learning_rate: 0.0002
train_batch_size: 1
eval_batch_size: 1
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 100
num_epochs: 3

Epoch	Step	Validation Loss
0.0528	100	nan
0.1056	200	nan
0.1584	300	nan
0.2112	400	nan
0.2640	500	nan
0.3168	600	nan
0.3696	700	nan
0.4224	800	nan
0.4752	900	nan
0.5280	1000	nan
0.5808	1100	nan
0.6336	1200	nan
0.6864	1300	nan
0.7392	1400	nan
0.7920	1500	nan
0.8448	1600	nan
0.8976	1700	nan
0.9504	1800	nan
1.0032	1900	nan
1.0560	2000	nan
1.1088	2100	nan
1.1616	2200	nan
1.2144	2300	nan
1.2672	2400	nan
1.3200	2500	nan
1.3728	2600	nan
1.4256	2700	nan
1.4784	2800	nan
1.5312	2900	nan
1.5839	3000	nan
1.6367	3100	nan
1.6895	3200	nan
1.7423	3300	nan
1.7951	3400	nan
1.8479	3500	nan
1.9007	3600	nan
1.9535	3700	nan
2.0063	3800	nan
2.0591	3900	nan
2.1119	4000	nan
2.1647	4100	nan
2.2175	4200	nan
2.2703	4300	nan
2.3231	4400	nan
2.3759	4500	nan
2.4287	4600	nan
2.4815	4700	nan
2.5343	4800	nan
2.5871	4900	nan
2.6399	5000	nan
2.6927	5100	nan
2.7455	5200	nan
2.7983	5300	nan
2.8511	5400	nan
2.9039	5500	nan
2.9567	5600	nan

IlkkaU/sam-football-gpt2

sam-football-gpt2