,
751
+ "step": 106
752
+ },
753
+ {
754
+ "epoch": 0.11,
755
+ "grad_norm": 0.09883825480937958,
756
+ "learning_rate": 4.999341982557468e-05,
757
+ "loss": 1.3671,
758
+ "step": 107
759
+ },
760
+ {
761
+ "epoch": 0.12,
762
+ "grad_norm": 0.09858126938343048,
763
+ "learning_rate": 4.9992368608591775e-05,
764
+ "loss": 1.4032,
765
+ "step": 108
766
+ },
767
+ {
768
+ "epoch": 0.12,
769
+ "grad_norm": 0.09398377686738968,
770
+ "learning_rate": 4.9991239540097965e-05,
771
+ "loss": 1.2763,
772
+ "step": 109
773
+ },
774
+ {
775
+ "epoch": 0.12,
776
+ "grad_norm": 0.10111579298973083,
777
+ "learning_rate": 4.9990032623610296e-05,
778
+ "loss": 1.3361,
779
+ "step": 110
780
+ },
781
+ {
782
+ "epoch": 0.12,
783
+ "grad_norm": 0.10265881568193436,
784
+ "learning_rate": 4.998874786288833e-05,
785
+ "loss": 1.3745,
786
+ "step": 111
787
+ },
788
+ {
789
+ "epoch": 0.12,
790
+ "grad_norm": 0.10393088310956955,
791
+ "learning_rate": 4.998738526193412e-05,
792
+ "loss": 1.4737,
793
+ "step": 112
794
+ },
795
+ {
796
+ "epoch": 0.12,
797
+ "grad_norm": 0.10454674810171127,
798
+ "learning_rate": 4.9985944824992166e-05,
799
+ "loss": 1.3587,
800
+ "step": 113
801
+ },
802
+ {
803
+ "epoch": 0.12,
804
+ "grad_norm": 0.09539375454187393,
805
+ "learning_rate": 4.9984426556549456e-05,
806
+ "loss": 1.3285,
807
+ "step": 114
808
+ },
809
+ {
810
+ "epoch": 0.12,
811
+ "grad_norm": 0.10025190562009811,
812
+ "learning_rate": 4.998283046133542e-05,
813
+ "loss": 1.3573,
814
+ "step": 115
815
+ },
816
+ {
817
+ "epoch": 0.12,
818
+ "grad_norm": 0.3517231345176697,
819
+ "learning_rate": 4.9981156544321906e-05,
820
+ "loss": 1.3057,
821
+ "step": 116
822
+ },
823
+ {
824
+ "epoch": 0.12,
825
+ "grad_norm": 0.11298110336065292,
826
+ "learning_rate": 4.9979404810723175e-05,
827
+ "loss": 1.376,
828
+ "step": 117
829
+ },
830
+ {
831
+ "epoch": 0.13,
832
+ "grad_norm": 0.0932416245341301,
833
+ "learning_rate": 4.997757526599591e-05,
834
+ "loss": 1.3948,
835
+ "step": 118
836
+ },
837
+ {
838
+ "epoch": 0.13,
839
+ "grad_norm": 0.0937485620379448,
840
+ "learning_rate": 4.997566791583916e-05,
841
+ "loss": 1.2327,
842
+ "step": 119
843
+ },
844
+ {
845
+ "epoch": 0.13,
846
+ "grad_norm": 0.09703949838876724,
847
+ "learning_rate": 4.997368276619435e-05,
848
+ "loss": 1.4109,
849
+ "step": 120
850
+ },
851
+ {
852
+ "epoch": 0.13,
853
+ "grad_norm": 0.10851214081048965,
854
+ "learning_rate": 4.997161982324523e-05,
855
+ "loss": 1.3715,
856
+ "step": 121
857
+ },
858
+ {
859
+ "epoch": 0.13,
860
+ "grad_norm": 0.09600158035755157,
861
+ "learning_rate": 4.9969479093417894e-05,
862
+ "loss": 1.3202,
863
+ "step": 122
864
+ },
865
+ {
866
+ "epoch": 0.13,
867
+ "grad_norm": 0.09330842643976212,
868
+ "learning_rate": 4.996726058338075e-05,
869
+ "loss": 1.3079,
870
+ "step": 123
871
+ },
872
+ {
873
+ "epoch": 0.13,
874
+ "grad_norm": 0.12271397560834885,
875
+ "learning_rate": 4.996496430004446e-05,
876
+ "loss": 1.4488,
877
+ "step": 124
878
+ },
879
+ {
880
+ "epoch": 0.13,
881
+ "grad_norm": 0.09032147377729416,
882
+ "learning_rate": 4.9962590250561996e-05,
883
+ "loss": 1.3593,
884
+ "step": 125
885
+ },
886
+ {
887
+ "epoch": 0.13,
888
+ "grad_norm": 0.0970826968550682,
889
+ "learning_rate": 4.9960138442328534e-05,
890
+ "loss": 1.3624,
891
+ "step": 126
892
+ },
893
+ {
894
+ "epoch": 0.14,
895
+ "grad_norm": 0.09610634297132492,
896
+ "learning_rate": 4.995760888298149e-05,
897
+ "loss": 1.2691,
898
+ "step": 127
899
+ },
900
+ {
901
+ "epoch": 0.14,
902
+ "grad_norm": 0.10096735507249832,
903
+ "learning_rate": 4.9955001580400475e-05,
904
+ "loss": 1.4252,
905
+ "step": 128
906
+ },
907
+ {
908
+ "epoch": 0.14,
909
+ "grad_norm": 0.15890567004680634,
910
+ "learning_rate": 4.9952316542707253e-05,
911
+ "loss": 1.3557,
912
+ "step": 129
913
+ },
914
+ {
915
+ "epoch": 0.14,
916
+ "grad_norm": 0.11183907091617584,
917
+ "learning_rate": 4.994955377826577e-05,
918
+ "loss": 1.2537,
919
+ "step": 130
920
+ },
921
+ {
922
+ "epoch": 0.14,
923
+ "grad_norm": 0.09637223184108734,
924
+ "learning_rate": 4.9946713295682034e-05,
925
+ "loss": 1.2973,
926
+ "step": 131
927
+ },
928
+ {
929
+ "epoch": 0.14,
930
+ "grad_norm": 0.08964424580335617,
931
+ "learning_rate": 4.994379510380421e-05,
932
+ "loss": 1.3916,
933
+ "step": 132
934
+ },
935
+ {
936
+ "epoch": 0.14,
937
+ "grad_norm": 0.0993800014257431,
938
+ "learning_rate": 4.9940799211722484e-05,
939
+ "loss": 1.4148,
940
+ "step": 133
941
+ },
942
+ {
943
+ "epoch": 0.14,
944
+ "grad_norm": 0.09357187151908875,
945
+ "learning_rate": 4.9937725628769094e-05,
946
+ "loss": 1.2904,
947
+ "step": 134
948
+ },
949
+ {
950
+ "epoch": 0.14,
951
+ "grad_norm": 0.09439032524824142,
952
+ "learning_rate": 4.9934574364518295e-05,
953
+ "loss": 1.3445,
954
+ "step": 135
955
+ },
956
+ {
957
+ "epoch": 0.15,
958
+ "grad_norm": 0.10771452635526657,
959
+ "learning_rate": 4.993134542878631e-05,
960
+ "loss": 1.3755,
961
+ "step": 136
962
+ },
963
+ {
964
+ "epoch": 0.15,
965
+ "grad_norm": 0.09271609783172607,
966
+ "learning_rate": 4.99280388316313e-05,
967
+ "loss": 1.2766,
968
+ "step": 137
969
+ },
970
+ {
971
+ "epoch": 0.15,
972
+ "grad_norm": 0.1042882427573204,
973
+ "learning_rate": 4.992465458335335e-05,
974
+ "loss": 1.3967,
975
+ "step": 138
976
+ },
977
+ {
978
+ "epoch": 0.15,
979
+ "grad_norm": 0.10192878544330597,
980
+ "learning_rate": 4.9921192694494454e-05,
981
+ "loss": 1.3401,
982
+ "step": 139
983
+ },
984
+ {
985
+ "epoch": 0.15,
986
+ "grad_norm": 0.09331267327070236,
987
+ "learning_rate": 4.9917653175838405e-05,
988
+ "loss": 1.3251,
989
+ "step": 140
990
+ },
991
+ {
992
+ "epoch": 0.15,
993
+ "grad_norm": 0.09516970068216324,
994
+ "learning_rate": 4.991403603841087e-05,
995
+ "loss": 1.3637,
996
+ "step": 141
997
+ },
998
+ {
999
+ "epoch": 0.15,
1000
+ "grad_norm": 0.09037785977125168,
1001
+ "learning_rate": 4.9910341293479265e-05,
1002
+ "loss": 1.417,
1003
+ "step": 142
1004
+ },
1005
+ {
1006
+ "epoch": 0.15,
1007
+ "grad_norm": 0.10086451470851898,
1008
+ "learning_rate": 4.9906568952552754e-05,
1009
+ "loss": 1.4657,
1010
+ "step": 143
1011
+ },
1012
+ {
1013
+ "epoch": 0.15,
1014
+ "grad_norm": 0.09110086411237717,
1015
+ "learning_rate": 4.990271902738223e-05,
1016
+ "loss": 1.3173,
1017
+ "step": 144
1018
+ },
1019
+ {
1020
+ "epoch": 0.15,
1021
+ "grad_norm": 0.09085503220558167,
1022
+ "learning_rate": 4.989879152996025e-05,
1023
+ "loss": 1.3234,
1024
+ "step": 145
1025
+ },
1026
+ {
1027
+ "epoch": 0.16,
1028
+ "grad_norm": 0.0876404270529747,
1029
+ "learning_rate": 4.989478647252101e-05,
1030
+ "loss": 1.3367,
1031
+ "step": 146
1032
+ },
1033
+ {
1034
+ "epoch": 0.16,
1035
+ "grad_norm": 0.09222956746816635,
1036
+ "learning_rate": 4.9890703867540314e-05,
1037
+ "loss": 1.3408,
1038
+ "step": 147
1039
+ },
1040
+ {
1041
+ "epoch": 0.16,
1042
+ "grad_norm": 0.09831474721431732,
1043
+ "learning_rate": 4.988654372773552e-05,
1044
+ "loss": 1.3904,
1045
+ "step": 148
1046
+ },
1047
+ {
1048
+ "epoch": 0.16,
1049
+ "grad_norm": 0.09171093255281448,
1050
+ "learning_rate": 4.988230606606552e-05,
1051
+ "loss": 1.3178,
1052
+ "step": 149
1053
+ },
1054
+ {
1055
+ "epoch": 0.16,
1056
+ "grad_norm": 0.11647266149520874,
1057
+ "learning_rate": 4.9877990895730666e-05,
1058
+ "loss": 1.3282,
1059
+ "step": 150
1060
+ },
1061
+ {
1062
+ "epoch": 0.16,
1063
+ "grad_norm": 0.08659853786230087,
1064
+ "learning_rate": 4.9873598230172764e-05,
1065
+ "loss": 1.3531,
1066
+ "step": 151
1067
+ },
1068
+ {
1069
+ "epoch": 0.16,
1070
+ "grad_norm": 0.09219101071357727,
1071
+ "learning_rate": 4.986912808307502e-05,
1072
+ "loss": 1.2975,
1073
+ "step": 152
1074
+ },
1075
+ {
1076
+ "epoch": 0.16,
1077
+ "grad_norm": 0.0935453400015831,
1078
+ "learning_rate": 4.986458046836199e-05,
1079
+ "loss": 1.258,
1080
+ "step": 153
1081
+ },
1082
+ {
1083
+ "epoch": 0.16,
1084
+ "grad_norm": 0.09370335936546326,
1085
+ "learning_rate": 4.985995540019955e-05,
1086
+ "loss": 1.4368,
1087
+ "step": 154
1088
+ },
1089
+ {
1090
+ "epoch": 0.17,
1091
+ "grad_norm": 0.08816273510456085,
1092
+ "learning_rate": 4.9855252892994844e-05,
1093
+ "loss": 1.3168,
1094
+ "step": 155
1095
+ },
1096
+ {
1097
+ "epoch": 0.17,
1098
+ "grad_norm": 0.10105711221694946,
1099
+ "learning_rate": 4.9850472961396215e-05,
1100
+ "loss": 1.2625,
1101
+ "step": 156
1102
+ },
1103
+ {
1104
+ "epoch": 0.17,
1105
+ "grad_norm": 0.09414559602737427,
1106
+ "learning_rate": 4.984561562029323e-05,
1107
+ "loss": 1.34,
1108
+ "step": 157
1109
+ },
1110
+ {
1111
+ "epoch": 0.17,
1112
+ "grad_norm": 0.09968777745962143,
1113
+ "learning_rate": 4.9840680884816536e-05,
1114
+ "loss": 1.4364,
1115
+ "step": 158
1116
+ },
1117
+ {
1118
+ "epoch": 0.17,
1119
+ "grad_norm": 0.0899839997291565,
1120
+ "learning_rate": 4.983566877033791e-05,
1121
+ "loss": 1.2951,
1122
+ "step": 159
1123
+ },
1124
+ {
1125
+ "epoch": 0.17,
1126
+ "grad_norm": 0.08910808712244034,
1127
+ "learning_rate": 4.9830579292470136e-05,
1128
+ "loss": 1.3533,
1129
+ "step": 160
1130
+ },
1131
+ {
1132
+ "epoch": 0.17,
1133
+ "grad_norm": 0.09147724509239197,
1134
+ "learning_rate": 4.9825412467067e-05,
1135
+ "loss": 1.3941,
1136
+ "step": 161
1137
+ },
1138
+ {
1139
+ "epoch": 0.17,
1140
+ "grad_norm": 0.09149125963449478,
1141
+ "learning_rate": 4.9820168310223215e-05,
1142
+ "loss": 1.3223,
1143
+ "step": 162
1144
+ },
1145
+ {
1146
+ "epoch": 0.17,
1147
+ "grad_norm": 0.09467878937721252,
1148
+ "learning_rate": 4.981484683827439e-05,
1149
+ "loss": 1.2784,
1150
+ "step": 163
1151
+ },
1152
+ {
1153
+ "epoch": 0.18,
1154
+ "grad_norm": 0.1013043224811554,
1155
+ "learning_rate": 4.9809448067796974e-05,
1156
+ "loss": 1.3415,
1157
+ "step": 164
1158
+ },
1159
+ {
1160
+ "epoch": 0.18,
1161
+ "grad_norm": 0.10649001598358154,
1162
+ "learning_rate": 4.9803972015608205e-05,
1163
+ "loss": 1.3784,
1164
+ "step": 165
1165
+ },
1166
+ {
1167
+ "epoch": 0.18,
1168
+ "grad_norm": 0.09393008053302765,
1169
+ "learning_rate": 4.9798418698766034e-05,
1170
+ "loss": 1.3084,
1171
+ "step": 166
1172
+ },
1173
+ {
1174
+ "epoch": 0.18,
1175
+ "grad_norm": 0.09331285208463669,
1176
+ "learning_rate": 4.979278813456911e-05,
1177
+ "loss": 1.4026,
1178
+ "step": 167
1179
+ },
1180
+ {
1181
+ "epoch": 0.18,
1182
+ "grad_norm": 0.10828982293605804,
1183
+ "learning_rate": 4.97870803405567e-05,
1184
+ "loss": 1.3845,
1185
+ "step": 168
1186
+ },
1187
+ {
1188
+ "epoch": 0.18,
1189
+ "grad_norm": 0.09335343539714813,
1190
+ "learning_rate": 4.978129533450866e-05,
1191
+ "loss": 1.3743,
1192
+ "step": 169
1193
+ },
1194
+ {
1195
+ "epoch": 0.18,
1196
+ "grad_norm": 0.09739939123392105,
1197
+ "learning_rate": 4.977543313444534e-05,
1198
+ "loss": 1.357,
1199
+ "step": 170
1200
+ },
1201
+ {
1202
+ "epoch": 0.18,
1203
+ "grad_norm": 0.10757780820131302,
1204
+ "learning_rate": 4.976949375862756e-05,
1205
+ "loss": 1.4467,
1206
+ "step": 171
1207
+ },
1208
+ {
1209
+ "epoch": 0.18,
1210
+ "grad_norm": 0.13449633121490479,
1211
+ "learning_rate": 4.976347722555654e-05,
1212
+ "loss": 1.3811,
1213
+ "step": 172
1214
+ },
1215
+ {
1216
+ "epoch": 0.18,
1217
+ "grad_norm": 0.10207029432058334,
1218
+ "learning_rate": 4.975738355397386e-05,
1219
+ "loss": 1.3571,
1220
+ "step": 173
1221
+ },
1222
+ {
1223
+ "epoch": 0.19,
1224
+ "grad_norm": 0.09364256262779236,
1225
+ "learning_rate": 4.975121276286136e-05,
1226
+ "loss": 1.298,
1227
+ "step": 174
1228
+ },
1229
+ {
1230
+ "epoch": 0.19,
1231
+ "grad_norm": 0.10099958628416061,
1232
+ "learning_rate": 4.974496487144114e-05,
1233
+ "loss": 1.3605,
1234
+ "step": 175
1235
+ },
1236
+ {
1237
+ "epoch": 0.19,
1238
+ "grad_norm": 0.08877628296613693,
1239
+ "learning_rate": 4.973863989917544e-05,
1240
+ "loss": 1.3566,
1241
+ "step": 176
1242
+ },
1243
+ {
1244
+ "epoch": 0.19,
1245
+ "grad_norm": 0.09996306151151657,
1246
+ "learning_rate": 4.973223786576663e-05,
1247
+ "loss": 1.5077,
1248
+ "step": 177
1249
+ },
1250
+ {
1251
+ "epoch": 0.19,
1252
+ "grad_norm": 0.08964492380619049,
1253
+ "learning_rate": 4.972575879115711e-05,
1254
+ "loss": 1.3556,
1255
+ "step": 178
1256
+ },
1257
+ {
1258
+ "epoch": 0.19,
1259
+ "grad_norm": 0.10891906917095184,
1260
+ "learning_rate": 4.971920269552927e-05,
1261
+ "loss": 1.3015,
1262
+ "step": 179
1263
+ },
1264
+ {
1265
+ "epoch": 0.19,
1266
+ "grad_norm": 0.09565063565969467,
1267
+ "learning_rate": 4.971256959930541e-05,
1268
+ "loss": 1.2955,
1269
+ "step": 180
1270
+ },
1271
+ {
1272
+ "epoch": 0.19,
1273
+ "grad_norm": 0.09602455049753189,
1274
+ "learning_rate": 4.970585952314774e-05,
1275
+ "loss": 1.4334,
1276
+ "step": 181
1277
+ },
1278
+ {
1279
+ "epoch": 0.19,
1280
+ "grad_norm": 0.09518374502658844,
1281
+ "learning_rate": 4.969907248795818e-05,
1282
+ "loss": 1.3537,
1283
+ "step": 182
1284
+ },
1285
+ {
1286
+ "epoch": 0.2,
1287
+ "grad_norm": 0.09421328455209732,
1288
+ "learning_rate": 4.9692208514878444e-05,
1289
+ "loss": 1.4354,
1290
+ "step": 183
1291
+ },
1292
+ {
1293
+ "epoch": 0.2,
1294
+ "grad_norm": 0.09471164643764496,
1295
+ "learning_rate": 4.9685267625289886e-05,
1296
+ "loss": 1.278,
1297
+ "step": 184
1298
+ },
1299
+ {
1300
+ "epoch": 0.2,
1301
+ "grad_norm": 0.10142439603805542,
1302
+ "learning_rate": 4.967824984081344e-05,
1303
+ "loss": 1.4494,
1304
+ "step": 185
1305
+ },
1306
+ {
1307
+ "epoch": 0.2,
1308
+ "grad_norm": 0.0980624407529831,
1309
+ "learning_rate": 4.9671155183309595e-05,
1310
+ "loss": 1.3545,
1311
+ "step": 186
1312
+ },
1313
+ {
1314
+ "epoch": 0.2,
1315
+ "grad_norm": 0.09215401858091354,
1316
+ "learning_rate": 4.9663983674878296e-05,
1317
+ "loss": 1.2775,
1318
+ "step": 187
1319
+ },
1320
+ {
1321
+ "epoch": 0.2,
1322
+ "grad_norm": 0.10461422055959702,
1323
+ "learning_rate": 4.965673533785886e-05,
1324
+ "loss": 1.3267,
1325
+ "step": 188
1326
+ },
1327
+ {
1328
+ "epoch": 0.2,
1329
+ "grad_norm": 0.0982186496257782,
1330
+ "learning_rate": 4.9649410194829945e-05,
1331
+ "loss": 1.3111,
1332
+ "step": 189
1333
+ },
1334
+ {
1335
+ "epoch": 0.2,
1336
+ "grad_norm": 0.09877320379018784,
1337
+ "learning_rate": 4.9642008268609454e-05,
1338
+ "loss": 1.3306,
1339
+ "step": 190
1340
+ },
1341
+ {
1342
+ "epoch": 0.2,
1343
+ "grad_norm": 0.10117904841899872,
1344
+ "learning_rate": 4.9634529582254466e-05,
1345
+ "loss": 1.3162,
1346
+ "step": 191
1347
+ },
1348
+ {
1349
+ "epoch": 0.2,
1350
+ "grad_norm": 0.10001292824745178,
1351
+ "learning_rate": 4.962697415906118e-05,
1352
+ "loss": 1.3379,
1353
+ "step": 192
1354
+ },
1355
+ {
1356
+ "epoch": 0.21,
1357
+ "grad_norm": 0.09294575452804565,
1358
+ "learning_rate": 4.961934202256482e-05,
1359
+ "loss": 1.3189,
1360
+ "step": 193
1361
+ },
1362
+ {
1363
+ "epoch": 0.21,
1364
+ "grad_norm": 0.09697602689266205,
1365
+ "learning_rate": 4.9611633196539584e-05,
1366
+ "loss": 1.3325,
1367
+ "step": 194
1368
+ },
1369
+ {
1370
+ "epoch": 0.21,
1371
+ "grad_norm": 0.09828122705221176,
1372
+ "learning_rate": 4.960384770499855e-05,
1373
+ "loss": 1.4084,
1374
+ "step": 195
1375
+ },
1376
+ {
1377
+ "epoch": 0.21,
1378
+ "grad_norm": 0.0948810800909996,
1379
+ "learning_rate": 4.95959855721936e-05,
1380
+ "loss": 1.2597,
1381
+ "step": 196
1382
+ },
1383
+ {
1384
+ "epoch": 0.21,
1385
+ "grad_norm": 0.10147445648908615,
1386
+ "learning_rate": 4.958804682261539e-05,
1387
+ "loss": 1.2529,
1388
+ "step": 197
1389
+ },
1390
+ {
1391
+ "epoch": 0.21,
1392
+ "grad_norm": 0.14694844186306,
1393
+ "learning_rate": 4.95800314809932e-05,
1394
+ "loss": 1.3571,
1395
+ "step": 198
1396
+ },
1397
+ {
1398
+ "epoch": 0.21,
1399
+ "grad_norm": 0.21705757081508636,
1400
+ "learning_rate": 4.957193957229491e-05,
1401
+ "loss": 1.4377,
1402
+ "step": 199
1403
+ },
1404
+ {
1405
+ "epoch": 0.21,
1406
+ "grad_norm": 0.12128579616546631,
1407
+ "learning_rate": 4.956377112172691e-05,
1408
+ "loss": 1.3725,
1409
+ "step": 200
1410
+ },
1411
+ {
1412
+ "epoch": 0.21,
1413
+ "grad_norm": 0.09640059620141983,
1414
+ "learning_rate": 4.955552615473401e-05,
1415
+ "loss": 1.3913,
1416
+ "step": 201
1417
+ },
1418
+ {
1419
+ "epoch": 0.22,
1420
+ "grad_norm": 0.19373305141925812,
1421
+ "learning_rate": 4.954720469699938e-05,
1422
+ "loss": 1.4382,
1423
+ "step": 202
1424
+ },
1425
+ {
1426
+ "epoch": 0.22,
1427
+ "grad_norm": 0.0959777757525444,
1428
+ "learning_rate": 4.953880677444446e-05,
1429
+ "loss": 1.3134,
1430
+ "step": 203
1431
+ },
1432
+ {
1433
+ "epoch": 0.22,
1434
+ "grad_norm": 0.10545915365219116,
1435
+ "learning_rate": 4.953033241322886e-05,
1436
+ "loss": 1.3788,
1437
+ "step": 204
1438
+ },
1439
+ {
1440
+ "epoch": 0.22,
1441
+ "grad_norm": 0.1017264649271965,
1442
+ "learning_rate": 4.952178163975033e-05,
1443
+ "loss": 1.3932,
1444
+ "step": 205
1445
+ },
1446
+ {
1447
+ "epoch": 0.22,
1448
+ "grad_norm": 0.1435861438512802,
1449
+ "learning_rate": 4.951315448064462e-05,
1450
+ "loss": 1.2377,
1451
+ "step": 206
1452
+ },
1453
+ {
1454
+ "epoch": 0.22,
1455
+ "grad_norm": 0.10849795490503311,
1456
+ "learning_rate": 4.950445096278541e-05,
1457
+ "loss": 1.2753,
1458
+ "step": 207
1459
+ },
1460
+ {
1461
+ "epoch": 0.22,
1462
+ "grad_norm": 0.09382300078868866,
1463
+ "learning_rate": 4.949567111328428e-05,
1464
+ "loss": 1.2816,
1465
+ "step": 208
1466
+ },
1467
+ {
1468
+ "epoch": 0.22,
1469
+ "grad_norm": 0.09901299327611923,
1470
+ "learning_rate": 4.9486814959490544e-05,
1471
+ "loss": 1.3306,
1472
+ "step": 209
1473
+ },
1474
+ {
1475
+ "epoch": 0.22,
1476
+ "grad_norm": 0.09280100464820862,
1477
+ "learning_rate": 4.947788252899124e-05,
1478
+ "loss": 1.2148,
1479
+ "step": 210
1480
+ },
1481
+ {
1482
+ "epoch": 0.23,
1483
+ "grad_norm": 0.10457581281661987,
1484
+ "learning_rate": 4.946887384961097e-05,
1485
+ "loss": 1.4392,
1486
+ "step": 211
1487
+ },
1488
+ {
1489
+ "epoch": 0.23,
1490
+ "grad_norm": 0.09088419377803802,
1491
+ "learning_rate": 4.9459788949411886e-05,
1492
+ "loss": 1.3393,
1493
+ "step": 212
1494
+ },
1495
+ {
1496
+ "epoch": 0.23,
1497
+ "grad_norm": 0.09645824134349823,
1498
+ "learning_rate": 4.9450627856693545e-05,
1499
+ "loss": 1.4496,
1500
+ "step": 213
1501
+ },
1502
+ {
1503
+ "epoch": 0.23,
1504
+ "grad_norm": 0.09751391410827637,
1505
+ "learning_rate": 4.9441390599992864e-05,
1506
+ "loss": 1.3765,
1507
+ "step": 214
1508
+ },
1509
+ {
1510
+ "epoch": 0.23,
1511
+ "grad_norm": 0.09599944204092026,
1512
+ "learning_rate": 4.943207720808399e-05,
1513
+ "loss": 1.3751,
1514
+ "step": 215
1515
+ },
1516
+ {
1517
+ "epoch": 0.23,
1518
+ "grad_norm": 0.16549742221832275,
1519
+ "learning_rate": 4.9422687709978254e-05,
1520
+ "loss": 1.3439,
1521
+ "step": 216
1522
+ },
1523
+ {
1524
+ "epoch": 0.23,
1525
+ "grad_norm": 0.09610256552696228,
1526
+ "learning_rate": 4.941322213492405e-05,
1527
+ "loss": 1.2716,
1528
+ "step": 217
1529
+ },
1530
+ {
1531
+ "epoch": 0.23,
1532
+ "grad_norm": 0.09371083229780197,
1533
+ "learning_rate": 4.940368051240675e-05,
1534
+ "loss": 1.2652,
1535
+ "step": 218
1536
+ },
1537
+ {
1538
+ "epoch": 0.23,
1539
+ "grad_norm": 0.09995076060295105,
1540
+ "learning_rate": 4.9394062872148604e-05,
1541
+ "loss": 1.2524,
1542
+ "step": 219
1543
+ },
1544
+ {
1545
+ "epoch": 0.23,
1546
+ "grad_norm": 0.09488219022750854,
1547
+ "learning_rate": 4.9384369244108685e-05,
1548
+ "loss": 1.2505,
1549
+ "step": 220
1550
+ },
1551
+ {
1552
+ "epoch": 0.24,
1553
+ "grad_norm": 0.1144493967294693,
1554
+ "learning_rate": 4.937459965848275e-05,
1555
+ "loss": 1.3485,
1556
+ "step": 221
1557
+ },
1558
+ {
1559
+ "epoch": 0.24,
1560
+ "grad_norm": 0.09584493935108185,
1561
+ "learning_rate": 4.9364754145703165e-05,
1562
+ "loss": 1.2722,
1563
+ "step": 222
1564
+ },
1565
+ {
1566
+ "epoch": 0.24,
1567
+ "grad_norm": 0.12084224820137024,
1568
+ "learning_rate": 4.935483273643882e-05,
1569
+ "loss": 1.4047,
1570
+ "step": 223
1571
+ },
1572
+ {
1573
+ "epoch": 0.24,
1574
+ "grad_norm": 0.10730363428592682,
1575
+ "learning_rate": 4.9344835461595014e-05,
1576
+ "loss": 1.2585,
1577
+ "step": 224
1578
+ },
1579
+ {
1580
+ "epoch": 0.24,
1581
+ "grad_norm": 0.08327766507863998,
1582
+ "learning_rate": 4.933476235231337e-05,
1583
+ "loss": 1.205,
1584
+ "step": 225
1585
+ },
1586
+ {
1587
+ "epoch": 0.24,
1588
+ "grad_norm": 0.09607108682394028,
1589
+ "learning_rate": 4.9324613439971736e-05,
1590
+ "loss": 1.3635,
1591
+ "step": 226
1592
+ },
1593
+ {
1594
+ "epoch": 0.24,
1595
+ "grad_norm": 0.09505125880241394,
1596
+ "learning_rate": 4.931438875618408e-05,
1597
+ "loss": 1.3224,
1598
+ "step": 227
1599
+ },
1600
+ {
1601
+ "epoch": 0.24,
1602
+ "grad_norm": 0.09247023612260818,
1603
+ "learning_rate": 4.930408833280043e-05,
1604
+ "loss": 1.3292,
1605
+ "step": 228
1606
+ },
1607
+ {
1608
+ "epoch": 0.24,
1609
+ "grad_norm": 0.09089571982622147,
1610
+ "learning_rate": 4.929371220190671e-05,
1611
+ "loss": 1.3271,
1612
+ "step": 229
1613
+ },
1614
+ {
1615
+ "epoch": 0.25,
1616
+ "grad_norm": 0.0896812379360199,
1617
+ "learning_rate": 4.928326039582468e-05,
1618
+ "loss": 1.281,
1619
+ "step": 230
1620
+ },
1621
+ {
1622
+ "epoch": 0.25,
1623
+ "grad_norm": 0.10084407031536102,
1624
+ "learning_rate": 4.927273294711184e-05,
1625
+ "loss": 1.354,
1626
+ "step": 231
1627
+ },
1628
+ {
1629
+ "epoch": 0.25,
1630
+ "grad_norm": 0.09202654659748077,
1631
+ "learning_rate": 4.9262129888561316e-05,
1632
+ "loss": 1.3373,
1633
+ "step": 232
1634
+ },
1635
+ {
1636
+ "epoch": 0.25,
1637
+ "grad_norm": 0.09410908818244934,
1638
+ "learning_rate": 4.925145125320175e-05,
1639
+ "loss": 1.4251,
1640
+ "step": 233
1641
+ },
1642
+ {
1643
+ "epoch": 0.25,
1644
+ "grad_norm": 0.08918359875679016,
1645
+ "learning_rate": 4.9240697074297206e-05,
1646
+ "loss": 1.2926,
1647
+ "step": 234
1648
+ },
1649
+ {
1650
+ "epoch": 0.25,
1651
+ "grad_norm": 0.09744445979595184,
1652
+ "learning_rate": 4.9229867385347086e-05,
1653
+ "loss": 1.2261,
1654
+ "step": 235
1655
+ },
1656
+ {
1657
+ "epoch": 0.25,
1658
+ "grad_norm": 0.09546810388565063,
1659
+ "learning_rate": 4.921896222008598e-05,
1660
+ "loss": 1.3187,
1661
+ "step": 236
1662
+ },
1663
+ {
1664
+ "epoch": 0.25,
1665
+ "grad_norm": 0.09971386194229126,
1666
+ "learning_rate": 4.920798161248361e-05,
1667
+ "loss": 1.3097,
1668
+ "step": 237
1669
+ },
1670
+ {
1671
+ "epoch": 0.25,
1672
+ "grad_norm": 0.09423212707042694,
1673
+ "learning_rate": 4.9196925596744684e-05,
1674
+ "loss": 1.3812,
1675
+ "step": 238
1676
+ },
1677
+ {
1678
+ "epoch": 0.26,
1679
+ "grad_norm": 0.09651963412761688,
1680
+ "learning_rate": 4.918579420730883e-05,
1681
+ "loss": 1.2818,
1682
+ "step": 239
1683
+ },
1684
+ {
1685
+ "epoch": 0.26,
1686
+ "grad_norm": 0.10617819428443909,
1687
+ "learning_rate": 4.9174587478850445e-05,
1688
+ "loss": 1.3433,
1689
+ "step": 240
1690
+ },
1691
+ {
1692
+ "epoch": 0.26,
1693
+ "grad_norm": 0.09576583653688431,
1694
+ "learning_rate": 4.916330544627861e-05,
1695
+ "loss": 1.3034,
1696
+ "step": 241
1697
+ },
1698
+ {
1699
+ "epoch": 0.26,
1700
+ "grad_norm": 0.09386958181858063,
1701
+ "learning_rate": 4.915194814473699e-05,
1702
+ "loss": 1.2635,
1703
+ "step": 242
1704
+ },
1705
+ {
1706
+ "epoch": 0.26,
1707
+ "grad_norm": 0.1020546555519104,
1708
+ "learning_rate": 4.914051560960371e-05,
1709
+ "loss": 1.4071,
1710
+ "step": 243
1711
+ },
1712
+ {
1713
+ "epoch": 0.26,
1714
+ "grad_norm": 0.09851020574569702,
1715
+ "learning_rate": 4.912900787649124e-05,
1716
+ "loss": 1.3625,
1717
+ "step": 244
1718
+ },
1719
+ {
1720
+ "epoch": 0.26,
1721
+ "grad_norm": 0.09171383827924728,
1722
+ "learning_rate": 4.9117424981246304e-05,
1723
+ "loss": 1.3349,
1724
+ "step": 245
1725
+ },
1726
+ {
1727
+ "epoch": 0.26,
1728
+ "grad_norm": 0.09428778290748596,
1729
+ "learning_rate": 4.910576695994975e-05,
1730
+ "loss": 1.3469,
1731
+ "step": 246
1732
+ },
1733
+ {
1734
+ "epoch": 0.26,
1735
+ "grad_norm": 0.09907223284244537,
1736
+ "learning_rate": 4.909403384891644e-05,
1737
+ "loss": 1.3375,
1738
+ "step": 247
1739
+ },
1740
+ {
1741
+ "epoch": 0.26,
1742
+ "grad_norm": 0.09412197768688202,
1743
+ "learning_rate": 4.908222568469516e-05,
1744
+ "loss": 1.3386,
1745
+ "step": 248
1746
+ },
1747
+ {
1748
+ "epoch": 0.27,
1749
+ "grad_norm": 0.13928060233592987,
1750
+ "learning_rate": 4.907034250406846e-05,
1751
+ "loss": 1.3403,
1752
+ "step": 249
1753
+ },
1754
+ {
1755
+ "epoch": 0.27,
1756
+ "grad_norm": 0.09467838704586029,
1757
+ "learning_rate": 4.9058384344052587e-05,
1758
+ "loss": 1.3549,
1759
+ "step": 250
1760
+ },
1761
+ {
1762
+ "epoch": 0.27,
1763
+ "grad_norm": 0.08943888545036316,
1764
+ "learning_rate": 4.904635124189736e-05,
1765
+ "loss": 1.2899,
1766
+ "step": 251
1767
+ },
1768
+ {
1769
+ "epoch": 0.27,
1770
+ "grad_norm": 0.08892600983381271,
1771
+ "learning_rate": 4.903424323508601e-05,
1772
+ "loss": 1.2404,
1773
+ "step": 252
1774
+ },
1775
+ {
1776
+ "epoch": 0.27,
1777
+ "grad_norm": 0.08917702734470367,
1778
+ "learning_rate": 4.902206036133512e-05,
1779
+ "loss": 1.368,
1780
+ "step": 253
1781
+ },
1782
+ {
1783
+ "epoch": 0.27,
1784
+ "grad_norm": 0.10863058269023895,
1785
+ "learning_rate": 4.900980265859448e-05,
1786
+ "loss": 1.4147,
1787
+ "step": 254
1788
+ },
1789
+ {
1790
+ "epoch": 0.27,
1791
+ "grad_norm": 0.09652639180421829,
1792
+ "learning_rate": 4.8997470165046976e-05,
1793
+ "loss": 1.2795,
1794
+ "step": 255
1795
+ },
1796
+ {
1797
+ "epoch": 0.27,
1798
+ "grad_norm": 0.09574037045240402,
1799
+ "learning_rate": 4.8985062919108474e-05,
1800
+ "loss": 1.3202,
1801
+ "step": 256
1802
+ },
1803
+ {
1804
+ "epoch": 0.27,
1805
+ "grad_norm": 0.10350500792264938,
1806
+ "learning_rate": 4.897258095942766e-05,
1807
+ "loss": 1.3874,
1808
+ "step": 257
1809
+ },
1810
+ {
1811
+ "epoch": 0.28,
1812
+ "grad_norm": 0.0920305848121643,
1813
+ "learning_rate": 4.896002432488599e-05,
1814
+ "loss": 1.3145,
1815
+ "step": 258
1816
+ },
1817
+ {
1818
+ "epoch": 0.28,
1819
+ "grad_norm": 0.12242481857538223,
1820
+ "learning_rate": 4.8947393054597534e-05,
1821
+ "loss": 1.3162,
1822
+ "step": 259
1823
+ },
1824
+ {
1825
+ "epoch": 0.28,
1826
+ "grad_norm": 0.08995360136032104,
1827
+ "learning_rate": 4.8934687187908834e-05,
1828
+ "loss": 1.3715,
1829
+ "step": 260
1830
+ },
1831
+ {
1832
+ "epoch": 0.28,
1833
+ "grad_norm": 0.09082052856683731,
1834
+ "learning_rate": 4.8921906764398805e-05,
1835
+ "loss": 1.2569,
1836
+ "step": 261
1837
+ },
1838
+ {
1839
+ "epoch": 0.28,
1840
+ "grad_norm": 0.09512560814619064,
1841
+ "learning_rate": 4.890905182387861e-05,
1842
+ "loss": 1.4848,
1843
+ "step": 262
1844
+ },
1845
+ {
1846
+ "epoch": 0.28,
1847
+ "grad_norm": 0.08932676166296005,
1848
+ "learning_rate": 4.8896122406391556e-05,
1849
+ "loss": 1.314,
1850
+ "step": 263
1851
+ },
1852
+ {
1853
+ "epoch": 0.28,
1854
+ "grad_norm": 0.0890311747789383,
1855
+ "learning_rate": 4.888311855221289e-05,
1856
+ "loss": 1.3381,
1857
+ "step": 264
1858
+ },
1859
+ {
1860
+ "epoch": 0.28,
1861
+ "grad_norm": 0.08900325000286102,
1862
+ "learning_rate": 4.887004030184979e-05,
1863
+ "loss": 1.3001,
1864
+ "step": 265
1865
+ },
1866
+ {
1867
+ "epoch": 0.28,
1868
+ "grad_norm": 0.08832228183746338,
1869
+ "learning_rate": 4.885688769604114e-05,
1870
+ "loss": 1.3714,
1871
+ "step": 266
1872
+ },
1873
+ {
1874
+ "epoch": 0.28,
1875
+ "grad_norm": 0.09763582050800323,
1876
+ "learning_rate": 4.884366077575747e-05,
1877
+ "loss": 1.4229,
1878
+ "step": 267
1879
+ },
1880
+ {
1881
+ "epoch": 0.29,
1882
+ "grad_norm": 0.1476629674434662,
1883
+ "learning_rate": 4.883035958220077e-05,
1884
+ "loss": 1.5083,
1885
+ "step": 268
1886
+ },
1887
+ {
1888
+ "epoch": 0.29,
1889
+ "grad_norm": 0.10069846361875534,
1890
+ "learning_rate": 4.881698415680442e-05,
1891
+ "loss": 1.3742,
1892
+ "step": 269
1893
+ },
1894
+ {
1895
+ "epoch": 0.29,
1896
+ "grad_norm": 0.0915488749742508,
1897
+ "learning_rate": 4.8803534541233014e-05,
1898
+ "loss": 1.3738,
1899
+ "step": 270
1900
+ },
1901
+ {
1902
+ "epoch": 0.29,
1903
+ "grad_norm": 0.09633270651102066,
1904
+ "learning_rate": 4.879001077738227e-05,
1905
+ "loss": 1.3044,
1906
+ "step": 271
1907
+ },
1908
+ {
1909
+ "epoch": 0.29,
1910
+ "grad_norm": 0.09047040343284607,
1911
+ "learning_rate": 4.877641290737884e-05,
1912
+ "loss": 1.2579,
1913
+ "step": 272
1914
+ },
1915
+ {
1916
+ "epoch": 0.29,
1917
+ "grad_norm": 0.09998361766338348,
1918
+ "learning_rate": 4.876274097358027e-05,
1919
+ "loss": 1.3221,
1920
+ "step": 273
1921
+ },
1922
+ {
1923
+ "epoch": 0.29,
1924
+ "grad_norm": 0.10295653343200684,
1925
+ "learning_rate": 4.874899501857477e-05,
1926
+ "loss": 1.3666,
1927
+ "step": 274
1928
+ },
1929
+ {
1930
+ "epoch": 0.29,
1931
+ "grad_norm": 0.09751718491315842,
1932
+ "learning_rate": 4.873517508518116e-05,
1933
+ "loss": 1.3144,
1934
+ "step": 275
1935
+ },
1936
+ {
1937
+ "epoch": 0.29,
1938
+ "grad_norm": 0.09435424208641052,
1939
+ "learning_rate": 4.872128121644868e-05,
1940
+ "loss": 1.3125,
1941
+ "step": 276
1942
+ },
1943
+ {
1944
+ "epoch": 0.3,
1945
+ "grad_norm": 0.08840420097112656,
1946
+ "learning_rate": 4.870731345565689e-05,
1947
+ "loss": 1.3244,
1948
+ "step": 277
1949
+ },
1950
+ {
1951
+ "epoch": 0.3,
1952
+ "grad_norm": 0.09967703372240067,
1953
+ "learning_rate": 4.8693271846315515e-05,
1954
+ "loss": 1.3218,
1955
+ "step": 278
1956
+ },
1957
+ {
1958
+ "epoch": 0.3,
1959
+ "grad_norm": 0.09583844244480133,
1960
+ "learning_rate": 4.867915643216434e-05,
1961
+ "loss": 1.3866,
1962
+ "step": 279
1963
+ },
1964
+ {
1965
+ "epoch": 0.3,
1966
+ "grad_norm": 0.09268955886363983,
1967
+ "learning_rate": 4.866496725717303e-05,
1968
+ "loss": 1.2995,
1969
+ "step": 280
1970
+ },
1971
+ {
1972
+ "epoch": 0.3,
1973
+ "grad_norm": 0.09287814050912857,
1974
+ "learning_rate": 4.8650704365541035e-05,
1975
+ "loss": 1.3388,
1976
+ "step": 281
1977
+ },
1978
+ {
1979
+ "epoch": 0.3,
1980
+ "grad_norm": 0.09162658452987671,
1981
+ "learning_rate": 4.863636780169742e-05,
1982
+ "loss": 1.2241,
1983
+ "step": 282
1984
+ },
1985
+ {
1986
+ "epoch": 0.3,
1987
+ "grad_norm": 0.10253284871578217,
1988
+ "learning_rate": 4.8621957610300736e-05,
1989
+ "loss": 1.3496,
1990
+ "step": 283
1991
+ },
1992
+ {
1993
+ "epoch": 0.3,
1994
+ "grad_norm": 0.09558489173650742,
1995
+ "learning_rate": 4.860747383623889e-05,
1996
+ "loss": 1.3608,
1997
+ "step": 284
1998
+ },
1999
+ {
2000
+ "epoch": 0.3,
2001
+ "grad_norm": 0.11398740112781525,
2002
+ "learning_rate": 4.859291652462903e-05,
2003
+ "loss": 1.3924,
2004
+ "step": 285
2005
+ },
2006
+ {
2007
+ "epoch": 0.31,
2008
+ "grad_norm": 0.10008247196674347,
2009
+ "learning_rate": 4.8578285720817314e-05,
2010
+ "loss": 1.2955,
2011
+ "step": 286
2012
+ },
2013
+ {
2014
+ "epoch": 0.31,
2015
+ "grad_norm": 0.09404585510492325,
2016
+ "learning_rate": 4.8563581470378875e-05,
2017
+ "loss": 1.4093,
2018
+ "step": 287
2019
+ },
2020
+ {
2021
+ "epoch": 0.31,
2022
+ "grad_norm": 0.09330190718173981,
2023
+ "learning_rate": 4.8548803819117614e-05,
2024
+ "loss": 1.413,
2025
+ "step": 288
2026
+ },
2027
+ {
2028
+ "epoch": 0.31,
2029
+ "grad_norm": 0.09668520838022232,
2030
+ "learning_rate": 4.8533952813066094e-05,
2031
+ "loss": 1.3729,
2032
+ "step": 289
2033
+ },
2034
+ {
2035
+ "epoch": 0.31,
2036
+ "grad_norm": 0.09101221710443497,
2037
+ "learning_rate": 4.851902849848536e-05,
2038
+ "loss": 1.3243,
2039
+ "step": 290
2040
+ },
2041
+ {
2042
+ "epoch": 0.31,
2043
+ "grad_norm": 0.09626659750938416,
2044
+ "learning_rate": 4.8504030921864816e-05,
2045
+ "loss": 1.2227,
2046
+ "step": 291
2047
+ },
2048
+ {
2049
+ "epoch": 0.31,
2050
+ "grad_norm": 0.10459615290164948,
2051
+ "learning_rate": 4.848896012992208e-05,
2052
+ "loss": 1.4128,
2053
+ "step": 292
2054
+ },
2055
+ {
2056
+ "epoch": 0.31,
2057
+ "grad_norm": 0.09928146004676819,
2058
+ "learning_rate": 4.847381616960286e-05,
2059
+ "loss": 1.4355,
2060
+ "step": 293
2061
+ },
2062
+ {
2063
+ "epoch": 0.31,
2064
+ "grad_norm": 0.09046845883131027,
2065
+ "learning_rate": 4.8458599088080735e-05,
2066
+ "loss": 1.3679,
2067
+ "step": 294
2068
+ },
2069
+ {
2070
+ "epoch": 0.31,
2071
+ "grad_norm": 0.10265221446752548,
2072
+ "learning_rate": 4.844330893275711e-05,
2073
+ "loss": 1.329,
2074
+ "step": 295
2075
+ },
2076
+ {
2077
+ "epoch": 0.32,
2078
+ "grad_norm": 0.09289583563804626,
2079
+ "learning_rate": 4.8427945751260986e-05,
2080
+ "loss": 1.3476,
2081
+ "step": 296
2082
+ },
2083
+ {
2084
+ "epoch": 0.32,
2085
+ "grad_norm": 0.09216302633285522,
2086
+ "learning_rate": 4.8412509591448835e-05,
2087
+ "loss": 1.2461,
2088
+ "step": 297
2089
+ },
2090
+ {
2091
+ "epoch": 0.32,
2092
+ "grad_norm": 0.09431559592485428,
2093
+ "learning_rate": 4.839700050140448e-05,
2094
+ "loss": 1.3014,
2095
+ "step": 298
2096
+ },
2097
+ {
2098
+ "epoch": 0.32,
2099
+ "grad_norm": 0.09718261659145355,
2100
+ "learning_rate": 4.838141852943891e-05,
2101
+ "loss": 1.4044,
2102
+ "step": 299
2103
+ },
2104
+ {
2105
+ "epoch": 0.32,
2106
+ "grad_norm": 0.09670992195606232,
2107
+ "learning_rate": 4.836576372409015e-05,
2108
+ "loss": 1.3345,
2109
+ "step": 300
2110
+ },
2111
+ {
2112
+ "epoch": 0.32,
2113
+ "grad_norm": 0.09435348957777023,
2114
+ "learning_rate": 4.835003613412308e-05,
2115
+ "loss": 1.254,
2116
+ "step": 301
2117
+ },
2118
+ {
2119
+ "epoch": 0.32,
2120
+ "grad_norm": 0.09258078038692474,
2121
+ "learning_rate": 4.8334235808529335e-05,
2122
+ "loss": 1.3898,
2123
+ "step": 302
2124
+ },
2125
+ {
2126
+ "epoch": 0.32,
2127
+ "grad_norm": 0.0906069427728653,
2128
+ "learning_rate": 4.83183627965271e-05,
2129
+ "loss": 1.3753,
2130
+ "step": 303
2131
+ },
2132
+ {
2133
+ "epoch": 0.32,
2134
+ "grad_norm": 0.159384086728096,
2135
+ "learning_rate": 4.830241714756099e-05,
2136
+ "loss": 1.2721,
2137
+ "step": 304
2138
+ },
2139
+ {
2140
+ "epoch": 0.33,
2141
+ "grad_norm": 0.0922141820192337,
2142
+ "learning_rate": 4.828639891130189e-05,
2143
+ "loss": 1.2806,
2144
+ "step": 305
2145
+ },
2146
+ {
2147
+ "epoch": 0.33,
2148
+ "grad_norm": 0.09928394109010696,
2149
+ "learning_rate": 4.827030813764677e-05,
2150
+ "loss": 1.3605,
2151
+ "step": 306
2152
+ },
2153
+ {
2154
+ "epoch": 0.33,
2155
+ "grad_norm": 0.09432511776685715,
2156
+ "learning_rate": 4.825414487671859e-05,
2157
+ "loss": 1.4276,
2158
+ "step": 307
2159
+ },
2160
+ {
2161
+ "epoch": 0.33,
2162
+ "grad_norm": 0.09470757842063904,
2163
+ "learning_rate": 4.823790917886607e-05,
2164
+ "loss": 1.2807,
2165
+ "step": 308
2166
+ },
2167
+ {
2168
+ "epoch": 0.33,
2169
+ "grad_norm": 0.09105392545461655,
2170
+ "learning_rate": 4.822160109466361e-05,
2171
+ "loss": 1.3163,
2172
+ "step": 309
2173
+ },
2174
+ {
2175
+ "epoch": 0.33,
2176
+ "grad_norm": 0.09101832658052444,
2177
+ "learning_rate": 4.8205220674911074e-05,
2178
+ "loss": 1.2988,
2179
+ "step": 310
2180
+ },
2181
+ {
2182
+ "epoch": 0.33,
2183
+ "grad_norm": 0.09433624148368835,
2184
+ "learning_rate": 4.8188767970633647e-05,
2185
+ "loss": 1.3743,
2186
+ "step": 311
2187
+ },
2188
+ {
2189
+ "epoch": 0.33,
2190
+ "grad_norm": 0.1052064523100853,
2191
+ "learning_rate": 4.8172243033081695e-05,
2192
+ "loss": 1.4047,
2193
+ "step": 312
2194
+ },
2195
+ {
2196
+ "epoch": 0.33,
2197
+ "grad_norm": 0.09831178188323975,
2198
+ "learning_rate": 4.8155645913730585e-05,
2199
+ "loss": 1.4189,
2200
+ "step": 313
2201
+ },
2202
+ {
2203
+ "epoch": 0.34,
2204
+ "grad_norm": 0.09389661997556686,
2205
+ "learning_rate": 4.8138976664280536e-05,
2206
+ "loss": 1.3911,
2207
+ "step": 314
2208
+ },
2209
+ {
2210
+ "epoch": 0.34,
2211
+ "grad_norm": 0.0961923897266388,
2212
+ "learning_rate": 4.812223533665643e-05,
2213
+ "loss": 1.3879,
2214
+ "step": 315
2215
+ },
2216
+ {
2217
+ "epoch": 0.34,
2218
+ "grad_norm": 0.09563787281513214,
2219
+ "learning_rate": 4.8105421983007715e-05,
2220
+ "loss": 1.3871,
2221
+ "step": 316
2222
+ },
2223
+ {
2224
+ "epoch": 0.34,
2225
+ "grad_norm": 0.0972226932644844,
2226
+ "learning_rate": 4.808853665570816e-05,
2227
+ "loss": 1.4138,
2228
+ "step": 317
2229
+ },
2230
+ {
2231
+ "epoch": 0.34,
2232
+ "grad_norm": 0.09669040143489838,
2233
+ "learning_rate": 4.807157940735577e-05,
2234
+ "loss": 1.3376,
2235
+ "step": 318
2236
+ },
2237
+ {
2238
+ "epoch": 0.34,
2239
+ "grad_norm": 0.10110729932785034,
2240
+ "learning_rate": 4.805455029077255e-05,
2241
+ "loss": 1.3442,
2242
+ "step": 319
2243
+ },
2244
+ {
2245
+ "epoch": 0.34,
2246
+ "grad_norm": 0.10544568300247192,
2247
+ "learning_rate": 4.803744935900439e-05,
2248
+ "loss": 1.259,
2249
+ "step": 320
2250
+ },
2251
+ {
2252
+ "epoch": 0.34,
2253
+ "grad_norm": 0.09788301587104797,
2254
+ "learning_rate": 4.802027666532089e-05,
2255
+ "loss": 1.3767,
2256
+ "step": 321
2257
+ },
2258
+ {
2259
+ "epoch": 0.34,
2260
+ "grad_norm": 0.09752319008111954,
2261
+ "learning_rate": 4.8003032263215185e-05,
2262
+ "loss": 1.4368,
2263
+ "step": 322
2264
+ },
2265
+ {
2266
+ "epoch": 0.34,
2267
+ "grad_norm": 0.1186918169260025,
2268
+ "learning_rate": 4.798571620640378e-05,
2269
+ "loss": 1.2999,
2270
+ "step": 323
2271
+ },
2272
+ {
2273
+ "epoch": 0.35,
2274
+ "grad_norm": 0.09278569370508194,
2275
+ "learning_rate": 4.79683285488264e-05,
2276
+ "loss": 1.3786,
2277
+ "step": 324
2278
+ },
2279
+ {
2280
+ "epoch": 0.35,
2281
+ "grad_norm": 0.11016564816236496,
2282
+ "learning_rate": 4.795086934464579e-05,
2283
+ "loss": 1.3475,
2284
+ "step": 325
2285
+ },
2286
+ {
2287
+ "epoch": 0.35,
2288
+ "grad_norm": 0.11838585883378983,
2289
+ "learning_rate": 4.7933338648247563e-05,
2290
+ "loss": 1.3264,
2291
+ "step": 326
2292
+ },
2293
+ {
2294
+ "epoch": 0.35,
2295
+ "grad_norm": 0.09825286269187927,
2296
+ "learning_rate": 4.791573651424003e-05,
2297
+ "loss": 1.314,
2298
+ "step": 327
2299
+ },
2300
+ {
2301
+ "epoch": 0.35,
2302
+ "grad_norm": 0.12940770387649536,
2303
+ "learning_rate": 4.789806299745405e-05,
2304
+ "loss": 1.2689,
2305
+ "step": 328
2306
+ },
2307
+ {
2308
+ "epoch": 0.35,
2309
+ "grad_norm": 0.09449135512113571,
2310
+ "learning_rate": 4.7880318152942816e-05,
2311
+ "loss": 1.3096,
2312
+ "step": 329
2313
+ },
2314
+ {
2315
+ "epoch": 0.35,
2316
+ "grad_norm": 0.10377182811498642,
2317
+ "learning_rate": 4.786250203598174e-05,
2318
+ "loss": 1.3784,
2319
+ "step": 330
2320
+ },
2321
+ {
2322
+ "epoch": 0.35,
2323
+ "grad_norm": 0.09918166697025299,
2324
+ "learning_rate": 4.78446147020682e-05,
2325
+ "loss": 1.44,
2326
+ "step": 331
2327
+ },
2328
+ {
2329
+ "epoch": 0.35,
2330
+ "grad_norm": 0.09931398928165436,
2331
+ "learning_rate": 4.782665620692147e-05,
2332
+ "loss": 1.3034,
2333
+ "step": 332
2334
+ },
2335
+ {
2336
+ "epoch": 0.36,
2337
+ "grad_norm": 0.20402568578720093,
2338
+ "learning_rate": 4.780862660648244e-05,
2339
+ "loss": 1.3637,
2340
+ "step": 333
2341
+ },
2342
+ {
2343
+ "epoch": 0.36,
2344
+ "grad_norm": 0.10577716678380966,
2345
+ "learning_rate": 4.779052595691355e-05,
2346
+ "loss": 1.2544,
2347
+ "step": 334
2348
+ },
2349
+ {
2350
+ "epoch": 0.36,
2351
+ "grad_norm": 0.1048274114727974,
2352
+ "learning_rate": 4.77723543145985e-05,
2353
+ "loss": 1.4564,
2354
+ "step": 335
2355
+ },
2356
+ {
2357
+ "epoch": 0.36,
2358
+ "grad_norm": 0.09773129224777222,
2359
+ "learning_rate": 4.775411173614218e-05,
2360
+ "loss": 1.3061,
2361
+ "step": 336
2362
+ },
2363
+ {
2364
+ "epoch": 0.36,
2365
+ "grad_norm": 0.10128381103277206,
2366
+ "learning_rate": 4.773579827837041e-05,
2367
+ "loss": 1.3197,
2368
+ "step": 337
2369
+ },
2370
+ {
2371
+ "epoch": 0.36,
2372
+ "grad_norm": 0.087751604616642,
2373
+ "learning_rate": 4.7717413998329844e-05,
2374
+ "loss": 1.2628,
2375
+ "step": 338
2376
+ },
2377
+ {
2378
+ "epoch": 0.36,
2379
+ "grad_norm": 0.09778417646884918,
2380
+ "learning_rate": 4.769895895328769e-05,
2381
+ "loss": 1.4227,
2382
+ "step": 339
2383
+ },
2384
+ {
2385
+ "epoch": 0.36,
2386
+ "grad_norm": 0.10379809141159058,
2387
+ "learning_rate": 4.768043320073165e-05,
2388
+ "loss": 1.347,
2389
+ "step": 340
2390
+ },
2391
+ {
2392
+ "epoch": 0.36,
2393
+ "grad_norm": 0.09904753416776657,
2394
+ "learning_rate": 4.766183679836964e-05,
2395
+ "loss": 1.3168,
2396
+ "step": 341
2397
+ },
2398
+ {
2399
+ "epoch": 0.36,
2400
+ "grad_norm": 0.2791866958141327,
2401
+ "learning_rate": 4.7643169804129665e-05,
2402
+ "loss": 1.2482,
2403
+ "step": 342
2404
+ },
2405
+ {
2406
+ "epoch": 0.37,
2407
+ "grad_norm": 0.24763400852680206,
2408
+ "learning_rate": 4.762443227615963e-05,
2409
+ "loss": 1.4319,
2410
+ "step": 343
2411
+ },
2412
+ {
2413
+ "epoch": 0.37,
2414
+ "grad_norm": 0.0879005715250969,
2415
+ "learning_rate": 4.7605624272827126e-05,
2416
+ "loss": 1.2904,
2417
+ "step": 344
2418
+ },
2419
+ {
2420
+ "epoch": 0.37,
2421
+ "grad_norm": 0.09311103075742722,
2422
+ "learning_rate": 4.7586745852719316e-05,
2423
+ "loss": 1.3017,
2424
+ "step": 345
2425
+ },
2426
+ {
2427
+ "epoch": 0.37,
2428
+ "grad_norm": 0.09575958549976349,
2429
+ "learning_rate": 4.756779707464269e-05,
2430
+ "loss": 1.354,
2431
+ "step": 346
2432
+ },
2433
+ {
2434
+ "epoch": 0.37,
2435
+ "grad_norm": 0.09556791186332703,
2436
+ "learning_rate": 4.754877799762291e-05,
2437
+ "loss": 1.3307,
2438
+ "step": 347
2439
+ },
2440
+ {
2441
+ "epoch": 0.37,
2442
+ "grad_norm": 0.09889087080955505,
2443
+ "learning_rate": 4.752968868090459e-05,
2444
+ "loss": 1.3329,
2445
+ "step": 348
2446
+ },
2447
+ {
2448
+ "epoch": 0.37,
2449
+ "grad_norm": 0.0879189744591713,
2450
+ "learning_rate": 4.75105291839512e-05,
2451
+ "loss": 1.3677,
2452
+ "step": 349
2453
+ },
2454
+ {
2455
+ "epoch": 0.37,
2456
+ "grad_norm": 0.09398270398378372,
2457
+ "learning_rate": 4.749129956644477e-05,
2458
+ "loss": 1.3096,
2459
+ "step": 350
2460
+ },
2461
+ {
2462
+ "epoch": 0.37,
2463
+ "grad_norm": 0.0942855104804039,
2464
+ "learning_rate": 4.747199988828579e-05,
2465
+ "loss": 1.4615,
2466
+ "step": 351
2467
+ },
2468
+ {
2469
+ "epoch": 0.38,
2470
+ "grad_norm": 0.09009843319654465,
2471
+ "learning_rate": 4.7452630209592966e-05,
2472
+ "loss": 1.3422,
2473
+ "step": 352
2474
+ },
2475
+ {
2476
+ "epoch": 0.38,
2477
+ "grad_norm": 0.11878379434347153,
2478
+ "learning_rate": 4.7433190590703055e-05,
2479
+ "loss": 1.3167,
2480
+ "step": 353
2481
+ },
2482
+ {
2483
+ "epoch": 0.38,
2484
+ "grad_norm": 0.10389739274978638,
2485
+ "learning_rate": 4.7413681092170715e-05,
2486
+ "loss": 1.3042,
2487
+ "step": 354
2488
+ },
2489
+ {
2490
+ "epoch": 0.38,
2491
+ "grad_norm": 0.09575341641902924,
2492
+ "learning_rate": 4.739410177476824e-05,
2493
+ "loss": 1.3589,
2494
+ "step": 355
2495
+ },
2496
+ {
2497
+ "epoch": 0.38,
2498
+ "grad_norm": 0.0868607833981514,
2499
+ "learning_rate": 4.7374452699485426e-05,
2500
+ "loss": 1.3461,
2501
+ "step": 356
2502
+ },
2503
+ {
2504
+ "epoch": 0.38,
2505
+ "grad_norm": 0.09217596054077148,
2506
+ "learning_rate": 4.7354733927529374e-05,
2507
+ "loss": 1.3186,
2508
+ "step": 357
2509
+ },
2510
+ {
2511
+ "epoch": 0.38,
2512
+ "grad_norm": 0.08772280067205429,
2513
+ "learning_rate": 4.7334945520324265e-05,
2514
+ "loss": 1.3425,
2515
+ "step": 358
2516
+ },
2517
+ {
2518
+ "epoch": 0.38,
2519
+ "grad_norm": 0.10162526369094849,
2520
+ "learning_rate": 4.731508753951122e-05,
2521
+ "loss": 1.4125,
2522
+ "step": 359
2523
+ },
2524
+ {
2525
+ "epoch": 0.38,
2526
+ "grad_norm": 0.09132665395736694,
2527
+ "learning_rate": 4.729516004694808e-05,
2528
+ "loss": 1.3316,
2529
+ "step": 360
2530
+ },
2531
+ {
2532
+ "epoch": 0.39,
2533
+ "grad_norm": 0.0943852961063385,
2534
+ "learning_rate": 4.72751631047092e-05,
2535
+ "loss": 1.2758,
2536
+ "step": 361
2537
+ },
2538
+ {
2539
+ "epoch": 0.39,
2540
+ "grad_norm": 0.08872327208518982,
2541
+ "learning_rate": 4.725509677508528e-05,
2542
+ "loss": 1.3476,
2543
+ "step": 362
2544
+ },
2545
+ {
2546
+ "epoch": 0.39,
2547
+ "grad_norm": 0.09403718262910843,
2548
+ "learning_rate": 4.7234961120583174e-05,
2549
+ "loss": 1.2631,
2550
+ "step": 363
2551
+ },
2552
+ {
2553
+ "epoch": 0.39,
2554
+ "grad_norm": 0.08866386115550995,
2555
+ "learning_rate": 4.7214756203925676e-05,
2556
+ "loss": 1.3324,
2557
+ "step": 364
2558
+ },
2559
+ {
2560
+ "epoch": 0.39,
2561
+ "grad_norm": 0.10122651606798172,
2562
+ "learning_rate": 4.719448208805132e-05,
2563
+ "loss": 1.3209,
2564
+ "step": 365
2565
+ },
2566
+ {
2567
+ "epoch": 0.39,
2568
+ "grad_norm": 0.09378830343484879,
2569
+ "learning_rate": 4.71741388361142e-05,
2570
+ "loss": 1.3856,
2571
+ "step": 366
2572
+ },
2573
+ {
2574
+ "epoch": 0.39,
2575
+ "grad_norm": 0.09723149240016937,
2576
+ "learning_rate": 4.7153726511483786e-05,
2577
+ "loss": 1.3676,
2578
+ "step": 367
2579
+ },
2580
+ {
2581
+ "epoch": 0.39,
2582
+ "grad_norm": 0.08986017853021622,
2583
+ "learning_rate": 4.713324517774471e-05,
2584
+ "loss": 1.324,
2585
+ "step": 368
2586
+ },
2587
+ {
2588
+ "epoch": 0.39,
2589
+ "grad_norm": 0.08899199962615967,
2590
+ "learning_rate": 4.711269489869653e-05,
2591
+ "loss": 1.213,
2592
+ "step": 369
2593
+ },
2594
+ {
2595
+ "epoch": 0.39,
2596
+ "grad_norm": 0.0900987833738327,
2597
+ "learning_rate": 4.709207573835363e-05,
2598
+ "loss": 1.3337,
2599
+ "step": 370
2600
+ },
2601
+ {
2602
+ "epoch": 0.4,
2603
+ "grad_norm": 0.0994141548871994,
2604
+ "learning_rate": 4.70713877609449e-05,
2605
+ "loss": 1.458,
2606
+ "step": 371
2607
+ },
2608
+ {
2609
+ "epoch": 0.4,
2610
+ "grad_norm": 0.10680098831653595,
2611
+ "learning_rate": 4.7050631030913644e-05,
2612
+ "loss": 1.3494,
2613
+ "step": 372
2614
+ },
2615
+ {
2616
+ "epoch": 0.4,
2617
+ "grad_norm": 0.17104795575141907,
2618
+ "learning_rate": 4.70298056129173e-05,
2619
+ "loss": 1.2644,
2620
+ "step": 373
2621
+ },
2622
+ {
2623
+ "epoch": 0.4,
2624
+ "grad_norm": 0.08228933811187744,
2625
+ "learning_rate": 4.700891157182729e-05,
2626
+ "loss": 1.2638,
2627
+ "step": 374
2628
+ },
2629
+ {
2630
+ "epoch": 0.4,
2631
+ "grad_norm": 0.08857174217700958,
2632
+ "learning_rate": 4.698794897272877e-05,
2633
+ "loss": 1.3473,
2634
+ "step": 375
2635
+ },
2636
+ {
2637
+ "epoch": 0.4,
2638
+ "grad_norm": 0.08300795406103134,
2639
+ "learning_rate": 4.696691788092049e-05,
2640
+ "loss": 1.3295,
2641
+ "step": 376
2642
+ },
2643
+ {
2644
+ "epoch": 0.4,
2645
+ "grad_norm": 0.11059122532606125,
2646
+ "learning_rate": 4.694581836191454e-05,
2647
+ "loss": 1.2383,
2648
+ "step": 377
2649
+ },
2650
+ {
2651
+ "epoch": 0.4,
2652
+ "grad_norm": 0.09859713912010193,
2653
+ "learning_rate": 4.692465048143615e-05,
2654
+ "loss": 1.3404,
2655
+ "step": 378
2656
+ },
2657
+ {
2658
+ "epoch": 0.4,
2659
+ "grad_norm": 0.08896754682064056,
2660
+ "learning_rate": 4.6903414305423507e-05,
2661
+ "loss": 1.3865,
2662
+ "step": 379
2663
+ },
2664
+ {
2665
+ "epoch": 0.41,
2666
+ "grad_norm": 0.091724693775177,
2667
+ "learning_rate": 4.688210990002755e-05,
2668
+ "loss": 1.3131,
2669
+ "step": 380
2670
+ },
2671
+ {
2672
+ "epoch": 0.41,
2673
+ "grad_norm": 0.09057147055864334,
2674
+ "learning_rate": 4.686073733161173e-05,
2675
+ "loss": 1.2792,
2676
+ "step": 381
2677
+ },
2678
+ {
2679
+ "epoch": 0.41,
2680
+ "grad_norm": 0.09829523414373398,
2681
+ "learning_rate": 4.683929666675185e-05,
2682
+ "loss": 1.331,
2683
+ "step": 382
2684
+ },
2685
+ {
2686
+ "epoch": 0.41,
2687
+ "grad_norm": 0.09669854491949081,
2688
+ "learning_rate": 4.681778797223582e-05,
2689
+ "loss": 1.3238,
2690
+ "step": 383
2691
+ },
2692
+ {
2693
+ "epoch": 0.41,
2694
+ "grad_norm": 0.0903388261795044,
2695
+ "learning_rate": 4.679621131506347e-05,
2696
+ "loss": 1.295,
2697
+ "step": 384
2698
+ },
2699
+ {
2700
+ "epoch": 0.41,
2701
+ "grad_norm": 0.09009499102830887,
2702
+ "learning_rate": 4.6774566762446324e-05,
2703
+ "loss": 1.3714,
2704
+ "step": 385
2705
+ },
2706
+ {
2707
+ "epoch": 0.41,
2708
+ "grad_norm": 0.09612104296684265,
2709
+ "learning_rate": 4.675285438180741e-05,
2710
+ "loss": 1.3032,
2711
+ "step": 386
2712
+ },
2713
+ {
2714
+ "epoch": 0.41,
2715
+ "grad_norm": 0.09140989184379578,
2716
+ "learning_rate": 4.673107424078105e-05,
2717
+ "loss": 1.4714,
2718
+ "step": 387
2719
+ },
2720
+ {
2721
+ "epoch": 0.41,
2722
+ "grad_norm": 0.0838828906416893,
2723
+ "learning_rate": 4.670922640721261e-05,
2724
+ "loss": 1.2755,
2725
+ "step": 388
2726
+ },
2727
+ {
2728
+ "epoch": 0.42,
2729
+ "grad_norm": 0.09146388620138168,
2730
+ "learning_rate": 4.6687310949158344e-05,
2731
+ "loss": 1.3965,
2732
+ "step": 389
2733
+ },
2734
+ {
2735
+ "epoch": 0.42,
2736
+ "grad_norm": 0.09024867415428162,
2737
+ "learning_rate": 4.6665327934885174e-05,
2738
+ "loss": 1.3613,
2739
+ "step": 390
2740
+ },
2741
+ {
2742
+ "epoch": 0.42,
2743
+ "grad_norm": 0.08649884164333344,
2744
+ "learning_rate": 4.664327743287041e-05,
2745
+ "loss": 1.2359,
2746
+ "step": 391
2747
+ },
2748
+ {
2749
+ "epoch": 0.42,
2750
+ "grad_norm": 0.0954437181353569,
2751
+ "learning_rate": 4.6621159511801635e-05,
2752
+ "loss": 1.315,
2753
+ "step": 392
2754
+ },
2755
+ {
2756
+ "epoch": 0.42,
2757
+ "grad_norm": 0.09183992445468903,
2758
+ "learning_rate": 4.6598974240576406e-05,
2759
+ "loss": 1.3338,
2760
+ "step": 393
2761
+ },
2762
+ {
2763
+ "epoch": 0.42,
2764
+ "grad_norm": 0.09896053373813629,
2765
+ "learning_rate": 4.6576721688302105e-05,
2766
+ "loss": 1.3156,
2767
+ "step": 394
2768
+ },
2769
+ {
2770
+ "epoch": 0.42,
2771
+ "grad_norm": 0.0989176332950592,
2772
+ "learning_rate": 4.6554401924295686e-05,
2773
+ "loss": 1.3154,
2774
+ "step": 395
2775
+ },
2776
+ {
2777
+ "epoch": 0.42,
2778
+ "grad_norm": 0.08492989093065262,
2779
+ "learning_rate": 4.653201501808346e-05,
2780
+ "loss": 1.3708,
2781
+ "step": 396
2782
+ },
2783
+ {
2784
+ "epoch": 0.42,
2785
+ "grad_norm": 0.09674088656902313,
2786
+ "learning_rate": 4.650956103940089e-05,
2787
+ "loss": 1.3821,
2788
+ "step": 397
2789
+ },
2790
+ {
2791
+ "epoch": 0.42,
2792
+ "grad_norm": 0.09763908386230469,
2793
+ "learning_rate": 4.648704005819238e-05,
2794
+ "loss": 1.4568,
2795
+ "step": 398
2796
+ },
2797
+ {
2798
+ "epoch": 0.43,
2799
+ "grad_norm": 0.09475667029619217,
2800
+ "learning_rate": 4.6464452144611046e-05,
2801
+ "loss": 1.3513,
2802
+ "step": 399
2803
+ },
2804
+ {
2805
+ "epoch": 0.43,
2806
+ "grad_norm": 0.09377523511648178,
2807
+ "learning_rate": 4.644179736901848e-05,
2808
+ "loss": 1.3554,
2809
+ "step": 400
2810
+ },
2811
+ {
2812
+ "epoch": 0.43,
2813
+ "grad_norm": 0.08964923769235611,
2814
+ "learning_rate": 4.641907580198458e-05,
2815
+ "loss": 1.3095,
2816
+ "step": 401
2817
+ },
2818
+ {
2819
+ "epoch": 0.43,
2820
+ "grad_norm": 0.08872678130865097,
2821
+ "learning_rate": 4.6396287514287275e-05,
2822
+ "loss": 1.3737,
2823
+ "step": 402
2824
+ },
2825
+ {
2826
+ "epoch": 0.43,
2827
+ "grad_norm": 0.0877537652850151,
2828
+ "learning_rate": 4.637343257691234e-05,
2829
+ "loss": 1.3265,
2830
+ "step": 403
2831
+ },
2832
+ {
2833
+ "epoch": 0.43,
2834
+ "grad_norm": 0.08949404209852219,
2835
+ "learning_rate": 4.635051106105316e-05,
2836
+ "loss": 1.3761,
2837
+ "step": 404
2838
+ },
2839
+ {
2840
+ "epoch": 0.43,
2841
+ "grad_norm": 0.1385626494884491,
2842
+ "learning_rate": 4.632752303811053e-05,
2843
+ "loss": 1.4187,
2844
+ "step": 405
2845
+ },
2846
+ {
2847
+ "epoch": 0.43,
2848
+ "grad_norm": 0.09133272618055344,
2849
+ "learning_rate": 4.6304468579692384e-05,
2850
+ "loss": 1.1747,
2851
+ "step": 406
2852
+ },
2853
+ {
2854
+ "epoch": 0.43,
2855
+ "grad_norm": 0.09598804265260696,
2856
+ "learning_rate": 4.6281347757613626e-05,
2857
+ "loss": 1.3986,
2858
+ "step": 407
2859
+ },
2860
+ {
2861
+ "epoch": 0.44,
2862
+ "grad_norm": 0.09424811601638794,
2863
+ "learning_rate": 4.625816064389589e-05,
2864
+ "loss": 1.3617,
2865
+ "step": 408
2866
+ },
2867
+ {
2868
+ "epoch": 0.44,
2869
+ "grad_norm": 0.10442469269037247,
2870
+ "learning_rate": 4.623490731076728e-05,
2871
+ "loss": 1.2631,
2872
+ "step": 409
2873
+ },
2874
+ {
2875
+ "epoch": 0.44,
2876
+ "grad_norm": 0.08816258609294891,
2877
+ "learning_rate": 4.62115878306622e-05,
2878
+ "loss": 1.3181,
2879
+ "step": 410
2880
+ },
2881
+ {
2882
+ "epoch": 0.44,
2883
+ "grad_norm": 0.09299376606941223,
2884
+ "learning_rate": 4.61882022762211e-05,
2885
+ "loss": 1.3832,
2886
+ "step": 411
2887
+ },
2888
+ {
2889
+ "epoch": 0.44,
2890
+ "grad_norm": 0.09412654489278793,
2891
+ "learning_rate": 4.616475072029024e-05,
2892
+ "loss": 1.2522,
2893
+ "step": 412
2894
+ },
2895
+ {
2896
+ "epoch": 0.44,
2897
+ "grad_norm": 0.16249871253967285,
2898
+ "learning_rate": 4.614123323592148e-05,
2899
+ "loss": 1.4142,
2900
+ "step": 413
2901
+ },
2902
+ {
2903
+ "epoch": 0.44,
2904
+ "grad_norm": 0.08951661735773087,
2905
+ "learning_rate": 4.611764989637205e-05,
2906
+ "loss": 1.26,
2907
+ "step": 414
2908
+ },
2909
+ {
2910
+ "epoch": 0.44,
2911
+ "grad_norm": 0.09598527103662491,
2912
+ "learning_rate": 4.609400077510433e-05,
2913
+ "loss": 1.3028,
2914
+ "step": 415
2915
+ },
2916
+ {
2917
+ "epoch": 0.44,
2918
+ "grad_norm": 0.09367496520280838,
2919
+ "learning_rate": 4.607028594578559e-05,
2920
+ "loss": 1.2739,
2921
+ "step": 416
2922
+ },
2923
+ {
2924
+ "epoch": 0.45,
2925
+ "grad_norm": 0.09410126507282257,
2926
+ "learning_rate": 4.6046505482287794e-05,
2927
+ "loss": 1.4011,
2928
+ "step": 417
2929
+ },
2930
+ {
2931
+ "epoch": 0.45,
2932
+ "grad_norm": 0.0993422120809555,
2933
+ "learning_rate": 4.602265945868735e-05,
2934
+ "loss": 1.2641,
2935
+ "step": 418
2936
+ },
2937
+ {
2938
+ "epoch": 0.45,
2939
+ "grad_norm": 0.08851709961891174,
2940
+ "learning_rate": 4.59987479492649e-05,
2941
+ "loss": 1.3415,
2942
+ "step": 419
2943
+ },
2944
+ {
2945
+ "epoch": 0.45,
2946
+ "grad_norm": 0.10108134895563126,
2947
+ "learning_rate": 4.5974771028505064e-05,
2948
+ "loss": 1.3679,
2949
+ "step": 420
2950
+ },
2951
+ {
2952
+ "epoch": 0.45,
2953
+ "grad_norm": 0.08684688806533813,
2954
+ "learning_rate": 4.595072877109622e-05,
2955
+ "loss": 1.3404,
2956
+ "step": 421
2957
+ },
2958
+ {
2959
+ "epoch": 0.45,
2960
+ "grad_norm": 0.102836474776268,
2961
+ "learning_rate": 4.592662125193027e-05,
2962
+ "loss": 1.2668,
2963
+ "step": 422
2964
+ },
2965
+ {
2966
+ "epoch": 0.45,
2967
+ "grad_norm": 0.08989983052015305,
2968
+ "learning_rate": 4.59024485461024e-05,
2969
+ "loss": 1.3408,
2970
+ "step": 423
2971
+ },
2972
+ {
2973
+ "epoch": 0.45,
2974
+ "grad_norm": 0.11563542485237122,
2975
+ "learning_rate": 4.5878210728910894e-05,
2976
+ "loss": 1.4273,
2977
+ "step": 424
2978
+ },
2979
+ {
2980
+ "epoch": 0.45,
2981
+ "grad_norm": 0.09047998487949371,
2982
+ "learning_rate": 4.585390787585679e-05,
2983
+ "loss": 1.3598,
2984
+ "step": 425
2985
+ },
2986
+ {
2987
+ "epoch": 0.45,
2988
+ "grad_norm": 0.17246578633785248,
2989
+ "learning_rate": 4.5829540062643773e-05,
2990
+ "loss": 1.4129,
2991
+ "step": 426
2992
+ },
2993
+ {
2994
+ "epoch": 0.46,
2995
+ "grad_norm": 0.09310886263847351,
2996
+ "learning_rate": 4.5805107365177844e-05,
2997
+ "loss": 1.3474,
2998
+ "step": 427
2999
+ },
3000
+ {
3001
+ "epoch": 0.46,
3002
+ "grad_norm": 0.12132611870765686,
3003
+ "learning_rate": 4.5780609859567136e-05,
3004
+ "loss": 1.2837,
3005
+ "step": 428
3006
+ },
3007
+ {
3008
+ "epoch": 0.46,
3009
+ "grad_norm": 0.09810657054185867,
3010
+ "learning_rate": 4.575604762212167e-05,
3011
+ "loss": 1.2571,
3012
+ "step": 429
3013
+ },
3014
+ {
3015
+ "epoch": 0.46,
3016
+ "grad_norm": 0.1014370396733284,
3017
+ "learning_rate": 4.573142072935307e-05,
3018
+ "loss": 1.3435,
3019
+ "step": 430
3020
+ },
3021
+ {
3022
+ "epoch": 0.46,
3023
+ "grad_norm": 0.09363662451505661,
3024
+ "learning_rate": 4.570672925797439e-05,
3025
+ "loss": 1.3725,
3026
+ "step": 431
3027
+ },
3028
+ {
3029
+ "epoch": 0.46,
3030
+ "grad_norm": 0.11186376214027405,
3031
+ "learning_rate": 4.568197328489986e-05,
3032
+ "loss": 1.3095,
3033
+ "step": 432
3034
+ },
3035
+ {
3036
+ "epoch": 0.46,
3037
+ "grad_norm": 0.09949055314064026,
3038
+ "learning_rate": 4.5657152887244606e-05,
3039
+ "loss": 1.2912,
3040
+ "step": 433
3041
+ },
3042
+ {
3043
+ "epoch": 0.46,
3044
+ "grad_norm": 0.10397903621196747,
3045
+ "learning_rate": 4.563226814232444e-05,
3046
+ "loss": 1.3221,
3047
+ "step": 434
3048
+ },
3049
+ {
3050
+ "epoch": 0.46,
3051
+ "grad_norm": 0.09242431074380875,
3052
+ "learning_rate": 4.5607319127655636e-05,
3053
+ "loss": 1.3132,
3054
+ "step": 435
3055
+ },
3056
+ {
3057
+ "epoch": 0.47,
3058
+ "grad_norm": 0.09308359771966934,
3059
+ "learning_rate": 4.5582305920954643e-05,
3060
+ "loss": 1.3784,
3061
+ "step": 436
3062
+ },
3063
+ {
3064
+ "epoch": 0.47,
3065
+ "grad_norm": 0.10053109377622604,
3066
+ "learning_rate": 4.555722860013789e-05,
3067
+ "loss": 1.3767,
3068
+ "step": 437
3069
+ },
3070
+ {
3071
+ "epoch": 0.47,
3072
+ "grad_norm": 0.0856412872672081,
3073
+ "learning_rate": 4.553208724332153e-05,
3074
+ "loss": 1.3518,
3075
+ "step": 438
3076
+ },
3077
+ {
3078
+ "epoch": 0.47,
3079
+ "grad_norm": 0.09756068885326385,
3080
+ "learning_rate": 4.550688192882115e-05,
3081
+ "loss": 1.5058,
3082
+ "step": 439
3083
+ },
3084
+ {
3085
+ "epoch": 0.47,
3086
+ "grad_norm": 0.10069140046834946,
3087
+ "learning_rate": 4.54816127351516e-05,
3088
+ "loss": 1.3025,
3089
+ "step": 440
3090
+ },
3091
+ {
3092
+ "epoch": 0.47,
3093
+ "grad_norm": 0.0943472757935524,
3094
+ "learning_rate": 4.545627974102671e-05,
3095
+ "loss": 1.3474,
3096
+ "step": 441
3097
+ },
3098
+ {
3099
+ "epoch": 0.47,
3100
+ "grad_norm": 0.094652459025383,
3101
+ "learning_rate": 4.543088302535903e-05,
3102
+ "loss": 1.3433,
3103
+ "step": 442
3104
+ },
3105
+ {
3106
+ "epoch": 0.47,
3107
+ "grad_norm": 0.09766332805156708,
3108
+ "learning_rate": 4.540542266725963e-05,
3109
+ "loss": 1.2912,
3110
+ "step": 443
3111
+ },
3112
+ {
3113
+ "epoch": 0.47,
3114
+ "grad_norm": 0.0971674770116806,
3115
+ "learning_rate": 4.5379898746037804e-05,
3116
+ "loss": 1.269,
3117
+ "step": 444
3118
+ },
3119
+ {
3120
+ "epoch": 0.47,
3121
+ "grad_norm": 0.09349120408296585,
3122
+ "learning_rate": 4.535431134120086e-05,
3123
+ "loss": 1.2813,
3124
+ "step": 445
3125
+ },
3126
+ {
3127
+ "epoch": 0.48,
3128
+ "grad_norm": 0.15912680327892303,
3129
+ "learning_rate": 4.532866053245385e-05,
3130
+ "loss": 1.323,
3131
+ "step": 446
3132
+ },
3133
+ {
3134
+ "epoch": 0.48,
3135
+ "grad_norm": 0.1172761395573616,
3136
+ "learning_rate": 4.530294639969934e-05,
3137
+ "loss": 1.2852,
3138
+ "step": 447
3139
+ },
3140
+ {
3141
+ "epoch": 0.48,
3142
+ "grad_norm": 0.09645481407642365,
3143
+ "learning_rate": 4.527716902303714e-05,
3144
+ "loss": 1.3793,
3145
+ "step": 448
3146
+ },
3147
+ {
3148
+ "epoch": 0.48,
3149
+ "grad_norm": 0.09305194765329361,
3150
+ "learning_rate": 4.525132848276406e-05,
3151
+ "loss": 1.4287,
3152
+ "step": 449
3153
+ },
3154
+ {
3155
+ "epoch": 0.48,
3156
+ "grad_norm": 0.09805100411176682,
3157
+ "learning_rate": 4.522542485937369e-05,
3158
+ "loss": 1.4003,
3159
+ "step": 450
3160
+ },
3161
+ {
3162
+ "epoch": 0.48,
3163
+ "grad_norm": 0.09443584084510803,
3164
+ "learning_rate": 4.51994582335561e-05,
3165
+ "loss": 1.4108,
3166
+ "step": 451
3167
+ },
3168
+ {
3169
+ "epoch": 0.48,
3170
+ "grad_norm": 0.09847624599933624,
3171
+ "learning_rate": 4.517342868619764e-05,
3172
+ "loss": 1.3774,
3173
+ "step": 452
3174
+ },
3175
+ {
3176
+ "epoch": 0.48,
3177
+ "grad_norm": 0.09076975286006927,
3178
+ "learning_rate": 4.514733629838063e-05,
3179
+ "loss": 1.3411,
3180
+ "step": 453
3181
+ },
3182
+ {
3183
+ "epoch": 0.48,
3184
+ "grad_norm": 0.09129495918750763,
3185
+ "learning_rate": 4.5121181151383143e-05,
3186
+ "loss": 1.2343,
3187
+ "step": 454
3188
+ },
3189
+ {
3190
+ "epoch": 0.49,
3191
+ "grad_norm": 0.09538775682449341,
3192
+ "learning_rate": 4.509496332667878e-05,
3193
+ "loss": 1.309,
3194
+ "step": 455
3195
+ },
3196
+ {
3197
+ "epoch": 0.49,
3198
+ "grad_norm": 0.0932200700044632,
3199
+ "learning_rate": 4.506868290593635e-05,
3200
+ "loss": 1.4046,
3201
+ "step": 456
3202
+ },
3203
+ {
3204
+ "epoch": 0.49,
3205
+ "grad_norm": 0.09325648844242096,
3206
+ "learning_rate": 4.5042339971019666e-05,
3207
+ "loss": 1.2966,
3208
+ "step": 457
3209
+ },
3210
+ {
3211
+ "epoch": 0.49,
3212
+ "grad_norm": 0.10446179658174515,
3213
+ "learning_rate": 4.501593460398726e-05,
3214
+ "loss": 1.3569,
3215
+ "step": 458
3216
+ },
3217
+ {
3218
+ "epoch": 0.49,
3219
+ "grad_norm": 0.09409455209970474,
3220
+ "learning_rate": 4.498946688709216e-05,
3221
+ "loss": 1.3351,
3222
+ "step": 459
3223
+ },
3224
+ {
3225
+ "epoch": 0.49,
3226
+ "grad_norm": 0.09080103039741516,
3227
+ "learning_rate": 4.4962936902781594e-05,
3228
+ "loss": 1.2639,
3229
+ "step": 460
3230
+ },
3231
+ {
3232
+ "epoch": 0.49,
3233
+ "grad_norm": 0.09168045967817307,
3234
+ "learning_rate": 4.493634473369677e-05,
3235
+ "loss": 1.3146,
3236
+ "step": 461
3237
+ },
3238
+ {
3239
+ "epoch": 0.49,
3240
+ "grad_norm": 0.08616971224546432,
3241
+ "learning_rate": 4.4909690462672585e-05,
3242
+ "loss": 1.3693,
3243
+ "step": 462
3244
+ },
3245
+ {
3246
+ "epoch": 0.49,
3247
+ "grad_norm": 0.09884229302406311,
3248
+ "learning_rate": 4.488297417273741e-05,
3249
+ "loss": 1.3904,
3250
+ "step": 463
3251
+ },
3252
+ {
3253
+ "epoch": 0.5,
3254
+ "grad_norm": 0.09650994092226028,
3255
+ "learning_rate": 4.4856195947112776e-05,
3256
+ "loss": 1.4442,
3257
+ "step": 464
3258
+ },
3259
+ {
3260
+ "epoch": 0.5,
3261
+ "grad_norm": 0.09592213481664658,
3262
+ "learning_rate": 4.482935586921316e-05,
3263
+ "loss": 1.3532,
3264
+ "step": 465
3265
+ },
3266
+ {
3267
+ "epoch": 0.5,
3268
+ "grad_norm": 0.1017376109957695,
3269
+ "learning_rate": 4.480245402264572e-05,
3270
+ "loss": 1.3927,
3271
+ "step": 466
3272
+ },
3273
+ {
3274
+ "epoch": 0.5,
3275
+ "grad_norm": 0.08732669800519943,
3276
+ "learning_rate": 4.4775490491210016e-05,
3277
+ "loss": 1.3695,
3278
+ "step": 467
3279
+ },
3280
+ {
3281
+ "epoch": 0.5,
3282
+ "grad_norm": 0.09283038228750229,
3283
+ "learning_rate": 4.474846535889773e-05,
3284
+ "loss": 1.3465,
3285
+ "step": 468
3286
+ },
3287
+ {
3288
+ "epoch": 0.5,
3289
+ "grad_norm": 0.09399215877056122,
3290
+ "learning_rate": 4.472137870989247e-05,
3291
+ "loss": 1.3504,
3292
+ "step": 469
3293
+ },
3294
+ {
3295
+ "epoch": 0.5,
3296
+ "grad_norm": 0.09396019577980042,
3297
+ "learning_rate": 4.4694230628569454e-05,
3298
+ "loss": 1.328,
3299
+ "step": 470
3300
+ },
3301
+ {
3302
+ "epoch": 0.5,
3303
+ "grad_norm": 0.09818755835294724,
3304
+ "learning_rate": 4.466702119949526e-05,
3305
+ "loss": 1.3597,
3306
+ "step": 471
3307
+ },
3308
+ {
3309
+ "epoch": 0.5,
3310
+ "grad_norm": 0.10373959690332413,
3311
+ "learning_rate": 4.463975050742757e-05,
3312
+ "loss": 1.2681,
3313
+ "step": 472
3314
+ },
3315
+ {
3316
+ "epoch": 0.5,
3317
+ "grad_norm": 0.0993281677365303,
3318
+ "learning_rate": 4.461241863731489e-05,
3319
+ "loss": 1.3057,
3320
+ "step": 473
3321
+ },
3322
+ {
3323
+ "epoch": 0.51,
3324
+ "grad_norm": 0.09096087515354156,
3325
+ "learning_rate": 4.4585025674296315e-05,
3326
+ "loss": 1.3061,
3327
+ "step": 474
3328
+ },
3329
+ {
3330
+ "epoch": 0.51,
3331
+ "grad_norm": 0.09843237698078156,
3332
+ "learning_rate": 4.4557571703701226e-05,
3333
+ "loss": 1.2969,
3334
+ "step": 475
3335
+ },
3336
+ {
3337
+ "epoch": 0.51,
3338
+ "grad_norm": 0.09445469826459885,
3339
+ "learning_rate": 4.453005681104906e-05,
3340
+ "loss": 1.2051,
3341
+ "step": 476
3342
+ },
3343
+ {
3344
+ "epoch": 0.51,
3345
+ "grad_norm": 0.10724281519651413,
3346
+ "learning_rate": 4.4502481082049016e-05,
3347
+ "loss": 1.3629,
3348
+ "step": 477
3349
+ },
3350
+ {
3351
+ "epoch": 0.51,
3352
+ "grad_norm": 0.08827083557844162,
3353
+ "learning_rate": 4.4474844602599795e-05,
3354
+ "loss": 1.342,
3355
+ "step": 478
3356
+ },
3357
+ {
3358
+ "epoch": 0.51,
3359
+ "grad_norm": 0.09455974400043488,
3360
+ "learning_rate": 4.444714745878936e-05,
3361
+ "loss": 1.2408,
3362
+ "step": 479
3363
+ },
3364
+ {
3365
+ "epoch": 0.51,
3366
+ "grad_norm": 0.0963449627161026,
3367
+ "learning_rate": 4.44193897368946e-05,
3368
+ "loss": 1.3956,
3369
+ "step": 480
3370
+ },
3371
+ {
3372
+ "epoch": 0.51,
3373
+ "grad_norm": 0.1244681105017662,
3374
+ "learning_rate": 4.439157152338116e-05,
3375
+ "loss": 1.3086,
3376
+ "step": 481
3377
+ },
3378
+ {
3379
+ "epoch": 0.51,
3380
+ "grad_norm": 0.10625208914279938,
3381
+ "learning_rate": 4.436369290490307e-05,
3382
+ "loss": 1.3869,
3383
+ "step": 482
3384
+ },
3385
+ {
3386
+ "epoch": 0.52,
3387
+ "grad_norm": 0.10267725586891174,
3388
+ "learning_rate": 4.433575396830256e-05,
3389
+ "loss": 1.3136,
3390
+ "step": 483
3391
+ },
3392
+ {
3393
+ "epoch": 0.52,
3394
+ "grad_norm": 0.09765701740980148,
3395
+ "learning_rate": 4.4307754800609725e-05,
3396
+ "loss": 1.2566,
3397
+ "step": 484
3398
+ },
3399
+ {
3400
+ "epoch": 0.52,
3401
+ "grad_norm": 0.08589779585599899,
3402
+ "learning_rate": 4.427969548904228e-05,
3403
+ "loss": 1.3314,
3404
+ "step": 485
3405
+ },
3406
+ {
3407
+ "epoch": 0.52,
3408
+ "grad_norm": 0.08467262983322144,
3409
+ "learning_rate": 4.4251576121005314e-05,
3410
+ "loss": 1.228,
3411
+ "step": 486
3412
+ },
3413
+ {
3414
+ "epoch": 0.52,
3415
+ "grad_norm": 0.09379052370786667,
3416
+ "learning_rate": 4.422339678409096e-05,
3417
+ "loss": 1.3658,
3418
+ "step": 487
3419
+ },
3420
+ {
3421
+ "epoch": 0.52,
3422
+ "grad_norm": 0.10410299897193909,
3423
+ "learning_rate": 4.4195157566078186e-05,
3424
+ "loss": 1.2542,
3425
+ "step": 488
3426
+ },
3427
+ {
3428
+ "epoch": 0.52,
3429
+ "grad_norm": 0.09087986499071121,
3430
+ "learning_rate": 4.416685855493247e-05,
3431
+ "loss": 1.2092,
3432
+ "step": 489
3433
+ },
3434
+ {
3435
+ "epoch": 0.52,
3436
+ "grad_norm": 0.09085581451654434,
3437
+ "learning_rate": 4.413849983880554e-05,
3438
+ "loss": 1.2962,
3439
+ "step": 490
3440
+ },
3441
+ {
3442
+ "epoch": 0.52,
3443
+ "grad_norm": 0.09474420547485352,
3444
+ "learning_rate": 4.411008150603514e-05,
3445
+ "loss": 1.3953,
3446
+ "step": 491
3447
+ },
3448
+ {
3449
+ "epoch": 0.53,
3450
+ "grad_norm": 0.09279070049524307,
3451
+ "learning_rate": 4.408160364514468e-05,
3452
+ "loss": 1.3184,
3453
+ "step": 492
3454
+ },
3455
+ {
3456
+ "epoch": 0.53,
3457
+ "grad_norm": 0.09756158292293549,
3458
+ "learning_rate": 4.405306634484303e-05,
3459
+ "loss": 1.3197,
3460
+ "step": 493
3461
+ },
3462
+ {
3463
+ "epoch": 0.53,
3464
+ "grad_norm": 0.09180128574371338,
3465
+ "learning_rate": 4.40244696940242e-05,
3466
+ "loss": 1.2856,
3467
+ "step": 494
3468
+ },
3469
+ {
3470
+ "epoch": 0.53,
3471
+ "grad_norm": 0.09457723051309586,
3472
+ "learning_rate": 4.399581378176707e-05,
3473
+ "loss": 1.3081,
3474
+ "step": 495
3475
+ },
3476
+ {
3477
+ "epoch": 0.53,
3478
+ "grad_norm": 0.09794706106185913,
3479
+ "learning_rate": 4.396709869733515e-05,
3480
+ "loss": 1.3562,
3481
+ "step": 496
3482
+ },
3483
+ {
3484
+ "epoch": 0.53,
3485
+ "grad_norm": 0.0874537006020546,
3486
+ "learning_rate": 4.3938324530176236e-05,
3487
+ "loss": 1.3235,
3488
+ "step": 497
3489
+ },
3490
+ {
3491
+ "epoch": 0.53,
3492
+ "grad_norm": 0.0974416732788086,
3493
+ "learning_rate": 4.39094913699222e-05,
3494
+ "loss": 1.4397,
3495
+ "step": 498
3496
+ },
3497
+ {
3498
+ "epoch": 0.53,
3499
+ "grad_norm": 0.09341360628604889,
3500
+ "learning_rate": 4.388059930638865e-05,
3501
+ "loss": 1.3448,
3502
+ "step": 499
3503
+ },
3504
+ {
3505
+ "epoch": 0.53,
3506
+ "grad_norm": 0.08748738467693329,
3507
+ "learning_rate": 4.385164842957469e-05,
3508
+ "loss": 1.2659,
3509
+ "step": 500
3510
+ }
3511
+ ],
3512
+ "logging_steps": 1.0,
3513
+ "max_steps": 1874,
3514
+ "num_input_tokens_seen": 0,
3515
+ "num_train_epochs": 2,
3516
+ "save_steps": 50,
3517
+ "total_flos": 1.3535591043956736e+19,
3518
+ "train_batch_size": 4,
3519
+ "trial_name": null,
3520
+ "trial_params": null
3521
+ }
training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:d2c7ac8d0758621bbab2fc44e94577243464de4abfde80474b7eabbd4f9251b3
3
+ size 5048