Zheng Li commited on
Commit
df35947
·
verified ·
1 Parent(s): 2d0f190

End of training

Browse files
README.md CHANGED
@@ -3,6 +3,7 @@ library_name: transformers
3
  license: apache-2.0
4
  base_model: facebook/wav2vec2-base
5
  tags:
 
6
  - generated_from_trainer
7
  datasets:
8
  - superb
 
3
  license: apache-2.0
4
  base_model: facebook/wav2vec2-base
5
  tags:
6
+ - audio-classification
7
  - generated_from_trainer
8
  datasets:
9
  - superb
all_results.json CHANGED
@@ -1,13 +1,13 @@
1
  {
2
- "epoch": 5.0,
3
- "eval_accuracy": 0.8245072080023537,
4
- "eval_loss": 0.8822575807571411,
5
- "eval_runtime": 5.2627,
6
- "eval_samples_per_second": 1291.738,
7
- "eval_steps_per_second": 40.474,
8
- "total_flos": 2.36283432911232e+18,
9
- "train_loss": 1.447761106491089,
10
- "train_runtime": 310.8685,
11
- "train_samples_per_second": 821.794,
12
- "train_steps_per_second": 1.608
13
  }
 
1
  {
2
+ "epoch": 10.0,
3
+ "eval_accuracy": 0.9811709326272433,
4
+ "eval_loss": 0.12430207431316376,
5
+ "eval_runtime": 5.1204,
6
+ "eval_samples_per_second": 1327.629,
7
+ "eval_steps_per_second": 41.598,
8
+ "total_flos": 4.72566865822464e+18,
9
+ "train_loss": 0.7669839228391647,
10
+ "train_runtime": 622.4352,
11
+ "train_samples_per_second": 820.873,
12
+ "train_steps_per_second": 1.607
13
  }
eval_results.json CHANGED
@@ -1,8 +1,8 @@
1
  {
2
- "epoch": 5.0,
3
- "eval_accuracy": 0.8245072080023537,
4
- "eval_loss": 0.8822575807571411,
5
- "eval_runtime": 5.2627,
6
- "eval_samples_per_second": 1291.738,
7
- "eval_steps_per_second": 40.474
8
  }
 
1
  {
2
+ "epoch": 10.0,
3
+ "eval_accuracy": 0.9811709326272433,
4
+ "eval_loss": 0.12430207431316376,
5
+ "eval_runtime": 5.1204,
6
+ "eval_samples_per_second": 1327.629,
7
+ "eval_steps_per_second": 41.598
8
  }
runs/May15_02-14-13_cs-Precision-7960-Tower/events.out.tfevents.1747290290.cs-Precision-7960-Tower.144472.1 ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:a16f5e2a677686cdcb452c51b6c90e642b53a7f3a7461695fde291d5e68a59e3
3
+ size 411
train_results.json CHANGED
@@ -1,8 +1,8 @@
1
  {
2
- "epoch": 5.0,
3
- "total_flos": 2.36283432911232e+18,
4
- "train_loss": 1.447761106491089,
5
- "train_runtime": 310.8685,
6
- "train_samples_per_second": 821.794,
7
- "train_steps_per_second": 1.608
8
  }
 
1
  {
2
+ "epoch": 10.0,
3
+ "total_flos": 4.72566865822464e+18,
4
+ "train_loss": 0.7669839228391647,
5
+ "train_runtime": 622.4352,
6
+ "train_samples_per_second": 820.873,
7
+ "train_steps_per_second": 1.607
8
  }
trainer_state.json CHANGED
@@ -1,422 +1,817 @@
1
  {
2
- "best_metric": 0.8245072080023537,
3
- "best_model_checkpoint": "wav2vec2-base-ft-keyword-spotting/checkpoint-500",
4
- "epoch": 5.0,
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": 0.1,
13
- "grad_norm": 3.1108202934265137,
14
- "learning_rate": 6e-06,
15
- "loss": 4.1853,
16
  "step": 10
17
  },
18
  {
19
  "epoch": 0.2,
20
- "grad_norm": 3.643692970275879,
21
- "learning_rate": 1.2e-05,
22
- "loss": 4.0071,
23
  "step": 20
24
  },
25
  {
26
  "epoch": 0.3,
27
- "grad_norm": 6.08334493637085,
28
- "learning_rate": 1.8e-05,
29
- "loss": 3.4541,
30
  "step": 30
31
  },
32
  {
33
  "epoch": 0.4,
34
- "grad_norm": 5.621030330657959,
35
- "learning_rate": 2.4e-05,
36
- "loss": 2.6872,
37
  "step": 40
38
  },
39
  {
40
  "epoch": 0.5,
41
- "grad_norm": 4.663188457489014,
42
- "learning_rate": 3e-05,
43
- "loss": 2.25,
44
  "step": 50
45
  },
46
  {
47
  "epoch": 0.6,
48
- "grad_norm": 2.963801383972168,
49
- "learning_rate": 2.9333333333333333e-05,
50
- "loss": 2.0037,
51
  "step": 60
52
  },
53
  {
54
  "epoch": 0.7,
55
- "grad_norm": 2.0093071460723877,
56
- "learning_rate": 2.8666666666666668e-05,
57
- "loss": 1.8419,
58
  "step": 70
59
  },
60
  {
61
  "epoch": 0.8,
62
- "grad_norm": 0.7109726071357727,
63
- "learning_rate": 2.8e-05,
64
- "loss": 1.8088,
65
  "step": 80
66
  },
67
  {
68
  "epoch": 0.9,
69
- "grad_norm": 0.4631745219230652,
70
- "learning_rate": 2.7333333333333335e-05,
71
- "loss": 1.7483,
72
  "step": 90
73
  },
74
  {
75
  "epoch": 1.0,
76
- "grad_norm": 0.49370667338371277,
77
- "learning_rate": 2.6666666666666667e-05,
78
- "loss": 1.7728,
79
  "step": 100
80
  },
81
  {
82
  "epoch": 1.0,
83
  "eval_accuracy": 0.6209179170344219,
84
- "eval_loss": 1.7270870208740234,
85
- "eval_runtime": 5.1768,
86
- "eval_samples_per_second": 1313.173,
87
- "eval_steps_per_second": 41.145,
88
  "step": 100
89
  },
90
  {
91
  "epoch": 1.1,
92
- "grad_norm": 1.3470516204833984,
93
- "learning_rate": 2.6000000000000002e-05,
94
- "loss": 1.7404,
95
  "step": 110
96
  },
97
  {
98
  "epoch": 1.2,
99
- "grad_norm": 2.36470627784729,
100
- "learning_rate": 2.5333333333333334e-05,
101
- "loss": 1.6391,
102
  "step": 120
103
  },
104
  {
105
  "epoch": 1.3,
106
- "grad_norm": 3.1936564445495605,
107
- "learning_rate": 2.4666666666666665e-05,
108
- "loss": 1.5966,
109
  "step": 130
110
  },
111
  {
112
  "epoch": 1.4,
113
- "grad_norm": 6.025561332702637,
114
- "learning_rate": 2.4e-05,
115
- "loss": 1.5888,
116
  "step": 140
117
  },
118
  {
119
  "epoch": 1.5,
120
- "grad_norm": 3.4104502201080322,
121
- "learning_rate": 2.3333333333333336e-05,
122
- "loss": 1.4921,
123
  "step": 150
124
  },
125
  {
126
  "epoch": 1.6,
127
- "grad_norm": 4.1762871742248535,
128
- "learning_rate": 2.2666666666666668e-05,
129
- "loss": 1.5404,
130
  "step": 160
131
  },
132
  {
133
  "epoch": 1.7,
134
- "grad_norm": 2.305497646331787,
135
- "learning_rate": 2.2e-05,
136
- "loss": 1.4838,
137
  "step": 170
138
  },
139
  {
140
  "epoch": 1.8,
141
- "grad_norm": 1.8129342794418335,
142
- "learning_rate": 2.1333333333333335e-05,
143
- "loss": 1.4184,
144
  "step": 180
145
  },
146
  {
147
  "epoch": 1.9,
148
- "grad_norm": 4.611838340759277,
149
- "learning_rate": 2.0666666666666666e-05,
150
- "loss": 1.3657,
151
  "step": 190
152
  },
153
  {
154
  "epoch": 2.0,
155
- "grad_norm": 3.684983730316162,
156
- "learning_rate": 1.9999999999999998e-05,
157
- "loss": 1.3042,
158
  "step": 200
159
  },
160
  {
161
  "epoch": 2.0,
162
- "eval_accuracy": 0.6493086201824065,
163
- "eval_loss": 1.2064741849899292,
164
- "eval_runtime": 4.8721,
165
- "eval_samples_per_second": 1395.278,
166
- "eval_steps_per_second": 43.718,
167
  "step": 200
168
  },
169
  {
170
  "epoch": 2.1,
171
- "grad_norm": 3.525785446166992,
172
- "learning_rate": 1.9333333333333333e-05,
173
- "loss": 1.3191,
174
  "step": 210
175
  },
176
  {
177
  "epoch": 2.2,
178
- "grad_norm": 3.760420322418213,
179
- "learning_rate": 1.866666666666667e-05,
180
- "loss": 1.2842,
181
  "step": 220
182
  },
183
  {
184
  "epoch": 2.3,
185
- "grad_norm": 5.203872203826904,
186
- "learning_rate": 1.8e-05,
187
- "loss": 1.2544,
188
  "step": 230
189
  },
190
  {
191
  "epoch": 2.4,
192
- "grad_norm": 4.353450298309326,
193
- "learning_rate": 1.7333333333333332e-05,
194
- "loss": 1.2532,
195
  "step": 240
196
  },
197
  {
198
  "epoch": 2.5,
199
- "grad_norm": 4.413931846618652,
200
- "learning_rate": 1.6666666666666667e-05,
201
- "loss": 1.1657,
202
  "step": 250
203
  },
204
  {
205
  "epoch": 2.6,
206
- "grad_norm": 2.3682613372802734,
207
- "learning_rate": 1.6e-05,
208
- "loss": 1.1996,
209
  "step": 260
210
  },
211
  {
212
  "epoch": 2.7,
213
- "grad_norm": 3.3464930057525635,
214
- "learning_rate": 1.533333333333333e-05,
215
- "loss": 1.1394,
216
  "step": 270
217
  },
218
  {
219
  "epoch": 2.8,
220
- "grad_norm": 3.987032890319824,
221
- "learning_rate": 1.4666666666666666e-05,
222
- "loss": 1.12,
223
  "step": 280
224
  },
225
  {
226
  "epoch": 2.9,
227
- "grad_norm": 2.3071091175079346,
228
- "learning_rate": 1.4e-05,
229
- "loss": 1.1157,
230
  "step": 290
231
  },
232
  {
233
  "epoch": 3.0,
234
- "grad_norm": 7.341511249542236,
235
- "learning_rate": 1.3333333333333333e-05,
236
- "loss": 1.1086,
237
  "step": 300
238
  },
239
  {
240
  "epoch": 3.0,
241
- "eval_accuracy": 0.6935863489261548,
242
- "eval_loss": 0.9966975450515747,
243
- "eval_runtime": 4.846,
244
- "eval_samples_per_second": 1402.813,
245
- "eval_steps_per_second": 43.954,
246
  "step": 300
247
  },
248
  {
249
  "epoch": 3.1,
250
- "grad_norm": 3.0323097705841064,
251
- "learning_rate": 1.2666666666666667e-05,
252
- "loss": 1.0664,
253
  "step": 310
254
  },
255
  {
256
  "epoch": 3.2,
257
- "grad_norm": 3.4883832931518555,
258
- "learning_rate": 1.2e-05,
259
- "loss": 1.0835,
260
  "step": 320
261
  },
262
  {
263
  "epoch": 3.3,
264
- "grad_norm": 4.886635780334473,
265
- "learning_rate": 1.1333333333333334e-05,
266
- "loss": 1.0608,
267
  "step": 330
268
  },
269
  {
270
  "epoch": 3.4,
271
- "grad_norm": 2.4810945987701416,
272
- "learning_rate": 1.0666666666666667e-05,
273
- "loss": 1.0253,
274
  "step": 340
275
  },
276
  {
277
  "epoch": 3.5,
278
- "grad_norm": 2.3833069801330566,
279
- "learning_rate": 9.999999999999999e-06,
280
- "loss": 1.0187,
281
  "step": 350
282
  },
283
  {
284
  "epoch": 3.6,
285
- "grad_norm": 2.031707763671875,
286
- "learning_rate": 9.333333333333334e-06,
287
- "loss": 1.002,
288
  "step": 360
289
  },
290
  {
291
  "epoch": 3.7,
292
- "grad_norm": 3.9627315998077393,
293
- "learning_rate": 8.666666666666666e-06,
294
- "loss": 0.9833,
295
  "step": 370
296
  },
297
  {
298
  "epoch": 3.8,
299
- "grad_norm": 3.683357000350952,
300
- "learning_rate": 8e-06,
301
- "loss": 1.0085,
302
  "step": 380
303
  },
304
  {
305
  "epoch": 3.9,
306
- "grad_norm": 2.747379779815674,
307
- "learning_rate": 7.333333333333333e-06,
308
- "loss": 1.0044,
309
  "step": 390
310
  },
311
  {
312
  "epoch": 4.0,
313
- "grad_norm": 2.9549131393432617,
314
- "learning_rate": 6.666666666666667e-06,
315
- "loss": 0.967,
316
  "step": 400
317
  },
318
  {
319
  "epoch": 4.0,
320
- "eval_accuracy": 0.793027360988526,
321
- "eval_loss": 0.9590433239936829,
322
- "eval_runtime": 4.8849,
323
- "eval_samples_per_second": 1391.628,
324
- "eval_steps_per_second": 43.604,
325
  "step": 400
326
  },
327
  {
328
  "epoch": 4.1,
329
- "grad_norm": 2.6056904792785645,
330
- "learning_rate": 6e-06,
331
- "loss": 0.981,
332
  "step": 410
333
  },
334
  {
335
  "epoch": 4.2,
336
- "grad_norm": 2.720146894454956,
337
- "learning_rate": 5.333333333333334e-06,
338
- "loss": 0.9899,
339
  "step": 420
340
  },
341
  {
342
  "epoch": 4.3,
343
- "grad_norm": 3.6615264415740967,
344
- "learning_rate": 4.666666666666667e-06,
345
- "loss": 0.9411,
346
  "step": 430
347
  },
348
  {
349
  "epoch": 4.4,
350
- "grad_norm": 4.013997554779053,
351
- "learning_rate": 4e-06,
352
- "loss": 0.9413,
353
  "step": 440
354
  },
355
  {
356
  "epoch": 4.5,
357
- "grad_norm": 2.698765754699707,
358
- "learning_rate": 3.3333333333333333e-06,
359
- "loss": 0.9145,
360
  "step": 450
361
  },
362
  {
363
  "epoch": 4.6,
364
- "grad_norm": 2.6457314491271973,
365
- "learning_rate": 2.666666666666667e-06,
366
- "loss": 0.9069,
367
  "step": 460
368
  },
369
  {
370
  "epoch": 4.7,
371
- "grad_norm": 2.491399049758911,
372
- "learning_rate": 2e-06,
373
- "loss": 0.8928,
374
  "step": 470
375
  },
376
  {
377
  "epoch": 4.8,
378
- "grad_norm": 2.6820359230041504,
379
- "learning_rate": 1.3333333333333334e-06,
380
- "loss": 0.9105,
381
  "step": 480
382
  },
383
  {
384
  "epoch": 4.9,
385
- "grad_norm": 5.143585205078125,
386
- "learning_rate": 6.666666666666667e-07,
387
- "loss": 0.9215,
388
  "step": 490
389
  },
390
  {
391
  "epoch": 5.0,
392
- "grad_norm": 4.706216335296631,
393
- "learning_rate": 0.0,
394
- "loss": 0.8801,
395
  "step": 500
396
  },
397
  {
398
  "epoch": 5.0,
399
- "eval_accuracy": 0.8245072080023537,
400
- "eval_loss": 0.8822575807571411,
401
- "eval_runtime": 5.2526,
402
- "eval_samples_per_second": 1294.22,
403
- "eval_steps_per_second": 40.551,
404
  "step": 500
405
  },
406
  {
407
- "epoch": 5.0,
408
- "step": 500,
409
- "total_flos": 2.36283432911232e+18,
410
- "train_loss": 1.447761106491089,
411
- "train_runtime": 310.8685,
412
- "train_samples_per_second": 821.794,
413
- "train_steps_per_second": 1.608
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
414
  }
415
  ],
416
  "logging_steps": 10,
417
- "max_steps": 500,
418
  "num_input_tokens_seen": 0,
419
- "num_train_epochs": 5,
420
  "save_steps": 500,
421
  "stateful_callbacks": {
422
  "TrainerControl": {
@@ -430,7 +825,7 @@
430
  "attributes": {}
431
  }
432
  },
433
- "total_flos": 2.36283432911232e+18,
434
  "train_batch_size": 128,
435
  "trial_name": null,
436
  "trial_params": null
 
1
  {
2
+ "best_metric": 0.9811709326272433,
3
+ "best_model_checkpoint": "wav2vec2-base-ft-keyword-spotting/checkpoint-1000",
4
+ "epoch": 10.0,
5
  "eval_steps": 500,
6
+ "global_step": 1000,
7
  "is_hyper_param_search": false,
8
  "is_local_process_zero": true,
9
  "is_world_process_zero": true,
10
  "log_history": [
11
  {
12
  "epoch": 0.1,
13
+ "grad_norm": 2.6891753673553467,
14
+ "learning_rate": 3e-06,
15
+ "loss": 4.1933,
16
  "step": 10
17
  },
18
  {
19
  "epoch": 0.2,
20
+ "grad_norm": 3.1144065856933594,
21
+ "learning_rate": 6e-06,
22
+ "loss": 4.1225,
23
  "step": 20
24
  },
25
  {
26
  "epoch": 0.3,
27
+ "grad_norm": 4.312869071960449,
28
+ "learning_rate": 9e-06,
29
+ "loss": 3.8887,
30
  "step": 30
31
  },
32
  {
33
  "epoch": 0.4,
34
+ "grad_norm": 5.83105993270874,
35
+ "learning_rate": 1.2e-05,
36
+ "loss": 3.4137,
37
  "step": 40
38
  },
39
  {
40
  "epoch": 0.5,
41
+ "grad_norm": 5.6602678298950195,
42
+ "learning_rate": 1.5e-05,
43
+ "loss": 2.7921,
44
  "step": 50
45
  },
46
  {
47
  "epoch": 0.6,
48
+ "grad_norm": 4.747939586639404,
49
+ "learning_rate": 1.8e-05,
50
+ "loss": 2.3948,
51
  "step": 60
52
  },
53
  {
54
  "epoch": 0.7,
55
+ "grad_norm": 4.421939849853516,
56
+ "learning_rate": 2.1e-05,
57
+ "loss": 2.1514,
58
  "step": 70
59
  },
60
  {
61
  "epoch": 0.8,
62
+ "grad_norm": 3.393974542617798,
63
+ "learning_rate": 2.4e-05,
64
+ "loss": 2.0222,
65
  "step": 80
66
  },
67
  {
68
  "epoch": 0.9,
69
+ "grad_norm": 2.5288150310516357,
70
+ "learning_rate": 2.7000000000000002e-05,
71
+ "loss": 1.8712,
72
  "step": 90
73
  },
74
  {
75
  "epoch": 1.0,
76
+ "grad_norm": 1.0866141319274902,
77
+ "learning_rate": 3e-05,
78
+ "loss": 1.8178,
79
  "step": 100
80
  },
81
  {
82
  "epoch": 1.0,
83
  "eval_accuracy": 0.6209179170344219,
84
+ "eval_loss": 1.7386223077774048,
85
+ "eval_runtime": 5.0898,
86
+ "eval_samples_per_second": 1335.617,
87
+ "eval_steps_per_second": 41.849,
88
  "step": 100
89
  },
90
  {
91
  "epoch": 1.1,
92
+ "grad_norm": 0.4499356150627136,
93
+ "learning_rate": 2.966666666666667e-05,
94
+ "loss": 1.7568,
95
  "step": 110
96
  },
97
  {
98
  "epoch": 1.2,
99
+ "grad_norm": 5.13858699798584,
100
+ "learning_rate": 2.9333333333333333e-05,
101
+ "loss": 1.7009,
102
  "step": 120
103
  },
104
  {
105
  "epoch": 1.3,
106
+ "grad_norm": 1.0781441926956177,
107
+ "learning_rate": 2.9e-05,
108
+ "loss": 1.7067,
109
  "step": 130
110
  },
111
  {
112
  "epoch": 1.4,
113
+ "grad_norm": 2.4858882427215576,
114
+ "learning_rate": 2.8666666666666668e-05,
115
+ "loss": 1.6577,
116
  "step": 140
117
  },
118
  {
119
  "epoch": 1.5,
120
+ "grad_norm": 3.1494271755218506,
121
+ "learning_rate": 2.8333333333333332e-05,
122
+ "loss": 1.5608,
123
  "step": 150
124
  },
125
  {
126
  "epoch": 1.6,
127
+ "grad_norm": 2.8912174701690674,
128
+ "learning_rate": 2.8e-05,
129
+ "loss": 1.5741,
130
  "step": 160
131
  },
132
  {
133
  "epoch": 1.7,
134
+ "grad_norm": 1.4826748371124268,
135
+ "learning_rate": 2.766666666666667e-05,
136
+ "loss": 1.5054,
137
  "step": 170
138
  },
139
  {
140
  "epoch": 1.8,
141
+ "grad_norm": 5.051352024078369,
142
+ "learning_rate": 2.7333333333333335e-05,
143
+ "loss": 1.4572,
144
  "step": 180
145
  },
146
  {
147
  "epoch": 1.9,
148
+ "grad_norm": 2.021836042404175,
149
+ "learning_rate": 2.7000000000000002e-05,
150
+ "loss": 1.3724,
151
  "step": 190
152
  },
153
  {
154
  "epoch": 2.0,
155
+ "grad_norm": 3.871109962463379,
156
+ "learning_rate": 2.6666666666666667e-05,
157
+ "loss": 1.3138,
158
  "step": 200
159
  },
160
  {
161
  "epoch": 2.0,
162
+ "eval_accuracy": 0.6510738452486026,
163
+ "eval_loss": 1.1778711080551147,
164
+ "eval_runtime": 4.9948,
165
+ "eval_samples_per_second": 1361.014,
166
+ "eval_steps_per_second": 42.644,
167
  "step": 200
168
  },
169
  {
170
  "epoch": 2.1,
171
+ "grad_norm": 5.006422519683838,
172
+ "learning_rate": 2.6333333333333334e-05,
173
+ "loss": 1.2749,
174
  "step": 210
175
  },
176
  {
177
  "epoch": 2.2,
178
+ "grad_norm": 2.877138614654541,
179
+ "learning_rate": 2.6000000000000002e-05,
180
+ "loss": 1.2645,
181
  "step": 220
182
  },
183
  {
184
  "epoch": 2.3,
185
+ "grad_norm": 4.362603187561035,
186
+ "learning_rate": 2.5666666666666666e-05,
187
+ "loss": 1.1934,
188
  "step": 230
189
  },
190
  {
191
  "epoch": 2.4,
192
+ "grad_norm": 3.1135756969451904,
193
+ "learning_rate": 2.5333333333333334e-05,
194
+ "loss": 1.153,
195
  "step": 240
196
  },
197
  {
198
  "epoch": 2.5,
199
+ "grad_norm": 4.02156400680542,
200
+ "learning_rate": 2.5e-05,
201
+ "loss": 1.0804,
202
  "step": 250
203
  },
204
  {
205
  "epoch": 2.6,
206
+ "grad_norm": 3.90006160736084,
207
+ "learning_rate": 2.4666666666666665e-05,
208
+ "loss": 1.0651,
209
  "step": 260
210
  },
211
  {
212
  "epoch": 2.7,
213
+ "grad_norm": 2.3373022079467773,
214
+ "learning_rate": 2.4333333333333333e-05,
215
+ "loss": 1.0293,
216
  "step": 270
217
  },
218
  {
219
  "epoch": 2.8,
220
+ "grad_norm": 2.3652572631835938,
221
+ "learning_rate": 2.4e-05,
222
+ "loss": 1.0356,
223
  "step": 280
224
  },
225
  {
226
  "epoch": 2.9,
227
+ "grad_norm": 2.4576399326324463,
228
+ "learning_rate": 2.3666666666666665e-05,
229
+ "loss": 0.9779,
230
  "step": 290
231
  },
232
  {
233
  "epoch": 3.0,
234
+ "grad_norm": 4.176488876342773,
235
+ "learning_rate": 2.3333333333333336e-05,
236
+ "loss": 0.9632,
237
  "step": 300
238
  },
239
  {
240
  "epoch": 3.0,
241
+ "eval_accuracy": 0.8679023242130038,
242
+ "eval_loss": 0.8326017260551453,
243
+ "eval_runtime": 4.997,
244
+ "eval_samples_per_second": 1360.422,
245
+ "eval_steps_per_second": 42.626,
246
  "step": 300
247
  },
248
  {
249
  "epoch": 3.1,
250
+ "grad_norm": 2.0200586318969727,
251
+ "learning_rate": 2.3000000000000003e-05,
252
+ "loss": 0.8637,
253
  "step": 310
254
  },
255
  {
256
  "epoch": 3.2,
257
+ "grad_norm": 2.459822416305542,
258
+ "learning_rate": 2.2666666666666668e-05,
259
+ "loss": 0.8304,
260
  "step": 320
261
  },
262
  {
263
  "epoch": 3.3,
264
+ "grad_norm": 2.8096423149108887,
265
+ "learning_rate": 2.2333333333333335e-05,
266
+ "loss": 0.7811,
267
  "step": 330
268
  },
269
  {
270
  "epoch": 3.4,
271
+ "grad_norm": 2.188521385192871,
272
+ "learning_rate": 2.2e-05,
273
+ "loss": 0.7311,
274
  "step": 340
275
  },
276
  {
277
  "epoch": 3.5,
278
+ "grad_norm": 2.1101114749908447,
279
+ "learning_rate": 2.1666666666666667e-05,
280
+ "loss": 0.6899,
281
  "step": 350
282
  },
283
  {
284
  "epoch": 3.6,
285
+ "grad_norm": 3.0662026405334473,
286
+ "learning_rate": 2.1333333333333335e-05,
287
+ "loss": 0.6275,
288
  "step": 360
289
  },
290
  {
291
  "epoch": 3.7,
292
+ "grad_norm": 2.7955899238586426,
293
+ "learning_rate": 2.1e-05,
294
+ "loss": 0.5982,
295
  "step": 370
296
  },
297
  {
298
  "epoch": 3.8,
299
+ "grad_norm": 2.069448947906494,
300
+ "learning_rate": 2.0666666666666666e-05,
301
+ "loss": 0.5618,
302
  "step": 380
303
  },
304
  {
305
  "epoch": 3.9,
306
+ "grad_norm": 2.3345484733581543,
307
+ "learning_rate": 2.0333333333333334e-05,
308
+ "loss": 0.5223,
309
  "step": 390
310
  },
311
  {
312
  "epoch": 4.0,
313
+ "grad_norm": 2.2423112392425537,
314
+ "learning_rate": 1.9999999999999998e-05,
315
+ "loss": 0.499,
316
  "step": 400
317
  },
318
  {
319
  "epoch": 4.0,
320
+ "eval_accuracy": 0.9724919093851133,
321
+ "eval_loss": 0.3696895241737366,
322
+ "eval_runtime": 5.064,
323
+ "eval_samples_per_second": 1342.416,
324
+ "eval_steps_per_second": 42.062,
325
  "step": 400
326
  },
327
  {
328
  "epoch": 4.1,
329
+ "grad_norm": 2.581549644470215,
330
+ "learning_rate": 1.9666666666666666e-05,
331
+ "loss": 0.4643,
332
  "step": 410
333
  },
334
  {
335
  "epoch": 4.2,
336
+ "grad_norm": 2.2802562713623047,
337
+ "learning_rate": 1.9333333333333333e-05,
338
+ "loss": 0.4679,
339
  "step": 420
340
  },
341
  {
342
  "epoch": 4.3,
343
+ "grad_norm": 2.000401496887207,
344
+ "learning_rate": 1.9e-05,
345
+ "loss": 0.4143,
346
  "step": 430
347
  },
348
  {
349
  "epoch": 4.4,
350
+ "grad_norm": 1.913470983505249,
351
+ "learning_rate": 1.866666666666667e-05,
352
+ "loss": 0.3969,
353
  "step": 440
354
  },
355
  {
356
  "epoch": 4.5,
357
+ "grad_norm": 1.812354564666748,
358
+ "learning_rate": 1.8333333333333336e-05,
359
+ "loss": 0.3903,
360
  "step": 450
361
  },
362
  {
363
  "epoch": 4.6,
364
+ "grad_norm": 1.731414556503296,
365
+ "learning_rate": 1.8e-05,
366
+ "loss": 0.3536,
367
  "step": 460
368
  },
369
  {
370
  "epoch": 4.7,
371
+ "grad_norm": 2.4097819328308105,
372
+ "learning_rate": 1.7666666666666668e-05,
373
+ "loss": 0.3537,
374
  "step": 470
375
  },
376
  {
377
  "epoch": 4.8,
378
+ "grad_norm": 2.2438652515411377,
379
+ "learning_rate": 1.7333333333333332e-05,
380
+ "loss": 0.3417,
381
  "step": 480
382
  },
383
  {
384
  "epoch": 4.9,
385
+ "grad_norm": 1.8313252925872803,
386
+ "learning_rate": 1.7e-05,
387
+ "loss": 0.3269,
388
  "step": 490
389
  },
390
  {
391
  "epoch": 5.0,
392
+ "grad_norm": 3.7112584114074707,
393
+ "learning_rate": 1.6666666666666667e-05,
394
+ "loss": 0.3191,
395
  "step": 500
396
  },
397
  {
398
  "epoch": 5.0,
399
+ "eval_accuracy": 0.9760223595175052,
400
+ "eval_loss": 0.22396039962768555,
401
+ "eval_runtime": 4.8682,
402
+ "eval_samples_per_second": 1396.423,
403
+ "eval_steps_per_second": 43.754,
404
  "step": 500
405
  },
406
  {
407
+ "epoch": 5.1,
408
+ "grad_norm": 2.2409660816192627,
409
+ "learning_rate": 1.633333333333333e-05,
410
+ "loss": 0.3044,
411
+ "step": 510
412
+ },
413
+ {
414
+ "epoch": 5.2,
415
+ "grad_norm": 1.6726042032241821,
416
+ "learning_rate": 1.6e-05,
417
+ "loss": 0.2886,
418
+ "step": 520
419
+ },
420
+ {
421
+ "epoch": 5.3,
422
+ "grad_norm": 2.055961847305298,
423
+ "learning_rate": 1.5666666666666667e-05,
424
+ "loss": 0.2745,
425
+ "step": 530
426
+ },
427
+ {
428
+ "epoch": 5.4,
429
+ "grad_norm": 2.2671661376953125,
430
+ "learning_rate": 1.533333333333333e-05,
431
+ "loss": 0.2943,
432
+ "step": 540
433
+ },
434
+ {
435
+ "epoch": 5.5,
436
+ "grad_norm": 2.010511636734009,
437
+ "learning_rate": 1.5e-05,
438
+ "loss": 0.246,
439
+ "step": 550
440
+ },
441
+ {
442
+ "epoch": 5.6,
443
+ "grad_norm": 2.027716636657715,
444
+ "learning_rate": 1.4666666666666666e-05,
445
+ "loss": 0.2962,
446
+ "step": 560
447
+ },
448
+ {
449
+ "epoch": 5.7,
450
+ "grad_norm": 1.839068055152893,
451
+ "learning_rate": 1.4333333333333334e-05,
452
+ "loss": 0.2817,
453
+ "step": 570
454
+ },
455
+ {
456
+ "epoch": 5.8,
457
+ "grad_norm": 2.8274471759796143,
458
+ "learning_rate": 1.4e-05,
459
+ "loss": 0.2512,
460
+ "step": 580
461
+ },
462
+ {
463
+ "epoch": 5.9,
464
+ "grad_norm": 2.0226399898529053,
465
+ "learning_rate": 1.3666666666666667e-05,
466
+ "loss": 0.2756,
467
+ "step": 590
468
+ },
469
+ {
470
+ "epoch": 6.0,
471
+ "grad_norm": 2.212151050567627,
472
+ "learning_rate": 1.3333333333333333e-05,
473
+ "loss": 0.242,
474
+ "step": 600
475
+ },
476
+ {
477
+ "epoch": 6.0,
478
+ "eval_accuracy": 0.9792586054721977,
479
+ "eval_loss": 0.1708967536687851,
480
+ "eval_runtime": 5.0298,
481
+ "eval_samples_per_second": 1351.551,
482
+ "eval_steps_per_second": 42.348,
483
+ "step": 600
484
+ },
485
+ {
486
+ "epoch": 6.1,
487
+ "grad_norm": 2.019993305206299,
488
+ "learning_rate": 1.3000000000000001e-05,
489
+ "loss": 0.2557,
490
+ "step": 610
491
+ },
492
+ {
493
+ "epoch": 6.2,
494
+ "grad_norm": 2.0448718070983887,
495
+ "learning_rate": 1.2666666666666667e-05,
496
+ "loss": 0.2455,
497
+ "step": 620
498
+ },
499
+ {
500
+ "epoch": 6.3,
501
+ "grad_norm": 2.4769129753112793,
502
+ "learning_rate": 1.2333333333333333e-05,
503
+ "loss": 0.2435,
504
+ "step": 630
505
+ },
506
+ {
507
+ "epoch": 6.4,
508
+ "grad_norm": 2.217947483062744,
509
+ "learning_rate": 1.2e-05,
510
+ "loss": 0.2392,
511
+ "step": 640
512
+ },
513
+ {
514
+ "epoch": 6.5,
515
+ "grad_norm": 2.198836326599121,
516
+ "learning_rate": 1.1666666666666668e-05,
517
+ "loss": 0.2194,
518
+ "step": 650
519
+ },
520
+ {
521
+ "epoch": 6.6,
522
+ "grad_norm": 2.2629637718200684,
523
+ "learning_rate": 1.1333333333333334e-05,
524
+ "loss": 0.2165,
525
+ "step": 660
526
+ },
527
+ {
528
+ "epoch": 6.7,
529
+ "grad_norm": 1.9289292097091675,
530
+ "learning_rate": 1.1e-05,
531
+ "loss": 0.2264,
532
+ "step": 670
533
+ },
534
+ {
535
+ "epoch": 6.8,
536
+ "grad_norm": 2.585972547531128,
537
+ "learning_rate": 1.0666666666666667e-05,
538
+ "loss": 0.2254,
539
+ "step": 680
540
+ },
541
+ {
542
+ "epoch": 6.9,
543
+ "grad_norm": 2.3876583576202393,
544
+ "learning_rate": 1.0333333333333333e-05,
545
+ "loss": 0.2264,
546
+ "step": 690
547
+ },
548
+ {
549
+ "epoch": 7.0,
550
+ "grad_norm": 2.297879695892334,
551
+ "learning_rate": 9.999999999999999e-06,
552
+ "loss": 0.2144,
553
+ "step": 700
554
+ },
555
+ {
556
+ "epoch": 7.0,
557
+ "eval_accuracy": 0.9805825242718447,
558
+ "eval_loss": 0.14598147571086884,
559
+ "eval_runtime": 5.1023,
560
+ "eval_samples_per_second": 1332.35,
561
+ "eval_steps_per_second": 41.746,
562
+ "step": 700
563
+ },
564
+ {
565
+ "epoch": 7.1,
566
+ "grad_norm": 2.2874860763549805,
567
+ "learning_rate": 9.666666666666667e-06,
568
+ "loss": 0.2217,
569
+ "step": 710
570
+ },
571
+ {
572
+ "epoch": 7.2,
573
+ "grad_norm": 1.6444002389907837,
574
+ "learning_rate": 9.333333333333334e-06,
575
+ "loss": 0.2048,
576
+ "step": 720
577
+ },
578
+ {
579
+ "epoch": 7.3,
580
+ "grad_norm": 2.211688280105591,
581
+ "learning_rate": 9e-06,
582
+ "loss": 0.2122,
583
+ "step": 730
584
+ },
585
+ {
586
+ "epoch": 7.4,
587
+ "grad_norm": 2.334533929824829,
588
+ "learning_rate": 8.666666666666666e-06,
589
+ "loss": 0.2142,
590
+ "step": 740
591
+ },
592
+ {
593
+ "epoch": 7.5,
594
+ "grad_norm": 1.83983314037323,
595
+ "learning_rate": 8.333333333333334e-06,
596
+ "loss": 0.1873,
597
+ "step": 750
598
+ },
599
+ {
600
+ "epoch": 7.6,
601
+ "grad_norm": 1.8291276693344116,
602
+ "learning_rate": 8e-06,
603
+ "loss": 0.2003,
604
+ "step": 760
605
+ },
606
+ {
607
+ "epoch": 7.7,
608
+ "grad_norm": 2.4695987701416016,
609
+ "learning_rate": 7.666666666666666e-06,
610
+ "loss": 0.2075,
611
+ "step": 770
612
+ },
613
+ {
614
+ "epoch": 7.8,
615
+ "grad_norm": 1.7656598091125488,
616
+ "learning_rate": 7.333333333333333e-06,
617
+ "loss": 0.2089,
618
+ "step": 780
619
+ },
620
+ {
621
+ "epoch": 7.9,
622
+ "grad_norm": 1.8952357769012451,
623
+ "learning_rate": 7e-06,
624
+ "loss": 0.2013,
625
+ "step": 790
626
+ },
627
+ {
628
+ "epoch": 8.0,
629
+ "grad_norm": 1.6189404726028442,
630
+ "learning_rate": 6.666666666666667e-06,
631
+ "loss": 0.1977,
632
+ "step": 800
633
+ },
634
+ {
635
+ "epoch": 8.0,
636
+ "eval_accuracy": 0.979994115916446,
637
+ "eval_loss": 0.13441701233386993,
638
+ "eval_runtime": 4.9535,
639
+ "eval_samples_per_second": 1372.356,
640
+ "eval_steps_per_second": 43.0,
641
+ "step": 800
642
+ },
643
+ {
644
+ "epoch": 8.1,
645
+ "grad_norm": 2.2733678817749023,
646
+ "learning_rate": 6.333333333333333e-06,
647
+ "loss": 0.1908,
648
+ "step": 810
649
+ },
650
+ {
651
+ "epoch": 8.2,
652
+ "grad_norm": 1.6874712705612183,
653
+ "learning_rate": 6e-06,
654
+ "loss": 0.1819,
655
+ "step": 820
656
+ },
657
+ {
658
+ "epoch": 8.3,
659
+ "grad_norm": 1.4649100303649902,
660
+ "learning_rate": 5.666666666666667e-06,
661
+ "loss": 0.2037,
662
+ "step": 830
663
+ },
664
+ {
665
+ "epoch": 8.4,
666
+ "grad_norm": 1.7231727838516235,
667
+ "learning_rate": 5.333333333333334e-06,
668
+ "loss": 0.1935,
669
+ "step": 840
670
+ },
671
+ {
672
+ "epoch": 8.5,
673
+ "grad_norm": 1.6908072233200073,
674
+ "learning_rate": 4.9999999999999996e-06,
675
+ "loss": 0.1957,
676
+ "step": 850
677
+ },
678
+ {
679
+ "epoch": 8.6,
680
+ "grad_norm": 2.1523678302764893,
681
+ "learning_rate": 4.666666666666667e-06,
682
+ "loss": 0.1955,
683
+ "step": 860
684
+ },
685
+ {
686
+ "epoch": 8.7,
687
+ "grad_norm": 2.5662710666656494,
688
+ "learning_rate": 4.333333333333333e-06,
689
+ "loss": 0.2008,
690
+ "step": 870
691
+ },
692
+ {
693
+ "epoch": 8.8,
694
+ "grad_norm": 1.984096884727478,
695
+ "learning_rate": 4e-06,
696
+ "loss": 0.186,
697
+ "step": 880
698
+ },
699
+ {
700
+ "epoch": 8.9,
701
+ "grad_norm": 1.4925553798675537,
702
+ "learning_rate": 3.6666666666666666e-06,
703
+ "loss": 0.1905,
704
+ "step": 890
705
+ },
706
+ {
707
+ "epoch": 9.0,
708
+ "grad_norm": 4.499406814575195,
709
+ "learning_rate": 3.3333333333333333e-06,
710
+ "loss": 0.1742,
711
+ "step": 900
712
+ },
713
+ {
714
+ "epoch": 9.0,
715
+ "eval_accuracy": 0.9796999117387467,
716
+ "eval_loss": 0.12820769846439362,
717
+ "eval_runtime": 5.1381,
718
+ "eval_samples_per_second": 1323.045,
719
+ "eval_steps_per_second": 41.455,
720
+ "step": 900
721
+ },
722
+ {
723
+ "epoch": 9.1,
724
+ "grad_norm": 1.9934319257736206,
725
+ "learning_rate": 3e-06,
726
+ "loss": 0.1915,
727
+ "step": 910
728
+ },
729
+ {
730
+ "epoch": 9.2,
731
+ "grad_norm": 1.9417580366134644,
732
+ "learning_rate": 2.666666666666667e-06,
733
+ "loss": 0.1759,
734
+ "step": 920
735
+ },
736
+ {
737
+ "epoch": 9.3,
738
+ "grad_norm": 2.1848134994506836,
739
+ "learning_rate": 2.3333333333333336e-06,
740
+ "loss": 0.1811,
741
+ "step": 930
742
+ },
743
+ {
744
+ "epoch": 9.4,
745
+ "grad_norm": 1.6830646991729736,
746
+ "learning_rate": 2e-06,
747
+ "loss": 0.1905,
748
+ "step": 940
749
+ },
750
+ {
751
+ "epoch": 9.5,
752
+ "grad_norm": 2.51246976852417,
753
+ "learning_rate": 1.6666666666666667e-06,
754
+ "loss": 0.1889,
755
+ "step": 950
756
+ },
757
+ {
758
+ "epoch": 9.6,
759
+ "grad_norm": 2.315727949142456,
760
+ "learning_rate": 1.3333333333333334e-06,
761
+ "loss": 0.1755,
762
+ "step": 960
763
+ },
764
+ {
765
+ "epoch": 9.7,
766
+ "grad_norm": 1.6819000244140625,
767
+ "learning_rate": 1e-06,
768
+ "loss": 0.1717,
769
+ "step": 970
770
+ },
771
+ {
772
+ "epoch": 9.8,
773
+ "grad_norm": 1.7445892095565796,
774
+ "learning_rate": 6.666666666666667e-07,
775
+ "loss": 0.1756,
776
+ "step": 980
777
+ },
778
+ {
779
+ "epoch": 9.9,
780
+ "grad_norm": 1.542716145515442,
781
+ "learning_rate": 3.3333333333333335e-07,
782
+ "loss": 0.181,
783
+ "step": 990
784
+ },
785
+ {
786
+ "epoch": 10.0,
787
+ "grad_norm": 2.6007721424102783,
788
+ "learning_rate": 0.0,
789
+ "loss": 0.1867,
790
+ "step": 1000
791
+ },
792
+ {
793
+ "epoch": 10.0,
794
+ "eval_accuracy": 0.9811709326272433,
795
+ "eval_loss": 0.12430207431316376,
796
+ "eval_runtime": 5.1351,
797
+ "eval_samples_per_second": 1323.841,
798
+ "eval_steps_per_second": 41.48,
799
+ "step": 1000
800
+ },
801
+ {
802
+ "epoch": 10.0,
803
+ "step": 1000,
804
+ "total_flos": 4.72566865822464e+18,
805
+ "train_loss": 0.7669839228391647,
806
+ "train_runtime": 622.4352,
807
+ "train_samples_per_second": 820.873,
808
+ "train_steps_per_second": 1.607
809
  }
810
  ],
811
  "logging_steps": 10,
812
+ "max_steps": 1000,
813
  "num_input_tokens_seen": 0,
814
+ "num_train_epochs": 10,
815
  "save_steps": 500,
816
  "stateful_callbacks": {
817
  "TrainerControl": {
 
825
  "attributes": {}
826
  }
827
  },
828
+ "total_flos": 4.72566865822464e+18,
829
  "train_batch_size": 128,
830
  "trial_name": null,
831
  "trial_params": null