| {'loss': 1.3866, 'grad_norm': 0.25656482577323914, 'learning_rate': 4.708318749270797e-05, 'epoch': 0.18} | |
| {'loss': 1.3856, 'grad_norm': 0.15997980535030365, 'learning_rate': 4.416637498541594e-05, 'epoch': 0.35} | |
| {'loss': 1.3868, 'grad_norm': 0.17803697288036346, 'learning_rate': 4.124956247812391e-05, 'epoch': 0.53} | |
| {'loss': 1.3868, 'grad_norm': 0.15967394411563873, 'learning_rate': 3.8332749970831875e-05, 'epoch': 0.7} | |
| {'loss': 1.3866, 'grad_norm': 0.14670728147029877, 'learning_rate': 3.5415937463539846e-05, 'epoch': 0.88} | |
| [2 0 1 ... 0 0 0] [0 0 2 ... 0 1 0] | |
| {'eval_loss': 1.3862944841384888, 'eval_accuracy': 0.23213005020320343, 'eval_runtime': 10.8823, 'eval_samples_per_second': 384.387, 'eval_steps_per_second': 6.065, 'epoch': 1.0} | |
| {'loss': 1.3866, 'grad_norm': 0.16719762980937958, 'learning_rate': 3.249912495624781e-05, 'epoch': 1.05} | |
| {'loss': 1.3864, 'grad_norm': 0.15575970709323883, 'learning_rate': 2.9582312448955786e-05, 'epoch': 1.23} | |
| {'loss': 1.3866, 'grad_norm': 0.1441808044910431, 'learning_rate': 2.666549994166375e-05, 'epoch': 1.4} | |
| {'loss': 1.3867, 'grad_norm': 0.15964549779891968, 'learning_rate': 2.374868743437172e-05, 'epoch': 1.58} | |
| {'loss': 1.3864, 'grad_norm': 0.1460782140493393, 'learning_rate': 2.083187492707969e-05, 'epoch': 1.75} | |
| {'loss': 1.3863, 'grad_norm': 0.13421306014060974, 'learning_rate': 1.7915062419787655e-05, 'epoch': 1.93} | |