| {'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} | |