{'loss': 1.3818, 'grad_norm': 0.9878897666931152, 'learning_rate': 4.708318749270797e-05, 'epoch': 0.18}
{'loss': 1.3848, 'grad_norm': 0.3876025080680847, 'learning_rate': 4.416637498541594e-05, 'epoch': 0.35}
{'loss': 1.3869, 'grad_norm': 0.38736286759376526, 'learning_rate': 4.124956247812391e-05, 'epoch': 0.53}
{'loss': 1.3835, 'grad_norm': 0.3879797160625458, 'learning_rate': 3.8332749970831875e-05, 'epoch': 0.7}
{'loss': 1.3872, 'grad_norm': 0.42131826281547546, 'learning_rate': 3.5415937463539846e-05, 'epoch': 0.88}
[0 0 1 ... 0 2 3] [0 0 2 ... 0 1 0]
{'eval_loss': 1.3862946033477783, 'eval_accuracy': 0.2808988764044944, 'eval_runtime': 11.6996, 'eval_samples_per_second': 357.535, 'eval_steps_per_second': 5.641, 'epoch': 1.0}
{'loss': 1.3868, 'grad_norm': 0.36376747488975525, 'learning_rate': 3.249912495624781e-05, 'epoch': 1.05}
{'loss': 1.3866, 'grad_norm': 0.36933568120002747, 'learning_rate': 2.9582312448955786e-05, 'epoch': 1.23}
{'loss': 1.3869, 'grad_norm': 0.3159377872943878, 'learning_rate': 2.666549994166375e-05, 'epoch': 1.4}
{'loss': 1.3867, 'grad_norm': 0.388902485370636, 'learning_rate': 2.374868743437172e-05, 'epoch': 1.58}
{'loss': 1.3867, 'grad_norm': 0.34345269203186035, 'learning_rate': 2.083187492707969e-05, 'epoch': 1.75}
{'loss': 1.3865, 'grad_norm': 0.28443431854248047, 'learning_rate': 1.7915062419787655e-05, 'epoch': 1.93}
[0 0 1 ... 0 0 3] [0 0 2 ... 0 1 0]
{'eval_loss': 1.3862946033477783, 'eval_accuracy': 0.27755199617499404, 'eval_runtime': 11.7259, 'eval_samples_per_second': 356.732, 'eval_steps_per_second': 5.629, 'epoch': 2.0}
{'loss': 1.3866, 'grad_norm': 0.3457288444042206, 'learning_rate': 1.4998249912495627e-05, 'epoch': 2.1}
{'loss': 1.3867, 'grad_norm': 0.39303871989250183, 'learning_rate': 1.2081437405203595e-05, 'epoch': 2.28}
{'loss': 1.3867, 'grad_norm': 0.3226775825023651, 'learning_rate': 9.164624897911563e-06, 'epoch': 2.45}
{'loss': 1.3867, 'grad_norm': 0.3367418646812439, 'learning_rate': 6.247812390619531e-06, 'epoch': 2.63}
{'loss': 1.3866, 'grad_norm': 0.3738933801651001, 'learning_rate': 3.3309998833275e-06, 'epoch': 2.8}
{'loss': 1.3867, 'grad_norm': 0.3130834996700287, 'learning_rate': 4.141873760354685e-07, 'epoch': 2.98}