{'loss': 1.388, 'grad_norm': 0.4428330361843109, 'learning_rate': 4.708318749270797e-05, 'epoch': 0.18}
{'loss': 1.388, 'grad_norm': 0.5542458891868591, 'learning_rate': 4.416637498541594e-05, 'epoch': 0.35}
{'loss': 1.3883, 'grad_norm': 0.4602660834789276, 'learning_rate': 4.124956247812391e-05, 'epoch': 0.53}
{'loss': 1.3876, 'grad_norm': 0.34471696615219116, 'learning_rate': 3.8332749970831875e-05, 'epoch': 0.7}
{'loss': 1.3874, 'grad_norm': 0.4194392263889313, 'learning_rate': 3.5415937463539846e-05, 'epoch': 0.88}
[0 3 2 ... 3 3 0] [0 0 2 ... 0 1 0]
{'eval_loss': 1.3862943649291992, 'eval_accuracy': 0.29046139134592397, 'eval_runtime': 12.0229, 'eval_samples_per_second': 347.919, 'eval_steps_per_second': 5.49, 'epoch': 1.0}
{'loss': 1.3874, 'grad_norm': 0.4889364242553711, 'learning_rate': 3.249912495624781e-05, 'epoch': 1.05}
{'loss': 1.3871, 'grad_norm': 0.4101532995700836, 'learning_rate': 2.9582312448955786e-05, 'epoch': 1.23}
{'loss': 1.3872, 'grad_norm': 0.2870344817638397, 'learning_rate': 2.666549994166375e-05, 'epoch': 1.4}
{'loss': 1.3871, 'grad_norm': 0.3510490357875824, 'learning_rate': 2.374868743437172e-05, 'epoch': 1.58}
{'loss': 1.3871, 'grad_norm': 0.47732222080230713, 'learning_rate': 2.083187492707969e-05, 'epoch': 1.75}
{'loss': 1.3869, 'grad_norm': 0.4571665823459625, 'learning_rate': 1.7915062419787655e-05, 'epoch': 1.93}
[0 1 2 ... 3 2 1] [0 0 2 ... 0 1 0]
{'eval_loss': 1.3862943649291992, 'eval_accuracy': 0.2916567057136027, 'eval_runtime': 12.4026, 'eval_samples_per_second': 337.268, 'eval_steps_per_second': 5.321, 'epoch': 2.0}
{'loss': 1.387, 'grad_norm': 0.35604429244995117, 'learning_rate': 1.4998249912495627e-05, 'epoch': 2.1}
{'loss': 1.3869, 'grad_norm': 0.41958552598953247, 'learning_rate': 1.2081437405203595e-05, 'epoch': 2.28}
{'loss': 1.3867, 'grad_norm': 0.4155421257019043, 'learning_rate': 9.164624897911563e-06, 'epoch': 2.45}
{'loss': 1.3867, 'grad_norm': 0.3127279579639435, 'learning_rate': 6.247812390619531e-06, 'epoch': 2.63}
{'loss': 1.3868, 'grad_norm': 0.3561195433139801, 'learning_rate': 3.3309998833275e-06, 'epoch': 2.8}
{'loss': 1.3866, 'grad_norm': 0.35721373558044434, 'learning_rate': 4.141873760354685e-07, 'epoch': 2.98}