{'loss': 1.3871, 'grad_norm': 0.3043193221092224, 'learning_rate': 4.708318749270797e-05, 'epoch': 0.18}
{'loss': 1.387, 'grad_norm': 0.24539834260940552, 'learning_rate': 4.416637498541594e-05, 'epoch': 0.35}
{'loss': 1.3872, 'grad_norm': 0.26898154616355896, 'learning_rate': 4.124956247812391e-05, 'epoch': 0.53}
{'loss': 1.3872, 'grad_norm': 0.24502748250961304, 'learning_rate': 3.8332749970831875e-05, 'epoch': 0.7}
{'loss': 1.3869, 'grad_norm': 0.25331911444664, 'learning_rate': 3.5415937463539846e-05, 'epoch': 0.88}
[1 1 3 ... 2 3 2] [0 0 2 ... 0 1 0]
{'eval_loss': 1.3862946033477783, 'eval_accuracy': 0.24958163997131247, 'eval_runtime': 8.941, 'eval_samples_per_second': 467.845, 'eval_steps_per_second': 7.382, 'epoch': 1.0}
{'loss': 1.3871, 'grad_norm': 0.26145845651626587, 'learning_rate': 3.249912495624781e-05, 'epoch': 1.05}
{'loss': 1.3872, 'grad_norm': 0.25433945655822754, 'learning_rate': 2.9582312448955786e-05, 'epoch': 1.23}
{'loss': 1.3866, 'grad_norm': 0.211429625749588, 'learning_rate': 2.666549994166375e-05, 'epoch': 1.4}
{'loss': 1.3866, 'grad_norm': 0.2679010331630707, 'learning_rate': 2.374868743437172e-05, 'epoch': 1.58}
{'loss': 1.3866, 'grad_norm': 0.2178725302219391, 'learning_rate': 2.083187492707969e-05, 'epoch': 1.75}
{'loss': 1.3865, 'grad_norm': 0.2069939374923706, 'learning_rate': 1.7915062419787655e-05, 'epoch': 1.93}
[1 2 3 ... 3 0 2] [0 0 2 ... 0 1 0]
{'eval_loss': 1.3862946033477783, 'eval_accuracy': 0.24838632560363375, 'eval_runtime': 8.8505, 'eval_samples_per_second': 472.627, 'eval_steps_per_second': 7.457, 'epoch': 2.0}
{'loss': 1.387, 'grad_norm': 0.21678239107131958, 'learning_rate': 1.4998249912495627e-05, 'epoch': 2.1}
{'loss': 1.3867, 'grad_norm': 0.28479716181755066, 'learning_rate': 1.2081437405203595e-05, 'epoch': 2.28}
{'loss': 1.3865, 'grad_norm': 0.2648977041244507, 'learning_rate': 9.164624897911563e-06, 'epoch': 2.45}
{'loss': 1.3867, 'grad_norm': 0.26830488443374634, 'learning_rate': 6.247812390619531e-06, 'epoch': 2.63}
{'loss': 1.3867, 'grad_norm': 0.28522682189941406, 'learning_rate': 3.3309998833275e-06, 'epoch': 2.8}
{'loss': 1.3868, 'grad_norm': 0.2941863536834717, 'learning_rate': 4.141873760354685e-07, 'epoch': 2.98}