{'loss': 1.3867, 'grad_norm': 0.192262664437294, 'learning_rate': 4.708318749270797e-05, 'epoch': 0.18}
{'loss': 1.3869, 'grad_norm': 0.16380712389945984, 'learning_rate': 4.416637498541594e-05, 'epoch': 0.35}
{'loss': 1.3869, 'grad_norm': 0.16317473351955414, 'learning_rate': 4.124956247812391e-05, 'epoch': 0.53}
{'loss': 1.3868, 'grad_norm': 0.1727585792541504, 'learning_rate': 3.8332749970831875e-05, 'epoch': 0.7}
{'loss': 1.3866, 'grad_norm': 0.15967760980129242, 'learning_rate': 3.5415937463539846e-05, 'epoch': 0.88}
[2 1 1 ... 1 0 2] [0 0 2 ... 0 1 0]
{'eval_loss': 1.3862946033477783, 'eval_accuracy': 0.25077695433899116, 'eval_runtime': 14.2447, 'eval_samples_per_second': 293.653, 'eval_steps_per_second': 4.633, 'epoch': 1.0}
{'loss': 1.3866, 'grad_norm': 0.18210957944393158, 'learning_rate': 3.249912495624781e-05, 'epoch': 1.05}
{'loss': 1.3869, 'grad_norm': 0.17192137241363525, 'learning_rate': 2.9582312448955786e-05, 'epoch': 1.23}
{'loss': 1.3868, 'grad_norm': 0.15160904824733734, 'learning_rate': 2.666549994166375e-05, 'epoch': 1.4}
{'loss': 1.3865, 'grad_norm': 0.18540260195732117, 'learning_rate': 2.374868743437172e-05, 'epoch': 1.58}
{'loss': 1.3866, 'grad_norm': 0.15841282904148102, 'learning_rate': 2.083187492707969e-05, 'epoch': 1.75}
{'loss': 1.3866, 'grad_norm': 0.1424749195575714, 'learning_rate': 1.7915062419787655e-05, 'epoch': 1.93}
[0 0 0 ... 3 3 3] [0 0 2 ... 0 1 0]
{'eval_loss': 1.3862946033477783, 'eval_accuracy': 0.2581879034185991, 'eval_runtime': 14.1989, 'eval_samples_per_second': 294.599, 'eval_steps_per_second': 4.648, 'epoch': 2.0}
{'loss': 1.3867, 'grad_norm': 0.14915914833545685, 'learning_rate': 1.4998249912495627e-05, 'epoch': 2.1}
{'loss': 1.3866, 'grad_norm': 0.1699255257844925, 'learning_rate': 1.2081437405203595e-05, 'epoch': 2.28}
{'loss': 1.3867, 'grad_norm': 0.17641906440258026, 'learning_rate': 9.164624897911563e-06, 'epoch': 2.45}
{'loss': 1.3865, 'grad_norm': 0.16107283532619476, 'learning_rate': 6.247812390619531e-06, 'epoch': 2.63}
{'loss': 1.3866, 'grad_norm': 0.1628333479166031, 'learning_rate': 3.3309998833275e-06, 'epoch': 2.8}
{'loss': 1.3865, 'grad_norm': 0.15246981382369995, 'learning_rate': 4.141873760354685e-07, 'epoch': 2.98}