{'loss': 1.3869, 'grad_norm': 0.35344821214675903, 'learning_rate': 4.708318749270797e-05, 'epoch': 0.18}
{'loss': 1.387, 'grad_norm': 0.18895003199577332, 'learning_rate': 4.416637498541594e-05, 'epoch': 0.35}
{'loss': 1.3868, 'grad_norm': 0.17408715188503265, 'learning_rate': 4.124956247812391e-05, 'epoch': 0.53}
{'loss': 1.3867, 'grad_norm': 0.15130987763404846, 'learning_rate': 3.8332749970831875e-05, 'epoch': 0.7}
{'loss': 1.3865, 'grad_norm': 0.1569109559059143, 'learning_rate': 3.5415937463539846e-05, 'epoch': 0.88}
[1 0 3 ... 2 3 3] [0 0 2 ... 0 1 0]
{'eval_loss': 1.3862944841384888, 'eval_accuracy': 0.2624910351422424, 'eval_runtime': 9.0806, 'eval_samples_per_second': 460.653, 'eval_steps_per_second': 7.268, 'epoch': 1.0}
{'loss': 1.3864, 'grad_norm': 0.14783084392547607, 'learning_rate': 3.249912495624781e-05, 'epoch': 1.05}
{'loss': 1.3865, 'grad_norm': 0.1413605809211731, 'learning_rate': 2.9582312448955786e-05, 'epoch': 1.23}
{'loss': 1.3867, 'grad_norm': 0.11423461139202118, 'learning_rate': 2.666549994166375e-05, 'epoch': 1.4}
{'loss': 1.3865, 'grad_norm': 0.13234885036945343, 'learning_rate': 2.374868743437172e-05, 'epoch': 1.58}
{'loss': 1.3865, 'grad_norm': 0.11721161007881165, 'learning_rate': 2.083187492707969e-05, 'epoch': 1.75}
{'loss': 1.3865, 'grad_norm': 0.1150147020816803, 'learning_rate': 1.7915062419787655e-05, 'epoch': 1.93}
[3 2 2 ... 3 2 2] [0 0 2 ... 0 1 0]
{'eval_loss': 1.3862881660461426, 'eval_accuracy': 0.26751135548649296, 'eval_runtime': 9.1114, 'eval_samples_per_second': 459.098, 'eval_steps_per_second': 7.244, 'epoch': 2.0}
{'loss': 1.3864, 'grad_norm': 0.10965009778738022, 'learning_rate': 1.4998249912495627e-05, 'epoch': 2.1}
{'loss': 1.3865, 'grad_norm': 0.11624345183372498, 'learning_rate': 1.2081437405203595e-05, 'epoch': 2.28}
{'loss': 1.3863, 'grad_norm': 0.15024864673614502, 'learning_rate': 9.164624897911563e-06, 'epoch': 2.45}
{'loss': 1.3863, 'grad_norm': 0.21923650801181793, 'learning_rate': 6.247812390619531e-06, 'epoch': 2.63}
{'loss': 1.3863, 'grad_norm': 0.23588676750659943, 'learning_rate': 3.3309998833275e-06, 'epoch': 2.8}
{'loss': 1.3868, 'grad_norm': 0.22491014003753662, 'learning_rate': 4.141873760354685e-07, 'epoch': 2.98}