Training in progress, step 80

adapter_model.safetensors

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:d28cc1409287c41567696df3eb3a18d1835089f2c0add705b803d2a406537b95
+oid sha256:5f865b5355a75cf78bf118db9027f3b675c63c91153dd98ebbad4809ce9101de
 size 174655536

wandb/run-20250203_022803-dcc7zgc1/files/output.log

@@ -44,4 +44,24 @@ The model is not an instance of PreTrainedModel. No liger kernels will be applie
 {'loss': 0.0844, 'grad_norm': 2.0329487323760986, 'learning_rate': 4.684055976615924e-05, 'epoch': 0.5}
 {'loss': 0.0606, 'grad_norm': 0.9544902443885803, 'learning_rate': 4.625542839324036e-05, 'epoch': 0.52}
   with torch.enable_grad(), device_autocast_ctx, torch.cpu.amp.autocast(**ctx.cpu_autocast_kwargs):  # type: ignore[attr-defined]
- 27%|██████████████████████████████████████████████████████████████████████████▍                                                                                                                                                                                                         | 41/152 [20:09<55:36, 30.06s/it]
+ 53%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎                                                                                                                                  | 80/152 [38:58<33:23, 27.82s/it]
+{'loss': 0.0741, 'grad_norm': 1.5324604511260986, 'learning_rate': 4.5624936864957556e-05, 'epoch': 0.55}
+{'loss': 0.0766, 'grad_norm': 1.0285587310791016, 'learning_rate': 4.4950430682006e-05, 'epoch': 0.58}
+{'loss': 0.0799, 'grad_norm': 1.295554280281067, 'learning_rate': 4.423334927457198e-05, 'epoch': 0.6}
+{'loss': 0.0796, 'grad_norm': 0.9307866096496582, 'learning_rate': 4.347522293051648e-05, 'epoch': 0.63}
+{'loss': 0.067, 'grad_norm': 0.7554837465286255, 'learning_rate': 4.267766952966369e-05, 'epoch': 0.65}
+{'loss': 0.054, 'grad_norm': 0.6210789084434509, 'learning_rate': 4.184239109116393e-05, 'epoch': 0.68}
+{'loss': 0.0728, 'grad_norm': 1.059621810913086, 'learning_rate': 4.097117014129903e-05, 'epoch': 0.71}
+{'loss': 0.0782, 'grad_norm': 1.0603656768798828, 'learning_rate': 4.0065865909481417e-05, 'epoch': 0.73}
+{'loss': 0.0843, 'grad_norm': 1.2227962017059326, 'learning_rate': 3.91284103605648e-05, 'epoch': 0.76}
+{'loss': 0.0688, 'grad_norm': 1.2021204233169556, 'learning_rate': 3.81608040719339e-05, 'epoch': 0.78}
+{'loss': 0.0667, 'grad_norm': 1.130820631980896, 'learning_rate': 3.716511196417141e-05, 'epoch': 0.81}
+{'loss': 0.0506, 'grad_norm': 0.8557747602462769, 'learning_rate': 3.6143458894413465e-05, 'epoch': 0.84}
+{'loss': 0.0378, 'grad_norm': 0.8222028017044067, 'learning_rate': 3.509802512179737e-05, 'epoch': 0.86}
+{'loss': 0.069, 'grad_norm': 1.441278338432312, 'learning_rate': 3.403104165467883e-05, 'epoch': 0.89}
+{'loss': 0.048, 'grad_norm': 1.504895806312561, 'learning_rate': 3.294478548954754e-05, 'epoch': 0.92}
+{'loss': 0.0557, 'grad_norm': 0.9560084342956543, 'learning_rate': 3.1841574751802076e-05, 'epoch': 0.94}
+{'loss': 0.0505, 'grad_norm': 1.1108149290084839, 'learning_rate': 3.072376374875335e-05, 'epoch': 0.97}
+{'loss': 0.0584, 'grad_norm': 0.7871246337890625, 'learning_rate': 2.9593737945414264e-05, 'epoch': 0.99}
+{'loss': 0.0325, 'grad_norm': 1.2843117713928223, 'learning_rate': 2.8453908873797058e-05, 'epoch': 1.01}
+{'loss': 0.04, 'grad_norm': 0.8063321113586426, 'learning_rate': 2.7306708986582553e-05, 'epoch': 1.04}