| { | |
| "best_metric": 0.8618181818181818, | |
| "best_model_checkpoint": "swiftformer-xs-RD\\checkpoint-1167", | |
| "epoch": 39.75155279503105, | |
| "eval_steps": 500, | |
| "global_step": 1600, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.25, | |
| "learning_rate": 1.875e-05, | |
| "loss": 1.6091, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.5, | |
| "learning_rate": 3.75e-05, | |
| "loss": 1.6066, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.75, | |
| "learning_rate": 5.625e-05, | |
| "loss": 1.5954, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.99, | |
| "learning_rate": 7.5e-05, | |
| "loss": 1.5571, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.99, | |
| "eval_accuracy": 0.5181818181818182, | |
| "eval_loss": 1.519059658050537, | |
| "eval_runtime": 2.8787, | |
| "eval_samples_per_second": 191.057, | |
| "eval_steps_per_second": 12.158, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 1.24, | |
| "learning_rate": 9.374999999999999e-05, | |
| "loss": 1.4441, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 1.49, | |
| "learning_rate": 0.0001125, | |
| "loss": 1.255, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 1.74, | |
| "learning_rate": 0.00013125, | |
| "loss": 1.0283, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 1.99, | |
| "learning_rate": 0.00015, | |
| "loss": 0.979, | |
| "step": 80 | |
| }, | |
| { | |
| "epoch": 1.99, | |
| "eval_accuracy": 0.7090909090909091, | |
| "eval_loss": 0.8952864408493042, | |
| "eval_runtime": 1.7304, | |
| "eval_samples_per_second": 317.84, | |
| "eval_steps_per_second": 20.226, | |
| "step": 80 | |
| }, | |
| { | |
| "epoch": 2.24, | |
| "learning_rate": 0.00016874999999999998, | |
| "loss": 0.864, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 2.48, | |
| "learning_rate": 0.00018749999999999998, | |
| "loss": 0.859, | |
| "step": 100 | |
| }, | |
| { | |
| "epoch": 2.73, | |
| "learning_rate": 0.00020624999999999997, | |
| "loss": 0.7978, | |
| "step": 110 | |
| }, | |
| { | |
| "epoch": 2.98, | |
| "learning_rate": 0.000225, | |
| "loss": 0.8343, | |
| "step": 120 | |
| }, | |
| { | |
| "epoch": 2.98, | |
| "eval_accuracy": 0.7272727272727273, | |
| "eval_loss": 0.7519798874855042, | |
| "eval_runtime": 1.3968, | |
| "eval_samples_per_second": 393.746, | |
| "eval_steps_per_second": 25.057, | |
| "step": 120 | |
| }, | |
| { | |
| "epoch": 3.23, | |
| "learning_rate": 0.00024375, | |
| "loss": 0.7879, | |
| "step": 130 | |
| }, | |
| { | |
| "epoch": 3.48, | |
| "learning_rate": 0.0002625, | |
| "loss": 0.7814, | |
| "step": 140 | |
| }, | |
| { | |
| "epoch": 3.73, | |
| "learning_rate": 0.00028125, | |
| "loss": 0.7806, | |
| "step": 150 | |
| }, | |
| { | |
| "epoch": 3.98, | |
| "learning_rate": 0.0003, | |
| "loss": 0.7755, | |
| "step": 160 | |
| }, | |
| { | |
| "epoch": 4.0, | |
| "eval_accuracy": 0.7527272727272727, | |
| "eval_loss": 0.7222614288330078, | |
| "eval_runtime": 1.3418, | |
| "eval_samples_per_second": 409.89, | |
| "eval_steps_per_second": 26.084, | |
| "step": 161 | |
| }, | |
| { | |
| "epoch": 4.22, | |
| "learning_rate": 0.00029791666666666665, | |
| "loss": 0.7536, | |
| "step": 170 | |
| }, | |
| { | |
| "epoch": 4.47, | |
| "learning_rate": 0.00029583333333333333, | |
| "loss": 0.6664, | |
| "step": 180 | |
| }, | |
| { | |
| "epoch": 4.72, | |
| "learning_rate": 0.00029374999999999996, | |
| "loss": 0.6218, | |
| "step": 190 | |
| }, | |
| { | |
| "epoch": 4.97, | |
| "learning_rate": 0.00029166666666666664, | |
| "loss": 0.7064, | |
| "step": 200 | |
| }, | |
| { | |
| "epoch": 4.99, | |
| "eval_accuracy": 0.74, | |
| "eval_loss": 0.6760307550430298, | |
| "eval_runtime": 1.3443, | |
| "eval_samples_per_second": 409.125, | |
| "eval_steps_per_second": 26.035, | |
| "step": 201 | |
| }, | |
| { | |
| "epoch": 5.22, | |
| "learning_rate": 0.0002895833333333333, | |
| "loss": 0.715, | |
| "step": 210 | |
| }, | |
| { | |
| "epoch": 5.47, | |
| "learning_rate": 0.0002875, | |
| "loss": 0.7128, | |
| "step": 220 | |
| }, | |
| { | |
| "epoch": 5.71, | |
| "learning_rate": 0.0002854166666666666, | |
| "loss": 0.6436, | |
| "step": 230 | |
| }, | |
| { | |
| "epoch": 5.96, | |
| "learning_rate": 0.0002833333333333333, | |
| "loss": 0.6296, | |
| "step": 240 | |
| }, | |
| { | |
| "epoch": 5.99, | |
| "eval_accuracy": 0.8018181818181818, | |
| "eval_loss": 0.5624179840087891, | |
| "eval_runtime": 1.5624, | |
| "eval_samples_per_second": 352.03, | |
| "eval_steps_per_second": 22.402, | |
| "step": 241 | |
| }, | |
| { | |
| "epoch": 6.21, | |
| "learning_rate": 0.00028125, | |
| "loss": 0.6154, | |
| "step": 250 | |
| }, | |
| { | |
| "epoch": 6.46, | |
| "learning_rate": 0.00027916666666666666, | |
| "loss": 0.6749, | |
| "step": 260 | |
| }, | |
| { | |
| "epoch": 6.71, | |
| "learning_rate": 0.00027708333333333334, | |
| "loss": 0.6336, | |
| "step": 270 | |
| }, | |
| { | |
| "epoch": 6.96, | |
| "learning_rate": 0.00027499999999999996, | |
| "loss": 0.6387, | |
| "step": 280 | |
| }, | |
| { | |
| "epoch": 6.98, | |
| "eval_accuracy": 0.8072727272727273, | |
| "eval_loss": 0.5362208485603333, | |
| "eval_runtime": 1.4093, | |
| "eval_samples_per_second": 390.255, | |
| "eval_steps_per_second": 24.834, | |
| "step": 281 | |
| }, | |
| { | |
| "epoch": 7.2, | |
| "learning_rate": 0.00027291666666666664, | |
| "loss": 0.5918, | |
| "step": 290 | |
| }, | |
| { | |
| "epoch": 7.45, | |
| "learning_rate": 0.0002708333333333333, | |
| "loss": 0.5901, | |
| "step": 300 | |
| }, | |
| { | |
| "epoch": 7.7, | |
| "learning_rate": 0.00026875, | |
| "loss": 0.6415, | |
| "step": 310 | |
| }, | |
| { | |
| "epoch": 7.95, | |
| "learning_rate": 0.0002666666666666666, | |
| "loss": 0.5793, | |
| "step": 320 | |
| }, | |
| { | |
| "epoch": 8.0, | |
| "eval_accuracy": 0.7963636363636364, | |
| "eval_loss": 0.5241875648498535, | |
| "eval_runtime": 1.3758, | |
| "eval_samples_per_second": 399.758, | |
| "eval_steps_per_second": 25.439, | |
| "step": 322 | |
| }, | |
| { | |
| "epoch": 8.2, | |
| "learning_rate": 0.0002645833333333333, | |
| "loss": 0.5718, | |
| "step": 330 | |
| }, | |
| { | |
| "epoch": 8.45, | |
| "learning_rate": 0.0002625, | |
| "loss": 0.5651, | |
| "step": 340 | |
| }, | |
| { | |
| "epoch": 8.7, | |
| "learning_rate": 0.00026041666666666666, | |
| "loss": 0.5828, | |
| "step": 350 | |
| }, | |
| { | |
| "epoch": 8.94, | |
| "learning_rate": 0.00025833333333333334, | |
| "loss": 0.5723, | |
| "step": 360 | |
| }, | |
| { | |
| "epoch": 8.99, | |
| "eval_accuracy": 0.8309090909090909, | |
| "eval_loss": 0.454416960477829, | |
| "eval_runtime": 1.3498, | |
| "eval_samples_per_second": 407.461, | |
| "eval_steps_per_second": 25.929, | |
| "step": 362 | |
| }, | |
| { | |
| "epoch": 9.19, | |
| "learning_rate": 0.00025624999999999997, | |
| "loss": 0.5246, | |
| "step": 370 | |
| }, | |
| { | |
| "epoch": 9.44, | |
| "learning_rate": 0.00025416666666666665, | |
| "loss": 0.5618, | |
| "step": 380 | |
| }, | |
| { | |
| "epoch": 9.69, | |
| "learning_rate": 0.0002520833333333333, | |
| "loss": 0.5462, | |
| "step": 390 | |
| }, | |
| { | |
| "epoch": 9.94, | |
| "learning_rate": 0.00025, | |
| "loss": 0.5897, | |
| "step": 400 | |
| }, | |
| { | |
| "epoch": 9.99, | |
| "eval_accuracy": 0.8272727272727273, | |
| "eval_loss": 0.4509519636631012, | |
| "eval_runtime": 1.3383, | |
| "eval_samples_per_second": 410.963, | |
| "eval_steps_per_second": 26.152, | |
| "step": 402 | |
| }, | |
| { | |
| "epoch": 10.19, | |
| "learning_rate": 0.00024791666666666663, | |
| "loss": 0.5194, | |
| "step": 410 | |
| }, | |
| { | |
| "epoch": 10.43, | |
| "learning_rate": 0.0002458333333333333, | |
| "loss": 0.4946, | |
| "step": 420 | |
| }, | |
| { | |
| "epoch": 10.68, | |
| "learning_rate": 0.00024375, | |
| "loss": 0.5858, | |
| "step": 430 | |
| }, | |
| { | |
| "epoch": 10.93, | |
| "learning_rate": 0.00024166666666666664, | |
| "loss": 0.5443, | |
| "step": 440 | |
| }, | |
| { | |
| "epoch": 10.98, | |
| "eval_accuracy": 0.8054545454545454, | |
| "eval_loss": 0.46854037046432495, | |
| "eval_runtime": 1.3393, | |
| "eval_samples_per_second": 410.65, | |
| "eval_steps_per_second": 26.132, | |
| "step": 442 | |
| }, | |
| { | |
| "epoch": 11.18, | |
| "learning_rate": 0.00023958333333333332, | |
| "loss": 0.5482, | |
| "step": 450 | |
| }, | |
| { | |
| "epoch": 11.43, | |
| "learning_rate": 0.00023749999999999997, | |
| "loss": 0.4724, | |
| "step": 460 | |
| }, | |
| { | |
| "epoch": 11.68, | |
| "learning_rate": 0.00023541666666666665, | |
| "loss": 0.5285, | |
| "step": 470 | |
| }, | |
| { | |
| "epoch": 11.93, | |
| "learning_rate": 0.0002333333333333333, | |
| "loss": 0.4959, | |
| "step": 480 | |
| }, | |
| { | |
| "epoch": 12.0, | |
| "eval_accuracy": 0.8254545454545454, | |
| "eval_loss": 0.42480796575546265, | |
| "eval_runtime": 1.4113, | |
| "eval_samples_per_second": 389.699, | |
| "eval_steps_per_second": 24.799, | |
| "step": 483 | |
| }, | |
| { | |
| "epoch": 12.17, | |
| "learning_rate": 0.00023124999999999998, | |
| "loss": 0.6238, | |
| "step": 490 | |
| }, | |
| { | |
| "epoch": 12.42, | |
| "learning_rate": 0.00022916666666666664, | |
| "loss": 0.5296, | |
| "step": 500 | |
| }, | |
| { | |
| "epoch": 12.67, | |
| "learning_rate": 0.00022708333333333331, | |
| "loss": 0.4759, | |
| "step": 510 | |
| }, | |
| { | |
| "epoch": 12.92, | |
| "learning_rate": 0.000225, | |
| "loss": 0.4743, | |
| "step": 520 | |
| }, | |
| { | |
| "epoch": 12.99, | |
| "eval_accuracy": 0.8309090909090909, | |
| "eval_loss": 0.4307559132575989, | |
| "eval_runtime": 1.3628, | |
| "eval_samples_per_second": 403.57, | |
| "eval_steps_per_second": 25.682, | |
| "step": 523 | |
| }, | |
| { | |
| "epoch": 13.17, | |
| "learning_rate": 0.00022291666666666665, | |
| "loss": 0.6277, | |
| "step": 530 | |
| }, | |
| { | |
| "epoch": 13.42, | |
| "learning_rate": 0.00022083333333333333, | |
| "loss": 0.5356, | |
| "step": 540 | |
| }, | |
| { | |
| "epoch": 13.66, | |
| "learning_rate": 0.00021874999999999998, | |
| "loss": 0.5112, | |
| "step": 550 | |
| }, | |
| { | |
| "epoch": 13.91, | |
| "learning_rate": 0.00021666666666666666, | |
| "loss": 0.4679, | |
| "step": 560 | |
| }, | |
| { | |
| "epoch": 13.99, | |
| "eval_accuracy": 0.84, | |
| "eval_loss": 0.39991825819015503, | |
| "eval_runtime": 1.3308, | |
| "eval_samples_per_second": 413.283, | |
| "eval_steps_per_second": 26.3, | |
| "step": 563 | |
| }, | |
| { | |
| "epoch": 14.16, | |
| "learning_rate": 0.0002145833333333333, | |
| "loss": 0.4224, | |
| "step": 570 | |
| }, | |
| { | |
| "epoch": 14.41, | |
| "learning_rate": 0.0002125, | |
| "loss": 0.4699, | |
| "step": 580 | |
| }, | |
| { | |
| "epoch": 14.66, | |
| "learning_rate": 0.00021041666666666664, | |
| "loss": 0.4727, | |
| "step": 590 | |
| }, | |
| { | |
| "epoch": 14.91, | |
| "learning_rate": 0.00020833333333333332, | |
| "loss": 0.4997, | |
| "step": 600 | |
| }, | |
| { | |
| "epoch": 14.98, | |
| "eval_accuracy": 0.8381818181818181, | |
| "eval_loss": 0.41513749957084656, | |
| "eval_runtime": 1.3563, | |
| "eval_samples_per_second": 405.507, | |
| "eval_steps_per_second": 25.805, | |
| "step": 603 | |
| }, | |
| { | |
| "epoch": 15.16, | |
| "learning_rate": 0.00020624999999999997, | |
| "loss": 0.4647, | |
| "step": 610 | |
| }, | |
| { | |
| "epoch": 15.4, | |
| "learning_rate": 0.00020416666666666665, | |
| "loss": 0.507, | |
| "step": 620 | |
| }, | |
| { | |
| "epoch": 15.65, | |
| "learning_rate": 0.00020208333333333333, | |
| "loss": 0.4575, | |
| "step": 630 | |
| }, | |
| { | |
| "epoch": 15.9, | |
| "learning_rate": 0.00019999999999999998, | |
| "loss": 0.4602, | |
| "step": 640 | |
| }, | |
| { | |
| "epoch": 16.0, | |
| "eval_accuracy": 0.8218181818181818, | |
| "eval_loss": 0.41115185618400574, | |
| "eval_runtime": 1.3393, | |
| "eval_samples_per_second": 410.657, | |
| "eval_steps_per_second": 26.133, | |
| "step": 644 | |
| }, | |
| { | |
| "epoch": 16.15, | |
| "learning_rate": 0.00019791666666666663, | |
| "loss": 0.4685, | |
| "step": 650 | |
| }, | |
| { | |
| "epoch": 16.4, | |
| "learning_rate": 0.00019583333333333331, | |
| "loss": 0.4071, | |
| "step": 660 | |
| }, | |
| { | |
| "epoch": 16.65, | |
| "learning_rate": 0.00019375, | |
| "loss": 0.4358, | |
| "step": 670 | |
| }, | |
| { | |
| "epoch": 16.89, | |
| "learning_rate": 0.00019166666666666665, | |
| "loss": 0.4459, | |
| "step": 680 | |
| }, | |
| { | |
| "epoch": 16.99, | |
| "eval_accuracy": 0.8345454545454546, | |
| "eval_loss": 0.4195989668369293, | |
| "eval_runtime": 1.4108, | |
| "eval_samples_per_second": 389.839, | |
| "eval_steps_per_second": 24.808, | |
| "step": 684 | |
| }, | |
| { | |
| "epoch": 17.14, | |
| "learning_rate": 0.0001895833333333333, | |
| "loss": 0.4683, | |
| "step": 690 | |
| }, | |
| { | |
| "epoch": 17.39, | |
| "learning_rate": 0.00018749999999999998, | |
| "loss": 0.4322, | |
| "step": 700 | |
| }, | |
| { | |
| "epoch": 17.64, | |
| "learning_rate": 0.00018541666666666666, | |
| "loss": 0.4099, | |
| "step": 710 | |
| }, | |
| { | |
| "epoch": 17.89, | |
| "learning_rate": 0.00018333333333333334, | |
| "loss": 0.4668, | |
| "step": 720 | |
| }, | |
| { | |
| "epoch": 17.99, | |
| "eval_accuracy": 0.8290909090909091, | |
| "eval_loss": 0.4041709899902344, | |
| "eval_runtime": 1.5199, | |
| "eval_samples_per_second": 361.876, | |
| "eval_steps_per_second": 23.028, | |
| "step": 724 | |
| }, | |
| { | |
| "epoch": 18.14, | |
| "learning_rate": 0.00018124999999999996, | |
| "loss": 0.5344, | |
| "step": 730 | |
| }, | |
| { | |
| "epoch": 18.39, | |
| "learning_rate": 0.00017916666666666664, | |
| "loss": 0.4369, | |
| "step": 740 | |
| }, | |
| { | |
| "epoch": 18.63, | |
| "learning_rate": 0.00017708333333333332, | |
| "loss": 0.4014, | |
| "step": 750 | |
| }, | |
| { | |
| "epoch": 18.88, | |
| "learning_rate": 0.000175, | |
| "loss": 0.41, | |
| "step": 760 | |
| }, | |
| { | |
| "epoch": 18.98, | |
| "eval_accuracy": 0.8436363636363636, | |
| "eval_loss": 0.4112071990966797, | |
| "eval_runtime": 1.3473, | |
| "eval_samples_per_second": 408.216, | |
| "eval_steps_per_second": 25.977, | |
| "step": 764 | |
| }, | |
| { | |
| "epoch": 19.13, | |
| "learning_rate": 0.00017291666666666662, | |
| "loss": 0.3628, | |
| "step": 770 | |
| }, | |
| { | |
| "epoch": 19.38, | |
| "learning_rate": 0.0001708333333333333, | |
| "loss": 0.3968, | |
| "step": 780 | |
| }, | |
| { | |
| "epoch": 19.63, | |
| "learning_rate": 0.00016874999999999998, | |
| "loss": 0.4301, | |
| "step": 790 | |
| }, | |
| { | |
| "epoch": 19.88, | |
| "learning_rate": 0.00016666666666666666, | |
| "loss": 0.4349, | |
| "step": 800 | |
| }, | |
| { | |
| "epoch": 20.0, | |
| "eval_accuracy": 0.8418181818181818, | |
| "eval_loss": 0.4119725525379181, | |
| "eval_runtime": 1.3453, | |
| "eval_samples_per_second": 408.821, | |
| "eval_steps_per_second": 26.016, | |
| "step": 805 | |
| }, | |
| { | |
| "epoch": 20.12, | |
| "learning_rate": 0.00016458333333333334, | |
| "loss": 0.3921, | |
| "step": 810 | |
| }, | |
| { | |
| "epoch": 20.37, | |
| "learning_rate": 0.00016249999999999997, | |
| "loss": 0.4351, | |
| "step": 820 | |
| }, | |
| { | |
| "epoch": 20.62, | |
| "learning_rate": 0.00016041666666666664, | |
| "loss": 0.4144, | |
| "step": 830 | |
| }, | |
| { | |
| "epoch": 20.87, | |
| "learning_rate": 0.00015833333333333332, | |
| "loss": 0.4558, | |
| "step": 840 | |
| }, | |
| { | |
| "epoch": 20.99, | |
| "eval_accuracy": 0.8218181818181818, | |
| "eval_loss": 0.4554423391819, | |
| "eval_runtime": 1.3368, | |
| "eval_samples_per_second": 411.426, | |
| "eval_steps_per_second": 26.182, | |
| "step": 845 | |
| }, | |
| { | |
| "epoch": 21.12, | |
| "learning_rate": 0.00015625, | |
| "loss": 0.4053, | |
| "step": 850 | |
| }, | |
| { | |
| "epoch": 21.37, | |
| "learning_rate": 0.00015416666666666663, | |
| "loss": 0.3483, | |
| "step": 860 | |
| }, | |
| { | |
| "epoch": 21.61, | |
| "learning_rate": 0.0001520833333333333, | |
| "loss": 0.4139, | |
| "step": 870 | |
| }, | |
| { | |
| "epoch": 21.86, | |
| "learning_rate": 0.00015, | |
| "loss": 0.3952, | |
| "step": 880 | |
| }, | |
| { | |
| "epoch": 21.99, | |
| "eval_accuracy": 0.850909090909091, | |
| "eval_loss": 0.3774945139884949, | |
| "eval_runtime": 1.3708, | |
| "eval_samples_per_second": 401.212, | |
| "eval_steps_per_second": 25.532, | |
| "step": 885 | |
| }, | |
| { | |
| "epoch": 22.11, | |
| "learning_rate": 0.00014791666666666667, | |
| "loss": 0.3661, | |
| "step": 890 | |
| }, | |
| { | |
| "epoch": 22.36, | |
| "learning_rate": 0.00014583333333333332, | |
| "loss": 0.3706, | |
| "step": 900 | |
| }, | |
| { | |
| "epoch": 22.61, | |
| "learning_rate": 0.00014375, | |
| "loss": 0.4127, | |
| "step": 910 | |
| }, | |
| { | |
| "epoch": 22.86, | |
| "learning_rate": 0.00014166666666666665, | |
| "loss": 0.3395, | |
| "step": 920 | |
| }, | |
| { | |
| "epoch": 22.98, | |
| "eval_accuracy": 0.84, | |
| "eval_loss": 0.4027109742164612, | |
| "eval_runtime": 1.4218, | |
| "eval_samples_per_second": 386.825, | |
| "eval_steps_per_second": 24.616, | |
| "step": 925 | |
| }, | |
| { | |
| "epoch": 23.11, | |
| "learning_rate": 0.00013958333333333333, | |
| "loss": 0.3821, | |
| "step": 930 | |
| }, | |
| { | |
| "epoch": 23.35, | |
| "learning_rate": 0.00013749999999999998, | |
| "loss": 0.3408, | |
| "step": 940 | |
| }, | |
| { | |
| "epoch": 23.6, | |
| "learning_rate": 0.00013541666666666666, | |
| "loss": 0.3344, | |
| "step": 950 | |
| }, | |
| { | |
| "epoch": 23.85, | |
| "learning_rate": 0.0001333333333333333, | |
| "loss": 0.3525, | |
| "step": 960 | |
| }, | |
| { | |
| "epoch": 24.0, | |
| "eval_accuracy": 0.850909090909091, | |
| "eval_loss": 0.3956778645515442, | |
| "eval_runtime": 1.3433, | |
| "eval_samples_per_second": 409.433, | |
| "eval_steps_per_second": 26.055, | |
| "step": 966 | |
| }, | |
| { | |
| "epoch": 24.1, | |
| "learning_rate": 0.00013125, | |
| "loss": 0.3803, | |
| "step": 970 | |
| }, | |
| { | |
| "epoch": 24.35, | |
| "learning_rate": 0.00012916666666666667, | |
| "loss": 0.3213, | |
| "step": 980 | |
| }, | |
| { | |
| "epoch": 24.6, | |
| "learning_rate": 0.00012708333333333332, | |
| "loss": 0.3845, | |
| "step": 990 | |
| }, | |
| { | |
| "epoch": 24.84, | |
| "learning_rate": 0.000125, | |
| "loss": 0.3497, | |
| "step": 1000 | |
| }, | |
| { | |
| "epoch": 24.99, | |
| "eval_accuracy": 0.8527272727272728, | |
| "eval_loss": 0.4020462930202484, | |
| "eval_runtime": 1.3428, | |
| "eval_samples_per_second": 409.587, | |
| "eval_steps_per_second": 26.065, | |
| "step": 1006 | |
| }, | |
| { | |
| "epoch": 25.09, | |
| "learning_rate": 0.00012291666666666665, | |
| "loss": 0.375, | |
| "step": 1010 | |
| }, | |
| { | |
| "epoch": 25.34, | |
| "learning_rate": 0.00012083333333333332, | |
| "loss": 0.3141, | |
| "step": 1020 | |
| }, | |
| { | |
| "epoch": 25.59, | |
| "learning_rate": 0.00011874999999999999, | |
| "loss": 0.3899, | |
| "step": 1030 | |
| }, | |
| { | |
| "epoch": 25.84, | |
| "learning_rate": 0.00011666666666666665, | |
| "loss": 0.3625, | |
| "step": 1040 | |
| }, | |
| { | |
| "epoch": 25.99, | |
| "eval_accuracy": 0.8563636363636363, | |
| "eval_loss": 0.39101672172546387, | |
| "eval_runtime": 1.3918, | |
| "eval_samples_per_second": 395.16, | |
| "eval_steps_per_second": 25.147, | |
| "step": 1046 | |
| }, | |
| { | |
| "epoch": 26.09, | |
| "learning_rate": 0.00011458333333333332, | |
| "loss": 0.3777, | |
| "step": 1050 | |
| }, | |
| { | |
| "epoch": 26.34, | |
| "learning_rate": 0.0001125, | |
| "loss": 0.3572, | |
| "step": 1060 | |
| }, | |
| { | |
| "epoch": 26.58, | |
| "learning_rate": 0.00011041666666666666, | |
| "loss": 0.3486, | |
| "step": 1070 | |
| }, | |
| { | |
| "epoch": 26.83, | |
| "learning_rate": 0.00010833333333333333, | |
| "loss": 0.3008, | |
| "step": 1080 | |
| }, | |
| { | |
| "epoch": 26.98, | |
| "eval_accuracy": 0.8581818181818182, | |
| "eval_loss": 0.3789851665496826, | |
| "eval_runtime": 1.4113, | |
| "eval_samples_per_second": 389.701, | |
| "eval_steps_per_second": 24.799, | |
| "step": 1086 | |
| }, | |
| { | |
| "epoch": 27.08, | |
| "learning_rate": 0.00010625, | |
| "loss": 0.32, | |
| "step": 1090 | |
| }, | |
| { | |
| "epoch": 27.33, | |
| "learning_rate": 0.00010416666666666666, | |
| "loss": 0.356, | |
| "step": 1100 | |
| }, | |
| { | |
| "epoch": 27.58, | |
| "learning_rate": 0.00010208333333333333, | |
| "loss": 0.3053, | |
| "step": 1110 | |
| }, | |
| { | |
| "epoch": 27.83, | |
| "learning_rate": 9.999999999999999e-05, | |
| "loss": 0.2907, | |
| "step": 1120 | |
| }, | |
| { | |
| "epoch": 28.0, | |
| "eval_accuracy": 0.8563636363636363, | |
| "eval_loss": 0.38305726647377014, | |
| "eval_runtime": 1.3603, | |
| "eval_samples_per_second": 404.315, | |
| "eval_steps_per_second": 25.729, | |
| "step": 1127 | |
| }, | |
| { | |
| "epoch": 28.07, | |
| "learning_rate": 9.791666666666666e-05, | |
| "loss": 0.3384, | |
| "step": 1130 | |
| }, | |
| { | |
| "epoch": 28.32, | |
| "learning_rate": 9.583333333333332e-05, | |
| "loss": 0.2956, | |
| "step": 1140 | |
| }, | |
| { | |
| "epoch": 28.57, | |
| "learning_rate": 9.374999999999999e-05, | |
| "loss": 0.2923, | |
| "step": 1150 | |
| }, | |
| { | |
| "epoch": 28.82, | |
| "learning_rate": 9.166666666666667e-05, | |
| "loss": 0.3165, | |
| "step": 1160 | |
| }, | |
| { | |
| "epoch": 28.99, | |
| "eval_accuracy": 0.8618181818181818, | |
| "eval_loss": 0.4005330204963684, | |
| "eval_runtime": 1.3778, | |
| "eval_samples_per_second": 399.18, | |
| "eval_steps_per_second": 25.402, | |
| "step": 1167 | |
| }, | |
| { | |
| "epoch": 29.07, | |
| "learning_rate": 8.958333333333332e-05, | |
| "loss": 0.302, | |
| "step": 1170 | |
| }, | |
| { | |
| "epoch": 29.32, | |
| "learning_rate": 8.75e-05, | |
| "loss": 0.2723, | |
| "step": 1180 | |
| }, | |
| { | |
| "epoch": 29.57, | |
| "learning_rate": 8.541666666666665e-05, | |
| "loss": 0.2953, | |
| "step": 1190 | |
| }, | |
| { | |
| "epoch": 29.81, | |
| "learning_rate": 8.333333333333333e-05, | |
| "loss": 0.3231, | |
| "step": 1200 | |
| }, | |
| { | |
| "epoch": 29.99, | |
| "eval_accuracy": 0.8327272727272728, | |
| "eval_loss": 0.4512370228767395, | |
| "eval_runtime": 1.3443, | |
| "eval_samples_per_second": 409.127, | |
| "eval_steps_per_second": 26.035, | |
| "step": 1207 | |
| }, | |
| { | |
| "epoch": 30.06, | |
| "learning_rate": 8.124999999999998e-05, | |
| "loss": 0.3583, | |
| "step": 1210 | |
| }, | |
| { | |
| "epoch": 30.31, | |
| "learning_rate": 7.916666666666666e-05, | |
| "loss": 0.3356, | |
| "step": 1220 | |
| }, | |
| { | |
| "epoch": 30.56, | |
| "learning_rate": 7.708333333333331e-05, | |
| "loss": 0.2687, | |
| "step": 1230 | |
| }, | |
| { | |
| "epoch": 30.81, | |
| "learning_rate": 7.5e-05, | |
| "loss": 0.2819, | |
| "step": 1240 | |
| }, | |
| { | |
| "epoch": 30.98, | |
| "eval_accuracy": 0.8454545454545455, | |
| "eval_loss": 0.4227891266345978, | |
| "eval_runtime": 1.4114, | |
| "eval_samples_per_second": 389.695, | |
| "eval_steps_per_second": 24.799, | |
| "step": 1247 | |
| }, | |
| { | |
| "epoch": 31.06, | |
| "learning_rate": 7.291666666666666e-05, | |
| "loss": 0.2949, | |
| "step": 1250 | |
| }, | |
| { | |
| "epoch": 31.3, | |
| "learning_rate": 7.083333333333332e-05, | |
| "loss": 0.2654, | |
| "step": 1260 | |
| }, | |
| { | |
| "epoch": 31.55, | |
| "learning_rate": 6.874999999999999e-05, | |
| "loss": 0.2745, | |
| "step": 1270 | |
| }, | |
| { | |
| "epoch": 31.8, | |
| "learning_rate": 6.666666666666666e-05, | |
| "loss": 0.2704, | |
| "step": 1280 | |
| }, | |
| { | |
| "epoch": 32.0, | |
| "eval_accuracy": 0.86, | |
| "eval_loss": 0.4074237644672394, | |
| "eval_runtime": 1.3463, | |
| "eval_samples_per_second": 408.52, | |
| "eval_steps_per_second": 25.997, | |
| "step": 1288 | |
| }, | |
| { | |
| "epoch": 32.05, | |
| "learning_rate": 6.458333333333334e-05, | |
| "loss": 0.3105, | |
| "step": 1290 | |
| }, | |
| { | |
| "epoch": 32.3, | |
| "learning_rate": 6.25e-05, | |
| "loss": 0.2614, | |
| "step": 1300 | |
| }, | |
| { | |
| "epoch": 32.55, | |
| "learning_rate": 6.041666666666666e-05, | |
| "loss": 0.2842, | |
| "step": 1310 | |
| }, | |
| { | |
| "epoch": 32.8, | |
| "learning_rate": 5.8333333333333326e-05, | |
| "loss": 0.2429, | |
| "step": 1320 | |
| }, | |
| { | |
| "epoch": 32.99, | |
| "eval_accuracy": 0.8545454545454545, | |
| "eval_loss": 0.4405260682106018, | |
| "eval_runtime": 1.6104, | |
| "eval_samples_per_second": 341.534, | |
| "eval_steps_per_second": 21.734, | |
| "step": 1328 | |
| }, | |
| { | |
| "epoch": 33.04, | |
| "learning_rate": 5.625e-05, | |
| "loss": 0.2956, | |
| "step": 1330 | |
| }, | |
| { | |
| "epoch": 33.29, | |
| "learning_rate": 5.4166666666666664e-05, | |
| "loss": 0.2767, | |
| "step": 1340 | |
| }, | |
| { | |
| "epoch": 33.54, | |
| "learning_rate": 5.208333333333333e-05, | |
| "loss": 0.2676, | |
| "step": 1350 | |
| }, | |
| { | |
| "epoch": 33.79, | |
| "learning_rate": 4.9999999999999996e-05, | |
| "loss": 0.2421, | |
| "step": 1360 | |
| }, | |
| { | |
| "epoch": 33.99, | |
| "eval_accuracy": 0.8527272727272728, | |
| "eval_loss": 0.43370744585990906, | |
| "eval_runtime": 1.4724, | |
| "eval_samples_per_second": 373.551, | |
| "eval_steps_per_second": 23.771, | |
| "step": 1368 | |
| }, | |
| { | |
| "epoch": 34.04, | |
| "learning_rate": 4.791666666666666e-05, | |
| "loss": 0.3275, | |
| "step": 1370 | |
| }, | |
| { | |
| "epoch": 34.29, | |
| "learning_rate": 4.5833333333333334e-05, | |
| "loss": 0.2475, | |
| "step": 1380 | |
| }, | |
| { | |
| "epoch": 34.53, | |
| "learning_rate": 4.375e-05, | |
| "loss": 0.288, | |
| "step": 1390 | |
| }, | |
| { | |
| "epoch": 34.78, | |
| "learning_rate": 4.1666666666666665e-05, | |
| "loss": 0.3039, | |
| "step": 1400 | |
| }, | |
| { | |
| "epoch": 34.98, | |
| "eval_accuracy": 0.8472727272727273, | |
| "eval_loss": 0.46279987692832947, | |
| "eval_runtime": 1.3718, | |
| "eval_samples_per_second": 400.919, | |
| "eval_steps_per_second": 25.513, | |
| "step": 1408 | |
| }, | |
| { | |
| "epoch": 35.03, | |
| "learning_rate": 3.958333333333333e-05, | |
| "loss": 0.2737, | |
| "step": 1410 | |
| }, | |
| { | |
| "epoch": 35.28, | |
| "learning_rate": 3.75e-05, | |
| "loss": 0.2746, | |
| "step": 1420 | |
| }, | |
| { | |
| "epoch": 35.53, | |
| "learning_rate": 3.541666666666666e-05, | |
| "loss": 0.2906, | |
| "step": 1430 | |
| }, | |
| { | |
| "epoch": 35.78, | |
| "learning_rate": 3.333333333333333e-05, | |
| "loss": 0.2677, | |
| "step": 1440 | |
| }, | |
| { | |
| "epoch": 36.0, | |
| "eval_accuracy": 0.8545454545454545, | |
| "eval_loss": 0.4411250948905945, | |
| "eval_runtime": 1.3953, | |
| "eval_samples_per_second": 394.172, | |
| "eval_steps_per_second": 25.084, | |
| "step": 1449 | |
| }, | |
| { | |
| "epoch": 36.02, | |
| "learning_rate": 3.125e-05, | |
| "loss": 0.2467, | |
| "step": 1450 | |
| }, | |
| { | |
| "epoch": 36.27, | |
| "learning_rate": 2.9166666666666663e-05, | |
| "loss": 0.2513, | |
| "step": 1460 | |
| }, | |
| { | |
| "epoch": 36.52, | |
| "learning_rate": 2.7083333333333332e-05, | |
| "loss": 0.271, | |
| "step": 1470 | |
| }, | |
| { | |
| "epoch": 36.77, | |
| "learning_rate": 2.4999999999999998e-05, | |
| "loss": 0.2171, | |
| "step": 1480 | |
| }, | |
| { | |
| "epoch": 36.99, | |
| "eval_accuracy": 0.8618181818181818, | |
| "eval_loss": 0.4755066931247711, | |
| "eval_runtime": 1.4153, | |
| "eval_samples_per_second": 388.599, | |
| "eval_steps_per_second": 24.729, | |
| "step": 1489 | |
| }, | |
| { | |
| "epoch": 37.02, | |
| "learning_rate": 2.2916666666666667e-05, | |
| "loss": 0.2207, | |
| "step": 1490 | |
| }, | |
| { | |
| "epoch": 37.27, | |
| "learning_rate": 2.0833333333333333e-05, | |
| "loss": 0.2346, | |
| "step": 1500 | |
| }, | |
| { | |
| "epoch": 37.52, | |
| "learning_rate": 1.875e-05, | |
| "loss": 0.2055, | |
| "step": 1510 | |
| }, | |
| { | |
| "epoch": 37.76, | |
| "learning_rate": 1.6666666666666664e-05, | |
| "loss": 0.2268, | |
| "step": 1520 | |
| }, | |
| { | |
| "epoch": 37.99, | |
| "eval_accuracy": 0.86, | |
| "eval_loss": 0.45060980319976807, | |
| "eval_runtime": 1.4394, | |
| "eval_samples_per_second": 382.115, | |
| "eval_steps_per_second": 24.316, | |
| "step": 1529 | |
| }, | |
| { | |
| "epoch": 38.01, | |
| "learning_rate": 1.4583333333333331e-05, | |
| "loss": 0.2844, | |
| "step": 1530 | |
| }, | |
| { | |
| "epoch": 38.26, | |
| "learning_rate": 1.2499999999999999e-05, | |
| "loss": 0.2419, | |
| "step": 1540 | |
| }, | |
| { | |
| "epoch": 38.51, | |
| "learning_rate": 1.0416666666666666e-05, | |
| "loss": 0.256, | |
| "step": 1550 | |
| }, | |
| { | |
| "epoch": 38.76, | |
| "learning_rate": 8.333333333333332e-06, | |
| "loss": 0.2378, | |
| "step": 1560 | |
| }, | |
| { | |
| "epoch": 38.98, | |
| "eval_accuracy": 0.8527272727272728, | |
| "eval_loss": 0.4633024334907532, | |
| "eval_runtime": 1.3843, | |
| "eval_samples_per_second": 397.304, | |
| "eval_steps_per_second": 25.283, | |
| "step": 1569 | |
| }, | |
| { | |
| "epoch": 39.01, | |
| "learning_rate": 6.2499999999999995e-06, | |
| "loss": 0.3098, | |
| "step": 1570 | |
| }, | |
| { | |
| "epoch": 39.25, | |
| "learning_rate": 4.166666666666666e-06, | |
| "loss": 0.2416, | |
| "step": 1580 | |
| }, | |
| { | |
| "epoch": 39.5, | |
| "learning_rate": 2.083333333333333e-06, | |
| "loss": 0.2014, | |
| "step": 1590 | |
| }, | |
| { | |
| "epoch": 39.75, | |
| "learning_rate": 0.0, | |
| "loss": 0.2021, | |
| "step": 1600 | |
| }, | |
| { | |
| "epoch": 39.75, | |
| "eval_accuracy": 0.8563636363636363, | |
| "eval_loss": 0.4492277503013611, | |
| "eval_runtime": 1.3993, | |
| "eval_samples_per_second": 393.042, | |
| "eval_steps_per_second": 25.012, | |
| "step": 1600 | |
| }, | |
| { | |
| "epoch": 39.75, | |
| "step": 1600, | |
| "total_flos": 2.7935287357114368e+17, | |
| "train_loss": 0.4774747739732266, | |
| "train_runtime": 572.0649, | |
| "train_samples_per_second": 179.21, | |
| "train_steps_per_second": 2.797 | |
| } | |
| ], | |
| "logging_steps": 10, | |
| "max_steps": 1600, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 40, | |
| "save_steps": 500, | |
| "total_flos": 2.7935287357114368e+17, | |
| "train_batch_size": 16, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |