vedaradhak commited on
Commit
81e2132
·
verified ·
1 Parent(s): 7ec11ce

Upload 9 files

Browse files
config.json ADDED
@@ -0,0 +1,61 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "openai/whisper-small",
3
+ "activation_dropout": 0.0,
4
+ "activation_function": "gelu",
5
+ "apply_spec_augment": false,
6
+ "architectures": [
7
+ "WhisperForConditionalGeneration"
8
+ ],
9
+ "attention_dropout": 0.0,
10
+ "begin_suppress_tokens": null,
11
+ "bos_token_id": 50257,
12
+ "classifier_proj_size": 256,
13
+ "d_model": 768,
14
+ "decoder_attention_heads": 12,
15
+ "decoder_ffn_dim": 3072,
16
+ "decoder_layerdrop": 0.0,
17
+ "decoder_layers": 12,
18
+ "decoder_start_token_id": 50258,
19
+ "dropout": 0.0,
20
+ "encoder_attention_heads": 12,
21
+ "encoder_ffn_dim": 3072,
22
+ "encoder_layerdrop": 0.0,
23
+ "encoder_layers": 12,
24
+ "eos_token_id": 50257,
25
+ "forced_decoder_ids": [
26
+ [
27
+ 1,
28
+ 50259
29
+ ],
30
+ [
31
+ 2,
32
+ 50359
33
+ ],
34
+ [
35
+ 3,
36
+ 50363
37
+ ]
38
+ ],
39
+ "init_std": 0.02,
40
+ "is_encoder_decoder": true,
41
+ "mask_feature_length": 10,
42
+ "mask_feature_min_masks": 0,
43
+ "mask_feature_prob": 0.0,
44
+ "mask_time_length": 10,
45
+ "mask_time_min_masks": 2,
46
+ "mask_time_prob": 0.05,
47
+ "max_length": null,
48
+ "max_source_positions": 1500,
49
+ "max_target_positions": 448,
50
+ "median_filter_width": 7,
51
+ "model_type": "whisper",
52
+ "num_hidden_layers": 12,
53
+ "num_mel_bins": 80,
54
+ "pad_token_id": 50257,
55
+ "scale_embedding": false,
56
+ "torch_dtype": "float32",
57
+ "transformers_version": "4.46.2",
58
+ "use_cache": true,
59
+ "use_weighted_layer_sum": false,
60
+ "vocab_size": 51865
61
+ }
generation_config.json ADDED
@@ -0,0 +1,262 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "alignment_heads": [
3
+ [
4
+ 5,
5
+ 3
6
+ ],
7
+ [
8
+ 5,
9
+ 9
10
+ ],
11
+ [
12
+ 8,
13
+ 0
14
+ ],
15
+ [
16
+ 8,
17
+ 4
18
+ ],
19
+ [
20
+ 8,
21
+ 7
22
+ ],
23
+ [
24
+ 8,
25
+ 8
26
+ ],
27
+ [
28
+ 9,
29
+ 0
30
+ ],
31
+ [
32
+ 9,
33
+ 7
34
+ ],
35
+ [
36
+ 9,
37
+ 9
38
+ ],
39
+ [
40
+ 10,
41
+ 5
42
+ ]
43
+ ],
44
+ "begin_suppress_tokens": [
45
+ 220,
46
+ 50257
47
+ ],
48
+ "bos_token_id": 50257,
49
+ "decoder_start_token_id": 50258,
50
+ "eos_token_id": 50257,
51
+ "forced_decoder_ids": [
52
+ [
53
+ 1,
54
+ null
55
+ ],
56
+ [
57
+ 2,
58
+ 50359
59
+ ]
60
+ ],
61
+ "is_multilingual": true,
62
+ "lang_to_id": {
63
+ "<|af|>": 50327,
64
+ "<|am|>": 50334,
65
+ "<|ar|>": 50272,
66
+ "<|as|>": 50350,
67
+ "<|az|>": 50304,
68
+ "<|ba|>": 50355,
69
+ "<|be|>": 50330,
70
+ "<|bg|>": 50292,
71
+ "<|bn|>": 50302,
72
+ "<|bo|>": 50347,
73
+ "<|br|>": 50309,
74
+ "<|bs|>": 50315,
75
+ "<|ca|>": 50270,
76
+ "<|cs|>": 50283,
77
+ "<|cy|>": 50297,
78
+ "<|da|>": 50285,
79
+ "<|de|>": 50261,
80
+ "<|el|>": 50281,
81
+ "<|en|>": 50259,
82
+ "<|es|>": 50262,
83
+ "<|et|>": 50307,
84
+ "<|eu|>": 50310,
85
+ "<|fa|>": 50300,
86
+ "<|fi|>": 50277,
87
+ "<|fo|>": 50338,
88
+ "<|fr|>": 50265,
89
+ "<|gl|>": 50319,
90
+ "<|gu|>": 50333,
91
+ "<|haw|>": 50352,
92
+ "<|ha|>": 50354,
93
+ "<|he|>": 50279,
94
+ "<|hi|>": 50276,
95
+ "<|hr|>": 50291,
96
+ "<|ht|>": 50339,
97
+ "<|hu|>": 50286,
98
+ "<|hy|>": 50312,
99
+ "<|id|>": 50275,
100
+ "<|is|>": 50311,
101
+ "<|it|>": 50274,
102
+ "<|ja|>": 50266,
103
+ "<|jw|>": 50356,
104
+ "<|ka|>": 50329,
105
+ "<|kk|>": 50316,
106
+ "<|km|>": 50323,
107
+ "<|kn|>": 50306,
108
+ "<|ko|>": 50264,
109
+ "<|la|>": 50294,
110
+ "<|lb|>": 50345,
111
+ "<|ln|>": 50353,
112
+ "<|lo|>": 50336,
113
+ "<|lt|>": 50293,
114
+ "<|lv|>": 50301,
115
+ "<|mg|>": 50349,
116
+ "<|mi|>": 50295,
117
+ "<|mk|>": 50308,
118
+ "<|ml|>": 50296,
119
+ "<|mn|>": 50314,
120
+ "<|mr|>": 50320,
121
+ "<|ms|>": 50282,
122
+ "<|mt|>": 50343,
123
+ "<|my|>": 50346,
124
+ "<|ne|>": 50313,
125
+ "<|nl|>": 50271,
126
+ "<|nn|>": 50342,
127
+ "<|no|>": 50288,
128
+ "<|oc|>": 50328,
129
+ "<|pa|>": 50321,
130
+ "<|pl|>": 50269,
131
+ "<|ps|>": 50340,
132
+ "<|pt|>": 50267,
133
+ "<|ro|>": 50284,
134
+ "<|ru|>": 50263,
135
+ "<|sa|>": 50344,
136
+ "<|sd|>": 50332,
137
+ "<|si|>": 50322,
138
+ "<|sk|>": 50298,
139
+ "<|sl|>": 50305,
140
+ "<|sn|>": 50324,
141
+ "<|so|>": 50326,
142
+ "<|sq|>": 50317,
143
+ "<|sr|>": 50303,
144
+ "<|su|>": 50357,
145
+ "<|sv|>": 50273,
146
+ "<|sw|>": 50318,
147
+ "<|ta|>": 50287,
148
+ "<|te|>": 50299,
149
+ "<|tg|>": 50331,
150
+ "<|th|>": 50289,
151
+ "<|tk|>": 50341,
152
+ "<|tl|>": 50348,
153
+ "<|tr|>": 50268,
154
+ "<|tt|>": 50351,
155
+ "<|uk|>": 50280,
156
+ "<|ur|>": 50290,
157
+ "<|uz|>": 50337,
158
+ "<|vi|>": 50278,
159
+ "<|yi|>": 50335,
160
+ "<|yo|>": 50325,
161
+ "<|zh|>": 50260
162
+ },
163
+ "max_initial_timestamp_index": 50,
164
+ "max_length": 448,
165
+ "no_timestamps_token_id": 50363,
166
+ "pad_token_id": 50257,
167
+ "prev_sot_token_id": 50361,
168
+ "return_timestamps": false,
169
+ "suppress_tokens": [
170
+ 1,
171
+ 2,
172
+ 7,
173
+ 8,
174
+ 9,
175
+ 10,
176
+ 14,
177
+ 25,
178
+ 26,
179
+ 27,
180
+ 28,
181
+ 29,
182
+ 31,
183
+ 58,
184
+ 59,
185
+ 60,
186
+ 61,
187
+ 62,
188
+ 63,
189
+ 90,
190
+ 91,
191
+ 92,
192
+ 93,
193
+ 359,
194
+ 503,
195
+ 522,
196
+ 542,
197
+ 873,
198
+ 893,
199
+ 902,
200
+ 918,
201
+ 922,
202
+ 931,
203
+ 1350,
204
+ 1853,
205
+ 1982,
206
+ 2460,
207
+ 2627,
208
+ 3246,
209
+ 3253,
210
+ 3268,
211
+ 3536,
212
+ 3846,
213
+ 3961,
214
+ 4183,
215
+ 4667,
216
+ 6585,
217
+ 6647,
218
+ 7273,
219
+ 9061,
220
+ 9383,
221
+ 10428,
222
+ 10929,
223
+ 11938,
224
+ 12033,
225
+ 12331,
226
+ 12562,
227
+ 13793,
228
+ 14157,
229
+ 14635,
230
+ 15265,
231
+ 15618,
232
+ 16553,
233
+ 16604,
234
+ 18362,
235
+ 18956,
236
+ 20075,
237
+ 21675,
238
+ 22520,
239
+ 26130,
240
+ 26161,
241
+ 26435,
242
+ 28279,
243
+ 29464,
244
+ 31650,
245
+ 32302,
246
+ 32470,
247
+ 36865,
248
+ 42863,
249
+ 47425,
250
+ 49870,
251
+ 50254,
252
+ 50258,
253
+ 50360,
254
+ 50361,
255
+ 50362
256
+ ],
257
+ "task_to_id": {
258
+ "transcribe": 50359,
259
+ "translate": 50358
260
+ },
261
+ "transformers_version": "4.46.2"
262
+ }
model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:aebb6c271eff7ab1a6f9b4fd642cc2da021a40ac7f968073f46100535cd45e31
3
+ size 966995080
optimizer.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:19a4ad4631cc9c9db4d0d43292557063eb2b2b25d86b722ac42e7e2ecd835cb4
3
+ size 1925064044
preprocessor_config.json ADDED
@@ -0,0 +1,14 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "chunk_length": 30,
3
+ "feature_extractor_type": "WhisperFeatureExtractor",
4
+ "feature_size": 80,
5
+ "hop_length": 160,
6
+ "n_fft": 400,
7
+ "n_samples": 480000,
8
+ "nb_max_frames": 3000,
9
+ "padding_side": "right",
10
+ "padding_value": 0.0,
11
+ "processor_class": "WhisperProcessor",
12
+ "return_attention_mask": false,
13
+ "sampling_rate": 16000
14
+ }
rng_state.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:32aaf049cc53791a5beae7383ac87c32e1779c488d893928dbedb1f93005bd7e
3
+ size 14244
scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:9bf6d6461f193b93f4eeb4df0f7a33d39520a76389b97b65c4e6112e16065f47
3
+ size 1064
trainer_state.json ADDED
@@ -0,0 +1,1153 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 6.420545746388443,
5
+ "eval_steps": 500,
6
+ "global_step": 8000,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.04012841091492777,
13
+ "grad_norm": 86.5052261352539,
14
+ "learning_rate": 5.750000000000001e-07,
15
+ "loss": 2.891,
16
+ "step": 50
17
+ },
18
+ {
19
+ "epoch": 0.08025682182985554,
20
+ "grad_norm": 44.9648551940918,
21
+ "learning_rate": 1.2000000000000002e-06,
22
+ "loss": 2.0127,
23
+ "step": 100
24
+ },
25
+ {
26
+ "epoch": 0.12038523274478331,
27
+ "grad_norm": 32.67415237426758,
28
+ "learning_rate": 1.825e-06,
29
+ "loss": 1.3251,
30
+ "step": 150
31
+ },
32
+ {
33
+ "epoch": 0.16051364365971107,
34
+ "grad_norm": 33.664764404296875,
35
+ "learning_rate": 2.4500000000000003e-06,
36
+ "loss": 1.139,
37
+ "step": 200
38
+ },
39
+ {
40
+ "epoch": 0.20064205457463885,
41
+ "grad_norm": 38.86428451538086,
42
+ "learning_rate": 3.075e-06,
43
+ "loss": 0.9913,
44
+ "step": 250
45
+ },
46
+ {
47
+ "epoch": 0.24077046548956663,
48
+ "grad_norm": 38.11140441894531,
49
+ "learning_rate": 3.7e-06,
50
+ "loss": 0.9344,
51
+ "step": 300
52
+ },
53
+ {
54
+ "epoch": 0.2808988764044944,
55
+ "grad_norm": 39.1014518737793,
56
+ "learning_rate": 4.325e-06,
57
+ "loss": 0.8068,
58
+ "step": 350
59
+ },
60
+ {
61
+ "epoch": 0.32102728731942215,
62
+ "grad_norm": 19.286678314208984,
63
+ "learning_rate": 4.95e-06,
64
+ "loss": 0.7104,
65
+ "step": 400
66
+ },
67
+ {
68
+ "epoch": 0.3611556982343499,
69
+ "grad_norm": 24.21994972229004,
70
+ "learning_rate": 5.575000000000001e-06,
71
+ "loss": 0.6199,
72
+ "step": 450
73
+ },
74
+ {
75
+ "epoch": 0.4012841091492777,
76
+ "grad_norm": 23.403148651123047,
77
+ "learning_rate": 6.200000000000001e-06,
78
+ "loss": 0.6139,
79
+ "step": 500
80
+ },
81
+ {
82
+ "epoch": 0.44141252006420545,
83
+ "grad_norm": 21.166723251342773,
84
+ "learning_rate": 6.825000000000001e-06,
85
+ "loss": 0.5843,
86
+ "step": 550
87
+ },
88
+ {
89
+ "epoch": 0.48154093097913325,
90
+ "grad_norm": 18.9536075592041,
91
+ "learning_rate": 7.450000000000001e-06,
92
+ "loss": 0.578,
93
+ "step": 600
94
+ },
95
+ {
96
+ "epoch": 0.521669341894061,
97
+ "grad_norm": 21.438701629638672,
98
+ "learning_rate": 8.075000000000001e-06,
99
+ "loss": 0.5505,
100
+ "step": 650
101
+ },
102
+ {
103
+ "epoch": 0.5617977528089888,
104
+ "grad_norm": 25.26392364501953,
105
+ "learning_rate": 8.700000000000001e-06,
106
+ "loss": 0.5649,
107
+ "step": 700
108
+ },
109
+ {
110
+ "epoch": 0.6019261637239165,
111
+ "grad_norm": 19.77715492248535,
112
+ "learning_rate": 9.325000000000001e-06,
113
+ "loss": 0.5839,
114
+ "step": 750
115
+ },
116
+ {
117
+ "epoch": 0.6420545746388443,
118
+ "grad_norm": 20.142839431762695,
119
+ "learning_rate": 9.950000000000001e-06,
120
+ "loss": 0.5518,
121
+ "step": 800
122
+ },
123
+ {
124
+ "epoch": 0.6821829855537721,
125
+ "grad_norm": 20.156387329101562,
126
+ "learning_rate": 9.936111111111112e-06,
127
+ "loss": 0.5514,
128
+ "step": 850
129
+ },
130
+ {
131
+ "epoch": 0.7223113964686998,
132
+ "grad_norm": 21.246883392333984,
133
+ "learning_rate": 9.866666666666668e-06,
134
+ "loss": 0.5125,
135
+ "step": 900
136
+ },
137
+ {
138
+ "epoch": 0.7624398073836276,
139
+ "grad_norm": 17.57798957824707,
140
+ "learning_rate": 9.797222222222223e-06,
141
+ "loss": 0.5129,
142
+ "step": 950
143
+ },
144
+ {
145
+ "epoch": 0.8025682182985554,
146
+ "grad_norm": 18.979021072387695,
147
+ "learning_rate": 9.727777777777777e-06,
148
+ "loss": 0.493,
149
+ "step": 1000
150
+ },
151
+ {
152
+ "epoch": 0.8426966292134831,
153
+ "grad_norm": 20.188549041748047,
154
+ "learning_rate": 9.658333333333334e-06,
155
+ "loss": 0.5158,
156
+ "step": 1050
157
+ },
158
+ {
159
+ "epoch": 0.8828250401284109,
160
+ "grad_norm": 17.60784149169922,
161
+ "learning_rate": 9.58888888888889e-06,
162
+ "loss": 0.4901,
163
+ "step": 1100
164
+ },
165
+ {
166
+ "epoch": 0.9229534510433387,
167
+ "grad_norm": 38.89186477661133,
168
+ "learning_rate": 9.519444444444446e-06,
169
+ "loss": 0.493,
170
+ "step": 1150
171
+ },
172
+ {
173
+ "epoch": 0.9630818619582665,
174
+ "grad_norm": 20.224136352539062,
175
+ "learning_rate": 9.450000000000001e-06,
176
+ "loss": 0.4911,
177
+ "step": 1200
178
+ },
179
+ {
180
+ "epoch": 1.0032102728731942,
181
+ "grad_norm": 13.886350631713867,
182
+ "learning_rate": 9.380555555555556e-06,
183
+ "loss": 0.4649,
184
+ "step": 1250
185
+ },
186
+ {
187
+ "epoch": 1.043338683788122,
188
+ "grad_norm": 14.338887214660645,
189
+ "learning_rate": 9.311111111111112e-06,
190
+ "loss": 0.3867,
191
+ "step": 1300
192
+ },
193
+ {
194
+ "epoch": 1.0834670947030498,
195
+ "grad_norm": 17.406949996948242,
196
+ "learning_rate": 9.241666666666668e-06,
197
+ "loss": 0.3609,
198
+ "step": 1350
199
+ },
200
+ {
201
+ "epoch": 1.1235955056179776,
202
+ "grad_norm": 19.521095275878906,
203
+ "learning_rate": 9.172222222222223e-06,
204
+ "loss": 0.354,
205
+ "step": 1400
206
+ },
207
+ {
208
+ "epoch": 1.1637239165329052,
209
+ "grad_norm": 14.558744430541992,
210
+ "learning_rate": 9.102777777777777e-06,
211
+ "loss": 0.357,
212
+ "step": 1450
213
+ },
214
+ {
215
+ "epoch": 1.203852327447833,
216
+ "grad_norm": 13.476064682006836,
217
+ "learning_rate": 9.033333333333334e-06,
218
+ "loss": 0.3593,
219
+ "step": 1500
220
+ },
221
+ {
222
+ "epoch": 1.2439807383627608,
223
+ "grad_norm": 15.735109329223633,
224
+ "learning_rate": 8.96388888888889e-06,
225
+ "loss": 0.3567,
226
+ "step": 1550
227
+ },
228
+ {
229
+ "epoch": 1.2841091492776886,
230
+ "grad_norm": 17.4168758392334,
231
+ "learning_rate": 8.894444444444445e-06,
232
+ "loss": 0.3534,
233
+ "step": 1600
234
+ },
235
+ {
236
+ "epoch": 1.3242375601926164,
237
+ "grad_norm": 17.488101959228516,
238
+ "learning_rate": 8.825000000000001e-06,
239
+ "loss": 0.3481,
240
+ "step": 1650
241
+ },
242
+ {
243
+ "epoch": 1.3643659711075442,
244
+ "grad_norm": 14.388931274414062,
245
+ "learning_rate": 8.755555555555556e-06,
246
+ "loss": 0.3517,
247
+ "step": 1700
248
+ },
249
+ {
250
+ "epoch": 1.404494382022472,
251
+ "grad_norm": 14.942325592041016,
252
+ "learning_rate": 8.686111111111112e-06,
253
+ "loss": 0.3361,
254
+ "step": 1750
255
+ },
256
+ {
257
+ "epoch": 1.4446227929373996,
258
+ "grad_norm": 19.468101501464844,
259
+ "learning_rate": 8.616666666666668e-06,
260
+ "loss": 0.349,
261
+ "step": 1800
262
+ },
263
+ {
264
+ "epoch": 1.4847512038523274,
265
+ "grad_norm": 17.254077911376953,
266
+ "learning_rate": 8.547222222222223e-06,
267
+ "loss": 0.3593,
268
+ "step": 1850
269
+ },
270
+ {
271
+ "epoch": 1.5248796147672552,
272
+ "grad_norm": 14.908585548400879,
273
+ "learning_rate": 8.477777777777778e-06,
274
+ "loss": 0.3464,
275
+ "step": 1900
276
+ },
277
+ {
278
+ "epoch": 1.565008025682183,
279
+ "grad_norm": 14.53330135345459,
280
+ "learning_rate": 8.408333333333334e-06,
281
+ "loss": 0.3431,
282
+ "step": 1950
283
+ },
284
+ {
285
+ "epoch": 1.6051364365971108,
286
+ "grad_norm": 16.17108154296875,
287
+ "learning_rate": 8.33888888888889e-06,
288
+ "loss": 0.3272,
289
+ "step": 2000
290
+ },
291
+ {
292
+ "epoch": 1.6452648475120384,
293
+ "grad_norm": 17.363994598388672,
294
+ "learning_rate": 8.269444444444445e-06,
295
+ "loss": 0.354,
296
+ "step": 2050
297
+ },
298
+ {
299
+ "epoch": 1.6853932584269664,
300
+ "grad_norm": 15.006171226501465,
301
+ "learning_rate": 8.2e-06,
302
+ "loss": 0.3399,
303
+ "step": 2100
304
+ },
305
+ {
306
+ "epoch": 1.725521669341894,
307
+ "grad_norm": 19.402164459228516,
308
+ "learning_rate": 8.130555555555556e-06,
309
+ "loss": 0.3507,
310
+ "step": 2150
311
+ },
312
+ {
313
+ "epoch": 1.7656500802568218,
314
+ "grad_norm": 18.973295211791992,
315
+ "learning_rate": 8.061111111111112e-06,
316
+ "loss": 0.3384,
317
+ "step": 2200
318
+ },
319
+ {
320
+ "epoch": 1.8057784911717496,
321
+ "grad_norm": 16.426692962646484,
322
+ "learning_rate": 7.991666666666668e-06,
323
+ "loss": 0.3475,
324
+ "step": 2250
325
+ },
326
+ {
327
+ "epoch": 1.8459069020866774,
328
+ "grad_norm": 15.58637523651123,
329
+ "learning_rate": 7.922222222222223e-06,
330
+ "loss": 0.3392,
331
+ "step": 2300
332
+ },
333
+ {
334
+ "epoch": 1.8860353130016052,
335
+ "grad_norm": 22.870681762695312,
336
+ "learning_rate": 7.852777777777778e-06,
337
+ "loss": 0.3379,
338
+ "step": 2350
339
+ },
340
+ {
341
+ "epoch": 1.9261637239165328,
342
+ "grad_norm": 13.37627124786377,
343
+ "learning_rate": 7.783333333333334e-06,
344
+ "loss": 0.3397,
345
+ "step": 2400
346
+ },
347
+ {
348
+ "epoch": 1.9662921348314608,
349
+ "grad_norm": 13.650712013244629,
350
+ "learning_rate": 7.71388888888889e-06,
351
+ "loss": 0.3325,
352
+ "step": 2450
353
+ },
354
+ {
355
+ "epoch": 2.0064205457463884,
356
+ "grad_norm": 11.761895179748535,
357
+ "learning_rate": 7.644444444444445e-06,
358
+ "loss": 0.3198,
359
+ "step": 2500
360
+ },
361
+ {
362
+ "epoch": 2.0465489566613164,
363
+ "grad_norm": 10.545045852661133,
364
+ "learning_rate": 7.575e-06,
365
+ "loss": 0.2247,
366
+ "step": 2550
367
+ },
368
+ {
369
+ "epoch": 2.086677367576244,
370
+ "grad_norm": 14.525964736938477,
371
+ "learning_rate": 7.505555555555556e-06,
372
+ "loss": 0.2106,
373
+ "step": 2600
374
+ },
375
+ {
376
+ "epoch": 2.1268057784911716,
377
+ "grad_norm": 12.788507461547852,
378
+ "learning_rate": 7.436111111111112e-06,
379
+ "loss": 0.2179,
380
+ "step": 2650
381
+ },
382
+ {
383
+ "epoch": 2.1669341894060996,
384
+ "grad_norm": 15.106952667236328,
385
+ "learning_rate": 7.3666666666666676e-06,
386
+ "loss": 0.23,
387
+ "step": 2700
388
+ },
389
+ {
390
+ "epoch": 2.207062600321027,
391
+ "grad_norm": 14.04389762878418,
392
+ "learning_rate": 7.297222222222223e-06,
393
+ "loss": 0.2156,
394
+ "step": 2750
395
+ },
396
+ {
397
+ "epoch": 2.247191011235955,
398
+ "grad_norm": 17.352598190307617,
399
+ "learning_rate": 7.227777777777778e-06,
400
+ "loss": 0.2175,
401
+ "step": 2800
402
+ },
403
+ {
404
+ "epoch": 2.287319422150883,
405
+ "grad_norm": 11.569601058959961,
406
+ "learning_rate": 7.158333333333334e-06,
407
+ "loss": 0.2079,
408
+ "step": 2850
409
+ },
410
+ {
411
+ "epoch": 2.3274478330658104,
412
+ "grad_norm": 14.02609634399414,
413
+ "learning_rate": 7.0888888888888894e-06,
414
+ "loss": 0.2307,
415
+ "step": 2900
416
+ },
417
+ {
418
+ "epoch": 2.3675762439807384,
419
+ "grad_norm": 15.397391319274902,
420
+ "learning_rate": 7.019444444444446e-06,
421
+ "loss": 0.211,
422
+ "step": 2950
423
+ },
424
+ {
425
+ "epoch": 2.407704654895666,
426
+ "grad_norm": 13.850847244262695,
427
+ "learning_rate": 6.95e-06,
428
+ "loss": 0.2115,
429
+ "step": 3000
430
+ },
431
+ {
432
+ "epoch": 2.447833065810594,
433
+ "grad_norm": 10.497112274169922,
434
+ "learning_rate": 6.880555555555556e-06,
435
+ "loss": 0.2071,
436
+ "step": 3050
437
+ },
438
+ {
439
+ "epoch": 2.4879614767255216,
440
+ "grad_norm": 13.437689781188965,
441
+ "learning_rate": 6.811111111111111e-06,
442
+ "loss": 0.2085,
443
+ "step": 3100
444
+ },
445
+ {
446
+ "epoch": 2.5280898876404496,
447
+ "grad_norm": 17.070728302001953,
448
+ "learning_rate": 6.741666666666668e-06,
449
+ "loss": 0.2022,
450
+ "step": 3150
451
+ },
452
+ {
453
+ "epoch": 2.568218298555377,
454
+ "grad_norm": 14.102376937866211,
455
+ "learning_rate": 6.672222222222223e-06,
456
+ "loss": 0.2014,
457
+ "step": 3200
458
+ },
459
+ {
460
+ "epoch": 2.608346709470305,
461
+ "grad_norm": 12.899041175842285,
462
+ "learning_rate": 6.602777777777778e-06,
463
+ "loss": 0.2172,
464
+ "step": 3250
465
+ },
466
+ {
467
+ "epoch": 2.648475120385233,
468
+ "grad_norm": 15.379789352416992,
469
+ "learning_rate": 6.533333333333334e-06,
470
+ "loss": 0.2096,
471
+ "step": 3300
472
+ },
473
+ {
474
+ "epoch": 2.6886035313001604,
475
+ "grad_norm": 12.808381080627441,
476
+ "learning_rate": 6.4638888888888895e-06,
477
+ "loss": 0.2154,
478
+ "step": 3350
479
+ },
480
+ {
481
+ "epoch": 2.7287319422150884,
482
+ "grad_norm": 13.826408386230469,
483
+ "learning_rate": 6.394444444444445e-06,
484
+ "loss": 0.2176,
485
+ "step": 3400
486
+ },
487
+ {
488
+ "epoch": 2.768860353130016,
489
+ "grad_norm": 14.112689971923828,
490
+ "learning_rate": 6.3250000000000004e-06,
491
+ "loss": 0.2079,
492
+ "step": 3450
493
+ },
494
+ {
495
+ "epoch": 2.808988764044944,
496
+ "grad_norm": 11.431640625,
497
+ "learning_rate": 6.255555555555556e-06,
498
+ "loss": 0.2152,
499
+ "step": 3500
500
+ },
501
+ {
502
+ "epoch": 2.8491171749598716,
503
+ "grad_norm": 17.434322357177734,
504
+ "learning_rate": 6.186111111111111e-06,
505
+ "loss": 0.189,
506
+ "step": 3550
507
+ },
508
+ {
509
+ "epoch": 2.889245585874799,
510
+ "grad_norm": 15.394646644592285,
511
+ "learning_rate": 6.116666666666668e-06,
512
+ "loss": 0.2078,
513
+ "step": 3600
514
+ },
515
+ {
516
+ "epoch": 2.929373996789727,
517
+ "grad_norm": 19.227445602416992,
518
+ "learning_rate": 6.047222222222223e-06,
519
+ "loss": 0.2104,
520
+ "step": 3650
521
+ },
522
+ {
523
+ "epoch": 2.969502407704655,
524
+ "grad_norm": 14.099166870117188,
525
+ "learning_rate": 5.977777777777778e-06,
526
+ "loss": 0.2252,
527
+ "step": 3700
528
+ },
529
+ {
530
+ "epoch": 3.009630818619583,
531
+ "grad_norm": 11.261530876159668,
532
+ "learning_rate": 5.908333333333334e-06,
533
+ "loss": 0.1895,
534
+ "step": 3750
535
+ },
536
+ {
537
+ "epoch": 3.0497592295345104,
538
+ "grad_norm": 8.676029205322266,
539
+ "learning_rate": 5.8388888888888895e-06,
540
+ "loss": 0.133,
541
+ "step": 3800
542
+ },
543
+ {
544
+ "epoch": 3.0898876404494384,
545
+ "grad_norm": 8.65832233428955,
546
+ "learning_rate": 5.769444444444445e-06,
547
+ "loss": 0.1152,
548
+ "step": 3850
549
+ },
550
+ {
551
+ "epoch": 3.130016051364366,
552
+ "grad_norm": 9.719037055969238,
553
+ "learning_rate": 5.7e-06,
554
+ "loss": 0.1261,
555
+ "step": 3900
556
+ },
557
+ {
558
+ "epoch": 3.1701444622792936,
559
+ "grad_norm": 12.145017623901367,
560
+ "learning_rate": 5.630555555555556e-06,
561
+ "loss": 0.1216,
562
+ "step": 3950
563
+ },
564
+ {
565
+ "epoch": 3.2102728731942216,
566
+ "grad_norm": 10.67035961151123,
567
+ "learning_rate": 5.561111111111111e-06,
568
+ "loss": 0.1341,
569
+ "step": 4000
570
+ },
571
+ {
572
+ "epoch": 3.250401284109149,
573
+ "grad_norm": 13.00109577178955,
574
+ "learning_rate": 5.491666666666668e-06,
575
+ "loss": 0.1294,
576
+ "step": 4050
577
+ },
578
+ {
579
+ "epoch": 3.290529695024077,
580
+ "grad_norm": 34.79175567626953,
581
+ "learning_rate": 5.422222222222223e-06,
582
+ "loss": 0.1287,
583
+ "step": 4100
584
+ },
585
+ {
586
+ "epoch": 3.330658105939005,
587
+ "grad_norm": 8.047740936279297,
588
+ "learning_rate": 5.352777777777778e-06,
589
+ "loss": 0.1282,
590
+ "step": 4150
591
+ },
592
+ {
593
+ "epoch": 3.370786516853933,
594
+ "grad_norm": 10.46933364868164,
595
+ "learning_rate": 5.283333333333333e-06,
596
+ "loss": 0.126,
597
+ "step": 4200
598
+ },
599
+ {
600
+ "epoch": 3.4109149277688604,
601
+ "grad_norm": 9.083063125610352,
602
+ "learning_rate": 5.21388888888889e-06,
603
+ "loss": 0.1322,
604
+ "step": 4250
605
+ },
606
+ {
607
+ "epoch": 3.451043338683788,
608
+ "grad_norm": 10.835976600646973,
609
+ "learning_rate": 5.144444444444445e-06,
610
+ "loss": 0.1393,
611
+ "step": 4300
612
+ },
613
+ {
614
+ "epoch": 3.491171749598716,
615
+ "grad_norm": 9.417113304138184,
616
+ "learning_rate": 5.075e-06,
617
+ "loss": 0.1322,
618
+ "step": 4350
619
+ },
620
+ {
621
+ "epoch": 3.5313001605136436,
622
+ "grad_norm": 11.396635055541992,
623
+ "learning_rate": 5.005555555555556e-06,
624
+ "loss": 0.1369,
625
+ "step": 4400
626
+ },
627
+ {
628
+ "epoch": 3.571428571428571,
629
+ "grad_norm": 16.883840560913086,
630
+ "learning_rate": 4.9361111111111115e-06,
631
+ "loss": 0.1301,
632
+ "step": 4450
633
+ },
634
+ {
635
+ "epoch": 3.611556982343499,
636
+ "grad_norm": 16.863872528076172,
637
+ "learning_rate": 4.866666666666667e-06,
638
+ "loss": 0.1383,
639
+ "step": 4500
640
+ },
641
+ {
642
+ "epoch": 3.6516853932584272,
643
+ "grad_norm": 11.84510612487793,
644
+ "learning_rate": 4.797222222222222e-06,
645
+ "loss": 0.1288,
646
+ "step": 4550
647
+ },
648
+ {
649
+ "epoch": 3.691813804173355,
650
+ "grad_norm": 10.211877822875977,
651
+ "learning_rate": 4.727777777777779e-06,
652
+ "loss": 0.1327,
653
+ "step": 4600
654
+ },
655
+ {
656
+ "epoch": 3.7319422150882824,
657
+ "grad_norm": 11.919416427612305,
658
+ "learning_rate": 4.658333333333333e-06,
659
+ "loss": 0.1306,
660
+ "step": 4650
661
+ },
662
+ {
663
+ "epoch": 3.7720706260032104,
664
+ "grad_norm": 10.668038368225098,
665
+ "learning_rate": 4.58888888888889e-06,
666
+ "loss": 0.1432,
667
+ "step": 4700
668
+ },
669
+ {
670
+ "epoch": 3.812199036918138,
671
+ "grad_norm": 9.114903450012207,
672
+ "learning_rate": 4.519444444444444e-06,
673
+ "loss": 0.1313,
674
+ "step": 4750
675
+ },
676
+ {
677
+ "epoch": 3.8523274478330656,
678
+ "grad_norm": 9.845243453979492,
679
+ "learning_rate": 4.450000000000001e-06,
680
+ "loss": 0.1351,
681
+ "step": 4800
682
+ },
683
+ {
684
+ "epoch": 3.8924558587479936,
685
+ "grad_norm": 10.04245376586914,
686
+ "learning_rate": 4.380555555555556e-06,
687
+ "loss": 0.1242,
688
+ "step": 4850
689
+ },
690
+ {
691
+ "epoch": 3.932584269662921,
692
+ "grad_norm": 11.454913139343262,
693
+ "learning_rate": 4.3111111111111115e-06,
694
+ "loss": 0.1327,
695
+ "step": 4900
696
+ },
697
+ {
698
+ "epoch": 3.972712680577849,
699
+ "grad_norm": 9.704380989074707,
700
+ "learning_rate": 4.241666666666667e-06,
701
+ "loss": 0.136,
702
+ "step": 4950
703
+ },
704
+ {
705
+ "epoch": 4.012841091492777,
706
+ "grad_norm": 8.607508659362793,
707
+ "learning_rate": 4.1722222222222225e-06,
708
+ "loss": 0.1057,
709
+ "step": 5000
710
+ },
711
+ {
712
+ "epoch": 4.052969502407705,
713
+ "grad_norm": 9.908164024353027,
714
+ "learning_rate": 4.102777777777778e-06,
715
+ "loss": 0.0793,
716
+ "step": 5050
717
+ },
718
+ {
719
+ "epoch": 4.093097913322633,
720
+ "grad_norm": 9.310582160949707,
721
+ "learning_rate": 4.033333333333333e-06,
722
+ "loss": 0.0819,
723
+ "step": 5100
724
+ },
725
+ {
726
+ "epoch": 4.13322632423756,
727
+ "grad_norm": 8.358500480651855,
728
+ "learning_rate": 3.96388888888889e-06,
729
+ "loss": 0.0713,
730
+ "step": 5150
731
+ },
732
+ {
733
+ "epoch": 4.173354735152488,
734
+ "grad_norm": 10.421764373779297,
735
+ "learning_rate": 3.894444444444444e-06,
736
+ "loss": 0.0882,
737
+ "step": 5200
738
+ },
739
+ {
740
+ "epoch": 4.213483146067416,
741
+ "grad_norm": 9.101556777954102,
742
+ "learning_rate": 3.825000000000001e-06,
743
+ "loss": 0.0795,
744
+ "step": 5250
745
+ },
746
+ {
747
+ "epoch": 4.253611556982343,
748
+ "grad_norm": 8.120292663574219,
749
+ "learning_rate": 3.7555555555555557e-06,
750
+ "loss": 0.0837,
751
+ "step": 5300
752
+ },
753
+ {
754
+ "epoch": 4.293739967897271,
755
+ "grad_norm": 7.72833251953125,
756
+ "learning_rate": 3.6861111111111116e-06,
757
+ "loss": 0.0834,
758
+ "step": 5350
759
+ },
760
+ {
761
+ "epoch": 4.333868378812199,
762
+ "grad_norm": 8.289836883544922,
763
+ "learning_rate": 3.616666666666667e-06,
764
+ "loss": 0.0787,
765
+ "step": 5400
766
+ },
767
+ {
768
+ "epoch": 4.373996789727126,
769
+ "grad_norm": 11.09408950805664,
770
+ "learning_rate": 3.5472222222222225e-06,
771
+ "loss": 0.0838,
772
+ "step": 5450
773
+ },
774
+ {
775
+ "epoch": 4.414125200642054,
776
+ "grad_norm": 5.381303310394287,
777
+ "learning_rate": 3.4777777777777784e-06,
778
+ "loss": 0.08,
779
+ "step": 5500
780
+ },
781
+ {
782
+ "epoch": 4.454253611556982,
783
+ "grad_norm": 7.058831214904785,
784
+ "learning_rate": 3.4083333333333335e-06,
785
+ "loss": 0.0811,
786
+ "step": 5550
787
+ },
788
+ {
789
+ "epoch": 4.49438202247191,
790
+ "grad_norm": 7.9168620109558105,
791
+ "learning_rate": 3.3388888888888893e-06,
792
+ "loss": 0.0796,
793
+ "step": 5600
794
+ },
795
+ {
796
+ "epoch": 4.534510433386838,
797
+ "grad_norm": 8.293107032775879,
798
+ "learning_rate": 3.2694444444444444e-06,
799
+ "loss": 0.0765,
800
+ "step": 5650
801
+ },
802
+ {
803
+ "epoch": 4.574638844301766,
804
+ "grad_norm": 14.970193862915039,
805
+ "learning_rate": 3.2000000000000003e-06,
806
+ "loss": 0.0786,
807
+ "step": 5700
808
+ },
809
+ {
810
+ "epoch": 4.614767255216694,
811
+ "grad_norm": 7.619186878204346,
812
+ "learning_rate": 3.1305555555555557e-06,
813
+ "loss": 0.079,
814
+ "step": 5750
815
+ },
816
+ {
817
+ "epoch": 4.654895666131621,
818
+ "grad_norm": 7.955104827880859,
819
+ "learning_rate": 3.0611111111111112e-06,
820
+ "loss": 0.0814,
821
+ "step": 5800
822
+ },
823
+ {
824
+ "epoch": 4.695024077046549,
825
+ "grad_norm": 6.463953971862793,
826
+ "learning_rate": 2.991666666666667e-06,
827
+ "loss": 0.0846,
828
+ "step": 5850
829
+ },
830
+ {
831
+ "epoch": 4.735152487961477,
832
+ "grad_norm": 7.264988422393799,
833
+ "learning_rate": 2.9222222222222226e-06,
834
+ "loss": 0.0846,
835
+ "step": 5900
836
+ },
837
+ {
838
+ "epoch": 4.775280898876405,
839
+ "grad_norm": 9.477662086486816,
840
+ "learning_rate": 2.852777777777778e-06,
841
+ "loss": 0.0737,
842
+ "step": 5950
843
+ },
844
+ {
845
+ "epoch": 4.815409309791332,
846
+ "grad_norm": 7.392651557922363,
847
+ "learning_rate": 2.7833333333333335e-06,
848
+ "loss": 0.0819,
849
+ "step": 6000
850
+ },
851
+ {
852
+ "epoch": 4.85553772070626,
853
+ "grad_norm": 7.89952278137207,
854
+ "learning_rate": 2.7138888888888894e-06,
855
+ "loss": 0.0733,
856
+ "step": 6050
857
+ },
858
+ {
859
+ "epoch": 4.895666131621188,
860
+ "grad_norm": 9.701936721801758,
861
+ "learning_rate": 2.6444444444444444e-06,
862
+ "loss": 0.0766,
863
+ "step": 6100
864
+ },
865
+ {
866
+ "epoch": 4.935794542536115,
867
+ "grad_norm": 9.0658540725708,
868
+ "learning_rate": 2.5750000000000003e-06,
869
+ "loss": 0.0719,
870
+ "step": 6150
871
+ },
872
+ {
873
+ "epoch": 4.975922953451043,
874
+ "grad_norm": 8.084450721740723,
875
+ "learning_rate": 2.5055555555555554e-06,
876
+ "loss": 0.0797,
877
+ "step": 6200
878
+ },
879
+ {
880
+ "epoch": 5.016051364365971,
881
+ "grad_norm": 9.634577751159668,
882
+ "learning_rate": 2.4361111111111113e-06,
883
+ "loss": 0.0728,
884
+ "step": 6250
885
+ },
886
+ {
887
+ "epoch": 5.056179775280899,
888
+ "grad_norm": 6.3712921142578125,
889
+ "learning_rate": 2.3666666666666667e-06,
890
+ "loss": 0.0492,
891
+ "step": 6300
892
+ },
893
+ {
894
+ "epoch": 5.096308186195826,
895
+ "grad_norm": 5.370436191558838,
896
+ "learning_rate": 2.297222222222222e-06,
897
+ "loss": 0.0462,
898
+ "step": 6350
899
+ },
900
+ {
901
+ "epoch": 5.136436597110754,
902
+ "grad_norm": 5.955212116241455,
903
+ "learning_rate": 2.2277777777777777e-06,
904
+ "loss": 0.0458,
905
+ "step": 6400
906
+ },
907
+ {
908
+ "epoch": 5.176565008025682,
909
+ "grad_norm": 5.898159503936768,
910
+ "learning_rate": 2.1583333333333336e-06,
911
+ "loss": 0.0521,
912
+ "step": 6450
913
+ },
914
+ {
915
+ "epoch": 5.21669341894061,
916
+ "grad_norm": 4.376798152923584,
917
+ "learning_rate": 2.088888888888889e-06,
918
+ "loss": 0.0539,
919
+ "step": 6500
920
+ },
921
+ {
922
+ "epoch": 5.256821829855538,
923
+ "grad_norm": 8.122651100158691,
924
+ "learning_rate": 2.0194444444444445e-06,
925
+ "loss": 0.0532,
926
+ "step": 6550
927
+ },
928
+ {
929
+ "epoch": 5.296950240770466,
930
+ "grad_norm": 6.136049270629883,
931
+ "learning_rate": 1.9500000000000004e-06,
932
+ "loss": 0.049,
933
+ "step": 6600
934
+ },
935
+ {
936
+ "epoch": 5.337078651685394,
937
+ "grad_norm": 4.084792613983154,
938
+ "learning_rate": 1.8805555555555556e-06,
939
+ "loss": 0.0606,
940
+ "step": 6650
941
+ },
942
+ {
943
+ "epoch": 5.377207062600321,
944
+ "grad_norm": 10.023465156555176,
945
+ "learning_rate": 1.8111111111111113e-06,
946
+ "loss": 0.0528,
947
+ "step": 6700
948
+ },
949
+ {
950
+ "epoch": 5.417335473515249,
951
+ "grad_norm": 7.965837478637695,
952
+ "learning_rate": 1.7416666666666668e-06,
953
+ "loss": 0.0495,
954
+ "step": 6750
955
+ },
956
+ {
957
+ "epoch": 5.457463884430177,
958
+ "grad_norm": 4.469130516052246,
959
+ "learning_rate": 1.6722222222222223e-06,
960
+ "loss": 0.0498,
961
+ "step": 6800
962
+ },
963
+ {
964
+ "epoch": 5.497592295345104,
965
+ "grad_norm": 7.078831672668457,
966
+ "learning_rate": 1.6027777777777777e-06,
967
+ "loss": 0.0553,
968
+ "step": 6850
969
+ },
970
+ {
971
+ "epoch": 5.537720706260032,
972
+ "grad_norm": 6.6740336418151855,
973
+ "learning_rate": 1.5333333333333334e-06,
974
+ "loss": 0.0476,
975
+ "step": 6900
976
+ },
977
+ {
978
+ "epoch": 5.57784911717496,
979
+ "grad_norm": 4.432163715362549,
980
+ "learning_rate": 1.463888888888889e-06,
981
+ "loss": 0.0482,
982
+ "step": 6950
983
+ },
984
+ {
985
+ "epoch": 5.617977528089888,
986
+ "grad_norm": 7.402093410491943,
987
+ "learning_rate": 1.3944444444444446e-06,
988
+ "loss": 0.043,
989
+ "step": 7000
990
+ },
991
+ {
992
+ "epoch": 5.658105939004815,
993
+ "grad_norm": 5.417418003082275,
994
+ "learning_rate": 1.3250000000000002e-06,
995
+ "loss": 0.0438,
996
+ "step": 7050
997
+ },
998
+ {
999
+ "epoch": 5.698234349919743,
1000
+ "grad_norm": 5.910097599029541,
1001
+ "learning_rate": 1.2555555555555557e-06,
1002
+ "loss": 0.0456,
1003
+ "step": 7100
1004
+ },
1005
+ {
1006
+ "epoch": 5.738362760834671,
1007
+ "grad_norm": 7.781131744384766,
1008
+ "learning_rate": 1.1861111111111112e-06,
1009
+ "loss": 0.0504,
1010
+ "step": 7150
1011
+ },
1012
+ {
1013
+ "epoch": 5.778491171749598,
1014
+ "grad_norm": 7.682769298553467,
1015
+ "learning_rate": 1.1166666666666666e-06,
1016
+ "loss": 0.0543,
1017
+ "step": 7200
1018
+ },
1019
+ {
1020
+ "epoch": 5.818619582664526,
1021
+ "grad_norm": 5.041004657745361,
1022
+ "learning_rate": 1.0472222222222223e-06,
1023
+ "loss": 0.0477,
1024
+ "step": 7250
1025
+ },
1026
+ {
1027
+ "epoch": 5.858747993579454,
1028
+ "grad_norm": 5.9667158126831055,
1029
+ "learning_rate": 9.77777777777778e-07,
1030
+ "loss": 0.0472,
1031
+ "step": 7300
1032
+ },
1033
+ {
1034
+ "epoch": 5.898876404494382,
1035
+ "grad_norm": 7.793878555297852,
1036
+ "learning_rate": 9.083333333333335e-07,
1037
+ "loss": 0.0507,
1038
+ "step": 7350
1039
+ },
1040
+ {
1041
+ "epoch": 5.93900481540931,
1042
+ "grad_norm": 7.589353561401367,
1043
+ "learning_rate": 8.388888888888889e-07,
1044
+ "loss": 0.0588,
1045
+ "step": 7400
1046
+ },
1047
+ {
1048
+ "epoch": 5.979133226324238,
1049
+ "grad_norm": 6.20251989364624,
1050
+ "learning_rate": 7.694444444444445e-07,
1051
+ "loss": 0.0499,
1052
+ "step": 7450
1053
+ },
1054
+ {
1055
+ "epoch": 6.019261637239166,
1056
+ "grad_norm": 6.208334445953369,
1057
+ "learning_rate": 7.000000000000001e-07,
1058
+ "loss": 0.0441,
1059
+ "step": 7500
1060
+ },
1061
+ {
1062
+ "epoch": 6.059390048154093,
1063
+ "grad_norm": 4.3427324295043945,
1064
+ "learning_rate": 6.305555555555556e-07,
1065
+ "loss": 0.0404,
1066
+ "step": 7550
1067
+ },
1068
+ {
1069
+ "epoch": 6.099518459069021,
1070
+ "grad_norm": 5.3076581954956055,
1071
+ "learning_rate": 5.611111111111111e-07,
1072
+ "loss": 0.0363,
1073
+ "step": 7600
1074
+ },
1075
+ {
1076
+ "epoch": 6.139646869983949,
1077
+ "grad_norm": 3.9682233333587646,
1078
+ "learning_rate": 4.916666666666667e-07,
1079
+ "loss": 0.0382,
1080
+ "step": 7650
1081
+ },
1082
+ {
1083
+ "epoch": 6.179775280898877,
1084
+ "grad_norm": 5.612052917480469,
1085
+ "learning_rate": 4.2222222222222226e-07,
1086
+ "loss": 0.0411,
1087
+ "step": 7700
1088
+ },
1089
+ {
1090
+ "epoch": 6.219903691813804,
1091
+ "grad_norm": 4.144915580749512,
1092
+ "learning_rate": 3.527777777777778e-07,
1093
+ "loss": 0.0358,
1094
+ "step": 7750
1095
+ },
1096
+ {
1097
+ "epoch": 6.260032102728732,
1098
+ "grad_norm": 7.28611946105957,
1099
+ "learning_rate": 2.8333333333333336e-07,
1100
+ "loss": 0.035,
1101
+ "step": 7800
1102
+ },
1103
+ {
1104
+ "epoch": 6.30016051364366,
1105
+ "grad_norm": 4.628722667694092,
1106
+ "learning_rate": 2.138888888888889e-07,
1107
+ "loss": 0.0371,
1108
+ "step": 7850
1109
+ },
1110
+ {
1111
+ "epoch": 6.340288924558587,
1112
+ "grad_norm": 5.527387619018555,
1113
+ "learning_rate": 1.4444444444444445e-07,
1114
+ "loss": 0.0377,
1115
+ "step": 7900
1116
+ },
1117
+ {
1118
+ "epoch": 6.380417335473515,
1119
+ "grad_norm": 4.704113006591797,
1120
+ "learning_rate": 7.500000000000001e-08,
1121
+ "loss": 0.0352,
1122
+ "step": 7950
1123
+ },
1124
+ {
1125
+ "epoch": 6.420545746388443,
1126
+ "grad_norm": 4.203430652618408,
1127
+ "learning_rate": 5.555555555555556e-09,
1128
+ "loss": 0.0341,
1129
+ "step": 8000
1130
+ }
1131
+ ],
1132
+ "logging_steps": 50,
1133
+ "max_steps": 8000,
1134
+ "num_input_tokens_seen": 0,
1135
+ "num_train_epochs": 7,
1136
+ "save_steps": 500,
1137
+ "stateful_callbacks": {
1138
+ "TrainerControl": {
1139
+ "args": {
1140
+ "should_epoch_stop": false,
1141
+ "should_evaluate": false,
1142
+ "should_log": false,
1143
+ "should_save": true,
1144
+ "should_training_stop": true
1145
+ },
1146
+ "attributes": {}
1147
+ }
1148
+ },
1149
+ "total_flos": 7.38692049199104e+19,
1150
+ "train_batch_size": 8,
1151
+ "trial_name": null,
1152
+ "trial_params": null
1153
+ }
training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:f451e135413b22d7c470c5a165d3327f71dbe79015c7034177bd13b9330b8edc
3
+ size 5432