learning_rate: 5e-05
train_batch_size: 32
eval_batch_size: 32
seed: 42
optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 3

Training Loss	Epoch	Step	Validation Loss
0.3023	0.1574	300	0.1644
0.167	0.3148	600	0.1376
0.1466	0.4722	900	0.1301
0.1354	0.6296	1200	0.1180
0.1258	0.7870	1500	0.1129
0.1198	0.9444	1800	0.1061
0.115	1.1018	2100	0.1030
0.1108	1.2592	2400	0.1013
0.1088	1.4166	2700	0.1000
0.1067	1.5740	3000	0.0982
0.1049	1.7314	3300	0.0974
0.1039	1.8888	3600	0.0960
0.1024	2.0462	3900	0.0952
0.1013	2.2036	4200	0.0947
0.1006	2.3610	4500	0.0944
0.0997	2.5184	4800	0.0935
0.0993	2.6758	5100	0.0927
0.099	2.8332	5400	0.0928
0.0983	2.9906	5700	0.0925

NanQiangHF/gpt2_bwgenerator

gpt2_bwgenerator