| {'loss': 1.3877, 'grad_norm': 0.3732655942440033, 'learning_rate': 4.708318749270797e-05, 'epoch': 0.18} | |
| {'loss': 1.3877, 'grad_norm': 0.29982370138168335, 'learning_rate': 4.416637498541594e-05, 'epoch': 0.35} | |
| {'loss': 1.3869, 'grad_norm': 0.2956711947917938, 'learning_rate': 4.124956247812391e-05, 'epoch': 0.53} | |
| {'loss': 1.3872, 'grad_norm': 0.2780778706073761, 'learning_rate': 3.8332749970831875e-05, 'epoch': 0.7} | |
| {'loss': 1.387, 'grad_norm': 0.264312207698822, 'learning_rate': 3.5415937463539846e-05, 'epoch': 0.88} | |
| [3 0 2 ... 3 0 2] [0 0 2 ... 0 1 0] | |
| {'eval_loss': 1.3862732648849487, 'eval_accuracy': 0.30121922065503226, 'eval_runtime': 13.092, 'eval_samples_per_second': 319.509, 'eval_steps_per_second': 5.041, 'epoch': 1.0} | |
| {'loss': 1.387, 'grad_norm': 0.26451143622398376, 'learning_rate': 3.249912495624781e-05, 'epoch': 1.05} | |
| {'loss': 1.3867, 'grad_norm': 0.2525206506252289, 'learning_rate': 2.9582312448955786e-05, 'epoch': 1.23} | |
| {'loss': 1.3869, 'grad_norm': 0.35128626227378845, 'learning_rate': 2.666549994166375e-05, 'epoch': 1.4} | |
| {'loss': 1.3839, 'grad_norm': 0.34846463799476624, 'learning_rate': 2.374868743437172e-05, 'epoch': 1.58} | |
| {'loss': 1.3823, 'grad_norm': 0.2991259694099426, 'learning_rate': 2.083187492707969e-05, 'epoch': 1.75} | |
| {'loss': 1.3819, 'grad_norm': 0.26775607466697693, 'learning_rate': 1.7915062419787655e-05, 'epoch': 1.93} | |